北上廣醫(yī)藥制造企業(yè)技術創(chuàng)新效率實證研究

李帆

摘 要： 選取北上廣醫(yī)藥制造行業(yè)新三板上市公司2017-2019面板數據，運用超效率DEA模型和Malmquist指數模型，對三省醫(yī)藥制造企業(yè)的技術創(chuàng)新效率進行比較分析。研究發(fā)現(xiàn)：三省醫(yī)藥制造企業(yè)的技術創(chuàng)新效率差異較大，34家企業(yè)中有6家企業(yè)達到DEA有效，三省技術創(chuàng)新效率排名：上海>廣東>北京;達到DEA有效的企業(yè)全要素生產率增長貢獻中技術效率大于技術進步，純技術效率大于規(guī)模效率。主要源于醫(yī)藥制造企業(yè)的專利創(chuàng)新中實用型專利多于發(fā)明型專利，并且企業(yè)的R&D資金投入存在規(guī)模報酬率遞減現(xiàn)象。

關鍵詞： 技術創(chuàng)新效率 醫(yī)藥制造業(yè) 超效率模型 Malmquist指數模型

一、引言

中國的經濟發(fā)展逐漸由要素驅動模式轉向創(chuàng)新驅動的“新常態(tài)”，為實現(xiàn)經濟的持續(xù)健康發(fā)展，政府提出了“提高自主創(chuàng)新能力，建立創(chuàng)新型國家”的核心發(fā)展戰(zhàn)略。醫(yī)藥制造業(yè)是典型的技術驅動型行業(yè)，效益增長快、市場廣闊，并且兼具經濟效益與社會效益。研究醫(yī)藥制造企業(yè)的投入與產出關系有利于分析其技術創(chuàng)新效率水平，針對醫(yī)藥制造行業(yè)的技術創(chuàng)新現(xiàn)狀提出對策及建議，進一步提升我國醫(yī)藥制造企業(yè)的自主創(chuàng)新能力，鼓勵原創(chuàng)藥的研發(fā)，提升中國醫(yī)藥在國際市場的競爭力。

二、文獻綜述

關于技術創(chuàng)新效率方面的研究最早起步于國外，并從理論研究發(fā)展為應用研究。Vikram S（2008）最早對美國光伏產業(yè)的技術創(chuàng)新效率進行DEA測算研究，Shoko（2009）對日本醫(yī)藥企業(yè)進行行業(yè)技術創(chuàng)新效率研究。隨后國內學者在技術創(chuàng)新效率領域的研究也有一定的成果，基于不同的效率測算方法，運用歷年省際數據進行行業(yè)、地區(qū)間的比較分析。陳富民（2014）運用超效率模型對中國裝備制造業(yè)的技術創(chuàng)新效率進行研究，晉蕾（2015）將山西省的技術創(chuàng)新效率與周邊省份進行了比較分析。以往的文獻多注重區(qū)域技術創(chuàng)新效率的宏觀層面進行研究，不利于分析微觀層面的行業(yè)間差異;更多關注總投入、總產出的綜合效率，沒有進一步分析技術效率及規(guī)模效率;對醫(yī)藥制造企業(yè)的專利產出及技術創(chuàng)新效率關注較少。本文選擇醫(yī)藥制造企業(yè)，運用超效率DEA及Malmquist指數分解法，對其技術創(chuàng)新超效率值及綜合效率、純技術效率和規(guī)模效率進行分析研究。

三、研究設計

（一）樣本選取與數據來源

本文以新三板北京、上海、廣東地區(qū)的醫(yī)藥制造掛牌企業(yè)為研究對象，選取2017—2019年關鍵數據完整的34家企業(yè)為樣本，數據來源于全國中小企業(yè)股份轉讓系統(tǒng)官網以及各企業(yè)2017—2019年年報。

（二）模型設定與變量定義

1.模型設定。（1）超效率模型。超效率模型（SBM）解決了傳統(tǒng)模型徑向和角度的問題，可在規(guī)模報酬可變的情況下對投入產出效率進行測度，核心就是將被評價DUM剔除參考集，被評價的DUM是參考其他DUM構成的前沿得出的，有效DUM的超效率值一般會大于1，DEA值越大，投入產出效率越高。（2）Malmquist模型。Malmquist指數測度的是在時期t的技術效率下，從時期t到時期t+1的技術效率變化，F(xiàn)are R等人（1992）將DEA-Malmquist指數分解為技術效率變化（EC）和技術變化（TC），即TFPC（CRS）=EC（CRS）×TC（CRS），產出視角下的生產力指數可以分解為技術效率指數和技術進步指數，見式（1）：

最終通過Malmquist指數分解得到：技術效率變化指數（effch）、技術進步變化指數（techch）、純技術效率變化指數（pech）、規(guī)模效率變化指數（sech）和全要素生產率指數（tfpch）。

2.變量定義。（1）產出變量。本文的產出變量為企業(yè)的技術創(chuàng)新效率，通常用企業(yè)的專利數量衡量，因為知識的累積作用和時滯性，本文選取指標為企業(yè)擁有的專利數量以及當年申請的專利數。（2）投入變量。本文投入變量為企業(yè)R&D資金投入與企業(yè)R&D技術人員投入，對應指標選取來自企業(yè)年報中的研發(fā)投入及技術人員數量。見表1。

