【制药产业发展影响因素实证研究18000字】

制药产业发展影响因素实证研究目录TOC\o"1-3"\h\u30879制药产业发展影响因素实证研究 1269751.1实证研究设计 1300751.1.1实证研究思路 1284801.1.2个体固定效应模型多元逐步回归分析方法 1153801.1.3数据来源与预处理 2107251.2产业规模指标视角下的影响因素实证研究 470321.2.1研究假设——净销售额作为被解释变量 4117341.2.2回归结果分析 5145681.3产业质量指标视角下的影响因素实证研究 10109761.3.1研究假设——研发投入作为被解释变量 10200571.3.2回归结果分析 1279351.3.3研究假设——营业利润作为被解释变量 17179961.3.4回归结果分析 18259411.4影响因素间的相互作用 231.1实证研究设计1.1.1实证研究思路由上一章节分析可知，产业支撑环境指标衡量的是一国制药产业发展环境对产业发展的支持程度，其结果是作用于产业发展状况的。因此，在本章节的竞争要素探讨中，在充分考虑各个企业的个体发展差异的前提下，将把能够概括产业发展状况下的产业规模和产业质量指标的变量依次作为被解释变量进行研究，而产业支撑环境指标下的变量将全部作为解释变量进行个体固定效应模型逐步回归分析，并按照国别分别进行回归后比较纳入回归模型的变量及其系数，探究各要素对各国制药产业的影响[[]杨慧,宋华明,俞安平.服务型制造模式的竞争优势分析与实证研究——基于江苏200家制造企业数据[J].管理评论,2014,26(03):89-99.][]杨慧,宋华明,俞安平.服务型制造模式的竞争优势分析与实证研究——基于江苏200家制造企业数据[J].管理评论,2014,26(03):89-99.1.1.2个体固定效应模型多元逐步回归分析方法个体固定效应模型固定效应回归模型（fixedeffectsmodel)是一种空间面板数据中随个体变化但不随时间变化的一类面板数据分析方法，它有助于控制未观察到的异质性。从时间和个体上看，个体固定效应回归模型的解释变量能够表征其对被解释变量的边际影响，而影响被解释变量的其它所有未包括在回归模型或不可观测的变量的效应能够被控制下来，表现为随个体变化而不随时间变化的固定效应。多元逐步回归分析逐步回归的基本思想是将变量逐一引入模型，并剔除引入后不重要的变量，直到模型稳定且有效。具体步骤如下：首先对每个解释变量单独执行简单回归，然后使用与解释变量最相关的回归方程，逐步引入剩余的解释变量。在逐步回归之后，保留在模型中的解释变量既是显著的，又不会引起多重共线性的问题。实证研究模型基于上述分析，本研究采用的实证模型为非平衡面板数据个体固定效应回归模型，回归方法采用多元逐步回归方法，回归模型构建如下：yit=λi+k=1K多元回归方程如下：Eyit=λ其中i为第i个个体，t为第t个时期，k为第k个解释变量，yit为被解释变量，xkit为解释变量，λi为个体固定效应，βk为偏回归系数，1.1.3数据来源与预处理1.1.3.1数据来源由于领先的制药公司往往代表着一个国家制药行业最先进的生产力，本研究将使用过去8年长期稳定的大型制药公司作为研究样本，这对于研究和分析一个国家的医药工业形势具有很高的可信度。本节实证研究采用的变量数据集为非平衡面板数据，数据来源均为权威机构的公开统计数据。包括来自欧盟联合研究中心(JRC)下的工业研究与创新经济学(IRI)发布的欧盟工业研发投资记分卡数据库的数据。世界知识产权组织公布的各国各领域专利数量、世界银行数据库公布的各国发展指标。这个数据集跟踪共有704个数据样本26个变量，包括在20个国家的88家公司8年期间从2012年到2019年,从美国23家公司,23家公司来自日本,27家公司来自欧洲,1公司来自中国和14个其他国家的公司。由于来自中国企业的样本数量较少，为了排除随机误差，后续分析不会只对中国样本进行回归。由于本节的变量数量较多，为了使分析结果方便阅读，下文中以英文缩写表示将变量代码，其中企业个体变量代码前以C(Company)表示，国家性质的变量代码前以N(Nation)表示，变量代码、变量名称及数据来源见下表。表5-SEQ表\*ARABIC\s11变量代码及变量数据来源变量代码变量名称数据来源C_SAL净销售额/百万欧元JRCC_SAL_G净销售额增速/%JRCLOG(C_EM)员工数量/人JRCC_EM_G员工数量增速/%JRCC_RD研发投入/百万欧元JRCC_RD_G研发投入增速/%JRCC_RD_I研发投入强度/%JRCC_PRO营业利润/百万欧元JRCC_PRO_G营业利润增速/%JRCC_PROFIT利润率/%JRCLOG(N_SCI)SCI文献数量/篇ScimagoLOG(N_SCI_CITATION)SCI引用量/篇ScimagoLOG(N_PATENT)医药技术相关专利总数量（1980年至今）WIPON_GDP_P本国人均GDP/现价美元DataBankN_HEAL_P人均私人医疗卫生支出DataBankN_OLD人口老龄化程度DataBankC_CAP资本支出/百万欧元JRCC_CAP_G资本支出增速/%JRCC_CAP_I资本支出强度/%JRCN_CREDIT获得信贷能力DataBankN_REVENUE全球制药市场本地区利润占比/%IQVIAN_RD_I本国研发支出占GDP比例/%DataBankN_BUSINESS营商环境DataBankN_GOV_E政府效能DataBankN_GOV_R政府监管DataBankN_HEAL_EX医疗卫生总支出/本国GDPDataBank1.1.3.2数据预处理在本节中，由于数据统计方法复杂，个体差异大，没有对数据缺失值进行填充，以避免回归误差。因此，本研究的数据结构为非平衡面板数据。在回归分析之前，数据通常是无量纲的，以避免某些变量回归系数过大或过小的问题。然而，在本节研究的非平衡面板数据回归过程中，常规的无量纲处理方法并不能起到理想的效果。如果数据是标准化的，它使数据消除了时间趋势，所以它是不合适的。如果数据是对数处理，一些包含负值的变量，如营业利润则不能处理。考虑到本节研究的多数变量如销售额、研发投入等量纲相近，销售额增速、利润率、获得信贷能力、营商环境等变量的量纲都为百分比，因此这部分变量不做无量纲化处理。因此，为避免数据量级过大造成干扰，只对员工数量、SCI文献数量、SCI引用量、医药技术相关专利总数量这四个变量进行对数处理。