知识溢出对区域创新效率的调节机制

王崇锋��

摘要

通过促进知识溢出提高区域创新效率是实施创新驱动发展战略和实现区域经济收敛的有效途径之一。基于GrilichesJaffe知识生产函数回归模型，以2009-2012年中国大陆30个省级经济单元为研究对象，通过因子分析法，构建了由R&D研究机构数、R&D经费支出、R&D人员全时当量组成的创新投入因子，由规上工业企业技术引进经费支出、规上工业企业购买国内技术经费支出、规上工业企业技术消化吸收经费组成的知识溢出因子，由专利申请授权数、国外主要工具检索科研论文数、规上工业企业新产品产值增长、科技促进经济社会发展指数组成的创新产出因子，在此基础上实证分析了创新投入、知识溢出对创新产出的影响。结果表明：区域创新要素投入、知识溢出会显著影响区域创新能力，其中创新要素投入因子的回归系数为0.72，知识溢出因子的回归系数为0.23；知识溢出会显著正向调节创新投入与创新产出之间的关系，由知识溢出因子、创新投入因子构成的调节效应交互项的回归系数为0.09，即创新要素投入在知识溢出的调节下，会进一步提高创新产出水平，增强区域创新能力，其调节水平可能与区域创新系统成熟度以及地区教育水平密切相关。最后，针对研究结果提出相应的优化对策和建议：第一，需进一步加大区域创新要素投入建立合理的创新激励机制。第二，应鼓励企业技术购买与引进，引进人才，增强企业技术消化吸收能力。第三，需加强区域创新网络集群系统的构建，通过空间聚集使创新网络系统的知识溢出循环效应最大化，提高区域创新效率。第四，应加强政府、企业和高校、科研机构间官产学研合作以及企业间的互动合作，使知识要素在区域内最大化发挥溢出作用，有效提升区域创新效率，实现区域创新驱动发展。

关键词知识溢出；创新驱动；区域创新能力；区域创新效率

中图分类号F061.5

文献标识码A

文章编号1002-2104（2015）07-0077-07

doi：10.3969/j.issn.1002-2104.2015.07.011

随着经济的发展和竞争的日益加剧，提升区域创新能力已成为推动区域产业升级、占领价值链制高点，实现区域经济收敛的必由之路。大量研究表明，区域创新效率的高低是导致我国当前区域创新能力差异和区域经济发展不平衡的重要原因之一。以专利申请授权量为例，2012年江苏省专利申请授权量为269 944件，相比之下与江苏省经济、人口规模相似，人均R&D经费甚至要高于江苏的山东（山东省人均R&D经费为36.94万，江苏省为31.09万），2012年专利申请授权量为75 496件，约是江苏省的五分之一。由此可见，除了区域创新资源投入之外，效率问题的重要性更为突出。随着内生经济增长理论对知识外部性及其动态特征的研究，知识溢出成为研究区域创新的一个崭新视角。从目前研究来看，国内针对知识溢出对区域创新效率影响的文献较少，且大多数文献仅停留在定性研究阶段，少有的实证研究也仅仅验证了知识溢出对区域创新效率的正向促进作用。因此，评价我国区域创新效率并揭示知识溢出对其影响作用具有重要的理论及现实意义。

1国内外研究现状评述

内生经济增长理论、新地理经济学等经济学分支将知识溢出作为解释区域经济增长、创新等问题的新的研究思路。自Arrow创造性地提出知识累积及其经济内涵后，Romer研究发现技术知识的部分排他性与非竞争性是知识溢出产生的根本原因，并将知识作为独立的生产要素变量引入生产函数，构建内生经济增长模型。知识溢出最初主要应用于企业的技术进步与创新等研究对象领域中。知识作为创新要素投入，不仅能够使企业生产出新产品，同时还会溢出到其他企业并促使其创新，这些新的创新知识又会不断的溢出，形成企业间知识溢出循环，带来知识溢出创新收益的乘数效应。但大量经验研究发现，知识溢出与区域整体经济水平有关，且这种关系在城市和区域等宏观层面更加显著，仅在企业微观层面探讨知识溢出与创新产出间的关系意义不大。继Jaffe将研究对象从企业层面转向区域层面之后，空间因素被纳入到知识生产函数中，有关知识溢出方面的研究也由个体转向区域。

