基于数据包络分析和主成分分析的产业技术创新能力差异化研究

doi:10.13229/j.cnki.jdxbgxb201503049

吉林大学学报(工学版) ›› 2015, Vol. 45 ›› Issue (3): 1017-1023.doi: 10.13229/j.cnki.jdxbgxb201503049

基于数据包络分析和主成分分析的产业技术创新能力差异化研究

齐兴达, 李显君, 刘丝雨, 孟东晖

清华大学汽车安全与节能国家重点实验室,北京 100084

收稿日期:2014-07-21 出版日期:2015-05-01 发布日期:2015-05-01
通讯作者: 李显君(1967-),男,副研究员,博士生导师.研究方向:产业创新系统,技术创新,竞争战略,创新战略,管理整合及业务流程再造,开放式创新与经营模式.E-mail:leexj@tsinghua.edu.cn E-mail:qxd06@mails.tsinghua.edu.cn
作者简介:齐兴达(1987-),男,博士研究生.研究方向:产业创新系统.
基金资助:
国家自然科学基金面上项目(71172007)

Differentiation research on industrial technology innovation ability by DEA and PCA

QI Xing-da, LI Xian-jun, LIU Si-yu, MENG Dong-hui

State Key Laboratory of Automotive Safety and Energy, Tsinghua University, Beijing 100084,China

Received:2014-07-21 Online:2015-05-01 Published:2015-05-01

摘要/Abstract

摘要： 为分析中国汽车产业技术创新能力现状及寻找其提升的路径,应用技术创新理论,构建产业技术创新能力分析模型,选取不同产业进行差异化研究。采用基于数据包络分析(DEA)和主成分分析(PCA)的双轨分析方法,从投入端和产出端引入6个影响产业技术创新能力的指标,构建评价指标体系,对我国汽车、家用视听设备和通信设备三个产业技术创新能力进行比对。研究结果表明,我国汽车产业技术创新能力处于中低水平,创新投入能力较弱,投入规模不足,产出能力不平衡;创新转化过程存在失效。

关键词: 产业创新能力, 绩效评价, 主成分分析, 数据包络分析

Abstract: To analyze the technology innovation ability of China's auto industry, an analytical model is developed based on the theory of technology innovation. Using this model, the performances of technology innovation ability in auto industry, household audio-visual equipment industry and telecommunication equipment industry are evaluated. The model adopts a new and more sophisticated two-line approach based on Data Envelopment Analysis (DEA) and Principal Component Analysis (PCA). Furthermore, six factors are introduced into this model. The evaluation results show that the technology innovation ability of China's auto industry is in the low level, and it confronts insufficient innovation input and unbalanced innovation output. At the same time, the innovative transformation process faces inefficiency. Finally, several policy suggestions are proposed on improving the technology innovation ability of China's auto industry.

Key words: technology innovation ability, performance evaluation, principle component analysis, data envelopment analysis

中图分类号:

F407.471

齐兴达, 李显君, 刘丝雨, 孟东晖. 基于数据包络分析和主成分分析的产业技术创新能力差异化研究[J]. 吉林大学学报(工学版), 2015, 45(3): 1017-1023.

QI Xing-da, LI Xian-jun, LIU Si-yu, MENG Dong-hui. Differentiation research on industrial technology innovation ability by DEA and PCA[J]. 吉林大学学报(工学版), 2015, 45(3): 1017-1023.

