Статья: Моделирование эффективности российских университетов

Начнем с рассмотрения характеристик университетов, которые использовались для анализа эффективности. В данной работе расчет оценок эффективности является вспомогательным, но необходимым шагом для выявления детерминант эффективности. При анализе эффективности одним из основных шагов является выбор характеристик университетов, т.е. определение ресурсов и результатов деятельности вузов для решения задачи DEA (1)-(1-2). Основная сложность состоит в том, что система высшего образования, в особенности в России, характеризуется высоким уровнем дифференциации: разные группы университетов имеют различные миссии, цели и задачи. Например, группа университетов - участников проекта повышения глобальной конкурентоспособности «5-100» в большей степени стремится к достижению высоких значений показателей научной продуктивности и цитируемости. Группа университетов, имеющих статус «Опорные вузы», в большей степени концентрируются на подготовке кадров для регионального рынка труда и реализации НИОКР в интересах региональных предприятий. Факт высокой дифференциации университетов часто игнорируется в дискуссиях относительно развития системы высшего образования [Кузьминов и др., 2013] и, в частности, в дискуссиях относительно эффективности вузов, что может приводить к ошибочным суждениям. Для того чтобы в некоторой степени учесть высокую дифференцированность российских университетов, следуя работе [Абанкина и др. 2013], мы рассматриваем две спецификации модели DEA. Спецификация 1 предназначена для анализа эффективности университетов и ее детерминант с точки зрения образовательного потенциала вузов. Спецификация 2 оценивает эффективность и ее детерминанты с позиции результативности научно-учебной деятельности вузов. Каждая из спецификаций соответствует формулировке видов моделей из работы [Абанкина и др. 2013]. Однако в спецификацию 2 внесена корректировка: в силу появившихся в открытом доступе данных по общим объемам научно-исследовательских и опытно-конструкторских работ (НИОКР) данная характеристика была включена в модель DEA.

Рассмотрим спецификации Моделей 1 и 2 более подробно. Модель 1 в качестве ресурсов включает следующие характеристики университетов: доходы; общую численность ППС; долю ППС, имеющих ученые степени. Эти показатели отражают объем доступных финансовых ресурсов, объем кадровых ресурсов и их качество. Такой набор характеристик университетов в качестве ресурсов используется в большинстве эмпирических исследований, анализирующих эффективность высших учебных заведений (см., например: [Agasisti, Johnes, 2009; Agasisti, Perez-Esparrells, 2010; Agasisti, Perez-Esparrells, 2010; Aga- sisti, Pohl, 2012; Parteka, Wolszczak-Derlacz, 2011]). В качестве результатов деятельности университетов в Модель 1 были включены такие показатели, как общая численность студентов; средний балл ЕГЭ. В контексте российской системы высшего образования показатель общей численности студентов аппроксимирует численность выпускников, что является наиболее распространенной характеристикой, используемой при оценке эффективности образовательной деятельности вузов в зарубежных исследованиях (см., например: [Agasisti, Johnes, 2009; Bonaccorsi et al., 2007; Agasisti, Pohl, 2012]). Корректность такой аппроксимации обусловлена тем, что процент отсева (dropout ratio) в российских вузах сохраняется на достаточно низком уровне, что позволяет предполагать высокое значение корреляции между общей численностью студентов и количеством выпускников. Показатель среднего балла ЕГЭ отражает репутацию университета среди поступающих: как правило, более сильные и талантливые абитуриенты предпочитают поступать в лучшие вузы, гарантирующие более качественное образование. Данный показатель может рассматриваться как результат деятельности университета, поскольку высшее образование является доверительным благом, о качестве которого можно судить только после окончания обучения. А оценить качество обучения до его начала возможно лишь через репутационные механизмы. Средний балл ЕГЭ является одним из таких механизмов, который формируется на основании массовых решений абитуриентов и их родителей.

