中国国家药品价格谈判对制药企业创新活动的影响

《Frontiers in Public Health》：Impact of China's national drug price negotiation on pharmaceutical firms' innovation activities

　　**摘要**
**背景**：国家药品价格谈判（NDPN）是中国控制医疗成本和提高药品可及性的关键政策。然而，其对 pharmaceutical firms 创新能力的影响仍存在争议，相关微观层面的实证证据有限。
**方法**：利用 2010 至 2024 年中国 A 股上市 pharmaceutical companies 的面板数据，我们构建了一个多时期差异-in-differences（DID）模型，以实证分析谈判结果对 pharmaceutical firms 创新活动的因果效应、传递机制及异质性。通过一系列稳健性测试（包括平行趋势测试、 placebo 测试以及倾向得分匹配与差异-in-differences 的组合）来增强识别结果的稳健性。
**结果**：谈判结果显著激发了 firms 的创新投资。机制测试表明，这种效应主要通过外部信号传递渠道实现，即通过提升资本市场估值和政府补贴；而内部资源释放渠道并未有效发挥作用，因为营销强度的降低并未显著增加创新投资。异质性分析显示，大型企业和市场力量较强的企业受影响更大，但在药品上市后不久参与谈判的企业效果减弱。进一步分析揭示了战略创新与实质性创新之间的结构性差异：非发明型专利数量增加，但质量未见提升；而发明型专利质量有所改善，尽管数量变化不大。
**结论**：NDPN 对创新具有积极促进作用，但存在结构性差异。政策应保持以价值为导向的谈判机制，确保外部信号有效传递，促进内部资源重新分配，支持规模较小和企业处于早期阶段的产品，以实现“确保覆盖范围”与“促进创新”的双重目标。

**1 引言**
Pharmaceutical innovation 是推动制药行业高质量发展、实现高水平科学和技术自立的核心驱动力。作为关乎国民经济、人民生活和公共卫生的战略性产业，生物医药创新不仅直接决定了 pharmaceutical companies 的市场竞争力，还为保障公共健康和推进“健康中国”战略提供了关键支持。在中国当前的医疗体系中，药品具有准公共物品属性，基本医疗保险基金是最大的购买方。因此，关于药品是否纳入报销目录及支付标准的决策深刻影响着 pharmaceutical companies 的市场回报和利润模式，从根本上塑造了其创新活动的内在动机和长期激励。
为平衡有效控制医疗成本快速增长与持续鼓励 pharmaceutical industry 创新的需求，中国自 2016 年起探索并建立了 NDPN 作为战略性采购机制。谈判最初由原国家卫生和计划生育委员会负责，2017 年移交至人力资源和社会保障部。2018 年国家医疗保障管理局成立后，药品价格谈判进入了规范化的阶段，每年都会进行动态调整。截至 2025 年 12 月，中国已完成 10 轮全国药品价格谈判，共有 719 种药品（按通用名计）被纳入国家报销药品目录（NRDL）（表 1）。研究表明，药品价格谈判政策显著降低了药品价格，大幅减轻了患者的用药负担，并有效控制了人均医疗支出和医疗保险基金支出，提高了包括抗癌药物（3, 4）和慢性病用药（5）在内的多个领域的药品可及性和使用率，从而增强了医疗服务的公平性和可及性，充分验证了“确保基本覆盖范围”的公共福利政策目标。然而，该机制是否能同时实现“促进创新”的政策目标——即谈判后药品价格大幅降低是否仍能激励企业持续进行创新投资——在实践中仍存在争议。创新投资指的是在药品研发和临床试验等创新活动上的直接支出，是中国上市公司年报中披露的关键指标。例如，吉林敖东药业集团的独家产品杜氏丸通过谈判列入报销目录后，2020 年其研发支出较 2019 年下降了 40.41%；LIVZON 的新产品醋酸曲普瑞林微球注射液同样通过谈判纳入报销目录，但次年该公司营业收入下降了 4.97%，研发支出从 2023 年的 12.35 亿元人民币降至 10.44 亿元人民币，减少了约 15.45%。此外，2022 年至少有 13 种符合条件的创新药品选择不参与药品价格谈判。这些现实案例反映了 Chinese pharmaceutical companies 在药品价格谈判中的战略选择，体现了谈判可能产生的潜在“抑制创新”效应。

**表 1**
谈判批次 | 负责部门 | 谈判年份 | 国家报销药品目录（NRDL）发布时间 | 新增药品数量
--- | --- | --- | --- | ---
第 1 批 | 中国国家卫生和计划生育委员会 | 2016 | 2017年2月 | 3
第 2 批 | 中国人力资源和社会保障部 | 2017 | 2017年7月 | 36
第 3 批 | 国家医疗保障管理局 | 2018 | 2018年10月 | 17
第 4 批 | 2019 | 2020年1月 | 70
第 5 批 | 2020 | 2021年3月 | 96
第 6 批 | 2021 | 2022年1月 | 67
第 7 批 | 2022 | 2023年1月 | 108
第 8 批 | 2023 | 2024年1月 | 121
第 9 批 | 2024 | 2025年1月 | 89
第 10 批 | 2025 | 2026年1月 | 112

**数据来源**：
- 人力资源和社会保障部关于发布国家基本医疗保险、工伤保险和生育保险药品目录的通知（2017 版）：
(https://www.mohrss.gov.cn/xxgk2020/fdzdgknr/zlbmxgwj/ylbx/201702/t20170223_266775.html)
- 人力资源和社会保障部关于将 36 种药品纳入国家基本医疗保险、工伤保险和生育保险药品目录 B 类的通知：
(https://www.mohrss.gov.cn/xxgk2020/fdzdgknr/zlbmxgwj/ylbx/201707/t20170718_274153.html)
- 国家医疗保障管理局关于将 17 种抗癌药品纳入国家基本医疗保险、工伤保险和生育保险药品目录 B 类的通知：
(https://www.gov.cn/zhengce/zhengceku/2018-12/31/content_5438693.htm)
- 国家医疗保障管理局与人力资源和社会保障部关于发布 2019–2023 年国家基本医疗保险、工伤保险和生育保险药品目录的联合通知：
(https://www.nhsa.gov.cn/)

