精准扶贫视角下教育扶贫绩效评价体系构建

王林雪，殷 雪

（西安电子科技大学 经济与管理学院，西安 710126）

0 引言

精准扶贫指针对不同区域贫困原因、不同农户贫困状况，运用科学有效程序对扶贫对象实施精确识别、精确帮扶、精确管理的治贫方式。教育扶贫是通过在农村普及教育，使农民有机会得到他们所要的教育，通过提高思想道德意识和掌握先进的科技文化知识来实现征服自然界、改造并保护自然界的目的，同时以较高的质量生存。截止2015年底我国仍有农村贫困人口5575万人，扶贫开发工作已进入啃硬骨头、攻坚拔寨的冲刺期，为了杜绝以往扶贫工作中针对性不强现象，确保教育扶贫对象识别、资源投放和扶贫效果精准，建立一套科学客观的精准教育扶贫绩效评价指标显得尤为重要。

1 教育扶贫概念界定

教育扶贫是我国扶贫开发的重要组成部分，对贫困地区的教育发展和小康社会的全面实现均具有关键性的意义，一直以来都吸引着学术界的普遍关注和重视。教育扶贫的概念本身包括“扶教育之贫”和“依靠教育扶贫”两重含义，学者们对教育扶贫具体含义的理解侧重点各有不同。

扶贫的主体是人，个体的人有接受教育的权力和对公平正义的强烈渴求，“扶教育之贫”有效的保障了个体受教育的权力，并满足了个体对公平正义的需要；“依靠教育扶贫”则是基于人力资本理论形成的一种认识，认为经济发展主要取决于人的质量，而不是自然资源的丰瘠或资本存量的多寡，更加追求教育扶贫效率。不断发展的教育事业为教育扶贫功能的有效发挥奠定基础，教育领域的扶贫开发也隐含着对教育扶贫功能的预设和期待。刘军豪、许锋华（2016）完整的总结了教育扶贫的概念，本文采用他们的观点，认为教育在扶贫过程中兼具目标与手段、任务与工具的双重属性，两种属性相互依存、密不可分。所以，在本文指标体系的构建中不仅会考察“扶教育之贫”的结果，又体现“依靠教育扶贫”的成效。

2 精准教育扶贫绩效评价指标构建

2.1 精准教育扶贫绩效评价的总体目标

按照系统理论的观点，任何系统只要存在输入就一定会存在某种运作表现和结果的输出，这种运作表现和结果通常被称为绩效。但仅仅有输入、输出的开环系统是不稳定的，系统要正常发展还必须具备某种反馈回路，形成闭环系统。教育扶贫作为一种特定的系统，通过一定人力、财力和物力的投入，最终达到教育扶贫的目标，这个系统模型必然遵循普遍的、一般的规律。对教育扶贫绩效评价就是该系统的反馈回路，通过对教育扶贫对象识别、资金运作的监督控制，并对教育扶贫结果与最初的目标进行对比判断并将评价信息应用于未来决策优化的管理行为，从而使精准教育扶贫更好的助力精准扶贫，帮助我国贫困人口在2020年全部脱贫，阻断贫困的代际传递。

2.2 评价指标构建原则

（1）导向性。指标设计应取决于评价主体评价目的的需要。该评价指标体系应该引导教育扶贫工作应以“精准”二字为核心，做到对象识别精准、资源投放精准和扶贫效果精准。

（2）可比性。指标体系应该能在不同地区之间进行横向比较，对同一地区也能进行纵向比较。既可以比较综合教育扶贫绩效的高低，又可以比较具体指标值的变化。

（3）相对性。由于我国不同地区其经济发展水平不同、致贫原因不同，对教育资源需求不同，若以绝对量考察教育扶贫绩效，将无法得出合理结论，故应采用相对指标。

（4）可操作性。在现阶段条件下，所设计的指标应考虑所需数据资料的可获得性，以确保评估具有可操作性和实用性。

2.3 精准教育扶贫绩效指标构建思路

在当前大力推行“扶真贫，真扶贫”的精准扶贫背景下，传统的扶贫绩效评价指标体系构建思路无法从“精准”角度准确评价教育扶贫绩效。由于扶贫瞄准是一个持续的过程，它包括目标对象的确定和资金的瞄准以及其后的评价和监督。因此，本文借鉴传统扶贫绩效评价指标构建思路（见图1），在此基础上强调教育扶贫瞄准的关键性，以扶贫瞄准为核心，以扶贫对象的精准识别为前提，将教育扶贫工作落实到“每一所学校、每一个老师、每一位学生”上，对贫困对象识别、资金投放和使用、教育扶贫产出结果及教育扶贫减贫成效进行更为全面、深入的评价，以适应新的评价背景和新的政策要求。

