《我国高职教育经费投入效率及影响因素的空间计量分析》-教育论文，职业教育论文-论文范文参考-科学狗论文网

标题

我国高职教育经费投入效率及影响因素的空间计量分析

范文

苏荟?白玲

摘要为进一步探索高职教育经费投入效率的提升路径，运用DEA模型、Malmquist指数法分析中国31个省（自治区、直辖市）2013-2017年高职教育经费投入效率及其动态演变趋势，并借助空间计量模型对其影响因素进行研究。结果顯示：我国高职教育经费投入总效率处于中等水平，不同区域、省份间教育经费投入效率存在差异;全国各省高职教育全要素生产率呈缓慢下降趋势，技术进步的负增长是制约其发展的主要因素;高职教育经费投入效率存在空间溢出效应，其中经济水平、师资力量能正向影响经费投入效率，而城镇化水平、教育生态、教育经费对经费投入效率起抑制作用。

关键词高职教育;教育经费投入;DEA模型;Malmquist指数法;空间计量模型

中图分类号 G718.5 文献标识码 A 文章编号 1008-3219（2020）36-0038-08

一、引言

据统计，2017年我国高职高专院校生均教育经费投入为22235.73元，比2016年增长8.92%。但经费总体投入偏低，区域、院校差异较大是影响高职教育进一步发展的瓶颈[1]。学术界对高职教育经费投入的研究也逐渐成为热点。

一是高职教育经费投入现状研究。例如，付达杰、唐琳分析我国高职教育经费投入发现，高职教育经费投入比例远低于普通本科教育，经费投入不足严重阻碍了高职教育培养规模的发展[2]。罗园珍、罗忻通过对湖北省高职教育进行研究提出，经费来源渠道单一、国家扶持项目“小”而“散”是导致高职教育培养规模受限的主要原因[3]。郑雁基于浙江省高职院校调研指出，高职教育经费投入存在区域不均衡的问题，并进一步提出只有发挥好政府经费投入的主导作用，构建多元化筹措渠道，才能促进高职教育稳健发展[4]。二是高职教育经费投入效率研究。如芦娟、陈婉琳运用主成分分析法、DEA和超效率DEA模型对我国22所骨干高职院校财政投入效率进行实证分析，发现我国骨干高职院校经费投入效率不高，且财政投入效率与院校所在地区及院校类型有一定的联系[5][6]。龚冷西等借鉴国外高职教育绩效评价体系，通过因子分析法和数据包络分析法对西部某省高职院校经费投入效率进一步研究，证明不同类型的高职院校经费投入效率确实存在明显差异，理工类院校经费投入效率欠佳[7]。此外，颜炼钢通过因子分析法对浙江省高职教育经费投入效率实证研究发现，省内各院校经费投入绩效水平存在明显差距，其中，专任教师比、新生报到率和“双师型”教师占比对高职教育经费投入效率有显著影响[8]。濮筠、崔玉平基于协调发展理论，采用计量回归模型对我国31个省（自治区、直辖市）的教育经费投入分析发现，在经济发展存在区域差异的状况下，我国高职教育经费投入具有明显的空间溢出效应，经费投入不仅受本地区经济发展正向影响，还受相邻地区生产总值影响[9]。

通过对已有文献梳理后发现，有关高职教育经费投入的研究已取得一定成效，但学者多关注经费投入现状及绩效评价指标体系的构建，对影响高职教育经费投入效率因素的实证研究较少，基于空间计量模型探索其影响因素的研究则更少。为此，本研究以全国省域高职院校为研究对象测算高职教育经费投入效率。首先，采用DEA-CRS和VRS模型探究各省份、各区域及全国平均经费投入效率水平;其次，运用Malmquist指数模型分析高职教育经费投入全要素生产率的动态演变趋势;最后，基于空间计量模型探索影响高职教育经费效率区域差异的因素。本研究旨在提升高职教育经费投入效率，为制定高职院校经费投入预算提供参考。

二、模型、指标与数据来源

（一）模型建立

1.DEA模型建立

数据包络分析方法（DEA）是由美国学者Charnes和Cooper于1978年提出的一种数量分析方法，通过建立线性规划模型，对同时期同类型评价决策单元（DMU）的多项投入与产出进行相对有效性评价，该方法在减少误差和避免主观因素方面体现了绝对优势。本研究采用CRS模型测算规模报酬不变条件下的技术效率值（TE），采用VRS模型测算规模报酬可变条件下的纯技术效率值（PTE），决策单元的规模效益值SE=TE/PTE。以此来考察我国高职教育经费投入的效率情况。

