科技创新能力与绩效的耦合协调发展研究

兰美娜 彭佑元 刘玉龙

摘要：科技创新能力与绩效的耦合协调共进，可以有效推动科技创新的高质量发展。依据山西省2008—2018年科技创新的面板数据，运用熵权TOPSIS法评价山西省科技创新能力，再利用超效率DEA评价山西省科技创新绩效，并对二者进行耦合协调分析。结果表明，山西省科技创新能力处于“滞后型”水平，科技绩效处于“赶超型”水平，但借助于科技绩效水平优于科技创新能力水平，促进了二者之间的耦合协调度由轻度失调向初级协调迈进。最后提出建立绩效驱动下的科技创新发展模式等建议。

关键词：科技创新;熵权TOPSIS;超效率DEA;耦合协调度;山西省

中图分类号：F062.4         文献标识码：A

文章编号：0439-8114（2020）15-0169-08

Abstract： The coupling and coordination of technological innovation capability and performance can effectively promote the high-quality development of technological innovation. According to the panel data of scientific and technological innovation in Shanxi province from 2008 to 2018， the entropy weight TOPSIS method was used to evaluate the technological innovation capability of Shanxi province， and the super-efficient DEA was used to evaluate the technological innovation performance of Shanxi province， and then the coupling and coordination of the two were analyzed. The results showed that the technological innovation capability of Shanxi province was at the “lagging” level and the performance was at the “catch-up” level. However， with the help of the performance level being superior to the capability level， the coupling coordination degree between them had been promoted from a slight imbalance to primary coordination.  Finally，it puts forward suggestions such as the establishment of performance-driven technological innovation development model.

Key words： technological innovation; entropy weight TOPSIS; super efficiency DEA; coupling coordination degree; Shanxi province

科技创新是增强地区综合竞争力和促进地区高质量发展的关键因素之一，是引领时代发展的主要动力，在服务国家创新驱动发展战略上贡献巨大。山西省自“十三五”规划以来，全面坚持发展科技创新，积累创新资源，打造创新环境，其中研究与试验发展（R&D）经费投入逐年递增，2018年投入了175.8亿元，比上年增加27.5亿元;科技平台和研发机构等数目不断增多，致力于山西省的科技创新高质量发展。

经过多年的努力，山西省科技创新水平在改革和发展中不断提高，但根据国家公布的创新能力评价数据分析，相比其他发达省份山西省科技創新仍然存在着较大差距，主要表现为科技创新能力排名靠后、科技创新驱动力弱以及相关支持科技创新的政策体系尚未全面建立等，因此，山西省科技创新对社会进步和经济发展的驱动效果还有待考证。然而，科技资源的大量投入是否得到了期望的产出绩效、是否提高了科技创新能力以及山西省科技创新能力与绩效之间是否相互协调、互为促进等这些问题的解决，成为推动山西省科技创新高质量发展的关键，关乎山西省的可持续发展、转型跨越和竞争力的提升。因此，有必要对山西省科技创新的能力与绩效以及二者之间的耦合协调状况进行科学的评价，并提出促进科技创新高质量发展的建议。

基于此，本研究收集了山西省2008—2018年的科技创新投入和产出的面板数据，研究山西省科技创新能力与绩效以及二者的耦合协调关系，研究成果将为推动山西省科技创新能力与绩效的耦合协调发展提供决策依据和行动指南。

1 相关理论分析

1.1 研究背景

关于科技创新国内外较多是对科技创新能力或者绩效单方面的研究，Griliches[1]研究发现科技创新活动可以促进企业的生产率;张永安等[2]研究指出中国科技创新的政策绩效对环境的作用很单一;王慧艳等[3]研究表明科技研发、技术转化和产业发展3个阶段的绩效差异较大;丁生喜等[4]研究了青海省区域创新环境对创新绩效的影响，得出二者之间存在显著相关性;叶文显[5]研究得出科技创新全要素生产率的下降主要由技术效率与规模效率的共同下降造成;解学梅等[6]研究指出中国各地区高新技术企业研发投入与新产品创新绩效存在正相关。已有的研究大多从国家、省域和高新技术企业等层面，对科技创新的能力、绩效或者影响条件进行分析，并且大部分研究都表明科技创新投入（包括人、财、物、政策等）与产出（包括技术成果、产业和经济发展等）之间有显著关系。

