基于三階段DEA的我國醫藥產業創新效率評價研究

徐俐穎 翁坤玲 蔣丹 褚淑貞

摘 要 目的：為提升我國醫藥產業創新效率、促進我國醫藥產業高質量發展提供參考。方法：運用三階段數據包絡分析法（DEA），以經濟發展、政策支持、產業基礎和創新基礎等4個因素作為環境變量，從《中國統計年鑒》和《中國高技術產業統計年鑒》中選取2012-2016年以及2018年我國31個省（區、市）的投入、產出及環境等相關指標數據，探討我國醫藥產業創新效率變化規律并給出相應建議。結果與結論：有18個省（區、市）的醫藥產業創新效率被高估，13個省（區、市）被低估。其中，福建、黑龍江、吉林、江西、云南、遼寧、重慶調整前的創新效率存在0～0.1的高估，陜西、海南、甘肅和山西存在0.1～0.3的高估，內蒙古、貴州、廣西、新疆和寧夏存在0.3～0.5的高估;而安徽、湖南、上海、北京、河北、四川、天津和河南調整前的創新效率存在0.1～0.3的低估，湖北、江蘇、浙江、山東和廣東存在0.3～0.5的低估;西藏、青海和廣東受環境因素較大，其中西藏、青海調整前的創新效率比調整后分別高估了0.603、0.538，而廣東則低估了0.470。總體而言，我國東部地區和中部地區調整前的創新效率被低估，而東北地區和西部地區被高估;調整前創新效率由高到低排序依次為中部、西部、東部和東北地區，而調整后變為東部、中部、東北和西部地區。我國醫藥產業創新效率受環境影響較大，因此各地要注重對醫藥產業的政策支持，加強對醫藥產業的政策引導作用;完善產業鏈及配套措施，營造良好的創新氛圍;促進各地創新資源的流動，加強地區間合作與交流，以提升我國醫藥產業的創新效率、促進醫藥產業的高質量發展。

關鍵詞 醫藥產業;創新效率;三階段數據包絡分析法;經濟發展;政策支持;產業基礎;創新基礎

ABSTRACT? ?OBJECTIVE：To provide reference for improving the innovation efficiency of Chinese pharmaceutical industry and promoting the high-quality development of the pharmaceutical industry. METHODS： Using local economic development， policy support， industrial foundation and innovation foundation as environmental variables，three-stage data envelopment analysis （DEA） was used to explore the change regularity of innovation efficiency of the pharmaceutical industry by collecting related data such as input， output and invironment of 31 provinces （autonomous regions， municipalities） in China during 2012-2016 and in 2018 from China Statistical Yearbook and China High-tech Industry Statistical Yearbook. RESULTS & CONCLUSIONS： The innovation efficiency of the pharmaceutical industry in 18 provinces （autonomous regions， municipalities）were overestimated， and other 13 provinces （autonomous regions， municipalities） was underestimated. The innovation efficiency of Fujian， Heilongjiang， Jilin， Jiangxi， Yunnan， Liaoning and Chongqing before adjustment were overestimated 0-0.1， Shaanxi， Hainan， Gansu and Shanxi were overestimated 0.1-0.3，Inner Mongolia， Guizhou， Guangxi， Xinjiang and Ningxia were overestimated 0.3-0.5; while the innovation efficiency of Anhui， Hunan， Shanghai， Beijing， Hebei， Sichuan， Tianjin and Henan were underestimation 0.1-0.3， Hubei， Jiangsu， Zhejiang， Shandong and Guangdong had an underestimation of 0.3-0.5 before adjustment. Tibet，Qinghai and Guangdong were greatly affected by environmental factors. The innovation efficiency in Tibet and Qinghai before adjustment were overestimated by 0.603 and 0.538 compared with after adjustment， while Guangdong was underestimated by 0.470. The innovation efficiency value of the eastern and central regions of China before adjustment was underestimated， while the northeastern and western regions were overestimated overall. Before the adjustment， the order of innovation efficiency in descending order was the central， western， eastern and northeastern regions， and after the adjustment， it became the eastern， central， northeastern and western regions. The innovation efficiency of Chinese pharmaceutical industry is greatly affected by the environment， so all localities should pay attention to the policy support for the pharmaceutical industry and strengthen the policy guiding role for the pharmaceutical industry; improve the industrial chain and supporting measures to create a good innovation environment;promote the flow of innovation resources in different regions， strengthen the cooperation and exchange among regions， so as to improve the innovation efficiency of Chinese pharmaceutical industry and promote the high-quality development of the pharmaceutical industry.

