環境規制下區域創新環境對工業企業技術創新效率的影響研究

張 娜,李小勝2,李少付

(1.蚌埠學院 經濟與管理學院,安徽 蚌埠 233030;2.安徽財經大學 統計與應用數學學院,安徽 蚌埠 233030)

1 引言

工業企業作為技術創新最重要的產業載體,其技術創新能力在很大程度上決定著國家和區域技術創新的整體水平[1]。安徽省作為“中部崛起”戰略中的重要省份,工業企業的技術創新不僅代表了安徽省的技術創新水平,對中部地區乃至國家的整體創新建設都具有重要意義。近年來,安徽省通過大力實施創新驅動戰略,創新能力快速提升。國家科技部發布的《中國區域創新能力評價報告2015》顯示,2015年安徽省區域創新能力位列全國第九位,連續四年在中部地區排名第一。但同時也應看到,安徽省區域創新能力和先進地區相比還存在較大差距,省內各地市的創新能力不平衡現象也較為突出。如果僅從創新規模角度來看,很容易發現創新活動越來越向經濟發展水平高、發展速度快的地區集聚,但高投入和高產出的地區是否也有高的創新效率？如果將環境規制考慮進來,安徽省工業企業技術創新效率怎樣？政府所著力建設的區域創新環境對工業企業技術創新效率有著怎樣的影響？這些問題逐漸成為關注的重點。

國外最早有關創新效率的研究始于Griliches,他將知識產出看成是知識投入的結果,構建了一個知識生產函數的分析框架,并給出了知識存量和知識產出的測量方法[2]。隨后的大部分學者沿用了這種分析框架,并且隨著前沿生產函數方法的發展,非參數數據包絡分析方法DEA和隨機前沿生產函數方法SFA逐漸成為實證研究選擇的兩種方法。國內學者池仁勇、錢燕云、王偉光等較早進行了技術創新效率的研究,此后學者們大都在運用知識生產函數模型的基礎上,采用DEA或SFA方法進行了實證研究[3]。研究內容主要集中在兩個方面:一是工業企業技術創新效率測評;二是工業企業技術創新效率影響因素。在工業企業技術創新效率測評研究方面,段云龍、王榮黨、沈能等利用省際面板數據測量了我國工業企業技術創新效率,對各省的效率差異進行了分析[4-7];趙樹寬、丁云龍、張曉明等分別對吉林省、黑龍江省和福建省的工業企業創新效率進行了評價和分析[8-10]。隨著對綠色發展的關注,部分學者將環境治理與技術創新結合起來進行研究,如胡劍波、劉輝、蔡寧等研究了環境規制下工業企業技術的創新效率,在研究方法上大都將污染物排放量作為非期望產出,采用了非徑向、非角度的SBM方向距離函數和Malmquist-Luenberger指數模型進行了實證研究[11-16]。在工業企業創新效率影響因素研究方面,余泳澤的研究顯示,企業規模、企業技術消化吸收、制度因素和經費支出對企業研發效率有正向影響,政府政策支持和企業經營績效對研發效率無明顯影響[17];張杰、劉志彪認為行業差異與地區差異對企業創新效率的影響十分顯著,對企業規模、聚集效應和出口的影響則不確定[18];黃賢鳳等研究表明,高新技術產業技術溢出、企業規模對技術創新效率有正向影響,國有產權比例和政府資金資助對其有負面影響[1]。還有學者針對某一特定影響因素進行了研究。劉志迎、張吉坤、李晨光等分別基于資本類型、區域創新政策、所得稅優惠政策、行業差異、所有權性質、產業集聚水平、高管團隊異質性等單一因素對工業企業創新效率的影響進行了研究[19-23]。

綜上所述,有關工業企業技術創新效率的研究已取得了較豐富的成果,但仍有以下兩點值得進一步研究:一是從環境規制角度對工業企業技術創新效率的研究相對較少,相關研究大都是將單個污染物排放作為非期望產出對創新效率進行測量,科學測量和評價工業企業技術創新效率還需要更多的理論和實證研究。二是在研究影響因素時,雖然宏觀、中觀和微觀層面都有涉及,但集中于區域創新環境對企業技術創新效率影響的研究不多。企業的創新活動具有一定的區域根植性,各地政府也在著力打造區域創新環境以提升區域創新水平。本文以安徽省為實證對象,考慮能源消耗和環境污染,測算工業企業技術創新效率;從區域創新環境角度對環境規制下工業企業技術創新效率的影響因素進行研究,以期提出有依據的政策建議。