无论在企业微观层面还是在区域宏观层面上，知识溢出的存在和重要性是不容置疑的。区域内、区域间通过相互学习、信息交流等一系列“互搭便车”行为提升区域创新效率、促进区域经济增长。从知识溢出与区域创新效率内在逻辑关系来看，知识溢出的局域性与根植性所导致的知识溢出效率的空间衰减性会促使创新主体聚集、创新活动集中，这种空间集中会降低区域创新活动的内在不确定性，并形成一种集群式创新网络发展模式，促进创新产出的增加。

目前国内外针对知识溢出与区域创新效率的研究，主要聚焦于知识溢出的发生机制，即从集聚角度分析知识溢出对区域创新效率的影响。Becker和Kevin 基于知识溢出与企业集群关系的模型研究发现只有空间集聚的企业才能获取企业集群内的公共知识，企业创新效率与空间距离呈反方向变动。Audretch和Feldman通过案例研究证实了与生产活动相比，创新活动更加集中，且企业间集群知识溢出效应大于价格竞争离心效应。Jaffe et al，Adams et al，Acs et al 分别从专利引用、创新产出、创新活动分布等角度分析知识溢出对提高区域创新效率的作用机理。Fritsch以专利申请授权量作为衡量创新产出的指标，分析了欧洲11个地区研发人员及研发资金这两个研发投入变量对于研发产出的投入弹性，结果发现两个投入变量在不同地区的投入弹性存在明显差异，相对于外围企业而言，处于集聚中心的企业具有更高的产出弹性，该模型在证实了理论假设外还验证了集聚经济对创新产出的促进作用。Bode通过对20世纪末期德国的相关数据研究发现，尽管知识溢出存在空间效应，但由于存在空间交易成本，仅有一部分溢出可以对临近区域创新产出产生影响。Lim从区域内溢出与区域间溢出两个方面，更加全面的研究了知识溢出对于创新空间分布的影响。Peri通过对北美和欧洲113个区域1975-1996年的专利引用数据进行实证分析，验证了技术、知识流动对于创新的正向影响关系。国内学者有关知识溢出和区域创新效率的研究中，林毅夫、董先安、殷韦实证验证了知识溢出的地理位置假说；吴玉鸣和龙志和、张馨之分别验证了创新的空间自相关，知识溢出的空间边界及其对区域创新活动在地级空间上的显著影响，并指出知识溢出程度与空间距离的反向关系；解学梅和曾赛星认为知识溢出所形成的知识链在产学研合作中形成持续的知识累积，促进了集群区域内部创新人才的流动，促进了区域创新集群网络内部互动；吴玉鸣利用我国省际面板数据构建了改进的知识生产函数，实证分析了地区间合作带来的知识溢出效应对区域创新效率的影响，施宏伟和王梓蓉认为产业集聚与知识溢出的内在相互作用使得创新性知识要素同生产要素相结合，增强了产业间的凝聚度，进一步提升了区域创新强度；段会娟认为产业集聚是实现区域创新效率提升的一大助力，且实证分析表明产业结构专业化带来的知识溢出对区域创新效率的提升具有显著正向作用；赵喜仓等以江苏省为例，将外部知识溢出作为创新要素引入创新生产函数模型中，实证分析得出外部知识溢出对江苏省区域创新以及江苏省与临近区域间创新效率提升具有显著正向效应。宋来胜和苏楠对全国创业知识溢出对创新产品转化效应进行实证分析，结果显示，创业知识溢出在转化为企业创新产品时具有显著的区域差异，这种差异同样映射到区域创新效率中。

