中国大数据产业技术效率及其影响因素分析

被引:15
作者
韩先锋
惠宁
机构
[1] 西北大学经济管理学院
关键词
大数据; 技术效率; 纯技术效率; 规模效率; 影响因素;
D O I
暂无
中图分类号
F49 [信息产业经济]; F273.1 [企业技术管理];
学科分类号
1201 ; 1202 ; 120202 ;
摘要
基于中国大数据产业上市公司的面板数据,采用DEA方法测度并分析技术效率及其分解指标的变动趋势。结果表明,中国大数据产业技术效率较为低下,其主要原因在于纯技术效率增长拖累;东部地区技术效率和纯技术效率均高于中西部地区,但规模效率水平低于中西部地区;从变动趋势看,考察期内中国大数据产业技术效率及其构成总体均呈现波动下降的"U"型动态演变趋势,但不同区域的变动存在一定差异。进一步分析发现,盈利水平对纯技术效率起到了显著的促进作用,但阻碍了规模效率的提高;资本结构显著抑制了纯技术效率提升,却不利于规模效率改善;资金运用能力对纯技术效率和规模效率均有促进作用;成长能力不足和收益质量不高均在一定程度上抑制了纯技术效率和规模效率的提升。
引用
收藏
页码:107 / 112
页数:6
相关论文
共 7 条
[1]   大数据产业的战略价值研究与思考 [J].
王伟玲 .
技术经济与管理研究, 2015, (01) :117-120
[2]   文化传媒上市公司全要素生产率的Globe Malmquist研究 [J].
夏一丹 ;
胡宗义 ;
戴钰 .
财经理论与实践, 2014, 35 (04) :48-52
[3]   大数据产业发展及我国应对措施 [J].
宋之杰 ;
杜亚莉 .
燕山大学学报(哲学社会科学版), 2014, 15 (02) :99-104
[4]   我国大数据产业发展研究 [J].
迪莉娅 .
科技进步与对策, 2014, 31 (04) :56-60
[5]   国外大数据产业的发展及启示 [J].
刘小刚 .
金融经济, 2013, (18) :224-226
[6]   大数据产业的美国经验与中国对策 [J].
罗涛 .
高科技与产业化, 2013, (05) :54-57
[7]   创业板上市公司全要素生产率分析——基于DEA-Malmquist指数法的实证研究 [J].
陈一博 ;
宛晶 .
当代经济科学, 2012, 34 (04) :103-108+128