基于主成分及DEA模型的高校教师绩效评价的研究

第42卷 第2期2021年5月
Vol.42，No.2
May，2021吉林师范大学学报(自然科学版)
Journal of Jilin Normal University(Natural Science Edition)
doi：10.16862/ki.issn1674-3873.2021.02.007
基于主成分及DEA模型的高校教师绩效评价的研究
王纯杰，蒋京京，张倩倩，陈嘉*,李纯净
（长春工业大学数学与统计学院，吉林长春130012）
摘要:基于某高校2014年全校学生考试成绩数据和教学评价数据，利用主成分分析及数据包络分析（DEA）模型,以人力资源、课程门数和教学工作量作为投入因素，以学生平均成绩、教师评价总成绩和科研成果得分为产岀要素，从投入与产岀二维角度对某高校教师的绩效进行分析.结果表明,该模型可以客观地反映高校教师绩效的现实情况，并根据分析结果对高校人力资源管理政策提岀建议.
关键词：主成分分析;DEA模型；教师绩效;投入;产岀
中图分类号：0212.1文献标志码：A文章编号：1674-3873-（2021）02-0035-10
0引言
高校教师绩效考评是调动教师积极性、提高教师水平的一个必要且重要的途径，客观、准确地对教师的绩效做出考评是现代高校人力资源管理中的一个重要课题.我国教师评价始于60年代,1984年5月我国正式加入了国际教育成就评价协会组织，此后，在国家教育体制改革的推动下,我国的教师评价得到了较快的发展［1］.王广彦［2］提出了采用基于贝叶斯网络推理技术的高校教师绩效评价方法，将各项指标的评价分值作为证据输入到贝叶斯网络中，便能以概率形式评定参评价师的绩效水平.王宏⑶利用层次分析法来确定模糊综合评价法中的权向量从而建立教师绩效评价模型,很好地反映教师实际情况，避免了传统的将各项指标分数相加求和的不合理性.仝美红⑷结合其他相关资料初步得出适应普通高校的教师绩效评价指标体系以及计量标准，也提出用主成分和改进的熵值法对高校教师进行评价，使得每位教师能客观正确地认识到自己的优势与不足，更适应于高校教师的评价.付沙［5］将粗糙集理论和条件信息熵引入高校教师评价中,建立基于粗糙集条件信息熵的综合评价智能模型，最大程度呈现专家的经验、知识对指标重要性的倾向.并且验证了该评价指标体系的合理性和粗糙集智能评价模型的有效性与优越性.刘和旭［1］通过对现状的考察和反思，引入了标杆管理的思想，提出了将DEA方法运用到教师绩效评价之中，建立新的更加适用于高校教师的绩效评价要求的评价方法体系,并通过一个评价实例验证了该评价方法体系的可行性.张彬［6］对H学院的30名教师的教学绩效借助DEA模型建立了响应的考核体系,并对结果进行了分析与验证，得出DEA考核方法的可行性，还提出了对非有效教师绩效的新的改进办法.晏令等［7］利用DEA模型对兰州大学的10位教师的教学绩效进行评价研究，同时对影响西部教师绩效的因素进行分析，得出兰州大学整体教师的绩效水平预测.施海柳⑻首先对二级学院教学绩效评估存在的问题进行分析，然后运用DEA模型提出“平等性”和“差异性”两种绩效评估收稿日期：2021-03-03
基金项目：吉林省教学教育科学“十三五”规划项目（GH20107）；吉林省高教学会高教科研项目（JGJX2018B12,JGJX2020D118）；吉林省高等教育教学改革研究课题:SAS软件驱动的统计学专业学科竞赛平台的构建研究和探索实践
第一作者简介：王纯杰（1978—）,女'辽宁省灯塔市人'教授'博士'博士生导师.研究方向：数理统计和生存分析.
水通讯作者：陈嘉（1980—）,女'吉林省长春市人，讲师,硕士.研究方向:优化算法和数值计算.
