賀正楚 潘為華 潘紅玉

1 引 言

自從2010年中國成為全球制造業(yè)第一大國以來，中國制造業(yè)在規(guī)模結(jié)構(gòu)、創(chuàng)新發(fā)展等方面不斷取得進步，制造業(yè)的增加值從2012年的16.98萬億元增長至2021年的31.4萬億元，研發(fā)投入的經(jīng)費由6850.5億元增長至16914.3億元。但中國制造業(yè)在高速發(fā)展的同時，產(chǎn)業(yè)創(chuàng)新還一直存在創(chuàng)新效率低、關(guān)鍵核心技術(shù)受制于人等問題（蔡昉，2021［1］）。制造業(yè)領(lǐng)域的企業(yè)（制造企業(yè)）是當之無愧的創(chuàng)新主體，是創(chuàng)新成果孵化的載體，更是推動創(chuàng)新效率提升的主要力量。然而，制造企業(yè)創(chuàng)新風險高，創(chuàng)新效率提升難度大，尤其是當前我國面臨百年未有之大變局和受到新冠病毒感染的巨大影響，制造企業(yè)正經(jīng)歷前所未有的沖擊。在激烈的“貿(mào)易戰(zhàn)”“技術(shù)戰(zhàn)”以及被“卡脖子”的創(chuàng)新困境中，如何通過創(chuàng)新效率改進來提升企業(yè)的韌性和抗壓性，是制造企業(yè)生存和發(fā)展的關(guān)鍵，也是學者們研究和關(guān)注的重點。

已有的諸多文獻，為制造企業(yè)創(chuàng)新效率相關(guān)研究的開展奠定了較好的基礎(chǔ)：（1）在測度方法上，早期學者多從“投入-產(chǎn)出”的角度來測度創(chuàng)新效率，如采用專利產(chǎn)出、專利產(chǎn)出與研發(fā)投入比等指標來衡量創(chuàng)新效率。這些指標考慮企業(yè)在創(chuàng)新過程中的投入產(chǎn)出關(guān)系，能夠直觀衡量創(chuàng)新投入與創(chuàng)新產(chǎn)出之間的比例關(guān)系，但是忽略了影響創(chuàng)新效率的其他環(huán)境因素。因此，后續(xù)學者嘗試選取多種指標、方法科學衡量創(chuàng)新效率，包括數(shù)據(jù)包絡(luò)分析（DEA）隨機前沿分析（SFA）等方法。在此基礎(chǔ)上，部分學者加以改進，使用動態(tài)網(wǎng)絡(luò)SBM模型、超效率網(wǎng)絡(luò)模型等方法對創(chuàng)新效率進行測度；（2）在研究對象上，包含宏觀層面研究不同區(qū)域和城市的創(chuàng)新效率；中觀層面研究不同產(chǎn)業(yè)或行業(yè)的創(chuàng)新效率；微觀層面研究不同類型企業(yè)的創(chuàng)新效率，如不同規(guī)模、不同生命周期等；（3）在研究視角上，考察了創(chuàng)新效率的影響因素，探討創(chuàng)新效率的動態(tài)演變和空間差異，提出了不同主體創(chuàng)新效率的提升路徑和模式等。

可以看出，已有關(guān)于創(chuàng)新效率的研究大都是基于傳統(tǒng)工業(yè)經(jīng)濟時代的研究，或是探討數(shù)字經(jīng)濟視角下的行業(yè)創(chuàng)新效率（殷群和田玉秀，2021［2］）,或是分析數(shù)字技術(shù)和數(shù)字金融發(fā)展對企業(yè)效率的驅(qū)動作用和機制（陳金丹和王晶晶，2021［3］；劉婷婷等,2022［4］）。鮮有基于數(shù)字經(jīng)濟時代的企業(yè)創(chuàng)新效率研究，基于數(shù)字化轉(zhuǎn)型的視角研究制造企業(yè)創(chuàng)新效率更為罕見。熊彼特指出，創(chuàng)新是“在生產(chǎn)體系中引入一種新組合”。進入數(shù)字經(jīng)濟時代，數(shù)據(jù)作為第五大生產(chǎn)要素引入制造業(yè)生產(chǎn)體系（陶長琪和丁煜，2022［5］），推動制造企業(yè)產(chǎn)品升級和業(yè)態(tài)重構(gòu)。制造企業(yè)紛紛把握這一機遇，應(yīng)用新興數(shù)字技術(shù)改造產(chǎn)品生產(chǎn)流程、創(chuàng)新商業(yè)模式，通過數(shù)字化轉(zhuǎn)型來實現(xiàn)效率的提升（林琳和呂文棟，2022［6］）。在制造企業(yè)數(shù)字化轉(zhuǎn)型過程中，企業(yè)創(chuàng)新的類型和模式愈加豐富，因而創(chuàng)新效率來源、生成邏輯和演變規(guī)律也更加復雜，傳統(tǒng)工業(yè)經(jīng)濟時代對創(chuàng)新效率的測度和研究方法、指標體系容易造成結(jié)果偏差。因此，在數(shù)字經(jīng)濟時代，基于數(shù)字化轉(zhuǎn)型的視角研究和測度制造企業(yè)創(chuàng)新效率十分有必要?；诖?，本文采用三階段DEA模型對制造企業(yè)創(chuàng)新效率進行測算和分解，試圖探討數(shù)字經(jīng)濟時代制造企業(yè)創(chuàng)新效率的演變規(guī)律、動態(tài)特征和影響因素。本文的邊際貢獻在于將數(shù)字化轉(zhuǎn)型中制造企業(yè)的創(chuàng)新投入和創(chuàng)新產(chǎn)出納入三階段DEA模型，綜合考察影響創(chuàng)新效率的外部環(huán)境因素，有助于更好的理解和把握數(shù)字化轉(zhuǎn)型視角下制造企業(yè)創(chuàng)新的生成邏輯和演變規(guī)律，對于優(yōu)化制造企業(yè)創(chuàng)新資源配置、把握創(chuàng)新發(fā)展方向，為企業(yè)創(chuàng)新戰(zhàn)略決策和政府創(chuàng)新政策實施提供參考。

