王廣林 張勁松 潘正

摘 ?要：高等教育系統(tǒng)是否具有可持續(xù)性，與一個(gè)國(guó)家的綜合競(jìng)爭(zhēng)力和未來(lái)發(fā)展密切相關(guān)?？v觀近年來(lái)的數(shù)據(jù)，黑龍江省81所高等院校人才培養(yǎng)進(jìn)程總體發(fā)展緩慢。為協(xié)調(diào)和維持黑龍江省高等教育體系的可持續(xù)發(fā)展，本文建立了相關(guān)評(píng)估模型，以推導(dǎo)國(guó)家高等教育系統(tǒng)中協(xié)調(diào)的定量表達(dá)以及評(píng)估指標(biāo)之間的多重關(guān)系。使用基于熵權(quán)的TOPSIS模型對(duì)中國(guó)各地區(qū)的高等教育發(fā)展現(xiàn)狀進(jìn)行評(píng)估，從高中生畢業(yè)人數(shù)、高等學(xué)校師生比等七個(gè)維度對(duì)其健康協(xié)調(diào)程度進(jìn)行了定量分析。運(yùn)用灰色模型來(lái)預(yù)測(cè)各種評(píng)估指標(biāo)的數(shù)據(jù)狀態(tài)，對(duì)收集到的北京市和黑龍江省實(shí)測(cè)現(xiàn)實(shí)進(jìn)行比較分析，并提出合理可行的策略來(lái)推進(jìn)黑龍江省高等教育系統(tǒng)的可持續(xù)發(fā)展。

關(guān)鍵詞：高等教育;可持續(xù)發(fā)展;TOPSIS;灰色預(yù)測(cè)

中圖分類號(hào)：G64 ? ?文獻(xiàn)標(biāo)識(shí)碼：A ? ?文章編號(hào)：1673-7164（2022）01-0006-08

隨著新高考制度改革的推進(jìn)，我國(guó)越發(fā)重視高等教育的可持續(xù)發(fā)展。根據(jù)中國(guó)統(tǒng)計(jì)年鑒，政府對(duì)高等教育的投資從2010年的5629億元增加到2019年13464億元，高等教育發(fā)展力度空前。目前，我國(guó)高等教育發(fā)展存在地區(qū)發(fā)展不均衡、資金投入差異大、教育機(jī)會(huì)不協(xié)調(diào)等關(guān)鍵性制約因素，經(jīng)過(guò)數(shù)據(jù)收集整理，本文將我國(guó)高等教育發(fā)展情況大致劃分為五類地區(qū)，并進(jìn)行現(xiàn)狀概述，具體劃分如表1所示。

教育經(jīng)費(fèi)投入規(guī)模方面。根據(jù)2015—2019年面板數(shù)據(jù)可知，一類地區(qū)教育經(jīng)費(fèi)投入由2022億元逐年增長(zhǎng)至3189億元，山東省為首的二類地區(qū)，年平均增長(zhǎng)約150億元，表現(xiàn)十分亮眼。黑龍江省所處的三類地區(qū)，教育經(jīng)費(fèi)投入近五年來(lái)平均約六百億，僅為一類地區(qū)投入規(guī)模的25%左右。四、五類地區(qū)的代表省份，年教育經(jīng)費(fèi)投入額僅為200億元左右，不足三類地區(qū)的三分之一。

普通高等學(xué)校發(fā)展規(guī)模方面。廣東省與山東省高校數(shù)量分別達(dá)到154、146所，三類地區(qū)中的黑龍江省高校數(shù)量為81所，僅為一類地區(qū)一半。觀察四類地區(qū)和五類地區(qū)的數(shù)據(jù)可知，青海與寧夏的高校數(shù)量明顯少于前三個(gè)地區(qū)，分別為19所和12所，數(shù)量相差更甚。

師資層次方面。廣東省和山東省正高級(jí)職稱人數(shù)分別達(dá)到了15537和18254人，正高級(jí)職稱占總高校教師人數(shù)比例分別達(dá)到9.24%和7.79%，表現(xiàn)優(yōu)異。而包括黑龍江省在內(nèi)的三類地區(qū)正高級(jí)職稱人數(shù)僅有8000人，遠(yuǎn)遠(yuǎn)落后于一二類地區(qū)。研究四、五類地區(qū)后發(fā)現(xiàn)，青海及寧夏地區(qū)正高級(jí)職稱人數(shù)僅有不到1000人，數(shù)量較一類地區(qū)僅占10%不到。

綜上，我國(guó)高等教育系統(tǒng)呈現(xiàn)出區(qū)域化、碎片化的發(fā)展態(tài)勢(shì)，東南沿海地區(qū)教育資源發(fā)達(dá)，西北地區(qū)及中部地區(qū)發(fā)展相對(duì)落后。五類地區(qū)差距極大，因此縮小差距、打造平等高效的高等教育系統(tǒng)可持續(xù)發(fā)展模式尤為重要。

影響高等教育發(fā)展水平的因素不止集中在宏觀政策，還包括教育公平、高校水平和經(jīng)濟(jì)發(fā)展程度等一系列因素，評(píng)價(jià)維度間相互關(guān)聯(lián)，因此本文基于黑龍江省高等教育發(fā)展現(xiàn)狀，引入實(shí)證分析方法對(duì)其進(jìn)行評(píng)價(jià)和預(yù)測(cè)，具有重要的理論意義和實(shí)踐價(jià)值。

