基于因子分析和数据包络分析的高职院校创新创业教育效率研究
2023-07-10林美美
林美美
摘 要: 运用因子分析法对投入指标进行降维处理,构建评价高职院校创新创业教育效率的数据包络分析模型,并对F省43所高职院校2019年的创新创业教育进行实证分析。结果表明,绝大部分高职院校处于数据包络分析无效状态,综合效率普遍不高且各校之间差距较大,其主要原因是规模效率偏低,产出不足且主要集中在学生自主创业率上,超过一半的院校创新创业教育资源投入亟待增加。
关键词: 创新创业教育; 效率评价; 因子分析; 数据包络分析
中图分类号: G710 文献标志码: A 文章编号: 1671-2153(2023)04-0013-08
一、引言
创新创业是经济增长的新引擎,也是经济转型的新动能。创新创业要依靠人才,而高校是人才培养的重要基地,开展创新创业教育是我国经济发展和高等教育改革的必然选择。近年来,关于深化高校创新创业教育改革的文件陆续颁布,全面推进创新创业教育已成为高校的普遍共识。
(一)高校创新创业教育评价的研究成果
1. 理论模型方面
Fayollc等运用计划行为理论设计了创业意向问卷(EIQ),对创业意向和创业影响因素进行了研究,研究表明创业教育能够提高创业意向[1]。我国不少学者则基于CIPP模型构建创新创业教育评价的理论模型。如高桂娟、李丽红借鉴CIPP模型,从创业教育实施过程和创业能力两个维度构建了创业教育实效性评价模型[2];周风等利用CIPP模型和AHP法构建了一套完整的创新创业教育评价体系[3];乔维德应用CIPP评价模型构建了高校创新创业教育评价指标体系,并利用BP神经网络进行仿真研究[4]。
2. 评价指标体系方面
评价指标的选择会直接影响评价效果的判断,因而学界对高校创新创业教育评价指标体系开展了大量研究。李旭辉等按照系统的观点,从创新创业环境、创新创业投入、创新创业产出三个方面建立了高校创新创业评价指标体系,并基于赋权实证结果得到高校创新创业效果的关键影响因素[5];严明明基于“教”与“学”的视角,从学校、教师和学生三个维度建立创新创业教育效果评价的指标体系[6];张勇明等从工作保障、行企参与、师资团队、课程建设、教育活动和教育成效六个维度选取了20个指标组成评价体系,并利用层次分析法对各层指标赋予权重[7];余琼结合民办本科高校特色,围绕课程体系建设、师资队伍建设、资金支持渠道拓展、实践渠道建设、制度保障等五个方面,形成了一套创新创业教育评价指标体系[8]。
3. 评价方法方面
评价方法的选择,会直接影响创业教育评价的可靠性。Zurriagacarda等采用结构方程模型对调查问卷结果进行分析,证明创业教育对创业意向具有显著的正向影响[9]。高苛等利用改进的AHP法对高校创新创业教育进行量化评估,并从实证结果中发现高校的投入是首要的影响因素[10];刘有升和陈笃彬以“211工程”高校为研究对象,运用数据包络分析模型,得到24所高校的创业教育效率值[11];王林雪等构建了创新创业教育与专业教育融合评价的指标体系,采用AHP法确定指标权重,并借助模糊综合评价法进行实例量化分析[12]。
(二)高校创新创业教育评价研究的不足
从现有研究成果来看,国内外在理论与实践上对高校创新创业教育评价开展了较多研究,并取得了相应的成绩,但整体梳理后发现仍有不足。以往研究更多关注创新创业教育评价的理论模型、指标体系和评价方法,评价方法多采用主观赋权法,且评价研究更多是集中于某一特定具体的理论或实践方面,针对投入产出效率方面的研究成果尚不多见,更难得有从量化的视角对多个不同性質高校的创新创业教育效率进行评价。正如胡玲和杨博所指出的,我国现有的实证研究多是通过了解学生的自身体会、自我感知来评估学校的“双创”教育成果,缺乏高校层面的整体数据来对各项内容的建设进行全面分析[13]。此外,针对高校创新创业效率的研究主要集中于本科院校,对职业院校创新创业教育效率的研究更是少之又少。鉴于此,本文构建能客观反映高职院校创新创业教育效率的指标体系,采用因子分析法和数据包络分析法(data envelopment analysis,DEA),对职业院校创新创业效率进行测算与评价。各职业院校可以根据评价结果寻找差距,并采取有效措施进行相应调整,进而提高创新创业教育质量。