2 測算方法與指標體系構(gòu)建

2.1 測算方法

DEA是數(shù)據(jù)包絡(luò)分析方法的簡稱，是運籌學和經(jīng)濟學中常用的一種用來測量評價決策部門（DMU）投入產(chǎn)出間效率的方法。DEA模型的原理是以最優(yōu)投入和產(chǎn)出作為生產(chǎn)前沿，采用非參數(shù)線性規(guī)劃的技術(shù)構(gòu)建數(shù)據(jù)包絡(luò)曲線。位于前沿面上的點效率值標定為1，位于前沿面外的點效率值標定為0至1之間。DEA模型通常包含規(guī)模報酬不變（CCR模型）和規(guī)模報酬可變（BCC模型）兩種，應(yīng)用于經(jīng)濟管理領(lǐng)域中評價投入產(chǎn)出的相對效率，具有較強的客觀性。但是傳統(tǒng)的DEA并未考慮環(huán)境因素和隨機擾動項對決策部門效率的影響，為此，F(xiàn)ried等人提出三階段的DEA模型，主要分為以下三個階段。

（1）第一階段：傳統(tǒng)DEA模型

第一階段所使用的模型為傳統(tǒng)DEA模型，基于原始的創(chuàng)新投入和創(chuàng)新產(chǎn)出數(shù)據(jù)來研究制造企業(yè)的創(chuàng)新效率。傳統(tǒng)DEA模型分為投入導向和產(chǎn)出導向兩種，一般而言企業(yè)創(chuàng)新具有較大的不確定性，創(chuàng)新的成果產(chǎn)出情況不易受到企業(yè)控制。因此，本文選投入導向的DEA模型，并假定規(guī)模報酬可變，將制造企業(yè)的綜合效率分解為純技術(shù)效率和創(chuàng)新效率?；灸Ｐ驮O(shè)定如下：

式（2）中，j=1，2，…，n表示決策部門，X為創(chuàng)新投入變量，Y為創(chuàng)新產(chǎn)出變量。

（2）第二階段：似SFA模型

傳統(tǒng)DEA模型在測量效率時容易忽略環(huán)境因素和隨機擾動項的影響，導致得出的效率值與決策部門真實效率值存在一定差異，可靠性低。松弛變量是低效率的表現(xiàn)，主要包含環(huán)境因素、隨機噪聲等。在第二階段，以第一階段中投入松弛變量為被解釋變量，以環(huán)境因素為解釋變量，采用似SFA模型剔除環(huán)境因素的影響。模型設(shè)定如下：

式（3）中，Sij是松弛變量，Zj是環(huán)境變量，β j是環(huán)境變量的系數(shù)，vij+uij是混合誤差項；vij表示隨機干擾因素對投入松弛變量的影響，且表示管理因素對投入松弛變量的影響，服從半正態(tài)分布，且。似SFA回歸模型的主要作用是剔除環(huán)境因素和隨機擾動項對企業(yè)創(chuàng)新效率的干擾，從而將所有決策部門調(diào)整至相同的外部環(huán)境中。調(diào)整公式如下：

（3）第三階段：調(diào)整后DEA模型

將第二階段調(diào)整后的創(chuàng)新投入變量與未調(diào)整的創(chuàng)新產(chǎn)出變量代入傳統(tǒng)DEA模型，測度剔除環(huán)境因素和隨機干擾因素的制造企業(yè)創(chuàng)新效率。

2.2 指標體系構(gòu)建

從創(chuàng)新的視角來看，制造企業(yè)數(shù)字化轉(zhuǎn)型的核心是創(chuàng)新，數(shù)字化轉(zhuǎn)型的過程同時也是創(chuàng)新的過程。在這一復雜、系統(tǒng)的過程中，探討制造企業(yè)創(chuàng)新效率的基礎(chǔ)是構(gòu)建科學的評價指標體系。借鑒已有文獻關(guān)于創(chuàng)新效率評價指標的選取，本文從3個一級指標“創(chuàng)新投入、創(chuàng)新產(chǎn)出、創(chuàng)新環(huán)境”來構(gòu)建多層指標體系，如表1所示。

