数字经济与教育发展研究｜马中东 刘永庆：数字经济提升高等教育资源配置效率研究——基于超效率SBM模型和ML指数

引用格式

马中东 刘永庆.数字经济提升高等教育资源配置效率研究——基于超效率𝐒𝐁𝐌模型和𝐌𝐋指数[J].中国教育信息化,2023,29(7):010-021.DOI: 10.3969/j.issn.1673-8454.2023.07.002

数字经济与教育发展研究

数字经济提升高等教育资源配置效率研究——基于超效率SBM模型和ML指数

马中东 刘永庆

摘　要： 高等教育资源配置不充分、空间分布不均衡是影响我国教育高质量发展的重点问题，数字经济时代的到来为高等教育资源合理配置和转型升级提供了思路。基于我国30个省（自治区、直辖市）的面板数据，采用超效率𝐒𝐁𝐌模型测算𝐌𝐋指数衡量我国高等教育资源配置效率，进而实证检验了数字经济对高等教育资源配置效率的影响机制。实证结果表明，数字经济对高等教育资源配置效率的提升具有显著的促进作用，该结论在一系列稳健性检验后仍然成立，异质性检验表明数字经济对缩小我国教育事业发展的区位差异具有正向效应。基于研究结论，为我国教育资源合理配置和教育事业均衡发展提出如下建议：重视数字基础设施建设，加强关键核心技术攻关，打造数字经济人才高地；发挥数字产业化的关键作用，缩小教育资源配置的区位差异，推进国家教育事业均衡发展；促进数字经济与教育事业的深度融合，大力发展智慧教育；加快新型数字技术的融合创新与应用，促进高等教育高质量发展。

关键词： 数字经济；高等教育资源配置；教育均衡发展；𝐒𝐁𝐌模型；𝐌𝐋指数中图分类号： G434文献标志码： A文章编号： 1673-8454（2023）07-0010-12

作者简介： 马中东，聊城大学教务处处长、教授、硕士生导师，青岛大学博士生导师，博士（山东聊城 252000）；刘永庆，通讯作者，聊城大学商学院硕士研究生（山东聊城 252000）

一、引言

　　　　　　　　当今世界，新一轮信息技术革命和产业变革席卷全球，数据价值化加速推进，数字经济与实体经济深度融合。互联网、大数据、云计算、人工智能、区块链等技术加速创新日益融入高等教育领域，教育数字化应用释放潜能，数字经济以其发展速度之快、辐射范围之广、影响程度之深的特点成为重组高等教育资源，重塑教育新模式、新业态的关键力量。新冠疫情的暴发、国际竞争态势的加剧一定程度上加速了高等教育拥抱数字经济的步伐，各国竞相出台教育数字化转型战略计划^[1]。　　高等教育发展水平是国家发展能力和发展潜力的象征，优化高等教育资源配置不仅可以提高我国高等教育办学水平，为教育部门提供决策依据，还可进一步促进高等教育均衡发展、促进教育强国建设^[2]。党的十八大以来，我国教育事业发展迅速，教育体系不断完善。党的二十大报告从“实施科教兴国战略，强化现代化建设人才支撑”的高度，对“办好人民满意的教育”作出专门部署，凸显了教育的基础性、先导性、全局性地位，为我们在新时代新征程中推动教育改革发展，办好人民满意的教育，建设教育强国，指明了方向、提供了根本遵循。但是，我国高等教育存在资源分布不均、教育公平落实受阻等问题，教育事业急需信息化、数字化转型^[3]。自2017年《国家教育事业发展“十三五”规划》印发以来，《教育信息化2.0行动计划》《中国教育现代化2035》《国家智慧教育公共服务平台接入管理规范(试行)》等文件都强调了教育数字化转型的重要性，智慧教育应运而生。党的二十大报告指出，坚持教育优先发展，优化区域教育资源配置，统筹职业教育、高等教育、继续教育协同创新，推进教育数字化，加快建设教育强国。在此基础上，以数据驱动教育资源配置为导向，明晰数字经济在高等教育资源配置过程中的重要作用，有助于完善现代教育体系、加快教育现代化建设步伐，也可以为我国教育事业的下一步发展提供借鉴。　　高等教育资源配置效率主要通过研究教育资源的投入与产出问题，构建评价指标体系。国内外关于高等教育资源配置效率的研究主要包括两个方面：一是效率评价，现有文献多采用数据包络模型(𝐃𝐄𝐀)定量分析教育资源配置效率，如有研究采用𝐃𝐄𝐀测算澳大利亚高校教学系统的运行效率^[4]；有研究基于𝐃𝐄𝐀和𝐒𝐅𝐀方法评估波兰高等职业院校教育活动的效率^[5]；有研究采用𝐖𝐢𝐧𝐝𝐨𝐰-𝐌𝐚𝐥𝐦𝐪𝐮𝐢𝐬𝐭指数法、𝐁𝐂𝐂模型和超效率模型、三阶段𝐃𝐄𝐀与超效率𝐃𝐄𝐀模型分析我国31个省(自治区、直辖市)的高等教育投入产出效率^[6-8]；有研究基于𝐁𝐂𝐂和𝐌𝐚𝐥𝐦𝐪𝐮𝐢𝐬𝐭指数模型分析京津冀和长三角地区的高等教育资源配置效率^[9]。二是影响因素研究，高等教育资源配置效率的主要影响因素有国家公共教育支出^[10][11]、经济发展水平^[3]和城镇化水平^[2]等。然而，数字经济视角下高等教育相关研究还处于起步阶段，多数学者集中在理论层面的研究^[12]，较少涉猎实证研究^[13]，如齐红倩、夏当英等论述了数字技术的发展对高等教育转型升级的促进作用^[14][15]；韦庄禹等采用𝐆𝐌𝐌方法研究数字经济对教育公平的影响机制^[16]。