2.Malmquist模型建立

由于DEA模型不能对面板数据进行跨时期动态分析，因此引入Malmquist全要素生产指数（TFPCH），表示决策单元在t到t+1时期的生产率变化程度。在规模报酬不变情况下，TFPCH可分解为技术进步变化（TECHCH）和技术效率变化（EFFCH）;在规模报酬可变的情况下，技术效率变化（EFFCH）可进一步分解为纯技术效率指数（PECH）和规模效益指数（SECH）。基于此，为了解我国高职教育在2013-2017年间经费投入效率的变化情况，全要素生产效率的分解式为：TFPCH=ECHCH×EFFCH=EFFCH×PECH×SECH。

（二）高职教育经费投入产出指标选取

教育投入是指一个国家或地区为促进教育事业发展，在教育领域中投入人、财、物的总和。其中财力作为人力和物力的货币表现尤为重要，不仅能保障教育教学的正常运转，还能推动教育改革、提高教育质量。高职教育经费投入可划分为生均个人经费投入和生均公用经费投入。其中，个人经费投入主要用于两方面：一是支付教师工资及福利待遇，以此激励教师提升教学质量;二是用于对学生的补贴、奖励等，鼓励学生积极学习知识技能以提高专业素质。公用经费投入则是指高等职业院校的公共开销与专项开支等经费开支，如购买实验室设备等。作为高职教育经费投入的产出，可从教育成果数量和质量两方面进行测评：培养数量通常用毕业生人数来衡量;培养质量则需要通过月薪水平、社会满意度、纵向科研经费到款额及公益性培训服务来体现。纵向科研经费到款额是指国家或地方政府常设的计划项目或专项项目取得的科研经费，具有一定的指导性且难以获得，是衡量高职院校科学研究的重要指标。

此外，在指标数量上应与受评估的DMU数量相适应，根据Cooper 经验法则，DMU的个数≧max{投入项×产出项，2×（投入项×产出项）}。由于本研究研究对象为全国31个省（自治区、直辖市）高职院校，因此投入与产出指标之和不可超过15。至此，本研究所構建的高职教育经费投入产出指标体系见表1。

（三）数据来源

本研究基础数据来源于2014-2018年《中国教育统计年鉴》《中国教育经费统计年鉴》《高等职业教育质量年度报告》。

三、高职教育经费投入效率的实证分析

（一）高职教育经费投入技术效率评价分析

运用DEAP2.1软件对2013-2017年全国31个省（自治区、直辖市）高职教育经费投入效率衡量指标原始数据进行测算。需要说明的是，技术效率值（TE）=纯技术效率值（PTE）×规模效益值（SE），结果见表2。

1.总体技术效率

基于不变报酬CRS模型求解后得出高职教育经费投入技术效率值，表示在现有高职教育规模下，经费投入得到有效利用，产出达到有效生产前沿面上。从我国高职教育经费投入的总体技术效率值来看，2013-2017年间全国31个省（自治区、直辖市）高职院校平均技术效率值为0.766，存在22.4%的提升空间。其中，2013-2015年技术效率呈下降趋势，年均降幅为2.7%;2015-2017年呈上升趋势，年均涨幅为7.3%，由此，全国各省高职教育经费投入技术效率值呈先下降后上升的“U型”变化。这与2015年教育部颁布的《高等职业教育创新发展行动计划（2015-2018年）》有关。各地贯彻落实文件精神，大力推动高职院校创新发展，扩大招生规模，使高职教育经费投入效率得到有效提升。就各省5年均值而言，技术效率值较高（t>0.901）的有安徽、江西、山东、河南、湖北、湖南6个省份;技术效率中等（0.751>t>0.900）的有河北、山西、江苏、浙江、四川、贵州、西藏、陕西、新疆9个省（自治区）;技术效率值较低（t<0.75）的有北京、海南、宁夏等16个省（自治区、直辖市）。同时，分地区来看，2013-2017年东、中、西部地区的综合技术效率均呈波动上升趋势，中部地区高职教育经费投入技术效率值最优为0.941，东部地区次之（0.738），而西部地区技术效率值最低（0.719）。由此说明，在现有的高职教育发展规模下，中东部地区高职教育经费投入得到充分利用，实现资源配置技术与规模有效。而西部地区高职教育经费投入效率与预期综合效益存在一定差距。

