基于DEA的中成药上市企业研发效率评价△

金安琪，杨光，李斐琳，程蒙，阙灵，宋涛，陈敏*

1.中国中医科学院 中药资源中心，北京 100700；2.北京师范大学 经济与资源管理研究院，北京 100875

制药业是国际公认的高技术产业，高风险和长周期的行业特征使制药企业必须重视研发投入，通过研发新药产品获取高额利润[1]。据新研究数据显示，开发一款新药平均耗时10年以上[2]，平均研发经费达15亿美元，且经过多个环节的层层筛选和反复试验后，最终研发成功概率只有0.1%[3]。由此看来，研发活动(research and development，R&D)是新药上市的关键驱动因素之一，也是提升制药企业创新能力的重要基础[4]。

2019年10月，《中共中央 国务院关于促进中医药传承创新发展的意见》指出，要加快推进中医药科研和创新，支持企业、医疗机构、高等学校、科研机构等协同创新，以产业链、服务链布局创新链，完善中医药产学研一体化创新模式[5]。这为中医药企业加强研发能力建设、提高科技创新能力提出了更高的要求。从制药业的产业属性来看，制药企业往往承担了新药研发的主体工作，评价企业的研发行为有助于从根本上改善中药产业科技创新不足的现状。如何有效利用研发资源、提高中成药企业的研发效率，进而促进企业创新发展已成为不可忽视的重要问题。然而，目前国内中药企业的研发效率尚处于探索阶段，仅有针对省份的中药行业创新效率研究[6-8]及从管理学领域对中药企业作出的评价[9]。本研究从中药学领域出发，针对中成药企业进行研发效率评价，以期为中成药企业实现科技创新转型提供参考。

1 国内外研究现状

国际上多采用数据包络分析法(data envelopment analysis，DEA)对制药业研发效率进行评价[10-11]。例如：Hashimoto等[12]用DEA-Malmquist选取了研发投入强度的投入指标及申请专利数、主营业务收入和销售利润额3个产出指标，对10家日本制药企业在10年间的研发效率进行分析；Mahajan 等[13]采用DEA选用原材料成本、员工工资和奖金、市场广告费和固定资产4个投入指标及净销售额的产出指标，对141家印度制药企业在11年间的研发效率进行了评价。上述文献结果均表明，各国制药业的研发效率面临不同程度的下行危机。

中药行业的创新发展一直受到行业内外的广泛关注和重视，如刘琳琳[14]采用DEA-Malmquist对我国医药制造业在1998—2008年的技术创新效率进行评价；万瑞华[15]采用DEA-Malmquist对2000—2009年我国医药制造业的R&D效率进行分析；李晓娟[16]利用因子分析法评价了我国中药上市企业2014—2016年的经营绩效情况；彭悦[17]采用DEA-Malmquist分析从2005—2014年我国医药制造业的技术创新效率。但这些研究均从产业经济学、管理学、医药经济学等领域对我国医药制造业研发效率进行分析，从中药行业内部视角进行分析的文献较少，未能全面剖析中药企业的实际发展状况。为弥补这一空白，本研究筛选出21家上市中成药企业，对其研发效率进行评价和比较。

2 研究设计

2.1 数据来源

研发经费和人员相关数据均来源于Wind数据库，新增专利数来源于专利检索与分析平台，发表论文数的统计结果来源于中国知网的学术期刊和会议论文数据库。专利成果和论文发表的统计时间为2015—2018年。

在Wind数据库分类体系里，中成药上市企业共有67家。考虑研究对象的代表性和数据获取的一致性等问题，对67家企业进行3次筛选。第一次选择DEA静态评价的研究对象，剔除以化学原料或医药商业为主要经营范围的上市企业6家，最终得到61家上市企业；第二次选择DEA动态评价的研究对象，根据上市公司的上市时间及公司年度报告所披露的数据筛选，剔除未在2016年(不含)前上市的企业6家，最终确定研究对象为55家上市企业；第三次结合DEA模型的数据要求，投入值和产出值应为非零常数，最终选取2015—2018年21家上市企业作为研究对象。

