基于SE-DEA模型的醫藥行業效率實證研究

太原理工大學經濟管理學院　李竹梅　劉　蓉 和紅偉　秦婧華

?

基于SE-DEA模型的醫藥行業效率實證研究

太原理工大學經濟管理學院李竹梅劉蓉 和紅偉秦婧華

由于當前醫藥行業效率低下，藥品安全問題層出不窮，本文采用SE-DEA模型對2009～2013年58家醫藥上市公司進行效率測算，區分有效和無效的決策單元，并對DEA無效的公司進行純技術有效性、規模有效性和影子價格的分析，最后針對性地提出提高我國醫藥行業效率的對策建議。

SE-DEA模型純技術效率規模效率影子價格

一、引言

生物制藥行業發展與民生問題休戚相關，是國民經濟產業的重要組成部分，是傳統產業與現代產業相結合的典型代表，對于提高人民生活質量、保障經濟發展、促進社會進步具有不可替代的作用。在隨著全球老齡化進程不斷加快，生物制藥行業更加成為人民群眾的堅實依靠。但近年來，媒體曝光的毒膠囊事件、葛蘭素史克事件、康泰乙肝疫苗事件再次引發公眾的恐懼，藥品安全遭到質疑。在當前我國生物制藥行業效率低下、社會大眾失去信心的情況下，筆者從財務角度出發，分析醫藥行業的經營效率，為提高我國醫藥行業效率、增強企業市場競爭力提出建議。

二、文獻綜述

近年來已有許多學者對我國醫藥行業效率進行評價。傅毓維、尹航、楊貴彬（2006）發現單獨使用C2R模型和C2GS2模型存在較大的局限性，因此通過構建混合DEA模型，對醫藥類上市公司的效率有效性進行評價分析。陳冰、吉生保（2013）使用DEA-Tobit兩階段模型和Malmquist生產力指數計算了我國37家醫藥制造業上市公司2002～2009年間的經營績效，分析了經營效率的影響因素，并評估了樣本期內的經營績效動態變化。蔡理鋮、孫養學（2013）采用DEA和SFA方法分別測算了我國生物制藥企業的技術效率，比較結果后發現，這兩種方法的測算結果有較大差異，但效率排序卻是一致的，然后通過對前沿生產函數進行估計，分析影響我國生物制藥企業技術效率的因素。陶春海（2012）采用因子分析法，根據醫藥行業上市公司的綜合得分進行排序，以此科學、合理地評價其經營狀況并提出增強市場競爭力的對策建議。王維、李嫚、武志勇（2012）在因子分析的基礎上，對醫藥上市公司做進一步的K-Means Cluster聚類分析，整體評價我國醫藥行業企業的經營績效。

現有文獻對醫藥行業的效率分析存在不足：一是因子分析只能對醫藥行業作綜合性的評價，無法判斷導致效率低下的原因；二是DEA模型能夠判斷決策單元的有效與非有效，但對于有效的決策單元無法進一步分析。鑒于此，本文采用SE-DEA模型對我國醫藥行業的純技術效率、規模效率及影子價格進行實證分析。

三、研究設計

（一）樣本選取與數據來源本文以深滬兩市醫藥行業上市公司2009～2013年的財務數據為研究樣本，樣本篩選的標準為：剔除ST和*ST類公司；剔除數據不全、缺失和異常的上市公司；剔除2012年以后上市的公司。最終得到58家醫藥公司，本文數據來源于新浪財經。

（二）評價指標選取在充分考慮上市公司營運管理及醫藥行業特點的基礎上，依據數據可得性原則及實證研究要求，本文基于文獻研究選取6個財務指標為投入指標：主營業務成本、研發費用率、管理費用率、財務費用率、固定資產總額、無形資產總額，選取每股收益、總資產報酬率、銷售凈利率、主營業務收入增長率、凈利潤增長率、股東權益增長率6個財務指標為產出指標。

（三）模型構建效率的分析方法有很多，包括層次分析法、平衡計分卡、模糊評判法等，但這些方法涉及主觀判斷的準確性，影響評價結果的客觀性。DEA的出現克服了這一弊端。DEA方法不需要事先對函數關系和參數進行假設，也不用對多投入多產出進行賦權，使得評價結果更為客觀、真實。DEA模型是Charnes、Cooper和Rhodes于1978年提出，是對多個相同類型的投入產出決策單元進行效率評價的一種線性規劃方法。假定有n個決策單元DMUr（r=1，2，3...n），每個DMU投入p種和產出q種。Xij代表第j個決策單元的第i種投入量，Ykj表示第j個決策單元的第k種產出量，則第r個決策單元的DEA模型如下：

