xx省医药制造业提升原始创新能力和协同创新能力的路径与对策研究.doc

此文档收集于网络，如有侵权，请联系网站删除x省软科学项目研究报告x医药制造业提升原始创新能力和协同创新能力的路径与对策研究目 录一、研究背景1（一）研究的目的意义1（二）主要研究内容与方法2（三）主要创新点和应用前景4二、现状分析5（一）x省医药制造业原始创新效率评价与影响因素分析5（二）x省医药制造业协同创新能力评价及对创新产值影响分析14三、发展思路20（一）总体思路20（二）提升x医药制造业原始创新能力的思路与关键因素21（三）提升医药制造业协同创新能力的思路与关键因素23四、对策建议25（一）组织领导26（二）体制机制创新26（三）重点对策措施27此文档仅供学习与交流一、研究背景（一）研究的目的意义创新是高技术产业发展的不竭动力，是现代经济发展的发动机。我国政府高度重视医药制造业产业发展，改革开放以来，医药制造业一直保持较快的发展速度，经济运行质量与效益不断提高，成为国民经济中发展最快的行业之一，并在世界医药市场中发挥越来越重要的作用。然而作为关系国计民生的高技术产业，我国的医药制造业存在着研究开发投入不足、新产品开发能力弱等问题，医药制造业的发展还没有摆脱粗放式经营的格局。x省作为我国医药制造大省，截至2015年底，企业数量、资产总额、利润总额和创新能力均位居全国前列。然而，与国际大型制药企业相比，x省医药制造业的创新能力仍然十分薄弱。近年来，随着x省医药制造业的快速发展，形成了具有不同特征的医药产业集聚区，推动了x省产业集聚区的协同创新能力，在提升x省医药制造业创新水平的同时，对全国医药产业的发展同样具有重要意义。因此以x省为例评价医药制造业创新能力和创新效率，考察影响医药企业原始创新效率的相关因素，分析集成创新能力对创新产值的影响效应，并提出提升医药产业原始创新效率和集成创新能力的路径与对策，对医药制造业的创新转型意义重大。 国内外已有许多学者展开有关企业创新效率与创新能力的研究，回顾这些研究可以将其概括为三个方面的研究内容： 第一，企业原始创新能力研究。如何在产业升级中提升原始自主创新能力，评价原始创新的效率，这是急需研究的理论与现实问题。 现有文献主要关注创新对产业升级的促进，从不同角度如投资结构（郑立新，1999），外商投资（Camilla，2002），产业集聚（梁琦，詹亦军，2005），比较优势（张其仔，2008），金融发展（钱水土，周永涛，2011），全球价值链（Gereffi，1999；张少军，刘志彪，2009），技术进步路径及技术选择（黄茂兴，李军军，2009）等进行研究。 而研究产业升级中自主创新提升的文献则较少，金碚（1991）和周耀东（1999）的研究关注到了该问题，他们分析了中国工业化进程中的技术进步、模仿与创新，但是却忽视了产业升级对原始创新的影响。 第二，有关协同创新能力研究。相关研究主要从知识溢出、吸收能力、产学研协作等方面展开。首先，知识溢出对创新的影响研究中，空间计量是重要的研究方法，其中技术知识空间溢出的发生机制，特别是阐释知识技术溢出与创新活动的地理分布关系是近年来知识溢出的研究热点（Dieppe & Mutl, 2009；Kosfeld & Lauridsen, 2012；Bode，2004；Lim，2003；Peri，2005）。其次，吸收能力对创新影响研究，如Caragliu & Nijkamp (2012)通过实证分析考察了地区的吸收能力对创新产值及技术溢出的影响；Lazzeri & Pisano(2014)以39个具有集聚特征的医药企业研发实验室为研究对象，实证分析了吸收能力对个人层面和企业层面创新的影响；Egbetokun & Savin(2014)通过研究企业间的合作创新发现，在技术距离一定的情况下，合作企业的的吸收能力越强，技术溢出效应越明显，对创新产值的促进作用越大。付敬和朱桂龙（2014）对广东省 343 家技术中心企业的实证分析表明企业潜在吸收能力对创新产值并无直接作用，实际吸收能力则显著促进创新产值。 随着新经济增长理论的发展，有关创新能力的研究日益深入，但国内相关研究主要采用国家科技统计数据，从宏观层面上研究不同地区、不同行业间的技术创新能力，缺少利用微观数据分析某一行业内部技术创新能力的研究。鉴于上述原因，本研究以x省医药制造业的微观数据为例，对医药制造业原始创新效率和协同创新能力进行评价分析，估计影响原始创新效率和企业创新产值的关键因素。研究结果可以对提高x省医药制造业的创新水平，促进x省医药企业制造业发展具有重要的实践意义。 （二）主要研究内容与方法1、主要研究内容采用描述性统计方法，分别从地区、行业、集聚区三个方面考察x省医药制造业研发及产出特征。