基于DID模型的高校就业效率评价方法研究

王 伟 刘 健 李 冉 王慧颖

（芜湖职业技术学院，安徽 芜湖 241000）

高校的人才培养过程是通过投入一定数量的教学资源产出培养成果的过程。各层次的高校无论培养目标和培养对象都不尽相同，但最终都要尽可能地取得最大的效益。高校的管理部门也针对性地开展了各种结果考评。

自2014年教育部开展高校就业质量评价开始，相关社会组织和高校开展了就业质量的第三方评价和就业质量年报的自我评价。就业质量从单一的就业率评价发展成多指标评价。评价的指标多采用教育部的文件，如就业率、离职率、对口率、薪酬等指标。评价者多停留在高校就业结果的数据采集上，高校就业评价更需要一种绩效评价，来描述高校在一定时期内的投入产出情况，用来评价就业工作目标达成的效果及效率的指标即就业效率。

评价的依据就是高校的投入要素指标数据和产出要素指标数据。无论投入要素还是产出要素均有若干指标，形成对影响就业绩效的系统。研究就业复杂因素之间的因果关联关系并辨析关键要素成为就业效率评价的关键环节。

一、研究现状

就业质量是衡量高校办学质量的焦点，同时对于就业质量的研究也能反作用于高校人才培养工作的开展。现有对就业质量的评价研究主要集中在就业质量指标的研究及就业质量评价方法的研究。在就业质量评价指标方面，注重对于评价指标数据的采集，多位学者在研究的过程中通常依托问卷调查和访谈为主。从倪丽娟等[1]认为影响人才培养质量的主要有大学定位的准确性、教学工作的规范性、实践教学的重视度、教学评估的公正性和教学方法的科学性，到李顺等[2]根据培养目标构建较为系统的指标体系，以素质目标和能力目标为一级指标，涵盖了高校人才培养目标的各个方面的二级指标、三级指标；再到钟云华等[3]从价值、层次、时间这三个维度构建包含就业机会、工作特征、待遇水平、主观认同四个一级指标,就业地区和单位类型等九个二级指标的大学毕业生就业质量测量指标体系。众多学者为就业质量指标的采集、选取做出研究。而就业质量评价方法方面，先后有学者基于层次分析法[4]、德尔菲法[5]、主成分分析法[6]等方法对高校就业质量的评价体系开展构建并对就业质量进行评价与检验；又有学者基于模糊数学理论[7]、灰度理论[8]等数学模型及采用量化考核[9]等评价方法对高校就业质量进行评价。

综上所述，虽然对于评价体系的构建及评价方法有了一定的发展基础，但仍存在以下问题需要进一步研究：1.评价时对于指标的选取存在不合理性。现有文献建立指标体系时对于指标的选取大多忽视了指标的分类，进行评价时采取指标体系内所有指标进行评价，并未进行投入指标、产出指标的分类。2.评价方法存在不合理性，缺乏对就业质量的绩效评价。针对上述问题，本文基于DEMATEL-ISM模型明确影响就业质量系统因素的逻辑结构，将指标层次化进一步引入DEA绩效评价思想，形成DID模型的高校就业效率评价方法对就业质量进行评价。

二、DID模型评价模型的构建

基于DEMATEL-ISM模型及DEA的思想可抽象得如图1的流程图，可以看出DID模型的评价过程。

图1 DID模型流程图

基于DID模型的具体评价步骤如下:

1.拟定系统影响因素。通过确定系统内各指标因素为Sn(n＝1,2,…,n)。

2.构建直接影响矩阵D(D＝［dij］n×n)。确定要素间的直接影响程度，D(D＝［dij］n×n)是直接影响矩阵，是将因素相互影响有向图的内容表示成矩阵形式，其中，dij即表示因素i对因素j影响的强弱，若因素i对因素j没有影响，则dij＝0，dij越大则因素i对因素j影响越强。

