基于Malmquist指数的高职院校实训基地建设绩效分析

汤 静， 丁 威， 陈 兵

(江苏农林职业技术学院 a.经济管理系；b.教务处，江苏 句容 212400)



基于Malmquist指数的高职院校实训基地建设绩效分析

汤 静a， 丁 威b， 陈 兵b

(江苏农林职业技术学院 a.经济管理系；b.教务处，江苏 句容 212400)

实训基地建设是高等职业教育基础能力建设的重要组成部分，是培养高素质技能技术型人才的基本保障。以每个系为1个决策单元，采用Malmquist 指数方法对2011～2013年8个决策单元的校内实训基地建设效率进行了测算和分析。研究表明，8个决策单元的绩效水平总体趋势是不断提升的，但发展并不稳定；各决策单元的技术效率相对理想；各决策单元的全要素生产率发展的态势较好；各决策单元的进步主要动力来自于纯技术效率的良好改变。

实训基地； 绩效； Malmquist 指数； 决策单元； 技术效率； 全要素生产率

0 引 言

职业教育的办学宗旨是为生产一线单位培养高素质技术技能型人才。实训基地建设是职业教育基础能力建设的重要方面，实训基地建设效率将决定职业院校能否培养出高质量的职业技能人才。进入“十二五”建设期，我国已进入创新驱动、转型发展的新阶段。新的经济发展方式和现代产业体系对高等职业教育提出了新要求，迫切需要加强高等职业教育实训基地建设来保障新型人才的培养的需求[1]。学院自2007年被教育部和财政部遴选为国家示范院进行立项建设以来，实训基地条件得到了明显改观。示范院建设之后，学院继续加强实训基地建设，近3年累计投入4 200余万元经费用于实训基地建设与运营管理，实训设备总值由0.93亿元增加到1.27亿元，增长了约36.6%，累计增加仪器设备2 500多件，职业教育基础能力得到大幅提升。但在加大投入的同时，实训基地的功能拓展、服务能力不强和绩效水平不高等普遍问题依然存在。所以，明确实训基地的建设目标和基本原则，提高建设经费的使用效益，提高实训资源利用率，最终达到质量、规模效益，加强高职院校实训基地建设的绩效评价，探讨评价指标体系，提高实训基地的绩效水平，已成为当前职业教育研究的重要课题[2-4]。

DEA方法是1978年，Charnes等在发表论文《Measuring the Efficiency of Decision Making Units》一文中首次提出的，是一种评价具有多投入、多产出的决策单元之间的相对效率的数学规划方法。DEA方法可以解决投入产出指标多样化、难以同质化、难以用统一标准衡量的问题，非常适合各类机构开展优化资源配置等工作的效率评价[5]。自1992年，李春雷等发表的论文“高校实验室管理效率DEA评价系统模式的研究”以来，DEA方法在国内高等教育领域应用的文献越来越多并呈逐年增加的趋势[6-10]。Malmquist 指数的概念最早由Malmquist[11]提出，是用来开展DEA动态分析的，表示决策单元全要素增长的指标。现如今，Malmquist指数方法已在区域高等教育资源配置、高校科研生产效率区域比较、省域创新资源整合共享、行业全要素生产率测度和高新技术产业R&D绩效评价等研究领域广泛应用[12-16]，但其在高校实训基地建设的绩效评价方面的应用研究却罕有报道。本文以江苏农林职业技术学院为例，采用非参数Malmquist指数法，对2011—2013年我院各系部实训基地建设的绩效进行评价与研究，旨在探索实训基地建设的绩效评价指标体系和Malmquist指数评价方法的应用。

1 指标体系构建与数据模型

1.1 评价指标体系的构建

构建指标体系是开展校内实训基地建设效率评价的前提。考虑到校内实训基地绩效评价的特殊性，我们在实际应用中应该遵循“系统、可行、客观、科学”的原则，还要尽量避免指标之间的强线性相关性。只有遵循上述原则，才能使构建的指标体系更加科学，用构建的指标体系测算的效率才更具有说服力，并体现校内实训基地建设工作的根本。

在具体设定评价指标时，本文通过确定与实训基地建设工作密切相关的投入和产出指标来构建一套职业院校校内实训基地建设效率评价指标体系。

(1) 投入指标。根据实训基地建设的客观需求，本文将实训基地建设的投入指标选择专业课教师数、仪器设备和基地年度运转经费，分别表示人力、物力和财力方面的投入。

(2) 产出指标。在产出方面，选择指标时应重点考虑建设后的使用情况和绩效的体现。因此，产出指标选择学生使用频率、获得职业资格证书和实训项目数量3个。

1.2 数据模型

Färe等按照 Fisher 理想指数的方法，构建了基于DEA的Malmquist 指数。例如，Mt和Mt+1表示t和t+1两个时期生产效率变动情况，它们是t和t+1两个时期生产点到生产前沿面的距离函数比值，可以分别记为：

