区域大中型工业企业技术创新效率评价

严慧斌+崔跃武+汪克亮

摘 要：在规模报酬可变假设下，利用非参数DEA方法对2006-2010年全国30个省区的大中型工业企业的技术创新效率进行测度，再运用Malmquist指数法分析各省区大中型工业企业技术创新效率的动态演变特征，在此基础上考察我国大中型工业企业技术创新效率区域差异的形成机理。实证结果表明：样本期内，由于技术退步，我国大中型工业企业技术创新效率整体呈下降趋势；从区域角度来看，东部地区大中型工业企业技术创新效率的表现明显优于中、西部地区。为了防止区域差距的进一步扩大，中央政府应该加大对中、西部大中型工业企业技术创新的扶持。

关键词：大中型工业企业；技术创新效率；DEA；Malmquist指数法

中图分类号：N945.16

文献标识码：A 文章编号：1672-1101（2014）02-0020-09

收稿日期：2013-12-10

基金项目：国家自然科学基金项目（71071003）；安徽省人文社科研究项目（2011sk153zd）；安徽省哲学社会科学规划项目（AHSK11-12D107）；安徽省高校省级人文社会科学研究项目（SK2012B146）

作者简介：严慧斌（1989-），男，安徽宿松人，硕士，研究方向：技术创新管理。

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

世界经济发展历程已经告诉我们：技术创新是人类社会财富之源，是经济社会发展的重要引擎与不竭动力。当前，在企业日益成为创新主体的条件下，知识的生产将更多源于企业，工业企业已成为区域技术创新的重要组成部分，而工业企业中的大中型企业则又是工业企业技术创新中的主体，大中型工业企业的技术创新水平很大程度上代表着国家创新能力的高低。据统计，截止2011年底，全国大中型工业企业的R&D人员全时当量为136.99万人，申请的专利数为19.89万件，占全国的比重分别为48.23%和53.76%。因此，我们应该不断加大投入坚定不移的推进技术创新，实现技术跨越发展，与此同时，我们更要关注技术创新的效率，因为作为一个发展中国家，我国的人力资本水平较低，创新资源有限，技术创新效率会直接关系到经济增长的质量。因而，在此背景下对我国各省区大中型工业企业的技术创新效率进行科学测度，从时间和空间维度上考察其异质性特征，并由此提出相关改进的对策建议具有重要现实意义。

技术创新效率一直是国内外学者关注的热点问题，研究成果较为丰富。国外学者如Sharma和Thomas[1]（2008）考察了国家创新效率水平的高低，并分析了国别差异形成的原因；Gayle[2]（2001）以美国企业为研究对象，发现企业的规模和市场份额与企业的创新能力显著正相关；Akihiro and Shoko[3]（2008）对日本企业的技术创新效率进行了测度并分析其影响因素。国内学者如池仁勇等[4]（2005）、虞晓芬等[5]（2004）均从区域技术创新效率视角研究了我国区域经济发展差异问题，认为要增强我国区域技术创新能力，减小三大区域经济发展水平之间的差距，中西部地区须要促进企业制度变革、加大人才队伍建设力度和转变经济发展方式；白俊红与江可申[6-8]（2008，2009，2010）对我国区域创新系统效率进行评价，得出我国区域创新效率偏低的结论，且证实这是由于纯技术效率过低所致；李婧等[9-10]（2008，2010）对中国各省区区域创新效率进行了实证研究，并分析了东、中、西三大地区创新效率的差异进行了分析，认为技术效率较低的地区正在向领先地区靠拢，存在收敛趋势；Zhang et al.[11]（2003）运用随机前沿分析方法测度了中国企业的研发效率并分析了影响因素；吴延兵[12]（2008）运用DEA方法实证分析了中国29个省区1996-2003年大中型工业企业的知识生产率，将其分解为技术效率变化和技术进步并考察其收敛性；项本武[13]（2011）运用随机前沿分析方法对我国工业行业技术创新效率进行了测度，发现工业行业技术创新效率没有随着时间的推移而得到提高；官建成与马宁[14]（2003）、官建成与陈凯华[15]（2009）均是运用DEA方法对我国工业企业的技术创新效率进行了研究，并提出了针对性的改进对策与建议。

