0 引言

创新型产业集群是指围绕战略性新兴产业，通过制度建设和机制创新，以科技资源带动各种生产要素和创新资源集聚，形成以科技型中小企业、高新技术企业和创新人才为主体，以知识或技术密集型产品为主要内容，以创新组织网络、商业模式和创新文化为依托的产业集群。建设创新型产业集群能够有效整合区域创新主体和要素，是推进区域创新的重要途径。创新型产业集群的总体目标，是把发展科技型企业与地方经济发展、国家战略导向相结合，强化科技服务经济能力，培育、壮大一批具有较强区域带动性的特色支柱产业，为加快转变区域经济发展方式提供强有力的科技支撑[1]。

在我国创新型产业集群中，中小企业是基本主体，制造业是主要行业，沿海发达地区是主要分布地区，存在制度环境不完善、层次偏低、分工协作水平较低等问题[2]。探索创新型产业集群各自的效率与能力，研究其整体布局情况，有助于挖掘创新型产业集群内部潜力，优化外部环境资源配置的正面影响，为创新型产业集群管理部门提供决策参考。

1 文献综述

创新型产业集群在推动区域发展、调整产业结构方面扮演着重要角色。沈小平等[3]从3个视角分析创新型产业集群形成的因素，进一步从自组织和他组织动力系统两个方面提出动力要素作用机制。提升创新型产业集群发展绩效，关键是要积极促进园区集群化成长，推动园区主导产业垂直一体化，完善园区内社会化服务体系，重塑科学园区创业文化，转变科学园区管理模式[4]。可从确定集群文化生态战略、调整集群文化生态位以及建立成员文化间交流融合机制等方面，促进创新型产业集群多中心网络文化生态形成[5]。唐勇等[6]对广东省不同地区创新型产业集群创新效率进行测度，发现不同地区创新型产业集群之间创新效率整体较高但存在差异，而且集群间创新平台建设差距较大。

近年来三阶段DEA被广泛应用，成为效率测度的有效方法之一。Coelli[7]提出DEA-Tobit分析模型，又称两阶段DEA法，以第一阶段求出的效率值为因变量，以环境因素为自变量建立Tobit回归模型，分析环境因素对结果的影响。Kao & Hwang[8]用两阶段DEA方法将整体决策过程分为两个连续的子过程，以确定无效率的因素。两阶段DEA能够分析环境因素影响下的效率值，但仍没有剔除环境变量的影响。Fried等[9]提出应用随机前沿分析(SFA)理论的三阶段DEA模型，其可更加准确地反映各决策单元的效率情况。刘满凤与李圣宏[10]采用三阶段DEA对我国高新技术开发区创新效率进行研究，结果表明长三角和珠三角地区创新效率最高，其次为东北和环渤海地区，最差的是西部和中部地区，环境因素严重制约了中西部地区高新区创新效率。刘伟[11]基于三阶段DEA模型，在控制环境因素基础上测算高新技术产业的研发创新效率，结果表明，剔除环境因素之前规模效率被高估，纯技术效率被低估。白俊红[12]运用三阶段DEA研究我国区域创新效率，结果表明我国整体创新效率较低，主要原因是规模效率不高。

突变级数法是一种对评价目标进行排序分析的综合评价方法。张玉喜[13]基于突变级数法及动态模型，分别从静态和动态两方面，评价区域创新型企业柔性；文畅平等[14]基于突变级数法和动态模型的区域企业柔性评价；陈晓红等[15]提出了一种基于突变级数法的中小企业成长评价模型，对成长性排名进行必要的经济性分析；李柏洲、苏屹[16]构建改进突变级数模型，对全国省市进行实证研究，验证宏观经济政策调控有效性，从自主创新力、效益贡献力、国际竞争力建立评价指标体系，对样本区域能力进行评价[17]；胡树华、解佳龙[18]以产业评价“三力模型”为依据，实证发现国家高新区已进入了六层分化的非均衡异化阶段。我国中心城市发展质量“三力”同步均衡异化趋势与板块级别梯度递减特征叠加，呈现5种发展特征阶段。对于能力与效率综合评价体系，可通过构建组合矩阵来完成，基于能力和效率构成的能效组合矩阵，以聚类分布的固强补弱为出发点设计对应的创新路径，也可以按R&D创新和转化效率值高低，将R&D活动模式分为高创新高转化、高创新低转化、低创新高转化、低创新低转化4种模式。

