宋慧勇

(南京中醫(yī)藥大學(xué) 衛(wèi)生經(jīng)濟(jì)管理學(xué)院,江蘇 南京 210023)

0 引言

2023年7月全國高?？萍紕?chuàng)新大會(huì)指出:當(dāng)今的中國已進(jìn)入全球創(chuàng)新型國家行列,科技創(chuàng)新成為國際戰(zhàn)略博弈的主戰(zhàn)場。作為國家戰(zhàn)略科技力量的重要組成,高?？萍紕?chuàng)新勢必成為支撐教育強(qiáng)國、科技強(qiáng)國和人才強(qiáng)國的核心力量。醫(yī)藥類高校是醫(yī)藥科技創(chuàng)新體系的重要主體,而作為科技創(chuàng)新重要組成部分的醫(yī)藥科技創(chuàng)新,推動(dòng)和支撐著“健康中國”的建設(shè)[1]。因此,優(yōu)化科技創(chuàng)新資源配置、提高科技創(chuàng)新能力成為當(dāng)前推進(jìn)“健康中國高質(zhì)量發(fā)展”背景下醫(yī)藥類高校必須面對的重要挑戰(zhàn)。因此,如何有效提升醫(yī)藥類高?？萍紕?chuàng)新績效、推進(jìn)“健康中國”建設(shè)成為當(dāng)前醫(yī)藥學(xué)界關(guān)注的焦點(diǎn)。

已有相關(guān)研究大致分為3個(gè)方面。其一,在評價(jià)方法方面:廖果平等[2]采用三階段DEA模型對國內(nèi)32所“雙一流”高校近7年的創(chuàng)新效率進(jìn)行測算,發(fā)現(xiàn)多數(shù)高校未達(dá)到DEA有效且高校間創(chuàng)新效率差異較大;張海波等[3]采用DEA模型測算全國31個(gè)省份高校及東中西三大區(qū)域高校的資源配置效率并進(jìn)行差異剖析;易高峰等[4]采用模糊集定性比較法,探討我國高校產(chǎn)生科技創(chuàng)新高績效的影響因素,并提出技術(shù)市場型、產(chǎn)學(xué)合作型、“雙元”型3種驅(qū)動(dòng)高創(chuàng)新績效的核心組態(tài)路徑;馬琳等[5]運(yùn)用隨機(jī)前沿生產(chǎn)函數(shù)模型測算21所中醫(yī)藥高校的科技創(chuàng)新投入產(chǎn)出效率,發(fā)現(xiàn)同一影響因素對學(xué)術(shù)論文、發(fā)明專利等不同科研成果產(chǎn)出的效率存在顯著差異。其二,在影響因素方面:蘇薈等[6]運(yùn)用Tobit模型對影響因素進(jìn)行回歸分析,發(fā)現(xiàn)人力投入及經(jīng)費(fèi)投入分別處于“稀缺”和“冗余”的狀態(tài);朱恬恬等[7]運(yùn)用空間杜賓模型和兩階段DEA模型估算我國27個(gè)省份高校創(chuàng)新效率的空間溢出效應(yīng)及影響因素,發(fā)現(xiàn)提高產(chǎn)學(xué)合作程度有助于區(qū)域內(nèi)知識創(chuàng)新效率的提高,但對成果轉(zhuǎn)化效率無明顯的空間溢出效應(yīng);蔡文伯等[8]將科研活動(dòng)分為學(xué)術(shù)成果和經(jīng)濟(jì)效益兩個(gè)階段,采用網(wǎng)絡(luò)SBM-Tobit模型對25個(gè)省份的高?？蒲行始坝绊懸蛩剡M(jìn)行測算,指出經(jīng)濟(jì)、教育水平、人才質(zhì)量正相關(guān),不成熟的產(chǎn)業(yè)結(jié)構(gòu)和政策支持顯著負(fù)相關(guān);張薇等[9]采用三階段DEA模型對安徽省29所公辦高?？萍紕?chuàng)新效率進(jìn)行測度,發(fā)現(xiàn)環(huán)境變量對效率存在影響,且多時(shí)段定性比較表明,安徽省高校科技創(chuàng)新從財(cái)政支出主導(dǎo)型轉(zhuǎn)變?yōu)楫a(chǎn)業(yè)結(jié)構(gòu)溢出驅(qū)動(dòng)型。其三,在路徑提升方面:黃小平等[10]基于效率評價(jià)的結(jié)果總結(jié)歸納了區(qū)域高等教育系統(tǒng)面臨的挑戰(zhàn)和障礙,進(jìn)而提出了區(qū)域高校創(chuàng)新能力建設(shè)的提升路徑;唐娜等[11]通過對比指出江蘇高校的基礎(chǔ)研究經(jīng)費(fèi)投入不足、高價(jià)值專利偏少等問題,進(jìn)而提出優(yōu)化經(jīng)費(fèi)投入、提升專利質(zhì)量及成果轉(zhuǎn)化水平等建議。