　　综上所述，𝐃𝐄𝐀在高等教育资源配置方向的研究已趋于成熟，但存在高等教育投入产出指标体系考虑不全面、𝐃𝐄𝐀评价方法无法实现全局比较等问题，有待进一步完善和拓展；同时，在数字化的时代，鲜有关于数字经济对高等教育资源配置效率影响的研究。鉴于此，本文基于我国2011—2020年30个省(自治区、直辖市)的面板数据，构建包括非期望产出的高等教育资源配置效率评价体系，采用超效率𝐒𝐁𝐌-𝐌𝐋方法测算效率，并应用固定效应模型和工具变量法进行实证分析。本文可能的边际贡献为：①高等教育资源配置效率评价指标体系从人才培养、科技创新和社会服务三个角度衡量期望产出，并选择超效率𝐒𝐁𝐌模型测算的𝐌𝐚𝐥𝐦𝐪𝐮𝐢𝐬𝐭-𝐋𝐮𝐞𝐧𝐛𝐞𝐫𝐠𝐞𝐫指数衡量高等教育资源配置效率。②从数字化转型视角出发，探究数字经济发展水平对高等教育资源配置效率提升的影响机制并进行回归估计，在一系列稳健性检验之后，从区位差异角度进行异质性检验，以期达到教育事业充分均衡发展，助力“教育强国”建设。

二、理论分析

　　　　　　我国教育事业在地区和城乡之间一直存在着发展不均衡趋势，较发达地区和区域经济发展重心坐拥一流的高等教育资源，且传统的教育资源配置模式引发高等教育资源空间分布不均衡^[17]。以新一代信息技术为主的数字经济为我国高等教育资源配置提供了契机，其理论机制如图1所示。图1 理论机制　　首先，数字技术的嵌入是数字化转型促进高等教育资源配置效率提升的出发点。数字技术的高效应用促进了教育数字化、信息化转型，打破了传统教育资源空间上的封闭性，智慧教育、远程教育逐渐走入人们视野，数据成为提升高等教育资源开发利用、配置效率的重要渠道，也成为优化高等教育系统开放性、公平性、效益性的重要手段^[16]。数字技术的发展助力数据流带动要素流、资金流、人才流的加速流动，促进高等教育资源实现内部关联与合理配置，进而优化高等教育产出效果，减少非期望产出的负面影响，推进教育数字化、智慧化转型升级。　　其次，数字经济带动组织变革与范式转变，为优化高等教育资源配置提供可行进路，有利于推动高等教育质量、效率双提升。高等教育正步入高质量发展阶段，其管理方式、发展模式、技术范式和组织形式面临着根本性变革，资源配置由原来的供给驱动转变为需求导向，“数字+教育”范式应运而生。数字经济的发展实现了高等教育的全方位感知，大到资源配置、师资引进、社会服务，小到人才培养、科技创新等，无一不体现数字经济在高等教育资源优化配置中的重要作用。另外，依托数字基础设施，高质量的教育资源向农村和欠发达地区扩散，有效解决了教育发展不平衡、不充分的问题，使得教育机会更加均等化，有效控制教育事业的非期望产出^[18]。　　最后，数字生态赋能高等教育高质量发展，促使高等教育走向人机协同、创新开放的新业态。数字经济借助其高协同性、高创新性、高渗透性的特点，完善高等教育资源的优化、交易、管理和保护机制，在质量和数量上优化其投入和期望产出^[13]。同时，数字生态在教育资源要素的组合移动、人力资本的积累共享、“社会—学校—家庭”的协同治理、“政府—行业—企业”的监督评价等方面塑造了高等教育新模式、新业态，使得教育价值链同资金链、产业链、创新链深度融合，进而实现规模报酬递增。