2 環境規制下工業企業技術創新效率測算

2.1 模型與方法

在用于測度技術效率的兩種常用方法中,SFA方法適用于多投入和單產出的相對效率測定,DEA方法可用于多投入多產出的分析。傳統的DEA模型不包含非期望產出,部分學者采取了將非期望產出轉換成投入量進行衡量的方法,但由于非期望產出的弱可處置性和零結合性,將產出量作為投入量進行度量會導致求解極為困難[24]。同時,由于傳統的DEA模型屬于對角度和徑向的度量,當生產過程中存在投入或產出的非零松弛時,會導致測量結果不準確。本文采用Tone提出的加入非期望產出的SBM模型[25],該模型一方面解決了非期望產出問題,另一方面采用了非角度和非徑向的測算方法,避免了徑向和角度選擇差異引起的誤差。

λ,s-,sg,sb≥0

(1)

式中,m為投入指標;n1為期望產出指標;n2為非期望產出指標;λ為權重變量;s表示投入—產出的松弛變量;s-、sb、sg分別表示投入過多、非期望產出過多和期望產出不足;ρ為研究單元技術創新效率;s-、sb、sg為嚴格遞減且0≤ρ≤1。當且僅當ρ=1即s-=sb=sg=0時,生產單元完全有效率;當ρ<1時研究單元無效率,可通過消除投入—產出的松弛變量改進為有效率。

2.2 指標選取和數據來源

研究選用的樣本為2011—2015年安徽16個地級市的面板數據,數據主要來源于2012—2016年的《安徽省統計年鑒》和《安徽省科技統計公告》。

產出指標:分為期望產出和非期望產出。期望產出選擇衡量創新產出廣泛使用的專利申請數和新產品銷售收入兩類指標。新產品銷售收入指標采用實際值,以2010年為基期,以當年工業企業新產品名義銷售收入除以各地當年工業品出廠價格指數平減后得到。非期望產出選擇工業二氧化硫排放量、工業廢水排放量、工業煙粉塵排放量等三項指標,以盡可能考慮到工業企業在生產過程中產生廢水和廢氣排放造成的環境污染。

投入指標:研究通常選用R&D經費支出和R&D人員投入作為創新投入指標,本文從環境規制的角度考慮加入了能源消耗指標。R&D經費支出采用R&D資本存量指標來衡量,R&D資本存量的核算采用國際上普遍采用的永續盤存法[2],公式為:

Kit=(1-δ)Ki(t-1)+Iit

(2)

式中,Ki(t-1)表示基期的資本存量,參考余泳澤、武鵬的研究,將基年設為研究年份的前一年[26],以該年的R&D經費支出除以10%作為該地區的初始資本存量;δ表示的是折舊率,參考國內研究普遍采用的15%,本文也采用15%作為折舊率;Iit為當期的R&D經費支出,參照朱平芳和徐偉民[27]、李向東等[28]構造的R&D支出價格指數對名義R&D經費支出進行平減,得到實際R&D經費支出。R&D人員投入指標以地區當年工業企業R&D人員折合全時當量表示,能源消耗指標以地區當年工業企業消耗的標準煤表示。

表1 安徽省環境規制下工業企業技術創新效率(2011—2015年)

注:皖江城市帶承接產業轉移示范區包括合肥、蕪湖、馬鞍山、銅陵、安慶、池州、滁州、宣城8市和六安市的金安區、舒城縣,本文將六安市全市數據列入皖江城市帶;皖北城市群包括蚌埠、阜陽、淮南、淮北、宿州和亳州;合蕪蚌國家自主創新示范區包括合肥、蕪湖和蚌埠。

2.3 實證結果及分析

運用MAXDEAultra7.0軟件測算安徽省環境規制下工業企業技術創新效率(表1)。本文參考馬占新關于效率值的評判:ρ=1為效率最高，0.8≤ρ<1為效率良好，0.6≤ρ<0.8為效率中等，ρ<0.6為效率無效[29]。由模型估算結果可知，安徽省環境規制下工業企業技術創新效率(簡稱“環境創新效率”)整體水平不高,有較大的改善空間。2011—2015年,安徽全省環境創新效率平均值為0.71,處于中等水平。環境創新效率值雖然有波動但整體上呈現上升態勢,表明在環境規制下安徽省工業企業技術創新效率的提升趨勢較好,有較大的改善空間。

