1、高等学校绩效评价报告高等教育研究中心 1简介：本报告为全国教育科学规划国家重点课题“高校绩效评价研究”（批准号：AIA090007）的研究成果。本课题由中央教育科学研究所高等教育研究中心承担，研究报告于 2009 年 12 月 9 日在中国教育报第 1 版上发表。高校评价是保证高校办学质量、提高高校办学效益的重要手段，对促进高校发展具有重要意义。目前的评价与排行大都是依据高校既有存量进行的绝对评价，此类评价在提高高等教育质量方面发挥了重要作用，但也应看到绝对评价的缺陷非常明显，它不关注高校发展的条件和发展效益。开展绩效评价是对绝对评价的有益补充。我们针对 72 所教育部直属高校进行了绩效评价尝
2、试。一、高校绩效评价可以弥补绝对评价的不足随着我国高等教育进入大众化阶段，各种民间机构组织实施的高校评价及排行日益增多。这些评价对促进高校发展发挥了积极作用，但也存在着明显的不足。一是偏向以绝对量为评价标准，二是偏向对绝对量进行累加。由于存在上述偏向，其结果很容易导致一些负面影响。第一，形成评价的“马太效应”。产出绝对量增加慢，绝对评价越低，获得资源的条件越弱；获得资源的条件越弱，产出绝对量增加越慢，绝对评价越低。这不仅不能充分体现高校办学资源的“边际效应”，而且还会损害高校的办学积极性。第二，加重资源的“自然获得”。长期以来，在我国高校财政资源配置上受建校历史、认定性重点、地区发展需要以及现
3、有发展实力等自然性因素影响很大，高校的资源获得并未进入完全竞争状态。绝对评价支持并加重了资源自然获得的惯性，绝对评价低的学校很难获得国家资源的有利配置，将陷入更为艰难的办学境地。第三，强化高校的“利益聚集”。学者维斯曾指出，在评估那些得到公共力量支持的实体时，会盘根错节地牵扯到政策的形成过程以及相关的利益群体。事实正是如此，作为高等教育的主要承担者，我国公立高校以及一些重点高校也得到了公共权力的绝对支持，并进而借助相关利益群体及其所附着的政治力量来影响决策并获得政策倾斜。绝对评价强化了高校的“利益聚集”，绝对评价高的学校更容易聚集和壮大利益群体，并借此获得更多的政策支持和社会资源。1课题主持人
4、：张男星；核心成员：卢彩晨、吕华、张小萍、孙继红、王春春。二、高校绩效评价可以满足政府和高校新需要绝对评价自身的不足使其较难满足现实中以下两个方面的新需要，但高校绩效评价则可以从中发挥优势。一是满足政府实施高校绩效拨款的需要。政府有限的但仍然在逐年增加的财政拨款究竟发挥了多大作用？如何促使国拨资源配置向发展效益好的学校倾斜？如何为政府实施绩效拨款提供依据？高校绩效评价能够为政府解决这些问题提供有益的信息和数据支撑。二是满足高校了解办学资源利用情况的需要。高校或出于缺乏对资金支出绩效的认识，或出于追求近期发展效果的目的，在办学过程存在忽视资源利用效益的现象。如有的高校资金到账以后缺乏控制，突击花
5、钱；有的改变资金使用方向，资金结构性浪费；专项拨款获得学校则凭借既定获得身份更加关注怎样“多获得”而无暇顾及资金的使用效益，等等。高校的资金使用效益状况必然波及人力、物力配置的有效程度，从而影响高校的发展。绩效评价可以反映高校的资源利用情况，为高校调整与配置办学资源提供参考。三、高校绩效评价的基本思想与思路（一）基本思想高校绩效评价是运用一定的评价方法和标准，对高校利用办学资源实现其职能的效益进行综合性评价。本研究的高校绩效评价是基于投入产出理论的绩效评价，其基本思想是将投入向量与产出向量组成二维结构，依据“产出/投入”的数学模型构建体现高校绩效的“投入产出关系值”来评价高校的绩效，即从高校资
6、源利用效益方面评价高校的绩效。（二）基本思路依据文献和专家讨论筛选出最初的投入和产出指标，通过典型相关方法、聚类分析方法再次筛选并确立指标，选取主成分分析法获得投入综合指标得分和产出综合指标得分，运用“高校绩效得分=产出综合指标得分/投入综合指标得分”（产出/投入）数学模型测算出高校的绩效值。1 评价方法的选择选择绩效评价方法有两个准则：第一，评价方法能综合体现投入与产出在数量、质量、功效、价值等方面的统一关系；第二，评价方法有助于将多产出、多投入比的问题，转化为单产出（函数）和单投入（函数）比，进而得到高校绩效值。为此，本研究选择的评价方法有典型相关方法、聚类分析方法、主成分分析法，以便于设
