□包迪（广西大学商学院 广西南宁 530004）

◆基金项目：国家自然科学基金资助项目（项目编号：71462003）；广西研究生教育创新计划项目（项目编号：YCSW2017013）

◇中图分类号：F275  文献标识码：A  文章编号：1002-5812（2017）17-0009-06

摘要：文章以2005—2014年中国高技术产业的面板数据为基础，采用基于DEA的Malmquist指数分析法，对高技术产业发展过程中研发创新全要素生产率（TFP）的变动及其分解进行研究。研究结果表明：中国高技术产业研发创新全要素生产率基本维持稳定，其增长幅度呈小幅下降趋势，技术进步为主要动力；技术进步与技术效率呈现明显的反方向变动趋势；17个行业的研发创新全要素生产率（TFP）虽然存在明显的差异，但在宏观环境因素的影响下，不同行业的技术进步与技术效率具有相似的变动规律。在此基础上，为促进高技术产业研发创新绩效的进一步提升，提出了相关的对策和建议，包括政府需注重激励知识产权创新、提升创新效率和建立健全适合高技术产业成长的市场机制等。

关键词：高技术产业 研发创新 全要素生产率

    一、引言

　　研发创新全要素生产率（TFP）是研发创新过程中除基本投入要素之外影响到创新产出增长的各种要素，研发创新全要素生产率增长反映了研发创新过程中的技术进步和技术效率改善（涉及制度变革、结构演化等）。其中技术进步反映的是在当前要素投入水平下产出的最优状态，而技术效率改善则是实际产出不断向最优状态靠近。研发创新全要素生产率是分析研发创新绩效的重要工具，尤其是政府制定创新政策的根本依据。一方面，估算研发创新全要素生产率有助于分析创新产出变动的原因，识别创新产出增长是研发投入型增长还是研发效率型增长；另一方面，估算研发创新全要素生产率是制定和评价创新政策的基础。具体来说，通过研发创新全要素生产率增长对创新产出与投入贡献的比较，就可以确定在制定创新政策时应注重增加研发投入还是应注重调整创新模式、提高技术效率。

　　作为研发投入水平较高的产业，高技术产业具有高投入、高产出、高附加值、高渗透性和高创新性的特质。近年来，我国高技术产业发展规模不断扩展，强有力地带动了我国产业结构调整和产品技术升级，使得国家的整体经济水平和创新能力都得到了很大的提升，为此，政府及社会各界将高技术产业作为我国当前及未来的经济增长动力而加以积极扶持。2005—2014年间我国高技术产业R&D经费投入年均增长21.76%，然而资金投入的增长并没有带来研发成果同步增长，如2005—2014年间我国高技术产业新产品销售收入年均增长19.22%，这说明我国高技术产业在研发创新的过程中仍存在着技术、效率问题。基于此，本文以测量和分解研发创新全要素生产率的方式研究高技术产业的创新能力，研究高技术产业创新产出增长的动力是研发投入型增长还是研发效率型增长，判断高技术产业创新发展的趋势，这对我国政府制定高技术产业创新政策、提升研发创新绩效与实施创新驱动发展战略有着重要意义。

　　二、相关文献回顾

　　研发创新全要素生产率作为衡量研发创新绩效的重点内容，逐步走入研究者们的视野。但对该领域的研究起步较晚，相关文献并不多见。在现有研究成果中，多数研究集中于比较分析研发创新全要素生产率变动的时序特征及地区差异，如白俊红等（2009）以1998—2006年我国30个省的面板数据为基础，实证分析了研发创新全要素生产率增长情况，李邃等（2010）实证测评了2000—2008年国内28个省份高技术产业研发创新全要素生产率，吉生保等（2010）对1997—2008年我国东、中和西部医药制造业研发创新全要素生产率的变动进行测算，张金胜等（2011）考察了1999—2008年间我国东、中和西部研发创新全要素生产率的变动趋势，冯志军等（2013）分析了我国区域大中型工业企业研发创新全要素生产率及其分解的技术效率和技术进步，吕光桦等（2013）利用空间面板数据的地理加权回归模型对我国区域研发创新全要素生产率进行测算，姜彤彤（2013）基于价值链的视角实证研究了1996—2010年我国各省份的高技术产业研发活动两阶段全要素生产率。只有少数研究从时序特征和行业差异这两个维度对研发创新全要素生产率进行实证分析，如牛冲槐等（2015）从价值链视角对2006—2013年我国装备制造业7个行业的研发创新活动全要素生产率及其分解情况进行实证研究。

