醫藥上市公司收益變化研究

林婉婷 夏英俊 龔希瑤 葉津銘

摘要：新冠肺炎疫情暴發后，醫療資源供需平衡被打破，使得醫藥上司公司收益受到重大影響。基于Friedman檢驗分析、多元線性回歸分析和因子分析，對醫藥上市公司收益變化影響因素進行研究。研究結果表明：醫藥上市公司的收益變化主要與毛利率及研發投入費用有關，基于因子分析的多元回歸模型更適合預測醫藥上市公司未來發展趨勢。

關鍵詞：醫藥上市公司；因子分析；多元回歸

0 引言

2019年年底，新冠肺炎疫情的暴發給整個醫療行業帶來了極大的挑戰，導致醫療資源的供需平衡被打破，醫療服務失衡，影響了醫療行業的正常經濟運行。為更深入地了解新冠肺炎疫情對醫療行業的影響，對影響醫療行業正常運行的因素及影響程度進行研究，以期幫助政府和企業更好地預測醫療行業的發展趨勢，制定科學、合理的決策。在現有文獻中，李帥和張強［1］基于Fama-French三因子與五因子模型研究新冠肺炎疫情對國外股票的影響，認為Fama-French模型對各行業的匹配程度提高，疫情對不同醫療子行業的影響存在差異；郎麗華和馮雪［2］等研究疫情背景下醫療貿易發展應對措施，指出我國醫療產業要遵循醫療產品比較優勢，發展重點貿易類別，提高貿易流通效率，做好國內外的產品流通；周禮華［3］研究新冠肺炎疫情對“大財務管理”運行的影響及應對措施，認為抗擊疫情需要創新醫療模式、把握政策、提高待遇等，實現“全面精準管理”。

綜上所述，不少學者以新冠肺炎疫情為切入點，分析了疫情帶來的影響，但對是什么影響了疫情前后醫療行業的收益變化的研究較少。因此本文基于傳統統計學分析方法，結合財務分析中的相關指標，更加針對性地進行分析，預測醫藥上市公司未來發展方向，給出相應的政策建議，使未來醫療行業面對突發狀況時能從容應對，為以后突發此類事件提供參考。

1 數據處理與初步統計分析

1.1 數據收集與變量選取

為了明確疫情前后醫藥上市公司收益變化情況和了解在疫情后影響醫藥上市公司發展的因素和影響程度，本文在參考相關文獻的基礎上，基于國家統計局、東方財富網的相關數據，選取61家醫藥上市公司2018—2021年財務數據，并選擇資產負債率、毛利率、研發投入、每股收益、投入資本回報率、每股凈資產、每股現金流、經營活動現金流、扣非凈利潤共9個指標進行分析。指標說明見表1。

1.2 數據檢驗

為了選取合適的模型，本文首先對數據進行正態性檢驗，據SPSS軟件，得出結果表2。2018—2021年營業總收入樣本各61個，屬于大樣本，采用K-S檢驗。由表2可知，p值均小于0.05，在0.05的顯著性水平拒絕原假設，即數據不滿足正態分布。同時由表2可知，2018—2020年營業總收入偏度和峰度均明顯大于0，2021年營業總收入峰度為-1.224，不等于0，而已知正態分布的偏度和峰度均為0，因此數據不滿足正態分布，需進行Friedman檢驗。

Friedman檢驗用于分析多組樣本數一致的定量變量之間有無明顯差異，該檢驗并不要求數據呈正態分布，適用范圍較廣。因此本文通過Friedman檢驗進一步分析醫藥上市公司2018—2021年營業收入是否存在顯著性差異，結果見表3。

通過Friedman檢驗分析結果可知，顯著性p值均為0.000，小于0.05，因此統計結果顯著，2018—2021年營業總收入之間存在顯著差異；其差異幅度Cohens f值為0.194，為小幅差異。從中位數和平均值的數值大小也可以看出為小幅差異。

2 實證分析

2.1 模型建立

2.1.1 多元線性回歸模型

對所選指標進行多元線性回歸分析，見表4。線性回歸是利用數理統計中回歸分析來確定兩種或兩種以上變量間相互依賴的定量關系的一種統計分析方法。基于劉昱煜等［4］回歸分析模型，結合表4數據，建立醫藥上市公司收益變化與所選指標的回歸模型

y=37.023+0.256×x1+0.097×x2+0.607×x3+0.366×x4+0.026×x5+0.248×x6-0.321×x7+0.781×x8-0.298×x9

由表4可知，各指標的p值均小于0.05，拒絕回歸系數為0的原假設，因此模型滿足要求。投入資本回報率、資產負債率、每股收益、經營活動現金流、研發費用、毛利率與收益變化存在顯著正向影響，每股現金流、扣非凈利潤與收益變化存在顯著負向影響，且影響程度最大的是毛利率，但由于F=13.041＞10，表明變量之間存在共線性問題。

當自變量之間存在多重共線性問題時，會降低模型的可靠性和準確性，同時給回歸系數的統計檢驗及回歸系數的物理含義解釋等造成一定的困難。因此本文進一步采取因子分析法來消除多重共線性帶來的不良影響。

2.1.2 因子分析

因子分析法［6］是通過多個變量轉化為少數幾個綜合指標，將多個有一定相關性的指標進行線性組合，以最少的維度解釋原數據中盡可能多的信息為目標進行降維，降維后的各變量間彼此線性無關。同時因子分析方法可以消除一些不必要的隨機噪聲，能更加關注真正有意義的因素，提高模型的準確性和穩定性。

