武云凤, 李彦华, 张慧萍

(中北大学 经济与管理学院, 山西 太原 030051)

中医药学是中华民族自古以来的伟大创造, 为中华民族的繁荣昌盛作出了巨大贡献, 在推动“健康中国”的建设中发挥着举足轻重的作用。 党的十九大报告中指出, 要坚持中西医并重, 传承发展中医药事业, 使得中医药发展上升为国家战略。 《中共中央、 国务院关于促进中医药传承创新发展的意见》提出, 要强化中医思维培养, 改革中医药院校教育, 促进中医药创新与发展。[1]“十四五”规划中明确指出, 要推动中医药教育改革和特色人才队伍建设, 加强中医药传承保护和科技创新的支撑力度。 中医药院校作为中医药发展的重要载体以及中医药科研产出的必要基地, 是中医药事业创新发展的主力, 科学合理评价其科研效率, 探究影响科研效率的因素, 提出提升中医药院校科研效率的建议, 对于实现资源的合理配置, 推动中医药科研创新发展具有重要的现实意义。

1 文献综述

通过文献梳理, 在评价方法方面, 大多数学者使用数据包络分析(DEA)对决策单元的技术效率、 纯技术效率以及规模效率进行分析。 吴宏超等采用DEA-Malmquist模型对2009年-2018年“一带一路”沿线省份高校科技创新进行测算。[2]李彦华等应用DEA和Malmquist模型测度中国“双一流”高校科研效率。[3]贺刚等应用超效率CCR模型和DEA-Malmquist指数模型对2016年-2019年27所省属财经类高校科研效率的相对效率水平分析。[4]徐训航等测算2017年63所教育部直属高校科研投入产出效率, 为高校科研高质量内涵式发展提供决策。[5]在评价对象方面, 学者们主要集中于对教育部直属高校进行评价。 王海宁等以我国教育部直属64所高校的科研数据为研究样本, 对高校科研转化能力与效率进行评价和匹配。[6]丁显有等人测度了教育部直属59所“双一流”建设高校的科研效率及其时空分异特征。[7]荣耀华等人通过构建人才质量培养与科研水平指标体系, 测算了2009年-2015年教育部直属72所高校办学效率。[8]在评价内容方面, 主要以科研绩效和科研效率为主。 胡百灵等构建出高校科研绩效评价指标体系, 并将其应用到高校科研绩效评价管理中。[9]廖帅等通过构建高校科研评价指标体系, 分析了31个地区高校整体科研效率水平。[10]傅琼使用DEA-fsQCA模型对32所世界一流建设高校科研效率提升路径进行分析, 并提出了建议。[11]

目前, 鲜有以中医药院校研究对象的文献, 根据教育部的数据, 我国共有25所中医药高校, 通过查询各省中医药院校的官方资料, 确定了我国中医药院校的名称(含曾用名)。 最后发现, 河北中医学院于2013年4月经教育部批准, 在河北医科大学中医学院和河北省中医药研究院的基础上重新组建[12], 2013年以前的投入无法获得准确的数据, 因此, 将其排除在样本之外, 最终将24所中医药院校作为研究对象。 本文将使用DEA-Malmquist对2014年-2018年中医药院校的科研效率进行静态-动态分析并针对提高中医药院校的科研效率提出合理的对策。

2 研究方法及理论模型

2.1 DEA-BCC模型

DEA方法由美国著名运筹学家查恩斯(Charnes)等于1978年提出, 是一种评价具有多个投入与多个产出关系的决策单元(DMU)间相对有效性的非参数化研究方法[13]。 本文使用DEA方法中面向投入导向的BCC模型, 对选定样本高校的科研效率进行静态分析, 并假定有m个独立的DMU, 每个DMU有n个投入和s个产出, 具体模型如式(1)所示

(1)

在BCC模型中, 当综合效率(crste)等于1时, 说明DMU是DEA有效的, 反之无效; 纯技术效率(vrste)是高校由于内部管理因素和技术水平影响科研效率, 规模效率(scale)则是由于高校规模大小影响的科研效率。

2.2 DEA-Malmquist指数模型

Malmquist指数最早由马尔姆奎斯特(Malmquist)于1953年提出[14], 经Caves等引入生产率研究领域[15], 后由Fare等进一步拓展将其与DEA模型结合使用。 本文采用Fare等改进的Malmquist指数模型测算生产率指数。[16]

(2)

式中,Dt(xt+1,yt+1)以第t期的技术表示第t+1期的技术效率水平;Dt(xt,yt)以第t期的技术表示当期的技术效率水平;Dt+1(xt+1,yt+1)以第t+1期的技术表示当期的技术效率水平;Dt+1(xt,yt): 以第t+1期的技术表示第t期的技术效率水平。

