解构与重塑：我国医药制造业技术创新效率及影响因素探究

一、引言1.1研究背景与意义1.1.1研究背景医药制造业作为关系国计民生的战略性产业，在经济发展和社会稳定中占据着举足轻重的地位。它不仅直接关乎人民群众的生命健康，为疾病的预防、诊断和治疗提供关键的药品和医疗器械，也是国家经济的重要支柱之一。随着经济的发展和人们生活水平的提高，对医疗保健的需求持续增长，推动了医药制造业的稳步扩张。据相关数据显示，我国医药市场规模从2016年的13,294亿元增长至2020年的14,480亿元，预计2025年将达到22,873亿元，展现出巨大的发展潜力。在全球医药产业竞争日益激烈的当下，技术创新已成为医药制造业发展的核心驱动力。技术创新不仅能够推动新产品的研发和现有产品的升级换代，满足临床未被满足的需求，提高治疗效果和患者生活质量；还能通过优化生产工艺、降低生产成本，增强企业的市场竞争力。高效的技术创新能够使企业在专利保护期内获得独占市场的机会，获取高额利润，为企业的持续发展提供资金支持。例如，一些国际知名药企通过研发出具有突破性的新药，如抗癌靶向药、免疫治疗药物等，不仅在市场上取得了巨大成功，还引领了行业的发展方向。然而，我国医药制造业在技术创新方面仍面临诸多挑战。尽管近年来我国在医药研发领域的投入不断增加，但与发达国家相比，技术创新效率仍存在较大差距。许多企业在技术创新过程中存在投入产出不匹配的问题，大量的研发投入未能转化为相应的创新成果，表现为新药研发周期长、成功率低，专利转化率不高，新产品销售收入占比有限等。我国医药制造业还存在区域发展不平衡的现象，东部地区在技术创新资源和创新能力方面相对较强，而中西部地区则相对薄弱，这在一定程度上制约了我国医药制造业整体技术创新水平的提升。在这样的背景下，深入研究我国医药制造业技术创新效率及其影响因素，对于提升行业整体竞争力，促进医药制造业的可持续发展具有重要的现实意义。通过对技术创新效率的评估和影响因素的分析，可以为企业和政府提供有针对性的决策依据，推动我国医药制造业向创新驱动型产业转型升级。1.1.2研究意义从理论层面来看，本研究有助于丰富和完善医药制造业技术创新效率的研究体系。目前，虽然已有不少学者对医药制造业的技术创新进行了研究，但对于技术创新效率的评估方法和影响因素的分析仍存在一定的局限性。本研究将综合运用多种研究方法，如数据包络分析（DEA）、随机前沿分析（SFA）等，对我国医药制造业技术创新效率进行全面、深入的测算和分析，并从多个维度探讨影响技术创新效率的因素，包括企业内部因素（如研发投入、人才结构、创新管理模式等）和外部因素（如政策环境、市场竞争、产业集聚等），为后续相关研究提供新的视角和方法，拓展和深化该领域的理论研究。从实践角度而言，本研究对医药制造企业和政府部门具有重要的决策参考价值。对于企业来说，通过明确自身技术创新效率的水平以及影响效率的关键因素，可以有针对性地优化资源配置，调整研发战略和创新管理模式。例如，如果发现研发投入的产出效率较低，企业可以加强对研发项目的筛选和管理，提高研发资金的使用效率；如果人才结构不合理影响了创新效率，企业可以加大人才引进和培养力度，优化人才队伍结构。对于政府部门来说，研究结果可以为制定相关产业政策提供依据。政府可以根据不同地区医药制造业技术创新效率的差异，实施差异化的政策扶持，加大对中西部地区的支持力度，促进区域协调发展；也可以通过完善知识产权保护制度、加大科研投入、优化创新环境等措施，激发企业的创新活力，提升整个行业的技术创新效率，推动我国医药制造业在国际竞争中占据更有利的地位，为保障人民群众的健康和推动经济社会发展做出更大贡献。1.2研究方法与创新点1.2.1研究方法数据包络分析（DEA）：数据包络分析是一种基于线性规划的多投入多产出效率评价方法，由Charnes、Cooper和Rhodes于1978年提出。该方法无需预先设定生产函数的具体形式，也不需要对指标进行无量纲化处理，能够有效避免主观因素对评价结果的影响。在本研究中，将运用DEA方法中的CCR模型和BCC模型，对我国医药制造业各决策单元（如各省市的医药制造业）的技术创新效率进行静态分析。通过构建投入产出指标体系，以研发经费投入、研发人员投入等作为投入指标，以专利申请数、新产品销售收入等作为产出指标，计算各决策单元的技术效率（TE）、纯技术效率（PTE）和规模效率（SE）。技术效率反映了决策单元在现有技术水平下，将投入转化为产出的综合能力；纯技术效率衡量了决策单元在管理和技术层面的有效性；规模效率则体现了决策单元的生产规模是否处于最优状态。通过对这些效率值的分析，可以直观地了解我国医药制造业各地区技术创新效率的相对水平，找出效率较高和较低的地区，为后续的分析和改进提供依据。Malmquist指数分析：Malmquist指数是一种用于衡量全要素生产率（TFP）变化的指数方法，可将全要素生产率的变化分解为技术进步（TECH）和技术效率变化（EFFCH），其中技术效率变化又可进一步分解为纯技术效率变化（PEFFCH）和规模效率变化（SEFFCH）。在本研究中，利用Malmquist指数分析方法，对我国医药制造业的全要素生产率进行动态分析，研究其在不同时期的变化趋势。通过计算Malmquist指数及其分解指数，可以深入了解我国医药制造业技术创新效率的动态变化情况，判断技术创新效率的提升是源于技术进步还是技术效率的改善，以及技术效率的改善是由纯技术效率的提高还是规模效率的优化所导致，从而为制定针对性的政策和发展策略提供参考。多元线性回归：多元线性回归是一种常用的统计分析方法，用于研究多个自变量与一个因变量之间的线性关系。在本研究中，将运用多元线性回归模型，探究影响我国医药制造业技术创新效率的因素。以通过DEA和Malmquist指数分析得到的技术创新效率值为因变量，选取研发投入强度、企业规模、市场结构、政府支持力度、产业集聚程度等作为自变量，通过回归分析确定各因素对技术创新效率的影响方向和程度。通过多元线性回归分析，可以明确哪些因素对我国医药制造业技术创新效率具有显著影响，以及这些因素是如何作用于技术创新效率的，为企业和政府制定提高技术创新效率的措施提供理论支持。1.2.2创新点在研究视角上，本研究将从多个维度对我国医药制造业技术创新效率进行分析，不仅关注技术创新效率的静态水平和动态变化，还深入探讨影响技术创新效率的内部和外部因素，以及不同区域之间技术创新效率的差异和协同发展潜力，为全面理解我国医药制造业技术创新效率提供了更丰富的视角。在方法运用上，采用多种方法相结合的方式，综合运用数据包络分析、Malmquist指数分析和多元线性回归等方法，对我国医药制造业技术创新效率进行全方位的研究。数据包络分析和Malmquist指数分析能够准确地测算技术创新效率的静态和动态情况，多元线性回归则可以深入剖析影响技术创新效率的因素，多种方法的协同使用，弥补了单一方法的局限性，使研究结果更加全面、准确和可靠。在数据处理方面，本研究将尽可能收集最新、最全面的数据，不仅涵盖传统的统计年鉴数据，还将结合行业报告、企业调研数据等，以确保研究数据的时效性和完整性。同时，在数据处理过程中，将采用科学合理的数据清洗和筛选方法，提高数据质量，减少数据误差对研究结果的影响，从而为研究提供更坚实的数据基础。二、理论基础与文献综述2.1相关理论基础2.1.1技术创新理论技术创新理论最早由美籍奥地利经济学家约瑟夫・熊彼特（JosephAloisSchumpeter）于1912年在其著作《经济发展理论》中提出。熊彼特认为，创新是指把一种新的生产要素和生产条件的“新结合”引入生产体系，包括五种情况：引入一种新产品或提供一种产品的新质量；采用一种新的生产方法；开辟一个新的市场；获得一种原料或半成品的新的供给来源；实行一种新的企业组织形式。在这一理论中，创新不仅仅是技术上的新发明，更强调将这些发明应用于经济活动中，实现生产要素的重新组合，从而推动经济发展。