智能制造企業技術創新效率及其影響因素研究

樓旭明，徐聰聰

（西安郵電大學經濟與管理學院，陜西西安 710061）

1 研究綜述

在我國制造行業逐漸趨于穩定發展的同時，智能制造業成為了驅動我國制造行業前進的主要動力之一。我國智能制造行業的規模也在逐年擴大，2018 年的市場規模達16 867 億元。在2018 年10 月12 日召開的世界智能制造大會上，我國正式發布了《國家智能制造標準體系建設指南（2018 年版）》，這對我國智能制造產業具有極大的推動作用。但是，目前我國在智能制造方面的發展依然存在一些問題，如覃浩高［1］研究認為我國智能制造領域缺乏行業標準和自主創新能力；廖桂波［2］研究認為我國智能制造產業存在的問題有核心智能部件與整機發展不同步、產業整體技術創新能力與國外差距較大等。可以看出，技術創新效率不足是阻礙我國智能制造行業發展的核心問題。研究智能制造行業的技術創新效率問題并提出合理的發展建議，有利于指導我國智能制造產業的結構調整方向，進一步帶動我國制造業整體智能化轉型。

技術創新效率(TIE) 的概念最早是由Afriat 等［3］提出的，是指以研發創新活動的技術效率來衡量技術創新的水平。韓東林等［4］運用數據包絡分析（DEA）模型指出“中國制造2025”上市公司的技術創新效率整體波動較大且水平偏低；針對智能制造企業，劉峰等［5］同樣采用DEA 模型對我國智能制造企業的技術創新效率進行了測算。但DEA 模型有兩個缺點，第一是對指標的權重分配不合理，第二是可能會出現多個評價單元（DMU）的效率值同時為一而無法進行排序的情況。作為DEA 模型的延伸，DEA交叉效率模型充分結合自評和他評，用每一個評價單元的最佳權重去分別計算其他DMU 的效率值，使各個評價單元的最終評價結果之間具有可比性。王偉［6］就運用此模型對我國30 個省、自治區、直轄市進行了評價，指出我國高技術產業技術創新效率存在區域發展不平衡的問題。針對技術創新效率的問題，學者們更加深入地研究是什么因素在影響著技術創新效率，如李紹東［7］把資源投入分為研發經費投入和研發人員投入兩方面，并認為這兩方面都和技術創新效率成正向強相關關系，持同樣觀點的還有Karahan［8］和池仁勇等［9］；劉樹林等［10］認為制度環境的優化有利于技術創新效率的提升；從行業和社會層面來說，夏海力等［11］認為行業層面的產業結構、技術平臺和社會層面的市場需求對技術創新效率均有正向影響?？梢钥闯觯瑢W者們多從企業的外部因素進行考慮，而對企業內部因素的影響研究較少。

因此，本文針對智能制造企業技術創新效率問題進行研究。首先根據我國43 家上市企業2013—2017 年最新數據，運用DEA 交叉效率模型測度及分析其技術創新效率；然后再用Tobit 模型回歸分析技術創新效率的影響因素，分別從企業和行業兩個層面來分析如何提高企業的技術創新效率，以推動我國智能制造行業蓬勃發展。

2 模型構建

2.1 DEA 交叉效率模型的構建

2.1.1 模型介紹

2.1.2 指標選取

在衡量技術創新效率指標的選取上，目前國內學者在選取投入指標時多從勞動力和資本兩個角度考慮，如韓東林等［4］選擇研發經費支出、研發人員數兩個指標作為投入指標；而產出指標多選擇專利申請授權數、凈利潤和新產品銷售收入，如代明等［12］選取高技術產業研發項目經費和研發人員數量作為投入指標，選取有效發明專利數和新產品銷售收入作為產出指標，認為有效發明專利數代表了知識產出，而新產品銷售收入表示研發創新的經濟產出。鑒于此，本文在選取投入指標時，基于管理學理論和前人的研究，從人力、財力、物力3 個方面出發考慮。其中：人力投入方面，本文延續了國內外大多數研究所采用的做法，以研發人員數量為代表；資金投入方面，以研發經費支出和無形資產來表示；物力投入方面，選擇企業的固定資產來衡量。產出指標的選取需要考慮企業創新活動的成果及其經濟效益，第一是無形知識的產出，用專利申請數量表示，但由于專利授權量受到外界因素影響較大，所以本文采用專利申請量而非授權量來表示；第二是經濟方面的產出，本文選擇總營業收入和凈利潤來共同反映技術創新能力及公司盈利能力。以上構成了本研究的技術創新效率評價指標體系，如表1 所示。

