教育部直屬72所高校辦學活動研究

榮耀華

1 文獻綜述

近年來對高校教學或科研活動的效率研究從研究對象來分主要有三類:①對科研活動效率的評價，如Johnes和Yu測算了中國109所普通高校的科研效率，從平均效率來看綜合類高校高于專科類高校，東部高校高于西部高校［1］;②對教學活動效率的評價，如Johnes基于個人層面數據，運用DEA方法考察了高校經濟系的教學效率并進行測算［2］;③對學校辦學效率 (高校教學和科研綜合效率)的評價，如袁衛等對教育部直屬72所高校辦學效率進行評價，發現地區經濟發展水平是影響高校辦學效率的重要因素［3］。

以上都是靜態研究，而高校效率及全要素生產率的動態變化也是學者們關注的一個課題。姜彤彤運用 Malmquist指數分析方法對我國36所“985工程”高校2005—2010年科研活動全要素生產率及其分解情況進行測算和分析，發現我國高校科研活動生產率年均增長2.9%［4］。

高校效率研究的一個關鍵問題是滯后性處理。現階段對高校產出滯后性的處理并沒有一個統一權威的方法，絕大多數研究都是以一年為期進行高校效率評價。少數研究考慮了滯后效應，如陳召魁、饒偉等［5-6］，但并沒有將滯后模型與原始模型效率測算結果進行比較，也就無法進一步發現滯后性是否會對于效率測算產生顯著影響。

2 數據、指標和模型

2.1 數據來源和指標體系

數據來源于《教育部直屬高校2005—2011年基本情況統計資料匯編》、基本科學指標數據庫(Essential Science Indicators，ESI)、網大歷年聲譽得分和中國國家統計局官方網站。ESI數據庫是針對22個基礎專業領域，基于Thomson Reuters所收錄的全球11000多種學術期刊的1000多萬條文獻記錄而建立的數據庫，主要包含論文數、論文被引頻次、論文篇均被引頻次等指標。迄今為止，ESI已成為國際范圍內普遍用以評價高校和學術機構國際學術水平及影響力的重要指標數據庫。

本文擬對2005—2011年高校辦學效率及其全要素生產率變動情況進行動態評價分析，在結合袁衛等的指標體系基礎上，依據全面性、精簡性、可操作性原則，構建適用于動態評價的指標體系。投入指標包括副高及以上職稱人數 (PROF)和國家及地區教育經費撥款 (FUND)，分別用以反映人力和財力方面的投入要素。產出指標包括在校學生數 (STUD)、聲譽得分 (REPU)、人文社會科學科研成果得分 (SOCI)、自然科學科研成果得分 (SCIE)、科研經費 (INCO)和論文被引頻次(TICI)。其中STUD和REPU作為教學方面產出，用以度量學生的數量和質量，SOCI、SCIE度量了科研成果的數量，INCO作為競爭性縱向科研經費，在一定程度上反映了科研成果的質量，而TICI為論文數與論文篇均被引頻次的乘積，綜合反映了科研規模以及質量，是在國際范圍內衡量科研發展水平的客觀指標［7］。由于時間跨度較長，為了排除通貨膨脹或通貨緊縮的影響，本文采用GDP平減指數對FUND和INCO兩指標進行調整。

為使指標體系適用于動態分析，本文對袁衛等的投入產出指標做了以下改動:①由于各年絕大部分高校人文社科國家級獲獎數為0，該項數據不具有代表性，因此本指標體系中SOCI不包括人文社科國家級獲獎。②SOCI為人文社科國內論文、國外論文和專著三項加權之和，SCIE為自科國內論文、國外論文、專著、獲獎和知識產權授權數五項加權之和。為使每年各項科研成果權重相同，且SOCI和SCIE指標應與投入指標有大致相似的變化趨勢，本文將權重設定為2005—2011年72所高校各項科研成果總量的倒數，以適應動態效率分析的需要，具體為:

式中，A1、A2、A3分別為人文社科國內論文占比、國外論文占比、專著占比;B1、B2、B3、B4、B5分別為自科國內論文占比、國外論文占比、專著占比、獲獎占比、知識產權授權數占比。③2005—2012年TICI數據分別選取為ESI數據庫中 2003—2007 年、2004—2008 年、2005—2009年、2006—2010年、2007—2011年、2008—2012年、2009—2013年論文被引總數的五分之一。