2.纯技术效率

基于可变报酬VRS模型求解后可得高职教育经费投入的纯技术效率，表示在不考虑规模因素的现有技术水平条件下，高职教育经费投入效率位于生产前沿面上。从我国高职教育经费投入的整体纯技术效率值来看，年均增幅为3.58%。其中，2013-2015年纯技术效率值呈缓慢降低趋势，降幅为0.35%;2016-2017年增长幅度较大，增长率为14.3%，省际高职教育经费投入纯技术效率大致呈“√”变化趋势。就5年间纯技术效率均有效的省份来看，有江苏、安徽、山东、广东，占13%;具体而言，2013和2015年纯技术效率实现DEA有效的省份为12个;2014和2016年均为11个;发展到2017年，纯技术效率为1的省份增至18个，且有效省份由中东部地区向西部地区扩张，西部省份在2013-2015年只有西藏、新疆有效，2016-2017年有效省份增加了四川、陕西、甘肃、宁夏。由此可见，高职教育经费投入总体利用率较高，在整个评价系统中资源浪费现象较少。分地区来看，西部地区5年纯技术效率均值依旧最低（0.793），这与其内部管理存在密切联系。西部地区大多位于我国内陆且经济基础薄弱，优质师资、优质生源都处于紧缺状态，很多高校在学生管理方面较为松散，“宽进宽出”的教育方式导致多数毕业生缺乏专业素养与工作能力，这也是阻碍西部地区高职教育经费体制改革与技术效率提升的症结所在。

3.规模效率

高职教育经费投入的规模效率是指各决策单元的投入—产出是否达到最优状态，由此来衡量省际高职院校经费是否达到最优投入规模，且能清楚了解各地区高职教育经费投入规模的所处状态。从我国高职教育经费投入的总体规模效益值来看，2013-2017年间呈波动递减状态，年均降幅为1.13%。但5年中规模效益均值都在0.9以上，说明高职教育经费规模效益整体良好。其中，规模效益值较高（t>0.901）的有24个省份;规模效益值中等（0.751

（二）高职教育经费投入全要素生产率评价分析

由于DEA-CRS和VRS模型多关注于静态效率，不能揭示高职教育经费投入效率的动态过程。因此，本研究采用Malmquist指数模型对全国31个省（自治区、直辖市）2013-2017年间的指标数据进行时间序列面板分析，得到高职教育经费投入全要素生产率指数及分解情况。

如图1所示，我国高职教育经费投入全要素生产率在2013-2017年间相对较高，仅有一年效率值小于1，说明我国高职教育经费投入—产出配置效率处于较优状态。从整体变化来看，呈波动下降趋势。导致其全要素生产效率降低的首要原因是技术进步的下降，年均降幅为3.61%。据分解值变化趋势所示，高职教育经费投入的全要素生产率在不同时期受技术进步和技术效率的影响不同。其中，技术进步与全要素生产率变化方向基本一致，而技术效率则呈反向变化。此外，规模效益值在2013-2014年与技术效率波动趋势相似，2014年后呈反向变化，而纯技术效率与技术效率在此期间变化趋势始终保持一致。这一结果显示出我国高职院校在管理技术的运用和经费投入规模方面存在效率不高的问题。

为进一步研究我国各省高职教育经费动态配置效率差异的根源，表3以全国31个省（自治区、直辖市）为决策单元，采用Malmquist指数模型进行进一步的计算与分解。

根据职业教育全要素生产率指数的划分标准，将我国31个省（自治区、直辖市）划分为高增长型、低增长型、徘徊型和低效型四种类型。高增长型有北京、浙江、新疆，表明这3个省份的经费投入生产率相较于其他地区提升速度较快。其中，北京居于全国高职教育经费生产率首位（1.234），涨幅为13.5%，主要得益于技术效率的改善;浙江次之（1.136），得益于技术进步提升的影响;新疆第三（1.142），是技术效率和技术进步共同作用的结果。低增长型有天津、上海、福建、江西、辽宁、山东、湖南、重庆、四川、陕西，表明这10个省份高职教育经费投入生产率有一定的提升，但幅度较小，主要依靠院校技术效率的有效提升，内部管理技术进步的影响较小。徘徊型有河北、山西、海南等16个省份，表明这些地区高职教育生产率有所下降，但降幅不大，处于相对停滞状态。低效型有甘肃（0.882）、青海（0.866），表明这两个省份高职教育经费投入生产率相较于其他地区的降幅较大，主要原因是技术效率和技术进步均呈无效状态，两省都属西部偏远地区，经济发展水平较低，对高职院校的重视程度不够，教育经费投入有限且未合理化配置，最终造成其全要素生产率低效发展。

