高校二级学院支出绩效评价研究

【摘要】如何提高资金使用效益、推动高等教育高质量发展，是相关管理部门和学者关注的焦点。文章基于数据包络分析（DEA）方法对X大学二级学院支出绩效进行研究，将学院以文理分类，使用BCC模型对支出绩效分年度进行静态评价，基于Malmquist指数对支出绩效进行年度间动态评价，客观评价了X大学21个二级学院2019—2022年经费支出绩效的年度情况和变动趋势。根据支出绩效评价的结果，结合X大学管理服务改革需求，提出了加强绩效评价结果运用和落实的相关建议。研究丰富了我国高校二级学院支出绩效评价理论，对高校构建和完善绩效评价体系提供了有益借鉴。【关键词】高校；二级学院；绩效评价；数据包络分析（DEA）一、绪论高校作为高等教育的实施者，在人才培养、基础研究、科技攻关、成果转化等方面肩负着重要使命，面临着严峻的外部挑战，同时，经费使用和资源配置内部需求不断凸显，科技、人才、资源的竞争亦空前激烈。高校资金来源主要依赖财政补助收入和事业收入，但受制于财政拨款分配的因素，单靠这两项已无法满足高校高质量发展需求。尤其在现阶段，贯彻“习惯过紧日子”严控一般性支出，“坚持勤俭办一切事业”实施全面节约战略，推进资金节约集约利用已成为常态化管理要求。二级学院作为高校教学科研、人才培养最直接的实施单元，具体实施高校各项业务活动。高校通过完善二级学院支出绩效评价，破解资源配置约束难题，提高资金使用效率，是高校面对外部环境挑战和内部管理需求，推动资金管理体制机制改革的必然选择。本文运用数据包络分析（DataEnvelopmentAnalysis，DEA）法对X大学二级学院支出绩效进行动态和静态评价，旨在构建高校二级学院支出绩效评价体系，丰富高校二级学院绩效评价方法，提高高校绩效评价管理水平，优化资源配置机制，提高资金使用效益。二、文献综述（一）国外研究20世纪70年代开始，得益于公共财政改革及新公共管理运动的发展，高校作为公共支出的主要领域之一，成为绩效评价的重点对象。到20世纪90年代，发达国家逐渐建立系统的高校绩效评价体系。Mihalcioiu[1]研究发现德国、英国、澳大利亚和荷兰的高校实现绩效目标的方法和效果有一定差异。绩效评价逐渐从单纯的财务审计转向多维度的综合评价，包括教学质量、科研产出和社会服务等方面，并且注重长期绩效的跟踪和反馈，评价结果广泛应用于政策决策。Sav[2]分析了美国公立高等教育财政改革中，逐步用基于绩效的资金分配模式取代传统的基于招生模式的影响。关于高校支出绩效评价的研究十分广泛，涵盖了绩效评价指标的设计、评价方法的创新等，如数据包络分析（DEA）[2-3]和平衡计分卡（BSC）等[4]。（二）国内研究我国高校支出绩效评价的研究始于21世纪初。随着国家对高等教育的投入大幅增加，如何提高资金使用效益、推动高等教育高质量发展，成为相关管理部门和学者关注的焦点。目前研究较多集中在绩效评价方法的选择、指标体系的构建、绩效评价与高校管理的关系等方面。1.评价对象在实践中，我国的高校支出绩效评价更多作为财政部门和高校管理层内部的管理工具，在政府制定评价标准和推进实施中发挥主导作用，故评价多以高校间进行比较。例如杨小波等[5]研究河北省11所重点骨干大学财政支出绩效，凌芸[6]研究37所高校的支出绩效评价，谢梅和李强[7]研究教育部直属高校的办学质量和资源利用效率，杜驰和余梦灵[8]研究江西省属高校一流学科的财政支出绩效。2.评价内容高校支出绩效评价的研究集中在政府会计制度下的预算支出，主要是项目支出[9-10]，鲜有涉及基本支出；或者聚焦高校的某类经费，比如科研经费、双一流建设经费[5，11]。实际上高校的资金主要由财政拨款、教育事业、科研事业三部分组成，对高校所有资金全覆盖的整体支出绩效评价研究较少。3.评价方法国内文献大多采取常见的DEA、BSC、层次分析法（AHP）、关键绩效指标（KPI）等方法，或者综合运用多种方法进行评价。