2018全国高校思政会议_高校房屋设备资源产出评价指标体系的研究

　　摘要：大众化教育使得各高校的校舍、仪器设备的需求与供求矛盾突出。为了更好地对各高校房屋、仪器设备资源使用效率有更好的了解，本文通过学校各部门初选学校房屋、仪器设备资源产出评价指标体系，建立了由四个一级指标共二十八个二级指标组成的产出指标体系，并设计了问卷，对所获取的数据应用SPSS软件进行因子分析，最后得出两个因子共八个产出指标，构建了高校房屋设备资源产出评价指标体系。
　　关键词：房屋设备资源；评价指标；因子分析
　　中图分类号：G642.0 文献标识码：A 文章编号：1674-9324（2012）08-0070-02
　　一、前言
　　随着改革开放的不断深入，我国高校逐渐由精英教育转向大众化教育，全国在校学生人数从340万人增至3011万人，而政府部门也同时加大了对高校的资金投入。但是，一是由政府部门对高校的教育资源投入有限，二是我国高校现有的资产管理体制不健全，缺乏全面有效的考评机制，高校资产管理中普遍存在重钱轻物，重买轻用，重用轻管，重投资轻效益。因此在这一进程中，高等院校的资源需求与供给的矛盾十分突出，而其中需求矛盾表现最为突出的是校舍、仪器设备资源。部分高校存在着某些学科类校舍、仪器设备利用率不高等资源浪费的问题，而有些学科类又因为校舍紧张、仪器设备落后等原因而无法正常开展教学科研工作。这些问题如果没有得到较好的解决，将会造成学校各项事业发展的结构失衡，严重制约了学校的发展。本文主要是通过问卷调查，利用SPSS软件对所获取的数据进行因子分析，研究出高校房屋设备资源产出指标体系，为该校进行教育资源配置效率评价提供相应的理论依据和建议，以期进一步提高该校资源的利用效率，提高学校的竞争力。
　　二、高校房屋设备资源产出评价指标的建立
　　1.评价指标的初选。2010年9月，笔者在参考相关文献的基础上，研究了不同的资源利用效率评价方法，以及对高校职能的梳理与分类，拟从人才培养、教学工作、科研工作、社会服务等四个方面构建高校房屋设备资源产出评价指标。由此初选出四个维度，共28个指标，分别为：在读学生数、学生获得各级竞赛奖数量、学生获得授权专利数量、招生专业数、英语四级通过率、毕业生获得学位率、毕业生毕业率、就业率、用人单位满意率、教学成果奖、教学名师奖、教材奖、青年老师竞赛奖、精品课程数量、特色专业数量、实验教学示范中心、创新性人才培养基地、国家重点学科数、重点实验室数量、博士、硕士点数量、学术论文、学术专著数、获授权的专利数量、科技成果奖、科研经费、产学研合作企业（基地）数量、技术成果转化数、技术成果转化金额。确定初选指标之后，笔者设计了用于实证筛选的问卷。问卷以七级量表作为评分方法分别对每一项用来测量房屋设备资源产出指标的重要程度设定为七个等级，分别为非常不重要（1）、很不重要（2）、不重要（3）、一般（4）、比较重要（5）、很重要（6）、非常重要（7）。在完成了问卷的设计之后，以学校学院、部处具有讲师或中级资格以上的老师作为调查对象，共发放问卷150份，回收问卷146份，其中有效问卷142份，问卷有效率为94.67%。根据可观测性原则初步筛选指标，删除初选指标中数据无法获得的评价指标，使初步筛选后的指标满足可观测性，能够实际应用，因“用人单位满意率”和“科技成果转化金额”这两个指标无法获得具体数据，故在此步骤将其删除。
　　2.调查结果的因子分析。首先进行KMO检验和巴特利球体检验，检验问卷结果是否适合进行因子分析。由表1可知，KMO值为0.850，大于0.8，说明各项之间具有很高的相关性，巴特利球体检验的概率P为0.000，小于0.01，认为相关系数矩阵与单位阵有显著差异，可知原有变量适合作因子分析。
　　表1KMO and Bartlett’s Test