    作为研发创新投入较高的产业，高技术产业是知识经济活动中技术创新最为活跃的产业，在提升研发创新绩效的分析研究过程中，高技术产业无疑是具有代表性的产业。从国内的研究来看，近十年来，对高技术产业研发创新问题的研究成果十分丰富。从高技术产业研发创新绩效的研究成果来看，杨晓冬等（2012）针对我国近年该产业发展迅速的特点，应用非参数统计估计的数据包络分析方法评价了东、中部地区的创新绩效水平。其中，同作为研发创新绩效的重点内容，研发效率与研发创新全要素生产率的区别在于，研发效率是一种基于评价对象横截面数据的静态评估，而研发创新全要素生产率是一种基于评价对象面板数据的动态评估，即通过动态评估创新发展的趋势分析研发创新全要素生产率增长的源泉，是技术效率的改善还是技术进步。而现有文献大多集中于对高技术产业的研发效率进行测度与分析，相比较而言，很少有文献从研发创新全要素生产率的角度对我国高技术产业进行测量与评价，应用高技术产业面板数据对研发创新绩效的跨期动态变化进行研究基本为空白。

    通过以上相关文献回顾可知，现有研究存在以下不足：首先，现有关于研发创新绩效的研究多集中于静态研发效率的测度与评价上，而对动态研发创新全要素生产率增长的测度与评价较少，特别是对高技术产业研发创新全要素 生产率的测度与评价鲜有研究；其次，对于现有的动态研 发创新全要素生产率的研究中，多数研究集中于比较分析研发创新全要素生产率变动的时序特征及地区差异，只有少数研究从时序特征和行业差异这两个维度对研发创新 全要素生产率进行实证分析。基于此，本文从时间和行业这两个维度出发，利用2005—2014年我国高技术产业17个行业最新面板数据，运用Malmquist指数分析法对研发创新绩效的跨期动态变化（即研发创新全要素生产率）进行测算和研究。目的在于深入探讨我国高技术产业创新产出增长的动力源泉，判断高技术产业创新发展的趋势，从而为提升高技术产业乃至全国的研发创新绩效提供政策指导，发挥高技术产业对提升我国创新能力及建立创新型国家的引领作用。

　　三、研究方法

    关于全要素生产率变动的研究，目前主要有四种方法：增长核算法，生产函数法，随机前沿分析法，以及基于DEA的Malmquist指数分析法。其中Malmquist指数分析法由于具有不需要对生产函数结构做先验假定、不需要对参数进行估计、允许无效率行为存在、能对TFP变动进行分解等优点，在研究中受到了越来越多的关注。因此本文选择Malmquist指数法来测算中国高技术产业研发创新全要素生产率。