此外，关于科技创新能力或者绩效的评价方法很成熟，如Camison等[7]利用结构方程系统建模，根据144家西班牙企业的相关数据，得出组织创新对技术创新有促进作用;Dawid等[8]利用多Agent模型，深入挖掘科技政策影响企业创新的因素;赵喜洋等[9]采用因子分析法，对湖北省5个片区进行企业创新绩效综合比较分析和区域差异分析;梁瑞敏等[10]采用二阶段网络DEA方法评价了山西省科技创新效率;祝新等[11]基于灰色关联分析模型，研究了中国29个省份的科技创新能力;白俊红等[12]应用随机前沿模型，测算了中国各地区的研发效率值;杨秀玉[13]运用熵权TOPSIS法对中国30个省市的农业科技创新能力进行了测算。综上所述，研究科技创新的方法众多，有因子分析法、结构方程和随机前沿模型等方法，但对于科技创新能力的评价，大多数学者采用熵权TOPSIS法，而对于科技创新绩效的评价，大多数学者则采用DEA法。熵权TOPSIS（Technique for order preference by similarity to an ideal solution）法对数据的容量及分布无要求，计算和结果分析的过程都比较简单，使得TOPSIS法在评价领域得到了广泛地应用，DEA法（Data envelopment analysis，DEA）是评价投入产出绩效较为成熟的方法，计算结果全面。鉴于熵权TOPSIS法和DEA法在评价方面有很大的优势，故本研究首选这2种方法进行评价。

1.2 科技创新能力与绩效的关系分析

大部分的研究进行科技创新能力评价或者绩效评价，但较少涉及科技创新能力与绩效的耦合协调性研究，仅有刘杨等[14]研究了北京市政府科技投入和企业创新绩效之间的耦合协调状况;沈宏婷等[15]对创新投入和产出子系统之间的耦合协调情况进行了定量分析;徐晔等[16]对区域产业创新能力与产业创新绩效进行了详细的分析，并构建了二者之间的耦合系统评价模型。总体来说，关于科技创新能力与绩效的耦合协调的研究较少，科技创新能力与绩效之间的关系是不确定的，二者之间不一定是正相关的。但是科技创新能力直接影响科技创新活动的绩效，二者之间的耦合协调发展会形成良性互动，共同发展。故以科技创新能力与绩效耦合协调为研究视角，立足于提高科技创新投入产出能力和绩效水平，对于促进区域科技创新发展有着重要意义。

耦合协调度用来描述各子系统之间的协调发展和耦合程度，耦合协调度的大小可以反映子系统的发展水平和系统整体的耦合协调水平及发展趋势。耦合协调度是耦合理论和协同学理论的综合，耦合理论主要应用于物理学和地质学等自然科学领域，随着耦合理论不断发展成熟，其研究范围也扩大到用来探究金融、管理及经济等现象之间的协调关系[17]，具体指在一定的作用机制下，2个或2个以上的系统在共同作用力的激励下，彼此之间相互协作，形成良性互动的关系。协同学理论主要探究不同类型复合系统的演化规律，认为各子系统间的协调互动会对系统的发展产生协同效应。单纯的耦合度仅能表示子系统相互作用的强弱，不能反映出这种作用是否积极，因此本研究利用耦合协调度模型来测量山西省科技创新的耦合协调发展水平。

科技创新能力与绩效之间存在内生性关系，科技创新能力体现在科技创新投入和产出能力，产出能力增强意味着在相同创新水平下，产出能力较强的区域，其投入的成本较低，从而有助于改善科技创新的绩效，提升区域的科技创新竞争力。而科技创新绩效的提升体现在科技创新投入和產出绩效的改善，会加快构建创新驱动机制和促进科技成果转化，从而吸引更多的人力和财力支持，进而增强科技创新的能力，因此，科技创新能力与绩效之间存在着相互作用关系，其耦合协调关系如图1所示。

本研究首先采用熵权TOPSIS法对山西省科技创新能力进行测量，然后采用BCC模型和超效率DEA模型对山西省科技创新绩效进行评估，最后利用耦合协调度模型对山西省科技创新能力与绩效进行耦合协调度分析，最终提出促进山西省科技创新协调高质量发展的对策建议。

2 山西省科技创新能力与绩效评价的指标体系

构建评价指标体系必须系统、科学、全面，具有可操作性，这样才能合理地对科技创新能力及绩效进行评价。现有的相关研究可以为构建科技创新评价指标体系提供重要的参考价值，如Maghsoudi等[18]在对创新进行评估时，指出要对其过程中的投入、产出等情况进行全面的考虑;常涛等[19]以山西省为例，从科技创新环境基础、投入和产出等方面构建指标体系，探究其在资源转型过程中的能力水平;王亚伟等[20]从科技投入、产出等方面建立指标体系对河南省的创新能力进行评价;许吉黎等[21]从科技创新投入-产出等方面构建评价体系，研究安徽省的城市科技创新能力。因此，本研究从科技创新的资源投入和成果产出视角构建评价指标体系，测量山西省的科技创新水平。

