李文文,韓東林

（安徽大學(xué)工商管理學(xué)院,安徽合肥 230039）

關(guān)于我國(guó)醫(yī)藥制造業(yè)科技創(chuàng)新投資績(jī)效的評(píng)價(jià)及對(duì)策

李文文,韓東林

（安徽大學(xué)工商管理學(xué)院,安徽合肥 230039）

醫(yī)藥制造業(yè)作為我國(guó)發(fā)展較為迅速的產(chǎn)業(yè),在現(xiàn)階段仍存在創(chuàng)新能力不足、技術(shù)水平低、缺乏自主知識(shí)產(chǎn)權(quán)等缺陷。以我國(guó)高技術(shù)產(chǎn)業(yè)中醫(yī)藥制造業(yè)為研究對(duì)象,分析了醫(yī)藥制造業(yè)投入產(chǎn)出效果的內(nèi)涵,結(jié)合行業(yè)的特點(diǎn),提出了衡量投入產(chǎn)出效果的幾個(gè)評(píng)價(jià)指標(biāo)。并以2001～2008年的統(tǒng)計(jì)數(shù)據(jù)為樣本,運(yùn)用EV IEWS6.0軟件,對(duì)我國(guó)醫(yī)藥制造業(yè)的投資績(jī)效進(jìn)行了實(shí)證研究,提出了我國(guó)醫(yī)藥制造業(yè)創(chuàng)新投資的相應(yīng)對(duì)策。

醫(yī)藥制造業(yè);科技創(chuàng)新;投資績(jī)效

1 研究綜述

我國(guó)高技術(shù)產(chǎn)業(yè)在多年的發(fā)展中對(duì)經(jīng)濟(jì)發(fā)展做出了很大貢獻(xiàn),理論界從不同側(cè)面研究了高技術(shù)產(chǎn)業(yè)投入產(chǎn)出狀況。李凱、馬愛霞（2007）[1]利用科技活動(dòng)的活動(dòng)經(jīng)費(fèi)與人員投入量分析了我國(guó)醫(yī)藥制造業(yè)技術(shù)創(chuàng)新能力,但是指標(biāo)選取太少,而且都是顯而易見的指標(biāo),未免在證明方面缺少探索性。王淼（2008）[2]基于企業(yè)技術(shù)能力理論的技術(shù)學(xué)習(xí)模型研究了中國(guó)醫(yī)藥制造業(yè)技術(shù)成長(zhǎng)路徑及影響因素,但是對(duì)于科技創(chuàng)新投資績(jī)效的評(píng)價(jià)涉及較少。鄒鮮紅、羅承友（2009）[3]利用DEA模型對(duì)我國(guó)醫(yī)藥制造業(yè)技術(shù)創(chuàng)新相對(duì)有效性進(jìn)行了研究,該文將中國(guó)醫(yī)藥制造業(yè)R&D投入前二十位的省份 （自轄市）技術(shù)創(chuàng)新系統(tǒng)看作輸入、產(chǎn)出的決策單元 （DMU）,針對(duì)DMU建立CCR和BBC模型。該文中盡管江蘇、浙江等十三個(gè)區(qū)域的評(píng)價(jià)結(jié)果為DEA有效,并不能說(shuō)明這些區(qū)域真正實(shí)現(xiàn)了技術(shù)效率 ,以上的政策建議只是一個(gè)區(qū)域相對(duì)于其他區(qū)域應(yīng)當(dāng)著重解決的問題,并非要在實(shí)際工作中將各種投入大幅減少,而是要進(jìn)行資源的合理配置,更確切的結(jié)論還需要進(jìn)行更加廣泛和深入的研究。張倩男（2009）[4]借鑒C-D生產(chǎn)函數(shù)、索羅模型和羅默模型結(jié)合產(chǎn)業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)衡量指標(biāo),構(gòu)建產(chǎn)業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)評(píng)價(jià)模型,揭示科技創(chuàng)新在醫(yī)藥制造業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)提升過(guò)程中的作用,但是對(duì)于科技創(chuàng)新中的主要涉及因素及如何進(jìn)行創(chuàng)新卻未提及。李曉梅、王偉光、考燕鳴（2009）[5]為了更好地分析東北地區(qū)醫(yī)藥制造業(yè)技術(shù)創(chuàng)新能力狀況,將東北地區(qū)與長(zhǎng)三角和珠三角地區(qū)的數(shù)據(jù)運(yùn)用 spss15.0因子分析進(jìn)行比較分析。由于所選取指標(biāo)全部為正向定量指標(biāo),直接采用spss15.0的Z標(biāo)準(zhǔn)化方法先將指標(biāo)無(wú)量綱化,消除變量間的量綱關(guān)系,使數(shù)據(jù)具有可比性。但是由于其只專注于東北地區(qū)的醫(yī)藥制造業(yè),所以無(wú)法代表我國(guó)醫(yī)藥制造業(yè)的整體水平。王樹華（2009）[6]分析了桂林市醫(yī)藥制造業(yè)技術(shù)創(chuàng)新能力,但其問題是無(wú)法用某一個(gè)區(qū)域的發(fā)展水平解釋全國(guó)的水平。

