基于共享投入型两阶段DEA的国家高新区知识产权效率评价

摘要：依据知识产权运作特点，将知识产权过程分解为知识产权创造与知识产权应用两个子阶段，在可变规模报酬的假设下构建共享投入型两阶段DEA模型，对114家国家高新区进行知识产权效率评价。研究结果表明，国家高新区知识产权整体效率与两个子阶段知识产权效率均处于较低水平，高新区发展不平衡，创新要素投入产出存在巨大差距。同时，根据评价结果，按照知识产权运作特点，将国家高新区划分为低创造高应用、高创造低应用、高创造高应用和低创造低应用4种类型，并提出针对性发展建议。

关键词：知识产权效率；国家高新区；两阶段DEA模型；共享投入

0 引言

自1988年第一家国家高新区在北京成立以来，在历经“一次创业”工业园区建设、“二次创业”创新环境优化、“三次创业”创新发展战略提升[1]后，国家高新区已经成为我国经济发展和科技创新的核心载体与关键抓手，在实施“创新驱动发展”、“大众创业、万众创新”、“互联网+”、“中国制造2025”、“一带一路”、“区域协同发展”等重要战略中发挥了标志性引领作用。2016年，146家国家高新区集聚了全国40%以上的企业研发投入、企业研发人员与高新技术企业，总营业收入约达28.3万亿元，同比增长11.5%；工业总产值约20.5万亿元，同比增长10.3%。

2017年4月14日，科技部正式印发《国家高新技术产业开发区“十三五”发展规划》，标志着国家高新区迎来全新战略机遇期。随着全球技术经济变革和我国经济发展进入新常态，我国高新区存在的原创成果不多、自主创新能力不足、成果转化率低下、科技资源投入产出比例失衡等深层次问题也日益凸显，知识产权运作水平整体落后已经成为制约国家高新区发展的关键性因素。因此，如何全面深化改革、依靠自主知识产权推进经济转型升级与创新发展是国家高新区新时期建设的首要任务。

1 文献综述

知识产权效率评价是一个动态、多指标、质与量共进、过程与结果并重的复杂体系。国内外学者对知识产权效率评价指标选取展开了广泛探讨，使用多种方法进行体系优化，也积极寻找实证数据来完善研究。表1列示了几类有代表性的评价指标体系。

对国家高新区而言，提升创新能力一直是建设与发展的核心目标。自2001年国家高新区推行“二次创业”以来，我国学者尝试采用多种方法评价高新区创新效率，如层次分析[8]、因子分析[9]、数据包络分析[10]、自适应评价法[11]等。所采用的评价指标基本可以归为创新投入资源、创新环境、创新知识产权成果、创新经济收益、创新国际化五大方面。

2012年我国高新区进入“三次创业”阶段，学者们开始将研究视角聚焦于高新区创新效率的知识产权方面，以期从关键问题入手，解决高新区自主创新困境。冯楚建等[12]以全国57家高新区的294个医药企业为研究对象，通过问卷调查了解知识产权投入-产出、应用、保护、战略制定等状况，发现政策、中介服务、知识产权意识、资金投入力度和管理模式是影响知识产权效率的主要因素。施学哲等[13]针对江苏省22家高新园区，通过专家评定法确定评价指标体系及相应权重，从过程绩效、结果绩效两个维度考察知识产权效率，得到6家优势样本高新园区。

但是从现有成果看，知识产权效率评价对象只局限于高新区或高新区内的特定企业，并没有针对全国所有高新区进行知识产权运作效率评价。本研究试图通过两阶段数据包络分析法，对全国114家国家高新区(2014年1月1日前设立或升级)进行知识产权效率评价，为高新区深入剖析自主创新现状提供客观依据，有利于各高新区寻找差距、科学调整未来发展方向。

2 国家高新区知识产权效率评价模型

数据包络分析(Data Envelopment Analysis，DEA)使用数学规划模型评价决策单元(Decision Making Unit，DMU)间的相对有效性[14]，是一种特别适用于多输入多输出复杂系统的非参数前沿分析方法。为了解决DEA方法只考虑输入输出、不考虑中间过程的固有难题，学者们进行了多种探索，其中包括将DEA模型由传统的一阶段推广为链式两阶段[15]。近些年，学者们又根据现实生产过程，将两阶段DEA模型在简单序贯型基础上增加初始投入共享、中间追加投入、中间产品部分退出等条件，演化出效度更高的DEA模型变体。

