不同经济发展水平下创新要素对产业创新绩效的影响及政策启示

对于不同经济发展水平地区，哪些创新要素对创新绩效的贡献更大？这个问题关系到政策设计者如何推动战略性新兴产业布局及发展这一重大国家战略。当前，鲜有文献从经济环境角度考虑战略性新兴产业创新要素投入与创新绩效间的关系。新一代信息技术产业是为国民经济各行业提供支持的战略性基础产业，承担着连接各行各业并与各行各业融合的重任。《全球创新指数》将信息通信技术作为基础设施，纳入评价创新投入次级指数中，可以看出新一代信息技术产业在创新进程中的重要位置。我国将新一代信息技术产业列入七大战略性新兴产业之一，各地区纷纷响应国家号召出台相应规划与政策。但我国存在地区经济发展水平不平衡情况，对于不同经济发展水平地区，推动产业创新发展的创新要素不同。如何通过不同政策环境更有针对性地引导不同经济发展水平地区创新要素实现高效投入以提高创新绩效，这一问题还未引起足够关注。

因此，本文以新一代信息技术产业为例，依据人均GDP指标区分地区经济发展水平，通过实证研究，识别出不同经济发展水平地区中影响创新绩效的有效创新要素，进而为制订有效的创新政策提供依据。

1 文献回顾

将创新要素与创新绩效指标化以获得可以测量的统计数值很有必要。有学者指出以要素指标化为基础进行研究，可以有效评价产业创新系统投入产出效率，达到尽可能全面剖析不同创新要素对创新绩效的作用机理与效果[1]。现有研究大多采用这一方法对产业创新要素与创新绩效间关系进行实证研究，但没有取得一致性结论。部分学者从研发创新要素投入与创新绩效关系方面进行实证研究。Beneito[2]得出研发创新要素投入(包括资金与科研人员)与产业创新绩效正相关的结论；严焰和池仁勇[3]、马文聪等[4]得出研发资金投入与产业创新能力正相关的结论；Hus等[5]得出研发人员投入与产业创新能力正相关的结论；黄静等[6]得出研发人员投入对产业创新产出的贡献较小或相关性不明确的结论；Guan等[7]指出，不同产业研发创新要素投入对创新产出的影响不同，部分产业存在研发创新要素投入与创新产出负相关。部分学者研究技术引进、技术改造、购买国内技术和消化吸收经费等非研发创新要素投入对创新绩效的影响。如肖兴志和谢理[8]研究发现，技术引进投入对战略性新兴产业创新效率的影响并不显著；冯锋等[9]对高技术产业面板数据的实证分析表明，技术非研发投入可以显著提高创新效率。还有学者发现，不同创新要素投入对创新绩效指标影响不同。如方大春等[10]发现，新产品研发支出对新产品销售收入创新产出贡献较大，但在以专利申请数作为创新产出指标的分析中，研发人员全时当量贡献度较大；曹勇等(2010)发现，研发人员投入可增加主营业务收入，但降低了新产品销售收入。

经济发展水平影响产业创新要素投入效果，有学者提出“极化效应”理论。该理论指出：当一个地区达到一定的经济发展水平时，就能够通过自身对信息、技术、资金等资源的吸引能力，使其得到进一步发展[11]。极化效应会加剧不同经济水平区域产业发展水平不平衡。然而，关注不同经济发展水平下创新发展的相关研究较少。张涵(2017)采用欧盟数据建立空间面板模型进行实证研究，得出经济水平有利于促进欧盟创新的结论；范德成和李盛楠[12]采用30省份面板数据，利用随机前沿模型进行研究，发现加快经济发展是提高区域创新效率的根本途径。现有对不同地区创新发展的研究主要按空间地域分布(中部、东部、西部)划分，发现相同创新要素投入对不同地区创新产出效率影响不同，且存在很大差异[13]。

通过文献回顾发现，在创新要素与创新绩效关系研究中，对要素投入指标与产出指标间关系缺少全面分析。例如，大多数研究只考虑研发内部资金投入，在一定程度上忽视了研发外部资金投入这一重要创新要素。《工业企业科技活动年鉴》将研发外部资金投入指标定义为：“代表企业委托外单位或与外单位合作进行研发活动而拨付给对方的经费。”可见，研发外部经费支出体现了产学研合作状况，是创新发展不可缺少的重要因素。此外，现有研究对不同经济发展水平地区创新要素资源分配的定量研究较少，而我国各省市地区经济发展水平存在很大差异，这给政策实施效果带来了不确定性[14]。因此，如何作出更有针对性的创新要素投入分配决策是亟待解决的问题。

