基于DEA-Tobit方法的人工智能行业上市公司融资效率研究

被引：44

作者：

刘超 ^{[1
]}

傅若瑜 ^{[1
]}

李佳慧 ^{[2
]}

周文文 ^{[1
]}

机构：

[1] 北京工业大学经济与管理学院

[2] 清华大学生命科学学院

来源：

运筹与管理 | 2019年 / 28卷 / 06期

关键词：

人工智能产业; 融资效率; DEA; Malmquist指数; Tobit模型;

D O I：

暂无

中图分类号：

F832.51 []; F49 [信息产业经济];

学科分类号：

1201 ;

摘要：

人工智能产业发展对实现我国总体产业升级和供给侧结构性改革具有重要意义。该领域投资态势向好,但融资渠道较为混乱。本文结合我国37家人工智能产业上市公司2013～2016年的融资数据,首先采用了DEA方法对我国人工智能产业上市公司融资效率进行测度,同时采用Malmquist指数法从动态角度来反映人工智能产业上市公司融资变化,然后通过Tobit方法构建融资效率影响因素模型。从实证结果可以看出,人工智能产业融资效率不高,大多数企业并未达到DEA有效,综合技术效率的不高主要是由于规模效率较低引起的;资本结构、企业的营业能力和成长性与融资效率具有显著的相关性,是影响融资效率的重要因素。最后从提高融资资金利用率、优化融资结构两个方面提出了相关建议。

引用

页码：144 / 152

页数：9

共 15 条

[11] Capital structure, executive compensation, and investment efficiency[J] . Assaf Eisdorfer,Carmelo Giaccotto,Reilly White.Journal of Banking and Finance . 2013 (2)
[12] The effect of external finance on the equilibrium allocation of capital[J] . Heitor Almeida,Daniel Wolfenzon.Journal of Financial Economics . 2004 (1)
[13] Capital structure decision making[J] . Claudio A Romano,George A Tanewski,Kosmas X Smyrnios.Journal of Business Venturing . 2000 (3)
[14] THE MEASUREMENT OF PRODUCTIVE EFFICIENCY
FARRELL, MJ
[J]. JOURNAL OF THE ROYAL STATISTICAL SOCIETY SERIES A-GENERAL, 1957, 120 (03): : 253 - 290
[15] Index numbers and indifference surfaces[J] . Sten Malmquist.Trabajos de Estadistica . 1953 (2)

← 1 2 →