安徽省不同地區環境創新效率差距明顯,各地市的環境創新效率可分為三檔:平均效率值在0.8以上,處于良好水平的有合肥、蕪湖、滁州、蚌埠、六安和黃山;平均效率值在0.6—0.8之間,處于中等水平的有阜陽、馬鞍山、銅陵、池州、安慶;平均效率值在0.6以下,處于無效水平的有亳州、宿州、宣城、淮南和淮北。其中，淮南和淮北的平均效率值最低,分別只有0.27和0.38,作為尚未完成轉型發展的煤炭資源型城市,兩市的多項經濟指標在近年迅速滑落,這一狀況同樣表現在環境創新效率方面。從地理位置和經濟區劃范圍來看,皖江城市帶的平均效率值為0.79，明顯高于皖北城市群的0.55;合蕪蚌自主創新實驗區作為安徽省重要的創新驅動發展戰略,經過近十年的培養與發展,不僅創新規模居于全省前列,環境創新效率也處于領先位置,平均效率值為0.90。

3 基于區域創新環境的影響因素分析

3.1 模型與方法

由于SBM-DEA模型測定的效率值在0和1之間,屬于受限因變量,因此需要使用Tobit回歸進行影響因素分析。Tobit模型是處理被解釋變量為截斷的數據或者受限時的回歸模型。模型為:

(3)

式中,Y表示截斷的被解釋變量;X表示解釋變量;α表示截距項;β表示回歸參數;ε表示隨機擾動項。使用最大似然估計法估計Tobit模型的參數，選取影響因素作為解釋變量,以表1列出的安徽省環境規制下工業企業技術創新效率值為被解釋變量,建立回歸模型。

3.2 變量和數據選擇

經濟發展環境:在經濟發展環境影響因素下,選擇地區經濟發展水平、金融市場規模和制度環境三個指標。地區經濟發展水平以人均GDP來衡量。作為創新最基礎的環境因素,經濟發展水平和技術創新應該是正向關系。金融市場規模用貸款規模即地區貸款總額占地區生產總值來度量。傳統分析上認為金融發展與技術創新呈正向關系,但也有學者持不同觀點,有研究得出金融信貸對技術創新的影響不明顯的結論；“門檻效應”的觀點則認為金融發展規模對技術創新存在“門檻效應”,兩者之間是非完全的線性正向關系。對制度的量化一直是經濟學研究的難點,在已有文獻中通常是由一系列經濟或政治變量或是某一重要代表性變量來表示。本文參考世界經濟自由化指數(EFW)和全球創新指標(GII),樊綱、王小魯、朱恒鵬的市場化指數(RQ)[30],將市場化程度作為制度變量的替代性指標,采用國內生產總值中非國有經濟的份額來度量。區域環境的市場化程度越高,越能激發作為技術創新主體的企業的競爭意識,區域環境的市場化程度與技術創新之間應是正向關系。

政府資金支持環境:從理論上講,工業企業獲得政府R&D資金資助,可減少企業研發成本投入,有利于增加企業創新產出。然而,國內外有關政府R&D資助與技術創新之間關系的研究至今沒有達成共識,有學者認為政府財政能有效刺激企業提高研發投入和研究產出,也有研究表明政府投入對企業的研發投入和創新產出并沒有產生實質性的影響。根據政府R&D資助的主要方式,選擇兩個指標作為影響因素進行研究:一是政府對工業企業創新的直接支出,用工業企業科技經費籌集中的政府資金比例來衡量;二是政府對工業企業創新的稅收減免,用總賦稅減免率即當年工業企業享受與創新相關的各種稅收減免總額占當年工業企業利稅總額的比重來衡量。

