不同类型高校发展质量评价

王成慧胡兆廉

（1.河海大学公共管理学院南京210000）（2.兰州财经大学经济学院兰州730000）

不同类型高校发展质量评价

王成慧1胡兆廉2

（1.河海大学公共管理学院南京210000）（2.兰州财经大学经济学院兰州730000）

针对高校发展的层次性和方向性问题，论文从三个视角，依据七大准则构建不同类型高校质量评价体系，运用主成分分析与聚类分析相结合的方法对选取的指标体系进行实证研究。结果表明工科类与综合类高校的发展质量较高，其他四类高校发展质量在不同层面上均有待提升。

高校类型；质量评价；指标体系；主成分分析；聚类分析

Class NumberG648.7

1 引言

根据已有的研究方向与研究观点可以发现，有关高校的发展质量评价早有研究，但前期研究大多侧重于高校学科建设以及教学课程设计等理论分析层面，虽后期逐渐转入对于不同类型高校的差异化质量研究，但研究方法大多为访谈调研等规范性研究，相对实证类研究较少。而为数不多的实证类研究是以具体高校数据为例，或者是在区域层面的局部高校发展质量分析［1～2］，没有涉及对于不同类别高校发展质量的实证评价。

因而，本文从综合类高校、工科类高校、师范类高校、农林类高校、医药类高校以及其他类高校的角度，将不同类别高校的发展质量评价作为实证研究的探索方向，期望本文的研究成果能够在理论与实践层面有所突破，并为以后的高校发展规划以及人才培养模式提供帮助，使高校人才更加适应并符合社会需求。

2 评价体系

2.1 体系构建

依据本文既定的研究目标与研究方向，同时在参考国内外现有研究结构与研究方法的基础上，本文采用主成分分析与聚类分析相结合的方法对我国不同类型高校当今的发展质量水平作出实证评价。评价体系的目标在于考察不同类型高校的发展质量情况［3］，因而在一级目标层面的指引下，本文从投资经费、科研成果以及科教师资三个角度测度不同类型高校发展质量情况，在这三个角度下又分别构建二级评价准则层，包括高校研究与发展经费准则、高校R&D成果应用及科技服务经费准则、科教经费准则、科技课题准则、科技成果及技术转让准则、高校科技人力准则以及高校科教研人员职称准则等七大准则测评不同类型高校的发展质量情况［4～5］。在二级准则层面下构建三级指标层，进一步从具体指标角度评价六类样本的实际发展质量。至此，整个质量评价体系构建完毕。

由于主成分分析法可以明确提取指标体系的主导要素，同时可以依据样本间的差异层次性对样本进行科学排序，以便对以后的发展做出针对性规划。聚类分析则是在样本指标数据的基础上依据样本间的共性，对样本进行科学归类的实证分析方法。聚类结果与主成分分析有一定的互补性［6］，因而构建一个包含这两种分析方法的评价体系具有很强的实证支撑性。

2.2 指标选择

根据评价体系设定的评价准则，同时在综合考虑三级指标的代表性、有效性、实用性以及可获取性的基础上，本文分别在各个准则层面选取不同数量的三级指标，具体如表1所示。

表1 不同类型高校发展质量评价体系

2.3 评价过程

根据本文所构建的评价指标体系以及评价方法，在全面考虑指标的可得性、代表性、应用性、系统性以及完备性等基本原则的基础上，本文选取我国综合类高校、工科类高校、师范类高校、农林类高校、医药类高校以及其他类高校等六类不同高校的年鉴数据（本文数据主要源于最新一期《高等学校科技统计资料汇编（2012）》，部分缺失数据源于其他年鉴补充整理），进行不同高校发展质量评价测度［7～8］。

1）主成分分析法

主成分分析法是一种提取样本主要成分的实证分析方法。该方法首先将原始数据作标准化处理进而消除指标间量纲差异影响；其次将标准化数据带入统计模型进行主成分提取；最后即可得出以下分析结果。

图1展示了主成分模型运行结果的主成分碎石图。横坐标表示由新的主成分变量替代原有指标变量的36个主成分，纵坐标是对应主成分的特征值大小，主成分特征值标志着每个主成分对于原有数据的代表性。

图1 主成分碎石图

从图中可以初步看出，第一个主成分的特征值很大，第二个主成分的特征值较小，但仍具有一定的代表性，第三个及其以后的主成分特征值基本为零，代表性很小。因此，初步分析主成分模型结果后认为，本文选取的指标间具有显著的相关性，基本可以运用两个代表性显著的主成分变量实现对于原有36个指标变量的有效替代。因而转入对于主成分代表性的进一步具体考察。主成分特征值及其方差累计贡献率如表2所示。

