呂彬　曹佳鈺

摘要：文章以2018-2021年長三角三省一市128家上市工業(yè)企業(yè)為樣本，運用DEA模型對其科技創(chuàng)新成果轉(zhuǎn)化效率進行靜態(tài)和動態(tài)評價，并基于評價結(jié)果提出相應(yīng)的對策建議。研究結(jié)果表明：整體上看，研究期內(nèi)科技創(chuàng)新成果轉(zhuǎn)化效率有效的工業(yè)企業(yè)為數(shù)稀少；就省市而言，長三角區(qū)域內(nèi)各省市工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化綜合效率存在較大的差異。研究期內(nèi)樣本工業(yè)企業(yè)的Malmquist指數(shù)平均值為1.003，整體處于增長趨勢，但技術(shù)進步指數(shù)偏低這一問題不容忽視。

關(guān)鍵詞：DEA模型；長三角；工業(yè)企業(yè)；科技創(chuàng)新成果轉(zhuǎn)化；效率評價

一、引言

科技創(chuàng)新在我國現(xiàn)代化發(fā)展全局中居于核心地位，而提升區(qū)域科技創(chuàng)新成果轉(zhuǎn)化是實現(xiàn)地區(qū)高質(zhì)量發(fā)展，建設(shè)創(chuàng)新型國家的必由之路。黨的二十大報告強調(diào)，要提高科技成果的轉(zhuǎn)化應(yīng)用?？梢?，加快推動科技創(chuàng)新成果的落地轉(zhuǎn)化，將科技創(chuàng)新成果變成看得見的“生產(chǎn)力”已成為我國實現(xiàn)創(chuàng)新驅(qū)動發(fā)展的關(guān)鍵任務(wù)。企業(yè)作為創(chuàng)新發(fā)展的主體，在科技創(chuàng)新成果轉(zhuǎn)化過程中承擔著重要角色。工業(yè)是國民經(jīng)濟的力量，加快推動工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化為現(xiàn)實的生產(chǎn)力對我國經(jīng)濟實現(xiàn)高質(zhì)量發(fā)展具有重要意義。長三角地區(qū)是我國經(jīng)濟最發(fā)達、創(chuàng)新能力最強的地區(qū)之一，擁有良好的工業(yè)基礎(chǔ)，其工業(yè)企業(yè)的創(chuàng)新發(fā)展與成果轉(zhuǎn)化受到了國家的重點支持。2019年，政府出臺的《長江三角洲區(qū)域一體化發(fā)展規(guī)劃綱要》明確提出打造長三角科技創(chuàng)新共同體，形成具有全國影響力的科技創(chuàng)新高地，協(xié)同推進科技成果轉(zhuǎn)移轉(zhuǎn)化。為響應(yīng)這一號召，近年來長三角工業(yè)企業(yè)科技創(chuàng)新資源投入規(guī)模不斷增長，然而，其科技創(chuàng)新成果轉(zhuǎn)化效率卻并未因此得到顯著提升，科技與產(chǎn)業(yè)“兩張皮”這一嚴峻問題仍然困擾著長三角工業(yè)企業(yè)，需對此進行深入分析并提出對策建議加以改善。

為了更準確地了解長三角工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化的現(xiàn)狀，本文以長三角工業(yè)企業(yè)為研究對象，運用DEA模型對其科技創(chuàng)新成果轉(zhuǎn)化效率進行研究與評價。根據(jù)效率評價結(jié)果，分析長三角工業(yè)企業(yè)在資源分配、管理技術(shù)水平等方面存在的不足并給出提升科技創(chuàng)新成果轉(zhuǎn)化效率的對策建議，這對長三角工業(yè)企業(yè)創(chuàng)新發(fā)展、提升科技創(chuàng)新對經(jīng)濟發(fā)展的貢獻率具有重要的現(xiàn)實意義。

二、模型選擇與指標選取

（一）評價模型

本文選擇數(shù)據(jù)包絡(luò)分析模型（DEA）對2018-2021年長三角工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化效率進行測度與評價。DEA模型由CHRNES A，COOPER WW和RHODES E于1978年首次提出，能夠?qū)Χ嗤度攵喈a(chǎn)出的同類型決策單元（DMU）進行效率評價。

