生物醫(yī)藥上市公司技術創(chuàng)新效率研究

劉立燕，宋捷羽，熊勝緒，程杰賢

（1.江漢大學商學院，湖北 武漢 430056；2.中南財經(jīng)政法大學工商管理學院，湖北 武漢 430073）

1 引言

當前，我國經(jīng)濟已由高速增長階段轉向高質量發(fā)展階段。創(chuàng)新是推動高質量發(fā)展的主要動力，且是依靠效率的提高而不是要素投入的增加來推動的。

2019年，我國R&D經(jīng)費總量首次突破2萬億元，2020年R&D經(jīng)費投入總量達24 426億元，穩(wěn)居世界第二，研發(fā)投入強度已達到中等發(fā)達國家水平。相較于穩(wěn)步增長的投入，近年來我國專利申請量增速放緩，2019年國內發(fā)明專利申請量較上年減少了10.8%，顯示技術創(chuàng)新效率還有較大的提升空間。

生物醫(yī)藥產業(yè)是知識密集型、最具創(chuàng)新活力的產業(yè)之一，創(chuàng)新藥市場長期占據(jù)國際藥品市場半數(shù)以上的份額。但2020年度“全球生物醫(yī)藥產業(yè)發(fā)明專利排行榜”TOP100的生物醫(yī)藥企業(yè)中，美國與日本企業(yè)總量占比達63%，而中國企業(yè)僅有7家。怎樣評價當前中國生物醫(yī)藥企業(yè)的技術創(chuàng)新效率？影響生物醫(yī)藥企業(yè)技術創(chuàng)新效率的因素有哪些？如何推動我國生物醫(yī)藥企業(yè)進一步提升創(chuàng)新效率？在當前建設健康中國的大背景下，研究生物醫(yī)藥企業(yè)技術創(chuàng)新效率具有重要意義，其對我國前沿技術領域創(chuàng)新效率的提升也有借鑒意義。

本文使用三階段DEA模型構建了企業(yè)技術創(chuàng)新效率評價指標體系，收集并整理了我國140家生物醫(yī)藥上市公司2012—2020年的相關數(shù)據(jù)，同時利用DEAP 2.1、Frontier 4.1軟件進行了分析。

2 文獻綜述

技術創(chuàng)新效率最早由Koopmans（1951）提出，他將技術創(chuàng)新效率定義為在給定的投入與產出不變的情況下，現(xiàn)有技術不能再增加任意單位的產出或減少任意單位的投入，則投入產出達到技術有效；鄒鮮紅和黃健柏（2010）指出，技術創(chuàng)新效率是指創(chuàng)新過程中要素投入的轉化效率，技術創(chuàng)新效率反映了資源配置效率，衡量了創(chuàng)新投入對創(chuàng)新產出的貢獻程度。一般而言，技術創(chuàng)新投入和產出具有多變量、多量綱的特征，精確獲得經(jīng)濟學意義上的創(chuàng)新效率是不太現(xiàn)實的，大多數(shù)學者采用DEA法或SFA法，用研究主體投入產出情況與生產前沿面的差距反映其相對技術創(chuàng)新效率。

當前，我國生物醫(yī)藥產業(yè)與發(fā)達國家相比仍有較大差距，技術競爭能力處于劣勢地位。為此，各地出臺了一系列支持生物醫(yī)藥產業(yè)發(fā)展的相關政策，主要集中在技術創(chuàng)新、資金支持和人才建設等方面。研究顯示，R&D稅收優(yōu)惠政策對戰(zhàn)略性新興產業(yè)的研發(fā)強度、盈利能力、發(fā)展能力和技術能力都有顯著的促進作用，政府補貼能夠通過資源傾向機制和信號傳遞機制促進生物醫(yī)藥企業(yè)創(chuàng)新績效的提升。

