國家高新技術產業開發區生物醫藥產業政策主題挖掘及量化評價研究

喬晗 徐俐穎 李旭 李樹祥 褚淑貞

摘 要 目的：為我國生物醫藥產業發展提供參考。方法：收集2010年1月-2019年12月我國全部169家國家高新技術產業開發區（以下簡稱“國家高新區”）官方網站上發布的政策文件，從中篩選出專門針對生物醫藥產業方面的政策以及全部產業政策中提及生物醫藥產業發展的政策，采用Excel 2019軟件進行政策信息的匯總分析;使用Gensim包完成政策文本的預處理并構建隱合狄利克雷分布（LDA）主題模型，實現對政策文本中潛在語義信息的提取與分析。結果：共收集到相關政策文本518件，其中有效詞匯共58 617個，高頻詞匯包括項目、人才、支持、補貼、創新等;提取出8個主題，按主題強度排序依次為技術創新、人才建設、融資支持、項目金融支持、稅收優惠、資源引領、出口貿易、中小企業建設，強度分別為0.299、0.168、0.134、0.116、0.113、0.063、0.058、0.049。結論：國家高新區生物醫藥產業政策以技術創新、人才建設和融資支持為主，缺乏對中小企業建設、資源引領、出口貿易的關注。今后國家高新區對生物醫藥產業的政策支持及體系建設應重點完善政策激勵措施，平衡各領域政策運用比例;鼓勵企業擴大海外市場，學習海外先進技術，加強科研等領域的多邊合作;配套相應的政策以增進企業間的交流合作，發揮龍頭企業和名牌產品的帶動作用，促進中小企業發展。

關鍵詞 隱合狄利克雷分布主題模型;國家高新技術產業開發區;生物醫藥產業;政策;主題挖掘;量化評價

中圖分類號 R95;F426 文獻標志碼 A 文章編號 1001-0408（2020）22-2689-06

DOI 10.6039/j.issn.1001-0408.2020.22.01

ABSTRACT? ?OBJECTIVE： To provide reference for the development of biomedical industry in China. METHODS： The policies and documents issued by 169 national high-tech industrial development zone （hereinafter reffered to as “National high-tech zone”） official websites from Jan. 2010 to Dec. 2019 were collected to screen policies specifically for the biomedical industry and the development policy of biomedical industry mentioned in all industrial policies. Excel 2019 software was used to summarize and analyze policy information. Gensim package was used to preprocess the policy texts and construct LDA topic model to extract the potential semantic information from the policy texts. RESULTS： A total of 518 policy texts were collected， including 58 617 effective words; high-frequency words included project， talent， support， subsidy， innovation， etc.; 8 themes were extracted， ranked by theme intensity as technological innovation， talent construction， financing support， project financial support， tax incentives， resource guidance， export trade， and construction of small and medium-sized enterprises， with the intensities of 0.299， 0.168， 0.134， 0.116， 0.113， 0.063， 0.058 and 0.049， respectively. CONCLUSIONS： The biomedical industry policy of the national high-tech zone is mainly based on technological innovation， talent construction and financing support， and lacks attention to the construction of small and medium-sized enterprises， resource guidance， and export trade. In the future， the national high-tech zones policy support and system construction for the biomedical industry should focus on improving policy incentives and balancing the proportion of policy applications in various fields; encourage enterprises to expand overseas markets， learn overseas advanced technologies， and strengthen multilateral cooperation in scientific research and other fields;support the corresponding policies to enhance exchanges and cooperation between enterprises， give play to the leading role of leading enterprises and famous brand products， and promote the development of small and medium-sized enterprises.

KEYWORDS? ?LDA topic model; National high-tech industrial development zone; Biomedical industry; Policy; Theme mining;Quantitative evaluation

國家高新技術產業開發區（以下簡稱“國家高新區”）作為改革開放以來我國經濟體制改革的重要成果之一，是我國高新技術產業孵化的重要基地。1988年經國務院批準，我國建立了首個高新區——中關村高新區;經過30多年的發展，國家高新區的隊伍和規模不斷發展壯大，截至2019年12月，我國國家高新區總數已達169家，完成了“示范、引領、輻射、帶動”創新發展的政策目標，已成為推動國家創新發展的主力軍[1]。近年來，生物醫藥產業作為國家擬定的戰略新興產業步入了高速發展階段，逐漸成為了多個國家高新區發展的重點產業[2]。其中，以泰州醫藥高新區、上海張江藥谷為代表的主導生物醫藥產業的園區共110家，占高新區總數的65.1%[2];國家醫藥產業工業總產值從2007年的2 231.99億元（占比6.66%）增長至2018年的8 495.38億元（占比15.14%）[3-4]，在國家高新區的發展過程中占有舉足輕重的地位。

