高等学校绩效评价报告 高等教育研究中心1
简介：本报告为全国教育科学规划国家重点课题“高校绩效评价研究”（批准号：AIA090007）的研究成果。本课题由中央教育科学研究所高等教育研究中心承担，研究报告于2009年12月9日在《中国教育报》第1版上发表。
高校评价是保证高校办学质量、提高高校办学效益的重要手段，对促进高校发展具有重要意义。目前的评价与排行大都是依据高校既有存量进行的绝对评价，此类评价在提高高等教育质量方面发挥了重要作用，但也应看到绝对评价的缺陷非常明显，它不关注高校发展的条件和发展效益。开展绩效评价是对绝对评价的有益补充。我们针对72所教育部直属高校进行了绩效评价尝试。
一、高校绩效评价可以弥补绝对评价的不足 随着我国高等教育进入大众化阶段，各种民间机构组织实施的高校评价及排行日益增多。这些评价对促进高校发展发挥了积极作用，但也存在着明显的不足。一是偏向以绝对量为评价标准，二是偏向对绝对量进行累加。由于存在上述偏向，其结果很容易导致一些负面影响。 第一，形成评价的“马太效应”。产出绝对量增加慢，绝对评价越低，获得资源的条件越弱；获得资源的条件越弱，产出绝对量增加越慢，绝对评价越低。这不仅不能充分体现高校办学资源的“边际效应”，而且还会损害高校的办学积极性。 第二，加重资源的“自然获得”。长期以来，在我国高校财政资源配置上受建校历史、认定性重点、地区发展需要以及现有发展实力等自然性因素影响很大，高校的资源获得并未进入完全竞争状态。绝对评价支持并加重了资源自然获得的惯性，绝对评价低的学校很难获得国家资源的有利配置，将陷入更为艰难的办学境地。 第三，强化高校的“利益聚集”。学者维斯曾指出，在评估那些得到公共力量支持的实体时，会盘根错节地牵扯到政策的形成过程以及相关的利益群体。事实正是如此，作为高等教育的主要承担者，我国公立高校以及一些重点高校也得到了公共权力的绝对支持，并进而借助相关利益群体及其所附着的政治力量来影响决策并获得政策倾斜。绝对评价强化了高校的“利益聚集”，绝对评价高的学校更容易聚集和壮大利益群体，并借此获得更多的政策支持和社会资源。
1课题主持人：张男星；核心成员：卢彩晨、吕华、张小萍、孙继红、王春春。 二、高校绩效评价可以满足政府和高校新需要 绝对评价自身的不足使其较难满足现实中以下两个方面的新需要，但高校绩效评价则可以从中发挥优势。 一是满足政府实施高校绩效拨款的需要。政府有限的但仍然在逐年增加的财政拨款究竟发挥了多大作用？如何促使国拨资源配置向发展效益好的学校倾斜？如何为政府实施绩效拨款提供依据？高校绩效评价能够为政府解决这些问题提供有益的信息和数据支撑。 二是满足高校了解办学资源利用情况的需要。高校或出于缺乏对资金支出绩效的认识，或出于追求近期发展效果的目的，在办学过程存在忽视资源利用效益的现象。如有的高校资金到账以后缺乏控制，突击花钱；有的改变资金使用方向，资金结构性浪费；专项拨款获得学校则凭借既定获得身份更加关注怎样“多获得”而无暇顾及资金的使用效益，等等。高校的资金使用效益状况必然波及人力、物力配置的有效程度，从而影响高校的发展。绩效评价可以反映高校的资源利用情况，为高校调整与配置办学资源提供参考。
三、高校绩效评价的基本思想与思路 （一）基本思想 高校绩效评价是运用一定的评价方法和标准，对高校利用办学资源实现其职能的效益进行综合性评价。本研究的高校绩效评价是基于投入—产出理论的绩效评价，其基本思想是将投入向量与产出向量组成二维结构，依据“产出/投入”的数学模型构建体现高校绩效的“投入—产出关系值”来评价高校的绩效，即从高校资源利用效益方面评价高校的绩效。
（二）基本思路 依据文献和专家讨论筛选出最初的投入和产出指标，通过典型相关方法、聚类分析方法再次筛选并确立指标，选取主成分分析法获得投入综合指标得分和产出综合指标得分，运用“高校绩效得分=产出综合指标得分/投入综合指标得分”（产出/投入）数学模型测算出高校的绩效值。 1评价方法的选择 选择绩效评价方法有两个准则：第一，评价方法能综合体现投入与产出在数量、质量、功效、价值等方面的统一关系；第二，评价方法有助于将多产出、多投入比的问题，转化为单产出（函数）和单投入（函数）比，进而得到高校绩效值。为此，本研究选择的评价方法有典型相关方法、聚类分析方法、主成分分析法，以便于设计和筛选投入、产出指标，将其降维后计算投入综合指标得分和产出综合指标得分，再运用“产出/投入”数学模型计算出高校的绩效分值。 2评价指标的确定 （1）初设指标 投入指标确立的依据是能重点反映高校办学在人力、物力、财力三方面的投入，产出指标的确立依据是能重点反映高校在人才培养、科学研究与社会服务三方面的职能。为此，结合相关文献研究成果，经过专家讨论设立的最初投入指标14项和产出指标16项。其 中，当量在校生数=普通本、专（高职）生数+硕士生数×1.5+博士生数×2+留学生数×3+预科生数+进修生数+成人脱产班学生数+夜大（业余）×0.3+函授生×0.1。当量学历在校留学