则度量某决策单元从t到t+1时期的全要素生产率增长的Malmquist指数(TFPCH)就可以表示为：

Färe等为了寻找全要素生产率的变动原因，将上式进行重新组合，Malmquist 指数进一步分解为两个部分：综合效率变化(Efficiency Change，EFFCH)和技术进步(Technical Change，TECHCH)：

于是，

EFFCH是对决策单元从时期t到时期t+1生产前沿面的相对效率变化的描述，又称“追赶效应”。用于衡量决策单元是否更靠近当期的生产前沿面进行生产，主要反映决策单元组织管理水平的变化。如果EFFCH>1，说明决策单元的生产更接近前沿面，表示决策单元的综合效率改善了；相反，就表示决策单元的综合效率退化了；如果EFFCH=1，表明决策单元的综合效率没有变化。

TECHCH是对决策单元从时期t到时期t+1生产前沿面的移动状况的描述，又称“前沿面移动效应”。用于衡量决策单元的技术进步与否。如果TECHCH>1，表明决策单元的技术效率改善了，说明有技术创新；相反，就表示决策单元的的技术效率退化了；如果TECHCH=1，表明决策单元的技术效率没有变化。

上述关于Malmquist指数及其分解的分析，是在规模收益不变(CRS)的条件下进行。考虑到现实中很多都是在规模收益可变(VRS)的条件下运行的，Färe等将综合效率变动进一步分解为纯技术效率变动(Pure Efficiency Change，PECH)和规模效率变动(Scale Efficiency Change，SECH)两部分。

其中，等式右边的三项分别表示纯技术效率变化、规模效率变化和技术进步效率变化。因此可得：

Mt,t+1=EFFCH×TECHCH=

PECH×SECH×TECHCH

若Mt,t+1>1，表示从t时期到t+1时期，全要素生产率水平有所增长；

若Mt,t+1=1，表示从t时期到t+1时期，全要素生产率水平没有变化；

若Mt,t+1<1，表示从t时期到t+1时期，全要素生产率水平有所下降。

1.3 数据来源

数据主要来源于2011～2013年数据平台采集的我院8个系部的校内实验实训基地及职业技能鉴定等指标中的填报数据。原始数据见表1。

表1 2011～2013年各决策单元指标值

2 实证结果与分析

Malmquist 指数的分解是对决策单元进行相对有效性动态分析的主要方法。本文以江苏农林职业技术学院相关统计资料为基础数据，利用DEAP2.1 软件计算了8个系部实训基地建设2011～2013年间逐年的Malmquist 指数及其分解，从中找出各效率的变化规律，并以此作为决策者科学决策的重要依据。

2.1 全要素生产率分析

(1) Malmquist指数的变化。从表 2可知，在2011～2013年3个年度中，本学院各系部实训基地建设情况的全要素生产率发展的态势较好，但呈现出波动性较大的特点。

表2 2011～2013年各决策单元Malmquist指数

首先，从决策单元的角度来看，在这3年中每个决策单元的 Malmquist 指数均发生了不同程度的变化，而且变化缺乏规律性。主要表现为：由下降到上升、由上升到下降、持续下降和持续上升等四种类型。在2011—2012年和2012—2013年两个时间段，DMU1、DMU3和DMU7等3个系部的 Malmquist 指数由下降到上升，而DMU4由上升到下降，DMU2、DMU5和DMU6等3个系部一直处于下降，DMU8一直上升。第一种类型比例占决策单元总数的37.5%，其中变化最大的是DMU7，从2011年下降约16%，而到2013年突然上升了88%，这是一个不太正常的现象。第二种类型的DMU4，从2011年上升约23.7%，到2013年下降了10%。第三种类型中的3个决策单元，占决策单元总数的37.5%，变化幅度均超过20%。第四种类型是一直上升型，只有DMU8一个，该类型是决策者希望出现的局面。