技術溢出環境:在有關技術溢出對區域技術創新影響的研究中,多見FDI技術溢出對區域技術創新的影響。關于FDI技術溢出效應理論界存在不同觀點,可分為“促進論、抑制論、雙刃劍”[31]。本文采用FDI占地區GDP比例作為FDI技術溢出的衡量指標。除了FDI技術溢出之外,本文還將高技術產業集群溢出和產學研合作溢出作為技術溢出環境的研究變量。高新技術產業集群作為一種以技術知識為依托，以創新為基礎的高產出低能耗的產業組織形式,對環境創新效率的影響應為正相關。技術產業集群溢出以高新技術產業產值占GDP的比例來衡量。產學研合作溢出與區域技術創新的關系也有不同的研究結論。有研究表明,產學研合作主體會發揮合作創新中的比較優勢,能夠提升區域技術創新的整體效率。但有些實證研究發現,產學研合作溢出對區域技術創新的提升作用不明顯。在產學研合作溢出的指標度量上,采用工業企業對高校和科研機構的研究費用支出占工業企業R&D總支出的比例來表示,該比例能較好地反映地區工業企業與大學和科研機構的合作程度。

創新人才環境:現有研究涉及到創新人才變量的大都使用區域科技從業人員數占從業人員數比例來度量。根據人力資本理論,區域技術創新與人力資本存量關聯比較密切,區域技術創新需要擁有在眾多人口背后蘊藏有一定知識和技能的人力資本。因此,本文選擇兩個指標代表創新人才環境：一是科技人才強度,以地區科技從業人員總數的占從業人員數比例來度量;另一個是地區人才資本存量,用每十萬人口擁有大專以上受教育程度的人口數來度量。

表2 環境規制下區域創新環境對工業企業技術創新效率的影響因素

環境規制:對環境規制的衡量主要有:一是用污染物排放量或排放密度表示;二是用治理污染的總投資與工業總產值的比重表示;三是用環境政策的多少表示。此外，也有采用綜合指數方法進行度量的。Kheder采用了GDP/Energy來度量環境規制強度,該值越大，說明單位GDP的能耗越少,該地區的環境規制水平越高[32]。由于該變量可度量政府環境治理的真正效果,因此本文也將其作為環境規制強度的指標。在環境規制對技術創新的影響研究方面,最著名的是邁克爾·波特提出的“波特假說”,波特認為環境政策能夠促使企業進行技術創新,所產生的創新補償可彌補甚至超過環境規制的成本。環境規制下區域創新環境對工業企業技術創新效率的影響因素見表2。

3.3 實證結果及分析

運用Eviews8.0軟件,根據式(3)建立了工業企業技術創新效率影響模型,計算結果見表3。

表3 Tobit回歸結果

注:*、**、***分別表示在10%、5%、1%的水平上顯著。

針對以上結果,結合前文在影響因素指標選取時已做出的分析,本文總結為:①在經濟發展環境的三個指標中,人均GDP代表地區經濟發展水平與環境創新效率呈正相關關系但不顯著,可能的解釋是安徽省區域經濟尚未完全擺脫粗放型的發展方式,導致經濟發展促進環境創新效率的提升作用不明顯。金融發展規模與環境創新效率之間缺乏顯著的相關性,用“門檻效應”理論可解釋為安徽省金融發展水平不高,未跨越金融發展促進技術進步的“門檻”。反映市場化程度的制度變量同環境創新效率在1%水平上顯著正相關,這驗證了市場機制在推動行為主體進行環境治理和技術創新等經濟活動中的基礎性地位和重要作用。②政府資金支持的兩項指標對環境創新效率都不具有顯著相關性。這支持了前文中提到的“政府投入對企業的研發投入和創新產出并未產生實質性影響”的研究結論。究其原因，可能的解釋是:政府不是市場經濟活動的主體,缺乏足夠的動力和能力去判斷技術創新的環境效應和商業價值;政府對企業創新活動的干預可能會違反企業技術創新的內在發展規律,此外政府擁有的科技投入資源可能會導致尋租行為。③在技術溢出環境變量中,高新技術產業集群溢出變量在1%水平上顯著,印證了前文的假設,高新技術產業集群溢出是推動環境創新效率的重要力量。產學研合作溢出同環境創新效率在10%水平上顯著,具有負面效應。結合產學研合作現狀可將原因解釋為:產學研合作資金和人力資本投入不足;企業與高校和科研機構之間的目標不一致、信息不對稱;缺乏合理的利益分配機制等問題。FDI溢出變量和環境創新效率在5%水平上顯著,具有負面效應,支持了“抑制論”。究其原因,從環境規制的角度解釋,有研究認為外商直接投資有可能使其淪為發達國家的“污染天堂”,但這一說法缺乏足夠的證據。本文傾向于從技術創新的角度解釋為：外資企業的核心技術往往是公司內部提供,同時由于外資企業的進入會導致行業競爭加劇,本地同類企業為了應對競爭,在關鍵技術上更依賴國外技術,進而削弱本地的創新能力[33]。④創新人才環境的兩項指標都不具有顯著相關性且影響為負,可能的原因在于區域創新人才主要集中在高校和科研機構,這些人才缺乏與企業的交流和互動,難以參與企業的研發活動,導致整個區域創新人才資源配置效率較低,這也和產學研合作溢出與環境創新效率之間具有的負相關性表現較一致。⑤環境規制強度表現出了顯著的正效應,該結果支持了波特假設,但回歸系數較小。有研究表明,環境規制對技術創新的促進作用具有門檻效應,只有經濟發展水平達到一定的程度時,環境規制對技術創新才會有促進作用,且經濟發展水平越高，其促進作用越大。這說明安徽省經濟發展已經跨越了環境規制促進技術創新的門檻,但尚未達到具有較大促進作用的水平。

