中国高新技术产业技术创新效率的区域差异分析——基于三阶段DEA模型与Bootstrap方法

刘 伟，李星星

(1.东北财经大学 管理科学与工程学院，辽宁 大连 116025;2.东北财经大学 数学与数量经济学院，辽宁 大连 116025)

一、引 言

目前，高新技术产业已经成为中国国民经济中增长最为迅速的产业，形成了珠三角、长三角和环渤海三大高新技术产业发展密集区。但是，与经济增长的粗放式类似，中国高新技术产业的技术创新同样具有粗放性，主要是依靠高投入来支撑的，而并非效率的提升。如何对中国高新技术产业技术创新效率进行合理评价，分析效率的影响因素及作用机制，找到促进高新技术产业技术创新效率提高的现实途径，具有重要意义。

有关技术创新效率的内涵学术界还没有权威的界定，本文将技术创新效率定义为一种创新过程的技术效率，测度创新投入与创新产出之间的转换关系。国内学者对高新技术产业技术创新的研究主要从创新能力和创新效率两个角度来进行的。在创新能力方面，蒋殿春和夏良科［1］测算了外商直接投资对中国高新技术产业的作用，考虑到不同所有制企业创新能力的不同，验证了外资的影响因企业性质的不同而不同。蒋殿春和张宇［2］通过对中国高新技术产业面板数据的分析，探讨了技术外溢效应的存在性以及行业特征对其的影响。张倩肖和冯根福［3］认为外资企业的R＆D溢出对提高中国本土企业技术创新能力有重要作用。在创新效率方面，朱有为和徐康宁［4］采用SFA方法分析了中国高新技术产业的研发效率，指出中国高新技术产业的研发效率整体较低，但呈现逐步上升的趋势。余泳泽和武鹏［5］等也采用SFA方法进行了类似的研究。吴和成［6］运用DEA和超效率DEA模型对中国五个高技术产业的R＆D效率进行分析，获得了中国“十五”期间高新技术产业R＆D效率的基本情况。官建成和陈凯华［7］通过将DEA方法的松弛测度模型和临界效率模型结合测度了中国高新技术产业创新活动的技术效率、纯技术效率和规模效率。

现有的研究成果缺乏对中国省际高新技术产业技术创新效率的系统研究，研究模型的选择较为单一，变量指标的选取不尽合理，影响了研究结论的稳健性。本文使用三阶段DEA模型与Bootstrap方法，对中国省际高新技术产业的技术创新效率进行了测算，并给出了效率估计值的置信区间。同时，分析了各省市高新技术产业技术创新效率的主要影响因素，并提出了相应的政策建议。

二、研究方法和模型

(一)三阶段DEA模型

Fried等［8］在DEA模型的基础上提出了能够消除环境因素和随机误差影响的三阶段DEA模型。第一阶段的DEA模型使用BCC修正模型，BCC模型将未处于最佳生产规模和技术上的无效率分解开来，使得纯技术效率比CCR模式下得到的技术效率更加精确地反映决策单元的管理水平。但是，BCC模型没有考虑环境因素和随机误差对效率测度结果的影响，无法区分效率损失是由内部管理原因引起的，还是由环境因素和随机误差引起的。第二阶段的SFA模型通过对投入变量的松弛值进行分析，剥离出管理无效率、环境因素以及随机误差等对效率产生的影响，使每个决策单元都面对同样的环境。第三阶段调整的DEA模型将第二阶段调整后的各投入变量值代入BCC模型中，代替原始投入变量，重新测算效率值，就可以得到去掉环境因素与随机误差影响的真实效率值。

(二)Bootstrap方法

DEA模型是通过构建生产前沿面来测度各决策单元的效率值，把生产前沿面上的决策单元看作处于完全效率状态，而事实上它们并非具有完全效率。从这个角度来看，DEA模型测度的效率值为相对效率，而并非是绝对意义上的“效率”概念。另外，从纯粹的统计学意义上讲，Kniep等［9］指出DEA模型的效率估计值的渐近分布一般难以确定。Bootstrap方法可以推断DEA模型估计值的经验分布，进而修正效率估计值的偏差并给出其置信区间。其基本思想是:不对未知总体作任何假定，仅在原始数据的基础上，通过重复抽样来模拟数据的生成过程，从而得到原始估计量的近似样本分布，进一步对总体的特征进行统计推断。本文的研究采用R语言编程来实现Bootstrap方法。

