基于超效率分析模型的“985工程”高校建设绩效分析

王海涛 李巍然 吕伟刚 贾良真 武凤群

基于超效率分析模型的“985工程”高校建设绩效分析

王海涛 李巍然 吕伟刚 贾良真 武凤群

应用遴选出的“985工程”高校建设绩效评价的投入和产出评价指标，对我国部分“985工程”高校建设的规模效率、纯技术效率和综合效率进行了绩效排名，对当前我国“985工程”高校建设的绩效进行比较分析，为推进“双一流”建设、合理配置高校资源提供决策参考。

“985工程”高校；绩效评价；规模效率；纯技术效率；综合效率

近几年，中国高校“双一流”建设成为社会各界普遍关注的焦点问题。“985工程”在我国经历了近20年发展历程，一些高校已经达到或接近世界一流的水平。然而成果的背后是政府大量的政策的支持，这种粗放型的发展模式导致原本稀缺的教育资源竞争更加激烈。因此，加强对高等教育的绩效评价，提高教育资源的利用率，实现资源的合理配置是当前“双一流”建设所面临的巨大挑战。本研究基于绩效评价的思想，采用数据包络的分析方法——SEDEA模型，对“985工程”高校的规模效率、纯技术效率、综合效率进行深入分析，以期了解各“985工程”高校建设绩效的相对水平。

一、SE-DEA绩效评价模型及其优势

绩效评价就是组织依照预先确定的标准和一定的评价程序，运用科学的评价方法，按照评价的内容和标准对评价对象的能力、业绩进行定期的和不定期的综合性考核的过程。目前的高校评价大都以绝对产出为评价标准，是终结性或结果性评价，而高校绩效评价则以高校利用办学资源实现其职能的效益为评价标准，是形成性评价与终结性评价、分析性评价与整体性评价的整合，其基本思想是基于投入-产出理论，从高校资源利用效益方面评价高校的绩效。当前，我国高校绩效评价仍处于起步阶段，同时由于大学组织的复杂性，对其绩效水平进行评价并不是件容易的事情。虽然绩效指标在国内外被广泛制定与引用，但到目前为止对其还没有一个统一的定义。张男星教授从三个维度对其进行分类：大学功能维度，包括教学、研究与社会服务；大学发展维度，包括健康性指标和竞争性指标；大学运行维度，包括输入、过程和输出等[1]。当然这三个维度的绩效评价指标框架并不能涵盖所有的绩效指标。高校在运行发展过程中，还存在着一些不可控的却对高效运行产生巨大影响的指标变量，例如生源质量、高校设备捐赠等，在绩效评价过程中，这些因素也是需要考虑在内的。

本研究采用数据包络分析法（DEA），利用线性规划，使用决策单位（DMU）的投入产出数据计算权重优化变量，最终测算出我国部分“985工程”高校投入产出效率值。传统的数据包络分析C2R模型在对决策单元进行绩效分析时仅能对决策单元进行“有效”与“无效”的二维区分，无法进一步比较有效决策单元之间的效率高低。为了弥补这一缺陷，1993年Andersen和Petersen提出了超效率的DEA模型（Super-Efficiency）[2]，在评价某个决策单元时，将其排除在决策单元的整体集合之外，从而使有效决策单元之间的效率差距得以显现和衡量，从而比较效率的高低。这种方法计算出的结果不再局限于0～1范围内，而是允许效率值超过1,即可将效率值为1的DMU进行排序并比较。

我国“985工程”高校建设是一项具有多输入和多输出的复杂投入产出系统工程，对“985工程”高校建设的绩效评价是一个典型的多指标评价与决策问题，可以运用SE-DEA超效率模型对“985工程”高校的建设绩效进行排名和分析。

