政府分类规制、智能平台赋能与药企CSR策略演化

李春发，刘焕星，胡培培

(天津理工大学管理学院，天津 300384)

0 引言

医药企业社会责任(Corporate Social Responsibility,CSR)履行情况深受社会关注，关乎企业生存发展和民众的健康福址。然而《2019医疗健康上市公司社会责任报告》指出，中国超过半数药企和医药平台存在违法违规现象，医药行业完善的CSR履行规制构建迫在眉睫。近年来，政府医药改革不断深化，各种规制加码措施陆续出台，但在当今“互联网+医疗”及后疫情时代，药企纷纷转战线上，医药越趋复杂的商业模式对行业监管提出了新的挑战，现行规制政策难以有效应对药企履责和医药平台运行中的各种违规问题，政府规制失灵现象不断发生。实际上，随着大数据和AI技术的不断发展应用，医疗智能供应链、大数据分析等智能平台的不断涌现，通过智慧赋能和数据沉淀，可显著提升医药企业风险弹性与行业自治力。重庆药交所构建智能医药交易平台，提供医药产品交易、结算、评价等“一站式”全流程服务，通过突出大数据智能化运用，为政府医改决策、行业监管、价格预测提供数据支撑，有效规范市场秩序并增强市场弹性。然而，由于智能平台技术门槛高、资源投入大，且CSR提升企业收益难以立竿见影，中国医疗智能平台型企业较为匮乏，积极履责企业较少，履责力度参差不齐。加之药企和智能医药平台地位关系不对等、政策灵敏度不同，政府规制效果各异。考虑到医药产品特殊性与履责现状严峻性，医药新兴平台模式下各种CSR问题亟需新的监管方式，建立以政府监管为主导、以平台赋能为手段的高效—智能—协同CSR治理模式迫在眉睫。而政府分类规制与智能平台赋能的机制构建完善是实现高效—智能—协同CSR治理的关键。因此，如何实施政府分类规制提升医药行业CSR治理效能、解构医药智能平台运作模式及赋能机制实现治理资源集成与协同、最大化平台智能度提升行业链条耦合度与自治力，已成为国家治理体系与治理能力现代化背景下应对医药行业CSR履行及治理困境必须直面与研究的重大理论与现实问题。

医药企业CSR问题受到学者广泛关注，现有研究主要涉及医药企业CSR治理路径以及CSR对医药企业因素的影响机制[1-2]。胡颖廉等[3]通过构建国家药品安全治理体系，分析部门协同共治、监管嵌入产业的机理。陈永法等[4]认为药品治理应健全公众参与制度，构筑“社会共治”格局。方俊[5]则总结了在4个方面落实协同治理的多主体责任路径。唐益敏等[6]引入企业动态能力作为中介机制，实证研究资源能力一体化下医药企业社会责任对创新绩效路径的影响。医药企业CSR行政端治理可有效规范医药企业CSR履责行为，但医药企业自身端主动履责对企业发展更具积极影响，有助于规避道德风险、提升企业绩效并强化核心竞争力[7]。上述研究均采用实证方法，讨论CSR对医药企业绩效的影响机制及医药治理路径，但无法揭示CSR对医药企业履责策略影响的内在机理。针对政府规制下的非医药企业CSR履行策略研究，主要关注供应链成员履责决策、合作策略和渠道优化等[8-9]。Liu等[10]建立三级Stackelberg博弈模型分析政府补贴对供应链成员的利润影响。Li等[11]指出政府补贴可同时提升制造商与零售商履责积极性。政府规制对提升企业履责水平具有积极作用[12]，但不同规制政策提升水平各异，且易受竞争压力、舆论环境约束的影响[13]。上述CSR履行策略研究均基于完全理性假设构建静态博弈模型，由于CSR问题复杂性、信息不完全性等限制，无法体现企业履责决策的群体网络效应。同时，智能供应链平台基于其平台网络效应和生态嵌入优势，已突破传统供应链范式。由此，探究政府分类规制下智能供应链赋能机制进而实现医药行业高效—智能—协同CSR治理尤为重要。