2.1 山西省科技创新能力与绩效评价指标体系的构建

关于科技创新投入指标，孙道军等[22]研究表明R&D经费和人力投入有利于提升科技创新的产出绩效;任海云等[23]指出R&D 投入对企业生产率有贡献;吴林海等[24]研究表明R&D投入可以促进经济增长。R&D人员全时当量是描述科技创新投入的一个重要指标，张永安等[2]、叶文显[5]、梁瑞敏等[10]均将R&D人员全时当量纳入评价体系。另外科研活动人员也能在很大程度上衡量科技创新投入。R&D经费是衡量科技创新投入的另一个经典指标，张红辉等[25]将R&D经费投入量作为投入指标。故本研究将R&D人员全时当量、科研机构从事科技活动人员和R&D经费内部支出3个指标作为投入指标。

关于科技创新产出指标，专利受理数和专利授权数是利用率最高的衡量创新产出的指标，二者可以反映出企业、地方、区域与政府之间的互动关系。曹志来[26]将专利受理数和专利授权数均作为科技创新产出指标;许建红等[27]、张良强[28]将专利授权数作为评价指标研究科技创新产出。技术市场成交额是衡量技术成果市场化的重要指标，朱新玲等[29]将该指标用来衡量科技创新成果。企业作为科技创新的主体，对于区域科技创新的推动有着很大作用，是重要的创新驱动力。故本研究将规模以上工业企业科技活动的新产品销售收入、专利申请数、专利授权数和技术市场成交额作为科技创新产出指标。基于此，构建了山西省科技创新能力与绩效评价指标体系（表1）。

2.2 指标数据来源

根据构建的山西省科技创新能力与绩效评价指标体系，投入指标选取山西省2007—2017年的指标数据，产出指标选取山西省2008—2018年的指标数据。数据来源于《中国科技统计年鉴》（2007—2019年）和《山西统计年鉴》（2007—2019年）。根据相关年鉴的数据和相关研究发现[10]，科技创新投入到产出的时滞一般为1年，故在测量科技创新的能力与绩效时，投入数据比产出数据提前1年。

3 山西省科技创新能力与绩效的实证分析

3.1 基于熵权TOPSIS法的山西省科技创新能力分析

3.1.1 熵权TOPSIS模型 熵权TOPSIS法是传统TOPSIS法和熵权法的结合，先利用熵权法确定各评价指标权重，然后利用逼近理想解的排序方法对评价对象进行排名。熵权TOPSIS法的基本实施思路如下。

1）构建初始矩阵并进行标准化处理。根据构建的山西省科技创新评价指标体系，将所有指标的原始数据建立初始矩阵A，对低优指标作倒数处理，经标准化处理后得到矩阵B。式（2）中，[bij]为第[i]年在第[j]个评价指标上的标准值（[i]=1，2，…，n;[j]=1，2，…，m），0<[bij]<1。

式（6）中，[Hi]表示第[i]年的各指标值与正理想解和负理想解的接近程度，其取值范围是0～1，[Hi]越接近于1，说明第[i]年的指标值越接近最大值，表明第[i]年的科技创新能力越强;反之则越弱。因此，[Hi]的大小可以衡量山西省各年份科技创新能力的强弱。

3.1.2 基于熵权TOPSIS法的山西省科技创新能力实证评价 根据上述模型计算出山西省科技创新能力评价指标的权重和2008—2018年的欧式距离和贴近度（表2、表3）。由表2可知，从权重角度來看，产出指标占的权重较大，其中技术市场成交额和规模以上工业企业科技活动的新产品销售收入所占的权重比重最高，说明这2个指标对科技创新能力有着相对较大的影响，可以通过提高技术市场成交额和增加新产品的销售收入来增强科技创新能力。投入指标所占的权重比重较小，可能是因为投入的人力和财力未能充分发挥规模效应，应该加强对资源投入的管理和利用，加大投入资源的使用效率。

