馮 鋒， 李慧敏

（中國科學技術(shù)大學 管理學院，安徽合肥230026）

一、引 言

新中國成立以來，我國工業(yè)生產(chǎn)一直保持著較高的增長速度，現(xiàn)今已建成獨立的、門類比較齊全的工業(yè)體系，工業(yè)布局日趨完善。但工業(yè)發(fā)展過程中也面臨著發(fā)展方式較為粗放、自主創(chuàng)新能力不強、資源能源消耗高等諸多問題。2011年，國務(wù)院印發(fā)的《工業(yè)轉(zhuǎn)型升級規(guī)劃（2011～2015年）》就明確指出：“今后5年，我國工業(yè)發(fā)展環(huán)境將發(fā)生深刻變化，長期積累的深層次矛盾日益突出，粗放增長模式已難以為繼，已進入到必須以轉(zhuǎn)型升級促進工業(yè)又好又快發(fā)展的新階段。”可見，轉(zhuǎn)型升級、結(jié)構(gòu)調(diào)整將逐步成為我國工業(yè)發(fā)展的主旋律，而提升創(chuàng)新效率作為加快工業(yè)轉(zhuǎn)型升級的核心環(huán)節(jié)，也日益受到了越來越多學者的關(guān)注。

目前學者們對于創(chuàng)新效率的研究主要集中在創(chuàng)新活動中的技術(shù)效率或R&D效率評價方面，因為技術(shù)效率能夠反映創(chuàng)新資源的最優(yōu)利用能力［1］，對技術(shù)效率進行評價，有利于提高創(chuàng)新資源的使用效率，促進創(chuàng)新資源的優(yōu)化配置，并最終促進經(jīng)濟的長期增長［2］。而R&D投入則是推動技術(shù)進步、提升技術(shù)效率過程中的一項重要科技資源。目前的研究具體可分為兩類視角：（1）區(qū)域視角。Bannistter和Stolp研究了墨西哥各區(qū)域制造業(yè)的技術(shù)效率［3］；Nasierowski和Arcelus運用DEA方法考察了45個國家的R&D創(chuàng)新效率及其影響因素［4］；張海洋運用DEA-Tobit兩步法對我國各地區(qū)大中型工業(yè)R&D效率和影響因素進行了分析［5］；唐德祥、李京文、孟衛(wèi)東運用隨機前沿方法分析了R&D對技術(shù)效率影響的區(qū)域差異及路徑依賴［6］。（2）行業(yè)視角。Griliches對美國1000家制造業(yè)企業(yè)1957～1977年的數(shù)據(jù)進行了分析，結(jié)果表明科技投入對生產(chǎn)力的提高具有重要作用，其中R&D投入的作用最為重要［7］；Collier研究了R&D投入的部門績效［8］；李勝文、李大勝利用中國34個工業(yè)細分行業(yè)面板數(shù)據(jù)，測算了工業(yè)及其細分行業(yè)的全要素生產(chǎn)率增長率［9］；田長明以工業(yè)行業(yè)技術(shù)創(chuàng)新投入、產(chǎn)出指標數(shù)據(jù)為樣本，利用因子分析模型研究了行業(yè)特征對創(chuàng)新效率的影響［10］。

已有的文獻或利用多元回歸分析探討區(qū)域（行業(yè)）工業(yè)技術(shù)效率的水平，或直接以R&D為投入指標考察區(qū)域（行業(yè)）R&D效率變動趨勢及影響因素，目前還尚無文獻將R&D投入作為隨機擾動項，考察行業(yè)R&D影響下的技術(shù)效率。為進一步揭示R&D與技術(shù)效率相關(guān)關(guān)系及技術(shù)效率部門差異，本文運用隨機前沿生產(chǎn)函數(shù)模型（SFA）對大中型工業(yè)企業(yè)37個行業(yè)R&D影響下的技術(shù)效率進行測度，并對測度結(jié)果按照“技術(shù)效率—產(chǎn)值平均增長率”（E-G）相關(guān)關(guān)系進行部門劃分，結(jié)果顯示各部門行業(yè)具有明顯的聚類或差異性特征，然后在對上述聚類或差異特征進行初步探討的基礎(chǔ)上給出了相應(yīng)政策建議，以期對未來各工業(yè)行業(yè)的發(fā)展提供參考。