二、研究方法与指标选取
(一)研究方法介绍
1. 因子分析
2. 数据包络分析
(二)评价指标体系建立
在高职院校创新创业教育效率评价中,设计一套系统、合理、可操作的评价指标体系是科学评价高职院校创新创业教育效率的前提。目前,国家尚没有任何一个权威机构发布或出台高职院校创新创业教育效率水平的衡量指标,而教育部在评选“创新创业教育改革示范高校”时,主要从课程、教师、经费、平台等方面评估创新创业教育投入,从自主创业人数、课题、比赛、创新项目获奖数量等方面评价高校创新创业教育的成效[16]。借鉴权威评价报告的思路和参照现有的理论研究,本文结合高职院校的具体情况,考虑数据获取的科学性和可得性,提出以下高职院校创新创业教育投入产出指标(表1)。
三、实证分析
(一)数据来源
考虑到数据获取的便利性,本文选取2019年F省43所高职院校作为研究对象,所有数据均来源于F省2020年发布的普通高校创新创业教育发展监测报告。鉴于有关信息和资料的保密性,分别以DMU1,DMU2,…DMU43来表示。
(二)评价指标降维
(三)DEA分析
1. DEA有效性分析
运用DEAP 2.1软件,将正向化处理后的投入数据代入BCC模型,结果如表4所示。
(1)综合效率分析
综合效率可以衡量和评价高职院校创新创业教育资源配置能力和相关资源的综合利用水平,进而确定创新创业教育资源的最低投资成本。综合效率值=纯技术效率值×规模效率值,其数值范围为0至1,当综合效率值为1,说明研究对象的创新创业教育投入产出率为最优,达到DEA有效;反之,则说明创新创业教育资源投入未得到预期的产出。由表4可知,F省43所高职院校2019年的创新创业教育整体投入产出效率为0.670,综合效率水平不高且各校之间差异较大,绝大部分院校在创新创业教育资源利用和管理水平上表现欠佳。其中,DEA相对有效的有9所,占总样本的20.93%,说明这9所学校的创新创业教育投入与产出水平达到最优,处于综合效率前沿面。综合效率值小于1的学校有34所,占总样本的79.07%,表明这些高职院校为非DEA有效,并且综合效率值越低说明其投入产出效率越低。综合效率在[0.9,1)区间的高职院校有6所,这6所学校的创新创业教育效率处于中等偏上水平,这类院校有望通过技术改进和管理优化实现效率值的最大化。其余28所高职院校的综合效率值大多小于0.75,表明这些学校的投入产出效率值不佳,其原因或是纯技术效率值低或是规模效率值低,也可能是两者共同影响的结果,内部管理部门需认真反思,抓住问题根源,采取积极有效的措施解决资源配置无效等问题[18]。
(2)纯技术效率与规模效率分析
以上分析可知,34所高校创新创业教育效率未达到DEA有效,究其原因,有可能是规模投入不足导致,也有可能是技术和管理水平低、资源配置不合理造成,故将F省高职院校创新创业教育的综合效率分解为纯技术效率和规模效率(见表4)。纯技术效率反映决策单元的管理水平等技术因素带来的效率变化,规模效率则反映了决策单元的规模是否合理,资源配置是否达到最优[19]。纯技术效率的取值范围为0至1,值越高,表明高校能够通过最小的投入实现创新创业教育资源的最大产出,表示该高校具有较高的技术水平和管理水平。规模效率是分析决策单元规模因素对综合效率影响的指标,可以判断高校在现有的制度和管理水平下,其创新创业教育资源投入规模是否达到最优,是否处于投入既不浪费也无不足的状态。规模效率不为1则表明规模报酬处在递增或递减的低效率状态,需要扩大或缩小规模[20]。
由表4可知,纯技术效率的均值为0.924,规模效率的均值为0.717,规模效率和综合效率明显偏低。为探究纯技术效率和规模效率对综合效率的影响,可以采用线性回归模型的拟合优度(R2系數)来判定自变量对因变量的影响,R2越接近1,说明拟合优度越好,自变量对因变量的影响越大[21]。回归分析结果得出,纯技术效率与综合效率的R2值为0.485,规模效率与综合效率的R2值为0.964,说明规模效率是影响综合效率的主导因素,即提高F省创新创业教育的综合效率值关键在于提高其规模效率值。