科技園區是推動高新技術產業高速發展的重要載體，世界各國紛紛建立了不同發展模式的科技園區（如著名的美國硅谷科技園）以提升自身的國際競爭力[5]。其中，美國等西方國家的科技園區建設以市場為導向[6]，而我國高新區的建設與此不同，政府主導的科技園區建設決定了國家高新區的高速發展離不開政府強有力的產業規劃能力，政策環境是高技術產業進行技術創新、人才引進和科學發展的前提條件[7]。政策作為推動我國國家高新區發展的重要工具，引起了眾多學者的高度關注，目前學術界對于高新區政策文本的研究多以量化評價為主。由于政策文本是一種較為特殊的文本，包含較多的政策用詞，政策用詞的高維性在政策文本挖掘分析過程中會降低文本聚類的效果，因此有必要對政策文本進行語義分析[8]。隱含狄利克雷分布（Latent Dirichlet allocation，LDA）主題模型是一種非監督學習模型，能夠提取文本中潛在的主題[8]。與傳統的定性分析方法不同，LDA模型可以在政策文本聚類及主題提取的過程中避免人工編碼的主觀因素[9]。已有多位學者將LDA主題模型運用于政策文本的分析并取得了理想的實踐結果，如郎玫[10]利用網絡爬蟲軟件收集了2006-2016年甘肅省14市（州）政府網站中體現政府職能的政策文本，并基于主題模型LDA算法分析中央和地方職能的匹配性和對應性，初步證實了該省經濟發展動力不足、區域創新能力不足都與政府職能的匹配性有著很大的關聯。本研究以與生物醫藥產業相關的國家高新區園區層級政策文本為研究對象，通過探索政策文本高頻關鍵詞和主題分布特點，從整體上把握國家高新區生物醫藥產業的政策主題及發展重點，以期為我國生物醫藥產業發展提供參考。

1 LDA主題模型的構建

LDA主題模型是一個基于三層貝葉斯拓撲結構的概率生成模型，其三層拓撲結構圖見圖1。該模型基于如下假設：（1）文檔集合中存在K個主題且主題之間相互獨立;（2）每個文檔由K個主題隨機混合組成，且主題參數服從Dirichlet分布;（3）每個主題是特征詞上的多項分布，該多項分布的參數服從Dirichlet分布。LDA主題模型廣泛用于提取文本中潛在的語義信息，并將文本數據分為文檔層、主題層和特征詞層，旨在從概率的角度構建文檔的生成過程[11]，其概率模型圖見圖2。

圖2中，α、β為先驗參數，可根據經驗給定;K為主題總數;θ、ψ分別表示每個文檔的主題分布及每個主題的詞分布（即每個主題中所包含的主題詞及其相關度），是未知的隱含變量;Z=（z1，z2，…，zk）表示文檔的主題，W（w1，w2，…，wV）表示文檔中的特征詞，是可觀測到的已知變量，N為特征詞的個數。LDA模型生成文檔的過程分為兩步：（1）從Dirichlet（α）分布中生成每一篇文檔的主題分布θ并生成主題Z所包含的特征詞W。（2）從Dirichlet（β）分布中生成K個主題的詞分布并據此生成特征詞W。以上過程重復M次即可生成整個語料庫。所有變量的聯合分布計算公式如下：

式中，P（W|Z）是主題Z上的特征詞分布值，P（Z|D）為文檔D上的主題分布值，兩者的聯合概率分布P（W|D）構成了文檔-主題-特征詞關系。在LDA主題模型中，θ和ψ的參數估計可以使用變異期望最大化（EM）算法[12]和Gibbs采樣[13]等統計技術來完成。

近年來，隨著計算機技術的發展，已有多個軟件可用于本文數據分析中的主題建模和挖掘，如SAS Text Miner和SPSS Clementine等商業軟件包及R語言、Python和Java等程序包含的文本挖掘開源工具包[14]。Gensim包作為Python的第三方開源包，包含多種常見的自然語言處理模型，如詞向量模型、TF-IDF（Term frequency-inverse document frequency）算法、LDA主題模型等。鑒于Gensim包提供的自然語言處理工具在文本挖掘中應用的方便性及全面性，本研究采用Gensim包對國家高新區發布的生物醫藥產業相關政策文本展開研究。

