吴忠涛 张琅 张裕华
摘要:本文采用主成分分析与DEA指数模型相结合的方法,通过提取主成分将多种投入和产出降维,在此基础上运用DEAMalmquist指数模型对正处在经济转型期的科技型中小企业以及大型企业创新效率进行评价并做出对比分析,评价结果表明:在2013—2015年的经济转型期间,科技型中小企业和大型企业的创新效率均呈下降趋势,且科技型中小企业的创新效率下降更快。对比结果发现:科技型中小企业在资源配置及企业管理上与大型企业有较大差距,同时其技术进步不足也是科技型中小企业创新效率低下的重要原因。最后,本文通过行业及创新模式划分,寻找影响科技型中小企业创新效率的实质性因素。研究结果发现:经济转型时期的科技型中小企业在资金和管理投入上较大型企业而言存在差距,未来通过自主研发及提高企业管理能力对发挥科技型中小企业的作用至关重要。
关键词:科技型中小企业;创新效率;主成分分析法;数据包络法
文献标识码:A文章编号:1002-2848-2018(03)-0057-09
一、 引 言
2017年10月,党的十九大报告提出:我国经济正处在转变发展方式、优化经济结构、转换增长动力的攻关期。贯彻新发展理念,建设现代化经济体系已经刻不容缓。尤其是2013年以来,中国GDP增速由7.8%下降到2017年的6.9%①,种种迹象表明,中国经济增速虽然放缓,但是以供给侧改革为主线的高质量发展方式将不断为经济发展提供活力。在此基础上,为了提升我国经济质量,十九大也将加快建设创新型国家上升为建设现代化经济体系的战略支撑[1]。
作为创新的新兴载体,科技型中小企业逐步成为维护国家经济稳定、推动社会健康发展的重要力量[2],越来越受到政府、行业部门的关注,占据了国家经济发展的重要分量。然而,伴随着科技型中小企业的发展,一些基本矛盾也突显出来,其中最突出的问题是:科技型企业自主创新能力有限。为了增强企业自主创新能力,政府出台了很多扶持政策,诸如为科技型中小企业发展提供风险贷款、风险基金等等。可是如何评定科技型企业的创新效率,创新效率投入产出体系应该如何建立?创新投入是否与创新产出相匹配?创新效率是否在提高?哪类企业的创新效率较高?等等都是经济转型期现代科技型企业、政府部门所应关注的问题。
科技型中小企业与大型企业相比,其研发体系灵活,了解市场真实需求,但值得注意的是,科技型中小企业同时也具备中小企业的主要特质,即:高风险、流动资金匮乏、融资渠道有限、抗风险能力差等问题。因此,就需要科技型中小企业从自身出发,依托配套的财政优惠政策,解决相应的创新效率等问题,从而促使其尽快发展壮大,并带动其上中下游产业的快速发展。现在,对创新效率的研究大多以全要素生产率(TFP)来衡量。全要素生产率取决于教育、研发、创新、企业家精神、知识产权保护、经济制度等等。因此,我们需要通过技术创新、制度创新提高企业的全要素生产率,进而提升企业的创新效率。
本文从充分考量科技型中小企业创新效率的有效性出发,结合前人的研究方法和结果,选取了主成分分析与DEAMalmquist指数模型相结合的方法对陕西省科技型中小企业与大型企业的创新效率进行比较研究,旨在探讨两者在创新效率方面的发展差异,并从大型企业在企业投入产出管理和决策角度为处在经济转型期的科技型企业提高创新效率提出发展意见。
二、 文献回顾与机理分析
(一)文献回顾
在衡量企业创新效率方法的选择上,主要有随机前沿分析(SFA)和数据包络方法(DEA)两种。其中DEA由于其研究多投入多产出的有效性评价时具有避免主观性、简化算法和减少误差等众多优点,已被广泛应用于各研究领域[3],并取得了丰硕的成果。Zhong[4]等使用DEA模型,对来自中国经济普查的30个地区R&D;投资的官方数据进行了相对有效性评价;Kontolaimou[5]等以DEA模型为基础,分析了欧洲国家创业企业在创业前期的创新效率;Yannick[6]等人使用数据包络法分析了2008到2010年间Cte dIvoire的14家银行将存款有效转化为信贷资金的效率,并进一步分析了效率低下的原因。
