英语原文共 17 页，剩余内容已隐藏，支付完成后下载完整资料

---

军民融合企业创新资源配置效率测度

创新资源配置效率

摘 要

目的–作为转型经济体，中国致力于经济地，合理地，有效地分配有限的创新资源，以有限的财政和人力资源生产尽可能多的产出。尽管如此，军民融合企业的创新分配的效率如何，阻碍其效率提高的因素有哪些？本文的目的是探讨这些问题。

设计/方法/方法–改进的两阶段网络数据包络分析（DEA）方法用于衡量58家中国军民融合企业公司从2010年 到2016年的创新资源分配的整体效率和阶段效率。Tobit模型用于分析资源分配效率的影响因素。

研究结果–结果表明，创新资源分配的总体效率和阶段效率在研究时间段内有不同程度的波动。总体效率的优化 受到创新成果转化效率降低的限制。发现企业规模对整体效率和两阶段效率均具有显著的负面影响。研发人员的比例对总体效率和两阶段效率产生积极影响。政府的支持对创新资源开发阶段和整体效率产生了显著的积极影响。

原创性/价值–先前的研究使用DEA或随机前沿分析方法来衡量创新活动的整体效率，而忽略了创新活动中 从初始投资到最终产出的阶段。即，研发资源的初始投入成为创新产出，然后变成经济利益的过程。因此，本文研究了军民融合企业的创新资源配置效率。采用改进的两级链网络DEA方法和Tobit模型。

关键词军民融合创新资源资源分配效率两阶段网络DEA模型 论文类型研究论文

1. 介绍

中国经济已经从高速增长阶段进入高质量发展阶段。这种进步导致在组织管理，政策和系统层面上稳定的军民融合（CMI）。技术创新促进了全面的CMI，创新资源构成了军民融合的物质基础。

这项研究得到了中国国家社会科学基金（重点计划）（批准号：71373005）和江苏省社会科学基金（批 准号：17ZTB005）的支持。

2018年10月10日收到2019

年3月31日修订2019年4 月17日接受

Kybernetes

卷2020年第49号第3号

第835-851页

copy;翡翠出版有限公司

0368-492X

土井10.1108/K-10-2018-0538

K 49,3技术创新（鞠和黄（2016）).军事集团企业和私营军事企业在促进军民融合中起着至关重要的作用。他们拥有的技术创新资源构成了军民融合创新和武器系统研究与生产的物质基础。

企业的创新活动通常是在现有资源的基础上进行的，通过合理分配资源促进创新要素的有效结合，从而大大提高了效率。

836

创新资源的分配效率反映了企业使用和整合资源的能力，并代表了军民融合创新系统的整体功能和效率。它还在一定程度上决定了相关产业和领域的创新能力。由于效率是企业创新能力的重要指标，可以推断出中国的CMI企业正处于整个整合过程的初始阶段，因为它们在发展过 程中容易受到内外部因素的影响。因此，通过广泛的研究来确定军民融合企业中创新资源分配 的效率，并确定可能阻碍效率提高的因素是急需的。这种方法对于制定相关方法以解决阻碍创新效率的问题是必要的。

本文的结构如下。首先，将讨论概念性观点和文献综述。其次，将设计一个两阶段的网络数据包络分析（DEA）模型和Tobit模型。第三，将选择本文中的相关样本数据和变量，并对数据进行描述性统计分析以得出信息。第四，将衡量军民融合企业创新资源分配的整体和单个阶段的效率。根据此度量的结果，将测试影响资源分配效率的因素。最后一部分将介绍本研究的研究总结和政策建议。

1. 概念观点和文献综述

民军企业

到冷战结束时，大规模战争已经失去其意义，因此，主要国家开始根据地缘政治环境的变化采用不同的CMI发展模式。发达国家在国防科技工业的CMI方面取得了巨大进步。这一进展可以概括为以下四种典型模式：美国模式，日本模式，俄罗斯模式和以色列模式（赵和纪， 2003).在当今的全球一体化中，许多国家的社会信息化程度远远高于军事信息化程度。实现军事与民用发展的融合是军队通过科学技术增强其能力的必然选择。发达国家的经验凸显了军事上市公司通过CMI实现的巨大潜力。这些公司有望成为国家经济创新和转型的领导者。