一、文獻(xiàn)綜述

（一）國(guó)內(nèi)文獻(xiàn)綜述

從高等教育發(fā)展的評(píng)價(jià)方法來(lái)看，現(xiàn)有文獻(xiàn)對(duì)高等教育評(píng)價(jià)體系的研究較為分散。其中，有部分學(xué)者利用DEA模型對(duì)高等教育的效率進(jìn)行了評(píng)價(jià)。李元靜和張謙（2014）運(yùn)用Malmquist指數(shù)法，測(cè)度了我國(guó)高等教育的發(fā)展效率，得出我國(guó)高等教育資源配置存在區(qū)域差異[1]。張宏（2015）以教育經(jīng)費(fèi)、教職工人數(shù)作為投入要素，以論文數(shù)量、畢業(yè)生人數(shù)作為產(chǎn)出指標(biāo)，建立DEA模型，得出我國(guó)高等教育發(fā)展效率呈現(xiàn)規(guī)模報(bào)酬遞增的趨勢(shì)，但區(qū)域間差異明顯[2]。李航（2018）運(yùn)用DEA-Tobit模型研究了經(jīng)濟(jì)發(fā)展和教育支持對(duì)高等教育效率的影響，得出兩者均對(duì)高等教育效率有著正向影響的結(jié)論[3]。此外，也可運(yùn)用層次分析法（周浩波，2014）[4]、指數(shù)分析法（畢吉利，2020）[5]、熵權(quán)法TOPSIS模型（柯文進(jìn)、王軍，2020）[6]對(duì)高等教育發(fā)展水平進(jìn)行評(píng)價(jià)。以往文獻(xiàn)研究所選取的評(píng)價(jià)方法主觀因素較強(qiáng)，且未針對(duì)指標(biāo)的異質(zhì)性進(jìn)行評(píng)價(jià)方法的調(diào)整，故具有可優(yōu)化的空間。

從高等教育影響因素的效應(yīng)來(lái)看，大多數(shù)學(xué)者使用計(jì)量方法，如馬明宇（2020）運(yùn)用計(jì)量回歸的分析方法，從經(jīng)濟(jì)情況、教育資源投入、產(chǎn)業(yè)結(jié)構(gòu)等角度研究了影響高等教育發(fā)展的主要因素[7];陳春平和胡何瓊（2021）基于國(guó)民經(jīng)濟(jì)和高等教育等相關(guān)的面板數(shù)據(jù)運(yùn)用回歸分析和灰色關(guān)聯(lián)分析，研究了2000—2019年高等教育結(jié)構(gòu)與經(jīng)濟(jì)發(fā)展的關(guān)系[8];潘興俠（2020）運(yùn)用基于熵權(quán)的加權(quán)模糊隸屬度模型評(píng)價(jià)了我國(guó)區(qū)域高等教育發(fā)展水平，利用空間計(jì)量的分析方法對(duì)高等教育的因素影響進(jìn)行了分析[9]。以往的研究成果重點(diǎn)考慮了現(xiàn)有因素對(duì)高等教育水平發(fā)展的影響，未對(duì)未來(lái)高等教育發(fā)展情況予以反饋，且一定程度上忽視了因素對(duì)高等教育的模糊關(guān)系，故本文在這些方面彌補(bǔ)了現(xiàn)有文獻(xiàn)的不足。

（二）國(guó)外文獻(xiàn)綜述

從研究?jī)?nèi)容來(lái)看，國(guó)外主要研究集中于高等教育影響因素、高等教育效率、教育資源分配不均等方面。Jourado（2013）運(yùn)用AHP層次分析法研究得出，學(xué)校環(huán)境和社會(huì)發(fā)展是影響高等教育基礎(chǔ)階段的主要因素[10]。Berchin（2017）研究了巴西聯(lián)邦高等教育結(jié)構(gòu)體系，得出基礎(chǔ)設(shè)施、文化體系促進(jìn)了高等教育的可持續(xù)發(fā)展[11]。Al-Rahmi（2018）收集了馬來(lái)西亞723名研究生的問(wèn)卷調(diào)查結(jié)果，得出社交媒體的運(yùn)用和積極的合作學(xué)習(xí)，能夠促進(jìn)高等教育學(xué)習(xí)和發(fā)展的結(jié)論[12]。以往國(guó)外文獻(xiàn)主要研究某一種因素對(duì)高等教育體系的影響，在全面評(píng)價(jià)高等教育發(fā)展方面存在一定的研究空白。

從研究方法來(lái)看，國(guó)外主要是通過(guò)構(gòu)建一系列指標(biāo)，基于傳統(tǒng)統(tǒng)計(jì)方法加以測(cè)算與分析。國(guó)外學(xué)者大多運(yùn)用數(shù)據(jù)包絡(luò)方法對(duì)高等教育的效率進(jìn)行測(cè)算，其中包括高校資源配置效率（Johnes，2006a）、辦學(xué)效率（Cherchuye Laurens，2009）成本效率（Johnes，2006b）[13-15]等。此外，Qian和Smyth（2008）計(jì)算了基尼系數(shù)和泰爾指數(shù)，用以分析中國(guó)教育資源區(qū)域分配差異不斷擴(kuò)大的原因[16]。Yue（2015）通過(guò)描述性分析和回歸分析，研究了中國(guó)教育在發(fā)展中的不平等情況[17]。以往外文文獻(xiàn)主要利用數(shù)據(jù)包絡(luò)分析方法測(cè)算高等教育效率，重點(diǎn)在于研究高等教育投入與產(chǎn)出的關(guān)系，本文將研究重點(diǎn)放在全面衡量教育發(fā)展上，對(duì)于僅研究投入與產(chǎn)出更具有可持續(xù)發(fā)展意義。

為了對(duì)現(xiàn)有研究進(jìn)行補(bǔ)充，本文主要針對(duì)以下三個(gè)方面進(jìn)行深入研究。第一，使用定量分析方法，利用基于熵權(quán)的TOPSIS模型和灰色關(guān)聯(lián)度矩陣對(duì)我國(guó)31個(gè)?。ㄊ?、自治區(qū)）高等教育發(fā)展水平進(jìn)行了綜合評(píng)價(jià)，并運(yùn)用灰色預(yù)測(cè)對(duì)重點(diǎn)研究省份未來(lái)十年高等教育發(fā)展水平進(jìn)行預(yù)測(cè)和分析，具有相對(duì)明顯的政策意義。第二，選取七項(xiàng)對(duì)高等教育發(fā)展影響較大的指標(biāo)進(jìn)行計(jì)算分析，指標(biāo)選取方法合理，評(píng)分結(jié)果較為準(zhǔn)確。第三，本文在地區(qū)異質(zhì)性的基礎(chǔ)上重點(diǎn)對(duì)比黑龍江省與北京市，從時(shí)間和影響因素方面進(jìn)行了分析，為黑龍江省高教研究提供了新的思路。