36吉林师范大学学报（自然科学版）第42卷
方法，最后以福州某高校为例研究了两种方法下该校各二级学院的教学绩效评价状况.
本文运用数据包络方法（DEA）⑼，利用某高校2014—2015学年的第一学期的21个学院,418位教师所教课程的54076条学生成绩数据,再结合418位教师的考核成绩与教师的科研情况数据，抽取某学院26位教师对应的数据进行绩效分析，并对高校人力资源管理政策提出相应的建议.
1DEA模型的简介
DEA（数据包络分析）是由著名的运筹学家A.Charnes和W.W.Cooper等于1978年首先提出，该方法的原理主要是通过保持单元的输入或输出不变,确定相对有效的生产前沿，将各个决策单元投影到DEA的生产前沿并通过比较决策单元偏离DEA前沿的程度来评价决策单元的相对效率.
DEA基本模型为CCR模型[10]:对于n个被评价的决策单元（DML,各决策单元的输入指标为m 个，输出指标为S个，令X产（%•••,%•••,%）,（i=1,2,…，m;j=1,2,…，n）为第j个DML的输入向量,其中切为DML,的第i种输入指标的输入值.令Yj=（y”.,…，打，…,y S J,（r e[1,s],j=1,2,…,n）为第j个DML的输出指标向量，其中打为DML;的第r种输出指标的输出值.
”min0；
n
s.t.工X j X j-s+=0X（0,
j=1
<n X
-s~=y a，
J=1
\MOJ=1,2,…,n,
、s+M0,s-M0.
其中:s-为输入的冗余量;s+为输出的不足量;0是该决策单元的相对效率,即输出相对于输入或者输入相对于输出的有效程度,0越大其相对效率越大.当0=1,且s-=s+=0则称该决策单元DEA有效;当0<1时,表示决策单元DEA无效.
CCR模型发展的假定条件为规模报酬不变，然而现实的生活中大多数行业的规模报酬都是可变
的，因此CCR模型发展产生了BCC模型,BCC模型是在CCR模型约束条件下增加£、=1，其判断
=1
有效性条件和CCR模型一样.BCC模型将CCR中的技术效率（0）进一步分解为综合效率，纯技术效率和规模效率.并且将各个DEA无效的决策单元在相对有效平面进行投影分析,计算出输入输出的目标值.
DEA的特点在于其不仅适用于多输入多输出的有效性评价,而且无须任何权重假设，而以决策单元输入输出的实际数据求得最优权重，排除了很多主观因素,具有很强的客观性.
2 DEA模型的实证分析结果
2.1某高校现使用的教师教学绩效考评方法
教学评价体系包括学生评价、校督导评价、院督导评价三个评价系统,对不同系统的评价结果赋以不同的权重后再计算出综合考核得分.学生评价、校督导评价、院督导评价结果的权重为5：3：2.
计算方法为
Y=0.5X1+0.3X2+0.2X3.
其中：y为教师教学考核综合分值;$为学生评价平均分；禺为校督导评价平均分;兀为院督导评价平均分.依据教师教学质量综合评价等级高低排序见表1.
第2期王纯杰，等：基于主成分及DEA模型的高校教师绩效评价的研究37
表1某高校2014—2015第一学期26位教师教学质量的综合评价
Table1A comprehensive evaluation of26teachers quality of teaching in the first semester of2014—2015教师序号学生评价(50%)校督导(30%)院督导(20%)综合得分7100.0098.3594.2598.36
25100.0095.0094.8397.47
11100.0092.7592.7596.38
3100.0090.1292.0095.44
495.0095.2795.9595.27
2394.5993.5095.0094.35
1593.9593.0793.8993.67
2295.0092.0092.0093.50
694.2291.8093.1393.27
1294.4892.4391.5093.27
595.0090.5692.9093.25
1394.6090.5693.6293.19
1493.8891.4793.4693.07
194.2891.0693.0793.07
2494.6691.2191.8693.06
895.0390.3491.6092.94
1095.0090.1292.0092.94
1894.3691.5091.1892.87
1795.0090.3490.3492.67
993.6190.1293.5092.54
1994.3690.0091.7092.52
2092.9790.8791.6092.07
1692.0192.0092.0092.01
2691.5490.3992.2591.33
2190.2288.8891.7090.11
289.3785.8890.2588.50
随后利用SAS软件［11］对26位教师的学生评价、校督导评价、院督导评价三个得分做主成分分析,可以根据相关矩阵的特征值的累积比例来看选择两个主成分比较合适.这三个评价得分系统的特征值和特征向量结果分别见表2—3.按第一主成分排序的教师得分见表4.
