上海高校科研创新效率与影响因素的实证研究——基于DEA-Tobit模型

本文基于知识生产理论,采用DEA-Tobit两步法对2012-2016年上海17家高校的科研创新效率进行了比较,发现尽管上海市高校科研创新效率总体稳中有升,但处于效率最优状态的高校数量仍较少;其中,上海市属高校与教育部直属高校的技术效率存在显著差距,绝大多数上海高校长期处于规模报酬递增阶段,未来可以通过加大要素的投入来扩大产出。进一步分析发现,近年来上海市高校科研资源配置“抓大放小、重点倾斜”的政策导致了除上海大学外,上海市属高校科研要素投入的整体不足限制了其科研创新产出及效率提升的问题。其次,根据DEA效率评价结果构建多元线性Tobit回归模型,分析上海高校科研创新效率的影响因素。计量分析结果表明,无论是总体还是分类而言,现阶段上海高校科研创新的特点是人力资本的投入能显著的推动高校科研创新效率提升,而物质资本的继续投入却对高校科研创新效率产生了显著的抑制效应,亦表明物质资本对科研创新效率的倒“U”型影响已经显现,资本拥挤问题亟待引起重视。通过比较研究发现,上海市属高校进一步提升技术效率的“短板”主要在于其人力资本积累水平的不足,这一点上与教育部直属高校具有显著的差距。     

基于DEA-Tobit模型的我国上市军工企业技术效率研究

企业效率是企业改革与发展的核心问题。选取我国上市军工企业2011—2015年的相关数据,选用DEA法测度并分析其综合技术效率、纯技术效率及规模效率;基于此,引入面板Tobit模型进一步分析技术效率的影响因素,并为上市军工企业的发展提出建议。实证结论为:我国上市军工企业近5年综合效率值平均达0.795,该值不高的原因主要在于规模效率低下。此外,适度的股权集中、制衡、企业规模、研发投入均对技术效率具有促进作用,且前三者的效果更为显著;而技术人员占比、总资产收益率却存在显著的抑制作用,但后者的抑制程度很小。     

基于DEA-Tobit模型的科技金融效率影响因素研究

运用DEA-Tobit模型对我国2009—2014年24个省市的面板数据进行实证分析,以高技术企业、政府和创投企业这三个科技金融主体为视角探索各因素对科技金融效率的影响。研究表明,随着科技金融投入的不断增加,科技金融效率并未提高;高技术企业总产值占GDP比重、创投企业数量和创投企业吸引投资金额是影响科技金融效率的重要因素。提出提高财政资金监管力度、合理配置科技资源、扩大高技术产业规模、积极引导创投企业发展等政策含义。     

基于超效率DEA-Tobit模型的环渤海经济区全要素能源效率研究

环渤海经济区在经济高速增长的同时能源短缺和环境污染问题日益严重,节能减排形势严峻。以环渤海经济区1995—2011年面板数据为分析对象,运用超效率DEA-Tobit模型对该区全要素能源效率及其影响因素进行分析。结果显示环渤海经济区各省市全要素能源效率整体水平较高,但各省市之间存在差异;环渤海经济区各省市产业结构与全要素能源效率存在负相关关系,技术进步、对外开放程度、能源消费结构及经济发展水平对各省市全要素能源效率都具有不同程度的影响。最后,针对结论提出相应的对策建议。     

“金砖国家”全要素能源效率的比较研究——基于DEA-Tobit模型

选取＂金砖国家＂2003年-2010年面板数据,文章首先在规模报酬不变的条件下运用基于投入导向的超效率DEA模型测算＂金砖国家＂全要素能源效率,并比较分析五国能源效率之间的差异;然后,采用Tobit模型来分析技术进步、产业结构、能源消费结构对＂金砖国家＂全要素能源效率的影响。研究表明,＂金砖国家＂全要素能源效率整体水平不高,但各国存在显著差异,且中国与俄罗斯能源效率都很低,因而节能潜力很大;另外,＂金砖国家＂全要素能源效率与产业结构和能源消费结构均存在显著的负相关关系,其中能源消费结构对各国全要素能源效率的影响均较大,技术进步因素对各国全要素能源效率具有一定程度的影响,而产业结构对中国和印度全要素能源效率影响较大。     

基于三阶段DEA-Tobit模型的省际科技金融效率及其影响因素研究

基于三阶段DEA模型,对我国2015年的省际科技金融效率进行测算,同时利用Tobit模型对科技金融效率的影响因素进行分析。结果表明,我国的省际科技金融效率普遍过低,只有北京、黑龙江、浙江、河南、广东5个省区的技术效率处于技术前沿面,其他省份的技术效率都有待提高;高技术产业的科研经费投入、地区法制化水平、金融发展与技术创新的程度对于科技金融效率都有正向影响,且高技术产业的科研经费投入影响程度最高;高技术产业利润总额占比与政府机构的财政支持度对于科技金融效率的影响有不显著的负向影响。综合以上分析,各地政府应加大高技术产业的科研经费投入,改善经费投入的体系;加大地区法制化水平,保障科技金融市场正常有效的进行;加大金融发展,增进资本积累以及优化资源配置;加大对于科技创新的鼓励,走科技创新内涵路线;各地应监管科研经费,合理分配科学技术财政支出,积极发挥政府的引领作用,保持科技金融效率的持续提升。     

