超效率-DEA融合层次分析法在高校实验室建设绩效考核中应用

李 群， 韦海成， 朱立军， 李 彬

（北方民族大学a.实验室建设与管理处；b.电气与信息工程学院；c.数学与信息工程学院银川750021）

0 引 言

高校实验室是创新人才能力培养的重要载体，是全面提升高校创新能力、大力推进技术转移和成果转化必不可少的场所，是办好学校的基本支柱之一［1］。随着一流本科专业建设“双万计划”的实施，高校的教学质量要求日益提升，以学生为中心办教育的专业动态调整机制逐步健全。本科专业实验室建设过程中，地方高校资源投入不足和考核机制不健全的矛盾日益突出［2］。为了将有限的资源更好地服务教学，发挥绩效考核约束、激励和指导作用，形成实验室建设闭环，是高校实验室建设与管理部门面临的挑战。

近些年来，各高校实验室建设均投入了大量的人力、物力和财力，但实验室建设的投资效益和管理水平，一直是各高校都较为关心，但又无法准确衡量。引入一种评价机制，使管理部门能用数据相对准确地反映出学校各学院实验室投资效益和管理水平日渐成为一项被关注的工作。

美国等发达国家对实验室绩效评价体系相关工作的研究和应用要早一些。自1993 年起，美国就通过颁布了《政府绩效与结果法》，将政府各部门的财政预算与绩效评价结果挂钩。根据此法，美国隶属于不同部门的国家实验室都要制定长期的战略规划和年度绩效计划。但此类实验室采用的评价方式都大同小异，以美国能源部（Department of Energy，DOE）国家实验室为例，由能源部提出年度运营目标后，再与受委托的实验室管理方共同制定与目标相匹配的实验室绩效评价方法，建立一个包含多目标对应不同权值、分值及等级的评估指标体系，并将其纳入能源部与实验室管理承包方的合同附件进行管理。

在国内，实验室绩效评价指标体系已逐步建立，并取得了一定成效。刁叔钧［3］通过设备使用率进行了实验室建设和管理机制的探索；王杰［4］借鉴国内外先进的实验室安全管理思想，建立了决策、管理、实施、监督四合一的组织体系，实现了实验室安全管理建设；洪芳等［5］提出了实验室建设标准操作程序和SOP原则；阎群等［6］通过OBE 逆向设计将实验实践教学分为CDIO环节，建立了实验室可持续发展模式。

上述关于实验室建设的探索把绩效考核和任务量化落实到了实验室建设的每个环节，起到了考核的导向和激励作用，调动了校院两级参与实验室建设的积极性。然而，在实施过程中面临了诸多问题：①所有的建设和探索很难用数学模型，无法得到具体的表征指标，进行量化考核；②模型过于繁杂，可实施性不佳［7］。目前考核方法存在覆盖面窄，只注重产出、评价指标侧重单一项目考核，评价结果导向性不强等缺点。此类评价体系存在如下问题：需要给每项指标赋予固定的权值，对评价体系做出优化和修改将变得复杂的问题；采用各项指标设置权值的方式相当于在定量或定性的打分上再次引入了定性的成分，不易令人信服；但指标变多时，权值难以确定，可操作性将降低。此外，当前高校实验室覆盖的绩效评价指标体系主要集中在实验室建设和重点实验室的绩效考核，没有一套能够覆盖全校普通类实验室的绩效考核方法。

为此，本文提出一种基于超效率-DEA 模型的实验室绩效评价体系，希望通过该模型对各个学院实验室建设定性和定量指标的统一打分评价，实现实验室管理的科学化和规范化，促进实验室建设的内涵式发展。

1 绩效评价指标体系设计探索

高校职能部门的工作应该可以归纳为决策、执行和监督三部分，根据日常需要完成规范、考核和服务的职能［8］。由于管理制度制定后，有一定相对的稳定期，高校职能部门根据国家高等教育内涵式建设的迫切需求［9］，提高治理体系与治理能力，以考核和激励作为指挥棒，给各教学科研单位提供高质量的服务和定期开展考核工作。因此，实验室建设管理，如能够通过大数据分析，找到并落实考核评价目标体系，就可以更好地完善实验室建设机制。

1.1 绩效评价指标体系设计目的和原则

构建评价指标体系的目的是为通过评价指标体系的应用来促进学科建设，提升办学效益，提高人才培养质量，扩大社会服务范围。为了服务这一目标，绩效评价指标体系设计，需要遵循“投入指标与产出指标相结合、存量指标与增量指标相结合、定量指标与定性指标相结合”的设计原则。在实施过程中，还应注重观测点的系统性、数据易于获取性、真实有效性，且不能给学院造成负担。

实验室的管理是一项非常复杂的工作。实验室建设包括实验用房、队伍、运行体制和机制建设、设备的投入、实验室运行的投入等，而实验室的产出，又包括了学科建设、人才培养、科学研究、社会服务等方面。因此，绩效评价的指标体系设计必须照顾到方方面面，具有较高的复杂度。

