資本和研究生教育對高技術(shù)產(chǎn)業(yè)的投入產(chǎn)出效率評價

李悅

[摘 要]資本投入和高素質(zhì)勞動者是高技術(shù)產(chǎn)業(yè)發(fā)展的關(guān)鍵。研究生教育是培育高素質(zhì)、掌握高精尖技術(shù)勞動者的主要途徑。通過構(gòu)建三階段DEA模型，可規(guī)避單一DEA分析存在的指標(biāo)選取依據(jù)不足，以及未考慮外部環(huán)境影響等問題。本研究以我國31個省市自治區(qū)為研究對象，以研究生教育規(guī)模為環(huán)境變量之一，對2010—2016年、2018年資本和研究生學(xué)歷從業(yè)者對高技術(shù)產(chǎn)業(yè)的投入產(chǎn)出效率進(jìn)行測算和分解研究。實證結(jié)果表明：阻礙31個省市自治區(qū)高技術(shù)產(chǎn)業(yè)的投入產(chǎn)出效率顯著提高的主要原因在于技術(shù)進(jìn)步，約半數(shù)省市自治區(qū)擁有較差的資本、人力資本優(yōu)化配置能力。各地區(qū)應(yīng)根據(jù)自身的規(guī)模報酬狀態(tài)適當(dāng)調(diào)整其研究生教育規(guī)模，調(diào)整對高技術(shù)產(chǎn)業(yè)的資本投入規(guī)模和優(yōu)化高技術(shù)產(chǎn)業(yè)成長外部環(huán)境。

[關(guān)鍵詞]高技術(shù)產(chǎn)業(yè);資本;研究生教育;三階段DEA模型;Malmquist指數(shù)

[中圖分類號]G643[文獻(xiàn)標(biāo)識碼]A[文章編號]1005-5843（2021）04-0062-08

[DOI]10.13980/j.cnki.xdjykx.2021.04.011

一、引言

隨著大眾創(chuàng)業(yè)、萬眾創(chuàng)新的深入推進(jìn)，高技術(shù)產(chǎn)業(yè)增速和投資明顯快于一般工業(yè)[1]。受疫情影響，在“百廢待興”之際，國家統(tǒng)計局公布2020年上半年國民經(jīng)濟(jì)運行數(shù)據(jù)，上半年高技術(shù)產(chǎn)業(yè)投資增長6.3%。作為國民經(jīng)濟(jì)的重要組成部分，高技術(shù)產(chǎn)業(yè)是維護(hù)國家安全、增強(qiáng)國際競爭力的重要力量?？萍几偁幍膶嵸|(zhì)是人的競爭，依據(jù)國家統(tǒng)計局發(fā)布的數(shù)據(jù)預(yù)計，我國高技術(shù)產(chǎn)業(yè)研發(fā)人員數(shù)量將由2018年66萬人增加至2025年136萬人。擁有研究生學(xué)歷的從業(yè)者將是高技術(shù)產(chǎn)業(yè)研發(fā)隊伍中的中堅和主體力量。2019年，我國研究生學(xué)歷畢業(yè)人數(shù)共639 666人，隨著高等教育普及化時代的到來，研究生教育的發(fā)展將對高技術(shù)產(chǎn)業(yè)發(fā)展做出巨大貢獻(xiàn)。研究我國31個省市自治區(qū)（不包括港、澳、臺）的高技術(shù)產(chǎn)業(yè)投入產(chǎn)出和研究生教育規(guī)模等數(shù)據(jù)，通過分析資本和研究生學(xué)歷從業(yè)者對高技術(shù)產(chǎn)業(yè)的投入取得的成果及其存在的問題，有助于提高高技術(shù)產(chǎn)業(yè)發(fā)展的速度和質(zhì)量，從而提高資本和研究生學(xué)歷從業(yè)者對高技術(shù)產(chǎn)業(yè)的投入產(chǎn)出效率。

