我国教育部直属高校资源投入产出效率综合评价研究

包水梅　黄尧尧　彭万英

摘要： 基于我国58所教育部直属高校理、工、农、医学科的办学数据，运用超效率DEA模型和Malmquist生产率指数，对2008～2017年我国高等教育由“规模扩张”转向“质量提升”这一关键时段内高校资源投入产出效率进行综合评价，结果发现：（1）高校资源投入产出效率整体水平有较大提升空间，资源的配置与管理水平较高，但生产规模远未达到最优水平，增大资源投入力度能够有效提升多数高校的办学效益。（2）高校质量型产出效率小于数量型产出效率，两类效率对整体效率的贡献度的变化趋势证实了学科评估的“指挥棒”效应。（3）高校三大职能的投入产出效率对整体效率贡献度的排序依次为科学研究、人才培养、社会服务，其中科学研究投入产出效率对整体效率的贡献度呈下降趋势，人才培养、社会服务投入产出效率对整体效率的贡献度呈上升趋势。（4）高校资源投入产出效率正向增长的根本原因是规模效率提高，技术进步指数起负面影响，纯技术效率未发生明显变化。技术进步指数的周期性变化趋势说明我国高等教育资源投入模式与发展方式的关系还有待进一步协调。

关键词：高等教育；资源；效率；超效率DEA；Malmquist生产率指数；学科评估

中图分类号：G640     文献标识码：A文章编号：1672-0717（2023）04-0060-12

一、问题的提出

美国经济学家格里高利·曼昆（N. Gregory Mankiw）在其著作《经济学原理》中提出，资源的稀缺性决定资源使用效率的重要性[1]。我国高等教育资源总量不足，优质资源稀缺，这一基本特征决定了如何有效提升资源的配置与使用效率至关重要。然而，我国高等教育实际发展现状却并非如此：一方面，从资源配置模式来看，我国高等教育资源以行政性配置为主导[2]，政府依据国家发展需求，通过行政指令的方式实施刚性、计划性的资源分配，资源的配置效率如何、配置后的资源能否得到充分利用尚未引起足够重视；另一方面，从资源使用效果的评价方式来看，长期以来，我国对高校建设成效的评估表现为水平评估和成效评估两类，评估的依据是参评单位现有资源的多寡、建设周期内增量成果的绝对数量等内容，一定程度上忽视了对资源使用效率的评估。

随着资源投入力度的不断加大，我国高等教育取得的伟大成就世人瞩目。然而，值得注意的是，大量的资源投入在造就我国高等教育事业“量”的伟大成就的同时，高等教育“质”的发展却未能实现同步协调[3]。2011年世界经济论坛（World Economic Forum）发布的《2011-2012国际竞争力发展报告》将国家发展的主要动力划分为要素驱动、效率驱动和创新驱动三种，其中创新驱动模式具有更强的竞争力[4]。显然，我国高等教育发展依靠的是以资源投入为核心的要素驱动，如何提高资源的配置与使用效率，提升高等教育产出质量，增强创新驱动发展能力，是关乎我国高等教育事业长远发展质量的重大战略问题。

近年来，伴随着学术界对高等教育质量问题的广泛关注，关于高校资源投入产出效率的研究也逐年增多。由美国运筹学家Charnes等于1978年提出的数据包络分析方法（Data Envelopment Analysis，DEA）被广泛应用于高校资源投入产出效率的相关研究之中[5]。相较于指数评价法、生产函数法等传统评价方法，DEA方法无需主观设定指标权重与函数形式，并且可以通过构建多投入多产出的评价指标体系实现综合生产效率的测算。通过对运用DEA方法测算高校资源投入产出效率的相关研究进行梳理发现：（1）科学研究效率是国内外学者的关注重点。国外研究中，吉奥范尼（Giovanni A.）、琼斯（Johnes J.）等学者运用DEA模型测算了高校的科学研究效率[6-7]。国内研究中，梁文艳、胡咏梅等学者重点关注和研究高校科学研究效率的整体水平，运用DEA模型测算并比较了不同高校、学科之间科学研究效率的差异[8（P70-76），9（P1-14）]。但是目前仅有少量研究关注到人才培养、社会服务效率，该类研究普遍发现：相较于科学研究效率，高校的人才培养效率、社会服务效率普遍偏低[10-12]。（2）高校资源投入产出效率评价指标体系以数量型指标为主。既有研究多使用表征高校办学成果绝对数量的指标来构建高校资源投入产出效率评价指标体系。专著数与论文数是测算科学研究效率最为常见的评价指标[9]（P1-14），在读生或毕业生数则被大量用作衡量高校的人才培养成果产出[13]，专利申请数、技术转让合同数是测算社会服務效率的常用产出指标[11]（P39-47）。尽管上述指标具有一定的代表性，但存在着重视成果数量、忽视成果质量等问题。部分研究已经开始综合使用数量型、质量型指标对高校资源投入产出效率进行评价。例如，王燕等在测算高校社会服务效率时，使用专利出售金额、技术转让合同金额作为产出指标，相较于数量型指标或许更能说明高校社会服务的质量差异[11]（P39-47）。第四轮学科评估指标体系在对高校人才培养产出进行评价时，既考察学位授予数，也将课程教学质量、毕业生就业质量等指标纳入评价体系。（3）研究视角多是基于截面数据对高校资源投入产出效率作静态分析。当前，教育学领域内对高校资源投入产出效率的研究多是使用一年或几年的截面数据进行静态分析[8（P70-76），14]。Malmquist指数适用面板数据，测算的是t+1时期与t时期的效率比值，能够在较长时间周期内分析高校资源投入产出效率动态变化背后的政治经济原因。在土地开发、科技创新、旅游开发等领域[15-17]，使用Malmquist指数进行动态分析的研究成果已经颇为丰富，但是运用该指数对高校资源投入产出效率的研究成果仍然较少，静、动态结合进行综合分析的仅有贾永堂、古川等少量研究成果[18-19]。

