innosferaНаука и инновацииScience and Innovations1818-98572412-9372Издательский дом «Белорусская наука»10.29235/1818-9857-2026-07-44-49innosfera-1074Research ArticleИННОВАЦИОННАЯ ЭКОНОМИКАINNOVATION ECONOMYОценочная модель влияния цифровых технологий на эффективность пищевой промышленностиEvaluation model of the digital technology impact on the efficiency of food industry enterprisesЧаохэнЯньChaohengYan

Янь Чаохэн, аспирант

Минск

URL: https://innosfera.belnauka.by

Yan Chaoheng, graduate student

Minsk

URL: https://innosfera.belnauka.by

emoting.cz@gmail.comБелорусский национальный технический университетБеларусьBelarusian National Technical UniversityBelarus202614082026074449Copyright © Чаохэн Я., 20262026Чаохэн Я.Chaoheng Y.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://innosfera.belnauka.by/jour/article/view/1074

   Изучен механизм воздействия цифровых преобразований на производительность китайских пищевых компаний, построена оценочная модель для эмпирической проверки. Применен метод анализа среды функционирования (DEA) для измерения технической эффективности предприятий, котирующихся на фондовой бирже А-акций, за период 2018–2024 гг., использована регрессионная модель Tobit для определения степени воздействия цифровых технологий на эффективность деятельности субъектов хозяйствования. Предложены теоретическая основа и практическое руководство для организаций по осуществлению цифровой трансформации и повышению производственной результативности, а также рекомендации для принятия решений правительством при разработке соответствующей промышленной политики. Отмечены причины потери эффективности в этом сегменте экономики, предложены пути выхода из сложившейся ситуации.

   This paper aims to explore the mechanism of digital technology’s impact on the efficiency of food industry enterprises and to construct an evaluation model for empirical testing. The study first uses the Data Envelopment Analysis (DEA) method to measure the technical efficiency of China’s A-share listed food industry companies from 2018 to 2024. Subsequently, the Tobit regression model is employed to analyze the impact of the level of digital technology application on enterprise efficiency. The findings indicate that the level of digital technology application has a significant positive effect on the technical efficiency of food industry enterprises, with a coefficient of 0.125, significant at the 1% level. Furthermore, firm size, R&D investment, and the degree of market competition also have important impacts on enterprise efficiency. The results of this study provide a theoretical basis and practical guidance for food industry enterprises to implement digital transformation and improve production efficiency, and also offer a decision-making reference for government industrial policy formulation. The research shows that Chinese food industry enterprises generally experience approximately 25 % efficiency loss, mainly due to insufficient management and technical capabilities rather than inappropriate production scale. Therefore, enterprises should accelerate digital transformation, strengthen R&D innovation, and optimize internal management; governments should improve digital infrastructure, introduce special incentive policies, and maintain a fair competitive environment.

цифровые технологиипищевая отрасльэффективность предприятийанализ среды функционирования (DEA)модель Tobitцифровая трансформациятехнологические инновацииdigital technologyfood industryenterprise efficiencydata envelopment analysis (DEA)tobit modeldigital transformationtechnological innovationReferencesG20 Digital Economy Development and Cooperation Initiative / G20. Hangzhou Summit, 2016 // https://g20.utoronto.ca/2016/160905-digital.html.G20 Digital Economy Development and Cooperation Initiative / G20. Hangzhou Summit, 2016 // https://g20.utoronto.ca/2016/160905-digital.html.Kamilaris A. Deep learning in agriculture: A survey / A. Kamilaris, F. X. Prenafeta-Boldú // Computers and Electronics in Agriculture. 2018. Vol. 147. P. 70–90.Kamilaris A. Deep learning in agriculture: A survey / A. Kamilaris, F. X. Prenafeta-Boldú // Computers and Electronics in Agriculture. 2018. Vol. 147. P. 70–90.Li L. China’s manufacturing locus in 2025: With a comparison of «Made-in-China 2025» and Industry 4.0 // Technological Forecasting and Social Change. 2018. Vol. 135. P. 66–74.Li L. China’s manufacturing locus in 2025: With a comparison of «Made-in-China 2025» and Industry 4.0 // Technological Forecasting and Social Change. 2018. Vol. 135. P. 66–74.Brynjolfsson E. Computing productivity: Firm-level evidence / E. Brynjolfsson, L.M. Hitt // Review of Economics and Statistics. 2003. Vol. 85, № 4. P. 793–808.Brynjolfsson E. Computing productivity: Firm-level evidence / E. Brynjolfsson, L.M. Hitt // Review of Economics and Statistics. 2003. Vol. 85, № 4. P. 793–808.Acemoglu D. Return of the Solow paradox? IT, productivity, and employment in US manufacturing / D. Acemoglu, D. Autor, D. Dorn, G. H. Hanson, B. Price // American Economic Review. 2014. Vol. 104, №5. P. 394–399.Acemoglu D. Return of the Solow paradox? IT, productivity, and employment in US manufacturing / D. Acemoglu, D. Autor, D. Dorn, G. H. Hanson, B. Price // American Economic Review. 2014. Vol. 104, №5. P. 394–399.Ци Юйдун. Как цифровая трансформация влияет на результаты деятельности предприятий – анализ на основе двойного эффекта «затрат» и «инноваций» / Ци Юйдун, Сяо Сюй // Мир управления. 2020. Т. 36, № 6. С. 114–133.Ци Юйдун. Как цифровая трансформация влияет на результаты деятельности предприятий – анализ на основе двойного эффекта «затрат» и «инноваций» / Ци Юйдун, Сяо Сюй // Мир управления. 2020. Т. 36, № 6. С. 114–133.Чжао Чэньюй. Как цифровая трансформация влияет на общую факторную производительность предприятий / Чжао Чэньюй, Ван Вэньчунь, Ли Сюэсун // Финансы и торговая экономика. 2021. Т. 42, № 7. С. 114–129.Чжао Чэньюй. Как цифровая трансформация влияет на общую факторную производительность предприятий / Чжао Чэньюй, Ван Вэньчунь, Ли Сюэсун // Финансы и торговая экономика. 2021. Т. 42, № 7. С. 114–129.Liu J.S. A survey of DEA applications / J.S. Liu, L.Y. Lu, W.M. Lu // Omega. 2013. Vol. 41, № 5. P. 893–902.Liu J.S. A survey of DEA applications / J.S. Liu, L.Y. Lu, W.M. Lu // Omega. 2013. Vol. 41, № 5. P. 893–902.Charnes A. Measuring the efficiency of decision making units / A. Charnes, W.W. Cooper, E. Rhodes // European Journal of Operational Research. 1978. Vol. 2, № 6. P. 429–444.Charnes A. Measuring the efficiency of decision making units / A. Charnes, W.W. Cooper, E. Rhodes // European Journal of Operational Research. 1978. Vol. 2, № 6. P. 429–444.Banker R.D. Some models for estimating technical and scale inefficiencies in data envelopment analysis / R.D. Banker, A. Charnes, W.W. Cooper // Management Science. 1984. Vol. 30, № 9. P. 1078–1092.Banker R.D. Some models for estimating technical and scale inefficiencies in data envelopment analysis / R.D. Banker, A. Charnes, W.W. Cooper // Management Science. 1984. Vol. 30, № 9. P. 1078–1092.Schumpeter J.A. Capitalism, Socialism and Democracy / J.A. Schumpeter. – New York, 1942.Schumpeter J.A. Capitalism, Socialism and Democracy / J.A. Schumpeter. – New York, 1942.

The authors declare that there are no conflicts of interest present.