長三角地區(qū)集成電路上市企業(yè)技術創(chuàng)新效率研究

摘 要：基于數字化轉型視角，選取長三角地區(qū)共31家集成電路上市企業(yè)作為研究對象，運用三階段DEA模型測算其技術創(chuàng)新效率。研究發(fā)現：①DEA-BCC模型結果顯示，2016—2020年樣本企業(yè)的整體技術創(chuàng)新效率較低，而材料和設備行業(yè)企業(yè)的技術創(chuàng)新效率值相對較高。②SFA模型結果顯示，企業(yè)技術創(chuàng)新效率受數字化轉型程度、經濟發(fā)展水平、市場競爭強度、對外開放程度和政策支持力度等環(huán)境因素的影響。③調整后的DEA-BCC模型結果顯示，在剔除環(huán)境因素和隨機干擾項的影響后，綜合效率和純技術效率水平有所提升，規(guī)模效率變化不顯著，但整體仍然較低，主要原因是純技術效率水平不高。④Tobit模型結果顯示，資產負債率、營業(yè)凈利率、獨立董事比例與綜合效率呈正相關，研發(fā)人員占比對綜合效率具有負向影響，第一大股東持股比例和企業(yè)規(guī)模對綜合效率無顯著影響。

關鍵詞：集成電路上市企業(yè)；三階段DEA；技術創(chuàng)新效率；數字化轉型

中圖分類號：F426.63；F273.1" " 文獻標志碼：A" " 文章編號：1671-0037（2024）10-61-11

DOI：10.19345/j.cxkj.1671-0037.2024.10.5

收稿日期：2024-05-28

基金項目：國家社會科學基金項目“集成電路產業(yè)集群韌性測度、影響因素與提升路徑研究”（21BJY020）。

作者簡介：張家峰（1970—），男，安徽金寨人，博士，副教授，研究方向：資源與環(huán)境經濟、計量經濟學；王世豪（2000—），男，河南周口人，碩士研究生，研究方向：科技創(chuàng)新工程；吳松強（1975—），男，湖北漢川人，博士，教授，研究方向：產業(yè)集群、制造業(yè)轉型。本文通信作者為吳松強。

0 引言

半導體集成電路產業(yè)既是數字經濟的重要組成部分，也是數字經濟中各種新模式新業(yè)態(tài)賴以發(fā)展的物質技術基礎，扮演著確保國家信息安全和促進經濟社會發(fā)展的關鍵角色。隨著科技水平的提升，我國對集成電路產品的需求越來越大。然而，缺少核心技術、芯片自給率較低等問題給國家安全和經濟發(fā)展帶來了巨大隱患。提高集成電路產業(yè)的技術創(chuàng)新效率是實現關鍵核心技術突破、提升創(chuàng)新鏈整體效能、促進全產業(yè)鏈發(fā)展和維持經濟快速穩(wěn)定增長的重要手段。而數字化轉型對于關鍵核心技術的創(chuàng)新有著巨大的推動作用。因此，在我國集成電路產業(yè)存在“卡脖子”“斷鏈”風險，以及整體發(fā)展水平較低的背景下，深入探討集成電路上市企業(yè)的技術創(chuàng)新效率及其相關影響因素，具有重要的理論和實踐價值。

1 文獻綜述

針對技術創(chuàng)新效率，國內外學者基于不同的方法開展了許多研究。相關研究主要集中在技術創(chuàng)新效率的研究方法和影響因素等方面。Claudio等［1］認為，用創(chuàng)新產出與投入的比例來衡量企業(yè)技術創(chuàng)新效率是可行的。Guan和Chen［2］使用兩階段DEA模型，測算了中國高新技術產業(yè)的技術創(chuàng)新效率，并進一步研究發(fā)現，政府資金對技術創(chuàng)新效率的影響并不顯著。肖仁橋等［3］構建了關聯(lián)性兩階段DEA模型，測度了3類不同性質企業(yè)的技術創(chuàng)新效率，研究發(fā)現，企業(yè)整體的技術創(chuàng)新效率變化趨勢呈U形。馬一丹［4］基于SFA模型，測算了11家微電子企業(yè)的技術創(chuàng)新效率，結果顯示，研發(fā)經費投入強度、人員結構、資本密集度和銷售費用率等對我國微電子企業(yè)技術創(chuàng)新效率具有明顯的促進或抑制作用。李天籽和韓沅剛［5］基于三階段DEA方法，研究了2017—2019年中國30個省份的高技術產業(yè)創(chuàng)新效率，結果顯示，創(chuàng)新效率未發(fā)生顯著變化。Raab［6］通過分析美國部分高新技術產業(yè)的技術創(chuàng)新效率發(fā)現，在經濟發(fā)達地區(qū)，技術創(chuàng)新效率的提升能顯著提高該地區(qū)的經濟績效。龔光明和單虹［7］測算了我國高技術企業(yè)的創(chuàng)新效率，發(fā)現以產值和專利申請量為衡量標準測算的創(chuàng)新效率之間存在顯著差距。胡艷和周玲玉［8］研究表明，企業(yè)自主創(chuàng)新和政府支持對創(chuàng)新效率的提升具有積極作用?？梢?，學者們基于不同研究對象、不同方法、不同視角進行研究，所得到的結論并不相同。