4 結論與政策建議

本文利用2011—2015年安徽省16個地級市的面板數據,測評了安徽省環境規制下的工業企業技術創新效率,研究了區域創新環境對環境規制下工業企業技術創新效率的影響。研究發現,在區域創新環境因素中,制度環境(市場化程度)、高新技術產業溢出和環境規制強度對環境規制下工業企業技術創新效率有顯著的正面影響;FDI溢出、產學研合作溢出對其影響是負面的;經濟發展水平、金融支持環境、政府對工業企業創新的直接支出、政府對工業企業創新的稅收減免、人力資本存量、科技創新人才強度對其無顯著影響。

基于以上研究,從區域創新環境建設方面提出以下政策建議:①市場化改革的進程,政府的重要作用之一就是營造有利于市場的制度環境,這對企業發揮其創新主體的作用、提升環境創新效率具有顯著作用。②高新技術產業集群建設,以高新技術產業集群促進技術創新和經濟發展方式的轉變,是縮小區域差距,實現綠色發展的重要途徑。③改革現有的科技資助政策體系,一是做好資助評估體系建設,優化資助結構和方式;二是政府科技資金支持要和金融市場支持相結合,政府資金引導社會資金支持企業環境治理和技術創新。④建立有效的產學研機制,一方面促進本地高校、科研機構的創新人才與企業之間的交流合作,另一方面以開放的姿態對接國際高端創新資源,積極切入全球創新鏈。⑤將能夠帶動本地創新作為引進外資的重要條件,出臺優惠政策吸引外資企業在本地設立研發中心,拓寬本地企業和科研機構接受外資企業技術溢出的渠道,同時要加強外資進入的產業引導與環境規制。⑥加強環境規制強度,探索更多的市場化規制政策和手段,形成環境規制、技術創新和產業升級的良性循環和三方共贏。

參考文獻:

[1]黃賢鳳,武博,王建華.中國八大經濟區工業企業技術創新效率及其影響因素研究[J].中國科技論壇,2013,(8)∶90-97.

[2]Griliches Z.Issues in Assessing the Contribution of R&D to Productivity[J].Bell Journal of Economics,1979,10(1)∶92-116.

[3]程時雄,柳劍平.中國工業行業R&D投入的產出效率與影響因素[J].數量經濟技術經濟研究,2014,(2)∶36-51.

[4]段云龍,王榮黨.我國省區大中型工業企業技術創新效率差異的實證分析[J].經濟問題探索,2010,(8)∶109-112.

[5]沈能,潘雄鋒.基于三階段DEA模型的中國工業企業創新效率評價[J].數理統計與管理,2011,30(5)∶846-855.

[6]李小勝,朱建平.中國省際工業企業創新效率及其收斂性研究[J].數理統計與管理,2013,32(6)∶1090-1099.

[7]孫國鋒,張嬋,姚德文.大中型高技術企業創新效率測度與分解——基于DEA模型的實證分析[J].審計與經濟研究,2016,31(3)∶111-119.

[8]趙樹寬,余海晴,鞏順龍.基于DEA方法的吉林省高技術企業創新效率研究[J].科研管理,2013,34(2)∶36-43.

[9]丁云龍,趙杰,洪濤.黑龍江省大型企業技術創新效率及影響因素分析[J].哈爾濱工程大學學報,2013,(8)∶1069-1076.

