高职院校产教融合培养模式的有效性评价研究--以安徽省为例

Value Engineering
0引言
随着供给侧经济结构性改革的不断推进，安徽省凭借优越的地理位置、人口等优势，经济活力不断激发，逐渐成为经济大省。

相应的，企业作为经济主体对于人才的需求在数量和质量层面均不断增加。

在此背景下，依托于省内丰富的职校、企业和人口资源，通过政府、企业和职校三方合作，投入相应资源，推动产教融合培养模式运行，培养了大批社会所需要的技术性人才。

但是，在取得成果的同时，产教融合是否具有有效性是值得探究的，而有效性最直观的表现就是其资源配置效率。

为了能够判定资源配置效率是否最优，也为了能够指导未来的产教融合的发展，通过使用数据包括分析和Maimquist 指数法对安徽省高职院校产教融合的投入产出进行动静态测量分析十分有必要的。

1研究设计1.1模型选取
1.1.1数据包络分析数据包络分析（Data Envelopment Analysis ，DEA ）是一个对多投入/多产出的多个决策单元的效率评价方法。

Farrell 于1957年提出了单投入单产出技术效率比较方法（即包络思想），而DEA 则是其进一步延伸[1]。

是以相对效率概念为基础发展起来的一种效率评价方法，在事先设立好各决策单元（Decision Making Unit ，DMU ）的投入产出指标的基础上，通过对模型中的各个决策单元进行输入输出数据分析，从而得到有关于每个决策单元的效率数据，观测各决策单元是否具有效率，从而为决策单元不具有效率的原因进行分析。

DEA 在理论上有两种理论模型，一种为CCR 模型，以规模报酬不变为假设前提；另一种是BCC 模型，以规模报酬可变为假设为前提。

基于本文研究问题的属性，本文采用BCC 模型进行分析。

1.1.2马姆奎斯特指数法
为了解决传统DEA 方法只能进行静态横截面效率测度的弊端，Malmquist 最早提出了Malmquist 指数法，从而解决相对效率变化的问题，此后众多学者进一步发展[2]，在投入产出指标的基础上，采用距离函数比率的计算方法，对决策单元t 到t+1时期投入———产出效率进行计算。

从而更好地对决策单元的生产率指数变化进行测量。

1.2指标构建1.
2.1投入指标
当前我国高职院校产教融合在投入方面主要包括了人、财、物三个方面[3]。

在人力资源投入方面，产教融合强调理论与实践，如果引入专任教师数量这一指标无法充分显示职校在产教融合方面的师资人才建设，因此引入双师型教师数量这一指标，进一步体现职校在产教融合师资人才体系的建设程度。

在物力资源投入方面，根据学生实际发展需要，首先选取“生均学校占地面积”“生均教学用计算机台数”“生均科研仪器设备价值”和“生均图书”作为物力资源投入指标。

分别反映职校在学校基础设施建设水平、网络化办学水平、实践教学水平和学术建设水平。

由于产教融合更加强调实践教学，因此引入“实训岗位数量”指标，反映学生在企业接受顶岗实习的实践教学水平。

——————————————————————
—基金项目:安徽财经大学研究生科研创新基金项目
（ACYC2020291）。

作者简介:刘昊（1996-），男，安徽淮南人，安徽财经大学财政与
公共管理学院，硕士研究生（研二），研究方向为教育经济与管理。

高职院校产教融合培养模式的有效性评价研究
——
—以安徽省为例Research on the Effectiveness Evaluation of Production and Education Integration Training Mode
in Higher Vocational Colleges:Taking Anhui Province as an Example
刘昊LIU Hao
（安徽财经大学财政与公共管理学院，蚌埠233030）
（School of Finance and Public Management ，Anhui University of Finance &Economics ，Bengbu 233030，China ）
摘要:随着安徽省经济的迅猛发展，企业对于技术性人才的需求逐渐增大，因此职业教育产教融合培养模式日益得到重视，多方
主体投入要素资源推动技术性人才的培养并且得到显著成果。

在此背景下，文章通过对2015-2018年安徽省44所高职院校产教融合的资源配置效率进行动静态测量，分析其有效性，发现安徽省高职院校产教融合培养模式存在校际差距大、技术退步等现象，并提出相关政策建议，实现技术性人才培养和资源有效利用的双赢。