綜上所述,相關(guān)文獻(xiàn)對高校科技創(chuàng)新效率及相關(guān)因素已進(jìn)行了多視角的探究,但存在不足:在研究區(qū)域上,側(cè)重全國、省域及單類高校為主,對“長三角區(qū)域”醫(yī)藥類高校研究較少;在研究內(nèi)容上,已有成果側(cè)重于關(guān)注投入產(chǎn)出現(xiàn)狀的評價(jià),對提高創(chuàng)新效率的路徑及外部因素關(guān)注不足,研究結(jié)論缺乏說服性。

當(dāng)前,重大疾病防治更多依靠科技創(chuàng)新的支撐。長三角地區(qū)是國內(nèi)醫(yī)藥科技創(chuàng)新驅(qū)動(dòng)的先行引領(lǐng)區(qū),優(yōu)化區(qū)域內(nèi)醫(yī)藥科技創(chuàng)新資源配置,對助力長三角更高質(zhì)量一體化發(fā)展和“健康中國”戰(zhàn)略落實(shí)意義重大。因此,本研究以長三角區(qū)域2012—2018年醫(yī)藥類本科院校為對象,運(yùn)用DEA-Malmquist模型對該區(qū)域醫(yī)藥類高校進(jìn)行科技創(chuàng)新效率的綜合評價(jià),依據(jù)效率測算結(jié)果進(jìn)一步分析內(nèi)外部環(huán)境因素對醫(yī)藥類高校創(chuàng)新效率的影響程度及方向。

1 研究方法及指標(biāo)構(gòu)建

基于知識生產(chǎn)函數(shù)和投入-產(chǎn)出理論,科技創(chuàng)新效率用于衡量每一單位創(chuàng)新投入轉(zhuǎn)化為創(chuàng)新成果的水平和能力,是反映配置科技創(chuàng)新資源能力的重要指標(biāo)。

1.1 DEA模型

DEA(Data Envelopment Analysis)數(shù)據(jù)包絡(luò)分析法是一種應(yīng)用廣泛的效率評價(jià)方法,其適用于評估同類型決策單元(DMU)的相對有效性,尤其對處理不定量的多投入、多產(chǎn)出決策單元的相對效率評價(jià)問題具有絕對優(yōu)勢。通常,DEA有規(guī)模報(bào)酬不變(CRS)的CCR模型和規(guī)模報(bào)酬可變(VRS)的BCC模型兩種[6]。高?？萍紕?chuàng)新效率測算屬于典型的多投入多產(chǎn)出的情形,這里采用規(guī)模報(bào)酬可變的DEA-VRS模型進(jìn)行測算。思路:首先利用保持各個(gè)決策單元投入或產(chǎn)出不變的情況,確定有效生產(chǎn)前沿面;再將這些決策單元投射到生產(chǎn)前沿面上;最后,比較各決策單元與有效前沿面的距離,進(jìn)而判定各決策單元是否達(dá)到DEA有效。

1.2 Malmquist指數(shù)

Malmquist指數(shù)法在20世紀(jì)90年代由Fare等提出,并將該理論與DEA的理論結(jié)合運(yùn)用,目前廣泛應(yīng)用于部門生產(chǎn)效率測算及更深入的比較研究,尤其適用于面板數(shù)據(jù)的分析。Malmquist指數(shù)又稱全要素生產(chǎn)率,用于動(dòng)態(tài)觀察跨時(shí)期的效率變化趨勢。其表達(dá)公式如下:

(1)

式(1)中:Dt(xt,yt)和Dt(xt+1,yt+1)分別代表以t時(shí)期為參照的t和t+1時(shí)期的距離函數(shù);Dt+1(xt,yt)和Dt+1(xt+1,yt+1)分別代表以t+1時(shí)期為參照的t和t+1時(shí)期的距離函數(shù)。M>1代表從第t到第t+1期的全要素生產(chǎn)率上升;M<1表示全要素生產(chǎn)率下降;M=1表示考察期內(nèi)全要素生產(chǎn)率不變。

1.3 指標(biāo)構(gòu)建及數(shù)據(jù)說明

科技創(chuàng)新過程復(fù)雜,將高?？萍紕?chuàng)新看作是知識生產(chǎn)過程中人財(cái)物的產(chǎn)物。借鑒國內(nèi)外高?？萍紕?chuàng)新績效評價(jià)相關(guān)指標(biāo)選取規(guī)則,遵循醫(yī)藥類高校特點(diǎn),基于指標(biāo)數(shù)據(jù)的代表性和可得性,最終選取研究與發(fā)展人員全時(shí)當(dāng)量(人年)和科技經(jīng)費(fèi)支出(千元)作為科研創(chuàng)新投入要素,專著(部)、發(fā)表學(xué)術(shù)論文(篇)和鑒定成果(項(xiàng))作為創(chuàng)新產(chǎn)出。有學(xué)者選擇“成果技術(shù)轉(zhuǎn)讓收入”為經(jīng)濟(jì)產(chǎn)出指標(biāo)[12],但研究期內(nèi)多數(shù)醫(yī)藥類院校的數(shù)據(jù)為0,故本文暫未考慮此項(xiàng)指標(biāo)。

研究對象為長三角區(qū)域11所醫(yī)藥類高校,數(shù)據(jù)來自《高等學(xué)校科技統(tǒng)計(jì)資料匯編》(2012—2018年),基礎(chǔ)數(shù)據(jù)如表1所示。短期來看,創(chuàng)新從投入到產(chǎn)出存在滯后,通常的處理是假設(shè)產(chǎn)出比投入滯后1年;但從長期看,產(chǎn)出與投入之間保持相對穩(wěn)定的關(guān)系,鑒于科學(xué)研究本身亦具有連續(xù)性,故這里利用連續(xù)7年的數(shù)據(jù)時(shí)不作滯后性處理。DEA方法要求投入產(chǎn)出要素符合同向性假設(shè),即投入增加,產(chǎn)出不得減少[6]。采用Pearson相關(guān)性檢驗(yàn),發(fā)現(xiàn)不同年份的投入產(chǎn)出要素間均呈現(xiàn)較強(qiáng)的正相關(guān)關(guān)系,且均通過1%顯著性下的雙尾檢驗(yàn),符合DEA模型同向性假設(shè)。

2 科技創(chuàng)新效率分析

首先,采用DEA-VRS模型測算特定時(shí)間界面的靜態(tài)效率,橫向比較各醫(yī)藥類高校的科技創(chuàng)新效率;其次,運(yùn)用Malmquist指數(shù)法,對面板數(shù)據(jù)進(jìn)行測算,從時(shí)間維度進(jìn)一步揭示各DMU單元效率值的動(dòng)態(tài)變化趨勢。

2.1 靜態(tài)效率分析

技術(shù)效率為純技術(shù)效率與規(guī)模效率的乘積。各DMU單元的效率值越接近1,表示其效率越高。表2中,drs和irs分別表示規(guī)模報(bào)酬遞減和遞增。由表2可知:醫(yī)藥類高校綜合技術(shù)效率均值僅為0.826,規(guī)模效率均值(0.92)優(yōu)于純技術(shù)效率(0.894);純技術(shù)效率為1的DMU有7所,純技術(shù)效率和規(guī)模效率均為1的DMU共計(jì)5所,其中DMU1(上海中醫(yī)藥大學(xué))、DMU10(皖南醫(yī)學(xué)院)未實(shí)現(xiàn)DEA有效是由于規(guī)模效率小于1,表明這兩所高校的管理水平和制度體系最優(yōu),由于當(dāng)前的創(chuàng)新投入(或產(chǎn)出)規(guī)模不當(dāng)、資源配置不佳,與最優(yōu)規(guī)模存在一定差距,規(guī)模效率仍有提升空間。