表2 主成分特征值及其方差累计贡献率表

由表2可以得出，第一主成分的方差贡献率为89.24%，涵盖了原始数据近90%的信息，代表性显著。第五个主成分后累计贡献率达到100%，主成分模型运用五个变量实现了对于原有36个指标变量的全部替代，同时从第六个主成分开始，其方差贡献率基本为零，对原始指标的代表性没有实际意义。因此，限于篇幅，本文部分截取累计贡献率表前六位数据，将第7至第36主成分的特征值与方差贡献率不做展示。

全面考虑主成分变量的代表性与可解释性，并根据累计贡献率大于90%的原则，本文选取前两个主成分作为新的随机变量。同时，我们根据原始变量的相关系数矩阵R，运用雅克比迭代法求出对应的特征向量矩阵（由于选取前两个主成分作为最终的解释变量，因而对特征向量矩阵我们只截取前两列）。特征向量矩阵如表3所示。主成分变量的贡献大小，新的两个主成分变量对于原始标准化变量的代表性也是由特征向量的大小表示。具体来说，第一主成分在本评价体系中对前33个指标的代表性大体一致，相应的特征向量值基本在0.17左右浮动，说明此33个指标在第一主成分方面的贡献相差不大，第一主成分基本涵盖了这些指标的实际信息；而第二主成分很好地弥补了第一主成分的空白，在第34～36变量方面代表性显著，相应的特征向量值均较大，同时第二主成分对应的特征向量在部分层面也弥补了第一主成分在其他变量方面的空白。由于第一主成分对前33个指标的代表性显著，主要代表了科研经费与科技成果变量，而第二主成分在后三个指标方面代表显著，主要涵盖高校教师职称与职务，因此可以将第二主成分作为科教师资变量，将第一主成分作为科研经费经费与成果变量。

表3 特征向量矩阵

特征向量的每个元素与对应的原始标准化数据相乘再累加即可构成相应的主成分得分，主成分计算公式为

其中，各指标变量以X1，X2，X3，…，X36表示，分别为六类高校分别对应的标准化指标数据。据此，我们将相应的标准化数据与特征向量值代入进而求出相应的主成分得分如表4所示。

表4 主成分得分表

依据主成分的得分情况即可计算六类高校的具体得分，但此处还需要根据两个主成分对于整体指标数据的贡献情况来确定主成分的权重大小，确定主成分的贡献情况的依据即主成分特征值（表2显示），因此，即可计算主成分权重：

依据计算出的主成分权重结合相应的主成分得分，进而可以计算六类高校的综合得分：

通过综合得分公式，计算出的六类高校综合得分及排序情况如下：

表5 主成分综合得分排序表

从表5中可以发现，工科类高校在本文的评价体系中得分最高，其次是综合类高校，而其他四类高校主成分得分均为负值，医药类高校稍高一点，农林类师范类高校相差不大，其他类高校得分最低，其中主要涵盖了财经、管理等商科类高校。

由于选择前两个主成分作为评价体系的变量，因而相应的二维主成分得分图即可代表对应的高校质量分布，对于六类高校的指标评价解释具有较强的实际意义。主成分得分图如图2所示。

图2 主成分得分图

由图2可以看出，在本文的评价体系下，工科类高校位于第一象限，整体质量评价最高；综合类高校位于第二象限，代表其第一主成分得分为正值，第二主成分得分为负值，由于第一主成分对应的特征值权重较大，因而其总体得分位为正，位居全体第二位；剩余四类高校由于在第一主成分方面得分为负值，且第二主成分方面得分不高，故综合得分为负。其中医药类高校在第一与第二主成分方面的得分均为负值，但由于其第一主成分得分负值较小，因而综合得分位居第三位；农林类与师范类高校总体得分差异不大，分列第四、五位；其他类高校由于在第一主成分方面得分最低，且第二主成分得分不高，故在综合得分方面排名最后。

由于在主成分得分图中，农林类、师范类以及其他类高校呈现明显的空间聚集现象；同时，工科类高校与综合类高校在第一主成分方面得分较高，具有一定的趋同性。因而本文拟通过聚类分析进一步考察六类高校间的发展质量共性。

2）聚类分析法

聚类分析法是依据样本性质上的亲疏远近，对样本进行统计聚类的分析方法［9～11］。本文采用系统聚类分析法，将样本数据抽象为多维空间中的点，并把最短距离的两个类或点进行合并归类，最终化为一类。

