- 无标题文档
查看论文信息

中文题名:

 

基于超效率DEA的新能源车企创新绩效评价研究——以比亚迪为例

    

姓名:

 王晓敏    

学号:

 1049731901186    

保密级别:

 公开    

论文语种:

 chi    

学科代码:

 125300    

学科名称:

 管理学 - 会计学    

学生类型:

 硕士    

学校:

 武汉理工大学    

院系:

 管理学院    

专业:

 会计    

研究方向:

 管理会计理论与实务    

第一导师姓名:

 张友棠    

第一导师院系:

 管理学院    

完成日期:

 2022-05-14    

答辩日期:

 2022-05-14    

中文关键词:

 

创新绩效 ; 绩效评价 ; 超效率DEA ; Malamquist指数

    

中文摘要:

随着经济的快速增长和环保意识的增强,人们开始积极探寻更加绿色环保的可再生资源,各国争相加大新能源汽车的研发投入。大力发展新能源汽车能够减轻对不可再生资源的依赖、减少二氧化碳的排放,该举措对于我国由汽车大国跻身为汽车强国具有重大战略意义。技术是工业的命脉,创新是第一生产力,提高新能源汽车的创新绩效可以提高其产业竞争力,也是我国实现“双碳战略”目标的重要基础。比亚迪在我国新能源汽车中具有举足轻重的地位,研究比亚迪的创新绩效一方面能够提高其创新绩效,对新能源车企的健康良性发展亦有很大启示。

本文按照“理论→要素→指标→模型→应用分析”的路线,完整构建了该创新绩效的研究框架。以理论分析为基础,针对七大要素进一步遴选了八个具有代表性的指标,进而构建了超效率DEA结合Malamquist指数的模型,然后在行业分析基础上着重对比亚迪进行了分析并提出针对性建议。主要研究过程包括:(1)比较多种绩效研究方法,说明选择超效率DEA的必要性;(2)使用超效率DEA结合Malamquist指数,对比亚迪创新绩效进行横向与纵向、静态与动态并行的全面分析;(3)以比亚迪为研究案例,选则2015-2020年23家A股上市的新能源车企为研究对象,计算DMU的相对效率值并排序,对比亚迪创新绩效进行评价研究。文章通过研究发现,比亚迪创新绩效在2015-2020年期间除2019年,整体呈上升趋势。而分析2019下降的原因,则为由投入过多、产出效率低、管理模式有待加强。结合比亚迪现阶段所处的发展阶段,建议比亚迪从建立科学有效的成本控制体系、持续加强技术创新、制定长期创新发展战略三方面来提升其创新绩效,加快产业升级,使其能在未来新能源汽车产业发展中永葆活力。

本文从如下方面进行新的探索:(1)选择超效率DEA结合Malamquist指数构建模型,动静结合深入分析,契合行业特征,科学全面;(2)指标选择极具行业特征,针对性和代表性强。当然,文章尚有诸多不足,在今后的研究中还需潜心学习,加深对绩效评价的认识,融合国际视野,以期对绩效评价有更加科学、透彻的领悟。

参考文献:

[1] 张晓娣.正确认识把握我国碳达峰碳中和的系统谋划和总体部署——新发展阶段党中央双碳相关精神及思路的阐释[J].上海经济研究,2022(02):14-33.

[2] 张先治,石芯瑜.基于双碳目标的会计与财务问题探讨[J].会计研究,2021(09):24-34.

[3] 张琳,郭瑜.新能源汽车动力电池产业发展路在何方?[J].环境经济,2021(20):48-51.

[4] 白旻,张旻昱,王晓超.碳中和背景下全球新能源汽车产业发展政策与趋势[J].信息技术与标准化,2021(12):13-20.

[5] 张长令.中国新能源汽车市场机制分析及发展趋势展望[J].中国经济评论,2021(Z1):104-111.

[6] 杨铭.后补贴时代新能源汽车换电模式发展趋势分析[J].时代汽车,2022(02):112-113.