此外，以上变量数据均通过了平稳性检验，可以进行实证分析。并且，在建立固定效应模型之前，本研究进行了Hausman检验，比较随机效应及固定效应下参数估计是否有差别，检验结果均认为，应该采用固定效应（稳健优先），因此在下文模型分析中不再赘述。1.2产业规模指标视角下的影响因素实证研究1.2.1研究假设——净销售额作为被解释变量对于一国的产业规模而言，在企业维度中能够表征其特征的指标是净销售额。净销售额，指的是企业经营净收入，其计算公式为：净销售额=销售收入-销售退回-数量折扣-销售折让 式5-3企业的净销售额越大，说明该企业的市场份额越大，而一国企业层面的净销售额指标反映到产业层面，就能够反映一国制药产业的产业规模。因此，在本小节的回归分析中，将以净销售额作为被解释变量参与回归。在上一章节的分析中己经分析了哪些指标能够表征一国制药产业的产业发展状况和产业支撑水平，因此，本小节将采用各二级指标下的部分指标进行回归，提出以下实验假设：产业规模(S,IndustryScale)指标下：Hs1:净销售额增速(C_SALES_G)、Hs2:员工数量(LOG(C_EMPLOYEE))、Hs3:员工数量增速(C_EMPLOYEE_G)对制药产业规模有显著正向影响。产业质量(Q,IndustrialQuality)指标下：Hql:研发投入(C_RD)、Hq2:研发投入增速(C_RD_G)、Hq3:研发投入强度(C_RD_I)、Hq4:营业利润(C_PROFIT)、Hq5:营业利润增速(C_PROFIT_G)、Hq6:利润率(C_PROFITABILITY)对制药产业规模有显著正向影响。生产要素(P,FactorsofProduction)指标下：Hpl:SCI文献数量(LOG(N_SCI))、Hp2:SCI引用量(LOG(N_SCI_CITATION))、Hp3:医药技术相关专利总数量(LOG(N_PATENT))对制药产业规模有显著正向影响。需求条件(D,DemandCondition)指标下：Hd1:本国人均GDP(N_GDP_P)、Hd2:人均医疗卫生支出(N_HEALTH_EX_P)、Hd3:人口老龄化程度(N_POP_OLD)对制药产业规模有显著正向影响。辅助行业(R,RelatedIndustries)指标下：Hr1:资本支出(C_CAPEX)、Hr2:资本支出增速(C_CAPEX_G)、Hr3:资木支出强度(C_CAPEX_I)对制药产业规模有显著正向影响。企业要素(B,FactorsofBusiness)指标下：Hbl:获得信贷能力(N_GET_CREDIT)、Hb2:全球制药市场本国利润占比(N_REG10N_REVENUE）、Hb3:本国研发支出占GDP比例(N_RD_I)对制药产业规模有显著正向影响。政府影响(G,GovernmentImpact)指标下：Hgl:营商环境(N_DO_BUSINESS)、Hg2:政府效能(N_GOV_EFFICIENCE)、Hg3:政府监管(N_GOV_REGULATION)、Hg4:医疗卫生总支出(N_HEALTH_EX)对制药产业规模有显著正向影响。1.2.2回归结果分析全球样本企业回归分析从全球产业视角进行回归，将全球各国制药企业样本全部投入观察，以净销售额作为被解释变量，其它变量作为解释变量进行分析，参与回归的样本时间为2012-2018年，观察的企业总数为85家，总观察样本541个，回归结果如下：表5-SEQ表\*ARABIC\s12非平衡面板数据个体固定效应模型多元回归结果(C_SALES)模型中的被解释变量:C_SALES方法：面板数据最小二乘回归样本(经模型调整):2012-2018纳入模型的时期:7纳入模型的截面数量:85(非平衡）面板总观测值:541解释变量回归系数标准差t统计量P值C_SALES_G-1.0423440.011736-88.819040.0000LOG(C_EMPLOYEE)1003.504246.61024.0691920.0001C_PROFIT0.7650020.04412017.339040.0000C_PROFITABILITY-0.1752880.037396-4.6872950.0000C_RD2.1860990.17754612.312850.0000L0G(N_SC1)2264.324917.38702.4682320.0140N_HEALTH_EX_P-1.1672020.241015-4.8428690.0000C_CAPEX2.2867100.4094271.5851440.0000N_HEALTH_EX-581.7311101.6453-1.5443180.0000C-24569.969688.173-2.5360780.0115效应说明固定截面（虚拟解释变量)R方0.993005因变量均值方差5492.997调整的R方0.991549因变量标准差11539.41回归的标准误1060.784AIC信息准则16.92805残差平方和1.03E+08施瓦茨准则17.67404对数似然值-4481.037H-Q信息准则17.21978F统计量682.3010DW统计量1.584230P值(F统计量)O.OOOO00对上述回归模型进行个体固定效应显著性检验，结果如下:表5-SEQ表\*ARABIC\s13个体固定效应显著性检验结果(C_SALES)冗余固定效应检验截面固定效应检验效应检验统计量自由度P值截面F检验22.532637(84,447)0.0000截面卡方检验891.483285840.0000由上表可知，该模型中个体固定效应是显著的，因此该模型是合理的。回归模型的F检验统计量对应的P值在0.05的显著性水平下显著，说明该回归模型是合理的，各解释变量的回归系数t检验统计量对应的P值均在0.05的显著性水平下显著，说明解释变量与被解释变量的线性关系显著，保留在模型中是合理的。回归结果的R方为0.9930，调整的R方为0.9915，说明模型拟合效果较好。