基于DEA方法的我国医药制造业技术创新效率的实证研究

茅宁莹，张帅英，褚淑贞（中国药科大学医药产业发展研究中心，南京 211198）

基于DEA方法的我国医药制造业技术创新效率的实证研究

茅宁莹＊，张帅英，褚淑贞（中国药科大学医药产业发展研究中心，南京 211198）

目的：评价我国医药制造业技术创新效率，确保资源投入实现有效的产出。方法：采用数据包络分析（DEA）方法，在合理选取测度指标的基础上，选取1999－2008年我国主要省（区、市）医药制造业数据进行了技术创新效率的实证研究，并探究了其时间演变趋势及演变的政策影响因素。结果：我国河北、河南、湖北等部分中、东部省（区、市）技术创新效率低，平均水平不足0.6；东、中、西部主要省（区、市）的纯技术效率平均都在0.7以上，而普遍都低于规模效率；整体看10年间技术创新效率没有明显的上升趋势，且具有很大的波动性。结论：我国主要省（区、市）技术创新效率存在差异，且总体趋势受政策的影响较大。国家应当借鉴国内、外经验制定并不断完善相关政策法规，以促进我国医药制造业技术创新效率的提高。

数据包络分析；医药制造业；技术创新效率

医药制造业作为一个典型的技术驱动型产业，技术创新是其发展的基础。我国政府及企业在技术进步、新药研发领域投入了大量的资金与人力。然而，在技术创新方面的缺陷却日益凸显，尤其是技术创新效率低下已成为制约整个产业全面、健康发展的瓶颈。与此同时，我国不同区域的技术创新水平和绩效也存在较大差异，并呈现出不断演变的动态发展趋势。为了确保相关投入能实现有效的产出，评价技术创新的相对有效性就显得尤为重要。国内诸多学者对其进行了有益的探索，其中，运用数据包络分析（DEA）方法对技术创新效率进行评价已成为学者们研究的热点。比如，李婧等[1]、官建成等[2]、刘顺忠等[3]运用DEA方法对我国区域技术创新效率进行了实证分析；刘敬严[4]、段伟[5]基于DEA方法对企业技术创新绩效进行了评价。

以往研究成果对本文研究的展开具有重要的借鉴意义，但仍有进一步研究的必要。第一，关于技术创新效率指标的选取还值得商榷，指标选取的合理与否关系到最终结论是否正确。技术创新是一个多投入、多产出的经济过程[6]。对于技术创新活动的投入变量，相关文献一般采用R&D（研究与开发）资金投入和R&D人力资源投入2项指标[3，7]。R&D资金投入和R&D人力资源投入可以表征一个地区的创新规模与潜力，然而除了这2个常用指标外，无论从广义技术创新的角度还是从我国作为技术后进国的实际情况出发，研发活动还应包括技术引进、技术改造等活动，而国内许多学者也将上述活动的投入纳入到技术创新投入指标来考虑，即技术改造费用和技术引进费用[8，9]。

对于产出变量，很多文献都将专利列为产出指标之一[7，10]，本文也选用专利申请授权量作为技术创新产出的一项衡量指标。专利作为非收益性指标能反映各行业的发明和创新信息，而国内很多学者认为收益性指标也是反映技术创新产出的重要指标[6，10，11]。因此，本文参考相关研究成果将产品销售收入和新产品销售收入占主营业务收入比作为另外2项产出指标，综合反映行业内企业终端产品的科技含量及技术创新转化为现实成果的能力。

第二，以往多数研究都是对于某一区域技术创新效率的静态研究，少有对某一产业技术创新效率的动态研究。每个产业的技术创新都有各自不同的特点，并且导致技术创新效率高低的原因也各不相同，这就需要结合具体产业的实际情况，动态地分析技术创新效率变化趋势及其变化原因。

