中國高新技術產業技術創新效率的區域差異分析——基于三階段DEA模型與Bootstrap方法

劉 偉，李星星

(1.東北財經大學 管理科學與工程學院，遼寧 大連 116025;2.東北財經大學 數學與數量經濟學院，遼寧 大連 116025)

一、引 言

目前，高新技術產業已經成為中國國民經濟中增長最為迅速的產業，形成了珠三角、長三角和環渤海三大高新技術產業發展密集區。但是，與經濟增長的粗放式類似，中國高新技術產業的技術創新同樣具有粗放性，主要是依靠高投入來支撐的，而并非效率的提升。如何對中國高新技術產業技術創新效率進行合理評價，分析效率的影響因素及作用機制，找到促進高新技術產業技術創新效率提高的現實途徑，具有重要意義。

有關技術創新效率的內涵學術界還沒有權威的界定，本文將技術創新效率定義為一種創新過程的技術效率，測度創新投入與創新產出之間的轉換關系。國內學者對高新技術產業技術創新的研究主要從創新能力和創新效率兩個角度來進行的。在創新能力方面，蔣殿春和夏良科［1］測算了外商直接投資對中國高新技術產業的作用，考慮到不同所有制企業創新能力的不同，驗證了外資的影響因企業性質的不同而不同。蔣殿春和張宇［2］通過對中國高新技術產業面板數據的分析，探討了技術外溢效應的存在性以及行業特征對其的影響。張倩肖和馮根福［3］認為外資企業的R＆D溢出對提高中國本土企業技術創新能力有重要作用。在創新效率方面，朱有為和徐康寧［4］采用SFA方法分析了中國高新技術產業的研發效率，指出中國高新技術產業的研發效率整體較低，但呈現逐步上升的趨勢。余泳澤和武鵬［5］等也采用SFA方法進行了類似的研究。吳和成［6］運用DEA和超效率DEA模型對中國五個高技術產業的R＆D效率進行分析，獲得了中國“十五”期間高新技術產業R＆D效率的基本情況。官建成和陳凱華［7］通過將DEA方法的松弛測度模型和臨界效率模型結合測度了中國高新技術產業創新活動的技術效率、純技術效率和規模效率。

現有的研究成果缺乏對中國省際高新技術產業技術創新效率的系統研究，研究模型的選擇較為單一，變量指標的選取不盡合理，影響了研究結論的穩健性。本文使用三階段DEA模型與Bootstrap方法，對中國省際高新技術產業的技術創新效率進行了測算，并給出了效率估計值的置信區間。同時，分析了各省市高新技術產業技術創新效率的主要影響因素，并提出了相應的政策建議。

二、研究方法和模型

(一)三階段DEA模型

Fried等［8］在DEA模型的基礎上提出了能夠消除環境因素和隨機誤差影響的三階段DEA模型。第一階段的DEA模型使用BCC修正模型，BCC模型將未處于最佳生產規模和技術上的無效率分解開來，使得純技術效率比CCR模式下得到的技術效率更加精確地反映決策單元的管理水平。但是，BCC模型沒有考慮環境因素和隨機誤差對效率測度結果的影響，無法區分效率損失是由內部管理原因引起的，還是由環境因素和隨機誤差引起的。第二階段的SFA模型通過對投入變量的松弛值進行分析，剝離出管理無效率、環境因素以及隨機誤差等對效率產生的影響，使每個決策單元都面對同樣的環境。第三階段調整的DEA模型將第二階段調整后的各投入變量值代入BCC模型中，代替原始投入變量，重新測算效率值，就可以得到去掉環境因素與隨機誤差影響的真實效率值。

(二)Bootstrap方法

DEA模型是通過構建生產前沿面來測度各決策單元的效率值，把生產前沿面上的決策單元看作處于完全效率狀態，而事實上它們并非具有完全效率。從這個角度來看，DEA模型測度的效率值為相對效率，而并非是絕對意義上的“效率”概念。另外，從純粹的統計學意義上講，Kniep等［9］指出DEA模型的效率估計值的漸近分布一般難以確定。Bootstrap方法可以推斷DEA模型估計值的經驗分布，進而修正效率估計值的偏差并給出其置信區間。其基本思想是:不對未知總體作任何假定，僅在原始數據的基礎上，通過重復抽樣來模擬數據的生成過程，從而得到原始估計量的近似樣本分布，進一步對總體的特征進行統計推斷。本文的研究采用R語言編程來實現Bootstrap方法。