[7] 袁妮,张振鼎,房旭.新形势下我国新能源汽车政策现状与发展趋势研究[J].时代汽车,2021(05):93-94.

[8] 王中杰.“十四五”时期新能源汽车和网联汽车发展对策研究[J].时代汽车,2021(22):109-110.

[9] 陈力维,高润泽.我国新能源汽车技术发展现状分析[J].交通节能与环保,2021,17(06):14-19.

[10] 崔也光,张悦,王肇.创新驱动国策下公司研发指数的构建研究——公司研发综合实力的会计评价方法[J].会计研究,2020(02):16-25.

[11] 张先治,石芯瑜.基于双碳目标的会计与财务问题探讨[J].会计研究,2021(09):24-34.

[12] Hagedoorn J, Cloodt M. Measuring Innovative Performance: Is There an Advantage in Using Multiple Indicators?[J]. Research Policy, 2003, 32(8):1365-1379.

[13] 邱嘉铭,陈劲.企业商务模式匹配及其创新研究[J].科学学与科学技术管理,2007,28(5):6.

[14] 陈劲, 刘振.开放式创新模式下技术超学习对创新绩效影响研究[J].管理工程学报,2011,025(004):1-7.

[15] Fischer M M, Diez J R, Snickars F. Metropolitan innovation systems: theory and evidence from three metropolitan regions in Europe[M]. Springer Science & Business Media, 2001.

[16] 张明,江旭,高山行.战略联盟中组织学习、知识创造与创新绩效的实证研究[J].科学学研究,2008,26(4):6.

[17] Beneito P. The innovative performance of in-house and contracted R&D in terms of patents and utility models[J]. research Policy, 2006, 35(4): 502-517.

[18] 解学梅.中小企业协同创新网络与创新绩效的实证研究[J].管理科学学报,2010,13(8):14.

[19] Romijn H, Albaladejo M. Determinants of innovation capability in small electronics and software firms in southeast England[J]. Research policy, 2002, 31(7): 1053-1067.

[20] 郭大荣.审计策略管理与绩效评估新纪元——兼论“创新”核心价值之具体作为[J].审计研究,2014(04):23-29.

[21] 沈灏,李垣.联盟关系、环境动态性对创新绩效的影响研究[J].科研管理,2010(1):9.

[22] 韵江,马文甲,陈丽.开放度与网络能力对创新绩效的交互影响研究[J].科研管理,2012,33(7):8.

[23] 汪丽娟,姚正海.企业经营业绩评价新方法——平衡计分卡的理论与实践[J].经济师,2004(5):214-214.

[24] 陶春海.基于因子分析法的企业经营绩效评价——以我国医药上市公司为例[J].江西社会科学,2012 (7):217-222.

[25] 申嫦娥,王晓强.企业绩效评价方法的改进:模糊综合绩效评价法[J].经济管理,2003,22:47-50.

[26] Hong J, Feng B, Wu Y, et al. Do government grants promote innovation efficiency in China'shigh-tech industries?[J]. Technovation, 2016, 57: 4-13.

[27] Wang Q, Hang Y, Sun L, et al. Two-stage innovation efficiency of new energy enterprises in China: A non-radial DEA approach[J]. Technological Forecasting and Social Change, 2016, 112: 254-261.

[28] Xu X L, Qiao S, Chen H H. Exploring the efficiency of new energy generation: Evidence from OECD and non-OECD countries[J]. Energy & Environment, 2020, 31(3): 389-404.

[29] Aigner D, Lovell C A K, Schmidt P. Formulation and estimation of stochastic frontier production function models[J]. Journal of econometrics, 1977, 6(1): 21-37.

[30] Dong Y, Hamilton R, Tippett M. Cost efficiency of the Chinese banking sector: A comparison of stochastic frontier analysis and data envelopment analysis[J]. Economic Modelling, 2014, 36: 298-308.

