农林类院校教育资源配置效率影响因素分析——基于DEA—Tobit模型

李荔，李阿利

(湖南农业大学，湖南 长沙 410128)



农林类院校教育资源配置效率影响因素分析
——基于DEA—Tobit模型

李荔，李阿利

(湖南农业大学，湖南 长沙 410128)

基于对十五所农林类院校教育资源配置效率的研究基础，分析并确定影响资源配置效率的因素为院校所在地区经济发展条件、办学条件及人员结构三个方面。在使用因子分析法，消除变量多重共线性的基础上，运用Tobit模型对相关变量进行回归分析，得出以下结论：地区经济发展水平、专任教师比重与高校资源配置纯技术效率显著正相关；录取分差与纯技术效率显著负相关。同时，探索了国家教学团队数、科研平台数、院系机构设置情况、图书存量、高层次人才比重与资源配置的相关性。

农林类院校；资源配置效率；影响因素；Tobit模型

农林类院校作为我国高等教育的重要组成部分，是促进农业经济增长，推动农业科技发展的关键。因此，对农林类院校教育资源的投入产出配置效率的研究具有现实的意义。本文基于《农林院校教育资源配置效率研究——基于数据包络分析模型》一文的研究[1]，在评价了15所农林类院校教育资源配置效率高低的基础之上，针对其产生的原因及影响因素进一步深入地分析，为相关决策部门及院校提供有价值的参考与借鉴。

一、变量选择与数据来源

(一)变量选择

在查阅了以往众多的学者对教育资源配置效率及其影响因素的相关研究文献后发现，对教育资源配置效率产生影响的因素有很多。李婉丽(2009)运用符合DEA方法评价我国分地区高校科研资源配置情况，指出科研经费的投入与利用以及高水平师资是影响资源配置效率的重要因素[2]。成刚、孙志军(2008)应用参数法和非参数法分析我国高校资源配置效率情况，认为办学地点、高校类型、是否重点高校、教学人员基本特征、办学条件等因素显著影响高校资源配置效率[3]。王宇轩(2010)认为高职院校的资源配置效率与财政补助收入占比呈负相关的关系[4]。姜彤彤(2011)运用DEA—Tobit两步法对教育部直属59所高校进行实证分析，得出结论高校教育资源配置效率与教师中硕士生导师和博士生导师所占比重、博士学位教师比重以及科研经费所占比重呈显著的相关关系[5]。王佳伟(2015)通过因子分析法，将高校资源配置效率影响因素划分维度，指出高校的外部经济发展水平、办学条件、人员结构对高校资源配置效率产生不同程度的影响[6]。

总结以往的研究结论，高等院校教育资源配置效率的影响因素主要体现在外部环境因素和高校自身因素两个方面。因此，本文在借鉴前人研究结论的同时，结合研究对象农林类院校的具体情况，将从高校所在地区经济发展水平、办学条件、人员结构这三个方面提出假设来检验其对农林类院校教育资源配置效率的影响。

1.地区经济发展水平

地区经济发展水平是衡量一个地区经济发展程度的重要指标。一般情况下，地区经济发展水平越高，所在地区的市场竞争就越是激烈。激烈的市场竞争有利于地区资源的高效配置和利用。而衡量一个地区经济发展水平的高低主要采用该地区的产值、收入水平以及消费水平三个指标来衡量。其中，用地区人均GDP表示地区产值、用地区人均可支配收入表示收入水平，用地区居民消费水平来表示消费水平。

2.办学条件

高校办学条件是影响高校资源配置效率的内部因素，反映高校的办学规模。本文用教学水平、科研水平、机构设置三个指标来衡量高校办学规模。其中，用高校所拥有的国家级教学团队来衡量教学水平，用国家级科研平台来衡量科研水平，用院系部门数量来衡量机构设置情况，用图书总量来衡量图书情况。国家级教学团队是由教育部、财政部根据各地区高校学科(专业)发展情况、教材建设、教学、科研等情况进行推荐、评选产生的；机构设置情况是指各高校教学机构及非教学机构的总和；国家科研平台是指高校在国家政策的扶持下，以提高专业科研实力，解决产业技术升级设立的研发中心。

3.人员结构

人员结构主要包括师资结构与学生素质两个方面。王佳伟(2015)在分析高校教育资源配置效率影响因素的定义中将人员结构分为师资结构和学生素质两个方面[6]。其中，师资结构包括教学人员年龄、职称、学历结构三个方面。本文考虑到数据的可得性以及研究的创新性，将师资结构分为教学师资比重和高层次人才比重两个方面。其中，教学师资比重是指高校专任教师数占教职工总数的比重，高层次人才比重是指高层次人才数占专任教师总数的比重。另外，学生素质采用高校高考录取分数线差。 根据上述变量的选择定义影响农林类院校教育资源配置效率的因素如表1。