三、變量和數據

(一)創新投入與產出變量

發明專利是高新技術產業R＆D活動的直接成果，也是國際上通用的衡量技術創新的產出指標，本文用申請授權的發明專利數作為創新活動的產出指標。新產品銷售收入從商業上直觀體現了技術創新成果的價值，也是體現市場接受能力最好的指標，因此，也將其作為技術創新的產出指標。在技術創新的投入要素上，研發經費和研發人員是R＆D活動實現的關鍵因素，應作為創新投入指標。新產品開發經費和技術改造經費因對創新產出有著直接的影響，也應作為創新活動的投入指標。研發經費存量計算方法借鑒Griliches［10］和Coe與Helpman［11］等的做法。新產品開發經費和技術改造經費的處理方法，與R＆D經費相同。

(二)環境變量

1.市場結構

國內外學者關于市場結構對技術創新效率的影響意見不一，如Schumpeter［12］認為壟斷與研發有著密切的聯系，高市場集中度的產業更有助于激勵企業的R＆D努力。而Arrow［13］則認為競爭性環境會給企業R＆D帶來更大的激勵。多數的研究認為壟斷性市場結構不利于研發效率的提高。對于市場結構變量，本文采用馮根福等［14］和朱有為與徐康寧［4］的設計，用各行業企業數來表示。

2.企業規模

企業規模和創新效率的關系也存在較多爭論。Chen等［15］認為技術創新效率改善需要一定的規模經濟性。Pavitt等［16］認為較小和較大企業的創新效率比中等企業更高，也即創新效率和企業規模之間呈現U型關系。對于企業規模變量，本文采用各行業企業的平均產值來表征，其值等于各行業總產值除以企業數。

3.所有制結構

在所有制結構與技術創新效率的關系方面，研究者們的觀點較為一致，大都認為非國有企業的創新效率高于國有企業，外資企業的創新效率高于內資企業。本文采用外資企業比重和國有企業比重指標，通過兩類企業的總產值除以行業總產值得到。

4.政府支持

政府支持是增加了企業總的R＆D投入還是對企業R＆D投入產生了擠出效應存在不確定性，因此政府支持對高新技術產業創新效率的作用需要進一步檢驗。本文采用R＆D經費內部支出中政府資金比例，并考慮滯后一期，來衡量政府支持對高新技術產業技術創新效率的影響。本文中使用的變量及其描述如表1所示。

表1 變量定義

(三)測度樣本和數據

本文選取《中國高技術產業統計年鑒》中30個省市 (西藏數據不完整，將其剔除)的面板數據進行實證研究。另外，沿襲中國傳統的東、中、西部劃分方法，將30個省市進行區域劃分。①東部:北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南等11個省市;中部:山西、內蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南等9個省市;西部:廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆等10個省市。

由于從研發投入到新專利和新產品的誕生以及商業化通常都需要一定周期，即存在投入產出的時滯，同時各種創新活動周期存在較大差異性，使得投入產出很難對應，沒有形成統一標準。多數高新技術產業技術創新周期存在較大差異，從通信電子和信息產業的幾個月到醫藥和航天制造的幾年不等。本文為了統一口徑，都統一為1年，創新投入數據為2009年，創新產出數據為2010年。

四、實證結果分析

(一)省際高新技術產業技術創新效率測算結果分析

1.第一階段的DEA模型實證結果

如表2所示，從整體來看，中國高新技術產業的技術創新效率還比較低，且各省市的差異較大。在不考慮環境因素影響的情況下，高新技術產業技術創新效率的平均值為0.563。其中，純技術效率的平均值為0.671，規模效率的平均值為0.868。因此，中國高新技術產業技術創新的低效率主要歸因于純技術效率的低下。從各省市來看，北京、天津和安徽的高新技術產業技術創新效率值為1.00，位于效率前沿面之上，原因在于這些省市的高新技術產業發展較為成熟，技術相對發達，管理水平高;而東北三省、江西、湖北、廣西以及陜西等省份的效率值在全國的排位較為靠后，均在0.200—0.400之間;青海是效率最低的省份，效率值僅為0.005，原因在于青海的高新技術產業創新投入量很小，從而造成技術創新的規模效率低下，處于規模效率遞增的階段。