我国学者对全要素生产率(TFP)的研究也很多,但基于DEA方法面向企业创新效率的研究大多集中在以下方面:一是直接利用数据包络法对企业创新效率进行分析,如李强[7]、赵树宽[8]、熊婵[9]、杜鹤丽[10]等对目标企业通过DEA效率分解,仅指出目标企业创新效率是否位于技术前沿面上,或者带来目标企业DEA弱有效的投入指标是否冗余或者不合理;二是直接利用DEAmalmquist指数模型对科技型企业各行业的资源配置效率进行动态评价,如徐晔[11]、陈一博[12]、谭晓东[13]等基于Malmquist指数模型发现目标企业在一定时期的创新效率处于上升还是下降的趋势,而并未对其内在原因进行更多的有效分析。
通过梳理前人研究成果发现以下几点不足:一是对企业创新效率的评价研究,前人多采用DEA数据包络法展开定量分析,这样会由于投入产出过多对实证结果分析带来一定的困难,且DEA模型一般用来对横截面数据进行实证研究,对于本文所使用的面板数据有一定的限制。二是大量研究仅围绕企业创新效率的分析展开,却鲜有将中小型企业与大型企业同时纳入研究框架,通过比较研究法对企业创新效率的实证分析。
(二)機理分析
自1942年熊彼得提出大企业在创新上更具优势以来,对于企业创新效率的研究逐渐成为技术经济领域的研究热点之一。Grimpe[14]等通过研究发现,研发投入的增加有助于企业知识技术资本得以不断积累,从而提升企业知识储备,增强企业对新知识、新技术的消化吸收能力,使企业高效利用和吸收外部的创新资源,增强自身创新能力,不断提高创新效率。李海超[15]等将研发人员、研发经费以及科技实力纳入高技术企业自主创新的内部驱动因素范畴,这些因素将直接或间接作用于企业,帮助企业一定程度上提升创新效率。Romer[16]的研究结果也表明:基于R&D;投入的技术进步会带来效率的提升以及经济的增长。然而,作为要素投入的各种研发投入也存在边际效率递减的可能[17]。因此,在经济转型时期,各类型企业的投入产出在创新效率上的表现究竟如何是本文研究的出发点。
同时,合理分配社会资源,缩小行业之间的创新效率也是提高经济转型期各行业整体创新效率的有效途径。杨善奇[18]等通过对中国制造业各子行业创新效率比较发现,各子行业之间创新效率提升或下降的情况均有出现。因此,他提出提高企业创新能力还需通过明确创新主体,针对行业特点对症下药,特殊情况下需要政府干预,在影响国民经济的重要活动领域合理分配各项资源、特别资助以及制定优惠政策等方式实现。
最后,企业只有具备高效的自主创新能力才是企业长足发展的核心动力[19]。肖兴志[20]等研究发现使用技术引进、技术改造和消化吸收等模仿创新的方式对企业创新效率的影响并不显著,相反,通过自主创新的途径则会显著提高企业的创新效率。因此,本文基于被调研企业不同的创新模式的分析,以期得到更多指导性的创新驱动发展意见。
三、 实证分析
本文在之前学者研究的基础上,将主成分分析法[21]与DEAMalmquist指数模型相结合,通过将多种投入及多种产出降维,并提取主成分,再运用DEA中的Malmquist指数模型[22]对企业创新效率进行实证研究,并对企业按照行业和创新模式进行划分,分析经济转型时期不同行业、不同创新模式下企业的创新效率高低[8,23]。
(一)投入-产出指标的选取