    Malmquist生产率指数是在距离函数的基础上定义的，包括投入距离函数和产出距离函数。本文使用产出距离函数来定义Malmquist生产率指数。产出距离函数为：

    d0（y，x）=min｛φ：（y/φ)∈p（x）｝

    其中，x表示投入量，x=（x1，x2…xm）；y表示产出量，y=（y1，y2…yn）；p（x）表示有效前沿面的的集合。

　　以时期t的技术为参考技术，基于产出距离函数的Malmquist指数表示为：

　　Mt0（xt+1，yt+1，xt，yt）=dt0（xt+1，yt+1）/dt0（xt，yt）

    以时期t+1的技术为参考技术，基于产出距离函数的Malmquist指数表示为：

　　M■■（xt+1，yt+1，xt，yt）=d■■（xt+1，yt+1）/d■■（xt，yt）

　　t期到t+1时期的Malmquist指数变动值即为t期到t+1时期的全要素生产率变动值。可以将M0（xt+1，yt+1，xt，yt）进一步分解为：

    M0（xt+1，yt+1，xt，yt）=[d■■（xt+1，yt+1）/d■■（xt，yt）]×{[dt0（xt+1，yt+1）/d■■（xt+1，yt+1）]×[dt0（xt，yt）/d■■（xt，yt）]}=TEC×TP=PC×SC×TP

    其中，（xt，yt）和（xt+1，yt+1）分别表示时期t和时期t+1的投入量和产出量；dt0和d■■分别表示以时期t的技术为参考技术，时期t和时期t+1的距离函数。式中，全 要 素 生 产 率分解为不变规模报酬假定下技术效率变化指数（TEC）和技术进步指数（TP）的乘积，其中技术效率变化指数进一步分解为纯技术效率指数（PC）与规模效率指数（SC）的乘积。当其中的某一变化率大于1时，表示该变化率为生产率提高的动力源泉，反之则为生产率降低的根源。

　　四、数据来源与变量选取

　　（一）数据来源

　　本文选择2005—2014年中国高技术产业分行业研发创新的面板数据进行研究，所有原始数据来源于历年《中国高技术产业统计年鉴》，平减与价格有关的指标数据时所使用的价格指数来源于历年《中国统计年鉴》。高技术产业的统计范围包括航空航天器制造业、电子及通信设备制造业、电子计算机及办公设备制造业、医药制造业和医疗设备及仪器仪表制造业共五类产业，这五类产业可进一步划分为17个行业，为了能够全面分析中国高技术产业的创新能力，本文选择全部的17个行业进行研究。

　　（二）变量选取

　　本文参考Griliches（1990）等学者的研究，将各个行业的研发活动视为完整的生产过程，通过投入一定的研发创新资源，实现创新产出。根据研发创新活动的特征及我国统计指标的特点，具体变量设定如下：

　　对于创新产出，本文使用发明专利授权量和新产品销售收入作为衡量指标。虽然以专利数据作为创新产出的衡量指标存在着一定的缺陷，但由于找到更好的替代指标还存在一定的困难，如高技术产业新产品开发项目数和新产品产值等指标数据在历年《高技术产业统计年鉴》中并没有完全收录，因此，专利数据在目前的研究中仍被广泛采用。我国的专利分为三种形式，分别为发明、实用新型和外观设计专利。其中，发明的技术含量高且申请量很少受到专利授权机构审查能力的约束，更能客观地反映出一个国家或地区科技创新能力。基于此，本文选取技术含量较高的发明专利授权量作为创新产出的衡量指标之一。同时，为克服以专利数据作为创新产出指标所存在的缺陷，本文选取新产品销售收入作为另一项创新产出的衡量指标，以反映创新成果经济价值。

　　对于创新投入，R＆D人员和R＆D资本是研发创新活动实现的关键因素，因此，本文使用文献中常选用的R＆D人员和R＆D资本进行衡量。首先，对于R＆D人员投入，本文采用现有学者惯用的R＆D活动人员折合全时当量作为创新人力资源投入的衡量指标。其次，对于R＆D资本投入，本文以研发经费内部支出和新产品开发经费支出作为R＆D资本投入衡量指标。其中，按《中国高技术产业统计年鉴》提供的研发经费内部支出细目，得知高技术产业研发经费 内部支出由人员劳务费和仪器与设备费用两部分构成。由于文中所涉及的创新投入包括R＆D人员投入和R＆D资本投入，如果在核算R＆D资本投入时仍包括R＆D人员劳务费，那么R＆D人员投入就会被重复计算，因此，本文从研发经费内部支出中剔除R＆D人员劳务费，这样研发经费内部支出中仅剩下仪器与设备费用。