三、变量和数据

(一)创新投入与产出变量

发明专利是高新技术产业R＆D活动的直接成果，也是国际上通用的衡量技术创新的产出指标，本文用申请授权的发明专利数作为创新活动的产出指标。新产品销售收入从商业上直观体现了技术创新成果的价值，也是体现市场接受能力最好的指标，因此，也将其作为技术创新的产出指标。在技术创新的投入要素上，研发经费和研发人员是R＆D活动实现的关键因素，应作为创新投入指标。新产品开发经费和技术改造经费因对创新产出有着直接的影响，也应作为创新活动的投入指标。研发经费存量计算方法借鉴Griliches［10］和Coe与Helpman［11］等的做法。新产品开发经费和技术改造经费的处理方法，与R＆D经费相同。

(二)环境变量

1.市场结构

国内外学者关于市场结构对技术创新效率的影响意见不一，如Schumpeter［12］认为垄断与研发有着密切的联系，高市场集中度的产业更有助于激励企业的R＆D努力。而Arrow［13］则认为竞争性环境会给企业R＆D带来更大的激励。多数的研究认为垄断性市场结构不利于研发效率的提高。对于市场结构变量，本文采用冯根福等［14］和朱有为与徐康宁［4］的设计，用各行业企业数来表示。

2.企业规模

企业规模和创新效率的关系也存在较多争论。Chen等［15］认为技术创新效率改善需要一定的规模经济性。Pavitt等［16］认为较小和较大企业的创新效率比中等企业更高，也即创新效率和企业规模之间呈现U型关系。对于企业规模变量，本文采用各行业企业的平均产值来表征，其值等于各行业总产值除以企业数。

3.所有制结构

在所有制结构与技术创新效率的关系方面，研究者们的观点较为一致，大都认为非国有企业的创新效率高于国有企业，外资企业的创新效率高于内资企业。本文采用外资企业比重和国有企业比重指标，通过两类企业的总产值除以行业总产值得到。

4.政府支持

政府支持是增加了企业总的R＆D投入还是对企业R＆D投入产生了挤出效应存在不确定性，因此政府支持对高新技术产业创新效率的作用需要进一步检验。本文采用R＆D经费内部支出中政府资金比例，并考虑滞后一期，来衡量政府支持对高新技术产业技术创新效率的影响。本文中使用的变量及其描述如表1所示。

表1 变量定义

(三)测度样本和数据

本文选取《中国高技术产业统计年鉴》中30个省市 (西藏数据不完整，将其剔除)的面板数据进行实证研究。另外，沿袭中国传统的东、中、西部划分方法，将30个省市进行区域划分。①东部:北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南等11个省市;中部:山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南等9个省市;西部:广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆等10个省市。

由于从研发投入到新专利和新产品的诞生以及商业化通常都需要一定周期，即存在投入产出的时滞，同时各种创新活动周期存在较大差异性，使得投入产出很难对应，没有形成统一标准。多数高新技术产业技术创新周期存在较大差异，从通信电子和信息产业的几个月到医药和航天制造的几年不等。本文为了统一口径，都统一为1年，创新投入数据为2009年，创新产出数据为2010年。

四、实证结果分析

(一)省际高新技术产业技术创新效率测算结果分析

1.第一阶段的DEA模型实证结果

如表2所示，从整体来看，中国高新技术产业的技术创新效率还比较低，且各省市的差异较大。在不考虑环境因素影响的情况下，高新技术产业技术创新效率的平均值为0.563。其中，纯技术效率的平均值为0.671，规模效率的平均值为0.868。因此，中国高新技术产业技术创新的低效率主要归因于纯技术效率的低下。从各省市来看，北京、天津和安徽的高新技术产业技术创新效率值为1.00，位于效率前沿面之上，原因在于这些省市的高新技术产业发展较为成熟，技术相对发达，管理水平高;而东北三省、江西、湖北、广西以及陕西等省份的效率值在全国的排位较为靠后，均在0.200—0.400之间;青海是效率最低的省份，效率值仅为0.005，原因在于青海的高新技术产业创新投入量很小，从而造成技术创新的规模效率低下，处于规模效率递增的阶段。