以上為最具代表性的CCR模型，優點在于既考慮了技術有效性，又涉及到規模有效性，綜合分析決策單元的有效性。其中，S-i、S+k表示松弛變量，θ表示第r個決策單元的超效率值。若θ=1，S-i=0且S+k=0，則被評價的決策單元為DEA有效；若θ=1，S-i≠0或S+k≠0，說明被評價的決策單元為DEA弱有效；若θ＜1，說明被評價的決策單元為DEA無效。

DEA模型能夠區分有效和無效的決策單元，但當多個決策單元的效率值為1時，DEA無法對其進行分析。Andersen和Petersen（1993）對其進行改進，建立了SE-DEA模型以彌補這一缺陷。第r個決策單元的SE-DEA模型如下：

上述兩個模型的區別在于：在測算第r個決策單元的效率值時，DEA模型是用所有決策單元的投入產出的線性組合代替該決策單元的投入產出，SE-DEA模型則是將第r個決策單元排除在外，該決策單元的投入產出由其余全部決策單元的投入產出來代替。

四、實證結果與分析

由于投入產出指標存在量綱上的差異，如果將其直接代入運算，無法有效地評價經營效率。因此，需要將各指標數值先進行無量綱化處理，處理后的評價值在0-1之間。

（一）DEA與SE-DEA的效率測算將無量綱化處理后的結果分別代入DEA模型與SE-DEA模型，分別運用DEAP2.1和lingo11.0軟件進行計算，結果見表1。

表1　DEA與SE-DEA的效率測算結果對比表

根據DEA模型的分析結果，DEA有效的醫藥公司為8家，占樣本總數的13.8%，而其余50家醫藥公司為DEA非有效，比例達到80%以上。整個行業的效率平均值為0.741775。SE-DEA模型的分析結果中，58家醫藥公司中超效率值最高的為3.544237（渤海股份），最低的是0.249896（華北制藥），平均值為0.808173，標準差為0.436518，23家公司的效率值在平均值以上，占39.7%，平均值以下的公司有35家，占60.3%。

通過比較上述效率測算結果，不難發現，非有效公司的超效率值與效率值一致，但在DEA模型中，相對有效公司的超效率值與效率值卻出現了差異，表明SE-DEA模型能夠彌補前者無法對有效的決策單元進行深入分析的缺陷。相比于DEA模型，SE-DEA模型能夠對所有決策單元進行充分評價和排序，為決策者提供更加完善的信息，其評價結果也更客觀、公正，在效率分析的應用中更具優勢。

（二）SE-DEA模型的效率分析 通過上述效率測算，判斷區分了有效與無效的決策單元，為了提高DEA無效公司的投入產出比，使其達到DEA有效，本文采用lingo11.0軟件對58家醫藥公司的超效率值進行更深入的分析，結果見表2。

表2　SE-DEA模型的效率分析結果

（1）綜合效率分析。通過分析表2，在58家醫藥公司中，僅有8家公司的DEA有效，分別為：θ（渤海股份）＞θ（恒瑞醫藥）＞θ（四環生物）＞θ（東阿阿膠）＞θ（山大華特）＞θ（片仔癀）＞θ（金宇集團）＞θ（中源協和）＞1。其他上市公司DEA非有效，占樣本總數的86.2%?？梢?，整個醫藥行業投入產出效率相對較低。

（2）技術有效性分析。由表2可知，純技術效率值大于1的醫藥公司除了DEA有效的8家公司外，還有紫光古漢、青海明膠、通化金馬、金花股份、太龍藥業等10家，說明這18家公司在技術創新方面的投入產出比是最優的。其余40家公司的技術效率則是非有效，比例高達69%。因此，需要加快以企業為中心的技術創新體系的建立，增加技術研發投入，加強自主創新，加速產品更新速度，從而提高技術效率。

（3）規模有效性分析。規模效率有效的醫藥公司有7家，其中最優的是渤海股份，這些公司處于穩定的規模報酬階段，應保持現有的投入規模。其余醫藥公司均處于規模報酬遞增階段，這些公司的產業規模較小，無法充分發揮規模經濟的作用，其中武漢健民、美羅藥業最為明顯，這兩家公司已經處于技術效率最佳狀態，卻由于生產規模較小，制約了綜合效率的提高，嚴重影響了公司的發展，因此，這類公司需要加大生產規模投入，尋求合理的規模水平，實現規模經濟。

