Research on technology innovation efficiency of TCM formula granule enterprises based on three-stage data envelope analysis model

Résumé technique : Recherche sur l'efficacité de l'innovation technologique des entreprises de granulés de formules de Médecine Traditionnelle Chinoise (MTC)

Énoncé du problème
Les granulés de formules de Médecine Traditionnelle Chinoise (MTC) représentent un produit clé de la modernisation de la MTC, avec plus de 700 types actuellement utilisés en clinique. Bien qu'ayant pénétré une « période de développement dorée » en février 2021, le secteur est confronté à des défis importants, notamment une réduction des marges bénéficiaires, des variétés de produits qui ne répondent pas aux demandes cliniques et une compétitivité sur le marché insuffisante. Alors que la littérature existante couvre largement l'efficacité de l'innovation dans l'industrie de la MTC au sens large, il existe un manque notable de recherches ciblant spécifiquement les entreprises de granulés de formules de MTC. De plus, les études existantes ne parviennent souvent pas à dissocier de manière adéquate l'influence des facteurs environnementaux externes (tels que les subventions gouvernementales, les conditions économiques et la structure industrielle) de l'inefficacité de la gestion interne lors de l'évaluation de l'innovation technologique. Cette étude vise à combler cette lacune en mesurant l'efficacité de l'innovation des entreprises de granulés de formules de MTC et en analysant l'impact spécifique des variables environnementales sur leur performance.

Méthodologie
L'étude utilise un modèle d'analyse de l'enveloppement des données (DEA) en trois étapes pour évaluer 13 entreprises cotées de granulés de formules de MTC approuvées par les autorités nationales et provinciales de Chine. Les données couvrent la période de 2018 à 2022.

1. Sélection des variables :

   • Entrées (Inputs) : Investissement en R&D (dix mille yuans), proportion des dépenses de R&D et nombre de personnel de R&D.
   • Sorties (Outputs) : Nombre de brevets d'invention actuels et de modèles d'utilité.
   • Variables environnementales : PIB par habitant, structure industrielle (proportion du secteur secondaire) et subventions financières gouvernementales.

2. Processus en trois étapes :

   • Étape 1 (DEA initiale) : Un modèle BCC (Banker, Charnes, Cooper) avec des rendements d'échelle variables est utilisé pour calculer l'efficacité technique initiale, l'efficacité technique pure et l'efficacité d'échelle. Cette étape identifie les excédents d'intrants (redondance).
   • Étape 2 (Analyse de la frontière stochastique - SFA) : Les variables d'excédent d'intrants de l'étape 1 sont régressées par rapport aux variables environnementales à l'aide d'un modèle SFA. Cette étape décompose les excédents en trois composantes : les facteurs environnementaux, le bruit aléatoire et l'inefficacité de la gestion. Le but est d'ajuster les valeurs d'intrants pour placer toutes les unités de décision (DMU) dans un environnement externe uniforme, éliminant ainsi l'influence des facteurs externes et des erreurs aléatoires.
   • Étape 3 (DEA ajustée) : Les valeurs d'intrants ajustées (excluant les influences environnementales et aléatoires) et les valeurs de sortie originales sont réintroduites dans le modèle DEA. Les scores d'efficacité résultants reflètent l'efficacité de gestion pure des entreprises.

