基于DEA-Tobit模型的“双高计划”建设高职院校办学效率评估及建设策略

摘 要 运用DEA模型评估首轮“双高计划”建设结束后56所“双高”院校的办学效率，结合截断数值Tobit回归分析，探索影响“双高”院校办学效率的影响因素。研究结果显示，“双高”院校整体办学效率较初期有所提升；“双高”院校要素投入与配置效率仍有待进一步改善；社会服务成为影响“双高”院校办学绩效的最大因素。为推动“双高计划”顺利实施，要提高要素投入与配置效率，加快“双高计划”建设绩效产出；要加强内部治理现代化改革，确保“双高计划”建设高质量推进；要瞄准社会服务水平提升，强化“双高计划”建设支撑发展作用；要优化人力资源投入与产出关系，综合提升办学效率。

关键词 “双高计划”；办学效率；高职院校

中图分类号 G718.5 文献标识码 A 文章编号 1008-3219（2024）27-0058-08

一、问题提出

2019年12月，教育部、财政部发布《关于公布中国特色高水平高职学校和专业建设计划建设单位名单的通知》[1]，其中包含高水平学校56所，高水平专业群建设单位141所，合计197所“双高计划”建设院校（以下简称“双高”院校）[2]。通过五年（2019-2023年）建设，首轮“双高计划”已经结束，本研究正是在首轮“双高计划”终期绩效评价的背景下，使用DEA-Tobit模型对56所“双高”院校办学效率进行分析，比较研究“双高”院校建设初期与终期的办学绩效，分析“双高”院校投入产出情况，评估“双高”院校在提升职业教育质量方面的发展，为下一轮“双高计划”建设过程中各高职院校提升办学效率提供参考与借鉴。

二、研究设计

（一）研究模型

传统经济学方法在测量具有投入大、产出高特点的办学活动时是十分困难的，而借用DEA数据包络法（Data Envelopment Analysis）来评估学校的相对办学效率却取得了较好的效果。DEA分析要求决策单元（分析对象）具有相同的目标、性质和外部环境，即同质性要求。这与高职院校之间具有类似办学目标、定位、办学环境等相接近，可以认为高职院校满足DEA分析对于决策单元的同质性要求。本研究先用DEA评估56所“双高”院校办学效率，再用截断数值Tobit分析办学效率的影响因素，即采用了一种DEA-Tobit两步测算法[3]来完成办学效率评估分析。

（二）数据来源

根据“双高计划”建设院校名单，选取了56所“双高”院校作为分析样本。投入与产出指标数据主要来自两方面：一是高等职业教育质量年度报告；二是教育部网站上公布的相关比赛、遴选、评比结果文件，如全国职业院校技能大赛教学能力比赛获奖名单、全国教材建设奖评比结果等。

（三）指标构建

1.指标初选

初始指标选取时参考了现有文献中所采用的指标及遴选方法。主要初选指标以马欣悦、汤霓等[4]研究成果为参考，同时还加入了部分在“双高计划”中期绩效评价中被确认为标志性成果的指标。在遵循通用性、易取性、代表性的指标筛选原则下，最终确定了初始指标体系，见表1。

DEA分析从数学原理上并不要求数据进行无量纲化处理，但在进行DEA分析时应该使用正向化指标。如果数据有负向（逆向）指标，则需要对其进行处理，让其指标意义变为正向。本研究中，生师比（生师比＝折合在校生数/教师总数）数值越大代表学校在人力方面的投入越少，因此可以理解为是一个负向指标。在SPSS 22.0中，一般采用原始变量的负数或者倒数来对其进行正向化，本文采用后者对生师比数据进行正向化处理。

在以往的研究中，例如学生技能竞赛获奖指标的单位是“项”，但是由于比赛区分一等奖、二等奖和三等奖，因此只用简单求和后的数值来表征一个学校的学生竞赛情况会造成分析结果的不准确。本文采用熵值法对上述指标进行了权重计算，并用无量纲综合得分来表征相应指标的大小，所以在本研究中，学生技能竞赛获奖（国家级）、“互联网+”大赛获奖（国家级）、课程思政示范课程、示范中心（国家级）、首届教材奖（国家级）、教师教学能力比赛获奖（国家级）共5个产出指标是无量纲的。相比以往同类研究，研究结果更具有合理性和准确性。

