我國(guó)人工智能上市企業(yè)經(jīng)營(yíng)效率及其影響因素研究
發(fā)布時(shí)間:2023-04-09 22:31
人工智能這一革命性技術(shù)正改變著經(jīng)濟(jì)和社會(huì)的面貌,更是重塑著企業(yè)和國(guó)家的競(jìng)爭(zhēng)格局,因此人工智能企業(yè)的發(fā)展直接影響著我國(guó)的經(jīng)濟(jì)地位與實(shí)力。雖然我國(guó)人工智能企業(yè)數(shù)量已位列世界第二,但在質(zhì)量上發(fā)展如何才是影響經(jīng)濟(jì)發(fā)展的關(guān)鍵,最根本的問(wèn)題就是要提高經(jīng)營(yíng)效率,研究我國(guó)人工智能企業(yè)經(jīng)營(yíng)效率及其影響因素,對(duì)于進(jìn)一步促進(jìn)人工智能產(chǎn)業(yè)的優(yōu)化改革,提高我國(guó)人工智能領(lǐng)域的競(jìng)爭(zhēng)力尤為重要。本文基于DEA-Tobit兩步分析法和DEA-Malmquist指數(shù)方法,從理論和實(shí)證兩方面研究與分析人工智能上市企業(yè)經(jīng)營(yíng)效率及其影響因素。首先,闡述了效率的相關(guān)理論及其內(nèi)涵,并梳理了人工智能效率及其影響因素的文獻(xiàn)。文章接下來(lái)選取50家人工智能上市企業(yè)作為研究對(duì)象,運(yùn)用DEA-BCC方法度量樣本人工智能上市企業(yè)2012-2018年的經(jīng)營(yíng)效率,并從靜態(tài)效率分析、動(dòng)態(tài)效率分析和分類(lèi)比較分析這幾個(gè)角度對(duì)人工智能上市企業(yè)的經(jīng)營(yíng)效率進(jìn)行分析評(píng)述,在得出的靜態(tài)效率分析值的基礎(chǔ)上,利用Tobit回歸模型檢驗(yàn)多種因素對(duì)人工智能上市企業(yè)經(jīng)營(yíng)效率的影響。最后基于研究結(jié)果對(duì)全文進(jìn)行概括和總結(jié),并從提高人工智能企業(yè)的純技術(shù)效率、合理配置資源投入、降低...
【文章頁(yè)數(shù)】:64 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
1 緒論
1.1 研究背景、目的及意義
1.1.1 研究背景
1.1.2 研究目的
1.1.3 研究意義
1.2 研究?jī)?nèi)容和研究方法
1.2.1 研究?jī)?nèi)容
1.2.2 研究方法
1.3 技術(shù)路線圖
1.4 本文創(chuàng)新點(diǎn)
2 理論基礎(chǔ)與文獻(xiàn)綜述
2.1 理論基礎(chǔ)
2.1.1 人工智能企業(yè)的內(nèi)涵
2.1.2 效率及經(jīng)營(yíng)效率的內(nèi)涵
2.1.3 效率的相關(guān)理論
2.2 文獻(xiàn)綜述
2.2.1 人工智能企業(yè)效率研究現(xiàn)狀
2.2.2 效率評(píng)價(jià)方法研究現(xiàn)狀
2.2.3 企業(yè)效率影響因素研究現(xiàn)狀
2.3 文獻(xiàn)評(píng)述
3 研究設(shè)計(jì)與效率模型構(gòu)建
3.1 效率模型構(gòu)建
3.1.1 BCC模型的構(gòu)建
3.1.2 Malmquist指數(shù)模型
3.2 變量選取
3.3 樣本選取及數(shù)據(jù)來(lái)源
4 人工智能上市企業(yè)經(jīng)營(yíng)效率實(shí)證分析
4.1 人工智能上市企業(yè)基于DEA模型的靜態(tài)效率分析
4.1.1 橫向分析
4.1.2 縱向分析
4.2 人工智能上市公司基于Malmquist指數(shù)模型的動(dòng)態(tài)分析
4.3 人工智能上市企業(yè)經(jīng)營(yíng)效率分類(lèi)比較研究
5 基于Tobit模型的經(jīng)營(yíng)效率影響因素分析
5.1 影響因素的選取
5.2 Tobit回歸模型構(gòu)建
5.3 Tobit回歸結(jié)果分析
6 結(jié)論與建議
6.1 研究結(jié)論
6.2 對(duì)策建議
6.3 不足與展望
參考文獻(xiàn)
攻讀碩士期間發(fā)表的論文及所取得的研究成果
致謝
本文編號(hào):3787845
【文章頁(yè)數(shù)】:64 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
1 緒論
1.1 研究背景、目的及意義
1.1.1 研究背景
1.1.2 研究目的
1.1.3 研究意義
1.2 研究?jī)?nèi)容和研究方法
1.2.1 研究?jī)?nèi)容
1.2.2 研究方法
1.3 技術(shù)路線圖
1.4 本文創(chuàng)新點(diǎn)
2 理論基礎(chǔ)與文獻(xiàn)綜述
2.1 理論基礎(chǔ)
2.1.1 人工智能企業(yè)的內(nèi)涵
2.1.2 效率及經(jīng)營(yíng)效率的內(nèi)涵
2.1.3 效率的相關(guān)理論
2.2 文獻(xiàn)綜述
2.2.1 人工智能企業(yè)效率研究現(xiàn)狀
2.2.2 效率評(píng)價(jià)方法研究現(xiàn)狀
2.2.3 企業(yè)效率影響因素研究現(xiàn)狀
2.3 文獻(xiàn)評(píng)述
3 研究設(shè)計(jì)與效率模型構(gòu)建
3.1 效率模型構(gòu)建
3.1.1 BCC模型的構(gòu)建
3.1.2 Malmquist指數(shù)模型
3.2 變量選取
3.3 樣本選取及數(shù)據(jù)來(lái)源
4 人工智能上市企業(yè)經(jīng)營(yíng)效率實(shí)證分析
4.1 人工智能上市企業(yè)基于DEA模型的靜態(tài)效率分析
4.1.1 橫向分析
4.1.2 縱向分析
4.2 人工智能上市公司基于Malmquist指數(shù)模型的動(dòng)態(tài)分析
4.3 人工智能上市企業(yè)經(jīng)營(yíng)效率分類(lèi)比較研究
5 基于Tobit模型的經(jīng)營(yíng)效率影響因素分析
5.1 影響因素的選取
5.2 Tobit回歸模型構(gòu)建
5.3 Tobit回歸結(jié)果分析
6 結(jié)論與建議
6.1 研究結(jié)論
6.2 對(duì)策建議
6.3 不足與展望
參考文獻(xiàn)
攻讀碩士期間發(fā)表的論文及所取得的研究成果
致謝
本文編號(hào):3787845
本文鏈接:http://sikaile.net/shoufeilunwen/benkebiyelunwen/3787845.html
最近更新
教材專(zhuān)著