中國高等教育效率的區域差異及空間收斂性研究

閆超棟，馬靜

（1.南京航空航天大學經濟與管理學院，江蘇 南京 211106；2.淮陰師范學院，江蘇 淮安 223300）

·教育論叢

中國高等教育效率的區域差異及空間收斂性研究

閆超棟1,2，馬靜1

（1.南京航空航天大學經濟與管理學院，江蘇 南京 211106；2.淮陰師范學院，江蘇 淮安 223300）

基于1999～2013年的省級面板數據，運用非徑向SBM模型對中國30個省區市的高等教育效率進行了測算，在此基礎上運用空間自相關分析法對高等教育效率的空間關聯性進行驗證，并使用空間計量模型對中國高等教育效率的收斂性及影響因素進行了分析。研究表明，1999～2013年中國高等教育效率呈現“先小幅上升，后保持平穩，再小幅上升”的變化趨勢，整體效率在71.6%～76.5%之間；中國高等教育效率存在β收斂特征，地理因素和社會特征對高等教育效率具有顯著的空間溢出效應；地區開放程度、高等教育管理水平與高等教育效率收斂性正相關，高等教育平均規模對高等教育效率收斂性有負向影響，地區經濟發展水平對高等教育效率收斂性影響不顯著。

高等教育；效率；區域差異；空間收斂性；SBM模型

一、引言

隨著我國“創新驅動”與“科教興國”戰略的深化實施，作為科技進步與社會發展重要引擎的高等教育受到了越來越多的關心與關注，其在人才培養、科學研究、社會服務等方面的職能也被寄予了更多、更高的期待。長期以來，我國高等教育將主要精力集中在提高教育質量方面，而對教育的投入產出效率沒有給予足夠的重視。[1](p49-55)事實上，我國高等教育不只存在質量內涵提升的現實要求，也存在資源使用效率不高和資源浪費現象。[2](p97-102)近年來，國家逐漸加大了對高等教育的投資力度，在高等教育投入保持相對增長的背景下，[3]中國高等教育投入產出是否有效？效率如何？中國高等教育效率的演化是否存在空間關聯性？高等教育效率在空間上是呈現收斂還是發散的變化趨勢？影響高等教育效率收斂性的因素有哪些？探討并明晰以上問題對整體把握中國高等教育效率的演化特征，揭示中國高等教育效率的收斂機制，促進高等教育協調發展具有重要的理論價值與現實意義。

高等教育效率是從經濟學中的“效率”概念派生而來，其內涵和外延相對比較寬泛，目前學術界還沒有統一的概念。但從已有的研究成果來看，大多從內部效率和外部效率、經濟效率和社會效率、投入與產出的比例關系等視角展開論述與研究。①相關研究成果見：鄭銀華，姚利民.對高等教育效率的思考[J].大學教育科學，2006，（2）：30-33；王善邁.教育投入與產出研究[M].石家莊：河北教育出版社，1996：188-192；靳希斌.教育經濟學[M].北京：人民教育出版社，1997；薛天祥.高等教育公平和效率的內涵及其關系[J].高等教育研究，1998，（4）。出于研究的目的，本文高等教育效率是指高等教育的有效產出與高等教育的投入之比。單位教育投入的直接產出數量越多、質量越高，其效率就越高；反之，效率就越低。