表1 智能制造企業技術創新效率評價指標體系

對43 個DMU 的4 項投入指標和3 項產出指標通過SPSS - statistics 軟件進行皮爾森相關性分析，結果如表2 所示，可知各指標之間相關性均為正，且相關系數處于中等水平，均通過了5%的顯著性水平檢驗，符合DEA 交叉效率模型的要求。就投入與產出而言，從短期角度來看，科研創新自投入開始涉及多個環節，存在時間的滯后性，一般假設該延遲時間為1 年；但從長期角度來看，科研創新產出與投入之間構成了穩定的均衡關系［13］，科研工作自身也具有較強的持續性，故本文在利用連續5年的研究數據時不采用滯后效應。

表2 樣本決策單元的皮爾森相關性分析結果

2.2 Tobit 回歸模型的構建

2.2.1 Tobit 模型介紹

Tobit 回歸模型最早是由諾貝爾經濟學獎獲得者Tobin［14］提出的。由于DEA 交叉效率模型測算出來的效率值是離散的，且被限制在0 ～1 之間，所以不適用于常見的最小二乘法，這時Tobit 模型就成了估計回歸系數的一個較好的選擇。Tobit 回歸模型廣泛應用于銀行運行、政府財政支出、資源利用、能源利用等方面的效率研究，其通用模型如式（2）所示：

2.2.2 假設提出

企業的償債能力決定著企業能否健康發展，進一步影響到企業對如何提升技術創新效率的關注度。只有企業健康發展，才能源源不斷地支持企業自身進行創新活動，并在這其中尋找提升技術創新效率的方法。資產的流動性越大，表明短期的償債能力越強，所以選擇流動比率作為衡量指標。因此，本研究提出以下假設：

假設1：企業的償還能力越強，則企業的技術創新效率越高。

企業的盈利能力就是指企業在一定時期內賺取利潤的能力。盈利能力的增強，一方面有助于企業蓬勃發展，另一方面企業也將更加注重創新成果對凈利潤的支撐作用。增加創新成果產出可以通過兩種方式，一是增加創新投入，二是提高成果轉化效率，而盈利能力對這兩方面都有一定程度的影響，所以本文選擇凈資產收益率作為衡量指標。因此，本研究提出以下假設：

假設2：企業的盈利能力越大，則企業的技術創新效率越高。

企業的營運能力是指企業運用各項資產以賺取利潤的能力。企業的營運能力不僅影響企業的發展，同時影響著企業對新技術的探索能力，即技術創新效率。一般來說，資產的周轉速度越快，則企業的營運能力越強。在這里本文選擇總資產周轉率作為評價指標。因此，本研究提出以下假設：

假設3：企業的營運能力越大，則企業的技術創新效率越高。

企業規模方面，根據之前學者的研究來看，企業規模在一定程度上也決定著企業在研發效率上的關注度，如范德成等［15］認為企業的技術創新效率與企業的規模正相關。本文采用企業年報中的資產總計來衡量企業的規模。因此，本研究提出以下假設：

假設4：企業規模越大，則企業的技術創新效率越高。

智能制造領域最核心也是最重要的部分要數產品全生命周期管理系統（product life-cycle management, PLM）了。PLM 系統自20 世紀末提出以來迅速成為世界各國的關注焦點。PLM 系統是一種企業信息化的商業戰略，它可以把人、過程和信息有效地結合起來，將孤島式的流程管理轉變為集成化的一體式管理，遍歷產品從概念到報廢的全生命周期。雖然在我國PLM 系統還處于發展初期，但是已在很大程度上影響著各智能制造企業的智能化發展，所以本文選擇我國主流產品全生命周期管理PLM 系統的市場規模作為衡量指標。因此，本研究提出以下假設：