2 資料來源

收集2010年1月-2019年12月我國現有169家國家高新區官方網站上發布的政策文件，從中篩選出專門針對生物醫藥產業方面的政策以及全部產業政策中提及生物醫藥產業發展的政策。排除僅體現政府對國家高新區發展態度的政策文本、與國家高新區相關性較低的政策文本（如一些人事變更通知等）等。文件類型包括法律、條例、意見、通知、辦法、措施、細則、決定、方案等。采用Excel 2019軟件進行政策信息的匯總分析。

3 文件檢索結果及數據處理

3.1 文件檢索結果及分布情況

按照上述政策檢索和篩選方法，本研究共獲得國家高新區生物醫藥產業相關政策文本518件，涉及高新區132家，其余37家國家高新區因其官網未發布涉及生物醫藥產業的政策文件或未建立官方網站而未獲得有效信息。518件政策文本的地區分布見圖3。由圖3可知，與生物醫藥產業相關的政策文本主要集中在東部地區。

3.2 政策文本預處理

以518件國家高新區生物醫藥產業園區層級政策文本為語料庫，采用Genisim中的Jieba分詞工具包并結合正則表達式（去除字母、數字等非中文字符）進行中文分詞。融合《中文停用詞庫》《哈工大停用詞》作為本研究的停用詞表，去掉長度小于2的詞匯以及“企業”“組織”等政策文本的常規名詞詞匯，同時加載基于國家高新區和政策文本的自定義詞典以提升分詞效果，最終獲得有效詞匯58 617個。

為了構建合適的數據結構，使其具有Gensim主題建模可以處理的輸入格式，本研究采用詞袋模型（Bag of words）的形式來表示文檔。該模型可以忽略每個詞匯出現的順序，將每篇文檔表示成一個長向量。同時，引入TF-IDF算法進行詞向量加權，建立詞項文檔矩陣（DTM）。TF-IDF算法可減少在多篇文檔中頻繁出現的詞匯的權重，并可提升稀有詞匯的權重[15]，其計算公式如下：

3.3 模型參數設置

LDA主題模型取決于3個參數：Dirichlet超參數α和β以及主題數量K。本研究參考Griffiths TL等[13]提出的方案，將經驗值α設為50/K、β設為0.1，作為初始模型參數;在初始參數值附近不斷調試，同時觀察模型結果確定最優參數，最終調參結果為α=0.2、β=0.1。本研究采用“主題一致性（Topic coherence）”[16]評價主題模型，一致性分數（Coherence value）越高，表示主題可解釋性越強。因本研究政策文本樣本量為518，當主題數量過高時，模型不穩定，須結合主題一致性折線圖（如圖4所示）取10以下的最優主題數[17]。由圖4可知，最優主題數K=8。

4 結果

4.1 高頻詞匯分析

采用上述方法對本研究納入的政策文本進行預處理，并對分詞得出的58 617個詞匯進行詞頻統計，結果見表1（因篇幅所限，本文僅列出前10個高頻詞匯）;選取排名前200位的關鍵詞繪制詞云圖，結果見圖5（圖中關鍵詞字號越大，詞頻越高）。

上述政策文本關鍵詞詞云圖基本可以體現我國國家高新區生物醫藥產業政策的集中情況。例如，高頻詞“支持”“扶持”等詞匯體現出我國國家高新區生物醫藥產業政策主要是以支持和激勵為導向，引導企業發展。生物醫藥產業的特點是長周期、高投入、高風險、高利潤，因此企業前期的資金風險較高，特別是中小型生物醫藥企業面臨的處境更為困難，企業發展離不開資金，圖中“補貼”“資金”等詞匯體現出我國政策的側重點在對企業的財政支持上，例如，北京中關村管委會發布的《中關村國家自主創新示范區天使投資和創業投資支持資金管理辦法》[18]對企業成果轉化類項目及產業轉化類項目給予資金支持，帶動了園區內企業協同創新平臺的建設。如今，人才已成為各行各業發展不可或缺的資源，從圖中也可看出，“人才”“團隊”“補助”等詞匯體現出園區政策對國家高新區人才建設的大力支持，如泰州醫藥高新區管委會發布的《關于加強中國醫藥城專業化高層次人才隊伍建設的實施意見》[19]對醫藥城高層次創業人才給予資金獎勵及生活津貼，同時解決其配偶就業問題，并提供子女入學保障、醫療保險、住房補貼、社會保障等完善措施，以解決創新創業人才的家庭顧慮。創新是生物醫藥產業發展的核心競爭力，激勵生物醫藥產業創新發展已成為產業轉型升級的重要方式，圖中“創新”“科技”“知識產權”即體現出政策的關注點集中于企業創新，如泰州醫藥高新區管委會印發《關于推進科技創新引領高質量發展的若干政策》[20]，通過鼓勵企業自主創新、推動科技成果轉移轉化、加強研發機構和載體建設多個渠道推動生物醫藥產業科技創新的高質量發展。

