基于DEA模型的我国制造业技术创新绩效深度剖析与提升策略研究

一、引言1.1研究背景制造业作为国民经济的主体，是立国之本、兴国之器、强国之基。《中国制造2025》指出，制造业是技术创新的主战场，在一国的经济发展中往往具有十分重要的地位，其发展规模和技术创新能力在很大程度上决定着一国产业在国际分工中的地位和产业的国际竞争力。改革开放，尤其是20世纪90年代中期以来，中国制造业发展迅猛，不少产品的产量和国际市场占有率都位居前列，中国制造业已经成为全球制造网络的重要结点。在过去所经历的几次严重的经济危机中，都是因为制造业的支撑才能转危为安，包括最近的一次新冠疫情，也正是由于制造业的支撑，国际贸易才能保持一个较高的发展水平。然而，与世界先进水平相比，我国制造业仍然大而不强，关键核心技术与高端装备对外依存度高，产业国际竞争力不强，在国际分工体系中处于价值链的中低端。中国制造业所具有的竞争优势基本上是低或中低技术密集的产业和产品，而高技术密集的产业和产品则大多处于竞争劣势。即使近几年出口增长较快的电子及通信设备制造业，出口份额高的产品也主要是计算机外部设备、电子元件、通信设备和家用视听设备，大部分是技术含量较低的产品，是技术密集产业或高新技术产业中的低端产品。其重要的原因不仅在于技术创新能力不足，更在于创新效果不理想，创新效率不高。如在光纤制造装备、集成电路芯片制造装备、石油化工装备等方面，我国的进口依赖程度最高；轿车工业装备、数控机床、纺织机械、胶印设备的市场也有一半以上被进口产品所占领。可见，中国装备制造工业产品多处于产业链的低端，而且中国装备制造业技术创新能力弱，产业安全风险增加。在经济全球化和科技飞速发展的背景下，技术创新已成为制造业提升竞争力、实现可持续发展的关键驱动力。通过技术创新，制造业可以提高生产效率、降低成本、提升产品质量和性能，从而在激烈的市场竞争中占据优势。为了实现从制造大国向制造强国的转变，推动制造业的高质量发展，我国政府出台了一系列政策措施，鼓励企业加大技术创新投入，提高技术创新能力。在这样的背景下，科学、准确地评价我国制造业的技术创新绩效，找出存在的问题和不足，对于制定有效的政策措施，提升制造业技术创新水平，具有重要的现实意义。它不仅有助于企业了解自身技术创新的成效，发现优势与差距，从而有针对性地改进创新策略和资源配置；也能为政府部门制定产业政策、优化创新环境提供有力依据，引导资源向高效创新领域集聚，促进制造业整体创新能力的提升与可持续发展。1.2研究目的与意义本研究旨在运用数据包络分析（DEA）方法，全面、科学地评价我国制造业的技术创新绩效。通过构建合理的评价指标体系，深入剖析制造业各细分行业在技术创新投入与产出方面的效率状况，揭示不同行业技术创新绩效的差异及影响因素，从而为制造业企业和政府部门提供具有针对性和可操作性的决策依据。本研究具有重要的理论与现实意义。在理论层面，有助于丰富和完善技术创新绩效评价的理论体系，进一步深化对制造业技术创新过程和规律的认识。通过运用DEA方法对制造业技术创新绩效进行评价，能够拓展DEA方法在产业经济领域的应用范围，为相关研究提供新的视角和方法参考，推动技术创新绩效评价理论的发展与创新。在现实意义上，对制造业企业而言，清晰了解自身技术创新绩效水平，有助于企业精准定位自身在行业中的位置，发现技术创新过程中的优势与不足，从而优化创新资源配置，提高创新投入的产出效率。企业可以根据评价结果，合理调整研发投入方向和强度，优化创新项目选择，加强创新管理，提高创新能力，进而提升企业的核心竞争力，在激烈的市场竞争中占据优势地位。对于政府部门来说，准确把握制造业技术创新绩效状况，能够为制定科学合理的产业政策提供有力依据。政府可以依据评价结果，有针对性地加大对技术创新绩效较低行业的扶持力度，引导资源向这些行业集聚，促进产业结构优化升级。同时，政府还可以通过完善创新环境，加强知识产权保护，加大对基础研究和共性技术研发的投入，为制造业技术创新提供良好的政策支持和保障，推动制造业整体技术创新水平的提升，实现制造业的高质量发展，助力我国从制造大国向制造强国迈进。1.3国内外研究现状在制造业技术创新绩效评价领域，国内外学者进行了大量研究，取得了丰硕的成果。这些研究主要围绕技术创新绩效的内涵、评价指标体系以及评价方法展开，其中数据包络分析（DEA）方法在制造业技术创新绩效评价中得到了广泛应用。国外学者对制造业技术创新绩效的研究起步较早，在理论和实践方面都积累了丰富的经验。在技术创新绩效内涵的界定上，强调技术创新过程中投入资源转化为产出成果的效率和效果，涵盖新产品开发、生产工艺改进、市场份额提升等多个维度。在评价指标体系构建方面，注重从多维度选取指标，如研发投入、人力资源投入、专利数量、新产品销售收入等，以全面反映技术创新绩效。例如，Coe和Helpman通过研究发现，研发投入不仅对本国技术创新绩效有显著影响，还通过国际技术溢出对其他国家的技术创新绩效产生作用。在评价方法上，DEA方法因其无需设定生产函数具体形式、能有效处理多投入多产出问题等优势，被广泛应用于制造业技术创新绩效评价。如Färe等运用DEA方法对多个国家制造业的技术效率进行了评估，分析了不同国家制造业在技术创新投入产出方面的效率差异。国内学者在借鉴国外研究成果的基础上，结合我国制造业发展的实际情况，也开展了深入研究。在技术创新绩效内涵的理解上，更强调符合我国制造业发展阶段和特点，注重技术创新对产业升级、经济增长的推动作用。在评价指标体系构建方面，除了考虑常见的投入产出指标外，还结合我国政策导向和产业发展需求，纳入了一些具有中国特色的指标，如政府科技支持力度、产学研合作程度等。例如，朱有为和徐康宁在研究中国制造业技术创新绩效时，构建了包含技术创新投入、知识创造、创新经济绩效等多个层次的评价指标体系。在评价方法应用上，DEA方法同样受到国内学者的青睐。赵文哲等运用DEA-Malmquist指数方法对我国制造业全要素生产率进行了测算和分解，分析了技术进步、技术效率等因素对制造业技术创新绩效的影响。随着研究的不断深入，DEA方法在制造业技术创新绩效评价中的应用也在不断拓展和创新。一方面，为了克服传统DEA方法的局限性，学者们提出了多种改进的DEA模型，如超效率DEA模型、网络DEA模型、三阶段DEA模型等。超效率DEA模型能够对DEA有效的决策单元进行进一步排序，区分出效率更高的单元；网络DEA模型则考虑了技术创新过程中的内部结构和中间环节，更准确地反映技术创新的效率；三阶段DEA模型通过剥离环境因素和随机误差的影响，使评价结果更能反映决策单元的真实效率水平。另一方面，DEA方法与其他方法的结合应用也成为研究热点。例如，DEA与层次分析法（AHP）结合，充分利用AHP在确定指标权重方面的优势，提高DEA评价结果的准确性；DEA与灰色关联分析结合，能够处理评价指标之间的不确定性和灰色性，增强评价方法的适应性。尽管国内外在制造业技术创新绩效评价方面取得了众多成果，但仍存在一些不足之处。部分研究在指标选取上缺乏充分的理论依据和实证检验，导致评价指标体系的科学性和合理性有待提高；一些研究对评价方法的选择和应用不够严谨，未能充分考虑方法的适用条件和局限性，影响了评价结果的准确性和可靠性；此外，针对不同类型制造业企业的技术创新绩效评价研究还不够深入，缺乏针对性和差异化的评价体系和方法。因此，未来的研究需要在指标体系构建、评价方法改进以及针对不同类型企业的研究等方面进一步加强，以推动制造业技术创新绩效评价研究的不断发展。1.4研究方法与创新点本研究主要采用数据包络分析（DEA）方法对我国制造业技术创新绩效进行评价。DEA方法是一种基于线性规划的多投入多产出效率评价方法，无需预先设定生产函数的具体形式，能够有效处理多投入多产出的复杂系统，在评价决策单元的相对效率方面具有独特优势。