1. DEA-BCC模型

傳統(tǒng)的DEA模型包括規(guī)模報酬不變的CCR模型和規(guī)模報酬可變的BCC模型，考慮到實際活動中會有許多因素可能導(dǎo)致DMU無法在規(guī)模報酬不變的情況下使用，因此本文選擇BCC模型對長三角工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化效率進行靜態(tài)評價。

2. DEA-Malmquist模型

DEA-Malmquist模型由Fare R，Grosskopf S等人于1994年提出，它可以從動態(tài)的角度反映決策單元在一段時期內(nèi)效率的變動情況，克服了傳統(tǒng)DEA模型只能從靜態(tài)的角度分析和評價決策單元相對效率的不足。本文利用DEA-Malmquist模型對2018-2021年長三角工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化效率進行動態(tài)評價。

（二）指標選取與數(shù)據(jù)來源

1. 指標選取

在文獻調(diào)研的基礎(chǔ)上，本文從投入產(chǎn)出的角度構(gòu)建長三角工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化效率評價指標體系。借鑒前人的研究，本文從人員投入、資金投入以及專利投入三個方面選取投入指標，從新產(chǎn)品產(chǎn)出的角度選取產(chǎn)出指標。其中，人員投入用研發(fā)人員數(shù)量來表示，資金投入用研發(fā)投入金額來表示，專利投入用專利授權(quán)數(shù)來表示，新產(chǎn)品產(chǎn)出用新產(chǎn)品銷售收入來衡量。由于新產(chǎn)品銷售收入并沒有被統(tǒng)計在相關(guān)企業(yè)年報與數(shù)據(jù)庫平臺中，根據(jù)數(shù)據(jù)的可得性，本文參照韓東林等學(xué)者的替代指標做法，選取營業(yè)收入和凈利潤兩個指標表示新產(chǎn)品的產(chǎn)出。具體的評價指標體系見表1。

2. 數(shù)據(jù)來源

本文從微觀視角出發(fā)，選取長三角三省一市共128家工業(yè)企業(yè)作為DMU，對其科技創(chuàng)新成果轉(zhuǎn)化效率進行測度與評價，數(shù)據(jù)來源于國泰安數(shù)據(jù)庫（CSMAR）和上市公司的企業(yè)年報。這128家樣本工業(yè)企業(yè)的選取主要經(jīng)歷了以下過程：首先，本文選擇CSMAR數(shù)據(jù)庫公司研究系列中的“上市公司研發(fā)創(chuàng)新”版塊，按照2012版證監(jiān)會行業(yè)分類代碼，對工業(yè)行業(yè)類別下2018-2021年江蘇省、浙江省、安徽省以及上海市全部A股上市企業(yè)進行搜索，剔除ST企業(yè)后得出符合要求的企業(yè)共1406家，其中江蘇省516家，浙江省525家，安徽省127家，上海市238家；其次，對篩選出來的企業(yè)按照不同年份進行分組并剔除含有缺失值的樣本，確保2018-2021年每年選取的都是數(shù)據(jù)完整的相同企業(yè)。由于投入指標中專利授權(quán)數(shù)據(jù)存在缺失的企業(yè)數(shù)過多，因此缺失數(shù)據(jù)剔除完畢后，本文最終保留了128家工業(yè)企業(yè)作為研究樣本，其中，江蘇省45家，浙江省47家，安徽省15家，上海市21家，四省市樣本工業(yè)企業(yè)的數(shù)量之比基本與最初篩選出的1381家企業(yè)中各自數(shù)量之比保持一致。

考慮到科技創(chuàng)新成果的轉(zhuǎn)化有一定的時間滯后性，本文借鑒王成軍等學(xué)者使用滯后期對數(shù)據(jù)進行處理的做法，留出一年的時間作為科技創(chuàng)新成果的轉(zhuǎn)化周期，即2018年的產(chǎn)出數(shù)據(jù)對應(yīng)2017年的投入數(shù)據(jù)，以此類推。