三、模型构建与数据来源

　　　　　　　　　(一)模型构建　　基于以上理论分析，构建如式(1)所示计量模型，探究数字经济对高等教育资源配置效率的影响机制。(1)　　进一步，将𝑮𝑻𝑭𝑷的分解项纳入回归方程，构建式(2)、(3)计量模型进行影响机制的深入探究。(2)(3)　　其中，𝑮𝑻𝑭𝑷_𝑖𝑡表示 𝑖 省份在第 𝑡 年的高等教育资源配置效率；𝑴𝑳𝑬𝑪_𝑖𝑡表示 𝑖 省份在第 𝑡 年高等教育资源配置的技术效率变动；𝑴𝑳𝑩𝑷𝑪_𝑖𝑡表示 𝑖 省份在第 𝑡 年高等教育资源配置的技术差距变动；𝑫𝑬𝑳_𝑖𝑡 表示 𝑖 省份在第 𝑡 年的数字经济发展水平；𝑫𝑬𝑳_𝑖𝑡 /𝑫𝑰𝑳_𝑖𝑡/𝑰𝑫𝑳_𝑖𝑡分别表示 𝑖 省份在第 𝑡 年的数字经济基础设施、数字产业化、产业数字化水平；𝑪𝒐𝒏𝒕𝒓𝒐𝒍𝒔_𝑖𝑡表示一系列控制变量；𝛆_𝑖𝑡表示随机误差项； 𝑖 表示省份； 𝑡 表示年份，取2011—2020年。　　(二)变量确定　　1.被解释变量　　被解释变量为高等教育资源配置效率(𝐆𝐓𝐅𝐏)。本研究引入非径向、非角度的𝐃𝐄𝐀模型^[19]，即𝐒𝐁𝐌(𝐒𝐥𝐚𝐜𝐤𝐬-𝐁𝐚𝐬𝐞𝐝 𝐌𝐞𝐚𝐬𝐮𝐫𝐞)模型，以解决投入或产出非同比例变动、基于投入或者基于产出模型选择等问题^[20]，进而引入超效率𝐒𝐁𝐌模型^[21]，保证计算的效率值有效。同时，考虑到高等教育资源配置效率提升受非期望产出效果的负面影响，在已有模型的基础上，参考成刚^[22]的研究，使用带有非期望产出的超效率𝐒𝐁𝐌模型进行评估。　　假设有𝐧个决策单元，包含要素：𝑿=(𝒙_𝑖𝑗)∈𝑹 ^𝑚𝗑𝑛  ，𝒀=(𝒚_𝑘𝑗)∈𝑹^S1𝗑n，𝒁=(Z_𝑖𝑗)∈𝑹 ^S2𝗑n，(𝑿, 𝒀, 𝒁）。其中，三个向量分别表示投入、期望产出和非期望产出，故使用带有非期望产出的超效率𝐒𝐁𝐌 模型评估𝐃𝐌𝐔(𝑥_𝘰，𝑦_𝘰，𝘻_𝘰)，如式(4)所示。(4)　　其中，𝒔^𝑥∈𝑹^𝑚、𝒔^𝑧∈𝑹^𝑺2分别表示投入和非期望产出的过剩量，𝒔^𝑦∈𝑹^𝑺1表示期望产出的短缺量；ρ表示决策单元的效率值；𝒎、𝑺₁、𝑺₂表示投入、期望产出和非期望产出的变量个数；公式(4)满足规模报酬不变(𝐂𝐑𝐒)。　　进一步，本研究借鉴前人的方法，采用使用带有非期望产出的超效率𝐒𝐁𝐌模型计算𝐌𝐚𝐥𝐦𝐪𝐮𝐢𝐬𝐭-𝐋𝐮𝐞𝐧𝐛𝐞𝐫𝐠𝐞𝐫指数(𝐌𝐋指数)，进而反映高等教育资源配置效率。计算方式如式(5)所示。(5)①①ML上标G表示使用全局𝐃𝐄𝐀进行测算，以保证面板数据的纵向可比性;下标𝐂表示规模报酬不变　　参考相关研究^[23]，对测算的𝐆𝐌𝐋指数进行分解，计算公式如式(6)、(7)所示。(6)(7)　　其中，𝑴𝑳𝑬𝑪表示技术效率变动，𝑴𝑳𝑩𝑷𝑪表示技术差距变动，𝑴𝑳=𝑴𝑳𝑬𝑪 *𝑴𝑳𝑩𝑷𝑪。　　关于投入、期望产出和非期望产出变量的选择，参考相关研究^[2][6][9]，构建高等教育资源配置效率评价指标体系，如表1所示，并应用𝐌𝐚𝐭𝐥𝐚𝐛 𝐑2022𝐛测算𝑮𝑻𝑭𝑷及其分解项𝑴𝑳𝑬𝑪和𝑴𝑳𝑩𝑷𝑪。