四、實證分析

本文運用DEA數據包絡分析法，構建超效率DEA模型和Malmquist指數模型，選取企業(yè)技術創(chuàng)新效率對應的投入變量和產出變量指標，以新三板北上廣地區(qū)的醫(yī)藥制造企業(yè)為樣本，選取2017—2019年的數據，在此基礎上運用MaxDEA 7軟件，得到規(guī)模報酬可變情況下中國醫(yī)藥制造企業(yè)2017—2019年技術創(chuàng)新的超效率值，對北京、上海、廣東三個地區(qū)的技術創(chuàng)新效率進行比較分析;通過Malmquist指數分解方法得出專利投入產出的全要素生產效率、技術效率、技術進步、純技術效率和規(guī)模效率指標，進一步分析技術創(chuàng)新效率的內在機制。

（一）超效率DEA模型分析

將從新三板選取的34家中國醫(yī)藥制造企業(yè)按地區(qū)進行分類比較，從橫截面數據來看，北京、上海、廣東三省的醫(yī)藥制造企業(yè)近幾年的技術創(chuàng)新效率平均值都小于1，即沒有達到DEA有效。從技術創(chuàng)新效率變動趨勢來看，北京和上海的技術創(chuàng)新效率逐年提高，廣東的技術創(chuàng)新效率逐年下降。根據橫截面數據的均值進行效率排序，得到上海>廣東>北京。從時序數據看，34家醫(yī)藥制造企業(yè)的技術創(chuàng)新效率均值相差較大（見圖1雷達圖），達到DEA有效的（技術創(chuàng)新效率平均值大于1）企業(yè)有6家，占比17.6%，其中上海達到DEA有效的有3家，分別為源培生物（2.010337，排序2）、科新生物（1.263568，排序4）、方心健康（1.198515，排序6），廣東達到DEA有效的有2家，分別為和凡醫(yī)藥（3.82745，排序1）、美士達（1.212079，排序5），北京達到DEA有效的有1家，為三元基因（1.516249，排序3）。從企業(yè)技術創(chuàng)新達到DEA有效的占比情況來看，上海50%>廣東33.3%>北京16.7%。

（二）基于DEA-Malmquist生產率指數分析

上文運用超效率模型得到2017—2019年北京、上海、廣東三省醫(yī)藥制造企業(yè)的技術創(chuàng)新超效率值，并分析出DEA有效的DUM情況及省份技術創(chuàng)新效率的排名，Malmquist指數的分解可以對技術創(chuàng)新效率的企業(yè)進行微觀層面的分析。

由表2可以看出2017—2019年DEA有效醫(yī)藥制造企業(yè)的全要素生產率有28.18%的增長，這個增長主要來自技術效率的增長（22.84%），對技術效率增長的貢獻中，純技術效率的增長率大于規(guī)模效率的增長率，技術進步的增長低于技術效率的增長。其中，三元基因和凡醫(yī)藥存在全生產要素的負增長，三元基因的負增長是由于技術進步和規(guī)模效率項的負增長，即研發(fā)沒有處于最優(yōu)規(guī)模抑制了創(chuàng)新效率的提高，和凡醫(yī)藥的負增長是由于技術效率的負增長，根本原因是純技術進步的負增長，即存在研發(fā)不足的問題。

五、結論與啟示

本文運用超效率模型得出技術創(chuàng)新的超效率值，分別從橫截面數據和時序數據比較分析三個地區(qū)的技術創(chuàng)新效率水平及有效程度，對Malmquist指數進行分解，從微觀層面分析DEA有效單元的效率變化作用機制，得出以下結論：第一，從橫截面數據看，34家醫(yī)藥制造企業(yè)的技術創(chuàng)新超效率值總體呈現(xiàn)先?下降后上升趨勢，根據均值對技術創(chuàng)新效率進行排序得到：上海>廣東>北京;從時序數據看，34家醫(yī)藥制造企業(yè)中有6家企業(yè)達到DEA有效，占比17.6%，且各企業(yè)間技術創(chuàng)新效率差異較大，6家企業(yè)中上海有3家，廣東有2家，北京有1家。第二，通過Malmquist指數分解方法分析：達到DEA有效的6家醫(yī)藥制造企業(yè)的全要素增長率為28.18%，其中技術效率貢獻大于技術進步貢獻，純技術效率貢獻大于規(guī)模效率貢獻。這是由于醫(yī)藥制造企業(yè)R&D人員投入對企業(yè)發(fā)明型專利方面的創(chuàng)新影響不大，技術與研發(fā)人員的投入多體現(xiàn)在實用型專利以及新藥仿制方面，企業(yè)R&D人員投入注重技術人員的數量，對專業(yè)性方面的關注度不夠，并且企業(yè)的R&D資金投入在初期的效果更明顯，出現(xiàn)資金規(guī)模報酬率遞減現(xiàn)象。

基于此，本文得出以下啟示：

第一，企業(yè)的R&D人員投入不應該局限于技術人員的數量，還應提升研發(fā)與技術人員的專業(yè)知識儲備，使醫(yī)藥行業(yè)的創(chuàng)新從仿制創(chuàng)新向新型藥物研發(fā)方向突破，推動真正的技術進步;

第二，企業(yè)的R&D資金投入是提升企業(yè)創(chuàng)新產出的直接影響因素，且在企業(yè)科技研發(fā)過程中起著正向激勵效應，因此應持續(xù)關注企業(yè)的資金支持，合理優(yōu)化研發(fā)各階段的資金配置，促進企業(yè)技術溢出，為避免出現(xiàn)資金規(guī)模報酬遞減現(xiàn)象，應使研發(fā)資金投入與規(guī)模相適應，提升企業(yè)R&D資金投入的持續(xù)性及規(guī)模效率。