基于以上考虑，本文选取我国医药制造业27个省（区、市）1999－2008年的相关数据，应用效率测度的DEA方法，在合理选取测度指标的基础上，进行了技术创新效率的实证研究，并探究了其时间演变趋势及演变的政策影响因素，为有关部门制定医药产业扶持政策和医药制造业企业制定技术创新策略提供决策依据。

1 EA方法及模型简介

DEA方法由Chames、Cooper和Rhodes于1978年提出，旨在评价“多投入多产出”模式下决策单元间的相对有效性。现在应用较为广泛的是CCR模型和BCC模型，可分别处理“规模报酬不变”与“规模报酬变动”假设下的决策单元有效性问题[12]。

1.1 DEA的CCR模型

技术创新系统是把人力资源和财力资源投入转化为技术创新的经济系统，利用DEA的CCR模型可以对决策单元的规模有效性和技术有效性同时进行评价。在DEA方法中，每个被研究单元被称作是决策单元（DMU），其基本特点是有多个输入和输出，在把输入转化为输出的过程中努力实现自身的决策目标。

对于某个选定的DMU（下标设为0），CCR评价模型可表示成如下的规划问题：

其中，θ为该决策单元DMU0投入相对于产出的有效利用程度（有效值，即技术创新效率值）；Xi、Yi分别为DMUi的投入和产出要素集合，用一维数组（Xi1，Xi2，…，Xim）、（Yi1，Yi2，…，Yip）表示；λi为相对于DMU0重新构造一个有效DMU组合时，其中第i个DMU决策单元的组合比例；s－、s+为松驰变量[13]。

由CCR模型计算出的效率值为技术创新效率值，可以进一步分解成为规模效率值与纯技术效率值的乘积，即：技术创新效率＝规模效率×纯技术效率，而纯技术效率值可由BCC模型计算得出，由此便求出：规模效率＝技术创新效率/纯技术效率。

1.2 DEA模型的经济学意义

（1）DEA有效性。当θ＝1时，称所对应的DMU为弱DEA有效，进一步，如果成立s－＝s+＝0，称该DMU为DEA有效——既是技术有效，又是规模有效；当θ＜1时，称其为DEA无效——或不为技术有效，或不为规模有效，或两者均无效。

（2）技术有效性。如果s－＝s+＝0，则所对应的生产活动从技术角度看，资源获得了充分利用，投入要素达到最佳组合，取得了最大的产出效果，称其为技术有效；否则称技术无效。

2 DEA模型在技术创新效率评价中的运用

2.1 数据来源

由于数据的可获得性以及DEA方法对数据的要求，本文选取了1999－2008年医药制造业27个省（区、市）组成样本，而西藏、新疆、青海、宁夏4省（区）数据缺失严重，不作为分析对象。数据来自1999－2008年《中国高新技术统计年鉴》。

2.2 指标选取

技术创新系统是把人力资源和资金投入转化为技术创新的经济系统。综合考虑本文选取以下指标，详见表1。

表1 我国医药制造业技术创新投入和产出指标描述Tab 1 Technology innovation input and output index description of pharmaceutical manufacturing in China

3 实证分析结果

DEA方法有投入导向与产出导向2种模式。区域技术创新系统中，投入比产出更容易实现控制。因此，本文选取投入导向的DEA模式。利用DEAP-xp1软件计算1999－2008年我国主要省（区，市）医药制造业技术创新效率值，结果见表2。

表2 1999－2008年我国主要省（区、市）医药制造业技术创新效率值Tab 2 Technology innovation efficiency of pharmaceutical manufacturing in provinces and cities during 1999－2008

3.1 各省（区、市）医药制造业技术创新效率分析

根据各省（区、市）医药制造业技术创新效率值可以进一步将其分为3类：即高效率省（区、市）（技术创新效率值介于0.8至1.0之间）、中等效率省（区、市）（技术创新效率值介于0.6至0.8之间）和低效率省（区、市）（技术创新效率值低于0.6）。分类情况具体见表3。

表3 各省（区、市）按技术创新效率平均值分类Tab 3 Classification of provinces by the average technology innovation efficiency

