第４期（总第２３４期） Ｎｏ．４（Ｇｔ ，Ｎｏ．２３４） ２０１３年４月 工业技术经济 ０Ｉ】ＩＩｌａｌ ｏｆＩｎｄｕｓｔｒｉａｌ Ｔ￣ｈｎｏｌｏｇｉｃａｌ更 ０ｌ ８ Ａｐｒ．２０１３ 高技术产业创新投入配置对创新效率影响分析 杜震 ・ 秦旭 （华中科技大学，武汉４３００７４） （湖北工程学院，孝感４３２０００） ．［摘要） 为了探明如何有效配置创新资源以提升我国高技术产业的创新效率，以高技术产业原始 创新和引进吸收消化再创新为分析对象，依据我国高技术产业１９９５—２ＯＯ８年的区域面板数据，采用随机 前沿分析法（ＳＦＡ）分别测度了创新投入在两种创新方式下的效率值。结果表明：原始创新投入的技术创 新产出弹性最高，但经济效益产出弹性最低；引进消化吸收再创新投入对技术创新产出有正向的影响。但 对经济效益产出却产生负向的影响。此外，资助、金融支持、产学研合作、市场结构等因素在不同创 新产出指标下对创新效率影响有着显著差异。加大原始创新投入扶持力度、调整引进与吸收消化再创新投 入结构、调整创新人才培养方式可以提升我国高技术产业整体创新效率。 【关键词］ 高技术产业创新投入创新效率 ＤＯＪ：１０．３９６９／ｊ．ｉｓｓｎ．１（Ｉ）４—９１０Ｘ．２０１３．０４．０１５ ［中图分类号］Ｆ４２７ ［文献标识码］Ａ 引 言 时，发现企业战略、ＣＥＯ作用、组织因素、技术 在后金融危机的国际背景下，为寻求支撑未 资源、企业环境、人力资源以及企业文化这７个 来经济增长的支柱产业，国际间的技术竞争将更 因素都对创新效率产生影响；Ｈｙｕｋｊｏｏｎ Ｋｉｍ等［ ］ 加激烈；我国还将面临国内人口、土地等各种资 的研究还发现支持对产品创新影响最为重要。 源约束的严峻考验。十报告强调，要加快完 徐建国［５］运用线性加权的方法，选择知识形态成 善社会主义市场经济和加快转变经济发展方 果、科技转化效果和经济结构优化效果等３个方 式，实施创新驱动发展战略，推进经济结构战略 面的指标，测得我国创新投入配置效果呈现东、 性调整。高技术产业是一个产业链条长、附加值 中、西部阶梯分布的结果；李冬梅等【６６选择创新 ］高、技术和资本密集型的产业。发展高技术产业 投入中的科技活动人员、科技经费筹集情况这两 的核心是创新，但只有对各种创新投入进行有效 类指标为基础，采用主成分分析法，对全国创新 整合和配置，才能充分发挥其效用，提升产业的 投入配置情况按效率分组，并对省区创新投入配 自主创新能力。