分别从创新投入和产出两个方面构建评价x省医药制造业原始创新能力的评价指标体系，考察原始创新能力现况；构建基于数据包络分析方法（DEA）的二阶段半参数评价模型。第一阶段，利用DEA方法评价x省医药制造业原始创新效率，第二阶段，以DEA效率评价结果为因变量，通过Tobit回归分析相关影响因素对企业原始创新效率影响的显著性。 构建x省医药制造业协同创新能力评价指标体系（主要包括知识溢出和吸收能力两个方面），考察评价不同地区、不同行业的协同创新能力现况，并从上述角度对比存在的差异，分析导致差异存在的可能因素；利用面板数据模型，实证分析x省医药制造业知识溢出能力对创新产值的影响效应，利用地区的面板数据估计吸收能力对创新产出的作用效果；依据x省医药制造业原始创新效率的评价和相关影响因素估计结果，从企业内部管理机制与外部市场作用机制和政策作用机制等方面提出提升医药制造业原始创新效率的路径与建议；依据x省医药制药业知识溢出、吸收能力对创新产值的影响结果，明确提高x省医药制造业协同创新能力的路径和对策建议；提出提高医药制造业创新能力的政策建议。 2、研究方法 主要运用技术创新理论、系统评价方法、计量经济学方法和公共政策学相关理论论证本课题的观点。具体包括： （1）基于DEA方法的医药制造业原始创新能力评价模型。通过选择合理的创新投入产出要素，利用DEA方法评价医药企业的原始创新效率，采用Malmquist指数模型分析效率的动态变动，通过回归分析评估企业创新要素、市场作用机制、行业环境及政府扶植等因素对原始创新的影响。（2）主成份分析法运用因子分析中的主成分分析法，构造综合评价矩阵，对x不同地区医药企业协同创新能力进行系统评价和统计分析。 （3）基于新经济增长理论的集成创新调节效应模型。基于新经济增长理论和创新知识理论，构建医药制造业集成创新指标体系。利用面板数据模型估计x省医药制造业知识溢、吸收能力对创新产值的影响效应。3、数据来源本课题以x省医药制造业的微观调研数据作为研究对象，数据来源于x省医药商业协会通过问卷调查收集整理获得，该数据包括x省医药制造业样本企业的研发和产出情况。样本企业的地区分布与行业分布如表1、表2所示。表1 x省医药制造业样本企业行业分布情况2012201320142015化学药品原药制造240231208229化学药品制剂制造127137111120中药饮品加工25251724中成药制造28282928兽用药品制造36413032生物及生化制品的制造778991106卫生材料及医药用品的制造111137109120合计644688595659表2 x省医药制造业样本企业地区分布情况2012201320142015南京50645148无锡50434244徐州44525859常州72705963苏州1091138292南通68777374连云港50645857淮安18212223盐城69655967扬州25342731镇江20263028泰州52584649宿迁19292123合计644688595659本调查数据主要包括医药企业产值、营业收入、人员、新产品产值、出口值、研发人员及费用、科技经费及专利、政府资金投入、科技活动经费支出、产学研协作等多项内容。由于部分医药企业存在数据缺失的情况，在后文的实证分析中，我们将企业微观数据按照上表的行业或地区进行汇总分类，采用行业或地区层面数据对医药制造业创新能力进行评价研究。（三）主要创新点和应用前景本研究主要创新点主要有两个：一是根据x省科技创新“十三五”发展战略，通过实证分析考察x医药产业的原始创新能力和协同创新能力的现状及存在问题，提出全面提升我省医药制造业创新能力的路径与对策建议。二是分别从企业内部的原始创新效率和区域协同创新能力两个方面对x省医药制造业创新能力进行评价，估计相关影响因素，从而进行系统化的研究，研究视角可以较全面的反映我省医药制造业创新水平和深度，在此视角下提出的政策建议更具借鉴意义。 应用前景方面，首先，该研究的结果可以作为地方政府尤其是科技主管部门制定“十三五”期间提升产业科技创新能力政策提供决策参考；其次，对医药制造业内不同类型企业的创新战略制定，创新路径的选择具有一定的指导意义。第三，x省作为我国医药制造大省，企业数量、资产总额、利润总额和创新能力均位居全国前列。然而，与国际大型制药企业相比，x省医药制造业的创新能力仍然十分薄弱。“十三五”期间我国经济进入新常态，产业面临着转型升级，产业的智能化，创新化将成为产业组织新特征，经济增长更多依靠企业人力资本的质量和技术进步，企业需要从粗放式劳动密集型向资本密切性、技术高端型转变。经济转型升级的动力来源于科技进步和全面创新。