中国医药制造业技术创新效率研究综述

中国医药制造业技术创新效率研究综述

肖笑园

同济大学 经济与管理学院，上海 200082

摘要：医药制造业作为技术驱动发展的高新技术产业，其技术创新效率尤为重要。本文对国内医药制造业的技术创新效率的相关研究进行了回顾，研究发现：目前国内外学者常采用DEA模型对于行业的技术创新效率进行研究，投入的生产要素包括研发费由内部支出，研发人员全时当量等，产出要素包括专利受理量（或有效专利数）和新产品销售收入等。然而在COVID-19爆发之后，政府、企业和居民对于医药的重视程度大幅增加，对优质药品的需求愈加旺盛，在新的形势下，学者对于行业技术创新效率的研究存在不足。

关键词：医药制造业；技术创新；技术创新效率；SFA模型；DEA模型

1.研究背景

医药制造业作为国民经济发展的高新技术产业，与国家发展、人民健康、社会安全的息息相关，是当前全球发展最为快速、竞争最为激烈的高新技术产业之一。随着居民医疗健康意识增强、人均可支配收入增加以及人口老龄化程度加剧，全球医药市场的需求快速增长。2017-2021年全球医药市场规模从12,084亿美元增长至14,012亿美元，年复合增长率达到3.8%。由于中国人口总数庞大、人口老龄化严重、癌症发病率增加和医疗支出提高等，国内的医药行业发展趋势平稳，2017-2021年国内医药的市场规模由14,304亿元增长至15,912亿元，预计到2025年将增至20,645亿元。

在政策、经济、社会和技术因素的共同作用下，中国医疗健康产业上升为国家战略产业，“创新发展”成为医药企业快速转型、提升核心竞争力的重要。（1）政策鼓励：自2010年国内开展医保改革，国家相继出台一系列法律法规及行业政策，深化“医药+医疗+医保”三医联动的重要举措，在创新药研发、审评、生产和销售等各个环节给予优惠和支持，全力做大做强以创新药为代表的生物医药战略性新兴产业。（2）经济发展：我国高速发展的经济是医药行业快速发展的助推器，2014-2021年国内GDP已由64万亿元增至115万亿元，年复合增长率高达8.7%；此外国内卫生总费用快速提高，2014-2020年由3.5万亿元（占GDP的5.5%）增至7.2万亿元（占GDP的7.1%）。（3）社会因素：城镇化进程加快，2014-2020年已由54.8%增至63.9%；人口老龄化程度加剧，2021年中国65岁及以上人口达到20,056万人，占全国总人口的14.2%，中国步入深度老龄化阶段，根据国家卫生健康委老龄司测算，2035年左右国内60岁及以上老年人口将突破4亿，占比超过30%，中国将进入重度老龄化阶段。（4）技术进步：随着单抗、双抗、ADC、基因和细胞治疗等新型生物制药技术的发展，国内药企的创新意识日益增长，创新水平稳步上升，在研药物和上市药物逐渐丰富，2021年NMPA受理注册申请11658件，同比增长13.79%，其中受理的创新药注册申请1886件（998个品种），同比增长76.10%。

2.技术创新效率的相关综述

在经济学研究中，“技术效率”是指公司在现有技术水平下，以特定的投入生产尽可能多产出的能力，其概念的应用范围十分广泛。早在1951年，Koopmans[1]便提出了“技术效率”的概念，将其定义为：在一定的技术条件下，如果不增加（减少）其它投入就不可能增加（减少）任何产出，则称该投入-产出具有技术有效性，自此，经济文献中就存在技术效率的理论考虑。而后来Debreu[2]（1951）和Farrell[3]（1957）开发了基于投入的技术效率指数，衡量为所有投入的最大等比例减少与观测产出的等效生产一致。

最常用的评估技术创新效率的方法有两种：一种是参数化方法，主要以随机前沿分析（SFA）为代表；另一种是非参数方法，主要以数据包络分析（DEA）为代表。

2.1 SFA模型

SFA（全称“Stochastic Frontier Approach”）模型，即随机前沿方法，是指利用随机前沿生产函数进行效率测算的一种常用方法，是1977年Aigner、Lovell & Schmidt和Meeusen & Van Den Broeck[4]分别独立提出的一种参数方法，用于准确描述生产者的生产行为。

