徐俐穎 翁坤玲 蔣丹 褚淑貞

摘 要 目的：為提升我國醫(yī)藥產(chǎn)業(yè)創(chuàng)新效率、促進我國醫(yī)藥產(chǎn)業(yè)高質(zhì)量發(fā)展提供參考。方法：運用三階段數(shù)據(jù)包絡分析法（DEA），以經(jīng)濟發(fā)展、政策支持、產(chǎn)業(yè)基礎和創(chuàng)新基礎等4個因素作為環(huán)境變量，從《中國統(tǒng)計年鑒》和《中國高技術產(chǎn)業(yè)統(tǒng)計年鑒》中選取2012-2016年以及2018年我國31個省（區(qū)、市）的投入、產(chǎn)出及環(huán)境等相關指標數(shù)據(jù)，探討我國醫(yī)藥產(chǎn)業(yè)創(chuàng)新效率變化規(guī)律并給出相應建議。結果與結論：有18個省（區(qū)、市）的醫(yī)藥產(chǎn)業(yè)創(chuàng)新效率被高估，13個?。▍^(qū)、市）被低估。其中，福建、黑龍江、吉林、江西、云南、遼寧、重慶調(diào)整前的創(chuàng)新效率存在0～0.1的高估，陜西、海南、甘肅和山西存在0.1～0.3的高估，內(nèi)蒙古、貴州、廣西、新疆和寧夏存在0.3～0.5的高估;而安徽、湖南、上海、北京、河北、四川、天津和河南調(diào)整前的創(chuàng)新效率存在0.1～0.3的低估，湖北、江蘇、浙江、山東和廣東存在0.3～0.5的低估;西藏、青海和廣東受環(huán)境因素較大，其中西藏、青海調(diào)整前的創(chuàng)新效率比調(diào)整后分別高估了0.603、0.538，而廣東則低估了0.470?？傮w而言，我國東部地區(qū)和中部地區(qū)調(diào)整前的創(chuàng)新效率被低估，而東北地區(qū)和西部地區(qū)被高估;調(diào)整前創(chuàng)新效率由高到低排序依次為中部、西部、東部和東北地區(qū)，而調(diào)整后變?yōu)闁|部、中部、東北和西部地區(qū)。我國醫(yī)藥產(chǎn)業(yè)創(chuàng)新效率受環(huán)境影響較大，因此各地要注重對醫(yī)藥產(chǎn)業(yè)的政策支持，加強對醫(yī)藥產(chǎn)業(yè)的政策引導作用;完善產(chǎn)業(yè)鏈及配套措施，營造良好的創(chuàng)新氛圍;促進各地創(chuàng)新資源的流動，加強地區(qū)間合作與交流，以提升我國醫(yī)藥產(chǎn)業(yè)的創(chuàng)新效率、促進醫(yī)藥產(chǎn)業(yè)的高質(zhì)量發(fā)展。

關鍵詞 醫(yī)藥產(chǎn)業(yè);創(chuàng)新效率;三階段數(shù)據(jù)包絡分析法;經(jīng)濟發(fā)展;政策支持;產(chǎn)業(yè)基礎;創(chuàng)新基礎

