我国高等职业教育财政投入效率评价

匡小平 李辉

作者简介

匡小平（1962- ），男，江西财经大学财税与公共管理学院二级教授，博士生导师，研究方向：财税理论与政策，公共经济与管理（南昌，330013）；李辉（1978- ），男，江西财经大学财税与公共管理学院副教授，博士研究生，研究方向：财税理论与政策，职业教育

基金项目

教育部人文社会科学规划基金项目“‘伊斯特林悖论的统计本质及其破解的理论与实证研究”（21YJAZH127），主持人：周伟

摘 要 我国高等职业教育已进入高质量发展的新时期，其基本要求是实现财政投入的高效率。依据2013-2020年我国高职教育省级面板数据，运用DEA-BCC模型和Malmquist指数三分法对我国高职教育财政性教育经费投入效率进行评价发现，绝大部分省（市）高职教育财政投入处于DEA无效状态，高职教育财政投入全要素生产率效率退步主要是因为技术进步效率下降所致。评价结果表明，我国高职教育目前还处于粗放型发展阶段，离高质量要求还有较大差距。提高财政投入绩效水平，改革高职教育结构体系，提高人才培养质量，培育高水平技能型人才，服务于社会全方位高质量发展是当前我国高职教育改革发展的方向。

关键词 高职教育；财政投入效率；DEA-BCC；Malmquist指数

中图分类号 G718.5 文献标识码 A 文章编号 1008-3219（2024）07-0050-08

一、问题的提出

作为国民教育体系的重要组成部分，职业教育在推动中国式现代化进程中占据基础性地位[1]。2022年5月1日，新修订的《中华人民共和国职业教育法》正式颁布实施。该法在中国教育发展史上具有里程碑式的意义，在法律层面给予职业教育与普通教育“同等重要”的地位，职业教育不再是国家教育体系中从属于普通教育的层次教育，而是具有相对独立性的教育体系[2]。该法的颁布同时兼具深层次的社会意义，必将深化社会对职业教育的认知，助推职业教育高质量发展，助力技能型社会和人力资源强国建设。2020年9月，教育部等九部委联合印发的《职业教育提质培优行动计划（2020—2023年）》（教职成[2020]7号）明确指出高职教育是培养大国工匠、能工巧匠和优化高等教育结构的重要途经。由此，不难看出高职教育对于我国社会实现全方位高质量发展的重大意义。2022年6月2日全国总工会“产业工人队伍建设改革五周年”新闻发布会数据显示，截至2021年底，全国技能人才、高技能人才总量分别是2亿人和6000万人，无论是从高技能人才绝对数量还是占比来看，还远远不能满足我国社会全面高质量发展的需要，高职教育距离高质量发展还有较大差距。

教育财政投入或公共投资对经济增长具有促进作用。财政是国家治理的基础与重要支柱，习近平总书记指出，“科学的财税体制是优化资源配置、维护市场统一、促进社会公平、实现国家长治久安的制度保障”。国外相关研究均表明财政教育投入或公共投资对经济增长具有重大促进作用[3][4][5][6]。国内研究方面，从整体上看，银琴（2021）发现高等教育财政投入对我国经济增长具有正向拉动影响[7]；张波等（2021）实证研究表明，财政教育投入对经济增长具有促进作用，对经济增长的冲击存在滞后性[8]。国内地区财政教育投入对经济增长作用的研究也取得了丰富成果，其研究成果均表明，地区财政教育投入能有效促进地方经济发展[7][8][9][10][11][12][13]。但研究也表明，虽然总体上來看，教育财政投入对经济增长质量的影响显著为正，但对经济增长质量效应存在着明显的地区差异[14]。具体到职业教育投入对经济的促进作用，有研究表明，在职业教育中通过针对专业技术的学习，能提高就业能力，并进一步提高经济发展水平[15]。

国外学者在研究教育财政投入效率方面，采用了丰富多样的绩效评估方法，例如，Rassouli-Currier（2007）在确定公共教育生产效率时选用了随机前沿回归（SFR）与数据包络分析（DEA）两种不同的绩效评价方法[16]；Simmons（2006）运用回归分析法对亚洲不同国家高等学校教育财政投入效率进行对比[17]。但具体涉及到职业教育投入效率的文献较少，代表性文献如Abbot等（2003）运用数据包络法，以澳大利亚各职业学校作为决策单元，分析各职业学校的资金使用效率[18]；Poulos（1993）运用收入方程法分析欧洲职业教育公共投入的绩效，研究表明教育具有的外部性对投入绩效影响较大[19]。

