［提要］　基于三阶段DEA（数据包络分析）对我国2017～2019年29所教育部直属高校毕业生高质量就业绩效进行测度分析。结果发现：（1）高校间毕业生就业绩效存在一定差异，部分教育部直属高校纯技术效率和规模效率的就业绩效有一定的提升空间；（2）环境变量和随机干扰项对各高校毕业生就业质量效率有正、负面影响，与环境变量不做标准化处理相比，环境变量标准化后此模型结果有一定的优化；（3）高质量就业绩效较高的学校有7所，东西部各有3所，就业质量效率较低的省份位于中部地区；（4）整体来看，高质量就业形势稳步提升。

关键词：三阶段DEA模型；高质量就业；绩效评价

中图分类号：F24 文献标识码：A

收录日期：2022年1月20日

《中国教育现代化2035》文件、财政部印发《项目支出绩效评价管理办法》（财预［2020］10 号）文件，明确指示高校教育经费资源支出应进行评估的重要性，建立合理性和科学性兼具的项目支出绩效评价框架的必要性，是项目绩效评价体系成为高校教育资源高效益投入使用的助燃剂。因此，科学合理的就业绩效评价体系，及影响高质量就业效率的影响因素评价分析，对于社会经济增长和高校毕业生就业群体有重要的理论指导和现实意义。

一、文献综述

建立合理有效的就业绩效指标是评价的先决条件。美国高校就业统计指标和我国的统计指标类似，主要包括就业率、工作稳定性和满意度、就业信息来源、经济环境因素、就业结构、薪资、专业匹配度等多项指标。英国法律规定高校每年要递交一份关于学生就业状况的报告书给高等教育统计署，英国还在国内所有大学开展 “毕业生去向”调研项目，覆盖面达到毕业生的80%以上，通过“毕业生就业水平”评价就业工作质量情况并且接受独立机构审计。约翰斯等（2017）认为，重要的是要在竞争激烈的政府资金需求下尽可能高效地提供教育，而当教育产出在资源方面处于最低水平时，效率就产生了。在Abbott和Doucouliagos（2003）、Avkiran（2001）以及Casu和Thanassoulis（2006）的研究中也可以找到相同方向的论点。因此，对中国大学就业质量进行效率分析和绩效评估非常重要。

国内在就业绩效评价方面的研究非常少，传统的绩效评价方法有成本效益分析法、比较法、因素分析法，目前为学者普遍使用的方法有灰色关联度法、模糊数学法、数据包络法、TOPSIS法等。王春枝（2010）利用灰色关联分析专门研究了我国产业结构调整的就业效益。王以梁、秦雷雷（2017）统筹考虑利益相关方的基础上建立了一套就业绩效评价指标体系，利用DEA模型，得出一个综合评价就业评价指标。王洪礼、贾岳（2015）采用非参数的数据包络分析法（DEA）和参数法的随机前沿分析法（SFA），对天津市15所高校重点投资的58个学科进行了投入产出效率评价，并进行实证分析。宋丽丽（2013）采用了因子分析和回归分析测量了大学生就业绩效的影响因素并提出个体特质、就业能力、外部环境和校园环境会影响大学生就业绩效。Xiaoyue等（2019）采用主成分分析法消除指标之间的相关性，建立数据包络分析模型，比较24所大学的效率并完成了非DEA有效DMU的投影分析，并指出了改进方向和具体的调整值。李林汉、岳一飞（2019）构建四阶段DEA模型，分析我国30个省份绿色经济发展效率，通过Malmquist指数分析，进行动态横纵向评价分析。

综上所述，通过查阅国内外文献可知，中外学者在绩效评价研究时以下几个方面有待拓展：针对高质量就业的绩效指标设置单一，忽视人才培养与社会需求的对接，指标选取和权重的确定过于主观，无法进行量化的数据统计分析；体系构建处于“纸上谈兵”，学者探讨的指标体系与高校就业指导中心的工作毫无干系，部分数据量化方法有待于研究者们充分研究如何从多个维度进行评价分析，如何使投入产出等各种指标转化为综合性指标，使得指标数据具有操作性是目前思考和研究的方向；绩效评价分析易受到环境变量的影响，如市场经济、政策施行、声誉、社会需求等因素影响，易受到环境变量影响，造成结果分析不准确。

二、高质量就业数据来源

本文立足中国高校就业发展质量现状，且综合考虑数据可获取性与有效性，基于数据的可衡量性选取数据相对稳定的29所教育部直属高校（理工、综合类高校）2017～2019年的数据作为研究样本，对其进行高校投入导向的毕业生就业质量测度分析，为使数据包络分析（DEA模型）测算效率更具稳健性，通过相关性分析，剔除对高校毕业生就业质量具有非直接影响、弱影响的因素，选取对高校毕业生就业质量影响最大的三个投入指标和六个产出指标。数据主要来源于《教育部直属高校基本情况汇编》《高等学校科技统计汇编》《高等学校毕业生就业质量报告》。