關于集成電路產業(yè)技術創(chuàng)新效率的研究，主要集中在測算產業(yè)整體效率方面，且學者們得到了不同的結論。Rahul和Patia［9］探討了集成電路產業(yè)的技術生命周期中研發(fā)協(xié)作模式的演變過程。Wang和Chiu［10］研究了中國臺灣地區(qū)在促進集成電路產業(yè)發(fā)展方面采取的相關措施，并分析了集成電路產業(yè)未來可能面臨的發(fā)展障礙。楊歌等［11］測算了我國59家集成電路上市企業(yè)的技術創(chuàng)新效率，研究發(fā)現，我國集成電路產業(yè)整體技術創(chuàng)新效率處于低水平階段，且呈下降趨勢。李宏寬等［12］基于廣義的三階段DEA模型，測算了剔除環(huán)境因素后我國集成電路產業(yè)的技術創(chuàng)新效率，發(fā)現其整體水平不高但呈上升趨勢。劉際陸和張誠［13］測算了我國40家半導體上市企業(yè)的技術創(chuàng)新效率，發(fā)現其整體技術創(chuàng)新效率并不高。

綜上所述，已有文獻在高新技術產業(yè)技術創(chuàng)新效率的分析等方面取得了豐富的成果。作為戰(zhàn)略性新興產業(yè)，集成電路產業(yè)技術創(chuàng)新具有投資金額大、投資周期長、效率水平低等特點。目前，關于集成電路產業(yè)技術創(chuàng)新效率的研究鮮有基于數字化轉型視角。在構建技術創(chuàng)新效率的測度指標體系時，應著重考慮數字經濟這一因素。長三角地區(qū)作為我國集成電路產業(yè)主要的研發(fā)和生產基地，占據著極為重要的位置。根據國家統(tǒng)計局的數據，2015—2020年長三角地區(qū)集成電路產出占比總體維持在50%左右，且產量由2015年的769.19億塊增至2020年的1 306.82億塊。因此，本文以長三角地區(qū)集成電路上市企業(yè)的技術創(chuàng)新效率為研究對象，基于數字化轉型視角，合理構建評價指標體系，對長三角地區(qū)集成電路上市企業(yè)的技術創(chuàng)新效率進行分析，并提出針對性建議。

2 評價模型構建

2.1 研究方法

數據包絡分析方法（DEA）是一種非參數化的評價方法，以線性規(guī)劃的邏輯思路來評估多投入、多產出決策單元（DMU）的相對效率［14］。DEA方法的優(yōu)勢在于不受特定的生產函數形式、投入產出指標權重或度量單位的約束。在具體應用中，DEA方法也存在一些限制。例如，傳統(tǒng)的DEA方法僅關注投入和產出指標之間的關系，而且將決策單元視為一個整體，需要剔除環(huán)境變量、投入冗余等產生隨機誤差的因素?；谶@一觀點，Fried等［15］提出了一種能夠有效處理隨機誤差和外部環(huán)境干擾的三階段DEA模型。在實際研究中，Fried等［16］還指出，研究技術創(chuàng)新效率時需要采用隨機前沿模型（SFA），以測算不受環(huán)境因素影響的決策投入冗余。

為深入研究長三角地區(qū)集成電路上市企業(yè)的技術創(chuàng)新效率，本文采用三階段DEA模型，剔除隨機誤差和各種環(huán)境因素的干擾，評估各決策單元的真實效率水平。分析步驟如下：

第一階段：DEA分析。依據原始的投入和產出數據，計算各個決策單元的效率值。選擇Banker等［17］所提出的投入導向的BCC模型。具體的模型方程如式（1）所示。

[MinE=i=1mθixik+ηk]

[s.t.j=1nεjyjk?i=1mθixik+ηk≤0j=1nεiyjk=1; k=1，2，3，…，s] （1）

式（1）中：s表示決策單元數；m表示投入項；n表示產出項；[xik]和[yjk]分別表示第k個決策單元的第i項投入和第j項產出；[θi]和[εi]分別表示相應的投入和產出權重；[ηk]表示決策單元的規(guī)模報酬。

第二階段：使用SFA方法以剔除環(huán)境變量和隨機誤差的影響。SFA回歸函數表達式如下。

[" " " "Sik=fZk;βi+zik+μik;i=1，2，…，s;k=1，2，…，q] （2）

式（2）中：[Sik]表示第k個決策單元第[i]項投入的松弛值；[Zk]和[βi]分別表示環(huán)境變量和待估參數；[fZk;βi]表示環(huán)境變量對投入冗余的影響；[zik+μik]為混合誤差項。

剔除環(huán)境變量和隨機干擾項的影響，調整后的函數表達式如下：

[xik=xik+maxfZk;βi?fZk;βi+maxzik?zik;i=1，2，…，s; k=1，2，…，q] （3）

式（3）中：[xik]表示調整后的投入；[xik]表示調整前的投入集合；[maxfZk;βi?fZk;βi]表示外部環(huán)境因素；[maxzik?zik]表示隨機干擾調整項。