7、计和筛选投入、产出指标，将其降维后计算投入综合指标得分和产出综合指标得分，再运用“产出/投入”数学模型计算出高校的绩效分值。2 评价指标的确定（1）初设指标投入指标确立的依据是能重点反映高校办学在人力、物力、财力三方面的投入，产出指标的确立依据是能重点反映高校在人才培养、科学研究与社会服务三方面的职能。为此，结合相关文献研究成果，经过专家讨论设立的最初投入指标 14 项和产出指标 16 项。其中，当量在校生数=普通本、专（高职）生数+硕士生数1.5+博士生数2+留学生数3+预科生数+进修生数+成人脱产班学生数+夜大（业余）0.3+函授生0.1。当量学历在校留学生数=本、专留学生数+硕士留学生数
8、1.5+博士留学生数2。初设的投入指标（14 个） 初设的产出指标（16 个）校本部教职工总数（num） 当量在校生数（stu ） 博士学历教师占专任教师比例（doc_per） 当量学历 在校留学生数（for_stu）副高以上比例（fg_per） 百篇优秀博士学位论文数（hundreds_doc ）研究与发展全时人年数（r_d） 国内学术刊物发表论文数(homepaper)社科/科技活动人员数（s_r） 国外学术刊物发表论文数(forpaper)科研经费投入（r_input） 国际学术会议提交论文数(inter_con)教育经费投入（edu_input ） 出版专著数（book） 其他经费拨款
9、投入（other_input） 国家最高科学技术奖特等奖数（m_prize）本年完成基建投资总额（bnwctz） 国家三大科技 奖一等奖数（f_prize）固定资产总额（cap_assert） 国家三大科技奖二等奖数（s_prize）实验室（实习场所）面积（lab） 省部级科学研究与发展成果奖数(pp_prize)图书册数（lib_book） 发明专利授 权数（right）图书馆面积（lib_area） 鉴定成果数（iden_res）教室面积（cla_room） 国家级项 目验收数(country_pro)技术转让当年实际收入金额(tech_income)专利出售当年实际收入金额(right_
10、income)（2）筛选与确定指标第一轮筛选：典型相关分析典型相关是研究两组变量之间相关性的一种统计学分析方法。在统计分析中，针对单一变量间的相关关系可以计算简单相关系数，针对单一变量与一组变量之间的关系可以计算复相关系数或者回归，但是计算两组变量之间的相关系数要计算典型相关系数。典型相关方法可以将多变量与多变量的相关转变为两组典型变量间的相关，典型相关分析建立的第一对典型变量的原则，是尽量使所建立的两个典型变量之间的相关系数最大化，即在两个变量组各自的总变化中寻找它们之间最大的一部分共变关系，并用一对典型变量所描述。然后，继续在两组变量剩余的变化中寻找第二个最大的共变部分，形成第二对典型变量
11、，并解出第二维度上的典型相关。这样的过程不断继续，直至所有变化部分被提取完毕。第二轮筛选：聚类分析聚类分析是多元统计分析中的一种定量分类方法，旨在把“性质相近”或“相似”的变量（R 型聚类针对变量）聚在一起，使每一类变量之间具有较大的相似性，更具代表性和简明性，既能保留指标信息，又能避免指标信息的重复。在进入指标的聚类分析前，先将投入指标和产出指标进行标准化处理（Z 分数转换），目的是消除各指标的量纲影响，使指标之间具有可比性。聚类分析的过程：基于 R 型聚类，分别对投入指标和产出指标进行聚类；基于产出指标组和投入指标组的阕值，分别确定产出指标组以及投入指标组划分的类别，每一类通过计算相关系数
12、、变异系数等方法进行分析，确定筛掉的指标；基于筛选前指标对样本进行聚类，并基于筛选后指标对样本进行分类，比较前后分类结果，如果结果较为稳定，则说明所挑选指标在最具代表性的同时，保留了原有指标信息的最大化。四、高校绩效评价的尝试为了使高校绩效评价思想和方法不停留于描述层次，本研究对 72 所高校 20062008三年的投入与产出进行了绩效评价的初步尝试，数据来源为 2006 年、2007 年、2008 年三年的教育部直属高校基本情况统计资料汇编。（一）筛选评价指标1 第一轮基于典型相关分析的指标筛选：相关性角度在最初确定的投入指标组（14 个指标）和产出指标组（16 个指标）之间，采用 STAT