表1 高等教育资源配置效率评价指标体系

　　2.核心解释变量

　　核心解释变量为数字经济发展水平。本研究借鉴相关研究^[16][24]，构建数字经济评价指标体系，如表2所示，并应用全局熵值法测算数字经济发展水平(𝐃𝐄𝐋)，以及数字经济基础设施水平(𝐃𝐄𝐋)、数字产业化水平(𝐃𝐈𝐋)、产业数字化水平(𝐈𝐃𝐋)。

表2 数字经济发展水平评价指标体系

　　3.控制变量　　参考相关研究^[18][25]，本研究纳入以下控制变量：一是城镇化水平(𝐔𝐋)，采用各省(自治区)的城镇化率来衡量^[26]，即城镇化率=城市人口/年末总人口；二是市场化水平(𝐌𝐋)，使用樊纲、王小鲁编写的中国分省份市场化指数来衡量；三是经济发展水平(𝐋𝐄𝐃)，采用各省人均𝐆𝐃𝐏来衡量；四是地区人口规模(𝐑𝐏𝐒)，采用各省年末总人口的对数值来衡量；五是工业化水平(𝐋𝐎𝐈)，采用第二产业与地区生产总值的比值来衡量；六是交通基础设施(𝐓𝐈），采用公路里程与区域面积的比值来衡量；七是地方教育水平(𝐋𝐋𝐄)，采用各省份的平均受教育年限来衡量。　　(三)数据来源　　本研究采用2011—2020年我国30个省(自治区、直辖市)为研究样本。市场化指数来自“中国市场化指数数据库(𝐡𝐭𝐭𝐩𝐬://𝐜𝐦𝐢.𝐬𝐬𝐚𝐩.𝐜𝐨𝐦.𝐜𝐧/)”；数字普惠金融来自北京大学数字金融研究中心编制的数字普惠金融指数^[27]；其余数据主要来源于《中国统计年鉴》《中国教育统计年鉴》《中国科技统计年鉴》。　　(四)描述性统计与相关性检验　　使用𝐒𝐭𝐚𝐭𝐚15.0对以上变量进行描述性统计，结果如表3所示。数据分布趋势较为平稳，可进行后续分析。　　进一步，对主要变量进行𝐏𝐞𝐚𝐫𝐬𝐨𝐧相关性检验。结果显示，数字经济与高等教育资源配置效率之间的相关性系数为0.293，且在1%的水平下显著，说明数字经济可以提高高等教育资源配置效率。另外，变量的𝐕𝐈𝐅值均小于10，变量之间不存在多重共线性。

表3 描述性统计结果

四、实证分析结果

　　　　　

　　(一)基准回归

　　在对面板数据进行基准回归之前，需通过𝐅检验与𝐇𝐚𝐮𝐬𝐦𝐚𝐧检验确定模型类型。𝐅检验值为8.94，𝐏值小于0.01；𝐇𝐚𝐮𝐬𝐦𝐚𝐧检验值为20.08，𝐏值小于0.05。故选用固定效应模型进行基准回归。表4为基准回归结果。

表4 基准回归

注：***、**、*分别表示𝐩<0.01、𝐩<0.05、𝐩<0.1;( )内为𝐭值(下同)

　　表4列(1)回归结果显示，数字经济发展水平的确可以促进高等教育资源配置效率的提升，且通过1%的显著性检验，这与韦庄禹等^[16]的研究结果一致。在此基础上，加入控制变量，回归结果如表4列(2)所示，影响机制未发生改变，且回归系数有所提高，足以说明数字经济的迅速发展，对高等教育资源配置效率具有显著的促进作用，并且可以有效控制高等教育的非期望产出。进一步，测算数字经济发展水平的细分维度对高等教育资源配置效率的影响，回归结果如表4列(3)至(5)所示，由此可知，数字经济基础设施与数字产业化对高等教育资源配置效率起到了正向促进作用，且均通过1%的显著性检验，而产业数字化未对高等教育资源配置效率产生显著的影响。可见，数字经济对高等教育资源配置效率的作用机制中，数字产业化占据主导效应，其次为数字经济基础设施，产业数字化未产生直接效应。数字经济基础设施的建设与发展是教育信息化转型的基础要素，而数字产业化可使教育信息化转型变得更加顺畅、便利，进而提升数字教育资源建设与应用水平，达到较高水平的教育资源配置效率；产业数字化之所以未能通过检验，原因可能为教育数字化转型浪潮刚刚兴起，新型教育产业发展模式尚处在起步阶段，另外，该维度所选指标与教育产业联系较为稀疏，使得二者之间的影响较难直接显现出来，存在较长时间的滞后效应。

