سنجش کارایی نوآوری شرکت‌های چهار صنعت پیشرفته منتخب ایران، با استفاده از مدل جمعی تحلیل پوششی داده‌ها

نوع مقاله: مقاله پژوهشی

نویسندگان

1 پژوهشگر، پژوهشکده سیاست‌گذاری دانشگاه صنعتی شریف، تهران، ایران.

2 عضو هیئت‌علمی پژوهشکده سیاست‌گذاری دانشگاه صنعتی شریف، تهران، ایران.

چکیده

امروزه بحث سیاست‌گذاری مبتنی بر شواهد و داده محور در زمینه نوآوری، روزبه‌روز اهمیت گسترده‌تری می‌یابد؛ لذا دانشمندان به این موضوع دست‌یافته‌اند که تا زمانی که داده‌های خرد و متقن از سطح شرکت‌ها، به‌منظور سنجش نوآوری آن‌ها جمع‌آوری نشده و مورد تحلیل قرار نگیرد، نمی‌توان انتظار تدوین سیاست‌های کارا و اثربخش را داشت. یکی از مهم‌ترین روش‌های سنجش نوآوری، سنجش کارایی آن است. تاکنون کارایی نوآوری، چه در سطح کلان، ملی و یا خرد و شرکت‌ها، موردسنجش قرارگرفته است ولی مدلی که با استفاده از آن بتوان پیشنهادهای بهبود برای شاخص‌های ورودی و خروجی ارائه نمود، به کار گرفته نشده است. در این پژوهش ابتدا بر مبنای ادبیات موضوع و داده‌های موجود، به‌منظور محاسبه کارایی نوآوری، شاخص‌های ورودی و خروجی مشخص شدند، سپس بر مبنای داده‌های جمع‌آوری‌شده در اولین پیمایش نوآوری ایران، کارایی نوآوری شرکت‌های چهار صنعت پیشرفته نانوتکنولوژی، بیوتکنولوژی، تولید محصولات الکترونیک، میکروالکترونیک و مخابراتی و هوافضا، با استفاده از مدل جمعی تحلیل پوششی داده‌ها، بررسی شد؛ علاوه براین نقش و اهمیت اندازه شرکت‌ها در کارایی آن‌ها مورد تحلیل قرار گرفت. نتایج حاصل از این پژوهش نشان داد که 23.72% از شرکت‌های نانوتکنولوژی، 20% از شرکت‌های تولید محصولات الکترونیک؛ میکروالکترونیک و مخابراتی، 18.33% از شرکت‌های حوزه بیوتکنولوژی و 18.18% از شرکت‌های صنعت هوافضا کارا شده‌اند. علاوه بر نوع صنعت، اندازه آن‌ها نیز تأثیر جدی در کارا بودن یا کارا نبودن شرکت‌ها داشته است؛ بدین ترتیب که در صنایع نانوتکنولوژی و هوافضا هر چه اندازه شرکت‌ها بزرگ‌تر می‌شود، درصد کمتری از آنان کارا هستند. حال‌آنکه در صنعت تولید محصولات الکترونیک؛ میکروالکترونیک و مخابراتی، درصد شرکت‌های کارای با اندازه بین 10 تا 50 نفر بیشتر از شرکت‌های با اندازه کمتر از 10 نفر و شرکت‌های با اندازه بیشتر از 50 نفر است. در صنعت بیوتکنولوژی نیز روندی کاملاً متفاوت با روند نانوتکنولوژی و هوافضا دیده می‌شود به‌این‌ترتیب که هر چه اندازه شرکت‌ها بزرگ‌تر می‌شود، درصد کارایی آن‌ها نیز افزایش می‌یابد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Measuring Innovation Efficiency in the firms of Four High-tech Industries in Iran, Using Slack-Based DEA Model

نویسندگان [English]

  • AmirAli Karimi 1
  • Ali Maleki 2
  • Esmaeel Abdi 1
1 Researcher, Research Institute for Science, Technology and Industry Policy at Sharif University of Technology, Tehran, Iran.
2 Assistant Professor, Research Institute for Science, Technology, and Industry Policy (RISTIP) at Sharif University of Technology, Tehran, Iran.
چکیده [English]

Nowadays, evidence-based and data-based policymaking is taken into consideration in policymaking, so policymakers understand that until they don’t analyze micro data from firms, they could not form efficient and effective policies. One of the most important ways to measuring innovation is measuring its efficency. Measuring innovation efficeincy in macro level is more usual than micro level. In this paper, first, on the basis of previous reseaches, input and output indicators were identified. Then based on first Irarnian innovation survey data, innovation efficiency of four sectors (Nanotechnology. Biotechnology, Electronic, micro electronic and Telecomunication and Aerospace) firms were calculated and analysed, using Slack based DEA model. Finally, results show that 23.27% of nanotechnology firms, 20% of Electronic, micro electronic and Telecomunication, 18.33% of Biotechnology and 18.18% of Aerospace firms were efficent. In addition, the size of the firms in each sector were effective in firms efficiency.

