招商引資效率評測及招商項目甄選的一般方法
——以黑龍江省為例

楊守德，趙德海

(哈爾濱商業大學 經濟學院，黑龍江 哈爾濱 150028)

招商引資效率評測及招商項目甄選的一般方法
——以黑龍江省為例

楊守德，趙德海

(哈爾濱商業大學 經濟學院，黑龍江 哈爾濱 150028)

通過對2014年黑龍江省12個地市招商數據的測算，發現基于規模效用可變(VRS)假設的數據包絡分析方法(DEA-BCC)能夠彌補以往方法的不足，可以更加科學、全面地評測招商效率。特別是在國發[2014]62號文件實施后，通過比拼優惠政策開展招商的風氣得到了極大的改善。如何甄選那些符合當地資源稟賦基礎和產業發展需要并且具有一定市場前景的項目對提高招商效率就顯得尤為重要，二分類處理的BP神經網絡模型在甄選招商項目方面具有絕對優勢，測試結果顯示該BP神經網絡在招商項目識別上的正確率穩定在72.7%以上。

DEA-BCC；BP神經網絡；招商引資效率

2015年10月通過參與黑龍江省招商引資活動第三方評估工作，筆者發現現行的招商引資績效評價工作存在著兩大突出問題：其一就是評價內容“重績輕效”，往往注重對最終引進和達成的招商企業數量以及資金到位規模的考察而忽視對招引工作效率的評價。并且現行的招商效率評測方法嚴重滯后于招商工作需要，僅是通過單一比值作為效率考察指標，沒有充分考慮當地經濟實力和市場環境等客觀因素對招商效率的影響，往往橫向比較出來的結果實際意義小、參考價值低。另一突出問題就是，目前普遍采用的“感性招商”和“以商招商”的招商項目甄選方法主觀性和盲目性強，往往項目洽談成功率低，落地達產效果差。所以，究竟該如何評測招商引資效率，從中找到造成招商效率低下的原因，再科學客觀地甄選招商項目，進一步提高招商引資的成功率，正是本文需要解決的問題。本文通過對2014年黑龍江省12個地市招商數據的測算，認為基于規模效用可變(variable return to scale，VRS)假設的數據包絡分析方法(DEA-BCC)和二分類處理的BP神經網絡模型在解決招商效率評測和招商項目甄選問題上有著非常理想的表現，能夠對全國各地市招商引資工作起到積極的借鑒作用。

一、文獻綜述

中國招商引資相關研究始于20世紀80年代初，到20世紀90年代中期進入繁榮期，根據不同時期研究內容的不同，大致可以分為三個階段。從改革開放開始一直到20世紀90年代中期，為理論探索階段。這一時期主要以外商資本吸引和利用為研究對象，研究方法以定性闡述為主，側重于研究招商行為與市場規律的關系以及招商方式的創新[1]。李新華(1993)在招商經驗和思想逐漸由東南沿海向內地普及和傳播方面做出了積極貢獻[2]。20世紀90年代中期到21世紀前5年，招商引資研究活動極為活躍，是相關理論的成熟階段。隨著招商引資區域和對象變得更加廣泛，招商引資研究領域邊界也不斷擴大，學者開始探索新的特定歷史條件下招商引資工作的新特征和新規律，以及不同地域所面臨的迥異的招商形勢，相關學者對不同招商模式進行了梳理總結[3-4]。從21世紀前5年至今，是招商引資研究領域方法創新和變革階段。博弈論和交易成本理論被引入招商引資研究領域，層次分析法、主成分分析法和聚類分析方法等定量分析方法也開始被廣泛使用。張鋼和徐賢春(2004)首次引入委托—代理模型，對地方政府招商引資的動因進行討論[5]。廖善章和陳松嶺(2009)認識到招商引資工作不僅僅是大力度的宣傳和推介，更重要的是投資環境的營造和改善，招商工作更需要區域總體布局和頂層規劃，避免區域政府間惡性招商競爭和資源內耗[6]。與此同時還要科學招商和法制招商，提高招商項目質量和招商企業存活率[7]。

