中原城市群高新技术产业创新效率评价研究

关丽 苏建军

摘 要：我國经济正处于发展转变阶段，推动城市群的经济发展，有利于提升我国整体经济发展效率，也是协调区域发展的关键。利用2014—2018年相关数据，采用DEA模型与Malmquist指数对于中原城市群30个城市的高新技术产业的创新效率及全要素生产效率进行了测算，研究表明，依据创新效率评价矩阵将中原城市群高新技术创新效率划分为3种类型，其中，开封、洛阳、南阳、安阳等19个城市为低综合效率、低全要素生产效率类型;许昌、漯河、新乡、邢台等8个城市为高综合效率、低全要素生产效率类型;阜阳、亳州、淮北等3个城市为低综合效率、高全要素生产效率类型。通过加强政府对创新研发的财力、人力资本和物力投入，加强中原城市群高新技术产业技术的合作和交流，合理配置资源，制定倾向性政策，丰富高技术产业创新效率评价体系等措施提高中原城市群高新技术产业的创新效率。

关键词：中原城市群;高新技术产业;创新效率;DEA模型;Malmquist指数

中图分类号：F 830;G 311   文献标识码：A   文章编号：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，国务院批复同意中原城市群规划后，2017年1月，国家发改委便发布了《中原城市群规划》，明确14个城市为核心发展区，并联动辐射其他16市，规划明确五大定位，确立近期和远期目标，首次提出构建“一核四轴四区”网络化发展空间格局。区域技术创新发展对经济增长的影响因区域不同而存在差异[1]。因此，加速中原城市群的发展，有利于中部地区的崛起，推动建设新型城镇化，形成带动中国经济增长的新引擎，最终对拓展我国经济发展新空间具有重要的战略意义。随着国际、国内对于高新技术产业地位与作用认识的不断深入，高新技术产业已成为国家城市发展的重要创新型产业，不仅发展速度快，而且市场地位日益提升。作为国家发展战略的重要组成部分的中原城市群，如形成高质量发展的高新技术产业，则不仅可以对中原城市群整体工业竞争力和经济增长形成重要的推动作用，而且也在中国的创新战略中起到重要的作用。因此，测评中原城市群高新技术产业创新效率，比较城市间差异，进而采取针对性措施，提升高新技术产业资源配置效率，促进高新技术产业高质量发展成为当前重要研究课题。关于高新技术产业效率的研究，国内外诸多学者对其进行了分析。HAN（2010）运用SFA模型对产业创新效率进行测度，指出电子计算机及相关行业创新效率最高，而设备制造业最低，还分析了企业数量、外资企业资产和行业利润等因素对高新技术产业效率的影响。THOMAS et al（2011）通过研究美国50个州和哥倫比亚地区在2004—2008年的研发效率，发现各地区的研发效率中，只有14个地区的效率产生了积极变化，并提出使用国家级专利及出版物来进行研发效率分析的重要性。BELLUCCIY（2015）采用综合分析的方法研究了学术知识对创新活动的重要性。STEPAN ZEMTSOV（2019）、MAXIM KOTSEMIR（2019）利用DEA评估了区域创新系统的专利结果与资源之间的关系，区分出各个地区的创新效率。吴卫红[2]等用DEA分析法，以创新驱动知识发展和创新驱动经济环境发展两个角度测算了2004—2014年中国创新驱动发展效率水平，并以此提出推动策略。刘和东[3]等基于网络DEA测度的方法，从研发和商业化效率进行测度，研究“一带一路”17省市高新技术产业创新效率。易明[4]等从全要素生产率（TFP）角度，以基于非参数的Malmquist为工具，研究了存在于我国高新技术产业创新效率动态中的演变规律。何燕子[5]等运用两阶段DEA模型和Malmquist指数法，实证分析了我国高技术产业不同阶段与细分产业的技术创新效率。董艳梅[6]等运用两阶段DEA评价了我国高技术产业创新效率，随后，王飞航[7]等运用三阶段DEA模型对于我国西部创新效率进行了综合评价分析。李高扬等[8]利用Malmquist指数法以2007—2011年17个国家的创新型城市为样本，分析各个国家创新型城市的空间差异性，随着研究深入，更多学者开始从空间角度研究高新技术创新效率。朱丽霞和贺容[9]等基于DEA和Malmquist指数模型对长江中游城市群城市创新效率的时空演化规律进行实证分析，并借助GMM估计方法揭示其驱动因子作用的空间异质性。戚涌[10]等采用静态与动态方法研究长江经济带九省二市高技术产业创新效率，在此基础上采用Tobit模型研究高技术产业创新效率的影响因素。曹贤忠[11]等运用Malquist-DEA方法，对长三角核心城市的研发资源投入产出效率及空间分异特征进行分析，并运用因子分析定权法验证了DEA计算结果。