许多前人曾对创新投入对创新效 置效率进行排名；李双杰等［ ］运用数据包络分析 率影响进行了分析，如Ａｕｄ ｔｓｃｈ…对１９７４ １９８２ 方法（ＤＥＡ），对我国制造业中不同行业创新投入 年高技术产业、Ｈｙｕｋｊｏｏｎ Ｋｉｍ等［ ］对韩国２００２ 的使用情况进行了分析，计算出各个行业的相对 ２００３年制造业、Ｆｒａｎｃｅｓｃｏ Ａｉｅｕ０［ ］对意大利制造业 资源配置效率值，并且以北京制造业２ＯＯ２年和 的研究都表明，Ｒ＆Ｄ投入可以有效提高企业创新 ２００３年的数据为例进行分析，发现在技术创新的 效率；还有学者分析了一些外部因素的影响，如 过程中创新投入配置效率普遍较低；李邃等［８］运 Ｂｅｎｒａｒｄ Ｂ０ ］在研究法、德等国企业的技术创新 用ＤＥＡ方法，对我国２０００—２００６年制造业的创新 收稿日期：２ｏ１３—０２—２５ 基金项目：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”（项目绩号：ｌｏＪｚＤｏｏ１７｝ｏ 作者简介：杜震，湖北工程学院经济与管理学院讲师，华中科技大学经济学院博士研究生。研究方向：产业经济。秦旭，华中科技大 学经济学院硕士研究生。研究方向：产业经济。 ・－－——１０２・－－—— 第４期（总第２３４期） ２０１３年４月 工业技术经济 ｏｆＩｎｄｕｓｔｒｉａｌ Ｔｅｅｈｎｏｋｍｉｃａｌ Ｅｇｘ￣ｌｏｍｉｃ８ Ｎｏ．４（Ｇｅｎｅｒａｌ，Ｎｏ，２３４） Ａｐｒ：２０１３ 投入数据进行分析，测算出相对资源配置效率值； 郑珊珊等［９］也采用ＤＥＡ方法，对我国高技术产业 中１５个行业在２００４～２００７年间的数据进行分析， 估参数；误差项为复合结构，ｖ表示观测误差和 其它随机因素，同分布于Ｎ（０， ），Ｕ是与ｖ 相互的表示无效率的随机变量，服从正态分 布且ｕ≥０；ＴＥ表示个体的技术效率。若Ｕ＝０， 并对创新投入配置效率进行测评。现有文献采用 ＤＥＡ方法研究创新效率较多，但针对高技术产业 创新投人配置的研究相对较少，而且在需要考虑 无效率影响时随机前沿分析技术（ＳＦＡ）更优； 则ＴＥ＝１，即处于有效率状态；若ｕ＞０，则０＜ ＴＥ＜１，即处于非效率的状态。７用来判断前沿函 数模型有效性，０≤７≤ｌ，若７＝０，表示无效率 为此，本文主要选择创新投入在原始创新和引进 项对函数没有影响，此时所有的影响均来自于随 消化吸收再创新两种自主创新方式上的配置为研 机误差项，且所有的生产单元的生产都恰好处于 究对象，使用ＳＦＡ方法分析原始创新和吸收、消 生产可能性曲线上，此时用传统的生产函数进行 费再创新对创新效率的不同影响，以期发现在这 回归估计即可；若７＃０，表示无效率项对函数有 两种创新方式上合理配置创新投入以提升创新效 影响，生产单元的生产处于生产可能性曲线之下， 率的路径。 此时采用前沿函数模型进行回归估计比较合适。 １模型设定、变量定义与数据来源 本文将采用由柯布一道格拉斯生产函数和无 １．１分析模型的构建 效函数构成的随机前沿生产函数作为函数模型， 创新效率测度主要使用两种方法，非参数方 无效函数部分将选取多个外部因素作为变量（ｚ） 法和参数方法。非参数方法是一种无需假设生产 来解释外部创新环境对创新效率的影响。