基于二阶段DEA的大数据企业技术创新效率研究
发布时间：2021-02-16 16:28
大数据时代下,世界各主流大数据发展国纷纷制定与出台了一系列促进大数据发展的政策和战略发展方针,以更好抓住新工业革命中大数据发展的契机。国内外学术界对大数据的相关研究也掀起了一阵阵科研热潮。习总书记指出数字经济全球化是大势所趋,促进数字经济与实体经济融合我们的重要任务。知识技术密集型的大数据企业作为我国数字经济建设中的一部分重要推动力量,提升大数据企业的技术创新效率对于促进我国数字经济建设质量具有重要社会经济意义。为进一步提升我国大数据企业技术创新效率,本文从技术创新内部阶段视角入手,将大数据企业技术创新效率划分为技术研发效率和技术成果商业化效率两部分,分别分析两个阶段效率水平,在此基础上进行整体技术创新效率评价。在研究方法上,笔者遵循定性研究与定量研究相结合的原则进行分析,本文首先通过文献研究和专家访谈法等定性研究方法初步选取大数据企业在技术研发阶段和技术成果商业化阶段的各自投入产出指标,接着从指标的相对重要程度角度对初选指标进行筛选,从而构建出本文的大数据企业技术创新效率评价指标体系,本文具体采用主观赋权法与客观赋权法相结合的方式选取指标,在具体指标选取方法上,本文集成应用熵值法与层...
【文章来源】：重庆工商大学重庆市
【文章页数】：55 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 研究背景
1.1.1 外国大数据发展背景
1.1.2 我国大数据发展背景
1.2 研究意义及目的
1.3 文献综述
1.3.1 大数据企业
1.3.2 技术创新效率的评价
1.3.3 技术创新效率的影响因素
1.5 研究内容
1.4 研究方法及创新
2 概念及理论基础
2.1 相关概念
2.1.1 大数据
2.1.2 大数据企业
2.1.3 技术创新
2.1.4 技术创新效率与技术创新绩效
2.2 理论基础
2.2.1 新熊彼特学派的技术创新理论
2.2.2 基于生命周期的企业成长理论
3 技术创新效率的测算
3.1 初步构建投入产出评价指标体系
3.1.1 初步构建技术研发阶段的投入产出评价指标体系
3.1.2 初步构建技术成果商业化阶段的投入产出评价指标体系
3.2 样本选取及数据来源
3.3 基于熵值法和AHP的投入产出指标体系判定
3.3.1 基于熵值法的投入产出指标权重计算
3.3.2 基于AHP的投入产出指标计算
3.3.3 确定投入产出评价指标体系
3.4 效率测算方法
3.4.1 BCC-DEA模型
3.4.2 Malmquist指数
3.5 大数据企业技术创新两阶段效率的测算结果
3.5.1 大数据企业技术创新两阶段的静态效率测算结果
3.5.2 大数据企业技术创新两阶段效率的动态评价结果
4 大数据企业技术创新效率的显著影响因素
4.1 构建Tobit回归模型
4.2 解释变量说明及理论假设
4.3 Tobit模型数据来源及回归结果
5 结论和建议
参考文献
致谢
在学期间发表论文及参加课题情况
【参考文献】：
期刊论文
[1]基于Malmquist-DEA法的煤炭企业安全效率评价及影响因素研究[J]. 孟晓娜,苗成林,孙丽艳,张祥龙. 煤矿安全. 2019(08)
[2]基于DEA-Malmquist模型的湖南省旅游产业效率时空动态演化及影响因素[J]. 王兆峰,赵松松. 长江流域资源与环境. 2019(08)
[3]基于DEA模型的农业生态效率综合测度[J]. 任红霞. 统计与决策. 2019(06)
[4]大数据时代个性化思想政治教育论析[J]. 李怀杰,申小蓉. 思想理论教育. 2019(03)
[5]基于DEA方法的农产品电商投入产出效率分析[J]. 年志远,李宁,鲁竞夫,赵杨. 统计与决策. 2019(04)
[6]基于两阶段DEA方法的中国商业银行效率评价[J]. 段永瑞,景一方,李贵萍. 运筹与管理. 2019(02)
