医学博士后科研流动 (工作)站投入产出效率评价研究

马宁玲，王修来，胡恩华，孙 芳，孙建东,3

(1.南京航空航天大学经济与管理学院，江苏 南京 210016；2.东部战区总医院，江苏 南京 210002；3.桂林航天工业学院航天文化研究中心，广西 桂林 541004)

0 引言

我国博士后制度30多年的发展历程表明，博士后科研流动 (工作)站是招引海内外优秀博士从事博士后研究工作的组织，是凝聚和培养高端人才的重要载体[1]。近些年来，医学博士后站数量紧随工学和理学之后，位居全国第三位。同时，医学博士后人才培养及其科研成果投入产出效率高低直接关系到人们的生命安全和健康水平。因此，全国医学博士后站的投入产出效率研究具有代表意义[2-3]。

过往人们衡量和评价博士后站整体建设水平和人才培养质量的高低，主要是考核评价各站点博士后日常管理工作成效和博士后个体绩效，少有人从博士后站点投入产出效率评价方面进行研究。投入与产出效率评价方法很多，数据包络分析 (Data Envelopment Analysis，DEA)方法[4]是其中普遍适用的一种科学方法。Harpreet Kaur[5]利用DEA模型评估了印度旁遮普政府学院资源利用效率，发现该学院资源使用效率处于中等有效水平；Munoz[6]利用DEA模型评价智利高等教育机构的研究效率，发现智利只有几所大学的研究效率是有效的；王辉[7]利用DEA-BCC模型比较分析2003—2013年我国高校科技创新效率，认为高校科技创新效率整体情况较好；黄小平[9]构建区域高校科技创新能力绩效评价指标体系，运用DEA模型对Z省高校的规模效率、纯技术效率和综合效率进行总体评价，总结归纳区域高等教育系统面临的挑战和制约性因素，提出区域高校系统科技创新能力建设的提升路径。

基于DEA方法对医学博士后站投入产出效率进行评价，关键在于投入产出数据的真实性以及数据样本的选择。本文选取2015年全国医学博士后站点评估的真实数据，即从各站点设立之日到评估之日的累计数据，运用DEA模型和超效率DEA模型对各博士后站的博士后人数、合作导师人数、科研条件、经费投入和科技产出等数据进行建模分析，从中得出医学博士后站投入与产出的总体效率，针对少数博士后站总体效率不高的现象及其影响因素，提出相应对策建议，以期进一步提高医学博士后站投入产出的整体效率，促进全国博士后站建设水平和高层次人才培养质量的提升，因此具有一定的学术价值和现实指导意义。

1 研究方法和指标选取

1.1 DEA 模型构建

DEA是一种效率评价方法，是在保持投入产出不变的条件下，利用统计数据和数学规划方法找到相对有效的生产前沿面，比较决策单元投影到生产前沿面上偏离前沿面的程度，评价其相对有效性[10]。DEA具有多种评价模型，本文拟采用CCR模型 (因由运筹学家Charnes、Cooper 和Rhodes提出而简称CCR模型)和BCC模型 (因由Banker、Charmes 和Cooper提出而简称BCC模型)[11-12]对医学博士后科研流动 (工作)站效率和相对效率进行评价。

假设有n个决策单元 (Decision Making Units，DMU)，p种投入要素，q种产出要素。其中，投入要素表示为xij(i=1,2,…,n;j=1,2,…,p)，产出要素表示为yig(i=1,2,…,n;g=1,2,…,q)，其中xij>0，yig≥0。第i个决策单元用DMUi表示，其中Xi表示投入变量，即Xi= (xi1,xi2,…,xip)；Yi表示产出变量，即Yi= (yi1,yi2,…,yiq)。以第k个决策单元的效率为目标，构建CCR模型：

(1)

式中，ug表示第g种产出的权重，vj表示第j种投入的权重。将 (1)转化为对偶形式为：

minθ

min[θ-ε(eTs-+eTs+]=V(ε)

(2)

其中，s-为各决策单元投入指标的松弛变量，s+为各决策单元产出指标的松弛变量，ε是无穷小，λi为一个n×1的常数向量。当综合效率θ=1，s-≠0或s+≠0时，表示决策单元为弱DEA有效；当综合效率θ=1，s-=0且s+=0时，表示决策单元为DEA有效；当θ<1时，表示决策单元DEA无效。