由表3可知，从正、负理想解角度看，山西省科技创新投入能力呈向下波动的趋势，其中，2009年的正理想解最小、负理想解最大，2008年的正理想解和负理想解其次，说明山西省在2008年和2009年的科技创新投入能力最强，可能是由于科技创新引起政府的重视，政府加大了对科技创新的投入;2016年的正理想解最大、负理想解最小，说明2016年的科技创新投入能力最偏离理想解，科技创新投入能力最弱，可能是由于2016年是“十三五规划”开局之年，科技创新的投入起步减少，导致山西省的科技创新投入在2016年是最弱的。山西省科技创新产出能力总体呈上升趋势，其中，2008年的正理想解最大、负理想解最小，说明山西省的科技创新产出能力在2008年最弱，主要原因可能是2008年的投入未能实现高产出或者是产出成果并没有在市场上得到开发利用，科研成果的经济价值未发挥出来;2018年的正理想解最小、负理想解最大，表明2018年的科技创新产出能力最强。山西省科技创新综合能力出现波动，从正理想解和负理想解的总体趋势看，山西省科技创新综合能力在后续几年不断增强。

由表3可知，从贴近度角度看，山西省科技创新综合能力不断增强，但是整体水平较弱，说明投入的资源和产出的成果相对得到了优化配置，投入和产出的匹配度越来越高，科技创新的能力还需要进一步增强。但是通过单一维度，即从投入维度或者产出维度看，说明高的投入力度并不能带来高的产出回报。2008年和2009年的科技创新投入能力最强，但科技创新产出能力排名靠后，且科技创新的综合能力排名靠后，说明盲目的科技创新资源投入并不能带来最优的回报，应该全面整合科技创新资源，对投入的资源进行强化管理，组建专业的人员对资源进行合理的监督管理，并且引进新技术对资源进行优化配置，以提升资源的利用效率。

3.2 基于超效率DEA的山西省科技创新绩效分析

3.2.1 超效率DEA模型 DEA方法被看作是处理多指标输入和多指标输出较为有效的方法，其基础模型是CCR模型和BCC模型，这2种模型对决策单元进行有效性评价时会出现效率值均为1的情况，从而无法对决策单元进行有效比较。故Andersen等[30]提出了Super-Efficient DEA，即超效率DEA模型，模型中假设有m个决策单元，[Yj]与 [Xj]分别为产出与投入列变量，[λ]为组合比例，[θ]为效率值，[ε]为无穷小量，[S+和S-]为松弛变量，其模型可以表示为：

3.2.2 基于超效率DEA的山西省科技创新绩效实证分析 首先采用BCC模型计算山西省科技创新的综合技术效率（CRS）、纯技术效率（VRS）、规模效率（SCALE），再用超效率DEA模型测算决策单元的超效率水平（表4）。

由表4可知，在规模报酬固定的模式下，2008—2018年的综合技术效率（CRS）由DEA无效发展为DEA有效，表明山西省科技创新的投入和产出结构不断完善、不断优化调整。在规模报酬可变的模式下，山西省科技创新的纯技术效率（VRS）整体较高，说明山西省的科技创新相关制度运行有效，管理水平也有效，并且技术水平对管理起到了促进作用。规模报酬在近10年呈递增的状态表明，一方面需要增加资源投入以获得更高水平的产出成果，另一方面需要加强对投入资源的有效利用。

从各年份投入和产出的松弛变量来看，投入绩效优于产出绩效。在投入方面，2012—2015年有个别投入指标的松弛变量不为0，说明这些年份对科技创新的投入冗余存在不合理的规划，投入的资源没有得到合理利用。在产出方面，2010—2015年有一些产出指标的松弛变量不为0，说明这些产出指标产出过少，未充分发挥规模效应以达到有效的水平，从而导致了决策单元的非DEA有效。

从科技创新的超效率值来看，2008—2018年的超效率值呈波动上升趋势，说明总体上山西省科技创新绩效水平一直在上升，投入和产出的匹配程度越来越好。

4 山西省科技创新能力与绩效的协调发展状况

4.1 耦合协调度模型

为了衡量科技创新能力与绩效之间的耦合协调发展状况，引入耦合协调发展模型，具体公式如下：

式中，C为耦合关联系数，T为综合协调指数，D为耦合协调度。H表示山西省科技创新的能力水平，E表示山西省科技创新的绩效水平，[α和β]为待定系数，本研究中假设科技创新能力和绩效同等重要，故[α=β=0.5]。

4.2 山西省科技创新耦合协调度水平分析

根据耦合协调度的相关研究确定耦合关联度和耦合协调度的等级划分标准（表5、表6）。在得出山西省科技创新能力与绩效的基礎上，分别计算出山西省科技创新能力与绩效的耦合关联度和耦合协调度，并且绘制了相关的折线图（图2）。