2.2 模型

由 Charnes等 人［8］提出的數據包絡 分析(DEA)方法，是一種評價具有多維投入和多維產出的決策單元 (DMU)相對效率的非參數分析方法。本文選用輸出導向的BCC［9］權重約束模型逐年測算DMU的相對效率得分，其中將PROF和FUND、FUND和STUD及STUD和INCO之間的權重比限定在0.5～2之間。

基于DEA方法的Malmquist指數度量了從t期到t+1期DMU全要素生產率 (TFP)的變化程度，反映了DMU技術效率變化和技術進步變化情況［10-11］。在變動規模報酬假設下，本文基于DEA方法測算決策單元的Malmquist指數，以考察相對效率的變化情況。Malmquist指數等于1表示t+1期的全要素生產率水平較t期保持不變;Malmquist指數小于1表示t+1期的全要素生產率水平較t期有所降低。

3 滯后性分析

一般認為，高校教學和科研活動中滯后性普遍存在。當年教育投入不會在當年完全轉化為教學或科研產出，而是對今后幾年的教育產出都可能產生影響;同理，當年教育產出往往是前幾年投入要素的成果。具體而言，在教學活動中，學生質量不可能在一年內完全體現出來;在科研活動中，當年的研究成果不只與當年的科研投入有關，還會與去年或者前幾年的科研投入有關。例如，國家最高科學技術獎等重大獎項的獲得往往并非一年努力的成果，有可能是幾年甚至十幾年的累積成果;高質量論文的撰寫、發表與被引用都需要幾年的時間，也會產生一定的滯后性。

以往研究滯后性的文獻，雖然運用回歸分析、多項式分布滯后模型或向量自回歸模型等方法確定了產出指標的滯后期，但都未將結果與不考慮滯后性的效率測算結果進行對比分析，也就無法進一步考察滯后性對高校效率評價的具體影響以及程度如何。為了從實證角度檢驗滯后性是否對高校效率評價有顯著的影響，本文以2007年為例，考慮針對不同的滯后期 (0～5年)和滯后特點，構建7種投入產出模型，分別測算2007年72所高校辦學效率。具體實驗設計為模型1～模型7的產出指標相同，均為2007年高校各項產出指標，而投入指標分別為 2007年、2006年、2005年、2005—2007年投入等權和、2005—2007不等權和(權重參考陳召魁一文，2005—2007年投入指標的權重分別為0.581、0.333、0.0856)、2004—2007年投入等權和、2003—2007年投入等權和。

從表1中可以看出，基于模型1～模型7，72所高校辦學效率的最小值、均值、標準差以及有效高校個數都表現出高度的一致性，差別非常微弱。運用Kruskal-Wallis檢驗對7個模型效率均值差異性進行檢驗，結果表明在顯著性水平1%下，模型1～模型7的效率均值并沒有顯著性差異。同時模型1～模型7所得效率序列間的spearman相關系數均在0.99以上，表明效率排序呈高度相關。從各模型投入產出數據來看，高校辦學活動持續性較強，雖然當年的投入沒有完全轉化為產出，但當年的產出也不完全由當年的投入所得，前后相抵，使得滯后性對效率測算影響不大。以上實證結果表明雖然高校辦學活動存在滯后性，但滯后性對辦學效率并沒有顯著的影響。因此在后文中，我們仍基于當年的投入產出數據研究高校辦學效率及其變化情況。

4 高校辦學效率和全要素生產率交叉分析

本文基于輸出導向的BCC權重約束模型 (1)，逐年測算2005—2011年教育部直屬72所高校辦學效率，以及相鄰兩年的Malmquist指數。由于高校辦學活動具有明顯的持續性，逐年效率值及效率變動并不能準確反映高校辦學活動的真實表現。因此，本文主要依據2005—2011年平均效率和平均Malmquist指數來考察近年來各高校辦學表現。

為了深入比較分析，本文將效率均值分為高效率、中效率和低效率三個等級，效率值屬于［0.9，1］的為高效率高校，屬于 ［0.7，0.9)的為中效率高校，屬于 ［0.5，0.7)的為低效率高校;同時根據Malmquist指數的大小，將平均TFP變動情況分為高增長、低增長和下降三個等級，Malmquist指數大于1.03的為平均TFP高增長高校，屬于 ［1，1.03］的為平均TFP低增長高校，小于1的為平均TFP下降高校。按照這一標準劃分，本文可得72所高校平均辦學效率和Malmquist指數二維分布 (見圖1、圖2)。結果顯示不同高校辦學效率和全要素生產率增長幅度差距較大。

