1. 研究背景与意义
医药制造业是国民经济的重要组成部分,是关乎国计民生的产业,承担着保护人民生命健康的重要作用。近些年来,随着人口老龄化和人民对健康需求的增加,医药制造业的重要性愈发重要,在疫情结束以来,出于对自身健康和风险防范能力的担忧,对医药用品、医疗服务的需求急剧增加,但是市场上医药用品的制造、销售、监管方面严重缺失,因此,更需要积极履行社会责任来增加其社会公信力和影响力。随着经济高速增长,关系到社会民生和社会民众的医疗企业社会责任问题更加突出,社会责任和企业绩效是相通的。企业履行社会责任能够赢得公众信誉和树立良好形象,改善企业绩效。同时,社会责任是企业追求经济利益和产生社会利益的体现,作为关乎国计民生的产业,医药制造业更需要主动承担社会责任,提升社会公信力,促进企业发展,实现经济利益最大化。
文本研究国有医药制造业企业社会责任(CSR)对企业绩效(ROA, ROE)的影响,并探讨研发费用(RD)的中介作用。研究基于2024年之前的国有医药制造业上市公司数据,运用多元线性回归模型进行实证分析。研究发现CSR与ROA呈负相关,与ROE呈正相关,但稳健性检验显示结果并不稳定。研发费用被证实具有中介作用。异质性分析表明,企业规模对CSR与企业绩效的关系存在调节作用。
2. 文献综述
Luo和Du研究企业社会责任对产品创新产生的影响,发现企业积极承担社会责任,会让其客户、供应商、非营利组织以及政府在内的利益相关者之间的关系更为紧密,企业能够更容易地“办事”,从而获得更多的研发投入资源,这将有助于公司跟上不断变化的市场需求和产品技术迭代,并促进“创造性飞跃”,即得出结论,企业社会责任履行状况越好,研发投入越多,产品创新越高。张兆国,梁志钢,尹开国(2012) [1]研究认为满足利益相关者的期望,主动承担社会责任能规避法律风险和环境治理成本,可以向大众展示企业的社会责任感,吸引消费者和投资者,提高市场份额和融资能力,从长远来看,可以稳定地提升企业绩效[2]。庞敏(2015)在研究我国245家企业的样本数据后,得出企业进行创新投入的同时,重视社会责任的履行可以提升公司的创新水平,推动企业更快地发展,从而创造更高的利益[3]。国内学者赵息(2016)研究发现,上市公司研发投入会增加调整成本和增强管理者乐观预期。进而对公司成本产生影响,上市公司研发投入越大,管理者会越关注研发投入的成果,最终营业成本粘性更强[4]。李文茜等(2017)通过对高新技术行业上市的419家企业进行数据分析,实证回归的结果显示,上市企业的研发投入的增加,企业内部的创新能力会得到明显提升,增加产品的竞争力,最终有利于企业发展[5]。郭安苹等(2017)研究发现,企业的研发创新投入与社会责任承担,两者的共同作用下对企业的财务绩效将呈现出正向关系,即企业同时重视研发与社会责任,会倒逼企业创新产品或管理模式,长期会降低运营成本,将有利于企业未来的发展壮大[6]。莫勇(2017)研究发现积极承担社会责任并披露责任信息,更容易吸引到投资人和政府部门的关注,从而降低股权融资和资金募集的难度,对企业的发展起到积极作用[7]。
3. 相关概念与基础
3.1. 利益相关者理论
