結(jié)合研發(fā)轉(zhuǎn)化過(guò)程的智能汽車企業(yè)運(yùn)營(yíng)效率評(píng)價(jià)

尤建新， 徐 濤， 俞安愚

(1. 上海大學(xué) 管理學(xué)院， 上海 200444； 2. 同濟(jì)大學(xué) 經(jīng)濟(jì)與管理學(xué)院， 上海 200092)

智能汽車指搭載傳感器、控制器、執(zhí)行器等裝置，具備環(huán)境感知、智能決策、自動(dòng)控制功能，并融合現(xiàn)代通信與網(wǎng)絡(luò)技術(shù)的安全、高效、節(jié)能的新一代汽車[1].近年來(lái)，我國(guó)智能汽車產(chǎn)業(yè)政策相繼出臺(tái).2015年《中國(guó)制造2025》發(fā)布，將智能網(wǎng)聯(lián)汽車作為重點(diǎn)發(fā)展方向；2016年中國(guó)汽車工業(yè)協(xié)會(huì)發(fā)布《“十三五”汽車工業(yè)發(fā)展規(guī)劃意見(jiàn)》，將智能汽車作為汽車工業(yè)主要變革方向之一.

為促進(jìn)智能汽車產(chǎn)業(yè)的興盛與發(fā)展，合理評(píng)價(jià)該類企業(yè)運(yùn)營(yíng)效率，尋找其運(yùn)營(yíng)不足尤為重要.作為高技術(shù)企業(yè)，研發(fā)轉(zhuǎn)化是高技術(shù)企業(yè)運(yùn)營(yíng)的關(guān)鍵過(guò)程.相關(guān)研究有，張景安[2]、陳偉等[3]基于高技術(shù)產(chǎn)業(yè)實(shí)證分析，得出高技術(shù)產(chǎn)業(yè)的研發(fā)能力提升將有效提升產(chǎn)業(yè)運(yùn)營(yíng)和發(fā)展水平等.因此，通過(guò)結(jié)合研發(fā)轉(zhuǎn)化過(guò)程的智能汽車企業(yè)運(yùn)營(yíng)效率評(píng)價(jià)，將有助于具體分析、了解我國(guó)智能汽車企業(yè)研發(fā)轉(zhuǎn)化和生產(chǎn)經(jīng)營(yíng)狀況.

有關(guān)效率評(píng)價(jià)方法，國(guó)內(nèi)外學(xué)者研究已比較成熟，其中數(shù)據(jù)包絡(luò)分析(data envelopment analysis, DEA)方法，作為一種非參數(shù)、全要素的績(jī)效評(píng)估方法，被廣泛運(yùn)用于經(jīng)濟(jì)管理的各個(gè)領(lǐng)域研究中.企業(yè)運(yùn)營(yíng)效率是指企業(yè)利用掌控的資產(chǎn)產(chǎn)生經(jīng)濟(jì)效益的能力，即投入產(chǎn)出比的最佳狀態(tài).DEA方法被廣泛應(yīng)用于該類績(jī)效的評(píng)估[4-6].現(xiàn)有研究中，采用DEA模型對(duì)行業(yè)運(yùn)營(yíng)效率評(píng)價(jià)時(shí)，結(jié)合研發(fā)轉(zhuǎn)化過(guò)程的運(yùn)營(yíng)效率評(píng)價(jià)分析較少.僅有的相關(guān)例子有，熊嬋等[7]將高技術(shù)產(chǎn)業(yè)發(fā)展分為研發(fā)和運(yùn)營(yíng)過(guò)程，考慮科技研發(fā)投入和經(jīng)營(yíng)效益.

此外，不少學(xué)者在績(jī)效研究過(guò)程中，將評(píng)價(jià)過(guò)程視為“黑箱”，忽略系統(tǒng)內(nèi)部特征，沒(méi)有考慮其中間環(huán)節(jié)的績(jī)效評(píng)價(jià)過(guò)程，從而失去很多信息，影響評(píng)價(jià)準(zhǔn)確性和客觀性.為解決該問(wèn)題，F(xiàn)are等[8]在傳統(tǒng)DEA模型基礎(chǔ)上提出網(wǎng)絡(luò)DEA模型，即包含兩個(gè)或兩個(gè)以上子系統(tǒng).該模型通過(guò)細(xì)分效率轉(zhuǎn)化的不同階段，從而進(jìn)一步拓展了DEA效率評(píng)價(jià)所獲的信息.