山西省科技创新能力与绩效的耦合关联度由最开始的低度耦合关联逐渐发展为中度耦合关联，说明山西省科技创新能力与绩效的耦合关联度在不断增加，山西省科技创新能力与绩效的协同能力不断提升。

山西省科技创新能力与绩效的耦合协调度呈波动上升状态，由最初的轻度失调状态发展为初级协调状态，说明山西省科技创新能力与绩效的耦合质量不高，整体的耦合协调度处于较低水平，主要是由于科技创新能力呈波动状态，发展相对滞后，但科技创新绩效的改善，使得科技创新总体向好的方向发展，整体的耦合协调发展还有很大的提升空间。基于此，本研究把发展相对滞后的科技创新能力水平划分为“滞后型”水平，把发展情况较好的科技创新绩效水平划分为“赶超型”水平，二者之间存在维度差距，所以导致了山西省科技创新能力与绩效的耦合协调度较低。

5 结论与建议

5.1 研究结论

通过对山西省2008—2018年的科技创新能力、绩效以及耦合协调关系进行评价研究，得出如下结论。

1）山西省科技创新投入能力呈下降趋势，产出能力则呈上升趋势;综合科技创新能力整体上升，但是上升水平整体不高;而山西省科技创新投入绩效优于产出绩效，且综合绩效水平保持不断增长的态势。

2）山西省科技创新能力与绩效的耦合协调度由轻度失调状态逐渐改善为初级协调状态，主要依赖于科技创新绩效的水平整体较高。科技创新能力属于“滞后型”水平，发展缓慢，在未来很长一段时间内，要着重提高科技创新能力;科技创新绩效属于“赶超型”水平，虽然绩效水平优于能力水平，但在短期内，绩效水平仍有上升的空间。

5.2 对策建议

根据上述实证分析和研究结论，提出如下对策建议。

1）保证科技创新绩效稳定上升的同时，重点提高科技创新能力，科技创新能力与绩效的协调发展可以促进科技创新水平的进一步提升。针对山西省科技创新能力总体增长但是普遍较弱的情况，山西省政府一方面应该对科技资源的投入进行合理规划，加大管理和监督，及时发现科技创新活动过程中如资源浪费、人员闲散等问题，并解决问题;另一方面要加大支持各创新主体（如高校、科研机构、企业等）的科技产出，着手建立健全科技成果保护制度，完善科技成果转化的薄弱环节。除此之外，要进一步优化科技创新能力的投入、产出结构，通过科技进步、技术改革等来提高科技创新的综合能力。

在加大力度提升科技创新能力的同时，要保持山西省科技创新绩效增长的趋势，不能顾此失彼，一方面应该扩大市场规模效应，活跃市场经济，提升产出绩效的水平;另一方面，政府应该合理增加科技创新的资源投入和重视技术进步，制定科学、规范的资源利用机制，建立系统、完善的资源投入和产出成果记录，促进科技创新绩效的稳步提升。

2）建立绩效驱动下的科技创新发展模式，促进科技创新能力与绩效的耦合协调发展。针对山西省科技创新发展耦合协调度较低的情况，山西省政府首先应该利用好市场调节作用，以市场为导向调整投入的资源力度，引导和促进成果转化，充分利用科技创新能力与绩效的内生性关系，提升绩效对能力的支撑力;其次，利用大数据、互联网等信息技术和网络平台建设，将投入和产出资源进行整合，及时追踪投入和转化信息，加强管理运作，提升科技创新能力与绩效相互促进的协同作用。

参考文献：

[1] GRILICHES Z. Issues in assessing the contribution of research and development to productivity growth[J].The bell journal of economics， 1979，10（1）：92-116.

[2] 张永安，郄海拓，颜斌斌. 基于两阶段DEA模型的区域创新投入产出评价及科技创新政策绩效提升路径研究——基于科技创新政策情报的分析[J]. 情报杂志，2018，37（1）：198-207.

[3] 王慧艳，李新运，徐银良. “四维度”框架下区域科技创新驱动产业升级绩效评价研究[J]. 经济问题探索，2018（11）：97-107.

[4] 丁生喜，王晓鹏. 青海省区域创新环境对科技创新绩效影响的实证分析[J]. 科技管理研究，2016，36（5）：71-75.

[5] 叶文显. 西安市科技创新能力及其绩效评价[J]. 科技管理研究，2017，37（11）：86-91.