当前学术界关于价格谈判是否有效促进 pharmaceutical firms 创新的讨论仍有限，需要进一步研究。一方面，作为需求侧政策，NDPN 主要通过“价格换销量”机制扩大市场空间并提升预期回报，从而激励企业创新（7）。例如，Zhu 等人（1）发现价格谈判显著增加了企业的研发投资和专利申请；Liao 等人（8）指出谈判可通过需求拉动效应和人才吸引激励创新。另一方面，市场机制驱动的强制性降价可能扭曲研发激励。如果短期降价无法通过销量增长来抵消，企业的利润率会受到挤压，可能导致创新投资减少、新疗法推出延迟，甚至出现创新动力的结构性不足（9）。
现有研究存在若干局限性：首先，价格谈判影响创新的机制尚未得到充分探讨；其次，政策效果的边界条件（如企业市场力量和谈判时机）研究不足；第三，对创新绩效的刻画较为狭隘，对政策环境下战略创新与实质性创新的区分关注不够。为填补这些空白并丰富现有研究结果，我们利用 2016 至 2023 年实施的八轮全国药品价格谈判作为准自然实验，实证分析价格谈判对 pharmaceutical firms 创新活动的影响和机制。研究贡献有四方面：一是方法论上，我们采用多时期差异-in-differences 模型，分析 2010 至 2024 年中国上市 pharmaceutical companies 的数据，更精确地识别价格谈判对创新投资的净效应，并扩展该领域的微观实证证据；二是理论机制方面，探讨外部信号传递和内部资源释放的传导路径，深入理解国家医疗保险基金的“战略性采购”如何激励产业创新；三是异质性分析方面，揭示政策效果的条件性和结构性差异，探讨不同企业规模、市场力量和谈判时机下的不同影响；四是扩展分析范围至创新绩效，考察政策如何影响战略创新与实质性创新。这些发现为优化谈判规则和实现“确保覆盖范围”与“促进创新”的长期协同提供实证指导。

**2 理论分析与研究假设**
**2.1 制度背景与直接效应假设**
制药行业具有高投资、高风险、长周期和显著的公共物品属性。由于正外部性，创新活动常面临“市场失灵”。新古典经济理论认为，政府政策干预对于纠正创新溢出效应和激励研发至关重要（10）。当前，中国制药行业正从“以仿制药为主”向“创新驱动”转型。在此过程中，政府通过一系列政策工具直接影响企业投资活动和战略决策，主要分为两类：供给侧激励和需求侧拉动机制（11）。供给侧方面，如研发补贴（12）和知识产权保护（13）已被证明能有效促进 pharmaceutical companies 的创新投资。需求侧方面，药品价格谈判和基于销量的采购（VBP）是国家医疗保障管理局行使战略性采购职能的核心机制，共同调节药品市场准入和引导市场价格形成（14）。然而现有研究主要集中在 VBP 政策上，探讨其对药品价格、销量（15）及制造商创新（16）的影响。关于药品价格谈判如何影响企业创新及其潜在机制和异质性效应的研究相对较少。
与 VBP 不同，NDPN 旨在针对高价专利药、独家产品和创新药品。这些谈判旨在将这些药品纳入报销目录，主要针对从事创新研发的 pharmaceutical companies，无论是处于研发阶段还是已上市产品。谈判实质上是保险机构与创新企业之间的契约，以“纳入国家报销药品目录”为核心目标，“预期市场份额”为绩效指标。配套的支付标准和医院评估政策提供了明确的进入渠道和报销保障，通过“价格换销量”机制显著提升市场可及性和潜在销量（17）。然而，谈判成功并不意味着药品能立即在医院药房供应。从“目录纳入”到“临床可及”之间存在多重障碍，包括医院药房委员会审查周期、保险预算预先分配限制、医生用药习惯和药品分销物流等问题，这些构成了谈判药品的“最后一公里”挑战（1）。如果销量增长滞后或未达到预期，企业将面临“价格降低但销量未实现”的双重压力，可能削弱或延迟创新激励效果。
尽管如此，作为中国医疗改革的里程碑式政策，NDPN 为创新 pharmaceutical companies 提供了激励创新投资的制度基础。从需求拉动角度看，谈判降低了药品价格并赋予报销资格，显著降低了患者的自付成本，从而增强预期市场需求，扩大创新产品的市场机会并提升创新回报，直接强化企业的核心创新激励。从质量选择角度看，在优先考虑成本控制和临床价值的政策指导下，谈判机制可能形成结构性筛选效应，使具有高临床价值的药品获得更强议价能力和可持续的市场优势（14）。这鼓励企业将研发重点放在高投入、高风险的创新上，利用产品独特性获取高质量溢价和创新回报，形成“创新投资—临床认可—市场回报—进一步创新投资”的良性循环。
基于上述分析，我们提出以下假设：
**H1**：通过价格谈判将企业药品纳入国家报销药品目录将积极激励 pharmaceutical firms 的创新投资。

**2.2 从外部信号传递角度的机制假设**
根据信号理论，在信息不对称的市场中，高质量企业必须采取具体、可观察且成本较高的行动，向信息劣势方（如投资者或政府机构）传递关于自身质量或未来前景的可靠信号（18）。成功纳入国家药品集中采购目录（NRDL）不仅有助于产品进入医院市场，还可以向资本市场和政府机构发出强烈的“认证信号”。这一信号传达了多个有利的信息：首先，该药物的临床价值和药经济学属性已经通过了国家医疗保障管理局专家组的严格评估；其次，该公司的商业化能力和定价策略已经接受了国家级审查（8）。这种公开可观察的信息有助于减少公司与外部资本之间的信息不对称性，从而降低对未来盈利能力的不确定性。基于此，成功的价格谈判可以通过两个渠道改善企业创新投资的外部融资环境：首先，提高资本市场估值。获得报销授权为公司的价值提供了权威认可，减少了投资者与公司之间的信息不对称性，并引发市场对公司价值的重新评估。更高的估值可以提高股权融资能力，降低外部资本成本，改善对未来现金流的预期，并增强管理层对长期创新战略的信心和承诺（19）。市场预期的改善可能会为持续的高强度创新投资创造有利的资本环境。其次，增加政府补贴。在分配资金时，政府机构往往难以直接评估公司的真正创新质量和项目可行性（20）。成功的价谈判是技术项目申请的前提条件或 merit factor，可以表明公司具有研发能力、合规性、公认的临床价值和商业化能力。这降低了政府的筛选成本，并增加了谈判公司在竞争性项目评估中获优先考虑的可能性，从而增强了获得政府补贴和政策融资的机会。政府支持不仅缓解了研发资金紧张的问题，还可以进一步向资本市场传递积极信号，形成双重信号协同效应（21）。

