高等学校绩效评价报告Word文档下载推荐.docx

1、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

2、。3+函授生1。当量学历在校留学生数=本、专留学生数+硕士留学生数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_

3、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_inco

4、me） 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

5、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:基于R型聚类，分别对投入指标和产出指标进行聚类；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

6、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；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）

7、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PrP10.97190000289800.0000*30.84160.0000*40.61420.0000553220000*60.41810004*70.37280.0070835150364*90.3040.1474由表1可知,经过2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P0.05的

8、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（计算Z分数）,目的是消除各个指标的量纲影响，从而使得指标之间具有可比性。在图1和图2中，我们呈现了基于平均距离的聚类方法的分类结果，直观地看，在2.5的闋值下，投入指标分为11类,其中校本部教职工总数、研究与

9、发展全时人员、社科/科技活动人员为一类，教育经费投入、固定资产总额为一类，其余指标各为1类；产出指标分为13类，其中当量在校生数、国内学术刊物发表论文数为一类，国外学术刊物发表论文数、发明专利授权数为一类，其余指标各为1类。图1投入指标的聚类图图2产出指标的聚类图基于指标聚类分析结果，需要在投入指标类校本部教职工总数、研究与发展全时人员数、社科/科技活动人员数，教育事业经费投入、固定资产总额，以及产出指标类当量在校生数、国内学术刊物发表论文数、国外学术刊物发表论文数、发明专利授权数中分别挑出最具代表性的指标。经过统计分析与研究，从这三类指标组中最后挑选出的指标为：校本部教职工总数、研究与发展全

10、时人员、当量在校生数、国外学术刊物发表论文数.其余指标落选的原因如下： “社科/科技活动人员数指标的落选原因:一是该指标与“校本部教职工总数的相关系数高达0。947,与“研究与发展全时人员数”的相关系数为0.918,“校本部教职工总数与“研究与发展全时人员数”的相关系数为0。832，这说明这三项指标间的信息重叠性非常大；二是该指标与“校本部教职工总数”、“研究与发展全时人员数指标的原始数据变异系数依次为0。564、0.630和0.869,从变异系数越大指标区分度越高的角度来看，“社科/科技活动人员数”的代表性较低。 “固定资产总额”指标落选原因：高校财力成本主要表现为教育投入、科研投入以及基建

11、投入，固定资产来自于这三方面投入的多年累积,它与教育投入、科研投入以及基建投入的相关性都比较大，其所含信息可以由其余几项指标包含。 “国内学术刊物发表论文数”指标落选原因：该指标与“当量在校生数”的相关性高达0.91，说明这两项指标所含信息重叠较大；该指标更多体现了学校产出的规模特点，而当量学生数是衡量学校规模的传统指标. “发明专利授权数”指标落选原因：该指标与“国外学术刊物发表论文数”指标的相关系数高达0.87，说明“发明专利授权数”与“国外学术刊物发表论文数”两项指标的信息重叠量非常之大；15所财经类院校在这项指标上全为0，从可比性而言，该项指标并不理想；“专利出售当年实际收入较好地体现

12、了学校发明专利的质量状况。（二）验证与确定评价指标1 入选指标包含的信息量分析为了衡量删除指标后样本信息的流失情况,我们基于原始的14项投入指标、16项产出指标，以及筛选后的12项投入指标、13项产出指标，在每一年度,分别对72所高校进行快速聚类分析（均分为3类，共进行了12次快速聚类）。表2呈现了各个年度基于投入（产出）指标组进行聚类分析所得到的学校所属类别间的简单相关系数,从中可以看出，前后两次样本聚类信息的相关系数最低为0。616 5，最高达到0.975 2,表明删除两个投入指标以及3个产出指标并未对样本聚类情况造成太大的影响,这说明筛选的指标代表性比较好,基本包含了分析对象具有代表性的

13、特征信息，能够较好满足指标设计的特异性原则和代表性原则。表2原始指标样本聚类信息与筛选后指标样本聚类信息间的相关系数原始14项投入指标2006年投入指标2007年投入指标2008年投入指标筛选后12项投入指标0.8432- 6165-0.9752原始16项产出指标2006年产出指标2007年产出指标2008年产出指标筛选后13项产出指标8684-0.9341-0.83332 入选指标对落选指标的替代性分析用筛选前的14项投入指标对样本进行主成分分析,其中前三个主成分合计包含了78 77的信息；用筛选后12项投入指标进行主成分分析，包含了9。34%的信息。将两组主成分得分进行典型相关分析，计算得

14、到三对典型变量间的相关系数分别为0.999 9（0.000）、0。999 4（0。000）以及0.997 9（0.000）,其中括号外的数字为对应的相关系数，括号内的数字为该相关系数对应的显著性水平。接下来，用筛选前的16个产出指标对样本进行主成分分析，其中前四个主成分合计包含了79.64%的信息，用筛选后的13个产出指标对样本进行主成分分析,其中前四个主成分合计包含了81。61的信息；将两组主成分得分进行典型相关分析,计算得到四对典型变量间的相关系数分别为0.999 4（0。000）、0。995 9（0.000）、0.984 9（0。000）以及0.882 3（0.000），其中括号外的数字

