物流金融人才培养效率及其影响因素分析—以广州商学院为例

（广州商学院，广东 广州 510520）

1 引言

随着我国自贸区金融创新的不断深入，物流金融人才愈来愈成为未来紧缺的高端专业人才，其短缺矛盾是掣肘我国自贸区金融创新的重要因素之一（2014，丁俊发）[1]。近些年来，我国部分高校由于对人才培养具有强烈的市场适应性，贴近社会对物流金融人才的需求，纷纷开设物流金融专业，加速对专业人才的培养。不过，诸多高校往往急功近利，对物流金融专业办学的规律存在认识不足，忽略人才培养的投入产出，物流金融人才培养绩效普遍不高。为可持续发展的战略需要，高校需对物流金融人才培养绩效进行有效评估，衡量人才培养的投入与产出比率，分析影响人才培养绩效的各种因素，为服务自贸区金融创新而提供新的人才培养路径和对策[2]。有关高校人才培养效率和影响因素的研究，国内外学者作了较为广泛的定性和定量分析。定量分析方法上，学者们往往从投入产出的角度，采用数据包络分析（DEA）和随机前沿分析（SFA）等方法来测度人才培养效率。例如，Worthington、Lee（2008）运用Malmquist-DEA方法，就1998-2003年面板数据对澳大利亚高校的办学效率和技术效率进行了研究[3]。2012年美国学者Foltz等也采用Malmquist-DEA，基于92所研究型大学的数据，分析资金等因素变化对办学效率的影响[4]。国内学者也做了类似的研究，如周伟、李全生（2010）使用Malmquist-DEA方法，横向类比对我国各省高校办学效率进行了研究[5]。陶长琪、王志平（2011）采用SFA分析方法，就高校科研投入产出问题进行研究，并计算我国高校的科研效率及分析有关影响因素[6]。许汉友，姜亚琳和陈茜（2018）使用DEA方法并从投入产出的角度，对我国财经类高校本科会计人才培养绩效进行评价[7]。

综合上述，国内外学者采用数据包络分析（DEA）作为效率测度的主流方法，对人才培养效率的影响因素的重要性进行分析时，大多是基于计量经济模型方法来研究。计量经济模型对数据的要求非常严格，所选择的相关变量之间必须呈现显著的线性关系，科学确定指标和合理处理数据是成功运用计量经济模型的关键。人工神经网络（ANN）对数据要求不高，可以对投入与产出的重要性进行敏感性分析，避免采用计量经济模型所遇到的问题。因此，本文将DEA和ANN相结合，对广州商学院物流管理的人才培养绩效进行测算以及对其影响因素进行重要性分析，首先利用DEA方法计算广州商学院近14年的物流管理专业人才培养效率，然后通过相关性检验与多层感知器神经网络对物流管理人才培养绩效的影响因素进行分析，以便找到提高物流金融人才培养效率的着力点，并提出相应的人才培养建议。

2 研究方法

2.1 基于DEA模型的人才培养绩效测度

人才培养绩效综合评估采用全部要素法，指既定人才培养人数为产出，其他投入要素不变前提下所需最少的教育资源输入量，是基于数据包络分析（DEA）[8]和随机前沿分析（SFA）[9]模型分析方法。本文采用投入导向的DEA人才培养绩效测度模型[10]，其表达式如下：

这里包含n个决策单元，代表高校办学年份；ej和xij,i=1,2,…,m分别表示第j个年份的资金投入量和其他第i种要素投入量，yj表示第j个年份的学生毕业人数。目标函数值θ*为第j0年份最优测度值，λj(j=1,…,n)每个单元的权重系数，si(i=1,…,m),se,sy是非教育投入、教育投入和毕业人数的松弛变量。

2.2 基于ANN的人才培养绩效影响因素分析

人才培养绩效是受多种因素影响综合作用的结果，与其影响因素之间呈现复杂的非线性关系。本文在计算各年份办学效率的基础上，运用偏相关分析检验人才培养效率和其影响之间的相关性，并通过多层感知器神经网络模型对主要影响因素的重要性进行研究。

这里采用多层感知器神经网络（ANN）对物流管理专业人才培养绩效的影响因素进行敏感性分析，以实现其重要性的测度。设有N-L-1前向网络，采用Ruck[11]敏感性分析，其隐层激活函数为f(x)=，则输入变量xi对输出变量的敏感性为：