然而從創(chuàng)新效率的視角看，高小寧等（2018）以湖北省生物醫(yī)藥產業(yè)為研究對象，發(fā)現(xiàn)現(xiàn)階段規(guī)模效率低是制約湖北省生物醫(yī)藥產業(yè)發(fā)展的主要因素。付秀梅等（2020）使用中國沿海11個省份2011—2017年海洋生物醫(yī)藥產業(yè)的數(shù)據(jù)，應用SFA法研究發(fā)現(xiàn)，我國海洋生物醫(yī)藥產業(yè)整體創(chuàng)新效率較低，地區(qū)差異較大。儲姍姍等（2021）運用兩階段DEA模型對江蘇省12個國家高新區(qū)生物醫(yī)藥產業(yè)的研究也顯示，生物醫(yī)藥產業(yè)整體創(chuàng)新效率仍處于較低水平，影響其創(chuàng)新效率的主要因素有資本投入水平、勞動力以及政府支持力。徐凱等（2019）采用Malmqusit指數(shù)模型評價了2007—2015年間24個國家火炬生物醫(yī)藥特色產業(yè)基地的創(chuàng)新效率，結果表明其純技術效率年平均下降0.72%，規(guī)模效率年平均下降0.25%，在“硬”技術及創(chuàng)新規(guī)模上仍有較大進步空間。

綜上所述，在政策大力支持的背景下，我國生物醫(yī)藥行業(yè)的創(chuàng)新效率仍然處于相對較低的水平。從研究對象上看，現(xiàn)有文獻在探討生物醫(yī)藥技術創(chuàng)新效率時，多集中于區(qū)域生物醫(yī)藥技術創(chuàng)新效率的評價，鮮有學者以生物醫(yī)藥企業(yè)為研究對象；從研究方法上看，采用兩階段DEA法與SFA法進行研究時，大多沒有考慮環(huán)境因素及統(tǒng)計噪聲對技術創(chuàng)新效率造成的影響。而三階段DEA法不僅將以上因素考慮在內，還在國內外效率評價研究中得到廣泛認可，有助于對技術創(chuàng)新效率進行更為客觀的評價。

2019年，我國A股上市醫(yī)藥企業(yè)的研發(fā)投入合計532.97億元，同比增長16.98%。僅2021年上半年，我國前十的藥企研發(fā)投入門檻已超過4.4億元，且大部分增速在30%以上，生物醫(yī)藥企業(yè)的研發(fā)投入巨大并呈現(xiàn)出高速增長的態(tài)勢。研發(fā)的高投入是否帶來了高產出？本文以A股上市醫(yī)藥企業(yè)為研究對象，通過三階段DEA法剔除環(huán)境因素及統(tǒng)計噪聲的影響，嘗試客觀地評價現(xiàn)階段我國生物醫(yī)藥企業(yè)技術創(chuàng)新效率的現(xiàn)狀，討論環(huán)境因素對技術創(chuàng)新效率的影響，并提出建設性意見。

3 研究設計

3.1 研究方法——三階段DEA模型

相較于傳統(tǒng)的DEA模型，三階段DEA模型的優(yōu)勢在于剔除了環(huán)境因素及統(tǒng)計噪聲對效率值的影響，把各決策單元放置在同一環(huán)境及相同的條件下進行比較，由此得到的效率值更加科學客觀。

3.1.1 第一階段：傳統(tǒng)DEA模型初始效率。數(shù)據(jù)包絡分析（Data Envelopment Analysis，DEA）法主要用于評價相同部門間的相對有效性，DEA模型中的綜合技術效率（）可被分為純技術效率（）與規(guī)模效率（），即。其中，綜合技術效率是企業(yè)資源使用效率、資源配置能力的綜合指標；純技術效率是指僅由管理制度和技術因素所影響的生產效率；規(guī)模效率是指因規(guī)模影響的生產效率，反映了實際規(guī)模與最優(yōu)規(guī)模之間的比率?；ADEA模型有DEA-CCR模型及DEA-BCC模型兩種，兩者旨在評價多輸入、多輸出的決策單元的相對有效性，后者相較于前者考慮了現(xiàn)實中規(guī)模報酬可變的情況。DEA模型在測度效率的過程中可選擇投入導向型或產出導向型，在生物醫(yī)藥企業(yè)中投入指標質量相較于產出指標質量更容易得到控制，且本文旨在探究技術能夠在多大程度上挖掘生產潛力、減少創(chuàng)新資源浪費。綜上，本文將選用投入導向型的DEA-BCC模型，該模型已較為完善，這里不再贅述其數(shù)學公式。

