保证域模型视角下的“双高”院校办学效率研究——基于18所财经商贸类“双高”院校的数据.pdf

第23卷第5期2023年10月Jiangsu Higher Vocational EducationVol.23 No.5Oct.2023保证域模型视角下的“双高”院校办学效率研究基于18所财经商贸类“双高”院校的数据陈程，常伟（保险职业学院金融保险学院，湖南长沙410114）摘要：为了解“双高”院校在过去三年间的办学效率情况，掌握财经类专业群的发展优势和建设短板，为其他院校提供切实可行的发展路径，使用基于保证域的 DEA 模型对 18 所财经商贸类“双高”院校进行办学效率评估，并结合线性回归模型分析影响“双高”院校办学效率的因素。案例研究表明，与传统 DEA 模型相比，保证域模型调整了指标权重上下界，使得权重设置贴合国家相关要求，能够较为合理地对院校办学效率进行排名，而投入、产出指标中产学研成果对办学效率呈显著正相关，资金投入则与办学效率呈显著负相关。因此教育行政主管部门应加强对投入资源的管理，同时合理引导成果产出方向，指导学校与企业共建产教融合育人平台，营造更加优良的高职教育环境。关键词：“双高”计划；DEA-AR；办学效率中图分类号：G717文章编号：2096-6725（2023）05-0037-09文献标志码：ADOI：10.15903/ki.jniit.2023.05.005一、引言为促进我国职业教育高质量发展，提高劳动者素质和技术技能水平，建设教育强国、人力资源强国和技能型社会，国务院于 2019 年 1月印发了 国家职业教育改革实施方案（简称“职教 20 条”），其中提到了“启动实施中国特色高水平高等职业学校和专业建设计划”。2019年 3 月，教育部、财政部联合发布了 关于实施中国特色高水平高职学校和专业建设计划的意见（简称“双高计划”）1，经过遴选，共有197 所高职学校入选第一轮“双高计划”建设，其中 56 所高职学校入选高水平学校建设，141所高职学校专业群入选高水平专业群建设。2022 年，按照教育部办公厅、财政部办公厅通知要求，各“双高计划”高职学校发布了“双高计划”中期绩效自评报告。自评报告主要包括各建设单位的建设方案和任务书的落实情况，以及承担改革发展任务和发挥引领作用的成果成效。从自评报告中可以看出，经过三年的建设，入选第一轮“双高计划”的高职学校和专业群在办学水平、服务能力、国际影响力等方面都有显著提升，为职业教育改革发展发挥了示范引领作用。为了解财经商贸类“双高”院校三年间的办学水平提升情况，掌握专业群的发展优势和建设短板，本研究选取 18 所财经商贸类“双高”院校作为研究对象，从办学效率的角度出发，运用量化分析方法，试图勾勒出财经商贸类“双高”院校发展的阶段性特征，从而探索出有针对性的突破路径，为“双高”院校下一阶段的建设提供参考。二、文献综述目前学者对“双高计划”的研究主要集中在教师队伍建设、内部治理、产教融合、人才培养、作者简介：陈程（1998），男，湖南岳阳人，保险职业学院讲师，经济学硕士，研究方向：职业教育。37专题：“双高”建设与评估2023年第5期专业建设等方面，与“职教 20 条”提出的目标与要求相契合。在教师队伍建设方面，王露莹、刘晓通过文本分析法提出推动“双高计划”院校发展应从提高教师队伍整体建设水平、打造教师教学创新团队样本等方面入手2。在内部治理方面，朱善元等人提出要对接生产过程，从外部需求与内在知识逻辑有机统一、依靠科学管理优化决策机制和决策者结构、健全评价机制等方面来完善内部治理3；刘晶晶、和震针对深化产教融合路径，提出产教技术融合、资源融合、利益融合、制度融合与文化融合等五大维度4；李梦卿、陈竹萍提出“双高计划”高职院校需坚持高素质技术技能人才培养定位，从资源、制度、文化等维度构建产教融合长效机制5。在人才培养方面，学者主要聚焦专业群人才培养模式与培养效果评估，普遍根据院校公布的“三全育人”成果数据，采用各类方法分析现行培养模式可行性，并有针对性地提出人才培养的优化措施。专业群建设是学者研究重点方向，知网数据统计显示，约三分之一“双高计划”相关研究聚焦专业群建设。学者普遍认为专业群建设是推动高职院校发展的关键支撑，为高职院校治理体系改革提供契机，应打破以院系为依托的管理体制，提升专业群与产业群的契合度，构建协同发展命运共同体，切实提高专业群内涵建设水平6-8。针对高职院校的办学绩效，国内学者采用了多种评价方式进行研究。在评价标准上，天津职业大学的刘斌、邹吉权采用德尔菲法确定绩效评价权重，将数据采集表中的三级绩效指标进行细化，最终得到共 29 个细分项9。开封大学的宋志敏基于专业群组建原则和核心要素，构建了包含 45 个三级指标的专业群建设标准体系10。