参考文献

[1] 李显君, 庞丽, 徐可. 价值转移、路径创新与企业竞争优势——基于中国汽车企业的实证分析[J]. 中国软科学,2010(1):102-126.
Li Xian-jun, Pang Li, Xu Ke. Industrial value migration,path innovation and competitive advantage:empirical analysis based on China's automotive firms[J]. China Soft Science,2010(1):102-126.
[2] Malerba F. Sectoral Systems of Innovation: Concepts, Issues and Analyses of Six Major Sectors in Europe[M]. UK:Cambridge Press, 2004.
[3] Freeman C.The “National system of innovation” in historical perspective[J]. Cambridge Journal of Economics,1995(19):5-24.
[4] Dodgson M, Rothwell R. The Handbook of Industrial Innovation[M]. Cheltenham:Edward Elgar Publishing Company, 1994.
[5] Park K H, Lee K. Linking the technological regime to the technological catch-up: analyzing Korea and Taiwan using the US patent data[J]. Industrial & Corporate Change, 2006, 15(4): 715-753.
[6] Chang Y C, Chen M H. Comparing approaches to systems of innovation: the knowledge perspective[J]. Technology in Society, 2004,26: 17-37.
[7] Van Looy B, Debackere K. Policies to stimulate regional innovation capabilities via university- industry collaboration: an analysis and an assessment[J]. R&D Management, 2003,33 (2):2-7.
[8] Zhu J. Data envelopment analysis vs. Principal component analysis: an illustrative study of economic performance of Chinese cities[J]. European Journal of Operational Research, 1998, 111(1): 50-61.
[9] 刘丝雨 . 中国汽车产业创新系统绩效评价及比较研究[D]. 北京:清华大学机械工程学院, 2013.
Liu Si-yu. The Performance evaluation and comparative study of sectoral systems of innovation in China auto industry[D]. Bejing: School of Mechanical Engineering, Tsinghua University, 2013.

相关文章 15

[1]	刘哲, 徐涛, 宋余庆, 徐春艳. 基于NSCT变换和相似信息鲁棒主成分分析模型的图像融合技术[J]. 吉林大学学报(工学版), 2018, 48(5): 1614-1620.
[2]	张曼, 施树明. 典型汽车运行工况的状态转移特征分析[J]. 吉林大学学报(工学版), 2018, 48(4): 1008-1015.
[3]	耿庆田, 于繁华, 王宇婷, 高琦坤. 基于特征融合的车型检测新算法[J]. 吉林大学学报(工学版), 2018, 48(3): 929-935.
[4]	苏畅, 付黎明, 魏君, 李硕, 黄蕾, 曹越. 基于感性工学和主成分分析的车身色彩设计[J]. 吉林大学学报(工学版), 2016, 46(5): 1414-1419.
[5]	马爽, 周长久, 张连东, 洪伟, 田彦涛. 基于Kinect改进的增量PCA扭锁在线识别[J]. 吉林大学学报(工学版), 2016, 46(3): 890-896.
[6]	邱春玲, 陶强, 范润龙, 王培智. 基于局部二进制描述SIFT特征的锆石图像配准方法[J]. 吉林大学学报(工学版), 2014, 44(6): 1793-1798.
[7]	顾播宇,孙俊喜,李洪祚,刘红喜,刘广文. 基于特征加权模块双方向二维主成分分析的人脸识别[J]. 吉林大学学报(工学版), 2014, 44(3): 828-833.
[8]	宋怀波, 史建强. 应用PCA理论进行多人脸姿态估计的方法[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 43-46.
[9]	陈传海, 杨兆军, 陈菲, 郝庆波, 许彬彬, 阚英男. 基于模糊数据包络分析的数控机床故障模式分析[J]. 吉林大学学报(工学版), 2013, 43(06): 1523-1528.
[10]	朱伟权, 杨晓光, 滕靖. 基于数据包络分析和随机前沿分析的公交线路绩效的外部运营环境影响分析[J]. 吉林大学学报(工学版), 2013, 43(05): 1215-1221.
[11]	刘三民, 孙知信. 基于支持向量数据描述的P2P流量识别[J]. , 2012, 42(04): 947-951.
[12]	王彦会, 郭孔辉, 卢炳武, 应国增, 秦民. 基于多元统计分析的车辆操纵稳定性客观评价[J]. 吉林大学学报(工学版), 2011, 41(增刊2): 6-11.
[13]	李映, 龚红丽, 梁佳熙, 张艳宁. 基于KSVD和PCA的SAR图像目标特征提取[J]. 吉林大学学报(工学版), 2010, 40(05): 1336-1339.
[14]	陆秋君, 王俊, 张红梅. 鸡蛋蛋壳裂纹的模式识别[J]. 吉林大学学报(工学版), 2010, 40(03): 873-0878.
[15]	孙斌,刘天栋,周云龙. 小波包主成分分析在气液两相流流型识别中的应用[J]. 吉林大学学报(工学版), 2009, 39(06): 1532-1537.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

基于数据包络分析和主成分分析的产业技术创新能力差异化研究

Differentiation research on industrial technology innovation ability by DEA and PCA

PDF (PC)

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0