ABSTRACT? ?OBJECTIVE：To provide reference for improving the innovation efficiency of Chinese pharmaceutical industry and promoting the high-quality development of the pharmaceutical industry. METHODS： Using local economic development， policy support， industrial foundation and innovation foundation as environmental variables，three-stage data envelopment analysis （DEA） was used to explore the change regularity of innovation efficiency of the pharmaceutical industry by collecting related data such as input， output and invironment of 31 provinces （autonomous regions， municipalities） in China during 2012-2016 and in 2018 from China Statistical Yearbook and China High-tech Industry Statistical Yearbook. RESULTS & CONCLUSIONS： The innovation efficiency of the pharmaceutical industry in 18 provinces （autonomous regions， municipalities）were overestimated， and other 13 provinces （autonomous regions， municipalities） was underestimated. The innovation efficiency of Fujian， Heilongjiang， Jilin， Jiangxi， Yunnan， Liaoning and Chongqing before adjustment were overestimated 0-0.1， Shaanxi， Hainan， Gansu and Shanxi were overestimated 0.1-0.3，Inner Mongolia， Guizhou， Guangxi， Xinjiang and Ningxia were overestimated 0.3-0.5; while the innovation efficiency of Anhui， Hunan， Shanghai， Beijing， Hebei， Sichuan， Tianjin and Henan were underestimation 0.1-0.3， Hubei， Jiangsu， Zhejiang， Shandong and Guangdong had an underestimation of 0.3-0.5 before adjustment. Tibet，Qinghai and Guangdong were greatly affected by environmental factors. The innovation efficiency in Tibet and Qinghai before adjustment were overestimated by 0.603 and 0.538 compared with after adjustment， while Guangdong was underestimated by 0.470. The innovation efficiency value of the eastern and central regions of China before adjustment was underestimated， while the northeastern and western regions were overestimated overall. Before the adjustment， the order of innovation efficiency in descending order was the central， western， eastern and northeastern regions， and after the adjustment， it became the eastern， central， northeastern and western regions. The innovation efficiency of Chinese pharmaceutical industry is greatly affected by the environment， so all localities should pay attention to the policy support for the pharmaceutical industry and strengthen the policy guiding role for the pharmaceutical industry; improve the industrial chain and supporting measures to create a good innovation environment;promote the flow of innovation resources in different regions， strengthen the cooperation and exchange among regions， so as to improve the innovation efficiency of Chinese pharmaceutical industry and promote the high-quality development of the pharmaceutical industry.

采用Frontier 4.1軟件。由于此時松弛變量反映的是初始的管理無效率，因此還需考慮環(huán)境因素和隨機因素的影響。將第1階段算出的人員投入和資本投入的松弛變量作為被解釋變量，標準化后的環(huán)境變量作為解釋變量，進行隨機前沿模型（SFA）回歸。松弛變量（Sni）的計算公式如下：

式中，Sni是第i個決策單元第n項投入的松弛值，i=1，2，…;n=1，2，…（下同）;Zi是環(huán)境變量，βn是環(huán)境變量的系數(shù);vni+μni是混合誤差項，其中vni是隨機干擾項（表示隨機干擾因素對投入松弛變量的影響，服從正態(tài)分布）、μni是管理無效率項（表示管理因素對投入松弛變量的影響，本研究假設其服從在零點截斷的正態(tài)分布）。

SFA回歸的目的是剔除環(huán)境因素和隨機因素對效率測度的影響，以便將所有決策單元調(diào)整為相同的外部環(huán)境和隨機干擾。調(diào)整公式如下：

ni是調(diào)整后的投入要素;Xni是調(diào)整前的投入要素;{max[f（Zi;β^n）]-f（Zi;β^n）}是指將所有決策單元置于相同外部環(huán)境下;[max（vni）-vni]是指將所有決策單元置于相同隨機干擾下。

2.3 第3階段：調(diào)整后的創(chuàng)新效率測算

依據(jù)第2階段得出的調(diào)整后的投入要素，再次運用投入導向規(guī)模報酬可變的BCC模型測算各決策單元調(diào)整后的創(chuàng)新效率。此時的創(chuàng)新效率已經(jīng)剔除了環(huán)境因素和隨機因素的影響，是相對真實準確的。

3 實證結果與分析

3.1 影響創(chuàng)新效率的環(huán)境因素分析

采用環(huán)境指標數(shù)據(jù)對投入要素的松弛變量進行SFA回歸，結果見表2（本文以P<0.01為差異有統(tǒng)計學意義）。由表2可見，廣義單邊似然比檢驗結果顯示，極大似然值具有統(tǒng)計學意義（P<0.01），說明本研究對投入要素的松弛變量進行SFA回歸是合理的;除創(chuàng)新基礎對人員投入松弛變量沒有顯著影響外，其余各環(huán)境變量對于人員投入和資本投入松弛變量的影響均是顯著的（P<0.01），因此有必要對投入變量進行調(diào)整。SFA回歸結果中γ值的回歸系數(shù)越接近0表示隨機因素的影響越趨于主導地位，越接近1表示管理無效率的影響越趨于主導地位。由表2可見，人員投入松弛變量和資本投入松弛變量的γ值分別為0.60和0.57，說明松弛變量受管理無效率和隨機因素的共同影響。

