基于DEA模型的合肥市创新型企业创新效率剖析与提升路径探索

基于DEA模型的合肥市创新型企业创新效率剖析与提升路径探索一、引言1.1研究背景与意义在全球经济一体化和科技飞速发展的时代，创新已成为推动国家和地区经济增长的核心动力。创新型企业作为创新的关键主体，对于提升区域创新能力、促进产业升级和经济结构调整发挥着重要作用。合肥市作为中国重要的科技创新城市，近年来在创新型企业的培育和发展方面取得了显著成就。政府出台了一系列政策措施，大力支持创新型企业的发展，吸引了大量的创新资源集聚。众多创新型企业在合肥这片土地上蓬勃发展，涵盖了人工智能、新能源、生物医药等多个战略性新兴产业领域。研究合肥市创新型企业的创新效率具有重要的现实意义。对于企业自身而言，准确评估创新效率有助于企业识别自身在创新过程中的优势与不足，进而针对性地优化创新资源配置，提高创新投入产出比，增强企业的核心竞争力，实现可持续发展。从地区经济发展的角度来看，了解创新型企业的创新效率状况，能够为政府制定科学合理的创新政策提供依据，引导资源向高效创新企业倾斜，促进区域创新生态的优化，推动合肥市经济高质量发展，提升合肥在全国乃至全球创新版图中的地位。1.2研究目的与方法本研究旨在运用数据包络分析（DEA）方法，对合肥市创新型企业的创新效率进行全面、深入的评价。通过构建科学合理的创新效率评价指标体系，收集相关数据并进行实证分析，测算出合肥市创新型企业的创新效率值，明确不同企业在创新效率方面的差异。同时，深入分析影响创新效率的关键因素，为提高合肥市创新型企业的创新效率提供切实可行的建议和对策。在研究方法上，主要采用DEA方法。DEA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效率评价问题，非常适合用于创新型企业创新效率的评估。在数据收集方面，通过多种渠道广泛收集合肥市创新型企业的相关数据，包括企业的研发投入、人员投入、专利申请量、新产品销售收入等信息。数据来源涵盖企业年报、政府统计部门发布的数据、相关行业数据库以及实地调研等。在数据处理过程中，对收集到的数据进行清洗、整理和标准化处理，以确保数据的准确性和可靠性，为后续的DEA模型运算提供高质量的数据支持。1.3研究内容与框架本研究主要内容包括以下几个方面：首先，构建合肥市创新型企业创新效率评价指标体系，从创新投入和创新产出两个维度选取合适的指标，如创新投入指标包括研发经费投入、研发人员投入等，创新产出指标包括专利授权量、新产品产值等，确保指标体系能够全面、准确地反映企业的创新效率。其次，运用DEA模型对合肥市创新型企业的创新效率进行测算和分析，通过模型运算得出各企业的创新效率值，并对结果进行深入解读，分析不同企业创新效率差异的原因。然后，探讨影响合肥市创新型企业创新效率的因素，从企业内部因素如研发管理水平、创新文化等，以及外部因素如政策环境、市场竞争等方面进行综合分析。最后，根据研究结果提出提升合肥市创新型企业创新效率的对策建议，包括企业自身的创新管理优化策略、政府的政策支持措施等。论文整体框架如下：第一章为引言，阐述研究背景、意义、目的、方法、内容和框架。第二章为相关理论与文献综述，介绍创新型企业的概念、特征，以及DEA方法的原理和在创新效率评价中的应用，同时对国内外相关研究文献进行梳理和总结。第三章构建合肥市创新型企业创新效率评价指标体系，详细说明指标选取的原则、依据和具体指标内容。第四章运用DEA模型进行实证分析，展示数据收集、处理过程，以及模型运算结果和分析。第五章深入分析影响创新效率的因素。第六章提出提升创新效率的对策建议。第七章为研究结论与展望，总结研究成果，指出研究的不足之处，并对未来研究方向进行展望。二、理论基础与研究综述2.1DEA方法概述数据包络分析（DataEnvelopmentAnalysis，DEA）是由著名运筹学家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。DEA方法的基本原理是将每个被评价对象视为一个决策单元（DecisionMakingUnit，DMU），通过对多个DMU的投入产出数据进行分析，构建生产前沿面，进而评价各DMU的相对效率。它无需预先设定生产函数的具体形式，避免了因函数设定不当而带来的误差，能够有效处理多投入多产出的复杂系统效率评价问题。在DEA方法中，有多种常用模型，其中CCR（Charnes-Cooper-Rhodes）模型和BCC（Banker-Charnes-Cooper）模型最为经典。CCR模型假设决策单元处于固定规模报酬（ConstantReturnstoScale，CRS）情形下，它主要衡量的是决策单元的总体效率，即综合考虑了技术效率和规模效率，通过线性规划求解，得到各决策单元在生产前沿面上的投影，从而判断其是否有效。若某决策单元的效率值为1，则表明该单元在现有投入下达到了最大产出，处于技术和规模有效状态；若效率值小于1，则说明该单元存在投入冗余或产出不足的情况，需要进行改进。BCC模型则假设决策单元处于变动规模报酬（VariableReturnstoScale，VRS）情形下，它将总体效率进一步分解为纯技术效率（PureTechnicalEfficiency，PTE）和规模效率（ScaleEfficiency，SE）。