王 穎，薛蓉娜

（西安郵電大學，西安 710715）

引言

近幾年，我國不斷地加大對于人才的投入，國家也推出了許多符合當代高校人才的培養(yǎng)工程與機制，而工科高校人才的培養(yǎng)在我國實施的科教興國戰(zhàn)略中有著核心地位。因此，對工科高校人才培養(yǎng)效率的研究，可以檢驗我國工科類高校的培養(yǎng)程度是否合格以及我國的教育資源配置是否合理。本文通過DEA數(shù)據(jù)包絡分析對工科高校人才的培養(yǎng)效率進行研究，通過分析高校教學人員人數(shù)、高級職稱人數(shù)與畢業(yè)生人數(shù)、畢業(yè)生平均薪酬、發(fā)表學術論文篇數(shù)，觀察高投入是否能夠獲得高產出，研究怎樣合理配置高等教育資源，為提高高校效率、完善人才培養(yǎng)體系提供理論依據(jù)。

一、研究方法與模型

數(shù)據(jù)包絡分析（簡稱DEA）是多投入多產出的決策單元進行相對效率的一類非參數(shù)方法。

設有n個決策單元，每個決策單元DMUj（j=1，2，…，n）都有m種類型的“輸入”和s種類型的“輸出”，分別用Xj和Yj表示，其中Xj=（X1j，X2j，…，Xnj），Yj=（Y1j，Y2j，…，Ynj），j=1，2，…，n。則評價第j0個決策單元且判斷其有效性的CCR模型的對偶規(guī)劃（Dε）為

式中，θ為決策單元DMU的DEA效率值，λj為權重，S－和S+為松弛變量。當θ=1，S-=S+=0時，則稱DMU為DEA有效，否則為DEA無效。

二、指標體系構建

1.指標的選擇。本文采用DEA方法對16所工科高校人才培養(yǎng)效率進行測算，根據(jù)文章的研究目的，建立以下人才培養(yǎng)投入產出指標體系（見下頁圖）。

（1）投入指標。選擇的投入指標包括：專任教師總數(shù)、專任教師中具有高級職稱的人數(shù)、科技經費支出。

（2）產出指標。選擇的產出指標包括：畢業(yè)生人數(shù)、畢業(yè)生平均薪酬、發(fā)表學術論文篇數(shù)。

2.指標的設計。根據(jù)評價指標體系，以各年為決策單元，根據(jù)表1中投入產出的原始數(shù)據(jù)，建立C2R模型，運用DEA軟件進行求解，可以分析得出16所工科高校人才培養(yǎng)效率以及相應的規(guī)模效率。

3.DEA驗證及結果（見下頁表1和本文表2）。

三、研究結果分析

結合表1和表2發(fā)現(xiàn)，國內16所工科高校人才培養(yǎng)效率DEA的技術效率和規(guī)模效率具有以下特征：

1.我國工科高校的人才培養(yǎng)效率是相對較高的。這16所工科高校人才培養(yǎng)的平均技術效率TE為0.853，純技術效率PTE為0.965，規(guī)模效率SE為0.887。

2.在這16所工科院校當中，清華、華南理工、上海工程技術、北方工業(yè)、河北建筑工程、西安電子科技大學6所學校的技術效率值（TE）保持在θ*=1，表明該決策單元的投入產出是綜合有效的，說明這6所學校的達到了較佳狀態(tài)，投入產出比例比較合理，應進一步保持和努力以提高資源配置效率，而其余的10所學校未達到DEA有效。

投入產出指標結構圖

表1 DEA輸出結果

表2 16所高校開發(fā)和利用效率值、規(guī)模報酬狀態(tài)及技術有效性

3.在這10所未達到DEA有效的高校中，同濟、北郵、上海理工、北京交通、北京信息科技、大連理工、電子科技、杭州電子科技大這8所高校純技術效率=1，也就是純技術有效，表明在現(xiàn)有的技術水平上，其投入資源的使用是有效率的，這些高校的生產能力和管理水平也是相對較高的，未能到達綜合有效的最關鍵原因在于其規(guī)模無效。因此，其改革的重中之重在于怎樣最大化發(fā)揮其規(guī)模效益，把關注點放在怎樣提高工科高校人才品質，而不是一味追求規(guī)模。

天津大學與中石油這兩所高校純技術效率與規(guī)模效率都沒有達到最優(yōu)，應該從投入與產出兩個方面著手進行優(yōu)化，以達到最優(yōu)。

天津大學的第三項投入要素（科技經費支出）冗余234558.9，第二項產出要素（畢業(yè)平均薪酬數(shù)值）冗余1708.013；而天津大學的規(guī)模報酬狀態(tài)是遞減的，說明資源沒有充分利用，存在資源的浪費。所以，應該減少投入以增加效率。

中國石油大學（北京）的第一項投入要素（專任教師總人數(shù)）冗余11.334，第三項投入要素（科技經費支出）冗余97257.75，第二項產出要素（畢業(yè)平均薪酬數(shù)值）冗余860.134，第三項產出要素（發(fā)表學術論文篇數(shù)）冗余783.959；而中國石油大學（北京）的規(guī)模報酬狀態(tài)是遞增的，應當增加投入擴大產出以使效率達到最優(yōu)。