董鸿安、任君庆等人基于生态位理论，构建了高水平高职院校综合竞争力评价指标模型11。这些指标体系的建立有利于“双高”院校有针对性地分析学校办学效率。在办学效率评分上，很多学者采用数据包络分析法（DataEnvelopment Analysis，简 称 DEA）模 型、SBM-DEA 模型进行分析。DEA 模型在处理多指标投入和多指标产出方面有独特优势，并且不需要拟合生产函数，避免了主观意愿影响产出效率，符合绩效评价研究要求。此外，为解决各个指标权重分配的问题，康翠萍等人提出，使用内容分析法对 建设计划意见 和 项目遴选管理 两个政策进行编码、归类与统计12。还有部分学者为解决传统 CCR 模型、BCC 模型自评效率的潜在公允问题，将 DEA 与层次分析法、模糊熵权法、随机边界分析法相结合，以分析不同权重下的院校办学效率。根据现有研究可知，采用 DEA 法研究“双高”院校专业群建设成果已经得到了广泛应用，且评价结果相对合理。由于在使用 DEA 法时，决策数量需比投入产出变量多 2倍以上，因此采用主成分分析等统计法科学合理地处理原始数据是必要的。在常规的 CCR 模型中，权重以最有利于自身评分进行分配，但中期绩效自评报告参考提纲中已明确给出各类成果权重，因此需对权重分配进行适当优化，以符合“双高计划”建设目标。本研究在既有成果的基础上，引入主成分分析建立基于保证域的 DEA 模型，此外为了探究财经商贸类院校办学效率的影响因素，采用线性回归方程分析影响办学效率的因素，并针对结果提出相应的建设策略。三、模型构建（一）研究方法高职院校的办学条件和效果评估是一个多维度的投入产出模型，投入指标包括办学经费、师资队伍、政策支持等多种因素，而评价指标通常从毕业生质量、教学成果、服务地方效能等方面选取，这使得简单的评估系统难以进行全面评定。数据包络分析法（DEA）采用线性规划技术进行非参数分析13，可以对多投入多产出的机制进行效率度量。该方法在高校的办学质量、科研效果、师资建设等绩效评价中表现出良好的效果。因此，本研究拟采用 DEA 模型对 18所财经商贸类“双高计划”高职院校进行办学效果评估。在 DEA 评估模型中，研究者普遍采用 CCR38专题：“双高”建设与评估2023年第5期和 BCC 模型，这些模型将权重分配给最有利于自身评价的指标，与教育部已发布的中期绩效自评报告参考提纲不匹配。为了弥补这一缺陷，本文采用 Thompson 等人提出的保证域（Assurance Regions，简称 AR）模型14，该模型可以限制权重在一定范围内，从而使得“双高计划”建设效果在符合国家总体发展要求的同时，也能突出各校的办学特色。此外，本研究还采用多元线性回归方程分析影响 18 所财经商贸类“双高计划”院校办学效率的因素，为院校后续改进优化提供方向。（二）DEA-AR模型DEA 模型可以根据输入输出数据对决策单元进行评价，假设有s个决策单元（decision making units，简 称 DMU），每 个 DMUr（r=1，2，3，s）有m个投入Xrj(j=1,2,m)，获得n个产出Yrk(k=1,2,n)，则评价 DMUi的 DEA 投入导向线性规划模型可以表示为：Ei=maxk=1nwkYikS.T.maxk=1nwkYrk-j=1mvjXrj 0r=1,2,3,sj=1mvjXrj=1wk 0vj 0（1）其中，vj=tvj,wk=tuk,t=1/j=1mvjXij为常数。在传统的 DEA 模型中，每个决策单元的权重wk和vj均以最有利于该决策单元为原则进行分配。但在实际生产生活中，各种评价指标存在相对明确的权重，因此权重不能任意取值，否则不利于客观评价各个决策单元的效率。为此，借鉴 Thompson 等提出的保证域概念构建 DEA-AR 模型，通过保证域对权重设定上下界。本文即以教育部发布的“双高计划”建设中期绩效考核评价指标体系为蓝本，参考权威专家研究成果，尝试建立相对公正客观的评价模型。存在保证域的 DEA 模型主要增加权重的上限UO和下限LO，则相应的约束条件表示为：LO1/UO1 w1/w2 UO1/LO1，对于所有的输入和输出 可 表 示 为LOp/UOq wp/wq UOp/LOqp q=2,3,n，LIp/UIq wp/wq UIp/LIq q=2,3,m，分 别 令CLpq=LIp/UIq,CUpq=UIp/LIq,DLpq=LOp/UOq，则式（1）可写为以下形式：Ei=maxk=1nwkYikS.T.k=1nwkYrk-j=1mvjXrj 0r=1,2,3,sj=1mvjXrj=1-vp+CLpqvq 0,vp-CUpqvq 0p q=2,3,m-wp+DLpqwq 0,wp-DUpqvq 0p q=2,3,nwk,vj 0（2）四、研究设计（一）数据来源根据教育部、财政部发布的 关于公布中国特色高水平高职学校和专业建设计划建设单位名单的通知，本研究选取了名单中高水平专业群属于财经商贸大类的学校 18 所，从各校公布的自评报告中获得相应的指标数据，并采用DEA 法来分析各投入产出指标的效率，研究对象的基本情况如表1所示。