目前，國內外學者對高校科研效率研究較多，②相關研究成果見：陸根書，劉蕾，孫靜春，等.教育部直屬高校科研效率評價研究[J].西安交通大學學報：社會科學版，2005，25（2）:75-79；王曉紅，陳浩.1999-2006年我國各省市高校科研效率的實證研究——基于科技成果指標變化的對比分析[J].科研管理，2011，32（4）：94-101；羅杭，郭珍.2012年中國“985”大學效率評價——基于DEA-Tobit模型的教學—科研效率評價與結構—環境影響分析[J].高等教育研究，2014（12）:35-45。而對高等教育“全要素”效率的研究則相對匱乏，尤其是利用非參數前沿法對高等教育效率進行研究的成果自20世紀90年代后才相繼出現。代表性的研究成果有麥克米倫和丹特（McMillan&Data，1998）對加拿大大學的效率問題進行了研究；[4](p97-114)安伯特（Abbott，2003）對美國和澳大利亞大學的效率進行了研究；[5](p89-97)陳通等（2002）利用數據包絡分析DEA（Data Envelopment Analysis,DEA）對我國高等教育投入產出的相對有效性進行了分析與評價；[6](p13-16)任保奎等（2008）對北京高等教育效率與上海、江蘇、浙江等9個省市進行了比較研究；[7](p77-80)徐健等（2009）運用DEA模型對我國31個省區市的高等教育效率進行了綜合評價，并對10個高等教育大省中無效率的省份進行了投影分析；[8](p81-85)李祥云等（2011）通過構建數據包絡分析及其二次相對效率模型，估算了部分教育部直屬高校投入產出的技術效率和管理效率；[9]魏梅（2012）運用動態方向性距離函數對1995～2009年中國高等教育效率進行了核算，并從空間外溢的視角考慮了影響區域高等教育效率增長的因素；[2](p97-102)石麗等（2015）運用超效率DEA模型分析了中國高等教育效率的空間差異及演化特征，并建立空間計量模型回歸分析全要素生產率各分解指標對高等教育效率的影響；[10](p21-26)夏焰、崔玉平（2015）運用全要素生產率指數和空間統計分析方法，從時間和空間兩個維度研究了我國省域高等教育效率及其空間交互特征。[11](p29-34)在高等教育效率分析的基礎上，個別學者進一步探討了我國高等教育效率的收斂性問題。韓海彬等（2010）采用Malmquist指數法對1999～2006年中國高等教育生產率的變動情況進行了分析，并對中國高等教育技術效率的絕對收斂性進行了檢驗；[12](p58-62)沈能等（2014）運用Bernard時間序列收斂模型對我國大學知識創新效率的空間趨同性進行了檢驗。[13](p21-30)

現有的研究成果對我國高等教育效率及收斂性問題進行了積極的探索并得出了許多有益結論，這為本研究的開展提供了寶貴的借鑒。通過對以上文獻的回顧梳理可以發現，現有對我國高等教育效率及其收斂性的研究仍有以下幾個方面可以改進：首先，非參數徑向DEA雖然保證了效率測度邊界的凸性，但同時帶來了各決策單元投入產出要素的“松弛”問題，使得效率值測算相對偏高。本研究所采用的SBM（Slack Bsaed Measure,SBM）模型能夠有效改進這一點；其次，大多數研究選取的投入產出指標并不十分完善，且研究時間跨度相對較短，本文則利用1999年高等教育擴招以來連續15年的數據進行測算，以期測量出更加精準的中國高等教育效率及其發展趨勢；第三，大多數研究并未涉及中國高等教育效率的收斂性問題，更未考慮其空間相關性和空間效應，本研究采用空間面板計量模型可有效解決傳統模型可能出現的偏誤。

二、我國高等教育效率的測算與分析

（一）SBM模型。

數據包絡分析（DEA）是一種基于被評價對象間相對比較的非參數技術效率分析方法，是由美國的查恩斯（Charnes）、庫珀（Cooper）和羅茲（Rhodes）三人于1978年首次提出。[14](p429-444)它通過計算所有決策單元實際生產點與生產前沿面的距離來確定其效率測度。DEA保證了效率測度邊界凸性，但對各決策單元松弛改進的部分在效率值的測量中并未得到體現。[15]出于這樣的考慮，托恩（Tone，2001）提出了非徑向SBM模型，該模型直接利用投入產出松弛構建模型的目標函數，適用于多投入多產出的復雜生產系統的分析。[16](p498-509)該模型如下：

其中m表示投入要素的種類；n為產出的種類；x0，y0，si-，sj+分別表示投入、產出、投入松弛、產出松弛；X,Y,S-,S+為決策單元對應的矩陣；λ是一組列向量，代表各決策單元的權重；θ為決策單元的效率得分。

