職業高校投入產出全要素生產率研究基于貴州省36所職業高校的面板數據

摘要：面對全球化競爭加劇與技術革新的雙重挑戰，國家對高技能人才的需求日益上升。以貴州省36所職業高校作為決策單元（DMU），采用2020—2023年職業高校質量年報的面板數據，運用Malmquist指數測定其投入產出全要素生產率。結果表明，2020—2023年貴州省職業高校投入產出全要素生產率呈上升狀態；分年度看，全要素生產率呈現先降后升的趨勢，其變動趨勢主要受到技術進步變動的影響。通過對效率前沿面的測量，識別相對效率較低的職業高校，分析其管理和技術缺陷，提出改進的建議。

關鍵詞：職業高校；Malmquist指數；投入產出全要素生產率；貴州省中圖分類號：G718.5 文獻標志碼：A 文章編號：1673- 291X（2025）08- 0118- 05

職業高等教育作為高等教育的重要組成部分，承擔著高素質技術技能型人才培養的重要使命。以貴州省36所職業高校為研究對象，采用2020—2023年職業高校質量年報的面板數據，通過選取投入和產出指標，運用Malmquist指數測定其投入產出全要素生產率，從動態角度識別并分析相對效率低的職業高校，分析其管理和技術缺陷，討論改進工作的對策建議。研究的實踐意義在于可以較為客觀地評價貴州省職業高校的發展水平，能為職業高校制定發展戰略提供決策參考，有利于促進貴州省職業高等教育高質量發展。

一、文獻綜述

關于職業高等教育投入產出效率方面的研究，江秀華和陳建海以甘肅省16所高職院校為研究對象，得出結論是公辦高職院校投入產出效率偏低。肖斌和程曉靜運用DEA方法對廣東18所一流高職院校進行了投入產出效率的測算，結果顯示一流高職院校建設成效顯著。竇艷杰等運用數據包絡分析法對京津冀地區24所高職院校的教育投入產出效率進行評價，也得出了總體效率水平偏低的結論，投入余現象普遍存在。

關于高等教育全要素生產率的研究，郭文濤研究表明，中西部地區因受制于經濟基礎薄弱、師資力量相對乏等因素，全要素生產率相對較低。劉志宏認為，通過改進教育管理、加強師資隊伍建設、優化課程設置和增強學生實踐能力等方式，可以有效提高高等教育的投入產出效率，進而推動全要素生產率的提升。陳偉的研究表明，高等教育全要素生產率在空間上呈現出明顯的區域差異，主要受制于各地區經濟發展水平、政策環境、教育投入強度等多種因素的綜合影響。黃小強研究發現，不同國家和地區在高等教育全要素生產率存在顯著差異，但這些差異更多的是受后天政策與管理影響。

關于貴州職業高等教育研究方面，主要研究方向集中在國際化、發展戰略和發展現狀及思考尚沒有查詢到關于貴州省職業高等教育投入產出全要素生產率研究的文獻。將貴州省職業高校作為研究對象，通過構建投入產出指標體系測算其全要素生產率，將填補理論研究方面的空白，可以為職業高等教育政策措施的制定提供借鑒參考。

二、研究方法

本研究采用Malmquist指數方法計算全要素生產率，參考先前研究中的文獻資料確定投入產出指標，并就DMU確定和數據來源進行闡述

（一）Malmquist指數

Malmquist指數由瑞典經濟學家和統計學家Malmquist于1953年首次提出，1994年Fare等人建立Malmquist生產率指數模型，用來考察全要素生產率增長。該方法彌補了傳統DEA模型無法對效率的變化進行動態分析的空白，具體表達式為：

MPI=TECI×TCI=PEch×SEch×TCI

式（1）中：MPI表示全要素生產率，當" 時，表示全要素生產率呈增長狀態，反之則表示全要素生產率呈下降狀態；TECI為技術效率變化指數，表示從" 期到" 1期技術效率的變化，當TECIgt;1時，表明技術效率得到了提升，反之則表示下降；TCI為技術進步變化指數，表示" 期到" 期技術進步對效率變化趨勢的影響，當" 時，表明技術有進步，并帶來了監管效率的提升，反之則表示技術進步并未帶來監管效率的提升[16]。PEch為純技術效率變化指數；SEch為規模效率變化指數[17]。