表1 制造企業(yè)創(chuàng)新效率評價指標體系

（1）創(chuàng)新投入變量

制造企業(yè)通過數(shù)字化投入，將數(shù)據(jù)要素引入企業(yè)生產(chǎn)運營過程中，形成新的生產(chǎn)函數(shù)，實現(xiàn)對生產(chǎn)要素的重新組合或生產(chǎn)條件的創(chuàng)新。本文選取人力投入、物質(zhì)投入、資金投入三個二級指標來衡量創(chuàng)新投入水平：（1）人力投入。創(chuàng)新的第一要素是人才，制造企業(yè)數(shù)字化轉(zhuǎn)型同樣需要創(chuàng)新人才的引領(lǐng)和推進。研發(fā)人員是企業(yè)創(chuàng)新和數(shù)字化轉(zhuǎn)型必備要素之一，考慮到數(shù)據(jù)可獲得性和可比性，本文參考已有關(guān)于創(chuàng)新效率的研究，使用R&D人員占全部員工的比重作為人力投入指標；（2）物質(zhì)投入。制造企業(yè)對于創(chuàng)新的物質(zhì)投入，主要通過構(gòu)建先進的實驗室和試驗設(shè)備，實現(xiàn)生產(chǎn)技術(shù)和生產(chǎn)設(shè)備的改進。因此，物質(zhì)投入主要通過固定資產(chǎn)等實物增加來實現(xiàn)。本文選用當年固定資產(chǎn)增加額來衡量物質(zhì)投入水平；（3）資金投入。創(chuàng)新活動的開展和產(chǎn)出的實現(xiàn)，離不開持續(xù)的資金投入。本文選擇制造企業(yè)R&D支出作為衡量資金投入水平的指標。

（2）創(chuàng)新產(chǎn)出變量

制造企業(yè)通過數(shù)字化轉(zhuǎn)型，創(chuàng)新的類型和模式、創(chuàng)新產(chǎn)出和成果愈加豐富。因此，本文從技術(shù)、經(jīng)濟和數(shù)字化三個方面來衡量創(chuàng)新產(chǎn)出：（1）技術(shù)產(chǎn)出。技術(shù)產(chǎn)出是創(chuàng)新重要的直接產(chǎn)出之一，包含了專利、著作權(quán)等形式，其中專利產(chǎn)出是最常見和使用最廣泛的指標。一般而言，專利從申請到授權(quán)需要3年左右的時間，這種時滯的存在導致專利授權(quán)量無法有效衡量企業(yè)本年技術(shù)產(chǎn)出水平，因此一般選用專利申請量作為當年技術(shù)產(chǎn)出指標。此外，中國專利劃分為發(fā)明專利、實用新型專利和外觀設(shè)計專利3種類型，其中發(fā)明專利技術(shù)含量與內(nèi)涵價值最高，最能體現(xiàn)企業(yè)的技術(shù)創(chuàng)新水平。因此，本文采用發(fā)明專利的申請量作為制造企業(yè)的技術(shù)產(chǎn)出指標；（2）經(jīng)濟產(chǎn)出。企業(yè)數(shù)字化轉(zhuǎn)型和創(chuàng)新活動的開展，最終要通過價值增值的形式來實現(xiàn)。作為市場主體，制造企業(yè)開展創(chuàng)新活動的最終目的在于通過技術(shù)改進、工藝更新和產(chǎn)品升級，實現(xiàn)利潤最大化。因此，本文選擇當年主營業(yè)務(wù)收入作為經(jīng)濟產(chǎn)出的衡量指標；（3）數(shù)字化產(chǎn)出。制造企業(yè)數(shù)字化轉(zhuǎn)型也伴隨著相應(yīng)的產(chǎn)出，既包含技術(shù)產(chǎn)出也包括經(jīng)濟產(chǎn)出，本文選擇數(shù)字化技術(shù)無形資產(chǎn)來衡量數(shù)字化產(chǎn)出水平。具體來說，上市公司財務(wù)報告附注披露的無形資產(chǎn)明細項中，包含的“軟件”“網(wǎng)絡(luò)”“客戶端”“管理系統(tǒng)”“智能平臺”等與數(shù)字化轉(zhuǎn)型技術(shù)相關(guān)的無形資產(chǎn)加總（何帆和劉紅霞，2019［7］），計算企業(yè)本年度數(shù)字化無形資產(chǎn)。

