甘肃省属本科院校绩效评估研究——基于应用因子分析法*

高欣秀

(兰州城市学院　教育学院，甘肃　兰州　730070)



甘肃省属本科院校绩效评估研究
——基于应用因子分析法*

高欣秀

(兰州城市学院教育学院，甘肃兰州730070)

摘要对高校投入与产出进行绩效评估是激励高校提升自身生存与发展的有效手段，对于优化高校的资源配置、提高高校的办学效益及帮助政府对高校实行绩效拨款都有非常重要的参考价值和指导意义。文章以涉及高校人力、物力和财力的14项投入指标和人才培养、科学研究、社会服务职能的5项产出指标作为绩效评估指标体系，采用因子分析法对甘肃省属12所本科院校的绩效水平进行评估，并且以绝对绩效得分的形式对这12所高校进行绩效排名，从而在一定程度上反映出甘肃省属本科院校的教育资源利用状况。

关键词甘肃省属本科院校；绩效评估；因子分析法

一、引言

对高校投入与产出进行绩效水平评估是激励高校提升自身生存与发展的有效手段，对于优化高校的资源配置、提高高校的办学效益、帮助政府对高校实行绩效拨款都有非常重要的参考价值和指导意义。首先，绩效评估可以反映高校的资源使用效率，促使高校研究探讨提高资源利用效率的策略。通过分析高校的资源利用状况，能够帮助高校认识到在有效利用教育资源方面存在的问题以及在资源配置和管理方式中的不足，引导高校制订科学、合理的办学机制，提高高校的办学效益。其次，绩效评估可以为政府向高校实行绩效拨款提供决策依据。高校绩效评估的结果能够让政府了解到有限的财政投入究竟为学校的产出发挥了多大作用，政府可以参考高校绩效评估结果的相关信息和数据，按照各高校办学的实际需求实行绩效拨款[1]8-11。

二、高校绩效评估指标体系的构成

高校绩效评估是按照一定的标准，经过统计分析，对一段时间内高校工作的效果做出客观、准确、公正的综合评价[2]。这种评估方法通过比较投入与产出来反映高校办学的绩效水平，衡量高校的教育资源利用状况。

本文根据近几年甘肃省教育厅公布的高校教育事业统计数据以及“甘肃省高等教育规模扩展与劳动力市场衔接研究”课题的抽样调查数据，构建了涉及高校14项投入指标和5项产出指标的绩效评估指标体系(见表1，数据见表2、表3)，从而了解甘肃省属12所本科院校对教育资源的利用状况。为了保密原则，本研究不显示12所高校的具体名称，统一用字母代替。

表1　高校投入与产出绩效评估指标体系

在投入指标中，教职工人数、专任教师数、教授、副教授人数和生师比反映高校的人力投入状况；图书数量、固定资产总额、教学仪器设备资产总值、占地总面积、校舍建筑总面积、教学行政用房总面积和学生宿舍总面积反映高校的物力投入状况；财政拨款、事业性经费支出和教职工工资福利支出反映高校的财力投入状况。在产出指标中，毕业生人数、成人教育在校生人数和折合当量在校学生数①反映高校人才培养职能的产出；在国内核心期刊和SCI、EI等发表、收录论文篇数反映高校科学研究职能的产出；毕业生工作签约率反映高校社会服务职能的产出。

表2　甘肃省12所高校关于14项投入指标的原始数据

表3　甘肃省12所高校关于5项产出指标的原始数据

数据来源：表2和表3的数据来自甘肃省教育厅的统计数据，其中O3(毕业生工作签约率)项的数据来自甘肃省教育科学课题“甘肃省高等教育规模扩展与劳动力市场衔接研究”的抽样调查数据。

三、高校基于因子分析法的绩效评估结果

(一)因子分析法

因子分析是探讨存在相关关系的变量之间，是否存在不能直接观察到但对可观测变量的变化起支配作用的潜在因子的分析方法。其目的就是降维，试图用潜在起支配作用的随机变量来反映原来许多变量描述的事物的属性[3]。因子分析法的数学模型可表示如下：

设有原始变量X=(x1、x2、x3……xp)，它们与潜在因子之间的关系可以表示为以下模型：

其中，z1～zm为m个潜在因子(m

(二)分析步骤

1.对原始变量进行标准化处理

由于各原始变量往往具有不同的计量单位，因此在进行因子分析时，应先将数据进行标准化处理。将原始变量进行标准化处理后的因子分析模型可表示如下：

(1)