假設5：智能制造領域核心產業的市場規模越大，則企業的技術創新效率越高。

2.2.3 Tobit 模型構建

最終本文構建的Tobit 模型為：

2.3 樣本選取與數據來源

2.3.1 樣本選取

我國工業和信息化部自開展智能制造試點示范專項行動以來，已公布的智能制造示范試點項目共305 個，涉及305 個企業、92 個行業類別，覆蓋我國境內所有省、自治區、直轄市，而本文研究重點關注制造業企業，所以剔除名單中的生化制藥企業14 家、食品類企業15 家、農業企業6 家、輕工業企業57 家；其次，本文以上市企業作為研究對象，所以再剔除未在國內證券交易所上市的企業85 家；最后，本文剔除因資料不足而無法進行研究的企業64 家。最終，本文選取了具有代表性的我國43 家智能制造上市企業(以下簡稱樣本)并對其公布的2013—2017 年間的數據進行研究。

2.3.2 數據來源

本研究所用的數據中，財務相關數據來自新浪財經網站，上市企業的年度報告提供了部分投入指標數據，專利相關數據來自國家知識產權局官方網站（www.pss-system.gov.cn）。

3 實證分析

3.1 創新效率測度結果及分析

本文采用前述DEA 交叉效率模型并運用Excel 2010 和MATLAB R2015b 等軟件對43 家樣本上市智能制造企業2013—2017 年的技術創新效率進行測度，結果如表3 所示。本文在采用了DEA 交叉效率模型之后，不再出現效率值等于1 的情況，因而各企業之間可以進行相互比較和排序。從表3 可以看出，我國智能制造領域代表企業的技術創新效率發展較為平穩，5 年間僅有小幅上漲，但一直維持在較低水平；5 年中，效率值最高出現在巨星科技2013 年的0.812 3，最低值為2014 年的漢威科技僅為0.105 0，不同企業的效率值參差不齊且差距較大，這說明我國智能制造行業中的一些企業在近幾年取得了一定的突破，但還有一大部分企業的技術創新效率依然較低。

表3 2013—2017 年樣本企業技術創新效率測度結果

表3 （續）

接下來，本文將43 家樣本企業根據主營業務劃分為6 類，如表4 所示。其中，智能工具類企業的平均效率值達到0.532 5，是6 個分類中最高的，且所有樣本效率值排名首位的企業也在此列。這說明智能工具領域是一個正在蓬勃發展的領域，此領域內的競爭企業較少，大部分企業都能維持較高的創新效率。在6 類企業中，智能儀器企業的平均效率最低?，F代科學技術的進步離不開智能儀器的研發和使用，科學儀器能夠幫助科學家更好更快地處理人類無法處理的數據，而該領域技術創新效率低也證實了胡躍文等［16］研究提出的我國智能儀器產業的發展確實存在一些問題，還有很大的提升空間。

表4 樣本企業按主營業務分類的技術創新效率評價結果

根據上述評價結果，對樣本制造企業按5 年間的平均效率高低進行定級：差（0 ～0.2），較差（0.2 ～0.4），一般（0.4 ～0.6），良（0.6 ～0.8），優（0.8 ～1.0），得到結果如表5 所示。其中，良及以上的企業一共僅有2 家，大部分企業集中在一般和較差這兩個等級。評級為良的兩家企業分別是巨星科技和勁拓股份。巨星科技在這5 年間的專利申請總數達到803 件；而勁拓股份雖然整體規模較小，但是它的產出相對于投入來說比率非常高，這也使得勁拓股份的技術創新效率排在樣本企業中的前列。排名倒數3 家企業有一個共同的特點，即專利申請量較少。其中，鼎捷軟件共有6 件、漢威科技共有56 件、秦川機床共有30 件，均與排名前兩位的企業相差數十倍。這些企業同樣投入了大量的資源在創新業務上，可是由于轉化率較低導致創新產出不高，所以應當把提升技術創新效率放在首要任務的位置上?？v觀大部分企業，5 年平均技術創新效率雖然較低，但是隨著時間的推移，效率值也在緩慢增長，這說明這些企業也注意到技術創新效率低這個問題并加以改善，但是技術創新效率的提升速度還有待提高；與此同時，加快技術創新效率的提高速度也是我國智能制造領域企業需要重點關注的問題。