综上所述，既有研究为高校资源投入产出效率的测算与分析奠定了良好的基础，但后续研究中有待重视如下几个方面的问题：（1）科学研究、人才培养、社会服务三大职能均是当前高校建设与发展的重要任务，将三者纳入同一评价指标体系之中进行综合评价，更符合高校办学实际；（2）构建涵盖数量型指标、质量型指标的评价指标体系，更有利于实现对高校资源投入产出效率的客观评价；（3）综合DEA模型与Malmquist指数，静、动态相结合测算与分析高校资源投入产出效率，能够在客观评价高校办学整体水平之外，对其动态变化的内部原因进行深层次分析。

因此，本文基于高校办学资源投入与成果产出关系的分析视角，选取超效率DEA模型和Malmquist生产率指数两项指标，前者通过静态测算样本高校的整体与专项效率，分析高校资源投入产出效率的整体水平及其规模、质量、三大职能等结构性特征；后者结合考察期内样本高校资源投入产出效率的时序变化，考察规模报酬、技术进步等因素在高校资源投入产出效率动态变化中所发挥的作用。最后结合研究结论，围绕高等教育资源配置与使用，就如何提升高校资源投入产出效率提出几点建议，以期助力我国高等教育高质量发展。

二、研究设计

（一）样本选取与数据来源

教育部直属高校是我国整体实力最突出的一批高校，他们所获得的资源投入往往多于一般高校，选择部属高校用于研究高校资源投入产出效率具有较强的代表性和说服力。因此，本文选取教育部直属高校作为研究样本，研究的时间跨度为2008～2017年。考虑到面板数据的连续性与完整性，删除存在数据缺失的部分高校，最终确定北京大学、清华大学、中国人民大学等58所教育部直属高校为研究样本。

本文选取2008～2017年教育部发布的《高等学校科技统计资料汇编》和中国校友会官网、样本高校官网发布的相关数据作为数据来源。2008～2017年是我国高等教育发展由“规模扩张”转向“质量提升”的关键时段，高等教育政策、高校办学经费投入等的巨大变化对高校办学实践产生了重大影响。一方面，2008年前后，我国高等教育政策导向由“稳步扩大各类高等教育规模”[20]转向“着力提高高等教育质量”[21]，高校生均经费投入一改1999年高校扩招以来的持续减少趋势，开始逐年提升。另一方面，2015年前后，我国高等教育发展的战略重心由重点大学建设转向“双一流”建设，2017年是我国“双一流”建设战略进入全面实施阶段的关键时间节点，是高校“双一流”建设专项经费到账的实际时间节点。基于此，本文重点考察2008～2017年10年时间段内高校资源投入产出效率的变动情况。此外，需要需要特别指出的是，《高等学校科技统计资料汇编》给出的是理工农医学科的办学数据，不涵盖人文社会科学，因此本研究所得结论也仅面向理工农医等学科。

（二）研究思路与方法

本研究选取超效率DEA模型和Malmquist生产率指数对高校的资源投入产出效率进行综合测算与分析。首先，我们在构建高校资源投入产出效率评价指标体系的基础上，基于超效率DEA模型的测算结果，静态分析高校分职能、分类型效率对整体效率的贡献；然后，我们基于Malmquist生产率指数的测算结果，动态分析规模经济效益、资源配置与管理水平、科学技术水平等对高校资源投入产出效率的影响及变化趋势。最后，我们结合研究结论就如何提升我国高校的资源投入产出效率提出建议。具体运用到的研究方法如下：