通过计算Malmquist全要素生产力指数, 可以得到研究对象效率的动态变化趋势。 当全要素生产率指数(tfpch)大于1时, 表明这一时期的科研水平有所提高, 反之亦然。 tfpch又可分解为两部分: 技术进步指数(techch)和技术效率变化指数(effch)。 techch描述的是科研技术的前沿领域, techch的值大于1, 说明高校科研水平取得进步, 反之退步。 effch在一定程度上描述了两个时期内管理水平和制度保障两个层面的变化, effch指数值大于1, 表示科研产出在管理和制度上有所改善。 effch还可进一步分解为规模效率(sech)和纯技术效率(pech), sech用来衡量高校科研投入规模水平, sech指数值大于1, 表明科研投入规模得到了改善和优化; pech指的是高校科研创新知识与管理制度使科研资源的投入得到充分发挥, pech指数值大于1, 表明高校的科研管理水平得到改善。 对于每个DMU来讲, effch、 techch、 sech、 pech中任意一个指数值大于1, 就意味着它能促进tfpch的提高, 否则, 就会产生负面的、 消极的影响。

2.3 指标体系及数据来源

目前, 关于构建中医药高校科研效率评价的指标体系并没有统一的标准。 一般而言, 高校科研指标体系的选取不应该过分看重全面性, 应当保证客观性、 代表性和可比性, 指标的数量要达到科学合理的标准。 高校的科研活动是一项复杂的系统性工程, 包含着参与其中的人力、 财力、 物资的科研投入, 由于高校物资方面的投入主要是科研设备, 其数据获得有较大困难, 因此, 这一方面的指标暂不选取。 中医药高校科研投入在人力方面选择教学与科研人员高级职称、 研究与发展人员全时当量人员, 经费投入选择科技经费当年内部支出。 科研产出从科研成果和技术转让方面进行选取, 包括专著数量、 学术论文、 签订合同数、 技术转让当年实际收入4个指标。 因此, 本文选择24个样本数量, 3个投入指标, 4个产出指标, 具体如表 1 所示。

表 1 投入产出指标体系

本文选取的数据来源于《高等学校科技统计资料汇编》, 由于部分数据的数值为0, 无法进行计算, 因此, 为0数值加入了极小值以确保运算正常进行。 高校的投入与产出之间存在一定的滞后性, 通过EVIEWS 9.0计算得出滞后期为两年。

3 实证分析

3.1 中医药院校科研效率静态分析

本文使用Deap2.1软件, 通过静态BCC模型对2014年-2018年我国24所中医药院校进行科研效率分析。 由于篇幅限制, 本文将5年的静态效率值取均值, 计算结果如表 2 所示。

表 2 2014年-2018中医药院校科研效率均值

从整体上来看, 24所中医药院校2014年-2018年科研综合效率均值为0.68, 且规模效率均值大于纯技术效率均值, 内部管理因素和技术水平高低是中医药院校科研效率的主要影响因素。 其中, 仅有河南中医药大学、 成都中医药大学两所高校处于DEA有效状态, 非DEA有效高校中综合效率值小于0.5的有5所, 占比20.8%。 这一结果表明, 我国中医药院校的科研效率整体水平不高, 这与中医药院校人才结构不合理、 经费缺乏、 研究成果与市场脱轨导致科技成果转化率低、 转化效益低的现象有关。

总体来看, 中医药院校的纯技术效率值偏低, 24所中医药院校的纯技术效率均值为0.75, 仅有5所学校的纯技术效率有效, 其余19所学校均为纯技术效率无效, 占总比例的79.2%。 在19所学校中, 12所院校的纯技术效率值大于0.8, 7所院校的纯技术效率值在0.6-0.8之间, 5所院校的纯技术效率值小于0.6, 且黑龙江中医药大学、 福建中医药大学、 甘肃中医药大学的纯技术效率值低于0.5, 这3所高校应该重点关注内部管理制度以及技术水平以提高其科研效率。

从规模效率来看, 24所中医药院校的规模效率均值为0.91, 有4所中医药院校的规模效率值为1, 12所高校的规模效率值在0.9-1之间, 有8所高校规模效率在0.7-0.9之间。 总体来说, 中医药院校的规模效率比较有效, 但天津中医药大学、 上海中医药大学、 广州中医药大学应调整科研的投入产出规模来提高其科研效率。

在纯技术效率达到1的5所院校中, 有3所规模效率值小于1, 导致综合效率也小于1, 由此可见, 天津中医药大学、 上海中医药大学和西藏藏医药大学的综合效率无效主要是由于规模效率造成的, 因此, 这3所高校应根据规模报酬的状态调整院校规模, 以达到最佳效率。 在4所规模效率达到1的院校中, 有2所院校纯技术效率值小于1, 导致综合效率也小于1, 由此可见, 长春中医药大学和山东中医药大学这2所院校的综合效率无效主要是由纯技术效率引起的, 所以这2所院校应提高技术水平、 引进先进技术, 以达到效率最优。

