韓斌 馮筱偉 蘇屹 梁德智

摘 要：以187家中國新能源汽車上市企業(yè)為研究對象，在剔除環(huán)境因素對企業(yè)創(chuàng)新效率影響的基礎(chǔ)上，采用三階段DEA模型分析新能源汽車上市企業(yè)創(chuàng)新效率，并從企業(yè)自身特征角度，采用Tobit模型對企業(yè)創(chuàng)新效率的影響因素進行分析。研究表明，在考慮環(huán)境因素的情況下，新能源汽車企業(yè)整體創(chuàng)新效率呈現(xiàn)“N”型發(fā)展趨勢，規(guī)模效率是制約新能源汽車企業(yè)創(chuàng)新效率提升的關(guān)鍵因素；企業(yè)規(guī)模、專利存量與企業(yè)創(chuàng)新效率正相關(guān)，與研發(fā)活動密切相關(guān)的研發(fā)人員和研發(fā)支出均對企業(yè)創(chuàng)新效率存在積極作用，但研發(fā)支出對企業(yè)創(chuàng)新效率的正向作用不顯著，政府補助強度與企業(yè)創(chuàng)新效率負(fù)相關(guān)。鼓勵新能源汽車企業(yè)兼并重組、完善政府補助評價機制以及建立新能源汽車企業(yè)協(xié)同創(chuàng)新平臺是提高新能源汽車企業(yè)創(chuàng)新效率的關(guān)鍵措施。

關(guān)鍵詞：新能源汽車；創(chuàng)新效率；三階段DEA；Tobit面板模型

DOI：10.6049/kjjbydc.2021090205

中圖分類號：F426.471

文獻標(biāo)識碼：A

文章編號：1001-7348（2023）06-0110-11

0 引言

近年來，面對氣候變化和能源危機的雙重發(fā)展問題，培育壯大新能源產(chǎn)業(yè)、實現(xiàn)可持續(xù)發(fā)展成為各國發(fā)展的重要目標(biāo)。新能源汽車具有低碳綠色、可再生等特點，有助于緩解環(huán)境壓力，在我國越來越受到重視，并被列為戰(zhàn)略性新興產(chǎn)業(yè)之一，成為實現(xiàn)我國汽車產(chǎn)業(yè)低碳轉(zhuǎn)型的重要發(fā)展方向。國家工信部、發(fā)改委、科技部印發(fā)的《汽車產(chǎn)業(yè)中長期發(fā)展規(guī)劃》提出，通過鼓勵新能源汽車技術(shù)創(chuàng)新和商業(yè)化發(fā)展，加快汽車產(chǎn)業(yè)轉(zhuǎn)型升級進程。近年來，為促進我國新能源汽車產(chǎn)業(yè)良性發(fā)展，政府、新能源汽車企業(yè)逐漸加大新能源汽車創(chuàng)新資源投入，以提高新能源汽車創(chuàng)新產(chǎn)出。但隨之而來的是新能源汽車創(chuàng)新產(chǎn)出邊際遞減問題，傳統(tǒng)的高投入、高產(chǎn)出模式可能不再適用。相應(yīng)地，企業(yè)創(chuàng)新產(chǎn)出邊際遞減與創(chuàng)新投入邊際成本遞增的內(nèi)在規(guī)律，可能會抑制新能源汽車企業(yè)創(chuàng)新效率提升。在此背景下，測度分析新能源汽車企業(yè)創(chuàng)新效率及其影響因素，促進新能源汽車高效創(chuàng)新成為政府、學(xué)者重點關(guān)注的問題。

效率是衡量企業(yè)創(chuàng)新情況的常見指標(biāo)，一直是學(xué)者關(guān)注重點。創(chuàng)新效率可以通過決策單元相對于生產(chǎn)前沿的位置進行衡量，生產(chǎn)前沿可以通過參數(shù)法和非參數(shù)法確定，其中參數(shù)法主要包括隨機前沿分析（Stochastic Frontier Approach，SFA），非參數(shù)法則以數(shù)據(jù)包絡(luò)分析（Data Envelopment Analysis，DEA）的廣泛應(yīng)用為主。數(shù)據(jù)包絡(luò)分析方法在應(yīng)用時不需要提前確定生產(chǎn)函數(shù)形式，在計算多投入、多產(chǎn)出決策單元的效率時具有獨特優(yōu)勢，因而受到學(xué)者們關(guān)注^[1]。數(shù)據(jù)包絡(luò)分析（DEA）的關(guān)鍵在于投入與產(chǎn)出變量選擇，根據(jù)研究問題、變量的不同，研究得到的結(jié)果也不同。在早期研究中，學(xué)者多從產(chǎn)出角度衡量創(chuàng)新效率，如采用專利^[2-4]、營業(yè)收入^[5-6]等產(chǎn)出指標(biāo)或?qū)＠麛?shù)量與研發(fā)投入的比值^[7-8]衡量企業(yè)創(chuàng)新效率。然而，這些研究都僅直觀考慮創(chuàng)新產(chǎn)出以及產(chǎn)出與投入的簡單比例關(guān)系，忽略了創(chuàng)新過程中多種因素的復(fù)雜作用，這一缺口吸引了學(xué)者們的研究興趣。學(xué)者們開始嘗試選取多種指標(biāo)、方法科學(xué)衡量企業(yè)創(chuàng)新效率，以數(shù)據(jù)包絡(luò)分析^[9-10]和隨機前沿分析^[11]方法測度企業(yè)創(chuàng)新效率逐漸得到廣泛應(yīng)用。隨著企業(yè)創(chuàng)新效率研究的深入，越來越多的學(xué)者深化DEA模型在效率測度中的應(yīng)用，如將基于非徑向與非角度的DEA-SBM模型^[12-14]、基于理想窗口寬度的數(shù)據(jù)包絡(luò)分析^[15-16]以及兩階段共同邊界動態(tài)網(wǎng)絡(luò)DEA模型^[17-18]等應(yīng)用于創(chuàng)新效率測度。趙文等（2020）采用數(shù)據(jù)包絡(luò)分析中的MinDS模型測度創(chuàng)新效率；蘇屹等（2021）采用DEA-RAM模型研究新能源企業(yè)技術(shù)創(chuàng)新效率；Wang等^[19]運用非徑向數(shù)據(jù)包絡(luò)分析方法測度新能源企業(yè)創(chuàng)新效率，實證發(fā)現(xiàn)新能源企業(yè)在研發(fā)階段的創(chuàng)新效率尤其低下。上述研究均采用DEA模型測度創(chuàng)新效率，均忽視了環(huán)境因素對企業(yè)創(chuàng)新效率的影響，而在企業(yè)復(fù)雜的創(chuàng)新活動中，環(huán)境因素是不可忽略的，這使得研究結(jié)果客觀反映企業(yè)實際創(chuàng)新情況面臨重大挑戰(zhàn)。