表 118所财经商贸类“双高”院校基本情况一级维度地区分布二级维度东部中部西部东北样本数量11511占比61%28%5.5%5.5%（二）评估体系的构建建立评估体系是评价办学效率的基础，评估指标的选择直接影响评价结果。目前，大部分职业院校办学效率研究在投入要素上按照人、财、物进行分析，产出指标上主要依据收集到的数据类型进行分类评价，缺乏统一性和权威性。本研究评估体系初始指标主要参考教育39专题：“双高”建设与评估2023年第5期部、财政部发布的中期绩效自评报告参考指标体系与 双高学校数据采集表，并参考刘斌、邹吉权的研究成果9进行调整汇总。在投入指标上，本研究采用“基础性投入”“经费投入”“人力投入”3 个二级指标、8 个三级指标。在产出指标上，本研究采用“育人成果”“教学成果”“团队建设成果”“产学研成果”和“社会服务成果”5 个二级指标、8 个三级指标、17 个四级指标，具体办学效率评估体系如表 2、表 3 所示。表 2院校办学效率评估体系投入指标一级指标投入指标二级指标基础性投入经费投入人力投入三级指标生均占地面积生均教学科研用房面积生均纸质图书册数生均教学仪器设备值学校年生均财政拨款高级专业技术职称专任教师比例双师素质教师比例生师比单位m2/人m2/人册/人元/人元/人标记X1X2X3X4X5X6X7X8表 3院校办学效率评估体系产出指标一级指标产出指标二级指标育人成果教学成果团队建设成果产学研成果社会服务成果三级指标技术技能人才培养高地课程资源建设教材与教学改革教师教学创新团队实践教学基地技术技能创新服务平台社会服务平台国际交流与合作四级指标学生获省级奖励毕业生就业相关度省级在线开放课程省级示范性虚拟仿真实训基地省级教学成果奖职业教育国家规划教材国家级特色专业群省级教学名师省级教学团队教师获奖国家级校企合作平台1+X证书省级科研项目省级科研成果服务终身学习型社会引领职教改革发展鲁班工坊标记Y1Y2Y3Y4Y5Y6Y7Y8Y9Y10Y11Y12Y13Y14Y15Y16Y17本文拟采用 DEA-AR 模型评价高职院校办学效率，使用 DEA 模型的前提是消除指标间线性关系，因此采用因子分析对指标进行降维处理，以此提高评价结果的有效性。（三）评价指标的选择本文使用 SPSS 28.0 对 8 个三级投入指标和17 个四级产出指标进行因子分析，并采用主成分分析对因子进行构造。对投入指标和产出指标进行 KMO 检验和 Bartlett 球形度检验，其中，投入指标 KMO 值为 0.641，Bartlett 球形度检验的显著性水平为 0.000；产出指标 KMO 值为 0.609，Bartlett 球形度检验的显著性水平为 0.001，说明研究数据适合进行因子分析。根据原变量的方差情况选取了 3个投入公因子（累积方差解释率为 84.339%）和 3 个产出公因子（累积方差解释率为69.044%）。表 4是投入指标旋转后因子载荷系数，由因子载荷大小分别命名资金投入为 T1，基础性投入为 T2，人力投入为 T3。表 5 是产出指标旋转后因子载荷系数，分别命名社会服务成果为 C1，产学研成果为 C2，团队建设成果为 C3。由于各原始数据量纲不一致，要计算每所学校在因子分析中生成的 3 个投入因子和 3 个产出因子上的得分，需要对指标进行无量纲化，因此将各原40专题：“双高”建设与评估2023年第5期始数据转化为平均值为 0、标准差为 1的 Z分数，并通过阈值法转换为取值范围在 110 之间的分数。经过处理后的数据如表 6所示，其中一所学校为1个DMU（决策单元）。表 4旋转后投入指标因子载荷系数投入指标生均纸质图书册数生均教学仪器设备值学校年生均财政拨款生均占地面积生均教学科研及辅助用房面积生师比双师素质教师比例T10.8900.8810.918T20.9390.841T30.6310.940表 5旋转后产出指标因子载荷系数产出指标省级教学成果奖服务终身学习型社会引领职业教育改革发展国家级校企合作平台省级教学团队省级教学成果职业教育国家规划教材省级教学名师教师获奖C10.6740.7840.700C20.5180.8460.726C30.5860.9040.562表 