鉴于实证研究的假设验证性、智能平台的场域赋能性和完全理性假设下静态博弈模型的局限性，构建政府、智能供应链平台和药企的智能医药系统，探究政府分类规制、智能平台赋能的机制与影响因素，以及政府分类规制对智能平台、药企CSR履行决策的作用机理，通过对三方策略演化的临界条件、稳定性及演化路径分析，揭示各因素作用与三方博弈演化规律，并通过建立系统动力学模型，利用Anylogic仿真软件平台对各主体策略均衡、演化路径及因素影响进行可视化仿真分析，以期为政府的医药行业CSR治理效能提升与治理资源高效—智能—协同耦合提供理论参考。

1 问题描述

鉴于医药产品的特殊性及政府对制假售假的“高压”、“零容忍”态度，以医药产品产销价格机制为背景主线，考虑由政府、智能供应链平台(简称平台)、医药企业(简称药企)组成的智能医药系统。政府、平台、药企策略空间分别为严格规制(SG1)与宽松规制(SG2)、履责合作(SP1)与非履责合作(SP2)、积极履责(SM1)与消极履责(SM2)。政府采取SG1策略指通过分类规制促进平台、药企合作履责，并根据双方履责与智能化水平进行分类奖惩。平台采取SP1策略指积极进行CSR投入并对药品采取前端平价或低价销售以最大化消费者剩余，同时投资智能供应链建设以强化市场自治力。药企采取SM1策略指积极遵守医药CSR规范，以平价或低价提供药品后端批发服务。反之，政府采取SG2策略表现为降低监管与奖惩力度的弱“无为”化；平台、药企分别采取SP2、SM2策略表现为违背定价规范、获取超额不当得利的强“利己”化。政府作为行业秩序维护者，注重长效履责机制与行业形象建设。作为医药产销链主体，平台与药企基于产销机制构建合作关系，以收益最大化为目标制定自身CSR策略。平台通过对医药产品差异策略定价和智能供应链建设获取收益，药企向平台提供医药产品并根据自身收益制定履责决策及相应批发价格，双方倾向融合发展，但受内部收益及外部环境影响。平台、药企收益除共同受政府规制、履责需求影响外，同时受双方策略选择影响。三方通过价格、竞合和收益机制相互作用，在有限信息、认知水平下相互影响、不断学习，且三方行为策略选择随时间动态演化。

2 演化博弈模型构建

2.1 市场需求函数

在平台履责合作时，消费者感知CSR价值并根据效用最大化购买医药产品[16]。设医药产品市场需求为Q，消费者支付意愿为h，在[0,Q]中服从均匀分布。当药企和平台合作履责时，消费者购买产品效用水平为U1=ηh-λp1，0<η<1；当药企和平台非合作履责时，消费者购买产品效用水平为U2=h-λp2；当消费者不购买时效用为0，p1

2.2 三方博弈收益矩阵

1)当政府采取SG1策略时，政府严格监管并营造良好履责环境，推进平台智能供应链建设，获得感知收益(市场信心、公众信任等)，但须付出规制成本。政府根据平台与药企策略选择进行定制奖惩(与监管力度t有关)并培育智能供应链建设。若平台采取SP2策略，政府基础收益减少。若政府采取SG2策略，政府存在宽松规制机会成本，而当平台同时采取SP2策略时，将造成政府感知损失。

2)平台不同策略收益主要由医药产品销售收益、智能供应链建设收益及佣金收益组成。当政府采取SG1策略时，平台采取SP1、SP2策略所受奖惩与政府监管力度、规制政策有关。若平台采取SP2策略药企采取SM1策略，平台存在搭便车收益。当平台采取SP1策略、政府采取SG1策略且药企不采取SM2策略时，平台投资智能供应链建设并获取补贴及智能化收益。

