我国中等专业人才投入与产出的效率研究

张泽

摘要：选取2016-2018年中西部18个省（直辖市、自治区）的相关面板数据，运用DEA分析方法和Malmquist指数模型对中西部地区的中职院校在中等专业人才培养上的投入与产出效率进行动态测量。研究发现中西部地区中职院校的全要素生产效率在三年里虽然有所波动，但是仍然有11个地区的综合技术效率有效，整体呈现上升趋势。另有7个地区由于技术退步和技术效率低效，制约了当地中职院校发展，说明这些地区还有帕累托改进的余地。

Abstract： Based on the panel data of 18 provinces （municipalities directly under the central government， autonomous regions） in the central and western regions from 2016 to 2018， this paper uses DEA analysis method and Malmquist index model to measure the input and output efficiency of secondary vocational colleges in the central and western regions in the cultivation of secondary professional talents. It is found that although the total factor production efficiency of vocational colleges in the central and western regions fluctuates in the past three years， there are still 11 regions with effective comprehensive technical efficiency， showing an overall upward trend. Another 7 regions have restricted the development of local secondary vocational schools due to the backward technology and low efficiency of technology， which shows that there is still room for Pareto improvement in these regions.

關键词：中等专业人才培养;投入与产出;全要素生产效率

Key words： secondary professional training;input and output;total factor production efficiency

中图分类号：G710                                        文献标识码：A                                  文章编号：1006-4311（2020）19-0232-04

0  引言

我国中西部地区土地面积占据全国81.3%，人口占据全国54.51%，各种资源储量巨大，是我国未来经济发展的重要增长极。随着我国进入社会发展的新时代，中西部地区也在对产业进行升级，不断地调整经济结构，这也使得各个行业部门都亟需专业技术型人才，而中等职业院校作为为区域发展输送中等专业人才的主要输入路径之一，其投入与产出的有效与否将直接影响当地专业技术人才的数量和质量。

近年来，多有学者对DEA理论和中等职业教育资源的效率和空间分布进行了研究。魏权龄（2019）论证了DEA模型在多个投入产出指标下评析效率的便利性和准确性[1]。陶蕾（2015）阐明了Malmquist指数模型在中职院校投入与产出效率评价中的具体运用过程[2]。李显文（2015）在对职业院校的实践教学基地进行效率分析时摒弃了总量性投入指标而引入了生均投入指标[3]。李运萍（2013）在对中职院校配置进行省际比较时，使用了“图书收藏量”、“计算机数”和“专任教师数”作为评估指标[4]。

通过文献研究发现，目前对中职院校在人才培养上的投入与产出效率的研究多是从全国角度开展的，而专门针对中西部地区的省际研究相对较少。其次，对中职院校投入与产出的DEA分析，更多采用的是基于CRS模型和VRS模型的静态研究，而基于时间序列数据的动态研究较少。鉴于此，本研究在参考已有文献的指标基础上，结合中西部区域发展的实际和中职院校的办学特点将效率评价指标进一步细化，使其更加合理，并运用数据包络分析模型（Data Envelopment Analysis，DEA）和Malmquist指数法对我国中西部各省（直辖市、自治区）的中职院校投入与产出效率进行动态测量。

1  研究设计

1.1 模型选取

1.1.1 DEA模型

数据包络分析（Data Envelopment Analysis，DEA）简称“DEA”，属于非参数估计方法。在预先设立的投入—产出指标的基础上，通过运用线性规划的方法，对可观测的决策单元（Decision Making Unites，DMU）从投入冗余和产出冗余两种角度进行生产有效性评价。DEA理论有两种基本模型，其中一个是CCR模型，因为该模型以规模报酬不变为前提假设，故又称为CRS模型。另一个则是BCC模型，该模型则以规模报酬可变为前提假设，故又称为VRS模型。