实际中，知识产权运作具有较强的时滞性，知识产权创造和应用也紧密关联，这导致最初投入的研发资金和人员往往贯穿创造与应用两个阶段。基于此，本研究选择共享投入型两阶段DEA模型评价知识产权效率，以准确反映国家高新区知识产权运作现状，使效率评价结果更具说服力。

2.2 共享投入型两阶段DEA模型

借鉴陈凯华与官建成[16]的建模思路，在修正模型约束条件的基础上建立共享投入型两阶段DEA模型，具体如图1所示。

假设共有n个决策单元(DMU)，这里指114家国家高新区。每个DMUj(j=1,2,…,n)有m种初始投入Xij(i=1,2,…,m)，q种中间产品Zpj(p=1,2,…,q)与s种最终产出Yrj(r=1,2,…,s)。考虑到初始投入的共享性与两阶段关联性，该模型有3个前提条件：

(1)初始投入Xij(i=1,2,…,m)未在第一阶段被全部消耗，而是按一定比例分配给两个阶段共同使用，不同DMU的分配比例不同。

(2)两个阶段都必须满足前沿条件，即累计产出不能超过累计投入。

(3)中间产品Zpj(p=1,2,…,q)在第一阶段产出中的权重与其在第二阶段投入中的权重相同。

假设决策单元DMUj(j=1,2,…,n)的初始投入Xij(i=1,2,…,m)在第一阶段被消耗的比例为ai(0<ai≤1)，在第二阶段被消耗的比例为1-ai，则aiXij与(1-ai)Xij分别为两个子阶段可自由支配的投入。这里用决策变量

与

分别表示初始投入的两部分在相应阶段的权重结构，用

与

分别表示中间产品Zpj在第一阶段产出与第二阶段投入中的权重结构，用ur(r=1,2,…,s)表示最终产出Yrj的权重结构。

由于本研究对象为国家高新区的知识产权运作情况，该过程受外部环境影响，不可能始终处于最优规模点，故不变规模报酬(CRS)的假设过于严格且不符合实际。因此，本研究只考虑可变规模报酬(VRS)假设下的DEA模型。依据Banker等(1984)构建的分离规模无效项纯技术效率测度模型原理，第n个决策单元DMUj(j=1,2,…,n)在可变规模报酬假设下的投入导向整体纯技术效率(PTE)为

其中

为相对CRS假设，用以反映VRS假设下规模无效而引入的自由变量，取值范围为(-∞,+∞)。

令t=

，使用Charnes-Cooper变换[17]，可得

其中

同时，为防止决策变量

的最优值为0，将它们的下界限定为非阿基米德无穷小ε。

为将非线性规划(2)转化为易于求解的等价线性规划，令

则

求解规划(3)，利用式(4)、(5)分别计算第一阶段与第二阶段的纯技术效率值。

容易证明，决策单元DMUj(j=1,2,…,n)投入导向下的整体纯技术效率是第一阶段与第二阶段纯技术效率的凸线性组合。

为了检验上述共享投入型两阶段DEA模型的区分能力，同时使用不考虑黑箱内部过程的一阶段DEA模型，即投入导向BCC模型(基于VRS假设)进行目标效率值的测算和对比。由于该模型研究已较成熟，此处省略该模型规划式的推导及求解。

2.3 评价指标与模型构建

基于国家高新区实际情况，结合知识产权特点与国内外研究成果，将高新区知识产权运作过程分为知识产权创造和知识产权应用两个阶段。考虑到指标选取的科学性、全面性、数据可获得性，采用以下指标进行知识产权效率评价，见表2。

(1)初始投入。本研究选取R&D经费内部支出X1(百万元)、R&D人员全时当量X2(人年)、国家级和省级研发机构数X3(家)3项指标衡量知识产权初始投入，且该投入可被知识产权创造与应用两个阶段共享。其中，R&D经费内部支出用以反映高新区知识产权研发资金投入；R&D人员全时当量用以反映高新区知识产权研发人力资本投入；国家级和省级研发机构包括高新区内的各类大学、研究院所、国家重点实验室、企业技术中心、产业技术研究院、博士后科研工作站、国家工程研究中心、国家工程技术研究中心等，是知识产权活动的知识载体和技术源头，用以反映高新区知识产权研发平台建设投入。