3)药企不同策略收益主要由医药产品生产收益与智能供应链下风险减免收益组成。当政府采取SG1策略时，药企采取SM1、SM2策略所受奖惩取决于政府规制政策和监管力度。若平台采取SP2策略药企采取SM1策略，药企须承担支付动态成本(与医药产品销量呈正相关)。若药企采取SM1策略且平台采取SP1策略，药企提升风险弹性阈值，获得风险减免收益。政府、平台和药企三方博弈支付矩阵如表1所示。

表1 三方主体博弈支付矩阵Tab.1 The payoff matrix of the three-party agent game

2.3 复制动态方程

同理可求得平台、药企收益复制动态方程。将政府、平台与药企的收益复制动态方程联立可得政府、平台与药企三方主体行为策略演化博弈的智能医药系统为

(1)

3 三方主体策略演化路径与稳定性分析

由微分方程稳定性定理知，复制动态方程稳定点位于一阶导数小于零的奇点处，即需满足

(2)

图1 政府策略演化相位图Fig.1 Phase diagram of government strategy evolution

图2 平台策略演化相位图Fig.2 Phase diagram of platform strategy evolution

图3 药企策略演化相位图Fig.3 Phase diagram of strategy evolution of pharmaceutical enterprises

3.1 政府视角下演化稳定性分析

对政府采取SG1策略的复制动态方程求一阶偏导，依据式(1)可得

F′(x)=(1-2x)(-ω(yys+zym)+t(Φ1+Φ2)-t(yΦ1+zΦ2)+yzm+(1-z)yn+(1-y)L-yθΔc-c1+c2))

(3)

(4)

综上，政府策略选择同时受平台与药企策略影响，当平台采取SM1策略概率小于某一阈值时，政府采取SG1策略的演化路径趋向于1，即政府对具有非履责倾向的平台采取严格规制政策。严格规制与宽松规制成本差额对政府严格规制策略具有抑制作用，若政府宽松规制将造成市场信心、公众信任等感知损失。由此，政府需注重医药行业CSR治理多方协同作用，减少规制成本、释放各方治理资源活力。

3.2 平台视角下演化稳定性分析

对平台选择SP1策略的复制动态方程求一阶偏导，依据式(1)可得

(5)

(6)

综上，平台策略选择同时受政府与药企策略影响，当药企采取SM1策略的概率大于某一阈值时，平台向SP1策略方向演化。平台搭便车收益、药企支付动态收益、履责与非履责售卖药品价格差额、履责努力成本系数对平台履责合作策略具有抑制作用；但若采取“薄利多销”策略降价销售能够获得较大收益，平台趋向于进行履责合作，且与智慧度补贴短期收益相比，平台更注重智能供应链投资的长期收益。

3.3 药企视角下演化稳定性分析

对药企选择SM1策略的复制动态方程求一阶偏导，依据式(1)可得：

(7)

(8)

由式(8)易知，VM1随Lp、(pw1-cs)q1的上升而上升，随μm，(pw2-pw1)q2，(pw2-cs)q2的上升而下降。综上，药企演化策略同时受政府与平台策略影响，当政府采取SG1策略的概率高于特定临界水平时，药企向SM1策略方向演化，表明政府严格规制政策对药企履责具有积极影响。药企履责成本系数、履责与非履责批发药品价格差额、哄抬物价所获超额收益对药企积极履责策略具有抑制作用。但若采取“薄利多销”策略降低批发价格能够获得较大收益，药企将趋向于进行积极履责。若药企消极履责，其难以通过智能平台获取市场有效信息，将面临外部较大市场风险，即药企积极履责概率与市场风险呈正相关。