二、研究模型和數(shù)據(jù)說明

1.研究模型

近年來，確定性前沿生產(chǎn)函數(shù)模型（DEA）和隨機前沿函數(shù)模型（SFA）因各自的優(yōu)勢和特色，在生產(chǎn)率和效率度量研究中得到了廣泛應(yīng)用。DEA模型是將有效的生產(chǎn)單位連接起來，用分段超平面的組合即生產(chǎn)前沿面來緊緊包絡(luò)全部觀測點，是一種確定性前沿方法，該方法的特點在于無需設(shè)定前沿生產(chǎn)函數(shù)，約束較少，但缺點是沒有考慮隨意誤差項和無效率項對生產(chǎn)率和效率的影響，而隨機前沿生產(chǎn)函數(shù)則解決了此問題。Aigner、Lovell、Schmidt和 Meeusen、Van Den Broeck同時于1977年引進了隨機前沿生產(chǎn)函數(shù)［11］，其基本函數(shù)形式為：

其中，yit表示觀測對象i在時期t的標量產(chǎn)出，xit表示要素投入，f（·）是生產(chǎn)函數(shù)，表示在可能性邊界上的確定前沿產(chǎn)出，（vit-uit）為復(fù)合誤差項，vit為觀測誤差和其他隨機因素影響（隨機擾動影響），服從N（0，σ2v）分布，uit是一個非負變量，服從N+（0，σ2u）分布，表示僅對某個體產(chǎn)生的沖擊影響（技術(shù)非效率項）。變差系數(shù)定義為γ=σ2u／（σ2v+σ2u），0≤γ≤1，用來檢驗技術(shù)非效率項所占比例，若γ接近于零，說明實際產(chǎn)出與可能最大產(chǎn)出的差異主要來源于觀測誤差和其他隨機因素vit，此時采用傳統(tǒng)生產(chǎn)函數(shù)方法即可；γ接近于1，則說明無效率項uit在生產(chǎn)單元與前沿面的偏差中占主要成分。從統(tǒng)計角度看，當γ顯著異于零時，說明存在無效率效應(yīng)，因此隨機前沿生產(chǎn)函數(shù)成為更有效的模型形式。

Battese和Coelli等學者不斷改進和發(fā)展了隨機前沿方法，將時間因素和其他因素引入模型，并能夠?qū)δＰ椭械膮?shù)和模型本身進行檢驗，該方法得到了更為廣泛地應(yīng)用。本文依據(jù)模型基本原理，運用對數(shù)型柯布-道格拉斯生產(chǎn)函數(shù)及2005～2009年面板數(shù)據(jù)，對我國大中型工業(yè)企業(yè)各行業(yè)R&D影響下的技術(shù)效率水平進行測定。具體研究模型如下：

其中，下標i為行業(yè)序號，i=1，2，…，N，下標t為年份序號，t=1，2，…，T；式（2）中Y 表示各行業(yè)產(chǎn)值（單位：億元），L表示各行業(yè)年均從業(yè)人員數(shù)量（單位：萬人），K表示各行業(yè)年均資本存量（單位：億元），β0為截距項，β1、β2為待估參數(shù)，β1、β2分別表示勞動力產(chǎn)出彈性和資本產(chǎn)出彈性，誤差項（vit-uit）為復(fù)合結(jié)構(gòu)，vit為觀測誤差和隨機擾動影響，服從N（0，σ2v）分布，uit是一個非負變量，服從N+（0，σ2u）分布，表示僅對某個行業(yè)產(chǎn)生的沖擊影響（技術(shù)非效率項），vit和uit之間相互獨立；式（3）中TEit=exp（- uit）表示樣本中第i個行業(yè)在第t時期內(nèi)技術(shù)效率水平，當u=0，TE=1時，處于技術(shù)效率狀態(tài)。當u＞0，0＜TE＜1時，則處于技術(shù)非效率狀態(tài)；式（4）和（5）是定量描述時間因素對uit的影響，η為衰減系數(shù)；式（6）中和分別表示隨機誤差項方差和技術(shù)效率項方差，γ為最大似然法估計的參數(shù)，在統(tǒng)計檢驗中，若γ=0這一原假設(shè)被接受，則說明所有行業(yè)的生產(chǎn)都位于生產(chǎn)可能性曲線上，直接使用OLS方法分析即可，反之，則需要使用SFA方法分析；式（7）為無效率函數(shù)，δ0、δ1、δ2為一組待估參數(shù)，用來評估R&D經(jīng)費和R&D人員對技術(shù)效率產(chǎn)生的影響。