　　表4列(6)及(10)展示数字经济发展水平对高等教育资源配置效率分解项的影响。具体来看，数字经济发展水平对高等教育资源配置效率的技术效率变动分解项未产生显著影响；对技术差距变动分解项具有显著的正向作用，且通过1%的显著性检验。可见，数字经济对高等教育资源配置效率的影响主要作用于技术差距变动，未在技术效率变动中得以体现，这与国家坚持区域协调发展战略息息相关。为此，进一步检验数字经济细分维度对高等教育资源配置效率的技术效率变动分解项影响，回归结果如表4列(7)至(9)所示。可以发现，数字经济基础设施发展水平对技术效率变动具有显著的正向促进作用，且通过10%的显著性检验；数字产业化与产业数字化均未对技术效率变动产生显著影响。虽然数字经济基础设施对技术效率变动的作用较小，但是数字经济基础设施在数字经济发展水平中的作用不可小觑。数字经济基础设施与数字产业化及产业数字化相比，可更好地促进教育产业结构优化升级，形成技术效率与技术差距“双重驱动”的高等教育资源配置效率增长模式。尽管如此，数字产业化与产业数字化仍是数字产业乃至教育产业未来发展的必然趋势，把握好数字经济发展机遇，进而提高我国教育行业数字经济治理体系和治理能力的现代化水平，实为教育信息化、数字化、平台化转型的有效路径。

　　(二)稳健性分析

　　1.更换变量

　　采用更换变量的方式进行稳健性检验：一是更换被解释变量，在不考虑非期望产出的前提下，测算高等教育资源配置效率用作稳健性检验，如表5列(1)所示；二是更换核心解释变量，参考相关研究^[28][29]，从数字经济基础设施(𝐃𝐞𝐢_1)、应用程度(𝐃𝐞𝐚_1)和发展规模(𝐃𝐞𝐬_1)三个维度构建评价指标体系，由全局熵值法计算数字经济发展水平(𝐃𝐄𝐋_1)用作稳健性检验，如表5列(2)至(5)所示。

表5 稳健性检验

　　由表5可知，替换被解释变量之后，数字经济对高等教育资源配置效率的正向影响依然存在，并且通过1%的显著性检验；更换核心解释变量之后，更换后的数字经济发展水平对高等教育资源配置效率具有正向的促进作用，其细分项中，除数字经济基础设施外，数字经济应用程度和发展规模对高等教育资源配置效率的影响显著。总之，回归结果显示，不管是更换解释变量还是被解释变量，数字经济对高等教育资源配置效率的影响系数为正，且通过显著性检验，与前文结果一致，表明上述回归结果稳健。

　　2.内生性检验

　　为避免基准回归存在双向因果关系和遗漏变量等问题，造成内生性估计偏误，本研究采用以下方法进行内生性检验：一是考虑数字经济对高等教育资源配置效率的影响在时间上存在滞后性，对解释变量进行滞后一期和滞后二期处理，重新回归，如表6列(1)至(6)所示；二是采用工具变量法检验内生性引起的估计偏误，借鉴已有研究思路，使用滞后一期的核心解释变量作为工具变量(𝐈𝐕)，使用两阶段最小二乘法(2𝐒𝐋𝐒)进行估计，如表6列(7)所示；三是将基准回归模型扩展为动态面板模型，选用系统𝐆𝐌𝐌方法进行稳健性估计，如表6列(8)所示。

表6 内生性检验

注：𝐀𝐑(2)和𝐇𝐚𝐧𝐬𝐞𝐧检验中，[ ]内为𝐩值

　　表6列(1)至(3)展示核心解释变量滞后一期的回归结果，数字经济对高等教育资源配置效率具有显著的正向影响，且主要作用于技术差距变动，较少作用于技术效率变动。表6列(4)至(6)展示核心解释变量滞后两期的回归结果，数字经济对高等教育资源配置效率同样具有显著的正向影响，且作用对象与滞后一期以及基准回归结果基本一致。表6列(7)展示两阶段最小二乘法估计结果，在工具变量通过识别不足和弱工具变量的检验之后，数字经济对高等教育资源配置效率的回归系数显著为正。表6列(8)展示系统𝐆𝐌𝐌的回归结果，由𝐀𝐑(2)检验和𝐇𝐚𝐧𝐬𝐞𝐧检验结果可知，模型通过了过度识别检验与自相关检验，方程不存在序列相关，且工具变量的设定是合理的，即系统𝐆𝐌𝐌估计结果进一步验证了模型的稳健性。另外，从回归结果来看，高等教育资源配置效率的一阶滞后项在5%的水平下显著，高等教育资源配置效率的提升是一个动态积累的过程。综上所述，数字经济对高等教育资源配置效率的提升具有显著的促进作用，在克服内生性问题后，本文的结果依然保持稳健。