Перейдем к обсуждению спецификации 2, предназначенной для анализа эффективности университетов с позиции результативности их научно-учебной деятельности. В качестве ресурсов были выбраны следующие характеристики: доходы, доля остепененных ППС и средний балл ЕГЭ. В Модели 2 средний балл ЕГЭ выступает в качестве ресурса университета, так как отражает качество человеческого капитала абитуриентов, которые впоследствии могут быть вовлечены в научно-исследовательскую деятельность. Вектор результатов деятельности университета в Модели 2 содержит такие показатели, как общая численность студентов; доля молодых НПР; количество публикаций; общий объем НИОКР. Эти характеристики университетов отражают их научную продуктивность, а также их привлекательность для работы молодых исследователей, что в свою очередь является производной эффективности научно-исследовательской деятельности высших учебных заведений. Подробное описание характеристик университетов из Моделей 1 и 2 представлено в табл. П1 в Приложении. Рассмотренные спецификации 1 и 2 задают упрощенную модель функционирования университетов, включающую в себя ограниченный набор ресурсов и результатов их деятельности.

В табл. 1 представлены дескриптивные статистики характеристик университетов, которые используются в Моделях 1 и 2 для анализа эффективности.

Таблица 1.

Дескриптивные статистики характеристик университетов

Источник: расчеты авторов по данным Мониторинга эффективности деятельности образовательных организаций высшего образования.

Теперь рассмотрим контекстные переменные, которые используются на втором шаге метода Two-Stage Semi-parametric DEA для объяснения вариации оценок эффективности университетов. Напомним, что контекстные переменные - это такие факторы, которые не являются ресурсами социально-экономического объекта и не поддаются контролю политики его руководства [Fried et al., 1999]. К таким факторам, в том числе, относятся инструменты государственного регулирования [Ibid.]. В данной работе при анализе детерминант эффективности учитываются контекстные переменные, которые соотносятся с факторами государственной политики в сфере высшего образования. К таким переменным мы относим следующие показатели: наличие у вуза статуса автономного учреждения; принадлежность к группе «ведущих вузов»; подведомственность Министерству науки и высшего образования Российской Федерации; подведомственность региональным органам власти; общую площадь помещений университета. Такой набор контекстных переменных, в том числе, был определен наличием данных в открытом доступе.

