尹極+鄧乾旺+李衛(wèi)明+崔巍

〔摘 要〕知識(shí)轉(zhuǎn)化效率影響知識(shí)的決策與發(fā)展，文章選取研究與開發(fā)機(jī)構(gòu)（R&D）領(lǐng)域知識(shí)為研究對(duì)象并構(gòu)建指標(biāo)體系，以2002-2011共10年間數(shù)據(jù)為面板數(shù)據(jù)，按照經(jīng)濟(jì)發(fā)達(dá)程度將全國30個(gè)地區(qū)劃分為5個(gè)區(qū)級(jí)，基于數(shù)據(jù)包絡(luò)分析（BCC-DEA）方法對(duì)R&D知識(shí)轉(zhuǎn)化效率進(jìn)行區(qū)域維度的靜態(tài)研究，基于DEA-Malmquist指數(shù)法對(duì)R&D知識(shí)轉(zhuǎn)化效率進(jìn)行區(qū)域及時(shí)間雙重維度的動(dòng)態(tài)研究。根據(jù)測(cè)度結(jié)果分析各區(qū)級(jí)R&D知識(shí)轉(zhuǎn)化情況并得出各區(qū)域R&D知識(shí)轉(zhuǎn)化效率平均值排名。

〔關(guān)鍵詞〕數(shù)據(jù)包絡(luò)分析；R&D知識(shí)；轉(zhuǎn)化效率；全要素生產(chǎn)率

DOI：10.3969/j.issn.1008-0821.2015.07.031

〔中圖分類號(hào)〕G302 〔文獻(xiàn)標(biāo)識(shí)碼〕A 〔文章編號(hào)〕1008-0821（2015）07-0162-05

〔Abstract〕This paper concentrated on R&D knowledge and established an index system to evaluate its conversion efficiency，in which the panel data of ten years are selected and thirty districts in China are divided into five regions depending on economic development degree.Then a static analysis on conversion efficiency of R&D knowledge was made from the region dimension via BCC-DEA method，while a dynamic research was carried in the double dimensions of region and time by utilization of the Malmquist-DEA method.Based on the results，conversion situations of R&D knowledge in different regions are analyzed and the ranking of average value of conversion efficiency is obtained.

〔Key words〕data envelopment analysis；knowledge of R&D；conversion efficiency；total factor productivity

隨著經(jīng)濟(jì)時(shí)代的到來，“知識(shí)”已經(jīng)成為社會(huì)發(fā)展、企業(yè)興廢的重要資源，對(duì)于知識(shí)的研究已然成為熱點(diǎn)。一些文獻(xiàn)對(duì)知識(shí)轉(zhuǎn)化效率進(jìn)行了研究，王毓軍等[1]從投入角度對(duì)知識(shí)創(chuàng)新過程對(duì)我國東西部區(qū)域知識(shí)配置效率、成本效率進(jìn)行分析；李建華等[2]選取1998-2005年我國30省份為對(duì)象進(jìn)行區(qū)域維度（東、中、西部）的知識(shí)生產(chǎn)效率及變化率的測(cè)度；馮堯[3]運(yùn)用DEA-Malmquist指數(shù)法選取我國1999-2008年間高新技術(shù)產(chǎn)業(yè)科技成果作為對(duì)象從區(qū)域（東、中、西部）、時(shí)間維度進(jìn)行轉(zhuǎn)化效率研究；陳偉等[4]運(yùn)用DEA-Malmquist指數(shù)法從區(qū)域維度（省級(jí)）、時(shí)間維度對(duì)2005-2010年間我國知識(shí)密集型產(chǎn)業(yè)專利創(chuàng)新績效進(jìn)行分析；吳延兵[5]運(yùn)用DEA-Malmquist指數(shù)法選取我國大中型工業(yè)企業(yè)數(shù)據(jù)為樣本，從區(qū)域維度（省級(jí)）進(jìn)行技術(shù)效率的分析；郭淑芬等[6]選取20家文化產(chǎn)業(yè)上市公司為研究對(duì)象，運(yùn)用超效率DEA模型及Malmquist指數(shù)法進(jìn)行公司績效評(píng)價(jià)分析。在轉(zhuǎn)化效率的研究中，很多學(xué)者選用科學(xué)研究中非常重要的一個(gè)指標(biāo)“R&D”為研究對(duì)象，部分文章選取我國多個(gè)地區(qū)為研究樣本[7-8]，針對(duì)1年或幾年的R&D數(shù)據(jù)開展對(duì)每個(gè)區(qū)域（東、中、西部或省市地區(qū)）的效率分析；也有部分學(xué)者選擇某個(gè)?。ɑ蚴校10-11]，針對(duì)1年或幾年的R&D數(shù)據(jù)，進(jìn)行R&D效率的研究；也有部分學(xué)者針對(duì)不同領(lǐng)域如制造業(yè)R&D[12]、高新區(qū)或高新技術(shù)產(chǎn)業(yè)R&D[15]，運(yùn)用DEA方法進(jìn)行R&D效率測(cè)度與分析。

