基于三阶段DEA的我国医药制造业技术效率区域比较研究

林添松　王燕　吴蒙

摘要：文章采用超效率DEA—环境变量回归—调整DEA的三阶段模型，对我国省级地区医药制造业的技术效率、影响因素和投入产出变量冗余进行了递进分析，研究结果表明，技术效率高的医药制造企业主要分布在我国东部沿海和资源禀赋丰富的地区，并受到地区经济发展水平、市场化程度和市场开放程度的正面影响。技术无效率的产生，投入方面主要来自于劳动和资本资源配置低效所导致的冗余，产出方面主要来自于科技成果转化率低所导致的冗余。

关键词：医药制造业；技术效率；超效率DEA；三阶段模型

一、 引言

本文将在现有研究的基础上，采用目前国际流行的高阶DEA模型，通过超效率DEA-环境变量回归-调整DEA的三阶段方法，对我国医药制造业技術效率的区域比较进行深化研究，一方面超效率DEA可以克服一般DEA计算可能产生的多重有效决策单元的排序冲突问题，另一方面环境变量回归和调整DEA的综合分析，剔除了环境因素和随机误差的影响，使得分析结论更为科学有效。

二、 模型方法与变量选择

1. 三阶段DEA模型方法。

第一阶段：超效率DEA模型。本文采用了Per.Anderson和Niels Christian Petersen的超效率DEA模型（Super efficiency DEA，SE-DEA），主要贡献在于，在对某个DMU进行评估时，通过利用其他所有决策单元的投入产出线性组合代替该DMU的投入产出方法，把该决策单元排除在外，使得有效决策单元（效率值等于1）之间也能进行效率比较，从而实现所有决策单元的充分排序。设有N个DMU，M个投入变量和S个产出变量，超效率DEA模型可表示为

其中？兹o是第o个DMU的效率值，xji是第j个DMU的第i个投入变量，yjk是地j个DMU的第k个产出变量。一个有效的DMU可以使其投入按比例增加，而其效率可保持不变，其投入增加的比例即是超效率评价值。该阶段计算的效率值是由内部因素和外部环境变量二者共同决定的。

第二阶段：环境变量回归模型。为了进一步考虑不同DMU所面临的环境因素，并在最后的效率分析时剔除环境变量的影响，第二阶段将以第一阶段超效率DEA分析计算的效率值作为被解释变量，以环境变量作为解释变量，运用OLS方法分析环境变量对效率值的影响，其模型为

其中θi是第i个DMU第一阶段的效率值，βj是第j个环境变量的系数，Zij是第i个DMU的第j个环境变量，εi是随机误差项，n是DMU个数，m是环境变量个数。

第三阶段：调整DEA模型。利用第二阶段回归模型的分析结果，进一步将所有的决策单元调整到相同的环境，并考虑随机因素的干扰，计算各个DMU在剔除了环境变量影响的效率值。为此，首先计算DMU效率的环境影响指数hi，然后将环境影响指数hi作为投入指标之一，重新对样本进行第一阶段的超效率DEA分析，即得到消除环境变量影响的效率值。环境影响指数hi的计算公式为

环境影响指数hi代表各个DMU所面临的综合环境，是一个投入性变量。在其他条件不变的情况下，DMU环境指数hi值越大，说明该DMU所处的环境越有利；同时，在产出一定的条件下，环境指数hi值越大，则该DMU的效率越低。

2. 变量选择。医药制造业具有高技术产业的特点，因此在选择效率评价指标时除了考虑一般性投入产出指标外，还要考虑与该产业技术特征密切相关的指标。因此在第一、三阶段的超效率DEA分析中，本文在投入指标上选择了医药制造业的投资额（INV）、从业人员年平均人数（HUM）作为一般要素投入指标，选择R&D经费内部支出额（R&D）作为研发投入指标。在产出指标上采用医药制造业的销售产值（SAL）作为衡量一般性产出的指标，采用拥有发明专利数（PAT）作为衡量医药制造业创新能力的产出指标。