表2 三阶段DEA模型估计结果

中国东、中、西部各个区域的经济发展水平、产业结构和布局、要素禀赋、人力资本、开放程度等客观条件存在较大差异，导致了地区之间的高新技术产业技术创新效率存在较大差异。如表2所示，东部的效率均值 (0.636)明显高于中部 (0.498)和西部 (0.538)。东部是开放度最高、经济最发达、产业发展最成熟的地区，带动了整个东部地区高新技术产业的发展，技术创新效率与高新技术产业发展水平存在较强的相关性。而东部的纯技术效率 (0.707)和规模效率 (0.904)要分别低于西部 (0.747)和中部 (0.957)，从规模报酬角度来看，东部很多省市都呈现出规模报酬递减的现象，中西部省市则大都为规模报酬递增的。中部与西部对比来看，中部的技术创新效率略低于西部地区，而其规模效率却远高于西部，技术创新效率略低应归结于纯技术效率的低下。究其原因:一方面中、西部的高新技术产业技术创新大都处于规模报酬递增阶段，而中部地区的创新投入规模要大于西部，中部地区呈现出了较高的规模效率;另一方面实施西部开发战略以来，各省市积极引进国内外先进技术，优化了高新技术产业发展的环境和管理水平，提升了高新技术产业的技术创新效率。

2.第二阶段的SFA模型实证结果

如表3所示，各自变量对投入松弛值的系数大部分通过了显著性检验，说明环境因素对高新技术产业技术创新投入冗余存在显著影响。

表3 SFA估计结果

所有制结构对四种创新投入松弛变量具有显著影响，只有外企比重对研发经费松弛量的系数不显著。国企比重对所有创新投入指标的松弛量的影响为正，而外企比重对所有创新投入指标的松弛量的影响为负。这表明高新技术产业中国有化比重的减少和外企比重的增加，有利于减少研发投入资源的冗余。市场化程度的提高和所有制结构的多元化，促进了企业治理结构和激励机制的变革，提高了创新资源的利用效率，成为高新技术产业技术创新效率改善的重要制度基础。

市场结构除了对研发经费松弛量的影响不显著外，对其他三种创新投入松弛量均具有显著的正向影响，表明高市场集中度更有利于高新技术产业技术创新效率的提高。这一结论与传统产业组织学的观点和熊彼特关于创新的第二种论述是一致的。高的市场集中度更加有利于创新资源的集中，发挥规模经济效应，更容易完成重大技术创新难题的攻关。同时，技术创新扩散更慢，专利保护相对容易。

政府支持对四种创新投入松弛量均具有显著的正向影响，表明政府支持没有有效改善创新资源的配置。原因可能在于:一方面政府对高新技术产业创新的支持更多体现在资金方面，政府部门作为支持资金的单一分配者，易受寻租活动和行政隶属关系的影响，从而使得支持的力量无法作用于有效的方向，同时政府缺乏有效监管手段，导致创新资源存在浪费现象。另一方面是政府的其他创新扶持政策缺乏可操作性，难于落到实处，影响了技术创新效率的提高。

企业规模变量的平方项对四种投入松弛量均具有正向影响，但是仅对研发经费和研发人员两个投入松弛量的影响显著为正。说明并非企业平均规模越大，其创新效率就会越高，与Pavitt等［16］的结论相反，企业规模与创新效率呈现非线性的倒“U”型关系。一方面，大规模企业往往会因为多层次的管理链而导致信息不对称，从而使得管理效率低下，造成资源配置不合理，影响技术创新效率。另一方面，企业要想进行研发就必须有一定的规模做支撑，小企业在研发创新过程中常常面临资金瓶颈，迫于竞争压力，很难实现较高的研发投入，创新效率的提高难度大。因此，中国高新技术产业中适度规模企业的技术创新效率会更高。