1.2 数据来源

本文数据源于参加2015年度全国博士后站点评估的51家医学博士后站，分布全国东、中部经济较发达的省市。其中，医学博士后科研流动站28个，医学博士后科研工作站23个。本研究的数据样本总体上反映了医学博士后站投入产出效率的实际情况。根据对51个医学博士后站的重点学科数量、国家重点实验室数量、国家级研究基地数量、博士后研究人员招收总数、博士后合作导师人数、系统内部经费、设站单位上级主管部门经费、设站单位经费、流动站经费、国内外期刊和会议论文 (SCI/SSCI/CSSCI/EI/中文核心等)收录数量、专著数量、专利数等信息进行统计，A医院博士后科研工作站产出和投入数据见表1。

表1 A医院博士后科研工作站投入产出数据

1.3 指标选取

博士后科研流动 (工作)站是一个多投入、多产出的复杂系统，投入包括人力、财力、物力等方面，产出包括多项科研成果产出。DEA评价模型中投入、产出指标的选取是最重要的环节[13]。指标选取要客观反映医学博士后站投入产出的实际情况和评价目的。医学博士后站的投入产出效率评价指标体系见表2。

表2 医学博士后站投入产出效率评价指标体系

人才投入是博士后科研流动 (工作)站科研创新的基础，博士后在站期间形成的科研成果均为博士后与导师共同完成。因此，博士后研究人员招收总数和博士后合作导师数量作为本研究的两个投入指标。

科研经费是博士后站开展科研创新的经济基础，它为博士后研究人员进行创新型、探索性前沿研究提供了保障。因此，科研经费作为本研究的一个投入指标。

科研设施为博士后站科研创新提供了重要的科研条件和环境。博士后科研流动 (工作)站的重点学科数量、重点实验室 (研究中心)数量、研究基地数量等纳入本研究的投入指标。

科技成果是博士后研究人员在站期间的科研产出，是在合作导师指导下形成的基础研究、应用研究等成果，形式包括学术论文、著作、专利、科研奖励和科研效益。因此，博士后科研流动 (工作)站的科技成果作为本研究的产出指标。

本研究中选取的投入指标与产出指标因量纲不统一而导致DEA模型应用困难。归一化方法是常用无量纲处理手段，它能够有效解决研究过程中出现的量纲不统一问题[13-14]。因此，采用 《XX医科大学科研统计办法》对两类指标进行量纲归一化处理，解决了本研究中出现的博士后科研成果量纲不统一问题。

2 实证结果与分析

51个医学博士后科研流动 (工作)站的评估数据显示如下。

(1)28个医学博士后科研流动站，包括重点学科、重点实验室、研究基地，总数为110个，其中单一博士后科研流动站最多拥有17个；博士后研究人员总数为1640人，其中单一博士后科研流动站博士后研究人员最多为251人；博士后合作导师总数为1114人，其中单一博士后科研流动站博士后合作导师最多为195人；经费投入总数为29889.93万元，其中单一博士后科研流动站经费投入最多为5034.7万元。

(2)23个医学博士后科研工作站，包含重点学科、重点实验室、研究基地，总数为436个，其中单一博士后科研工作站最多拥有69个；博士后研究人员总数为882人，其中单一博士后科研工作站在站博士后最多为249人；博士后合作导师总数为282人，其中单一博士后科研工作站具有最多合作导师人数为47人；经费投入总数为22569.98万元，其中单一博士后科研工作站最多投入经费总额为4027万元。