基于以上分析，由于“R&D”具備“知識(shí)”的衡量特點(diǎn)，故本文將“R&D”與“知識(shí)”相結(jié)合，從知識(shí)角度選取研究對(duì)象為“R&D知識(shí)”，合理構(gòu)建投入產(chǎn)出指標(biāo)體系；以2002-2011共10年間我國5個(gè)區(qū)級(jí)（30個(gè)地區(qū)）“R&D知識(shí)”投入產(chǎn)出數(shù)據(jù)為面板數(shù)據(jù)；采用BCC-DEA模型——DEA-Malmquist模型雙階段分析方法，從區(qū)域、空間雙重維度進(jìn)行“R&D知識(shí)”的轉(zhuǎn)化效率及效率變化情況分析；在分析思路上，對(duì)于區(qū)域的分析結(jié)合地區(qū)經(jīng)濟(jì)發(fā)達(dá)情況進(jìn)行5個(gè)區(qū)級(jí)的劃分，進(jìn)而對(duì)2002-2011年間我國“R&D知識(shí)”轉(zhuǎn)化效率進(jìn)行全面、客觀、獨(dú)特的分析研究。

1 指標(biāo)選取與數(shù)據(jù)來源

11 指標(biāo)選取

對(duì)于知識(shí)的研究，不僅要考慮知識(shí)的效果（即知識(shí)的產(chǎn)出），對(duì)于知識(shí)的投入（即知識(shí)的成本）分析也至關(guān)重要。為了更好地對(duì)知識(shí)的轉(zhuǎn)化效率進(jìn)行研究，合理選取R&D知識(shí)投入與產(chǎn)出指標(biāo)并構(gòu)建出指標(biāo)體系，本文根據(jù)所選研究對(duì)象R&D知識(shí)的情況，參考和整理了大量文獻(xiàn)并通過對(duì)“中國知網(wǎng)”等網(wǎng)站相關(guān)可能指標(biāo)詞的出現(xiàn)頻次進(jìn)行匯總，分析出R&D知識(shí)的投入主要包括人力成本及資金成本，R&D知識(shí)的產(chǎn)出主要包括對(duì)衡量知識(shí)產(chǎn)出成果（如課題、專利、論文及合同等）的分析，最終選取具有代表性的指標(biāo)形成相對(duì)全面、客觀的R&D知識(shí)投入產(chǎn)出指標(biāo)體系，該指標(biāo)體系構(gòu)建如圖1。

投入指標(biāo)（2個(gè)）：R&D人員全時(shí)當(dāng)量（人年）、R&D經(jīng)費(fèi)支出（萬元）。

產(chǎn)出指標(biāo)（4個(gè)）：課題數(shù)（個(gè)）、專利申請(qǐng)授權(quán)數(shù)（件）、論文數(shù)（篇）、國外技術(shù)引進(jìn)合同數(shù)（件）。endprint

12 數(shù)據(jù)來源

本文選用數(shù)據(jù)均來源于《中國科技統(tǒng)計(jì)年鑒》，包括2002-2011年10年間全國30個(gè)地區(qū)（不含港澳臺(tái)及西藏）關(guān)于R&D知識(shí)的投入與產(chǎn)出數(shù)據(jù)。由于對(duì)知識(shí)的整理具有延后性，故本文通過對(duì)《中國科技統(tǒng)計(jì)年鑒》中相關(guān)數(shù)據(jù)進(jìn)一步整理，最終根據(jù)2個(gè)投入、4個(gè)產(chǎn)出指標(biāo)進(jìn)行了面板數(shù)據(jù)匯總。