　　(三)异质性分析

　　中国经济已由高速增长转变为高质量发展，但区域经济发展水平仍存在非均衡特征，进而导致高等教育资源配置不均^[16]，为捕捉数字经济对高等教育资源配置效率的影响是否存在区域环境的外部差异，本研究从区位因素的角度出发，进行异质性分析。

　　表7列(1)(5)(6)显示，区位差异显著影响数字经济对高等教育资源配置效率的促进作用，且影响效果与相关研究^[16][18]基本一致。结果显示，东部地区数字经济发展水平对高等教育资源配置效率的影响未通过显著性检验，中部、西部地区数字经济发展水平对高等教育资源配置效率具有正向促进作用，且通过了1%的显著性检验。这说明数字经济对我国东部发达地区的高等教育资源配置效率影响有限，但其借助新一代信息技术以及数字技术的高渗透性、高协同性和高创新性，为我国中西部欠发达地区的高等教育资源配置提供发展契机与有效路径，且对西部地区的影响效果大于中部地区。可见，数字经济的发展有利于缩小我国区域教育事业的发展差距，同时，有利于促进区域协调发展战略的贯彻落实，加快教育强国的建设进程。

表7 异质性检验

　　具体来看，东部地区经济发展迅速，数字产业基础雄厚。从2022年11月教育部研究制定并发布的智慧教育平台系列两项教育行业标准的起草单位中可以看出，东部地区已夺得教育信息化转型的先机，而此时数字经济的迅速发展，对坐拥大量一线教育资源的东部地区而言，无疑是“锦上添花”。在此基础上，探究数字经济细分维度对东部地区高等教育资源配置效率的影响。回归结果显示，数字产业化对高等教育资源配置效率的影响显著为正，且通过了1%的显著性检验，数字经济基础设施与产业数字化的影响不显著。由此可知，虽东部地区教育资源配置效率较优，但处在数字经济发展的风口期，与数字经济基础设施和产业数字化相比，数字产业化的发展将有助于区域合理配置教育资源，促进教育公平，为区域教育信息化转型提供借鉴。另外，数字产业化不仅在数字经济促进高等教育资源配置效率的作用路径中占据主导地位，而且是平衡东、中、西部教育资源配置差距的关键因素。中、西部地区经济发展较为落后，教育数字化转型存在瓶颈，正是这种现象使得数字经济可以在此处发挥其该有的价值。数字要素的普及以及数字技术的应用，为处于不利状态下的区域群体提供积极影响，对教育资源的合理配置、教育条件的有效改善、教学水平的显著提高无疑是“雪中送炭”。数字经济将与西部大开发战略、教育部等部门印发的《中西部高等教育振兴计划(2012—2020年)》、国务院办公厅印发的《关于加快中西部教育发展的指导意见》共同激发中西部高等教育内生动力和发展活力，推动形成同中西部开发开放格局相匹配的高等教育体系^[30]，提高高校教育数字化应用水平，促进中、西部乃至全国高等教育高质量发展。

五、结论与启示

　　本研究从数字经济视角出发，探究数字经济对高等教育资源配置效率的影响，得出以下研究结论：一是数字经济对高等教育资源配置效率具有显著的促进作用，可以有效控制教育事业的非期望产出，并且影响效果主要来源于数字产业化和数字经济基础设施；二是数字经济对高等教育资源配置效率的影响主要作用于技术差距变动分解项，仅数字经济基础设施作用于技术效率变动分解项，故数字经济基础设施对高等教育事业的发展具有技术效率与技术差距“双重驱动”；三是由异质性分析可知，数字经济在东部地区对高等教育资源配置效率的影响不显著，但为中西部地区高等教育事业的发展提供了契机，故数字经济有利于缩小我国东、中、西部地区教育事业的发展差距，其中，数字产业化是平衡教育资源区域差异的关键要素。