该模型的回归方程为：C_SALES=-1.0423*C_SALES_G+1003.5043*LOG(C_EMPLOYEE)+0.7650*C_PROFIT-0.1752*C_PROFITABILITY+2.1860*C_RD+2264.3241*LOG(N_SCI)-1.1672*N_HEALTH_EX_P+2.2867*C_CAPEX-581.731*N_HEALTH_EX-24569.9603+[CX=F]式5-4根据各项变量的回归系数，可以得出以下验证：1、不同个体的净销售额增速对制药产业规模的作用方向不同；2、说明员工数量对制药产业规模有显著正向影响；3、说明营业利润对制药产业规模有显著正向影响；4、不同个体的利润率对制药产业规模的作用方向不同；5、说明研发投入对制药产业规模有显著正向影响：6、说明SCI文献数量对制药产业规模有显著正向影响；7、不同个体的人均医疗卫生支出对制药产业规模的作用方向不同；8、说明资本支出对制药产业规模有显著正向影响，9、不同个体的医疗卫生总支出对制药产业规模的作用方向不同；10、其它假设则未通过检验。美国样本企业回归分析从美国产业视角进行回归，将美国制药企业样本全部投入观察，以净销售额作为被解释变量，其它变量作为解释变量进行分析，参与回归的样本时间为2012-2019年，观察的企业总数为23家，总观察样本181个，参照上文建立同样的非平衡面板数据个体固定效应模型进行回归分析。回归模型的F检验统计量对应的P值在0.05的显著性水平下显著，说明该回归模型是合理的，各解释变量的回归系数t检验统计量对应的P值均在0.05的显著性水平下显著，说明解释变量与被解释变量的线性关系显著，保留在模型中是合理的。回归结果的R方为0.9941，调整的R方为0.9930,说明模型拟合效果较好。：该模型的回归方程为：C_SALES=-1.0434*C_SALES_G+1.1046*C_PROFIT-0.6254*C_PROFITABILITY+1.5811*C_RD-0.899*C_RD_I+1.9064*C_CAPEX+3520.7563+[CX=F]式5-5根据各项变量的回归系数，可以得出以下验证：1、不同个体的净销售额增速对制药产业规模的作用方向不同；2、说明营业利润对制药产业规模有显著正向影响；3、不同个体的利润率对制药产业规模的作用方向不同；4、研发投入对制药产业规模有显著正向影响、5、不同个体的研发投入强度对制药产业规模的作用方向不同；6、说明资本支出对制药产业规模有显著正向影响：7、其它假设则未通过检验。日本样本企业回归分析从日本产业视角进行回归，将日本制药企业样本全部投入观察，以净销售额作为被解释变量，其它变量作为解释变量进行分析，参与回归的样本时间为2012-2019年，观察的企业总数为23家，总观察样本172个，回归结果如下：回归模型的F检验统计量对应的P值在0.05的显著性水平下显著，说明该回归模型是合理的，各解释变量的回归系数t检验统计量对应的P值均在0.05的显著性水平下显著，说明解释变量与被解释变量的线性关系显著，保留在模型中是合理的。回归结果的R方为0.9973,调整的R方为0.9967,说明模型拟合效果较好。该模型的回归方程为：C_SALES=-1.0987*C_SALES_G+374.9210*LOG(C_EMPLOYEE)-2.4818*C_EMPLOYEE_G+1.4361*C_PROFIT-13.911*C_PROFITABILITY+3.0407*C_RD-14.2012*C_RD_I+1.8769*C_CAPEX-2040.9346+[CX=F]式5-6根据各项变量的回归系数，可以得出以下验证：1、不同个体的净销售额增速对制药产业规模的作用方向不同；2、员工数量对制药产业规模有显著正向影响；3、不同个体的员工数量增速对制药产业规模的作用方向不同；4、营业利润对制药产业规模有显著正向影响；5、不同个体的利润率对制药产业规模的作用方向不同；6、研发投入对制药产业规模有显著正向影响；7、个体的研发投入强度对制药产业规模的作用方向不同；8、资本支出对制药产业规模有显著正向影响；其它假设则未通过检验。欧盟国家样本企业回归分析从欧洲产业视角进行回归，将欧洲制药企业样本全部投入观察，以净销售额作为被解释变量，其它变量作为解释变量进行分析，参与回归的样本时间为2012-2019年，观察的企业总数为27家，总观察样本206个，回归结果如下：回归模型的F检验统计量对应的P值在0.05的显著性水平下显著，说明该回归模型是合理的，各解释变量的回归系数t检验统计量对应的P值均在0.05的显著性水平下显著，说明解释变量与被解释变量的线性关系显著，保留在模型中是合理的。回归结果的R方为，调整的R方为0.9848,说明模型拟合效果较好0.9821。该模型的回归方程为：C_SALES=-1.0293*C_SALES_G+2101.3367*LOG(C_EMPLOYEE)-16.5577*C_EMPLOYEE_G+0.1598*C_PROFIT+2.8236*C_RD+0.4952*C_RD_I-15068.1760+[CX=F] 式5-7根据各项变量的回归系数，可以得出以下验证：1、不同个体的净销售额增速对制药产业规模的作用方向不同；2、员工数量对制药产业规模有显著正向影响；3、不同个体的员工数量增速对制药产业规模的作用方向不同；4、营业利润对制药产业规模有显著正向影响；5、研发投入对制药产业规模有显著正向影响；6、研发投入强度对制药产业规模有显著正向影响；7、其它假设则未通过检验。回归结果汇总表5-SEQ表\*ARABIC\s14个体固定效应模型多元回归结果汇总表（C_SALES）被解释变量：净销售额美国日本欧洲全球净销售额增速-1.0435**-1.0987**-1.0294**-1.0423**员工数量374.921**2101.337**1003.504**员工数量增速-2.4819*-16.5578**营业利润1.1046**1.4361**0.1599*0.765**利润率-0.6254**-13.9111**-0.1753**研发投入1.5812**3.0407**2.8237**2.1861**研发投入强度-0.8991**-14.2012**0.4952**资本支出1.9064*1.877**2.2867**SCI文献数量2264.324*人均私人医疗卫生支山-1.1672**医疗卫生总支出-581.7311**C3520.756**-2040.935**-15068.18**-24569.96*调整的R方0.9929980.9967060.9820720.991549注：**.相关性在0.01水平上显著*.相关性在0.05水平上显著通过比较四个模型的回归结果的美国,日本,欧洲和世界作为一个整体,它可以发现大多数变量共存的四个模型解释变量在同一个方向,这表明回归的结果作为一个整体的稳定性。四种模型的净销售额增长变量的系数均为显著负，说明它们对净销售额的影响为负。