第三階段：基于第二階段調整后得到的投入數據和原始產出數據，再次運行BCC模型，得到各決策單元的實際效率值。

2.2 指標構建

基于三階段DEA模型測算企業(yè)技術創(chuàng)新效率時，須剔除非管理性因素對效率值的影響，以更準確地反映出企業(yè)的技術創(chuàng)新能力。參考相關學者的研究［18-32］，構建了如表1所示的評價指標體系。

2.2.1 投入變量

Ramp;D人員在提升集成電路企業(yè)創(chuàng)新能力的過程中扮演著至關重要的角色。參考徐書彬等［18］以及吳傳清和黃磊［19］的做法，選取上市企業(yè)的Ramp;D人員數量作為投入變量之一。

由于研發(fā)創(chuàng)新的難度不斷增加，企業(yè)需要更多的資本以開展Ramp;D活動。參考林壽富等［20］的做法，選取上市企業(yè)的Ramp;D經費作為投入變量之一。

2.2.2 產出變量

專利是企業(yè)創(chuàng)新活動的重要產出成果和新技術的載體。專利申請數量能夠反映企業(yè)技術創(chuàng)新的活躍程度與水平。參考張延祿等［21］和魏方慶等［22］的做法，選取企業(yè)的專利申請數作為產出變量之一。

從市場的角度出發(fā)，追求效益最大化是企業(yè)開展技術創(chuàng)新活動的最大動力，而商業(yè)化程度能夠反映企業(yè)科技成果市場化的能力，創(chuàng)新產品或技術的效益值可以反映其創(chuàng)新水平。例如，屈國俊等［23］以及蘭海霞和趙雪雁［24］分別選取總資產凈利率、技術市場成交額來衡量創(chuàng)新產出。本文參考賀正楚等［25］和馮金忠［26］的做法，選取企業(yè)的營業(yè)總收入代表創(chuàng)新經濟產出。

數字化無形資產作為芯片產業(yè)的技術前提和產出成果，是其創(chuàng)新能力和核心競爭力的載體［27］。本文借鑒何帆和劉紅霞［28］的做法，選取上市公司財務報告所披露的無形資產明細項中與數字化技術緊密相關的資產類別（客戶端、軟件、智能平臺等），并通過計算這些資產的總和來衡量企業(yè)的數字化無形資產。

2.2.3 環(huán)境變量

環(huán)境變量是不受樣本企業(yè)主觀控制且對企業(yè)技術創(chuàng)新效率有影響的因素。本文基于集成電路產業(yè)的高技術密集度、高資本密集度、創(chuàng)新驅動和垂直整合等特征選擇環(huán)境變量。

其中，對數字化轉型程度的測算借鑒吳非等［29］的做法。首先，從人工智能技術、大數據技術、云計算技術、區(qū)塊鏈技術、數字技術等5個維度出發(fā)，構建數字化詞頻指標體系；其次，利用Python軟件爬取公司年報，獲得5個維度的數字化詞頻；最后，匯總詞頻求得數字化詞頻指數。另外，借鑒戚聿東和劉歡歡［30］、曹興和羅會華［31］、閆華飛等［32］、劉際陸和張誠［13］的相關研究，共選取以下5個指標作為環(huán)境變量。

2.2.3.1 數字化轉型程度

企業(yè)數字化轉型并非簡單地將企業(yè)生產資料進行數字化，而是借助數字技術推動企業(yè)生產資料與運行流程的數字化。戚聿東和劉歡歡［30］指出，數字化轉型的基礎核心架構是“人工智能”“區(qū)塊鏈”“云計算”“大數據”等，須注重數字技術在企業(yè)經營、管理模式中的嵌入，最終促使創(chuàng)新成果的產出。通過考察數字化轉型對技術創(chuàng)新效率的影響，可以深入理解數字化轉型對企業(yè)創(chuàng)新能力提升的推動作用。

2.2.3.2 經濟發(fā)展水平

集成電路產業(yè)包括材料、設計、設備、制造和封測等五大產業(yè)鏈，其技術創(chuàng)新需要長期高強度的投入，且依賴下游產業(yè)對創(chuàng)新成果的應用。整體宏觀經濟的變化會對集成電路產業(yè)發(fā)展產生多重影響，包括激發(fā)市場需求、提供資金和政策支持、推動科技創(chuàng)新與研發(fā)、影響國際市場格局等，并對人才供給產生影響。而地區(qū)生產總值能夠反映某一地區(qū)的整體經濟發(fā)展水平。本文選取集成電路企業(yè)所在地區(qū)的人均生產總值來衡量經濟發(fā)展水平。

2.2.3.3 市場競爭強度

數字化轉型加劇了同行業(yè)的市場競爭，進而影響到企業(yè)的技術創(chuàng)新和經營策略［31］。集成電路企業(yè)為了獲取更大的市場份額，需要通過不斷優(yōu)化生產流程、增加自動化設備、節(jié)約原材料等方式來控制成本，提高產品的性價比。參考杜雯翠等［33］的做法，采用赫芬達爾-赫希曼指數（HHI）來評估市場競爭程度，即測算每家企業(yè)的總資產在行業(yè)市場中所占的比例。