綜上所述，企業(yè)創(chuàng)新效率測度是學(xué)界研究熱點之一，學(xué)者們運用數(shù)據(jù)包絡(luò)分析和隨機前沿分析方法對新能源企業(yè)創(chuàng)新效率進行了一系列研究，但大多從創(chuàng)新階段劃分、DEA模型改進等方面展開研究，忽略了環(huán)境因素對新能源企業(yè)創(chuàng)新效率的現(xiàn)實影響作用。本文主要研究目的是測度剔除環(huán)境因素影響后的新能源汽車企業(yè)創(chuàng)新效率，并在此基礎(chǔ)上考察企業(yè)自身特征因素對創(chuàng)新效率的影響。與以往研究相比，本文貢獻在于：首先，考慮新能源汽車企業(yè)環(huán)境因素對創(chuàng)新效率的影響，而非以往采用傳統(tǒng)DEA和隨機前沿分析方法計算新能源汽車企業(yè)創(chuàng)新效率，客觀忽略環(huán)境因素的作用。其次，在已有研究基礎(chǔ)上，選取常用的企業(yè)創(chuàng)新效率影響因素，如股權(quán)結(jié)構(gòu)、政府補助和員工質(zhì)量等，進一步探索剔除環(huán)境因素后企業(yè)創(chuàng)新效率的影響因素。

1 模型構(gòu)建

1.1 三階段DEA模型

1.1.1 第一階段：傳統(tǒng)DEA模型

在第一階段，使用未經(jīng)處理的投入產(chǎn)出變量測度創(chuàng)新效率。根據(jù)研究問題的不同，DEA模型可以分為投入導(dǎo)向和產(chǎn)出導(dǎo)向，其中投入導(dǎo)向是指在一定產(chǎn)出水平下，如何降低投入水平；產(chǎn)出導(dǎo)向是指在不改變投入水平的條件下，如何提高產(chǎn)出水平。由于創(chuàng)新具有不確定性，產(chǎn)出情況不容易控制，因而本文在測度新能源汽車企業(yè)創(chuàng)新效率時，選擇投入導(dǎo)向的BCC（規(guī)模報酬可變）模型。對于任一決策單元，投入導(dǎo)向下對偶形式的BCC模型^[20]為：

式中，j=1，2，…，n表示決策單元，X、Y分別表示投入和產(chǎn)出變量。BBC模型測度出的創(chuàng)新效率（crste）由純技術(shù)效率（vrste）和規(guī)模效率（scale）兩部分組成，且crste=vrste*scale。

1.1.2 第二階段：相似SFA模型

傳統(tǒng)DEA模型在測量效率時容易忽略環(huán)境因素和統(tǒng)計噪聲的影響，導(dǎo)致得出的效率值與決策單元真實效率值存在一定差異，可靠性低。第二階段研究第一階段傳統(tǒng)DEA模型的松弛變量，松弛變量是低效率的體現(xiàn)，由環(huán)境因素、管理無效率和統(tǒng)計噪聲三部分構(gòu)成。通過SFA回歸模型可以將松弛變量分解為環(huán)境因素、管理無效率和統(tǒng)計噪聲，具體來說，以第一階段傳統(tǒng)DEA模型的松弛變量作為被解釋變量，以環(huán)境因素作為解釋變量，并構(gòu)建SFA回歸模型^[21]。

式中，s_ij表示第i個決策單元第j項投入的松弛值， z_i是環(huán)境變量，β^j是環(huán)境變量的系數(shù)，v_ij+u_ij是混合誤差項；v_ij表示隨機干擾因素對投入松弛變量的影響，且v_ij～N0，σ²_jv；u_ij表示管理因素對投入松弛變量的影響，服從半正態(tài)分布，且u_ij～N⁺μ^j，σ²_ju。

基于隨機前沿分析結(jié)果，通過剔除環(huán)境因素和隨機因素對效率值的干擾作用，將所有決策單元調(diào)整至相同的外部環(huán)境中，調(diào)整公式如下^[21]：

式中，X^A_ni、X_ni分別表示調(diào)整后和調(diào)整前的投入，maxfZ_i;β︿_n－fZ_i;β︿_n是對環(huán)境因素進行調(diào)整，maxv_ni－v_ni表示將所有決策單元調(diào)整至相同隨機干擾條件下。通過控制相同環(huán)境因素和隨機干擾，避免二者對決策單元效率測量結(jié)果產(chǎn)生影響，確保調(diào)整后測度得到的效率值能夠反映決策單元真實水平。

1.1.3 第三階段：調(diào)整后投入產(chǎn)出變量的DEA效率

將第二階段調(diào)整后的投入變量與原始產(chǎn)出變量帶入DEA模型，測度剔除環(huán)境因素和隨機因素干擾的新能源汽車企業(yè)創(chuàng)新效率。

1.2 Tobit回歸模型

在客觀評價新能源汽車企業(yè)創(chuàng)新效率的基礎(chǔ)上，進一步分析新能源汽車企業(yè)創(chuàng)新效率的影響因素，本文采用Tobit回歸模型進行分析。由于三階段DEA模型測度的創(chuàng)新效率取值在0～1之間，屬于受限制的被解釋變量，采用傳統(tǒng)最小二乘法分析容易導(dǎo)致結(jié)果有偏或不一致^[22]，而Tobit回歸模型在處理受限制的被解釋變量時可以有效避免這一問題。標(biāo)準(zhǔn)Tobit回歸模型如下^[23]：

式中，y_i^*表示受限制的被解釋變量，X_i是解釋變量，β為估計參數(shù)。μ_i是誤差項，服從正態(tài)分布，且μ_i～N（0，σ²）。

1.3 數(shù)據(jù)變量

1.3.1 投入與產(chǎn)出變量

本文將新能源汽車企業(yè)研發(fā)人員數(shù)量和研發(fā)經(jīng)費支出作為投入變量，企業(yè)發(fā)明專利申請數(shù)和主營業(yè)務(wù)收入作為產(chǎn)出變量，考慮到投入的滯后效果，參考逄淑媛等^[24]的做法，對產(chǎn)出變量作滯后1年處理。變量具體信息如表1所示。

