本文研究的数据来源主要为国泰安数据库(CSMAR)和Wind数据库，历次带量采购中标数据来源于上海阳光医药采购网。选择2014~2022年我国A股上市的医药生物行业的三个二级子行业作为研究样本。将2018~2022年作为政策冲击后时期，2014~2017年是政策前时期，以进行事前对照。政策所覆盖的药品主要是仿制药和生物类似药，因此将化学制药和生物制品作为受政策影响的处理组，中药II作为对照组。

在数据处理方面，参考已有的文献 [24] ，对原始数据做出如下处理：1) 剔除公司上市当年及前几年的数据；2) 剔除在样本期间被ST、*ST或PT的样本；3) 剔除关键数据缺失的样本；4) 对连续变量进行左右各1%的双边缩尾处理。在经过上述处理后，最终得到251家企业共1631条样本数据，其中处理组(化学制药和生物制品) 1071条，对照组(中药II) 560条。

本文采用双重差分法(difference-in-differences, DID)考察带量采购政策的实施对医药企业全要素生产率的影响，具体计量模型如下：

$TF{P}_{it}={\beta }_0+{\beta }_{1}trea{t}_i\times pos{t}_t+{\beta }_{2}contro{l}_{it}+{\mu }_i+{\gamma }_t+{\epsilon }_{it}$(1)

式(1)中 ${\beta }_0$为截距项， $trea{t}_i$为政策分组虚拟变量， $pos{t}_t$为政策时间虚拟变量。 $contro{l}_{it}$为一组企业层面的控制变量， ${\mu }_i$代表个体固定效应， ${\gamma }_t$代表时间固定效应， ${\epsilon }_{it}$是随机误差项。

被解释变量：被解释变量为企业的全要素生产率 $TF{P}_{it}$，本文使用LP法测算企业全要素生产率(TFP_LP)，以OP法测算的全要素生产率(TFP_OP)做稳健性讨论。

解释变量： $trea{t}_i\times pos{t}_t$交互项是本文的解释变量。 $trea{t}_i$为政策分组虚拟变量，用于区分企业是否受到带量采购政策的影响，处理组取值为1，控制组取值为0； $pos{t}_t$为政策时间虚拟变量，2014~2017年取值为0，2018~2022年取值为1。

控制变量：根据相关理论和既往对企业全要素生产率的研究，本文选择企业的资产规模、资产收益率、托宾Q值、资产负债率、营业收入增长率、营业现金比率作为控制变量，变量的具体构建方法详见 表1 。

中介变量：为进一步识别带量采购政策对医药企业全要素生产率的影响机制，本文在文献研究和理论分析的基础上使用研发投入和人力资本作为中介变量。

使用式(1)的双重差分模型进行回归， 表2 汇报了回归结果。第(1)列中没有加入控制变量，此时交互项的系数为0.1584，且在1%的水平上显著，调整后的组内R²为0.178；第(2)列中加入控制变量后，交互项的系数仍为正，但数值减小为0.1311，仍在1%的水平上显著，调整后的组内R²增大为0.413，表明在加入上述控制变量后模型的解释效力增加。上述结果表明，带量采购政策的实施确实显著提高了医药企业的全要素生产率，验证了本文提出的研究假设H1。

考虑到全要素生产率的测算方法可能对回归结果产生影响，将被解释变量更换为OP法测算的全要素生产率(TFP_OP)并进行回归，回归结果见 表2 第(3)、(4)列。与基准回归结果相比，以TFP_OP作为被解释变量后，交互项系数的方向、数值大小和显著性并未发生实质性变化，表明了基准回归结果具有一定的稳健性。

注：***、**与*分别表示p < 0.01、p < 0.05与p < 0.1。

平行趋势是使用双重差分模型必须满足的前提条件。本文参考黄炜等 [25] 的做法，采用式(2)的模型进行平行趋势检验：

$TF{P}_{it}=\alpha +{\displaystyle \underset{s=1}{\overset{T_{D-2}}{\sum }}{\beta }_s^{pre}}\left(trea{t}_i\times T_t^s\right)+{\displaystyle \underset{s=1}{\overset{T}{\sum }}{\beta }_s^{las}}\left(trea{t}_i\times T_t^s\right)+\theta contro{l}_{it}+{\mu }_i+{\gamma }_t+{\epsilon }_{it}$(2)