（4）影子價格分析。針對DEA無效的50家醫藥公司，為了確定投入產出指標對效率值的影響程度，找出DEA無效的原因，本文進行影子價格分析，以此找出改進效率值的最優方案。以長春高新為例說明影子價格分析的過程。表3中，Dual Price表示影子價格，意為當投入產出指標增加（或降低）一個單位時，使MNI目標值減少（或增加）的單位。對于長春高新而言，如果X1增加一個單位，效率值就提高3.174635；X2增加一個單位，效率值就提高1.466156；Y1減少一個單位，效率值降低0.4238369；Y3減少一個單位，效率值降低0.6962166；Y2的影子價格為0.000000，說明該指標不會對對效率值產生影響。從上述分析結果可以發現，投入指標X1影子價格的絕對值最大，說明X1對效率值的影響最大，因此，長春高新首先要加大研發指標的投入，具體表現為：增加技術創新投入，加大鼓勵和支持創新活動，在引進國內外先進技術的同時，注重技術的吸收和轉化，才能最快接近生產前沿面，創造最大的效益。

表3　長春高新的影子價格分析

五、結論及建議

（一）結論本文以58家醫藥行業上市公司為研究對象，收集其2009～2013年財務數據，采用因子分析與SE-DEA模型兩步法對其進行了效率測算，并在此基礎上分析58家醫藥公司的純技術效率、規模效率及影子價格。結果表明：86.2%的醫藥公司未達到DEA有效，其中純技術非有效的公司占69%，規模效率低于1的比例高達87.9%，充分說明我國醫藥行業存在技術研發投入不足，創新能力低下，產業規模較小，產業集中度較低等缺陷。從影子價格分析的結果來看，醫藥行業整體效率低下的原因在于投入力度不大，技術投入與規模投入不足制約了效率提高。

（二）建議本文認為我國醫藥行業提高效率可以從以下幾方面進行突破：

（1）增加對醫藥科技創新方面的投入。我國醫藥行業科技成果轉化能力薄弱，藥物研發仍以跟蹤仿制為主，原始創新能力不足，要改變這一局面，需要加大新藥的研制和專利的開發，加快形成自主知識產權，積極引進國內外先進技術，注重技術的吸收和轉化，推進建立以企業為中心、科研院校為支撐、市場為導向、產品為核心、產學研相結合的醫藥科技創新體系，提高醫藥行業的自主研發能力和科技創新能力，從而提升企業的技術效率，增強國際競爭力。

（2）擴大醫藥行業的生產規模，形成規模經濟。截止2012年底，我國規模以上的醫藥公司僅占1.55%，表明我國醫藥行業存在規模不經濟現象。面對醫藥需求強勁增長的現狀，在擴大行業規模，提高行業集中度的同時，需要處理好擴張速度和規模合理性之間的關系，只有達到一定的規模才能發揮報酬遞增效應，產生規模經濟，醫藥行業效率才能在真正意義上得到提高。

（3）鼓勵醫藥企業兼并重組，培育絕對優勢企業。我國醫藥企業不僅整體規模小、而且分布比較散亂，缺乏自主品牌與特色產品。兼并重組的意義在于增強優勢企業的實力，以優勢帶動劣勢，把劣勢轉化為優勢，提高企業和整個行業的資源利用率效率。因此，只有整合有效資源形成絕對優勢，從而加強新產品的開發能力，提高市場占有率，增強核心競爭力，才能在殘酷的市場競爭中立于不敗之地。

［1］傅毓維、尹航、楊貴彬：《基于混合DEA模型的醫藥行業上市公司經營效率相對有效性評價》，《中國管理科學》2006年第5期。

［2］陳冰、吉生保：《中國醫藥行業上市公司的績效評價及影響因素——基于面板數據的DEA-Tobit實證研究》，《中央財經大學學報》2013年第8期。

［3］蔡理鋮、孫養學：《基于DEA和SFA的生物制藥企業效率研究》，《科技管理研究》2013年第2期。

［4］陶春海：《基于因子分析法的企業經營績效評價-以我國醫藥上市公司為例》，《江西社會科學》2012年第7期。

［5］王維、李嫚、武志：《基于因子分析與聚類分析的企業經營績效評價研究-以醫藥類上市公司為例》，《財會通訊（綜合·中）》2012年第12期。

［6］齊園、張永安：《基于因子分析與DEA模型的高技術產業技術效率的實證研究——以北京為例》，《科技管理研究》2014年第4期。

（編輯朱珊珊）