采用Frontier 4.1軟件。由于此時松弛變量反映的是初始的管理無效率，因此還需考慮環境因素和隨機因素的影響。將第1階段算出的人員投入和資本投入的松弛變量作為被解釋變量，標準化后的環境變量作為解釋變量，進行隨機前沿模型（SFA）回歸。松弛變量（Sni）的計算公式如下：

式中，Sni是第i個決策單元第n項投入的松弛值，i=1，2，…;n=1，2，…（下同）;Zi是環境變量，βn是環境變量的系數;vni+μni是混合誤差項，其中vni是隨機干擾項（表示隨機干擾因素對投入松弛變量的影響，服從正態分布）、μni是管理無效率項（表示管理因素對投入松弛變量的影響，本研究假設其服從在零點截斷的正態分布）。

SFA回歸的目的是剔除環境因素和隨機因素對效率測度的影響，以便將所有決策單元調整為相同的外部環境和隨機干擾。調整公式如下：

ni是調整后的投入要素;Xni是調整前的投入要素;{max[f（Zi;β^n）]-f（Zi;β^n）}是指將所有決策單元置于相同外部環境下;[max（vni）-vni]是指將所有決策單元置于相同隨機干擾下。

2.3 第3階段：調整后的創新效率測算

依據第2階段得出的調整后的投入要素，再次運用投入導向規模報酬可變的BCC模型測算各決策單元調整后的創新效率。此時的創新效率已經剔除了環境因素和隨機因素的影響，是相對真實準確的。

3 實證結果與分析

3.1 影響創新效率的環境因素分析

采用環境指標數據對投入要素的松弛變量進行SFA回歸，結果見表2（本文以P<0.01為差異有統計學意義）。由表2可見，廣義單邊似然比檢驗結果顯示，極大似然值具有統計學意義（P<0.01），說明本研究對投入要素的松弛變量進行SFA回歸是合理的;除創新基礎對人員投入松弛變量沒有顯著影響外，其余各環境變量對于人員投入和資本投入松弛變量的影響均是顯著的（P<0.01），因此有必要對投入變量進行調整。SFA回歸結果中γ值的回歸系數越接近0表示隨機因素的影響越趨于主導地位，越接近1表示管理無效率的影響越趨于主導地位。由表2可見，人員投入松弛變量和資本投入松弛變量的γ值分別為0.60和0.57，說明松弛變量受管理無效率和隨機因素的共同影響。

SFA回歸系數為正，表示增加該環境變量的值能夠擴大對應松弛變量的值，導致創新效率降低;回歸系數為負，則相反。由表2可見，經濟發展與醫藥產業創新活動中人員投入松弛變量和資本投入松弛變量均成顯著正相關，說明經濟發展水平越高的地區越注重對醫藥產業研發人員和研發資金的投入，但可能在投入的過程中缺乏合理的規劃與引導，從而導致醫藥產業研發人員和經費投入的冗余，造成創新效率的降低。政府的政策支持對兩個投入變量松弛變量的回歸系數均為負，說明政府加強對醫藥產業的政策支持能夠減少醫藥產業創新研發人員和研發投入的冗余，激勵研發人員創新、促進研發經費的合理使用。這點也印證了醫藥產業是政策導向型產業，受政策影響較大這一觀點。產業基礎對人員投入和資本投入松弛標量的回歸系數均為正，說明醫藥產業基礎越好的地區越容易發生創新投入的冗余，不利于醫藥產業創新效率的提升。創新基礎對醫藥產業創新活動資本投入的松弛變量的回歸系數為負，說明醫藥企業鞏固內部的創新基礎有助于減少研發經費投入的冗余，有助于整體醫藥產業的創新效率的提升。

3.2 調整前后我國31個省（區、市）的醫藥產業創新效率對比分析

調整前后我國31個省（區、市）醫藥產業創新效率對比見表3。由表3可見，剔除環境因素和隨機因素后，有18個省（區、市）的創新效率存在高估，13個省（區、市）的創新效率被低估。從調整前后的幅度來看，福建、黑龍江、吉林、江西、云南、遼寧、重慶調整前的創新效率存在0～0.1的高估，調整前后差距較小，說明環境因素對這些地區醫藥產業創新效率的影響較小;陜西、海南、甘肅和山西調整前的創新效率存在0.1～0.3的高估，而安徽、湖南、上海、北京、河北、四川、天津和河南調整前的創新效率存在0.1～0.3的低估;內蒙古、貴州、廣西、新疆和寧夏調整前創新效率比調整后高估0.3～0.5，而湖北、江蘇、浙江、山東和廣東的調整前創新效率比調整后低估0.3～0.5。環境因素對創新效率值影響較大的是西藏、青海和廣東，西藏、青海調整前的創新效率比調整后分別高估了0.603、0.538，而廣東則低估了0.470。從區域來看，創新效率值被低估的地區大多是屬于東部沿海地區以及長江中下游地區，被高估的地區大多屬于西部地區。