在日本、欧洲和世界三个模型中，员工人数变量的系数均显著为正，说明员工人数对净销售的边际影响为正，但对于美国来说，该变量不显著，表明它对净销售额没有显著影响。员工人数增长率变量仅在日本和欧洲两个模型中显著，且系数的大小与员工人数变量之间存在显著的负相关关系，说明员工人数增长率变量对净销售额有显著的负向影响，这与员工人数变量的结果一致。四种模型的经营利润变量系数均显著为正，说明其对净销售额的影响为正:美国、日本和世界三个模型的利润率变量的系数均为显著的负，说明利润率对净销售额有显著的负影响，这与经营利润变量的结果一致。但是，对于欧洲来说，这个变量并不显著，说明它对净销售额没有显著影响。四个模型的研发投入变量的系数均显著为正，说明它们对净销售额的影响均为正。在美国、日本和欧洲模型中，研发投入强度变量显著，但影响方向不一致，而在全球模型中不显著。对于美国和日本，该变量对净销售有显著的负影响，而对于欧洲，该变量对净销售有显著的正影响。在美国、日本和全球模型中，资本支出变量的系数均显著为正，说明资本支出对净销售额具有显著的正影响，这与研发投资变量的结果一致。然而，该变量对欧洲不显著，表明它对净销售没有显著影响;SCI文献量、人均私人卫生支出和总卫生支出变量仅在全局模型中显著，且SCI文献数的系数均显著为正，说明SCI文献数对净销售额有显著的正向影响，而人均私人卫生支出和总卫生支出的系数均为显著的负。这说明这两个变量对净销售额有显著的正向影响。1.3产业质量指标视角下的影响因素实证研究制药产业的产业质量可以从两个层面进行结构，一是产业创新能力，二是产业盈利能力。因此，本小节的回归分析将依次对其进行分析。1.3.1研究假设——研发投入作为被解释变量对于一国的产业质量而言，在企业维度中能够表征产业对研发创新的重视程度和投入力度的指标是研发投入金额。现代制药企业的核心竞争力可以说是其在医疗科技和制药技术方面的技术和经验积累，而研发投入恰恰是能够反映其核心竞争力的指标。企业的研发投入金额越大，说明该企业对新产品、新技术的研究规模、力度越大，而一国企业层面的研发投入指标反映到产业层面，就能够反映一国制药产业的产业质量。因此，在本小节的回归分析中，将以研发投入作为被解释变量参与回归。基于前一章节对一国制药产业发展状况和产业支撑水平的分析，本小节将采用各二级指标下的部分指标进行回归，提出以下实验假设：产业规模(S,IndustryScale)指标下：Hs1:净销售额增速(C_SALES_G)、Hs2:员工数量(LOG(C_EMPLOYEE))、Hs3:员工数量增速(C_EMPLOYEE_G)对制药产业质量有显著正向影响。产业质量(Q,IndustrialQuality)指标下：Hq1:研发投入增速(C_RD_G)、Hq2:研发投入强度(C_RD_I)、Hq3:营业利润(C_PROFIT)、Hq4:营业利润增速(C_PROFIT_G)、Hq5:利润率(C_PROFITABILITY)对制药产业质量有显著正向影响。生产要素(P,FactorsofProduction)指标下：Hpl:SCI文献数量(LOG(N_SCI))、Hp2:SCI引用量(LOG(N_SCI_CITATION))、Hp3:医药技术相关专利总数量(LOG(N_PATENT))对制药产业质量有显著正向影响。需求条件(D,DemandCondition)指标下：Hd1:本国人均GDP(N_GDP_P)、Hd2:人均医疗卫生支出(N_HEALTH_EX_P)、Hd3:人口老龄化程度(N_POP_OLD)对制药产业质量有显著正向影响。辅助行业(R,RelatedIndustries)指标下：Hr1:资本支出(C_CAPEX)、Hr2:资本支出增速(C_CAPEX_G)、Hr3:资木支出强度(C_CAPEX_I)对制药产业质量有显著正向影响。企业要素(B,FactorsofBusiness)指标下：Hbl:获得信贷能力(N_GET_CREDIT)、Hb2:全球制药市场本国利润占比(N_REG10N_REVENUE）、Hb3:本国研发支出占GDP比例(N_RD_I)对制药产业质量有显著正向影响。政府影响(G,GovernmentImpact)指标下：Hgl:营商环境(N_DO_BUSINESS)、Hg2:政府效能(N_GOV_EFFICIENCE)、Hg3:政府监管(N_GOV_REGULATION)、Hg4:医疗卫生总支出(N_HEALTH_EX)对制药产业质量有显著正向影响。1.3.2回归结果分析全球样本企业回归分析从全球产业视角进行回归，将全球各国制药企业样本全部投入观察，以研发投入作为被解释变量，其它变量作为解释变量进行分析，参与回归的样本时间为2012-2018年，观察的企业总数为88家，总观察样本583个，回归结果如下：表5-SEQ表\*ARABIC\s15非平衡面板数据个体固定效应模型多元回归结果（C_RD）模型中的被解释变量:C_RD方法：面板数据M小二乘回归样本(经模型调整):2012-2018纳入模型的时期:7纳入模型的截面数量:88(非平衡）面板总观测值:583解释变量回归系数标准差t统计量P值C_SALES0.1222930.00887213.784120.0000C_SALES_G0.1150020.00984111.686370.0000C_PROFIT-0.0605710.012214-4.9589100.0000C_PROFITABILITY0.0720390.0166834.3181310.0000C_RD_I0.0919090.0266983.4425310.0006C_CAPEX0.5811850.0859836.7593160.0000N_HEALTH_EX41.627506.7281946.7815380.0000C-208.609258.23351-3.5822880.0004效应说明固定截面（虚拟解释变量)R方0.987156因变量均值方差947.7668调整的R方0.984682因变量标准差1879.981回归的标准误232.6806AIC信息准则13.88524残差平方和26420445施瓦茨准则14.59704对数似然值-3952.547H-Q信息准则14.16268F统计量398.9951DW统计量1.466586P值(F统计量)0.000000对上述回归模型进行个体固定效应显著性检验，结果如下:表5-SEQ表\*ARABIC\s16个体固定效应显著性检验结果（C_RD）冗余固定效应检验截面固定效应检验效应检验统计量自由度P值截面F检验21.863574(87,488)0.0000截面卡方检验926.263423870.0000由上表可知，该模型中个体固定效应是显著的，因此该模型是合理的。