在应用DEAMalmquist指数模型对企业进行创新效率评价时,投入、产出的指标选取非常重要。Zhong[4]等认为研发(R&D;)活动代表了企业科技活动的基本核心,对提高企业实现快速、可持续增长的能力起着至关重要的作用,因此选用研发支出和研发人员作为模型的投入变量。而在产出变量的选择上,经济合作与发展组织已经对技术创新的统计测量制定出了一个系统的测量方法,该方法不仅将通过技术转化而来的特定的产品列入产出的考虑范围,同时将研发成果所带来的市场价值也同时纳入产出变量。因此,Zhong[4]等综合上述考虑,选择专利申请数、新产品销售收入和主营业务收入作为输出指标。Kontolaimou[5]等在输入指标上与上述一致,在输出指标上则选取了国际专利申请、中等技术和高新技术产品出口作为国家创新活动的输出指标。
在国内,顾丽琴[24]等选取企业项目研发投入资金,创新基金投入量和资本市场资金为输入指标,项目验收时新产品产生的销售收入、缴税、净利润、因项目实施新增就业人数为输出指标。赵树宽[8]、于波涛[25]等分别选取R&D;人员投入和经费投入作为创新投入;将新产品销售收入和专利申请数作为创新产出。
本文在吸取前人经验的基础上,根据科技型中小企业的实际创新情况,在R&D;人员投入和资金投入之外,另增了时间投入和知识产权投入两项投入指标。其中,时间作为衡量社会必要劳动的标准,在投入指标中无疑占据重要地位;而知识产权投入是基于已有的专利数,对于企业之后的创新活动的开展有一定的支撑作用。在产出指标上,将资金产出作为产出指标的重要考量,这是因为无论是总收入还是净利润,均能用数字量化产出。具体的投入产出指标体系如表1所示。
其中,创新效率的投入指标包括人员投入、时间投入、知识产权投入以及资金投入。人员投入主要考虑年末在企业入职的职工总数以及专门从事研究与试验的人员(R&D;人员)两项指标;时间投入从企业R&D;活动人数折合全时当量,即参加R&D;项目人员的全时当量及应分摊在R&D;项目的管理和直接服务人员的全时当量出发;知识产权投入指的是企业目前已拥有专利数;资金投入主要考虑能够将先进技术成果应用于企业发展的各个领域,坚持科技进步的技术改造费用以及研究与试验发展投资强度(R&D;支出)两项指标。
产出指标主要包括知识产权产出和资金产出。其中,专利申请数和当年专利授权数能够充分代表企业创新项目所带来的知识产权产出;而基于创新成果所带来的企业净利润和总收入体现了企业创新效率的资金产出。
(二)数据来源
本文选取处于经济转型时期的2013—2015年陕西省科技型企业作为研究对象。由于陕西省中小企业起步较晚,各项数据并无有效的数据库提供,并且对于陕西省中小企业进行研究的文章有限。因此,作者通过实地调研、电话访谈以及发送email等方式,向陕西省100家大型企业、中小型企业发放问卷,在西安市高新区、经开区管委会的协助下,最终获取2013—2015年各企业的投入产出指标数据。其中,回收科技型中小企业的调研问卷共45份,大型企业的调研问卷共回收35份,剔除数据不完整及误填等情况,得到38家中小企业及26家大型企业的完整问卷数据,样本的有效率分别为84.44%、74.29%。
(三)主成分分析
为了满足DEAP2.1的操作条件,方便后续分析,本文选取主成分分析法对投入和产出指标进行降维,然后利用主成分分析结果进行DEA效率评价。
首先,本文利用SPSS18.0对科技型中小企业的投入产出进行主成分分析,结果显示KMO统计量为0.603,且Sig统计量小于0.01,由此认为各变量间相关性显著,可以做主成分分析[26]。然后,本文通过正交旋转,得到相应总方差解释表如表2所示。
如上图所示:通过提取2个主成分之后方差贡獻率达到64.520%,说明利用提取的这2个主成分可以解释所有指标的大部分内容。
根据表3旋转成分矩阵的相关数据,我们可以发现:公因子F1能代表:
人员投入——年末职工人数(X1)和R&D;人员(X2);
时间投入——R&D;活动人数折合全时当量(X3);公因子F2能表示:
知识产权投入——已拥有专利数(X4);