梳理相关文献发现，对高新技术产业的创新效率、研发效率、全要素生产率、技术效率和科技创新效率等方面，国内外的学者都做出了不同程度的研究，但在研究角度、指标选取及研究方法等方面存在差异。从研究方法来看，国内外学者对高新技术产业创新研究主要分为两大类，一类为参数估计，一类为非参数估计。如因子分析法，多元回归分析模型，随机边界分析法（SFA），数据包络模型及其改进（两阶段或多阶段）或Malmquist生产力指数法等[13]。从近期文献看，多是采用综合分析方法模型。从研究内容看，既有基于省域的研究，也有立足于某个行业的新观点，也有划分一些不同价值链阶段的研究，也包括对一些产生效率差异的影响因素进行研究，鲜见城市群的高新技术产业创新效率的研究。文章以中原城市群为研究区域，采用数据包络模型（DEA）与Malmquist指数分解测算2014—2018年中原城市群高新技术产业创新效率及增长变化，并构造高新技术创新效率二维矩阵，将中原城市群划分为3种类型，从时空上揭示中原城市群高新技术产业创新效率发展变化特征，在此基础上，提出针对性建议，旨在提升中原城市群高新技术产业的创新效率。

1 研究方法、变量选择及数据来源

1.1 DEA模型

DEA方法（数据包络分析方法）是一种数量分析方法，以各类投入指标和各类产出指标为基础，采用线性规划方法，用于评价同类型单位的相对有效性[14]。基于规模收益不变的前提，运用数据包络分析法运算出各个决策单元的综合效率，纯技术效率，规模效率数值，一方面，可检验决策单元是否有效，另一方面，能够通过分析判断造成决策单元无效的原因是规模效率还是纯技术效率。

DEA方法可以用来衡量不同的投入产出所带来的创新效率，并以此来比较分析决策单元是否有效。DEA计算公式

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-为投入的松弛向量;s+为产出的松弛向量;θ为一个目标值;λ为一个横向量为1的向量。若θ=1，s+=s-=0时，表示被考察单元属于有效单元，表示投入X所获得的产出Y达到了最优值。若θ<1时，则表示被考察单元属于无效单元[12]。

根据DEA模型的评价原理可知，当决策单元投入量相同时，产出量越大，DEA效率越高;当决策单元产出量相同时，投入量越小，DEA效率越高[13]。研究选取中原城市群30个城市作为决策单元，投入、产出指标数量的乘积为6，指标数量和的3倍为15，可见，决策单元大于指标数量和及其乘积，说明选取中原城市群30个城市作为决策单元进行创新效率研究，具有可行性。

1.2 变量选择

高新技术产业具有多投入、多产出特点，具有明显的投入产出比。产业投入主要反映在人力、物力和财力等方面，产出则主要包括经济效益和知识产出。在测算创新效率的目标下，考虑到数据的连续性、可获得性以及指标的代表性，参照以往学者的研究文献选取相关投入与产出指标。其中从业人员数量（X1）、R&D经费（X2）、能源消费总量（X3）为投入指标，专利申请数（Y1）、产业增加值（Y2）为产出指标，具体见表1。