采用SPSS 26分析投入與產(chǎn)出變量的Pearson相關(guān)系數(shù)，結(jié)果如表2所示。各投入變量均在1%水平上與產(chǎn)出變量正相關(guān)，說明滿足DEA分析對投入與產(chǎn)出變量之間同向性的要求。

1.3.2 環(huán)境變量

環(huán)境因素選取原則是對新能源汽車企業(yè)創(chuàng)新效率產(chǎn)生實質(zhì)影響且企業(yè)無法通過管理等方式進行控制。新能源汽車作為戰(zhàn)略性新興產(chǎn)業(yè)，具有重大技術(shù)突破和促進經(jīng)濟發(fā)展的關(guān)鍵需求，其創(chuàng)新活動具有高投入、高風(fēng)險等特征。本文基于新能源汽車企業(yè)創(chuàng)新活動特質(zhì)，選取最具影響力且涵蓋經(jīng)濟、人才、政策等方面的區(qū)域開放程度、勞動者素質(zhì)、技術(shù)市場環(huán)境、技術(shù)基礎(chǔ)和環(huán)境規(guī)制5個指標(biāo)作為環(huán)境變量。

（1）區(qū)域開放程度（fdi）。改革開放以來，我國對外開放水平不斷提高，外商投資有序進入國內(nèi)市場和產(chǎn)業(yè)，成為我國經(jīng)濟發(fā)展的重要組成部分。雖然學(xué)者們就區(qū)域開放程度與企業(yè)創(chuàng)新的關(guān)系尚未達成一致，但普遍認(rèn)同區(qū)域開放程度與企業(yè)技術(shù)創(chuàng)新之間存在關(guān)聯(lián)^[25]，因而本文將區(qū)域開放程度納入影響新能源汽車企業(yè)創(chuàng)新效率的環(huán)境因素中。本文采用企業(yè)所處省份實際利用外商直接投資額表征區(qū)域開放程度。

（2）勞動者素質(zhì)（lab）。勞動者是消化吸收新技術(shù)、提升科技輸出能力的重要載體。勞動者素質(zhì)會影響企業(yè)學(xué)習(xí)前沿技術(shù)的經(jīng)驗和能力，進而影響企業(yè)創(chuàng)新效率。勞動者素質(zhì)的提高可以促進企業(yè)消化吸收新知識，提升企業(yè)創(chuàng)新效率^[26]。本文采用每十萬人口各級學(xué)校平均在校生數(shù)衡量區(qū)域勞動者素質(zhì)。

（3）技術(shù)市場環(huán)境（tec）。建立不同規(guī)模的技術(shù)市場能夠提高技術(shù)利用率和技術(shù)成果轉(zhuǎn)化率，良好的技術(shù)市場環(huán)境會對高技術(shù)產(chǎn)業(yè)創(chuàng)新產(chǎn)生積極效應(yīng)。技術(shù)市場環(huán)境質(zhì)量越高，企業(yè)創(chuàng)新效率就越高^[27]。本文使用技術(shù)市場成交額衡量技術(shù)市場環(huán)境。

（4）技術(shù)基礎(chǔ)（base）。新能源汽車作為戰(zhàn)略性新興產(chǎn)業(yè)，其技術(shù)呈現(xiàn)快速迭代特征，使得新能源汽車企業(yè)創(chuàng)新存在一定門檻，原有技術(shù)基礎(chǔ)可以幫助企業(yè)快速占據(jù)產(chǎn)業(yè)制高點。本文采用新能源汽車企業(yè)所在省份前5年涉及新能源汽車的發(fā)明申請數(shù)衡量地區(qū)技術(shù)基礎(chǔ)。

（5）環(huán)境規(guī)制（env）。環(huán)境規(guī)制對創(chuàng)新效率具有重要影響。古典經(jīng)濟理論認(rèn)為，環(huán)境規(guī)制會擠占創(chuàng)新資金，降低創(chuàng)新效率。曹霞和于娟（2015）研究發(fā)現(xiàn)，環(huán)境規(guī)制強度對企業(yè)技術(shù)創(chuàng)新具有顯著影響。新能源汽車具有環(huán)境友好型特征，其創(chuàng)新更容易受到環(huán)境規(guī)制影響。本文從政策角度出發(fā)，采用區(qū)域當(dāng)年現(xiàn)行環(huán)境法規(guī)數(shù)衡量環(huán)境規(guī)制^[28]。

1.3.3 影響因素

（1）股權(quán)集中度（con）。適度集中的股權(quán)結(jié)構(gòu)可以有效緩解代理問題，降低企業(yè)創(chuàng)新成本，提升企業(yè)創(chuàng)新效率（朱德勝和周曉珮，2016）。新能源汽車技術(shù)創(chuàng)新有賴于持續(xù)的創(chuàng)新投入，為探究股權(quán)結(jié)構(gòu)如何影響新能源汽車企業(yè)創(chuàng)新效率，本文選擇企業(yè)前五大股東持股比例的平方和衡量股權(quán)集中度。

（2）專利存量（pat）。新能源汽車技術(shù)具有快速迭代特征，良好的專利積累有助于企業(yè)進行持續(xù)性創(chuàng)新^[29]，打破跨領(lǐng)域創(chuàng)新壁壘。本文采用企業(yè)t年累計獲得的發(fā)明專利數(shù)衡量企業(yè)專利存量情況。

（3）員工質(zhì)量（quality）。員工是創(chuàng)新知識的載體和傳播者，員工質(zhì)量決定企業(yè)吸收轉(zhuǎn)化創(chuàng)新知識的能力。本文采用企業(yè)在職員工中本科及以上學(xué)歷占比衡量員工質(zhì)量。

（4）政府補助強度（gov）。政府補助是促進新能源汽車創(chuàng)新發(fā)展的重要政策措施，但其在不同場景下會表現(xiàn)為擠出效應(yīng)^[30]或激勵效應(yīng)^[31]。本文以政府補助金額與企業(yè)主營業(yè)務(wù)收入比值作為政府補助強度的代理指標(biāo)，并與企業(yè)研發(fā)經(jīng)費支出一同納入Tobit模型中，分析政府補助強度對企業(yè)創(chuàng)新效率的影響。

（5）企業(yè)規(guī)模（size）。企業(yè)規(guī)模是企業(yè)開展創(chuàng)新的重要決定因素，只有規(guī)模達到一定程度的企業(yè)才有能力承擔(dān)創(chuàng)新研發(fā)所需的經(jīng)費、人員等資源投入。從規(guī)模效益角度解釋，規(guī)模較大的企業(yè)在資源獲取方面具有獨特優(yōu)勢，能夠?qū)崿F(xiàn)更高的創(chuàng)新產(chǎn)出。本文采用企業(yè)年末總資產(chǎn)衡量企業(yè)規(guī)模。