已有研究取得很多具有重要价值的结论，但仍存在可拓展之处。第一，过去学者研究主要集中在整个区域的创新效率，而区域大中型工业企业为研究对象的文献还较少；第二，既有研究往往只是基于某一年的截面数据，而没有研究技术创新效率的动态演变趋势，或只关注技术创新效率的整体变化而忽视了区域差异性的研究，缺乏系统性与全面性。DEA作为一种非参数的统计估计方法，无须假设任何权重，也不须要给定投入产出的生产函数，避免了很多主观因素，在评价多投入、多产出对象的相对效率方面有其独特优势。基于此，本文将以全国30个省区（西藏数据缺失）大中型工业企业2004-2010年的面板数据为研究对象，运用非参数DEA方法科学测度各省区大中型工业企业每年的技术创新效率，并在此基础上分析其技术有效性及规模有效性，基于Malmquist指数法分析各省市自治大中型工业企业技术创新效率的动态变化，并对东、中、西三大区域的工业企业技术创新效率的差异性特征进行分析，以为全面提升各省区大中型工业企业技术创新效率提供经验依据与决策参考。

二、研究方法

（一）BCC模型

数据包络分析（DEA）是由美国运筹学家Charnes、Cooper与Rhodes在1978年提出，即CCR模型，该模型借助数学规划和统计数据确定相对有效的生产前沿面，将各个决策单元（Decision Making Units， DMU）投影到生产前沿面上，并通过比较决策单元偏离生产前沿面的程度来评价它们的相对有效性。DEA方法有其独特的优势：一是适用于多输入多产出的有效性评价；二是应用DEA方法无须对数据进行无量纲化处理；三是无须任何权重假设，排除了很多主观因素。

CCR模型是最经典的DEA模型，其建立在规模报酬不变假设的前提下，而这种假设多与现实不符。为此，Banker et al.（1984）在CCR模型基础上加上规模报酬可变的条件，提出了BCC模型，不仅更加符合实际生产经验，而且可以考察决策单元的技术有效性与规模有效性，其具体形式为：

minθ

s.t.nj=1λjxj≤θx0；nj=1λjyj≥y0；

λj=1；λj≥0，j=1，…，n（1）

其中， θ为评价单元的有效值， s+和s-为松弛变量，λj为原决策单元与对应的重新构造的决策单元的组合比例。

由CCR模型求出的效率值（TIE）可分解为规模效率（SE）与纯技术效率（PTE）的积，即：技术效率=纯技术效率×规模效率，纯技术效率为BCC模型所求的效率值。根据λj的值来判断决策单元规模报酬情况：λj>1时，表示规模报酬递减；λj=1时，表示规模报酬达到最佳收益点；λj<1时，表示规模报酬递增。

（二） Malmquist指数法

Malmquist 指数是由Malmquist于1953年提出，Caves et al.[16]（1982）则是首次利用DEA构造Malmquist指数测度效率变化或生产率。由此，本文研究中的大中型工业企业技术创新效率的变化指数（TIEC）可以表示为：

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

根据Fare et al.[17]（1994）的研究，我们可以将技术创新效率变化指数分解为技术效率变化（EFFCH）指数和技术进步指数（TECHCH），可以进一步理清效率变化的根源：

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表示决策单元对生产前沿的一种“追赶”效应，EFFCH>1表明前沿面下的DMU向前沿面趋近，而EFFCH<1表明远离前沿面；TC表示生产前沿面的移动，TC>1表示生产前沿外移，也就是有技术创新，TC<1表示生产前沿内移，即技术退步。当技术效率变化（EFFCH）在可变规模报酬时，可进一步分解为纯技术效率变化（PTEC）和规模效率变化（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）

