基于DEA的大学人力资源产出效率评价

李关民

本文根据2008年的统计数据，采用DEA方法，对我国211院校中42所大学的人力资源产出效率、规模效率和投入产出不足方面进行了分析评价，指出改进方向，这对完善我国大学人力资源产出体系，提高人力资源产出的质和量，改善我国大学生就业问题有一定的意义。

一、大学人才培养存在的问题及大学人力资源产出效率评价的意义

朗读：显示对应的拉丁字符的拼音。

自20世纪90年代以来，我国大学人才培养在数量上有了长足的发展。在数量上不断提高的同时，大学人才培养的质量并没有得到显著的提高，而随着人力资源市场的竞争日趋激烈，大学生就业问题日趋严峻。尤其是由美国次贷危机引发的全球金融危机进一步加剧了大学生就业困难。为解决这个问题，对大学人力资源产出效率评价十分必要。

麦克思（Mycos）人力资源信息管理咨询有限公司自2007年以来，采用科学的研究方法连续三年对大学毕业生的就业情况进行了跟踪调查，统计了近3000所大学的学生就业情况。本文将大学的教学资源和科研资金作为投入、麦克思公司的毕业生统计数据作为产出，利用DEA方法对大学人力资源产出效率进行了评价，体现了各大学人力资源产出效率，引起大学管理者对充分利用学校资源为社会培养人才的重视，提出改进措施，提高学校资源的利用率，改进培养的人才素质，对解决大学生就业问题具有一定意义。

二、数据包络分析（DEA）简介

数据包络分析（data envelopment analysis）简称DEA，它采用线性规划技术，是最常用的一种非参数前沿效率分析法。它由A.Charnes和W.W.Cooper 等人于1978年提出，以相对效率为基础对同一类型部门的绩效进行评价。

该方法将同一类型的部门或单位当作决策单元（DMU），其评价依据的是所能观测到的决策单元的输入数据和输出数据。输入数据是指决策单元在某种活动中所消耗的某些量，，输出数据是指决策单元消耗这些量所获得的成果和产出。将各决策单元的输入输出数据组成生产可能集所形成的生产有效前沿面，通过衡量每个决策单元离此前沿面的远近，来判断该决策单元的投入产出的合理性，即技术效率。

三、应用数据包络分析（DEA）评价大学人力资源产出效率

（一）评价目标及决策单元（DMU）的选择

本文将大学人力资源产出效率作为数据包络分析法评价目标，将每个大学当作一个数据包络分析的决策单元（DMU），通过比较各个大学的投入产出的技术效率，来对各大学人力资源产出效率进行评价。本文主要针对各大学本科毕业生作为人力资源来进行产出效率评价。

（二）输入输出指标体系的建立

基于实现评价目标（大学人力资源产出效率）和全面反映决策单元的投入产出水平的考虑，选取建筑面积、图书馆藏书规模、专任教师人数、科研经费支出、学科水平作为输入指标。这个输入输出指标体系反映的是作为决策单元的大学其投入一定量的硬件基础、教学资源、师资力量、资金及教学水平，所产出的人力资源质和量之间的效率。

（三）数据收集

基于上面所建立的输入输出指标体系，本文收集了规模相近、数据完整的2008年15所综合类、23所理工类和4所师范类共42所大学的投入产出数据作为评价所采用的数据。输入指标中，建筑面积、图书馆藏书规模、专任教师人数直接取自文献，学科水平则由取自该书的一级学科博士点总数和一级学科硕士点总数加权求和获得（学科水平得分=一级学科博士点总数×1+一级学科硕士点总数×0.5），科研经费从文献中获得。输出指标中，学生毕业半年后平均月收入、学生离校时掌握的工作能力从麦克思公司推出的《2009大学就业能力排行榜》中获得。

（四）评价结果及分析

本文利用澳大利亚新英格兰大学Tim.Coelli编写的Deap2.1程序，采用2C R模型对上述数据进行处理，具体分析如下：

1.投入产出效率分析

在2008年大学人力资源产出的质和量下，42所大学中有9所大学人力资源产出体系的效率值为1，其中，1所为综合型，1所为师范型，7所为理工型，这说明这些学校的资源投入相对于产出利用程度较高，处于生产的前沿面上，是技术有效的，其余33所大学的产出效率均有待提高。不同类型的大学比较上看，综合类平均效率较低为0.687，低于平均水平（0.785），而理工类和师范类均高于平均水平，分别为0.823和0.933，这表明从不同类型大学的人力资源产出效率来看，师范类最高，其次是理工类，而综合类排名最后，亟须提高自己的人力资源产出效率。

2.规模收益分析

规模收益不变表示决策单元达到最大规模产出点，即处于理想的投入产出状态，为规模有效，而规模递增和规模递减分别表示增加投入时产出将会有更高或更低的比例增加，而为到达理想的投入产出状态，分别需要将规模增加或者规模减小。通过分析可以得出结果，目前，我国大学由于不断扩大招生，不少大学规模过大，已经影响了其人力资源的产出效率，需停止扩招，控制规模，来达到理想的投入产出状态。

四、结论

数据包络分析（DEA）是评价不同行业、领域决策单元投入产出效率和规模收益的定量分析方法。本文运用了该方法对大学人力资源投入产出效率进行了分析评价，得到了如下结论：1.从投入产出效率上来看，大部分大学未达到技术有效，尚有很大的改进提高空间，而从大学类型角度来看，师范类好于理工类好于综合类。2.从规模收益上来看，大部分大学的规模大于理想状态，亟须暂缓扩招控制规模以提高产出效率。3.从各指标的分析来看，在专任教师人数，学科水平和学生规模这三个指标上，大部分大学都在生产前沿面附近，处于较好的投入产出状态，而理工类大学在建筑面积指标、综合类大学在科研经费支出、学生毕业半年后平均月收入和学生离校时掌握的工作能力指标、师范类在图书馆藏书规模指标上表现较差，需及时改进以提高人力资源产出效率。这些结论反映了我国大学目前在人力资源产出中存在的问题，对提高大学资源利用效率，解决目前的大学生就业问题有一定意义。

［1］徐娟．我国各省高校科研投入产出相对效率评价研究——基于数据包络分析方法［J］．载《清华大学教育研究》，2009.

［2］张大伟，薛惠锋，吴介军．基于DEA方法的高校学院科研管理效率评价研究［J］．载《科研管理研究》，2009.

［3］杨河清，韩飞雪．关注用人单位对大学毕业生的需求行为——对北京市用人单位的调查［J］．载《中国人力资源开发》，2008.

［4］于桂兰，于米．大学本科生职业倾向与职业生涯规划影响因素研究［J］．载《中国人力资源开发》，2008.

［5］孟浩，王艳慧．基于DEA的大学人才培养系统的综合评价［J］．载《运筹与管理》，2007.

［6］徐秋慧，孙燕．大学毕业生就业问题分析［J］．载《中国人力资源开发》，2007.

［7］刘希宋，张倩．数据包络分析（DEA）评估企业学习能力［J］．载《中国人力资源开发》， 2004.

［8］武书连．挑大学选专业——2008考研择校指南［M］．中国统计出版社，2007.