具体函 函数，也无需估计函数的参数的方法，它可测度 数形式如下： 一组多投人多产出生产单元的创新效率，常见的 Ｙ＝ＡＫ＂Ｌ￣ｅ （４） 非参数法主要是数据包络分析法（ＤＥＡ）。参数方 其中，Ａ为常数项，Ｋ为创新资金投入，ａ为 法即假定投人与产出之间存在一种函数关系，通 其产出弹性，Ｌ为创新人才投入，８为其产出弹 过设立特定的生产函数形式及相关的假设条件， 性，ｅ表示自然对数的底。将（４）式进行对数处 利用计量的方法对生产函数的未知参数进行估计， 理，由于创新资金投入量和创新人才投入量间可 进而测算创新效率，常见的参数法主要是随机前 能存在高度的共线性，采用人均创新产出和人均 沿法（ＳＦＡ）。本文旨在研究创新投入在不同创新 创新资金投入进行替代，可有效解决共线性的问 方式中的配置对创新效率的影响，ＳＦＡ相对于 题，且对效率函数的估计不产生影响，得到新的 ＤＥＡ能有效测度各种投入配置的产出弹性，更适 方程如下： 合研究的需要。 ｌＩｌ（Ｙｉｔ／ ｔ）＝ｌｎＡ＋ｃｄｎ（Ｋ．ｔ／Ｌｉｔ）＋ｅｌｒｌｋｔ＋ｖｉｔ— 在Ｆａｒｒｅｌ等［１ｏ］提出技术效率基础概念的前提 Ｕｉｔ，０＝ａ＋ｐ （５） 下，Ａｉｇｎｅｒ等［１１］提出并完善了随机前沿生产函数 由于技术无效变量ｕ； 是由一组与技术无效率 模型： 有关的解释变量及其参数组成，故有、： Ｙ＝ｆ（ｘ，ｐ）ｅ “ （１） ｕＩｌ＋ｗ＋∑ ．１８．Ｚｉ （６） ＴＥ＝ｅ一“ （２） 其中，Ｗ为随机变量，服从Ｎ（ｏ，ａ２）的截断正 ７＝ ｔ ３）、 一 态分布，ｚｎ为一组影响创新效率的外部因素，ｃｒｎ 其中，Ｙ表示产出、Ｘ表示投入向量、Ｂ为待 为各自的未知参数。 一】０３— 第４期（总第２３４期） Ｎ０．４（＆ｎｅ瑚ｄ，Ｎｏ．２３４） ２０１３年４月 工业技术经济 ｏｆＩｎｄｕｓｔｒｉａｌ Ｔｅｃｈｎｏｌｏｇｉｃａｌ Ｅｅｏｎｏｍｉｅ￣ Ａ ．２０１３ １．２变量的选择与定义 创新投入区分为原始创新投入和引进消费吸收再 通过对现有文献的研究，在绝大部分指标中 创新投人，在创新环境因素中新增了技术市场活 均沿用目前学术界主流的分析指标的基础上，将 跃程度和产学研合作。具体变量说明如表１。 表１ 高技术产业创新效率测评指标体系 资料来源：根据现有文献研究整理 最后，根据所选择的变量得到本文的回归方 响系数，若某一变量的系数为正值，．则表明该变 程： 量对技术无效率项有正向的影响，即该变量对创 Ｉｎ（Ｙ１。ｉｔ／ｋｔ）＝ｌｎＡ＋ａｌｌｎ（Ｋｌ，ｉｔ／Ｌｉｔ）＋ａ２１ｎ（Ｋ２，ｉｔ／Ｌｉｔ） 新效率有负向的影响，反之亦然［１２］。（８）式中各 ＋ＯｌｎＩ￣ ＋ｖｉ 一ｗ一∑：一１ ｚｉ （７） 参数含义与（７）式一致。 ｌｎ（Ｙ２．ｉｔ／ ）：ｌ ＋ ａｌｌｎ（Ｋ１，ｉｔ／Ｅｌｔ）＋ ａ２１ｎ（Ｋ２，ｉｔ／ ） １．