医学博士后科研流动站工作站投入产出效率评价研究

我国博士后制度30多年的发展历程证明，博士后科研流动（工作）站作为凝聚和培养高端人才的重要载体为我国经济的发展提供了强劲的动力［1］。博士后科研流动（工作）站的投入产出效率集中反映设站单位的人才培养质量和水平。全国医学博士后科研流动（工作）站设站数量在全国位居前列，因此，对全国医学博士后科研流动（工作）站的投入产出效率进行研究具有代表意义。优化资源配置、激励并提升博士后研究人员科研能力，进而提高博士后科研流动（工作）站的产出是博士后科研流动（工作）站设站单位管理机构迫切关注的问题。(https://www.daowen.com)

数据包络分析（data　envelopment　analysis，简称DEA）方法［4］被广泛应用于国内外包括科研机构等公共部门投入产出效率的分析。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；David　Andres　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模型比较分析了2003年至2013年我国高校科技创新效率表明高校科技创新效率整体情况较好；黄小平［8］构建了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，总结归纳了区域高等教育系统面临的挑战和制约性因素，提出了区域高校系统科技创新能力建设的提升路径。目前，国内外对医学博士后科研流动（工作）站的投入与产出效率研究尚未开始，因此本研究对医学博士后科研流动（工作）站具有一定的指导意义。

评价医学博士后科研流动（工作）站投入产出效率的关键在于选择合适的评价方法，构建科学的评价体系。选择合适的评价方法，构建科学的评价体系，为医院管理机构和博士后科研流动（工作）站管理决策者充分掌握投入产出相对效率现状，并为综合改革方向提供参考依据。本文以国内51个医学博士后科研流动（工作）站为研究对象，运用DEA模型和超效率DEA模型对博士后站的博士后人数、博士后合作导师人数、科研条件、投入经费和科技产出等数据进行建模分析，从中找出当前博士后站的总体效率，为总体效率不足的博士后站提出相关建议。