二、相關(guān)文獻(xiàn)綜述

20世紀(jì)60年代，美國經(jīng)濟(jì)學(xué)家舒爾茨提出了人力資本理論之后，對教育與經(jīng)濟(jì)發(fā)展之間關(guān)系的研究有近60年的歷史。近年來國內(nèi)很多學(xué)者持續(xù)對高等教育規(guī)模與產(chǎn)業(yè)經(jīng)濟(jì)發(fā)展之間的關(guān)系進(jìn)行了探索。李娟等人對研究生教育發(fā)展質(zhì)量與區(qū)域經(jīng)濟(jì)發(fā)展水平進(jìn)行耦合度探究，將兩個變量的地區(qū)內(nèi)部均衡程度相對比[2];吳東姣等人基于人力資本理論，構(gòu)建研究生教育規(guī)模與第三產(chǎn)業(yè)經(jīng)濟(jì)增長關(guān)系模型，對比了碩、博兩個層次的研究生教育規(guī)模對第三產(chǎn)業(yè)經(jīng)濟(jì)發(fā)展的作用大小和研究生教育規(guī)模對東中西部地區(qū)的促進(jìn)經(jīng)濟(jì)發(fā)展的區(qū)域差異[3];盧婧首先測算研究生教育規(guī)模對地區(qū)高技術(shù)產(chǎn)業(yè)產(chǎn)值的邊際影響，隨后針對碩、博兩類研究生學(xué)歷人員在研發(fā)活動的占比與高技術(shù)產(chǎn)業(yè)發(fā)展質(zhì)量之間的關(guān)系展開實證研究[4];何海燕等人采用自回歸分布滯后模型、建立修正模型，對高技術(shù)產(chǎn)業(yè)主營業(yè)收入、有效專利數(shù)與理工科不同層次畢業(yè)生間的穩(wěn)定性關(guān)系進(jìn)行研究[5]。張忠俊等人基于金融集聚、人力資本結(jié)構(gòu)演進(jìn)對高技術(shù)產(chǎn)業(yè)技術(shù)進(jìn)步影響機(jī)制的理論基礎(chǔ)，運用動態(tài)面板模型和門檻模型實證檢驗異質(zhì)性人力資本結(jié)合金融集聚對高技術(shù)產(chǎn)業(yè)技術(shù)進(jìn)步產(chǎn)生的實際效應(yīng)進(jìn)行研究[6];萇千里等人利用三階段DEA模型對國有控股、內(nèi)資和外資三種高技術(shù)產(chǎn)業(yè)的技術(shù)創(chuàng)新效率進(jìn)行測量[7]。

上述研究指出了碩、博兩個層次的研究生教育規(guī)模與高技術(shù)產(chǎn)業(yè)發(fā)展之間的關(guān)系及區(qū)域差異，也指出了資本對高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新的貢獻(xiàn)。然而，現(xiàn)有文獻(xiàn)對高技術(shù)產(chǎn)業(yè)投入產(chǎn)出效率的研究均未能剔除外部環(huán)境和隨機(jī)誤差的影響，不能客觀體現(xiàn)生產(chǎn)單元的決策與管理水平;現(xiàn)有研究也未曾研究高技術(shù)產(chǎn)業(yè)中研究生學(xué)歷從業(yè)者與高技術(shù)產(chǎn)業(yè)發(fā)展的關(guān)系，評估地區(qū)研究生教育規(guī)模對高技術(shù)產(chǎn)業(yè)的影響不及該產(chǎn)業(yè)內(nèi)擁有研究生學(xué)歷的從業(yè)者的影響精準(zhǔn)。為此，本研究基于2018年31個省市地區(qū)的相關(guān)數(shù)據(jù)，以當(dāng)?shù)匮芯可逃?guī)模為環(huán)境變量之一，在已有的高技術(shù)產(chǎn)業(yè)投入產(chǎn)出效率評價指標(biāo)體系基礎(chǔ)上，采用三階段DEA模型，靜態(tài)考察資本和研究生學(xué)歷從業(yè)者對高技術(shù)產(chǎn)業(yè)的投入產(chǎn)出效率評價;采用Malmquist指數(shù)動態(tài)分析2010—2016年、2018年（2017年數(shù)據(jù)不全，故跳過）31個省市地區(qū)的在8年間資本和研究生學(xué)歷從業(yè)者對高技術(shù)產(chǎn)業(yè)的投入產(chǎn)出效率變化的趨勢和規(guī)律;同時，找出目前影響我國高技術(shù)產(chǎn)業(yè)發(fā)展的主要因素，提出相應(yīng)改良建議。