4 智能医药系统演化稳定性分析

其中，J11=(1-2x)(-ω(yys+zym)+t(Φ1+Φ2)-t(yΦ1+zΦ2)+yzm+(1-z)yn+(1-y)L-yθΔc-c1+c2)；

0.5(xz-x-z)δθ2-zψp2q2+xtΦ1+xθΔc)；

J23=y(1-y)((p1-pw1)(q1-q2)+(1-x)θΔTe-Δs+0.5(x-1)δθ2-ψp2q2)；

J32=z(1-z)((pw1-cs)(q1-q2)+θαLp+ψp2q2)；

J12=x(1-x)(-ωys-tΦ1+zm+(1-z)n-L-θΔc)；

J13=x(1-x)(ym-yn-ωym-tΦ2)；

J21=y(1-y)(ωys+(1-z)θΔTe+tΦ1+0.5(z-1)δθ2+θΔc)；J31=z(1-z)(tΦ2+ωym)。

表2 均衡点Jacobi矩阵特征值Tab.2 The eigenvalues of the Jacobian matrix

情景1当ω(2ΔTe+2Δc)δ-1时，由表3可知，均衡点E2(1,0,0)对应Jacobi矩阵特征值均为负，由李雅普诺夫判别法知{SG1,SP2,SM2}为演化稳定策略。药企、平台分别选择SM2、SP2策略主要取决于政府规制和监管力度，政府规制可显著影响药企与平台策略选择。药企关注消极履责超额收益，平台不仅关注非履责超额收益，更关注智慧度投资本利差。

情景2当ω>max{0.5μsys,0.5μmym}，min{tΦ1,tΦ2}>max{(p2-p1)q2,(pw2-pw1)q2}，θ<(2ΔTe+2Δc)δ-1，(p1-pw1)(q1-q2)>Δs+ψp2q2，(pw1-cs)(q1-q2)+θαLp>0时，由表3可知，均衡点E8(1,1,1)对应Jacobi矩阵特征值均为负，由李雅普诺夫判别法知{SG1,SP1,SM1}演化稳定策略。与情景1相比，情景2约束条件方向相反且条件增加，表明药企、平台分别选择积极履责、履责合作时考虑因素更为复杂且同时受双方策略影响。在不改变政府规制力度下，当平台搭便车收益与支付动态收益较小、市场风险较大时，会驱使平台与药企合作履责并投资智能供应链建设。

表3 智能医药系统稳定性Tab.3 Stability of smart medicine system

情景3当0.5μsys<ω<0.5μmym，θ<(2ΔTe+2Δc)δ-1，(pw1-cs)(q1-q2)+θαLp<0，tΦ1>(p2-p1)q2，tΦ2<(pw2-pw1)q2时，由表4可知，均衡点E5(1,1,0)对应Jacobi矩阵特征值均为负，由李雅普诺夫判别法知{SG1,SP1,SM2}为演化稳定策略。与情景2相比，同等政府规制力度下，平台约束条件放宽，药企约束条件相反，且不同企业对政府规制政策灵敏度不同。囿于平台对药企放宽条件，且市场风险降低，政府处罚低于消极履责超额收益，药企难以与平台融合并达到积极履责状态。

表4 智能医药系统稳定性Tab.4 Stability of smart medicine system

情景4当0.5μmym<ω<0.5μsys，θ>(2ΔTe+2Δc)δ-1，(p1-pw1)(q1-q2)<Δs+ψp2q2，tΦ1<(p2-p1)q2，tΦ2>(pw2-pw1)q2+ψp2q2时，由表4可知，均衡点E6(1,0,1)对应Jacobi矩阵特征值均为负，由李雅普诺夫判别法知{SG1,SP2,SM2}为演化稳定策略。与情景2相比，同等政府规制力度下，平台约束条件相反，药企约束条件收紧，平台支付动态收益为实现情景4关键因素。药企对市场风险关注减小，但对消极履责超额收益、支付动态成本与政府处罚关系更为敏感。囿于平台与药企层次不等关系，平台可操空间大于药企，若平台搭便车收益与支付动态收益较大，提升智能度意愿较低，它与药企合作但难以共同履责。