规模效率的均值为0.717,说明F省高职院校创新创业教育在资源配置和投入产出转化率方面整体表现欠佳。其中,9所学校规模效率达到1,占总样本的20.93%,说明这些学校规模配置合理,达到了最佳生产规模。8所学校规模效率值在[0.9,1)区间,这些学校在资源配置和投入产出方面稍加调整就能达到规模有效。10所学校的规模效率值均低于0.5,投入产出水平低,需加大力度提高资源管理水平,优化资源配置,找到最佳规模产出点,提高投入产出效率。
(3)规模收益分析
从规模收益方面来看,7所高职院校处于规模报酬递减阶段,占总样本16.28%,说明这些学校无需再加大人力、物力、财力等方面的投入,而是要注重充分利用现有的各类资源,从而实现DEA有效。27所高职院校处于规模报酬递增阶段,占比62.79%,再次验证了F省高职院校整体上创新创业教育规模较小,需要增加投入要素的数量以扩大其规模,有效调整资源配置,提高管理水平,更有效地提高创新创业教育产出效率。
2. 非DEA有效学校的投影分析
根据DEA理论,可以通过松弛变量投影来分析决策单元DEA无效的原因和程度,借此找出改进方向。本研究计算了34所非DEA有效学校的投入产出指标的松弛变量,进一步分析其投入冗余和产出不足的情况,发现在这些非DEA有效的学校中,有16所学校同时存在投入冗余和产出不足的问题,限于篇幅,本文仅以其中8所学校的投入冗余和产出不足情况为例进行分析,如表5、表6所示。
从表5可以看出,学校DMU8、DMU13、DMU23、DMU39存在比较严重的投入冗余问题,各投入因子的冗余率都很高,其中,DMU23在因子F2上的冗余率最高,达到84.38%。其余学校在各投入因子上的冗余率有所不同,以DMU15为例,该校在F2因子上的投入冗余率较低,但在F1因子上的冗余率较高,说明该校应该重点减少人力资源方面的投入。又如DMU19,在F2因子上的投入冗余率较高,其余因子上的无效投入相对较少,说明该校创新创业教育经费没有得到最有效的利用,可以适当减少财力投入,提高资金利用率。
接着分析34所学校在产出不足方面的问题,发现并非每所学校在各方面都存在产出不足的问题,如表6所给出的8所学校,学校DMU13只在学生职业技能竞赛获奖数方面存在产出不足的问题,其余学校只存在学生自主创业率方面产出不足的问题。表6所列学校中,学校DMU19在学生自主创业率方面的产出不足最为严重,不足率达到80.14%,但其学生职业技能竞赛获奖数方面不存在产出不足的问题,说明该校下一步要从支持和促进学生自主创业上下功夫,培养学生创新精神和实践能力,有效提升学生的自主创业率,才能使创新创业教育的综合效率得到较大的提高。
四、结论与建议
(一)结论
本文采用因子分析法对高职院校创新创业教育效率评价指标进行降维,提高了运用DEA方法进行效率评价的有效性。对F省43所高职院校2019年创新创业教育效率进行DEA分析,得到如下结论。
第一,综合效率均值为0.670,大部分高职院校在既定的资源投入下,创新创业教育效率水平整体不高,纯技术效率和规模效率共同阻碍了其发展,且纯技术效率值明显高于规模效率值,纯技术效率维持在较高水平,因此综合效率不高更主要是由规模无效引起的。
第二,綜合效率和规模效率都有效的高职院校有9所,纯技术效率有效的学校有22所,所以F省43所高职院校总体表现还是不太理想,无论是技术效率还是规模效率,都未达到最佳状态。因此高职院校既要注重技术提升,又要兼顾规模扩张,在资源配置和内部管理等方面不断改进和提升。
第三,结合规模报酬分析结果可知,DEA无效的大部分高职院校处于规模报酬递增阶段,表明这些学校的综合效率虽然不佳但发展潜力大,可以通过扩大创新创业教育规模,适当增加人力、物力和财力等方面的投入,以获得更高比例的产出回报。
(二)建议
1. 强化顶层设计,完善组织体制机制