1.1.2 Malmquist生产效率指数

马姆奎斯特指数（Malmquist Index）又称为全要素生产效率指数（TFP指数），它是利用距离函数的比率计算DEA模型中各个决策单元的投入—产出效率。其优势在于可以分析生产部门在不同时期的生产效率变化情况，从而弥补了CRS和VRS模型只能机械地分析横截面数据的缺陷。

1.2 指标构建与样本数据

1.2.1 指标构建

第一，在评价经费投入方面。当前我国中职院校主要依赖于国家财政拨款，根据《中华人民共和国教育法》第五十六条规定：“各级人民政府教育财政拨款的增长应当高于财政经常性收入的增长，并使按在校学生人数平均的教育费用逐步增长，保证教师工资和学生人均公用经费逐步增长”。因此，为了更好地反映教育经费与办学规模之间的适应性，评估教育经费是否真正用于学生培养上，故选择“生均教育事业费”作为财力投入的评价指标。

第二，在评价基础建设投入方面。首先选择“学校占地面积”、“图书收藏总量”、“教学与实习仪器的资产值”可以反映出中职院校所需要的物力资源。其次以“教室数量”代替“校舍建筑面积”作为基础建设的又一指标，是因为教室是直接应用于教学的主要空间，可以更加直观地体现办学规模，而“校舍建筑面积”则可能囊括了非教学场所的面积，故不宜再使用。再次，使用“教学用计算机数量”可以反映当地中职院校网络化办学水平。

第三，在评价人力资源投入方面。仅仅依靠“专任教师的数量”是无法全面反映当地师资结构和水平的。因为中职院校培养的是中级技术型人才，除了要求教师传授理论知识以外，还需要其拥有过硬的技术能力，这样才可能培养出兼具理论与技术的实践人才。因此引入“硕士研究生以上学历”和“副高级以上职称”两个指标，可以进一步反映出师资队伍的理论水平和实践经验。此外，从投入产出的角度来看，学校的人力投入除了师资，学生本身也是投入要素之一，如果把学校比作工厂的话，学生既是输出的产品更是要加工的原材料，所以需要将“在校生人数”作为人力资源投入的另一个重要指标，这样可以反映出中职院校的办学规模。

第四，在评价产出数量方面。把“毕业生数”作为反映学校产出数量的指标。是因为其可以直接反映当地中职院校为区域发展输送中级技术人才的供应能力。

第五，在评价产出质量方面。结合中职院校的特点，将“获得职业资格证书的毕业生人数”和“全国职业院校技能竞赛的获奖人数”，作为评价学校产出质量的重要指标。因为职业资格证书可以反映中职院校培养的技术人才是否具备基本的就业能力，而全国职业院校技能竞赛则是由教育部牵头举办，以选拔优秀技术型人才为目的，具有专业权威性的全国赛事，因此适合用于评价中级技术型人才的培养质量。

1.2.2 样本数据

按照我国区域地传统划分方法，将中部6省和西部12省（直辖市、自治区）作为研究对象。从国家统计局、教育部的官方网站和2016-2018年《全国教育经费执行情况统计报告》中获取相关数据，运用DEAP2.1软件，采用数据包络分析方法（Data Envelopment Analysis，DEA），将中西部地区18个省级行政区域作为决策单元，先用CRS模型计算每个决策单元的综合技术效率值，再用VRS模型分解各决策单元的效率，解析各决策单元的规模报酬状况，并对非DEA有效的决策单元进行投入冗余分析，研究其无效的原因并提出未来改进的方向。通过Malmquist指数模型分析中西部地区在2016-2018年间全要素生产效率的演变趋势，对各个决策单元进行动态测量。

2  数据处理结果

2.1 基于DEA理论模型的静态分析

将指标数据代入DEAP2.1软件中求解，在以规模报酬不变为前提的CRS模型下，从产出角度分析得出，综合技术效率有效（即Crest=1）的决策单元有11个，分别是河南、安徽、江西、湖南、新疆、青海、宁夏、四川、重庆、贵州、广西。这些省份（直辖市、自治区）不仅是资源要素投入相对合理，而且产出的规模效益也相对较佳。