SFA回歸系數(shù)為正，表示增加該環(huán)境變量的值能夠擴大對應松弛變量的值，導致創(chuàng)新效率降低;回歸系數(shù)為負，則相反。由表2可見，經(jīng)濟發(fā)展與醫(yī)藥產(chǎn)業(yè)創(chuàng)新活動中人員投入松弛變量和資本投入松弛變量均成顯著正相關，說明經(jīng)濟發(fā)展水平越高的地區(qū)越注重對醫(yī)藥產(chǎn)業(yè)研發(fā)人員和研發(fā)資金的投入，但可能在投入的過程中缺乏合理的規(guī)劃與引導，從而導致醫(yī)藥產(chǎn)業(yè)研發(fā)人員和經(jīng)費投入的冗余，造成創(chuàng)新效率的降低。政府的政策支持對兩個投入變量松弛變量的回歸系數(shù)均為負，說明政府加強對醫(yī)藥產(chǎn)業(yè)的政策支持能夠減少醫(yī)藥產(chǎn)業(yè)創(chuàng)新研發(fā)人員和研發(fā)投入的冗余，激勵研發(fā)人員創(chuàng)新、促進研發(fā)經(jīng)費的合理使用。這點也印證了醫(yī)藥產(chǎn)業(yè)是政策導向型產(chǎn)業(yè)，受政策影響較大這一觀點。產(chǎn)業(yè)基礎對人員投入和資本投入松弛標量的回歸系數(shù)均為正，說明醫(yī)藥產(chǎn)業(yè)基礎越好的地區(qū)越容易發(fā)生創(chuàng)新投入的冗余，不利于醫(yī)藥產(chǎn)業(yè)創(chuàng)新效率的提升。創(chuàng)新基礎對醫(yī)藥產(chǎn)業(yè)創(chuàng)新活動資本投入的松弛變量的回歸系數(shù)為負，說明醫(yī)藥企業(yè)鞏固內(nèi)部的創(chuàng)新基礎有助于減少研發(fā)經(jīng)費投入的冗余，有助于整體醫(yī)藥產(chǎn)業(yè)的創(chuàng)新效率的提升。

3.2 調(diào)整前后我國31個?。▍^(qū)、市）的醫(yī)藥產(chǎn)業(yè)創(chuàng)新效率對比分析

調(diào)整前后我國31個省（區(qū)、市）醫(yī)藥產(chǎn)業(yè)創(chuàng)新效率對比見表3。由表3可見，剔除環(huán)境因素和隨機因素后，有18個省（區(qū)、市）的創(chuàng)新效率存在高估，13個?。▍^(qū)、市）的創(chuàng)新效率被低估。從調(diào)整前后的幅度來看，福建、黑龍江、吉林、江西、云南、遼寧、重慶調(diào)整前的創(chuàng)新效率存在0～0.1的高估，調(diào)整前后差距較小，說明環(huán)境因素對這些地區(qū)醫(yī)藥產(chǎn)業(yè)創(chuàng)新效率的影響較小;陜西、海南、甘肅和山西調(diào)整前的創(chuàng)新效率存在0.1～0.3的高估，而安徽、湖南、上海、北京、河北、四川、天津和河南調(diào)整前的創(chuàng)新效率存在0.1～0.3的低估;內(nèi)蒙古、貴州、廣西、新疆和寧夏調(diào)整前創(chuàng)新效率比調(diào)整后高估0.3～0.5，而湖北、江蘇、浙江、山東和廣東的調(diào)整前創(chuàng)新效率比調(diào)整后低估0.3～0.5。環(huán)境因素對創(chuàng)新效率值影響較大的是西藏、青海和廣東，西藏、青海調(diào)整前的創(chuàng)新效率比調(diào)整后分別高估了0.603、0.538，而廣東則低估了0.470。從區(qū)域來看，創(chuàng)新效率值被低估的地區(qū)大多是屬于東部沿海地區(qū)以及長江中下游地區(qū)，被高估的地區(qū)大多屬于西部地區(qū)。