1.超效率DEA模型

2.Malmquist生产率指数

Malmquist生产率指数最初由瑞典经济学、统计学家曼奎斯特（Sten Malmquist）在1953年提出，后经Caves、Fare等发展，当前被广泛应用于生产效率测算[23-25]。相较于DEA模型只能测算截面数据的静态效率，Malmquist生产率指数多是基于面板数据测算不同时期效率值的动态变化。Malmquist生产率指数可以进一步分解为纯技术效率变化指数、规模效率变化指数和技术进步指数的乘积。如公式（2）所示，表示从s到t时期，Malmquist生产率指数及其分解项：

公式（2）中，左边为Malmquist生产率指数，该指数大于1，反映的是s到t时期资源投入产出的效率值上升；小于1，则降低。右边第一项为技术进步指数，该指数大于1，表示s到t时期决策单元最优生产前沿面整体提升，反映的是技术进步对Malmquist生产率指数的贡献；小于1，则为技术退步。右边第二项为规模效率变化指数，该指数大于1，反映的是s到t时期规模经济效益对Malmquist生产率指数的贡献；小于1，则表示规模经济效益降低。右边第三项为纯技术效率变化指数，该指数大于1，反映的是在规模经济不变的条件下，s到t时期资源配置管理水平的变化对Malmquist生产率指数的贡献；小于1，表示贡献度降低。

（三）指标体系构建

1.指标选取

（1）投入指标选取：高校的资源投入要素一般包括人力、财力、物力三个方面。鉴于本研究需对高校三大职能进行综合评价，为确保所选指标的覆盖面，人力投入指标，参考王燕等人的研究[11]（P39-47），选取教师系列人员、技术系列人员两类指標；财力投入指标，选取政府拨入资金、企事业委托资金、其他经费三类指标；物力投入指标，尽管部分研究使用了图书馆藏书、生均建筑面积、实验设备总金额等指标，但一方面鉴于此类指标年均变化较小，另一方面又往往与财力投入指标有所重叠，本研究暂未将其纳入投入指标体系。

（2）产出指标选取：基于高校科学研究、人才培养、社会服务三大基本职能和数量型、质量型两种产出类型，本研究构建了“3大职能×2种产出类型”的产出指标体系。①科学研究产出指标：选取出版著作数、发表论文数和国家级项目验收数3个数量型指标；综合高校的科技成果获奖数、著作与论文引用数形成科学研究得分作为质量型指标。②人才培养产出指标：选取在读研究生数作为数量型指标，研究生培养规模是衡量教育部直属高校人才培养产出水平的核心指标；综合高校的学科水平、教学成果获奖形成人才培养得分作为质量型指标。③社会服务产出指标：选取专利出售数、技术转让合同数作为数量型指标；选取专利出售总金额、技术转让合同总金额作为质量型指标（本文认为专利和技术转让合同出售金额的数目差异一定程度上反映了高校社会服务产出的质量差异）。综上，教育部直属高校投入产出效率评价指标体系如表1所示。

2.指标处理

（1）主成分分析：在使用超效率DEA模型测算效率时，投入产出指标数量过多会造成大量的决策单元处于最优生产前沿面上，降低区分度。因此，本文采用主成分法分别对X1-X8、X9-X11两类投入指标进行降维处理。本研究运用SPSS24.0进行主成分分析（Bartllet<0.0001， KMO>0.8），两组变量的主成分累积解释能力均在70%左右，处理后的新指标能够较大程度地代替原指标。降维处理后，人力投入由综合人力投入1（Z1）和综合人力投入2（Z2）两项指标表示，财力投入由综合财力投入（Z3）一项指标表示（详见表2）。

（2）非负化处理：鉴于超效率DEA模型仅能处理非负数据，为消除主成分分析后负值得分的影响，本研究使用“极值法”对Z1、Z2、Z3三项指标进行标准化处理，如公式（3）所示。

三、数据结果与分析

（一）超效率DEA模型测算结果分析

1.投入产出效率整体评价

基于投入导向、规模报酬可变的超效率DEA模型，使用MaxDEA8 Ultra軟件测算2008～2017年教育部直属高校资源投入产出效率及其分解项。由于不同年份的同一高校被视作不同的决策单元，因此10年考察期内共计580个决策单元参与测算。限于篇幅，本文不再列出具体数据，仅将历年的投入产出效率平均值及其分解项整理如表3所示。

从表3可以发现，考察期内教育部直属高校资源投入产出效率的综合技术效率平均值不高，仅为0.613，但是整体呈增长趋势，2008～2017年效率平均值由0.474增长至0.717。进一步分析各分解项可以发现：（1）考察期内纯技术效率平均值较高，为1.044，大于1；纯技术效率反映高校的资源配置与管理能力，说明考察期内大多数教育部直属高校的资源配置与管理水平处在最优生产前沿面上，整体的资源配置与管理水平较高；（2）考察期内规模效率平均值总体呈增长趋势，但是总平均值较低，仅为0.588，小于1。规模效率反映高校的规模经济效益状况，说明考察期内教育部直属高校的生产规模整体未达到最优水平。进一步考察高校规模报酬情况，可以发现历年处于规模报酬递减的高校数量仍占少数，绝大多数高校处于规模报酬递增状态。这就意味着，多数高校仍需要增大资源投入力度、扩大生产规模以提升其办学效率。

