高校二级学院固定资产管理绩效研究——基于DEA-Tobit模型

邱 筠， 葛 明

（上海理工大学a.资产设备与实验室管理处；b.材料与化学学院，上海 200093）

0 引言

在创建世界一流大学和高水平大学的过程中，高校固定资产作为保障高校各项活动的物质基础，呈现出数量庞大、价值突出、种类繁多、使用人数激增，分布校区广泛等特点［1］。《国家中长期教育改革和发展规划纲要》（2010—2020 年）中强调，在“双一流”建设过程中，要改进管理模式，引入竞争机制，实行绩效评估，进行动态管理［2］。因此，做好高校固定资产管理绩效评价，对于提升高校资产管理水平，促进高等教育事业发展，深化教育体制改革具有重要意义。

1 文献综述

对于高校固定资产的绩效评价，现有的研究从多个维度做出了积极的探索。张玲等［3］主张在专家调查的基础上，采用主成分分析法，构建了包含三级指标的高校资产管理绩效评价指标体系。刘威［4］使用熵值法对指标赋权，形成了由管理运行绩效、资产构成绩效和制度机构绩效构建的“三位一体”高校固定资产管理绩效评价体系。陈舒［5］以教育部直属高校作为研究对象，采用BP 神经网络模型，从资产保障水平、运行水平和管理水平3 方面进行资产管理绩效评价。朱霞等［6］通过层次分析法确定绩效评价的权重，构建了包含6 个关键因素的高校仪器设备绩效综合评价体系。

然而，上述研究中，由于绩效评价的指标缺乏科学性和统一性，未能形成权威的绩效评价指标体系，且在对绩效指标赋予权重时，主观因素的影响较大，会对评价结果产生影响，一些学者开始采用数据包络分析法（简称DEA）对高校资产管理绩效进行评价。早在2014 年，朱丽霞等［7］就尝试将DEA 运用到高校固定资产管理绩效评价中，并选取25 个样本单位开展了理论研究与实证分析。之后，王小宁等［8］采用DEA方法对全国55 所教育部直属高校的固定资产管理绩效进行了分析和评价，进而给出了改进措施。戴计强等［9］以某高校31 个二级学院为研究对象，通过DEA 方法分析了各学院仪器设备管理的相对效率。

由于以往的研究中，将高校作为一个整体来评价其资产管理绩效的较多，而针对高校内部二级学院的研究较少；对高校固定资产管理效率进行评价的较多，而分析其影响因素的较少。本文将采用DEA-Tobit两步法，先对该校二级学院的固定资产管理绩效进行测评，再利用Tobit模型找出影响高校二级学院固定资产管理绩效的原因，以期达到优化资产配置、提升管理水平的目的。

2 模型构建

2.1 DEA模型

数据包络分析（DEA）是由美国著名运筹学家Charnes等［10］提出的一种效率评价方法，适用于多投入、多产出的同类决策单元的有效性评价。与其他评价方法相比，DEA在避免主观因素、简化算法、减少误差等方面具有极大的优越性［11］。

按照对效率的测量方式，DEA 模型可分为投入导向型和产出导向型。若把减少投入视为对无效率单位提高效率的主要途径，应选用投入导向模型；若把增加产出作为提高效率的主要途径，应选用产出导向模型［12］。由于同一高校的固定资产总值在一段时间内不会产生很大变化，应通过增加产出来提高效率，本文选择产出导向的DEA模型。基于对规模收益的假设，DEA模型可分为基于规模收益不变的CCR 模型和基于规模收益可变的BCC 模型［12］。其中，BCC 模型能够将决策单元的纯技术效率、规模效率以及综合效率分别呈现出来，更加有利于绩效分析。产出导向的BCC模型的规划式为：

其中：φ为决策单元的综合效率值，当φ ＝1 时，决策单元为DEA有效；φ ＜1 时，决策单位为DEA 无效。x，y分别表示投入指标和产出指标，n为决策单元的个数。

2.2 Tobit模型

Tobit模型是由美国经济学家Tobit提出的一种截断式回归模型［13］，适用于受限制的被解释变量的回归分析。由于通过DEA 计算得到的综合效率值均介于0 ～1 之间，如果采用最小二乘法，容易产生偏差，所以选择了Tobit模型进行回归。Tobit模型表达式为：