1.3 数据来源

以《中原城市群规划》确定的30个城市作为研究对象，即河南省郑州市、开封市、洛阳市、南阳市、安阳市、商丘市、新乡市、平顶山市、许昌市、焦作市、周口市、信阳市、驻马店市、鹤壁市、濮阳市、漯河市、三门峡市和济源市。山西省长治市、晋城市和运城市。河北省的邢台市和邯郸市。山东省聊城市、菏泽市以及安徽省淮北市、蚌埠市、宿州市、阜阳市、亳州市。数据来源主要为相关年份的《中国城市统计年鉴》、《中国统计年鉴》及EPS数据库。

2 创新效率的评价

2.1

2014—2018年中原城市群高新技術产业指标效率分析

2014—2018年中原城市群的综合效率、纯技术效率、规模效率均值评价结果，见表2。

从表2可以看出，总体上2014—2018年中原城市群高新技术创新效率差异明显，聊城、郑州分别为1和0.999，其中运城、济源的综合效率仅为0.474、0.472。

对于中原城市群的纯技术效率，综合效率，规模效率均值做进一步清晰分析，如图1所示。

1）中原城市群总体高新技术创新效率不高。中原城市群综合效率平均为0.66，相对水平不高，其中只有聊城实现了最佳技术效率，其余29个城市都未能实现最佳效率，其中济源和运城的综合效率仅为0.472、0.474。说明其投入冗余或者产出不足，即投入产出数量的比例不合理，资源未得到合理配置，需要加强科技成果转化，提升资源的投入产出比，同时还要重视对科技创新人才的培养和引入。

2）各城市纯技术效率差别幅度较大。中原城市群中郑州、周口、鹤壁、漯河、聊城、菏泽的纯技术效率值为1，达到了最优状态，说明这些城市的企业发展进入到了一个稳定的发展期，资源配置与技术配置都达到了一个最优状态，发展稳定高效。一方面，政府出台了有利的政策，为城市发展提供了好的技术创新氛围，另一方面，企业在创新方面也投入了人力和物力。纯技术效率较低的有安阳、平顶山、运城、宿州，这4个城市的纯技术效率较低。可能的原因是技术研发投入不足，这主要受当地经济结构不合理，科研机构少以及科技人才数量不足的影响，所以需要探索新的发展路径。

3）中原城市群规模效率整体较高。从规模效率角度来讲，中原城市群中大多城市的规模效率都在0.9以上，说明资源得到了较好利用，但是有少数城市，比如漯河、邯郸、济源、亳州的规模效率较低，一方面，规模效率是制约中原城市群高新技术创新的重要因素，另一方面，也表明中原城市群整体经济发展处于中等水平，虽然大部分城市制定了科研管理制度，提升了财政对科技研发投入，但效果并不理想，说明这些城市的规模效率还有很大提升空间。

2.2

基于Malmquist的中原城市群高新技术产业创新效率的分析

为了更进一步分析中原城市群的高新技术产业创新效率，研究基于中原城市群的30个城市2014—2018年的面板数据，结合Malmquist指数模型，测算各个效率的值，弥补静态DEA模型对于面板数据的缺陷，结果见表3与表4。

从表3可知，2014—2018年中原城市群高新技术全要素生产效率的平均值1.104，这表示全要素生产效率（TFP）年均增长10.4%。其中有很大一部分（6.4%）取决于技术效率变化，其次是综合效率变化（3.7%）和纯技术效率（2.7%）的改善，最后是规模效率的变化（1%）。在开放经济中，技术进步的途径主要有技术创新、技术扩散、技术转移与引进，中原城市群技术进步主要在于自身技术进步所带来的创新效率的提高，但吸收引进外部技术的能力相对较弱。