2.數(shù)據(jù)來源及說明

本文采用《中國統(tǒng)計年鑒》（2006～2010年）和《中國科技統(tǒng)計年鑒》（2006～2010年）中按行業(yè)分大中型工業(yè)企業(yè)2005～2009年的相關(guān)數(shù)據(jù)。因其他采礦業(yè)、廢棄資源和廢舊材料回收加工業(yè)數(shù)據(jù)缺失嚴重，故剔除了這2個行業(yè)，形成37個細分工業(yè)行業(yè)。其中包括采礦業(yè)的5個細分行業(yè)；制造業(yè)29個細分行業(yè)以及公用事業(yè)的3個細分行業(yè)。

模型中的Yit表示各細分行業(yè)產(chǎn)值（單位：億元），按照1990年價格基準進行折算。

L表示各行業(yè)年均從業(yè)人員數(shù)量（單位：萬人），年均就業(yè)人員數(shù)=（上年年末就業(yè)人員數(shù)+本年年末就業(yè)人員數(shù)）／2。

K表示工業(yè)各行業(yè)年均固定資本存量（單位：億元），該指標采用Goldsmith在1951年提出的永續(xù)盤存法（perpetual inventory method）進行計算。其基本公式如下：

其中，Kt表示t期期末的資本存量，It表示t期內(nèi)的投資額，at為t期的資本折舊率，Pt為t期的投資價格指數(shù)。固定資本折舊率和當年固定資產(chǎn)投資指標采用張軍、吳桂英、張吉鵬的研究成果進行測算（固定資本折舊率為9.6%）［12］；固定資產(chǎn)投資價格指數(shù)2005～2009年的數(shù)據(jù)可以直接從《中國統(tǒng)計年鑒（2010年）》上得到；基期固定資本存量則使用郭玉清的方法予以計算［13］。根據(jù)以上數(shù)據(jù)和方法可以計算得到2005～2009年全社會固定資本存量，并按1990年價格進行折算。最后，根據(jù)大中型工業(yè)各子行業(yè)增加值占GDP比重計算結(jié)果，即可將全社會固定資本存量按比例分攤到大中型工業(yè)企業(yè)各子行業(yè)，進而得到各行業(yè)資本存量近似結(jié)果。

R&D經(jīng)費支出（單位：億元），按1990年價格基準進行折算；R&D人員數(shù)據(jù)均折合全時當量（單位：萬人／年）進行表示。

三、實證結(jié)果

1.實證計算結(jié)果

根據(jù)研究模型和2005～2009年面板數(shù)據(jù)，運用Frontier4.1分析軟件對前沿生產(chǎn)函數(shù)（1）進行估計，得到模型的參數(shù)估計值和檢驗結(jié)果如表1所示。

表1 SFA估計結(jié)果

2.結(jié)果分析

從表1可以看出：

（1）模型的γ值為0.2983，且通過了1%顯著水平下統(tǒng)計顯著性檢驗，說明式（2）中的誤差項具有明顯的復(fù)合結(jié)構(gòu)，采用隨機前沿模型對本文的面板數(shù)據(jù)進行研究分析是合理且有效的。

（2）考察勞動力和資本投入的產(chǎn)出彈性β1和β2均為正且β2通過了1%水平下的顯著性檢驗，其中β1=0.2626，表明各行業(yè)年均從業(yè)人員每增加1個百分點，能使各行業(yè)產(chǎn)值增加0.2626個百分點；β2=0.7127，表明各行業(yè)年均資本存量每增加1個百分點，能使各行業(yè)產(chǎn)值增加0.7127個百分點?？梢姡瑒趧恿ν度雽ξ覈鞔笾行推髽I(yè)產(chǎn)值增長貢獻不明顯，而資本投入則對其具有明顯的正向作用。

（3）行業(yè)技術(shù)效率的影響參數(shù)δ1為負且通過了1%水平下的顯著性檢驗，說明R&D經(jīng)費支出對各工業(yè)行業(yè)技術(shù)效率具有顯著的正向影響；δ2為正，未通過顯著性檢驗，說明R&D人員當量對各行業(yè)技術(shù)效率水平具有負向影響，但影響作用不明顯。具體來看，每增加1個單位R&D經(jīng)費支出，行業(yè)技術(shù)效率水平將增長34.88個百分點；每增加1個單位R&D人員當量，將帶來行業(yè)技術(shù)效率29.27個百分點的損失。上述結(jié)果表明，R&D經(jīng)費支出能夠給各工業(yè)行業(yè)技術(shù)效率帶來較大程度的增長，其投入具有規(guī)模效應(yīng)；而R&D人員當量對技術(shù)效率具有負面影響，當R&D人員當量超過了最佳生產(chǎn)規(guī)模時，存在過度投入的可能。