關于招商引資效率的定量研究普遍認為是在上述第三個階段(21世紀前5年至今)開始并豐富壯大起來的[8]。范德成和潘霞(2007)首次運用主成分分析法建立了基于招商引資的區域投資環境評價指標體系[9]。李金龍和馬駿(2009)則將平衡積分法方法引入招商工作績效評價領域，彌補了以往招商績效評估工作以政府為主導而忽視民眾意愿的缺陷[10]。關于招商引資項目甄選的研究，就目前研究資料來看，絕大多數研究仍然普遍依賴于主觀判斷，并未形成系統的、快捷統一的甄選方法。但學者們的研究普遍都直接或間接體現出了招商項目甄選要以當地稟賦資源為基礎，以市場需求為導向的基本思想[11]。通過文獻的梳理，筆者發現，關于招商工作績效評價和招商項目甄選的研究尚未完全成熟，無論是在方法的選用還是指標體系的構建和完善方面都存在極大的研究價值。以往的研究既為本文打下了夯實的理論和實踐基礎，同時又為相關研究留有空白，本文研究是對前述研究的繼承和發揚。

二、基于DEA-BCC模型的黑龍江省招商引資效率評測實證分析

現有招商引資效率評測主要依賴對項目開工率、資金到位率和履約率這三個比值的考察。然而這種考察方式指標過于單一，而且沒有很好地考慮當地的經濟實力和市場環境等情況。從現有的評價手段來看，數據包絡分析方法能夠很好地解決上述兩方面的問題。一方面，數據包絡分析方法對投入指標選擇具有極強的包容性，不僅能夠忽略各指標量綱上的差異而且能夠同時將定性和定量指標納入投入指標體系。另一方面，相較于層次-模糊評價法和灰色系統方法，不僅能夠很好地克服主觀性，而且操作流程和計算過程都更加簡單快捷。由于數據可得性的限制，本文不做跨時期的效率測算，而僅僅對一個時期(2014年)區域內各地市招商引資工作相對效率進行評測，并進一步研究如何通過調節各要素投入量來提高相對效率。本文引入基于規模效用可變(VRS)假設的具有松弛變量的數據包絡分析模型(DEA-BCC模型)進行研究。

(一)模型基本原理

數據包絡分析方法(DEA)本質上是判斷“決策單元(decision making unit，DMU)”是否位于可能集的“生產前沿面”上[12]。假設在一個經濟系統里面共有n個決策單元(j=1，2，…，n)，每個決策單元有相同的m項投入(i=1，2，…，m)，且有相同的s項產出(r=1，2，…，s)，可知第j個決策單元的第i項投入和第r項產出分別為xij和yrj。同時，還假定各項投入指標的權重系數為vi，各項產出指標的權重系數為ur。數據包絡分析方法中經典的CCR模型下的技術效率分析表達式如式(1)所示。

(1)

整個過程當且僅當hjj目標值為1時，說明第j個決策單元相對于其他決策單元來說是有效的。進一步地，班克等(Bankeretal.,1984)在原有CCR模型基礎上增加一個規模收益可變(variablereturntoscale，VRS)假設[13]。另外，將技術效率(technicalefficiency，TE)分解為純技術效率(pure technical efficiency，PTE)和規模效率(scale efficiency，SE)的乘積：

技術效率(TE)=純技術效率(PTE)×規模效率(SE)

(2)

將原有CCR模型進行變量代換由分式規劃轉化為線性規劃，并整理為其對偶規劃形式，并在此基礎上引入松弛變量，整理后得到BCC模型：

minθjj

(3)

當結果由θjj=1時，則稱第j個決策單元為弱DEA有效；當θjj=1且s-=0；s+=0，則稱第j個決策單元為DEA有效。在這里，松弛變量是具有現實經濟意義的，s-表示過剩量，s+表示不足量，表示第j決策單元距離有效前沿面的“距離”。當第j個決策單元沒有達到式(2)中任何一種技術有效時，可以通過式(3)求得的最優解，進一步計算出決策單元在DEA有效前沿面上的投影值。這使得調節投入和產出以使效率達到最優化成為可能：

(4)

(5)

(二)評價指標體系和樣本、數據來源

招商意向的達成既是招商引資工作人員努力的成果，同時也是區域投資環境和市場優勢吸進的結果。所以，要將以上兩方面因素結合起來共同考量，一同作為招商工作“成果”的投入要素。招商引資工作的“產出”主要包括項目總數、投資總額以及項目的開工率、履約率和資金到位率。