因此，本研究以x医药制造业为例，从该行业的现状出发，提出提升x省医药制造业创新能力的模式和路径，研究成果对于我省整体科技创新能力的提升具有重要的借鉴意义。二、现状分析（一）x省医药制造业原始创新效率评价与影响因素分析医药企业的原始创新可划分为两个阶段，一个是技术开发阶段，通过科研活动的各项投入得到以知识技术为主体的成果，另一个是成果转化阶段，将技术开发阶段的成果向产品进行转化。通过构建创新效率矩阵“技术开发成果转化”矩阵，两个维度分别采用高低去衡量，因此有四种不同的创新效率组合。如下图所示：图1 创新效率组合目前，对企业原始创新能力的评价主要采取的是参数法的随即前沿生产函数（Stochastic Frontier Approach，SFA）和非参数法的数据包络法（Data Envelopment Analysis，DEA）。DEA方法不需要选择生产函数，也不需要进行参数估计，对于非有效单元，DEA方法不仅能够指出指标的调整方向，还能给出具体的调整量。因此，本部分将采用DEA方法对x省医药制造业原始创新效率进行评价。利用2012-2015年x省医药制造业微观数据，从地区、行业两个方面，基于价值链理论将原始创新过程划分为“技术开发技术成果转化”两个阶段，进行DEA效率评价和影响因素的实证分析。1、模型与变量选择（1）基于松弛变量的DEA模型Tone（2001）在加性模型（additive model）的基础之上提出了基于松弛变量的模型（Slacks-based Measure, SBM），加性模型解决了除CCR模型外投入产出两种导向解释结果不一致这一问题，将两种导向结合在一个模型中，SBM模型在此基础上进一步解决了投入和产出单位不一致这一问题，即具备了单位不变性（additive model）。同时，基本的DEA模型（CCR、BBC模型）建立在Farrell效率测度的基础之上，Farrell将效率测度形式分为径向和线性分段，这虽然保证了效率边界无差异曲线的凸性，但却会造成投入要素的松弛。在投入产出要素增加、因素更加复杂以及需要考虑变量的松弛问题时，引入SBM模型，将松弛投入和松弛产出考虑在内，评价决策单元的效率。SBM模型如下：Min，=1-1mi=1msi-xi01+1kr=1ksr+yr0 s.t. y0=Y-s+ x0=X+s- ,s+,s- 0 ,SBM模型同时考虑投入和产出两种导向时，可转化为线性规划模型：Min=t+1kr=1ksr+yr0s.t.1=t-1mi=1msr-xi0ty0=Y-S+ tx0=X+S-，,s+,s-,t0当投入和产出松弛越大时，DEA效率越低，SBM模型将松弛投入和松弛产出纳入了DEA效率的测度中去。松弛投入和松弛产出均为0时，即S+= S0，效率度量值为1，即决策单元在BBC模型中也为有效。（2）Malmquist全要素生产力指数SBM模型只能对一期的决策单元进行DEA 效率评价，考虑时间维度的面板数据，需引入 Malmquist指数（全要素生产率变动指数）对各个决策单元在时间维度上的效率变动。1953年，Malmquist指数首次被提出，Fare等（1994）建立了DEA- Malmquist指数，用于评价相邻两期DEA 效率的变化情况。DEA- Malmquist指数公式如下：M0(xt+1,yt+1;xt,yt)=D0txt+1,yt+1D0txt,ytD0t+1xt+1,yt+1D0t+1xt,yt12 =D0txt+1,yt+1D0txt,ytD0txt+1,yt+1D0t+1xt,ytD0txt,ytD0t+1xt,yt =EC xt+1,yt+1;xt,ytTC xt+1,yt+1;xt,ytM0为将资源配置M的综合指数，可记为TFPCH，表示的是决策单元在 t期至t1期整体生产率的变化程度，分解为技术效率变动EC和技术变动TC两者的乘积，分别可记为TECH和TPCH。在BBC模型中，总体技术效率（TE）规模效率（PE）单纯技术效率（SE），所以Malmquist指数的TECH也可分为规模效率的变化（PECH）与单纯技术效率（SECH）的变化。因此，TECH表示规模报酬不变时技术效率变动，TECH1，技术效率进步；TPCH同理，TECH1，技术进步。同时，Malmquist指数也可以用于衡量规模效率的变化（PECH）与单纯技术效率（SECH）的变化。（3）Tobit回归模型Tobit回归模型适用于因变量受到限制，具体来说就是因变量被切割或者片段的情况下的数据截断模型。在研究影响决策单元DEA效率的因素时，DEA效率值在0-1之间变化，因此，当DEA效率值作为回归模型的被解释变量，存在被解释变量小于等于1的截尾问题，普通最小二乘法(OLS)估计结果有偏且并不一致。