區域大中型工業企業技術創新效率評價

嚴慧斌+崔躍武+汪克亮

摘 要：在規模報酬可變假設下，利用非參數DEA方法對2006-2010年全國30個省區的大中型工業企業的技術創新效率進行測度，再運用Malmquist指數法分析各省區大中型工業企業技術創新效率的動態演變特征，在此基礎上考察我國大中型工業企業技術創新效率區域差異的形成機理。實證結果表明：樣本期內，由于技術退步，我國大中型工業企業技術創新效率整體呈下降趨勢；從區域角度來看，東部地區大中型工業企業技術創新效率的表現明顯優于中、西部地區。為了防止區域差距的進一步擴大，中央政府應該加大對中、西部大中型工業企業技術創新的扶持。

關鍵詞：大中型工業企業；技術創新效率；DEA；Malmquist指數法

中圖分類號：N945.16

文獻標識碼：A 文章編號：1672-1101（2014）02-0020-09

收稿日期：2013-12-10

基金項目：國家自然科學基金項目（71071003）；安徽省人文社科研究項目（2011sk153zd）；安徽省哲學社會科學規劃項目（AHSK11-12D107）；安徽省高校省級人文社會科學研究項目（SK2012B146）

作者簡介：嚴慧斌（1989-），男，安徽宿松人，碩士，研究方向：技術創新管理。

Evaluation on regional LMIEs technological innovation efficiency

—based on DEA-Malmquist index

YAN Hui-bin， CUI Yue-wu，WANG Ke-liang

（School of Economics and Management， Anhui University of Science and Technology， Huainan， Anhui 232001， China）

Abstract：Based on the assumption that large-scale variables may change， this paper measures technological innovation efficiency of LMIE （large and medium-size industrial enterprises） in Chinas 30 provinces during the period of 2006-2010 by utilizing nonparametric DEA method， analyzes dynamic evolution characteristics of LMIEs technological innovation efficiency by using the Malmquist index method， and studies the formation mechanism of regional differences in technological innovation efficiency of LMIE. The empirical results show that， because of technological regress， the technological innovation efficiency of LMIE in China has shown a downward tendency during the sample period； from the perspective of region， the technological innovation efficiency of LMIE in eastern regions is much better than that in central and western regions. Accordingly， in order to avoid the expansion of the gap， government should increase its support for LMIEs technological innovation in central and western regions.

Key words：LMIE； technology innovation efficiency； DEA； Malmquist index

一、引言

世界經濟發展歷程已經告訴我們：技術創新是人類社會財富之源，是經濟社會發展的重要引擎與不竭動力。當前，在企業日益成為創新主體的條件下，知識的生產將更多源于企業，工業企業已成為區域技術創新的重要組成部分，而工業企業中的大中型企業則又是工業企業技術創新中的主體，大中型工業企業的技術創新水平很大程度上代表著國家創新能力的高低。據統計，截止2011年底，全國大中型工業企業的R&D人員全時當量為136.99萬人，申請的專利數為19.89萬件，占全國的比重分別為48.23%和53.76%。因此，我們應該不斷加大投入堅定不移的推進技術創新，實現技術跨越發展，與此同時，我們更要關注技術創新的效率，因為作為一個發展中國家，我國的人力資本水平較低，創新資源有限，技術創新效率會直接關系到經濟增長的質量。因而，在此背景下對我國各省區大中型工業企業的技術創新效率進行科學測度，從時間和空間維度上考察其異質性特征，并由此提出相關改進的對策建議具有重要現實意義。

技術創新效率一直是國內外學者關注的熱點問題，研究成果較為豐富。國外學者如Sharma和Thomas[1]（2008）考察了國家創新效率水平的高低，并分析了國別差異形成的原因；Gayle[2]（2001）以美國企業為研究對象，發現企業的規模和市場份額與企業的創新能力顯著正相關；Akihiro and Shoko[3]（2008）對日本企業的技術創新效率進行了測度并分析其影響因素。國內學者如池仁勇等[4]（2005）、虞曉芬等[5]（2004）均從區域技術創新效率視角研究了我國區域經濟發展差異問題，認為要增強我國區域技術創新能力，減小三大區域經濟發展水平之間的差距，中西部地區須要促進企業制度變革、加大人才隊伍建設力度和轉變經濟發展方式；白俊紅與江可申[6-8]（2008，2009，2010）對我國區域創新系統效率進行評價，得出我國區域創新效率偏低的結論，且證實這是由于純技術效率過低所致；李婧等[9-10]（2008，2010）對中國各省區區域創新效率進行了實證研究，并分析了東、中、西三大地區創新效率的差異進行了分析，認為技術效率較低的地區正在向領先地區靠攏，存在收斂趨勢；Zhang et al.[11]（2003）運用隨機前沿分析方法測度了中國企業的研發效率并分析了影響因素；吳延兵[12]（2008）運用DEA方法實證分析了中國29個省區1996-2003年大中型工業企業的知識生產率，將其分解為技術效率變化和技術進步并考察其收斂性；項本武[13]（2011）運用隨機前沿分析方法對我國工業行業技術創新效率進行了測度，發現工業行業技術創新效率沒有隨著時間的推移而得到提高；官建成與馬寧[14]（2003）、官建成與陳凱華[15]（2009）均是運用DEA方法對我國工業企業的技術創新效率進行了研究，并提出了針對性的改進對策與建議。

