我國高等教育發展效率及影響因素研究

羅利群，高婉玉

（云南民族大學教育學院，云南 昆明 650504）

0 引言

改革開放以來，各大高校實行擴大招生規模政策，使得高等教育呈現爆炸式增長。中國高等教育總體規模先后超越了人口大國（印度）和經濟強國（美國），躍居世界第一。龐大的高等教育投入是否與社會發展需要相契合以及高等教育的投入是否與高等教育的產出相匹配一直是人們關心的問題。因此，在高等教育普及化的今天，研究高等教育投入產出效率，不僅可以為高等教育發展提供可視化評價途徑，而且對高等教育發展的增速提質具有重要的現實意義。

DEA法可優化模型中其中任意一個決策單元（簡稱DMU，Decision Making Unit），加之其不要求對輸入和輸出數據的單位進行統一處理，避免在對原始數據處理過程中引入過多主觀因素，以保證DMU數據的相對客觀性，國內外使用DEA方法研究教育投入產出效率的文獻與日俱增，特別是高等教育領域。現有研究主要選取學院作為研究對象來評價單一高校投入產出效率，針對省域教育層面展開研究較為鮮見。在研究對象的選取上，主要以高校的截面數據或時間序列數據為決策單元，缺乏對區域性高校發展趨勢動態變化的深入探究[2]；在研究方法上，主要沿用以規模報酬不變為假設前提的CCR模型，而現實中高等教育的規模報酬并非恒定不變[3]，因此運用CCR模型來測算高等教育發展效率的做法有待商榷。綜合運用交叉模型，對數據結果進行決策冗余處理的相關研究鳳毛麟角；在研究變量的選擇上，大多數研究僅停留在二級指標的構建，缺乏對變量的深入剖析，可能導致研究結果存在較大偏差。綜上所述，本研究運用DEA交叉模型評價2010-2019年31個省市自治區的高等教育投入產出效率，并用Tobit模型對研究結果進行回歸分析，以期實現對高等教育發展效率較為準確的評價。

1 方法與數據

1.1 研究方法

1.1.1 DEA模型

DEA模型是運用回歸分析方法，通過引入某個“教育因素”來分析教育投入與收入的邊際效應。基于相對最優解的理念，DEA法可以克服生產函數、投資回報等投入產出分析模式難以說明復雜的多種因果變量關系缺陷，因而，該方法被認為是評價復雜的多投入和多產出因果關系較為行之有效的方法。所謂DEA有效，指決策單元的投入產出比達到最大[4]。CCR模型為:

BCC模型為:

其中，α表示CCR模型中評估的高等教育綜合效率，β表示BCC模型中測算的高等教育純技術效率，λi表示決策單元所占的權重，x0和y0分別表示決策單元的投入和產出,xi和 yi分別表示決策單元的投入和產出取值為正的方向向量。其中s-為松弛變量，s+表示剩余變量。若效率值小于1，則說明該單元的投入產出為非DEA有效；當效率值為1時存在2種情況，一是若s-和s+均為0，則證明該情況下的投入產出效率最高。二是s-或s+不為0，則證明該情形下的投入產出是相對有效的，但沒有達到最優生產配置。此外，將教育全要素生產率（又稱規模效率）作為連接綜合效率和純技術效率的橋梁，可得SE=TE/PTE。

1.1.2 Tobit模型

鑒于DEA有效值位于0-1區間，Tobit模型能在一定程度上解決受因變量或樣本選擇偏誤的回歸問題，因此，借助Tobit模型對DEA非有效決策單元投入的冗余度進行測量。基于高等教育時間序列和橫截面數據，文章進一步采用處理極限變量的Tobit模型分析高等教育發展效率的影響因子。利用2010年-2019年31個省市自治區的面板數據，以高等教育純技術效率（PTE）為因變量，從政府扶持力度、社會產業結構、區域經濟發展狀況、高等教育現狀等方面分別選取了高等教育財政撥款占教育事業總財政撥款額的比重（X1）、教育總產值占GDP比重（X2）、人均GDP值（X3）和高等教育在校學生數量（X4）為解釋變量[5]。Tobit模型具體運算公式為：