4.2 政策文本主題分析

4.2.1 主題強度分布LDA 主題模型可以計算整個語料庫中每個主題的比例，即主題強度，以反映每個主題在語料庫中的相對分量。由LDA主題模型訓練得出每篇文檔對應主題的后驗概率以及每個主題對應主題詞的后驗概率，進而得出主題強度，計算公式如下：

其中，Pk表示第k個主題的主題強度，θki表示第i篇文檔的主題是主題k的概率，N為政策文本的總數。本研究所得8個主題的主題強度分布見圖6。

參考文獻的分類方法[17]，根據上述主題強度值對主題挖掘結果進行熱門主題和冷門主題的對比研究。強度較高的主題有7、5、4，即為熱門主題;主題0、6強度適中等，主題1、2、3強度明顯低于其他主題，即為冷門主題。

4.2.2 主題內容分析 由“2.2”項下模型和本課題組對政策文本的先驗知識，結合主題的代表特征詞進行歸納總結，可得主題-特征詞分布，詳見表2（因篇幅所限，本文僅列出每個主題所對應的前10個特征詞）。

根據各個主題-特征詞的分布情況，對8個主題的側重點和政策關注的主要層面歸納如下：主題0為項目金融支持，其特征詞“項目”“投資”“外商投資”表明政策對項目推進的支持側重于資金的投入;主題1為中小企業建設，“新興產業”“科技攻關”“優惠政策”體現了政策對于中小企業科技創新的支持;主題2為資源引領，“上市公司”“跨國公司”等詞匯體現出政策對龍頭企業的引領作用;主題3為出口貿易，“出口”“重大項目”“專利技術”所體現的是政策對于通過擴大海外市場提升競爭力的支持;主題4圍繞的是融資支持，“融資”“資金”“扶持”等詞表明政策的導向是通過促進融資來支持企業的研發創新;主題5與人才建設有關，“資助”“經費”等表明政策支持高層次人才、專家學者來共同參與建設國家高新區的生物醫藥產業;主題6是稅收優惠，“所得稅”“抵扣”等說明政策在稅收方面實行優惠以促進生物醫藥企業的發展;主題7為技術創新，“科技”“創新”“研發”等表明創新是生物醫藥產業發展的動力源泉，是政策支持的重點對象。結合圖6可知，國家高新區518項生物醫藥產業政策中的強度較高的熱門主題依次為技術創新（0.299）、人才建設（0.168）、融資支持（0.134），強度較低的冷門主題為資源引領（0.063）、出口貿易（0.058）、中小企業建設（0.049），強度中等的主題為項目金融支持（0.116）、稅收優惠（0.113）。

5 分析與討論

本研究在構建LDA主題模型的基礎上，對2010年1月-2019年12月涉及生物醫藥產業的518件國家高新區政策文本進行了量化分析，輔助以詞頻分析等方法，較為清晰地分析了政策的總體分布和主題的強弱，避免了人工解讀政策文本的主觀性，證實了LDA主題模型用于政策文本量化分析的可行性，為松散、大量的政策文本的解讀提供了有效途徑，為科學、詳盡地了解各園區生物醫藥產業政策導向提供了有價值的信息。由政策主題強度分布及主題內容分析可知，國家高新區生物醫藥產業政策體系的建設存在以下不足。