3.2 中医药院校科研效率动态分析

为了便于动态分析中医药高校科研效率的变化趋势以及不同时期样本高校投入产出效率的变化, 本文基于Malmquist生产指数模型, 对24所样本高校的科研效率和4个年度区间的全要素生产率变动情况进行测算, 结果如表 3 和表 4 所示。

表 3 中医药院校科研科研效率Malmquist指数分析

总体上看, 2014年-2018年24所中医药院校全要素生产率平均值为1.05, 说明在此期间整体样本高校的全要素生产率上升了5%, 科研水平有所提高; 技术进步指数均值为1.03, 上升了3%, 表明样本高校的科研创新水平有所提高; 技术效率变化指数均值为1.03, 说明技术效率5年间提升了3%, 其中, 规模效率和纯技术效率均值都为1.01, 均上升1%。 从高校来看, Malmquist指数值大于1的有14所, 占总数的58.3%, 增长最大的是辽宁中医药大学和长春中医药大学, 分别为33%和34%。 在科研效率提高的院校中, 大多数院校的技术进步所占比例较大, 其科研投入产出效率增长的原因主要是技术进步, 由此可见, 我国中医药院校科研效率的提高主要是基于技术进步。 在技术效率变化指数小于1的院校中, 主要是由于纯技术效率值的减少, 说明中医药院校科研投入没有得到充分利用, 科研管理水平还有待提高。

为探究引起全要素生产率变化的主要因素, 本文选用spss软件通过聚类分析法, 将2014年-2018年24所中医药院校的全要素生产率进行合理分类。 运用平方欧氏距离进行聚类分析之后, 24所样本高校可以被分为两大类, 全要素生产率高区和全要素生产率低区, 如图 1 所示, 图中纵轴数字表示24个中医药院校, 与表 3 中高校序号相对应。

图 1 Malmquist指数聚类分析结果

Malmquist指数大于1的院校中, 辽宁中医药大学、 长春中医药大学、 浙江中医药大学等9所院校的技术效率指数与技术进步指数均大于等于1, 表明这几所院校的科研建设成效最大, 存在知识溢出且科研水平保持良好的上升趋势发展; 湖南中医药大学和福建中医药大学虽然技术效率值小于1, 但高数值的技术进步掩盖了技术效率的下降, 拉动Malmquist指数持续增长, 从侧面说明这几所院校的科研创新水平对科研效率的提升拥有强大的推动作用; 西藏藏医药大学、 北京中医药大学和黑龙江中医药大学的技术进步指数小于1, 但技术效率的增长大于技术变动的减少, 使得其Malmquist指数仍大于1。

Malmquist指数小于1的院校中, 天津中医药大学和山东中医药大学的技术进步指数小于1, 导致全要素生产率值小于1。 这两所高校应该注重技术创新及科研创新水平; 湖北中医药大学、 广州中医药大学、 广西中医药大学和甘肃中医药大学是技术进步呈增长趋势的4所院校, 但技术效率变化指数小于1, 这些院校的科研全要素生产率下降在很大程度上受技术效率变化的影响, 表明这些院校的科研技术水平及管理水平较低, 但影响因素是院校内部可控制的, 可以通过提高资源和人才利用能力、 改善科研设施条件、 优化投入倾向等措施来提升科研水平; 上海中医药大学、 云南中医药大学、 山西中医药大学和陕西中医药大学4所院校的技术进步和技术效率变化指数均小于1, 说明这些院校今后应该同时重视科研管理、 创新水平、 技术应用效率的提高。

表 4 为2014年-2018年中医药院校在时间维度上的全要素生产率及其分解指标的变动情况。

表 4 中医药院校科研效率年均Malmquist指数及其分解

从表 4 中数据可以看出, 从2014年-2018年中医药院校的Malmquist指数平均值为1.054, 年均全要素生产率增幅为5.4%, 分解指数值均大于1, 对全要素生产率指数值的增加起到了积极的促进作用, 从整体上来看, 2014年-2018年间我国中医药院校科研水平有所提高。

