高等職業(yè)教育資源配置效率的非參數(shù)統(tǒng)計研究

楊遠志, 黃煥宗

( 黎明職業(yè)大學, 福建 泉州 362000 )

0 引言

2021年中共中央辦公廳和國務院辦公廳發(fā)布的《關于推動現(xiàn)代職業(yè)教育高質(zhì)量發(fā)展的意見》指出,完善職業(yè)教育督導評估辦法和做好高等職業(yè)學校適應社會需求能力評估是深化教育教學改革的重要舉措[1].教育資源投入產(chǎn)出效率評價作為綜合評估學校辦學績效的重要方法之一,目前已有學者對其進行了較多研究.相關研究主要包括:①宏觀層面的財政資金投入產(chǎn)出效率的測度研究,如文獻[2-3];②綜合角度的資源投入產(chǎn)出效率分析,如文獻[4-5];③院校層面的資源投入產(chǎn)出效率評估,如文獻[6-8].在上述研究中,由于學者們大多是使用單一的數(shù)據(jù)包絡分析方法對評價決策單元的靜態(tài)效率進行研究的,因而缺乏對評價單元動態(tài)效率的測度和對動態(tài)效率組成要素的分解研究.基于此,本文運用主成分分析法和BCC模型構建了一個涵蓋實物資源和數(shù)字資源等投入指標以及人才培養(yǎng)和區(qū)域服務等產(chǎn)出指標的區(qū)域高職教育辦學資源投入產(chǎn)出指標體系,并以此綜合評估了福建省高職教育的辦學績效,以為推動高職教育的改革和發(fā)展提供參考.

1 研究設計

1.1 方法與模型

1.1.1主成分分析法

主成分分析法 (principal component analysis,PCA)是一種多變量降維分析方法.由于該方法可有效通過減少分析指標數(shù)量來降低分析對象的復雜度,因此目前被廣泛應用在區(qū)域經(jīng)濟發(fā)展評價和教育發(fā)展評價等領域[9].基于此,本文利用PCA方法對福建省高職院校的投入和產(chǎn)出指標進行了降維處理,以達到縮減指標數(shù)量的目的.

1.1.2BCC模型

BCC模型是基于規(guī)模報酬可變思想的一種數(shù)據(jù)包絡分析模型(data envelopment analysis,DEA).因該模型不會受到規(guī)模報酬變動的影響,且能夠有效衡量純技術效率和規(guī)模效率,因此常被用于規(guī)模報酬可變前提下的決策單元的投入產(chǎn)出效率評價.BCC模型的表達式為:

1.1.3Malmquist模型

Malmquist模型是一種投入產(chǎn)出動態(tài)效率評價模型,目前常被常用于動態(tài)分析不同年份的決策單元效率.Malmquist模型的表達式為:

EC×TC=(PEC×SEC)×TC.

式中:xt和yt分別代表第t期的投入指標和產(chǎn)出指標;xt+1和yt+1分別代表第t+1期的投入指標和產(chǎn)出指標;M表示全要素生產(chǎn)率指數(shù),M值大于1時表示決策單元的全要素生產(chǎn)率從t期到t+1期為增長趨勢,等于1時表示不變,小于1時表示下降趨勢.全要素生產(chǎn)率指數(shù)可以分解為技術變化效率(EC)和技術改進效率(TC)兩部分,其中技術變化效率可再分解為純技術效率(PEC)和規(guī)模效率(SEC).純技術效率和規(guī)模效率反映的是決策單元從t期到t+1期時的產(chǎn)出最大化和產(chǎn)出等比例提升的情況;技術改進效率反映的是決策單元的技術創(chuàng)新能力,即資源配置能力的提升潛能.

1.2 指標與數(shù)據(jù)

1.2.1指標體系

本文從人才、財力和物力等3個方面的投入情況來構建高職教育資源投入指標體系.參考文獻[2-8]關于教育投入產(chǎn)出效率測度指標體系的構建方法,以及考慮到高職教育資源需求的特殊性,本文用基礎資源、實踐教學資源和信息化資源3個指標來表示投入資源,用社會服務、國際合作和人才培養(yǎng)3個指標來衡量職業(yè)教育資源投入的產(chǎn)出效率.基于數(shù)據(jù)的可獲得性、科學性和適用性,本文構建的高職教育資源投入效率評價指標體系如表1所示.