2.2 研究方法

前沿生产函数法(frontier prodution function)是测度效率的常用方法，反映了在具体的技术条件和给定的生产要素组合下，决策单元各投入组合与最大产出量之间的函数关系。该方法又分为以下2种：一种是DEA，另一种是随机前沿分析(SFA)。对比2种方法的原理和使用条件，DEA具有以下2点优势：第一，DEA法采用的是数学线性规划的非参数模型，可避免主观因素；第二，DEA可用于分析多投入和多产出的评价场景，具有更广的使用范围[18]。由于中成药企业的研发活动是一项具有多投入和多产出的复杂活动，往往很难确定其生产函数，因此采用DEA更有指导意义。

2.3 模型选择

2.3.1可变规模报酬(banker charnes-cooper，BCC)模型 DEA的基本模型包括规模报酬不变的CCR(charnes-cooper-rhodes)模型和规模报酬可变的BCC模型。CCR模型假设规模收益不变(CRS)，排除了规模大小对效率值的影响，将综合效率(TE)分解为规模效率(SE)和纯技术效率(PTE)。BBC模型则放松了对规模收益的约束，仅评价决策单元的PTE，SE可以通过比值得出(满足TE=SE*PTE)。本研究结合中成药企业科技创新的实际情况，选择投入导向规模报酬可变的BCC模型进行测算。

TE是对企业的研发资源配置、资源使用效率等多方面能力的综合衡量与评价，一般认为，TE可以分解为PTE和SE的乘积；PTE反映的是企业在研发投入处在最优规模状态时的生产效率，其大小由企业自身管理和技术应用能力决定；SE是由企业规模因素影响的技术效率，反映了实际规模与最优生产规模的差距[19]。

BCC模型是1984年Banker基于生产可能集规模收益可变假定而对原始模型进行了拓展[20]。该模型的数学原理如下。

在可变规模报酬的假设下，生产可能集Tv为：

(1)

上式中，X为投入指标，Y为产出指标，λ为参数变量。建立在Tv上的PTE评价模型(加入松弛变量SA和SB及摄动量ε后)为[21]：

(2)

如前所述，用不变规模报酬模型测算所得的效率值，包含了SE和PTE 2个方面的结果，而可变规模报酬模型所考察的是生产单元的PTE水平，则技术效率、PTE和SE之间的关系如下：

θc=θv×θs

(3)

2.3.2曼奎斯特指数(M指数) M指数是针对面板数据进行动态分析的衍生模型，用于测度生产力的变化情况。该指数也称为全要素生产率(total factor productivity，TFP)，将生产力的变化分解成技术变化(TC)和技术效率变化(EFFC)。其中，EFFC又分解为纯技术效率变化(PTEC)和规模效率变化(SEC)[23]。该指数可以计算决策单元在时间动态变化过程中整体生产力前沿面的变化情况，补充了仅由时间序列得出的静态效率值的结果。

M指数是通过1个距离函数进行线性运算，同时采用定向输出和定向输入的方法定义距离函数[24]。

输出变量的距离函数表示如下：

D0(x，y)=inf{δ：(x，y/δ)∈p(x)}

(4)

式中，变量x和y分别代表的是输入、输出变量矩阵；p(x)表示的是生产效率的可能性集合；δ是定向输出效率指标的代表变量。因此，通过非线性运算可以得出，如果y在集合p(x)之外，那么函数值就会>1；如果y正好处在集合p(x)的边界处，那么函数值=1；如果y包含在集合p(x)内，那么函数的值就会<1。

从t-1期到t时期，M指数的函数表达式为：

(5)

1978年，Fare等[25]将规模报酬考虑进生产效率的测度之中，以时期t-1的技术水平为基础的时期t的生产效率M指数的表达式如下：

(6)

当Mt-1，t>1时，生产效率是上升的；Mt-1，t=1时，生产效率固定不变；Mt-1，t<1时，生产效率下降。M指数会同时受到TC、EFFC、SEC、PTEC的影响。

2.4 指标选取与共线性检验

2.4.1指标选择 从已有的文献报道中可以发现，投入指标多选用研发经费和研发人员，产出指标则以专利数居多[26-29]。基于此，本研究筛选出以下指标体系。

从投入变量看，研究与开发经费投入强度反映了一个企业创新资源投入和创新活动的总体状态，也是测度企业创新能力的核心指标[30]。考虑到中成药上市企业的科技创新活动主要体现在资金和人员的投入，结合企业年报实际披露的数据，选取研发经费内部支出(X1)和研发投入强度(X2)作为资金投入量，研发人员数(X3)和研发人员占比(X4)作为人员投入量。