美国学者弗里曼1984年提出,认为企业应关注所有受其决策影响或能影响的目标群体,即与之相关的利益者,包括股东、员工、消费者、供应商、政府、社区、环境等,反对传统上的股东至上,主张企业应该把目标放长远,目标多元化,考虑企业的行为能为社会带来经济价值,维持长期发展。众多学者的研究表明,CSR通过满足利益相关者期望增强信任与合作,从而提升企业绩效,具体来说医药制造业企业通过与供应商、政府合作,承担公共卫生责任、发展绿色经济、减少制药污染等,可以从绿色供应链政策中获取政策补贴以降低交易成本,通过向公众展示药品安全承诺、药品安全认证书、国家药品监督管理局公章等可以赢得社会公众信任,减少宣传费用,增加长期信任,获取市场优势。
3.2. 信息不对称理论
乔治·阿克尔洛夫提出信息不对称理论,他认为在交易双方信息掌握程度不同的情况下,双方进行交易,信息掌握程度高的一方会利用信息优势获取额外利益,而信息掌握程度弱的一方者会处于不利地位,优势一方拥有更多或更优质的信息,导致决策占优,严重的导致市场效率下降甚至失灵。医药制造企业中信息优势方是制药企业,信息弱势方是消费者,在涉及到药品真实疗效、副作用数据时,存在医药企业不向公众展示或进行选择性披露信息,如果不加以管制,会出现劣质低价药通过成本低的优势抢占市场,优质药品因成本高被挤出市场,形成恶性循环,在道德风险层面,有企业篡改医药产品数据,进行造价行为,导致重大公共卫生危机,损害消费者,长期信息不对称导致公众对医药行业信任度下降。企业应履行社会责任,公开药品不良反应数据,定期协同中国国家药监局等披露ESG报告、药品试验数据、FDA认证等。
4. 研究思路与设计
4.1. 样本选择
本文以国内医药制造业上市公司2024年之前财务数据为样本,其中对医药制造业行业的划分,参照了我国证监会2012年修订的《上市公司行业分类指引》。为确保实证结果的可靠性和适用性,避免无关因素的干扰,本文对收集到的相关数据进行了以下处理:(1) 剔除了ST和*ST类公司;(2) 剔除数据存在异常或缺失的样本,(3) 选取公司为国营或国有控股企业,(4) 全部为上市企业,暂停上市或被停牌的企业剔除,共计759个样本观测数据。
本文涉及的解释变量企业社会责任CSR、中介变量企业研发费用RD、控制变量企业成立时间AGE、资产负债率LEV、企业市值规模SIZE、第一大股东持股比例TOP1、被解释变量总资产净利润率ROA、净资产收益率ROE等。数据来自于国泰安数据库、同花顺、企业年报财务报告、整理公司年报获取。本文的企业社会责任数据来源于国泰安和讯网发布的企业社会责任评分数据。本文在数据处理过程中,对缺失项、异常值进行了筛选和整理,最后采用Stata17.0进行实证分析。
4.2. 变量设计
解释变量企业社会责任CSR:是指企业在经营过程中,除了追求经济利润以外,还应当承担起对员工、消费者、社会、环境等各种利益相关方的责任。
中介变量研发费用RD:研发费用作为中介变量可以帮助解释企业研发投入与业绩之间的因果关系,揭示研发活动对企业绩效的影响机制,有助于深入理解企业创新与竞争力的关系。
控制变量企业成立时间AGE;资产负债率LEV为企业负债总额/资产总额;企业市值规模SIZE为期末总资产;第一大股东持股比例TOP1参照国泰安给出的数据,选取排名最高的企业或个人持股比例;总资产净利润率ROA是指企业的净利润与总资产的比值,用来衡量企业每单位总资产所创造的净利润水平,是一个重要的财务指标;被解释变量净资产收益率ROE是指企业净利润与所有者权益之比,用以衡量企业利用所有者权益创造利润的能力。
4.3. 模型构建
根据上述指标体系分别构建多元线性回归模型,具体如下:
5. 实证分析
5.1. 描述性分析
Table 1. Descriptive statistics table
表1. 描述性统计表
 
