收稿日期：2023-02-07" 修回日期：2023-04-27

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目（72074059，72001055）；黑龍江省省屬本科高?；究蒲袠I(yè)務(wù)費(fèi)科研項(xiàng)目（2022-KYYWF-015）；工業(yè)和信息化部黨建課題重大項(xiàng)目（GXZY2212）

作者簡(jiǎn)介：付寧寧（1988—），女，黑龍江哈爾濱人，哈爾濱工程大學(xué)經(jīng)濟(jì)管理學(xué)院博士研究生，哈爾濱金融學(xué)院管理系講師，研究方向?yàn)閯?chuàng)新網(wǎng)絡(luò)；蘇屹（1983—），男，黑龍江哈爾濱人，博士，哈爾濱工程大學(xué)經(jīng)濟(jì)管理學(xué)院教授、博士生導(dǎo)師，研究方向?yàn)閿?shù)字經(jīng)濟(jì)與創(chuàng)新管理；郭秀芳（1980—），女，吉林農(nóng)安人，哈爾濱開(kāi)放大學(xué)人文教學(xué)部副教授，研究方向?yàn)閯?chuàng)新管理。本文通訊作者：蘇屹。

摘" 要：智能制造企業(yè)創(chuàng)新效率關(guān)乎我國(guó)未來(lái)制造業(yè)的全球地位，對(duì)于加快發(fā)展現(xiàn)代產(chǎn)業(yè)體系，鞏固壯大實(shí)體經(jīng)濟(jì)根基具有重要作用。利用超效率DEA模型和Tobit回歸方程，測(cè)算智能制造企業(yè)兩階段創(chuàng)新效率及其影響因素，結(jié)果表明，我國(guó)智能制造企業(yè)創(chuàng)新效率呈逐年上升趨勢(shì)，但漲幅較小，還存在很大提升空間；高研發(fā)高轉(zhuǎn)化和低研發(fā)低轉(zhuǎn)化類(lèi)智能制造企業(yè)數(shù)量最多，電氣機(jī)械和器材制造業(yè)、汽車(chē)制造業(yè)創(chuàng)新效率優(yōu)勢(shì)明顯，個(gè)體和行業(yè)差異均較大；科技水平、資產(chǎn)規(guī)模、創(chuàng)新基礎(chǔ)環(huán)境、股權(quán)集中度對(duì)兩階段創(chuàng)新效率均具有正向影響；政府支持、人才結(jié)構(gòu)、市場(chǎng)結(jié)構(gòu)對(duì)技術(shù)研發(fā)效率具有正向影響，但對(duì)經(jīng)濟(jì)轉(zhuǎn)化效率存在負(fù)向影響。最后，從制定合理有效的政府支持政策、完善科技投入管理制度、規(guī)范市場(chǎng)競(jìng)爭(zhēng)機(jī)制、合理調(diào)整創(chuàng)新人才結(jié)構(gòu)4個(gè)方面提出提高我國(guó)智能制造企業(yè)創(chuàng)新效率的政策建議。

關(guān)鍵詞關(guān)鍵詞：智能制造企業(yè)；創(chuàng)新效率；超效率DEA模型；技術(shù)研發(fā)；經(jīng)濟(jì)轉(zhuǎn)化

DOI：10.6049/kjjbydc.2023020167

開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）""""" 開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

中圖分類(lèi)號(hào)：F273.1

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1001-7348（2024）10-0067-11

0" 引言

中共二十大報(bào)告提出加快建設(shè)制造強(qiáng)國(guó)和數(shù)字中國(guó)。這是黨中央作出的重大決策部署，充分體現(xiàn)了以習(xí)近平同志為核心的黨中央對(duì)推動(dòng)制造業(yè)高質(zhì)量發(fā)展、建設(shè)制造強(qiáng)國(guó)的高度重視。在我國(guó)實(shí)現(xiàn)全面建成小康社會(huì)奮斗目標(biāo)和中華民族偉大復(fù)興中國(guó)夢(mèng)的新征程中，加快發(fā)展先進(jìn)制造業(yè)具有十分重大而深遠(yuǎn)的意義。發(fā)展智能制造既是貫徹落實(shí)黨中央決策部署的具體行動(dòng)，也是加快推動(dòng)制造業(yè)高質(zhì)量發(fā)展、建設(shè)制造強(qiáng)國(guó)和數(shù)字中國(guó)的重要抓手。智能制造是以數(shù)字化、網(wǎng)絡(luò)化和智能化為特征的數(shù)字經(jīng)濟(jì)與傳統(tǒng)制造業(yè)深度融合的結(jié)果，是世界各國(guó)經(jīng)濟(jì)技術(shù)競(jìng)爭(zhēng)的焦點(diǎn)。我國(guó)智能制造發(fā)展總體處于起步階段，面臨產(chǎn)業(yè)基礎(chǔ)能力薄弱、數(shù)據(jù)要素供給不足和智能技術(shù)應(yīng)用相對(duì)滯后等問(wèn)題。大數(shù)據(jù)、云計(jì)算、人工智能等新一代信息技術(shù)的快速發(fā)展，為智能制造發(fā)展提供了基礎(chǔ)支撐。創(chuàng)新是引領(lǐng)智能制造發(fā)展的第一動(dòng)力，而企業(yè)創(chuàng)新則是智能制造的源頭活水。從創(chuàng)新主體看，企業(yè)是智能制造的主要推動(dòng)力量；從創(chuàng)新形式看，“互聯(lián)網(wǎng)+”和工業(yè)互聯(lián)網(wǎng)是制造業(yè)領(lǐng)域的重要推動(dòng)力量。本文通過(guò)探討智能制造企業(yè)創(chuàng)新資源的配置結(jié)構(gòu)，科學(xué)測(cè)度智能制造企業(yè)創(chuàng)新效率，為提高智能制造企業(yè)創(chuàng)新能力提供參考。

Wright amp; Bourne［1］首先提出智能制造的概念，認(rèn)為智能制造是指通過(guò)集成知識(shí)工程、制造軟件系統(tǒng)和機(jī)器人視覺(jué)等技術(shù)，在不需要人為干預(yù)的情況下，獨(dú)立實(shí)現(xiàn)小型批量制造 。在新一輪數(shù)字化和智能化技術(shù)革命推動(dòng)下，智能制造發(fā)展被賦予新的意義，除能夠?qū)崿F(xiàn)自動(dòng)化和無(wú)人化生產(chǎn)外，其深層作用是通過(guò)“產(chǎn)銷(xiāo)合一”機(jī)制，幫助企業(yè)實(shí)現(xiàn)從批量生產(chǎn)到定制化生產(chǎn)，從而實(shí)現(xiàn)高效生產(chǎn)和資源優(yōu)化配置［2］。目前智能制造并沒(méi)有統(tǒng)一的概念，本文依據(jù)工業(yè)和信息化部發(fā)布的《智能制造發(fā)展規(guī)劃（2016—2020年）》，將智能制造定義為新一代信息通信技術(shù)與先進(jìn)制造技術(shù)深度融合，貫穿生產(chǎn)、設(shè)計(jì)、服務(wù)和管理等生產(chǎn)活動(dòng)各環(huán)節(jié)，具有自學(xué)習(xí)、自感知、自執(zhí)行、自決策和自適應(yīng)等功能的新型生產(chǎn)方式。近幾年，國(guó)內(nèi)外學(xué)者對(duì)智能制造的研究呈現(xiàn)出“井噴”式增長(zhǎng) ［3-5］。智能化轉(zhuǎn)型升級(jí)、智能制造可持續(xù)發(fā)展、智能制造技術(shù)流程、數(shù)字智能制造及智能制造創(chuàng)新等成為熱點(diǎn)研究領(lǐng)域［6-11］。