在第二阶段，环境变量主要指那些对医药制造业技术效率产生影响但又不在样本可控范围内的因素，这些影响既有可能来自行业本身，也有可能来自行业外部。本文根据数据的相关性和可得性，预先选择了各地区的人均GDP（GDPP）、外资及港澳台投资医药制造企业占地区医药制造企业总数的比重（FOR）、出口交货值占地区医药制造业销售产值的比重（EX）、国有及国有控股医药制造企业工业总产值占地区工业总产值的比重（GOV）、医药企业的平均资产水平（SCA）等作为环境变量。其中人均GDP反映了地区经济发展水平对产业产生的外部影响，FOR、EX、GOV、 SCA四个影响变量反映了地区医药制造业对外资的依附程度、市场开放水平、产权结构和规模经济等行业特征，最终影响变量的取舍还需根据是否通过统计检验来决定。

三、 实证分析

本文的研究期为2003年～2012年，以省级行政区划为单位将医药制造业划分为26个样本（由于数据缺失，不包括海南、西藏、青海、宁夏和新疆），共计260个DMU。原始数据来自《中国高技术产业统计年鉴》（2004-2013）和《中国统计年鉴》（2004-2013）。

在第一阶段，根据公式（1），使用分析超效率DEA的EMS1.3软件，根据规模报酬可变的投入主导模型进行计算，得到SDEA模型分析结果如表1所示。

由表1可以看出，在2003年～2012年期间，北京和贵州的DMU效率值处在生产前沿面之上，天津、江苏和山东的DMU计算值出现了数个或多个代表着极有效率的“big”，内蒙古、辽宁、吉林、上海、河南、广东、四川、云南等地区的DMU效率值在半数以上的年份中都大于1，说明这些地区医药制造业的发展模式处于一个良好的状态。但同时也可以看到，包括河北、黑龙江、安徽、福建、江西、湖北和广西等七个省份在内的地区，研究期内的效率值都不高，说明这些地区的医药制造业发展中仍存在比较明显的问题。从区域分布看，东部沿海发达地区的医药制造业效率明显高于中部和西部，中部各省之间效率相似，而西部各省之间效率也存在较大差异。

在第二阶段的回归分析实证研究中发现，本文所选择的FOR和SCA两个环境变量对医药制造业效率的影响不显著，因此予以剔除。根据公式（2），采用GDPP、EX、GOV三个影响变量对效率值的回归结果见表2。

由此得出我国医药制造业环境变量得分方程hi为

hi=0.012GDPP+29.316EX-12.000GOV（4）

以上回归结果表明了三方面问题，第一，外向型的市场拓展为医药制造业提供了一个充分竞争的环境，这种环境有利于激励企业的创新行为，对提高技术效率产生了较为明显的影响。第二，地区经济发展水平的提高对医药制造业的转型升级创造了良好的外部环境，对医药制造业的技术进步有一定的支持作用。第三，国有企业比重高较明显的对医药制造业的创新发展起到了一定的阻碍作用，因此不斷提高医药制造业市场化程度和深化国有企业改革，将会成为医药制造业竞争力提升的重要突破口。

第三阶段调整的超效率DEA分析中，要考虑各个地区医药制造业DMU所受到的不同环境影响，即把第二阶段计算得出的各个DMU环境得分hi作为该DMU的附加投入变量重新做超效率DEA分析，计算结果如表3所示。

通过与第一阶段SDEA的计算结果对比发现，有171个DMU在剔除了环境变量的影响后效率值明显增加，并且其中有30个DMU的效率值大于1。这些效率值增加的DMU，其环境得分相对较低。即作为一个投入指标，环境变量越大意味着在相同产出的情况下，投入冗余也较多。第三阶段超效率DEA分析结果中依然有122个DMU效率值小于1，即存在某种形式的无效率。在进一步对这些无效率DMU的冗余变量进行分析时发现，大部分这些无效率DMU都在某几个投入和产出变量上存在冗余（见表4），其中在投入指标上，有超过42.62%的无效率DMU在资金投入指标INV上有冗余，有超过48.36%的无效率DMU在劳动投入指标HUM上有冗余，即这些无效率DMU存在较高程度的资金和劳动要素利用效率低下的情况。投入指标R&D的冗余比例较低，说明R&D投入虽然还存在一定的无效率情况，但它在带动我国医药制造业转型升级中的作用是毋庸置疑的；在产出指标上，有59.84%的医药制造业DMU在PAT指标上出现冗余，说明我国医药制造业的科技成果转化能力不高，发明专利大多没有转化了实际生产力。