2.投入产出效率分类型、分职能评价

在整体评价的基础上，我们进一步按照上文构建的产出指标体系，分别基于数量型产出指标、质量型产出指标、科学研究产出指标、人才培养产出指标、社会服务产出指标测算教育部直属高校资源投入产出效率。同时，为衡量各分效率对整体效率的贡献，我们以整体效率为因变量，对数处理后的各分效率为自变量，使用SPSS24.0软件进行回归分析。

（1）分类型评价

基于数量型产出指标、质量型产出指标测算得到的投入产出效率平均值如表4所示，各分效率对整体效率的贡献如表5所示。从表4可以发现，考察期内，数量型产出效率总平均值大于质量型产出效率总平均值，说明相较于质量型产出，教育部直属高校对数量型产出更加重视。从变化趋势看，数量型产出效率平均值的增长趋势明显，由2008年的0.393增长至2017年的0.652，质量型产出效率平均值除2008年外，其余年份均在0.4上下波动。

从表5可以发现：回归分析的R2平均值为0.839，表明所构建的回归分析方程能够解释因变量83.9%的变化。一方面，考察期内数量型产出效率对整体效率的平均贡献度普遍高于质量型产出效率的平均贡献度，表明后者有较大的提升空间。另一方面，2008～2017年高校质量型产出效率贡献度呈周期性变化（2008～2011年为周期1，2012～2015年为周期2，2016年为周期3的开始），周期始末的贡献度高于周期中（质量型产出效率贡献度的2个高点分别是2011年和2015年）。此外，高校数量型产出效率贡献度最高的年份往往是质量型产出效率贡献度较低的年份（数量型产出效率贡献度的2个低点分别是2010年和2015年）。两类效率对整体效率的贡献度呈现相反的变化趋势，结合上文的分析——多数教育部直属高校处于规模报酬递增状态，需要增大资源投入力度、扩大生产规模以提高生产效率——可以认为导致这种变化趋势的原因是：高校无法同时兼顾数量型产出与质量型产出，只能周期性地改变建设目标。一般认为，由学位中心组织实施的一级学科整体水平评估与高等教育资源配置密切相关。第三轮和第四轮一级学科整体水平评估开展的时间节点恰与高校质量型产出效率贡献度的2个高点相重合。因此，结合两次评估对质量型产出指标的重视可以合理推断：教育部直属高校在学科评估开展之际，周期性地将建设重心由数量型产出转向质量型产出，充分展现了学科评估对高校学科建设的“指挥棒”作用。

（2）分职能评价

基于科学研究产出指标、人才培养产出指标、社会服务产出指标测算得到的投入产出效率平均值如表6所示。各分效率对整体效率的贡献如表7所示。从表6可以发现，考察期内教育部直属高校科学研究效率总平均值最高，其次是人才培养效率，社会服务效率总平均值最低，说明教育部直属高校的科学研究职能最受重视（总平均值0.424），其次是人才培养职能（总平均值0.411），对社会服务职能的重视程度最低（总平均值仅为0.047）。从变化趋势看，考察期内，三类效率均呈现出较为明显的增长趋势。

从表7可以发现：回归分析的R2平均值为0.713，虽然低于数量型产出效率和质量型产出效率对整体效率的解释水平，但是也符合高校建设实际——除三大职能外，国际交流、文化传承等也是高校建设的重要内容，本研究所构建的回归分析方程未涵盖上述部分，所以仅能够解释因变量71.3%的变化。一方面，考察期内科学研究效率对整体效率的平均贡献度最高，为0.508；人才培养效率对整体效率的平均贡献度次之，为0.401；社会服务效率对整体效率的平均贡献度最低，仅为0.100，并且除了2013年和2017年β系数显著外，其余年份均不显著，甚至2009年社会服务效率对整体效率的影响方向为负，这表明教育部直属高校更加重视科学研究和人才培养，高校的社会服务功能不受重视。另一方面，科学研究效率对整体效率的贡献度呈下降趋势，人才培养效率和社会服务效率对整体效率的贡献度呈上升趋势，尤其2017年社会服务效率对整体效率的影响首次在0.001水平上显著。这说明考察期内教育部直属高校在履行科学研究职能的同时，逐步加大了对人才培养职能、社会服务职能的重视。可能的解释是：随着国家战略调整、区域经济社会发展需求变化，高校不再仅作为知识生产主体履行科学研究职能，其知识溢出效应，即通过高端人才培养、科技成果转化等服务于外部经济社会发展的重要作用也逐渐引起重视[26]，表现为高校的人才培养、社会服务职能越来越受到重视。一系列重要的政策文件印证了这一变化历程，如2010年7月，教育部出台的《国家中长期教育改革和发展规划纲要（2010-2020年）》中明确提出“高校要牢固树立主动为社会服务的意识”“牢固确立人才培养在高校工作中的中心地位”[27]；2015年11月，国务院印发的《统筹推进世界一流大学和一流学科建设总体方案》也指出高校要“为经济社会发展和国家战略实施做出重要贡献”“坚持立德树人，突出人才培养的核心地位”[28]。

