长期以来，我国高等教育资源利用效率问题比较突出，主要表现为我国高等教育发展过于侧重教育资源的投入，而对教育产出效率关注不够。因此，从投入产出的整体角度来研究高等教育的投入产出效益，成为解决我国高等教育现有问题的重要方法之一。

 

解决方案：数据智能分析

“教育的投入-产出效率”参考了经济学中效率的概念，从经济学的角度出发，把教育活动视作一般性的生产经营活动，将教育投资作为一种生产性投资，该投资过程中投入与产出的比例，则等同于效率的成本效益。

教育投入产出的分析和评价实质是教育投入产出效率的分析。在一定量的教育投入水平下，产出数量越多、质量越高的成果，效率就越高；在产出一定数量和质量的成果下，所消耗的教育投入越少，则教育投入效率也越高。

 

目前，国内外学者对高校教育投入-产出效率的研究主要包括：影响高校教育效率的因子有哪些、如何提升高校教育效率、如何优化教育资源配置等等，已经产生了很多衡量效率的模型和方法，其中数据包络分析法运用的最多。

数据包络分析（data envelopment analysis，简称DEA）是根据多项投入指标和多项产出指标，利用线性规划的方法，对具有可比性的同类型单位进行相对有效性评价的一种数量分析方法，多应用于小样本之间。

近些年，DEA方法在教育领域不断发展，国内诸多学者基于传统DEA模型对教育相关效率的结果进行测度，取得了巨大突破。使用DEA模型对投入-产出效率进行测度的一般步骤为：

 

可以看出，在进行DEA测度分析之前，要先确定好输入指标与输出指标。指标选取后，基于DEA评价中的静态CCR模型得出综合效率，BCC模型得出纯技术效率和规模效率，其中，综合效率=规模效率×纯技术效率。

在教育领域，综合效率是对决策单元整体的教育资源配置能力、资源利用效率等多方面的综合衡量与评价；纯技术效率是指教育制度、教育管理水平等因素带来的效率变化；规模效率指实际办学规模与最优办学规模的差距。

 

实证分析

新锦成研究院紧跟研究前沿，自主研发的平台“锦成®智评舱”中就包括“投入-产出效率评价模型”，该模型主要针对各个高校设计，以高校所开设专业（群）为决策评估单元（即效率评价的对象），建立合理的投入-产出评价指标体系，综合评估各专业（群）投入-产出的效率，促进高校优化教育资源配置。

例如，新锦成在与西北地区某“双高”院校的合作中，选取专任教师人数、实训设备总值、合作办学企业数和实训场地面积作为投入指标，选取毕业生规模、就业率、年订单培养人数和向合作企业输送人数作为产出指标，经过模型测算得出所开设专业的综合效率、纯技术效率和规模效率，具体结果如下：

（本文仅选取部分专业进行分析说明）

 

通过锦成®智评舱分析该校各专业建设的整体资源配置情况，我们可以利用综合效率值得出以下结论：

该校计算机应用技术、通信技术、物业管理、会计和市场营销5个专业的投入产出效率达到DEA有效，资源配置合理；

计算机网络技术、软件技术、电子商务、物流管理、视觉传播技术与制作、园艺技术和中药制药技术7个专业的总体投入产出效率较低。

 

此外，针对总体投入产出效率较低的专业，高校也可利用纯技术效率值和规模效率值，从效率分解方面分析原因：

计算机网络技术、软件技术和电子商务3个专业的规模效率约等于1、纯技术效率小于1，说明这三个专业的投入产出规模大，但转化效率不够导致总体转化率偏低。

物流管理和视觉传播设计与制作两个专业的纯技术效率约等于1、规模效率小于1，说明这两个专业的投入产出效能较好，但规模效率偏低，即投入产出总量偏低导致未达到最优规模效益。

园艺技术和中药制药技术两个专业的规模效率和纯技术效率均小于1，说明这两个专业的投入产出总量不够，转化的效率也偏低。

 

针对效率评价为“非最优”的专业，DEA数据分析结果会分别给出投入的冗余量、产出的不足量：

 

 

计算结果显示，该校主要投入冗余在实训设备总值与实训场地面积两方面，说明专业建设中需要提高实训设备与实训场地的使用效率。

而产出不足主要表现在毕业生规模、就业率和向合作企业输入人数方面，说明该校的就业质量有待改进。

针对此问题，高校可采用新锦成研究院在《就业难、招聘难，如何补救高校培养与社会需求脱节现象？》一文中提出的“招生—培养—就业”联动机制，以招生促培养、以培养促就业、以就业促招生，实现高校的可持续协调发展。

 

“我校整体资源配置情况如何？”“投入产出总量是否偏低？”“转化效率是否偏低？”“该如何选择优化路径？”......

针对这些问题，高校可以通过使用锦成®智评舱对开设专业（群）投入产出效率开展分析，找到各专业（群）投入产出效率的差异性。在此基础上，高校还可针对实际情况，具体分析各专业（群）的效益特征，找到优化路径，逐步实现DEA有效，最终达到高投入、高产出的最优规模。