2 研究方法

2.1 三阶段DEA

本文运用Fried提出的三阶段DEA模型，剔除环境因素与随机躁声对决策单元效率结果的干扰，研究创新型产业集群效率，该模型包括以下3个步骤：

第一阶段：用传统DEA模型分析初始效率。该阶段一般采用投入导向的DEA模型，也就是BCC模型。BCC模型得出的效率为综合效率，综合效率可以分解为纯技术效率与规模效率。这3种效率可以利用Deap2.1软件得到，并且从运行结果中能够计算出第二阶段所需各种投入的松弛变量。

第二阶段：用似SFA模型剔除外部因素。第一阶段得到的松弛变量反映的是各个决策单元初始的低效率,低效率由环境因素、管理无效率以及随机噪声构成，通过类似于SFA的方法将这3个部分进行分离。将每一个投入的松弛变量分别作为被解释变量，将环境因素作为解释变量，构建似SFA模型(1)。

Sij=f(Zj;βi)+νij+μij

i=1,2,…,m;n=1,2,…,n

(1)

函数表达式(1)中，Sij表示第i个决策单元第j项投入的松弛变量值，zj表示环境变量，βi表示环境变量的系数，νij和μij分别表示随机噪声项、管理无效率。还需要运用frontier4.1软件对模型的适用性进行检验并对参数进行估计。当LR的值大于临界值时，模型设定合理；当LR的值小于临界值时，采用OLS对模型参数进行估计即可。

得出模型参数后，可使用罗登跃[19]的公式得到μij的估计量，再通过E[vij/εij]=Sij-f(zj;βi)-E[uij/εij]得出vij的估计量。利用调整公式根据SFA模型回归结果对投入量进行调整，公式如下：

(2)

式(2)中，为调整后的投入；Xij为原始投入；表示所有决策单元都处于最差的环境中时，各个决策单元所需增加的投入量；max(νij)-νij表示使所有决策单元处于相同运气水平下所需增加的投入量。

第三阶段：调整后投入变量DEA效率评价。将调整后的投入变量，再次运用deap2.1软件进行效率分析，此时得到的效率值剔除了环境与随机噪声因素的影响。

2.2 突变级数法

突变级数法较为客观地对指标间相对重要性进行了权衡，而不是对指标采用固定权重，避免主观判断失误，使结果更具科学性与合理性。突变级数法一般分为4个步骤，对总体指标进行综合评判。

(1)建立递阶层次的指标体系。依照评价目的以及评价目标自身特点，将难以量化的指标进行层层分解，直至分解为具体可以量化的指标。对每一层指标进行相对重要性判断，确认指标先后顺序。

(2)确定突变系统模型。最常见的是尖点突变模型、燕尾突变模型、蝴蝶突变模型3种，具体如表1所示。将指标间整体树状图画出，再依据表1各类突变模型的特点，得出各个指标所属的突变模型。

(3)推导出归一公式。在实际推导与运算过程中，需要对控制变量进行标准化处理。当指标为固定型指标时，当指标为成本型指标时，当指标为收益性指标时，其中，xij表示第i个样本的第j项指标，xj*表示所有第j项指标中效果最好的固定值。

(4)利用归一公式进行综合评判。当指标之间为非互补型时，采用大中取小原则；当指标之间为互补型时，则计算平均值；当指标间超过一定阈值才具有互补性时，按照过阈值后取平均值计算。得到各xi后，比较总指标大小。

3 指标选取与指标体系构建

本文借鉴区域和产业创新能力评价体系[16-18]，聚焦于创新型产业集群，构建效能指标体系，分析创新型产业集群效率与能力。

3.1 创新型产业集群效率指标选取

创新型产业集群效率研究不仅涉及到多投入多产出指标体系构建，还包含环境变量选取与筛选。创新型产业集群各自效率主要体现在资金收益与知识产权拥有数上。因此，在三阶段DEA的第一阶段中，选取各创新型产业集群高新技术企业数、年末从业人员数、年末资产(创新型产业集群年末从业人员数*所在省市创新型产业集群年末总资产/所在省市创新型产业集群年末总从业人员数，单位：千元)作为投入变量，选取营业收入(千元)、当年发明专利数(件)作为产出变量。依据创新型产业集群政策文件，选取出口总额(千元)、孵化基金(创新型产业集群年末从业人员数*所在省市创新型产业集群孵化基金数/所在省市创新型产业集群年末总从业人员数，单位：千元)、创新型产业集群孵化器个数、产业联盟组织数、生产力促进中心收入(千元)等5个指标作为环境变量。

