沪市医药上市公司研发投入绩效研究

杨　晞　张瑞龙　钱　莹

沪市医药上市公司研发投入绩效研究

杨晞张瑞龙钱莹

随着经济的发展和科技的创新，越来越多的企业包括医药企业开始注重产品的研究开发。本文以沪市医药上市公司的研发投入绩效为研究对象，选取了研发投入、研发强度等投入与产出指标，利用DEA计算企业研发的综合效率、技术效率和规模效率，分析医药上市企业研发工作的成效，提出改善的对策。

投入产出；数据包络分析；效率评价

一、引言

科技的迅猛发展和市场竞争的加剧，越来越多的企业开始注重新产品的研究开发。企业在研发项目上的投入不断加大，企业的技术创新有了长足的进步，新的生产方式和新兴产品层出不穷，为企业开辟新的经济增长点，刺激了市场经济活力，促进了社会经济的增长。医药制造业在我国方兴未艾，医药制造业的发展不仅关系到国民经济，同时又与民生密切相关，备受社会与投资者的关注。国务院2015年5月8日发布的《中国制造2025》确定生物医药及高性能医疗器械是我国今后十个重点发展领域之一，为医药制造业发展又提供了良好的机遇。医药制造业本身具有高投入、高产出、高风险的特征，主要通过新药研发进行创新式发展。医药制造业的新药研发通常周期长、环节多、耗资大，一旦研发成功则回报巨大，其研发效率直接影响到企业的可持续发展，在资本市场上备受企业利益相关者的关注。本文以沪市医药上市企业的研发投入绩效为研究对象，利用DEA方法，评价其研究与开发的投入——产出绩效。

二、医药行业研发现状

在现今的医药行业中，研发能力是衡量一个医药企业未来发展的重要评价指标。在国家政策的大力扶持下，中国医药企业的研发水平提升较快。医药公司正在逐步加大研发投入，积极组织研发小组、招募研发人才，推进在研产品的研发进度和注册产品的产业化。据统计，2014 年67家上市医药企业研发费用约为53.56亿元，费用占营业收入的平均比重由2013年的4.6%上升至2014年的4.9%。医药企业加大研发投入，进行企业内部的资源整合和共享，积极推进新产品的研发与产业化，是产业升级的主要途径。

三、研究方法

数据包络分析（DEA，全称Data Envelopment Analysis）方法，1978年由W.W.Cooper和E.Rhodes等人首先提出。它是数学、运筹学、数理经济学和管理学科的一个新的交叉领域，用于评价相同部门间的相对有效性。该方法主要通过保持决策单元DMU（Decision Making Units）的输入或输出不变，构造生产前沿面函数，将各个DMU投影到DEA的生产前沿面上，并通过比较其偏离程度来对相对有效性评价。用DEA方法计算有效性，实际上是对所有的DMU进行组合，以找出最小投入和最大产出的组合。在DEA的各种模型中，CCR模型假设系统的产出不受规模报酬的影响，即假定规模收益不变，可以得到综合效率值。BCC模型假设规模报酬可变，可以得到纯技术效率、规模效率以及规模效率所处的增减变化阶段。Input-CCR模型见公式（1）：

θ为被评价单元投入与产出的相对效率，在实际中是综合效率指标，θ∈［0，1］；S+和S-为松弛变量，即产出不足与投入冗余，ε为非阿基米德无穷小量，一般取10-6，经过运算解出方程组（1）的最优解。

四、研发绩效评价模型的构建及应用

（一）样本公司选取

收集了37家沪市医药类上市公司2014年的相关数据（数据来源于锐思数据库）。运用DEA的Input-CCR模型和Input-BCC模型分析这37家样本的综合效率、纯技术效率和规模效率，以及公司规模收益增减变化阶段。

（二）评价指标体系的选取

医药企业的研究开发活动周期长，研发投入大、环节多，从内容上讲主要包括人员人工费用、直接投入费用、折旧费用、无形资产摊销、新产品设计费、技术资料费用、财政部和国家税务总局规定的其他费用等七个方面。从相对数视角，一般考虑研发投入占销售收入的百分比，即研发强度。所以，结合医药类上市研发的共性，选出3个投入指标和3个产出指标，如表1所示。

以沪市37家医药类上市公司的2014年年报相关数据为基础，利用锐思数据库收集了相关投入、产出指标的数据值。具体指标数据分布见表2。

表1　选取的投入和产出指标

表2　投入、产出指标描述性统计

（三）研发绩效评价

利用DEA的CCR和BCC模型，计算沪市37家医药类上市公司研发绩效，结果如表3。根据计算结果，可以判断决策单元的DEA有效性，利用计算结果可以调整无效的决策单元的投入产出比例，进行投影分析和差额变数分析，提高DEA无效的决策单元的研发效率。调整投入产出比例值可以从两方面完成，当产出一定时，减少投入的比例；当投入一定时，获取最多的产出。

表3　沪市37家医药类上市公司研发绩效

从表3中的综合效率值可以看出，37家沪市医药类上市公司中，有6家综合效率值为1，即综合效率DEA有效，处于投入产出效率生产函数的前沿面。纯技术效率值有9家为1，即纯技术效率DEA有效，表示这9家企业的研发投入资源使用合理有效，达到了最优产出。从规模效益角度分析，有6家DEA有效，表明增加研发投入，可以同比例增加绩效产出。

表4　DEA无效的企业的改进

（四）研发投入产出绩效改进措施

对于纯技术效率DEA无效的企业，可以从减少投入或增加产出进行改进，具体调整见表4，调整额度为原始值乘以效率值加或减松弛变量。

经过调整，每个企业均可以参照行业上市公司相对较高的技术效率，通过调整投入要素的构成、提升研发产出等措施取得更好的研发绩效。

五、结论

利用DEA方法，从沪市医药类上市公司的研发工作入手，通过选取研发投入数据，从投入产出绩效的视角，分析其研发工作的效率。通过分析，可以揭示出沪市医药类上市公司研发工作的相对前沿面，分离出相对研发效率较高的企业和研发效率不足的企业，针对效率不足企业，可以从优化投入、提高产出方面采取措施，为企业提升研发绩效、更好地形成产能提供借鉴。

本文系2014年江苏高校哲学社会科学研究基金项目“江苏医药类上市公司融资约束、研发投入与创新绩效”（项目编号：2014SJB642）阶段性研究成果、江苏省高等学校大学生创新创业训练计划项目“连云港医药上市企业研发（R&D）投入绩效及促进机制”（项目编号：201411641055Y）研究成果。

［1］邹文杰.中国医药制造业研发效率及其收敛趋势——基于DEA-Malmquist指数的实证分析.北京航空航天大学学报（社会科学版），2013（06）.

［2］程海来，郑娟.基于DEA模型的合肥市制造业研发效率分析.大学数学，2013（05）.

（作者单位：淮海工学院商学院）