已有研究取得很多具有重要價值的結論，但仍存在可拓展之處。第一，過去學者研究主要集中在整個區域的創新效率，而區域大中型工業企業為研究對象的文獻還較少；第二，既有研究往往只是基于某一年的截面數據，而沒有研究技術創新效率的動態演變趨勢，或只關注技術創新效率的整體變化而忽視了區域差異性的研究，缺乏系統性與全面性。DEA作為一種非參數的統計估計方法，無須假設任何權重，也不須要給定投入產出的生產函數，避免了很多主觀因素，在評價多投入、多產出對象的相對效率方面有其獨特優勢。基于此，本文將以全國30個省區（西藏數據缺失）大中型工業企業2004-2010年的面板數據為研究對象，運用非參數DEA方法科學測度各省區大中型工業企業每年的技術創新效率，并在此基礎上分析其技術有效性及規模有效性，基于Malmquist指數法分析各省市自治大中型工業企業技術創新效率的動態變化，并對東、中、西三大區域的工業企業技術創新效率的差異性特征進行分析，以為全面提升各省區大中型工業企業技術創新效率提供經驗依據與決策參考。

二、研究方法

（一）BCC模型

數據包絡分析（DEA）是由美國運籌學家Charnes、Cooper與Rhodes在1978年提出，即CCR模型，該模型借助數學規劃和統計數據確定相對有效的生產前沿面，將各個決策單元（Decision Making Units， DMU）投影到生產前沿面上，并通過比較決策單元偏離生產前沿面的程度來評價它們的相對有效性。DEA方法有其獨特的優勢：一是適用于多輸入多產出的有效性評價；二是應用DEA方法無須對數據進行無量綱化處理；三是無須任何權重假設，排除了很多主觀因素。

CCR模型是最經典的DEA模型，其建立在規模報酬不變假設的前提下，而這種假設多與現實不符。為此，Banker et al.（1984）在CCR模型基礎上加上規模報酬可變的條件，提出了BCC模型，不僅更加符合實際生產經驗，而且可以考察決策單元的技術有效性與規模有效性，其具體形式為：

minθ

s.t.nj=1λjxj≤θx0；nj=1λjyj≥y0；

λj=1；λj≥0，j=1，…，n（1）

其中， θ為評價單元的有效值， s+和s-為松弛變量，λj為原決策單元與對應的重新構造的決策單元的組合比例。

由CCR模型求出的效率值（TIE）可分解為規模效率（SE）與純技術效率（PTE）的積，即：技術效率=純技術效率×規模效率，純技術效率為BCC模型所求的效率值。根據λj的值來判斷決策單元規模報酬情況：λj>1時，表示規模報酬遞減；λj=1時，表示規模報酬達到最佳收益點；λj<1時，表示規模報酬遞增。

（二） Malmquist指數法

Malmquist 指數是由Malmquist于1953年提出，Caves et al.[16]（1982）則是首次利用DEA構造Malmquist指數測度效率變化或生產率。由此，本文研究中的大中型工業企業技術創新效率的變化指數（TIEC）可以表示為：

TIECt+1t=Mt+1t=Dt（xt+1，yt+1）Dt（xt，yt）×Dt+1（xt+1，yt+1）Dt+1（xt，yt）12 （2）

根據Fare et al.[17]（1994）的研究，我們可以將技術創新效率變化指數分解為技術效率變化（EFFCH）指數和技術進步指數（TECHCH），可以進一步理清效率變化的根源：