3.2 创新型产业集群能力指标选取

本文立足于创新型产业集群现状，采用自主创新力、效益贡献力以及国际竞争力三力模型，“三力”代表创新型产业集群的不同方面，支撑创新型产业集群建设发展。根据数据可获取性和可操作性完善相关指标体系，将3个一级指标量化为11个具体的二级指标，综合评估创新型产业集群能力，指标体系如图1所示。此外，指标选取在创新型产业集群能力评价中相当重要。因此，采用因子分析法对各项指标重要性进行排序，进而确定指标体系各项指标权重。

自主创新力、国际竞争力与效益贡献力之间是互补型燕尾突变模型，自主创新力下各项指标间是互补型燕尾突变模型，效益贡献力下各项指标间是非互补型蝴蝶突变模型，而国际竞争力下各项指标之间是互补型蝴蝶突变系统。3种能力之下各项指标的先后顺序不可随意排列，采用因子分析对各项指标进行重要性判断，将更具影响力的指标放在前面。在将最底层指标汇聚到第二层指标时，也需对三力指标进行因子分析以确定先后顺序，在作因子分析时需要针对数据的不同特性对指标进行不同方式的标准化处理。再依据突变级数法的步骤，可得最终能力值的相对大小。

创新型产业集群一般以国家高新区为重点，在高新区内开展集群建设工作，与之协同发展，进而实现产业转型升级，提升产业竞争力。本文选取70个创新型产业集群进行分析，其中约有38家创新型产业集群在高新区内成长建设，占比超过50%，能够在一定程度体现国家高新区产业集聚能力。本文所用数据均来源于《2017中国火炬年鉴》，数据具有可操作性与科学合理性。

4 实证研究

4.1 三阶段DEA效率结果分析

使用Deap4.1软件对各创新型产业集群初始效率进行分析，完成三阶段DEA第一阶段。在第二、三阶段下，使用frontier软件剔除掉环境因素与随机扰动项对各地区效率的影响。将所有创新型产业集群都放在相同的最恶劣环境中，得到其调整后效率，结果如表2所示。

(1)传统DEA模型初始效率分析。 在不考虑环境因素与随机噪声项的干扰时，DEA有效的创新型产业集群有太原不锈钢创新型产业集群、大连信息技术及服务创新型产业集群、大庆高新区高端石化创新型产业集群、苏州工业园区纳米新材料创新型产业集群、泉州微波通信创新型产业集群。整体情况下，规模效率均值0.894大于纯技术效率均值0.527，说明创新型产业集群内部集群效应比技术创新带来的能动效应在企业效益上的转化效率更高。该效率结果凸显了创新型产业集群的集群性，而非创新性。

本文选取高新技术企业数、年末从业人员数、年末资产数的冗余值作为被解释变量，出口额、孵化基金、孵化器个数、生产力促进中心收入、产业联盟组织数作为解释变量，构建相应模型。依据不同模型中解释变量对投入冗余量的正向或反向影响，构造相应投入的环境变量组织结构，以最优环境变量结构实现投入变量冗余值的减少，在此仅以正负号表示环境变量对投入冗余值的影响方向，如表3所示。

(2)调整后效率分析。 剔除外部因素(随机噪声项与环境因素)的影响后，DEA有效的创新型产业集群由5个变为3个(泉州微波通信创新型产业集群、深圳高新区下一代互联网创新型产业集群、惠州云计算智能终端创新型产业集群)。这说明外部因素的存在确实使部分创新型产业集群的效率值呈现虚高或虚低状态。调整前综合效率平均值为0.463，调整后综合效率平均值为0.337，综合效率整体是下降的；调整前纯技术效率平均值为0.527，调整后纯技术效率平均值为0.985，说明在摒弃外界因素的影响下，创新型产业集群内部的纯技术效率实际上较为良好；与初始效率所体现的结果刚好相反，规模效率的平均值为0.343，小于纯技术效率的均值0.985，体现了创新型产业集群的技术创新性。

