中央部属高校的研究生教育投入产出效率研究①——基于2009-2014年的面板数据

彭莉君，余 菡，白丽新，韩云炜

（1.中国科学技术大学，安徽 合肥 230026；2.中国地质大学，北京 100083；3.全国高校大学生信息咨询与就业指导中心，北京 100191；4.上海财经大学，上海 200433）

中华人民共和国中央部门（单位）直属高等学校，简称“中央部属高校”，主要是指中华人民共和国国务院组成部门及其直属机构在全国范围内直属管理一批高校，目的是在探索改革上先走一步，在提高教学、科学研究和社会服务方面发挥示范和引导作用。中央部属高校一般均为实力较强、学科特色鲜明的高校，由于有中央部委的支持，其获得的资源投入也相对较大，对这些高校进行研究，有助于我们更好地掌握中国一流大学与高水平大学的研究生教育现状，同时，国务院要求“加快构建充满活力、富有效率、更加开放、有利于学校科学发展的体制机制”，那么现有高校的运行是否有效率，中央部属高校的大规模投入是否产出了相应的成果都值得我们进行深入研究。基于此，本文对中央部属高校研究生教育投入产出效率进行实证分析，在了解各高校研究生教育资源使用现状的基础上，为今后合理分配研究生教育资源以及提高研究生教育投入产出效率提供理论依据。

一、国内外研究现状

伴随着高等教育的大众化进程，越来越多的学者关注高等教育领域的效率评价问题。在国内外的现有研究中，学者们的研究对象主要有三类：一类是以学院为研究单元，如Tomkins和Green（1988）对英国大学会计学院的效率进行评价［1］，Thursby（2000）评价了美国大学的经济学院的效率［2］，Martin（2006）研究了萨拉戈萨大学（西班牙）各个院系的教学和科研效率［3］。第二类是以学校为研究单元，国内学者在这个层面的研究相对较多。Ng与Li（2000）研究了中国84所重点大学的高校教育效率［4］，Warning（2004）评价了73所德国公立大学的效率［5］；谢有才和胡汉辉（2005）、彭安臣（2006）、曲虹和高伟涛（2009）分别对我国66所、58所和16所教育部直属高校的研究生教育效率进行了探讨，赵敏祥等（2011）评价了浙江工业大学2005-2009年的研究生教育资源配置效率［6］，王巍等（2013）对黑龙江省9所高校的规模效率进行了分析［7］。第三类是以地区或国家为研究单元，国外学者Kocher等（2006）分析了21个OECD国家和地区经济学科研效率［8］，Wang和Huang（2007）［9］对23个OECD国家和7个非OECD国家的研发效率进行了研究；国内学者傅毓维和邵争艳（2004）、周才云（2013）分别对中国区域高等教育资源配置现状进行了评价和研究。

从评价方法来看，评价投入产出效率的方法主要有基于参数法的数据包络分析（Data Envelopment Analysis，DEA）和基于非参数法的随机前沿分析（Stochastic Frontier Analysis，SFA）两种。SFA通过计量方法对前沿生产函数参数进行估计，具有坚实的经济理论基础，可以同时测算生产者技术效率以及效率差异的影响因素。成刚等（2004）、原长弘和高金燕（2013）、刘小君（2013）运用SFA对教育部直属高校的成本效率和进行了评价。相较于SFA，DEA具有测量多投入、多产出效率的独特优势，而研究生教育正是涉及多项资源投入、多项成果产出的复杂系统，且大多数的现有研究都使用了DEA方法，如Ng与Li（2000）、傅毓维和邵争艳（2004）、Warning（2004）、Martin（2006）、谢有才和胡汉辉（2005），等等。

