我国工业Ramp;D生产效率和影响因素——基于省级大中型工业数据的实证分析，本文主要内容关键词为：工业论文,实证论文,省级论文,生产效率论文,因素论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
20世纪90年代以来，我国R&D投入大幅度增加，R&D强度（研发投入占GDP比率）从1996年的0.6%上升到2003年的1.3%。应当说，我国正处于R&D强度从1%到2-3%的科技起飞阶段[1]。然而，我国R&D投入总量在快速增加的同时，地区间的R&D投入和产出指标却呈现出巨大的差异。以2003年大中型工业为例，技术开发经费内部支出最高的地区广东省是最低的地区宁夏的60倍以上，科技活动人员最高的地区江苏省是最低的地区青海省的47倍以上，专利申请数量最高的地区浙江省是最低的地区青海省的84倍以上，新产品销售收入最高的地区上海市是最低的地区青海省更达370倍以上。此外，R&D资源总量有一个长期积累的过程，它不可能在短期内快速增加。过去由于长期忽视R&D资源的投入和积累，现阶段我国R&D资源总量仍然短缺。因此，对我国地区间工业R&D投入产出效率及其影响因素进行深入细致的实证分析，并据此提出有效配置有限的R&D资源、促进R&D创新的政策建议，成为当前R&D创新研究的一个重要课题。
国内相关R&D或者知识生产效率的研究近年来才开始出现。Zhang等[2]运用中国1995年工业普查数据中的大中型工业企业截面数据，将R&D投入分为R&D支出和R&D人员两部分，构建了C-D知识生产函数，测算了我国工业产业R&D投入要素的产出弹性。Jefferson等[3]考察了R&D投入（R&D支出强度）与R&D产出（新产品销售收入比例）之间的关系，并且分析了技术机会、企业所在产业以及所有权结构等因素对R&D生产效率的影响。吴延兵[4]运用中国大中型工业企业面板数据，在测算R&D资本存量的基础上，构建C-D知识生产函数模型，对知识生产的性质和影响因素进行了细致的分析。研究发现，在知识生产中，R&D人员比资本做出了更大的贡献，知识生产过程表现为规模报酬不变或递减特征，企业规模和绩效水平对知识生产效率没有显著的影响，国有产权对知识生产效率具有负效应。朱有为和徐康宁[5]应用随机前沿生产函数测算了中国高新技术产业R&D产出效率，并考察了企业规模、市场结构和产权结构等因素对R&D产出效率的影响，研究发现，中国高新技术产业R&D产出效率整体偏低，但呈现稳步上升状态，行业间效率差异有逐步缩小趋势，企业规模和市场竞争程度与R&D产出效率之间存在显著正相关关系，外资产权和国有产权比重增加对R&D产出效率有正向的影响。
上述研究有助于我们认识R&D生产的投入产出变量以及相关影响因素的作用，但是都存在着一些问题。首先，Zhang等在选用中国1995年工业普查数据中的大中型工业企业截面数据时，采用当期R&D投入而不是R&D存量作为R&D资本投入，这可能会造成估计结果的较大偏差，不能真实地反映R&D生产性质；其次，Jefferson等考察的是单一投入要素R&D强度对R&D产出的影响，忽略了R&D投入中劳动对R&D产出的贡献；第三，朱有为和徐康宁虽然认识到R&D投入包括R&D资本投入和R&D人员投入，但R&D资本存量的计算以每一年R&D支出为基础，并没有对R&D支出的人员劳务费进行扣除，进而造成R&D资本存量的重复估算；第四，吴延兵虽然对各行业的R&D资本存量进行了细致的估算，但没有考虑到我国工业行业间或者地区间R&D生产效率存在的巨大差异，而只是对R&D投入和产出以及影响因素进行回归分析，得到的只是弹性的平均值。
总的来看，国内现有的R&D生产效率研究除了在R&D投入产出变量的选择和估算上存在一些问题之外，都没有对不同的R&D生产单元可能存在的生产效率差异性进行分析。为此，本文将拓展了国内R&D创新研究，对我国地区间大中型工业R&D生产效率的差异性和影响因素进行分析。实际上，近年来以创新系统、医疗健康、银行保险等部门为对象的决策单元生产效率的研究文献大量出现，但针对我国地区R&D生产效率的研究却很少。比如涂俊、吴贵生[6]运用DEA-Tobit两步法对区域农业创新系统进行了评价和分析；张宁等[7]应用DEA方法对中国各地区健康生产效率进行了评测分析；吕秀萍[8]运用DEA方法对我国保险业的宏观效率进行了实证分析等等。这些研究在方法和结构上对本文有一定的参考意义。本文将以如下顺序展开，第二部分是模型和方法，然后是变量和数据，第三部分是结果和解释，最后是结论和启示。