从狭义上讲，CMI企业是指由国防科研机构和国防技术人员合作建立的企业。这种合作依靠军事技术和资本，其中资本也可能包括社会资本。它还包括利用先进技术和资金从事更广泛意义上的国防技术业务的私人资本，技术人员和企业的实体（胡，2017).本文提到的中国CMI上市公司主要包括两类：一类是基于CMI概念的上市公司，另一类是隶属于中国军工集团的上市公司。

创新资源分配

与其他资源一样，创新资源也是多方面的（麦克丹尼尔，2000年; 周和 胡2002).创新资源包括创新活动中使用的各种资源要素，例如科学，技术和经济要素。但是在以前的许多研究中，学者们只是将科学技术资源与所有创新资源等同起来。他们甚至认为科技资源的优势将逐渐转变为经济优势。但是，这些研究很大程度上忽略了技术创新的规律。

创新是一个复杂的工程系统，其相关研究可以从两个角度进行分析。一种是将创新作为一个整体进行分析（朱和徐，2006），而另一项则是根据价值链理论将创新活动分为两个阶段进行分析，该阶段着重于创新资源的开发和成果的转化（Xiao等，2012).创新价值链是技术创新和价值链理论的融合。根据汉森和 伯金肖（2007） 定义创新价值链，是一个在两个阶段中产生，转化和实现思想传播的过程。第一阶段包括在资源投入下的科学技术研发，第二阶段涉及技术成果的市场化。Roper等。（2008年）认为创新价值链是将创新资源转化为新产品的过程。这两个阶段将创新链的增值过程从抽象构想转变为实际商品。

从价值链的线性过程的角度来看，创新活动包括从创新资源的输入到基于技术开发和应用的新产品形成以及最终在市场上销售产品的增值过程（徐和王，2014).可以将创新资源的分配视为一个社区，在该社区中，科学技术之间的相互作用会导致经济活动。

衡量企业效率

根据是否需要建立生产函数和估计参数，将企业效率评估方法分为参数方法和非参数方法。 前者由随机前沿分析（SFA）方法表示（艾格纳（Aigner）等人，1977年; Meeusen和Julien， 1977年），后者由DEA方法表示（Charnes等，1978年; Banker等，1984).

现有的许多研究已经通过应用SFA或DEA模型来衡量CMI企业的效力。例如，Jeong等。

（2010年）通过SFA方法评估了韩国军事工业的技术创新效率。他们观察到，战略设计的“合理平衡点”有益于分配机制，因此对于有效分配创新至关重要。张等。（2013年） 用SFA方法研究了中国国防科技工业企业的生产效率。研究发现，大多数上市企业效率低下，正确的产权结构和产品市场竞争是影响上市企业技术效率的关键因素。张莉（2016）应用DEA 模型计算了中国87家生产军品的民营企业的Malmquist指数及其相关分解。研究结果表明， 总体效率非常低，资源配置结构不平衡，企业创新能力不足。周（2015） 使用基于超效率松弛的模型来衡量中国CMI行业示范基地的经济效率。作者得出的结论是

创新资源配置效率

837

K 49,3

与传统的经济效率相比，军事一体化通常要低一些，因此建议加快军民企业之间的“生产， 学习和研究”一体化进程，以促进“军民化”技术溢出的影响。技术进步。

尽管所有以前的研究人员都使用DEA或SFA方法来衡量整个创新活动的效率，但很少有 人单独检查创新活动的各个阶段。测量效率

838

基于价值链理论的创新资源配置可以为创新资源配置研究提供新的视角。从初始投入到最终产出的阶段是指以下过程：从研发资源的初始投入到创新成果的产出（S1阶段）， 然后是创新成果对经济实现的投入好处（S2阶段）。

现有的研究主要集中在对CMI系统，创新系统和技术市场的定性分析，但缺乏基于科学决策的系统和全面的定量研究。此外，只有很少的学术文献从资源分配的角度定量研究CMI企业 的资源分配效率。对CMI企业创新资源配置的系统研究，有利于丰富资源的优化配置和CMI理论。

因此，本研究侧重于CMI上市公司的创新资源配置效率。改进的两阶段链DEA方法和Tobit 模型已用于本研究。通过对CMI上市公司样本数据的分析，通过对效率指标及影响因素的分析， 获得了CMI企业创新发展的经验证据。

1. 方法
   1. 两阶段网络DEA模型传统的DEA方法将整个系统视为一个“黑匣子”，仅使用初始输入和最终输出来评估决策单元（DMU）的有效性。由于尚未考虑中间生产过程，因此传统的DEA无法 确定生产过程中间阶段的效率程度以及每个阶段对整体效率的影响。因此，相关的两阶段分析模型可以有效地弥补上述缺点（Wei等，2011).