前面一项为纯技术效率变化（PTEC），第二项为规模效率变化（SEC）。PTEC <1时，表示纯技术效率下降，反则反之；SEC>1时，表示规模效率提升，反则反之。

由（3）、（4）式可知，在规模报酬可变假设前提下，全要素生产率指数可以分解为：

TIECt+1t=Mt+1t=PTEC×SEC×TECHCH （5）

即将技术创新效率变化指数分解为纯技术效率变化指数、规模效率变化指数以及技术进步指数。

三、变量与数据

分析区域大中型工业企业的技术创新效率，科学合理的选择投入产出指标非常关键。本文综合吴延兵[18]（2006）、官建成等[14]（2003）、白俊红等[6，7，8]（2008， 2009， 2010）的研究，选择的投入指标如下：R&D人员全时当量（X1），这一指标反应从事R&D活动全是人员和非全时人员按工作量折算为全时人员的总和，更真实的反映了企业从事R&D活动人员数量；开发新产品经费（X2），这一指标反应企业专门用于新产品开发的经费，是企业技术创新投入的重要指标；其它技术活动经费支出（X3），指企业用于技术改造、技术引进、消化吸收和购买国内技术的经费，是企业技术创新投入的另一重要指标。产出指标选择：新产品开发项目数（Y1），是衡量企业技术创新产出的直接指标，包含企业广泛的创新；Gayle[2]（2001）将申请专利数（Y2）作为衡量企业技术创新成果的一个重要指标，专利是企业技术创新的重要成果，申请专利越多，企业技术创新能力越强；柳卸林和陈璐[19]（1995）﹑Liu et al.[20]（2007）将新产品工业产值（Y3）作为创新产出的又一重要指标，这一指标是企业进行技术创新的目的，反应企业技术创新最重要的成果。由于DEA研究数据时要求样本量是指标数的2倍以上，因而本文以中国30个省区为研究对象，选取6个投入产出指标是适当的。本文数据来源主要是来源于2007-2011年各期《中国科技统计年鉴》。

由于科技活动的特殊性，投入和产出之间存在“时滞性”，我们参考Furman et al.（2002）[21]的研究，将各指标的时滞定为2年。即2004年的投入，对应2006年的产出，依次类推。表1中为投入产出变量的描述性统计特征。

表1 样本投入、产出变量的描述性统计特征（2006-2010）

由于数据用DEA模型进行研究有一个前提条件，即投入产出变量之间是否满足“等张性”，也就是决策单元投入增加时，对应产出也应增加[22]。所以，先用Pearson相关分析进行验证，分析结果如表2所示。在不低于0.05的显著性水平的情况下，投入产出变量之间存在显著的正相关关系，由表中Pearson相关系数分析结果可知，样本数据满足“等张性”的条件要求，可以用DEA模型建模[23，24]。

表2 样本投入、产出变量之间的Pearson相关系数

四、实证分析

（一）大中型工业企业技术创新效率的地区差异

本文应用DEAP2.1软件，基于投入导向的模式，以全国30个省区2006-2010年的面板数据为研究样本，选取新产品开发项目数﹑申请专利数﹑新产品工业产值为产出变量，R&D人员全时当量﹑开发新产品经费﹑其它技术活动经费支出为投入变量，运用BCC-DEA模型测算各省份的技术创新效率﹑规模效率﹑纯技术效率，测度结果如表3所示。

表3 各省区大中型工业企业技术创新效率分析结果（部分年份）

通过计算我们发现，2006-2010年期间，全国整体大中型工业企业的平均技术创新效率值为0.786，整体水平不高，距离生产前沿面还存在21.4%的改进空间，效率提升潜力较大。从演变趋势来看，如表1所示，我国大中型工业企业技术创新效率呈上升趋势，但存在较强的波动性，呈现“先下降，后上升”的态势，说明技术创新效率的提升并不稳定。样本期内，我国大中型工业企业技术创新纯技术效率则一直处于比较稳健的提升进程之中，而技术创新规模效率在考察期内也存在一定的波动性，但是波动幅度不大。相比较而言，平均纯技术效率为0.847，而平均规模效率达到0.929，说明我国大中型工业企业技术创新效率的提升主要受制于较低的纯技术效率，为此大中型工业企业技术创新、制度创新与管理创新是主要改进策略，而规模效率已经接近生产前沿，改进空间较小，因而不能再一味追求投入的增加，否则适得其反。

