云南省医药制造业创新效率研究

摘要：运用三阶段的DEA模型对云南省医药制造业的创新效率进行研究，结果表明，剔除了环境因素和随机误差的影响，云南省的医药制造业的纯技术效率全部有效，即综合效率完全由规模效率决定。另外环境因素分析的结果表明，出口、产业的平均规模对于创新效率具有积极的影响，而产业集聚对于研发人员全时当量的松弛具有负的影响。最后提出云南省医药制造业要注重发挥规模效益、关注出口及与国际的合作交流、提高专业化水平的政策建议。

关键词：云南；医药制造业；三阶段DEA模型；创新效率

中图分类号：F2

文献标识码：A

文章编号：1672―3198（2014）10―0011―04

1研究背景

医药制造业是典型的高技术产业，我国医药制造业近十年来始终保持着约20%的增长，作为战略性新兴产业和未来经济的增长极，其创新具有高投入、高风险、高收益的特点，产业创新能力与创新效率一直是一个核心关注的议题。建立医药制造业技术创新能力评价指标体系采用因子分析法来分析创新能力对于认识医药制造业的创新综合水平是一项基本工作，但是医药制造业要增强创新能力，除了加大研发投入外，提高研发资源的配置效率显得尤为重要。产业创新效率是能力的核心要素，只有效率高，创新能力才会持续发展。学者利用SFA函数（随机前沿函数）或者DEA（数据包络分析）工具的研究发现，中国医药制造业创新效率虽然在稳步上升，但是创新效率整体偏低，而且上述文献几乎一致发现中国区域医药制造业的创新效率发展差异较大，尤其是西部地区的医药制造业的创新效率普遍低下。

影响医药制造业创新效率的因素有企业规模、市场结构、技术改造经费和研发效率等创新内部因素和产业规模与区域经济发展水平等创新的外部因素，也有市场容量、创新独占性、技术知识累积性和社会动力等产业外部影响因素。目前政府科研投入经费使用效率低下是个不争的事实，在DEA有效的情况下，孙虹（2012）利用超效率模型对有效省区进行了再排序，但是，对于效率低下的单元，尤其是西部地区，医药制造业创新效率低下究竟是产业创新内部还是外部因素还是环境变量干扰，却一直没有学者进行深入研究，因此，如何区分出影响因素是一个关键问题。

云南是西部高新技术产业发展较好的省区之一，该省医药产业具有资源优势，据云南省统计，云南中药材种植面积已达170万亩，将资源优势转化为经济优势是云南乃至西部地区所面临的共同问题。为了避免资源初加工直接输出的“拉美陷阱”，引入和发展资源依赖性高的高技术产业是知识经济背景下云南乃至西部地区经济发展必争的战略高地。作为高技术产业的代表，云南的医药制造业已经具备了良好的基础。“十一五”期间，有3个品种4个基地通过了国家GAP认证、3个品种获得实施地理标志产品保护，但是，发展效率和创新效率依然是困扰地方产业发展的问题。学者在云南医药制造业的效率分析方面的研究，结论和观点是存在差异的，虽然邹鲜红，罗承友（2010）基于Malmquist指数认为云南的医药产业的发展是有效的，茅宁莹，张帅英，褚淑贞（2012）也发现大多数年份的DEA有效，但也有一些学者的研究中国区域层面的数据揭示云南的创新能力和效率低下。专门针对云南省医药制造业创新问题的研究目前很少，仅张步振等（2011）对云南省医药产业的现状与问题进行了梳理，依据经验提出提高创新能力的措施，对云南医药制造业的创新效率并没有进行深入分析，因此系统揭示创新效率低下并相应制定走出困境的途径是急需要解决的实践问题。

由于目前创新绩效的研究学者多采用DEA、SFA、HMB、Malmquist指数等工具。这些工具要么没有考虑到各个评价单元的环境因素的影响，要么没有考虑到评价的随机因素的影响，因此得到的效率的值并不准确，因此本文采用三阶段的DEA方法，剥离环境与随机因素的影响，利用调整以后的投入衡量云南省医药制造业的创新绩效，为云南提高高技术产业绩效提供分析工具，并提出对策建议。

