高等职业教育资源配置效率的非参数统计研究

杨远志, 黄焕宗

( 黎明职业大学, 福建 泉州 362000 )

0 引言

2021年中共中央办公厅和国务院办公厅发布的《关于推动现代职业教育高质量发展的意见》指出,完善职业教育督导评估办法和做好高等职业学校适应社会需求能力评估是深化教育教学改革的重要举措[1].教育资源投入产出效率评价作为综合评估学校办学绩效的重要方法之一,目前已有学者对其进行了较多研究.相关研究主要包括:①宏观层面的财政资金投入产出效率的测度研究,如文献[2-3];②综合角度的资源投入产出效率分析,如文献[4-5];③院校层面的资源投入产出效率评估,如文献[6-8].在上述研究中,由于学者们大多是使用单一的数据包络分析方法对评价决策单元的静态效率进行研究的,因而缺乏对评价单元动态效率的测度和对动态效率组成要素的分解研究.基于此,本文运用主成分分析法和BCC模型构建了一个涵盖实物资源和数字资源等投入指标以及人才培养和区域服务等产出指标的区域高职教育办学资源投入产出指标体系,并以此综合评估了福建省高职教育的办学绩效,以为推动高职教育的改革和发展提供参考.

1 研究设计

1.1 方法与模型

1.1.1主成分分析法

主成分分析法 (principal component analysis,PCA)是一种多变量降维分析方法.由于该方法可有效通过减少分析指标数量来降低分析对象的复杂度,因此目前被广泛应用在区域经济发展评价和教育发展评价等领域[9].基于此,本文利用PCA方法对福建省高职院校的投入和产出指标进行了降维处理,以达到缩减指标数量的目的.

1.1.2BCC模型

BCC模型是基于规模报酬可变思想的一种数据包络分析模型(data envelopment analysis,DEA).因该模型不会受到规模报酬变动的影响,且能够有效衡量纯技术效率和规模效率,因此常被用于规模报酬可变前提下的决策单元的投入产出效率评价.BCC模型的表达式为:

1.1.3Malmquist模型

Malmquist模型是一种投入产出动态效率评价模型,目前常被常用于动态分析不同年份的决策单元效率.Malmquist模型的表达式为:

EC×TC=(PEC×SEC)×TC.

式中:xt和yt分别代表第t期的投入指标和产出指标;xt+1和yt+1分别代表第t+1期的投入指标和产出指标;M表示全要素生产率指数,M值大于1时表示决策单元的全要素生产率从t期到t+1期为增长趋势,等于1时表示不变,小于1时表示下降趋势.全要素生产率指数可以分解为技术变化效率(EC)和技术改进效率(TC)两部分,其中技术变化效率可再分解为纯技术效率(PEC)和规模效率(SEC).纯技术效率和规模效率反映的是决策单元从t期到t+1期时的产出最大化和产出等比例提升的情况;技术改进效率反映的是决策单元的技术创新能力,即资源配置能力的提升潜能.

1.2 指标与数据

1.2.1指标体系

本文从人才、财力和物力等3个方面的投入情况来构建高职教育资源投入指标体系.参考文献[2-8]关于教育投入产出效率测度指标体系的构建方法,以及考虑到高职教育资源需求的特殊性,本文用基础资源、实践教学资源和信息化资源3个指标来表示投入资源,用社会服务、国际合作和人才培养3个指标来衡量职业教育资源投入的产出效率.基于数据的可获得性、科学性和适用性,本文构建的高职教育资源投入效率评价指标体系如表1所示.

1.2.2数据来源与说明

本研究以福建省的数据为例.数据分为两大类:第一类是测度福建省高职教育资源投入整体效率的宏观数据,数据来源于《福建省高等职业教育质量年度报告》(2016—2022);第二类是评估福建省“双高计划”建设高职院校资源投入绩效的院校数据,数据来源于各相关院校的历年质量年度报告和院校的校园网.其中个别数据因无法获取,本文采用插值拟合等数据处理方法对其进行了补充.

2 实证研究

2.1 基于BCC模型的高职教育资源投入整体效率研究

为判定表1各指标之间是否存在信息重叠,分别对投入与产出指标进行Pearson相关系数计算,结果如表2和表3所示.由表2和表3可以看出,投入与产出指标之间均存在一定程度的信息重叠现象;因此,本文采用主成分分析法分别对投入和产出指标进行主成分提取.主成分分析采用统计软件IBMSPSS 22.0进行计算,由此得到的成分得分系数矩阵见表4.经计算显示,投入指标的前2个主成分的累计方差贡献率为84.958%,因此可将这2个主成分作为投入因素(分别命名为实物资源因素和数字资源因素);产出指标的前2个主成分的累计方差贡献率为82.931%,因此可将这2个主成分作为产出因素(分别命名为人才培养因素和区域服务因素).

表3 产出指标的Pearson相关系数

表4 投入和产出指标成分得分系数矩阵

为计算福建省不同年份高职教育资源投入与产出的相对差异,本文对原始投入产出指标进行了无量纲化处理,并将其与主成分得分系数矩阵进行了线性组合计算,由此得到的高职教育投入和产出总得分的变化情况见图1.由图1可见,2015—2021年福建省高职教育的资源投入得分与产出得分之间整体呈同向变化趋势,其中2019年之后的产出得分出现了一定程度的放缓迹象.