无论是调整前还是调整后，规模效率为1的决策单元个数均比纯技术效率为1的决策单元个数少，说明创新型产业集群达到规模效率有效比实现纯技术效率有效更为困难。规模收益在调整后大多呈现规模效益递增的情况，只有泉州微波通信创新型产业集群、深圳高新区下一代互联网创新型产业集群以及惠州云计算智能终端创新型产业集群，依旧维持规模效益不变，说明外部因素对它们没有产生实质性干扰。因此，在不考虑环境因素的影响下，大多数创新型产业集群都能通过扩大其规模提高综合效率。

(3)调整后效率呈现空间分异。 调整后的效率存在明显的区域效应。纯技术效率为1的创新型产业集群有19个，其中，长江中下游地带有4个，南部沿海地区(福建、广东、广西)有3个，京津冀城市集群有4个，分别占比21.1%、15.8%、21.1%。3个地区总占比为57.9%，说明纯技术效率有效的创新型产业集群主要集中在这3个地区。

而规模效率为1的创新型产业集群全部位于南部沿海地区的福建、广东两省。长江中下游地区、南部沿海地区与京津冀城市集群的平均综合效率分别为0.263 4、0.551 4、0.599 6。总体平均综合效率值为0.337，3个地区中只有长江中下游地区的平均综合效率低于平均值。长江中下游地区纯技术效率有效的创新型产业集群个数较多，说明其纯技术效率情况尚佳，而综合效率低于平均值只能是规模效率较低造成的。对比长江中下游地区平均规模效率0.262与总体平均规模效率0.343，发现长江中下游地区的平均规模效率低于总体平均水准。而长江中下游地区23个创新型产业集群的规模效率中，只有5个高于总体平均规模效率，表明长江中下游地区创新型产业集群之间的规模效率总体处于较低状态，没有严重的两极分化现象。由此可见，无论是纯技术效率、规模效率还是综合效率，其高低情况都存在一定的区域集中性。

4.2 基于突变级数法与三力模型的能力评价

依据所建立的创新型产业集群三力模型指标体系，利用突变级数法可得到70个创新型产业集群的自主创新力、国际竞争力、效益贡献力排名以及综合能力评价情况，如表4所示。

(1)自主创新力结果分析。 在自主创新力方面，深圳高新区下一代互联网创新型产业集群位列第一，杭州、成都的数字型产业集群排名紧随其后，这3个产业集群的自主创新能力代表着我国创新型产业集群的最高水平。当前互联网经济迅猛发展，互联网行业不断进行技术创新，以适应时代要求。

总体来看，排名前50%的创新型产业集群中，有13个位于长江中下游一带，5个位于南部沿海地区，6个位于京津冀城市群，占比分别为37.1%、14.3%、17.1%，这3个地区自主创新能力总体水平在全国范围内处于较高水准，而长江中下游地区自主创新力总体水平相较于其它两者而言稍强。在排名前50%的创新型产业集群中，这三者的自主创新力平均水平依次为0.503、0.61、0.496，均高于0.431的总体平均水平。长江中下游地区自主创新力总体水平较高，但平均水平不及南部沿海地区，说明长江中下游地区自主创新力水平依旧存在发展不均衡现象，而南部沿海地区较为均衡。

(2)效益贡献力结果分析。效益贡献力主要包含对国家的税务支持力度以及对社会的就业贡献力度。所处行业不同，税收征收类型也不相同。创新型产业集群的行业性质以及自身盈利情况，决定了企业最终的税务数额。效益贡献力排名前3的分别是合肥基于信息技术的公共安全创新型产业集群、深圳高新区下一代互联网创新型产业集群、丰台轨道交通创新型产业集群。其中，第一位涉及公共安全信息技术产业，第三位是与电力相关的智能输出设备创新型产业集群，都与国家统一调度的行业、资源密切相关。