1 模型和方法
国家或地区R&D生产系统可以视为一个将若干投入转化为产出的生产决策单元(decision making unit，DMU)，R&D生产函数可以表示这一生产过程。本文将在R&D生产函数的基础上，运用数据包络分析(DEA)方法分析R&D生产效率。由于不能获取足够的社会环境变量数据，本文对R&D生产效率模型进行简化，将R&D投入转化为R&D产出的相对效率定义为狭义的R&D生产效率，而部分社会环境变量则作为R&D生产效率影响因素加以分析。
确定投入和产出变量后，一般用CCR(charnes-cooper-rhodes)模型(chanrnes et al.,1978)或者BBC(banker-charnes-cooper)模型(Bankeret al.,1984)评测DMU相对效率。CCR模型假定DMU生产规模报酬不变，BBC模型假定DMU生产规模报酬可变。CCR和BBC模型都扩展了Farrel[9]的技术效率概念，认为一组可比较的DMU中部分个体的生产行为形成了生产前沿面，在这个前沿面上的DMU处于相对技术效率，即在给定投入水平下有最大产出的线性组合。其他非前沿面DMU的相对技术效率则参考前沿面得到。
以产出为导向(output-oriented)BCC模型为例，即在现有投入水平和环境难度的情况下最大化产出。这样，技术效率可以定义为m个投入加权之和与s个产出加权之和的比例。线性规划
从模型可知，产出导向模型中处于生产前沿面的DMU，其技术效率为1，非前沿面DMU技术效率大于1，并且效率值越大，相对效率越低，距离生产前沿面越远。
同样，如果模型以投入为导向(input-oriented)，即在维持现有水平的产出和环境难度的情况下最小化投入。线性规划的解θ*（0＜θ≤1）为
在投入导向BCC模型下的相对技术效率。它表示在给定产出和环境难度的情况下，相对生产前沿面而言，
的产出能够实现的最大程度缩减比例。投入导向模型中处于生产前沿面的DMU的技术效率为1，非前沿面DMU技术效率小于1。
为了解系统效率的影响因素及其影响程度，我们将运用DEA-Tobit两步法(two ostage method)进行因素分析(Coelli，1998)。该方法第一步采用DEA分析评估出决策单位的效率值，第二步以上一步中得出的效率值作为因变量，以影响因素等作为自变量建立回归模型。因为DEA法得出的效率指数介于0和1之间，所以回归方程的因变量就被限制在这个区间。如果直接采用最小二乘法，会给参数估计带来严重的有偏和不一致。为此，第二步采用Tobit回归分析。Tobit分析是因变量受限模型(limited dependent variable)的一种，当因变量为切割值(truncated)或片断值(censored)时采用。标准Tobit模型如下：
2 变量和数据
一般来说，R&D投入包括R&D经费投入和R&D活动人员投入等指标，R&D产出指标包括新产品销售收入、申请专利数量和拥有发明专利数量等指标（国家统计局，2005）。由于R&D活动是一个知识积累、知识生产过程，R&D产出不仅依赖于当期R&D支出，而且还取决于过去时期R&D支出情况，所以R&D投入应当是R&D资本存量，而不是R&D经费投入的当期或者滞后值。此外，由于使用专利衡量R&D产出存在“不是所有发明都进行专利申请，也不是所有发明都成为专利，不同专利质量有很大的差别”[10]的问题，我们放弃专利数据作为R&D产出指标。这样，本文选取R&D资本存量和 R&D活动人员作为本文R&D生产系统的投入变量，新产品销售收入作为产出变量。