从各省区的五年均值来看，大中型工业企业技术创新效率均值为1的省区只有天津、海南，它们位于生产前沿面，效率相对最优，起到带头与示范作用。天津近年来积极推进创新型城市建设，形成以企业主导产业技术开发创新体制，滨海新区更是成为推动天津自主创新发展的强劲动力。海南省通过不断调整产业结构，形成了主导产业为第一产业和第三产业的局面，现有大中型工业企业总体规模较小，但企业管理制度科学，创新资源利用效率较高；效率值在均值以下的省区有：河北、山西、内蒙古、辽宁、黑龙江、江苏、福建、江西、河南、湖北、云南、青海、新疆，这些省份是国家推进企业技术创新政策需要重点关注的省区。其中来自于东部沿海的江苏、福建较为特殊，原因各不相同，江苏省技术创新效率低下的主要是规模效率低所致，而福建省则是由于纯技术效率低下导致技术创新效率低。其它省区大多来自于经济欠发达、技术较落后及管理水平低下的中西部地区，尤其有山西、辽宁、青海的技术创新效率均值更是低于0.600，企业技术创新效率状况“恶劣”，亟需改善。为此，国家应制定对应相关政策，加大对这些省区大中型工业企业技术创新的扶持力度，以带动这些省区大中型工业企业技术创新效率实现跨越式提高。

（二） 区域大中型工业企业技术创新效率动态演变及其分解

基于投入导向模式，利用DEAP2.1软件测算2006-2010年全国各省区大中型工业企业的技术创新效率变化Malmquist指数并将其分解为技术效率变化与技术进步指数，考察技术创新效率的动态演变趋势以及效率变化的根源。按照传统地域划分方法，将全国划分为东部﹑中部和西部三大地区 ，在此基础上分析大中型工业企业技术创新效率的分布特征和区域差异。

1. 效率演变及分解

通过结果分析得出以下结论：从全国整体来看，2006-2010年各省区大中型工业企业技术创新效率年均下降2.9%。其中，技术进步指数年均下降3.2%，而技术效率变化指数则实现年均3‰的增长。其中，技术效率变化指数变化的幅度较小，技术创新效率变化指数的趋势与技术进步指数保持一致，呈现出较强的波动性。虽然技术效率变化在一定程度上缓解了技术效率的下降，但由于技术进步下降幅度太大，导致技术创新效率呈下降趋势。由此可知，我国大中型工业企业技术创新效率的变化主要是由技术进步的波动引起的。因而提升工业企业的基础研发能力，不断追求其技术创新领域的技术进步显得非常重要。

图1 2006-2010年全国大中型工业企业

技术创新效率及变异系数

图2 2006-2010年全国大中型工业

企业技术创新效率变化及分解

表4 2006-2010年30个省区大中型工业企业平均技术创新效率的变化及其分解

如图1所示，样本期间内，我国大中型工业企业技术创新效率增长呈现较强的波动性，特别是在2007和2009年，大中型工业企业的技术创新效率增长明显，这主要得益于这两年国家出台了支持科技创新的政策，加大投入力度，促进了企业的科技创新活动。通过计算全国大中型工业企业技术创新效率的变异系数，发现考察期内变异系数趋于减小，表明全国各省区大中型工业企业之间的技术创新效率差距在缩小，整体存在收敛性。

具体到各省区，大中型工业企业技术创新效率存在明显差异。北京、江苏、浙江、广东、山东、辽宁、吉林、广西、海南等省份技术创新效率呈现增长趋势，通过对技术创新效率的分解发现，其中北京、山东、广东、海南、重庆等省份来源于技术进步的改善。其它省份技术创新效率的增长则来源于技术效率变化的改善，通过进一步对技术效率变化的分解发现，其中辽宁和江苏的大中型工业企业技术创新效率提高来源于纯技术效率的改善，吉林、浙江、广西则是由于纯技术效率和规模效率共同改善的结果。北京、江苏、浙江、广东、山东、广西、海南等沿海东部省份开放程度高，经济发展迅速，形成了非常有利于企业引进、开发新技术的氛围。吉林和辽宁在中央“振兴东北老工业基地”的政策下，抓住机遇，大力发展新兴产业，积极调整产业结构，促进了企业的技术创新。而甘肃、陕西、青海、新疆等西部省份的技术创新效率呈下降趋势，通过对技术效率变化的分解发现，是由于纯技术效率和规模效率都较低所致，这与这些省份的工业“底子薄”、研发投入少、管理创新能力较差有着直接的关系，这些省份应当成为建设自主创新型国家政策重点关注地区。表2中东、中、西部三大地区的大中型工业企业技术创新效率均值比较看来，东部地区明显高于中、西部，考虑到三大地区的区域经济发展水平，因此有必要进一步分析其深层次的原因。