[6] 解学梅，戴智华，刘丝雨. 高新技术企业科技研发投入与新产品创新绩效——基于面板数据的比较研究[J]. 工业工程与管理，2013，18（3）：92-96.

[7] CAMISON C，VILLARLOPEZ A. Organizational innovation as an enabler of technological innovation capabilities and firm performance[J]. Journal of business research，2014， 67（1）：2891-2902.

[8] DAWID H，NEUGART M. Agent-based models for economic policy design[J].  Eastern economic journal， 2011， 37（1）：44-50.

[9] 赵喜洋，刘雅琴. 湖北省高新技术企业科技创新绩效评价研究[J]. 科技进步与对策，2017，34（22）：133-140.

[10] 梁瑞敏，彭佑元. 基于网络DEA的山西省区域科技创新绩效评价研究[J]. 科技管理研究，2014，34（18）：112-116.

[11] 祝 新，王 邵. 基于灰色关联分析模型的廣西科技创新能力评价研究[J]. 科技进步与对策，2016，33（22）：109-115.

[12] 白俊红，江可申，李 婧. 应用随机前沿模型评测中国区域研发创新效率[J]. 管理世界，2009（10）：51-61.

[13] 杨秀玉. 基于熵权TOPSIS法的区域农业科技创新能力及收敛性分析[J]. 华中农业大学学报（社会科学版），2017（3）：42-50，150-151.

[14] 刘 杨，王海芸. 政府科技投入与企业技术创新效率的耦合协调度——以北京市为例[J]. 技术经济，2016，35（10）：66-71.

[15] 沈宏婷，陆玉麒，沈惊宏. 中国省域创新投入-创新产出-创新效益的时空耦合研究[J]. 经济地理，2017，37（6）：17-22，35.

[16] 徐 晔，陶长琪，丁 晖. 区域产业创新与产业升级耦合的实证研究——以珠三角地区为例[J]. 科研管理，2015，36（4）：109-117.

[17] 祝 影，王 飞. 基于耦合理论的中国省域创新驱动发展评价研究[J]. 管理学报，2016，13（10）：1509-1517.

[18] MAGHSOUDI S， DUFFIELD C， WILSON D.  Innovation evaluation： Past， current models and a framework for infrastructure projects[J]. International journal of innovation science，2015，7（4）：281-298.

[19] 常 涛，李志强，韩牛牛，等. 基于资源型经济转型的区域科技创新能力评价研究——以山西省为例[J]. 科技管理研究，2015，35（16）：62-67.

[20] 王亚伟，韩 珂. 基于改进模糊综合评价模型的区域科技创新能力评估——以河南省为例[J]. 科技进步与对策，2012，29（13）：119-124.

[21] 许吉黎，韩玉刚，杨显明. 安徽省城市科技创新能力评价及格局分析——兼论省域科技创新体系的发展模式[J]. 地域研究与开发，2013，32（5）：51-56.

[22] 孙道军，王 栋. 高新技术产业集群下区域R&D投入与创新产出的实证研究[J]. 现代管理科学，2010（6）：69-71.

[23] 任海云，师 萍. 企业R&D投入与绩效关系研究综述——从直接关系到调节变量的引入[J]. 科学学与科学技术管理，2010，31（2）：143-151.

[24] 吴林海，杜文献. 中国R&D投入与经济增长的关系——基于1991—2005年间中国科技统计数据的协整分析[J]. 科学管理研究，2008（2）：89-92，100.

[25] 张红辉，许继琴，刘尚海. 基于DEA分析的宁波市科技自主创新绩效评价[J]. 科技进步与对策，2009，26（17）：144-150.

[26] 曹志来. 科技创新投入产出绩效的评价与解析——基于东北三省一区的相对分析[J]. 东北亚论坛，2008（4）：63-67.

[27] 许建红，梁 玲，孔令丞. 东部12省市科技创新效率的DEA测评与上海科创策略研究[J]. 上海对外经贸大学学报，2019，26（2）：59-68.

[28] 张良强. 区域自主创新的绩效评价——以福建省为例[J]. 技术经济，2008（10）：1-10，20.

[29] 朱新玲，甘丽华. 长江经济带科技创新能力综合评价与发展变化研究[J]. 科技管理研究，2018，38（3）：107-112.

[30] ANDERSEN P， PETERSEN N C. A procedure for ranking efficient units in data envelopment analysis[J]. Management science， 1993，39（10）：1261-1264.