“健康中國”背景下醫藥類高校科技創新效率提升路徑研究

宋慧勇

(南京中醫藥大學 衛生經濟管理學院,江蘇 南京 210023)

0 引言

2023年7月全國高校科技創新大會指出:當今的中國已進入全球創新型國家行列,科技創新成為國際戰略博弈的主戰場。作為國家戰略科技力量的重要組成,高校科技創新勢必成為支撐教育強國、科技強國和人才強國的核心力量。醫藥類高校是醫藥科技創新體系的重要主體,而作為科技創新重要組成部分的醫藥科技創新,推動和支撐著“健康中國”的建設[1]。因此,優化科技創新資源配置、提高科技創新能力成為當前推進“健康中國高質量發展”背景下醫藥類高校必須面對的重要挑戰。因此,如何有效提升醫藥類高校科技創新績效、推進“健康中國”建設成為當前醫藥學界關注的焦點。

已有相關研究大致分為3個方面。其一,在評價方法方面:廖果平等[2]采用三階段DEA模型對國內32所“雙一流”高校近7年的創新效率進行測算,發現多數高校未達到DEA有效且高校間創新效率差異較大;張海波等[3]采用DEA模型測算全國31個省份高校及東中西三大區域高校的資源配置效率并進行差異剖析;易高峰等[4]采用模糊集定性比較法,探討我國高校產生科技創新高績效的影響因素,并提出技術市場型、產學合作型、“雙元”型3種驅動高創新績效的核心組態路徑;馬琳等[5]運用隨機前沿生產函數模型測算21所中醫藥高校的科技創新投入產出效率,發現同一影響因素對學術論文、發明專利等不同科研成果產出的效率存在顯著差異。其二,在影響因素方面:蘇薈等[6]運用Tobit模型對影響因素進行回歸分析,發現人力投入及經費投入分別處于“稀缺”和“冗余”的狀態;朱恬恬等[7]運用空間杜賓模型和兩階段DEA模型估算我國27個省份高校創新效率的空間溢出效應及影響因素,發現提高產學合作程度有助于區域內知識創新效率的提高,但對成果轉化效率無明顯的空間溢出效應;蔡文伯等[8]將科研活動分為學術成果和經濟效益兩個階段,采用網絡SBM-Tobit模型對25個省份的高校科研效率及影響因素進行測算,指出經濟、教育水平、人才質量正相關,不成熟的產業結構和政策支持顯著負相關;張薇等[9]采用三階段DEA模型對安徽省29所公辦高校科技創新效率進行測度,發現環境變量對效率存在影響,且多時段定性比較表明,安徽省高校科技創新從財政支出主導型轉變為產業結構溢出驅動型。其三,在路徑提升方面:黃小平等[10]基于效率評價的結果總結歸納了區域高等教育系統面臨的挑戰和障礙,進而提出了區域高校創新能力建設的提升路徑;唐娜等[11]通過對比指出江蘇高校的基礎研究經費投入不足、高價值專利偏少等問題,進而提出優化經費投入、提升專利質量及成果轉化水平等建議。

綜上所述,相關文獻對高校科技創新效率及相關因素已進行了多視角的探究,但存在不足:在研究區域上,側重全國、省域及單類高校為主,對“長三角區域”醫藥類高校研究較少;在研究內容上,已有成果側重于關注投入產出現狀的評價,對提高創新效率的路徑及外部因素關注不足,研究結論缺乏說服性。

當前,重大疾病防治更多依靠科技創新的支撐。長三角地區是國內醫藥科技創新驅動的先行引領區,優化區域內醫藥科技創新資源配置,對助力長三角更高質量一體化發展和“健康中國”戰略落實意義重大。因此,本研究以長三角區域2012—2018年醫藥類本科院校為對象,運用DEA-Malmquist模型對該區域醫藥類高校進行科技創新效率的綜合評價,依據效率測算結果進一步分析內外部環境因素對醫藥類高校創新效率的影響程度及方向。

1 研究方法及指標構建

基于知識生產函數和投入-產出理論,科技創新效率用于衡量每一單位創新投入轉化為創新成果的水平和能力,是反映配置科技創新資源能力的重要指標。

1.1 DEA模型

DEA(Data Envelopment Analysis)數據包絡分析法是一種應用廣泛的效率評價方法,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、多產出決策單元的相對效率評價問題具有絕對優勢。通常,DEA有規模報酬不變(CRS)的CCR模型和規模報酬可變(VRS)的BCC模型兩種[6]。高校科技創新效率測算屬于典型的多投入多產出的情形,這里采用規模報酬可變的DEA-VRS模型進行測算。思路:首先利用保持各個決策單元投入或產出不變的情況,確定有效生產前沿面;再將這些決策單元投射到生產前沿面上;最后,比較各決策單元與有效前沿面的距離,進而判定各決策單元是否達到DEA有效。

