高職院校辦學效益評價指標體系探析：基于“成本-收益”

法柳志

[摘 要] 近年來我國高職教育發(fā)展迅猛，適應了經濟社會發(fā)展對高等職業(yè)技術人才的客觀需求。但在發(fā)展過程中，教育資金投入不足和資源利用效率低下一直是制約高職教育可持續(xù)發(fā)展的瓶頸?；诖耍瑥母呗氃盒＾k學效益的理論分析入手，采用“成本-收益”法對高職院校辦學效益的評價指標體系進行了探討，旨在對高職院校合理配置辦學資源、實現可持續(xù)發(fā)展有所借鑒。

[關鍵詞] 高職院校;辦學效益;評價指標體系;“成本-收益”法

[中圖分類號] G320[文獻標識碼] A[文章編號] 1009-6043（2019）11-0194-03

近年來，我國政府對高職教育的日益重視和持續(xù)投入使其得到了迅猛發(fā)展，為經濟社會部門輸送了大量優(yōu)秀的技術應用型人才。但是，對政府而言，如何提高投向高職院校財政資金的使用效率？對企業(yè)而言，如何降低注入高職院校各類資金的財務風險？對教育消費者而言（主要指學生及其家庭），如何在眾多高職院校中做出明確合理的求學選擇？基于此，筆者認為應對高職院校的辦學效益進行科學評價，以便更好的滿足前三者客觀存在的投資消費需求，從而推動高職教育快速、健康、持續(xù)發(fā)展。

一、指標體系的設計原則

高職院校的辦學活動不同于企業(yè)的生產經營活動，但具有“投入—產出—補償—再投入”的經濟特征，即通過投入一定數量的資源，生產出一批德才兼?zhèn)涞母呒壜殬I(yè)技術人才。而高職院校辦學效益就是將高職教育視為經濟活動而出現的概念，分為微觀和宏觀兩個層次：微觀效益是指高職教育內部的投入產出比，而宏觀效益則指高職教育對整個經濟社會發(fā)展產生的貢獻大小。因為宏觀效益的范圍過于寬泛、難以量化，所以本文的研究對象主要是針對高職院校的微觀效益，即高職院校辦學過程中產生的辦學成本與辦學收益的比較。

評價高職院校辦學效益的首要問題是確定指標體系。指標體系是否科學、合理，直接關系到評價結果的精確性和可靠性，但現有文獻對此尚未建立一套普遍適用的理論依據和實踐方法。本文通過借鑒企業(yè)效益評價理論，擬構建一套評價指標體系較為全面、客觀、真實的反映高職學院辦學效益。

（一）科學性

對指標的取舍和指標體系結構的擬定需要理論依據。只有堅持科學性原則，獲取的指標信息才具有客觀性和可靠性，評價的結果才具有可信性。為此，以經濟學、管理學和教育學等相關理論的交叉內容為基礎構建指標體系，力求反映教育資源利用效益和教育活動實施效果的所有方面。

（二）動態(tài)性

在確定指標體系時，既要考慮到指標的代表性和實用性，又能根據研究時段、研究區(qū)域和研究對象的變化情況，對指標體系進行動態(tài)調整。比如，辦學社會認可度根據高職院校的辦學時間長短會存在明顯差異;生均教育儀器設備根據不同學校、不同專業(yè)會存在需求差異，因此指標的取舍應該有所側重。

（三）層次性

指標體系要根據邏輯關系構建合理的模塊和層次，形成合理的等級層次屬性，既能體現綜合效益指標和各層具體指標之間的內在聯系，又能體現同級指標的所屬類別。在此指標體系框架下，不同地域、不同類別的高職院校可以根據實際需要在相應模塊中增補具體指標。

（四）實用性

指標的設計要簡潔明確，方法的選用要簡便易行。定量指標的數據要易于獲取、真實可靠，定性指標的界定要科學合理、口徑統(tǒng)一。在指標體系的實際應用中，數據要可靠、方法要統(tǒng)一、過程要規(guī)范，使其具有更廣泛的普適性和實用性。

二、指標體系的構建內容

依據上述原則，在充分考慮可能影響高職院校辦學效益的各種因素的基礎上，構建目標層、準則層和指標層三層高職院校辦學效益評價指標體系。

三、指標體系的評價方法

（一）評價模型的建立

“成本-收益”法是指以貨幣單位為基礎對項目的投入與產出進行估算和衡量的方法。此方法尋求在投資決策上如何以最小的成本獲得最大的收益，常常用于評估需要量化社會效益的公共事業(yè)項目決策當中。據此，高職院校辦學效益的評價過程包括以下四個步驟：

①澄清相關的辦學成本（EC）和辦學收益（ER），詳見表1;

②計算辦學成本（EC）和辦學收益（ER）。其中：辦學成本以貨幣單位為基礎進行計算，辦學效益以綜合得分為基礎進行計算;

③比較辦學成本和辦學收益（EB=ER/EC）。本比值旨在反映單位貨幣成本所取得的辦學收益大小;

④評價高職院校辦學效益（EB）。EB越大，說明高職院校的辦學效益越好。

（二）指標權重的確定

指標體系的指標層選取了若干指標，每一個因素對總目標的影響都不盡相同，因此要賦予指標不同的權重以代表其重要性。本文選用AHP層次分析法，來確定高職院校辦學效益評價指標的權重。