二、“985工程”高校绩效评价指标体系的构建与数据来源

1．“985工程”高校绩效评价指标体系的构建

1998年国家提出“985工程”建设以来，已经经历了一、二、三期的建设投入，2013年教育部、财政部印发新修订的《“985工程”建设管理办法》，要求“985工程”实行绩效考评制度，并根据检查考核结果对有关学校的建设项目和分年度预算进行动态调整。一般来讲，国家对高校绩效考评制度的具体内容必定与教学、科研和社会服务的绩效有关。高校是一种在有形的物质财富生活活动之上创造无形财富的生产部门，经典的投入-产出理论模型和框架，体现了高校系统内在要素的一种逻辑关联，通过衡量输入和输出要素，从而为绩效评估提供可行的测量手段。因此，从高校纷繁复杂的相关指标中梳理出能体现建设绩效的指标，是进行绩效评价的前提。

在评价指标体系的构建方面，本研究首先利用文献法,对国内外研究型大学的典型绩效指标变量进行了全面梳理，对其影响核心竞争力的要素进行了筛选，并采用层次分析法构建了二层的“985工程”高校绩效评价初始指标体系。其次，利用专家法遴选出“985工程”高校建设绩效评价的投入和产出评价指标。由于专家法采用匿名或背靠背的方式，具有一定的科学性、公平性和实用性，简便易行。经过两轮研究，遴选绩效评价运算的最终指标见表1。

通过该指标体系可以看出，本研究基于投入-产出理论，从高校资源利用效益方面评价高校的绩效，将指标类型分为两大类：一类是投入指标，一类是产出指标。投入指标主要指高校人、财、物三类资源的配置情况，包括高水平师资队伍、高水平科研平台、主要经费投入3个一级指标和两院院士数量、国家级创新团队数量、一级学科博士点数量、政府科技经费投入等10个二级指标；产出指标主要包括一流人才培养、高水平科研成果、一流学科建设3个一级指标和高校院士校友数、博士学位授予数、硕士学位授予数、本科毕业生数、生均国家级优秀博论文数量、师均国家三大奖数量、师均授权专利数量、进入世界前1%的ESI学科数、教育部学位与研究生教育发展中心一级学科排名第一的学科数量等14个二级指标。这些指标均是来自于世界一流大学、一流学科、一流人才、高水平科研成果的绩效评价[3]，例如本研究引用了教育部学位与研究生教育发展中心开展的学科评估中有关师资队伍、重点学科、重点实验室、科学研究水平等指标；引用了《美国新闻与世界报道》（USNWR）排名中的博士学位授予数量指标；引用上海交通大学的世界大学各类排名（CWCU）中的SCI收录论文数和科研经费两项指标；同时引用了当前双一流大学建设较为关注、认可的指标，如进入世界前1%的ESI学科数等。这些指标基本反映了我国“985工程”高校教学、科研和社会服务等核心活动的关键要素，选取的指标均具有比较高的权威性，同时这些指标客观易测、可比性强、认可度高、影响广泛，具有很强的可操作性。

表1 “985工程”高校建设绩效评价指标体系

2．评价数据的采集与处理

根据上述评价指标要求，本研究利用国家或知名学术机构的公开数据以及中国海洋大学现代教育评价研究所的基础数据，形成所需要原始数据。由于教育生产具有较长周期的特点，本研究采集了“985工程”一、二、三期建设期间的积累数据。主要的数据来源包括：2003～2011年教育部高教司编《教育部直属高校基本情况统计表》、教育部网站公开信息、科技部网站公开信息、国务院学位办网站公开信息、国家知识产权局网站、SCI科学引文数据库、教育部网站、全国哲学社会科学办公室网站公开信息、国家自然科学基金网公开信息、全国哲学社会科学办公室网站公开信息、ESI（基本科学指标数据库）等。

三、研究结果与分析

本研究使用MaxDEA(Version 6.0)软件，运用SE-DEA超效率分析方法，对教育部直属的31所“985工程”高校建设绩效进行了详细分析，通过运算分析，得到每个决策单元（DMU）的规模效率（Scale Efficiency Score）、纯技术效率（Pure Technical Efficiency Score）以及综合效率（Crste Efficiency Score），并分别根据分析数据对各“985工程”高校不同绩效表现进行了深入分析和讨论。