例如陈敏[12]综合运用AHP和BSC方法；顾[13]使用BSC和KPI构建评价指标体系，AHP确定权重，进行综合评价。4.评价指标体系吴建南和李贵宁[14]以公平和效率为主线，设计了高等教育财政支出的总体情况、目标达成情况、合规性情况、直接影响和间接影响五个方面的指标体系。廖开锐[15]从政府教育部门角度出发，提出高等教育财政支出绩效评价从公平性和效率性两方面进行，公平性从配置（投入）的角度考虑，效率性分为过程耗用绩效（人、财、物）和产出结果绩效（人才培养、科学研究和社会服务）。常建军和王林昌[16]围绕校级预算、管理部门、教学及辅助单位、后勤保障、专项经费等建立了绩效评价指标。乔春华[17]提出高校五大使命的五方面产出评价框架。卢一墨[9]探索建立了一套适合财政拨款部门整体绩效管理的指标体系。（三）研究评述比较已有国内外研究发现：（1）从评价对象看，国外多将具体高校作为被资助方，对其经费使用效率进行测定和评价，而国内研究往往从国家财政资金管理的角度重点测度一定空间范围内的高校财政支出绩效，比如同类型高校（985高校、部属高校、财经类高校、地方高校）、同地域高校（某省、某地区）之间的横向对比评价，缺乏从学校管理者角度对某一高校内设院系之间的支出绩效进行评价。（2）从评价角度看，国外沿袭企业的绩效评价模式，多从学生的角度关注学校的资金使用和学生毕业率等情况，偏重于关注投资回报率，以评价结果来影响预算编制，而国内研究更加注重社会责任，更多从政府视角关注财政资金的合规使用，但高校经费使用效果角度的绩效评价研究相对较少。本文针对X大学二级学院支出绩效进行研究，构建绩效评价体系，采用DEA模型和Malmquist指数从静态和动态两个层面对二级学院支出绩效进行评价。评价指标的选择综合考量高校的战略目标、发展阶段、管理需求，同时充分考虑二级学院的发展目标、运行状况、具体职能和主要经济活动。三、X大学支出绩效评价方法的选择（一）X大学支出特点分析X大学是教育部直属的综合性研究型大学，首批进入国家“211”和“985”工程建设学校，入选国家“双一流”建设高校，8个学科入选国家“双一流”建设学科，12个学科入选省“双一流”建设学科，现设有34个学院（部、中心）。按照政府支出经济分类科目中一般公共预算支出功能分类科目的设置要求，X大学支出科目主要包括一般公共服务支出、教育支出、科学技术支出、社会保障和就业支出、资源勘探信息等支出、住房保障支出和其他支出。分析X大学2019—2022年支出决算数可以发现以下特点：（1）预算支出绝对规模较大。2019—2022年年度预算支出决算数平均超过80亿元，并呈逐年增长趋势。2022年因突发公共卫生事件影响，预算支出规模出现了一定程度的下滑，但影响有限。如此庞大的支出规模，必须要引入科学的支出绩效评价体系，提高资金使用效率，优化资源配置水平。（2）支出相对规模较为稳定。从支出科目上看，支出结构较为集中且稳定，教育支出占比呈绝对优势，2019—2022年的占比分别为96.26%、95.70%、95.68%和86.43%。从支出类型来看，经费投入在保障日常基本运行和完成专项任务目标之间较为平均。因此对支出绩效进行评价时需要兼顾基本支出和项目支出，忽视其中任意一个，评价结果都会产生较大偏差。（3）二级学院支出规模差异明显。因为学科的差异、科学研究对象的区别和开展教学科研活动形式的不同，理工医类二级学院资金投入体量远超过社会科学类二级学院。同类学院中，不同学院的资金投入体量差异依然明显。因此将学院分类，对不同学院的投入产出效率进行分析评价的必要性更加突出。（二）评价方法选择高校作为非营利组织，对支出的绩效评价需要综合考量教学科研、人才培养、成果转化等各个方面的产出。为了避免在评价过程中主观打分、人为赋权造成的偏差，需要采用可以衡量“相对效率”的评价分析方法。