从F省普通高校创新创业教育发展监测报告统计的数据来看,仍有部分高职院校没有设立专门的创新创业教育组织机构,创新创业教育工作主要依托教务处、学生处、招生办、团委等职能部门跨部门协调组织,缺乏完善的组织领导和保障体系,各部门之间沟通协同不足,影响创新创业教育效果。创新创业教育的实施需要一个成熟的组织机构和完善的体制机制,在制度的指引下,工作才能实现更大突破。建议设立专门的创新创业教育组织机构,如创新创业学院或创新创业教育中心,并下设教学管理科、创业实践科、校企合作科等若干部门,配备专职人员和资金,负责全校创新创业教育工作的推进,有效整合校内外资源,形成完善的创新创业教育管理格局。
2. 深化课程改革,创新人才培养模式
课程是教育教学活动的载体,创新创业教育实施中,课程亦是一个核心问题。F省各高职院校开设的“双创”教育课程数量差异明显,数量最多的院校开设了324门,而数量最少的院校只开设了1门。深化创新创业课程改革是推动创新创业教育深入发展的重要途径。一是要加强课程建设,面向全体学生开设创业基础、创新思维等方面的必修课和选修课,在专业课中开设学科前沿课、研讨课等,形成通识教育、专业教育与创新创业教育有机融合的多层次创新创业教育课程体系。二是要改革教学手段,推进研讨式、启发式、探究式教学,引入“翻转课堂”、小班授课等方式,在课程中融入前沿技术、产业需求,提高教学的针对性。三是要强化实践教学,以训练项目、竞赛、创业论坛、讲座、社团、模拟实践等“第二课堂”的形式,丰富校园创业活动形式,推进创业体验学习,将创新创业教育融入学生的课外生活。
3. 坚持专兼结合,打造创新创业教育师资队伍
对学生创新创业知识的培养,需要一支能为学生提供文理结合、多学科交叉教学的师资队伍。一方面,选拔一批年龄与职称分布合理、专业水平高、创新能力强的教师作为创新创业教育专职教师,建立创新创业教师专业成长的可持续培养渠道,加强教师对创业相关知识的学习和培训,鼓励教师到企业生产一线挂职锻炼,完善教师知识体系,提高教师的实践教学能力;另一方面,聘请优秀企业家、创业校友、行业专家、青年创业先锋、投资家等各行各业优秀人才,担任项目团队导师、兼职教师,为学生提供“一对一”的创新创业指导和服务。此外,还要建立有效的内部激励机制和绩效考核机制,将教师指导学生参与创业项目、参加创新创业大赛等纳入教师评价考核体系,在职称评聘、职务晋升中予以加分;将创新创业教师的专题讲座次数、创业咨询时间,折合成相应的工作量;对在创新创业相关领域发表论文或申报课题的教师,给予相应的奖励。
4. 合理配置资源,兼顾投入和产出
从投入产出的松弛变量分析中发现,部分高职院校在人、物、财等方面存在大量的冗余,而学生自主创业产出严重不足,说明F省高职院校创新创业教育效率整体水平不高,一个重要的原因是投入结构不够合理。投入与产出是效益的两个方面,缺一不可,一味地削减投入和成本,会造成创新创业教育产出不足或质量低下;反之,则会造成创新创业教育资源过度消耗和浪费。各级高校管理部门要重视资源的利用效率,对创新创业教育投入产出效率进行定期监控和评估,找准创新创业教育资源浪费或产出不足的症结所在,以便在出现综合效率低下的情况时,从规模、管理层面上进行自我调控,确定投入产出的适度规模。尤其是同时存在投入冗余和产出不足的职业院校,需要通过优化创新创业教育资源配置,保证资源的有效利用,才有可能实现创新创业教育效率的有效提升。
参考文献:
[1] FAYOLLE A. Assessing the impact of entrepreneurship education programmes:a new methodology[J]. Journal of European Industrial Training,2006(9):701-720.
[2] 高桂娟,李丽红. 高校创业教育实效性的评价与提升策略研究[J]. 华东师范大学学报(教育科学版),2016(2):22-29,112.
[3] 周风,曾增,李龙. 基于CIPP模型和层次分析法的高校创新创业教育评价体系的构建[J]. 宿州学院学报,2019(9):29-34.