三、長三角工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化效率測度與分析

（一）DEA-BCC模型結(jié)果分析

根據(jù)所選樣本的科技投入產(chǎn)出數(shù)據(jù)，運用DEAP2.1軟件測算長三角工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化綜合效率、純技術(shù)效率和規(guī)模效率。綜合效率是對長三角工業(yè)企業(yè)資源利用和配置效率的衡量與評價，反映了其整體的科技創(chuàng)新成果轉(zhuǎn)化效率水平，從數(shù)值上看，綜合效率就等于純技術(shù)效率與規(guī)模效率的乘積；純技術(shù)效率是受企業(yè)的管理與技術(shù)水平等因素影響的生產(chǎn)效率，反映了企業(yè)在一定的技術(shù)水平上，對所投科技資源的使用效率；規(guī)模效率則是指由企業(yè)規(guī)模影響的生產(chǎn)效率，反映了企業(yè)在實際規(guī)模與最優(yōu)規(guī)模下產(chǎn)出水平之間的差距。本文選用投入導(dǎo)向（Input-Oriented）、規(guī)模報酬可變（vrs）的DEA-BCC模型對長三角128家工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化效率進行測算，模型的運行結(jié)果見表2。

由表2可知，2018年長三角128家工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化的綜合效率平均值僅為0.225，處于效率前沿面的企業(yè)僅有3家；2019年所選全樣本工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化綜合效率的平均值為0.297，處于效率前沿面的企業(yè)共有6家；2020年所選全樣本工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化綜合效率的平均值為0.404，處于效率前沿面的企業(yè)共有9家；2021年所選全樣本工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化綜合效率的平均值為0.345，處于效率前沿面的企業(yè)共有7家。從轉(zhuǎn)化綜合效率來看，長三角128家樣本工業(yè)企業(yè)中TE=1的企業(yè)數(shù)每一年都低于10，說明達到綜合效率有效的樣本企業(yè)為數(shù)稀少，科技資源的投入并未得到有效轉(zhuǎn)化。就純技術(shù)效率而言，2018-2021年達到純技術(shù)效率有效（PTE=1）的企業(yè)數(shù)量呈現(xiàn)出先上升后下降的趨勢，并且純技術(shù)效率有效的企業(yè)數(shù)每年均不足20家，表明大部分樣本工業(yè)企業(yè)的管理和技術(shù)水平都有待提高。就規(guī)模效率而言，2018-2021年達到規(guī)模效率有效（SE=1）的企業(yè)數(shù)量同樣呈現(xiàn)出先上升后下降的趨勢，且規(guī)模效率有效的企業(yè)數(shù)每年都不超過10家，表明全樣本工業(yè)企業(yè)中大部分企業(yè)都沒有實現(xiàn)最優(yōu)規(guī)模生產(chǎn)。結(jié)合表格數(shù)據(jù)不難發(fā)現(xiàn)，與綜合效率和純技術(shù)效率相比，所選企業(yè)的規(guī)模效率每年都保持著較高的水平，其平均值每年都在0.6，是三種效率平均值中最高的，由此可以看出2018-2021年長三角全樣本工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化綜合效率不高的主要原因并不是規(guī)模效率不高，而是純技術(shù)效率偏低。除上述三種效率值之外，表2還展示了所選樣本企業(yè)在2018-2021年這四年間所處的規(guī)模報酬狀態(tài)。由表2可知，所選128家工業(yè)企業(yè)中處于規(guī)模報酬遞增狀態(tài)的企業(yè)數(shù)量每年都在50家以上，說明有許多樣本工業(yè)企業(yè)的現(xiàn)有規(guī)模都低于其最優(yōu)規(guī)模。

上述分析是從整體的角度對長三角工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化效率進行分析，為進一步分析長三角三省一市2018-2021年各自的工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化效率，本文從省市的角度出發(fā)，繼續(xù)選用BCC模型對上海市、江蘇省、浙江省以及安徽省工業(yè)企業(yè)各自的科技創(chuàng)新成果轉(zhuǎn)化綜合效率、純技術(shù)效率和規(guī)模效率進行了測度，測度結(jié)果分別見表3、表4、表5和表6。

