我国省区规模工业创新绩效实证研究——基于HCA-SEM(超效率)-DEA模型

被引：11

作者：

陈四辉

机构：

[1] 岭南师范学院商学院

[2] 岭南师范学院南海丝绸之路协同创新中心

来源：

研究与发展管理 | 2017年 / 29卷 / 02期

关键词：

规模工业; 创新绩效; 超效率DEA模型; 系统聚类分析;

D O I：

10.13581/j.cnki.rdm.20170104.009

中图分类号：

F224 [经济数学方法]; F425 [工业企业组织和经营管理]; F273.1 [企业技术管理];

学科分类号：

0701 ; 070104 ; 020205 ; 0202 ; 1202 ; 120202 ;

摘要：

对我国各省区规模工业进行系统聚类,分为创新效率较高区域、创新效率中等区域和创新效率较低区域3个层次,运用一般化(非)导向超效率DEA模型进行创新绩效分析,得出如下结论:我国省区规模工业创新基本有效率,70%的省区处于效率前沿;"创新效率较高区域"在技术输出方面具有绝对优势;要素驱动呈现R&D、技改、资本投入与创新效率较高、中等、较低区域依次匹配的显著特征;产出目标呈现重利润、产值、专利与创新效率较高、中等、较低区域依次匹配特征.层次分析得到如下结论:在"创新效率较高区域"中,北京处于顶端,上海绩效较差;在"创新效率中等区域"中,江西、吉林、湖南等具有较好的创新效率,黑龙江、重庆和河北具有效率提升空间;在"创新效率较低区域"中,新疆、内蒙古创新效率较高,新疆、海南规模效率较高,山西两项指标都比较低.从层次、比例和松弛3个方面提出改进建议:提升层次应该成为各省区规模工业创新绩效提高的首要目标;进行投入与产出的双向比例改进,适应我国当前的供给侧结构性改革;进行精细化成本管理,推进松弛改进.

引用

页码：102 / 115

页数：14

共 24 条

[11]

在省部级主要领导干部学习贯彻党的十八届五中全会精神专题研讨班上的讲话[M]. 人民出版社 , 习近平, 2016

[12]

中国科技统计年鉴[M]. 中国统计出版社 , 国家统计局科学技术部, 2014

[13]

中国科技统计年鉴[M]. 中国统计出版社 , 国家统计局, 2013

[14]

中国科技统计年鉴[M]. 中国统计出版社 , 国家统计局, 2012

[15]

Using patents and publications to assess R&D efficiency in the states of the USA[J] . V.J. Thomas,Seema Sharma,Sudhir K. Jain.World Patent Information . 2010 (1)

[16]

Productivity, R&D, and the Data Constraint[J] . Zvi Griliches.The American Economic Review . 1994 (1)

[17]

Frontier production functions, technical efficiency and panel data: With application to paddy farmers in India[J] . G. E. Battese,T. J. Coelli.Journal of Productivity Analysis . 1992 (1)

[18] SOME MODELS FOR ESTIMATING TECHNICAL AND SCALE INEFFICIENCIES IN DATA ENVELOPMENT ANALYSIS [J].

BANKER, RD ;

CHARNES, A ;

COOPER, WW .

MANAGEMENT SCIENCE, 1984, 30 (09) :1078-1092

[19] 改革开放中的高新技术产业研发效率研究——基于随机前沿函数的实证分析 [J].

刘和东 .

亚太经济, 2012, (01) :120-125

[20] 各地区规模以上工业企业竞争力评价方法及其均衡发展之浅见 [J].

柳思维 ;

熊曦 ;

高勇 .

现代财经(天津财经大学学报), 2011, 31 (07) :108-115+121

← 1 2 3 →