我国学者主要利用DEA方法对教育财政投入效率进行分析。孙琳（2018）的研究表明，中职教育财政预算事业费支出效率普遍偏低，且各省市资金使用效率存在较大差异[20]。罗红云等（2020）运用DEA-Malmquist指数三分法对我国和西北5省职业教育财政投入效率进行评价，分析结果认为我国职业教育仍处于粗放型发展阶段[21][22]。胡芳等（2022）基于DEA-Malmquist和Tobit模型，利用西藏、新疆等8个民族省份2005-2018年的面板数据对我国少数民族省份高等教育财政投入效率进行评价，结果表明投入效率DEA无效，且各省份之间存在较大差距[23]。上述研究为本文的研究打下了良好的基础。

经济高质量发展需要教育的高质量发展，作为中国教育财政投入的重要组成部分——高职教育投入毋庸置疑是我国经济高质量增长的重要因素之一。当前，在教育财政投入增长有限的情况下，高职教育高质量发展必须依赖于财政投入的高效利用。那么，我国目前高职教育财政投入效率如何？本文运用DEA-BCC模型和Malmquist指数三分法，对我国高职教育财政投入效率进行测评，以期为政府优化高职教育财政投入，促进高职教育高质量发展提供借鉴。

二、研究方法与指标构建

（一）研究方法

1.DEA简介

数据包络分析（DEA）是目前使用较广、较为成熟的一种效率评价方法，可以用于综合评价具有单个或多个投入、多个产出的一组决策单元之间的相对效率，其目标是从技术经济角度寻求在既定产出下投入最小化或在既定投入下产出最大化。DEA的基本模型包括CCR和BCC模型。CCR模型是基于規模收益不变的假设提出的，常用来评价决策单元的整体效率。BCC效率评估模型是基于规模收益可变的假设提出的，通过BCC模型，不仅可以判断决策单元（DMU）的规模报酬情况，还可以判断其综合效率的高低[24]。

本文采用Banker等（1984）提出的规模报酬可变，产出导向型的DEA-BCC模型来评估高职教育财政投入效率。首先，相较于对高职教育产出成果和质量的控制，该模型对高职教育财政投入的控制更加灵活；其次，该模型对评估对象规模没有硬性限制，比较符合研究实际。假设作为决策单元（DMUj）的中国省级行政单位m个，对于任意DMUj（j=1，2，…，n）使用m个投入值xij（i=1，2，…，m）得到s个产出值yrj（r=1，2，…，s），ε为非阿基米德无穷小量，θ为各地市的相对效率，而T0为DMUj投入指标中最易减少的比例，λj为权重系数，s+和s-分别为产出不足和投入冗余。DEA-BCC模型非线性规划的最优化目标和约束条件为：

minθ=[θ0-ε（S+r+S-i）]

s.t.λixij+S-i =θ0x0

λjyrj-S+i =yr0

λj=1

λj>0，S+i ≥0，S-i ≥0，i=1，2，…，m

j=1，2，…，n；r=1，2，…，s

利用求解得到的最优解，即可将综合效率CRS_TE分解为纯技术效率VRS_TE和规模效率SCALE，CRS_TE= VRS_TE*SCALE。

2.Malmquist指数

Malmquist指数也被称为全要素生产率指数（tfpch），是基于DEA模型的一种动态效率分析方法。根据Malmquist指数评价效率的基本原理，当指数值>1时说明tfpch呈增长趋势，当指数值 <1时呈下降趋势，当指数值=1时表示效率没有变化。该指数可以进一步分解为技术进步效率指数（techch）、纯技术效率变化指数（pech）和规模效率变化指数（sech）。pech>1时表示资源投入技术运用水平提高，资源配置效率改善，<1时则表示退步；sech>1时表示投入产出要素合理分配程度得到改善，规模优化，<1时则表示退化；techch表示技术进步变化，>1时表示存在潜在技术进步，<1时则表示技术退步。

（二）指标构建

1.投入、产出变量

高职教育投入、产出变量按照变量属性可划分为宏观变量和微观变量。宏观变量主要用来分析全国或地区高职教育财政投入和产出效率，例如，各省市高职教育财政投入、高职院校数量、教师数量和学生规模等；微观变量主要用来分析具体高职院校教育投入和产出效率，例如，某个高职院校2020年教育经费收入、教师数量、在校学生规模、教师教学科研成果数量、学生竞赛获奖数量和毕业生初次就业率等。为保证计量结果的准确性，本文采用的是宏观+微观变量分析方法。