纯技术效率反映的是决策单元在当前生产技术水平下，对投入资源的利用效率，不考虑规模因素的影响；规模效率则衡量的是决策单元是否处于最优生产规模。通过BCC模型，可以更深入地了解决策单元效率低下的原因，是由于技术水平不足导致的纯技术效率问题，还是由于规模不合理导致的规模效率问题。DEA方法在创新效率评价中具有显著优势。首先，它能够处理多投入多产出的复杂系统，创新活动涉及到人力、物力、财力等多种投入，以及专利、新产品等多种产出，DEA方法能够全面地考虑这些因素，准确地评价创新效率。其次，DEA方法无需预先设定投入产出之间的函数关系，避免了主观因素对评价结果的影响，使得评价结果更加客观、可靠。此外，DEA方法还能够通过投影分析，找出非有效决策单元的投入冗余和产出不足情况，为企业改进创新效率提供具体的参考依据，具有很强的实践指导意义。2.2企业创新效率相关理论创新理论最早由美籍奥地利经济学家约瑟夫・熊彼特（JosephAloisSchumpeter）在1912年提出，他认为创新是指把一种新的生产要素和生产条件的“新结合”引入生产体系，包括引入新产品、采用新生产方法、开辟新市场、获得新原料来源和实现新组织形式等五种情况。创新理论强调了创新在经济发展中的核心作用，企业通过创新能够打破原有的市场均衡，获得超额利润，推动产业结构升级和经济增长。对于企业创新效率而言，创新理论提供了重要的理论基础，它促使企业不断寻求新的创新机会和创新方式，提高创新产出，从而提升创新效率。资源基础理论认为，企业是由一系列独特的资源和能力所组成的集合体，这些资源和能力是企业竞争优势的来源。企业的创新活动离不开各种资源的投入，如研发资金、技术人才、知识储备等，资源的数量和质量直接影响着企业的创新能力和创新效率。优质的研发团队能够提出更具创新性的想法，充足的研发资金能够保证创新项目的顺利开展，丰富的知识储备能够为创新提供更多的思路和灵感。同时，企业对资源的整合和利用能力也至关重要，只有将各种资源进行有效的配置和协同运作，才能提高资源的利用效率，进而提升创新效率。内生增长理论则强调技术进步是经济增长的内生变量，而不是外生给定的。该理论认为，企业的创新活动能够促进技术进步，而技术进步又会反过来推动企业的创新效率提升。企业通过持续的研发投入，不断开发新的技术和产品，提高生产效率，降低生产成本，从而在市场竞争中占据优势地位。同时，技术进步还会带来知识的积累和溢出效应，企业可以利用这些知识进一步优化创新流程，提高创新效率，形成一个良性的循环。2.3国内外研究现状在国外，关于企业创新效率的研究起步较早，研究成果也较为丰富。学者们运用多种方法对不同国家、不同行业的企业创新效率进行了广泛的研究。在评价方法上，DEA方法、随机前沿分析（SFA）等被广泛应用。如一些研究运用DEA方法对制造业企业的创新效率进行评价，分析了不同企业在创新投入产出方面的效率差异，并探讨了影响创新效率的因素，包括企业规模、市场竞争程度、研发投入强度等。在影响因素研究方面，发现企业的研发投入强度与创新效率呈正相关关系，即研发投入越多，创新效率越高；市场竞争程度也对创新效率有显著影响，适度的竞争能够激发企业的创新动力，提高创新效率。国内学者对企业创新效率的研究也日益深入。在评价方面，同样采用DEA等方法对各类企业进行研究，涵盖了高新技术企业、制造业企业、中小企业等多个领域。有研究通过构建DEA模型，对我国高新技术企业的创新效率进行测算，发现不同地区的高新技术企业创新效率存在较大差异，东部地区企业的创新效率普遍高于中西部地区。在影响因素方面，研究表明除了企业内部的研发投入、人才素质等因素外，外部的政策环境、金融支持等也对企业创新效率有着重要影响。政府出台的鼓励创新的政策，如税收优惠、财政补贴等，能够有效激励企业增加创新投入，提高创新效率；良好的金融支持体系，如风险投资、科技信贷等，能够为企业创新提供资金保障，促进创新活动的开展。然而，针对合肥市创新型企业创新效率的研究相对较少。现有研究主要集中在对合肥市整体创新能力的分析，对于创新型企业这一特定群体的创新效率评价和深入分析还不够充分。在评价指标体系的构建上，缺乏对合肥市创新型企业特点的充分考虑，未能全面、准确地反映企业的创新效率。在影响因素研究方面，对合肥市创新型企业所处的独特政策环境、产业基础等因素的研究不够深入，无法为提升合肥市创新型企业创新效率提供针对性强的建议和对策。因此，开展对合肥市创新型企业创新效率的研究具有重要的理论和实践意义，能够丰富和完善相关领域的研究，为合肥市创新型企业的发展提供有力的支持。三、合肥市创新型企业发展现状3.1政策支持与产业布局近年来，合肥市高度重视创新型企业的培育与发展，出台了一系列具有针对性和实效性的政策措施，为创新型企业营造了良好的发展环境。2023年发布的《2023年合肥市科技创新产业政策实施细则》，针对研发机构建设、研发投入、科技成果转化等创新发展的关键环节，提出了一系列“真金白银”的政策支持。在研发机构建设方面，支持建设国家技术创新中心，按国家拨付资金给予1∶1配套补贴；对新认定的省级技术创新中心，给予50万元的一次性补助，且均可纳入“免审即享”政策。