用矩阵表示为：X'=BF+ε，

其中X'=(x'1,x'2,Λ,x'p)，F=(f1,f2,Λ,fk)(k

(1)式中x'1～x'p是对原始变量进行均值为0，标准差为1的标准化后的变量。fj为第j个主因子，bij称为xi在主因子fi上的载荷(简称为因子载荷)，其统计意义为第i个变量与第j个主因子的相关系数，反映fi对xi的影响程度，矩阵B称为因子载荷矩阵。

2.检测变量是否适合进行因子分析

首先，通过计算相关系数矩阵判断原有变量之间是否具有较强的相关关系，若没有则不满足做因子分析的前提条件。其次，对原始变量进行KMO检验。KMO测度是用于比较变量间简单相关系数和偏相关系数的指标。一般而言，KMO测度>0.5时，表示可以进行因子分析；当KMO测度>0.7时，表示很适合进行因子分析。

3.提取主因子

4.建立旋转后的因子载荷矩阵

确定主因子后，便可对提取的几个主因子建立原始因子载荷矩阵，再对原始因子载荷矩阵进行方差最大旋转，从而简化对主因子的解释。

5.计算因子得分

因子得分就是每个观测量的主因子的值，将提取的主因子所对应特征向量作为因子得分系数，利用回归法分别求得各观测变量在各主因子上的得分。

6.计算评估对象的综合得分

用旋转后各主因子的方差贡献率与观测变量在各因子上的得分乘积之和再除以主因子的累积方差贡献率便得到观测变量的综合得分[4]。

(三)高校绩效评估结果

1.投入评估综合得分

对投入指标原始数据做标准化处理后，通过计算相关系数矩阵，发现变量间都有较强的相关关系。同时得出KMO测度值为0.713，因此这14个投入变量适合进行因子分析。

对投入变量进行因子分析时，共提取3个因子作为投入主因子(分别记作IF1、IF2、IF3)，其累计方差贡献率为96.257%。为了简化对各因子所代表意义的解释，需要对原始因子载荷矩阵进行方差最大旋转，表4是旋转后并对载荷值按大小重新排列后的因子载荷矩阵。

表4　旋转后的因子载荷矩阵

根据旋转后因子载荷矩阵中投入主因子在各变量上的载荷值大小，分别对IF1、IF2和IF3三个投入主因子命名如下：

(1)软件投入因子。第一主因子IF1在变量财政拨款、事业性经费支出、教职工人数、教授、副教授人数、教职工工资福利支出、专任教师数和图书数量上有较高的载荷值。这7个指标主要体现了高校的软件建设投入状况，因此将第一主因子IF1命名为软件投入因子。(2)硬件投入因子。第二主因子IF2在变量教学行政用房总面积、教学仪器设备资产总值、校舍建筑总面积、固定资产总额、占地总面积和学生宿舍总面积上有较高的载荷值。这6个指标主要体现了高校的硬件建设投入状况，因此将第二主因子IF2命名为硬件投入因子。(3)生师比因子。第三主因子IF3只在变量生师比上有较高的载荷值，故直接将其命名为生师比因子。

从旋转后各投入主因子的方差贡献率可以看出(见表5)，第一主因子IF1的方差贡献率最高为62.240%，说明反映高校投入的主要方面是软件投入，其次是硬件投入和生师比。

表5　旋转后投入主因子分析表

将提取的3个投入主因子所对应的特征向量作为因子得分系数，利用回归法可以求得12所高校分别在3个投入主因子上的得分。再用旋转后各投入主因子的方差贡献率与各因子得分乘积之和再除以主因子的累积方差贡献率便可以得到各高校的投入评估综合分数(见表6)。

表6　12所高校投入评估综合分数

2.产出评估综合得分

对产出指标原始数据做标准化处理后，通过计算相关系数矩阵，得出变量间的相关系数均在0.6以上。同时得出KMO测度值为0.827，因此，这5个产出变量完全适合进行因子分析。

对产出变量进行因子分析时，共提取两个因子作为产出主因子(分别记作OF1和OF2)，其累计方差贡献率为95.259%。为了简化对各因子所代表意义的解释，需要对原始因子载荷矩阵进行方差最大旋转。表7是旋转后并对载荷值按大小重新排列后的因子载荷矩阵。