二、模型建立

（一）基于熵權(quán)的TOPSIS模型

TOPSIS法（Technique for Order Preference by Similarity to Ideal Solution）亦稱理想解法，簡(jiǎn)稱為優(yōu)劣解距離法，是一種有效的多指標(biāo)評(píng)價(jià)方法（彭勇行，2000;Chen，2000;OLSON，2004）[18-20]。這種方法通過(guò)構(gòu)造評(píng)價(jià)問(wèn)題的正理想解和負(fù)理想解，即各指標(biāo)的最優(yōu)解和最劣解，通過(guò)計(jì)算每個(gè)方案到理想方案的相對(duì)貼近度，即靠近正理想解和遠(yuǎn)離負(fù)理想解的程度，來(lái)對(duì)方案進(jìn)行排序，從而選出最優(yōu)方案（Deng，2000;陳雷、王延章，2003）[21-22]。TOPSIS 法是一種多目標(biāo)決策方法，能充分利用原始數(shù)據(jù)的信息，結(jié)果能精確地反映各評(píng)價(jià)方案之間的差距（Ta-Chung和Chu，2002;Opricovic和Tzeng，2004）[23-24]。

1. 正向化的矩陣標(biāo)準(zhǔn)化。假設(shè)有m個(gè)要評(píng)價(jià)的對(duì)象，n個(gè)評(píng)價(jià)指標(biāo)（已正向化的）構(gòu)成的正向化矩陣如下：

X=

那么，對(duì)其標(biāo)準(zhǔn)化的矩陣記為Z，Z中的每一個(gè)元素：

Zij=

2. 評(píng)價(jià)對(duì)象的得分。假設(shè)有m個(gè)要評(píng)價(jià)的對(duì)象，n個(gè)評(píng)價(jià)指標(biāo)的標(biāo)準(zhǔn)化矩陣：

Z=

則基于熵的標(biāo)準(zhǔn)化矩陣為：

Aij=Zij×Wj=

×

定義最大值：

A+=（a+

1 a+

2 … ?a+

n）

=（max{a11，a21，…，am1}，max{a12，a22，…，am2}，…max{a1n，a2n，…，amn}）

定義最小值：

A- =（a-

1 a-

2 … ?a-

n）

=（min{a11，a21，…，am1}，min{a12，a22，…，am2}，…min{a1n，a2n，…，amn}）

定義第i（i=1，2，…，m）個(gè)評(píng)價(jià)對(duì)象與最大值的距離D+

i=

定義第i（i=1，2，…，m）個(gè)評(píng)價(jià)對(duì)象與最小值的距離D-

i=

那么可以計(jì)算出第i（i=1，2，…，m）個(gè)評(píng)價(jià)對(duì)象未歸一化的得分：Si=，0?Si?1，Si越大D+

i越小，越接近最大值。

3. 指標(biāo)正向化。采用 = 將極大型指標(biāo)正向化，將極小型指標(biāo)按照轉(zhuǎn)化成極大型指標(biāo)，然后再將指標(biāo)正向化處理。

（二）灰色關(guān)聯(lián)度矩陣

由于灰色關(guān)聯(lián)度是分析一定向量與向量之間以及矩陣與矩陣之間的關(guān)聯(lián)度（焦玥、胡勁松，2005）[25]，而且所需要的原始數(shù)據(jù)較少，原理簡(jiǎn)便（Liu S F和 Liu Y，1998;Hong，1996）[26-27]。關(guān)聯(lián)度是某一個(gè)待比較的數(shù)列與參照物之間的相關(guān)程度。假設(shè)現(xiàn)有一組參考數(shù)列如下：

xj=（xj（1），xj（2），xj（3），…，xj（k），…，xj（n）），j=1，2，3，…，s

假設(shè)一組待比較數(shù)列如下：

xi=（xi（1），xi（2），xi（3），…，xi（k），…，xi（n）），i=1，2，3，…，t

則定義關(guān)聯(lián)系數(shù)如下：

ε（k）=

（1）ε（k）表示的是第i個(gè)比較數(shù)列與第j個(gè)參考數(shù)列第k個(gè)樣本之間的關(guān)聯(lián)系數(shù)。

（2）min minxj（k）-xi（k）和max maxxj（k）-xi（k）表示的是參考數(shù)列矩陣與比較數(shù)列矩陣數(shù)值作差之后的最小值和最大值。

（3）xj（k）-xi（k）被稱為“Hamming距離”，其倒數(shù)被稱為反倒數(shù)距離，灰色關(guān)聯(lián)度的本質(zhì)就是通過(guò)反倒數(shù)大小來(lái)判定關(guān)聯(lián)程度的。

（4）分辨率ρ通常約定俗成取值在[0，1]之間，不過(guò)并非表明ρ只能在[0，1]之間。

定義相關(guān)度為：r=

r為相關(guān)度，有正面作用的為正相關(guān)，反之為負(fù)相關(guān)。

r大于0.7為強(qiáng)相關(guān)，小于0.3為弱相關(guān)。

如果把xj與xi之間的相關(guān)度寫成矩陣的形式，則有：

R=

根據(jù)R矩陣的結(jié)構(gòu)可以很清楚地知道，待比較的數(shù)列從列可以看出其作用大小，參考數(shù)列從行可以看出其受影響程度的大小，依據(jù)R矩陣數(shù)值大小可以分析出比較數(shù)列矩陣中哪些數(shù)列起到主要作用。

