職業(yè)高校投入產(chǎn)出全要素生產(chǎn)率研究基于貴州省36所職業(yè)高校的面板數(shù)據(jù)

摘要：面對全球化競爭加劇與技術(shù)革新的雙重挑戰(zhàn)，國家對高技能人才的需求日益上升。以貴州省36所職業(yè)高校作為決策單元（DMU），采用2020—2023年職業(yè)高校質(zhì)量年報的面板數(shù)據(jù)，運用Malmquist指數(shù)測定其投入產(chǎn)出全要素生產(chǎn)率。結(jié)果表明，2020—2023年貴州省職業(yè)高校投入產(chǎn)出全要素生產(chǎn)率呈上升狀態(tài)；分年度看，全要素生產(chǎn)率呈現(xiàn)先降后升的趨勢，其變動趨勢主要受到技術(shù)進步變動的影響。通過對效率前沿面的測量，識別相對效率較低的職業(yè)高校，分析其管理和技術(shù)缺陷，提出改進的建議。

關(guān)鍵詞：職業(yè)高校；Malmquist指數(shù)；投入產(chǎn)出全要素生產(chǎn)率；貴州省中圖分類號：G718.5 文獻標(biāo)志碼：A 文章編號：1673- 291X（2025）08- 0118- 05

職業(yè)高等教育作為高等教育的重要組成部分，承擔(dān)著高素質(zhì)技術(shù)技能型人才培養(yǎng)的重要使命。以貴州省36所職業(yè)高校為研究對象，采用2020—2023年職業(yè)高校質(zhì)量年報的面板數(shù)據(jù)，通過選取投入和產(chǎn)出指標(biāo)，運用Malmquist指數(shù)測定其投入產(chǎn)出全要素生產(chǎn)率，從動態(tài)角度識別并分析相對效率低的職業(yè)高校，分析其管理和技術(shù)缺陷，討論改進工作的對策建議。研究的實踐意義在于可以較為客觀地評價貴州省職業(yè)高校的發(fā)展水平，能為職業(yè)高校制定發(fā)展戰(zhàn)略提供決策參考，有利于促進貴州省職業(yè)高等教育高質(zhì)量發(fā)展。

一、文獻綜述

關(guān)于職業(yè)高等教育投入產(chǎn)出效率方面的研究，江秀華和陳建海以甘肅省16所高職院校為研究對象，得出結(jié)論是公辦高職院校投入產(chǎn)出效率偏低。肖斌和程曉靜運用DEA方法對廣東18所一流高職院校進行了投入產(chǎn)出效率的測算，結(jié)果顯示一流高職院校建設(shè)成效顯著。竇艷杰等運用數(shù)據(jù)包絡(luò)分析法對京津冀地區(qū)24所高職院校的教育投入產(chǎn)出效率進行評價，也得出了總體效率水平偏低的結(jié)論，投入余現(xiàn)象普遍存在。

關(guān)于高等教育全要素生產(chǎn)率的研究，郭文濤研究表明，中西部地區(qū)因受制于經(jīng)濟基礎(chǔ)薄弱、師資力量相對乏等因素，全要素生產(chǎn)率相對較低。劉志宏認為，通過改進教育管理、加強師資隊伍建設(shè)、優(yōu)化課程設(shè)置和增強學(xué)生實踐能力等方式，可以有效提高高等教育的投入產(chǎn)出效率，進而推動全要素生產(chǎn)率的提升。陳偉的研究表明，高等教育全要素生產(chǎn)率在空間上呈現(xiàn)出明顯的區(qū)域差異，主要受制于各地區(qū)經(jīng)濟發(fā)展水平、政策環(huán)境、教育投入強度等多種因素的綜合影響。黃小強研究發(fā)現(xiàn)，不同國家和地區(qū)在高等教育全要素生產(chǎn)率存在顯著差異，但這些差異更多的是受后天政策與管理影響。

關(guān)于貴州職業(yè)高等教育研究方面，主要研究方向集中在國際化、發(fā)展戰(zhàn)略和發(fā)展現(xiàn)狀及思考尚沒有查詢到關(guān)于貴州省職業(yè)高等教育投入產(chǎn)出全要素生產(chǎn)率研究的文獻。將貴州省職業(yè)高校作為研究對象，通過構(gòu)建投入產(chǎn)出指標(biāo)體系測算其全要素生產(chǎn)率，將填補理論研究方面的空白，可以為職業(yè)高等教育政策措施的制定提供借鑒參考。

二、研究方法

本研究采用Malmquist指數(shù)方法計算全要素生產(chǎn)率，參考先前研究中的文獻資料確定投入產(chǎn)出指標(biāo)，并就DMU確定和數(shù)據(jù)來源進行闡述