表2主成分分析的相关矩阵的特征值
Table2Eigenvalues of correlation matrix of principal component analysis
序号
特征值
相关矩阵的特征值
差分比例累积
1 2.15975409 1.538394030.71990.7199 20.621360060.402474220.20710.9270 30.218885840.07301
38吉林师范大学学报（自然科学版）第42卷
表3主成分分析的特征向量
Table3Eigenvectors of principal component analysis
Var
特征向量
Prin1Prin2Prin3
学生评价0.5297300.7665290.363071
校督导评价0.633523-0.072968-0.770275
院督导评价0.563945-0.6380520.524267
根据表3可以看出，在第一主成分中校督导评价得分所占比重较大,学生评价和院督导评价的比重较低,这与高校现有的教师考核比例不同，并且根据表4中的第一主成分的教师得分可以看出教师的排名与现有考核办法的教师排名有些差别.排名靠前的两位教师和排名最后的两名教师的顺序不变，中间教师的排名有所变动，说明目前学校实行的教师考评的方法有待改变，所以在下一小节提出DEA的分析方法对教师绩效进行评价.
表4第一主成分的教师得分排序
Table4Ranking of teachers'scores of the first principal component
教师序号Prin1Prin2
7 3.535440.53228
25 2.857650.37324
4 2.40731-1.55484
23 1.46386-1.18263
11 1.408981.39041
150.77567-0.84442
30.39199 1.81415
60.17579-0.38244
140.15389-0.61833
130.11107-0.45962
1-0.03656-0.31519
22-0.071040.34539
5-0.10063-0.01913
9-0.24979-0.67038
12-0.256300.41181
24-0.411360.33866
10-0.582340.40428
16-0.65368-0.49772
18-0.663610.55607
8-0.677570.58790
19-0.860380.36411
20-0.93485-0.00957
26-1.08491-0.69485
17-1.190291.15291
21-1.97173-0.76818
2-3.53658-0.25393
第2期
王纯杰，等：基于主成分及DEA 模型的高校教师绩效评价的研究
39
2.2
DEA 方法在教师绩效评价中的适用性分析
教学教师的投入指标主要包括：
人力资源投入.高校教师绩效评价研究中，把教师的学历作为人力资源的一种，教师的学历分为本 科生、硕士研究生、博士研究生三个级别,转化为相同单位之后，分别为1.1,1. 3,1.5.教师职称的评定
也是人力资源因素一种，包括助教、讲师、副教授、教授4个级别［7］,每个级别的影响因子都不同，他们转 化为相同单位之后,分别为1、1.1、1.3、1.5.教师的年龄，性别，导师与否都是教师自身的人力资源投
入.这里运用SAS 软件对教师自身人力投入的五个指标进行主成分分析，综合计算人力资源投入得分.
主成分分析［12］的结果见表5—6.