（二）投入產出指標的確定

通過對文獻資料的梳理，本研究從投入和產出兩方面列舉各項指標出現頻率較高的文獻資料如表1所示根據上述參考文獻投入產出指標分布情況，并參照李春杰等人研究結果，構建職業高校投入產出全要素生產率指標體系如下頁表2所示。

（三）DMU的確定與數據來源

為保證DEA對決策單元（DMU）具有區分能力，DMU數量不應少于投入和產出指標數量的乘積，同時不少于投入和產出指標數量之和的3倍[25]?？紤]到數據可獲取性和連續性等因素，本研究選取貴州省36所職業高校作為DMU，投入產出指標共有10個，符合DMU不少于投入和產出指標數量之和的3倍的要求。投入產出指標使用數據來源于貴州省各職業高校公布的《高等職業教育質量年度報告（2020- 2023年）》統計數據。基于對研究對象的資料信息保密性的考慮，選取的36所職業高校分別用DMU1、DMU2、DMU36表示。

選取的投入產出指標的原始數據中，指標數據是0或負值時，不符合DEA模型計算的要求，需要進行標準化處理。采用公式（2）對原始數據進行標準化處理

其中：" 表示原始值經過標準化處理后的結果，" 代表指標原始值，" 代表標原始值中的最小值，" 代表指標原始值中的最大值。

三、結果分析

專家學者陳召魁、榮耀華等相關研究中都考慮了高校辦學活動滯后性，但是研究結果顯示滯后性對高校辦學效率測算結果影響不具有顯著影響。本文選取2020—2023年時間序列的貴州省36所職業高校投人產出指標數據，使用DEAP2.1軟件進行計算，得出相關結果。

（一）全要素生產率總體情況分析

運用Malmquist指數方法測算貴州省職業高校投入產出全要素生產率的變化情況。Malmquist指數模型分解為技術效率和技術進步兩方面測定全要素生產率。技術效率是指與原來的技術水平程度相比效率水平發生的變化，也就是兩個時期的相對效率變化，即靠近生產前沿的程度。在職業高校中技術效率的變化主要來自行政管理和內部制度的提升，這兩者有可能改變資源結構調整，進而能提升投入資源的配置率。技術效率大于1，表示相對技術效率正在提升。技術進步表示兩個時期生產前沿面的變化，評價決策單元是否實現技術的進步。職業高校中相關人員的能力提升和設備的補充等都可以引起技術進步的變化。技術進步超過1，表示技術進步帶動了生產前沿面向上方移動[28]。2020—2023年貴州省職業高校Malmquist指數及其分解如表3所示。

從表3可以看出，貴州省職業高校投入產出全要素生產率呈現先降后升的趨勢。2020—2021年，技術進步、規模效率和全要素生產率均大于1，技術效率和純技術效率都小于1，職業高校投入產出效率提升主要依賴技術進步的變化；2021—2022年，技術進步和全要素生產率均小于1，技術效率、純技術效率和規模效率都大于1，職業高校投入產出效率降低的主要原因是技術進步下降。2022—2023年，技術進步、純技術效率、規模效率、技術進步和全要素生產率均大于1，職業高校投入產出效率提升受技術效率和技術進步的共同影響。綜上所述，各階段內貴州省職業高校投

人產出全要素生產率的變動主要是受到技術進步變動的影響。

（二）職業高校全要素生產率情況分析

運用DEAP2.1軟件計算得到2020—2023年貴州省職業高校投入產出Malmquist指數情況如下頁表4所示。

2020—2021年，Malmquist指數大于1的高校有24所，占決策單元總數的" ；Malmquist指數小于1的高校有12所，占決策單元總數的" 。2020—2021年貴州省超過六成的職業高校全要素生產率處于上升狀態。2021—2022年，Malmquist指數大于1的高校僅有8所，占決策單元總數的" ；Malmquist指數小于1的高校有28所，占決策單元總數的" 。2021—2022年貴州省超過七成的職業高校全要素生產率處于下降狀態。2022—2023年，Malmquist指數大于1的高校有22所，占決策單元總數的" ；Malmquist指數小于1的高校有14所，占決策單元總數的" 。2022—2023年貴州省又有超過六成的職業高校全要素生產率處于上升狀態。