影响因素，首先是企业规模变量(QYGM)。一般认为，只有大企业才可能负担得起高额研发费用，承担得起非常高的研发失败概率，创新成果的获得也需要企业具有一定的市场控制能力[11]。所以，规模较大的企业将进行更多的研发活动，进而有助于提高R&D生产效率。本文用企业平均销售收入衡量企业规模；其次是绩效变量(JXBL)。由于资本市场不完全，企业不能获得足够的外部资金去投资R&D，企业R&D支出主要依靠内部资金，因此，盈利能力对企业R&D支出和R&D生产效率有重要影响。企业绩效越好，R&D内部融资能力越强，企业就会进行更多的研发活动，R&D生产效率就越高。本文用销售利税占产品销售收入比率衡量企业绩效；第三是产权变量(CQBL)。一般来说，产权明晰将激励企业进行更多的R&D活动，进而有助于R&D生产效率的提高，因此，非国有企业一般比国有企业具有更高的R&D生产效率[3]。本文用大中型非国工业企业总产值占全部工业企业总产值的比例来衡量产权变量；第四是外商直接投资(FDI)。外资活动对R&D生产效率可能有不同的影响，一方面外资的竞争压力和潜在的溢出效应都可能促进内资企业R&D生产效率的提高，另一方面由于外资的进入，对内资企业形成冲击，降低了内资企业的生产规模和利润水平，进而抑制了R&D活动和R&D生产效率。本文用一个地区FDI流入占GDP比例来衡量外资活动程度；最后是政府资金扶持或者政府公共政策(ZFZJ)。由于技术创新的非竞争性和创新过程中的风险和不确定性，企业将不能完全获得创新的租金，私人回报率将低于社会回报率，R&D支出将会低于社会最优水平，进而降低R&D支出意愿和R&D生产效率。现有的大多数研究表明，公共政策激励无论是市场化程度较高的R&D优惠税还是R&D直接补贴，对R&D支出都有显著正面影响，进而提高企业R&D生产效率[12]。但是，Mamuneas、Nadiri[13]和Busom[14]却发现美国和西班牙R&D直接补贴会对私人R&D支出特别是在低科技产业，产生挤出作用，进而降低了R&D生产效率。本文用科技活动经费内部支出的政府资金比例来衡量政府资金扶持的公共政策。
假定平均滞后期，则(2)式转化为：
从上式可知，估算每期研发资本存量，关键是确定用研发价格指数折现后的每期R&D支出、R&D资本存量折旧率、基期R&D资本存量三个变量。借鉴吴延兵(2006)的做法，由于R&D投入包括了R&D资本和R&D劳动投入，为避免重复计算问题，用科技活动经费内部支出减去其中的人员劳务费的差值来衡量R&D支出。借鉴朱平芳、徐伟民[17]将研发支出价格指数设定为消费物价指数和固定资产投资指数加权平均值的做法，将R&D支出价格指数设定为消费价格指数和固定资产价格指数的加权平均值，其中消费价格指数的权重为0.55，固定资产价格指数的权重为0.45。
R&D资本存量折旧率值估算主要有三种方法：一是通过计算专利各期收益贴现值总和与专利更新费用差额，也就是专利的净收益估计出来[18]；二是简单地设定R&D资本折旧率为一固定值，比如10%、15%和25%（Goto & Suzuki，1989；吴延兵，2006）；三是假定值是专利产生收益时间长度的反函数，如果专利生命足够长，那么就可以假定值足够小(Griliches and Mairesse，1984；Redding and Reenen，2000)。根据黄勇峰等[19]资本存量的相对效率递减模式的估算，在设备16年和建筑40年的寿命期的假定下，我国设备的经济折旧率为17%，建筑为8%。由于R&D资本折旧率一般高于物质资本存量的折旧率，所以，我们R&D资本折旧率选取为25%。最后，确定基年R&D资本存量。假定研发资本存量的平均增长率等于研发支出的平均增长率，即(
，其中g为E的平均增长率。由此可得，当t=1时，
。由(2)式可知，
，将两式合并，可以计算出基期研发资本存量为：
。本文用研发实际支出的1994-2003年10年间算术平均增长率表示g，这样可以部分消除客观因素导致的研发支出大幅度变动。计算出R[,0]，我们就可以根据(3)式估算出历年各地区的研发资本存量。
