中原城市群高新技術產業創新效率評價研究

關麗 蘇建軍

摘 要：我國經濟正處于發展轉變階段，推動城市群的經濟發展，有利于提升我國整體經濟發展效率，也是協調區域發展的關鍵。利用2014—2018年相關數據，采用DEA模型與Malmquist指數對于中原城市群30個城市的高新技術產業的創新效率及全要素生產效率進行了測算，研究表明，依據創新效率評價矩陣將中原城市群高新技術創新效率劃分為3種類型，其中，開封、洛陽、南陽、安陽等19個城市為低綜合效率、低全要素生產效率類型;許昌、漯河、新鄉、邢臺等8個城市為高綜合效率、低全要素生產效率類型;阜陽、亳州、淮北等3個城市為低綜合效率、高全要素生產效率類型。通過加強政府對創新研發的財力、人力資本和物力投入，加強中原城市群高新技術產業技術的合作和交流，合理配置資源，制定傾向性政策，豐富高技術產業創新效率評價體系等措施提高中原城市群高新技術產業的創新效率。

關鍵詞：中原城市群;高新技術產業;創新效率;DEA模型;Malmquist指數

中圖分類號：F 830;G 311?? 文獻標識碼：A?? 文章編號：1672-7312（2021）01-0029-08

Research on the Evaluation of Innovation Efficiency of High-tech

Industry in Central Chinas Urban Agglomeration

GUAN Li，SU Jianjun

（1.School of Management，Xian University of Science and Technology，Xian 710054，China;

2.Dept.of Economic and Management，Yuncheng University，Yuncheng 044000，China）

Abstract：Chinas economy is in the stage of development and transformation.Promoting the economic development of urban agglomerations is conducive to improving the efficiency of Chinas overall economic development，and is also the key to coordinating regional development.Based on the data from 2014 to 2018，this paper calculates the innovation efficiency and total factor production efficiency of high-tech industries in 30 cities of Central Chinas urban agglomeration by using DEA model and Malmquist index.The research shows that according to the evaluation matrix of innovation efficiency，the high-tech innovation efficiency of Central Plains urban agglomeration can be divided into three types，among which 19 cities such as Kaifeng，Luoyang，Nanyang and Anyang are low comprehensive efficiency and low total factor production efficiency;Xuchang，Luohe，Xinxiang，Xingtai and other eight cities are of high comprehensive efficiency and low total factor production efficiency;Fuyang，Bozhou and Huaibei are low comprehensive efficiency and high total factor production efficiency.The innovation efficiency of high-tech industries in Central Chinas urban agglomeration can be improved by strengthening the

governments financial，human and material investment in innovation and R&D，strengthening the cooperation and exchange of high-tech industries in Central Plains urban agglomeration，rationally allocating resources，formulating

tendentious policies and enriching the evaluation system of innovation efficiency of high-tech industries.

Key words：central plains urban agglomeration;high-tech industry;innovation efficiency;DEA model;malmquist index