资金投入——R&D;投资强度(X6),技术改造费用(X5)。
同理,将4个产出指标的主成分分析结果降维为2个公因子T1、T2。其中,T1可以代表与企业创新项目相关的专利申请数(Y1)和当年专利授权数(Y2)两个指标;T2可以代表基于创新成果所带来的企业净利润(Y3)和总收入(Y4)两个指标。然后,利用主成分分析得出的主因子作为变量进行后续分析[26]。
同样,利用SPSS18.0对大型企业的投入产出也进行主成分分析成分。
(四)基于DEAMalmquist指数模型的实证分析
使用DEA模型前,将所有输入的指标数据进行非负化处理,本文采用极差法,运用公式X*ij=0.1+0.9*(Xij-minXij)/(maxXij-minXij),对38家科技型中小企业及26家大型企业主成分分析的结果数据分别进行非负化处理之后,使用DEAP2.1软件中的的Malmquist TFP指数方法再对其分别进行全要素生产率(TFP)分析,得到经济转型期2013—2015年38家高新区科技型中小企业与26家大型企业效率变化情况。然后,通过对比科技型中小企业与大型企业创新效率分布情况,制作出2013—2015年科技型中小企业及大型企业全要素生产效率指数变化的效率分布如表4所示。
通过表4,我们可以按照Fare[27]的FGNZ模型将Malmquist指数分解为技术进步指数(Techch)和综合技术效率变化指数(Effch),其中综合技术效率变化指数进一步分解为纯技术效率变化指数(Pech)和规模效率变化指数(Sech)进行分析并得到以下结论:
(1)從技术效率来看,在2013—2015年期间,仅有34.21%的科技型中小企业技术效率得到改善,相较而言,大型企业的比例却达到了84.62%,这说明科技型中小企业的整体技术效率与大型企业存在很大差距。而且,科技型中小企业平均技术效率为1.003,而大型企业该指标的平均值为1.155,也就是说,科技型中小企业平均技术效率的年化增长率仅为0.3%,虽然呈上升趋势,但仍然远低于大型企业的15.5%,由此可见,科技型中小企业的企业管理方式与决策的正确程度仍然需要进一步改善[28]。
(2)从技术进步方面看,科技型中小企业中有13.16%的企业在技术上是进步的,略高于大型企业的7.69%。但从两者的均值来看,科技型中小企业的平均技术进步值是0.938,大型企业为0.854,说明两者的生产技术都在衰退[29],但大型企业衰退的更严重。
(3)从表4的实证结果发现,科技型中小企业和大型企业的平均全要素生产率分别为0.941和0.987,说明三年来均呈下降趋势,但科技型中小企业下降趋势更为明显,为5.9%。观察所得结果,还可以发现:科技型中小企业仅有不到三成的企业生产率水平变化明显,而大型企业的数量却超过了一半。这主要是因为科技型中小企业的技术效率增长较慢,同时技术进步指标又在衰退造成的。
(4)通过观察Malmquist指数的各项分解指标和综合指标,我们可以发现:在2013—2015年经济转型期间,科技型中小企业效率与大型企业的创新效率有所差异。具体来讲,存在的差异主要表现在以下几个方面:
a.科技型中小企业相比大型企业而言生产率水平较低。从总体来看,西安市科技型中小企业的全要素生产率为0.941,低于大型企业的0.987,并且科技型中小企业仅28.95%的企业的全要素生产率大于1,相较而言,50%的大型企业可以保持企业全要素生产率达到正向增长,但大部分科技型中小企业在2013—2015年市场经济增长减缓的情况下很难实现生产率水平的正向增长。