2.指标确定

利用DEA评估“双高”院校办学效率时，投入指标与产出指标应存在一定的相关性。将投入指标与产出指标之间进行相关性分析，可以看出，Y4、Y5、Y6、Y9与X1、X2、X3、X4、X5、X6、X7、X8共8项之间均没有呈现出显著性（p值均大于0.01），意味着Y4、Y5、Y6、Y9与X1、X2、X3、X4、X5、X6、X7、X8共8项之间均没有相关关系。因此，剔除Y4、Y5、Y6、Y9共四个产出指标。

投入指标之间相关性和产出指标之间的相关性影响着DEA分析结果，因此在DEA分析中考虑指标间相关性十分必要。智冬晓指出，用因子分析法对指标进行处理后再进行DEA分析，所得结果更符合实际[5]。王宁等指出，采用因子分析对指标进行降维处理，降低指标之间的相关性，可以提高评估结果的有效性[6]。因此，本研究利用因子分析法分别对投入指标和产出指标进行前期处理。

因子分析（探索性因子分析）用于探索分析项（定量数据）应该分成几个因子（变量），通常有三个步骤：第一步是判断是否适合进行因子分析；第二步是因子与题项对应关系判断；第三步是因子命名。本研究首先通过SPSS 22.0对7个投入指标进行因子分析，分析前先对投入指标进行KMO和Bartlett球形度检验，检验结果见表2。由检验结果可知，KMO值为0.644，大于0.5；Bartlett球形度检验p小于0.01，说明投入指标适合进行因子分析。

对投入指标进行因子分析，旋转后投入指标因子载荷系数见表3。所有指标共同度（公因子方差）均大于0.4，因此无须剔除。分别提取3个投入因素（累积方差贡献率＝83.832％）FI1、FI2、FI3。根据分析结果，将FI1命名为资金设备投入，将FI2命名为人力资源投入，将FI3命名为人才结构投入。

采用同样方法对8个产出指标进行因子分析。产出指标KMO和Bartlett球形度检验结果见表4。由检验结果可知，产出指标的KMO值为0.611，大于0.5；Bartlett球形度检验p小于0.01，说明产出指标同样适合进行因子分析。

表4 产出指标KMO和Bartlett检验结果

检验方法 值

KMO检验 0.611

Bartlett球形度检验 近似卡方 63.218

df 28

p值 0.000

对产出指标进行因子分析，旋转后产出指标因子载荷系数见表5。所有指标共同度（公因子方差）均大于0.4，因此无须剔除。分别提取了3个产出因素（累积方差贡献率＝61.105％）FO1、FO2、FO3。根据分析的结果，将FO1命名为社会服务成果，将FO2命名为师生竞赛成果，将FO3命名为教学育人成果。

根据DEA使用方法，决策单元个数（“双高”院校数量）应至少是投入与产出指标数之和的两倍以上，过多的指标数将导致分析结果不准确。本研究中，通过因子分析对指标进行降维处理后，新的投入、产出指标合计为6个。决策单元总数为56个，新的投入、产出指标数之和不足决策单元数量的一半，因此满足DEA分析要求。

因子分析后需要求出新的投入、产出因子得分，但是由于原始指标数据的单位、数量级各不相同，无法直接相加。为解决上述问题，需要进一步对原始指标数据进行标准化处理，因此本研究对原始数据采用了Z-Score标准化处理。标准化处理后，求出新的投入、产出指标因子得分。

不论是投入因子数据还是产出因子数据，只要研究数据中出现负数或者0，此时进行DEA分析并不适合。因此，采用阈值法[7]对投入、产出因子得分进行无量纲化处理，见表6。

三、实证分析

DEA数据包络分析有很多模型，其中BCC和CCR最为经典。如果考虑规模报酬可变则使用BCC模型，反之如果认为规模报酬不变则应使用CCR模型。本研究使用BCC模型进行分析。

（一）办学效率评估分析

经过指标开发与模型验证，采用SPSSAU数据科学分析平台评估56所“双高”院校的办学效率，见表7。

一般来说，综合效率值等于1时意味着DEA有效，反之综合效率值小于1意味着DEA无效。结合θ（综合效率）、S-（投入冗余）和S+（产出不足）数值，可判断DEA有效性，其中S-和S+数值在表7中未给出。办学效率有效性统计结果见表8。