1.2.2數(shù)據(jù)來源與說明

本研究以福建省的數(shù)據(jù)為例.數(shù)據(jù)分為兩大類:第一類是測度福建省高職教育資源投入整體效率的宏觀數(shù)據(jù),數(shù)據(jù)來源于《福建省高等職業(yè)教育質(zhì)量年度報告》(2016—2022);第二類是評估福建省“雙高計劃”建設高職院校資源投入績效的院校數(shù)據(jù),數(shù)據(jù)來源于各相關院校的歷年質(zhì)量年度報告和院校的校園網(wǎng).其中個別數(shù)據(jù)因無法獲取,本文采用插值擬合等數(shù)據(jù)處理方法對其進行了補充.

2 實證研究

2.1 基于BCC模型的高職教育資源投入整體效率研究

為判定表1各指標之間是否存在信息重疊,分別對投入與產(chǎn)出指標進行Pearson相關系數(shù)計算,結果如表2和表3所示.由表2和表3可以看出,投入與產(chǎn)出指標之間均存在一定程度的信息重疊現(xiàn)象;因此,本文采用主成分分析法分別對投入和產(chǎn)出指標進行主成分提取.主成分分析采用統(tǒng)計軟件IBMSPSS 22.0進行計算,由此得到的成分得分系數(shù)矩陣見表4.經(jīng)計算顯示,投入指標的前2個主成分的累計方差貢獻率為84.958%,因此可將這2個主成分作為投入因素(分別命名為實物資源因素和數(shù)字資源因素);產(chǎn)出指標的前2個主成分的累計方差貢獻率為82.931%,因此可將這2個主成分作為產(chǎn)出因素(分別命名為人才培養(yǎng)因素和區(qū)域服務因素).

表3 產(chǎn)出指標的Pearson相關系數(shù)

表4 投入和產(chǎn)出指標成分得分系數(shù)矩陣

為計算福建省不同年份高職教育資源投入與產(chǎn)出的相對差異,本文對原始投入產(chǎn)出指標進行了無量綱化處理,并將其與主成分得分系數(shù)矩陣進行了線性組合計算,由此得到的高職教育投入和產(chǎn)出總得分的變化情況見圖1.由圖1可見,2015—2021年福建省高職教育的資源投入得分與產(chǎn)出得分之間整體呈同向變化趨勢,其中2019年之后的產(chǎn)出得分出現(xiàn)了一定程度的放緩跡象.

圖1 2015—2021年福建省高職教育投入和產(chǎn)出總得分的變化情況

由圖1可知,大多數(shù)年份內(nèi)產(chǎn)出的得分明顯低于投入得分.為分析該原因,本文對投入產(chǎn)出效率進行了分解,即將綜合效率表示為純技術效率與規(guī)模效率的乘積.各效率值為1表示資源使用效率達到最優(yōu).表5為運用BCC模型對2015—2021年福建省高職教育的投入得分和產(chǎn)出得分進行效率分析所得到的結果.由表5可以看出:2015、2016和2021年的各效率值均為1,表明福建省職業(yè)教育資源使用效率在這3年里達到最優(yōu);2017—2020年的各效率值均小于1(除2019年的純技術效率),這表明福建省職業(yè)教育資源使用效率在這4年里未能與資源投入水平等比例增長,因此規(guī)模收益表現(xiàn)為遞減.

表5 2015—2021年福建省高職教育的整體效率

2.2 基于Malmquist模型的高職教育資源投入的動態(tài)效率

為從微觀層面分析表3中出現(xiàn)的投入產(chǎn)出綜合效率降低和規(guī)模收益遞減的現(xiàn)象,本文對福建省17所高職院校(這些高職院校均為福建省入選國家“雙高計劃”的建設院?；蚋＝ㄊ　半p高計劃”立項建設的高職院校,并分別命名為DMU1-DMU17)的投入產(chǎn)出動態(tài)效率進行了分析.