根据上述理论分析，我们提出以下假设：
H2：通过价格谈判将公司的药物纳入国家医保目录，可以通过提高资本市场估值和增加政府补贴来激励公司的创新投资。

2.3 从内部资源释放的角度来看的机制假设
从内部资源释放的角度来看，基于资源的观点（RBV）认为，公司的竞争优势来源于异质性资源禀赋和资源分配的效率，核心竞争力是通过有效整合和利用内部资源建立的（22）。纳入报销目录改变了公司的收入生成逻辑——从“高营销驱动”转变为“保险报销驱动”——重组了资源分配的机会成本。一旦谈判过的药物获得报销资格，公司理论上可以依赖保险支付的制度保障来扩大市场需求，减少对传统营销努力的依赖，从而释放财务资源（23）。根据 RBV 的资源灵活性概念，公司有能力重新分配资源，最终的部署取决于管理层决策和外部限制（24）。释放出来的营销资源可以用于偿还债务、股东回报、扩大产能、现金储备，或在以创新为导向的战略指导下，投资于研发以支持内部创新资金。

基于这一理论分析，我们提出以下假设：
H3：通过价格谈判将公司的药物纳入国家医保目录，可以通过降低营销强度来激励公司的创新投资。

3 研究设计
3.1 数据来源
2009年3月17日发布的《关于深化医药卫生体制改革意见》标志着中国新一轮医疗改革的启动。我们将观察窗口定义为2010年（医改实施后的第一个完整年份）至2024年，涵盖了从2016年的第一轮目录到2023年的第八轮目录的时期。选择2010年至2015年作为政策基线的原因如下：首先，它符合 DID 模型的识别要求，提供了六年的政策前窗口，以便于平行趋势假设；其次，它确保了一个相对“干净”的基线，因为当时 belum 实施 VBP（药品集中采购），其他主要政策干预也很少；第三，它与制药行业的长期研发周期相符，有助于准确描述公司的创新活动。我们选择了上海和深圳证券交易所的上市公司作为研究样本，基于以下几个考虑因素：首先，A 股市场汇集了主要的中国制药公司，代表了 NDPN（国家药品集中采购目录）的主要目标；其次，上市公司根据标准化规定披露信息，确保了运营和创新数据的高可用性；第三，样本涵盖了不同规模和创新能力的企业，包括仿制药制造商和创新药制造商，从而支持多样化的实证分析。样本范围根据《国民经济产业分类》（GB/T 4754）中的“C27”制药制造类别确定，并通过申银万国证券有限公司于2021年7月发布的行业分类标准系统进行了手动验证。

数据处理过程如下：（1）排除了 ST 和 *ST 公司；（2）移除了控制变量缺失的观测值；（3）对所有连续变量在两端进行了1%的水平 Winsock 处理，以控制极端值。最终样本包括333家A股上市公司，其中治疗组有60家生物制药公司——其产品通过价格谈判在2016年至2023年间成功纳入了 NRDL——对照组有273家公司，其产品在同一时期未被纳入。
核心变量“公司是否通过价格谈判将其药物纳入国家医保目录”来源于 ByDrug 数据库，并通过中国医药产业信息中心的 PharmaOne 数据库和 Mininet 数据库进行了手动验证。所有其他公司层面的数据来源于中国股票市场与会计研究数据库（CSMAR）。

3.2 变量定义
因变量：本研究中的因变量是企业创新投资（RD）。现有文献通常使用研发支出占收入的比例或占总资产的比例来衡量创新投资（8, 25）。考虑到制药行业高度依赖政策，政策变化可能会显著影响营业收入，导致营业收入的波动性加大（补充图1），基于收入的衡量方法可能会受到短期波动的影响，无法准确捕捉公司的创新投资。遵循 Umar 等人的方法（26），我们将创新投资定义为研发支出占总资产的比例，反映了公司相对于其资产规模的研发资源配置。

自变量：本研究的解释变量是“公司是否通过价格谈判将其药物纳入国家医保目录”（nego_dum）。鉴于 NRDL 谈判结果通常在次年生效（例如，2021年的谈判结果于2022年1月1日实施），为了确保政策时序与公司创新投资的一致性，我们将公司成功谈判药物的次年定义为政策冲击的起始年份。解释变量（nego_dum）在该年设为1，之前年份设为0。对于有多个药物进入目录的公司，按照 Liao 等人的方法（8），将首次进入目录的年份定义为政策冲击年份，随后年份的变量设为1，以满足 DID 模型的持续性要求。此外，如果一家公司被纳入 NRDL 但没有上市，数据则汇总到其母公司层面，以确保治疗状态的准确识别。

中介变量：为了研究外部信号传递和内部资源释放的机制，我们选择了以下三个中介变量：
外部资本市场估值（TobinQ）：Tobin's Q 定义为公司市场价值与其资产重置成本的比率，反映了外部资本市场对公司价值和增长预期的调整（27）。它作为投资者重新评估和认可长期投资机会及增长潜力的具体指标（28）。Tobin's Q 用于衡量外部资本市场估值。
政府补贴（Gov）：政府补贴是衡量公司获得财政支持水平的一个重要指标。遵循 Liao 等人的方法（8），补贴被定义为“收到的金额加上一”的自然对数，以减少数据分布偏斜的影响。
营销强度（SalesExp）：营销强度反映了公司在市场推广方面的创新投资程度，是内部资源分配的关键指标。我们将其定义为销售费用与营业收入的比率，以捕捉谈判如何影响公司的运营策略，进而影响其创新资源配置。使用与因变量（RD）不同的分母有助于减少潜在的虚假相关性（29）。
控制变量：为了准确识别 NDPN 对创新投资的净效应，遵循 Tan 的方法（23），我们选择了跨越公司特征、财务结构、公司治理、运营效率和宏观经济环境的控制变量。具体来说，公司规模（Size）和上市年龄（ListAge）反映了公司的资源禀赋和生命周期阶段，是影响创新投资的基本因素；杠杆率（Lev）控制了财务风险，因为较高的债务水平可能会通过风险承担机制抑制创新；所有权集中度（Top1）和机构所有权比例（INST）从股权结构和外部监督的角度捕捉了公司治理对研发决策的影响；资产周转率（ATO）衡量运营效率，反映了资产利用率，而固定资产比例（FIXED）控制了由于资产结构差异可能导致的研发资源挤出效应；此外，还包括了 secondary industry（Indus）的附加值，作为宏观经济环境的代理变量，以控制可能影响制药创新的区域产业结构和经济发展水平。变量定义见表2。