表2 三階段DEA模型估計結果

中國東、中、西部各個區域的經濟發展水平、產業結構和布局、要素稟賦、人力資本、開放程度等客觀條件存在較大差異，導致了地區之間的高新技術產業技術創新效率存在較大差異。如表2所示，東部的效率均值 (0.636)明顯高于中部 (0.498)和西部 (0.538)。東部是開放度最高、經濟最發達、產業發展最成熟的地區，帶動了整個東部地區高新技術產業的發展，技術創新效率與高新技術產業發展水平存在較強的相關性。而東部的純技術效率 (0.707)和規模效率 (0.904)要分別低于西部 (0.747)和中部 (0.957)，從規模報酬角度來看，東部很多省市都呈現出規模報酬遞減的現象，中西部省市則大都為規模報酬遞增的。中部與西部對比來看，中部的技術創新效率略低于西部地區，而其規模效率卻遠高于西部，技術創新效率略低應歸結于純技術效率的低下。究其原因:一方面中、西部的高新技術產業技術創新大都處于規模報酬遞增階段，而中部地區的創新投入規模要大于西部，中部地區呈現出了較高的規模效率;另一方面實施西部開發戰略以來，各省市積極引進國內外先進技術，優化了高新技術產業發展的環境和管理水平，提升了高新技術產業的技術創新效率。

2.第二階段的SFA模型實證結果

如表3所示，各自變量對投入松弛值的系數大部分通過了顯著性檢驗，說明環境因素對高新技術產業技術創新投入冗余存在顯著影響。

表3 SFA估計結果

所有制結構對四種創新投入松弛變量具有顯著影響，只有外企比重對研發經費松弛量的系數不顯著。國企比重對所有創新投入指標的松弛量的影響為正，而外企比重對所有創新投入指標的松弛量的影響為負。這表明高新技術產業中國有化比重的減少和外企比重的增加，有利于減少研發投入資源的冗余。市場化程度的提高和所有制結構的多元化，促進了企業治理結構和激勵機制的變革，提高了創新資源的利用效率，成為高新技術產業技術創新效率改善的重要制度基礎。

市場結構除了對研發經費松弛量的影響不顯著外，對其他三種創新投入松弛量均具有顯著的正向影響，表明高市場集中度更有利于高新技術產業技術創新效率的提高。這一結論與傳統產業組織學的觀點和熊彼特關于創新的第二種論述是一致的。高的市場集中度更加有利于創新資源的集中，發揮規模經濟效應，更容易完成重大技術創新難題的攻關。同時，技術創新擴散更慢，專利保護相對容易。

政府支持對四種創新投入松弛量均具有顯著的正向影響，表明政府支持沒有有效改善創新資源的配置。原因可能在于:一方面政府對高新技術產業創新的支持更多體現在資金方面，政府部門作為支持資金的單一分配者，易受尋租活動和行政隸屬關系的影響，從而使得支持的力量無法作用于有效的方向，同時政府缺乏有效監管手段，導致創新資源存在浪費現象。另一方面是政府的其他創新扶持政策缺乏可操作性，難于落到實處，影響了技術創新效率的提高。

企業規模變量的平方項對四種投入松弛量均具有正向影響，但是僅對研發經費和研發人員兩個投入松弛量的影響顯著為正。說明并非企業平均規模越大，其創新效率就會越高，與Pavitt等［16］的結論相反，企業規模與創新效率呈現非線性的倒“U”型關系。一方面，大規模企業往往會因為多層次的管理鏈而導致信息不對稱，從而使得管理效率低下，造成資源配置不合理，影響技術創新效率。另一方面，企業要想進行研發就必須有一定的規模做支撐，小企業在研發創新過程中常常面臨資金瓶頸，迫于競爭壓力，很難實現較高的研發投入，創新效率的提高難度大。因此，中國高新技術產業中適度規模企業的技術創新效率會更高。

