第二章 文獻探討
第三節 高等教育績效之評估方法
過去研究之績效評估方法依不同角度而發展出許多不同的測量 方式，其所運用的數學模式也有相當大的差異，需依照評估項目及目 的選擇合適之評估工具和方法。一般常見的績效評估方法有許多種，
根據文獻的整理分類，其優缺點及適用範圍如以下所列（Lewin &
Minton, 1986; Lewin, Morey, & Cook, 1982; 孫遜，2004；馬士偉，
2005；張耀輝，1998；梅興邦，2001；陳宗義，2004；廖詩雁，2004）：
一、比率分析法（Ratio Analysis）
比例分析法之評估方式是從投入項及產出項找出一些比值，利用 不同組織單位之間的各項比率值相互比較，如師生比、教師學歷與教 師流動率比率等，此法包含兩種取向：成本效能取向及成本效益取 向。但在組織內投入與產出並不只一項，其無法真正代表組織之績 效，如何去取捨眾多的比值標準與找出影響效率的因素，是此方法的 問題所在，其優缺點如下：
（ㄧ）優點
1. 運算簡單、明確易懂，不需太多理論基礎。
2. 只需單一項的投入與產出，使用簡便。
3. 藉由標準差之設定，可區分極好或極壞的效率，明確評估績效 的特點。
（二）限制
1. 只能分別處理單項投入與單項產出，無法處理多項投入及多項 產出，因而容易忽略其他因素，不易表現出整體的效率；於較 複雜系統的應用分析，若其投入或產出項之間不易合併時，則
較難適用。
2. 無法認定資源運用是有效率或無效率，進而提供管理者無效率 單位改進方向；另外，除非某一組織的比例值全優於另一個組 織，否則將無法判定哪一種組織具有效率。
3. 投入產出項須有相同計算衡量單位，因此投入與產出項的選擇 將有所限制。
（三）適用問題：單項投入與單項產出問題。
二、平衡計分卡（Balanced Scorecard）
平衡計分卡係將組織策略與關鍵績效評估指標結合，並在長期與 短期目標下對財務性與非財務性，外部構面與內部構面，落後指標與 領先指標，主觀與客觀面等績效指標間取得平衡。
（一）優點
1. 可一併考量所有關鍵性因素，整合相關資訊並避免反功能性決 策減少資訊超載。
2. 將組織運作成果用作內部溝通、學習工具。
（二）限制：績效評估指標需透過專家賦予分數，不夠公正客觀。
（三）適用範圍：多項投入與單一產出。
三、迴歸分析法（Regression Analysis）
利用迴歸模式來分析DMU（Decision Making Unit, 決策評估單 位）的效率，以組織的某一產出變項當做依變數，而將多個投入變項 當成自變數，運用最小平方法或最大概似法等估計方法，找出自變數 及依變數具因果關係的迴歸線，從迴歸方程式的殘差項差異來評估彼 此之間的效率高低。
（ㄧ）優點
1. 利用函數來表達投入與產出關係，分析結果較客觀嚴謹。
2. 具有統計分析學理基礎，分析結果較科學化。
3. 可以同時以某一組織的多個投入項來當作自變數，並以最適當 的產出項當做依變項，繼而找出產出項的主要相關因素，藉此 來預測生產力。
4. 在有限的樣本限制情況下，不會將無效率單位當成有效率單 位，可作為比較差異與預測工具。
（二）限制
1. 須先對生產函數做出參數的假設；假設兩者變數的函數關係為 線性、二次或其他形式。
2. 在受估單位樣本數較少時，無法找出最具效率之單位。
3. 須有詳細量化資料，殘差項需假設為常態分配。
4. 同一迴歸模式中，如果自變數之間具有高度的相關性，則參數 的估計會因共線性而呈現不穩定現象，具有偏高的標準誤。
5. 迴歸分析所計算出來的迴歸線是一個平均生產函數，分析結果 呈趨中性，而非效率上所要求的邊際概念，故無法判斷效率好 壞與提供改善的建議值。
（三）適用問題
1. 多項投入與單項產出的問題。
2. 預測自變數與應變數間的函數關係與平均值之差異比較。
四、分析層級法（Analytic Hierarchy Process, AHP）
分析層級法目的是將複雜的問題系統化，由不同的層面給予層級 分析，並透過量化的判斷與綜合評估，提供決策者選擇最佳方案的資 訊，以減少決策錯誤的風險性。
（ㄧ）優點
1. 將目標層級化，透過一系列的比較與排序，令使用方法簡單，
無需複雜數學計算，綜合評估結果，降低決策的複雜性與風險 性，以提供決策者完成最佳方案的選擇。
2. 在決策過程中可將量化及質化因素納入考量，藉由專家評估的 一致性，可迅速獲得重要指標。
（二）限制
1. 主觀賦予各屬性分數，不同分析者會有不同的權重，致分析結 果可能會有不同。
2. 可選出方案的優先順序，無法指出何者無效率與缺乏提供管理 者無效率方案的改善建議。
（三）適用問題：主要應用在不確定情況下多個評估準則的問題上。
五、多準則決策（Multiple Criteria Decision Making, MCDM）
多準則決策運用前須先確定評估組織的效率是由多項因素組 成，再依處理問題設定為多屬性（Multiple Attributes）或多目標