若i=j，则dij=0。

3.计算规范化直接影响矩阵。对矩阵D进行标准化处理可得到规范化直接影响矩阵X，如式(1)所示。

4.确定综合影响矩阵。如式(2)所示

式中，I为单位矩阵列。

5.计算影响指标对其他指标的影响度、被影响度和中心度、原因度。在矩阵T中各因素的影响度αi，被影响度βi，中心度γn，原因度δn具体计算如式(3)~式(6)所示。

6.计算系统整体影响矩阵H(H＝(hij)n×m)。如式(7)所示。

7.依据系统整体影响矩阵H确定可达矩阵U(U＝(uij)n×n)，根据实际情况设定阈值λ，当uij≥λ(i=1,2,3…,n;j=1,2,3…,n)时，取uij＝1；当uij＜λ(i=1,2,3…,n;j=1,2,3…,n)时，取uij＝0。

8.确定各因素的可达集合Ri以及前项集合Ai。

9.分析层次结构，计算可达集Ri、先行集Ai、共同集Ci、起始集B和终止集E。基于可达矩阵U,根据表1进行各层次结构的划分。

表1 某因素的可达集和前因集

10.重复8和9，直到所有的因素均被划去。

11.构建新的指标体系。按照因素被划去的顺序，建立因素的层次结构,形成新的投入产出指标体系，假设评价因素共有m个。

12.CCR-DEA绩效评价。根据已构建的新投入产出指标体系，假设由n个同类型决策单元(记为DMUi(i=1,2,…,n))组成评价系统，各DMU的度量指标即评价因素有m个，其中p个为投入指标(Iil;l=1,2,…,p)、q个为产出指标(Oih;h=1,2,…,q)，指标集记为{Iil,Oih}(i=1,2,…,n)，表示第i个决策单元的第l个投入指标和第h个产出指标。其绩效评价值θi可通过A.Charnes等人基于投入产出分析提出的CCR模型获取，其具体模型如式(8)所示。

13.按θi值降序排列形成DMU的排序。据模型（8）得出的绩效值，可对n个决策单元进行排序。

基于DEMATEL-ISM方法并引入DEA思想形成DID模型的高校就业效率评价方法，通过对就业质量影响因素及指标进行分析，能够深入挖掘大量指标的关键指标以及指标之间的影响关系和层次关系，以此定位影响就业质量的关键问题和关键指标，有效过滤了日常的无效或者无用的指标因素。通过DID高校就业效率评价方法对高校就业效率进行评价不仅实现了对指标的分类也实现了对就业质量整体的绩效评价，即就业质量绩效评价fID-DEA=DEA{投入指标，产出指标}=DEA{I,O}。据此实现了对就业质量全面绩效评价，有效解决了当今就业质量影响因素数量大、繁杂程度高、关键指标识别难的问题，也为就业质量指标体系的建立及评价方法的改善提供了新的思路。

三、算例分析

据现有文献[10]并结合高校毕业生就业特点，可得到11（n=11）所高校即11个决策单元（DMU）关于就业质量的8个一级指标，据此对11所高校的就业质量进行绩效评价与分析。

（一）指标体系的构建

考虑到基于CCR-DEA的投入产出指标构建评价指标体系，如表2所示：

表2 高校毕业生就业绩效评价指标体系

文献[10]中以十所省属本科院校的数据为样本，得到各项指标数据，如表3、表4所示：

表3 高校毕业生就业绩效评价投入类指标表

表4 高校毕业就业绩效评价产业出类指标表

（二）基于DID模型的混合评价模型评价方法

据现有指标体系，以产出指标为例，确定系统的影响因素Sn={S1,S2,S3,S4,S5,S6,S7}={O11,O21,O22,O31,O41,O51,O52},构建直接影响矩阵D，并根据步骤（3）和步骤（4）即式（1）式（2）计算得规范化直接影响矩阵X和综合影响矩阵T。