2.2.3.4 政策支持力度①

為促進我國集成電路產業(yè)和軟件產業(yè)持續(xù)健康發(fā)展，國務院發(fā)布了《新時期促進集成電路產業(yè)和軟件產業(yè)高質量發(fā)展的若干政策》等文件。企業(yè)在自主開發(fā)集成電路新技術時面臨多重挑戰(zhàn)，如資金籌集困難等，并且僅依賴金融機構提供的貸款支持，往往難以滿足對研發(fā)經費的高需求。而地方政府對科技創(chuàng)新的支持能夠有效提高工業(yè)企業(yè)開展技術研發(fā)的積極性，進而增強企業(yè)創(chuàng)新能力。本文選取地方財政科技支出占一般支出的比重作為政策支持力度的測量指標［25］。

2.2.3.5 對外開放程度

數字技術的廣泛應用促進了創(chuàng)新信息的快速流動與共享，進一步推動了企業(yè)創(chuàng)新向開放式創(chuàng)新的轉變。本文選用地區(qū)實際利用外資額的對數來衡量地區(qū)開放程度。對外開放程度越高，越有利于企業(yè)強化比較優(yōu)勢，優(yōu)化資源配置，改善投入產出關系，提高技術創(chuàng)新效率［32］。

2.2.4 數據來源

本文以長三角地區(qū)集成電路上市企業(yè)為研究對象，在剔除*ST企業(yè)和數據披露不完整的企業(yè)后，共得到31家上市企業(yè)的財務和專利數據。財務數據來源于Wind金融網站和國泰安數據庫；專利數據源自國家知識產權局官網、國泰安數據庫及企業(yè)年報；環(huán)境變量的數據則來自歷年的《中國科技統(tǒng)計年鑒》等。

3 實證分析

3.1 DEA-BCC模型實證結果

通過DEAP2.1軟件測算了2016—2020年31家集成電路上市企業(yè)的技術創(chuàng)新效率。詳細數據見表2。

由表2可知，在剔除非管理性因素后，長三角地區(qū)集成電路上市企業(yè)的技術創(chuàng)新水平明顯提升，綜合效率、純技術效率和規(guī)模效率均顯著提升，且在樣本期間波動較緩。這表明，外部環(huán)境因素和隨機誤差確實會對集成電路上市企業(yè)的技術創(chuàng)新效率產生影響。因此，采用剔除非管理性因素后的技術創(chuàng)新效率進行后續(xù)分析更為合理。在行業(yè)類型層面上，不同行業(yè)企業(yè)的綜合效率值存在顯著差異。在11家材料行業(yè)企業(yè)中，有5家企業(yè)的綜合效率值大于0.7；在6家設備行業(yè)企業(yè)中，有4家企業(yè)的綜合效率值大于0.6；3家設計行業(yè)企業(yè)的綜合效率值都小于0.7；在5家制造行業(yè)企業(yè)中，只有2家企業(yè)的綜合效率值大于0.5；在6家封測行業(yè)企業(yè)中，僅有1家企業(yè)的綜合效率值大于0.7。總體來看，材料、設備行業(yè)企業(yè)的綜合效率值相對較高，而設計、制造和封測行業(yè)企業(yè)的綜合效率值均普遍較低。

3.2 SFA模型實證結果

采用Frontier4.1軟件測算環(huán)境變量對投入冗余的影響。將Ramp;D人員冗余和Ramp;D經費冗余作為被解釋變量，選取5個環(huán)境變量作為解釋變量，分析結果見表3。由表3可知，兩個模型的LR檢驗統(tǒng)計量均在1%的水平上顯著，表明在本研究中剔除非管理性因素的影響是必要的；兩個模型的γ值分別為0.57和0.46，且均通過了1%水平的顯著性檢驗，說明管理無效率和隨機干擾均會對集成電路上市企業(yè)的技術創(chuàng)新效率產生影響。

具體分析如下：

①數字化轉型程度與研發(fā)人員投入和研發(fā)經費投入松弛值之間呈顯著的正相關關系。這說明，隨著數字技術的快速發(fā)展和廣泛應用，數據要素日益取代人力、資本等要素，成為核心生產要素。然而，目前集成電路企業(yè)并不能有效地利用這些數字資源，導致研發(fā)人員和研發(fā)經費的投入冗余增加。

②經濟發(fā)展水平與研發(fā)人員投入和研發(fā)經費投入松弛值之間呈顯著的負相關關系。這表明，在經濟發(fā)達地區(qū)，企業(yè)能夠獲得更多的研發(fā)資源，并且能夠高效地將這些資源轉化為科技創(chuàng)新成果，因而企業(yè)的研發(fā)資源利用效率相對較高。

③市場競爭強度與研發(fā)人員投入和研發(fā)經費投入松弛值之間呈顯著的負相關關系。這說明，行業(yè)內競爭越激烈，集成電路企業(yè)通過技術創(chuàng)新提升競爭力的動機就越強烈。企業(yè)利用自有資金和融資資金不斷更新設備，改進技術，提升技術創(chuàng)新效率。

④政策支持力度與研發(fā)經費投入松弛值之間呈顯著的正相關關系。即政府政策支持的力度越大，企業(yè)投入的研發(fā)經費就越多，部分研發(fā)經費超出實際需要就會形成冗余。因各城市資源稟賦、區(qū)位條件不同，各地方政府在制定集成電路相關政策方面存在差異，且各企業(yè)對于優(yōu)惠政策的利用程度也大不相同。資源分配不均和資源利用效率的差異導致企業(yè)對資金的使用效率較低，研發(fā)投入冗余度較高，整體上不利于技術創(chuàng)新效率的提升。