3.1.2 第二階段：構建類似SFA模型。構建類似SFA模型的目的在于消除環(huán)境因素與統(tǒng)計噪聲對效率評價的影響。具體步驟如下：

首先，確立投入松弛變量，S=X-Xλ，其中S表示第個決策單元的第個投入變量的松弛變量，X表示第個決策單元的第個投入變量在第一階段的實際投入量，Xλ表示X對應產出變量y在投入效率子集上的最佳映射，即X的理想目標值。松弛變量S的產生主要是由環(huán)境因素、管理無效率以及統(tǒng)計噪聲構成的。

其次，構建一個以投入為導向的類似SFA模型：

然后，通過調整公式（2）將各個決策單元置于同一外部環(huán)境中。

在對投入變量進行調整的過程中，需要將混合誤差項中的統(tǒng)計噪聲與管理無效率進行分離，分 離 的 方 法 參 考 Jondrow（1981）、羅 躍 登（2012）、陳魏巍（2014）等學者的調整思路。

計算隨機誤差項的公式如下：

3.1.3 第三階段：調整DEA投入變量后的DEA模型效率。將調整后的投入變量和原始產出用DEA-BCC模型再計算一次各決策單元的效率，此時得到的效率就是剔除了環(huán)境因素和統(tǒng)計噪聲后的真正的技術創(chuàng)新效率。

3.2 企業(yè)技術創(chuàng)新效率指標選取

技術創(chuàng)新依靠企業(yè)技術創(chuàng)新投入，技術創(chuàng)新投入主要體現(xiàn)在資金及人力投入上。在投入指標的選擇上，鄒鮮紅（2010）、郭玉晶（2020）、Charoenrat（2017）等大部分國內外學者選擇研發(fā)人員數(shù)量、研發(fā)經(jīng)費等作為投入變量。技術創(chuàng)新產出主要體現(xiàn)在企業(yè)獲得的專利授權情況及其為企業(yè)帶來的可觀收益上。因此，大多數(shù)學者選取專利授權數(shù)、盈利能力等作為其產出變量。參考現(xiàn)有文獻及數(shù)據(jù)的可得性，本文最終選取的投入變量及產出變量如下。

3.2.1 投入變量。①研發(fā)經(jīng)費投入（）。研發(fā)資金的投入是企業(yè)創(chuàng)新投入中非常重要的一項。新醫(yī)藥的研發(fā)不僅與當年的研發(fā)經(jīng)費相關，還與之前的研發(fā)經(jīng)費有緊密的關系，但年報中披露的“研發(fā)支出”是流量數(shù)據(jù)而非存量數(shù)據(jù)。本文參考吳延兵（2008）的“永續(xù)盤存法”，按照一定的研發(fā)存量折舊率及公式獲得當期研發(fā)資本存量。

②研發(fā)人員數(shù)量（）。研發(fā)人員是醫(yī)藥企業(yè)技術創(chuàng)新的重要資源。項瑩等（2013）研究發(fā)現(xiàn)，R&D人員投入強度正向影響中國醫(yī)藥制造企業(yè)的技術效率。本文選用年報中披露的R&D人員數(shù)量來表示研發(fā)人員數(shù)量。

③勞動資本（）。除研發(fā)人員外，企業(yè)其他員工承擔著技術轉化的任務，如技術推廣、新產品應用和生產等。企業(yè)全體員工是技術創(chuàng)新轉化為經(jīng)濟效益的重要力量。本文選用年報中披露的企業(yè)員工數(shù)量來表示勞動資本。

④生產資本（）。技術創(chuàng)新投入形式除“人”“財”以外還有“物”，這里的“物”大部分是指研究儀器設備、生產車間等固定資產。本文選取固定資產凈值來表示生產資本。

3.2.2 產出變量。①發(fā)明專利（）。相較于外觀設計專利和實用新型專利，發(fā)明專利更能凸顯企業(yè)技術創(chuàng)新水平，該變量選用上市公司及其子公司的發(fā)明專利授權數(shù)來表示。

②主營業(yè)務收入（）。從生物醫(yī)藥行業(yè)的特征中可以看出，企業(yè)新藥的成功研發(fā)可大幅提高企業(yè)收入，這將直接反映在企業(yè)主營業(yè)務收入的增長上。

