报告行业投资评级 未提及相关内容 报告的核心观点 - 构建了全面的高校特征数据集，分析已知和未知的高校关闭情况 [4] - 现代机器学习技术结合丰富数据，比线性概率模型和现有问责指标更能有效预测高校关闭 [4] - 即将到来的“人口悬崖”导致的招生挑战，可能会显著增加未来高校关闭数量 [4] 根据相关目录分别进行总结 I. 引言 - 高校关闭、合并和财务困境会对学生、员工和当地经济产生深远影响，测量和预测高校财务困境很重要，但因财务结构复杂和数据有限而困难 [7] - 2010 - 2021 年，学位授予高校的入学人数下降了 15%，部分原因是“人口悬崖”、毕业率低和高中生上大学比例下降 [8][9] - 成年学习者入学人数在过去十年大幅下降，高校提高学费收入能力受限，运营成本上升，导致财务困境加剧 [10][12] - 研究结合高校学生、员工和财务状况数据以及县级经济活动数据，探讨高校面临的财政挑战，重点关注关闭的强预测因素 [15] II. 高等教育现状与财政挑战 A. 财务困境与高校关闭 - 美国高等教育历史上财务挑战一直存在，许多高校有韧性，公立高等教育系统很少关闭，但会面临合并和整合 [20] - 一些分析师和咨询公司确定了与高校关闭相关的因素，但实证研究较少，统计分析显示与关闭相关的机构特征和财务特征 [21][22] - Kelchen（2020）用线性概率模型预测高校关闭，但短期能确定关闭的高校比例小 [23] B. 高等教育、劳动力市场与经济增长 - 高等教育在劳动力市场中很重要，学生和政策制定者关注高校为学生就业做准备的作用，高校与当地经济健康有很强关系 [24][25] - 高校不仅是当地社区的经济引擎，还能成为文化中心，吸引人们并改善生活质量，高校困境受多方关注 [27][28] C. 高校资金指标与模式 - 美国高等教育系统约有 6000 所高校接受联邦财政援助，行业直接支出约 7000 亿美元，招收近 2500 万学生，有 300 万员工 [29] - 2021 - 2022 学年，不同类型高校的主要收入来源包括学费和杂费、拨款、赠款和合同等，各收入来源占比不同 [32] - 2002 - 2022 年，公立高校通胀调整后的收入呈上升趋势，私立非营利高校收入受投资回报影响大，营利性高校约 90%的资金来自学费和杂费 [35][39][40] - 高校运营成本几十年来增长快于通胀，人员费用是最大支出类别，其他主要支出包括设施维护和债务偿还 [54][56] III. 数据来源 A. 机构特征（IPEDS 和大学成绩单） - 从美国教育部的综合高等教育数据系统（IPEDS）获取高校历史特征、学生和员工特征信息，数据面板为 2002 - 2022 年 [63][64] - 根据大学成绩单和 IPEDS 的主要学位对高校进行分类，考虑主要学位分类能更好反映高校重点 [65] - 关注的主要变量包括招生、员工、收入、支出、资产和债务等，对财务值进行通胀调整，处理偏态分布变量和缺失值 [66][67][68] B. 高校关闭（PEPS） - 从联邦学生援助的高等教育参与者系统（PEPS）数据库获取高校关闭信息，限制样本为主要校区关闭的高校 [70][72] - 合并 IPEDS UnitID 和 FSA OPEID 级别的数据很复杂，将数据汇总到 OPEID 级别，最终分析样本有 8633 所高校，超十分之一在样本期间关闭 [73][74] C. 联邦问责指标与县级特征 - 使用大学成绩单数据标记处于财务困境的高校，包括高度现金监测（HCM）2 级和私立高校未通过政府财务责任综合（FRC）得分 [77] - 收集县级人口、收入、贫困率和失业率数据 [79] D. 分析样本 - 关闭预测 - 关闭的高校规模较小、更依赖学费、招生和收入下降幅度更大，但开放和关闭高校的变量分布有重叠，需要多变量预测 [80][81] - 1996 - 2023 年，共 1671 所高校关闭，关闭数量在 2016 - 2018 年达到峰值，公立机构很少关闭，大多数关闭发生在私立营利性高校 [82][83][85] IV. 方法论 A. 识别财务困境的预测因素 - 采用监督式机器学习分类算法 XGBoost，处理丰富数据和数据缺口，与线性概率模型等替代模型进行性能比较 [98][100][101] - 为增加样本量，使用最小绝对收缩和选择算子（LASSO）进行协变量选择，估计线性概率模型，还使用分箱控制的线性概率模型和包含更多协变量的 XGBoost 模型 [102][104] - 将观察值分为 75%的训练数据和 25%的评估数据，比较六个模型 - 数据对的拟合优度指标 [105] B. 评估检测关闭的潜在筛选模型 - 关注模型的预测准确性，分析模型输出以确定特征重要性，使用预测的关闭概率推导预测精度指标 [107][108] - 预测概率可用于考虑相对风险和排序机构，也可转换为二进制分类器，与现有联邦问责指标模型进行比较 [109][111] C. 模拟关闭变化 - 使用估计系数模拟不同财政路径下高校的总体预测关闭情况，考虑招生、收入和费用趋势的合理和极端情景 [112]