Résultats clés

• Efficacité initiale : Dans l'analyse DEA traditionnelle (non ajustée), l'efficacité technique moyenne était de 0,5214, l'efficacité technique pure de 0,8332 et l'efficacité d'échelle de 0,5778. Bien que certaines entreprises (par exemple, China Resources Sanjiu, Kangmei Pharmaceutical) aient atteint la frontière d'efficacité au cours de certaines années, l'efficacité globale de l'utilisation des ressources était faible.
• Impact des facteurs environnementaux (Résultats SFA) :
  • PIB par habitant : A montré une corrélation positive avec l'investissement en R&D et la redondance du personnel, suggérant que les régions à PIB plus élevé peuvent conduire à une allocation moins efficace des ressources dans ce contexte spécifique.
  • Structure industrielle : Une corrélation négative avec la redondance de l'investissement en R&D a été trouvée, indiquant qu'optimiser la structure industrielle (augmenter la proportion du secteur secondaire) aide à réduire le gaspillage d'investissement.
  • Subventions gouvernementales : Sont significativement corrélées positivement avec la redondance de l'investissement en R&D, impliquant que les subventions peuvent mener à une augmentation du gaspillage de ressources plutôt qu'à des gains d'efficacité si elles ne sont pas couplées à des mécanismes d'incitation efficaces.
• Efficacité ajustée : Après avoir éliminé les effets environnementaux et aléatoires à l'étape 3, l'efficacité technique moyenne a chuté d'environ 25 % (de 0,52 à 0,39), et l'efficacité d'échelle a diminué de 22,4 %. Cela indique que les scores d'efficacité initiaux élevés de nombreuses entreprises étaient largement portés par des environnements externes favorables plutôt que par une gestion supérieure. Inversement, certaines entreprises (par exemple, Tasly Northeast Modern TCM) ont vu leur classement d'efficacité s'améliorer après ajustement, suggérant que leurs scores initiaux faibles étaient dus à des conditions externes défavorables.

Principales contributions

• Focus spécifique : L'étude fournit la première analyse dédiée de l'efficacité de l'innovation technologique spécifiquement pour les entreprises de granulés de formules de MTC, un secteur auparavant sous-recherché par rapport à l'industrie de la MTC au sens large.
• Rigueur méthodologique : En utilisant le modèle DEA en trois étapes, la recherche réussit à isoler les effets des facteurs environnementaux externes (PIB, structure industrielle, subventions) de la performance de gestion interne. Cela offre une évaluation plus précise de la véritable capacité d'innovation d'une entreprise.
• Preuve empirique sur les politiques : L'étude remet en question l'hypothèse selon laquelle les subventions gouvernementales améliorent automatiquement l'efficacité de l'innovation, constatant au contraire qu'elles peuvent augmenter la redondance de l'investissement sans contrôles internes efficaces.

Signification et affirmations
L'article affirme que l'efficacité de l'innovation technologique des entreprises de granulés de formules de MTC est fortement influencée par les facteurs environnementaux externes, particulièrement la structure industrielle, le PIB par habitant et les subventions gouvernementales. Les auteurs soutiennent que de nombreuses entreprises sont actuellement dans une phase de développement ascendante avec un potentiel important, mais que leur efficacité est contrainte par une mauvaise allocation des ressources.

Sur la base des résultats, les auteurs proposent trois directions stratégiques :

1. Expansion de l'échelle : Les entreprises doivent étendre leurs échelles de production pour tirer parti des économies d'échelle et réduire les coûts moyens, en s'alignant sur les politiques nationales de promotion de l'industrie.
2. Stabilité environnementale : Les entreprises doivent construire des systèmes d'incitation internes stables et des mécanismes d'évaluation de la performance pour réduire la dépendance aux environnements externes fluctuants. Les gouvernements sont encouragés à optimiser les structures industrielles et les environnements de marché pour soutenir le secteur.
3. Atmosphère d'innovation : Créer un environnement propice à l'innovation, incluant de meilleurs équipements expérimentaux et l'attraction de talents, est essentiel. Les auteurs suggèrent que la combinaison des incitations gouvernementales avec des réformes de la gestion interne peut aider les entreprises à atteindre la frontière de l'innovation.

L'étude conclut que bien que les facteurs environnementaux jouent un rôle massif, les entreprises doivent optimiser leur allocation de ressources internes et leurs systèmes de gestion pour soutenir la compétitivité et stimuler le développement de haute qualité de l'industrie des granulés de formules de MTC.