（一）Malmquist指數(shù)

Malmquist指數(shù)由瑞典經(jīng)濟學(xué)家和統(tǒng)計學(xué)家Malmquist于1953年首次提出，1994年Fare等人建立Malmquist生產(chǎn)率指數(shù)模型，用來考察全要素生產(chǎn)率增長。該方法彌補了傳統(tǒng)DEA模型無法對效率的變化進行動態(tài)分析的空白，具體表達式為：

MPI=TECI×TCI=PEch×SEch×TCI

式（1）中：MPI表示全要素生產(chǎn)率，當(dāng)" 時，表示全要素生產(chǎn)率呈增長狀態(tài)，反之則表示全要素生產(chǎn)率呈下降狀態(tài)；TECI為技術(shù)效率變化指數(shù)，表示從" 期到" 1期技術(shù)效率的變化，當(dāng)TECIgt;1時，表明技術(shù)效率得到了提升，反之則表示下降；TCI為技術(shù)進步變化指數(shù)，表示" 期到" 期技術(shù)進步對效率變化趨勢的影響，當(dāng)" 時，表明技術(shù)有進步，并帶來了監(jiān)管效率的提升，反之則表示技術(shù)進步并未帶來監(jiān)管效率的提升[16]。PEch為純技術(shù)效率變化指數(shù)；SEch為規(guī)模效率變化指數(shù)[17]。

（二）投入產(chǎn)出指標(biāo)的確定

通過對文獻資料的梳理，本研究從投入和產(chǎn)出兩方面列舉各項指標(biāo)出現(xiàn)頻率較高的文獻資料如表1所示根據(jù)上述參考文獻投入產(chǎn)出指標(biāo)分布情況，并參照李春杰等人研究結(jié)果，構(gòu)建職業(yè)高校投入產(chǎn)出全要素生產(chǎn)率指標(biāo)體系如下頁表2所示。

（三）DMU的確定與數(shù)據(jù)來源

為保證DEA對決策單元（DMU）具有區(qū)分能力，DMU數(shù)量不應(yīng)少于投入和產(chǎn)出指標(biāo)數(shù)量的乘積，同時不少于投入和產(chǎn)出指標(biāo)數(shù)量之和的3倍[25]?？紤]到數(shù)據(jù)可獲取性和連續(xù)性等因素，本研究選取貴州省36所職業(yè)高校作為DMU，投入產(chǎn)出指標(biāo)共有10個，符合DMU不少于投入和產(chǎn)出指標(biāo)數(shù)量之和的3倍的要求。投入產(chǎn)出指標(biāo)使用數(shù)據(jù)來源于貴州省各職業(yè)高校公布的《高等職業(yè)教育質(zhì)量年度報告（2020- 2023年）》統(tǒng)計數(shù)據(jù)。基于對研究對象的資料信息保密性的考慮，選取的36所職業(yè)高校分別用DMU1、DMU2、DMU36表示。

選取的投入產(chǎn)出指標(biāo)的原始數(shù)據(jù)中，指標(biāo)數(shù)據(jù)是0或負值時，不符合DEA模型計算的要求，需要進行標(biāo)準(zhǔn)化處理。采用公式（2）對原始數(shù)據(jù)進行標(biāo)準(zhǔn)化處理

其中：" 表示原始值經(jīng)過標(biāo)準(zhǔn)化處理后的結(jié)果，" 代表指標(biāo)原始值，" 代表標(biāo)原始值中的最小值，" 代表指標(biāo)原始值中的最大值。

三、結(jié)果分析

專家學(xué)者陳召魁、榮耀華等相關(guān)研究中都考慮了高校辦學(xué)活動滯后性，但是研究結(jié)果顯示滯后性對高校辦學(xué)效率測算結(jié)果影響不具有顯著影響。本文選取2020—2023年時間序列的貴州省36所職業(yè)高校投人產(chǎn)出指標(biāo)數(shù)據(jù)，使用DEAP2.1軟件進行計算，得出相關(guān)結(jié)果。