所以，整个实验室考核绩效评价指标体系必须功能齐全，要素齐备，同时又要易于数据采集和分析实现。所采数据还需要有较高的说服力，能够指导实验室建设，为职能部门后续的决策提供依据。

1.2 指标体系的结构

针对上述原则，为使评价指标有较强的操作性，同时能全面反映实验室绩效的对比，将指标体系分为定量指标和定性指标两类。

定量指标以实验室建设与运行过程中投入和教学、科研工作的产出为观测点，客观性较强，可获取性、易计量性强，数据可从近年来高校本科教学基本状态数据库中提取，避免重复劳动。定性指标作为定量指标评价的补充，用来衡量不易于用数量值表达的观测点，主要展示实验室管理的状态和运行的规范，定性指标要设计简单，便于操作，避免给学院造成负担。

1.2.1 定量指标的选取

定量指标的选取，主要是为了以投入与产出比来反映实验室建设与管理的效益，由于数据较为客观，可以直观反映出各学院实验室建设成效的对比。

投入指标共3 级指标：1 级应包括人力、物力、财力、无形、学科资源等方面的投入。为使观测点数据易于获取，又能客观反映实际，将1 级指标归类为硬件条件、运行经费、队伍建设三部分。

在此基础上对2、3 级指标进行了优化。其中过于复杂的指标则用直接数据予以表征，例如：实验室队伍建设最为复杂，将各类人员的数量、学历结构、职称结构、年龄结构信息纳入考核中较为困难，也不利于后续分析。因此，本文可用专业技术人员工资投入作为队伍建设的观测值。优化后的投入指标体系见表1。

表1 实验室投入情况的定量指标

表中：当年购置仪器设备总值是为了反映当年新增设备对投入产出比的影响，大型仪器设备总值是为了反映科研仪器占设备总值的比重。以上两项数据在后面的投入产出比计算中不参与计算，作为后期计算结果分析时参考。

产出指应包含教学、科研、社会服务等方面的工作成效观测点。1 级指标可归纳为平台建设、人才培养、科学研究、社会服务4 个方面。将2 级指标展开，涵盖学科建设、专业建设、人才培养、社会服务等方面。对于科研与教学分开评价的方案，学校各学院的凸出点不同，分开评价不能反映实验室建设与管理工作的综合绩效，同时，在“四个回归”的指导思想下，将教学与科研工作分离，不足以体现高校的初心和使命。优化后的产出指标体系见表2。

1.2.2 定性指标的选取

定性指标主要用来评价实验室日常管理中不易量化的观测点，反映实验室运行的秩序。凝练为综合管理指标，下设2 级指标，包含安全管理、设备维修、设备档案，以及学校关心的其他项目。这一部分的指标观测点的数据来源，只能通过实验室管理部门日常的工作部署和工作的检查来完成，因为实验室性质的不同，评价结果含有一定的主观因素，也因为每年工作的侧重点不同，评价内容和权重调整的频率较高。定性指标重要关注点指标见表3。

表2 实验室产出情况的定量指标

表3 实验室管理定性指标

2 评价结果的计算

2.1 定量指标的计算方法

获得了实验室投入、产出定量指标后就通过一个数学模型对定量指标数值进行分析。本文采用的数学模型为数据包络分析（Data envelopment analysis，简记为DEA）法。DEA是一种“面向数据”的分析方法，主要用于对多变量投入、多变量产出进行绩效评价的定量研究方法［10］。DEA 模型利用变换将分式规划问题转化为一个等价的线性规划问题，再利用线性规划的对偶理论，可以得到相应的对偶规划模型，通过解决模型得到评价指标值，根据该指标值进行排序。在这里，考虑到CCR-DEA 模型的最大值为1，当多个决策单元DEA 有效时，无法实现对决策单元进行全排序。

而超效率DEA 模型即把被评价单元从参考集内移去后再对其进行相对效率测评，这样使得DEA有效的DMUs的效率值可以大于等于1，而非有效单元的效率值相比传统的CCR 模型的评价结果将保持不变，从而达到了区分DEA 有效DMUs的目的［11］。国内已经将超效率-DEA 逐步应用于省域公共图书馆［12］、高铁可达性效应综合评估［13］，但将该模型应用于实验室建设和管理绩效考核还不多见。

Super-DEA 模型如下式所示：

式中，xij表示第j（j ＝1，2，…，n）个决策单元的第i（i ＝1，2，…，m）个输入，yrj表示第j个决策单元的第r（r ＝1，2，…，s）个输出。sθj0为被评价DMUj0的效率值，ui，vr分别为与m个输入值和s个输出值对应的权向量。

由于实验室绩效评价涉及多投入与多产出，且投入和产出指标的计量单位不同；且绩效评价需要通过排名给出评价；评估之前不需知道各投入、产出指标的权重值。而以上问题DEA方法都可以克服。

此外，而超效率-DEA 方法只能针对决策单元中可定量的指标进行评价，而对于定性指标的评价将采用层次分析法给各指标赋权重，并采用专家打分给出评价。整个分析过程中，DEA 无效DMUs本不在参考集内，因而超效率模型的方法不会改变DEA 无效DMUs的相对效率值，从而达到了区分DEA 有效DMUs的目的，进而也能够对DEA 有效DMUs 进行排序。