3.“过渡”阶段及第三阶段调整的DEA模型实证结果

如表2所示，在只调整了研发投入以后，大部分省市相对于第一阶段DEA的效率值发生了变化，且其变化值占一、三阶段总的效率变化幅度的绝大部分。特别的，辽宁、山东、江苏、上海、福建、吉林、山西、湖南、内蒙古、贵州、宁夏和新疆等12个省市从第一阶段DEA到“过渡”阶段DEA的效率值变化幅度即为一、三阶段技术创新效率总的变化幅度，表明环境因素主要通过对研发投入的调整而引起创新效率的变化，而对新产品开发经费投入和技术改造经费投入的调整作用不大。与之相反，河北、广东、海南、黑龙江、江西、重庆、云南和甘肃等8个省市的创新效率在第一阶段DEA到“过渡”阶段DEA的变化幅度要明显小于其第一到第三阶段的整体变化幅度，表明环境因素对技术改造经费投入和新产品开发经费投入更具有影响力。由此可见，中国高新技术产业技术创新效率提升的措施，应当因地制宜，根据不同省市的具体情况有针对性地增加相关创新投入要素才能实现最佳效果。

整体考察环境因素对创新投入的调整过程，北京、天津和安徽3个省市一直位于效率前沿面上;除了内蒙古、青海、宁夏和新疆等4个西部省份在调整投入的过程中技术创新效率呈现下降趋势外，其他省市的创新效率均为上升状态。说明对于相同环境条件下的技术创新过程，内蒙古、青海、宁夏和新疆等4个省份的高新技术产业的经营管理水平与其他省市有相当大的差距，故而使得“纯粹”反映管理水平的技术创新效率下降更大，而效率下降的主要原因是规模效率的下降。如表2所示，对比第一阶段与第三阶段的估计值，如果不消除环境因素影响，在三大区域的效率构成中，规模效率表现“突出”;而当调整了环境因素影响以后，规模效率的比重有所降低，而纯技术效率表现“增强”，特别是西部地区的纯技术效率 (0.783)在第三阶段超过了规模效率 (0.693)。总的来说，中国三大区域的高新技术产业技术创新效率始终表现出“东高西低”的特征。通过环境因素对创新投入指标的调整，各区域高新技术产业的技术创新效率估计值不仅整体有所下降，而且其构成结构也在各阶段表现出不同的特征。在第一阶段，各区域技术创新效率的构成普遍表现为较大的规模效率与相对较小纯技术效率，两个指标之间差距较大，东、中部地区尤其明显，而西部地区两个指标相对均衡。过渡阶段与第三阶段各区域技术创新效率的构成相似，纯技术效率与规模效率之间的差距减小，西部地区尤其突出，东部地区次之，中部地区两个指标差异较大。

如表4所示，经过Bootstrap方法纠偏的技术创新效率值要明显低于未纠偏的效率值，原因在于Bootstrap方法考虑到了生产前沿面的非效率因素，由相对效率转为绝对效率。例如，位于前沿面的北京、天津和安徽3个省市的创新效率值均由1.000分别降低到了0.895、0.913和0.682，而创新效率值下降幅度较大的省份有广东和安徽，下降幅度超过了0.300，山东、上海、福建和山西等4个省市的下降幅度超过了0.200。从Bootstrap方法调整后的效率值来看，天津最高，为0.913，这是因为，近几年来许多世界500强企业纷纷落户天津高新技术产业园区，设立科研机构，带动了天津市高新技术产业的协同发展。北京的效率排名第二位，为0.895，因为北京智力资源丰富，科研能力较强;高新技术企业数量最多、科技人才素质高、研发实力强，许多跨国公司也纷纷设立研发中心，从规模和管理水平上都为北京的高新技术产业技术创新提供了强大的基础和支撑。需要引起注意的是，除了西部地区很多省市的创新效率较低以外，辽宁、海南、黑龙江和吉林的创新效率也很低。与中东部地区相比，东北三省的高新技术产业不仅落后，而且增长速度缓慢，差距逐步加大，技术创新的能力不强，创新效率低下。海南的高新技术产业技术创新效率较低主要是因为其建立的时间相对较晚，高新技术产业并不发达，产业发展的规模过小，技术相对落后。