图1 精准扶贫背景下教育扶贫绩效评价指标构建思路

2.4 教育扶贫绩效评价指标的选择及说明

在精准扶贫的背景下，对教育扶贫的绩效评价既要以扶贫瞄准为核心，也要综合考虑教育扶贫的投入及其运行过程，并结合教育扶贫的实现程度对整体绩效做出客观的评估。由于当前“精准扶贫”政策的提出处于初级阶段，对于新背景下教育扶贫绩效评价具有一定探索性和尝试性。所以，本文在明确评价目标的基础上，按照前文确定的指标体系构建思路，采用经验选择、文献参考和专家咨询的方法，坚持指标导向性、可比性、相对性和可操作性等原则，选择简单实用、定性定量、宏观微观相结合的评价指标。

具体指标见表1。

表1 精准扶贫视角下教育扶贫绩效评价指标

3 指标评价模型

3.1 多层次灰色系统评价模型

灰色关联分析是一种多因素统计方法，以各因素的样本数据为依据用灰色关联度来描述因素之间的强弱、大小、次序，与传统的多因素分析法相比，灰色关联分析对数据要求较低且计算量较小，客观性较强，可以克服模糊综合评价中有些白化值经过特征化处理后信息丢失的弱点，广泛应用于有关领域的综合评价。本文采用多层次灰色系统评价模型对精准扶贫视角下教育扶贫绩效进行评价其应用步骤如下：

（1）确定比较序列（评价对象）和参考数列（评价标准）。

设评价对象为m个，指标为n个，（本文设计的评价指标体系中，有4个一级指标，9个二级指标，27个三级指标）。

比较数序列为：

参考数列为：

其中i代表比较样本的个数，k代表评价指标个数。在具体教育扶贫绩效的评价过程中，其参考数列的选择需要根据评估对象的范围以及使用地区的不同而不同。

（2）对指标数据进行正向化处理

由于本文评价指标中存在三种类型的指标，分别为正向指标（越大越好）、逆向指标（越小越好）和适度指标（越靠近中间的一个值越好），为了保证评价结果的真实性，本文中对说涉及的逆向指标和适度指标均进行正向化处理，逆向指标正向化公式为：

适度指标正向化的公式为：

（3）对变量序列进行无量纲化处理

一般情况下，原始变量序列具有不同的量纲或数量级，故不能直接进行比较，为了保证分析结果的可靠性，需要对变量序列进行无量纲化。本文根据评价指标的类型选择用参考数列的指标值去除各比较数列对应的指标值进行无量纲化处理，其公式为:

其中，i=0,1,2，…，m;k=1,2,…，n。

（4）确定各评价指标值对应的权重

利用层次分析法和专家评价法确定各评价指标对应权重：

其中Wk第k个指标对应的权重，ΣWk=1。

（5）求差序列、最大差和最小差。

序列差：用参考序列对应的评价指标减去各比较序列对应评价指标的绝对差，用公式表示为：

最大差是指差序列中的最大值，表示为：△max；最小差是指序列差中的最小值，表示为△min。

（6）计算灰色关联系数

对差序列值中数据作如下变换：

其中ρ是分辨系数，在（0,1）内取值，i=1,2，…,m；k=1,2，…，n一般情况下根据数据情况在0.1至0.5之间取值，其越小越能提高关联系数之间的差异；ξi(k)是比较序列Xi与参考序列X0在第k个评价指标上的先对差值。