1.2 Malmquist指數

Malmquist指數法在20世紀90年代由Fare等提出,并將該理論與DEA的理論結合運用,目前廣泛應用于部門生產效率測算及更深入的比較研究,尤其適用于面板數據的分析。Malmquist指數又稱全要素生產率,用于動態觀察跨時期的效率變化趨勢。其表達公式如下:

(1)

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

1.3 指標構建及數據說明

科技創新過程復雜,將高校科技創新看作是知識生產過程中人財物的產物。借鑒國內外高校科技創新績效評價相關指標選取規則,遵循醫藥類高校特點,基于指標數據的代表性和可得性,最終選取研究與發展人員全時當量(人年)和科技經費支出(千元)作為科研創新投入要素,專著(部)、發表學術論文(篇)和鑒定成果(項)作為創新產出。有學者選擇“成果技術轉讓收入”為經濟產出指標[12],但研究期內多數醫藥類院校的數據為0,故本文暫未考慮此項指標。

研究對象為長三角區域11所醫藥類高校,數據來自《高等學校科技統計資料匯編》(2012—2018年),基礎數據如表1所示。短期來看,創新從投入到產出存在滯后,通常的處理是假設產出比投入滯后1年;但從長期看,產出與投入之間保持相對穩定的關系,鑒于科學研究本身亦具有連續性,故這里利用連續7年的數據時不作滯后性處理。DEA方法要求投入產出要素符合同向性假設,即投入增加,產出不得減少[6]。采用Pearson相關性檢驗,發現不同年份的投入產出要素間均呈現較強的正相關關系,且均通過1%顯著性下的雙尾檢驗,符合DEA模型同向性假設。

2 科技創新效率分析

首先,采用DEA-VRS模型測算特定時間界面的靜態效率,橫向比較各醫藥類高校的科技創新效率;其次,運用Malmquist指數法,對面板數據進行測算,從時間維度進一步揭示各DMU單元效率值的動態變化趨勢。

2.1 靜態效率分析

技術效率為純技術效率與規模效率的乘積。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分別表示規模報酬遞減和遞增。由表2可知:醫藥類高校綜合技術效率均值僅為0.826,規模效率均值(0.92)優于純技術效率(0.894);純技術效率為1的DMU有7所,純技術效率和規模效率均為1的DMU共計5所,其中DMU1(上海中醫藥大學)、DMU10(皖南醫學院)未實現DEA有效是由于規模效率小于1,表明這兩所高校的管理水平和制度體系最優,由于當前的創新投入(或產出)規模不當、資源配置不佳,與最優規模存在一定差距,規模效率仍有提升空間。

表2 長三角醫藥類高校科研創新效率均值

2.2 冗余值分析

非DEA有效DMU的投入產出冗余如表3所示。結合表2可知,純技術效率為1的7所高校無須調整投入或產出,冗余值為0(表3中未列出)。純技術效率小于1的高校:以溫州醫科大學為例,非DEA有效是由于產出不足所致,增加1.698部專著即可達到DEA有效;而徐州醫學院存在科研人力投入冗余,中國藥科大學則存在投入冗余和產出不足并存現象。

表3 非DEA有效單元冗余值

2.3 動態效率分析

為進一步分析長三角醫藥類高校科技創新效率動態變化趨勢,運用Malmquist指數測算2012—2018年11所醫藥類高校的創新效率,分析其研究期內的動態變化趨勢。基于產出導向的T到T+1時期Malmquist全要素生產率變動指數(TFPch),即Malmquist指數可分解為技術效率變動指數(Effch)與技術進步變動指數(TEch)的乘積。

2.3.1 從時間維度看

7年期間Malmquist指數年均值0.894<1,表明該地區醫藥類高校科技創新全要素生產率年均增長率呈下降趨勢,年均下降10.6%。僅2014—2015和2016—2017年兩個時期呈現不同程度的正增長(增長幅度依次為2.9%、16%),技術進步變動指數(TEch)和技術效率變動指數(Effch)均值分別為-5.0%和-5.9%,表明每年由于技術創新及應用層面的退步阻礙了全要素生產率的提升,降幅為5%。由于科技生產資源配置和利用效率下降導致全要素生產率年均5.9%的降幅,其中純技術效率變動指數(PEch) 和規模效率變動指數(SEch)均值分別為0.969、0.971,樣本期純技術效率和規模效率值均出現下降(見表4)。

