基于数据包络分析法的高校办学效益评价研究（毕业学术论文设计）.docVIP

PAGE 基于数据包络分析法的高校办学效益评价研究 摘要： 介绍了数据包络分析法DEA的模型，通过实例说明了DEA方法在高职院校办学效益评价方面的应用，并对计算的结果进行了分析。 关键词：教育评价，数据包络分析，决策单元 中图分类号 引言 高职教育在我国教育体系中占有重要地位，客观合理的评价高职院校的办学 效益对于促进高职院校健康发展具有重要作用。一般评价同类对象采用的方法是借助于统计数据或在建立评价体系的基础上构造效能函数，但利用统计数据或其平均值评价学校的效益有片面之处，建立恰当的效能函数比较困难而且人为因素很难避免。 数据包络分析法[1](Data Envelopment Analysis，简称DEA)解决了以上的问题。DEA模型由美国学者Charnes等于1978年创立，是运筹学、管理科学和数理经济学交叉研究的一个新领域，已经发展成为评价具有相同类型投入和产出的若干个生产或非生产部门(决策单元DMU，Dicision Making Unit)相对效率的有效方法。DEA方法自1988年引入我国，已经应用于诸如地区经济发展评价、各类工业企业效益评价等领域并取得令人满意的效果。 数学模型 设要进行评价的单位有n个，投入指标和产出指标分别为m个和s个。总可以找到一组非负权系数Ur和Vi，r=1,2,…,s，i=1,2,…,m,使每个单位的产出指标加权和与投入指标加权和的比不超过1。即有： hj==1 j=1,2,…,n 其中hj为第j个单位的投入产出比，Ur与Vi分别为对应第r项产出和第i项投入的权系数，它们是下面模型中的变量。评价第j0个单位（1j0n）的效益，需求解如下的分式规划模型：求一组最优权系数Ur和Vi使j0达到最大。即： max hj0= M1 s.t. 1 j=1,2,…,n Ur≥0，Vi≥0 r =1,2,…,s i=1,2,…,m 这就是最初的DEA模型，是一个具有线性分式约束的非凸-非线性规划问题。 对M1经过Charnes-Cooper变换，可以得到与M等价的线性规划模型及其对偶问题M2，M2是常用的DEA实用模型(C2R模型)。对第j0个单位有下面的模型： minθ s.t. i=1,2,…,m M2 j=1,2,…,S M2 j=1,2,…,n 0 j=1,2,…,n， i=1,2,…,S， r=1,2,…,m 如果上述线性规划的最优解=1，，i=1,2,…,m，,r=1,2,…,s,称第个单位是DEA有效的。表明该单位在目前生产规模、管理和操作水平下，效益发挥的好（高效益），而那些效益小于1的单位（效益不高），往往存在这某些投入过大或产出不足的情况。这样一方面可以了解影响该单位效益的主要原因，另一方面可知道为使该单位转变为有效单位而在投入和产出方面改进的目标和差距。 实例分析 DEA方法的使用，一般包括以下步骤： = 1 \* GB2 ⑴确定评价目的 为了正确的把DEA方法应用到高职教育评价中，得到科学的评价结论和有用 的决策信息，必须认真分析评价的具体目的，这是建立输入输出指标体系和选择DEA模型的主要依据。高职教育的评价就是要评价高职院校的“相对有效性”，从而提高高职院校的办学质量。 = 2 \* GB2 ⑵选择决策单元 选择DMU即确定参考集，从技术和经验上，DEA对DMU个数要求：一是参考集具有“同类型”特征，二是通常认为参考集元素的个数不少于输入输出指标的二倍为宜。为了更好的研究各DMU的相对有效性，还可考虑原有样本中加入一些“理想”的DMU，这些理想的DMU可以是一些“样板”院校或示范院校，这样可以克服DEA相对原有样本的“表面”有效现象。 = 3 \* GB2 ⑶建立输入输出指标体系 选择输入输出指标体系[2]的首要原则是反映高职教育的评价目的和评价内容；其次，从技术上应避免输入（输出）集内部指标间的强线性关系；同时考虑指标的多样性和指标的可获得性。 = 4 \* GB2 ⑷选择DEA模型 DEA模型有多种模式，在本文的实证研究中主要选择了评价规模及技术有效的C2R模型。应用中可根据问题的实际背景和评价目的选择合适的DEA模型，还可应用不同的模型从不同角度进行评价，得到较为综合的结论。 = 5 \* GB2 ⑸进行DEA评价分析 进行DEA评价分析，包括数据的收集整理，模型求解及进行DEA试探性分析，根据所得结论的科学性和合理性决定是否调整输入输出指标体系。由于高职教育评价体系庞大，在应用DEA分析时会有一定的难度，这就需要对指标进行适当的综合，综合之前需要对数据进行标准化处理。综合的方法可以采用主分量分析方法进行降维或使用多指标合成方法。 = 6 \* GB2 ⑹分析评价