智能制造企業(yè)經(jīng)營能力與創(chuàng)新效率研究

張夢(mèng)成 宋良榮

摘 要：為了準(zhǔn)確衡量智能制造企業(yè)的研發(fā)創(chuàng)新效率從而進(jìn)一步推動(dòng)我國制造業(yè)的智能化進(jìn)程，本文將創(chuàng)新行為劃分為研發(fā)創(chuàng)新與商業(yè)成果轉(zhuǎn)化兩個(gè)階段，采用網(wǎng)絡(luò)DEA模型對(duì)48家國內(nèi)上市智能制造企業(yè)2015—2020年的創(chuàng)新效率進(jìn)行了定量衡量，并通過Tobit回歸探究了企業(yè)內(nèi)部經(jīng)營對(duì)不同階段創(chuàng)新效率的調(diào)節(jié)作用。結(jié)果表明：我國大部分智能制造企業(yè)仍處于DEA無效狀態(tài)，其研發(fā)創(chuàng)新效率與成果商業(yè)轉(zhuǎn)化效率難以共同達(dá)到生產(chǎn)前沿面;且企業(yè)微觀生產(chǎn)運(yùn)營能力，營銷能力，財(cái)務(wù)能力和組織管理能力均能在一定程度上影響智能制造企業(yè)總體創(chuàng)新效率，以及不同階段下企業(yè)營銷能力與財(cái)務(wù)能力對(duì)效率值的作用效果相反。

關(guān)鍵詞：網(wǎng)絡(luò)DEA模型;智能制造;創(chuàng)新效率

中圖分類號(hào)：F 426

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1672-7312（2022）01-0021-09

Abstract：In order to accurately measure the innovation efficiency of intelligent manufacturing enterprises and further promote the process of manufacturing intelligence，this paper divides innovation behavior into R&D stage and Achievement transformation stage，measures the innovation efficiency of 48 domestic listed intelligent manufacturing enterprises from 2015 to 2020 by using network DEA model，and then reveals the correlation between innovation and internal operational abilities through Tobit regression.The results show that most intelligent manufacturing enterprises in China are still in the state of DEA ineffectiveness，and their R&D innovation efficiency and achievement transformation efficiency are difficult to reach the production frontier together;Moreover，the operation，marketing，financial condition and management ability of enterprises can affect the overall innovation efficiency of intelligent manufacturing enterprises to a certain extent，and the effect of enterprise marketing and financial condition on the efficiency value is opposite at different stages.

Key words：network DEA model;intelligent manufacturing;innovation efficiency

0 引言伴隨著技術(shù)的不斷更新與迭代，物聯(lián)網(wǎng)，云計(jì)算，自動(dòng)化生產(chǎn)以及傳感器技術(shù)等新興技術(shù)逐步成為制造業(yè)企業(yè)的價(jià)值核心。目前，制造業(yè)的智能化發(fā)展路程也已經(jīng)由數(shù)字化階段邁向了智能化階段，世界各發(fā)達(dá)國家都已陸續(xù)參與到智能制造的建設(shè)之中。2013年4月德國為了保障制造業(yè)的長期可持續(xù)發(fā)展推出了工業(yè)4.0計(jì)劃;隨后美國于2014年發(fā)布《振興美國先進(jìn)制造業(yè)》，希望通過制造業(yè)的革新維持其領(lǐng)先地位;日本與韓國也相繼推出《機(jī)器人新戰(zhàn)略》與《智能制造創(chuàng)新戰(zhàn)略》;我國的智能制造發(fā)展歷程也從最初的工業(yè)化帶動(dòng)信息化階段走到了信息化引領(lǐng)工業(yè)化階段（李廉水等[1]）。由于中國智能制造轉(zhuǎn)型起步較晚，相較于其他發(fā)達(dá)國家而言基礎(chǔ)薄弱，為了追趕并超越世界制造業(yè)的發(fā)展進(jìn)程，技術(shù)引進(jìn)和創(chuàng)新開發(fā)是不可或缺的一環(huán)?！吨袊圃?025》中也明確指出，提高國家制造業(yè)創(chuàng)新能力并推進(jìn)信息化與工業(yè)化深度融合是我國目前的主要任務(wù)，因此在我國當(dāng)前創(chuàng)新資源有限且成本壓力過高的環(huán)境下，評(píng)估衡量智能制造企業(yè)的創(chuàng)新效率并研究其影響因素具有重要意義。

1 文獻(xiàn)綜述對(duì)于現(xiàn)有文獻(xiàn)的研究主從以下2個(gè)方面展開，首先企業(yè)創(chuàng)新效率作為一個(gè)抽象概念并不直接在財(cái)務(wù)數(shù)據(jù)中體現(xiàn)，如何對(duì)其進(jìn)行定性評(píng)價(jià)是研究重點(diǎn)，因此需對(duì)前人學(xué)者在創(chuàng)新效率方面的研發(fā)現(xiàn)狀及衡量體系進(jìn)行綜述，其次是對(duì)國內(nèi)外學(xué)者關(guān)于經(jīng)營能力和創(chuàng)新效率之間關(guān)系的研究結(jié)論和研究觀點(diǎn)進(jìn)行總結(jié)整理。

1.1 創(chuàng)新效率衡量與評(píng)價(jià) 過去的研究大都集中通過隨機(jī)前沿法（SFA模型）與數(shù)據(jù)包絡(luò)分析法（DEA模型）對(duì)企業(yè)創(chuàng)新效率進(jìn)行衡量，如LU等選取微觀企業(yè)為研究對(duì)象，利用DEATobit模型對(duì)臺(tái)灣194家高技術(shù)企業(yè)的研發(fā)效率進(jìn)行評(píng)價(jià)，并探索了高技術(shù)企業(yè)效率無效的原因[2]，NASIEROWSKI等以DEA基礎(chǔ)測算研究了技術(shù)創(chuàng)新效率在國家間的差異，研究發(fā)現(xiàn)各國技術(shù)創(chuàng)新效率呈現(xiàn)下降的趨勢[3]。LI等通過利用DEA指數(shù)模型測算研究了我國東部沿海地區(qū)制造業(yè)的技術(shù)創(chuàng)新效率，發(fā)現(xiàn)其技術(shù)創(chuàng)新效率正在隨著經(jīng)濟(jì)水平的增加而逐漸提升[4]。除此之外，朱有為等、劉志迎等、馮堯等也分別運(yùn)用SFA模型或DEA模型從行業(yè)或區(qū)域差異角度對(duì)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率進(jìn)行評(píng)價(jià)[5-7]。但過去的研究大都將整個(gè)創(chuàng)新流程作為籠統(tǒng)概念進(jìn)行分析，少有學(xué)者（GUAN[8]，肖仁橋[9]等）從多個(gè)階段綜合考慮創(chuàng)新價(jià)值鏈內(nèi)各個(gè)環(huán)節(jié)的效率差異和影響因素，而企業(yè)創(chuàng)新實(shí)際過程極為復(fù)雜且不同企業(yè)在不同階段的效率值并不顯著相同，如在知識(shí)創(chuàng)新階段處于前沿面的企業(yè)其轉(zhuǎn)化效率并不一定高于平均水平。因此分階段考慮創(chuàng)新行為是可以更加充分地體現(xiàn)企業(yè)實(shí)際創(chuàng)新效率以及在自主創(chuàng)新進(jìn)程中所面臨的問題。

