因变量是指在校留学生人数规模，用在校留学生数量取对数表示。

自变量是以2015年高校就业率作为高校全要素生产率的代理变量。全要素生产率(total factor productivity，TFP)即总产量与全部要素投入量之比，意指“生产活动在一定时间内的效率”，Malmquist指数分析法为其较为经典的评价方法。在对高等教育全要素生产率的研究中，Worthington和Lee(2008)、Abbott和Doucouliagos(2001)基于Malmquist指数对高校生产率予以估算。本文放弃采用Malmquist指数分析法进行全要素生产率估算的原因包括以下几点：(1)考虑到不同性质的高校在科研经费的投入差异与产出差异上均较为显著，既往研究通过Malmquist指数分析法所需使用投入—产出估算出的生产率需要剔除部分财经类、语言类等高校，而本文选取的116所高校覆盖各类高校，采用此方法会导致全要素生产率估算结果偏误。(2)除数据包络分析(DEA)外，Malmquist指数分析法仅适用于面板数据，与本文选用的一年期的横截面数据兼容度较低。不过，本文的稳健性检验中部分使用了全要素生产率的方法测算：基于DEAP2.1分析软件，以100所“211”高校为决策单元进行估算。未入围的16所“211”高校包括中国人民大学、北京外国语大学、中国传媒大学、中央财经大学、对外经济贸易大学、北京体育大学、中央音乐学院、中央民族大学、中国政法大学、上海外国语大学、上海财经大学、第二军医大学、中南财经政法大学、国防科学技术大学、西南财经大学、第四军医大学。其中，部分高校由于保密性和学科性质原因统计资料缺失；并考虑到以传统文科为主的高校，科技投入产出数据偏低，与其他“211”高校差距很大，不符合DEA方法要求决策单元的同质性，因此将其去除。本文选取以高校就业率为生产率的代理变量的好处如下：(1)高校旨在培养学生，而培养学生的衡量标准之一就是就业率，所以以就业率高低衡量高校生产率的高低具有一定的科学性；(2)各类高校在就业率方面的衡量标准统一，不存在全要素生产率估算过程中由于高校类别差异而不同。当然，考虑到就业率并非衡量高校生产率的唯一标准，本文也在稳健性检验部分用高引论文学者数、教师当年申请国家课题数、出国率等变量作为高校生产率的代理指标。(www.daowen.com)

控制变量：本文控制了影响高校教育出口的一系列变量，包括学校年龄(用2015年减成立年份表示)、学校规模(用学校占地面积的对数表示)、教学师资(用学校教工数的对数表示)、是否“985”高校(36所“985”院校取1，其他取0)、是否东部地区(东部地区取1，其他地区取0)等。