应用最大似然法估计Tobit模型研究技术效率的多因素回归问题，基本Tobit回归模型如下： yi= + xi+ i ; 0 yi 1（4）医药制造业原始创新效率相关指标选择衡量医药制造业原始创新效率的投入产出指标选取如下：在技术开发阶段，R&D投入是技术开发最主要的动力。通过对国内外文献的总结，R&D投入主要可划分为R&D人员和R&D投入经费，同时，将新产品研发经费纳入到投入指标中。技术开发阶段是产品创新的源头阶段，经技术转化阶段开发新产品后销售，因此，也是中间阶段，主要的产出为知识技术，可分为专利和非专利。专利型的产出可划分为专利申请数和专利授权数，相比较，不可测度的非专利产出更客观标准，因此，将专利申请数和专利授权数同时纳入到考察R&D阶段的产出指标。对技术开发阶段进行数据处理时，R&D人员数量采用R&D人员折合全时当量（人年）与R&D人员数量相比较，反映了R&D人员实际参与研发活动的时间折合的研发活动工作。R&D投入经费分别采用当期R&D内部支出和外部支出合计，新产品研发经费采用当期新产品研发投入费用。技术转化阶段也可划分为人员投入和经费投入，产出主要是通过对知识技术的转化所得的产品。技术开发阶段的知识技术投入采用技术开发阶段专利申请数和专利授权数作为主要指标，经费投入为新产品改造经费，人员投入为从业人员。技术转化阶段产出成果为产品为企业带来的收益情况，可用产品在市场的实际状况去衡量，选取新产品产值和新产品出口额作为技术转化阶段的产出指标。对技术转化阶段进行数据处理时，从业人员采用从业人员折合全时当量（人年），新产品改造经费、新产品产值和新产品出口额均为当期的经费投入、产值和出口额。总结相关文献，医药企业原始创新效率的主要影响因素主要有：首先是市场结构。市场结构的竞争程度对企业创新效率有影响，企业在市场化程度高的行业或地区面临更大的竞争。关于市场结构对企业创新效率的影响，Arrow（1962）认为市场化程度高所带来的竞争力有利于企业创新研发。而Schumpeter（1943）则认为高市场集中度使得企业在行业或地区中具有垄断地位，有利于创新研发。其次是企业规模。根据新古典经济学，企业存在最佳规模，在达到最佳规模前，企业平均成本递减，扩大企业规模向最佳规模移动，而达到最佳规模后，平均成本递增，规模对企业有负效应。规模较大的企业资金相对集中，对创新研发的投入大，有利于企业创新研发。Scherer（1990）认为企业规模与创新效率负相关，而Pavitt（1987）等认为与中等大小的企业相比，较小或较大的企业创新效率更高，创新效率与企业规模呈“U”关系。企业规模采用企业平均年产值来衡量。第三是企业所有权结构国内外学者对企业所有权结构对创新技术效率的影响看法比较一致，均认为非国有企业的研发效率要优于国有企业。企业所有权结构采用国有企业比重作为替代指标。第四是政府的资金支持力度。政府可以从资金和政策两方面支持和鼓励企业进行技术创新活动。资金方面，政府可以通过直接拨款或奖金激励等方式，支持有技术创新活动的企业进行创新研发。政策方面，政府可以通过税收减免或优惠的财政政策，完善市场秩序，促进企业的创新研发。科技活动经费筹集额直接影响研发投入的力度大小，其中政府资金的投入可以反映出政府的资金支持力度对企业创新效率的影响。政府的资金支持力度指标用政府出资占科技活动经费筹集额的比例。2、x省医药制造业原始创新效率测算采用dea excel solver1.0进行dea效率评价、Malmquist指数分析，stata12.0进行tobit回归分析。（1）技术效率分析按行业细分20122015年x省医药行业自主创新能力在技术开发阶段的技术效率评价如表3所示。表3 x省医药行业按行业细分技术开发阶段原始创新能力技术效率2012201320142015平均值化学药品原药制造0.55710.530.950.759化学药品制剂制造0.6510.2410.4380.3070.409中药饮品加工0.2370.91710.4380.648中成药制造10.4350.5820.4880.626兽用药品制造0.960.415110.844生物及生化制品的制造0.5190.58210.9290.758卫生材料及医药用品的制造11111平均值0.7030.6560.7930.730.721从整体上看，x省医药行业在技术开发阶段的技术效率呈现波浪式的上升，峰值在2014年，技术效率为0.793，化学药品原药制造、兽用药品制造、生物及生化制品的制造、卫生材料及医药用品的制造四个行业高于行业技术效率的平均值，卫生材料及医药用品的制造连续四年达到技术效率有效，而化学药品制剂制造在技术开发阶段的技术效率最低，平均值为0.409，且呈现下降趋势，主要是由于化学药品制剂制造在纯技术效率有效的同时没有兼顾规模效率，规模效率较为低下。