３数据来源 ＋ａｌｎ ＋Ｖｉ 一ｗ一∑ 一１§ Ｚ （８） 本文从统计年鉴中摘录了１９９５—２００８年中国 方程（７）是以专利申请数量（Ｙ１）为产出标 ３０个省、市、自治区（不包括和港澳台地 准的回归方程，方程（８）式是以新产品销售收入 区）的相关数据进行测算，将数据类型分为省级 （Ｙ２）为产出标准的回归方程。其中，ｚｉ 表示选取 数据，东部、中部、西部地区数据和全国数据３ 的经费支持（ＧＯＶ）、金融机构贷款支持 类进行分析，原始数据均来自各年《中国高技术 （ＢＡＮＫ）、产学研合作（ＣＯＯＰ）、技术市场活跃程 产业统计年鉴》、 《中国区域经济统计年鉴》和 度（１ｎＴＭＡＲＫ￣）和市场竞争强度（ＩｎＭＡＲ一 《中国科技统计年鉴》。根据模型估计的需要，以 Ⅺ ）等影响创新效率的因素；（７）式中，ａ１ 上数据均根据居民消费价格指数调整为１９９５年不 和ａ２分别表示原始创新、引进消化吸收再创新资 变价格。表２列出了回归分析所用的变量的统计 金投入的产出弹性，０为创新人才投入的产出弹 特征。 性。ｏ 则分别表示相应变量对技术无效率项的影 一ｌｏ４一 第４期（总第２３４期） 工业技术经济 Ｎｏ．４（Ｇ∞ｅｒａｌ。Ｎｏ．２３４） ２０１３年４月 ０ｆＩｎｄｕｓｔｒｉａｌ Ｔｅｃｈｎｏｌｏｇｉｃａｌ Ｅｃｏｎｏｍｉｃｓ Ａｐｒ．２０１３ 注：ｈＩ（ＹＩ＋３）和ｈｌ（Ｙ２＋３）为被解释变量，分别代表滞后期为３年时的专利申请量和新产品销售收入的对数。Ｌ￣（Ｋ，／Ｌ）、Ｉｌｌ（Ｋ２／Ｌ）和ｈｌＬ 为解释变量，分别表示人均原始创新经费投入、人均引进消化吸收再创新经费投入和科技活动人员数的对数。其它为控制变量。 ２实证分析结果与讨论 ２年、３年和４年３种滞后期下以专利申请数量和 ２．１实证分析 新产品销售收入为创新产出的回归函数的估计结 本文运用Ｓｔａｔａｌ１软件实证分析了创新投入和 果，具体结果见表３。 各种环境因素对创新效率的影响，分别得出了在 表３随机前沿分析模型回归结果 ・—＿——１０５・－－—— 第４期（总第２３４￣） ２０１３年４月 Ｊｏｕｍａｌ ｏｆＩｎｄｕｓｔｒｉａｌ Ｔｅｃｈｎｏｌｏｇｉｃａｌ Ｅｃｏｎｏｍｉｃｓ 工业技术经济 Ｎｏ．４（ ・ｅｎｄ，Ｎｏ．２３４） Ａｐｒ．２０１３ 注：“＊”、“＊＊”和“＊＊＊”分别表示在１０％、５％和１％水平上显著；括号内数字表示检验的ｚ值；７为检验随机效应模型是否有效的 系数。 ２．２对实证分析结果的讨论 根据回归结果发现，在固定一种创新产出为 被解释变量下，选择滞后时间为３年和４年，回 归结果区别不大。而选择２年的滞后期，回归结 果变化较大（通过检验选择５年的滞后期，模型 估计效果较差，其结果将不予列在下表中），表明 选择３年或４年的滞后时间做回归分析是比较合 理的。为方便分析，本文将重点分析滞后期为３ 年的模型回归结果。 在以专利申请量为产出指标时，原始创新投 人的产出的弹性系数为０．８６５，远大于引进消化 吸收再创新的０．