其中，GTE表示高等教育發展效率；α表示截距值；βi為待估參數；Xi為高等教育發展效率的影響因素。

1.2 指標選取

1.2.1 高等教育投入指標

在高等教育領域，高等教育投入產出效益將經濟學領域中的投資回報率等應用到教育范疇，是高等教育投入和產出之間的百分比。基于已有研究將高等教育的投入劃分為人力、物力、財力三大方面，將投入因素進一步細致劃分。首先，在人力資源方面，教育人力資源包括在校學生人數、行政管理人員、生產人員數、教學崗人員以及他們的知識結構、職稱結構、年齡結構等。由于高等教育內部人員對培養人才、創新科技和服務社會等領域的貢獻不盡相同，因而將高等教育的人力資源在結構上劃分為高級教職人員、普通教職人員、教輔工作人員。其中，高級教職人員是在高校中承擔科研任務的人員，對高校建設的貢獻較為突出，一般擁有副教授、教授職稱；普通教職人員更傾向于從事專科、成人大學的科研工作或在本科院校以教學為主要任務的人員，這類教師將教育教學擺在首位，其工作成果直接關系到學校的教育產出；作為高等教育的外部性保障，教輔工作人員主要從事維持教育教學正常秩序的行政工作，也構成了影響高等教育產出必不可少的投入因素之一。其次，在物力資本方面，學校的固定資產和低值易耗品形塑了教育的物力資本。根據高等教育的固定資產的用途，又可細分為三大類：生活用固定資產、科研用固定資產和共同的固定資產。最后，在財力資源方面，高等教育主要經費來源于國家財政性撥款，這些經費主要由單位內部教育經費支出和單位外部教育經費支出構成[6][7]。基于上述分析，選取高級教職人員、普通教職人員、教輔工作人員、生活用固定資產、科研用固定資產、共同的固定資產、低值易耗品、單位內部教育經費支出和單位外部教育經費支出等9項指標建構高等教育投入指標體系。

1.2.2 高等教育產出指標

自20世紀初美國威斯康星大學校長范·海斯（Charles R.Van Hise）將教學、科研和服務視為大學的主要職能以來，人們對高等教育的定位日益明晰，即科研、人才培養和服務社會是高等教育發展之使命。從人才培養、科技創新和社會服務作為評價高等教育產出效率的三大維度入手，分析高等教育產出指標。首先，畢業生人數是教育教學成果的直接體現，相當于會計學中的產成品或完工產品。因而，選取畢業人數作為人才培養方面的產出指標。其次，論文、專著和科研成果是衡量一個國家科研水平的重要指標，在一定程度上能凸顯高等教育的科技創新能力。最后，礙于高等教育的社會價值體現在方方面面且難以準確測量，故基于現有的高等教育統計數據，遴選當年實際技術轉讓收入和課題項目作為社會服務方面的衡量指標[8][9]。基于上述考量，從人力、物力、財力投入維度和人才培養、科技創新、社會服務產出維度出發，構建高等教育發展的評價指標體系（見表1）。

表1 高等教育發展評價指標體系

1.2.3 影響因素指標

教育系統兼具整體空間的協調性和子系統之間的互動性特點，教育系統作用于社會子系統的同時，各子系統的外溢效應又反作用于教育系統及其空間布局。文章主要從區域經濟發展水平、財政系統和人力資本3個子系統出發，建立Tobit回歸模型的自變量衡量指標，遴選DEA分析方法中的BCC模型所測算出來的純技術效率值（PIT）作為因變量，對高等教育發展效率的影響因素進行描述性分析、相關性分析和回歸統計。其一區域經濟發展水平是影響和制約高等教育的重要影響因素之一，用各省份的人均GDP作為區域經濟發展水平（B1）的衡量指標[10]；其二財政系統通過對教育資源進行分配和再分配直接作用于高等教育發展效率，將高等教育的經費投入視為高等教育經費投入規模（B2）的指標，各省份高等教育學生人均教育經費占人均GDP比重（B3）作為高等教育人均教育經費指數，用各省份高等教育公共財政經費占全部教育事業經費支出比重來衡量高等教育經費配置結構（B4）；其三人力資本的積累和競爭對高等教育的發展產生或正或負的外溢效果。行業內勞動資源的互動交流和流動性促進高等教育人力資本的專業化發展的同時，人力資源使用的專門性和排他性又對高等教育的發展產生負的外溢效果。用高校教輔人員和教職人員總數表示人力資本（B5）[11]。

