我国研究生教育的效率分析.docVIP

　　我国研究生教育的效率分析 　　研究生教育是我国高等教育的重要组成部分，它对于提升我国的科技竞争力，提高大学的教学和科研水平至关重要。然而，我国研究生教育在迅猛发展的同时，却存在若干诸如体制和机制、培养制度与模式、办学条件和环境、国际竞争力等问题。其中，研究生教育经费相对数量仍然不足，教育资源投资的“马太效应”日益明显。重点支持部分学校和部分学科的作法，固然是在资源有限条件下合理、正确的选择但对于形成良好的学术生态环境来讲，这种作法并不是很有益。更重要的是，没有足够的决策依据，比如谁的效率高等，来支持“重点支持”的政策。本文试图对我国研究生教育的效率进行实证研究。研究的基本观点是:研究生教育如果是有效率的，则表明资源的利用是充分的，可以继续投入资源或筹集资源;如果不是有效的，则表明资源的利用并不充分，有必要提高资源的利用率。 　　一、文献综述 　　国内有关大学效率评价定量分析的文献很少见，仅有武书连等人用大学排行榜上大学得分除以大学教师数和科研员工数得到的效率值。由于大学排行榜的得分是一个综合数据，含有投入、产出和大学基本条件或环境等信息，实质上没有所谓效率的意义，只有人均排行榜之意。 　　国外对大学效率的评价，近10年来颇有进展。由于国外大学的教育规模发展迅速，招生规模不断扩大，资源配置已从强调公平向义务和效率转化。12Clelli131gt;Avkiran14、Abbott和Doucouliagos151等人对澳大利亚大学，Ahn、Charnes和Coppeij6、Robst171、Salemo181等人对美国大学，Athanassopouios和Shale19、Stevens110、Izadi、Johns、Oskro-chi和Crouchley1111等人对英国大学，McMillan和Data1121对加拿大大学，JongbloedEtAl1131gt;Jongb-loed和Koelman1141、Vink115等对荷兰等大学的效率问题进行了研究。他们的研究分别以学校单元、学术单元和非学术单元进行，有的研究整体效率，有的研究学术产出效率，有的研究管理效率。他们使用的方法是数据包络分析（DataEnvelopmentAnalysis，DEA)和随机前沿面（StochasticFrontier,SF)，其中2/3的研究采用的是DEA方法。 　　研究高等教育的效率和生产力最重要的问题是如何界定其产出和投入。国外学者将学校或其研究单元作为一个黑箱，而由黑箱的投入与产出计算效率。对于高等教育机构的多种产出，一般引用EstelleJames#39;16所说的“学术产品”。学术产品可以简单地划分为研究与教育两项产出。 　　研究教育产出的问题是如何用“最好”的方法来量化(quantify)。比如，同样数目的学生数，有人会说谁的学生更杰出一些或更差一些，因而不能认为是同等的。如果不论谁更杰出，那么，学生人数越多越好，这显然也是不妥的。为此，通常的思路是给他们加权#39;,但是，要取得令人满意的权重，谈何容易。 　　对于研究产出，有学者用发表论文的数量来计算，也有学者以研究支出(受资助金额)作为产出（实际上也是研究收入，至少与研究支出高度相关)。当然，关于研究支出，有学者认为其可以被认为是投入或产出。比如，MelvilleL.Mcmillan和DebasishDatta#39;18就指出美国州政府资助的研究基金是投入，而企业和联邦政府资助的科研基金是产出。与此同时，支出没有质量信息。相反，有人说并非所有研究成果都是以文章形式发表的，比如，专利、许可等。为此，Cohn#39;19也提出用加权的方法。当然，这同样要用先验的判断，并且要求足够客观以让人们接受，但是，这是不易做到的。 　　投入的测量也是如此困难。比如，学术人员数或全体教职员工数同样也不存在质量信息。比如，北大、清华的教师通常被认为是更有水平的，所以，有文章提出可以用员工工薪水平来测度员工水平。然而，这又会增加有关地区差别的考虑，从而使研究更加复杂。 　　事实上，一个学校，其教育产出多、研究产出少或相反，只能表明它的价值取向如此。从综合效率来看，只能说明其效率是否相对有效，而不能说谁更胜一筹。使用加权(这些权对所有学校是平等的）的方法是将不同决策单元的产出或投入“扯平”，从而又归为单一投入与单一产出的问题，它并没有突破单一投入与单一产出的评价方法。 　　事实上，在多产出、多投入的情形下，没有一种统一的权重可以让所有被评估者信服，因为它无法反映各自的价值取向。而数据包络分析方法(DEA)是适合于综合效率评估的方法，其权重取法是最有利于被评估者的。 　　二、模型DEA 　　数据包络分析方法（DEA)的优点是不要求有先验的生产函数，对投入和产出也不要求有统一的量纲，困此，该方法具有相当的