基于SFA模型的我國大中型工業(yè)企業(yè)技術(shù)效率測算結(jié)果如表2所示。

大中型工業(yè)企業(yè)各行業(yè)平均技術(shù)效率變動趨勢如圖1所示。

圖1 我國大中型工業(yè)企業(yè)行業(yè)平均技術(shù)效率趨勢

從表2和圖1可以看出，在樣本期間，各行業(yè)技術(shù)效率隨時間推移呈緩慢增長趨勢，各行業(yè)5年技術(shù)效率平均增幅為2.59%，技術(shù)效率均值為0.6085，具備較大的提升空間。此外，從時間趨勢圖上看，2005～2006年、2008～2009年技術(shù)效率增幅較大，而2006～2008年增幅較為平緩。具體到各行業(yè)，技術(shù)效率水平差距很大，最高的黑色金屬冶煉及壓延加工業(yè)5年平均技術(shù)效率達到了0.8489，而最低的水的生產(chǎn)和供應(yīng)業(yè)5年平均技術(shù)效率僅為0.3777，行業(yè)間技術(shù)效率的較大差距，不僅來自部門本身特點的差異，更與R&D投入、市場結(jié)構(gòu)、產(chǎn)業(yè)政策等諸多因素相關(guān)。

四、部門劃分及其差異研究

通過數(shù)據(jù)和模型結(jié)果分析可以看到，大中型工業(yè)企業(yè)各行業(yè)均投入了大量資金和人力發(fā)展生產(chǎn)，并廣泛開展R&D活動，R&D影響下的技術(shù)效率逐年提高，行業(yè)產(chǎn)值穩(wěn)步增長。但模型結(jié)果同時顯示，各行業(yè)間技術(shù)效率差距較大，部分行業(yè)自身技術(shù)效率在樣本期間也呈現(xiàn)震蕩變化特征。為進一步解釋差異來源，本文參考了瑞典學者Olof Ejermo，Astrid Kander等人在研究瑞典國民經(jīng)濟各部門R&D投入與經(jīng)濟增長相關(guān)關(guān)系時采用的部門分類思想［14］，依據(jù)各工業(yè)行業(yè)產(chǎn)值增長態(tài)勢和技術(shù)效率相關(guān)關(guān)系（E-G關(guān)系），將樣本中特征突出的部分行業(yè)劃分為以下四類部門，對各部門聚類或差異性特征表現(xiàn)及來源作了初步探討。

第Ⅰ類：“兼優(yōu)”部門。即行業(yè)產(chǎn)值增長迅速且技術(shù)效率較高（產(chǎn)值5年平均增長率超過20%，平均技術(shù)效率超過0.6）。

這一部門包括有色金屬冶煉及壓延加工業(yè)、交通運輸設(shè)備制造業(yè)、農(nóng)副食品加工業(yè)、電氣機械及器材制造業(yè)等6個工業(yè)行業(yè)，無一例外全部為制造業(yè)。研究發(fā)現(xiàn)，上述行業(yè)可分為三種類型：（1）高耗能特性和高R&D投入（以有色金屬冶煉及壓延加工業(yè)為代表）；（2）規(guī)模總量大、產(chǎn)業(yè)集聚明顯、骨干企業(yè)逐步成長（以交通運輸設(shè)備制造業(yè)為代表）；（3）較高的資本密集程度、較高的R&D投入和國內(nèi)國際市場近年來持續(xù)升溫的高需求（以電氣機械及器材制造業(yè)為代表）；（4）高勞動密集程度（以農(nóng)副食品加工業(yè)為代表）。

第Ⅱ類：“前優(yōu)后劣”部門。即行業(yè)產(chǎn)值增長迅速但技術(shù)效率較低（產(chǎn)值5年平均增長率超過20%，平均技術(shù)效率低于0.6）。

這一部門包括黑色金屬礦采選業(yè)、非金屬礦物制品業(yè)等7個行業(yè)。容易發(fā)現(xiàn)，這一部門大多為采礦業(yè)或礦物制品業(yè)，具有明顯的聚類特征：以自然資源的存在為前提，大量的資源開采產(chǎn)生了較高的產(chǎn)值；生產(chǎn)效率較為低下，機械化程度不高；R&D活動有所開展但覆蓋范圍不廣，技術(shù)效率不高；行業(yè)內(nèi)無序競爭導致的成本提升、利潤降低。