数据均来自1995-2004年《中国科技统计年鉴》和《中国统计年鉴》分地区大中型工业企业的1994-2003年共10年的数据。所有新产品销售收入都用1994年不变价形式，缩减指数根据《中国统计年鉴》给出的各行业工业总产值的当年价和1990年不变价数据计算得到。FDI通过各年汇率的中间价换算为RMB，汇率、消费价格指数和固定资产价格指数从各年的《中国统计年鉴》中获得。由于海南省和重庆市分别在1988年和1997年成立，为了数据和结果比较的连续性，我们将广东和海南合并为广东，四川和重庆合并为四川，并且去掉R&D资料不全的西藏自治区。
3 结果和解释
表1给出了由产出导向BCC模型计算得到的1994年、1997年、2000年、2003年中国各地区工业R&D生产效率和相应年份新产品销售收入占销售总收入比例。技术效率标准差1994年为1.239，1997年为0.931，2000年为2.320，2003年上升为2.792，这说明近年来我国各地区大中型工业R&D生产效率差异在1997年之前逐渐减小，以后又逐渐扩大。均值1994年为2.163，1997年为1.903，2000年为3.031，2003年上升为3.409，这说明我国大中型工业平均R&D生产效率在1997年之前是改善的，之后效率又不断降低。近年来我国工业整体R&D生产效率是下降的，这说明我国要注重合理有效利用R&D资源，努力提高R&D生产效率。
表2对前沿面和远离前沿面地区进行了归纳。在前沿面省份，四年里上海和青海四次处于前沿面，天津和宁夏三次处于前沿面。这说明尽管上海、天津和青海、宁夏分别处于东部和西部地区，并且R&D投入和产出水平高低不一，但这四个地区比较稳定地处于相对效率位置。而江苏、广东、浙江、湖南、福建、北京各在前沿面分别出现一次，这说明不同地区通过调整R&D生产模式，有可能达到相对效率水平。在远离前沿面省份，山西出现了四次、新疆和甘肃出现三次，云南、陕西出现了两次，贵州、黑龙江、吉林和安徽各出现一次。远离前沿面省份主要集中在中西部特别是西部地区。这些地区R&D生产效率低下的原因，一方面与这些地区相对较高的R&D生产投入和相对较低的新产品产出有关，另一方面也可能与这些地区产业结构有关。比如，山西、云南工业以采矿业和冶金业为主，这些产业的新产品销售收入较低。
注：根据表1结果分析整理得到。其中远离前沿面省份通过对非前沿面样本效率值进行聚类分析得到，聚类距离为Squared Eucliden Distance，分类方法为Between Group Linkage.
注：根据表1结果分析整理得到。对前沿面和非前沿面独立依照R&D生产效率和产出进行ward法聚类分析。
为了更清晰考察各地区的R&D生产模式，我们将各地区R&D生产按照效率水平和R&D产出水平进行聚类分析。各地区R&D生产模式大致可以分为如下几类（见表3）：
相对效率高产出：这类地区以天津、上海、福建等地区为代表。它们具有高的R&D产出，R&D投入相对合理，R&D生产效率达到了100%的技术效率。这类地区的R&D生产模式相对成熟，是R&D生产系统比较理想的状态。
相对效率低产出：这类地区以青海、宁夏为代表。它们具有较低的R&D产出水平，但由于R&D资源比较缺乏，R&D投入也相当低，因此R&D生产效率也达到了100%的技术效率。这些地区是依靠低产出、更低的投入而达到相对效率的，显然不是R&D生产系统理想状态。由于这些地区R&D资源比较缺乏，中央政府应当加大R&D扶持力度，努力提高R&D投入和产出水平。
高效率高产出：这类地区主要以广东、浙江、江苏、山东、四川、北京、辽宁等东部地区为代表。它们具有较高的R&D产出水平，R&D投入水平也较为合理，但相对前沿面地区，它们的投入相对较高。这类地区可以通过调整R&D生产模式，提高R&D生产效率，争取达到前沿面。比如，1997年的浙江、2000年的北京和2003年的福建都是从之前的非前沿面省份变为前沿地区，而1994年的广东江苏，1997年的湖南浙江，2000年的北京又由前沿面地区变为非前沿面地区。
中效率中产出：这类地区主要以江西、河南、贵州、湖南、广西、河北、云南、黑龙江、安徽等中西部地区为代表。它们的R&D投入和产出都处于中等水平。这类地区要达到R&D生产相对效率，应积极改善R&D生产模式，努力提高R&D生产效率。这一方面要注重R&D投入的合理性和有效性，适度削减R&D投入，另一方面要注重解决R&D生产的关键瓶颈问题，有效提高R&D产出水平。
