产学研合作创新效率、影响因素及时空差异

姚潇颖，卫 平

(华中科技大学经济学院，湖北 武汉 430074)

产学研合作创新效率、影响因素及时空差异

姚潇颖，卫 平

(华中科技大学经济学院，湖北 武汉 430074)

选取2009—2014年省际面板数据，运用超越对数随机前沿模型估计了中国产学研合作创新效率，并考察了其非效率影响因素。实证结果表明：产学研合作效率整体处于中等水平，有较大改善空间；非效率影响因素对合作效率影响较大，其中，政府资助和所有权结构呈显著负向影响，初始合作资源和地理区位呈显著正向影响；产学研合作内生投入产出机制倾向于不合理，内源性创新系统效率随时间演变逐年损失；区域差异化明显，高效率和较高效率区域集中于东部沿海省份，其合作效率显著高于中西部省份，且省域内合作较为紧密，跨省域合作较少、效率较低。

产学研合作；创新效率；非效率影响因素；随机前沿模型

1 引言

国际经济新形势下，产学研合作是提高自主创新能力的必要手段和科技转化为生产力的重要途径，也是优化配置科技资源、经济资源和生产力要素，整合国家科技与经济系统的有利措施，其最终目的是完善国家和区域创新体系[1]。产学研合作要求合作成员之间风险共担、利益共享，而各主体的利益诉求和出发点不一样，难以形成多方共赢的局面。那么，如何将创新资源最大化的转化为生产力成为最为突出的问题。

关于产学研合作效率相关文献的研究，可以分为定性研究和定量研究两方面。定性研究以微观调研为主，主要基于满意度与认同度来评价合作绩效。例如：Mora Valentin等将企业与大学或科研机构之间的合作作为整体分析，构建环境因素和组织因素影响指标体系，用满意度与合作的持续度来评价合作绩效[2]。邓颖翔等发展了一套产学研合作绩效的测量表，将产学研合作绩效分为知识共享与创造、合作的附加价值两个维度，并针对企业和学研方设计了两套量表来调查对绩效的认同程度[3]。付俊超将专家根据自己已有的知识和经验打分记为定性指标的得分值，并提出模糊积分评价法。定量研究以中观和宏观视角研究居多，主要以投入产出客观数据为依据[4]。例如：Motohashi研究发现，日本小企业的产学研合作生产率要高于大企业[5]。Brimble认为企业缺少动力、大学的刚性结构和弱激励以及泰国分散的官僚体制等原因导致产学研合作十分脆弱。泰国高科技行业和虾养殖业的产学研合作效率较高，纺织业合作效果不明显[6]。车维汉、刘民婷等分别对上海市主要制造业和陕西省制造业产学研合作效率进行了测度[7-8]。樊霞、陈光华等运用DEA-Tobit两步法测算了广东省企业产学研合作创新效率，并深入探讨其影响因素[9-10]。仇冬芳等利用DEA模型对省域产学研合作效率及效率持续性进行了研究，表明我国产学研合作效率较低，但保持了较好的增长态势[11]。总而言之，国内外学者研究产学研合作效率时所选取的研究视角、考察对象和指标变量均有所不同，因而得出的结论并不一致。

纵观现有研究，尚存在几点不足。一是在投入要素的选取上，缺少产学研合作直接投入。现有研究均以R&D资本和R&D人员来代表产学研经费和人才投入，与技术创新投入变量无异，无法体现产学研合作投入特点。二是在影响因素选择上，没有形成一个企业与高校和科研机构联系程度的代表性指标。

为弥补以上不足，本文选取2009—2014年30个省级行政区大中型企业的数据，在技术创新基础变量之上，加入企业对高校和科研院所的资金投入作为投入变量，以直观体现产学研合作投入；在考察影响因素时，将初始合作创新资源纳入来体现区域企业与高校和科研机构联系紧密程度，完善影响因素指标体系。应用随机前沿方法(SFA)来评测产学研合作效率，分析其影响因素，并进一步考察合作效率时间及空间趋势差异化的引致原因。