从“三大区域”整体来看，各地高职教育经费投入全要素生产率差异不大，处于相对均衡发展。其中，全要素生产率最高的是东部地区（1.044），西部地区其次（0.979），中部地区居于第三（0.975），与全国高职教育平均生产率（0.970）基本持平。具体而言，作为经济水平相对发达的东部地区在毕业生数量、科研产出方面都有相对优势。高速发展的二、三产业对优质人才需求量大，毕业生就业率与薪资水平都较高;科研基地、优质师资也相对较多，为学生专业能力与学术产出的提升奠定了良好基础。西部地区高职教育经费全要素生产率的提升主要得益于技术进步和技术效率的共同提升，近年来国家对西部地区的财政投入、招生就业、体制机制等改革予以大力扶持，有效弥补了自身不足，促进西部地区的高职教育经费配置效率达到优化。中部地区虽教育基础条件好，但人力资源结构性失衡、人才供给不匹配、管理水平低等问题造成其全要素生产率落后。

四、高职教育经费投入效率影响因素的空间计量分析

（一）变量与模型

1.变量选取

为进一步了解高职教育经费投入效率空间差异的影响因素，本研究将构建空间面板数据模型进行深入分析。影响高职教育经费投入效率的因素有很多，一般分为外部影响因素和内部影响因素，在参考相关文献的基础上，结合变量的可度量性与可操作性，选择6个变量作为解释变量，见表4。

2.模型介绍

空间计量模型中，较为经典的是空间自回归模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM）。

（1）SAR表示变量间是否存在空间溢出效应，公式为y=λWy+Xβ+ε。

其中，y是被解释变量，X是数据矩阵，W是空间矩阵，β是自变量系数，λ为空间自回归系数，ε为误差项。

（2）SEM表示空间依赖性可能会通过误差项来表现，公式为 y=Xβ+μ。

如模型所示，μ为随机误差向量存在空间依赖性，说明不可观察的遗漏变量存在空间相关性。

（3）SDM表示被解释变量不仅受本地区解释变量影响，还受相邻地区自变量影响，公式为y=Xβ+WXδ+ε。

其中，WXδ为相邻地区自变量的影响，δ为相应向量的系数。

（二）空间自相关检验

首先要对被解释变量高职教育经费投入技术效率做相关性检验，若存在空间相关性，则说明可以采用空间计量模型。学者大多运用Moran1指数进行空间自相关检验，其定义为：

其中，n代表研究省份的总数，Wij代表空间矩阵。Yi、Yj代表i、j区域的变量。（Morans I的数值范围分布在-1到1间，若Morans I>1，表示相似属性的区域集中度高，若Morans I<1，表示相异属性的区域集中度高，若Morans I接近0，则表示没有空间自相关性。计算结果见表5。

如表5所示，Morans 指数在2013-2017年间均为正数且都通过10%显著性水平检验，说明我国高职教育经费投入效率存在空间自相关性。关联性呈逐渐增强趋势，说明我国高职教育经费投入效率的空间依赖性也在逐步加深，且由低值—低值向高值—高值集聚，见图2。

（三）模型估计结果分析

由图2可知，我国高职教育经费投入技术效率存在明显的空间自相关，因此需要进一步通过检验确定适合本研究的空间计量模型。首先，根据Anselin判别准则[10]，发现LM-Lag较LM-Error更显著，且稳健LM-Lag显著而 LM-Error不显著，说明应当优先选择空间自相关模型;其次，通过分析OLS、空间自相关和空间误差模型对高职教育经费投入效率影响因素的回归结果，见表6。对比R2（拟合优度）与LogL（对数似然值）统计量结果，选取统计结果值最大的模型，再比较AIC与SC的结果值，数值越小的模型拟合度越优。由此，本文采用SAR模型对我国高职教育经费投入效率影响因素进行计量研究。

据空间自相关模型结果所示，自回归模型系数为0.289，且通过显著性水平检验，说明我国高职教育经费投入产出效率空间上临近地区有正向溢出效应，即区域高职院校经费投入效率不仅受到本区域其他因素影响，还受相邻区域的高职教育经费投入技術效率影响。

