基于DEA-Malmquist-Tobit模型的广东省医学技术创新效率研究

■ 魏裕涛 许荣庭 周凌明 梁凯桐 周增桓 张竞之 杨亚军

近年来，越来越多的学者开展评价医学技术创新效率的研究，采用的研究方法种类和得到结论各不相同[1-10]。现有研究存在以下局限性：（1）产出指标过于侧重论文，尤其是SCI论文，不符合新时代的科技政策要求，没有形成科学、合理的科研评价指标体系；（2）较多研究采用单个年份的数据进行测评，停留在静态分析的层面；（3）较少研究会提及影响医学技术创新效率的因素，尤其是忽略了外部环境的影响。我国医疗卫生体系中，三级医院是集医疗服务、人才培训和科学研究于一体的医疗综合体，是医学技术研发和应用的主要载体，能真实地反映该区域的医学科研发展情况[6，10]。有鉴于此，本研究拟运用数据包络分析、Malmquist指数模型和Tobit回归方程，对“十四五”期间广东省19所三级医院的技术创新效率开展实证研究，并尝试提出医学技术创新能力的提升建议。

1 资料与方法

1.1 资料来源

以广东省为研究区域，随机抽取该区域内19所三级医院（含三甲医院）为研究载体。对19所医院进行编号（DMU1～DMU19），对其十三五期间（2016-2020年）的科研效率进行测评。参评医院的数据来源主要包括：（1）广东省教育厅所颁布的《广东省普通高等学校科研统计手册》；（2）科学引文索引数据库核心版（SCIE）、中国专利检索系统（CPRS）、中国知网（CNKI）等数据库；（3）有关政府部门统计年鉴资料等。

1.2 研究方法

1.2.1 数据包络分析（DEA）。DEA能同时综合评价多个投入和产出指标，计算每个决策单元的相对效率水平[11]。其中，静态评价方法常见有CCR和BCC两类模型，区别在于CCR模型是在规模报酬不变的情况下对决策单元进行的综合效率评价，BCC模型是在规模报酬可变情况下进行的效率评价。在本研究中，由于三级医院科研的投入与产出是复杂的组合行为，更适用基于“生产技术规模收益可变”假设下的BCC模型，其评价标准主要为每个决策单元的综合效率 (OTE) 由规模效率(SE) 和纯技术效率 (PTE) 两部分组成[12]。三者关系：OTE=SE×PTE。

1.2.2 Malmquist指数方法。传统DEA模型只能测算各个决策单元的静态效率，为了观察跨年份的动态发展情况，本文使用Malmquist指数来计算三级医院科研动态效率。Malmquist指数用于生产效率变化的测算[13]。Malmquist指数全要素生产率（TFPCH）可以分解为技术进步效率（TECH）和技术效率（EFFCH），其中技术效率又可以进一步分解为纯技术效率（PECH）与规模效率（SECH）。Malmquist指数也可以由技术进步、纯技术效率和规模效率的乘积表示[14]。四者关系：TFPCH=TECH×(PECH×SECH)。

1.2.3 Tobit模型。本研究采用Stata软件的Tobit模型建立回归方程，挖掘影响技术创新效率的因素。原因如下：方程因变量是各决策单元的效率值，DEA模型计算出来的效率值介于[0，1]之间，属于截断数据，不适用于最小二乘法（OLS）回归模型，而Tobit模型适用于受限数据的研究，基于最大似然估计原理的Tobit模型能避免因被解释变量满足某种约束条件下取值产生较大偏差[15]。

1.3 构建评价指标

科研创新是知识在生产过程中伴随着人力和物力等资源产生的成果[16]，故投入指标范围应按照人、财和物3个维度进行遴选，因此本研究选取科研总人数、科研总经费和平台数作为医院科研的投入指标。

科研产出方面，各学者对指标的选择存在较大分歧。近年来，随着《关于深化项目评审、人才评价、机构评估改革的若干意见》等国家文件出台[17]，扭转了过去“只看科研产出，不看学出贡献”和“唯SCI论文”等倾向。当前科研评价指标及方式发生较大转变，倡导以高质量的科研产出、优秀的创新发明和成果转化效益代替唯项目、唯论文的标准。由于大多数三级公立医院缺乏产学研转化渠道，科研成果转化较为罕见，在综合考虑了数据的代表性、可操作性和完备性等原则以后，本文最终选取了“高水平期刊论文”和“专利拥有数”这两项指标，分别代表高质量科研产出和优秀创新发明这两个维度。