2 研究方法与模型设定

2.1 研究方法

Farrell提出的技术效率前沿生产函数测定方法是效率测度的基础。前沿生产函数反映了在具体技术条件和给定生产要素的组合下，决策单元各投入组合与最大产出量之间的函数关系。通过比较各决策单元实际产出与理想最优产出之间的差距可以反映出综合效率。本文将各省级行政区看作是合作创新生产的决策单元，各地区产学研合作如果实际产出与理想最优产出相一致，那么该地区产学研合作创新是技术有效的，否则是技术无效的。随机前沿生产函数(SFA)提出了具有复合扰动项的随机边界模型，将随机误差项与技术非效率项分开，体现了样本的统计特性，也反映了样本计算的真实性。本文旨在研究大中型企业区产学研合作创新效率及其非效率影响因素，因此采用SFA合适。

2.2 模型设定

本文采用Kumbhakar和Lovell[12]的总结，面板数据随机前沿生产函数模型的一般形式如下：

Yit=f(xit，t；β)exp(vit-uit)

(1)

uit=zitδ+wit

(2)

其中，zit是影响无效率项的外生解释变量，δ为无效率方程的外生解释变量变数未知系数，wit为随机误差项。若δ为正(负)，则外生解释变量对技术效率呈负(正)向影响。

技术效率TEit=exp(-uit)=exp(-zitδ+wit)，表示实际产出期望与效率前沿面产出期望的比值，其值介于0～1，当uit=0时，TEit=1，表示决策单元位于生产可能性边界上，即技术有效，否则技术无效。

利用SFA方法时，一般常用简单的柯布-道格拉斯生产函数和超越对数生产函数两种形式来估计生产技术效率。本文借鉴白俊红等[14]的设计方法，选用超越对数生产函数的随机前沿模型：

(3)

其中，β表示待估参数的系数，j和l代表第j个和第l个投入变量，其他同前。

3 数据来源与变量说明

本文数据是依据《中国科技统计年鉴》和《工业企业科技活动统计年鉴》2009—2014年大中型企业的数据整理而得。由于本文所使用的产学研合作投入核心指标数据从2009年起在统计年鉴上开始有记载，因此选取2009年为基期。研究对象为30个省级行政区，由于西藏数据有所缺失，暂不予考虑。30个省份的研发投入产出数据均不为零，在建立生产函数时将其做对数处理。按照统计年鉴中的传统划分法，将30个省级行政区划分为东、中、西三大经济区域，以考察产学研合作创新与区域经济发展的联系程度。

3.1 投入变量

对于产学研合作创新活动而言，研发活动是基础，产学研合作投入是核心。因此，对产学研合作创新绩效投入指标的选择，首先应基于与R&D活动相关的投入要素分析，再加入产学研合作投入指标。

按照现有文献，研发投入主要分为R&D人才投入和R&D经费投入[9，15-16]。而产学研合作还应考虑合作投入，以合作研发经费来表示。因此，本文选取R&D人才投入(L)、R&D经费投入(K1)、合作研发经费投入(K2)三个指标作为投入变量。R&D人才投入(L)用R&D人员全时当量来衡量，R&D经费投入(K1)用R&D经费内部支出总额来衡量，合作研发投入(K2)用R&D外部经费支出中企业对大学和科研机构的研发支出额来衡量。借鉴吴延兵[17]的研究，采用永续盘存法核算R&D存量，将R&D经费投入(K1)和合作研发经费投入(K2)均按此法换算成存量。公式如下：

RDSit=(1-δ)×RDSit-1+Iit

(4)

其中，RDSit表示第i个地区第t年的R&D存量。Iit为第i个地区第t年实际R&D经费支出，δ为折旧率，取15%。设R&D价格指数=α1×固定资产价格指数+α2×消费物价指数，取α1=0.45和α2=0.55。以2009年为基期，对R&D当期经费支出数据进行平减，得到各地区R&D投入实际值。

基期的R&D支出存量可用下式来估算：

(5)

其中，RDSi0是指地区i的基期存量，Ii0是基期R&D经费支出实际值；g是R&D支出的年均增长率；δ为R&D支出存量的折旧率。结合式(4)和式(5)，就得到2009-2014年30个地区的R&D资本存量。