相关矩阵的特征值
表5人力资源投入指标的主成分分析结果
Table 5 Results of principal component analysis of human resource input indicators
序号
特征值
差分比例累积
1 2. 230 370 950. 958 604 670. 446 10. 446 1
2 1. 271 766 280. 29
3 140 390. 25
4 40. 700 43
0. 978 625 890. 529 476 540. 195 70. 896 240. 449 149 350. 379 061 81
0. 089 80. 986 05
0. 070 087 54
0. 014 0
1. 000 0
表6
人力资源投入指标的主成分分析特征向量
Table 6
Characteristic vector of principal component analysis of human resource input index
Var
特征向量
Prin1
Prin2Prin3Prin4
学历- 0. 350 0060. 569 2280. 499 7580. 359 484职称0. 552 0960. 363 6240. 012 0650. 544 576年龄0. 613 425- 0. 283 8580. 001 9120. 230 783性别
0. 009 555- 0. 549 583
0. 787 6560. 090 412
导师与否0. 443 062
0. 401 4220. 360 126
- 0. 716 082
教学工作量投入.指每个教师在高校的教学中所接受的任务，也就是所带课程的门数和课时数,教
师工作量得分详见表7.
教学教师的产出指标主要包括：
学生的平均成绩产出.某高校某学期每个教师所教课程对应的学生成绩取平均值.教师评价成绩产
出.教师评价成绩包括学生评价得分、校督导评分和院督导评分.教学评价成绩是某学期学生对任课教
师的评价打分，学校督导组对该教师的评分及学院督导组给教师的评分.
科研成果产出.指高校教师公开在国内外的刊物上发表过的论文以及自身完成科研项目的数量.发
表论文评定，以学术网站搜到的杂志期刊为准.科研杂志的不同,科研成果的量化结果也不同.这里的科
研成果我们划分指标为国家级项目主持项数(”1)、国家级项目参与项数(”2)、省部级及以下项目主持
数(”3)、省部级及以下项目参与数(”4)、权威期刊(SCI 、SSCI 、EI)第一或通讯作者发表的文章数(”5)、
核心及一般期刊第一或通讯作者发表的文章数(”6).随后利用SAS 软件采用主成分分析对这六个指标
进行降维,根据程序结果累积比例来看可以选择三个主成分，三个主成分的比例情况见表&在利用 DEA 进行教师绩效评价分析的时候,科研成果作为一个产出指标，是一个单独的指标，所以文中应把三
个主成分得分乘相应的比例综合成一个最终得分.整理过程见表9.注意表9中得到的综合得分存在小
40吉林师范大学学报（自然科学版）第42卷
于0的情况，但是科研得分取值应该为正，所以这里对综合得分取了指数.下边用到的科研成果得分就是取完指数的得分.
在DEA分析中，我们把表10中的取指数后的主成分的综合得分作为人力资源得分;把表4中第一 主成分的教师对应得分取指数之后记为教学评价总成绩;表9中科研指标主成分综合得分取指数之后记为科研成果得分;加上课程门数、教学工作量、学生平均成绩指标，就可以得到被考核教师的三项投入指标和三项产出指标的得分数据［6］见表11.
表7教师工作量的计算方法
Table7Calculation method of teachers'workload
课程性质听课学生学科基础课公共基础课
学科基础课1WNW40K=1.1K=1.1
公共基础课40WNW80K=1.4K=1.2
80WNW120K=1.6K=1.3
NM120K=1.8K=1.4注:P为职称系数,K为学生人数加权系数月为计划学时;计算方法为P2H；毕业设计为30学时/生.