(2)中间产品。本研究选取专利申请量Z1(件)和专利授权量Z2(件)两项指标作为知识产权中间产品，即第一阶段知识产权创造的产出与第二阶段知识产权应用的投入。专利申请量和专利授权量是高新区知识产权创造的重要成果，虽然在反映高新区知识产权创造能力上有一定局限，但仍是目前使用最广泛的评价指标。

(3)最终产出。本研究选取新产品销售收入Y(百万元)作为整个知识产权运作最终产出的衡量指标。新产品销售收入是第二阶段知识产权应用的重要产出指标，可以反映高新区通过知识产权活动最终获取的经济效益。综上，本研究构建的国家高新区知识产权效率评价模型如图2所示。

2.4 评价样本与数据来源

考虑到知识产权资源投入大、运作周期长、产出成果慢等特性，以2014年1月1日前设立或升级的114家国家高新区为研究样本。其覆盖全国大部分省、市、自治区，其中，东部地区48家，西部地区27家，中部地区24家，东北地区15家。为最大程度降低知识产权时滞性影响，知识产权效率评价的初始投入指标、中间产品指标、最终产出指标分别采用第t年、第t+1年、第t+2年的数据。具体来说，R&D经费内部支出、R&D人员全时当量和国家级、省级研发机构数采用2013年国家高新区数据，前两者数据来源于《2014中国火炬统计年鉴》，后者数据来源于《国家重点园区创新监测报告2014》；专利申请量和专利授权量采用2014年国家高新区数据，数据来源于各高新区官网新闻、管委会年度工作报告、所在省市科技厅(局)、知识产权局统计数据等公开信息；新产品销售收入采用2015年国家高新区数据，由于该项统计数据未公开，故使用《2016中国火炬统计年鉴》中各高新区2015年的“产品销售收入”乘以所有高新区新产品销售收入在产品销售总收入中的平均占比进行估算。

3 实证结果与分析

本研究构建的知识产权效率DEA评价模型由于存在共享初始投入的特殊性，无法直接使用MaxDEA、DEAP、DEA-Solver、EMS等常规DEA软件进行数据分析，因此使用Lingo 17.0编程求解。表3为114家国家高新区的知识产权效率评价结果，其中，E为使用共享投入型两阶段DEA模型计算出的整体纯技术效率，E1、E2分别为第一阶段知识产权创造和第二阶段知识产权应用的子阶段纯技术效率；EBCC为使用一阶段DEA模型——投入导向BCC模型计算出的纯技术效率。

3.1 DEA有效与模型区分度比较

由表3可知，在采用共享投入型两阶段DEA模型评价114家国家高新区时，共有北京中关村、天津滨海、上海张江、莆田、延吉、榆林等6家高新区的整体纯技术效率为1，达到两阶段DEA有效，即知识产权运作过程处于最优状态。其中，北京中关村、天津滨海、上海张江、福建莆田等高新区位于东部地区，占比66.7%；吉林延吉高新区位于东北地区；陕西榆林高新区位于西部地区。北京中关村高新区、天津滨海高新区和上海张江高新区一直是国家科技进步、自主创新的领头羊和示范区，科技资源丰富、知识型人才密集，经过多年建设和发展，知识产权运作已经取得较好成效。而福建莆田高新区、吉林延吉高新区和陕西榆林高新区虽然总体上科研力量、产业力量并不雄厚，但它们勇于探寻适合自己的发展路径，如莆田高新区的液晶显示特色产业、延吉高新区的特色能化产业体系，通过集中创新资源、聚焦战略性新兴产业，实现了现有资源的充分利用，获得了较高的知识产权运作效率。

同时，由表3的E和EBCC效率值对比可以发现，当采用不考虑黑箱内部过程的一阶段DEA模型进行评价时，共有北京中关村、天津滨海、呼和浩特、长春等15家高新区的整体纯技术效率为1。也就是说，与本研究构建的共享投入型两阶段DEA模型相比，新增了9家高新区为知识产权DEA有效，但它们整体的纯技术效率水平无法被进一步区分。因此，本研究构建的新两阶段DEA模型比标准BCC模型具有更强的效率辨别力和评价力。

