大学资本投入对一流大学建设影响的差异性研究

葛少卫

（南京航空航天大学发展规划处，江苏南京 210016）

一、引言

大学资本投入，是指大学围绕组织运行和发展目标有针对性地开展经费资源、实物资源、人力资源等的配置以及教学、科研环境的构建等。大学资本投入要有的放矢，才能充分发挥有限资源的作用，有效提高大学建设的效率，在预期时间内实现既定的建设目标。

随着“双一流”建设的推进，人们对大学建设投入的认识逐渐深入。一方面，立足中国高等教育实际开展建设投入定性分析并提出的政策建议层出不穷。应卫平等从分析高等教育投入入手，提出完善高等教育财政拨款机制、强化高校分类管理与考核、推进应用型人才培养模式改革等应对新时代地方本科高校发展机遇和挑战的政策建议［1］；周远翔等探讨教育财政投入对高等教育机会平等的影响在性别、城乡特征上的异质性特点，为充分发挥公共教育财政投入的引导性作用提供启示［2］；杜育红等着眼高校项目支出预算管理，提出以预算管理水平的全面提升作为推动高等教育事业内涵发展的重要保障［3］。另一方面，若干世界一流大学的投入模式、投入策略、投入绩效等得到深入分析和借鉴。陈丽媛等在比较分析中国、美国、日本以及中国台湾地区四所案例大学的投入模式后，指出中国大学在多元化经费来源、合理化学费收入体系、提升科研经费配置等方面的优化空间［4］；李红宇等通过对英国153所高等教育机构六年间的研究投入与产出关系开展实证研究［5］；郭垍等通过对比中美顶尖综合性大学的科研投入与产出［6］，分析借鉴其在研究投入配置制度、投入来源结构以及投入策略方面的经验；高铭等以“后发型”世界一流大学为研究对象开展政府投入与大学排名之间的关联性分析［7］，对大学投入与建设成效间的作用关系开展针对性挖掘，从而为政府投入政策制定提供依据；周正旭等对广东建设高水平大学财政资金的投入和使用进行绩效评价和考核，评估高水平大学建设财政资金的使用效果［8］；万寿义等从人文社会科学、自然科学两个类别入手，分析高校科研投入绩效，强化评价体系的具体性、针对性和准确性［9］。

与前述研究不同的是，本文研究在大学资本投入指标集合的选取上，既包含不同类别的增量投入，又涵盖了保障办学运行的存量资源；在研究方法上，以若干所教育部直属高校和中国科学院及工业和信息化部所属高校的办学基本状态数据为基础，通过特征选择、特征提取等统计方法进行指标筛选与综合，借助数据挖掘模型重点考察大学资本投入的核心指标与一流大学建设成效之间的内在联系，并依据其对一流大学建设成效影响的重要程度进行排序，识别出对一流大学建设绩效促进作用更为显著的资本投入因素，从而为一流大学建设资本投入配置提供参考。

二、数据说明与研究方案设计

1.数据来源与研究样本

经综合比较数据源的可靠性、稳定性和全面性，研究采用的高校样本数据主要取自教育部直属高校工作咨询委员会秘书处编制的《教育部直属高校××年基本情况统计资料汇编》（以下简称《资料汇编》）。《资料汇编》中包含75所教育部直属高校和9所中国科学院及工业和信息化部所属高校的基本情况数据，逐年进行更新，共计涉及各类合计和分项办学指标600余项。少量缺失的数据采集自各学校的统计公报或其他可以信赖的文献资料。

为使样本数据尽可能反映一流大学建设的实际投入和产出情况，以《资料汇编》统计的84所高校中被列入教育部、财政部、国家发展改革委联合发布的《关于公布世界一流大学和一流学科建设高校及建设学科名单的通知》［10］中的37所一流大学建设高校作为研究对象。

2.指标获取

（1）投入指标

梳理《资料汇编》中提供的600余项办学基本情况指标，按照以下三个原则进行筛选、合并、变换或增设：

原则1：对成果型数据以及预判与研究目的关联性过小的投入型数据予以剔除，前者如发表论文、著作数等，后者如成人高等教育学生数等。

原则2：对存在包含关系等可能造成有效信息重复的指标，根据数据的逻辑特性和关联程度进行对应处理，如：为更加细致地分析各办学投入细节对建设效果的影响关系，对合计项和分项数据优先保留分项数据；但对教职工总数、在校生数、校舍总面积、教育事业经费总收入等反映总体办学规模的指标，保留合并项数据，并将分项数据变换为在合并项中的占比（%）予以体现。