依据2021年中共中央办公厅、国务院办公厅印发的《关于推动现代职业教育高质量发展的意见》，职业教育高质量发展的阶段总目标是“到2025年，职业教育类型特色更加鲜明，现代职业教育体系基本建成，技能型社会建设全面推进。办学格局更加优化，办学条件大幅改善，职业本科教育招生规模不低于高等职业教育招生规模的10%，职业教育吸引力和培养质量显著提高”。从以上目标表述中不难发现，作为职业教育体系主体组成部分的高职教育，办学条件的大幅改善、办学规模和培养质量的显著提高是高职教育高质量发展的必备要素。基于此，借鉴罗红云（2020）的研究方法，在高职院校教育经费投入、产出效率变量选取方法上，本文以我国31 省（市）作为决策单元，选取各省（市）历年高职院校财政投入作为投入变量（一般来说，投入可以分为人力、物力、财力三大类，但终究可以归结为财力投入），以当年高职院校数量（办学条件）、高职院校专业教师数量（师资力量）、在校学生数量（办学规模）、毕业生就业率（培养质量1）、毕业生人数（培养质量2）和国家级以上奖项数量（培养质量3）作为产出变量，见表1。

表1 高职教育财政投入—产出效率评价指标

指标 分指标 分指标内涵

投入 财政性教育经费投入（元） 高职教育公共财政支出规模

产出 高职院校数量（所） 高职教育整体办学条件

高职院校专业教师数量（人） 高职教育师资力量

高职院校在校生数量（人）

毕业生就业率（%）

毕业生人数（人）

国家级以上奖项数量（项）

高职教育办学规模

培养质量1：各省高职院校当年毕业生初次平均就业率

培养质量2：各省高职院校当年毕业生人数

培养质量3：各省高职院校当年国家级奖励数量/学生数量（万人）

2. 数据来源

产出变量—高职院校数量、在校生规模和毕业生数量数据来源于教育部网站“2013-2020年教育统计数据—各地基本情况”和教育发展统计公报。由于2013年以前年份，统计数据未单独列明高职院校在校生规模（和普通高等院校在校生规模一起计列），高职院校单独列明数据只有院校数量，且最新数据截至2020年，因此本文采用的变量数据截取的年限为2013-2020年。关于产出变量—高职院校教师数量，历年教育统计数据、公报和教育统计年鉴均未单独列明各省市高职院校教师数量，和普通高等教育院校教师数量一起计列。因此，2013-2020年期间各省（市）高职院校教师数量由该省市高职院校师生比、在校生规模测算得出，计算公式为：各院校教师数量=该校在校生规模/师生比。各地区高职院校当年毕业生就业率数据来源于教育部网站历年统计报告。各地区高职院校历年国家级以上奖项数量数据由各地教育厅及各院校网站数据汇总得出。关于投入变量—高职院校财政性教育经费投入数据来源于2013-2020年期间历年《中国教育经费统计年鉴》。

三、我国高职教育财政投入概况和效率评价

（一）高职教育财政投入概况

整体来看，目前我国高职教育经费来源形式单一，主要依赖财政投入及学费收入。以2020年为例，全国高职高专院校教育经费收入总额为2404.1亿元。其中，财政投入为1592.56亿元，占收入总额的66.24%；事业收入730.50亿元，占比30.39%，其中583.6亿元为学费收入 。

按地区来看，各地高职院校对财政投入依赖程度和地区经济发展水平有关。同样以2020年为例，全国31个省（市）中，高职院校财政收入占其总收入比重在50%～60%之间的省（市）有5个，60%～70%有14个，70%～80%有9个，80%～90%之间有3个，其中，重庆市最低，为50.48%，青海省最高，为88.46%，这说明部分省（市）较好地实现了高职教育经费来源的多样化，而绝大多数省（市）高职院校高度依赖财政投入。如果按照2020年GDP排名，把31省市分为3组，即第一组为排名1～10名的省市，第二组为11～21名省市，第三组为22～31名省（市），三组地区高职院校财政性教育经费投入占总收入比重分别为63.29%、67.8%、73.56%，这表明各地区高职院校对财政投入的依赖程度与本地区的经济发展程度有关，但总体上都较为依赖财政投入。