[4] 乔维德. 高校创新创业教育评价体系构建研究[J]. 南京广播电视大学学报,2021(1):28-36.
[5] 李旭辉,胡笑梅,汪鑫. 高校创新创业教育效果评价体系研究:基于群组G1法的分析[J]. 教育发展研究,2016(21):29-36.
[6] 严明明.地方高校大学生创新创业教育评价指标体系研究[J]. 长春教育学院学报,2018(9):28-31.
[7] 张勇明,李俊彬,曹佩红. 高职院校创新创业教育质量评价体系构建研究[J]. 高等职业教育探索,2019(4):64-69.
[8] 余琼.民办本科高校创新创业教育评价指标体系研究[J]. 科技创新与生产力,2020(12):86-90,93.
[9] ZURRIAGACARDA A,KAGEYAMA K,AKAI K. Effects of risk attitude,entrepreneurship education and self-efficacy on entrepreneurial intentions:a structure equation model approach to entrepreneurship[J]. International Review of Management and Business Research,2016(5):1424-1433.
[10] 高苛,华菊翠. 基于改进AHP法的高校创新创业教育评价[J]. 现代教育管理,2015(4):61-64.
[11] 刘有升,陈笃彬. 基于DEA的高校创业教育效率评价[J]. 中国石油大学学报(社会科学版),2017(2):103-108.
[12] 王林雪,沈红霞,李怡. 高校创新创业教育与专业教育融合的评价研究[J]. 创新与创业教育,2021(3):24-34.
[13] 胡玲,杨博. 高校创新创业教育效果的影响因素研究:基于2016—2018年我国150所创新创业典型经验高校的数据[J]. 华东师范大学学报(教育科学版),2020(12):64-75.
[14] 马生昀,王冬梅,马占新,等. 多元回归在DEA方法指标降维中的应用[J]. 内蒙古农业大学学报(自然科学版),2012(1):231-235.
[15] 阮红伟,赵西. 基于PCA/DEA模型的科技创新效率评价:以山东高校为例[J]. 东方论坛,2019(3):94-106.
[16] 李阿利,邓小波,胡扬名. 中西部本科院校创新创业教育效率研究:基于湖南15所高校的调查数据[J]. 湖南农业大学学报(社会科学版),2018(3):92-96.
[17] 李德智,朱嘉薇,朱诗尧. 基于PCA-DEA的城市老旧小区精细化治理绩效评价研究[J]. 现代城市研究,2020(7):111-116.
[18] 赵聚辉,原泽慧,刘扬. 基于PCA-DEA模型的科技创新绩效评价:以辽宁高校为例[J]. 市场周刊,2021(8):82-84.
[19] 肖斌,程晓静. 基于数据包络分析模型的高职院校建设效率评价[J]. 实验技术与管理,2021(10):256-260.
[20] 汪俊瑛. 江苏省民办高职院校人文社科科研绩效分析:基于数据包络分析法[J]. 宁波职业技术学院学报,2021(4):86-90.
[21] 许艳丽,蔡璇. 基于网络DEA模型的“双高计划”院校产教融合建设成效评价研究[J]. 现代教育管理,2023(2):82-93.
Research on the Efficiency Evaluation of Innovation and Entrepreneurship Education in Higher Vocational Colleges Based on Factor Analysis and Data Envelopment Analysis
——Taking Province F as an Example
LIN Meimei
(Teaching Diagnosis and Quality Assurance Center, Liming Vocational University,
Quanzhou 362000, China)
Abstract: Through the application of factor analysis method to reduce the dimension of input indicators, construct a data envelopment analysis model to evaluate the efficiency of innovation and entrepreneurship education in higher vocational colleges, and makes an empirical analysis on innovation and entrepreneurship education of 43 higher vocational colleges in Province F in 2019. The results show that most of the higher vocational colleges are in the invalid state of DEA, the comprehensive efficiency is generally not high,and the disparities among different schools are great,which is mainly due to the low scale efficiency, the deficiency in output is mainly concentrated on the rate of students independent entrepreneurship, and more than half of the schools need to increase the input of innovation and entrepreneurship education resources.
Keywords: innovation and entrepreneurship education; efficiency evaluation; factor analysis; data envelopment analysis
(責任编辑:程勇)