表8科研指标主成分分析相关矩阵的特征值
Table8Eigenvalues of correlation matrix of principal component analysis of scientific research indicators
相关矩阵的特征值
序号
特征值差分比例累积
1 2.92035293 1.704218220.48670.4867
2 1.216134710.476281470.20270.6894
30.739853240.276012610.12330.8127
40.463840630.027678570.07730.8900
50.436162060.212505620.07270.9627
60.223656440.03731
表9科研指标主成分得分的整合处理
Table9Integration of principal component scores of scientific research indicators
教师序号第一主成分第二主成分第三主成分综合得分取指数1-0.450.02-0.11-0.550.58
2-0.70-0.040.02-0.720.49
30.780.020.26 1.06 2.89
4 2.04-0.50-0.11 1.43 4.17
5-0.43-0.070.01-0.490.61
60.230.13-0.050.31 1.37
70.640.43-0.310.76 2.14
8-0.79-0.060.00-0.850.43
9-0.48-0.10-0.06-0.650.52
100.310.200.090.60 1.82
11 2.09-0.13-0.07 1.89 6.65
120.080.11-0.080.10 1.11
13-0.69-0.04-0.03-0.770.46
第2期王纯杰，等：基于主成分及DEA模型的高校教师绩效评价的研究41
续表9
教师序号第一主成分第二主成分第三主成分综合得分取指数14-0.48-0.050.02-0.520.60
15-0.79-0.060.00-0.850.43
160.06-0.100.060.01 1.01
17-0.74-0.080.00-0.830.44
18 1.01-0.240.120.89 2.44
190.890.700.06 1.65 5.21
20-0.79-0.060.00-0.850.43
21-0.67-0.03-0.05-0.740.48
22-0.79-0.060.00-0.850.43
23-0.21-0.060.02-0.260.77
24-0.56-0.11-0.02-0.700.50
250.26-0.090.080.25 1.29
260.170.310.170.65 1.91
表10人力资源投入指标三个主成分综合得分的处理
Table10Treatment of comprehensive scores of three principal components of human resource input index 教师序号第一主成分第二主成分第三主成分综合得分取指数
10.68-0.23-0.330.13 1.13
2-0.74-0.060.25-0.540.58
3-0.390.35-0.05-0.090.92
4 1.030.310.44 1.78 5.93
5-0.65-0.080.25-0.480.62
60.120.07-0.190.00 1.00
7 1.190.40-0.01 1.58 4.84
80.41-0.280.120.25 1.28
90.58-0.330.120.37 1.45
10-0.770.23-0.05-0.600.55
11-0.45-0.280.11-0.620.54
12-0.76-0.050.25-0.560.57
13-0.490.00-0.19-0.680.51
14-0.460.00-0.19-0.660.52
15-0.460.00-0.19-0.660.52
16-0.45-0.280.11-0.620.54
170.75-0.52-0.020.20 1.23
18-0.450.37-0.05-0.130.88
190.780.28-0.01 1.05 2.85
200.51-0.18-0.330.00 1.00
210.18-0.060.290.40 1.50
220.23-0.61-0.03-0.410.66
23 1.250.38-0.01 1.62 5.05
24-0.770.23-0.05-0.600.55
25-0.360.35-0.05-0.070.94
26-0.490.00-0.19-0.680.51
42吉林师范大学学报（自然科学版）第42卷
表11被考核教师输入产出指标得分数据
Table11Score data of input and output indicators of assessed teachers 教师序号人力资源得分课程门数教学工作量学生平均成绩教学评价总成绩科研成果得分
1 1.131145.6073.140.960.58
20.58177.4450.500.030.49
30.92122.8876.84 1.48 2.89
4 5.931105.6046.0011.13 4.17
50.622161.9272.760.900.61
6 1.002188.5072.6
7 1.20 1.37
7 4.841168.0067.6334.47 2.14
8 1.281131.0477.220.510.43
9 1.45142.9053.270.780.52
100.55177.4432.340.56 1.82
110.54119.3682.37 4.10 6.65
120.57224.2048.900.77 1.11
130.512110.8871.49 1.120.46
140.522110.2274.39 1.160.60
150.522101.6443.50 2.180.43
160.54161.6068.670.52 1.01
17 1.231145.6073.150.300.44
180.88242.9045.750.52 2.44
19 2.851145.6076.720.42 5.21
20 1.00142.9055.360.390.43