根据效率划分标准，当θ≥0.8时，表面研究对象办学效率较高；当0.5≤θ＜0.8时，表面研究对象办学效率中等；当θ＜0.5时，表面研究对象办学效率较低[8]。整理56所“双高”院校的综合办学效率，其办学效率分布情况见表9。

根据可变规模报酬下的BCC模型分析结果可以得到资源配置的纯技术效率，表示在同一规模的最大产出下最小的要素投入成本[9]，可以衡量投入导向下的各“双高”院校的技术无效有多少是由纯技术无效而导致的。依据纯技术效率和规模效率是否达到全国平均水平，将全国56个“双高”院校分为四类[10]：一是纯技术效率和规模效率大于全国平均值，说明这部分院校教育资源配置是相对有效的；二是纯技术效率高于全国平均值而规模效率小于平均值，说明这部分院校由于规模效率低下，进而导致综合效率的相对无效；三是纯技术效率和规模效率均小于全国平均值，表明这类院校综合效率相对低下，这主要源于两类效率均较低；四是纯技术效率小于全国平均值而规模效率大于平均值，说明这部分院校的纯技术效率有待进一步提高。经过整理，全国56所“双高”院校配置效率的分类结果见表10。

（二）投入产出问题分析

通过DEA模型评估发现，中等及以下办学效率的院校有29所，占比51.79%。规模效率等于1的院校只有11所，占比19.64%。规模效率能够很好地反映出决策单元的投入产出问题，规模效率不等于1，则说明需要调整研究对象的规模[11]。通过规模效率检验发现，规模递增的院校有27所，说明这些规模递增院校的成果产出增长比例比成本投入增长比例高，适合进一步增加投入。规模递减的院校有18所，说明这些规模递减院校的成果产出增长比例比成本投入增长比例低，并不适合进一步增加投入。见表11。

运用松弛变量进一步考究“双高”院校的投入产出问题。在投入方面，FI1投入冗余的院校有7所，其中以学校编号为24（松弛变量S-值高达2.424）的学校为代表，这类学校在资金投入上相对较高。FI2投入冗余的院校有12所，其中以学校编号为7（松弛变量S-值高达1.159）的学校为代表，这类学校在人力资源投入上相对较高。FI3投入冗余的院校有4所，其中以学校编号为32（松弛变量S-值高达1.857）的学校为代表。值得注意的是，没有一所学校同时具有2个或全部指标投入冗余的情况。见表12。

在产出方面，FO1产出不足的学校有8所，其中以学校编号31（松弛变量S+分析值高达3.457）为代表。FO2产出不足的学校有12所，其中以学校编号3（松弛变量S+分析值高达6.659）为代表。FO3产出不足的学校有21所，其中以学校编号7（松弛变量S+分析值高达3.667）为代表。同时有两项指标产出不足的学校有5所，占比8.93%，学校编号分别是3、8、7、17、43，相对而言此类学校存在较严重的产出不足问题。没有一所学校同时有三项指标产出不足，这也说明全国56所“双高”院校至少在某一方面取得较为可观的成果。见表13。

因此，从各学校投入产出问题分析可以看出，在非DEA有效的“双高”院校中产出不足问题相较投入冗余问题更加复杂。从投入产出的结构去提高高职院校尤其是非DEA有效的院校办学效率仍然需要不断地研究与探索。

（三）效率影响因素分析

1.单因素方差分析

56所“双高”院校被划分为A、B、C三档[11]，利用单因素方差分析去研究不同学校档次对于综合效率的差异性，从分析结果可以看出A、B、C档“双高”院校之间的综合效率平均水平（F=3.832，p=0.028）差异显著。将56所“双高”院校按照地理位置进行划分，东部地区有34所，中部地区有7所，西部地区有13所，东北地区有2所。利用单因素方差分析去研究不同区位对于综合效率的差异性，从分析结果可以看出东部、中部、西部、东北地区“双高”院校之间的综合效率平均水平（F=0.315，p=0.814）差异不显著，即不同地区分布对于综合效率不会表现出显著性差异，办学的区位对“双高”院校办学效率的影响有限。按照综合类、理工类和其他类对“双高”院校进行划分，综合类院校有19所，理工类院校有25所，其他类院校有12所。利用单因素方差分析去研究不同办学类型对于综合效率的差异性，从分析结果可以看出三类“双高”院校之间的综合效率平均水平（F=0.062，p=0.940）差异不显著，即不同办学类型对于“双高”院校办学效率的影响有限。