三、研究方法與數(shù)據(jù)來源

（一）研究方法

與傳統(tǒng)DEA模型方法相比，三階段DEA方法能夠有效剔除環(huán)境因素或隨機(jī)誤差影響造成的效率差異，可規(guī)避單一DEA分析存在的指標(biāo)選取依據(jù)不足，以及未考慮外部環(huán)境影響等問題，因而能夠更客觀真實地評價決策單元的效率;Malmquist指數(shù)分析可以反映出決策單元相關(guān)效率動態(tài)的變化趨勢和規(guī)律。所應(yīng)用到的軟件包括Deap2.1和Frontier4.1。

（二）數(shù)據(jù)來源

1.投入產(chǎn)出指標(biāo)的選取。對于資本和研究生學(xué)歷從業(yè)者對高技術(shù)產(chǎn)業(yè)的投入產(chǎn)出效率的測算，主要是通過投入與產(chǎn)出之間的計算得出來的，所以指標(biāo)體系也就分為投入與產(chǎn)出的指標(biāo)。本文選取資本投入和擁有研究生學(xué)歷從業(yè)者人力資本投入兩個指標(biāo)作為投入指標(biāo);將各省市高技術(shù)產(chǎn)業(yè)視為決策單元，其投入產(chǎn)出效率，可表征為一定規(guī)模生產(chǎn)要素投入水平下的產(chǎn)出結(jié)果，產(chǎn)出水平高則效率高，反之則效率低。產(chǎn)出指標(biāo)主要反映決策單元所投入的資本和高素質(zhì)人力資本的總體價值，因此在研究資本和研究生學(xué)歷從業(yè)者對高技術(shù)產(chǎn)業(yè)的投入產(chǎn)出效率時，選取各地區(qū)高技術(shù)產(chǎn)業(yè)2010—2016年、2018年產(chǎn)出的新產(chǎn)品開發(fā)項目數(shù)和營業(yè)收入兩個指標(biāo)衡量高技術(shù)產(chǎn)業(yè)的產(chǎn)出。

2.環(huán)境變量的選取。除了各個省市資本投入和研究生學(xué)歷從業(yè)者因素外，環(huán)境變量同樣影響著高技術(shù)產(chǎn)業(yè)投入產(chǎn)出效率，因此分離管理無效率和隨機(jī)干擾因素后的投入項可更精確求出效率值，三階段DEA模型的第二階段DEA正是剖析和分離外部環(huán)境變量的影響。在各地區(qū)的研究生教育和高技術(shù)產(chǎn)業(yè)發(fā)展的關(guān)系中，各地區(qū)研究生學(xué)位授予人數(shù)、人均地區(qū)生產(chǎn)總值、有R&D活動的企業(yè)數(shù)作為環(huán)境變量，對高技術(shù)產(chǎn)業(yè)的發(fā)展起著重要作用。

3.數(shù)據(jù)來源。本文所有數(shù)據(jù)均來自歷年《中國高技術(shù)產(chǎn)業(yè)統(tǒng)計年鑒》《中國教育統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》。

四、實證結(jié)果分析

（一）三階段DEA分析

1.第一階段： 基于DEA的效率測算結(jié)果。運用Deap2.1軟件測算31個省市高技術(shù)產(chǎn)業(yè)投入產(chǎn)出效率，結(jié)果如表1所示。