总体来看，排名前50%中有9个位于长江中下游地带，7个位于南部沿海 ，6个位于京津冀城市集群，占比分别为25.7%、20.0%、17.1%。长江中下游地区占比最大，京津冀地区占比次之，南部沿海地区占比数第3，表明长江中下游地区的效益贡献力比京津冀城市集群以及南部沿海地区的创新型产业集群强。在排名前50%中，这三者的效益贡献力的平均水平依次为0.528、0.533、0.494，均高于0.415的平均水平。长江中下游地区自主创新力的平均水平不及南部沿海地区，同时在效益贡献力方面，长江中下游地区在总体水平较高的情况下，存在发展不均衡现象。

(3)国际竞争力结果分析。 创新型产业集群国际竞争力主要体现为出口总额相关数据以及能体现国际竞争力的国家级水准。国际竞争力中排名第一的是惠州云计算智能终端创新型产业集群，其次为西安高新区军民融合通信创新型产业集群，以及深圳高新区下一代互联网创新型产业集群。排名第一与排名第三的创新型产业集群从事的行业均为互联网大数据，近年来发展迅猛，国际间科技输出态势良好。依据国家科学技术部发布的相关文件可知，西安高新区军民融合通信创新型产业集群的国际竞争力主要体现在其所拥有的国家级水准以及政策扶持上。

总体来看，国际竞争力排名前50%的创新型产业集群中，有12个位于长江中下游地区，7个位于南部沿海地区，6个位于京津冀城市集群，占比分别为34.3%、20.0%、17.1%。在排名前50%中，三者的国际竞争力平均水平分别为0.503、0.563、0.503，均高于0.385的平均水平。在国际竞争力中，长江中下游在排名较前的创新型产业集群中占比较大，但国际竞争力平均水平却在南部沿海地区与京津冀城市集群之后，与自主创新力及效益贡献力所呈现的结果一样，长江中下游地区内部发展不均衡。

(4)综合能力分析。 综合能力排名中，深圳高新区下一代互联网创新型产业集群位于首位，其次为杭州数字安防创新型产业集群、成都数字新媒体创新型产业集群，与自主创新力的结果相同。突变级数法中运用因子分析得到的结果是自主创新力在3种能力中占据主导地位，说明结果在一定程度上受到了方法的影响。而自主创新力较强的创新型产业集群中，国际竞争力也不弱，这两种能力之间并不存在非均衡异化现象。如图2所示，自主创新力、国际竞争力与综合能力大致呈现同步变化趋势。虽然局部区域存在不均衡，但是，创新型产业集群个体自身的自主创新力与国际竞争力之间大体上都是同步发展的，而效益贡献力水平与其它两力的发展并不同步，存在空间异化。效益贡献力发展与其它两力存在不同步现象，与各创新型产业集群的行业特质有着很大关系。

由创新型产业集群三力分析可知，创新型产业集群的自主创新力、效益贡献力与国际竞争力都存在区域带动效应。自主创新力、效益贡献力与国际竞争力排名较前的集群中，长江中下游地区占比都很大，均在25%～40%之间，而平均水平最高的都是南部沿海地区。在综合能力排名前50%中，长江中下游地区有10个，南部沿海地区有6个，京津冀城市群有6个，占比分别为28.6%、17.1%、17.1%。平均水平为0.806、0.824、0.793，均高于0.739的总体平均水平，与三力评价结果保持一致。在各区域中，以自主创新力、效益贡献力、国际竞争力高的集群为标杆，通过技术地区性技术转移等服务机构，带动地区创新能力发展。

4.3 各省市创新型产业集群效能模式

对创新型产业集群进行区域性分类，对各区域总体效能进行分析，可从各省市层面分析创新型产业集群效能，具体数据见表5。

以各省市效率与能力排名的中位数15为界，对29个省市的效能情况进行分类，可将效率与能力发展模式分为强能强效、强能弱效、弱能强效、弱能弱效4类，如表6所示。

强能强效创新型产业集群所在省市有9个：北京、天津、河北、浙江、广东、四川、陕西、广西、内蒙古。其中，东南沿海地区的省市有5个，占比55.5%，高能力高效率的企业大多聚集在我国东南沿海省份。东南沿海地区经济发展迅猛，科技资源等状况良好，在一定程度上促成了高能力高效率模式的形成。