（二）變量選取、樣本選擇與數據來源。

高等教育效率是對高等教育投入和產出能力的測度，反映了高等教育資源的利用效率和可持續發展能力。高等教育投入一般從人力、物力和財力三個方面進行測度，直接產出主要表現為人才培養、科學研究和社會服務三個方面。在總結前人研究成果的基礎上，①相關研究成果見：石麗，陳萬明.中國高等教育效率區域差異及動態演化[J].現代教育管理，2015，（4）：21-26；夏焰，崔玉平.基于資源優化配置的高等教育全要素生產率分析[J].現代教育管理，2015，（12）：29-34；李元靜，王成璋.資源配置效率的比較分析——以我國區域高等教育資源為例[J].軟科學，2014，28（10）:22-26。遵循變量選取的科學性、系統性、代表性和可操作性原則，同時考慮我國高等教育現實情況及統計資料的可獲得性，本文初步選取校本部教職工數、生均教育經費支出、年末固定資產總值、年末圖書冊數作為投入變量，選取本專科在校生數、發表學術論文數、專利授權數、科技服務課題數作為產出指標。本文選取中國大陸30個省區市作為決策單元（因西藏相關數據缺失，未將其納入研究范圍），樣本數據的時間跨度為1999～2013年，共450個觀察值。以上數據來源于1999～2013年《中國教育統計年鑒》、2000～2014年《中國教育經費統計年鑒》、2000～2014年《高等學校科技統計資料匯編》。其中，年末固定資產總值、人均地區生產總值以1999年為基期，采用GDP指數進行平減處理。表1為各變量的描述性統計。

表1 各變量數據描述性統計

表2 投入產出的等張性檢驗

為了檢驗投入產出變量的等張性，②在運用數據包絡分析模型進行效率評價時，要求所有DMU的生產過程必須滿足等張性假設，即增加任意一個DMU的投入量，則其產出量必須相應增加或至少不能減少。[26](p36-49)本文采用皮爾遜（Pearson）相關性分析檢驗了投入產出變量之間的相關關系，表2報告了檢驗結果。檢驗結果表明，所有投入產出變量之間在1%的顯著性水平上存在正相關關系，適合作為投入產出變量指標。

（三）結果分析。

選用非徑向SBM模型，結合MaxDEA軟件，首先測算了我國30個省區市高等教育效率。限于篇幅，本文只列出了部分年份的測算結果，見表3所列。

從表3的數據及圖1我們可以清晰地看出，1999～2013年中國高等教育效率呈現出“先小幅上升，后保持平穩，再小幅上升”的變化趨勢，整體效率在71.6%～76.5%之間。表明目前中國高等教育在保持投入不變的情況下可以再有25%左右的產出提高空間，尚存在一定的資源使用效率不高和浪費現象。從區域角度來看，本文按傳統地理位置劃分的東部、東北部、中部和西部四大區域①中國四大區域的劃分，東部地區包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東等9省市，中部地區包括山西、安徽、江西、河南、湖北、湖南等6省，東北地區包括遼寧、吉林、黑龍江3省，西部地區包括內蒙古、廣西、海南、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆、西藏等13省區市。的高等教育效率均呈現出小幅波動變化趨勢。其中，東部地區和東北部地區波動中小幅下降，分別累積下降了1.274%和7.772%；中部地區、西部地區波動中顯著上升，分別增長了13.347%和12.535%。

從圖1我們還可以看到，中國高等教育效率具有顯著的區域分布特點，東部區域的高等教育效率一直處于最高水平，中部地區高等教育在2003年以后發力“追趕”東部，且在2005～2013年期間基本達到了東部地區的水平；東北部地區和西部地區高等教育效率較低，與東中部尚有一定的差距，可提升空間較大。從單個省份來看，目前高等教育效率較高的省份分別是上海、江蘇、浙江、山東、湖北、河南、北京、廣東，這些省份的年均高等教育效率值都達到0.9以上，并且在不同年份出現了SBM有效單元，它們也是其他省份學習的榜樣。

三、我國高等教育效率的空間相關和收斂性分析

表3 中國30個省區市高等教育效率測算值

在有關區域問題的研究中，一個不容忽視的現象即是區域之間的空間相關性。正如安斯林（Anselin，1988）指出“幾乎所有的空間數據都具有空間依賴性或空間自相關的特征”，區域高等教育效率問題的研究也不例外。[17](p43-55)上述研究結果表明，中國高等教育效率存在顯著的區域差異。接下來，本文將從空間計量經濟學的視角入手，全面分析中國區域高等教育效率的空間相關性，然后應用空間β收斂模型分析其收斂性特征。

