我国部属高校办学效率动态变化及影响因素研究

谢 鑫 陈春晓

(湖南大学 湖南 长沙 410082)

随着经济全球化进程加快和全球竞争加剧，“创新引领发展”已成为全球共识。技术创新不仅有利于我国在战略必争领域打破关键核心技术受制于人的局面，更有利于开辟新的产业发展方向和重点领域、培育新的经济增长点。高校作为基础研究的主体，是许多原始创新和再创新的主要源头[1]，肩负着人才培养、科学研究、社会服务和文化传承四大基本职能，在国家构建创新发展体系中发挥着至关重要的作用。

经济领域的供给侧结构改革对高等教育发展也提出了新要求，“目前我国高等教育供给侧呈现出数量供给日益增加、区域供给分层化、形式供给差异化、类型供给复杂化、层次供给多元化、专业供给动态化的状况”[2]。同时，一系列高等教育改革政策得到落实，如1978年以提高高等学校教育质量和科学水平为任务的全国重点高校建设，1995年发起的面向21世纪重点建设100所高等学校和一批重点学科的“211工程”，1999年开始的建设若干所世界一流大学和一批国际知名高水平研究型大学的“985工程”，2017年启动的建设世界一流大学和一流学科的“双一流项目”。“建设高质量的教育体系，需要高质量的教师队伍、充足的教育经费、教育公益性和教育公平的价值引领三大条件”[3]。我国每一轮高等教育改革都为高校发展提供了政策性支持并配套大量公共财政资源，这也要求政府对高校办学效率进行评估以回应社会问责。

高校是一个多投入多产出且投入需要持续性但产出具有滞后性的单元。生产函数法需要预先确定分析单元的生产函数模型，主要适用于多投入、单产出系统的效率评价；随机边界分析法可应用于多投入、多产出系统的效率评价，但需要预先确定分析单元的生产函数模型；数据包络分析法(Data Envelopment Analysis, DEA)则无需预先确定生产函数形式，通过建立线性规划方程式来评价分析单元在系统内的相对效率。由于DEA方法的高效性，从Charnes等人的开创性研究[4]以来，DEA模型在教育、医疗、经济等各领域得到广泛应用[5]。

在研究对象的选取上，既有研究比较了同一高校不同院系的绩效[6]、研究型高校的科研效率[7-8]、省际高等教育发展水平的差异[9]等，多层次选取不同样本类型进行横纵向比较分析。在DEA模型的应用上，不仅包括基础DEA模型[6]、超效率模型[10]、Malmquist指数方法[7][11]，也包括SBM模型[12]、三阶段模型[10]、Bootstrap模型[13]及实证过程中根据效率测算需求提出的各类改进DEA模型[8-9][14]，还出现了统计方法与DEA方法的复合应用[15]。研究者从不同的视角和问题出发，根据研究对象数据的可获取性构建不同类型的DEA模型及其复合模型，从客观的数据视角多层面比较高校科研或高等教育发展水平的差异，并提出提升效率的管理建议。尽管如此，该领域缺乏对我国高校办学效率中长期动态变化及其规律的研究，对影响我国高等教育发展水平的外部因素分析不足。

考虑到高校办学具有连续性与滞后性，本文运用改进DEA-Malmquist模型对54所样本高校2006—2016年的办学效率进行动态评价，将Malmquist指数及其分解指数做Person相关分析确定其相关关系。同时，以Malmquist均值和标准差将样本高校进行聚类，分析不同类型高校的发展规律，并进一步运用广义最小二乘法对Malmquist指数进行回归，研究外部环境变量对高校办学全要素生产率的影响。

一、数据与方法

(一)数据及基本统计分析

本文选取的研究对象为2006—2016年中国教育部直属高校，由于DEA方法要求参与运算的决策单元(Decision Making Unit,DMU)具有同质性，故删除2016年度博士授予数小于100人的部分高校，删除2016年度ESI(Essential Science Index)论文数小于500篇的高校，删除部分数据缺失高校，最后剩余54所部属研究型高校。