为此，本研究从创新要素对创新绩效影响的角度，进一步完善创新绩效评价体系，探究不同经济发展水平地区在新一代信息技术产业创新发展过程中创新要素对创新绩效的影响，并提出针对性政策建议。

2 变量选取与模型设定

2.1 概念界定

创新要素是影响创新活动最基本、最重要、最直接的因素，通过创新要素的协作、支撑、反馈等作用能够提升创新能力。学者们对创新要素从不同视角进行了划分：①从功能角度将创新要素划分为主体要素、支撑要素及市场要素[15]；②从与创新关联程度及作用方式角度将创新要素划分为直接要素、间接要素[16]，或划分为主要参与者、次要参与者及制度[17]；③从系统与环境角度将创新要素划分为创新主体要素、创新资源要素及创新环境要素[18]。这些分类角度虽然不同，但从内涵上均包含人才、技术、资本等因素。研发活动对推动战略性新兴产业生产率提高起着至关重要的作用。研发活动密集是战略性新兴产业的重要特征。因此，应首先考虑与研发活动相关的创新要素。创新是多要素共同作用的结果，仅用研发投入衡量创新要素投入远远不够(陈劲等，2006)，诸如外部技术、知识获取等非研发投入与自主研发间存在互补性，也是目前多数战略性新兴产业主要的技术创新路径。本文从研发投入及非研发投入两个方面表征创新要素。

创新绩效是创新主体在外部因素共同作用下进行创新活动最终产生的结果。早期对创新绩效的研究多采用单一指标衡量，有些学者采用专利数量衡量创新绩效[19-20]，有些学者选取新产品销售收入作为创新绩效衡量指标[21-22]。也有部分学者认为，创新绩效应该从产业创新链两阶段分别衡量[23-24]。创新链两阶段分别以新知识、新技术的产生以及新产品、新工艺的商品化和产业化为目的，对于创新链不同阶段，创新要素投入作用效果及期望的创新绩效明显不同。本文将创新链分为技术开发与成果转化两个阶段，分别衡量创新绩效。

2.2 指标选取

依据本文对创新绩效的概念界定并结合已有研究成果，选取并解释各变量的具体衡量指标，见表1。

(1)解释变量：创新要素投入主要包括研发投入和非研发投入。其中，研发投入主要包括研发经费投入和研发人员投入两个方面。研发经费内部支出及研发经费外部支出对产业创新绩效都有直接影响，因此选取二者作为研发资金投入的衡量指标，选用研发人员全时当量作为研发人员投入的衡量指标。非研发投入指标则选取技术引进、技术改造、消化吸收、购买国内技术经费4项指标[25]。

(2)被解释变量：申请授权的专利数相比于专利授权数可以有效减少由专利审批所产生的滞后性，同时能够全面反映创新要素投入产出效果。发明专利在原始创造力及技术含量上远高于实用新型专利和外观设计型专利。因此，本文选取申请授权的发明专利数作为技术开发阶段创新绩效评价指标，选择能体现创新成果商品化、产业化的新产品销售收入作为成果转化阶段创新绩效评价指标[26-29]。

2.3 模型设定

本文借鉴Griliches-Jaffe知识生产函数，结合研究内容构造创新要素对创新绩效影响的计量模型。

Cobb-Douglas生产函数改进模型在创新绩效研究中被广泛应用[30-31]。Griliches[32]提出知识生产函数概念，将R&D投入函数作为创新过程的产出。Jaffe将研发资本投入和人力资源投入引入Cobb-Douglas生产函数[33]，构建出Griliches-Jaffe知识生产函数。

其中，Q代表创新成果产出，K代表研发资本投入，L代表研发人员投入，α1、α2代表弹性系数，A为常数项。

根据研究内容，对Griliches-Jaffe知识生产函数进行改进，考虑到不同指标单位不统一带来的非线性问题，对所有数据进行对数处理，构造出如下计量模型：

LnY=C+α0LnRDNBJF+α1LnRDWBJF+α2LnRDRY+α3LnJSYJ+α4LnXHXS+α5LnGMGN+α6LnJSGZ+εt

其中，Y代表创新产出，C代表常数项，αi(i=0,1,2,3,4,5,6)代表投入要素弹性系数，RDNBJF代表研发经费内部支出存量，RDWBJF代表研发经费外部支出存量，RDRY代表研发人力投入，JSYJ代表技术引进经费投入，XHXS代表消化吸收经费投入，GMGN代表国内技术购买经费投入，JSGZ代表技术改造经费投入，εt表示模型随机扰动项。

