引言 高校国有资产是高校从事教学、科研和管理等各方面工作的重要物质基础,与高校的发展前途密切相关,已成为高校日常管理工作的重要部分。一方面,高校通过各种渠道获得大量的资产为高校的发展补充能量,国有资产在数量、构成和使用等方面发生了重大变化;另一方面,国有资产配置不合理,使用效率低,造成国有资产流失严重。因此,针对我国高校国有资产管理现状,深入高校国有资产绩效评价研究,建立一套具有高校特色的国有资产绩效评价指标体系是大势所趋,是国家加强宏观指导、促进高等教育可持续发展的必然选择,是提高国有资产利用效率的内在要求,是建立激励和约束机制的必然要求,也是满足投资主体多元化的需要。 一、文献综述 国外学者对高校资产绩效评估理论研究较早,且主要集中于资产绩效评价体系的构建。代表性的研究有:1985年贾勒特将绩效指标分为三类(内部指标、外部指标和运行指标),系统地反映高校的资产绩效水平;凯夫等人提出了14个精选的绩效指标,其中关于教学的指标有8个;罗伯特·S.卡普兰和戴维·诺顿认为平衡计分卡是一套系统的绩效评价指标,该方法在保留传统财务指标的基础上,增加了内部业务流程、学习与成长和客户三个方面的非财务指标,并对组织进行绩效评估与考核。另外,国外资产绩效考核理论研究相对成熟,已形成了一套较为系统的高等教育绩效评价指标考核体系,如:美国目前较为全面的高等教育绩效评价指标体系包括教育质量、教育培养、机会均等、经济发展和生活质量、协调与倡议精神五大类25个指标,该指标体系成为政府教育拨款的重要参考因素;英国则有由副院长、校长协会和大学拨款委员会联合工作小组编制的《英国大学管理统计与绩效指标体系》,该体系所有的指标均为财务指标。 国内高校国有资产绩效评估起步较晚,研究主要集中于理论研究及资产绩效评价指标的确认。代表性的研究有:邱向荣(2003)采用多指标体系对高校国有资产进行评价,通过对指标的无纲量化并赋予权重构建绩效评估指标体系,应用雷达分析法作为对绩效评价的补充;江文清(2004)通过对高校资产绩效评估的目标及其管理成本、效率的分析,运用层次分析法和模糊分析法建立高校国有资产绩效评估指标体系;李兴国(2005)通过对高校国有资产管理的现状分析,采用专家讨论法、头脑风暴法、德尔菲法等相互结合的方法,建立绩效评估体系,用模糊综合评价法对绩效水平进行评价;周桂芳(2008)将国有资产按其用途分为经营性国有资产和非经营性国有资产,分别建立国有资产绩效评价指标体系;方虹(2009)设立经济绩效指标、社会绩效指标为一级指标并逐步细化为二级指标,建立绩效指标体系,但未提出行之有效的绩效评估方法。 纵观现有文献可发现大部分学者都停留在理论层面对国有资产进行评价,只有少数学者从量化角度建立模型对资产进行绩效评估,但其量化方法大都采用层次分析法和模糊综合评价法,难以克服主观人为因素的影响,易造成绩效指标权数取值的客观量化不够,影响其评价结果的客观性。本文则采用主成分分析法,利用降维的思想对绩效指标进行确认,结合概率知识测定其客观的概率比重,构建概率权数综合评价模型,对高校国有资产进行综合评价。 二、高校国有资产绩效评估指标体系的构建 按资产用途国有资产可分为经营性国有资产和非经营性国有资产,笔者在上述指标设计原则的基础上,建立经营性国有资产绩效评估体系和非经营性国有资产绩效评估体系,提升高校国有资产的经济效益和社会效益,如图1所示。 (一)经营性国有资产绩效评价指标体系 高校经营性国有资产是高校主要用于经营领域的国有资产,以盈利为主要目的,是高校国有资产不断增长的源泉。其指标体系不仅考虑到财务指标,也涉及非财务指标,主要包括:(1)盈利能力指标;(2)转化能力指标;(3)营运能力指标;(4)贡献能力指标。这些指标能够全面反映资产的运营状况,利于对资产实行有偿使用并监督其实现保值增值的目标,以提升国有资产的经济效益。 (二)非经营性国有资产绩效评价指标体系 非经营性国有资产是指那些不直接参与经营活动,不以盈利为目的,不具有增值特点的资产。其主要目的是保证高等院校能更好地实现科学研究、人才培养和服务社会三大职能,带动高校产业的良性发展,提高国有资产的社会效益。指标体系主要包括:(1)人才培养绩效指标;(2)社会贡献绩效指标;(3)科研成果绩效指标。 三、构建高校国有资产绩效概率权数综合评价模型 (一)定性指标定量化和指标的无纲量化 1.定性指标定量化 运用格栅获取法对高校国有资产指标体系中的定性指标给予量化。格栅获取法是由心理学家凯勒提出的,一个格栅由元素和属性组成,其中元素已通过绩效指标体系的构建完成,属性则通过一个线性尺度对各元素的重要程度进行判断打分,最终得到一个完整的格栅,本文采用1-5刻度的尺度来表达,如图2。 2.指标的无纲量化 采用功效系数转换定值法将绩效指标统一变换到[0,1]范围内,以便形成综合评价的指标。具体公式:XZ=(Xi-Xmin)/(Xmax-Xmin)。 (二)主成分分析法筛选主成分 主成分分析法(PCA)也称主分量分析法,是一种简化数据收集的技术,也是一种线性变换。其运用降维的思想将原来多个相关指标转化为一组新的相互无关的综合指标,并按照新指标的方差依次递减的顺序排列,从而保留最主要的信息。 1.构建原始数据矩阵 设N×M阶数据矩阵为X=(xij)n×m,其中n为样本数,m为绩效评价指标数,X=x11…x1mxn1…xnm 2.原始数据的标准化处理 yij=(i=1,2,…n;j=1,2,…m) 其中Xj=Xij,=(Xij-Xj),得标准化矩阵Y。 3.计算Y的系数矩阵(R)及其特征值和特征向量 系数矩阵rij=ykiyki(i,j=1,2,…m) 通过求解得出系数矩阵R的m个特征值λ1,λ2,…λm(λ≥0)及相应的特征向量c1,c2,…cm。 4.求其主成分的贡献率及累计贡献率 Ui=为第i个主成分的方差贡献率;为前s个主成分的累计贡献率。 5.确定主成分的个数 将各主成分的累计贡献率按由高到低的顺序排列,一般情况下累计贡献率达85%以上为宜,说明主成分能较好地代表原指标的信息。设前s个主成分的累计贡献率达到85%的要求,则取前s个为n个样本的主成分个数。 6.将标准化后的数据转化为主成分 根据Zi=Y×Cn(i=1,2,…,s)构成新的n×s阶矩阵,如下: Z=Z11…Z1sZn1…Zns |