在现有研究中，主要以评价高等教育效率、投入产出效率为主，针对研究生教育层面的尚且较少。现有的几篇关于研究生教育层面的研究文献，如谢有才和胡汉辉（2005）、彭安臣（2006）、曲虹和高伟涛（2009）和赵敏祥等（2011），主要以高校的截面数据或者时间序列数据为研究单元，缺乏对多所高校跨年数据的深入研究。在研究方法上，教育效率评价以传统的CCR模型为主，而CCR模型还存在不能直接利用效率值对决策单元进行完全排序和可能导致效率值的权系数过于极端与不现实的缺陷，因而导致可能无法得到客观真实的评价结果。基于此，本文将运用DEA交叉效率模型评价2009-2014年83所中央部属高校的研究生教育投入产出效率，以解决上述两个问题。

二、研究方法

（一）DEA交叉效率模型

DEA交叉效率模型是Sexton等（1986）［10］在改进和完善CCR模型的基础上提出的，该模型旨在利用自互评体系来消除或减轻CCR模型中单纯依靠自评体系来对决策单元进行评价的弊端，从而获取更加客观有效的效率值，从根本上克服CCR模型存在的问题。本文在对83所中央部属高校的研究生教育投入产出效率进行评价时，考虑到各所高校的研究生教育投入产出效率实际上均存在一定的提升空间，而传统CCR模型存在难以为已经被评价为有效的决策单位的效率改进与提升提供参照标准的弊端，因此本文运用DEA交叉效率模型对83所中央部属高校的研究生教育投入产出效率进行评价，即各高校的效率均有提升空间，更为符合研究生教育发展现实。

（二）指标选取

王善迈（1996）指出，教育效率是教育资源消耗与教育直接产出成果的比较，即教育投入于直接产出之比，亦可称为教育投入产出效率［11］。那么，研究生教育投入产出效率则可以认为是研究生教育事业利用所提供的研究生教育投入所能取得的研究生教育产出水平，反映了研究生教育产出与所消耗资源的对比关系。考虑到研究生教育涉及多种资源投入与多项成果产出，所以在评价研究生教育投入产出效率之前，应先确定研究生教育过程中投入和产出所包含的内容。本文在国内外学者研究的基础上，综合考虑了指标的重要性、权威性以及数据的可获得性，对高校研究生教育管理人员、科研管理人员以及财务管理人员进行了访谈，整理之后选取了以下投入产出指标。

1.投入指标

研究生教育投入指标包括研究生指导教师与研究生教育经费。研究生指导教师由博士与硕士导师、博士导师、硕士导师三部分组成；研究生指导教师是实施研究生教育的主体，对研究生在校期间的课程学习、科学研究、日常生活等各方面进行全方位指导。研究生教育经费由研究生生均综合定额拨款、研究与试验发展经费两部分组成，研究生生均综合定额拨款由中央财政或省级财政对纳入全国研究生招生计划的研究生数进行安排，可用于研究生的教学培养工作；研究与试验发展经费可以支持研究生在校期间开展科学研究工作。

2.产出指标

研究生教育的三大目标包括：人才培养、科学研究和社会服务。本文选取了研究生在校学生数、发表学术论文篇数、知识产权授权数、与技术转让合同金额等5个研究生教育产出指标。其中，研究生在校学生数是衡量研究生教育的人才以培养成果的指标；发表学术论文篇数、知识产权授权数、研究与咨询报告被接纳数是衡量科学研究的主要指标；技术转让合同金额是衡量社会服务的重要指标。

（三）数据来源

本文截取了2009-2014年83所中央部属高校研究生教育投入产出数据，对中央部属高校研究生教育投入产出效率进行研究，数据来源于2009-2014年《教育部直属高校基本情况统计资料汇编》。其中，研究生指导教师指博士、硕士导师，博士导师与硕士导师；研究生生均综合定额拨款数根据拨款标准乘以当年的博士研究生在校学生数与硕士研究生在校学生数计算得出，2009-2011年的生均综合定额拨款标准为博士研究生24000元/人/年、硕士研究生10000元/人/年，2012-2014年的生均综合定额拨款标准为博士研究生28000元/人/年、硕士研究生22000元/人/年；研发经费指当年拨入的研究与发展经费，包括基础研究、应用研究和试验发展经费；研究生在校学生数由博士研究生在校学生数与硕士研究生在校学生数两部分组成；论文发表指科技论文发表篇数；知识产权授权指知识产权授权数量，包括发明专利、使用新型与外观设计三类；技术转让合同金额指当年的技术转让合同金额。研究生教育投入产出各项指标的描述统计结果见表1。