根據(jù)表格數(shù)據(jù)，可以發(fā)現(xiàn)長三角地區(qū)工業(yè)企業(yè)每年的規(guī)模效率均值都在0.65之上，說明各省市工業(yè)企業(yè)2018-2021年每一年的規(guī)模效率情況都趨向良好，但三省一市中安徽省、江蘇省以及上海市工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化綜合效率均值每一年都要遠高于浙江省。究其原因，主要是浙江省樣本工業(yè)企業(yè)每年的純技術(shù)效率均值都遠低于當年其他三個省市。企業(yè)的純技術(shù)效率值與其管理和技術(shù)水平相關(guān)，管理和技術(shù)水平不足會導(dǎo)致企業(yè)純技術(shù)效率低下，從而造成綜合效率不高的局面。因此，浙江省工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化綜合效率偏低的主要原因是其管理和技術(shù)水平不高。值得注意的是，研究期內(nèi)安徽省工業(yè)企業(yè)表現(xiàn)非常喜人，其每年的科技創(chuàng)新成果轉(zhuǎn)化綜合效率均值均位于前列，除2021年略低于江蘇省外，其轉(zhuǎn)化綜合效率平均值排名均居三省一市之首，這與近年來安徽省大力支持科技創(chuàng)新，把科技自立自強作為跨越式發(fā)展戰(zhàn)略支撐的政策是分不開的。據(jù)了解，“十三五”以來，安徽省科技創(chuàng)新成績斐然，憑借中科大、國家實驗室以及國家科學(xué)中心等平臺的支持，其高技術(shù)研發(fā)水平處于全國領(lǐng)先地位。為加快科技創(chuàng)新成果的落地轉(zhuǎn)化，安徽省于2021年舉辦了中國首屆科技創(chuàng)新成果轉(zhuǎn)化交易會，隨后出臺的《加快科技成果轉(zhuǎn)化應(yīng)用體系建設(shè)行動方案》更是為破除成果轉(zhuǎn)化體制機制障礙貢獻了巨大力量。

（二）DEA-Malmquist模型結(jié)果分析

為動態(tài)反映長三角工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化效率情況，本文對所選的128家長三角工業(yè)企業(yè)2018-2021年Malmquist生產(chǎn)率及其分解指標的變動情況進行了評估，具體的評估結(jié)果見表。

由表7可知，2018-2021年長三角全樣本工業(yè)企業(yè)全要素生產(chǎn)率的平均值為1.003，平均增長率為0.3%；綜合技術(shù)效率的平均值為1.204，平均增長率為20.4%；技術(shù)進步指數(shù)的平均值為0.833，增長率為負，說明這一時期技術(shù)進步的不足是導(dǎo)致全要素生產(chǎn)率增長幅度偏低的主要原因。技術(shù)進步與投入要素的質(zhì)量以及科學(xué)技術(shù)的發(fā)展水平有關(guān)，各工業(yè)企業(yè)在投入研發(fā)人員數(shù)量的同時更應(yīng)注重研發(fā)人員綜合素質(zhì)的提升，從而促進技術(shù)的創(chuàng)新發(fā)展，提高現(xiàn)有的研發(fā)技術(shù)水平，增加更符合市場需求的創(chuàng)新成果的產(chǎn)出，為其轉(zhuǎn)化為現(xiàn)實的生產(chǎn)力提供堅實的技術(shù)支撐。

四、研究結(jié)論

本文利用2018-2021年長三角三省一市128家樣本工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化的投入與產(chǎn)出數(shù)據(jù)，運用DEA-BCC模型從樣本整體和各省市兩個不同的角度對長三角工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化效率進行靜態(tài)評價，運用DEA-Malmquist模型對長三角三省一市全樣本工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化效率進行動態(tài)評價，得出以下結(jié)論：

DEA-BCC模型運行結(jié)果表明，2018-2021年科技創(chuàng)新成果轉(zhuǎn)化綜合效率達到有效狀態(tài)（TE=1）的長三角工業(yè)企業(yè)的數(shù)量很低，每年都不超過所選樣本的10%；研究期間內(nèi)每年純技術(shù)效率值為1的工業(yè)企業(yè)數(shù)量略高于相應(yīng)年份綜合效率值為1的工業(yè)企業(yè)數(shù)量，但仍然不及所選樣本的20%；在規(guī)模效率方面，處于規(guī)模報酬遞增狀態(tài)的工業(yè)企業(yè)數(shù)量則每年都高于樣本總數(shù)的40%以上。從各省市的角度來看，2018-2021年間安徽省工業(yè)企業(yè)每年的科技創(chuàng)新成果轉(zhuǎn)化綜合效率每年都處于良好的水平，其次是江蘇省和上海市，浙江省綜合效率均值每年都是四省市中最低的，原因在于其每年的純技術(shù)效率均值都遠低于其他三個省市。