图2 2020年31省市（按GDP排名）高职院校财政性教育经费收入占其总收入比重

自“十二五”规划出台以后，国家持续加大了对职业教育，特别是高职教育的投入。统计数据表明，排除物价上涨因素，公共财政预算高职院校生均教育经费从2010年的11908.69元增长到2021年的15536.80元，增幅达30.47%。毕业生规模也从2013年的3240024人增长到2020年的4097688人，增幅达26.47%。从财政投入的绝对规模来看，从2013年的831.92亿元增长到2020年1592.56亿元，增幅达91.47%。从高职教育经费占当年高等学校教育经费百分比来看，总体保持稳定，2013年占比为18.90%，2020年为18.24%。见图3。

图3 2013-2020年高职院校财政投入概况

（二）2020年31省（市）高职教育财政投入—产出静态效率分析

基于2020年全国31省（市）高职院校财政投入面板数据，本研究利用DEAP2.1软件对高职教育财政投入—产出效率进行测算，结果见表2。总体而言，综合技术效率、纯技术效率和规模效率平均值分别为0.759、0.792和0.96，均小于1，未达到效率前沿面。

表2 2020年全国31省（市）高职教育财政投入—产出效率

省（市） crste vrste scale 规模

报酬 省（市） crste vrste scale 规模

報酬

广东 1 1 1 - 辽宁 0.756 0.756 0.999 irs

江苏 1 1 1 - 福建 0.691 0.696 0.992 drs

浙江 1 1 1 - 北京 0.689 0.691 0.998 irs

海南 1 1 1 - 上海 0.687 1 0.687 irs

云南 0.955 0.955 1 - 四川 0.684 0.789 0.867 drs

河南 0.931 0.959 0.972 irs 重庆 0.679 0.679 0.999 irs

吉林 0.913 0.918 0.995 irs 宁夏 0.648 0.653 0.992 irs

黑龙江 0.895 0.896 0.999 drs 湖南 0.622 0.743 0.837 drs

江西 0.886 0.886 1 - 天津 0.613 0.618 0.992 drs

山东 0.846 0.846 1 - 内蒙古 0.607 0.610 0.995 irs

陕西 0.845 0.847 0.998 irs 贵州 0.568 0.568 1 -

山西 0.844 0.846 0.998 drs 青海 0.532 0.585 0.909 irs

安徽 0.796 1 0.796 drs 新疆 0.524 0.528 0.994 irs

河北 0.787 0.787 1 - 甘肃 0.502 0.679 0.740 drs

广西 0.787 0.788 0.999 irs 西藏 0.463 0.464 0.999 -

湖北 0.770 0.771 1 - 均值mean 0.759 0.792 0.960

注：综合技术效率crste；纯技术效率vrste；规模效率scale。

1．综合技术效率

从综合技术效率来看，广东、江苏、浙江、海南4省在2020年全国31省（市）中处于DEA有效水平，其余27省（市）均处于DEA无效水平。16省（市）处于均值（0.759）以上，15省（市）处于均值以下，其中得分最低，即效率水平最低的四省（市）分别为青海、甘肃、新疆、西藏。以上分析说明，我国高职教育发展水平离高质量发展要求还有较大差距，且呈现明显的地区差异，东部地区明显高于西部地区。

2．纯技术效率

从纯技术效率来看，达到DEA有效水平的除了广东、江苏、浙江、海南4省，还增加了安徽、上海2省（市），表明在现有技术水平下，该6省（市）的教育资源配置是有效率的。其余25省（市）均处于DEA无效状态，表明这25省（市）高职教育资源配置效率未得到充分利用。说明我国绝大部分省份高职院校要在发展内涵、提高管理水平上下功夫，以使有限的教育资源得到充分利用。

3．規模效率

从规模效率来看，广东、江苏、浙江、海南、云南、江西、山东、河北、湖北、贵州10省在2020年实现规模效率有效或处于规模报酬DEA不变状态，说明这些省（市）高职教育财政投入已实现最优规模。剩余21省（市）均处于规模效率DEA无效状态，其中黑龙江、山西、安徽、福建、四川、湖南、天津、甘肃处于规模报酬递减状态，说明这8省（市）高职教育财政投入存在规模过度现象；河南、吉林、陕西、广西、辽宁、北京、上海、宁夏、重庆、新疆、青海、内蒙古12省（市）处于规模报酬递增状态，说明这些省（市）高职教育财政投入规模不足，需要持续加大投入规模。总体来看，随着国家对高职教育重视程度的逐步提高，对其财政投入也在逐步加大。从以上分析可以看出，31省（市）中有19省（市）达到规模报酬不变或递减状态，占比达61.3%；处于规模报酬递增状态需持续加大投入的有12省（市），只占38.7%，说明这些年国家高职教育财政投入整体上卓有成效。