  
    | Variable | Obs | Mean | Std. Dev. | Min | Max | 
  
    | ROA | 759 | 0.056 | 0.083 | −0.707 | 0.494 | 
  
    | ROE | 753 | −0.014 | 2.652 | −72.146 | 6.918 | 
  
    | CSR | 759 | 3.955 | 1.004 | 1 | 6.25 | 
  
    | RD | 759 | 29,394,947 | 94,011,986 | −4.709e+08 | 6.167e+08 | 
  
    | AGE | 759 | 15.621 | 5.836 | 0 | 29 | 
  
    | LEV | 759 | 0.398 | 0.227 | 0.022 | 1.893 | 
  
    | SIZE | 747 | 1.744e+10 | 3.717e+10 | 1.066e+09 | 5.944e+11 | 
  
    | TOP1 | 759 | 33.551 | 14.932 | 5.83 | 89.09 | 
 从表1可以看出,2014~2024年间,样本公司净资产收益率最大值和最小值分别为6.918和−72.146,总资产收益率最大值和最小值分别为0.494和−0.707,说明我国医药制造企业财务绩效还存在着一定的差距。而资产负债率最小值为0.022,最大值为1.893,表明企业对股东和债权人的保障程度差异很明显。研发投入的最大值和最小值为6.167亿和−4.709亿,至于研发投入和资产负债率大于1的情况存在有企业前期将部分研发支出资本化(计入资产),但后续发现项目失败或不再符合资本化条件,需将已资本化的金额冲销,转为费用,便将研发投入计为负。企业成立时间从0~29公司规模最大值和最小值为5944亿和10.66亿,上市企业间市值规模差距较大。持股比例最大值和最小值为89.09%和5.83%,差距的根本原因是有部分企业为国有控股企业。
5.2. 相关性分析
Table 2. Correlation analysis statistics table
表2. 相关性分析统计表
 
  
    | Variables | (1) | (2) | (3) | (4) | (5) | (6) | (7) | 
  
    | (1) ROA | 1.000 |  |  |  |  |  |  | 
  
    |  | 
  
    | (2) CSR | 0.297* | 1.000 |  |  |  |  |  | 
  
    | (0.000) |  | 
  
    | (3) RD | −0.262* | −0.136* | 1.000 |  |  |  |  | 
  
    | (0.000) | (0.000) |  | 
  
    | (4) AGE | −0.077* | −0.013 | 0.053 | 1.000 |  |  |  | 
  
    | (0.035) | (0.728) | (0.144) |  | 
  
    | (5) LEV | −0.439* | −0.323* | 0.522* | 0.122* | 1.000 |  |  | 
  
    | (0.000) | (0.000) | (0.000) | (0.001) |  | 
  
    | (6) SIZE | 0.244* | 0.275* | −0.243* | 0.213* | −0.165* | 1.000 |  | 
  
    | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) |  | 
  
    | (7) TOP1 | 0.137* | 0.172* | −0.041 | −0.169* | −0.150* | 0.059 | 1.000 | 
  
    | (0.000) | (0.000) | (0.265) | (0.000) | (0.000) | (0.108) |  | 
 ***p < 0.01, **p < 0.05, *p < 0.10.
如表2,对变量进行相关分析可知:ROA与CSR、RD、AGE、LEV、SIZE、TOP1这6项之间具有显著性,相关系数值分别是0.297、−0.262、−0.077、−0.439、0.244、0.137,意味着ROA与CSR、SIZE、TOP1之间有正相关关系,与RD、AGE、LEV有负向相关关系,表明企业财务绩效通过模型得到较好的解释。
5.3. 多重共线性检验
Table 3. Multicollinearity statistics table
表3. 多重共线性统计表
 
  
    | Variable | VIF | 1/VIF | 
  
    | − | + | − | 
  
    | LEV | 1.55 | 0.644884 | 
  
    | RD | 1.44 | 0.692042 | 
  
    | CSR | 1.21 | 0.823593 | 
  
    | SIZE | 1.21 | 0.827242 | 
  
    | AGE | 1.11 | 0.901271 | 
  
    | TOP1 | 1.07 | 0.931474 | 
  
    |  | + |  | 
  
    | Mean VIF | 1.27 |  | 
 表3中VIF值均小于2,不存在显著共线性。各因子间不存在多重共线性的问题。
5.4. 模型检验
Table 4. Inspection results
表4. 检验结果
 
  
    | 检验方法 | 统计值 | 自由度 | p值 | 检验结果 | 
  
    | F检验 | 5.18 | (60,681) | 0.0000 | 通过 | 
  
    | Hausman检验 | 26.04 | 4 | 0.0000 | 通过 | 
 表4中F检验和Hausman检验的检验结果均通过。可以选择合适的模型进行后续分析。
5.5. 回归分析
Table 5. Regression statistics table
表5. 回归统计表
 