2研究方法与模型

2.1模型与方法

1978年美国著名运筹学家A.Charnes，W.W.Cooper和E.Rhodes三人共同提出数据包络分析DEA方法后，在测度效率方面取得了广泛的应用，但是，经典的DEA方法并没有考虑环境因素的影响。此后，Fare等（1998）曾提出解决环境问题的一阶段DEA方法，其思想是将环境因素视为投入和产出变量带入经典DEA模型。显然，这一处理方式将环境因素等同于系统的投入产出并不合适。另一种处理方法是Coelli（1998）提出的两阶段的DEA-Tobit方法，第一阶段采用传统的DEA方法得到效率值，第二阶段以此效率值为因变量，环境因素为自变量分析各种环境因素对于效率的影响。但是这种方法并没有剥离出环境因素和随机因素的影响，也没有改变传统DEA得到的效率值水平。Fried等（2002）在此基础上对传统的DEA方法作了改进，提出DEA法由三个基本步骤组成即三阶段DEA。该方法的第一阶段是利用经典DEA方法计算决策单元的效率值；第二阶段利用随机前沿模型（SFA）方法，考虑环境因素、管理无效率和随机误差的影响对于第一阶段得到的投入的松弛变量的影响，进而对投入量进行调整，使各个单元处于相同的环境和相同的运气。第三阶段将调整后的投入量重新代入经典DEA模型核算效率，由于该效率有效剥离了环境因素和随机误差的影响，更能反映决策单元的实际效率水平。具体如下：

第一阶段：DEA模型。

本阶段采用传统的DEA中考虑规模因素的BCC模型，得到投入导向的的效率值（考虑产出水平不变下，投入缩减的最大比例），分为技术效率、纯技术效率和规模效率的值，且技术效率=纯技术效率*规模效率。对于每一个决策单元DMUj都有m项输入Xj=（x1j，x2j，…xmj），s项输出Yj=（y1j，y2j，…ysj），那么第j个DMU的BCC效率评价模型为：

minθ

nj=1λjXj≤θX0

nj=1λjYj≥Y0

nj=1λj=1

λj≥0，j=1，2，…，n

.

第二阶段：利用SFA方法对第一阶段的投入量进行调整。

首先利用第一阶段的结果求出投入的松弛变量（包括径向松弛变量与非径向松弛变量）。

即Sij=xij-xijθ，（i=1，2，…，m，j=1，2，…，n）。其中xij表示第j个单元的第i种投入的实际值，xijθ表示第j家企业的第i种投入的最佳投入值，θ为效率值。然后以各个投入指标的松弛变量为被解释变量，以环境因素为解释变量得到SFA模型：

Sij=f（zj；βj）+vij+uij，i=1，2，…，m，j=，1，2，…，n

其中Sij表示第j个决策单元的第i中投入的松弛变量；zj=（z1j，z2j，…，zkj）为k个可观测的环境变量；βj为对应的参数；f（zj；βj）表示环境变量对松弛变量的影响函数，一般取线性形式：f（zj；βj）=zjβj。vij+uij为混合误差，一般可假设

vij～N（0，σ2vi）反应随即因素的影响，uij≥0反应管理无效率部分，一般可假设uij服从截断型正态分布，即：uij～N+（μ，σ2ui）。γ=σ2uiσ2ui+σ2vi，γ趋向于1说明无效率决策单元主导因素为管理无效率，趋于0说明随机因素占主导地位。

随后对决策单元的各项投入进行调整，使所有的决策单元处于相同的环境，相同的机会，进而更好考虑效率问题。首先需要从SFA回归模型的误差中将随机因素分离出来，采用Jondrow等（1982）提出的方法，首先得到uij的条件估计量：

E^（uij/εi）=λσ1+λ2・

[（εiλσ）

Φ（εiλσ）

+

εiλσ]，i=1，2，…，m.j=1，…，n

其中εi=uij+vij，λ=σuσv，

σ2=σ2u+σ2v（・）和Φ（・）分别为标准正态分布的密度函数和分布函数。

从而得到随机因素的条件估计：E^（vij/εi）=Sij-zjβj-E^（uij/εi）。

然后以原投入项为基准按下式对决策单元的投入要素进行调整。

XAij=Xij+[maxj（zjβ^j）-zjβ^j]+

[maxj（v^ij）-v^ij]

上式右边第一个中括号的调整使所有决策单元都处于共同的运营环境，而且因为用的是最大的预测值进行调整，因此调整到了最差的环境。第二个中括号的调整使所有的决策单元都处于共同的自然状态，以上调整使每个决策单元面对相同的经营环境和经营运气，即剥离了外部环境因素和随机扰动的影响。