“高效率高增長區”只有浙江大學一所。在考察期內浙江大學平均辦學效率和MI指數較高，分別為0.989、1.043。這說明其在辦學活動中，制度安排比較科學合理，注重教育資源投入的有效管理，實現了教育資源的高效轉化;同時全要素生產率保持快速的增長態勢，年均增長率高達4.3%。

“高效率低增長區”包含清華大學、北京大學、中國人民大學、復旦大學、華中科技大學、東北師范大學、中國地質大學、西南交通大學。特別值得一提的是考察期內清華大學和北京大學每年效率和兩年間的Malmquist指數均為1，表明兩所高校憑借雄厚的教學和科研實力，在效率得分方面一直穩居首位，實現了教育資源的持續穩定高效轉化。中國人民大學和復旦大學平均辦學效率都較高且很接近，分別為0.969、0.968，同時全要素生產率也基本保持正的增長態勢，年均增長率分別為1.1%、1.0%。

“高效率負增長區”包括南京大學、中國海洋大學兩所高校。雖然在考察期內兩高校平均效率都較高，分別為0.904和0.984，但全要素生產率基本保持下降態勢，年均增長率分別為-1.1%和-0.2%。這說明在一定程度上，兩高校缺乏科學的制度安排及管理創新，在一定程度上制約了效率和技術進步率的增長。

“中效率高增長區”包括上海交通大學、廈門大學、華東師范大學。三所高校平均效率處于中等水平，效率分別為0.894、0.861、0.822，但全要素生產率呈現出較高的增長態勢，年均增長率高達4.2%、3.7%、3.4%。

“中效率低增長區”包括山東大學、吉林大學、四川大學、中國石油大學、合肥工業大學、東北大學、西南師范大學、大連理工大學、重慶大學、華中農業大學、河海大學、武漢大學、東南大學、華南理工大學、電子科技大學、北京科技大學、中南大學、中國農業大學共18所高校。多達四分之一的高校平均辦學效率介于0.704～0.874之間，辦學效率存在較大的提升空間，且全要素生產率保持較低的增長速度，年均增長率在0%～2.6%之間，以上高校應在提升辦學效率的同時大力提高效率和技術進步增長速度。

“中效率負增長區”包括蘭州大學、西安電子科技大學、西安交通大學、南開大學、華東理工大學、天津大學、同濟大學、北京師范大學。這些高校平均辦學效率中等，效率值介于0.714～0.839之間，但全要素生產率表現為負增長，年均增長率在-1.7%～-0.1%之間。

“低效率高增長區”包括中國傳媒大學、東華大學、江南大學、北京中醫藥大學、北京化工大學。這些高校平均辦學效率較低，基本都在0.61以下，全要素生產率卻呈現出較快的增長態勢，年均增長率在3.1%以上。

“低效率低增長區”包括中央財經大學、華中師范大學、中國政法大學、上海財經大學、北京語言大學、北京交通大學、陜西師范大學、東北林業大學、中南財經政法大學、華北電力大學、對外經濟貿易大學、中央美術學院、西南財經大學、上海外國語大學、北京郵電大學、西北農林科技大學、北京林業大學、中央戲劇學院、中央音樂學院、武漢理工大學、中國藥科大學、北京外國語大學、湖南大學、南京農業大學共24所高校，占到教育部直屬高校的三分之一。這說明考察期內72所高校中有三分之一的高校平均辦學效率較低，均在0.693以下，而且全要素生產率增長較慢，年均增長率介于0.5%～2.9%之間。

“低效率負增長區”包括長安大學、中國礦業大學。落在此區的高校不但平均辦學效率較低，而且全要素生產率總體也呈下降態勢，年均增長率介于-0.6%～-0.1%之間。

圖2 平均效率和MI分布 (按類型)

圖1 顯示了72所高校按地區分類在平均效率和Malmquist指數二維平面上的分布。從平均效率來看，沒有高校落入0.9～0.95之間，顯示了高效率與中等效率高校之間存在一定的斷層。高效率的9所學校最低效率為0.964，中等效率學校最高效率為0.894，這反映出一方面我國在大力建設世界一流高校的同時，在資金等方面對普通高校配備的薄弱;另一方面由于高校自身缺乏管理創新，制度安排不盡合理，從而導致辦學效率偏低。從平均全要素生產率增長來看，全要素生產率增長速度超過3%的高校都集中在東部，中部高校全部集中在低增長率區域。投入方面，東、中、西部高校增長幅度類似，但東、中、西部在產出方面，如INCO和TICI，增長率依次遞減。一方面，這與國家及地方對不同地區高校教學科研活動資金支持力度不同有關;另一方面，也與當地地區經濟發展水平有關，尤其是產出指標INCO和TICI，呈現出非常明顯的地域差異，這也從側面反映了地區經濟發展水平對高校辦學活動的促進作用。

