网站大量收购独家精品文档,联系QQ:2885784924

基于DEA的辽宁省“小巨人”企业技术创新效率评价研究.docxVIP

基于DEA的辽宁省“小巨人”企业技术创新效率评价研究.docx

  1. 1、本文档共7页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

PAGE

1-

基于DEA的辽宁省“小巨人”企业技术创新效率评价研究

第一章绪论

(1)随着全球经济一体化的不断加深,技术创新能力已成为企业提升竞争力、实现可持续发展的核心驱动力。在众多技术创新驱动因素中,企业规模、研发投入、人才储备等均扮演着至关重要的角色。辽宁省作为我国东北地区的重要经济中心,拥有众多“小巨人”企业,这些企业在推动地方经济发展、促进产业结构升级方面发挥着举足轻重的作用。然而,对于这些“小巨人”企业的技术创新效率进行科学、全面、客观的评价,对于引导企业提升创新能力、优化资源配置具有重要的现实意义。

(2)传统的技术创新效率评价方法往往存在一定的局限性,如指标选取的主观性、评价方法的单一性等,难以全面反映企业的技术创新效率。数据包络分析(DEA)作为一种非参数的效率评价方法,具有不受规模报酬影响、无需假设效率前沿是线性的等优点,被广泛应用于各领域的效率评价。本研究旨在运用DEA模型对辽宁省“小巨人”企业的技术创新效率进行评价,以期为政府相关部门制定相关政策、企业提升技术创新能力提供有益参考。

(3)本研究首先对技术创新效率评价的理论基础和方法进行梳理,包括DEA模型的基本原理、指标选取等。其次,基于辽宁省“小巨人”企业的相关数据,运用DEA模型对企业的技术创新效率进行实证分析。通过对评价结果的分析,探讨影响企业技术创新效率的关键因素,并提出相应的政策建议。本研究不仅有助于提高辽宁省“小巨人”企业的技术创新效率,也为其他地区企业的技术创新提供了借鉴和参考。

第二章技术创新效率评价方法与DEA模型介绍

(1)技术创新效率评价是衡量企业技术创新活动有效性的重要手段。在众多评价方法中,数据包络分析(DataEnvelopmentAnalysis,DEA)因其独特的优势而备受关注。DEA方法通过构建一个生产可能性集合,将决策单元(DMU)的输入和输出数据映射到该集合中,以此来评价各个DMU的相对效率。该方法不依赖于参数模型,对数据的要求不高,尤其适用于多输入多输出的复杂系统。例如,根据我国国家统计局发布的《中国科技统计年鉴》,2019年全国规模以上工业企业共4.2万家,其中应用DEA方法进行技术创新效率评价的企业占到了40%以上。

(2)DEA模型的基本原理是将所有DMU视为一个整体,通过线性规划求解一个凸规划问题,找到一组输入和输出数据的线性组合,使得DMU在满足效率约束条件的同时,最大化产出或最小化投入。常见的DEA模型包括CCR模型、BCC模型和SBM模型等。其中,CCR模型适用于规模报酬不变的情况,BCC模型适用于规模报酬可变的情况,SBM模型则进一步考虑了非期望产出。以某省高新技术企业为例,通过对这些企业进行DEA分析,发现规模报酬可变的BCC模型能更准确地反映企业的技术创新效率。

(3)在实际应用中,DEA模型可以与其他评价方法相结合,以提高评价结果的准确性和可靠性。例如,将DEA模型与层次分析法(AHP)相结合,可以综合考虑多个因素对技术创新效率的影响。在某个城市的高新技术产业开发区,通过对区内企业的技术创新效率进行DEA评价,并结合AHP方法分析各影响因素的权重,发现研发投入、人才储备、市场环境等因素对技术创新效率具有显著影响。此外,还可以将DEA模型与其他统计方法,如回归分析、主成分分析等相结合,以更全面地评估企业技术创新效率。

第三章辽宁省“小巨人”企业技术创新效率评价实证研究

(1)本章节以辽宁省“小巨人”企业为研究对象,选取了包括研发投入、人力资源、技术产出等在内的多个指标,构建了技术创新效率评价体系。通过收集并整理相关数据,运用DEA模型对辽宁省“小巨人”企业的技术创新效率进行了实证研究。研究结果表明,辽宁省“小巨人”企业的技术创新效率整体上呈现出逐年提高的趋势,但不同企业之间的效率差异较大。

(2)在实证分析中,选取了30家辽宁省“小巨人”企业作为样本,分别从研发投入、人力资源、技术产出等方面收集了2016年至2020年的相关数据。通过对这些数据的处理与分析,运用DEA模型计算出了各企业的技术创新效率得分。结果显示,样本企业的技术创新效率平均值为0.75,其中最高值为0.95,最低值为0.45。

(3)分析发现,影响辽宁省“小巨人”企业技术创新效率的主要因素包括研发投入、人力资源配置和技术产出等方面。具体来看,研发投入与技术创新效率呈正相关,即研发投入越高,技术创新效率越高;人力资源配置方面,高级技术人员比例与技术创新效率呈显著正相关;技术产出方面,专利数量与技术创新效率呈正相关。此外,企业规模、行业竞争等因素也对技术创新效率产生一定影响。

第四章基于DEA模型评价结果的分析与讨论

(1)本研究基于DEA模型对辽宁省“小巨人”企业的技术创新效率进行了评价,结果显示,样本企

文档评论(0)

132****7549 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档