[管理学]西部地区重点建设高校规模收益的实证分析西安电子科技大学.doc

西部地区重点建设高校规模收益的实证分析 周伟，李全生 （天津大学 管理学院，天津 300072） 摘 要：了解重点建设高校规模收益状况能够为决策者如何在不同层次高校之间配置有限的教育资源提供有价值的信息。运用DEA方法对西部地区“211工程”高校的规模收益进行了详细地实证分析。结果发现，西部这些高校尽管在西部大开发中获得了长足的发展，人才培养规模也比较适中，但科研水平整体较弱且差距较大。为此建议，在未来的倾斜政策中要适当增加非重点建设高校的投入，要继续坚持并完善对口支援制度，要提高重点建设高校的科研能力。 关键词：DEA方法；规模收益；投影分析；对口支援 作者简介：周伟（1970-），男，安徽桐城人，天津大学博士生，安徽财经大学副教授，研究方向：管理科学与工程、教育经济与管理。 李全生（1946-），男，河北容城人，教授，博士生导师，研究方向：管理科学与工程，教育经济与管理。 西部大开发中，西部的那些高等学校承担着为其提供智力支持和人才储备的重要使命。同时，它们也因此而获得了巨大的投入，显然，那些列入“211工程”、“985工程”重点建设的高校比其他高校得到的要多得多。从效率的角度看，那些得到更多投入的高校是否就一定有更高的产出呢？在投入依然十分有限的条件下，如何平衡好重点建设高校和非重点建设高校的资源配置呢？对于正在开发的经济发展水平还不高的西部地区来说，探讨这一问题具有重要的现实意义。研究这些得到更多投入高校的规模收益是思考这一问题的有效途径，因为不同的规模收益状况意味着需要采取不同的投资战略。 一、研究方法的选择 高等学校是典型的多投入、多产出的系统。数据包络分析方法(Data Envelopment Analysis, 简称DEA)是测度这种多投入、多产出系统规模收益的理想方法之一。它的基本思想是，通过一定的线性规划模型对输入输出的数据进行综合分析，得到各被考察对象的综合效率、技术效率、规模效率等，从而给决策者提供管理信息[1]。它是一种非参数的效率测度方法，具有很多突出的优点：不需要设定关于投入和产出之间关系的明确的函数形式，避免了模型的假设问题；不需要事先确定各投入、产出指标的权重，而是把这些权重作为变量进行分析，解决了权重主观认定的问题等[2]。因此，本文采用该方法分析这一问题。 （一）数据包络分析方法的基本模型 DEA方法的第一个模型是由美国著名的运筹学家A.Charns、W.W.Cooper和E.Rhodes等于1978年首创的C2R模型，衡量的是被考察对象的综合效率，即规模技术效率。随后，衡量被考察对象技术效率的BC2模型、体现决策者偏好的锥比率C2WH模型等先后问世[3]。本文目的是考察西部地区高等教育的规模收益问题，因此所选用的模型主要是C2R模型。 DEA方法将被考察对象称为决策单元（DMU）。C2R模型假定有n个决策单元：DMU1，DMU2，…DMUn。每个DMU都有m种类型的输入和s种类型的输出。设xij为DMUj对第i种输入的投入量，yrj为DMUj对第r种输出的产出量，vi为第i种输入的权，ur为第r种输出的权。其中，1≤j≤n,1≤i≤m,1≤r≤s。于是，根据效率的一般定义，对DMUj0的评价就可表达为如下的模型： （P） 其含义是：在满足的条件下，目标函数最大。其中，v=(v1,…,vm)T和u=(u1, …,us)T分别表示m种输入和s种输出的权系数。通过Charns-Cooper变换可将该分式规划转换为线性规划。通常都利用该线性规划的对偶规划求解，对偶规划模型为： （D） 设该对偶规划（D）的最优解为λ0、S-0、S+0、θ0，对义1）若θ0=1，则DMUj0DEA有效，表明该决策单元不是同时技术有效和规模有效，某些方面的投入有冗余，某些方面的产出有不足。（2）若θ0=1，且S-0=0、S+0=0，则DMUj0DEA有效，表明相对于其它被考察单元，该决策单元已位于其有效生产前沿面上，既没有投入冗余也没有产出不足，此时，该决策单元当前的资源配置效率是最高的。（3）若θ01，则DMUj0DEA有效，表明该决策单元既没有达到技术有效也没有达到规模有效，θ0越小其资源的利用效率越低。其中，S-0、S+0为相应约束条件的松弛变量和剩余变量，分别表示输入冗余、输出不足。 （二）C2R模型的经济意义 对偶规划（D）的最优解为λ0、S-0、S+0、θ0能够向决策者传递重要的决策信息，具有非常明确的经济意义。第一，可以对被考察单元进行规模收益分析：当=1时，DMUj0为规模收益不变，此时，被考察单元宜采取稳定发展的战略；当1时，DMUj0为规模收益递增，意味着还可以扩大投入规模；当1时，DMUj0为规模收益递减，意味着需要减少投入，将多余的资源转移到别的领域。第二，通过最优解可以对非DEA有