西部地區人才培養資源優化配置效率研究

摘要：在我國持續推進高等教育均衡發展的背景下，優化西部地區資源配置效率成為實現區域教育高質量發展的重要路徑。本研究基于DEA-BCC模型與Malmquist指數，對2018-2022年西部11省（區、市）高等教育資源投入產出效率進行靜態與動態分析。研究發現：靜態效率層面，西部地區綜合技術效率均值由0.861降至0.838，整體呈下降趨勢，呈現“高效省份稀缺、低效區域集中”特征；動態效率層面，Malmquist指數均值為0.985，全要素生產率整體下滑，技術進步不足與規模效率弱化是主要制約因素。研究表明，西部地區需強化技術創新、優化規模適配性，并針對低效區域實施差異化政策，以破解“局部優化、整體承壓”困境，為推進西部高等教育均衡發展提供決策參考。

關鍵詞：資源配置效率；高等教育；西部地區；DEA-Malmquist模型

一、問題提出

高等教育是推動區域經濟社會高質量發展的重要引擎，在我國西部開發戰略中承擔著人才培育與創新支撐的雙重使命。從戰略布局層面觀察，西部高校近年呈現顯著規模擴張態勢，截至2023年統計數據顯示，西部普通高等院校數量已占全國院校總數的27.6%，但在辦學資源投入維度呈現明顯區域失衡，其在校生總量、科研經費規模及高端人才儲備僅分別達到東部地區的68%、42%和35%。這一現象與《教育強國建設規劃綱要（2024-2035年）》強調的“構建優質均衡高等教育體系”戰略目標形成鮮明對照。2024年政府工作報告特別強調，要通過學科布局優化與資源結構重組提升中西部高校綜合實力，進而增強其對區域發展的服務效能。面對持續擴大的教育投入規模與日益增長的發展需求，如何建立科學合理的資源分配機制已成為西部高等教育提質增效的關鍵命題。因此，開展西部高校資源配置效率的系統測度與研究，不僅契合國家戰略導向，更具有重要的政策指導價值和實踐應用意義。

教育資源配置是教育領域的熱點難點問題，許多學者針對教育資源配置效率進行了深入探索。從研究對象來看，基本包含各學科各教育領域。陳紫妮等人對2020年全國高等醫學教育資源進行省域效率分析后發現中西部省份資源配置效率顯著低于東部，且存在空間聚集性；韓海彬等人研究指出高等教育資源配置效率呈東高西低的梯度分布，西部地區效率值較東部低11.2%；針對城鄉義務教育資源配置問題，李毅等人研究發現農村地區的優質資源配置效率降幅較大且顯著高于城鎮，這一問題在西部農村地區更加突出；從研究方法來看，趙慶年等人通過構建網絡二階段DEA模型進行實證分析，指出我國高等教育經濟化階段效率低下是制約資源效能的關鍵；姚昊等人采用超效率DEA-Malmquist的方法證明了“雙一流”高校研究生教育效率波動上升主要依賴技術進步，中西部高校受資源管理水平的制約顯著；游麗等人結合空間計量模型指出區域間高等教育效率差異逐漸縮小，西部地區仍存在“低效鎖定”現象。

既有研究為理解教育資源配置效率提供了豐富視角，研究結果普遍指出西部地區教育資源配置效率較低、增速較慢，但現有研究針對西部地區高等教育資源配置的系統性研究較少，缺少西部地區內部各省域的研究及其動態演化規律與空間交互效應的深入探討，基于此，本文以西部地區高等教育為研究對象，構建涵蓋人力、財力、物力評價指標體系，采用DEA-BCC模型測度靜態效率，結合Malmquist指數分析效率的動態變化趨勢，對2018-2022年西部地區高等教育投入產出資源配置效率進行測度分析。以期為西部地區高校提高教育資源配置效率提供相關參考。