从产出变量看，中成药上市企业的科技创新产出主要表现为新药产品的上市，但鉴于药品研制过程存在较长周期，本研究选取当年新增发明专利数(Y1)和当年发表论文数(Y2)对企业的科技创新成果进行量化(表1)。

由于评价对象所能获取的时间跨度较短，不符合研发时滞性的数据要求，故本研究未将时滞影响纳入考虑范围，可在今后的研究中详细分析。

2.4.2评价原则 通过文献研读和分析，本研究在评价过程中应遵循以下原则：1)全面、系统、科学地反映上市中成药企业的科技创新特点，且数据具有可及性、可比性、系统性、可获取性等特点；2)符合DEA的指标要求：即决策单元数量达到选取的投入和产出指标数量的2倍[31]；3)评价指标之间应排除共线性关系及评价指标应具有显著性。

2.4.3共线性检验 DEA很大程度上依赖于“投入-产出”指标的确定，而对指标间的多重共线性进行检验，可使指标具有独立性和代表性，将产出指标中的论文数和专利数作为因变量，分别与投入量进行多重共线性检验，保证数据分析的科学性和有效性。多重共线性是指自变量之间存在高度近似性，即出现多个指标指代同一含义，存在重复替代现象，进行共线性检验可避免上述问题，从而选出具有较高代表性的关键指标。不存在共线性的判断标准为方差膨胀系数(variance inflation factor，VIF)<10，容差值>0.1，或所有维度的特征值>0，所有维度的条件指标>10。采用SPSS statistics 23软件对数据进行预分析。对2015—2018年所选指标进行共线性检验，结果见表2～3。

表1 中成药上市企业DEA效率评价指标释义

表2 多重共线性的特征值和条件指标检验

表3 多重共线性的容差和VIF

结合上述2类判断指标，所选的投入指标之间不存在明显共线性，即指标间具有代表性，可用于模型评价。

3 实证分析

3.1 研发效率的静态评价

将上述原始数据带入DEAP 2.1软件，分别得到2015—2018年静态效率的运算结果，分别从整体视角和内部视角进行分析。

3.1.1静态效率整体结果 从整体情况看，有21家上市中成药企业在观测期内的研发效率均未达到1.0的有效状态。在评价企业研发效率的过程中，一般可根据效率值大小将其分为5个等级，分别为强(1.0)、较强(0.8～1.0)、一般(0.5～0.8)、较弱(0.2～0.5)、弱(0.2及以下)[32]。从这个标准出发，以平均值为例(表4)，21家上市中成药企业在2015—2018年的TE和SE均对应为一般等级，而PTE则属于较强等级。从规模报酬情况来看，除2017年天士力出现规模报酬递减外，其他结果均为递增或不变状态，而规模报酬递增出现的次数多达51次，占观测期内总体情况的60.7%。规模报酬递增表示增加1个单位的投入会得到大于1个单位的产出，说明此时企业产出增加的比例大于研发投入增加的比例，企业可通过追加投入获取更多的研发产出。

表4 21家中成药上市企业研发效率

3.1.2静态效率内部结果

3.1.2.1TE分析 TE又称技术效率，反映了企业在给定投入的情况下所能获得的最大产出能力，是对总经济效率测度的一部分。根据上述的等级分类条件对2015—2018年21家上市中成药企业进行统计分析(表5、图1)。从分类等级来看，分布在强等级和较强等级的企业数占比仅为47.6%。该结果表明，在观测期内21家中成药上市企业的TE水平较低。从时间分布来看，2015、2016年主要分布着强等级和较弱等级，而2017、2018年则主要分布弱等级和一般等级。在观测期内，2016年表现最佳，2017年表现最差，总体变化趋势表现为“类N型”。