b.对科技型中小企业而言,技术效率虽然呈上升趋势但增速较慢。科技型中小企业的平均技术效率增长率为0.3%,低于大型企业的15.5%。技术效率虽然上升但感觉增长乏力。技术效率这一指标体现了企业资源配置与企业管理方法的好坏及管理层的决策正确与否的情况[28],由此可见:科技型中小企业在资源配置及企业管理上有很大的改善空间。科技型中小企业投入产出虽然灵活,但因市场面窄,资金获取不畅,科技与管理型的优质人才不足等原因,使得科技转化为产出的能力受到限制。同时,因为技术效率可以被拆分为纯技术效率与规模效率的乘积,所以,从拆分开的两个指标来看,不难发现,科技型中小企业的纯技术效率与规模效率与大型企业均有一定差距,这也可以补充说明科技型中小企业技术效率相对较低的深层原因。
c.技术进步在企业的创新效率上的贡献力不足。根据实证分析结果,科技型中小企业技术进步指数为0.938,大型企业的更低,仅为0.854。分析其原因,各类企业在技术进步方面表现较差,这可能由于被调研企业整体技术水平过低,企业发展环境闭塞,创新能力不足等原因造成的。
(五)按行业划分科技型中小企业的创新效率分析
将以上38家科技型中小企业,按企业所属行业的种类[8,30],分成了制造业、环境能源、生物制药化工类、电子制造业、信息产业以及技术服务,6大产业,13个细分产业。将26家大型企业按照行业分类如下,主要分为设备制造、电子制造业、环境能源类、生物化工等5类。将上述38家科技型中小企业以及26家大型企业的行业分类,汇总得到科技型中小企业的各产业效率、排名(表5),以及大型企业的各产业效率及排名(表6)。
由此可见:
(1)科技型中小企业的创新效率平均为0.941,而大型企业的创新效率为0.987,说明科技型中小企业及大型企业的创新效率均在下降,这可能受到经济转型等环境的影响;中小型企业因受经济大环境影响较大型企业而言更大,因此创新效率下滑更明显,而大型企业因受到国家政策扶持以及规模相应等,下降幅度相对较低。
(2)2013—2015年,三年间科技型中小企业创新效率增长幅度由高到低的依次是生物化工业0.995、电子制造业0.962、以及设备制造业0.957,其次是环境能源0.929和技术服务0.889、信息产业0.886;六种产业中创新效率均是降低的。对比来看,大型企业中除了生物制药、化工类和电子制造业创新效率降低,其他行业创新效率仍然保持一定程度的提升。说明大型企业投入产出相对中小企业处于较为合理的水平,且企业管理方式与决策的正确程度较为成熟。
近年来,生物化工、电子制造业的创新效率受经济大环境的影响下降幅度不大;生物化工和电子制造业是我国推进战略性新兴产业中的重点产业,在国家相关技术支持、资金支持、信息开放、优惠政策补贴等方面相促进的大环境下,促使生物化工、电子制造等产业创新效率的得到提升。
(3)在2013—2015年同样三年内,大型企业中技术服务业、设备制造业、环境能源业的创新效率分别为1.119、1.015、1.068,电子制造业为0.994、生物化工类为0.838。陕西省的大型设备制造业不仅有大量的制造企业作为支撑,同时大型企业具有较高的制造水平和制造技术的高平台,结合陕西省优秀的高校人力资源与研发资源,大型设备制造业、技术服务类企业在经济不景气的大环境下依然能够获得长足创新发展。
由此,我们可以总结:陕西省平均创新效率较低。一部分是由于2013—2015年,陕西省乃至全国经济增长速度减缓,中小企业因各种原因受到外界经济环境影响的程度较深。其次,陕西省是以制造业为主导的工业型发展城市,装备制造与电子制造是本省的优势发展产业,即使在经济转型的情况下,二者产业依旧以较为微弱的正向增长速度,带动创新效率的增长;而环境能源、生物化工和信息技术作为发展中的新兴行业,发展基础不稳固,易被經济环境所影响,也是创新效率负相增长的原因之一。
(六)按创新模式划分科技型中小企业的创新效率分析
为了研究创新模式对企业创新效率的影响,本文将企业的创新方式分为:①独立研制;②购买国内外技术;③合作研究开发三种。首先,将38家科技型中小企业按照创新的三种模式分类并比较不同创新模式的创新效率,见表7。