表2 变量类型 变量名称 变量符号 测量方法
因变量 企业创新投资 RD 企业研发支出/总资产
自变量 公司是否通过价格谈判将其药物纳入国家医保目录 nego_dum 如果公司在谈判后年份将其药物纳入国家医保目录，则赋值为1；否则为0
中介变量 资本市场估值 TobinQ 公司股票市场价值/公司资产重置成本
政府补贴 Govln （政府补贴+1）
营销投资强度 SalesExp 销售费用/营业收入

控制变量
公司规模 Size 总资产的自然对数
上市年龄 ListAge （当前年份-上市年份+1）
资产负债比率 Lev 总负债/总资产
机构所有权比例 INST 机构投资者持股比例/100
最大股东持股比例 Top1 最大股东的持股比例/100
资产周转率 ATO 净营业收入/平均总资产
固定资产比例 FIXED 净固定资产/总资产
secondary industry 增加值 Indusln （secondary industry 的附加值，单位：亿元）

3.3 模型设置
多时期差分（DID）模型通过比较政策实施前后处理组和对照组变化之间的差异，来识别成功的药物价格谈判对创新投资的净效应（30, 31）。鉴于不同公司的药物价格谈判存在时间滞后，我们构建了一个 DID 模型，如方程（1）所示。
RDit=α0+βnego_dumit+τXit+λi+θt+μp+εit
(1)
其中下标 i 和 t 分别表示公司和年份。RDit 是因变量，表示公司在 tahun t 的创新投资。nego_dumit 是核心自变量，其系数 β 反映了公司通过谈判将其药物纳入 NRDL 对创新投资的影响。Xit 包含了一组控制变量。λi、θt、μp 分别表示公司固定效应、年份固定效应和省份固定效应。εit 表示随机误差项。α0 是截距项。标准误差在公司层面聚类，以考虑潜在的序列相关性和异方差性。

4 实证分析
4.1 描述性统计
表3 展示了关键变量的描述性统计信息。因变量（RD）的平均值为3.08%，这与制药制造业的高创新投资特征一致。其较大的标准差和较宽的范围（从0.11%到20.76%）表明各公司之间的创新投资强度存在显著差异。核心解释变量（nego_dum）的平均值约为0.071，意味着在样本期间，只有大约7.1%的样本企业通过谈判获得了 NRDL 的准入。

表3 变量名称 观测值 平均值 标准差 最小值 最大值
RD 301 20.0308 0.0306 0.0011 0.2076
nego_dum 301 20.071 0.0000 1.0000
TobinQ 301 22.4902 1.5952 0.9362 9.5840
Gov 301 21.5696 3.0890 0.0000 19.2173
SalesExp 301 20.2497 0.1736 0.0072 0.7384
Size 301 21.9941 0.9861 19.8522 24.5022
ListAge 301 22.0869 0.9297 0.0000 3.4012
Lev 301 20.3050 0.1767 0.0358 0.8209
INST 301 20.4423 0.2337 0.0097 0.9067
Top1 301 20.3272 0.1350 0.0820 0.6922
ATO 301 20.5404 0.2730 0.0622 1.4724
FIXED 301 20.2080 0.1116 0.0159 0.5258
Indus 301 29.4501 11.0076 6.3677

100
表3 变量之间的相关性检验用于消除模型估计中的多重共线性问题（表4）。皮尔逊相关系数显示，变量之间的相关系数远低于0.5的实证阈值，表明变量之间不存在高度线性的关系。多重共线性诊断是通过方差膨胀因子（VIF）进行的。结果显示，所有变量的VIF值都很低，平均值为1.32，最大值为2.00，均低于常用的5的阈值。这表明解释变量之间没有严重的多重共线性问题。表4列出了相关变量：

| 变量 | RDNego_dum | TobinQ | GovSales | ExpSize | ListAge | Lev | INST | Top1ATO | FIXED | Indus |
|------------|-----------------|-----------|-----------|-----------|---------|---------|---------|---------|---------|
| RD | 1.000 | 0.330 | 0.166 | 0.019 | 0.165 | 0.146 | -0.074 | 1.000 | 1.000 |
| TobinQ | 0.166 | 0.019 | 0.146 | -0.074 | 1.000 | 0.050 | 0.035* | 0.064 | 1.000 |
| GovSales | 0.294 | 0.166 | 0.035* | 0.006 | 0.213 | -0.240 | -0.133 | 1.000 |
| ExpSize | 0.006 | 0.213 | -0.240 | -0.133 | 1.000 | -0.178 | 0.099 | 0.092 |
| ListAge | 0.006 | 0.099 | 0.061 | -0.035* | 0.464 | -0.069 | -0.005 | 0.0037 |
| Lev | 0.005 | -0.005 | -0.093 | -0.037** | 0.237 | 0.369 | 1.000 |
| INST | 0.005 | -0.005 | -0.093 | -0.037 | 0.0055 | 0.081 | 0.086 | 0.0055 |
| Top1ATO | 0.002 | -0.005 | -0.033* | -0.034* | -0.090 | -0.175 | 0.422 | 1.000 |
| ATO | 0.002 | -0.018 | 0.164 | -0.092 | 0.118 | 0.156 | 0.210 | 0.133 |
| FIXED | 0.002 | -0.005 | -0.054 | -0.027 | -0.172 | -0.107 | 0.237 | 0.369 |

皮尔逊相关性分析显示：*P < 0.1, **P < 0.05, ***P < 0.01。

4.2 主要回归结果
表5展示了基准回归结果，用于检验公司的药品是否谈判成功及其创新投资情况。第(1)列显示了仅使用自变量nego_dum和因变量RD的回归结果，回归系数为0.0393，在1%的水平上显著。第(2)列在模型中加入了控制变量，回归系数为0.0394，在1%的水平上也显著为正。第(3)列在纳入年份、公司和省份的固定效应后，回归系数为0.0109，仍在1%的水平上显著为正。这表明，通过谈判将药品纳入国家药品目录（NRDL）使公司的创新投资占总资产的比例增加了约1.09%，高于样本平均值3.08%，从而支持了假设1（H1）。