13、A统计软件的 canon 命令进行处理，得出如下结果。（1）典型相关系数及其检验表 1 典型相关系数序号 典型相关系数 PrP1 0.9719 0.0000*2 0.8980 0.0000*3 0.8416 0.0000*4 0.6142 0.0000*5 0.5322 0.0000*6 0.4181 0.0004*7 0.3728 0.0070*8 0.3515 0.0364*9 0.304 0.1474由表 1 可知，经过 2 统计量检验，以 0.05 为显著性水平，前八对典型变量间的相关系数较高，因此，我们基于前八对典型变量作进一步的投入与产出变量筛选。（2）投入与产出变量的选择分别计算
14、每一个投入变量和每一个产出变量与前八组典型变量之间的典型负荷，在P0.05 的显著性水平，除鉴定成果（iden_res）这项指标外，其余的投入（产出）指标间都与某项典型投入（产出）变量之间存在显著的相关关系，这说明所选择的产出指标组和投入指标组之间存在不同程度的相关关系。因此，经过投入产出指标组相关性的筛选后，有 15 项产出指标和 14 项投入指标进入下一轮的筛选。2 第二轮基于聚类分析的指标筛选：代表性的角度在进入指标的聚类分析前，先将投入指标和产出指标进行标准化处理（计算 Z 分数），目的是消除各个指标的量纲影响，从而使得指标之间具有可比性。在图 1 和图 2 中，我们呈现了基于平均距离
15、的聚类方法的分类结果，直观地看，在 2.5 的闋值下，投入指标分为11 类，其中校本部教职工总数、研究与发展全时人员、社科/科技活动人员为一类，教育经费投入、固定资产总额为一类，其余指标各为 1 类；产出指标分为 13 类，其中当量在校生数、国内学术刊物发表论文数为一类，国外学术刊物发表论文数、发明专利授权数为一类，其余指标各为 1 类。图 1 投入指标的聚类图图 2 产出指标的聚类图基于指标聚类分析结果，需要在投入指标类校本部教职工总数、研究与发展全时人员数、社科/科技活动人员数，教育事业经费投入、固定资产总额，以及产出指标类当量在校生数、国内学术刊物发表论文数、国外学术刊物发表论文数、发明
16、专利授权数中分别挑出最具代表性的指标。经过统计分析与研究，从这三类指标组中最后挑选出的指标为：校本部教职工总数、研究与发展全时人员、当量在校生数、国外学术刊物发表论文数。其余指标落选的原因如下：“社科/科技活动人员数”指标的落选原因：一是该指标与“校本部教职工总数”的相关系数高达 0.947，与“研究与发展全时人员数”的相关系数为 0.918，“校本部教职工总数”与“研究与发展全时人员数”的相关系数为 0.832，这说明这三项指标间的信息重叠性非常大；二是该指标与“校本部教职工总数”、“研究与发展全时人员数”指标的原始数据变异系数依次为 0.564、0.630 和 0.869，从变异系数越大指
17、标区分度越高的角度来看，“社科/科技活动人员数”的代表性较低。“固定资产总额”指标落选原因：高校财力成本主要表现为教育投入、科研投入以及基建投入，固定资产来自于这三方面投入的多年累积，它与教育投入、科研投入以及基建投入的相关性都比较大，其所含信息可以由其余几项指标包含。“国内学术刊物发表论文数”指标落选原因：该指标与“当量在校生数”的相关性高达 0.91，说明这两项指标所含信息重叠较大；该指标更多体现了学校产出的规模特点，而当量学生数是衡量学校规模的传统指标。“发明专利授权数”指标落选原因：该指标与“国外学术刊物发表论文数”指标的相关系数高达 0.87，说明“发明专利授权数”与“国外学术刊物发