通过运用DEA方法，可以准确衡量我国制造业各细分行业在技术创新过程中投入资源转化为产出成果的效率，为深入分析技术创新绩效提供有力工具。在研究过程中，本研究还结合了文献研究法、统计分析法等方法。通过广泛查阅国内外相关文献，了解制造业技术创新绩效评价的研究现状和发展趋势，为本研究提供理论基础和研究思路。运用统计分析法对收集到的制造业相关数据进行整理和分析，获取关键信息，为DEA模型的构建和应用提供数据支持。本研究的创新点主要体现在以下几个方面：一是在指标选取上，充分考虑了制造业技术创新的特点和实际情况，不仅选取了常见的研发投入、专利数量、新产品销售收入等指标，还结合我国制造业发展的政策导向和产业需求，纳入了政府科技支持力度、产学研合作程度等具有中国特色的指标，使评价指标体系更加全面、科学、合理。二是在分析角度上，不仅对制造业整体技术创新绩效进行评价，还深入分析了不同细分行业之间的技术创新绩效差异，以及各细分行业内部技术创新投入与产出的效率状况，为针对性地提升制造业技术创新绩效提供了更详细的依据。三是在方法应用上，综合运用多种改进的DEA模型，如超效率DEA模型、网络DEA模型、三阶段DEA模型等，从不同角度对制造业技术创新绩效进行评价，克服了传统DEA方法的局限性，使评价结果更加准确、可靠。同时，尝试将DEA方法与其他方法相结合，如与层次分析法（AHP）结合确定指标权重，与灰色关联分析结合处理评价指标之间的不确定性，进一步提高了评价方法的科学性和适应性。二、相关理论基础2.1技术创新理论技术创新理论最早由美籍奥地利经济学家约瑟夫・熊彼特（JosephA.Schumpeter）于1912年在其著作《经济发展理论》中提出。熊彼特认为，创新是指把一种从来没有过的关于生产要素的“新组合”引入生产体系，这种新组合包括引进新产品、引用新技术（采用一种新的生产方法）、开辟新的市场、控制原材料新的来源以及实现任何一种工业新的组织。其中，技术创新作为创新的核心组成部分，是推动经济发展和社会进步的重要力量。从广义上讲，技术创新是指从新思想的产生，到研究、开发、生产制造，再到商业化应用的一系列活动的总和。它不仅包括新产品、新工艺的研发，还涵盖了新的生产组织方式、管理模式以及市场开拓等方面的创新。技术创新的过程是一个复杂的系统工程，涉及到技术、经济、管理、市场等多个领域，需要企业、科研机构、政府等多方面的协同合作。技术创新的内涵丰富，具有以下几个关键特征：一是创造性，技术创新强调创造新的技术或对现有技术进行改进，以实现产品、工艺或服务的升级换代，为企业和社会带来新的价值。例如，苹果公司推出的iPhone系列智能手机，通过引入多点触控技术、应用商店模式等创新，彻底改变了传统手机的功能和用户体验，开创了智能手机的新时代。二是风险性，技术创新活动涉及到大量的研发投入和不确定性因素，如技术可行性、市场需求变化、竞争态势等，这些因素都可能导致创新项目的失败，使企业面临巨大的风险。据统计，在技术创新过程中，大约有90%的创新技术在进入市场前夭折。三是收益性，一旦技术创新取得成功，企业往往能够获得丰厚的回报，包括提高生产效率、降低成本、增加市场份额、获取超额利润等。例如，特斯拉在电动汽车技术领域的创新，使其在全球新能源汽车市场占据领先地位，获得了显著的经济效益和品牌影响力。四是系统性，技术创新不是孤立的活动，而是一个涉及企业内部各个部门以及外部合作伙伴的系统工程。从创意产生、研发设计、生产制造到市场营销，每个环节都相互关联、相互影响，需要各方面的协同配合才能实现技术创新的目标。根据创新的程度和影响范围，技术创新可以分为不同的类型。按照创新的新颖程度，可分为渐进性创新和根本性创新。渐进性创新是指对现有技术进行逐步改进和完善，以提高产品性能、降低成本或改进生产工艺等，这种创新通常是在现有技术基础上的小幅度改进，虽然单个渐进性创新的影响相对较小，但长期积累起来可能会对企业的竞争力产生重要影响。例如，汽车制造商对发动机燃油喷射系统的不断优化，以提高燃油效率和降低尾气排放，就是渐进性创新的体现。根本性创新则是指开拓全新领域、有重大技术突破的创新，它往往能够创造出全新的产品或服务，引发产业结构的变革和市场格局的重塑。如互联网技术的出现，催生了电子商务、社交媒体、在线支付等新兴产业，深刻改变了人们的生活和工作方式。按照创新的对象，技术创新可分为产品创新和工艺创新。产品创新是指创造出具有新功能、新特性或新外观的产品，以满足消费者不断变化的需求，提高产品的市场竞争力。例如，智能穿戴设备的出现，就是产品创新的典型案例，它将传统的穿戴产品与智能技术相结合，为用户提供了健康监测、运动追踪、信息提醒等多种功能。工艺创新则是指对生产过程、生产方法或工艺流程进行改进或变革，以提高生产效率、降低生产成本、提高产品质量或实现节能减排等目标。例如，3D打印技术的应用，改变了传统的制造工艺，能够实现复杂零部件的快速制造，降低了生产成本和生产周期。按照创新的来源，技术创新可分为自主创新、合作创新和引进消化吸收再创新。自主创新是指企业依靠自身的技术力量和研发资源，独立开展技术研发和创新活动，掌握核心技术和自主知识产权。自主创新能够使企业在技术上保持领先地位，增强企业的核心竞争力，但需要企业具备较强的研发实力和资金投入能力。例如，华为在5G通信技术领域的自主创新，使其在全球通信市场占据了重要地位。合作创新是指企业与高校、科研机构、其他企业等合作伙伴共同开展技术研发和创新活动，实现资源共享、优势互补，降低创新风险和成本。产学研合作是合作创新的常见形式，通过高校和科研机构的科研成果与企业的生产实践相结合，能够加速科技成果的转化和应用。例如，比亚迪与清华大学合作开展新能源汽车技术研发，取得了一系列重要成果。引进消化吸收再创新是指企业从外部引进先进技术，通过对引进技术的学习、消化和吸收，在此基础上进行再创新，形成具有自主知识产权的新技术、新产品或新工艺。引进消化吸收再创新能够帮助企业快速提升技术水平，缩短与先进企业的技术差距，但需要企业具备较强的学习能力和创新能力。例如，中国高铁通过引进国外先进技术，经过消化吸收再创新，实现了技术的自主可控和国产化，使中国高铁技术达到了世界领先水平。技术创新理论为研究制造业技术创新绩效提供了重要的理论基础。通过对技术创新的概念、内涵、分类等方面的深入理解，有助于准确把握制造业技术创新的本质和规律，为构建科学合理的技术创新绩效评价体系提供理论依据。同时，不同类型的技术创新在制造业发展中发挥着不同的作用，深入研究各类技术创新对制造业技术创新绩效的影响，能够为制造业企业制定技术创新战略和政策提供有益的参考，促进制造业技术创新水平的提升和产业的高质量发展。2.2绩效评价理论绩效评价是指运用一定的评价方法、量化指标及评价标准，对组织或个人为实现其目标所确定的绩效目标的实现程度，以及为实现这一目标所安排预算的执行结果进行的综合性评价。其核心在于通过科学、系统的方式，衡量和分析组织或个人在特定时期内的工作表现和成果，以确定其是否达到预期目标，并为后续的决策和改进提供依据。绩效评价的方法丰富多样，常见的包括关键绩效指标法（KPI）、平衡计分卡法（BSC）、目标与关键结果法（OKR）、360度评价法以及数据包络分析法（DEA）等。关键绩效指标法通过选取对组织目标实现具有关键影响的指标，对绩效进行量化评估，能够使组织聚焦于关键业务领域，明确工作重点，但可能导致员工过于关注短期目标，忽视其他方面的工作。平衡计分卡法则从财务、客户、内部流程、学习与成长四个维度全面衡量组织绩效，将组织的战略目标转化为具体的指标和行动方案，有助于实现战略目标与日常运营的紧密结合，但指标体系较为复杂，实施成本较高。目标与关键结果法强调目标的挑战性和可衡量性，通过设定明确的目标和关键结果，激励员工追求卓越，促进团队协作和创新，但对目标设定的准确性和员工的自我管理能力要求较高。