化学药品原药制造、中药饮品加工两个行业在技术开发阶段，技术效率波动变化较大。化学药品制剂制造、中成药制造两个行业的技术效率则呈现出波浪式的下降，而兽用药品制造、生物及生化制品的制造行业则是波动式的上身，两个行业均在2014年实现了技术效率显著提高，其原因主要是纯技术效率的提高。表4 x省医药行业按行业细分成果转化阶段原始创新能力技术效率2012201320142015平均值化学药品原药制造0.628110.8380.867化学药品制剂制造11111中药饮品加工11111中成药制造0.82810.8320.5660.807兽用药品制造11111生物及生化制品的制造0.490.390.62810.627卫生材料及医药用品的制造11111平均值0.8490.9130.9230.9150.9总体上看，x省医药行业在技术开发阶段的技术效率较为稳定，基本稳定在平均值0.9左右。化学药品制剂制造、中药饮品加工、兽用药品制造、卫生材料及医药用品的制造这四个行业在成果转化阶段从2012年开始均达到了技术效率有效，化学药品原药制造、生物及生化制品的制造则是波动式地上升，中成药制造在2013年达到技术效率有效后逐渐下滑，在2015年技术效率急剧下降。总之，x省医药行业根据行业细分，各行业技术效率均值在成果转化阶段较高，说明了技术开发的能力低于科研成果向产品转化的能力，在成果转化阶段x省医药行业在技术和规模上均较为合理。因此，目前x省医药行业原始创新能力的提高主要需要科研能力的提升。表5 x省医药业按地区细分技术开发阶段原始创新能力技术效率2012201320142015平均值南京10.60710.6470.814无锡0.3080.6080.5260.4770.48徐州10.5280.61510.786常州0.8990.3070.8890.8490.736苏州10.4020.7080.6340.686南通0.55310.4870.8910.733连云港10.2380.6470.3960.57淮安0.560.1130.34610.505盐城0.7910.9340.4030.3340.616扬州0.5460.6220.6440.8790.673镇江11111泰州0.9750.6590.920.5380.773宿迁10.644110.911平均值0.8180.5890.7070.7420.714按地区细分后，如表5所示，20122015年x省医药行业原始创新能力在技术开发阶段的技术效率均值为0.714，除2013年外出现波动外，基本稳定在均值附近。其中，镇江市在技术开发阶段自2012年起，均为技术效率有效，南京、徐州、常州、南通、泰州四个地区技术开发阶段的技术效率较高。从20122015年各地区的技术效率呈现出波动趋势，苏州、连云港、盐城波动下降，徐州波动上升，扬州市则表现出稳步上升，常州市除2013年外技术效率较为稳定。表6 x省医药行业按地区细分成果转化阶段原始创新能力技术效率2012201320142015 平均值南京0.4080.3710.4930.6820.489无锡110.80310.951徐州0.17710.860.640.669常州0.2450.9240.91910.772苏州0.3960.5230.5960.580.524南通10.6450.43210.769连云港0.4461110.862淮安0.5260.24610.4190.548盐城0.4420.144110.647扬州1110.3150.829镇江10.7760.5810.839泰州11111宿迁1110.4590.865平均值0.6650.7410.8220.7770.751总体上讲，20122015年x省医药行业原始创新能力在成果转化阶段的技术效率均值为0.751，总体较为稳定。泰州市从2012年起，在成果转换阶段达到技术效率有效。无锡、常州、南通、连云港、扬州、镇江、宿迁成果转化阶段四年技术效率均值较高，南京技术效率较低，且呈现低水平稳定。而技术开发较为薄弱的无锡则在成果转化阶段表现出高水平的稳定。徐州、常州、苏州、连云港、盐城表现出波动式提高，但苏州市整体水平仍然较低。扬州、镇江、宿迁三市在2014年前技术效率均较高，但从14、15年起均有不同程度的急剧下降。南通市除2013、2014年存在波动外，均为技术效率有效。按地区细分后，技术效率在技术开发和成果转换阶段的技术效率与按行业细分两阶段技术效率的比较结果较为一致，成果转换阶段技术效率比技术开发阶段高。