圖1 中國四大區域高等教育平均效率變化圖

（一）空間計量經濟模型。

1.全局空間自相關模型。

探索性空間數據分析（ESDA）是空間計量經濟學的一個重要研究方法，解釋與空間位置相關的空間相關、空間關聯或空間依賴現象。[18](p764-773)本文采用Moran's I指數測度我國高等教育效率的全局空間相關性。Moran's I指數是用于衡量區域總體空間關聯和空間自相關程度的指標。公式為：

式中θi和θj分別表示我國區域i和j高等教育效率值；n為決策單元個數；Wij表示兩區域間的空間權重矩陣。Moran's I指數的值域為[-1,1]。顯著性水平一定時，如果Moran's I為正，則表明區域存在正的空間相關性；如果Moran's I為負，則表明研究區域存在負的空間相關性；若Moran's I等于零，則表明觀測值之間不存在空間相關關系，觀測單元相互獨立。Moran's I絕對值越大表明相關性越強。

2.空間權重模型。

設定適當的空間權重矩陣對于進行空間計量分析至關重要。在實證分析中，大多數學者采用鄰接關系或地理距離來進行權重設定。上述兩種權重設定模型在相關研究中得到了廣泛應用。但是，高等教育活動受到的影響不僅限于空間相鄰或地理相近，同時還會受區域經濟發展水平、社會文化環境等其他因素的影響。為此，本文借鑒廷伯根（Tinbergen，1962）提出的引力模型[19]來設立經濟地理權重矩陣。該模型既考慮了地理距離的空間相關性，同時也考慮了經濟發展水平對周邊區域的影響與輻射。模型為：

其中，Wij表示兩區域間的經濟地理權重矩陣，rij表示兩區域間的地理距離，本文采用兩區域省會城市間的鐵路和公路里程的算術平均來表示表示樣本考察期間區域i、j的人均GDP的均值。

3.空間β收斂模型。

經典的β收斂模型分為β絕對收斂和β條件收斂，前者認為所有單元的收斂性不受其他因素的影響，僅取決于初始的效率水平，最終將會達到相同的穩定狀態；而后者則認為由于各單元的經濟發展水平、開放程度、人力資本水平等存在差異，每個單元都將根據自身的特征、沿著不同的路徑、朝著各自穩定的狀態收斂。本研究根據空間滯后模型（SLM）和空間誤差模型（SEM）的基本原理改進了經典的β收斂模型，[20](p70-80)相關β收斂模型如下：

經典β收斂模型：

其中：θi,t和θi,t-1分別表示區域i，t時刻和t-i時刻的效率值，若β1＜0，則表明區域的高等教育效率收斂。p和W分別表示空間回歸系數和空間權重。ε和εi，t-1為隨機誤差項。λ和ω分別為反映回歸殘差空間相關性的參數和空間不相關的隨機變量。xk表示條件收斂分析中的控制變量。

表4 中國高等教育效率絕對β收斂分析

（二）實證結果分析。

1.空間相關性分析。

根據Moran's I指數的計算方法，本文計算了三種空間權重下1999～2013年我國高等教育效率的Moran's I指數值，結果如圖2所示。

根據圖2可知，三種權重矩陣下我國高等教育效率的全局Moran's I指數均顯著大于0，且經濟地理權重矩陣的Moran's I指數值最大，處于0.18～0.35之間，較其他兩種權重效應更加明顯。上述指數值進一步印證了中國高等教育效率存在顯著的空間關聯和集聚效應，并且中國高等教育效率的Moran's I指數在2002～2008年間達到并一直保持在高位，這或許與期間教育部開展的本科教學水平評估有直接的關系。評估加強了省際高等教育之間的交流與合作，促進了省際高等教育效率的空間集聚與關聯。