（3）創(chuàng)新環(huán)境變量

在三階段DEA模型中，第二階段采用似SFA模型剔除外部環(huán)境因素的影響，創(chuàng)新環(huán)境變量的選取主要遵循兩個標準：一是不受樣本主觀控制；二是對樣本的創(chuàng)新效率具有顯著影響。因此，本文選擇以下指標作為創(chuàng)新的環(huán)境變量：①數(shù)字經(jīng)濟環(huán)境。數(shù)字經(jīng)濟時代，圍繞數(shù)據(jù)要素在數(shù)據(jù)的感知、傳輸、存儲、分析和處理等方面加強數(shù)字基礎(chǔ)設(shè)施建設(shè)是企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)鍵。數(shù)字經(jīng)濟發(fā)展水平和數(shù)字基礎(chǔ)設(shè)施建設(shè)完善程度也是影響創(chuàng)新效率的重要因素。因此，本文借鑒潘為華等（2021）［8］的方法，從互聯(lián)網(wǎng)普及率、互聯(lián)網(wǎng)相關(guān)從業(yè)人員數(shù)量、互聯(lián)網(wǎng)產(chǎn)出、移動互聯(lián)網(wǎng)用戶數(shù)、數(shù)字普惠金融發(fā)展指數(shù)五個方面構(gòu)建指標體系，并采用熵值法賦權(quán)計算地級市的數(shù)字經(jīng)濟發(fā)展指數(shù)作為數(shù)字經(jīng)濟環(huán)境變量；②政府支持環(huán)境。已有關(guān)于創(chuàng)新效率的文獻中，大都采用政府補貼作為政府支持的環(huán)境指標。然而，政府對企業(yè)的補助不僅包含了創(chuàng)新補助，還包含其他如環(huán)保、稅收優(yōu)惠等方面的補助。企業(yè)在獲取政府補助后，具有一定的動機將政府補助用于創(chuàng)新之外的其他投入，因而不符合環(huán)境變量選取時不受主觀控制的標準。因此，本文選擇地方財政科學技術(shù)支出在財政支出中占比來衡量政府支持水平；③行業(yè)競爭環(huán)境。數(shù)字經(jīng)濟的發(fā)展推動了知識和信息在行業(yè)內(nèi)的擴散，競爭越激烈的行業(yè)制造企業(yè)所生產(chǎn)的產(chǎn)品同質(zhì)性越高，因而知識和信息的溢出效應(yīng)越顯著，創(chuàng)新擴散的效率一般也較高。本文采用赫芬達爾-赫希曼指數(shù)來衡量行業(yè)競爭程度，其計算方法為單個公司總資產(chǎn)所占行業(yè)市場份額；④教育環(huán)境。地區(qū)對教育的重視程度越高，人文環(huán)境和人口素質(zhì)也相對較好，能夠為創(chuàng)新提供有力的人才支撐。因此，本文選擇地區(qū)財政中教育支出占比作為教育環(huán)境的衡量指標；⑤開放環(huán)境。數(shù)據(jù)要素具有非稀缺性、非均質(zhì)性和非排他性的特質(zhì)，數(shù)字技術(shù)的應(yīng)用加速了創(chuàng)新信息的流動與共享，因此數(shù)字經(jīng)濟時代企業(yè)創(chuàng)新愈加體現(xiàn)為開放式創(chuàng)新。本文選用地區(qū)進出口總額占GDP的比重來衡量地區(qū)開放程度，開放程度越高，各類資源越容易聚集，企業(yè)能夠更加容易獲取創(chuàng)新信息，從而刺激創(chuàng)新水平和創(chuàng)新效率提升。

2.3 數(shù)據(jù)來源

本文研究對象為上市制造企業(yè)，時間跨度為2007-2020年，數(shù)據(jù)來源包含兩個部分：一是反映制造企業(yè)創(chuàng)新投入產(chǎn)出的變量主要來自于國泰安數(shù)據(jù)庫（CSMAR）和中國研究數(shù)據(jù)服務(wù)平臺（CNRDS），其中反映數(shù)字化產(chǎn)出的指標通過整理上市制造企業(yè)年度財務(wù)報表附注中加總關(guān)于數(shù)字化無形資產(chǎn)余額所得，個別缺失指標數(shù)據(jù)通過整理上市公司年度報告進行補齊；二是反映制造企業(yè)創(chuàng)新環(huán)境變量的指標包含省域、城市、行業(yè)三個層次，其中反映數(shù)字經(jīng)濟、政府支持、教育環(huán)境的指標屬于城市層面，相關(guān)數(shù)據(jù)來自于歷年《中國城市統(tǒng)計年鑒》、各城市國民經(jīng)濟與社會發(fā)展統(tǒng)計公報；反映行業(yè)競爭的指標屬于行業(yè)層面，相關(guān)數(shù)據(jù)來自于國泰安數(shù)據(jù)庫中的赫芬達爾指數(shù)；反映開放環(huán)境的指標屬于省域?qū)用妫嚓P(guān)數(shù)據(jù)來自于各?。ㄗ灾螀^(qū)、直轄市）統(tǒng)計年鑒以及國民經(jīng)濟與社會發(fā)展統(tǒng)計公報。將企業(yè)層面的創(chuàng)新投入與產(chǎn)出變量按照時間以及所在省份、城市、行業(yè)分別匹配創(chuàng)新環(huán)境變量，得到2007-2020年上市制造企業(yè)創(chuàng)新效率測度的面板數(shù)據(jù)。個別指標缺失部分數(shù)據(jù)，采用線性插值法進行補齊。

3 制造企業(yè)創(chuàng)新效率的測算和分解

3.1 第一階段：傳統(tǒng)DEA模型實證結(jié)果

采用DEAP2.1軟件，將2007-2020年2335家上市制造企業(yè)面板數(shù)據(jù)代入投入導向的BBC模型（規(guī)模報酬可變），測算未剔除環(huán)境因素和隨機誤差影響的制造企業(yè)創(chuàng)新效率，結(jié)果如表2所示。