注：*、**和***分别表示显著性通过0.01、0.05和0.10水平检验。a.东部地区包括北京、天津、辽宁、上海、江苏、浙江、福建、山东、广东共9个省市自治区，中部地区包括河北、山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南、广西共10个省市，西部地区包括内蒙古、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆共9个省市。其中广东包含了海南，四川包含了重庆。b.／之前为该地区处于R&D生产前沿面的省份数量，之后为该区域省份总数。c.区域比较的数值为差异显著性水平。其中东部与中部、中部与西部、西部与东部两两地区比较使用非参数的两个独立样本检验方法，即Mann-Whitney方法，所得显著性水平为精确单侧显著性水平；东部、中部和西部地区比较使用非参数的三个独立样本检验方法，即Kruskal-Wallis方法，所得显著性水平为渐进显著性水平。
低效率低产出：这类地区主要以新疆、山西、甘肃、贵州等地区为代表。它们的R&D产出水平较低，但是投入相对较高，所以R&D生产效率低下。这类地区要提高R&D生产效率，根据地区情况不同，可以采取不同措施。比如山西，虽然效率低下，但并不缺乏R&D资金，所以应当积极扭转粗放式的R&D生产模式，提高R&D资源的配置效率，有效提高R&D产出水平。而甘肃、贵州情况则不同，这些地区经济水平落后，R&D资源十分缺乏。所以，中央政府应当适当加大R&D扶持力度，增加R&D资源的转移支付，改善R&D生产模式，提高R&D生产效率。
我国R&D生产效率在东部、中部、西部是否存在显著的差异性？由于无法得知不同地区所属总体分布情况，差异性判别采用了非参数检验方法。表4给出了我国R&D生产效率区域差异性检验结果。在四年中，除了1997年中部地区有一个省处于前沿外，其他年份前沿省份都集中在东、西部地区。通过对三个地区R&D生产效率差异性进行Kruskal-Wallis检验，我们发现，东部、中部和西部三个地区R&D生产效率有显著性差异性。对东部、中部、西部区域进行Mann-Whitney方法两两差异性检验，我们发现，东部和中部，以及东部和西部之间的R&D生产效率存在显著性差异，但中部和西部之间的R&D生产效率的差异性不显著。
下面考察企业规模(QYGM)、绩效变量(JXBL)、产权变量(CQBL)、外资变量(FDI)、政府资金(ZFZJ)等因素对R&D生产效率的影响。表5给出了全国和东部、中部和西部地区的回归结果。其中模型1给出了全国数据回归结果，我们发现企业规模、政府资金比例回归系数为负，绩效变量、产权变量和FDI的回归系数为正。但是，除了产权变量显著外，其余影响因素都不显著。考虑到产权变量和FDI可能存在自相关，模型2给出了剔除产权变量的回归结果，结果FDI回归系数变为显著，其余变量回归系数符号和显著性都没有发生变化。这说明FD对我国工业R&D生产效率有一定的溢出促进作用但可能不稳定。
非国有比例的提高对我国地区R&D生产效率有显著的推动作用，这和吴延兵(2006)的结论一致。近年来，大量关于产权对国有企业绩效影响的研究都表明，由于代理链过长、所有者缺位、管理者缺乏激励（张维迎，1995等）、政策性负担及预算软约束（林毅夫等，1995）等问题，国有企业普遍效率不高，产权改革是提高国有企业绩效的关键。同样，上述问题也可能造成国有企业较低的R&D生产效率，产权改革也是地区R&D生产效率提高的关键。FDI可能是促进我国地区R&D生产效率提高的另一重要因素。近年来一些研究表明，FDI通过显示效应、联系效应、竞争效应和培训效应等渠道，促进了我国工业生产率增长（张海洋，2005等）。同样，通过这些途径，FDI可能促进了我国工业R&D生产效率的提高。