TIECt+1t=Mt+1t=

Dt+1（xt+1，yt+1）Dt（xt，yt）EFFCH×

Dt+1（xt+1，yt+1）Dt（xt，yt）×Dt+1（xt+1，yt+1）Dt+1（xt，yt）

TECHCH12

（3）

其中，EFFCH表示決策單元對生產前沿的一種“追趕”效應，EFFCH>1表明前沿面下的DMU向前沿面趨近，而EFFCH<1表明遠離前沿面；TC表示生產前沿面的移動，TC>1表示生產前沿外移，也就是有技術創新，TC<1表示生產前沿內移，即技術退步。當技術效率變化（EFFCH）在可變規模報酬時，可進一步分解為純技術效率變化（PTEC）和規模效率變化（SEC）。

EFFCH=Dt+1（xt+1，yt+1|V）Dt（xt，yt|V）

PTEC

×Dt+1（xt+1，yt+1|C）Dt（xt，yt|C）×Dt（xt，yt|V）Dt+1（xt+1，yt+1|V）

SEC （4）

前面一項為純技術效率變化（PTEC），第二項為規模效率變化（SEC）。PTEC <1時，表示純技術效率下降，反則反之；SEC>1時，表示規模效率提升，反則反之。

由（3）、（4）式可知，在規模報酬可變假設前提下，全要素生產率指數可以分解為：

TIECt+1t=Mt+1t=PTEC×SEC×TECHCH （5）

即將技術創新效率變化指數分解為純技術效率變化指數、規模效率變化指數以及技術進步指數。

三、變量與數據

分析區域大中型工業企業的技術創新效率，科學合理的選擇投入產出指標非常關鍵。本文綜合吳延兵[18]（2006）、官建成等[14]（2003）、白俊紅等[6，7，8]（2008， 2009， 2010）的研究，選擇的投入指標如下：R&D人員全時當量（X1），這一指標反應從事R&D活動全是人員和非全時人員按工作量折算為全時人員的總和，更真實的反映了企業從事R&D活動人員數量；開發新產品經費（X2），這一指標反應企業專門用于新產品開發的經費，是企業技術創新投入的重要指標；其它技術活動經費支出（X3），指企業用于技術改造、技術引進、消化吸收和購買國內技術的經費，是企業技術創新投入的另一重要指標。產出指標選擇：新產品開發項目數（Y1），是衡量企業技術創新產出的直接指標，包含企業廣泛的創新；Gayle[2]（2001）將申請專利數（Y2）作為衡量企業技術創新成果的一個重要指標，專利是企業技術創新的重要成果，申請專利越多，企業技術創新能力越強；柳卸林和陳璐[19]（1995）﹑Liu et al.[20]（2007）將新產品工業產值（Y3）作為創新產出的又一重要指標，這一指標是企業進行技術創新的目的，反應企業技術創新最重要的成果。由于DEA研究數據時要求樣本量是指標數的2倍以上，因而本文以中國30個省區為研究對象，選取6個投入產出指標是適當的。本文數據來源主要是來源于2007-2011年各期《中國科技統計年鑒》。

由于科技活動的特殊性，投入和產出之間存在“時滯性”，我們參考Furman et al.（2002）[21]的研究，將各指標的時滯定為2年。即2004年的投入，對應2006年的產出，依次類推。表1中為投入產出變量的描述性統計特征。

表1 樣本投入、產出變量的描述性統計特征（2006-2010）

由于數據用DEA模型進行研究有一個前提條件，即投入產出變量之間是否滿足“等張性”，也就是決策單元投入增加時，對應產出也應增加[22]。所以，先用Pearson相關分析進行驗證，分析結果如表2所示。在不低于0.05的顯著性水平的情況下，投入產出變量之間存在顯著的正相關關系，由表中Pearson相關系數分析結果可知，樣本數據滿足“等張性”的條件要求，可以用DEA模型建模[23，24]。

表2 樣本投入、產出變量之間的Pearson相關系數

四、實證分析

（一）大中型工業企業技術創新效率的地區差異

本文應用DEAP2.1軟件，基于投入導向的模式，以全國30個省區2006-2010年的面板數據為研究樣本，選取新產品開發項目數﹑申請專利數﹑新產品工業產值為產出變量，R&D人員全時當量﹑開發新產品經費﹑其它技術活動經費支出為投入變量，運用BCC-DEA模型測算各省份的技術創新效率﹑規模效率﹑純技術效率，測度結果如表3所示。