Abstract:with the rapid economic development of Anhui Province,the demand of enterprises for technical talents is gradually increasing,so vocational education production and education integration training mode has been paid more and more attention.In this context,this paper analyzes the effectiveness of the resource allocation efficiency of the industry education integration of 44higher vocational colleges in Anhui Province from 2015to 2018by dynamic and static measurement,and finds that there is a big gap between colleges and technology regression in the industry education integration training mode of higher vocational colleges in Anhui Province,and puts forward relevant policy suggestions to achieve a win-win situation of technical personnel training and effective utilization of resources.
关键词:产教融合；有效性；资源配置效率
Key words:integration of production and education ；effectiveness ；resource allocation efficiency 中图分类号:G710文献标识码:A 文章编号:1006-4311（2021）11-0057-03
·57·
价值工程在财力资源投入方面，职校主要财力收入来源为财政
拨款和学校学费收入，然而反映职校财力投入更多表现为职校年度教育经费支出，因此选取“生均教育经费支出”指标，反映职校教育财力投入水平。

1.2.2产出指标
职业教育产教融合培养模式的最终目标是提高学生的个人能力，以促进学生更好的就业，使学生学有所成，学有所用，同时为企业和社会培养所需要的人才，因此在产出指标方面选取“就业学生数量”“对口就业人数”和“企业满意度”。

其中，“就业学生数量”作为高职院校产教融合培养模式的产出数量指标，体现了高职院校产教融合培养模式下为社会供应人才的能力水平。

“对口就业人数”和“企业满意度”则为产出质量指标，“对口就业人数”反映了学生的专业技能水平和符合社会需要的程度水平。

而“企业满意度”则表示以企业为代表的社会大众对于高职院校学生的满意程度。

1.3样本数据及研究方法
本文通过以安徽省高职院校为研究对象，通过各高职院校官方文件、各高职院校2015-2018年《高等职业教育质量年度报告》、2015-2018年《安徽省教育经费执行情况统计公告》以及相关政府部门统计公告，获取相关数据，并加以核实。

根据数据的可获得性和真实性，最终选取44所高职院校作为决策单元，根据所在城市赋予相应代码（本文略），其数据作为本研究样本数据。

运用相关数据，首先以规模报酬可变为前提，进行DEA静态分析，探求有效决策单元并对DEA非有效的决策单元进行情况分析；其次基于Malmquist指数对高职院校2015-2018年的全要素生产率进行动态测量，分析其演变趋势，基于动静态分析结果，提出相关政策建议，完成本研究。

2数据分析
2.1基于投入角度的BCC模型分析
将相关数据输入数据分析软件DEAP2.1中，在以规模报酬可变为前提的BCC模型中，对各高职院校的投入产出进行分析，数据结果如表1，由表1可得，27所学校的综合技术效率为1（C1、D1、F1等），说明决策单元效率有效，这反映了这27所院校在资源投入和效益产出方面相对来说均处于较佳状态。

而其他17所院校中，10所学校的规模报酬处于递增状态，其中1所院校虽然在纯技术效率方面有效，但是在规模效益方面非有效（H10），反映了该校在技术水平方面投入的资源是有效率的，但是在产出规模即规模效益方面还需要进一步提升，未来的改进方向应该侧重于规模效益的提升；9所院校纯技术效率和规模效益均非有效（B2、D2和E1等），这说明了这些学校不仅在技术水平上资源配置效率没有达到有效，而且规模效益也不足，培养出来的人才不能够满足企业的需要。

需要进一步改进。

此外，有7所院校的规模报酬呈现递减状态，表明了这些学校随着规模效益的提升，继续增加规模是无用的。

其中，4所院校在纯技术效率方面有效，而在规模效益方面非有效（A1、J1和K1等）；3所院校在纯技术效率和规模效益方面均为非有效（A2、H2和H22），由此可以看出技术水平是影响综合技术效率的最主要原因，未来应该将提升技术水平作为改革重点。

序号院校代码crste vrste scale
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
A1
A2
B2
C1
D2
E1
H2
H5
H6
H13
H22
I1
I3
J1
K1
L2
M2
N2
0.962
0.761
0.857
1.000
0.992
0.787
0.941
0.833
0.781
0.992
0.667
0.633
0.919
0.936
0.991
0.641
0.894
0.739
1.000
0.777
0.863
1.000
0.994
0.920
0.968
0.977
0.783
1.000
0.680
0.672
0.945
1.000
1.000
0.643
1.000
0.744
0.962
0.980
0.993
1.000
0.999
0.856
0.972
0.853
0.998
0.992
0.982
0.941
0.973
0.936
0.991
0.996
0.894
0.993
drs
drs
irs
-
irs
irs
drs
irs
irs
irs
drs
irs
irs
drs
drs
irs
drs
irs mean0.9390.9530.984
表1安徽省各高职院校产教融合投入与产出效率值
注1：Crest为综合技术效率，Vrest为纯技术效率，Scale为规模效率，irs为规模报酬递增，-为规模报酬不变，drs为规模报酬递减，mean为平均值；
注2：除决策单元C1外，还有D1、F1、H1、H3、H4、H7-H12、H14-H21、J2、L1、L3、N1、O1、P1等26个决策单元有效，本表略.
2.2基于马姆奎斯特指数的分析
通过将2015-12018年安徽省44所高职院校指标数据带入DEAP2.1软件中，使用马姆奎斯特指数法进行计算，得到以下分析结果。