2.第二階段：基于SFA的回歸分析結(jié)果。經(jīng)對LR值檢驗，拒絕不存在原假設(shè)，所以本研究模型合理。分別以資本投入、擁有研究生學(xué)歷從業(yè)者人力資本投入的松弛變量為因變量，研究生學(xué)位授予人數(shù)、人均地區(qū)生產(chǎn)總值、有R&D活動的企業(yè)數(shù)為自變量建立SFA回歸模型，運用Frontier4.1軟件，得到SFA回歸結(jié)果如表2所示。

3.第三階段：投入調(diào)整后的DEA效率測算結(jié)果。對投入變量進(jìn)行調(diào)整，并代入到DEA模型，得到更符合實際情況的31個省市自治區(qū)2018年資本和研究生學(xué)歷從業(yè)者對高技術(shù)產(chǎn)業(yè)的投入產(chǎn)出效率值，結(jié)果如表3所示。

4.三階段DEA模型結(jié)果分析。通過比較表1與表3的DEA結(jié)果，以第三階段綜合技術(shù)效率值（TE3）為橫坐標(biāo)、第一階段綜合技術(shù)效率值（TE1）為縱坐標(biāo)，做出第一、第三階段效率的比較示意圖（圖1）。

當(dāng)剔除環(huán)境因素和隨機(jī)效應(yīng)的影響后可以發(fā)現(xiàn)：（1）各省市自治區(qū)的效率值變化顯著。投入調(diào)整后，綜合技術(shù)效率均值由0.613下降為0.561;規(guī)模效率均值由0.908下降為0.570;而純技術(shù)效率均值由0.690提升為0.988。整體來看，調(diào)整前綜合技術(shù)效率為1的只有北京和海南，而調(diào)整后綜合技術(shù)效率為1的有北京、浙江、廣東3個省市，其他28個省市自治區(qū)資本和研究生學(xué)歷從業(yè)者對高技術(shù)產(chǎn)業(yè)的投入產(chǎn)出的綜合技術(shù)效率均小于1，都有著可改進(jìn)的空間。調(diào)整前，尤其河北、山西、河南、湖南、甘肅、青海6個地區(qū)的綜合技術(shù)效率值不足0.5，表現(xiàn)欠佳;調(diào)整后，上海、江蘇、浙江、安徽、福建、江西、山東、河南、湖北、湖南、廣東、重慶、四川、陜西、甘肅15個省市自治區(qū)的綜合技術(shù)效率有所提升，表明這15個省市自治區(qū)在調(diào)整前的低技術(shù)效率主要是由其較差的資本、人力資本優(yōu)化配置能力造成的;北京的綜合技術(shù)效率始終為1，表明投入、產(chǎn)出與資源優(yōu)化配置能力都是相協(xié)調(diào)的，而其他15個省市自治區(qū)的綜合技術(shù)效率均有所下降，表明這些省市自治區(qū)具有較好的資源優(yōu)化配置能力。

（2）相比較第一階段傳統(tǒng)DEA模型結(jié)果，在第三階段15個省市自治區(qū)的綜合技術(shù)效率有所下降，以遼寧、吉林、黑龍江、廣西、貴州、云南、西藏、甘肅、青海、寧夏、新疆等東北、中西部省區(qū)為主，這說明外部環(huán)境因素和隨機(jī)干擾產(chǎn)生重要影響，導(dǎo)致綜合技術(shù)效率被高估。綜合技術(shù)效率的內(nèi)在分解來看，大部分地區(qū)純技術(shù)效率提升，而規(guī)模效率下降，這表明制約綜合技術(shù)效率提升的主要因素由調(diào)整前的純技術(shù)效率變?yōu)榱苏{(diào)整后的規(guī)模效率，這個結(jié)果啟示各地區(qū)應(yīng)根據(jù)自身的規(guī)模報酬狀態(tài)，適當(dāng)調(diào)整其研究生教育和高技術(shù)產(chǎn)業(yè)投入規(guī)模，以優(yōu)化綜合效率。