表1：投入产出指标描述统计

三、数据分析

通过运用DEA交叉效率模型对83所中央部属高校2009-2014年研究生教育投入产出效率进行测算，可以发现83所高校的效率值均低于1（见表2），即各高校的研究生教育投入产出效率均有一定的提升空间，在这个层面上避免了CCR模型可能出现多个高校同时表现为有效的情况，而且也更加符合客观实际情况。

经统计分析，可以得出以下两点结论：第一，在83所高校中，江南大学的研究生教育投入产出效率排名均值最高，中国药科大学、北京邮电大学、西南财经大学、西南交通大学、西安电子科技大学、西南大学、上海外国语大学、东华大学、中国矿业大学（北京）及华东师范大学等10所高校的研究生教育投入产出效率排名均值也相对较高；第二，中央戏剧学院的研究生教育投入产出效率排名均值最低，随后为北京航空航天大学、中央音乐学院、北京中医药大学、中央美术学院、北京理工大学、西北工业大学、中国石油大学（华东）、中国农业大学、哈尔滨工程大学及中国石油大学（北京）等10所高校，这些高校对研究生教育资源的利用远远不够，存在较大的提升空间，在现有资源投入的基础上应产出更多的教育成果。

表2：2009-2014年中央部属高校研究生教育投入产出效率值与排名

续表2

从不同年份的角度来看，中国药科大学在2009和2012年的研究生教育投入产出效率最高，江南大学在2010、2011和2013年效率表现均为最好，河海大学2014年的研究生教育投入产出效率值最高；同时，中央戏剧学院在2009和2010年的研究生教育投入产出效率最低，中央音乐学院在2011和2014年效率表现最差，中国石油大学（华东）和西北工业大学的效率值分别在2012和2013年表现为最低。

四、讨论

为深入分析中央部属高校的研究生教育投入产出效率，本文进一步将83所高校划分为“985工程”高校与非“985工程高校”两个层次，综合大学、理工院校、人文社科院校与农林医药院校四种类型，东、中、西部三个地区分别进行讨论。考虑到不同年份之间的效率值不具有可比性，本文对不同类型、不同层次的中央部属高校研究生教育投入产出效率进行研究时，采用的是效率排名而非效率值。

（一）分“985工程”高校与非“985工程”高校分析

在2009-2014年的6年间，37所“985工程”高校的效率排名均值均低于46所非“985工程”高校的效率排名均值；同时，非“985工程”高校的研究生教育投入产出效率排名均值呈现逐年提高的趋势，而37所“985工程”高校的效率排名均值则呈现逐年下降的趋势，具体见表3。

表3：2009-2014年“985工程”高校与非“985工程”高校效率排名均值

究其原因：一方面可能是“985工程”高校的资源投入普遍高于非“985工程”高校的资源投入。“985工程”高校在得到国家“985工程”的支持之下，使其能够聘请更多高水平研究生导师，进而获得更多的科研项目与科研经费；同时，“985工程”高校的研究生招生规模相对较大，特别是博士研究生的招生规模要远远大于非“985工程”高校，因此其获得的研究生生均综合定额拨款也相对较多；此外，近年来，国家还加大了对研究生教育的投入，硕士研究生和博士研究生的生均定额拨款有较大幅度提升。另一方面，可能是近年来部分高校对产出成果的要求从追求数量调整为追求质量，如对论文发表的要求不再是对篇数有所要求，而是要求发表顶尖国际期刊的高水平论文，这一现象在一流大学中表现得尤为突出，而这些一流大学主要集中在“985工程”高校中，因而导致“985工程”高校的投入产出效率相对较低。