Tobit模型的影响因素遴选一般可分为内部和外部两类，但不包含DEA模型选取的投入、产出指标。医院科研绩效可能会受到资源配置、人才结构的内部因素影响，也会受到所在地区经济、政府扶持力度等外部因素影响，还取决于学术的交流与合作程度。通过查阅相关文献，本研究最终选取了“地区人均GDP”“政府资金占比”“高级职称人员比例”“举办国际会议数”和“外派合作研究数”作为影响因素指标。三级医院科研效率评价指标体系见表1。

表1 三级医院科研效率评价指标体系

2 结果

2.1 三级医院各项指标基本情况

19所三级医院在科研总人数的投入变异程度不大，但科研经费和平台数的投入变异程度相对较大（CV=0.86，1.09）。产出方面，高水平论文数和专利拥有数存在较大的变异程度（CV=0.88，1.33）。由此可见，各三级医院之间的投入产出规模存在较大差异。见表2。

表2 三级医院投入产出指标描述性统计表

根据DEA的经验法则，当决策单元的个数必须是投入产出指标数目之和的3倍以上，DEA效率的区别能力为最佳[12]。在本研究中，决策单位数为19，投入和产出指标数分别为3和2，符合DEA模型对评价指标数的要求。运用SPSS 21.0的相关性分析，对3个投入指标和2个产出指标进行单调性原则检验。表3的结果显示除了科研总人数与科研总经费、高水平期刊论文数不明显相关以外，其余指标均存在明显正相关关系（P＜0.01）。这说明遴选的评价指标有较大的关联，其构造的投入产出指标模型是科学合理的。

表3 投入产出指标相关性检验矩阵

2.2 三级医院静态科研效率分析

采用DEAP 2.1软件进行分析，选用DEA-BCC模型，类型选择输入型。从总体上看，19所三级医院综合技术效率5年平均值为0.726，其中有3所医院的年均综合效率达到DEA相对有效水平，占比为15.8%，这3所医院均来自珠三角地区。当有效单元数量不超过总数的1/3时，说明该指标模型的区分度较好[12]，这也再次说明本研究建立的评价指标体系科学合理。对综合效率进行分解，纯技术效率和规模效率平均值分别为0.817和0.881，前者说明决策单元需要优化制度和提高管理技术水平，后者说明决策单元的实际规模与最优生产规模仍存在差距。由此可见，规模效率对综合效率的贡献更大，而纯技术效率有待提升。在非DEA有效的16所医院中，有5所医院的纯技术效率有效，说明其投入资源的使用是有效的，但因为规模投入有限，导致综合效率无效，这类医院改进的重点在于调整规模；其余11所医院是技术和规模均无效导致的，其余信息详见表4。

表4 三级医院静态科研效率值

根据医院的类别逐一分析，部属医院的综合技术效率优于非部属医院，存在明显的“马太效应”，随着时间的推移，出现强者愈强、弱者愈弱的两极分化现象。综合医院和专科医院的效率没有存在明显的差异，也不存在明显的时间变化规律。珠三角地区的医院在2018年之前效率不如非珠三角地区，但2018年以后效率开始明显优于非珠三角地区，这可能与首批登峰计划建设名单以珠三角地区医院为主有关。

2.3 三级医院动态科研发展趋势

本研究结果显示，Malmquist 指数中的全要素生产率平均水平为1.112，说明在2016-2020年，区域内的三级医院科研效率年均提升11.2%，有16所医院的全要素生产率＞1，占比为84.2%。其中，技术进步效率的贡献最大，年均提升16.2%，说明科研人才引进和平台设施改善对提升科研效率起到了重要作用；技术效率年均下降4.3%，其中纯技术效率下降0.5%，规模效率下降3.9%，这说明资源配置和管理水平的相对落后制约了科研效率的进一步提升，而且科研资源的配置问题更为突出。研究结果显示，按年度划分，2016-2020年中4个时间段的医院科研效率都是上升的，说明该区域医学科研发展状况呈现出逐年稳步提升的态势；尤其2018-2019年的科研效率提升了25.2%，这与2018年广东省启动高水平医院建设的登峰计划有较大关系。在该政策的推动下，当年全省的医学科研效率出现了一个较大的提升。

