公共文化服务平台

搜索到42892篇“ 科技创新效率“的相关文章

创新价值链视角下中国“十三五”期间地区高校科技创新效率评价研究: 2024年; 高校是国家科技创新体系中至关重要的一环,建立客观公正的高校科技创新效率评价体系对于2035年实现“高水平科技自立自强,进入创新型国家前列”的奋斗目标具有重大而深远的意义。基于创新价值链理论,将高校科技创新工作划分为知识产出和成果转化2个环节,运用DEA(Data Envelopment Analysis,数据包络分析)模型分别测算中国“十三五”期间地区高校在知识产出和成果转化环节的科技创新效率,之后运用Malmquist指数动态研究地区高校科技创新效率的发展趋势。; 范震; 关键词：创新价值链高校科技创新 MALMQUIST指数

某高校附属医院科技创新效率评价研究: 2024年; 目的客观评价17所S高校附属医院科技创新效率,为推动医院科技创新高质量发展提供参考。方法采集17所S高校附属医院2022年度的科技指标数据,利用波士顿矩阵法对科技创新效率进行相应评价,并与这些医院在中国医院科技量值中的评价结果结合分析,反映医院科技创新能力与科技创新效率情况。结果17所S高校附属医院的科技量值与科技创新效率值并不匹配,2家医院科技投入较少,科技产出较高,科技创新效率最好;6家医院科技投入相对较多,科技产出也较高,科技创新效率较好,在科技产出方面仍有较大提升空间;1家医院科技投入多,但科技产出较低,科技创新效率较低;8家医院科技投入和科技产出都低,仍需努力提升。结论客观评价医院科技创新效率,对医院的科技创新现状进行分类研究,可以为制定针对性的发展策略提供参考,促进公立医院科技创新高质量发展。; 马明咸春艳单连慧; 关键词：科技创新能力科技创新效率波士顿矩阵

中国高校科技创新效率及影响因素的实证分析——科技成果产出和转化两阶段视角: 2024年; 鉴于高校科技创新活动具有明显的两阶段链式过程特征,同时其科技投入和产出在时间上具有滞后性,因此将高校科技创新分阶段研究其创新效率以及内外部因素对不同阶段投入产出效率的影响。将高校科技创新划分为科技成果产出阶段和科技成果转化阶段,运用中国31个省份高校2009—2020年的数据,采用串联式两阶段数据包络分析(DEA)模型分别测算其两阶段效率,并进一步应用面板托宾(Tobit)模型研究两种效率的影响因素。结果显示:第一,31个省份高校的科技创新综合效率偏低,科技成果产出效率并未形成上升趋势,而科技成果转化效率在2016年后得到迅速提升并超过了科技成果产出效率,但高校科技创新整体上呈现向高转化阶段的发展趋势;第二,东部高校科技创新综合效率和两阶段效率上升速度相对放缓,有被其他地区赶超的趋势;第三,人力资本结构、物质资本结构、政策环境、地区经济实力、对外交流等因素对高校两阶段效率的影响存在显著的差异。据此,提出可通过优化资源配置方式和科技创新评价体系,以及加强区域协调配合等方式来提升中国高校的科技创新整体水平。; 郭金忠刘成勇刘晓玲金腾飞; 关键词：科技成果转化 TOBIT

陕西轻工产业科技创新效率实证分析: 2024年; 轻工产业的科技含量和创新效率对于促进经济高质量发展具有重要影响。立足创新驱动发展战略,基于超越对数生产函数,运用随机前沿分析法,以陕西省2012—2021年5个代表性轻工产业面板数据为样本,测算其科技创新效率及其影响因素。结果表明,行业平均经营绩效的影响程度最高,企业规模的影响程度最低,且科技创新效率逐年提高。据此提出提升陕西轻工产业科技创新效率、促进高质量发展的对策建议。; 李佳雨陶建宏王国迎赵艺芷; 关键词：随机前沿分析超越对数生产函数科技创新效率

长株潭城市群科技创新效率研究: 2024年; 基于超效率DEA、Malmquist模型和灰色关联分析方法对2011~2021年长株潭城市群科技创新效率进行测算和影响分析,并与合肥都市圈和郑州都市圈进行比较分析。得出结论:(1)长株潭城市群科技创新全要素生产率的不断提升得益于技术进步的推动,科技创新效率为三个城市群中最优;(2)规模以上工业R&D人员全时当量、新产品销售收入和R&D经费内部支出是与长株潭城市群科技创新效率灰色关联度最高的三个影响因素。基于此,建议长株潭城市群从人才优先发展、深化企业创新主体作用、加速金融发展和加大财政投入方面共同发力提高科技创新效率。; 易斌施可; 关键词：长株潭城市群科技创新效率超效率DEA模型灰色关联分析

