中國航空航天制造業自主創新效率研究

陳偉，周文

（哈爾濱工程大學經濟管理學院，黑龍江哈爾濱150001）

中國航空航天制造業自主創新效率研究

陳偉，周文

（哈爾濱工程大學經濟管理學院，黑龍江哈爾濱150001）

為了有效測度和探索中國航空航天制造業的自主創新效率及其模式，以我國21個地區1995-2010年期間航空航天制造業的產業自主創新活動為研究對象，通過運用三階段DEA-Windows模型對我國各地區航空航天制造業的產業自主創新效率進行了實證研究。研究結果表明：通過剔除環境變量和隨機擾動因素的影響可以更準確地測度產業自主創新效率；從結構特征的聚類分析結果來看，我國航空航天制造業產業自主創新效率存在4種模式；從收斂性分析結果來看，各地區航空航天制造業的產業自主創新效率σ收斂。

航空航天制造業；產業自主創新效率；三階段DEA-Windows模型；聚類分析；收斂性分析

航空航天制造業作為我國的戰略性高技術產業，在這60多年的過程中已經取得令人矚目的成績，但其發展仍存在不少問題。例如，自主創新能力與世界發達國家相比存在著相當大的差距、某些領域內缺乏自主知識產權核心技術，從而在國際競爭中備受遏制、出口的高技術產品缺乏足夠的競爭力等，這些已成為阻礙我國航空航天制造業深入發展的重要因素。要突破現存困境，重點在于積極推進其產業自主創新，其基礎是準確測度和評價該產業的自主創新效率。因此，如何科學準確地測度和評價我國航空航天制造業產業自主創新效率具有重要意義。

國內外對航空航天制造業產業自主創新效率的研究不多。國外一般是從創新競爭力［1］、綜合創新和開放式創新［2］、知識管理［3］和供應鏈管理［4］等方面對其創新效率問題進行研究。國內的研究則集中在創新效率的影響因素［5］、創新效率評價指標體系的建立［6］和區域創新效率的比較等方面［7］。總的來說，現有關于航空航天制造業產業自主創新效率研究的文獻主要存在以下不足：1）研究航空航天制造業產業自主創新效率的文獻較少，而且所用的創新效率評價方法還有待進一步優化和完善。2）現有文獻所建立的效率評價指標體系還沒有統一標準，而且在進行效率評價時沒有考慮統計噪音和外部環境變量對效率評價模型的影響。3）現有測度航空航天制造業效率的文獻分析的數據大部分屬于截面數據，沒有考慮數據的時間相關性問題，由此得到的效率值存在偏差。為了準確地測度和評價我國航空航天制造業的產業自主創新效率，本研究采用三階段DEA-Windows模型進行研究。這一模型不僅能夠剔除影響產業自主創新效率測度的外部環境變量和隨機干擾，而且能夠將數據之間的相關性納入考察范圍，從而較為全面和準確地測度各地區產業自主創新效率及其變動情況。

1 模型與變量選擇

1.1 三階段DEA-Windows模型

產業自主創新效率受管理效率、環境因素和隨機因素這3個因素的影響，其中管理效率屬于內生變量，而環境因素和隨機因素屬于外生變量［8］。為了能夠真實測算出基于產業自主創新活動所對應的產業自主創新效率，應該把外生變量對產業自主創新效率的影響分離出來。Fried等［8］提出的3階段DEA模型能夠有效地排除環境因素和統計噪音從而能夠實現真實效率的有效測度，具體過程如下。

1）利用DEA（BBC）模型測度產業的自主創新效率。

2）構建SFA模型剔除環境變量和隨機干擾的影響。Fried等［8］指出在第1階段DEA模型計算得到的效率值存在投入產出松弛值，而產生這些松弛值的原因是存在管理非效率、環境變量和隨機誤差這3項因素對效率造成影響，因此建議使用SFA模型測算出管理非效率、環境變量和隨機誤差這3項因素，進而從效率值中把它們剔除出去，僅僅保留管理非效率所造成的投入松弛值。即以投入松弛變量為因變量，環境變量為自變量構建SFA模型：

式中：s

nk為投入松弛變量，fn（zk；βn）為隨機前沿函數。為了能夠測度隨機擾動對投入松弛變量的影響，需要利用SFA模型的回歸結果的估計值（β＾n，和管理非效率的條件估計值（vnk+unk）］將隨機擾動從管理非效率中分離出來，如下：