36所職業高校中，DMU1、DMU2、DMU3、DMU7、DMU8、DMU9、DMU12、DMU13、DMU14、DMU15、DMU17、DMU24、DMU25、DMU33和DMU35這15所職業高校全要素生產率呈現先降后升的態勢；DMU5、DMU11和DMU34全要素生產率均小于1，波動幅度不大；DMU4、DMU21和DMU23全要素生產率呈現波動上升趨勢；DMU26和DMU30全要素生產率呈現下降趨勢，但是DMU30全要素生產率仍大于1，DMU26在2021—2022年和2022—2023年的全要素生產率都小于1，全要素生產率的下降均主要由技術進步的變化引起。同時，2022—2023年DMU26技術效率的下降也影響了全要素生產率，為此，DMU26應從行政管理、內部制度和相關人員工作能力等多方面加以改進，更好地提升全要素生產率。

四、結論與建議

運用Malmquist指數法采用2020—2023年的高等職業教育質量年報數據對貴州省36所職業高校投入產出全要素生產率進行了綜合評價，得出如下主要結論：

2020—2023年貴州省職業高校投入產出全要素生產率為上升狀態，平均值為" 。分年度看，全要素生產率呈現先降后升的趨勢，其變動趨勢主要是受到技術進步變動的影響。2020—2021年，Malmquist指數大于1的高校有24所，占決策單元總數的" ；2021—2022年，Malmquist指數大于1的高校僅有8所，占決策單元總數的" ；2022—2023年，Malmquist指數大于1的高校有22所，占決策單元總數的建議職業高校從以下方面著力提升技術效率和技術進步，促進學校的高質量發展一是重視科研工作。通過增加科研經費，鼓勵和支持教師及科研團隊進行科技創新和技術研發，以提高學校的整體科研實力和學科發展水平。二是優化課程設置。結合行業發展趨勢和技術更新，不斷優化和調整課程設置，確保教學內容與市場需求緊密對接，提高學生的就業競爭力和社會適應能力。三是加強產學研合作。積極與企業、行業組織等建立緊密的產學研合作關系，共同開展技術研發、人才培養等活動，實現資源共享和優勢互補，提升學校技術創新和社會服務能力。四是提升教師能力。通過組織培訓、學術交流等活動，提升教師的專業素養和教學科研能力，使其能夠更好地指導學生進行技術學習、創新實踐及社會服務工作。

參考文獻：

[1] 江秀華，陳建海.省域高職院校投入產出效率及其影響因素研究：基于甘肅16所公辦高職院校的實證分析[J].職業技術教育，2019，40（11）：6- 10.

[2] 肖誠，程曉靜.基于數據包絡分析模型的高職院校建設效率評價[J].實驗技術與管理，2021，38（10）：256- 260.

[3] 竇艷杰，馮志鑫，徐姝瑩.京津冀地區高等職業院校教育投入產出效率研究[J].天津商務職業學院學報，2023，11（1）：3- 10.

[4] 郭文濤.我國高等教育全要素生產率的區域差異及其影響因素[J].管理現代化，2018（3）：104- 112.

[5] 劉志宏.高等教育投入產出效率與全要素生產率的關系研究[J].財經論叢，2019（12）：56- 64.

[6] 陳偉.高等教育全要素生產率的時空分布特征及其影響因素[J].統計與決策，2020（1）：114- 118.

[7] 黃小強.高等教育全要素生產率的國際比較與啟示[J].教育與經濟，2020（2）：88- 95.

[8] 彭琳.貴州高等職業教育國際化辦學的可持續性發展視角研究[J].現代經濟信息，2014（21）：427.

[9] 郭思妤.貴州高等職業教育國際化辦學面臨的現實問題[J].勞動保障世界，2015（17）：11- 12.

[10] 黃守峰.“一帶一路”背景下貴州高等職業教育國際化發展策略研究[J].北京經濟管理職業學院學報，2023，38（1）：67- 73.

[11] 杜永慶，趙曉鳳.貴州高等職業教育集團化產業化發展戰略研究[J].凱里學院學報，2011，29（5）：155- 157.

[12] 李炳昌.試論貴州高等職業教育發展戰略[J].西昌學院學報（社會科學版），2014，26（3）：112- 114.

[13] 陳文舉.貴州高等職業教育的現狀及其發展[J].貴州大學學報（社會科學版），2007（4）：128- 132.