本文采用DEAP2.1对博士后站投入产出效率进行DEA分析，再通过EMS1.3对DEA 有效的博士后站投入产出进行超效率DEA分析。

2.1 DEA效率分析

DEAP2.1软件对23个医学博士后工作站和28个流动站的投入产出分析结果见表3和表4。

表3 23个医学博士后科研工作站投入产出效率DEA分析

表4 28个医学博士后科研流动站投入产出效率DEA分析

23个博士后科研工作站和28个博士后科研流动站效率DEA分析结果统计见表5和表6。

表5 23个医学博士后科研工作站效率DEA分析结果统计

表6 28个医学博士后流动站效率DEA分析结果统计

(1)总体效率。从表5和表6可见，医学博士后站总体效率不高，其中工作站的总体效率略高于流动站。博士后科研工作站的平均总体效率是0.675，比流动站的平均总体效率 (0.625)高0.05。23个博士后科研工作站总体效率有效的有8个，占工作站总数的34.8%，而28个博士后科研流动站总体效率有效的有5个，占流动站总数的17.9%，说明8个工作站和5个流动站的资源投入得到充分利用，达到最佳产出，且工作站资源利用情况明显优于流动站。博士后科研工作站和科研流动站总体效率非有效的站点数量分别为15个 (65.2%)和23个 (82.1%)，说明医学博士后站存在投入过剩或产出不足，或者规模过大或偏小的问题。导致这一问题的根本原因是资源配置不合理，主要表现在：①科技人力资源配置不合理。博士后合作导师投入过多，博士后人员数量投入过少，会导致博士后合作导师任务繁重，科研精力分散；博士后合作导师投入过少，博士后人员投入过多会导致博士后无法得到导师的及时和全面指导。②资金配置不合理。针对重大科研攻关项目、基础性和前沿性科研项目预算资金相对较多，但是科研成果产出数量不多，质量不理想，与资金投入不匹配；而横向课题或单位自主立项的科研项目预算资金相对较少，但科研成果数量和质量却比较理想，导致博士后站未实现财力效益的最大化。③科技物力资源配置不合理。科研硬件投入较少会降低人才的吸引力，甚至会减少科研项目经费。23个医学博士后科研工作站总体效率最低的是0.145，其技术效率和规模效率分别是1.000、0.145，可见该工作站总体效率偏低主要是由规模效率过低导致的。

(2)纯技术效率。由表5和表6可见，医学博士后站纯技术效率较高，其中工作站的纯技术效率略低于流动站。医学博士后科研工作站的平均纯技术效率是0.805，比流动站的平均纯技术效率 (0.821)低0.016。23个医学博士后科研工作站纯技术效率有效的有13个，占工作站总数的56.5%，而28个医学博士后科研流动站纯技术效率有效的有12个，占流动站总数的42.9%，说明这些流动 (工作)站在现有投入资源下，实现了最大产出。医学博士后科研工作站和流动站纯技术效率非有效的站点数量分别为10个 (43.5%)和16个 (57.1%)，说明这些博士后站的纯技术效率还有待提高。影响纯技术效率水平的因素有：①设站单位的科研和管理水平不足是导致纯技术效率未实现最优的主要原因。除此之外，独创性、原创性的基础研究项目较少，基础研究科研经费投入与应用研究、试验发展研究相比仍存在较大差距也是影响纯技术效率的关键因素。②每年用于基础设施和实验设备建设的资金不足，实验设备老旧、仪器低端，科研资源数据库不足，这些都是造成纯技术效率未实现最优的因素。从纯技术效率非有效的博士后站可以看出，这些单位地处发达地区并非偏远地区，一个重要原因是这些设站单位基础设施完善、资源相对充足、政策条件较为优越，但却更容易安于现状，竞争意识淡薄，科技创新能力不足，没有形成独具特色的核心竞争力。相反，偏远地区的设站单位面临转型发展中的“压力”和“危机”，却不断优化管理，提升自身技术水平和条件，从而以最低消耗获得最大效益和产出。

纯技术效率结果可以为医学博士后科研流动 (工作)站后续建设的科研投入和经费分配提供数据支撑。后续投入一方面对需要建设更强竞争力单位、重点学科进行持续性投资，另一方面大力扶持偏远地区科研条件建设，加大科研经费投入，进而提高医学博士后科研流动 (工作)站纯技术效率。

(3)规模效率。由表5和表6可见，博士后站规模效率较高，其中工作站的规模效率略高于流动站。医学博士后科研工作站的平均规模效率是0.821，比流动站的平均规模效率 (0.744)高0.077。23个博士后科研工作站规模效率有效的有10个，占工作站总数的43.5%，而28个博士后科研流动站规模效率有效的有6个，占流动站总数的21.4%。博士后科研工作站规模效率非有效的站点数量为13个 (43.5%)，其中规模收益递增的有12个站 (56.5%)，规模收益递减的有1个站。博士后科研流动站规模效率非有效的站点数量为22个 (78.5%)，其中规模收益递增和递减的都有11个站。

医学博士后科研流动站的规模效率体现了流动站科研产出能力还有较大提升空间，需要加大科研条件方面投入。医学博士后科研工作站的规模效率方面还有待提升空间，后续在科研条件、科研经费投入、博士后师资力量上继续加大投入。

2.2 超效率分析

由表5和表6可见，5个博士后科研流动站和8个工作站的投入产出总体效率是有效的，但DEAP2.1软件分析的有效博士后站总体效率结果均为 1，无法区分有效博士后站效率的高低，因此可进行超效率分析。