人力资源与财力资源是支撑高校运行的两大主要投入资源，而高校的产出则主要集中在人才培养和科学研究两方面。有学者将教学科研成果获得的国家奖项作为产出指标之一，在一定程度上区分优秀产出成果，但会使得产出成果被重复计算，增加产出指标数，不符合DEA方法要求的应尽可能减少指标，使指标具有代表性原则。本文以高校直接投入和第一产出作为衡量高校办学效率动态变化的指标，投入指标为：经费支出(含所有教育事业支出和科研活动支出)、专任教师人数。产出指标为：毕业生数(含本硕博)、ESI论文数(数据来源于web of science数据库)、CNKI论文数(数据来源于中国知网数据库，仅含发表在核心期刊的论文)、出版著作数(含自然科学类的科技著作和社会科学类著作)、报告和专利(仅含人文社科中被采纳的咨询报告数和自然科学中的专利授予数)。除特别注明外，本文的研究数据来源于《教育部直属高校基本统计资料汇编(2006—2016)》。由于统计数据可获得性的限制，并未考虑人才培养及科研质量，也未考虑高校的社会服务功能。

2006—2016年，我国高等教育迅速发展，见表1，以2006年54所样本高校的投入产出指标均值为分母，2006—2016年投入产出指标均值为分子计算各指标的变化趋势。专任教师和毕业生人数虽持续增长，但年均增幅较小，专任教师数最高增幅不超过20%，毕业生数最高增幅不超过30%，样本高校平均师生规模稳中有升。21世纪以来，我国不断加大教育投入力度，财政性教育经费在2012年首次达到GDP的4%，2016年样本高校平均经费支出为2006年的3.21倍，大量教育经费的投入极大助力我国高等教育事业的发展，提高我国高校第一科研产出量，截至2016年，ESI论文数较2006年增长了260%，报告和专利数较2006年增长了467%。CNKI论文数在小幅上升后缓慢持续降低，与ESI论文量的10年快速增长形成对比，说明我国高校越来越重视其科研论文在国际期刊中的占有率及影响力，一定程度上挤压了在国内重点期刊发文的比例。著作数则在10年中基本保持平稳，无明显波动。

表1 投入产出指标变化趋势分析(2006—2016年)单位：%

3 030篇，著作97部，报告和专利129项。

(二)方法

本研究以基于DEA非参数距离函数的Malmquist指数来计算给定高校在两个时期内的办学效率的动态变化，即全要素生产率(total factor productivity,TFP)。TFP指数是指一个系统的总产出量与全部生产要素投入量之比，TFP增长率(即TFP>1的部分)是指全部生产要素(包括人力、物力、财力)的投入量都不变时，产出仍能增加的部分。由Fare等人[16-17]给出的DEA-Malmquist模型表述如下：

M(xt,yt,xt+1，yt+1)=

(1)

式(1)中(xt,yt)和(xt+1,yt+1)分别表示(t)期和(t+1)期的投入和产出；DT表示给定DMU以期为包络面时的距离函数，Malmquist指数为以Ti期为效率参考前沿面和以Tt+1期为效率参考前沿面时效率变化的几何平均。由于高校办学是一个连续性的传承过程，且产出具有滞后性，本文应用窗口DEA模型，窗口期为3，偏移量为1，即Tt期为(t-1)、(t)和(t+1)连续三期的DMU所形成的包络面，Tt+1期为(t)、(t+1)和(t+2)连续三期的DMU所形成的前沿面。M>1表示全要素生产率呈增长趋势，M<1表示全要素生产率呈下降趋势。根据Fare等人[16-17]的研究，M可被分解为两部分：一部分是效率变化(Efficiency change,EC)，即给定DMU与前沿面距离的变化，若生产前沿面内的DMU外移，则表示该DMU在努力提升自身效率，在一定程度上反映了DMU组织管理水平的变化，称之为“追赶效应"；另一部分是技术变化(Technology change,TC)，即技术进步情况，描述了DMU在两个时期内所在的生产前沿面的移动情况，称之为“前沿面移动效应”或“增长效应"。

(2)

对M进行分解能让我们找到影响全要素生产率的主要因素，如：是DMU在提高自身效率以接近前沿面还是由于整体样本的技术进步提升了全要素生产率。

二、实证分析

(一)Malmquist指数及分解

54所教育部直属高校在2006—2016年间的全要素生产率整体呈上升趋势。由表2可知，不考虑具体高校，样本高校在2006—2016年的平均全要素生产率为1.001，年均升幅为0.1%，其中2009年的全要素生产率最高，为1.025，升幅2.5%，2015年的全要素生产率最低，为0.971，降幅2.9%。总体而言，2006—2016年间样本高校全要素生产率在0.971～1.025间小幅波动，整体变化趋于平稳，且稳中有升。