SFA模型成为学者研究国内企业技术创新效率的重要方式。何枫等[5]（2004）在柯布-道格拉斯生产函数（又称“C-D函数”）的基础上，运用SFA方法对改革开放以来我国技术效率变迁进行了详细分析。Liu和Xia[6]（2012）基于SFA方法估算了国内89家上市公司2007-2010年的创新效率。

然而，SFA模型作为一种参数方法，需要设定特定的生产函数形式，可能出现因生产函数误设产生结构偏差和测算错误的问题。

2.2 DEA模型

与SFA模型不同的是，DEA（全称“Data envelopment analysis”，即“数据包络分析”）模型是一种非参数的方法，由法国数量经济学家Farrell

[7]（1957）提出，他通过“最优生产前沿”（the best practice frontier）来判断决策单元是否有效率，可以有效避免了SFA模型误设函数导致的错误，是当前国内外学者研究高技术产业技术创新效率的最常用方法。

在战略性新兴产业创新效率研究中，大多数学者采用DEA模型的方法。Raab[8]等（2006）使用面向投入的CCR模型来评价2002年美国50个州的高科技产业的效率。刘晖等[9]（2015）通过DEA方法，利用2007~2012年28个省市的面板数据，详细研究了我国战略性新兴产业的综合效益、纯技术效益和规模效益。沈忱[10]（2017）采用三阶段DEA模型深入研究了国内新三板中小企业的融资效率。Chen等[11]（2020）利用三阶段DEA模型和2011-2018年中国31个地区公立医院的面板数据，对中国区域公立医院技术效率进行了全面评估。

3 医药制造业的技术创新发展现状

2002年，美国食品和药物管理局（FDA）启动了21世纪药品质量倡议，以鼓励采用创新技术，从而建立一个敏捷、灵活的制药行业，目标是鼓励向制造工艺和方法过渡，这些工艺和方法可以在没有广泛监管的情况下可靠地生产高质量药物。随着企业不断开发和推进新的制药技术，全球医药制造行业朝着这一目标取得了很大进展，但由于近几年自然灾害和COVID-19大流行揭示了供应链的脆弱性，并强调了进一步实现药品制造现代化的必要性，因此需要取得更多进展。

“创新为王”趋势愈加显现，全球新药获批数量增长，重磅药品销售额攀升。过去30年， CDER批准的新药数量显著上市，2022年共批准了37种新药，其中包括22个新分子实体（NME）和15个生物制剂许可申请（BLA），相比过去5年的高点有所下降，但仍高于 1993 年以来的历史平均水平（每年 34 种药物）。

从国内医药市场来看，随着医保谈判和带量采购的常态化推进，技术创新既是医药制造业提升核心竞争力的核心驱动因素，更是企业生存发展的基

石。从创新药研发角度来看，随着创新药研发经验的积累，国内的创新药企在研发模式上逐渐从“Fast-follow”转变为“Smart-Follow”，具备差异化和“Best-in-Class”潜质的创新药项目不断涌现，创新研发能力得到海内外市场的高度认可。例如，恩华药业（002262.SH）是一家成立于1978年的“老牌”仿制药企，专注于中枢神经系统（CNS）药物市场。2014年以前，恩华药业的产品获批节奏紧凑，后来受到国内仿制药管理模式改变的影响，公司进入静默转型期，连续5年无新品种获批上市。2020年，公司卷土重来，新产品上市进程提速，舒芬太尼、羟考酮和阿芬太尼等产品接连获批，在研镇痛类创新药TRV-130近期有望正式获批上市。从A股上市公司（“老牌”企业）披露的在研一致性评价项目数量和在研创新药数量来看，国内医药制造企业具有强烈的创新意识和鲜明的管线布局。