0 引言

自2016年，國務院批復同意中原城市群規劃后，2017年1月，國家發改委便發布了《中原城市群規劃》，明確14個城市為核心發展區，并聯動輻射其他16市，規劃明確五大定位，確立近期和遠期目標，首次提出構建“一核四軸四區”網絡化發展空間格局。區域技術創新發展對經濟增長的影響因區域不同而存在差異[1]。因此，加速中原城市群的發展，有利于中部地區的崛起，推動建設新型城鎮化，形成帶動中國經濟增長的新引擎，最終對拓展我國經濟發展新空間具有重要的戰略意義。隨著國際、國內對于高新技術產業地位與作用認識的不斷深入，高新技術產業已成為國家城市發展的重要創新型產業，不僅發展速度快，而且市場地位日益提升。作為國家發展戰略的重要組成部分的中原城市群，如形成高質量發展的高新技術產業，則不僅可以對中原城市群整體工業競爭力和經濟增長形成重要的推動作用，而且也在中國的創新戰略中起到重要的作用。因此，測評中原城市群高新技術產業創新效率，比較城市間差異，進而采取針對性措施，提升高新技術產業資源配置效率，促進高新技術產業高質量發展成為當前重要研究課題。關于高新技術產業效率的研究，國內外諸多學者對其進行了分析。HAN（2010）運用SFA模型對產業創新效率進行測度，指出電子計算機及相關行業創新效率最高，而設備制造業最低，還分析了企業數量、外資企業資產和行業利潤等因素對高新技術產業效率的影響。THOMAS et al（2011）通過研究美國50個州和哥倫比亞地區在2004—2008年的研發效率，發現各地區的研發效率中，只有14個地區的效率產生了積極變化，并提出使用國家級專利及出版物來進行研發效率分析的重要性。BELLUCCIY（2015）采用綜合分析的方法研究了學術知識對創新活動的重要性。STEPAN ZEMTSOV（2019）、MAXIM KOTSEMIR（2019）利用DEA評估了區域創新系統的專利結果與資源之間的關系，區分出各個地區的創新效率。吳衛紅[2]等用DEA分析法，以創新驅動知識發展和創新驅動經濟環境發展兩個角度測算了2004—2014年中國創新驅動發展效率水平，并以此提出推動策略。劉和東[3]等基于網絡DEA測度的方法，從研發和商業化效率進行測度，研究“一帶一路”17省市高新技術產業創新效率。易明[4]等從全要素生產率（TFP）角度，以基于非參數的Malmquist為工具，研究了存在于我國高新技術產業創新效率動態中的演變規律。何燕子[5]等運用兩階段DEA模型和Malmquist指數法，實證分析了我國高技術產業不同階段與細分產業的技術創新效率。董艷梅[6]等運用兩階段DEA評價了我國高技術產業創新效率，隨后，王飛航[7]等運用三階段DEA模型對于我國西部創新效率進行了綜合評價分析。李高揚等[8]利用Malmquist指數法以2007—2011年17個國家的創新型城市為樣本，分析各個國家創新型城市的空間差異性，隨著研究深入，更多學者開始從空間角度研究高新技術創新效率。朱麗霞和賀容[9]等基于DEA和Malmquist指數模型對長江中游城市群城市創新效率的時空演化規律進行實證分析，并借助GMM估計方法揭示其驅動因子作用的空間異質性。戚涌[10]等采用靜態與動態方法研究長江經濟帶九省二市高技術產業創新效率，在此基礎上采用Tobit模型研究高技術產業創新效率的影響因素。曹賢忠[11]等運用Malquist-DEA方法，對長三角核心城市的研發資源投入產出效率及空間分異特征進行分析，并運用因子分析定權法驗證了DEA計算結果。

梳理相關文獻發現，對高新技術產業的創新效率、研發效率、全要素生產率、技術效率和科技創新效率等方面，國內外的學者都做出了不同程度的研究，但在研究角度、指標選取及研究方法等方面存在差異。從研究方法來看，國內外學者對高新技術產業創新研究主要分為兩大類，一類為參數估計，一類為非參數估計。如因子分析法，多元回歸分析模型，隨機邊界分析法（SFA），數據包絡模型及其改進（兩階段或多階段）或Malmquist生產力指數法等[13]。從近期文獻看，多是采用綜合分析方法模型。從研究內容看，既有基于省域的研究，也有立足于某個行業的新觀點，也有劃分一些不同價值鏈階段的研究，也包括對一些產生效率差異的影響因素進行研究，鮮見城市群的高新技術產業創新效率的研究。文章以中原城市群為研究區域，采用數據包絡模型（DEA）與Malmquist指數分解測算2014—2018年中原城市群高新技術產業創新效率及增長變化，并構造高新技術創新效率二維矩陣，將中原城市群劃分為3種類型，從時空上揭示中原城市群高新技術產業創新效率發展變化特征，在此基礎上，提出針對性建議，旨在提升中原城市群高新技術產業的創新效率。

1 研究方法、變量選擇及數據來源

1.1 DEA模型

DEA方法（數據包絡分析方法）是一種數量分析方法，以各類投入指標和各類產出指標為基礎，采用線性規劃方法，用于評價同類型單位的相對有效性[14]。基于規模收益不變的前提，運用數據包絡分析法運算出各個決策單元的綜合效率，純技術效率，規模效率數值，一方面，可檢驗決策單元是否有效，另一方面，能夠通過分析判斷造成決策單元無效的原因是規模效率還是純技術效率。

DEA方法可以用來衡量不同的投入產出所帶來的創新效率，并以此來比較分析決策單元是否有效。DEA計算公式

minθ-ε（eTs-+eTs+」=VD（ε）

s.t.