1.2 企業(yè)內(nèi)部微觀經(jīng)營能力與創(chuàng)新效率國內(nèi)外也有部分學(xué)者從企業(yè)內(nèi)部微觀角度探索了企業(yè)經(jīng)營能力對(duì)企業(yè)創(chuàng)新效率的影響作用，如MLLER等通過結(jié)構(gòu)方程模型對(duì)211家德國制造業(yè)企業(yè)的數(shù)據(jù)進(jìn)行分析，定量研究了企業(yè)吸收能力，創(chuàng)新戰(zhàn)略與商業(yè)模式三者之間的關(guān)系，證明了企業(yè)獲取、吸收、轉(zhuǎn)化和利用外部知識(shí)的能力將顯著影響企業(yè)創(chuàng)新效率。姜娟和劉聰通過固定效應(yīng)模型對(duì)我國上市中小企業(yè)進(jìn)行分析后得出，企業(yè)整體財(cái)務(wù)柔性水平對(duì)企業(yè)創(chuàng)新績效具有顯著的正相關(guān)關(guān)系[11]。葛俊等通過實(shí)證分析發(fā)現(xiàn)企業(yè)規(guī)模大小、企業(yè)盈利能力、以及外部政府支持力度均對(duì)國有上市公司技術(shù)創(chuàng)新效率具有促進(jìn)作用[12]。而劉峰等測算了股權(quán)集中度、資產(chǎn)負(fù)債率、資產(chǎn)周轉(zhuǎn)率對(duì)技術(shù)創(chuàng)新效率的影響，得出股權(quán)集中度與創(chuàng)新效率間存在倒U型關(guān)系[13]。黃俊等采用超效率一階段DEA對(duì)國內(nèi)14家機(jī)器人企業(yè)進(jìn)行了衡量，發(fā)現(xiàn)企業(yè)經(jīng)營規(guī)模和融資能力與R&D效率顯著正相關(guān)[14]。從研究角度來說，雖然已有部分研究從微觀角度分析了企業(yè)內(nèi)部經(jīng)營能力對(duì)創(chuàng)新效率的影響，但大多是從行業(yè)以及地區(qū)角度進(jìn)行研究，少有從微觀企業(yè)角度出發(fā)進(jìn)行探索。這主要是由于企業(yè)研發(fā)創(chuàng)新相關(guān)的數(shù)據(jù)并不屬于財(cái)務(wù)報(bào)表必須披露項(xiàng)，以往年度中，如企業(yè)研發(fā)資金投入，研發(fā)人員數(shù)量等數(shù)據(jù)通常不會(huì)在財(cái)務(wù)報(bào)表中體現(xiàn)，從而導(dǎo)致樣本存在大量缺失值。直到2012年之后，企業(yè)研究開發(fā)相關(guān)信息才得到相對(duì)完整的披露，基于數(shù)據(jù)的可得性，之前對(duì)于微觀層面的研究相對(duì)較少。除此之外，由于早些年度我國對(duì)于企業(yè)研發(fā)創(chuàng)新與知識(shí)產(chǎn)權(quán)保護(hù)重視不足，相關(guān)技術(shù)發(fā)展緩慢，大部分企業(yè)的專利申請(qǐng)數(shù)量與保有量不高甚至趨近于零，這也給微觀層面下單一企業(yè)創(chuàng)新效率的衡量及后續(xù)研究的開展帶來了困難?；谇笆觯疚倪x取了48家中國上市智能制造企業(yè)作為樣本，將企業(yè)整體創(chuàng)新行為分為研發(fā)創(chuàng)新階段與商業(yè)成果轉(zhuǎn)化階段，通過二階段網(wǎng)絡(luò)DEA模型對(duì)其2015—2020年的創(chuàng)新專利情況以及經(jīng)營數(shù)據(jù)進(jìn)行研究。以評(píng)估的效率水平作為基礎(chǔ)，從微觀角度探究了智能制造企業(yè)生產(chǎn)運(yùn)營能力、營銷能力、財(cái)務(wù)能力以及組織管理能力對(duì)于企業(yè)研發(fā)能力的影響，并通過Tobit回歸模型對(duì)其作用情況進(jìn)行檢驗(yàn)。

2 研究方法由于創(chuàng)新行為涉及到企業(yè)研發(fā)人員，研發(fā)資金等各類資源的投入，因此僅通過專利數(shù)量等單一指標(biāo)進(jìn)行衡量難以反映實(shí)際的效率高低。而數(shù)據(jù)包絡(luò)分析模型（DEA）通過線性規(guī)劃的方法，可以直接利用各個(gè)決策單元的投入指標(biāo)與產(chǎn)出指標(biāo)構(gòu)造生產(chǎn)可能集前沿面，從而得出具有可比性的不同決策單元之間的創(chuàng)新效率差異[15-16]。因此，本文擬通過DEA模型對(duì)企業(yè)創(chuàng)新效率進(jìn)行定性衡量。