在激励加大研发投入上，对于市科技重大专项项目，遴选一批突破重大关键核心技术项目，依法通过“定向委托”“揭榜攻坚”等方式，给予最高1000万元补贴；对于关键共性技术研发项目，通过“竞争赛马”等方式，对产业共性技术瓶颈项目给予30万元至200万元支持。合肥经济技术开发区于2024年3月发布的《合肥经济技术开发区支持产业创新研发政策（暂行）》，旨在强化企业创新主体地位，激发产业创新研发活力。该政策明确支持范围为工商注册、税务征管及统计关系在开发区，具有法人资格并实行独立核算的企业，且企业需管理规范，无科研严重失信等不良记录。享受政策的企业研发领域需符合开发区“3+6”产业链领域方向，如集成电路、新能源汽车、生物医药等三大战新产业，以及智能家电、高端装备制造等六大主导产业，同时涵盖战略性新兴产业重点发展方向和未来产业发展的前沿性技术需求。政策规定，对符合条件的企业，按照企业内部核心研发投入的20%给予最高不超过100万元人民币的奖补。这些政策从资金支持、研发方向引导等多方面，为创新型企业的发展提供了有力保障，吸引了众多企业加大创新投入，积极开展创新活动。在产业布局方面，合肥市创新型企业呈现出多元化、集群化的发展态势。在战略性新兴产业领域，合肥市已形成了以人工智能、新能源汽车、集成电路、生物医药等为代表的产业集群。以人工智能产业为例，依托科大讯飞等龙头企业，吸引了大量上下游企业集聚，形成了从基础研究、技术开发到应用场景拓展的完整产业链。在新能源汽车产业，合肥市拥有江淮汽车、蔚来汽车等知名企业，围绕整车制造，聚集了电池、电机、电控等关键零部件企业，产业规模不断扩大，创新能力持续提升。在传统产业领域，如家电、装备制造等，创新型企业也在不断进行技术改造和创新升级，推动传统产业向高端化、智能化、绿色化方向发展。美的、格力等家电企业在合肥设立研发中心，加大智能家电技术研发投入，推出了一系列具有创新性的产品，提升了产品附加值和市场竞争力。这些产业布局特点，使得合肥市创新型企业在不同领域发挥各自优势，相互促进，共同推动了合肥市经济的高质量发展。3.2创新型企业发展规模与结构合肥市创新型企业在数量、资产规模和人员规模等方面均呈现出良好的发展态势。在数量上，近年来合肥市创新型企业数量持续增长。截至2023年，合肥市净增国家高新技术企业1994户，总数达到8406户，国家科技型中小企业突破1.1万户，实现两年翻番。这些数据表明合肥市在创新型企业培育方面取得了显著成效，创新型企业群体不断壮大。从资产规模来看，不同规模的创新型企业并存。既有像科大讯飞、江淮汽车这样资产规模庞大、在行业内具有重要影响力的大型企业，也有众多处于成长阶段、资产规模相对较小但发展潜力巨大的中小企业。大型企业凭借雄厚的资金实力、丰富的技术积累和广泛的市场渠道，在创新投入和产出方面具有明显优势，能够承担大型科研项目，开展前沿技术研究，引领行业技术发展方向。以科大讯飞为例，其在人工智能领域的研发投入持续增加，不断推出具有创新性的语音识别、自然语言处理等技术和产品，在国内外市场占据重要地位。中小企业则以其灵活性和创新性，在细分领域深耕细作，通过差异化竞争，为市场提供特色化的产品和服务，成为创新型企业群体的重要组成部分。许多科技型中小企业专注于某一特定技术或产品领域，如一些专注于生物医药研发的企业，虽然资产规模相对较小，但凭借独特的技术优势，在新药研发、医疗器械创新等方面取得了不少成果。在行业结构方面，创新型企业分布广泛。在战略性新兴产业中，人工智能、新能源汽车、集成电路、生物医药等行业的创新型企业数量不断增加，发展迅速。在人工智能领域，除了科大讯飞外，还涌现出一批专注于人工智能应用开发的企业，如在智能安防、智能家居、智能教育等领域的企业，它们利用人工智能技术，开发出一系列具有创新性的应用产品，满足了市场多样化的需求。在新能源汽车行业，随着新能源汽车市场的快速发展，合肥市相关创新型企业不断加大研发投入，提升产品性能和质量，产业规模不断扩大。在传统产业中，家电、装备制造等行业的创新型企业也在积极转型升级，通过技术创新和管理创新，提高企业竞争力。美的、格力等家电企业通过智能化改造，推出智能家电产品，实现了产品的升级换代；装备制造企业则加大对高端装备研发的投入，提高装备的智能化、自动化水平。不同行业的创新型企业相互促进，共同推动了合肥市产业结构的优化升级。3.3创新投入与产出情况合肥市创新型企业在创新投入方面表现出较高的积极性和强度。在研发投入上，2023年合肥市全社会研发投入达到469.5亿元，其中各类企业研发投入327亿元，占比70%。这表明企业已成为创新投入的主体，企业对创新的重视程度不断提高。以大恒能源为例，作为一家专注于太阳能光伏组件研发与制造、光伏电站建设与运维服务的高新技术企业，过去一年在合肥持续加大研发投入，用于新产品与技术研发以及新产线、设备的升级。在人员投入方面，创新型企业不断吸引和培养高素质的创新人才。许多企业建立了完善的人才培养和引进机制，通过提供具有竞争力的薪酬待遇、良好的工作环境和广阔的发展空间，吸引了大量优秀的科研人才和技术人才。据统计，合肥企业50强中34户企业上报拥有研发人员19561人，比上年增长4%。这些研发人员为企业的创新活动提供了智力支持，推动了企业技术创新的不断发展。在创新产出方面，合肥市创新型企业取得了丰硕的成果。在专利申请与授权方面，2024年合肥市万人发明专利拥有量为82.7件，跻身省会城市第5位。