其中：Y*

i为潜变量，Yi为观察到的因变量，Xi为自变量向量，β为相关系数向量，εi为独立且服从均值为0、方差为δ的正态分布的干扰项。

3 二级学院固定资产管理绩效测算

3.1 指标体系的构建

根据《政府会计准则第3 号——固定资产》，高校固定资产可分为房屋及构筑物，通用设备，专用设备，文物和陈列品，图书、档案，家具、用具及装具六大类。据此，本文拟采用房屋建筑面积、图书馆藏书数量和教学科研仪器设备总值来作为投入指标。在产出指标方面，本文拟从人才培养、师资建设和科研成果3 个方面来进行评价。具体来说，选取毕业生人数作为人才培养指标；选取具有副高以上职称的专任教师人数作为师资建设指标；选取科研项目到款数作为科研成果指标。一般来说，决策单元的数量不应少于投入和产出指标数量的2 倍［14］。为了提高模型的区分能力，同时结合数据的可获得性，将投入指标简化为固定资产总值，最终确定的投入产出指标见表1。

3.2 数据来源

本文所选的学校共有13 个二级学院，剔除数据信息不全的学院后，选取其中10 个学院作为决策单元。所用数据主要来自学校固定资产台账、学校年鉴、毕业生就业质量报告和各学院官网。考虑到高校的固定资产投入产出具有一定的时滞性，因此投入指标采用2019 年的数据，而产出指标则采用2020 年的数据。

3.3 相关性检验

运用DEA模型时，投入和产出指标之间需要满足“等张性”，即投入指标与产出指标必须保持同方向变化［15］。因此需要对二者进行Pearson 相关性检验，以确定指标选取及相关数据的合理性。如表2 所示，投入和产出指标均为正相关，且通过了5%显著性水平下的双尾检验，符合模型的要求。

表2 投入产出指标的相关性检验

3.4 评价结果及分析

从表3 可以看出，综合效率为1 的学院有3 个，分别是管理学院、机械学院和外语学院。这3 个学院达到了投入产出的最优状态，占整体比例的30%，其余7个学院的综合效率均未达到1，占整体比例的70%。

表3 二级学院固定资产管理绩效评价结果

在综合效率小于1 的7 个学院中，光电学院的纯技术效率为1 而规模效率未达到1，属于纯技术有效而规模无效的情况。说明该学院的资产管理水平较高，需要通过调整规模来提高综合效率。由于光电学院处于规模报酬递减阶段，表明该学院要素投入的增速大于技术水平的增速，已经产生了投入冗余。投入的资源未能有效转化为产出，从而导致了综合效率低下。

其余6 个学院的纯技术效率和规模效率均未达到1，属于纯技术和规模均无效状态，包括能动学院、环建学院、版艺学院、医疗学院、理学院和材料学院。在这种情况下，想要提升学院的综合效率，应先从提升技术水平入手。通过增强资产管理意识，健全资产管理制度，进一步提升资产管理水平，从而实现纯技术有效。当纯技术效率达到有效时，再根据其规模报酬所处的状态，调整规模配置，相应的增加或减少投入量。

4 二级学院固定资产管理绩效影响因素分析

4.1 影响因素

（1）固定资产利用率。用于描述学院处于“在用”状态的固定资产与固定资产总值的比率。由于固定资产管理意识淡薄，各学院“重购置、轻使用”的现象时有发生。有些学院片面追求资产的数量和价值，导致固定资产存在重复购置或长期闲置，使用效率低的问题［1］。固定资产本身缺乏流动性，如不能及时投入使用，则加大了资产流失的风险［16］。固定资产利用率越高，表示保持正常使用状态的固定资产越多，闲置、毁损的固定资产越少，资产管理的效果越好。

假设1：固定资产利用率对二级学院的固定资产管理效率具有显著的正向作用。

（2）固定资产更新率。用于描述学院本年度新增固定资产值与上年固定资产总值的比率。固定资产更新率越高，表示该学院一年内新购入的固定资产越多，固定资产的更新速度越快。一般认为，固定资产的不断更新，能够更好地保障学院教学、科研等各项活动的顺利进行，有利于提高学院固定资产管理的效率［16］。但当投入过多或配置不合理时，也可能出现“拥挤效应”，导致投入多、产出少的结果［14］。结合上文各学院DEA的效率分析，该高校大多数学院均处于规模报酬递减状态，由此预测固定资产更新率可能对学院的固定资产管理效率产生负面的影响。