超效率模型最早由Peterson和Andersen提出。超效率模型的核心是将被评价决策单元的效率参考其他决策单元构成的前沿得出，有效的决策单元的超效率值一般都会大于1，从而可以对有效决策单元进行区分和排序[12]。因此，利用EMS1.3软件分别对5个科研流动站和8个科研工作站总体效率有效的投入产出进行超效率分析，按超效率值从大到小进行排序，见表7和表8。

表7 8个博士后科研工作站超效率分析

表8 5个博士后科研流动站超效率分析

可以看出，5个科研流动站和8个科研工作站超效率存在差异，超效率值排名越靠前，说明该博士后站资源配置越合理，利用效率越高。其中，9号工作站的超效率值为big，意味着它的后续投入和产出已然是有效的；还有16号、6号、10号、7号博士后科研工作站的超效率也都超过了100%，而11号、23号、8号博士后科研工作站的超效率不足100%。5个博士后科研流动的超效率都超过了100%，总体效率较好。

2.3 不同投入指标组合下DEA效率均值

博士后站的投入指标是决策单元可以决定的，因此逐个去除投入指标，再利用DEAP2.1测算博士后科研流动 (工作)站的相对效率，判断不同投入指标对其相对效率的影响。去除某一指标后的总体效率、纯技术效率、规模效率均值见表9和表10。

表9 23个医学博士后科研工作站不同投入指标组合下DEA效率均值

表10 28个医学博士后科研流动站不同投入指标组合下DEA效率均值

将有4个投入指标的方案5作为对照组，去除博士后站科研设施的方案作为方案1，去除博士后研究人员招收总数的方案作为方案2，去除博士后合作导师人数的方案作为方案3，去除科研经费的方案作为方案4。结果显示，无论是博士后科研流动站，还是博士后科研工作站，方案4的总体效率、纯技术效率和规模效率均最低，即科研经费对博士后站的相对效率影响最大。

3 结论与建议

3.1 结论

由DEA 模型和超效率DEA模型分析结果发现，医学博士后站总体效率不高，其中工作站的总体效率略高于流动站；医学博士后站纯技术效率较高，其中工作站的总体效率略低于流动站；医学博士后站规模效率较高，其中工作站的总体效率略高于流动站。结果还发现，博士后科研工作站总体效率有效的数量虽然多于流动站，但是其超效率的总体情况却不如流动站；科研经费对博士后站的相对效率影响最大。

3.2 建议

医学博士后科研流动 (工作)站投入产出效率不高，主要存在以下3个方面的问题：①设站单位的资源供给和配置能力不足，投入模式欠科学，投入结构、投入规模需要进一步调整和完善；②设站单位内部体系不合理，管理模式待完善；③不同设站单位创新能力存在差异性、科研绩效表现不稳定，从总体上影响了博士后站在社会经济发展中的供给能力。基于以上问题，提出以下建议。

(1)优化设站单位内部资源配置方式，实现均衡投入，提高科研产出效率。具体是将现有科研资源进行重组和优化，集中力量把优质资源投入前沿学科、特色学科和优势学科上。另外，从设站单位发展的实践经验看，仅提高硬件投入并不一定会提升设站单位的学术生产力，还需要高水平的学术大师，以及科学的人才培养和管理模式。

(2)完善高层次人才引进和培养政策。不同设站单位之间效率的差异很大程度上是博士后和合作导师在数量和质量上的差异。设站单位应通过良好的发展平台、优厚的薪资待遇和充足的科研经费等吸引高层次人才，增强高层次人才对其文化的认同，从而使得高层次人才长期稳定的为设站单位提供服务。同时，在博士后人才队伍建设中，要严格落实人才队伍考核机制，不定期抽查设站单位博士后的科研水平，从而提升人才队伍的整体水平。根据学科建设统筹规划，优化人才分布和学科体系格局，促进博士后站形成良好的发展态势。

3.3 下一步工作

现实情况是，当博士后站点投入总量大致相等、博士后人才队伍基本不变、科研基础设施条件基本相同的情况下，影响博士后站投入产出效率的因素主要有：①博士后科研经费投入的合理性，包括投向是否突出重点、投量是否恰当等；②博士后研究人员激励机制是否健全；③博士后科技成果转化机制是否完善；④博士后科研基础设施、装备包括先进技术条件、软件开发利用机制是否配套。因此，必须深入研究分析影响博士后投入与产出效率的影响因素，找出问题的根源或症结所在，制订相应的配套措施，健全相应的规范化制度，并付诸实施，唯有如此才能有效提高博士后站点投入产出效率。