2015年10月哈爾濱商業大學受黑龍江省政府委托，會同黑龍江省工商聯走訪了哈爾濱、齊齊哈爾、牡丹江、佳木斯、大慶、伊春、鶴崗、雞西、雙鴨山、七臺河、黑河、綏化12個地市，對2014年年初以來所舉辦的9項招商引資活動開展第三方評估工作。本文將以上12個地市作為評測樣本，實證分析的數據主要來自兩方面。一方面，年招商人次、用于招商引資的財政費用支出、項目總數、項目投資總額、項目開工率、項目履約率、項目資產到位率等指標數據，來自于評估過程中向各地招商引資企業投放的

表1 招商引資效率BCC模型評價指標體系

注：*代表單位為個或人，**代表單位為萬元，***代表單位為%。

資料來源：《黑龍江統計年鑒》。

《黑龍江省招商引資項目企業績效統計表》和《招商引資項目第三方評估調查問卷結果統計表》(其中回收有效調查問卷924份)的整理統計。另一方面，人均GDP、人均社會消費品零售總額、人均進出口總額、城鄉居民儲蓄存款年增加額和普通高等學校數量等指標數據來自于《2015年黑龍江統計年鑒》以及各地市發布的《2014年國民經濟和社會發展統計公報》(表1)。

(三)實證結果分析

在結果中，筆者將具體城市名隱去，用字母指代相應城市名。

效率評估結果顯示，2014年黑龍江省12個地市招商引資效率呈現出以下幾個特點：首先，從技術效率來看，哈爾濱A、齊齊哈爾B、牡丹江C、佳木斯D和大慶E等全省經濟總量排名靠前、經濟實力較強的地市招商引資效率均低于全省平均效率水平0.762，而經濟總量較小的地市招商效率都在平均水平以上，多數地市實現了技術效率有效。其次，從純技術效率來看，除齊齊哈爾B、牡丹江C、佳木斯D和大慶E外，其余地市均實現了純技術效率有效(純技術效率=1)，這表明多數地市能夠充分利用現有的管理水平和人員結構有效地開展招商引資工作。最后，從規模效率指標看，在沒有實現規模效率有效的8個地市中，哈爾濱A、齊齊哈爾B、牡丹江C、佳木斯D、鶴崗H和雞西G由于招商工作要素投入過多出現了規模收益遞減，而大慶E和七臺河K則由于所投入的要素不足而存在著規模效率遞增的現象(表2)。

表2 2014年各地市招商引資效率情況

注：12個地市均值采用算術平均方法計算求得。

所以，黑龍江省招商引資效率可以通過兩方面得到改善。一方面，充分利用和改善現有的技術條件，提高管理水平，優化人員結構。另一方面就是，在對招商要素的投入使用上做好調控規劃，做到合理配置。在上述的投入要素中，由于與區域自身經濟實力和資源地理稟賦相關的要素投入在短期內是無法顯著改善的，所以主要是通過調節“年招商人次”和“年招商引資財政支出”兩項要素投入來實現的。

表3 兩項投入的松弛(變量)調整

三、招商引資項目甄選的BP人工神經網絡方法

提高招商引資效率的一個非常重要的方面就是對招商引資項目的甄別和篩選。招商引資工作真正需要招引的是那些符合當地資源稟賦現狀和產業發展規劃需求并且具有一定市場前景對刺激當地經濟發展、解決安置就業和充實財政收入有著突出貢獻的企業項目，并且最終引進企業和項目能夠在當地達產達效。這是一個存在著諸多不確定性因素的復雜問題，目前招商項目篩選方法普遍是通過專家商討打分定性的方法判斷，但這種方法存在著主觀性強的天然劣勢，甚至很多項目沒有經過篩選就匆匆上馬，招商工作具有很大的盲目性。人工神經網絡(artificial neural network，ANN)是一種模擬生物神經系統的信息處理技術，能夠很好地克服上述定性方法的主觀性和盲目性。本文依據評估活動獲得的問卷資料，利用各個招商項目(企業)相關信息和各個項目最終的達產達效情況為訓練和測試樣本，構建BP神經網絡模型，測試結果顯示，該BP神經網絡在招商項目識別上正確率穩定在72.7%以上。