2. 区域差异性检验

由于我国地域、资源、国家政策等原因造成我国的区域经济社会发展不平衡，大中型工业企业技术创新效率的变化可能存在显著的区域差异。为此，本文根据三大区域大中型工业企业技术创新效率、技术效率变化和技术进步的计算结果，用多样本非参数Kruskal-Wallis检验，来验证三大区域大中型工业企业技术创新效率动态演进的区域差异性特征，表5为检验结果。

表5 三大地区大中型工业企业技术创新效率演变的差异性检验结果

由表5可知：（1）我国大中型工业企业技术创新效率的变化存在显著的区域异质性特征，这表明企业技术创新效率与地区经济社会发展水平有直接联系。其中，东部地区的表现明显由于中西部地区；（2）通过对三大区域大中型工业企业技术效率变化指数的分解，我们发现，技术效率变化（EFFCH）指数的区域差异并不显著，真实概率p值为0.637，表明东、中以及西部地区各省份均存在对生产前沿面的“追赶”效应；三，技术进步（TECHCH）指数差异显著，东部地区领先于中西部地区，这表明东部地区的技术创新、新产品的研发能力明显强于中西部地区。这是由于，东部地区经济发展水平较高，企业科研资金充足，吸引了众多高端科研人才，建立了很多研发机构，使得其大中型工业企业技术创新能力明显领先中西部地区。

3. 技术创新效率区域差异分析

图3 2006-2010年三大区域和全国大中型

工业企业的平均技术创新效率及其分解

图4 2006-2010年三大区域和全国

大中型工业企业技术创新效率的动态变化

从图3、4中可看出，在2006-2010年间，三大区域的工业企业技术创新效率自东向西逐步下降，其中：（1）东部地区大中型工业企业技术创新效率年均增长3.1%，其中技术进步指数年均3.5%，技术效率变化指数则年均下降4‰。长期以来东部地区由于地理位置优越、国家政策倾斜、经济基础雄厚等原因，技术创新能力一直领先于中西部地区。因此，东部地区作为“引领者”，应继续保持自身优势，不断创新管理理念和方法，以确保企业技术创新活动可持续发展，做好“领头”与“示范”作用；（2）中部地区大中型工业企业技术创新效率则年均下降了1.8%，这是由于技术退步与技术效率恶化共同导致的。进一步分解发现，技术效率恶化主要是源于规模效率的下降，这表明中部地区各省区在近年在国家“中部崛起”战略宏观政策调控下，工业企业创新投入规模不断增加，但已逐渐接近饱和水平，必须改变依靠扩大投入规模的发展方式，重点提高创新资源的配置效率；（3）西部地区大中型工业企业技术创新效率落后于东、中部地区，年均下降2.5%，主要是由于技术年均退步2.4%所导致。长期以来由于国家实施非均衡的区域发展战略，导致西部地区工业企业技术水平落后，科研基础薄弱，技术创新能力严重不足。西部各省份企业应抓住国家实施“西部大开发”战略的机遇，积极引进优秀人才，加大技术研发和创新力度，积极促进地区间的技术交流与合作，通过引进、消化、吸收、再创新的模式来推动企业的技术创新。

从图4中可看出，东部地区大中型工业企业技术创新效率在2007、2008年有较大波动，主要是由于技术进步的波动所致。中西部地区整体趋于平稳，波动较小。全国整体效率趋向于稳定，三大地区之间的企业技术创新效率差距在逐渐缩小，这表明国家近年来实施缩小区域发展差距的宏观政策和战略取得了显著效果。

