基于数据包络的我国生物制剂工业效率分析.docVIP

基于数据包络的我国生物制剂工业效率分析 　　摘 要 通过运用数据包络分析对2006-2011年生物制剂工业所占份额前15省份的技术效率和规模效率进行分析，结论为各年技术效率的变动大于规模效率的变动，15省份间技术效率的差距大于规模效率。通过技术效率和规模效率结合分析，将15省份分为5类，并针对每一类提出改进建议。 　　关键词 生物制剂工业 数据包络分析 效率分析 　　中图分类号：F223 文献标识码：A 文章编号：1006-1533（2014）03-0051-05 　　Analysis of the industrial efficiency of China 　　in biological agents based on data envelopment analysis 　　WU Chao*， QIU Jiaxue** 　　（International Pharmaceutical Business School of China Pharmaceutical University， Nanjing 211198， China） 　　ABSTRACT By using data envelopment analysis （DEA）， the technology efficiency and scale efficiency of the top 15 provinces selected based on the share of biological agents industry were analyzed during 2006-2011. The fluctuations each year are bigger in technology efficiency than in scale efficiency， and also the gap among 15 provinces is larger in technology efficiency than in scale efficiency. The 15 provinces could be divided into five categories by the analysis of the combination of technical efficiency with scale efficiency， and the improvement suggestions were proposed for each category. 　　KEY WORDS biological agents industry； DEA； efficiency analysis 　　生物制剂是综合利用微生物学、生物化学、药学等科学的原理和方法制造的一类用于预防、治疗和诊断的制品的统称，可划分为基因工程药物、抗体药物、血液制品、诊断试剂以及疫苗等五大类。 　　我国生物制剂产业起步于上世纪80 年代，截止2010年底，我国生物制剂工业企业有600余家，并保持高于20%的增长速度。在“十二五”规划中生物医药被列为重点发展领域之一，国家将会通过加大财税金融政策扶持等方式推动其快速发展。尽管如此，我国生物制剂产业发展水平与欧美发达国家仍然存在明显差距，创新能力弱、产业组织不合理等发展障碍急需突破。因此，对生物制剂产业进行科学合理的分析，进而提出合理的建议也就十分重要。 　　“效率”能很好地衡量一个行业的发展情况。数据包络分析（data envelopment analysis，DEA）可以用于评价有多个投入和多个产出行业的效率，而且不需要定义输入与输出之间关系的显性表达式，避免了主观因素的影响，其投影思想可以对系统进行调整，保证以最小的投入获得最大的产出水平。考虑到生物制剂工业的行业性质和评价目标，笔者尝试运用DEA来分析其效率。 　　1 方法介绍 　　1978年美国著名运筹学家Charnes等[1]基于“相对效率”的概念提出了数据包络分析。基本原理是：应用数学规划模型，把若干个具有多投入、多产出的相同类型的被评价主体看作是一个个决策单元DMU（decision making unit），把具有最优投入产出比率的单元作为有效生产前沿面，通过比较其他单元与有效生产前沿面的距离函数来评价其有效性，进而对其效率进行分析。 　　DEA主要有CRS-CCR模型和VRS-BCC改进模型两种评价方式。前者基于规模收益是常量（constant returns to scale，CRS）的假定，评价DMU的技术有效性。CCR模型是一种理想的模型，适用于DMU最优规模运行的情况。后者基于规模收益可变（variable returns to scale，VR