结论:
(1)调查的38家企业中,有16家企业的创新模式是采用独立研制,也就是被调查的企业中有超过42.1%是采用独立研发的创新模式,相较我国较早时期的模仿、采购技术创新模式而言,陕西省企业已经开始走自主创新的道路,而通过购买技术的创新企业与通过合作开发技术的企业分别占比达到31.6%和26.3%,两者数量差别不大,总共占到了近全部企业创新方式的60%,总体来说陕西省的创新模式还是以外来、合作为主,自主研发的程度略有提高但是还需要加强。
(2)通过对科技型中小企业三种模式的创新效率结果可以看出来,企业通过购买技术的创新效率是0.956,相比而言是最高的,其次是合作开发的创新模式,也达到了0.954,创新效率最低的就是企业自主独立研制的创新方式,仅仅是0.927,说明陕西省自主创新的效率较差。虽然陕西的众多科技型技术企业中,合作开发大多数是以陕西省众多资深的高等院校、科研所等技术开发资源、优秀技术研发人才为依据,但依旧不能否认购买国外的先进技术的研发成本低,产出利润大的事实。相关政府部门应通过有效的途径,提高陕西省自主研发以及合作开发的创新效率;同样有关科技型中小企业也应该看到事实,提升自主研发水平,增长企业核心实力,才是做强企业的唯一道路。
以上是对陕西省38家科技型中小企业2013—2015年创新效率的实证分析,并且在对比大型企业创新效率的同时,又研究了按照产业划分的科技型中小企业各产业的创新效率,以及按着技术外购、合作研发、自主研发的三种主要创新模式科技型企业的创新效率如何,由此,总结以下结论:
(1)创新对于企业发展、经济增长具有至关重要的作用。本文以科技型中小企业为对象,创新效率为研究基础,分析了创新与科技中小企业发展的紧密关系,创新发展推动企业发展,促进经济增长。
(2)研究发现,在2013—2015年市场经济下滑,经济面临转型的情况下,科技型中小企业受到经济大环境影响较大,创新效率负增长,且下降速度比大型企业快。科技型中小企业的创新效率为0.941,明显低于大型企业的平均创新效率0.987。虽然科技型中小企业投资产出较为灵活,但还是不足以抵补大型企业的平台优势对创新效率的正向作用。
(3)科技型中小企业统计出来的6类产业创新效率都是小于1的,包括国家新重点强调的高新技术产业电子制造、生物医药、环境能源产业都是以一定的速度递减。这可能与经济转型时期,为了保证经济增长,资源更容易流向与国民经济密切相关的大型企业,科技型中小企业相比较难获得资金和人才支撑有关;另一方面也与科技型中小企业自身科技投入降低有关。
(4)科技型中小企业作为新业态、新经济的引领者,在经济发展新常态下发挥着强大的驱动作用,科技型企业的自主研发及产品的有效转化是创新引领发展的具体体现。本文中被调研的科技型中小企业40%以上是采用独立研发的创新模式,说明陕西省自助研发的程度、范围正在变大,自主研发的水平和能力正在逐步提高,加强陕西省创新技术水平已经取得了较好的成果。可是相比较而言,大部分科技型中小企业的创新模式还是以合作研发和购买国内外技术为主,占到一半以上,并且创新效率以购买国内外技术和合作开发方式的创新效率较高,独立研发的创新效率在三者中最低,可以说明虽然陕西省科技中小企业创新能力有所提高,但是创新效率还是有待加强。
四、 结论及政策建议
本文通过对处于经济转型期的陕西省多家科技型大、中小型企业进行调研,从理论、实证两方面出发,对比不同规模科技型企业的创新效率,力求全面分析经济转型期科技型中小企业的创新效率发展情况。通过本文研究,得到以下几方面研究结论:
(1)科技型中小企业的整体技术效率与大型企业存在很大差距,在资源配置及企业管理上仍存较大改进空间;
(2)科技型中小企业和大型企业的平均技术进步指数和全要素生产率均呈下降趋势;