二、研究設計

（一）指標選擇與數據來源

綜合考慮我國高等教育資源配置現狀、數據的可獲得性以及實證分析的可操作性。將投入指標從人力、物力、財力三個方面考慮，分別選取專任教師數、學校占地面積和固定資產總值三個指標。產出指標選取從發展規模和人才培養水平考慮，選擇在校生人數和畢業生人數兩個指標。見表1。本研究基礎數據采集自《中國教育統計年鑒》（2018-2022年），研究對象聚焦于中國西部戰略發展區域，依據國務院劃分標準該區域包含12個省級行政區。需要說明的是，因西藏自治區存在顯著數據缺失（缺失率gt;65%），最終選定四川、云南、貴州等11個省（自治區、直轄市）構成分析樣本。

（二）研究方法

1. DEA-BCC 模型

數據包絡分析（DEA）是一種基于線性規劃的非參數效率評估方法，適合用于評估多投入、多產出復雜系統的效率，基本原理是通過構建生產前沿面將決策單元與該前沿面進行對比，從而計算出相對效率值（θ）。θ=1則該決策單元達到DEA有效，θlt;1意味著存在效率損失。DEA-BCC模型假設規模報酬可變，可將技術效率與規模效率區分開來并有效去除規模因素的干擾來單獨測量技術效率，在存在規模差異的研究場景中更具適用性。西部地區既包含了陜西、四川等高等教育資源集中度較高且可能會出現規模報酬遞減的省份，也存在云南、貴州等教育資源相對分散且需要考慮其規模報酬遞增潛力的省份，這種區域發展梯度特征與資源配置的規模彈性差異，決定了效率測度需采用差異化分析工具。因此本研究采用DEA-BCC模型對西部地區高等教育資源配置效率進行靜態分析。

2. Malmquist 指數模型

Malmquist指數是一種評價動態效率的方法，它使用跨期數據測算全要素生產率（TFP）變化從而分析效率隨時間變化的趨勢，同時將全要素生產率分解為技術效率變化（EC）和技術進步變化（TC）以此區分效率提升是源于追趕效應還是創新驅動。本研究包含5年面板數據，因此在 DEA-BCC模型靜態分析的基礎上引入Malmquist指數模型，測算西部地區高等教育資源配置的TFP指數，分析效率的年際變化趨勢，對資源配置效率進行縱向分析。

三、實證分析

（一）基于 DEA-BCC 模型的高等教育資源配置效率分析

通過《中國教育統計年鑒》收集整理得到2018-2022年間西部地區原始投入和產出數據。在Deap2.1軟件中采用BCC模型，將2018-2022年度面板數據導入決策單元，定量解析各區域高等教育資源投入與產出的關聯特征，最終獲取技術效率（TE）、純技術效率（PTE）及規模效率（SE）三組核心指標。詳細實證結果呈現于表2至表4。

綜合技術效率是衡量決策單元在現有技術水平下通過優化投入與產出組合實現資源利用有效性的指標，該指標的取值范圍在0到1之間，效率值為1則認為資源投入與產出達到了最優比例，即DEA有效，效率值小于1，則認為存在效率損失，且需要通過技術改進或管理優化來提升效率。

基于表2數據，2018-2022年西部地區高等教育資源配置綜合技術效率呈現以下特征：

第一，整體效率呈下降趨勢。2018-2022年，西部地區綜合技術效率均值從0.861降至0.838，整體處于中等水平，教育資源未得到充分利用。其中，效率值為1的省份有兩個，有三個省（區、市）未達到西部地區平均水平。

第二，高效省份穩定，但數量有限。云南、廣西在2018-2021年效率值均為1，資源投入產出結構高度優化。四川效率值始終高于0.94，技術應用水平與資源整合能力較強。

第三，低效省份效率波動顯著。貴州、甘肅、內蒙古等地效率值長期偏低且波動較大。貴州2019年效率值降至0.812，2021年回升至0.951，但2022年降至0.781，其資源配置受政策或外部因素干擾較大；內蒙古效率值從0.695逐步提升至0.748，但仍低于西部平均水平，技術效率提升空間較大。