（6）融資結(jié)構(gòu)（lev）。創(chuàng)新是企業(yè)的一種投資性活動，具有較大的不確定性。融資結(jié)構(gòu)是企業(yè)獲取資金支持的重要影響因素，不合理的融資結(jié)構(gòu)會抑制企業(yè)創(chuàng)新活動。本文采用資產(chǎn)負(fù)債率表征融資結(jié)構(gòu)。

2 實證分析

基于上述方法和數(shù)據(jù)，采用DEAP2.1、Frontier4.1、Stata16軟件進行實證分析。首先，采用三階段DEA方法測量剔除環(huán)境因素影響的新能源汽車企業(yè)創(chuàng)新效率；然后，基于測量得到的新能源汽車企業(yè)創(chuàng)新效率值，選取已有研究常用的企業(yè)特征指標(biāo)，采用Tobit回歸模型分析企業(yè)創(chuàng)新效率的影響因素。

2.1 數(shù)據(jù)來源

本文以中國A股新能源汽車上市企業(yè)為研究樣本，樣本選擇原則如下：首先，確定樣本為新能源汽車企業(yè)，由于目前上市公司涉及新能源汽車業(yè)務(wù)占企業(yè)主營業(yè)務(wù)的比例不一，選擇同花順財經(jīng)新能源汽車概念板塊的上市企業(yè)作為基礎(chǔ)樣本庫；其次，剔除金融、保險等行業(yè)上市公司；最后，為降低極端樣本對研究結(jié)果的影響，參考已有研究的通用做法，剔除ST和*ST企業(yè)以及年報中研究數(shù)據(jù)缺失量較大的企業(yè)。根據(jù)上述原則，最終獲得187家新能源汽車上市公司數(shù)據(jù)，篩選得到的企業(yè)均在新能源汽車產(chǎn)業(yè)鏈上，如整車制造、電池電源、電動機、配件、充電樁等（見表3）。本文數(shù)據(jù)主要來源于《中國統(tǒng)計年鑒》《中國環(huán)境年鑒》以及中國研究數(shù)據(jù)服務(wù)平臺（CNRDS）、EPS數(shù)據(jù)庫。

2.2 中國新能源汽車企業(yè)創(chuàng)新效率測度

2.2.1 第一階段傳統(tǒng)DEA結(jié)果分析

采用DEAP2.1軟件，將2014—2018年187家新能源汽車上市公司面板數(shù)據(jù)帶入投入導(dǎo)向的BCC（規(guī)模報酬可變）模型，測算未剔除環(huán)境因素和隨機誤差的新能源汽車企業(yè)創(chuàng)新效率，結(jié)果如表4所示。結(jié)果顯示，187家新能源企業(yè)的創(chuàng)新效率、純技術(shù)效率和規(guī)模效率分別為0.14、0.26、0.59，說明新能源汽車企業(yè)創(chuàng)新效率總體不高，純技術(shù)效率可能是造成這一現(xiàn)象的主要因素。結(jié)合圖1分析考察期內(nèi)樣本的效率變化，在未剔除環(huán)境因素和隨機誤差的情況下，新能源汽車上市企業(yè)創(chuàng)新效率呈倒“N”型發(fā)展趨勢，其均值在0.15上下波動，純技術(shù)效率和規(guī)模效率均值分別在0.25、0.6上下波動，相較于規(guī)模效率，純技術(shù)效率一直處于較低水平。綜合來看，純技術(shù)效率低下是造成新能源汽車企業(yè)創(chuàng)新效率不高的主要原因，說明新能源汽車企業(yè)在內(nèi)部管理方面存在較大改善空間。

2.2.2 第二階段SFA結(jié)果分析

將第一階段傳統(tǒng)DEA模型的投入松弛變量作為被解釋變量，以區(qū)域開放程度、勞動者素質(zhì)、技術(shù)市場環(huán)境、技術(shù)基礎(chǔ)和環(huán)境規(guī)制5個環(huán)境變量作為解釋變量，帶入隨機前沿模型（SFA），結(jié)果如表5所示。結(jié)果顯示，兩個投入變量松弛值對應(yīng)SFA回歸模型的gamma值分別為0.961、0.826，均接近1，說明隨機誤差對企業(yè)創(chuàng)新效率的影響效果有限，SFA模型設(shè)置合理。環(huán)境因素的系數(shù)符號不一，當(dāng)回歸系數(shù)為正時，環(huán)境變量對投入松弛值發(fā)揮正向促進作用，增加投入會造成浪費或者產(chǎn)出下降；反之，投入松弛值變小會導(dǎo)致投入減少或者產(chǎn)出增加。環(huán)境因素對投入松弛值的具體影響為：區(qū)域開放程度對研發(fā)人員數(shù)量松弛值和研發(fā)經(jīng)費支出松弛值的影響在1%水平上負(fù)相關(guān)，說明開放程度越高的地區(qū)，新能源汽車企業(yè)越能夠降低研發(fā)人員和經(jīng)費投入，從而在一定程度上提高新能源汽車企業(yè)創(chuàng)新效率。勞動者素質(zhì)對研發(fā)人員數(shù)量松弛值和研發(fā)經(jīng)費支出松弛值的影響在1%水平上負(fù)相關(guān)，說明企業(yè)所在地區(qū)的勞動者素質(zhì)提高，能夠在一定程度上降低新能源汽車企業(yè)研發(fā)資源投入，促進新能源汽車企業(yè)創(chuàng)新效率提升。技術(shù)市場環(huán)境對研發(fā)人員數(shù)量松弛值和研發(fā)經(jīng)費支出松弛值的影響在1%水平上正相關(guān)，表明技術(shù)市場環(huán)境的改善會導(dǎo)致企業(yè)研發(fā)投入資源浪費，抑制新能源汽車企業(yè)創(chuàng)新效率提升。技術(shù)基礎(chǔ)對研發(fā)人員數(shù)量松弛值在1%水平上負(fù)相關(guān)，對研發(fā)經(jīng)費支出松弛值在1%水平上正相關(guān)，說明隨著新能源汽車專利存量增加，會加劇研發(fā)經(jīng)費的浪費，降低企業(yè)創(chuàng)新效率，但研發(fā)人員冗余情況會逐漸改善。環(huán)境規(guī)制對研發(fā)人員數(shù)量松弛值和研發(fā)經(jīng)費支出松弛值的影響在1%水平上負(fù)相關(guān)，說明政府相關(guān)環(huán)境政策的實施能夠降低新能源汽車企業(yè)研發(fā)資源投入，一定程度上激發(fā)企業(yè)創(chuàng)新動力，促進創(chuàng)新效率提升。