根據上述計算結果調整投入量即可將環境變量因素和隨機擾動對投入松弛變量的影響分離出來，如下：

3）將SFA模型調整后的投入值重新代入第1階段所使用的DEA（BBC）模型，計算得到產業自主創新的真實效率值。由于剔除了環境變量和隨機擾動對效率的影響，這樣就能夠更客觀和準確地反映產業自主創新的真實效率水平。

此外，利用DEA模型計算面板數據的效率是DEA發展的一個前沿方向。Charnes［9］構建了一個能夠實現DEA面板數據處理的DEA-Windows模型。這一模型的處理思路類似于統計學里面的平滑指數原理，把幾個時期作為一個視窗，每一次將視窗向前平滑一個時期，這樣對于某一特定的DMU決策單元而言，在橫截面上需要與其他的DMU決策單元進行比較，而在時間序列上還需要和不同時點上的自身進行比較，這能夠更全面地反映決策單元的效率情況。

雖然三階段DEA模型能夠有效剔除環境變量和隨機干擾的影響，但是這種模型難以處理面板數據的效率問題；而DEA-Windows模型雖然實現了面板數據的效率分析，但是其本質還是停留在簡單的DEA模型處理層面，因此難以避免簡單DEA模型的缺陷。為了準確地測度和評價我國航空航天制造業產業的自主創新效率，彌補單獨使用三階段DEA模型或DEA-Windows模型的不足，構建以下三階段DEA-Windows模型：

假設要測度N個DMU決策單元（n＝1，2，..，N）在T個時期內（t＝1，2，..，T）的效率，那么DEA視窗模型所要處理的決策單元總數一共是N×T個。

首先設定模型所需要的視窗寬度，然后按類似于指數平滑的方法將總時期數T分隔為一系列有所重疊的時間段。每個視窗內均有w個時期數，且包含這N個DMU決策單元在w個時期內的值，即每個視窗都包含w×N個單元。窗口的輸入矩陣為

輸出矩陣為其中，每個窗口的寬度為w（1≤w≤T-j），jw（1≤ w≤T-w+1）表示每個窗口的序號。輸入向量在時間t（t＝1，2，..，T）下為：；輸出向量

其次是分別對這些視窗進行第1階段DEAWindows模型計算。將投入變量松弛值輸入到第2階段的SFA回歸模型中，由此計算第2階段的SFA回歸結果。

最后將經由SFA模型調整后的投入值重新代入到上述第1階段所使用的DEA-Windows模型中，利用DEA-Windows模型計算得到最終的效率測度結果，這一結果不僅實現了面板數據的效率計算，而且還剔除了環境變量和隨機擾動的影響。

此外，為了深入分析產業自主創新效率的影響因素，本研究將產業自主創新效率分解為純技術效率和規模效率。通過分析航空航天制造業的產業自主創新效率、純技術效率和規模效率，探索其產業自主創新效率的具體模式，為提升產業自主創新能力提供科學的建議和對策。

1.2 投入產出變量、環境變量選擇及數據說明

選取我國航空航天制造業R＆D經費支出存量、R＆D活動人員全時當量為投入變量，以專利申請數和自主創新新產品銷售收入為產出變量，以航空航天制造業的企業數、平均企業規模、科技活動經費籌集額中政府資金、行業R＆D密集度和科技活動人員數量為環境變量。

1.2.1 投入產出變量選擇

自主創新投入變量方面，本研究采用通用的R＆D人員全時當量來衡量R＆D人員的實際投入水平。為了衡量產業自主創新活動研發資本投入，借鑒文獻［10］的思路，本研究使用永續盤存法測算的R＆D研發經費支出存量作為衡量產業自主創新活動的資本投入指標。

自主創新產出變量方面，由于發明專利是產業自主創新的重要體現，借鑒文獻［10-11］等的思路，本研究選擇發明專利申請量作為產業自主創新產出效率的一個衡量指標。另外，借鑒文獻［11］的觀點，采用自主創新的新產品銷售收入作為衡量自主創新產出的另一個衡量指標，該指標剔除了不屬于產業自主創新活動所體現的產品價值，即自主創新新產品銷售收入＝新產品銷售收入×（R＆D科技活動人員／科技活動人員）。