系统聚类对于样本数据标准化的处理方法与主成分分析法基本类似，只是在选择样本间距离参数时，系统聚类采取欧式距离对样本数据进行变化，同时在对样本进行逐步归类时，本文选取最长距离法衡量样本间距离，并将最短的类进行合并［12］。

相应的模型数据运算会得到距离矩阵表，结果如表6所示。

表6 距离矩阵表

其中，表示相应的样本类，对应的两个类的交点表示类与类之间的最长距离［13］，据此把最短的两个类进行合并，逐步归类后聚类结果如图3所示。

图3 聚类谱系图

由图3可显然得到，农林类与师范类高校在第一次聚类中实现合并，随后其他类高校并入这一类，在第三次聚类中，医药类高校也加入这一类，同时综合类高校与工科类高校实现合并，最终所有样本归为一类。

从以上聚类分析［14～15］的结果可以看出，聚类分析与主成分分析结果具有一致性。主成分得分为正的工科类与综合类高校并为一类，剩余得分为负的四类高校并为一类，主成分得分图中呈现明显聚集的农林类、师范类以及其他类高校在先期两次聚类中率先合并，直接表明这三类高校在质量发展上的趋同性，主成分分析结果得到有效验证。

3 结语

依据对主成分指标评价体系综合得分图表的分析，并综合聚类分析结果，可以得出以下结论：

首先，从主成分分析的角度来看，由于第二主成分代表科教师资变量，第一主成分代表科研经费经费与成果变量，因而可以从这两个主成分维度评价六类高校的发展质量情况。工科类高校无论在投资经费、科研成果还是科教师资等方面的发展质量都处于领先地位，这一方面说明工科类高校的发展质量占有，同时也说明社会对于工科类人才的需求是强烈的；同时在综合类大学方面，由于综合类大学承担培养社会综合型人才的任务，在本文的评价体系中虽得分为正，但其在第二主成分方面得分为负，进而拉低其综合得分，也就是在相应的科教师资方面发展不够完善，因而综合类大学应当加强其在综合类师资方面的建设，使高校发展质量更进一步。

其次，由于师范类、农林类以及其他类高校呈现明显的聚类状态，因此从聚类分析与主成分分析相结合的角度来评价这三类高校的发展质量。由于这三类高校均在第二象限，代表其在科教师资方面发展较好，而在投资经费与科研成果方面表现欠佳，因而国家应当加强对这三类高校的经费投入，同时高校自身也应当在自身科研成果方面做出努力［16］。而医药类高校处于第三象限，在本文的质量评价体系中表现均不理想，即使在投资经费与科研成果方面略好于农林、师范及其他类高校，但相比较其总体发展没有达到最优水平，因而医药类高校在各个方面均需加强。

最后，从整体的角度来讲，国家及相关教育部门应当全盘考虑，整体协调各类高校发展，以社会实用性为导向，适应社会多样化人才需求，使高校发展更上一个台阶，高校人才能够得到充分的应用。

［1］高志春，陈冠玮，胡光波.倾斜因子K均值优化数据聚类及故障诊断研究［J］.计算机与数字工程，2014，291（2）：14-18.

GAO Zhichun，CHEN Guanwei，HU Guangbo.Fault Diagonsis and Optimal Data Clustering Based on K-Means with Slope Factor［J］.computer&Digital Engineering，2014，291（2）：14-18.

［2］张敏.基于物联网技术下的图书管理系统构建［J］.河南理工大学学报（自然科学版），2012，31（3）：326-329.

ZHANG Min.Research on system of library management based on technology of internet of things［J］.Journal of Henan Polytechnic University（Natural Science），2012，31（3）：326-329.

［3］杨江丽，高凡，董若剑.基于数据挖掘的高校图书馆读者行为研究-以西南交通大学图书馆为例［J］.图书馆研究，2013，43（3）：106-110.

YANG Jianglin，GAO Fan，DONG Ruojian.Research on Readers'Behavior in University Libraries Based on Data Mining：Taking Library of Southwest Jiaotong University as an Example［J］.Library Research，2013，43（3）：106-110.

［4］陈双飞.大数据时代图书馆基于服务生命周期的客户关系管理研究［J］.现代情报，2014，34（5）：91-93.

CHEN Shuangfei.Study for Customer Relationship Management for Library Based on Service Life Cycle in Big Data Era［J］.Journal of Modern Information，2014，34（5）：91-93.

［5］徐艳伟.主成分分析法在高校教师课堂教学评价中的应用［J］.当代教育论坛（综合版），2010（1）：59-61.

XU Yanwei.Application of principal component analysis in the evaluation of College Teachers'Classroom Teaching［J］.Contemporary Education Forum（integrated），2010（1）：59-61.

