北上广医药制造企业技术创新效率实证研究

李帆

摘 要： 选取北上广医药制造行业新三板上市公司2017-2019面板数据，运用超效率DEA模型和Malmquist指数模型，对三省医药制造企业的技术创新效率进行比较分析。研究发现：三省医药制造企业的技术创新效率差异较大，34家企业中有6家企业达到DEA有效，三省技术创新效率排名：上海>广东>北京;达到DEA有效的企业全要素生产率增长贡献中技术效率大于技术进步，纯技术效率大于规模效率。主要源于医药制造企业的专利创新中实用型专利多于发明型专利，并且企业的R&D资金投入存在规模报酬率递减现象。

关键词： 技术创新效率 医药制造业 超效率模型 Malmquist指数模型

一、引言

中国的经济发展逐渐由要素驱动模式转向创新驱动的“新常态”，为实现经济的持续健康发展，政府提出了“提高自主创新能力，建立创新型国家”的核心发展战略。医药制造业是典型的技术驱动型行业，效益增长快、市场广阔，并且兼具经济效益与社会效益。研究医药制造企业的投入与产出关系有利于分析其技术创新效率水平，针对医药制造行业的技术创新现状提出对策及建议，进一步提升我国医药制造企业的自主创新能力，鼓励原创药的研发，提升中国医药在国际市场的竞争力。

二、文献综述

关于技术创新效率方面的研究最早起步于国外，并从理论研究发展为应用研究。Vikram S（2008）最早对美国光伏产业的技术创新效率进行DEA测算研究，Shoko（2009）对日本医药企业进行行业技术创新效率研究。随后国内学者在技术创新效率领域的研究也有一定的成果，基于不同的效率测算方法，运用历年省际数据进行行业、地区间的比较分析。陈富民（2014）运用超效率模型对中国装备制造业的技术创新效率进行研究，晋蕾（2015）将山西省的技术创新效率与周边省份进行了比较分析。以往的文献多注重区域技术创新效率的宏观层面进行研究，不利于分析微观层面的行业间差异;更多关注总投入、总产出的综合效率，没有进一步分析技术效率及规模效率;对医药制造企业的专利产出及技术创新效率关注较少。本文选择医药制造企业，运用超效率DEA及Malmquist指数分解法，对其技术创新超效率值及综合效率、纯技术效率和规模效率进行分析研究。

三、研究设计

（一）样本选取与数据来源

本文以新三板北京、上海、广东地区的医药制造挂牌企业为研究对象，选取2017—2019年关键数据完整的34家企业为样本，数据来源于全国中小企业股份转让系统官网以及各企业2017—2019年年报。

（二）模型设定与变量定义

1.模型设定。（1）超效率模型。超效率模型（SBM）解决了传统模型径向和角度的问题，可在规模报酬可变的情况下对投入产出效率进行测度，核心就是将被评价DUM剔除参考集，被评价的DUM是参考其他DUM构成的前沿得出的，有效DUM的超效率值一般会大于1，DEA值越大，投入产出效率越高。（2）Malmquist模型。Malmquist指数测度的是在时期t的技术效率下，从时期t到时期t+1的技术效率变化，Fare R等人（1992）将DEA-Malmquist指数分解为技术效率变化（EC）和技术变化（TC），即TFPC（CRS）=EC（CRS）×TC（CRS），产出视角下的生产力指数可以分解为技术效率指数和技术进步指数，见式（1）：

最终通过Malmquist指数分解得到：技术效率变化指數（effch）、技术进步变化指数（techch）、纯技术效率变化指数（pech）、规模效率变化指数（sech）和全要素生产率指数（tfpch）。

2.变量定义。（1）产出变量。本文的产出变量为企业的技术创新效率，通常用企业的专利数量衡量，因为知识的累积作用和时滞性，本文选取指标为企业拥有的专利数量以及当年申请的专利数。（2）投入变量。本文投入变量为企业R&D资金投入与企业R&D技术人员投入，对应指标选取来自企业年报中的研发投入及技术人员数量。见表1。