2.Tobit回归分析

投入产出的结构对“双高”院校的办学效率有着重要影响。由于DEA分析出的效率值介于0和1之间。因此在第二阶段采用截断数值Tobit分析效率影响因素比采用最小二乘估计（OLS）更加适合。在进行Tobit分析之前，首先要对模型整体有效性进行分析。从表14可知，p值小于0.01，说明模型构建是有意义的。FI1、FI2、FI3、FO1、FO2、FO3的系数为-0.016、-0.061、-0.059、0.069、0.048、0.035，调整后的 R2为-1.487，χ2=73.800，p=0.000，故而拟合度良好。

通过分析可知，FO1、FO2、FO3会对综合效率产生显著的正向影响关系，即在当前状态下，产出成果越多，办学效率越高。其中，FO1（社会服务成果）呈现出0.01水平的显著性（z=8.804，p=0.000<0.01），回归系数值为0.069，在所有指标回归系数中最大，即对办学效率影响最大。意味着FO1会对综合效率产生显著的正向影响关系，即社会服务成果越多，学校的办学效率也就越高。

FI1、FI2、FI3会对综合效率产生显著的负向影响关系，即在当前状态下，投入越多，反而办学效率越低。其中，FI2（人力资源投入）呈现出0.01水平的显著性（z=-8.758，p=0.000<0.01），回归系数值为-0.061，在三个投入指标回归系数绝对值中最大，即在投入指标中，其对办学效率影响最大。

虽然A、B、C档“双高”院校之间的综合效率平均水平差异显著，但不是影响办学效率的主要外部因素。因为56所“双高”院校均为国家示范或骨干院校，属于高职教育第一梯队，拥有不错的前期基础。在此基础上，按照综合办学水平所划分的A、B、C三类，本身就具有一定的科学性，所以与综合效率平均水平呈现出显著性差异。因此可以看出，投入产出的内部因素很大程度上影响了“双高”院校办学效率，而外部因素的影响十分有限。

四、结果与对策

（一）研究结果

1.“双高”院校整体办学效率较初期有所提升

数据分析显示，56所“双高”院校平均综合效率为0.792，处于效率中等偏上水平。其中，属于效率中等的院校有28所，占比50%；属于效率较高的院校有27所，占比48.21%，接近一半；属于效率较低的院校有1所，仅占比1.79%。通过比较前期学者[12]对全国56所院校“双高计划”建设初期办学绩效研究结果可以发现，经过5年的“双高计划”建设，虽然DEA有效（θ=1）的院校从初期的15所降低到11所，但是中等办学效率（0.5≤θ＜0.8）的学校由24所增加到28所。进一步对比发现，纯技术效率和规模效率均小于全国均值（σ＜Mean ＆ k＜Mean）的院校数量从初期的20所下降到10所。因此可以看出，“双高”院校的整体办学效率相较建设之初有所提高。通过分析DEA模型的基本原理可知，DEA模型所分析的效率是相对效率而不是绝对效率。之所以会出现DEA有效院校的数量稍有下降的情况，原因可能在于国家每年引导20余亿元资金用于推进“双高计划”顺利实施[13]，原本办学效率相对较高的院校在“双高计划”的5年建设期中，获得了大量的资金支持以及地方政府政策支持[14]，从而改变了DEA分析模型的有效前沿面，导致强者更强的现象。当然这种现象也与“双高计划”的实施目标——“建设高水平高职学校和专业群，引领新时代职业教育实现高质量发展”相一致[15]。