3.“過渡”階段及第三階段調整的DEA模型實證結果

如表2所示，在只調整了研發投入以后，大部分省市相對于第一階段DEA的效率值發生了變化，且其變化值占一、三階段總的效率變化幅度的絕大部分。特別的，遼寧、山東、江蘇、上海、福建、吉林、山西、湖南、內蒙古、貴州、寧夏和新疆等12個省市從第一階段DEA到“過渡”階段DEA的效率值變化幅度即為一、三階段技術創新效率總的變化幅度，表明環境因素主要通過對研發投入的調整而引起創新效率的變化，而對新產品開發經費投入和技術改造經費投入的調整作用不大。與之相反，河北、廣東、海南、黑龍江、江西、重慶、云南和甘肅等8個省市的創新效率在第一階段DEA到“過渡”階段DEA的變化幅度要明顯小于其第一到第三階段的整體變化幅度，表明環境因素對技術改造經費投入和新產品開發經費投入更具有影響力。由此可見，中國高新技術產業技術創新效率提升的措施，應當因地制宜，根據不同省市的具體情況有針對性地增加相關創新投入要素才能實現最佳效果。

整體考察環境因素對創新投入的調整過程，北京、天津和安徽3個省市一直位于效率前沿面上;除了內蒙古、青海、寧夏和新疆等4個西部省份在調整投入的過程中技術創新效率呈現下降趨勢外，其他省市的創新效率均為上升狀態。說明對于相同環境條件下的技術創新過程，內蒙古、青海、寧夏和新疆等4個省份的高新技術產業的經營管理水平與其他省市有相當大的差距，故而使得“純粹”反映管理水平的技術創新效率下降更大，而效率下降的主要原因是規模效率的下降。如表2所示，對比第一階段與第三階段的估計值，如果不消除環境因素影響，在三大區域的效率構成中，規模效率表現“突出”;而當調整了環境因素影響以后，規模效率的比重有所降低，而純技術效率表現“增強”，特別是西部地區的純技術效率 (0.783)在第三階段超過了規模效率 (0.693)。總的來說，中國三大區域的高新技術產業技術創新效率始終表現出“東高西低”的特征。通過環境因素對創新投入指標的調整，各區域高新技術產業的技術創新效率估計值不僅整體有所下降，而且其構成結構也在各階段表現出不同的特征。在第一階段，各區域技術創新效率的構成普遍表現為較大的規模效率與相對較小純技術效率，兩個指標之間差距較大，東、中部地區尤其明顯，而西部地區兩個指標相對均衡。過渡階段與第三階段各區域技術創新效率的構成相似，純技術效率與規模效率之間的差距減小，西部地區尤其突出，東部地區次之，中部地區兩個指標差異較大。

如表4所示，經過Bootstrap方法糾偏的技術創新效率值要明顯低于未糾偏的效率值，原因在于Bootstrap方法考慮到了生產前沿面的非效率因素，由相對效率轉為絕對效率。例如，位于前沿面的北京、天津和安徽3個省市的創新效率值均由1.000分別降低到了0.895、0.913和0.682，而創新效率值下降幅度較大的省份有廣東和安徽，下降幅度超過了0.300，山東、上海、福建和山西等4個省市的下降幅度超過了0.200。從Bootstrap方法調整后的效率值來看，天津最高，為0.913，這是因為，近幾年來許多世界500強企業紛紛落戶天津高新技術產業園區，設立科研機構，帶動了天津市高新技術產業的協同發展。北京的效率排名第二位，為0.895，因為北京智力資源豐富，科研能力較強;高新技術企業數量最多、科技人才素質高、研發實力強，許多跨國公司也紛紛設立研發中心，從規模和管理水平上都為北京的高新技術產業技術創新提供了強大的基礎和支撐。需要引起注意的是，除了西部地區很多省市的創新效率較低以外，遼寧、海南、黑龍江和吉林的創新效率也很低。與中東部地區相比，東北三省的高新技術產業不僅落后，而且增長速度緩慢，差距逐步加大，技術創新的能力不強，創新效率低下。海南的高新技術產業技術創新效率較低主要是因為其建立的時間相對較晚，高新技術產業并不發達，產業發展的規模過小，技術相對落后。

從三大區域的角度考察，以Bootstrap方法糾偏后的絕對效率值為標準，東部地區高新技術產業技術創新的絕對效率平均值為0.478，依然高于中、西部地區 (分別為0.361和0.376)。與剔除了環境因素影響的第三階段相對效率結果不同，西部地區的絕對效率平均值 (0.376)超過了中部地區(0.361)。由于考慮了生產前沿面的非效率因素后致使中部省市的創新效率下降幅度大于西部省市。總體來看，中國各個區域的高新產業技術創新效率都比較低，影響了整個高新技術產業創新能力的提高，采取有效措施，技術創新效率的提升還有較大空間。