　　其次采用SPSS软件进行以下分析：（1）求出相关性系数矩阵，判断投入产出因素数据的相关性，决定提取特征根大于1的原则，本项目保证所选的因子的特征根至少解释了总体方差的73%。（2）求出刻画因子全体对变量信息解释程度的变量共同度，一般而言，当共同度高于0.5时，说明提取出的公共因子已经基本反映了该变量50%以上的信息，公因子能较好地解释该变量，因子分析效果较好。（3）本项目选定方差最大法进行因子旋转，收敛旋转的最大迭代次数采用系统默认值25（4）计算因子值系数矩阵及因子负载值。通过因子分析我们发现，指标“英语四六级通过率”共同度为0.481，小于0.5，表明这一项指标对于测量结果没有太大的影响，同时也说明了英语四六级实行这么多年来，大部分学生还只是停留在考试上，就算通过了四六级考试，仍不能流利地用英语进行简单的交流，因此已经不能作为衡量一个大学生英语水平的指标，故可以剔除这一项指标。随后，我们进行因子旋转，目的是通过改变坐标轴的位置，重新分配各个因子所解释的方差比例，使因子结构更简单，更易于理解。因子负载的绝对值越大，在解释因子时的作用越大，所以，只要在旋转后的因子负载矩阵中，找出在每个因子上负载较大的变量（一般来说，因子负载大于0.5即可归为一个因子），便可根据这些变量的意义给因子命名。这里我们采用方差最大法进行正交旋转。旋转之后，依据指标在所有公因子上的载荷系数小于0.5指标，或者在两个或两个以上公因子的载荷大于0.5的指标，根据统计学规则将其删除。从旋转后的因子矩阵可以看出，技术成果转化数量、教学名师奖、教学成果奖在两个因子上的载荷大于0.5，故将其删除。以此类推，对数据重新进行因子分析处理，如果之后进行因子分析后仍出现指标在两个因子上的载荷均大于0.5，或一个因子上只有一个指标，或一个因子上的指标结构不清，则继续剔除。因此在分析的过程中我们以相同的方法分析删除了创新性人才培养基地，博士、硕士点数量、产学研合作企业（基地）数量、学生获得各级竞赛奖数量、学生获得授权专利数量、青年老师竞赛奖、青年老师竞赛奖、精品课程数量、特色专业数量、实验教学示范中心、国家重点学科数和重点实验室数量等。此时分析进行KMO检验，KMO值为0.778。考虑到重点实验室是每年学校分配房屋面积的一个重要指标，且经过分析，发现增加重点实验室指标之后KMO值从0.778增加到0.800，说明增加该指标，能增强各指标间的相关性，故保留该指标。另外，当我们尝试剔除因子2后进行因子分析，发现其KMO值仍为0.800，则说明毕业生获得学位率、毕业生毕业率、就业率这三个指标为次要因素，剔除这三个指标对总的分析没有影响，故也将这三个指标剔除。
　　3.评价指标的确立。通过以上分析，我们对余下的八个因子再次进行因子分析，从旋转后的因子负载矩阵可以看出，在公共因子Fl上负载较高的指标有6个，分别为重点实验室数量、学术论文数、学术专著数、获授权的专利数量、科技成果奖、科研经费，可以命名为“科研产出”；在公共因子F2负载较高的有2个，分别为在读学生数、招生专业数指学生培养方面的信息，故将其命名为“人才培养产出”。另外，我们对八个指标进行信度分析。信度是指测量数据与结论的可靠性程度，即测量工具能否稳定地测量到它要测量的事项的程度，本文通过Alpha系数检验对高校房屋设备资源产出指标做信度分析，其结果为0.8526。说明通过分析得出的房屋设备资源产出指标体系的一致性程度高且内部结构良好。
　　通过问卷调查及因子分析，已将通过初选得来的四个维度二十八个指标综合为两个维度八个指标，它们能比较全面而客观地反映了高校房屋设备资源的产出，对于高校房屋设备资源使用效率的研究是有效的。
　　参考文献：
　　[1]薛薇.SPSS统计分析方法及应用[M].北京：电子工业出版社，2009.
　　[2]顾雪松，迟国泰，程鹤.基于聚类—因子分析的科技评价指标体系构建[J].科学学研究，2010，（4）：508-514.
　　基金项目：广东省实验室研究会2010年研究基金重大专项课题，项目批准号2010004A
　　作者简介：刘雪敏（1979-），女，广东潮州人，华南农业大学资产管理处，助理研究员，在读研究生。