（7）计算灰色关联度：

参考数列与比较序列的关联程度是通过n个关联系数来反映的，关联度的计算公式为：

本文采用多层次灰色评价模型，先计算单层次的关联度，再计算多层评价系统的最终关联度，本文中需要计算两次。

3.2 评价模型的应用

该评价模型可以用于两方面的绩效评价，一方面，以政策目标要求作为参考值，对同一地区各年度教育扶贫绩效进行评估，从评估结果中可以看出各年度教育扶贫工作绩效距目标值的相对差距以及工作绩效趋势，并可以通过二级指标的灰色关联系数发现教育扶贫绩效各方面工作对总绩效的贡献程度；另一方面，可以对同一年度不同地区教育扶贫绩效进行评估，将国家教育扶贫工作计划目标作为参考值，通过评估结果，可以看出各地区教育扶贫绩效与目标值之间的差距，同时可以对不同地区该年度教育扶贫绩效结果进行排序，比较不同地区在该年度的工作成果，通过分析比较，确定标杆，各地区根据实际情况有方向性的调整工作重心，最终实现国家目标。

本文以算例的形式说明该模型在教育扶贫绩效评价中的具体应用。算例选取A、B、C、D四个地区同一年度的各指标值，评价四个地区的教育扶贫绩效。

（1）对各指标初始值进行正向化和规范化处理，并利用关联系数计算公式得出各指标的关联系数，其中ρ=0.5。指标初始值与关联系数见表2。

表2 四个地区各指标初始值与关联系数值

（2）计算各层次指标权重：

根据层次分析法和专家调查法，得到各层次指标的权重为：

（3）多层次结构关联度合成。

①利用关联度计算公式，得出各地区b层各指标的关联度：

地区 A：Ra1b=(1，1);Ra2b=(0.913，0.666);Ra3b=(0.9275，0.923);Ra4b=(0.97，0.75)

地区B：Ra1b=(0.5，0.33，0.5);Ra2b=(0.955，0.886);Ra3b=(0.87，0.651);Ra4b=(0.797，0.38)

地区C：Ra1b=(0.5，0.5，1);Ra2b=(0.69，0.59);Ra3b=(0.763，0.682);Ra4b=(0.687，0.665)

地区D：Ra1b=(0.33，0.5，0.33);Ra2b=(0.62，0.428);Ra3b=(0.82，0.606);Ra4b=(0.61，0.415)

②再次利用关联度计算公式，得出各地区a层各指标的关联度：

地区A：Ra=(1，0.748，0.925，0.882)

地区B：Ra=(0.51，0.909，0.739，0.63)

地区C：Ra=(0.6，0.623，0.714，0.678)

地区D：Ra=(0.398，0.492，0.692，0.532)

③第三次利用关联度计算公式，得出各地区总的关联度：

R(A)=0.878;R(B)=0.722;R(C)=0.657;R(D)=0.541

（4）评价结果分析

通过分别计算A、B、C、D四个地区各指标层次的关联度及总的关联度可以得该年度，四个地区就扶贫对象识别方面的绩效排名为：A〉C〉B〉D；资源投入方面的绩效排名为：B〉A〉C〉D；教育扶贫产出方面的绩效排名为：A〉B〉C〉D；扶贫成效方面的绩效排名为：A〉C〉B〉D。总的精准教育扶贫绩效排名为：A〉B〉C〉D。通过关联度的比较，可以看出，A地区的精准教育扶贫绩效成绩最为突出，但在资源投入和利用方面还有一定的进步空间。B地区的绩效成绩较好，在资源投入和利用方面做的尤为突出，但其他三个方面应该学习A地区的经验，积极向A地区看齐。C地区和D地区的绩效结果不是很理想，应该借鉴A地区的成功经验，努力做好本地区精准教育扶贫工作。

4 结束语

本文在明确精准教育扶贫绩效评价目标、思路的前提下通过经验选取和文献参考选取指标的方法构建了一套基于精准扶贫视角下教育扶贫绩效评估体系，选取基于灰色关联度分析法的评价模型，通过算例说明该模型使用方法简单，适用于精准扶贫绩效评估体系。本文构建的精准扶贫绩效评价指标体系和评价模型期望能有助于精准教育扶贫工作的监督和管理。本文的局限性有两个：第一，由于相关研究较少，本文构建的评价指标体系的客观性有待提高。第二，没有用现实数据对该评价体系进行实证分析。针对以上问题，今后的研究可以集中于寻找具体数据，运用该指标体系对其进行绩效评价，结合实际，检验指标体系的可操作性。