(3)从全要素生产率的各项分解指标来看,科技型中小企业的创新效率的各个方面与大型企业有所差异;
(4)陕西省技术服务和信息产业相关的中小企业创新效率比较落后;
(5)依靠完全自主研发的科技型中小企业数量不足一半。由此可见,科技型企业创新效率的提升工作仍然还需更多努力,创新效率低下的问题仍然值得关注。基于此,本文从以下四方面着手,提出提升科技型企业创新效率的对策建议。
首先,提升创新能力,提高产品或服务的质量标准。自“供给侧改革”提出以来,我们深刻地意识到,现阶段我国并非内需不足,而是严重缺少能够满足国民需要的产品与服务,在经济新常态下提升企业竞争力对企业来说变得尤为困难。在这一背景下,企业首先要做的就是從自身出发,提高创新能力,发掘真正适合和需要的产品,积极拓展市场,开展差异化竞争,实现各类产品与消费市场的无缝对接。其次,政府应针对性的为科技型企业提供更多税收优惠等相关政策或金融支持。再次,保障科技型高技术人才收入,鼓励优秀人才进入科技型中小企业也是需要考虑的方面。从本文实证结论中发现,科技型企业的创新效率明显低于大型企业,专利申请数量更是远落后于大型企业,从而制约了科技型中小企业的发展步伐。同时,优秀的人才往往追求更大的平台和更丰厚的薪酬,因而中小企业如果没有相应的发展空间,很难吸引到真正帮助企业实现创新发展目的的人才。因此,科技型中小企业有必要制定有竞争优势的工资薪酬和福利待遇,以吸引优秀的科技型人才和管理型人才进入企业,带动企业快速成长。最后,鼓励有条件的科技型中小企业在新三板上市。中小企业融资难一直是制约其发展的一大难题,有条件地拓宽融资渠道对中小企业来说是一大利好。
参考文献:
[1] 习近平. 在中国共产党第十九次全国代表大会上的报告 [R]. 北京: 人民出版社, 2017.
[2] 俞海海, 屠梅曾, 王爱民. 基于科技中小企业成长阶段的政策扶持探讨 [J]. 科技管理研究, 2008, 184(6): 324-326.
[3] 魏权龄. 评价相对有效性的DEA方法 [M]. 北京: 中国人民大学出版社, 1988.
[4] Zhong W, Yuan W, Li S X, et al. The performance evaluation of regional R&D; investments in China: An application of DEA based on the first official China economic census data [J]. Omega, 2011, 39(4): 447-455.
[5] Kontolaimou A, Giotopoulos I, Tsakanikas A. A typology of European countries based on innovation efficiency and technology gaps: The role of earlystage entrepreneurship [J]. Economic Modelling, 2016, 52: 477-484.
[6] Yannick G Z S, Zhao H, Thierry B. Technical efficiency assessment using data envelopment analysis: An application to the banking sector of Cte DIvoire [J]. ProcediaSocial and Behavioral Sciences, 2016, 235: 198-207.
[7] 李强. 基于DEA方法的我国中小企业技术创新效率研究——以深交所中小上市公司为例 [J]. 科技管理研究, 2010, 30(10): 43-45.