　　基于以上研究结论，本研究得出如下启示：一是重视数字基础设施建设，加强关键核心技术攻关，打造数字经济人才高地。要想充分发挥数字经济的“稳定器”“加速器”作用，必须加强数字化战略布局，重视包括数字信息、数字融合、数字创新在内的综合性数字基础设施建设，促进高校同数字产业的密切合作，打造产学研一体化教育教学模式；依托高校培养方案，定向引进和培养高端数字人才，助力传统企业智能化改造，辐射公共服务事业数字化转型，进而打通经济社会发展的信息“大动脉”。二是发挥数字产业化的关键作用，缩小教育资源配置的区位差异，促进国家教育事业均衡发展。当前，数字经济红利在高校之间分布不均，人才匮乏、资源短缺、经济落后等一系列问题制约我国中、西部教育事业的发展，推进区域教育水平的均衡协调有序发展需要数字经济的积极推动作用^[31]。作为数字经济的先导力量，数字产业化将发挥重要作用，利用其网络效应、规模效应助力在线教育、远程教育的实现，进而优化高等教育资源投入的合理配置，实现产出的科技社会服务效果。三是促进数字经济与教育事业的深度融合，大力发展智慧教育。受传统教育思维、教学模式的影响，数字技术与高等教育的融合发展还有很大提升空间，高校应把握数字化、网络化、智能化发展趋势，不断发挥教师团队的教学智慧，借助智能技术优化教学环境及过程，通过人机协同赋能个性化学习与评价，利用数据分析支撑教育管理与决策，从而实现教育系统的跨界融合、模式重构和全面变革。四是加快新型数字技术的融合创新与应用，促进高等教育高质量发展。继云计算、物联网、大数据之后，区块链技术被视为一项新的颠覆性技术，其去中心化、共识机制、可追溯性及高度信任的特征深受青睐[32]。高等教育的资源配置及未来发展离不开区块链技术，借助其可以加强知识产权保护，构建具有社会公信力的教育评估与教学治理体系，还可以存储学习记录，更便捷地开展校企合作、国际对接工作，优化教育业务及管理流程，实现平台共建、资源共享的教育新模式。

参考文献：

　　[1]于妍,蔺跟荣.数字技术赋能研究生教育高质量发展：何以可能与何以可为[J].中国高教研究,2022(11):53-60.

　　[2]游丽,孔庆鹏.“双一流”背景下我国高等教育资源配置效率测评及影响因素研究——基于超效率DEA-Malmquist方法和Tobit模型[J].教育与经济,2021,37(6):30-37.

　　[3]叶前林,岳中心,何育林,等.“双一流”建设下我国高等教育资源配置效率研究[J].黑龙江高教研究,2018(3):22-27.

　　[4]WORTHINGTON C, LEE L. Efficiency, technology and productivity change in Australian universities,1998-2003[J]. Economics of Education Review, 2005(3):1-13.

　　[5]RZADZINSKI L, SWOROWSKA A. Parametric and non parametric methods for efficiency assessment of state higher vocational schools in 2009-2011[J]. Entrepreneurial Business&Economics Review, 2016,4(1):95-112.

　　[6]易明,彭甲超,张尧.中国高等教育投入产出效率的综合评价——基于Window-Malmquist指数法[J].中国管理科学,2019,27(12):32-42.

　　[7]管永刚.基于超效率DEA模型的高等教育资源配置效率分析[J].黑龙江高教研究,2019,37(2):84-88.

　　[8]周小刚,林睿,陈晓,等.系统思维下中国高等教育投入产出效率评价研究——基于三阶段DEA和超效率DEA的实证[J].系统科学学报,2022,30(4):58-62.

　　[9]张强,蔡雪晨,王雪莹.京津冀和长三角地区高等教育资源配置效率的比较研究[J].黑龙江高教研究,2022,40(5):58-62.

　　[10]DUFRECHOU A. The efficiency of public education spending in Latin America: A comparison to high-income countries Original Research Article[J]. International Journal of Educational Development, 2016(7):188-203.

　　[11]傅毓维,邵争艳.影响区域高等教育资源优化配置的复合DEA分析[J].科学学与科学技术管理,2004(11):94-97.

　　[12]冯新新.我国高等教育数字治理的内在逻辑、核心要义与实施路径研究[J].黑龙江高教研究,2021,39(1):1-7.

　　[13]刘湖,于跃,蒋万胜.区块链技术、教育资源差异与经济高质量发展——基于我国高等教育资源配置状况的实证分析[J].陕西师范大学学报(哲学社会科学版),2020,49(1):145-158.

　　[14]齐红倩,张佳馨.数字技术发展与高等教育教学模式改革[J].中国高等教育,2022(18):56-58.

　　[15]夏当英.数字技术发展中高等教育的跨域连接与空间分隔[J].沈阳大学学报(社会科学版),2022,24(5):515-523.

　　[16]韦庄禹,廖月婷,陈燕勇.数字经济发展能否促进教育公平?——基于省际面板数据的实证分析[J].教育与经济,2022,38(5):58-66.

　　[17]韩世梅.我国教育信息化促进教育公平的政策演进、问题分析和发展建议[J].中国远程教育,2021(12):10-20,76.

　　[18]彭锦,李彦龙.数字普惠金融与教育机会均等化[J].统计与决策,2022,38(13):142-146.

　　[19]KAORU TONE. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2001(130):498-509.

　　[20]王兵,吴延瑞,颜鹏飞.中国区域环境效率与环境全要素生产率增长[J].经济研究,2010(5):95-109.