5 仿真分析

5.1 仿真模型构建与检验

根据系统动力学原理、复制动态方程及约束条件，运用Anylogic8.5.1软件进行建模仿真。设时间步长为1，单位为d，SD模型如图4所示。系统动力学模型揭示整体系统行为趋势及政策变化影响，重点在于揭示出事物变化规律及提供演化趋势的决策思考[20]。根据复制动态方程及约束条件，取m=1.5，n=1.3，c1=0.5，c2=0.4，L=2.0，cs=0.08，Δs=0.1，ys=0.8，ym=0.8，μs=0.3，μm=0.3，p1=0.38，p2=0.5，pw1=0.25，pw2=0.35，α=0.2，Lp=0.7，λ=0.5，η=0.8，ψ=0.52，δ=0.2，Q=1.45。由此，基于SD模型及其参数取值，检验模型合理性，探究规制政策等关键因素影响。以均衡点E8(1,1,1)为例，通过调整三方主体初始策略取值概率的大小，观测系统时序演化状态，检验模型初值敏感性与系统稳定性。令x,y,z∈{0.98,0.99}，政府、平台与药企策略选择均为混合策略，系统演化路径如图5所示。

图4 智能医药系统动力学仿真模型Fig.4 Dynamic simulation model of intelligent medical system

由图5可知，系统向均衡稳定点演化速度不同，演化速度与初始值有关。当三方主体在均衡点E8(1,1,1)附近，初始策略取值概率不同时，其均向稳定均衡点E8(1,1,1)演化，系统存在演化稳定均衡点。其余均衡点初值敏感性与系统稳定性讨论与之类似，此处不再赘述。由于初始值的选取与演化结果无关，微分动力系统不存在策略取值概率初值敏感性。且当三方主体均采取混合策略时，系统存在纯策略演化均衡点，三方策略选择均可达到稳定状态，结果验证了演化模型的合理性与稳定性。

图5 三方不同初始策略系统演化路径Fig.5 Three-party different initial strategy system evolution path

5.2 因素影响仿真

在政府分类规制、消费者偏好等关键因素影响仿真中，由于系统演化结果不存在策略取值概率初值敏感性，故假定政府、平台和药企策略取值概率均为0.5。为破解医药行业CSR履责与治理困境，针对E8(1,1,1)策略组合，探究智慧度、消费者偏好、奖励系数、监管力度、平台惩罚上限、药企惩罚上限各因素作用及对系统演化的影响，为提升政府CSR治理效能与形成医药行业“履责风尚”提供决策参考。

5.2.1 智慧度对三方博弈演化策略的影响

智慧度取不同值时，三方演化博弈仿真结果如图6所示。

图6 不同智慧度三方主体演化路径Fig.6 Evolution path of tripartite subjects with different degrees of intelligence

由图6a可知，高智慧度智能医药系统可强化药企抗风险能力与市场自治力，但同时增加政府支出成本，双重作用下政府政策干预速度减缓，最终稳定在严格规制状态。政府演化速度显著快于平台与药企，表明政府需提前快速制定规制政策以规范市场秩序，引导平台、药企履责合作并投资智能供应链建设。由图6b可知，当智慧度较低时，非履责合作有机会获得支付动态收益与超额收益，平台处于考察状态，其演化路径波动剧烈，演化过程难以稳定。随着智慧度不断增加，平台补贴收益逐渐提高，提高智慧度增强风险弹性的同时可带来更多智能投资收益，平台向履责合作方向演化，演化速度与智慧度呈正相关。由图6c可知，当智慧度较小时，药企面临高市场风险，由于市场不确定性及平台策略波动性，药企履责成本较高，且政府补贴与需支付动态成本收支情况不明，其持观察态度，演化路径呈波动状态。当智慧度较大时，平台选择与药企合作履责可提升其风险弹性阈值，同时政府补贴收益增加，药企向积极履责方向演化，且智慧度较大时，演化速度与智慧度呈正相关。平台具有高智慧度投资倾向，药企具有高智慧度履责倾向，但两者易受双方策略选择影响，且智慧度对平台与药企策略选择影响显著。