3 人才培养效率及影响因素分析

3.1 2004-2017年份办学效率测度

3.1.1 指标和数据。广州商学院2015年新设立物流金融本科专业，其专业人才的培养绩效如何，无法得知。据该校有关统计数据显示，物流管理专业人才培养投入由2004年的60万元增加到2017年的112万元，年均增长率达6.13%，教师薪酬占全部办学消耗总量的70%以上。从广州商学院各专业之间的差异来看，2017年人才培养边际资金投入较高的是艺术、计算机类专业，偏低的则是工商、财会管理类专业。比如，2017年艺术学院学生投入资金为1.78万元/人·年，而物流专业学生人均教育资金投入为0.66万元/人·年，几乎相差3倍。为此，本文以广州商学院为例，分析该高校14年来物流专业本科教育，以此研究物流金融本科人才培养绩效存在的差异和影响因素，对于包括广州商学院等我国高校把握其人才培养具体的办学特征，制定有效提高人才培养绩效的相关政策，促进物流金融专业教育更上一个台阶，具有重要的教改探索意义。

目前，众多学者在对投入效率进行测算时，普遍将资本、劳动和物力（土地）三要素作为投入。考虑到数据的可获得性，将各年份物流管理专业学生作为具体研究对象，其人才培养绩效能够反映广州商学院物流金融专业办学效率总水平。各指标定义如下：

（1）招生人数。人才培养的绩效用招生数（含转专业人数）来表示产出，单位为人/年。

（2）资金投入。以人均教育资金来衡量资金投入水平，单位为万元/人。以2017年为基期，每年的资金投入量按照物价指数予以折算。

（3）劳动投入。劳动投入采用物流教师(含兼职教师)人数表示。

（4）物力投入。物力投入以教学场地来表示。

2004年，广州商学院（原华南师范大学康大学院）升格为本科办学单位，物流管理本科专业开始首届招生。根据2004-2017年广州商学院14年物流管理专业办学数据（来源于招生就业办，学生处等档案资料），具体的投入与产出数据见表1。有些年份相关数据无历史记录可查，这里采用了插入法和随机访问法获取。

表1 各年份要素投入与产出数据表

3.1.2 基于DEA的人才培养绩效测度。基于式（1）所示的DEA运算式，结合表1的投入产出数据，借助于DEAP2.1[12]软件，对广州商学院14年的物流管理专业的人才培养绩效和技术效率进行了计算，结果见表2。

从表2可以看出,在2004-2017年中，技术效率为1的年份有2015年，说明了这一年在招生人数既定的情况下，资金、劳动和物力三个投入要素数量配置合理，实现了办学效率和人才培养效率上的资源配置最优化。技术效率低下的主要有包括2004等13个年份，表明了这些年份在各投入要素数量配置上不合理，存在办学和人才培养的改善空间。

表2 物流管理专业人才2004-2017年培养效率和技术效率

人才培养效率为DEA有效的年份有2015年、2016年及2017年这三个年份，人才培养效率低下的包括2004、2005、…、2014年等年份。人才培养效率较高的一般是后面三年，而效率低下的年份大多是前11年，说明人才培养效率与办学时间之间存在较强的正关系，办学时间越长，教学资金利用就越合理，人才培养效率就越高。

3.2 人才培养绩效的影响因素分析

3.2.1 影响因素的确定。宋光辉、陈勇等（2009）认为办学效率的影响因素主要包括师资力量，教学环境、培养模式、教学管理、学生课外投入、科研水平等[13]。综合以往研究，按照物流专业人才培养效率的具体影响因素分析，选定如下因素：

（1）师资力量。鉴于硕士以上学历是本科高校教师任职基本条件之，这里采用高级职称比来表示反映师资力量。

（2）教师年龄结构。45岁以下的中青年教师比重来表示。

（3）科研投入。统计知网2004-2017年发表的各期刊文献数，并代表各年的科研水平。

（4）教学环境。采用实训、实习基地个数表示。

（5）教学管理水平。以中国校友会民办高校排行榜的名次来表示。

（6）培养模式。以实践教学与理论教学课时比来表示。

（7）学生课外投入。通过随机问卷形式调查在校学生课外培训、考证等投入。

（8）师生比例。采用教师人数对应的专业学生人数的比值表示。

（9）生源质量。生源质量通常以第一志愿报考比或最低录取分来表示，考虑民办院校的招生实际，这里采用历年非广东省籍学生比来代替。

需要说明的是，由于本文主要注重物流（金融）专业人才培养绩效的年份差异分析，广州商学院14年学生学费经历过3次调整，考虑物价的影响，各年度资金数折算到2017年不变价，经过计算得到上述影响因素的度量值见表3。根据表3的数据，借助SPSS17.0软件进行分析，相关性计算结果见表4。