将指标数据再次代入DEAP2.1软件中，在以规模报酬可变为前提的VRS模型下，测量其中有哪些地区的中职院校投入与产出低效是因纯技术无效造成的。在被评价的18个省（直辖市、自治区）中，总共有13个决策单元的纯技术效率有效（即Vrest=1），而且规模效益也到达了最佳（即Scale=1）。分别是中部4省：河南、安徽、江西、湖南;西部9省（直辖市、自治区）：西藏、新疆、青海、陕西、宁夏、四川、重庆、贵州、广西。表明这13个地方在目前的技术水平上，其投入生产要素的使用是有效率的。其中西藏和陕西仅仅是纯技术效率有效但是规模效率无效（即Verst=1，Scale<1），说明这两个地区在目前的技术水平上，其投入资源的使用是有效率的，而未能达到综合效率有效是因为其规模效益未能取得最佳效果，所以未来改进的重点在于如何更好的发挥规模效益。此外，还有5个决策单元的纯技术效率和规模效率均无效（即Verst<1且Scale<1），分别是山西、湖南、甘肃、内蒙古、云南，但是这些地区的规模报酬状态均呈现出递增态势（即标注为irs），表明这些地区的产出规模还不够，当地的中级技术型人才还无法满足区域发展的需求，因此还需要继续加大要素投入。（详见表1）

2.2 基于Malmquist指數的动态分析

2.2.1 中西部地区中职院校全要素生产效率总体情况

将中西部地区2016-2018年间的指标数据带入DEAP2.1软件中计算，得出全要素生产效率指数（即tfpch值，记为TFP指数）。以1为界点，大于1表明三年里取得了技术进步，小于1则表明技术退步，等于1表明不变。中西部地区TFP指数的平均值为1.058。中西部地区技术进步指数最高为1.059，然后是规模效率值为1.003。说明中西部地区全要素生产效率稳步提升主要得益于三年以来的技术进步，其次是取得了一定的规模效益。

再将中西部地区不同年份的TFP指数进行分解。近三年来，中西部地区的中职院校全要素生产效率处于上升趋势，但是波动较大。其中在2016-2017年间下降幅度较大，TFP指数仅为0.756，其技术进步指数仅为0.727，在该年里主要是因为技术退步制约了当地中职院校的发展，但是在2017-2018年间，全要素生产效率增幅较大，TFP指数为1.480，技术进步指数增加到1.542，说明在该年里有了一定的技术进步。（详见表2）

2.2.2 各区域中职院校全要素生产效率分解情况

中西部18个省（直辖市、自治区）有11个地方全要素生产效率变动指数（即TFP）大于1，其中内蒙古、河南、重庆、四川、安徽、云南的全要生产效率增长幅度位于前6位，其TFP指数均超过了1.10，表明这些地区的全要素生产效率的提升幅度相较于其他地区则较大。其中河南、四川、安徽、云南四个地区的中职院校生产率的大幅提升主要得益于技术进步，内蒙古主要得益于纯技术效率的提升，重庆则主要得益于规模效率的提升。

另有7个地方的TFP指数小于1，属于中职院校生产低效地区，按TFP指数值从大到小排列依次是青海、广西、湖南、新疆、陕西、西藏、宁夏。其中青海、西藏、新疆、广西主要是因为技术退步，湖南是因为纯技术效率较低，陕西和宁夏则因为规模效率低下。

其余5个地区即山西、江西、湖北、甘肃、贵州，其TFP值介于1-1.10之间，属于生产效率低速增长地区，表明这些地区不仅需要继续提升技术效率还要谋求技术进步。（详见表3）