两阶段网络DEA模型首先由花王和黄（2008），基于花王（2009） 将相同的权重分配给相同的元素，以反映子阶段之间的关系。假设规模报酬恒定（CRS），则开发了链网络DEA模型以在子阶段与总体效率之间建立相对完善的数学关系。“黑匣子评估”由高和黄（2008）模型（KH模型）来评估DMU网络结构的整体和独立阶段的有效性。但是，由于CRS假设过于压制， 因此CRS假设下的DEA模型衡量的是纯技术效率（PTE）和规模效率（SE）的综合效果。KH模型在PTE和SE之间没有区别，而在计算每个阶段的相关有效性时需要区别对待。

在上述讨论的基础上，本研究增强了KH模型，并在可变规模收益（VRS）假设下构建了CMI 企业创新资源分配的两阶段网络DEA模型。图1 分两个阶段显示了DMU网络的结构。

在图1，S 阶段（创新资源开发阶段）的输入和输出分别为Z¹E^m1和Z²E^m2，Z1gt; 0，Z2 gt;0。S 阶段（创 2新成就转换阶段2）的输入是第一阶段（Z2）的输出，S 阶段的输出是Z³E^m3 ，Z3gt; 0。

2

1 2

在S1级和S2级的输入权重相同的假设下，开发了评估单元DMU-j0的总体纯技术效率：

创新资源配置效率

（1）

X

其中pT 指的是S1阶段中每个输入的权重向量，qT 是S1阶段中每个输出的权重向量（也是S2阶段的每个输入的权重向量） ），uT 指的是S2阶段中每个输出的权重向量，laquo;表示阿基米德无穷小，ueth;i dTHORN;d 1;2表示规模回归状态。

通过使用C2R变换并设置t = 1 / pT Z1，v = tp，v = tq，m = tu，heth;i 2THORN;frac14;tueth; i 2THORN;; laquo;〜frac14;tlaquo;，我们线性转换模型（1），此后：

（2）

如果获得u *，v *，v *，heth;i 1THORN;*，heth;i 2THORN;*作为最优解，则总效率E可以为获得的二级效

(1) (2)

率值E 和E 为：

(4)

基于CRS的假设，将整体效率视为两个子阶段的乘积。但是，在VRS假设下，方程E = E(1)* E(2) 不可行。为了反映由于每个阶段的交互作用而产生的结构和组织效应，使用相关指数CI来表示整个出现阶段每个阶段的相关有效性（徐2000).

在 等式（6），当CIgt; 1时，发现DMU-j0的内部级间关联有效。当CI = 1时

观察到DMU-

J 0的每个阶段之间的相关性很弱。当CI lt;1时，DMU-j0的级之间存在弱相关。

3.2 托比模型

为了分析影响CMI中创新资源分配效率的因素，以两阶段网络DEA模型获得的效率值作为

解释变量，其中在形成多元线性回归方程时，将影响因素视为解释性变量。变量。

由于效率值介于0到1之间并且属于断面数据，因此采用从Tobit模型获得的截断数据

（Chen等，2010).该模型的基本形式如下

（7）heth;1THORN;*

（6）

*TZ1

i j

Z2

在该模型中，X是解释变量（影响因子），m （X）是指回归函数，而m N（0，s2） 是不可观察的扰动项。这个~ 样本

0

{（Yi，Xi）：I = 1，2，...，n}是根据给定Y *gt; 0时（Y *，X）的条件分布得出的， 也就是说，当Y *gt; 0时，解释变量被观察为Y *（效率值）。

1. 样本和变量的描述

选择输入输出变量

CMI企业的创新资源

剩余内容已隐藏，支付完成后下载完整资料

---

资料编号：[240099]，资料为PDF文档或Word文档，PDF文档可免费转换为Word