（三）2013-2020年31省（市）高职教育财政投入—产出动态效率分析

表3展示了2013-2020年31省（市）高职教育财政投入全要素生产率、技术效率指数、技术进步效率指数，规模效率变化指数的动态变化。结果显示，在这8年的时间跨度内，全国高职教育财政投入的平均全要素生产率（TFP）为0.96，小于1，生产率处于下降状态，这表明高职教育财政投入绩效在2013-2020年整体呈现下降趋势。其中，2015-2019年间全要素生产率波动较大，2015-2016年最低，这是因为在2016年全国不少省（市）高职院校出现了招生危机，甚至出现了“零投档”现象。招生危机实质上就是生存危机，学生数量的减少也就意味着财政性教育经费收入的减少，这导致了一些地方高职院校不得不关停或合并。进一步分析可知，技术进步效率退步是造成2013-2020年我国高职教育财政投入全要素生产率水平下降的主要原因，但同时由于纯技术效率得到提升，规模效率指数和综合技术效率指数处于DEA有效状态，使得因为技术进步效率退步而导致的全要素生产率指数下降的态势得到遏制，并有所上升。从长期来看，我国高职教育财政投入全要素生产率指数不断得到改善。上述结果表明，2013-2020年间，我国高职教育财政投入的技术效率水平得到提高，资源配置效率持续得到有效改善，投入规模不断得到优化。技术进步效率的退化，说明我国目前高职教育发展粗放型特征明显，需要把着力点放在发展内涵、提高质量上。

（四）分区域动态效率分析

根据国务院办公厅2019年印发的《教育领域中央与地方财政事权和支出责任划分改革方案》，由中央和地方财政按比例共同承担相关领域教育经费支出，由于各省（市）的经济发展有所差异，各地高职教育财政投入存在较为明显的差别。为了解经济发达省份和欠发达省份之间我国高职教育财政投入全要素生产率指数的差异，本研究按2013-2020年各省GDP几何平均数，将31省（市）分为3组，即1～10、11～20、21～31各为一组，为后面叙述方便起见，称3组分别为高收入组、中收入组和低收入组。从表4结果来看，2013-2020年间，高收入组、中收入组、低收入组高职教育财政投入全要素生产率指数、技术进步指数以及技术效率指数变动方向、变动幅度基本趋向一致。

表4 分区域高职教育财政投入—产出效率年度Malmquist指数分解结果

年份 2013-2014 2014-2015 2015-2016 2016-2017 2017-2018 2018-2019 2019-2020 均值

排名

1～10

地区 effch 1.060 0.941 1.061 0.918 1.062 1.129 1.027 1.026

techch 0.922 1.009 0.849 1.069 0.860 0.898 0.943 0.933

pech 1.144 0.988 1.040 0.929 1.014 1.062 0.994 1.023

sech 0.927 0.952 1.020 0.987 1.047 1.063 1.033 1.003

tfpch 0.977 0.949 0.901 0.981 0.913 1.014 0.968 0.957

排名

11～20

地区 effch 1.081 0.980 1.011 0.998 1.039 1.022 0.979 1.015

techch 1.010 1.070 0.842 0.969 0.937 0.933 1.041 0.969

pech 0.970 0.939 1.055 0.964 1.055 1.018 0.973 0.995

sech 1.115 1.044 0.958 1.035 0.985 1.004 1.006 1.020

tfpch 1.092 1.049 0.851 0.967 0.973 0.954 1.019 0.984

排名

21～31

地区 effch 0.953 0.925 0.931 1.056 0.985 0.921 1.113 0.981

techch 0.981 1.104 0.974 0.933 0.925 0.934 0.878 0.959

pech 1.014 0.925 0.958 1.016 0.983 1.041 0.988 0.989

sech 0.940 1 0.972 1.039 1.002 0.885 1.127 0.993

tfpch 0.934 1.021 0.907 0.985 0.912 0.860 0.977 0.941

注：技术效率变化指数effch；技术进步指数techch；纯技术效率指数pech；规模效率变化指数sech；全要素生产率指数tfpch。

从均值来看，中收入组全要素生产率变化指数最高（0.984），其次是高收入组（0.957），低收入组最低（0.941），但总体相差不大，说明我国高职教育发展水平总体比较平均。高收入组在技术效率变化指数、纯技术变化效率和规模变化效率均保持有效的情况下，全要素生产率指数退化主要受技术进步指数退步所影响，说明高收入组高职教育不是投入的问题，应主要在精准配置教育资源上下功夫，以促进高职教育的高质量发展。中收入组虽然全要素生产率指数最高，但其技术进步指数（0.969）、纯技术变化指数（0.995）均处于无效状态，说明在投入规模既定有效的状态下，中收入组高职教育要把重点放在资源优化配置，提高技术水平上。低收入组所有指数均处于无效状态，表明这些省（市）要继续加大财政投入力度，优化教育资源配置，全面提高办学水平。