（三）灰色Verhulst（即Logistic）預(yù)測(cè)模型

在此模型中本文設(shè)非負(fù)原始序列為X （0 ）={x（0 ）（1），x （0 ）（2），…x （0 ）（n）}，X （1 ）={x （1 ）（1），x （1 ）（2），…x （1 ）（n）}，為1-AGO其序列，其中x （1 ）（k）=x （0 ）（i），Z （1 ）={z （1 ）（1），z （1 ）（2），…z （1 ）（n），}為模型中x （1 ）的緊鄰均值生成序列，其中z （1 ）（k）=，k=2，3，…，n。

設(shè)X （0 ）為原始序列，X （1 ）為X （0 ）的1-AGO，Z ?（1 ）為X （1 ）的緊鄰均值生成序列，則稱：

x （0 ）（k）+az （1 ）（k）=b（z （1 ）（k））2

為灰色Verhulst模型（蔣紅梅和魏勇，2015;李曄和丁圓蘋，2020）[28-29]。

稱+ax （1 ）（t）=b（x （1 ）（t））2為灰色Verhulst模型的白化方程。

根據(jù)灰色Verhulst模型，在最小二乘意義下可以估計(jì)出參數(shù)a，b的值，再將a，b的估計(jì)值代入灰色Verhulst模型的白化方程，在初始條件x （1 ）（1）=x （0 ）（1）下，解得灰色Verhulst模型的時(shí)間響應(yīng)式為：

（1 ）（t+1）=

經(jīng)過(guò)累減還原為 （0 ）（k+1）= （1 ）（k+1）- （1 ）（k）。

三、指標(biāo)選取與數(shù)據(jù)來(lái)源

影響高等教育的因素可分為直接因素和間接因素。后備人才使用情況、高等學(xué)校教育經(jīng)費(fèi)投入情況、師資情況、培養(yǎng)方向情況以及高等教育教學(xué)效率是高等教育可持續(xù)水平的直接影響因素，五項(xiàng)評(píng)價(jià)指標(biāo)均源自高等教育體系本身，為直接抽取因素;將地區(qū)人均可支配收入水平和科研水平定義為間接影響因素，原因在于二者分別依據(jù)經(jīng)濟(jì)與教育成果層面引入評(píng)價(jià)體系，與地區(qū)高等教育可持續(xù)發(fā)展模式未建立直接關(guān)系。影響高等教育可持續(xù)發(fā)展水平的兩類因素直觀展示如圖1所示。

1. 后備人才使用情況。本文選取普通高中畢業(yè)生人數(shù)與高等學(xué)校招生人數(shù)比反映某城市生源情況。該指標(biāo)的選取目的在于綜合度量某一地區(qū)高等教育后續(xù)發(fā)展體量與普通高中輸出人才中流入本地區(qū)高等教育體系的規(guī)模，為負(fù)向指標(biāo)，指標(biāo)數(shù)值越低，本地區(qū)高等教育可持續(xù)發(fā)展能力越強(qiáng)。

2. 高等學(xué)校教育經(jīng)費(fèi)投入情況。經(jīng)濟(jì)基礎(chǔ)決定上層建筑，高等學(xué)?？蒲谢鹜度肱c可持續(xù)發(fā)展模式建設(shè)成正比，穩(wěn)健的資金支持可以優(yōu)化學(xué)科建設(shè)、提升教師水平、完善基礎(chǔ)設(shè)施。

3. 高等教育教學(xué)效率。本文選取高等學(xué)校師生比來(lái)反映教學(xué)效率。由應(yīng)用型向研究性轉(zhuǎn)變是高等教育體系可持續(xù)發(fā)展模式建設(shè)的一大重要環(huán)節(jié)，基礎(chǔ)階段開展通識(shí)博雅教育，專業(yè)階段實(shí)施有針對(duì)性的教育方式，降低師生比尤為關(guān)鍵。

4. 師資情況。本文選取教研團(tuán)隊(duì)正高級(jí)職稱人數(shù)占比反映高校師資情況。優(yōu)化教師團(tuán)隊(duì)對(duì)高等教育體系可持續(xù)發(fā)展具有關(guān)鍵意義，先進(jìn)的教學(xué)理念與科研實(shí)力能夠引導(dǎo)出高效的學(xué)術(shù)環(huán)境，提升學(xué)生與教師的科研能力。

5. 培養(yǎng)方向情況。選取高等學(xué)校本科生與研究生人數(shù)比作為高校培養(yǎng)方向可持續(xù)性的反映。高等學(xué)校本科生培養(yǎng)方案為面向應(yīng)用型人才，碩士、博士研究生的培養(yǎng)方案為研究性人才。發(fā)展能夠繼續(xù)投身高等教育體系的高科技人才，才可以使高等教育體系更加可持續(xù)發(fā)展。

6. 地區(qū)人均可支配收入水平。該指標(biāo)源于社會(huì)經(jīng)濟(jì)活動(dòng)對(duì)教育文化體系的促進(jìn)作用，某一地區(qū)人均可支配收入越多，公民可用與高等教育體系的資金便越充足，以此在一定程度上可以彌補(bǔ)政府教育經(jīng)費(fèi)不足的問(wèn)題，增加高等教育體系后續(xù)發(fā)展的供給動(dòng)力。

7. 科研水平。以專利授權(quán)數(shù)量作為某城市科研水平的代表。上述六項(xiàng)指標(biāo)主要側(cè)重于衡量高等教育體系的活動(dòng)過(guò)程，致力于以先進(jìn)的外部環(huán)境推動(dòng)該體系可持續(xù)發(fā)展。此項(xiàng)指標(biāo)重在評(píng)價(jià)產(chǎn)出成果，一個(gè)地區(qū)的專利授權(quán)數(shù)量一定程度上代表該地高等教育的科研水平，專利授權(quán)數(shù)量越多，科研實(shí)力越雄厚。

根據(jù)上述評(píng)價(jià)結(jié)果，本文利用灰色關(guān)聯(lián)度分析計(jì)算出各指標(biāo)對(duì)高等教育系統(tǒng)可持續(xù)發(fā)展能力綜合得分的影響程度，具體情況如圖2所示。