从时间趋势来看，2014—2015年中原城市群的全要素生产效率的变化主要依赖于技术进步的变化，2015—2016年技术进步的变化仍然大于其他的效率变化，说明这两年的技术在稳步提升，然而到了2016—2017年，全要素生产效率的变化的主要依赖于纯技术效率的变化，2017—2018年全要素生产效率的变化又主要受到了技术进步的影响，2014—2017年综合效率，技术效率，纯技术效率都在稳步提升，到了2017—2018年，这3种效率都有一定程度的下降，2014—2018年规模效率一直在稳步提升。

从全要素生产效率变化看，全要素生产效率处于较高的城市有郑州、南阳、许昌、焦作、驻马店、聊城、菏泽、淮北、宿州、阜阳、亳州等11个城市，其全要素生产效率都大于10%，全要素生产效率处于中等水平的城市有开封、安阳、新乡、周口、信阳、鹤壁、漯河、濮阳、济源、长治、晋城、邯郸、蚌埠等13个城市，其全要素生产效率的值在5%～10%之间，全要素生产效率较低的有商丘、运城、邢台、三门峡、平顶山等5个城市，全要素生产效率值都低于5%，鹤壁的全要素生产效率出现负值。从城市地域分布看，一是全要素生产效率较高的城市大多属于河南省，其中郑州、南阳、许昌、焦作、驻马店等城市的全要素生产效率名列前茅，这些城市的全要素生产效率的提高主要得益于国家政策支持，中原城市群是以郑州为核心，向其他城市联动发展的，加大了创新的力度，增强了自主创新的能力。二是全要素生产效率处于中等水平的城市，一般都属于山东省和安徽省，近些年安徽在发明专利方面表现相当亮眼，山东省工业发达，其中工业总产值和工业增加值都位列前茅，因此这些地区在高新技术产业中具有较强的竞争力。三是全要素生产效率较低的运城、邢台、三门峡等城市，这些城市的整体的全要素生产效率不高，说明高新技术产业的投入产出不合理，资源没有得到很好的利用，需要调节投入产出比。

从原因解析看，阜阳和亳州是由综合技术效率变化和技术变化推动TFP增长，开封、洛阳、南阳、安阳、新乡、平顶山、许昌、焦作、濮阳、漯河、济源、长治、晋城、运城等是综合技术效率变化拉动，郑州、周口、驻马店、邢台、邯郸、聊城、菏泽、淮北等是随技术进步而发展，商丘、三门峡、信阳、蚌埠、宿州等的创新TFP的提升则受到综合技术效率变化、纯技术效率和规模效率变化的制约。而在技术效率变化恶化的影响下，鹤壁的创新TFP呈现出负增长。从具體数值看，邢台、邯郸2个城市的综合技术效率变化值小于1，洛阳、平顶山、焦作、鹤壁、濮阳5个城市技术进步值小于1，洛阳、新乡、平顶山、信阳、邯郸5个城市的规模效率增长率为负，这说明不同城市的创新效率增长源泉是不一样的，对全要素生产率的作用具有显著性差异，但总体来说大多数城市的原始技术创新和进步对提升效率有重要意义。

2.3

中原城市群高新技术产业创新效率类型划分

为了进一步揭示中原城市群高新技术创新效率的空间变化特征，研究以2014—2018年中原城市群高新技术产业创新效率的综合效率为横轴，全要素生产效率为纵轴，构建中原城市群高新产业创新效率二维评价矩阵，如图2所示。

图2表明，中原城市群高新技术产业创新效率主要为3种类型。第一类为高综合效率、低全要素生产率型。许昌、漯河、新乡、邢台等8个城市属于该类型，这些城市虽然拥有较高的竞争优势，但其技术进步水平普遍较低，因此仍然需要寻求发展。第二类为低综合效率、高全要素生产率型，阜阳属于这类型。阜阳在创新研发上投入了大量资源，政府资金支持也在增加，从事R&D经费也有显著增长，这些措施都导致阜阳技术进步速度较快，未来发展方向比较明确，但资源使用效率、配置水平还待提高。第三类为低综合效率、低全要素生产率型。安阳、蚌埠、济源、晋城等都属于该类型，创新效率水平和进步速度都比较低，整体水平不高。这些城市的政府部门应采取措施，提高资源配置或管理水平。