③利潤總額（）。企業(yè)創(chuàng)新的最終目的是實現(xiàn)盈利，利潤的獲取也將增強投資者的信心，為后續(xù)研發(fā)提供充沛的資金支持。

為保證所選取的投入變量與產出變量的科學性，借助Pearson法檢驗其相關性是否顯著，結果如表1所示。從表中可看出，各投入變量與產出變量的相關系數(shù)均在1%的顯著水平上顯示為正，符合單調性假設，滿足DEA模型的要求。

表1 投入產出變量相關性分析

3.2.3 環(huán)境變量。環(huán)境因素是企業(yè)發(fā)展的客觀條件，良好的技術創(chuàng)新環(huán)境有利于企業(yè)吸引高端技術人才、創(chuàng)新資金和技術。環(huán)境變量的選擇情況具體如下。

①區(qū)域生產總值（）。一般當企業(yè)所在地區(qū)GDP較高時，該地區(qū)會吸引更多的創(chuàng)新資本和高端人才，更易形成產業(yè)集聚效應，進而有利于企業(yè)創(chuàng)新。本文使用人均GDP代表區(qū)域生產總值。

②區(qū)域信息化水平（）。對高新技術產業(yè)而言，完備的信息化基礎設施和較高的信息化水平將提升技術交流速度，擴大技術傳播范圍，促進數(shù)據(jù)資源的有效整合與利用。本文使用互聯(lián)網(wǎng)寬帶用戶數(shù)與當?shù)爻Ｗ∪丝诘谋戎荡韰^(qū)域信息化水平。

③區(qū)域對外開放水平（）。對外開放程度的提高有利于要素流動，在對外信息交互中也更易獲取先進的技術創(chuàng)新理念。本文使用所在地區(qū)外商實際投資金額與當?shù)谿DP的比值代表區(qū)域對外開放水平。

④企業(yè)成立時間（）。企業(yè)在不同的成長階段對技術創(chuàng)新資金投入的程度可能存在差異。生物醫(yī)藥企業(yè)創(chuàng)立初期，企業(yè)研發(fā)投入較大，而隨著企業(yè)逐漸擴大規(guī)模后，資金開始涌入市場推廣及擴大生產規(guī)模上，研發(fā)投入比重會有所下降。一般學者將成立時間精確到年，本文可獲得精確到月的數(shù)據(jù)，因而以月為計數(shù)單位。

⑤企業(yè)獲得的政府補貼（）。政府補貼可在一定程度上引導企業(yè)增加創(chuàng)新投入，促進企業(yè)創(chuàng)新。

綜上，企業(yè)技術創(chuàng)新效率評價指標體系如表2所示。

表2 企業(yè)技術創(chuàng)新效率評價指標體系

由于各指標的經(jīng)濟含義以及表現(xiàn)形式各不相同，部分指標是絕對值，而部分是相對值，為保證實證研究的科學性，對表2數(shù)據(jù)進行無量綱化處理，具體公式如下：

3.3 樣本選擇與數(shù)據(jù)來源

為探討生物醫(yī)藥上市公司技術創(chuàng)新效率的演變趨勢，考慮到數(shù)據(jù)的可獲得性和研發(fā)產出滯后性的特點，本文選擇了2012年及之前上市的生物醫(yī)藥企業(yè)。2012年A股上市的生物醫(yī)藥企業(yè)共計181家，剔除后期被ST、*ST企業(yè)以及數(shù)據(jù)缺失的企業(yè)后還剩147家。為更好地觀察產權性質與技術創(chuàng)新效率之間的關聯(lián)，在研究期內發(fā)生產權性質變更的7家企業(yè)（海欣股份、通化金馬、景峰醫(yī)藥、樂普醫(yī)療、亞寶藥業(yè)、萬東醫(yī)療和中恒集團）也被剔除，最終以140家生物醫(yī)藥上市公司為研究對象，收集其2012—2020年的指標數(shù)據(jù)并分析其技術創(chuàng)新效率。數(shù)據(jù)來源于國泰安數(shù)據(jù)庫（CSMAR）、萬得數(shù)據(jù)庫（WIND）、EPS數(shù)據(jù)庫及國家統(tǒng)計局官網(wǎng)。

