Статья: Моделирование эффективности российских университетов

Примечание: спецификация Модели 1 предназначена для анализа эффективности университетов и ее детерминант с точки зрения образовательного потенциала вузов. Спецификация Модели 2 оценивает эффективность и ее детерминанты с позиции результативности научно-учебной деятельности вузов.

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

а) Модель 1 б) Модель 2

Рис. 1. Распределение оценок эффективности университетов

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

Расчет оценок эффективности университетов является вспомогательным шагом и не находится в основном фокусе настоящей работы, поэтому сконцентрируемся в большей степени на анализе детерминант эффективности. Для того чтобы объяснить вариацию оценок эффективности, необходимо реализовать второй шаг метода Two-Stage Semiparametric DEA: оценить модель усеченной регрессии (4). Результаты расчетов представлены в табл. 4. Первый столбец табл. 4 содержит оценки коэффициентов регрессоров с учетом поправки на смещение (т.е. после применения процедуры бутстрэпа Было реализовано 2000 повторений процедуры бутстрэпа. Такое количество репликаций алгоритма согласуется с рекомендациями из работы [Simar, Wilson, 2007].), остальные столбцы - доверительные интервалы, необходимые для проверки статистической значимости полученных оценок коэффициентов регрессии. В регрессии (4) в качестве зависимой переменной выступают оценки эффективности, изменяющиеся в диапазоне от единицы до бесконечности: чем дальше значение показателя эффективности от единицы, тем выше неэффективность. Другими словами, зависимая переменная в модели (4) отражает уровень неэффективности. Тогда, с учетом характера зависимой переменной, результаты табл. 4 необходимо интерпретировать следующим образом: положительный знак при оцененном коэффициенте указывает на более высокую неэффективность (более низкую эффективность), в то время как отрицательный знак - на более низкую неэффективность (более высокую эффективность).

Таблица 4.

Детерминанты эффективности университетов

Примечание: * значимость на уровне 10, 5 и 1% соответственно.

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

В табл. 4 приведены результаты регрессионного анализа для спецификаций 1 и 2. Оценки коэффициента при переменных «Подведомственность» статистически значимы и отрицательны. Это означает, что учебные заведения, подведомственные Министерству науки и высшего образования РФ и региональным органам власти, более «эффективны». Содержательная интерпретация этого результата требует большой аккуратности. С одной стороны, это может означать, что одна группа университетов действительно «лучше», чем другая. С другой, следует иметь в виду, что не-минобровские университеты (из референтной группы) имеют свою отраслевую специфику, которая не схватывается едиными для всех критериями эффективности. Например, если для одних университетов среди ключевых критериев есть число публикаций в международных базах данных, то подготовка кадров для регионального хозяйственного комплекса может требовать совершенно других оценочных критериев. Аналогичным образом с сохранением знака при оценке коэффициента подтверждается статистическая значимость общей площади зданий университета. Отрицательный знак при данной переменной показывает, что университеты с большей площадью зданий имеют более низкие оценки неэффективности и являются более «эффективными». Здесь показатель общей площади помещений университета может выступать в качестве прокси-переменной для даты основания вуза. Поэтому университеты более раннего периода основания могут быть «эффективнее», чем «молодые». Подробное объяснение знака влияния переменной «Площадь университетских зданий» приведено в разделе 3. Результаты указывают на отрицательную и статистически значимую связь между принадлежностью к группе «ведущих вузов» и уровнем эффективности. Оценки такого влияния требуют осторожной интерпретации, но, по крайней мере, можно предположить, что представители «ведущих вузов» имеют доступ к большему объему ресурсов, как финансовых, так и человеческих, но доступность большего объема ресурсов не гарантирует их более эффективное использование. Таким образом, ведущие вузы могут показывать высокую результативность (performance), но при этом обладать достаточно низким уровнем эффективности. Полученный результат может объясняться и тем, что университеты - участники программы поддержки «ведущих вузов» могут нести дополнительные издержки, напрямую не связанные с включенными в модель DEA результатами. Кроме того, такой результат может свидетельствовать о том, что большинство российских вузов функционируют в условиях существенного недофинансирования, но при относительно низком объеме ресурсов могут достигать более высокого уровня эффективности. Поэтому в рамках решения задачи DEA при построении границы производственных возможностей по всем университетам вузы, располагающие относительно большим объемом ресурсов, например, ведущие, оказываются неэффективными. Статус автономного учреждения оказался статически незначимым в случае обеих Моделей 1 и 2. Такой результат может объясняться главным образом тем, что даже после перехода в статус автономного учреждения и приобретения автономности по расходованию средств университет продолжает действовать согласно стратегии, которой придерживался в статусе бюджетного учреждения. Это связано с тем, что собственный финансовый план использования средств требует продолжительного периода разработки. Вместе с тем с малой вероятностью он будет содержать существенно противоположные стратегии расходования средств, особенно в первоначальный период смены статуса.

