我国制药业技术创新效率分析
维普资讯
第28卷 第 2期 科 研 管 理 Vo1．28，No．2
2007年 3月 ScienceResearchManagement Mar． 2007
文章编号：1000―2995 2007 02―007―0071 我国制药业技术创新效率分析 罗亚非，焦玉灿 北京工业大学 经济与管理学院，北京 100022 摘要：本文采用DEA方法中的CzR模型对我国制药业技术创新效率作纵向分析研究。研究结果表明：资源利 用率低，专利产出不足以及企业规模偏小是导致我国制药业DEA无效的主要原因。文章结合我国实际情况，
对其作了详细的解释，并给出相应的对策建议。 关键词：制药业；DEA方法；技术创新效率 中图分类号 ：F270 文献标识码 ：A 合理选择投入规模和技术手段，实现资源的优化
配置，最终促进我国制药业技术创新活动达到技
术有效和规模有效的最佳状态。 1 引言 2 DEA方法的 C2R模型 制药业是世界上发展最为迅速和最有前景的 产业之一，因此它成为众多学者研究和关注的焦 DEA即数据包络分析 DataEnvelopmentA―
点。纵观学者们关于我国制药业的研究成果，主 nalysis ，是由美国著名运筹学家 A．Chames和
要集中在这样几个方面：1 人世后我国制药业的 w．W．Cooper等学者于 1978年提出的、用以评价
发展战略选择。2 生物制药业是真正的朝阳产 多个相同类型决策单元 DecisionMakingUnits， 业。3 中药产业现代化。4 制药业知识产权保 DMU 间相对有效性的方法 J。为了比较同一类
护战略。5 用具体的数字对比说明制药业技术 决策单元的效率问题就需要将各决策单元的投入
创新现状。大部分研究还是基于定性分析，当然 产出指标进行加权求和得到一个综合值，然后再
也有一些对于企业或区域进行的定量研究，但对 整个中国制药业做整体的、动态的、定量的研究还 比较各个决策单元综合值的大小。但是权重的选
取是非常困难的事情，虽然像层次分析法、模糊综 比较少。基于这一现状，我们尝试采用 DEA方法 合评价法等一些方法可以确定权重，但更多的时
中的cR模型对我国制药业在 1996―2003年这 一 阶段的技术创新效率进行分析，其结果给出了 候采用的是含有主观性的专家法；而且这些指标
还存在量纲不同的问题。DEA方法则巧妙地构
综合评价该产业技术有效性和规模有效性的依 造了目标函数，无需指标的量纲统一，也无需事先 据，定量分析了非有效状态的原因和程度，并阐明 给定投入和产出指标之间的权重分布，并将分式
了由非有效状态调整到有效状态的途径。本文的 规划问题转化为线性规划问题，通过最优化过程
研究使各级政府部门和企业决策者对我国制药业 的技术创新状态有了整体了解，同时也为他们提 来确定权重，从而使对决策单元的评价更为客
观 J。DEA方法在避免主观因素和简化运算、减
供了定量的管理信息，便于决策者针对不同情况， 收稿日期：2005―09―06． 作者简介：罗亚非 1955一 ，女 汉 ，湖南沅江人，北京工业大学副教授，研究方向：科技管理与技术创新。
焦玉灿 1980一 ，女 汉 ，河北饶阳人，北京工业大学硕士生，研究方向：科技管理与技术创新。
维普资讯
科 研 管 理 2OO7年
少误差等方面有着不可低估的优越性，所以我们 其中，S一为各投入的松弛向量，s为各产出
选取该方法对我国制药业技术创新效率进行分析 的松弛向量；0，入； j 1，2，An ，s一，s为代估参
评价。 数向量。 2．1 模型构造 2．2 C 模型的经济含义 设有 个决策单元 DMU ，每个 DMU都有 1 DEA有效性：当0 l，s一 s一 0
／n种投入及s种产出，分别表示该 DMU“消耗的 时，称DMU为DEA有效一在原投入X基础上所
资源”和“工作的成效”。 表示第 个DMU对第 获得的产出Y达到最优；当e +l且 s―SO或
种输入的投入量， 0；y表示第 个DMU对第 s“SO时，称 DMU为弱DEA有效一对于投入