2.2.3 第三階段結(jié)果分析

使用第二階段獲得的投入產(chǎn)出變量和原始產(chǎn)出變量，帶入DEA模型中再次測算新能源汽車企業(yè)創(chuàng)新效率，結(jié)果如表4所示。從圖2可以看出，剔除環(huán)境因素對創(chuàng)新效率的影響后，新能源汽車企業(yè)創(chuàng)新效率總體平穩(wěn)，呈現(xiàn)“N”型發(fā)展趨勢，說明環(huán)境因素會對新能源汽車企業(yè)創(chuàng)新效率產(chǎn)生實質(zhì)性影響，采用三階段DEA模型剔除環(huán)境因素的影響是必要的。剔除環(huán)境因素后，新能源汽車企業(yè)創(chuàng)新效率、規(guī)模效率處于較低水平，純技術(shù)效率達到0.9的高水平。由此可知，剔除環(huán)境因素后，造成新能源汽車企業(yè)創(chuàng)新效率不高的原因不再是純技術(shù)效率，規(guī)模效率不高成為制約新能源汽車企業(yè)創(chuàng)新效率提高的關(guān)鍵因素。

2.3 中國新能源汽車企業(yè)創(chuàng)新效率影響因素分析

以三階段DEA測度得到的新能源汽車企業(yè)創(chuàng)新效率值作為被解釋變量，并選取股權(quán)集中度、企業(yè)專利存量、員工質(zhì)量、政府補助強度、企業(yè)規(guī)模、融資結(jié)構(gòu)、研發(fā)人員數(shù)量和研發(fā)經(jīng)費支出作為解釋變量，運用Tobit模型分析上述變量對新能源汽車企業(yè)創(chuàng)新效率的影響。為確保模型結(jié)果的穩(wěn)健性，本文對股權(quán)集中度、企業(yè)規(guī)模、研發(fā)經(jīng)費支出等非負(fù)變量在0.01水平上進行縮尾處理，并對企業(yè)規(guī)模、研發(fā)人員數(shù)量和研發(fā)經(jīng)費支出取對數(shù)。本文設(shè)定回歸模型如下：

式中，i、t分別表示決策單元（企業(yè)）和時間，crste_it表示企業(yè)創(chuàng)新效率，β為待估參數(shù)，ε_it為隨機擾動項。采用Stata 16進行分析，結(jié)果如表6所示。

表6結(jié)果顯示，考察期內(nèi)，企業(yè)自身特征因素對創(chuàng)新效率具有不同程度的影響。在創(chuàng)新資源方面，研發(fā)支出對創(chuàng)新效率具有促進作用，但在統(tǒng)計上不顯著，研發(fā)人員在1%水平上與創(chuàng)新效率正相關(guān)。新能源汽車產(chǎn)業(yè)屬于戰(zhàn)略性新興產(chǎn)業(yè)，需要大規(guī)模資源作為支撐。根據(jù)回歸結(jié)果分析，當(dāng)前我國新能源汽車企業(yè)研發(fā)人員對企業(yè)創(chuàng)新效率具有顯著正向促進作用，但研發(fā)支出對企業(yè)創(chuàng)新效率的促進作用還不夠顯著，原因可能是研發(fā)支出結(jié)構(gòu)與創(chuàng)新活動需求不匹配。同時，員工質(zhì)量與企業(yè)創(chuàng)新效率呈現(xiàn)負(fù)向關(guān)系但不顯著。這與多數(shù)學(xué)者的研究結(jié)論存在一定出入，可能是由于當(dāng)前新能源汽車企業(yè)員工素質(zhì)對企業(yè)創(chuàng)新效率不存在明顯的正向或負(fù)向影響，而是更多依賴人力投入。在企業(yè)股東方面，股權(quán)集中度在1%水平上對企業(yè)創(chuàng)新效率具有顯著促進作用，說明股權(quán)集中有助于企業(yè)創(chuàng)新效率提升。這可能是由于當(dāng)前新能源汽車產(chǎn)業(yè)內(nèi)部競爭環(huán)境復(fù)雜多變，股權(quán)集中度提升有助于緩解“搭便車”和代理問題^[32]，提高企業(yè)創(chuàng)新戰(zhàn)略制定效率，進而促進創(chuàng)新效率提升。在企業(yè)技術(shù)基礎(chǔ)方面，企業(yè)專利存量在1%水平上促進企業(yè)創(chuàng)新效率提高，說明新能源汽車企業(yè)創(chuàng)新活動受到企業(yè)自身研發(fā)實力影響，專利存量越大，新能源汽車企業(yè)創(chuàng)新效率越高。這可能是因為，具有較高專利存量水平的新能源汽車企業(yè)在協(xié)調(diào)創(chuàng)新資源方面更有優(yōu)勢。企業(yè)規(guī)模在1%水平上與企業(yè)創(chuàng)新效率呈現(xiàn)正向關(guān)系，說明企業(yè)規(guī)模擴大有助于新能源汽車企業(yè)創(chuàng)新效率提高。這可能是因為規(guī)模更大的新能源汽車企業(yè)擁有更多專利存量，更有助于提升企業(yè)創(chuàng)新產(chǎn)出和商業(yè)化水平，進而提升企業(yè)創(chuàng)新效率。在企業(yè)財務(wù)方面，政府補助強度與融資結(jié)構(gòu)均在10%水平上對企業(yè)創(chuàng)新效率產(chǎn)生負(fù)向影響，說明政府補助強度與融資結(jié)構(gòu)顯著抑制新能源汽車企業(yè)創(chuàng)新效率。政府補助可能會對新能源汽車企業(yè)研發(fā)資金產(chǎn)生擠出效應(yīng)^[33]，從而降低企業(yè)創(chuàng)新效率。同時，由于缺乏完善的監(jiān)督和處罰機制，企業(yè)可能挪用政府補助用于其它生產(chǎn)經(jīng)營活動，導(dǎo)致創(chuàng)新效率低下^[34]。由于創(chuàng)新具有高不確定和高風(fēng)險特征，合理的融資結(jié)構(gòu)（合適的資產(chǎn)負(fù)債率）有助于企業(yè)從事持續(xù)性創(chuàng)新活動^[35]，提高創(chuàng)新活動產(chǎn)出，進而提升企業(yè)創(chuàng)新效率。