（一）全要素生產(chǎn)率總體情況分析

運用Malmquist指數(shù)方法測算貴州省職業(yè)高校投入產(chǎn)出全要素生產(chǎn)率的變化情況。Malmquist指數(shù)模型分解為技術(shù)效率和技術(shù)進步兩方面測定全要素生產(chǎn)率。技術(shù)效率是指與原來的技術(shù)水平程度相比效率水平發(fā)生的變化，也就是兩個時期的相對效率變化，即靠近生產(chǎn)前沿的程度。在職業(yè)高校中技術(shù)效率的變化主要來自行政管理和內(nèi)部制度的提升，這兩者有可能改變資源結(jié)構(gòu)調(diào)整，進而能提升投入資源的配置率。技術(shù)效率大于1，表示相對技術(shù)效率正在提升。技術(shù)進步表示兩個時期生產(chǎn)前沿面的變化，評價決策單元是否實現(xiàn)技術(shù)的進步。職業(yè)高校中相關(guān)人員的能力提升和設(shè)備的補充等都可以引起技術(shù)進步的變化。技術(shù)進步超過1，表示技術(shù)進步帶動了生產(chǎn)前沿面向上方移動[28]。2020—2023年貴州省職業(yè)高校Malmquist指數(shù)及其分解如表3所示。

從表3可以看出，貴州省職業(yè)高校投入產(chǎn)出全要素生產(chǎn)率呈現(xiàn)先降后升的趨勢。2020—2021年，技術(shù)進步、規(guī)模效率和全要素生產(chǎn)率均大于1，技術(shù)效率和純技術(shù)效率都小于1，職業(yè)高校投入產(chǎn)出效率提升主要依賴技術(shù)進步的變化；2021—2022年，技術(shù)進步和全要素生產(chǎn)率均小于1，技術(shù)效率、純技術(shù)效率和規(guī)模效率都大于1，職業(yè)高校投入產(chǎn)出效率降低的主要原因是技術(shù)進步下降。2022—2023年，技術(shù)進步、純技術(shù)效率、規(guī)模效率、技術(shù)進步和全要素生產(chǎn)率均大于1，職業(yè)高校投入產(chǎn)出效率提升受技術(shù)效率和技術(shù)進步的共同影響。綜上所述，各階段內(nèi)貴州省職業(yè)高校投

人產(chǎn)出全要素生產(chǎn)率的變動主要是受到技術(shù)進步變動的影響。

（二）職業(yè)高校全要素生產(chǎn)率情況分析

運用DEAP2.1軟件計算得到2020—2023年貴州省職業(yè)高校投入產(chǎn)出Malmquist指數(shù)情況如下頁表4所示。

2020—2021年，Malmquist指數(shù)大于1的高校有24所，占決策單元總數(shù)的" ；Malmquist指數(shù)小于1的高校有12所，占決策單元總數(shù)的" 。2020—2021年貴州省超過六成的職業(yè)高校全要素生產(chǎn)率處于上升狀態(tài)。2021—2022年，Malmquist指數(shù)大于1的高校僅有8所，占決策單元總數(shù)的" ；Malmquist指數(shù)小于1的高校有28所，占決策單元總數(shù)的" 。2021—2022年貴州省超過七成的職業(yè)高校全要素生產(chǎn)率處于下降狀態(tài)。2022—2023年，Malmquist指數(shù)大于1的高校有22所，占決策單元總數(shù)的" ；Malmquist指數(shù)小于1的高校有14所，占決策單元總數(shù)的" 。2022—2023年貴州省又有超過六成的職業(yè)高校全要素生產(chǎn)率處于上升狀態(tài)。

36所職業(yè)高校中，DMU1、DMU2、DMU3、DMU7、DMU8、DMU9、DMU12、DMU13、DMU14、DMU15、DMU17、DMU24、DMU25、DMU33和DMU35這15所職業(yè)高校全要素生產(chǎn)率呈現(xiàn)先降后升的態(tài)勢；DMU5、DMU11和DMU34全要素生產(chǎn)率均小于1，波動幅度不大；DMU4、DMU21和DMU23全要素生產(chǎn)率呈現(xiàn)波動上升趨勢；DMU26和DMU30全要素生產(chǎn)率呈現(xiàn)下降趨勢，但是DMU30全要素生產(chǎn)率仍大于1，DMU26在2021—2022年和2022—2023年的全要素生產(chǎn)率都小于1，全要素生產(chǎn)率的下降均主要由技術(shù)進步的變化引起。同時，2022—2023年DMU26技術(shù)效率的下降也影響了全要素生產(chǎn)率，為此，DMU26應(yīng)從行政管理、內(nèi)部制度和相關(guān)人員工作能力等多方面加以改進，更好地提升全要素生產(chǎn)率。

四、結(jié)論與建議

運用Malmquist指數(shù)法采用2020—2023年的高等職業(yè)教育質(zhì)量年報數(shù)據(jù)對貴州省36所職業(yè)高校投入產(chǎn)出全要素生產(chǎn)率進行了綜合評價，得出如下主要結(jié)論：