表5 樣本企業技術創新效率的分級評價結果

3.2 影響因素分析

本文以各個影響因素作為自變量，以前文的DEA 交叉效率值作為因變量，運用 EViews7.2 軟件進行 Tobit 模型回歸分析，結果如表6 所示，可以得出以下結論：在5 個影響因素中，只有流動比率和總資產周轉率是在5%的水平上顯著，其他因素都在1%的水平上顯著。其中：

（1）流動比率的回歸系數是0.010 424，為正值，流動比率與技術創新效率正相關，本研究的假設1得到驗證。流動比率的提高首先增加了企業的償債能力，使得企業健康發展，只有企業健康發展才能保證企業在研發方面的投入持續增加、成果轉化效率逐漸提高，最終使得企業的技術創新效率提高。

（2）凈資產收益率的回歸系數為0.003 134，為正值，本研究的假設2 得到驗證。樣本企業的凈資產收益率的系數雖為正，但是數值較小，企業在一段時間內盈利能力的增強能夠促進技術創新效率的提高，但創新效率變化較小可能因為企業的創新投入是階段性的，而成果轉化率的變化又不太明顯。

（3）總資產周轉率的回歸系數為0.131 068，為正值，驗證了本研究的假設3。所有的創新活動都離不開資金的支持，而且進行創新活動所要耗費的資金是非常巨大的，企業的資金能夠快速、高效地周轉起來對保障企業的創新效率至關重要。

（4）資產總計的回歸系數為0.000 429，本研究的假設4 得到驗證。樣本企業的規模對于技術創新效率的影響很小，這表明中小企業和大型企業同樣能夠擁有較高的創新效率：中小企業能快速根據最新的創新方向對自身作出調整；而大企業的調整則相對較慢，但是大型企業對發展方向的把握一般而言相對要更加準確，并且行業發展方向在一定程度上是由大型企業所引導的。

（5）中國主流PLM 市場規模的回歸系數為0.002 334，為正值，本研究的假設5 得到驗證。PLM 系統對于對制造業的影響可以說是方方面面，從新產品想法的提出到最終產品被市場所淘汰，PLM 系統參與到一個產品的全生命周期，這對智能制造行業的影響是非常巨大的。

表6 樣本企業技術創新效率影響因素Tobit 回歸分析結果

4 結論與建議

4.1 研究結論

本文首先運用DEA 交叉效率模型對我國43 家具有代表性的智能制造上市企業進行技術創新效率測度，然后根據測度結果通過Tobit 回歸模型對影響企業技術創新效率的影響因素進行分析，得出以下結論：

（1）樣本智能制造行業整體發展平穩，但平均效率值不高，在0.38 左右，且代表性企業之間技術創新效率波動較大。以企業5 年平均技術創新效率做等級劃分來看，大部分企業集中在一般和較差兩個等級，等級為良以上僅有兩家企業，分別是巨星科技和勁拓股份，其中巨星科技的技術創新效率值最高，達到0.698 4。

（2）企業的償還能力、盈利能力、營運能力、規模和智能制造領域核心產業的市場規模對技術創新效率均有正向促進作用，其中企業的營運能力為主導影響因素，企業規模的影響最小，這表明大型企業和中小型企業都可以擁有較高的技術創新效率。

4.2 對策建議

根據上述研究結論，本文就提升我國智能制造上市企業的技術創新效率提出以下建議：

一是企業應積極吸收人才資源。針對智能制造企業的特點，建立科學的人才篩選機制，并開展全面的人才培養活動，充分利用人才資源提升技術創新效率。

二是相比于其他方面能力來說，智能制造企業應著重提升自身的營運能力。根據本研究的Tobit 回歸分析結果，企業的技術創新效率受營運能力的影響最大。各企業應防止不合理資金的占用，加快資金周轉速度，以提升營運能力。

三是企業應加強存貨的日常管理，妥善安排生產與銷售，在正常生產的同時減少原材料庫存，盡力防止存貨積壓，提高企業償還能力；同時企業應合理選擇經營戰略，選擇自己既有優勢又有較好市場空間的產品或項目，制定適應當下市場需求的經營模式，加強提高企業的盈利能力，提升技術創新效率。