一、引言

近年来随着我国高等教育事业的飞速发展，国家对高校资产的投入与日俱增，国有资产作为高等教育的一个重要领域和高校运行的一个重要组成部分，为高校教学、科研及师生生活提供各种条件基础，为我国教育事业的发展提供了强有力的物质保障。加强高校国有资产管理^①，防止高校国有资产流失，是高校资产管理的基本要求。在此基础上，高校应该确保国有资产保值增值，促进资产的合理有效使用，提高国有资产使用的效益。目前在我国，高校资产管理仍然存在很多的问题，出现“重购买轻管理”、资源配置不科学、资源流失以及严重浪费等现象，导致资产的投入与产出严重不匹配。近些年来，绩效观念逐步被引入我国财政管理的各个领域，而且成效显著。但其在高校国有资产管理实践中，尚处在探索阶段。

① 高校国有资产系高校占有、使用的，依法确认为国家所有的，能以货币计量的各种经济资源。按照资产管理权划分，高校国有资产可分为校办企业国有资产和高校事业资产两部分。本文主要针对高校事业资产管理进行研究。

党的十八大、十八届三中全会提出要“完善国有资产管理体制，以管资本为主加强国有资产监管”。《国家中长期教育改革和发展规划纲要》(2010—2020年)强调：“高等教育要改进管理模式，引入竞争机制，实行绩效评估，进行动态管理。”党的十九大报告《决胜全面建成小康社会夺取新时代中国特色社会主义伟大胜利》提出：“要完善各类国有资产管理体制，改革国有资本授权经营体制，加快国有经济布局，优化、结构调整、战略性重组，促进国有资产保值增值，推动国有资本做强做优做大，有效防止国有资产流失”。近年来，高校的国有资产实现了迅猛增长，国有资产管理的任务更加艰巨，责任更加重大，这给高校国有资产的使用及管理提出了更高的要求，切实提高国有资产配置与使用效益，已经成为当前高校国有资产管理工作的迫切要求。教育部先后印发了《直属高等学校国有资产管理暂行办法》《直属高等学校、直属单位国有资产管理工作规程》等一系列文件，进一步明确了直属高校国有资产管理体制和工作要求。在主管部门的督促要求下，直属高校积极采取措施，加强国有资产管理工作，管理制度逐步健全，管理体制逐步理顺，程序也逐步规范。总体来看，教育部直属高校国有资产管理工作上了一个台阶。国有资产管理绩效考核考评，是推动提高国有资产管理水平和使用效益的重要手段，对高校国有资产的使用绩效进行评价是高校国有资产管理下一步工作的重点和难点。