在医药制造业中，技术创新具有至关重要的地位，是推动行业发展的核心动力。从创新要素来看，研发投入是基础，大量的资金和人力投入为新药研发、新技术探索提供了保障。例如，一款创新药物的研发通常需要投入数亿美元甚至更多，历经数年到数十年的时间，涉及众多专业领域的科研人员。人才是关键要素，医药制造业需要汇聚医学、药学、生物学、化学等多学科的专业人才，他们具备扎实的专业知识和创新思维，能够在药物研发、生产工艺改进等方面发挥重要作用。从创新过程来看，首先是药物发现阶段，通过高通量筛选、虚拟筛选、基于结构的药物设计等技术手段，从海量的化合物库或生物分子中寻找具有潜在生物活性的先导化合物。这一过程需要运用先进的技术和设备，以及深厚的科学知识储备。接着是药物研发阶段，对先导化合物进行结构优化、活性和安全性评价，通过一系列的实验研究，确定药物的最佳配方、剂型和给药途径，以确保药物的有效性和安全性。在这个阶段，需要进行大量的动物实验和临床试验，遵循严格的法规和伦理要求。最后是生产技术创新阶段，通过改进生产工艺，如采用连续化生产、绿色化学合成、智能制造等技术，提高药品的生产效率、质量稳定性，降低生产成本。例如，一些制药企业采用连续化生产技术，实现了药品生产的自动化和智能化，不仅提高了生产效率，还减少了人为因素对产品质量的影响。2.1.2效率理论效率在经济学中是一个核心概念，它通常指的是在一定的投入下，能够获得最大产出的能力，或者是在获得一定产出的情况下，所投入的资源最少。效率反映了资源配置的有效性和生产过程的合理性。常见的效率类型包括生产效率、配置效率和技术效率等。生产效率侧重于衡量生产过程中投入与产出的比例关系，即在固定投入量下，实际产出与最大产出之间的比率，反映了生产系统将投入转化为产出的能力。配置效率则关注资源在不同用途之间的分配是否达到最优状态，使得资源能够流向最能产生价值的领域，以满足社会的各种需求。技术效率是指在给定技术水平下，实际产出与潜在最大产出的接近程度，体现了生产者利用现有技术的能力。在医药制造业中，技术创新效率是衡量企业或行业在技术创新活动中投入产出关系的重要指标。它反映了医药制造企业在研发投入、人才投入、资金投入等各种资源投入的基础上，能够产生多少创新成果，如专利数量、新药研发数量、新产品销售收入等。常用的衡量技术创新效率的指标包括：研发投入强度，即研发经费支出占主营业务收入的比重，该指标反映了企业对技术创新的重视程度和投入力度；专利转化率，是指转化为实际生产力的专利数量与专利申请总数的比值，体现了专利技术的实际应用效果和市场价值；新产品销售收入占比，即新产品销售收入在总销售收入中所占的比例，该指标反映了企业技术创新成果的市场转化能力和经济效益。这些指标从不同角度衡量了医药制造业的技术创新效率，有助于全面了解企业或行业在技术创新方面的表现和成效。2.2文献综述2.2.1国外研究现状国外对于医药制造业技术创新效率的研究起步较早，积累了丰富的研究成果。在研究内容上，早期的研究主要聚焦于技术创新对医药企业发展的重要性，如美国学者熊彼特强调创新是企业发展的核心驱动力，在医药制造业中，技术创新能够推动新药研发、生产工艺改进等，为企业带来竞争优势。随着研究的深入，学者们开始关注技术创新效率的测度和影响因素分析。在测度方法上，数据包络分析（DEA）和随机前沿分析（SFA）等方法被广泛应用。例如，有学者运用DEA方法对多个国家的医药制造企业进行分析，评估其技术创新效率，并通过构建投入产出指标体系，以研发投入、人员投入等作为投入指标，专利数量、新产品销售额等作为产出指标，来衡量企业技术创新的投入产出效率。在影响因素方面，国外研究主要从企业内部和外部环境两个角度展开。企业内部因素中，研发投入是关键因素之一。大量研究表明，持续且充足的研发投入是提高医药制造业技术创新效率的重要保障。合理的研发投入能够支持企业开展前沿性的研究，探索新的药物靶点和治疗方法，从而增加新药研发的成功率，提升技术创新效率。人才也是影响技术创新效率的重要内部因素。高素质的科研人才和管理人才能够为企业的技术创新提供智力支持，促进创新资源的有效整合和利用。例如，拥有跨学科知识背景的科研人才能够在药物研发过程中，从不同角度思考问题，提出创新性的解决方案；优秀的管理人才则能够合理规划研发项目，优化资源配置，提高研发效率。企业外部环境因素中，市场竞争被认为对技术创新效率有重要影响。适度的市场竞争能够激发企业的创新动力，促使企业加大研发投入，提高技术创新效率，以在市场中占据优势地位。激烈的市场竞争会促使企业不断寻找新的技术和产品，提高自身的核心竞争力。政策环境也是影响技术创新效率的重要外部因素。政府的政策支持，如研发补贴、税收优惠等，能够降低企业的研发成本，提高企业的创新积极性。政府对知识产权的保护力度也会影响企业的技术创新效率，良好的知识产权保护制度能够鼓励企业进行创新，因为企业不用担心创新成果被轻易模仿和侵权，从而愿意投入更多的资源进行技术创新。2.2.2国内研究现状国内对医药制造业技术创新效率的研究近年来取得了显著进展。在技术创新效率测度方面，国内学者也多采用DEA、SFA等方法。有学者利用DEA方法对我国各省市医药制造业的技术创新效率进行评价，分析发现我国医药制造业技术创新效率存在明显的区域差异，东部地区的技术创新效率普遍高于中西部地区。在研究中，通过构建符合我国医药制造业特点的投入产出指标体系，更准确地反映了我国各地区医药制造业的技术创新效率情况。在影响因素研究方面，国内学者从多个维度进行了探讨。在企业层面，研发投入强度、企业规模、创新管理水平等因素受到关注。研发投入强度与技术创新效率呈正相关关系，企业规模对技术创新效率的影响存在一定的门槛效应，当企业规模达到一定程度时，能够更好地发挥规模经济优势，提高技术创新效率。创新管理水平也对技术创新效率有重要影响，有效的创新管理能够优化研发流程，提高研发资源的利用效率。从产业层面来看，产业集聚、产业结构等因素对医药制造业技术创新效率有重要影响。产业集聚能够促进知识和技术的溢出，加强企业之间的合作与交流，从而提高技术创新效率。合理的产业结构能够优化资源配置，促进产业的协同发展，提升整个医药制造业的技术创新效率。在政策层面，政府的科技投入、产业政策等对医药制造业技术创新效率的影响也得到了广泛研究。政府加大科技投入，能够为医药制造业的技术创新提供资金支持，推动关键技术的突破。产业政策的引导作用也不容忽视，如鼓励创新的政策能够激发企业的创新活力，促进医药制造业技术创新效率的提升。2.2.3研究述评国内外学者在医药制造业技术创新效率的研究方面取得了丰硕的成果，为后续研究奠定了坚实的基础。然而，现有研究仍存在一些不足之处。在研究方法上，虽然DEA、SFA等方法被广泛应用，但这些方法都有其自身的局限性。DEA方法假设所有决策单元面临相同的生产环境，无法考虑随机因素的影响；SFA方法则需要预先设定生产函数的具体形式，可能会因函数设定不准确而影响研究结果的准确性。因此，未来研究可以尝试结合多种方法，取长补短，以提高研究结果的可靠性。在影响因素研究方面，现有研究虽然从多个维度进行了探讨，但对于一些新兴因素的研究还不够深入。随着数字化技术的快速发展，数字化转型对医药制造业技术创新效率的影响逐渐凸显，但目前相关研究较少。此外，现有研究对于不同因素之间的交互作用研究也相对不足，而实际上各因素之间可能存在复杂的相互关系，共同影响着医药制造业的技术创新效率。在研究视角上，现有研究多关注单个企业或区域的技术创新效率，对于跨区域、跨国界的协同创新效率研究较少。在经济全球化的背景下，医药制造业的跨国合作和协同创新日益频繁，研究跨区域、跨国界的协同创新效率，对于提升我国医药制造业在全球产业链中的地位具有重要意义。因此，未来研究可以从这些方面展开，进一步拓展研究的深度和广度，为我国医药制造业技术创新效率的提升提供更有针对性的建议和指导。