4.3 稳健性检验
4.3.1 平行趋势检验
平行趋势检验是DID模型有效性的关键前提，要求处理组和对照组在政策实施前显示出相同的趋势线。为此，构建了一组覆盖政策实施前四个时期到后四个时期的时间周期虚拟变量（t-4至t+4），其中t-4作为参考基线。图1显示了这些虚拟变量的估计系数及其置信区间的动态变化。结果表明，在政策冲击之前，所有时期的估计系数都与零无显著差异。这确认了政策实施前处理组和对照组之间的创新投资没有显著差异，满足平行趋势假设。同时，在政策实施年系数不显著，但在政策实施后的第一个时期（t+1）变得显著为正，并且此后呈上升趋势。这不仅证实了谈判对公司的创新投资的促进作用，也反映了谈判药品进入医院渠道的“最后一公里”障碍。

4.3.2 安慰剂检验
为了消除可能干扰基准回归结果的不可观察因素，我们随机生成了一个处理组，并将试点实施时间作为交互项纳入方程(1)，重复了这个过程500次。如图2所示，模拟估计系数的核密度分布集中在零附近，平均值为-4.47 × 10^-5，与基准回归结果0.0109有显著差异，大多数系数的统计显著性未通过（P > 0.1），从而支持了基准回归的发现。

4.3.3 PSM-DID
尽管之前使用的DID模型在某种程度上缓解了政策实施与公司创新投资之间的内生性问题，但它没有完全解释潜在的样本选择偏差。鉴于公司在规模、财务状况和治理结构上的显著差异，其药品被纳入医疗保险谈判可能并非完全随机。这可能在政策实施前引入了处理组和对照组之间的系统差异，从而可能削弱DID估计的有效性。为了解决这个问题，我们进一步采用了倾向得分匹配（PSM）并构建了PSM-DID模型。图3显示了平衡测试的结果，表明匹配后变量的标准偏差显著减少，表明匹配有效。

基于此，我们采用了Brucal等人（32）和Cole等人（33）的方法论，采用1:3最近邻匹配方法，匹配标准为0.05，以选择与处理组公司最相似的对照组公司。表6报告了匹配前后的对照组和实验组协变量分布。匹配后，两组之间的协变量偏差显著减少，未观察到显著差异。

表7列出了匹配样本的回归结果。nego_dum的回归系数为0.009，在5%的水平上显著为正，验证了基准回归结果的稳健性。测试表明，PSM-DID匹配样本仍然满足平行趋势假设（补充图2）。

表7中还列出了其他稳健性检验的结果，包括Borusyak插补估计器、系统GMM估计、考虑VBP政策、异质性处理效应等。

4.3.4 不同处理效应检验
鉴于政策冲击在不同公司之间的非同时性，异质性处理效应可能会引入多期DID模型估计的偏差。为了解决这个问题，我们采用了Borusyak等人（34）和Sun等人（35）提出的稳健性检验方法来估计更可靠的平均处理效应。Borusyak插补估计的稳健性检验结果列在表7的第(2)列中，回归系数为0.0125，在1%的水平上显著为正。这意味着将药品纳入NRDL使公司的创新投资占总资产的比例增加了约1.25%，与基准回归中观察到的1.09%的效果大致一致。基于插补的反事实分析进一步确认了NDPN对公司创新投资的显著积极影响。

4.3.5 政策实施的内生性
由于将药品纳入NRDL可能与公司的初始创新水平相关，忽略这一点可能会在标准的差异-in-differences框架中偏差估计政策效应。为了解决内生性问题，首先将解释变量滞后一个周期。表7的第(3)列显示，nego_dumt ? 1的回归系数为0.011，在1%的水平上显著为正。在此基础上，进行了广义矩（GMM）估计，并将滞后因变量纳入控制变量中，以解决潜在的内生性问题。表7的第(4)列显示，nego_dum的系数为0.0055，在5%的水平上显著为正，表明在考虑政策冲击的内生性后，主要发现仍然成立。

4.3.6 替代因变量
为了进一步验证基线结果的稳健性，我们使用了不同的因变量。首先，根据Zhu等人（1）的方法，用总研发支出（RDexp，以千万人民币计）来衡量公司创新投资。表7的第(5)列显示，nego_dum的系数在1%的水平上显著为正，表明将药品纳入NRDL使公司的平均研发支出增加了约2.24亿人民币。此外，根据Cai等人（36）的方法，用研发人员数量（RDperson）作为因变量。表7的第(6)列显示，系数为67.1929，在10%的水平上显著，表明成功的定价谈判使研发人员数量增加了约67人，从而确认了政策对公司创新投资的激励效果。进一步考虑到研发支出可以作为费用或资本化处理，我们用研发支出占总资产的比率（RDcap）作为因变量。表7的第(7)列显示，该系数不显著，表明NDPN并未显著影响公司的研发资本化行为。

4.3.7 考虑VBP政策的影响
中国的国家量值采购（VBP）政策于2018年实施。如果一家公司同时经历了价格谈判和VBP，这两种政策的效果可能会相互交织，从而混淆价格谈判效果的识别。为了解决这个问题，我们构建了一个公司层面的VBP虚拟变量（VBP_dum），如果公司在2018-2023年期间有任何药品被纳入国家VBP名单，则该变量设为1，否则设为0。表7的第(8)列显示，同时纳入nego_dum和VBP_dum后，nego_dum的系数在5%的水平上仍然显著，而VBP_dum的系数不显著。这一结果表明，在考虑VBP政策后，价格谈判对公司研发活动的促进效应仍然稳健。

4.3.8 考虑政策异质性
2016年和2017年的价格谈判分别由国家卫生和计划生育委员会和人力资源与社会保障部主导。2018年国家医疗保障管理局成立后，谈判规则、组织流程和评估标准发生了重大变化。将这些早期的谈判与后来的谈判等同对待可能会影响估计的稳健性。为此，排除了2016年和2017年参与谈判的公司，并按照第3.2节描述的程序重新分配了nego_dum。表7的第(9)列显示，nego_dum的系数在10%的水平上仍然显著，表明价格谈判对公司研发活动的促进效应不是由特定早期政策驱动的。