表1 农林类院校教育资源配置效率影响因素的变量定义

(二)数据来源

在确定了影响农林类院校教育资源配置效率变量指标的基础之上，表2将各项变量的具体数据进行了汇总。

在上表数据中，代表地区经济发展水平的三个变量：人均GDP、人均可支配收入和居民消费水平均是采用了高校所在地区省(市、自治区)2011～2015年这五年数据的均值；代表办学条件的四个指标：教学水平(高校所拥有的国家级教学团队个数)、科研水平(高校所拥有的国家级科研平台个数)、机构设置(高校院校部门的个数)、图书(图书总量)均是选取各个高校截至2015年10月23日的数据；在代表人员结构的三个变量中，教学师资比重和高层次人才比重分别代表的是高校的专任教师占教职工总数的比重和高层次人才占专任教师的比重。其中高层次人才包括两院院士、国家杰出青年、国家百千万人才工程、跨(新)世纪人才、千人计划、长江学者和教学名师等的总数。另外，在人员结构中加入了学生素质这个变量，其具体数值采用的各高校2011～2015年高考录取线差的均值。

二、模型简介

Tobit模型最早是由诺贝尔经济学奖获得者James Tobin于1958年提出，是因变量满足某种约束条件下取值的模型，属于因变量受到限制的一种模型，因此也被称为受限因变量模型。

这种模型的特点在于模型包含了两个部分，一部分是用来表示约束条件的选择方程模型，另一部分是满足约束条件下的某连续变量方程模型。Tobit模型在处理被解释变量的值的时候要求取值在0至1之间。由于DEA模型在评价决策单元的效率值时，始终都在0到1之间，因此Tobit模型可以与DEA模型完美地结合，也就是我们常说常用的DEA—Tobit两步法。标准的Tobit模型如下：

三、回归结果与分析

在上述对农林类院校教育资源配置效率影响因素的变量选择中，由于构成地区经济发展水平的三个观测变量产值、收入水平、消费水平存在多重共线性的关系。因此，需要通过因子分析法将这三个变量转化成为地区经济水平这一个综合变量。本文运用IBM SPSS 19.0软件对这三个观测变量进行相关性分析，结果如下：

表3 相关矩阵

在上表两两相关的原始系数矩阵中我们可以看到，三个变量之间都存在较强的相关性，因此需要进行因子分析。

在进行因子分析之前，我们首先要进行KMO和Bartlett球形检验，结果如下：

表4 KMO和Bartlett的检验

通过表4我们看到，KMO统计量的值为0.756，说明三个变量之间的信息重叠量较大；同时，Bartlett球形检验的sig值小于0.05，说明变量之间有相关。因此，我们可以进行因子分析。

表5 解释的总方差

表5通过主成份分析的提取方法，我们从三个变量中提取出一个因子后，贡献率高达97.302%，因此提取1个公共因子可以反映原变量的方差。

表6 成份得分系数矩阵

通过上表的成份得分系数，我们可以计算各个高校地区经济水平的得分，其公式如下：

地区经济水平(F1)=0.336×AVEGDP+0.338×AVESR+0.34×XFSP

根据上文构建的Tobit模型，本文运用Eviews7.2软件对15所农林类院校的教育资源配置效率影响因素进行回归，建立回归公式如下：

表7 Tobit模型运算结果

注：*表示在10%水平下显著

表7是对农林类院校教育资源配置效率影响因素的回归结果。根据上表，从相关性角度分析：高校所在地区经济发展水平(F1)、科研平台数(F3)、专任教师比重(F5)、高层次人才比重(F6)与这15所农林类院校教育资源配置的纯技术效率呈正相关；国家级教学团队数(F2)、院系机构数(F4)、及高考录取线差(F7)与这15所农林类院校教育资源配置的纯技术效率呈负相关。

