我国区域高等教育经费使用效率测度及动态分析
张帅
[摘 要]本文通过采用超效率DEA模型及Malmquist指数模型对我国31个省、市、自治区高等教育经费使用效率进行测度及动态分析,主要得出如下結论:首先,我国不同区域间高等教育经费使用效率呈现明显差异性,华东地区整体经费使用趋于有效,明显优于其他区域。其次,区域内不同省份间高等教育经费使用效率同样呈现较大的异质性,其中经费使用效率较高的有浙江、北京、重庆、湖北、辽宁,而使用效率较差的有青海、新疆、内蒙古、西藏、云南。最后,我国六大区域中只有西北地区、东北地区、西南地区整体高等教育经费使用效率是不断提高的,而其他区域则呈现下滑态势。本文研究结论对于我国不同区域完善高等教育经费资源配置,提升高等教育经费使用效率具有重要指导意义。
[关键词] 高等教育;经费使用;效率测度;动态分析
[中图分类号] ???G475 [文献标识码] A [文章编号]1005-5843(2019)08-0039-06
[DOI]10.13980/j.cnki.xdjykx.2019.08.007
一、问题的提出
高等教育作为培养社会发展所需人才的重要途径,其办学水平的高低决定着优秀人才培养的数量及质量。而高校教育经费则是高等教育有效运转的根本保障,加强高校教育经费使用管理、提高教育经费使用效率,对于提升高校办学质量、促进高校科学持续发展意义重大。当前,高校教育经费配置及利用问题已经成为学术界关注的重点话题。一方面,从政府的角度来看,我国高等教育经费投入绝对规模呈现不断上升的趋势,其中2017年达到1.11万亿,较2016年增长9.72%,但高等教育投入总额占GDP的比重则呈现下降的态势,其中2017年该比例仅为1.34%,较2008年下降了2.14个百分点,远低于世界平均水平的4.6%。一定程度上说明了国家对高校教育经费的投入相对不足,尚不能满足高等教育向高层次发展对于资金的迫切需求。另一方面,从高校自身来说,当前我国高校教育经费使用方面缺少完善的管理机制,基本建设、科研项目支出整体占比较低,教育经费管理效率低下和配置失衡严重制约了高校的快速发展。因此,在现有教育经费规模受限的状态下,提升高校教育经费使用效率的重要性将更加凸显。
现有针对高等教育经费使用效率的文献主要集中在定性分析和等量评价两个方面。其中定性分析主要反映在效率评价指标体系的构建方面,如辛冬云将教育资源使用效率界定为单位教育成本所带来的教育成果规模[1];司林波构建了包含基础性指标、发展性指标两个一级指标、人力资源利用效率等八个二级指标在内的指标评价体系[2];刘伟玲从人力资源利用效率、财力资源利用效率、物力资源利用效率、人才培养、科研成果、社会服务六个方面构建了高等教育资源利用效率评价指标体系[3]。定量评价主要体现在对不同高校、不同地区高校教育经费使用效益的测度方面。如周敏分别采用和模型对所选取得教育部直属24所高校的资金使用效益进行测度,并提出了相关改进建议[4];蒋方华通过层次分析及综合模糊评价等方法对选定高校的教育资金使用效益进行评价,实证分析结果与该校的实际情况基本相符[5]。方超采用空间计量方法检验了我国政府与市场的高等教育资源配置效率,研究发现:政府与市场对高等教育的投入均能提升高等教育的产出效率[6]。
整体来看,关于高等教育经费使用效率的文献相对较少,定量分析主要集中在特定院校、特定地区效率的评价,研究结果缺乏可比性,同时研究方法选择较单一。本文则以我国31个省、市、自治区的高等教育经费为研究对象,通过采用超效率DEA模型对区域高等教育经费的使用效率进行测度,并利用Malmquist指数对效率的变化进行动态分析,从总体上把握我国不同区域高等教育经费使用效率的特征,为相关政策的制定提供参考依据。
二、指标选择及模型简介
(一)指标选择
从定义上来说,高等教育经费是指用于高校科研及教学等相关活动,确保高校教育事业顺利开展的一切货币形态的资金投入。按照其用途的不同,可分为教学支出费用、科研项目支出费用及教育基础设施建设支出费用等方面。考虑到数据的可得性,本文选择高校教育事业经费投入(X1)、科研经费投入(X2)作为区域高等教育经费的投入指标。
考虑到高校最基本的职能就是培养高素质人才、创造科学研究成果,因此本文拟从这两个方面构建区域高等教育经费的产出指标。其中高素质人才培养采用高校在校人数(包含硕士、博士)(Y1)指标来衡量,科学研究成果利用高校专利授权数(Y2)、科技课题申请数量(Y3)、发表科技论文(Y4)来衡量。
指标数据来源于《中国教育统计年鉴》《中国教育经费统计年鉴》《中国科技统计年鉴》及31个省区的《统计年鉴》。
(二)模型简介
1.超效率DEA。传统数据包络分析(DEA)在研究多投入、多产出目标函数约束状态下的效率方面具有很大优势,被广泛运用于多条件约束下综合事物的效率评价。然而传统DEA模型的局限性在于效率测算结果均介于0与1之间,而对于效率测度结果均为1的目标单元来说,均认为是有效率的,但我们无法衡量这些效率值为1的决策单位之间效率的相对高低。基于此,Anderson提出了超效率DEA模型,使得测度结果均有效的决策单元仍能进行相对效率值大小的比较。其原理如下:
对于效率值等于1的决策单元,该模型在原有DEA模型的基础上,对投入指标按比例增加所带来的产出增加的比例称为超效率值。由于对生产前沿面进行了后移,因此测算出来的超效率值大于1,从而对有效率的决策单元可以进行效率值相对大小的分析。对于效率值小于1的决策单元,其生产前沿面维持原状,故其效率值与传统DEA模型测算结果一致。