3.3 調(diào)整前后我國各區(qū)域醫(yī)藥產(chǎn)業(yè)創(chuàng)新效率對比

調(diào)整前后我國各區(qū)域醫(yī)藥產(chǎn)業(yè)創(chuàng)新效率對比詳見表4。由表4可見，我國東部地區(qū)和中部地區(qū)調(diào)整前的創(chuàng)新效率被低估，而東北地區(qū)和西部地區(qū)被高估。調(diào)整前，創(chuàng)新效率由高到低排序分別中部、西部、東部和東北地區(qū)，而調(diào)整后變?yōu)闁|部、中部、東北和西部地區(qū)。東部地區(qū)調(diào)整后的創(chuàng)新效率、純技術效率以及規(guī)模效率均有大幅度提升，且調(diào)整后的各項效率值均高于其他地區(qū)，說明東部地區(qū)環(huán)境因素對于醫(yī)藥產(chǎn)業(yè)創(chuàng)新效率整體表現(xiàn)為負向影響。由于東部地區(qū)各省份大多經(jīng)濟發(fā)展程度高、醫(yī)藥產(chǎn)業(yè)基礎好[2]，這會使得企業(yè)愿意去增加對研發(fā)人員和研發(fā)經(jīng)費的投入。但由上文分析結果可知，一味的投入會造成人員的冗余和資金的浪費，反而降低了創(chuàng)新效率;而良好的政策支持和醫(yī)藥創(chuàng)新基礎能夠引導資金的合理投入和使用、激勵研發(fā)人員的創(chuàng)新，從而提升創(chuàng)新效率。但當投入相對過多或者引導相對過少時，就會使得創(chuàng)新效率降低。中部地區(qū)調(diào)整后的純技術效率有小幅度提升，而規(guī)模效率有小幅度降低，但總體的創(chuàng)新效率表現(xiàn)為小幅度提升。東北地區(qū)調(diào)整后的純技術效率提升而規(guī)模效率降低，其總體的創(chuàng)新效率表現(xiàn)為降低。西部地區(qū)調(diào)整后表現(xiàn)為純技術效率提升但規(guī)模效率大幅度降低，從而導致創(chuàng)新效率大幅度下降。由于西部地區(qū)的經(jīng)濟水平和產(chǎn)業(yè)基礎與其他地區(qū)均有較大差距[21]，因此不會出現(xiàn)醫(yī)藥研發(fā)資源的過度投入，減弱了環(huán)境因素對創(chuàng)新效率的負向影響;同時，西部地區(qū)出臺的醫(yī)藥產(chǎn)業(yè)政策能促進醫(yī)藥產(chǎn)業(yè)創(chuàng)新效率的提升，故環(huán)境因素對西部地區(qū)的醫(yī)藥產(chǎn)業(yè)創(chuàng)新效率的影響整體表現(xiàn)是正向的。

4 建議

本研究運用三階段DEA模型評估了2012-2016年及2018年我國31個?。▍^(qū)、市）醫(yī)藥產(chǎn)業(yè)的創(chuàng)新效率。結果可見，經(jīng)濟發(fā)展、政策支持、產(chǎn)業(yè)基礎和創(chuàng)新基礎這4個環(huán)境因素對我國東部和中部地區(qū)的影響作用整體表現(xiàn)為負向影響，使得東部和中部地區(qū)的醫(yī)藥產(chǎn)業(yè)創(chuàng)新效率被低估;而其對東北和西部地區(qū)醫(yī)藥產(chǎn)業(yè)創(chuàng)新效率的影響則整體表現(xiàn)為正向影響，使得東北地區(qū)和西部地區(qū)的醫(yī)藥產(chǎn)業(yè)創(chuàng)新效率被高估。據(jù)此，為提高我國醫(yī)藥產(chǎn)業(yè)的整體創(chuàng)新效率，筆者提出以下建議。