4.3.9 固定效应模型
将解释变量替换为“公司成功谈判进入NRDL的药品数量（nego_count）”的连续变量后，固定效应回归结果列在表8中。回归系数在1%的水平上显著为正，从0.0043增加到0.0045，表明成功谈判的药品数量与其创新投资之间存在显著的正相关，进一步验证了基准回归的结论。

综上所述，这些结果表明，将药品纳入NRDL对公司创新投资的促进效应是稳健的，且不存在内生性问题。此外，通过考虑不同公司的规模、财务状况和治理结构的差异，以及VBP政策的影响，进一步确认了基准回归结果的稳健性。重新估计后，该系数在1%的水平上仍然保持为正且显著，这证实了我们结果的稳健性（见补充表1）。4.4 机制测试基于上述理论分析，价格谈判可能通过两个渠道影响企业的创新投资：首先是通过增强外部资本市场估值和获得政府补贴来促进创新投资的外部信号传递机制（H2）；其次是通过减少营销强度并将节省的营销资源重新分配到创新投资中的资源释放机制（H3）。为了测试这些机制，我们采用了Wen等人（37）提出的三步中介效应测试方法。结果总结在表9中。表9 变量 TobinQ GovSalesExp RD (1) (2) (3) (4) (5) (6) nego_dum 0.4631*** 0.2002** ?0.0219* 0.0105*** 0.0107*** 0.0110***(0.1505) (0.0908) (0.0116) (0.0034) (0.0035) (0.0035) TobinQ 0.0007**(0.0003) Gov 0.0010***(0.0004) SalesExp 0.0041(0.0061) Size ?0.9786*** 0.6804*** ?0.0423*** ?0.0056*** ?0.0070*** ?0.0061***(0.1183) (0.0987) (0.0129) (0.0021) (0.0022) (0.0023) ListAge 1.0606*** ?0.1285* 0.0153 0.0032** 0.0041*** 0.0039**(0.1020) (0.0677) (0.0098) (0.0015) (0.0015) (0.0016) Lev 0.3301 0.3357 0.0421 ?0.0048 ?0.0049 ?0.0047 (0.3332) (0.2386) (0.0341) (0.0034) (0.0033) (0.0033) INST 2.9117*** 0.2050 0.0259 0.0025 0.0044 0.0045 (0.4122) (0.3966) (0.0464) (0.0046) (0.0043) (0.0042) Top1 ?1.3905** 1.2012** 0.1483 0.0222*** 0.0200** 0.0206**(0.6689) (0.5195) (0.0966) (0.0080) (0.0078) (0.0083) ATO 1.1828*** 0.1235 ?0.0333 0.0065** 0.0073*** 0.0076***(0.1757) (0.2071) (0.0275) (0.0027) (0.0025) (0.0026) FIXED ?0.2834 0.5560 ?0.0462 0.0052 0.0044 0.0052 (0.4092) (0.4227) (0.0463) (0.0052) (0.0052) (0.0053) Indus 0.3668 0.1535 ?0.0143 0.0056 0.0058 0.0060 (0.3937) (0.3980) (0.0497) (0.0043) (0.0042) _cons 16.7870*** ?0.9612 1.2397** 0.0792 0.0928 0.0867 (4.5775) (4.1066) (0.6083) (0.0607) (0.0599) (0.0632) 企业/年份/省份 固定效应 是 是 是 是 是 是 是 R2 0.6977 0.9221 0.8123 0.8671 0.8674 0.8667 N 301 230 123 0123 0123 0123 0123 0123 0123 机制测试。*P < 0.1, **P < 0.05, ***P < 0.01；标准误差在括号中，企业聚类稳健标准。如表9第(1)列所示，解释变量nego_dum对中介变量TobinQ的系数为0.4631，在1%的水平上显著，表明通过谈判将药物纳入国家药品目录(NRDL)显著提高了企业的资本市场估值。在表9的第(4)列中，包含TobinQ后，nego_dum和TobinQ对企业创新投资(RD)的系数均为显著正数（分别为0.0105和0.0007），表明资本市场估值是价格谈判影响创新投资的中介渠道。也就是说，成功的谈判向市场传递了积极信号，提升了企业的市场价值，从而促进了创新投资。这些结果部分支持了假设2（H2）。如表9第(2)列所示，nego_dum对政府补贴(Gov)的系数为0.2002，在5%的水平上显著，表明价格谈判显著增加了企业获得政府资金的机会。在表9的第(5)列中，nego_dum和Gov对企业创新投资(RD)的系数均为显著正数（分别为0.0107和0.0010）。这表明政府补贴在价格谈判和企业创新投资之间起到了显著的中介作用：成功的谈判向政府传递了积极信号，使企业能够获得更多的补贴支持，进而促进了创新投资。这些发现完全支持了假设2（H2）。如表9第(3)列所示，nego_dum将营销强度(SalesExp)降低了2.19%，在10%的水平上显著。然而，第(6)列表明SalesExp并未显著影响创新投资(RD)，这表明与营销相关的成本节约并未促进企业将更多资源分配到创新活动中。可能有几个因素可以解释这一现象：首先，仅减少营销支出并未创造将资金重新定向到创新的约束力或政策；其次，创新资源的重新分配取决于长期的技术积累、人才和资本支持，因此短期的成本节约不足以改变企业的资源重新分配；第三，医院市场进入的不确定性（“最后一公里”问题）导致企业保留释放的现金而不是投资于高风险、长周期的研发。这些结果表明，单凭价格谈判不足以自然地使企业的资源从营销重新分配到研发。4.5 差异性测试 4.5.1 不同企业规模的差异性企业规模可能会影响创新资源的分配。因此，根据中位数总资产将企业分为大型企业和中小型企业(SMEs)进行子组回归。如表10的第(1)和(2)列所示，新药品价格谈判(NDPN)显著激励了大型企业的创新投资，但对中小企业(SMEs)没有显著影响。这反映了不同规模企业之间的资源基础和风险承受能力的根本差异。大型企业通常拥有更多的内部现金流、更成熟的创新系统和更强大的分销网络，使它们能够吸收谈判带来的短期价格压力，并利用优越的医院渠道优势快速扩大谈判药物的销售额，从而将市场机会转化为创新投资。相比之下，中小企业面临资源稀缺、融资限制和市场扩张能力有限的问题（38）。谈判价格减免可能会直接压缩它们已经狭窄的利润率，导致即使获得了市场准入，也没有足够的现金流来维持长期创新投资。 such enterprises may reduce their innovation spending to maintain their operations. 