3 結(jié)論與對策

基于2014—2018年187家新能源汽車上市企業(yè)數(shù)據(jù)，通過三階段DEA模型分析剔除環(huán)境因素后的新能源汽車上市企業(yè)創(chuàng)新效率，并運用Tobit回歸模型研究創(chuàng)新效率的影響因素。主要結(jié)論如下：首先，有必要剔除環(huán)境因素對新能源上市企業(yè)創(chuàng)新效率的影響。在未剔除環(huán)境因素對企業(yè)創(chuàng)新效率影響的情況下，新能源汽車上市企業(yè)創(chuàng)新效率以及分解后的純技術(shù)效率和規(guī)模效率發(fā)展形態(tài)均為倒“N”型；剔除環(huán)境因素后，3種效率發(fā)展形態(tài)出現(xiàn)變化，呈現(xiàn)“N”型發(fā)展，且兩種情形下造成企業(yè)創(chuàng)新效率低下的原因截然不同。由此可知，環(huán)境因素會對新能源汽車企業(yè)創(chuàng)新效率測度結(jié)果產(chǎn)生顯著影響。因此，為保證企業(yè)創(chuàng)新效率測度值能夠真實反映企業(yè)創(chuàng)新現(xiàn)狀，有必要剔除環(huán)境因素的影響。其次，新能源汽車上市企業(yè)創(chuàng)新效率不高主要是由于其規(guī)模效率低下所致。剔除環(huán)境因素影響后，造成新能源汽車上市企業(yè)創(chuàng)新效率不高的原因在于其規(guī)模效率落后于純技術(shù)效率，且差距較大，規(guī)模效率成為制約新能源汽車企業(yè)創(chuàng)新效率提升的關(guān)鍵因素。最后，剔除環(huán)境因素影響后，企業(yè)創(chuàng)新效率的Tobit回歸結(jié)果表明，與創(chuàng)新密切相關(guān)的兩類創(chuàng)新投入對企業(yè)創(chuàng)新效率的影響作用不同，研發(fā)支出雖然具有促進作用但不顯著，研發(fā)人員可以顯著促進企業(yè)創(chuàng)新效率提升。企業(yè)專利存量和企業(yè)規(guī)模能夠顯著促進創(chuàng)新效率提升，但剔除環(huán)境因素后的規(guī)模效率處于極低水平，說明新能源汽車企業(yè)還需要進一步擴大規(guī)模。模型結(jié)果顯示，員工素質(zhì)對創(chuàng)新效率不存在明顯的正向或負(fù)向影響，股權(quán)集中度可以顯著提升企業(yè)創(chuàng)新效率。政府補助強度與融資結(jié)構(gòu)對企業(yè)創(chuàng)新效率具有顯著負(fù)向作用，說明政府在支持新能源汽車企業(yè)發(fā)展過程中需要采取合適的補助形式，企業(yè)在創(chuàng)新過程中也需要保持合理的融資結(jié)構(gòu)。

基于上述結(jié)論，本文提出如下對策建議：首先，提高產(chǎn)業(yè)集中度，鼓勵新能源汽車企業(yè)兼并重組、做大做強。Tobit回歸結(jié)果顯示，企業(yè)專利存量和企業(yè)規(guī)模均能夠?qū)ζ髽I(yè)創(chuàng)新效率產(chǎn)生積極作用。結(jié)合調(diào)整后的企業(yè)創(chuàng)新效率結(jié)果，大多數(shù)新能源汽車企業(yè)均存在規(guī)模效率較低的情況，這制約了企業(yè)創(chuàng)新效率提高。當(dāng)前新能源汽車企業(yè)存在數(shù)量多但小而散的情況，通過鼓勵兼并重組等方式做大做強新能源汽車企業(yè)，加快整合新能源汽車產(chǎn)業(yè)鏈，有助于新能源汽車企業(yè)集聚專利、研發(fā)人員等多種創(chuàng)新資源，充分發(fā)揮新能源汽車企業(yè)規(guī)模優(yōu)勢。其次，政府補助“重質(zhì)輕量”，需要進一步完善評價機制。實證結(jié)果顯示，政府補助對新能源汽車上市企業(yè)創(chuàng)新效率具有顯著負(fù)向作用，這印證了劉豐云等^[36]關(guān)于政府補助具有擠出效應(yīng)的結(jié)論。為規(guī)避這種現(xiàn)象，中央和地方政府應(yīng)當(dāng)進一步完善評價機制，在支持新能源汽車企業(yè)發(fā)展時，將企業(yè)創(chuàng)新資源的自主投入和創(chuàng)新產(chǎn)出質(zhì)量納入評價標(biāo)準(zhǔn)，不唯數(shù)量論，重點關(guān)注政府補助對新能源汽車企業(yè)創(chuàng)新的引領(lǐng)示范作用，積極發(fā)揮政府補助的杠桿作用^[37]。最后，建立新能源汽車企業(yè)協(xié)同創(chuàng)新平臺。Tobit回歸結(jié)果顯示，新能源汽車企業(yè)專利存量能夠促進創(chuàng)新效率提高，一定程度上說明技術(shù)基礎(chǔ)對創(chuàng)新效率具有重要作用。通過建立協(xié)同創(chuàng)新平臺，可以降低新能源汽車產(chǎn)業(yè)鏈企業(yè)間技術(shù)交易成本，有助于傳遞技術(shù)需求，推廣新產(chǎn)品、新技術(shù)，促進合作交流，最大限度發(fā)揮每個企業(yè)優(yōu)勢，共同推進新能源汽車產(chǎn)業(yè)創(chuàng)新發(fā)展。

本文測度剔除環(huán)境因素后的新能源汽車企業(yè)創(chuàng)新效率，并采用Tobit回歸模型分析企業(yè)自身特征對創(chuàng)新效率的影響，但還有一些問題需要在以后的研究中加以完善。本文采用滯后1年的產(chǎn)出變量，考慮到發(fā)明專利申請數(shù)最新數(shù)據(jù)為2019年，因而本文只選取了2014—2018年數(shù)據(jù)，研究區(qū)間較短導(dǎo)致難以觀測到新能源汽車企業(yè)創(chuàng)新效率的全局發(fā)展。此外，本文Tobit回歸模型中僅選取了常見的影響因素，未來還需要探索更多、更復(fù)雜的創(chuàng)新效率影響因素。

參考文獻：

[1] 白俊紅， 江可申， 李婧. 應(yīng)用隨機前沿模型評測中國區(qū)域研發(fā)創(chuàng)新效率[J]. 管理世界， 2009，25（10）： 51-61.