根据上表，从10%的显著性角度分析：(1)专任教师占教职工数比重的相关系数值0.061710 ，相伴概率P值为0.0754，可见专任教师比重与教育资源配置纯技术效率显著正相关。也就是说，在一定的范围内专任教师所占教职工比重越大，其资源配置的纯技术效率就越高。以西北农林科技大学为例，作为国家“985工程”和“211工程”重点高校，其资源配置的纯技术效率低于沈阳农业大学等省属农林高校。其专任教师比重仅为45.53%是造成这一情况的重要原因之一。(2)学生素质即高考录取分差的相关系数为-0.071194，相伴概率P值为0.0819，可见高考录取分差与资源配置的纯技术效率呈显著负相关。这并不难理解，录取分差越大意味着高校每年录取的生源质量差距就越大，其资源配置纯技术效率就越低；相反，录取分差越小，生源质量相对稳定，纯技术效率就越高。(3)地区经济发展水平的相关系数为0.092306，相伴概率值0.1040，接近于10%显著性水平。在一定程度上我们可以判断地区经济发展水平与高校资源配置的纯技术效率呈显著正相关，这里的地区经济发展水平包含了地区人均GDP、地区人均可支配收入及居民消费水平。也就是说，这些指标数值越高，高校所在地区拥有的人力、物力、财力资源就越丰富，其教学科研项目、资源也就越多，从而促进高校教学科研水平的提升，也就提高了资源配置的纯技术效率。

另外，国家级教学团队数与配置效率呈负相关，这一结果出乎意料。究其原因教学团队的主要目的是改革教学内容和方法，促进教学研讨和交流，其数量的多少不能直接影响到教育资源配置纯技术效率的高低，甚至出现了教学团队设置过多造成冗余导致低效的情况。院系机构设置与配置纯技术效率呈负相关，其原因可能是院系机构设置过多导致的资源浪费从而造成了配置纯技术效率偏低情况的出现。

四、结论

本文在《农林类院校教育资源配置效率研究——基于数据包络分析模型》一文的研究基础之上，运用DEA-Tobit模型对影响农林类院校教育资源配置效率的影响因素进行了分析。在研究过程中运用因子分析法对地区经济发展水平的指标进行降维，解决了变量之间多重共线性的问题。从研究结果来看，地区经济发展水平、专任教师所占比重以及录取分差与农林类院校资源配置的纯技术效率显著相关。另外，国家教学团队数、院系机构设置数与资源配置纯技术效率呈负相关；国家级科研平台数、高层次人才比重与配置效率呈正相关关系。因此，我们的相关部门、相关高校可以通过提高专任教师的比重，调控好每年高考录取分数线、精简机构设置等措施提升资源配置效率。

[1]李荔，李阿利.农林院校教育资源配置效率研究——基于数据包络分析模型[J].中国农业教育，2016(6)：64-69.

[2]李婉丽. 基于复合 DEA 的分地区高校科研管理效率评价[J]. 陕西科技大学学报: 自然科学版, 2009, 27(5): 158-162.

[3]成刚, 孙志军. 我国高校效率研究[J]. 经济学季刊, 2008, 7(3): 1079-1104.

[4]王宇轩. 高职院校的融资结构与办学效率[D]. 山东大学, 2010.

[5]姜彤彤. 基于 DEA-Tobit 两步法的高校效率评价及分析[J]. 高等财经教育研究, 2011 (2): 1-5.

[6]王佳伟. 中国高校教育资源配置效率的影响因素研究[D]. 大连理工大学, 2015.

[7]谭俊. 中国义务教育资源配置效率评价研究[D]. 湘潭大学, 2014.

(责任编辑：周献)

Factors Affecting Allocation Efficiency of Educational Resources at Agri-Forestry Universities: Analysis Based on DEA-Tobit Model

LI Li, LI A-Li

(Hunan Agricultural University, Changsha 410128, China)

Based on the survey on the allocation efficiency of educational resources at agri-forestry universities, the factors influencing the allocation efficiency were established including the economic development status of the districts home to universities, university running conditions and faculty and staff. With the factor analysis method to eliminate the variables multicollinearity and the Tobit Model to simulate the related variable regression analysis, the following conclusions have been reached: the regional economic development status, the faculty and the proportion of full-time teachers are positively correlated to the pure technological efficiency of the allocation of educational resources; admission score gap is negatively correlated to the pure technical efficiency. Meanwhile, how the number of national teaching teams and research platforms, the institutional setup of departments and colleges, library books stock, and high-gear personnel proportion are correlated to the resource allocation efficiency are also discussed.

Agri-Forestry Universities; Resources Allocation Efficiency; Influencing Factors; Tobit Model

2017-01-13

李荔，男，湖南农业大学公共管理与法学学院14级公共管理专业研究生；研究方向：教育经济与管理。李阿利，女，湖南农业大学商学院党委书记，教授；研究方向：教育经济与管理。

G640

B

1009-1173(2017)02-0056-05