2020—2023年貴州省職業(yè)高校投入產(chǎn)出全要素生產(chǎn)率為上升狀態(tài)，平均值為" 。分年度看，全要素生產(chǎn)率呈現(xiàn)先降后升的趨勢，其變動趨勢主要是受到技術(shù)進步變動的影響。2020—2021年，Malmquist指數(shù)大于1的高校有24所，占決策單元總數(shù)的" ；2021—2022年，Malmquist指數(shù)大于1的高校僅有8所，占決策單元總數(shù)的" ；2022—2023年，Malmquist指數(shù)大于1的高校有22所，占決策單元總數(shù)的建議職業(yè)高校從以下方面著力提升技術(shù)效率和技術(shù)進步，促進學(xué)校的高質(zhì)量發(fā)展一是重視科研工作。通過增加科研經(jīng)費，鼓勵和支持教師及科研團隊進行科技創(chuàng)新和技術(shù)研發(fā)，以提高學(xué)校的整體科研實力和學(xué)科發(fā)展水平。二是優(yōu)化課程設(shè)置。結(jié)合行業(yè)發(fā)展趨勢和技術(shù)更新，不斷優(yōu)化和調(diào)整課程設(shè)置，確保教學(xué)內(nèi)容與市場需求緊密對接，提高學(xué)生的就業(yè)競爭力和社會適應(yīng)能力。三是加強產(chǎn)學(xué)研合作。積極與企業(yè)、行業(yè)組織等建立緊密的產(chǎn)學(xué)研合作關(guān)系，共同開展技術(shù)研發(fā)、人才培養(yǎng)等活動，實現(xiàn)資源共享和優(yōu)勢互補，提升學(xué)校技術(shù)創(chuàng)新和社會服務(wù)能力。四是提升教師能力。通過組織培訓(xùn)、學(xué)術(shù)交流等活動，提升教師的專業(yè)素養(yǎng)和教學(xué)科研能力，使其能夠更好地指導(dǎo)學(xué)生進行技術(shù)學(xué)習(xí)、創(chuàng)新實踐及社會服務(wù)工作。

參考文獻：

[1] 江秀華，陳建海.省域高職院校投入產(chǎn)出效率及其影響因素研究：基于甘肅16所公辦高職院校的實證分析[J].職業(yè)技術(shù)教育，2019，40（11）：6- 10.

[2] 肖誠，程曉靜.基于數(shù)據(jù)包絡(luò)分析模型的高職院校建設(shè)效率評價[J].實驗技術(shù)與管理，2021，38（10）：256- 260.

[3] 竇艷杰，馮志鑫，徐姝瑩.京津冀地區(qū)高等職業(yè)院校教育投入產(chǎn)出效率研究[J].天津商務(wù)職業(yè)學(xué)院學(xué)報，2023，11（1）：3- 10.

[4] 郭文濤.我國高等教育全要素生產(chǎn)率的區(qū)域差異及其影響因素[J].管理現(xiàn)代化，2018（3）：104- 112.

[5] 劉志宏.高等教育投入產(chǎn)出效率與全要素生產(chǎn)率的關(guān)系研究[J].財經(jīng)論叢，2019（12）：56- 64.

[6] 陳偉.高等教育全要素生產(chǎn)率的時空分布特征及其影響因素[J].統(tǒng)計與決策，2020（1）：114- 118.

[7] 黃小強.高等教育全要素生產(chǎn)率的國際比較與啟示[J].教育與經(jīng)濟，2020（2）：88- 95.

[8] 彭琳.貴州高等職業(yè)教育國際化辦學(xué)的可持續(xù)性發(fā)展視角研究[J].現(xiàn)代經(jīng)濟信息，2014（21）：427.

[9] 郭思妤.貴州高等職業(yè)教育國際化辦學(xué)面臨的現(xiàn)實問題[J].勞動保障世界，2015（17）：11- 12.

[10] 黃守峰.“一帶一路”背景下貴州高等職業(yè)教育國際化發(fā)展策略研究[J].北京經(jīng)濟管理職業(yè)學(xué)院學(xué)報，2023，38（1）：67- 73.

[11] 杜永慶，趙曉鳳.貴州高等職業(yè)教育集團化產(chǎn)業(yè)化發(fā)展戰(zhàn)略研究[J].凱里學(xué)院學(xué)報，2011，29（5）：155- 157.

[12] 李炳昌.試論貴州高等職業(yè)教育發(fā)展戰(zhàn)略[J].西昌學(xué)院學(xué)報（社會科學(xué)版），2014，26（3）：112- 114.

[13] 陳文舉.貴州高等職業(yè)教育的現(xiàn)狀及其發(fā)展[J].貴州大學(xué)學(xué)報（社會科學(xué)版），2007（4）：128- 132.