（2）基于Malmquist指数的动态效率分析由表表7看出，x省医药企业原始创新能力技术效率的变动在技术开发阶段主要是来自于技术变动，而技术变动小于1说明的是在2012-2013年医药企业技术开发上存在着不同程度的技术退步，如2012-2013年，其技术变动值为0.246，说明的是技术改进为前一期的24.6%。且2012-2015年，技术变动、MPI指数均小于1，但技术退步的幅度逐年减小，说明了虽然在技术开发阶段没有取得技术进步，但x省医药企业在技术开发阶段仍有一定程度的投入和努力。表7 x医药制造业技术开发阶段动态效率变动年份效率变动effch技术变动tech纯技术效率变动pech规模效率变动sech全要素生产力指数tfpch2012-201310.246110.2462013-201410.985110.9852014-201510.758110.758如表8所示，2012-2015年技术变动和MPI值均大于1，说明在成果转化阶段，x省医药企业原始创新能力的技术效率每年都在改进主要由技术变动的进步贡献，如2012-2013年，技术变动为1.492，说明了相对于2012年，2013年技术进步为49.2%，技术效率也提高了49.2%。成果转化阶段，技术效率的进步也主要来自于技术变动，效率变动没有做出贡献。表8 x医药制造业技术成果转化阶段动态效率变动年份效率变动effch技术变动tech纯技术效率变动pech规模效率变动sech全要素生产力指数tfpch2012-201311.492111.4922013-201412.217112.2172014-201511.247111.247两个阶段相比较，20122015年x省医药卫生行业原始创新能力技术效率变动主要表现为技术开发阶段技术效率降低，是由于技术退步所导致，而成果转化阶段的技术效率的提高也是由于技术进步所带来，两个阶段中的效率变动均为1，说明效率不变，其经营模式或决策方式的改变并没有对x省医药行业原始创新能力的技术效率产生影响。（3）基于价值链视角的x省医药行业两阶段原始创新技术效率矩阵结合上述测算结果，可以把各行业和各地区放入价值链视角下的二维矩阵之中，以两阶段技术效率的均值进行划分，各行业、各地区的技术效率取20122015年技术效率的均值。x省医药行业两阶段原始创新技术效率矩阵可划分为这四种类别，分别是：A类粗放式低效率技术创新。技术开发效率和成果转化效率均比较低，在技术研发阶段，投入人力、物力、财力均不能转化为高效率的产出，而在成果转化阶段，也未能把前期的科研成果和投入的资金转化为产出，对投资的质量（消化吸收、技术引进等）重视不够。B类高技术开发、低成果转化技术创新。技术开发阶段效率较高，但成果转化阶段收效不佳，未能将前期所取得的技术成果转化为效率，注重技术开发而忽视了行业、地区间的产业化。C类高效集约型技术创新。技术开发和成果转化阶段均表现出较高的效率，能把经济基础、科技基础、人才基础从技术转化为相应的高产出，为高新技术实现产业集聚打下基础。D类低技术开发效率，高成果转化效率技术开发阶段效率较低，但成果转化阶段效率较高，应在技术开发阶段提升效率以实现整体效率的提升。图2：x省医药行业两阶段原始创新技术效率矩阵如图2所示，从行业来看，中成药制造行业属于粗放式低效率技术创新行业，高技术开发、低成果转化技术创新有化学药品原药制造、生物及生化制造，高效集约型技术创新行业有兽用药品制造、卫生材料及医药用品制造，化学药品制剂制造和中药饮品制造属于低技术开发效率，高成果转化效率行业。从地区来看，淮安、盐城、苏州属于粗放式低效率技术创新地区，高技术开发、低成果转化技术创新地区有南京、徐州，高效集约型技术创新地区有泰州、宿迁、镇江、南通、常州，无锡、连云港、扬州属于低技术开发效率，高成果转化效率地区。3、影响因素回归结果对影响因素的相关数据分析整理后，将两阶段效率相乘作为原始创新整体效率的评价，采用固定效应Tobit回归模型，分别根据行业、地区进行回归分析。如表9所示，将企业数据按行业汇总后，对x省医药行业的整体原始创新效率而言，市场结构、企业所有权结构以及企业规模三个因素比较显著。市场结构显著性较高，系数为负值，大型企业的减少有利于效率的上升，佐证了Arrow（1962）认为市场化程度高所带来的竞争力有利于企业创新研发。企业所有权结构显著性较高，系数为正，说明了国有企业比重增大，有利于提高医药制造业原始创新能力。医药企业自身规模越大，其自主研发实力越强，进而显著促进企业原始创新能力。政府的资金支持对医药企业原始创新能力具有显著正影响。