3.2 产出变量

衡量R&D产出变量的指标在学术界一直存在争议。一部分学者使用发明专利作为衡量科技创新的产出指标，认为专利是衡量创新产出最直观的指标[14-15，18]；而另一部分学者使用新产品销售收入作为产出指标，认为新产品销售收入体现了产学研合作创新活动商业价值、经济效益以及市场接受程度[19-20]。本文认为出于商业机密的考虑，并非所有研发创新成果都会申请专利，且专利质量也无法评判，而一般而言，研发成果都会转化为产品产生效益，因此，本文选取新产品销售收入(Y)作为创新产出指标。以2009年不变价格水平的工业生产者出厂价格指数将新产品销售收入折算为实际值。

3.3 技术非效率影响因素

企业是市场经济和技术创新的主体，也奠定了企业在产学研合作中的主体地位，因此，本文主要从企业角度考虑影响因素。

(1)企业相关影响因素。政府资助(Gov)：政府一般从宏观指导、政策支持和财政资助等方面参与到产学研合作中来。从企业角度出发，政府的干预主要体现在资金的支持上，本文采用企业R&D内部支出中政府资金占比来衡量政府资助情况。

所有权结构(Owner)：所有权结构类型对中国企业行为和绩效的影响尤为严重，考虑企业产学研合作效率时其作用也不可忽视。本文采用各地区国有及国有控股企业资产总额占企业资产总额之比来代表所有权结构类型。

需要说明的是，2010年以后统计年鉴中不再统计大中型企业中国有及国有控股企业资产总额数据，由于国有及国有控股企业一般规模较大，几乎包含在大中型企业之中，因此，本文用2011—2014年规模以上企业中国有及国有控股企业资产总额来近似替代大中型企业中国有及国有控股企业资产总额。

企业规模(Size)：企业的规模在一定程度上反映了企业的生产和研发能力、抗风险能力、灵活程度以及信息获取能力，这些均会对产学研合作效率产生影响。企业规模用各地区大中型企业工业总产值/企业数来代表。

(2)区域影响因素。为了准确估计空间结构对产学研合作效率的影响，我们将区域产学研合作创新相关要素纳入考虑。

初始合作资源(Resour)：从企业角度出发，产学研合作对象为高校和科研院所，区域初始合作创新资源不同，即各地区高校和科研院所数量和质量不同，在一定程度上反映了区域企业与高校和科研机构联系紧密程度，其是否会影响产学研合作效率值得我们深究。本文用各地区高校和科研机构总量占全国高校和科研机构总数之比来表征区域合作资源的情况。

地理区位(Geog)：用地区虚拟变量来表示，东部地区为1，中西部地区为0。

本文使用的变量定义及说明见表1。

表1 变量设置与定义

综上分析，可建立如下超越对数模型：

lnYit=β0+βklnK1it+βjlnK2it+βllnLit+1/2βkk(lnK1it)2+1/2βjj(lnK2it)2+1/2βll(lnLit)2+βkjlnK1itlnK2it+βkllnK1itlnLit+βjllnK2itlnLit+vit-uit

(6)

uit=δ0+δ1Gov+δ2Owner+δ3Size+δ4Resour+δ5Geog+wit

(7)

式(6)中，Yit、K1it，K2it和Lit分别为i地区t期的新产品销售收入、R&D人才投入存量、合作研发经费投入存量和R&D人才投入，β为回归系数。式(7)中，Gov为政府对企业创新活动的资助，Owner为企业产权结构，Size为企业规模，Resour为各地区初始合作资源，Geog为区位。

4 结果分析

科技创新活动需要一定的周期，其投入产出有一定的时滞，而时滞并没有一个统一的标准。因此，本文将全面考察无时滞、滞后1年、滞后2年和滞后3年4种情况下的随机前沿模型。首先，构建的似然比检验统计量来检验超越对数函数模型是否比简单的柯布-道格拉斯生产函数更适用，其次，对随机前沿生产函数的适应性、技术效率值、非技术效率的影响作用和产学研合作效率的时空差异性进行统计与分析。

4.1 前沿函数形式与适用性检验

为检验超越对数生产函数是否比柯布-道格拉斯生产函数更适合拟合产学研合作创新过程，我们在式(6)的基础上建立原假设H0，即二次项系数βkk、βjj、βll、βkj、βkl、βjl均为零，构建广义似然比检验统计量λ来检验柯布-道格拉斯函数时样本数据的拟合情况(见表2)。可见，模型 1～4的原假设均被拒绝，选取超越对数生产函数更为合适。