結(jié)合現(xiàn)有研究，可以發(fā)現(xiàn)當(dāng)前對(duì)智能汽車企業(yè)的績(jī)效狀況，尤其是結(jié)合研發(fā)轉(zhuǎn)化過(guò)程的績(jī)效研究仍然較少.本文通過(guò)二階段DEA分析，結(jié)合高技術(shù)企業(yè)發(fā)展實(shí)際，將智能汽車企業(yè)運(yùn)營(yíng)效率評(píng)價(jià)過(guò)程分為研發(fā)轉(zhuǎn)化和生產(chǎn)經(jīng)營(yíng)兩個(gè)子階段，對(duì)相關(guān)企業(yè)運(yùn)營(yíng)效率進(jìn)行評(píng)價(jià)，有助于企業(yè)及政府部門采取行動(dòng)促進(jìn)產(chǎn)業(yè)發(fā)展.選取在上海、深圳證券交易所上市的24家智能汽車概念板塊公司，采用二階段數(shù)據(jù)包絡(luò)分析模型，從多年度和多企業(yè)類型角度對(duì)2010～2015年智能汽車企業(yè)運(yùn)營(yíng)效率進(jìn)行分析，并通過(guò)投影分析方法，研究影響企業(yè)效率原因，一定程度拓展了二階段DEA模型的應(yīng)用.

1 模型介紹

DEA方法是用于評(píng)價(jià)具有相同類型的多投入、多產(chǎn)出決策單元相對(duì)有效性的非參數(shù)方法，基本模型有CCR(Chames-Cooper-Rhodes)和BCC(Banker-Chames-Cooper)模型.CCR模型是基于規(guī)模收益不變假設(shè)，其求解的效率值(technical efficiency，TE，以TE表示)并非純技術(shù)效率，而是包含規(guī)模效率成分.BCC模型是在CCR包絡(luò)模型基礎(chǔ)上增加約束條件，從而考慮規(guī)模收益情況，因此，BCC模型獲得的效率為純技術(shù)效率(pure technical efficiency，PTE，以PTE表示)，通過(guò)比較CCR模型求解出的技術(shù)效率值和BCC模型求解的純技術(shù)效率值可分離出規(guī)模效率值(scale efficiency，SE，以SE表示)，即SE=TE/PTE[9].

本文將智能汽車企業(yè)運(yùn)營(yíng)分為研發(fā)轉(zhuǎn)化和生產(chǎn)經(jīng)營(yíng)兩個(gè)階段進(jìn)行效率評(píng)價(jià)，即第一階段為企業(yè)研發(fā)轉(zhuǎn)化過(guò)程，第二階段為企業(yè)生產(chǎn)經(jīng)營(yíng)過(guò)程，其運(yùn)營(yíng)效率為兩階段綜合效率.

假設(shè)有n個(gè)要進(jìn)行評(píng)價(jià)的決策單元，DMU，j，j=1,2,…,n；其中每個(gè)決策單元在第一階段有m個(gè)投入指標(biāo)xi,i=1，2,…,m；第一階段有t個(gè)產(chǎn)出指標(biāo)zd,d=1，2,…,t；第二階段有s個(gè)產(chǎn)出指標(biāo)，記為yr,r=1，2,…,s.

1.1 第一階段效率評(píng)價(jià)模型

因BCC模型考慮規(guī)模報(bào)酬可變，本文將BCC模型作為基礎(chǔ)模型[10].第一階段采用產(chǎn)出/投入作為評(píng)價(jià)指標(biāo)的投入導(dǎo)向模型，根據(jù)Charnes-Cooper變換可得第一階段評(píng)價(jià)模型線性表達(dá)式，即乘數(shù)模型.

(1)

第一階段對(duì)偶模型，即包絡(luò)模型如下：

(2)

注：模型中右下角標(biāo)注1，2代表第一階段和第二階段，下同.

1.2 第二階段效率評(píng)價(jià)模型

第二階段采用投入/產(chǎn)出作為評(píng)價(jià)指標(biāo)的產(chǎn)出導(dǎo)向模型.根據(jù)Charnes-Cooper變換可得第二階段評(píng)價(jià)模型線性表達(dá)式.

(3)

第二階段對(duì)偶模型，即包絡(luò)模型如下：

(4)

1.3 全階段效率評(píng)價(jià)模型

對(duì)于兩階段DEA模型綜合效率評(píng)價(jià)方法，Wang等[11]通過(guò)構(gòu)造兩階段效率權(quán)重系數(shù)，根據(jù)過(guò)程階段效率，確定全階段效率；曾薇等[12]采用第一階段投入和第二階段產(chǎn)出作為投入和產(chǎn)出指標(biāo)，采用投入導(dǎo)向DEA模型計(jì)算.本文中，考慮到模型計(jì)算的一致性，采用上述模型，從投入角度，以研發(fā)人員、研發(fā)經(jīng)費(fèi)作為投入指標(biāo)、以營(yíng)業(yè)收入、專利權(quán)資產(chǎn)作為產(chǎn)出指標(biāo)進(jìn)行計(jì)算.