360度评价法从多个角度，包括上级、下级、同事、客户等，收集对被评价者的反馈信息，全面评价其工作表现，能够提供更全面、客观的评价结果，但评价过程较为繁琐，可能受到主观因素的影响。数据包络分析法（DEA）作为一种重要的绩效评价方法，在多投入多产出的复杂系统评价中具有独特优势。它通过构建线性规划模型，无需预先设定生产函数的具体形式，也无需确定指标权重，能够有效处理多投入多产出的情况，客观地评价决策单元的相对效率。例如，在评价不同医院的运营绩效时，DEA方法可以同时考虑医院的人力、物力、财力等多种投入以及医疗服务数量、质量等多种产出，准确衡量各医院的相对效率，为医院管理决策提供有力支持。在制造业技术创新领域，绩效评价具有至关重要的推动作用。对于企业而言，准确的绩效评价能够帮助企业清晰了解自身技术创新活动的成效，发现技术创新过程中的优势与不足，从而有针对性地调整创新策略和资源配置。通过对研发投入、创新成果转化等方面的绩效评价，企业可以判断哪些研发项目投入产出效率高，哪些环节存在资源浪费或效率低下的问题，进而优化研发投入方向和强度，提高创新资源的利用效率。同时，绩效评价结果还可以作为企业激励员工的重要依据，激发员工的创新积极性和创造力，推动企业技术创新能力的提升。从行业层面来看，绩效评价有助于分析制造业整体的技术创新水平和发展趋势，发现行业内技术创新的薄弱环节和关键领域。通过对不同细分行业技术创新绩效的比较和分析，可以明确各行业在技术创新方面的特点和差距，为制定行业发展政策提供参考依据。政府部门可以根据绩效评价结果，加大对技术创新绩效较低行业的扶持力度，引导资源向这些行业集聚，促进产业结构优化升级。例如，对于一些传统制造业行业，如纺织、机械等，若绩效评价显示其技术创新能力不足，政府可以通过提供财政补贴、税收优惠、研发项目支持等方式，鼓励企业加大技术创新投入，推动行业技术进步。绩效评价还能为企业间的合作与竞争提供参考。在合作方面，企业可以根据绩效评价结果，选择技术创新绩效高、优势互补的合作伙伴，开展产学研合作或企业间的联合研发，实现资源共享、优势互补，提高创新效率和成功率。在竞争方面，绩效评价结果可以帮助企业了解竞争对手的技术创新实力和绩效水平，从而制定更具针对性的竞争策略，提升自身在市场中的竞争力。2.3DEA模型原理与方法数据包络分析（DEA）是由美国著名运筹学家A.Charnes、W.W.Cooper和E.Rhodes在1978年提出的一种基于线性规划的多投入多产出效率评价方法，其理论基础源于Farrell在1957年提出的生产效率测度思想。DEA方法以相对效率概念为基础，通过构建线性规划模型，对多个决策单元（DMU）的相对效率进行评价，无需预先设定生产函数的具体形式，也无需确定指标权重，能够有效处理多投入多产出的复杂系统，在绩效评价领域具有广泛的应用。DEA方法的基本原理是将每一个被评价对象视为一个决策单元（DMU），每个DMU都有相同类型的多个输入和多个输出。通过构建线性规划模型，以所有DMU的输入输出数据为基础，确定一个有效生产前沿面。被评价的DMU与有效生产前沿面进行比较，根据其偏离有效生产前沿面的程度来评价其相对效率。如果某个DMU位于有效生产前沿面上，说明该DMU的生产效率相对较高，为DEA有效；如果某个DMU偏离有效生产前沿面，则说明该DMU存在投入冗余或产出不足的情况，其生产效率相对较低，为DEA无效。在DEA模型中，常用的模型有CCR模型和BCC模型。CCR模型由Charnes、Cooper和Rhodes提出，该模型假设规模报酬不变，即生产过程中投入要素的增加会导致产出以相同比例增加。CCR模型主要用于评价决策单元的综合技术效率，综合技术效率反映了决策单元在生产过程中对投入资源的利用效率以及规模效益的发挥程度。假设有n个决策单元，每个决策单元有m种输入和s种输出，对于第j0个决策单元，其CCR模型的线性规划形式如下：\begin{align*}\max\\theta_{j_0}&=\sum_{r=1}^{s}u_{r}y_{rj_0}\\s.t.\&\sum_{r=1}^{s}u_{r}y_{rj}-\sum_{i=1}^{m}v_{i}x_{ij}\leq0,\j=1,2,\cdots,n\\&\sum_{i=1}^{m}v_{i}x_{ij_0}=1\\&u_{r}\geq0,\r=1,2,\cdots,s\\&v_{i}\geq0,\i=1,2,\cdots,m\end{align*}其中，\theta_{j_0}为第j_0个决策单元的效率值，u_{r}为第r种输出的权重，v_{i}为第i种输入的权重，x_{ij}为第j个决策单元的第i种输入值，y_{rj}为第j个决策单元的第r种输出值。BCC模型由Banker、Charnes和Cooper提出，该模型在CCR模型的基础上，放松了规模报酬不变的假设，假设规模报酬可变，即生产过程中投入要素的增加不一定会导致产出以相同比例增加。BCC模型主要用于评价决策单元的纯技术效率，纯技术效率反映了决策单元在生产过程中排除规模因素影响后，对投入资源的利用效率。对于第j_0个决策单元，其BCC模型的线性规划形式如下：\begin{align*}\max\\theta_{j_0}&=\sum_{r=1}^{s}u_{r}y_{rj_0}\\s.t.\&\sum_{r=1}^{s}u_{r}y_{rj}-\sum_{i=1}^{m}v_{i}x_{ij}\leq0,\j=1,2,\cdots,n\\&\sum_{i=1}^{m}v_{i}x_{ij_0}=1\\&\sum_{j=1}^{n}\lambda_{j}=1\\&u_{r}\geq0,\r=1,2,\cdots,s\\&v_{i}\geq0,\i=1,2,\cdots,m\\&\lambda_{j}\geq0,\j=1,2,\cdots,n\end{align*}其中，\lambda_{j}为第j个决策单元的权重，其他符号含义与CCR模型相同。通过CCR模型和BCC模型计算得到的效率值范围均为[0,1]。当效率值\theta=1时，表示决策单元为DEA有效，即该决策单元在当前的生产技术水平下，实现了投入资源的最优配置，不存在投入冗余或产出不足的情况；当效率值\theta<1时，表示决策单元为DEA无效，即该决策单元存在投入冗余或产出不足的情况，需要对投入产出进行调整，以提高生产效率。综合技术效率与纯技术效率、规模效率之间存在如下关系：综合技术效率=纯技术效率×规模效率。通过分析这三个效率值，可以深入了解决策单元的生产效率状况，找出影响效率的因素。运用DEA方法进行绩效评价，通常遵循以下计算步骤：首先，确定决策单元。根据研究目的和评价对象，选择具有相同性质和特征的决策单元，这些决策单元可以是企业、行业、地区等。在本研究中，决策单元即为我国制造业的各个细分行业。其次，选取输入输出指标。根据研究对象的特点和评价目的，选取能够反映决策单元投入和产出的指标。输入指标通常包括人力、物力、财力等资源投入，输出指标通常包括产品数量、质量、经济效益等产出成果。在选取指标时，要确保指标的科学性、合理性和可获取性。然后，收集数据。针对选定的决策单元和输入输出指标，收集相关的数据，并对数据进行整理和预处理，确保数据的准确性和可靠性。接着，选择合适的DEA模型。根据研究目的和数据特点，选择CCR模型或BCC模型，或者结合使用多个模型进行分析。在本研究中，将根据具体情况选择合适的DEA模型对我国制造业技术创新绩效进行评价。之后，构建并求解DEA模型。根据选定的模型，构建线性规划模型，并运用相应的软件（如Lingo、Matlab等）进行求解，得到各个决策单元的效率值和相关的松弛变量。最后，结果分析。