18、表论文数”两项指标的信息重叠量非常之大；15 所财经类院校在这项指标上全为 0，从可比性而言，该项指标并不理想；“专利出售当年实际收入”较好地体现了学校发明专利的质量状况。（二）验证与确定评价指标1 入选指标包含的信息量分析为了衡量删除指标后样本信息的流失情况，我们基于原始的 14 项投入指标、16 项产出指标，以及筛选后的 12 项投入指标、13 项产出指标，在每一年度，分别对 72 所高校进行快速聚类分析（均分为 3 类，共进行了 12 次快速聚类）。表 2 呈现了各个年度基于投入（产出）指标组进行聚类分析所得到的学校所属类别间的简单相关系数，从中可以看出，前后两次样本聚类信息的相关系数最
19、低为 0.616 5，最高达到 0.975 2，表明删除两个投入指标以及 3 个产出指标并未对样本聚类情况造成太大的影响，这说明筛选的指标代表性比较好，基本包含了分析对象具有代表性的特征信息，能够较好满足指标设计的特异性原则和代表性原则。表 2 原始指标样本聚类信息与筛选后指标样本聚类信息间的相关系数原始 14 项投入指标2006 年投入指标 2007 年投入指标 2008 年投入指标2006 年投入指标 0.8432 - -2007 年投入指标 - 0. 6165 -筛选后 12项投入指标2008 年投入指标 - - 0.9752原始 16 项产出指标2006 年产出指标 2007 年产出指
20、标 2008 年产出指标2006 年产出指标 0.8684 - -2007 年产出指标 - 0.9341 -筛选后 13项产出指标2008 年产出指标 - - 0.83332 入选指标对落选指标的替代性分析用筛选前的 14 项投入指标对样本进行主成分分析，其中前三个主成分合计包含了7877% 的信息；用筛选后 12 项投入指标进行主成分分析，包含了 9.34%的信息。将两组主成分得分进行典型相关分析，计算得到三对典型变量间的相关系数分别为 0.999 9（0.000）、0.999 4（0.000）以及 0.997 9（0.000），其中括号外的数字为对应的相关系数，括号内的数字为该相关系数对应
21、的显著性水平。接下来，用筛选前的 16 个产出指标对样本进行主成分分析，其中前四个主成分合计包含了 79.64%的信息，用筛选后的 13 个产出指标对样本进行主成分分析，其中前四个主成分合计包含了 81.61%的信息；将两组主成分得分进行典型相关分析，计算得到四对典型变量间的相关系数分别为 0.999 4（0.000）、0.995 9（0.000）、0.984 9（0.000）以及0.882 3（0.000 ），其中括号外的数字为对应的相关系数，括号内的数字为该相关系数对应的显著性水平。经过这样的筛选和验证之后，最后确立的 12 项投入指标和 13 项产出指标将放入绩效评价模型运行。（三）测算
22、产出和投入得分要计算投入指标的综合得分以及产出指标的综合得分，关键在于如何确定单个投入指标和单个产出指标的权重。权重用于衡量在综合指标中单个指标的贡献程度，研究所确定的权重合理与否，将直接影响到结论的公正性和准确性。本研究选择兼有信息量权数和系统效用权数性质的主成分分析权数。为了能尽可能保留已确立指标的信息，我们运用主成分分析法分别计算年度产出、投入指标得分。1 产出指标得分对 13 项产出指标进行主成分分析，计算得到各个主成分的特征值及其方差贡献率，如表 3。表 3 产出主成分的特征值及其方差贡献率原始特征值及方程贡献率主成分特征值 方差贡献率 累计方差贡献率1 6.08832 0.4683
23、32 0.4683322 1.80214 0.138626 0.6069593 1.5405 0.1185 0.7254594 1.1795 0.090731 0.8161895 0.534689 0.04113 0.8573196 0.452027 0.034771 0.8920917 0.357962 0.027536 0.9196268 0.274512 0.021116 0.9407439 0.257338 0.019795 0.96053810 0.219926 0.016917 0.97745511 0.129768 0.009982 0.98743712 0.100715 0.0