⑤對外開放程度與研發(fā)人員投入松弛值之間呈顯著的負相關關系，且對研發(fā)經費投入冗余的影響不顯著。這說明，隨著對外開放水平的提高，集成電路產業(yè)發(fā)展迅速，人才大量涌入且得到了充分發(fā)展，研發(fā)人員冗余度低，有利于提高企業(yè)的技術創(chuàng)新效率。

3.3 調整后的DEA模型實證結果

對SFA模型回歸調整后的數據再次進行DEA分析，得到31家集成電路上市企業(yè)的技術創(chuàng)新效率值，結果見表2。就綜合效率而言，投入調整后，有21家企業(yè)的綜合效率提升，占比為67.74%。其中，變化最明顯的是樣本27，較投入調整前提升79.02%。這說明，外部環(huán)境對企業(yè)的創(chuàng)新活動具有積極影響，在剔除環(huán)境因素和隨機擾動項的影響后，企業(yè)間的技術創(chuàng)新效率差距更大。就純技術效率而言，有約77.42%的企業(yè)效率提升明顯，變化最明顯的是樣本23，從0.451上升到0.670；樣本12、20、29和30的純技術效率在投入調整前后保持不變，始終處于前沿位置。與綜合效率類似，剔除非管理性因素的影響后，企業(yè)間的純技術效率有著明顯的差異。而規(guī)模效率在投入調整前后的變化并不顯著。這表明，當前集成電路上市企業(yè)的研發(fā)規(guī)模有待進一步擴大。

表4中調整后的數據顯示，樣本期內，集成電路上市企業(yè)的綜合效率、純技術效率及規(guī)模效率均呈U形變化趨勢。這是因為，2016年長三角地區(qū)集成電路上市企業(yè)處于產業(yè)技術升級階段，研發(fā)經費和人員的投入大幅增加，而原有技術下的產能擴充受到限制，導致技術創(chuàng)新效率下降。而產業(yè)技術的不斷升級能夠推動技術創(chuàng)新效率逐步提升。因此，通過優(yōu)化數字經濟發(fā)展的創(chuàng)新環(huán)境，提升集成電路企業(yè)的數字化轉型水平，可以有效促進技術創(chuàng)新效率的提升。

4 Tobit回歸分析模型

基于數字化轉型視角，本文對長三角地區(qū)集成電路上市企業(yè)的技術創(chuàng)新效率進行了測度。然而，在剔除環(huán)境因素和隨機干擾項的影響后，各樣本企業(yè)的技術創(chuàng)新效率并未得到較大提升。對于影響集成電路企業(yè)技術創(chuàng)新效率的因素，須進一步深入探討。參考潘建均等［34］的研究，選取資產負債率、第一大股東持股比例、研發(fā)人員占比、企業(yè)規(guī)模、營業(yè)凈利率、獨立董事比例等指標作為自變量（見表5），選取第三階段DEA-BCC模型調整后的真實綜合效率②值作為因變量［35-36］，探究控制變量對技術創(chuàng)新效率的影響。

本文選用Tobit模型來深入分析上述影響因素。該模型能有效規(guī)避DEA模型計算過程中可能存在的數據截斷問題。此外，使用Stata17軟件對數據進行處理。具體的模型方程如式（4）所示：

[TEit=β0+β1Levit+β2Top?oldit+β3Rdprit+β4Sizeit+β5Npmit+β6Indeit+εit] （4）

式（4）中：[i]表示樣本企業(yè)；[t]表示年份；[TE]表示綜合效率；[β0]表示常數項；[β1～ β6]表示待估系數；[εit]為隨機誤差?；貧w結果如表6所示。

①資產負債率對綜合效率的影響系數為0.372，且在10%的水平上顯著。李海燕［37］指出，負債融資是企業(yè)獲得創(chuàng)新資金的方式之一，會影響企業(yè)的綜合效率。高資產負債率意味著企業(yè)依賴更多的外部資本進行技術研發(fā)，進而加速企業(yè)技術創(chuàng)新的進程。

②第一大股東持股比例對綜合效率的影響系數為正，但不顯著。股權集中與股權制衡構成了公司治理的基本框架，高效的管理措施對企業(yè)創(chuàng)新活動的開展具有重要影響。但影響不顯著說明，集成電路產業(yè)的特定市場競爭程度和技術進步速度可能對綜合效率的影響更大，或者公司治理結構（如董事會和管理層）可能在創(chuàng)新策略制定和綜合效率提升中扮演著更為重要的角色，超過了股東持股比例的影響。

③研發(fā)人員占比對綜合效率的影響系數為-0.232，且在5%的水平上顯著。較高的研發(fā)人員占比意味著企業(yè)在人力資源管理上的成本和復雜性更高，決策過程更加復雜，從而影響企業(yè)的綜合效率。

④企業(yè)規(guī)模對綜合效率的影響系數為負，但不顯著。這說明，樣本集成電路企業(yè)的綜合效率不受企業(yè)規(guī)模的限制。即使企業(yè)規(guī)模較小，其創(chuàng)新能力也可能會很強。