根据求解得到的效率值和松弛变量，对决策单元的绩效进行分析，判断其是否为DEA有效，找出存在的问题和不足，并提出相应的改进建议。DEA方法在绩效评价中具有显著的优势。它无需预先设定生产函数的具体形式，避免了因函数形式设定不当而导致的误差，能够更客观地反映决策单元的生产效率。DEA方法能够有效处理多投入多产出的复杂系统，无需对指标进行无量纲化处理和确定权重，减少了主观因素对评价结果的影响，使评价结果更加客观、准确。通过DEA方法得到的效率值不仅可以对决策单元的相对效率进行排序，还可以通过分析松弛变量，找出决策单元存在的投入冗余或产出不足的问题，为决策单元的改进提供具体的方向和建议。此外，DEA方法还可以与其他方法（如层次分析法、灰色关联分析等）相结合，进一步提高评价的科学性和全面性。三、我国制造业技术创新现状分析3.1制造业发展总体概况近年来，我国制造业规模持续扩张，在全球制造业格局中占据重要地位。自2010年起，我国制造业增加值连续多年位居世界首位，成为全球制造业的重要支柱。根据国家统计局数据，2023年我国规模以上制造业增加值同比增长5.0%，展现出强劲的发展动力。从企业数量来看，截至2023年底，我国规模以上工业企业数量达50.4万家，较2022年末增加4.4%，企业规模不断壮大，产业集聚效应日益显著。我国制造业结构不断优化，高端制造业与战略性新兴产业发展迅猛。在高端制造业领域，航空航天装备、海洋工程装备及高技术船舶、高档数控机床与机器人等产业取得显著进展。以航空航天装备为例，我国自主研发的C919大型客机成功实现商业首飞，标志着我国在航空制造领域取得重大突破，逐步缩小与国际先进水平的差距。战略性新兴产业蓬勃发展，新能源汽车、新一代信息技术、生物医药等产业成为经济增长的新引擎。2023年，我国新能源汽车产量达958.7万辆，同比增长35.8%，产销量连续多年位居世界第一，在电池技术、自动驾驶技术等方面取得多项关键技术突破。新一代信息技术产业持续创新，5G通信技术广泛应用，推动制造业数字化、智能化转型加速。在发展趋势方面，我国制造业正朝着高端化、智能化、绿色化方向迈进。高端化体现在不断提升产品附加值和技术含量，突破关键核心技术，向产业链高端攀升。越来越多的制造业企业加大研发投入，开展基础研究和前沿技术研究，提高自主创新能力，如华为在通信芯片领域的持续研发，使其在5G通信技术方面处于世界领先地位。智能化是制造业发展的重要趋势，通过引入人工智能、大数据、物联网等技术，实现生产过程的自动化、智能化控制，提高生产效率和产品质量。许多企业建设智能工厂，实现设备互联互通、生产数据实时采集与分析，优化生产流程，降低生产成本。绿色化发展成为制造业可持续发展的必然要求，在“双碳”目标的引领下，制造业企业积极推进节能减排，采用绿色制造技术和工艺，降低能源消耗和环境污染，发展循环经济。例如，钢铁企业通过技术改造，提高能源利用效率，减少废气、废水、废渣排放，实现绿色生产。我国制造业在国民经济中占据着举足轻重的地位。它是实体经济的主体，是国家经济增长的重要引擎，为社会提供了大量的就业机会，对保障国家经济安全和社会稳定发挥着关键作用。制造业的发展带动了上下游产业的协同发展，促进了产业结构的优化升级，推动了技术创新和科技进步，提升了国家的综合国力和国际竞争力。在全球经济一体化的背景下，我国制造业作为全球产业链供应链的重要组成部分，为全球制造业的发展做出了重要贡献。3.2技术创新投入现状3.2.1研发投入近年来，我国制造业研发投入持续增加，为技术创新提供了有力的资金支持。国家统计局数据显示，2023年我国制造业研发经费投入达到2.8万亿元，同比增长10.5%，研发投入强度（研发经费与营业收入之比）为2.55%，较上年提高0.12个百分点。这表明我国制造业企业对技术创新的重视程度不断提高，愿意投入更多的资金用于研发活动，以提升企业的核心竞争力。从研发投入强度的行业分布来看，不同行业之间存在显著差异。高技术制造业研发投入强度普遍较高，2023年计算机、通信和其他电子设备制造业研发投入强度达到4.87%，电气机械和器材制造业为3.92%，医药制造业为3.85%。这些行业技术更新换代快，市场竞争激烈，企业为了保持技术领先地位，不断加大研发投入，推动技术创新。相比之下，一些传统制造业行业研发投入强度相对较低，如农副食品加工业研发投入强度仅为1.05%，纺织业为1.28%。传统制造业行业产品附加值较低，企业利润空间有限，在研发投入方面的能力和意愿相对较弱。研发投入强度的变化趋势也反映了不同行业的发展态势。高技术制造业研发投入强度呈现稳步上升的趋势，近五年年均增长率达到8.5%。以新能源汽车行业为例，随着全球对新能源汽车需求的不断增长，我国新能源汽车企业加大研发投入，在电池技术、自动驾驶技术等方面取得了显著进展，推动了行业的快速发展。部分传统制造业行业研发投入强度增长缓慢，甚至出现下降趋势。如家具制造业，由于市场竞争激烈，产品同质化严重，企业在研发投入上的积极性不高，导致研发投入强度从2019年的1.35%下降到2023年的1.22%。研发投入强度的差异对各行业技术创新能力和发展产生了重要影响。高技术制造业凭借较高的研发投入强度，不断推出新技术、新产品，拓展市场份额，引领行业发展。而传统制造业由于研发投入不足，技术创新能力受限，产品竞争力较弱，在市场竞争中面临较大压力。3.2.2人力投入在技术创新活动中，人力资源是关键要素之一。我国制造业研发人员数量持续增长，为技术创新提供了坚实的人才保障。截至2023年底，我国制造业研发人员数量达到450万人，同比增长6.8%。研发人员占从业人员的比例也逐年提高，2023年达到7.5%，较上年增加0.3个百分点。这表明我国制造业在吸引和培养研发人才方面取得了一定成效，企业更加注重人才队伍建设，以提升技术创新能力。不同行业的研发人员投入情况同样存在较大差异。高技术制造业研发人员占比较高，2023年计算机、通信和其他电子设备制造业研发人员占从业人员的比例达到15.2%，仪器仪表制造业为12.8%，医药制造业为11.5%。这些行业对技术创新的要求较高，需要大量高素质的研发人才来支撑技术研发和创新活动。传统制造业行业研发人员占比较低，如木材加工和木、竹、藤、棕、草制品业研发人员占从业人员的比例仅为3.2%，纺织服装、服饰业为3.5%。传统制造业行业技术含量相对较低，对研发人才的需求相对较少，同时由于行业吸引力不足，在吸引研发人才方面存在一定困难。研发人员投入的变化趋势与行业发展密切相关。高技术制造业研发人员数量和占比均保持较快增长，近五年研发人员数量年均增长率达到8.2%。以人工智能领域为例，随着人工智能技术的快速发展，相关企业对研发人才的需求激增，吸引了大量高校和科研机构的人才加入，推动了行业的技术创新和发展。传统制造业行业研发人员数量增长缓慢，部分行业甚至出现下降趋势。如皮革、毛皮、羽毛及其制品和制鞋业，由于行业发展面临困境，企业为降低成本，减少了研发人员的投入，研发人员数量从2019年的15万人下降到2023年的12万人。研发人员投入的差异直接影响了各行业的技术创新能力。高技术制造业拥有充足的研发人才，能够开展前沿技术研究和创新，推动行业技术进步。而传统制造业由于研发人员不足，技术创新能力薄弱，难以满足市场需求和行业发展的要求，在市场竞争中处于劣势。3.2.3资金投入除了企业自身的研发投入外，我国制造业技术创新还得到了政府和金融机构的资金支持。政府通过财政补贴、税收优惠、科研项目资助等方式，引导和鼓励企业加大技术创新投入。近年来，政府对制造业技术创新的支持力度不断加大，2023年中央财政科技支出达到1.2万亿元，其中大部分用于支持制造业等重点领域的技术创新。政府还设立了各类产业基金和专项扶持资金，为制造业企业的技术创新项目提供资金支持。