4.1 注重產(chǎn)業(yè)政策支持，加強產(chǎn)業(yè)創(chuàng)新投入引導

各地應重視醫(yī)藥產(chǎn)業(yè)政策在醫(yī)藥產(chǎn)業(yè)創(chuàng)新中的支持作用，但醫(yī)藥產(chǎn)業(yè)政策不能只是一味地加大對研發(fā)人員以及研發(fā)經(jīng)費的投入，尤其是經(jīng)濟發(fā)達、醫(yī)藥產(chǎn)業(yè)基礎好的東部地區(qū)，而應在依據(jù)當?shù)蒯t(yī)藥產(chǎn)業(yè)實際發(fā)展狀況的基礎上，充分發(fā)揮產(chǎn)業(yè)政策的引導作用?？赏ㄟ^建立創(chuàng)新研發(fā)人才引進激勵計劃、完善對創(chuàng)新研發(fā)人才培養(yǎng)機制等措施來加大對醫(yī)藥產(chǎn)業(yè)創(chuàng)新人員數(shù)量和質(zhì)量的投入;通過規(guī)劃未來創(chuàng)新方向、構建良好投融資體系等舉措來推進研發(fā)資金的合理投入，從而促進醫(yī)藥產(chǎn)業(yè)創(chuàng)新投入資源的高效利用。

4.2 完善產(chǎn)業(yè)鏈及配套措施，營造良好的創(chuàng)新氛圍

各地在推進醫(yī)藥產(chǎn)業(yè)創(chuàng)新的時候，要注重完善創(chuàng)新產(chǎn)業(yè)鏈以及相關的配套措施，通過建立一體化的創(chuàng)新服務平臺、組織多種形式的醫(yī)藥產(chǎn)業(yè)技術創(chuàng)新聯(lián)盟，為醫(yī)藥企業(yè)等營造良好的醫(yī)藥創(chuàng)新氛圍;通過降低醫(yī)藥企業(yè)自身創(chuàng)新的門檻，構建良好的醫(yī)藥企業(yè)創(chuàng)新基礎，從而提高企業(yè)研發(fā)經(jīng)費的使用效率，進而提升醫(yī)藥產(chǎn)業(yè)的整體創(chuàng)新效率。

4.3 促進各地創(chuàng)新資源流動，加強地區(qū)間合作與交流

各地區(qū)要充分發(fā)揮自身資源、技術、地理位置等各方面的優(yōu)勢，促進創(chuàng)新資源的流動，如醫(yī)藥產(chǎn)業(yè)創(chuàng)新效率高的東部和中部地區(qū)要充分發(fā)揮自身的知識溢出效應以及輻射能力帶動欠發(fā)達的西部以及東北地區(qū)的醫(yī)藥創(chuàng)新。促進醫(yī)藥創(chuàng)新人才、資本以及技術的地區(qū)間合作和交流，提升創(chuàng)新資源的使用效率。

5 結語

綜上所述，經(jīng)濟發(fā)展、政策支持、產(chǎn)業(yè)基礎和創(chuàng)新基礎這4個環(huán)境因素對于醫(yī)藥產(chǎn)業(yè)的創(chuàng)新效率影響較大，一定程度上也印證了運用三階段DEA模型評估醫(yī)藥產(chǎn)業(yè)創(chuàng)新效率的合理性，可為未來醫(yī)藥產(chǎn)業(yè)創(chuàng)新效率的評價研究提供一定參考。但基于數(shù)據(jù)的可獲得性以及研究水平等條件的限制，本文僅考慮了4個環(huán)境因素，在今后的研究中，可進一步納入綠色治理、產(chǎn)業(yè)集聚等環(huán)境因素，更加全面科學地評估醫(yī)藥產(chǎn)業(yè)的創(chuàng)新效率。

參考文獻

[ 1 ] 徐芳萍，莊倩，褚淑貞.我國醫(yī)藥產(chǎn)業(yè)轉型升級水平與優(yōu)化路徑探析[J].中國新藥雜志，2019，28（14）：1670-1674.

[ 2 ] 褚淑貞，都蘭娜，席曉宇.醫(yī)藥產(chǎn)業(yè)空間布局評價指標體系及產(chǎn)業(yè)層級研究[J].中國藥學雜志，2018，53（4）：318-322.

[ 3 ] LOUKIL K. Innovation policy and R&D efficiency in emerging countries：a stochastic frontier analysis[J]. East Eur Bus Econ J，2016，2（3）：165-192.

[ 4 ] 曹陽，周曉夏.基于隨機前沿分析的我國醫(yī)藥制造業(yè)技術開發(fā)與成果轉化創(chuàng)新效率研究[J].中國藥房，2016，27（4）：433-437.