二、文献回顾

针对高校固定资产绩效评价这一问题，我国学者进行了大量的研究。沈炳炎认为高校资产长期以来是以财政拨款的形式形成，无偿使用，不提折旧，存在资产配置不平衡、利用率低、效益差、浪费多等问题，为了解决这一系列问题，强化高校资产管理，有必要引进经济考核指标，建立激励机制和奖惩制度，实行资产的有偿使用，提高办学效益^[1]。经济考核指标实质是结合考核和奖惩制度在校内试行资产有偿使用制。邱向荣从资源合理配置和有效利用的角度出发，认为要提高高校资产利用效率，必须加强对高校各项资产的管理，并在加强资产管理的基础上建立一套科学合理的资产管理绩效评估体系，对高校资产管理绩效进行综合评估考核^[2]。江文清认为构建高校国有资产管理绩效评估体系势在必行，高效的国有资产是指由高校占有、使用的，在法律上确认为国家所有，能以货币计算的各种经济资源的总和^[3]。我国高校国有资产由于其产权的特殊性，资产损失或收益对管理者的影响微小，存在“搭便车”的现象，高校国有资产的管理缺乏一种监督激励机制。作者构建了三级评估指标体系，分别从管理体制、运营效益和外部认同三方面来评价高校国有资产管理绩效，其中体制规范评估指标包括观念机制、资源配置效率、监督机制、激励体制，运营效益评估指标包括教学科研成就、校办产业效益、人才输出质量，外部认同度评估指标包括社会满意度、同行认可度、学术声誉、外界吸引力。在层次分析的基础上，确定各指标的权重，然后进行一级和二级模糊综合评估，根据最大隶属度原则的判定确定绩效评估表现的级别。曾令如在论文中分析了高校国有资产管理的资本情况，以及国有资产管理效应性滞后的一系列连带问题，针对当下国内高校的管理绩效情况提出了防范高校国有资产流失的对策^[4]，其中重要的一点是要完善高校国有资产管理制度，包括资产评估和管理绩效评价制度。李道国等针对目前高校缺乏资产利用监督管理机制和资产管理绩效评估方法，导致高校资产利用率低下及稀有资源长期闲置的现状，在高校资产管理中引入雷达图分析法，建立了基于雷达图分析方法的高校资产管理绩效评估模型^[5]。黄维德和牛凯云从管理背景、考核类型和考核内容三方面对中西方高校绩效考核体系进行了对比，得出了应该提升我国高校的自治水平，发挥我国社会考核功效，完善我国高校绩效考核体系，将重点放在高校的投入绩效和产出绩效上，考察高校的资源使用效率，采用多样化的考核形式^[6]。李华军等提出了在绩效视角下的高校固定资产模式，主要思路是形成以绩效为导向的“需求环境分析—绩效目标设定—经费预算—资产管理—绩效评价”流程管理^[7]，并且进行基于评价结果的反馈控制，以及对应五步流程的日常管理活动。新模式下，将固定资产的静态管理转化为动态管理，阶段性控制转化为全程控制。辛爱梅^[8]利用帕累托分类法，将其引入层次分析法，对高校非经营性固定资产进行了分类，按照重要程度对各类资产进行不同的管理模式，从而提高资产管理效率，节约管理成本，促进高校非经营性资产的合理有效使用，并且为构建高校固定资产绩效考核体系指标提供依据。胡帆基于数据包络分析法对高等学校财政投入绩效评价进行了模型设计^[9]。模型依据高等学校的功能和绩效评价目标，从教学、科研、社会服务和文化传承与创新四个方面构建绩效评价指标体系，然后分别运用主成分分析法、层次分析法以及数据包络分析法对财政投入绩效进行评价。王小宁等采用数据包络分析方法对我国教育部直属高校固定资产的相对绩效问题进行实证研究，对其固定资产管理水平和固定资产投入产出规模进行定量分析^[10]。通过建立一个线性规划模型，对各决策单元的投入产出数据进行综合分析，计算各决策单元的综合效率、技术效率和规模效率，据此排序定级，并分析决策单元有效的原因，该模型非常适用于绩效评价多投入、多产出的情况。方锦华总结高校国有资产存在分配不均衡，使用效率低下，认为绩效评价应关注其国有资产实际使用率、社会效益及培养人才的作用，并且认为绩效评价重在追踪^[11]。

通过文献回顾发现，虽然对高校资产管理绩效评价已有大量的探讨，但大多是对资产管理绩效评价意义和评价指标体系的研究，针对高校绩效评价方法的研究还有待进一步充实。此外，在评价方法上，他们主要采用了层次分析法、模糊综合评价法、数据包络分析方法等传统方法，但这些方法主观性质强，需要依赖大量经验数据或者专家的评判，存在主观随意性的缺陷，且不能自我学习。

随着高校资产绩效评价的作用越来越重要，建立一种结合计算机的自我学习能力的、智能准确的动态评价方法尤为重要。因此，提出基于BP神经网络的高校事业资产管理绩效评价方法，将事业资产管理绩效评价的研究思路、指标体系、评价方法和运行机制等有机结合起来，实现高校事业资产管理绩效的等级评价。最后，通过对教育部直属高校事业资产管理绩效评价进行应用和验证，表明该模型具有良好的准确性、可靠性和通用性。

三、高校资产评价指标体系设计

20世纪90年代中后期，教育部财务司组织专家制定了《教育部直属高校财务综合评价分析》《教育部直属高校财务状况分析》。这两套针对高校财务管理的评价指标体系，分别从财务综合实力、财务运行绩效、财务发展潜力、财务状况等多方面对高等学校财务工作作出评价。2001年，世界银行资助的“高等学校财务综合评价体系”研究课题获得立项。教育部会同南京大学经过广泛的调研、咨询和论证，确定了38个评价指标，建立了一套高等学校财务综合评价体系。