∑nj=1Xj（t）λj+s-=θXj（t）

∑nj=1Yjλj-s+=Y0

∑ni=1λj=1

λj≥0，j∈J，s-≥0，s+≥0

（1）

式中，s-為投入的松弛向量;s+為產出的松弛向量;θ為一個目標值;λ為一個橫向量為1的向量。若θ=1，s+=s-=0時，表示被考察單元屬于有效單元，表示投入X所獲得的產出Y達到了最優值。若θ<1時，則表示被考察單元屬于無效單元[12]。

根據DEA模型的評價原理可知，當決策單元投入量相同時，產出量越大，DEA效率越高;當決策單元產出量相同時，投入量越小，DEA效率越高[13]。研究選取中原城市群30個城市作為決策單元，投入、產出指標數量的乘積為6，指標數量和的3倍為15，可見，決策單元大于指標數量和及其乘積，說明選取中原城市群30個城市作為決策單元進行創新效率研究，具有可行性。

1.2 變量選擇

高新技術產業具有多投入、多產出特點，具有明顯的投入產出比。產業投入主要反映在人力、物力和財力等方面，產出則主要包括經濟效益和知識產出。在測算創新效率的目標下，考慮到數據的連續性、可獲得性以及指標的代表性，參照以往學者的研究文獻選取相關投入與產出指標。其中從業人員數量（X1）、R&D經費（X2）、能源消費總量（X3）為投入指標，專利申請數（Y1）、產業增加值（Y2）為產出指標，具體見表1。

1.3 數據來源

以《中原城市群規劃》確定的30個城市作為研究對象，即河南省鄭州市、開封市、洛陽市、南陽市、安陽市、商丘市、新鄉市、平頂山市、許昌市、焦作市、周口市、信陽市、駐馬店市、鶴壁市、濮陽市、漯河市、三門峽市和濟源市。山西省長治市、晉城市和運城市。河北省的邢臺市和邯鄲市。山東省聊城市、菏澤市以及安徽省淮北市、蚌埠市、宿州市、阜陽市、亳州市。數據來源主要為相關年份的《中國城市統計年鑒》、《中國統計年鑒》及EPS數據庫。

2 創新效率的評價

2.1

2014—2018年中原城市群高新技術產業指標效率分析

2014—2018年中原城市群的綜合效率、純技術效率、規模效率均值評價結果，見表2。

從表2可以看出，總體上2014—2018年中原城市群高新技術創新效率差異明顯，聊城、鄭州分別為1和0.999，其中運城、濟源的綜合效率僅為0.474、0.472。

對于中原城市群的純技術效率，綜合效率，規模效率均值做進一步清晰分析，如圖1所示。

1）中原城市群總體高新技術創新效率不高。中原城市群綜合效率平均為0.66，相對水平不高，其中只有聊城實現了最佳技術效率，其余29個城市都未能實現最佳效率，其中濟源和運城的綜合效率僅為0.472、0.474。說明其投入冗余或者產出不足，即投入產出數量的比例不合理，資源未得到合理配置，需要加強科技成果轉化，提升資源的投入產出比，同時還要重視對科技創新人才的培養和引入。

2）各城市純技術效率差別幅度較大。中原城市群中鄭州、周口、鶴壁、漯河、聊城、菏澤的純技術效率值為1，達到了最優狀態，說明這些城市的企業發展進入到了一個穩定的發展期，資源配置與技術配置都達到了一個最優狀態，發展穩定高效。一方面，政府出臺了有利的政策，為城市發展提供了好的技術創新氛圍，另一方面，企業在創新方面也投入了人力和物力。純技術效率較低的有安陽、平頂山、運城、宿州，這4個城市的純技術效率較低。可能的原因是技術研發投入不足，這主要受當地經濟結構不合理，科研機構少以及科技人才數量不足的影響，所以需要探索新的發展路徑。

3）中原城市群規模效率整體較高。從規模效率角度來講，中原城市群中大多城市的規模效率都在0.9以上，說明資源得到了較好利用，但是有少數城市，比如漯河、邯鄲、濟源、亳州的規模效率較低，一方面，規模效率是制約中原城市群高新技術創新的重要因素，另一方面，也表明中原城市群整體經濟發展處于中等水平，雖然大部分城市制定了科研管理制度，提升了財政對科技研發投入，但效果并不理想，說明這些城市的規模效率還有很大提升空間。

2.2

基于Malmquist的中原城市群高新技術產業創新效率的分析

為了更進一步分析中原城市群的高新技術產業創新效率，研究基于中原城市群的30個城市2014—2018年的面板數據，結合Malmquist指數模型，測算各個效率的值，彌補靜態DEA模型對于面板數據的缺陷，結果見表3與表4。