强能弱效创新型产业集群所在省市有5个：安徽、山东、湖北、重庆、新疆。这些产业集群主要位于我国中西部地区，能力处于较高水平，但效率有待提高。丰富的资源让中西部地区缺少提高资源利用效率紧迫感，造成了能力高效率低的情况。寻求合理的管理模式，提高技术水平，摸索最佳生产规模，才能有效地由低效率模式向高效率模式转变。

弱能强效创新型产业集群所在省市有：江苏、福建、山西、黑龙江。这4个省份的产业集群在能力方面有所欠缺，但效率水平较高，说明这4个省份的创新型产业集群内部管理效益良好，资源可利用率高，但市场竞争力处于劣势地位。维持资源整合利用高效性的同时，兼顾自身科技研发、创新等市场竞争力，使两者达到同步发展，是低能力高效率模式下创新型产业集群前进的方向。

弱能弱效模式下创新型产业集群所在省份有10个：辽宁、江西、河南、贵州、云南、甘肃、湖南、上海、西藏、青海。这种模式下的创新型产业集群主要集中在我国西北部地区，但是，上海市发展重心主要在金融经济领域而非创新型产业集群，在此领域内并不具备优势地位。因此，其创新型产业集群所属模式是低能力低效率，符合客观认知。其它省市生产力发展较为落后，交通运输不便，科技资源难以转移并高效利用。在低能低效模式下，各产业集群应该先提高效率水平，再追求能力提升，逐个攻破。

注：按照表4将创新型产业集群进行编号，仅以序号作为集群代码

4.4 创新型产业集群效能空间分异

由创新型产业集群各省市研究结果可知，4种效能模式存在一定的区域聚集性。因此，有必要研究创新型产业集群效能在四大板块中的空间分异。由表7可知，我国创新型产业集群创新效率水平沿东部、东北、中部、西北4个板块依次递减，呈现出由沿海到内陆逐级递减的显著性地区差异。而创新型产业集群综合能力由东部地区、中部地区、西部地区、东北地区依次递减，呈现出由沿海至中西部再到北部的类环形递减趋势。但不论是效率，还是能力，都是沿海地区综合水平高于内陆地区，呈现出沿海-内陆的创新型产业集群效能异化现象。按照具体效能模式来分析，东部地区是高能力-高效率效能模式，中部地区是高能力-低效率效能模式，西部地区是低能力-低效率效能模式，东北地区是低能力-高效率效能模式。4个板块的效能模式，与各省份创新型产业集群中效能分类结果大致吻合。

5 结论及建议

本文采用三阶段DEA对创新型产业集群效率进行测度，选取突变级数法与三力模型评价创新型产业集群能力。在未剔除环境变量时，各创新型产业集群效率更多地体现在其规模效率上，效率结果凸显了各创新型产业集群的集群效应。在剔除环境变量后，综合效率总体呈现下降趋势，由调整前的平均综合效率值0.463下降为0.337。调整后的总体规模效率相比调整前的规模效率水平大幅度降低，而纯技术效率的总体水平有所上升，由调整前的平均纯技术效率值0.527上升为 0.985。调整后的创新型产业集群效率更加注重于创新性而非集群性。但无论是调整前还是调整后，规模效率为1的决策单元个数均比纯技术效率为1的决策单元个数少，说明对于创新型产业集群来说，达到规模效率有效比实现纯技术效率有效更加困难。

创新型产业集群效率呈高低空间分异，南部沿海地区各类效率值都较高。自主创新力、效益贡献力与国际竞争力较强地区主要分布在长江中下游地区、南部沿海地区与京津冀城市群。长江中下游地区内部三力发展存在不均衡现象，而南部沿海地区内部能力发展水平较为一致。综合能力排名第一的是深圳高新区下一代互联网创新型产业集群，其3种能力的排名在70个创新型产业集群中皆位列前茅。三力中，自主创新力与国际竞争力基本呈现同步发展态势，而效益贡献力因受到各创新型产业集群行业特质的影响，与其它两力的发展呈现非均衡异化特点。在创新型产业集群中，充分发挥自主创新力、效益贡献力、国际竞争力高的企业带动效应，通过技术地区性技术转移等服务机构，提高区域创新能力发展。