2.1 兩階段網(wǎng)絡(luò)鏈?zhǔn)紻EA模型傳統(tǒng)的DEA模型主要包括CCR模型與BCC模型，但以上兩個(gè)模型都是根據(jù)最初的投入指標(biāo)與最終的產(chǎn)出指標(biāo)得出結(jié)論，而在實(shí)際經(jīng)營活動(dòng)中企業(yè)的創(chuàng)新行為以及其他商業(yè)行為都是極為復(fù)雜，此類“黑箱評(píng)價(jià)”忽視了中間環(huán)節(jié)的輸入與輸出數(shù)據(jù)，導(dǎo)致最終的效率結(jié)果存在一定程度的失真[17]。因此本文擬采用二階段網(wǎng)絡(luò)DEA模型，打開傳統(tǒng)DEA模型中的“黑箱”，從研發(fā)創(chuàng)新和商業(yè)成果轉(zhuǎn)化兩個(gè)層面對(duì)企業(yè)創(chuàng)新效率進(jìn)行分析。具體如下

3 指標(biāo)體系建立及變量選取

3.1 DEA投入產(chǎn)出指標(biāo)選取對(duì)智能制造企業(yè)創(chuàng)新效率的衡量，本文擬采用兩階段網(wǎng)絡(luò)DEA法對(duì)國內(nèi)智能制造企業(yè)的創(chuàng)新效率進(jìn)行，其具體路徑如圖1所示。

其中第一階段最為直觀地體現(xiàn)了企業(yè)的研發(fā)效率，前人學(xué)者對(duì)這一階段的關(guān)注也相對(duì)較多，早在1990年羅默提出了知識(shí)創(chuàng)造函數(shù)認(rèn)為創(chuàng)意的產(chǎn)生不是從天而降的，而是源自現(xiàn)有知識(shí)存量和人力資本，大量學(xué)者也將R&D資金投入、R&D人員全時(shí)當(dāng)量、科學(xué)家和工程師數(shù)量、R&D資本存量等指標(biāo)作為創(chuàng)新階段的投入指標(biāo)開始進(jìn)行分析研究。本文同樣以R&D研發(fā)人員數(shù)量和R&D研發(fā)經(jīng)費(fèi)做為一階段投入指標(biāo)。而中間產(chǎn)出指標(biāo)則采用企業(yè)專利申請(qǐng)數(shù)量與企業(yè)發(fā)明專利的授權(quán)數(shù)量。盡管有學(xué)者指出，并不是所有的發(fā)明都可以申請(qǐng)專利，也不是所有申請(qǐng)了的專利最終都能夠得到授權(quán)，而且企業(yè)所申請(qǐng)的專利在質(zhì)量上也存在很大差異。但CRUZCAZARES等[18]與GUAN等認(rèn)為，專利的申請(qǐng)可能最終會(huì)被駁回，但前期的研發(fā)活動(dòng)以及專利申請(qǐng)的過程同樣對(duì)企業(yè)的創(chuàng)新存在積極意義，專利申請(qǐng)量仍舊是對(duì)創(chuàng)新活動(dòng)進(jìn)行衡量時(shí)的首選標(biāo)準(zhǔn)。DEA第二階段主要體現(xiàn)了企業(yè)創(chuàng)新成果的商業(yè)轉(zhuǎn)化效率，正如前文所提及，企業(yè)創(chuàng)新活動(dòng)是一個(gè)接續(xù)不斷的過程，在形成專利技術(shù)之后企業(yè)可以利用該技術(shù)獲取新產(chǎn)品或者對(duì)當(dāng)前產(chǎn)品進(jìn)行改進(jìn)，以技術(shù)進(jìn)步推動(dòng)企業(yè)生產(chǎn)流程革新，優(yōu)化資源配置從而提升企業(yè)價(jià)值。因此，可以將企業(yè)的經(jīng)濟(jì)產(chǎn)出指標(biāo)作為DEA二階段產(chǎn)出指標(biāo)。大多數(shù)學(xué)者采用新產(chǎn)品的相關(guān)經(jīng)濟(jì)指標(biāo)進(jìn)行衡量，包括新產(chǎn)品產(chǎn)值、新產(chǎn)品銷售收入、新產(chǎn)品市場占有率，新產(chǎn)品國內(nèi)銷售收入及出口金額等。但此類與新產(chǎn)品相關(guān)的經(jīng)濟(jì)指標(biāo)僅體現(xiàn)在宏觀層面的產(chǎn)業(yè)統(tǒng)計(jì)年鑒中，并不在企業(yè)單獨(dú)的財(cái)務(wù)報(bào)表中進(jìn)行披露，所以肖仁橋等的研究僅能著眼于宏觀層面研究不同地區(qū)不同產(chǎn)業(yè)的創(chuàng)新效率，并不能對(duì)微觀上市公司個(gè)體間的創(chuàng)新效率差別進(jìn)行研究。基于此，本文為了更好地衡量與探究我國智能制造企業(yè)的研發(fā)創(chuàng)新效率，對(duì)二階段DEA的指標(biāo)選取進(jìn)行了重塑。企業(yè)投入資金進(jìn)行研發(fā)創(chuàng)新活動(dòng)可以幫助企業(yè)進(jìn)行產(chǎn)品的開發(fā)和優(yōu)化，增加新產(chǎn)品的銷售收入，但其最終目標(biāo)始終是為了提高企業(yè)核心競爭力，增加企業(yè)固定資產(chǎn)利用率以及長期發(fā)展能力從而提升企業(yè)價(jià)值。米晉宏對(duì)2000年1月1日至2017年12月31日之間的擁有專利的中國A股市場的上市公司進(jìn)行實(shí)證研究得出企業(yè)的專利數(shù)量對(duì)企業(yè)價(jià)值和營業(yè)總收入有顯著的正向影響[19]，國外學(xué)者ERNST（2001）以歐洲20家制造企業(yè)作為研究樣本分析后也發(fā)現(xiàn)企業(yè)專利申請(qǐng)數(shù)與企業(yè)業(yè)績存在正向相關(guān)關(guān)系?；诖吮狙芯繑M選取企業(yè)價(jià)值作為二階段產(chǎn)出，其中，選取固定資產(chǎn)凈利率從經(jīng)營角度對(duì)企業(yè)的會(huì)計(jì)價(jià)值進(jìn)行衡量，選取企業(yè)市值從資本市場交易角度對(duì)企業(yè)的市場價(jià)值進(jìn)行衡量。