(一)BP人工神經網絡基本原理

人工神經網絡由大量的人工神經元連接組成，通過外界信息改變不同神經元之間的權值結構和映射關系，其本身是一個可塑性極強的的模式識別和數據擬合系統。由于具有優秀的非線性逼近性，人工神經網絡在解決現實世界中復雜的模式分類、擬合和優化問題方面具有絕對的魯棒性和自適應性優勢。BP神經網絡是一種采用誤差反向傳播算法(error back-propagation algorithm，BP)的多層前向神經網絡，被廣泛用于分類識別、逼近、回歸和壓縮等問題的實際應用中。BP神經網絡同一層之間神經元無連接，層與層之間則全連接，各層神經元之間的傳遞函數要求必須可微。BP神經網絡數據從輸入層經隱含層逐層向后傳播，訓練網絡權值時，則向著減少誤差的方向，從輸出層經過中介各層逐層向前修正網絡的連接權值，隨著不斷學習，最終的誤差越來越小[14]。

(二)招商引資項目甄選的BP神經網絡構建

本模型是基于“各個地市招商引資項目經營建設情況”、“與當地資源稟賦和產業發展規劃匹配情況”和“(預期)市場前景和經濟貢獻情況”3個方面的9類指標信息，對招商引資項目進行二分類處理的BP神經網絡模型，將招商引資項目劃分為“適宜”和“不適宜”兩類。模型基本結構、神經元節點指標說明如下：

構建一個3層的招商引資項目甄選的BP神經網絡，其中輸入層包含9個神經元節點。神經元節點代表來自3個方面的9個指標，其中包括2個數值指標(B7(預計)達產后的營業收入、B8(預計)安排就業人數)和7個類別指標。指標值中，B2企業規模的填寫參照工業和信息化部、國家發展和改革委員會等指定的《關于印發中小企業劃型標準規定的通知》和國家統計局出臺的《統計上大中小微型企業劃分辦法》，將企業劃分為大型、中型、小型、微型等四種類型。作為一個二分類問題，輸出層只有一個神經元節點分類指標，即R招商引資項目的適宜性，最終根據輸入層信息將招商引資項目區分為R1“適宜”和R2“不適宜兩類”。如表4所示。

表4 BP神經網絡層級結構

(三)BP神經網絡甄選招商引資項目的實證過程分析

運用軟件MATLAB R2014a建立并訓練招商引資項目甄選的BP神經網絡模型。樣本同前述模型使用同一樣本，指標來自于對評估活動中投放和回收的《2014—2015年黑龍江省招商引資項目企業績效統計表》和《招商引資項目第三方評估調查問卷結果統計表》，共回收有效問卷924份，形成樣本806份，基本操作流程如下：

1.樣本選擇、劃分和信息數據處理

通過對回收的有效問卷的整理，共回收有效問卷924份，其中意向項目118項，協議項目507項，合同項目299項。本文僅選用協議項目和合同項目進行分析，所以實際樣本806份。其中，已經達產達效的項目統計了實際達產后的年收入和安置的就業人數，已建而未達產的項目使用預期目標代替。訓練網絡時選擇70%和15%、15%作為訓練樣本和兩次測試樣本比例。

對于樣本中的類別型指標使用整數數值來表示，例如：輸入層神經元節點指標“B1企業所有制類型”中，“B11國有企業(含國有控股的股份制企業)”表示第一個類型，就用整數“1”來表示，同理，指標“B12民營企業”和“B13外商投資企業”則分別用整數“2”和“3”來表示。輸出層神經元節點指標“R招商引資工作的適宜性”則用整數“1”和“0”來表示指標“R1適宜”和“R2不適宜”。

由于BP神經網絡的輸入層神經元節點既有使用整數替代的類別型指標又存在數值型指標，盡管數值型指標B7(預計)達產后的營業收入將“億元”作為單位，在一定程度上消除了不同指標間的量綱差異，但仍然需要進一步進行歸一化處理。本文的BP神經網絡模型中，使用“mapminmax”函數對樣本輸入層神經元節點指標數據進行歸一化處理，由于輸出層指標結果僅為“1”和“0”兩個數值，因此輸出層神經元指標數據不必進行歸一化處理。輸出層指標分為兩類，屬于哪一類則在哪一類上顯示1，而在另一類上顯示0。

2.創建和訓練BP神經網絡

運用“patternnet”函數創建一個具有模式識別功能的前向神經網絡，結合“vec2ind”函數將輸出結果的向量維度轉換為代表分類的指數，這樣便可把分類結果更加直觀地表示出來。操作過程中“patternnet”函數中設定網絡的隱含層神經元節點數為10，訓練方法為“trainbfg”量化共軛梯度法，網絡性能使用“crossentropy”函數呈現。