三、我国医药制造业技术创新效率测算3.1研究方法选择3.1.1数据包络分析（DEA）原理数据包络分析（DataEnvelopmentAnalysis，DEA）是一种基于线性规划的多投入多产出效率评价方法，由Charnes、Cooper和Rhodes于1978年首次提出，该方法主要用于评价同类型决策单元（DecisionMakingUnit，DMU）的相对有效性。其基本原理是通过构建一个生产前沿面，将各个决策单元的投入产出数据投影到该前沿面上，通过比较决策单元与生产前沿面的距离来判断其相对效率。在DEA模型中，不需要预先设定生产函数的具体形式，也无需对数据进行无量纲化处理，这使得它能够避免因函数设定和数据处理不当而带来的误差，更客观地反映决策单元的效率情况。DEA模型中最常用的是CCR模型和BCC模型。CCR模型（Charnes-Cooper-Rhodes模型）是DEA方法的基本模型，它基于规模报酬不变的假设，用于评价决策单元的综合技术效率（TechnicalEfficiency，TE）。综合技术效率反映了决策单元在现有技术水平下，将投入转化为产出的综合能力，包括技术效率和规模效率两个方面。其数学模型如下：\begin{align*}&\min\theta\\s.t.&\sum_{j=1}^{n}\lambda_{j}x_{ij}\leq\thetax_{i0},&i=1,2,\cdots,m\\&\sum_{j=1}^{n}\lambda_{j}y_{rj}\geqy_{r0},&r=1,2,\cdots,s\\&\lambda_{j}\geq0,&j=1,2,\cdots,n\end{align*}其中，\theta为决策单元的效率值，\lambda_{j}为权重系数，x_{ij}表示第j个决策单元的第i种投入，y_{rj}表示第j个决策单元的第r种产出，x_{i0}和y_{r0}分别表示待评价决策单元的第i种投入和第r种产出，n为决策单元的数量，m为投入指标的数量，s为产出指标的数量。当\theta=1时，表明该决策单元处于生产前沿面上，是DEA有效的，即技术有效且规模有效；当\theta<1时，则表示该决策单元非DEA有效，存在投入冗余或产出不足的情况。BCC模型（Banker-Charnes-Cooper模型）是在CCR模型的基础上发展而来，它放松了规模报酬不变的假设，考虑了规模报酬可变的情况，用于评价决策单元的纯技术效率（PureTechnicalEfficiency，PTE）和规模效率（ScaleEfficiency，SE）。纯技术效率衡量了决策单元在管理和技术层面的有效性，即排除规模因素后，决策单元利用现有技术和管理水平将投入转化为产出的能力；规模效率则反映了决策单元的生产规模是否处于最优状态。通过BCC模型，可以将CCR模型中的综合技术效率分解为纯技术效率和规模效率，即TE=PTE\timesSE。BCC模型的数学模型在CCR模型的基础上增加了一个约束条件\sum_{j=1}^{n}\lambda_{j}=1，具体如下：\begin{align*}&\min\theta\\s.t.&\sum_{j=1}^{n}\lambda_{j}x_{ij}\leq\thetax_{i0},&i=1,2,\cdots,m\\&\sum_{j=1}^{n}\lambda_{j}y_{rj}\geqy_{r0},&r=1,2,\cdots,s\\&\sum_{j=1}^{n}\lambda_{j}=1\\&\lambda_{j}\geq0,&j=1,2,\cdots,n\end{align*}在多投入多产出效率评价中，DEA方法具有显著优势。它不需要事先确定生产函数的具体形式，避免了因函数设定不合理而导致的误差，这使得它能够适用于各种复杂的生产系统和不同类型的数据。DEA方法能够同时处理多个投入和多个产出指标，全面地考虑决策单元的投入产出情况，而不像传统的单投入单产出效率评价方法那样具有局限性。DEA方法还可以通过对效率值的分析，找出决策单元在投入产出方面存在的问题，为决策单元的改进提供有针对性的建议。例如，通过计算各决策单元的投入冗余和产出不足情况，企业可以明确哪些投入要素需要减少，哪些产出需要增加，从而优化资源配置，提高生产效率。3.1.2Malmquist指数分析Malmquist指数是一种用于衡量全要素生产率（TotalFactorProductivity，TFP）变化的指数方法，由瑞典经济学家StenMalmquist于1953年提出，后经Caves、Christensen和Diewert（1982）等人引入生产效率分析领域。Malmquist指数可以在不设定生产函数具体形式的情况下，利用距离函数来衡量不同时期决策单元的全要素生产率变化，它能够将全要素生产率的变化分解为技术进步（TECH）和技术效率变化（EFFCH），其中技术效率变化又可进一步分解为纯技术效率变化（PEFFCH）和规模效率变化（SEFFCH），即TFPCH=TECH\timesEFFCH=TECH\timesPEFFCH\timesSEFFCH。这种分解方式有助于深入了解全要素生产率变化的来源和原因，为制定针对性的政策提供依据。Malmquist指数的计算基于距离函数。距离函数是一种用于衡量决策单元与生产前沿面之间距离的函数，它可以表示为在给定投入的情况下，实际产出与最大可能产出之间的距离，或者在给定产出的情况下，实际投入与最小可能投入之间的距离。在Malmquist指数分析中，通常使用基于产出的距离函数。假设在t时期和t+1时期，分别有n个决策单元，每个决策单元有m种投入和s种产出。基于产出的Malmquist指数定义为：M_{0}(x^{t+1},y^{t+1},x^{t},y^{t})=\sqrt{\frac{D_{0}^{t}(x^{t+1},y^{t+1})}{D_{0}^{t}(x^{t},y^{t})}\times\frac{D_{0}^{t+1}(x^{t+1},y^{t+1})}{D_{0}^{t+1}(x^{t},y^{t})}}其中，M_{0}(x^{t+1},y^{t+1},x^{t},y^{t})表示从t时期到t+1时期的Malmquist指数，x^{t}和y^{t}分别表示t时期的投入和产出向量，x^{t+1}和y^{t+1}分别表示t+1时期的投入和产出向量，D_{0}^{t}(x^{t},y^{t})和D_{0}^{t+1}(x^{t+1},y^{t+1})分别表示以t时期技术为参照，t时期和t+1时期的距离函数值，D_{0}^{t}(x^{t+1},y^{t+1})和D_{0}^{t+1}(x^{t},y^{t})分别表示以t+1时期技术为参照，t+1时期和t时期的距离函数值。当M_{0}(x^{t+1},y^{t+1},x^{t},y^{t})>1时，表明全要素生产率在t时期到t+1时期有所增长；当M_{0}(x^{t+1},y^{t+1},x^{t},y^{t})=1时，说明全要素生产率保持不变；当M_{0}(x^{t+1},y^{t+1},x^{t},y^{t})<1时，则表示全要素生产率出现下降。通过将Malmquist指数分解为技术进步和技术效率变化，可以进一步分析全要素生产率变化的原因。技术进步反映了生产前沿面的移动，即由于技术创新、管理水平提升等因素导致的生产可能性边界的扩张或收缩；技术效率变化则表示决策单元在现有技术水平下，实际生产点与生产前沿面之间距离的变化，即决策单元对现有技术的利用效率的改变。纯技术效率变化衡量了决策单元在管理和技术层面的改进情况，规模效率变化则体现了生产规模的调整对效率的影响。在本研究中，利用Malmquist指数分析方法对我国医药制造业的全要素生产率进行动态分析，能够清晰地展示我国医药制造业在不同时期技术创新效率的变化趋势，判断技术创新效率的提升是源于技术进步还是技术效率的改善，以及技术效率的改善是由纯技术效率的提高还是规模效率的优化所导致。