摘要：
传统的 DEA 模型忽视了外部环境变量和随机干扰项的影响，这可能会导致效率估算值出现偏差。为此，采用三阶段 DEA 模型，从非管理性因素影响的视角更准确地反映了智能制造企业的创新效率，并通过 Tobit 模型分析了其内部影响因素，为相关政策的制定提供更准确的依据。结果发现：在剔除环境变量和随机干扰项后，我国智能制造企业创新效率下降了 28.44%。从不同所有制结构来看，在智能制造领域，国有企业的创新效率高于私营企业。智能制造企业创新效率主要由规模效率决定，但并非简单依赖于规模经济模式，而是主要通过管理与技术要素来驱动发展。在创新效率的影响因素中，企业年龄、企业规模、企业盈利能力和政府补贴对智能制造企业创新效率具有积极影响，而企业研发投入对智能制造企业创新效率具有显著的负向作用。
李廉水, 张梦娜, 程中华.
不同所有制的智能制造企业创新效率及其决定——基于智能制造示范试点企业的研究
[J]. 科学学与科学技术管理, 2023, 44(02): 107-124.
LI Lianshui, ZHANG Mengna, CHENG Zhonghua.
Innovation Efficiency and Decision of Intelligent Manufacturing Enterprises with Different Ownership: Research on the Intelligent Manufacturing Demonstration Pilot Enterprises
[J]. Science of Science and Management of S. & T., 2023, 44(02): 107-124.