21 1.502104.9465.240.140.48
220.661123.2075.790.930.43
23 5.05199.0056.00 4.310.77
240.55172.6042.500.660.50
250.942218.4072.5517.46 1.29
260.51277.0064.180.34 1.91
表1226位教师的相对有效性情况
Table12Relative effectiveness of26teachers
教师序号综合效率纯技术效率规模效率技术有效性规模收益
10.888 1.0000.888有效递增
20.613 1.0000.613有效递增
30.933 1.0000.933有效递增
40.806 1.0000.806有效递增
50.7690.8380.918非有效递增
60.4760.5380.886非有效递增
7 1.000 1.000 1.000有效不变
80.937 1.0000.937有效递增
90.647 1.0000.647有效递增
100.393 1.0000.393有效递增
11 1.000 1.000 1.000有效不变
120.5620.9440.596非有效递增
130.919 1.0000.919有效递增
140.9380.9960.941非有效递增
150.549 1.0000.549有效递增
160.834 1.0000.834有效递增
170.888 1.0000.888有效递增
180.3410.6100.559非有效递增
190.931 1.0000.931有效递增
第2期王纯杰，等：基于主成分及DEA模型的高校教师绩效评价的研究43
续表12
教师序号综合效率纯技术效率规模效率技术有效性规模收益200.672 1.0000.672有效递增
210.3960.5000.792非有效递增
220.920 1.0000.920有效递增
230.689 1.0000.689有效递增
240.516 1.0000.516有效递增
25 1.000 1.000 1.000有效不变
260.825 1.0000.825有效递增
表13BCC模型的模型计算值
Table13Calculated values of BCC model
教师序号综合效率s1s2s3s「S2S3
10.888-0.6000.000-126.2409.230 3.140 6.040
20.613-0.0400.000-58.08031.870 4.070 6.130
30.933-0.3700.000-3.520 5.530 2.620 3.730
40.806-4.3920.000-51.83332.9580.000 1.403
50.769-0.100-0.324-91.0780.0000.944 2.292
60.476-0.462-0.925-164.7908.327 2.616 4.905
7 1.0000.0000.0000.0000.0000.0000.000
80.937-0.7400.000-111.680 5.150 3.590 6.190
90.647-0.9100.000-23.54029.100 3.320 6.100
100.393-0.0100.000-58.08050.030 3.540 4.800
11 1.0000.0000.0000.0000.0000.0000.000
120.562-0.032-0.940-1.35132.369 3.102 5.225
130.9190.0000.0000.0000.0000.0000.000
140.938-0.002-0.267-23.7340.0000.754 1.512
150.5490.0000.0000.0000.0000.0000.000
160.8340.0000.000-42.24013.700 3.580 5.610
170.888-0.6800.000-126.2409.220 3.800 6.180
180.341-0.344-0.889-16.74734.476 3.137 3.626
190.931-2.3200.000-126.240 5.650 3.680 1.410
200.672-0.4600.000-23.54027.010 3.710 6.190
210.396-0.950-1.000-85.58017.130 3.960 6.140
220.920-0.1200.000-103.840 6.580 3.170 6.190
230.689-4.4800.000-78.61226.2680.000 5.819
240.516-0.0100.000-53.24039.870 3.440 6.120
25 1.0000.0000.0000.0000.0000.0000.000
260.8250.0000.0000.0000.0000.0000.000
从表12的教师相对有效性来看，在26位教师中,技术有效的有20位教师，非技术有效的教师有6位，其中最低值为0.500；规模有效的教师有3位,非规模有效的教师有23个,其中最低值为0.393，而呈现规模效益递增的有23位.表明23位教师中，绩效仍然有待提高的数量较多,其中非规模有效的问题更为突出.从表13看出，一些教师的所教学生的平均成绩低和科研成果得分低成为其非DEA有效的主要原因.学生考试成绩很低的可能是因为个别学生是重考，并且重考的成绩也不及格，才会使得成绩很低;不同教师所教学生的成绩有高有低这也能在一定程度上反应班级的学习氛围和教师的教学水平.另外科研成果方面，部分教师的科研成果较低的原因可能是因为职称系数较高的学者更容易申请到科研项目及发表更高层次的学术论文，而信誉不高的新教师科研项目少且发表的高层次论文也少.并且被评价教师的实际情况也与上述分析相符.因此，应该建立一种更加公平的竞争机制，给刚任职的教师更多的机会参与教学工作和科研工作.从投入来看，一些教师存在着教学工作量大的问题,说明这些教师
44吉林师范大学学报(自然科学版)第42卷
可能是教公共课，因为公共课学生人数较多，所以教师的工作量大,学校应进一步合理分配教师的课程安排.但本次评价数据并非连续几年的数据，可能一些教师在某学期所教课程较多,就会表现为有更多的教学工作量的投入，对于实际评价,建议使用连续几个年度的平均值.