２３４；但在以新产品销售收入为 产出指标时，原始创新经费投入的创新产出弹性 系数仅为０．１９９，是最低的。这说明，原始创新 对技术创新产出作用效果最强，对经济效益产出 作用效果最弱。其原因可能是：一方面，原始创 新周期较长，而市场需求变化迅速，两者无法匹 配，导致经济效益难以实现；另一方面，原始创 新包括一部分基础性研究，其成果本身就不注重 经济效益。 在专利申请量为创新产出情况下，引进消化 吸收再创新经费投入的产出弹性系数为正值，当 以新产品销售收入为创新产出时，其产出弹性系 数为负值。其可能原因是，国内企业对国外技术 “重引进、轻消化”，由于吸收不充分，再创新不 深人，形成的新产品竞争力不强，难以转化成经 济效益。 创新人才投入的技术创新产出和经济效益产 一１０６一 出弹性系数分别为０．８８７和０．５４２，由此看出，创 新人才投入对两种创新产出都有显著的促进作用， 但在技术创新产出方面的创新效率高于经济效益 产出。原因可能是创新人才的结构不均衡所导致， 目前我国创新人才的培养和引进主要偏向于技术 性人才，技术研发能力强而经营管理和市场开发 能力弱。 经费支持在以新产品销售收入为创新产 出情况下为一１．０５１，且高度显著，这表明在新产 品销售收入为创新产出情况下，经费支持对 创新效率有显著的促进作用。然而在以专利申请 量为创新产出时，经费支持对创新效率的正 向影响却不显著，其原因可能是企业更多的将政 府提供的经费用在创新成果转化环节，从而促进 了新产品的推广和销售，也可能是资金对企 业技术研发环节的资金支持不足，而影响了技术 创新产出效率。 金融机构贷款支持的回归结果与经费支 持的结果一致，即金融机构贷款支持对以新产品 销售收入衡量的创新效率有显著的正向促进作用， 对以专利申请量衡量的创新效率的正向影响不显 著。主要原因，从企业角度来看，企业对金融机 构的贷款有还贷的压力，这就促使其将经费使用 在新产品开发、推广和销售等能快速获得投资回 报的环节，以迅速获得投资收益，缓解还贷压力， 这就促进了以新产品销售收入衡量的创新效率。 从金融机构的角度看，金融机构对贷款有规避风 险的要求，相对于技术研发环节来说，新产品的 第４期（总第２３４期） ２０１３年４月 姗ａｌ ０ｆＩｎｄｍｔｒｉａｌ Ｉ ｂ 工业技术经济 Ｎｏ．４（Ｃ，ｅｎｅｒａｌ，．Ｎｏ．２３４） Ａｐｔ．２０１３ ｃ 】Ｅｃ０Ｉｌ０ｍｉｃｓ 市场开发环节风险较小，金融机构这种规避风险 式的选择性贷款，使得对技术研发环节的资金支 跃程度和市场竞争强度则抑制了创新效率，其中 原始创新投入作用最大，创新人才投入次之；原 持不足，使得其对以专利申请量衡量的创新效率 的正向影响不显著。 以研究与开发机构和高校的科技活动经费筹 集总额中企业资金的比重来衡量的产学研合作不 仅没有促进创新效率的提高，反而还抑制了以专 利申请量衡量的创新效率。