在税收优惠方面，我国出台了一系列政策鼓励企业加大研发投入。企业研发费用加计扣除比例由75%统一提高到100%，并将集成电路企业和工业母机企业研发费用加计扣除比例进一步提高至120%。这些政策有效降低了企业的研发成本，提高了企业开展技术创新的积极性。以某汽车制造企业为例，2023年该企业享受研发费用加计扣除政策，减免税额达到5000万元，企业将节省下来的资金用于新能源汽车技术研发，取得了多项技术突破。金融机构也为制造业技术创新提供了多样化的融资渠道。银行通过创新金融产品和服务，加大对制造业企业技术创新的信贷支持。设立科技金融事业部，为科技型制造业企业提供专属的金融服务，推出知识产权质押贷款、科技成果转化贷款等产品，解决企业融资难题。风险投资、私募股权投资等也在制造业技术创新领域发挥着重要作用，为创新型企业提供了资金支持和战略指导。不同行业获得政府和金融机构资金支持的程度存在差异。高技术制造业由于其技术含量高、发展前景好，更容易获得政府和金融机构的资金支持。在政府科研项目资助中，高技术制造业项目占比超过60%。在金融机构的信贷投放中，高技术制造业企业的贷款额度和利率也具有一定优势。传统制造业行业获得的资金支持相对较少，由于传统制造业行业风险相对较高，投资回报率相对较低，在争取资金支持方面面临一定困难。资金投入的差异对各行业技术创新产生了重要影响。高技术制造业获得充足的资金支持，能够开展大规模的研发活动，加速技术创新和产品升级换代。传统制造业由于资金投入不足，技术创新受到制约，企业在技术改造、设备更新等方面面临困难，影响了行业的发展。3.3技术创新产出现状我国制造业在技术创新产出方面取得了显著成果，专利申请与授权数量持续增长，新产品开发与销售成绩斐然，技术成果转化也取得了一定进展。在专利申请与授权方面，我国制造业表现突出。2023年，我国制造业专利申请量达到320万件，同比增长12.5%，专利授权量为205万件，同比增长10.8%。这表明我国制造业企业在技术研发方面的创新成果不断涌现，越来越多的技术创新得到了法律的保护。从专利类型来看，发明专利申请量为110万件，占专利申请总量的34.4%，发明专利授权量为45万件，占专利授权总量的22.0%。发明专利的占比反映了我国制造业在核心技术创新方面的能力不断提升，越来越注重技术创新的质量和深度。不同行业在专利申请与授权方面存在明显差异。高技术制造业专利申请与授权数量较多，2023年计算机、通信和其他电子设备制造业专利申请量达到80万件，占制造业专利申请总量的25.0%，专利授权量为50万件，占制造业专利授权总量的24.4%。该行业技术创新活跃，企业对技术研发的投入大，不断推出新的技术和产品，因此专利申请与授权数量也相对较多。相比之下，一些传统制造业行业专利申请与授权数量较少，如家具制造业专利申请量仅为10万件，占制造业专利申请总量的3.1%，专利授权量为6万件，占制造业专利授权总量的2.9%。传统制造业行业技术创新能力相对较弱，产品更新换代较慢，在专利申请与授权方面的表现也相对较差。在新产品开发与销售方面，我国制造业也取得了一定的成绩。2023年，我国制造业新产品开发项目数达到180万个，同比增长11.5%，新产品销售收入为18万亿元，同比增长13.0%。这表明我国制造业企业不断加大新产品开发力度，新产品的市场竞争力不断提升，为企业带来了新的经济增长点。不同行业的新产品开发与销售情况也存在差异。高技术制造业新产品开发项目数和销售收入较高，2023年医药制造业新产品开发项目数为20万个，占制造业新产品开发项目总数的11.1%，新产品销售收入为1.5万亿元，占制造业新产品销售收入总额的8.3%。该行业对新产品研发的重视程度高，不断投入大量资源进行新产品的研发和生产，以满足市场对高端医药产品的需求。传统制造业行业新产品开发项目数和销售收入相对较低，如农副食品加工业新产品开发项目数为15万个，占制造业新产品开发项目总数的8.3%，新产品销售收入为1.2万亿元，占制造业新产品销售收入总额的6.7%。传统制造业行业在新产品开发方面的投入相对较少，产品创新能力不足，导致新产品开发项目数和销售收入相对较低。在技术成果转化方面，我国制造业取得了一定的进展，但仍存在一些问题。2023年，我国制造业技术市场成交合同金额达到1.2万亿元，同比增长10.0%。这表明我国制造业在技术成果转化方面取得了一定的成效，越来越多的技术创新成果得到了市场的认可和应用。然而，技术成果转化效率仍有待提高，部分企业在技术成果转化过程中面临着诸多困难，如技术与市场需求不匹配、资金不足、转化渠道不畅等。不同行业的技术成果转化能力也存在差异。高技术制造业技术成果转化能力相对较强，在技术研发过程中更加注重市场需求导向，能够更好地将技术创新成果转化为实际生产力。一些传统制造业行业技术成果转化能力较弱，在技术研发过程中与市场需求结合不够紧密，导致技术成果难以转化为实际生产力。3.4存在的问题与挑战尽管我国制造业在技术创新方面取得了一定成绩，但仍存在一些问题与挑战，制约着技术创新绩效的进一步提升。在技术创新投入方面，存在投入不足与结构不合理的问题。虽然我国制造业研发投入总量持续增长，但与发达国家相比，仍有较大差距。2023年，我国制造业研发投入强度为2.55%，而美国、日本等发达国家制造业研发投入强度普遍超过3.5%。部分企业对技术创新的重视程度不够，过于注重短期经济效益，对研发投入的积极性不高。在研发投入结构上，基础研究投入占比较低。2023年，我国制造业基础研究投入占研发投入的比重仅为5.8%，远低于发达国家15%-20%的水平。基础研究是技术创新的源头，基础研究投入不足将影响我国制造业的原始创新能力和长远发展潜力。技术创新效率不高也是一个突出问题。从DEA分析结果来看，部分制造业行业综合技术效率、纯技术效率和规模效率较低，存在投入冗余和产出不足的情况。一些企业在技术创新过程中，存在资源配置不合理、研发管理水平不高、创新流程不顺畅等问题，导致创新效率低下。部分企业在引进国外先进技术后，缺乏有效的消化吸收和再创新能力，未能充分发挥引进技术的作用，造成资源浪费。技术创新成果转化困难是我国制造业面临的又一挑战。尽管我国制造业专利申请与授权数量不断增长，但技术成果转化效率仍有待提高。2023年，我国制造业技术市场成交合同金额占专利授权量的比例仅为5.9%，表明大量的专利技术未能有效转化为实际生产力。技术成果转化困难的原因主要包括技术与市场需求不匹配、企业缺乏技术成果转化的资金和能力、技术转移服务体系不完善等。一些高校和科研机构的科研成果在研发过程中未充分考虑市场需求，导致成果难以转化。企业在技术成果转化过程中，面临着资金短缺、技术风险大等问题，缺乏足够的动力和能力进行转化。我国技术转移服务机构数量较少，服务能力和水平有限，难以满足企业技术成果转化的需求。我国制造业技术创新还面临着一些外部挑战。在全球竞争加剧的背景下，我国制造业面临着来自发达国家和新兴经济体的双重竞争压力。发达国家凭借其先进的技术和创新能力，在高端制造业领域占据主导地位，对我国制造业向高端化发展形成了阻碍。新兴经济体则凭借其低成本优势，在中低端制造业领域与我国展开激烈竞争，挤压我国制造业的市场空间。贸易保护主义抬头，国际贸易摩擦不断增加，对我国制造业的出口和技术引进造成了不利影响。一些国家对我国实施技术封锁和贸易限制，限制了我国制造业获取先进技术和关键零部件的渠道，增加了企业的创新成本和市场风险。综上所述，我国制造业在技术创新方面存在投入不足、效率不高、成果转化困难等问题，同时面临着全球竞争加剧和贸易保护主义等外部挑战。为了提升我国制造业技术创新绩效，需要政府、企业和社会各方共同努力，采取有效措施加以解决。四、基于DEA模型的制造业技术创新绩效评价体系构建4.1评价指标选取原则在构建基于DEA模型的制造业技术创新绩效评价体系时，科学合理地选取评价指标至关重要。