假设2固定资产更新率对二级学院的固定资产管理效率具有显著的负向作用。

（3）固定资产维修率。用于描述学院本年固定资产维修支出与固定资产总值的比率。一般来说，在仪器设备使用前，做好对操作人员的培训工作；在仪器设备使用过程中，操作人员严格遵守操作规范；在仪器设备使用后，定期进行常规的保养。只有这样，才能够减少仪器设备产生故障或损坏的情况。仪器设备的维修，不但需要花费经济成本，而且会影响教学和科研活动的正常开展，不利于提升固定资产管理的绩效［6］。固定资产维修率越高，说明损坏的固定资产越多，资产管理的效果越差。

假设3固定资产维修率对二级学院的固定资产管理效率具有显著的负向作用。

（4）固定资产报废率。用于描述学院本年报废的固定资产值与固定资产总值的比率。固定资产报废一般包括两种情形，一种是未达到使用年限提前报废，另一种是达到了使用年限正常报废。前一种情况下，说明保管人没有重视固定资产日常的维护和保养，致使固定资产提前报废，降低了资产的可使用价值。后一种情况下，有可能是在保管人的悉心养护下，延长了固定资产的使用寿命，最大限度发挥了资产的可使用价值［17］；也有可能是保管人未能及时提交报废申请，导致固定资产出现本应报废却没有报废情况，从而降低了资产管理效益。因此，固定资产报废率对于管理绩效的影响可能是正向的，也可能是负向的。

假设4固定资产报废率对二级学院的固定资产管理效率具有显著作用，但方向未知。

（5）固定资产共享率。由于该高校仅对30 万元以上大型仪器设备开放共享，因此固定资产共享率用于描述学院开放共享的大型仪器设备值与固定资产总值的比率。大型仪器设备开放共享，既有利于培养高水平人才、打造高层次师资队伍、产出高质量科研成果［18］，又有利于减少资产闲置、优化资源配置［19］，从而保障固定资产效用的最大化。固定资产共享率越高，说明固定资产对学院各项日常活动的保障水平越高，资产管理所达到的效果越好。

假设5固定资产共享率对二级学院的固定资产管理效率具有显著的正向作用。

根据以上假设，构建二级学院固定资产管理绩效的Tobit模型为：

其中：Yi为综合效率值；X1为固定资产利用率；X2为固定资产更新率；X3为固定资产维修率；X4为固定资产报废率；X5为固定资产共享率；β1、β2、β3、β4、β5表示各影响因素的系数；i表示学院；c表示常数项；ε 表示误差项。

4.2 实证结果与分析

使用SPSS软件进行Tobit 回归分析，具体结果见表4。

表4 二级学院固定资产管理绩效影响因素Tobit回归结果

固定资产利用率的回归系数为0.87，P值在0.05水平上显著。固定资产共享率的回归系数为7.355，P值在0.05 水平上显著。表明上述两个变量均会对综合效率值产生显著的正向影响，与假设1、5 吻合。

固定资产更新率的回归系数为-4.501，P值在0.05 水平上显著。固定资产维修率的回归系数为-120.272，P值在0.01 的水平上显著。表明上述两个变量均会对综合效率值产生显著的负向影响，与假设2、3 吻合。

固定资产报废率的回归系数为-12.203，P值在0.01 水平上显著，表明其与综合效率值之间呈负向显著关系。由于该高校要求固定资产需达到使用年限后才可报废，结合假设四可知，应报废的固定资产未能及时报废是导致学院固定资产管理综合效率低下的原因之一。