2 研究方法與模型

21 DEA基礎(chǔ)模型

DEA方法針對(duì)具有投入產(chǎn)出的決策單元（DMU）進(jìn)行分析評(píng)價(jià)，用來比較各決策單元之間的規(guī)模收益及相對(duì)效率，顯示其最優(yōu)值（投影值）。DEA方法最常用的有CCR模型和BCC模型。

BCC模型評(píng)價(jià)的是在可變規(guī)模報(bào)酬（VRS）條件下的決策單元相對(duì)效率。模型分為輸入導(dǎo)向模型和輸出導(dǎo)向模型，本文使用輸出導(dǎo)向（output-BCC模型）模型。

選取我國30個(gè)區(qū)域?yàn)闆Q策單元，即n=30，設(shè)n個(gè)決策單元DMUj（j=1，2，…，n），決策單元與區(qū)域?qū)?yīng)關(guān)系見表1。

某一決策單元DMUj的輸入Xj、輸出Yj；每一決策單元有m個(gè)輸入，即m=2，Xij：i=1，2，…，m，s個(gè)輸出，即s=4，Yrj：r=1，2，…s。Xj1為第j個(gè)決策單元的“R&D人員全時(shí)當(dāng)量（人年）”輸入值，Xj2為第j個(gè)決策單元的“R&D經(jīng)費(fèi)支出（萬元）”輸入值，Yj1為第j個(gè)決策單元的“課題數(shù)（個(gè)）”輸出值，Yj2為第j個(gè)決策單元的“專利申請(qǐng)授權(quán)數(shù)（件）”輸出值，Yj3為第j個(gè)決策單元的“論文數(shù)（篇）”輸出值，Yj4為第j個(gè)決策單元的“國外技術(shù)引進(jìn)合同數(shù)（件）”輸出值，XjYj構(gòu)成知識(shí)轉(zhuǎn)化過程。ωj為第j個(gè)決策單元的權(quán)重，maxδ0為所求轉(zhuǎn)化效率最大值。

本文運(yùn)用BCC—DEA模型進(jìn)行轉(zhuǎn)化效率的測(cè)度分析，故在此不再介紹CCR—DEA模型。

22 DEA-Malmquist指數(shù)模型

Malmquist指數(shù)法是運(yùn)用“距離函數(shù)”來描述多個(gè)輸入變量和多個(gè)輸出變量的模型，距離函數(shù)Dn（x，y）∶Dn（X，Y）=min{δ∶（Y/δ）∈p（x）}，其中p（x）為可能R&D知識(shí)轉(zhuǎn)化過程集合，δ為R&D知識(shí)輸出效率指標(biāo)。輸出變量的距離函數(shù)Dn（x，y）可以測(cè)定t時(shí)期技術(shù)條件下，從t到（t+1）時(shí)期的整體R&D效率變化情況；在t時(shí)刻的Malmquist指數(shù)為：Mtn（xtn，ytn，xt+1n，yt+1n）=Dtn（xt+1n，yt+1n）/Dtn（xtn，ytn），在（t+1）時(shí)刻的Malmquist指數(shù)為：Mt+1n（xtn，ytn，xt+1n，yt+1n）=Dt+1n（xt+1n，yt+1n）/Dt+1n（xtn，ytn），將t時(shí)刻及（t+1）時(shí)刻指數(shù)取幾何平均值，即可作為從t時(shí)期到（t+1）時(shí)期的Malmquist生產(chǎn)率指數(shù)：Dt+1n（xtn，ytn，xt+1n，yt+1n）=Dtn（xt+1n，yt+1n）Dtn（xtn，ytn）×Dt+1n（xt+1n，yt+1n）Dt+1n（xtn，ytn）1/2；Malmquist指數(shù)可分解為技術(shù)效率變化指數(shù)（EC）和技術(shù)進(jìn)步指數(shù)（TP）：Mt+1n（xtn，ytn，xt+1n，yt+1n）=EC×TP=Dt+1n（xt+1n，yt+1n）Dtn（xtn，ytn）×Dtn（xt+1n，yt+1n）Dt+1n（xt+1n，yt+1n）×Dtn（xtn，ytn）Dt+1n（xtn，ytn）1/2；EC從t到（t+1）時(shí)期決策單元DMU對(duì)最優(yōu)知識(shí)活動(dòng)前沿的追趕程度，TP衡量的是從t到（t+1）時(shí)期最優(yōu)知識(shí)活動(dòng)前沿面的變化情況。

