摘要
本文在CDM模型基础上引入全要素生产率,通过超效率DEA与Malmquist指数对26家人工智能上市企业创新效率进行测度,并将其划分为静态与动态两个层面.静态创新效率模型研究发现:(1)人工智能企业创新效率高地不再以东部地区为主,逐渐向中西部地区迁移且溢出效应明显.(2)与民营人工智能企业创新效率波动下降相反,国有人工智能企业创新效率呈迅速增长态势,但整体企业创新效率波动下降.动态创新效率模型研究发现:(1)人工智能企业创新效率进步主要受到技术效率提升的带动,而技术效率提升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.(2)核心技术与自主创新的欠缺是制约国有人工智能企业创新效率提升的主要因素;创新资源无法有效配置是制约民营人工智能企业创新效率提升的主要因素.在创新效率评价的基础上,进一步利用面板Tobit回归模型将人工智能企业创新效率影响因素划分为3个层面7项指标,其中政府政策支持对人工智能企业创新最具影响力.
NETL