5.1 生物醫藥創新激勵措施運用失衡

由上述分析可見，我國國家高新區促進生物醫藥產業發展的激勵措施存在較明顯的偏向性，技術創新、人才建設、融資支持這3個熱門主題的強度達0.601，由熱門主題中的特征詞“融資”“補助”“資助”結合政策文本高頻詞中的“補貼”（頻次1 542，占比2.63%）、“資金”（頻次1 443，占比2.46%）、“補助”（頻次1 295，占比2.21%）可見，政策多以資金補貼為主要激勵措施。生物醫藥產業創新發展需要政府強有力的政策激勵措施來支持，但激勵措施運用失衡同樣會對產業發展產生不利影響[21]。如果政府研發補貼等直接資金支持投入過重，容易導致企業忽視自身產業發展規律，盲目擴張、產能過剩;而適當的稅收優惠政策可以通過降低企業的創新成本，引導企業加大研發投入，進而享受更多稅收優惠額，有利于企業根據自主創新需求有針對性地擴大投入，形成長期的激勵效果[22]。目前，我國高新區生物醫藥產業的稅收優惠政策和體系仍然有待完善，主要存在優惠范圍窄、力度小、人力資本和組織運營投入相關稅收政策缺失等問題[23]，故需要進一步健全創新激勵導向的稅收制度體系，并還應在運行過程中不斷優化系統規范和實施細則。總之，鼓勵生物醫藥企業創新，需要綜合運用各項相輔相成的配套激勵措施，不斷提高政策運用的科學性、可操作性，方能達到最優的效果。

5.2 對企業擴大海外市場缺乏足夠的支持力度

資源引領、出口貿易為冷門主題，主題強度分別為0.063、0.058，是整個國家高新區生物醫藥產業政策體系中建設較為薄弱的部分。生物醫藥產業作為我國重點發展的戰略性新興產業，已成為多個國家高新區的支柱產業，正處于蓬勃發展階段。但在全球醫藥市場中，仍是起步較早的歐美國家在技術和產品上占據領先地位[24]。技術和產品的領先重在技術創新和產品質量，通過以上主題分析結果可以得知，我國現有政策主要通過研發補貼、人才引進等舉措來促進企業的技術創新，缺少對企業引進海外先進技術和設備的支持，也缺少支持企業間、企業與國內外高校和研究機構間交流合作的配套政策，較難發揮行業龍頭的帶動作用。產品、技術和貿易是我國生物醫藥產業占據國際領先地位的必要條件，而目前我國生物醫藥產業國際競爭力還需進一步提升[25]，針對企業知名品牌打造、業務國際化發展的政策也處于相對匱乏的狀態，亟待相關部門出臺相關政策給予指導。

5.3 對中小企業扶持力度不足，缺少具體的針對性政策

中小企業建設的主題強度為0.049，是8個主題中強度最低的冷門主題，可見各國家高新區對于中小生物醫藥企業的扶持還欠缺針對性的政策和措施。從主題內容來看，生物醫藥產業政策涉及中小企業建設的主要為企業的創新能力，其中“名牌產品”“科技攻關”以及“優惠政策”等正是我國中小生物醫藥企業所面臨的且亟待解決的問題。例如，中小生物醫藥企業作為新藥創新的主體主要會面臨技術、創新人才以及資金不足等困難;組織化程度低的中小生物醫藥企業還缺少合適的融資平臺和渠道，很難獲得融資;此外，中小生物醫藥企業稅費負擔重也一定程度上阻礙了其長遠發展[26]。2014年，國務院就出臺了《關于扶持小型微型企業健康發展的意見》[27]來引導各級政府、各地高新區構建中小企業良好的發展和創新環境，加強對中小企業的扶持力度，但從目前國家高新區政策分析結果來看，對于中小生物醫藥企業創新、稅收以及融資等方面仍缺乏詳細的指導政策和配套措施，有待進一步完善。

6 結語

綜上所述，目前我國國家高新區生物醫藥產業政策以技術創新、人才建設、融資支持為主，缺乏對中小企業建設、資源引領、出口貿易等的關注。今后國家高新區對生物醫藥產業的政策支持及體系建設應重點完善政策激勵措施，平衡各領域政策運用比例;鼓勵企業擴大海外市場，學習海外先進技術，加強科研等領域的多邊合作;配套相應的政策以增進企業間的交流合作，發揮龍頭企業和名牌產品的帶動作用，促進中小企業的發展。

參考文獻

[ 1 ] 王勝光，朱常海.中國國家高新區的30年建設與新時代發展：紀念國家高新區建設30周年[J].中國科學院院刊，2018，33（7）：693-706.

[ 2 ] 陳露，褚淑貞.我國生物醫藥產業工業園區現狀及發展模式[J].現代商貿工業，2016，37（9）：3-5.

[ 3 ] 程凌華，李享.中國火炬統計年鑒：第1部分：國家高新技術產業開發區[M].北京：中國統計出版社，2018：30.