Afriat［12］最先應(yīng)用生產(chǎn)前沿模型研究創(chuàng)新效率理論，提出創(chuàng)新效率是指在創(chuàng)新投入要素不變的情況下，實(shí)現(xiàn)產(chǎn)出最大化，或者在產(chǎn)出要素不變的條件下，使創(chuàng)新投入最小化。此后，眾多學(xué)者遵循這一思想，把創(chuàng)新效率定義為既定投入下的最大產(chǎn)出，或既定產(chǎn)出下的最小創(chuàng)新投入［13］。借鑒已有研究，本文認(rèn)為創(chuàng)新效率是衡量智能制造企業(yè)創(chuàng)新過(guò)程中創(chuàng)新投入與產(chǎn)出轉(zhuǎn)化關(guān)系的指標(biāo)，用創(chuàng)新產(chǎn)出與創(chuàng)新投入的比值表示［14］。本文追求的智能制造企業(yè)創(chuàng)新效率最優(yōu)可以從兩個(gè)方面理解：一是在智能制造企業(yè)創(chuàng)新產(chǎn)出要素不變情況下的最小創(chuàng)新投入；二是在智能制造企業(yè)創(chuàng)新投入要素不變的情況下，實(shí)現(xiàn)創(chuàng)新產(chǎn)出最大化［15］。已有研究關(guān)于創(chuàng)新效率的測(cè)度方法大多采用SFA模型隨機(jī)前沿法和DEA模型數(shù)據(jù)包絡(luò)分析法［16］。其中，SFA隨機(jī)前沿法通常應(yīng)用模型設(shè)定對(duì)不同研究對(duì)象之間的效率差進(jìn)行定量分析，但是模型必須設(shè)置特定函數(shù)，并且假定條件比較苛刻，在計(jì)算中容易出現(xiàn)誤差［17］；DEA數(shù)據(jù)包絡(luò)分析法不需要設(shè)定投入產(chǎn)出要素的生產(chǎn)模式，依據(jù)投入產(chǎn)出要素就可以客觀(guān)計(jì)算出各指標(biāo)權(quán)重，能夠避免人為設(shè)定參數(shù)錯(cuò)誤而導(dǎo)致估計(jì)偏差，在創(chuàng)新效率測(cè)度中應(yīng)用最為廣泛［18］。在智能制造企業(yè)創(chuàng)新效率測(cè)度指標(biāo)選取上，學(xué)者們主要從勞動(dòng)力和資本兩個(gè)維度考慮投入指標(biāo)，如劉峰等［19］將Ramp;D投入、企業(yè)員工人數(shù)和凈資產(chǎn)作為創(chuàng)新投入指標(biāo)；產(chǎn)出指標(biāo)大多選擇專(zhuān)利數(shù)和營(yíng)業(yè)收入或凈利潤(rùn)，如樓旭明和徐聰聰（2020）以專(zhuān)利申請(qǐng)量表示知識(shí)產(chǎn)出，以?xún)衾麧?rùn)和總營(yíng)業(yè)收入共同反映智能制造企業(yè)創(chuàng)新能力及公司盈利能力。智能制造企業(yè)的創(chuàng)新過(guò)程非常復(fù)雜且企業(yè)間不同階段的創(chuàng)新效率也會(huì)有明顯不同，如經(jīng)濟(jì)發(fā)達(dá)地區(qū)的轉(zhuǎn)化效率可能更高，但其技術(shù)研發(fā)效率不一定處于較高水平。因此，分階段研究智能制造企業(yè)創(chuàng)新效率可以更全面地反映企業(yè)創(chuàng)新能力［20］。

已有文獻(xiàn)為本文研究奠定了基礎(chǔ)，但仍有以下方面值得進(jìn)一步探究：首先，對(duì)于我國(guó)智能制造企業(yè)創(chuàng)新效率的測(cè)度，大部分研究采用DEA模型，但當(dāng)多個(gè)單元的效率值同時(shí)為1時(shí)，DEA模型無(wú)法進(jìn)行排序評(píng)價(jià)。其次，已有文獻(xiàn)大多將智能制造企業(yè)創(chuàng)新過(guò)程看作一個(gè)整體，研究智能制造企業(yè)整體創(chuàng)新效率，探討整體效率變動(dòng)趨勢(shì)，并進(jìn)一步分析外部環(huán)境對(duì)智能制造企業(yè)創(chuàng)新效率的影響，但僅對(duì)創(chuàng)新初始投入和最終產(chǎn)出進(jìn)行研究，沒(méi)有考慮中間過(guò)程，忽略了智能制造企業(yè)創(chuàng)新過(guò)程的內(nèi)部研發(fā)結(jié)構(gòu)，可能造成智能制造企業(yè)創(chuàng)新過(guò)程中的“黑箱”問(wèn)題。鑒于此，本文邊際貢獻(xiàn)在于：第一，借助智能制造示范試點(diǎn)項(xiàng)目專(zhuān)項(xiàng)行動(dòng)，采用超效率DEA模型測(cè)度智能制造企業(yè)創(chuàng)新效率，彌補(bǔ)了DEA模型不能對(duì)效率為1的單元排序的不足，豐富了智能制造企業(yè)創(chuàng)新效率評(píng)價(jià)方法。第二，將智能制造企業(yè)技術(shù)創(chuàng)新分為研發(fā)階段和經(jīng)濟(jì)轉(zhuǎn)化階段，構(gòu)建兩階段DEA模型，測(cè)度智能制造企業(yè)總體創(chuàng)新效率和兩階段創(chuàng)新效率，并對(duì)智能制造企業(yè)進(jìn)行重新分類(lèi)，有針對(duì)性地給出智能制造企業(yè)創(chuàng)新效率提升建議，以期為提高我國(guó)智能制造企業(yè)創(chuàng)新能力提供可借鑒的范本。