3.2 創(chuàng)新效率影響因素指標(biāo)構(gòu)建如前文所述，現(xiàn)有研究大都以企業(yè)外部市場環(huán)境，資源要素配置以及政府R&D支持行為等外部角度對(duì)企業(yè)的創(chuàng)新效率進(jìn)行分析研究。但企業(yè)的創(chuàng)新活動(dòng)是一個(gè)復(fù)雜的系統(tǒng)性行為，其創(chuàng)新目標(biāo)、創(chuàng)新流程以及創(chuàng)新效率等除了受到企業(yè)外部環(huán)境以及政府激勵(lì)政策的影響，更多地也受到企業(yè)內(nèi)部經(jīng)營情況的影響。其中企業(yè)微觀經(jīng)營情況可以通過以下5個(gè)能力進(jìn)行界定，分別為研發(fā)能力、生產(chǎn)運(yùn)營能力、營銷能力、財(cái)務(wù)能力以及組織管理能力，不同能力互相影響互為支撐，本文擬將研發(fā)能力作為被解釋變量探究其他4個(gè)能力要素對(duì)研發(fā)效率的影響情況，具體指標(biāo)構(gòu)建見表1。

1）生產(chǎn)運(yùn)營能力，通過總資產(chǎn)周轉(zhuǎn)率進(jìn)行衡量。生產(chǎn)管理能力是企業(yè)進(jìn)行資源轉(zhuǎn)換的中心環(huán)節(jié)，反映了企業(yè)對(duì)資源的利用效率，而針對(duì)企業(yè)研發(fā)創(chuàng)新行為，運(yùn)轉(zhuǎn)情況良好的公司可能做的更好。2）營銷能力，本文擬通過銷售費(fèi)用率及銷售費(fèi)用占比進(jìn)行衡量。企業(yè)在進(jìn)行研發(fā)創(chuàng)新產(chǎn)出專利之后，需要將專利技術(shù)運(yùn)用于生產(chǎn)經(jīng)營以及產(chǎn)品開發(fā)之中，為企業(yè)提供新的經(jīng)濟(jì)增長點(diǎn)，大量研究中也將新產(chǎn)品銷售收入作為衡量企業(yè)創(chuàng)新效率的產(chǎn)出指標(biāo)（肖仁橋、范德成[20]、陳建麗[21]等）。而企業(yè)產(chǎn)品差異化戰(zhàn)略的成功往往依賴于其銷售能力，因此認(rèn)為企業(yè)銷售能力很可能會(huì)

影響專利的商業(yè)成果轉(zhuǎn)化效率從而影響其創(chuàng)新效率。3）財(cái)務(wù)能力，通過資產(chǎn)負(fù)債率與凈利潤現(xiàn)金凈含量進(jìn)行衡量。資金活動(dòng)是企業(yè)一切其他經(jīng)營管理活動(dòng)的基礎(chǔ)，充分利用負(fù)債可以充分利用財(cái)務(wù)杠桿的避稅效應(yīng)以及優(yōu)化企業(yè)治理結(jié)構(gòu)從而提升企業(yè)價(jià)值，而良好的籌資能力和現(xiàn)金流可以為企業(yè)的研發(fā)創(chuàng)新活動(dòng)提供支撐，因而假定企業(yè)財(cái)務(wù)能力與創(chuàng)新效率之間存在相關(guān)性。4）組織管理能力，采用前十大股東持股比例以及企業(yè)監(jiān)管層人數(shù)總和進(jìn)行衡量。相對(duì)集中的股權(quán)結(jié)構(gòu)可以增加對(duì)大股東的激勵(lì)效應(yīng)，從而提升其對(duì)管理層制約與監(jiān)督，約束管理層的短期行為，更多地注重企業(yè)創(chuàng)新研發(fā)等長期性價(jià)值活動(dòng)。另一方面，企業(yè)監(jiān)管層人數(shù)一定程度上反映了企業(yè)的管理力量，充分且良好的管理也有助于提升企業(yè)績效。因此，認(rèn)為企業(yè)股東持股比例與監(jiān)管層人數(shù)會(huì)對(duì)企業(yè)創(chuàng)新效率產(chǎn)生影響。

3.3 樣本與數(shù)據(jù)來源本文參考了吳珊等[22]通過實(shí)地調(diào)研所得出的中國智能制造企業(yè)百強(qiáng)排名以及Eworks研究院所得出的2021年智能制造企業(yè)百強(qiáng)榜，結(jié)合了《中國制造2025》以及《高端裝備制造業(yè)“十二五”發(fā)展規(guī)劃》，均衡選出了60家智能制造相關(guān)的上市公司，在剔除部分?jǐn)?shù)據(jù)缺失嚴(yán)重的樣本后，將剩余48家上市公司作為決策單元，樣本時(shí)間跨度為4年（2017—2020年）。投入產(chǎn)出相關(guān)經(jīng)濟(jì)指標(biāo)原始數(shù)據(jù)來源于國泰安CSMAR數(shù)據(jù)庫，專利相關(guān)數(shù)據(jù)通過對(duì)國家知識(shí)產(chǎn)權(quán)局的知識(shí)產(chǎn)權(quán)披露信息手工整理得到，其中發(fā)明專利授權(quán)量數(shù)據(jù)按照申請(qǐng)年度統(tǒng)計(jì)。同時(shí)按照DEA模型的要求，決策單元（DMU）數(shù)量應(yīng)當(dāng)超過投入、產(chǎn)出指標(biāo)數(shù)之和的兩倍，本文的樣本數(shù)符合DEA使用的經(jīng)驗(yàn)要求。由于研發(fā)投入轉(zhuǎn)化為最終經(jīng)濟(jì)產(chǎn)出具有一定時(shí)滯性，本文將滯后期設(shè)置為2年。第一階段投入指標(biāo)為2015年至2018年的企業(yè)R&D人員投入與資金投入，中間專利產(chǎn)出選取2016年至2019年的企業(yè)專利申請(qǐng)數(shù)與發(fā)明專利授權(quán)數(shù)，最后得出的第二階段企業(yè)價(jià)值指標(biāo)選取2017年至2020年數(shù)據(jù)進(jìn)行衡量。數(shù)據(jù)描述性統(tǒng)計(jì)見表2。