（1）AHP及其基本流程

層次分析法，英文縮寫為AHP，全稱“Analytic Hierarchy Process”，當處于20世紀70年代的時候，美國來自匹茲堡大學的著名教授（T.L.Saaty）薩秋提出了這種方法。其方法的基礎步驟包括了一下幾點：第一點，一般的復雜的問題將會由多個因素組成，在根據隸屬的關系進行再一次的分解之后，這些因素將由指標層，目標層，準則層排列出來，構成了一個由許多層次結合而成的遞進結構;第二點，在經過了相互的比較之后，得出上述形成的每個因素的相對的重要性;第三點，根據每個因素的相對重要性，確定其層次的排列順序。就是每個因素在實現總目標的過程中所占的權重。

（2）應用AHP確定評價指標權重

①確定評價指標體系指標層的遞階層次結構

辦學效益評價指標體系的指標層內部分為三級，以“人才培養(yǎng)”為例說明，見表2。

②根據遞階層次結構構建兩兩比較判斷矩陣，并進行層次單排序和一致性檢驗

首先，將指標層的每一層因素寫成矩陣形式，并利用數值判斷其相對重要性（見表3）。在矩陣中的U是代表著Uj與Ui在相互比較之后的相對重要性，其標度一般是由1，2...，9加上其上述數字的倒數組成的（標度的意義見表4）。通過收集調研數據，對資料進行統(tǒng)計，還包括專家給出的指導意見三方面的結合與權衡之后，得到標度的判斷值。（這個步驟直接與計算最終結果的有效性與可行度有聯系，為AHP運用時期的難點與重點）。其次，通過使用和積法，得到矩陣的特征值與特征向量。比如說，現有判斷矩陣U，需滿足UW=λmaxW的關系式前提下，計算其特征值與特征向量，在化簡其結果之后，得到了特征向量W=[w1，w2，……，wn]T就是現有層次的因素U1，U2，……，Un與其上一層的因素的比所得到的權值。但是因為在受到了多種的主客觀因素的干擾，導致了很難在判斷矩陣中出現嚴格一致的結果。收益以，在得到λmax后，將會對判斷矩陣的一致性進行檢測與驗證。一致性指標的含義為CI=（λmax-n）/（n-1）（在CI=0時，判斷矩陣是擁有嚴格的一致性的;若是CI值越大，矩陣的一致性嚴格程序就越差），實現平均隨機的一致性指標R1與CI的相對比（RI的取值見表5）。若判斷矩陣CR=CI/RI<0.10時，代表著此判斷矩陣是能夠擁有一定滿意程度的一致性，否則就需要對其進行調整。

③進行一致性檢驗與一致性檢驗

在得到了相同層次下全部的層次單排列表現之后，再來計算其上述層次所歸屬的因素與其上層因素的比的權值。若是準則層現（Ui）相對于目標層（U），其層次單排列的特征向量是Wi[w1，w2，……，wn]T，準則層（Ui）在指標層（Uij）中的層單排列特征向量是Wij[w1，w2，……，wn]T，將Wij與其相所屬的Wi的乘積下，得到的層次總的排列特征向量W[w1，w2，……，wn]T，就是在目標層（U）中，指標層（Uij）所占的比重與相對應的權值。層次一致性的檢測與驗證公式如下所示：

在上述的式子當中，其wi是Ui在Uij的作用下，所對應的層次單排列的特征向量值，其中的（Rli）與（Cli）分別代表的是其所屬的平均任意的一致性指標與層次單排列的一致性指標。當CR<0.10，即代表層次的總排列的數據結果是有嚴格的，滿意程度高的一致性，不然判斷矩陣將會要求不斷地進行調整，然后重復以后的步驟，在得到層次的總排列的數據結果是有嚴格的，滿意程度高的一致性即會停止。

（三）指標數值的計算

①計算辦學成本（EC）：EC按實際發(fā)生額進行計算;

②計算辦學收益（ER）指標層的指標數值：第一層，R1=R11+R12，R2=R21+R22+R23，R3=R31+R32+R33;第二層，R11=∑ri，ri=實際值/標準值（標準值為參評項目的最高值），R12等其他同級指標的計算方法皆同;

③計算辦學收益（ER）：ER=R1*W1+R2*W2+R3*W3;

④計算辦學效益（EB）：EB=ER/EC，EB的值越大，說明高職院校的辦學效益越好。

[參考文獻]

[1]柳志.生源趨減對高職院校財務風險的影響及防范研究[J].財會學習，2019（3）

[2]金樹穎，黎曉君，胡瓊.地方高校戰(zhàn)略層辦學效益評價指標體系研究[J].東南大學學報（哲學社會科學版），2013（S2）.

[3]周曉娟.基于DEA方法的地方高校投入產出分析[J].山西財經大學學報，2011（S1）.

[4]周悅.我國高校辦學效益評價指標體系探討[J].合作經濟與科技，2013（21）.

[5]顧瓊.辦學效益的多指標優(yōu)化決策模型[J].應用數學與計算數學學報，2016，23（1）.

[6]韓海彬.AHP與DEA組合模型在高校辦學效率評價中的應用研究[J].技術與創(chuàng)新管理，2011，32（4）.

[7]Ranking efficient units in DEA. Yao Chen. The International Journal of Management Science . 2004.

[8]Bian T， Hu J， Deng Y. Identifying influential nodes in complex networks based on AHP[J]. Physica A Statistical Mechanics & Its Applications， 2012， 391（4）.

[責任編輯：潘洪志]