由于研發(fā)產出具有滯后性，創(chuàng)新投入不能在短期內見效，本文參考徐書彬、黎新伍（2020）等學者的研究，選取的產出指標比投入指標滯后一期。

3.4 樣本分布

140家樣本上市公司分布在我國29個省區(qū)市（見表3），其中，國有控股企業(yè)為37家，非國有控股企業(yè)為103家。上市公司數(shù)量最多的前7個省市依次是：廣東、浙江、北京、江蘇、山東、上海、天津，可見生物醫(yī)藥上市公司主要集中于中國東部沿海地區(qū)。

表3 生物醫(yī)藥上市公司省市分布表

4 實證研究

4.1 第一階段DEA-BCC模型技術創(chuàng)新效率結果

本文使用DEAP 2.1軟件運行DEA-BCC模型，獲得歷年生物醫(yī)藥上市公司技術創(chuàng)新效率值。表4列舉了全部企業(yè)以及根據(jù)產權性質劃分的國有控股企業(yè)、非國有控股企業(yè)的歷年技術創(chuàng)新效率均值。

表4 歷年生物醫(yī)藥上市公司技術創(chuàng)新效率均值

從表4中可以看出，全部企業(yè)及國有控股企業(yè)的綜合技術效率均未達到0.8，整體技術創(chuàng)新效率較低。其中，全部企業(yè)的純技術效率尚可，但有逐年遞減的趨勢，導致其綜合技術效率較低的主要原因是規(guī)模效率值不甚理想；非國有控股企業(yè)與國有控股企業(yè)的綜合技術效率波動較小，前者較于后者綜合技術效率更高，非國有控股企業(yè)的純技術效率及規(guī)模效率整體上要高于國有控股企業(yè)；2014年，全部企業(yè)、非國有控股企業(yè)與國有控股企業(yè)的綜合技術效率值均出現(xiàn)小高峰，可能是受原國家食品藥品監(jiān)督管理總局加快解決藥品注冊申請積壓政策的影響。然而，以上結論未考慮到外部環(huán)境及統(tǒng)計噪聲的影響，為使得技術創(chuàng)新效率值更加客觀真實，將在第二階段做出進一步調整。

4.2 第二階段SFA回歸結果

在第一階段DEA-BCC模型中通過DEAP 2.1軟件獲得投入指標的目標值，即獲得各決策單元各投入指標的松弛變量，以此作為被解釋變量，以表2中環(huán)境變量作為解釋變量，參考式（1）構建類似SFA模型，利用Frontier 4.1軟件測算出各環(huán)境變量對松弛變量的影響，如表5所示。

表5 第二階段SFA回歸結果

從表5中可以看出，投入松弛變量對應的單邊似然比檢驗LR值遠超0.1%顯著水平下的19.69，因而通過了檢驗。其中，越接近1，則說明管理無效率在混合誤差項中占比越高，反之則說明統(tǒng)計噪聲的影響較大。通過表5的回歸系數(shù)我們可以得出以下結論。

人均GDP與研發(fā)人員數(shù)量松弛和勞動資本松弛有顯著的正相關性，即生物醫(yī)藥企業(yè)所在地區(qū)人均GDP越高，其研發(fā)人員數(shù)量與勞動資本冗余越大。這表明當該地區(qū)人均GDP較高時，將會吸引更多的勞動力，也更易于引進創(chuàng)新型科技人才。生物醫(yī)藥企業(yè)在員工數(shù)量增加的同時未能實現(xiàn)產出同等量級的增長，其原因可能是人才資源的培養(yǎng)及其產生的效益存在滯后性。

區(qū)域信息化水平與研發(fā)經(jīng)費投入松弛、勞動資本松弛以及生產資本松弛有顯著的負相關性，即生物醫(yī)藥企業(yè)所在地區(qū)網(wǎng)絡覆蓋率越高，其研發(fā)經(jīng)費投入、勞動資本以及生產資本冗余越小。這表明較完備的信息基礎設施和較高的信息化水平提升了研發(fā)投入、勞動資本投入以及生產資本投入的效率。

對外開放水平與研發(fā)經(jīng)費投入松弛、研發(fā)人員數(shù)量松弛、勞動資本松弛以及生產資本松弛間均有顯著的負相關性，即生物醫(yī)藥企業(yè)所在地區(qū)對外開放水平越高，以上4個變量的冗余就會越小。這表明較高的區(qū)域對外開放程度帶來的資金和技術溢出效應有利于促進資源整合，提升各類研發(fā)投入的效率。