1.2.2 環境變量選擇

選擇的環境變量包括：1）航空航天制造業的行業企業數，這一變量能夠反映該產業的市場結構狀態。2）航空航天制造業的平均企業規模，這一變量能夠反映該產業的市場規模狀態。3）政府資助，政府直接資金投入能夠分擔高技術產業的自主創新活動過程中的部分風險，在較大程度上支持和鼓勵了自主創新活動。本研究選用科技活動經費籌集額中政府資金來表示政府資助。4）行業R＆D密集度，該變量能夠在一定程度上反映該產業的R＆D水平。行業R＆D密集度高的產業往往意味著該產業具有較高的更新和發展速度，這種產業對自主創新具有較高的依賴性。5）科技活動人員數量。該變量能夠反映產業的創新意愿和實力水平。

1.2.3 樣本數據來源

本研究的原始數據均來源于《中國高技術產業統計年鑒》。由于內蒙古、福建、海南、廣西、云南、青海、寧夏、新疆和西藏的數據不全或者嚴重缺失，本研究沒有對其航空航天制造業的自主創新效率進行研究，另外為了實現統計數據的一致性，本研究將重慶的各項數據并入四川進行統一處理。因此研究對象為我國航空航天制造業比較活躍的21個地區，研究的時間跨度為1995-2010年。本研究對缺失數據利用SPSS軟件的EM（expectation and maximization）技術進行填補。

2 實證結果分析

2.1 第1階段DEA產業自主創新效率分析

本研究綜合考慮16年的時間跨度和軟件數據處理能力的限制，設定第1階段DEA模型的視窗寬度為6，共11個視窗。通過使用DEA-Windows模型，運用Deap2.1軟件，計算了1995-2010年我國21個地區的航空航天制造業的產業自主創新效率。限于篇幅，本研究只給出1995-2010年我國航空航天制造業的自主創新效率及其分解的平均值，如圖1所示。

由第1階段DEA-Windows模型的計算結果可知，16年間21個地區航空航天制造業的自主創新效率和純技術效率的平均值較低且高低效率值差異較大，大部分地區自主創新效率在低層次趨同。其中浙江、江蘇和四川的自主創新效率最好。另外由圖1也可以發現，這些地區的產業平均規模效率相對較高。總體來說，我國航空航天制造業的產業自主創新規模效率較高而自主創新效率和純技術效率不高，動態的產業自主創新效率在時空分布上呈現低位集聚、低層次趨同的演變現象，這說明航空航天產業目前的自主創新比較嚴重地依賴于規模擴張和資源整合，自主創新活動的質量仍有待進一步提高。

圖1 第1階段DEA與第3階段DEA的自主創新效率對比圖Fig.1 Comparison of the efficiency of indigenous innovation between first-stage DEA model and third-stage DEA model

2.2 第2階段SFA回歸結果

在第2階段，分別以我國21個地區航空航天制造業R＆D經費支出存量、R＆D活動人員全時當量的投入松弛值為因變量，以航空航天制造業的企業數、平均企業規模、科技活動經費籌集額中政府資金、行業R＆D密集度和科技活動人員數量為自變量建立SFA回歸模型，回歸估算結果如表1所示。

表1 第2階段SFA模型回歸結果Table 2 Results of regression of second stage SFA model

由表1可知，航空航天制造業R＆D經費支出存量和R＆D活動人員全時當量的投入松弛變量SFA回歸模型中的δ2、γ值均通過了顯著性檢驗，其中，對于R＆D經費支出存量的噪聲影響主要是隨機誤差的值趨于0），這說明與環境變量要素相比，影響航空航天制造業R＆D經費支出存量的主要是隨機誤差，環境變量對其影響相對較弱；對R＆D活動人員全時當量的噪聲影響主要是環境變量的值趨于1），這說明與隨機誤差相比，產業自主創新活動中環境因素對產業自主創新活動的R＆D活動人員全時當量投入的影響更為重要。因此，自主創新效率測度過程中需要應用SFA回歸模型剔除環境因素和隨機因素對產業自主創新效率的影響。

