教育部直属高校绩效评价研究-基于产出滞后效应的分析

1、    教育部直属高校绩效评价研究基于产出滞后效应的分析    表5中的绩效指数很好地诠释了部属高校的资源利用效率，根据5类部属高校绩效评价的结果可以发现，各类高校的绩效变化趋势不尽相同，主要表现出以下几个特点：(1)研究1型高校的绩效指数普遍呈u型发展，并且集中在2007-2009年中的某一年达到业绩的最低谷；(2)研究2型和教研型高校的绩效指数变化情况相似，分别呈现出持续上升、先下降后上升的u型变化、起伏不定和先上升后下降的倒u型变化四种趋势，其中表现为起伏不定和倒u型变化的高校数量普遍较多，2008-2010年约有53%的研究2型高校和77%的教研

2、型高校的绩效指数呈现下降或波动趋势，只有47%的研究2型高校和23%的教研型高校的绩效指数呈现上升趋势。(3)研教1型高校在2008-2010年的绩效指数主要表现为两种趋势，即持续上升和起伏不定，并且呈现这两种趋势的高校数量各占50%，这表明有半数的研教1型高校的资源利用效率仍需进一步提高；(4)研教2型高校的绩效指数主要呈现u型、起伏不定和倒u型三种趋势，其中以呈现倒u型和起伏不定的高校数量居多，达到了该类高校总数的87%，这表明绝大多数研教2型高校的绩效表现不佳，其资源利用效率不稳定或相对较低。下表6是具有可比性的65所部属高校的绩效指数的变化情况。表6 2004-2010年5类部属高校的

3、绩效指数变化趋势绩效指数变化趋势部属高校数量合计百分比(%)研究1型研究2型研教1型研教2型教研型倒u型6441422起伏不定145962538持续上升5511117u型74221523合计81910151365100从表6可以看出，尽管分别有17%和23%的高校出现绩效指数持续上升和u型变化的趋势，但是还应看到，仍有38%的高校呈现出绩效指数起伏不定的情况，甚至有22%的部属高校的绩效指数出现下滑的趋势，这表明大多数部属高校的资源利用效率较低，需要深入挖掘潜力，积极采取措施来提高人力、物力和财力资源的利用效果。这些高校资源利用效率低的可能原因主要有以下两点：第一，当前财政教育支出项目绩效评价

4、周期比较短且无法反映项目的全面绩效、评价指标和标准缺乏可比性、评价方法单一，并且缺乏数据库支持等严重影响了绩效评价结果的客观性，导致评价结果难以得到财政部门和高校的一致认可，从而大大限制了绩效评价结果的应用范围，财政部门无法将其作为影响高校下一期拨款的参考依据；第二，财政教育支出绩效评价结果与高校的经费拨款关系不紧密，从而导致财政教育支出绩效评价无法对高校形成实质性约束，学校普遍缺乏自觉提高经费使用效率的积极性。五、结论本文以部属高校2002-2010年基本统计数据为研究样本，借鉴中国大学评价课题组对部属高校类型的划分，并以高校类型作为决策属性，根据粗糙集属性约简原理从31项初选指标中筛选出2

5、1项关键绩效指标；根据rs_ig_pca综合权重计算方法，分别得出5类部属高校各项绩效指标的综合权重。然后，采用系统gmm估计法，通过面板自回归分布滞后模型研究得出部属高校的平均产出滞后期为2年，并且在投入产出周期内，部属高校的产出成果呈现先递增、后衰减的倒u型变化趋势。在此基础上，应用“产出/投入”模型，基于产出滞后效应对各类部属高校进行了绩效评价，研究发现：(1)除了少数高校在个别年份出现综合产出指数的异常波动以外，其余绝大多数高校的该项指数都呈现逐年稳步递增的趋势，这表明近年来各高校积极改善办学条件、加强师资队伍建设、深化教学改革和参与竞争性基金申请等措施较好地促进了学校教学、科研等水平