表2 假设检验结果

注：临界值为显著性水平为0.05下的χ2检验值，自由度为受约束变量的个数。

为检验函数适用性，首先在不考虑影响因素的情况下对模型进行估计，结果如表3所示。从估计结果可以看出，模型1～4的γ值均在1%的水平下显著大于0，说明存在技术非效率效应，随机前沿分析法是适用的。

表3 未考虑影响因素的估计结果

续表3

注：***表示在1%水平上显著，**表示在5%水平上显著，*表示在10%水平上显著，括号内为t值，下同。

4.2 产学研合作效率及影响因素分析

本文基于超越对数前沿生产函数估计样本数据的创新效率，分析其影响因素。表4对模型1～4的效率估计结果进行了统计性描述分析。从表4可以看出，未考虑影响因素的各模型合作创新效率平均值均比考虑影响因素时偏低。综合来看，两个模型中合作效率平均值最低的为0.495，最高的为0.673，也就是说产学研合作资源利用效率在49.5%～67.3%，还有32.7%～50.5%的改善空间。可见，产学研合作总体创新效率处于中等水平，仍有很大的提高空间，有待将研发投入更有效地转化为创新产出。

考虑影响因素的随机前沿估计结果如表5所示。从前沿生产函数估计结果来看，模型5～8中三种投入变量的回归系数结果基本一致，尤其是合作研发经费投入(K2)的回归系数全部显著且符号完全一致，可见，投入变量K2是研究产学研合作效率时应纳入考虑的重要变量。

表4 产学研合作创新效率描述性统计结果

表5 考虑影响因素的估计结果

政府资助(Gov)在模型6～8中均显著为正。说明政府对企业产学研合作的资助对其创新效率的提高起到显著的负面抑制效果。政府资助是一把“双刃剑”，一方面政府资助在加强企业参与产学研合作研发意愿和促进产学研合作顺利启动上起积极作用；但另一方面，政府资金的介入会对企业研发投入产生挤出效应，且由于企业R&D支出很大一部分是用在R&D人员经费上，R&D人员短期内缺乏供给弹性，因此，政府资助仅仅提高了R&D人员工资，增加了企业研发成本，而对创新活动效率的改善起不到作用。

所有权结构(Owner)在模型5～7中的回归系数均显著为正，模型8中不显著。说明国有产权对产学研合作效率产生了显著的负向影响。吴延兵证明了国有企业的生产效率和创新效率双重损失[21]，与本文研究结果相印证。所有权结构已经成为影响技术效率的重要因素，其原因在于，国有企业虽然一般实力较强，但其缺乏有效的监督机制和激励机制，存在着严重的委托代理问题、寻租问题以及普遍的运行效率低下问题，这也了导致其在知识和技术生产方面的低效率。

初始合作资源(Resour)在模型5～7中都显著为负，模型8中不显著为负。地区初始创新资源，体现了该地企业与高校和科研院所的联系紧密程度，借此可以考察合作资源的可得程度是否会影响合作效率。本文实证结果证明了地区初始合作创新资源对产学研合作效率产生了显著的正向影响，即高校和科研院所资源较多的地区企业产学研合作创新效率较高，说明区域合作资源越多，合作联系程度越高，合作效率越高。从另一角度来看，产学研合作还并未形成普遍的跨地区合作。

企业规模(Size)在模型6中的回归系数显著为负，其余不显著。大型企业生产和研发实力较强，抗风险能力较大，小型企业结构较为灵活，获取信息更方便快捷，可以说各有优缺点，所以，企业规模对产学研合作效率的影响并不明显，仅在模型6中起到显著正向促进作用。

地理区位(Geog)的结果显示，以中西部为参照组，东部地区对产学研合作效率具有显著的正向影响。地理区位不同，区域间经济发展水平和创新资源聚集程度不同，因而会影响产学研合作效率。

4.3 产学研合作效率的时空差异分析

考察期间省域产学研合作效率均值及其排名见表6。整体上来看，全国产学研合作效率值均小于1,尚无地区达到完全有效状态。比较各个省区的合作效率，浙江、江苏、广东的合作效率大于0.9，最为接近合作有效状态；山东、福建、天津等6省市处于较高效率水平；湖南、吉林、河北等15省处于中等效率水平；而内蒙古、山西等5省处于低效率水平，黑龙江与青海效率值低至0.2。这说明产学研合作效率存在明显的两极分化特征。