5.2.2 奖励系数对三方博弈演化策略的影响

奖励系数取不同值时，三方演化博弈仿真结果如图7所示。

图7 不同奖励系数三方主体演化路径Fig.7 Evolution path of tripartite subjects with different reward coefficients

由图7a可知，当奖励系数较小时，政府向严格规制方向演化，演化速度随着奖励系数的增大逐渐减小，最终达到稳定状态。当奖励系数过大时，由于支出成本增大，政府持观望状态，策略选择难以稳定，且奖励系数越大演化路径波动频率越快。因此，政府应当制定适当奖励性政策以规范市场行为。由图7b可知，当奖励系数较低时，基于政府奖励性与严格规制政策，平台选择与药企合作履责，演化速度与奖励系数呈正相关。当奖励系数过大时，囿于政府摇摆性奖励政策，平台策略选择难以达到稳定状态。由图7c可知，当奖励系数较低时，政府补贴较少，药企积极履责存在较高履责成本，消极履责可获得超额收益，药企向消极履责方向演化。随着奖励系数的提升，药企履责补贴收益不断增加，药企选择与平台合作，积极履责并强化其风险弹性，演化速度随着奖励系数的增加而加快。奖励系数对政府、平台和药企策略选择影响显著，药企对奖励性政策更为敏感，适当经济补贴可提升平台和药企履责积极性。

5.2.3 平台惩罚上限对三方博弈演化策略的影响

平台惩罚上限取不同值时，三方演化博弈仿真结果如图8所示。由图8a可知，当平台惩罚上限取值不同时，政府均向严格规制方向演化，但平台惩罚上限对政府策略选择影响较小。随着平台惩罚上限不断增大，囿于平台、药企不确定性履责状态，政府提高平台惩罚上限并加快规制政策落地速度。政府演化速度快于平台和药企，表明政府需提前制定规制政策，根据市场CSR违规情况制定相应惩罚标准，规范企业积极履责。

图8 不同平台惩罚上限三方主体演化路径Fig.8 Evolution path of tripartite subjects with different platform punishment upper limit

由图8b可知，当平台惩罚上限较低时，平台处于考察状态，具有较大策略实施空间，考虑到不履责合作所受处罚较低，通过高价销售、收取支付动态收益可获得较高收益，平台策略选择难以稳定。当平台惩罚上限较高时，平台非履责所受处罚增加，非履责合作收益难以抵消处罚成本，平台向履责合作方向演化，且演化速度与平台惩罚上限呈正相关。由图8c可知，当平台惩罚上限较低时，基于平台摇摆性策略，为规避单一策略风险损失，药企策略选择难以稳定。随着平台惩罚上限的增加，由于处于渠道劣势地位，药企消极履责收益低于惩罚成本，积极履责可获得补贴与声誉收益，与智能平台合作可强化风险弹性，药企选择积极履责策略，演化速度随着平台惩罚上限的增加而加快。囿于不平等地位关系，平台惩罚上限可同时影响平台、药企策略选择，处于劣势地位药企存在策略实施空间与时间局限。

5.2.4 药企惩罚上限对三方博弈演化策略的影响

药企惩罚上限取不同值时，三方演化博弈仿真结果如图9所示。

图9 不同药企惩罚上限三方主体演化路径Fig.9 Evolution path of tripartite subjects with different pharmaceutical enterprise punishment upper limit