第三阶段：对调整后的投入变量再进行DEA分析。

第三步将第二阶段得出的调整后的投入值与原始产出值再次代入DEA模型，此时得到的效率值即为消除了环境和随机误差影响后的效率值。

2.2变量与数据说明

本文研究采用投入-产出的过程模型研究云南省医药制造的技术创新效率。变量的选择方面，DEA模型的投入方面考虑人力和财力，选用研发人员全时当量（人年）和研发费用投入（万元）（采用研发经费内部支出与新产品开发费用的加总）。产出方面考虑了科技成果和科技成果产业化情况，采用专利申请数和新产品销售收入。环境变量的选取方面，因为产业的创新绩效受到国际环境、资本规模和产业专业化地位等的影响，本文考虑出口对于创新的刺激作用、产业的平均规模、产业专业化的地位的影响，结合以往的研究经验、数据的可得性、模型的可靠性，经过比较分别选用了新产品出口部分占全部新产品销售收入的比重ps（%）、单个企业平均的投资额pt（万元）、区位商lq（lq=云南省医药制造总产值/云南省GDP全国医药产业总产值/全国GDP）三个指标作为环境因素考虑其对于投入冗余的影响。

研究采用的数据主要来自《中国高新技术产业年鉴》，选取了云南省医药制造业2000年―2011年12年的数据，为了使数据具有可比性本文对所有货币计量的数据全部折算为以2005年为基期。

3实证研究

3.1第一阶段：传统的DEA

采用投入导向的BCC模型，利用DEAP2.1软件，分别得到综合技术效率、纯技术效率、规模效率及规模收益状态，具体见表1。

由上表可见综合效率值平均为0.683，纯技术效率稍高平均为0.844，规模效率的平均值为0.807。可见没有调整的情况下，纯技术效率与规模效率对综合效率的影响力近似，规模效率的影响更强一点，而且也可以看到云南省医药制造业的纯技术效率十二年中有一半处在纯技术效率最优的状态，但这种效率的差别可能来自于环境影响、随机因素的影响、管理无效率的影响，因此为了更准确地比较衡量各年的效率的情况，接下来采用类似SFA的方法剥离各年的环境差别与运气差别造成的效率的影响。

3.2第二阶段：构建类似于SFA方法

首先利用第一阶段的结果得到两种投入的冗余（径向松弛与非经向松弛的总和）为因变量分别与新产品出口部分占全部新产品销售收入的比重ps、单个企业平均的投资额pt、区位商lq这些环境变量利用STATA做SFA模型，得到回归结果见表2。

由上面两个回归结果可以得到γ趋向0，即随机误差解释了大部分的变动。同时得到三种环境变量对松弛变量的影响，因为松弛量反应的是实际投入的冗余，因此若系数为负值，反应的是减少这种冗余，即提高效率，反之则是降低效率。从上面的回归结果可以得到以下结论：

（1）区位商（lq）对于研发人员全时当量的冗余影响为正的，即产业集聚反而增加了研发人员全时当量投入的浪费，这说明以产值衡量的云南省的专业化程度落后于创新程度，造成了冗余现象，也可以看做是云南省创新效率转化为经济效率的能力落后导致的结果。对于研发费用的影响为负相关，虽然不显著但是可以考虑方向的问题，即集聚会减少研发费用的冗余，产业专业化程度的增加会提高研发资金的使用效率。

（2）新产品出口部分占全部新产品销售收入的比重（ps）对研发人员全时当量的冗余、研发费用的冗余均为显著负相关，即说明出口需求的刺激提高了云南医药制造业的创新绩效，可以解释为面临更大的市场，更强的竞争，提高了企业的创新的动力同时在与国外的市场交易的过程中也为企业提供了好的学习创新的机会，即创新的能力也会得到提高。

（3）因为数据的可得性，本文选用单位企业的平均投资额（pt）这一变量衡量企业的规模情况，一般认为规模越大会带来规模效益，而且大的企业也更有创新的能力，进而更可能具有高的创新效率。根据上面的回归结果也证实了这一点，考虑方向性的影响，与两种投入的冗余均为负相关，其中对于研发人员全市当量的冗余的影响不显著。