表2 長三角醫(yī)藥類高?？蒲袆?chuàng)新效率均值

2.2 冗余值分析

非DEA有效DMU的投入產(chǎn)出冗余如表3所示。結(jié)合表2可知,純技術(shù)效率為1的7所高校無須調(diào)整投入或產(chǎn)出,冗余值為0(表3中未列出)。純技術(shù)效率小于1的高校:以溫州醫(yī)科大學(xué)為例,非DEA有效是由于產(chǎn)出不足所致,增加1.698部專著即可達(dá)到DEA有效;而徐州醫(yī)學(xué)院存在科研人力投入冗余,中國藥科大學(xué)則存在投入冗余和產(chǎn)出不足并存現(xiàn)象。

表3 非DEA有效單元冗余值

2.3 動(dòng)態(tài)效率分析

為進(jìn)一步分析長三角醫(yī)藥類高?？萍紕?chuàng)新效率動(dòng)態(tài)變化趨勢,運(yùn)用Malmquist指數(shù)測算2012—2018年11所醫(yī)藥類高校的創(chuàng)新效率,分析其研究期內(nèi)的動(dòng)態(tài)變化趨勢?；诋a(chǎn)出導(dǎo)向的T到T+1時(shí)期Malmquist全要素生產(chǎn)率變動(dòng)指數(shù)(TFPch),即Malmquist指數(shù)可分解為技術(shù)效率變動(dòng)指數(shù)(Effch)與技術(shù)進(jìn)步變動(dòng)指數(shù)(TEch)的乘積。

2.3.1 從時(shí)間維度看

7年期間Malmquist指數(shù)年均值0.894<1,表明該地區(qū)醫(yī)藥類高校科技創(chuàng)新全要素生產(chǎn)率年均增長率呈下降趨勢,年均下降10.6%。僅2014—2015和2016—2017年兩個(gè)時(shí)期呈現(xiàn)不同程度的正增長(增長幅度依次為2.9%、16%),技術(shù)進(jìn)步變動(dòng)指數(shù)(TEch)和技術(shù)效率變動(dòng)指數(shù)(Effch)均值分別為-5.0%和-5.9%,表明每年由于技術(shù)創(chuàng)新及應(yīng)用層面的退步阻礙了全要素生產(chǎn)率的提升,降幅為5%。由于科技生產(chǎn)資源配置和利用效率下降導(dǎo)致全要素生產(chǎn)率年均5.9%的降幅,其中純技術(shù)效率變動(dòng)指數(shù)(PEch) 和規(guī)模效率變動(dòng)指數(shù)(SEch)均值分別為0.969、0.971,樣本期純技術(shù)效率和規(guī)模效率值均出現(xiàn)下降(見表4)。

表4 長三角醫(yī)藥類高校科技創(chuàng)新效率的Malmquist指數(shù)及其分解

2.3.2 從不同決策單元視角看

南京醫(yī)科大學(xué)、徐州醫(yī)學(xué)院、溫州醫(yī)科大學(xué)、浙江中醫(yī)藥大學(xué)、蚌埠醫(yī)學(xué)院、安徽中醫(yī)藥大學(xué)這6所高校全要素生產(chǎn)率(TFPch)低于平均值,另有3所高校(上海中醫(yī)藥大學(xué)、南京中醫(yī)藥大學(xué)和安徽醫(yī)科大學(xué))的Malmquist指數(shù)呈現(xiàn)增長態(tài)勢(大于1)(見表5)。從全要素生產(chǎn)率可知,長三角大多數(shù)醫(yī)藥類高?？萍紕?chuàng)新的效率有待提高。(1)多數(shù)高校技術(shù)進(jìn)步率指數(shù)(TEch)下降,高校間效率變動(dòng)差距大。11所高校中僅上海中醫(yī)藥大學(xué)、中國藥科大學(xué)、安徽醫(yī)科大學(xué)3所高校技術(shù)進(jìn)步效率上升,浙江中醫(yī)藥大學(xué)技術(shù)進(jìn)步率降幅最大(14.9%),上海中醫(yī)藥大學(xué)技術(shù)進(jìn)步率提升幅度最大(2%)。(2)技術(shù)進(jìn)步變動(dòng)指數(shù)(TEch)為0.950,說明多數(shù)高校技術(shù)效率和規(guī)模效率仍有改善的空間。溫州醫(yī)科大學(xué)的規(guī)模效率最低(小于0.9),蚌埠醫(yī)學(xué)院、徐州醫(yī)學(xué)院和安徽中醫(yī)藥大學(xué)的純技術(shù)效率值小于0.9,溫州醫(yī)科大學(xué)、蚌埠醫(yī)學(xué)院和安徽中醫(yī)藥大學(xué)3所高校的技術(shù)效率值均低于0.9。