装备制造业技术创新效率评估与创新驱动路径研究——以沈阳为例

创新是装备制造业的命脉,故基于沈阳装备制造业2008—2015年数据,将创新过程分为基础研发阶段和转化成效益阶段,使用DEA方法中的CCR模型和DEA-Malmquist指数方法进行分析,得出结论:不同行业在不同阶段的创新效率并无一致性;总体上在基础研发阶段的创新效率要高于转化成效益阶段,并且在转化成效益阶段的效率水平处于逐年退步的状态。最后用系统聚类方法对沈阳装备制造业的创新驱动路径给出建议。     

中国动漫产业的创新效率及影响因素——基于超效率DEA模型的分析

运用超效率数据包络分析(DEA)模型对2011—2016年中国25个省份的动漫产业创新效率进行测算,然后利用Tobit模型检验创新效率的外部环境影响因素。研究表明:考察期内25个省份的动漫产业创新效率先呈现出缓慢的下降态势,后有所上升,最后呈现出与区域经济发展一致的阶梯型局面;对于动漫产业的创新效率,第三产业进程、居民消费水平、对外开放程度具有显著的正向影响,政府扶持力度、地区经济实力具有显著的负向影响;社会科技水平对东部地区动漫产业的创新效率有显著的负向影响,对西部地区有显著的正向影响。基于此,提出培育和引进高端创新人才、打造开放的社会文化环境,加强产业交流与合作、促进产业跨界融合,改善政府资助结构、落实资金后期监督等对策建议。     

农地流转对农业生产效率的影响研究——基于DEA-Tobit模型的分析北大核心CSCDCSSCI

本文采用江苏省的实地调研数据,运用DEA-Tobit模型两步法详细分析了农地流转对农业生产效率的影响。研究发现,样本农户的平均生产效率只有0.143,处于很低水平,还有很大的进步空间,主要原因是技术效率的低下;流转户(包括转出和转入)整体比无流转户效率高,转出土地和转入土地都有利于生产效率提高,且转入对生产效率的影响要比转出对生产效率的影响提高更为显著。因此,农地流转是提高农业生产效率的有效途径,但政府要增加生产服务性投入以及先进技术的推广,提高技术效率;多创造农地流转条件,鼓励有条件的农户转出土地,让其拥有最优比例的生产要素从而改善生产效率;鼓励种田能手转入土地以实现规模经营来进一步提高农业生产效率。     

区域创新环境对区域创新效率影响的实证研究

以2003-2007年中国30个省份的数据为基础,应用DEA - Tobit方法分析区域创新环境对区域创新效率的影响.研究发现,我国区域创新效率的整体水平并不高且没有明显的上升或者下降趋势;劳动者素质、金融环境、创业水平与区域创新效率之间呈显著的相关关系,其中劳动者素质、创业水平与区域创新效率呈显著正相关关系;金融环境与区域创新效率呈显著负相关关系,原因为在一定的技术、人力等资源投入前提下,良好的金融环境导致创新资金投入冗余,降低了区域创新效率;基础设施、市场环境与区域创新效率之间的相关关系并不显著.     

区域创新效率的环境影响因素分析——基于DEA-Tobit两步法的实证检验

应用DEA—Tobit两步法对我国省际区域创新效率的环境影响因素进行分析．实证结果表明,劳动者素质与区域创新效率之间存在显著的正相关关系,而创业水平与区域创新效率之间则呈现显著的负相关关系,这可能与创业期企业规模较小有关．进一步分析显示,劳动者素质对区域创新效率的显著影响主要受教育投资力度这一因素影响,而平均受教育程度的影响并不显著;创业水平对区域创新效率的显著负影响主要受到民营科技企业的影响,而高技术企业的影响并不显著．本文结论为我国区域创新工程建设提供政策启示．     

人力资本对绿色创新系统创新绩效的影响研究 ——基于我国制造业的DEA-Tobit分析

结合国家绿色创新发展和人才强国战略,根据2009—2016年我国制造业28个行业的面板数据,运用DEA模型评价我国制造业绿色创新系统创新绩效,并选取外商直接投资和产业结构作为控制变量,通过建立Tobit回归模型,分析人力资本的2个维度对我国制造业绿色创新系统创新绩效的影响。研究发现:规模效率偏低是制约我国制造业绿色创新系统创新绩效提升的主要原因;人力资本水平与人力资本投资对我国制造业绿色创新系统创新绩效有显著的负向影响,且人力资本水平的影响效果更显著。基于研究结论,提出提升我国制造业绿色创新系统创新绩效的建议。     