該部分針對(duì)區(qū)域維度的橫向研究中選取我國30個(gè)區(qū)域?yàn)闆Q策單元，即n=30，設(shè)n個(gè)決策單元DMUj（j=1，2，…，n）；具體DMUj情況與BCC-DEA方法同；針對(duì)時(shí)間維度的橫向研究中選取我國2002-2011年共10年間9個(gè)年度為決策單元，即n=9，DMU2=2002-2003，DMU3=2003-2004，DMU4=2004-2005，DMU5=2005-2006，DMU6=2006-2007，DMU7=2007-2008，DMU8=2008-2009，DMU9=2009-2010，DMU10=2010-2011；X代表輸入，Y代表輸出，兩個(gè)維度分別有2個(gè)輸入指標(biāo)（即m=2）和4個(gè)輸出指標(biāo)（即s=4），輸入及輸出情況與BCC-DEA方法中相同。

3 研究與開發(fā)機(jī)構(gòu)R&D知識(shí)轉(zhuǎn)化效率研究

為全面分析研究2002-2011年10年間我國30個(gè)地區(qū)的R&D知識(shí)的轉(zhuǎn)化效率，選取全國30個(gè)地區(qū)為決策單元，參照2014年最新公布的一線城市、二線城市、三線城市名單，依據(jù)城市所在地區(qū)（就高原則）屬于一線城市、二線發(fā)達(dá)城市、二線中等發(fā)達(dá)城市、二線發(fā)展較弱城市、三線城市劃分為五級(jí)區(qū)域，側(cè)重于所在地區(qū)進(jìn)行橫向?qū)Ρ确治觥?/p>

同時(shí)，在Malmquist指數(shù)分析中還就10年間效率變化進(jìn)行時(shí)間維度的縱向分析，具體分析如下。

31 基于BCC-DEA方法的靜態(tài)分析研究

為對(duì)2002-2011年10年間我國30個(gè)地區(qū)的R&D知識(shí)的轉(zhuǎn)化效率進(jìn)行靜態(tài)分析，該部分選用輸出導(dǎo)向的BCC—DEA模型，應(yīng)用軟件為DEAP 21。測(cè)度結(jié)果見表2（第3～7列）。

綜合技術(shù)效率為規(guī)模報(bào)酬不變的效率值，純技術(shù)效率為規(guī)模報(bào)酬可變的效率值，綜合技術(shù)效率等于純技術(shù)效率與規(guī)模效率之積。

基于表2，形成分區(qū)域的平均規(guī)模效率值見圖2，結(jié)合表2及圖2，針對(duì)2002-2011年10年間全國30個(gè)地區(qū)的BCC—DEA測(cè)度情況，分析如下：

①一級(jí)區(qū)域、二級(jí)區(qū)域、三級(jí)區(qū)域、四級(jí)區(qū)域、五級(jí)區(qū)域規(guī)模效率均值分別為0666、0898、0723、0823、0870，轉(zhuǎn)化效率按照二級(jí)區(qū)域、五級(jí)區(qū)域、四級(jí)區(qū)域、三級(jí)區(qū)域、一級(jí)區(qū)域依次遞減，說明在相關(guān)資源的協(xié)調(diào)中，二級(jí)區(qū)域最合理，一級(jí)區(qū)域相對(duì)比較欠缺。endprint

2 各區(qū)級(jí)平均規(guī)模效率

②五級(jí)區(qū)域30個(gè)地區(qū)綜合技術(shù)效率、純技術(shù)效率、規(guī)模效率總均值分別為0621、0736、0814，其中二級(jí)區(qū)域、四級(jí)區(qū)域、五級(jí)區(qū)域規(guī)模效率平均值在總規(guī)模效率平均值以上，一級(jí)區(qū)域、三級(jí)區(qū)域規(guī)模效率平均值在總規(guī)模效率平均值以下。