综上所述，已有研究为知识溢出提升区域创新效率提供了大量有价值的证据，与现有文献相比，本研究的主要贡献在于：一是对于指标评价体系的改进。对于知识溢出的衡量而言，本研究不考虑不同区域之间地理距离等因素的影响，仅使用区域自身属性对区域知识溢出水平进行评价。在创新投入的衡量方面，除传统的R&D人员投入以及R&D经费支出，本研究加入研究机构数量这一指标，使得不同规模区域（就研究机构数量而言）具有更一般的可比性。在创新产出方面，以专利，论文反映其成果性产出，以新产品产值增长，科技促进经济发展指数，反映其经济效益以及社会效益。二是对于知识溢出与创新之间作用机制的重新设定。传统研究认为，知识溢出是创新与经济发展的中介变量，忽略了创新本身这一过程。在创新投入产出过程中，知识溢出实际上可能存在调节效应，即在高知识溢出水平的地区，单位创新投入所带来的创新产出也相应的较高，反之，在低知识溢出的地区，单位创新投入所带来的创新产出较低，即创新效率较低。本研究将通过调节效应模型验证这一作用机理。

2研究设计

2.1模型构建

Griliches最初对知识生产函数进行定义，其目的是用于量度研究开发和知识溢出对生产率增长的影响，在该函数中，Griliches将创新产出看作为创新投入的函数，即式（1）所示函数形式：

R&Doutput=α（R&Dinput）β （1）

Jaffe在其基础上，对函数形式进行了完善。他认为创新产出的主要形式是新经济知识（new economic knowledge），而创新投入的主要形式为研发经费投入与人力资源投入。因此经典GrilichesJaffe模型如式（2）所示：

Yi=AKαiLβiε （2）

其中，Y为创新产出；K和L分别为R&D资金与R&D人员投入；α和β分别为R&D资金与R&D人员的投入弹性；ε为随机误差项。

大量实证研究表明，GrilichesJaffe函数作为一个经验模型，为研究区域创新效率提供了有效的理论分析框架。知识生产过程应当与实物生产过程一样，其本质上都是一种投入产出过程。因此，本研究把创新活动看作是一项知识的生产活动，借鉴并改进Griliches的分析思路研究区域创新效率。

将II定义为创新要素投入，其不仅限于K和L等要素，将KS定义为知识溢出，这样GrilichesJaffe模型就替换为：

Yi=AIIαiKSβiξi （3）

α和β分别为创新投入与知识溢出弹性，对（2）式取对数可得：

ln（Yi）=ai+αln（IIi）+βln（KSi）+εi （4）

为了测量知识溢出对区域创新效率的调节作用，本文将通过采取引入交互项的方式来解决这一问题，具体公式如下：

ln（Yi）=bi+α1ln（IIi）+β1ln（KSi）

+χln（IIi）ln（KSi）+λi （5）

实际上，式（5）由式（6）形式转化而成，因此交互项的回归系数可反映交互项中两因素的调节作用。

ln（Yi）=bi+β1ln（KSi）+（α1+χln（KSi））ln（IIi）

+λi （6）

在评价指标的选取方面，由于单一指标度量的有效性问题值得考究，因此本文将构造评价系统。由于样本量较小，若将多指标一同带入回归方程，可能使回归效果较差，因此本文通过探索性因子分析（Exploratory Factor Analysis）凝聚成综合因子f1、f2和f3来反映创新投入、知识溢出及创新产出。考虑到式（5）中的函数形式，本文首先将因子所对应各指标进行对数处理，进而进行探索性因子分析，最终得到关于对数化后各指标的三个综合因子。