基于DEA模型的智能制造企业创新效率评价

为了衡量我国智能制造企业创新能力,推动制造业持续发展,应用DEA模型、Tobit回归及脉冲响应模型对2016—2020年我国27家位列智能制造企业百强名单的上市公司及其所在产业的创新效率进行评价分析,并对创新效率的影响因素进行研究,以满足“十四五”期间我国制造业面临的发展规划。结果表明：在静态分析层面上,智能制造企业的综合效率DEA有效个数在5年内有所下滑,规模递增企业个数显著增加。在动态分析层面上,智能制造企业的全要素生产率整体呈动态增长,得益于技术效率和技术进步双向增长。在创新效率影响因素方面,资产规模、内控缺陷长期抑制创新效率增长,而股权集中度在长期对创新效率增长有促进作用。     

上海高校科研创新效率与影响因素实证研究——基于DEA-Tobit模型

基于知识生产理论,采用DEA-Tobit两步法对2012—2016年上海17家高校的科研创新效率进行了分析,发现处于科研创新效率最优状态的高校数量较少。除上海大学之外,上海市属高校科研要素投入不足限制了其科研创新效率的进一步提升,亦导致了市属高校与教育部直属高校的技术效率存在显著差距。其次,影响因素Tobit模型回归表明,当前上海高校总体处于人力资本"稀缺"、物资资本"丰裕"的发展阶段,未来上海高校科研创新效率提升需要将视角转向依靠人力资本积累上来;同时,物质资本对科研创新效率的倒"U"型影响已经显现,资本拥挤问题亟待引起重视。     

产学研协同创新效率及其影响因素研究

在分析产学研协同创新内在机理的基础上,利用辽宁省2010~2012年的企业面板数据对产学研协同创新的效率及其影响因素进行研究.研究发现:产学研协同创新效率偏低,其主要原因在于知识成果转化效率低下;企业R&D能力对产学研协同创新的影响非线性且存在"拐点",企业家精神能够影响该"拐点"的位置;企业规模、员工的培训强度和政府政策支持对产学研协同创新效率都有显著的积极影响;企业战略开放程度和政府资金支持未能促进产学研协同创新.     

我国省域创新驱动发展的效率评价及提升路径实证研究

运用DEA分析方法,通过构建评价指标体系,分别从创新驱动知识发展和创新驱动经济环境发展两个角度对全国30个省份2004-2014年创新驱动发展效率水平做出实证测算,并在效率测算基础上进行提升路径的量化研究。研究结果表明：①整体上创新驱动知识发展的效率大于创新驱动经济环境发展的效率。②省域之间的创新驱动知识发展效率和创新驱动经济环境发展效率水平差异大。③个别省份知识效率与经济环境效率完全脱节,即有些地区知识发展效率与经济环境发展效率呈现相反的趋势。④全国有23个省的创新驱动知识发展的效率在总体上呈现规模报酬递增的趋势,而全国有19个省的创新驱动经济环境发展的效率在总体上呈现规模报酬递减的趋势。⑤根据效率测度结果,将效率值为1的地区作为标杆,并以标杆地区为基准对效率值没有达到1的地区进行改进,从而提升这些省域创新驱动发展的综合效率。     

基于超效率SBM-Malmquist-Tobit模型的市域科技创新效率评价及影响因素研究

以2011—2020年河南省18地市为研究对象,运用超效率SBM-Malmquist模型对18个地市科技创新投入产出效率进行测度分析,并进一步运用Tobit回归对影响科技创新效率的因素进行分析。研究表明：河南省18个地市科技创新综合效率总体水平提升,受技术进步效率影响更大,但各城市科技创新发展不平衡;科技创新效率呈现以郑州为中心的效率高地,并逐渐向中部地区扩散的空间特征;基础设施、对外开放程度和金融发展水平是影响河南省市域科技创新效率的重要因素。基于此,从强化地区间创新互助、加强政府支持、提高地区金融水平以及加大对外开放程度4个方面,提出创新效率提升的对策建议。     

创新对军民融合企业效率影响的实证研究——以“十大军工集团”上市公司为例

创新作为推动军民企业有效融合的手段，直接影响着军民融合的深度与效率等。文章以“十大军工集团”62家上市公司为样本，运用超效率DEA模型测算了2016年我国军民融合企业的效率，并通过Tobit模型测算了创新对军民融合企业的影响程度。研究表明:2016年我国军民融合企业效率普遍较低，且不同类型企业间效率差异较大；其中研发人员占比对企业效率促进作用较大，本科以上学历人员占比、专利获批数在短期内对企业效率促进作用较弱，研发经费占比在短期内对军民融合企业的作用的反向的。基于此，本文提出了扩大民营企业的参与程度、加大技术、产品研发的投入、积极研发军民两用技术、加强创新型人才的培养、充分激发创新活力等措施来推动我国军民融合的深度发展。