首先進行KMO和Bartletts檢驗。檢驗結果見表5，KMO值為0.751；同時，Bartlett球形檢驗的結果顯示，顯著性p值為0.000，小于0.05，二者均說明數據適合做因子分析，結果見表6。由表6可知，因子分析方差解釋表前4個指標的特征根均大于1，且累計貢獻率能反映81.587%的總信息，說明9個指標可以作為4個公因子進行后續分析。所以，本文提取4個公因子，分析結果見表7。

第一公因子（1）為反映每股收益、每股現金流、經營活動現金流、扣非凈利潤的綜合指標；第二公因子（2）為反映毛利率、資產負債率、研發費用的綜合指標；第三公因子（3）為投入資本回報率、每股收益、每股凈資產的綜合指標；第四公因子（4）為反映資產負債率、研發費用、經營活動現金流的綜合指標。回歸結果見表8。

基于因子分析結果，建立與公因子（1）Y1、公因子（2）Y2、公因子（3）Y3、公因子（4）Y4的線性回歸模型為

P=29.067+0.619×Y1+0.432×Y2+0.375×Y3+0.341×Y4

由上述結果可知，4個公因子的p值均小于0.05，并在0.05水平顯著，拒絕原假設，說明模型符合要求，同時F=7.817＜10，說明變量之間不存在多重共線性問題，R2=0.827，說明模型擬合較好。

2.2 模型比較

2.2.1 回歸結果對比

在回歸分析種，普通最小二乘法和因子回歸均可以用來研究本文所選指標對醫藥上市公司收益變化的影響，但兩種方法的擬合效果不同，見表9。從表9可知，普通最小二乘法回歸和因子回歸p值均小于0，模型均有效。但通過比較調整R2（0.814＞0.647）可知，因子回歸模型擬合度更好。結合前文表4可知，普通最小二乘法回歸結果中兩個自變量的方差擴大因子都大于10，說明自變量之間存在多重共線性問題。多重共線性會降低模型的有效性和穩定性，對模型系數的解釋也會造成偏差，因此因子回歸模型效果更好。

2.2.2 預測結果對比

因子回歸調整R2=0.814＞0.647，擬合效果明顯優于普通最小二乘法，見圖1，進一步說明了基因子回歸擬合效果更好。

3 結論及建議

3.1 研究結論

本文選取新冠肺炎疫情發生前后我國部分醫藥上市公司收益變化作為研究對象，得出2018—2021年營業收入差異顯著；醫藥上市公司的營業收入與所選指標有較大相關性，影響程度最大的是毛利率；且因子回歸結果比普通最小二乘法回歸結果要好。

本文在研究的過程存在一些不足之處：首先是本文選取的是部分醫藥上市公司的數據，不能完全代表整個行業的情況；其次是所選的9個指標并不能絕對反映出各方面公司的盈利能力大小；同時在模型構建上沒有全方位考慮影響醫藥上市公司營業收入的影響因素，可能還存在遺漏變量，所以在回歸預測上可能存在偏離實際的情況。

3.2 政策建議

新冠肺炎疫情給我國醫療行業帶來了機遇和挑戰［2］。隨著疫情影響逐步降低和解除對新冠感染的甲類傳染病防控措施，人們對預防和治療新冠感染的藥物需求更加普遍。為滿足人們的需求，一方面，國家應加大對創新藥研發的扶持，推動擁有先進技術的醫藥上市公司發揮優勢，加快對抗病毒、抗感染藥品的研發；另一方面，醫藥上市公司也應把握時間窗口，積極進行轉型升級，提高自主創新能力，依靠科技進步、科學管理等手段，創造具有市場潛力的醫療產品和發展空間。

4 結語

醫療行業的發展是與人民健康和安全密切相關的重要行業。疫情后，醫藥產業和醫療服務等板塊進入新的發展階段。為適應這一發展趨勢，醫藥上市公司應該加強研發和提高創新能力，通過不斷推動科技創新，開展新藥研發和臨床試驗，提高產品質量和療效，滿足人民群眾對藥品和醫療器械的日益增長的需求。同時加強品牌建設和市場推廣、加強國際合作與發展、動態評估市場需求變化，防止出現產能過剩，為人民健康提供更好的醫藥產品和醫療服務。

參考文獻

［1］李帥，張強.新冠肺炎疫情對美股醫療行業收益影響的實證研究［J］.中國物價，2021（9）：83-86.

［2］郎麗華，馮雪.疫情下如何促進我國醫療貿易發展［J］.開放導報，2020（3）：79-85.

［3］周禮華.疫情下醫療行業“大財務全面精準管理”的影響因素與應對措施［J］.財務管理研究，2020（4）：32-39.

［4］劉昱煜，鄭淇文，李晨.基于數理統計多元回歸模型的拱壩水平位移影響因素分析［J］.水利水電快報.2022，43（7）：101-105，128.

收稿日期：2023-06-25

作者簡介：

林婉婷，女，2002年生，本科在讀，主要研究方向：金融統計。

夏英俊，女，1979年生，博士研究生，講師，主要研究方向：金融統計。

龔希瑤，女，2003年生，本科在讀，主要研究方向：金融統計。

葉津銘，男，2001年生，本科在讀，主要研究方向：金融統計。