  
    |  | (1) | (2) | 
  
    | ROA | ROA | 
  
    | AGE | −0.003*** | −0.003*** | 
  
    | (−3.952) | (−3.918) | 
  
    | LEV | −0.116*** | −0.115*** | 
  
    | (−6.617) | (−6.442) | 
  
    | SIZE | 0.000* | 0.000 | 
  
    | (1.700) | (1.561) | 
  
    | TOP1 | 0.001*** | 0.001*** | 
  
    | (3.400) | (3.414) | 
  
    | CSR |  | 0.002 | 
  
    | (0.449) | 
  
    | _cons | 0.093*** | 0.085*** | 
  
    | (4.377) | (3.101) | 
  
    | N | 747 | 747 | 
  
    | R2 | 0.087 | 0.087 | 
  
    | F | 16.226 | 13.006 | 
 ***p < 0.01, **p < 0.05, *p < 0.10.
从模型检验来看,本文采用固定效应模型,从表5可以看出,对于AGE,LEV、TOP1呈现出0.01水平的显著性,回归系数分别为−0.003、0.116、0.001,企业成立的时间对ROA的影响呈现出负相关系,LEV和ROA呈现负向关系,说明企业的负债过高并不能对企业绩效产生正向关系,反而会对企业产生不利影响,TOP1和ROA呈现出正向关系,说明在国有企业中决策权的绝对集中,对企业的绩效能产生有利影响,对于规模size来说,对企业绩效并不能绝对的影响。
5.6. 中介变量
Table 6. Statistical table of mediating variables
表6. 中介变量统计表
 
  
    |  | (1) | (2) | 
  
    | RD | ROA | 
  
    | CSR | −1.19e+07*** | 0.002 | 
  
    | (−3.517) | (0.611) | 
  
    | AGE | −7.61e+04 | −0.003*** | 
  
    | (−0.133) | (−3.913) | 
  
    | LEV | 1.12e+08*** | −0.121*** | 
  
    | (7.195) | (−6.542) | 
  
    | SIZE | −0.000*** | 0.000* | 
  
    | (−4.561) | (1.751) | 
  
    | TOP1 | −1.37e+06*** | 0.002*** | 
  
    | (−3.724) | (3.556) | 
  
    | RD |  | 0.000 | 
  
    |  | (1.237) | 
  
    | _cons | 8.59e+07*** | 0.080*** | 
  
    | (3.591) | (2.905) | 
  
    | N | 747 | 747 | 
  
    | R2 | 0.159 | 0.089 | 
  
    | F | 25.673 | 11.102 | 
 ***p < 0.01, **p < 0.05, *p < 0.10.
从表6中看出,在CSR与RD中呈现出0.01水平的显著性,中介作用成立,可以使用研发费用RD为中介变量。
5.7. 稳健性检验
从表7中看出,在CSR对ROE的稳健性检验中,均小于0.1,为了验证实证结果的稳健性,对比表5和表7,具体的数值变化并不大,AGE的变化范围小于0.01,且符号一致,LEV的变化范围小于2,变化范围相对较大,SIZE的变化幅度更小,在小于0.001,部分符号相反,可以视为实证结果稳健的,TOP1的变化范围小于0.07,符号均相反,所得结果基本一致,说明回归结论是稳健的。
Table 7. Statistical table of robustness test
表7. 稳健性检验统计表
 
  
    |  | (1) | (2) | 
  
    | ROE | ROE | 
  
    | CSR | 0.281* | 0.314* | 
  
    | (1.736) | (1.920) | 
  
    | AGE | −0.012 | −0.012 | 
  
    | (−0.427) | (−0.456) | 
  
    | LEV | −2.310** | −2.764*** | 
  
    | (−2.497) | (−2.829) | 
  
    | SIZE | −0.000 | −0.000 | 
  
    | (−0.477) | (−0.218) | 
  
    | TOP1 | −0.076*** | −0.072*** | 
  
    | (−4.261) | (−4.038) | 
  
    | RD |  | 0.000 | 
  
    | (1.433) | 
  
    | _cons | 2.523** | 2.373** | 
  
    | (2.147) | (2.013) | 
  
    | N | 741 | 741 | 
  
    | R2 | 0.041 | 0.044 | 
  
    | F | 5.815 | 5.196 | 
 ***p < 0.01, **p < 0.05, *p < 0.10.
5.8. 异质性分析
本文根据759家国营或国有控股企业按照企业市值规模均值来分大规模企业和小规模企业,在Excle表格中得出大于174.4亿的为大规模企业,小于174.4亿的为小规模企业。分别对大规模企业和小规模企业做回归分析和加入中介变量研发费用后的回归分析。
(1) 对大规模企业做回归分析和中介变量的分析
Table 8. Statistical table of regression analysis for large scale enterprises
表8. 大规模企业回归分析统计表
 