2.4 三级医院科研效率的影响因素分析

以DEA模型计算出来的综合技术效率值为因变量，分别以人均GDP、政府资金占比、高级职称比例、举办国际会议数和接受合作研究数作为自变量，使用Tobit回归模型分别建立回归方程。结果见表5。其中，高级职称人员比例和举办国际会议数对综合技术效率起明显的正向促进作用（β=1.47、0.03，P=0.003、0.046），即高层次人才和对外交流合作是显著提高医学技术创新效率的重要因素。其余自变量对综合技术效率也有一定程度的正向推动作用，但回归方程的效果并不显著（P＞0.05）。

表5 影响三级医院科研效率的回归方程表

3 讨论

本文以广东省19所三级医院为研究载体，使用DEA-Malmquist-Tobit模型对区域医学创新效率进行实证研究，得出以下结论：（1）在高质量发展的时代背景下，区域医学科研发展呈现出稳步提升的良好势头；（2）区域医学科研发展存在创新效率水平不高、发展不平衡等问题，资源配置和管理水平的相对落后制约了医学创新的高效发展；（3）高层次人才和对外交流合作是影响医学技术创新效率的重要因素。未来建议从以下几个方面入手。

3.1 建设优质平台，打造人才队伍

本研究发现，高层次人才队伍是提升科研效率的关键因素。在广东省2021年的高水平医院建设方案中，已明确提出要大力培养和引进海内外高层次医学人才，组建以医学拔尖人才为核心的医学团队[18]。本研究认为，一方面要增大人才引进力度，另一方面要搭建好科技创新平台，方能吸引高层次人才，形成人才聚集的虹吸效应。各机构要根据自身学科特色，作好顶层设计，将人才的学历、国外科研经历、创新思维和能力等因素作综合考量，实现精准引才和补齐短板，并制定留住和培养医学创新人才的长效机制。

3.2 合理配置科研资源，推动区域整体发展

本研究发现，各医院之间科研发展差距较大，大部分医院存在明显的科研规模投入不足或冗余，只有少数医院能达到最优效率模式。当科研资源配置布局失衡、资源相对集中达到一定的限度后，必然出现效应递减、资源利用率下降的现象。宏观上，管理部门应加快医学科研资源扩容和区域均衡布局的战略部署，推动区域内的科研资源流通；微观上，医院应统筹规划多学科共建协调发展，积极推动科研、信息和设备等职能部门的联动，建立和完善科研资源开放平台和共享机制，提高科研资源的使用效率。

3.3 借助大数据技术，提高科研服务效能

科研管理是科研发展的重要保障，科学的管理方式有助于提升科研效率[19]。本研究发现，由于医院科研管理的不足，限制了科研效率提升。在当今大数据网络时代，科研管理部门应积极主动拥抱大数据应用技术，构建集共享、服务和监督于一体的科研管理信息平台。打破学科之间的信息壁垒，深度挖掘现有的学术数据，为其提供学术导航等优质服务；借助大数据相关技术的学术不端检测手段，严厉打击学术腐败和学术不端等行为，从而提升科研管理的效率和能力。

3.4 深化拓展国际交流与合作，积极融入全球创新网络

通过举办国际学术研讨会，能开拓科研人员的国际视野，开展高效与高质的科学研究，提高医院的国际竞争力和影响力。有研究发现，国际学术会议举办次数对科研效率提升的重要性，鼓励举办国际学术研讨会，以培养科研人员的国际视野和竞争力[20]。因此，要推进科研活动国际化，打造常态化的学术交流平台，及时掌握国内外最新的科研动态，避免简单重复的无效科研活动，减少科研资源和人力浪费；通过与境外单位开展科研合作，推动本单位科研实力不断进步，实现科研活动质量与效率的提升。