（二）分类型分析

以2014年的研究生教育投入产出效率值与效率排名为例，综合大学中江南大学的效率表现最好，理工院校中河海大学的效率表现最好，人文社科院校中效率最高的是上海外国语大学；农林医药院校中中国药科大学的效率最高，其他高校可分别以这些高校为参照。同时，有两所高校的效率表现值得我们注意并深入研究：一是江南大学，在2009-2014年的6年时间内均为综合大学内排名第1，可见江南大学能够较好地运用现有研究生教育资源，并在人才培养、科学研究和社会服务三个方面表现较好；二是河海大学，该校在35所理工院校中从2009年的排名第26提升到排名第1，可见河海大学近年来采取的研究生教育改革措施取得良好成效。

（三）分地区分析

从中央部属高校的区域分布来看，东部地区的中央部属高校要远远多于中西部地区。观察各地区的效率排名均值，可以发现西部地区高校的效率排名均值明显高于东、西部地区；东部地区与中部地区高校的效率排名均值大体相当，但中部地区高校的效率表现在部分年份还是略高于东部地区高校的效率表现，具体见表4。

表4：2009-2014年东、中、西部地区高校效率排名均值

因此，国家有必要加大对中西部地区高校的研究生教育投入，特别是优质研究生教育资源的投入，一方面是均衡全国各地区的研究生教育资源，使得研究生无论在哪里开展学习科研工作，都能够拥有优质的研究生教育资源；另一方面是发挥西部地区高校的高效率，产出更多的优质研究生教育成果。

［1］Tomkins C，Green R.An Experiment in the Use of Data Envelopment Analysis of Evaluating the Efficiency of UK University Departments of Accounting［J］.Financial Accountability and Management，1988，4（2）：147-64.

［2］ThursbyJG.WhatDoWeSayAbout Ourselves and What Does it Mean?Yet Another Look at Economics Department Research［J］.Journal of Economic Literature，2000，38（2）：383-404.

［3］Martin E.Efficiency and Quality in the current Higher Education Context in Europe：an Application of the Data EnvelopmentAnalysis Methodology to Performance Assessment of Departments Within the University of Zaragoza ［J］.Quality in Higher Education，2006，12（1）：57-79.

［4］Ng YC，Li SK.Measuring the Research Performance of Chinese Higher Education Institutions：an Application of Data Envelopment Analysis［J］.Education Economics，2000，8（2）：139-56.

［5］Warning S.Performance Differences in German HigherEducation：Empirical Analysisof Strategic Groups［J］.Review of Industrial Organiz ation，2004，（24）：393-408.

［6］赵敏祥，曹春霞，励立庆.基于DEA的高校研究生教育资源配置效率研究——以浙江工业大学为例［J］.现代物业，2011，（11）：158-160.

［7］王巍，王志浩，刘宇新.高等教育投入产出的DEA规模效率评价［J］.中国管理科学，2013，21（11）：726-730.

［8］KocherMG， Luptàcik M， SutterM.Measuring productivity of research in economics：a cross-country study using DEA［J］.Socio-Economic Planning Sciences，2006，40（4）：314-332.

［9］Wang EC，Huang W.Relative Efficiency of R&D Activities：A Cross-country Study Accounting for Environmental Factors in the DEA Approach［J］.Research Policy，2007，（36）：260-273.

［10］Sexton TR，Slinkman RH，Hogan A.Data envelopment analysis：Critique and extensions［A］//Silkman RH.Measuring Efficiency：An assessment of data envelopment analysis，Publication no.32 in the series New Directions of Program Evaluation［C］.San Francisco：Jossey Bass，1986：73-105.

［11］王善迈.教育投入与产出研究［M］.石家庄：河北教育出版社，1996：188-192.