2.2.1总体情况
如表2所示，从平均值的角度看，2015-2018年安徽省高职院校产教融合培养模式的全要素生产率指数（即tfpch指数，以下简称TFP指数）平均值为0.946，以1作为评价标准，TFP指数值高于1时表明了全要素生产率的提高，低于1时则为恶化。

根据这一理念，安徽省高职院校产教融合培养模式的全要素生产率低于1，表示其资源配置效率降低。

而造成资源配置效率降低的主要原因在于技术的退步。

从具体年度的角度看，技术效率、纯技术效率和规模效率在三个年度周期内表现出先升后降再升的波动趋势，而技术进步指数和TFP指数的波动趋势则相反，为先降后升再降，由此可知TFP指数的下降的主要原因在2015-2016年和2017-2018年是因为技术的退步，在2016-2017年是因为技术效率指数的下降。

year effch techch pech sech tfpch 2015-2016
2016-2017
2017-2018
mean
1.009
0.96
1.049
1.005
0.923
1.015
0.89
0.941
1.009
0.99
1.008
1.002
1
0.969
1.041
1.003
0.932
0.974
0.933
0.946表22015-2018年安徽省各高职院校产教融合TFP指数及分解注：effch为技术效率变动，techch为技术进步变动，pech为纯技术效率变动，sech为规模效率变动，tfpch为全要素生产率变动：tfpch=Techch×Effch=Techch×Pech×Sech.
2.2.2具体情况
如表3所示，通过对比各高职院校TFP指数，仅有十所院校的TFP指数大于1，表明这十所院校的全要素生产效
·58·
Value Engineering
率要高于其他院校，环境效率改善。

但是其中TFP指数最高
为1.091（H1），最低仅为1.005（H16），没有超过1.10，说明了
这十所院校的全要素生产效率处于低速增长阶段，表明了
这些院校依然要着手于技术效率的提高和技术的进步。

在
这十所院校中，四所院校得益于技术效率的提高（B2、D2、H18等），五所院校得益于技术的进步（H1、H3、H4等），一所院校得益于技术效率和规模效率的双重提高（C1），没有院
校全要素生产效率的提高得益于纯技术效率的提高。

剩余的34所职业院校TFP指数均低于1，环境效率
恶化，属于低效率地区。

其中，1所院校因为规模效率的降
低（H6），29所院校因为技术退步（A1、A2、D1等），2所院
校因为技术效率的降低（I1、N2），1所院校因为技术效率
和规模效率的双重降低（H22）。