原则3：对能反映投入的发展程度、结构、强度关系的互有联系的两个指标，以该两组数值相比得到的比率增设指标。

最终遴选和整理了包括人力投入（学生）、人力投入（教师）、实物投入、经费收入、经费支出、其他投入共计6类194个指标（指标内涵见表1）。

表1 大学资本投入原始指标情况

（2）成效指标

以软科世界大学学术排名、QS世界大学排名、《泰晤士报高等教育》世界大学排名、路透社TOP100全球最具创新力大学排名、US News最佳全球大学排行榜等5个全球性大学排行榜的院校综合排名，作为表征建设世界一流大学成效的指标。

3.研究方案

（1）研究方法与步骤

首先，为了避免原始投入指标集中高度相关的属性以及不直接影响因变量的属性影响后续建模的精度，对194个高维特征指标集进行适当的特征选择、变量筛选和特征提取（指标降维），这是数据准备中很重要的环节。其中，特征选择方法①特征选择，采用基于pearson相关系数类别预测变量的p值，以表征每一指标的重要性，并以之排序；确定重要性系数阈值后，即可从原始的高维特征指标集中剔除数据中不相关或冗余的特征，选择出低维大学资本投入指标集。用以剔除数据中不相关或冗余的特征，通过变量筛选确定出有效的指标初始子集；特征提取方法②特征提取，采用因子分析法，通过将原有指标内部的相互依赖关系进行数据化，用少量的几个综合因子（指标）来表示原始指标集合。用于通过指标初始子集各属性之间的关系综合得到若干个包含原有指标特征属性的新指标。由此构建起一个包含3个层次的一流大学建设投入核心指标集，即以原指标集的6个分类组别为一级指标，特征提取的公共因子为二级指标，原始指标为三级指标。

随后，进行核心投入指标与成效指标间的关系建模。考虑到研究样本数量有限，为尽量提高挖掘的预测精度，采取逐步逐层挖掘的方式，按照各指标级别进行分组建模。每组分别采用支持向量机、决策树、人工神经网络3种数据挖掘方法③数据挖掘，是运用模式识别技术及统计与数学的技巧，通过对数据库里存储的大量数据进行筛选，从中发现有意义的全新关联、模式的过程。支持向量机、决策树、人工神经网络为数据挖掘的不同算法。，选取预测精度相对更高的数据模型来计算投入指标变量相对成效因变量的重要性。再根据模型计算得到的各级指标的重要性系数结果，分别以特征提取过程中各指标方差贡献率占比为权重，计算综合重要性指数并进行排序。

（2）研究工具

采 用SPSS（Statistical Package for Social Sci⁃ence）Clementine 12.0社会科学统计软件作为主要的分析工具，它支持数据获取、转换、建模和评估等整个数据挖掘过程［11］。

三、数据准备

1.特征选择过程及结果

根据特征选择的目标变量设置要求，按照样本高校在成效指标模型中所涉及的5个全球性大学排行榜中的位次表现进行初步分类，即把在任一榜单中位列全球100名以内、101至500名，501名至1 000名、1 000名以外及未列入榜单的样本，分别标记为I、II、III、IV、V类。利用SPSS Clementine特征选择模型计算输出每个指标的importance指数（im⁃portance=1-p；p为在原假设为真的前提下，指标所指情况发生的概率），结合实际情况与研究经验，以0.95为指数阈值，剔除重要性系数小于0.95的共计59个指标。具体包括：人力投入（学生）指标5个、人力投入（教师）指标27个、实物投入指标4个、经费收入指标9个、经费支出指标7个、其他投入指标7个。由此，通过特征选择，从194个指标中选取与成效关联比较紧密的135个指标形成基础指标集。

2.特征提取过程及结果

利用SPSS Clementine主成分分析/因子模型对基础指标集进行特征降维。在继续剔除2个与其他属性存在高度相关的指标后，由表2可见，6个一级指标分别提取出4、6、4、5、4、4个公共因子，累计方差贡献率在70%～80%之间，基本完成了对基础指标集的信息提取。

表2 指标降维结果

根据以上结果，最终确定参与后续数据挖掘分析的一流大学的资本投入指标集，包含6个一级指标、27个二级指标、133个三级指标，具体指标集见表3。

表3 一流大学资本投入指标集

续表3

四、指标重要性排序

1.指标数据计算

（1）三级指标

三级指标数据取自《资料汇编》对应指标的原始数据。

（2）二级指标

二级指标表示为三级指标的线性组合，即：

其中，aijs为采用回归法估计得到的因子得分系数。i、j、s分别为一级、二级、三级指标的编号，i=1，2，…，6；j=1，2，…，m；s=1，2，…，n。二级指标x ij的最终取值为x′ij正向化处理后的数值，计算公式为：为样本号。