表9 x省医药行业原始创新能力影响因素Tobit 回归模型结果（按行业汇总，因变量为原始创新效率）系数标准差P值市场结构-6.91501*2.1150960.003企业所有权结构4.513592*2.5389810.088企业规模0.078464*0.0440820.092政府支持力度1.58105*0.2830510.000常数项0.2780151.1315470.808注：*、*、*分别表示1%、5%和10%显著性水平下显著表10 x省医药行业原始创新能力影响因素Tobit 回归模型结果（按地区汇总，因变量为原始创新效率）系数标准差P值市场结构-0.037241.8397880.84企业所有权结构-0.588311.3731060.67企业规模0.053069*0.025290.041政府支持力度0.8428911.3943090.548常数项0.1201130.1663360.474注：*、*、*分别表示1%、5%和10%显著性水平下显著如表10所示，将企业数据按地区汇总后的回归结果表明，对x医药制造业原始创新能力的有显著影响只有一个因素，企业规模。在5%的显著水平下通过了检验，系数显著为正，表明企业规模越大，所能投入的资金越多，对企业下一阶段的原始创新能力的提高有益。其他因素均不显著。（二）x省医药制造业协同创新能力评价及对创新产值影响分析企业协同创新能力主要包含两个层次的内涵，一是知识溢出能力，如Jaffe et al (1993), Adams和Jaffe (1996), Audretsch 和Feldman (1996), Acs et al (1999)等从专利引用、创新产出、产学研协作等不同角度论证了知识溢出的存在性和可度量性，探讨了知识溢出在促进集聚和推动创新过程中的作用机理和影响因素。国内学者张华（2010）通过利用知识共享模型以及仿真检验的方法，发现知识溢出是协同创新效率和稳定性提高的关键要素。张同斌等（2011）构建空间面板数据模型研究发现东部各区域内中心与外围省份之间可以实现优势互补、资源共享，进而实现区域内技术进步的协同创新。二是吸收能力，如艾志红、谢藤（2009）运用Matlab数据仿真分析，证明企业的吸收能力是产学研协同创新知识转移的关键因素。企业吸收能力越强，则企业越可能利用外部溢出知识或将自身知识与溢出知识结合，从而创造出新产品。孙金花，杨陈（2012）在系统动力学方法的基本原理的基础上发现：隐性知识转化效率的相关影响因素，即知识转移意愿和知识吸收能力是协同创新绩效的重要支持要素，其中知识转移意愿的影响更强。张敬文等（2014）运用PLS-SEM模型分析表明组织间知识共享是战略性新兴产业协同创新能力的关键构成要素，企业的吸收能力以及对知识的整合能力对创新绩效具有直接作用。本部分首先从知识溢出与吸收能力角度构建协同创新能力评价指标体系，然后采用因子分析中的主成分分析法，构造出综合评价矩阵，对医药企业协同创新能力进行评价研究，最后运用面板数据模型估计协同创新能力对医药制造业创新产值的影响效应。1、指标体系构建与模型选择（1）协同创新能力评价指标体系构建对于协同创新的研究，大量文献证实了知识溢出和吸收能力是构成协同创新能力的核心要素。创新驱动理论指出知识溢出是用以诠释经济增长的原因，在促进经济可持续发展方面有着举足轻重的作用。企业家精神能够调和并利用各层面的知识并将知识溢出作用于产业与市场创新活动。同时，吸收能力是协同创新的重要因素，企业通过对外部知识的吸收能够促进企业创新水平的提高，与外部知识的相互作用的创新过程又会促进吸收能力的提高。因此本文在丰富的文献研究基础上并结合医药行业创新活动的自身特点及相关数据，建立医药制造业协同创新能力指标体系，如表11所示。表11 医药行业协同创新能力评价指标体系一级指标二级指标三级指标知识溢出能力基于人才流动的知识溢出X1:R&D人员合计基于研发交流的知识溢出X2:对境内研究机构支出X3:对境内高等学校支出X4:对境外研发支出技术吸收能力基于技术研发的吸收能力X5:引进国外技术经费支出X6:引进技术的消化吸收经费支出X7:购买国内技术经费支出X8:技术改造经费支出基于人力资本的吸收人力X1:R&D人员合计（2）模型选择首先，将企业微观数据汇总至地市级层面，以x省13个地级市为例，采用因子分析中的主成分分析法，构造出综合评价矩阵，对x医药企业协同创新能力进行评价研究。需要说明的是，由于2012年企业微观数据部分缺乏指标体系中的相关变量，因此我们选用了2013-2015年三年的微观数据进行地市汇总，对选取的8个指标运用主成分分析方法进行统计分析，评价x医药制造业协同创新能力。然后，运用面板数据模型估计协同创新能力对医药制造业创新产值的影响效应。