由上圖可觀察出各評(píng)價(jià)指標(biāo)的關(guān)聯(lián)系數(shù)均在0.9以上，進(jìn)一步說(shuō)明本文在指標(biāo)選取層面上的合理性。

四、實(shí)證分析

（一）全國(guó)層面各省份綜合評(píng)估結(jié)果的分析

根據(jù)實(shí)證分析結(jié)果，廣東省的綜合評(píng)估得分為0.0688，位居全國(guó)第一。從各指標(biāo)影響數(shù)值可以看出，與北京市相比，廣東省只有教育經(jīng)費(fèi)一項(xiàng)高于前者，而廣東省綜合得分超越北京市。由此可見，教育經(jīng)費(fèi)投入這項(xiàng)指標(biāo)為對(duì)綜合得分關(guān)聯(lián)系數(shù)最大的影響因素，從灰色關(guān)聯(lián)度分析結(jié)果也可證明，此項(xiàng)指標(biāo)關(guān)聯(lián)系數(shù)為0.9786，為首要評(píng)價(jià)指標(biāo)。

深入觀察黑龍江省與遼寧省的各項(xiàng)數(shù)據(jù)發(fā)現(xiàn)，除教研團(tuán)隊(duì)正高級(jí)職稱人數(shù)占比與普通高中畢業(yè)生人數(shù)與高等學(xué)校招生人數(shù)比兩項(xiàng)外，其余五項(xiàng)評(píng)價(jià)指標(biāo)遼寧省均優(yōu)于黑龍江省，但黑龍江省最終得分卻高于遼寧省;且教研團(tuán)隊(duì)正高級(jí)職稱人數(shù)占比兩者相差甚小，僅為0.018。說(shuō)明普通高中畢業(yè)生人數(shù)與高等學(xué)校招生人數(shù)這項(xiàng)指標(biāo)是十分重要的，利用本文建立的實(shí)證模型亦可看出，其影響系數(shù)為0.9242，位列第三。

社會(huì)發(fā)展的根基在于經(jīng)濟(jì)，經(jīng)濟(jì)發(fā)展水平高的省市，人均可支配收入隨之相應(yīng)較高。該指標(biāo)位居前三的省市分別為上海市、北京市和浙江省，而這三個(gè)地區(qū)的最終綜合評(píng)價(jià)得分亦居于全國(guó)前列。通過(guò)實(shí)證分析計(jì)算出該指標(biāo)對(duì)總體得分的貢獻(xiàn)程度為0.9298，位列各項(xiàng)指標(biāo)第二。依據(jù)TOPSIS模型得到，全國(guó)各地區(qū)高等教育體系可持續(xù)發(fā)展能力綜合評(píng)分基本與經(jīng)濟(jì)發(fā)展水平及人口分布情況相匹配，以黑河-騰沖線為界，東部地區(qū)總體情況明顯優(yōu)于西部各地的TOPSIS得分。

廣東省、江蘇省與浙江省經(jīng)濟(jì)發(fā)展總量均居于全國(guó)前五位，根據(jù)本文TOPSIS模型計(jì)算的高等教育發(fā)展能力得分亦位列前五，由此更加充分地表明經(jīng)濟(jì)發(fā)展水平對(duì)高等教育體系的貢獻(xiàn)程度，證明本文間接評(píng)價(jià)指標(biāo)選取的合理性。北京市為全國(guó)政治與文化中心，上海市為經(jīng)濟(jì)、金融及航運(yùn)中心，高等教育綜合得分與其國(guó)家定位相吻合。

部分西部省區(qū)沒有一所世界一流大學(xué)A類建設(shè)高校，人才流失、經(jīng)濟(jì)落后、科研環(huán)境艱難以及教師資源匱乏等定性因素均表明其高等教育發(fā)展模式存在嚴(yán)重問(wèn)題，TOPSIS綜合得分亦位居全國(guó)尾部，地方政府及國(guó)家教育系統(tǒng)應(yīng)“因地制宜”，予以發(fā)展動(dòng)力。

（二） 黑龍江省高等教育可持續(xù)發(fā)展模式對(duì)比分析

本文依據(jù)所得到的數(shù)據(jù)，進(jìn)行了黑龍江省與北京市及全國(guó)指標(biāo)數(shù)值的橫向?qū)Ρ?，如?所示。

縱觀黑龍江省各項(xiàng)指標(biāo)得分?jǐn)?shù)據(jù)，高等學(xué)校教育經(jīng)費(fèi)投入情況、高等學(xué)校本科生與研究生人數(shù)比、地區(qū)人均可支配收入、專利授權(quán)數(shù)量四項(xiàng)指標(biāo)得分低于全國(guó)各省市平均值，應(yīng)引起地方政府高度重視，尤其是高等學(xué)校教育經(jīng)費(fèi)投入情況，黑龍江省為7612173，全國(guó)平均為13540085，僅為全國(guó)平均的一半左右;專利授權(quán)數(shù)量黑龍江省為19989，全國(guó)平均為79182，僅為全國(guó)平均的四分之一左右。

北京市的綜合評(píng)價(jià)得分為全國(guó)第三，各項(xiàng)指教表現(xiàn)均衡，且作為全國(guó)政治、文化和教育中心，均有不可替代的模式優(yōu)化輻射作用。本文選擇北京市作為參照對(duì)象，在優(yōu)化黑龍江省高等教育體系可持續(xù)發(fā)展模式的基礎(chǔ)上，為全國(guó)各地區(qū)提供了一個(gè)具體思路，以供他方進(jìn)行參考。

根據(jù)歷史數(shù)據(jù)并加以修正，本研究預(yù)測(cè)黑龍江省2020—2029年高等教育體系可持續(xù)發(fā)展能力綜合得分呈增長(zhǎng)趨勢(shì)，雖整體增長(zhǎng)速度較快，但發(fā)展基數(shù)體量仍然較小，故最終得分較低，為0.0303，遠(yuǎn)低于北京的0.0579，北京的高等教育體系整體發(fā)展體量大且增長(zhǎng)速度較快。對(duì)于北京市和黑龍江省的灰色Verhulst模型預(yù)測(cè)曲線，如圖3所示。