1" 智能制造企業(yè)創(chuàng)新過(guò)程分析

傳統(tǒng)創(chuàng)新理論將創(chuàng)新過(guò)程看作一個(gè)投入產(chǎn)出的過(guò)程，其中，投入方面涉及的資源包括物力、人力和財(cái)力，如研發(fā)人員、研發(fā)資金和固定資產(chǎn)等，產(chǎn)出方面包括科技產(chǎn)出和價(jià)值產(chǎn)出。這種評(píng)價(jià)方法能夠展現(xiàn)創(chuàng)新活動(dòng)的最終結(jié)果，但是忽視了創(chuàng)新過(guò)程。隨著我國(guó)人口紅利逐漸消失，企業(yè)成本不斷上升，再加上西方國(guó)家的技術(shù)封鎖，我國(guó)制造業(yè)發(fā)展陷入瓶頸。如何提升中國(guó)制造業(yè)整體競(jìng)爭(zhēng)力，是現(xiàn)階段迫切需要解決的重要問(wèn)題，各界普遍認(rèn)為創(chuàng)新是解決這一問(wèn)題的有效手段。產(chǎn)出水平是創(chuàng)新能力的主要表現(xiàn)，不同階段的產(chǎn)出存在較大差異，上一階段的產(chǎn)出是下一階段的投入。因此，創(chuàng)新價(jià)值是若干創(chuàng)新環(huán)節(jié)協(xié)同作用的結(jié)果，只要有一個(gè)環(huán)節(jié)的效率較低，則整個(gè)創(chuàng)新價(jià)值都會(huì)受到一定負(fù)面影響。企業(yè)從最開(kāi)始的研發(fā)投入到最后的價(jià)值產(chǎn)出會(huì)經(jīng)歷知識(shí)創(chuàng)造、科技產(chǎn)出和經(jīng)濟(jì)轉(zhuǎn)化3個(gè)階段。知識(shí)創(chuàng)造階段需要投入大量資源，為科技產(chǎn)出奠定基礎(chǔ)；在科技產(chǎn)出階段，投入水平進(jìn)一步提高，上階段的科技產(chǎn)出是下階段的投入，為經(jīng)濟(jì)轉(zhuǎn)化鋪平道路，企業(yè)取得相應(yīng)經(jīng)濟(jì)效益，回籠投入資金。這兩個(gè)階段的投入產(chǎn)出能夠促進(jìn)科技進(jìn)步，為企業(yè)可持續(xù)發(fā)展提供堅(jiān)實(shí)保障。徐詠梅等［21］認(rèn)為企業(yè)創(chuàng)新產(chǎn)出分為科技產(chǎn)出和經(jīng)濟(jì)效益產(chǎn)出。其中，科技產(chǎn)出是前期研發(fā)投入的成果，也是后期生產(chǎn)升級(jí)的基礎(chǔ)，屬于中間變量；經(jīng)濟(jì)效益產(chǎn)出是在科技產(chǎn)出的基礎(chǔ)上進(jìn)一步投入創(chuàng)新資源，通過(guò)提升創(chuàng)新能力，促進(jìn)企業(yè)經(jīng)營(yíng)收入增長(zhǎng)［22］?；诖?，本文對(duì)創(chuàng)新過(guò)程進(jìn)行更加細(xì)致的劃分，將智能制造企業(yè)創(chuàng)新過(guò)程進(jìn)行階段性分解，如圖1所示。

基于上述分析，參考曾卓騏等［23］的研究，本文將智能制造企業(yè)創(chuàng)新過(guò)程分為技術(shù)研發(fā)和經(jīng)濟(jì)轉(zhuǎn)化兩個(gè)階段，前者是創(chuàng)新資源投入到技術(shù)研發(fā)成果的階段，后者是從技術(shù)成果到生產(chǎn)升級(jí)從而獲得經(jīng)濟(jì)效益的成果轉(zhuǎn)化階段。需要注意的是，技術(shù)研發(fā)階段的創(chuàng)新資源投入不僅會(huì)影響技術(shù)產(chǎn)出，對(duì)經(jīng)濟(jì)產(chǎn)出也有一定影響?；诖耍疚膶⒅悄苤圃炱髽I(yè)創(chuàng)新效率分為整體創(chuàng)新效率和兩階段創(chuàng)新效率。整體創(chuàng)新效率反映智能制造企業(yè)將整體創(chuàng)新資源轉(zhuǎn)化為創(chuàng)新產(chǎn)出的能力。兩階段創(chuàng)新效率是指技術(shù)研發(fā)效率和經(jīng)濟(jì)轉(zhuǎn)化效率，其中，技術(shù)研發(fā)效率反映智能制造企業(yè)將創(chuàng)新資源轉(zhuǎn)化為專(zhuān)利研發(fā)產(chǎn)出的能力，經(jīng)濟(jì)轉(zhuǎn)化效率反映智能制造企業(yè)將技術(shù)研發(fā)產(chǎn)出和研發(fā)投入等創(chuàng)新資源轉(zhuǎn)化為經(jīng)濟(jì)產(chǎn)出的能力。

2" 研究設(shè)計(jì)

2.1" 變量說(shuō)明

2.1.1" 技術(shù)研發(fā)階段變量選取

技術(shù)研發(fā)階段的創(chuàng)新投入主要包括創(chuàng)新資金和創(chuàng)新人員兩方面［24］，創(chuàng)新人員投入用研發(fā)人員數(shù)量衡量，創(chuàng)新資金投入用研發(fā)經(jīng)費(fèi)投入金額衡量。技術(shù)研發(fā)階段的產(chǎn)出是智能制造企業(yè)創(chuàng)新活動(dòng)的中間產(chǎn)出，學(xué)者們主要采用專(zhuān)利申請(qǐng)量、專(zhuān)利授權(quán)量和新產(chǎn)品開(kāi)發(fā)項(xiàng)目數(shù)衡量［25］。專(zhuān)利申請(qǐng)量反映的是創(chuàng)新主體進(jìn)行創(chuàng)新的努力程度，而不是反映科技創(chuàng)新能力的變量。專(zhuān)利授權(quán)需要經(jīng)過(guò)嚴(yán)格的審查后才能獲得，更能反映企業(yè)創(chuàng)新能力。由于部分智能制造企業(yè)新產(chǎn)品開(kāi)發(fā)項(xiàng)目無(wú)法獲取官方數(shù)據(jù)，考慮指標(biāo)選取的可操作性，本文用發(fā)明專(zhuān)利授權(quán)量衡量技術(shù)研發(fā)階段的產(chǎn)出。

2.1.2" 經(jīng)濟(jì)轉(zhuǎn)化階段變量選取

經(jīng)濟(jì)轉(zhuǎn)化階段的投入包括上一階段的研發(fā)產(chǎn)出，授權(quán)專(zhuān)利是創(chuàng)新活動(dòng)的中間產(chǎn)出，技術(shù)研發(fā)階段與經(jīng)濟(jì)轉(zhuǎn)化階段通過(guò)中間產(chǎn)出相連接。參考陳海強(qiáng)等［26］、王洪海和李洪銳［27］的研究，本文選取新增員工人數(shù)、新增固定資產(chǎn)和發(fā)明專(zhuān)利授權(quán)量作為投入變量。經(jīng)濟(jì)轉(zhuǎn)化階段的最終目的是實(shí)現(xiàn)經(jīng)濟(jì)效益，營(yíng)業(yè)利潤(rùn)不僅可以衡量企業(yè)經(jīng)營(yíng)能力，更能反映技術(shù)研發(fā)階段的創(chuàng)新效果，本文將營(yíng)業(yè)利潤(rùn)作為經(jīng)濟(jì)轉(zhuǎn)化階段的產(chǎn)出變量［28］。

本文研發(fā)投入金額、新增固定資產(chǎn)值和營(yíng)業(yè)利潤(rùn)3個(gè)變量與物價(jià)變動(dòng)有關(guān)，為剔除價(jià)格變化的影響，以2014年為基期，對(duì)這3個(gè)指標(biāo)數(shù)據(jù)進(jìn)行平減處理。借鑒相關(guān)研究［29-30］，研發(fā)投入金額的平減指數(shù)由消費(fèi)物價(jià)指數(shù)（權(quán)重55%）和固定資產(chǎn)投資指數(shù)（權(quán)重45%）加權(quán)平均構(gòu)成，新增固定資產(chǎn)值的平減指數(shù)為固定資產(chǎn)投資指數(shù)，營(yíng)業(yè)利潤(rùn)的平減指數(shù)為工業(yè)品出廠(chǎng)價(jià)格，相關(guān)數(shù)據(jù)均來(lái)自國(guó)家統(tǒng)計(jì)局網(wǎng)站。由于技術(shù)創(chuàng)新投入與產(chǎn)出存在滯后效應(yīng)，滯后期大致為1～2年，本文將技術(shù)研發(fā)階段的投入產(chǎn)出和經(jīng)濟(jì)轉(zhuǎn)化階段的滯后期均設(shè)定為1年［31］。