（3）比較第一階段傳統(tǒng)DEA模型結(jié)果，在第三階段除了江蘇、云南、廣西3個省區(qū)的純技術(shù)效率保持不變以外，其他省市自治區(qū)純技術(shù)效率均有所上升。純技術(shù)效率低的地區(qū)應(yīng)加強(qiáng)高素質(zhì)人力資源和資本的優(yōu)化配置有效利用。在第三階段剔除環(huán)境因素和隨機(jī)效應(yīng)的影響后，除了上海、江蘇、浙江、山東、廣東、四川之外的25個省市自治區(qū)的規(guī)模效率均有所下降，山西、內(nèi)蒙古、吉林、黑龍江、海南、云南、西藏、青海、寧夏、新疆的規(guī)模效率都在0.3以下，需要繼續(xù)調(diào)整研究生教育對高技術(shù)產(chǎn)業(yè)的資本投入規(guī)模，提升投入產(chǎn)出的整體規(guī)模效率。

（4）本研究所關(guān)注的3個環(huán)境因素均對高技術(shù)產(chǎn)業(yè)投入產(chǎn)出效率產(chǎn)生不同程度的影響。由于外部環(huán)境變量是對各投入松弛變量的回歸，所以當(dāng)回歸系數(shù)為負(fù)時，表示增加外部環(huán)境變量值有利于減少投入松弛量，即有利于減少各投入變量的浪費或降低負(fù)產(chǎn)出;反之，當(dāng)回歸系數(shù)為正時，則表示增加外部環(huán)境變量將會增加投入松弛量，從而導(dǎo)致各投入變量的浪費減少產(chǎn)出[8]。本研究中，人均地區(qū)生產(chǎn)總值和有R&D活動的企業(yè)數(shù)兩個環(huán)境變量的回歸系數(shù)為負(fù)，繼續(xù)發(fā)展經(jīng)濟(jì)、提高人均地區(qū)生產(chǎn)總值和給予高技術(shù)產(chǎn)業(yè)更適宜的政策環(huán)境以增加R&D活動，有利于提升研究生教育對高技術(shù)產(chǎn)業(yè)投入產(chǎn)出效率。研究生學(xué)位授予人數(shù)環(huán)境變量的回歸系數(shù)為正，適度控制研究生教育規(guī)模，會減少資本投入和高素質(zhì)人力投入的浪費。

（二）Malmquist指數(shù)分析

1.Malmquist指數(shù)分析過程。上述三階段DEA模型知識僅是選取了2018年的數(shù)據(jù)做的高技術(shù)產(chǎn)業(yè)投入產(chǎn)出效率的靜態(tài)分析，不能夠反映出決策單元相關(guān)效率變化的趨勢和規(guī)律，能夠提供給決策者進(jìn)行有效決策的信息相對較少，因此非常有必要進(jìn)行動態(tài)分析，也能夠驗證三階段DEA模型分析得出的結(jié)果。本研究參考薛浩等人的研究設(shè)計[9]，通過Malmquist指數(shù)分解實現(xiàn)對31個省市自治區(qū)對有效性的動態(tài)分析，選擇的時間序列數(shù)據(jù)是2010—2016年、2018年，這段時間距離現(xiàn)在最近，數(shù)據(jù)比較全面并且易于獲得。投入、產(chǎn)出指標(biāo)、應(yīng)用軟件與上述進(jìn)行靜態(tài)分析時是一樣的，分4個年段，計算出這31個省市自治區(qū)的Malmquist（M）指數(shù)、綜合效率變動（EC）指數(shù)和技術(shù)變化（TC）指數(shù)（計算所得結(jié)果如表4所示）。

2.Malmquist指數(shù)結(jié)果分析。由表4可以看出，在2010—2016年、2018年共8個年度中，31個省市自治區(qū)Malmquist指數(shù)上下波動性較大，很不穩(wěn)定，主要的特點是：

