广深科技创新走廊智能效率的来源和影响因素研究——基于与美国硅谷的比较分析

发布时间：2021-09-22 02:12

　　为探讨广深科技创新走廊与美国硅谷的智能效率差距,采用两地的上市公司数据,运用DEA-Malmquist模型和固定效应回归分析法测量其智能效率,并实证其智能效率的来源和影响因素,研究发现,考察期内两地的智能效率、技术进步、纯技术效率和规模效率均得到优化。硅谷的智能效率主要来源于技术进步,走廊的智能效率主要来源于纯技术效率改善。影响因素对两地智能效率的影响迥异,相对硅谷,影响因素对走廊的影响更为强烈,他们主要通过对规模效率和纯技术效率来影响硅谷的智能效率,而通过技术进步和规模效率来影响走廊的智能效率。 

【文章来源】：科技管理研究. 2020,40(01)北大核心CSSCI

【文章页数】：6 页

【文章目录】：
1 研究综述
2 走廊和硅谷智能效率的测量与结果对比
    2.1 走廊和硅谷智能效率的测量
        2.1.1 测量方法
        2.1.2 评价指标体系的构建
        2.1.3 数据
    2.2 结果的对比
3 效率来源的对比
    3.1 模型构建、数据来源和数据检验
    3.2 结果的对比
4 影响因素的对比
    4.1 影响因素的选择
    4.2 实证过程和结果
    4.3 实证结果分析
5 结论与对策启示


【参考文献】：
期刊论文
[1]后危机时代中国商业银行全要素生产率研究——基于DEA模型的Malmquist指数分析[J]. 路妍,李刚.  山西大学学报(哲学社会科学版). 2018(05)
[2]企业实际税负与全要素生产率:一个倒U型关系[J]. 朱玉飞,安磊.  中南财经政法大学学报. 2018(05)
[3]深圳建设国际科技、产业创新中心研究——硅谷的经验与启示[J]. 何国勇.  城市观察. 2018(02)
[4]中国如何挑战硅谷[J]. 菲利普·施塔布,弗洛里安·布托罗,祝伟伟.  国外社会科学. 2018(02)
[5]中国大中型企业研发效率测度与财政激励政策影响[J]. 张玉,陈凯华,乔为国.  数量经济技术经济研究. 2017(05)
[6]打造“中国硅谷”——深圳创新驱动发展情况综述[J].   中国科技奖励. 2016(11)
[7]以价值为导向的科技型企业资本结构优化研究[J]. 金桂荣,赵辰.  中国科技论坛. 2016(08)
[8]从库存生产模式到快速响应模式——一个制造企业在不确定市场环境下提升企业盈利能力的实验[J]. 刘晓敏,眭雅婷.  企业管理. 2014(01)
[9]创业环境对新创企业绩效的影响:基于资源中介作用的深圳硅谷创业园实证研究[J]. 杜海东,李业明.  中国科技论坛. 2012(09)
[10]高科技园区综合发展要素及其作用实证分析——以张江高科技园区与美国硅谷的比较研究为例[J]. 汤汇浩.  中国科技论坛. 2011(06)

硕士论文
[1]创业板制造业企业全要素生产率变动与融资约束的关系研究[D]. 陈静.中国海洋大学 2015



本文编号：3402929