表3 各省區大中型工業企業技術創新效率分析結果（部分年份）

通過計算我們發現，2006-2010年期間，全國整體大中型工業企業的平均技術創新效率值為0.786，整體水平不高，距離生產前沿面還存在21.4%的改進空間，效率提升潛力較大。從演變趨勢來看，如表1所示，我國大中型工業企業技術創新效率呈上升趨勢，但存在較強的波動性，呈現“先下降，后上升”的態勢，說明技術創新效率的提升并不穩定。樣本期內，我國大中型工業企業技術創新純技術效率則一直處于比較穩健的提升進程之中，而技術創新規模效率在考察期內也存在一定的波動性，但是波動幅度不大。相比較而言，平均純技術效率為0.847，而平均規模效率達到0.929，說明我國大中型工業企業技術創新效率的提升主要受制于較低的純技術效率，為此大中型工業企業技術創新、制度創新與管理創新是主要改進策略，而規模效率已經接近生產前沿，改進空間較小，因而不能再一味追求投入的增加，否則適得其反。

從各省區的五年均值來看，大中型工業企業技術創新效率均值為1的省區只有天津、海南，它們位于生產前沿面，效率相對最優，起到帶頭與示范作用。天津近年來積極推進創新型城市建設，形成以企業主導產業技術開發創新體制，濱海新區更是成為推動天津自主創新發展的強勁動力。海南省通過不斷調整產業結構，形成了主導產業為第一產業和第三產業的局面，現有大中型工業企業總體規模較小，但企業管理制度科學，創新資源利用效率較高；效率值在均值以下的省區有：河北、山西、內蒙古、遼寧、黑龍江、江蘇、福建、江西、河南、湖北、云南、青海、新疆，這些省份是國家推進企業技術創新政策需要重點關注的省區。其中來自于東部沿海的江蘇、福建較為特殊，原因各不相同，江蘇省技術創新效率低下的主要是規模效率低所致，而福建省則是由于純技術效率低下導致技術創新效率低。其它省區大多來自于經濟欠發達、技術較落后及管理水平低下的中西部地區，尤其有山西、遼寧、青海的技術創新效率均值更是低于0.600，企業技術創新效率狀況“惡劣”，亟需改善。為此，國家應制定對應相關政策，加大對這些省區大中型工業企業技術創新的扶持力度，以帶動這些省區大中型工業企業技術創新效率實現跨越式提高。

（二） 區域大中型工業企業技術創新效率動態演變及其分解

基于投入導向模式，利用DEAP2.1軟件測算2006-2010年全國各省區大中型工業企業的技術創新效率變化Malmquist指數并將其分解為技術效率變化與技術進步指數，考察技術創新效率的動態演變趨勢以及效率變化的根源。按照傳統地域劃分方法，將全國劃分為東部﹑中部和西部三大地區 ，在此基礎上分析大中型工業企業技術創新效率的分布特征和區域差異。

1. 效率演變及分解

通過結果分析得出以下結論：從全國整體來看，2006-2010年各省區大中型工業企業技術創新效率年均下降2.9%。其中，技術進步指數年均下降3.2%，而技術效率變化指數則實現年均3‰的增長。其中，技術效率變化指數變化的幅度較小，技術創新效率變化指數的趨勢與技術進步指數保持一致，呈現出較強的波動性。雖然技術效率變化在一定程度上緩解了技術效率的下降，但由于技術進步下降幅度太大，導致技術創新效率呈下降趨勢。由此可知，我國大中型工業企業技術創新效率的變化主要是由技術進步的波動引起的。因而提升工業企業的基礎研發能力，不斷追求其技術創新領域的技術進步顯得非常重要。

圖1 2006-2010年全國大中型工業企業

技術創新效率及變異系數

圖2 2006-2010年全國大中型工業

企業技術創新效率變化及分解

表4 2006-2010年30個省區大中型工業企業平均技術創新效率的變化及其分解

如圖1所示，樣本期間內，我國大中型工業企業技術創新效率增長呈現較強的波動性，特別是在2007和2009年，大中型工業企業的技術創新效率增長明顯，這主要得益于這兩年國家出臺了支持科技創新的政策，加大投入力度，促進了企業的科技創新活動。通過計算全國大中型工業企業技術創新效率的變異系數，發現考察期內變異系數趨于減小，表明全國各省區大中型工業企業之間的技術創新效率差距在縮小，整體存在收斂性。