2.2.1高職院校資源配置的Malmquist指數(shù)變化情況

圖2為運用DEAP2.0統(tǒng)計分析軟件計算得到的2015—2021年福建省上述17所高職院校資源投入全要素生產(chǎn)率的變動情況.由圖2可以看出,17所高職院校的全要素生產(chǎn)率指數(shù)均值偏低,且波動較大.這表明,這些學校在2015—2021年間總體上處于生產(chǎn)效率提升階段.

圖2 2015—2021年福建省17所高職院校的資源投入全要素生產(chǎn)率的變化情況

2.2.2高職院校資源配置的Malmquist指數(shù)分解

表6為運用Malmquist模型計算所得的2015—2021年福建省高職教育資源投入動態(tài)效率的變動情況(以兩年為一個周期計算).由表6中的純技術效率和純技術效率均值的變動情況可以看出:純技術效率呈小幅度波動的上升趨勢,其均值從2015—2017年間的0.988上升到2019—2021年間的1.079;純技術效率均值為1,表明福建省高職教育在2015—2021年間的資源配置效率處于不變狀態(tài),即純技術效率未能與資源投入水平同步增長.

表6 2015—2021年福建省高職院校資源投入的效率變化情況

由表6中的規(guī)模效率的變動情況可以看出,2015—2021年17所高職院校的規(guī)模效率的均值呈小幅上升趨勢(規(guī)模增加所帶來的規(guī)模效益改善值為1.5%),但該均值的增長幅度遠小于同期資源投入的增幅.在17所高職院校中,有5所學校的規(guī)模效率小于1(最低為0.983),說明這些學校的產(chǎn)出數(shù)量未能與投入數(shù)量同比例增加.

由表6中的技術改進效率的變動情況可以看出,2015—2021年間福建省17所高職院校的技術改進效率值出現(xiàn)了明顯的降低趨勢,即從2015—2017年間的1.260降到2019—2021年間的1.081.其中值得注意的是,技術改進效率的校際差異呈現(xiàn)了擴大趨勢,說明各院校發(fā)展能力的不均衡現(xiàn)象在增加.

為進一步明確17所院校的技術效率變化情況,基于純技術效率和技術改進效率值(均值點坐標(1.21,1))繪制了福建省17所高職院校的技術效率散點圖(見圖3),并根據(jù)各院校的純技術效率值和技術改進效率值將這些院校分別劃分為“高純技術效率-高技術改進效率”型、“低純技術效率-高技術改進效率”型、“低純技術效率-低技術改進效率”型和“高純技術效率-低技術改進效率”型4種技術效率類型.由圖3可以看出:純技術效率值和技術改進效率值都大于均值的學校為DMU4、DMU10和DMU11(處于第一象限),表明這些學校在資源配置效率和資源配置能力方面都處于相對領先水平;純技術效率值小于均值、技術改進效率值大于均值的學校為DMU7和DMU12(處于第二象限),表明這兩所學校的資源配置效率有待提升;純技術效率值和技術改進效率值都小于均值的學校為DMU3、DMU13、DMU15和DMU6(處于第三象限),表明這些學校在資源配置能力和資源配置效率方面都需要進一步提高;純技術效率值大于均值、技術改進效率值小于均值的學校為DMU1、DMU2、DMU5、DMU8、DMU9、DMU14、DMU16和DMU17(處于第四象限),表明這些學校的資源配置能力需要進一步提高.

圖3 福建省“雙高計劃”建設高職院校的技術效率散點圖

3 結論

本研究運用將主成分分析和BCC模型相結合的綜合評價方法分析了2015—2021年福建省高職教育資源投入的整體效率,并在此基礎上運用Malmquist模型對福建省17所“雙高計劃”建設高職院校的資源投入效率進行了指數(shù)三分法分析.研究表明,2015—2021年福建省高職教育資源配置的規(guī)模收益呈下降趨勢,但教育資源的純技術效率、規(guī)模效率和技術改進效率呈波動上升趨勢.另外,高職院校的資源配置還存在明顯的不均衡現(xiàn)象.該研究結果可為提高高職教育的資源配置效率提供參考.