[31] Lin B, Long H. A stochastic frontier analysis of energy efficiency of China's chemical industry[J]. Journal of Cleaner Production, 2015, 87: 235-244.

[32] Xu X L, Chen H H, Li Y, et al. The role of equity balance and executive stock ownership in the innovation efficiency of renewable energy enterprises[J]. Journal of Renewable and Sustainable Energy, 2019, 11(5): 055901.

[33] Cheng SX, Liu JP, et al. China’s R&D production efciency and impact factors. Transnational Corporations Rev, 2014 6:362–378.

[34] Choi Y, Zhang N, Zhou P. Efficiency and abatement costs of energy-related CO2 emissions in China: A slacks-based efficiency measure[J]. Applied Energy, 2012, 98: 198-208.

[35] Narayanan S, Swaminathan J M, Talluri S. Knowledge diversity, turnover, and organizational‐unit productivity: An empirical analysis in a knowledge‐intensive context[J]. Production and Operations Management, 2014, 23(8): 1332-1351.

[36] Guan J, Chen K. Modeling the relative efficiency of national innovation systems[J]. Research policy, 2012, 41(1): 102-115.

[37] Zhong W, Yuan W, Li S X, et al. The performance evaluation of regional R&D investments in China: An application of DEA based on the first official China economic census data[J]. Omega, 2011, 39(4): 447-455.

[38] Chen X, Liu Z, Zhu Q. Performance evaluation of China's high-tech innovation process: Analysis based on the innovation value chain[J]. Technovation, 2018, 74: 42-53.

[39] Cruz-Cázares C, Bayona-Sáez C, García-Marco T. You can’t manage right what you can’t measure well: Technological innovation efficiency[J]. Research policy, 2013, 42(6-7): 1239-1250.

[40] Wang C H, Lu Y H, Huang C W, et al. R&D, productivity, and market value: An empirical study from high-technology firms[J]. Omega, 2013, 41(1): 143-155.

[41] Guan J, Chen K. Measuring the innovation production process: A cross-region empirical study of China’s high-tech innovations[J]. Technovation, 2010, 30(5-6): 348-358.

[42] Wang Q, Hang Y, Sun L, et al. Two-stage innovation efficiency of new energy enterprises in China: A non-radial DEA approach[J]. Technological Forecasting and Social Change, 2016, 112: 254-261.

[43] Broekel T, Rogge N, Brenner T. The innovation efficiency of German regions–a shared-input DEA approach[J]. Review of Regional Research, 2018, 38(1): 77-109.

[44] Fang S, Xue X, Yin G, et al. Evaluation and improvement of technological innovation efficiency of new energy vehicle enterprises in China based on DEA-Tobit model[J]. Sustainability, 2020, 12(18): 7509.

[45] P.P. Song, Research on financing efficiency and influencing factors of China’s new energy industry, China University of Mining and Technology (2015), 42–47.

[46] W. Wang, New energy automobile enterprises technological innovation efficiency of study, Harbin Institute of Technology (2013), 65–78.

[47] G.W. Zhang and X.Y. Zeng, Study on production efficiency and influencing factors of new energy vehicles based on DEA-tobit model, Industrial Technology and Economy (2014), 130–137

[48] Z.D. Xiong, F.J. Yang and J. Wan, Research on debt financing efficiency of listed companies based on two-stage DEA model—a case study of new energy vehicles in strategic emerging industries, Financial Theory and Practice (2014).51–56.

[49] 姜滨滨,匡海波.基于“效率-产出”的企业创新绩效评价——文献评述与概念框架[J].科研管理,2015,36(3):71-78.

[50] Li D, Hou R, Sun Q. The business performance evaluation index method for the high-tech enterprises based on the DEA model[J]. Journal of Intelligent & Fuzzy Systems, 2020, 38(6): 6853-6861.

[51] Lu C, Tao J, An Q, et al. A second-order cone programming based robust data envelopment analysis model for the new-energy vehicle industry[J]. Annals of Operations Research, 2020, 292(1): 321-339.