序号院校代码effch Techch pech sech tfpch
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44
A1
A2
B2
C1
D1
D2
E1
F1
G1
H1
H2
H3
H4
H5
H6
H7
H8
H9
H10
H11
H12
H13
H14
H15
H16
H17
H18
H19
H20
H21
H22
I1
I3
J1
J2
K1
L1
L2
L3
M2
N1
N2
O1
P1
0.987
1.055
1.057
1.063
1.000
1.097
0.993
1.049
1.000
1.000
1.030
1.000
1.000
0.949
1.002
1.000
1.000
1.000
1.000
1.000
1.025
0.997
1.000
1.000
1.000
1.016
1.016
1.059
1.000
1.000
0.874
0.864
1.023
1.015
1.000
1.054
1.021
0.989
1.000
0.963
1.000
0.933
1.050
1.087
0.876
0.941
0.964
0.996
0.801
0.941
0.923
0.876
0.893
1.091
0.940
1.042
1.034
0.946
0.988
0.782
1.019
0.978
0.895
0.948
0.975
0.949
0.949
0.957
1.005
0.924
1.012
0.917
0.919
0.948
0.951
0.913
0.930
0.929
0.938
0.947
0.914
0.945
0.793
0.954
0.996
0.953
0.938
0.961
1.000
1.022
1.007
1.000
1.000
0.997
0.945
1.006
1.000
1.000
1.009
1.000
1.000
0.948
1.060
1.000
1.000
1.000
1.000
1.000
1.021
1.000
1.000
1.000
1.000
1.009
1.013
1.000
1.000
1.000
1.000
0.955
1.007
1.000
1.000
1.008
0.998
1.066
1.000
1.000
1.000
0.987
1.046
1.010
0.987
1.033
1.050
1.063
1.000
1.100
1.051
1.042
1.000
1.000
1.021
1.000
1.000
1.001
0.945
1.000
1.000
1.000
1.000
1.000
1.004
0.997
1.000
1.000
1.000
1.007
1.004
1.059
1.000
1.000
0.874
0.905
1.016
1.015
1.000
1.046
1.023
0.929
1.000
0.963
1.000
0.945
1.004
1.076
0.864
0.993
1.019
1.059
0.801
1.033
0.916
0.919
0.893
1.091
0.968
1.042
1.034
0.897
0.99
0.782
1.019
0.978
0.895
0.948
0.999
0.947
0.949
0.957
1.005
0.939
1.029
0.971
0.919
0.948
0.831
0.789
0.951
0.944
0.938
0.998
0.933
0.935
0.793
0.919
0.996
0.889
0.986
1.045
mean 1.0050.941 1.002 1.0030.946
表32015-2018年安徽省各高职院校产教
融合按学校TFP指数及分解
3研究结论和建议
3.1研究结论
3.1.1校际投入产出效率差距大
通过横向比较17所规模报酬变动的学校数据可以发
现，校际投入产出效率存在很大差异：在规模效率方面，最
高值为0.999（D2），最低值为0.853（H5）；在纯技术效率方
面，最高值为0.994（D2），最低值为0.643（L2）；而在综合
技术效率方面，最低值仅为0.633（I1）。

由此可以看出，校
际投入产出效率的差距是十分悬殊的，必然会导致发展不
均衡，影响总体效果。

3.1.2技术退步成为影响产教融合的重要因素
通过马姆奎斯特指数分析可以发现技术退步是影响
产教融合的重要因素。

从整体上看，在2015-2018年度，无
论从平均值还是具体年度的角度，影响高职院校产教融合
的最主要因素就是技术退步。

而从具体院校的情况看，34
所院校TFP指数低于1，其中29所院校TFP指数低于1
的原因源于技术退步，比例高达85%。

3.2政策建议
3.2.1调整校际要素投入
通过校际综合技术效率的比较可以发现，不同学校的
投入不同，进而导致了其产出效率的不同，影响其资源配
置效率。

因此有必要根据实际情况，按照产出的实际需要，
调整要素投入，增加或减少实际的教育资源投入，最大程
度实现帕累托最优，为企业培养更多所需的人才。

3.2.2提高教学管理水平
综合分析结果可以看出，影响资源配置效率的最主要
因素就是技术因素。

因此，在未来的一段时期内，应当促进
学校和企业两个主要教学场所引入先进管理人才和技术，
提高教学管理技术水平[4]。

通过教学管理技术的进步，推动
培养教学效果的提升，提高资源配置效率。

3.2.3加大科研要素投入
科研技术的提升对于提升产教融合培养效果具有重
要的积极作用，因此有必要提高对科研的投入，购买先进
科研设备，引入专业技术人才，提升培养单位的科研技术
水平[5]，结合教学管理技术水平的提高，共同拉动资源配置
效率的提高。

在此过程中，政府要凭借自身资源优势，为培
养单位提供相应的资源，尤其是作为实践教学资源的主要
提供者的企业，在接受资源方面应当受到侧重，提高实践
教学效果。

参考文献:
[1]罗红云，庄馨予，张斌.我国职业教育财政投入效率评价———
基于DEA—Malmquist指数三分法[J].地方财政研究，2020（07）：49-
56.
[2]罗红云，庄馨予，张斌.西北五省职业教育财政投入效率评
价及影响因素研究——
—基于DEA—Malmquist指数三分法[J].中国
职业技术教育，2020（27）：85-90.
[3]陈云.基于组合赋权DEA模型的高等职业教育投入产出
效率测评[J].安庆师范大学学报（社会科学版），2020，39（05）：78-
88.
[4]胡计虎.基于产教融合的高职院校教学管理创新研究———
以安徽省高职院校为例[J].金融理论与教学，2020（03）：109-113.
[5]唐新宇，郑志材，李根.“双融双赢”产教融合人才模式的改
革与实践——
—以广东工商职业技术大学计算机专业为例[J].职业
技术，2021，20（04）：35-41.
·59·。