企业规模和绩效变量对我国工业R&D生产效率的影响不显著。规模较大企业资金实力雄厚、存在规模经济和人员素质较高，而规模较小企业研发富有弹性、善于捕捉市场机会。两种类型企业各具优势，但从目前情况来看，企业规模并不是我国工业R&D生产效率的决定因素。绩效好的企业可能采用更先进的设备，为员工提供更好的福利和工作环境，这将促进R&D生产效率的提高；另一方面，绩效好的企业可能缺乏危机感和竞争意识、官僚注意盛行、组织效率低下，从而导致R&D生产效率的下降。但总体来看，绩效变量并不是我国工业R&D生产效率差异的决定因素。
政府资金对我国工业R&D生产效率的影响不显著。这可能与政府资金投向的市场导向不强、效率较低有关。只有让创新主体的市场行为参与政府科技开发资金的配置，才能发挥政府资金的杠杆作用和放大作用。因此，政府在增加科技开发资金投入的同时，要适当加大这些资金投向市场导向，比如加大R&D优惠税激励的实施力度，提高政府资金的使用效率。
模型3-8给出了分地区回归结果。和全国数据回归结果相比，主要不同在于：规模变量在西部地区仍然为负，但变为显著。这表明在西部，企业规模越大R&D生产效率越低。绩效变量在西部地区变为负数并且显著，表明在西部，企业绩效越好R&D生产效率越低。这可能与西部地区规模较大、绩效较好企业缺乏危机感和竞争意识，创新意识不强有关。非国有产权变量在西部地区仍然为正，但变为不显著，这可能与西部地区产权改革相对缓慢有关（樊纲、王小鲁，2004）。FDI回归系数仍然为正，但在东部和西部地区变为不显著，这说明FDI对地区R&D生产效率的作用不稳定。这一方面可能由于企业间竞争日趋激烈，外资企业不希望核心研发技术被泄露，会努力保守研发技术秘密或者不将核心研发部门放在中国；另一方面可能由于内外资R&D水平差距较大，内资部门吸收能力低下，不能有效吸收外资研发技术。政府资金变量回归系数符号和显著性都发生变化，东部、中部和西部地区都变为负号并且显著，这说明在各地区都存在政府资金效率较低的问题，政府资金投入比例较高的地区，R&D生产效率越低。
4 结论和启示
通过前面的分析，可以得到如下结论：近年来我国各地区工业R&D生产效率在下降，地区间差异性在扩大；东部的上海、天津和西部的青海、宁夏四个地区比较稳定地处于前沿面相对效率位置，远离前沿面省份主要集中在中西部特别是西部地区；东部和中部、东部和西部之间的R&D生产效率存在显著性差异，但中部和西部地区的R&D生产效率差异不显著；产权变量是决定我国各地区R&D生产效率的重要因素，FDI有一定的作用但不稳定。企业规模、绩效变量和政府资金对R&D生产效率没有显著影响；从分地区情况来看，东部和中部地区R&D生产效率的主要决定因素是产权变量，西部则是企业规模和绩效变量。FDI在各地区的作用不稳定，政府资金则有显著的抑制作用。
上述结论可以得出一些启示：首先，我国在加大R&D投入的同时，要注重合理配置、有效利用R&D资源，不断提高R&D生产效率。具体来说，处于相对效率和高产出的天津、上海、福建等地区，是R&D生产比较理想的状态。处于相对效率和低产出的青海、宁夏地区应努力增加R&D投入。对于高效率和高产出的东部地区，应不断通过调整R&D生产模式，提高R&D生产效率，争取达到前沿面。对于中效率和中产出的中西部地区，应积极改善R&D生产模式，努力提高R&D生产效率。对于个别低效率和低产出地区，应当积极扭转粗放式的R&D生产模式，加大中央政府R&D扶持力度，改善R&D生产效率；其次，不断推进产权改革，建立明晰的产权制度，使企业真正成为R&D的微观主体，提高对创新主体的激励，促进R&D生产效率的提高；第三，FDI对我国各地区工业R&D生产效率有一定的促进作用但不稳定。这说明我国要加强自主研发，增强吸收能力，促进内外资企业研发的交流和联系，推动外资对我国企业的R&D溢出；第四，西部地区要对规模较大、绩效较好企业加大改革力度，增强这些企业的危机感和竞争意识，提高R&D生产效率；第五，增强政府科技开发资金投向的市场导向，加大市场倾向较大的R&D优惠税激励的实施力度，提高政府资金的使用效率。
标签：生产效率论文; dmu论文; 资本存量论文; 工业生产论文; 政府支出论文; 差异分析论文; 实证分析论文; 中国东部论文; 投入资本论文; 企业规模论文; 经济论文;