6无量纲化处理后的投入产出因子DMU123456789101112131415161718T12.6510.004.781.003.562.221.724.272.633.163.821.491.942.803.062.081.652.32T21.004.003.894.182.512.131.645.292.526.671.0510.003.711.252.093.083.192.08T37.105.3110.002.069.213.362.794.655.862.551.007.827.018.728.048.298.638.05C17.318.429.398.753.8710.008.136.036.234.362.671.004.654.908.491.682.091.10C21.0010.007.855.422.921.605.478.243.565.334.722.271.348.724.285.469.196.18C39.237.197.913.374.946.431.002.075.7210.008.553.532.828.473.475.702.196.83五、财经商贸类“双高”院校办学绩效实证分析（一）CCR、BCC模型结果分析经过评价模型验证与指标选择，本研究采用 DEA 模型评估 18 所财经商贸类“双高”院校的办学效率。文中采用投入导向的 CCR 与 BCC模型进行计算，其中，CCR 模型计算的效率值未考虑规模效率，并非纯粹的技术效率，而 BCC 模型考虑了规模效应，得到的为纯技术效率，可将两者相除得到规模效率。综合使用 CCR 和 BCC模型可以得到一个更全面的评估结果，具体如表7所示。表 718所财经商贸类“双高”院校办学效率DMU123456789101112131415161718综合效率10.6230.65510.433110.7120.706110.6860.44310.7340.84610.935纯技术效率11110.5931110.782110.6990.75210.8360.87210.964规模效率10.6240.65510.731110.7120.902110.9810.58910.8780.9710.97规模报酬不变递增递增不变递增不变不变递增递增不变不变递增递增不变递增递增不变递增根据 DEA 效率标准，效率达到 0.8 可以认定为效率较高，低于 0.5 属于低效率区间。整体来看，通过常规数据包络法计算得到的 18 所财经商贸类“双高”院校平均办学效率较高，综合效率、纯技术效率、规模效率达到高效率的院校占比分别为 55.56%、77.78%和 72.22%；低效率的院校占比分别为11.11%、0%和0%。（二）DEA-AR模型结果分析根据 CCR 与 BCC 模型结果，财经商贸类“双41专题：“双高”建设与评估2023年第5期高”院校办学效率普遍较高，18 所院校中有 11所院校纯技术效率达到最优，且可以通过不断加大投入以提高综合效率。但模型评价结果与18 所院校自评报告结论是不匹配的，分析原因发现，CCR 模型和 BCC 模型都是基于自评效率值进行评价的，这意味着决策单元会从线性方程众多解中选择最有利于自身效率评价的解，导致每个决策单元对有利于自身效率评价的指标给出高权重，对不利于自身效率评价的指标给出低权重甚至零权重。因此本文采用 DEA-AR 模型规范财经商贸类“双高”院校投入产出指标权重设置。表 8展示了投入、产出指标权重的上界与下界，该权重主要参考教育部发布的中期自评报告要求与刘斌、邹吉权的研究成果进行优化设置。表 8投入产出指标权重上界与下界指标资金投入基础性投入人力投入社会服务成果产学研成果团队建设成果上界0.480.420.240.250.4730.277下界0.370.280.210.1240.2340.137处理指标权重后，利用 Python 程序计算出18 所财经商贸类“双高”院校基于 DEA-AR 模型的综合效率值，进而利用得出的结果与 CCR 模型进行对比分析，结果如表9所示。与 CCR 模型相比，基于 DEA-AR 模型得出的办学效率仅有 4 所院校达到“DEA 有效”（效率达到 1），其余 14 所院校办学效率均有较大幅度下降，平均办学效率由 0.820下降至 0.691。其中原因主要有以下两点：一是采用 CCR 模型时，指标权重不透明，每所院校采用不同的指标权重，从而使得计算出的 18所院校综合效率偏高，难以对院校进行排名；而采用 DEA-AR 模型可以限制权重分配的无序性，保留上下区间也可发挥院校特色，使结果更符合实际情况。二是部分院校两种模型排名不一致，如 DMU3在 CCR模型中排名 15，在 DEA-AR 模型中排名 11，这是由于部分院校在某项指标产出较高，在限制权重范围后其效率下降更多，导致院校排名出现差异。