中国人工智能企业技术效率及其影响因素研究

发布时间：2020-12-29 08:45

　　本文基于中国人工智能上市公司的面板数据,采用随机前沿分析方法构建超越对数生产函数模型,实证测度了中国人工智能企业技术效率及其影响因素。研究发现:(1)人工智能企业技术效率保持了缓慢的增长态势,技术效率水平还比较低下,存在较大的增长空间;(2)人工智能企业技术效率的变动存在显著的差异,但这种差距有进一步缩小的趋势;(3)税收负担和获利能力不足对人工智能企业技术效率起到了明显的抑制作用,政府补贴对人工智能企业技术效率的作用效果尚不理想;(4)资本结构、运营能力和企业规模均对提升人工智能企业技术效率产生了积极影响。最后,本文提出了促进中国人工智能企业技术效率提升的政策建议。 

【文章来源】：工业技术经济. 2018年06期 北大核心CSSCI

【文章页数】：9 页

【部分图文】：

中国人工智能企业技术效率变动趋势

涞募际跣?仕?骄?氏至宋炔降脑龀で魇疲??所有年份的国有企业技术效率水平均大于相应年份的非国有企业(见图2)。其中，国有人工智能企业的技术效率值从2011年的0.378稳步增加为2016年的0.405，非国有人工智能企业的技术效率水平由2011年的0.299稳步增长至2016年的0.327，这反映了中国人工智能企业技术效率的提升具有一定稳定性。另外，与全国整体情况比较发现，考察期内所有年份的国有人工智能企业技术效率水平都高于全国平均水平，而非国有人工智能企业技术效率水平均位于全国平均水平之下。图2不同性质的人工智能企业技术效率比较2.2技术效率影响因素分析表4显示了人工智能企业技术效率影响因素函数的SFA估计结果，且各模型的σ2和γ值均通过了1%的显著性水平检验，表明人工智能企业技术非效率是实际产出未达到生产前沿面的重要原因。从技术效率影响因素的估计结果来看，模型ⅱ～模型ⅴ中各变量的系数方向大体一致，只是影响幅度和显著性稍微有所差异，模型ⅲ、模型ⅳ和模型ⅴ的检验均印证了本文研究结论的稳健性。下面我们主要依据表4中模型ⅱ的估计结果作进一步解析。表4效率影响因素函数SFA估计结果变量模型ⅰ模型ⅱ模型ⅲ模型ⅳ模型ⅴC212.967＊＊＊(20.056)13.580＊＊＊(33.606)13.566＊＊＊(13.076)12.805＊＊＊(31.930)qoe－0.014(－0.466)－0.001(－0.033)－0.002(－0.060)－0.001(－0.024)tax1.085＊＊(2.194)1.057＊＊＊(2.659)1.445＊＊＊(3.019)0.784*(1.907)caps－0.282＊＊(－2.298)－0.463＊＊＊(－3.962)－0.412＊＊＊(－3

【参考文献】：
期刊论文
[1]人工智能等新技术进步影响就业的机理与对策[J]. 王君,张于喆,张义博,洪群联.  宏观经济研究. 2017(10)
[2]人工智能网络热度与其概念股绩效的相关性研究[J]. 王晓彦,陈晓凡,胡德宝.  南方金融. 2017(08)
[3]人工智能产业建设与供给侧结构性改革:马克思分工理论视角[J]. 韩海雯.  华南师范大学学报(社会科学版). 2016(06)
[4]互联网企业负债融资对技术效率的动态耦合效应[J]. 陈涛,党兴华,贾窦洁,宋文飞,韩先锋.  科研管理. 2016(12)
[5]地方政府负债、政府补助与企业绩效[J]. 罗栋梁,陈芬.  经济问题. 2016(10)
[6]人工智能:从科学梦到新蓝海——人工智能产业发展分析及对策[J]. 朱巍,陈慧慧,田思媛,王红武.  科技进步与对策. 2016(21)
[7]金融业营改增、税收负担与经营绩效——基于沪深A股上市公司的经验数据分析[J]. 周振,张充.  华东经济管理. 2016(09)
[8]中国生态农业上市公司技术效率测度及政策研究——基于面板数据的实证分析[J]. 李宪印,刘忠花,于婷.  中国软科学. 2016(07)
[9]情感计算:人工智能产业的经济新实践——兼论对山西智慧转型发展的启示[J]. 周振华.  经济问题. 2016(06)
[10]基于机会窗口的后发国家产业追赶研究——中国智能手机产业的案例[J]. 郭磊,周燕芳,蔡虹.  管理学报. 2016(03)



本文编号：2945358