2.Malmquist指数。Malmquist生产指数最先是由Malmquist提出的,后经学者在数据包络分析法应用的基础上,通过将理论与该方法有效结合,后被广泛应用于各学科生产效率的研究当中。Malmquist指数的定义方式如下:
首先,我国不同区域间高等教育经费使用效率呈现明显差异性,华东地区整体经费使用趋于有效,明显优于其他区域;中南地区、东北地区、华北地区经费使用虽然无效,但整体优于西北地区和西南地区;西南地区、西北地区经费使用效率整体较差。
其次,区域内不同省份间高等教育经费使用效率同样呈现较大的异质性。经费使用效率较高的有浙江、北京、重庆、湖北、辽宁,而使用效率较差的有青海、新疆、内蒙古、西藏、云南。
最后,我国六大区域中只有西北地区、东北地区、西南地区整体高等教育经费使用效率是趋于不断改善的,且技术进步是促进该区域效率提升的关键。华东地区、华北地区、中南地区高等教育经费使用效率则呈现下滑,且综合技术效率变动指数是导致該区域经费使用效率出现恶化的主要因素。
本文在对高等教育经费使用效率明确界定的基础上,采用统一的评价标准对我国31个省域的高等教育经费使用效率进行测度,从而明确了不同区域的经费使用状态及排名,研究结论对于我国不同区域完善高等教育经费资源配置,提升高等教育经费使用效率具有指导重要意义。本文的局限性在于高校经费使用效率的产出指标并未考虑其在社会服务领域所创造的价值,这也是后续研究需重点关注的问题。同时本文研究只体现在省域整体高等教育经费使用效率的测评上,而对于省域不同类型高等教育经费使用效率的评价尚未涉及,这也是后续研究的主要方向。
参考文献:
[1]辛冬云.高校教育资源使用效率评价指标体系[J].中国地质教育,2000(2):58-63.
[2]司林波,唐学庆,赵悦.高等教育资源利用效率评价指标体系设计[J].科技与管理,2009(3):142-144.
[3]刘伟玲,李海平.高等教育资源利用效率评价指标体系的构建[J].价值工程,2012(7):136-137.
[4]周敏.高校资金使用效益评价研究[D].西南大学硕士学位论文,2011.
[5]蒋方华.高校教育资金使用效益评价体系研究[D].南京理工大学硕士学位论文,2011.
[6]方超,黄斌.我国高等教育经费投入的资源配置效率评价——基于空间计量经济学的实证检验[J].重庆高教研究,2018(12):7-19.
The Measurement and Dynamic Analysis of the Efficiency of Regional Higher Education Funds in China
ZHANG Shuai
(Xinjiang University of Finance and Economics; Urumqi ; Xinjiang 830012,China)
Abstract: By using the super-efficiency DEA model and Malmquist index model to measure and dynamically analyze the utilization efficiency of higher education funds in 31 provinces, this paper draws the following conclusions: firstly, there have obvious differences in the utilization efficiency of higher education funds among different regions in China, the overall use of funds in East China tends to be effective, which is obviously superior to other regions. Secondly, the efficiency of higher education funds use among different provinces in the region also shows great heterogeneity, among which Zhejiang, Beijing, Chongqing, Hubei and Liaoning have higher efficiency of funds use, while Qinghai, Xinjiang, Inner Mongolia, Tibet and Yunnan have lower efficiency. Finally, only the northwest, northeast and southwest regions of China tend to improve the overall efficiency of higher education funds, while other regions show a downward trend. The conclusion of this paper is of guiding significance to improve the allocation of higher education funds in different regions of China and to improve the efficiency of the use of higher education funds.
Key words: ?higher education; funds use; efficiency measurement; dynamic analysis