2 實(shí)證效率評(píng)價(jià)

2.1 指標(biāo)體系

在運(yùn)營(yíng)績(jī)效評(píng)價(jià)指標(biāo)體系選擇上，多數(shù)文獻(xiàn)選用資金、人員和固定資產(chǎn)作為投入，以企業(yè)盈利水平作為產(chǎn)出指標(biāo)[13-14].本文將企業(yè)運(yùn)營(yíng)區(qū)分為兩個(gè)階段，第一階段為研發(fā)轉(zhuǎn)化階段，以有效發(fā)明專利數(shù)量作為產(chǎn)出指標(biāo)[15].考慮專利申請(qǐng)數(shù)量作為知識(shí)積累，同樣可以體現(xiàn)研發(fā)轉(zhuǎn)化效率.因此本文中研發(fā)轉(zhuǎn)化階段投入指標(biāo)為研發(fā)人員和研發(fā)經(jīng)費(fèi)投入，產(chǎn)出指標(biāo)為當(dāng)期申請(qǐng)專利數(shù)和擁有有效發(fā)明專利數(shù).第二階段為生產(chǎn)經(jīng)營(yíng)階段，以研發(fā)階段科技成果和企業(yè)相關(guān)營(yíng)業(yè)成本、員工數(shù)量為投入指標(biāo)，企業(yè)營(yíng)業(yè)收入和專利權(quán)資產(chǎn)作為產(chǎn)出指標(biāo).其中營(yíng)業(yè)成本包括企業(yè)銷售費(fèi)用、管理費(fèi)用、財(cái)務(wù)費(fèi)用等；從業(yè)人員數(shù)量為扣除研發(fā)人員數(shù)量的其他人員，包括管理人員、生產(chǎn)人員、銷售人員、服務(wù)人員等.兩階段過(guò)程及指標(biāo)如圖1所示.

圖1 兩階段過(guò)程

2.2 樣本數(shù)據(jù)

考慮運(yùn)營(yíng)績(jī)效的整體狀況與生產(chǎn)實(shí)際，及我國(guó)智能汽車產(chǎn)業(yè)發(fā)展現(xiàn)狀，本文將當(dāng)前智能汽車產(chǎn)業(yè)企業(yè)分為環(huán)境感知、智能決策、汽車整車和網(wǎng)絡(luò)信息4個(gè)類型[16].在效率評(píng)價(jià)時(shí)，不同企業(yè)類型雖存在差異，但智能汽車產(chǎn)業(yè)作為新興產(chǎn)業(yè)，相關(guān)企業(yè)在技術(shù)研發(fā)、企業(yè)經(jīng)營(yíng)均處于起步和發(fā)展階段，多類型企業(yè)分析將有助于了解智能汽車產(chǎn)業(yè)整體發(fā)展情況.環(huán)境感知包括高精度地圖和定位導(dǎo)航、傳感器等領(lǐng)域；智能決策包括自動(dòng)化控制和輔助駕駛領(lǐng)域企業(yè)；網(wǎng)絡(luò)信息包括網(wǎng)絡(luò)通信與信息系統(tǒng)領(lǐng)域企業(yè).考慮數(shù)據(jù)可獲得性，本文選取2010～2015年上海證券交易所和深圳證券交易所智能汽車板塊上市企業(yè)為研究對(duì)象.剔除數(shù)據(jù)不全、ST股，選取24家企業(yè)進(jìn)行分

析，如表1所示，該樣本企業(yè)作為智能汽車主要模塊企業(yè)，對(duì)其研發(fā)、運(yùn)營(yíng)效率的評(píng)價(jià)將能夠反映目前智能汽車企業(yè)運(yùn)營(yíng)狀況.樣本企業(yè)研發(fā)投入、運(yùn)營(yíng)情況數(shù)據(jù)來(lái)源于對(duì)應(yīng)年份的上市公司年報(bào)，專利數(shù)據(jù)來(lái)源于中國(guó)國(guó)家知識(shí)產(chǎn)權(quán)局專利檢索分析系統(tǒng).運(yùn)用DEA模型進(jìn)行效率評(píng)價(jià)時(shí)，根據(jù)經(jīng)驗(yàn)法則，決策單元個(gè)數(shù)應(yīng)不少于投入、產(chǎn)出指標(biāo)數(shù)和的3倍[17]，本文中，投入、產(chǎn)出(包括中間產(chǎn)出)數(shù)符合經(jīng)驗(yàn)法則要求.