具體到各省區，大中型工業企業技術創新效率存在明顯差異。北京、江蘇、浙江、廣東、山東、遼寧、吉林、廣西、海南等省份技術創新效率呈現增長趨勢，通過對技術創新效率的分解發現，其中北京、山東、廣東、海南、重慶等省份來源于技術進步的改善。其它省份技術創新效率的增長則來源于技術效率變化的改善，通過進一步對技術效率變化的分解發現，其中遼寧和江蘇的大中型工業企業技術創新效率提高來源于純技術效率的改善，吉林、浙江、廣西則是由于純技術效率和規模效率共同改善的結果。北京、江蘇、浙江、廣東、山東、廣西、海南等沿海東部省份開放程度高，經濟發展迅速，形成了非常有利于企業引進、開發新技術的氛圍。吉林和遼寧在中央“振興東北老工業基地”的政策下，抓住機遇，大力發展新興產業，積極調整產業結構，促進了企業的技術創新。而甘肅、陜西、青海、新疆等西部省份的技術創新效率呈下降趨勢，通過對技術效率變化的分解發現，是由于純技術效率和規模效率都較低所致，這與這些省份的工業“底子薄”、研發投入少、管理創新能力較差有著直接的關系，這些省份應當成為建設自主創新型國家政策重點關注地區。表2中東、中、西部三大地區的大中型工業企業技術創新效率均值比較看來，東部地區明顯高于中、西部，考慮到三大地區的區域經濟發展水平，因此有必要進一步分析其深層次的原因。

2. 區域差異性檢驗

由于我國地域、資源、國家政策等原因造成我國的區域經濟社會發展不平衡，大中型工業企業技術創新效率的變化可能存在顯著的區域差異。為此，本文根據三大區域大中型工業企業技術創新效率、技術效率變化和技術進步的計算結果，用多樣本非參數Kruskal-Wallis檢驗，來驗證三大區域大中型工業企業技術創新效率動態演進的區域差異性特征，表5為檢驗結果。

表5 三大地區大中型工業企業技術創新效率演變的差異性檢驗結果

由表5可知：（1）我國大中型工業企業技術創新效率的變化存在顯著的區域異質性特征，這表明企業技術創新效率與地區經濟社會發展水平有直接聯系。其中，東部地區的表現明顯由于中西部地區；（2）通過對三大區域大中型工業企業技術效率變化指數的分解，我們發現，技術效率變化（EFFCH）指數的區域差異并不顯著，真實概率p值為0.637，表明東、中以及西部地區各省份均存在對生產前沿面的“追趕”效應；三，技術進步（TECHCH）指數差異顯著，東部地區領先于中西部地區，這表明東部地區的技術創新、新產品的研發能力明顯強于中西部地區。這是由于，東部地區經濟發展水平較高，企業科研資金充足，吸引了眾多高端科研人才，建立了很多研發機構，使得其大中型工業企業技術創新能力明顯領先中西部地區。

3. 技術創新效率區域差異分析

圖3 2006-2010年三大區域和全國大中型

工業企業的平均技術創新效率及其分解

圖4 2006-2010年三大區域和全國

大中型工業企業技術創新效率的動態變化

從圖3、4中可看出，在2006-2010年間，三大區域的工業企業技術創新效率自東向西逐步下降，其中：（1）東部地區大中型工業企業技術創新效率年均增長3.1%，其中技術進步指數年均3.5%，技術效率變化指數則年均下降4‰。長期以來東部地區由于地理位置優越、國家政策傾斜、經濟基礎雄厚等原因，技術創新能力一直領先于中西部地區。因此，東部地區作為“引領者”，應繼續保持自身優勢，不斷創新管理理念和方法，以確保企業技術創新活動可持續發展，做好“領頭”與“示范”作用；（2）中部地區大中型工業企業技術創新效率則年均下降了1.8%，這是由于技術退步與技術效率惡化共同導致的。進一步分解發現，技術效率惡化主要是源于規模效率的下降，這表明中部地區各省區在近年在國家“中部崛起”戰略宏觀政策調控下，工業企業創新投入規模不斷增加，但已逐漸接近飽和水平，必須改變依靠擴大投入規模的發展方式，重點提高創新資源的配置效率；（3）西部地區大中型工業企業技術創新效率落后于東、中部地區，年均下降2.5%，主要是由于技術年均退步2.4%所導致。長期以來由于國家實施非均衡的區域發展戰略，導致西部地區工業企業技術水平落后，科研基礎薄弱，技術創新能力嚴重不足。西部各省份企業應抓住國家實施“西部大開發”戰略的機遇，積極引進優秀人才，加大技術研發和創新力度，積極促進地區間的技術交流與合作，通過引進、消化、吸收、再創新的模式來推動企業的技術創新。