2 實證分析

選取中國2010-2019年的面板數據作為分析高等教育投入產出效率的數據支撐，得出各年份、各區域高等教育的綜合效率（TE）、純技術效率（PTE）和規模效率（SE）等指標，采用DEA-Solver Pro 5.0軟件處理面板數據，結果如表2所示。若效率值為1，說明決策單元位于生產前沿面上，該值為最優解；否則，說明該決策單元未達到最優狀態。

表2 各年份高等教育發展效率值

2.1 高等教育發展效率整體評價

根據DEA模型分析結果表明，2019年高等教育投入產出的平均綜合效率為0.9514，2014-2016年高等教育為達到最佳狀態，但總體而言，高等教育綜合效率較高。從表3-1和表3-4可知，全國31個省市自治區中，2011年達到規模效益有效的省份或地區有11個，約占35.48%。2014年-2015年有48.39%（15個）達到綜合效率有效，數量有明顯回升，但之后有維持在12-13個的水平。到2019年，有12個地區的高等教育投入產出綜合技術效率為1，而且能同時實現技術有效和規模有效。從區域分布來看，這些地區主要分布在中國的東部和中部地區，如浙江、安徽、河南、海南等；與此同時，部分西部地區，如西藏、青海等的高等教育投入產出規模低于全國的平均水平，雖然在近五年內有提高的趨勢，但相對全國其他地區而言，差距仍較為明顯。造成部分西部地區綜合效率低于全國平均水平的原因主要有2個方面，一方面，體現了高等教育系統具有為社會培養應用型人才的功能，卻忽視了對科研創新能力的培養。目前，各大高校注重對青年教師的引進，部分青年教師為獲得高額人才引進費而退居科研二線，造成人才資源的極大浪費。加之繁重的教學任務，在一定程度上制約教師的科研精力的投入，導致科研產出不足。另一方面，雖然區域政府加大了教育科研經費投入力度，囿于科研成果需要長時間深耕，加大科研經費投入并不能產生立竿見影的效果,阻礙了西部地區綜合效率水平的提高。從整體上看，高等教育投入產出綜合效率處于相對較高的水平，但存在一定的區域差異。

根 據 公 式（1）（2）（3）計 算 出2010年 到2019年我國高等教育發展的綜合效率、純技術效率和規模效率，由于篇幅限制，文章只列出部分年份的效率值（見表3）。將全國31個省市自治區按照中國地理區位劃分為東部、東北、中部和西部4個不同的區域，圖1可以直觀地反映4個區域在2010年至2019年間，高等教育的綜合效率、純技術效率和規模效率的發展趨勢。

圖1 2010-2019年高等教育的純技術效率、規模效率和綜合技術效率的區域變化情況

表3 各地區高等教育的綜合技術效率、純技術效率和規模效率數值

根據表3結果顯示，以2019年數據為例，高等教育投入產出的純技術效率平均值為0.9689，可見隨著高等教育體制機制的不斷完善，我國高等教育投入產出的技術效率總體呈上升的態勢。在全國31個省、市、自治區中，僅有3個決策單元的純技術效率值在90%以下。換而言之，有28個（90.32%）決策單元純技術效率值達到90%以上，其中有19個地區的純技術效率值分布在生產前沿面上，即效率值為1。從區域位置來看，東北地區和黃河中下游地區的純技術效率值提升較快，可見這些地區的高等教育投入產出效率逐漸提高。值得注意的是，甘肅、內蒙古和新疆的純技術效率都低于0.90，分別為0.8403、0.8988和0.8216。這些地區都分布在中國西南和西北偏遠地區。此外，部分地區的純技術效率和綜合技術效率表現較為良好，稍加調整也可以實現高等教育相對均衡發展，如北京、天津、河北、山西、福建、湖南、重慶等地區。總體而言，高等教育投入產出純技術效率與綜合技術效率的走勢大致相同且處于較高水平。