کلیدواژه‌ها [English]

  • Innovation efficiency
  • Slack-based DEA model
  • Nanotechnology
  • Biotechnology
  • Electronic
  • micro electronic and telecomunication and aerospace

Abbasi, F., Hajihoseini, H. & Haukka, S. 2011. Use of virtual index for measuring efficiency of innovation systems: a cross-country study. International Journal of Technology Management & Sustainable Development, 9(3), pp. 195-212.

Adam, F. 2014. Measuring national innovation performance: the Innovation Union Scoreboard revisited, Springer.

Afzal, M. N. I. 2014. An empirical investigation of the National Innovation System (NIS) using Data Envelopment Analysis (DEA) and the TOBIT model. International Review of Applied Economics, 28(4), pp. 507-523.

Arundel, A. Innovation scoreboards: Promises, pitfalls and policy applications. Conference of Innovation and Enterprise Creation: Statistics and Indicators, 2001.

Cai, Y. 2011. Factors affecting the efficiency of the BRICSs' national innovation systems: A comparative study based on DEA and Panel Data Analysis. Economics Discussion paper.

Cook, W. D. & Seiford, L. M. 2009. Data envelopment analysis (DEA)–Thirty years on. European journal of operational research, 192(1), pp. 1-17.

Cruz-cazares, C., Bayona-Saez, C. & Garcia-Marco, T. 2013. You can’t manage right what you can’t measure well: Technological innovation efficiency. Research Policy, 42(6-7), pp. 1239-1250

Diaz-Balteiro, L., Herruzo, A. C., Martinez, M. & Gonzalez-Pachon, J. 2006. An analysis of productive efficiency and innovation activity using DEA: An application to Spain's wood-based industry. Forest Policy and Economics, 8(7), pp. 762-773.

Dzemydaite, G., Dzemyda, I. & Galiniene, B. 2016. The efficiency of regional innovation systems in new member states of the European Union: a nonparametric DEA approach. Economics and business, 28(1), pp. 83-89.

EARL, L. 2006. National innovation, indicators and policy, Edward Elgar Publishing.

Feng, F., Wang, B., Zou, Y. & Du, Y. 2013. A New Internet DEA Structure: Measurementof Chinese R&D Innovation Efficiency in High Technology Industry. International Journal of Business and Management, 8(21), p. 32.

Guan, J. & Chen, K. 2012. Modeling the relative efficiency of national innovation systems. Research policy, 41(1),pp. 102-115.

Hsu, Y. 2011. Cross national comparison of innovation efficiency and policy application. African Journal of Business Management, 5(4), pp. 1378-1387.

Junwen 2016. A Research on the Evaluation of the Operating Efficiency and Innovation Efficiency of China’s Development Zones Based on Panel Data. Canadian Social Science, 12,pp. 13-19.

Mogha, S. K., Yadav, S. P. & Singh, S. 2015. Slack based measure of efficiencies of public sector hospitals in Uttarakhand (India). Benchmarking: An International Journal, 22(7), pp. 1229-1246.

Revilla, E., Sarkis, J. & Modrego, A. 2003. Evaluating performance of public–private research collaborations: A DEA analysis. Journal of the Operational Research Society, 54(2), pp. 165-174.

Xu, X. & QI, L. 2015. Evaluation Research of Innovation Efficiency of the Equipment Manufacturing Industry Based On Super Efficiency DEA and Malmquist Index. International Journal of Hybrid Information Technology, 8(4), pp. 27-34.

دانش کهن، ح. الیاسی، م. پیله‌وری، ن. و طباطبایی بافقی، س. م.، 1394. بررسی و اولویت‌بندی عوامل کلیدی موفقیت نوآوری در صنعت پهپاد ایران. مدیریت نوآوری (4)4، صص. 107-130.

رحیمی راد، ز. یحیی زاده فر، م. میرعمادی، ط. و مدهوشی، م.، 1396. تحلیل نظام نوآوری فناورانه سیستم‌های خورشیدی فتوولتاییک در ایران. مدیریت نوآوری، 6(4)، صص 1-28.

پاکزادبناب، ب. طباطباییان، س.ح.، 1385. بررسی سیستم‌های سنجش نوآوری و ارائه چارچوبی برای سنجش نوآوری در ایران. پژوهش‌های مدیریت در ایران، 10(1)، صص. 161-190.

مهرگان، م.، 1391 . تحلیل پوششی داده‌ها مدل‌های کمی در ارزیابی عملکرد سازمان‌ها. نشر کتاب دانشگاه، صص. 99-120

میرغفوری، س.ح. شفیعی‌رودپشتی، م. ندافی، غ.، 1390. مقایسه و رتبه‌بندی عملکرد مالی شرکت‌های مخابرات استانی با رویکرد مدل جمعی تحلیل پوششی داده‌ها و روش کارایی متقاطع. فرآیند مدیریت و توسعه، 24(2)، صص.103-128.