这反映出合肥市创新型企业在技术创新方面的实力不断增强，拥有了更多的自主知识产权。在新产品收入方面，企业通过创新推出了一系列具有市场竞争力的新产品，实现了新产品销售收入的快速增长。2009年，安徽省规模以上工业企业实现新产品产值突破千亿元大关，达1008亿元，这其中合肥市创新型企业发挥了重要作用。许多创新型企业通过持续的研发投入，开发出具有创新性的新产品，满足了市场的新需求，开拓了新的市场空间，为企业带来了新的增长点。这些创新产出成果不仅体现了合肥市创新型企业的创新能力，也为企业的可持续发展和合肥市经济的增长提供了有力支撑。四、研究设计4.1评价指标体系构建评价指标体系的构建是准确评估合肥市创新型企业创新效率的关键环节。在指标选取过程中，严格遵循科学性、全面性、代表性、可操作性以及动态性等原则。科学性原则要求所选指标能够准确反映创新效率的内涵和本质特征，基于科学的理论和方法进行筛选。全面性原则确保指标体系涵盖创新活动的各个方面，包括创新投入、创新过程和创新产出等，避免遗漏重要信息。代表性原则强调选取的指标应具有典型性，能够突出反映创新型企业的特点和创新效率的关键因素，避免指标之间的重复和冗余。可操作性原则保证指标的数据易于获取和计算，能够在实际研究中有效应用，指标的定义和计算方法明确清晰。动态性原则考虑到创新活动的不断发展和变化，指标体系应具有一定的灵活性，能够适应不同时期和环境下的创新效率评价。基于上述原则，从创新投入和创新产出两个维度选取指标。在创新投入方面，选择研发人员数量和研发经费投入作为主要指标。研发人员是创新活动的核心力量，其数量和质量直接影响企业的创新能力和效率。研发经费投入则为创新活动提供物质保障，充足的研发资金能够支持企业开展各类创新项目，购买先进的科研设备和技术资料，吸引优秀的科研人才，促进创新成果的产生。以科大讯飞为例，其拥有大量高素质的研发人员，持续投入高额的研发经费，不断推出具有创新性的语音识别、自然语言处理等技术和产品，在市场竞争中占据优势地位。在创新产出方面，选取专利申请数和新产品销售收入作为关键指标。专利申请数是衡量企业技术创新成果的重要指标，反映了企业在技术研发方面的创新能力和成果积累。新产品销售收入则体现了企业创新成果的市场转化能力，表明企业通过创新推出的新产品在市场上获得的认可和经济效益。例如，一些生物医药创新型企业，通过研发投入获得了多项专利技术，将这些技术转化为新产品后，实现了新产品销售收入的快速增长，为企业带来了丰厚的利润。这些指标的选取能够较为全面、准确地反映合肥市创新型企业的创新效率，为后续的DEA模型分析提供有力的数据支持。4.2数据来源与样本选取本研究的数据来源主要包括以下几个方面：一是合肥市统计年鉴，该年鉴涵盖了合肥市各行业、各领域的经济、社会等方面的统计数据，能够提供关于创新型企业的宏观数据信息，如合肥市整体的研发投入、产出情况等，为研究提供了重要的背景数据。二是企业年报，通过收集创新型企业的年报，能够获取企业详细的财务数据、研发投入数据、创新产出数据等，这些数据直接反映了企业的运营和创新情况。以合肥的一些上市创新型企业为例，其年报中详细披露了研发费用、专利申请数量、新产品销售数据等信息，为研究提供了丰富的一手资料。三是政府部门发布的相关统计数据，如合肥市科技局、经信委等部门发布的关于创新型企业的认定、扶持政策以及企业创新发展的统计数据，这些数据具有权威性和针对性，能够为研究提供准确的信息。此外，还通过实地调研、企业访谈等方式获取部分数据，以补充和验证其他渠道获取的数据。在样本选取方面，首先确定了研究对象为合肥市的创新型企业。为了确保样本的代表性和有效性，制定了以下标准：企业需被认定为创新型企业，具有明确的创新活动和创新成果。企业应具备完整的财务数据和创新相关数据，以便进行准确的分析和计算。企业在研究期间内正常运营，无重大经营异常或财务风险。根据这些标准，从合肥市众多创新型企业中筛选出了[X]家企业作为研究样本。在筛选过程中，对企业的数据进行了严格的审核和验证，确保数据的真实性和可靠性。对于数据缺失或异常的企业，通过进一步的调查和补充，尽可能完善数据。经过筛选和处理，最终确定的样本企业涵盖了合肥市不同行业、不同规模的创新型企业，能够较好地代表合肥市创新型企业的整体情况，为后续的研究提供了坚实的数据基础。4.3DEA模型选择与应用在本研究中，选择BCC（Banker-Charnes-Cooper）模型作为评价合肥市创新型企业创新效率的主要模型。BCC模型假设决策单元处于变动规模报酬（VariableReturnstoScale，VRS）情形下，这与创新型企业的实际运营情况更为相符。在现实中，创新型企业的规模报酬并非固定不变，随着企业的发展和创新投入的变化，其规模报酬可能会呈现递增、递减或不变的情况。BCC模型能够将总体效率进一步分解为纯技术效率（PureTechnicalEfficiency，PTE）和规模效率（ScaleEfficiency，SE），通过这种分解，可以更深入地了解企业创新效率低下的原因，究竟是由于技术水平不足导致的纯技术效率问题，还是由于规模不合理导致的规模效率问题。