3.模型運行結果

為了保證在現有樣本集上所建立和訓練的BP神經網絡的穩定性，選擇相同的樣本和樣本劃分比例，重復運輸過程20次。實驗結果表明，經過18次迭代，BP神經網絡誤差穩定在0.005 4，該BP神經網絡能夠很好地對招商引資項目進行識別，綜合正確率達到75.1%，其中訓練過程準確率為76.1%，驗證過程準確率為72.7%，測試過程準確率為72.7%。

四、關于提高招商引資效率的幾點建議

國發〔2014〕62號文件《國務院關于清理規范稅收等優惠政策的通知》實施后，通過比拼優惠政策開展招商的風氣得到了極大改善，區域內競爭有序的招商引資格局基本形成，但同時也對原本就處于市場邊緣的黑龍江省招商引資工作帶來了巨大的挑戰。各地市需要培養和形成科學的招商引資觀念，通過建立法制化的招商引資環境，提高招商引資效率，在新一輪的政策體系下將招商引資科學化和市場化，更好地承接東南沿海產業轉移以實現黑龍江省產業轉型升級。

(一)培養和形成科學的招商引資觀念

首先，以資源稟賦為著眼點，以產業轉型升級為契機，將民營企業作為招商引資的重點對象。從評估情況看，歷次活動中無論是簽約率還是履約率，民營企業都略高于中央企業。特別地，從民營企業所處行業來看，往往集中在農產品加工、現代農機具制造、旅游養老和現代商貿流通項目，對黑龍江省原有企業和產業改革發展起到了很好的引領和示范效應，與黑龍江省產業轉型升級戰略相契合。

其次，依據產業鏈招引產城融合項目。以政府為主導，定位好符合區域持續發展的產業，并與城市規劃及城市功能配套，鼓勵發展新興產業。積極引入優質的開發工業園(產業園)區企業，借助社會進行招商引資。一方面，降低了政府打造開發區(工業園)的經濟壓力；另一方面，通過市場化提升產業競爭力。

最后，存量招商做精做強，增量招商轉型提質。要利用存量招商，抓好企業重組，做大做強現有企業。積極開展存量資源招商，變包袱為財富。主要通過鼓勵企業“騰籠換鳥”、增資擴股、合資合作等形式，充分挖掘存量資源的內涵，提高使用效率。對于增量招商，不斷延長產業鏈條，提高項目質量，通過增量招商項目為先導驅動存量招商轉型提質和做精做強，不僅考慮企業的經濟效益，兼顧企業的社會效益。

(二)招商引資體制機制創新

一方面，完善招商引資考核、獎勵制度體系。由于各地市和園區規模、資源和原有產業結構的差異，不能單純使用規模性指標和絕對指標進行評價，特別是當招商項目作為較小基數時所使用的絕對數指標(成功率/相對率)。應當建立一套招商引資評價指標體系，定性與定量的指標相結合，將招商引資效率作為關鍵評價指標，考慮招商引資活動的投入(招商人次、招商活動累計使用經費等)，將招商成果指標同招商投入指標進行比較。既要考慮招商活動的成果規模，又要考慮招商活動的效率。與此同時，招商工作評價要考慮區域產業和地緣因素影響，對不同地市可以通過人均指標(人均GDP、人均可支配收入等)設計相應的權重。另一方面，建立健全地方招商引資行政法規。目前黑龍江省缺少統一的普遍使用的招商引資行政法規，對于政府和園區招商行為缺少一致的行為約束。這使得招商引資工作開展過程中沒有明確的參照標準，難免造成瀆職和行政資源浪費的現象，僅僅依靠財政口徑來約束招商引資行為往往效果不佳。

(三)招商引資方式方法創新

一方面，境內招商豐富引資方式，境外招商引入中介組織。開展多元的招商引資形式，積極外出招商、會展招商、專家招商和以商招商。特別是在境外招商過程中引入招商中介組織，減少招商引資的盲目性，避免因為語言和文化差異造成不必要的誤解和麻煩，提高境外招商成功率。另一方面，構建省、市和園區各級招商引資信息和服務平臺，引導全民招商。情感招商、以商招商和會展招商都存在著一定的偶然性和盲目性，招商項目對區域產業和市場的適宜性往往也有待考究。未來一段時期內，招商引資工作都是黑龍江省各地市和園區工作的重要內容。通過建立省、市和園區各級招商引資信息和服務平臺，能夠協助和監督政府招商引資工作，形成全民招商的良性局面。