因此采用 DEA-AR 模型得到的效率结果可以更全面地反映办学效率状况，也有利于相关部门系统全面地掌握高职院校办学水平。表 918所财经商贸类“双高计划”院校办学绩效DMU123456789101112131415161718CCR1.0000.6230.6551.0000.4331.0001.0000.7120.7061.0001.0000.6860.4431.0000.7340.8461.0000.935排名116151181112131114171111019DEA-AR0.8460.5540.6271.0000.3801.0001.0000.5640.6580.7171.0000.1970.3310.9910.5890.5700.7160.695排名615111161114107118175121389（三）“双高计划”院校投入产出结果分析通过上述数据处理，可以得到 18 所财经商贸类“双高”院校投入、产出得分，通过分析得分均值对其发展类型进行分类。将投入得分高于平均分 6.15、产出得分高于平均分 5.41 的视为高 竞 争 力、高 潜 力 院 校，主 要 代 表 为 DMU1、DMU4、DMU6 和 DMU14。该区域院校能够以较低投入产出较多成果，若尚未达到 DEA 有效，可以 考 虑 加 大 投 入。第 二 类 为 投 入 得 分 高 于6.15、产出得分低于 5.41 的高潜力、低竞争力院校，主 要 代 表 为 DMU13、DMU16、DMU17、DMU18，这类院校除了需加大资源投入外，还需考虑学校规模、专业设置是否符合自身发展需求。第三类是投入得分低于 6.15、产出得分高于 5.41 的低潜力、高竞争力院校，主要代表为DMU2 和 DMU3，这类院校能够获得超规模投入，也能产出较多成果，但存在过多无效投入，需考虑如何最大化利用投入资源。最后一类是投入得分低于 6.15、产出得分也低于 5.41 的低潜力、低竞争力的院校，主要代表为 DMU12，该42专题：“双高”建设与评估2023年第5期类院校投入较多，但产出得分较低，需重点考虑如何提高院校产出成果，并使产出成果与社会需求相匹配。通过对比 18所院校 DEA-AR 办学效率排名与矩阵分析图（详见图 1）位置可以发现，办学效率越高的院校越接近于高竞争力、高潜力象限。图 1财经商贸类“双高计划”院校分类坐标（四）“双高计划”院校办学效率影响因素分析财经商贸类“双高”院校办学效率受多种因素影响。矩阵分析图上任意位置的院校若要提高办学效率，均需加大投入力度、优化产出要素。但这种投入与产出优化不能盲目进行，需要针对性地进行调整。本文将团队建设成果、产学研成果、社会服务成果、人力投入、基础性投入、资金投入作为自变量，而将 DEA-AR 效率作为因变量进行线性回归分析。从表 10 可知，模型 R2值为 0.943，意味着投入、产出指标可以解释办学效率的 94.3%变化原因，拟合度较好。针对模型的多重共线性进行检验发现，模型中VIF 值均小于 5，意味着不存在共线性问题，说明样本数据之间并没有关联关系，模型可靠性较高。表 10办学效率影响因素的回归分析变量常数团队建设成果产学研成果社会服务成果人力投入基础性投入资金投入R2B0.7340.3090.4090.232-0.401-0.449-0.6950.943标准误差0.0780.0660.0690.0620.0600.0770.109t9.448*4.655*5.931*3.727*-6.667*-5.833*-6.402*VIF1.2811.4391.3661.0951.1551.836注：*p0.05，*p0.01，*p0.001观察表 10 可知，所有的产出指标与办学效率均呈现显著正相关，其中产学研成果的回归系数值为 0.409，意味着产学研成果会对 18 所财经商贸类“双高”院校办学效率产生最显著的正向影响；而所有的投入指标与办学效率之间均呈现显著负相关，其中资金投入的回归系数值为-0.695，意味着资金投入会对 18 所财经商贸类“双高”院校办学效率产生最显著的负向影响。因此财经商贸类“双高”院校想提高办学效率，应该谨慎加大资金投入力度，越高的资金投入可能对办学效率产生越大的负面影响；在产出方面，加大校企合作力度、产出更丰富的产学研成果，最有利于财经商贸类“双高”院校办学效率的提升。六、结果与讨论通过对比 CCR 模型与 DEA-AR 模型的评价结果可知，传统 CCR 模型评价结果普遍偏高，不能反映财经商贸类“双高”院校真实办学效率。而 DEA-AR 模型采用保证域约束评价指标上下限，让财经商贸类“双高”院校能够按照相对统一的指标权重进行排名，这既有利于政府主管部门量化分析各院校办学成果，也能使院校充分发挥主动能动性，展现办学特色。