按照國(guó)家統(tǒng)計(jì)局2002年的分類,我國(guó)高技術(shù)產(chǎn)業(yè)分為醫(yī)藥制造業(yè)、航空航天器制造等8個(gè)行業(yè),學(xué)術(shù)界對(duì)高技術(shù)產(chǎn)業(yè)投入產(chǎn)出效率的研究主要站在宏觀角度,較少?gòu)膯蝹€(gè)行業(yè)的角度分析投入產(chǎn)出水平。因此,考察特定行業(yè)的投入產(chǎn)出效果,具有一定的理論和現(xiàn)實(shí)意義,本文就是從醫(yī)藥制造業(yè)進(jìn)行研究的。

2 基于OLS法分析醫(yī)藥制造業(yè)科技創(chuàng)新投資績(jī)效

首先,醫(yī)藥制造行業(yè)的投入統(tǒng)計(jì)數(shù)據(jù)主要有科技工作人員數(shù)量、研究與試驗(yàn)發(fā)展折合全時(shí)人員、科學(xué)家和工程師數(shù)量、科技活動(dòng)經(jīng)費(fèi)、R&D經(jīng)費(fèi)、新產(chǎn)品經(jīng)費(fèi)和技術(shù)改造經(jīng)費(fèi),其中科學(xué)家和工程師數(shù)量屬于研究與試驗(yàn)發(fā)展折合全時(shí)人員部分,而R&D經(jīng)費(fèi)和新產(chǎn)品經(jīng)費(fèi)屬于科技活動(dòng)經(jīng)費(fèi),本文在選取投入指標(biāo)數(shù)據(jù)時(shí)上述兩方面采用的是大部分里面的具體小部分?jǐn)?shù)據(jù)。對(duì)科技活動(dòng)人員投入的研究則從人員的投入強(qiáng)度和人員素質(zhì)兩方面來(lái)進(jìn)行?？萍蓟顒?dòng)人員的投入強(qiáng)度和人員素質(zhì)是衡量技術(shù)創(chuàng)新資源投入能力的重要指標(biāo),是決定技術(shù)創(chuàng)新能力的關(guān)鍵因素。其中科技活動(dòng)人員的投入強(qiáng)度是用科技活動(dòng)人員數(shù)量來(lái)表示,人員素質(zhì)則通過(guò)科學(xué)家與工程師數(shù)量來(lái)反映。對(duì)科技活動(dòng)經(jīng)費(fèi)的研究分為經(jīng)費(fèi)的來(lái)源結(jié)構(gòu)和投入強(qiáng)度兩個(gè)方面?？萍蓟顒?dòng)經(jīng)費(fèi)的投入強(qiáng)度是衡量企業(yè)技術(shù)創(chuàng)新投入能力的重要指標(biāo),本文用科技活動(dòng)經(jīng)費(fèi)支出總額占產(chǎn)品銷售收入的比例來(lái)反映。