此外，高等教育投入產出規模效率高于純技術效率。結合表2、表3和圖1可以看出，高等教育投入產出的規模效率值普遍高于純技術效率值。從2010年至2019年，全國范圍內高等教育投入產出規模效率值始終維持在0.95以上，說明高等教育投入產出規模效率高度接近前沿線。2019年，規模效率值為1的地區有12個（占38.71%），達到高等教育規模效率最佳狀態。這些高效率地區主要分布在長江流域和黃河流域，如貴州、云南、西藏等西南和西北部分地區的高等教育投入產出規模效率也取得了長足進步。規模效率未達到0.90的地區有2個，其中寧夏和青海的規模效率值分別為0.8440、0.8480。規模效率最小值0.8440與最大值1之間相差約0.156，說明中國的高等教育發展相對不平衡且差距較大。而高等教育投入產出綜合技術效率最小值為0.8129，與最大值之間相差約0.1871。相較之下，高等教育規模效率的區域間差距較小。綜上所述，中國高等教育投入產出的規模效率整體處于一個較高水平且普遍高于純技術效率值，但高等教育的區域發展不平衡較為明顯。高等教育總體上呈現“以東部、中部地區省份為效率高地,以西部地區省份為效率洼地”的空間分布格局。

2.2 高等教育投入產出效率的影響因素分析

為分析高等教育效率影響因素，將DEA方法中BCC模型所得的純技術效率值（PTE）作為因變量，各省份的人均GDP(B1)、高等教育的經費投入(B2)、高等教育人均教育經費指數(B3)和高等教育資源配置結構(B4)作為自變量，運用Tobit模型對高等教育資源配置技術效率影響因素進行描述性統計（表4）、相關性分析（表5）和逐步多重回歸分析（表6）。

表6 高等教育資源配置效率影響因素逐步多重回歸結果

由表4中可知，不同因素變量之間存在顯著差異，在310個觀察值中，各省份的人均GDP(B1)、高等教育的經費投入(B2)兩項變量的標準差偏大，且最大值和最小值之間差距懸殊。可見，各省份人均GDP和高等教育的經費投入兩項變量差異顯著。經對高等教育影響因素進行誤差檢驗，得出5種影響因子差異顯著，F（4，305）=92.61，p＜0.001。

表4 高等教育影響因素的描述性統計結果

由表5測試結果可以看出，回歸方程預測誤差很小，可以用于預測高等教育影響因素的實際值。接著，分析高等教育資源配置效率影響因素的相關性，由表5可以觀察到B1與B2（0.699***）、B1與B4（0.583***）、B1與B4（0.872***）之間高度擬合。由于影響因子解釋力的大小存在差異，采用逐步多重回歸法逐步篩選影響因子，在線性回歸分析中選擇Backward按鈕實現。模型1中剔除高等教育的經費投入(B2)，顯著性大于0.001。接著，模型2剔除各省份人均GDP（B1），顯著性為0.002。最后，將B1、B2和B4進行擬合處理，剔除各省份人均GDP（B1）與高等教育的經費投入(B2)，得出B3、B4和B5影響因子差異顯著，F（3，305）=5.874，p＜0.001。

表5 高等教育資源配置效率影響因素的相關分析結果

通過各省市自治區高等教育資源配置效率的影響因素進行分析，高等教育資源配置效率（PIT）與5種因素存在顯著相關性。各省份人均GDP(B1)在5%的顯著性水平上存在正相關(0.107)，而與高等教育的經費投入(B2)和各省份高等教育公共財政經費占全部教育事業經費支出比重(B4)在1‰的水平上存在顯著正相關，與各省份高等教育學生人均教育經費占人均GDP比重(B3)呈現弱相關。其中，教育經費投入規模對高等教育資源配置效率影響最為顯著，高等教育資源配置結構和地方經濟實力僅次之，而高等教育人均經費指數影響最弱。可見B1與B2（0.699***）、B1與B4（0.583***）、B1與B4（0.872***）之間高度擬合，因而剔除B1與B2，得出高等教育人均教育經費指數(B3)、高等教育資源配置結構(B4)和人力資本(B5)等因素會影響高等教育的發展效率。這意味著提高高等教育人均教育經費指數的提高和壯大高等教育人力資本在一定程度上會促進區域高等教育資源配置效率的提高,這也驗證“高等教育總體上呈現‘以東部、中部地區省份為效率高地,以西部地區省份為效率洼地’的空間分布格局”的結論。此外, 高等教育資源配置結構對高等教育資源配置效率的影響也較為深遠，進一步證實了區域經濟發展水平、財政系統和人力資本3個子系統反作用于高等教育的教育系統及其空間布局。