3结论
本文首先给出了某高校当前教师教学绩效评定的准则,并且根据综合评价得分给出教师绩效的排名顺序.随后建立了高校教师绩效的DEA评价指标体系，对教师工作的投入和产出进行了分析,指出教师的输入冗余和输出不足情况,并且我们可以根据DEA分析结果给出相应的政策.在实际工作中，首先要得到领导的重视和支持才能保证评价的顺利实施;其次应该建立健全相应的规章制度，可以使被评价对象了解自己努力的方向和工作重点;第三应该多给年轻教师更多的教学和科研机会，为其创造良好的竞争环境;第四学校应进一步合理分配教师的课程安排.教师绩效评价是一个很复杂的过程.引入DEA 模型进行定量分析时，选取的指标不同，所得到的模型结果也不同.本文仅以一般的指标为基准,评价教师绩效的相对有效性,为高校教师的绩效评价提供一定的依据.评价结束之后应该与被评价教师进行沟通,听取他们的意见和看法，共同制定绩效评价的改进措施.
参考文献
［1］刘和旭.基于DEA的高校教师绩效评价方法及应用研究［D］.长沙：国防科学技术大学,2006.
［2］王广彦，王薇，董继国.基于贝叶斯网络的高校教师绩效评价方法［J］.统计与决策,2010(18):160-162.
［3］王宏，杜丽萍，张帅.基于模糊综合评价法的高校教师绩效评价模型［J］.河北联合大学学报(社会科学版)，2011,11(1):56-58.
［4］仝美红，段富.基于主成分分析和熵值法的高校教师绩效评价［J］.计算机应用与软件,2014(1)：62-64.
［5］付沙，孙光，周航军，等.基于粗糙集和条件信息熵的高校教师绩效评价研究［J］齐齐哈尔大学学报(自然科学版),2016,32(3)：29-35.［6］张彬.H学院基于DEA的教师绩效考核方法及应用研究［D］.成都:西南交通大学,2010.
［7］晏令,刘凤立.基于DEA的兰州大学教师绩效评价研究［J］.经济视角(下),2012(2)：128-130.
［8］施海柳.基于DEA方法的二级学院教学绩效评价研究［J］.海峡科学,2014(10)：76-79.
［9］魏权龄.数据包络分析［M］.北京:科学出版社,2006.
［10］潘晓栋.基于DEA数据包络模型的水电站经济效率评价［A］.中国水利学会2011学术年会第二届小水电论坛论文集［C］.北京：中国水利水电出版传媒集团,2011:172-177.
［11］汪海波，罗莉.SAS统计分析与应用从人门到精通［M］.北京:人民邮电出版社,2013.
［12］何晓群，刘文卿.应用回归分析［M］.北京：中国人民大学出版社,2011.
Research on performance evaluation of university teachers based
on principal component analysis and DEA model
WANG Chun-jie,JIANG Jing-jing, ZHANG Qian-qian,CHEN Jia,LI Chun-jing
(Changchun Lniversity of Technology,School of Mathematics and Statistics,Changchun130012,China)
Abstract:Based on the data of students"examination results and teaching evaluation data of a university in 2014,principal component analysis and data envelopment analysis(DEA)model were used,human resources, number of courses and teaching workload were as input factors,and students"average score,teachers'total score of teaching evaluation and scientific research achievement score regarded as output factors to analyze the performance of teachers in a university from the two-dimensional perspective of input and output.The results show that the model can objectively reflect the actual situation of university teachers"perf()rmance,and according to the analysis results,some suggestions on university human resource management policy are put forward.
Key words:principal component analysis;DEA model;teacher performance;input;output
(责任编辑:孙爱慧)。