2015年10月24日，國(guó)務(wù)院印發(fā)《統(tǒng)籌推進(jìn)世界一流大學(xué)與世界一流學(xué)科建設(shè)總體方案》，在“雙一流”建設(shè)期間北京地區(qū)高校投入教育經(jīng)費(fèi)預(yù)算增長(zhǎng)遠(yuǎn)高于全國(guó)平均水平31.21%，北京投入近百億推動(dòng)高校高精尖創(chuàng)新中心建設(shè)，有8所高校教育經(jīng)費(fèi)增長(zhǎng)位列前五十，而黑龍江高校沒有上榜。在“雙一流”建設(shè)收官之年，北京與黑龍江的高等教育可持續(xù)發(fā)展能力綜合得分差距進(jìn)一步被拉大。

北京的教育經(jīng)費(fèi)得分為13525400，高于黑龍江7612173，黑龍江省教育經(jīng)費(fèi)遠(yuǎn)低于北京的，導(dǎo)致了三方面的影響。第一，科研經(jīng)費(fèi)短缺，長(zhǎng)期以來(lái)，科研經(jīng)費(fèi)在高校收入所占比例均處于較低水平，教育經(jīng)費(fèi)不足對(duì)黑龍江高校科研工作的開展產(chǎn)生了不利的的影響，科研隊(duì)伍建設(shè)及科研設(shè)備的配備難以滿足高校科研需求，制約了以理工科高校為主的黑龍江高校高水平研究工作的開展。第二，圖書資源、校舍建筑等硬件資源配備不足，由于教育經(jīng)費(fèi)投入有限及學(xué)生數(shù)量的不斷增加，高校圖書館普遍存在圖書資源過(guò)于陳舊，不符合時(shí)代發(fā)展要求的問(wèn)題，圖書資源少有更新，學(xué)生難以通過(guò)閱讀了解前沿科學(xué)研究。生均校舍面積和校舍環(huán)境均低于北京等較發(fā)達(dá)地區(qū)，新建建筑較少。第三，實(shí)驗(yàn)儀器與設(shè)備短缺，就黑龍江省高校專業(yè)設(shè)置來(lái)看，理工科學(xué)生占大多數(shù)。眾所周知，實(shí)驗(yàn)儀器與設(shè)備對(duì)于理工科教學(xué)來(lái)說(shuō)是不可或缺的，但由于經(jīng)費(fèi)等原因，學(xué)校不能正常配備實(shí)驗(yàn)儀器設(shè)備，儀器設(shè)備無(wú)法滿足師生的實(shí)踐和科研需求。應(yīng)積極推動(dòng)“世界一流大學(xué)和一流學(xué)科”建設(shè)，合理配置和利用教育經(jīng)費(fèi)，加大工業(yè)、農(nóng)業(yè)等行業(yè)高?？蒲薪?jīng)費(fèi)和創(chuàng)新成果轉(zhuǎn)化經(jīng)費(fèi)投入，鼓勵(lì)創(chuàng)新成果轉(zhuǎn)化，服務(wù)“新時(shí)代東北全面全方位振興”和“耕地保護(hù)”戰(zhàn)略。

專利數(shù)量是地區(qū)高等教育水平的重要體現(xiàn)，黑龍江省86247低于北京得分527390，反映出黑龍江省的高等教育水平及科研創(chuàng)新能力較弱，黑龍江省應(yīng)保護(hù)技術(shù)交易市場(chǎng)，建立健全技術(shù)交易制度，對(duì)技術(shù)交易給予一定的稅收支持，促進(jìn)技術(shù)的交易。政府還要提高財(cái)政科技支持，堅(jiān)持科教興國(guó)戰(zhàn)略，為具有創(chuàng)新力的企業(yè)提供更多支持，鼓勵(lì)并創(chuàng)造更優(yōu)的外部環(huán)境;加大研發(fā)經(jīng)費(fèi)投入力度，為科研提供穩(wěn)定支持;因地制宜，合理配置科研經(jīng)費(fèi)投入比例。

黑龍江省作為東北老工業(yè)基地之一和重要的耕地保護(hù)區(qū)，高校數(shù)量較多，但普遍質(zhì)量不高，與地區(qū)經(jīng)濟(jì)發(fā)展水平不匹配，教育經(jīng)費(fèi)投入和科研能力落后于東南沿海地區(qū)，應(yīng)該高效配置區(qū)域內(nèi)教育資源，支持和鼓勵(lì)工業(yè)、農(nóng)業(yè)類高校發(fā)展，實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展與高等教育需求有效對(duì)接，在發(fā)展高新技術(shù)產(chǎn)業(yè)的同時(shí)，積極發(fā)展工業(yè)和農(nóng)業(yè)等造血性產(chǎn)業(yè)，為承接?xùn)|部發(fā)達(dá)地區(qū)產(chǎn)業(yè)轉(zhuǎn)移服務(wù)。另外，黑龍江省人口外流嚴(yán)重，普通省屬高校本省招生人數(shù)超過(guò)50%，畢業(yè)留黑龍江省工作人數(shù)僅占畢業(yè)生人數(shù)的30%，應(yīng)出臺(tái)相應(yīng)的人才引進(jìn)政策，給外地落戶群體發(fā)放補(bǔ)貼，吸引與經(jīng)濟(jì)發(fā)展相關(guān)的緊缺型本地高校畢業(yè)生留黑工作。