表2 第一階段傳統(tǒng)DEA模型結(jié)果

從表2可以看出：（1）整體上看，綜合效率是反映創(chuàng)新投入和產(chǎn)出是否達到最優(yōu)配置的綜合指標，2007-2020年制造企業(yè)綜合創(chuàng)新效率較低，均值在0.2以下，且呈現(xiàn)出“U”型發(fā)展趨勢。說明近年來，我國通過實施國家創(chuàng)新驅(qū)動戰(zhàn)略，制造企業(yè)創(chuàng)新能力得到較大程度的增強，企業(yè)創(chuàng)新效率得到較大程度的提升。但是，相對美國、德國、日本等西方發(fā)達國家，我國的制造企業(yè)創(chuàng)新效率仍然處于較低水平。尤其在芯片、光刻機、核心工業(yè)軟件等關(guān)鍵技術(shù)領(lǐng)域，雖然投入了大量研發(fā)資源，但是創(chuàng)新無法突破“卡脖子”的技術(shù)難題，關(guān)鍵技術(shù)仍然受制于人。綜合效率較低的主要原因在于純技術(shù)效率較低，2007-2020年制造企業(yè)純技術(shù)效率平均值為0.2617。純技術(shù)效率是剔除管理、技術(shù)等因素后的創(chuàng)新效率，當前制造企業(yè)純技術(shù)效率離效率的前沿面還具有較大的距離，說明在內(nèi)部管理、技術(shù)開發(fā)和引進等方面還存在改善空間；（2）分樣本來看，2007-2020年國有制造企業(yè)的平均綜合效率略高于民營企業(yè)，這與傳統(tǒng)民營企業(yè)創(chuàng)新效率會顯著高于國有企業(yè)的觀點有一定差別。傳統(tǒng)的研究中，多數(shù)學者是立足于工業(yè)經(jīng)濟時代，認為民營企業(yè)產(chǎn)權(quán)更為清晰、信息不對稱水平更低、創(chuàng)新激勵程度更為充足，因此創(chuàng)新效率會高于國有企業(yè)。在數(shù)字經(jīng)濟時代，隨著中國混合所有制改革的推進，國有企業(yè)產(chǎn)權(quán)更加清晰，面向市場的競爭能力不斷提高。尤其是國有企業(yè)數(shù)字化改革的加快，數(shù)字技術(shù)的應(yīng)用有效改善了信息不對稱程度，在上市國有企業(yè)中表現(xiàn)更為明顯。在表2中表現(xiàn)為，國有制造企業(yè)純技術(shù)效率略低于民營企業(yè)，且整體上的差距越來越小，國有企業(yè)的治理水平有明顯提升。國有制造企業(yè)的規(guī)模效率仍顯著高于民營企業(yè)，這是因為國有企業(yè)在融資、項目獲取等方面具有一定優(yōu)勢，更容易形成規(guī)模效應(yīng)。

3.2 第二階段：似SFA模型實證結(jié)果

將第一階段傳統(tǒng)DEA模型的投入松弛變量作為被解釋變量，分別以數(shù)字經(jīng)濟、政府支持、行業(yè)競爭、教育環(huán)境和開放環(huán)境作為自變量建立似SFA回歸模型，運用Frontier4.1軟件進行分析，實證結(jié)果如表3所示。

表3 第二階段似SFA模型實證結(jié)果

表3可以看出，三個投入變量松弛值似SFA回歸的Gamma值均接近1，說明隨機誤差對制造企業(yè)創(chuàng)新效率的影響效果有限，SFA回歸模型設(shè)置較為合理。Likelihood檢驗結(jié)果表明，影響制造企業(yè)創(chuàng)新效率的環(huán)境因素較為顯著，說明環(huán)境變量選擇合理。具體而言：

（1）數(shù)字經(jīng)濟環(huán)境對人力投入和資金投入松弛變量影響顯著為正，對物質(zhì)投入松弛變量的影響顯著為負。說明在數(shù)字經(jīng)濟時代，數(shù)據(jù)要素日益成為核心生產(chǎn)要素，傳統(tǒng)的人力、資本要素的效率提升正逐步被數(shù)據(jù)要素所取代，如工業(yè)智能機器人的推廣使用替代了傳統(tǒng)勞動力，數(shù)字普惠金融替代了傳統(tǒng)金融服務(wù)。然而，隨著數(shù)字經(jīng)濟發(fā)展水平的提升，制造企業(yè)數(shù)字化轉(zhuǎn)型水平并沒有得到相應(yīng)提升，對于數(shù)字技術(shù)的使用還不能滿足創(chuàng)新效率提升的要求；（2）政府支持對人力資本松弛變量的影響顯著為正，對物質(zhì)投入和資金投入松弛變量的影響顯著為負，說明政府在補貼、金融、稅收等方面的資金支持政策能夠有效降低物質(zhì)和資金投入的松弛變量，從而提升創(chuàng)新的效率。在人力資本投入上，地方政府出臺了一系列人才政策，但是各城市資源稟賦、區(qū)位條件不同，對于人才的吸引力度也大不相同。因此，人才資源集中于大城市和省會城市周圍，三四線城市人才資源配置不均衡，整體上不利于創(chuàng)新效率的提升；（3）行業(yè)競爭對人力投入和資金投入松弛變量的影響顯著為正，對物質(zhì)投入松弛變量的影響顯著為負。行業(yè)內(nèi)競爭越激烈，制造企業(yè)具有更加強烈的動機通過技術(shù)創(chuàng)新來提升競爭力。制造企業(yè)利用自有資金和融資資金不斷更新設(shè)備，改進技術(shù)，有利于創(chuàng)新效率的提升。然而，隨著競爭程度的加劇，對于人才和資金的爭奪力度也不斷加強，整體上造成創(chuàng)新資源的浪費，不利于創(chuàng)新效率的提升；（4）教育環(huán)境對人力投入、物質(zhì)投入和資金投入松弛變量的影響均為負，但對人力投入和物質(zhì)投入松弛變量的影響在1%的水平上顯著，對資金投入松弛變量的影響不顯著。說明教育環(huán)境的改善，有利于制造企業(yè)員工技能水平的提升，培養(yǎng)管理者和員工的創(chuàng)新意識，從而提升創(chuàng)新效率；（5）開放環(huán)境對人力投入松弛變量的影響顯著為正，對資金投入松弛變量的影響顯著為負，對物質(zhì)投入松弛變量的影響不顯著。說明隨著對外開放水平的提高，一方面存在著人才流失的現(xiàn)象，制造業(yè)高端人才缺失，關(guān)鍵技術(shù)領(lǐng)域難以突破，抑制了創(chuàng)新效率的提升。另一方面，外資流入有效改善了產(chǎn)業(yè)金融發(fā)展環(huán)境，為制造企業(yè)創(chuàng)新提供了外部資金來源渠道，有利于創(chuàng)新效率的提升。