2.3 第3階段DEA產業自主創新效率分析

在剔除環境因素和隨機因素對產業自主創新效率的影響后，本研究使用DEA-Windows模型分析第3階段DEA的產業自主創新效率，結果如圖1所示。通過采用Wilcoxon符號等級檢驗對第1階段與第3階段效率值進行顯著性差異分析，等級檢驗的P值為0.007 2，即拒絕原假設：第1階段的自主創新效率值與第3階段的存在顯著差異。因此，所選擇的環境變量及隨機因素對各地區產業自主創新效率存在影響，需要把環境變量和隨機因素剔除后才能更真實地評價各地區航空航天制造業的產業自主創新效率。由圖1可以發現，經過調整后，除了浙江、江蘇、四川、北京、陜西等少數地區的產業自主創新效率較高以外，其余大部分地區的產業自主創新效率普遍處于較低的水平，這一結果驗證了文獻［7］的結論：我國航空航天制造業的產業自主創新效率相比其他高技術產業而言較低。

為了揭示調整前后各區域的航空航天制造業產業自主創新效率的變動情況，本研究對第1階段與和第3階段DEA的自主創新效率差異值變動情況進行分析，具體如圖2所示。

圖2 第1階段與第3階段DEA的自主創新效率差異值Fig.2 Difference of the efficiency of indigenous innovation between first-stage DEA model and third-stage DEA model

由圖2可知，各個區域的航空航天制造業的產業自主創新效率和純技術效率波動范圍不大，而規模效率則出現較為明顯的大范圍波動。這說明了比較多的區域的航空航天制造業是依靠規模擴張而不是提高純技術效率來提高其自主創新效率的，但是這種規模效率受外部環境的影響較大，通過剔除環境因素和隨機因素后出現較大的波動，這意味著僅通過擴大規模提高自主創新效率的途徑難以成為提高自主創新能力的持續動力。

3 航空航天制造業創新效率結構特征及其收斂性分析

3.1 產業創新效率的結構特征—聚類分析

為了進一步了解各個地區航空航天制造業的產業自主創新效率的結構特征，從而更有效地根據各區域的實際去指導各區域的產業自主創新活動，本研究對其進行聚類分析。首先以這些地區的航空航天制造業自主創新效率為聚類指標，采用組間距離法進行系統聚類，如圖3（a）所示。由圖3（a）的聚類結果可以發現這些區域可以劃分為3類，其中浙江、江蘇和四川屬于第1梯隊，這些區域的航空航天制造業的自主創新效率最高，而上海、北京、貴州、陜西、遼寧、河南、山西和山東劃分為第2梯隊，其自主創新效率處于一般水平，而其余地區則劃分為第3梯隊，其自主創新效率有待進一步提高。在此基礎上從純技術效率和規模效率2個角度進行多元聚類分析，聚類所用方法與第1次聚類分析所用方法一致，如圖3（b）所示。由圖3（b）可以發現，山東由于其技術效率高導致了其劃分到第1梯隊，而其余的地區相比第1次聚類結果也有比較大的變動，這主要是因為各個地區的純技術效率和規模效率不同。

圖3 航空航天制造業自主創新效率聚類結果Fig.3 Results of clustering analysis of the efficiency of indigenous innovation of the aerospace industry

通過上述的聚類分析結果，借鑒文獻［12］分析各國創新效率結構特征時總結創新效率類型的思路，本研究提煉我國航空航天制造業自主創新效率的4種模式，具體如下：

1）“全面均衡—高度創新—高潛能型”。即在自主創新效率、純技術效率和規模效率3個方面均有比較優異的表現，相對全面均衡。這一模式包括的地區有江蘇、浙江和四川，其產業自主創新效率在行業中處于較高位置，這3個地區航空航天制造業產業自主創新效率水平表現不俗，是其他地區發展的標桿。

2）“不均衡—中度創新—高潛能型”。即在自主創新效率、純技術效率和規模效率3個方面不均衡，自主創新效率表現一般，雖然規模效率表現低下，但是因為純技術效率表現較為突出，有著很好的提升潛能，這一模式包括的地區有北京、山西、遼寧、吉林、上海、陜西、山東。這些地區航空航天制造業的發展目標應該是提高自主創新能力的協調性和均衡度。

3）“不均衡—中度創新—低潛能型”。即在自主創新效率、純技術效率和規模效率3個方面不均衡，自主創新效率和純技術效率表現一般，而規模效率表現較為突出，即其主要依賴于擴大規模來提升效率，這種發展模式有著極大的局限性，很難長期持續發展，所以其發展潛能低下，這一模式包括的地區有河北、河南、黑龍江、安徽、江西、湖北、湖南、廣東、貴州。這些地區航空航天制造業自主創新能力的目標應該是在獲得規模效益的同時著力提高其純技術效率。

