智越 邱家学（中国药科大学国际医药商学院 南京 211198）
基于空间计量模型的医药制造业区域创新能力研究
智越 邱家学
（中国药科大学国际医药商学院 南京 211198）
目的：探索医药制造业创新能力在空间分布中的规律及价值。方法：基于空间计量分析原理，选取2010年的研发人员全时当量和研发经费内部支出作为解释变量，2010-2013年的新产品销售收入作为被解释变量，运用普通计量回归模型（OLS）、空间计量回归模型（空间滞后模型和空间误差模型），应用GeoDa和R软件，对中国医药制造业的研发投入与产出关系进行了研究。结果：医药制造业创新投入产出滞后1年，医药制造业各区域创新能力的全局Moran’s I系数有统计学意义；区域显示上海、江苏存在较高的创新能力和集聚效应，安徽、福建、黑龙江等空间相关性不强。结论：针对不同的区域选择性地加强研发经费的投入，充分发挥高创新能力省区的知识溢出效应，促进技术创新能力不足的省区发展，从而提高我国医药制造业创新能力。
空间计量模型 R语言 医药制造业 创新能力
医药制造业是研究密集型和高技术产业，国家统计局将化学药品制造业、中成药制造业和生物生化药品制造业统归为医药制造业，而技术创新能力是医药企业核心竞争力的主要组成部分[1]。国家统计局等编撰的近几年《中国高技术产业统计年鉴》显示，我国医药行业的研发投入不断加大，增长基本保持稳定，研发强度也表现出上扬态势。医药制造业研发能力与其技术创新息息相关[2]。如果将我国划分为华北、东北、华东、中南、西南和西北这6大区域，则以华北地区的医药制造业销售规模和收入表现最好，这与华北地区的医药企业创新能力密不可分[3]。根据Scott的新产业空间的理论框架，技术创新往往具有地理空间特性。根据Anselin所提出的空间计量经济学理论，某一地区空间单元上的某种经济特征与邻近地区同一经济特征是相关的，表明在认识技术创新空间格局区域变化特征的过程中，有必要将区域之间存在空间效应作为分析的假设前提，本地区与相邻地区的技术创新情况可能相互受到影响。
1 空间计量经济学方法模型
空间计量经济分析的基本思路为：采用空间统计分析Moran指数法检验被解释变量是否存在空间自相关性，若存在则建立空间计量经济模型，进行空间计量估计和检验。
1.1 空间自相关分析
检验空间相关性存在与否，常用Moran提出的Moran’s I指数[4]。Moran’s I定义为：
根据空间数据的分布可以计算正态分布Moran’s I的期望值：
最后通过下式可以检验n个区域是否存在空间自相关关系：
空间滞后模型（spatial lag model，SLM）和空间误差模型（spatial error model，SEM）是空间计量经济学模型的基本类型。空间相关性表现出的空间效应可以用不同的模型来刻画：当被解释变量之间的空间依赖性对模型显得非常关键而导致了空间相关时，即为SLM；当模型的误差项在空间上相关时，即为SEM 。
1）SLM主要是探讨各变量在某地区是否有扩散现象（溢出效应）。其模型表达式为：
式中，y为因变量；X为n×k的外生解释变量矩阵；ρ为空间回归关系数；W为n×n阶的空间权值矩阵；Wy为空间滞后因变量，ε为随机误差项向量[5]。
2）SEM的数学表达式为：
式中，ε为随机误差项向量；λ为n×1的截面因变量向量的空间误差系数；为正态分布的随机误差向量。
2 样本数据与指标选取
根据Griliche’s-Jaffe提出的知识生产函数，本研究基于Anselin 等[6]认为的研发经费支出将导致直接的发明结果的一般研究基本假定，以医药制造业的新产品销售收入（NPR）为因变量，研发人员全时当量（FTP）和研发经费内部支出（RDF）[7]为自变量。选用新产品销售收入而非技术发明专利或授权量作为因变量，是基于它以现实的产品或服务来反映包括工艺流程创新、产品质量改进等其他渐进创新活动的经济价值；研发人员全时当量指的是包括科学家和工程师、全时人员以及从事基础研究、应用研究、试验发展的人员，这些人员直接参与研究与试验发展活动，是科技产出不可或缺的最重要的投入要素之一；研发经费内部支出是直接考察研发资金投入的指标。
天理图书馆收藏17号敦煌写卷，主要来自李盛铎、许承尧、张大千等旧藏，其中张大千旧藏构成了天理图书馆藏品的主体。这批文献的主要内容是汉文佛典，还有藏文、回鹘文等佛教、道教经典，以及论语、诗经、开蒙要训、社司转帖、本草等残卷等。除写本外，该馆还藏有大谷探险队带回的敦煌纸本绘画“玄奘三藏像”，但入藏途径尚未明。
本研究的投入产出数据来源于2012年的《中国高新技术产业统计年鉴》，样本包括除了香港、澳门特别行政区和台湾省的共计28个省、自治区、直辖市（剔除数据不完整的西藏、新疆和云南）。