[ 4 ] 王樹海，閆耀民.中國火炬統計年鑒：第1部分：國家高新技術產業開發區[M].北京：中國統計出版社，2008：17.

[ 5 ] 衛平，張躍東，姚瀟潁.國內外科技園區發展模式異質性研究[J].中國科技論壇，2018（7）：180-188.

[ 6 ] 胡德巧.政府主導還是市場主導：硅谷與筑波成敗啟示錄[J].中國統計，2001（6）：16-18.

[ 7 ] 鄭代良，鐘書華.中國高新技術政策30年：政策文本分析的視角[J].科技進步與對策，2010，27（4）：90-93.

[ 8 ] 楊慧，楊建林.融合LDA模型的政策文本量化分析：基于國際氣候領域的實證[J].現代情報，2016，36（5）：71-81.

[ 9 ] 趙樂，張興旺.面向LDA主題模型的文本分類研究進展與趨勢[J].計算機系統應用，2018，27（8）：10-18.

[10] 郎玫.大數據視野下中央與地方政府職能演變中的匹配度研究：基于甘肅省14市（州）政策文本主題模型（LDA）[J].情報雜志，2018，37（9）：78-85.

[11] 劉江華. 1種基于Kmeans聚類算法和LDA主題模型的文本檢索方法及有效性驗證[J].情報科學，2017，35（2）：16-21、26.

[12] BLEI DM，NG AY，JORDAN MI. Latent Dirichlet allocation[J]. J Mach Learn Res，2003，3（4/5）：993-1022.

[13] GRIFFITHS TL，STEYVERS M. Finding scientific topics[J]. Proc Natl Acad Sci：USA，2004，101（1）：5228- 5235.

[14] HANCHEN J，MAOSHAN Q，PENG L. Finding academic concerns of the Three Gorges Project based on a topic modeling approach[J]. Ecol Indic，2016. DOI：10.1016/j.ecolind.2015.08.007.

[15] ROBERTSON S. Understanding inverse document frequency：on theoretical arguments for IDF[J]. J Doc，2004，60（5）：503-520.

[16] BOTH A，HINNEBURG A. Exploring the space of topic coherence measures[C]//Eighth ACM international conference on web search and datamining. New York，Association for Computing Machinery，2015：399-408.

[17] 李湘東，張嬌，袁滿.基于LDA模型的科技期刊主題演化研究[J].情報雜志，2014，33（7）：115-121.

[18] 中關村管委會.中關村國家自主創新示范區天使投資和創業投資支持資金管理辦法[EB/OL].（2014-11-01） [2020-10-27]. http：//zgcgw.beijing.gov.cn/zgc/zwgk/zcfg18/sfq/139714/index.html.

[19] 泰州醫藥高新區管委會.關于加強中國醫藥城專業化高層次人才隊伍建設的實施意見[EB/OL].（2019-01-02）[2020-10-27]. http：//gxqxxgk.taizhou.gov.cn/art/2019/1/2/art_32431_3204.html.

[20] 泰州醫藥高新區管委會.關于推進科技創新引領高質量發展的若干政策[EB/OL].（2019-02-21）[2020-10-27].http：//gxqxxgk.taizhou.gov.cn/art/2019/2/21/art_32435_3264.html.

[21] 畢曉方，張俊民，李海英.產業政策、管理者過度自信與企業流動性風險[J].會計研究，2015（3）：57-63、95.

[22] 曾萍，鄔綺虹.政府支持與企業創新：研究述評與未來展望[J].研究與發展管理，2014，26（2）：98-109.

[23] 寇恩惠，李向陽，趙楊.完善創新型小微企業稅收優惠政策的思考[J].財政監督，2017（14）：5-10.

[24] 劉泉紅，劉方.中國醫藥產業發展及產業政策現狀、問題與政策建議[J].經濟研究參考，2014（32）：39-67.

[25] 潘琪，王雋，徐曉媛，等.“一帶一路”背景下我國醫藥產品進出口現狀與發展[J].中國醫藥導報，2019，16（5）：168-171.

[26] 孫振淋，沈念伍，褚淑貞.醫藥產業集聚中的中小醫藥企業[J].中國藥事，2013，27（3）：288-291、297.

[27] 國務院.關于扶持小型微型企業健康發展的意見[EB/OL].（2014-11-20）[2020-10-27]. http：//www.gov.cn/zhengce/content/2014-11/20/content_9228.htm.

（收稿日期：2020-02-09 修回日期：2020-10-28）

（編輯：孫 冰）