例如，对于一些处于初创期的创新型企业，虽然其技术创新能力较强，但由于规模较小，可能存在规模效率较低的情况；而对于一些发展成熟的企业，可能由于技术更新缓慢，导致纯技术效率下降。BCC模型的计算过程基于线性规划方法。假设有n个决策单元（DMU），每个DMU有m种投入和s种产出。对于第j个决策单元，其投入向量为x_j=(x_{1j},x_{2j},...,x_{mj})^T，产出向量为y_j=(y_{1j},y_{2j},...,y_{sj})^T。通过构建线性规划模型，求解出每个决策单元的效率值\theta_j。在求解过程中，需要满足一系列约束条件，包括投入产出的非负性约束、凸性假设条件等。具体的线性规划模型如下：\begin{align*}min\\theta_j\\s.t.\\sum_{i=1}^{n}\lambda_iy_{ir}-s_{r}^{+}&=\theta_jy_{jr},r=1,2,\cdots,s\\\sum_{i=1}^{n}\lambda_ix_{ik}+s_{k}^{-}&=\theta_jx_{jk},k=1,2,\cdots,m\\\sum_{i=1}^{n}\lambda_i&=1\\\lambda_i&\geq0,i=1,2,\cdots,n\\s_{r}^{+}&\geq0,r=1,2,\cdots,s\\s_{k}^{-}&\geq0,k=1,2,\cdots,m\end{align*}其中，\lambda_i为权重系数，s_{r}^{+}和s_{k}^{-}分别为松弛变量，表示产出不足和投入冗余的程度。通过求解上述模型，可以得到每个决策单元的效率值\theta_j，以及对应的纯技术效率和规模效率。当\theta_j=1且s_{r}^{+}=s_{k}^{-}=0时，表明该决策单元处于DEA有效状态，即技术和规模都达到了最优效率；当\theta_j=1但s_{r}^{+}\neq0或s_{k}^{-}\neq0时，决策单元为弱DEA有效，存在投入冗余或产出不足的情况；当\theta_j\lt1时，决策单元为非DEA有效，需要对投入产出进行优化改进。通过BCC模型的计算和分析，可以全面、深入地了解合肥市创新型企业的创新效率状况，为后续的分析和建议提供有力的依据。五、实证结果与分析5.1创新效率测算结果运用DEAP2.1软件，将整理好的合肥市创新型企业投入产出数据代入BCC模型进行运算，得到各企业的综合效率（TE）、纯技术效率（PTE）和规模效率（SE）值，具体测算结果如下表所示（部分企业数据展示）：企业名称综合效率（TE）纯技术效率（PTE）规模效率（SE）规模报酬企业A1.0001.0001.000不变企业B0.8500.9000.944递增企业C0.7500.7501.000递减企业D0.6000.6500.923递增从综合效率来看，在选取的[X]家样本企业中，综合效率值为1的企业有[X1]家，占比[X1/X100%]，这些企业处于DEA有效状态，意味着它们在现有投入水平下实现了最大产出，创新资源得到了有效配置。如企业A，其综合效率、纯技术效率和规模效率均为1，说明该企业在技术水平和规模利用方面都达到了最优状态，能够高效地将创新投入转化为创新产出。而综合效率值小于1的企业有[X-X1]家，占比[(X-X1)/X100%]，这些企业存在不同程度的创新效率改进空间，需要对投入产出进行优化。在纯技术效率方面，纯技术效率值为1的企业有[X2]家，占比[X2/X*100%]，表明这些企业在当前技术水平下，对创新资源的利用是有效的，技术管理和运营能力较强。然而，仍有部分企业纯技术效率值小于1，反映出这些企业在技术应用、研发管理等方面存在不足，未能充分发挥现有技术的潜力，需要加强技术创新能力和管理水平的提升。规模效率方面，规模效率值为1的企业有[X3]家，占比[X3/X*100%]，这些企业处于最优规模状态，规模效益得到了充分发挥。规模效率小于1的企业，说明其规模未达到最优，可能存在规模过大或过小的问题，需要调整企业规模，以提高规模效率。从规模报酬情况来看，处于规模报酬递增阶段的企业有[X4]家，这类企业增加投入会带来更大比例的产出增长，应适当扩大规模；处于规模报酬递减阶段的企业有[X5]家，表明企业投入的增加未能带来相应比例的产出增加，需要缩减规模，优化资源配置。5.2效率分析与比较对不同行业的创新型企业创新效率进行分析，发现存在显著差异。在战略性新兴产业中，人工智能行业的企业平均综合效率为0.85，纯技术效率为0.88，规模效率为0.97。以科大讯飞为代表的人工智能企业，凭借在技术研发和人才储备方面的优势，纯技术效率较高，但由于行业竞争激烈，市场扩张速度较快，部分企业在规模扩张过程中未能及时实现规模效益的最大化，导致规模效率有待进一步提升。新能源汽车行业的企业平均综合效率为0.82，纯技术效率为0.85，规模效率为0.96。随着新能源汽车市场的快速发展，企业不断加大研发投入和产能扩张，但在技术创新成果转化和市场份额拓展方面，还存在一定的提升空间，导致综合效率尚未达到最优。在传统产业中，家电行业的企业平均综合效率为0.78，纯技术效率为0.80，规模效率为0.98。虽然家电行业的企业在规模利用方面表现较好，但在技术创新投入产出方面相对较弱，需要加强技术研发和创新管理，以提高纯技术效率和综合效率。