回归模型的F检验统计量对应的P值在0.05的显著性水平下显著，说明该回归模型是合理的，各解释变量的回归系数t检验统计量对应的P值均在0.05的显著性水平下显著，说明解释变量与被解释变量的线性关系显著，保留在模型中是合理的。回归结果的R方为0.9872,调整的R方为0.9847,说明模型拟合效果较好。该模型的回归方程为：C_RD=0.1222*C_SALES+0.1150*C_SALES_G-0.0605*C_PROFIT+0.072*C_PROFITABILITY+0.0919*C_RD_I+0.5811*C_CAPEX+41.6275*N_HEALTH_EX-208.6091+[CX=F] 式5-8根据各项变量的回归系数，可以得出以下验证：1、净销售额对制药产业质量有显著正向影响；2、净销售额增速对制药产业质量有显著正向影响；3、不同个体的营业利润对制药产业质量的作用方向不同；4、利润率对制药产业质量有显著正向影响；5、研发投入强度对制药产业质量有显著正向影响：6、资本支出对制药产业质量有显著正向影响；7、医疗卫生总支出对制药产业质量有显著正向影响；8、其它假设则未通过检验。美国样本企业回归分析从美国产业视角进行回归，将美国制药企业样本全部投入观察，以净销售额作为被解释变量，其它变量作为解释变量进行分析，参与回归的样本时间为2012-2019年，观察的企业总数为23家，总观察样本181个，参照上文建立同样的非平衡面板数据个体固定效应模型进行回归分析。回归模型的F检验统计量对应的P值在0.05的显著性水平下显著，说明该回归模型是合理的，各解释变量的回归系数t检验统计量对应的P值均在0.05的显著性水平下显著，说明解释变量与被解释变量的线性关系显著，保留在模型中是合理的。回归结果的R方为0.9778,调整的R方为0.9737,说明模型拟合效果较好。该模型的回归方程为：C_RD=0.13601*C_SALES+0.1276*C_SALES_G-0.0832*C_PROFIT+0.0895*C_PROFITABILITY+0.1293*C_RD_I+1.3329*C_CAPEX+88.8596+[CX=F]式5-9根据各项变量的回归系数，可以得出以下验证：1、净销售额对制药产业质量有显著正向影响：2、净销售额增速对制药产业质量有显著正向影响；3、不同个体的营业利润对制药产业质量的作用方向不同；4、利润率对制药产业质量有显著正向影响；5、研发投入强度对制药产业质量有显著正向影响；6、资本支出对制药产业质量有显著正向影响；7、其它假设则未通过检验。日本样本企业回归分析从日本产业视角进行回归，将日本制药企业样本全部投入观察，以净销售额作为被解释变量，其它变量作为解释变量进行分析，参与回归的样本时间为2012-2019年，观察的企业总数为23家，总观察样本172个，回归结果如下：回归模型的F检验统计量对应的P值在0.05的显著性水平下显著，说明该回归模型是合理的，各解释变量的回归系数t检验统计量对应的P值均在0.05的显著性水平下显著，说明解释变量与被解释变量的线性关系显著，保留在模型中是合理的。回归结果的R方为0.9952,调整的R方为0.9941,说明模型拟合效果较好。该模型的回归方程为：C_RD=0.1552*C_SALES+0.1823*C_SALES_G-139.7926*LOG(C_EMPLOYEE)+1.3589*C_EMPLOYEE_G-0.1155*C_PROFIT+2.8003*C_RD_I-47.6194*LOG(N_SCI_CITATION)-271.1720*LOG(N_PATENT)+5329.7057+[CX=F]式5-10根据各项变量的回归系数，可以得出以下验证：1、净销售额对制药产业质量有显著正向影响；2、净销售额增速对制药产业质量有显著正向影响；3、不同个体的员工数量对制药产业质量的作用方向不同；4、员工数量增速对制药产业质量有显著正向影响；5、不同个体的营业利润对制药产业质量的作用方向不同；6、研发投入强度对制药产业质量有显著正向影响；7、不同个体的SCI引用量对制药产业质量的作用方向不同；8、不同个体的医药技术相关专利总数量对制药产业质量的作用方向不同；其它假设则未通过检验。欧盟国家样本企业回归分析从欧洲产业视角进行回归，将欧洲制药企业样本全部投入观察，以净销售额作为被解释变量，其它变量作为解释变量进行分析，参与回归的样本时间为2012-2019年，观察的企业总数为27家，总观察样本206个，回归结果如下：回归模型的F检验统计量对应的P值在0.05的显著性水平下显著，说明该回归模型是合理的，各解释变量的回归系数t检验统计量对应的P值均在0.05的显著性水平下显著，说明解释变量与被解释变量的线性关系显著，保留在模型中是合理的。回归结果的R方为0.9830,调整的R方为0.9800,说明模型拟合效果较好。该模型的回归方程为：C_RD=0.079*C_SALES+0.0758*C_SALES_G-0.0478*C_PROFIT+0.7915*C_CAPEX+153.6804+[CX=F] 式5-11根据各项变量的回归系数，可以得出以下验证：1、净销售额对制药产业质量有显著正向影响；2、净销售额增速对制药产业质量有显著正向影响；3、不同个体的营业利润对制药产业质量的作用方向不同4、资本支出对制药产业质量有显著正向影响；5、其它假设则未通过检验。回归结果汇总表5-SEQ表\*ARABIC\s17个体固定效应模型多元回归结果汇总表（C_RD）被解释变量：研发投入解释变量美国日本欧洲全球净销售额0.136**0.1552**0.079**0.1223**净销售额増速0.1277**0.1823**0.0759**0.115**员工数量-139.7927**员工数量增速1.3589**营业利润-0.0833*-0.1155**-0.0479**-0.0606**利润率0.0895**0.072**研发投入强度0.1294**2.8004**0.0919**资本支出1.333**0.7916**0.5812**SCI引用量-47.6194*医药技术相关专利总数量-271.1721*医疗卫生总支出41.6275**C88.85965329.706**153.6805**-208.6092**调整的R方0.9736690.994090.9799910.984682注：**.