人工智能企业创新效率评价及影响因素研究——基于Super DEA-Tobit模型
2021-08-26分类号:F224;F49;F832.51;F273.1
【部门】天津商业大学经济学院 河北工业大学经济管理学院
【摘要】文章运用超效率DEA与Malmquist指数分别从静态和动态两个层面对人工智能上市企业创新效率进行测度,并进一步利用Tobit回归和脉冲响应对人工智能企业创新效率影响因素进行探究。研究发现:创新效率整体呈现波动下降趋势,且民营企业与国有企业创新效率存在差异性;创新效率进步得益于规模效率增长,而创新效率降低主要受到纯技术效率下降的影响;技术进步和纯技术效率下降分别是制约国有和民营人工智能企业创新效率提升的主要因素;政府支持对创新效率提升具有持续促进作用,而税收负担具有持续抑制作用。
【关键词】人工智能 创新效率 超效率DEA Tobit回归 脉冲响应
【基金】天津市哲学社会科学重点规划项目(TJLJ20-003)
【所属期刊栏目】技术经济与管理研究
文献传递