装备制造行业的企业平均综合效率为0.75，纯技术效率为0.78，规模效率为0.96。装备制造行业的技术创新周期较长，研发投入较大，部分企业在技术创新和规模扩张的平衡方面存在问题，导致创新效率不高。不同规模的企业创新效率也存在差异。大型企业的平均综合效率为0.88，纯技术效率为0.90，规模效率为0.98。大型企业凭借雄厚的资金实力、丰富的技术资源和完善的创新体系，在创新投入和产出方面具有明显优势，能够有效利用规模经济，提高创新效率。然而，部分大型企业由于组织架构复杂，决策流程较长，在技术创新的灵活性和响应速度方面存在不足，影响了纯技术效率的进一步提升。中小企业的平均综合效率为0.75，纯技术效率为0.78，规模效率为0.96。中小企业虽然在创新灵活性和市场适应性方面具有一定优势，但由于资金、人才等资源相对匮乏，创新投入能力有限，导致创新效率相对较低。同时，中小企业在规模扩张过程中，也面临着管理经验不足、市场渠道有限等问题，影响了规模效率的提升。将合肥市创新型企业与其他地区进行对比，以长三角地区的上海、南京等城市为例，上海创新型企业的平均综合效率为0.90，南京为0.87，而合肥市为0.80。与这些城市相比，合肥市创新型企业在创新效率方面存在一定差距。在创新投入方面，上海、南京等城市的企业能够吸引更多的高端创新人才和大量的研发资金，为创新活动提供了更坚实的保障。在创新产出方面，这些城市的企业在专利质量、新产品市场占有率等方面表现更为突出，创新成果的转化和商业化能力更强。然而，合肥市创新型企业在某些新兴产业领域，如量子通信、人工智能等，具有独特的技术优势和创新潜力，随着产业的不断发展和创新生态的完善，有望缩小与其他地区的差距。5.3投影分析与改进建议对非DEA有效的企业进行投影分析，以企业B为例，其研发人员投入冗余量为[具体数值1]人，研发经费投入冗余量为[具体数值2]万元，专利申请数产出不足量为[具体数值3]件，新产品销售收入产出不足量为[具体数值4]万元。这表明企业B在研发人员和研发经费的投入上存在浪费现象，未能充分发挥这些资源的作用，导致投入冗余；在创新产出方面，专利申请数和新产品销售收入未达到有效水平，存在产出不足的问题。通过投影分析，得到企业B的改进方向为：减少研发人员投入[具体数值1]人，降低研发经费投入[具体数值2]万元，同时优化研发资源配置，提高创新产出效率，使专利申请数增加[具体数值3]件，新产品销售收入增加[具体数值4]万元，以达到DEA有效状态。基于投影分析结果，为非DEA有效的企业提出以下改进建议：在投入方面，企业应加强研发资源的精细化管理。对于研发人员，要优化人员结构，根据创新项目的需求，合理配置不同专业、不同层次的研发人员，避免人员冗余。同时，加强对研发人员的培训和激励机制，提高研发人员的工作效率和创新积极性。在研发经费使用上，建立严格的预算管理制度，加强对经费使用的监督和评估，确保研发经费的合理使用，提高资金使用效率。在产出方面，企业要强化创新成果转化能力。加大对专利申请和维护的投入，提高专利质量，加强专利的商业化应用，将专利技术转化为实际生产力。对于新产品，要加强市场调研，了解市场需求，优化产品设计和营销策略，提高新产品的市场竞争力，扩大新产品销售收入。此外，政府应加强对创新型企业的政策支持，提供税收优惠、财政补贴等政策，鼓励企业加大创新投入，提高创新效率。同时，完善创新服务体系，搭建产学研合作平台，促进创新资源的共享和协同创新，为企业创新创造良好的外部环境。六、创新效率影响因素分析6.1内部因素分析企业研发投入强度是影响创新效率的关键内部因素之一。研发投入为企业创新提供物质基础和资源保障，高强度的研发投入能够支持企业开展前沿技术研究、新产品开发等创新活动。当企业加大研发经费投入时，可购置先进的科研设备，吸引高端科研人才，开展更多高难度的科研项目，从而提高创新产出的可能性。例如，科大讯飞在人工智能领域持续保持高研发投入强度，不断攻克语音识别、自然语言处理等核心技术难题，推出一系列具有创新性的产品和解决方案，在市场竞争中占据领先地位，其创新效率显著高于行业平均水平。然而，研发投入强度并非越高越好，若投入过度，可能导致资源浪费，影响企业的经济效益和创新效率。当企业研发投入超出自身实际需求和承受能力时，可能出现资金周转困难，部分研发项目无法有效推进，从而降低创新效率。因此，企业需根据自身发展战略和实际情况，合理确定研发投入强度，以实现创新效率的最大化。人才素质对企业创新效率有着直接而重要的影响。高素质的人才具备丰富的专业知识、创新思维和实践能力，能够为企业创新提供智力支持。拥有高学历、丰富行业经验的研发人员，能够快速掌握前沿技术，提出创新性的想法，并将其转化为实际的创新成果。例如，在生物医药领域，高端人才凭借其专业知识和技能，能够进行新药研发、临床试验等关键工作，推动企业创新发展。同时，人才的团队协作能力也至关重要。创新往往需要跨部门、跨专业的团队合作，良好的团队协作能够促进知识共享、优势互补，提高创新效率。当不同专业背景的人才能够高效协作时，能够整合多方面的资源和思路，加速创新项目的推进。反之，若人才素质不高，或团队协作存在问题，将制约企业创新效率的提升。创新文化是企业创新的灵魂，对创新效率的影响深远。积极的创新文化能够营造鼓励创新、宽容失败的氛围，激发员工的创新热情和创造力。