　　[21]KAORU TONE. A slacks-based measure of super-efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2002(143):32-41.

　　[22]成刚.数据包络分析方法与MaxDEA软件[M].北京:知识产权出版社,2014.

　　[23]PASTOR J T, LOVELL C A K. A global malmquist productivity index[J]. Economics Letters, 2005,88(2):266-271.

　　[24]刘军,杨渊鋆,张三峰.中国数字经济测度与驱动因素研究[J].上海经济研究,2020(6):81-96.

　　[25]何景师.我国高等职业教育投入产出效率及影响因素研究[J].黑龙江高教研究,2022,40(11):129-136.

　　[26]叶怡君.金融发展、城镇化与我国民办高等教育[D].郑州:河南大学,2021.

　　[27]郭峰,王靖一,王芳,等.测度中国数字普惠金融发展：指数编制与空间特征[J].经济学(季刊),2020,19(4):1401-1418.

　　[28]马中东,宁朝山.数字经济、要素配置与制造业质量升级[J].经济体制改革,2020(3):24-30.

　　[29]陈晓峰.数字经济发展对我国制造业升级的影响——基于省际面板数据的经验考察[J].南通大学学报(社会科学版),2022,38(3):128-140.

　　[30]教育部高等教育司.振兴中西部高等教育 服务中西部高质量发展[EB/OL].(2021-12-27)[2023-03-06].http://www.moe.gov.cn/fbh/live/2021/53921/sfcl/202112/t20211227_590326.html.

　　[31]俞明雅,叶波.“互联网+”能促进教育公平吗?——兼论“互联网+”教育公平的挑战与应对[J].教育科学研究,2017(4):15-18,23.

　　[32]杨现民,李新,吴焕庆,等.区块链技术在教育领域的应用模式与现实挑战[J].现代远程教育研究,2017(2):34-45.

On the Efficiency of Higher Education Resource Allocation Improved by Digital Economy:Based on Super-Efficient SBM Model Using Malmquist-Luenberger Index

Zhongdong MA^1,2, Yongqing LIU¹

（1.School of Business, Liaocheng University, Liaocheng 252000, Shandong; 

2.School of Economics, Qingdao University, Qingdao 266071, Shandong）

Abstract: The problem of higher education resource misallocation has been a key issue in the high-quality development of China’s education, and the advent of the digital economy has enlighted on the transformation and upgrading of higher education and the rational allocation of resources. Based on the panel data of 30 provinces (municipalities and autonomous regions) in China from 2011 to 2020, this study measures the efficiency of higher education resource allocation in China using the ML index measured by the super-SBM model with undesired output, and then empirically examines the influence mechanism of the digital economy on the efficiency of higher education resource allocation. The empirical results show that the digital economy has a significant contribution to the efficiency of higher education resource allocation, a finding that still holds after a series of robustness tests. The heterogeneity test indicates that the digital economy has a positive effect on narrowing regional differences in the development of China’s educational undertakings. Based on the research conclusions, the following suggestions are put forward: attach importance to the construction of digital infrastructure, strengthen key core technology research, and build a highland of digital economy talents; Give full play to the key role of digital industrialization, narrow the regional differences in the allocation of educational resources, and promote the balanced development of national education; Promote the deep integration of digital economy and education, and vigorously develop smart education; Accelerate the integration, innovation, and application of new digital technologies to promote high-quality development of higher education.

Keywords: Digital economy; Allocation of Higher education resource; Balanced development of education; Super-Efficient SBM model; Malmquist-Luenberger index

编辑：王晓明   校对：李晓萍

往期目录｜超链接版

点击此处 在线投稿

期刊简介

《中国教育信息化》创刊于1995年8月，是由中华人民共和国教育部主管，教育部教育管理信息中心主办，面向国内外公开发行的国家级学术期刊。期刊内容力求全面深入地记录我国教育信息化的建设进展、研究与应用成果和行业发展状况，开展我国教育信息化发展状况调研和教育信息化国际比较研究，服务于国家教育宏观决策；力求全面准确地把握教育信息化相关的方针政策和标准规范，及时追踪ICT前沿技术的发展趋势及其与教育的融合，深度挖掘教育信息化建设与应用的体制、机制创新，服务于我国教育信息化实践。

●RCCSE中国核心学术期刊

●中国人文社会科学（AMI）扩展期刊

●中国期刊全文数据库收录期刊

●中文科技期刊数据库收录期刊

●国家哲学社会科学学术期刊数据库收录期刊

●中国核心期刊（遴选）数据库收录期刊

●龙源期刊网收录期刊

一年12期，每月20日出版

20元 / 期，邮发代号：82-761

编辑部邮箱：[e-mail]

通讯地址：北京市西城区华远北街2号921室