(四)進一步完善園區基礎和生活設施建設，調動招商項目同當地高校學科建設的聯動機制

首先，進一步做好基礎設施建設，提供生產保障。加強“七通一平”支持力度，針對特定高新技術行業切實抓好基礎設施配套工作。其次，完善教育、醫療和休閑設施建設，提供生活保障。特別是園區，在招商項目周邊，完善教育、醫療和休閑設施建設，使得招商項目工人的崗位技能培訓、子女教育和家庭醫療與休閑在工作之余同步得到滿足，真正做到為招商項目培養、引進和留住人才。通過提供完善的生活保障，間接地在軟件維護上給予招商引資項目支持。最后，調動招商項目同當地高校學科建設之間的聯動機制，真正實現“招商引智”和“打包招商”。部分工業園區積極引導當地高校相關學科專業同招商項目建立合作培養關系，在園區內為高校建立相關專業實訓和學習基地，既提高了學生素質又為招商企業留有了充分的人才儲備。

[1]楊錫之.評價商業經濟效果的指標體系問題[J].經濟理論與經濟管理，1982(1)：65-70.

[2]李新華.企業招商引資中的問題與對策初探[J].華東經濟管理，1993(6)：36-37.

[3]龐立平,張葆春.對開發區搞好招商引資加快建設的幾點思考[J].理論學習與研究，1995(6)：27-29.

[4]李群虹,宗剛.創新招商引資模式與提升集合產業集群效應研究[J].科學管理研究，1996(2)：75-79.

[5]張鋼,徐賢春.招商引資與地方政府績效評估[J].數量經濟技術經濟研究，2004(3)：85-90.

[6]廖善章,陳松嶺.地方政府招商引資雙邊道德風險的博弈模型[J].統計與決策，2009(8):66-67.

[7]黃進沖.試論新形勢下的招商引資策略[J].北京工商大學學報，1998(5)：14-17.

[8]祝年貴.西方招商引資相關理論評述[J].中國經濟體制改革，2003(5)：151-154.

[9]范德成,潘霞.關于構建招商引資環境評價指標體系的思考[J].河北學刊，2007(3)：186-189.

[10]李金龍,馬駿.基于平衡計分卡的地方政府招商引資績效評估體系的設計[J].統計與決策，2009(12):70-71.

[11]田秀華,焦勇.基于博弈理論的地方政府招商引資政策績效分析[J].銅陵學院學報，2012(5)：34-37.

[12]成剛.數據包絡分析方法與MAXDEA軟件[M].北京：科學知識產權出版社，2015.

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

[14]陳明.神經網絡原理與實例精解[M].北京：清華大學出版社，2014.

(責任編輯：李 葉)

Evaluation of Investment Efficiency and General Methods of Investment Project Selection—Case of Heilongjiang Province

YANG Shoude，ZHAO Dehai

(Harbin University of Commerce,Harbin 150028, China)

By calculating investment data Heilongjiang Province of in 2014, based on the assumption of the utility scale variable data,it is found that the more technical and comprehensive envelopment analysis method (DEA-BCC) can make up the deficiency of previous methods.Especially after the implementation of the document No.62 of the National Development and Reform Commission in 2014,the atmosphere of attracting investment through the competition of preferential policies is greatly improved.How to select the project with local resource endowment basis and industrial development planning needs and certain market prospects to improve the investment efficiency is particularly important,and the BP neural network model in the selection of investment projects has an absolute advantage.The test results show that the BP neural network in project investment recognition accuracy of stability is above 72.7%.

DEA-BCC；BP neural network；investment efficiency

10.13504/j.cnki.issn1008-2700.2017.05.008

2017-02-16

國家社會科學基金項目“基于供給側改革的中國零售業態結構優化與創新研究”(16BJY125)；國家社會科學基金項目“跨越‘中等收入陷阱’與中國產業結構調整、優化關聯研究”(15BJL042)；黑龍江省哲學社會科學研究規劃項目“‘一帶一路’戰略視域下中俄跨境電商發展模式與路徑研究”(16JYB20)

楊守德(1990—)，男，哈爾濱商業大學經濟學院博士研究生；趙德海(1951—)，男，哈爾濱商業大學經濟學院教授，博士生導師。

F061.3

A

1008-2700(2017)05-0063-09