純技術效率是在規模報酬可變假設下衡量決策單元在管理和技術應用層面的效率水平的指標，該指標的取值范圍在0到1之間。若效率值小于1則表明存在管理冗余或技術應用不足的問題，需要優化投入產出結構。

由表3數據分析，2018-2022年期間西部地區高等教育資源配置的純技術效率整體呈現出逐漸提升的趨勢，均值從0.907上升至0.911表明整體的管理能力與技術應用水平在逐步優化。超過一半的省（區、市）純技術效率超過西部地區平均水平，四川、云南、廣西、青海多數年份的純技術效率值為1，表明這些地區的管理能力與技術應用水平處于前沿。然而新疆和內蒙古兩個自治區的純技術效率值相對較低，位于末尾。

規模效率是綜合技術效率與純技術效率的比值，它衡量決策單元是否處于最優生產規模，效率值為1意味著規模報酬不變即處于最優規模，小于1則表示存在規模不經濟。根據表4，西部地區高等教育資源配置的規模效率呈現出兩極分化，整體趨降的特點，均值從0.949下降至0.924。除青海和寧夏外，其他所有省（區、市）的規模效率均達到并高于均值。其中四川和新疆可能由于區域資源分配失衡或政策執行的偏差效率有所下降，云南和廣西的規模效率達到1，表明其高等教育資源規模與區域需求相匹配，而青海和寧夏的規模效率長期處于較低水平，表示其高等教育規模偏離最優水平。

西部地區高等教育資源配置效率層次分化顯著，呈現高效省份稀缺、低效區域集中、規模與技術矛盾加劇的總體格局。以云南、四川等省份為代表的地區資源配置效率較高且穩定，在綜合技術效率、純技術效率及規模效率上均達到了較高水平，表明其資源投入結構合理、管理技術先進且規模適配性高。陜西、廣西等地以技術為主導，純技術效率較高但規模效率偏低，反映其技術應用能力較強但規模擴張過快。青海、寧夏、貴州等省份效率長期墊底且波動較大，主要受規模不經濟與管理水平滯后的雙重制約。

（二）基于 Malmquist 指數模型的高等教育資源配置效率分析

接下來對2018-2022年西部地區高等教育資源配置效率進行Malmquist動態分析。結果見表5。

2018-2022年西部地區高等教育資源配置的Malmquist指數均值為0.985，小于1，全要素生產率整體呈下降趨勢。從分解指標看技術效率指數與技術進步指數均低于1，說明技術應用能力不足與創新滯后是制約效率提升的主要因素，而純技術效率指數基本保持在較高水平，規模效率指數輕微下降，反映管理能力相對穩定但規模適配性逐步弱化。

2018-2019年Malmquist指數大于1，技術進步指數較高，在技術效率指數與規模效率指數的協同作用生產率進一步提升。這一時期西部地區可能受益于“雙一流”建設初期政策紅利，技術引進與創新投入增加。

2019-2020年技術進步指數持續上升，Malmquist指數升至1.018但技術效率指數與純技術效率指數小幅下降，這一時期資源配置出現粗放化傾向，部分省份盲目擴招導致管理壓力增大。

2020-2021年，Malmquist指數下降且小于1，技術進步指數與技術效率指數同步下滑，規模效率指數拖累顯著。這一階段可能受新冠疫情沖擊，線下教學與科研活動受阻，技術轉化效率降低，同時應急性擴招加劇規模不經濟問題。

2021-2022年，Malmquist指數小于1，技術進步指數仍處低位，技術效率指數接近1，反映管理能力有所恢復，但規模效率指數持續低迷，表明規模擴張與區域需求的結構性矛盾未根本解決。

