中国高等职业院校竞争力报告：国内1518所职业高校就业、教研、校企合作等数据（139页）

福布斯排行榜的数据来源包括三个数据源，即美国教育部下设的国家教育统计中心（National  Center for Education Statistics）所公布的高等教育综合数据系统（Integrated Postsecondary  Education Data System，简称IPEDS）、美国教育部公布的大学记分卡（College Scorecard）、第 三方数据源Payscale。毕业生工资数据是计算职业成功率（PS值）的底层数据，主要基于大学记分卡、 Payscale的数据统计。债务水平（AF值）数据来自于大学记分卡。学生结业成功率（CS值）和学生在校 体验（SE值）来自于IPEDS数据。 在中国，多数职业高校公布了类似于IPEDS、大学记分卡的数据，发布于《高等职业教育质量年度 报告》中，另外我们也引入其他数据源，联合构建类似于福布斯排行榜的指标体系。 （1）PS值-学生毕业后的职业成功率 PS值的计算主要是选用三类产出指标：首先是智联招聘的就业工资水平数据。

作为国内最大的互联 网招聘平台之一，智联招聘的毕业生工资水平统计数据具有较大的覆盖面，为本研究提供了数据基础。但 毕竟智联招聘的就业数据仅能涵盖一部分学生的就业工资水平，为了抵消数据的有偏性，我们选取职业 高校的师生近五年获得授权的专利数量、在国家科技成果网登记科技成果的数量作为补充。专利数量、 科技成果数量能有效反映出学校在科技产出方面的水平，显然科技产出水平较高的学校，往往因其技术 培 训、校 企 合 作 方 面 的 较 强 优 势 而 能 更 好地 赋 能 毕 业 生 取 得 职 业 成 功。廖 钦 初（2 0 10）、颜 炼 钢 （2014）、王超辉与冯彩芸（2015）、李嘉欣（2022）在类似研究中均采用了教职工科研成果或专利数 量作为职业高校考核维度之一。 当然，专利数量对于工科类职业高校是有利的，对于商贸类、文体类学 校则相对不利，因此需要补充科技成果的数量加以平衡。