長三角地區生物醫藥產業鏈效率評價

摘要：利用數據包絡模型和DEAP 2.1軟件，從投入和產出的角度評價產業鏈效率，對長三角地區13家生物醫藥企業上市公司的產業鏈效率發展趨勢進行評估。產業鏈分工可以分為企業內產業鏈分工和企業間產業鏈分工，可以看出企業間產業鏈分工的產業鏈效率走強。得益于專業化分工的發展，長三角地區生物醫藥龍頭企業中，企業間產業鏈分工的綜合效率逐漸提升，規模化發展體現了技術效率和規模效率的優勢。關鍵詞：長三角地區；生物醫藥企業；產業鏈效率

中圖分類號：F 273.1文獻標識碼：A文章編號：1672-7312（2018）01-0071-05

Abstract：Using the data envelopment model and DEAP 2.1 software，the efficiency of the industrial chain is evaluated from the perspective of input and output.The development trend of industrial chain efficiency of 13 listed companies in the Yangtze River Delta region is evaluated.Industrial chain division of labor can be divided into the division of labor within the enterprise chain and the division of labor between enterprises；It can be seen that the industrial chain between the industrial chain of industrial efficiency becomes stronger.Benefiting from the development of specialized division of labor，the biomedical leading enterprises in the Yangtze River Delta region，the division of labor between the industrial chains of integrated efficiency gradually increased and largescale development advantages reflects the technical efficiency and scale efficiency.

Key words：Yangtze river delta region；biomedical enterprise；industrial chain efficiency

0引言產業鏈是指區域內各產業部門之間基于特定的技術、市場、邏輯和空間布局，客觀形成的鏈條式關聯關系，它主要是根據各地區間區域差異和區域比較優勢的客觀存在，以實現區域內各產業部門的專業化分工與合作[1]。產業鏈分工和區域經濟發展關系密切，而區域內的產業鏈效率發展程度決定了區域經濟發展狀況。產業鏈分工從企業的角度來看，可分為企業內產業鏈分工和企業間產業鏈分工，企業內產業鏈分工達到橫向一體化或縱向一體化，降低交易成本；而企業間產業鏈分工又可分為產業間產業鏈分工和產業內產業鏈分工，企業間通過產業鏈分工而從事專業化生產或服務降低了生產成本；產業鏈分工通過細化產品和專業生產與服務，提升了產品質量和運營效率[2]。比較產業內產業鏈分工和企業間產業鏈分工的產業鏈效率，有利于企業選擇運營效率最大化的模式。

1產業鏈效率的概念及評價模型

1.1產業鏈效率的概念產業鏈效率是對產業鏈經濟效率的簡稱，所謂經濟效率是指在一定的經濟成本的基礎上所能獲得的經濟收益。產業鏈上各產業鏈環實際代表的是區域內各企業一定的要素投入量（人力、物力和財力）和所得到的產出。也就是說，產業鏈是投入的要素追加鏈和所得到的價值追加鏈[3]。因此，產業鏈效率就是產業鏈上總產出與總投入的比率。產業鏈效率定義為：假定在Δt時段內，整個區域的產業鏈有j個產業鏈環，j=1，2，…，n.每個產業鏈的節點有i個企業，i=1，2，…，m.I為此Δt內能以貨幣表示的總投入；U為Δt內能以貨幣表示的總產出；Ij，Uj分別為所有產業鏈在Δt內的投入和產出。倘若區域內的產業鏈的投入和產出之間并沒有重復計算，那么各產業鏈環投入之和等于Δt時段內各產業鏈和各環節的總投入，即I=n1Ij

miIi；各產業鏈環產出之和等于Δt時段內各產業鏈和各環節的總產出，即U=

n1UjmiUi；假設U和I是已經換算到某一時點上的可比數值，則產業鏈效率可以概括為：PE=U/I（1+x）Δt（x為貼現率）。各產業鏈環的效率為：

PEj=Uj/Ij（1+x）Δt.

在經濟活動中，由于最終產品不同，產業鏈具有各種不同的形態。產品特性決定著產業鏈的不同，這包括最終產品和整個鏈條上相關產品的自身特性，以及這些產品之間的關系。產業鏈具有很強的區域性，在一定的區域范圍內資本等要素可以自由流動、技術水平差異很小、資源配置效率相近，所以在分析產業鏈效率時選定特定區域較為合理。

1.2產業鏈效率測度方法

1.2.1DEA簡介DEA（Data Envelopment Analysis，數據包絡分析）是由A.Charnes和W.W.Cooper等人在上個世紀70年代所創建，是數學、運籌學和數理經濟學等學科的交叉領域，DEA是具有鮮明特色的模型、理論和方法，是研究具有同一類型的部門間相對有效性的非常有效的工具，也是處理多目標決策問題理論上非常完備的方法，也是相關研究理論中估算具有多投入和多產出的效率問題的有效工具[4-5]。在生產和社會活動中，經過一段時間后需要對同類的部門或單位進行評價，其中每個部門或單位稱為決策單元（簡記為DMU）。也可以理解為，某些組織系統是將一定投入轉化為一定產出的實體，稱這些系統為決策單元。DMU的效率是指產出與投入之比，DMU的投入可以作為DEA模型中的輸入指標，而產出則可以作為DEA模型中的輸出指標。DEA的一個重要模型是C2R模型。假設有n個決策單元（DMU），每個決策單元都有m種類型的“輸入”以及s種類型的“輸出”。

