發(fā)布時(shí)間：2025-02-05 19:23

　　創(chuàng)新是企業(yè)可持續(xù)競(jìng)爭(zhēng)優(yōu)勢(shì)和經(jīng)濟(jì)增長(zhǎng)的第一驅(qū)動(dòng)力。新興經(jīng)濟(jì)體的崛起使人們?cè)絹?lái)越關(guān)注宏觀經(jīng)濟(jì)政策如何影響企業(yè)創(chuàng)新發(fā)展。黨的十九大以來(lái),創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略進(jìn)一步被提升到國(guó)家戰(zhàn)略高度。對(duì)企業(yè)而言,持續(xù)的創(chuàng)新能力使其能夠有效地應(yīng)對(duì)商業(yè)環(huán)境中的不確定性,提升其競(jìng)爭(zhēng)能力。宏觀各類激發(fā)經(jīng)濟(jì)的政策,都試圖促進(jìn)企業(yè)創(chuàng)新,但是其實(shí)際效果究竟是促進(jìn)還是抑制?學(xué)術(shù)界仍存在著巨大的爭(zhēng)議。同時(shí),現(xiàn)有研究多關(guān)注創(chuàng)新投入或創(chuàng)新績(jī)效,一般以研發(fā)支出、專利數(shù)量或新產(chǎn)品產(chǎn)出衡量,而對(duì)創(chuàng)新效率與創(chuàng)新可持續(xù)性的關(guān)注不足。鑒于此,本文在結(jié)合已有研究的基礎(chǔ)上,嘗試探索我國(guó)創(chuàng)新政策對(duì)企業(yè)創(chuàng)新能力的影響及機(jī)理�；谄髽I(yè)創(chuàng)新動(dòng)力視角,將創(chuàng)新政策分為主動(dòng)類、被動(dòng)類與推動(dòng)類,并分別選取主動(dòng)類的股權(quán)激勵(lì)、被動(dòng)類的知識(shí)產(chǎn)權(quán)保護(hù)和推動(dòng)類的政府補(bǔ)助政策效應(yīng)進(jìn)行檢驗(yàn),探討這三類政策效應(yīng)對(duì)企業(yè)創(chuàng)新能力的影響及其作用機(jī)理。另外,論文還采用了機(jī)器學(xué)習(xí)方法預(yù)測(cè)多項(xiàng)政策在當(dāng)前中國(guó)情境下,對(duì)上市公司創(chuàng)新能力的共同作用和效果,進(jìn)一步回答三個(gè)方面的問(wèn)題:其一,股權(quán)激勵(lì)、知識(shí)產(chǎn)權(quán)保護(hù)與政府補(bǔ)助對(duì)企業(yè)創(chuàng)新能力究竟是促進(jìn)還是抑制?其二,外部的企業(yè)家精神與企業(yè)社會(huì)責(zé)任對(duì)上述三種政...

【文章頁(yè)數(shù)】：168 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖1-1本文技術(shù)路線

第三,方法創(chuàng)新:采用機(jī)器學(xué)習(xí)方法對(duì)政策效果進(jìn)行預(yù)測(cè),以便探索政策之間的相互作用以及政策的非線性影響。創(chuàng)新政策的研究是一門新興交叉學(xué)科,目前在大數(shù)據(jù)研究中尚處于起步階段(唐莉,2017),我們的研究可視為一種管理學(xué)與大數(shù)據(jù)、人工智能交叉研究的嘗試性探索。本章首先闡述了與所研究主題相....

圖2-1本文主要研究?jī)?nèi)容

因此,針對(duì)既有研究的上述不足,本文主要進(jìn)行了三部分的研究:其一,在現(xiàn)有政策分類的基礎(chǔ)上,本文基于企業(yè)的創(chuàng)新動(dòng)力視角,將創(chuàng)新政策分為如下三類:主動(dòng)類、被動(dòng)類及推動(dòng)類政策;其二,立足于理論驅(qū)動(dòng),分別選取主動(dòng)類的股權(quán)激勵(lì)、被動(dòng)類的知識(shí)產(chǎn)權(quán)保護(hù)以及推動(dòng)類的政府補(bǔ)助利用計(jì)量實(shí)證法分別檢驗(yàn)這....

圖6-1機(jī)器學(xué)習(xí)算法示意圖

決策樹與神經(jīng)網(wǎng)絡(luò)的結(jié)果如圖6-1所示(由于隨機(jī)森林與提升算法均為決策樹的變形,所以這里只對(duì)決策樹進(jìn)行示意)。6.4政策聯(lián)合實(shí)施效果預(yù)測(cè)

圖6-2企業(yè)創(chuàng)新能力預(yù)測(cè)結(jié)果

分別對(duì)企業(yè)創(chuàng)新能力的三個(gè)維度采用不同的算法對(duì)政策實(shí)施一年后的結(jié)果進(jìn)行預(yù)測(cè),將總樣本隨機(jī)排序后劃分為訓(xùn)練樣本與測(cè)試樣本,其比例為7:3;其具體結(jié)果如圖6-2所示,可以看出ANN的預(yù)測(cè)最為準(zhǔn)確,而決策樹的效果最差,與理論預(yù)期一致。鑒于創(chuàng)新可持續(xù)性的樣本量較為充足,我們對(duì)其分行業(yè)后進(jìn)行....

本文編號(hào)：4030328