圖2 中國高等教育效率Moran's I指數

2.絕對收斂分析。

通過Moran's I指數檢驗確定了我國高等教育效率的空間相關性存在之后，下面將結合經典、SLM和SEM模型對我國高等教育效率的收斂性進行分析，結果如表4：

為了比較，首先建立非空間經典β收斂模型，然后考慮中國高等教育效率的空間相關性，再建立空間計量模型。經豪斯曼（Hausman）檢驗，上述模型（1）～（5）均應采用固定效應（fixed effects）模型。另外，對于空間計量SLM與SEM模型的選取，國內外學者安斯林（Anselin，1996）、巴爾塔基（Baltagi，2003）、白俊紅（2009）等認為應綜合考慮擬合優度R2、自然對數函數值（Log）、赤池信息準則（AIC）和施瓦茨準則（SC）等進行分析討論。根據判斷規則，①除擬合優度檢驗外，對數似然值越大，AIC和SC值越小，模型擬合效果越好。這幾個指標也用來比較OLS經典線性回歸和SLM、SEM模型。結合檢驗數據，我們容易發現SEM模型的結果整體優于SLM模型。

兩種空間權重矩陣下SEM模型的λ值分別為0.728和0.898，均大于0，且在1%的顯著性水平下顯著，這表明我國省際高等教育效率具有顯著的空間溢出效應，即其他省份高等教育效率的提升會對本省教育效率產生正向影響，影響程度受兩地區間地理距離和經濟距離的雙重影響。另外，所有的β1均小于0，表明中國省際高等教育效率存在絕對β收斂性，即中國各省份高等教育效率差距正在逐漸減小，最終將達到相同的穩定狀態。收斂速度[21](p72-84)在不考慮空間因素和考慮空間因素的情況下分別為3.33%和4.43%。可以看出，如果不考慮空間相關性的影響，則會導致估計結果偏誤的產生。

3.條件收斂分析。

前文的研究反映出我國高等教育效率存在顯著的區域差異，那么究竟是哪一些因素導致了這種收斂性的存在？這是下文條件收斂分析的重點。在教育效率影響因素的選擇上，韓海彬、夏焰等分別考慮了區域經濟發展水平、區域開放程度、地方產業結構、高等教育規模、地區人力資本存量等相關因素。[22](p13-18)，[23]本文借鑒他們的做法，同時考慮數據的可獲得性，對高等教育效率收斂的影響因素主要考慮以下四個方面：（1）地區經濟發展水平（JJFZ）。以人均地區生產總值PGDP來表示。對于地區高等教育而言，人均GDP的高低一定程度上反映了地方經濟對高等教育發展的財力支持。（2）地區開放程度（KFCD）。以地區登記注冊外資企業數來表示。地區開放程度越高就越容易引進外資企業，從而有利于加強區域內高校與校外企業的合作與交流，使高等學校具有接觸到先進研究成果及先進管理經驗的條件。（3）高等教育平均規模（PJGM）。以地區在校本專科生數與高校數的比值表示。高等教育平均規模越大，資源配置與優化的難度就會加大。（4）高等教育管理水平（GLSP）。通過構建二次相對效率模型，把各省份以往的教育效率看作是輸入，當前的教育效率作為輸出，采用DEA測算當前和以往效率的二次相對效率，采用這一新的效率值來評價各區域高等學校的管理水平。[24](p114-120)

絕對β收斂分析的結果表明SEM模型較SLM模型更適合研究中國高等教育效率的收斂性，因此，下文將重點結合兩種空間權重下的SEM模型進行條件β收斂分析。結果如表5所示：

首先與表4的實證結果比較，在考慮省際高等教育效率的四個影響因素之后，SEM模型的擬合效果大大提高，說明本文選擇的地區經濟發展水平、開放程度、高等教育規模、教育管理水平四個變量確實對中國高等教育效率及其收斂性產生了影響。其次，兩種權重模型設定下SEM模型中系數β1的值均為負值，并且均通過了1%的顯著性檢驗，表明我國省際高等教育效率存在條件β收斂性，收斂速度分別為2.89%和2.91%，較絕對收斂的估計值有較大幅度下降，這或許是由于絕對β收斂模型僅考慮了教育效率的空間溢出效應而沒有考慮其他因素對收斂性的影響，以至于將社會環境、制度因素等其他因素籠統歸結為空間相關性。另外，綜合考慮擬合優度R2、自然對數函數值、赤池信息準則和施瓦茨準則，經濟地理權重SEM模型對于本文的研究更為合理，也進一步表明中國高等教育效率同時受地理區位因素與社會特征的雙重影響。下文僅就經濟地理權重下的SEM模型做簡要的影響因素分析。