与高校财务绩效指标体系相比，目前针对高校事业资产管理绩效评价，国内外尚没有统一的、权威的指标体系可供参考。本文以教育部直属高校为研究对象，采用专家访谈法，根据“投入—过程—效率和效果”的构建逻辑，从资产保障水平(投入)、资产管理水平(过程)、资产运行水平(效率和效果)三个一级指标入手进行构建评价体系。然后对一级指标体系进行梳理，梳理出若干与一级指标体系相关的下级指标，并根据这些指标找出相关的政策来源，将政策来源与指标结合起来，进而整合出相关的二级指标。充分考虑指标数据的可获取性等因素，结合国家相关政策，得出二级指标下相应的三级量化指标。最后得出高校事业资产管理绩效评价指标体系，见表 1。

各指标的具体内容如下：

第一，资产保障水平，反映高校存量资产的规模、结构和质量等相关信息。通过该指标并结合高校的实际资产存量情况，对比分析高校人才培养、科学研究、社会服务事业发展的支持与保障程度。其中，资产规模主要是从总体上考察高校事业资产的配置情况，可以通过事业资产总额和事业净资产总额等三级指标反映；资产结构指标主要反映高校国有资产中固定资产、流动资产以及无形资产对外投资等资产的构成情况；资产质量指标主要反映资产是否具有实用价值以及价值大小的重要指标。高质量的资产是高校提高办学质量的前提，也是资产优化配置与使用的保障。可以通过固定资产更新率、资产负债率和经费自给率等指标反映；生均水平可以准确地反映高校事业资产的生均水平以及与现有标准(教育部规定的相关标准)之间的差距；亦从侧面反映教育资源的公平性问题。可以通过生均占地面积、生均教学行政用房面积、生均宿舍面积、生均教学科研仪器设备和生均图书册数等指标反映。

第二，资产管理水平，反映高校事业资产运行环境的重要指标，可以通过高校在资产管理体制、制度建设、人力配备、信息化程度等方面加以考核。管理体制指高校是否根据相关政策和出台的办法，建立相应健全、科学、有效的资产管理体系。而专门的资产管理机构是提高高校事业资产管理质量和效率的重要组织保障；制度建设指高校是否遵守国家的相关政策法规，是否出台相关的资产管理办法以及对制度执行的完成程度。制度建设是确保高校事业资产安全、完整、高效运转的制度保障。资产管理各环节的制度可反映资产管理的规范与否，是进行绩效管理的基础。可通过对相关资产管理法律法规的学习执行情况、内部制度建设及执行情况加以反映；高素质资产管理人员配置是确保高校资产管理质量的有效手段。该指标可以通过人员的数量和质量两个层面加以考核。信息化建设可以从侧面反映高校资产管理的效率。该指标可以通过资产管理信息系统建设情况、资产信息录入情况等指标进行考核。

第三，资产运行水平，反映高校使用、处置国有资产的效率和质量，是资产管理绩效评价指标体系的核心。通过该指标，实现高校事业资产管理目标，即确保事业资产安全、完整的同时，提高资产使用效益。产权管理是高校国有资产管理的重要前提和依据，通过该指标反映高校国有资产尤其是土地、房屋等固定资产的实际产权状况。资产使用效率直接关系到高校国有资产管理的绩效水平，是绩效评价的重点和核心内容。可以通过资产在用与闲置情况、单项(台)资产利用情况、资产共享情况、资产流动周转情况等方面反映。资产处置效率是指学校对其占有使用的国有资产进行产权转让或注销产权的一种行为。收入管理是指高校利用其占有使用的固定资产、流动资产、无形资产, 经报备报批, 通过处置、租赁、对外合作、对外服务、对外投资和担保等形式取得的各项收入。资产完整则包括投入不被挪用和资产不被流失。

四、基于神经网络法的绩效评价 (一) BP神经网络模型结构

BP神经网络法是按误差反向传递学习算法实施训练的多层前馈神经网络；通过提取合理的具有特征明显的学习样本，训练模型以得到合理的模型参数，实现分类或预测功能^[12-13]。BP神经网络的本质是在进行学习训练时通常采用梯度下降法，通过误差的反向传播适时地调整网络的权值和阈值，从而使网络的均方误差达到最小。

BP神经网络的网络结构是一个前向的多层网络，该网络由输入层节点和输出层节点构成，网络中可以有一层或多层的隐层节点。当信息输入BP神经网络，信息首先由输入层节点传递到第一层(隐)节点，经过特征函数作用后传至下一(隐)层，如此传递直到最终输出层。将要评价的数据从BP神经网络模型的输入层输入，分别计算出隐含层和输出层的输出值，并将最终输出值与期望输出进行比较，不断修改神经网络的各权值和阈值，直到误差减小到允许范围，学习结束，即可输出评价结果。