总体来说，从上述分析及表5结果可知，高收入省（市）高职教育的财政投入规模、技术、管理水平以及学生培养质量要高于中、低收入省（市）。中、低收入省（市）高职教育水平整体上落后于高收入省（市），仍处于粗放型发展模式。这与2019年10月教育部、财政部发布的《中国特色高水平高职学校和专业建设计划建设单位名单》情况基本相符，197所“双高”建设院校中，高收入省（市）高职院校98所，占比达49.75%；中收入省（市）53所，占比26.9%；低收入省（市）46所，占比23.35%。

表5 区域平均高职教育财政投入－产出效率 Malmquist 指数分解结果

按人均

GDP排名 省（市） effch techch pech    sech tfpch

排名

1～10

地区 北京 1.094 0.905 1.065 1.027 0.990

上海 0.996 0.907 1 0.996 0.903

天津 1.081 0.937 1.075 1.006 1.012

江苏 0.995 0.951 1 0.995 0.946

浙江 1.002 0.948 0.999 1.003 0.950

福建 1 0.916 1 1 0.916

廣东 0.988 0.957 1 0.988 0.945

内蒙古 1.070 0.909 1.056 1.014 0.973

山东 1 0.964 1 1 0.964

重庆 1.039 0.938 1.036 1.003 0.974

均值 1.026 0.933 1.023 1.003 0.957

排名

11～20

地区 湖北 0.992 0.957 0.979 1.013 0.95

辽宁 1.031 0.973 1.011 1.020 1.003

陕西 0.976 0.961 0.977 1 0.939

吉林 1.039 0.981 1.030 1.009 1.020

湖南 0.981 0.972 0.973 1.009 0.954

宁夏 1.093 0.960 1 1.093 1.049

海南 1.072 0.986 1.005 1.066 1.057

河南 1.014 0.963 1 1.014 0.976

新疆 0.978 0.958 0.980 0.997 0.937

安徽 0.982 0.980 1 0.982 0.963

均值 1.015 0.969 0.995 1.020 0.984

排名

21～31

地区 青海 0.914 0.912 0.933 0.980 0.833

四川 0.958 0.974 1 0.958 0.933

河北 0.973 0.971 1 0.973 0.944

江西 1.003 0.975 1.010 0.994 0.978

山西 1.010 0.963 1 1.010 0.973

黑龙江 1.010 0.948 0.988 1.023 0.958

西藏 0.970 0.922 1 0.970 0.894

广西 0.982 0.973 0.991 0.990 0.956

贵州 0.979 0.975 0.973 1.006 0.955

云南 1.059 0.966 1.038 1.021 1.023

甘肃 0.943 0.973 0.947 0.995 0.917

均值 0.981 0.959 0.989 0.993 0.941

注：技术效率变化指数effch；技术进步指数techch；纯技术效率指数pech；规模效率变化指数Sech；全要素生产率指数tfpch。

进一步使用Malmquist变化指数按2013-2020年人均GDP几何平均值对31省（市）的高职教育财政投入－产出效率进行动态测度，见表5。由表5可知，我国高收入、中收入、低收入地区高职教育总体财政投入全要素生产率变化指数、综合技术效率指数、技术进步指数和规模报酬变化指数差异不大，说明在2013-2020年全面高质量发展的趋势下，各地都在落实大力发展高职教育政策，特别是近几年整体趋势向好。但需要指出的是，所有指数中，得分最低的是技术进步效率变化指数，表明目前我国高职教育仍处于粗放型发展阶段。

四、结论与政策建议

（一）基本结论

本研究运用DEA-BCC模型及DEA-Malmquist指数三分法对我国31省（市）2013-2020年高职教育财政投入－产出效率进行评价，结论如下：

第一，静态效率分析显示，2020年全国31省（市）高职教育财政投入DEA无效，未达到效率前沿面。从综合技术效率水平来看，4个省份处于DEA有效水平，其余27省（市）均处于无效水平，说明我国高职教育发展水平离全面高质量发展还有较大差距。各地高职院校要对标高质量发展要求，全面提升自身水平。从纯技术效率来看，达到DEA有效水平的有6个省，其余25省（市）均处于DEA无效状态，表明这25省（市）高职教育资源配置效率未得到充分利用。从规模效率来看，2020年实现规模效率DEA有效，并处于规模报酬不变状态的省（市）有10个，说明这10省（市）高职教育财政投入已处于最优水平。其余21省（市）规模效率均处于DEA无效状态，其中8省（市）高职教育财政投入存在规模过度现象；12省（市）高职教育财政性投入规模不足，需要持續加大投入规模。总的来看，随着国家逐渐加大对高等职业教育的重视，对高职教育的财政投入也在逐步加大，国家高职教育财政性投入整体上卓有成效。