从三大区域的角度考察，以Bootstrap方法纠偏后的绝对效率值为标准，东部地区高新技术产业技术创新的绝对效率平均值为0.478，依然高于中、西部地区 (分别为0.361和0.376)。与剔除了环境因素影响的第三阶段相对效率结果不同，西部地区的绝对效率平均值 (0.376)超过了中部地区(0.361)。由于考虑了生产前沿面的非效率因素后致使中部省市的创新效率下降幅度大于西部省市。总体来看，中国各个区域的高新产业技术创新效率都比较低，影响了整个高新技术产业创新能力的提高，采取有效措施，技术创新效率的提升还有较大空间。

表4 各区域Bootstrap纠偏的技术创新效率值

按照效率测算的四个阶段，中国三大区域及全国平均的高新技术产业技术创新效率的变化路径如图1所示。东部地区平均效率变化路径为0.636→0.640→0.643→0.478，表明研发投入的调整对创新效率的影响要略高于技术改造投入和新产品开发投入对其的影响;Bootstrap纠偏的效率的变化比环境变量对全部投入要素调整产生的影响要大，说明生产前沿面的非效率因素确实存在;当把东部地区的环境调整到与其他地区相同时，东部地区的相对效率出现上升趋势，说明了东部地区仅反映管理水平的创新效率是更高的。东部地区技术创新效率变化最大的省市为山东、上海和广东，说明环境因素对创新效率的影响较为显著。中部地区的创新效率变化路径与东部地区相似，变化幅度均不大。西部地区创新效率的变化路径较为陡峭，为0.538→0.496→0.497→0.376，特别是从第一阶段到“过渡”阶段的变化最大，表明西部地区研发投入的调整对创新效率的影响明显，西部地区的研发投入冗余相对较多;而当调整技术改造投入和新产品开发投入时，技术创新效率明显提高，说明西部地区技术改造投入和新产品开发投入较为不足，增加这两种投入可以很大程度提高创新效率。在三阶段DEA中，新疆的创新效率变化幅度是最大的，其次是宁夏。当把这两个省市的环境调整到与其他省市相同时，新疆和宁夏的相对技术创新效率有了较大幅度的下降，说明新疆和宁夏两个省区的高新技术产业的管理水平要低于其他省份。山西、上海、安徽、福建、山东和广东省的Bootstrap偏差分别达到0.208、0.202、0.318、0.211、0.204和0.376，说明还有其他影响这些省市高新技术产业技术创新效率的重要环境因素有待进一步考察。

图1 三大区域创新效率变化路径

图2 创新效率的聚类分析结果

(二)省际高新技术产业技术创新效率的聚类分析

为了进一步研究中国高新技术产业技术创新效率的省际差异，本文将剥离了环境因素影响后的高新技术产业技术创新效率构成中的纯技术效率与规模效率值进行聚类分析，以考察各省市高新技术产业的技术创新模式。以0.900的效率值为临界点对以上两种效率进行划分，可将中国高新技术产业技术创新效率划分为四种类型，如图2所示。