根据BP神经网络算法的学习特点，一般的分类问题都可以通过单隐层的前向型网络得到解决。本文建立神经将采用单隐层的前向型网络结构，它只包含输入层、隐层、输出层这三层节点。本文参考叶国荣^[13]、王义勇^[14]、孙燕^[15]的研究，拟构建基于BP神经网络的高校资产管理绩效评价方法，其原理是：首先把事业资产管理的三级指标作为神经网络的输入量，将事业资产管理的一级指标作为输出量，然后再用三个一级指标作为输入量，将综合评价结果作为输出量。神经网络学习训练完成后，就可以通过该模型对不同高校的事业资产管理作出相应的绩效评价。

另外，本文对一些参数进行了调整，具体遵循以下原则：

一是各神经网络输入层的节点数目等于它所代表的下属指标的个数。比如对应生均水平的有5个三级指标，故该神经网络的输入层节点数目是5。

二是至于隐层节点数目，我们将采用试验的方法，通过比较评估准确率，来确定各个网络的隐层节点数，另外中间层神经元传递函数则采用S型正切函数。具体来说，本文建立的管理绩效评价模型主要包括4个模型，分别是3个基于一级指标的评价模型和1个基于管理绩效的综合评价模型。各模型的建立均采用单隐层的前向型网络结构，只包含输入层、隐层和输出层这三层节点；各模型的输入节点和隐藏层节点如表 2所示。

三是对输入变量，要进行归一化处理，将各个指标值映射到区间[0, 1]上。并把数据映射到[40, 100]上，因而这里采用如下公式：

$ \overline{x}=\frac{x-40}{60} $

(二) 数据预处理

为了提高模型的拟合效果，首先对所有指标进行离散化处理。由于隶属于资产管理水平的三级指标都为定性指标，因而不需要再进行离散处理。而对于其余的定量指标，我们将使用一维聚类(K-means方法)的方法把样本聚为5类。

对于数据的处理，本文采用缺失值填补和孤立点检测的方法先对指标数据进行初步处理；然后对指标数据进行类型一致化和无量纲处理，将居中型和极小型指标均转化为极大型指标，再将全部指标数据无量纲处理，并全部映射到区间(0，1)之间。

对于居中型指标，包括事业资产总额、事业净资产总额、固定资产更新率、生均占地面积、生均教学行政用房、生均宿舍面积、生均教学科研仪器设备值、生均图书册数等，将采用如下的公式进行转化：

$ \left\{\begin{array}{l}{\overline{x}=100, \quad x \geqslant x_{s}} \\ {\overline{x}=\frac{x-x_{\min }}{x_{s}-x_{\min }}, \quad x <x_{s}}\end{array}\right. $

对于固定资产占比、流动资产占比、直接用于教学科研的固定资产占总固定资产的比例这些居中型指标，将采用如下的公式进行转化：

$ \left\{\begin{array}{l}{x^{\prime}=\frac{x_{\max }-x}{x_{\max }-x_{s}}, \quad x \geqslant x_{s}} \\ {x^{\prime}=\frac{x-x_{\min }}{x_{s}-x_{\min }}, \quad x <x_{s}}\end{array}\right. $

(三) BP神经网络训练过程

具体训练步骤如下：

步骤1：数据的准备。采用事业资产管理绩效评价的基础数据，首先运用聚类分析法将75所教育部直属高校分为5类，以样本聚类的评价级别作为输出，从75所高校中抽取80%作为训练样本，并经过指标数据标准和无量纲处理，输入模型，组成了有监督的样本。

步骤2：模型隐含层的设计。通过比较评估准确率，来确定各个模型的隐层节点数，中间层神经元传递函数则采用S型正切函数；通过试验得到最佳隐层节点数，具体见表 2。4个评价模型表示如下：

$ O_{1 t}=f\left(\sum\limits_{i=1}^{5} V_{t i} f\left(\sum\limits_{j=1}^{13} X_{1 j} w_{i j}-\theta_{i}\right)-\gamma_{t}\right), \;\;O_{2 t}=f\left(\sum\limits_{i=1}^{6} V_{t i} f\left(\sum\limits_{j=1}^{7} X_{2 j} w_{i j}-\theta_{i}\right)-\gamma_{t}\right) $