r种输出的产出量，Yj 0；vi为对第i种投入的一 可减少s一而保持原产出Y不变，或在投入 不
种度量 或称权 ，u为对第r种产出的一种度量 变的情况下将产出提高 s一；当0’ 1时，称为
或称权 ，i 1，…，m；j 1，…，n；r 1，…，S。 DEA无效一可通过组合将投入降至原投入 的
X．．，Yu为已知数据，vi，rr为变量。 比例而保持原产出Y不变。 对应于一组权系数 v+ v，…，v ，u+ 2 规模有效性：令 K ∑A ，称 K为
u ．．，u ’，每个决策单元都有相应的效率评价 DMU的规模收益值，当K l时，该 DMU规模
指数 即产出加权之和除以投入加权之和 ： 收益不变，即边际产出等于边际投入时的规模；
0 m
K 1时，规模收益递增，即在原投入的基础上 ∑ttry／∑Yi√ 1，2…n 适当增多投入可望产出相对更高比例的增加；K
现在对DMU进行效率评价 1≤j0≤n ，构造 1时，规模收益递减，即增加投入可能使产出增
如下最优化模型： 加，但增加幅度会小于投入的增加幅度。
。r 1 3 DEA改进：对于DEA无效的决策单元可
Ury~ Z 一 以通过“投影定理”适当改进使其转变为DEA有
m x ： 效，改进公式为： ―s一， Y+s一， ，多
∑Yi 为该DMU对应的 ，Y 在DEA相对有效平面上
的投影，它所对应的新的DMU相对于原来的 个
∑ttryd 1，2，…n DMU来说，是DEA有效的。另记 改进值 ：Zix
∑ f 1 一 ≥0，ay 多一y≥0 u≥ 0． ≥ 0 3 实证研究 由 1 式来评价DMU是否有效，是相对于其 他所有 DMU而言的。上式是一个分式规划问 本文选取我国制药业1996―2003年 以前的
题，使用Charnes―Cooper变换可以得到等价的最 年份由于资料缺少、统计口径不同而舍去 的技
终的线性规划问题。另外为了方便求解，引入非 术创新相关指标，运用上述方法分析各年度技术
阿基米德无穷小量 ￡ 为任意小正数，通常取 10 ，模型成为： 创新效率。为了保证数据的一致性和连续性，文
rain[0一￡ S一+S ] 章搜集的数据全部来自《中国科技统计年鉴》。
3．1 概要指标集 ∑A +s一 Ox0 ， l 选取合理的投入产出指标是正确利用 DEA
方法测量技术创新效率的一个关键问题。在具体
2 ∑hjYi―s J 1 应用中，投入与产出指标的选取不可避免地带有
A ≥0，J 1，2…， 任意性与主观性，其评价结果很可能因此偏离实
s一≥ 0．s ≥ 0 际。所以，指标的可比性、科学性以及可操作性非
维普资讯
第2期 罗亚非，焦玉灿：我国制药业技术创新效率分析 ??73??
表1 投入指标的两两相关矩阵
常重要。另外，DEA方法对投入产出指标还有一
X1 X2 X3 X4 X5
定的限制：避免相关性高的指标 当指标数量过 X1 PearsonCorrelation 1 ．728 ．252 ．175 ．272 多时，需要分别对投入产出指标进行相关性分析，
Sig． 2一tailed ．041 ．547 ．679 ．515
去掉相关性显著的指标 ；保证指标值的非负性； N 8 8 8 8 8
数据不需标准化；凡要比m+s足够大。因此，投 xz PearsonCorrelation ．728 1 ．526 ．301 ．084
入产出指标体系的设计应从多方面、多角度、多层
Sig． 2一tailed ．041 ．181 ．469 ．843
次来考虑，力争使评价结果准确化、科学化。 N 8 8 8 8 8
在综合考虑上述种种因素、以及对我国制药 x3 PearsonCorrelation ．252 ．526 1 一．239 ．418
业技术创新投入产出问题研究的基础上，初步确
Sig． 2一tailed ．547 ．181 ．568 ．303
定投入的概要指标为人员投入、资金投入、设备投 N 8 8 8 8 8
入，产出的概要指标为效益产出和科研产出。 x4