基于DEA和熵权TOPSIS模型比较的高校科技创新效率分析: 2024年; 高校是国家创新体系的重要组成部分,为深入分析新形势下高校科技创新效率,完善高校科技创新效率评价方法,综合运用数据包络分析(data envelopment analysis,DEA)模型和基于信息熵法的理想点模型(technique for order preference by similarity to an ideal solution model,TOPSIS),以天津市区域14所高校为例,对比分析了新形势下高校科技创新效率。基于DEA模型的分析结果表明,14所高校科技创新效率总体呈不规律波动趋势,即使继续加大投入力度,也仅能获得科技成果产出规模有限的增加;基于TOPSIS模型的分析结果表明,14所高校科技创新效率总体呈上升发展趋势,可继续加大投入力度,以促进科技成果更大规模地产出。通过两个模型的综合运用,实现了评价结果的交叉验证,为新形势下高校科技创新效率评价提供了新思路。; 李新龙张端乔亚平何占营李彭辉; 关键词：科技创新效率数据包络分析模型

金融集聚对区域科技创新效率的影响: 2024年; 选取2008—2022年中国30个省级面板数据,运用DEA-BBC模型测算了各省份科技创新效率水平,并通过Tobit模型实证检验了金融集聚对区域科技创新效率的促进作用及影响路径。结果表明:2008—2022年中国科技创新效率水平总体上呈上升趋势,东部地区的科技创新效率明显高于中西部地区,区域间的差异较为明显;金融集聚对区域科技创新效率有显著的正向影响,东部地区最为显著;产业结构升级在金融集聚促进科技创新效率的过程中发挥的中介效应约为16.09%;固定资产投资、政府支持、信息化水平与交通基础设施等也是影响科技创新效率的重要因素。; 王琳琳胡骁宇; 关键词：科技创新效率金融集聚区域经济

地方高校科技创新效率测度及空间差异研究: 2024年; 高校是培养高层次科技创新人才的主要阵地,高校科技创新工作是实现高等教育高质量发展的重要支撑。文章选取我国31个省份为研究对象,采用DEA-BCC模型和DEA-Malmquist指数模型测度2018—2021年地方高校科技创新效率,在此基础上利用ESDA方法中的全局自相关和局部自相关识别其空间差异情况。研究结果表明:地方高校科技创新效率整体上呈现平稳发展状态,科技创新产出仍有一定进步空间,科技创新规模成为影响地方高校科技创新效率提高的关键因素;在空间分布方面,2018年和2019年呈现集聚分布趋势。; 李宁吕琳刘鹏飞; 关键词：高校科技创新效率 DEA ESDA

我国地区工业企业科技创新效率、生态治理效率评价及其耦合协调研究: 2024年; 本文基于2016-2021年我国各地区工业企业的面板数据,构建了工业企业生态治理效率、科技创新效率评价指标体系,运用三阶段DEA模型测度了剔除环境因素和随机扰动影响的生态治理效率和科技创新效率,在此基础上引入耦合协调度模型,对二者的耦合协调度进行测算并对其时空发展差异进行分析。研究表明:2016-2021年我国地区工业企业科技创新效率、生态治理效率及二者的耦合协调度均呈现波动式上升趋势,但是总体平均水平仍有较大的提升空间,而且地区间差距显著,存在地区发展不平衡问题。此外,二者耦合协调度的全局空间自相关呈现出显著正相关关系,空间集聚效应显著。; 范震; 关键词：科技创新效率三阶段DEA

构建科技创新智库提高企业科技创新效率: 2024年; 企业是科技创新的主体,科技创新是推动企业高质量发展的重要途径。智库是企业软实力的重要组成部分,对于提高企业决策力、创新力、竞争力、管理效率等具有重要意义。近些年,智库在国家政策制定、行业转型发展、企业管理创新中发挥着越来越重要的作用。然而,烟草行业尚无科技创新智库相关文献报道。本文探索性地提出烟草企业科技创新智库的建设路径,涉及智库运行机制、科技决策支持、科普工作推进、创新管理增效、品牌科技创新内涵提升、智库优化提升六个方面,为烟草企业创新机制改革、科技创新效率提升、企业高质量发展提供参考。; 林先滋朱育伯李其仲

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