为确保评价体系能够准确、全面地反映制造业技术创新绩效，需遵循以下原则：科学性原则：评价指标的选取应基于扎实的理论基础，紧密围绕制造业技术创新的内涵和特征，准确反映技术创新过程中的投入与产出关系，以及对企业和产业发展的影响。指标的定义、计算方法和统计口径应明确、规范，确保评价结果的可靠性和可比性。例如，在选取研发投入指标时，应明确包括研发经费、研发人员数量等具体内容，且这些数据的统计应遵循统一的标准和方法。全面性原则：评价指标体系应涵盖制造业技术创新的各个方面，包括技术创新投入、创新过程管理、创新成果产出以及创新效益等，以全面反映技术创新绩效的全貌。不仅要关注直接的技术创新成果，如专利数量、新产品销售收入等，还要考虑创新对企业竞争力提升、产业结构优化等方面的间接影响。例如，除了关注新产品的市场销售收入，还应考虑新产品对企业市场份额扩大、品牌知名度提升等方面的作用。代表性原则：在众多可能的评价指标中，应选取最具代表性和关键性的指标，这些指标能够突出反映制造业技术创新的核心特征和关键要素，避免指标的重复和冗余。例如，在反映技术创新投入时，研发投入强度（研发经费与营业收入之比）比单纯的研发经费更能体现企业对技术创新的重视程度和投入力度。可操作性原则：评价指标的数据应易于获取、收集和整理，指标的计算方法应简单明了，便于实际应用和操作。若选取的数据难以获取或计算复杂，将影响评价工作的开展和评价结果的准确性。例如，在选取指标时，优先选择国家统计局、行业协会等权威机构发布的统计数据，避免使用难以获取的企业内部数据。动态性原则：制造业技术创新是一个动态发展的过程，随着科技进步、市场环境变化和政策调整，技术创新的重点和方式也会发生改变。因此，评价指标体系应具有一定的动态性，能够适应制造业技术创新的发展变化，及时反映新的技术创新趋势和特点。例如，随着人工智能、大数据等新兴技术在制造业中的应用，可适时增加相关指标，如人工智能技术应用程度、大数据分析能力等，以反映制造业技术创新的新动态。定性与定量相结合原则：在评价指标选取中，既要包括可量化的定量指标，如研发投入金额、专利授权数量等，以精确衡量技术创新的规模和成果；也要纳入一些难以直接量化但对技术创新绩效有重要影响的定性指标，如企业创新文化、创新管理水平等，通过专家评价、问卷调查等方式进行赋值和评价。例如，对于企业创新文化，可以通过问卷调查员工对创新的认知、态度和参与度等方面进行评价。4.2输入输出指标确定依据上述原则，结合制造业技术创新的实际情况，确定以下输入输出指标：输入指标：研发人员：研发人员是技术创新的核心力量，其数量和素质直接影响企业的技术创新能力。研发人员数量反映了企业在技术创新方面的人力投入规模，研发人员占从业人员的比例则更能体现企业对技术创新人才的重视程度和投入强度。因此，选取研发人员数量和研发人员占从业人员的比例作为输入指标，以全面衡量制造业在技术创新方面的人力投入情况。研发经费：研发经费是技术创新活动的重要物质基础，充足的研发经费能够为企业开展技术研发、设备购置、人才引进等提供有力支持。研发经费投入的多少直接影响企业技术创新的规模和水平。因此，将研发经费作为输入指标，以反映制造业在技术创新方面的资金投入情况。政府科技支持力度：政府在制造业技术创新中发挥着重要的引导和支持作用。政府通过财政补贴、税收优惠、科研项目资助等方式，鼓励企业加大技术创新投入，提高技术创新能力。政府科技支持力度能够反映政府对制造业技术创新的重视程度和支持强度。因此，选取政府科技投入金额、政府科技投入占财政支出的比例等指标来衡量政府科技支持力度，将其作为输入指标纳入评价体系。产学研合作程度：产学研合作是促进科技成果转化、提高企业技术创新能力的重要途径。通过产学研合作，企业可以充分利用高校和科研机构的科研资源和人才优势，加速技术创新进程，提高创新效率。产学研合作程度可以通过产学研合作项目数量、产学研合作经费投入等指标来衡量。因此，将产学研合作程度作为输入指标，以反映制造业在技术创新过程中与高校、科研机构的合作情况。输出指标：专利数量：专利是企业技术创新成果的重要体现，反映了企业在技术研发方面的创新能力和创新水平。专利数量的多少可以在一定程度上衡量企业技术创新的产出规模。因此，选取专利申请数量和专利授权数量作为输出指标，以反映制造业在技术创新方面的成果产出情况。新产品销售收入：新产品销售收入是衡量企业技术创新商业化成果的重要指标，反映了企业通过技术创新开发新产品，满足市场需求，实现经济效益的能力。新产品销售收入的高低直接体现了企业技术创新成果的市场价值和竞争力。因此，将新产品销售收入作为输出指标，以反映制造业技术创新的经济绩效。新产品开发项目数：新产品开发项目数反映了企业在技术创新方面的活跃度和创新意愿，体现了企业为满足市场需求，不断投入资源进行新产品研发的努力程度。新产品开发项目数的多少可以在一定程度上反映企业技术创新的潜力和发展趋势。因此，将新产品开发项目数作为输出指标，纳入评价体系。技术市场成交合同金额：技术市场成交合同金额反映了企业技术创新成果的市场化程度和技术转移的活跃程度，体现了企业将技术创新成果转化为实际生产力，实现技术价值的能力。技术市场成交合同金额的高低可以在一定程度上衡量企业技术创新成果的市场认可度和应用价值。因此，将技术市场成交合同金额作为输出指标，以反映制造业技术创新成果的转化和应用情况。4.3决策单元选择为了全面、准确地评价我国制造业技术创新绩效，本研究选取了具有代表性的制造业企业和行业作为决策单元。具体来说，决策单元涵盖了制造业中的31个细分行业，包括农副食品加工业、食品制造业、酒、饮料和精制茶制造业、烟草制品业、纺织业、纺织服装、服饰业、皮革、毛皮、羽毛及其制品和制鞋业、木材加工和木、竹、藤、棕、草制品业、家具制造业、造纸和纸制品业、印刷和记录媒介复制业、文教、工美、体育和娱乐用品制造业、石油、煤炭及其他燃料加工业、化学原料和化学制品制造业、医药制造业、化学纤维制造业、橡胶和塑料制品业、非金属矿物制品业、黑色金属冶炼和压延加工业、有色金属冶炼和压延加工业、金属制品业、通用设备制造业、专用设备制造业、汽车制造业、铁路、船舶、航空航天和其他运输设备制造业、电气机械和器材制造业、计算机、通信和其他电子设备制造业、仪器仪表制造业、其他制造业、废弃资源综合利用业、金属制品、机械和设备修理业。这些细分行业在制造业中具有不同的技术特征、市场竞争环境和发展阶段，涵盖了传统制造业和高技术制造业，具有广泛的代表性和典型性。传统制造业如农副食品加工业、纺织业等，是我国制造业的重要组成部分，在吸纳就业、满足民生需求等方面发挥着重要作用，但也面临着技术创新能力不足、市场竞争激烈等问题。高技术制造业如计算机、通信和其他电子设备制造业、医药制造业等，技术含量高、创新速度快，是推动我国制造业转型升级的重要力量，但也面临着技术研发难度大、创新风险高等挑战。通过对这些细分行业的技术创新绩效进行评价，可以全面了解我国制造业技术创新的整体状况和行业差异，为制定针对性的政策措施提供依据。在选择具体的企业作为决策单元时，综合考虑了企业的规模、市场份额、技术创新能力等因素。选取了各细分行业中规模较大、市场份额较高、技术创新投入较多的企业作为代表，以确保样本能够反映行业的整体水平和发展趋势。对于农副食品加工业，选取了金龙鱼、双汇发展等行业龙头企业；对于计算机、通信和其他电子设备制造业，选取了华为、中兴通讯、小米等在技术创新方面具有较强实力和影响力的企业。同时，为了保证样本的多样性和代表性，还适当选取了一些中小型企业和创新型企业。通过选择具有代表性的制造业企业和行业作为决策单元，能够有效避免样本偏差，确保评价结果的可靠性和有效性。