3 实证研究

3.1 数据选取

对于新一代信息技术产业相关问题，很多学者从其包含的具体行业角度进行解读。由于新一代信息技术产业还没有专属的统计年鉴，因此需要选择相近行业作为依托行业进行研究。通过对《战略性新兴产业分类(2012)》及《高技术产业(制造业)分类(2013)》分别与《国民经济行业分类》(GB/T 4754-2011)行业代码进行对比，结果发现，新一代信息技术产业与电子及通信设备制造业存在紧密联系，新一代信息技术产业中的大多数行业集中于高技术产业中的电子及通信设备制造业，具体见表2。电子及通信设备制造业具有完善的统计数据，由该产业近似地代替新一代信息技术产业进行推断，具有理论代表性和现实可操作性。因此，本文将电子及通信设备制造业作为新一代信息技术产业的依托行业。

通过整理全国各主要省市《战略性新兴产业“十二五”规划》发现，其中明确将新一代信息技术产业作为产业主攻领域的省市共19个，分别是北京、天津、河北、辽宁、黑龙江、上海、江苏、浙江、安徽、福建、山东、河南、湖北、湖南、广东、广西、重庆、四川和贵州。结合这些省份在2006-2016年的电子及通信设备制造业面板数据，从样本中剔除关键指标数据缺失较为严重的山东、安徽和湖北。本文参考张涵(2017)、范德成和李盛楠[12]的方法，以人均GDP衡量区域经济发展水平。对16个省份依据2012年人均GDP大小进行排序，将人均GDP值为35 000元以上及35 000元以下的16个省份分为8个经济发展水平较高组及较低组，考察不同经济发展水平地区创新要素投入对新一代信息技术产业创新的影响。本文研究数据来源于《中国统计年鉴(2007-2017)》、《中国高技术产业统计年鉴(2007-2017)》。

3.2 数据处理

在数据处理过程中，考虑到通货膨胀等因素的影响，为使不同时期数值可以对比，对研发经费、非研发投入经费及新产品销售收入均进行价格折算。由于资本投入一般较大，使用周期也较长，考虑到经费投入可能对此后若干时期产生影响，故计算研发与非研发经费存量数据。新一代信息技术发展迅猛，其研发周期往往比其它战略性新兴技术短。因此，在实证分析中参考魏洁云等[34]的观点，认为该产业面板数据不需要考虑滞后效应且不会影响结果的真实可信度。对于部分缺失数据，采用平滑指数方法处理。第一步，对各省市研发及非研发投入经费均使用GDP平减指数将其折算成2000年价格，新产品销售收入采用价格指数折算成2000年价格；第二步，采用永续盘存法，计算研发与非研发经费存量数据，本文折旧率以常用的15%计算。

K2006=LK2006/(gi+δ)

Ki,t=(1-δ)Ki,t-1+LKi,t

其中，Ki,t表示i省t年的R&D存量，LKi,t表示研发与非研发资本支出流量，gi为省份i的资本支出平均增长率，δ为资本折旧率。此外，为消除变量异方差的影响，对所有指标变量数据取对数。

3.3 回归分析

本文运用Eviews软件进行数据分析，由于均采用产业层面数据，因此可能存在由于时间趋势造成的伪回归现象。为确保回归模型估计结果的有效性，回归分析前首先对面板数据进行平稳性检验。检验结果显示，经过一阶差分，所有变量平稳。为验证协整关系，对模型中各变量进行协整检验，检验P值均小于0.05，通过5%显著性水平检验。这说明，专利申请、新产品销售收入与研发投入、非研发投入间存在长期稳定的均衡关系，可进一步进行面板回归分析。对样本进行固定效应F检验(redundant fixed text)及豪斯曼检验(Hausman test)，结果支持固定效应模型，在选择估计模型时为消除横截面数据异方差的影响，采用截面加权方法(cross-section weighs)及广义最小二乘法(GLS)进行估计。

