我國(guó)經(jīng)濟(jì)政策調(diào)節(jié)對(duì)高等教育發(fā)展影響的實(shí)證研究

劉世龍 汪正磊

摘 要：文章利用熵權(quán)TOPSIS法構(gòu)建各省份高等教育質(zhì)量評(píng)價(jià)模型，以天津市為例利用神經(jīng)網(wǎng)絡(luò)模型分析討論了經(jīng)濟(jì)政策與高等教育發(fā)展的影響關(guān)系。結(jié)果表明，各地區(qū)的高等教育發(fā)展差異較大，教育效益產(chǎn)出指標(biāo)的影響力最強(qiáng);同時(shí)刺激性的經(jīng)濟(jì)、教育和科技的政策能有效提升高等教育的發(fā)展水平，較自然發(fā)展?fàn)顟B(tài)下提高顯著。各級(jí)政府應(yīng)積極關(guān)注經(jīng)濟(jì)與教育發(fā)展的協(xié)調(diào)性問題，保障經(jīng)濟(jì)與教育相互促進(jìn)的可持續(xù)發(fā)展。

關(guān)鍵詞：熵權(quán)TOPSIS法;政策調(diào)節(jié);高等教育;經(jīng)濟(jì)發(fā)展

中圖分類號(hào)：F124 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1005-6432（2022）04-0071-04

DOI：10.13939/j.cnki.zgsc.2022.04.071

1 文獻(xiàn)綜述

高等教育是培養(yǎng)高級(jí)專門人才和職業(yè)人員的主要社會(huì)活動(dòng)，與經(jīng)濟(jì)發(fā)展也有著密切的聯(lián)系。在學(xué)界中，各學(xué)者對(duì)高等教育質(zhì)量的評(píng)價(jià)標(biāo)準(zhǔn)多樣。李國(guó)倉(cāng)[1]認(rèn)為高等教育質(zhì)量評(píng)價(jià)核心要點(diǎn)聚焦在“人才培養(yǎng)”和“科學(xué)研究”兩方面，但并沒有在中國(guó)各省份進(jìn)行應(yīng)用。王善邁等[2]從“教育機(jī)會(huì)”“教育投入”“教育公平”三個(gè)方面構(gòu)成了教育發(fā)展指數(shù)，并運(yùn)用到了中國(guó)各省份上進(jìn)行統(tǒng)計(jì)測(cè)算和比較分析，但沒有將教育與經(jīng)濟(jì)聯(lián)系在一起。張志祥[3]以我國(guó)不同地區(qū)的高等教育和經(jīng)濟(jì)增長(zhǎng)數(shù)據(jù)為研究對(duì)象，發(fā)現(xiàn)高等教育投入對(duì)經(jīng)濟(jì)增長(zhǎng)存在促進(jìn)作用，但沒有討論經(jīng)濟(jì)增長(zhǎng)及其政策對(duì)高等教育的影響。

縱觀國(guó)內(nèi)外的文獻(xiàn)，比較缺乏將高等教育質(zhì)量評(píng)估系統(tǒng)應(yīng)用到中國(guó)各個(gè)省份的研究，缺乏經(jīng)濟(jì)與高等教育關(guān)系的研究，更缺乏預(yù)測(cè)及評(píng)估政策效果的研究。文章則在前人的研究上更進(jìn)一步，首先從學(xué)生結(jié)構(gòu)、師資結(jié)構(gòu)、設(shè)施保障、效益產(chǎn)出四個(gè)方面構(gòu)建了高等教育評(píng)估系統(tǒng)并應(yīng)用在了中國(guó)的部分省份上;其次選取天津市進(jìn)行經(jīng)濟(jì)政策沖擊的研究;最后通過對(duì)比分析政策沖擊和自然狀態(tài)兩個(gè)狀態(tài)下的預(yù)測(cè)情況，得出了政策的實(shí)施效果。