DEA-Malmquist模型運行結(jié)果表明，長三角三省一市全樣本工業(yè)企業(yè)2018-2021年科技創(chuàng)新成果轉(zhuǎn)化全要素生產(chǎn)率的均值為1.003，說明所選樣本工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化效率總體呈上升趨勢，但由于技術(shù)進步指數(shù)均值低于1，其轉(zhuǎn)化效率增長的幅度很低。

五、對策建議

根據(jù)長三角工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化效率的實證分析結(jié)果，本文從以下三個方面提出促進長三角工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化效率提升的對策建議：

（一）加強區(qū)域協(xié)同合作，推進企業(yè)管理和技術(shù)創(chuàng)新

本文的研究結(jié)果表明，長三角工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化效率整體偏低的原因主要是純技術(shù)效率以及技術(shù)進步指數(shù)過低，這說明企業(yè)存在管理能力與技術(shù)水平低下的問題。為解決這一問題，長三角工業(yè)企業(yè)需要從整體上推進管理和技術(shù)創(chuàng)新，提高企業(yè)綜合能力。因此，長三角工業(yè)企業(yè)應(yīng)當加強區(qū)域協(xié)同合作，促進彼此在管理和技術(shù)層面的交流與合作，從整體上提高區(qū)域內(nèi)工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化效率。值得一提的是，從省市的角度來看，研究期內(nèi)安徽省工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化效率每年都處于領(lǐng)先水平，這與安徽省近年來大力推進科技創(chuàng)新工作并取得矚目成就是分不開的。然而，研究期內(nèi)浙江省工業(yè)企業(yè)在科技創(chuàng)新成果轉(zhuǎn)化方面的表現(xiàn)每年都差強人意，除樣本選擇具有局限性之外，研究結(jié)果所反映的浙江工業(yè)企業(yè)純技術(shù)效率偏低這一問題也不容忽視。為改變這一現(xiàn)狀，浙江省工業(yè)企業(yè)可學(xué)習(xí)安徽省工業(yè)企業(yè)的成果轉(zhuǎn)化經(jīng)驗，并加強與區(qū)域內(nèi)各省市的協(xié)同合作，派遣專業(yè)人員學(xué)習(xí)優(yōu)秀工業(yè)企業(yè)的管理經(jīng)驗與先進技術(shù)，將其內(nèi)化與運用，不斷改進自身管理技術(shù)水平。

（二）增強政府資金支持力度，提升創(chuàng)新成果轉(zhuǎn)化資金投入規(guī)模

由研究結(jié)果可知長三角許多工業(yè)企業(yè)都處于規(guī)模報酬遞增的狀態(tài)，說明創(chuàng)新資源投入的增加可以促進科技創(chuàng)新成果轉(zhuǎn)化產(chǎn)出的增加，即研發(fā)資金和研發(fā)人員的增加有助于提升成果轉(zhuǎn)化的效率?？紤]到企業(yè)的資金實力有限，很難投入充足的資金支持成果轉(zhuǎn)化，同時，資金不足也將導(dǎo)致研發(fā)人員隊伍擴大的失敗。因此，就需要政府做好資金保障工作，為長三角工業(yè)企業(yè)重點科技項目、科技創(chuàng)新成果研發(fā)及轉(zhuǎn)化提供有力的資金支持，從而緩解長三角工業(yè)企業(yè)面臨的資金壓力并減少科技創(chuàng)新成果轉(zhuǎn)化的風(fēng)險。此外，對于為成果轉(zhuǎn)化做出突出貢獻的研發(fā)人員，政府可以給其提供科研資金補貼以及獎金激勵，從而激勵更多的研發(fā)人員主動積極地投身于成果轉(zhuǎn)化工作，無形中擴大研發(fā)人員的投入規(guī)模。