4 结果分析

4.1 描述性统计结果

对标准化前的研发经费投入、研发人员投入、非研发投入等变量进行简单的描述性统计，得到上述各变量的均值、最大值、最小值及标准差，结果见表3。从中可以看出，不同经济发展水平地区投入存在显著差异，产业创新发展极不平衡。

4.2 回归估计结果

从回归估计结果中可以看出，调整后各方程的R2都比较高，说明各模型拟合度与解释度都较高。各方程的F值均比较大，都通过了显著性水平检验，说明各模型整体十分显著，结果见表4。由分组回归结果可见：

(1)在经济发展发展水平较高地区，对专利申请存在显著影响的指标有5个，从大到小依次是：研发人员全时当量(RDRY，α2=0.685 481，P<0.01)、研发经费内部支出(RDNBJF，α0=0.606 660，P<0.01)、购买国内技术(GMGN，α5=0.162 295，P<0.01)、技术引进(JSYJ，α3=0.133 488，P<0.01)以及消化吸收(XHXS，α4=0.045 646，P<0.05)。

(2)在经济发展发展水平较高地区，对新产品销售收入存在显著影响的指标有5个，从大到小依次是：研发人员全时当量(RDRY，α2=0.594 154，P<0.01)、研发经费外部支出(RDWBJF，α1=0.230 181，P<0.01)、技术引进(JSYJ，α3=0.0.201 054，P<0.01)、研发经费内部支出(RDNBJF，α0=0.150 963，P<0.01)以及购买国内技术(GMGN，α5=0.060 609，P<0.01)。

(3)在经济发展水平较低地区，对专利申请存在显著影响的指标有3个，从大到小依次是：研发经费内部支出(RDNBJF，α0=0.774 449，P<0.01)、技术改造(JSGZ，α6=0.253 071，P<0.01)、技术引进(JSYJ，α3=0.071 511，P<0.01)。

(4)在经济发展发展水平较低地区，对新产品销售收入存在显著影响的指标有5个，从大到小依次是：消化吸收(XHXS，α4=0.669 971，P<0.01)、研发人员全时当量(RDRY，α2=0.482 985，P<0.01)、研发经费外部支出(RDWBJF，α1=0.141 653，P<0.01)、研发经费内部支出(RDNBJF，α0=0.138 349，P<0.01)、技术改造(JSGZ，α6=0.054 872，P<0.05)。

注:***表示在1%水平下显著，**表示在5%水平下显著，*表示在10%水平下显著性；括号内为t检验值

4.3 结果讨论

本文选取2006-2016年新一代信息技术产业统计数据，探讨不同经济发展水平下创新要素投入与创新绩效的关系，得出以下研究结论：

(1)就经济发展水平较高地区技术开发阶段而言，研发人员投入是提升该地区新一代信息技术产业创新绩效的主要推动力。新一代信息技术属于知识密集型产业，具有科技创新能力的人才是该产业核心竞争力的主要来源。《中国ICT人才生态白皮书》中指出，在信息产业领域，我国2017年信息技术产业人才总体需求缺口达765万人。研发经费内部支出承担着提升自主创新能力以及提高创新技术吸收能力的重任，也成为这一地区提高技术开发阶段创新绩效的主要驱动力。购买国内技术支出为这一阶段专利申请量提升作出了很大贡献，这可能与经济发展水平较高地区自身具有一定的知识积累有关，更容易在国内技术基础上通过吸收再创新获得创新专利产出。此外，企业通过出售技术可以冲抵研发支出成本并获取市场收益，这也会激发企业研发新技术、申请新专利的内在动力；其次，有效的创新要素投入指标是技术引进及消化吸收支出。

(2)就经济发展水平较高地区成果转化阶段而言，研发经费外部支出主要用于产学研合作创新，而企业、高校及科研院所协同创新尚未形成健全的合作机制，企业占据主导地位并倾向于通过产学研合作创新获得更多商业利益，使得有限资源大量用于研发能够快速适用市场的产品，从而成为提升该地区新一代信息技术产业新产品销售收入的主要驱动力之一。经济发展水平较高地区本身具有一定的研发能力，对于从国外引进的技术可以较快地活学活用到新技术、新产品上，从而有利于这一地区新产品销售收入提升。其次，有效的创新要素投入指标是研发经费内部支出以及购买国内技术支出。