從表3可知，2014—2018年中原城市群高新技術全要素生產效率的平均值1.104，這表示全要素生產效率（TFP）年均增長10.4%。其中有很大一部分（6.4%）取決于技術效率變化，其次是綜合效率變化（3.7%）和純技術效率（2.7%）的改善，最后是規模效率的變化（1%）。在開放經濟中，技術進步的途徑主要有技術創新、技術擴散、技術轉移與引進，中原城市群技術進步主要在于自身技術進步所帶來的創新效率的提高，但吸收引進外部技術的能力相對較弱。

從時間趨勢來看，2014—2015年中原城市群的全要素生產效率的變化主要依賴于技術進步的變化，2015—2016年技術進步的變化仍然大于其他的效率變化，說明這兩年的技術在穩步提升，然而到了2016—2017年，全要素生產效率的變化的主要依賴于純技術效率的變化，2017—2018年全要素生產效率的變化又主要受到了技術進步的影響，2014—2017年綜合效率，技術效率，純技術效率都在穩步提升，到了2017—2018年，這3種效率都有一定程度的下降，2014—2018年規模效率一直在穩步提升。

從全要素生產效率變化看，全要素生產效率處于較高的城市有鄭州、南陽、許昌、焦作、駐馬店、聊城、菏澤、淮北、宿州、阜陽、亳州等11個城市，其全要素生產效率都大于10%，全要素生產效率處于中等水平的城市有開封、安陽、新鄉、周口、信陽、鶴壁、漯河、濮陽、濟源、長治、晉城、邯鄲、蚌埠等13個城市，其全要素生產效率的值在5%～10%之間，全要素生產效率較低的有商丘、運城、邢臺、三門峽、平頂山等5個城市，全要素生產效率值都低于5%，鶴壁的全要素生產效率出現負值。從城市地域分布看，一是全要素生產效率較高的城市大多屬于河南省，其中鄭州、南陽、許昌、焦作、駐馬店等城市的全要素生產效率名列前茅，這些城市的全要素生產效率的提高主要得益于國家政策支持，中原城市群是以鄭州為核心，向其他城市聯動發展的，加大了創新的力度，增強了自主創新的能力。二是全要素生產效率處于中等水平的城市，一般都屬于山東省和安徽省，近些年安徽在發明專利方面表現相當亮眼，山東省工業發達，其中工業總產值和工業增加值都位列前茅，因此這些地區在高新技術產業中具有較強的競爭力。三是全要素生產效率較低的運城、邢臺、三門峽等城市，這些城市的整體的全要素生產效率不高，說明高新技術產業的投入產出不合理，資源沒有得到很好的利用，需要調節投入產出比。

從原因解析看，阜陽和亳州是由綜合技術效率變化和技術變化推動TFP增長，開封、洛陽、南陽、安陽、新鄉、平頂山、許昌、焦作、濮陽、漯河、濟源、長治、晉城、運城等是綜合技術效率變化拉動，鄭州、周口、駐馬店、邢臺、邯鄲、聊城、菏澤、淮北等是隨技術進步而發展，商丘、三門峽、信陽、蚌埠、宿州等的創新TFP的提升則受到綜合技術效率變化、純技術效率和規模效率變化的制約。而在技術效率變化惡化的影響下，鶴壁的創新TFP呈現出負增長。從具體數值看，邢臺、邯鄲2個城市的綜合技術效率變化值小于1，洛陽、平頂山、焦作、鶴壁、濮陽5個城市技術進步值小于1，洛陽、新鄉、平頂山、信陽、邯鄲5個城市的規模效率增長率為負，這說明不同城市的創新效率增長源泉是不一樣的，對全要素生產率的作用具有顯著性差異，但總體來說大多數城市的原始技術創新和進步對提升效率有重要意義。

2.3

中原城市群高新技術產業創新效率類型劃分

為了進一步揭示中原城市群高新技術創新效率的空間變化特征，研究以2014—2018年中原城市群高新技術產業創新效率的綜合效率為橫軸，全要素生產效率為縱軸，構建中原城市群高新產業創新效率二維評價矩陣，如圖2所示。

