基于DEA模型的高职院校实训室运行效率研究

翁耀炜 于雯 厉玲婷

（浙江安防职业技术学院）

一、前言

实训室是高职院校开展实践教学、科学研究、考核考证、社会服务等环节的重要载体，是高职教育内涵建设不可或缺的一部分。随着《国家职业教育改革实施方案》的发布和高职院校的扩招，实训室获得了更多的投入资源，一大批实训室建设完成，实践教学条件得到了大幅度的改善。与此同时，存在重建设轻管理、重规模扩张轻内涵建设、重人员管理轻技术管理等情况[1]，最终造成实训室投入经费高、产出效益低、整体效率低下等问题，无法有效发挥实训室对学生职业技能训练和素质培养的作用。因此，研究实训室的运行效率，对提高实训室的建设、管理水平具有重要意义。本文以某高职院校15个实训室为研究目标，建立模型分析其运行效率，探究现存问题，并提出相应的解决办法，优化实训室资源投入和产出资源配置。

二、实训室模型建立及指标选取

（一）评价模型

数据包络分析（DEA）是一种非参数技术效率分析方法，由 美 国 的Charnes、Cooper和Rhodes3人于1978年首次提出[2]。自DEA诞生以来，DEA理论与方法发展迅速，应用范围不断扩大，应用数量持续增长。

李春雷使用DEA模型对实训室效率进行评价，将实训室绩效评价体系划分为14个输入指标和21个输出指标，建立了高校实验室绩效评价系统[3]。Zaijuan Xu选取珠江三角洲10所应用型大学的工商管理实训室绩效作为案例研究，选取投入层和输出层的评价指标，并利用DEA模型分析决策单位的综合效率、技术效率和规模效益[4]。肖斌等运用数据包络分析对广东省25所示范性高职院校实训基地效率进行评测，分析得出各个决策单元存在的问题，并给出指导建议[5]。

（二）决策单元的确定

DEA方法将效率的测度对象称为决策单元（DMU）。DMU可以是任何具有可测量的投入、产出（或输入、输出）的部门、单位，也可以是个人。一般来说，DEA模型中的决策单元数在投入产出指标数的2到3倍之间，指标间的关系不应存在较强的线性关系，另外相关指标应考虑数据要易于获得。根据对决策单元规模收益的不同假设，DEA有基于规模收益不变的CCR模型、基于规模收益可变的BCC模型等。本文选取某高职院校各二级学院专业实训室及教务处的公共实训室作为DMU。

（三）投入、产出指标及模型选取

实训室的输入指标一般包括人、财、物等资源，如实训室面积、工位数量、生均实训面积、日常维护经费、设备仪器成本、实训教师数量、专职管理人员数量等，输出指标有实训室使用率、实训项目（课程）数量、社会培训数、竞赛获奖数量、人时数等。根据完全性、整体性、相对独立性和可获得性筛选指标，本文选择的投入指标有（1）生均实训面积：实训室的面积与实训室工位数的比值、（2）实训室建设成本：实训室建设成本及日常维护费用；（3）相关教师数量：使用实训室的教师，如上课、培训等，及专职管理教师数量。输出指标有（1）使用实训室的学生数量；（2）实训项目（课程）数量；（3）人时数：课时和人数的乘积。

DEA方法的模型可以分为投入导向、产出导向和非导向模型。产出导向是在投入既定的条件下，各项产出可以等比例增长的程度来对无效率的状况进行测量。考虑到本文选取的实训室的固定资产、面积、教师人数等投入指标变化相对较小，因此在研究中主要采用产出导向的CCR模型和BBC模型分析各实训室的有效性。

（四）数据来源

输入输出数据主要来自某高职院校2021年校内实训室相关统计报表数据，原始数据如表1所示。

表1 各决策单元投入与产出原始数据

三、数据处理及分析

通过MaxDEA软件对表1内的数据进行分析，可以得到各决策单元的运行效率，结果如表2所示。

（一）综合效率分析

综合效率指在CCR模型中假设规模效益不变情况下，各产出指标与投入指标的比值，当综合效率值为1时，说明该DMU有效。从表2可以看出有7个DMU的综合效率有效，占比约为46.7%，表明这7个实训室的投入产出配置较为合理，运行效率良好；有8个DMU综合效率无效，占比53.3%，一半以上的DMU存在DEA无效的情况，其中，有5个DMU在0.8以下，DMU15的综合效率最低，只有0.339，表明该实训室的综合效率非常低，造成实训室资源的极大浪费。综合效率值较低的原因有以下几点：建设成本投入高，实训室课程开展数量不合理，使用实训室的人数较少等原因，具体原因需要使用BCC模型进一步分析。

（二）纯技术效率分析

技术效率反映了一个生产单元技术水平的高低，可以从投入和产出两个角度来衡量，在投入既定的情况下，技术效率由产出最大化的程度来衡量。在CCR模型中，得出的技术效率包含了规模效率的成分，BCC模型在基于规模收益可变得出的技术效率排除了规模的影响，因此称为“纯技术效率”（PTE）。由表2可以看出有12个DMU达到了纯技术有效，表明这12个实训室管理水平较高，有3个DMU纯技术效率无效，表明这3个DMU的管理水平有待提高。