$ O_{3 t}=f\left(\sum\limits_{i=1}^{4} V_{t i} f\left(\sum\limits_{j=1}^{12} X_{3 j} w_{i j}-\theta_{i}\right)-\gamma_{t}\right), \;\;Z=f\left(\sum\limits_{i=1}^{3} V_{t i} f\left(\sum\limits_{j=1}^{3} O_{j}^{\prime} w_{i j}-\theta_{i}\right)-\gamma_{t}\right) $

其中，t=1, 2, 3, 4, 5；V_ti、w_ij、θ_i、γ_t是各模型评价参数；X_pj与O_pt(p=1, 2, 3)分别是三个一级指标模型的输入和输出；O′_j是三个一级指标的评价结果(模型5个输出最大值对应的级别，j=1, 2, 3)；Z是管理绩效综合评价结果。

步骤3：训练网络。采用matalab7.0编程，对建模样本进行训练，最大迭代次数设为10 000次，权重的衰减值为0.05，创建BP神经网络模型。

步骤4：模型检验。将剩余20%的检验样本导入模型，对各模型进行验证。各模型的拟合结果见表 3。

步骤5：结果输出。BP神经网络评价模型的直接输出结果均为评价级别，共设5个等级，分别为等级1代表优秀、2代表良好、3代表中等、4代表一般、5代表较差。由于是5个级别的分类输出，同级别之间可能无法体现出两个对象间的优劣，故还需要转化成评价得分。

设BP神经网络评价模型对应5个级别的输出为p_i (i=1, 2, 3, 4, 5)，由于S型函数值域的影响，0 < p_i < 1，定义输出级别与转换分数关系的公式如下：

$ S=\sum\limits_{i=1}^{5} p_{i}(72-12 \cdot i)+40 $

其中评价得分的值域为[40, 100]，级别越低(1为优秀，5为较差)所对应的评价得分就越高，与三级指标的定义域相同。

五、实例计算

本文选取75所教育部直属高校的事业资产基础数据和管理绩效数据为研究对象，介于高校敏感性，具体高校名称用高校1、高校2等代替。表 4展示部分高校事业资产管理绩效综合评价模型的评价结果。

从表 4可以看出，四个方面评价的最后结果与综合评价结果差异(具体量化采用各方面的级别减去综合结果级别的平方求和，平方和最小者差异最小)，其中，资产运行水平评价结果差异最小，管理绩效综合评价结果与其资产运行水平评价结果的相关性更为密切，这说明资产运行水平是绩效评价的关键指标，这与我们的预期是相符的。

六、结论

高校资产管理绩效评价指标体系的构建，有利于为高校的运作和管理提供一个量化的、可操作的评判依据。构建高校资产管理绩效评价体系，目的是能有效评估高校资产管理的效率、效益和效果，从而提高高校资产管理水平。通过对高校资产管理的绩效水平进行评判，有利于高校全面了解其存在的优势和劣势，对于优势，要积极发挥，而对于处于劣势的方面，要积极改善，使高校健康顺利发展。

针对以往评价方法依赖性强，需要大量经验数据或者专家评判，从而存在主观随意性强的缺陷^[16-18]，本文利用BP神经网络方法对高校资产管理绩效进行分析。运用基于BP神经网络技术的高校资产管理绩效评价具有以下三点优势：第一，高校资产管理评价涉及属性内容多、复杂程度高^[19]，主观设计的指标及可获取的因素可能不完全，但基于BP神经网络的绩效评价方法具有自适应性，使绩效评价更具智能性。第二，随着事业资产管理工作的不断推进，绩效评价的因素具有动态性和模糊性，基于BP神经网络的绩效评价方法可以随环境的变化不断学习调整，因而更具适应性。第三，基于BP神经网络的绩效评价方法原理简单、易于运用，方法的拟合精度高、可操作性强，避免了人为主观失误，在事业资产管理绩效综合评价中，由于影响因素对评价结果的影响大部分不是线性的，引入能反应非线性变化的BP神经网络综合评价模型，能更有效表示评价结果的合理性。

基于BP神经网络的高校事业资产绩效评价方法为高校资产绩效评价提供了一种新的方法，具有很好的适用性和应用前景。