2.2" 模型設(shè)定

2.2.1" 超效率DAE模型

根據(jù)Andersen等（1993）提出的超效率DEA模型，對(duì)n家智能制造企業(yè)的創(chuàng)新效率進(jìn)行評(píng)價(jià)，每家智能制造企業(yè)Dj（j=1，2，… n）有k種投入Xij（j=1，2，… k）、p種投入Ywj（j=1，2，… w）。第l家智能制造企業(yè)Dk的超效率DEA模型如式（1）所示，其中，D的線(xiàn)性組合系數(shù)為λ，最優(yōu)解θ為效率值， j ≠l。

s.t.minθ∑nλjxij≤θxjl∑nλjxwj≥θxjlλ≥0i=1，2…，k;w=1，2…，p;j=1，2…，n（1）

本文利用超效率DEA模型測(cè)算技術(shù)研發(fā)效率（E1）和經(jīng)濟(jì)轉(zhuǎn)化效率（E2），如圖2所示，A、B、C、D分別表示（EA1，EA2）、（EB1，EB2）、（EC1，EC2）、（ED1，ED2）對(duì)應(yīng)的兩階段創(chuàng)新效率。參考范德成等［28］的做法，智能制造企業(yè)整體創(chuàng)新效率（E）的計(jì)算公式為：

E=E21+E22（2）

2.2.2" Tobit回歸模型

Tobit回歸模型［30］已成為估計(jì)回歸系數(shù)較常用的方法，在能源利用、財(cái)政支出和銀行運(yùn)行等效率研究中應(yīng)用廣泛，其通用模型如式（3）所示。

y*=αxi+εi，εi～N（0，σ2）yiy*i，y*igt;00，y*ilt;0（3）

其中，yi是效率值，y*i是因變量向量，xi是自變量向量。

在式（3）基礎(chǔ)上，構(gòu)建智能制造企業(yè)創(chuàng)新效率影響因素的Tobit回歸方程，如式（4）。

y*=α1E1it+α2E2it+α3E3it+α4E4it+α5E5it+α6E6it+α7E7it+εit （4）

其中，y*表示智能制造企業(yè)創(chuàng)新效率值，αj表示回歸參數(shù)，Ejit表示各自變量，εit表示殘差項(xiàng)，i表示智能制造企業(yè)編號(hào)，t表示時(shí)間。

2.3" 數(shù)據(jù)來(lái)源

2015—2018年，工信部發(fā)布了四批國(guó)家智能制造試點(diǎn)示范項(xiàng)目，本文選取涉及的45家智能制造上市企業(yè)作為研究樣本。按照“官網(wǎng)—專(zhuān)利審查信息查詢(xún)—中國(guó)及多國(guó)專(zhuān)利審查信息查詢(xún)系統(tǒng)—公共查詢(xún)”的途徑，以申請(qǐng)企業(yè)全名和發(fā)明專(zhuān)利為檢索條件，進(jìn)行對(duì)應(yīng)年限檢索。在信息檢索過(guò)程中，整理發(fā)明專(zhuān)利授權(quán)數(shù)據(jù)，企業(yè)年報(bào)數(shù)據(jù)來(lái)自國(guó)泰安數(shù)據(jù)庫(kù)。

3" 智能制造企業(yè)創(chuàng)新效率分析

3.1" 智能制造企業(yè)創(chuàng)新效率測(cè)度結(jié)果

根據(jù)前文構(gòu)建的智能制造企業(yè)創(chuàng)新投入產(chǎn)出指標(biāo)體系，運(yùn)用超效率DEA模型，借助MaxDEA軟件對(duì)我國(guó)智能制造企業(yè)整體創(chuàng)新效率和兩階段創(chuàng)新效率進(jìn)行測(cè)度。

3.1.1" 技術(shù)研發(fā)效率測(cè)度結(jié)果

如表1所示，2015—2021年，樣本智能制造企業(yè)技術(shù)研發(fā)效率均值呈波動(dòng)上升趨勢(shì)，總體保持平穩(wěn)增長(zhǎng)，但漲幅較小。技術(shù)研發(fā)效率均值為0.523，高于均值的企業(yè)有22家，低于均值的企業(yè)有23家。技術(shù)研發(fā)效率均值最高的是江蘇徐工機(jī)械（1.086），最低的是陜西峽鼓動(dòng)力（0.109），相差0.977，表明我國(guó)智能制造企業(yè)技術(shù)研發(fā)效率差異較大。如圖3所示，比較不同行業(yè)智能制造企業(yè)技術(shù)研發(fā)效率發(fā)現(xiàn)，各行業(yè)技術(shù)研發(fā)效率呈波動(dòng)上升趨勢(shì)。其中，汽車(chē)制造業(yè)技術(shù)研發(fā)效率呈“M”型發(fā)展，電氣機(jī)械和器材制造業(yè)、汽車(chē)制造業(yè)技術(shù)研發(fā)效率處于斷層式領(lǐng)先位置，黑色金屬冶煉和壓延加工業(yè)以及計(jì)算機(jī)、通信和其它電子設(shè)備制造業(yè)技術(shù)研發(fā)效率處于行業(yè)平均水平，食品制造業(yè)、紡織制造業(yè)技術(shù)研發(fā)效率則處在較低水平?？傮w看，行業(yè)間技術(shù)研發(fā)效率差距明顯，電氣機(jī)械和器材制造業(yè)、汽車(chē)制造業(yè)引領(lǐng)智能制造企業(yè)技術(shù)研發(fā)先進(jìn)水平，其它行業(yè)技術(shù)研發(fā)效率整體偏低，未來(lái)趕超相對(duì)困難。

3.1.2" 經(jīng)濟(jì)轉(zhuǎn)化效率測(cè)度結(jié)果

如表2所示，2015—2021年，樣本智能制造企業(yè)經(jīng)濟(jì)轉(zhuǎn)化效率總體呈上升趨勢(shì)，但漲幅較小。經(jīng)濟(jì)轉(zhuǎn)化效率均值為0.568，高于均值的企業(yè)有22家，低于均值的企業(yè)有23家。經(jīng)濟(jì)轉(zhuǎn)化效率均值最高的是上海天地科技（1.122），達(dá)到DEA有效，最低的是安徽華貿(mào)股份（0.176），相差0.946，表明我國(guó)智能制造企業(yè)經(jīng)濟(jì)轉(zhuǎn)化效率差異較大。如圖4所示，比較不同行業(yè)智能制造企業(yè)經(jīng)濟(jì)轉(zhuǎn)化效率發(fā)現(xiàn)，汽車(chē)制造業(yè)、電氣機(jī)械和器材制造業(yè)經(jīng)濟(jì)轉(zhuǎn)化效率整體優(yōu)勢(shì)明顯，紡織業(yè)相比其它行業(yè)存在明顯劣勢(shì)，其它行業(yè)差距不明顯。與技術(shù)研發(fā)效率相比，經(jīng)濟(jì)轉(zhuǎn)化效率行業(yè)差距明顯縮小?？傮w看，大部分行業(yè)之間差距較小，未來(lái)發(fā)展?jié)摿Χ己艽笄一ハ嘹s超相對(duì)容易。