4）“不均衡—低度創新—低潛能型”。即在自主創新效率、純技術效率和規模效率3個方面的表現較為差強人意，有待加強。這一模式包括的地區有天津和甘肅。這2個地區的效率發展潛能不高，沒有達到其應有的規模效率，其發展目標應是擴大發展規模并提高其純技術效率。

3.2 自主創新效率的收斂性分析

為了進一步探究不同地區航空航天制造業自主創新效率差距的變化趨勢，進行收斂性分析。借鑒Barro等［13］的σ收斂研究思想，本文研究的自主創新效率σ收斂是指各地區航空航天制造業自主創新效率的離散程度隨著時間逐漸降低，這可通過分析各地區水平指標的變異系數進行判定，如圖4所示。

圖4 各地區平均自主創新效率σ收斂分析Fig.4 σ convergence analysis of mean efficiency of indigenous innovation in various districts

由圖4可知，無論是第1階段還是第3階段的DEA，各地區的平均自主創新效率（包括自主創新效率、純技術效率和規模效率）的變異系數在整體上表現出明顯的下降趨勢，這說明了我國航空航天制造業的產業自主創新效率存在σ收斂，各個地區的產業自主創新效率差距在逐漸縮小。另外從圖4還可以發現，2004年之前我國航空航天制造業的產業自主創新效率的標準差遞減的波幅較大，隨后至2010年間其波動幅度減少，趨于穩定下降，這說明了隨著我國產業結構調整進程的推進，高技術產業自主創新活動不斷深入開展，各地區航空航天制造業的產業自主創新效率的地區差距不斷縮小，自主創新戰略的成效逐步得以體現。

4 結論

本研究構建了三階段DEA-Windows模型，并運用該模型測度和評價了我國航空航天制造業的產業自主創新效率。通過研究得到以下結論：

1）分析表明了本研究構建的三階段DEA-Windows模型不僅有效剔除了環境變量和隨機擾動因素對我國航空航天制造業產業自主創新效率測度的影響，而且能夠實現面板數據的效率測度，分析結果比三階段DEA模型和DEA視窗模型更具有準確性和全面性。

2）我國航空航天制造業產業自主創新效率存在4種模式，這些模式不僅揭示了我國航空航天制造業的自主創新效率結構特征，而且通過劃分創新效率模式可以準確定位各地區產業的自主創新情況以及存在的問題，從而明確其發展方向。

3）與文獻［7］的結論不同，本文研究發現我國航空航天產業目前的自主創新比較嚴重地依賴于規模擴張，自主創新活動的質量仍有待進一步提高，動態的產業自主創新效率在時空分布上呈現低位重疊、低層次趨同的σ收斂演變現象。這也表明了本研究提出的三階段DEA-Windows模型能夠深入揭示產業自主創新效率背后的規律。

雖然本研究在測度我國航空航天產業自主創新效率的過程中控制了常見的環境因素，但是由于影響該產業自主創新效率的環境變量在產業發展的不同階段具有不同的重要性和影響力，而且如何選擇投入變量和產出變量也會對航空航天產業自主創新效率的測度造成影響，因此基于數據可獲性前提深入探索我國航空航天產業自主創新效率的測度框架是未來進一步的研究方向。

［1］CORALLO A，LAZOI M，MARGHERITA A，et al.Optimizing competence management processes：a case study in the aerospace industry［J］.Business Process Management Journal，2010，16（2）：297-314.

［2］ARMELLINI F，KAMINSKI P C，BEAUDRY C.Integrating open innovation to new product development-he case of the Brazilian aerospace industry［J］.International Journal of TechnologicalLearning，InnovationandDevelopment，2012，5（4）：367-384.

［3］BRADDORN D，HARTLEY K.The competitiveness of the UK aerospace industry［J］.Applied Economics，2007，39（6）：715-726.

［4］SMITH D J，TRANFIELD D.Talented suppliers strategic change and innovation in the UK aerospace industry［J］.R＆D Management，2005，35（1）：37-49.