第Ⅲ類：“前劣后優(yōu)”部門。即行業(yè)產(chǎn)值增長較慢但技術(shù)效率較高（產(chǎn)值5年平均增長率低于15%，平均技術(shù)效率高于0.6）的部門。

這一部門包括造紙及紙制品業(yè)、通信設(shè)備、計算機及其他電子設(shè)備制造業(yè)等5個行業(yè)，大致可歸類為輕工業(yè)制造業(yè)和通信、電子設(shè)備等技術(shù)含量較高的設(shè)備制造業(yè)。幾個輕工業(yè)行業(yè)產(chǎn)值增長率在2008～2009年出現(xiàn)了較大幅度的下滑，結(jié)合輕工業(yè)的出口導向、外向依賴度強等特征，可以推斷輕工業(yè)制造業(yè)受到始于2008年的國際金融危機影響較大；其次，上述行業(yè)在樣本期間保持了較高的技術(shù)效率，R&D活動投入也呈穩(wěn)步上漲趨勢，R&D對技術(shù)效率影響的釋放作用較強，具體表現(xiàn)在該類行業(yè)以多學科工藝和技術(shù)為支撐，各學科的進步為輕工業(yè)行業(yè)發(fā)展注入了活力，在科技帶動生產(chǎn)能力方面，輕工業(yè)行業(yè)具有較大優(yōu)勢。再看通信等技術(shù)含量較高的設(shè)備制造業(yè)，觀察其在樣本期間的產(chǎn)值增長率變化特征，和輕工業(yè)類似，受2008年國際金融危機影響較大，連續(xù)2年出現(xiàn)大幅下降，在2010年有較大回升，R&D釋放作用非常明顯，受國際國內(nèi)需求影響劇烈，后金融危機時期反彈勢頭強勁。部分行業(yè)處在國際競爭力不斷加強，中、低端設(shè)備世界制造中心地位逐步確立的階段，某些分支行業(yè)具備世界領(lǐng)先水平。

第Ⅳ類：“兼劣”部門。即行業(yè)產(chǎn)值增長較慢同時技術(shù)效率較低（產(chǎn)值5年平均增長率低于15%，平均技術(shù)效率低于0.6）。

這一部門包括水的生產(chǎn)和供應(yīng)業(yè)、印刷業(yè)、文教體育用品制造業(yè)等6個行業(yè)。該部門行業(yè)較為分散，既涉及公用事業(yè)，也有日用品制造業(yè)等。盡管行業(yè)聚類特征不明顯，但單獨來看，仍可發(fā)現(xiàn)：R&D投入相對同類行業(yè)而言較低；行業(yè)整體科技含量不高；行業(yè)中中小企業(yè)占比大，規(guī)模效益不明顯；部分行業(yè)具有公共服務(wù)性質(zhì)或自然壟斷性質(zhì)；科技政策覆蓋力度不強、覆蓋面不廣是該部門的特征所在。

五、結(jié)論及政策建議

本文利用隨機前沿生產(chǎn)函數(shù)模型（SFA），采用2005～2009年面板數(shù)據(jù)對大中型工業(yè)企業(yè)37個行業(yè)R&D影響下的技術(shù)效率、技術(shù)效率部門差異進行了研究。結(jié)果表明：（1）R&D投入對工業(yè)行業(yè)技術(shù)效率具有普遍的正向促進作用。（2）各行業(yè)平均技術(shù)效率隨著R&D投入的增加逐年穩(wěn)步增長。（3）勞動力投入對行業(yè)產(chǎn)值增長貢獻不明顯，而資本投入則對其具有明顯的正向作用。（4）R&D經(jīng)費對技術(shù)效率正向作用明顯，其投入具有規(guī)模效應(yīng)，而R&D人員當量對技術(shù)效率具有負面影響，超過了最佳生產(chǎn)規(guī)模，存在過度投入的可能。（4）按E-G關(guān)系劃分的工業(yè)行業(yè)部門存在明顯聚類特征或差異性特征。

本文結(jié)合四類部門的具體特征，分別提出以下政策建議：

（1）“兼優(yōu)”部門。有色金屬冶煉類行業(yè)應(yīng)繼續(xù)將改善產(chǎn)業(yè)結(jié)構(gòu)、降低單位能耗作為持續(xù)發(fā)展的目標，履行國家“低碳經(jīng)濟”戰(zhàn)略；在增加R&D投入的基礎(chǔ)上加強對R&D人員的培養(yǎng)，促進科技創(chuàng)新效率的提升；各機構(gòu)應(yīng)完善政策支撐體系，為其轉(zhuǎn)型升級提供保障。