3 实证分析结果
3.1 模型建立和估计
本研究以新产品销售收入为被解释变量，以研发人员全时当量和研发经费内部支出为解释变量，采用柯布道格拉斯生产函数，建立了双对数线性的生产函数模型：
3.2 控制变量对创新能力的滞后性影响
为了验证创新投入产出的滞后性假设，首先进行最小二乘法（ordinary least squares，OLS）估计，结果发现，滞后一阶的模型估计结果拟合度比较好，因此以2011年的创新产出为被解释变量的OLS估计，这两个变量的显着性与预期有异，经济意义无法得到合理解释。经过后续的研究发现，出现该情况的原因是模型存在设定偏误，而偏误产生的原因是数据存在空间相关性。
3.3 区域创新能力的空间相关性
用R语言对2011年创新能力的全局Moran’s I系数计算，结果为0.108，样本值的峰度为6.26。2011年Moran’s I统计量的期望是-0.037 0，接近于0，方差也较小。本数据Moran’s I统计量显着，显着性水平小于0.000 01，说明从全局来看，中国各区域的医药制造业创新能力存在一定程度上的空间正相关，即创新能力高的地区与创新能力低的地区在分布上存在着一定的空间聚集，创新能力相似的省份趋于相邻。这个结论与我国医药制造业的现状相符。
由于全局Moran‘s I统计量不是非常大，证明全局的空间聚集效应中包含着更加紧密的局部空间集聚。P值小于0.95的区域有甘肃、湖南、江苏、宁夏、青海、上海、四川等，说明与邻近的省市有相似性，且存在着相对高值的空间聚集；I值为负的区域有安徽、福建、黑龙江、江西等，说明它与周围省市表现出非相似性；G值相对较高的区域有安徽、福建、浙江，说明其创新能力较强，而且临近区域也具有类似的性质，这些省份集中于我国东部沿海地区，表现出医药制造业创新能力的空间集聚。
图1是本文数据的Moran散点图。横坐标代表2011年区域创新能力，纵坐标代表影响创新能力的空间滞后变量。图中斜线表示创新能力及其空间滞后变量之间存在正相关的关系。有重要影响的省市是上海和江苏，二者都处于第一象限，这意味着这两个地区本身具有极高的创新能力，而且与这两个地区相邻的周边省市也具有相对较高的创新能力，这与实际相符。
图1 区域创新能力的Moran’s I散点图
3.4 区域创新能力的空间依赖性检验
首先检测2011年我国各省市创新能力在地理空间上的相关性即空间相互依赖性。从表1中可以看出，区域创新能力的Moran’s I指数为0.114，通过了10%水平下的显着性检验，表明我国各区域的创新能力在空间分布上具有一定的正自相关关系（空间依赖性）。LMLAG较之LMERR更显着，说明模型是内生的空间滞后相关，区域创新能力存在空间溢出效应。
表 1 模型空间依赖性检验
3.5 空间滞后模型和空间误差模型
由于空间误差回归模型同样在5%置信水平下显着，故做出SLM和SEM，验证空间模型和系数的稳健性，以期获得合理的解释。两模型都通过显着性检验且拟合优度较高，说明对数据进行空间建模是正确的。再比较对数似然函数值LogL及AIC，发现空间误差模型的LogL较大，AIC较小，因此SLM是最优模型。两模型对于这两个变量均通过5%水平的显着性检验，说明研发的人员和资金投入对创新能力均具有正向影响作用。本文的不足之处在于未能持续统计多年的投入产出数据，没考虑投入产出的时滞效应，其内在规律性仍值得去深究。
4 对策与建议
本文从空间计量模型入手，从另一种角度研究医药制造业区域创新能力，给出了新的经验证据，医药制造业区域创新能力的空间相关性是存在的，空间地理因素也影响了创新能力的区域分布。创新能力具有空间相关性说明了相邻区域之间的创新能力能够相互影响，创新集聚所产生的空间依赖性对区域创新能力具有正向作用。而我国目前不同地区医药产业集聚效应是不同的，相邻区域之间可以利用空间相关性发挥协同效应，充分发挥高创新能力省市的知识溢出效应，促进技术创新能力不足的省市发展，从而提高我国医药制造业创新能力。从政策层面来说，医药制造业需打破地方保护主义，应该从更高政策层面推动区域合作。
加大研发经费投入，各区域研发水平均衡上升。本文模型检验结果表明，研发经费内部支出与创新能力呈正相关关系，上海、江苏等地区具有较高的创新能力的集聚效应，积极引导医药制造业的研发经费投入，有目的地针对不同区域，为医药制造业的发展提供更好的平台基础。
人力资源是创新的首要资源和核心动力，研发人员的数量和质量影响着医药制造业的发展。需加强人员培养，引进和吸收研发人才，充分调动研发人员的积极性，实现医药制造业人尽其才。
[1] 罗欣, 陈玉文. 我国医药制造业中不同规模企业的经济效益比较[J]. 中国药房, 2014, 25(13): 1153-1155.