　　（三）数据调整

　　在确定变量的选取及测算范围之后，为了使测算结果科学合理，本文对所选变量进行技术处理。首先，平减与价格有关的指标数据。本文所分析数据的时间跨度为十年，在此期间可能会存在不同程度的通货膨胀或通货紧缩，使核算结果出现较大的偏差。为了使核算误差最小化，本文使用价格指数对与价格有关的数据进行平减。对于价格指数的选取，学者们构造不同的R＆D价格指数方案，在各种方案中，隐含的固定资本形成价格平减指数被认为最佳，且自1991年起，统计年鉴开始公布固定资产投资价格指数，使得研究具有可行性。因此，本文选用历年固定资产投资价格指数（以2005年为100）来表征R＆D价格指数，并以此对新产品销售收入、研发经费内部支出和新产品开发经费支出进行平减。其次，测算研发资本投入存量。研发投入行为是一个长期累积的过程，因此不能仅计算当期的实际研发资本投入，而是要把以往的研发投入所形成的知识资本累积都计算在内。同时，研发资本同物质资本一样存在折旧。因此，需计算研发经费内部支出和新产品开发经费支出的存量（以上统称为研发资本投入存量）。本文采用国内外学者大多使用的永续盘存法对研发资本投入的存量进行测量。

    参考Hall and Mairesse（1995）、Griliches（1990）及吴延兵（2008）的做法，将研发资本投入存量的核算公式列为：

    Kt=（1-б）kt-1+Et-1

    公式中，Kt、Kt-1分别表示第t期和t-1期的资本存量；б为折旧率；Et-1表示各行业第t-1期的实际研发资本投入（即按照固定资产价格指数调整后的研发资本投入）。

    对于资本存量的折旧率б，文献中通常将之设定为15%。Pakes and Schankerman（1979）认为，由于新知识技术不断更新换代以及由于知识的扩散造成知识专用性的下降，R＆D资本的折旧率一定高于物质资本的折旧率。且张军等（2004）估算所得物质资本折旧率为9.6%。基于此，本文将资本存量的折旧率б设为15%。

    进一步估算基期资本存量，根据Coe and Helpman（1995）的方法，假设各项研发经费资本存量的增长率等于研发经费的增长率。则基期资本存量可表示为：

    K0=E0/（g+б）

    其中，本文用2005—2014年研发资本实际支出的算术平均增长率表示g，这样可以减少客观因素导致的研发支出大幅度变动。即：

    g=（E10/E0）1/9-1

　　计算出K 之后，便可以计算出各行业历年研发经费支出和新产品开发经费支出的存量。至此，我们已解决了测算R＆D资本投入存量的全部技术。

　　五、实证分析

    本文运用Malmquist指数法对我国高技术产业17个行业2005—2014年的面板数据进行分析，得到历年高技术产业各个行业的研发创新全要素生产率（TFP）及其分解值。

　　（一）我国高技术产业研发创新全要素生产率的总体变化特征

    下页表1是2005—2014年中国高技术产业研发创新Malmquist生产率指数及其分解结果。由表1可以看出，我国高技术产业在2005—2014年间研发创新全要素生产率基本维持稳定，其增长幅度呈小幅下降趋势。从总体来看，研发创新全要素生产率年均增长率为7.3%，其中技术进步年均增长率为5.8%，技术效率年均增长率为1.5%。通过对研发创新全要素生产率的分解可知，研发创新过程中的技术进步对研发创新全要素生产率的贡献率为79.45%，是促进我国高技术产业研发创新全要素生产率增长的主要动力，与此同时，技术效率也是促进我国高技 术产业研发创新全要素生产率增长不可或缺的因素。其中，技术效率的两大组成要素：纯技术效率和规模效率，其年均增加率分别为-0.6%和2.2%，这表明在研发创新过程中规模效率的增加是提升技术效率主要原因。