表10 变量 企业规模分组 市场力量分组 谈判时机分组 大型企业 中小型企业 市场力量强的企业 市场力量弱的企业 早期谈判者 晚期谈判者 (1) (2) (3) (4) (5) (6) nego_dum 0.0118*** 0.0075 0.0166*** ?0.0003 0.0096** 0.0145***(0.0040) (0.0045) (0.0051) (0.0032) (0.0042) (0.0054) Size ?0.0027 ?0.0096* ?0.0106*** ?0.0046* ?0.0068*** ?0.0052***(0.0027) (0.0055) (0.0037) (0.0025) (0.0023) (0.0012) ListAge 0.0047* 0.0053*** 0.0049** 0.0031 0.0036** 0.0030**(0.0028) (0.0019) (0.0019) (0.0024) (0.0016) (0.0012) Lev ?0.0049 ?0.0021 ?0.0021 0.0003 ?0.0022 ?0.0029 (0.0056) (0.0043) (0.0061) (0.0039) (0.0034) (0.0032) INST 0.0071 ?0.0077 0.0055 ?0.0023 0.0053 0.0057 (0.0057) (0.0096) (0.0074) (0.0051) (0.0045) (0.0035) Top1 0.0107 0.0411** 0.0270* 0.0186** 0.0189** 0.0158**(0.0108) (0.0171) (0.0149) (0.0090) (0.0079) (0.0067) ATO 0.0068** 0.0098* 0.0089** 0.0063* 0.0068** 0.0097***(0.0032) (0.0055) (0.0039) (0.0037) (0.0027) (0.0022) FIXED ?0.0020 0.0067 0.0081 ?0.0029 0.0054 0.0045 (0.0088) (0.0068) (0.0086) (0.0062) (0.0055) (0.0047) Indus 0.0082 0.0064 0.0134 ?0.0001 0.0050 0.0064*(0.0059) (0.0055) (0.0087) (0.0060) (0.0042) (0.0042) _cons ?0.0081 0.1487 0.1148 0.1125 0.1123* 0.0614 (0.0905) (0.1304) (0.1188) (0.0840) (0.0643) (0.0454) 企业/年份/省份 固定效应 是 是 是 是 是 是 是 是 R2 0.8817 0.8755 0.8648 0.8883 0.8753 0.8669 N 149 1149 5147 6147 0272 5264 1 不同性分析。*P < 0.1, **P < 0.05, ***P < 0.01；标准误差在括号中，企业聚类稳健标准。4.5.2 不同市场力量企业的差异性Lerner指数是衡量企业市场力量的关键指标，数值越高表示定价能力越强。为了研究市场力量如何调节NDPN对创新激励的效果，我们采用了Jiang等人（39）的方法，根据中位数Lerner指数将样本分为两组：市场力量强的企业和市场力量弱的企业。如表10的第(3)和(4)列所示，nego_dum的系数在市场力量强的企业组中显著为正，而在市场力量弱的企业组中不显著。这一发现与熊彼特的创新理论一致。市场力量强的企业通常拥有更多的内部资源和更大的风险承受能力。更强的市场影响力也有助于企业进入医院市场，使他们能够将市场预期转化为持续的创新投资。相反，市场力量弱的企业面临资源和能力限制，使得政策的激励效果不那么明显（40）。这也表明，价格谈判可能会在制药行业中强化“马太效应”，使领先企业巩固其创新优势，从而可能导致行业长期走向垄断或整合，削弱市场竞争。4.5.3 不同谈判时机的企业差异性企业可能会战略性地选择是否以及何时参与价格谈判。根据药品批准年份与谈判年份之间的间隔，样本企业从上市到纳入国家药品目录的平均时间约为4年。以此为阈值，我们将样本分为“早期谈判者”组（平均间隔< 4年）和“晚期谈判者”组（平均间隔≥ 4年）。为了确保组间可比性，两个回归都使用从未参与价格谈判的企业作为对照组。表10的第(5)和(6)列报告了子组回归结果。晚期谈判者的系数为0.0145，在1%的水平上显著为正，略高于基线回归的0.0109；早期谈判者的系数为0.0096，在5%的水平上显著为正，但低于基线系数和晚期谈判者的系数。进行了额外的稳健性检验以进一步验证这些系数的差异（见补充表2）。这可能是因为，与晚期谈判者相比，早期谈判者相对缺乏产品市场基础和品牌认可度，这可能会阻碍医院准入和销售增长。相比之下，晚期谈判者在谈判前有更长的市场存在时间，有更多时间准备临床证据并建立医生认可度，从而能够更好地吸收价格减免并重新投资于创新。这一发现也与图1和图4中观察到的创新激励的时间滞后效应一致。我们进行了额外测试，发现纳入国家药品目录对企业创新投资的激励效应始终为正，并且具有随时间逐渐增强的特征（见补充表3和补充图3），这意味着企业在谈判后可能会面临短期的医院准入和利润恢复障碍，这种障碍只会随着时间逐渐缓解。这种“最后一公里”障碍使得创新型企业会谨慎考虑他们的谈判时机，这也可能解释了早期谈判组和晚期谈判组之间创新激励效应的差异。具体来说，早期谈判者由于市场基础和品牌认可度相对较弱，在谈判后面临更大的准入延迟，这削弱了他们的创新响应。4.6 进一步分析先前的研究已经表明，价格谈判通过增强资本市场估值和获得政府补贴来激励企业的创新投资，并确定了中介渠道。然而，在实践中，一些企业可能会进行“创新包装”，例如申请低质量的专利而不是真正的突破性创新，从而向市场和政府传递了误导性的创新能力信号（41）。这可能导致研发支出夸大了企业的实际技术创新，夸大了政策的真实激励效果。为了区分价格谈判是促进实质性创新还是战略性创新，我们进一步从数量和质量两个维度检验了企业的创新表现。根据Hall等人（42）的方法，我们根据专利类型区分了实质性创新和战略性创新。发明专利旨在推进技术并建立竞争优势，代表高质量的实质性创新，而非发明专利（包括实用新型和设计专利）更多地反映了合规性或市场导向的战略性创新。我们首先检查了发明专利申请（PatentInv）和非发明专利申请（PatentUd）的数量，使用t+1和t+2时期的申请来考虑创新投资和专利申请之间的滞后。为了评估创新质量，我们使用专利引用次数作为技术影响力的代理指标，从市场认可的角度比较发明专利和非发明专利。根据Bradley等人（43）的方法，我们使用上市公司专利的三年累计引用次数（当前年份加上接下来的两年）来衡量发明专利质量（PatentInv_Cite3t）和非发明专利质量（PatentUd_Cite3t）。根据Wenjing等人（41）的方法，所有专利数量和质量变量都使用自然对数加1进行了转换，以减轻极端值的影响，并对所有连续变量进行了1%的水平Winsorization。回归结果评估其对企业创新活动的影响是评估政策效力的关键。利用2010年至2024年间中国A股上市公司的面板数据，我们采用了多期差分差分模型（DID）来实证研究国家药品价格谈判政策（NDPN）对企业创新投资的影响。研究结果表明，通过国家药品价格谈判被纳入报销名单显著增加了企业的创新投资，并且这一结论在经过一系列检验后依然成立，包括平行趋势检验、安慰剂检验、PSM-DID检验以及其他稳健性检验，这与之前的研究结果一致（1, 23）。机制分析表明，价格谈判主要通过信号传递效应来刺激创新。作为政府质量认证的权威信号，该政策显著提升了企业在资本市场的估值并获得政府补贴，为创新投资提供了额外的资金支持，同时利用外部监督确保资源被用于创新投资。然而，资源释放效应并未得到有效实现：尽管谈判减少了营销投入，但释放出来的财务资源并未流入创新投资领域，这可能是由于缺乏将成本节约导向创新的制度性激励机制，再加上创新的长期性质以及“最后一公里”销售不确定性，导致企业需要保留现金以管理风险。这些发现表明，仅仅通过价格谈判减轻营销负担不足以自然地将企业资源从营销转向研发，仍需要产业资本引导和政府补贴的协调支持，以引导资源投向创新投资，从而扩展现有的需求拉动和人才吸引等机制（8）。