表1 智能汽車樣本企業(yè)

2.3 效率評(píng)價(jià)

為準(zhǔn)確、客觀反映智能汽車企業(yè)效率情況，本文選取2010～2015年企業(yè)數(shù)據(jù)，數(shù)據(jù)描述性統(tǒng)計(jì)如表2所示.采用上述評(píng)價(jià)指標(biāo)和模型，首先以年份為單位，將24家企業(yè)分為環(huán)境感知、智能決策、汽車整車和網(wǎng)絡(luò)信息4個(gè)類型進(jìn)行測(cè)算，得出2010～2015年各個(gè)類型平均效率值.其次，以企業(yè)為決策單元，計(jì)算2010～2015年期間上述企業(yè)綜合技術(shù)效率、純技術(shù)效率、規(guī)模效率情況，綜合技術(shù)效率指決策單元達(dá)到行業(yè)先進(jìn)水平的程度，是純技術(shù)效率和規(guī)模效率的乘積[9].對(duì)智能汽車不同類型企業(yè)運(yùn)營(yíng)效率進(jìn)行比較，分析效率差異原因，通過(guò)投影分析方法，確定非DEA有效企業(yè)投入和產(chǎn)出情況，研究影響企業(yè)研發(fā)轉(zhuǎn)化、生產(chǎn)經(jīng)營(yíng)兩階段過(guò)程效率原因.

2.3.1多年度分析

對(duì)單個(gè)企業(yè)年度運(yùn)營(yíng)指標(biāo)，根據(jù)第1節(jié)中DEA模型計(jì)算，可得2010～2015年企業(yè)每年研發(fā)轉(zhuǎn)化和生產(chǎn)經(jīng)營(yíng)純技術(shù)效率情況，根據(jù)企業(yè)所屬類型，對(duì)每個(gè)類型企業(yè)效率取均值，如表3所示.其中2010～2015年各類型企業(yè)研發(fā)轉(zhuǎn)化階段效率如圖2所示，生產(chǎn)經(jīng)營(yíng)階段效率值如圖3所示，其中橫坐標(biāo)為年份，縱坐標(biāo)為效率值.

表2 描述性統(tǒng)計(jì)

表3 智能汽車不同類型企業(yè)年度效率值

從圖2可以看出，2010～2012年，智能汽車上市企業(yè)研發(fā)轉(zhuǎn)化效率較為平穩(wěn)，2013年略有下降，2014與2015年呈現(xiàn)上升趨勢(shì).對(duì)企業(yè)發(fā)展、研發(fā)投入進(jìn)行分析，以及結(jié)合智能汽車產(chǎn)業(yè)發(fā)展進(jìn)程，該結(jié)果可認(rèn)為是在國(guó)外智能汽車產(chǎn)業(yè)快速發(fā)展的環(huán)境下，我國(guó)智能汽車企業(yè)加大研發(fā)投入，由于從研發(fā)到專利成果授權(quán)時(shí)間跨度原因，在2012～2015年加大研發(fā)投入，所申請(qǐng)專利在2015年獲得授權(quán)數(shù)量較多，出現(xiàn)2015年產(chǎn)出數(shù)量增加從而效率值上升.從圖3可以看出，智能汽車各類型企業(yè)生產(chǎn)經(jīng)營(yíng)階段效率較高，2010～2015年4個(gè)類型企業(yè)效率均值都在0.85以上，處于較穩(wěn)定狀態(tài)，說(shuō)明各企業(yè)在現(xiàn)有研發(fā)和管理水平下，均能實(shí)現(xiàn)較高專利資產(chǎn)化和營(yíng)業(yè)收入水平.

圖2 2010～2015不同類型企業(yè)研發(fā)轉(zhuǎn)化階段效率

Fig.2Innovationefficiencyofintelligentvehicleindustrymodularizationacrossthestudyperiod

為進(jìn)一步研究過(guò)程階段對(duì)全階段運(yùn)營(yíng)效率的影響關(guān)系，本文將研發(fā)階段、轉(zhuǎn)化階段和生產(chǎn)經(jīng)營(yíng)階段的效率與全階段運(yùn)營(yíng)效率進(jìn)行比較分析.通過(guò)對(duì)全階段效率與兩個(gè)過(guò)程階段效率進(jìn)行Pearson相關(guān)性檢驗(yàn)，可以發(fā)現(xiàn)全階段運(yùn)營(yíng)效率與研發(fā)轉(zhuǎn)化階段效率相關(guān)系數(shù)為0.652，在5%顯著性水平下，存在顯著相關(guān)性.與生產(chǎn)經(jīng)營(yíng)階段無(wú)顯著相關(guān)性，說(shuō)明智能汽車企業(yè)的運(yùn)營(yíng)效率與企業(yè)研發(fā)轉(zhuǎn)化相關(guān)性較高，說(shuō)明高技術(shù)產(chǎn)業(yè)研發(fā)轉(zhuǎn)化水平是企業(yè)運(yùn)營(yíng)發(fā)展的關(guān)鍵因素.