从表2、表3可以看出，上海、北京、江苏、山东等一些医药制造业发展水平高的省（区、市）其技术创新效率值也较高，但同时一些医药制造业发展水平低的省（区、市），如甘肃、贵州等其技术创新效率值也较高。这种现象一方面说明区域技术创新效率未必与医药制造业发展水平呈正相关关系；另一方面也说明技术创新效率是一个相对值，医药制造业发展水平低，技术创新产出小，但其投入也小，因此其效率就有可能高。

同时，河北、吉林、河南、湖北等中、东部省（区、市）技术创新效率低，平均水平不足0.6，而这些省（区、市）医药制造业总产值排名都在全国前列，具体见表4。

表4 1999－2008年部分省（区、市）总产值和技术创新效率平均值排名Tab 4 Total output and average efficiency of technology innovation ranking of some provinces and cities from 1999to 2008

一方面，从投入的角度来看，出现了不同程度的投入冗余，即这部分资源投入并没有完全被产出所吸收和反映。其中，河南的资金投入冗余最高，平均达到3507.44万元，人员冗余量达到185人，具体见表5。

表5 1999－2008年部分省（区、市）技术创新投入冗余平均值Tab 5 Average technology innovation input redundancy of some provinces and cities from 1999to 2008

造成冗余的原因可能是由于盲目扩大产业规模，而并没有使资源得到充分利用。因此，政府应该采取相应措施，制定相应的激励政策，使冗余的创新资源流向资源短缺的地区，进一步促进各地区的技术创新效率提高。

另一方面，技术创新效率低也反映出了这些中、东部省（区、市）产业布局和产品结构的问题。例如，河北省医药制造业80%集中在石家庄，石药集团、华药集团、神威药业、以岭药业等诸多制药企业坐落在此。虽然这些制药企业在全国有着重要影响，但大多数都是以原料药生产为主。整个河北省的产品中，原料药占到了70%，缺少科技含量高的产品，其产品附加值低、结构不合理[14]。所以，改善产业布局、产品结构也是提高技术创新效率的有效途径。

3.2 医药制造业区域技术创新效率分析

按照传统的东、中、西部划分（东部包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11个省（区、市）；中部包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南9个省（区、市）；西部包括广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆10个省（区、市）；西藏、新疆、宁夏、青海不在本文研究范围内），计算历年各区域技术创新效率平均值，发现中部技术创新效率明显低于东部和西部。为了进一步揭示其成因，笔者依据DEA方法的BCC模型对区域技术创新效率进行分解，将其分解为纯技术效率与规模效率，具体结果见表6。

表6 1999－2008年各地区纯技术效率与规模效率值Tab 6 Pure technology efficiency and scale efficiency value of regions from 1999to 2008

表6显示出我国东、中、西部各地区纯技术效率与规模效率分布情况。3个地区纯技术效率平均都在0.7以上，尚有20%～30%的提升空间，而规模效率普遍都高于纯技术效率，东部和西部都达0.9以上，提升空间有限。由此看出，相对于规模效率，制约我国区域技术创新效率整体提升的原因主要体现在纯技术效率方面。我国区域技术创新系统规模效率已接近生产前沿面，在此情况下，扩大规模对提高技术创新效率的作用是极其有限的，而加强技术创新、制度创新，提高管理效率是才是当务之急。

从发展趋势来看，3个区域的纯技术效率都有很大的提高，分别从1999年的0.857、0.558、0.682提高到2008年的0.957、0.952、0.939，尤其是中、西部提高幅度更明显，说明近几年对中、西部技术创新投入效果明显。

从东、中、西部的对比来看，无论是纯技术效率还是规模效率，中部地区都显现出低于东、西部的态势。分析原因，一方面是由于中部地区虽然投入较西部地区多，但产出并没有完全反映其投入，因此相对技术创新效率偏低；另一方面，在产业布局和产品结构上与东部地区相比，存在很多不足之处，技术创新也明显落后于东部地区。因此，中部地区为了提高技术创新效率，一方面须适度降低创新资源投入水平、有效调节其创新规模，另一方面必须加强技术创新、制度创新与管理变革，提高其资源配置能力。