[52] Yu A, Shi Y, You J, et al. Innovation performance evaluation for high-tech companies using a dynamic network data envelopment analysis approach[J]. European Journal of Operational Research, 2021, 292(1): 199-212.

[53] 郭露,徐诗倩.基于超效率DEA的工业生态效率——以中部六省2003—2013年数据为例[J].经济地理,2016(6):116-121.

[54] 马宁.对我国汽车企业技术创新的探讨——基于熊彼特的《经济发展理论》[J].中小企业管理与科技,2012(19):172-173.

[55] 潘士远,史晋川.内生经济增长理论:一个文献综述[J].经济学(季刊),2002,1(4):753-786.

[56] Koopmans T. Activity Analysis of Production and Allocation[M]: Wiley, 1951.

[57] Farrell M J. The measurement of productive efficiency[J]. Journal of the Royal Statistical Society: Series A (General), 1957, 120(3): 253-281..

[58] 安宇宏.帕累托改进与帕累托最优[J].宏观经济管理,2013(3):76-76.

[59] Pareto V. Manual of Political Economy[J]. Economic Development & Cultural Change, 1975.

[60] 李绍荣.帕累托最优与一般均衡最优之差异[J].经济科学,2002(2):75-80.

[61] 毕泗锋.经济效率理论研究述评[J].经济评论,2008 (6):133-138.

[62] 瓦西里·列昂惕夫.投入产出经济学[M]:商务印书馆,2009.

[63] 陈劲,陈钰芬.企业技术创新绩效评价指标体系研究[J].科学学与科学技术管理,2006,27(3):86-91.

[64] 陈钰芬,陈劲.开放式创新促进创新绩效的机理研究[J].科研管理,2009,30(4):1-9.

[65] 高建,汪剑飞,魏平.企业技术创新绩效指标:现状, 问和新概念模型[J].科研管理,2004(z1):14-22.

[66] 陈劲,陈钰芬.企业技术创新绩效评价指标体系研究[J].科学学与科学技术管理,2006,27(3):86-91.

[67] Hannan M A, Azidin F A, Mohamed A. Hybrid electric vehicles and their challenges: A review[J]. Renewable and Sustainable Energy Reviews, 2014, 29: 135-150.

[68] Raslavičius L, Azzopardi B, Keršys A, et al. Electric vehicles challenges and opportunities: Lithuanian review[J]. Renewable and Sustainable Energy Reviews, 2015, 42: 786-800.

[69] de Rubens G Z. Who will buy electric vehicles after early adopters? Using machine learning to identify the electric vehicle mainstream market[J]. Energy, 2019, 172: 243-254.

[70] 聂美展.节能与新能源:汽车产业大趋势:汽车产业转型升级势在必行——《节能与新能源汽车产业发展规划(2012—2020年)》解读[J].中国科技投资,(15):18-22.

[71] 周济.智能制造——“中国制造2025”的主攻方向[J].中国机械工程,2015,26(17):2273.

[72] 许倞.“十五”国家863计划电动汽车重大专项正式启动[J].中国科技产业,2002(3):49-50.

[73] 何亚军,苗益坚.浅析《 汽车产业调整振兴规划》[J].中国商界,2009(5X):171-171.

[74] 李海涛,张艳艳.关于中国新能源汽车发展的研究[J].重庆理工大学学报(自然科学),2017,5(81):r85.

[75] 田善武,许秀瑞.新能源汽车产业技术创新路径研究-双元性创新的视角[J].现代管理科学,2019(9):29-31.

[76] Ma S C, Fan Y, Feng L. An evaluation of government incentives for new energy vehicles in China focusing on vehicle purchasing restrictions[J]. Energy Policy, 2017, 110: 609-618.

[77] Li B. Top-down place-based competition and award: local government incentives for non-GDP improvement in China[J]. Journal of Chinese Governance, 2018, 3(4): 397-418.