此外，18所院校办学效率达到高效率的占比为 33.33%，达到中等效率的占比为 50%，低效率的占比为16.67%。这表明财经商贸类“双高”院校办学效率整体偏低，尚未充分利用投入资源，故应加强对投入资源的管理，同时充分引导院校成果产出方向。本文针对 18所财经商贸类“双高”院校办学效率的排名与主流排名有所差异，矩阵分析图可解释该差异原因。目前主流学校排名机构主要以各类产出成果作为评分依据，较少关注院校的资金、人力、物力投入是否合理。以 DMU2为例，该院校产出得分第一，办学效率排名却仅为 15名，根据矩阵分析图可以发现，该院校在产出较多成果的同时其投入得分也是最低的，每年生均投入费用超过其他院校几倍，因此其他财经商贸类院校很难模仿该路径进行发展。而43专题：“双高”建设与评估2023年第5期DMU6、DMU7院校位于同一省份，在主流排名榜单中属于中流水平，但它们在矩阵分析图的位置接近高竞争力、高潜力象限，且 DEA-AR 效率均为强有效。分析两所院校投入产出成果可以发现其产学研成果颇丰，且投入经费低于“双高”院校平均水平，因此排名整体靠前。本研究通过多元线性方程发现，人力投入、基础性投入和资金投入都会对 18所财经商贸类“双高”院校办学效率产生负面影响，其中资金投入对办学效率负面影响最大。以下原因可能造成这一现象的出现：首先，这些院校在入选“双高计划”之前均是国家示范高职院校或国家骨干高职院校，前期均有较大的人力、财力投入，现阶段资金投入存在一定冗余；其次是教育投入本身具有一定滞后性，要素投入产生的效益需要在更长的周期内观察；最后是入选“双高计划”的院校所处地区经济条件有差异，造成财政投入差异较大，使得该项指标波动性增加。在产出方面，产学研成果对办学效率的提高有较强的引导作用，这也与我国近期大力推动校企合作、产教融合密切相关。产学研成果的诞生必然会促使职业院校教师提高技能，从而推动教学团队的建设，而专业人才培养必须与产业紧密对接，才能培养出更多的高素质技术技能人才。故职业教育主管部门应加强对投入资源的管理，同时充分引导财经商贸类院校的成果产出方向，指导学校与企业共建产教融合育人平台，营造良好的高职教育环境。参考文献：1 中华人民共和国教育部，中华人民共和国财政部.教育部 财政部关于实施中国特色高水平高职学校和 专 业 建 设 计 划 的 意 见EB/OL.（2019-04-01）2022-07-02.https：/ 王露莹，刘晓.中国特色高水平高职学校教师队伍的建设成效与优化策略基于 56 所“双高”院校中期绩效自评报告的分析 J.中国职业技术教育，2022（23）：13-20.3 朱善元，胡新岗，李巨银.“双高计划”背景下高职院校内部治理的价值意蕴、问题现状与提升路径 J.教育与职业，2021（16）：43-47.4 刘晶晶，和震.“双高计划”高职院校深化产教融合的维度及内涵研究 J.教育发展研究，2020（17）：52-58.5 李梦卿,陈竹萍.“双高计划”高职院校产教融合的实施 维 度 与 推 进 策 略J.现 代 教 育 管 理,2022(1):109-118.6 吴海勇.“双高计划”下高职院校高水平专业群建设的思路 J.上海教育评估研究，2021（4）：46-51.7 林克松，许丽丽.“双高”时代高职专业群建设与治理体系改革的共同演进J.高等工程教育研究，2020（5）：134-139+164.8 王惠莲.高职院校特色高水平专业群建设的逻辑解构、关键维度及实施向度 J.中国职业技术教育，2020（32）：54-61.9 刘斌，邹吉权.“双高计划”绩效评价指标体系内涵分 析 与 权 重 确 定J.中 国 高 教 研 究，2021（4）：96-102.10 宋志敏.“双高”建设中高职院校专业群建设及其指 标 体 系 构 建J.职 业 技 术 教 育，2020（13）：12-16.11 董鸿安，任君庆，张振，等.生态位视域下高职院校“双高计划”建设的综合竞争态势评价及启示基于浙江省的分析 J.中国职业技术教育，2021（27）：65-71.12 康翠萍，龚洪.“双高计划”建设中政策工具选择及其 优 合 策 略J.