表5 中國高等教育效率條件β收斂分析

首先，地區經濟發展水平（JJFZ）變量的系數為0.0241，未通過顯著性檢驗，表明區域經濟發展水平對高等教育效率收斂性的影響并不大，這與李元靜（2014）對高等教育資源配置效率的研究結論相類似。這或許可以解釋為：經濟基礎較好促進了當地高等教育的發展和教育效率的提高，同時吸引了周邊的人才、資源、技術等要素向該區域集中，從而又“負面”影響了周邊高等教育效率的提高。正負效應相抵消，使得經濟發展對高等教育效率的收斂影響并不顯著。

其次，地區開放程度（KFCD）變量的系數為0.0376，在1%的顯著性檢驗下顯著，表明地區開放程度對高等教育效率及其收斂性具有顯著的正向作用，地區開放程度每提高1單位，高等教育效率收斂性便提高0.0376單位。隨著高校同校外資源交流與合作的日益加深，使得高校有更多的機會接觸到前沿課題，并學習到更為先進的管理經驗及研究成果，這對高等教育效率的提高具有直接的促進作用。

再次，高等教育平均規模（PJGM）變量的系數為-0.1025，且通過1%的顯著性檢驗，表明高等教育平均規模對高等教育效率及其收斂性具有顯著的負向影響。這與我們的直觀認識是一致的，即高等教育平均規模越大，資源緊缺便更為嚴重，資源配置與優化的難度也會加大，無形中降低了高等教育效率，進而影響了收斂速度。

最后，高等教育管理水平（GLSP）的回歸系數為0.8590，通過了1%的顯著性檢驗，表明高等教育管理水平能極大地提高高等教育效率并促進高等教育效率的收斂。這一結果說明，中國高等教育效率提高與收斂的主要因素來自高校本身，來自于高校技術進步。這些進步具體體現在：高等教育管理體制的不斷創新，辦學設施的不斷改善，師資隊伍素質的不斷提高，多樣化現代教學技術的不斷應用，產學研合作的進一步加強，以及專業設置的合理性、科學化等方面。[25]

四、簡要結論和啟示

本文基于1999～2013年中國大陸30個省區市（西藏除外）的面板數據，運用非徑向SBM模型、空間自相關以及空間收斂性測算方法對中國高等教育效率的收斂性及影響因素進行了分析。研究結果表明：（1）從效率變化趨勢看，1999～2013年中國高等教育效率呈現“先小幅上升，后保持平穩，再小幅上升”的變化趨勢，整體效率在71.6%～76.5%之間；東部地區高等教育效率最高，中部地區效率逐漸提高并基本達到東部地區水平，東北部、西部地區效率與東中部尚有一定的差距，可提升空間較大。（2）從空間相關性來看，我國省際高等教育效率存在顯著的空間相關性和集聚效應，高等教育效率的Moran's I指數在2002～2008年之間達到并保持在高位，后相關性有所減弱。（3）從空間收斂性來看，中國高等教育效率存在顯著的絕對收斂和條件收斂特征，地理因素和社會特征對高等教育效率均具有顯著的空間溢出效應；地區開放程度、高等教育管理水平與高等教育效率收斂性呈顯著正相關，高等教育平均規模對高等教育效率收斂性有負向影響，地區經濟發展水平對高等教育效率收斂性影響不顯著。

基于上述實證研究的結論和相關分析，可以得出以下兩點啟示：（1）從政策層面講，區域高等教育發展應充分考慮地理和社會因素的影響，加強鄰近地區間高等教育的交流與合作，建立科技、信息、人才與辦學經驗等資源的共享機制，積極開展合作研發活動，避免重復研究與資源浪費，從而提高區域高等教育效率。（2）中國高等教育效率的提高與收斂主要取決于高校自身努力，來自于教育技術進步。各高等學校要不斷創新管理體制與機制，努力改善辦學設施和條件，不斷提高師資隊伍素質和水平，加強現代教學技術的應用與推廣，密切與地方經濟社會的聯系與合作，科學合理地設置學科和專業，堅持走內涵發展道路，避免片面追求“高、大、全”。

本文的研究也存在著局限，主要是本文在構建空間權重矩陣時只考慮了地理區位和經濟發展兩方面的特征因素，沒有考慮地域文化、制度環境、人力資本與物質資本流動等因素。事實上，這些因素對高等教育效率的空間相關性同樣產生十分重要的影響。作者將在后續的研究中作進一步的考察和探討。

[1]李祥云.我國高等學校投入產出的效率評估[J].高等教育研究，2011，（5）.

