中国竞技体育科技投资效率的区域差异与影响因素研究——基于DEA-Tobit模型的省级实证分析

《Frontiers in Sports and Active Living》：Efficiency and determinants of science and technology investment in Chinese competitive sports: a provincial DEA-Tobit analysis

本文采用数据包络分析（DEA）、Malmquist指数与Tobit回归模型，系统评估了2018-2022年中国31个省份竞技体育科技（S&T）投资的静态效率、动态生产率变化及其影响因素。研究发现，整体投资效率偏低（技术效率均值0.40）且区域差异显著，全要素生产率（TFP）呈下降趋势（均值0.914），主要制约因素为技术进步不足而非技术效率变化。Tobit回归表明，科研人员投入（RSI）与研发重视度（ITR）对效率产生负向影响，而经济发展水平（GDP）在提升纯技术效率（PTE）的同时会削弱规模效率（SE）。研究提示政策重点应从扩大投资规模转向优化资源配置与强化科研-训练转化机制。

　　

引言

竞技体育不仅是国家文化与实力的体现，更是经济社会发展的重要标志。近年来，中国在竞技体育领域的科技（S&T）投入持续增长，2018至2022年间增幅近50%，但投资资源转化为竞技成果的效率仍是一个亟待深入探讨的关键问题。本研究基于资源基础观（Resource-Based View, RBV）理论框架，旨在系统评估中国省级竞技体育科技投资的效率，并分析其影响因素。

文献综述

在体育领域，数据包络分析（DEA）与Tobit回归相结合的DEA-Tobit模型已被广泛应用于效率评估研究。现有研究多聚焦于宏观效益或特定技术应用，缺乏对科技投资整体效率及其影响机制的系统性分析。科技投入通过运动生物力学分析、生理监测、智能穿戴设备等技术工具显著提升训练效果与竞技表现，但其效率受政策环境、人力资源配置及研发体系等多维因素影响。

材料与方法

研究选取2018-2022年中国31个省份的面板数据，构建包含科技财力投入（X₁）、机构基础设施（X₂）、研发财政支持（X₃）及科研人员数量（X₄）等输入指标，以及优秀运动员数量（Y₁）、裁判队伍规模（Y₂）和世界冠军数量（Y₃）等输出指标的评估体系。

研究方法包括：

1. 1.
   DEA-BCC模型：采用投入导向的BCC模型测算技术效率（TE）、纯技术效率（PTE）与规模效率（SE），三者关系为TE = PTE × SE。
2. 2.
   Malmquist指数模型：分解全要素生产率（TFP）变化为技术效率变化（EC）与技术变化（TC），进一步解析动态效率演进。
3. 3.
   Tobit回归模型：以DEA效率值为因变量，分析区域经济发展水平（GDP）、管理投入（MI）、科研人员投入（RSI）、竞技体育重视度（ICS）及技术研发重视度（ITR）等因素对效率的影响。

结果与讨论

静态效率分析显示，全国平均技术效率（TE）仅为0.40，内蒙古、辽宁、河南等省份效率较高（TE多年为1.000），而北京、河北、江苏等地波动显著且效率值偏低。纯技术效率（PTE）分析表明，天津、山东、广东等省份管理能力较优，但贵州、西藏等地持续偏低。规模效率（SE）方面，天津、海南、青海等多处于规模报酬不变状态，而河北、湖南、甘肃等地则存在规模无效问题。

动态效率方面，全要素生产率（TFPCH）均值为0.914，整体下降8.6%。技术效率变化（EFFCH）在部分年份显著提升（如第2年10.128，第5年18.556），但技术变化（TECHCH）均值0.748（<1）表明技术进步贡献有限。省份层面，天津（TFPCH=3.893）、云南（1.616）等地生产率增长，而吉林（0.133）、广西（0.344）等地出现下降。

Tobit回归结果显示：

• •
  区域经济发展（GDP）对纯技术效率（PTE）有显著正向影响（系数=2.735, p=0.006），但对规模效率（SE）呈负向影响（系数=-2.983, p=0.003）。
• •
  科研人员投入（RSI）与技术效率（TE）及规模效率（SE）均呈显著负相关（系数分别为-3.629与-4.369, p<0.001）。
• •
  技术研发重视度（ITR）对规模效率（SE）产生负面影响（系数=-2.238, p=0.025）。
• •
  管理投入（MI）与竞技体育重视度（ICS）的影响未达显著性水平。

讨论部分指出，效率低下与区域差异源于“资源冗余”与“管理效能不足”的双重困境。科研人员投入的负向效应反映了知识转化理论中的“组合”与“内化”环节断裂，即科研成果未能有效嵌入训练实践。政策应转向构建“研训一体化”生态，通过设置科技总监岗位、联合立项机制等促进知识流动。

优势与局限性

本研究方法上整合DEA-Malmquist-Tobit模型，数据覆盖全面，理论框架扎实。但DEA同质性假设与省份异质性存在冲突，且竞技成果的时滞效应可能影响因果推断。未来可采用元前沿分析（meta-frontier DEA）与动态模型进一步优化。

结论

中国竞技体育科技投资效率的核心制约并非资源规模，而是资源配置与转化能力。政策需从规模扩张转向精准适配，建立基于效率评估的差异化资源配置机制，强化科研与训练的协同转化，以实现科技支撑体系从粗放式增长向内涵式发展的根本转变。