24、07747 0.995185主成分个数提取的一个原则是提取主成分对应的特征值大于 1 的前几个主成分。因此，只需要用四个主成分就可以替代原先 13 个指标所包含的 81.6的信息。通过因子载荷矩阵，将因子负荷除以对应特征值的平方根，就可以得到每一个主成分对应的特征向量表，进而分别得到 3 个主成分对应的函数（函数式略）。然后，将 20062008 年各学校的各项产出指标数据代入 3 个主成分函数中，即可计算出各年度各学校的 3 个主成分得分。由于方差贡献率描述了各主成分在反映各个原始指标信息量方面的能力大小，所以，将各主成分的方差贡献率作为各主成分的权重，实际上就是一种客观赋权。因此， 以各主
25、成分的方差贡献率比重为权数，对 4 个主成分进行加权平均，就可得到产出指标得分。计算公式为：Y=(0.468 3 F1+0.138 6 F2+0.118 5 F3+0.090 7 F4)0.816 2，其中，Y 表示产出指标的综合得分，F1 表示第一主成分得分（0.468 3 为第一主成分的方差贡献率），F2 表示第二主成分得分（0.138 6 为其对应的方差贡献率），F3 为第三主成分得分（0.118 5 是对应的方差贡献率），F4 为第四主成分得分（0.090 7 是对应的方差贡献率），0.816 2 是前 4 个主成分的累计贡献率。将各产出指标的值代入公式即可得到各学校各年度的产出指标综
26、合得分，基于各指标的三年算术平均值可得到三年整体产出综合得分。2 投入指标得分对 12 项投入指标进行主成分分析，计算得到各个主成分的特征值及其方差贡献率，如表 4。表 4 投入主成分的特征值及其方差贡献率原始特征值及方程贡献率主成分特征值 方差贡献率 累计方差贡献率1 6.71515 0.559596 0.5595962 1.50945 0.125788 0.6853833 1.296104 0.108009 0.7933924 0.804224 0.067019 0.8604115 0.439151 0.036596 0.8970076 0.288161 0.024013 0.921027
27、 0.26585 0.022154 0.9431748 0.22384 0.018653 0.9618289 0.193344 0.016112 0.9779410 0.14795 0.012329 0.99026911 0.070119 0.005843 0.99611212 0.046657 0.003888 1基于在产出指标中提取主成分同样的准则，我们对投入指标也取前 3 个主成分替代原先的 12 个指标，可以包含全部指标的 79.33的信息。将 20062008 年各学校的各项投入指标数据代入 3 个主成分的函数中，计算出各年度各学校的 3 个主成分得分，以各主成分的方差贡献率比重为权
28、数，对 3 个主成分进行加权平均，得到投入指标综合得分。投入指标综合得分的计算公式为：Y=(0.559 5F1+0.125 7F2+0.108 0F3)0.793 4，其中，Y 表示投入指标的综合得分，F1 表示第一主成分得分（0.559 5 为第一主成分的方差贡献率），F2 表示第二主成分得分（0.125 7 为其对应的方差贡献率），F3 为第三主成分得分（0.108 0 是对应的方差贡献率），0.793 4 是前 3 个主成分的累计贡献率。将各投入指标的值代入公式即可得到各学校各年度的投入指标综合得分，基于各指标的三年算术平均值可得到三年整体投入综合得分。（四）测算高校绩效得分在计算绩效得
29、分之前，先将前面研究中得到的投入指标综合得分和产出指标综合得分进行 T 分数的折算，使其均为正值。运用高校绩效得分 i=mean(T_Outcome)imean(T_Input)i 数学模型，测算出 72 所高校 20062008 年三年的绩效得分。72 所高校的三年整体投入综合得分、三年整体产出综合得分、三年绩效整体得分及排序如表 5 所示。表 5 72 所高校绩效评价结果与排序三年整体投入综合得分 三年整体产出综合得分 三年整体绩效得分分值 排序 分值 排序 分值 排序清华大学 1.00000 1 1.00000 1 1.00000 1北京大学 0.91510 2 0.77096 2 0.