圖2表明，中原城市群高新技術產業創新效率主要為3種類型。第一類為高綜合效率、低全要素生產率型。許昌、漯河、新鄉、邢臺等8個城市屬于該類型，這些城市雖然擁有較高的競爭優勢，但其技術進步水平普遍較低，因此仍然需要尋求發展。第二類為低綜合效率、高全要素生產率型，阜陽屬于這類型。阜陽在創新研發上投入了大量資源，政府資金支持也在增加，從事R&D經費也有顯著增長，這些措施都導致阜陽技術進步速度較快，未來發展方向比較明確，但資源使用效率、配置水平還待提高。第三類為低綜合效率、低全要素生產率型。安陽、蚌埠、濟源、晉城等都屬于該類型，創新效率水平和進步速度都比較低，整體水平不高。這些城市的政府部門應采取措施，提高資源配置或管理水平。

4 結語

1）中原城市群高新技術產業平均創新效率呈現上升發展，但整體創新效率水平不高，處于一般水平，且城市間的差距顯著，大部分城市創新效率值較低。

2）中原城市群高新技術產業創新全要素生產率以年均10.4%的態勢穩定增長，得益于技術進步的影響，產業創新效率出現了較大的提高。由于創新TFP增長在不同城市間存在較大差異且源泉不同。創新TFP增長較高的城市大多依賴于核心城市的帶動作用，其全要素生產率增長主要依靠兩種方式，一種是原始技術進步，另一種是綜合技術效率變化。

3）基于創新效率值和全要素生產率的指標可以將中原城市群高新技術產業創新主要分為3種類型，即高綜合效率、低增長率，低綜合效率、高增長率和低綜合效率、低增長率。大多數城市的特點是綜合效率高，增長率低，這類城市應作為提高創新效率和技術進步的重點關注對象。

4）政府層面。一是改革現有體制和政策，剔除或改進現有制度中僵化、冗雜、阻礙創新思想和實踐的政策，代之以靈活、精簡、刺激創新的政策，如精簡專利申請流程，優化專利申請辦事機構，成立專業的專利申請審查工作組，對創新活動及時作出評估和反饋;二是增加針對創新項目的財政預算和撥款，為創新活動順利開展提供物質上保證。同時在稅收等方面對創新活動和創新項目給予一定優惠，并對已做出創新成果或希望做出創新貢獻的企業和團體給予資金和物質上獎勵，以進一步激發他們創新熱情和積極性;三是政府帶頭積極與國外高新技術產業創新部門和企業聯系，通過派出學習交流團隊方式，引進國外先進科技，并結合各城市實際情況，為其提供新的創新思想和方向，推動創新水平和創新效率進一步提高。

5）企業層面。一是改革現有企業制度，改革企業中現存阻礙企業創新的制度，如因過度追求企業短期利益而設立的嚴格而缺乏靈活性的企業目標和績效評價體系，代之以更加靈活的指標體系，讓企業成員以及各部門有機會做出創新嘗試;二是重塑企業文化，企業文化已經成為當今企業管理中重要的，甚至主要的工具，在具有創新精神的企業文化中，企業成員會以創新為己任，積極面對創新，同時企業管理者也會更加傾向于選擇為企業帶來重大創新和變革的改革計劃和方案，最終全面提高企業創新效率;三是加大創新項目資金支出。一項創新活動，要順利展開并取得成果，需要大量資金支持。企業要逐步加大創新資金支出在企業總支出中所占比重，從物質基礎上穩固企業創新活動。同時也要對勇于創新的企業成員給予物質和精神上的獎勵和支持，進一步激發他們的創新潛能，推動企業創新水平進一步提升;四是改革企業結構。為加強企業創新能力，必須剔除其重復、無用的企業層級和部門，尤其是要優化從創新到實踐這個過程中的部門，使企業創新思想和創新方案能迅速得到實現，提高企業創新效率。另外，要設立信息收集反饋部門，信息是企業創新的重要源泉，信息部門不僅要收集外部顧客反饋的產品與服務信息，也要收集企業內部的生產經營信息，以此發現企業中存在的不協調，并借此組織企業創新;五強化企業與企業，企業與政府之間的聯系，促進其交流合作，可以借鑒其他企業優勢，彌補自身不足，使自身創新行為更為完善，更為貼合實際，創新效率也就更高。加強企業與政府之間的聯系，積極響應政府創新號召，充分利用創新優惠政策，使自身創新活動更為順暢，創新效率更高。