2 研究方法與數(shù)據(jù)說明

2.1 省際分析

2.1.1 評(píng)價(jià)指標(biāo)選擇及數(shù)據(jù)來(lái)源

本節(jié)的研究覆蓋2015—2019年，我國(guó)除香港特別行政區(qū)、澳門特別行政區(qū)以及臺(tái)灣省以外的31個(gè)省份的數(shù)據(jù)。文章利用隨機(jī)森林算法篩選得到對(duì)教育系統(tǒng)最為重要的12個(gè)評(píng)價(jià)指標(biāo)，并將指標(biāo)劃分為了學(xué)生結(jié)構(gòu)、師資結(jié)構(gòu)等四類，數(shù)據(jù)來(lái)自中國(guó)國(guó)家統(tǒng)計(jì)局。評(píng)價(jià)指標(biāo)名稱及分類如表1所示。

2.1.2 高等教育質(zhì)量評(píng)價(jià)模型

文章基于熵權(quán)TOPSIS評(píng)價(jià)模型[4]構(gòu)建高等教育質(zhì)量的評(píng)價(jià)模型，該模型是利用熵權(quán)法對(duì)指標(biāo)客觀賦權(quán)，并計(jì)算接近度以確定重要性的方法。模型的構(gòu)建方法為收集指標(biāo)數(shù)據(jù)，構(gòu)造原始評(píng)價(jià)信息矩陣，再對(duì)指標(biāo)歸一化并確定熵權(quán)，最后通過加權(quán)計(jì)算確定重要性排序。

電子出版物品出版種數(shù)（種）

（1）熵權(quán)法賦權(quán)。

第一，使用31個(gè)省份的12個(gè)評(píng)價(jià)指標(biāo)數(shù)據(jù)，得到原始評(píng)價(jià)信息矩陣：

第二，采用以下標(biāo)準(zhǔn)化處理對(duì)數(shù)據(jù)歸一化處理：

第三，計(jì)算Pij（第i個(gè)國(guó)家評(píng)價(jià)參數(shù)值在第j項(xiàng)指標(biāo)下占比）：

第四，計(jì)算 Sj（第j個(gè)評(píng)價(jià)參數(shù)的熵值）：

第五，計(jì)算權(quán)重wj（第j個(gè)評(píng)價(jià)參數(shù)的熵權(quán)）：

（2）TOPSIS方法評(píng)價(jià)。在熵權(quán)法的基礎(chǔ)上，文章利用TOPSIS方法整體評(píng)價(jià)多個(gè)省份高等教育質(zhì)量狀況，選取了廣東、福建等10個(gè)省作為樣本省份。具體步驟如下：

第一，數(shù)據(jù)標(biāo)準(zhǔn)化。使用熵權(quán)法中提到的歸一化方法對(duì)數(shù)據(jù)進(jìn)行處理。

第二，確定指標(biāo)權(quán)重，構(gòu)造加權(quán)決策矩陣。在熵權(quán)法確定的指標(biāo)權(quán)重向量wj的基礎(chǔ)上，將矩陣R的每一行與相應(yīng)的權(quán)重wj相乘，得到加權(quán)歸一化決策矩陣V=（vij）m×n。

第三，確定正、負(fù)理想方案。設(shè)V+表示正理想解，V-表示負(fù)理想解，則：

第四，計(jì)算距離。分別計(jì)算各省份到理想方案V+的距離d+i和到負(fù)理想方案S-的距離d-i：

第五，計(jì)算各省份指標(biāo)評(píng)價(jià)值向量與理想解的距離Ci作為各個(gè)省份的綜合評(píng)價(jià)值。根據(jù)綜合評(píng)價(jià)值Ci的大小對(duì)省份進(jìn)行排序。

2.2 預(yù)測(cè)及政策評(píng)價(jià)