表2 各年Malmquist指数及其分解

观察M的分解指数效率变化(EC)和技术变化(TC)，2006—2016年效率变化年均增幅为0.7%(1.007)，而技术变化则呈现下降趋势，年均降幅0.5%。当M>1时，EC一定大于1，当M<1时，EC可能大于1也可能小于1。进一步分析M与其分解指数EC、TC间的相关关系(Person相关系数)，如表3，M与EC呈现显著强相关(相关系数0.870)，与TC呈现显著弱相关(相关系数0.124)，说明全要素生产率获得提升的主要原因可归功于效率变化的提升。

表3 M、EC、TC间两两相关系数

54所样本高校中，32所为985工程院校，22所为211工程院校，均为我国高等教育重点发展院校，2006—2016年间效率变化仅2007年出现最大降幅，达到5.5%，2013年及2015年降幅均不超过2%，且未出现效率连续下降的现象。2007年效率变化指标大幅下降的主要原因是与我国高等院校合并有关，为了整合高等教育资源，许多院校合并，加上我国高等教育扩招，高校将大量经费和精力都投入到校园基础建设中(如合并后的资源整合、教学楼宿舍楼的扩建、新校区的建设等)。直到2008年，教育部和财政部一次性投入大量基建经费帮助高校偿清财务赤字(见前面表1，样本高校2008年的经费支出几乎为2006年的2倍)，自此，我国高校教育规模及建制基本稳定，也是从2008年开始，效率变化连续5年增长。

(二)高校动态发展分类

由于样本高校的技术变化指标仅在2007年和2013年得到提升(见前面表2，TC2007=1.055,TC2013=1.008)，其余年份均呈现小幅下降趋势，说明我国高校办学的整体技术水平不足，或是各校办学能力差异较大，使得整体技术前沿面出现小幅退步。为进一步研究各样本高校的10年发展差异，如图1所示，菱形标记表示各校在2006—2016年的全要素生产率均值，线段表示各校全要素生产率在2006—2016年的标准差。

由图1可知，26所高校的全要素生产率均值大于1，占比48%(26/54)，虽然样本整体全要素生产率为1.001，但超过一半高校(52%)的全要素生产率在2006—2016年间并未得到提升，说明在同一发展时期，各高校的发展情况存在个体差异。观察各校全要素生产率的标准差可以发现，标准差分布在0.015至0.157之间(平均数为0.067)，有些高校每年的全要素生产率较为稳定，标准差较小，而有些高校每年的全要素生产率则波动较大，标准差较大。因此，以标准差SD=0.067为分界点，以全要素生产率M=1为分界点，将样本高校的发展模式归为四类。

第一类：稳健增长型，全要素生产率均值大于1且标准差小于0.067。这类高校能稳稳抓住我国高等教育大发展的机遇，在10年发展中保持稳定增长,说明此类高校既能合理利用现有资源，也能规划好高校长远发展，其资源配置和管理治理模式值得学习。此类高校包括华东理工大学、同济大学、上海交通大学、华北电力大学、四川大学、大连理工大学、合肥工业大学、北京大学、南京大学、浙江大学、复旦大学、重庆大学、厦门大学、西南交通大学，共计14所高校。

图1 高校Malmquist指数分布

第二类：波动增长型，全要素生产率均值大于1但标准差大于0.067。虽然这类高校的全要素生产率得到了提升，但年度增长的差异较大，资源在各年度中未得到合理配置，使得部分年度的全要素生产率增幅较大，部分年度增幅较小甚至出现下降现象。此类高校包括东南大学、华南理工大学、西安交通大学、东华大学、北京化工大学、长安大学、华中农业大学、华中科技大学、西安电子科技大学、中山大学、山东大学、江南大学，共计12所高校。

第三类：轻缓衰退型，全要素生产率均值小于1且标准差小于0.067。未充分抓住我国高等教育大发展的契机，资源的非充分利用使得这类高校相较于第一、二类高校而言，全要素生产率呈下降趋势。如今，各高校对优质生源、师资和科研经费的竞争愈演愈烈，不进则退，这类高校需警惕缓慢衰退的趋势，跳出自我舒适圈，通过改革高校内部治理体系为发展注入活力。此类高校包括北京科技大学、中南大学、湖南大学、华中师范大学、东北林业大学、清华大学、陕西师范大学、中国人民大学、中国海洋大学、兰州大学、北京师范大学、东北师范大学、北京邮电大学、西北农林科技大学、西南大学、北京林业大学、中国农业大学、华东师范大学、电子科技大学，共计19所高校。

第四类：动荡衰退型，全要素生产率均值小于1且标准差大于0.067。全要素生产率下降的同时还伴随着不稳定性，或许来源于资源的非合理利用及管理低效。此类高校包括天津大学、武汉大学、北京交通大学、武汉理工大学、东北大学、吉林大学、南京农业大学、河海大学、南开大学，共计9所高校。