相关性在0.01水平上显著*.相关性在0.05水平上显著通过比较四个模型的回归结果的美国,日本,欧洲和世界作为一个整体,它可以发现大多数变量共存的四个模型解释变量在同一个方向,这表明回归的结果作为一个整体的稳定性。四个模型中净销售变量的系数均显著为正，说明净销售对研发投入有正向影响。四个模型中净销售增长变量的系数均显著为正，说明净销售增长对研发投入有正向影响。变量的系数的日本员工的数量模型是显著负,表明边际员工的数量对研发投资的影响是负的,但对于其他模型,该变量不显著,表明它没有对研发投资产生重大影响。在日本模型中，员工人数增长率变量的系数显著为正，说明员工人数增长率对研发投入的边际影响为正，但在其他模型中，该变量不显著，说明对研发投入没有显著影响。四种模型中经营利润变量的系数均为显著负，说明经营利润对研发投资具有负影响。美国模型和全球模型的利润率变量系数显著为正，说明利润率对研发投资的边际影响为正，而其他模型的利润率变量不显著，说明利润率对研发投资的影响不显著:三个模型中研发强度变量的系数均显著为正，说明研发强度对研发投资的边际影响为正，但对于欧洲模型，该变量不显著，说明其对研发投资的影响不显著。资本支出变量的系数在美国,欧洲和全球模型明显阳性,表明边际资本支出对研发投资的影响是正的,但对于日本模式,该变量不显著,表明它没有对研发投资产生重大影响。在日本模型中，SCI被引变量的系数显著为负，说明SCI被引对研发投入的边际影响为负，而在其他模型中，该变量不显著，说明其对研发投入的影响不显著。变量的系数的制药技术相关专利总数的日本模型是显著负,表明边际影响总数的制药技术相关专利研发投资是负的,但对于其他模型,该变量不显著,说明对研发投入没有显著影响。卫生总支出变量仅在全局模型中显著，其系数显著为正，说明卫生总支出对研发投入的边际影响为正。1.3.3研究假设——营业利润作为被解释变量对于一国的产业质量而言，在企业维度中能够表征产业在国际分工中的地位的指标是营业利润。企业营业利润=销售产品的总收益-生产商品的总成本 式5-12企业营业利润是指企业在一定时期内生产经营的财务成果，制药企业的营业利润越高，说明其产品的附加值越高，企业在产业链中的分工更加高端，或者是产生了行业垄断地位。而一国企业层面的营业利润指标反映到产业层面，就能够反映一国制药产业的产业质量。因此，在本小节的回归分析中，将以营业利润作为被解释变量参与回归。基于前一章节对一国制药产业发展状况和产业支撑水平的分析，本小节将采用各二级指标下的部分指标进行回归，提出以下实验假设：产业规模(S,IndustryScale)指标下：Hs1:净销售额增速(C_SALES_G)、Hs2:员工数量(LOG(C_EMPLOYEE))、Hs3:员工数量增速(C_EMPLOYEE_G)对制药产业质量有显著正向影响。产业质量(Q,IndustrialQuality)指标下：Hql:研发投入(C_RD)、Hq2:研发投入增速(C_RD_G)、Hq3:研发投入强度(C_RD_I)、Hq4:营业利润增速(C_PROFIT_G)、Hq5:利润率(C_PROFITABILITY)对制药产业质量有显著正向影响。生产要素(P,FactorsofProduction)指标下：Hpl:SCI文献数量(LOG(N_SCI))、Hp2:SCI引用量(LOG(N_SCI_CITATION))、Hp3:医药技术相关专利总数量(LOG(N_PATENT))对制药产业质量有显著正向影响。需求条件(D,DemandCondition)指标下：Hd1:本国人均GDP(N_GDP_P)、Hd2:人均医疗卫生支出(N_HEALTH_EX_P)、Hd3:人口老龄化程度(N_POP_OLD)对制药产业质量有显著正向影响。辅助行业(R,RelatedIndustries)指标下：Hr1:资本支出(C_CAPEX)、Hr2:资本支出增速(C_CAPEX_G)、Hr3:资木支出强度(C_CAPEX_I)对制药产业质量有显著正向影响。企业要素(B,FactorsofBusiness)指标下：Hbl:获得信贷能力(N_GET_CREDIT)、Hb2:全球制药市场本国利润占比(N_REG10N_REVENUE）、Hb3:本国研发支出占GDP比例(N_RD_I)对制药产业质量有显著正向影响。政府影响(G,GovernmentImpact)指标下：Hgl:营商环境(N_DO_BUSINESS)、Hg2:政府效能(N_GOV_EFFICIENCE)、Hg3:政府监管(N_GOV_REGULATION)、Hg4:医疗卫生总支出(N_HEALTH_EX)对制药产业质量有显著正向影响。1.3.4回归结果分析全球样本企业回归分析表5-SEQ表\*ARABIC\s18非平衡面板数据个体固定效应模型多元回归结果（C_PROFIT）模型中的被解释变量:C_PROFIT方法：面板数据最小二乘回归样本(经模型调整>:2012-2018纳入模型的时期：7纳入模型的截面数量:88(非平衡）面板总观测值:583解释变量回归系数标准差t统计量P值C_SALES0.5132610.02755818.624970.0000C_SALES_G0.5349030.03020917.706700.0000C_FROFITABILITY0.0735350.0290492.5314120.0117C_RD-0.6383450.152002-4.1995710.0000N_GDP_P-0.0709590.011370-6.2406670.0000C_CAPEX-0.9978650.314545-3.1724030.0016N_REGION_REVENUE10897.521719.0436.3392920.0000C-158.9640452.2449-0.3515000.7254效应说明固定截面（虚拟解释变量)R方0.947019因变量均值方差1349.756调整的R方0.936813因变量标准差3269.504回归的标准误821.8546AIC信息准则16.40903残差平方和3.30E+08施瓦茨准则17.12083对数似然值-4688.233H-Q信息准则16.68648F统计量92.79561DW统计量1.774111P值(F统计量)O.OOOO00从全球产业视角进行回归，将全球各国制药企业样本全部投入观察，以营业利润作为被解释变量，其它变量作为解释变量进行分析，参与回归的样本时间为2012-2018年，观察的企业总数为88家，总观察样本583个，回归结果如上表所示。