DEA正是一种适合分析评价多种投入、多种产出的效率评价工具，在评价高校二级学院支出绩效时具有显著优势，主要体现在多输入、多输出的能力，非参数化特性以及对效率差异原因的诊断功能，能够更全面、客观地反映经费的使用效率和产出综合效率。此外，DEA不仅能评估各学院的相对效率，而且能够识别效率低下的原因，如资源配置不当或经费使用结构不合理，从而为决策者提出改进建议。DEA的CCR模型适用于假定规模报酬不变的情境，而BCC模型则适用于考虑规模效应的更复杂场景。本文采用DEA-BCC模型，以X大学二级学院为决策单元（DMU），通过计算投入产出的综合效率、纯技术效率和规模效率，进行静态绩效评价与分析。Malmquist指数是一种衡量生产力变化的指数，主要用于分析不同时间段内决策单元生产效率的变化，通常应用于DEA框架下评估技术变革和效率改进两个维度的生产率变化。为了更全面准确、客观科学地评价二级学院的绩效，全面了解绩效评价的趋势和规律，通过Malmquist指数进行进一步的动态分析。（三）DEA的具体应用按照我国财政部门决算信息公开的要求，高校年度支出科目划分为“类、款、项”三个层次。考虑到这种科目划分方式区分度不够、颗粒度太大，本文采用经济分类科目设置经费支出投入指标，明确区分和反映各项支出的具体用途。支出科目主要包括类和款两级，类主要包括工资福利、商品和服务支出等，款是对类的细化，如办公费、差旅费、会议费等。款的区分过于细致，不符合投入指标选取的需要。根据全面重要、经济可行原则，确定支出绩效评价投入指标为3个：工资福利支出（X1）、对个人和家庭补助支出（X2）、商品和服务支出（X3）。高校的产出指标随着我国高校职能的不断演变而逐渐丰富。中共中央、国务院《关于加强和改进新形势下高校思想政治工作的意见》中强调“高校肩负着人才培养、科学研究、社会服务、文化传承与创新、国际交流合作的重要使命”。随着我国高等教育水平的不断提升，加快一流大学和一流学科建设，实现高等教育内涵式发展的要求更加凸显。本文围绕高校的五项重要使命和X大学“双一流”建设战略目标，确定支出绩效评价产出指标为4个：毕业生就业（Y1）、科研项目到款（Y2）、科技项目获奖（Y3）、科技成果转化（Y4）。基于不同二级学院（学部）的科学研究、教学侧重、成果形态、资源依赖有较大差异，本文将21个二级学院分为两类：一是理工医类学院，包括自然科学、工程与技术科学、医药科学的12个二级学院；二是社会科学类学院，包括人文和社会科学的9个二级学院。选取2019—2022年（即最近的一整个能够覆盖本科生、硕士研究生培养周期）为评价期间，数据来源于X大学年鉴、信息公开中的年度部门预算决算及相关部门业务系统数据，计算采用DEAP2.1软件完成。四、基于DEA-BCC模型的X大学二级学院支出绩效静态评价（一）理工医类二级学院支出绩效静态评价考虑篇幅的限制，本文使用DEA对理工医类二级学院2019年和2022年绩效进行评价，旨在探讨同一个统计周期末各学院投入产出效率的变化。结果如表1所示。1.2019年数据分析CRS-TE为规模报酬不变假设下的技术效率，又称综合技术效率。VRS-TE为规模报酬可变假设下的BCC模型分离出的技术效率，通常称为纯技术效率。SE为规模效率，是CRS-TE和VRS-TE的商，反映由于规模变化导致的效率损失。2019年的数据显示，学院B、F、G、K和L的综合技术效率为1，实现了DEA有效，有效学院占比为41.67%。这5个学院的经费支出利用率实现了最大化，投入产出的比例较为平衡，绩效评价结果较好。纯技术效率和规模效率必然都为1，即实现了在当前规模下的最优，不受规模报酬的影响。而DEA无效的学院中，学院E、H、I和J综合效率不佳，属于规模报酬递增（IRS），且规模效率得分相对较高，说明这4个学院可以通过增加支出投入来撬动产出的增加。从学校经费资源配置效率最大化的角度来看，投入学院的优先顺序依次为学院H、I、J、E。以学院H为例，纯技术效率为1，表明在当前的经费支出条件约束下已经实现产出最大化，而规模效率仅为0.41，显示出明显的规模约束，建议扩大投入规模以提升整体效率。