这样的结果可能与我 们对产学研合作指标的选择有关，目前产学研合、 作形式趋向于多样化，企业与大学、科研机构间 的合作出现了人才交流、平台共享、设备共用等 方式，资金支持等形式所占的比重逐渐降低，因 此仅以资金这一个因素并不能有效的反映产学研 合作的成效及现状。但该结果也有可能反映我国 目前的产学研合作并未有效的发挥提高创新效率， 问题在于在产出的评价标准方面大学或科研机构 与企业差别很大，导致合作成效不好。 以技术市场交易额来衡量的技术市场活跃程 度对创新效率产生高度显著的负向的作用。原因 可能是技术市场交易越活跃，越有利于技术的转 移和交流，企业越容易通过购买的方式获得新技 术，这相对于自主进行技术研发来说，成本更低， 风险更小，同时还能迅速将技术进行产业化，实 现经济效益，从而大大降低了企业自主研发的积 极性，创新效率受到抑制。 在两种不同的创新产出指标下，市场竞争强 度对创新效率均呈现显著的负向影响，即市场竞 争强度越强，创新效率越低。这印证了熊彼特［１３］ 创新理论中完全竞争对创新有抑制作用的观点， 即完全竞争实现社会净福利最大化的代价就是使 企业超额利润为零，使企业创新缺乏动力，最终 会使社会丧失创新带来的净福利的增￣ｆｌｔｌ２Ｊ。 ３结论与建议 分析结果显示，原始创新投入和引进消化吸 收再创新投入、创新人才投入均显著促进了高技 术产业技术创新效率，产学研合作、技术市场活 始创新投入、经费支持和金融机构贷款支持 显著增加了产业内新产品销售收入，而引进消化 吸收再创新投入、市场竞争强度则对技术创新的 经济效益有负面影响。另外，从整体水平上看， 高技术产业经济效益产出的创新效率高于技术创 新产出的创新效率。 高技术产业研发投入具有显著的外溢效应， 而作为投入主体却是受市场机制具有营利动 机的企业；在此情形下，只有兼顾企业和社会利 益的设计才能合理配置各种创新资源，实现 我国以创新促发展的宏伟目标。（１）鉴于原始创 新对技术创新的显著促进作用和较低经济效益的 特点，需进一步加大资金支持力度，要结合 当前国家发展战略性新兴产业的需要，设立更多 针对性更强专项资金，推进我国在前沿性和竞争 性技术领域基础性技术和应用性技术的研究开发。 （２）目前我国在技术引进经费投入和消化吸收经 费投入上的比例仅为１：３．１，而依据国际经验， 每引进１美元的技术，需要７～８美元的资金投入 才能将其完全消化吸收［１４Ｊ，因此需要在加大消化 吸收再创新经费投入的同时，优化技术引进和技 术消化吸收再创新经费投入的配置比例，提高资 源利用效率。（３）借助产学研合作平台，企业、 大学和科研机构联合培养创新人才，有助于其在 深化专业技能的同时，拓宽知识面，了解市场需 求。（４）创新环境建设也很重要，作为支撑平台 需要摒弃急功近利而从社会的长远利益出发，扶 持高技术产业健康茁壮成长。 参考文献 １．Ｄ Ｂ Ａｕｄｒｅｔｓｅｈ．