基干DEA―Malmquist指数大型上市公司创新效率评价.docVIP

基于DEA―Malmquist指数的大型上市公司的创新效率评价 　　[摘要]大企业的创新绩效对于提高企业创新效率和建设创新型省份具有十分重要的意义。以湖北省为例，采取DEA中的Malmquist指数方法，对2012―2014年湖北省35家大型上市公司的创新效率进行分析，结果表明，湖北省大型上市制造业公司全要素生产率的变化主要依赖于技术变动而非技术效率的提升。据此从企业、行业和政府三方面提出提高湖北省大型上市公司技术创新绩效的针对性建议 [关键词]DEA-Malmquist指数方法；上市公司；大型上市公司；创新效率 [中图分类号]F279.27[文献标识码]A[文章编号] 2095-3283（2015）12-0128-06 一、引言 在第十二届全国人大政府工作报告中，李克强总理指出：企业是技术创新的主体，要鼓励企业增加科研投入，支持企业参与重大科技项目的实施、产学研协同创新的推进。对大企业的创新绩效进行研究，宏观上有助于国家把握各个行业自主创新能力，研究大型企业的创新路径，制定相关的政策来引导其他企业进行自主创新，从而进一步推动经济增长方式的转变，提升我国的综合实力和国际地位。微观上企业可以评估自身的创新情况以及行业内其他企业的创新情况，找出创新过程中存在的问题并分析原因，进一步改进企业创新的方式方法，从而提高企业的核心竞争力和市场地位，推动企业的长远发展 近年来，湖北省作为国家中部崛起战略支点，全国交通航运枢纽，在经济发展过程中逐渐步入“快车道”，在经济总量、经济发展水平上处于中部地区的领先地位，但在大企业创新方面还需不断加强，2014年，有59家企业获批为湖北省第三批创新型企业，其中大型上市公司只有4家，说明创新型企业主要集中在中小企业，大企业还需不断增强科技创新能力 国内对企业创新绩效和创新效率的研究主要有两类：一类是关于研究模型的选择，另一类是实证研究。在模型的选择方面，我国学者进行了丰富的理论研究，常玉、李显东[1]对不同企业技术创新能力进行了横向比较，他们用层次分析法和模糊评价法对企业技术创新能力进行了综合评价。苏泽雄、张岐山[2]在对企业技术创新能力进行评价中，运用基于BP神经网络分算法。孔峰、贾宇等[3]运用VIKOR法建立了创新能力评价模型，对同行业的四家企业进行创新能力测评。刘希宋、李?h[4]对某集团下属10家企业的自主创新能力进行了研究，在研究中他们运用了粗糙集方法。李美娟、陈国宏等[5]通过运用灰色关联度方法，对中国制造业产业技术创新能力进行了评价。吴勇、孙冰[6]在分析中运用了集对分析法，分析中评价了30个省市大中型工业企业的自主创新能力。李健英、慕羊[7]运用DEA方法对我国大型上市公司的创新绩效进行分析。冷雄辉、张从煌[8]以江西省为例，运用DEA方法分析了江西省创新型企业创新投入产出的相对效率，并对研发经费投入和研发人员投入等4个核心指标进行了企业创新效率比较分析。综上可以看出，在对企业创新绩效的方法选择上，有层次分析法、模糊评价法、DEA方法、VIKOR法、灰色关联度方法、BP神经网络分算法、粗糙集方法、集对分析法等方法 在对区域创新绩效的实证研究方面，胡凯[9]概述了中国科技创新绩效的总体趋势，并总结了其阶段性的变化，研究中运用了DEA方法，分析了2000―2009年我国31个地区的科技创新绩效。梁瑞敏、彭佑元[10]运用二阶段网络DEA方法对科技创新效率值进行了评价研究，测算出了山西省2001―2012年科技创新效率值，并对四种分布类型进行了分析评价。程萍、赵玉林[11]运用DEA方法对我国省级以上区域的高技术产业创新效率进行了动态评价以及比较分析 综上所述，虽然学者们对创新绩效做了实证分析与研究，但大多数文献都是从创新型企业角度出发，对于大企业的创新绩效的实证研究还较少，特别是在区域范围内分析大企业的创新绩效，鲜有学者进行研究。在研究方法的选取上，学者们一般采用DEA方法中的C2R模型和BC2 模型对指标进行测算，得出的评价结果是静态的，由于创新具有一定的时滞性，因而无法测算出不同时期决策单元创新效率的变化情况。因此，本文采用DEA-Malmquist指数方法，对湖北省大型上市公司2012―2014年之间的创新效率进行分析，并对湖北省企业提高创新绩效提出对策建议 二、DEA模型与Malmquist指数方法 （一）DEA模型 数据包络分析，简称DEA，是线性规划模型的另外一项应用，一般用于经济定量分析的非参数方法。每个被研究单元称为决策单元（DMU），在所有DMU构成的集合，根据DMU的输入和输出来评价其相对有效性。DEA特别适用于评价单位内部各运作单元（决策单元DMU）的相对效率，最具代表性的模型有C2R模型、BC2 模型、FG