Xi=（x1i，x2i，…，xmi）T

為輸入向量，

Yi=（y1i，y2i，…，y8i）T為輸出向量，效率定義為產出與投入之比，構造線性規劃并用CharnesCooper 變換，對線性規劃引入松弛變量

s-和剩余變量s+，以此建立一個帶有非阿基米德無窮小評價決策單元相對有效性的線性規劃的對偶規劃如下：min[θ-ε（Ts-+eTs+）].

s.t.

n1xiλi+s-=θx0

m1yiλi-s+=y0

λi≥0，i=1，2，…，n

s-≥0，s+≥0

其中

T=（1，1，…，1）∈Em，

eT=（1，1，…，1）∈Ex.

ε為非阿基米德無窮小量，它是一個小于任何正數且大于零的數；s-為與投入相對應的松弛變量組成的向量；s+為與產出相對應的剩余變量組成的向量；λ為相對于某個DMU重新構造一個有效DMU組合中某個決策單元的組合比例，即是決策單元線性組合的系數；θ為決策單元的有效值。

C2R模型是在規模收益不變的前提條件下提出的，模型的效率值是技術效率和規模效率的綜合效率值，而企業的效益不受規模大小的影響這一假設并不滿足現實的許多條件，在經濟活動中，規模收益總是呈現遞增-不變-遞減的規律。因此 Charnes，Cooper，Banker提出了C2R模型的改進方案——BC2模型，通過增加一個凸性假設 1λ =，規模收益不變（簡記為CRS）的假設修正為規模收益可變（簡記為VRS）的假設。BC2模型如下：

minθ

s.t.

n1xiλi+s-=θx0

m1yiλi-s+=y0

n1λi=1

s-≥0，s+≥0，λi≥0，i=1，2，…n

DEA的基本思想：DMU的效率是指產出與投入之比，并且針對多投入和多產出情形，以加權和的形式綜合投入和產出要素。DMU的投入可以作為DEA模型中的輸入指標，而產出則可以作為DEA模型中的輸出指標。文中以DMU對應的“產出值”與“投入值”相比所得出的結果就是其“經濟效益”即代表文中的產業鏈效率。

1.2.2生物醫藥產業鏈效率模型結構借鑒LiSungko和NgYingchu對生產群體效率的分析框架

[6]，文中應用DEA方法，以區域內各產業鏈的企業為DMU，構建了產業鏈效率評價的一般方法，為測度區域產業鏈的總體效率，需虛擬一個DMU作為投入產出的平均值，即令

=

1nn1xj，

=

1nn1yj，

，則產業鏈效率

Ep=maxθ（θ：（，∈Tp），Tp為所有產業鏈的可能值。這里引入影子價格P（即增加每一單位投入、產出所導致的DMU相對效率的增量），結合DEA模型的原理，從空間區域的角度對產業鏈效率加以分解，以產業鏈上的企業為決策單元（DMU），并選擇營業總成本、從業人員和總資產為投入值，營業總收入為產出值。

1）技術效率，是指各決策單元（DMU）在投入保持不變時，根據現有的投入產出結構，對生產的實際值與最優值（或最大產出）進行比較。為各區域技術效率的加權平均值，其中權數用各區域實際產出與全國產業實際產出總和之比值，公式為：

EPT

=1PYn1pyi

=

n1

pEPTiyi

pY

=n1yiYEPTi.

2）產出結構效率，是指各決策單元（DMU）在產業結構比例相對最優時的最大產出與在現有產出結構下的最大產出之比，即各決策單元在CRS模型上的產出投影點與VRS模型上的產出投影點的比較（CRS是不變報酬條件下的生產前沿面，即最優生產規模時候的生產前沿，VRS為可變規模報酬的生產前沿面），公式為：

EPS=n1EPiyip

n1p（EPTiyi）

=

n1EPSiy′ip

n1py′i

=

n1y′iY′EEPSi.

3）要素配置效率（也稱規模效率），為各決策單元（DMU）組合效率最優條件下的產出與各DMU個體的最優產出加權值的比值，公式為：

EPR

=EPUP′

m1EPiUip

.