圖3 2010～2015不同類型企業(yè)生產(chǎn)經(jīng)營(yíng)階段效率值

Fig.3Operationefficiencyofintelligentvehicleindustrymodularizationacrossthestudyperiod

2.3.2多企業(yè)類型分析

根據(jù)第1節(jié)DEA模型，以及樣本企業(yè)在2010～2015年數(shù)據(jù)，可得我國(guó)智能汽車企業(yè)研發(fā)轉(zhuǎn)化階段和生產(chǎn)經(jīng)營(yíng)階段效率值，如表4所示.

表4 樣本企業(yè)效率評(píng)價(jià)結(jié)果

從表4可以看出，智能汽車企業(yè)研發(fā)轉(zhuǎn)化技術(shù)效率均值為0.222，主要原因在于目前規(guī)模效率較低，僅為0.379，15家企業(yè)在研發(fā)轉(zhuǎn)化階段技術(shù)效率處于0.2以下，說(shuō)明多數(shù)企業(yè)與標(biāo)桿企業(yè)相比仍存在差距.

在生產(chǎn)經(jīng)營(yíng)階段，智能汽車企業(yè)純技術(shù)效率和規(guī)模效率均處于0.9以上，樣本企業(yè)技術(shù)效率均值為0.88，可以看出，我國(guó)智能汽車企業(yè)在生產(chǎn)經(jīng)營(yíng)階段的效率值高于研發(fā)轉(zhuǎn)化階段的效率值.其兩階段綜合運(yùn)營(yíng)技術(shù)效率值為0.495.

從智能汽車企業(yè)類型角度分析，從表4中各企業(yè)所屬類型均值可以看出，智能決策類型企業(yè)研發(fā)轉(zhuǎn)化階段技術(shù)效率值最低，為0.084，其次為網(wǎng)絡(luò)信息為0.103.智能決策類型包括輔助駕駛、自動(dòng)控制等技術(shù)，屬于智能汽車的核心領(lǐng)域，研發(fā)難度大，相關(guān)企業(yè)研發(fā)投入大，從而研發(fā)轉(zhuǎn)化所得較少，即獲得專利較少.從德溫特?cái)?shù)據(jù)庫(kù)檢索該領(lǐng)域?qū)＠闆r，目前該領(lǐng)域擁有專利數(shù)量前十的公司為日本(4家)、美國(guó)(3家)、歐洲(2家)和韓國(guó)(1家)企業(yè)，因此智能決策領(lǐng)域技術(shù)是我國(guó)智能汽車產(chǎn)業(yè)發(fā)展突破的關(guān)鍵領(lǐng)域.生產(chǎn)經(jīng)營(yíng)階段，智能決策類型企業(yè)效率值為0.874，說(shuō)明該領(lǐng)域企業(yè)在生產(chǎn)經(jīng)營(yíng)過(guò)程中與標(biāo)桿企業(yè)差距較小.該類型企業(yè)中，華域汽車研發(fā)轉(zhuǎn)化階段效率值為0.008，但生產(chǎn)經(jīng)營(yíng)階段效率值為1，作為智能汽車領(lǐng)域高技術(shù)企業(yè)，可以反映出目前輔助駕駛、智能決策企業(yè)市場(chǎng)運(yùn)營(yíng)效果良好，該類企業(yè)運(yùn)作模式在目前汽車市場(chǎng)上運(yùn)用已經(jīng)取得初步成效，企業(yè)已經(jīng)具備較強(qiáng)的運(yùn)作能力.

網(wǎng)絡(luò)信息包括網(wǎng)絡(luò)通信、操作系統(tǒng)等技術(shù)領(lǐng)域，在網(wǎng)絡(luò)通信領(lǐng)域，我國(guó)企業(yè)具備較強(qiáng)競(jìng)爭(zhēng)力，但智能汽車的操作系統(tǒng)模塊，國(guó)外企業(yè)仍占據(jù)主導(dǎo)地位.我國(guó)企業(yè)存在研發(fā)投入大，但產(chǎn)出較少情況.環(huán)境感知包括高精度地圖、定位系統(tǒng)和傳感器等技術(shù)領(lǐng)域，其研發(fā)轉(zhuǎn)化階段效率為0.257.目前該類型企業(yè)的純技術(shù)效率為0.644，但規(guī)模效率較低.在該類型企業(yè)中，航天科技研發(fā)階段的技術(shù)效率值為1.000，作為我國(guó)航天領(lǐng)域企業(yè)，擁有頂尖的研發(fā)團(tuán)隊(duì)和研發(fā)經(jīng)費(fèi)保障.