[10]張曉明,陳雅蘭,施海柳.創新型企業創新效率評價研究——以福建省部分創新型企業為評價對象[J].東南學術,2015,(4)∶131-136.

[11]胡劍波,劉輝.我國區域工業生態創新效率評價——基于SBM模型和CCR模型的比較分析[J].科技管理研究,2014,(14)∶47-52.

[12]蔡寧,叢雅靜,李卓.技術創新與工業節能減排效率——基于SBM-DDF方法和面板數據模型的區域差異研究[J].經濟理論與經濟管理,2014,(6)∶57-70.

[13]徐建中,曲小瑜.裝備制造業環境技術創新效率及其影響因素研究——基于DEA-Malmquist和Tobit的實證分析[J].運籌與管理,2015,(1)∶246-254.

[14]原毅軍,謝榮輝.FDI、環境規制與中國工業綠色全要素生產率增長——基于Luenberger指數的實證研究[J].國際貿易問題,2015,(8)∶84-93.

[15]黃奇,苗建軍,李敬銀,等.基于綠色增長的工業企業技術創新效率空間外溢效應研究[J].經濟體制改革,2015,(4)∶109-115.

[16]常曉然,周全,吳曉波.我國54個城市的創新效率比較研究：基于包含非期望產出的SBM-NDEA模型[J].管理工程學報,2016,30(1)∶9-18.

[17]余泳澤.我國高技術產業技術創新效率及其影響因素研究——基于價值鏈視角下的兩階段分析[J].經濟科學,2009,(4)∶62-74.

[18]張杰,劉志彪,鄭江淮.中國制造業企業創新活動的關鍵影響因素研究——基于江蘇省制造業企業問卷的分析[J].管理世界,2007,(6)∶64-74.

[19]劉志迎,張吉坤.高技術產業不同資本類型企業創新效率分析——基于三階段DEA模型[J].研究與發展管理,2013,25(3)∶45-52.

[20]李晨光,張永安.區域創新政策對企業創新效率影響的實證研究[J].科研管理,2014,35(9)∶25-35.

[21]張俊瑞,陳怡欣,汪方軍.所得稅優惠政策對企業創新效率影響評價研究[J].科研管理,2016,37(3)∶93-100.

[22]謝子遠,吳麗娟.產業集聚水平與中國工業企業創新效率——基于20個工業行業2000—2012年面板數據的實證研究[J].科研管理,2017,38(1)∶91-99.

[23]韓慶瀟,楊晨,顧智鵬.高管團隊異質性對企業創新效率的門檻效應——基于戰略性新興產業上市公司的實證研究[J].中國經濟問題,2017,(2)∶42-53.

[24]Fare R.Multilateral Roductivity Comparisons When Some Outputs Are Undesirable：A Nonparametric Approach[J].The Review of Economics and Statistics，1989,71(1)∶90-98．

[25]Tone K.Dealing with Undesirable Outputs in DEA：A Slacks-based Measure(SBM)Approach[R].GRIPS Research Report Series,2003.

[26]余泳澤,武鵬.我國高技術產業研發效率空間相關性及其影響因素分析——基于省級面板數據的研究[J].產業經濟評論,2010,(9)∶71-86.

[27]朱平芳,徐偉民.政府的科技激勵政策對大中型工業企業R&D投入及其專利產出的影響——上海市的實證研究[J].經濟研究,2003,(6)∶45-53.

[28]李向東,李南,白俊紅,等.高技術產業研發創新效率分析[J].中國軟科學,2011，(2)∶52-61.

[29]馬占新.數據包絡分析模型與方法[M].北京：科學出版社,2010.

[30]樊綱,王小魯,朱恒鵬.中國市場化指數：各地區市場化相對進程2009年報告[M].北京：經濟科學出版社,2010.

[31]魏守華,吳貴生,呂新雷.區域創新能力的影響因素——兼評我國創新能力的地區差距[J].中國軟科學,2010,(9)∶76-85.

[32]Kheder S B,Zugravu N.The Pollution Haven Hypothesis：A Geographic Economy Model in a Comparative Study,Working Papers[R].April 2008.

[33]原毅軍,黃菁菁.FDI、產學研合作與區域創新產出——基于互補性檢驗的實證研究[J].研究與發展管理,2016,28(6)∶38-47.