对上述回归模型进行个体固定效应显著性检验，结果如下:表5-SEQ表\*ARABIC\s19个体固定效应显著性检验结果（C_PROFIT）冗余固定效应检验截面固定效应检验效应检验统计最自由度p值截面F检验10.403893(87,488)0.0000截面卡方检验611.566503870.0000由上表可知，该模型中个体固定效应是显著的，因此该模型是合理的。回归模型的F检验统计量对应的P值在0.05的显著性水平下显著，说明该回归模型是合理的，各解释变量的回归系数t检验统计量对应的P值均在0.05的显著性水平下显著，说明解释变量与被解释变量的线性关系显著，保留在模型中是合理的。回归结果的R方为0.9470,调整的R方为0.9368,说明模型拟合效果较好。该模型的回归方程为：C_PROFIT=0.5132*C_SALES+0.5349*C_SALES_G+0.0735*C_PROFITABILITY-0.6383*C_RD-0.0709*N_GDP_P-0.9978*C_CAPEX+10897.5175*N_REGION_REVENUE-158.964+[CX=F]式5-13根据各项变量的回归系数，可以得出以下验证：1、净销售额对制药产业质量有显著正向影响；2、净销售额增速对制药产业质量有显著正向影响；3、利润率对制药产业质量有显著正向影响；4、不同个体的研发投入对制药产业质量的作用方向不同；5、不同个体的本国人均GDP对制药产业质量的作用方向不同：6、不同个体的资本支出对制药产业质量的作用方向不同；7、说明全球制药市场本国利润占比对制药产业质量有显著正向影响；8、其它假设则未通过检验。美国样本企业回归分析从美国产业视角进行回归，将美国制药企业样本全部投入观察，以净销售额作为被解释变量，其它变量作为解释变量进行分析，参与回归的样本时间为2012-2019年，观察的企业总数为23家，总观察样本181个，参照上文建立同样的非平衡面板数据个体固定效应模型进行回归分析。回归模型的F检验统计量对应的P值在0.05的显著性水平下显著，说明该回归模型是合理的，各解释变量的回归系数t检验统计量对应的P值均在0.05的显著性水平下显著，说明解释变量与被解释变量的线性关系显著，保留在模型中是合理的。回归结果的R方为0.9669,调整的R方为0.9610,说明模型拟合效果较好。该模型的回归方程为：C_PROFIT=0.5483*C_SALES+0.5663*C_SALES_G+0.3401*C_PROFITABILITY-0.5633*C_RD+0.4881*C_RDJ-1810.6571+[CX=F]式5-14根据各项变量的回归系数，可以得出以下验证：1、净销售额对制药产业质量有显著正向影响：2、净销售额增速对制药产业质量有显著正向影响；3、利润率对制药产业质量有显著正向影响；4、不同个体的研发投入对制药产业质量的作用方向不同；5、研发投入强度对制药产业质量有显著正向影响；6、其它假设则未通过检验。日本样本企业回归分析从日本产业视角进行回归，将日本制药企业样本全部投入观察，以净销售额作为被解释变量，其它变量作为解释变量进行分析，参与回归的样本时间为2012-2019年，观察的企业总数为23家，总观察样本172个，回归结果如下：回归模型的F检验统计量对应的P值在0.05的显著性水平下显著，说明该回归模型是合理的，各解释变量的回归系数t检验统计量对应的P值均在0.05的显著性水平下显著，说明解释变量与被解释变量的线性关系显著，保留在模型中是合理的。回归结果的R方为0.9352,调整的R方为0.9238,说明模型拟合效果较好。该模型的回归方程为：C_PROFIT=0.0208*C_SALES+21.5526*C_PROFITABILITY+0.6805*C_RD-0.5307*C_CAPEX-223.6139+[CX=F] 式5-15根据各项变量的回归系数，可以得出以下验证：1、净销售额对制药产业质量有显著正向影响：2、利润率对制药产业质量有显著正向影响：3、研发投入对制药产业质量有显著正向影响；4、不同个体的资本支出对制药产业质量的作用方向不同；5、其它假设则未通过检验。欧盟国家样本企业回归分析回归模型的F检验统计量对应的P值在0.05的显著性水平下显著，说明该回归模型是合理的，各解释变量的回归系数t检验统计量对应的P值均在0.05的显著性水平下显著，说明解释变量与被解释变量的线性关系显著，保留在模型中是合理的。回归结果的R方为0.8005,调整的R方为0.7667,说明模型拟合效果一般。该模型的回归方程为：C_PROFIT=0.1871*C_SALES+0.1832*C_SALES_G+19.1302*C_PROFITABILITY-1.4656*C_RD-2.3443*C_RD」+704.7939+[CX=F]式5-16根据各项变量的回归系数，可以得出以下验证：1、净销售额对制药产业质量有显著正向影响：2、净销售额增速对制药产业质量有显著正向影响；3、利润率对制药产业质量有显著正向影响；4、不同个体的研发投入对制药产业质量的作用方向不同；5、不同个体的研发投入强度对制药产业质量的作用方向不同；6、其它假设则未通过检验。回归结果汇总表5-SEQ表\*ARABIC\s110个体固定效应模型多元回归结果汇总表（C_PROFIT）被解释变量：营业利润解释变量美国日本欧洲全球净销售额0.5483**0.0209*0.1872**0.5133**净销售额增速0.5664**0.1832*0.5349**利润率0.3402**21.5527**19.1303**0.0735*研发投入-0.5634**0.6805**-1.4656**-0.6383**研发投入强度0.4881**-2.3443**资本支出-0.5307**-0.9979**本国人均GDP-0.071**全球制药市场本国利润占比10897.52**C-1810.657**-223.6139**704.794*-158.964调整的R方0.9610.9238250.7666670.936813注：**.相关性在0.01水平上显著*.相关性在0.05水平上显著通过比较四个模型的回归结果的美国,日本,欧洲和世界作为一个整体,它可以发现大多数变量共存的四个模型解释变量在同一个方向,这表明回归的结果作为一个整体的稳定性。