段晓祥，王淑玲(沈阳药科大学工商管理学院，沈阳 110015)

    随着深入推进医药卫生体制改革，2017年国务院印发了《“十三五”国家药品安全规划》，提出要推动建设健康中国，把人民健康放在发展战略的首位，保障人民群众用药安全，建立严密高效的药品安全治理体系[1]。2018年，最新一轮大部制改革开始，药品安全监管开启了“大市场-专药品”的新模式，随后各地方政府部门改革方案相继出台[2]。在新一轮的体制机制改革后，尤其是仿制药一致性评价和药品集中带量采购的开展后，我国各地区的药品安全监管工作呈多元化发展趋势，如何科学、有效地评价我国药品安全监管政策改革成效就变得非常有必要。

    目前，我国关于药品安全监管的研究多集中于监管理论与制度在设计与应用上的不足及如何解决等方面，涉及药品安全监管效率的分析研究较少。有学者采用数据包络分析(data envelopment analysis，DEA)模型处理时间序列数据，对2003-2014年我国药品安全监管效率进行测算分析，发现在样本统计时间内监管效率的波动主要与技术进步和资源配置有关[3]。还有学者应用超效率DEA模型和Malmquist指数处理面板数据，发现2017-2018年广东省药品安全监管效率整体呈退步状态，而药品安全监管效率下降主要是由技术进步不足引起的[4]。因此，目前我国关于药品安全监管效率定量分析的研究仍然不够完善，尤其缺乏运用面板数据来反映2018年大部制改革以来我国药品安全监管效率整体水平的研究。

    因此，本文应用DEA模型和Malmquist指数对2019-2020年我国18个省级行政单位的药品安全监管效率进行测算，实证分析2018年系列新政策实施后全国及各地区药品安全监管的效率变化，为优化我国药品安全监管体系建设、缩小区域差异提供建议。

    1 方法

    1.1 DEA模型

    DEA模型用于衡量决策单元多投入、多产出的效率评价。DEA不需要预先设定参数，可采用明确的指标对决策单元进行评价。在DEA模型中，决策单元的相对效率介于0～1.000之间，决策单元的综合技术效率值为1.000，即达到DEA有效[5]。DEA的BCC模型(即Banker、Charnes、Cooper 3人改进的DEA模型)考虑规模报酬可变(variable return to scale，VRS)，主要测算纯技术效率(pure technical efficiency，PTE)，即综合技术效率(technical efficiency，TE)与规模效率(scale efficiency ......