1．“985工程”高校绩效分析的三类视角

一般来讲，高校综合效率的变化是规模效率和纯技术效率作用的结果。规模效率反映的是决策单元的规模水平是否适度，体现了实际规模与最优生产规模的差距，通过调整DMU的规模，可以改进无效率的状态；纯技术效率反映的是DMU在一定规模时投入要素的生产效率，体现了在投入给定的情况下产出最大化，或产出既定情况下投入最小化的能力。综合效率是对决策单元的资源配置能力、资源使用效率等多方面能力的综合衡量与评价，它反映了DMU建设的整体效率，综合效率为纯技术效率和规模效率的乘积，这说明DMU的综合效率是由技术效率与规模效率综合决定的。

2．“985工程”高校建设绩效的规模效率分析

根据表2数据可知，本研究选取的31所“985工程”高校的规模效率排名中，位于前2名的是南开大学、华东师范大学，其规模效率接近1，说明这两所高校基本达到有效规模效率的状态。例如，华东师范大学的投入与其他高校相比比较低，但是其输出却并没有比其他高校低太多，有些甚至是很高的，比如师均高校优秀科研成果奖数量（科学技术）、高校人文社会科学研究优秀成果奖数量等指标输出数都高于大部分高校。而后2名中国海洋大学、西北农林科技大学的规模效率低于0.9。以西北农林科技大学为例，在投入指标中，西北农林科技大学与其他30所“985院校”相比都是比较低的，尤其是教育事业收入和政府科技经费投入这两项指标的投入量是极低的；在输出指标中，西北农林科技大学大部分指标的输出量都是很低的。但是师均国家重大课题结项数（973、863、科技攻关项目）和教育部学位与研究生教育发展中心一级学科排名第一的学科数量两项输出是很高的，说明其产出增加价值大于投入增加价值，具备很大的发展潜力，只是在发展建设过程中存在很明显的不平衡性，因此，如果加大投入指标的投入量，同时又能均衡各方面的协调发展，合理配置教育资源，西北农林科技大学是有可能实现规模效率的。

3．“985工程”高校建设绩效的纯技术效率分析

从表2结果可以看到，31所“985工程”高校纯技术效率值均大于1，说明这些高校的纯技术效率有效，在投入给定的情况下产出效率水平相对较高。前5位的大学有西北农林科技大学、中国海洋大学、中国农业大学、湖南大学、兰州大学。综合来看，浙江大学、中国海洋大学、西北农林科技大学虽然规模效率值较低，但是它们的纯技术效率值相对较高，即产出效率较高。例如，西北农林科技大学的投入指标与产出指标都是很低的，但是纯技术效率是最高的，即在投入给定的情况下产出效率水平是最高的，说明西北农林科技大学的教育资源的利用率是极高的。而规模效率排名中比较靠前的中、东部地区高校，如南开大学、厦门大学、中南大学在纯技术效率排名中却位于后三名，说明它们在投入给定的情况下产出效率水平相对较低，这些学校需要积极改进资源使用及配置方式，努力提高教育资源的利用效率。

4．“985工程”高校建设绩效的综合效率分析

在表2关于综合效率分析中，处于前6位的是中国农业大学、湖南大学、中国海洋大学、兰州大学、西北农林科技大学和东北大学，它们的综合效率值分别是1.378371，1.329328，1.308463，1.287418，1.236154和1.221236，它们的综合效率值均在1.2以上。其中中国海洋大学、西北农林科技大学依靠其比较高的纯技术效率拉动了综合效率。位于后5位的上海交通大学、西安交通大学、四川大学、厦门大学和中南大的综合效率值与其他排名靠前的高校相比还是有比较大的差距的。造成厦门大学和中南大学综合效率低的原因是纯技术效率较低，因此这几所高校应该从投入-产出资源的管理、使用等方面入手，进一步提高纯技术效率，实现综合有效。西安交通大学、四川大学综合效率低的原因是规模无效，因此，这几所高校应该从投入-产出规模管理入手，达到规模有效之后进一步实现综合有效。上海交通大学规模效率和纯技术效率都比较低，因此，既要规范投入-产出资源的使用，又要实现规模有效。同时，研究发现，中、西部地区高校综合效率水平几乎都比较高，而一些东部地区规模效率较高的高校其综合效率反而比较低。由综合效率分析的结果可以看出，综合效率是由规模效率和纯技术效率共同决定的，单个的规模效率或者纯技术效率高的高校并不代表其综合效率也高。因此，高校在发展过程中应该注重各方面协调发展，规模效率和纯技术效率应该均衡发展，从而实现教育资源的高效配置。