2.2.1 影響指標(biāo)選擇及數(shù)據(jù)來(lái)源

本節(jié)在2.1的基礎(chǔ)上，進(jìn)一步探究經(jīng)濟(jì)發(fā)展及政策的影響作用，選擇天津市作為研究對(duì)象，研究區(qū)間為2000—2019年，同時(shí)采用我國(guó)10個(gè)省份的經(jīng)濟(jì)運(yùn)行數(shù)據(jù)作為重要影響指標(biāo)。文章將影響指標(biāo)劃分為了經(jīng)濟(jì)發(fā)展、教育投資、科技投資三大類，數(shù)據(jù)來(lái)自國(guó)家統(tǒng)計(jì)局。影響指標(biāo)名稱及分類如表2所示。

2.2.2 政策沖擊狀態(tài)與自然發(fā)展?fàn)顟B(tài)對(duì)比模型

（1）評(píng)價(jià)指標(biāo)政策沖擊狀態(tài)下的預(yù)測(cè)。為了預(yù)測(cè)政策沖擊狀態(tài)下樣本省份高等教育質(zhì)量的變化，文章利用BP神經(jīng)網(wǎng)絡(luò)模擬了12個(gè)影響參數(shù)與12個(gè)評(píng)價(jià)參數(shù)間的復(fù)雜非線性關(guān)系，進(jìn)而預(yù)測(cè)在影響參數(shù)發(fā)生政策性改變時(shí)評(píng)價(jià)參數(shù)的變化情況。最后，通過評(píng)價(jià)模型分析得分變化情況。

文章選取12個(gè)影響指標(biāo)作為網(wǎng)絡(luò)模型的輸入，從而確定輸入層的神經(jīng)元數(shù)為12;選取12個(gè)評(píng)價(jià)指標(biāo)作為輸出參數(shù)，建立一個(gè)多輸入單輸出神經(jīng)網(wǎng)絡(luò)群，確定輸出層神經(jīng)元數(shù)為一個(gè)，同時(shí)選擇BP神經(jīng)網(wǎng)絡(luò)的隱層數(shù)為1層，隱藏層神經(jīng)元數(shù)為8個(gè)。此外，隱含層激活函數(shù)為Tansig sigmoid函數(shù)，輸出層激活函數(shù)為Purelin線性傳遞函數(shù)。

（2）評(píng)價(jià)指標(biāo)自然發(fā)展?fàn)顟B(tài)下的預(yù)測(cè)。為了預(yù)測(cè)自然發(fā)展?fàn)顟B(tài)下的變化作為對(duì)照實(shí)驗(yàn)，文章利用ARIMA（p，d，q）預(yù)測(cè)未來(lái)評(píng)價(jià)參數(shù)的發(fā)展?fàn)顟B(tài)，并通過教育評(píng)價(jià)模型分析得分變化情況。

具體方法為：其一，采用ADF檢驗(yàn)法對(duì)時(shí)間序列進(jìn)行單位根檢驗(yàn)，觀察序列是否具有平穩(wěn)性，并進(jìn)行差分處理;其二，通過檢驗(yàn)自相關(guān)函數(shù)ACF和偏相關(guān)函數(shù)PACF來(lái)確定p和q的階數(shù);其三，通過DW檢驗(yàn)驗(yàn)證模型的準(zhǔn)確性;第四，對(duì)10個(gè)省份的數(shù)據(jù)重復(fù)操作。

3 實(shí)證分析

3.1 省際分析

3.1.1 熵權(quán)表分析

依照前文所述的方式計(jì)算出2015—2019年12個(gè)指標(biāo)的熵權(quán)平均值及排名，如表3所示。從評(píng)估維度的角度來(lái)看，效益產(chǎn)出的總權(quán)重最大，而師資結(jié)構(gòu)的權(quán)重最小，差異明顯。從單個(gè)評(píng)價(jià)參數(shù)來(lái)看，S3、S1、T1等反映整體規(guī)模的指標(biāo)權(quán)重較大，反映了教育的規(guī)模效應(yīng)。

3.1.2 高等教育質(zhì)量得分分析

在各指標(biāo)熵權(quán)的基礎(chǔ)上，文章得到了10個(gè)樣本省份高等教育質(zhì)量的得分及排名，如表4所示。從五年的平均結(jié)果來(lái)看，經(jīng)濟(jì)水平高、開放程度好的廣東省、上海市位居前列;而地處我國(guó)西北的青海省、甘肅省則排名最后，其原因與經(jīng)濟(jì)欠發(fā)達(dá)、人才流動(dòng)性低等有關(guān)。