圖2顯示了72所高校按學校類型分類在平均效率和Malmquist指數二維平面上的分布。從平均效率來看，綜合類高校大多集中在高效率和中等效率水平，辦學效率低于0.7的只有兩所，體現了綜合類高校在教學和科研管理、資源利用等方面的優勢。由于專業類院校多以人文社會學科為主，在獲取科研經費和科研國際化方面具有先天的弱勢，從而導致專業類院校辦學效率水平較低。從全要素生產率增長來看，專業類院校大多處于高增長和低增長區域，只有一所落在負增長區域。綜合來看，雖然專業類院校辦學效率起點較低，但全要素生產率卻保持較快的增長速度。

5 結論

本文運用BCC權重約束模型和基于DEA的Malmquist指數分析方法從效率和全要素生產率變化二維視角，對2005—2011年教育部直屬高校辦學活動進行交叉分析，主要結論及相應對策如下:

(1)不同高校辦學效率和全要素生產率增長差距較大。建議相關高校以高效率和高全要素生產率增長學校為標桿，注重教育資源投入的有效管理，建立科學合理的激勵制度，加強管理創新，不斷增加科研和教學產出，努力提升技術進步增長速度，從而實現教育資源的持續穩定高效轉化。

(2)辦學效率存在明顯斷層。9所高效率院校 (第一梯隊)效率最低為0.964，其余院校(第二梯隊)效率最高為0.894，這說明高效辦學效率存在一定的兩極分化現象。第一梯隊院校應優化人才發展環境，通過良好的獎勵機制吸引更優質的教學科研人員，繼續保持教育資源高效地轉化為辦學產出，從而促進其辦學效率進一步提升。第二梯隊院校應積極籌措科研資金，努力提升技術水平和管理水平，創新獎勵機制，通過多種途徑籌措辦學基金，加強校際和校企合作，從而實現教育資源的持續高效轉化。同時建議有關部門要合理配置教育資源，向教育資源較薄弱的高校適度傾斜，逐步縮小高校辦學資源的差距。

(3)全要素生產率年均增速高于3%的都集中在東部高校。中部高校全要素生產率年均增速集中在低增長率區域，而西部高校則處于低增長和負增長區域，中西部高校應努力提升技術效率和技術進步率，從而提高生產率增長速度。相比于綜合和理工類院校，專業類院校平均效率起點較低，但立足于自身辦學特色，充分發揮和利用自身優勢，實現了全要素生產率的較高速增長。

［1］Johnes J，Yu L.Measuring the research performance of Chinese higher education institutions using data envelopment analysis［J］.China Economic Review，2008，19(4):679-696.

［2］Johnes J.Measuring teaching efficiency in higher education:An application of data envelopment analysis to economics graduates from UK Universities 1993［J］.European Journal of Operational Research.2006，174(1):443-456.

［3］袁衛，李沐雨，榮耀華.2011年教育部直屬72所高校辦學效率研究——基于 DEA模型［J］.中國高教研究.2013，(11):1-7.

［4］姜彤彤.“985工程”高校科研全要素生產率測算及分析［J］.中國高教研究，2013，(4):38-43.

［5］陳召魁.高校R＆D投入產出滯后性與相對效率評價研究［D］.天津大學，2011.

［6］饒偉，梁文舉，唐文左.基于改進 DEA模型的省際高校科研效率評價［J］.科技管理研究，2012，32(22):114-117.

［7］鄭燕，楊頡.我國高校入圍 ESI世界前1% 學科的現狀與趨勢［J］.中國高教研究，2013，(11):14-18.

［8］Charnes A，Cooper W W，Rhodes E.Measuring the efficiency of decision making units［J］.European Journal of Operational Research，1978，2(6):429-444.

［9］Banker R D，Charnes A，Cooper W W.Some models for estimating technical and scale inefficiencies in data envelopment analysis［J］.Management Science，1984，30(9):1078-1092.

［10］F?re R，Grosskopf S，Norris M，et al.Productivity growth，technical progress，and efficiency change in industrialized countries［J］.The American Economic Review，1994:66-83.

［11］Ray SC，Desli E.Productivity growth，technical progress，and efficiency change in industrialized countries:comment［J］.The A-merican Economic Review，1997，87(5):1033-1039.