在具有创新文化的企业中，员工敢于提出新的想法和建议，勇于尝试新技术、新方法，企业也会为员工提供创新的机会和资源。例如，谷歌公司以其独特的创新文化著称，鼓励员工自由探索、大胆创新，为员工提供宽松的工作环境和丰富的资源支持，使得员工能够充分发挥自己的创造力，公司不断推出具有创新性的产品和服务，创新效率极高。相反，保守的企业文化会抑制员工的创新积极性，阻碍创新效率的提高。若企业过于强调传统和规范，对新想法和新尝试持否定态度，员工的创新热情将受到打击，企业的创新活力也会逐渐丧失。组织管理模式对企业创新效率有着重要的调节作用。合理的组织管理模式能够优化创新流程，提高创新资源的配置效率。扁平化的组织管理模式能够减少层级，加快信息传递速度，使企业能够快速响应市场变化和创新需求。当企业采用扁平化管理时，基层员工能够直接与高层沟通，创新想法能够迅速得到反馈和支持，创新项目的决策和执行效率大大提高。同时，有效的项目管理和资源分配机制能够确保创新项目的顺利进行，提高创新投入产出比。若企业能够根据创新项目的特点和需求，合理分配人力、物力和财力资源，对项目进度、质量和成本进行有效控制，将有助于提高创新效率。而不合理的组织管理模式，如层级过多、职责不清等，会导致信息传递不畅、决策缓慢，降低创新效率。6.2外部因素分析政策支持力度是影响企业创新效率的重要外部因素。政府出台的一系列鼓励创新的政策，如税收优惠、财政补贴、研发资助等，能够降低企业创新成本，提高企业创新的积极性和主动性。税收优惠政策可以减少企业的创新负担，使企业有更多资金投入到研发活动中。企业研发费用加计扣除政策，允许企业在计算应纳税所得额时，对研发费用进行加倍扣除，从而降低企业税负，增加企业可用于创新的资金。财政补贴和研发资助则直接为企业创新提供资金支持，帮助企业开展关键技术研发和创新项目实施。合肥市政府对创新型企业的扶持政策，使得许多企业能够获得资金支持，开展创新活动，提高了创新效率。政策的稳定性和持续性也至关重要。若政策频繁变动，企业难以形成稳定的创新预期，可能会影响企业的创新决策和投入。市场竞争程度对企业创新效率有着双重影响。适度的市场竞争能够激发企业的创新动力，促使企业加大创新投入，提高创新效率。在竞争激烈的市场环境中，企业为了获得竞争优势，必须不断推出新产品、改进生产技术、提高产品质量和服务水平，从而推动企业创新发展。以智能手机市场为例，苹果、华为、三星等企业之间的激烈竞争，促使它们不断加大研发投入，推出具有创新性的产品，如折叠屏手机、高像素摄像头手机等，推动了整个行业的技术进步和创新效率提升。然而，过度的市场竞争可能导致企业资源分散，创新投入不足，从而降低创新效率。当市场竞争过于激烈时，企业为了生存，可能会将主要精力放在价格竞争等短期行为上，无暇顾及长期的创新投入和研发。市场竞争的不公平性也会影响企业创新效率，若存在不正当竞争行为，如抄袭、侵权等，会打击企业创新的积极性，破坏市场创新环境。产学研合作水平对企业创新效率的提升具有重要作用。产学研合作能够整合企业、高校和科研机构的资源优势，实现知识、技术和人才的共享与流动。高校和科研机构拥有丰富的科研资源和前沿的研究成果，企业则具有市场洞察力和产业化能力，通过产学研合作，高校和科研机构的研究成果能够快速转化为实际生产力，企业也能够获得技术支持和人才培养的帮助。合肥工业大学与多家企业合作，共同开展科研项目，企业为学校提供研究经费和实践平台，学校为企业提供技术支持和人才输送，双方实现了互利共赢，提高了企业的创新效率。产学研合作还能够促进跨学科、跨领域的创新合作，推动创新的多元化发展。然而，产学研合作中也存在一些问题，如合作机制不完善、利益分配不合理等，可能会影响合作的效果和创新效率的提升。金融环境对企业创新效率的影响不容忽视。良好的金融环境能够为企业创新提供充足的资金支持，降低企业创新的融资成本和风险。风险投资、科技信贷等金融工具能够为企业创新提供资金保障，尤其是对于中小企业和初创企业，金融支持尤为重要。风险投资机构通过对创新型企业的投资，不仅提供了资金，还带来了管理经验和市场资源，帮助企业快速成长。科技信贷则为企业创新项目提供贷款支持，缓解企业资金压力。而金融市场的不完善，如融资渠道狭窄、融资成本高等，会制约企业的创新投入和创新效率的提升。若企业难以获得足够的资金支持，创新项目可能会因资金短缺而无法顺利进行，影响创新效率。6.3实证检验为了验证内外部因素与创新效率的关系，建立如下回归模型：IE=\alpha+\beta_1RI+\beta_2HR+\beta_3IC+\beta_4OM+\beta_5PS+\beta_6MC+\beta_7CU+\beta_8FE+\varepsilon其中，IE表示创新效率，采用DEA模型测算得到的综合效率值衡量；\alpha为常数项；RI表示研发投入强度，用研发经费投入占营业收入的比例表示；HR表示人才素质，用本科及以上学历员工占比表示；IC表示创新文化，通过问卷调查企业对创新的重视程度、对失败的容忍度等方面进行量化；OM表示组织管理模式，通过评估企业的组织架构、决策流程等进行量化；PS表示政策支持力度，用政府对企业的研发补贴金额占企业研发投入的比例表示；MC表示市场竞争程度，用行业内企业数量的倒数表示；CU表示产学研合作水平，用企业与高校、科研机构合作项目的数量表示；FE表示金融环境，用企业获得的风险投资金额占企业总资产的比例表示；\beta_1-\beta_8为各变量的回归系数；\varepsilon为随机误差项。