全球经济正在经历深刻的结构性变革,人工智能(AI)和智能制造业成为这场革命的核心驱动力。对于追求技术自主性和高质量发展的国家而言,培育充满活力的AI产业链不再仅仅是一个经济目标,而是确保国家竞争力和技术主权的战略要求(Yang, Liu, 2025; Zhu, Han, Liu, Li, Che, 2025)。在这一背景下,中国已将国内智能制造业的发展提升为国家战略重点,体现在“中国制造2025”和科技自给自足等雄心勃勃的战略中(Xu, Liu, & Li, 2024)。这一承诺引发了来自政府引导基金、风险投资家和企业投资者的前所未有的智能制造业投资浪潮(Montanaro, Croce, & Ughetto, 2024)。然而,利益相关者面临一个关键挑战:如何准确区分具有可持续、高效创新能力的企业。资本配置不当不仅会危及财务回报,还会阻碍国家的技术进步,从而削弱长期发展和竞争力。
为了解决这一挑战,对创新绩效进行科学和细致的评估是不可或缺的。传统的财务指标虽然有用,但往往无法捕捉创新过程中复杂的内部活动和多方面的投入产出关系(Oosterom & Hall, 2022)。数据包络分析(DEA)作为一种非参数方法,为具有多个输入和输出的系统提供了重要的评估工具(Matei, Spircu, 2012; Qin, Zhang, Deng, Liao, 2023)。在这一领域,一种更具洞察力的方法是两阶段网络DEA(NDEA)。通过打开运营的“黑箱”,它将创新价值链分解为不同但相互关联的阶段,特别是技术研发(R&D)阶段和技术商业化阶段(Zhu, Wang, Yang, & Zhang, 2024)。这一框架不仅能够全面评估绩效,还能识别效率低下和竞争优势的来源,为战略改进提供了更精确的路线图,并被视为复杂投资选择的宝贵工具(Peykani, Emrouznejad, Mohammadi, Gheidar-Kheljani, 2024; Zhang, Chen, 2026)。
然而,传统的DEA模型及其网络扩展都是建立在完全理性的基础假设之上的。在智能制造业等高风险和高不确定性的投资中,这一前提变得脆弱。实际上,基金经理是有限理性的行为主体,他们的行为偏好(如风险态度和战略优先级)显著影响投资组合选择。例如,寻求风险的投资者可能更倾向于选择研发能力出色的智能制造企业,而不是研发和商业化能力平衡的企业,从而偏离了纯粹的“理性”最优解。忽视这些行为偏好可能会导致理论评估与实际投资选择之间的巨大差异。这种脱节不仅降低了理论评估的实际效用,还放大了关键资源错配的风险。
基于这些见解,本文提出了一个绩效评估框架:两阶段前景理论网络DEA(PNDEA)模型。该模型通过将前景理论的核心原则整合到两阶段NDEA结构中,建立了一个基于行为的范式。将前景理论与DEA结合是行为DEA中的常见方法,其应用涵盖了经典的单阶段框架(Chen, Liu, Zhu, Wang, 2024b; Wang, Nguyen, Nhieu, 2025)和网络框架(Bansal, Srivastava, Aggarwal, 2023; Liu, Yang, Gao, Wang, Ni, 2025)。在此基础上,我们的工作通过考虑与投资决策密切相关的决策者(DM)的多维行为特征(包括风险态度、损失厌恶、乐观偏差和战略优先级)而脱颖而出。这种全面的整合使PNDEA模型成为分析智能制造业投资决策的更合适工具,因为它忠实地再现了细致且受行为驱动的决策逻辑。因此,它为投资者和政策制定者提供了一个强大的工具,使他们能够放弃一刀切的评估方法,而是识别出与特定投资理念和风险容忍度相匹配的企业。
本文的主要贡献涉及三个方面。首先,本文通过开发PNDEA模型推进了绩效评估。尽管一些研究已经成功地将前景理论与两阶段NDEA结合(Bansal, Srivastava, Aggarwal, 2023; Liu, Yang, Gao, Wang, Ni, 2025),但它们通常只关注决策者心理因素的一个子集。我们的PNDEA模型同时将四个不同的行为维度整合到一个加性网络结构中,为分析复杂的多阶段过程提供了更全面和符合心理现实的工具。
其次,本文提供了智能制造业创新绩效的基于行为的评估。这一重点解决了一个关键的背景缺口,因为很少有研究从心理角度探索这一高风险和高不确定性领域的投资评估。我们将PNDEA模型应用于53家中国智能制造企业,超越了传统的效率指标,提供了关于不同行为视角下如何感知创新动态的微观证据。
第三,本文为投资者和政策制定者提供了一个有价值的决策支持工具。与传统提供单一静态效率排名的模型不同,我们的PNDEA模型作为一个动态的战略模拟工具,允许利益相关者通过调整行为参数来模拟不同现实决策场景下的企业排名变化。这弥合了客观效率分数和行为驱动的资本分配之间的关键差距,帮助投资者识别与他们特定战略认知和心理特征相匹配的“最佳匹配”企业。
本文的其余部分组织如下:第2节回顾了智能制造业投资、绩效评估方法以及DEA和前景理论应用的相关文献。第3节详细介绍了方法论并开发了两阶段PNDEA模型。第4节展示了实证应用,其中使用该模型评估了中国智能制造企业的创新绩效,并对行为参数进行了敏感性分析。第5节讨论了所提出的PNDEA模型的科学价值和实际效用。最后,第6节总结了这项研究,总结了贡献并为未来研究指明了方向。