五、结论与政策涵义

本文运用了基于可变规模报酬DEA的Malmquist指数法对我国30个省区2006-2010年的大中型工业企业的技术创新效率进行了分析。结果表明：（1）分析期内，我国各区域大中型工业企业的技术创新效率年均下降2.9%，技术进步指数年均下降了3.2%，而技术进步效率指数则上升了3‰。所以我国大中型工业企业技术创新效率下降主要由于技术退步所致；（2） 我国大中型工业企业技术创新效率整体呈上升趋势，但存在较强的波动性，在分析期内呈现“先下降，后上升”的态势，说明企业技术创新效率的提升并不稳定，易受国家宏观政策等外部因素影响；（3）我国东中西三大区域在2006-2010年间大中企业的技术创新效率差异比较大，东部地区年均增长3.1%，中部地区年均下降1.8%，西部地区年均下降2.5%，下降的原因各不相同，中部地区下降的主要原因是技术效率恶化与技术退步共同所致，西部地区则是由于技术退步造成的。

本文的政策涵义为：（1）进入21世纪以来，我国政府提出建设“自主创新型国家”，力图通过鼓励企业技术创新和科技进步来转变经济发展方式，提高资源利用效率。由于当前我国大中型工业企业技术创新效率下降的主要是原因是技术退步。因此，各地区应进一步加大技术创新力度，在加强自身技术研发能力的同时，不断引进先进的工艺、设备与技术，这是提升我国各地区企业技术创新效率的根本途径。（2）由于规模效率低下制约了企业技术效率水平的提高，因此，各地区大中型工业企业应该适当调节投入，提高创新资源的利用效率，优化创新资源的配置。（3）东中西三大区域大中型工业企业技术创新效率差异明显，东部地区明显领先于中西部地区。为此，东部地区应在保持自身优势，稳步提高企业技术创新效率的前提下，带动中西部地区大中型工业企业技术创新效率实现跨越式提高，中西部地区则应充分利用技术选择的后发优势，通过购买、模仿与学习东部地区发达的技术以及管理经验来驱动企业技术创新效率的进一步提升，以最终实现对东部地区的赶超。

参考文献：

[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，虞晓芬，李正卫.我国东西部地区技术创新效率差异及其原因分析[J].中国软科学，2004（8）：128-131.

[5] 虞晓芬，李正卫，池仁勇，施鸣炜.我国区域技术创新效率：现状与原因[J].科学学研究，2005，23（2）：258-264.

[6] 白俊红，江可申，李婧，田泽永.中国区域创新生产效率变动的实证分析-基于Malmquist生产率指数[J].系统工程，2008，26（7）：40-44.

[7] 白俊红，江可申，李婧.应用随机前沿模型评测中国区域研发创新效率[J].管理世界，2009（10）：51-61.

[8] 白俊红，江可申，李婧.中国地区研发创新的技术效率与技术进步[J].科研管理，2010，31（6）：7-18.

[9] 李婧，白俊红，谭清美.中国区域创新效率的实证分析-基于省际面板数据及DEA方法[J].系统工程，2008，26（12）：1-7.

[10] 李婧， 谭清美，白俊红.中国区域创新生产的空间计量分析-基于静态与动态空间面板模型的实证研究[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] 吴延兵.用DEA方法评测知识生产中的技术创新效率与技术进步[J].数量经济技术经济研究，2008（7）：67-79.

[13] 项本武.中国工业行业技术创新效率研究[J].科研管理，2011，32（1）：10-14.

[14] 官建成，马宁.DEA控制投影模型及其应用[J]. 中国管理科学，2003（1）：66-70.

[15] 官建成，陈凯华.我国高技术产业技术创新效率的测定[J]. 数量经济技术经济研究，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] 吴延兵.R&D存量、知识函数与生产效率[J].经济学（季刊），2006，5（4）：1129-1156.

[19] 柳卸林，陈璐.我国工业的R&D与创新[J].数量经济技术经济研究，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] 魏权龄.评价相对有效性的数据包络分析模型-DEA和网络DEA[M].北京：中国人民大学出版社，2012：5-56.

[23] 汪克亮，杨宝臣，杨力.中国全要素能源效率与能源技术的区域差异[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.