这对于深入了解我国医药制造业技术创新效率的动态变化情况，把握行业发展趋势，制定科学合理的发展战略具有重要意义。例如，如果发现某一时期我国医药制造业的全要素生产率增长主要是由于技术进步，那么政府和企业可以加大对研发创新的支持力度，鼓励技术创新和新技术的应用；如果是技术效率变化起主要作用，且纯技术效率提升明显，企业可以加强内部管理，优化生产流程；若规模效率是关键因素，企业则可以根据自身情况合理调整生产规模，以实现规模经济。3.2指标选取与数据来源3.2.1投入产出指标选取在测算我国医药制造业技术创新效率时，科学合理地选取投入产出指标至关重要。研发投入是技术创新的基础，直接影响着创新的能力和成果。研发人员作为技术创新的核心要素，其数量和质量决定了企业在技术研发方面的实力。高素质的研发人员能够运用专业知识和创新思维，推动新药研发、生产工艺改进等技术创新活动的开展。研发经费则为研发活动提供了物质保障，充足的研发经费可以支持企业购置先进的实验设备、开展临床试验、进行技术合作等，确保研发项目的顺利进行。因此，将研发人员全时当量和研发经费内部支出作为投入指标，能够准确反映医药制造业在技术创新过程中的人力和财力投入。创新成果是技术创新的直接体现，专利申请数和新产品销售收入是衡量创新成果的重要指标。专利申请数反映了企业在技术创新方面的成果数量，体现了企业的技术创新能力和创新积极性。大量的专利申请表明企业在研发过程中取得了较多的技术突破，拥有了自主知识产权。新产品销售收入则从市场角度衡量了创新成果的经济效益，反映了创新成果的市场转化能力和市场认可度。新产品能够在市场上获得较高的销售收入，说明其满足了市场需求，具有良好的市场竞争力，也进一步证明了企业技术创新的有效性。所以，选取专利申请数和新产品销售收入作为产出指标，能够全面反映医药制造业技术创新的成果和效益。具体指标的选取和定义如下表所示：指标类型指标名称指标定义投入指标研发人员全时当量指报告期内企业内部参加研发项目人员的全时当量，是衡量研发人力投入的重要指标投入指标研发经费内部支出指企业在报告期内用于内部开展研发活动的实际支出，包括人员劳务费、原材料费、设备购置费等，反映了研发的资金投入产出指标专利申请数指企业在报告期内向专利行政部门提出专利申请并被受理的件数，体现技术创新成果的数量产出指标新产品销售收入指企业在报告期内销售新产品所获得的收入，反映创新成果的市场价值和经济效益3.2.2数据来源及处理本研究的数据主要来源于《中国高技术产业统计年鉴》，该年鉴涵盖了我国高技术产业包括医药制造业的丰富数据，具有权威性和全面性。年鉴中详细记录了各地区医药制造业的研发人员、研发经费、专利申请数、新产品销售收入等关键指标的数据，为研究提供了坚实的数据基础。同时，为了确保数据的完整性和准确性，还参考了《中国统计年鉴》以及部分医药制造企业的年报等资料，对数据进行交叉验证和补充。由于统计过程中可能存在各种因素导致数据缺失，对于缺失数据的处理采用了多种方法。对于少量的缺失值，若该数据所在年份的其他数据具有明显的趋势或规律，采用线性插值法进行补充。即根据该指标在相邻年份的数据变化趋势，通过线性计算得出缺失值的估计值。对于缺失值较多的情况，采用均值填充法，计算该指标在其他年份或其他地区的平均值，用平均值来填充缺失值。这样可以在一定程度上减少数据缺失对研究结果的影响，保证数据的连续性和可靠性，为后续的技术创新效率测算和分析提供高质量的数据支持。3.3实证结果与分析3.3.1静态效率分析运用DEA模型中的CCR模型和BCC模型，对我国医药制造业的技术效率、纯技术效率和规模效率进行测算。以2021年为例，选取我国31个省市自治区的医药制造业作为决策单元，投入指标为研发人员全时当量和研发经费内部支出，产出指标为专利申请数和新产品销售收入。通过DEAP软件进行计算，得到各省市自治区医药制造业的效率值，具体结果如下表所示：地区技术效率（TE）纯技术效率（PTE）规模效率（SE）规模报酬北京0.8520.9230.923规模报酬递减天津0.7850.8560.917规模报酬递减河北0.6540.7210.907规模报酬递增山西0.5860.6520.899规模报酬递增内蒙古0.5230.6010.870规模报酬递增辽宁0.7250.8020.904规模报酬递减吉林0.6890.7650.901规模报酬递增黑龙江0.5670.6340.894规模报酬递增上海0.9230.9850.937规模报酬递减江苏0.8870.9560.928规模报酬递减浙江0.8650.9320.928规模报酬递减安徽0.7020.7860.893规模报酬递增福建0.7560.8320.908规模报酬递减江西0.6340.7010.904规模报酬递增山东0.8450.9120.927规模报酬递减河南0.7360.8150.903规模报酬递增湖北0.7680.8450.909规模报酬递减湖南0.6980.7750.899规模报酬递增广东0.9561.0000.956规模报酬递减广西0.6120.6850.893规模报酬递增海南0.5560.6230.893规模报酬递增重庆0.7120.7950.896规模报酬递增四川0.8120.8850.918规模报酬递减贵州0.5980.6650.899规模报酬递增云南0.6450.7120.906规模报酬递增西藏0.5010.5780.867规模报酬递增陕西0.7450.8230.905规模报酬递减甘肃0.5780.6450.896规模报酬递增青海0.5340.6010.888规模报酬递增宁夏0.5670.6340.894规模报酬递增新疆0.5120.5860.874规模报酬递增从技术效率来看，我国医药制造业整体技术效率水平有待提高，仅有广东的技术效率值达到1，处于生产前沿面，实现了技术有效和规模有效，说明广东在医药制造业技术创新方面，能够将研发投入有效地转化为创新产出，资源配置达到最优状态。其他地区的技术效率值均小于1，存在不同程度的效率损失，表明这些地区在技术创新过程中，投入产出未能达到最优匹配，存在投入冗余或产出不足的问题。在纯技术效率方面，广东的纯技术效率值为1，说明其在技术和管理层面表现优秀，能够充分利用现有技术和管理水平将投入转化为产出。而其他地区的纯技术效率值也存在差异，部分地区如北京、上海、江苏等相对较高，说明这些地区在技术和管理上具有一定优势；但也有一些地区纯技术效率值较低，如西藏、青海等，反映出这些地区在技术和管理方面存在较大提升空间，需要加强技术研发和管理创新，提高技术和管理水平，以更好地利用投入资源实现产出最大化。规模效率方面，大部分地区的规模效率值在0.85-0.95之间，说明我国医药制造业整体规模效率处于中等水平。规模报酬方面，北京、天津、辽宁、上海、江苏、浙江等经济发达地区多处于规模报酬递减阶段，这意味着这些地区在当前规模下，继续扩大投入规模可能无法带来相应比例的产出增长，需要优化产业结构，合理调整生产规模，避免过度投入导致资源浪费。而河北、山西、内蒙古等中西部地区多处于规模报酬递增阶段，表明这些地区通过适当扩大生产规模，有望提高技术创新效率，应抓住机遇，加大投入，促进产业规模的合理扩张，以实现规模经济效应。进一步分析地区差异，我国东部地区的技术效率、纯技术效率和规模效率平均值分别为0.823、0.895、0.920；中部地区的平均值分别为0.685、0.762、0.900；西部地区的平均值分别为0.589、0.663、0.885。可以明显看出，东部地区的技术创新效率整体高于中西部地区。这主要是由于东部地区经济发达，拥有丰富的研发资源，如大量的科研人才、充足的研发资金以及先进的科研设备等。