（二）Malmquist生产率指数测算结果分析

1.Malmquist生产率指数整体评价

Malmquist生产率指数反映的是生产过程中投入产出效率的动态变化，即全部投入要素的综合生产率变动——全要素生产率（Total Factor Productivity，TFP）的动态变化，是科学技术进步、资源配置与管理水平以及规模经济效益的综合体现[29]。基于投入导向、规模报酬可变的DEA-Malmquist模型，本研究使用DEAP2.1软件测算2008～2017年教育部直属高校的Malmquist生产率指数及其分解项。限于篇幅，本文不再列出每所高校的具体数据，仅将历年的Malmquist生产率指数平均值及其分解项整理如表8所示。

从表8可以发现，考察期内，教育部直属高校的Malmquist生产率指数总平均值为1.020，全要素生产率整体正向增长，年均增长率2.0%。全要素生产率正向增长主要源自于技术效率变化。将技术效率变化指数分解为纯技术效率变化指数和规模效率变化指数，可以发现，全要素生产率正向增长的根本原因是规模效率变化（1.052），即规模经济效益带来的正向增长；纯技术效率在考察期内整体未发生明显变化（1.000），即考察期内高校的资源配置与管理水平无明显变化。

结合前文结果可以认为：（1）2008～2017年，教育部直属高校资源投入产出效率以年均2.0%的速度正向增长，正向增长的根本原因是生产规模的不断扩大，资源投入力度的不断加大，资源的配置与管理水平未出现明显变化，始终维持在较高水平，Malmquist生产率指数的测算结果与表2的结果相一致。（2）技术进步指数表明，外部科学技术水平的变化对教育部直属高校资源投入产出效率的正向增长产生了负面影响，表现为相对的“技术退步”。一般而言，相对“技术退步”往往是由于内部发展与外部经济社会环境未能实现同步协调[30]。高等教育资源投入存在刚性，轻易不会降低资源投入力度或调整投入要素比例，但是2008～2017年恰是我国高等教育由外延式发展向内涵式发展转变的关键时期，也恰是我国经济发展由传统的粗放型增长模式向高端化集约型增长模式转变的关键时期[31]，资源投入沿用旧模式，发展方式却转向新模式，两者之间的不协调或许是导致相对“技术退步”的原因。

2.Malmquist生产率指数分时期评价

按照上述分析，对Malmquist生产率指数产生影响的主要是技术进步指数和规模效率变化指数，变化趋势如图1所示。进一步分析可以发现，2008～2016年，规模效率变化指数整体大于1，但呈现出明显的下降趋势，这表明尽管这一时期规模经济效益是投入产出效率正向增长的主要原因，但是其贡献度越来越小。换句话说，主要依靠资源投入、扩大生产规模带来的效率增长是不可持续的。2017年相较于2016年的规模效率变化指数增大，表明规模经济效益有所提高。可能的原因在于2017年“双一流”建设提出“以绩效为杠杆”[32]，高等教育资源配置开始强调动态竞争、重视市场性配置，进一步盘活了高校办学资源，提升了规模经济效益。技术进步指数则是在考察期内呈现出周期性的变化趋势，第1个周期2008～2012年整体小于1，表现为相对的“技术退步”；第2个周期2012～2016年整体大于1，表现为“技术进步”；第3个周期2016～2017年再次小于1，表现为相对的“技术退步”。如前文所述，技术进步指数反映的是最优生产前沿面的移动情况，在本文中可以理解为外部的政策、经济与社会环境变化对高校全要素生产率产生的影响。一方面，从政策环境来看，别敦荣认为2007年是我国高等教育发展政策由“扩大规模”转向“提高质量”的关键节点，2012年《教育部关于全面提高高等教育质量的若干意见》正式提出了推进高等教育内涵式发展，2017年进一步提出了如何实现高等教育内涵式发展的具体措施——加快“双一流”建设[33]。另一方面，在经济领域，2008年后我国开始重视拉动内需对经济增长的贡献，2017年是我国产业结构转型的关键时期，制造业高端化发展成为经济增长的重要动力。教育的内外部关系规律提出高等教育发展与外部环境密切相关。因此可以认为：2008～2017年，我国高等教育和经济发展均处在由规模向质量转型的关键时期，旧的资源投入方式与新的发展模式之间的不协调是造成技术进步指数周期性变化的重要原因。表现在数据上则是，2008～2012年，资源投入刚性增长、投资力度不断扩大，高等教育的发展模式、外部的经济发展方式却开始转向质量发展，难免造成大量资源冗余，表现为相对的“技术退步”；2012～2016年，高等教育发挥知识溢出效应，通过外部技术引进、内部技术传承，逐步实现科学技术积累，内涵式发展初显成效，表现为“技术进步”；2016～2017年，随着“双一流”建设的正式实施，大量专项资金涌入，难免又造成产出无法与资源投入同步增长，再次表现为“技术退步”。