[2] 项莹, 曹阳. 我国大中型医药制造企业的技术创新能力研究[J]. 上海医药, 2013, 34(3): 49-51.
[3] 褚淑贞, 刘敏. 江苏省医药制造业竞争力的动态偏离-份额模型研究—基于传统模型和空间模型的比较分析[J].南京财经大学学报, 2011(3): 24-29.
[4] 吴玉鸣. 空间计量经济模型在省域研发与创新中的应用研究[J]. 数量经济技术经济研究，2006(5): 74-85,130.
[5] 赵红专, 翟立新, 李强. 知识生产函数及其一般形式研究[J]. 经济问题探索, 2006 (7): 12-15．
[6] Anselin L, Varga A, Acs Z. Local geographic spillovers between university research and high technology innovations[J]. J Urb Econ, 1997, 42(3): 422-448.
[7] 李红霞, 傅强. 中国省际要素投入与经济增长研究——基于总量生产函数的面板数据分析[J]. 北京理工大学学报, 2013,15(2): 48-52.
CFDA：《医疗器械临床评价技术指导原则》发布
5月19日，国家食品药品监督管理局（CFDA）官网发布了关于《医疗器械临床评价技术指导原则》（以下简称《指导原则》）的通告。
医疗器械临床评价是指注册申请人通过临床文献资料、临床经验数据、临床试验等信息对产品是否满足使用要求或者适用范围进行确认的过程。该《指导原则》旨在为注册申请人进行临床评价及食品药品监督管理部门对临床评价资料的审评提供技术指导。
此外，该《指导原则》适用于第二类、第三类医疗器械注册申报时的临床评价工作，不适用于按医疗器械管理的体外诊断试剂的临床评价工作。如有针对特定产品的临床评价技术指导原则发布，则相应产品临床评价工作应遵循有关要求。
对于在中国境内进行临床试验的医疗器械，其临床试验应在取得资质的临床试验机构内，按照医疗器械临床试验质量管理规范的要求开展。注册申请人在注册申报时，应当提交临床试验方案和临床试验报告。
对于在境外进行临床试验的进口医疗器械，如其临床试验符合中国相关法规、注册技术指导原则中相应技术要求，如样本量、对照组选择、评价指标及评价原则、疗效评价指标等要求，注册申请人在注册申报时，可提交在境外上市时提交给境外医疗器械主管部门的临床试验资料。资料至少应包括伦理委员会意见、临床试验方案和临床试验报告，申请人还需提交论证产品临床性能和/或安全性是否存在人种差异的相关支持性资料。
对于列入《需进行临床试验审批的第三类医疗器械目录》中的医疗器械应当在中国境内进行临床试验。
（摘自米内网）
Study on the regional innovation ability in pharmaceutical industry based on spatial econometric model
ZHI Yue, QIU Jiaxue
(School of International Business, China Pharmaceutical University, Nanjing 211198, China)
Objective: To explore the law and value of the innovation ability of pharmaceutical industry in spatial distribution. Methods: Based on the principle of spatial econometric analysis, full-time equivalent (FTE) of R&D personnel and R&D internal expenditure in 2010 were selected as explaining variables, and the revenues for the sales of new products during 2010-2013 were taken as explanatory variables. The relationship between R & D input and output in Chinese pharmaceutical industry was investigated by using the common regression model (OLS), the spatial econometric regression model (model and spatial error model of spatial lag) and applying GeoDa and R software. Results: There was 1 year lag between the input and output in pharmaceutical industry innovation and statistical significance in the global Moran I of ‘regional innovation of pharmaceutical industry. Region analysis showed that Shanghai and Jiangsu had a high innovation ability and the agglomeration effect while the spatial correlation in Anhui, Fujian, Heilongjiang and the others was not strong. Conclusion: The input of R&D expenditures should be selectively strengthened and the effects of knowledge spillover in those provinces and regions with high innovation ability should be fully played so as to promote the development of province and regions with insufficient technology innovation and improve the innovation level of Chinese pharmaceutical industry.
spatial econometric models; R programming language; pharmaceutical industry; innovation
F124.3
C
1006-1533(2015)11-0054-03
2014-12-22)