学院I也存在这样的情况。以学院E为例，虽然表现出规模报酬递增，但是递增并不是因为规模报酬表现好，而是因为纯技术效率表现更不理想，当务之急是提高对现有资源的利用水平。学院J也存在这样的问题。学院A、C和D综合效率表现不佳，且出现了规模报酬递减（DRS），说明增加单位支出投入，产出的增加幅度递减。这3个学院应该考虑内部资源整合以提升效率，如果学校经费减少，可以优先考虑减少这3个学院的投入。以学院A为例，纯技术效率为1，即经费资源利用水平在当前情况下已经做得足够好，规模效率仅为0.56，可以通过适当缩小投入规模来提升效率。从平均值来看，理工医类二级学院整体的纯技术效率较高，体现出这些学院整体具备较强的教学科研实力。但是规模效率相对不如纯技术效率高，可以判断出这些学院整体上受经费支出投入规模的影响较大，经费投入规模不足依然是影响理工医类学院发展的主要制约因素。2.2022年数据分析类似地，表1的2022年数据显示，学院A、B、C、D、G、H、J、K和L综合技术效率为1，共计9个学院实现了DEA有效，有效占比达到75%。四分之三的学院经费支出利用率实现了最大化，绩效评价结果较好，实现了在当前规模下的最优。总体上看，12个学院在2022年的支出绩效较2019年有明显改善，综合技术效率水平都较为理想，平均达到0.96，距离全体DEA有效的理想状态非常接近。尤其是平均纯技术效率达到了0.99，在当前规模条件下的资源利用水平已经接近最优，但是经费支出规模不足的制约因素依然存在，比提高当前经费投入利用水平更需关注。进一步分析发现，学院E、F和I在投入产出方面均有松弛变量（数据略），即在相应的数值上有优化的空间。学院E目前暂时无需继续增加投入，应在现有的投入规模下增加毕业生就业培养，争取科技项目获奖。学院F和I均需对现有支出结构进行优化：学院F应将商品服务方面的支出适度向教职工和学生人员支出倾斜，以激发学院在学生就业培养和科技成果转化方面的积极性；学院I应将教职工人员支出投入进行优化，以提高学院在增加科技项目获奖数量方面的表现。（二）社会科学类二级学院支出绩效静态评价高校对外提供科研服务收取费用主要分为技术研发费、技术服务费、技术咨询费和技术转让费，统称为“四技服务”。按照高等学校财务制度和会计核算规则，前三项按照科研事业收入统计在科研项目到款中，技术转让费按照其他收入统计在科技成果转化中。社会科学学科对外提供科研服务主要集中在技术咨询费和技术服务费，较少涉及专利技术、非专利技术的许可与转让等业务，故三级产出指标——科技成果转化（Y4）基本无可采用数据。另外，根据DEA模型的分析要求，决策单元数量不应少于投入指标和产出指标数量的乘积，以尽可能保证相对效率评价结果的合理性。剔除Y4后，投入指标3个，产出指标3个，决策单元9个，数量匹配合理，故无需另外选定新的产出指标。使用DEA对X大学的9个社会科学类二级学院2019年和2022年支出进行绩效评价，结果如表2所示。1.2019年数据分析表2与表1相比，社会科学类二级学院投入产出的整体效率高于理工医类二级学院。学院3、5、6、7、9的综合技术效率为1，达到DEA有效，综合技术有效占比达到55.56%，高于理工医类学院。这5个学院都在当前经费支出投入规模下达到了最优产出效率水平，除学院4之外其他学院都达到了纯技术有效，纯技术有效占比达到88.89%，整体水平较高。DEA无效的4个学院均出现了DRS，规模效率低于1，都应在优化经费支出投入规模上进行科学筹划、深度分析和精准配置。其中学院1、2、8的纯技术效率为1，达到纯技术有效，主要问题出现在投入规模效率不足。而学院4除了规模效率为0.87，存在一定优化空间外，纯技术效率为0.89，是所有学院中唯一纯技术效率无效的学院，说明在现有经费投入规模下，其投入产出效率不理想，需要通过优化技术或改善管理来提高产出效率。