四、结论与启示

（一）研究结论

本文通过构建涵盖高校科学研究、人才培养、社会服务三大职能，数量型、质量型两种产出类型的评价指标体系，运用超效率DEA模型和Malmquist指数，静、动态相结合对2008～2017年我国58所教育部直属高校理工农医学科的资源投入产出效率进行了综合评价，客观呈现了样本高校的办学现状，研究结论如下：

1.投入产出效率整体评价：教育部直属高校资源投入产出效率仍有較大的提升空间。多数高校的资源配置与管理水平较高，资源投入能够得到有效利用，但生产规模远未达到最优水平，十年考察期内不断增大的资源投入力度有效地提升了多数高校的办学效益。但是少数高校在十年考察期内多次处于规模报酬递减状态，规模经济效益随着不断增大的资源投入力度有所降低。对这一类高校而言，单纯地依靠增大资源投入已经不能够进一步提升其办学效益。换句话说，尽管教育部直属高校总体上是我国整体实力最突出的一批高校，但仍需加以分类对待方能更有效地提升高等教育资源的配置与使用效率。

2.投入產出效率分类型评价：相较于质量型产出，教育部直属高校更加重视数量型产出。十年考察期内，两类效率对整体效率贡献度的变化趋势证实了学科评估的“指挥棒”效应。具体而言，质量型产出效率贡献度与数量型产出效率贡献度呈现出相反的周期性变化趋势。鉴于学科评估结果与高等教育资源分配的密切联系，合理的推断是由于多数高校资源投入相对不足，无法同时兼顾数量型产出与质量型产出，在面临学科评估压力时，周期性地将建设重心由数量型产出转向质量型产出。

3.投入产出效率分职能评价：无论从效率平均值看，还是从对整体效率的贡献度看，考察期内教育部直属高校三大职能排序依次为科学研究、人才培养、社会服务。考察期内教育部直属高校科学研究效率对整体效率的贡献度呈下降趋势，人才培养效率和社会服务效率对整体效率的贡献度呈上升趋势。这意味着2008～2017年教育部直属高校逐步加大了对人才培养职能、社会服务职能的重视。结合这期间颁布的一系列重要的政策文件，我们认为合理的解释是，国家战略发展、区域经济发展对高等教育提出了新的要求，高校通过履行人才培养职能、社会服务职能发挥知识溢出效应，从而服务于国家和区域经济社会发展，表现为高校在履行科学研究职能的同时，越来越重视其人才培养与社会服务职能。

4.Malmquist生产率指数整体评价：十年考察期内教育部直属高校投入产出效率以年均2.0%的速度正向增长。正向增长的根本原因是规模效率提高，即资源投入力度不断加大，高校办学效益随之提升，规模经济效益显著，表明我国高等教育长期践行的要素驱动模式效果显著。与此同时，技术进步指数整体上对正向增长起了负面影响，纯技术效率在考察期内整体未发生变化，意味着考察期内高校的资源配置与管理水平整体没有变化，始终维持在较高水平。

5.Malmquist生产率指数分时期评价：教育部直属高校2008～2016年规模效率变化指数虽然整体大于1，但是下降趋势明显，意味着主要依靠资源投入、扩大生产规模带来的效率增长是不可持续的。2016～2017年教育部直属高校规模效率变化指数增大，可能的解释是“双一流”建设开始强调的资源动态竞争盘活了高等教育资源、激发了高校办学活力。考察期内教育部直属高校技术进步指数周期性的变化趋势表明外部政策、经济与社会环境变化对高校全要素生产率产生影响，刚性的资源投入模式与高等教育发展方式之间的不协调导致了相对技术退步。分时期评价结果证实了我国高等教育资源投入模式与发展方式的不协调关系。

（二）政策建议

上述研究结论表明，主要依靠资源投入来提升高校办学效益的发展模式已经不合时宜。新时期构建高质量的高等教育体系亟需进一步提升高校资源投入产出效率。

1.改革高等教育资源的配置模式，传统的行政配置需让渡一定的空间给市场配置。一方面，要通过落实“双一流”建设提出的资源动态竞争机制，盘活高等教育资源、激发高校办学活力，进一步破除一直以来的身份固化观念，不断强化高校办学主体的绩效意识。另一方面，要提升资源配置的精细化水平，根据高校类型、学科特点、区域差异等动态调整资源投入的总量与投入要素的比例，改变既往由政府直接主导、“以条件定发展”的计划性分配思路，逐渐向政府适度指导、市场参与调节、“以需求定发展”的竞争性配置思路转变[34]。