Ｆｉｒｍ Ｐｒｏｆｉｔａｂｉｌｉｔｙ，Ｇｒｏｗｔｈ ａｎｄ ｈｎｏｖａ— ｔｌｏｎ［Ｊ］Ｊ．Ｒｅｖｉｅｗ ｏｆ Ｉｎｄｕｓｔｒｉａｌ ＯＩ￣ｚａｔｉｏｎ，１９９５，（１０）：５７９ —５８８ ２．Ｈｙｕｋｊｏｏｎ Ｋｉｍ，Ｙｏｎｇｔａｅ．Ｔｈｅ Ｉｍｐａｃｔ ｏｆ Ｒ＆Ｄ ＣｏｌｌａＩｘ）－ ｒａｔｉｏｎｏｎ Ｉｎｎｏｖａｔｉｖｅ Ｐｅｒｆｏｒｍａｎｃｅ ｉｎ Ｋｏｒｅａ：Ａ Ｂａｙｅｓｉａｎ Ｎｅｔｗｏｒｋ 一１０７— 第４期（总第２３４期） ２０１３年４月 工业技术经济 ｏｔＩｎｄｕｓｔｒｉａｌ Ｔｅｃｈｎｏｌｏｇｉｃａｌ Ｅｃｏｎｏｍｉｃｓ Ｎｏ．４（Ｃ，ｅｎｅｒａｌ，Ｎｏ．２３４） Ａｐｒ．２０１３ Ａｐｐｒｏａｃｈ［Ｊ］，Ｓｅｉｅｎｔｏｍｅｔｒｉｅｓ，２ＯＯ８，（８）：５３５—５５４ ３．Ｆｒａｎｅｅｓｃｏ Ａｉｅｌｌｏ，Ｐａｏｌａ Ｃａｒｄａｍｏｎｅ．ｔｌ＆Ｄ Ｓｐｉｌｌｏｖｅｒｓ ａｎｄ Ｆｉｒｍｓ’Ｐｅｒｆｏｒｍａｚ￣ｉｎ Ｉｔａｌｙ Ｅｖｉｄｅｎｃｅ Ｆｒｏｍ ａ Ｆｌｅｘｉｂｌｅ Ｐｉ￣ｕｃ— ９．郑珊珊，樊一阳，刘华珍．基于ＤＥＡ模型的高技 术产业技术创新资源配置效率分析［Ｊ］．科技管理研究， ２０１０，（３）：１３３ １０．Ｆａｒｒｅｌｌ。Ｍ．Ｊ．． Ｍｅａｓｕｒｅｍｅｎｔ ０ｆ Ｐｔｏ＇ｄｌｌｃｌｌｏｎ Ｅｔｔ１． ｔｉｏｎ Ｆｕｎｃｔｉｏｎ［Ｍ］．Ｓｐａｉｔａｌ Ｅ∞Ｉｌ０ ｃｓ：Ｍｅｔｈｏｄｓ ａｎｄ Ａｐｐｌｉｅａ－ ｔｉｏｍ，２ＯＯ８：１４３～１６６ ｅｉｅｎｃｙ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｒｏｙａｌ Ｓｔａｔｉｓｔｉｃａｌ Ｓｏｃｉｅｔｙ，Ｓｅｒｉｅｓ Ａ，Ｇｅｎ－ ４．Ｂｅｒｎａｒｄ Ｂｏｂｅ．Ｂｅｎｅｈｍａｒｌｄｎｇ Ｉｎｎｏｖａｔｉｏｎ ＰＩ町 ｃｅｓ ｏｆ ｅｒａｌ，１２０，Ｐａｒｔ ３，１９５７：２５３—２８１ Ｅｕｒｏｐｅａｎ Ｆｉｒｍｓ［Ｊ］．Ｒｅｐｏｒｔ ｆｏｒ ｔｈｅ ＬＥＴＳ，１９９８，（３） １１．Ａｉｇｎｅｒ，Ｄ．Ｊ．，Ｃ．Ａ．Ｋ Ｌｏｖｅｌｌ，ａｎｄ Ｓｅｈｒａｉｄｔ． ５．徐建国．我国区域科技资源配置能力分析［Ｊ］． Ｆｏｒｍｕｌａｔｉｏｎ ａｎｄ Ｅｓｔｉｍａｔｉｏｎ ｏｆＳｔｏｃｈａｓｔｉｃ Ｆｒｏｎｔｉｅｒ Ｐｒｏｄｕｃｔｉｏｎ Ｆｕｎｅ． 中国软科学，２ＯＯ２，（９）：９８—１００ ｔｉｏｎｓ Ｍｏｄｅｌｓ［Ｊ］．Ｊｏｕｍａｌ ｏｆ Ｅｃｏｎｏｍｅｔｒｉｃｓ，１９７７，６（１）：２１ ６．李冬梅，李石柱，唐五湘．我国区域科技资源配 ～３７ 置效率情况评价［Ｊ］．北京机械工程学院学报，２ＯＯ３， １２．韩晶．基于ＳＦＡ方法的中国制造业创新效率研究 （３）：５０～５５ ［Ｊ］．北京师范大学学报（社会科学版），２０１０，（６）：１１５ ７．