3.2 天津市政策沖擊情況分析

在3.1的基礎(chǔ)上，選擇得分適中的天津市作為政策沖擊的研究對(duì)象。文章在神經(jīng)網(wǎng)絡(luò)的模型中引入了四條外部政策沖擊，并預(yù)測(cè)了五年內(nèi)各影響指標(biāo)的變化情況，如表5所示，表中數(shù)據(jù)表明該指標(biāo)當(dāng)年的增長(zhǎng)情況。

（1）到2024年，全日制高等教育教師工資增長(zhǎng)30%。

（2）到2024年，科研人員工資增長(zhǎng)20%。

（3）高等教育固定資產(chǎn)投資逐年增加5%。

（4）增加天津市教育財(cái)政預(yù)算的5%。

在此變化基礎(chǔ)上，結(jié)合2.2.2中構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型，較為準(zhǔn)確地預(yù)測(cè)在影響參數(shù)變化對(duì)目標(biāo)參數(shù)五年的變化趨勢(shì)的影響，如表6所示。同時(shí)，文章利用2.2.2中構(gòu)建的ARIMA方法對(duì)2020—2024年評(píng)價(jià)指標(biāo)的變化進(jìn)行預(yù)測(cè)，以模擬在自然發(fā)展?fàn)顟B(tài)下的變化情況。

3.3 對(duì)比分析

文章利用2.1中模型對(duì)3.2和3.3兩種情況下的各省份得分進(jìn)行了測(cè)算，最終結(jié)果如圖1所示。在政策沖擊下，天津市的得分在五年內(nèi)持續(xù)上升，排名從第7名上升至第5名（見表8）;相對(duì)而言，在自然狀態(tài)下，天津市的得分雖略有上升，但排名保持不變。由此可得，四條提升性的政策可以對(duì)當(dāng)?shù)氐母叩冉逃w系產(chǎn)生較強(qiáng)的促進(jìn)作用，并顯著提升教育質(zhì)量水平。

4 結(jié)論

文章對(duì)各省份高等教育質(zhì)量問題進(jìn)行研究，以天津市為主要研究對(duì)象并基于中國(guó)除港澳臺(tái)以外31個(gè)省份的相關(guān)數(shù)據(jù)進(jìn)行實(shí)證研究。結(jié)果表明，各地區(qū)的高等教育質(zhì)量差異較大，且教育效益產(chǎn)出指標(biāo)的影響力更強(qiáng);同時(shí)積極的刺激經(jīng)濟(jì)、教育和科技發(fā)展的政策可以有效提高高等教育質(zhì)量水平，較自然發(fā)展?fàn)顟B(tài)下提升顯著，這也提示人們要注重經(jīng)濟(jì)與教育發(fā)展的協(xié)調(diào)性問題，保障經(jīng)濟(jì)與教育相互促進(jìn)的可持續(xù)發(fā)展。

參考文獻(xiàn)：

[1]李國(guó)倉(cāng).論高等教育人才培養(yǎng)的“一個(gè)中心”和“兩個(gè)基本點(diǎn)”[J].中國(guó)高教研究，2015（2）：54-58，63.

[2]王善邁，袁連生，田志磊，等.我國(guó)各省份教育發(fā)展水平比較分析[J].教育研究，2013，34（6）：29-41.

[3]張志祥.“高等教育—經(jīng)濟(jì)”復(fù)合協(xié)調(diào)系統(tǒng)指標(biāo)體系構(gòu)建與實(shí)證[J].統(tǒng)計(jì)與決策，2020，36（10）：64-67.

[4]林杰，鄭循剛.基于熵權(quán)TOPSIS法的房地產(chǎn)上市公司績(jī)效評(píng)價(jià)[J].技術(shù)經(jīng)濟(jì)與管理研究，2008（3）：14-15.