(三)高校全要素生产率影响因素分析

为进一步探究影响高校全要素生产率变动的因素，本文对Malmquist指数进行回归，应用可处理异方差的广义最小二乘法探究影响全要素生产率变化的主要因素：

Mi,t=α+β1Build-Stui,t+β2Doc-Teai,t+β3Combinei+β4PreAvei+χi+vi+μi,t

(3)

公式(3)中(i)表示高校，(t)表示时期，因变量(M)为Malmquist指数，由公式(1)计算得出。(vt)为时间效应项，(χi)为DMU个体效应项，(μi,t)为误差项。高校是一个开放的复杂动态系统，其全要素生产率不仅受高校内部规模、结构等诸要素的影响，也会受到高校所处社会环境的影响。在影响因素变量的选取过程中，一方面要考虑变量的代表性，另一方面也要考虑变量的可得性。因此，本研究从物质资源、人力资源、高校改革、高校管理四个维度选取四个影响高校全要素生产率的变量，分别为生均建筑面积(Build-Stu)、专任教师中具有博士学位的教师占比(Doc-Tea)、在20世纪末21世纪初是否与其他院校有过合并(Merger)、校长平均任期①(PreAve)，其中，生均建筑面积和校长平均任期两个自变量取自然对数，结果见表4。

表4 影响Malmquist指数的决定因素

土地资源是高校的基本物质资源，生均建筑面积作为基于土地资源所开展的基础建设部分，包括新建教学楼、办公楼、实验楼、学生宿舍楼、学生活动楼等，其增加为高校开展教学和科研活动提供用房保障，是影响高校全要素生产率的关键指标之一。由表4可知，生均建筑面积与全要素生产率呈负相关，生均建筑面积的增加在研究期间内不仅未能促进高校全要素生产率的提升，反而阻碍了高校全要素生产率的提升。究其原因我们发现，近年来，我国多数高校为优化办学条件大兴土木，初衷是以提升办学基础条件来提高办学效率，但“新建大楼”会与“培养大师”共同竞争高校有限的人力、财力和管理资源，当一所高校将大量金钱与精力投入到校园基础建设上时，必然会削弱人才、设备引进力度，减少学术活动开展数目，影响高校人才培养与科学研究的进度，使得高校本末倒置，失去核心竞争力，最终阻碍办学效率的提升。

一所高校的师资水平决定了这所高校的研究能力与声望，一流高校汇聚一流师资、培养一流人才、产出一流成果，高质量的师资队伍是高校的核心竞争所在。近年来，我国高校努力提高具有博士学位的教师占比，样本高校2006年具有博士学位教师占比平均为36.33%，到2016年，具有博士学位教师占比平均达71.08%。但表4显示，具有博士学位教师的占比越高反而阻碍了全要素生产率的提升，说明拥有更多博士学位教师并不能直接促进全要素生产率的提升，博士学位与学术能力并非等价关系。高校应建立一套完善的教师职业发展规划及培养体系，激发新进博士教师的教学热情和学术产出能力。

有过合并的高校比没有合并的高校在2006—2016年间具有更高的全要素生产率。我国在21世纪初经历了院校合并潮，一批高校通过强强联合倍增已有办学实力，一批高校通过兼并专业类院校尤其是医学类院校扩充学科体系。通过院校合并，整合有限的高等教育资源，调整重复建设学科，互补优势学科，新增交叉学科，提高资源利用率和规模效率，使我国高等教育呈现出以高水平、大规模、全学科的综合性研究型高校为主导的发展趋势。

校长任期越长越有利于高校全要素生产率的提升。高校的主要职责是育人与学术研究，这两大职责均需要高校管理层进行长远规划，而更长的校长任期能减少管理层的变动，有利于高校中长期规划的实施，有利于内部治理改革的延续，有利于高校内外部生态的稳定。同时，超长校长任期也会使高校管理体制固化，导致缺乏创新精神。校长任期与大学绩效呈倒U型关系[18]，因此，校长的最佳任期及任期考核体系值得进一步研究。

三、结论与启示

本文以2006—2016年54所教育部直属高校的投入和产出数据为样本，采用DEA模型中的Malmquist指数法分析了中国高校办学的全要素生产率，同时，依据各校样本期内Malmquist指数均值及标准差将其划分为四种发展类型，并进一步运用广义最小二乘法研究影响高校全要素生产率的主要因素。通过分析，得出以下结论与管理启示：