3.3 第三階段：調(diào)整后DEA模型實證結(jié)果

第二階段似SFA回歸分析可以看出，環(huán)境因素的存在對于不同創(chuàng)新資源投入的影響有所不同，造成處于不同環(huán)境的決策單元創(chuàng)新效率估計結(jié)果產(chǎn)生偏差。因此，在第三階段剔除環(huán)境因素的干擾，采用DEA方法重新測算制造企業(yè)的創(chuàng)新效率，結(jié)果如表4所示。

表4 第三階段調(diào)整后DEA模型結(jié)果

對比表2和表4可以看出：（1）從整體上看，剔除環(huán)境因素后制造企業(yè)創(chuàng)新效率有所提升，但仍處于較低水平，仍具備較大的提升空間。說明環(huán)境變量是影響創(chuàng)新效率的重要因素，通過改善數(shù)字經(jīng)濟發(fā)展中的創(chuàng)新環(huán)境，提升制造企業(yè)的數(shù)字化轉(zhuǎn)型水平，能夠有效降低創(chuàng)新資源的投入冗余，提升制造企業(yè)的創(chuàng)新效率。進一步分析發(fā)現(xiàn)，在調(diào)整后純技術(shù)效率提升幅度和規(guī)模效率的降低幅度均較大，說明調(diào)整前綜合效率較低的主要原因是管理和技術(shù)方面的原因，創(chuàng)新環(huán)境的改善主要通過提升制造企業(yè)的管理效率、技術(shù)適應(yīng)能力等來提升創(chuàng)新效率。（2）分樣本來看，在剔除環(huán)境因素和隨機擾動項的影響后，民營企業(yè)能夠更好的發(fā)揮其在產(chǎn)權(quán)、激勵、治理方面的優(yōu)勢，相對于國有制造企業(yè)具有更高的綜合技術(shù)效率。調(diào)整后，民營企業(yè)的純技術(shù)效率要顯著高于國有企業(yè)，而規(guī)模效率則要顯著低于國有企業(yè)，這也在一定程度上驗證了前文結(jié)論的正確性。

4 制造企業(yè)創(chuàng)新效率的影響因素分析

4.1 模型設(shè)定

前文采用三階段DEA模型對數(shù)字化轉(zhuǎn)型視角下的制造企業(yè)創(chuàng)新效率進行了測度，從分析結(jié)果可以看出，調(diào)整前后創(chuàng)新效率取值區(qū)間均為［0，1］，處于DEA的效率邊界范圍之類，若采用傳統(tǒng)的OLS回歸會導致估計結(jié)果不一致而存在偏誤。因此，本文借鑒美國經(jīng)濟學家James Tobin（1958）［9］提出的歸并模型展開研究，對制造企業(yè)創(chuàng)新效率的影響因素進行分析。模型構(gòu)建如式（5）所示：

4.2 變量選擇與描述性統(tǒng)計

（1）被解釋變量。選擇調(diào)整后的創(chuàng)新效率為被解釋變量，2007-2020年上市制造企業(yè)創(chuàng)新效率平均為0.2061，整體而言創(chuàng)新效率較低。部分企業(yè)如長園集團、沃森生物和朗科科技在部分年份綜合效率為1，航發(fā)控制、云內(nèi)動力、東富龍等綜合效率也較高，達到或接近了效率的前沿面。對創(chuàng)新效率進行分解發(fā)現(xiàn)，純技術(shù)效率平均值為0.5209，遠高于規(guī)模效率的平均值。說明雖然環(huán)境因素是影響創(chuàng)新效率的重要變量，但制造企業(yè)創(chuàng)新效率的提升應(yīng)當主要通過管理的改善和技術(shù)的升級來實現(xiàn)。（2）解釋變量?；谄髽I(yè)創(chuàng)新主體行為和特征，參考已有研究成果，兼顧變量數(shù)據(jù)的可獲得性，選取企業(yè)規(guī)模（Size）、企業(yè)年齡（Age）、資產(chǎn)收益率（Roa）、負債結(jié)構(gòu)（Debt）、股權(quán)集中度（Con）、機構(gòu)持股（Ins）和獨立董事比例（Inde）等變量作為被解釋變量，考察制造企業(yè)創(chuàng)新效率的主要影響因素。主要變量定義及描述性統(tǒng)計如表5所示：