3  结论与政策建议

3.1 结论

基于DEA-Malmquist指數模型，对我国中西部地区18个省（直辖市、自治区）分别进行了静态和动态分析，从而得出以下结论。

①中职院校在中等专业人才培养上的投入与产出存在区域不均衡。虽然大部分地区在2018年达到了综合技术效率有效，但是像西藏、甘肃等地仍然相对落后，而且邻省之间相差较大，如云贵两省在中职院校投入与产出技术效率上相差较大，贵州达到了有效，但是云南仅为0.896。

②技术效率不足是当前限制中西部地区中等专业人才培养的主因。2016-2018年间中西部中职院校资源的全要素生产效率稳步提升，主要得益于技术进步，说明教育领域内的技术进步对于培养中职技术型人才非常重要，然而，技术效率的不足是限制其进一步提升教育投入与产出效率的主因。

③要素投入的合理规划是未来中职院校对中等专业人才培养的重点。18个省（直辖市、自治区）在三年里的全要素生产效率增幅差异较大，全要素生产效率最高的内蒙古地区（TFP=1.320）和最低的宁夏地区（TFP=0.858）差异较大，这说明中职院校资源的投入需要政府在中西部地区统筹规划，合理布局，总结全要素生产效率较高地区的经验，结合地区实际情况在避免投入要素冗余，取得规模效益同时还要注意提升中职院校的管理水平，出台合理的激励措施，从而进一步谋求技术进步[5]。

3.2 政策建议

3.2.1 统筹规划教育资源，实现区域教育公平

从中职院校投入与产出技术效率的角度看，西藏为

0.632，甘肃为0.780，湖北为0.828，云南为0.896远落后于其他地区。因此，虽然中央层面对这些地区加大了要素投入力度，但是还需要注重要素投入结构的合理性，尽量规避资源投入出现冗余，提升规模效益。

3.2.2 清除管理体制方面的障碍，促进教育技术创新

根据DEA-Malmquist指数模型分析的结果可知，技术进步是影响当地中职院校生产效率的重要因素。除了引进先进的技术装备和教学设施以外，还需要实现中西部地区中职院校的体制机制创新。这要求中职院校在未来发展中不断清除管理体制方面的障碍，加强组织创新活力，保证中央教育政策能够顺利地逐级传导[6]。

3.2.3 设立中职院校的区域性示范标杆，推广先进教育技术

对于在一段时间内持续实现了技术进步和技术效率提升的院校，可将其作为区域示范性标杆，将其管理经验推广到其他管理低效的地区，形成区域示范效应。

3.2.4 加强中职院校师资力量，引进先进教学设备

相关部门一方面要积极加大师资力量的投入，引进优秀教师，特别是要引入理论水平和技术经验兼具的“双师型”教师，改善中西部地区的师资队伍结构。另一方面，要提升教育教学的专业化水平，引进先进的教学与实习仪器，推动技术进步。

3.2.5 调整产业结构，促进产教融合

中级技术型人才的岗位需求与区域产业结构息息相关，为了持续提高区域全要素生产效率，需要进一步推进校企合作，加强实践基地建设，促进工学结合，全面提升在校学生的就业竞争力[7]。

参考文献：

[1]魏权龄.数据包络分析（DEA）[M].北京：科学出版社，2019.

[2]陶蕾，杨欣.我国中等职业教育投入与产出效率评价——基于DEA和Malmquist指数模型[J].教育科学，2015（4）.

[3]李显文.基于DEA的高职院校校内实践教学基地效率分析[J].浙江医学教育，2015（3）.

[4]李运萍.中等职业教育投入与产出的区域差异分析[J].职教论坛，2013（34）.

[5]张新芝.中西部地区职业技术人才供需调查[J].职业技术教育，2016（15）.

[6]王伟，冯树清.我国中等职业教育全要素生产率演变与影响因素研究——基于31个省份面板数据的实证分析[J].教育科学，2016（4）.

[7]潘海生，冉桃桃.1998-2012年我国中等职业教育全要素生产率变动分析——基于Malmquist指数方法[J].职业技术教育，2015（7）.