③全部30個(gè)地區(qū)只有浙江（二級(jí)區(qū)域）規(guī)模效率為1，說明浙江的R&D知識(shí)轉(zhuǎn)化效率最優(yōu)；規(guī)模效率排名在后三位的依次是北京（排名30、一級(jí)區(qū)域）、四川（排名29、三級(jí)區(qū)域）、陜西（排名28、三級(jí)區(qū)域），可見知識(shí)效率的轉(zhuǎn)化與區(qū)域發(fā)達(dá)級(jí)別沒有明顯的關(guān)聯(lián)，合理優(yōu)化資源的投入產(chǎn)出結(jié)構(gòu)，才會(huì)獲得轉(zhuǎn)化效率的最優(yōu)。

④從2011年規(guī)模報(bào)酬來看，只有天津（一級(jí)區(qū)域）、青海（五級(jí)區(qū)域）實(shí)現(xiàn)了規(guī)模報(bào)酬遞增，上海等9個(gè)地區(qū)處于規(guī)模報(bào)酬不變狀態(tài)，其余19個(gè)地區(qū)均處于規(guī)模報(bào)酬遞減狀態(tài)。

32 基于DEA-Malmquist指數(shù)法的動(dòng)態(tài)分析研究

由于DEA方法可以對(duì)研究對(duì)象的轉(zhuǎn)化效率進(jìn)行靜態(tài)研究，為了更全面地分析轉(zhuǎn)化效率動(dòng)態(tài)變化情況，使用Malmquist方法進(jìn)行R&D知識(shí)的第二階段研究（包括基于區(qū)域維度的橫向分析及基于時(shí)間維度的縱向分析）。該方法的運(yùn)用可以得出效率值變化（eff）、技術(shù)變化（tech）、純技術(shù)效率變化（pe）、規(guī)模效率變化（se）及全要素生產(chǎn)率變化（tfp）5個(gè)重要參數(shù)及對(duì)應(yīng)不同測(cè)度單元的測(cè)度值。其中全要素生產(chǎn)率變化指系統(tǒng)產(chǎn)出價(jià)值與全部投入價(jià)值之比，反映出生產(chǎn)或制造過程中全部生產(chǎn)要素綜合生產(chǎn)率水平，效率值變化為技術(shù)變化與純技術(shù)效率變化之積，全要素生產(chǎn)率變化為效率值變化與技術(shù)變化之積。本文使用產(chǎn)出導(dǎo)向的Malmquist指數(shù)模型，通過對(duì)10年全國5個(gè)區(qū)級(jí)30個(gè)地區(qū)的R&D知識(shí)的測(cè)度，對(duì)不同地區(qū)及不同年份的測(cè)度情況進(jìn)行分析。所用軟件為DEAP 21。

321 區(qū)域維度橫向分析

該部分選取全國30個(gè)地區(qū)為決策單元，按照劃分的五級(jí)區(qū)域，側(cè)重于所在區(qū)域及地區(qū)間進(jìn)行橫向?qū)Ρ确治?，測(cè)度結(jié)果見表2（第8～13列）。

基于表2，針對(duì)2002-2011年10年間全國30個(gè)地區(qū)的全要素生產(chǎn)率變化情況，分析如下：

①其中遼寧、吉林、江蘇、浙江、湖北、湖南、四川、陜西8個(gè)地區(qū)測(cè)度值均大于1，說明該部分地區(qū)在10年間平均變化值是增長的；其余地區(qū)測(cè)度值均小于1，說明該部分地區(qū)在10年間平均變化值是下降的。

②按照區(qū)域等級(jí)分析，只有二級(jí)區(qū)域的全要素生產(chǎn)率變化平均值大于1，說明該區(qū)域地區(qū)在2002-2011年間平均變化值是增長的；其他區(qū)域全要素生產(chǎn)率變化平均值均小于1，說明該區(qū)域地區(qū)在10年間平均變化值是下降的。各區(qū)域全要素生產(chǎn)率變化平均值排名依次為二級(jí)區(qū)域（1012）、一級(jí)區(qū)域（0976）、三級(jí)區(qū)域（0975）、四級(jí)區(qū)域（0920）、五級(jí)區(qū)域（0888）。