由于在進(jìn)行DEA分析時(shí)，要求投入與產(chǎn)出指標(biāo)數(shù)據(jù)應(yīng)大于0，因此本文對(duì)企業(yè)專利申請(qǐng)數(shù)，發(fā)明專利申請(qǐng)數(shù)以及固定資產(chǎn)凈利率數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理。同時(shí)由于在運(yùn)用DEA模型測度企業(yè)創(chuàng)新效率時(shí)樣本數(shù)據(jù)需要滿足等張性，本文對(duì)所選取數(shù)據(jù)進(jìn)行了Pearson相關(guān)性分析檢驗(yàn)，實(shí)證結(jié)果見表3，可以得出投入變量與產(chǎn)出變量之間存在顯著的正相關(guān)性，滿足模型測度要求。

4 實(shí)證分析

4.1 DEA效率測算結(jié)果及分析本文以48家智能制造上市公司作為樣本，基于規(guī)模報(bào)酬可變的兩階段鏈?zhǔn)紻EA模型，使用MaxDEA軟件對(duì)2015年至2020年間的微觀經(jīng)濟(jì)指標(biāo)及專利數(shù)據(jù)進(jìn)行分析，計(jì)算出智能制造企業(yè)研發(fā)創(chuàng)新整體效率以及分階段效率。將DEA測算結(jié)果按年度分類整理后，效率計(jì)算結(jié)果見表4。

表4中給出了智能制造企業(yè)按年度平均后的分階段效率值，可以看到，年度平均效率值呈現(xiàn)逐年降低的趨勢，但總體變化差異不大。平均創(chuàng)新整體效率值，一階段研發(fā)創(chuàng)新效率值以及二階段商業(yè)成果轉(zhuǎn)化效率值分別為0.180 4，0.279 5，0.732 1，相較于二階段效率值，總體效率值以及一階段效率均處于較低水平。由此可知，研發(fā)創(chuàng)新階段企業(yè)間差異較大，相比于處于生產(chǎn)前沿面的標(biāo)桿企業(yè)，大量企業(yè)存在研發(fā)人員與資金投入過多但專利產(chǎn)出數(shù)量低下的問題。這主要是因?yàn)槲覈壳霸谥悄苤圃祛I(lǐng)域起步較晚，自主創(chuàng)新的成本和壓力過高，而國外發(fā)達(dá)國家已浸淫多年在技術(shù)方面存在壟斷優(yōu)勢，模仿和引進(jìn)仍然是國內(nèi)當(dāng)前智能制造領(lǐng)域的主要技術(shù)研發(fā)手段。以普通機(jī)床為例，雖然我國產(chǎn)量國際占比達(dá)到38%，但是高端數(shù)控機(jī)床多數(shù)都來于國外;同樣的雖然我國鋼鐵產(chǎn)量和鋁產(chǎn)量列名列世界前茅，但所用高噸位設(shè)備需要的鋼絲以及應(yīng)用于飛機(jī)制造的大多數(shù)鋁原材料都需要進(jìn)口[23]。在自主創(chuàng)新層面，智能制造企業(yè)還有很大的提升空間。其次，從樣本分布來看，在測度期內(nèi)不同領(lǐng)域的智能制造企業(yè)之間創(chuàng)新效率存在較大差別，以整體效率，研發(fā)創(chuàng)新階段效率值與商業(yè)成果轉(zhuǎn)化階段效率值的平均值作為分界點(diǎn)，可以將各個(gè)領(lǐng)域劃分至四個(gè)不同維度，見表5。

由表5可以看到：

1）在測度期內(nèi)48個(gè)樣本智能制造企業(yè)中，同時(shí)達(dá)到高研發(fā)創(chuàng)新效率及高成果轉(zhuǎn)化效率的企業(yè)僅有3個(gè)，僅占到總樣本的6.25%。相比與TCL科技等專利標(biāo)桿企業(yè)，其專利申請(qǐng)量以及發(fā)明專利授權(quán)數(shù)量均處于中游水平，企業(yè)規(guī)模也相對(duì)較小。但基于其良好的資源配置能力與成果運(yùn)用水平，在遠(yuǎn)低于平均水平的研發(fā)人員數(shù)量配備和資金投入的狀況下達(dá)到了效率前沿，做到了研發(fā)創(chuàng)新與成果轉(zhuǎn)化并舉。2）處于低研發(fā)效率及低成果轉(zhuǎn)化效率維度的企業(yè)樣本數(shù)占到總樣本的10.42%，其無論是技術(shù)研發(fā)還是專利利用都處于較低水平，形成了很大程度上的資源浪費(fèi)，如中天科技雖然在研發(fā)投入與專利數(shù)量層面逐年增高，但資產(chǎn)凈利率并未隨比例增加甚至逐年降低，應(yīng)當(dāng)調(diào)整優(yōu)化投資配比從而提高研發(fā)投入利用率與成果轉(zhuǎn)化效率。3）另外，有60.42%的樣本處于低研發(fā)創(chuàng)新效率及高成果轉(zhuǎn)化效率維度，其主要通過對(duì)外進(jìn)口以及技術(shù)的引進(jìn)模仿，利用相對(duì)較低的專利水平創(chuàng)造出高于平均水平的經(jīng)濟(jì)產(chǎn)出。但所面臨的問題在于持續(xù)增長的研發(fā)投入并未帶來相應(yīng)的專利產(chǎn)出，對(duì)于外來引進(jìn)技術(shù)的消化程度以及自我創(chuàng)新研發(fā)效率不足，應(yīng)當(dāng)重視員工素質(zhì)培養(yǎng)以及企業(yè)創(chuàng)新文化的建設(shè)，從根本筑牢創(chuàng)新基礎(chǔ)。4）剩余22.92%的企業(yè)處于高研發(fā)效率與低轉(zhuǎn)化效率維度。如大族激光，新松機(jī)器人以及東方通信等公司，其專利申請(qǐng)數(shù)量自2015年以來均超過100。其中大族激光2020年專利申請(qǐng)數(shù)量達(dá)到1 328個(gè)，現(xiàn)存專利數(shù)量與增長幅度均遠(yuǎn)超同類企業(yè)，但專利數(shù)量的爆發(fā)式增長未能促進(jìn)其資產(chǎn)凈利率增加，市值甚至一定程度上下滑。不論從內(nèi)部經(jīng)營層面還是市場認(rèn)可度層面，專利數(shù)量都沒有對(duì)企業(yè)價(jià)值帶來顯著的積極影響。說明目標(biāo)維度內(nèi)企業(yè)在創(chuàng)新研發(fā)階段運(yùn)轉(zhuǎn)良好，但是在專利的經(jīng)濟(jì)成果轉(zhuǎn)化方面存在一定問題，出現(xiàn)了專利數(shù)量虛高、申請(qǐng)后束之高閣的問題，無法促進(jìn)企業(yè)流程優(yōu)化與技術(shù)裝備更新，從而未能對(duì)智能制造企業(yè)的價(jià)值提升起到推動(dòng)作用。需進(jìn)一步樹立市場導(dǎo)向機(jī)制，倡導(dǎo)實(shí)用性專利的創(chuàng)新研發(fā)，在專利數(shù)量之外還應(yīng)當(dāng)重視專利質(zhì)量，推動(dòng)創(chuàng)新與企業(yè)價(jià)值的同步增長。