表7　旋转后的因子载荷矩阵

根据旋转后因子载荷矩阵中产出主因子在各变量上的载荷值大小，分别对OF1和OF2两个产出主因子命名如下：

(1)办学产出因子。第一主因子OF1在变量毕业生人数、在国内核心期刊和SCI、EI等发表、收录论文篇数、成人教育在校生人数和折合当量在校学生数上有较高的载荷值，这4个变量主要体现了高校的办学产出状况，因此将第一主因子命名为办学产出因子。(2)毕业生工作签约率因子。第二主因子OF2只在变量毕业生工作签约率上有较高的载荷值，故直接将其命名为毕业生工作签约率因子。

从旋转后各产出主因子的方差贡献率可以看出(见表8)，第一主因子OF1的方差贡献率最高为61.495%，说明反映高校产出的主要方面是办学产出，其次是毕业生工作签约率。

表8　旋转后产出主因子分析表

将提取的两个产出主因子所对应的特征向量作为因子得分系数，利用回归法求得12所高校在两个产出主因子上的得分。再用旋转后各产出主因子的方差贡献率与各因子得分乘积之和再除以主因子的累积方差贡献率便得到各高校的产出评估综合分数(见表9)。

表9　12所高校产出评估综合分数

3.高校绩效水平排名

得到高校投入与产出的评估综合分数后，用产出评估综合分数减去投入评估综合分数的差值来表示各高校的绝对绩效得分[1]2-3。根据绝对绩效得分可以在一定程度上衡量各高校的办学绩效水平并对高校进行绩效排名(见表10)。

表10　12所高校绝对绩效得分及排名

四、结论

通过对甘肃省属12所本科院校绩效水平的分析，可以得出以下结论：

第一，高校教育资源投入不足。高校的投入变量主要体现在软件投入、硬件投入和生师比三个主因子上，其中软件投入是反映高校投入的主要方面，其次是硬件投入和生师比。12所高校中只有4所高校的投入评估综合分数大于0。

第二，高校的教育产出水平较低。高校的产出变量主要体现在办学产出和毕业生工作签约率两个主因子上，其中办学产出是反映高校产出的主要方面。12所高校中只有3所高校的产出评估综合分数大于0。

第三，部分高校的绩效水平偏低。计算结果显示有6所高校的绝对绩效得分大于0，而其余6所高校的绝对绩效得分小于0，表现为负效益。

第四，教育资源利用效率是影响高校绩效水平的主要因素。对比各高校的投入、产出评估综合分数和绝对绩效得分排名，发现绩效水平的高低与投入、产出的高低不一定对应(见表11)。投入分数排名靠后的高校，绩效水平排名不一定靠后；产出分数排名靠前的高校，绩效水平排名也不一定靠前，即便是投入和产出都靠前的高校也会出现绩效水平靠后的现象。因此，能否高效利用教育资源才是影响高校绩效水平的关键。

表11　高校投入、产出分数排名和绩效水平排名比较

注释：

①折合当量在校学生数=普通本、专科(高职)生数+硕士生数×1.5+博士生数×2+留学生数×3+预科生数+进修生数+成人脱产班学生数+夜大(业余)学生数×0.3+函授生数×0.1+自考助学班生数+网络本专科生数×0.1.

参考文献：

[1]黄朝峰.高校办学效益模糊DEA评价[M].北京：中国经济出版社，2009.

[2]陈洁.高等教育绩效评价刍议[J].高等农业教育，2008(5)：13.

[3]卢纹岱.SPSS统计分析[M].北京：电子工业出版社，2010：475.

[4]张国玉.高校绩效评估量化研究：因子分析法的应用[J].国家教育行政学院学报，2008(6)：18-23.

(责任编辑李世萍)

A Study on Performance Evaluation in Gansu Provincial Universities—Based on the Application of Factor Analysis Method

GAOXin-xiu

(School of Education，Lanzhou City University，Lanzhou，730030，China)

Abstract：Evaluate performance on the input and output in universities is not only an effective way to propel university to improve the survival and development，but also perfects resource allocation，improves the school effectiveness，and also provides decision-making basis for the government implement performance appropriations to universities.This paper constructs a evaluation system that contain 14 items input index reflecting universities' human，material and financial input and 5 items output index reflecting personnel training，scientific research and social service function，uses factor analysis method to research on the performance level of 12 Gansu provincial universities，and makes performance and ranking by the form of Absolute performance score，and in a certain extent，it can reflects the utilization of education resources of Gansu provincial universities.

Key words：Gansu provincial universities；performance evaluation；factor analysis method

收稿日期2015-07-05

作者简介高欣秀(1985-)女，甘肃兰州人，讲师，主要从事教育经济研究.

中图分类号G40-054

文献标识码A