③二級(jí)區(qū)域測(cè)度平均值結(jié)果效率值變化（1011）、技術(shù)變化（1000）、純技術(shù)效率變化（1004）、規(guī)模效率變化（1007）、全要素生產(chǎn)率變化（1012）全部大于1，說明該區(qū)域在10年間平均變化值是增長的，效果最優(yōu)。

322 時(shí)間維度縱向分析

運(yùn)用Malmquist指數(shù)模型測(cè)算結(jié)果除以上各區(qū)域的效率變化情況外，還反饋了2002-2011年10年間各效率值變化的時(shí)間維度情況，由于比較的是第（t+1）年與第t年的情況，故測(cè)度結(jié)果展示為第2～10共9個(gè)決策單元的情況，見表3。

基于表3，針對(duì)2002-2011年全國30個(gè)地區(qū)R&D知識(shí)時(shí)間維度變化值測(cè)度結(jié)果，分析如下：

①第3、第5、第6、第7、第9決策單元全要素生產(chǎn)率變化值均大于1，即2003-2004年、2005-2006年、2006-2007年、2007-2008年、2009-2010年這5年度效率變化值效果良好，后一年均較前一年有所增長，特別是2005-2008年幾年間實(shí)現(xiàn)了持續(xù)增長。其余幾個(gè)年度全要素生產(chǎn)率變化值均小于1，說明后一年較前一年比較生產(chǎn)率變化有所下降。

②第9決策單元即2009-2010年度效率值變化（1056）、技術(shù)變化（1059）、純技術(shù)效率變化（1032）、規(guī)模效率變化（1024）、全要素生產(chǎn)率變化（1119）全部大于1，說明該年度在各項(xiàng)變化值都是增長的，效果最優(yōu)。

③第8決策單元即2008-2009年度全要素生產(chǎn)率變化值為0438，表明2009年較2008年測(cè)度值下降幅度非常大，且主要體現(xiàn)在技術(shù)變化值為0362，及時(shí)調(diào)整R&D知識(shí)的投入產(chǎn)出結(jié)構(gòu)，因此2009-2010年度實(shí)現(xiàn)各項(xiàng)測(cè)度值均大于1。

4 結(jié)束語

本文選取2002-2011年全國30個(gè)地區(qū)R&D知識(shí)作為研究對(duì)象，合理構(gòu)建“R&D知識(shí)”投入產(chǎn)出指標(biāo)體系；對(duì)于區(qū)域的分析依據(jù)區(qū)域經(jīng)濟(jì)發(fā)達(dá)程度將所有區(qū)域劃分為5個(gè)等級(jí)，在此基礎(chǔ)上，運(yùn)用DEAP 21軟件，采用輸出導(dǎo)向的BCC-DEA模型——DEA-Malmquist模型對(duì)“R&D知識(shí)”的轉(zhuǎn)化效率進(jìn)行雙重階段分析；在DEA-Malmquist方法運(yùn)用中從區(qū)域維度、空間維度進(jìn)行“R&D知識(shí)”的雙重維度轉(zhuǎn)化效率分析；較為全面的實(shí)現(xiàn)對(duì)2002-2011年間我國“R&D知識(shí)”轉(zhuǎn)化效率的分析研究。基于分析結(jié)果，為促進(jìn)各地區(qū)R&D知識(shí)的穩(wěn)定發(fā)展，提高知識(shí)轉(zhuǎn)化效率，提出以下建議：通過R&D知識(shí)轉(zhuǎn)化效率的橫向分析，一級(jí)區(qū)域及三級(jí)區(qū)域的規(guī)模效率均值未達(dá)到5個(gè)區(qū)級(jí)的平均值，說明這兩個(gè)區(qū)級(jí)的R&D知識(shí)轉(zhuǎn)化情況不夠理想，R&D知識(shí)的投入與產(chǎn)出不夠合理，因此建議該部分區(qū)域及時(shí)分析造成知識(shí)轉(zhuǎn)化效率低下的原因，不斷完善R&D知識(shí)資源分配機(jī)制，合理規(guī)劃資源投入；通過R&D知識(shí)轉(zhuǎn)化效率的縱向分析，R&D知識(shí)各年度之間的效率增長不夠平穩(wěn)（如2009年較2008年測(cè)度值下降幅度較大），因此建議優(yōu)化知識(shí)結(jié)構(gòu)，調(diào)整知識(shí)布局，確保知識(shí)轉(zhuǎn)化效率平穩(wěn)增長；在同一個(gè)區(qū)級(jí)中，不同地區(qū)的知識(shí)轉(zhuǎn)化效率差距較大（如全要素生產(chǎn)率排名中第三區(qū)級(jí)所有地區(qū)最高排名為第3名，最低排名為第30名），說明在同一經(jīng)濟(jì)發(fā)達(dá)維度中缺少相互的知識(shí)共享，因此建議加強(qiáng)R&D知識(shí)管理經(jīng)驗(yàn)的學(xué)習(xí)交流，加強(qiáng)知識(shí)的共享互利，從而實(shí)現(xiàn)各地區(qū)知識(shí)轉(zhuǎn)化效率的優(yōu)化。endprint