五、結(jié)論和政策建議

本文基于熵的TOPSIS模型對(duì)全國(guó)各省高等教育可持續(xù)發(fā)展水平進(jìn)行了評(píng)估，并利用灰色預(yù)測(cè)對(duì)黑龍江和北京的高等教育發(fā)展進(jìn)行了對(duì)比，得到黑龍江高等教育可持續(xù)發(fā)展的相關(guān)結(jié)論。第一，黑龍江省在校生數(shù)量龐大，高校眾多，缺乏與高等院校擴(kuò)招相匹配的財(cái)力保障，高等教育面臨教育經(jīng)費(fèi)不足的問(wèn)題。第二，黑龍江省的高等教育水平及科研創(chuàng)新能力較弱。第三，師資層次和人才培養(yǎng)方向決定了教學(xué)質(zhì)量和科研創(chuàng)新程度，黑龍江省尖端人才資源外流嚴(yán)重。

針對(duì)黑龍江省教育經(jīng)費(fèi)不足的問(wèn)題，可具體采取以下措施。第一，通過(guò)“互聯(lián)網(wǎng)與人工智能AI”技術(shù)發(fā)展“互聯(lián)網(wǎng)+高等教育”，促進(jìn)教育優(yōu)勢(shì)地區(qū)與其他地區(qū)的學(xué)術(shù)交流以及教學(xué)資源共享，在區(qū)域與區(qū)域之間構(gòu)建緊密型高校共同體，彌補(bǔ)黑龍江省與其他教育優(yōu)勢(shì)地區(qū)的高等教育水平的差距;第二，鼓勵(lì)學(xué)校進(jìn)行產(chǎn)學(xué)研一體化發(fā)展，促進(jìn)行業(yè)性高校積極發(fā)揮行業(yè)內(nèi)影響力與創(chuàng)造力獲取更多的資金投入教學(xué)、科研活動(dòng);第三，完善教師職稱評(píng)價(jià)標(biāo)準(zhǔn)，發(fā)揮正高級(jí)教授對(duì)于科學(xué)研究和產(chǎn)學(xué)研融合發(fā)展的推動(dòng)作用;第四，鼓勵(lì)高等院校與社會(huì)企業(yè)合作，合理調(diào)整學(xué)生學(xué)費(fèi)，解決高等教育投入機(jī)制中的社會(huì)缺位問(wèn)題;第五，政府應(yīng)針對(duì)不同性質(zhì)的高校科研環(huán)境，相應(yīng)的調(diào)整教學(xué)硬件的數(shù)量，加大科研投入資金數(shù)量，對(duì)于圖書資源、校舍建筑等硬件資源配備，做到及時(shí)供應(yīng)，為高校師生提供一個(gè)良好的科研環(huán)境。

要提高黑龍江省教育水平及科研創(chuàng)新，需要做到：第一，對(duì)于技術(shù)交易市場(chǎng)方面，黑龍江省應(yīng)積極做好技術(shù)交易市場(chǎng)監(jiān)管工作，維持技術(shù)交易秩序，建立健全技術(shù)交易制度，對(duì)技術(shù)交易給予一定的稅收支持，促進(jìn)和保護(hù)技術(shù)的交易，以提高科研人員的發(fā)明積極性;第二，對(duì)于技術(shù)財(cái)政支持方面，政府要加大財(cái)政支持力度，制定科研創(chuàng)新獎(jiǎng)勵(lì)政策，為具有創(chuàng)新力的高校提供更多支持，鼓勵(lì)并創(chuàng)造更優(yōu)的外部環(huán)境;第三，對(duì)于科研團(tuán)隊(duì)建設(shè)方面，黑龍江省有眾多優(yōu)秀的理工科院校，具有一定的科研創(chuàng)新優(yōu)勢(shì)，政府應(yīng)鼓勵(lì)高校，通過(guò)不斷壯大研發(fā)團(tuán)隊(duì)，細(xì)化研發(fā)職能，在專利研發(fā)上彰顯專業(yè)化來(lái)提升研發(fā)水平和科技創(chuàng)新能力;第四，對(duì)于專利實(shí)用性方面，科研創(chuàng)新能力的表現(xiàn)程度，不僅需要依靠數(shù)量，更需要依靠質(zhì)量。應(yīng)鼓勵(lì)高校因地制宜，結(jié)合地區(qū)發(fā)展的實(shí)際情況，加大研發(fā)投入，研發(fā)出適合地區(qū)的專利產(chǎn)品。

要解決黑龍江省人才引進(jìn)問(wèn)題，可從以下幾方面著手。第一，對(duì)于人才引進(jìn)落戶政策，制定多種落戶政策的選擇，人才可根據(jù)實(shí)際情況選擇購(gòu)房或租房?jī)?yōu)惠補(bǔ)貼政策，吸引人才流入;第二，對(duì)于社保補(bǔ)貼政策，對(duì)于引入的人才可給予社保50%補(bǔ)貼，一年一補(bǔ)等政策;第三，對(duì)于人才稅收優(yōu)惠政策，制定相應(yīng)的稅收優(yōu)惠及返稅政策;第四，對(duì)于部分人才匱乏領(lǐng)域，針對(duì)相應(yīng)領(lǐng)域的人才，應(yīng)加大以上相應(yīng)優(yōu)惠政策的力度。

參考文獻(xiàn)：

[1] 李元靜，張謙. 基于空間SLM模型的高等教育配置效率的實(shí)證[J]. 統(tǒng)計(jì)與決策，2014（21）：89-92.

[2] 張宏. 提升區(qū)域高等教育投入產(chǎn)出效率的對(duì)策研究——基于DEA方法和TOBIT模型分析[J]. 教育評(píng)論，2015（10）：80-83.

[3] 李航，李成明，白檸瑞，等. “雙一流”背景下地區(qū)高等教育效率的驅(qū)動(dòng)因素——基于DEA-Tobit模型的實(shí)證分析[J]. 技術(shù)經(jīng)濟(jì)與管理研究，2018（12）：108-112.

[4] 周浩波，劉國(guó)瑞，王少媛，等. 高等學(xué)校國(guó)際化辦學(xué)水平評(píng)價(jià)與發(fā)展對(duì)策研究——基于遼寧17所高校的實(shí)證研究[J]. 現(xiàn)代教育管理，2014（10）：1-6.