其次,醫(yī)藥制造行業(yè)的產(chǎn)出數(shù)據(jù)主要有工業(yè)總產(chǎn)值（新產(chǎn)品）、產(chǎn)品銷售收入（新產(chǎn)品、出口）、利潤(rùn)總額、專利申請(qǐng)（發(fā)明專利數(shù)）、擁有發(fā)明專利數(shù)。本文選取的是產(chǎn)品銷售收入中的新產(chǎn)品收入,發(fā)明專利數(shù)和擁有發(fā)明專利數(shù)三個(gè)數(shù)據(jù)指標(biāo)。技術(shù)創(chuàng)新產(chǎn)出顯示了企業(yè)技術(shù)創(chuàng)新能力要素組合的效果如何,是評(píng)價(jià)技術(shù)創(chuàng)新能力最現(xiàn)實(shí)的指標(biāo)。創(chuàng)新產(chǎn)出主要包括中間產(chǎn)出和最終產(chǎn)出,中間產(chǎn)出一般通過(guò)專利來(lái)反映,最終產(chǎn)出表現(xiàn)為收益性產(chǎn)出、技術(shù)性產(chǎn)出和競(jìng)爭(zhēng)性產(chǎn)出三個(gè)方面。收益性產(chǎn)出指技術(shù)創(chuàng)新為企業(yè)創(chuàng)造的銷售收入,包括新產(chǎn)品出售和技術(shù)出售獲得的收入。技術(shù)性產(chǎn)出是指企業(yè)通過(guò)技術(shù)創(chuàng)新引起的技術(shù)變化程度和技術(shù)創(chuàng)新水平的提高。競(jìng)爭(zhēng)性產(chǎn)出指企業(yè)通過(guò)技術(shù)創(chuàng)新帶來(lái)的競(jìng)爭(zhēng)力的變化。由于數(shù)據(jù)的限制,本文只對(duì)專利產(chǎn)出和最終產(chǎn)出中的收益性產(chǎn)出即產(chǎn)品銷售收入進(jìn)行研究。

基于以上的指標(biāo)分析,本文關(guān)于我國(guó)醫(yī)藥制造業(yè)科技創(chuàng)新投資績(jī)效擬從以下幾個(gè)方面進(jìn)行實(shí)證研究。第一,對(duì)中間性創(chuàng)新績(jī)效的研究。主要是從專利性產(chǎn)品產(chǎn)出作為被解釋變量Y,解釋變量為X1科學(xué)家和工程師的數(shù)量和發(fā)明專利數(shù)X2,此項(xiàng)研究這足以說(shuō)明我們技術(shù)創(chuàng)新產(chǎn)出水平的高低。

第二,對(duì)醫(yī)藥制造業(yè)科技創(chuàng)新績(jī)效最終收益性產(chǎn)出的研究。主要是以產(chǎn)品銷售收入作為被解釋變量Y,解釋變量為X1新產(chǎn)品收入、X2發(fā)明專利數(shù)、X3科學(xué)家和工程師數(shù)量、X4R&D經(jīng)費(fèi)和X5新產(chǎn)品開發(fā)費(fèi)用。

2.1 醫(yī)藥制造業(yè)科技創(chuàng)新績(jī)效相關(guān)中間產(chǎn)出的研究

表1 2001-2008年有關(guān)中間性支出的相關(guān)數(shù)據(jù)

通過(guò)相關(guān)性分析我們可以得出X1、X2和 Y具有線性相關(guān)關(guān)系,建立如下計(jì)量經(jīng)濟(jì)模型:

利用Eview s6.0軟件,輸入 Y、X1、X2等數(shù)據(jù),采用這些數(shù)據(jù)對(duì)模型進(jìn)行OLS回歸,結(jié)果如下:

Variable Coefficient Std.Error t-Statistic Prob. C -1128.668 375.6677-3.004433 0.0398 X1 0.112646 0.029523 3.815509 0.0189 X2 0.112646 0.260631 1.716809 0.1612 R-squared 0.919395 Mean dependent var 1105.000 Adjusted R-squared 0.879092 S.D.dependent var 828.1208 S.E.of regression 287.9529 Akaike info criterion 14.46100 Sum squared resid 331667.6 Schwarz criterion 14.43782 Log likelihood -47.61349 F-statistic 22.81222 Durbin-Watson stat 3.180265 Prob（F-statistic） 0.006497

因此,模型所估計(jì)的參數(shù) b1=0.112646,b2= 0.112646,經(jīng)濟(jì)學(xué)意義就是說(shuō)明科學(xué)家和工程師的數(shù)量每增加一人、發(fā)明專利數(shù)每增加一個(gè),可導(dǎo)致專利性產(chǎn)出增加0.112646個(gè)。

2.2 醫(yī)藥制造業(yè)科技創(chuàng)新績(jī)效最終收益性產(chǎn)出的研究

表2 2001-2008年最終收益性產(chǎn)出的相關(guān)數(shù)據(jù)