15、为对应的相关系数，括号内的数字为该相关系数对应的显著性水平。经过这样的筛选和验证之后，最后确立的12项投入指标和13项产出指标将放入绩效评价模型运行。（三）测算产出和投入得分要计算投入指标的综合得分以及产出指标的综合得分,关键在于如何确定单个投入指标和单个产出指标的权重。权重用于衡量在综合指标中单个指标的贡献程度，研究所确定的权重合理与否,将直接影响到结论的公正性和准确性.本研究选择兼有信息量权数和系统效用权数性质的主成分分析权数.为了能尽可能保留已确立指标的信息，我们运用主成分分析法分别计算年度产出、投入指标得分.1 产出指标得分对13项产出指标进行主成分分析，计算得到各个主成分的特征值及其

16、方差贡献率，如表3。表3产出主成分的特征值及其方差贡献率主成分原始特征值及方程贡献率特征值方差贡献率累计方差贡献率6.088320.468332802141386266069591.540511850.7254591.17950.090731816189534689041130.8573194520270347718920910.3579620275369196262745120211169407430.2573380.01979596053810219926016917977455111297680.0099820.987437120.100715007747995185主成分个数提取的一个

17、原则是提取主成分对应的特征值大于1的前几个主成分。因此,只需要用四个主成分就可以替代原先13个指标所包含的81.6的信息.通过因子载荷矩阵，将因子负荷除以对应特征值的平方根，就可以得到每一个主成分对应的特征向量表，进而分别得到3个主成分对应的函数（函数式略）.然后，将20062008年各学校的各项产出指标数据代入3个主成分函数中，即可计算出各年度各学校的3个主成分得分.由于方差贡献率描述了各主成分在反映各个原始指标信息量方面的能力大小，所以，将各主成分的方差贡献率作为各主成分的权重，实际上就是一种客观赋权。因此， 以各主成分的方差贡献率比重为权数，对4个主成分进行加权平均，就可得到产出指标得分

18、。计算公式为：Y=（0.468 3 F1+0.138 6 F2+0。118 5 F3+0.090 7 F4）0.816 2，其中，Y表示产出指标的综合得分，F1表示第一主成分得分（0.468 3为第一主成分的方差贡献率），F2表示第二主成分得分（0。138 6为其对应的方差贡献率），F3为第三主成分得分（0。118 5是对应的方差贡献率），F4为第四主成分得分（0。090 7是对应的方差贡献率），0.816 2是前4个主成分的累计贡献率.将各产出指标的值代入公式即可得到各学校各年度的产出指标综合得分，基于各指标的三年算术平均值可得到三年整体产出综合得分。2 投入指标得分对12项投入指标进行主成

19、分分析，计算得到各个主成分的特征值及其方差贡献率，如表4。表4投入主成分的特征值及其方差贡献率6.715150.559596509450.1257880.6853831.2961040.1080097933928042240.0670198604110.4391510.0365960.8970072881610.02401392102265850221540.9431740.223840186539618281933440161120.977940.147950123290.9902690.0701190.005843996112046657003888基于在产出指标中提取主成分同样的准则,我

20、们对投入指标也取前3个主成分替代原先的12个指标，可以包含全部指标的79.33的信息.将2006-2008年各学校的各项投入指标数据代入3个主成分的函数中，计算出各年度各学校的3个主成分得分,以各主成分的方差贡献率比重为权数,对3个主成分进行加权平均,得到投入指标综合得分。投入指标综合得分的计算公式为:Y=（0.559 5F1+0。125 7F2+0.108 0F3）793 4，其中，Y表示投入指标的综合得分，F1表示第一主成分得分（0.559 5为第一主成分的方差贡献率），F2表示第二主成分得分（0。125 7为其对应的方差贡献率），F3为第三主成分得分（0.108 0是对应的方差贡献率）,

21、0.793 4是前3个主成分的累计贡献率.将各投入指标的值代入公式即可得到各学校各年度的投入指标综合得分,基于各指标的三年算术平均值可得到三年整体投入综合得分.（四）测算高校绩效得分在计算绩效得分之前，先将前面研究中得到的投入指标综合得分和产出指标综合得分进行T分数的折算，使其均为正值。运用高校绩效得分i=mean（T_Outcome）imean（T_Input）i数学模型，测算出72所高校20062008年三年的绩效得分。72所高校的三年整体投入综合得分、三年整体产出综合得分、三年绩效整体得分及排序如表5所示。表5 72所高校绩效评价结果与排序三年整体投入综合得分三年整体产出综合得分三年整体

22、绩效得分分值排序清华大学1.0000000000北京大学915107709684248东北大学27192380.226461683281中国人民大学37042270.308390.83255电子科技大学2726737218982080307复旦大学60960457400.75033北京语言大学049847003713620.74500中南大学0.458580.321720.70155浙江大学844245841269189北京科技大学0.31148310.20114220.64575华中农业大学18181530.1148363159山东大学0.58040353440.60896天津大学0.390702522688155806913中国矿业大学32070300.18584245794714东华大学2098349119670.57033华东理工大学30689320.174372656819南京农业大学20361500.11395405596717合肥工业大学173915809469450.5445018西安交通大学425860.222080.5214919华中科技大学57567299290.51989河海大学18333520.09501445182821武汉大学596323039350967中国农业大学4341421917504