图1 绘制了相应的平行趋势图。从图中可以看到，带量采购政策未实施前的四年，处理组与对照组的差异均不显著异于0，即事前平行趋势成立，也表明了本文在处理组和对照组的划分上的合理性；带量采购政策实施当年(2018)及之后的四年，处理组与对照组的差异均显著异于0，表明政策效应确实存在，平行趋势检验通过。

为了检验基准回归结果是否受到遗漏变量或其他随机因素的影响，本部分通过虚构处理组和虚构政策发生时间两种方式进行安慰剂检验。

首先，虚构处理组。在具体做法上，从总体样本中随机抽取个体作为伪处理组，并假定它们受到带量采购政策的影响，其余个体则作为对照组，仍以2018年为政策冲击时点，重新生成交互项并进行回归。由于处理组是随机生成的，因此预计交互项不会对被解释变量产生显著影响。如此重复随机抽取500次，并依据其结果绘制出交互项系数估计值与p值的核密度图。结果见 图2 ，交互项系数的估计值集中分布在0附近，而交互项的真实值0.1311落在小概率区域，大部分的p值位于0.1的水平之上，安慰剂检验通过。

其次，虚构政策时间。带量采购政策的真实发生时间是2018年，因此预期2018年之前不会存在政策效应。本部分将带量采购政策时点分别提前1、2、3年，即虚构政策发生时间为：2017年(Forward 1)、2016年(Forward 2)、2015年(Forward 3)。分别使用虚构的政策发生时点构造交互项进行回归，回归结果见 表3 。从结果中可以看到，三组回归的系数均不显著(p值均大于0.1)，95%的置信区间均包含0，表明不存在政策效应，进一步证明了结果的稳健性。

在前文的分析中，我们已经验证了带量采购政策的实施确实能够提高医药企业的全要素生产率，接下来一个更加关键的问题是：带量采购政策提升医药企业全要素生产率的渠道是什么？基于前文的理论分析，本文假设带量采购政策或许通过增加企业的研发投入和提高企业人力资本两条路径提高了全要素生产率。本文借鉴江艇 [26] 的做法，使用两步法中介效应模型对上述机制进行实证检验。

带量采购政策的常态化、制度化执行，一方面使得原本低风险、高收益的仿制药业务吸引力下降，医药企业出于长远打算转而进行更加有利可图的创新药研发；另一方面，越来越多的仿制药被纳入带量采购范围后，医药企业如果不想失去大量的市场份额就不得不参加带量采购的投标，这要求该企业的仿制药必须通过仿制药质量和疗效一致性评价。因此，无论企业是选择继续从事仿制药业务，还是转变策略进行创新药的研发，或两者兼而有之，都需要加大研发投入提升技术水平，大量理论和实证研究都表明。研发投入对全要素生产率有显著的促进作用。基于上述分析，本部分使用如下的两步法模型对上述机制进行实证检验：

$TF{P}_{it}={\beta }_0+{\beta }_{1}trea{t}_i\times pos{t}_t+{\beta }_{2}contro{l}_{it}+{\mu }_i+{\gamma }_t+{\epsilon }_{it}$(3)

$R{D}_{it}={\theta }_0+{\theta }_{1}trea{t}_i\times pos{t}_t+{\theta }_{2}contro{l}_{it}+{\mu }_i+{\gamma }_t+{\epsilon }_{it}$(4)

式(3)即前文所进行的基准回归，这里不再赘述。式(4)使用研发投入对带量采购政策的交互项进行回归，本文使用两种方式对研发投入进行衡量：1) 企业年报中披露的研发投入合计数加1取对数，以RD_1表示，代表企业研发投入的绝对水平；2) 研发投入合计与期末总资产的比值，以RD_2表示，RD_2参考刘斌等 [27] 的研究，侧重于衡量企业研发投入的相对强度， 表4 汇报了回归的结果。

表4 第(1)列复制了基准回归的结果。第(2)列的被解释变量为RD_1，交互项的系数为正，且在5%的水平上显著，表明带量采购政策显著提高了医药企业研发投入的绝对水平。第(3)列使用RD_2为被解释变量，交互项的系数为正的0.9216，且在1%的水平上显著不为0，表明带量采购政策能够提高企业研发投入的相对强度。综上，带量采购政策的实施显著提高了医药企业的研发投入。