  
    |  | (1) | (2) | 
  
    | ROA | ROA | 
  
    | CSR | −0.005*** | −0.005*** | 
  
    | (−3.574) | (−3.544) | 
  
    | LEV | −0.189*** | −0.186*** | 
  
    | (−4.695) | (−4.642) | 
  
    | SIZE | 0.000 | 0.000 | 
  
    | (1.489) | (0.922) | 
  
    | TOP1 | 0.000 | 0.000 | 
  
    | (0.346) | (0.448) | 
  
    | ESG |  | 0.008 | 
  
    | (1.257) | 
  
    | _cons | 0.243*** | 0.204*** | 
  
    | (4.401) | (3.234) | 
  
    | N | 178 | 178 | 
  
    | R2 | 0.190 | 0.199 | 
  
    | F | 8.696 | 7.300 | 
 ***p < 0.01, **p < 0.05, *p < 0.10.
加入研发费用RD后大规模企业中介变量分析。
Table 9. Statistical table of intermediary variables in large scale enterprises
表9. 大规模企业中介变量统计表
 
  
    |  | (1) | (2) | 
  
    | RD | ROA | 
  
    | CSR | −4.98e+07*** | 0.013** | 
  
    | (−4.134) | (1.982) | 
  
    | AGE | 2.37e+06 | −0.005*** | 
  
    | (0.883) | (−3.765) | 
  
    | LEV | 4.90e+08*** | −0.237*** | 
  
    | (6.532) | (−5.289) | 
  
    | SIZE | −0.000 | 0.000 | 
  
    | (−1.475) | (1.219) | 
  
    | TOP1 | 5.45e+05 | 0.000 | 
  
    | (0.368) | (0.383) | 
  
    | RD |  | 0.000** | 
  
    | (2.397) | 
  
    | _cons | 3.21e+07 | 0.201*** | 
  
    | (0.272) | (3.231) | 
  
    | N | 178 | 178 | 
  
    | R2 | 0.366 | 0.229 | 
  
    | F | 17.001 | 7.238 | 
 ***p < 0.01, **p < 0.05, *p < 0.10.
(2) 对小规模企业做回归分析和中介变量的分析
加入研发费用RD后小规模企业中介变量分析。
Table 10. Statistical table of regression analysis for small scale enterprises
表10. 小规模企业回归分析统计表
 
  
    |  | (1) | (2) | 
  
    | ROA | ROA | 
  
    | CSR | −0.004*** | −0.004*** | 
  
    | (−4.661) | (−4.713) | 
  
    | LEV | −0.110*** | −0.114*** | 
  
    | (−5.330) | (−5.385) | 
  
    | SIZE | 0.000** | 0.000*** | 
  
    | (2.554) | (2.636) | 
  
    | TOP1 | 0.001*** | 0.001*** | 
  
    | (2.877) | (2.872) | 
  
    | ESG |  | −0.004 | 
  
    | (−0.812) | 
  
    | _cons | 0.079*** | 0.095*** | 
  
    | (3.290) | (3.073) | 
  
    | N | 569 | 569 | 
  
    | R2 | 0.096 | 0.097 | 
  
    | F | 13.412 | 10.854 | 
 ***p < 0.01, **p < 0.05, *p < 0.10.
Table 11. Statistical table of intermediary variables for small scale enterprises
表11. 小规模企业中介变量统计表
 
  
    |  | (1) | (2) | 
  
    | RD | ROA | 
  
    | CSR | −1.64e+06 | −0.003 | 
  
    | (−0.951) | (−0.749) | 
  
    | AGE | −6.78e+05** | −0.004*** | 
  
    | (−2.067) | (−4.560) | 
  
    | LEV | 5.76e+07*** | −0.124*** | 
  
    | (7.294) | (−5.595) | 
  
    | SIZE | 0.001** | 0.000** | 
  
    | (2.194) | (2.480) | 
  
    | TOP1 | −6.19e+05*** | 0.002*** | 
  
    | (−3.269) | (3.063) | 
  
    | RD |  | 0.000 | 
  
    | (1.511) | 
  
    | _cons | 3.10e+07*** | 0.089*** | 
  
    | (2.688) | (2.876) | 
  
    | N | 569 | 569 | 
  
    | R2 | 0.129 | 0.101 | 
  
    | F | 15.022 | 9.449 | 
 ***p < 0.01, **p < 0.05, *p < 0.10.
从表8~11看出,大规模企业和小规模企业的解释变量和被解释变量之间的相关性基本保持一致,除小规模企业加入研发费用后的CSR与ROA不显著外,其余均呈现出显著性,在大规模企业中增加研发费用后,企业社会责任和企业绩效相关系数为0.013,呈正向关系,小规模企业中增加研发费用后,企业社会责任和企业绩效相关系数为−0.003,呈反向关系,说明企业规模由于资金能力、社会关注度或政策性优势等原因,小规模企业履行社会责任并不一定能带来收益,导致企业在企业社会责任对企业绩效的影响中存在差异。
5.9. 内生性检验
选择将企业社会责任CSR滞后一期,设计变量LCSR,其余步骤参考上述过程。
Table 12. Endogenous statistics table
表12. 内生性统计表
 