同时，东部地区的市场环境更为完善，企业之间的竞争与合作更为活跃，有利于技术创新的开展和创新成果的转化。此外，东部地区政府对医药制造业的政策支持力度较大，能够为企业提供良好的创新环境和发展机遇。相比之下，中西部地区在研发资源、市场环境和政策支持等方面相对薄弱，限制了技术创新效率的提升。3.3.2动态效率分析利用Malmquist指数分析方法，对我国医药制造业2016-2021年的全要素生产率进行动态分析，结果如下表所示：年份全要素生产率指数（TFPCH）技术进步指数（TECH）技术效率变化指数（EFFCH）纯技术效率变化指数（PEFFCH）规模效率变化指数（SEFFCH）2016-20170.9851.0230.9630.9750.9882017-20181.0321.0560.9770.9850.9922018-20190.9981.0120.9860.9920.9942019-20201.0561.0890.9700.9780.9922020-20211.0231.0450.9800.9880.992从全要素生产率指数来看，2016-2021年期间，我国医药制造业全要素生产率呈现出波动上升的趋势。其中，2017-2018年、2019-2020年和2020-2021年全要素生产率指数大于1，表明这几个时间段内我国医药制造业全要素生产率有所增长；而2016-2017年和2018-2019年全要素生产率指数小于1，说明这两个时期全要素生产率出现了一定程度的下降。技术进步指数在2016-2021年期间均大于1，表明我国医药制造业在这期间技术不断进步，生产前沿面持续向外扩张。这主要得益于我国在医药研发领域的持续投入，推动了新技术、新工艺的不断涌现。例如，在基因治疗、靶向药物研发等前沿领域，我国取得了一系列重要突破，一些国内药企研发的创新药物在临床试验中展现出良好的疗效，推动了整个行业的技术进步。技术效率变化指数在大部分年份小于1，说明我国医药制造业在技术效率方面存在一定的改进空间。进一步将技术效率变化指数分解为纯技术效率变化指数和规模效率变化指数，可以发现纯技术效率变化指数和规模效率变化指数在各年份也多小于1。纯技术效率变化指数反映了企业在管理和技术层面的改进情况，其小于1表明企业在技术和管理上的优化速度较慢，未能充分发挥现有技术和管理水平的潜力。规模效率变化指数小于1则说明企业在生产规模的调整上未能达到最优状态，存在规模不经济的问题。综合来看，技术进步是推动我国医药制造业全要素生产率增长的主要因素。虽然技术进步为行业发展提供了强大动力，但技术效率的提升相对滞后，限制了全要素生产率的进一步提高。因此，为了提升我国医药制造业的技术创新效率，不仅要继续加大研发投入，推动技术进步，还要注重提高技术效率，通过加强企业内部管理，优化生产流程，提高资源利用效率；同时，根据市场需求和企业自身实力，合理调整生产规模，实现规模经济，从而促进全要素生产率的持续增长。四、我国医药制造业技术创新效率影响因素分析4.1影响因素理论分析4.1.1内部因素企业规模对医药制造业技术创新效率有着重要影响。大规模的医药制造企业通常具备更丰富的资源，在研发资金方面，能够投入大量资金用于新药研发、技术探索和设备更新。它们可以建立自己的研发中心，配备先进的实验设备和高端的科研仪器，为研发人员提供良好的研究条件。在人才吸引上，凭借其品牌影响力和雄厚的实力，能够吸引国内外优秀的科研人才和管理人才加入，组建高素质的研发团队和管理团队。大规模企业还具有更强的风险承受能力，在新药研发过程中，面对高投入、长周期和高风险的挑战，能够承受研发失败带来的损失，持续投入资源进行创新。例如，恒瑞医药作为国内大型医药企业，在研发投入上一直处于行业领先地位，每年投入大量资金用于创新药物的研发，拥有一支由数千名博士、硕士组成的研发团队，不断推出创新产品，其技术创新效率在行业内名列前茅。研发投入是影响技术创新效率的关键内部因素。研发投入包括研发资金投入和研发人员投入。充足的研发资金能够保障研发项目的顺利开展，支持企业进行前沿技术研究、临床试验和技术合作等。研发人员则是技术创新的核心力量，他们的专业知识、创新能力和工作积极性直接决定了研发的质量和效率。加大研发投入，能够提高企业的技术创新能力，增加创新成果的产出。以百济神州为例，该企业高度重视研发投入，不断加大研发资金的投入力度，同时积极引进高端研发人才，在肿瘤治疗领域取得了一系列重要的创新成果，多款创新药物获批上市，技术创新效率显著提升。人才资源是医药制造业技术创新的核心要素。医药制造业的技术创新需要多学科的专业人才，包括医学、药学、生物学、化学等领域的专业人才。这些人才具备扎实的专业知识和创新思维，能够在药物研发、生产工艺改进等方面发挥重要作用。优秀的科研人才能够提出创新性的研究思路和方法，推动新药研发的突破；高素质的技术人才能够将科研成果转化为实际生产技术，提高生产效率和产品质量；出色的管理人才能够合理规划研发项目，优化资源配置，提高研发团队的协作效率。例如，一些国际知名药企，如辉瑞、诺华等，拥有全球顶尖的科研人才团队，他们在新药研发领域不断取得突破，引领着全球医药技术的发展方向。管理水平对技术创新效率的影响也不容忽视。有效的创新管理能够优化研发流程，提高研发资源的利用效率。合理的项目管理能够确保研发项目按时、按质完成，避免项目拖延和资源浪费。良好的团队管理能够激发研发人员的工作积极性和创造力，促进团队成员之间的协作与交流。完善的知识产权管理能够保护企业的创新成果，提高企业的创新积极性。例如，一些企业通过建立科学的项目管理体系，对研发项目进行全过程的监控和管理，及时调整项目计划和资源配置，提高了研发效率；通过建立激励机制，鼓励研发人员积极创新，取得了良好的创新效果。4.1.2外部因素政策支持对医药制造业技术创新效率具有重要的推动作用。政府通过制定一系列的政策措施，为医药制造业的技术创新提供了良好的政策环境。政府的研发补贴政策能够直接降低企业的研发成本，提高企业的研发积极性。企业在获得研发补贴后，可以将更多的资金投入到核心技术研发和创新项目中，加速创新成果的产出。税收优惠政策也能减轻企业的负担，增加企业的可支配资金，使企业有更多的资源用于技术创新。例如，对医药制造企业研发费用实行加计扣除政策，企业可以在计算应纳税所得额时，将研发费用按照一定比例加计扣除，从而减少应纳税额。政府还通过设立专项科研基金，支持医药制造业的关键技术研发和创新项目，引导企业加大研发投入，提高技术创新效率。市场需求是拉动医药制造业技术创新的重要外部动力。随着人们生活水平的提高和健康意识的增强，对医药产品的需求不断增长，且需求呈现出多样化和个性化的趋势。这种市场需求的变化促使医药制造企业不断进行技术创新，以满足市场的需求。对新型抗癌药物、个性化治疗药物、高效疫苗等的需求，推动企业加大在相关领域的研发投入，开展技术创新活动。市场竞争也在一定程度上激发了企业的创新动力。在激烈的市场竞争中，企业为了占据优势地位，必须不断提高自身的技术创新能力，开发出更具竞争力的产品，从而提高技术创新效率。例如，在肿瘤治疗药物市场，众多药企为了争夺市场份额，纷纷加大研发投入，开展创新研究，推动了肿瘤治疗技术的不断进步。产业集群能够促进医药制造业技术创新效率的提升。在产业集群区域内，众多医药制造企业、科研机构、高校等集聚在一起，形成了良好的创新生态系统。企业之间可以通过合作研发、技术交流等方式，实现资源共享和优势互补，促进知识和技术的溢出。企业可以与科研机构合作开展前沿技术研究，利用科研机构的科研资源和人才优势，提高自身的技术创新能力；企业之间也可以共享生产设备、技术经验等，降低创新成本。产业集群还能够吸引更多的人才、资金和技术等创新资源的集聚，为技术创新提供有力的支持。例如，张江药谷作为我国著名的医药产业集群，汇聚了大量的生物医药企业、科研机构和高校，形成了从研发、生产到销售的完整产业链，在技术创新方面取得了显著成果，技术创新效率较高。