第二，动态效率分析显示，2013-2020年间，全国高职教育财政投入的平均全要素生产率小于1，生产率处于下降状态，这表明高职教育财政投入绩效在2013-2020年表现为整体下降趋势。进一步分析可知，造成全要素生产率水平下降的主要原因是技术进步效率退步所致。但从长期来看，全要素生产率指数呈现不断改善的趋势。结果表明，2013 -2020年间，我国高职教育财政投入的综合技术效率水平得到提高，资源配置效率持续得到有效改善，投入规模不断得到优化。技术进步效率的退化，说明目前我国高职教育发展的粗放型特征明显，需要把着力点放在发展内涵、提高内部管理质量上。

第三，分区域动态效率分析显示，高收入省（市）高职教育财政投入规模、技术、管理水平以及学生培养质量要高于中、低收入省（市），这和“双高”院校建设名单在各省的分布情况相符。中、低收入省（市）高职教育水平整体上落后于高收入省（市），仍处于粗放型发展模式。我国高收入、中收入、低收入地区高职教育总体财政投入全要素生产率变化指数、综合技术效率指数、技术进步指数和规模报酬变化指数差异不大，说明在2013-2020年间全面高质量发展的趋势下，各地都在落实大力发展高等职业教育政策特别是近几年整体趋势向好。

（二）政策建议

进入21世纪以来，特别是党的十八大以来，高职教育相关政策不断出台，全国各地高职教育财政投入不断提高，支出效率不断提高。但总体来说，我国高职教育整体上仍处于以规模扩张为主要特征的粗放型发展状态。因此，提高教育资源配置技术效率，全面提升高等职业教育质量应成为高职教育发展的方向。

第一，针对部分省份规模效率退化状态，应确保高职教育经费随经济发展稳定增长。新修订施行的《中华人民共和国职业教育法》在法律上明确了高职教育和普通高等教育的同等地位，各级地方政府要平等对待所在区域的高职院校和普通高等院校，在财政上加大对高职教育的投入和支持，确保高职教育拨款在整体教育经费中的合理拨付比例，切实担负起政府的主体责任，特别是加大对中、西部不发达地区和民办高职院校的财政投入。

第二，针对整体技术进步效率退步状态，应以绩效管理为导向，提高教育经费使用效率。目前，高职院校教育经费使用的突出问题是资源配置效率不高，技术进步退化明显。各高职院校要将绩效管理理念贯穿教育经费使用全过程，构建以业绩为主导的绩效评价体系，通过绩效评价指标体系建设促进高职教育高效、经济、科学发展。

第三，针对地方财政压力大、教育经费投入有限的情况，应建立以财政投入为主导，资金来源多元化的分担模式。当前，我国高职院校经费收入过度依赖政府财政投入—生均拨款和财政预算投入，这给各级政府财政造成很大压力。中央多次发文要求各地采取积极措施引导社会资本参与职业教育，但效果不尽如人意。为此，要创新制度设计，充分发挥财税、金融政策的杠杆作用，调动社会民间资本参与高职教育的积极性，优化高职教育资金来源结构，减轻地方财政压力，促进我国高职教育高质量可持续发展。

第四，针对目前社会对高职教育持有偏见的意识形态，应以优化教育结构为主线，改革现行的高职教育体系。高职教育改革要持续快速打破专科学历天花板，贯通职业教育学生学历上升通道，持续扩大本科教育，试点研究生教育，唯有如此，才能打破社会对高职教育的固有偏见，使高职教育和普通高等教育居于同等地位，真正促进高职教育在中国的高质量发展。

参 考 文 献

[1]陆宇正.中国式职业教育现代化的逻辑理路、发展图景与实践路径[J].职业技术教育，2023（34）：6-13.

[2]宫珮珊.习近平关于职业教育重要论述的理论内涵和时代特征[J].学校党建与思想教育，2022（19）：82-85.