［6］李志峰，易静.美国不同类型高校学术职业的分层——基于卡内基分类法的考察［J］.清华大学教育研究，2010，31（02）：57-58.

LI Zhifeng，YI jing.The Stratification of the Academic Profession in Different Types of Universities in America：Characteristics and Enlightments［J］.Tsinghua Journal of Education，2010，31（02）：57-58.

［7］李文强.建立教师课堂教学评价体系促进学生发展［J］.中国高等教育，2013，（10）：39-41.

LI Wenqiang.Establish the evaluation system of classroom teaching Promote the development of students［J］.China Higher Education，2013，（10）：39-41.

［8］周海林.高校教师课堂教学效果评价存在的问题及对策［J］.上海教育评估研究，2014（2）：19-23.

FENG Liying，REN Liangyu，LIU Yidong.Problems and Countermeasures of the Evaluation of College Teachers' Classroom Teaching Effect［J］.Shanghai Journal of Educational Evaluation，2010，5（4）：73-75.

［9］梅伟惠.高校创业教育评价的类型与影响因素［J］.教育发展研究，2011，31（3）：45-49.

MEI Weihui.On the Types and Influencing Factors of Entrepreneurship Education Evaluation in HEIs［J］.Research in Educational Development，2011，31（3）：45-49.

［10］李雨青，左和平.高校绩效评价研究现状综述［J］.教育教学论坛，2012（02）：217-218.

LI Yuqing，ZUO Heping.Review on the research status of performance evaluation in Colleges and Universities［J］.Education Teaching Forum，2012（02）：217-218.

［11］冯春苑，张钰莎.聚类算法在教学质量评估体系中的应用分析［J］.中国教育技术装备，2012（12）：81-83.

FENG Chunyuan，ZHANG Yusha.Application Analysis of Clustering Algorithm in Teaching Quality Evaluation System［J］.China Educational Technology&Equipment，2012（12）：81-83.

［12］卫铁林.基于AHP的高校毕业生就业质量评价模型构建［J］.教育与经济，2013（05）：43-47.

WEI Tielin.An AHP-Based Evaluation Model of Employment Quality of College Graduates［J］.Education& Economy，2013（05）：43-47.

［13］鲍威.高校自主招生制度实施成效分析：公平性与效率性的视角［J］.教育发展研究，2012，32（19）：1-7.

BAO Wei.An Empirical Study of Independent Admission Policy of Higher Education Institution：Based on the perspectives of fairness and efficiency［J］.Research in Educational Development，2012，32（19）：1-7.

［14］史秋衡，矫怡程.不同类型高校本科生源质量的实证研究——基于“国家大学生学习情况调查”的数据分析［J］.复旦教育论坛，2014，12（01）：18-23.

SHI Qiuheng，JIAO Yicheng.An Empirical Study on the Quality of Undergraduate Enrollment at Different Types of Colleges：Based on the Data of NCSS 2012［J］.Fudan Education Forum，2014，12（01）：18-23.

［15］朱军文，刘念才.高校科研评价定量方法与质量导向的偏离及治理［J］.教育研究，2014，35（08）：52-59.

ZHU Junwen，LIU Niancai.The Deviation of Quantitative Evaluation of University Research Performance from Quality-orientation and Its Effective Governance［J］.Educational Research，2014，35（08）：52-59.

［16］陈洁.数据挖掘在高校图书馆服务中的应用探析［J］.大学图书情报学刊，2016，34（2）：53-57.

CHEN Jie.Analysis of Data Mining in the Service of the University Library［J］.Journal of Academic Library and Information Science，2016，34（2）：53-57.

Development Quality Evaluation of Different Types of Colleges and Universities

WANG Chenghui1HU Zhaolian2
（1.School of Public Administration，Hohai University，Nanjing210000）（2.School of Economics，Lanzhou University of Finance and Economics，Lanzhou730000）

The problem of level and direction for the development of universities，research from three perspectives，based on the seven criteria of different types of colleges and universities quality evaluation system，using the method of principal component analysis and cluster analysis combined with empirical research on the indicator system.The results show that the development of engineering and comprehensive colleges is higher，and the quality of the development of the other four kinds of colleges and universities should be improved at different levels.

college type，quality evaluation，index system，principal component analysis，cluster analysis

G648.7

10.3969/j.issn.1672-9722.2017.06.021

2016年12月3日，

2017年1月20日

王成慧，女，硕士研究生，研究方向：高等教育信息化。胡兆廉，男，硕士研究生，研究方向：劳动经济学与人口城镇化建设。