4.2 影響因素Tobit回歸分析以上述二階段DEA模型得出的企業(yè)創(chuàng)新總效率值與分階段效率值為基礎(chǔ)，運(yùn)用Tobit截取回歸模型，對(duì)其相關(guān)影響因素進(jìn)行檢驗(yàn)后得出結(jié)果見表6。

1）由表6可知，對(duì)企業(yè)一階段創(chuàng)新研發(fā)效率的影響因素共有四個(gè)，其中銷售費(fèi)用占比，資產(chǎn)負(fù)債率與監(jiān)管層持股比例在1%的水平下顯著，而銷售費(fèi)用率在5%水平下顯著，證明企業(yè)營銷能力，財(cái)務(wù)能力以及組織管理能力均可以在一定程度上智能制造企業(yè)總體創(chuàng)新效率。其中銷售費(fèi)用率的系數(shù)顯著為負(fù)，即企業(yè)在同等銷售收入水平下，耗費(fèi)的銷售費(fèi)用越多其一階段創(chuàng)新效率會(huì)相應(yīng)越低;而銷售費(fèi)用占比的回歸結(jié)果表明企業(yè)在銷售方面開支比例越大其研發(fā)創(chuàng)新行為越有效，均表明較強(qiáng)的銷售能力能有效促進(jìn)企業(yè)的研發(fā)行為。資產(chǎn)負(fù)債率的系數(shù)為正表明一定的負(fù)債可以獲得杠桿收益，增加企業(yè)的活力，同時(shí)促進(jìn)其研發(fā)創(chuàng)新活動(dòng)。監(jiān)管層持股比例與一階段創(chuàng)新效率呈現(xiàn)負(fù)相關(guān)關(guān)系，表明管理層激勵(lì)程度的提高會(huì)降低企業(yè)研發(fā)效率。這可能是因?yàn)閷?duì)企業(yè)高管的激勵(lì)雖然可以降低管理成本，促使管理層更加關(guān)注企業(yè)長期的發(fā)展和價(jià)值增長，但因?yàn)閷＠旧聿⒉粍?chuàng)造價(jià)值，所以相較于企業(yè)研發(fā)創(chuàng)新和專利產(chǎn)出這類具有高度不確定性的行為，管理層可能更注重專利產(chǎn)出后的商業(yè)成果轉(zhuǎn)化即二階段創(chuàng)新效率，這一觀點(diǎn)在二階段的影響因素回歸分析中得到了證實(shí)。而其他指標(biāo)如企業(yè)資產(chǎn)周轉(zhuǎn)率，現(xiàn)金含量比例以及十大股東持股比例等對(duì)一階段效率的影響均不顯著，但其對(duì)二階段效率與創(chuàng)新總效率具有顯著影響。

2）企業(yè)創(chuàng)新成果商業(yè)轉(zhuǎn)化效率的影響因素與一階段效率影響因素一致，但其作用效果區(qū)別較大。銷售費(fèi)用率在與銷售費(fèi)用占比分別在1%和10%的檢驗(yàn)水平下顯著正相關(guān)，資產(chǎn)負(fù)債率在1%的檢驗(yàn)水平下負(fù)相關(guān)而監(jiān)管層持股比例在1%顯著性水平下與二階段效率正向相關(guān)。其中銷售費(fèi)用占比的影響效用與一階段研發(fā)效率一樣，由于企業(yè)專利的商業(yè)成果轉(zhuǎn)化通常體現(xiàn)為新產(chǎn)品的開發(fā)與銷售，而企業(yè)產(chǎn)品差異化戰(zhàn)略的推動(dòng)往往依賴企業(yè)的銷售能力，因而在銷售方面投入金額的增加有助于提升企業(yè)專利的商業(yè)成果轉(zhuǎn)化效率;銷售費(fèi)用率的相關(guān)系數(shù)為負(fù)也印證了這一結(jié)論，在一定的銷售收入規(guī)模下銷售費(fèi)用支出越多的企業(yè)在商業(yè)成果轉(zhuǎn)化上做的更好。資產(chǎn)負(fù)債率相關(guān)系數(shù)為負(fù)證明財(cái)務(wù)杠桿和過高的負(fù)債比率會(huì)抑制企業(yè)創(chuàng)新成果的商業(yè)轉(zhuǎn)化。監(jiān)管持股比例的提高可以有效緩解企業(yè)委托代理問題，促使管理人員摒棄短期視角和決策，將創(chuàng)新專利投入到實(shí)際經(jīng)營中獲取商業(yè)利益，從而提升二階段成果轉(zhuǎn)化效率。3）從整體來說，企業(yè)微觀生產(chǎn)運(yùn)營能力，營銷能力，財(cái)務(wù)能力和組織管理能力均能在一定程度上影響智能制造企業(yè)總體創(chuàng)新效率，其中總資產(chǎn)周轉(zhuǎn)率在1%的水平下顯著，說明生產(chǎn)運(yùn)營狀況良好的企業(yè)在創(chuàng)新行為上也能做的更好，良好的企業(yè)資產(chǎn)管理質(zhì)量與利用能力不僅是企業(yè)日常生產(chǎn)經(jīng)營活動(dòng)的基礎(chǔ)，同樣也是企業(yè)創(chuàng)新戰(zhàn)略的推動(dòng)與實(shí)施的基本前提。銷售能力衡量指標(biāo)中銷售費(fèi)用占比對(duì)總效率具有正向影響，不論從分階段效率視角還是整體視角均可以得出，企業(yè)銷售費(fèi)用的投入有助于創(chuàng)新效率的提升。從財(cái)務(wù)能力角度，企業(yè)資產(chǎn)負(fù)債率在10%水平下負(fù)相關(guān)，可能是由于創(chuàng)新研發(fā)行為能否取得成果和回報(bào)具有高度不確定性，導(dǎo)致債務(wù)壓力較高的企業(yè)為了保證其償債能力不愿意將資金投入到創(chuàng)新中，反而會(huì)侵占部分研發(fā)資金用于緩解債務(wù)壓力。對(duì)于企業(yè)組織管理能力的影響，可以看到持股更為集中的企業(yè)其整體創(chuàng)新效率也相應(yīng)更高，但兩者相關(guān)系數(shù)僅為0.001，表明兩者間關(guān)系較弱。而其他指標(biāo)，如企業(yè)現(xiàn)金流狀況，監(jiān)管層持股比例等對(duì)整體效率沒有顯著影響，可能是其對(duì)一階段效率和二階段效率的影響作用相互抵消所致。