3.3 調整前后我國各區域醫藥產業創新效率對比

調整前后我國各區域醫藥產業創新效率對比詳見表4。由表4可見，我國東部地區和中部地區調整前的創新效率被低估，而東北地區和西部地區被高估。調整前，創新效率由高到低排序分別中部、西部、東部和東北地區，而調整后變為東部、中部、東北和西部地區。東部地區調整后的創新效率、純技術效率以及規模效率均有大幅度提升，且調整后的各項效率值均高于其他地區，說明東部地區環境因素對于醫藥產業創新效率整體表現為負向影響。由于東部地區各省份大多經濟發展程度高、醫藥產業基礎好[2]，這會使得企業愿意去增加對研發人員和研發經費的投入。但由上文分析結果可知，一味的投入會造成人員的冗余和資金的浪費，反而降低了創新效率;而良好的政策支持和醫藥創新基礎能夠引導資金的合理投入和使用、激勵研發人員的創新，從而提升創新效率。但當投入相對過多或者引導相對過少時，就會使得創新效率降低。中部地區調整后的純技術效率有小幅度提升，而規模效率有小幅度降低，但總體的創新效率表現為小幅度提升。東北地區調整后的純技術效率提升而規模效率降低，其總體的創新效率表現為降低。西部地區調整后表現為純技術效率提升但規模效率大幅度降低，從而導致創新效率大幅度下降。由于西部地區的經濟水平和產業基礎與其他地區均有較大差距[21]，因此不會出現醫藥研發資源的過度投入，減弱了環境因素對創新效率的負向影響;同時，西部地區出臺的醫藥產業政策能促進醫藥產業創新效率的提升，故環境因素對西部地區的醫藥產業創新效率的影響整體表現是正向的。

4 建議

本研究運用三階段DEA模型評估了2012-2016年及2018年我國31個省（區、市）醫藥產業的創新效率。結果可見，經濟發展、政策支持、產業基礎和創新基礎這4個環境因素對我國東部和中部地區的影響作用整體表現為負向影響，使得東部和中部地區的醫藥產業創新效率被低估;而其對東北和西部地區醫藥產業創新效率的影響則整體表現為正向影響，使得東北地區和西部地區的醫藥產業創新效率被高估。據此，為提高我國醫藥產業的整體創新效率，筆者提出以下建議。

4.1 注重產業政策支持，加強產業創新投入引導

各地應重視醫藥產業政策在醫藥產業創新中的支持作用，但醫藥產業政策不能只是一味地加大對研發人員以及研發經費的投入，尤其是經濟發達、醫藥產業基礎好的東部地區，而應在依據當地醫藥產業實際發展狀況的基礎上，充分發揮產業政策的引導作用。可通過建立創新研發人才引進激勵計劃、完善對創新研發人才培養機制等措施來加大對醫藥產業創新人員數量和質量的投入;通過規劃未來創新方向、構建良好投融資體系等舉措來推進研發資金的合理投入，從而促進醫藥產業創新投入資源的高效利用。

4.2 完善產業鏈及配套措施，營造良好的創新氛圍

各地在推進醫藥產業創新的時候，要注重完善創新產業鏈以及相關的配套措施，通過建立一體化的創新服務平臺、組織多種形式的醫藥產業技術創新聯盟，為醫藥企業等營造良好的醫藥創新氛圍;通過降低醫藥企業自身創新的門檻，構建良好的醫藥企業創新基礎，從而提高企業研發經費的使用效率，進而提升醫藥產業的整體創新效率。

4.3 促進各地創新資源流動，加強地區間合作與交流

各地區要充分發揮自身資源、技術、地理位置等各方面的優勢，促進創新資源的流動，如醫藥產業創新效率高的東部和中部地區要充分發揮自身的知識溢出效應以及輻射能力帶動欠發達的西部以及東北地區的醫藥創新。促進醫藥創新人才、資本以及技術的地區間合作和交流，提升創新資源的使用效率。

5 結語

綜上所述，經濟發展、政策支持、產業基礎和創新基礎這4個環境因素對于醫藥產業的創新效率影響較大，一定程度上也印證了運用三階段DEA模型評估醫藥產業創新效率的合理性，可為未來醫藥產業創新效率的評價研究提供一定參考。但基于數據的可獲得性以及研究水平等條件的限制，本文僅考慮了4個環境因素，在今后的研究中，可進一步納入綠色治理、產業集聚等環境因素，更加全面科學地評估醫藥產業的創新效率。

參考文獻

[ 1 ] 徐芳萍，莊倩，褚淑貞.我國醫藥產業轉型升級水平與優化路徑探析[J].中國新藥雜志，2019，28（14）：1670-1674.