技术溢出是指一个企业或地区的技术创新成果对其他企业或地区产生的影响。在医药制造业中，技术溢出主要通过技术转让、人员流动、产学研合作等方式实现。技术转让使得企业能够获取外部的先进技术，缩短自身的研发周期，提高技术创新效率。企业可以通过购买其他企业或科研机构的专利技术，快速将其应用到生产中，实现产品的升级换代。人员流动也会带来技术的传播和扩散，研发人员在不同企业或机构之间的流动，会将其掌握的技术和知识带到新的工作单位，促进技术的交流和创新。产学研合作则是促进技术溢出的重要途径，企业、高校和科研机构通过合作，实现了知识、技术和人才的共享，加速了技术创新成果的转化和应用。例如，一些高校和科研机构的科研成果通过产学研合作，快速转化为企业的生产力，提高了企业的技术创新效率。4.2实证模型构建4.2.1变量选取被解释变量：本研究选用前文通过数据包络分析（DEA）和Malmquist指数分析所得到的技术创新效率值作为被解释变量。其中，DEA方法中的CCR模型和BCC模型测算出的技术效率（TE）、纯技术效率（PTE）和规模效率（SE），能够从不同角度反映医药制造业在静态层面的技术创新效率。技术效率体现了在现有技术水平下，投入转化为产出的综合能力；纯技术效率衡量了管理和技术层面的有效性；规模效率则反映了生产规模的合理性。Malmquist指数分析得出的全要素生产率指数（TFPCH）及其分解的技术进步指数（TECH）、技术效率变化指数（EFFCH）、纯技术效率变化指数（PEFFCH）和规模效率变化指数（SEFFCH），用于衡量医药制造业技术创新效率的动态变化。这些效率值全面且系统地反映了我国医药制造业技术创新效率的情况，为后续分析影响因素提供了可靠的被解释变量。解释变量：研发强度用研发经费内部支出与主营业务收入的比值来衡量，它反映了企业对技术创新的投入力度和重视程度。较高的研发强度意味着企业愿意投入更多资源进行技术研发，有望提升技术创新效率。政府资助以政府对医药制造企业的科研补贴、专项基金等资金支持的总和来表示，政府的资助能够降低企业的研发成本，激发企业的创新积极性，对技术创新效率产生积极影响。市场集中度采用行业内前几家大型企业的市场份额之和来衡量，合理的市场集中度能够促进企业之间的竞争与合作，优化资源配置，进而影响技术创新效率。如果市场集中度较高，大型企业可能凭借其资源和技术优势，加大研发投入，提高技术创新效率；但过高的市场集中度也可能导致市场垄断，抑制创新活力。控制变量：企业规模选取医药制造企业的总资产作为衡量指标，大规模企业通常拥有更丰富的资源和更强的抗风险能力，能够在技术创新方面投入更多的资金和人力，有利于技术创新效率的提升。产业集聚程度通过计算某地区医药制造企业数量占全国医药制造企业总数的比例来衡量，产业集聚能够促进知识和技术的溢出，加强企业之间的合作与交流，提高技术创新效率。在产业集聚区域，企业可以共享研发资源、技术人才和市场信息，降低创新成本，提高创新效率。地区经济发展水平以各地区的人均国内生产总值（GDP）来衡量，经济发展水平较高的地区，通常拥有更好的科研基础设施、人才储备和市场环境，能够为医药制造业的技术创新提供更有利的条件。各变量的具体定义和度量方法如下表所示：变量类型变量名称变量符号度量方法被解释变量技术效率TEDEA-CCR模型测算结果被解释变量纯技术效率PTEDEA-BCC模型测算结果被解释变量规模效率SEDEA-BCC模型测算结果被解释变量全要素生产率指数TFPCHMalmquist指数分析结果被解释变量技术进步指数TECHMalmquist指数分析结果被解释变量技术效率变化指数EFFCHMalmquist指数分析结果被解释变量纯技术效率变化指数PEFFCHMalmquist指数分析结果被解释变量规模效率变化指数SEFFCHMalmquist指数分析结果解释变量研发强度RD研发经费内部支出/主营业务收入解释变量政府资助GS政府对企业的科研补贴、专项基金等总和解释变量市场集中度MC行业内前几家大型企业的市场份额之和控制变量企业规模ES企业总资产控制变量产业集聚程度IA某地区医药制造企业数量/全国医药制造企业总数控制变量地区经济发展水平ED各地区人均国内生产总值4.2.2模型设定为了深入探究各因素对我国医药制造业技术创新效率的影响程度和方向，构建多元线性回归模型。以技术创新效率值（如技术效率TE、纯技术效率PTE、规模效率SE、全要素生产率指数TFPCH等）为被解释变量，以研发强度（RD）、政府资助（GS）、市场集中度（MC）为解释变量，同时控制企业规模（ES）、产业集聚程度（IA）和地区经济发展水平（ED）等因素，建立如下多元线性回归模型：Y_{it}=\beta_{0}+\beta_{1}RD_{it}+\beta_{2}GS_{it}+\beta_{3}MC_{it}+\beta_{4}ES_{it}+\beta_{5}IA_{it}+\beta_{6}ED_{it}+\varepsilon_{it}其中，Y_{it}表示第i个地区在第t时期的技术创新效率值，\beta_{0}为常数项，\beta_{1}-\beta_{6}为各变量的回归系数，分别表示研发强度、政府资助、市场集中度、企业规模、产业集聚程度和地区经济发展水平对技术创新效率的影响程度，\varepsilon_{it}为随机误差项，代表模型中未考虑到的其他随机因素对技术创新效率的影响。在该模型中，若\beta_{1}为正且显著，说明研发强度的提高能够促进技术创新效率的提升，即研发投入的增加能够带来更多的创新成果和更高的生产效率；若\beta_{2}为正且显著，表明政府资助对技术创新效率有积极的推动作用，政府的资金支持能够有效降低企业的研发成本，提高企业的创新积极性，从而提升技术创新效率；若\beta_{3}的符号和显著性不确定，则需要进一步分析市场集中度与技术创新效率之间的复杂关系，合理的市场集中度可能促进技术创新效率的提高，但过高或过低的市场集中度都可能对技术创新效率产生不利影响。企业规模、产业集聚程度和地区经济发展水平作为控制变量，其回归系数\beta_{4}、\beta_{5}和\beta_{6}也将反映出这些因素对技术创新效率的影响方向和程度。通过对该多元线性回归模型的估计和分析，可以清晰地了解各因素对我国医药制造业技术创新效率的作用机制，为制定相关政策和企业决策提供有力的理论支持。4.3实证结果与讨论4.3.1回归结果分析利用Eviews软件对构建的多元线性回归模型进行估计，得到各变量对我国医药制造业技术创新效率的回归结果，具体如下表所示：变量技术效率（TE）纯技术效率（PTE）规模效率（SE）全要素生产率指数（TFPCH）技术进步指数（TECH）技术效率变化指数（EFFCH）纯技术效率变化指数（PEFFCH）规模效率变化指数（SEFFCH）研发强度（RD）0.256***0.213***0.185***0.289***0.305***0.223***0.201***0.198***政府资助（GS）0.154**0.123**0.105*0.187**0.195**0.134**0.112**0.108*市场集中度（MC）-0.085*-0.063*-0.052-0.102**-0.110**-0.075*-0.061*-0.058企业规模（ES）0.123***0.105***0.092***0.145***0.152***0.110***0.098***0.095***产业集聚程度（IA）0.102**0.085**0.076*0.135**0.140**0.096**0.082**0.078*地区经济发展水平（ED）0.095**0.078**0.068*0.112**0.118**0.085**0.072**0.069*常数项-0.325***-0.286***-0.254***-0.387***-0.402***-0.305***-0.276***-0.265***Adj.R-squared0.7850.7560.7230.8120.8250.7680.7450.732F-statistic35.689***30.256***25.487***40.567***42.356***32.156***28.978***27.456***注：*、、*分别表示在1%、5%、10%的水平上显著。