国 家 教 育 行 政 学 院 学 报，2019（11）：16-24.13LEVIN M H.Measuring efficiency in educational production J.Public Finance Review，1974（1）：3-24.14 THOMPSON R G，LEE E，THRALL R M.DEA/AR efficiency of U.S.independent oil/gas producers over timeJ.Computers&OperationsResearch，1992：377-391.44专题：“双高”建设与评估2023年第5期Research on Running Efficiency of DoubleHigh Plan Colleges from thePerspective of DEAAR ModelBased on the Data of 18 Finance and Business DoubleHigh Plan CollegesCHEN Cheng,CHANG Wei（Insurance Professional College,Changsha 410114,China）Abstract:To gain insight into the running efficiency of Doublehigh Plan colleges over the past three years,find the developmental strengths and constructional weaknesses present within professional groups,offerpractical developmental pathways for other academic institutions,a DEA model based on guarantee domainwas used to evaluate the efficiency of 18 DoubleHigh Plan universities and colleges in finance andcommerce,and a linear regression model was used to analyze the factors affecting the efficiency ofDoubleHigh Plan universities and colleges.Case studies have shown that,compared to traditional DEAmodels,the guarantee domain model adjusts the upper and lower bounds of indicator weights,making theweight settings in line with relevant national requirements and able to rank the efficiency of universities morereasonably.The input and output indicators show a significant positive correlation with academic researchresults and efficiency,while the investment in funds has a significant negative correlation with efficiency.Therefore,the education administration department should strengthen the management of input resources,reasonably guide the direction of output results,guide schools and enterprises to jointly build a platform forintegrating industry and education,and create a better higher vocational education environment.Key words：the Doublehigh Plan;DEAAR;schoolrunning efficiency（责任编辑：葛薇）版权声明为适应我国信息化建设发展要求，扩大本刊及作者知识信息交流渠道，江苏高职教育 已加入 中国学术期刊综合评价数据库 中国期刊全文数据库 中国学术期刊（光盘版）中国核心期刊（遴选）数据库（万方数据数字化期刊群）、中文科技期刊数据库 国家哲学社会科学学术期刊数据库 国家哲学社会科学文献中心 等数据库，许可这些数据库以数字化方式复制、汇编、发行、信息网络传播本刊全文。本刊支付的稿酬已含著作权使用费，所有署名作者向本刊提交文章发表之行为视为同意上述声明。如作者不同意网络传播，请在投稿时声明，本刊将做适当处理。45