（三）规模效率分析

规模效率又称规模效益，一般用来判断DMU的规模是否合理，资源投入配置是否处于最优状态。当规模效率值为1时表明规模效率有效，否则规模效率无效，需进一步优化配置。规模效率一般分为规模效率递增（IRS），规模效率不变（CRS）和规模效率递减（DRS）。规模效率不变是一种较为理想的生产状态，而规模效率递增和规模效率递减都是属于规模效率无效，需进一步调整。对于处于规模报酬不变阶段的DMU，可以根据其技术效率状况，通过调整内部资源配置情况增加产出，以达到DEA有效。对于规模报酬递减阶段的DMU，要结合其技术效率状况适当削减其资源投入或提高产出，以达到DEA有效。

从表2可知，有7个DMU，占比46.7%,规模效率值为1，达到规模效率有效，说明实训室的人、财、物资源投入相对合理，处于较为理想的生产状态；8个DMU为规模效率无效，占比53.3%，需要进一步调整资源配置。进一步对这8个无效DMU进行分析，有6个DMU处于规模收益递增阶段，说明该实训室的生均实训面积等设施设备投入还未达到规模收益，可适当增加投入；有2个DMU处于规模收益递减阶段，需结合其综合效率，适当减少资源投入。

表2 各决策单元效率值

表3列出了8个综合效率非DEA有效决策单元的投入和产出指标的松弛变量值。投入指标中的松弛变量值表示在保持产出不变的情况下，DMU投入可以减少的数量值，输出指标的松弛变量值表明在保持投入不变的情况下，相关DMU的产出可以增加的数量值。以DMU9为例，S1-不等于0，表明在保持产出不变的情况下，可以适当减少该实训室的生均使用面积；S1+不等于0，表明该实训室可以接纳更多的学生。

表3 综合效率非DEA有效DMU的投入和产出指标的松弛变量值

（四）投影分析

在DEA方法中，对于规模无效的DMU，可以采用投影理论进一步分析，对处于规模收益递减阶段的DMU，通过计算确定所有投入指标需要减少的数量或比例，对处于规模递增阶段的DMU，计算所有产出指标需要增加的数量或比例，最终确定理想生产状态下DMU的投入和产出值。

表4列举了DMU5,DMU9在生产前沿面的投影分析，列出了可以减少的投入比例和可以增加的产出比例。由表4可知，在投入指标方面，DMU5的教师数量可以减少22.8%，DMU12的生均实训面积可以减少17.07%；在产出指标方面，导致DMU5处于DEA无效的主要原因是人时数，还可以增加20.9%，课程数量还可以增加7.8%；导致DMU12处于DEA无效的主要产出因素是学生数，还可以增加上课学生数量23.4%。

表4 规模无效DMU在生产前沿面的投影分析

四、结语

本文选取的高职院校的15个实训室为样本进行分析，结果显示将近一半的实训室处于DEA无效状态，规模效率和纯技术效率是造成整体DEA无效的主要原因；为提高实训室的运行效率，可以采取以下措施，提高实训室的运行效率。

（1）加强实训室的管理体制建设，提高实训室管理水平。加强实训室规章制度建设，建立相关管理台账，建立实训室的常规巡查管理制度，明确实训教学的监控方法和管理要求，科学合理安排实训室课程，提高教学质量和管理效率。

（2）加强实训室资源开放共享，减少空闲资源。合理安排跨学院、跨专业间的实训资源共享，降低实训室的空闲资源；加强校企合作，发挥实训室在校企合作、产教融合中的作用；积极鼓励学生使用实训室资源，培养创新创造精神。

因客观因素的限制，本文的研究还存在一定的局限性。如仅选取一年的实训室数据进行分析，无法衡量长期以来的实训室运行效率状态变化，分析结果可能有一定的片面性。

【相关链接】

浙江安防职业技术学院（Zhejiang college of Security Technology），位于浙江省温州市，是经教育部批准建立的公办全日制高等职业技术学院，是省内唯一一所重点培养具有安防科技应用与推广能力，能够从事公共安全管理、安防工程建设、民航安全管理等高素质技术技能人才的高职院校。2016年，浙江安防职业技术学院成立浙江省第一个防诈骗研究机构。2020年，入选“应急安全智慧学习工场（2020）”暨应急管理学院建设首批试点学校。

学院现有本部校区和滨海校区。本部校区位于温州市瓯海区郭溪街道，毗邻温州动车南站，邻近温州轻轨S1线；规划占地总面积约1000亩，总建筑面积约26.5万平方米，总投资约20亿元。滨海校区位于龙湾区滨海二十二路与金海一道交叉口东侧，校园与温州市职业中等专业学校共享。

截至2022年2月，学院设有安全管理学院、人工智能学院、应急技术学院、创意设计学院、智能安防学院、社科基础部（马克思主义学院）等6个教学单位。