表2 部分“985工程”高校建设的规模效率、纯技术效率和综合效率分析

四、研究的启示

高校绩效评价充分考虑到促使高校产出结果变化的条件，力求透过投入差异看产出结果的不同，将评价着眼于投入-产出的效益之上，淡化既有存量对评价结果的影响，集中反映高校在资源利用上的主观努力和效果。

首先，影响高校绩效高低的主要因素是教育资源的有效利用程度。高绩效代表教育资源的充分利用，分为三种形式：高投入-高产出、低投入-低产出、低投入-高产出；低绩效代表教育资源没有得到充分利用，分为三种形式：高投入-低产出、高投入-高产出、低投入-低产出。尽管分类中的“高与低”只是相对而言，但仍然表明，绩效的高低与投入-产出的高低不相对应，绩效偏高的高校不一定投入就偏高，即使投入和产出都偏高的高校也会出现绩效偏低现象。可见，影响高校绩效的主要因素是资源的合理、有效利用。

其次，从分析结果来看，我国教育资源过分集中在国内知名高校。一些名校虽有强大的综合实力，但投入产出效率却比较低。由评价结果可知，一些高校绩效排名并不好，但是每年政府却给予大量的财政拨款支持，无疑是对教育资源的严重浪费，因此，实现这些高校教育资源的优化配置成为我国教育改革工作的重点。然而，一些综合实力较弱、政府财政政策支持力度较低的高校在评价结果中绩效排名却比较高，如果政府能优化配置教育资源，对这些低消耗、高效率的高校给予适当的财政支持，定会提高教育资源的利用率，提高教育质量。

再次，由评价可知，我国“985工程”高校绩效存在区域性差异。从总体上来讲，我国对东部地区高校投入高，对中、西部高校投入相对较低。东部地区大部分高校的投入得分、产出得分和绩效得分高于中部地区；西部地区高校的投入综合得分低于中部地区，但其产出综合得分却与其差异不大，因此绩效评价结果偏高。因此，应该对教育资源进行合理的统筹分配，尽量减少由于区域经济发展不平衡导致的教育资源分配不合理的问题。

最后，作为争创“双一流”的国家第一梯队，“985工程”高校有自己的发展目标与发展定位，因此其发展重点、办学特色和优势都是不同的。未来绩效评价研究可根据高校自身办学特点而制定出分类评估的指标体系，而不是采用一套普遍化的评价指标，从而强化高校办学特色。

总之，我国高校绩效评价处于发展的初级阶段，对评价体系和方法的探索都是为今后的发展经验积累，为实现中国高校的“双一流”建设提供决策参考。

[1] 张男星.高等学校绩效评价论[M] .北京：教育科学出版社, 2012：67-69.

[2] ANDERSEN P,PETERSEN N C.A procedure for ranking efficient units in data envelopment analysis[J] .Management Science,1993,39(10)：1261-1264.

[3] 邱均平.世界一流大学与科研机构竞争力评价研究报告[M] .武汉：机械工业出版社,2012：5-8,60-77.

（责任编辑 黄欢）

10.16750/j.adge.2016.12.008

王海涛，中国海洋大学教育系副教授，青岛 266100；李巍然，中国海洋大学副校长，青岛 266100；吕伟刚，中国海洋大学教育系讲师，青岛 266100。

教育部人文社会科学研究项目“基于建构性评价的高职院校专业评估研究”（编号：12YJC880098）