表4 各區域Bootstrap糾偏的技術創新效率值

按照效率測算的四個階段，中國三大區域及全國平均的高新技術產業技術創新效率的變化路徑如圖1所示。東部地區平均效率變化路徑為0.636→0.640→0.643→0.478，表明研發投入的調整對創新效率的影響要略高于技術改造投入和新產品開發投入對其的影響;Bootstrap糾偏的效率的變化比環境變量對全部投入要素調整產生的影響要大，說明生產前沿面的非效率因素確實存在;當把東部地區的環境調整到與其他地區相同時，東部地區的相對效率出現上升趨勢，說明了東部地區僅反映管理水平的創新效率是更高的。東部地區技術創新效率變化最大的省市為山東、上海和廣東，說明環境因素對創新效率的影響較為顯著。中部地區的創新效率變化路徑與東部地區相似，變化幅度均不大。西部地區創新效率的變化路徑較為陡峭，為0.538→0.496→0.497→0.376，特別是從第一階段到“過渡”階段的變化最大，表明西部地區研發投入的調整對創新效率的影響明顯，西部地區的研發投入冗余相對較多;而當調整技術改造投入和新產品開發投入時，技術創新效率明顯提高，說明西部地區技術改造投入和新產品開發投入較為不足，增加這兩種投入可以很大程度提高創新效率。在三階段DEA中，新疆的創新效率變化幅度是最大的，其次是寧夏。當把這兩個省市的環境調整到與其他省市相同時，新疆和寧夏的相對技術創新效率有了較大幅度的下降，說明新疆和寧夏兩個省區的高新技術產業的管理水平要低于其他省份。山西、上海、安徽、福建、山東和廣東省的Bootstrap偏差分別達到0.208、0.202、0.318、0.211、0.204和0.376，說明還有其他影響這些省市高新技術產業技術創新效率的重要環境因素有待進一步考察。

圖1 三大區域創新效率變化路徑

圖2 創新效率的聚類分析結果

(二)省際高新技術產業技術創新效率的聚類分析

為了進一步研究中國高新技術產業技術創新效率的省際差異，本文將剝離了環境因素影響后的高新技術產業技術創新效率構成中的純技術效率與規模效率值進行聚類分析，以考察各省市高新技術產業的技術創新模式。以0.900的效率值為臨界點對以上兩種效率進行劃分，可將中國高新技術產業技術創新效率劃分為四種類型，如圖2所示。

第一種類型為“雙高型”，即純技術效率和規模效率均達到0.900以上的省市，包括北京、天津、安徽和廣東等4個省市，其創新效率所需改進相對較少。第二種類型表現為純技術效率較高而規模效率較低，主要有青海、寧夏、內蒙古、新疆和甘肅等5個省區，其純技術效率高于0.900而規模效率在0.900之下，特別是青海省，其規模效率僅為0.002，這些省區的重點改進方向為規模效率，應加大對技術創新的投入，擴大產業規模，實現資源的集中配置。第三種類型表現為純技術效率較低而規模效率較高，包括重慶、貴州、河南、湖南、福建、浙江、四川、河北、遼寧、江西、湖北、陜西和黑龍江等13個省市，這些省市的改革重點在于純技術效率，即應當注重管理水平，合理配置資源，減少投入浪費。第四種類型為純技術效率和規模效率都比較低的“雙低型”，有江蘇、海南、云南、山西、山東、上海、廣西和吉林等8個省市，其純技術效率和規模效率均在0.900以下，與“雙高型”的省市相比，高新技術產業的管理水平相對落后，產業規模小，創新投入少，技術創新效率有較大的改善空間，在發展中應當同時兼顧技術研發規模的擴大和管理水平的提高。比較奇怪的是江蘇和上海也為“雙低型”，原因可能在于數據統計的偏差。