使用综合因子替代式（4），式（5）中的单一指标，得到回归方程如下：

fi3=ai+αfi1+βfi2+εi （7）

fi3=bi+α1fi1+β1fi2+χ1fi1fi2+λi （8）

在具体指标选取上，本文在系统回顾文献基础上，在区域创新要素投入指标上将借鉴曹洪军、赵翔、黄少坚及段姗、蒋泰维等的研究成果，在区域创新产出指标选取上将借鉴张义梁、张嵎喆及贺灵、单汨源等的研究成果，在知识溢出指标选取方面，本文将借鉴张继宏、张洪辉的相关研究成果，具体指标描述见表1。

2.2数据选择

本研究选取2009-2012中国大陆30个省级行政区域（西藏由于数据缺乏，将其略去）为研究对象，以区域创新投入及知识溢出对创新产出的影响关系为研究目标。由于创新过程存在滞后期，本文参照魏守华等研究成果，将创新滞后期设置为一年。原始数据来源为《中国统计年鉴》（2010-2013）、《中国科技统计年鉴》（2010-2013）以及《全国及各地区科技进步统计监测结果》（2010-2013）。经整理共得到90条数据，鉴于海南省2010年规模以上工业企业技术引进经费支出的数据缺失，将其剔除，最终本文共得到有效数据89条。

3实证分析

3.1探索性因素分析

探索性因素分析可以将具有复杂关系的观测指标综合成几个核心因子，它主要包括主成分分析法（Principal Component Analysis）和因子分析法（Factor Analysis Method）。本文选取主成分分析法作为提取综合因子的方法。主成分分析法是将多指标化为少数几个综合指标的一种统计方法，由Pearson提出，主成分分析法多用于实证分析中复杂指标的处理，其结果都表明该方法对于数据降维有着较高的有效性。主成分分析实际上是一种降维技术，该方法在不丢失过多原始变量信息的情况下，将原始变量组合为少数的主成分。由于本研究数据量较小，仅有89条，因此采用主成分分析将多指标降维，综合为少数几个主成分，使用主成分建立回归模型将提高模型的回归效果，使得回归参数更加合理。

首先，由于原始变量单位以及量纲的不同，在使用主成分分析前，应将变量进行标准化处理。即令：

X*j=Xj-μjσjj，j=1，2，…，p （9）

其中，X*，X，μ，σ分别为原始指标的标准化值，原始值，平均值及方差。其次，在对指标数据进行主成分分析之前，应当检验样本数据是否符合主成分分析的要求。常用的检验有KMO and Bartlett检验。KMO值反映了是否拥有足够的样本量进行主成分分析，对于一个适合于进行主成分分析的样本而言，KMO值应当至少大于0.5。Bartlett检验是验证各个指标之间的相关程度，若Barlett检验显著，则说明各指标之间拥有足够的相关程度，使得样本可以进行主成分分析。

最后，应当对指标进行Cronbach α信度检验，对于数据稳定性较好的样本而言，Cronbach α值应当大于0.8。

通过使用SPSS20.0对各维度指标进行KMO 和 Bartletts检验，发现各维度KMO值均大于0.50，Bartletts检验结果均显著，满足主成分分析条件；对各维度（即创新投入、知识溢出和创新产出）观测指标进行Cronbach α信度检验，发现各维度信度都在0.80以上，数据稳定性较好。最后对各个维度进行主成分分析，提取特征值大于1的因子，发现各维度均能提取一个公共因子f1、f2和f3，累计方差贡献率均接近或大于70%（最小贡献率为68.609%）。各个维度KMO值、Cronbach α信度系数及累计方差贡献列入表2。3.2回归分析

通过SPSS20.0对公式（8）、公式（9）进行回归分析。

根据回归方程结果可知，在不引入交互项f1f2时（公式（8）），创新投入增加、知识溢出水平的提高均会提升创新产出水平，增强区域创新效率，其回归系数分别为0.747和0.276，且在1% 的显著性水平上都是显著地，模型F值为301.129，拟合优度R2为0.875，模型拟合较好，回归模型总体显著；当引入交互项f1f2时（公式（8）），模型拟合优度R2为0.884大于0.875，说明后者拟合效果更佳，公式