公司成立時間與研發(fā)人員數(shù)量松弛和勞動資本松弛有顯著的正相關性，即生物醫(yī)藥企業(yè)成立時間越長，其研發(fā)人員數(shù)量與勞動資本冗余越大。這可能與生物醫(yī)藥企業(yè)對基礎研究要求高、新產品研發(fā)上市周期長等特性有關。

政府補助與研發(fā)經(jīng)費投入松弛、研發(fā)人員數(shù)量松弛、勞動資本松弛以及生產資本松弛間均有顯著的正相關性，即生物醫(yī)藥企業(yè)所在地政府補助越多，上述4個變量的冗余將越大。原因可能是部分企業(yè)僅為獲得政府補助及稅收優(yōu)惠而立項研發(fā)。此外，以貨幣資助為主的政府補助形式比較單一，可能也并不完全契合生物醫(yī)藥企業(yè)的研發(fā)需求，特別是中小生物醫(yī)藥企業(yè)。

綜上，環(huán)境變量對生物醫(yī)藥企業(yè)投入變量有顯著的影響，且各環(huán)境變量對投入變量的影響方向及程度均存在差異。因此，需將第一階段各投入變量值結合SFA回歸結果進行調整，剝離環(huán)境因素及統(tǒng)計噪聲的影響，將140家生物醫(yī)藥公司置于相同條件下還原其更加客觀的技術創(chuàng)新效率值。

4.3 第三階段投入指標調整后技術創(chuàng)新效率結果

將調整后的投入變量與原有產出變量再次通過DEA-BCC模型進行衡量，得出第三階段生物醫(yī)藥企業(yè)技術創(chuàng)新效率值，具體如表6所示。

表6 調整后歷年生物醫(yī)藥上市公司技術創(chuàng)新效率均值

對比表6與表4可以發(fā)現(xiàn)，歷年生物醫(yī)藥上市公司技術創(chuàng)新效率值發(fā)生了較大的變化。首先，全部企業(yè)、國有控股企業(yè)及非國有控股企業(yè)的綜合技術效率值整體上均出現(xiàn)了下降趨勢，其中非國有控股企業(yè)下降幅度最大；其次，三者的規(guī)模效率值在剔除環(huán)境因素及統(tǒng)計噪聲后有顯著的下降，說明環(huán)境因素對生物醫(yī)藥企業(yè)規(guī)模效率有顯著的促進作用。

在第一階段的技術創(chuàng)新效率中，非國有控股企業(yè)的綜合技術效率要高于國有控股企業(yè)，而在第三階段中，非國有控股企業(yè)的綜合技術效率整體上與國有控股企業(yè)差異不大，表明近年來的宏觀經(jīng)濟環(huán)境顯著促進了非國有控股生物醫(yī)藥企業(yè)的創(chuàng)新發(fā)展。非國有控股企業(yè)的綜合技術效率并未顯著優(yōu)于國有控股企業(yè)；在剔除外部環(huán)境因素后，非國有控股企業(yè)歷年的綜合技術效率較之前有了較大幅度的波動。這說明中國生物醫(yī)藥行業(yè)技術創(chuàng)新尚未進入穩(wěn)步發(fā)展的成熟階段，技術創(chuàng)新效率低，波動幅度大。

4.4 進一步研究——Malmquist指數(shù)

Malmquist指數(shù)（以下簡稱MA指數(shù)）能動態(tài)反映醫(yī)藥上市公司技術創(chuàng)新效率的變化趨勢。當MA指數(shù)＞1時，表明效率提高；當MA指數(shù)＜1時，表明效率降低。MA指數(shù)滿足公式：

MA指數(shù)=技術效率指數(shù)×技術進步指數(shù)=純技術效率指數(shù)×規(guī)模效率指數(shù)×技術進步指數(shù)