［5］張近樂，趙娟.中國航空航天制造業科技創新能力環境影響因素研究——基于結構方程模型的路徑分析［J］.北京理工大學學報：社會科學版，2014，16（3）：100-106.ZHANG Jinle，ZHAO Juan.Research on environmental influencing factors of scientific and technological innovation capability of China’s aerospace manufacturing-based on the path of structural equation modeling analysis［J］.Journal of Beijing Institute of Technology：Social Sciences Edition， 2014，16（3）：100-106.

［6］謝毅梅.航空航天產業創新能力評價體系構建研究［D］.大連：大連理工大學，2010：11-38.XIE Yimei.The research on the evaluation system analysis of aerospace industrial innovation［D］.Dalian：Dalian University of Technology，2010：11-38.

［7］董曉輝.中國航空航天工業科技資源區域配置效率研究——基于DEA-Malmquist指數方法［J］.北京航空航天大學學報：社會科學版，2013，26（4）：69-74.DONG Xiaohui.A Study on the region allocation efficiency of aeronautics＆astronautics S＆T resources in China：based on DEA and Malmquist index［J］.Journal of Beijing University of Aeronautics and Astronautics：Social Sciences Edition，2013，26（4）：69-74.

［8］FRIED H O，LOVELL C K，SCHMIDT S S，et al.Accounting for environmental effects and statistical noise in data envelopment analysis［J］.Journal of Productivity Analysis，2002，17（1-2）：157-174.

［9］CHARNES A，CLARK C T，COOPER W W，et al.A developmental study of data envelopment analysis in measuring the efficiency of maintenance units in the US air forces［J］.Annals of Operations Research，1984，2（1）：95-112.

［10］吳延兵.自主研發、技術引進與生產率——基于中國地區工業的實證研究［J］.經濟研究，2008（8）：51-64.WU Yanbing.Indigenous R＆D，technology imports and productivity：evidence from industries across regions of China［J］.Economic Research Journal，2008（8）：51-64.

［11］成力為，孫瑋，王九云.要素市場不完全視角下的高技術產業創新效率—基于三階段DEA-Windows的內外資配置效率和規模效率比較［J］.科學學研究，2011，29（6）：930-938.CHENG Liwei，SUN Wei，WANG Jiuyun.High-tech innovation efficiency under the condition of incomplete factor market-on the perspective of scale and allocation efficiency based on three-stage DEA-window［J］.Studies in Science of Science，2011，29（6）：930-938.

［12］鐘祖昌.國家創新效率的結構特征及其收斂性研究——基于OECD國家和中國的經驗分析［J］.科學學與科學技術管理，2012，33（2）：22-29.ZHONG Zhuchang.Research on structure feature and convergence of innovative efficiency in OECD countries and China［J］.Science of Science and Management of S＆T，2012，33（2）：22-29.

［13］BARRO R J.Economic growth in a cross section of countries［J］.The Quarterly Journal of Economics，1991，106（2）：407-443.

Research on the efficiency of indigenous innovation of the aerospace industry in China

CHEN Wei，ZHOU Wen
（School of Economics and Management，Harbin Engineering University，Harbin 150001，China）

To effectively measure and explore the efficiency of indigenous innovation regarding the aerospace industry in China，this paper discusses the empirical research into the performance of indigenous innovation in twenty one districts in China from 1995 to 2010，based on the three-stage DEA-Windows model.The results show that the efficiency of industrial indigenous innovation can be measured more accurately by ruling out the influences of environmental variables and random disturbance factors.Moreover，there are four patterns of the efficiency of indigenous innovation of the aerospace industry in China，revealed by the structure characteristics which are shown in the results of the clustering analysis.In addition，the efficiency of indigenous innovation of the aerospace industry in every district is a central feature of σ convergence.

aerospace industry；indigenous innovation；three-stage DEA-Windows model；clustering analysis；convergence analysis

10.3969／j.issn.1006-7043.201306010

http：／／www.cnki.net／kcms／doi／10.3969／j.issn.1006-7043.201306010.html

F224；F062.4

A

1006-7043（2014）06-0777-07

2013-06-03.網絡出版時間：2014-05-14 15：48：37.

國家軟科學計劃資助項目（2010GXS5B173）；黑龍江省自然科學基金資助項目（G201209）；高等學校博士點基金資助項目（20102304110008）

陳偉（1957-），男，教授，博士生導師；周文（1984-），男，博士研究生.

周文，E-mail：vincizhou＠163.com.