В табл. 4 также представлены предельные средние эффекты по объясняющим факторам. Результаты показывают, что самое сильное влияние на уровень эффективности университета оказывает его подведомственность Министерству науки и высшего образования РФ. Более слабым эффектом характеризуются такие переменные, как принадлежность к группе «ведущих вузов» и площадь помещений университета. Тем временем самый слабый эффект на уровень эффективности оказывает переменная подведомственности региональным органам власти.

Заключение

В настоящей работе на данных Мониторинга образовательных организаций высшего образования за 2017 г. изучаются детерминанты эффективности российских университетов. Мы сосредотачиваемся на факторах эффективности, соотносимых с политикой государственного регулирования в сфере высшего образования. Настоящая статья является первой среди отечественных работ, в которой приводятся количественные оценки детерминант эффективности, полученные с помощью метода двухшаговой процедуры DEA с одновременным применением бутстрэпа. В рамках этого метода с целью учесть высокую дифференцированность российских университетов мы используем две спецификации базовой модели DEA: с акцентом на образовательный потенциал вузов и на результативность их научно-учебной деятельности.

Согласно нашим оценкам, университеты, находящиеся в ведении Министерства науки и высшего образования и региональных органов власти, являются более «эффективными» по сравнению с вузами, подведомственными учреждениям федеральных органов исполнительной власти (Министерству здравоохранения, Министерству спорта, Министерству культуры и пр.). Данный результат говорит лишь о необходимости дополнительных исследований практик управления сетью подведомственных учреждений, принятых в этом ведомстве. Фактор подведомственности Минобрнауки РФ имеет самое сильное влияние (среди рассматриваемых детерминант) на уровень эффективности университетов. Наши оценки показывают положительную статистическую связи между общей площадью зданий университета и его уровнем эффективности. Это влияние можно объяснить либо с помощью экономии, обусловленной расширением сфер образовательной и исследовательской деятельностей университетов с большей площадью помещений, либо с помощью экономии на масштабе. Тем временем анализ указывает на отрицательную и статистически значимую связь между принадлежностью университетов к группе «ведущих вузов» и уровнем их эффективности. Мы связываем этот результат не только с недофинансированием системы высшего образования в России - большинство вузов достигает относительно высоких результатов, располагая низким объемом ресурсов, - но и с гетерогенностью университетов - участников группы «ведущих вузов». Проведенный анализ не выявил статистически значимого влияния автономного статуса учреждения на уровень эффективности российских университетов. С одной стороны, отсутствие влияния автономного статуса может быть связано с тем, что на практике автономный статус не дает такого количества свободы в управлении ресурсами, которое требуется для повышения уровня эффективности. С другой стороны, менеджеры автономных университетов могут не в полной мере использовать доступные им полномочия.

Необходимо признать некоторое ограничение настоящей работы, связанное со спецификацией базовой модели DEA. Такой недостаток является распространенным среди исследований, анализирующих эффективность и ее детерминанты. Выбор спецификации модели DEA всегда являлся дискуссионным, поскольку выбор ресурсов и результатов деятельности университетов связан с сильной вариабельностью оценок эффективности [Johnes, 2006], а как следствие, и детерминант эффективности. Кроме того, количественный анализ в рамках модели DEA требует введения ряда предпосылок, значительно упрощающих модель жизнедеятельности университетов. В этой связи выведение из полученных результатов рекомендаций для государственной политики требует дополнительных исследований. Кроме того, при обсуждении результатов относительно факторов эффективности является проблематичной интерпретация строгой причинно-следственной связи. В первую очередь это связано с проблемой эндогенности, которая приводит к смещенности и несостоятельности оценок коэффициентов регрессии. В рамках данной работы эндогенность может возникать по следующим причинам: пропущенные существенные переменные, которые коррелируют с используемыми регрессорами, ошибки измерения регрессоров и одновременность уравнений. Пропуск существенных переменных может возникнуть по причине влияния на эффективность ненаблюдаемых характеристик окружающей среды, в которой функционирует университет.

Несмотря на ряд методологических недостатков, которым еще не нашли решение в рамках используемого подхода, мы считаем, что концепция эффективности и базирующийся на ее основании метод двухшаговой процедуры DEA с одновременным применением бутстрэпа являются хорошим дополнительным инструментом для анализа политики в сфере высшего образования в России.

Список литературы

Абанкина И.В., Алескеров Ф.Т., Белоусова В.Ю., Гохберг Л.М., Зиньковский К.В., Кисельгоф С.Г., Швыдун С.В. Типология и анализ научно-образовательной результативности российских вузов // Форсайт. 2013. Т. 7. № 3.

Алескеров Ф.Т., Белоусова В.Ю., Петрущенко В.В. Модели оболочечного анализа данных и анализа стохастической границы в задаче оценки эффективности деятельности университетов // Проблемы управления. 2015. № 5. С. 2-19.

КузьминовЯ.И., Семенов Д.С., Фрумин И.Д. Структура вузовской сети: от советского к российскому «мастер-плану» // Вопросы образования. 2013. № 4.

Abbott M., Doucouliagos C. The Efficiency of Australian Universities: A Data Envelopment Analysis // Economics of Education Review. 2003. Vol. 22. № 1. P. 89-97.

