5.1.1 样本选择与数据来源
S 省省属本科高校共有 30 所,其中有两所高校性质特殊不参与此次的绩效评价,这两所高校分别为艺术类高校、警官类高校。还有两所高校数据无法获得,因此将其余 26 所 S 省省属本科高校作为论文的研究样本。本文的各项指标数据来自于调研时获得的各校年度决算报表、中国教育统计年鉴、S 统计年鉴、各高校官网公开信息、Scopus 数据库、阳光高考网等官方数据来源,所获数据真实可靠。由于各项的投入与成果的产出存在迟滞性,本文投入指标为 2017 年数据,产出指标为 2018 年数据。出于保密考虑本文隐去高校名称,将 26 所省属高校名称用 A-Z 高校进行代替。
5.1.2 投入指标因子分析
............................
第六章 结论与展望
6.1 研究结论
高等教育的研究始终是国内外众多学者关注的焦点,特别是组织研究的关键环节——绩效评价更是重中之重的难点话题。由于资源的有限性,采取怎样的措施才可以引导高校优化其资源结构配置已成行政事业单位会计与教育经济领域不断探索的研究内容之一。
本文以评价 S 省高校财政教育经费使用绩效为出发点,在梳理了大量相关文献以及研究相关理论的基础上,发现 S 省就高等教育发展而言,无论是高校的规模与发展水平,还是高校的科技活动规模与所获成果;无论是师生人数与质量,还是基础设施的投入都位于全国前列。不过,虽然 S 省高校财政性教育经费支出逐年增加。但是,增速却在逐年放缓,财政对于高等教育的投入速度无法跟上且高等教育规模扩张的速度。同时,虽然 S 省的地方属高校财政性生均教育经费支出与中央属高校的差距正在逐渐缩小,但是与长三角其他省市相比并且无论市中央属还是地方属高校的生均财政性教育经费支出都偏低。
由于 S 省高校存在财政性教育经费的资源紧缺性,对于其进行绩效评价则显得更为急切。有鉴于此,本文构建了高校财政性教育经费支出绩效的评价体系,首先结合 CORPS 模型构建评价指标体系,再通过因子分析法对指标进行降维后将投入因子与产出因子综合得分代入 Super-SBM DEA 中进行分析。随后本文运用构建模型对 S 省省属高校的财政性教育经费支出绩效进行了评价。通过因子分析法对投入指标和产出指标分析后发现,S 省省属高校在基础设施的建设投入差异相对较小,而是在教学条件与师资力量方面的投入相差较大。产出方面,各高校的科研成果产出方面差异较大,在对社会经济与大学生培养成果的差异较小。通过相关性分析后发现高校的投入情况与高校的产出情况有着明显的正相关关系,再进一步通过传统 DEA 和 Super-SBM DEA 对投入因子和产出因子进行绩效分析后发现,大部分高校 20 所高校的规模报酬均处于规模报酬递减阶段。说明虽然持续加大财政性教育经费以及各类投入是提高 S 省高等教育水平的基础,但并不是盲目的投入,必须结合高校的发展目标和战略规划有的放矢对高校特定方面加大投入。
参考文献(略)