运用SPSS软件对收集到的数据进行回归分析，结果如下表所示：变量回归系数t值P值研发投入强度(RI)0.253.560.001人才素质(HR)0.203.050.003创新文化(IC)0.182.870.005组织管理模式(OM)0.152.560.011政策支持力度(PS)0.122.230.027市场竞争程度(MC)0.081.850.065产学研合作水平(CU)0.102.010.045金融环境(FE)0.091.920.057从实证结果可以看出，研发投入强度、人才素质、创新文化、组织管理模式、政策支持力度、产学研合作水平的回归系数均为正，且在1%或5%的水平上显著，说明这些因素对创新效率有显著的正向影响。市场竞争程度和金融环境的回归系数也为正，但显著性水平相对较低，表明这两个因素对创新效率有一定的正向影响，但影响程度相对较弱。这与前面的理论分析基本一致，进一步验证了内外部因素对合肥市创新型企业创新效率的影响。在提升企业创新效率时，企业应注重加强研发投入、提高人才素质、培育创新文化、优化组织管理模式，政府应加大政策支持力度，促进产学研合作，改善金融环境，以提高合肥市创新型企业的创新效率。七、提升合肥市创新型企业创新效率的对策建议7.1企业层面企业应加大研发投入力度，优化研发投入结构。制定长期的研发投入战略规划，根据企业的发展阶段和市场需求，合理确定研发经费占营业收入的比例，并确保研发投入的稳定增长。在投入结构上，不仅要注重对技术研发的资金支持，还要加大对研发设备购置、研发人员培训等方面的投入，为创新活动提供全方位的保障。以科大讯飞为例，多年来持续保持高研发投入强度，在人工智能核心技术研发、新产品开发等方面不断取得突破，推出了一系列具有创新性的产品和解决方案，如智能语音助手、智能翻译机等，不仅满足了市场需求，还提升了企业的市场竞争力和创新效率。加强人才培养与引进，打造高素质创新人才队伍。建立完善的人才培养体系，为员工提供多样化的培训机会和职业发展路径。开展内部培训课程，邀请行业专家进行技术指导和经验分享，提升员工的专业技能和创新能力。鼓励员工参加外部培训和学术交流活动，拓宽员工的视野和思维方式。在人才引进方面，制定具有吸引力的人才政策，提供具有竞争力的薪酬待遇、良好的工作环境和广阔的发展空间，吸引国内外优秀的创新人才加入企业。加强与高校和科研机构的合作，建立人才联合培养机制，通过实习、联合培养等方式，提前选拔和培养优秀人才。培育创新文化，营造良好创新氛围。树立创新价值观，将创新理念融入企业的发展战略和企业文化中，使创新成为全体员工的共识和自觉行动。建立鼓励创新的激励机制，对在创新活动中取得突出成绩的团队和个人给予表彰和奖励，激发员工的创新热情和创造力。营造宽容失败的氛围，允许员工在创新过程中尝试新的方法和思路，对失败的创新项目进行客观分析和总结经验教训，避免因害怕失败而不敢创新。例如，谷歌公司以其独特的创新文化著称，鼓励员工自由探索、大胆创新，为员工提供宽松的工作环境和丰富的资源支持，使得员工能够充分发挥自己的创造力，公司不断推出具有创新性的产品和服务，创新效率极高。优化组织管理，提高创新管理水平。采用扁平化的组织管理模式，减少层级，加快信息传递速度，提高决策效率和创新响应速度。明确各部门在创新活动中的职责和分工，加强部门之间的沟通与协作，形成协同创新的工作机制。建立科学的创新项目管理体系，对创新项目的立项、实施、评估等环节进行规范管理，确保项目按时、高质量完成。加强对创新资源的整合和利用，优化资源配置，提高创新资源的利用效率。7.2政府层面政府应完善政策体系，加大政策支持力度。制定和完善鼓励创新的政策法规，为创新型企业提供政策保障。在税收政策方面，进一步加大税收优惠力度，如提高研发费用加计扣除比例、对创新型企业给予税收减免等，降低企业创新成本。在财政补贴方面，设立专项创新资金，对创新型企业的研发项目、创新平台建设等给予补贴，引导企业加大创新投入。同时，加强政策的稳定性和持续性，使企业能够形成稳定的创新预期。营造公平竞争的市场环境，激发企业创新活力。加强市场监管，严厉打击不正当竞争行为，维护市场秩序，为创新型企业创造公平竞争的市场环境。完善知识产权保护制度，加大对知识产权侵权行为的打击力度，保护企业的创新成果，鼓励企业开展创新活动。推动市场开放，促进企业之间的交流与合作，激发企业的创新动力和创造力。例如，在智能手机市场，苹果、华为、三星等企业之间的激烈竞争，促使它们不断加大研发投入，推出具有创新性的产品，推动了整个行业的技术进步和创新效率提升。促进产学研合作，推动创新资源共享。搭建产学研合作平台，加强企业与高校、科研机构之间的联系与沟通，促进创新资源的共享与协同创新。组织开展产学研对接活动，定期发布企业的技术需求和高校、科研机构的科研成果，为双方的合作提供信息支持。鼓励高校和科研机构与企业共建研发中心、产业技术创新联盟等创新平台，共同开展关键技术研发和创新项目实施。例如，合肥工业大学与多家企业合作，共同开展科研项目，企业为学校提供研究经费和实践平台，学校为