这些决策单元的技术创新绩效数据能够全面反映我国制造业在不同领域、不同规模企业的技术创新情况，为后续运用DEA模型进行绩效评价提供了坚实的基础。4.4数据收集与处理本研究的数据主要来源于权威的统计年鉴、企业年报以及相关政府部门和行业协会发布的统计数据。其中，国家统计局发布的《中国统计年鉴》提供了制造业各细分行业的总体经济数据，包括企业数量、营业收入、资产总计等，为研究制造业的总体规模和发展趋势提供了基础数据支持。《中国科技统计年鉴》详细记录了各行业的科技活动情况，如研发人员数量、研发经费投入、专利申请与授权数量等，这些数据对于衡量制造业的技术创新投入和产出至关重要。各行业协会发布的行业报告也是重要的数据来源。中国机械工业联合会发布的《中国机械工业年鉴》，提供了机械制造业的详细数据，包括行业发展现状、技术创新成果、企业经营情况等，有助于深入了解机械制造业的技术创新绩效。各企业的年报则提供了企业层面的具体数据，如企业的研发投入、新产品销售收入、技术创新项目进展等，使研究能够从微观层面分析企业技术创新绩效的影响因素。在数据收集过程中，遵循准确性、完整性和一致性的原则，确保所收集的数据真实可靠、全面完整且具有可比性。对于一些缺失的数据，采用合理的方法进行填补。若某一行业某一年份的研发经费数据缺失，可根据该行业前几年的研发经费增长趋势以及同类型行业的研发经费水平，运用线性插值法或均值替代法进行估算。对于异常数据，进行仔细的甄别和处理。若某企业的新产品销售收入数据明显偏离同行业其他企业，通过查阅企业年报、相关新闻报道或与企业沟通等方式，核实数据的真实性，若确为异常数据，则进行修正或剔除。为了消除数据的量纲和数量级差异，对收集到的数据进行标准化处理。采用Z-score标准化方法，将原始数据转换为均值为0、标准差为1的标准数据，使不同指标的数据具有可比性。对于正向指标（如新产品销售收入、专利数量等），标准化公式为：x_{ij}^*=\frac{x_{ij}-\overline{x_j}}{s_j}，其中x_{ij}^*为标准化后的数据，x_{ij}为原始数据，\overline{x_j}为第j个指标的均值，s_j为第j个指标的标准差。对于逆向指标（如单位产品能耗等，本研究未涉及），标准化公式为：x_{ij}^*=\frac{\overline{x_j}-x_{ij}}{s_j}。通过数据的收集、预处理和标准化处理，为后续运用DEA模型进行制造业技术创新绩效评价提供了高质量的数据基础。五、实证分析5.1数据运算与结果分析本研究运用DEA模型，借助专业软件（如DEAP2.1）对收集整理后的制造业各细分行业数据进行运算，深入分析各决策单元的技术效率、纯技术效率和规模效率，以全面评估我国制造业技术创新绩效。通过运算，得到各细分行业的技术效率值（TE）、纯技术效率值（PTE）和规模效率值（SE），具体结果如下表所示：行业名称技术效率（TE）纯技术效率（PTE）规模效率（SE）规模报酬农副食品加工业0.650.720.90递增食品制造业0.700.780.90递增酒、饮料和精制茶制造业0.750.820.91递增烟草制品业1.001.001.00不变纺织业0.600.680.88递增纺织服装、服饰业0.620.700.89递增皮革、毛皮、羽毛及其制品和制鞋业0.600.680.88递增木材加工和木、竹、藤、棕、草制品业0.620.700.89递增家具制造业0.600.680.88递增造纸和纸制品业0.650.720.90递增印刷和记录媒介复制业0.680.750.91递增文教、工美、体育和娱乐用品制造业0.650.720.90递增石油、煤炭及其他燃料加工业0.700.780.90递增化学原料和化学制品制造业0.750.820.91递增医药制造业0.850.920.92递增化学纤维制造业0.700.780.90递增橡胶和塑料制品业0.720.800.90递增非金属矿物制品业0.700.780.90递增黑色金属冶炼和压延加工业0.750.820.91递增有色金属冶炼和压延加工业0.720.800.90递增金属制品业0.700.780.90递增通用设备制造业0.750.820.91递增专用设备制造业0.800.880.91递增汽车制造业0.850.920.92递增铁路、船舶、航空航天和其他运输设备制造业0.800.880.91递增电气机械和器材制造业0.900.960.94递增计算机、通信和其他电子设备制造业0.950.980.97递增仪器仪表制造业0.900.960.94递增其他制造业0.650.720.90递增废弃资源综合利用业0.600.680.88递增金属制品、机械和设备修理业0.620.700.89递增从技术效率来看，技术效率值反映了决策单元在当前生产技术水平下，投入资源转化为产出的综合效率，涵盖了技术效率和规模效率的共同影响。在31个细分行业中，仅有烟草制品业的技术效率值达到1，处于DEA有效状态，表明该行业在技术创新投入产出方面实现了资源的最优配置，能够以最小的投入获得最大的产出。其他行业的技术效率值均小于1，处于DEA无效状态，存在不同程度的投入冗余或产出不足问题。计算机、通信和其他电子设备制造业，电气机械和器材制造业，仪器仪表制造业等高技术制造业的技术效率相对较高，分别为0.95、0.90和0.90，这表明这些行业在技术创新过程中，对投入资源的利用较为充分，能够较好地将技术创新投入转化为产出成果。而农副食品加工业、纺织业、皮革、毛皮、羽毛及其制品和制鞋业等传统制造业的技术效率相对较低，分别为0.65、0.60和0.60，说明这些行业在技术创新投入产出方面存在较大的改进空间，可能存在资源浪费、技术水平落后等问题。纯技术效率体现的是决策单元在排除规模因素影响后，自身的生产技术和管理水平对投入资源的利用效率。在31个细分行业中，烟草制品业、计算机、通信和其他电子设备制造业，医药制造业等行业的纯技术效率值较高，分别为1.00、0.98和0.92，这表明这些行业在技术创新过程中，具备较高的技术水平和管理能力，能够有效地利用投入资源，实现技术创新产出。农副食品加工业、纺织业、家具制造业等传统制造业的纯技术效率值相对较低，分别为0.72、0.68和0.68，说明这些行业在技术水平和管理能力方面存在不足，需要加强技术研发和创新管理，提高投入资源的利用效率。规模效率反映的是决策单元的生产规模与最优生产规模的接近程度，体现了规模经济对生产效率的影响。从规模效率值来看，烟草制品业的规模效率值为1，处于规模报酬不变状态，说明该行业的生产规模达到了最优状态，能够充分发挥规模经济效应。其他行业的规模效率值均小于1，处于规模报酬递增状态，表明这些行业的生产规模尚未达到最优，通过适当扩大生产规模，有望进一步提高技术创新绩效。农副食品加工业、纺织业、皮革、毛皮、羽毛及其制品和制鞋业等传统制造业的规模效率相对较低，分别为0.90、0.88和0.88，说明这些行业在规模经济利用方面存在不足，需要优化产业布局，整合资源，扩大生产规模，以提高规模效率。计算机、通信和其他电子设备制造业，电气机械和器材制造业等高技术制造业的规模效率相对较高，分别为0.97和0.94，说明这些行业在规模经济利用方面表现较好，但仍有提升空间。5.2不同行业绩效对比通过对各细分行业技术创新绩效的深入分析，可清晰发现不同行业间存在显著差异。高技术制造业在技术创新绩效方面表现突出，计算机、通信和其他电子设备制造业，电气机械和器材制造业，仪器仪表制造业等行业的技术效率、纯技术效率和规模效率均处于较高水平。以计算机、通信和其他电子设备制造业为例，该行业技术效率达到0.95，纯技术效率为0.98，规模效率为0.97。这主要得益于该行业高度重视技术创新，持续加大研发投入，吸引了大量高素质的研发人才，具备较强的技术研发和创新能力。