從圖4中可看出，東部地區大中型工業企業技術創新效率在2007、2008年有較大波動，主要是由于技術進步的波動所致。中西部地區整體趨于平穩，波動較小。全國整體效率趨向于穩定，三大地區之間的企業技術創新效率差距在逐漸縮小，這表明國家近年來實施縮小區域發展差距的宏觀政策和戰略取得了顯著效果。

五、結論與政策涵義

本文運用了基于可變規模報酬DEA的Malmquist指數法對我國30個省區2006-2010年的大中型工業企業的技術創新效率進行了分析。結果表明：（1）分析期內，我國各區域大中型工業企業的技術創新效率年均下降2.9%，技術進步指數年均下降了3.2%，而技術進步效率指數則上升了3‰。所以我國大中型工業企業技術創新效率下降主要由于技術退步所致；（2） 我國大中型工業企業技術創新效率整體呈上升趨勢，但存在較強的波動性，在分析期內呈現“先下降，后上升”的態勢，說明企業技術創新效率的提升并不穩定，易受國家宏觀政策等外部因素影響；（3）我國東中西三大區域在2006-2010年間大中企業的技術創新效率差異比較大，東部地區年均增長3.1%，中部地區年均下降1.8%，西部地區年均下降2.5%，下降的原因各不相同，中部地區下降的主要原因是技術效率惡化與技術退步共同所致，西部地區則是由于技術退步造成的。

本文的政策涵義為：（1）進入21世紀以來，我國政府提出建設“自主創新型國家”，力圖通過鼓勵企業技術創新和科技進步來轉變經濟發展方式，提高資源利用效率。由于當前我國大中型工業企業技術創新效率下降的主要是原因是技術退步。因此，各地區應進一步加大技術創新力度，在加強自身技術研發能力的同時，不斷引進先進的工藝、設備與技術，這是提升我國各地區企業技術創新效率的根本途徑。（2）由于規模效率低下制約了企業技術效率水平的提高，因此，各地區大中型工業企業應該適當調節投入，提高創新資源的利用效率，優化創新資源的配置。（3）東中西三大區域大中型工業企業技術創新效率差異明顯，東部地區明顯領先于中西部地區。為此，東部地區應在保持自身優勢，穩步提高企業技術創新效率的前提下，帶動中西部地區大中型工業企業技術創新效率實現跨越式提高，中西部地區則應充分利用技術選擇的后發優勢，通過購買、模仿與學習東部地區發達的技術以及管理經驗來驅動企業技術創新效率的進一步提升，以最終實現對東部地區的趕超。

參考文獻：

[1] Sharma，S.，Thomas，V.J.. Inter-country R&D efficiency analysis： application of data envelopment analysis[J].Scientometrics，2008，76（3）：483-501.

[2] Gayle.P.G.“Market Concentration and Innovation： New Empirical Evidence on the Schumpeterian Hypothesis”[R].Cdordo：University of Colorado，2001.

[3] Akohiro Hashimoto，Shoko Haneda. Measuring the change in R&D efficiency of the Japanese pharmaceutical industry [J].Research Policy，2008（4）：1-8.

[4] 池仁勇，虞曉芬，李正衛.我國東西部地區技術創新效率差異及其原因分析[J].中國軟科學，2004（8）：128-131.

[5] 虞曉芬，李正衛，池仁勇，施鳴煒.我國區域技術創新效率：現狀與原因[J].科學學研究，2005，23（2）：258-264.

[6] 白俊紅，江可申，李婧，田澤永.中國區域創新生產效率變動的實證分析-基于Malmquist生產率指數[J].系統工程，2008，26（7）：40-44.

[7] 白俊紅，江可申，李婧.應用隨機前沿模型評測中國區域研發創新效率[J].管理世界，2009（10）：51-61.

[8] 白俊紅，江可申，李婧.中國地區研發創新的技術效率與技術進步[J].科研管理，2010，31（6）：7-18.

[9] 李婧，白俊紅，譚清美.中國區域創新效率的實證分析-基于省際面板數據及DEA方法[J].系統工程，2008，26（12）：1-7.

[10] 李婧， 譚清美，白俊紅.中國區域創新生產的空間計量分析-基于靜態與動態空間面板模型的實證研究[J].管理世界，2010（7）：43-55.

[11] Zhang Anming， Zhang Yimin， Zhao Ronald. A Study of the R&D Efficiency and Productivity of Chinese Firms [J].Journal of Comparative Economics，2003，31（3）：444-464.