而增加研发投入能够提高全要素生产率这一观点已得到国内外学者的广泛认同。1980年对美国1959~1977年39个制造业部门的研究表明，研发投入显著提高了全要素生产率 [28] 。内生增长理论强调技术进步、知识是经济增长的重要来源，与新古典增长理论不同，这里的技术进步并非外生的，而是市场主体基于激励的选择性行为，企业或个人通过进行研发推动技术进步，提高生产率，从而实现经济的持续增长 [29] 。我国学者的研究也普遍认为增加研发投入可以提高全要素生产率。吴延兵 [15] 使用四位数制造业的数据验证了研发投入与全要素生产率的正向相关关系。夏良科 [16] 利用数据包络分析法，将全要素生产率分解为技术效率与技术进步，进一步探究研发投入和技术溢出对全要素生产率的影响及作用机制，发现企业自身的研发投入对全要素生产率的增长和技术进步具有显著促进作用。毛德凤等 [30] 发现，有研发投入的企业的全要素生产率比没有研发投入的企业高出16.5%。综合上述国内外的实证检验和理论分析，证明了带量采购政策通过促进企业增加研发投入提高了全要素生产率，即验证了本文提出的研究假设H2。

人力资本的衡量方法千差万别，主要可分为投入和产出两个角度。本文参考简泽等 [21] 的方法，选择企业的平均工资率作为人力资本的衡量指标，即企业当年为工人支付的工资、福利费和五险一金等除以员工总数，以Salary表示，其背后隐含的思想是企业会为人力资本水平高的员工支付更高的工资。 表5 汇报了回归的结果。从结果中可以看到，交互项的系数为正的1.1889，且在1%的水平上显著，这表明带量采购政策的实施促进了医药企业人力资本的积累。

使用人力资本来解释各个国家、地区和个体的生产率差异的研究已经有相当长的历史。Romer [29] 将人力资本纳入总量生产函数，在把人力资本水平视为外生的情况下，证明了全要素生产率的增长依赖于人力资本存量。Lucas [31] 构建了一个包含人力资本生产部门的内生增长模型，将人力资本内生化，认为是人力资本的积累导致了经济的增长，并强调了人力资本的外部性。在实证研究方面，Jorgenson D W et al. [32] 使用美国1948~1979年的宏观数据实证检验了人力资本积累对生产率增长的促进作用。Abowd J M et al. [33] 的研究表明，在微观企业层面人力资本积累也能显著提高生产率，并且人力资本的不同组成部分对生产率增长的贡献不同，表现出异质性。在国内，许和连等 [34] 使用中国1981~2004年的省级数据进行实证研究，发现人力资本主要通过提高全要素生产率作用于经济增长。彭国华 [35] 的研究发现受过高等教育的人力资本对全要素生产率有显著的促进作用。另外，科技人才通过推动创新发展、提高创新效率、优化资源配置、增强技术溢出效应等途径提升全要素生产率 [36] 。马茹等 [37] 的研究表明人力资本能够通过影响地区自主创新能力、加快技术追赶两个渠道促进全要素生产率提升。综上，可以证明带量采购政策通过促进企业人力资本积累来提高全要素生产率这一机制的存在，即验证了本文提出的研究假设H3。

我国医药行业起步较晚，虽然发展迅速，但在创新研发、生产和企业内部管理上与国际先进水平仍存在较大差距，仿制药行业更是同质化竞争严重，重销售轻研发的现象普遍存在。长期以来，受“以药补医”等深层次原因的影响，我国的药品采购制度几经调整，都没有从根本上解决药品价格虚高、医疗负担沉重的问题。2018年国家医保局成立后，深化推进新一轮医疗改革，针对药品采购领域积弊，开展了带量采购政策，目标是改善医药行业生态、净化药品流通环境，减轻患者用药负担等。带量采购政策的实施对医药企业产生了深刻的影响。

本文阅读和梳理了与带量采购政策和企业的全要素生产率相关文献，总结国内外已有研究成果与不足，结合对带量采购政策要点的分析，对带量采购政策对医药企业全要素生产率的影响进行了理论分析，并从研发投入和人力资本两个角度出发分析了其作用机制，进而提出研究假设。在实证方面，本文以2014~2022年我国A股上市医药企业为研究样本，分别使用LP法和OP法对医药企业的全要素生产率进行了测算。在此基础上，构建双重差分模型，检验带量采购政策的实施对医药企业全要素生产率的影响。研究发现，2018年带量采购政策的实施显著提高了医药企业的全要素生产率，为保证上述结果的稳健性，本文分别使用：更换全要素生产率测算方法、平行趋势检验、安慰剂检验三种方式进行了稳健性检验，证明了上述结果的稳健性。在影响机制方面，本文以研发投入和人力资本为中介变量，使用两步法中介效应模型进行机制检验，研究发现：1) 带量采购政策使医药企业在创新药研发和仿制药一致性评价等方面加大研发投入，从而提高了全要素生产率；2) 带量采购政策使企业雇佣高素质的研发和管理人才，促进了企业人力资本的积累，从而提高了全要素生产率。