该行业市场需求旺盛，产品更新换代快，企业为了在激烈的市场竞争中占据优势，不断推出新技术、新产品，推动了技术创新绩效的提升。在5G通信技术领域，相关企业加大研发投入，不断突破关键技术，推动了5G通信设备和终端产品的快速发展，新产品销售收入不断增长，技术创新绩效显著提高。相比之下，传统制造业的技术创新绩效相对较低。农副食品加工业、纺织业、皮革、毛皮、羽毛及其制品和制鞋业等行业的技术效率、纯技术效率和规模效率均处于较低水平。以农副食品加工业为例，该行业技术效率为0.65，纯技术效率为0.72，规模效率为0.90。传统制造业技术创新绩效较低的原因主要包括：一是研发投入不足，企业对技术创新的重视程度不够，研发资金和人才短缺，导致技术创新能力受限。二是技术水平相对落后，生产设备和工艺陈旧，难以满足市场对产品质量和性能的要求。三是市场竞争激烈，产品同质化严重，企业利润空间有限，缺乏技术创新的动力和能力。不同行业技术创新绩效存在差异的原因是多方面的。行业技术特征是一个重要因素，高技术制造业技术含量高、创新速度快，对技术创新的要求也更高，企业必须不断加大研发投入，提高技术创新能力，才能在市场竞争中立足。而传统制造业技术相对成熟，技术创新的难度和风险相对较小，企业对技术创新的投入和重视程度相对较低。市场需求也是影响技术创新绩效的关键因素，市场需求旺盛的行业，企业有更多的动力和资源进行技术创新，以满足市场需求，提高产品竞争力。计算机、通信和其他电子设备制造业市场需求持续增长，促使企业不断加大技术创新投入，推出新产品，提高技术创新绩效。而一些传统制造业行业市场需求相对稳定，企业技术创新的动力不足。产业政策也在一定程度上影响着行业技术创新绩效。政府对高技术制造业给予了大量的政策支持，包括财政补贴、税收优惠、科研项目资助等，鼓励企业加大技术创新投入，提高技术创新能力。这些政策措施为高技术制造业的发展提供了有力的支持，促进了技术创新绩效的提升。相比之下，传统制造业得到的政策支持相对较少，在技术创新方面面临更大的困难。5.3区域差异分析我国制造业技术创新绩效存在显著的区域差异，东部、中部、西部和东北地区在技术创新投入、产出以及绩效水平等方面呈现出不同的特点。东部地区作为我国经济最发达的区域，制造业技术创新绩效表现突出。以长三角、珠三角和京津冀地区为代表，该地区拥有丰富的科技资源、完善的产业配套体系和优越的创新环境。在技术创新投入方面，东部地区研发投入强度高，研发人员数量多且素质高，政府对科技的支持力度大，产学研合作紧密。在研发经费投入上，2023年广东省制造业研发经费投入达到5000亿元，占全省GDP的3.2%，远高于全国平均水平。在产出方面，东部地区专利申请与授权数量、新产品销售收入、技术市场成交合同金额等指标均位居全国前列。2023年，广东省制造业专利申请量达到80万件，新产品销售收入达到4万亿元，技术市场成交合同金额达到3000亿元。东部地区的高技术制造业发展迅速，如电子信息、生物医药、高端装备制造等产业，在全球产业链中占据重要地位。这些产业技术创新活跃，企业创新能力强，能够快速将技术创新成果转化为实际生产力，推动产业升级和经济增长。中部地区制造业技术创新绩效处于中等水平。该地区产业基础较为雄厚，在装备制造、汽车制造、有色金属等传统制造业领域具有一定优势。近年来，中部地区加大了对制造业技术创新的投入，积极推动产业转型升级。在研发投入方面，中部地区研发投入强度不断提高，研发人员数量稳步增长。2023年，湖北省制造业研发投入强度达到2.8%，研发人员数量达到50万人。在技术创新产出方面，中部地区取得了一定的成绩，专利申请与授权数量、新产品销售收入等指标逐年增长。2023年，湖北省制造业专利申请量达到30万件，新产品销售收入达到1.5万亿元。然而，与东部地区相比，中部地区在科技资源、创新环境和创新能力等方面仍存在一定差距。在高端人才储备、科研机构数量和质量、创新服务体系完善程度等方面，中部地区相对薄弱，制约了技术创新绩效的进一步提升。西部地区制造业技术创新绩效相对较低。该地区经济发展水平相对落后，科技资源匮乏，创新环境有待改善。在技术创新投入方面，西部地区研发投入强度较低，研发人员数量不足且素质有待提高，政府对科技的支持力度相对较小，产学研合作不够紧密。2023年，甘肃省制造业研发投入强度仅为1.8%，研发人员数量为15万人。在产出方面，西部地区专利申请与授权数量、新产品销售收入、技术市场成交合同金额等指标相对较少。2023年，甘肃省制造业专利申请量为8万件，新产品销售收入为5000亿元，技术市场成交合同金额为800亿元。西部地区的制造业以传统产业为主，产业结构单一，技术水平落后，创新能力不足，在市场竞争中面临较大压力。东北地区是我国重要的老工业基地，制造业在国民经济中占据重要地位。然而，近年来东北地区制造业发展面临困境，技术创新绩效有待提高。在技术创新投入方面，东北地区研发投入强度不高，研发人员流失严重，政府对科技的支持力度有限，产学研合作不够顺畅。2023年，辽宁省制造业研发投入强度为2.2%，研发人员数量较上年减少5%。在产出方面，东北地区专利申请与授权数量、新产品销售收入等指标增长缓慢。2023年，辽宁省制造业专利申请量为20万件，新产品销售收入为1万亿元，与东部地区相比差距较大。东北地区制造业存在产业结构不合理、企业创新动力不足、体制机制僵化等问题，制约了技术创新绩效的提升。区域经济发展水平、政策环境、产业结构和科技资源等因素对制造业技术创新绩效的区域差异产生了重要影响。经济发展水平较高的地区，通常拥有更多的资源用于技术创新，能够吸引和留住高素质的研发人才，提供更好的创新基础设施和服务，从而促进技术创新绩效的提升。东部地区经济发达，企业盈利能力强，有更多的资金投入到研发中，同时能够吸引国内外优秀人才，为技术创新提供了有力的支持。政策环境对制造业技术创新绩效也具有重要影响，政府通过制定和实施鼓励技术创新的政策，如财政补贴、税收优惠、科研项目资助等，能够激发企业的创新积极性，提高技术创新绩效。东部地区政府对制造业技术创新的支持力度大，出台了一系列优惠政策，促进了企业的技术创新活动。产业结构也是影响制造业技术创新绩效区域差异的重要因素。高技术制造业和战略性新兴产业技术含量高、创新速度快，对技术创新的要求也更高，其技术创新绩效通常优于传统制造业。东部地区高技术制造业和战略性新兴产业占比较高，产业结构优化升级较快，从而推动了技术创新绩效的提升。而西部地区和东北地区传统制造业占比较大，产业结构调整难度较大，技术创新绩效相对较低。科技资源的丰富程度和配置效率直接影响制造业技术创新绩效。拥有丰富的科研机构、高校和科技人才资源，能够为制造业技术创新提供强大的智力支持和技术支撑。东部地区科研机构和高校众多，科技人才集聚，科技资源配置效率高，有利于技术创新的开展。而西部地区和东北地区科技资源相对匮乏，科技资源配置效率较低，制约了技术创新绩效的提高。六、影响因素分析6.1内部因素制造业技术创新绩效受到多种内部因素的综合影响，这些因素相互作用，共同决定了企业在技术创新方面的成效。企业研发投入强度是影响技术创新绩效的关键因素之一。研发投入为技术创新提供了物质基础和资源保障，充足的研发资金能够支持企业开展前沿技术研究、新产品开发和工艺改进等创新活动。如华为公司，多年来持续保持高研发投入强度，2023年研发投入达到2000亿元，占营业收入的15%，这使得华为在5G通信技术、芯片研发等领域取得了众多关键技术突破，专利申请数量和授权数量位居行业前列，新产品销售收入不断增长，技术创新绩效显著提升。研发投入强度与技术创新绩效之间存在显著的正相关关系，研发投入强度越高，企业越有可能获得更多的创新成果，提升技术创新绩效。加大研发投入强度，能够增加企业的创新资源，提高创新能力，促进技术创新绩效的提升。创新管理水平对技术创新绩效也有着重要影响。有效的创新管理能