⑤營業(yè)凈利率與綜合效率呈正相關關系，且在1%的水平上顯著。較高的營業(yè)凈利率能夠為企業(yè)提供更多的資金，進而更好地支持技術研發(fā)活動；同時，高營業(yè)凈利率也意味著企業(yè)承擔創(chuàng)新風險的能力更強，可以激勵企業(yè)進行創(chuàng)新嘗試，從而提高技術創(chuàng)新效率。

⑥獨立董事比例與綜合效率呈正相關關系，且在5%的水平上顯著。設立獨立董事制度，可以監(jiān)督和激勵管理層，降低代理成本，提升企業(yè)經營管理效率，從而提高企業(yè)創(chuàng)新能力。

5 研究結論及建議

本文采用三階段DEA模型和Tobit模型，測量并分析了31家集成電路上市企業(yè)的技術創(chuàng)新效率及影響因素。結論如下：

首先，集成電路上市企業(yè)的技術創(chuàng)新效率較低的原因在于純技術效率不高，上市企業(yè)應重視技術開發(fā)和創(chuàng)新。

其次，環(huán)境因素對集成電路上市企業(yè)的技術創(chuàng)新效率有較大影響。研究表明，企業(yè)數字化轉型程度與研發(fā)投入冗余顯著正相關，說明企業(yè)數字化發(fā)展水平尚未達到提升技術創(chuàng)新效率的要求。另外，經濟發(fā)展水平、市場競爭強度、對外開放程度等均與研發(fā)投入冗余負相關。相比之下，政府政策支持反而增加了研發(fā)投入冗余。

最后，Tobit模型測算結果顯示，資產負債率、營業(yè)凈利率、獨立董事比例與綜合效率呈正相關；研發(fā)人員占比對綜合效率具有負向影響；第一大股東持股比例和企業(yè)規(guī)模對綜合效率無顯著影響。

基于上述發(fā)現，本文提出如下幾點建議：

第一，大力推進企業(yè)數字化轉型。為推進集成電路產業(yè)的數字化轉型進程，企業(yè)須依靠云計算、大數據等數字技術構建健全的數據治理體系，確保對數據資源的高效整合與深度挖掘，從而支撐企業(yè)進行精準的市場定位與作出合理的戰(zhàn)略決策；同時，積極運用智能化生產手段，提升生產流程的自動化程度和產品品質，以實現成本控制與效益最大化。在供應鏈管理領域，企業(yè)應借助數字化工具優(yōu)化供應鏈結構，增強其適應性和響應速度，進而在復雜多變的市場環(huán)境中保持競爭優(yōu)勢。

第二，合理控制資產負債率水平，充分發(fā)揮財務杠桿優(yōu)勢。企業(yè)可以通過提高資產負債率的方式融到更多的資金，進而加大在研發(fā)領域的投入。另外，企業(yè)在調整財務杠桿時，要注意內外部環(huán)境，在經濟穩(wěn)定向好時提升舉債能力；在經濟不穩(wěn)定時降低財務風險，優(yōu)先采用能夠增強資本結構靈活性的融資策略。通過提高資產負債率，集成電路企業(yè)可以獲得更多的資金和戰(zhàn)略資源，加速技術研發(fā)進程，提升市場競爭力，進而推動整個行業(yè)的發(fā)展。

第三，完善企業(yè)管理結構，提升企業(yè)經營管理效率。集成電路產業(yè)具有技術密集、資本密集和人才密集等特征。企業(yè)要引入現代化的管理理念和方法，制定適合企業(yè)發(fā)展的治理機制，合理分配技術創(chuàng)新所需的資源；同時，加強人才培養(yǎng)和團隊建設，強化知識產權保護，提升企業(yè)內部經營管理效率，推動企業(yè)實現可持續(xù)發(fā)展。

注釋：

① 囿于數據可得性，本文選取上市企業(yè)所在地級市的政府科技支出來衡量政策支持力度。

② 綜合效率反映的是企業(yè)在生產中能否充分利用先進技術和創(chuàng)新成果來提高產出水平，即能否有效地將技術創(chuàng)新轉化為生產效率的提升；純技術效率是指在已有的生產規(guī)模和投入條件下，企業(yè)實際生產所達到的最優(yōu)水平，反映了企業(yè)在技術使用上的效率；規(guī)模效率反映的是企業(yè)在利用生產規(guī)模優(yōu)勢時的表現；綜合效率可分解為純技術效率和規(guī)模效率。

參考文獻：

［1］ CLAUDIO C C，CRISTINA B S，TERESA G M. You can’t manage right what you can’t measure well：technological innovation efficiency［J］.Research Policy，2013，42（6/7）：1239-1250.

［2］ GUAN J C，CHEN K H. Measuring the innovation production process：a cross-region empirical study of China’s high-tech innovations［J］.Technovation，2010，30（5/6）：348-358.

［3］ 肖仁橋，王宗軍，錢麗.我國不同性質企業(yè)技術創(chuàng)新效率及其影響因素研究：基于兩階段價值鏈的視角［J］.管理工程學報，2015，29（2）：190-201.

［4］ 馬一丹.基于隨機前沿的中國微電子產業(yè)技術創(chuàng)新效率研究：以11家上市公司為例［D］.西安：西安電子科技大學，2014.