三、高校毕业生就业绩效评价：基于三阶段DEA模型

（一）第一阶段。数据包络分析（简称DEA模型）在Charnes等人研究中得到了发展；为此类评估提供了可靠的方法。在本文的研究中，使用三阶段DEA从高等院校投入角度评估了我国教育部直属高校毕业生就业绩效。

1、DEA模型构建。在进行第一阶段初始效率测算前，应收集原始数据，真实的数据是支撑绩效有效性最直接的前提。DEA模型提供了两种“规模收益率”方法，即恒定规模收益率（CRS）和可变规模收益率（VRS）。本文选用投入导向的BCC（规模报酬可变）模型。

2、模型效率分析。考虑主观数据可获取性、可衡量和可量化性，最终选定29所教育部直属高校2017～2019年三年的数据作为研究样本，选取教育经费总投入、专任教师投入、大学生校外实践教育基地三个投入指标，毕业生就业率、毕业生人数、基层或就业人数、签约单位专业匹配度、学生就业满意度、雇主对毕业生培养质量满意度六个产出指标，全国创新创业典型高校、QS综合排名、雇主声誉三个环境变量，并对其进行高校投入导向的毕业生就业质量测度分析。

（二）第二阶段

1、松弛变量介绍。我们认为松弛变量［x-Xλ］反映初始的低效率，此阶段目的是将上阶段的松弛变量分解成造成效率低下的环境因素、管理无效率和统计噪声，借助SFA回归，可以将第一阶段的松弛变量对环境变量和混合误差项进行回归，构造类似SFA回归函数，成功分解松弛变量，公式如下：

Fni＝f（Zi；βn）+Vni+μni］

i=1，2，…，I；n＝1，2，…，N

2、松弛变量回归结果分析。进行第二阶段的计算之前，我们应首先确定此阶段适用的模型，SFA回归结果（2018年）如表1所示，第一阶段单边广义似然比在0.05的水平下显著，接受原假设，得出适用似SFA（随机前言模型）模型。（表1）

SFA回归的目的是剔除环境因素和随机因素对效率测度的影响，以便将所有决策单元调整于相同的外部环境中。调整公式如下：

XAni=Xni+［max（f（Zi；■n））-f（Zi；■n）］+［max（νni）-νni］

i=1，2，…，I；n=1，2，…，N

（三）第三阶段：调整后的投入产出变量的DEA效率结果分析。剔除环境因素和随机扰动项的影响，重新调整后的投入产出变量再次代入DEA模型测算29所教育部直属高校毕业生高质量就业绩效，此时的DEA调整后效率已经剔除环境因素和随机因素的影响，如表2部分高校结果，结果是相对真实准确的。（表2）

1、高等学校毕业生就业的规模效率不仅反映出高校的体量，还能反映出高校的生均行政教学面积是否处于最优规模。整体来看，在29所教育部直属高校中约有1/3的高校规模效率较优。从三阶段效率结果来看，第一阶段处于规模效率前沿面的高校为10所，第三阶段处于规模效率前沿面的高校数为8所，规模报酬降低的3、Q、Z因高校投入资源未能都得到充分的利用，存在明显的效率损失问题，应重点监测资金使用，规模报酬未达到DEA有效高校应进一步加大高校资源投入。

2、调整后的高校毕业生就业效率，部分高校效率值减少，部分高校效率值增加，剔除环境变量和干扰因素后，3高校DEA由效率前沿面降低到0.97，X从0.891增加到效率前沿面，这表明环境变量因素对29所高校毕业生高质量就业绩效表现出正增长和负增长效应，环境变量对这类高校毕业生就业效率有促进作用和降低作用。这从侧面说明高校办学效率的有效性并非完全依赖于I1、I2、I3的投入，更与高校内部治理机制、社会环境、校企评价等因素有关。

3、不同区域分析，排除环境因素和随机干扰项影响，29所高校中达到效率前沿面的高校，东部地区有3所，占东部地区高校数的18.75%；中部地区3所，占中部地区高校数的42.86%；西部地区2所，占西部地区高校数的33.33%。通过分析可以得知，调整后的东部地区综合效率年均值变化最大，3年来相对于第一阶段的效率值均有所提升。