表3 人才培养绩效的影响因素度量值

表4 物流专业人才培养影响因素相关性分析

从表4可以看出，在人才培养绩效的九个影响因素中师资力量、教师年龄结构、科研投入水平、教学环境、教学管理、培养模式、学生课外投入、师生比例、生源质量9个影响因素单侧检验的t值均小于5%的置信水平，说明上述9个因素会对人才培养效率的影响比较显著，其中师资力量、科研投入水平、教学环境、教学管理、培养模式、学生课外投入、师生比例、生源质量与人才培养效率之间存在正相关，而教师年龄结构与人才培养效率之间存在负相关。

3.2.2 影响因素的重要性分析。本文选取了师资力量、教师年龄结构、科研投入水平、教学环境、教学管理水平、培养模式、学生课外投入、师生比例、生源质量等影响因素作为输入变量，表2的效率值作为输出变量，构建一个5-7-1多层次神经网络模型，分析各因素的敏感性，见表5。

表5 重要性分析结果

根据表5的结果，可以看出：

（1）培养模式对人才培养效率的重要性系数为0.136，在9个人才培养效率的主要影响因素当中，培养模式最为重要，而教学环境、学生课外投入对人才培养效率的重要性系数分别为0.110、0.100，说明教学环境的改善、学生课外投入的增加也会对人才培养效率产生正向影响。因此，要提高学校的人才培养效率，应积极推进培养模式的多元化，加大学生课外实训时间和实训力度，通过校企合作增加学生实习基地个数，加强学生理论和实践联系的力度，鼓励学生积极参与实训，提高学生的实际操作能力，提高人才培养效率和学生的竞争能力。

（2）师生比例对人才培养效率的重要性为0.132，表明师生比例对人才培养效率的提高仅次于培养模式，具有重要作用。因此，为提高人才培养效率，就应该提高教师的数量，招聘更多的教师充实到学校队伍中来，降低每个班级的规模，让学生有更多的时间来接受教师的指导。

（3）科研投入水平、师资力量、教师年龄结构对人才培养效率的重要性系数分别为0.126、0.124、0.102。表明学校的科研投入水平的提高、师资力量的强大和教师年龄结构的改善对人才培养效率的提高具有重要的推动作用。要提高人才培养效率，就必须在加大科研投入，提高高级职称教师在学校教学队伍中的比例，适当降低40岁以下的青年教师数量，外聘更多具有丰富教学经验的教师。

（4）教学管理水平和生源质量对人才培养效率的重要性系数分别为0.113和0.056。可见，人才培养效率的提高，除了依靠培养模式、师生比例、科研投入水平、师资力量等因素外也依赖于学校教学管理水平的提高和生源质量的改善，应当加强对学生的管理，加大对外省学生的宣传和影响力，增加招生力度，提高人才培养效率。

3.2.3 相关建议。从以上结果可见，诸多影响因素中，按照对人才培养效率的影响程度，依次为培养模式、师生比例、科研投入水平、师资力量、教学管理水平、教学环境、教师年龄结构、学生课外投入、生源质量等，主要可以归结为师资力量因素、培养模式因素和生源质量三个方面。要提高物流金融人才培养效率，应重视以下几个方面：第一，提高高级职称教师在学校教学队伍中的比例，提高教师的数量，外聘更多具有丰富教学经验的教师，加大对教师科研投入水平，对提高人才培养效率具有重要作用；第二，积极推进培养模式的多元化，加大学生课外实训时间和实训力度，提高学生的实际操作能力，加强对学生的管理，提高学校的学校教学管理水平；第三，加大对外省学生的招生力度，提高生源质量，也是提高人才培养效率的一条重要途径。

4 结论

本文结合DEA和ANN方法，选取广州商学院物流专业为研究对象，通过2004-2017年的数据，对广州商学院物流金融专业人才培养效率及其影响因素进行了分析。首先利用DEA方法计算出了广州商学院物流专业2004-2017年人才培养效率，然后通过相关分析对其影响因素进行遴选，最后，采用多层感知器神经网络对人才培养效率的影响因素进行综合分析，结果表明：广州商学院物流（金融）专业人才培养效率呈现逐年提高的趋势，且在2015年、2016年和2017年达到DEA有效，人才培养效率和技术效率整体上具有高度一致性。按照对人才培养效率的重要性程度，其影响因素排序依次为培养模式、师生比例、科研投入水平、师资力量、教学管理水平、教学环境、教师年龄结构、学生课外投入、生源质量等，并提出了提升广州商学院物流（金融）专业人才培养效率的政策建议。