李双杰，王海燕，刘韧．基于ＤＥＡ模型的制造业 １３．熊彼特．经济发展理论［Ｍ］．北京：商务印书 技术创新资源配置效率分析［Ｊ］．工业技术经济，２ＯＯ６， 馆，１９９０：７３—７４ ２５（３）：１１２ １４．邹蔚，胡韫频，王珍菊．自主创新的资源配置研 ８．李邃，江可中．我国制造业技术创新资源配置效 究［Ｊ］．科技管理研究，２０Ｏ７，（２）：１８２ 率研究［Ｊ］．－ｒ，Ｊｋ技术经济，２ＯＯ９，２８（８）：６９ Ｔｈｅ ＩｌｌＬｆｌｕｅｎｃｅ ｏｔ＂Ｉ－Ｉｉｇｈ—－ｔｅｃｈ Ｉｎｄｕｓｔｒｙ Ｉｎｎｏｖａｔｉｏｎ Ｉｎｐｕｔ Ｃｏｎｆｉｇｕｒａｔｉｏｎ ｏｎ Ｉｎｎｏｖａｔｉｏｎ Ｅｆｆｉｃｉｅｎｃｙ Ｄｕ Ｚｈｅｎ ・ Ｑｉｎ Ｘｕ （１．Ｈｕａｚｈｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ ４３００７４，Ｃｈｉｎａ； ２．Ｈｕｂｅｉ Ｖ，ｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉａｏｇａｎ ４３２０００，Ｃｈｉｎａ） （Ａｂｓｌｒａｅｔ］Ｔｈｉｓ ｐａｐｅｒ ｄｉ￣ｎｇｕｉｓｈｅｓ ｂｅｔｗｅｅｎ 脚ｉｎｎｏｖａｔｉｏｎ ａｎｄ ｉｎｔｒｏｄｕｃｔｉｏｎ ｏｆ ａｂｓｏｒｐｔｉｏｎ ａｎｄ ｉｎｎｏｖａｉｔｏｎ ｉｎ ｔｈｅ ｉｎｎｏｖａｔｉｏｎ ｉｎ ｔｈｅ ｈｉｇｈ－ｔｅｃｈ ｉｎｄｕｓｔｒｙ’ｓ ｉｎｎｏｖａｔｉｏｎ ｐｒｏｃｅｓｓ．Ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ １９９５—２ＯＯ８ ｒｅｇｉｏｎａｌ ｐａ．ｅｌ ｄａｔａ ｏｆ Ｃｌａｉｍ＇ｓ ｈｉｇｈ—ｔｅｃｈ ｉｎｄｕｓｔｒｙ，ｗｅ ｌ】ｓｅ ｔｈｅ ｓｔｏｃｈａｓｔｉｃ ｆｒｏｎｔｉｅｒ ｎｌｙ，ｓｉ８（ＳＦＡ）ｔｏ瑚ｅ聊Ｉ℃ｔｗｏ ｉｎｎｏｖａｔｉｖｅ ｗａｙ ｑｆｉｎｎｏｖａｔｉｏｎ ｅｔｔｉｃｉｅｎｅｙ ｖａｌｕｅ．Ｔｈｅｎ ｗｅ ａｎａｌｙｚｅ ｈｏｗ ｅｆｆｅｃｔｉｖｅ ｅｏｎｔｌｇｕｒａ・ ｔｉｏｎｔｏｉｍｐｒｏｖｅｔｈｅｉｎｎｏｖａｉｔｏｎ ｅｆｆｉｃｉｅｎｃｙ ｏｆＣｈｉｎａ’ｓ ｈｉｇｌｌ—ｔｅｅｈｉｎｄｕｓｔｒｙ．Ｂａｓｅｄ ＯＮｔｈｅ ｒｅｓｕｌｔｓ ０ｆＣｈｉｎａ’８ ｈｉｇｈ—ｔｅｃｈｉｎｄｕｓｔｒｙｔｏ ｏｐｔｉｍｉｚｅｉｎ－ ｎｏｖａｔｉｏｎ ｉｎｐｕｔ ｅｏｎｔｌｇｕｒａｌｉｏｎ．ｆｌｏｌｌｎｅ ｓｕｇｇｅｓｔｉｏｎｓ ａｒｅ ｇｉｖｅｎ ｔｏ ｅｎｈａｎｃｅ ｔｈｅ ｅｔｔｌｅｉｅｎｅｙ ｃｔ＂ｉｎｎｏｖａｔｉｏｎ． ［ ｒｗｏｒｄｓ￣ｈｉｇｈ—ｔｅｃｈｉｎｄｕｓｔｒｙ；ｉｎｎｏｖａｔｉｏｎｉｎｐｕｔ；ｉｎｎｏｖａｔｉｏｎ ｅｔｔｌｅｉｅｎｅｙ （责任编辑：王平） ・－－——１０８・－－——