四、实证分析

本文运用DEA数据包络分析法，构建超效率DEA模型和Malmquist指数模型，选取企业技术创新效率对应的投入变量和产出变量指标，以新三板北上广地区的医药制造企业为样本，选取2017—2019年的数据，在此基础上运用MaxDEA 7软件，得到规模报酬可变情况下中国医药制造企业2017—2019年技术创新的超效率值，对北京、上海、广东三个地区的技术创新效率进行比较分析;通过Malmquist指数分解方法得出专利投入产出的全要素生产效率、技术效率、技术进步、纯技术效率和规模效率指标，进一步分析技术创新效率的内在机制。

（一）超效率DEA模型分析

将从新三板选取的34家中国医药制造企业按地区进行分类比较，从横截面数据来看，北京、上海、广东三省的医药制造企业近几年的技术创新效率平均值都小于1，即没有达到DEA有效。从技术创新效率变动趋势来看，北京和上海的技术创新效率逐年提高，广东的技术创新效率逐年下降。根据横截面数据的均值进行效率排序，得到上海>广东>北京。从时序数据看，34家医药制造企业的技术创新效率均值相差较大（见图1雷达图），达到DEA有效的（技术创新效率平均值大于1）企业有6家，占比17.6%，其中上海达到DEA有效的有3家，分别为源培生物（2.010337，排序2）、科新生物（1.263568，排序4）、方心健康（1.198515，排序6），广东达到DEA有效的有2家，分别为和凡医药（3.82745，排序1）、美士达（1.212079，排序5），北京达到DEA有效的有1家，为三元基因（1.516249，排序3）。从企业技术创新达到DEA有效的占比情况来看，上海50%>广东33.3%>北京16.7%。

（二）基于DEA-Malmquist生产率指数分析

上文运用超效率模型得到2017—2019年北京、上海、广东三省医药制造企业的技术创新超效率值，并分析出DEA有效的DUM情况及省份技术创新效率的排名，Malmquist指数的分解可以对技术创新效率的企业进行微观层面的分析。

由表2可以看出2017—2019年DEA有效医药制造企业的全要素生产率有28.18%的增长，这个增长主要来自技术效率的增长（22.84%），对技术效率增长的贡献中，纯技术效率的增长率大于规模效率的增长率，技术进步的增长低于技术效率的增长。其中，三元基因和凡医药存在全生产要素的负增长，三元基因的负增长是由于技术进步和规模效率项的负增长，即研发没有处于最优规模抑制了创新效率的提高，和凡医药的负增长是由于技术效率的负增长，根本原因是纯技术进步的负增长，即存在研发不足的问题。

五、结论与启示

本文运用超效率模型得出技术创新的超效率值，分别从横截面数据和时序数据比较分析三个地区的技术创新效率水平及有效程度，对Malmquist指数进行分解，从微观层面分析DEA有效单元的效率变化作用机制，得出以下结论：第一，从横截面数据看，34家医药制造企业的技术创新超效率值总体呈现先 下降后上升趋势，根据均值对技术创新效率进行排序得到：上海>广东>北京;从时序数据看，34家医药制造企业中有6家企业达到DEA有效，占比17.6%，且各企业间技术创新效率差异较大，6家企业中上海有3家，广东有2家，北京有1家。第二，通过Malmquist指数分解方法分析：达到DEA有效的6家医药制造企業的全要素增长率为28.18%，其中技术效率贡献大于技术进步贡献，纯技术效率贡献大于规模效率贡献。这是由于医药制造企业R&D人员投入对企业发明型专利方面的创新影响不大，技术与研发人员的投入多体现在实用型专利以及新药仿制方面，企业R&D人员投入注重技术人员的数量，对专业性方面的关注度不够，并且企业的R&D资金投入在初期的效果更明显，出现资金规模报酬率递减现象。

基于此，本文得出以下启示：

第一，企业的R&D人员投入不应该局限于技术人员的数量，还应提升研发与技术人员的专业知识储备，使医药行业的创新从仿制创新向新型药物研发方向突破，推动真正的技术进步;

第二，企业的R&D资金投入是提升企业创新产出的直接影响因素，且在企业科技研发过程中起着正向激励效应，因此应持续关注企业的资金支持，合理优化研发各阶段的资金配置，促进企业技术溢出，为避免出现资金规模报酬递减现象，应使研发资金投入与规模相适应，提升企业R&D资金投入的持续性及规模效率。