图1 2015—2021年福建省高职教育投入和产出总得分的变化情况

由图1可知,大多数年份内产出的得分明显低于投入得分.为分析该原因,本文对投入产出效率进行了分解,即将综合效率表示为纯技术效率与规模效率的乘积.各效率值为1表示资源使用效率达到最优.表5为运用BCC模型对2015—2021年福建省高职教育的投入得分和产出得分进行效率分析所得到的结果.由表5可以看出:2015、2016和2021年的各效率值均为1,表明福建省职业教育资源使用效率在这3年里达到最优;2017—2020年的各效率值均小于1(除2019年的纯技术效率),这表明福建省职业教育资源使用效率在这4年里未能与资源投入水平等比例增长,因此规模收益表现为递减.

表5 2015—2021年福建省高职教育的整体效率

2.2 基于Malmquist模型的高职教育资源投入的动态效率

为从微观层面分析表3中出现的投入产出综合效率降低和规模收益递减的现象,本文对福建省17所高职院校(这些高职院校均为福建省入选国家“双高计划”的建设院校或福建省“双高计划”立项建设的高职院校,并分别命名为DMU1-DMU17)的投入产出动态效率进行了分析.

2.2.1高职院校资源配置的Malmquist指数变化情况

图2为运用DEAP2.0统计分析软件计算得到的2015—2021年福建省上述17所高职院校资源投入全要素生产率的变动情况.由图2可以看出,17所高职院校的全要素生产率指数均值偏低,且波动较大.这表明,这些学校在2015—2021年间总体上处于生产效率提升阶段.

图2 2015—2021年福建省17所高职院校的资源投入全要素生产率的变化情况

2.2.2高职院校资源配置的Malmquist指数分解

表6为运用Malmquist模型计算所得的2015—2021年福建省高职教育资源投入动态效率的变动情况(以两年为一个周期计算).由表6中的纯技术效率和纯技术效率均值的变动情况可以看出:纯技术效率呈小幅度波动的上升趋势,其均值从2015—2017年间的0.988上升到2019—2021年间的1.079;纯技术效率均值为1,表明福建省高职教育在2015—2021年间的资源配置效率处于不变状态,即纯技术效率未能与资源投入水平同步增长.

表6 2015—2021年福建省高职院校资源投入的效率变化情况

由表6中的规模效率的变动情况可以看出,2015—2021年17所高职院校的规模效率的均值呈小幅上升趋势(规模增加所带来的规模效益改善值为1.5%),但该均值的增长幅度远小于同期资源投入的增幅.在17所高职院校中,有5所学校的规模效率小于1(最低为0.983),说明这些学校的产出数量未能与投入数量同比例增加.

由表6中的技术改进效率的变动情况可以看出,2015—2021年间福建省17所高职院校的技术改进效率值出现了明显的降低趋势,即从2015—2017年间的1.260降到2019—2021年间的1.081.其中值得注意的是,技术改进效率的校际差异呈现了扩大趋势,说明各院校发展能力的不均衡现象在增加.

为进一步明确17所院校的技术效率变化情况,基于纯技术效率和技术改进效率值(均值点坐标(1.21,1))绘制了福建省17所高职院校的技术效率散点图(见图3),并根据各院校的纯技术效率值和技术改进效率值将这些院校分别划分为“高纯技术效率-高技术改进效率”型、“低纯技术效率-高技术改进效率”型、“低纯技术效率-低技术改进效率”型和“高纯技术效率-低技术改进效率”型4种技术效率类型.由图3可以看出:纯技术效率值和技术改进效率值都大于均值的学校为DMU4、DMU10和DMU11(处于第一象限),表明这些学校在资源配置效率和资源配置能力方面都处于相对领先水平;纯技术效率值小于均值、技术改进效率值大于均值的学校为DMU7和DMU12(处于第二象限),表明这两所学校的资源配置效率有待提升;纯技术效率值和技术改进效率值都小于均值的学校为DMU3、DMU13、DMU15和DMU6(处于第三象限),表明这些学校在资源配置能力和资源配置效率方面都需要进一步提高;纯技术效率值大于均值、技术改进效率值小于均值的学校为DMU1、DMU2、DMU5、DMU8、DMU9、DMU14、DMU16和DMU17(处于第四象限),表明这些学校的资源配置能力需要进一步提高.

图3 福建省“双高计划”建设高职院校的技术效率散点图

3 结论

本研究运用将主成分分析和BCC模型相结合的综合评价方法分析了2015—2021年福建省高职教育资源投入的整体效率,并在此基础上运用Malmquist模型对福建省17所“双高计划”建设高职院校的资源投入效率进行了指数三分法分析.研究表明,2015—2021年福建省高职教育资源配置的规模收益呈下降趋势,但教育资源的纯技术效率、规模效率和技术改进效率呈波动上升趋势.另外,高职院校的资源配置还存在明显的不均衡现象.该研究结果可为提高高职教育的资源配置效率提供参考.