2.优化对高等教育资源使用效果的评价方式，更加科学地发挥学科评估的导向性作用。一方面，教育管理部门要通过革新学科评估理念，进一步完善学科评估的指标体系，鼓励和引导高校重视产出质量，积极履行人才培养与社会服务职能，从而使高校的建设与发展更好地服务于国家和区域经济的发展。另一方面，教育管理部门要秉持“效率优先，兼顾公平”原则，提倡合理竞争，重视对资源使用效率的评价。包括本研究在内，大量的研究证实了学科评估的“指挥棒”作用，可以说，学科评估的评估内容就是高校建设与发展的目标。重视效率评价，其目的不是把工具主义的“效率至上”引入高等教育生产过程，而是要通过适度竞争在全社会形成一种讲求资源使用质量的良性循环机制，最大程度地避免优质资源的闲置或浪费。

（三）研究局限与展望

需要特别说明的是，尽管本文相对客观地呈现了我国高等教育依靠资源投入驱动发展的办学现状，但限于研究样本仅为教育部直属高校理工农医学科，未能涵盖所有学科，与办学实际略有出入，因此研究结论仅供参考。后续研究在保证样本高校可比性的前提下，可在更大范围内选取更多不同类型的高校（学科）加以深化研究。此外，本文重点探究了2008～2017年10年间高校资源投入产出效率的现状与变化趋势，限于研究篇幅，对2017年之后尤其是“双一流”建设提出“以绩效为杠杆”、强调资源动态竞争、重视市场性资源配置等内容未进行系统研究，未来可进一步基于客观数据探讨相关政策的实际效应。

参考文献

[1] [美]曼昆.经济学原理[M].梁小民，译.北京：机械工业出版社，2005：177.

[2] 白宗颖.以高校绩效管理推进高等教育治理现代化[J].现代教育管理，2019（07）：42-48.

[3] 陈廷柱，王建华，阎光才，等.面向2035的中国高等教育（笔会）[J].苏州大学学报（教育科学版），2018（01）：1-22.

[4] World Economic Forum.The Global Competitiveness Report2011-2012[R].2011：5-16.

[5] Charnes A.，Cooper W.W.，& Rhodes E.Measuring the Efficiency of Decision Making Units[J].European Journal of Operational Research，1978（06）：429-444.

[6] Giovanni A.，Ciriaco A.D.，& Fabio P.The Measurement of Italian Universities'Research Productivity bya Nonparametric-bibliometric Methodology [J].Scientometric，2008（76）：225-244.

[7] Johnes J.& Li Y. Measuring the Research Per-formance of Chinese Higher Education Institutions Using Data Envelopment analysis[J].China Economic Review，2008（19）：679-696．

[8] 梁文艳，袁玉芝，胡咏梅.研究型大学自然科学学科科研生产效率测算及影响因素分析——基于DEA-Tobit两阶段模型[J].国家教育行政学院学报，2014（10）.

[9] 胡咏梅，范文凤.“211工程”高校科研生产效率评估：基于DEA方法的经验研究[J].重庆高教研究，2014（03）.

[10] 周伟，李全生.我国高等学校人才培养效率的动态分析：1999—2006年[J].科学学与科学技术管理，2010（01）：195-199.

[11] 王燕，吴蒙，李想.我国高校人才培养、科学研究与社会服务效率研究——基于超效率的三阶段DEA模型[J].教育發展研究，2016（01）：39-47.

[12] 罗杭，郭珍.2012年中国“985”大学效率评价——基于DEA-Tobit模型的教学-科研效率评价与结构-环境影响分析[J].高等教育研究，2014（12）：35-45.

[13] 易明，彭甲超，张尧.中国高等教育投入产出效率的综合评价——基于Window-Malmquist指数法[J].中国管理科学，2019（12）：32-42.

[14] 李红宇，曾孟夏，吕艳.高等教育资源利用效率与高校“985工程”实施绩效分析[J].中国高教研究，2014（05）：38-43.

[15] 王贺封，石忆邵，尹昌应.基于DEA模型和Malmquist生产率指数的上海市开发区用地效率及其变化[J].地理研究，2014（09）：1636-1646.

[16] 张明龙.我国金融支持科技创新的效率评价——基于超效率DEA与Malmquist指数方法[J].金融发展研究，2015（06）：18-25.

[17] 崔海洋，卓雯君，虞虎，刘青青，邓洪波.规模报酬递增还是技术创新主导？——基于贵州省旅游效率的实证研究[J].生态经济，2022（06）：137-144.

[18] 贾永堂，董洁.DEA视角下学术研究绩效评价分析[J].山东社会科学，2017（05）：173-177.