3.3 医药制造业技术创新效率整体发展趋势分析

10年间，从全国整体情况来看，纯技术效率在波动中有明显的上升趋势，但技术创新效率没有明显的上升趋势，具有很大的波动性，如图1、图2所示。

造成这种不稳定的原因是多方面的，其中，国家宏观环境及政府科技政策容易对科技创新活动产生影响。一般来说，当国家宏观经济形势较好，政府重视科技创新活动从而提供政策支持、加大投入力度时，科技创新就会表现出良好、稳定的发展态势；反之，就会出现波动与衰退的迹象。

从图2中看出，2001、2002年技术创新效率出现一个较为明显的上升趋势，初步可以判断医药制造业技术创新效率时间序列数据可能存在拐点，进而表明2001年修订的《药品管理法》和2002年实施的《药品管理法实施条例》有可能对医药制造业技术创新效率产生了积极的影响。

由于图2的直接观测结果并不精确，本文采用邹氏检验法检验医药制造业技术创新效率的时间序列数据是否存在拐点。邹氏检验法（CHOW检验法）是著名美籍华人、美国宾夕法尼亚大学教授邹至庄于1960年提出的一种数理检验方法，用于判断结构在预先给定的时点是否发生了变化的一种方法[15]。首先建立简单线性时间趋势模型：

θ＝β0+β1Time+μt

其中，θ为医药制造业技术创新效率，Time为时间趋势项。

分别以2001年、2002年为预定的时点进行邹氏检验，结果显示2001年的F＝10.138＜F（1，8）＝11.26（α＝0.01）通过显著性检验，2002年的F＝16.526＞F（1，8）＝11.26（α＝0.01）未通过显著性检验。说明技术创新效率数据在2001年左右发生了结构性的变化，初步认定2001年修订的《药品管理法》对我国医药制造业技术创新效率产生了显著的影响。其影响具体可能表现在：

（1）修改了“新药”的定义。将“新药是指我国未生产过的药品”修改为“新药是指未曾在我国上市销售过的药品”。按照过去“新药”的定义，一个已经在我国进口使用的药品，如果我国药品生产企业首次生产也算是新药，这种规定虽然在一定时期内保护了我国医药企业的利益，但是却造成了我国“新药不新”的现象。从长远的角度来讲，将“新药”的定义修改之后，既符合世界贸易组织（WTO）规则的要求，也有利于提高我国医药产业参与市场竞争的能力，有利于促进我国医药制造业技术创新效率的提高。

（2）积极鼓励新药科研成果的产业化转变，促进新药研究开发行为科学、规范地发展。技术创新效率高低的一个重要表现在于科研成果的产业化能力。2001年修订的《药品管理法》鼓励新药研制机构在新药研究开发过程中尽早与医药企业联合，以促进新药研究开发行为科学、规范发展，从而提高新药研究成果产业化能力。同时，医药企业及早参与到新药研究开发中去，也可以为新药研究开发在财力和物力方面提供更大的支持，以鼓励新药研究开发的积极性，提高研究开发成果的科技含量。

图2 技术创新效率发展趋势Fig 2 Technology innovation efficiency trend

4 结论与启示

本文应用DEA方法对我国医药制造业技术创新效率进行了综合评价。结果表明：第一，1999－2008年，河南、河北等部分中、东部省（区、市）技术创新效率低，产业布局和产品结构不合理，存在投入冗余，这些省（区、市）应当调整投入结构，提高产出效率，使资源得到更充分的利用；第二，相对于规模效率，全国及各地区纯技术效率还有较大的提升空间，提高纯技术效率对国家及地方技术创新工程建设意义重大；第三，全国范围内，纯技术效率具有明显的增长趋势，但技术创新效率存在较大的波动，通过邹氏检验法初步分析得出国家创新政策的改变会对技术创新效率产生深远的影响。所以，国家应当借鉴国内、外经验，制定并不断完善相关政策法规，以促进我国医药制造业技术创新效率的提高。

[1] 李 婧，白俊红，谭清美.中国区域创新效率的实证分析——基于省际面板数据及DEA方法[J].系统工程，2008，26（12）：1.