3.1.3" 整體創(chuàng)新效率測(cè)度結(jié)果

在技術(shù)研發(fā)效率和經(jīng)濟(jì)轉(zhuǎn)化效率測(cè)度的基礎(chǔ)上，運(yùn)用式（2）計(jì)算我國(guó)智能制造企業(yè)整體創(chuàng)新效率，如表3所示。樣本智能制造企業(yè)整體創(chuàng)新效率均值為0.787，高于均值的企業(yè)有22家，低于均值的企業(yè)有23家。整體創(chuàng)新效率均值最高的是上海天地科技（1.478），最低的是陜西峽鼓動(dòng)力（0.270），相差1.208，表明我國(guó)智能制造企業(yè)整體創(chuàng)新效率差異大，區(qū)域間發(fā)展不平衡。如圖5所示，比較不同行業(yè)智能制造企業(yè)整體創(chuàng)新效率發(fā)現(xiàn)，汽車(chē)制造業(yè)、電氣機(jī)械和器材制造業(yè)整體創(chuàng)新效率依舊遙遙領(lǐng)先，計(jì)算機(jī)、通信和其它電子設(shè)備制造業(yè)以及黑色金屬冶煉和壓延加工業(yè)處在行業(yè)中等水平，鐵路船舶航空航天和其它運(yùn)輸設(shè)備制造業(yè)波動(dòng)較大，其它行業(yè)整體水平偏低，其中紡織業(yè)整體創(chuàng)新效率最低。對(duì)比行業(yè)整體創(chuàng)新效率與技術(shù)研發(fā)效率發(fā)現(xiàn)，排在前兩位和后兩位的行業(yè)相同，并且行業(yè)間差距水平相似，說(shuō)明當(dāng)前技術(shù)研發(fā)階段效率是影響整體創(chuàng)新效率的主要因素，也側(cè)面反映出創(chuàng)新成果轉(zhuǎn)化階段效率落后是拉低整體效率水平的主要因素。

3.2" 智能制造企業(yè)兩階段創(chuàng)新效率比較分析

本文打破固化思維，不局限于依據(jù)地理位置進(jìn)行區(qū)域劃分，而是基于兩階段創(chuàng)新效率的特點(diǎn)對(duì)各智能制造企業(yè)進(jìn)行分類(lèi)。參考李柏洲等［32］的做法，本文根據(jù)技術(shù)研發(fā)效率和經(jīng)濟(jì)轉(zhuǎn)化效率均值將智能制造企業(yè)區(qū)分為4類(lèi)，具體分類(lèi)結(jié)果如表4和圖6所示。

如表4所示，高研發(fā)高轉(zhuǎn)化類(lèi)智能制造企業(yè)具有良好的創(chuàng)新技術(shù)基礎(chǔ)與市場(chǎng)前景，需要更加注重創(chuàng)新質(zhì)量的提升，充分利用自身高效的創(chuàng)新資源配置優(yōu)勢(shì)，補(bǔ)齊核心技術(shù)短板，追趕世界技術(shù)前沿；高研發(fā)低轉(zhuǎn)化類(lèi)智能制造企業(yè)在進(jìn)一步提高研發(fā)能力的同時(shí)，更要以市場(chǎng)需求促進(jìn)研發(fā)成果的商業(yè)化，要以市場(chǎng)為導(dǎo)向，合理投入創(chuàng)新資源，重視經(jīng)濟(jì)效益；低研發(fā)高轉(zhuǎn)化類(lèi)智能制造企業(yè)應(yīng)關(guān)注自身研發(fā)成果轉(zhuǎn)化能力，通過(guò)模仿創(chuàng)新、消化吸收再創(chuàng)新降低研發(fā)風(fēng)險(xiǎn)，提升自身研發(fā)能力，努力轉(zhuǎn)化為第一類(lèi)企業(yè)；低研發(fā)低轉(zhuǎn)化類(lèi)智能制造企業(yè)要以市場(chǎng)為導(dǎo)向，將有限的創(chuàng)新資源集中整合，降低自身創(chuàng)新風(fēng)險(xiǎn)，向第二、三類(lèi)企業(yè)轉(zhuǎn)化積累，逐步發(fā)展成為第一類(lèi)企業(yè)。

3.3" 影響因素分析

影響企業(yè)創(chuàng)新效率的因素眾多，結(jié)合智能制造企業(yè)特點(diǎn)，本文選擇以下7個(gè)指標(biāo)進(jìn)行分析：①企業(yè)規(guī)模，創(chuàng)新效率與企業(yè)規(guī)模正相關(guān)［33］，采用企業(yè)總資產(chǎn)的對(duì)數(shù)衡量；②股權(quán)集中度，股權(quán)集中度對(duì)企業(yè)創(chuàng)新效率具有促進(jìn)作用［14］，采用智能制造企業(yè)前10大股東持股比例的平方和衡量；③人才結(jié)構(gòu)，智能制造企業(yè)在創(chuàng)新過(guò)程中需要更多高素質(zhì)人才，采用企業(yè)研發(fā)人員與企業(yè)員工總數(shù)的比重表征；④市場(chǎng)結(jié)構(gòu)，市場(chǎng)結(jié)構(gòu)能夠反映企業(yè)在行業(yè)內(nèi)的壟斷程度，采用同行業(yè)企業(yè)數(shù)量占智能制造企業(yè)總數(shù)的比重衡量；⑤科技水平，智能制造企業(yè)所在地區(qū)較高的科技水平能夠?yàn)槠髽I(yè)創(chuàng)新提供更多技術(shù)服務(wù)，采用地方財(cái)政支出中科學(xué)技術(shù)支出占比衡量；⑥創(chuàng)新基礎(chǔ)環(huán)境，交通基礎(chǔ)設(shè)施是企業(yè)創(chuàng)新的重要基礎(chǔ)環(huán)境，采用智能制造企業(yè)所在城市公路、鐵路和內(nèi)河航道總里程與地區(qū)面積之比衡量［34］；⑦政府支持，政府通過(guò)稅收優(yōu)惠、財(cái)政補(bǔ)貼等多種手段支持智能制造企業(yè)創(chuàng)新發(fā)展，采用Ramp;D研發(fā)經(jīng)費(fèi)支出中政府資金占比衡量［35］。上述指標(biāo)原始數(shù)據(jù)均來(lái)源于各期企業(yè)財(cái)務(wù)年報(bào)、《中國(guó)統(tǒng)計(jì)年鑒》以及地方統(tǒng)計(jì)年鑒等。由于統(tǒng)計(jì)年鑒數(shù)據(jù)是以當(dāng)年價(jià)格進(jìn)行核算，本文對(duì)受價(jià)格影響的指標(biāo)數(shù)據(jù)以2014年為基期按價(jià)格指數(shù)進(jìn)行平減處理。

以各影響因素為自變量，以?xún)呻A段創(chuàng)新效率為因變量，運(yùn)用EViews11.0軟件構(gòu)建技術(shù)研發(fā)效率和經(jīng)濟(jì)轉(zhuǎn)化效率的Tobit模型進(jìn)行回歸分析，結(jié)果如表5、表6所示。

由表5可知，上述7個(gè)影響因素對(duì)智能制造企業(yè)技術(shù)研發(fā)效率均具有正向影響，其中，資產(chǎn)規(guī)模、股權(quán)集中度、市場(chǎng)結(jié)構(gòu)在5%的水平上顯著，其它因素在1%的水平上顯著。政府支持對(duì)智能制造企業(yè)技術(shù)研發(fā)效率的影響最大，回歸系數(shù)為0.051，表明政府資金支持對(duì)企業(yè)創(chuàng)新積極性和技術(shù)研發(fā)成果轉(zhuǎn)化的助推效果很好；地區(qū)科技水平的回歸系數(shù)為0.042，政府財(cái)政科技投入能夠代表當(dāng)?shù)乜萍妓?，加大?cái)政科技投入，為智能制造企業(yè)技術(shù)研發(fā)提供更好的服務(wù)環(huán)境和服務(wù)質(zhì)量，有利于智能制造企業(yè)技術(shù)研發(fā)成果轉(zhuǎn)化；資產(chǎn)規(guī)模的回歸系數(shù)為0.032，表明適度擴(kuò)大智能制造企業(yè)規(guī)模，有助于企業(yè)技術(shù)研發(fā)活動(dòng)開(kāi)展，促進(jìn)技術(shù)研發(fā)成果轉(zhuǎn)化；人才結(jié)構(gòu)的回歸系數(shù)為0.021，表明智能制造企業(yè)研發(fā)人員占比越高，企業(yè)技術(shù)研發(fā)能力越強(qiáng)；股權(quán)集中度和市場(chǎng)結(jié)構(gòu)的回歸系數(shù)分別為0.006、0.005，表明這兩個(gè)因素對(duì)智能制造企業(yè)技術(shù)研發(fā)效率存在微弱的正向影響，說(shuō)明穩(wěn)定的股權(quán)集中度對(duì)智能制造企業(yè)技術(shù)研發(fā)有益，行業(yè)內(nèi)市場(chǎng)主體數(shù)量增加也對(duì)智能制造企業(yè)創(chuàng)新研發(fā)有一定幫助。