[2] 陳德球， 金雅玲， 董志勇. 政策不確定性、政治關(guān)聯(lián)與企業(yè)創(chuàng)新效率[J]. 南開管理評論， 2016，19（4）： 27-35.

[3] 陳克兢， 萬清清， 康艷玲. 國家治理體系與國有企業(yè)創(chuàng)新效率——基于巡視監(jiān)督的準(zhǔn)自然實驗[J]. 科研管理， 2020，41（8）： 211-219.

[4] HE Y， GAN S， XIAO L. Can foreign suppliers act as “innovation springboards” for firms？ evidence from China[J]. Research in International Business and Finance， 2021，56： 101353.

[5] 解學(xué)梅， 王宏偉， 唐海燕. 創(chuàng)新生態(tài)戰(zhàn)略與創(chuàng)新效率關(guān)系：基于創(chuàng)新生態(tài)網(wǎng)絡(luò)視角[J]. 系統(tǒng)管理學(xué)報， 2020，29（6）： 1065-1077.

[6] 王延霖， 郭曉川. 資源型上市公司高管團隊激勵方式對企業(yè)創(chuàng)新效率的影響研究——基于創(chuàng)新價值鏈和產(chǎn)權(quán)性質(zhì)的考量[J]. 研究與發(fā)展管理， 2020，32（4）： 149-161.

[7] 姜軍， 江軒宇， 伊志宏. 企業(yè)創(chuàng)新效率研究——來自股權(quán)質(zhì)押的影響[J]. 金融研究， 2020，63（2）： 128-146.

[8] HIRSHLEIFER D， HSU P， LI D. Innovative efficiency and stock returns[J]. Journal of Financial Economics， 2013，107（3）： 632-654.

[9] LI H， PANG S， CAO Y， et al. Research on the evaluation of comprehensive efficiency of technological innovation and eco-environment in China[J]. Journal of Cleaner Production， 2021，283： 124603.

[10] KALAPOUTI K， PETRIDIS K， MALESIOS C， et al. Measuring efficiency of innovation using combined Data envelopment analysis and structural equation modeling： empirical study in EU regions[J]. Annals of Operations Research， 2017（11）： 1-24.

[11] HASCHKA R E， HERWARTZ H. Innovation efficiency in European high-tech industries： evidence from a Bayesian stochastic frontier approach[J]. Research Policy， 2020，49（8）： 104054.

[12] LI J， DU Y. Spatial effect of environmental regulation on green innovation efficiency： evidence from prefectural-level cities in China[J]. Journal of Cleaner Production， 2021，286： 125032.

[13] LI D， ZENG T. Are Chinas intensive pollution industries greening？ an analysis based on green innovation efficiency[J]. Journal of Cleaner Production， 2020，259： 120901.

[14] WANG S， ZHANG J， FAN F， et al. The symbiosis of scientific and technological innovation efficiency and economic efficiency in China：an analysis based on data envelopment analysis and logistic model[J]. Technology Analysis & Strategic Management， 2019，31（1）： 67-80.

[15] LIN S， SUN J， MARINOVA D， et al. Evaluation of the green technology innovation efficiency of China's manufacturing industries： DEA window analysis with ideal window width[J]. Technology Analysis & Strategic Management， 2018，30（10）： 1166-1181.

[16] LIN S， LIN R， SUN J， et al. Dynamically evaluating technological innovation efficiency of high-tech industry in China： provincial， regional and industrial perspective[J]. Socio-Economic Planning Sciences， 2021，74： 100939.

[17] FENG Y， ZHANG H， CHIU Y， et al. Innovation efficiency and the impact of the institutional quality： a cross-country analysis using the two-stage meta-frontier dynamic network DEA model[J]. Scientometrics， 2021，126： 3091-3129.

[18] AN Q， MENG F， XIONG B， et al. Assessing the relative efficiency of Chinese high-tech industries： a dynamic network data envelopment analysis approach[J]. Annals of Operations Research， 2020，290（1）： 707-729.

[19] WANG Q， HANG Y， SUN L， et al. Two-stage innovation efficiency of new energy enterprises in China： a non-radial DEA approach[J]. Technological Forecasting and Social Change， 2016，112： 254-261.

[20] BANKER R D， CHARNES A， COOPER W W. Some models for estimating technical and scale inefficiencies in data envelopment analysis[J]. Management Science， 1984，30（9）： 1078-1092.

[21] 劉滿鳳， 李圣宏. 基于三階段DEA模型的我國高新技術(shù)開發(fā)區(qū)創(chuàng)新效率研究[J]. 管理評論， 2016，28（1）： 42-52.

[22] 安勇， 王拉娣. 金融要素扭曲、地方政府行為與創(chuàng)新效率缺失[J]. 數(shù)理統(tǒng)計與管理， 2022，41（1）： 135-147.

[23] 鄭兵云， 楊宏豐. “一帶一路”中國沿海城市港口效率評價——基于DEA博弈交叉效率-Tobit模型[J]. 數(shù)理統(tǒng)計與管理， 2021，40（3）： 502-514.

[24] 逄淑媛， 陳德智. 專利與研發(fā)經(jīng)費的相關(guān)性研究——基于全球研發(fā)頂尖公司10年面板數(shù)據(jù)的研究[J]. 科學(xué)學(xué)研究， 2009，27（10）： 1500-1505.

[25] 張平， 張鵬鵬， 蔡國慶. 不同類型環(huán)境規(guī)制對企業(yè)技術(shù)創(chuàng)新影響比較研究[J]. 中國人口·資源與環(huán)境， 2016，26（4）： 8-13.

[26] YI S， FENGYAN C. Regional innovation systems based on stochastic frontier analysis： a study on thirty-one provinces in China[J]. Science， Technology and Society， 2015，20（2）： 204-224.

[27] 肖仁橋， 錢麗， 陳忠衛(wèi). 中國高技術(shù)產(chǎn)業(yè)創(chuàng)新效率及其影響因素研究[J]. 管理科學(xué)， 2012，25（5）： 85-98.

[28] 王云， 李延喜， 馬壯， 等. 媒體關(guān)注、環(huán)境規(guī)制與企業(yè)環(huán)保投資[J]. 南開管理評論， 2017，20（6）： 83-94.