［5］ 李天籽，韓沅剛.全球創(chuàng)新網絡視角下高技術產業(yè)分階段創(chuàng)新效率提升組態(tài)路徑研究［J］.當代經濟管理，2023，45（2）：73-81.

［6］ RAAB R A，KOTAMRAJU P. The efficiency of the high-tech economy：conventional development indexes versus a performance index［J］.Journal of Regional Science，2006，46（3）：545-562.

［7］ 龔光明，單虹.基于動態(tài)網絡DEA的中國高技術企業(yè)創(chuàng)新效率研究［J］.科學管理研究，2015，33（1）：60-63.

［8］ 胡艷，周玲玉.長江經濟帶高新技術產業(yè)創(chuàng)新效率及其影響因素研究［J］.工業(yè)技術經濟，2018，37（6）：71-77.

［9］ RAHUL K，PATIA G M. Unmasking the interplay between technology evolution and Ramp;D collaboration：evidence from the global semiconductor manufacturing industry，1990—2010［J］.Research Policy，2014，43（3）：555-569.

［10］ WANG C T，CHIU C S. Competitive strategies for Taiwan’s semiconductor industry in a new world economy［J］.Technology in Society，2014，36（1）：60-73.

［11］ 楊歌，崔和瑞，趙巧芝.中國集成電路上市企業(yè)技術創(chuàng)新效率影響因素研究［J］.科技和產業(yè)，2022，22（3）：96-101.

［12］ 李宏寬，何海燕，單捷飛，等.剔除非管理性因素影響的我國集成電路產業(yè)技術創(chuàng)新效率研究：基于廣義三階段DEA和Tobit模型［J］.管理工程學報，2020，34（2）：60-70.

［13］ 劉際陸，張誠.中國半導體產業(yè)技術創(chuàng)新效率研究：基于三階段DEA和Tobit模型［J］.技術經濟與管理研究，2021（10）：14-19.

［14］ CHARNES A，COOPER W W，RHODES E. Measuring the efficiency of decision making units［J］.European Journal of Operational Research，1978，2（6）：429-444.

［15］ FRIED O H，LOVELL A K C，SCHMIDT S S，et al. Accounting for environmental effects and statistical noise in data envelopment analysis［J］.Journal of Productivity Analysis，2002，17（1/2）：157-174.

［16］ FRIED H O，SCHMIDT S S，YAISAWARNG S. Incorporating the operating environment into a nonparametric measure of technical efficiency［J］.Journal of Productivity Analysis，1999，12（3）：249-267.

［17］ 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）：1078-1092.

［18］ 徐書彬，黎新伍，李果.基于三階段DEA的人工智能上市企業(yè)創(chuàng)新效率評價［J］.科技管理研究，2020，40（5）：165-172.

［19］ 吳傳清，黃磊.長江經濟帶工業(yè)綠色發(fā)展效率及其影響因素研究［J］.江西師范大學學報（哲學社會科學版），2018，51（3）：91-99.

［20］ 林壽富，王謙，管河山.中國工業(yè)企業(yè)綠色技術創(chuàng)新效率的動態(tài)評價［J］.統(tǒng)計與決策，2023，39（16）：163-168.

［21］ 張延祿，張方亮，楊乃定.關鍵核心專利視角下集成電路協(xié)同創(chuàng)新網絡關鍵節(jié)點識別［J/OL］.軟科學，2024：1-11［2024-05-27］.https：//kns.cnki.net/kcms2/article/abstract？v=Fc1KeZPKhRETUJY4_PATKXPFmRa880QoA5JP

A6B5tr1cMlz-mhyhCA86Hi4uoWwCXjipaAC8uXt3J5ICHJjwLRgyuaTwoWj56RGGDUJ_kTRDp9DRiLhkOfAI3BWX9V

_jIdpoqmEU0aLOkVeBOIXC52ii0YMfA9-bMmeg4jJIuCKC

wy23spFcY0VM8H3ApMP6amp;uniplatform=NZKPTamp;language=CHS.

［22］ 魏方慶，儲軍飛，楊鋒.基于雙目標DEA模型的中國省級高技術產業(yè)的創(chuàng)新效率評價［J］.運籌與管理，2024，33（4）：174-180.

［23］ 屈國俊，宋林，郭玉晶.中國上市公司技術創(chuàng)新效率研究：基于三階段DEA方法［J］.宏觀經濟研究，2018（6）：97-106.

［24］ 蘭海霞，趙雪雁.中國區(qū)域創(chuàng)新效率的時空演變及創(chuàng)新環(huán)境影響因素［J］.經濟地理，2020，40（2）：97-107.

［25］ 賀正楚，潘為華，潘紅玉.制造企業(yè)創(chuàng)新效率測度與影響因素研究：基于數字化轉型的視角［J］.科學決策，2023（2）：18-29.

［26］ 馮金忠.中國集成電路產業(yè)鏈技術創(chuàng)新效率研究［D］.蘭州：蘭州理工大學，2022.

［27］ 苑澤明，牛新琪，劉冠辰.芯片概念上市公司無形資產發(fā)展現狀及對策［J］.會計之友，2021（18）：43-48.