2.3.3投影分析

根據(jù)表3結(jié)果，結(jié)合BCC模型中決策單元有效性判定標(biāo)準(zhǔn)，表1中企業(yè)研發(fā)轉(zhuǎn)化階段和生產(chǎn)經(jīng)營(yíng)階段的有效性如表5所示.可以看出，在研發(fā)轉(zhuǎn)化階段僅有5家公司為DEA有效，生產(chǎn)經(jīng)營(yíng)階段，有9家公司為DEA有效，說(shuō)明多數(shù)企業(yè)投入與產(chǎn)出存在改進(jìn)空間.

表5 企業(yè)有效性分析結(jié)果

通過(guò)投影分析[18]，計(jì)算投入指標(biāo)達(dá)到目標(biāo)值的改進(jìn)幅度，將進(jìn)一步探究非DEA有效企業(yè)運(yùn)營(yíng)效率偏低原因.通過(guò)效率分析可知，智能汽車企業(yè)的研發(fā)轉(zhuǎn)化階段的技術(shù)效率均值僅為0.222，因此，本文選擇研發(fā)轉(zhuǎn)化階段，對(duì)投入和產(chǎn)出指標(biāo)做投影分析，結(jié)果如表6所示.

表6 非DEA有效企業(yè)投入產(chǎn)出調(diào)整

從表6改進(jìn)幅度一欄中看出，企業(yè)研發(fā)投入改進(jìn)較大，均在40%以上.投入指標(biāo)中，研發(fā)經(jīng)費(fèi)投入的改進(jìn)幅度最大，平均改進(jìn)幅度為74.86%，研發(fā)人員平均改進(jìn)幅度為63.25%.智能決策和網(wǎng)絡(luò)信息模塊經(jīng)費(fèi)投入改進(jìn)幅度高達(dá)91.73%和86.24%，企業(yè)研發(fā)人員改進(jìn)幅度79.13%和76.11%，說(shuō)明該模塊中所有企業(yè)的投入均存在較大改進(jìn).環(huán)境感知和汽車整車類型企業(yè)改進(jìn)幅度低于智能決策和網(wǎng)絡(luò)信息類型，其研發(fā)人員改進(jìn)分別為57.38%和40.40%，研發(fā)投入改進(jìn)幅度高于研發(fā)人員，分別為65.63%和55.85%，其改進(jìn)幅度較小主要原因在于航天科技、保千里、江淮汽車等在企業(yè)研發(fā)階段的純技術(shù)效率為1，在現(xiàn)有效率水平下，企業(yè)研發(fā)人員、投入改進(jìn)難度較大.除此之外，其他企業(yè)技術(shù)效率較低.當(dāng)前企業(yè)研發(fā)投入結(jié)構(gòu)不合理、研發(fā)人員能力參差不齊是其存在較大改進(jìn)幅度的主要原因.

3 結(jié)論

本文通過(guò)結(jié)合研發(fā)轉(zhuǎn)化過(guò)程，將智能汽車企業(yè)運(yùn)營(yíng)分為研發(fā)轉(zhuǎn)化和生產(chǎn)經(jīng)營(yíng)兩個(gè)階段進(jìn)行效率評(píng)價(jià)，選取上海、深圳證券交易所中智能汽車板塊公司為研究樣本，構(gòu)建兩階段DEA模型，從多年度和多類型角度分別對(duì)2010～2015年的智能汽車上市企業(yè)運(yùn)營(yíng)效率進(jìn)行評(píng)價(jià).主要得出以下結(jié)論：

(1) 從多年績(jī)效變化來(lái)看，智能汽車企業(yè)運(yùn)營(yíng)效率多年中整體呈現(xiàn)上升趨勢(shì).2010～2012年，智能汽車企業(yè)研發(fā)效率較為平穩(wěn)，在2013年在研發(fā)投入上明顯增加，研發(fā)效率略有下降后，2014與2015年智能汽車上市企業(yè)研發(fā)效率呈現(xiàn)上升趨勢(shì)；

(2) 從過(guò)程階段影響來(lái)看，研發(fā)轉(zhuǎn)化階段效率對(duì)運(yùn)營(yíng)效率影響較大.通過(guò)對(duì)全階段效率與研發(fā)轉(zhuǎn)化過(guò)程、生產(chǎn)經(jīng)營(yíng)過(guò)程兩個(gè)階段效率進(jìn)行Pearson相關(guān)性檢驗(yàn)，發(fā)現(xiàn)智能汽車企業(yè)的綜合運(yùn)營(yíng)效率與企業(yè)研發(fā)轉(zhuǎn)化呈顯著相關(guān)，也說(shuō)明高技術(shù)產(chǎn)業(yè)研發(fā)轉(zhuǎn)化是企業(yè)運(yùn)營(yíng)發(fā)展的關(guān)鍵過(guò)程；