30、84248 2东北大学 0.27192 38 0.22646 16 0.83281 3中国人民大学 0.37042 27 0.30839 9 0.83255 4电子科技大学 0.27267 37 0.21898 20 0.80307 5复旦大学 0.60960 7 0.45740 4 0.75033 6北京语言大学 0.04984 70 0.03713 62 0.74500 7中南大学 0.45858 16 0.32172 8 0.70155 8浙江大学 0.84424 3 0.58412 3 0.69189 9北京科技大学 0.31148 31 0.20114 22 0.64575 10华中
31、农业大学 0.18181 53 0.11483 38 0.63159 11山东大学 0.58040 9 0.35344 6 0.60896 12天津大学 0.39070 25 0.22688 15 0.58069 13中国矿业大学 0.32070 30 0.18584 24 0.57947 14东华大学 0.20983 49 0.11967 37 0.57033 15华东理工大学 0.30689 32 0.17437 26 0.56819 16南京农业大学 0.20361 50 0.11395 40 0.55967 17合肥工业大学 0.17391 58 0.09469 45 0.54450
32、18西安交通大学 0.42586 20 0.22208 18 0.52149 19华中科技大学 0.57567 11 0.29929 11 0.51989 20河海大学 0.18333 52 0.09501 44 0.51828 21武汉大学 0.59632 8 0.30393 10 0.50967 22中国农业大学 0.43414 19 0.21917 19 0.50483 23南京大学 0.53491 14 0.26922 13 0.50331 24重庆大学 0.36215 28 0.17723 25 0.48939 25四川大学 0.70526 5 0.34252 7 0.48567 2
33、6兰州大学 0.25121 43 0.12068 36 0.48041 27北京交通大学 0.29774 35 0.14293 34 0.48006 28西北农林科技大学 0.17500 57 0.08391 50 0.47952 29湖南大学 0.30322 33 0.14531 33 0.47921 30上海交通大学 0.75912 4 0.35957 5 0.47366 31北京邮电大学 0.21507 47 0.09982 43 0.46412 32北京师范大学 0.45392 18 0.20354 21 0.44841 33西南交通大学 0.30100 34 0.13490 35 0
34、.44817 34大连理工大学 0.38006 26 0.16626 27 0.43747 35同济大学 0.53535 13 0.23060 14 0.43074 36吉林大学 0.64944 6 0.27657 12 0.42586 37中山大学 0.54132 12 0.22380 17 0.41343 38北京化工大学 0.21860 46 0.08889 48 0.40663 39东南大学 0.41845 22 0.16330 28 0.39025 40中国地质大学 0.29372 36 0.11261 41 0.38340 41北京中医药大学 0.13794 63 0.05278
35、55 0.38259 42上海外国语大学 0.06513 68 0.02445 68 0.37533 43武汉理工大学 0.39570 24 0.14565 32 0.36808 44华南理工大学 0.42230 21 0.15444 30 0.36572 45华中师范大学 0.25238 42 0.09190 47 0.36412 46长安大学 0.22227 45 0.07733 52 0.34791 47中国海洋大学 0.27112 39 0.09432 46 0.34788 48江南大学 0.25376 41 0.08779 49 0.34597 49西南大学 0.32568 29 0
36、.10725 42 0.32932 50东北林业大学 0.15989 62 0.05202 56 0.32536 51中国石油大学 0.57784 10 0.18796 23 0.32527 52南开大学 0.45458 17 0.14665 31 0.32261 53北京外国语大学 0.08684 67 0.02777 66 0.31975 54厦门大学 0.48773 15 0.15458 29 0.31693 55西安电子科技大学 0.25978 40 0.07843 51 0.30192 56中国药科大学 0.11450 65 0.03401 63 0.29704 57东北师范大学 0
37、.23716 44 0.07037 53 0.29672 58华东师范大学 0.40254 23 0.11444 39 0.28428 59中南财经政法大学 0.16419 60 0.04368 58 0.26606 60陕西师范大学 0.21048 48 0.05533 54 0.26286 61西南财经大学 0.11255 66 0.02936 65 0.26084 62上海财经大学 0.18075 55 0.04554 57 0.25195 63对外经济贸易大学 0.17528 56 0.04161 60 0.23738 64华北电力大学 0.18179 54 0.04079 61 0.22440 65中国政法大学 0.19422 51 0.04293 59 0.22106 66中国传媒大学 0.11981 64 0.02504 67 0.20900 67北京林业大学 0.17256 59 0.03359 64 0.19464 68中央财经大学 0.16237 61 0.02229 69 0.13725 69中央美术学院中央戏剧学院中央音乐学院注：1 表中投入得分越高表示该校获得的投入越多，产出得分越高表明该校的产出越多，绩效得分越高表明该校绩效状况越好。2 考虑到中央美术学院、中央戏剧学院、中央音乐学院独特的办学定位和学科特色，本次绩效评价暂不将其结果列入排序之中。