5 結(jié)論與政策建議在當(dāng)前“制造”轉(zhuǎn)向“智造”的歷史趨勢下，研發(fā)創(chuàng)新成為了各國各企業(yè)提升核心競爭力的主要抓手。為了更好地分析并解釋企業(yè)微觀創(chuàng)新行為的效率差異，本文將創(chuàng)新行為分為研發(fā)與商業(yè)成果轉(zhuǎn)化兩大階段，通過構(gòu)建二階段網(wǎng)絡(luò)DEA模型對(duì)我國智能制造企業(yè)的創(chuàng)新效率進(jìn)行了定量分析。并根據(jù)分析得出的分階段效率值與總效率值，利用Tobit回歸模型檢驗(yàn)了企業(yè)四大微觀能力對(duì)創(chuàng)新效率的影響，研究結(jié)果如下。1）總體而言，我國智能制造企業(yè)的創(chuàng)新效率差距較大，大部分企業(yè)仍處于DEA無效狀態(tài)，主要是因?yàn)樘幱诓煌A段生產(chǎn)前沿面的企業(yè)并不一致，僅有個(gè)別企業(yè)可以做到研發(fā)與商業(yè)轉(zhuǎn)化并重，其余企業(yè)均存在研發(fā)人員和資金投入高居不下但專利產(chǎn)出和企業(yè)價(jià)值沒有得到明顯改善的狀況。在外部推動(dòng)自主創(chuàng)新，激勵(lì)企業(yè)研發(fā)行為的同時(shí)，也需要企業(yè)自身從內(nèi)部優(yōu)化創(chuàng)新流程，整體提升創(chuàng)新效率。2）通過以研發(fā)階段效率與成果轉(zhuǎn)化效率均值作為分界點(diǎn)構(gòu)建矩陣，將智能制造企業(yè)劃分至4個(gè)維度。其中，大部分（60.42%）企業(yè)處于高轉(zhuǎn)化低研發(fā)維度，證明了我國目前在智能制造領(lǐng)域仍處于起步階段，相比于自主研發(fā)創(chuàng)新企業(yè)更傾向于外來專利的引進(jìn)以及現(xiàn)有專利的開發(fā)運(yùn)用，從而降低企業(yè)研發(fā)風(fēng)險(xiǎn)。3）從影響因素分析中得出，企業(yè)創(chuàng)新研發(fā)活動(dòng)并不是割裂與企業(yè)其他生產(chǎn)經(jīng)營活動(dòng)的單獨(dú)行為，企業(yè)經(jīng)營能力，銷售能力，財(cái)務(wù)能力與組織管理能力四大微觀能力均會(huì)對(duì)企業(yè)創(chuàng)新效率產(chǎn)生影響，但對(duì)于不同階段的效率的影響作用并不一致。其中經(jīng)營能力與內(nèi)部治理能力對(duì)總體研發(fā)創(chuàng)新具有正向影響;以資產(chǎn)負(fù)債率衡量的財(cái)務(wù)能力對(duì)不同階段的創(chuàng)新效率影響效用相反，對(duì)于整體創(chuàng)新效率呈現(xiàn)負(fù)向影響;而以銷售費(fèi)用率以及銷售費(fèi)用占比衡量的銷售能力對(duì)二階段商業(yè)成果轉(zhuǎn)化的影響最為顯著，證明企業(yè)銷售層面的投入越高其專利成果的轉(zhuǎn)化率相應(yīng)越好?；谝陨辖Y(jié)論得到以下啟示：首先從宏觀政策角度，政府應(yīng)當(dāng)重視企業(yè)自主創(chuàng)新行為的推動(dòng)，不能單純依賴資金激勵(lì)與稅收優(yōu)惠，還應(yīng)重視企業(yè)的研發(fā)風(fēng)險(xiǎn)兜底，完善相關(guān)知識(shí)產(chǎn)權(quán)法律保護(hù)企業(yè)自主研發(fā)成果，讓我國智能制造企業(yè)大膽邁向從先進(jìn)技術(shù)的低成本模仿者轉(zhuǎn)化為新型技術(shù)的研發(fā)創(chuàng)造者的進(jìn)程。其次從人才培養(yǎng)與保護(hù)角度，應(yīng)加強(qiáng)基礎(chǔ)研發(fā)人員的教育與培養(yǎng)力度，通過產(chǎn)學(xué)研深度合作、組織企業(yè)間參觀學(xué)習(xí)以及推動(dòng)以及完善研發(fā)人員創(chuàng)新績效動(dòng)態(tài)評(píng)估體系等提升企業(yè)研發(fā)投入的效率，從而改善當(dāng)前人員與資金投入配備過多但成果產(chǎn)出較為低下的問題。最后從企業(yè)微觀層面，管理層應(yīng)從研發(fā)與商業(yè)轉(zhuǎn)化角度分別對(duì)自身效率進(jìn)行分析并發(fā)現(xiàn)問題，同時(shí)重視其他活動(dòng)對(duì)于研發(fā)行為的支撐與促進(jìn)作用，針對(duì)處于不同維度的企業(yè)應(yīng)采取不同的方式提升其創(chuàng)新效率，如對(duì)于高轉(zhuǎn)化低研發(fā)維度的企業(yè)應(yīng)注重其債務(wù)杠桿的利用以及股權(quán)結(jié)構(gòu)的調(diào)整，而針對(duì)高研發(fā)低轉(zhuǎn)化企業(yè)應(yīng)當(dāng)加大銷售投入從而促進(jìn)專利轉(zhuǎn)向新產(chǎn)品的研發(fā)與銷售。做到企業(yè)內(nèi)部調(diào)整與政策外部激勵(lì)并重，實(shí)現(xiàn)智能制造企業(yè)創(chuàng)新效率的整體提升。需要說明的是，由于智能制造企業(yè)這一概念較為新穎其界定也相對(duì)模糊，本文為了更具針對(duì)性地對(duì)智能制造企業(yè)的創(chuàng)新問題進(jìn)行分析，摒棄了以我國高新技術(shù)產(chǎn)業(yè)為研究樣本從而區(qū)別于傳統(tǒng)研究，但存在樣本數(shù)量相對(duì)較小的問題。因此之后的研究可以繼續(xù)擴(kuò)展智能制造這一概念內(nèi)涵，完善樣本結(jié)構(gòu)，或是加入國外智能制造企業(yè)作為樣本進(jìn)行研究，可以更為嚴(yán)謹(jǐn)?shù)胤从澄覈悄苤圃炱髽I(yè)的創(chuàng)新研發(fā)行為的發(fā)展現(xiàn)狀，從而對(duì)我國制造業(yè)智能化進(jìn)程做出更多貢獻(xiàn)。