[19] 古川.“一流学科”建设背景下农林类高校科研效率的动态变化及差异比较——基于EBM和Metafrontier-Malmquist模型的分析[J].系统工程，2017（12）：105-112.

[20] 中华人民共和国教育部.教育部2002年工作要点[EB/OL].（2004-08-28）[2023-04-06].http：//www.moe.gov.cn/jyb_sjzl/moe_164/201002/t20100220_1518.html.

[21] 中华人民共和国教育部.国务院批转教育部国家教育事业发展“十一五”规划纲要的通知[EB/OL].（2007-05-18）[2023-04-06].http：//www.moe.gov.cn/jyb_xxgk/gk_gbgg/moe_0/moe_1443/moe_1581/tnull_25269.html.

[22] Andersen P.，Petersen N.C.A Procedure for Ranking Efficient Units in Data Envelopment Analysis[J]. Management Science，1993（10）：1261-1264.

[23] Malmquist S.Index Numbers and Indifference Curves[J].Trabajos de Estatistica，1953（04）：209-242.

[24] Caves D.W.，Christensen L.R.，& Diewert W.J.The Economic Theory of Index Numbers and Measurement of Input，Output and Productivity[J]. Econometrics，1982（50）：1393-1414.

[25] Fare R.，Grosskopf S.，& Lovell C.A.K.Productivity Change in Swedish Pharmacies 1980-1989：A Nonparametric Malmquist Approach[J].Journal of Productivity Analysis，1992（03）：85-101.

[26] 姚林修.北京市属高校投入产出效率与竞争力评价[D].北京：中国矿业大学（北京）学位论文，2011：100-102.

[27] 中华人民共和国教育部.国家中长期教育改革和发展规划纲要（2010-2020年）[EB/OL].（2010-07-29）[2022-07-03].http：//www.moe.gov.cn/srcsite/A01/s7048/201007/t20100729_171904.html.

[28] 中华人民共和国教育部.统筹推进世界一流大学和一流学科建设总体方案[EB/OL].（2015-10-24）[2022-07-03].http：//www.moe.gov.cn/jyb_xxgk/moe_1777/moe_1778/201511/t20151105_217823.html.

[29] 申红芳，廖西元，胡慧英.农业科研机构科技产出绩效评价及其影响因素分析[J].科研管理，2010（06）：126-135，150.

[30] 蒋玉成，刘思源，洪玉管.工业劳动生产率增长视角下高等教育资源配置效率地区差距研究[J].教育发展研究，2020（11）：76-84.

[31] 張杰，宣璐.中国的产业政策：站在何处？走向何方？[J].探索与争鸣，2016（11）：97-103.

[32] 中华人民共和国教育部.统筹推进世界一流大学和一流学科建设实施办法（暂行）[EB/OL].（2017-01-25）[2022-07-03].http：//www.moe.gov.cn/srcsite/A22/moe_843/201701/t20170125_295701.html.

[33] 别敦荣.论高等教育内涵式发展[J].中国高教研究，2018（06）：6-14.

[34] 朱玉成.政府职能转变视角下的高等教育供给侧改革[J].高等教育研究，2016（08）：16-21.

Research on Comprehensive Evaluation of Resource Input-Output Efficiency of Universities Directly Under the Ministry of Education in China： Calculation based on Super-efficiency DEA Model and Malmquist Productivity Index

BAO Shui-mei  HUANG Yao-yao PENG Wan-ying

Abstract： This paper uses the super-efficiency DEA model and the Malmquist productivity index to comprehensively evaluate the resource input-output efficiency of 58 colleges and universities directly under the Ministry of Education in China from 2008 to 2017. The results are as follows： （1） The overall level of output efficiency has a large room for improvement， and the resource allocation and management level is relatively high， but the production scale is far from reaching the optimal level， and expaning resource investment can effectively improve their school-running benefits. （2）The contribution of the quality output efficiency to the overall efficiency is smaller than that of the quantity output efficiency. The changing trend of the contribution of the two types of efficiency to the overall efficiency during the survey period confirms the baton effect of discipline evaluation. （3） Regarding average efficiency and contribution to overall efficiency， the three functions of universities directly under the Ministry of Education are ranked in the order of scientific research， talent cultivation， and social service. From the trend of change， the contribution of scientific research efficiency to the overall efficiency shows a downward trend， while the contribution of talent training efficiency and social service efficiency to the overall efficiency shows an upward trend. （4） The fundamental reason for universities positive growth of resource input and output efficiency during the inspection period is the improvement of scale efficiency. At the same time， the technological progress index has a negative impact on the positive growth， and the pure technical efficiency does not change during the survey period. The cyclical trend of the technological progress index further confirms the uncoordinated relationship between the input mode and development mode of higher education resources in China.

Key words： higher education; resource; efficiency; super-efficient DEA; Malmquist productivity index; discipline evaluation

（责任编辑  陈剑光）