(3) 從企業(yè)類型角度，各個(gè)類型研發(fā)轉(zhuǎn)化效率均較低，說(shuō)明多數(shù)企業(yè)與標(biāo)桿企業(yè)相比仍存在差距，尤其是在智能決策和操作系統(tǒng)領(lǐng)域，生產(chǎn)經(jīng)營(yíng)階段效率始終在0.85以上；

(4) 基于各指標(biāo)比較，可以發(fā)現(xiàn)研發(fā)投入利用仍有改進(jìn)空間.通過(guò)投影分析可以發(fā)現(xiàn)，投入指標(biāo)中，研發(fā)經(jīng)費(fèi)投入改進(jìn)幅度最大，其次是研發(fā)人員.企業(yè)研發(fā)投入結(jié)構(gòu)不合理、研發(fā)人員能力參差不齊是主要原因.

根據(jù)上述結(jié)論，為提高智能汽車產(chǎn)業(yè)運(yùn)營(yíng)效率，提出以下建議：

(1) 繼續(xù)加大智能汽車產(chǎn)業(yè)研發(fā)投入，重點(diǎn)關(guān)注企業(yè)研發(fā)階段成效.隨著規(guī)模效益的增長(zhǎng)以及前期的研發(fā)投入逐步轉(zhuǎn)化為知識(shí)產(chǎn)權(quán)和產(chǎn)業(yè)經(jīng)濟(jì)效益，繼續(xù)加大產(chǎn)業(yè)投入，將有助于我國(guó)智能汽車企業(yè)運(yùn)營(yíng)效率的提升；

(2) 培育智能汽車核心技術(shù)領(lǐng)域，尤其是智能決策、操作系統(tǒng)模塊，在資源投入基礎(chǔ)上，產(chǎn)業(yè)企業(yè)間需要加強(qiáng)交流合作，信息共享，資源共用，在智能決策、操作系統(tǒng)等技術(shù)領(lǐng)域培育在世界范圍內(nèi)的具備競(jìng)爭(zhēng)力的核心企業(yè)；

(3) 培養(yǎng)和引進(jìn)智能汽車產(chǎn)業(yè)高技術(shù)人才，智能汽車產(chǎn)業(yè)作為新興產(chǎn)業(yè)，我國(guó)的高技術(shù)人才儲(chǔ)備相對(duì)較少，引進(jìn)和培育智能汽車產(chǎn)業(yè)高技術(shù)人才，將進(jìn)一步提升企業(yè)研發(fā)效率和核心競(jìng)爭(zhēng)力.

[1] GUERRERO-IBANEZ J A, ZEADALLY S, CONTRERAS C J. Integration challenges of intelligent transportation systems with connected vehicle, cloud computing, and internet of things technologies [J]. IEEE Wireless Communications, 2015, 22(6):122.

[2] 張景安. 關(guān)于提升企業(yè)核心競(jìng)爭(zhēng)力的若干戰(zhàn)略思考[J]. 科學(xué)學(xué)與科學(xué)技術(shù)管理, 2004, 25(11):121.

ZHANG Jing’an. A number of thoughts about promoting core competence of the corporations [J]. Science of Science & Management of Science & Technology, 2004, 25(11):121.

[3] 陳偉, 康鑫, 馮志軍. 區(qū)域高技術(shù)產(chǎn)業(yè)知識(shí)產(chǎn)權(quán)運(yùn)營(yíng)效率研究——基于DEA和TOPSIS模型的實(shí)證分析[J]. 科學(xué)學(xué)與科學(xué)技術(shù)管理, 2011, 32(11):125.

CHEN Wei, KANG Xin, FENG Zhijun. Research on the regional high-tech industries operation efficiency of intellectual property based on the perspective of DEA-TOPSIS [J]. Science of Science & Management of Science & Technology, 2011, 32(11):125.

[4] SERFORD L M, ZHU J. Profitability and marketability of the top 55 U.S. commercial banks[J]. Management Science, 1999, 45(9):1270.

[5] 孫超平, 蘇雷, 徐本勇. 基于DEA模型的我國(guó)城市水務(wù)企業(yè)經(jīng)營(yíng)績(jī)效評(píng)價(jià)研究[J]. 運(yùn)籌與管理, 2016, 25(3):204.

SUN Chaoping, SU Lei, XU Benyong. Research on business performance evaluation of urban water enterprises in china based on DEA model [J] Operations Research and Management Science, 2016, 25(3):204.