分析每年数据可以看出, 2014年-2015年、 2015年-2016年、 2017年-2018年间的Malmquist指数值小于1, 表明该时期相对于上一年来说全要素生产率水平下降, 只有2016年-2017年的指数值大于1, 其结果相反。 从技术效率变动指数和技术进步指数两方面来看, 2014年-2015年、 2015年-2016年、 2017年-2018年间, 技术效率变动比技术进步对全要素生产效率的贡献更大, 2017年-2018年间则相反。 将技术效率指数分解, 从技术变动指数、 规模效率和纯技术效率三方面来看, 规模效率与纯技术效率的变动幅度较小, 全要素生产率的变动主要是由于技术进步引起的。 2016年-2017年间, 中医药高校的变化主要得益于我国发布了多项关于中医药发展的政策, 如《中医药发展战略规划纲要(2016年-2030年)》 《“健康中国2030”规划纲要》 《中国的中医药》白皮书等政策强调, 要加强中医药的技术挖掘, 促进中医药科技创新能力提升, 突破技术壁垒。

从图 2 可以看出, 我国中医药院校Malmquist指数及其分解指标均呈现出不同的波动, 其中, 全要素生产率及技术变动指数波动较大且波动趋势相同, 说明样本院校的科研效率主要受技术变动的影响, 中医药院校要进行技术创新、 引进新的技术以提高科研效率。 技术效率变化指数、 规模效率和纯技术效率的波动幅度不大, 基本呈现先下降后上升的趋势。 在技术效率变化的影响因素中, 规模效率起主导作用, 规模效率的增长幅度超过了纯技术效率的下降幅度。 中医药院校应进一步提高科研投入的利用率, 改善科研管理水平。

图 2 中医药院校科研效率年均Malmquist指数及其分解

4 结论和建议

本文选择2014年-2018年我国24所中医药院校的科研数据, 运用DEA-BCC模型对其效率进行静态分析; 随后, 采用面板数据, 运用Malmquist方法对高校科研投入与产出进行动态分析。 结果显示, 在静态效率评价时, 仅有两所中医药院校达到了DEA有效, 科研综合效率均值为0.68, 整体科研效率偏低。 在动态效率评价时, 从分析结果可以看出24所中医药院校在2014年-2018年年间的全要素生产率水平呈下降趋势, 从要素结构分析得出, 影响全要素生产效率的主要因素是技术进步。 基于实证分析结果提出如下对策建议:

第一, 完善高校资源配置, 提高中医药院校的投入产出效率。 我国中医药院校的科研资源并没有进行充分、 有效地利用, 投入产出效率不匹配, 严重影响了科研效率发展。 24所中医药院校中, 仅有2所达到DEA有效, 达标率为8.3%, 可见, 中医药院校的科研效率仍有很大的改进空间, 中医药院校应迅速调整科技创新体系, 提高科研能力和水平, 加快科技成果转化, 优化科研队伍, 以此提升技术效率。 导致中医药院校科研效率较低的原因, 主要包括管理效率不高和规模效率不高两方面的因素。 规模效率在0.8以下的院校有天津中医药大学、 上海中医药大学、 广州中医药大学3所, 因此, 建议这3所高校对现有资源进行合理配置, 优化升级。 对于整体科研效率来讲, 在线性预测时均处于下降趋势, 由此可见, 我国中医药院校对于资源的有效利用、 技术的不断创新和进步还需加大改进力度, 完善创新体系, 使中医药院校在最优规模下得到最高的科研效率。

第二, 提升中医药院校技术水平, 促进科研效率快速发展。 当前, 中医药学已逐渐发展成为一门全球性学科, 中医药学的发展关系到世界人民健康福祉。 中医药院校应注重技术的提高, 积极推进中医药国际交流与合作, 抓住“中西医结合”的特色优势, 通过学习、 借鉴其他行业的宝贵经验, 结合不同高校自身的独特优势, 融入新方法、 新思路、 新技术等, 不断提升中医药科研技术水平。 在硬件设施上要加大投入力度, 对于设备的更新和使用, 要有专门的人员进行指导和监督, 快速促进成果转化。 同时, 要积极主动的加大与国内外先进的医院进行“产学研”合作, 共同研究新型药物和治疗手段, 以此来推动中医药院校的科研效率, 促进其快速发展。

第三, 促进中医药院校科研成果转化, 推动医科类高校持续创新。 首先, 要完善科研管理机制, 整合精简各类材料的填写和报送, 同时, 精简过程检查, 对科研人员赋予更多的决策权支持。 充分释放科研创新活力, 调动科研人员的积极性。 其次, 要提高科研人员创新意识和能力, 通过充分发挥科研人员创新主体作用, 建立健全的激励机制、 合理的利益分配机制、 良好的知识产权保护制度等, 提高中医药院校科研成果的转化和应用, 强化高校的知识产权保护意识, 提升知识产权保护力度等, 推动医科类科研成果转化为预防疾病、 治疗重症、 促进健康的技术手段和药物。 最后, 改革完善中医药科研组织、 验收和评价体系, 避免单纯采用相关科研评价方法。 突出中医药特点和发展需求, 建立科技主管部门与中医药主管部门协同联动的中医药科研规划和管理机制。