[2]魏梅.我國高等教育效率增長率區域差異及其影響因素分析——基于空間計量模型的實證研究[J].清華大學教育研究，2012，（4）.

[3]教育部，國家統計局，財政部.關于2014年全國教育經費執行情況統計公告[EB/OL].http:// www.moe.edu.cn/srcsite/A05/s3040/201510/t2015101 3_213129.html.

[4]Ryan J F.The Relationship Between Institutional Expenditures and Degree Attainment at Baccalaureate Colleges[J].Research in Higher Education, 2004,45（2）.

[5]Abbott M,Doucouliagos C.The efficiency ofAustralian universities:a data envelopment analysis [J].Economics of Education Review,2003,22（1）.

[6]陳通，白建英.我國高等教育投入產出相對有效性的評價研究[J].中國高等教育評估，2002，（2）.

[7]任保奎，關冠軍.北京與部分省市高等教育投入—產出效率比較研究[J].北京工業大學學報：社會科學版，2008，8（1）.

[8]徐健，汪旭暉.我國區域高等教育的效率評價——基于DEA模型的實證分析[J].高等工程教育研究，2009，（4）.

[9]李祥云，唐小云.我國部屬高校教育資源投入產出的效率評估——基于DEA二次相對效率模型的實證分析[J].財政經濟評論，2011，（1）.

[10]石麗，陳萬明.中國高等教育效率區域差異及動態演化[J].現代教育管理，2015，（4）.

[11]夏焰，崔玉平.基于資源優化配置的高等教育全要素生產率分析[J].現代教育管理，2015，（12）.

[12]韓海彬，李全生.中國高等教育生產率變動分析:基于Malmquist指數[J].復旦教育論壇，2010，08（4）.

[13]沈能，劉鳳朝.基于空間經濟視角的大學知識創新效率的區域差異與趨同[J].數理統計與管理，2014，33（1）.

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

[15]成剛.數據包絡分析方法與MaxDEA軟件[M].北京：知識產權出版社，2014.

[16]Tone K.A slacks-based measure of efficiency in data envelopment analysis[J].European Journal of Operational Research,2001,130（3）.

[17]李婧，譚清美，等.中國區域創新生產的空間計量分析——基于靜態與動態空間面板模型的實證研究[J].管理世界，2010，（7）.

[18]關偉，張華，等.基于DEA-ESDA模型的遼寧省能源效率測度及時空格局演化分析[J].資源科學，2015，37（4）.

[19]Tinbergen J.Shaping the world economy:a suggestions for an international economic policy/by Jan Tinbergen[J].1962.

[20]郭文，孫濤，等.中國區域全要素能源效率評價及其空間收斂性——基于改進的非期望SBM模型[J].系統工程，2015，（5）.

[21]潘文卿.中國區域經濟差異與收斂[J].中國社會科學，2010，（1）.

[22]夏焰，崔玉平.中國省際高等教育資源的優化配置——基于生均經費支出差異及收斂的實證分析[J].教育發展研究，2014，（5）.

[23]李元靜.我國高等教育資源配置效率的空間計量分析[D].西南交通大學，2014.

[24]王建宏.基于DEA二次相對效率模型的高校科研績效實證研究[J].南通大學學報：社會科學版，2015，（3）.

[25]韓海彬.中國區域高等教育發展的收斂性研究[D].天津大學，2010.

[26]楊騫，劉華軍.中國二氧化碳排放的區域差異分解及影響因素——基于1995～2009年省際面板數據的研究[J].數量經濟技術經濟研究，2012，（5）.

責任編輯張豫

F240

A

1003-8477（2017）04-0163-09

閆超棟（1982—），男，南京航空航天大學經濟與管理學院博士研究生，淮陰師范學院副研究員；馬靜（1966—），女，南京航空航天大學經濟與管理學院教授，博士生導師。

江蘇省高校哲學社會科學重點基金項目（2014ZDIXM036）；江蘇省“六大人才高峰”人才資助項目（2014-JY-010）。