  
    |  | (1) | (2) | (3) | 
  
    | CSR | ROA | ROA | 
  
    | LCSR | 0.506*** | −0.000 | −0.000 | 
  
    | (14.372) | (−0.073) | (−0.061) | 
  
    | AGE |  | −0.003*** | −0.003*** | 
  
    | (−4.401) | (−4.381) | 
  
    | LEV |  | −0.109*** | −0.114*** | 
  
    | (−5.497) | (−5.516) | 
  
    | SIZE |  | 0.000* | 0.000* | 
  
    | (1.807) | (1.935) | 
  
    | TOP1 |  | 0.002*** | 0.002*** | 
  
    | (3.472) | (3.555) | 
  
    | RD |  |  | 0.000 | 
  
    | (0.872) | 
  
    | _cons | 1.969*** | 0.098*** | 0.097*** | 
  
    | (14.045) | (3.206) | (3.148) | 
  
    | N | 698 | 687 | 687 | 
  
    | R2 | 0.245 | 0.084 | 0.085 | 
  
    | F | 206.545 | 11.406 | 9.628 | 
 ***p < 0.01, **p < 0.05, *p < 0.10.
如表12所示,LCSR的系数为0.506表明企业前一年的水平对当期CSR有显著正向影响,CSR具有持续性,国有医药企业可能因政策压力或社会期望,需要持续履行社会责任,滞后一期CSR对当期ROA无显著影响,说明国有医药企业的CSR投入在短期内难以转化为财务绩效。
6. 研究总结
本文研究了企业社会责任对企业绩效会产生影响,以及研发费用会有调节作用,在大多数企业中,一般认为企业社会责任与企业绩效呈正向关系,但具体到本文中,企业社会责任CSR与ROA的相关关系绝大部分均为负值,且呈现出0.01水平下的显著性,说明在国有控股医药企业中企业通常承担更多的政策性任务,受到政府严格的价格监管,在突发公共卫生事件(如疫情)中,企业可能需要牺牲部分盈利目标,如扩大产能但限价销售,收入增长与成本压力失衡,从而导致国有企业利润空间有限,其次由于医药行业研发投入大、周期长,若社会责任项目缺乏商业回报,企业可能面临“利润与股东利益最大化”的冲突,可能拖累企业绩效。在大规模企业和小规模企业履行社会责任对企业及绩效产生正向/负向的关系,说明在国有大型企业中,由于规模、信誉、市场渗透率等原因,履行了社会责任会在政府、公众、消费者、投资者等领域得到正向回报,从而降低成本或获得更多的市场占有率,小规模企业则相反,本文也因此再做了滞后一期的企业社会责任对企业绩效的影响,发现履行CSR与ROA呈正向关系,再次证实了履行社会责任是长期投资,长期能转变为企业的绩效。
针对本文的研究,给出以下建议:(1) 对于大型拓展型国有药企,如科兴生物、中国医药集团等,鼓励参与国际卫生治理、国外捐赠药品,牵头建立行业研发联盟,率先引进国际环保标准,开发更加平价的药品,统筹建立药品全生命周期的追溯系统,形成行业标杆;小型企业则根据企业的营收,设立最高CSR支出成本,发挥聚焦基层的优势,主要参与大型企业和政府搭建的医药平台,通过与大企业合作抵免部分大企业税费。(2) 鼓励创新驱动型国有药企,对CSR投入达到标准的创新型企业可适当减免部分税收,同时考虑到创新型企业对CSR的投入会存在资金限制,可以向企业提供部分医药研发费用补贴,聚拢创新型企业的专利成果,打破企业之间的专利壁垒。(3) 建立更加完善的CSR披露审查部门,鼓励企业按时披露CSR,同时严厉打击CSR造假或虚假合同,整治医疗购销领域“回扣”“骗保”等问题,完善违规行为发生后的处理力度。