[3]David P. Norton，Robert S. Kaplan. Public investment and economic growth[J].Federal Reserve Bank of Richmond Economic Quarterly， 1992（7）：47-51.

[4]Hall， Jones. Performance mearsurement of supply chain management using the Analytical hierachy process[J].1998（8）：37-39.

[5]Jorgenson， Fraumeni. A model of grow through creative destruction[J].Econometrica， 1992（3）：26-31.

[6]Gemmel. Income inequality，Education Expenditure and Growth[J].Development Economics， 2000（63）：57-61.

[7]銀琴.中国高等教育财政支出对经济增长的影响研究[D].昆明：云南财经大学，2021.

[8]张波，张放平.财政教育支出与经济增长关系的实证[J].统计与决策，2021（2）：112-115.

[9]何颖.黑龙江省财政教育支出与经济增长关系的实证研究[D].哈尔滨：哈尔滨工业大学，2021.

[10]胡小梅，芦婷.广西财政教育支出影响经济增长的实证分析[J].财政监督，2019（6）：93-98.

[11]栾天航.吉林省财政性教育支出对经济增长影响的研究[D].长春：吉林财经大学，2020.

[12]辛倩.宁夏财政支出结构的分析及其对经济增长影响的研究[J].广西质量监督导报，2019（3）：56-57.

[13]朱健，刘艺晴，陈盼.湖南省教育财政支出对经济增长的影响研究[J].当代教育论坛，2020（1）：27-35.

[14]詹新宇，刘文彬.中国财政性教育支出的经济增长质量效应研究——基于“五大发展理念”的视角[J].教育与经济，2019（1）：46-57.

[15]Romer，Lucas. How to better identify the true managerial performance： State of the art using DEA[J].Omega， 1990（2）：43-47.

[16]Susanne Rassouli-Currier. The choice of estimation method and its effect on efficiency measurement in public education： stochastic frontier regression vs. data envelopment analysis[J].Journal of Economics （0361-6576）， 2007，33（1）.

[17]Simmons. Higher education and development in Asia source[J].Educaotional Planning and Administration， 2006（7）：32-36.

[18]M. Abbot，Doucouliagos C. T. The efficiency of Australian universities： a data envelopment analysis[J].Economics of Education Review， 2003（4）：41-45.

[19]Psachara Poulos. Performance management[J].London： The Cromwell Press， 1993（13）：31-37.

[20]孙琳.中等职业教育财政支出效率研究——基于省级面板数据的DEA分析[J].地方财政研究，2018（4）：66-70+86.

[21]罗红云，庄馨予，张斌.我国职业教育财政投入效率评价——基于DEA-Malmquist指数三分法[J].地方财政研究，2020（7）：49-56.

[22]罗红云，庄馨予，张斌.西北五省职业教育财政投入效率评价及影响因素研究——基于DEA-Malmquist指数三分法[J].中国职业技术教育，2020（27）：85-90.

[23]胡芳，刘鸿锋.民族省区高等教育财政经费支出效率评价——基于DEA-Malmquist和Tobit模型[J].湘潭大学学报（哲学社会科学版），2022（1）：29-36.

[24]Rajiv D Banker， Abraham Charnes， William Wager Cooper. Some models for estimating technical and scale inefficiencies in data envelopment analysis[J].Management science， 1984 30（9）：1078-1092.

Evaluation on Fiscal Investment Efficiency of Higher Vocational Education in China

Kuang Xiaoping， Li Hui

Abstract  Chinas Higher Vocational Education （HVE） has entered a new period of high-quality development whose basic requirement is to achieve high efficiency of fiscal investment. Based on the provincial panel data of HVE in China from 2013 to 2020， we use DEA-BCC model and Malmquist index three-way method to evaluate the efficiency of fiscal investment in HVE of China to find that the fiscal investment of HVE in most provinces is in DEA invalid state， and the decline in TFP efficiency of fiscal investment in HVE is mainly due to the decline in the efficiency of technological progress. The analysis results show that HVE in China is still in the stage of extensive development with a large gap from the requirement of high-quality. Improving the performance level of education funds， reforming the structural system of HVE， improving the quality of talent training， cultivating high-level skilled talents， and serving the all-round and high-quality development of society are the current direction of the reform of HVE in China.

Key words  higher vocational education; fiscal investment efficiency; DEA-BCC; Malmquist index

Author  Kuang Xiaoping， PhD of School of Finance， Taxation and Public Management， Jiangxi University of Finance and Economics （Nanchang 330013）; Li Hui， PhD candidate of School of Finance， Taxation and Public Management， Jiangxi University of Finance and Economics