3 結論

采用DEA-Tobit模型分析31個省市自治區2010年至2019年的高等教育發展效率，得出以下的結論。

通過上述實證分析可得，高等教育資源配置總體效率呈現‘以東部、中部地區省份為效率高地,以西部地區省份為效率洼地’的空間分布格局。2010年至2019年，我國高等教育資源配置純技術效率和規模效率逐年攀升，純技術效率均值由0.9678（2011年）提高到0.9689（2019年），規模效率均值由0.9571（2011年）提高到0.9820（2019年），其增長率分別為0.11%和2.60%；雖然高等教育資源配置的總體效率有所提高,但東北部、東部、中部和西部四大區域之間的高等教育資源配置綜合技術效率存在明顯的不均衡發展態勢。中部地區綜合技術效率均值為0.9958 ,東北地區綜合技術效率均值體現了教育資源配置投入和產出高度契合，中部和東北地區綜合技術效率值均高于東部(0.9573)和西部地區(0.9040)。2010-2019年, 中部和東北部地區的綜合技術效率值日趨提高，而東部和西部地區有略微下降。西部地區的內蒙古、重慶、四川、云南、西藏、甘肅、寧夏等地區的總體技術效率均遠遠低于全國平均水平, 此外，西部地區的純技術效率 (0.9383)也低于東北（1.0000）、東部 (0.9729)和中部地區 (0.9974) 。值得注意的是，東北地區高等教育的三大效率值都表現為DEA有效，為提高其他地區的高等教育資源配置效率提供借鑒。實現區域教育協調發展，必須將提高西部高等教育管理效率和完善運行制度擺在至關重要的位置。西部地區高等教育資源規模投入力度不夠,加之區域經濟實力相對薄弱，使得西部地區高等教育資源供給不足。縮小區域之間高等教育資源配置規模效益的差距, 成為實現高等教育均衡發展的必經之路。為此，必須統籌配置教育資源，兼顧教育產出效率與教育公平，促進區域高等教育均衡發展。

此外，高等教育資源配置結構對高等教育資源配置效率影響最為顯著，高等教育人均教育經費指數和人力資本僅次之。通過對31個省市自治區高等教育發展效率進行評價，發現中部地區三大效率值均優于東部和西部。究其原因，第一東部受到邊際效益遞減規律的影響, 人均教育經費和人力資本投入規模超出邊際效用，從而呈現出人均教育經費指數和人力資本越高，其教育資源配置效率不升反而下降, 最終淪為高等教育內涵式發展和質量提升的掣肘。與之相反，西部由于經濟實力相對薄弱，優質師資匱乏，加之生均教育經費投入不足，使得區域高等教育發展存在明顯差異。第二，教育資源在各級各類教育間的分配不合理，國家政策傾斜指揮著各地區加強對基礎教育的資源投入，而忽視高等教育的發展。一方面，東部地區各級各類教育較為發達，呈現樣態多樣，除了基礎教育和高等教育之外，成人教育、函授教育、電大等方興未艾。政府加大對成人教育、函授教育等的投入而稀釋了高等教育資源配置在全部教育事業支出的占比。另一方面，西部地區在保證高等教育資源配置效率的同時，維護基礎教育階段教育弱勢群體的基本權力，給予其必要的教育補償。基礎教育補償力度的加大，使得高等教育資源配置外部結構失衡。加之鮮有愿意扎根西部的學者，高校師資隊伍薄弱，加劇高等教育資源配置內部失衡。長此以往，東部和西部三大效率值均明顯低于中部地區。

因此, 提高高等教育資源配置效率，需從以下3個方面著手：第一，精進高校教師隊伍結構，向國內輸入國外高層次人才的同時，提高國內“造血”功能——注重培養國內高校教師的業務能力和科研水平；第二，科學合理地配置教育資源，兼顧教育產出效率與教育公平，促進高等教育優質均衡發展。在保證高等教育資源配置效率的同時，給予教育弱勢群體必要的教育補償，提高弱勢教育群體接受高等教育的機會；第三，科學規劃高等教育投入規模，縮小區域高等教育資源配置差距。加強各區域、各省份高校之間的溝通與合作，借鑒國內高等教育資源配置效率較優省份的經驗，實現教育資源的整合優化。