由表6可知，資產(chǎn)規(guī)模、股權(quán)集中度和市場(chǎng)結(jié)構(gòu)對(duì)智能制造企業(yè)經(jīng)濟(jì)轉(zhuǎn)化效率的影響在1%的水平上顯著，其它因素在5%的水平上顯著。其中，市場(chǎng)結(jié)構(gòu)對(duì)智能制造企業(yè)經(jīng)濟(jì)轉(zhuǎn)化效率的影響最大，回歸系數(shù)為-0.056，表明市場(chǎng)競(jìng)爭(zhēng)過(guò)于激烈不利于智能制造企業(yè)研發(fā)成果的經(jīng)濟(jì)轉(zhuǎn)化；地區(qū)科技水平的回歸系數(shù)為0.53，表明較高的財(cái)政科技投入水平不但有助于企業(yè)研發(fā)活動(dòng)開(kāi)展，對(duì)企業(yè)研發(fā)成果的經(jīng)濟(jì)轉(zhuǎn)化也有很大幫助，是影響智能制造企業(yè)創(chuàng)新發(fā)展的重要因素；創(chuàng)新基礎(chǔ)環(huán)境的回歸系數(shù)為0.045，表明優(yōu)化創(chuàng)新基礎(chǔ)設(shè)施環(huán)境能夠?yàn)橹悄苤圃炱髽I(yè)創(chuàng)新活動(dòng)提供保障，有利于創(chuàng)新成果的經(jīng)濟(jì)轉(zhuǎn)化；資產(chǎn)規(guī)模的回歸系數(shù)為0.038，表明規(guī)模較大的企業(yè)更容易實(shí)現(xiàn)研發(fā)成果的經(jīng)濟(jì)轉(zhuǎn)化，在經(jīng)濟(jì)轉(zhuǎn)化效率中，智能制造企業(yè)的規(guī)模優(yōu)勢(shì)凸顯；人才結(jié)構(gòu)的回歸系數(shù)為-0.023，表明研發(fā)人員數(shù)量增加有助于企業(yè)技術(shù)研發(fā)效率提升，但是研發(fā)產(chǎn)出如果不能及時(shí)轉(zhuǎn)化為經(jīng)濟(jì)價(jià)值，則會(huì)降低企業(yè)經(jīng)濟(jì)轉(zhuǎn)化效率；政府支持的回歸系數(shù)為-0.011，政府支持能夠提高企業(yè)創(chuàng)新積極性，但是僅依靠政府財(cái)政支持，企業(yè)沒(méi)有高質(zhì)量的創(chuàng)新產(chǎn)品，研發(fā)成果無(wú)法讓市場(chǎng)接受，也會(huì)影響智能制造企業(yè)經(jīng)濟(jì)轉(zhuǎn)化效率。

4" 結(jié)論與政策建議

4.1" 結(jié)論

本文運(yùn)用超效率兩階段DEA模型對(duì)我國(guó)智能制造企業(yè)創(chuàng)新效率進(jìn)行測(cè)度，在測(cè)度結(jié)果基礎(chǔ)上，利用Tobit回歸模型對(duì)智能制造企業(yè)兩階段創(chuàng)新效率的影響因素進(jìn)行分析，得出以下主要結(jié)論：首先，從智能制造企業(yè)創(chuàng)新效率測(cè)度結(jié)果看，我國(guó)智能制造企業(yè)創(chuàng)新效率整體呈逐年上升態(tài)勢(shì)，但漲幅較小，還存在很大上升空間，且個(gè)體差異較大，高研發(fā)高轉(zhuǎn)化和低研發(fā)低轉(zhuǎn)化類(lèi)智能制造企業(yè)數(shù)量最多。電氣機(jī)械和器材制造業(yè)、汽車(chē)制造業(yè)的兩階段創(chuàng)新效率優(yōu)勢(shì)明顯，紡織制造業(yè)的兩階段創(chuàng)新效率均處在較低水平，技術(shù)研發(fā)階段效率是影響整體創(chuàng)新效率的主要因素。其次，從智能制造企業(yè)創(chuàng)新效率的影響因素看，政府支持對(duì)技術(shù)研發(fā)效率的促進(jìn)作用最大，不考慮市場(chǎng)需求、盲目提高研發(fā)產(chǎn)出會(huì)降低研發(fā)成果的經(jīng)濟(jì)轉(zhuǎn)化效率。良好的科技環(huán)境和基礎(chǔ)設(shè)施環(huán)境對(duì)智能制造企業(yè)技術(shù)研發(fā)、經(jīng)濟(jì)轉(zhuǎn)化都具有助推作用，大型智能制造企業(yè)在兩階段創(chuàng)新效率上較中小企業(yè)更具優(yōu)勢(shì)。股權(quán)集中度對(duì)智能制造企業(yè)兩階段創(chuàng)新效率的影響甚微。研發(fā)人員數(shù)量增加有助于提高研發(fā)產(chǎn)出，但技術(shù)研發(fā)階段的產(chǎn)出如果不能及時(shí)轉(zhuǎn)化為經(jīng)濟(jì)價(jià)值，則會(huì)降低經(jīng)濟(jì)轉(zhuǎn)化效率。市場(chǎng)競(jìng)爭(zhēng)有利于智能制造企業(yè)提高研發(fā)產(chǎn)出，但對(duì)經(jīng)濟(jì)轉(zhuǎn)化效率存在較大負(fù)向影響，表明我國(guó)智能制造企業(yè)市場(chǎng)結(jié)構(gòu)還不完善。