（2）“前優(yōu)后劣”部門。加快采礦業(yè)等傳統(tǒng)行業(yè)的轉(zhuǎn)型升級步伐，取締產(chǎn)能落后企業(yè)，合并不規(guī)范的小企業(yè)，發(fā)揮規(guī)模優(yōu)勢；持續(xù)加大R&D活動投入，著力釋放R&D對技術(shù)效率的影響，以自動化控制等先進工藝和現(xiàn)代化管理手段不斷促進采礦業(yè)的發(fā)展壯大。

（3）“前劣后優(yōu)”部門。加大對自主創(chuàng)新的支持力度，不斷利用先進技術(shù)改造提升傳統(tǒng)輕工業(yè)，節(jié)約資源，保護環(huán)境，實現(xiàn)輕工業(yè)和社會的可持續(xù)發(fā)展。技術(shù)含量較高的設(shè)備制造業(yè)應(yīng)繼續(xù)加大R&D投入，重視自主研發(fā)，大力推進價值鏈向高端轉(zhuǎn)移。

（4）“兼劣”部門。通過要素配置效率的提升來拉動技術(shù)效率；進一步完善資本市場組合功能，以提升企業(yè)規(guī)模效益、改善經(jīng)營管理；相關(guān)政策制定機構(gòu)應(yīng)酌情加大對該部門行業(yè)的政策傾斜力度，完善產(chǎn)業(yè)化環(huán)境，促進企業(yè)產(chǎn)學研共生體系建立，為其發(fā)展提供良好的政策環(huán)境。

［1］白少君，韓先鋒，朱承亮，等.中國工業(yè)行業(yè)R&D創(chuàng)新全要素生產(chǎn)率增長：技術(shù)推進抑或效率驅(qū)動［J］.中國科技論壇，2011，（11）：27-28.

［2］袁鵬，程施.中國城市環(huán)境效率度量與分析［J］.大連理工大學學報（社會科學版），2010，31（4）：31-36.

［3］BANNISTER G J，STOLP C.Regional concentration and efficiency in mexican manufacturing［J］.European Journal of Operational Research，1995，80（3）：672-690.

［4］NASIEROWSKI W，ARCELUS F J.On the efficiency of national innovation systems［J］.Socio-Economic Planning Sciences，2003，37：215-234.

［5］張海洋.我國工業(yè)R&D生產(chǎn)效率和影響因素——基于省級大中型工業(yè)數(shù)據(jù)的實證分析［J］.科學學研究，2008，26（5）：970-978.

［6］唐德祥，李京文，孟衛(wèi)東.R&D對技術(shù)效率影響的區(qū)域差異及其路徑依賴——基于我國東、中、西部地區(qū)面板數(shù)據(jù)隨機前沿方法（SFA）的經(jīng)驗分析［J］.科研管理，2008，29（2）：115-127.

［7］GRILICHES Z.Productivity，R&D and basic research at the firm level in the 1970s’［J］.American Economic Review，1986，76（6）：141-154.

［8］COLLIER D W.Measuring the performance of R&D department［J］.Research Management，1977，20（2）：4-30.

［9］李勝文，李大勝.中國工業(yè)全要素生產(chǎn)率的波動：1986～2005［J］.數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2008，（5）：43-54.

［10］田長明.中國工業(yè)行業(yè)技術(shù)創(chuàng)新效率評價實證研究［J］.工業(yè)技術(shù)經(jīng)濟，2008，27（5）：68-72.

［11］COELLI T J，RAO D S P，O’DONNELL C J，et al．An Introduction to Efficiency and Productivity Analysis［M］.London：Kluwer Academic Publisher，1998.241-261.

［12］張軍，吳桂英，張吉鵬.中國省際物質(zhì)資本存量估算：1952～2000［J］.經(jīng)濟研究，2004，（10）：35-44.

［13］郭玉清.資本積累、技術(shù)變遷與總量生產(chǎn)函數(shù)——基于中國1980～2005年經(jīng)驗數(shù)據(jù)的分析［J］.南開經(jīng)濟研究，2006，（3）：79-89.

［14］EJERMO O，KANDER A，HENNING M S.The R&D-growth paradox arises in fast-growing sectors［J］.Research Policy，2011，40（5）：664-672.