[12] 吳延兵.用DEA方法評測知識生產中的技術創新效率與技術進步[J].數量經濟技術經濟研究，2008（7）：67-79.

[13] 項本武.中國工業行業技術創新效率研究[J].科研管理，2011，32（1）：10-14.

[14] 官建成，馬寧.DEA控制投影模型及其應用[J]. 中國管理科學，2003（1）：66-70.

[15] 官建成，陳凱華.我國高技術產業技術創新效率的測定[J]. 數量經濟技術經濟研究，2009（10）：19-32.

[16] Caves， et al. Multilateral comparisons of output， input and productivity using superlative index numbers [J].Economic Journal，1982（86）：72-73.

[17] Fare R， et al. Production frontiers [M].Cambridge： Cambridge University Press，1994.

[18] 吳延兵.R&D存量、知識函數與生產效率[J].經濟學（季刊），2006，5（4）：1129-1156.

[19] 柳卸林，陳璐.我國工業的R&D與創新[J].數量經濟技術經濟研究，1995（12）：55-62.

[20] Liu X H， Buck T. Innovation Performance and Channels for International Technology Spillovers： Evidence from Chinese High-tech Industries [J].Research Policy，2007，36（3）：355-366.

[21] Furman JL， Porter ME， Stern S. The determinants of national innovative capacity[J].Research Policy，2002，31（6）：899.

[22] 魏權齡.評價相對有效性的數據包絡分析模型-DEA和網絡DEA[M].北京：中國人民大學出版社，2012：5-56.

[23] 汪克亮，楊寶臣，楊力.中國全要素能源效率與能源技術的區域差異[J].科研管理，2012，32（5）：56-63.

[24] Hu J.L.， Wang S.C. Total-factor energy efficiency of regions in China [J].Energy Policy，2006，34（17）：3 206-3 217.

[責任編輯：范 君]

[2] Gayle.P.G.“Market Concentration and Innovation： New Empirical Evidence on the Schumpeterian Hypothesis”[R].Cdordo：University of Colorado，2001.

[3] Akohiro Hashimoto，Shoko Haneda. Measuring the change in R&D efficiency of the Japanese pharmaceutical industry [J].Research Policy，2008（4）：1-8.

[4] 池仁勇，虞曉芬，李正衛.我國東西部地區技術創新效率差異及其原因分析[J].中國軟科學，2004（8）：128-131.

[5] 虞曉芬，李正衛，池仁勇，施鳴煒.我國區域技術創新效率：現狀與原因[J].科學學研究，2005，23（2）：258-264.

[6] 白俊紅，江可申，李婧，田澤永.中國區域創新生產效率變動的實證分析-基于Malmquist生產率指數[J].系統工程，2008，26（7）：40-44.

[7] 白俊紅，江可申，李婧.應用隨機前沿模型評測中國區域研發創新效率[J].管理世界，2009（10）：51-61.

[8] 白俊紅，江可申，李婧.中國地區研發創新的技術效率與技術進步[J].科研管理，2010，31（6）：7-18.

[9] 李婧，白俊紅，譚清美.中國區域創新效率的實證分析-基于省際面板數據及DEA方法[J].系統工程，2008，26（12）：1-7.

[10] 李婧， 譚清美，白俊紅.中國區域創新生產的空間計量分析-基于靜態與動態空間面板模型的實證研究[J].管理世界，2010（7）：43-55.

[11] Zhang Anming， Zhang Yimin， Zhao Ronald. A Study of the R&D Efficiency and Productivity of Chinese Firms [J].Journal of Comparative Economics，2003，31（3）：444-464.

[12] 吳延兵.用DEA方法評測知識生產中的技術創新效率與技術進步[J].數量經濟技術經濟研究，2008（7）：67-79.

[13] 項本武.中國工業行業技術創新效率研究[J].科研管理，2011，32（1）：10-14.

[14] 官建成，馬寧.DEA控制投影模型及其應用[J]. 中國管理科學，2003（1）：66-70.

[15] 官建成，陳凱華.我國高技術產業技術創新效率的測定[J]. 數量經濟技術經濟研究，2009（10）：19-32.

[16] Caves， et al. Multilateral comparisons of output， input and productivity using superlative index numbers [J].Economic Journal，1982（86）：72-73.

[17] Fare R， et al. Production frontiers [M].Cambridge： Cambridge University Press，1994.

[18] 吳延兵.R&D存量、知識函數與生產效率[J].經濟學（季刊），2006，5（4）：1129-1156.