其次，从时间的角度来看，Malmquist 指数大于1的决策单元从2011年的2个增加到2013年的4个。决策单元全要素生产率的波动性，可能与各决策单元实训基地建设过程中的投入、产出指标的波动性有密切关系。从各决策单元的原始数据来看，多个系部在基地年度运转经费、学生使用频率、获得职业资格证书等指标波动性很大。例如，DMU3在基地年度运转经费这一指标中，2011～2013年这3年的数据分别为33.53、94.08和78.5万元，呈现出了很大的跳跃性；又如，DMU8在学生使用频率这一指标中，2011～2013年这3年的数据分别为283263、364905、801123等。这些指标数据的波动，均对Malmquist指数的变化构成了巨大的影响。

(2) 综合效率变动指数和技术变化指数。通过将Malmquist指数分解为综合效率变动(EFFCH)指数和技术变化(TECHCH)指数，可以进一步分析导致上述决策单元全要素生产率波动性的主要原因。

在综合效率变动指数方面，2011～2012年，8个决策单元中5个没有变化，3个降低，降幅最大的是DMU1(约44%)；2012～2013年，4个决策单元没有变化，与上一时期相比减少了DMU4，2个增加，增幅最大的是DMU7(约75%)，2个降低，降幅最大的是DMU2(约27%)。

在技术变化指数方面，2011～2012年，8个决策单元中3个降低，5个提高，其中，降幅最大的是DMU6，达到了约22%，是导致该部门全要素生产率下降的最主要原因。提高幅度最大的是DMU1，约68%；2012～2013年，分别有4个提高，4个降低，其中，提幅最大的是DMU8，达到约27%，降幅最大的是DMU6，约55%；综合两个阶段的技术变化指数比较，降幅最大的部门均为DMU6，提醒决策部门应该对该部门的实训基地的建设工作认真分析并查找原因和问题所在。

由上述各决策单元综合效率变动指数和技术变化指数在三年期间的变化程度，表明综合效率降低、综合效率提升、技术效率降低、技术效率提升、综合效率与技术效率同时降低、综合效率与技术效率同时提升，均可以导致上述部门的实训基地建设的全要素生产率产生巨大波动。

2.2 PTE和SE的变化分析

综合效率变化指数可以分解为纯技术效率变化(PECH)和规模效率变化(SECH)。只有将两者有效区分，才能找到导致决策单元综合效率指数变化的真正原因，为正确决策提供理论依据。纯技术效率变化是前后两个时期纯技术效率的比值，而规模效率变化是前后两个时期规模效率的比值，如表3所示。

表3 2011～2013各决策单元PECH和SECH的变化

由表3可以看出，2011～2013年期间，8个决策单元的综合效率变化的特点是规模效率的波动性略大于纯技术效率。2011～2012年，有3个决策单元的规模效率发生了变化，而纯技术效率发生变化的只有2个。2012～2013年，有4个决策单元的规模效率发生了变化，而同期纯技术效率发生变化的只有2个。

两个时间段的规模效率发生变化的比率分别为37.5%和50%。这说明，在实训基地的建设和运行过程中，相关的投入和产出尚未形成稳定的发展态势。在实际工作中，诸如运行经费投入过多，人才资源过剩等一些不良表现导致了决策单元的规模收益递减；诸如重仪器设备购买，轻仪器设备的使用等情况，导致设备、人员和经费等投入资源相对于产出过多的局面。如今，实训基地的建设和运行中重申报经费建设、轻实训基地的功能拓展已成为当前实训基地建设的一个普遍现象，需要管理人员认真反思并予以纠正。

我们利用表2中的数据，已经从综合效率变动和技术变化两个方面对造成决策单元全要素生产率波动性的主要原因进行了分析。表3又进一步从纯技术效率和规模效率的角度解释了导致上述决策单元综合效率不变、提高或降低的原因，具体可以分为以下几种：

(1) 纯技术效率和规模效率不变，综合效率也不变。2011～2012年，共有DMU3等5个决策单元属于这种情形；2012～2013年，共有DMU3等4个决策单元属于这种情形。两个时期中，共有DMU3、DMU5、DMU6和DMU8等4个决策单元始终没有发生变化，占总数的50%。

(2) 纯技术效率提高，导致综合效率提高。2012～2013年的DMU7属于此类情况。当年，DMU7的综合效率值为1.751，提高了75%，而当年该决策单元的纯技术效率值为1.522，两者的提高幅度较大，而它的规模效率变化值为 1.150，变化幅度较小。

(3) 纯技术效率降低，导致综合效率降低。2011～2012年的DMU2属于此类情况。当年，DMU2的综合效率值为只有0.822，规模效率0.970，纯技术效率0.857，下降了约15%，下降幅度与综合效率值相当。

(4) 规模效率提高，导致综合效率提高。2012～2013年的DMU1属于此类情况。当年，它的纯技术效率值为1.000，规模效率值为1.211，而综合效率值为1.211，与规模效率变化值完全一致。