(3)就经济发展水平较低地区技术开发阶段而言，除研发经费内部支出为该地区专利申请量的主要驱动力外，技术改造也为新一代信息产业技术专利产出作出了很大贡献，技术改造主要通过使用新知识、新工艺、新材料等对旧技术、旧设备、旧生产条件进行改良。对于经济发展水平较低地区，技术改造可以充分利用现有技术，有效延长技术生命周期，其具有风险低、工期短、见效快等特点，因此可以降低企业创新生产成本，较快产出创新成果，较适用于目前尚不具备突破性创新能力的经济发展滞后地区。技术引进也是促进该地区技术开发阶段创新绩效的驱动力之一，技术引进通常选择一些我国难以通过研发自给的关键技术，如集成电路技术、芯片技术等，在这些领域，我国技术基础相对薄弱，掌握的技术与国外先进技术“势差”较大；同时，经济发展水平较低地区科研人员“含金量”比例也较低，因此对引进技术的吸收能力相对较弱，但依然对信息技术产业有积极影响，说明经济发展水平较低地区能够通过技术引进方式从先进技术中得到技术开发阶段创新成果。

(4)就经济发展水平较低地区成果转化阶段创新绩效而言，消化吸收成为新一代信息技术产业获取新产品销售收入的主要推动力。可能原因在于：在经济水平发展较低的地区，企业为取得更好经济效益，更倾向于将消化吸收支出重点放在可以提高销售收入的地方。研发经费外部支出也对新一代信息技术产业新产品销售收入具有显著贡献，这与其更倾向于将有限经费用于研发能够快速获得市场回报的技术有关。其次，有效的创新投入要素是研发经费内部支出及技术改造支出。

5 政策启示

基于上述研究结论，本文提出以下政策建议：

(1)对于经济发展水平较高地区，新一代信息技术产业已经具备一定的知识储备、技术创新能力等，同时也能够对引进技术及购买技术进行很好的消化吸收再创新。因此，针对该地区，政策重点应落实在加大对研发人员及研发资金投入以及技术引进、购买国内技术支持等方面，使该地区新一代信息技术产业发挥出现有资源优势与创新能力优势；同时，也能够积极获取先进技术，通过消化吸收再创新，实现创新投入要素效益最大化。

(2)对于经济发展水平较低地区，由于新一代信息技术产业处于发展初期阶段，创新能力受限于自身理解吸纳能力，很难实现突破。因此，该地区政策重点应落在加大研发投入上，提升自身知识水平并加大消化吸收投入，以更好地理解、掌握获取到的新技术，同时为新一代信息技术产业技术改造提供便利的政策环境。

应考虑不同地区经济水平及新一代信息技术产业发展水平，及时完善和调整相关政策，通过营造良好的发展环境，为新一代信息技术产业创新发展提供有力支撑，抓住发展机遇，突破制约我国新一代信息技术产业发展的瓶颈，实现我国信息产业对发达国家的赶超。

如何更好地通过政策扶持新一代信息技术产业创新发展，使政策工具作用在强有效的创新资源投入要素上，将是本文后续重点研究方向。

[1] 刘婧姝,刘凤朝.产业技术创新能力评价指标体系构建研究[J].科技和产业,2007,7(11):8-12.

[2] BENEITO P.Choosing among alternative technological strategies: an empirical analysis of formal sources of innovation[J].Research Policy, 2003, 32(4): 693-713.

[3] 严焰,池仁勇.R&D投入、技术获取模式与企业创新绩效——基于浙江省高技术企业的实证[J].科研管理,2013,34(5):48-55.

[4] 马文聪,侯羽,朱桂龙.研发投入和人员激励对创新绩效的影响机制——基于新兴产业和传统产业的比较研究[J].科学学与科学技术管理,2013,34(3):58-68.

[5] HSU Y H, FANG W.Intellectual capital and new product development performance: the mediating role of organizational learning capability[J].Technological Forecasting & Social Change, 2009, 76(5): 664-677.

[6] 黄静,吴和成,李慧.基于面板数据的高技术产业R&D投入产出关系研究[J].科技进步与对策,2010,27(16):58-62.

[7] GUAN J C, YAM R C M, MOK C K, et al.A study of the relationship between competitiveness and technological innovation capability based on DEA models[J].European Journal of Operational Research, 2006, 170(3): 971-986.