[19] 柳卸林，陳璐.我國工業的R&D與創新[J].數量經濟技術經濟研究，1995（12）：55-62.

[20] Liu X H， Buck T. Innovation Performance and Channels for International Technology Spillovers： Evidence from Chinese High-tech Industries [J].Research Policy，2007，36（3）：355-366.

[21] Furman JL， Porter ME， Stern S. The determinants of national innovative capacity[J].Research Policy，2002，31（6）：899.

[22] 魏權齡.評價相對有效性的數據包絡分析模型-DEA和網絡DEA[M].北京：中國人民大學出版社，2012：5-56.

[23] 汪克亮，楊寶臣，楊力.中國全要素能源效率與能源技術的區域差異[J].科研管理，2012，32（5）：56-63.

[24] Hu J.L.， Wang S.C. Total-factor energy efficiency of regions in China [J].Energy Policy，2006，34（17）：3 206-3 217.

[責任編輯：范 君]

[2] Gayle.P.G.“Market Concentration and Innovation： New Empirical Evidence on the Schumpeterian Hypothesis”[R].Cdordo：University of Colorado，2001.

[3] Akohiro Hashimoto，Shoko Haneda. Measuring the change in R&D efficiency of the Japanese pharmaceutical industry [J].Research Policy，2008（4）：1-8.

[4] 池仁勇，虞曉芬，李正衛.我國東西部地區技術創新效率差異及其原因分析[J].中國軟科學，2004（8）：128-131.

[5] 虞曉芬，李正衛，池仁勇，施鳴煒.我國區域技術創新效率：現狀與原因[J].科學學研究，2005，23（2）：258-264.

[6] 白俊紅，江可申，李婧，田澤永.中國區域創新生產效率變動的實證分析-基于Malmquist生產率指數[J].系統工程，2008，26（7）：40-44.

[7] 白俊紅，江可申，李婧.應用隨機前沿模型評測中國區域研發創新效率[J].管理世界，2009（10）：51-61.

[8] 白俊紅，江可申，李婧.中國地區研發創新的技術效率與技術進步[J].科研管理，2010，31（6）：7-18.

[9] 李婧，白俊紅，譚清美.中國區域創新效率的實證分析-基于省際面板數據及DEA方法[J].系統工程，2008，26（12）：1-7.

[10] 李婧， 譚清美，白俊紅.中國區域創新生產的空間計量分析-基于靜態與動態空間面板模型的實證研究[J].管理世界，2010（7）：43-55.

[11] Zhang Anming， Zhang Yimin， Zhao Ronald. A Study of the R&D Efficiency and Productivity of Chinese Firms [J].Journal of Comparative Economics，2003，31（3）：444-464.

[12] 吳延兵.用DEA方法評測知識生產中的技術創新效率與技術進步[J].數量經濟技術經濟研究，2008（7）：67-79.

[13] 項本武.中國工業行業技術創新效率研究[J].科研管理，2011，32（1）：10-14.

[14] 官建成，馬寧.DEA控制投影模型及其應用[J]. 中國管理科學，2003（1）：66-70.

[15] 官建成，陳凱華.我國高技術產業技術創新效率的測定[J]. 數量經濟技術經濟研究，2009（10）：19-32.

[16] Caves， et al. Multilateral comparisons of output， input and productivity using superlative index numbers [J].Economic Journal，1982（86）：72-73.

[17] Fare R， et al. Production frontiers [M].Cambridge： Cambridge University Press，1994.

[18] 吳延兵.R&D存量、知識函數與生產效率[J].經濟學（季刊），2006，5（4）：1129-1156.

[19] 柳卸林，陳璐.我國工業的R&D與創新[J].數量經濟技術經濟研究，1995（12）：55-62.

[20] Liu X H， Buck T. Innovation Performance and Channels for International Technology Spillovers： Evidence from Chinese High-tech Industries [J].Research Policy，2007，36（3）：355-366.

[21] Furman JL， Porter ME， Stern S. The determinants of national innovative capacity[J].Research Policy，2002，31（6）：899.

[22] 魏權齡.評價相對有效性的數據包絡分析模型-DEA和網絡DEA[M].北京：中國人民大學出版社，2012：5-56.

[23] 汪克亮，楊寶臣，楊力.中國全要素能源效率與能源技術的區域差異[J].科研管理，2012，32（5）：56-63.

[24] Hu J.L.， Wang S.C. Total-factor energy efficiency of regions in China [J].Energy Policy，2006，34（17）：3 206-3 217.

[責任編輯：范 君]