[7]大数据时代互联网金融创新及风险防控[J]. 李薇. 人民论坛. 2019(05)
[8]大数据背景下制造业转型升级的思路与对策研究[J]. 房建奇,沈颂东,亢秀秋. 福建师范大学学报(哲学社会科学版). 2019(01)
[9]高新技术产业创新效率演化及影响因素分析——以中关村科技园为例[J]. 范超,赵彦云. 现代管理科学. 2019(01)
[10]大数据背景下农业科技信息传递联动机制与对策研究[J]. 刘敏,张钰欣,张珂伦,姜会明. 情报科学. 2019(01)
本文编号：3036612
【文章来源】：重庆工商大学重庆市
【文章页数】：55 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 研究背景
1.1.1 外国大数据发展背景
1.1.2 我国大数据发展背景
1.2 研究意义及目的
1.3 文献综述
1.3.1 大数据企业
1.3.2 技术创新效率的评价
1.3.3 技术创新效率的影响因素
1.5 研究内容
1.4 研究方法及创新
2 概念及理论基础
2.1 相关概念
2.1.1 大数据
2.1.2 大数据企业
2.1.3 技术创新
2.1.4 技术创新效率与技术创新绩效
2.2 理论基础
2.2.1 新熊彼特学派的技术创新理论
2.2.2 基于生命周期的企业成长理论
3 技术创新效率的测算
3.1 初步构建投入产出评价指标体系
3.1.1 初步构建技术研发阶段的投入产出评价指标体系
3.1.2 初步构建技术成果商业化阶段的投入产出评价指标体系
3.2 样本选取及数据来源
3.3 基于熵值法和AHP的投入产出指标体系判定
3.3.1 基于熵值法的投入产出指标权重计算
3.3.2 基于AHP的投入产出指标计算
3.3.3 确定投入产出评价指标体系
3.4 效率测算方法
3.4.1 BCC-DEA模型
3.4.2 Malmquist指数
3.5 大数据企业技术创新两阶段效率的测算结果
3.5.1 大数据企业技术创新两阶段的静态效率测算结果
3.5.2 大数据企业技术创新两阶段效率的动态评价结果
4 大数据企业技术创新效率的显著影响因素
4.1 构建Tobit回归模型
4.2 解释变量说明及理论假设
4.3 Tobit模型数据来源及回归结果
5 结论和建议
参考文献
致谢
在学期间发表论文及参加课题情况
【参考文献】：
期刊论文
[1]基于Malmquist-DEA法的煤炭企业安全效率评价及影响因素研究[J]. 孟晓娜,苗成林,孙丽艳,张祥龙. 煤矿安全. 2019(08)
[2]基于DEA-Malmquist模型的湖南省旅游产业效率时空动态演化及影响因素[J]. 王兆峰,赵松松. 长江流域资源与环境. 2019(08)
[3]基于DEA模型的农业生态效率综合测度[J]. 任红霞. 统计与决策. 2019(06)
[4]大数据时代个性化思想政治教育论析[J]. 李怀杰,申小蓉. 思想理论教育. 2019(03)
[5]基于DEA方法的农产品电商投入产出效率分析[J]. 年志远,李宁,鲁竞夫,赵杨. 统计与决策. 2019(04)
[6]基于两阶段DEA方法的中国商业银行效率评价[J]. 段永瑞,景一方,李贵萍. 运筹与管理. 2019(02)
[7]大数据时代互联网金融创新及风险防控[J]. 李薇. 人民论坛. 2019(05)
[8]大数据背景下制造业转型升级的思路与对策研究[J]. 房建奇,沈颂东,亢秀秋. 福建师范大学学报(哲学社会科学版). 2019(01)
[9]高新技术产业创新效率演化及影响因素分析——以中关村科技园为例[J]. 范超,赵彦云. 现代管理科学. 2019(01)
[10]大数据背景下农业科技信息传递联动机制与对策研究[J]. 刘敏,张钰欣,张珂伦,姜会明. 情报科学. 2019(01)
本文编号：3036612
本文链接：https://www.wllwen.com/jingjilunwen/xmjj/3036612.html