4 结语

1）中原城市群高新技术产业平均创新效率呈现上升发展，但整体创新效率水平不高，处于一般水平，且城市间的差距显著，大部分城市创新效率值较低。

2）中原城市群高新技术产业创新全要素生产率以年均10.4%的态势稳定增长，得益于技术进步的影响，产业创新效率出现了较大的提高。由于创新TFP增长在不同城市间存在较大差异且源泉不同。创新TFP增长较高的城市大多依赖于核心城市的带动作用，其全要素生产率增长主要依靠两种方式，一种是原始技术进步，另一种是综合技术效率变化。

3）基于创新效率值和全要素生产率的指标可以将中原城市群高新技术产业创新主要分为3种类型，即高综合效率、低增长率，低综合效率、高增长率和低综合效率、低增长率。大多数城市的特点是综合效率高，增长率低，这类城市应作为提高创新效率和技术进步的重点关注对象。

4）政府层面。一是改革现有体制和政策，剔除或改进现有制度中僵化、冗杂、阻碍创新思想和实践的政策，代之以灵活、精简、刺激创新的政策，如精简专利申请流程，优化专利申请办事机构，成立专业的专利申请审查工作组，对创新活动及时作出评估和反馈;二是增加针对创新项目的财政预算和拨款，为创新活动顺利开展提供物质上保证。同时在税收等方面对创新活动和创新项目给予一定优惠，并对已做出创新成果或希望做出创新贡献的企业和团体给予资金和物质上奖励，以进一步激发他们创新热情和积极性;三是政府带头积极与国外高新技术产业创新部门和企业联系，通过派出学习交流团队方式，引进国外先进科技，并结合各城市实际情况，为其提供新的创新思想和方向，推动创新水平和创新效率进一步提高。

5）企业层面。一是改革现有企业制度，改革企业中现存阻碍企业创新的制度，如因过度追求企业短期利益而设立的严格而缺乏灵活性的企业目标和绩效评价体系，代之以更加灵活的指标体系，让企业成员以及各部门有机会做出创新尝试;二是重塑企业文化，企业文化已经成为当今企业管理中重要的，甚至主要的工具，在具有创新精神的企业文化中，企业成员会以创新为己任，积极面对创新，同时企业管理者也会更加倾向于选择为企业带来重大创新和变革的改革计划和方案，最终全面提高企业创新效率;三是加大创新项目资金支出。一项创新活动，要顺利展开并取得成果，需要大量资金支持。企业要逐步加大创新资金支出在企业总支出中所占比重，从物质基础上稳固企业创新活动。同时也要对勇于创新的企业成员给予物质和精神上的奖励和支持，进一步激发他们的创新潜能，推动企业创新水平进一步提升;四是改革企业结构。为加强企业创新能力，必须剔除其重复、无用的企业层级和部门，尤其是要优化从创新到实践这个过程中的部门，使企业创新思想和创新方案能迅速得到实现，提高企业创新效率。另外，要设立信息收集反馈部门，信息是企业创新的重要源泉，信息部门不仅要收集外部顾客反馈的产品与服务信息，也要收集企业内部的生产经营信息，以此发现企业中存在的不协调，并借此组织企业创新;五强化企业与企业，企业与政府之间的联系，促进其交流合作，可以借鉴其他企业优势，弥补自身不足，使自身创新行为更为完善，更为贴合实际，创新效率也就更高。加强企业与政府之间的联系，积极响应政府创新号召，充分利用创新优惠政策，使自身创新活动更为顺畅，创新效率更高。