3.2 整体知识产权效率分析

114家国家高新区的两阶段整体知识产权效率平均值为0.512，低于平均值的高新区有65家，占总数的57.0%，表明我国高新区知识产权运作效率整体偏低，资源要素没有得到优化配置。同时，114家高新区中，知识产权相对效率最大值为1，最小值只有0.09，极差达到0.91；知识产权效率的标准差为0.256，变异系数为50.1%，数据离散程度较大，表明各地高新区发展不均衡，科技资源的投入产出效率存在较大差距。其中，本溪、泰安、蚌埠、齐齐哈尔、南阳、自贡等13家高新区的知识产权效率值低于0.2，占所有高新区的11.4%。特别说明的是，杭州高新区也在低效率范围内。从原始数据看，杭州高新区的初始投入包括113.3亿元R&D经费、53 386名R&D人员(全时当量)和490家省级以上研发机构，3种初始投入在第一阶段知识产权创造过程中的投入比例分别为50.0%、50.2%、50.0%；高新区第一阶段产出的专利申请量和授权量分别为6 492件与4 232件，第二阶段产出的新产品销售收入经估算约691.5亿元。与其它国家高新区相比，杭州高新区并没有获得与高投入相匹配的高产出，导致高新区整体知识产权效率和子阶段知识产权效率评价值较低。

3.3 第一阶段知识产权创造效率分析

114家国家高新区的第一阶段知识产权创造效率平均值为0.299，低于平均值的高新区有75家，占总数的65.8%，表明我国高新区知识产权创造效率整体较低，专利等代表性知识产权成果数少于预期，自主研发能力和技术创新水平有待提高。北京中关村、天津滨海、上海张江、上海紫竹、西安、青岛、莆田、延吉、绍兴、榆林等10家高新区在第一阶段的知识产权创造效率值为1，处于DEA有效状态，占高新区总数的8.8%。其中，北京中关村、天津滨海、上海张江、上海紫竹、青岛、莆田、绍兴等高新区位于东部地区，占比70.0%；陕西西安和陕西榆林高新区位于西部地区；吉林延吉高新区位于东北地区。同时，宜昌、柳州、荆门、营口、南昌、白银等地29家高新区的知识产权创造效率不足0.1，占所有高新区的25.4%。其中，有15家高新区位于中西部地区，占低效高新区的51.7%。它们多是由于自然禀赋不足、区域经济发展落后、科研力量有限导致知识产权成果创造效率落后。

3.4 第二阶段知识产权应用效率分析

114家国家高新区的第二阶段知识产权应用效率平均值为0.527，其中，低于平均值的高新区有62家，占总数的54.4%，表明我国高新区知识产权应用效率总体较低，科技成果转化率不高，在创新驱动发展、经济增效升级方面还有较大发展空间。北京中关村、天津滨海、上海张江、长春等17家高新区在第二阶段的知识产权应用效率值为1，处于DEA有效状态，占高新区总数的14.9%。同时，绍兴、蚌埠、桂林等6家高新区的知识产权应用效率值不足0.1，占比5.3%。其中，上海紫竹高新区的知识产权应用效率值只有0.014，但其第一阶段的知识产权创造效率达到有效值1，整体知识产权效率值为0.503。这些数据表明该高新区知识产权运作问题主要出在成果转化阶段，同时，也可以看出两阶段DEA模型在评价结果解析上的优越性。

4 国家高新区知识产权效率分类及改进建议

如图3所示，以第一阶段知识产权创造效率为横坐标，第二阶段知识产权应用效率为纵坐标，用两个子阶段效率的均值0.299和0.527作为分界线，将114家国家高新区按知识产权运作特点划分为4种类型：低创造高应用型、高创造低应用型、高创造高应用型和低创造低应用型。

4.1 A类国家高新区：低创造高应用型

A类国家高新区共有33家，占总数的29.0%。其中，中部地区14家，东部地区8家，西部地区8家，东北地区3家。这类高新区的知识产权应用及成果转化效率较高，但技术研发阶段的效率稍有不足，部分高新区的知识产权拥有量与该区研发投入规模及科技实力并不相称。

因此，A类高新区在保持当前知识产权应用优势的基础上，可以通过“修补”知识产权创造方面的短板，保障高新区知识产权运作的良性发展；鼓励区域企业采用原始创新、引进消化吸收再创新、合作创新、集成创新等多种途径，利用好现有科技创新资源，提高研发经费和人员的投入产出效率，使研发成果尽可能地转化为专利、技术秘密等知识产权形式，掌握拥有自主知识产权的核心技术，数量和质量两不误。同时，高新区应积极培育和挖掘知识产权优势企业，在重点产业领域优化专利布局、建设专利池或成立知识产权联盟，形成以企业为主体、产学研相结合的高效知识产权创造体系，提升高新区核心竞争力。