4.2" 政策建議

基于以上結(jié)論，本文為促進(jìn)我國(guó)智能制造企業(yè)創(chuàng)新效率提高提出以下政策建議：第一，制定合理有效的政府支持政策。政府在扶持智能制造企業(yè)時(shí)應(yīng)注意支持環(huán)節(jié)和質(zhì)量，適當(dāng)減少成果轉(zhuǎn)化過(guò)程中的直接資金支持，通過(guò)政策補(bǔ)貼和稅收優(yōu)惠等多種手段扶持重點(diǎn)環(huán)節(jié)，提高財(cái)政支持的靈活性。第二，完善科技投入管理制度。政府財(cái)政科技投入可以反映地區(qū)科技水平，加大科技投入對(duì)智能制造企業(yè)創(chuàng)新效率提升具有積極作用。政府在制定科技投入計(jì)劃時(shí)，應(yīng)重點(diǎn)支持我國(guó)智能制造創(chuàng)新發(fā)展戰(zhàn)略相關(guān)領(lǐng)域，如加大對(duì)“卡脖子”技術(shù)領(lǐng)域的支持力度，提高科技服務(wù)質(zhì)量，促進(jìn)創(chuàng)新成果推廣應(yīng)用。第三，規(guī)范市場(chǎng)競(jìng)爭(zhēng)機(jī)制。我國(guó)智能制造企業(yè)起步較晚，市場(chǎng)結(jié)構(gòu)還不完善，需要規(guī)范市場(chǎng)競(jìng)爭(zhēng)機(jī)制，引導(dǎo)智能制造企業(yè)通過(guò)技術(shù)研發(fā)和開(kāi)發(fā)新產(chǎn)品提高市場(chǎng)競(jìng)爭(zhēng)力，打擊違規(guī)侵權(quán)、價(jià)格戰(zhàn)等惡意競(jìng)爭(zhēng)行為。同時(shí)，通過(guò)建立政企創(chuàng)新合作聯(lián)盟、制定行業(yè)發(fā)展準(zhǔn)則等方式為智能制造企業(yè)發(fā)展?fàn)I造良好的市場(chǎng)競(jìng)爭(zhēng)環(huán)境，保障智能制造企業(yè)創(chuàng)新能力健康發(fā)展。第四，合理調(diào)整企業(yè)創(chuàng)新人才結(jié)構(gòu)。智能制造企業(yè)應(yīng)建立員工管理制度，不能盲目擴(kuò)大研發(fā)人員規(guī)模，應(yīng)根據(jù)研發(fā)需求、企業(yè)規(guī)模、市場(chǎng)環(huán)境等因素綜合確定研發(fā)人員數(shù)量，合理調(diào)整人才結(jié)構(gòu)，注意研發(fā)人員數(shù)量與總體創(chuàng)新資源的匹配程度，避免造成人才投入冗余。

4.3" 不足與展望

新產(chǎn)品銷(xiāo)售收入作為企業(yè)創(chuàng)新產(chǎn)出的商業(yè)化成果，在衡量創(chuàng)新產(chǎn)出中被學(xué)者廣泛采用，考慮到數(shù)據(jù)的可得性和準(zhǔn)確性，本文采用營(yíng)業(yè)收入變量替代，有一定局限性，也是現(xiàn)階段智能制造企業(yè)創(chuàng)新效率測(cè)度指標(biāo)的缺口。未來(lái)研究將通過(guò)企業(yè)走訪(fǎng)、問(wèn)卷調(diào)查等多種渠道收集相關(guān)數(shù)據(jù)，為進(jìn)一步研究智能制造企業(yè)創(chuàng)新效率提供有價(jià)值的可靠數(shù)據(jù)。此外，本文僅采集了45家智能制造上市企業(yè)指標(biāo)數(shù)據(jù)，樣本數(shù)量相對(duì)較少，并且地處長(zhǎng)三角地區(qū)的智能制造企業(yè)數(shù)量較多，地域分布不均衡，研究結(jié)論可能存在一定偏差。未來(lái)研究將繼續(xù)擴(kuò)充研究樣本數(shù)量，以更全面地反映我國(guó)智能制造企業(yè)創(chuàng)新效率。

參考文獻(xiàn)：

［1］" "WRIGHT P K， BOURNE D A.Manufacturing intelligence［M］.Addisin-Welsley Publishing Company，1998.

［2］" 戚聿東，徐凱歌.智能制造的本質(zhì)［J］.北京師范大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2022，64（3）：93-103.

［3］" 王柏村，陶飛，方續(xù)東，等.智能制造——比較性綜述與研究進(jìn)展［J］.Engineering，2021，7（6）：80-122.

［4］" 戚聿東，徐凱歌.新時(shí)代十年我國(guó)智能制造發(fā)展的成就、經(jīng)驗(yàn)與展望［J］.財(cái)經(jīng)科學(xué)，2022，66（12）：63-76.

［5］" 龔其國(guó)，楊麗萍.“中國(guó)制造2025”背景下制造業(yè)的發(fā)展策略研究——基于社會(huì)網(wǎng)絡(luò)分析和文本挖掘［J］.科技促進(jìn)發(fā)展，2020，16（8）：917-923.

［6］" 楊淵鋆，劉軍，姚幃之，等.新中國(guó)70年智能制造研究熱點(diǎn)與前沿探討——基于知識(shí)圖譜的分析［J］.科技管理研究，2020，40（18）：46-54.

［7］" YANG T， YI X， LU S， et al. Intelligent manufacturing for the process industry driven by industrial artificial intelligence［J］. Engineering， 2021，7（9）：1224-1230.

［8］" HE B， BAI K J. Digital twin-based sustainable intelligent manufacturing： a review［J］. Progress in Advanced Manufacturing， 2021， 9（1）：1-21.

［9］" GREFEN PAUL，VANDERFEESTEN IRENE，TRAGANOS KOSTAS，et al. Advancing smart manufacturing in Europe： experiences from two decades of research and innovation projects［J］. Machines，2022，10（1）：45-46.

［10］" 王友發(fā)，周圓圓，羅建強(qiáng).近20年智能制造研究熱點(diǎn)與前沿挖掘［J］.計(jì)算機(jī)工程與應(yīng)用，2021，57（6）：49-57.

［11］" 尹洪英，李闖.智能制造賦能企業(yè)創(chuàng)新了嗎——基于中國(guó)智能制造試點(diǎn)項(xiàng)目的準(zhǔn)自然試驗(yàn)［J］.金融研究，2022，43（10）：98-116.

［12］" AFRIAT S N.Efficiency estimation of production functions［J］. International Economic Review，1972，13（3）：568-598.

［13］" WANG Y，PAN JIAOFENG，PEI RUIMIN，et al，Assessing the technological innovation efficiency of China's high-tech industries with a two-stage network DEA approach［J］.Socio-Economic Planning Sciences，2020，71：100810.

［14］" 徐琛輝，宋良榮.基于DEA模型的智能制造企業(yè)創(chuàng)新效率評(píng)價(jià)［J］.技術(shù)與創(chuàng)新管理，2022，43（3）：334-341.

［15］" 張夢(mèng)成，宋良榮.智能制造企業(yè)經(jīng)營(yíng)能力與創(chuàng)新效率研究［J］.技術(shù)與創(chuàng)新理，2022，43（1）：21-29.

［16］" 韓兵等.基于兩階段DEA的高技術(shù)企業(yè)技術(shù)創(chuàng)新績(jī)效研究［J］．科研管理，2018，39（3）：11-19.

［17］" CHIARA FRANCO，F(xiàn)ABIO PIERI，F(xiàn)RANCESCO VENTURINI.Product market regulation and innovation efficiency［J］.Journal of Productivity Analysis，2016，45（3）：299-315.

［18］" ALI RAKHSHAN.Efficiency ranking of decision making units in data envelopment analysis by using TOPSIS-DEA method［J］.The Journal of the Operational Research Society，2017，68（8）：906-918.

［19］" 劉峰，寧健.智能制造企業(yè)技術(shù)創(chuàng)新效率及其影響因素［J］.企業(yè)經(jīng)濟(jì)，2016，35（4）：142-147.

［20］" GUAN J， CHEN K. Measuring the innovation production process： a cross-region empirical study of China's high-tech innovations［J］. Technovation， 2010， 30（5-6）：348-358.

［21］" 徐詠梅，王洪玲.基于價(jià)值鏈視角的中國(guó)高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率研究［J］.創(chuàng)新與創(chuàng)業(yè)管理，2014，10（1）：50-61.

［22］" 潘文彪，陳志云，張寧.中國(guó)裝備制造企業(yè)轉(zhuǎn)型升級(jí)實(shí)踐研究和企業(yè)智能制造體系構(gòu)建的建議思考［J］.現(xiàn)代管理科學(xué)，2019，38（2）：27-29.