6）社会层面。一是各高校要积极与当地企业和相应的政府部门对接，通过人才与知识共享平台，使具有丰富知识的高新技术人才能在企业与政府中充分发挥自身能力和水平，成为企业和城市创新先锋队，用他们的新思想、新知识取代陈旧的、过时的理论，引领企业和城市创新改革，推动整体创新效率提升;二是促进城市间的高新技术产业的技术合作和交流。由于技术创新发展具有明显的协同效应作用，并且在先进技术与理念的传播方面尤为突出，所以可通过加速推进个城市间的分工合作，促进城市和行业竞争力的提升;三是提升消费者对新知识、新产品的需求意识。需求是创新的一大动力，要满足新需求必须进行创新活动。因此，引导消费者要勇于接受新知识，接纳新产品，产生新需要，只有这样，创新才不是天马行空般的幻想，才能与实践需求相结合，通过创新满足市场新需求，这才是有效率、有效果的创新。

参考文献：

[1] 杨晔.区域技术创新对经济增长的影响研究——基于金融环境的视角[J].技术与创新管理，2020，41（04）：344-351.

[2]吴卫红，李娜娜，张爱美等.我国省域创新驱动发展效率评价及提升路径实证研究[J].科技管理研究，2017，37（05）：63-69.

[3]刘和东，陳雷.“一带一路”省市高新技术产业创新效率研究——基于网络DEA的测度方法[J].技术与创新管理，2019，40（04）：399-404.

[4]易明，彭甲超，俞艳霞.我国高新技术产业技术创新效率评价及提升对策研究[J].宏观经济研究，2017（11）：60-68.

[5]何燕子，岳喜优.基于两阶段DEA的高技术产业技术创新效率评价研究[J].渤海大学学报（哲学社会科学版），2019，41（03）：88-93.

[6]董艳梅，朱英明.中国高技术产业创新效率评价——基于两阶段动态网络DEA模型[J].科技进步与对策，2015，32（24）：106-113.

[7]王飞航，李友顺.基于三阶段数据包络分析模型的我国西部地区国家级高新区创新效率评价[J].科技管理研究，2019，39（01）：55-60.

[8]李高扬，刘明广.基于Malmquist指数的国家创新型城市绩效实证评价[J].技术与创新管理，2013，34（06）：517-520.

[9]朱丽霞，贺容，郑文升等.长江中游城市群城市创新效率的时空格局及其驱动因素[J].长江流域资源与环境，2019，28（10）：2279-2288.

[10]戚湧，刘军.长江经济带高技术产业创新效率评价及实证研究[J].科技管理研究，2017，37（17）：60-69.

[11]曹贤忠，曾刚，邹琳.长三角城市群R&D资源投入产出效率分析及空间分异[J].经济地理，2015，35（01）：104-111.

[12]刘琪.山西省高新技术产业创新效率分析[J].中北大学学报（社会科学版），2019，35（01）：86-90.

[13]王兆君，任兴旺，车轩.知识经济背景下我国各省市创新效率实证研究[J].经济问题探索，2019（01）：47-54.

[14]冯莎.我国高技术产业创新效率评价研究[J].调研世界，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]黄海涛，夏赟.工业企业技术创新效率测度与影响因素分析——基于新疆14个地州市的SU-DEA-Tobit模型分析[J].新疆农垦经济，2019（12）：83-91.

[20]李绍亭，周玉玺.山东省农业全要素生产率时空演变分析[J].新疆农垦经济，2019（03）：33-39.

[21]陆涛，罗鄂湘.区域异质性视角下高技术产业人才聚集与技术创新的实证研究[J].技术与创新管理，2019，40（05）：538-545.

（责任编辑：王 强）

收稿日期：

2020-08-12

基金项目：

2020年西安市社会科学规划基金（FX81）;西安科技大学博士启动项目（2019QDJ026）

作者简介：

关 丽（1996—），女，甘肃白银人，硕士研究生，主要从事技术经济评价与管理方向的研究。