2.“双高”院校要素投入与配置效率仍有待进一步改善

通过分析可知，投入冗余的学校有23所，占比41.07%，说明这些院校建设投入转化周期性不足。产出不足的院校有41所，占比高达73.21%。产出不足的院校数量是投入不足院校数量的1.78倍，产出不足问题更加明显，因此要素投入与配置效率仍有待改善。投入冗余与产出不足院校占比较高的直接原因，一方面是“双高”院校处于建设发展的上升阶段，政府、学校以及相关社会组织均积极参与“双高”院校建设发展，投入加大；另一方面由于资金、人力、设施设备等投入均为前期投入，而产出成效尚未显现，呈现出投入冗余与产出不足比例较高的现象。但同时也说明“双高”院校建设虽吸引了大量投入，但要素投入与配置仍不够合理，建设投入使用效益不高。在后续建设中，“双高”院校仍要警惕投入冗余与产出不足问题，摆脱“盲目投入，砸出绩效”的建设思维，通过提升学校治理水平，进一步优化资源投入结构与配置，加快绩效产出，提高建设投入使用效益。

3.社会服务成为影响“双高”院校办学绩效的最大因素

通过截断数值的Tobit分析发现，FI1、FI2、FI3、FO1、FO2、FO3的回归系数值分别为-0.016、-0.061、-0.059、0.069、0.048、0.035，调整后的R2为-1.487。在FI1、FI2、FI3中，FI2（人力资源投入）的回归系数绝对值最大，即在投入指标中，其对办学效率影响最大。在FO1、FO2、FO3中，FO1（社会服务成果）的回归系数绝对值最大，同时也在所有回归系数中最大，即在所有指标中其对办学效率的影响最大。可见，在外部因素影响十分有限的情况下，社会服务水平已成为影响“双高”院校办学绩效中最为重要的因素，这与“双高计划”建设一批“支撑国家重点产业、区域支柱产业发展”的高水平院校的初衷相一致，同时也预示着，在“双高计划”后续建设中，社会服务水平将成为“双高”院校之间竞争的重要参考指标。

（二）对策建议

1.提高要素的投入与配置效率，加快“双高”建设绩效产出

为提升“双高计划”建设绩效，“双高”院校必须在确保绩效目标实现的基础上，以更少的投入产出更多的成果，因此，必须进一步提高资源投入与配置效率。首先，从全国范围来看，“双高计划”建设资金投入要相对稳定。只有充足的资金才能升级“双高”院校的硬件设施，提高师资水平，才能为办学绩效的提升提供基础条件，保障绩效目标实现。其次，在各“双高”院校之间的资金分配上要按照效率优先原则进行。应将“双高”院校的办学效率纳入绩效评价的指标体系，形成“用钱必问效，无效必问责”的约束机制。最后，从学校内部来看，“双高计划”建设资金要更多地投入到能够产生标志性成果的项目当中去。财政部用于推进“双高计划”顺利实施的资金是专项资金，虽然有一定的资金使用限制，但是各院校在实际使用过程中还是具有很大的自主权。采用“大水漫灌”的方式使用专项资金，将很难达到“双高计划”预期建设目标。因此，在效率优先、兼顾公平的原则下，各院校要瞄准“双高计划”建设目标，将资金更多地投入到能够增强职业教育适应性的“三教”改革、产教融合、社会服务中去。

2.加强内部治理现代化改革，确保“双高”建设高质量推进

从“双高”院校建设投入冗余与产出不足问题来看，其根本原因是“双高”院校治理能力不足从而导致办学效率不高、院校难以高质量发展。因此，在后续的“双高计划”建设中应全面推进内部治理的现代化改革。首先，要强化政府引导，加大政策供给力度。高职院校内部治理现代化改革很大程度上依赖于政府政策引导和推动。换言之，加大政府政策供给力度，高职院校内部治理现代化改革将会获得更好的动力和更大的空间。其次，要明确办学定位，推进制度体系建设。高校内部治理现代化改革的根本遵循是制度建设[16]，制度化是现代化的核心要素[17]。因此，政府及有关教育主管部门要明确高职院校的办学定位，做好顶层设计，推动制度体系自上而下建设。高职院校要确立治理目标，根据自身实际情况，完善内部制度体系。各“双高”院校要根据新修订施行的《中华人民共和国职业教育法》并结合上级教育主管部门的政策引导，突出体现类型化办学定位及现代职业教育理念，修订职业院校的规章制度。