    从变化趋势来看（见下页图1），在2010—2011年间，我 国 高技术产业研发创新全要素生产率由于技术进步与技术进步水平的显著提升导致TFP的大幅度上升，在2011—2012年间由于技术进步与技术效率水平的同时下降导致TFP的迅速下滑，其余年份基本维持稳定。其中技术进步、技术效率的变化呈现较大的差异，导致在不同的考察期内，TFP增长的原因也不一样，其变动趋势表现在，技术进步增长时，技术效率处于下降阶段，当技术效率增长时，技术进步又处于下降阶段，正是因为二者的相互抵消作用才制约了研发创新TFP的增长。可见，我国高技术产业研发创新技术进步与技术效率变化呈负相关关系，且技术效率对研发创新全要素生产率的贡献率仅为20.55%，远远低于技术进步对研发创新全要素生产率的贡献率，这表明我国高技术产业对现有研发创新技术的推广和扩散不太成功，对于现有新技术的消化与转化存在明显的滞后。

    （二）我国高技术产业研发创新全要素生产率的行业差异分析

　　从研发创新全要素增长率的角度来看，2005—2014年间，我国高技术产业17个行业中，仅存在飞机制造及修理业、计算机外部设备制造业和办公设备制造业三个行业的研发创新全要素增长率均值为负值，其余14个行业的研发创新全要素增长率均值均为正，这与高技术产业高创新活跃度的产业性质有关，同时也表明了政府对高技术产业研发创新能力的重视取得了可观的成果。其中，研发创新TFP年均增长率最高的行业为航天器制造业，该产业同时具有较高的技术进步和技术效率水平，年均增长率分别为8.4%和14.8%，这表明航天器制造业不仅具有较高的研发投入，同时具备较高的研发效率水平，对高技术产业研发创新全要素生产率的提升起到了重要的作用；研发创新TFP年均增长率最低的行业为办公设备制造业，其年均TFP增长率为-12.4%，年均技术进步增长率为-7.3%，年均技术效率增长率为-5.5%，在2005—2014年间，办公设备制造业是高技术产业中唯一技术进步与技术效率水平均下降的行业，其中规模效率降低5.5%，这表明办公设备制造业具有较低的技术投入，科技含量较低；同时受低规模效率制约，使技术效率水平退步，从而导致相对较低的研发创新绩效水平。如表2所示。

    从技术进步和技术效率的角度来看，下页表3与表4分别为17个行业2005—2014年间的技术进步变化指数和技术效率变化指数。通过两表对比可知，各行业在2005—2006、2006—2007、2007—2008、2008—2009、2009—2010、2012—2013、2013—2014年间技术进步变化指数与技术效率变化指数呈现显著的反方向变动趋势，这进一步反映了我国高技术产业技术引进与技术消化方面存在明显不同步的现象，这也是当前制约我国研发创新全要素生产率的主要原因之一。另外，纵向对比各个行业历年的技术进步变化指数和技术效率变化指数，发现不同行业的技术进步变化指数与技术效率变化指数虽各有差异，但一些年份的变动趋势基本一致，如2005—2006、2009—2010、2010—2011、2011—2012年间17个行业技术进步增长速度较快；2008—2009、2012—2013、2013—2014年间17个行业技术效率增长速度较快。这表明高技术产业各个行业的研发创新绩效受政策制度、市场机制、创新文化等因素影响，具有相似的变动规律。

　　从规模效率和纯技术效率的角度来看，飞机制造及修理、计算机外部设备制造、办公设备制造、仪器仪表制造等行业的规模效率指数小于1，生物药品制造、飞机制造及修理、视听设备制造、其他电子设备制造、计算机外部设备制造、医疗设备及器械制造、仪器仪表制造等行业的纯技术效率指数小于1，从而导致这些行业相对较低的技术效率水平，一定程度上抵消了技术进步带来的创新优势，如飞机制造及修理业、计算机外部设备制造和办公室制造行业同时具有低规模效率水平和低纯技术效率水平，以至于该三个行业研发创新全要素生产率年均增长率皆为负值，成为高技术产业中研发创新绩效水平较低的行业。