我国高校2006—2016年的全要素生产率有小幅提升，主要贡献来自效率变化的提升。2006—2016年，即便平均经费支出增加了230%，全要素生产率年均仅有0.1%的提升，效率变化年均仅有0.7%的提升，说明靠单一的财力刺激不一定能取得最大效益。基于DEA及Malmquist指数的原理和逻辑关系，全要素生产率主要是由投入产出关系决定。提高全要素生产率的三种路径包括维持投入不变增大产出、保持产出不变缩小投入以及产出提高的幅度大于投入提高的幅度。高校应从投入产出绩效评价指标入手，提高人才培养和科研产出的数量和质量，拓宽高校教育和科研经费筹措渠道，确保经费、育人、科研三者间关系匹配，加强师资和科技队伍建设，提升高水平科学研究能力。在“双一流”建设时期，高校应当建立以人为本、以生为本、科学规范、制度清晰、逻辑严明的内部治理体系，不断提升内部治理现代化水平，通过人才引进和自身培育相结合的多种举措优化教师和科研人才队伍结构、素质，积极参与全球人才竞争，努力打造师德高尚、业务精湛、爱生爱岗、充满朝气与学术活力的师资队伍，用师资队伍质量的提升带动人才培养质量和科学研究质量的提升，从而提升高校全要素生产率。

在稳健增长型、波动增长型、轻缓衰退型、动荡衰退型四类高校中，具有最优发展成效的稳健增长型高校数量较少，仅有14所。其中三分之二分布在经济较发达的东部地区，反映出我国高等教育的非平衡发展不仅表现在校际之间，也表现在区域经济之间。处在经济发达地区的高校能更直接享受到经济发达带来的社会福祉，如更多的产学研合作机会、更雄厚的地方财政经费支撑、完善健全的区域体制环境、先进的管理经验以及活跃的人才市场等。高校在利用经济社会发展所带来的福祉的同时，通过向区域经济输入高素质劳动力、科学研究成果和为区域提供社会服务，促进区域经济进一步发展，与区域经济形成双向正反馈，不断提升高校办学效率，形成稳健增长的发展态势。而处在经济欠发达地区的高校不仅在经费上受投入不足的制约，在高校治理上也缺乏先进管理经验。高等教育的发展在一定程度上受到区域经济非平衡发展的影响，但高等教育作为一个独立的复杂系统，能通过内部改革优化资源配置、提升办学效率，超前和引领经济发展。我国高等教育以公立高校为主，主要依托政府办大学，具有服务国家发展的公共属性，高等教育的区域非平衡发展不利于我国高等教育整体水平的提升，不利于缩小区域间经济差异。中央和地方政府在对有限的教育资源进行分配时，应秉持开放竞争、重点培养、适当扶持的原则，如实施中西部高等教育振兴计划，落实部省合建中的一系列工程项目。高校自身也应做好长远规划，优化内部治理体制，鼓励师生参与全国科研项目等资源竞争，提升优势学科学术水平及影响力，同时开发经费自筹体系，减少自身发展受外部经济环境的影响，积极探索具有自身特色的稳健增长策略。

在影响高校全要素生产率的一些其他内外部因素中，校长任期与院校合并有助于提升高校全要素生产率，但生均占地面积与博士学历教师占比会降低全要素生产率。我国部属高校校长一般由中央任命，任期一般为5年，5年时间对于一位优秀校长来说太短，对于不合格校长来说又太长。同时，在现代大学管理体系的建设过程中，校长的遴选、任期、考核的规范与法制决定了校长地位的法理性，可以通过建立一套校长的准入与退出机制来降低校长人选变动对高校稳定发展的影响。如首先给予新任校长2年考核期，通过2年考核期来决定新任校长去留，然后在第7—10年进行一次完整考核，决定是否续聘，这样的考核安排在快速淘汰不合格校长的同时能留住优秀校长，或许更有利于高校长远规划的实施和治校改革的延续。院校合并是历史的机遇与挑战，我国高等教育建制已趋于稳定，短期内不会发生大量院校合并，但对于高校自身而言，理顺院系内部结构，厘清学校学院学系、学科专业之间的关系，理好资源配置的方略，以服务学生和学术为导向整合校内资源，降低行政冗余，诸如此类的“校内合并”应能在一定程度上为高校发展注入新的活力。

注释：

①校长任期从1978年开始计算，不计1978—1980年间开始任职但时长不足30个月的任期，截至2019年12月，计任期已大于60个月且以2019年12月为任期截止日(这会低估实际任期时长)。