四、 主要结论和建议

本文采用超效率DEA-环境变量回归-调整DEA的三阶段模型，对我国省级地区医药制造业的技术效率进行了测算、影响因素分析和投入产出变量冗余分析，得出以下几方面的主要结论和建议。

1. 我国技术效率高的医药制造业主要集中在东部地区和具有资源禀赋优势的地区，如北京、山东、江苏、天津和贵州等地。东部地区拥有一批跨国制药企业和医药研发中心，在现代中药和生物制药等方面研发创新资源丰富，市场条件、市场化程度和市场开放程度较高，因此这些优势地区应积极带动周边着力打造区域性的医药产业群，通过合理布局形成新药研发中心-制药生产中心-医药营销中心的完整产业链。贵州、云南、西藏等地，则应充分发挥中药资源丰富的比较优势，加大中药的研究、生产及向世界市场推销的力度。另外，河北和黑龙江等地作为我国重要的医药制造业基地，拥有哈药、华北制药、石药、健民等龙头企业，这些地区的医药企业虽然在全国具有重要影响，原料药的深加工能力强，但是其产品附加值低，初级产品比重大，需要进一步加快市场化进程，拓展国内国外两大市场，促进医药制造业产业结构的转型升级。

2.我国医药制造业投入要素资源配置不合理的现象存在于很多地区，其中资本要素的冗余度达到42.65%，劳动要素的冗余度达到48.36%，从而影响了这些地区医药制造业技术效率的提高。我国医药制造业作为诸多地区的主导产业，在资源配置上会受到政府调节和市场调节的双重影响，因此处理好政府配置资源和市场配置资源的关系至关重要。对于医药制造这样的竞争性市场，应更多的依靠市场运行机制进行资源配置，使企业直面市场，通过充分而有效的竞争，使产业在资本深化的过程中实现规模报酬递增，推动科学技术和经营管理的进步，促进劳动效率提高，引导企业按照市场需要优化生产要素组合。而政府的作用应主要侧重于打造良好的产业发展环境，维护市场秩序，用敏锐的嗅觉和长远的眼光做好产业发展规划，克服产业发展的盲目性和滞后性。

3.提高医药制造业技术效率的核心在于加快科技创新，而科技创新的最重要突破路径是加大研发投入和提高科技成果转化率。根据《2012年全球知识产权指标报告》，我国专利申请量已超过美国、日本等国，2011年成为世界第一，但是专利成果转化的平均实施率仅为10%左右，远低于发达国家的60%。这方面的问题在我国医药制造业表现的也非常突出，2003年～2012年我国医药制造业的研发投入呈10倍增长，年均递增率接近30%，专利申请量逐年提高，年均增长率高达47.38%，但无效率DMU的专利产出冗余度已达到近60%，说明其科技成果转化过程存在明显障碍。由于单纯的科技成果转化过程非常脆弱，易受到转化周期长、风险大、未来效应不确定等多方面的冲击和影响，因此要改变我国医药制造业科技成果转化率低的问题，首先要建立健全知识产权保护的法律法规体系，其次要大力发展以孵化器、交易平台、管理服务平台、中试基地等为主要功能的中介机构，三是要建立良好、稳定的风险投资资金保障机制。

参考文献：

1.徐锋，李兰冰.中国医药制造业综合效率评价：基于双阶段效率评估模型.中国行政管理，2013，（3）：85-88.

2.邹文杰.中国医药制造业研发效率及其收敛趋势——基于DEA-Malmquist指数的实证分析.北京航空航天大学学报（社会科学版），2013，（11）：69-73.

3.张永庆等.中国医药制造业研发效率及影响因素.中国科技论坛，2011，（1）：69-74.

4.Anderson， P.， and Peterson， N.C.A Pr- ocedure for Ranking Efficient Units in Data Envelopment Analysis， Management Science，1993，39（10）：1261-1264.

作者简介：王燕，南开大学经济与社会发展研究院教授、博士生导师；林添松，南开大学经济学院博士生；吴蒙，南开大学经济学院博士生。

收稿日期：2014-03-08。