（1）山西、江蘇、江西、山東、湖南、廣西、重慶共7個省市自治區(qū)的Malmquist指數(shù)一直在上升;北京、河北、內(nèi)蒙古、遼寧、黑龍江、浙江、海南、西藏、陜西、甘肅共10個省市自治區(qū)的Malmquist指數(shù)在2010—2015年段一直在上升，在2016、2018年間指數(shù)均受到了程度不一的下降，北京、遼寧、黑龍江、海南、西藏下降幅度較大;其余省市自治區(qū)的Malmquist指數(shù)均在上下波動。

（2）總的來說，各省市自治區(qū)的高技術(shù)產(chǎn)業(yè)投入產(chǎn)出效率的全要素生產(chǎn)率上出現(xiàn)了波動，導(dǎo)致全要素生產(chǎn)率波動的原因不盡相同，可以通過Malmquist指數(shù)分解出來的綜合效率變動指數(shù)（EC）和技術(shù)變動指數(shù)（TC）進(jìn)行具體分析。從動態(tài)變化趨勢來看，31個省市自治區(qū)在這8年間資本和研究生學(xué)歷從業(yè)者規(guī)模對高技術(shù)產(chǎn)業(yè)的投入產(chǎn)出效率Malmquist指數(shù)均值為0.918，4個時間段的Malmquist指數(shù)分別為0.809、0.891、0.996、0.977，可以發(fā)現(xiàn)Malmquist指數(shù)呈現(xiàn)出先上升后又下降，表明31個省市自治區(qū)高技術(shù)產(chǎn)業(yè)的投入產(chǎn)出效率在近年呈現(xiàn)出了弱衰退的趨勢，說明盡管資本投入和研究生學(xué)歷從業(yè)者人力資本投入逐年增加，這些省市自治區(qū)的投入產(chǎn)出效率并沒有隨著投入的增加而得到預(yù)期的提高。資源配置Malmquist指數(shù)主要受技術(shù)效率和技術(shù)進(jìn)步的影響，技術(shù)效率變化指數(shù)與技術(shù)進(jìn)步指數(shù)的平均值分別為1.039和0.890，說明31個省市自治區(qū)高技術(shù)產(chǎn)業(yè)的投入產(chǎn)出效率沒有能夠得到顯著提高的主要原因在于技術(shù)進(jìn)步的阻礙。為了提高投入產(chǎn)出效率，應(yīng)當(dāng)在保持技術(shù)效率改進(jìn)的同時，著重提升技術(shù)進(jìn)步創(chuàng)新，在這兩者共同提升的情況下，促進(jìn)高技術(shù)產(chǎn)業(yè)的投入產(chǎn)出效率的改進(jìn)。

五、結(jié)論與建議

一個產(chǎn)業(yè)的發(fā)展離不開人力、物力、財力，接受研究生教育培養(yǎng)出來的高素質(zhì)從業(yè)者是高技術(shù)產(chǎn)業(yè)發(fā)展的中堅力量和科技創(chuàng)新進(jìn)步的主體。高技術(shù)產(chǎn)業(yè)作為經(jīng)濟(jì)高質(zhì)量發(fā)展的著力點和增長點，對我國經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)變起著至關(guān)重要的作用，能否高效利用資本和研究生學(xué)歷從業(yè)者人力資本是高技術(shù)產(chǎn)業(yè)發(fā)展的關(guān)鍵。本研究首先運用三階段DEA模型揭示了剔除地區(qū)研究生學(xué)位授予人數(shù)、人均地區(qū)生產(chǎn)總值、有R&D活動的企業(yè)數(shù)3個環(huán)境變量的影響下，選取各地區(qū)高技術(shù)產(chǎn)業(yè)2018年產(chǎn)出的新產(chǎn)品開發(fā)項目數(shù)和營業(yè)收入兩個產(chǎn)出指標(biāo)進(jìn)行衡量，得出資本和研究生學(xué)歷從業(yè)者兩個投入指標(biāo)對各省市自治區(qū)高技術(shù)產(chǎn)業(yè)的投入產(chǎn)出效率和各省市自治地區(qū)差異;再通過Malmquist指數(shù)動態(tài)分析2010—2016年、2018年間31個省市自治區(qū)的資本和研究生學(xué)歷從業(yè)者對高技術(shù)產(chǎn)業(yè)的投入產(chǎn)出效率，反映出決策單元相關(guān)效率在8年間變化的趨勢和規(guī)律。據(jù)此，提出如下政策建議。