具体模型设定如下：yit=x+z+ui+it (i=1,n;t=1,T) 其中，yit表示i地区t时期内的创新产出，x表示i地区随时间t而改变的要素 ，z表示i地区不随时间t而改变的要素（即zit= zi，t），（ui+it）构成复合扰动项，ui为不可观测的随机变量，it为i地区对时间t的改变而改变的扰动项。2、x省医药制造业协同创新能力评价结果我们首先选择一年的数据（2014年），进行主成分分析。本研究中的KMO值为0.574，数据较适合进行因子分析。Bartlett球形度检验值为0.000，因此否定相关矩阵为单位矩阵的零假设，各变量间具有相关性。综合KMO值和Bartlett球形度检验可知：数据适合于主成分分析方法。对数据提取主成分并得到因子特征值及贡献率。如表12所示，在8个成分中有2个成分的特征根大于1，2个因子解释了变量标准方差的78.421%，表明这两个因子反映了原始数据提供的大部分信息。因此，这两个因子即为主成分分析中提取的公因子。表12 因子特征值和方差贡献率因子旋转前的初始因子旋转后提取的主因子特征值贡献率累计贡献率特征值贡献率累计贡献率1（F1）3.89448.67%48.67%3.26440.80%40.80%2（F2）2.3829.75%78.42%3.0137.62%78.42%旋转后的因子载荷表可以提高因子对实际问题的分析和解释能力，因此采用最大正交旋转法对因子矩阵进行旋转，得到表13所示的载荷矩阵。依据此矩阵，任一变量在某公共因子上的载荷量较大，则将其归入该公共因子。公共因子F1在引进国外技术经费支出、引进技术的消化吸收经费支出、购买国内技术经费支出技术改造经费支出这些指标上载荷值较大，主要反应了企业从外引进技术的支出，因此命名为协同创新吸收因子。公共因子F2在R&D人员合计、对境内高等学校支出、对境内研究机构支出、对境内高等学校支出、对境外支出、这些指标上载荷值较大，主要反应了企业与外界合作交流的倾向，因此命名为协同创新知识溢出因子。表13 旋转后的因子载荷矩阵和因子得分系数矩阵指标因子载荷矩阵因子得分矩阵F1F2F1F2X10.4460.8470.0770.262X20.1720.946-0.020.319X30.9370.2260.2860.004X4-0.1730.829-0.1230.306X50.0790.789-0.0380.271X60.934-0.1110.312-0.114X70.7270.0960.228-0.025X80.8490.1280.266-0.023为了判断各指标对公共因子的重要程度并进行协同创新能力的综合评价，我们利用回归法得到如表13所示的因子得分矩阵。依据因子得分矩阵以及数据中的指标值，可以计算出F1,F2的值。根据旋转后公因子的方差贡献率确定2个公因子的权重，从而测算出协同创新能力（F）。计算公式如下：F1=0.077X1-0.020X2+0.286X3-0.123X4-0.038X5+0.312X6+0.228X7+0.266X8F2=0.262X1+0.319X2+0.004X3+0.306X4+0.271X5-0.114X6-0.025X7-0.023X8F=0.40797F1+0.37624F2根据以上步骤，得出x省2014年13个市公因子排名（表14）以及协同创新能力排名。表14 2014年x省各市公因子排名地级市F1排名F2排名南京-0.89366131.894792无锡-0.280867-0.335527徐州0.036116-0.430839常州0.2395752-0.293795苏州-0.515910-0.300676南通-0.396448-0.365428连云港0.21397142.4964721淮安0.0986815-0.5365610盐城0.2207053-0.135194扬州-0.506689-0.5621811镇江-0.5552911-0.643412泰州3.0716931-0.074153宿迁-0.731912-0.7135513表14可以看出，2014年协同创新知识溢出因子排名较高的是连云港、南京和泰州，表明这些地区企业与外界合作研究的能力较强。协同创新吸收因子排名较高的是泰州、常州、和盐城，表明这些地区医药企业从外引进技术消化吸收的能力较强。其他年份公因子和协同创新能力测算方法与上述相同，篇幅所限公因子得分和排名未列出。通过主成份分析，最终形成2013-2015年的协同创新能力排名（表15）。表15 2013-2015年x省各市医药制造业协同创新能力及排名地级市2013排名2014排名2015排名南京-0.1192660.34830830.2137334无锡-0.056645-0.240828-0.050987徐州-0.176517-0.1473660.005446常州0.8158122-0.012850.6061683苏州-