6）社會層面。一是各高校要積極與當地企業和相應的政府部門對接，通過人才與知識共享平臺，使具有豐富知識的高新技術人才能在企業與政府中充分發揮自身能力和水平，成為企業和城市創新先鋒隊，用他們的新思想、新知識取代陳舊的、過時的理論，引領企業和城市創新改革，推動整體創新效率提升;二是促進城市間的高新技術產業的技術合作和交流。由于技術創新發展具有明顯的協同效應作用，并且在先進技術與理念的傳播方面尤為突出，所以可通過加速推進個城市間的分工合作，促進城市和行業競爭力的提升;三是提升消費者對新知識、新產品的需求意識。需求是創新的一大動力，要滿足新需求必須進行創新活動。因此，引導消費者要勇于接受新知識，接納新產品，產生新需要，只有這樣，創新才不是天馬行空般的幻想，才能與實踐需求相結合，通過創新滿足市場新需求，這才是有效率、有效果的創新。

參考文獻：

[1] 楊曄.區域技術創新對經濟增長的影響研究——基于金融環境的視角[J].技術與創新管理，2020，41（04）：344-351.

[2]吳衛紅，李娜娜，張愛美等.我國省域創新驅動發展效率評價及提升路徑實證研究[J].科技管理研究，2017，37（05）：63-69.

[3]劉和東，陳雷.“一帶一路”省市高新技術產業創新效率研究——基于網絡DEA的測度方法[J].技術與創新管理，2019，40（04）：399-404.

[4]易明，彭甲超，俞艷霞.我國高新技術產業技術創新效率評價及提升對策研究[J].宏觀經濟研究，2017（11）：60-68.

[5]何燕子，岳喜優.基于兩階段DEA的高技術產業技術創新效率評價研究[J].渤海大學學報（哲學社會科學版），2019，41（03）：88-93.

[6]董艷梅，朱英明.中國高技術產業創新效率評價——基于兩階段動態網絡DEA模型[J].科技進步與對策，2015，32（24）：106-113.

[7]王飛航，李友順.基于三階段數據包絡分析模型的我國西部地區國家級高新區創新效率評價[J].科技管理研究，2019，39（01）：55-60.

[8]李高揚，劉明廣.基于Malmquist指數的國家創新型城市績效實證評價[J].技術與創新管理，2013，34（06）：517-520.

[9]朱麗霞，賀容，鄭文升等.長江中游城市群城市創新效率的時空格局及其驅動因素[J].長江流域資源與環境，2019，28（10）：2279-2288.

[10]戚湧，劉軍.長江經濟帶高技術產業創新效率評價及實證研究[J].科技管理研究，2017，37（17）：60-69.

[11]曹賢忠，曾剛，鄒琳.長三角城市群R&D資源投入產出效率分析及空間分異[J].經濟地理，2015，35（01）：104-111.

[12]劉琪.山西省高新技術產業創新效率分析[J].中北大學學報（社會科學版），2019，35（01）：86-90.

[13]王兆君，任興旺，車軒.知識經濟背景下我國各省市創新效率實證研究[J].經濟問題探索，2019（01）：47-54.

[14]馮莎.我國高技術產業創新效率評價研究[J].調研世界，2019（09）：37-42.

[15]HAN J.An empirical analysis on Chinas high-technology industry innovation efficiency Based on SFA[J].Studies in Science of Science，2010（03）：467-472.

[16]THOMAS V J，SHARMA S，JAIN S K.Using patents and publications to assess R&D efficiency in the states of the USA[J].World Patent Information，2011，33（01）：4-10.

[17]BELLUCCI A，PENNACCHIO L.University knowledge and firm innovation：evidence from European countries[J].The Journal of? Technology Transfer，2015，40（02）：1-23.

[18]ZEMTSOV S，KOTSEMIR M.An assessment of regional innovation system efficiency in Russia：the application of the DEA approach[J].Scientometrics，2019，120（02）：1-30.

[19]黃海濤，夏赟.工業企業技術創新效率測度與影響因素分析——基于新疆14個地州市的SU-DEA-Tobit模型分析[J].新疆農墾經濟，2019（12）：83-91.

[20]李紹亭，周玉璽.山東省農業全要素生產率時空演變分析[J].新疆農墾經濟，2019（03）：33-39.

[21]陸濤，羅鄂湘.區域異質性視角下高技術產業人才聚集與技術創新的實證研究[J].技術與創新管理，2019，40（05）：538-545.

（責任編輯：王 強）

收稿日期：

2020-08-12

基金項目：

2020年西安市社會科學規劃基金（FX81）;西安科技大學博士啟動項目（2019QDJ026）

作者簡介：

關 麗（1996—），女，甘肅白銀人，碩士研究生，主要從事技術經濟評價與管理方向的研究。