4.2 B类国家高新区：高创造低应用型

B类国家高新区共有20家，占总数的17.5%。其中，东部地区13家，西部地区5家，东北地区2家。这类高新区的知识产权创造效率较高，但在知识产权成果市场化、产业化应用阶段的效率稍有不足，未能充分利用好第一阶段取得的技术研发成果。

因此，B类高新区在保持当前知识产权创造优势的基础上，可通过加强知识产权成果应用和市场推广，提升高新区知识产权运作的经济社会效益。该类高新区应积极落实与高新技术转化相关的财政政策、税收政策、金融政策、产业政策、政府采购政策等，鼓励企业与社会资本合作，开展知识产权成果商业化运营。同时，要将研发成果与市场需求结合起来，搭建知识产权交易和技术转移平台，完善知识产权中介服务体系，探索知识产权质押等新型融资模式，将高新区科技资源配置从以研发为主向产业链、创新链、资金链统筹发展转变，帮助高新区企业激活知识产权资产，实现知识产权价值。

4.3 C类国家高新区：高创造高应用型

C类国家高新区共有19家，占总数的16.7%。其中，东部地区10家，西部地区6家，东北地区2家，中部地区1家。这类高新区的知识产权创造及应用效率均高于全国平均水平，可以认为其知识产权建设已经取得不错成效。由于我国知识产权总体发展水平与发达国家存在较大差距，故此类高新区仍有上升空间。

基于上述分析，C类高新区在保持当前知识产权创造优势与应用优势的基础上，应加强自主知识产权保护和管理，建立完善的高新区知识产权运作与保障机制。具体为：加大知识产权行政执法和司法保护力度，提高园区高新技术企业的知识产权保护意识，协助企业主动进行知识产权诉讼或被控侵权后的纠纷调解，维护自身合法权益。同时，深化知识产权管理体制改革，推进知识产权资源整合，提高公共服务能力，培养与引进高素质知识产权专业人才，打造良好的知识产权软环境；在园区企业开展《企业知识产权管理规范》的贯彻落实工作，宣传知识产权国际动态，帮助企业建立科学的知识产权管理体系，提升知识产权综合管理与战略运用能力，获取并保持市场竞争优势。

4.4 D类国家高新区：低创造低应用型

D类国家高新区共有42家，占总数的36.8%。其中，东部地区17家，中部地区9家，西部地区8家，东北地区8家。这类高新区的知识产权创造与应用效率均低于全国平均水平，知识产权建设工作总体处于落后状态。

因此，D类高新区应明确自身定位及特点，重新制定知识产权战略，建立健全知识产权创造、保护、管理及应用机制，走差异化和跨越式发展路线，柔性汇聚创新资源与要素，集中力量进行技术研发，加快知识产权成果转化与市场落地，提高知识产权工作整体效能，在重点产业、特色领域实现创新牵引，进而带动高新区经济转型升级，从根本上扭转当前知识产权运作的不利局面。

5 结语

本文根据知识产权运作特点，在现有DEA模型基础上增加初始投入共享条件，构建了可变规模报酬假设下的共享投入型两阶段DEA模型，利用6个投入产出指标评价全国114家国家高新区的知识产权效率。实证结果表明：①构建的新DEA模型比标准BCC模型有着更好的效率区分度；②国家高新区的两阶段知识产权效率整体较低，各高新区发展不均衡，科技资源要素的投入产出存在巨大差距；③国家高新区子阶段的知识产权创造效率和知识产权应用效率均较低，自主创新水平和成果转化能力亟待提高。建议各高新区从知识产权创造及应用两个维度，结合当前实际状况，深入挖掘自身在知识产权运作中的优势与不足，调整战略方向，采取措施实现资源的优化配置，最大限度提高知识产权运作效率。

由于DEA是从有利于决策单元的测度角度评价效率问题，所得出的投入产出权重结构与共享资源的分配比例都是理想状态下的最优解。因此，共享投入型两阶段DEA模型在模拟国家高新区知识产权运作过程中，可能与真实情况存在一定偏差。未来研究可结合高新区现场调研、专家评估等手段，进一步限定各项指标权重与分配比例，使通过DEA测算出的知识产权效率值更贴近实际，使评价结果更加准确可靠。