生数=本、专留学生数+硕士留学生数×1.5+博士留学生数×2。 初设的投入指标（14个） 初设的产出指标（16个）
校本部教职工总数（num） 当量在校生数（stu） 博士学历教师占专任教师比例（doc_per） 当量学历在校留学生数（for_stu） 副高以上比例（fg_per） 百篇优秀博士学位论文数（hundreds_doc） 研究与发展全时人年数（r_d） 国内学术刊物发表论文数(homepaper) 社科/科技活动人员数（s_r） 国外学术刊物发表论文数(forpaper) 科研经费投入（r_input） 国际学术会议提交论文数(inter_con) 教育经费投入（edu_input） 出版专著数（book） 其他经费拨款投入（other_input） 国家最高科学技术奖特等奖数（m_prize） 本年完成基建投资总额（bnwctz） 国家三大科技奖一等奖数（f_prize） 固定资产总额（cap_assert） 国家三大科技奖二等奖数（s_prize） 实验室（实习场所）面积（lab） 省部级科学研究与发展成果奖数(pp_prize) 图书册数（lib_book） 发明专利授权数（right） 图书馆面积（lib_area） 鉴定成果数（iden_res） 教室面积（cla_room） 国家级项目验收数(country_pro) 技术转让当年实际收入金额(tech_income) 专利出售当年实际收入金额(right_income)
（2）筛选与确定指标 第一轮筛选：典型相关分析 典型相关是研究两组变量之间相关性的一种统计学分析方法。在统计分析中，针对单一变量间的相关关系可以计算简单相关系数，针对单一变量与一组变量之间的关系可以计算复相关系数或者回归，但是计算两组变量之间的相关系数要计算典型相关系数。 典型相关方法可以将多变量与多变量的相关转变为两组典型变量间的相关，典型相关分析建立的第一对典型变量的原则，是尽量使所建立的两个典型变量之间的相关系数最大化，即在两个变量组各自的总变化中寻找它们之间最大的一部分共变关系，并用一对典型变量所描述。然后，继续在两组变量剩余的变化中寻找第二个最大的共变部分，形成第二对典型变量，并解出第二维度上的典型相关。这样的过程不断继续，直至所有变化部分被提取完毕。 第二轮筛选：聚类分析 聚类分析是多元统计分析中的一种定量分类方法，旨在把“性质相近”或“相似”的变量（R型聚类针对变量）聚在一起，使每一类变量之间具有较大的相似性，更具代表性和简明性，既能保留指标信息，又能避免指标信息的重复。在进入指标的聚类分析前，先将 投入指标和产出指标进行标准化处理（Z分数转换），目的是消除各指标的量纲影响，使指标之间具有可比性。 聚类分析的过程：①基于R型聚类，分别对投入指标和产出指标进行聚类；②基于产出指标组和投入指标组的阕值，分别确定产出指标组以及投入指标组划分的类别，每一类通过计算相关系数、变异系数等方法进行分析，确定筛掉的指标；③基于筛选前指标对样本进行聚类，并基于筛选后指标对样本进行分类，比较前后分类结果，如果结果较为稳定，则说明所挑选指标在最具代表性的同时，保留了原有指标信息的最大化。
四、高校绩效评价的尝试 为了使高校绩效评价思想和方法不停留于描述层次，本研究对72所高校2006—2008三年的投入与产出进行了绩效评价的初步尝试，数据来源为2006年、2007年、2008年三年的《教育部直属高校基本情况统计资料汇编》。
（一）筛选评价指标 1第一轮基于典型相关分析的指标筛选：相关性角度 在最初确定的投入指标组（14个指标）和产出指标组（16个指标）之间，采用STATA统计软件的canon命令进行处理，得出如下结果。 （1）典型相关系数及其检验
表1典型相关系数 序号 典型相关系数 Pr>P 1 0.9719 0.0000** 2 0.8980 0.0000** 3 0.8416 0.0000** 4 0.6142 0.0000** 5 0.5322 0.0000** 6 0.4181 0.0004** 7 0.3728 0.0070** 8 0.3515 0.0364* 9 0.304 0.1474
由表1可知，经过χ2统计量检验，以0.05为显著性水平，前八对典型变量间的相关系数较高，因此，我们基于前八对典型变量作进一步的投入与产出变量筛选。 （2）投入与产出变量的选择 分别计算每一个投入变量和每一个产出变量与前八组典型变量之间的典型负荷，在P<0.05的显著性水平，除鉴定成果（iden_res）这项指标外，其余的投入（产出）指标间都与某项典型投入（产出）变量之间存在显著的相关关系，这说明所选择的产出指标组和投入指标组之间存在不同程度的相关关系。因此，经过投入—产出指标组相关性的筛选后，有15项产出指标和14项投入指标进入下一轮的筛选。 2第二轮基于聚类分析的指标筛选：代表性的角度