四、结论与建议

本文通过对我国29个高校2017～2019年毕业生就业质量效率的实证研究，得出相关结论，并提出建议。

（一）就业绩效评价整体向好，就业质量稳健发展。基于三阶段DEA模型效率测算可以看出，2017～2019年高校毕业生就业质量总体较好，也有部分高校就业质量有提升空间，管理效率和规模效率未达到DEA有效。未达到DEA有效前沿面的高校应注重提升该校毕业生就业管理和运营水平，设计合理的就业制度，增加就业机会以达到就业最佳规模，培养与社会需求接轨的专业技能型人才，提升就业专业匹配度，打造高质量就业高校品牌。

（二）协调联动，多方协作促进高质量就业。高校毕业生高质量就业的载体是高效的劳动力市场，保障高校毕业生平等就业地区特征和就业特征对高校毕业生就业质量的相对贡献较大，要解决就业质量不平衡问题，需在以下几个方面努力：在制度层面，不断优化产业结构，提升第三产业就业比重，提升工作满意度和薪酬水平，校企双方搭建供需对接平台的长效机制。在经济层面，各地区根据自身条件制定人才引进政策，提高人才落户福利待遇，吸引优秀人才落户，促进区域就业高质量均衡发展。在个人层面，当代大学生应找准自身定位，合理设定就业预期与择业偏好，认识到基层也是成长的重要平台，乡村振兴、中西部开发亟须专业人才加入。

（三）精准定位，加大人力资本投资，实现供需匹配。我国就业市场“用工荒”和“就业难”形势严峻，与高校毕业生就业率逐年增加不符，根本原因在于高校培养毕业生与社会需求的人才脱轨，高校毕业生就业质量亟待提升，毕业生签约单位专业匹配度是突破口，问题的消除并非一朝一夕之事。对于高校人才培养，一是保证有效办学；二是提升高校学生培养质量，承担起培养高质量人才的使命，做到精益求精；三是高效率高质量发展，不同高校承担不同类型的办学使命，找准定位持续高效办学，提升高校毕业生就业质量；政府部门和社会各界全力以赴开发就业岗位。

（四）主观改善高质量就业，优化资源配置。我国高校一流学科资源配置运行中的低效率问题，不能全部归咎于投入不足，有效的激励机制和内涵建设、社会服务功能发挥等多重因素都负有责任。这项研究是基于少量的投入产出，但达到DEA强有效的12所样本高校有助于确立一流学科投入产出绩效强弱的标杆，一味地加大资源投入确保产出是昂贵的，不能保证成功。充分了解绩效优的高校是如何利用有限资源在产出方面胜过其他高校的，可以帮助绩效表现不佳的高校提升绩效。

（作者单位：重庆交通大学经济与管理学院）

主要参考文献：

［1］李昕荣，张丹丹，阮海涛.对现行高校毕业生就业率统计体系的思考［J］.思想·理论·教育，2004（03）.

［2］王占仁，董超.英国高校毕业生就业状况监测运行机制研究［J］.外国教育研究，2012（03）.

［3］Johnes，M.Portela，E.Thanassoulis，Journal of the Operational Research Society［J］.Efficiency in education，2017.

［4］M.Abbott，C.Doucouliagos.The efficiency of Australian universities：A data envelopment analysis［J］.Economics of Education Review，2003.

［5］N.K.Avkiran.Investigating technical and scale efficiencies of Australian universities through data envelopment analysis［J］.Socio-Economic Planning Sciences，2001.

［6］B.Casu，E.Thanassoulis.Evaluating cost efficiency in central administrative services in UK universities［J］.Omega，2006.

［7］王春枝.中国产业结构调整的就业效益分析［J］.未来与发展，2010（10）.

［8］王以梁，秦雷雷.DEA在高校毕业生就业绩效评价中的应用研究［J］.浙江工商大学学报，2017（03）.

［9］王洪礼，贾岳.基于SFA和DEA的高校综合投资学科的科研效率评价［J］.天津大学学报（社会科学版），2015.17（04）.

［10］王丽萍，谢小凤.大学生就业绩效及影响因素研究［J］.中国农业教育，2015(05）.

［11］Xiaoyue Zhang，Wanbing Shi.Research about the university teaching performance evaluation under the data envelopment method［J］.Cognitive Systems Research，2019（56）.

［12］李林汉，岳一飞.基于四阶段DEA模型的中国绿色发展效率评价［J］.科技管理研究，2019.39(24）.

［13］Charnes A，Cooper WW，Rhodes E.Measuring the efficienccy of decision making units.Eur J Oper Res 1978.

［14］Banker RD，Charnes A，Cooper WW.Some models for estimating technical and scale inefficiencies in data envelopment analysis［J］.Manag Sci，1984.