　　六、结论及政策建议

　　本文的目的在于分析我国高技术产业创新产出增长的动力源泉，判断高技术产业创新发展的趋势，从而制定和评价创新政策。通过运用Malmquist指数法对2005—2014年我国高技术产业中17个行业的研发创新全要素生产率进行测算及分解，得出的研究结论如下：

　　1.2005—2014年间，我国高技术产业研发创新全要素 生产率基本维持稳定，年均增长率为7.3%，技术进步为主要增长动力，这表明政府近年来对高技术产业的重视与投入取得了可观的成果。

　　2.对研发创新全要素生产率进行分解，发现技术进步与技术效率呈现显著的反方向变动趋势，且技术效率年均增长率比技术进步年均增长率低，这表明我国高技术产业技术引进与技术消化方面存在明显不同步的现象。

　　3.进一步对研发创新全要素生产率及其分解值进行行业差异分析，发现17个行业的研发创新全要素生产率虽然存在明显的差异，但受政策制度、市场机制、创新文化等宏观环境因素的影响，其技术进步与技术效率具有相似的变动规律。

    根据上文的研究，为有效提升高新技术产业研发创新全要素生产率，发挥高技术产业对提升中国创新能力及建立创新型国家的引领作用，可从以下三个方面着手：

    激励知识产权创新。我国高技术产业研发 创新全要素生产率提高的主要原因是技术进步，但技术迅速提升的主要原因为外商直接投资、国际贸易、人才引进和国外先进技术的引进等，虽然这些方式为我国高技术产业带来后发优势，但随着发达国家加紧对我国实行技术封锁和高技术出口管制，我们所能利用的后发优势越来越少，这也是我国高技术产业研发创新TFP增长率减缓的原因之一。要扭转这种局面，需提升高技术产业的自主创新能力，在技术引进消化吸收的基础上更加注重知识产权创新。政府应采取投融资优惠、加大高技术人才培养力度和知识产权保护等政策措施缩小与发达国家的技术差距，激励高技术产业掌握更多核心技术，从而推动产业结构调整和产品技术升级。

      政府在增加创新投入，推动前沿技术进步的同时，更应重视研发创新效率的改善。虽然技术进步是提升研发创新全要素生产率的主要动力，但是我国高技术产业在技术效率（管理效率的提高和生产经验的积累）和规模效率（企业的经营规模）的改善上存在困境。为此，可通过以下途径加以解决：首先，完善管理模式。企业应积极地以市场机制为导向，以客户利益、员工效率和生产效益为中心，建立有利于创新的环境和机制，不断更新管理理念，使管理体制保持活力，从而通过内在的变革与创新来实现产业、企业本身的成长与发展。其次，提高科技成果转化率。重点扶持具有转化前景的技术发明，同时鼓励生产具有经济潜力的新产品；积极引导以市场为导向、以企业为主体的产学研合作，设立产学研合作专项资金，创造有利于要素流动和技术转化的创新环境。最后，进一步扩大高技术产业的规模经济水平。整合现有研发资源，引导规模效率水平低的行业通过参股、控股和收购等方式实现生产规模的扩张，从而提高产业集中度，这是提升研发效率的关键所在。

    建立健全适合高技术产业健康发展的市场机制。虽然 高技术产业受到政府的高度重视，但是适合高新技术产业发展的市场机制尚不健全。高新技术产业发展中除要求有一般市场运作的基本机制外，在技术开发、转化和保护等方面还有更严格的要求。市场机制是推动科技创新的首要力量，首先，市场需求是刺激高技术产业发展的原动力；其次，由于高技术产业具有高创新性的特质，其发展可以创造更多的市场需求。为此，我国应积极建立健全市场机制，完善有关市场保护的法律制度体系，不断完善国家创新体系，为高新技术产业甚至所有产业的发展提供原动力。J

参考文献：

    [1]冯志军，陈伟.技术来源与研发创新全要素生产率增长——基于中国区域大中型工业企业的实证研究[J].科学学与科学技术管理，2013，34（3）：33-41.