通過分解全要素生產率（TFP）指數進一步分析西部地區高等教育資源配置的演進軌跡。實證結果顯示（詳見表6），2018-2022年觀測期內，樣本省份中41.7%的全要素生產率指數呈現正向增長態勢（TFPgt;1.000），反映出這些區域具有持續的生產前沿面移動效應；而58.3%的行政單元則面臨效率損失困境（TFPlt;1.000），其中廣西與青海的TFP值下降明顯，技術追趕效應不足成為制約其效率提升的主要障礙。借鑒楊傳喜等學者關于效率類型劃分的思路，將西部地區高等教育資源配置效率分為以下三類：

第一，低增長型（1.000lt;TFPlt;1.050）。包括重慶、云南、陜西、寧夏和內蒙古5個省份。其中陜西和內蒙古的技術進步與規模效率協同提升推動了TFP增長，云南則主要依賴技術進步。

第二，徘徊型（0.900lt;TFPlt;1.000）。包括四川、貴州、甘肅和新疆4個省份。這些地區技術進步普遍偏低，如貴州（0.967）、新疆（0.963），導致TFP未能突破瓶頸。

第三，低效型（TFPlt;0.900）。包括廣西和青海2個省份。廣西的技術效率（0.980）與技術進步（0.943）雙降，青海則因技術效率（0.944）和規模效率（0.944）嚴重不足，成為西部地區效率最低的區域。

四、結語

技術效率與技術進步對西部地區高等教育資源配置效率影響顯著。通過Malmquist指數分解可以看出，研究期間技術進步（均值0.992）與規模效率（均值0.992）協同作用，推動了整體效率提升。具體來看，重慶市在2018-2022年始終處于效率前沿；四川、青海等省份通過優化技術效率，實現了階段性效率改善。內蒙古、廣西和貴州雖受技術進步不足制約，但規模效率調整仍為其效率提升提供了潛在空間。

從整體趨勢看，2018-2022年西部地區Malmquist指數均值為0.985，略低于1.000，但技術進步與規模效率的局部突破表明資源配置效率存在結構性優化。從各省（區、市）表現看，陜西、云南、寧夏和內蒙古的Malmquist指數大于1.000，全要素生產率呈上升趨勢，主要得益于技術進步與規模效率協同提升；而廣西、青海等省（區、市）因技術效率與技術進步雙降，成為效率洼地。

綜上所述，西部地區高等教育資源配置效率呈現“局部優化、整體承壓”的特征。未來需強化技術引進與創新，優化規模效率，并針對低效省份制定精準扶持政策，以推動區域高等教育均衡發展。

參考文獻：

[1]陳宏軍.高等教育資源配置論[M].長春：吉林大學出版社，2005.

[2]陳紫妮，林小丹，姚衛光.我國高等醫學教育資源配置效率評價及空間計量分析[J].中國衛生事業管理，2024，41（01）：78-83.

[3]韓海彬，趙慧欣.高質量發展下高等教育資源配置效率的區域差異與動態演進[J].黑龍江高教研究，2023，41（11）：55-62.

[4]李毅，楊焱靈，吳思睿.城鄉義務教育優質資源配置效率的問題及對策——基于DEA-Malmquist模型[J].中國教育學刊，2021（01）：60-65.

[5]趙慶年，張宇.我國高等教育系統資源配置效率研究——基于成果化和經濟化全過程視角[J].教育科學，2024，40（01）：87-96.

[6]姚昊，馮曉瀟.“雙一流”建設高校研究生教育資源配置效率及影響因素——基于教育部直屬63所高校的實證分析[J].教育學術月刊，2023（11）：29-36.

[7]游麗，孔慶鵬.“雙一流”背景下我國高等教育資源配置效率測評及影響因素研究——基于超效率DEA-Malmquist方法和Tobit模型[J].教育與經濟，2021，37（06）：30-37.

[8]李美娟，陳國宏.數據包絡分析法（DEA）的研究與應用[J].中國工程科學，2003（06）：88-94.

[9]王志平.數據、模型與軟件統計分析[M].南昌：江西高校出版社，2019.

（作者單位：云南農業大學經濟管理學院）