表6 省域产学研合作效率均值及排名

注：当某区域产学研合作效率值在[0.9,1)之间为高效率，在[0.8,0.9)之间为较高效率，在[0.5,0.8)之间为中等效率，在0.5以下为低效率。

产学研合作处于高效率和较高效率的主要是东部沿海省市，中部地区大多数省市处于中等效率区，而西部地区大多数省市处于低效率区。可见我国产学研合作效率区域差异化程度十分显著，东部沿海地区效率明显高于中西部地区。

图1与图2分别描绘了2009—2014年未考虑影响因素和考虑影响因素的产学研合作效率均值时间演变情况。从图1可看出，在未考虑影响因素时，4种时间模型的合作效率均呈现缓慢下降的趋势，可理解为在本文考察期间，产学研合作的内部创新系统并没有优化，其投入与产出配置反而更倾向不合理，从而降低了创新效率。从图2来看，在考虑影响因素时，4种时间模型的合作效率均呈现较为稳定的状态。总体上，考虑影响因素时产学研合作创新效率要高于未考虑影响因素的情况，因此产学研合作效率除了受自身创新系统内部投入产出机制的调节外，受外部因素影响较大。观察各影响因素初期到期末数据可知，国有企业所占比例有降低的趋势，而初始合作资源的数据呈上升的趋势，企业规模有明显增大的趋势，政府投入呈微弱波动状况。可见，高校和科研机构的增多加强了区域合作创新的能力，国有企业所占比例的降低减少了合作创新效率的损失，从而抑制了产学研合作效率的降低。

图1 未考虑影响因素的合作效率时间趋势图

图2 考虑影响因素的合作效率时间趋势图

5 结论与启示

据实证研究，中国产学研合作效率处于中等水平，仍有很大改善空间。不论从总体均值还是时间均值来看，考虑影响因素均比未考虑影响因素时合作效率高，说明外部因素对产学研合作效率的冲击较大。考虑技术非效率影响因素时，政府投入和国有性质对产学研合作效率产生显著的负面影响，初始合作资源和地理区位对合作效率产生显著的正向影响。从空间角度，产学研合作区域差异明显，高效率和较高效率区域集中于东部沿海省份，其合作效率显著高于中西部省份。结合区域合作效率差异情况可见，省域内合作较为紧密，而跨省域合作较少、效率较低，区域经济发展水平和创新资源对产学研合作效率影响较为严重。依据时间趋势，产学研合作内生投入产出机制倾向于不合理，内源性创新系统效率逐年损失。

针对中国产学研合作效率现状，应从优化产学研合作内部机制和改善外部影响因素两方面着手。一方面，完善产学研合作内部机制对于提高合作创新效率至关重要。一是明确产学研合作目的和目标。产学研合作应以企业为主体，高校和科研机构以其人才和智力资源为辅，全力服务于产品导向型技术创新，从而将科技转化为生产力。二是优化科技资源配置和重组。打通产学研信息沟通渠道，使合作不停留在资金投入层面，展开人才培养与研究开发全方位合作，促进合作模式和内容多样化发展，提升合作高度和深度。三是提高R&D投入强度和培育R&D吸收能力。加大R&D经费和人员投入可以促进提高企业自身技术创新能力，同时，推进产学研一体化，降低企业学习成本，加强企业R&D吸收能力，将投入更有效的转化为产出。另一方面，优化产学研合作外部环境和因素是提高合作效率的重要手段。一是以市场运作模式为主，政府尽量不直接参与合作。政府应以政策鼓励和引导为主，政府在对产学研合作进行必要资金资助时，要充分考虑企业研发实力和研发领域，将资金投入到有研发困难的企业或一些关键性技术、前瞻性技术等重点研发领域中去，减少对企业研发投入的挤出，确保资助的合理性和有效性。二是进一步加强国有企业改革。国有企业改革有利于增强企业动力，提高市场活力，从而提高合作效率。三是合理配置区域创新资源缩小区域差异。经济发达地区利用资源优势加以完善内部创新机制可以进一步加强区域创新能力，而打破地区障碍在需要的地区引入高校和科研等创新资源，才能从整体上提高合作效率，全面提升创新能力。

[1]蔡兵.创新与产学研合作[M].广州：广东经济出版社,2010.