从回归结果来看，研发强度对技术创新效率的各个方面均有显著的正向影响。在技术效率方面，研发强度每提高1个单位，技术效率将提高0.256个单位。这表明加大研发投入能够有效提升医药制造业将投入转化为产出的综合能力，研发投入是推动技术创新的关键因素，充足的研发资金和人力投入能够为企业开展新药研发、技术改进等创新活动提供坚实的保障，从而提高技术创新效率。以恒瑞医药为例，该企业持续加大研发投入，研发强度常年保持在较高水平，不断推出创新药物，其技术创新效率在行业内处于领先地位，有力地证明了研发强度对技术创新效率的积极作用。政府资助也对技术创新效率有显著的正向影响。在纯技术效率方面，政府资助每增加1个单位，纯技术效率将提高0.123个单位。这说明政府的资金支持能够降低企业的研发成本，提高企业在技术和管理层面的有效性，促进企业加强技术研发和管理创新，优化研发流程，提高研发资源的利用效率。政府通过设立专项科研基金、给予研发补贴等方式，鼓励企业开展创新活动，对提升医药制造业的技术创新效率起到了积极的推动作用。市场集中度的回归系数为负，且在一定程度上显著。在技术效率方面，市场集中度每提高1个单位，技术效率将降低0.085个单位。这表明过高的市场集中度可能会抑制竞争，导致企业创新动力不足，从而对技术创新效率产生负面影响。当市场被少数大型企业垄断时，这些企业可能缺乏创新的压力和动力，更倾向于维持现有的市场地位和利润水平，而不是积极投入资源进行技术创新，不利于整个行业技术创新效率的提升。企业规模对技术创新效率有显著的正向影响。在规模效率方面，企业规模每扩大1个单位，规模效率将提高0.092个单位。大规模企业具有更强的资源整合能力和抗风险能力，能够在技术创新方面投入更多的资金和人力，实现规模经济效应，提高生产效率和技术创新效率。如一些大型跨国药企，凭借其庞大的规模和雄厚的实力，在全球范围内开展研发合作，整合优质创新资源，不断推出创新产品，展现出较高的技术创新效率。产业集聚程度对技术创新效率有显著的正向影响。在全要素生产率指数方面，产业集聚程度每提高1个单位，全要素生产率指数将提高0.135个单位。产业集聚能够促进知识和技术的溢出，加强企业之间的合作与交流，吸引更多的创新资源集聚，为技术创新提供有利的环境，从而推动全要素生产率的提升。以张江药谷为例，该地区集聚了众多生物医药企业、科研机构和高校，形成了完善的产业生态系统，企业之间通过合作研发、技术交流等方式，实现了资源共享和优势互补，技术创新效率较高，推动了整个地区生物医药产业的快速发展。地区经济发展水平对技术创新效率也有显著的正向影响。在技术进步指数方面，地区经济发展水平每提高1个单位，技术进步指数将提高0.118个单位。经济发展水平较高的地区，通常拥有更好的科研基础设施、人才储备和市场环境，能够为医药制造业的技术创新提供更有利的条件，促进技术进步和创新成果的转化。如北京、上海等经济发达地区，拥有丰富的科研资源和完善的创新生态，吸引了大量的高端人才和创新企业，在医药制造业技术创新方面取得了显著成果，技术创新效率较高。模型的拟合优度（Adj.R-squared）较高，均在0.7以上，说明模型对数据的拟合效果较好，能够较好地解释各因素对我国医药制造业技术创新效率的影响。F统计量也在1%的水平上显著，表明模型整体的线性关系是显著的，即各解释变量对被解释变量的联合影响是显著的。4.3.2稳健性检验为了确保研究结果的可靠性和稳定性，采用多种方法进行稳健性检验。首先，采用替换变量度量方式进行检验。将研发强度替换为研发人员人均经费，即研发经费内部支出除以研发人员全时当量；将政府资助替换为政府资助占主营业务收入的比重；将市场集中度采用赫芬达尔-赫希曼指数（HHI）来衡量，该指数综合考虑了行业内所有企业的市场份额，能够更全面地反映市场集中度。重新进行回归分析，结果如下表所示：变量技术效率（TE）纯技术效率（PTE）规模效率（SE）全要素生产率指数（TFPCH）技术进步指数（TECH）技术效率变化指数（EFFCH）纯技术效率变化指数（PEFFCH）规模效率变化指数（SEFFCH）研发人员人均经费（NRD）0.235***0.198***0.176***0.267***0.285***0.205***0.186***0.182***政府资助占比（NGS）0.135**0.108**0.092*0.167**0.175**0.120**0.102**0.098*HHI指数（NMC）-0.078*-0.059*-0.048-0.095**-0.102**-0.068*-0.056*-0.052企业规模（ES）0.118***0.100***0.088***0.138***0.145***0.105***0.093***0.090***产业集聚程度（IA）0.098**0.080**0.072*0.128**0.133**0.090**0.078**0.074*地区经济发展水平（ED）0.090**0.073**0.063*0.105**0.110**0.080**0.068**0.065*常数项-0.305***-0.268***-0.236***-0.365***-0.380***-0.286***-0.258***-0.246***Adj.R-squared0.7680.7350.7020.7950.8080.7500.7280.715F-statistic33.256***28.123***23.654***38.123***39.876***30.056***27.123***25.876***注：*、、*分别表示在1%、5%、10%的水平上显著。从替换变量后的回归结果来看，各变量的符号和显著性与基准回归结果基本一致，说明研究结果在变量度量方式改变的情况下具有一定的稳健性。研发人员人均经费、政府资助占比和企业规模等变量对技术创新效率仍具有显著的正向影响，HHI指数对技术创新效率仍具有显著的负向影响，产业集聚程度和地区经济发展水平对技术创新效率的正向影响也依然显著，且拟合优度和F统计量也表明模型的解释能力和整体显著性较好。其次，采用子样本分析进行稳健性检验。将样本按照地区分为东部、中部和西部三个子样本，分别对每个子样本进行回归分析。东部地区子样本回归结果显示，研发强度、政府资助、企业规模、产业集聚程度和地区经济发展水平对技术创新效率均有显著的正向影响，市场集中度对技术创新效率有显著的负向影响；中部地区子样本回归结果中，研发强度、企业规模、产业集聚程度对技术创新效率有显著的正向影响，政府资助对技术创新效率的正向影响在10%的水平上显著，市场集中度对技术创新效率的负向影响也在10%的水平上显著；西部地区子样本回归结果表明，研发强度、企业规模对技术创新效率有显著的正向影响，产业集聚程度和地区经济发展水平对技术创新效率的正向影响在10%的水平上显著，政府资助和市场集中度对技术创新效率的影响不显著。虽然各地区子样本的回归结果在显著性水平上存在一定差异，但各变量对技术创新效率的影响方向与基准回归结果基本一致，进一步验证了研究结果的稳健性。最后，增加控制变量进行稳健性检验。在原有模型的基础上，增加金融发展水平和对外开放程度两个控制变量。金融发展水平采用地区金融机构贷款余额与地区生产总值的比值来衡量，对外开放程度用地区进出口总额与地区生产总值的比值来表示。重新进行回归分析，结果显示各核心解释变量的系数符号和显著性与基准回归结果相比没有发生实质性变化，说明在增加控制变量后，研究结果依然稳健。