[5] 畢吉利，周福盛，劉旭東. 基于指數(shù)分析法的甘肅高等教育競(jìng)爭(zhēng)力實(shí)證分析及評(píng)價(jià)（2006 —2017年）[J]. 黑龍江高教研究，2020，38（05）：42-50.

[6] 柯文進(jìn)，王軍. 基于熵權(quán)TOPSIS模型的城市高等教育資源承載力評(píng)價(jià)[J]. 統(tǒng)計(jì)與決策，2020，36（18）：50-53.

[7] 馬明宇，陳政洋，寇本聰，等. 我國(guó)高等教育水平區(qū)域差異分析[J]. 合作經(jīng)濟(jì)與科技，2020（03）：170-171.

[8] 陳春平，胡何瓊. 我國(guó)高等教育層次結(jié)構(gòu)優(yōu)化與經(jīng)濟(jì)發(fā)展的關(guān)系研究——基于2000 —2019年的數(shù)據(jù)分析[J]. 當(dāng)代教育論壇，2021（03）：12-18.

[9] 潘興俠，徐媛媛，趙燁. 我國(guó)高等教育發(fā)展區(qū)域差異、空間效應(yīng)及影響因素[J]. 教育學(xué)術(shù)月刊，2020（11）：9-18.

[10] Jurado，C. Z.. Multilevel Analysis of School Performance in Mathematics for Fourth Grade of Basic Education in Colombia[J]. SocEcon，2013（25）：205-235.

[11] Berchin，I. I. . Strategies to Promote Sustainability in Higher Education Institutions[J]. International Journal of Sustainability in Higher Education，2017，18（07）：1018-1038.

[12] Mugahed，W.，Rahmi，A.. A Model of Factors Affecting Learning Performance through the use of Social Media in Malaysian Higher Education[J]. Computers & Education，2018（121）：59-72.

[13] Johnes，J.. Data Envelopment Analysis and its Application to the Measurement of Efficiency in Higher Education[J]. ?Economics of Education Review，2006，25（03）：273-288.

[14] Cherchye，L.. Efficiency and Equity in Private and Public Education： A Non-parametric Comparison[J]. European Journal of Operational Research，2009，202（02）：563-573.

[15] Johnes，J.. Measuring Teaching Efficiency in Higher Education： An Application to Data Envelopment Analysis to Economics Graduates from UK Universities[J]. European Journal of Operations Research，2006（01）：443-456.

[16] Lei，Q.X.，Russell，S.. Measuring Regional Inequality of Education in China：Widening Coast-inland gap or Widening Rural-urban gap？[J]. Journal of International Development，2008，20（02）：132-144.

[17] Jun，C.Y.. Expansion and Equality in Chinese Higher Education[J]. International Journal of Educational Development，2015（40）：50-58.

[18] 彭勇行. 管理決策分析[M]. 北京：科學(xué)出版社，2000.

[19] Chen.，C.T.. Extensions of the TOPSIS for Group Decision Making under Environment[J]. Fuzzy Sets and and Systems，2000（114）：1-9.

[20] Olson，D. L. . Comparison of Weights in TOPSIS Models[J]. Mathematical and Computer Modeling，2004（40）：721-727.

[21] Pu，H.D.，Chung，H.Y.. Inter-company Comparison Using Modified TOPSIS with Objective Weight[J]. Computers and Operations Research，2000，27（10）：963-973.

[22] 陳雷，王延章. 基于熵權(quán)系數(shù)與TOPSIS集成評(píng)價(jià)決策方法的研究[J]. 控制與決策，2003，18（04）：456-459.

[23] Chung，T.C.. Facility Location Selection Using Fuzzy TOPSIS under Group Decisions[J]. International Journal of Uncertainty，F(xiàn)uzziness and Knowledge-Based Systems，2002，10（06）：687-701.

[24] Opricovic，S.，Tzeng，G.H.. Compromise Solution by MCDM Methods：A Comparative Analysis of VIKOR and TOPSIS[J]. European Journal of Operational Research，2004（156）：445- 455.

[25] 孫曉東，焦玥，胡勁松. 基于灰色關(guān)聯(lián)度和理想解法的決策方法研究[J]. 中國(guó)管理科學(xué)，2005（04）：63-68.

[26] Feng，L.S.，Jeffrey，F(xiàn).. A Brief Introduction to Grey Systems：Foundation，Methodologies and Application[M]. Slippery Rock，ⅡGss Academic Publisher，1998.

[27] Xiao，S.P.. Analysis and Application for Gray Correlation Theory[J]. Intelligent Engineering Systems through Artificial Neural Networks，1996（06）：149-154.

[28] 蔣紅梅，魏勇. 灰色離散Verhulst直接建模模型的構(gòu)建[J]. 統(tǒng)計(jì)與決策，2015（21）：63-65.

[29] 李曄，丁圓蘋. 白化權(quán)函數(shù)已知的區(qū)間灰數(shù)Verhulst預(yù)測(cè)模型[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2020，50（20）：308-314.

（責(zé)任編輯：羅欣）

基金項(xiàng)目：本文系2021年度哈爾濱商業(yè)大學(xué)國(guó)家級(jí)創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目“數(shù)學(xué)實(shí)驗(yàn)方法下地區(qū)教育改革實(shí)踐效果評(píng)價(jià)與應(yīng)對(duì)”（項(xiàng)目編號(hào)：202110240015）階段性成果。

作者簡(jiǎn)介：王廣林（2000 —），男，學(xué)士在讀，哈爾濱商業(yè)大學(xué)會(huì)計(jì)學(xué)院，研究方向：會(huì)計(jì)理論與實(shí)務(wù);張勁松（1965—），女，博士，哈爾濱商業(yè)大學(xué)會(huì)計(jì)學(xué)院院長(zhǎng)，教授，研究方向：會(huì)計(jì)理論與實(shí)務(wù);潘正（2001—），男，學(xué)士在讀，哈爾濱商業(yè)大學(xué)會(huì)計(jì)學(xué)院，研究方向：會(huì)計(jì)理論與實(shí)務(wù)。