[6] 張利, 李琪, 汪貴浦. 基于DEA的中國(guó)鐵路運(yùn)營(yíng)績(jī)效分析及評(píng)價(jià)[J]. 系統(tǒng)管理學(xué)報(bào), 2006, 15(3):220.

ZHANG Li, LI Qi, WANG Guipu. Analysis and assessment of Chinese railway performance based on DEA technique [J]. Journal of Systems & Management, 2006, 15(3):220.

[7] 熊嬋, 買憶媛, 何曉斌,等. 基于DEA方法的中國(guó)高科技創(chuàng)業(yè)企業(yè)運(yùn)營(yíng)效率研究[J]. 管理科學(xué), 2014, 27(2):26.

XIONG Chan, MAI Yiyuan, HE Xiaobin,etal. A study on operational efficiency of hi-tech startups in China based on DEA methods[J]. Journal of Management Science, 2014, 27(2):26.

[8] FARE R, GROSSKOPF S. Network DEA[J]. Socio-economic Planning Sciences, 2000, 34(1):35.

[9] 成剛. 數(shù)據(jù)包絡(luò)分析方法與MaxDEA軟件[M]. 北京：知識(shí)產(chǎn)權(quán)出版社, 2014.

CHEN Gang. Approach of data envelopment analysis and MaxDEA[M].Beijing: Intellectual Property Publishing House, 2014.

[10] BANKER R D, CHARNES A, COOPER W W. Some models for estimating technical and scale inefficiencies in data envelopment analysis [J]. Management Science, 1984, 30(9):1078.

[11] WANG K, HUANG W, Wu J,etal. Efficiency measures of the Chinese commercial banking system using an additive two-stage DEA[J]. Omega, 2014, 44(2):5.

[12] 曾薇, 陳收, 周忠寶. 金融監(jiān)管對(duì)商業(yè)銀行產(chǎn)品創(chuàng)新影響——基于兩階段DEA模型的研究[J]. 中國(guó)管理科學(xué), 2016, 24(5):1.

ZNEG Wei, CHEN Shou, ZHOU Zhongbao. The impact of financial supervision on commercial banks product innovation—the research based on two-stage DEA model[J] Chinese Journal of Management Science, 2016, 24(5):1.

[13] 雷海民, 梁巧轉(zhuǎn), 李家軍. 公司政治治理影響企業(yè)的運(yùn)營(yíng)效率嗎——基于中國(guó)上市公司的非參數(shù)檢驗(yàn)[J]. 中國(guó)工業(yè)經(jīng)濟(jì), 2012, 30(9):109.

LEI Haimin, LIANG Qiaozhuan, LI Jiajun. Does the firm’s political governance affect its operational performance—a non-parametric test based on chinese listed companies[J]. China Industrial Economics, 2012, 30(9):109.

[14] 姚德權(quán), 王帥. 產(chǎn)融結(jié)合型上市公司運(yùn)營(yíng)效率評(píng)價(jià)研究[J]. 財(cái)經(jīng)問(wèn)題研究, 2011, 33(5):81.

YAO Dequan, WANG Shuai, Business Efficiency Evaluation of Financial-Industrial Listed Companies [J], Research on Financial & Economic Issues, 2011, 33(5):81.

[15] 馮纓, 滕家佳. 江蘇省高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率評(píng)價(jià)[J]. 科學(xué)學(xué)與科學(xué)技術(shù)管理, 2010, 31(8):107.

FENG Ying, TENG Jiateng. Evaluation on technology innovation efficiency of high-tech industry in jiangsu province[J]. Science of Science & Management of Science & Technology, 2010, 31(8):107.

[16] 趙福全, 匡旭, 劉宗巍. 面向智能網(wǎng)聯(lián)汽車的汽車產(chǎn)業(yè)升級(jí)研究——基于價(jià)值鏈視角[J]. 科技進(jìn)步與對(duì)策, 2016, 33(17):56.

ZHAO Fuquan, KUSNG Xu, Liu Zongwei. Research on upgrading of the automotive industry towards the intelligent—connected automotive industry from the perspective of value chains [J]. Science & Technology Progress & Policy, 2016, 33(17):56.

[17] 熊正德, 劉永輝. 效率測(cè)度方法DEA的研究進(jìn)展與述評(píng)[J]. 統(tǒng)計(jì)與決策, 2007, 23(20):149.

XIONG Zhengde, LIU Yonghui. Study and review of the efficiency measurement method DEA [J]. Statistics and Decision, 2007, 23(20): 149.

[18] 吳育華, 范貽昌. DEA模型的一般投影研究[J]. 系統(tǒng)工程學(xué)報(bào), 1996, 11(4):45.

WU Yuhua, FAN Yichang. Research about a general projection of DEA model [J]. Journal of Systems Engineering, 1996, 11 (4): 45.