(5) 规模效率降低，导致综合效率降低。2011～2012年的DMU1和2012～2013年的DMU4均属于此类情况。以DMU4为例，它当年的纯技术效率值为1.000，规模效率值为0.789，而综合效率值为0.789，与规模效率变化值完全一致。

3 结 语

通过Malmquist 及其分解指数的总体分析可以初步得出如下几点结论：各系部实训基地建设的效率水平总体趋势是不断提升的，但发展并不稳定；各决策单元的技术效率相对理想；各决策单元的全要素生产率发展的态势较好，由2011～2012年小于1的有6个，减至2012～2013年期间减少到了4个；如果将综合效率分解为纯技术效率和规模效率两个部分，各决策单元的进步主要动力来自于纯技术效率的良好改变。

[1] 尤晓露.高职实训基地绩效与服务功能研究[J].职业教育研究，2012(8)：57-58.

[2] 邹 冰，纪祝华，骆 枫.加强示范性院校实训基地建设提高经费的使用效益[J]，实验技术与管理，2007，24(8)：1-3.

[3] 江瑞忠. 高校实验室建设绩效评价体系的探究[J].实验室研究与探索，2011，30(6)：359-362.

[4] 李本贵，崔同科. 实验室项目绩效模糊评价模型的构建及应用[J].实验室研究与探索，2012，31(9)：160-163.

[5] 李伟红，宋 涛，胡宝民. DEA 模型及其参数在区域科技资源配置有效性评价中的应用[J]. 科技进步与对策， 2004，21(7): 77-78.

[6] 李春雷，杨印生.高校实验室管理效率 DEA 评价系统模式的研究[J].吉林工业大学学报，1992，22(3)：132-136.

[7] 张 旭，李树为，李素敏，等. 数据包络分析方法在高等医学院校教研室相对效率评价中的应用[J].中国医科大学学报， 2010，39(12):1076-1079.

[8] 石晓军，周 静，王立杰. 我国不同地区高校科技创新的制度效率与规模效率研究[J].研究与发展管理， 2005，17(1): 109-117.

[9] 樊 华. 基于DEA 的高校实验室效率评价[J].实验室研究与探索, 2011，30(3):154-157.

[10] 潘玉山. 基于DEA 职业学校实训基地建设效率评价研究[J].宁波职业技术学院学报， 2012，16(5):33-36.

[11] Malmquist S. Index numbers and indifference surfaces [J]. Trabajos de Estadistica, 1953, (4):209-242.

[12] 傅毓维，邵争艳. Malmquist 指数在评价中国区域高等教育资源配置变化中的应用[J].技术经济， 2006(2):93-95.

[13] 梁文艳，唐一鹏. 高校人文社科科研生产效率区域比较研究——基于Malmquist 指数的动态评估[J].重庆高教研究， 2014，2(2):21-27.

[14] 戚 湧，张 明，李太生. 基于Malmquist 指数的江苏创新资源整合共享效率评价[J].中国软科学， 2013(10):101-110.

[15] 原毅军，刘 浩，白 楠.中国生产性服务业全要素生产率测度——基于非参数Malmquist指数方法的研究[J].中国软科学， 2009(1):159-167.

[16] 单春霞. 基于DEA-Malmquist 指数方法的高新技术产业R&D 绩效评价[J].统计与决策， 2011(2):70-74.

Malmquist Index-based Analysis on Performance of Construction of Practical Training Base in Higher Vocational Colleges

TANGJinga,DINGWeib,CHENBingb

(a. Department of Economics and Management; b. Department of Academic Affairs，Jiangsu Polytechnic College of Agriculture and Forestry， Jurong 212400， China)

As an important part in higher vocational education, training base construction is the basic guarantee to train high-quality skilled technical people. Taking every department as a decision-making unit, we analyze the performance of construction of 8 practical training bases in vocational colleges from 2011 to 2013 with the Malmquist Index. The results show that the performance has a growing trend, however, the development is not stable, the technical efficiency of decision making units is ideal, each decision-making unit’s TFP is in a good development trend and each DMU progress is mainly driven by the good pure technical efficiency change.

practical training base; performance; Malmquist index； decision-making unit； technical efficiency； total factor productivity (TFP)

2014-11-10

镇江市软科学项目(RK2013017)

汤 静(1979-)，女，江苏盐城人，硕士，讲师，主要从事教科研工作绩效评价体系研究。

Tel.: 13656107809; E-mail: jingtang99@126.com

G 717

A

1006-7167(2015)08-0244-05