首先,通過(guò)線性分析我們可以得出相對(duì)于X1、X2來(lái)說(shuō),X3、X4、X5和 Y線性相關(guān)程度較高,因此選擇X3、X4和X5的數(shù)據(jù)做相關(guān)分析:

假設(shè) Yi=a+b1X1+b2X2+b3X3+e

利用Eview s6.0軟件,輸入 Y、X3、X4、X5等數(shù)據(jù),采用這些數(shù)據(jù)對(duì)模型進(jìn)行 OLS回歸,結(jié)果如下:

Variable Coefficient Std.Error t-Statistic Prob. C 21589578 12777761 1.689621 0.1897 X3 -142.9402 1554.372-0.091960 0.9325 X4 -70.21256 98.27041-0.714483 0.5265 X5 90.15962 58.78932 1.533605 0.2227 R-squared 0.820121 Mean dependent var 25446148 Adjusted R-squared 0.640242 S.D.dependent var 10431386 S.E.of regression 6256725. Akaike info criterion 34.43177 Sum squared resid 1.17E+14 Schwarz criterion 34.40086 Log likelihood -116.5112 F-statistic 4.559297 Durbin-Watson stat 2.688150 Prob（F-statistic） 0.122284

由此可見,該模型 R2=0.820121,ˉR2= 0.640242,可決系數(shù)很高,不僅X3、X4系數(shù)的t檢驗(yàn)不顯著,而且X3、X4系數(shù)的符號(hào)與預(yù)期的相反,這表明很可能存在嚴(yán)重的多重共線性。

計(jì)算各解釋變量的相關(guān)系數(shù),重新選擇X1、X2、X3、X4、X5等數(shù)據(jù)得相關(guān)系數(shù)矩陣:

由相關(guān)系數(shù)矩陣可以看出:各解釋變量相互之間的相關(guān)系數(shù)較高,證實(shí)確實(shí)存在嚴(yán)重多重共線性。

采用逐步回歸的辦法,去檢驗(yàn)和解決多重共線性問題。分別作Y對(duì)X3、X4、X5的一元回歸:

Variable Coefficient Std.Error t-Statistic Prob. C 1538376. 9637933. 0.159617 0.8794 X3 1500.264 578.3351 2.594108 0.0486 R-squared 0.573721 Mean dependent var 25446148 Adjusted R-squared 0.488465 S.D.dependent var 10431386 S.E.of regression 7460704. Akaike info criterion 34.72315 Sum squared resid 2.78E+14 Schwarz criterion 34.70770 Log likelihood -119.5310 F-statistic 6.729396 Durbin-Watson stat 1.609628 Prob（F-statistic） 0.048595 Variable Coefficient Std.Error t-Statistic Prob. C 7404686. 6126548. 1.208623 0.2808 X4 49.48250 15.38299 3.216703 0.0236 R-squared 0.674207 Mean dependent var 25446148 Adjusted R-squared 0.609049 S.D.dependent var 10431386 S.E.of regression 6522340. Akaike info criterion 34.45432 Sum squared resid 2.13E+14 Schwarz criterion 34.43887 Log likelihood -118.5901 F-statistic 10.34718 Durbin-Watson stat 2.410102 Prob（F-statistic） 0.023552

Variable Coefficient Std.Error t-Statistic Prob. C 12131438 3873687. 3.131755 0.0259 X5 37.82834 9.287197 4.073170 0.0096 R-squared 0.768419 Mean dependent var 25446148 Adjusted R-squared 0.722103 S.D.dependent var 10431386 S.E.of regression 5499005. Akaike info criterion 34.11299 Sum squared resid 1.51E+14 Schwarz criterion 34.09753 Log likelihood -117.3955 F-statistic 16.59072 Durbin-Watson stat 2.558908 Prob（F-statistic） 0.009604

按R2的大小排序?yàn)?X5、X4、X3,以X5為基礎(chǔ),順次加入其他變量逐步回歸。首先加入X4回歸結(jié)果為:

當(dāng)取α=0.05時(shí),tα/2（n-k）=t0.025（8-4）=2.776,X4參數(shù)的t檢驗(yàn)不顯著,予以剔除,加入X5得:

Variable Coefficient Std.Error t-Statistic Prob. C 18880177 11431098 1.651650 0.1740 X3 764.1922 1207.009-0.633129 0.5610 X5 53.25323 26.29732 2.025044 0.1128 R-squared 0.789513 Mean dependent var 25446148 Adjusted R-squared 0.684269 S.D.dependent var 10431386 S.E.of regression 5861392. Akaike info criterion 34.30320 Sum squared resid 1.37E+14 Schwarz criterion 34.28002 Log likelihood -117.0612 F-statistic 7.501754 Durbin-Watson stat 2.898842 Prob（F-statistic） 0.044305

X3參數(shù)的t檢驗(yàn)顯著,這是最后消除多重共線性的結(jié)果。這說(shuō)明,在其他因素不變的情況下,相對(duì)于其他因素來(lái)說(shuō),新產(chǎn)品開發(fā)費(fèi)用支出與科學(xué)家的數(shù)量對(duì)產(chǎn)品銷售收入影響效果最大,新產(chǎn)品開發(fā)費(fèi)用每增加一元、科學(xué)家每增加一個(gè)人醫(yī)藥制造業(yè)的產(chǎn)品銷售收入就分別增加764.1922和53.25323元。

3 結(jié)論與建議

第一,依據(jù)2001-2008年醫(yī)藥制造業(yè)的統(tǒng)計(jì)數(shù)據(jù)進(jìn)行的統(tǒng)計(jì)分析及投入產(chǎn)出效率可以看出,作為中間性創(chuàng)新績(jī)效的的專利性產(chǎn)品的產(chǎn)出和科學(xué)家的數(shù)量及發(fā)明專利數(shù)有著密切的關(guān)系,科學(xué)家和工程師的數(shù)量每增加一人、發(fā)明專利數(shù)每增加一個(gè),可導(dǎo)致專利性產(chǎn)出增加0.112646個(gè),因此知識(shí)產(chǎn)權(quán)保護(hù)和專利是保持醫(yī)藥制造企業(yè)創(chuàng)新能力的很重要的激勵(lì)機(jī)制。

因此應(yīng)加強(qiáng)對(duì)醫(yī)藥技術(shù)人員的培訓(xùn)和學(xué)習(xí),同時(shí)知識(shí)產(chǎn)權(quán)保護(hù)和專利也是保持醫(yī)藥制造企業(yè)創(chuàng)新能力的很重要的激勵(lì)機(jī)制。企業(yè)人力資源部門應(yīng)通過(guò)對(duì)人才的激勵(lì)與培養(yǎng),為企業(yè)提供合適的研發(fā)人員來(lái)支撐企業(yè)的創(chuàng)新。完善醫(yī)藥專利制度,加大中國(guó)醫(yī)藥制造業(yè)知識(shí)產(chǎn)權(quán)的保護(hù)力度。所以企業(yè)不應(yīng)該因?yàn)榻?jīng)濟(jì)效益而用短期目光,抄襲外國(guó)的專利性產(chǎn)品和配方。對(duì)于優(yōu)秀的人才應(yīng)該予以重用,使其積極幫助企業(yè)開創(chuàng)更多的專利性技術(shù)和產(chǎn)品,實(shí)現(xiàn)企業(yè)的長(zhǎng)遠(yuǎn)發(fā)展。

第二,由上面的分析我們可以看出在最終收益性產(chǎn)出的研究中,新產(chǎn)品開發(fā)費(fèi)用支出與科學(xué)家的數(shù)量對(duì)產(chǎn)品銷售收入影響效果最大,新產(chǎn)品開發(fā)費(fèi)用每增加一元、科學(xué)家每增加一個(gè)人醫(yī)藥制造業(yè)的產(chǎn)品銷售收入就分別增加764.1922和53.25323元。

聯(lián)系中間性的產(chǎn)品的產(chǎn)出可以證明科學(xué)家和工程師的數(shù)量、新產(chǎn)品開發(fā)費(fèi)用、發(fā)明專利數(shù)是反映醫(yī)藥制造業(yè)投入產(chǎn)出效果的主要指標(biāo);有些制藥企業(yè)因?yàn)槿鄙僮銐虻馁Y金支持難以吸引并留住人才,專業(yè)技術(shù)人才匱乏,既懂專業(yè)知識(shí),又能拓展市場(chǎng)、參與管理的復(fù)合型人才較少,導(dǎo)致企業(yè)的新藥研發(fā)能力較弱,新藥數(shù)量少,產(chǎn)品科技含量偏低。資金和技術(shù)人員的缺乏使這些企業(yè)被固化在簡(jiǎn)單的技術(shù)獲取或者低水平的重復(fù)仿制上。