（8）结果显示，创新投入增加、知识溢出水平的提高同样会提升创新产出水平，其回归系数分别为0.722和0.229，且在1% 的显著性水平上都是显著地；知识溢出会显著正向调节创新投入—产出之间的关系，提高区域创新效率，但从其回归系数0.093来看，其调节作用较小。

4结论与建议

在国内外区域创新效率研究中，基于GrilichesJaffe知识生产函数的实证分析已较为成熟，也已得到国内外众多学者的肯定。本文

在改进GrilichesJaffe知识生产函数基础上，运用SPSS20.0计量软件，分析2009-2012年我国30个省（市、区）相关数据，建立创新投入、知识溢出与创新产出模型，实证结果显示：第一，区域创新要素投入、知识溢出会显著影响区域创新能力。具体而言，创新要素包括R&D人员、机构及经费投入的增加，区域内以企业技术购买、引进及消化吸收经费为代表的知识溢出水平的提高，均会导致以专利授权数、科研论文及新产品产值等指标为代表的创新产出增加；第二，知识溢出会显著正向调节创新投入—产出之间的关系，即创新要素投入在知识溢出的调节下，会进一步提高创新产出水平，增强区域创新能力，其调节水平可能与区域创新系统成熟度以及地区教育水平密切相关。

与此相应，本文提出相关创新政策与建议如下：第一，进一步加大区域创新要素投入，特别是R&D研究机构和平台的建设力度，加强对R&D人员的培训与教育，建立合理的创新激励机制。第二，鼓励企业技术购买与引进，鼓励企业引进人才，增强企业技术消化吸收能力。第三，加强区域创新网络集群系统的构建，通过空间聚集使创新网络系统的知识溢出循环效应最大化，提高区域创新效率。第四，加强政府、企业和高校、科研机构间官产学研合作以及企业间的互动合作，在政府创新政策引导下，依靠企业与高校智力合作创新，同时加强产学研基地建设以及企业间的优势合作，增强区域知识溢出以及区域自主创新能力，使知识要素在区域内最大化发挥溢出作用，有效提升区域创新效率，实现区域创新驱动发展。

（编辑：李琪）

参考文献（References）

Archibugi D， Pianta M. Innovation， Patents and Technological Strategies： The State of the Art. Paris， 1994.

Furman J L， Porter M E， Stern S. The Determinants of National Innovative Capacity. Research Policy， 2002，31（6）：899-933.

Jungmittag A. Innovation Dynamics in the EU： Convergence or Divergence？ A Crosscountry Panel Data Analysis. Empirical Economics， 2006，31（2）：313-331.

池仁勇. 企业技术创新效率及其影响因素研究. 数量经济技术经济研究， 2003，（6）： 105-108.. Quantitative & Technical Economics， 2003，（6）： 105-108.]

池仁勇， 唐根年. 基于投入与绩效评价的区域技术创新效率研究. 科研管理， 2004，（4）： 23-27.. Science Research Management， 2004，（4）： 23-27.]

陈瑶瑶， 池仁勇. 产业集群发展过程中创新资源的聚集和优化. 科学学与科学技术管理， 2005，（9）：63-66.. Science of Science and Management of S & T， 2005，（9）：63-66.]

李习保. 区域创新环境对创新活动效率影响的实证研究. 数量经济技术经济研究， 2007，（8）：13-24.. The Journal of Quantitative & Technical Economics， 2007，（8）：13-24.]

Arrow K J. The Economic Implications of Learning by Doing. Review of Economic Studies， 1962， 29（3）： 155-173.

Arrow K J. Economic Welfare and the Allocation of Resources for Innovation. Princeton： Princeton University Press， 1962.