表5 變量描述性統(tǒng)計

4.3 實證分析結(jié)果

根據(jù)模型（5）的設(shè)定，采用STATA17軟件進行回歸，實證結(jié)果如表6所示。具體而言：（1）企業(yè)規(guī)模對創(chuàng)新效率的影響系數(shù)為0.0180，且在1%的水平上顯著。按照“熊彼特假說”，一般而言大企業(yè)具有更加強烈的創(chuàng)新意愿通過生產(chǎn)技術(shù)的改進與商業(yè)模式的創(chuàng)新，來保持其在行業(yè)和領(lǐng)域內(nèi)的競爭優(yōu)勢地位，因而研發(fā)產(chǎn)出會隨著規(guī)模的擴大而擴大（Diniel和Ammon，2005［10］），對規(guī)模效率的影響更顯著。另一方面，企業(yè)規(guī)模越大，創(chuàng)新信息傳遞的靈活性和通達性越低，更加有可能出現(xiàn)信息不對稱的現(xiàn)象，導致創(chuàng)新活動的低效甚至失?。≧ogers，2004［11］），因此在表6中體現(xiàn)為企業(yè)規(guī)模對純技術(shù)效率的影響系數(shù)為-0.1183，且在1%的水平上顯著。（2）企業(yè)年齡對綜合效率、純技術(shù)效率和規(guī)模效率的影響均為正，且都通過1%水平的顯著性檢驗。企業(yè)年齡與其行業(yè)經(jīng)驗成正比（Coad等，2016［12］），企業(yè)年齡越長所擁有的資源和經(jīng)驗也越豐富，面對創(chuàng)新活動中各種不確定性的應(yīng)變能力也越強，能夠通過降低創(chuàng)新的成本和風險來提升效率。（3）資產(chǎn)收益率對綜合效率、純技術(shù)效率和規(guī)模效率的影響均為正，且都通過1%水平的顯著性檢驗。制造企業(yè)創(chuàng)新的過程需要大量的資金，資產(chǎn)收益率和盈利能力越強的企業(yè)，資金越充沛，對創(chuàng)新的資金的保障能力也越強（張忠壽和朱旭強，2022［13］）。（4）負債結(jié)構(gòu)對綜合效率和規(guī)模效率的影響系數(shù)分別為0.0425、0.0594，且都在1%的水平上顯著。負債融資是企業(yè)創(chuàng)新資金的重要來源之一，對創(chuàng)新活動的開展至關(guān)重要，對于企業(yè)創(chuàng)新規(guī)模效率的影響尤為顯著（李海燕，2021［14］）。當負債率越高時，發(fā)生財務(wù)風險和危機的可能性也越大，因而在一定程度上會抑制經(jīng)營者創(chuàng)新的動機，尤其是資金投入量較大的技術(shù)創(chuàng)新活動中這種抑制作用會更為明顯（Czarnitzki和Kraft，2009［15］）。體現(xiàn)在表6中，負債結(jié)構(gòu)對純技術(shù)效率的影響系數(shù)為-0.0142。（5）股權(quán)集中度對綜合效率、純技術(shù)效率、規(guī)模效率的影響系數(shù)分別為-0.0004、-0.0005、-0.0006，且都在1%的水平上顯著。股權(quán)集中與股權(quán)制衡構(gòu)成了公司治理的基本框架，對企業(yè)創(chuàng)新活動的開展具有重要影響。在高度集中的股權(quán)結(jié)構(gòu)中，控股股東會采取更為保守的創(chuàng)新策略規(guī)避創(chuàng)新活動中可能發(fā)生的風險（蘆鋒和趙雯雯，2020［16］），因而會在一定程度上抑制創(chuàng)新效率的提升。（6）機構(gòu)持股對綜合效率、純技術(shù)效率和規(guī)模效率的影響均為負，且對純技術(shù)效率的影響在1%的水平上顯著。對于機構(gòu)投資者而言，相對于企業(yè)內(nèi)部投資者更加具備信息優(yōu)勢，有充足的動機和能力利用私有信息進行交易，通過消極參與管理干擾企業(yè)創(chuàng)新項目的理性決策，在一定程度上削弱企業(yè)的創(chuàng)新能力（Azar等，2018［17］）。（7）獨立董事比例對綜合效率和規(guī)模效率的影響系數(shù)為正，且至少在10%的水平上顯著。對于純技術(shù)效率的影響為正，但是不顯著。通過獨立董事制度，為企業(yè)管理者提供更多的專業(yè)知識和意見，降低代理成本，提升企業(yè)經(jīng)營管理效率，從而提升企業(yè)創(chuàng)新能力（Balsmeier等，2017［18］）。

表6 Tobit模型回歸結(jié)果

5 結(jié)論與啟示

5.1 結(jié)論

基于2007-2020年中國制造業(yè)上市企業(yè)面板數(shù)據(jù)，采用三階段DEA模型分析數(shù)字化轉(zhuǎn)型視角下的企業(yè)創(chuàng)新效率，并運用Tobit回歸模型考察制造企業(yè)創(chuàng)新效率的影響因素。主要結(jié)論如下：