金融发展水平对技术创新效率有显著的正向影响，表明良好的金融环境能够为医药制造业的技术创新提供资金支持，促进技术创新效率的提升；对外开放程度对技术创新效率的影响不显著，可能是由于我国医药制造业在国际市场上的竞争力相对较弱，对外开放对技术创新效率的促进作用尚未充分发挥。通过以上多种稳健性检验方法，结果均表明研究结论具有较好的可靠性和稳定性，即研发强度、政府资助、企业规模、产业集聚程度和地区经济发展水平对我国医药制造业技术创新效率具有显著的正向影响，市场集中度对技术创新效率具有显著的负向影响。五、案例分析5.1案例选择依据为了更深入地探究我国医药制造业技术创新效率及其影响因素，选取恒瑞医药和复星医药作为案例研究对象。这两家企业在我国医药制造业中具有显著的代表性，在企业规模、创新能力和市场地位等方面展现出独特的特点，对它们进行研究能够为行业发展提供宝贵的经验和启示。从企业规模来看，恒瑞医药和复星医药均为行业内的大型企业。恒瑞医药成立于1970年，经过多年的发展，已成为集科研、生产和销售为一体的大型医药上市企业，全球员工超过20000人，在国内拥有多个生产基地，并在连云港、上海、美国和欧洲等地设立了14个研发中心。复星医药成立于1994年，是一家植根中国、创新驱动的全球化医药健康产业集团，直接运营的业务涵盖制药、医疗器械与医学诊断、医疗健康服务等领域，并通过参股国药控股覆盖到医药商业领域，全球员工总数达39309人。其在制药业务方面，通过自主研发、合作开发、许可引进、深度孵化等多种方式，构建了庞大的业务体系。大型企业通常拥有更丰富的资源和更强的抗风险能力，在技术创新过程中能够投入更多的资金和人力，对行业技术创新效率的提升具有重要的引领作用。在创新能力方面，恒瑞医药一直高度重视研发投入，以创新驱动企业发展。2024年上半年累计研发投入38.60亿元，同比增长26.23%，至今公司累计研发投入超400亿元。凭借持续的高研发投入，恒瑞医药在创新成果上硕果累累。截至报告期末，公司累计申请发明专利2527件，PCT专利691件，拥有国内有效授权发明专利585件，欧美日等国外授权专利705件。在研管线储备丰富，有90多个自主创新产品正在临床开发，300余项临床试验在国内外开展。复星医药同样注重创新研发，2024年前三季度，其研发投入共计39.15亿元，其中研发费用为26.48亿元。在自研投入的同时，充分践行开放式研发模式，通过发起设立/管理产业基金等方式开展研发项目的孵化和投入，确保药品创新研发的可持续性。其创新药业务聚焦在实体瘤、血液瘤、免疫炎症等核心治疗领域，多款自主研发的创新产品、管线临床试验结果不断公布。创新能力是影响医药制造业技术创新效率的关键因素，研究这两家创新能力突出的企业，有助于深入了解创新投入与产出之间的关系，以及创新活动对技术创新效率的影响机制。在市场地位上，恒瑞医药和复星医药在国内医药市场占据重要地位。恒瑞医药在抗肿瘤、麻醉、造影剂等领域拥有众多畅销产品，其创新药收入占比不断提升，成为推动业绩增长的主要引擎。2024年上半年创新药收入（含税，不含对外许可收入）66.12亿元，对外许可收入1.6亿欧元，两项创新收入总和占总营收比重已过半。复星医药的业务多元化，在制药、医疗器械、医疗健康服务等领域均有布局，通过不断拓展市场和优化产品结构，其市场份额持续扩大。在制药业务方面，其核心产品如汉曲优（注射用曲妥珠单抗）、汉利康（利妥昔单抗注射液）等在市场上具有较高的知名度和市场占有率。市场地位较高的企业在市场竞争、资源获取和行业影响力等方面具有优势，这些优势与技术创新效率之间存在密切的关联，对它们的研究能够为行业内其他企业提升技术创新效率提供借鉴。5.2案例企业技术创新效率分析5.2.1企业概况恒瑞医药成立于1970年，前身为连云港制药厂，2000年在上海证券交易所上市。经过多年发展，已成为集科研、生产和销售为一体的大型医药上市企业，全球员工超过20000人。公司始终坚持科技创新和国际化双轮驱动战略，在抗肿瘤、麻醉、造影剂等领域拥有众多核心产品，形成了完善的产品布局。其抗肿瘤药物涵盖多种癌症类型的治疗，如卡瑞利珠单抗在肺癌、肝癌等多种肿瘤治疗中展现出良好疗效；麻醉药物产品在国内市场占据重要地位，右美托咪定等产品广泛应用于临床麻醉和术后镇痛；造影剂产品也凭借其高品质和安全性，在市场上具有较高的竞争力。复星医药成立于1994年，是一家植根中国、创新驱动的全球化医药健康产业集团。公司直接运营的业务涵盖制药、医疗器械与医学诊断、医疗健康服务等领域，并通过参股国药控股覆盖到医药商业领域，全球员工总数达39309人。在制药业务方面，复星医药通过自主研发、合作开发、许可引进、深度孵化等多种方式，聚焦肿瘤（实体瘤、血液瘤）、免疫、中枢神经、慢病（肝病/代谢/肾病）等核心治疗领域。其核心产品如汉曲优（注射用曲妥珠单抗）在乳腺癌治疗领域具有重要地位，是国内首个获批的曲妥珠单抗生物类似药；斯鲁利单抗注射液（汉斯状）在肿瘤免疫治疗方面表现出色，已获批多个适应症。5.2.2技术创新投入与产出恒瑞医药高度重视技术创新投入，研发投入持续增长。2024年上半年累计研发投入38.60亿元，同比增长26.23%，至今公司累计研发投入超400亿元。在创新产出方面，成果显著。截至报告期末，公司累计申请发明专利2527件，PCT专利691件，拥有国内有效授权发明专利585件，欧美日等国外授权专利705件。在研管线储备丰富，有90多个自主创新产品正在临床开发，300余项临床试验在国内外开展。2024年上半年共有3项创新成果获批上市，包括创新药富马酸泰吉利定、氟唑帕利第3个适应症、脯氨酸恒格列净的第2个适应症。复星医药同样注重技术创新投入，2024年前三季度，研发投入共计39.15亿元，其中研发费用为26.48亿元。在创新产出上，复星医药不断推进创新产品的研发和商业化。其创新药业务聚焦在实体瘤、血液瘤、免疫炎症等核心治疗领域，多款自主研发的创新产品、管线临床试验结果不断公布。斯鲁利单抗注射液获欧洲药品监督管理局人用医药产品委员会积极审评意见，获推荐批准联合卡铂和依托泊苷适用于广泛期小细胞肺癌成人患者的一线治疗；注射用A型肉毒毒素（达希斐®）用于暂时性改善成人因皱眉肌和/或降眉间肌活动引起的中度至重度眉间纹的药品上市许可申请获国家药监局批准。从技术创新效率来看，恒瑞医药凭借高研发投入和强大的研发实力，在专利申请和新药获批方面表现突出，将研发投入有效转化为创新成果，技术创新效率较高。复星医药通过多元化的研发模式，在创新药研发和产品上市方面也取得了一定成果，技术创新效率逐步提升。但与恒瑞医药相比，在研发投入强度和部分创新指标上存在一定差距，其技术创新效率仍有提升空间，尤其是在内部研发能力的进一步强化和创新成果转化速度的提高方面。5.2.3影响因素分析在企业内部管理方面，恒瑞医药建立了完善的创新管理体系，注重研发项目的全过程管理。从项目的筛选、立项到研发过程中的进度监控、质量控制以及成果转化，都有一套科学的流程和标准。在项目筛选阶段，基于对市场需求、技术可行性和竞争态势的深入分析，选择具有潜力的研发项目；在研发过程中，通过定期的项目评审和团队协作，确保项目按计划推进，提高研发效率。复星医药则通过多元化的业务布局，实现资源的协同整合。在制药、医疗器械、医疗健康服务等业务板块之间，实现技术、人才和市场资源的共享与协同，促进技术创新。在医疗器械研发中，可以借鉴制药业务的技术和经验，提高研发效率；医疗健康服务板块则可以为制药和医疗器械业务提供临床反馈和市场需求信息，推动产品的优化和创新。人才培养方面，恒瑞医药高度重视人才队伍建设，拥有全球研发团队达5000余人。通过建立完善的人才培养体系，包括内部培训、外部进修、项目实践等多种方式，提升研发人员的专业技能和创新能力。与国内外知名高校和科研机构合作，开展人才联合培