规模以上工业企业技术创新效率行业分析.docVIP

规模以上工业企业技术创新效率行业分析 　　摘要：利用数据包络分析法，对我国37个行业规模以上工业企业技术创新的效率进行了分析和评价，在此基础上利用Tobit模型对影响行业创新效率的因素进行了分析。结果显示：24个行业规模以上工业企业技术创新不具有DEA效率；行业集中度的提高和政府资助有利于提高产业的创新效率，而外资利用和国有及国有控股企业产值比重的提高反而降低了行业的创新效率。 　　关键词：DEA评价法；技术创新效率；创新投入潜力 　　中图分类号：F424.3；F224 文献标识码：A 文章编号：1001-8409（2013）11-0058-04 　　The Technological Innovation Efficiency Analysis of Industrial Enterprises above the Designated Size in Different Trades 　　GAO Xia 　　（School of Economy ，University of Jinan， Jinan 250002） 　　Abstract： 　　This paper analyses and evaluates the technological innovation efficiency of Chinese industrial enterprises above the designated size in 37 different trades with data envelopment analysis. Then the influence factors of the innovation efficiency are analyzed with model of Tobit. The result shows that： the industrial enterprises above the designated size in 24 different trades are inefficiencies in the technological innovation； industry concentration， government assistance have positive effect on the innovation efficiency of the industrial enterprises，but the proportion of the foreign investment， the proportion of the stateowned and jointownership have negative effect on the innovation efficiency. 　　Key words： data envelopment analysis； technological innovation efficiency； input resources potentiality of innovation 　　引言 　　规模以上工业企业技术创新能力的大小和创新效率的高低，直接影响我国建设创新型国家目标的实现。在现有的投入水平下，充分发挥创新投入资源的效率，将有利于缓解我国创新投入严重不足的困境。 　　企业创新效率的分析方法主要有两种，数据包络分析（DEA）和随机前沿分析（SFA），两种方法各有利弊，在分析结果上虽然稍有出入，但在排序方面往往显示出高度一致[1]。国内外学者运用这两种方法对我国不同行业和不同地区企业的创新效率进行了分析[2～4]，结果表明我国工业行业技术创新效率存在较大的不平衡性，创新效率并没有表现出随时间提升的趋势。也有学者专注某一类行业技术效率的研究[1，5]，某一行业内创新效率的差异，不能反应不同行业间创新效率差异和规模报酬差距。 　　在创新投入和产出指标的选择上，有些学者采用了绝对指标，从人员和资金两方面反映创新的投入水平，如科研机构活动人员的数量、技术开发经费、工业总资产等。在产出方面指标多选择新产品的销售收入、新产品的开发项目、专利的申请数、新产品产值、新产品的出口额、收入增长、全员劳动生产率等指标[1，2，4，6～10]。也有学者采用相对指标，尤其是在用DEA模型进行测算时，投入指标多采用科技机构人均科技经费、技术专职人员占职工比例、新产品研发费用占销售收入的比例、万元GDP的能耗等，产出指标多采用新产品销售收入占产品销售收入比例等[3，10]。相对于相对指标来说，绝对指标往往很难消除不同行业特点、不同企业规模对指标的影响，从而不能真正反映企业的研发投入强度和创新产出水平。同样是50万的研发资金投入，对于一个产值