[29] 陶鋒， 趙錦瑜， 周浩. 環(huán)境規(guī)制實現(xiàn)了綠色技術(shù)創(chuàng)新的“增量提質(zhì)”嗎——來自環(huán)保目標(biāo)責(zé)任制的證據(jù)[J]. 中國工業(yè)經(jīng)濟， 2021，38（2）： 136-154.

[30] 夏玲. 政府補貼對企業(yè)R&D投入的影響——基于戰(zhàn)略性新興產(chǎn)業(yè)的實證分析[J]. 會計之友， 2020，38（24）： 132-137.

[31] 蘇屹， 林雨儂. 政府補貼對新能源企業(yè)R&D投入影響研究[J]. 科學(xué)管理研究， 2021，39（1）： 102-110.

[32] 趙國宇， 禹薇. 大股東股權(quán)制衡的公司治理效應(yīng)——來自民營上市公司的證據(jù)[J]. 外國經(jīng)濟與管理， 2018，40（11）： 60-72.

[33] 張彩江， 陳璐. 政府對企業(yè)創(chuàng)新的補助是越多越好嗎[J]. 科學(xué)學(xué)與科學(xué)技術(shù)管理， 2016，37（11）： 11-19.

[34] HONG J， FENG B， WU Y， et al. Do government grants promote innovation efficiency in China's high-tech industries[J]. Technovation， 2016，57-58（SI）： 4-13.

[35] 鄧立治. 中國汽車企業(yè)技術(shù)創(chuàng)新效率及其影響因素研究——以滬深上市公司為例[J]. 技術(shù)經(jīng)濟與管理研究， 2015，224（3）： 26-31.

[36] 劉豐云， 沈亦凡， 何凌云. 補貼時點對新能源研發(fā)創(chuàng)新的影響與區(qū)域差異[J]. 中國人口·資源與環(huán)境， 2021，31（1）： 57-67.

[37] 戴浩， 柳劍平. 政府補助對科技中小型企業(yè)成長的影響機理——技術(shù)創(chuàng)新投入的中介作用與市場環(huán)境的調(diào)節(jié)作用[J]. 科技進步與對策， 2018，35（23）： 137-145.

（責(zé)任編輯：陳 井）

Innovation Efficiency Measurements and Influencing Factors of Chinese New Energy

Vehicle Listed Enterprises：An Analysis Based on Three-stage DEA and Tobit Panel Model

Han Bin， Feng Xiaowei， Su Yi， Liang Dezhi

（School of Economics and Management， Harbin Engineering University， Harbin 150001， China）

Abstract：Nowadays， the government and new energy vehicle companies have gradually increased their investment in innovative resources for new energy vehicles to increase the innovation output of new energy vehicles. But what follows is the problem of diminishing marginal output of new energy vehicle innovation， and the traditional model of "high input and high output" may no longer be applicable. Correspondingly， the inherent law of diminishing marginal output of corporate innovation and increasing marginal cost of corporate innovation input may inhibit the innovation efficiency of new energy vehicle companies. Most of the present studies carry out in-depth and detailed research from the aspects of innovation stage division and DEA model improvement， ignoring the actual impact of environmental factors on the innovation efficiency of new energy enterprises.

This paper selects 187 new energy vehicle listed companies as research samples to make an empirical analysis. First， regional openness， labor quality， technical market environment， technical foundation， and environmental regulation are selected as environmental factors， and the three-stage DEA method is used to measure the influence of environmental factors and the innovation efficiency of new energy vehicle enterprises; second， equity concentration， enterprise patent stock， employee quality， government subsidy intensity， enterprise-scale， financing structure， number of R&D personnel， and R&D personnel are selected based on the measured innovation efficiency value of new energy vehicle enterprises. By taking the expenditure as an explanatory variable， the Tobit model is used to study the influencing factors of the selected variables on the innovation efficiency of new energy vehicle enterprises.

The results show that the innovation efficiency， pure technical efficiency and scale efficiency of 187 new energy companies are 0.14， 0.26， and 0.59 respectively， indicating that the overall innovation efficiency of new energy vehicle companies is not high. Pure technical efficiency may be the main factor responsible for this phenomenon. Without removing environmental factors and random errors， the innovation efficiency of listed new energy vehicle companies presents an inverted N shape， with the average value fluctuating around 0.15， the average pure technical efficiency fluctuating around 0.25， and the average scale efficiency fluctuates about 0.6， and the low pure technical efficiency of new energy vehicle enterprises is the main reason for the low innovation efficiency， indicating that new energy vehicle enterprises have much room for improvement in internal management. After excluding the impact of environmental factors on innovation efficiency， the innovation efficiency of listed new energy vehicle companies is generally stable， and the development trend has changed， showing an N-shaped development， indicating that environmental factors have had a substantial impact on measuring the innovation efficiency of new energy vehicle companies. It is necessary to use the three-stage DEA model to measure innovation efficiency after eliminating the influence of environmental factors. From a specific analysis， the innovation efficiency and scale efficiency of new energy vehicle enterprises are at a low level， and the pure technical efficiency is at a high level of 0.9. Therefore， it is analyzed that the reason for the low innovation efficiency of new energy vehicle enterprises is no longer pure technical efficiency， and the low scale efficiency has become the key factor restricting the low innovation efficiency of new energy vehicle enterprises.

The Tobit model is used to study the influencing factors of the selected variables on the innovation efficiency of new energy vehicle enterprises. The results show that the characteristics of enterprises themselves have different degrees of influence on innovation efficiency. R&D expenditures promote innovation efficiency but are not statistically significant， and R&D personnel is positively correlated with innovation efficiency at the 1% level. At the level of 1%， ownership concentration has a significant role in promoting the innovation efficiency of enterprises. Enterprise patent stock at the level of 1% promotes the improvement of enterprise innovation efficiency. At the 1% level， there is a positive relationship between enterprise-scale and enterprise innovation efficiency. Both the government subsidy intensity and the financing structure have a negative impact on the innovation efficiency of enterprises at the level of 10%.

Compared with previous studies，this study considers the impact of environmental factors of new energy vehicle companies on innovation efficiency， instead of using traditional DEA methods and stochastic frontier analysis methods to calculate innovation of new energy vehicle companies. Second， based on the existing research foundation of new energy vehicle enterprises， the study selects the commonly used factors affecting enterprise innovation efficiencies， such as ownership structure， government subsidies and employee quality， and further explore the influencing factors of enterprise innovation efficiency excluding environmental factors.

Key Words：New Energy Vehicle; Innovation Efficiency; Three-stage DEA; Tobit Panel Model