四、DEA的效率測算

從以上計算可以看到，我國工科高校人才培養(yǎng)效率整體較高，但仍有部分高校處于相對無效率的狀態(tài)。為了找出相對無效率的原因，需要進一步對影響工科高校人才培養(yǎng)效率的因素進行分析。選取以下因素進行分析：教師培訓費用（萬元）（用X1表示），科技項目數(shù)（用X2表示），科技項目投入人數(shù)（用X3表示）。

（一）技術效率為因變量的回歸分析

1.相關性分析。由表3可知，X1（教師培訓費用）與技術效率的相關性只有0.313980002。所以，在做回歸的時候，應當把相關性弱的X1剔除掉。X2（科技項目數(shù)）與技術效率的相關性為0.572523442，屬于中度相關；X3（科技項目投入人數(shù)）與技術效率的相關性為0．875021333，屬于高度相關。

表3

2.回歸分析。刪除相關性較弱的指標（教師培訓費用）之后，建立以下回歸模型 Y1=ε+β1X2+β2X3

其中，Y1為技術效率，X2是科技項目數(shù)，X3是科技項目投入人數(shù)，β1、β2為待估計參數(shù)，ε 為常數(shù)。

將技術效率與這兩個因素進行回歸分析，結果（如表4所示）。

表4

從回歸結果的系數(shù)顯著性看，在顯著性水平為0.05時，X2（科技項目數(shù)）、X3（科技項目投入人數(shù)）都通過了顯著性檢驗，他們的P值分別是0.0000與0.0001。

R-squared是可決系數(shù)，R值為0.783226，證明此方程能夠解釋78.3226%的變量，說明以上模型擬合程度較高。

DW檢驗值的檢驗值為1.630614，所以變量間無自相關。

回歸分析的系數(shù)分別為1.081836、0.000231、-0.000456。0.000231表示科技項目數(shù)每增加1個單位，工科高校人才培養(yǎng)的技術效率就增加0.000231個單位，呈正相關關系；-0.000456表示科技項目投入人數(shù)每增加1個單位，工科高校人才培養(yǎng)的技術效率就減少0.000456個單位，呈負相關關系。

由此可得出：Y1=1.081836+0.000231X2-0.000456X3

科技項目數(shù)越多，則工科高校人才培養(yǎng)效率越高，證明越多的學生能夠從項目中獲得知識與技能的提升；科技項目投入人數(shù)越多，工科高校人才培養(yǎng)效率越低，證明讓大量的教師進行科學研究，他們放在教學中的時間就越少，對學生的關注越低，不利于高校人才的培養(yǎng)，教師應該在科研與教學中尋找一個平衡點，在提高自身科研能力的同時增加高校人才培養(yǎng)效率，得到雙贏的結果。

（二）純技術效率為因變量的回歸分析

1.相關性分析。由下頁表5可知，X1（教師培訓費用）與純技術效率的相關性為0.399105438，具有一定的相關性；X2（科技項目數(shù)）與純技術效率的相關性為0.472247696，具有一定的相關性；X3（科技項目投入人數(shù)）與純技術效率的相關性為0.096294105，所以，在做回歸的時候，應當把相關性弱的X3剔除掉。

表5

2.回歸分析。刪除相關性比較弱的指標（科技項目投入人數(shù)）之后，建立以下回歸模型：

其中，Y2為純技術效率，X1是教師培訓費用（萬元），X2是科技項目數(shù)，β3、β4為待估計參數(shù)，ε為常數(shù)。

將純技術效率與這兩個因素回歸分析，結果（如表6所示）。

從回歸性分析結果的系數(shù)顯著性看，在顯著性水平為0.05時，X1（教師培訓費用（萬元））、X2（科技項目數(shù)）都通過了顯著性檢驗，它們的P值分別是0.0305與0.0187。

表6

DW檢驗值的檢驗值為2.495155，所以變量間有一定的相關性，對于回歸結果有一定的影響。

回歸分析的系數(shù)分別為0.873944、-0.0000401、0.000162。-0.0000401表示科技項目數(shù)每增加1個單位，工科高校人才培養(yǎng)的純技術效率就減少0.0000401個單位，呈負相關關系；0.000162表示科技項目投入人數(shù)每增加1個單位，工科高校人才培養(yǎng)的純技術效率就增加0.000162個單位，呈正相關關系。

由此可得出：Y2=0.873944-0.0000401X1+0.000162X2

科技項目數(shù)越多，則工科高校人才培養(yǎng)效率越高，證明越多的學生能夠從項目中獲得知識與技能的提升；教師培訓費用越高，學校投入在學生學習中的費用越少，雖然教師的教學水平會有一定量的提升，但是，高校學生的學習普遍以自學為主，教師的教學只起到一定的作用，學校如果能夠增加對學生學習環(huán)境的投入，比如增加自習室的數(shù)量，提升實驗室的硬件設備與軟件設備，真正提高高校人才質量，也許能夠起到更好的效果。