[8] 赵树宽, 余海晴, 巩顺龙. 基于DEA方法的吉林省高技术企业创新效率研究 [J]. 科研管理, 2013, 34(2): 36-43.
[9] 熊婵, 买忆媛, 何晓斌, 等. 基于DEA方法的中国高科技创业企业运营效率研究 [J]. 管理科学, 2014, 27(2): 26-37.
[10] 杜鹤丽, 李海萍. 浙江省高技术产业创新: 效率评价与差异分析——基于DEA方法 [J]. 经济研究参考, 2015(57): 83-91.
[11] 徐晔, 张秋燕. 中国高技术产业各行业资源配置效率的实证研究——基于DEAMalmquist指数方法 [J]. 当代财经, 2009(12): 74-79.
[12] 陈一博, 宛晶. 创业板上市公司全要素生产率分析 ——基于DEAMalmquist指数法的实证研究 [J]. 当代经济科学, 2012(4): 103-108.
[13] 谭晓东, 陈玉文. 基于Malmquist指数的中国医药制造业科技创新效率动态评价 [J]. 中国医药工业杂志, 2016, 47(1): 127-130.
[14] Grimpe C, Sofka W. Search patterns and absorptive capacity: Lowand hightechnology sectors in European countries [J]. Research Policy, 2009, 38(3): 495-506.
[15] 李海超, 李志春, 杨杨. 我国高技术产业自主创新驱动因素及实现路径研究 [J]. 科学管理研究, 2017, 35(03): 50-54.
[16] Romer P M. Endogenous technological change [J]. Journal of Political Economy, 1990, 98(5): 71-102.
[17] Hartmann G C, Myers M B, Rosenbloom R S. Planning your firms R&D; investment [J]. ResearchTechnology Management, 2006, 49(2): 25-36.
[18] 杨善奇, 谈镇. 提升中国制造业自主创新效率研究 [J]. 经济与管理, 2015, 29(01): 54-59.
[19] 陶虎, 田金方, 郝书辰. 科技财政、创新活动与国有企业自主创新效率——基于治理制度视角的比较分析 [J]. 经济管理, 2013, 35(11): 149-160.
[20] 肖兴志, 谢理. 中国战略性新兴产业创新效率的实证分析 [J]. 经济管理, 2011, 33(11): 26-35.
[21] 傅德印. 主成分分析中的统计检验问题 [J]. 统计教育, 2007(9): 4-7.
[22] Malmquist S. Index numbers and indifference surfaces [J]. Trabajos De Estadistic, 1953, 4(2): 209-242.
[23] 范秋芳, 刘兰廷, 苑兆洁. 基于DEAMalmquist模型的石油企業自主创新能力评价研究——以胜利油田为例 [J]. 河南科学, 2015, 33(1): 113-114.
[24] 顾丽琴, 梅烨丹. 基于DEA方法的江西省科技型中小企业技术创新基金绩效分析 [J]. 科学管理研究, 2013(2): 45-48.
[25] 于波涛, 刘亚杰. 基于DEA的大中型工业企业技术创新效率研究——以东北三省为例 [J]. 技术经济与管理研究, 2013(6): 53-57.
[26] 林海明, 张文霖. 主成分分析与因子分析的异同和SPSS软件——兼与刘玉玫、卢纹岱等同志商榷 [J]. 统计研究, 2005, 22(3): 65-69.
[27] Fare R, Grosskopf S, Lovell C A K. Production frontiers [M]. Cambridge: Cambridge University Press, 1994.
[28] 马占新, 马生昀, 包斯琴高娃. 数据包络分析及其应用案例 [M]. 北京: 科学出版社, 2013: 190-193.
[29] 马占新. 数据包络分析方法的研究进展 [J]. 系统工程与电子技术, 2002, 24(3): 42-46.
[30] 李向东, 李南, 白俊红, 等. 高技术产业研发创新效率分析 [J]. 中国软科学, 2011(2): 52-61.