总体来看，社会科学类二级学院的综合技术效率平均为0.87，表示在固定规模假设下，9个学院的整体效率较高，但仍有一定的提升空间。纯技术效率平均为0.99，非常接近最优，说明大多数学院在当前规模下能够高效运作。平均规模效率为0.88，表明规模效率在一定程度上限制了效率的提升，尤其是存在规模报酬递减的4个学院。社会科学类二级学院的综合技术效率、纯技术效率和规模效率平均值均超过同期理工医类二级学院。这表明作为以工科闻名我国高等教育界的X大学，社会科学学科的发展水平也达到了较高的程度，学科发展进入了齐头并进的新阶段。2.2022年数据分析表2结果显示，学院2、3、5、6、8和9共计6个学院实现了DEA有效，与2019年相比，综合技术效率有效占比有所提升。学院2和8在2022年均改善了规模问题，实现了DEA有效。而学院7的规模效率出现了下降，投入产出效率没有达到最优。在纯技术效率方面，除学院4之外其他学院都达到了纯技术有效，纯技术有效占比达到88.89%，整体水平较高。总体来看，综合技术效率平均为0.93，较2019年有所提升，但离最优还有提升的空间。得益于学院4纯技术效率的提高，纯技术效率平均水平更加接近最优。平均规模效率为0.94，规模效率限制投入产出效率提升的问题依旧存在，但是较2019年有所改善。规模效率低于平均水平的学院，应继续关注内涵式发展的改革措施。进一步分析发现，学院4在投入产出上均有松弛变量（数据略），教职工经费和商品服务支出经费投入结构不合理，科研到款和科技项目获奖产出不足。学院4应该对这两部分经费投入进行进一步优化，以提高科研到款和科技项目获奖的能力。根据DEA“投影原理”，对学院6和学院2投影可以实现相对有效，投影权重分别为学院6的54%和学院2的46%，学院4应该建立向学院6和学院2调研学习的长效机制。五、基于DEA-Malmquist指数的X大学二级学院支出绩效动态评价（一）理工医类二级学院支出绩效动态评价运用DEAP2.1软件，计算2019—2022年理工医类二级学院支出投入产出的效率变化（EfficiencyChange，EFFCH）、技术变化（TechnicalChange，TECHCH）、纯技术效率变化（PureEfficiencyChange，PECH）、规模效率变化（ScaleChange，SECH）和全要素生产率变化（TotalFactorProductivityChange，TFPCH）的相对值。因为计算的是与上一年比较的相对值，所以从2020年开始计算（具体数字略）。通过几何平均值计算2020—2022年均Malmquist指数及分解结果，如表3所示。表3数据显示，全要素生产率变化的平均值为0.906，表明2020—2022年所有学院的全要素生产率平均下降了9.4%。只有4个学院（C、D、E和J）的全要素生产率变化大于1，实现了生产率的净增长。平均效率变化为1.103，表明大多数学院通过管理优化或资源配置改进提升了效率，平均提升了10.3%。其中，学院E的效率变化值最高，达到1.335，表明在运行和管理方面取得了显著的效率提升。平均纯技术效率变化为1.022，显示出各学院在纯管理或组织效率上的整体改善。纯技术效率变化值超过1的学院管理效率方面有显著提升，例如学院E的纯技术效率变化为1.208，可能通过更有效的组织结构或流程优化提升了全要素生产效率。平均规模效率变化为1.079，表明各学院在生产规模方面的效率有所提升，平均提升了7.9%。规模效率变化值超过1的学院通过更合理的规模经济安排提升了生产效率，而接近1的学院则在规模方面变化不大。例如学院H的规模效率变化为1.344，显示出规模效率显著提升，可能通过扩展或收缩规模以适应实际需求，提高了生产效率。综上，尽管许多学院在管理和运营效率上有所提升，但技术进步滞后成为制约整体生产率增长的关键因素。多数学院的技术变化低于1，表明技术前沿的进展未能跟上效率提升的步伐，导致整体生产率下降。