本文的贡献体现在以下方面：

在理论方面：第一，从全要素生产率这一更加全面、综合的视角探究带量采购政策对医药企业产生的影响。全要素生产率在宏观层面常被用来衡量一个国家或地区的技术进步或经济发展质量，随着研究的深入和微观数据可获得性的提高，企业层面的全要素生产率受到更多关注，其更加综合地反映了企业的技术水平、效率、管理等因素。带量采购的实施对医药企业来说是挑战更是机会，本文聚焦带量采购对医药企业全要素生产率的影响，拓展了对带量采购政策效果的研究。第二，在影响机制方面，本文识别出带量采购政策提升医药企业全要素生产率的两条路径，即通过增加研发投入和促进人力资本积累提高企业的全要素生产率。

在实践方面：带量采购政策是我国药品采购制度的一次重大调整，其思路和主要规则将在未来较长时期内保持稳定，全要素生产率相比于劳动生产率、资本生产率等单要素生产率，是一个更加全面、综合的生产率指标，往往反映经济发展的质量，本文的研究初步分析了带量采购政策对医药企业全要素生产率的影响及其机制，为带量采购实现医药行业转型升级目标提供了支撑。另外，本研究也可为政策制定部门后续对带量采购规模的调整优化提供些许参考，为医药企业主动应对带量采购，合理分配资源、调整经营策略等提供帮助。

基于上述研究结果，本文提出以下政策建议：

第一，继续逐步扩大带量采购政策所覆盖的药品范围。目前，带量采购所采购的药品主要是临床用量大、采购金额高、临床使用成熟和竞争充分的品种，并且绝大部分都是化学制剂，这些品种覆盖了大部分患者的普遍性治疗需求，提升了这些质优价廉品种的可及性。随着带量采购将这些品种的利润空间压缩，医药企业将重心转移到创新药和未被集采覆盖的高附加值仿制药上，从而推动了企业全要素生产率的提高。另外，仍有大量患者有较为个体化的用药需求，特别是一些罕见病患者所使用的“孤儿药”，虽然市场需求量较少，但是供给单一价格高昂，给患者造成了沉重的负担。带量采购作为国家层面的药品采购政策，应充分发挥其批量购买与政策引导的作用，逐步扩大带量采购覆盖的药品范围，一方面缓解那部分罕见病患者的医疗负担，另一方面给予医药企业明确的市场预期，激励其进行新药的研发。

第二，细化带量采购中选规则中的质量要求。带量采购所采购的仿制药需要通过仿制药质量和疗效一致性评价。以通过仿制药一致性评价为唯一质量门槛，能简化工作流程，也在一定程度上保证了所采购药品的整体质量。从美国等国家的医药行业发展历史来看，仿制药同时具备低廉的价格和与原研药相近的疗效，将会在我国未来的临床用药中占据绝对主力。但是目前，我国仿制药行业大而不强，早期上市的部分仿制药安全性、有效性等研究不足，甚至出现偷工减料、擅自改变工艺的现象，不能对原研药形成有效替代。仿制药一致性评价是参照原研药对仿制药的质量和疗效进行评价，包含三个层次：药学等效性、生物等效性和治疗等效性，一般满足前两个层次的等效性后即可认为具有治疗的等效性 [38] 。但即使通过了一致性评价，同品种原研药与仿制药、仿制药与仿制药之间在疗效和安全性上仍存在一定差距 [39] 。上述同品种的药品在集采中“同台竞技”，在通过仿制药一致性评价的前提下，只进行价格的对比，唯低价是取，忽视了它们之间的质量差距。这很可能导致医药企业只采用可通过仿制药一致性评价的最低标准，得过且过不再对剂型、工艺进行改进优化，不利于我国仿制药行业的长远发展。因此建议在带量采购中标规则中添加质量评分项，允许价格依据质量浮动。