表5 2012—2018年長三角醫(yī)藥類高?？蒲袆?chuàng)新效率Malmquist指數(shù)及其分解指標(biāo)

2.4 綜合分析

依據(jù)綜合效率和Malmquist指數(shù)值將醫(yī)藥類高校分為4類(見表6)。

表6 醫(yī)藥類高校綜合效率分類

Ⅰ類屬于科技創(chuàng)新成果轉(zhuǎn)化高效且創(chuàng)新效率得到提高的一類,包括上海中醫(yī)藥大學(xué)、南京中醫(yī)藥大學(xué)和安徽醫(yī)科大學(xué)3所高校。這類高校處于創(chuàng)新的有效前沿面,資源配置優(yōu),今后仍需保持技術(shù)創(chuàng)新與技術(shù)引進(jìn),進(jìn)一步發(fā)揮其在醫(yī)藥類高?？萍紕?chuàng)新中的領(lǐng)先地位。

Ⅱ類屬于科技成果轉(zhuǎn)化高效但創(chuàng)新效率未得到有效提高的一類,包括中國藥科大學(xué)、南京醫(yī)科大學(xué)、徐州醫(yī)學(xué)院、浙江中醫(yī)藥大學(xué)、皖南醫(yī)學(xué)院,其Malmquist指數(shù)小于1主要是由于技術(shù)進(jìn)步的下降,這類高校應(yīng)重視技術(shù)的創(chuàng)新與應(yīng)用。

Ⅲ類屬于科技成果轉(zhuǎn)化低效但創(chuàng)新效率得到提高的一類,這類高?？杖薄?/p>

Ⅳ類屬于科技成果轉(zhuǎn)化低效且創(chuàng)新效率未實(shí)現(xiàn)提升的高校,包括溫州醫(yī)科大學(xué)、蚌埠醫(yī)學(xué)院和安徽中醫(yī)藥大學(xué)。這類高校的規(guī)模效率較低,應(yīng)從科研投入、人員技能培訓(xùn)等方面優(yōu)化資源配置,以增強(qiáng)此類高校的創(chuàng)新成果轉(zhuǎn)化能力,提升創(chuàng)新效率。

3 總結(jié)及建議

3.1 研究結(jié)論

(1)從整體來看,長三角醫(yī)藥類高校創(chuàng)新效率有待提高。研究期內(nèi),全要素生產(chǎn)率呈下降趨勢,且技術(shù)進(jìn)步和技術(shù)效率均呈下降趨勢。技術(shù)進(jìn)步率是影響高?？萍紕?chuàng)新全要素生產(chǎn)率變動(dòng)的重要因子。

(2)從個(gè)體來看,大多數(shù)高校技術(shù)進(jìn)步率下降,高校間效率變動(dòng)差距大。11所高校技術(shù)效率變動(dòng)主要源于純技術(shù)效率的波動(dòng),且兩者變動(dòng)趨勢大體一致。其中有2所高校純技術(shù)效率有不同程度提高,另有5所高校純技術(shù)效率保持不變。6所高校全要素生產(chǎn)率低于平均值,另有3所高校的Malmquist指數(shù)呈現(xiàn)增長態(tài)勢。從全要素生產(chǎn)率可知,長三角大多數(shù)醫(yī)藥類高?？萍紕?chuàng)新的效率有待提高。技術(shù)進(jìn)步變動(dòng)指數(shù)為0.941,說明多數(shù)高校綜合技術(shù)效率和規(guī)模效率仍有改善的空間。