[ 2 ] 褚淑貞，都蘭娜，席曉宇.醫藥產業空間布局評價指標體系及產業層級研究[J].中國藥學雜志，2018，53（4）：318-322.

[ 3 ] LOUKIL K. Innovation policy and R&D efficiency in emerging countries：a stochastic frontier analysis[J]. East Eur Bus Econ J，2016，2（3）：165-192.

[ 4 ] 曹陽，周曉夏.基于隨機前沿分析的我國醫藥制造業技術開發與成果轉化創新效率研究[J].中國藥房，2016，27（4）：433-437.

[ 5 ] 劉忠敏，馬文婷.基于網絡SBM-Malmquist模型的醫藥制造業創新效率及影響因素研究[J].科技管理研究，2017，37（12）：152-158.

[ 6 ] 霍艷飛，石晟怡，王廣平，等.我國醫藥制造業技術創新效率研究：基于DEA模型的Malmquist指數分析[J].中國新藥雜志，2016，25（7）：728-732.

[ 7 ] HE P，CHEN W，HAO Q. Technological innovation efficiency measurement of Chinese industrial enterprises under environmental constraints based on SBM-Malmquist model[J]. Tech Bull，2017，55（12）：615-626.

[ 8 ] 羅穎，羅傳建，彭甲超.基于三階段DEA的長江經濟帶創新效率測算及其時空分異特征[J].管理學報，2019，16（9）：1385-1393.

[ 9 ] 邵云飛，詹坤，汪臘梅.中國醫藥產業創新效率的BCC- Malmquist時空差異研究[J].科研管理，2016，37（1）：32- 39.

[10] 余紫君，褚淑貞.我國醫藥制造業競爭力與創新藥物研發能力的關聯度分析[J].中國新藥雜志，2018，27（3）：279-284.

[11] 茅寧瑩，張帥英，褚淑貞.基于DEA方法的我國醫藥制造業技術創新效率的實證研究[J].中國藥房，2012，23（5）：391-394.

[12] 譚曉東，陳玉文.基于Malmquist指數的中國醫藥制造業科技創新效率動態評價[J].中國醫藥工業雜志，2016，47（1）：127-130.

[13] 曹陽，閆巖.基于多項式滯后分布模型的江蘇省醫藥產業創新投入對產出影響研究[J].中國新藥雜志，2017，26（4）：361-367.

[14] 郭瑞，文雁兵.高新技術產業綠色創新研究：效率測算與FDI區位選擇[J].浙江大學學報（人文社會科學版），2019，49（5）：224-239.

[15] 成定平，淦蘇美.長江經濟帶高技術產業投入產出效率分析[J].長江流域資源與環境，2017，26（3）：325-332.

[16] 李宏寬，何海燕，單捷飛，蔡靜靜.剔除非管理性因素影響的我國集成電路產業技術創新效率研究：基于廣義三階段DEA和Tobit模型[J].管理工程學報，2020，34（2）：60-70.

[17] 賴紅波，施浩.創新質量視角下醫藥制造業創新效率再評價[J].經濟研究導刊，2019（32）：34-35.

[18] FRIED HO，LOVELL CAK，SCHMIDT SS，et al. Accounting for environmental effects and statistical noise in data envelopment analysis[J]. J Prod Anal，2002，17（1/2）：157-174.

[19] FRIED HO，SCHMIDT SS，YAISAWARNG S. Incorporating the operating environment into a nonparametric measure of technical efficiency[J]. J Prod Anal，1999，12（3）：249-267.

[20] BANKER RD，CHARNES A，COOPER WW. Constrained game formulations and interpretations for data envelopment analysis[J]. Eur J Oper Res，1989，40（3）：299-308.

[21] 葉夢寒，王群，徐俐穎，等.我國中西部地區醫藥制造業與區域經濟耦合協調發展分析[J].中國藥房，2019，30（24）：3337-3341.

（收稿日期：2020-02-23 修回日期：2020-07-13）

（編輯：孫 冰）