（Multiple Criteria）的各種形式，為一衡量多項投入與多項產出效率 的良好方法。
（ㄧ）優點
1. 評估效率時，可考量多屬性、多目標，較符合實際狀況。
2. 可以解決不確定因素。
（二）限制
1. 準則間相對重要性之權值決定困難。
2. 處理多項投入與產出，不易給予各屬性客觀的分數與權值。
3. 無法提供改善建議。
（三）適用問題：處理多項投入與產出之決策性問題。
六、總要素生產力分析法（Total Factor Productivity, TFP）
總要素生產力分析法主要將整體總要素生產力變動率分解為總 要素生產力加權平均變動率（代表產業內技術的進步）與資源總配置 效果（代表產業間技術的進步），並進行整體與產業之間的生產力聯 結分析。
（ㄧ）優點
1. 運算簡單容易，理論淺顯易懂。
2. 可做統計檢定，具有客觀的效率值解釋力。
3. 可為評估單位生產力之綜合指標。
（二）限制
1. 須先推導生產函數，且投入產出項須有相同衡量單位。
2. 須先假設為完全技術狀態，且無法提供效率改善目標值。
3. 無法分辨 TFP 變動是來自於技術進步或技術效率之變動。
（三）適用範圍：多項投入與單一產出問題。
七、生產前緣法（Production Frontier Approach, PFA）
生產前緣法係利用經濟學的生產函數法找出受評估單位相關之 生產函數，進而衡量受評估單位的生產力。概分為兩種評估函數，其 一為超越對數生產函數法：先找出完全有效率的最大產量，而其與實 際產量之比值即為效率；另ㄧ則為Cobb-Douglas 生產前緣線：利用 迴歸方式使觀察値與推估值之間之絕對離差最小，以求出函數中之參 數值。
（ㄧ）優點
1. 運算簡單，運用統計檢定使結果較客觀。
2. 使用限制條件少，經濟意涵明確。
（二）限制
1. 須用可量化之投入產出資料，無法同時處理多項投入與產出問 題。
2. 須先假設為生產函數型態，且僅能有單一產出。
3. 殘差項需假設為常態分配。
（三）適用範圍：多項投入與單一產出問題。
八、隨機性前緣法（Stochastic Frontier Approach, SFA）
隨機性前緣法說明生產無效率的原因除了考量個別廠商技術或 管理差異所造成，尚必須考量廠商在實際生產過程中亦會受到一些隨 機因素的干擾。
（一）優點
1. 能考慮非廠商所能控制的隨機性因素。
2. 評估結果較能接近實際生產狀況。
（二）限制
1. 隨機因素難以量化，需考量機率分配之假設。
2. 須有較多觀測點，參數的估計值才會有較高準確度。
（三）適用範圍：投入與產出項之間存在不確定因素之狀況。
九、資料包絡分析法（Data Envelopment Analysis, DEA）
資料包絡分析法是一種衡量多項投入與產出之決策單位相對效 率的一種方法，運用事後資料將觀測值以「前緣」方法加以包絡，在 經濟學上的意義係指將所有可能最佳解之點所組成的生產邊界
（Product Frontier），即形成一條包絡線。其方法是以投入、產出之 總和比例作為衡量生產效率的指標，採用數學規劃以極大或極小值得 到所謂的效率前緣（Effificency Frontier），即所有效率良好的受評估 單位組成效率前緣，其他效率較差的被評估單位便落在該前緣之內。
DEA 與其他評估方法最大不同處，在於 DEA 引用生產函數觀念進行 效率評估，其不但彌補了傳統上效率衡量方法的缺失，更將現性規劃 從原來的規劃角色擴展至控制評估的角色，成為一種組織診斷的工 具。
（ㄧ）優點：
1. 可以同時處理多項投入與產出，無須預設生產函數與參數估 計。
2. 模式的目標函數值不受投入產出項計量單位的影響，如以元或 萬元計量其效率均相等。
3. DEA 可同時評估不同環境下各決策單位的效率值；所求出為 效率前緣而非平均值；其結果是一綜合指標，能顯示資源使用 的情況，可客觀衡量並避免誤差。
4. 由 DEA 的變數與效率值，可以了解各決策單位資源使用狀況，
進而提供管理階層研定相關改善決策時的參考。
5. 投入與產出權值由模式本身之數學線性規劃所產生，不受人為 主觀因素的影響，對每個DMU 較能符合公平的原則。
6. DEA模式可處裡比率尺度（Ratio Scale）資料及順序尺度
（Oridinal Scale）資料，資料處裡較具彈性。
（二）限制：
1. 由於 DEA 屬於非參數法，無法容許隨機誤差的存在。故所有 投入與產出資料都必須明確且可衡量，若資料錯誤將導致效率
前緣產生偏誤，而使衡量的效率值失去應有的意義。
2. 受評估對象間的同質性必須盡量高且盡量採用正式資料，否則 衡量的效果不佳。
3. DEA 所得到的結果為相對效率，並非絕對效率，其用途不是 在確定投入或產出的單位價值，而是用來衡量效率。
4. DEA 模式對資料極具敏感性，當樣本中出現極端值時，因樣
4. DEA 模式對資料極具敏感性，當樣本中出現極端值時，因樣