异质性分析揭示了政策效应的边界条件：价格谈判的创新激励效应在大型企业和市场势力较强的企业中更为显著，可能是因为这些企业拥有更强的内部现金流、更广泛的分销网络和更好的医院资源，这有助于吸收价格下降的影响并克服“最后一公里”挑战（38）。然而，这也意味着价格谈判可能会加剧制药行业的“马太效应”，可能导致长期整合或垄断，削弱市场竞争。此外，无论企业在药品上市后选择较早还是较晚参与谈判，这两种策略都能显著刺激创新投资。但对于较晚参与谈判的企业来说，创新激励效应相对更强，可能是因为较早参与谈判的企业在产品市场基础和品牌认知方面相对较弱。这一发现与我们之前发现的时间滞后效应一致，表明谈判成果的药物仍可能面临市场进入和销量扩张的“最后一公里”障碍。

进一步分析表明，价格谈判对企业创新产出的影响呈现出明显的结构性特征。在数量方面，该政策显著增加了非发明专利申请的数量，但对发明专利数量没有显著影响。在质量方面，它显著提高了发明专利在三年内的引用次数，而非发明专利的质量则无明显变化。这种战略创新与实质性创新之间的差异表明，在政策压力下，企业可能会追求一些战略性创新，但倾向于将核心资源集中于极少数具有竞争力的技术突破上，从而提高实质性创新的质量。这些发现与中国当前从仿制药主导的行业向创新驱动的行业转型相吻合，提供了实证证据，证明国家药品价格谈判能够引导创新资源流向高质量产出，加速从“主要仿制药生产商”向“领先创新者”的转变。

基于以上研究结果，我们提出以下政策建议：首先，国家药品价格谈判政策在促进创新方面可以发挥积极作用，应继续实施并进行完善。以“量换价”为核心、以价值为导向的谈判机制应制度化并规范化，并进行动态调整（14）。其次，政策设计应确保双重激励渠道的顺畅运作。对于信号传递渠道，谈判过程应保持公平、透明和可预测性，以维持其对资本市场和政府的可信度和有效性；同时，应加强政府补贴机制，稳定企业的融资预期。对于资源释放渠道，应通过合同设计嵌入内部治理机制，并通过定向资助引导资源投向研发，增强企业的内部创新转化能力。第三，政策优化应具有针对性和差异化，重点支持小型和中型创新企业、市场势力较弱的企业以及新上市的创新药物。在财政层面，分级研发补贴或低息贷款可以减轻价格下降带来的现金流压力；在监管层面，差异化谈判规则可以为新上市产品或市场基础较弱的产品提供适度的价格减免或更长的价格保护期，避免“低销量、价格流失”的困境。政策制定者还应监测潜在的“马太效应”，防止市场垄断削弱竞争。第四，应努力克服谈判成果药物的“最后一公里”障碍，减少延迟并增强政策效应。这可以通过改进临床分配政策、优化“双渠道”政策和支持多元化支付机制（如商业健康保险）来实现，从而提高企业的预期创新回报和激励。最后，政策设计应关注差异化的创新响应。一方面，应通过注重技术影响的创新评估和支持系统来强化提升发明专利质量的趋势；另一方面，应指导非发明专利向高质量创新方向发展，避免资源分配效率低下，并促进医药创新的数量和质量平衡提升。这些措施的协同实施将有助于中国稳定地从主要仿制药生产商转向领先创新者，推动医药行业的高质量发展，并为实现“健康中国”战略目标做出贡献。

本研究存在若干局限性：首先，在样本选择上，仅纳入了A股上市的制药企业，可能存在生存偏差和规模偏差，这些偏差可能会影响研究结果的普遍性；其次，在模型识别方面，尽管采用了多期差分差分方法，但仍无法完全排除诸如内部管理团队变动等时变未观察到的混杂因素；第三，在创新成果的测量方面，本研究侧重于创新投资、专利申请和专利引用，但未区分政策是激励了原创创新还是低风险的模仿性和增量药物研发；第四，由于数据限制，无法直接考察实际医院进入率、处方量和谈判药品的销量，使得“最后一公里”问题有待进一步研究。这些局限性也为未来的研究指明了方向。