由图9a可知，当药企惩罚上限取不同值时，政府向严格规制方向演化，演化速度快于平台和药企。若药企惩罚上限不断增大，有利于规范药企CSR违规问题，且采取严格规制增加政府收益，政府演化速度加快，但药企惩罚上限对演化速度影响较小。由图9b可知，若药企惩罚上限不断增加，政府采取严格规制策略，平台非履责合作收益低于履责合作收益，最终向履责合作方向演化。当惩罚上限增加时，药企演化速度加快，平台根据药企履责决策调整相应策略以获得最大投机收益，平台演化速度与药企惩罚上限呈反相关，最终稳定在履责合作状态。由图9c可知，药企惩罚上限对药企策略选择影响较小，当惩罚上限增加时，药企消极履责所受处罚不断增大，积极履责可获得政府补贴，积极履责收益高于消极履责收益，药企向积极履责方向演化，且演化速度随着药企惩罚上限的增大而加快，最终达到稳定状态。药企惩罚上限对政府、平台和药企策略选择影响较小，平台与药企演化速度呈现反相关关系。

6 结论

针对医药行业履责困境与政府规制难题，构建了政府、智能供应链平台和医药企业参与的智能医药系统，运用演化博弈理论探究政府分类规制、智能平台赋能机制与影响因素，以及政府分类规制对智能平台、药企CSR履行决策的影响机制，揭示各因素作用与三方博弈演化规律，并运用Anylogic软件仿真分析政府分类规制等因素对系统演化路径的影响。

研究结论有：1)对政府而言，政府分类规制显著影响平台、药企CSR履行决策与智能供应链建设，但规制效果受平台、药企政策灵敏度影响，且惩罚性政策落地速度快于奖励性政策。若政府严格规制，可促进药企、平台合作履责，并引导平台智能供应链投资，提升双方风险弹性阈值和行业自治力。政府演化速度与智慧度、奖励系数呈负相关，与平台和药企惩罚上限呈正相关，当奖励系数过高时，政府策略选择难以稳定。2)对平台而言，其奖励性政策灵敏度高于惩罚性政策，强奖惩规制力度与高智慧度赋能性可双向促进平台积极履责合作，较高市场风险可提升智能供应链建设积极性。相较药企而言，平台存在平台优势，履责决策影响因素更为复杂，受内部智慧度投资利本差、非履责超额收益以及外部规制政策多重因素影响。3)对药企而言，其奖励性政策灵敏度低于惩罚性政策，相比平台，药企存在策略实施空间与时间局限。政府惩罚性规制政策(平台与药企惩罚上限)对药企策略选择影响较小，若各因素强度较低，药企策略选择难以稳定且相比平台具有滞后效应。智慧度和奖励系数奖励性政策对药企策略选择影响显著，较高智慧度、奖励系数有利于药企积极履责。

本研究的管理启示主要在于：1)强化医药行业CSR治理政府主导前置作用，科学制定分类规制政策。鉴于政府分类规制对药企、平台策略选择的高显著性影响，基于医药行业CSR现状推动政府规制作用前置，根据药企、平台的政策灵敏度异质性，施行平台重奖励、药企重惩罚的规制政策“私人定制”。2)构建医药智能平台“CSR治理共同体”，强化医药行业链条耦合力与风险自治力。基于医药智能平台兼具个体与耦合双元属性，发挥政府牵头引导作用，构建医药智能供应链平台，促进医药产销链条价格透明化、治理智能化，实现CSR治理资源集成协同与场域生态圈配置，助力医药行业CSR治理范式创新。3)鉴于药企的链条弱势地位与平台的耦合网络效应，提升平台规制政策制定强度与精准度为医药行业CSR治理的关键。基于三方主体策略演化的临界条件及因素影响机制，在治理资源集成协同、路径规划、强度制定方面强化针对平台的规制引导及监管力度。

虽然本研究得出具有一定理论与实践价值的结论，但仍然存在以下不足，有待进一步关注和剖析：1)主要以后疫情时代医药线上销售模式为背景讨论智能平台赋能机制，以及政府分类规制对药企、智能平台CSR履行决策的机制作用，由此得出的结论难以适用于采用线上线下联合销售模式的医药企业，未来有必要结合医药企业双渠道销售场景展开类似探索；2)主要考虑静态规制政策下三方演化路径分析，未能全面考虑动态规制政策以及医药企业动态履责水平的影响，未来可进一步研究政府动态规制下医药企业动态履责水平的作用机制。