[2] 官建成，余 进.基于DEA的国家创新能力分析[J].研究与发展管理，2005，17（3）：8.

[3] 刘顺忠，官建成.区域创新系统创新绩效的评价[J].中国管理科学，2002，10（1）：75.

[4] 刘敬严.基于数据包络分析的企业知识创新能力评价研究[J].西安电子科技大学学报（社会科学版），2008，18（3）：8.

[5] 段 伟.西南地区大中型工业企业技术创新绩效数据包络分析[J].云南财贸学院学报，2004，20（6）：90.

[6] 邹鲜红，罗承友.基于DEA模型的我国医药制造业技术创新相对有效性研究[J].科技管理研究，2009，9：252.

[7] 池仁勇，唐根年.基于投入与绩效评价的区域技术创新效率研究[J].科研管理，2004，25（4）：23.

[8] 肖小英.基于数据包络分析的区域创新系统评价[J].管理纵横，2010，5：30.

[9] 薛 娜，赵曙东.基于DEA的高技术产业创新效率评价——以江苏省为例[J].地方经济社会发展研究，2007，5：135.

[10] 罗 媛，常向阳.基于DEA模型的高技术产业技术创新相对有效性分析——以江苏省为例[J].现代管理科学，2005，5：9.

[11] 官建成，何 颖.基于DEA方法的区域创新系统的评价[J].科学学研究，2005，23（2）：265.

[12] 盛昭瀚，朱 乔，吴广某.DEA理论、方法与应用[M].北京：科学出版社，1996：99-125.

[13] 吴文江.数据包络分析及其应用[M].北京：中国统计出版社，2002：64-128.

[14] 江苏省医药行业协会课题组.我国重点医药产业区域发展的比较研究报告[R].2010.

[15] Chow GC.Test of equality between sets of coefficients in two linear regressions[J].Econometrica，1960，28（3）：591.

Empirical Research on Technology Innovation Efficiency of Pharmaceutical Manufacturing in China Based on DEA Method

MAO Ning-ying，ZHANG Shuai-ying，CHU Shu-zhen（Medical and Pharmaceutical Industry Development Research Center，China Pharmaceutical University，Nanjing 211198，China）

OBJECTIVE：To evaluate technology innovation efficiency of pharmaceutical manufacturing and ensure resources achieve effective output.METHODS：Technology innovation efficiency of pharmaceutical manufacturing was researched on the basis of a reasonable measure index selection，using the data envelopment analysis（DEA）method，selecting the provincial panel data.The time trends and policy factors of evolution were also explored.RESULTS：Innovation efficiency of middle and eastern regions was low，such as Hebei，Henan and Hubei province（the average level was lower than 0.6）；in eastern，middle and western regions，the average level of pure technology efficiency was higher than 0.7，but was lower than the scale efficiency.On the whole，technology innovation efficiency didn’t show significant increasing tendency but great fluctuation during 10years.CONCLUSION：Technology innovation efficiency is different from each other，and highly influenced by the national regulations.Related laws and regulations should be establised and perfected by referring to domestic and foreign experience in order to improve innovation efficiency of pharmaceutical manufacturing in China.

Data envelopment analysis；Pharmaceutical manufacturing；Technology innovation efficiency

F407.7；F270

C

1001-0408（2012）05-0391-04

DOI 10.6039/j.issn.1001-0408.2012.05.03

＊副教授，博士。研究方向：企业技术创新管理。E-mail：mny523@126.com

2011-01-06

2011-04-16）