五、研究結論與政策建議

(一)研究結論

第一，中國高新技術產業的技術創新效率比較低，主要歸因于純技術效率的低下。各省市高新技術產業的技術創新效率差異較大，從三大區域來看，東部的創新效率最高，其次是西部，中部最低，各區域的創新效率構成普遍表現為較大的規模效率與相對較小的純技術效率，東、中部尤其明顯。第二，環境因素對高新技術產業技術創新效率影響顯著。政府支持不利于改善創新資源的有效配置。國有化比重的下降和外資企業比重的提高，有利于減少創新資源的浪費，促使技術創新效率的提高。較高市場集中度和適中的企業規模，有助于減少創新資源的冗余，使技術創新具有規模經濟性，技術創新效率也越高。第三，在剔除環境因素影響后，僅對調整研發投入的“過渡”階段的創新效率值來看，多數省市的效率發生變化，而對技術改造投入和新產品開發投入的調整作用不大。第四，經過Bootstrap糾偏的高新技術產業技術創新效率值出現明顯的下降，只是各省市的下降幅度存在差異。從三大區域來看，創新效率發生了一定的變化，順序為東部、西部和中部。

(二)政策建議

第一，各省市應該結合自身效率損失的原因采取不同的措施，那些純技術效率較低的省市需要加強管理創新及制度變革，引進新的管理理念與方法，建立新的制度體系。那些規模效率較低的省市需要不斷擴大高新技術產業規模，提升規模效益。第二，各地區應實施高新技術產業多元化的產權制度改革，激發高新技術企業治理結構和激勵機制的變革，使創新資源配置出現效率導向。重點培育少數大型高新技術企業，發揮大企業創新的規模經濟性以及重大關鍵技術創新的引領作用和示范作用。同時，應積極扶植中小企業發展，增強其參與創新的動力，引導不同類型企業之間的研發合作和競爭，形成合理的市場競爭環境。第三，政府部門應該繼續加大對高新技術產業的支持力度，對高新技術產業發展落后地區給予相應的政策傾斜，發揮政府政策的導向和協調作用，引導創新資源的合理適度流動，實現創新資源優勢互補，逐漸縮小地區之間的差距，發揮協同創新能力。同時，更應該給與技術創新更多的支持政策，如稅收優惠、專利權保護等，增強企業自主創新積極性，促進技術創新效率的提升。

［1］蔣殿春，夏良科.外商直接投資對中國高新技術產業技術創新作用的經驗分析［J］.世界經濟，2005，(8).

［2］蔣殿春，張宇.行業特征與外商直接投資的技術溢出效應:基于高新技術產業的經驗分析［J］.世界經濟，2006，(10).

［3］張倩肖，馮根福.三種R＆D溢出與本地企業技術創新［J］.中國工業經濟，2007，(11).

［4］朱有為，徐康寧.中國高技術產業研發效率的實證研究［J］.中國工業經濟，2006，(11).

［5］余泳澤，武鵬.我國高技術產業研發效率空間相關性及其影響因素分析［J］.產業經濟評論，2010，(9).

［6］吳和成.高技術產業R＆D效率分析［J］.研究與發展管理，2008，(10).

［7］官建成，陳凱華.我國高技術產業技術創新效率的測度［J］.數量經濟技術經濟研究，2009，(10).

［8］Fried，H.O.，Lovell，C.A.K.，Schmidt，S.S.，Yaisawarng，S.Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis［J］.Journal of Productivity Analysis，2002，17(1-2):157-174.

［9］Kniep，A.，Simar，L.，Wilson，P.Asymptotics for DEA Estimators in Non-Parametric Frontier Models［R］.IAP Technical Report 0323，2003.

［10］Griliches，Z.Patents Statistics as Economic Indicators:A Survey［J］.Journal of Economic Literature，1990，28(4):1661-1707.

［11］Coe，S.，Helpman，M.International R＆D Spillovers［J］.European Economic Review，1995，39(5):859-887.

［12］Schumpeter，J.Capitalism，Socialism and Democracy［M］.New York:Harper Torchbooks，1962.

［13］Arrow，K.Economic Welfare and the Allocation of Resources for Invention［M］.Princeton:Princeton University Press，1962.

［14］馮根福，劉軍虎，徐志霖.中國工業部門研發效率及其影響因素實證分析［J］.中國工業經濟，2006，(11).

［15］Chen，C.T.，Chien，C.F.，Lin，M.H.，Wang，J.T.Using DEA to Evaluate R＆D Performance of the Computers and Peripherals Firms in Taiwan［J］.International Journal of Business，2004，9(4):347-359.

［16］Pavitt，K.，Robson，M.，Townsend，J.The Size Distribution of Innovating Firms in the UK:1945-1983［J］.Journal of Industrial Economics，1987，35(3):297-316.