[78] 陈凯华,官建成,寇明婷,等.网络DEA模型在科技创新投资效率测度中的应用研究[J].管理评论,2013.25(12):3-14,68.

[79] 董艳梅,朱英明.中国高技术产业创新效率评价——基于两阶段动态网络DEA模型[J].科技进步与对策,2015,32(24):106-113.

[80] 陈志鹏.中国区域创新驱动影响因素研究[D].山东大学,2017.

[81] 李培楠,赵兰香,万劲波.创新要素对产业创新绩效的影响——基于中国制造业和高技术产业数据的实证分析[J].科学学研究,2014,32(04):604-612.

[82] 朱雪珍,施盛威,封亚.基于价值链视角的创新效率评价——以江苏省为例[J].管理评论,2013,25(10):120-128.

[83] 谢子远.高技术产业区域集聚能提高研发效率吗?——基于医药制造业的实证检验[J].科学学研究,2015,33(02):215-224+233.

[84] 刘和东.中国区域研发效率及其影响因素研究——基于随机前沿函数的实证分析[J].科学学研究,2011,29(04):548-556.

[85] 卢方元,李彦龙.政府支持有助于提升高技术产业R&D效率吗?[J].科学学研究,2016,34(12):1800-1806+1829.

[86] 陈蕊.国家研发投入,企业研发能力与创新绩效相关性研究[J].财会通讯:下,2017(2):4.

[87] 唐家龙,张兴国.上市企业营业收入与研发支出分析及启示[J].天津科技,2019,46(1):5.

[88] 颜伟. 基于两阶段DEA模型的煤炭行业上市公司科技效率研究?[J].中国煤炭,2015,41(11):5.

[89] 张根文,李双双,曾行运.基于价值链视角对技术创新效率两阶段分析——以节能环保上市公司为例[J].工业技术经济,2015,34(8):9.

[90] 窦超,熊曦,陈光华,杨国梁.创新价值链视角下中小企业创新效率多维度研究——基于加法分解的两阶段DEA模型[J].科技进步与对策,2019,36(02):77-85.

[91] 潘娟,张玉喜.政府、企业、金融机构科技金融投入的创新绩效[J]科学学研究,2018,36(05):831-838+846.

[92] 高小宁,欧光军,蔡姝莎,等.生物医药产业创新效率评价及提升路径研究——以湖北省为例[J].科技管理研究,2018,38(14):75-80.

[93] 赵文平,杨海珍.基于DEA的西部区域创新网络效率评价[J].科研管理,2016,37(S1):393-400.

[94] 钱丽,肖仁桥,陈忠卫.环境约束、技术差距与企业创新效率——基于中国省际工业企业的实证研究[J].科学学研究,2015,33(03):378-389+397.

[95] 范德成,李盛楠.考虑空间效应的高技术产业技术创新效率研究[J].科学学研究,2018,36(05):901-912.

[96] 郑红.我国生物医药上市公司研发投入的绩效评价[D].西南财经大学,2012.

[97] 刘继兵,王定超,夏玲.政府补助对战略性新兴产业创新效率影响研究[J].科技进步与对策,2014,31(23):56-61.

[98] 周颜.基于EVA的企业绩效评价体系构建研究[J].农村经济与科技,2016(18):2.

[99] 王坚强,阳建军.基于DEA模型的企业投资效率评价[J].科研管理,2010(4):73-80.

[100] 迟国泰,隋聪,齐菲.基于超效率DEA的科学技术评价模型及其实证[J].科研管理,2010 (2):94-104.

[101] 单春霞.基于DEA-Malmquist指数方法的高新技术产业R&D绩效评价[J].统计与决策,2011(2):70-74.

中图分类号:

 F426.471    

条码号:

 002000063865    

馆藏号:

 TD10052088    

馆藏位置:

 403    

备注:

 403-西院分馆博硕论文库;203-余家头分馆博硕论文库    

无标题文档

   建议浏览器: 谷歌 火狐 360请用极速模式,双核浏览器请用极速模式