表5 21家中成药上市企业TE

图1 21家中成药上市企业TE

3.1.2.2PTE分析 PTE是指纯粹由于技术原因引起的效率变化，反映了企业依赖技术进步而提高产出效率的能力。从结果来看(表6、图2)，21家中成药上市企业在观测期内的PTE较高，4年间，处于强等级和较强等级的企业数平均占70.3%，且没有企业处于弱等级。从时间分布来看，各等级项下的企业数在观测期内的变化趋势同TE，但变化较为平稳。

表6 21家中成药上市企业PTE

图2 21家中成药上市企业PTE

3.1.2.3SE分析 SE表示企业改变投入要素规模的增减而影响产出的能力。从结果来看(图3、表7)，21家中成药上市企业在4年间处于强等级和较强等级的企业数占总体的52.4%，2017、2018年的SE总体低于2015、2016年的效率值。从规模报酬的增减情况来看，21家企业在4年间的科技创新规模静态效率处于规模报酬可变效率前沿面的规模报酬递增阶段的情况达到51次，占总体的60.7%，规模报酬不变的情况达32次，占总体的38.1%。在21家企业中，连续4年均处于规模报酬递增阶段的企业数为10家，占总体47.62%。

图3 21家中成药上市企业SE

表7 21家中成药上市企业SE

3.2 研发效率动态评价

从时间维度分析可得，21家上市企业的生产率变化在观测期内波动较大，总体以2017年为拐点呈“V”型变化，4年间的平均值仅为0.931。从企业的生产率变化情况来看，有61.9%企业的TFP<1.0，表明生产率下降状态较为普遍，中成药企业的生产效率亟待提高。

根据M指数的结果分布特征，建议可依据TFP的结果将评价对象分为高、中、低3个等级：高水平组对应TFP>1，中水平组对应TFP=1，低水平组对应TFP<1，以此作为区分企业生产率变化的梯度依据。以21家上市中成药企业为例(表8)，有13家企业属于低水平组，8家企业属于高水平组。结果表明，21家中成药企业中，有61.9%的企业在观测期内的生产率处于下降状态。

表8 企业生产率变化情况 家

制药业“三高一长”的行业属性决定了投入研发活动的必然性，而研发效率的提升也成为企业增强创新能力的重要基础。从上述研究结果可以看出，21家中成药上市企业在2015—2018年的研发效率总体水平较低，时间趋势主要反映在2017年的效率值下降明显，这与中成药工业的销售收入和利润总额从2017年开始出现负增长的经济表观相一致。从效率值分解来看，处于强等级和较强等级的企业数占比在PTE和SE的表现分别为70.3%、52.4%，这一结果表明由于技术进步带来的研发效率提升表现突出，但是SE较差。从规模变化趋势看，4年间21家企业呈规模报酬递增状态的占比为60.7%，这表明企业的研发投入规模还有较大的提升空间，中成药企业应提高对研发经费和人员的投入量，才能充分利用规模优势获得研发效率的增长。

4 结论及建议

本研究采用DEA对2015—2018年21家上市中成药企业进行研发效率的测算与统计比较，结果表明，第一，从静态结果来看，评价对象在观测期内的研发综合水平并不高，平均有效率仅为65.7%。规模报酬递增的占比达60.7%，这提示大部分中成药企业的规模尚未达到最优生产水平，在研发规模上仍有较大的投入空间。第二，从动态结果来看，有52.4%的企业TC效率不足，反映出整体最优技术较为落后，这可能是导致观测对象的TFP仅为61.9%的主要原因。总之，从选取的评价对象的测算结果来看，中成药上市企业的综合研发效率和研发投入规模均表现不足，尚未融合现代科学技术来提升行业的科技创新能力。

由此，对中成药企业有如下3点发展建议：第一，提高企业对研发效率的考核标准，将技术发展优势有效地转化为效率的提升；第二，合理配置研发资源，避免出现研发经费无效，研发人员冗余、低质工作等现象，注重研发成果的产出；第三，结合企业实际情况，加强研发经费和研发人员的投入，充分发挥由规模效应所带来的研发效率的提升。采用DEA评价中成药企业的研发效率仅从研发活动的投入-产出角度进行了初步探索，考虑到本研究的研究时间跨度较短、评价企业数量较少等局限性，针对中药企业研发创新的相关研究仍亟待补充完善。