5 结论与建议

本文选取我校10 个二级学院为样本，通过DEATobit模型对各学院的固定资产管理绩效及其影响因素进行分析。结果表明，各学院间固定资产管理绩效存在较大差异。DEA 有效的学院实现了投入与产出的最优状态，规模和效率之间也达到了平衡。DEA 无效的学院中，有的学院资产管理水平较高，但由于存在投入冗余，抑制了综合效率的上升；有的学院资产管理水平仍有待提高。各学院应按照自身的实际情况，选择有针对性的策略，实现DEA有效。在固定资产管理绩效的影响因素方面，固定资产利用率和固定资产共享率发挥着显著的正向效应；固定资产更新率、固定资产维修率和固定资产报废率则发挥着显著的负向效应。根据上述结论，对提升高校二级学院固定资产管理绩效提出如下建议：

（1）构建科学的资产绩效评价体系。高校固定资产管理工作是系统科学的一项实际应用，而绩效评价正是一种有效的管理手段。①要根据学校的实际状况，构建科学合理的固定资产绩效评价体系。不同的高校之间，或同一所高校内部的不同学院之间，固定资产的类型差别较大，实行的管理模式也多种多样，统一的指标体系并不能满足所有高校的评价需求［18］。因此需要根据自身的办学定位和管理要求，设计个性化的指标并赋予相应的权重。②要注重对固定资产绩效评价结果的运用。对在学校固定资产管理和使用过程中表现突出的学院或个人，应予以表彰和嘉奖；反之，则应予以通报并责令整改。同时，将绩效评价结果与学院的预算安排、年度考核等关联起来，充分调动管理者和使用者的积极性，达到“以评促建、以评促改、评改结合”［18］的目的。只有这样，方可促使各学院进一步增强资产管理意识，提高资产管理水平，实现资源的优化配置。

（2）培养高质量的资产管理人才。当前高校固定资产管理人员存在管理意识淡薄、队伍力量薄弱，专业知识不足等问题。学院的资产管理员多为兼职且流动性较大，无法保证资产管理达到应有的效果［19］。固定资产保管人作为资产的实际占有和使用者，由于对固定资产管理不够重视，投入的精力有限［20］，导致设备得不到合理使用、维护、保养，及时报废，对固定资产管理绩效造成了负面影响。针对上述问题，①高校要逐步增强全校师生的资产管理意识，认识到固定资产管理工作对高校长远发展的重要性［21］，增强主人翁的责任感和使命感，以便做好固定资产的日常管理工作。②要建设一支专职资产管理员队伍，并定期开展专业化培训和业务工作交流，提高他们的资产管理能力。同时，对表现优异的资产管理员给予一定的激励，激发他们的资产管理动力。最终形成一支专业水平高、综合素质好的资产管理员队伍。

（3）推进高效的大型仪器设备开放共享机制。大型仪器开放共享对于提升高校固定资产管理绩效具有显著的正向作用。只有充分调动起供需双方开放共享的意愿，才能让开放共享真正实现。①在大型仪器设备购置前就要做好规划、加强论证，避免重复购置，从源头上为有效实现开放共享提供助力。②在大型仪器设备使用的过程中，应实现“运行有人管、维修有经费、绩效有评价”［22］，为大型仪器设备开放共享奠定有力的保障。对于开放共享的供给方，要让他们意识到开放共享这件事情“做与不做不一样、做得好与做得差也不一样”［22］，将大型仪器设备开放共享情况与后续校内资源的投入密切挂钩，从而进一步激发他们开放共享的积极性和主动性。对于开放共享的需求方，由于大型仪器开放共享可解决他们因急需某种设备使用却无相应经费支持而导致的需求矛盾，有助于完成科研项目，因此需求方对大型仪器开放共享的依存度也会不断增强。

（4）建立智慧化的资产大数据分析系统。在大数据时代，高校资产数据已经不仅仅用于查询、统计和各类报表，建立智慧化的资产大数据分析系统具有十分重要的意义。①通过资产大数据分析系统，可以根据学校的固定资产绩效评价指标体系，自动生成不同口径的绩效评价结果，便于进一步优化资源配置。②通过资产大数据分析系统，可以深挖现有资产数据之间的因果关系，分析资产全生命周期管理中的堵点，便于进一步优化资产管理流程。③通过资产大数据分析系统，可以建立起有效的智能预警机制，通过自动检测相关业务数据，找出资产管理各环节中存在的风险，做到防患于未然［23］。④通过大数据分析系统，可以搭建起一个决策辅助平台，为高校的资产决策提供数据支持、策略优化和结果预测。