[ 5 ] 劉忠敏，馬文婷.基于網(wǎng)絡SBM-Malmquist模型的醫(yī)藥制造業(yè)創(chuàng)新效率及影響因素研究[J].科技管理研究，2017，37（12）：152-158.

[ 6 ] 霍艷飛，石晟怡，王廣平，等.我國醫(yī)藥制造業(yè)技術創(chuàng)新效率研究：基于DEA模型的Malmquist指數(shù)分析[J].中國新藥雜志，2016，25（7）：728-732.

[ 7 ] HE P，CHEN W，HAO Q. Technological innovation efficiency measurement of Chinese industrial enterprises under environmental constraints based on SBM-Malmquist model[J]. Tech Bull，2017，55（12）：615-626.

[ 8 ] 羅穎，羅傳建，彭甲超.基于三階段DEA的長江經(jīng)濟帶創(chuàng)新效率測算及其時空分異特征[J].管理學報，2019，16（9）：1385-1393.

[ 9 ] 邵云飛，詹坤，汪臘梅.中國醫(yī)藥產(chǎn)業(yè)創(chuàng)新效率的BCC- Malmquist時空差異研究[J].科研管理，2016，37（1）：32- 39.

[10] 余紫君，褚淑貞.我國醫(yī)藥制造業(yè)競爭力與創(chuàng)新藥物研發(fā)能力的關聯(lián)度分析[J].中國新藥雜志，2018，27（3）：279-284.

[11] 茅寧瑩，張帥英，褚淑貞.基于DEA方法的我國醫(yī)藥制造業(yè)技術創(chuàng)新效率的實證研究[J].中國藥房，2012，23（5）：391-394.

[12] 譚曉東，陳玉文.基于Malmquist指數(shù)的中國醫(yī)藥制造業(yè)科技創(chuàng)新效率動態(tài)評價[J].中國醫(yī)藥工業(yè)雜志，2016，47（1）：127-130.

[13] 曹陽，閆巖.基于多項式滯后分布模型的江蘇省醫(yī)藥產(chǎn)業(yè)創(chuàng)新投入對產(chǎn)出影響研究[J].中國新藥雜志，2017，26（4）：361-367.

[14] 郭瑞，文雁兵.高新技術產(chǎn)業(yè)綠色創(chuàng)新研究：效率測算與FDI區(qū)位選擇[J].浙江大學學報（人文社會科學版），2019，49（5）：224-239.

[15] 成定平，淦蘇美.長江經(jīng)濟帶高技術產(chǎn)業(yè)投入產(chǎn)出效率分析[J].長江流域資源與環(huán)境，2017，26（3）：325-332.

[16] 李宏寬，何海燕，單捷飛，蔡靜靜.剔除非管理性因素影響的我國集成電路產(chǎn)業(yè)技術創(chuàng)新效率研究：基于廣義三階段DEA和Tobit模型[J].管理工程學報，2020，34（2）：60-70.

[17] 賴紅波，施浩.創(chuàng)新質(zhì)量視角下醫(yī)藥制造業(yè)創(chuàng)新效率再評價[J].經(jīng)濟研究導刊，2019（32）：34-35.

[18] FRIED HO，LOVELL CAK，SCHMIDT SS，et al. Accounting for environmental effects and statistical noise in data envelopment analysis[J]. J Prod Anal，2002，17（1/2）：157-174.

[19] FRIED HO，SCHMIDT SS，YAISAWARNG S. Incorporating the operating environment into a nonparametric measure of technical efficiency[J]. J Prod Anal，1999，12（3）：249-267.

[20] BANKER RD，CHARNES A，COOPER WW. Constrained game formulations and interpretations for data envelopment analysis[J]. Eur J Oper Res，1989，40（3）：299-308.

[21] 葉夢寒，王群，徐俐穎，等.我國中西部地區(qū)醫(yī)藥制造業(yè)與區(qū)域經(jīng)濟耦合協(xié)調(diào)發(fā)展分析[J].中國藥房，2019，30（24）：3337-3341.

（收稿日期：2020-02-23 修回日期：2020-07-13）

（編輯：孫 冰）