[责任编辑：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，虞晓芬，李正卫.我国东西部地区技术创新效率差异及其原因分析[J].中国软科学，2004（8）：128-131.

[5] 虞晓芬，李正卫，池仁勇，施鸣炜.我国区域技术创新效率：现状与原因[J].科学学研究，2005，23（2）：258-264.

[6] 白俊红，江可申，李婧，田泽永.中国区域创新生产效率变动的实证分析-基于Malmquist生产率指数[J].系统工程，2008，26（7）：40-44.

[7] 白俊红，江可申，李婧.应用随机前沿模型评测中国区域研发创新效率[J].管理世界，2009（10）：51-61.

[8] 白俊红，江可申，李婧.中国地区研发创新的技术效率与技术进步[J].科研管理，2010，31（6）：7-18.

[9] 李婧，白俊红，谭清美.中国区域创新效率的实证分析-基于省际面板数据及DEA方法[J].系统工程，2008，26（12）：1-7.

[10] 李婧， 谭清美，白俊红.中国区域创新生产的空间计量分析-基于静态与动态空间面板模型的实证研究[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] 吴延兵.用DEA方法评测知识生产中的技术创新效率与技术进步[J].数量经济技术经济研究，2008（7）：67-79.

[13] 项本武.中国工业行业技术创新效率研究[J].科研管理，2011，32（1）：10-14.

[14] 官建成，马宁.DEA控制投影模型及其应用[J]. 中国管理科学，2003（1）：66-70.

[15] 官建成，陈凯华.我国高技术产业技术创新效率的测定[J]. 数量经济技术经济研究，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] 吴延兵.R&D存量、知识函数与生产效率[J].经济学（季刊），2006，5（4）：1129-1156.

[19] 柳卸林，陈璐.我国工业的R&D与创新[J].数量经济技术经济研究，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] 魏权龄.评价相对有效性的数据包络分析模型-DEA和网络DEA[M].北京：中国人民大学出版社，2012：5-56.

[23] 汪克亮，杨宝臣，杨力.中国全要素能源效率与能源技术的区域差异[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.

[责任编辑：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，虞晓芬，李正卫.我国东西部地区技术创新效率差异及其原因分析[J].中国软科学，2004（8）：128-131.

[5] 虞晓芬，李正卫，池仁勇，施鸣炜.我国区域技术创新效率：现状与原因[J].科学学研究，2005，23（2）：258-264.

[6] 白俊红，江可申，李婧，田泽永.中国区域创新生产效率变动的实证分析-基于Malmquist生产率指数[J].系统工程，2008，26（7）：40-44.

[7] 白俊红，江可申，李婧.应用随机前沿模型评测中国区域研发创新效率[J].管理世界，2009（10）：51-61.

[8] 白俊红，江可申，李婧.中国地区研发创新的技术效率与技术进步[J].科研管理，2010，31（6）：7-18.

[9] 李婧，白俊红，谭清美.中国区域创新效率的实证分析-基于省际面板数据及DEA方法[J].系统工程，2008，26（12）：1-7.

[10] 李婧， 谭清美，白俊红.中国区域创新生产的空间计量分析-基于静态与动态空间面板模型的实证研究[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] 吴延兵.用DEA方法评测知识生产中的技术创新效率与技术进步[J].数量经济技术经济研究，2008（7）：67-79.

[13] 项本武.中国工业行业技术创新效率研究[J].科研管理，2011，32（1）：10-14.

[14] 官建成，马宁.DEA控制投影模型及其应用[J]. 中国管理科学，2003（1）：66-70.

[15] 官建成，陈凯华.我国高技术产业技术创新效率的测定[J]. 数量经济技术经济研究，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] 吴延兵.R&D存量、知识函数与生产效率[J].经济学（季刊），2006，5（4）：1129-1156.

[19] 柳卸林，陈璐.我国工业的R&D与创新[J].数量经济技术经济研究，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] 魏权龄.评价相对有效性的数据包络分析模型-DEA和网络DEA[M].北京：中国人民大学出版社，2012：5-56.

[23] 汪克亮，杨宝臣，杨力.中国全要素能源效率与能源技术的区域差异[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.

[责任编辑：范 君]