（三）健全成果轉(zhuǎn)化服務(wù)中介體系，促進科技創(chuàng)新成果高質(zhì)量轉(zhuǎn)化

科技創(chuàng)新成果轉(zhuǎn)化服務(wù)中介平臺能為科技創(chuàng)新成果的供需雙方提供優(yōu)質(zhì)而專業(yè)的服務(wù)，提高成果轉(zhuǎn)化成功的概率。此外，長三角工業(yè)企業(yè)可以通過中介平臺更方便地接觸符合自身需求的高科技成果以及“高精尖”人才，有利于推進其科技創(chuàng)新成果的高質(zhì)量轉(zhuǎn)化。根據(jù)上述分析，長三角工業(yè)企業(yè)科技創(chuàng)新成果轉(zhuǎn)化效率不高的原因之一就在于其研發(fā)技術(shù)水平偏低，并且研究期間出現(xiàn)了技術(shù)衰退問題。研發(fā)技術(shù)水平的提升需要依靠高素質(zhì)的研發(fā)人才，而科技創(chuàng)新成果轉(zhuǎn)化中介平臺的服務(wù)性質(zhì)決定其掌握著大量的人才資源，長三角工業(yè)企業(yè)可憑借該平臺拓寬研發(fā)人才的引進渠道，從而憑借人才優(yōu)勢實現(xiàn)研發(fā)技術(shù)的進步，提高科技創(chuàng)新成果的質(zhì)量并推進創(chuàng)新成果的高質(zhì)量轉(zhuǎn)化。

參考文獻：

[1]杜偉錦，宋園，李靖，楊偉.科技成果轉(zhuǎn)化政策演進及區(qū)域差異分析——以京津冀和長三角為例[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2017，38（02）：3-11.

[2]聶有福，宋偉.長三角地區(qū)科技成果產(chǎn)業(yè)化的現(xiàn)狀分析[J].中國高?？萍迹?017（06）：10-13.

[3]Charnes A，Cooper W W，Rhodes E.Measuring the efficiency of decision making units[J].European journal of operational research，1978，2（06）：429-444.

[4]郭淑芬，張俊.中國31個省市科技創(chuàng)新效率及投入冗余比較[J].科研管理，2018，39（04）：55-63.

[5]Fare R，Grosskopf S，Norris M，et al.Productivity growth， technical progress， and efficiency change in industrialized countries[J].The American economic review，1994，84（01）：66-83.

[6]劉丹，徐墺林，羅湘儀.基于DEA-Malmquist模型的四川省文化旅游產(chǎn)業(yè)效率評價[J].中國集體經(jīng)濟，2022（28）：30-32.

[7]羅茜，高蓉蓉，曹麗娜.高?？萍汲晒D(zhuǎn)化效率測度分析與影響因素扎根研究——以江蘇省為例[J].科技進步與對策，2018，35（05）：43-51.

[8]曹幸如，楊劍.基于三階段DEA-Windows的安徽省地市級科技成果轉(zhuǎn)化效率研究[J].科技管理研究，2021，41（22）：74-82.

[9]韓東林，葛磊，程琪.基于DEA模型的中國物聯(lián)網(wǎng)上市公司創(chuàng)新效率評價[J].科技管理研究，2015，35（15）：57-63.

[10]王成軍，方明，王肖肖.中國科技成果轉(zhuǎn)化為何有米難為炊？——基于三階段DEA模型和三階段Malmquist模型[J].汕頭大學(xué)學(xué)報（人文社會科學(xué)版），2021，37（04）：46-57+95.

[11]徐墺林，劉丹，羅湘怡.基于DEA模型的成渝經(jīng)濟區(qū)十城文化旅游效率比較研究[J].中國集體經(jīng)濟，2022（29）：16-18.

[12]彭曉靜.中國三大城市群工業(yè)企業(yè)創(chuàng)新效率研究——基于京津冀 長三角 珠三角城市群的比較[J].技術(shù)經(jīng)濟與管理研究，2022（04）：30-34.

[13]黃傳霞，房后啟.長三角一體化背景下促進合肥市科技成果轉(zhuǎn)化的對策[J].中共合肥市委黨校學(xué)報，2021，20（03）：16-19.

＊基金項目：安徽省高校人文社會科學(xué)研究重點項目“長三角區(qū)域信息資源配置狀況評價與優(yōu)化研究”（SK2020A0186）。

（作者單位：安徽工業(yè)大學(xué)商學(xué)院）