Romer P M. Increasing Returns and Long Run Growth. Journal of Political Economy， 1986， 94 （5）： 1002-1037.

Romer P M. Endogenous Technological Change. Journal of Political Economy， 1990，98（S5）： S71-S102.

Jaffe A. Real Effects of Academic Research. The American Economic Review， 1989，（3）： 957-970.

Canils M，Verspagen B. Barriers to Knowledge Spillovers and Regional Convergence in an Evolutionary Model. Journal of Evolutionary Economics， 2001， 11（3）：307-329.

Audretsch D， Feldman M. R&D Spillovers and the Geography of Innovation and Production. The American Economic Review， 1996，86：630-640.

Anselin L， Varga A， Acs Z. Local Geographic Spillovers Between University Research and High Technology Innovations. Journal of Urban Economics， 1997，42（3）：422-448.

Maurseth P， Verspagen B. Knowledge Spillovers in Europe： A Patent Citations Analysis. Scandinavian Journal of Economics， 2002， 104（4）： 531-545.

Rosenthal S， Strange W. Evidence on the Nature and Source of Agglomeration Economies. Handbook of Regional and Urban Economics， 2004.

Rosenthal S， Strange W. The Attenuation of Human Capital Spillovers： A Manhattan Skyline Approach. University of Toronto Mimeo，2005.

Becker G， Kevin M. The Division of Labor， Coordination Costs， and Knowledge . Quarterly Journal of Economics， 1992， （4）：1137-1160.

Jaffe A， Trajtenberg M， Henderson R. Geographic Localization of Knowledge Spillovers as Evidenced by Patent Citations. Quarterly Journal of Economics， 1993，108： 577-598.

Adams J， Jaffe A. Bounding the Effects of R&D： An Investigation Using Matched Establishmentfirm Data. NBER Working Paper， 1996.

Acs Z， Fitzroy F， Smith I. High Technology Employment， Wages and University R&D Spillovers： Evidence from US Cities. Economics of Innovation and New Technology， 1999，（8）： 57-78.

Fritsch M， Franke G. Innovation， Regional Knowledge Spillovers and R&D Cooperation . Research Policy， 2004， 33（2）： 245-255.

Bode E. The Spatial Pattern of Localized R&D Spillovers： An Empirical Investigation for Germany. Journal of Economic Geography， 2004，（4）： 43-64.

Lim U. The Spatial Distribution of Innovative Activity in US Metropolitan Areas： Evidence from Patent Data. Journal of regional Analysis & Policy， 2003，33（2）： 97-126.

Peri G. Determinants of Knowledge Flows and Their Effects on Innovation. Review of Economics and Statistics， 2005， 87（2）： 308-322.

林毅夫， 董先安， 殷韦. 技术选择、技术扩散与经济收敛. 财经问题研究， 2004，（6）： 3-10. . Research on Financial and Economic Issues， 2004，（6）： 3-10.]

吴玉鸣. 中国区域研发、知识溢出与创新的空间计量经济研究. 北京：人民出版社， 2007. . Beijign：Peoples Publishing House， 2007.]

张馨之， 龙志和. 中国区域经济发展水平的探索性空间数据分析. 宁夏大学学报：人文社会科学版， 2006，（6）：106-109.. Journal of Ningxia University：Humanities & Social Sciences Edition， 2006，（6）：106-109.]

解学梅， 曾赛星. 创新集群跨区域协同创新网络研究述评. 研究与发展管理， 2009， 21（1）： 9-17.. R&D Management， 2009， 21（1）： 9-17.]

吴玉鸣. 官产学R&D合作、知识溢出与区域专利创新产出. 科学学研究， 2009，（10）： 1486-1494.. Studies in Science of Science， 2009，（10）： 1486-1494.]

施宏伟， 王梓蓉. 基于产业聚集的知识溢出及累积性创新增长过程研究. 软科学， 2010， 24（11）： 15-19.. Soft Science， 2010， 24（11）： 15-19.]