（三）規(guī)模效率為因變量的回歸分析

1.相關性分析。由表 7可知，X1（教師培訓費用）與規(guī)模效率的相關性為0.286954289，具有一定的相關性；X2（科技項目數(shù)）與規(guī)模效率的相關性為0.03244739，所以，在做回歸的時候，應當把相關性弱的X2剔除掉；X3（科技項目投入人數(shù)）與規(guī)模效率的相關性為0.224520898，具有一定的相關性。

表7

2.回歸分析。剔除相關性較弱的指標（科技項目數(shù)）之后，建立如下回歸模型：

其中，Y3為規(guī)模效率，X1是教師培訓費用（萬元），X3是科技項目投入人數(shù)，β5、β6為待估計參數(shù)，ε為常數(shù)。

將規(guī)模效率與這兩個因素進行回歸分析，結果（如表8所示）。

從回歸結果的系數(shù)顯著性看，在顯著性水平為0.05時，X1（教師培訓費用（萬元)）、X3（科技項目投入人數(shù)）都通過了顯著性檢驗，它們的P值分別是0.0224與0.0419。

表8

DW檢驗值的檢驗值為1.749660，所以變量間無自相關。

回歸分析的系數(shù)分別為1.079270、0.0000354、-0.000261。0.0000354表示教師培訓費用每增加1個單位，工科高校人才培養(yǎng)的規(guī)模效率就增加0.0000354個單位，呈正相關關系；-0.000261表示科技項目投入人數(shù)每增加1個單位，工科高校人才培養(yǎng)的規(guī)模效率就減少0.000261個單位，呈負相關關系。

由此可得出：Y3=1.079270+0.0000354X1-0.000261X3

教師培訓費用越高，教師的教學水平會有一定量的提升，同樣的時間就能夠培養(yǎng)更大數(shù)量的學生，人才培養(yǎng)效率能夠有一定量的提升；科技項目投入人數(shù)越多，進行教學的教師數(shù)量就越少，教師對于學生的關注度越低，高校的人才培養(yǎng)效率也會相應的變低。

綜上，高校應該在教師培訓費用、科技項目數(shù)、科技項目投入人數(shù)中尋求一個平衡點，以達到最優(yōu)的高校人才培養(yǎng)效率。

五、結論與建議

1.更多地用市場化手段配置高等教育資源?！靶省笔鞘袌鼋洕篮愕闹黝}。在社會主義市場經濟體制漸漸完善的情況下，高等教育的投入也應該更加重視投入產出效率。建議更多通過市場機制的作用，讓政府以人才或教育這個“特殊商品”的“采購者”的姿態(tài)呈現(xiàn)，哪一個學校人才培養(yǎng)或教育順應經濟和社會需求，且質量高、成本低，政府就撥款“采購”，即采用高效率的商業(yè)化方式，以促進各高校關注自身向社會供應的教育服務的產品質量及其特色。

2.建立高校投入產出的科學評估機制。國際經驗表明，教育評估或評價是保障教育質量，提高人才培養(yǎng)效率的行之有效的重要手段。通過對高校的辦學條件、師資力量和教育效益等方面進行定期或不定期的監(jiān)督評估，并定期公布每所學校的綜合評估結果，將有效促進高校之間的公平競爭，促進資源的有效配置，起到激勵先進、督促后進的作用。為此，建議在國內開展本科評估、重點學科評估、研究生院評估等一系列評估的基礎上，深入研究，制定出一套高?！巴度氘a出效率”評估指標體系，科學評估高校的投人產出效率，為高校資源配置提供科學依據(jù)，為增加高等教育投入提供有說服力的科學論證。

3.加快推進現(xiàn)代大學制度建設。高等教育的發(fā)展問題，絕不是簡單的投入不足的問題，而是需要更加關注高等教育的內涵建設，更多地從現(xiàn)代大學制度構建、高校的人才生產能力和管理水平提高方面做文章，更加關注現(xiàn)代大學制度建設?，F(xiàn)代大學經過上百年的發(fā)展，逐步形成和“固化”了“現(xiàn)代大學制度”，支撐起了現(xiàn)代大學的框架。當今大學制度根本上是有關政治、經濟和學術權力以及政治、經濟和學術利益互相制衡的規(guī)則體系，其終極目標是為了保障大學按照高等教育規(guī)律辦學。按照教育規(guī)律辦學，必然將所有辦學資源緊緊圍繞“人才培養(yǎng)”和“科學研究”兩個方面進行投入，必定在很大程度上降低資源浪費，提高投入產出效率，提高人才培養(yǎng)效率。

參考文獻：

[1]趙敏.科技投入產出的DEA評價模型[J].科研管理研究，2005，（6）.

[2]張曉秋，李華，蔣華林.部屬高校人才培養(yǎng)效率綜合評價與影響因素分析[J].高等工程教育研究，2009，（3）.

[3]江巖，張體勤.基于DEA的高層次創(chuàng)新型人才開發(fā)效率研究——以山東省泰山學者建設工程為例[J].山東社會科學，2011，（11）.

[4] 楊國梁，劉文斌，鄭海軍.數(shù)據(jù)包絡分析方法（DEA）綜述[J].系統(tǒng)工程學報，2013，（6）.