基于两阶段DEA和灰关联的31个省份技术创新效率评价

发布时间：2021-01-18 10:15

　　首先将技术创新过程分为技术投入和成果转化两个阶段,然后采用两阶段DEA模型对全国31个省份2013—2018年的面板数据进行效率分析,最后采用灰色综合关联度的方法对其综合效率值的影响因素进行分析。分析结果表明,31个省份技术创新总体效率值并不高,第一阶段的平均效率值略高于第二阶段的平均效率值,影响每个省份创新效率值的投入产出指标不一样,提出要针对每个省份的不同影响指标采取不同的策略。 

【文章来源】：中国科技资源导刊. 2020,52(05)

【文章页数】：11 页

【部分图文】：

2017年31省份投入阶段的效率

图1 2017年31省份投入阶段的效率从表7可以看出，河北、江苏、安徽等15个省份的综合效率值和R&D人员全时当量的关联度最高，受R&D人员全时当量影响较大，占总体比重48.39%。说明这15个省份要提高综合效率值，就要注重人员的投入，人员的投入相较于其他指标显得较为重要；天津、山西、辽宁和黑龙江4个省份对其效率值影响最大的是R&D经费支出，对这4个省份来说财力的投入比人力的投入更能提高技术创新效率值；浙江、湖南、西藏和青海4个省份受产出指标中的专利申请数影响较大，这4个省份的投入已经达到一定程度，再增加投入可能会出现盈余，因此在这个阶段要提高效率值就要对产出指标进行调整，使投入和产出达到一个较为均衡的状态；受发明专利数影响较大的省份只有北京，发明专利数和综合效率值的关联度高达0.75，相比于其他指标的关联度，发明专利数对北京的影响较大，可能是因为北京近几年对于科技创新等发明专利有很大的奖励政策和补贴政策，并出台了10项促进科技创新的政策，北京作为首都，国家的人力、物力、财力投入都优先给予，所以对投入指标的需求不是很大，反之对产出指标的要求比较多；内蒙古、吉林、上海等7个省份受新产品销售收入这个产出指标影响较大，占总体比重的22.58%。

【参考文献】：
期刊论文
[1]创新驱动视角下企业创新效率及要素投入差异性研究——基于新能源汽车上市企业的经验数据[J]. 张永安,鲁明明.  工业技术经济. 2019(11)
[2]福建省创新型城市建设综合评价——基于AHP-熵权的灰色关联分析[J]. 林卓,郑丽霞,曹玉婷,黄译锋.  科技管理研究. 2019(19)
[3]房地产投资、金融发展与城市创新——基于152个地级市面板数据的分析[J]. 江康奇,李锦然.  金融与经济. 2019(07)
[4]安徽省新经济发展及其创新驱动因素研究——基于灰色关联度分析[J]. 张曼琳.  西部金融. 2019(07)
[5]公司资金管理与技术创新关系研究——基于669家上市公司截面数据[J]. 高秉元,黄解宇.  运城学院学报. 2019(03)
[6]河南省城市科技创新能力综合评价——基于超效率DEA和灰色关联分析法[J]. 张莉莉,焦文献,张佳田.  河南科学. 2019(03)
[7]基于两阶段DEA的高技术企业技术创新绩效研究[J]. 韩兵,苏屹,李彤,万民.  科研管理. 2018(03)
[8]基于两阶段串联DEA模型的工业企业技术创新效率及影响因素[J]. 吴士健,张洁,权英.  科技管理研究. 2018(04)
[9]基于二阶段DEA模型中国平板显示产业创新效率研究[J]. 包英群,鲁若愚,熊麟.  科学学与科学技术管理. 2016(09)
[10]基于两阶段串联DEA的区域高技术产业创新效率及影响因素研究[J]. 宇文晶,马丽华,李海霞.  研究与发展管理. 2015(03)



本文编号：2984773