3.瞄准社会服务水平提升，强化“双高”建设支撑发展作用

社会服务水平成为“双高”院校办学绩效最大影响因素，但是从目前“双高”院校办学绩效情况来看，社会服务产出仍然较少，社会服务水平仍然较低[18]，因此“双高”院校应瞄准社会服务水平提升，进一步强化“双高”建设的支撑发展作用。首先，要强化教师社会服务的能力。教师的社会服务能力是提升学校社会服务能力与水平的基础，教育主管部门、职业院校等主体要组织提升广大教师社会服务能力的培训，并引导教师积极参与，从而帮助教师迅速参与到相关领域的社会服务项目中去，提高社会服务能力。其次，要健全相关政策，持续完善配套体制机制。要充分调动广大教师参与社会服务的积极性就要完善相应的激励制度，逐步完善科技成果转化管理和奖励制度，完善科研创新项目成员收入分配制度。在参与社会服务项目人员的考核评价制度改革上，要大胆尝试，有所突破。最后，要积极地开展社会培训。由于职业教育与区域经济发展紧密相连，因此其在社会培训方面具有独特的优势。“双高”院校要结合自身优势，紧盯区域紧缺人才需求，面向企业职工、新型职业农民、退役军人等重点人群开展各类技能培训，为经济社会高质量发展提供智力支持和人才支撑。

4.优化人力资源投入与产出关系，综合提升办学效率

投入越多，办学效率越低，其中人力资源投入在三个投入指标中对办学效率影响最大。减少人力资源投入不是简单的裁员降薪，而是要综合考虑投入与产出之间的关系。人力资源投入不变产出效益增加、产出效益不变人力资源投入减少，都会提升办学效率。因此“双高”院校可以从减少人才资源投入和增加人力资源产出效益两个方面来提升学校办学效率。为此，可以从五方面展开探索。一是优化教师团队。通过评估教师的专业能力和需求，进行合理的师资配置。优化教师团队结构，确保拥有合适数量和专业背景的教师，避免人员过剩或不匹配的情况[19]。建立科学的教师招聘和选拔机制，确保聘用具有优秀专业素质和教学能力的教师。注重招聘环节中的综合素质评估，包括学术背景、教学经验、创新能力等，确保招聘到适合岗位的人才。鼓励教师之间的合作与协作，组建一支互补的教学团队。通过团队合作，教师可以分享资源、经验和教学方法，提高教学效果和工作效率。二是加强教师培训。重视教师培训，提供针对性的培训计划，鼓励教师参与教学方法、课程设计和评估等方面的专业培训，以提高教师的综合能力和工作效率。三是推动信息技术应用。充分利用信息技术，如在线教学平台、虚拟仿真实验室等，实现教学的数字化和在线化。通过数字化教学手段，减少传统教学过程中的人力资源依赖，提高教学效率和教学手段应用的灵活性、适用性[20]。借助技术手段，教师可以更好地组织和管理教学过程，实现个性化教学和学生自主学习，从而提高人力资源的产出效益。四是强化激励机制。建立合理的教师激励机制，包括薪酬、晋升、荣誉等方面的激励。通过激励措施，激发教师的积极性和创造力，提高教师的工作动力和投入程度，进而提高教师专业素养。五是加强外部合作与资源共享。与其他高职院校、行业企业等建立合作关系，共享资源和经验。通过合作与共享，可以减少人力资源投入，同时获得更广泛的教学和培训资源，提高办学效率。

参 考 文 献

[1]教育部，财政部.关于公布中国特色高水平高职学校和专业建设计划建设单位名单的通知[EB/OL].（2021-12-10）[2024-06-17].http：//www.moe.gov.cn/srcsite/A07/moe_737/s3876_qt/201912/t20191213_411947.html.

[2]陶勇，程琼.“双高计划”建设背景下浙江高职院校智能制造专业群建设策略[J].知识窗（教师版），2022（7）：78-80.

[3]WILLIAM H.GREENE．On the asymptotic bias of the ordinary least squares estimator of the tobit model[J].Journal of the Econometric Society，1981，42（2）：505-513．

[4]马欣悦，汤霓，石伟平.“双高计划”院校办学绩效评估及建设策略[J].四川师范大学学报（社会科学版），2021（2）：119-129.

[5]智冬晓.指标相关性对DEA评价效用的影响[J].统计教育，2009（6）：40-44.

[6]王宁，王鲁玉.基于因子分析和改进DEA交叉模型的中国“一流大学”建设高校科研效率评价[J].统计与信息论坛，2018（12）：37-44.