四个模型的净销售额变量的系数均显著为正，说明净销售额对经营利润有正向影响。美国、欧洲和世界三种模型中净销售增长变量的系数均显著为正，说明净销售增长对营业利润的影响为正，但对于日本模型，该变量不显著，说明对营业利润没有显著影响。四个模型中利润率变量的系数均显著为正，说明利润率对经营利润有正向影响。四个模型的研发投入变量均显著，但影响方向不一致。对于美国、欧洲和世界各国，该变量对营业利润具有显著的负向影响，而对于日本，该变量对营业利润具有显著的正向影响:美国模型和欧洲模型都具有显著的研发强度变量，但影响的方向并不相同。对于美国，该变量对经营利润有显著的正向影响，而对于欧洲，该变量对经营利润有显著的负向影响。日本模型和全球模型中资本支出变量的系数显著为负，说明资本支出对经营利润的边际影响为负。但对于其他模型，该变量不显著，说明对营业利润的影响不显著。其人均GDP、全球医药市场、其利润仅占模型中全局变量显著，其中其人均GDP系数显著为负，说明其人均GDP对经营利润率的影响是负的，其利润占全球医药市场份额的变系数显著为正，说明经营利润的作用是正的。1.4影响因素间的相互作用制药产业发展能力的强弱，是在理论层面对竞争力是如何形成的阐释，包含了影响制药产业发展能力的关键因素，以及产业系统内部各竞争要素的运行状态及相互作用和影响。基于前面章节己经阐述的能够体现制药产业外部表征、对制药产业发展能力进行测度的评价框架下，制药产业发展能力可以细分为产业规模、产业质量、产业结构、生产要素、需求条件、相关行业、企业要素和政府影响八个产业层面的因素。其中，产业规模、产业质量是产业发展力水平最主要的外在体现，并且其在测度上更加具有可操作性，因此以这两方面的因素作为观察制药产业发展能力的形成机理是合适的[[]范钧.区[]范钧.区域软环境对中小企业竞争优势要素作用机制的实证研究——以浙江制造业为例[J].科研管理,2010,31(02):105-113.具体来讲，首先需要确定能够表征制药产业各方面竞争力和产业环境的关键因素，通过固定产业竞争力某一方面的关键因素，研究其余因素与其内在的关系及作用形式，便能得到关键因素之间的关系，即关键因素A对关键因素B的影响是正向的，还是负向，抑或是没有观察到明显的作用，进而可以分析得出关键因素所表征的产业层面的因素之间的联系和作用方式[[]杨慧,宋华明,俞安平.服务型制造模式的竞争优势分析与实证研究——[]杨慧,宋华明,俞安平.服务型制造模式的竞争优势分析与实证研究——基于江苏200家制造企业数据[J].管理评论,2014,26(03):89-99.1.4.1制药产业关键影响因素的直接相互作用表5-SEQ表\*ARABIC\s111制药产业关键影响因素矩阵关键因素产业规模竞争力产业创新竞争力产业地位竞争力产业可持续发展竞争力产业指标企业指标美日欧世美日欧世美日欧世美日欧世产业规模净销售额++++++++净销售额增速+++++++员工数量-++员工数量增速+产业质量研发投入++++-+--++研发投入增速研发投入强度++++营业利润++++++++营业利润增速++利润率++++++生产要素SCI文献数量-SCI引用量-+相关专利总量-+-需求条件本国人均GDP-辅助行业资本支出+++++++--+资本支出增速-+资本支出强度--企业要素本国利润占比+政府影响医疗卫生支出+-注：“+”表示该变量对被解释变量有显著正向作用;“-”表示该变量对被解释变量有显著负向作用。从上述的分析可以看出，并不是所有的要素都能最终转化成一国制药产业的竞争力，并且，对于不同的国家而言，不同的要素的作用也不尽相同。图5-SEQ图\*ARABIC\s11产业规模和产业质量竞争力形成因素作用图注：箭头为因素的作用方向，虚线箭头表示其作用类型为负作用本研究将对制药行业的产业规模和产业质量竞争力有显著正向影响的因素可视化，如上图所示。从最一般的观点,形成了医药行业的综合竞争力,需要多种因素,从企业的角度和产业支持环境,增加员工的数量,提高营业利润,增加研发投资,提高科学文献数量、减少人均私人保健支出可以提高一个国家工业规模的竞争力:增加净销售额，提高利润率，增加研发投资强度，增加资本支出，增加医疗保健总支出，可以提高一个国家在产业质量方面的产业创新竞争力。通过增加净销售额和国内利润在全球药品市场上的份额，提高一国在行业质量方面的行业地位的竞争力;增加雇员人数、增加研发投资、增加资本支出、减少人均私人卫生支出和卫生总支出，可以提高一个国家在工业质量和可持续发展能力方面的竞争力。从产业的角度来看，产业本身的要素之间存在着一定的相互作用。产业规模方面因素的改善，不仅有助于提高产业质量方面的创新竞争力(研发投入)、产业地位竞争力(经营利润)和可持续发展竞争力(经营利润率)，而且对工业规模(净销售额)本身也有积极的激励作用。产业质量要素的提高不仅有利于产业规模竞争力(净销售)，而且有利于产业创新竞争力(研发投入)和产业可持续发展竞争力(经营利润率)。从产业配套环境因素来看，生产要素(SCI参考文献数)的提高有助于提高产业规模(净销售额)的竞争力。需求条件的优化(人均私人卫生支出)有助于提高行业规模(净销售)和行业可持续发展竞争力(经营利润率);企业要素(国内医药市场利润率)的提高有助于提高行业质量(营业利润)的行业地位竞争力;辅助产业要素(资本支出)的改善也有助于提高产业创新竞争力(研发投入)和可持续发展能力(经营利润率)在产业质量方面。政府影响因子(医疗卫生总支出)的提高有利于产业创新竞争力(研发投入)的提高，但对产业可持续发展竞争力(经营利润率)有负向影响。因此，在运用时应综合考虑政府因素的影响。特别是产业结构方面的竞争力形成机制是多种因素长期综合作用的结果，难以量化研究，只能进行定性分析。本研究认为，要形成具有竞争力的产业结构，制药企业必须首先培养一批高质量的，要积累产业基础，依次形成行业领先，并鼓励创业，企业技术创新，鼓励产业整体创新，保持产业创新活力，形成可持续发展势头。1.4.2制药产业关键影响因素的间接相互作用然而，通过以上的安排，我们可以发现，虽然我们已经推断出了某些因素对某一方面竞争力的作用形式，但这些只是制药行业竞争力形成的一部分，而产业发展能力的形成往往是多种因素综合作用的结果。更系统地在归纳和推理中形成各方面影响因素及其相互影响的功能，本研究将行业水平的所有具有显著影响因素指标属性(即在短期内可以通过企业或政府的积