[1] 科技部火炬高技术产业开发中心，中国高新区研究中心．国家高新区创新能力评价报告2016[M]．北京：科学技术文献出版社，2016．

[2] 杜晓君，张序晶．高科技企业知识产权管理绩效模糊综合评价[J]．研究与发展管理，2004，16(2)：80-88．

[3] 莫守忠，刘梦兰．企业知识产权绩效管理诊断模型的研究[J]．知识产权，2006，16(1)：43-45．

[4] NAMVAR M，FATHIAN M，AKHAVAN P，et al．Exploring the impacts of intellectual property on intellectual capital and company performance—The case of Iranian computer and electronic organizations[J]．Management Decision，2010，48(5)：676-697．

[5] 杨晨，孙旋．SCP 视角下区域知识产权战略实施绩效探析[J]．科技进步与对策，2011，28(5)：40-44．

[6] 陈菊红，王绒，同世隆，等．基于模糊物元分析法的区域知识产权战略绩效评估研究——以陕西省为例[J]．科技管理研究，2015(20)：166-180．

[7] 王振宇，於超．区域工业企业的知识产权运营效率对比研究[J]．科技管理研究，2016(20)：164-169．

[8] 肖永红，张新伟，王其文．基于层次分析法的我国高新区创新能力评价研究[J]．经济问题，2012(1)：31-34．

[9] 徐嘉祺，贾金荣．基于Thurstone因子分析的我国高新区绩效评价研究[J]．求索，2013(11)：9-11．

[10] 许陈生．基于DEA的我国高新区相对效率评价[J]．科技进步与对策，2007，24(8)：117-119．

[11] 付赟，方德英．我国高新区自主创新能力的自适应评价与分析[J]．科技进步与对策，2009，26(8)：112-115．

[12] 冯楚建，唐恒，付丽颖．医药企业知识产权管理与绩效分析——基于国家高新技术开发区的调查[J]．科技进步与对策，2012，29(3)：104-109．

[13] 施学哲，杨晨，徐军海等．高新园区知识产权管理与服务绩效评价指标体系构建及研究[J]．中国科技论坛，2016(2)：154-160．

[14] 魏权龄．评价相对有效性的数据包络分析模型——DEA和网络DEA[M]．北京：中国人民大学出版社，2012．

[15] CHEN Y，LIANG L，YANG F，et al．Evaluation of information technology investment: A data envelopment analysis approach[J]．Computers & Operations Research，2006，33(5)：1368-1379．

[16] 陈凯华，官建成．共享投入型关联两阶段生产系统的网络DEA效率测度与分解[J]．系统工程理论与实践，2011，31(7)：1211-1221．

[17] CHARNES A，COOPER W W．Programming with linear fractional functionals[J]．Naval Research Logistics Quarterly，1962，9(3-4)：181-186．

Evaluation on Intellectual Property Efficiency of National Hi-tech ZonesBased on Two-stage DEA Model with Shared Inputs

(School of Business Administration, South China University of Technology, Guangzhou 510640, China)

Abstract ：According to the operational characteristics of intellectual property, dividing the whole process of intellectual property into two stages, including intellectual property creation and intellectual property application. Building a two-stage DEA model with shared inputs under the hypothesis of variable returns to scale and evaluating intellectual property efficiency of 114 national hi-tech zones in our country. The results show that overall intellectual property efficiency and two sub-stage intellectual property efficiencies of national hi-tech zones are both at a low level. The development degree among hi-tech zones is out of balance and there is great gap about the inputs and outputs of innovation resources. Meanwhile, according to the evaluation results, dividing national hi-tech zones into four types, including low-creation-high-application, high-creation-low-application, high-creation-high-application and low-creation-low-application based on their operational characteristics of intellectual property. Then, putting forward some specific suggestions on their development.

Key Words:Intellectual Property Efficiency; National Hi-tech Zones; Two-stage DEA Model; Shared Inputs

基金项目：广东省知识产权局软科学研究计划项目(GDIP2016-G5)

作者简介：周霞(1964-)，女，江苏泗阳人，博士，华南理工大学工商管理学院教授、博士生导师，研究方向为技术创新管理、人力资源管理；盘颖(1993-)，女，广西柳州人，华南理工大学工商管理学院硕士研究生，研究方向为技术创新管理、人力资源管理。