一是東部沿海省市自治區(qū)的地方政府需關(guān)注高等教育規(guī)模的擴(kuò)大所導(dǎo)致的粗放式教育，把研究生教育的質(zhì)量放在第一位，減少資本投入和高素質(zhì)人力投入的浪費;東北、中西部省市自治區(qū)應(yīng)著重提升研究生教育和高技術(shù)產(chǎn)業(yè)資本投入規(guī)模，并且致力于留住人才，以優(yōu)化高技術(shù)產(chǎn)業(yè)投入產(chǎn)出的綜合效率。

二是在保持規(guī)模效率改進(jìn)的同時，著重提高技術(shù)效率，加強(qiáng)技術(shù)進(jìn)步、改革創(chuàng)新，以提高高技術(shù)產(chǎn)業(yè)的投入產(chǎn)出效率。

三是地方政府應(yīng)大力發(fā)展經(jīng)濟(jì)，提高人均地區(qū)生產(chǎn)總值，給予高技術(shù)產(chǎn)業(yè)發(fā)展更適宜的政策環(huán)境、資金支持。培育高技術(shù)產(chǎn)業(yè)，支持開發(fā)高技術(shù)新產(chǎn)品，有利于提升研究生教育對高技術(shù)產(chǎn)業(yè)投入產(chǎn)出效率。

參考文獻(xiàn)：

[1]李克強(qiáng).政府工作報告（文字實錄）——2019年3月5日在第十三屆全國人民代表大會第二次會議上.[EB/OL].http：//www.moe.gov.cn/jyb_xwfb/xw_zt/moe_357/jyzt_2019n/2019_zt2/zt1902_gzbg/201903/t20190306_372387.html.

[2]李娟，李銘.研究生教育發(fā)展質(zhì)量與區(qū)域經(jīng)濟(jì)發(fā)展水平耦合度探究[J].安徽農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2018（04）：68-75.

[3]吳東姣，馬永紅.我國研究生教育規(guī)模對第三產(chǎn)業(yè)經(jīng)濟(jì)發(fā)展影響的實證研究[J].學(xué)位與研究生教育，2019（02）：18-23.

[4]盧婧.研究生教育能促進(jìn)高技術(shù)產(chǎn)業(yè)發(fā)展嗎？[J].浙江學(xué)刊，2019（05）：84-90.

[5]何海燕，常曉涵，李宏寬，王茹.工程教育人才與高技術(shù)產(chǎn)業(yè)關(guān)系研究[J].高等工程教育研究，2019（01）：27-33.

[6]張忠俊，郭曉旭.金融集聚、人力資本結(jié)構(gòu)演進(jìn)與高技術(shù)產(chǎn)業(yè)技術(shù)進(jìn)步[J/OL].金融與經(jīng)濟(jì)，2020（10）：74-82.https：//doi.org/10.19622/j.cnki.cn36-1005/f.2020.10.010.

[7]萇千里，徐蕾.高技術(shù)產(chǎn)業(yè)、資本類型與企業(yè)創(chuàng)新效率——基于三階段DEA模型的實證研究[J].河南師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2018（03）：49-53.

[8]鄧波，張學(xué)軍，郭軍華.基于三階段DEA模型的區(qū)域生態(tài)效率研究[J].中國軟科學(xué)，2011（01）：92-99.

[9]薛浩，陳萬明.高校教育投入與辦學(xué)效率——基于三階段DEA和Malmquist指數(shù)分析[J].南通大學(xué)學(xué)報（社會科學(xué)版），2015（01）：115-121.

（責(zé)任編輯：勞麗麗）