表4 長三角醫藥類高校科技創新效率的Malmquist指數及其分解

2.3.2 從不同決策單元視角看

南京醫科大學、徐州醫學院、溫州醫科大學、浙江中醫藥大學、蚌埠醫學院、安徽中醫藥大學這6所高校全要素生產率(TFPch)低于平均值,另有3所高校(上海中醫藥大學、南京中醫藥大學和安徽醫科大學)的Malmquist指數呈現增長態勢(大于1)(見表5)。從全要素生產率可知,長三角大多數醫藥類高校科技創新的效率有待提高。(1)多數高校技術進步率指數(TEch)下降,高校間效率變動差距大。11所高校中僅上海中醫藥大學、中國藥科大學、安徽醫科大學3所高校技術進步效率上升,浙江中醫藥大學技術進步率降幅最大(14.9%),上海中醫藥大學技術進步率提升幅度最大(2%)。(2)技術進步變動指數(TEch)為0.950,說明多數高校技術效率和規模效率仍有改善的空間。溫州醫科大學的規模效率最低(小于0.9),蚌埠醫學院、徐州醫學院和安徽中醫藥大學的純技術效率值小于0.9,溫州醫科大學、蚌埠醫學院和安徽中醫藥大學3所高校的技術效率值均低于0.9。

表5 2012—2018年長三角醫藥類高校科研創新效率Malmquist指數及其分解指標

2.4 綜合分析

依據綜合效率和Malmquist指數值將醫藥類高校分為4類(見表6)。

表6 醫藥類高校綜合效率分類

Ⅰ類屬于科技創新成果轉化高效且創新效率得到提高的一類,包括上海中醫藥大學、南京中醫藥大學和安徽醫科大學3所高校。這類高校處于創新的有效前沿面,資源配置優,今后仍需保持技術創新與技術引進,進一步發揮其在醫藥類高校科技創新中的領先地位。

Ⅱ類屬于科技成果轉化高效但創新效率未得到有效提高的一類,包括中國藥科大學、南京醫科大學、徐州醫學院、浙江中醫藥大學、皖南醫學院,其Malmquist指數小于1主要是由于技術進步的下降,這類高校應重視技術的創新與應用。

Ⅲ類屬于科技成果轉化低效但創新效率得到提高的一類,這類高校空缺。

Ⅳ類屬于科技成果轉化低效且創新效率未實現提升的高校,包括溫州醫科大學、蚌埠醫學院和安徽中醫藥大學。這類高校的規模效率較低,應從科研投入、人員技能培訓等方面優化資源配置,以增強此類高校的創新成果轉化能力,提升創新效率。

3 總結及建議

3.1 研究結論

(1)從整體來看,長三角醫藥類高校創新效率有待提高。研究期內,全要素生產率呈下降趨勢,且技術進步和技術效率均呈下降趨勢。技術進步率是影響高校科技創新全要素生產率變動的重要因子。

(2)從個體來看,大多數高校技術進步率下降,高校間效率變動差距大。11所高校技術效率變動主要源于純技術效率的波動,且兩者變動趨勢大體一致。其中有2所高校純技術效率有不同程度提高,另有5所高校純技術效率保持不變。6所高校全要素生產率低于平均值,另有3所高校的Malmquist指數呈現增長態勢。從全要素生產率可知,長三角大多數醫藥類高校科技創新的效率有待提高。技術進步變動指數為0.941,說明多數高校綜合技術效率和規模效率仍有改善的空間。

3.2 對策與建議

(1)高校要優化區域醫藥科技創新資源的協同配置,增強戰略協同意識。鑒于多數高校技術進步率下降且高校間效率變動差距大,從提升區域內整體醫藥科技資源配置的視角出發,區域內高校應增強與其他科技創新主體之間的戰略協同。醫藥類高校要聚焦長三角區域發展關鍵領域,加強與區域內其他醫藥科技創新主體的資源聯動。一方面,高校要從自身優勢出發,進一步加強對優勢學科、關鍵領域的原始創新和基礎研究、應用研究的重視,同時保持與醫藥類企業的緊密合作。另一方面,高校要積極構建穩定持續的產學研合作體系,推進醫藥成果轉化及技術轉移,增加研發創新經費來源[5]。

(2)醫藥類企業要積極發揮其在開放性創新中的主導作用,將高校納入產業聯盟,謀求校企之間的長久互利共贏。一方面,企業可借鑒英德等國的經驗,支持高校和科研機構與企業長期保持緊密合作,以產業聯盟促進醫藥科技創新,創新投入和管理由企業負責,基礎研究和應用研究則由高校負責[13]。另一方面,在“健康中國”背景下,醫藥類企業要進一步增加重點領域的基礎創新投入[1],強化產學研協同創新發展。

(3)政府要發揮引導和扶持作用,積極創新醫藥科技體系。一是加大對從事基礎研究和應用研究的醫藥類高校、科研院所等的基礎研發創新投入,完善激勵評價機制,促進成果落地應用。二是提供戰略支持,完善相關制度和法律法規。科學的科研管理體制有助于激發科研人員的創新活力,提升創新績效;積極的科研環境及科學的人才評價制度能充分調動高校科研人才的主觀能動性,充分發揮醫藥類高校在國家醫科科技創新體系中的重要角色。

4 結語

“健康中國”的建設離不開醫藥科技創新。因此,如何優化醫藥科技創新資源配置,提高醫藥科技創新能力,推進“健康中國”建設值得當前醫藥學界持續關注,更需要醫藥類高校、科研院所、企業及政府多方的共同努力。