4医药制造业技术创新效率的相关综述

虽然国内外学者对于高新技术产业的技术创新效率研究卓有成效，但是聚焦在医药制造业的研究并不多。邹鲜红和罗承友[12]（2009）利用DEA模型，以2007年国内医药制造业的研发资本要素和研发人员要素数据，对国内重要省市和3个大区（东部、西部和中部地区）医药制造企业的技术创新相对有效性进行了研究。吴晓波和陈颖[13]（2010）采用层次回归模型，分析了内部研发和外部研发两种模式的创新绩效边际收益。张永庆等[14]（2011）利用SFA模型估计了国内医药制造业的研发效率，并且分析了科技活动经费筹集额中政府资金、技术改造经费支出、企业规模以及市场结构等因素对研发效率的影响。刘秉镰、徐锋和李兰冰[15]（2013）利用Metafrontier-DEA模型，测算了2001~2009年国内医药制造业的技术创新效率和综合技术效率。肖仁桥等[16]（2018）利用DEA模型，对2007~2015年5大高技术产业的创新效率和区域间技术差距进行了研究。

5 总结

医药制造业作为技术驱动发展的高新技术产业之一，目前国内外学者常采用DEA模型对于行业的技术创新效率进行研究，投入的生产要素包括：研发费由内部支出，研发人员全时当量，技术引进、技术利用和技术吸收费用。产出要素包括：专利受理量（或有效专利数），新产品销售收入。然而在COVID-19疫情爆发之后，政府、企业和居民对于医药的重视程度大大增加，对优质药品的需求愈加旺盛，在这样的背景下，我国医药制造业的生产要素投入是否有所变化，产出效率是否改变，国内存在欠缺，目前学者对于行业技术创新效率的研究存在不足。

参考文献

[1] Koopmans, T.C., 1951. An analysis of production as an efficient combination of activities. In: T.C. Koopmans (Ed.), Activity Analysis of Production and Allocation, Cowles Commission for Research in Economics. Monograph No. 13, Wiley, New York.

[2] Debreu, G., 1951. The coeffcient of resource utilization. Econometrics 19, 273-292.

[3] Farrell, M.J., 1957. The measurement of productive efficiency. Journal of the Royal Statistic Society Ser. A 120, 253-281.

[4]李文军等.商业银行的效率与竞争力.北京:经济管理出版社,2008:68.

[5]何枫,陈荣,何炼成.SFA模型及其在我国技术效率测算中的应用[J].系统工程理论与实践,2004(05):46-50.

[6] Z. Y. Liu and Y. M. Xia, “Innovation efficiency and impact factors of China’s strategic emerging industries,” Journal of Emerging Trends in Economic and Management Sciences, vol. 3, no. 5, pp. 547–552, 2012.

[7] Farrell, M. J. (1957). The measurement of productive efficiency. Journal of the Royal Statistical Society, 120(3), 253–290.

[8] R. A. Raab and P. Kotamraju, “Efficiency of the high-tech economy: conventional development indexes versus a performance index,” Journal of Regional Science, vol. 46, no. 3, pp. 545–562, 2006.

[9]刘晖,刘轶芳,乔晗,胡毅.我国战略性新兴产业技术创新效率研究[J].系统工程理论与实践,2015,35(09):2296-2303.

[10]沈忱.中小企业在新三板市场融资效率研究——基于三阶段DEA模型定向增发研究[J].审计与经济研究,2017,32(03):78-86.

[11] Chen Z, Chen X, Gan X, Bai K, Baležentis T, Cui L. Technical Efficiency of Regional Public Hospitals in China Based on the Three-Stage DEA. Int J Environ Res Public Health. 2020 Dec 15;17(24):9383.

[12]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,2009,29(09):252-254.

[13]吴晓波,陈颖.基于吸收能力的研发模式选择的实证研究[J].科学学研究,2010,28(11):1722-1730.

[14]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,No.177(01):70-74.

[15]刘秉镰,徐锋,李兰冰.中国医药制造业创新效率评价与要素效率解构[J].管理世界,2013,No.233(02):169-171.

[16]肖仁桥,陈忠卫,钱丽.异质性技术视角下中国高技术制造业创新效率研究[J].管理科学,2018,31(01):48-68.