通过步骤（5）可计算得各因素的影响度αi，被影响度βi，中心度γn，原因度δn，具体计算结果如表5所示。

表5 综合影响关系表

通过步骤（6）和步骤（7）可得到系统影响矩阵H及可达矩阵U。

最后通过步骤（8）~步骤（11）进行区域划分及级位划分，具体过程对照表1可得到表6和表7。

表6 区域划分表

表7 级位划分过程表

表5中，∏（P）作为划分区域的结果，即∏（P）=P1,P2…Pk…Pn,Pk为第k个要素集合；Ln表示系统影响因素集合的层次，Ln表示系统的第n层。

经计算，产出系统分为三层，依次为的第一层因素S3创业率,S4就业指导与服务满意度,S5平均起薪,第二层因素为S1就业率,S6用人单位满意度，第三层为S2专业对口率,S7学生(家庭)满意度。通过DEMATEL-ISM模型得到的高校就业质量产出影响因素多级阶图（如图2所示），同理，可得到高校就业质量投入影响因素多级阶图（如图3所示）。

图2 高校就业质量产出指标因素多级递阶图

图3 高校就业质量投入指标因素多级递阶图

高校就业质量投入产出指标因素分别筛去第一层指标因素，并对剩余指标进行重组得到新的指标体系。

（三）基于DID模型的效率评价

根据上一步骤可知，就业绩效评价系统中，n=11,m=8（p=q=4）；I21、I32、I33、I34为投入型指标，分别为年生均就业工作经费、是否建立专职就业工作部门、是否建立专职创业指导部门、就业及创业管理制度数量；O11、O21、O51、O52为产出型指标，分别为就业率、专业对口率、用人单位满意度、学生(家庭)满意度。可得表8的高校就业质量指标数据表。

表8 高校就业质量指标数据

根据式（8）并运用matlab软件对11所高校就业绩效进行运算，就业效率值及排序如下表9所示。

表9 各高校就业效率值及排序表

由计算结果及表9可以看出，高校B、C、D、G的就业效率值优于其他高校，就业质量较好，其余各高校就业质量绩效排序为X＞A＞E＞F＞I＞H＞J，就业质量较弱的高校可针对关键性指标寻求提升就业质量的准确突破口，对关键性指标进行调整，即改变某一项或几项投入来提升整体就业质量。

四、结论

高等教育就业质量评价方法不断创新，各级各类评价主体都在积极探索高校就业质量的考评方法，涌现出各种指标体系并进行描述性评价。本文将就业效率引入高等教育就业质量评价中，通过DID模型对就业效率进行描述。

在就业质量评价的手段上，就业效率的探索解决了就业质量评价方法单一和评价指标系统性问题，就业效率展示了就业质量的结果以及就业相关数据之间的联系，解决关键数据相近时高校就业质量的排序，效率评价的引入为高校就业质量多指标的综合评价提供了新的思路。在评价模型创新上，高校就业质量绩效评价过程，不仅要考虑影响就业质量的多重指标，还要考虑各指标之间的关系及重要程度；另外多指标评价过程中不能仅以最后产出大小判断就业质量优劣，需要全面考虑就业质量的绩效评价。本文基于DEMATELISM模型将指标层次化，筛选出最终影响就业效率的关键指标因素，结合DEA思想形成基于DEMATEL-ISM-DEA的高校就业效率评价方法，克服了就业质量指标繁杂、冗余且关键指标因素不清晰的问题，一定程度上降低了就业质量绩效评价的运算量，使得评价过程更加便捷。在高校就业质量提升的路径上，高校就业质量的投入产出指标因素多级递阶图可以显示影响高校就业质量的层次结构，在投入要素中设置关键指标保障就业质量，高校就业质量提升的落脚点在就业部门建设、管理和绩效考评上，完善就业管理机制，更好地服务于毕业生高质量成长。