（3）一级指标

一级指标表示为二级指标的线性组合，采用计算因子加权总分的方法，具体为：

w ij为二级指标各因子的权数，取降维各因子的方差贡献率与累计方差贡献率的比值。

2.模型评估与重要性系数测算

模型构建时，随机选择70%的样本作为训练数据集，30%的样本作为测试数据集。为了尽可能减小过拟合、欠拟合等模型精度问题产生的风险，对支持向量机、决策树、人工神经网络3个模型的拟合性能进行以下两个方面的对比和权衡：

（1）模型泛化能力对比。比较不同模型的测试集误差与训练集误差的接近程度。越接近说明模型更有效地捕捉了训练集所蕴涵的规律。

（2）预测准确度对比。综合比较不同模型的测试集与训练集的误差值大小，重点关注绝对平均误差和标准差。

以一级指标的重要性测算为例，模型评估及重要性测算结果见表4。综合比较后，选取神经网络模型的测算结果作为最终的重要性分析结果。

表4 大学资本投入指标综合重要性排序

3.综合重要性指数计算及排序

为了便于对各指标的重要程度进行直接比较，计算其综合重要性指数Id ijs：

式中，w为各级指标权重，其中w i取为该指标累计方差贡献率在6个指标累计方差贡献率中的占比。Id ijs为I*d ijs归一化后的数值，全部三级指标的Id ijs之和为1。部分指标综合重要性的降序排列结果见表5（由于篇幅所限，仅列出综合重要性较高的前50项）。

表5 大学资本投入指标综合重要性排序

续表5

续表5

五、指标重要性分析

1.公共经费投入

在综合重要性分析中，排在前10位的分别是教育事业收入、教育经费总拨款、科研事业收入、地方教育经费拨款、研究与发展经费拨入（人文社会科学）、其他收入、课题拨入经费（自然科学）、科研经费拨款、课题拨入经费（人文社会科学）、科技经费拨入。由此可见，在“双一流”大学建设过程中，公共经费投入是关键因素，稳定增长的高等教育财政投入是建设一流大学的资金保障。同时，10个指标均是规模性经费投入指标，结构性经费投入指标的重要性排序相对靠后，这从一个侧面反映出经费配置对一流大学建设成效影响作用的有效发挥需要建立在经费投入总量的基础之上。

2.科研支出

高校基础研究经费投入是为实现前瞻性基础研究、引领性原创成果的重大突破提供的经费支持；应用研究投入则以需求为导向，保障包括社会公益研究、高技术研究等的支出需要。基础研究、应用研究等科研支出在投入指标中的重要性排位分别列在11位至20位之间。其中基础研究支出在各类研究支出中的重要性居于首位，人文社会科学相关研究支出的重要性较高。在《教育部2018年度部门决算》公布的2018年度一般公共预算财政拨款的数据中，基础研究支出占科学技术（类）总支出的比例为85.05%［12］。总体而言，在前20位指标中，科研相关指标达到13个，可见科学研究指标对建设成效的重要影响。

3.学术交流投入

学术交流人次指标的重要性分别位列第21位（人文社会科学）、第25位（自然科学），这一重要性反映了一流大学的使命以及其能力建设的要求。在全球化、现代化的广阔视野下，世界一流大学需要共同面对全球性问题的挑战，需要在更大范围内开展合作。而对于一流大学建设而言，开展前沿学术交流、促进国际合作是共同探求实现高等教育卓越教学和提升创新能力的途径，同时也是提升自身教育科研声誉、扩大国际影响、增强竞争力的重要举措。因此，一流大学建设需要加强对学术交流的投入，促进人才之间的交流，加强科研教学合作，为转变教育思想、更新教学理念、加速创新进程集聚力量。

4.人力投入

在人力投入相关指标中，重要性排位在整体指标集前三分之一的有5个指标，分别为博士生导师与硕士生导师数之比（第27位）、博士生导师青年老师占比（第30位）、留学生博士研究生招生数（第32位）、本科生与研究生在校生数之比（第34位）、本科生与研究生招生数之比（第35位）。由此可见，人力投入方面的重点是师资队伍、生源与在校生的组成结构和水平，更具体一些是体现在教师和学生的教育程度结构，具有博士学位的青年人才和研究生数量是投入的重要组成，他们为创新提供重要的人力资源支持，需要在一流大学建设中予以高度重视。