其中，在经济水平方面，变量LNPGDP显著为正且系数值大于多数变量，说明人均GDP发展水平是影响高职教育经费投入效率的重要因素。具体而言，经济发展水平较高地区拥有研究型企业也相对较多，则该地区高职院校相应地也拥有更多与优秀企业联合培养学生的机会，这种高质量“产学研”教育模式自然能够产出更多的优秀毕业生、科研成果及社会服务机构，在不同方面对该地区高职院校的教育经费投入效率起到积极促进作用;同时，高经济水平地区所面对的社会竞争也更为激烈，能够促使个人和院校更加充分利用现有教育经费，提升经费投入效率。在社会发展方面，城镇化水平的影响系数为-0.0095，T值为-3.36，且通过1%显著性检验，说明城镇化水平负向影响高职教育经费投入效率。城镇化发展使人们在思想上发生巨大转变，接受高等教育的愿望更加强烈，因此高职教育规模出现井喷式扩张，各地区高职院校为抢夺生源展开无底线博弈。部分生源充沛地区为谋求短期经济利益超负荷招生，导致毕业生质量良莠不齐，就业率和社会满意度屡屡刷低;生源匮乏地区因教育资源不足则出现规模不经济问题，使本就有限的教育经费被浪费。在教育生态方面，高职教育学生比重反映了高职院校和本科院校对教育资源的竞争优势，从经济学角度分析，高职教育与本科教育互为替代品，高职学生所占比重越小，说明本科院校占有的教育经费越多，这对高职院校教育经费投入效率势必产生负向影响。在师资力量方面，双师型教师所占比重呈显著正相关，说明优质教师资源对我国高职教育经费投入效率具有促进作用。根据实证结果所示，双师型教师比重每增加1%，高职教育经费投入效率会提高0.25%。这说明“双职称、双素质”型教师具备扎实的专业素质、丰富的实践经验与创新能力，不仅是人才培养质量的根本保障，也是促进高职院校内涵式发展的重要力量。在教育经费方面，生均教育经费的投入对高职教育经费投入效率有直接影响，估计系数为-0.4047，呈显著负相关。受边际效率递减规律影响，生均教育经费投入并非越多越好，达到最优规模后，若继续增加经费投入，则投入效率不升反降，例如，上海、天津的生均教育经费投入多而技术效率却一直处于无效状态。因此，高职院校必须走内涵式发展道路、调整经费配置结构，促进高职教育健康发展。在资源配置方面，教育资源配置结构系数为负但不显著，表明目前教育资源配置结构未能有效促进高职教育经费投入效率。高职教育资源配置结构是对各地区院校经费配置程度的反映，据实证结果所示，我国高职院校经费配置并不合理，说明我国高职院校内部系统管理体制落后，对经费利用率低，造成经费投入的浪费。

五、結论与启示

（一）研究结论

通过对我国31个省（自治区、直辖市）2013-2017年间高职教育经费投入效率及影响因素的研究可知：首先，就全国而言，我国高职教育经费投入技术效率大体呈上升趋势，由2013年的0.762增加到2017年的0.834，增长率为9.44%。但东、中、西三大区域间的高职教育经费投入效率存在一定差异及不均衡现象。其中，中部地区高职教育经费投入技术效率最优，远高于东、西部地区。其次，我国高职教育经费投入全要素生产率呈缓慢下降趋势，不同地区和板块之间均存在差异，但整体发展基本呈均衡态势，技术进步的负增长是制约高职教育经费投入全要素生产率提升的关键因素。最后，通过进一步的空间计量模型分析可知，我国高职教育经费投入效率存在空间自相关性，经济水平、师资力量能正向促进经费投入效率的提高，而城镇化水平、教育生态、教育经费对经费投入效率起到抑制作用。

（二）相关建议

基于上述评估结果，本研究为促进我国高职教育经费投入效率达到最优，提高高职院校建设水平，提出以下几点建议：

第一，促进西部地区经济积极增长，增加教育所占GDP投入比重。据高职教育经费投入效率分析可知，经济相对欠发达的西部地区经费投入效率不仅明显低于中东部地区，还低于全国高职院校的经费投入效率的平均水平;从影响因素评价中看出，经济发展水平是影响高职教育经费投入效率提升的因素之一，且影响效应最为显著。因此，大力推动西部地区经济发展，是提高全国高职教育经费投入效率、缩小区域差异的重要条件。一是促进西部地区产业结构优化升级。由劳动密集型向技术密集型产业转变;并利用本地优势，发展特色产业，使其成为推动经济发展的新动能。二是转变西部地区经济发展方式，构建以市场为导向、产学研相结合的新型创新体系，由投资为主导向技术进步带动经济增长转型。三是紧抓时代机遇，扩大对外开放。坚持“一带一路”，推动共享发展。此外，教育所占GDP投入比重是衡量区域教育水平的基准，“双高计划”的实施，体现了国家对高职教育的进一步重视，因此需增加投入比重，促进高职教育与经济的可持续发展。