[2]MORA-VALENTIN E M,MONTORO-SANCHEZ A,GUERRAS-MARTIN L A.Determining factors in the success of R&D cooperative agreements between firms and research organizations[J].Research policy,2004(33):17-40.

[3]邓颖翔,朱桂龙.产学研合作绩效的测量研究[J].科技管理研究,2009(11):468-470.

[4]付俊超.产学研合作运行机制与绩效评价研究[D].中国地质大学,2013.

[5]MOTOHASHI K.University-industry collaborations in Japan:the role of new technology-based firms in transforming the national innovation system[J].Research policy,2005,34(5):583-594.

[6]BRIMBLE P,DONER R.University-industry linkages and economic development:the case of Thailand[J].World development,2007,35(6):1021-1036.

[7]车维汉,张琳.上海市产学研合作效率评价——基于分行业数据的DEA分析[J].科技进步与对策,2010,27(3):20-25.

[8]刘民婷,孙卫.基于DEA方法的产学研合作效率评价研究——以陕西省制造业为例[J].科学学与科学技术管理,2011,32(3):11-15.

[9]樊霞,赵丹萍,何悦.企业产学研合作的创新效率及其影响因素研究[J].科研管理,2012(2):33-39.

[10]陈光华,王建冬,杨国梁.产学研合作创新效率分析及其影响因素研究[J].科学管理研究,2014(2):9-12.

[11]仇冬芳,胡正平.我国省域产学研合作效率及效率持续性——基于省域面板数据和DEA-Malmquist生产率指数法[J].技术经济,2013,32(12):82-89.

[12]KUMBHAKAR S C,LOVELL C A K.Stochastic frontier analysis[M].New York:Cambridge University Press,2000:216-259.

[13]BATTESE G E,COELLI T J.A model for technical inefficiency effects in a stochastic frontier production function for panel data[J].Empirical economics,1995,20(2):325-332.

[14]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.

[15]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):19-33.

[16]张煊,孙跃.产学研合作网络的创新效率研究——来自中国省域产学研合作的数据证明[J].山西财经大学学报,2014(6):59-66.

[17]吴延兵.R&D存量、知识函数与生产效率[J].经济学(季刊),2006(4):1129-1156.

[18]GUAN J C,GAO X.Exploring the h-index at patent level[J].Journal of the American society for information science and technology,2009,60(1):35-40.

[19]LIU X,BUCK T.Innovation performance and channels for international technology spillovers:evidence from Chinese high-tech industries[J].Research policy,2007,36(3):355-366.

[20]吴延兵.中国地区工业知识生产效率测算[J].财经研究,2008,34(10):4-14.

[21]吴延兵.国有企业双重效率损失研究[J].经济研究,2012(03):15-27.

(责任编辑 沈蓉)

Industry-University-Research Institute Cooperative Innovation Efficiency,Influential Factors and the Difference with Time and Location

Yao Xiaoying,Wei Ping

(School of Economics,Huazhong University of Science and Technology，Wuhan 430074，China)

Based on the regional panel data from 2009 to 2014,the regional industry-university-research institute(IUR) cooperation innovation efficiency was evaluated by using the stochastic frontier model,and the efficiency influential factors were investigated.The empirical results show that IUR collaboration efficiency as a whole is in the medium level in China,and there is big improvement space.The inefficiency effect factors have a greater influence on the efficiency of cooperation:government funding and ownership structure have significant negative impact;the initial cooperation resources and the geographical location have significant positive influence.Regional differentiation is obvious,high and the higher efficiency area is concentrated in eastern coastal province,the east cooperative efficiency is higher than the middle and west,inner-province cooperation relatively close,cross-province cooperation less,the efficiency low.

Industry-university-institute cooperation;Innovative efficiency;Inefficiency influence factors;Stochastic frontier model

教育部哲学社会科学研究重大课题攻关项目“战略性新兴产业发展研究”(10JZD0017)，中国科学技术协会项目“国际产业竞争中的专利战略及知识产权保护状况调查研究”(2015DCYJ07-2)。

2016-11-28

姚潇颖(1988-)，女，湖北潜江人，华中科技大学经济学院博士研究生；研究方向：产业经济学、科技创新等。

F062.9

A