[8] 肖兴志,谢理.中国战略性新兴产业创新效率的实证分析[J].经济管理,2011,33(11):26-35.

[9] 冯锋,马雷,张雷勇.外部技术来源视角下我国高技术产业创新绩效研究[J].中国科技论坛,2011,10:42-48.

[10] 方大春,张凡,芮明杰.我国高新技术产业创新效率及其影响因素实证研究——基于面板数据随机前沿模型[J].科技管理研究,2016,36(7):66-70.

[11] MYRDAL G.Economic theory and underdeveloped regions[M].London: Duekworth, 1957.

[12] 范德成,李盛楠.考虑空间效应的高技术产业技术创新效率研究[J].科学学研究,2018,36(5):901-912.

[13] 白俊红,蒋伏心.协同创新、空间关联与区域创新绩效[J].经济研究,2015,50(7):174-187.

[14] LIANG H, DONG L, LUO X.Balancing regional industrial development: analysis on regional disparity of China’s industrial emissions and policy implications[J].Journal of Cleaner Production, 2016, 126: 223-235.

[15] 欧庭高,邓旭霞.创新系统的要素与纽带[J].系统科学学报,2007,15(3):37-41.

[16] 谢富纪,朱苑秋.我国三大都市圈创新要素配置分析[J].技术经济,2008,27(2):16-21.

[17] 赵涛,高永刚.我国高新技术产业集群的创新体系研究[J].科学管理研究,2004,22(2):21-23+63.

[18] 刘新艳,陈圻,张新婷.创新要素对新兴产业的牵引分析[J].科技进步与对策,2011,28(24):50-54.

[19] 晁艺璇,王崇锋,刘欣荣.基于合作创新网络视角的创新策略选择研究——以ICT产业为例[J].软科学,2018(6):39-44.

[20] 张永安,胡佩.交互效应视角下政府补助、内部资源与创新绩效关系研究——以战略性新兴产业上市企业为例[J].科技进步与对策,2019,36(18):68-77.

[21] 陈恒,侯建,陈伟.内外部知识源化、非研发对创新绩效影响的空间计量研究——以高技术产业为例[J].科技进步与对策,2018,35(8):60-69.

[22] 王莉静,王庆玲.高技术产业技术引进消化吸收再创新分阶段投入与产出关系研究——基于分行业数据的实证研究[J].中国软科学,2019,337(1):189-197.

[23] 刘和东,陈程.中国原创性高新技术产业技术效率测度研究——基于创新链视角的两阶段分析[J].科技进步与对策,2011,28(12):119-124.

[24] 冯泽,陈凯华,戴小勇.研发费用加计扣除是否提升了企业创新能力——创新链全视角[J].科研管理,2019(10):73-86.

[25] 温科,张贵.产业创新行为对产业空间关联的作用——基于京津冀规模以上工业数据比较分析[J].科技进步与对策,2019,36(15):59-68.

[26] 杨武,杨大飞,雷家骕.R&D投入对技术创新绩效的影响研究[J].科学学研究,2019,37(9):1712-1720.

[27] 李晓龙,冉光和,郑威.科技服务业空间集聚与企业创新效率提升——来自中国高技术产业的经验证据[J].研究与发展管理,2017,29(4):1-10.

[28] 黄鲁成,黄斌,吴菲菲,等.航空航天器制造业创新投入与产出关系研究[J].科研管理,2017,38(2):59-67.

[29] 陈元志,陈劲,吉超.中国不同类型企业技术创新效率的趋势与比较[J].科研管理,2018,39(5):1-10.

[30] GAO X, ZHAI K Y.Performance evaluation on intellectual property rights policy system of the renewable energy in China[J].Sustainability, 2018, 10(6): 2097.

[31] GENG D Q, WANG L, YIN Z Y.Intelligent analysis on the factors influencing the innovation and development performance of high-tech industry in China, based on two-stages model[J].Journal of Intelligent & Fuzzy Systems, 2018, 35(3): 2703-2709.

[32] GRILICHES Z.Issues in assessing the contribution of research and development to productivity growth[J].Bell Journal of Economics, 1979, 10(1): 92-116.

[33] JAFFE A B.Real effects of academic research[J].American Economic Review, 1989,79 (5): 957-970.

[34] 魏洁云.论不同技术来源对企业创新绩效的影响[J].商业经济研究,2016(11):109-111.