第一种类型为“双高型”，即纯技术效率和规模效率均达到0.900以上的省市，包括北京、天津、安徽和广东等4个省市，其创新效率所需改进相对较少。第二种类型表现为纯技术效率较高而规模效率较低，主要有青海、宁夏、内蒙古、新疆和甘肃等5个省区，其纯技术效率高于0.900而规模效率在0.900之下，特别是青海省，其规模效率仅为0.002，这些省区的重点改进方向为规模效率，应加大对技术创新的投入，扩大产业规模，实现资源的集中配置。第三种类型表现为纯技术效率较低而规模效率较高，包括重庆、贵州、河南、湖南、福建、浙江、四川、河北、辽宁、江西、湖北、陕西和黑龙江等13个省市，这些省市的改革重点在于纯技术效率，即应当注重管理水平，合理配置资源，减少投入浪费。第四种类型为纯技术效率和规模效率都比较低的“双低型”，有江苏、海南、云南、山西、山东、上海、广西和吉林等8个省市，其纯技术效率和规模效率均在0.900以下，与“双高型”的省市相比，高新技术产业的管理水平相对落后，产业规模小，创新投入少，技术创新效率有较大的改善空间，在发展中应当同时兼顾技术研发规模的扩大和管理水平的提高。比较奇怪的是江苏和上海也为“双低型”，原因可能在于数据统计的偏差。

五、研究结论与政策建议

(一)研究结论

第一，中国高新技术产业的技术创新效率比较低，主要归因于纯技术效率的低下。各省市高新技术产业的技术创新效率差异较大，从三大区域来看，东部的创新效率最高，其次是西部，中部最低，各区域的创新效率构成普遍表现为较大的规模效率与相对较小的纯技术效率，东、中部尤其明显。第二，环境因素对高新技术产业技术创新效率影响显著。政府支持不利于改善创新资源的有效配置。国有化比重的下降和外资企业比重的提高，有利于减少创新资源的浪费，促使技术创新效率的提高。较高市场集中度和适中的企业规模，有助于减少创新资源的冗余，使技术创新具有规模经济性，技术创新效率也越高。第三，在剔除环境因素影响后，仅对调整研发投入的“过渡”阶段的创新效率值来看，多数省市的效率发生变化，而对技术改造投入和新产品开发投入的调整作用不大。第四，经过Bootstrap纠偏的高新技术产业技术创新效率值出现明显的下降，只是各省市的下降幅度存在差异。从三大区域来看，创新效率发生了一定的变化，顺序为东部、西部和中部。

(二)政策建议

第一，各省市应该结合自身效率损失的原因采取不同的措施，那些纯技术效率较低的省市需要加强管理创新及制度变革，引进新的管理理念与方法，建立新的制度体系。那些规模效率较低的省市需要不断扩大高新技术产业规模，提升规模效益。第二，各地区应实施高新技术产业多元化的产权制度改革，激发高新技术企业治理结构和激励机制的变革，使创新资源配置出现效率导向。重点培育少数大型高新技术企业，发挥大企业创新的规模经济性以及重大关键技术创新的引领作用和示范作用。同时，应积极扶植中小企业发展，增强其参与创新的动力，引导不同类型企业之间的研发合作和竞争，形成合理的市场竞争环境。第三，政府部门应该继续加大对高新技术产业的支持力度，对高新技术产业发展落后地区给予相应的政策倾斜，发挥政府政策的导向和协调作用，引导创新资源的合理适度流动，实现创新资源优势互补，逐渐缩小地区之间的差距，发挥协同创新能力。同时，更应该给与技术创新更多的支持政策，如税收优惠、专利权保护等，增强企业自主创新积极性，促进技术创新效率的提升。

［1］蒋殿春，夏良科.外商直接投资对中国高新技术产业技术创新作用的经验分析［J］.世界经济，2005，(8).

［2］蒋殿春，张宇.行业特征与外商直接投资的技术溢出效应:基于高新技术产业的经验分析［J］.世界经济，2006，(10).

［3］张倩肖，冯根福.三种R＆D溢出与本地企业技术创新［J］.中国工业经济，2007，(11).

［4］朱有为，徐康宁.中国高技术产业研发效率的实证研究［J］.中国工业经济，2006，(11).

［5］余泳泽，武鹏.我国高技术产业研发效率空间相关性及其影响因素分析［J］.产业经济评论，2010，(9).

［6］吴和成.高技术产业R＆D效率分析［J］.研究与发展管理，2008，(10).

［7］官建成，陈凯华.我国高技术产业技术创新效率的测度［J］.数量经济技术经济研究，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］冯根福，刘军虎，徐志霖.中国工业部门研发效率及其影响因素实证分析［J］.中国工业经济，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.