將以上公式代入可得：Ep=EPT·EPS·EPR，即產業鏈效率為技術效率（

EPT）、產出結構效率（EPS）和要素配置效率（EPR）三者的乘積。

2模型及數據說明根據前述長三角地區生物醫藥產業鏈分工模式，將產業鏈分為企業內分工和企業間分工的產業鏈效率進行測度，對比分析企業內產業鏈分工的產業鏈效率和企業間產業鏈分工的產業鏈效率，為企業在區域內經營效率最大化提供選擇。研究數據來自萬得數據庫。根據萬得數據庫的行業分類和生物醫藥經營數據將其分為西藥、中藥、生物科技、醫藥商務與服務和醫療器械5個子行業。根據經營范圍將其劃分為企業內產業鏈分工和企業間產業鏈分工，長三角地區生物醫藥產業的上市公司中，剔除數據不全的企業，共上市公司13家，收集整理各企業的營業總成本、員工人數和總資產作為企業總投入，企業銷售收入作為總產出。計算每個行業產業鏈的平均產出和平均投入的比值，即為生物醫藥企業產業鏈分工的產業鏈效率。文中選擇2012—2016年最近5年的企業運營時間序列數據，根據企業間產業鏈分工和企業內產業鏈分工比較兩者產業鏈效率的走勢，然后進行綜合分析。企業內分工的各決策單元DWU1，DWU2，DWU3，DWU4，DWU5，DWU6分別表示復星醫藥、恩華藥業、浙江醫藥、金陵藥業、上海醫藥、魚躍醫療6家上市公司；DWU7，DWU8，DWU9，DWU10，DWU11，DWU12，DWU13分別表示海翔藥業、我武生物、億帆鑫福、上海凱寶、泰格藥業、佐力藥業、上海萊士7家上市公司。根據各公司年報和Wind數據庫整理數據見表1（以2016年數據為例）。

3生物醫藥產業鏈分工效率評價結果文中使用DEAP 2.1軟件對產業鏈效率進行測度，結果見表2～表6.

根據上述DEA評價模型及評價結果可以比較企業內和企業間產業鏈分工的產業鏈效率的差異，綜合評價結果中的產業鏈效率得出產業鏈效率指數變化趨勢圖和產業鏈效率變化趨勢圖（如圖1，圖2所示）。

4結論從產業鏈效率測度指標的走勢圖中可以看出，企業間產業鏈分工的技術效率在2015年、2016年超過企業內產業鏈分工的技術效率，整體上企業內產業鏈分工的規模效率高于企業間產業鏈分工的規模效率，但企業內產業鏈分工綜合效率在2015年、2016年超過企業內產業鏈分工的綜合效率。結合產業鏈效率走勢的測度結果可知，企業內產業鏈分工和企業間產業鏈分工的產業鏈效率在2012—2016年呈現此消彼長的趨勢：2012年、2013年、2014年企業內產業鏈分工的綜合效率比企業間產業鏈分工的綜合效率要高；而2015年、2016年企業間產業鏈分工的綜合效率超過了企業內產業鏈分工的綜合效率；在不同年份的產業鏈效率比較中，產業鏈效率呈現相反的走勢。分析產業鏈效率走勢的變化原因，可以從國家和區域經濟環境和產業鏈效率測度指標2個方面考慮。從產業鏈效率測度指標方面看，企業內產業鏈分工所選企業是規模較大，內部同時存在著多條產業鏈，企業進行多元化投資和經營，

在技術效率和規模效率都具有很大優勢，而2015年、2016年由于從事專業化業務的企業技術效率大為提升，綜合效率超過綜合性多產業鏈的企業。究其形成原因，企業間產業鏈分工所選企業從事專業化產品的研發、生產、銷售等業務，隨著互聯網、人工智能和電子商務的快速發展，專業化產品迅速發展，產業鏈效率提升較快。從國家和區域經濟環境來看，2009年進行了醫療制度改革，近年來我國對生物醫藥行業投資力度不斷加大，醫藥行業整體呈兩位數增長。長三角地區區域經濟一體化程度較高，要素流動較為暢通，區域內部分工程度較高，綜合因素導致生物醫藥產業高速增長。另外，所選企業內產業鏈分工的企業在長三角地區多為綜合性龍頭企業，規?；涂绠a業鏈合作的效率較高，因此產業鏈效率較高；隨著產業鏈分工的深化，專業從事某一產業鏈的企業逐漸成為行業龍頭，如上海萊士，在血液制品中成為行業龍頭，在長三角地區甚至全國的市場份額占比較高，企業間產業鏈分工的綜合效率提高。

參考文獻：

[1]王巖，盛洪昌.關于產業鏈效率的經濟分析[J].中國城市經濟，2011（29）：53-55.[2]張永慶，許志彪.長三角地區生物醫藥產業鏈分工模式研究[J].科技和產業，2017，17（5）：28-32.[3]王志宏，劉強，王沖.區域分割下的煤炭產業鏈效率評價及發展策略[J].煤炭學報，2012，37（4）：705-710.[4]Joe Zhu.Imprecise DEA via standard linear DEA models with a revisit to a korean mobile telecommunication company[J].Operations Research，2004，52（2）：323-329.[5]Joe Zhu，Wade D Cook.Modeling data irregularities and structural complexities in data envelopment analysis[M].Springer Science of Business Media，LLC，2007.[6]Li Sungko，

Ng Yingchu.Measuring the productive efficiency of a group of firms[J].International Advances in Economic Research，1995，1（4）：377-390.

（責任編輯：許建禮）