［28］ 何帆，劉紅霞.數字經濟視角下實體企業(yè)數字化變革的業(yè)績提升效應評估［J］.改革，2019（4）：137-148.

［29］ 吳非，胡慧芷，林慧妍，等.企業(yè)數字化轉型與資本市場表現：來自股票流動性的經驗證據［J］.管理世界，2021，37（7）：130-144，10.

［30］ 戚聿東，劉歡歡.數字經濟下數據的生產要素屬性及其市場化配置機制研究［J］.經濟縱橫，2020（11）：63-76，2.

［31］ 曹興，羅會華.新興技術產業(yè)初始市場結構形成的影響因素研究：基于有序Probit模型［J］.中國軟科學，2021（4）：94-105.

［32］ 閆華飛，肖靜，馮兵.長江經濟帶工業(yè)綠色技術創(chuàng)新效率評價及其影響因素分析［J］.統(tǒng)計與決策，2022，38（12）：96-101.

［33］ 杜雯翠，劉淼淼，李佳昕.行業(yè)競爭視角下環(huán)境規(guī)制對企業(yè)成本加成的影響研究［J］.北京交通大學學報（社會科學版），2024，23（2）：69-79.

［34］ 潘建均，侯光明，顧基發(fā)，等.技術進步對中國電力行業(yè)環(huán)境效率提升影響的實證研究：基于SBM超效率-ML-Tobit三階段分析法［J］.中國管理科學，2023，31（12）：215-227.

［35］ 馬文斌，朱歡.綠色低碳企業(yè)創(chuàng)新效率測度及影響因素研究：基于三階段DEA與Tobit模型［J/OL］.軟科學，2023：1-12［2024-05-27］.https：//kns.cnki.net/kcms2/article/abstract？v=Fc1KeZPKhRE-WzVlgL7KwqufVb0WYS-sRgVZQYUTEjv4g88RS19Ir8kBfHILxDRg_nePVHaw0X2K

HbIFpVVekE_eavacIVzIvy9FpBoBdCLn7SMZ6FSEDMjPdtbGEFrzY58A5zh-4GLkQ3GkQVsVWF67ruDjsUeKh5-qom

PQQ59SqZN62jhEWQ1O943OVLraamp;uniplatformNZKPT

amp;language=CHS.

［36］ 張浩，毛家輝，汪天宇.我國智能制造企業(yè)技術創(chuàng)新效率提升的主要影響因素：基于三階段DEA-Tobit模型的分析［J］.科技管理研究，2023，43（22）：95-101.

［37］ 李海燕.負債水平、創(chuàng)新投入與公司績效：基于不同產權性質上市公司的實證研究［J］.經濟問題，2021（2）：117-123.

Study on the Technological Innovation Efficiency of Listed Integrated Circuit Companies in the Yangtze River Delta Region

—Based on the Perspective of Digital Transformation

Zhang Jiafeng， Wang Shihao， Wu Songqiang

（School of Economics and Management， Nanjing Tech University， Nanjing 211816， China）

Abstract： Promoting the digital transformation of the integrated circuit industry plays an important role in upgrading national manufacturing， in line with the State Council's \"14th Five-Year Plan for Digital Economy Development\" strategy of building a strong digital economy. The integrated circuit industry is a crucial component of modern manufacturing and holds strategic significance and competitive advantages globally. Therefore， studying the innovation efficiency of this industry from a digital transformation perspective is essential for achieving high-quality development. However， current research on the technological innovation efficiency of the integrated circuit industry is limited， especially from the viewpoint of digital transformation. This study focuses on listed integrated circuit companies in the Yangtze River Delta， utilizing a three-stage DEA model to measure and decompose innovation efficiency and a Tobit regression model to analyze key influencing factors. The research data mainly come from the CSMAR database and various statistical yearbooks. Findings reveal low overall innovation efficiency from 2016 to 2020， with significant positive correlations between innovation efficiency and digital transformation levels and government policy support， while negative correlations exist with economic development level， market competition intensity， and openness. Adjusted DEA-BCC model results show improvements in comprehensive efficiency， technical efficiency， and scale efficiency. However， overall levels remain low， primarily due to insufficient technical efficiency. According to the Tobit regression， factors such as debt ratio， major shareholder ownership， Ramp;D personnel ratio， company size， net profit margin， and independent director ratio have an impact on innovation efficiency. Notably， the Ramp;D personnel ratio is negatively correlated with comprehensive efficiency， highlighting the importance of quality over quantity. This study suggests actively advancing digital transformation， optimizing capital structure， and improving management models to enhance operational efficiency. These measures are essential to improve the digitalization level of the integrated circuit industry. From the theoretical perspective， this study deepens the understanding of technological innovation efficiency and influencing factors of listed integrated circuit companies in the Yangtze River Delta region through the three-stage DEA model and Tobit model. From a practical perspective， the strategies proposed in this study can help the integrated circuit industry improve innovation efficiency， accelerate the progress of digital transformation， and help companies assess and mitigate potential risks. Overall， this research not only provides theoretical support and empirical foundations for improving innovation efficiency in the integrated circuit industry but also helps the industry implement digital transformation and improve technology innovation efficiency amid globalization and rapid technological advancement.

Key words： listed integrated circuit companies; three-stage DEA; technological innovation efficiency; digital transformation