段会娟. 集聚、知识溢出类型与区域创新效率：基于省级动态面板数据的GMM方法. 科技进步与对策， 2011， 28（19）： 140-144. . Science & Technology Progress and Policy， 2011， 28（19）： 140-144.]

赵喜仓， 徐朋辉. R&D知识溢出对江苏城市创新绩效的空间计量经济分析. 科技进步与对策， 2011， 28（20）： 29-32. . Science & Technology Progress and Policy， 2011， 28（20）： 29-32.]

宋来胜， 苏楠. 创业知识溢出对知识转化为创新产品的影响：基于省级面板数据的GMM分析. 科技管理研究， 2014，（2）： 111-114. . Science and Technology Management Research， 2014，（2）： 111-114.]

Griliches Z. Issues in Assessing the Contribution of Research and Development to Productivity Growth. Chicago University of Chicago Press， 1998.

Fritsch M. Cooperation and the Efficiency of Regional R&D Activities. Cambridge Journal of Economics， 2004，28（6）：829-846.

曹洪军， 赵翔， 黄少坚. 企业自主创新能力评价体系研究. 中国工业经济， 2009，（9）：105-114.. China Industrial Economics， 2009，（9）：105-114.]

段姗， 蒋泰维， 张洁音， 等. 区域企业技术创新发展评价研究：浙江省、11个设区市及各行业企业技术创新评价指标体系分析. 中国软科学，2014，（5）：85-96.. China Soft Science， 2014，（5）：85-96.]

张义梁， 张嵎喆. 国家自主创新能力评价指标体系研究. 经济学家， 2006，（6）：28-34. . Economist， 2006，（6）：28-34.]

贺灵， 程鑫， 邱建华. 技术创新要素协同对企业创新绩效影响的实证分析. 财经理论与实践， 2012，（3）：103-107.. The Theory and Practice of Finance and Economics， 2012，（3）：103-107.]

张继宏， 张洪辉. 国家集成创新能力评价指标体系研究：我国自主创新的一个子系统. 技术经济与管理研究， 2010，（S1）： 40-43. . Technoeconomics & Management Research， 2010，（S1）： 40-43.]

魏守华， 吴贵生， 吕新雷. 区域创新能力的影响因素：兼评我国创新能力的地区差距. 中国软科学， 2010，（9）：76-85.. China Soft Science， 2010，（9）：76-85.]

Pearson R A. Section I， Social and Economic Science. Science， 1901， 14（363）： 912-926.

颜莉. 我国区域创新效率评价指标体系实证研究. 管理世界， 2012，（5）：174-175.. Management World， 2012，（5）：174-175.]

钞小静， 任保平. 中国经济增长质量的时序变化与地区差异分析. 经济研究， 2011，（4）：26-40.. Economic Research Journal， 2011，（4）：26-40.]

鲁小伟， 毕功兵. 基于主成分分析法的区域文化产业效率评价. 统计与决策， 2014，（1）：63-65.. Statistics & Decision， 2014，（1）：63-65.]

夏海力， 贾海成， 黄莹. 基于因子分析的长三角主要城市研发产业发展综合评价与分析. 科技进步与对策， 2012，（21）：109-112.. Science & Technology Progress and Policy， 2012，（21）：109-112.]

张玉臣， 周洁. 外资高新技术企业创新绩效及其行为特征. 科技进步与对策， 2013，（17）：81-86.. Science & Technology Progress and Policy， 2013，（17）：81-86.]

吴玉鸣. 空间计量经济模型在省域研发与创新中的应用研究. 数量经济技术经济研究， 2006，（5）： 74-85. . The Journal of Quantitative & Technical Economics， 2006，（5）： 74-85.]

吴素春. 创新型城市内部企业R&D模式与创新绩效研究. 科研管理， 2014， 35（1）： 33-40. . Science Research Management， 2014， 35（1）： 33-40.]