Все бюджетные организации в России, в частности, государственные вузы, могут иметь статус казенных, бюджетных или автономных учреждений. Данные формы определяют степень независимости вузов в распоряжении финансовыми ресурсами: наиболее самостоятельными являются автономные учреждения, наименее самостоятельными - казенные Для более подробного описания различий между тремя типами учреждений см. Федеральный закон № 83-ФЗ от 08.05.2010 г. «О внесении изменений в отдельные законодательные акты РФ в связи с совершенствованием правового положения государственных (муниципальных) учреждений».. Так как менеджмент автономных учреждений имеет большую свободу по расходованию средств, мы ожидаем, что такие университеты могут быть более «эффективными». Переменная, отражающая принадлежность учебного заведения к группе «ведущих вузов» была включена ввиду того, что университеты - участники этой программы поддержки имеют ряд преимуществ. Например, повышенный норматив бюджетного финансирования в расчете на одного студента Приказ Минобрнауки России № 1272 от 30.11.2015 г.. Направление эффекта данной характеристики университета на его уровень эффективности неоднозначно: знак влияния будет определяться тем, насколько эффективно ведущие вузы могут использовать предусмотренные для них дополнительные объемы финансирования. Дамми-переменные, отражающие подведомственность университетов Минобрнауки России и региональным органам власти, необходимы ввиду того, что учредитель имеет достаточно широкие полномочия по определению механизмов управления подведомственными учреждениями. В этой связи политика управления подведомственными организациями, принятая в Минобрнауки России, может существенно отличаться от политики, сложившейся в региональных органах власти. В такой конфигурации в качестве референтной группы на втором шаге Two- Stage Semi-parametric DEA метода выступают вузы, подведомственные федеральным органам исполнительной власти (за исключением Минобрнауки РФ): Министерству сельского хозяйства (54 вуза), Министерству здравоохранения (46 вузов), Министерству культуры (40 вузов), Министерству спорта (14 вузов) и др. Контролируя подведомственную принадлежность университетов и формируя референтную группу вышерассмотренным образом, мы имплицитно контролируем специализацию вузов. Учет специализации особенно важен в Модели 2: университеты, у которых есть барьеры на пути к публикациям и НИОКР, могут иметь значимое и неоправданное снижение показателей их эффективности. Наконец, в качестве дополнительной контекстной переменной был выбран показатель общей площади помещений университета. Данный показатель может сильно коррелировать с характеристикой количества департаментов в университете, поэтому вузы с большей площадью помещений могут иметь более высокий уровень эффективности за счет экономии, обусловленной расширением сфер образовательной и исследовательской деятельностей. В данном случае более высокая эффективность университетов может также объясняться более рациональным использованием ресурсов за счет экономии на масштабе. С другой стороны, избыток зданий может приводить к дополнительным издержкам на содержание неиспользуемого имущества, что, в свою очередь, будет влечь за собой падение уровня эффективности. В России в среднем доля расходов вузов на содержание имущества в общем объеме расходов составляет порядка 10% По данным Формы ВПО-2 (2016 г.) ЕИС Минобрнауки РФ.. При этом практика показывает, что почти всегда вопросы имущественного комплекса университета находятся в ведении его учредителя. Как правило, вузы не могут начать строительство, например, нового учебного корпуса, за счет средств, полученных от приносящей доход деятельности, из-за высокой стоимости таких проектов.

В табл. 2 представлены дескриптивные статистики контекстных переменных, которые используются для объяснения вариации оценок эффективности университетов. В качестве типичного представителя выборки был выбран средний по всем характеристикам университет. Таким образом, типичным представителем выборки является вуз, не находящийся в статусе автономного учреждения (frequency (Автономный статус = 0) = 90,13%) со средней площадью зданий в 113787,4 м2 (Площадь помещений = 113787,4 ± Std.dev = = 124817,5) и не относящийся к категории «ведущих вузов» (frequency (Группа «ведущих вузов» = 0) = 90,55%). Вместе с тем типичный представитель выборки является подведомственным учреждением Министерства науки и высшего образования РФ (frequency (Подведомственность Минобрнауки = 1) = 51,47%). Более подробная информация о типичном представителе выборки приведена в табл. 2.

Таблица 2.

Дескриптивные статистики контекстных переменных

Переменная Площадь помещений (м2) имеет среднее значение - 113787,4; стандартное отклонение - 124817,5; минимум - 3937; максимум - 1353499.

Источник: расчеты авторов по данным Мониторинга эффективности деятельности образовательных организаций высшего образования.