（1）傳統(tǒng)DEA模型結(jié)果顯示，制造企業(yè)綜合創(chuàng)新效率較低，呈現(xiàn)出“U”型發(fā)展趨勢。綜合效率較低的主要原因在于純技術(shù)效率離效率的前沿面還具有較大的距離，在內(nèi)部管理、技術(shù)開發(fā)和引進等方面還存在改善空間。（2）分樣本來看，2007-2020年國有制造企業(yè)平均創(chuàng)新效率略高于民營制造企業(yè)。主要原因在于數(shù)字技術(shù)的廣泛使用和國有企業(yè)混合所有制改革的深入推進，國有制造企業(yè)純技術(shù)效率相對民營企業(yè)的差距越來越小，而在規(guī)模效率上始終保持較大的優(yōu)勢。因此，在數(shù)字經(jīng)濟時代，傳統(tǒng)民營企業(yè)相對于國有企業(yè)的創(chuàng)新效率優(yōu)勢正逐步被替代。（3）似SFA模型的回歸結(jié)果顯示，數(shù)字經(jīng)濟、政府支持、行業(yè)競爭、教育環(huán)境和開放環(huán)境等是影響制造企業(yè)創(chuàng)新效率的重要外部環(huán)境因素。為真實反映制造企業(yè)創(chuàng)新發(fā)展和創(chuàng)新效率現(xiàn)狀，在測算過程中有必要剔除環(huán)境因素的影響。（4）調(diào)整后DEA模型結(jié)果顯示，整體上剔除環(huán)境因素后制造企業(yè)創(chuàng)新效率有所提升，但仍處于較低水平。說明通過環(huán)境的改善，制造企業(yè)在適應(yīng)數(shù)字經(jīng)濟環(huán)境的能力得到提高以后，企業(yè)創(chuàng)新效率有所提升。此外，調(diào)整后純技術(shù)效率提升幅度和規(guī)模效率的降低幅度均較大，說明調(diào)整前綜合效率較低的主要原因是管理和技術(shù)方面的原因，創(chuàng)新環(huán)境的改善主要通過提升制造企業(yè)的管理效率、技術(shù)適應(yīng)能力等來提升創(chuàng)新效率。（5）Tobit回歸模型的結(jié)果顯示，企業(yè)規(guī)模、企業(yè)年齡、資產(chǎn)收益率、負債結(jié)構(gòu)、獨立董事比例等因素對制造企業(yè)創(chuàng)新效率的影響系數(shù)均為正，且至少在1%的水平上顯著。股權(quán)集中度和機構(gòu)持股比例對綜合效率的影響為負，但機構(gòu)持股比例對綜合效率的影響不顯著，股權(quán)集中度對綜合效率的影響在1%的水平上顯著為負。

5.2 啟示

基于三階段DEA模型和Tobit回歸模型的分析結(jié)果，為進一步提升制造企業(yè)數(shù)字化轉(zhuǎn)型水平，改善制造企業(yè)創(chuàng)新環(huán)境，提升創(chuàng)新效率，本文提出如下政策建議：

（1）在數(shù)字化經(jīng)濟環(huán)境下，不斷推進制造企業(yè)數(shù)字化轉(zhuǎn)型，提升制造企業(yè)數(shù)字技術(shù)的應(yīng)用能力。依托工業(yè)互聯(lián)網(wǎng)、云計算、大數(shù)據(jù)等新一代數(shù)字技術(shù)引導企業(yè)重構(gòu)制造企業(yè)技術(shù)創(chuàng)新體系，通過數(shù)據(jù)采集、傳輸和貢獻，精準獲取創(chuàng)新需求。通過數(shù)字技術(shù)的應(yīng)用緩解信息不對稱水平，提升研發(fā)決策的科學化、智能化水平，最終實現(xiàn)創(chuàng)新效率的提升。（2）通過進一步加大產(chǎn)業(yè)政策扶持力度，在創(chuàng)新投入上，從資金、人才等多方面支撐和強化制造企業(yè)的創(chuàng)新主體地位，提升企業(yè)創(chuàng)新效率。政府要創(chuàng)新財政科技資金使用方式，保證制造企業(yè)技術(shù)創(chuàng)新發(fā)展專項資金逐年增長、足額到位，從人才引進、研發(fā)補助等方面加大扶持力度。在創(chuàng)新產(chǎn)出上，構(gòu)建政企學研協(xié)同創(chuàng)新平臺，通過完善知識產(chǎn)權(quán)轉(zhuǎn)化、科技成果的引進和轉(zhuǎn)化、知識產(chǎn)權(quán)保護等體制機制，提升制造企業(yè)創(chuàng)新產(chǎn)出的效率。（3）進一步推動國有制造企業(yè)混合所有制改革，在發(fā)揮其規(guī)模效率優(yōu)勢的同時，通過提升國有企業(yè)管理效率，加強創(chuàng)新激勵，優(yōu)化國有企業(yè)創(chuàng)新環(huán)境。針對民營企業(yè)要在融資、政府采購等方面加強支持力度，保持其純技術(shù)效率優(yōu)勢的同時，提升民營制造企業(yè)的規(guī)模優(yōu)勢。