對140家生物醫(yī)藥上市公司2013—2020年調整后的投入變量與原產出變量數(shù)據(jù)進行分析，結果如表7所示。

表7 2013—2020年生物醫(yī)藥上市公司技術創(chuàng)新效率MA指數(shù)及其分解

從表7中可以看出，以2013年為基期，其全要素生產率指數(shù)為1，2013—2020年全要素生產率指數(shù)均值為1.009＞1，且除2015—2016年與2018—2019年外，其余年度的MA指數(shù)均大于1，說明生物醫(yī)藥企業(yè)技術創(chuàng)新效率處于上升階段。從均值上看，2013—2020年技術效率指數(shù)提高1.5%，但技術進步指數(shù)小于1，說明技術進步不理想是制約技術創(chuàng)新的重要因素。從歷年技術效率指數(shù)與技術進步指數(shù)上看，其均圍繞數(shù)值1上下浮動，說明無論是資源整合效率還是技術進步的能力都處于波動趨勢，不具有穩(wěn)定性。

5 結論及啟示

本文通過DEA-BCC模型對140家生物醫(yī)藥上市公司2012—2020年的技術創(chuàng)新效率進行測算，得到包含環(huán)境因素影響及統(tǒng)計噪聲影響的初步創(chuàng)新效率值，并獲得4個投入指標的松弛變量；利用SFA模型剔除了企業(yè)所在地區(qū)GDP、區(qū)域信息化水平、對外開放水平、公司成立時間、政府補貼等環(huán)境因素的影響，對投入指標進行調整；將調整后的投入指標與原產出指標帶入DEA-BCC及DEA-Malmquist模型中，得到如下結論：

①現(xiàn)階段中國生物醫(yī)藥企業(yè)的綜合技術效率總體較低，但呈緩慢上升趨勢，其中規(guī)模效率低是綜合技術效率低的重要因素。

②生物醫(yī)藥企業(yè)中國有控股企業(yè)的技術效率整體上與非國有控股企業(yè)差異不顯著，外部環(huán)境對后者技術創(chuàng)新效率提高的促進作用要優(yōu)于前者。

③外部環(huán)境對生物醫(yī)藥企業(yè)綜合技術效率有顯著的影響，地方GDP、公司成立時間、政府補助均助長了投入變量冗余，區(qū)域信息化水平與對外開放水平則削弱了投入變量冗余。

④在消除環(huán)境因素和統(tǒng)計噪聲的影響后，生物醫(yī)藥企業(yè)歷年技術效率指數(shù)與技術進步指數(shù)波動較大，且其動態(tài)變化趨勢時而上升、時而下降，說明現(xiàn)階段中國生物醫(yī)藥行業(yè)技術創(chuàng)新發(fā)展尚未進入穩(wěn)定成熟階段。另外，綜合技術效率的提高并非由于技術進步，而是得益于技術創(chuàng)新管理水平和資源利用效率的提高，通過技術進步實現(xiàn)技術創(chuàng)新效率的提高還有很大的發(fā)揮空間。

基于上述結論，本文提出如下政策建議：

第一，培育與扶持具有潛能的優(yōu)質生物醫(yī)藥企業(yè)，通過市場機制引導企業(yè)并購整合、擴大規(guī)模，實行大企業(yè)戰(zhàn)略，淘汰落后產能，減少因低水平重復競爭造成的資源浪費，以此解決規(guī)模效率低的問題。

第二，平等對待各類市場主體，為包括非國有控股企業(yè)在內的各類市場主體創(chuàng)造公平、高效、透明、法制化的營商環(huán)境，促進企業(yè)加大創(chuàng)新投入。

第三，進一步優(yōu)化生物醫(yī)藥企業(yè)外部發(fā)展環(huán)境，提升區(qū)域信息化水平，繼續(xù)推動對外開放，以此促進創(chuàng)新信息交流和技術創(chuàng)新合作，積極利用技術創(chuàng)新溢出效應，獲取全球技術創(chuàng)新生產要素，推動生物醫(yī)藥技術研發(fā)創(chuàng)新中心集群化發(fā)展。

第四，引導和帶動以企業(yè)為主體的科技投入，以技術進步促進創(chuàng)新效率的提高。除了給予企業(yè)技術創(chuàng)新相關的直接資金補助外，政府還可通過生物醫(yī)藥基礎研究基地建設，為企業(yè)搭建平臺，引導和帶動以企業(yè)為主體的“硬科技”研發(fā)投入，加強產學研合作，推動技術創(chuàng)新成果的產業(yè)化，真正通過技術進步來實現(xiàn)技術創(chuàng)新效率的提高。

注釋：