六、对一流大学建设工作的启示

1.大学资本投入核心指标反映社会对大学的需求

突出建设效益。高校所占有的、可开发的资源的种类、数量，以及各种可开发资源在高校内外的配置情况，都影响着其发展的速度和方向，影响着对国家社会的贡献能力。要充分认识、有效掌握和科学利用现有资源促进高校发展，提高资源配置效益。宏观配置层面，教育资源通过适当的行政干预，同时借助市场的自主选择，流向最需要且能取得最大效益的教育部门、机构，从学科结构、层次结构等方面满足社会对人才和技术的需求。对一流大学而言，需要更多地培养高层次创新人才，占据创新前沿阵地，发挥不可替代作用。微观配置层面，高校面对发展问题要注意开源节流：一要深入挖掘办学资源，依托各自的办学特色，在市场经济环境下求生存、求发展，多渠道汲取资源；二要优化资源管理与利用，明确发展定位与方向，增强资源投入的针对性，适当加大投入的偏向，最大限度地整合利用，避免资源浪费和损失。

提升科研能力。科学研究是高校的重要职能，应适当加大投入，提升高校条件建设水平，为高校科研能力的提升创造良好基础。一要通过基础研究促进原始创新能力提升，增强国家发展后劲。强大的基础科学研究是建设世界科技强国的基石，但我国基础科学研究短板依然突出，重大原创性成果缺乏，急需高校发挥优势在基础研究方面有所作为。二要加强应用研究促进关键技术问题解决，服务经济社会发展。高校作为关键技术攻关的重要生力军，应积极投身技术创新，解决“卡脖子”问题。三要开展社会研究化解社会问题，为顺利通过经济社会发展转型提供有效支撑。随着经济发展和改革开放的不断推进，发展过程中的一些理论与实践问题逐渐暴露，作为哲学社会科学研究的重要方面，高校需要针对相关问题进行深入探讨，为经济社会发展提供相关理论支持与思想保证。

服务社会发展。高校社会服务职能是在人才培养、科学研究基础上的延伸。通过高校内涵建设与水平提升，增强服务经济建设社会发展能力，能够为发挥知识优势更好地提供社会服务奠定良好基础。一要顺应全球高等教育的深刻变化，加强学术交流，扩大国际合作，提升世界影响，增强共同面对全球性问题的能力。二要以高水平教学科研为前提推进产学研深度融合。教学与科研的内涵发展，能够为高校合作育人、成果转化奠定良好基础，从而构建以市场为导向，企业为主体，高校为支撑的技术创新体系。三要发挥政策参谋、技术支持、诊断咨询、科技普及等作用。立足高校优势学科基础，深化学科内涵建设，能够为高校更好地发挥社会服务功能创造良好条件。

2.大学资本投入核心指标作用机制描绘建设蓝图

一是，合理定位，明确切合实际的建设路径。建设世界一流大学，前提是要建成高水平研究型大学，要确保研究工作能够有效获取办学资源投入、制度保障等方面支撑。其次，产出是衡量建设效率的关键要素。建设世界一流大学的高校要在突出贡献基础上，以“中国特色、世界一流”为指引勇于承担争取国际地位和话语权的使命，这些价值取向应充分体现在工作的考核评价中。再次，基础设施对建设效益的影响并不居突出地位，在投入上要注意多方面的取舍与权衡。

二是，科教融合，提升人才培养与创新能力。高校具有学科门类齐全、人才资源汇聚、科研力量雄厚等特点，能够通过学科建设、人才培养、科学研究等方面工作协同，有效提升一流人才培养与科研创新能力。首先，要瞄准拔尖创新人才培养，系统构建拔尖创新人才培养体系，优化人才供给结构。作为高校的根本任务，不断优化教学环境，提高教学质量，培养德智体美劳全面发展的建设者和接班人。其次，要加强重大基础前沿和战略领域的前瞻布局，促进原始创新；要通过校企合作、协同创新直面市场需求，加强产学研用深度融合，不断推进科研创新能力提升与成果转化，促进前沿引领和颠覆性技术突破，为解决国民经济建设和社会发展中的问题作出贡献。通过系统谋划，加强创新体系建设，促进科研创新取得新突破。

三是，优化结构，营建布局合理的教育环境。各类资源的分布结构在投入指标中占据重要地位。一要调整人才培养结构，满足发展需求。高校既要根据国家地方对人才的需求结构适时调整人才培养专业结构，又要在知识体系上突出应用型、复合型人才培养，多维度融合有效开展人才培养，促进交叉复合型人才不断产出。二要完善师资队伍结构，发挥人才效益。在完善职称结构、年龄结构、学历结构、学缘结构等基本结构基础上，面向学科前沿和原始创新能力提升，突出学科发展核心竞争力，集聚关键学科领域师资队伍，实现重点突破，通过结构优化发挥对教学科研工作的支撑作用。三要完善科研产出结构。面向国家重大需求，解决自然科学、人文社会科学中的突出问题，提升学校贡献度。既不能被指标所累，过于强调论文产出，也不能忽视高质量论文在提升影响、考核评价中的作用，建立健全分类评价体系，提升治理能力现代化水平［13］。