參考文獻(xiàn)

[1]王毓軍，梁芳，李志學(xué).東西部地區(qū)知識(shí)創(chuàng)造過程投入要素配置效率的比較研究[J].科技管理研究，2011，31（2）：190-192.

[2]李建華，劉玲利.我國區(qū)域知識(shí)生產(chǎn)效率測(cè)度研究[J].情報(bào)科學(xué)，2007，25（5）：655-659.

[3]馮堯.基于DEA方法的我國高技術(shù)產(chǎn)業(yè)科技成果轉(zhuǎn)化效率研究[J].學(xué)術(shù)交流，2011，（3）：101-105.

[4]陳偉，沙蓉，張永超，等.我國知識(shí)密集型產(chǎn)業(yè)專利創(chuàng)新績效評(píng)價(jià)研究——基于DEA—Malmquist指數(shù)方法[J].管理評(píng)論，2013，（8）：39-45，53.

[5]吳延兵.用DEA方法評(píng)測(cè)知識(shí)生產(chǎn)中的技術(shù)效率與技術(shù)進(jìn)步[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2008，25（7）：67-79.

[6]郭淑芬，郝言慧，王艷芬.文化產(chǎn)業(yè)上市公司績效評(píng)價(jià)——基于超效率DEA和Malmquist指數(shù)[J].經(jīng)濟(jì)問題，2014，（2）：75-78.

[7]申菊梅，趙建斌.基于DEA的我國區(qū)域R&D效率比較研究[J].科技管理研究，2009，（10）：92-94.

[8]李偉紅，胡寶民.基于Malmquist方法的我國區(qū)域R&D投入效率比較研究[J].工業(yè)技術(shù)經(jīng)濟(jì)，2011，（8）：33-38.

[9]Raab R A，Kotamraju P.The Efficiency of the High-Tech Economy：Conventional Development Indexes Versus a Performance Index[J].Journal of Regional Science，2006，46：545-562.

[10]時(shí)鵬將，許曉雯，蔡虹.R&D投入產(chǎn)出效率的DEA分析[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2004，25（1）：28-30.

[11]穆智蕊.基于超效率DEA模型的北京R&D投入績效評(píng)價(jià)[J].科技進(jìn)步與對(duì)策，2012，29（5）：117-120.

[12]夏維力，鐘培.基于DEA-Malmquist指數(shù)的我國制造業(yè)R&D動(dòng)態(tài)效率研究[J].研究與發(fā)展管理，2011，23（2）：58-66.

[13]葉麗莎，王學(xué)東，方婧.網(wǎng)絡(luò)信息資源知識(shí)發(fā)現(xiàn)機(jī)理研究[J].現(xiàn)代情報(bào)，2014，34（8）：160-163.

[14]周義剛.語義網(wǎng)下的動(dòng)態(tài)知識(shí)管理相關(guān)研究述評(píng)[J].現(xiàn)代情報(bào)，2014，34（9）：166-170.

[15]陳金曉.超效率數(shù)據(jù)包絡(luò)分析模型與評(píng)價(jià)方法的改進(jìn)研究[D].浙江大學(xué)，2011.

[16]陳仲常，張澤東.我國不同所有制工業(yè)企業(yè)全要素生產(chǎn)率比較研究——基于Malmquist指數(shù)的實(shí)證分析[J].工業(yè)技術(shù)經(jīng)濟(jì)，2011，（1）：13-19.

（本文責(zé)任編輯：郭沫含）endprint