大多数学院显示出管理和规模效率的优化，尤其是学院E和H，通过内部管理优化和规模调整有效提升了生产率。这表明在技术进步不足的情况下，内部管理和规模调整仍是学院提升竞争力的关键手段。不同学院的Malmquist指数变化存在显著差异，部分学院（如学院C和D）通过技术进步和效率提升实现了生产率增长，而学院L则因技术滞后导致生产率显著下降。学院之间的差异反映了各自应对技术变革和外部竞争的能力差异。（二）社会科学类二级学院支出绩效动态评价类似地，运用Malmquist指数法对社会科学类二级学院2019—2022年的支出绩效进行动态评价，结果见表4。如表4所示，平均全要素生产率变化为0.71，表明4年间所有学院的全要素生产率平均下降了29%。除学院6的全要素生产率变化超过1，实现了生产率的净增长外，其他学院的全要素生产率变化均低于1，生产率有所下降。平均效率变化为1.03，表明大多数学院在既定技术条件下，通过更好的管理或资源优化提升了生产效率，平均提升了3%。其中，学院1的效率变化值最高（1.177），显示出该学院在运营管理上取得了显著提升。平均技术变化为0.69，表明技术前沿整体上有所下降，平均下降了31%。技术进步不足是导致整体生产率下降的主要原因，表明学院未能通过创新或技术改进来提高生产效率。其中学院6的技术变化值为1.009，表明该学院在技术进步上表现良好，技术创新能力相对较强。平均纯技术效率变化为1.002，显示出各学院在管理或组织效率上的整体提升非常有限，基本保持在现有水平，没有显著的进步或下降。平均规模效率变化为1.028，表明学院在生产规模方面的效率有所提升，平均提升了2.8%。其中学院1和8的规模效率变化分别为1.177和1.059，显示出它们通过规模调整实现了更高的生产效率。综上，尽管大多数学院在管理和运营效率上有所提升（EFFCHgt;1），但技术进步滞后（TECHCHlt;1）是导致生产率整体下降的主要原因。多数学院的技术变化低于1，反映出学院在技术创新上的不足，阻碍了全要素生产率的提升。虽然学院在管理效率方面没有出现明显下降，且规模效率有所提升（SECHgt;1），但由于技术进步不足，学院未能实现生产率的显著增长。学院1和6通过管理优化和规模调整提升了效率，但未能有效通过技术进步来进一步推动生产率增长。不同学院的Malmquist指数变化也存在显著差异，例如学院6通过稳定的管理和技术进步实现了生产率的略微增长，而学院9和7则因技术进步滞后和规模效率下降，导致生产率显著下降。六、X大学二级学院支出绩效评价结果运用建议根据以上二级学院支出绩效评价结果，本文提出X大学加强绩效评价结果运用和落实的相关建议，确保支出绩效评价结果的有效性和持续性。（一）预算资金挂钩将各二级学院的绩效评价结果与预算资金分配充分挂钩，提高各学院的绩效意识和责任意识，提高资金使用效率。根据每年静态评价的综合技术效率和规模报酬情况，综合技术效率排在前20%且规模报酬没有递减的学院，可考虑给予更大、更灵活的资金二次分配使用自主权，优先保证下一年的财政拨款；综合技术效率排在后20%且规模报酬递减的学院，重点关注该学院下一年度的预算绩效申报，可以根据松弛变量适当减少其资金投入总额，专项资金待专项工作完成后，按实际需要重新审定安排经费。根据每年动态评价的全要素生产率排名情况，排在前20%的学院，优先对其新项目进行扶持，简化评审程序，加快资金拨付，试行“白名单”管理。全要素生产率排在后20%的学院，原则上按一定比例扣减新增加的项目预算，并对原项目预算重新重点评审，对问题项目负责人进行问责。（二）考核激励约束将激励约束作为二级学院支出绩效评价结果执行的重要保障，明确学院领导班子和项目负责人的绩效考核责任主体，将评价结果作为单位和个人绩效考核的重要依据。相关责任人的项目绩效与个人工作考核结果直接关联，确保个人利益与学院的整体绩效深度绑定，学院的整体绩效能在个人身上体现出较强的关联和反馈力度。突出激励约束机制在评价结果考核执行过