[7]龚冷西，陈恩伦，贾玲.基于数据包络分析的高职院校教育经费投入绩效评价[J].教育学术月刊，2017（7）：23-29.

[8]郭燕芬，柏维春.中国学前教育经费投入效率的DEA分析——基于175所幼儿园的实证调查[J].教育与经济，2017（6）：45-50+92.

[9]杨斌，温涛.中国各地区农村义务教育资源配置效率评价[J].农业经济问题，2009（1）：29-37+110.

[10]李玲，陶蕾.我国义务教育资源配置效率评价及分析——基于DEA-Tobit模型[J].中国教育学刊，2015（4）：53-58.

[11]SERGIO PERELMAN，DANIEL SANTÍN．How to generate regularly behaved production data？a monte carlo experimentation on dea scale efficiency measurement[J].European Journal of Operational Research，2009，199（1）：303-310．

[12]汤霓.“双高”院校办学效率分类评估：基于DEA-Tobit模型的测算[J].中国职业技术教育，2021（28）：51-59+72.

[13]教育部.中央引导、地方为主，中央财政每年引导资金二十余亿元 职业教育“双高计划”建设名单公布[N].中国教育报，2019-12-19（1）.

[14]戴文静，周金城.我国高水平高职院校建设成效的实证研究[J].职业技术教育，2019（18）：13-19.

[15]教育部，财政部.关于实施中国特色高水平高职学校和专业建设计划的意见[EB/OL].（2019-03-29）[2024-06-17].http：//www.moe.gov.cn/srcsite/A07/moe_737/s3876_qt/201904/t20190402_376471.html.

[16][19]邵建东，徐珍珍，孙凤敏.高职院校专业教师团队建设的影响因素、现实困境及对策研究[J].中国高教研究，2022（1）：102-108.

[17]曹高丁，聂强.制度治理视域下高职院校内部治理体系现代化研究[J].中国职业技术教育，2022（1）：43-47.

[18]胡丽娜，孟莉，金明盛.“双高计划”背景下高职院校教师提升社会服务能力路径研究[J].职教论坛，2020（3）：77-83.

[20]胡新岗，黄银云，沈璐，等.高职院校教学数字化转型：价值意蕴、实施逻辑和推进路径[J].中国职业技术教育，2023（8）：83-89.

Evaluation of Operational Efficiency and Construction Strategies for High Vocational Colleges in the “Double-high Plan” Based on the DEA-Tobit Model

Fan Min， Tao Yong

Abstract Using the DEA model to evaluate the operational efficiency of 56 “double-high” colleges after the first round of the “double-high plan” construction， combined with truncated Tobit regression analysis， this study explores the influencing factors on the operational efficiency of “double-high” colleges. The evaluation reveals that the overall operational efficiency of “double-high” colleges has improved compared to the initial stage; however， there is still room for improvement in input and configuration efficiency of factors in these colleges. Social services emerge as the primary factor influencing the operational performance of “double-high” colleges. Therefore， to facilitate the smooth implementation of the “double-high plan”， it is essential to enhance the efficiency of input and configuration of factors， accelerate the performance output of “double-high plan” construction， strengthen internal governance modernization reforms to ensure high-quality progress in “double-high plan” construction， focus on improving the level of social services to reinforce the development support role of “double-high plan” construction， and optimize the relationship between human resource input and output to comprehensively improve operational efficiency.

Key words double-high plan; operational efficiency; high vocational colleges

Author Fan Min， associate professor of Hangzhou Vocational and Technical College （Hangzhou 310018）

Corresponding author Tao Yong， lecturer of Hangzhou Vocational and Technical College （Hangzhou 310018）

作者简介

范敏（1976- ），女，杭州职业技术学院副教授，研究方向：职业教育课程与教学，产教融合（杭州，310018）

通讯作者

陶勇（1986- ），男，杭州职业技术学讲师，研究方向：职业教育管理与研究（杭州，310018）

基金项目

2021年度杭州市哲学社会科学规划课题基地立项项目“‘双高’建设背景下杭州高职院校智能制造专业群建设的研究”（2021JD45）；2023年度浙江省教育厅一般科研项目“基于DEA-Malmquis指数的浙江省50所高职院校办学效率研究”（Y202352273），主持人：陶勇