    [2]白俊红，江可申，李婧.中国地区研发创新的相对效率与全要素生产率增长分解[J].数量经济技术经济研究，2009，26（3）：139-151.

　　[3]李邃，江可申，郑兵云，白俊红.高技术产业研发创新效率与全要素生产率增长[J].科学学与科学技术管理，2010，31（11）：169-175.

　　[4]吉生保，周小柯.基于三阶段DEA模型的中国高技术产业效率研究[J].中央财经大学学报，2010，（12）：62-66.

　　[5]张金胜，韩先锋，师萍.创新主体对研发全要素生产率的影响实证研究[J].科技进步与对策，2011，28（9）：1-4.

　　[6]吕光桦，宋文飞，李国平，韩先锋.考虑空间相关性的我国区域研发全要素生产率测算——基于1999—2008年省际空间面板数据[J].科学学与科学技术管理，2011，32（4）：105-110.

　　[7]姜彤彤.高技术产业研发创新全要素生产率研究——基于价值链的视角[J].北京理工大学学报（社会科学版），2013，15（4）：58-62.

　　[8]牛冲槐，曹海曼.我国装备制造业研发创新全要素生产率研究——基于价值链的视角[J].企业经济，2015，（12）：51-56.

　　[9]杨晓冬，武永祥.我国东、中部地区高技术产业创新绩效评价研究[J].科技进步与对策，2012，29（23）:128-131.

    [10]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）：38-45.

　　[11]陈修德，梁彤缨.中国高新技术产业研发效率及其影响因素——基于面板数据SFPF模型的实证研究[J].科学学研究，2010，28（8）：1198-1205.

　　[12]刘和东.改革开放中的高新技术产业研发效率研究——基于随机前沿函数的实证分析[J].亚太经济，2012，（1）：120-125.

　　[13]刘伟.中国高新技术产业研发创新效率测算——基于三阶段DEA模型[J].数理统计与管理，2015，34（1）：17-28.

　　[14]Chambers R G，Fare R. Using dominance in forming bounds on DEA models：The case of experimental agricultural data[J].Journal of Econometrics，1998，85（1）：189-203.

    [15]Griliches Z.Patent Statistics as Economic Indicators：A Survey[J].Journal of Economic Literature，1991，28（28）：1661-1707.

　　[16]李向东，李南，白俊红，谢忠秋.高技术产业研发创新效率分析[J].中国软科学，2011，（2）：52-61.

　　[17]刘凤朝，沈能.基于专利结构视角的中国区域创新能力差异研究[J].管理评论，2006，18，（11）：43-47.

　　[18]吴延兵.知识生产及其影响因素——基于中国地区工业的实证研究[J].世界经济文汇，2009，（2）：57-73.

    [19]李宾.我国资本存量估算的比较分析[J].数量经济技术经济研究，2011，（12）：21-36.

　　[20]Hall B H，Mairesse J. Exploring the relationship between R&D and productivity in French manufacturing firms[J]. Journal of Econometrics，1995， 65（1）：263-293.

　　[21]Griliches Z.R&D and Productivity Slowdown [J].American Economic Review，1980，70（2）：343-348.

　　[22]吴延兵.用DEA方法评测知识生产中的技术效率与技术进步[J].数量经济技术经济研究，2008，25（7）：67-79.

　　[23]Adams J D，Jaffe A B. Bounding the Effects of R&D：An Investigation Using Matched Establishment-Firm Data [J]. Rand Journal of Economics，1996，27（4）：700-721.

　　[24]Hu A G Z，Jefferson G H，QIAN J. R&D and Technology Transfer: Firm-Level Evidence from Chinese Industry[J].Review of Economics & Statistics，2005，87（4）：780-786.

　　[25]吴延兵.R&D存量、知识函数与生产效率[J].经济学（季刊），2006，（3）：1129-1156.

文章刊登于《商业会计》2017年9月第17期

中国高技术产业研发创新全要素生产率研究.doc