3.2 對策與建議

(1)高校要優(yōu)化區(qū)域醫(yī)藥科技創(chuàng)新資源的協(xié)同配置,增強(qiáng)戰(zhàn)略協(xié)同意識。鑒于多數(shù)高校技術(shù)進(jìn)步率下降且高校間效率變動(dòng)差距大,從提升區(qū)域內(nèi)整體醫(yī)藥科技資源配置的視角出發(fā),區(qū)域內(nèi)高校應(yīng)增強(qiáng)與其他科技創(chuàng)新主體之間的戰(zhàn)略協(xié)同。醫(yī)藥類高校要聚焦長三角區(qū)域發(fā)展關(guān)鍵領(lǐng)域,加強(qiáng)與區(qū)域內(nèi)其他醫(yī)藥科技創(chuàng)新主體的資源聯(lián)動(dòng)。一方面,高校要從自身優(yōu)勢出發(fā),進(jìn)一步加強(qiáng)對優(yōu)勢學(xué)科、關(guān)鍵領(lǐng)域的原始創(chuàng)新和基礎(chǔ)研究、應(yīng)用研究的重視,同時(shí)保持與醫(yī)藥類企業(yè)的緊密合作。另一方面,高校要積極構(gòu)建穩(wěn)定持續(xù)的產(chǎn)學(xué)研合作體系,推進(jìn)醫(yī)藥成果轉(zhuǎn)化及技術(shù)轉(zhuǎn)移,增加研發(fā)創(chuàng)新經(jīng)費(fèi)來源[5]。

(2)醫(yī)藥類企業(yè)要積極發(fā)揮其在開放性創(chuàng)新中的主導(dǎo)作用,將高校納入產(chǎn)業(yè)聯(lián)盟,謀求校企之間的長久互利共贏。一方面,企業(yè)可借鑒英德等國的經(jīng)驗(yàn),支持高校和科研機(jī)構(gòu)與企業(yè)長期保持緊密合作,以產(chǎn)業(yè)聯(lián)盟促進(jìn)醫(yī)藥科技創(chuàng)新,創(chuàng)新投入和管理由企業(yè)負(fù)責(zé),基礎(chǔ)研究和應(yīng)用研究則由高校負(fù)責(zé)[13]。另一方面,在“健康中國”背景下,醫(yī)藥類企業(yè)要進(jìn)一步增加重點(diǎn)領(lǐng)域的基礎(chǔ)創(chuàng)新投入[1],強(qiáng)化產(chǎn)學(xué)研協(xié)同創(chuàng)新發(fā)展。

(3)政府要發(fā)揮引導(dǎo)和扶持作用,積極創(chuàng)新醫(yī)藥科技體系。一是加大對從事基礎(chǔ)研究和應(yīng)用研究的醫(yī)藥類高校、科研院所等的基礎(chǔ)研發(fā)創(chuàng)新投入,完善激勵(lì)評價(jià)機(jī)制,促進(jìn)成果落地應(yīng)用。二是提供戰(zhàn)略支持,完善相關(guān)制度和法律法規(guī)。科學(xué)的科研管理體制有助于激發(fā)科研人員的創(chuàng)新活力,提升創(chuàng)新績效;積極的科研環(huán)境及科學(xué)的人才評價(jià)制度能充分調(diào)動(dòng)高?？蒲腥瞬诺闹饔^能動(dòng)性,充分發(fā)揮醫(yī)藥類高校在國家醫(yī)科科技創(chuàng)新體系中的重要角色。

4 結(jié)語

“健康中國”的建設(shè)離不開醫(yī)藥科技創(chuàng)新。因此,如何優(yōu)化醫(yī)藥科技創(chuàng)新資源配置,提高醫(yī)藥科技創(chuàng)新能力,推進(jìn)“健康中國”建設(shè)值得當(dāng)前醫(yī)藥學(xué)界持續(xù)關(guān)注,更需要醫(yī)藥類高校、科研院所、企業(yè)及政府多方的共同努力。