本文建议：①通过合理构建影响投入松弛变量的环境变量的资源配置结构，调整到最佳资源投入数量，以提高创新型产业集群效率。不同环境对创新型产业集群的投入松弛变量存在不同影响，依据创新型产业集群不同环境，合理配置资源结构，提高地区整体效率；②创新型产业集群效率与能力都存在区域性，可加强不同区域间创新型产业集群的科技资源与管理模式共享，通过“邻居效应”实现高效率、高能力的创新型产业集群对接。对于强能低效的创新型产业集群，应寻求合理管理模式，提高技术水平，摸索最佳生产规模，有效地由低效率模式向高效率模式转变。对于弱能高效模式下创新型产业集群，应维持资源整合利用高效性，同时，兼顾自身科技研发、创新等市场竞争力，使两者达到同步发展。而对于弱能弱效创新型产业集群，应先提高集群效率，再提升集群能力；③效率与能力的空间分布呈现沿海到内陆递减趋势。4个板块效能模式，大致与分省份创新型产业集群中效能分类结果一致。在发展不均衡问题上，应依托国家区域平衡战略，顺势制定创新型产业集群发展规划，弱化创新型产业集群效率与能力的空间分异。

参考文献:

[1] 科技部火炬中心.创新型产业集群建设工程实施方案[Z].国科火字[2011]153号,2011.

[2] 李佐军.创新型产业集群事关经济后续动力[J].中国制造业信息化,2009,38(2):53-56.

[3] 沈小平,李传福.创新型产业集群形成的影响因素与作用机制[J].科技管理研究,2014,34(14):144-148.

[4] 孙智慧,孙静,王伟.创新型产业集群发展绩效提升研究[J].东北大学学报：社会科学版,2014,16(4):366-370+376.

[5] 李进兵.集群内部文化生态变迁与我国创新型产业集群发展[J].科技进步与对策,2016,33(5):73-77.

[6] 唐勇,周霞,张骁.基于DEA-SBM/Malmquist的广东省创新型产业集群的创新效率研究[J].工业工程,2015,18(2):100-107.

[7] COELLI T,D S PRASADA RAO,G E BATTESE.An introduction to efficiency and productivity analysis[M].Boston: Kluwer Academic Publishers,1998.

[8] KAO C,HWANG S N.Efficiency decomposition in two-stage data envelopment analysis: an application to non-life insurance companies in Taiwan[J].European Journal of Operational Research,2008,185(1):418-429.

[9] FRIED H O,LOVELL C A K,SCHMIDIT S S，et al. Accounting for environment effects and statistical nosie in data envelopment analysis[J].Journal of Productivity Analysis,2002,17(1):157-174.

[10] 刘满凤,李圣宏.基于三阶段DEA模型的我国高新技术开发区创新效率研究[J].管理评论,2016,28(1):42-52+155.

[11] 刘伟.中国高新技术产业研发创新效率测算——基于三阶段DEA模型[J].数理统计与管理,2015,34(1):17-28.

[12] 白俊红,蒋伏心.考虑环境因素的区域创新效率研究——基于三阶段DEA方法[J].财贸经济,2011(10):104-112+136.

[13] 张玉喜,张倩.基于突变级数法和动态模型的区域企业柔性评价[J].科学学与科学技术管理,2017,38(12):97-108.

[14] 文畅平,肖宏彬,曾娟娟.基于突变级数法的滑坡稳定性评价[J].自然灾害学报,2015,24(2):68-73.

[15] 陈晓红,彭佳,吴小瑾.基于突变级数法的中小企业成长性评价模型研究[J].财经研究,2004(11):5-15.

[16] 李柏洲,苏屹.基于改进突变级数的区域科技创新能力评价研究[J].中国软科学,2012(6):90-101.

[17] 胡树华,兰飞.产业评价的“三力”模型分析[J].工业技术经济,2009,28(4):73-74.

[18] 胡树华,解佳龙.基于“三力模型”的国家高新区非均衡异化评价研究[J].中国科技论坛,2011(7):80-86.

[19] 罗登跃.三阶段DEA模型管理无效率估计注记[J].统计研究,2012,29(4):104-107.