R&D投入強(qiáng)度也是衡量醫(yī)藥企業(yè)科技開發(fā)能力的一個(gè)指標(biāo),近年來(lái)我國(guó)醫(yī)藥制造業(yè)R&D投入雖然大幅度增加,但是和發(fā)達(dá)國(guó)家相比還是存在很大的差距。因此,今后要提高R&D經(jīng)費(fèi)投入對(duì)醫(yī)藥制造業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)提升的貢獻(xiàn)度,提升我國(guó)醫(yī)藥制造業(yè)科技自主創(chuàng)新能力建設(shè),縮小與發(fā)達(dá)國(guó)家的差距,就必須加大我國(guó)醫(yī)藥制造業(yè)R&D投入強(qiáng)度和R&D人員的投入強(qiáng)度,增強(qiáng)其國(guó)際競(jìng)爭(zhēng)力。

[1]李凱,馬愛霞.我國(guó)醫(yī)藥制造業(yè)技術(shù)創(chuàng)新能力分析[J].中國(guó)醫(yī)藥技術(shù)與管理,2007,（10）:48-54.

[2]王淼.中國(guó)醫(yī)藥制造業(yè)技術(shù)成長(zhǎng)路徑及影響因素研究[J].華東經(jīng)濟(jì)管理,2008,（1）:88-92.

[3]鄒鮮紅,羅承友.基于DEA模型的我國(guó)醫(yī)藥制造業(yè)技術(shù)創(chuàng)新相對(duì)有效性研究[J].科技管理研究,2009,（9）:252 -254.

[4]張倩男.中國(guó)醫(yī)藥制造業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)演化的實(shí)證分析[J].經(jīng)濟(jì)問題探索,2009,（6）:43-48.

[5]李曉梅,王偉光,考燕鳴.東北地區(qū)醫(yī)藥制造業(yè)技術(shù)創(chuàng)新能力實(shí)證研究[J].中國(guó)科技論壇,2009,（11）:39-42.

[6]王樹華.桂林市醫(yī)藥制造業(yè)技術(shù)創(chuàng)新能力研究[J].現(xiàn)代管理科學(xué),2009,（9）:34-35.

[7]程正中,吳永林,謝朝陽(yáng).我國(guó)醫(yī)藥制造業(yè)投入產(chǎn)出效果實(shí)證分析[J].科技與管理,2009,（6）:40-42.

[8]張世龍,任佳希.浙江省醫(yī)藥制造業(yè)產(chǎn)業(yè)競(jìng)爭(zhēng)力評(píng)價(jià)與分析[J].新西部,2009,（18）:58-59.

On China’s Pharmaceutical Industry Investment Performance Evaluation of Scientific and Technological Innovation and Countermeasures

LI Wen-wen,HAN Dong-lin

（School of Business Management,Anhui University,Hefei230039,China）

The medicine manufacturing industry develops a more rapid industry as our country,still had the innovation ability insufficiency,the technical level in the present stage lowly,to lack flaws and so on proprietary intellectual property rights.This article take our country high-tech industry Chinese medicine manufacturing industry as the object of study,analyzed the medicine manufacturing industry to put into production the effect the connotation,and unified the profession the characteristic,proposed the weight put into production the effect several evaluating indicator,take 2001～2008 year statistical data as the sample,utilized the EVIEWS 6.0 software,has conducted the empirical study to our country medicine manufacturing industry’s investment achievements,pointed out our country medicine manufacturing industry the innovation investment trends.

medicine manufacturing industry;scientific innovation;investment achievements

TQ46

A

1009-9735（2010）02-0014-04

2010-02-26

李文文（1985-）,女,安徽合肥人,2008級(jí)碩士生,研究方向:技術(shù)創(chuàng)新評(píng)價(jià);韓東林（1968-）,男,安徽霍邱人,副教授,碩士生導(dǎo)師,經(jīng)濟(jì)學(xué)博士后,研究方向:技術(shù)創(chuàng)新投資與績(jī)效評(píng)價(jià)。