第二，加强“双师型”教师培养，拓展人才引进渠道，为高职教育持续健康发展做好保障。据研究所示，“双师型”教师比重对我国高职教育经费投入效率有显著促进作用。这说明建设“双师型”教师教学团队有利于凝结教师团队的科研成果，提升高技术人才的培养质量，增强各院校的综合竞争力。因此，各地区高职院校都应加强“双师型”队伍建设，将校企合作作为培训的落脚点，为教师实地训练和研究提供平台。另外，针对师资力量匮乏的偏远地区，还可实行“定向”培养方案，缩小区域间高职院校资源投入差距;要优化“双师型”教师队伍结构。在教师招聘中，不能存在“唯学历”的现象，应平衡好专业能力与企业工作经历二者关系，保障优秀人才能够跨体制流动。

第三，优化高职教育经费配置结构，减少低效经费支出。由实证结果可知，教育经费与资源配置结构对高职教育经费投入效率具有负向影响。可见，经费投入并非越多越好，而是要在兼顾公平的基础上，注重效率优先。政府有关部门应根据高职教育经费投入配置效率，因地制宜地制定投入预算，加大对规模效益递增区域的经费投入，避免有限经费的重复投资和浪费。高职院校经费配置结构不仅能反映经费的分配状态，还是院校发展的助推器，因此，应加大经费监管力度，完善评价机制。要强化政府教育督导，建立第三方专业评审机构，依据经费投入效率有效状态对经费投入冗余或稀缺地区进行调整，根据实际情况对重点区域进行政策倾斜，提高我国高职教育经费投入效率。

参考文献

[1]邢晖.当前高职院校经费问题调查与建议[J].中国职业技术教育，2016（3）：58-62.

[2]付达杰，唐琳.高等职业教育经费投入现状及其机制创新[J].经济研究参考，2014（59）：20-21+96.

[3]罗园珍，罗忻.湖北高职教育经费投入的基本特征及改革建议[J].教育财会研究，2014（2）：24-29.

[4]郑雁.浙江省高职院校教育经费投入实证分析[J].继续教育研究，2015（4）：25-27.

[5]芦娟.我国高等职业教育财政投入效率实证研究[J].教育评论，2015（12）：95-98.

[6]陈婉琳.中国高等职业教育财政投入效率评价研究[J].中国职业技术教育，2016（3）：30-37.

[7]龚冷西，陈恩伦，贾玲.基于数据包络分析的高职院校教育经费投入绩效评价[J].教育学术月刊，2017（7）：23-29.

[8]颜炼钢.高职院校教育经费投入绩效评价实证研究——基于浙江省47所高职院校人才培养工作状态数据分析[J].中国高教研究，2014（2）：90-94.

[9]濮筠，崔玉平.我国高职教育经费投入的空间关联性和空间影响因素[J].现代教育管理，2017（2）：85-90.

[10]Anselin， L. Testing for Spatial Dependence in Linear Regression Models： A Review[Z].Morgantown： West Virginia University， Regional Research Institute Research Paper， 1994： 94-116.

Abstract? In order to further explore the path to improve the efficiency of funds input in higher vocational education. The DEA model and Malmquist index model are used to measure and analyze the input efficiency and dynamic evolution trend of higher vocational education in 31 provinces in China from 2013 to 2017， and their influence factors were studied with spatial economic model. The results indicated that： the efficiency of funds input for higher vocational education in China is at a medium level， and there are differences in the input efficiency of education funds between different regions and provinces; the total factor productivity of higher vocational education in each provinces nationwide presents a slow downward trend， and the negative growth of technological progress is main factor restricting its development;? the input efficiency of higher vocational education funds is with spatial spill over effect where the economic level and teachers resources can promote funds input efficiency while the urbanization level， the education ecology and the education funds play a restraining role.

Key words? higher vocational education; education funds imput; DEA model; Malmquist index method; spatial econometric model

Author? Su Hui， professor of Shihezi University （Shihezi 832003）; Bai Ling， postgraduate of Shihezi University

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。