參考文獻(xiàn)：

[1] 李廉水，石喜愛，劉軍.中國制造業(yè)40年——智能化進(jìn)程與展望[J].中國軟科學(xué)，2019（01）：1-9+30.

[2]LU Y H，SHEN C C，TING C T，et al.Research and development in productivity measurement：An empirical investigation of the high technology industry[J].African Journal of Business Management，Academic Journals，2010，4（13）：2871-2884.

[3]NASIEROWSKI W，ARCELUS F J.On the efficiency of national innovation systems[J].SocioEconomic Planning Sciences，2003，37（03）：215-234.

[4]LI J，ZHANG J，GONG L，et al.Research on the total factor productivity and decomposition of Chinese coastal marine economy：Based on DEAmalmquist index[J].Journal of Coastal Research，2015，73：283-289.

[5]朱有為，徐康寧.中國高技術(shù)產(chǎn)業(yè)研發(fā)效率的實(shí)證研究[J].中國工業(yè)經(jīng)濟(jì)，2006（11）：38-45.

[6]劉志迎，葉蓁，孟令杰.我國高技術(shù)產(chǎn)業(yè)技術(shù)效率的實(shí)證分析[J].中國軟科學(xué)，2007（05）：133-137.

[7]馮堯.基于DEA方法的我國高技術(shù)產(chǎn)業(yè)科技成果轉(zhuǎn)化效率研究[J].學(xué)術(shù)交流，2011（03）：101-105.

[8]GUAN J，CHEN K.Measuring the innovation production process：A crossregion empirical study of China’s hightech innovations[J].Technovation，2010，30（05-06）：348-358.

[9]肖仁橋，錢麗，陳忠衛(wèi).中國高技術(shù)產(chǎn)業(yè)創(chuàng)新效率及其影響因素研究[J].管理科學(xué)，2012，25（05）：85-98.

[10]MLLER J M，BULIGA O，VOIGT K I.The role of absorptive capacity and innovation strategy in the design of industry 4.0 business Models：A comparison between SMEs and large enterprises[J].European Management Journal，2021，39（03）：333-343.

[11]姜娟，劉聰.中小企業(yè)財(cái)務(wù)柔性、創(chuàng)新投入與創(chuàng)新績效的關(guān)系研究[J].技術(shù)與創(chuàng)新管理，2020，41（06）：574-580.

[12]葛俊，吳舟.上市公司企業(yè)技術(shù)創(chuàng)新影響因素研究[J].財(cái)會(huì)通訊，2014（09）：49-52.

[13]劉峰，寧健.智能制造企業(yè)技術(shù)創(chuàng)新效率及其影響因素[J].企業(yè)經(jīng)濟(jì)，2016（04）：142-147.

[14]黃俊，楊紫銳，殷麗梅，等.國產(chǎn)機(jī)器人企業(yè)研發(fā)效率評(píng)價(jià)及影響因素研究——基于DEATobit兩階段分析法[J].科技進(jìn)步與對(duì)策，2017，34（18）：101-106.

[15]顧群，翟淑萍.融資約束、代理成本與企業(yè)創(chuàng)新效率——來自上市高新技術(shù)企業(yè)的經(jīng)驗(yàn)證據(jù)[J].經(jīng)濟(jì)與管理研究，2012（05）：73-80.

[16]CHARNES A，COOPER W W，RHODES E.Measuring the efficiency of decisionmaking units[J].European Journal of Operational Research，1979，3（04）：339.

[17]魏權(quán)齡.論"打開黑箱評(píng)價(jià)"的網(wǎng)絡(luò)DEA模型[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2012，42（24）：184-195.

[18]CRUZCZARES C，BAYONASEZ C，GARCAMARCO T.You can’t manage right what you can’t measure well：Technological innovation efficiency[J].Research Policy，2013，42（06-07）：1239-1250.

[19]米晉宏，張書宇，黃勃.專利擁有量、市場控制力與企業(yè)價(jià)值提升——基于上市公司專利數(shù)據(jù)的研究[J].上海經(jīng)濟(jì)研究，2019（03）：24-37.

[20]范德成，谷曉梅.高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率關(guān)鍵影響因素分析——基于DEAMalmquist和BMA方法的實(shí)證研究[J].科研管理，2020，43（01）：70-77.

[21]陳建麗，孟令杰，姜彩樓.兩階段視角下高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率及影響因素研究[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2014，44（04）：63-74.

[22]吳珊，龔業(yè)明，張金隆.中國智能制造百強(qiáng)評(píng)價(jià)及發(fā)展研究[J].管理學(xué)報(bào)，2020，17（02）：159-165.

[23]覃浩高.智能制造企業(yè)技術(shù)創(chuàng)新效率及其影響因素[J].經(jīng)貿(mào)實(shí)踐，2018（14）：8-9.

（責(zé)任編輯：許建禮）