Эмпирические оценки эффективности и влияния ее детерминант

Начнем с анализа эффективности университетов. В табл. 3 показаны дескриптивные статистики оценок эффективности, рассчитанные с помощью метода Two-Stage Semiparametric DEA. Статистики для оценок эффективности приведены до и после применения процедуры бутстрэпа Поскольку процедура бутстрэпа является случайной, мы повторяем ее алгоритм 100 раз (см. шаг 3 из Two-Stage Semi-parametric DEA в Приложении). Согласно [Simar, Wilson, 2007], этого количества репликаций достаточно, чтобы усредненный показатель бутстрапированных оценок эффективности стабилизировался.. Оценки, представленные после применения процедуры бутстрэпа, помимо корректировки на смещение учитывают влияние контекстных перемен- ных(!) государственного регулирования. Как видно из таблицы, оценки эффективности до применения бутстрэпа в среднем ниже на 6%. Это значит, что общий эффект влияния выбранных контекстных переменных на уровень эффективности университетов отрицательный. Эта закономерность характерна и для Модели 1, и для Модели 2. Причем в спецификации 1, предназначенной для анализа образовательного потенциала университе- тов, отрицательное влияние выбранных контекстных переменных в среднем ниже на 20%. В табл. 3 минимальные значения оценок эффективности соответствуют университетам, которые являются «эффективными» и образуют границу производственных возможностей. Согласно базовой модели DEA (1)-(1-2), университет является «эффективным», если его оценка эффективности равна единице. Однако это условие сохраняется только для случая базовой модели DEA, которая не учитывает влияние контекстных переменных. После реализации бутстрэп-процедуры оценки «эффективных» университетов смещаются вправо. Это происходит потому, что в предположении о связи контекстных переменных с показателями эффективности в рамках Модели (2) на каждом шаге процедуры бутстрэпа при генерации псевдовыборок на основании исходной выборки каждый университет, лежащий на производственной границе, имеет ненулевую вероятность оказаться вне ее. Подробное объяснение данного результата см. в разделе 2. В целом результаты показывают, что в среднем разница между «эффективными» университетами и «неэффективными» составляет 0,57 единиц. Другими словами, средняя оценка эффективности на уровне 1,57 означает то, что университеты, достигнув уровня «лучших практик», могли бы улучшить свои результаты на 57%, используя фактический набор ресурсов В рамках модели DEA, ориентированной на выпуск, «неэффективный» университет мог бы увеличить свой выпуск в ( -1)100% раз для того, чтобы достичь границы производственных возможностей и стать «эффективным». При этом набор используемых ресурсов остался бы неизменным..

Согласно оценкам эффективности из Моделей 1 и 2 (до применения бутстрэпа), среди первых 10 «эффективных» университетов не оказалось ни одного вуза, представленного в мировых рейтингах университетов. Результаты из спецификации 1 показывают, что среди 100 самых «эффективных» университетов оказались 31% вузов, вошедших в 2016 г. в рейтинг QS, 44% - в рейтинг THE, 60% - в рейтинг ARWU и 38% - в U.S.News. В случае оценок эффективности после применения бутстрэпа распределение университетов по уровню их эффективности почти не поменялось. В Модели 1 дополнительно 3% университетов из рейтинга QS и 8% из рейтинга THE улучшили свои результаты и вошли в наш список первых 100 «эффективных» университетов. Показатели по остальным рейтингам не изменились. Согласно оценкам из Модели 2 (до применения бутстрэпа), среди первых 100 «эффективных» университетов 45% вошли в рейтинг QS, 68% - в рейтинг THE, 40% - в рейтинг ARWU и 50% - в U.S.News. Оценки эффективности после применения бутстрэпа из Модели 2 показывают, что в категорию 100 самых «эффективных» университетов дополнительно вошли 2% вузов из рейтинга QS, 4% - из рейтинга THE и 13% - из U.S.News. В то время как вузы из рейтинга ARWU понизили свои позиции и выбыли из нашего списка 100 самых «эффективных» университетов.

На рис. 1 показаны графики кернел-функции плотности распределения оценок эффективности. Графики демонстрируют, что основные различия между распределениями оценок до и после применения процедуры бутстрэпа сосредоточены на правом конце распределений, т.е. среди «неэффективных» университетов. У оценок эффективности после применения бутстрэпа правый хвост распределения гораздо длиннее, чем у оценок до процедуры бутстрэпа. Это означает, что после реализации бутстрэпа появляется больше «неэффективных» вузов. Таким образом, риски попасть под влияние контекстных переменных у «неэффективных» университетов значительно выше, чем у «эффективных».

Данный результат также подтверждается с помощью значений 10-го и 90-го децилей распределения из табл. 3. Левые хвосты распределений достаточно близки, т.е. распределения «эффективных» университетов представлены достаточно пропорционально.

Таблица 3.

Дескриптивные статистики оценок эффективности