Agasisti T. Performances and Spending Efficiency in Higher Education: A European Comparison Through Nonparametric Approaches // Education Economics. 2011. Vol. 19. № 2. P. 199-224.

Agasisti T., Dal Bianco A. Data Envelopment Analysis to the Italian University System: Theoretical Issues and Policy Implications // International Journal of Business Performance Management. 2006. Vol. 8. № 4. P. 344-367.

Agasisti T., Johnes G. Beyond Frontiers: Comparing the Efficiency of Higher Education Decisionmaking Units across More than One Country // Education Economics. 2009. Vol. 17. № 1. P. 59-79.

Agasisti T., Perez-Esparrells C. Comparing Efficiency in a Cross-country Perspective: The Case of Italian and Spanish State Universities // Higher Education. 2010. Vol. 59. № 1. P. 85-103.

Agasisti T., Pohl C. Comparing German and Italian Public Universities: Convergence or Divergence in the Higher Education Landscape? // Managerial and Decision Economics. 2012. Vol. 33. № 2. P. 71-85.

Agasisti T., Wolszczak-Derlacz J. Exploring Efficiency Differentials between Italian and Polish Universities, 2001-2011 // Science and Public Policy. 2015. Vol. 43. № 1. P. 128-142.

Athanassopoulos A.D., Shale E. Assessing the Comparative Efficiency of Higher Education Institutions in the UK by the Means of Data Envelopment Analysis // Education Economics. 1997. Vol. 5. № 2. P. 117-134.

Badunenko O., Mozharovskyi P. Nonparametric Frontier Analysis Using Stata // The Stata Journal. 2016. Vol. 16. № 3. P. 550-589.

Bolli T., Olivares M., Bonaccorsi A., Daraio C., Aracil A.G., Lepori B. The Differential Effects of Competitive Funding on the Production Frontier and the Efficiency of Universities // Economics of Education Review. 2016. Vol. 52. P. 91-104.

Bonaccorsi A., Daraio C., Lepori B., Slipersaeter S. Indicators on Individual Higher Education Institutions: Addressing Data Problems and Comparability Issues // Research Evaluation. 2007. Vol. 16. № 2. P. 66-78.

Bonaccorsi A., Colombo M.G., Guerini M., Rossi-Lamastra C. The Impact of Local and External University Knowledge on the Creation of Knowledge-intensive Firms: Evidence from the Italian Case // Small Business Economics. 2014. Vol. 43. № 2. P. 261-287.

Casu B., Molyneux P. A Comparative Study of Efficiency in European Banking // Applied Economics. 2003. Vol. 35. № 17. P. 1865-1876.

Charnes A., Cooper W.W., Rhodes E. Measuring the Efficiency of Decision Making Units // European Journal of Operational Research. 1978. Vol. 2. № 6. P. 429-444.

Coelli T.J., Rao D.S.P., O'Donnell C.J., Battese G.E. An Introduction to Efficiency and Productivity Analysis. Springer Science & Business Media, 2005.

Cooper W.W., Seiford L.M., Zhu J. Data Envelopment Analysis // Handbook on Data Envelopment Analysis. Boston, MA: Springer, 2004. P. 1-39.

De Witte K., Hudrlikova L. What about Excellence in Teaching? A Benevolent Ranking of Universities // Scientometrics. 2013. Vol. 96. № 1. P. 337-364.

Deprins D., Simar L. Estimating Technical Inefficiencies with Correction for Environmental Conditions: With an Application to Railway Companies // Annals of Public and Cooperative Economics. 1989. Vol. 60. № 1. P. 81-102.

Fare R., Grosskopf S. A Nonparametric Cost Approach to Scale Efficiency // The Scandinavian Journal of Economics. 1985. P. 594-604.

Farrell M.J. The Measurement of Productive Efficiency // Journal of the Royal Statistical Society Series a-General. 1957. Vol. 120. № 3. P. 253-290.

Ferlie E., Fitzgerald L., Pettigrew A. The New Public Management in Action. Oxford: Oxford University Press, 1996.

Flegg A.T., Allen D.O., Field K., Thurlow T.W. Measuring the Efficiency of British Universities: A Multiperiod Data Envelopment Analysis // Education Economics. 2004. Vol. 12. № 3. P. 231-249.

Fried H.O., Schmidt S.S., Yaisawarng S. Incorporating the Operating Environment into a Nonparametric Measure of Technical Efficiency // Journal of Productivity Analysis. 1999. Vol. 12. № 3. P. 249-267.

Gromov A. The Efficiency of Russian Higher Education Institutions and its Determinants. 2017.

Grosskopf S. Statistical Inference and Nonparametric Efficiency: A Selective Survey // Journal of Productivity Analysis. 1996. Vol. 7. № 2-3. P. 161-176.

Hazelkorn E. The Impact of League Tables and Ranking Systems on Higher Education Decision Making // Higher Education Management and Policy. 2007. Vol. 19. № 2. P. 1-24.