2.2 定性指标的计算方法

文中所述的定性指标无法进行量化，因此无法使用前面的定量分析的方法去进行评价。而层次分析法比较适合于具有分层交错评价指标且目标值难于定量描述的决策问题，因此，本文对定性指标的评价将采用层次分析法［14-15］。

层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构，然后用求解判断矩阵特征向量的方法，求得每一层次的各元素对上一层次某元素的优先权重，最后再加权和的方法递阶归并各备择方案对总目标的最终权重。通过层次分析法求出定性指标的权重就能够对实验室建设绩效中定性的指标进行综合计算。

2.3 层次分析法融合超效率-DEA绩效分析模型

当然，这种绩效考核分析过程中仍存在权重选择影响最终结果的问题，为了解决上述问题，本次绩效指标设定中增大了专家参与评价的数量，提高了判断矩阵质量，同时将定量和定性信息进行综合，提高评价过程的客观性［16］。总的绩效得分可以用总得分＝定量指标排序名次×0.7 ＋定性指标排序名次×0.3 确定，最终结果按总分排序，分值越小，排名越前，分值越大排名越后。

3 评价结果及分析

3.1 工科类学院实验室投入产出情况分析

采用该模型对北方民族大学工科类学院实验2016 ～2018 年3 年投入产出数据进行分析，见表4。

表4 2016-2018 年度实验室排名的变化

在分析整体曲线变化前有必要先了解学校3 年来的背景变化：机电工程学院、土木工程学院、医学院影像技术是新办学院，特别是医学院影像技术系，属于学校与医院联合办学。另一个背景是学校在2018 年申请博士学位点，因此各学院的科研经费变化比较大。

从3 年变化来看，2016 ～2017 年计算机科学与工程学院一直保持第1 名，这是由于计算机类实验室相对简单，对实验室面积和设备总值要求不高。实验面积为化学类、材料类、电子类实验室的33.5%，设备总值为33%，但产出的实验人时数甚至比化学类、材料类、电子类实验室的平均值还高。

生物科学与工程学院与上述3 类实验室产出的科研经费相当，实验课时数略少，但生物科学与工程学院投入的实验室面积和设备总值也是少于此3 类实验室的，因此2016、2017 年排名略高于化学类和电子类。

机电工程学院在2016 年因为经费和设备总值投入少，反而排名靠前，学校在2017 年对其进行加大实验室建设，增加了实验设备投入，则排名下降了。

医学影像系体量较小，又无科研经费产出，受其他学院状态影响很大，排名最不稳定。土木工程学院学校投入不小，但是由于培养方案设计等问题，学生的实验课大多数在室外进行，导致产出的实验人时数一直很低，3 年来的排名都比较靠后。

材料类实验室有一个优势，学校材料科学与工程学院下设“宁夏分析测试中心”，分析测试中心可对外服务，产出高于其他学院的对外服务收益，从3 年的排名，都优于电子类和化工类实验室，排名较靠前。

2018 年由于博士点申请影响，各学院科研经费都有很大涨幅，其中电气信息工程学院和化学与化学工程学院涨幅最大，其次是生物科学与工程学院和材料科学与工程学院，其他学院虽有上涨但涨幅不明显，特别是医学影像系无科研经费。从2018 年曲线可知，前4 个学院的排名都上升较大，但之前靠投入少而实验人时数和其他学院差不多的计算机科学与工程学院以及医学影像系的排名则直线下降了。

从各学院3 年投入产出数据分析结果来看，各学院排名变化及各学院之间的对比结果符合学校实际情况，各项数据的分析和对比可以有效指导学校和各学院对实验室规划和建设进行指导，也可通过学院之间的比较反映出学院之间的差距，形成互相促进的机制，具有较大的实际意义。

3.2 分析评价体系的应用

由我校工科实验室投入指标可见，本模型能够根据投入产出的定量和定性分析结果，对一个学院的实验室建设情况进行评价。实际上能够反映出该实验室的建设情况动态变化，这种分析结果在实验室排名有大幅变动时能够给职能部门的决策提供依据，还能够对学校的实验室建设情况掌握得更为准确。同时，根据学校的内涵式发展要求，将模型中各类指标的权重进行调整，也能够体现出学校发展侧重点和目标。

4 结 语

本文选择了8 个1 级指标，28 个2 级指标和64 个3 级指标对学校实验室绩效进行考核，1 级指标中投入定量指标3 个，产出定量指标4 个，良性分析指标1个。全部指标采用超效率多变量DEA 融合层次分析法进行分析。

通过我校8 个工科学院绩效考核，采用计算得分，排出名次的方法，对3 年来各个学院的名次变化进行了分析，所得结果与相关学院实验室建设情况一致。因此，通过上述模型能够反映实验室建设情况，且通过权重微调也能指导实验室建设的日常工作。因此，方法具有应用价值。对当前高校内涵式建设具有重要的指导作用。