6、的提高；(2)尽管分别有17%和23%的高校出现绩效指数持续上升和先下降后上升的u型变化趋势，但仍有38%和22%的高校分别出现绩效指数起伏不定和下滑的现象，这表明高校需要深入挖掘潜力，采取措施来提高人力、物力和财力资源的利用效果，政府部门也可以考虑将一部分教育经费实施绩效拨款，激励高校自觉地提高经费的使用效率。注释：本文将研究数据时间跨度界定在2002-2010年是出于数据统计口径一致性的需要。2004-2010年，个别部属高校的隶属关系发生了变化，这导致2011年以后中国大学评价课题组公布的高校类型的统计口径发生变化。比如：中国矿业大学在徐州和北京两地办学，2009年起2个校区的隶属关系发

7、生了变化，2004-2010年中国大学评价课题组公布的高校类型依据2个校区的合并数据，而2011年以后公布的结果则将该校按两所大学分别统计，类似的情况还有中国地质大学和中国石油大学。1997年以来，以武书连为代表的中国大学评价课题组每年公布在人才培养与科学研究方面排名前100的中国高校名单，该名单已成为许多家长和学生高考择校的依据。另外，部属高校云集了我国绝大多数一流高校和国家重点建设高校，这些学校的名单与中国大学评价课题组从1997-2012年发表的中国大学100强名单基本重叠。因此，本文对部属高校的分类参考了中国大学评价对高校类型的划分。参考文献：1mcmillan, m. l., dat

8、ta, d. the relative efficiencies of canadian universities: a dea perspectivej. canadian public policy, 1998, 24(4): 485-511.2abbott, m., doucouliagosa, c. the efficiency of australian universities: a data envelopment analysisj. economics of education review, 2003 (22): 89-97.3agasisti, t., bianco, a

9、. d. data envelopment analysis to the italian university system: theoretical issues and policy implicationsj. international journal of business performance management, 2006, 8(4): 344-367.4johnes, j. efficiency and productivity change in the english higher education sector from 1996/97 to 2004/5j. t

10、he manchester school, 2008, 76(6): 653-674.5agasisti, t. performances and spending efficiency in higher education: a european comparison through non-parametric approachesj. education economics, 2011, 19(2): 199-224.6张男星，王春春，姜朝晖.高校绩效评价：实践探索的理论思考j.教育研究，2015，(6)：19-28.7蔡敏.绩效评价：美国提升高等教育质量的重要举措j.教育研究，200

11、8，(3)：107-111.8王春春，张男星.美国公立高校绩效评价体系内容与特点分析以田纳西州为例j.比较教育研究，2012，(1)：23-27.9“北京市财政局高等教育支出绩效评价”课题组.北京市高等教育支出绩效评价研究j.财政研究，2005，(12)：42-46.10刘国永.高等教育财政支出绩效评价指标设计原理、方法及运用j.教育与经济，2007，(3)：30-35.11中央教育科学研究所高等教育研究中心.中国高等学校绩效评价报告r.北京：中央教育科学研究所高等教育研究中心，2009.12陈俊生，彭宇飞，张燕.高等学校教育支出绩效评价的实证研究以江苏省地方综合性大学为例j.教育与经济，20

12、10，(4)：44-48.13袁振国，张男星，孙继红.2012年高校绩效评价研究报告j.教育研究，2013，(10)：55-64.14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)：90-94.15武书连，吕嘉，郭石林.2010中国大学评价j.科学学与科学技术管理，2010，(4)：5-13.16mcnab, r. m., melese, f. implementing the gpra: examining the prospects for performance budgeting in the federa

13、l governmentj. public budgeting & finance, 2003, 23(2): 73-95.17willoughby，k. g., melkers，j. e. implementing pbb: conflicting views of successj. public budgeting & finance, 2000, 20(1): 105-120.18bond, s. r. dynamic panel data models: a guide to micro data methods and practicej. portuguese e

14、conomic journal, 2002, 1(2): 141-162.19davies, a., quinlivan, g. a panel data analysis of the impact of trade on human developmentj. the journal of socio-economics, 2006, 35(5): 868-876.20arellano, m., bover, o. another look at the instrumental variable estimation of error-components modelsj. journal of econometrics, 1995, 68(1): 29-51.21blundell, r., bond, s. initial conditions and moment restrictions in dynamic panel data modelsj. journal of econometric