［23］" 曾卓騏，王躍.戰(zhàn)略性新興產(chǎn)業(yè)上市公司動(dòng)態(tài)創(chuàng)新效率測(cè)度及其影響因素研究——基于兩階段DSBM模型與Tobit模型［J］.科技進(jìn)步與對(duì)策，2022，39（21）：65-74.

［24］" 張雪琳，賀正楚，任宇新.中國(guó)區(qū)域工業(yè)企業(yè)技術(shù)創(chuàng)新效率研究：整體創(chuàng)新和階段創(chuàng)新的視角［J］.科學(xué)決策，2022，29（10）：1-19.

［25］" 蘇屹， 陳鳳妍.企業(yè)家地方政治關(guān)聯(lián)對(duì)技術(shù)創(chuàng)新績(jī)效影響研究［J］. 系統(tǒng)工程理論與實(shí)踐， 2017， 37（2）：365-378.

［26］" 陳海強(qiáng)， 韓乾， 吳鍇. 融資約束抑制技術(shù)效率提升嗎——基于制造業(yè)微觀(guān)數(shù)據(jù)的實(shí)證研究［J］. 金融研究，2015，36（10）：148-162.

［27］" 王洪海，李洪銳.智能制造上市企業(yè)創(chuàng)新效率測(cè)度——基于三階段DEA模型［J］.江蘇海洋大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版），2022，20（5）：102-111.

［28］" 范德成，李盛楠.區(qū)域高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率測(cè)度與提升路徑研究——基于共享投入關(guān)聯(lián)型兩階段DEA模型［J］.運(yùn)籌與管理，2019，28（5）：156-165.

［29］" 方瑩瑩，劉戒驕，馮雪艷.空間相關(guān)性、創(chuàng)新生態(tài)環(huán)境與高技術(shù)產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)創(chuàng)新效率——基于中國(guó)內(nèi)地23個(gè)份的實(shí)證研究［J］.科技進(jìn)步與對(duì)策，2022，39（3）：59-68.

［30］" 陳懷超，張晶，馬靖.產(chǎn)學(xué)研創(chuàng)新資源錯(cuò)配對(duì)域創(chuàng)新效率的影響——基于要素扭曲測(cè)度模型與超效率SBM-DEA模型［J］.科技進(jìn)步與對(duì)策，2021，38（10）：46-55.

［31］" TOBIN JAMES. Estimation of relationships for limited dependent variables［J］. Econometrica， 1958， 26（1）：24-36.

［32］" 李柏洲，王雪，蘇屹，等.我國(guó)戰(zhàn)略性新興產(chǎn)業(yè)研發(fā)—轉(zhuǎn)化兩階段創(chuàng)新效率［J］.系統(tǒng)工程，2019，37（4）：48-56.

［33］" 范德成，杜明月.高端裝備制造業(yè)技術(shù)創(chuàng)新資源配置效率及影響因素研究：基于兩階段StoNED和Tobit模型的實(shí)證分析［J］.中國(guó)管理學(xué)，2018，26（1）：13-24.

［34］" DMURGER S. Infrastructure development and economic growth： an explanation for regional disparities in China ［J］. Journal of Comparative Economics， 2001， 29（1）： 95-117.

［35］" 范凌鈞， 陳燕兒. 政府Ramp;D資助對(duì)高技術(shù)產(chǎn)業(yè)技術(shù)效率的影響研究［J］. 運(yùn)籌與管理， 2014， 23（4）： 246-253.

（責(zé)任編輯：陳" 井）

Innovation Efficiency Evaluation of Intelligent Manufacturing Enterprises Based on Two-stage Super Efficiency DEA

Fu Ningning1， 2， Su Yi1，Guo Xiufang3

（1. School of Economics and Management，Harbin Engineering University;2. Department of Management，Harbin Finance University；3.Humanities Teaching Department，The Open University of Harbin，Harbin 150001，China）

Abstract：Along with the deep integration of digital economy and traditional manufacturing characterized by digitization， networking and intelligence， intelligent manufacturing has become the focus of economic and technological competition among countries around the world. Chinese intelligent manufacturing is confronted by problems such as weak industrial infrastructure， an insufficient supply of data elements， and the relatively lagging application of intelligent technology. Innovation is the primary driving force of the development of intelligent manufacturing， while intelligent manufacturing is rooted in enterprise innovation. Since enterprises are the main driving force of intelligent manufacturing， and \"Internet plus\" and industrial Internet are important driving forces in the field of manufacturing， this paper aims to explore the allocation structure of innovation resources in intelligent manufacturing enterprises， make scientific measurement of the innovation efficiency of intelligent manufacturing enterprises， and provide references for how to improve the innovation capability of intelligent manufacturing enterprises.

This study selects the enterprises from China's intelligent manufacturing demonstration pilot project as a sample， and constructs a two-stage super efficiency DEA model to measure technology development efficiency， economic transformation efficiency， and overall innovation efficiency. The intelligent manufacturing enterprises are divided into four categories： high Ramp;D and" high transformation， high Ramp;D and low transformation， low Ramp;D and high transformation， and low Ramp;D and low transformation. Then the factors and degrees that affect the two-stage innovation efficiency of intelligent manufacturing enterprises are analyzed by the Tobit regression model. The results indicate that， first， the innovation efficiency of intelligent manufacturing enterprises has been increasing year by year， but there is still a lot of room for improvement. There are also significant individual differences， and the proportion of intelligent manufacturing enterprises with high Ramp;D and high transformation，low Ramp;D and low transformation is the highest. The two-stage innovation efficiency advantages of the electrical machinery and equipment manufacturing industry and the automobile manufacturing industry are clear， while the textile manufacturing industry is at a relatively low level of innovation efficiency. The efficiency in the technology research and development stage is the main factor determining the overall efficiency of innovation. Second， from the analysis of factors affecting the innovation efficiency of intelligent manufacturing enterprises， government support has the greatest impact on technology research and development efficiency. However， ignoring market demand and blindly increasing research and development output could lead to a decrease in the economic transformation of research and development achievements. A high-quality technological environment and infrastructure have a boosting effect on the Ramp;D generation and economic transformation of intelligent manufacturing enterprises. Large enterprises are more likely to have higher two-stage innovation efficiency than small and medium-sized enterprises. The equity concentration ratio has little effect on two-stage innovation efficiency. An increase in the number of Ramp;D personnel will increase Ramp;D output， but the increased Ramp;D output during the technology Ramp;D stage cannot be timely converted into economic value， and instead will reduce the economic conversion rate. Market competition is beneficial for the Ramp;D output of intelligent manufacturing enterprises， but it has had a significant negative impact on economic transformation efficiency， indicating that the market structure of intelligent manufacturing enterprises in China is not yet sound.

Four policy implications are put forward to improve the innovation efficiency of China's intelligent manufacturing enterprises. First， the government should pay attention to the links and quality when providing support to intelligent manufacturing enterprises， appropriately reduce financial support for the achievement transformation process， support key links through various means such as policy subsidies and tax incentives. Second， the government should focus on supporting fields related to China's intelligent manufacturing innovation development， improve the quality of scientific and technological services， and promote the application of innovative achievements to improve the management system for science and technology investment. Third， it is essential for the government to improve the market competition mechanism， encourage the enterprises to strengthen their market competitiveness through research and development capabilities and new products， and crack down on malicious competition through methods such as illegal infringement and price wars. Fourth， it is necessary to reasonably adjust the structure of innovative talents according to the matching degree between Ramp;D personnel and overall innovation resources， and avoid causing redundant talent investment.

Key Words： Intelligent Manufacturing Enterprises; Innovation Efficiency; Super Efficiency DEA Model; Technology Research and Development; Economic Transformation