1 概述
高等教育研究是高校工作的一个重要方面。随着高等教育的发展，教育体制改革的不断深入，高校教学研究正逐步地开展起来。各高校纷纷建立了教学研究管理机构及评价中心，对提高教育质量和教师素质起了重要作用[1]。我国高校人才培养评价主要指教学建设、科研水平、创新人才培养等方面[2]。因此，如何建立一个科学、合理的教育质量和人才评价体系，最大限度地调动教师的积极性、创造性，提高教育、教学质量，是目前亟待解决的关键性问题，它直接关系到高校人才培养目标的实现。
构建高校教育质量和人才评价体系是一项探索性的工作，从理论到实践都具有十分重要的意义。本文主要应用数据包络分析（DEA）法，以辽宁某高校2014年绩效考核数据为依据，对该高校各学院科学研究水平、教学建设成果及人才培养质量进行了计算、分析，为其他高校的绩效管理和人才评价提供理论依据。
2 数据包络分析法简介
数据包络分析法（data envelopment analysis） ，简称DEA，它是应用线性规划的方法，可以对同一种类部门的绩效结果进行评价[3]。
数据包络分析法是将同一类型的院系数据当作决策单元（DMU），它的评价结论主要是取决于决策单元的输入、输出的数据。输入数据主要是指决策单元在某一过程所损耗的量，输出数据一般是指决策单元得到的成果或效益。其他的评价方法在比较同一种类的决策单元效率时，通常先对决策单元的输入、输出指标进行比较，然后通过加权获得一个综合评分数，再通过每个决策单元的评分来评价其效益好坏。数据包络分析法（DEA），是通过Charnes-Cooper变换，把分式规划问题转化为线性规划问题，不需要统一指标的量纲，也不需要给定投入产出的权值，而是通过最优化的过程来决定权重值，因此，使得它对决策单元的评价更为客观、合理。
对高校绩效管理和人才评价的问题，很适于数据包络分析法的评价模型。
3 运用数据包络分析法（DEA）对高校绩效管理和人才进行评价
3.1 评价目标及决策单元的选取方法
我们将总绩效量指定为数据包络分析法的评价目标。因为数据包络分析（DEA）方法是在同类型的DMU之间进行相对效率的评价，因此将大学每个院系当作数据包络分析的一个决策单元（DMU），通过对比各个分院的投入和产出效率，可以用数据包络分析对各院系绩效进行评价分析[4]。
3.2 输入输出指标体系的建立
输入和输出指标体系的建立，对于应用数据包络分析法对高校绩效进行评价，是一项重要的准备工作，考虑到评价目标能否全面反映决策单元的投入和产出效率，我们选定教学建设成果（X1）、科学研究水平（X2）、人才培养质量（X3）等[5]。
3.3 数据收集
基于上面所建立的输入输出指标体系，本文收集了辽宁某高校2014年各分院绩效考核数据。（表1）
3.4 数据包络分析模型选择
数据包络分析模型有各种各样的形式，根据高校绩效考核的特点和评价目标，我们选择合适的数据包络分析模型[6]。本文的实证研究中主要选择了最常用的模型来进行评价，模型如下：
[（1）]
其中，xj为第j个输入指标，yj为第j输出指标，θ为效率值，S-和S+分别表示输入过剩和输出不足。
3.5 评价结果计算
本文应用所选的数据包络分析模型，对上述数据进行处理，部分计算过程如下：
Results from DEAP Version 2.1
Instruction file = Eg6-ins.txt
Data file = eg6-dta.txt
Input orientated DEA
Scale assumption： CRS
Slacks calculated using multi-stage method
EFFICIENCY SUMMARY：
firm te
1 0.769
2 1.000
3 1.000
4 0.411
5 0.273
6 1.000
7 0.272
8 0.112
9 0.067
10 0.051
mean 0.495
SUMMARY OF INPUT SLACKS：
firm input： 1 2 3
1 14.625 0.000 0.000
2 0.000 0.000 0.000
3 0.000 0.000 0.000
4 8.568 2.838 0.000
5 6.590 3.466 0.000
6 0.000 0.000 0.000
7 4.598 5.647 0.000
8 0.911 1.972 0.000
9 0.197 1.909 0.000
10 0.443 0.677 0.000
mean 3.593 1.651 0.000
SUMMARY OF OUTPUT TARGETS： firm output： 1
1 37.120
2 32.700
3 35.760
4 9.720
5 6.490
6 11.630
7 5.620
8 1.150
9 0.630
10 0.450
SUMMARY OF INPUT TARGETS：
firm input： 1 2 3
1 33.567 53.891 193.606
2 17.260 58.130 157.890
3 19.300 58.940 170.210
4 5.246 16.021 46.265
5 3.503 10.697 30.891
6 29.310 6.760 84.160
7 3.033 9.263 26.750
8 0.621 1.895 5.474
9 0.340 1.038 2.999
10 0.243 0.742 2.142
SUMMARY OF INPUT TARGETS：
firm input： 1 2 3
1 33.567 53.891 193.606
2 17.260 58.130 157.890
3 19.300 58.940 170.210
4 5.246 16.021 46.265
5 3.503 10.697 30.891
6 29.310 6.760 84.160
7 3.033 9.263 26.750
8 0.621 1.895 5.474
9 0.340 1.038 2.999
10 0.243 0.742 2.142
FIRM BY FIRM RESULTS：
Results for firm： 1
Technical efficiency = 0.769
PROJECTION SUMMARY：
variable original radial slack projected
value movement movement value
output 1 37.120 0.000 0.000 37.120
input 1 62.660 -14.468 -14.625 33.567
input 2 70.070 -16.179 0.000 53.891
input 3 251.730 -58.124 0.000 193.606
LISTING OF PEERS：
peer lambda weight
6 0.588
3 0.847
Results for firm： 2
Technical efficiency = 1.000
PROJECTION SUMMARY：
variable original radial slack projected
value movement movement value
output 1 32.700 0.000 0.000 32.700
input 1 17.260 0.000 0.000 17.260
input 2 58.130 0.000 0.000 58.130
4 结论
数据包络分析法（DEA），是对不同学院、部门的决策单元投入和产出效率的定量分析方法。本文应用DEA方法对辽宁某高校各学院2014年的绩效数据进行了评价分析，得出了如下结论：
①电力学院和自动化学院表现出了良好的教学可持续发展方面的能力；
②能源与动力学院和管理学院表现出了较高的教师教学创新能力；
③从各指标的分析来看，技术经济系相对系数较低，绩效处于劣势，有待加强和改进。
本文采用的DEA计算模型及评价方法， 克服了定性分析方法中的主观性因素， 更加科学地反映了决策单元的相对规模与技术有效性之间的差别，为领导者进行科学决策提供了可靠的参考和依据。