3.3第三阶段：调整后的投入变量的DEA分析

本阶段用第二阶段得到的调整后的投入量与产出变量采用DEA的BCC模型分析得到如下结果，见表3：

由以上结果可知，调整后纯技术效率全部变成1，达到了最优的状态；综合技术效率的平均值较调整前有所提高；规模效率的平均值较调整前有所下降。即排除了各个年份的环境因素与随机因素的影响，各个年份都达到了纯技术效率前沿，说明云南省医药制造业技术效率无效的原因主要是由规模效率无效决定的，要提高综合效率只有通过提高规模效率来获得，而规模效率反映的是在最优规模生产的能力，即是否在最节省成本的情况下进行生产经营，这就要求云南省医药制造业要选择合适的生产规模，提高规模效率进而提高综合技术效率。从得到的调整后的规模收益状态可以看出有一半的年份处于规模效率递增的状态，这也与医药制造业作为一个高投入的技术密集型产业对于规模的要求相符。

4结论与政策建议

（1）规模效率是云南省提高医药制造业创新效率的关键。

传统的DEA显示，云南省医药制造业大多数年份创新效率无论是纯技术效率还是规模效率都处于无效状况，剥离了环境因素和随机误差的调整后的DEA分析，纯技术效率发生了明显的变化，全部变为1，达到了最优的状态。说明调整前的较低的纯技术效率是由于环境因素和随机误差影响，同时也说明了做这样的调整对于反映效率的实际情况是有意义的，进而得出综合效率无效完全来自规模无效。而且第二阶段分析中，单位企业的平均投资额（pt）对于冗余值都是负相关的，说明了大的规模投入对于创新效率的影响，因此云南省医药制造业要注重发挥规模效益，使生产处在最优的规模，提高创新的能力，进而提高创新效率。云南省应重视市场创新主体企业的创新动力，做大做强医药制造企业，支持企业扩大规模，为研发创新提供有力资源投入并迅速实现新产品的市场价值。

（2）动态响应环境变化能力是提高产业创新效率重要方面。

由于环境等随机因素严重影响创新效率，尤其是纯技术效率，而且由第二阶段的分析得到，由新产品出口部分占全部新产品销售收入的比重（ps）反映的产业外向性对于创新效率有促进的作用，区位商（lq）对于研发费用的影响为负相关，虽然不显著但是可以考虑方向的问题，即专业化程度提高会减少研发费用的冗余，而对于研发人员全时当量的冗余影响为正的，即产业集聚反而增加了研发人员全时当量投入的浪费，说明云南省医药制造业的创新效率尚未有力转化为经济价值，因此要加强技术转化力度，提升整个产业产值及其在全国的专业化地位。综合考虑，云南省的医药制造业需要积极响应动态环境变化，进一步加强开放的步伐，关注出口以及与国际的合作交流，提高专业化水平，并实现创新的价值实现，以提高医药制造业的创新效率。

参考文献

[1]邹鲜红，黄建柏.基于因子分析的我国医药制造业区域技术创新能力研究[J].系统工程，2009，27（12）：6772.

[2]张莹，陈玉文.我国28个省市区医药制造业技术创新能力评价[J].中国药房，2013，（17）：15391543.

[3]白雪洁，杨颖.我国医药制造业创新效率的区域特征及其影响因素――基于随机前沿分析法的实证研究[C].中国工业经济学会2012年学术年会，长沙：2012，（10）.

[4]张永庆，刘清华，徐炎.中国医药制造业研发效率及影响因素[J].中国科技论坛，2011，（1）：7074.

[5]谢小燕，褚淑贞.我国医药制造业技术创新效率研究[C].2012年中国药学会药事管理专业委员会年会暨“十二五”医药科学发展学术研讨会，北京：2012，（11）.

[6]李晓梅，王伟光，考燕鸣.东北地区医药制造业技术创新能力实证研究[J].中国科技论坛，2009，（11）：3942.

[7]曹阳，项莹，茅宁莹.基于DEAMalmquist模型的我国医药制造业技术创新效率研究[J].南京中医药大学学报（社会科学版），2013，14（1）：3339.

[8]孙虹.我国医药制造业技术创新相对效率研究[J].科技和产业，2012，12（3）：4651.

[9]张林，高安刚.基于DEA的欠发达地区创新绩效研究―以西南三省为例[J].科技管理研究，2012，32（10）：7679.

[10]邹鲜红，罗承友.基于Malmquist指数评价我国医药制造业技术创新效率[J].中国药房，2010，21（37）：34573460.

[11]茅宁莹，张帅英，褚淑贞.基于DEA方法的我国医药制造业技术创新效率的实证研究[J].中国药房，2012，23（5）：391394.

[12]张步振，王建华等.云南省医药产业研发现状及发展思考[J].西部国防药，2011，21（4）：429430.