国家高新区技术创新对区域经济影响的时空差异①

方 亮,徐维祥

(1.黄山学院 经济管理学院,安徽 黄山 245041;2.浙江工业大学 经贸管理学院,杭州 310014)

1 文献综述

英美发达国家的高新区建设经验证明了高新区正成为拉动区域经济快速发展的新引擎,产业和技术的高度发展是经济崛起的基础支撑。改革开放以来,我国的经济快速增长,已成为世界第二大经济体,我国正朝着创新型国家的方向迈进。我们需要建设由若干产业形成具有规模和技术优势的创新型产业集群,提高技术创新能力,以应对日益激烈的国际竞争和日益复杂的国际经济环境。我国的国家高新区就是基于创新型产业集群建设而成、由众多高新技术企业和科研院所组成、以创新为核心、以知识型和技术型为特色、以创新成果商业化为目标的多元综合体。我国的高新区已在技术创新和带动区域经济发展中有出色的表现,特别是国家级高新区(由国务院批准成立的国家级科技工业园区)已成为我国重要的技术创新基地和经济增长极。那么,为什么国家高新区技术创新对区域经济具有显著的促进作用呢?成立时间较早的国家高新区相对于成立时间较晚的国家高新区技术创新对区域经济是否具有更大的促进作用?随着时间的推进,是否国家高新区技术创新对区域经济的促进作用更大?不同地区的国家高新区技术创新对区域经济有没有显著的差异?

对技术创新影响区域经济问题的研究起步较早,包括Adam Smith、马克思等对此问题都进行过阐述。Schumpeter于1912年在《经济发展理论》中对“创新”作出具体的解释,并提出创新对区域经济增长的影响主要是通过经济的高涨和收缩发生作用的[1]。技术创新是创新中的一种形式,Solow、North、Kuznets、斯托齐、Barro、King和Robson等在分析区域经济增长的影响因素时都提出过技术创新的重要作用。Romer提出了知识溢出效应模型中技术进步是经济系统内生变量,是经济增长的决定力量。到20世纪80年代,技术创新的研究延伸到理论经济学、发展经济学、企业管理和国际贸易等领域。Aghion等提出,技术创新带来了产品的品质提高从而使得创新企业获取绝对的垄断优势,企业为了追求持续性的垄断优势而进行不断创新,带来了经济周期性的增长[2]。Guellec通过实证分析提出了研发投入会带来溢出效应,技术创新研发投入的增加会带来产出生产率的增加[3]。Howells分析了创新过程中隐性知识的重要性,隐性知识传播对创新有着重要的影响,地理位置影响着知识和创新活动效率并在知识和创新的相互作用中影响着经济绩效。Chowdhury通过实证分析得出了技术创新对经济增长具有因果关系[4],随着研发投入的比例增加会带来生产效率的持续性提高,最终影响了经济增长[5]。Kogan等提出了科技创新是经济增长的源泉,从企业层面构建科技创新的措施,并通过实证分析论证了技术创新、资源配置与经济增长的相互关系[6]。Kocoglu等从企业的微观层面分析了在充满不确定性和波动性的全球竞争环境下,技术学习在企业的竞争中扮演着重要的角色,也有利于保持企业的活力,而企业的核心竞争优势需要企业不断地进行技术创新,这也是保持企业经济产值增长的有效措施[7]。Dolfsma等则从政府政策和技术创新的关系角度分析技术创新需要得到政府的政策支持,有利的激励性政策能够为技术创新带来刺激效应,这也有利于推动经济增长[8]。Simpson则分析了创新与自然资源产业生产率的关系,通过对不同行业的论证分析,认为创新,特别是技术创新,能够有利于改进产业的生产效率,降低资源消耗和潜在的资源短缺问题,从而提高产业在国际市场上的竞争力,技术创新带来的高生产率是经济繁荣的必要因素[9]。Bertuglia等认为在过去的几十年中,人们已经越来越多地认识到经济发展不是主要靠外生因素决定的,而在很大程度上转向了那些能够响应市场竞争和制度性挑战的经济因素,这也解释了技术创新问题的内生增长理论,而且在时空动态的背景下,新技术扩散和采用模式有明显的空间和时间变化,也就是在不同的时空条件下技术创新对经济增长的影响程度也会有所差异[10]。我国研究人员对此问题也做过相关研究,赵树宽实证分析了技术标准、技术创新与经济增长三者之间的关系,认为技术创新是经济增长的原因,技术创新在长期内促进经济增长,技术创新是经济增长的源动力,而经济增长对技术创新的影响并不显著[11]。严成樑认为社会资本有利于提高创新效率,社会资本的重要性越强,知识生产和经济增长速度越快,社会资本对知识生产有显著的促进作用,社会资本对高水平创新的影响力度更大并且对经济增长有显著的促进作用[12]。徐维祥等认为高新技术园区创新是区域经济增长的内生影响变量,高新区创新促进区域经济增长,并且在不同的要素集聚、组织学习以及经济环境条件下创新对区域经济的影响程度不同[13]。技术创新对区域经济具有显著的促进作用已经在现有的研究成果中达成共识,但是对高新区技术创新影响区域经济问题的研究成果目前还很少,对时空差异的研究更是成果极少,这也提高了本问题研究的紧迫性和重要性。

2 指标设计与数据来源

技术创新主要涉及技术创新的企业数量、资本投入情况、人员投入、人才投入、经费投入和技术产出等方面,本研究主要借鉴Cooke等、王然等和徐维祥等提出的度量指标构建创新指标体系[14-15],如表1所示。区域经济一般指某一个特定的行政区域在一段时间内所创造的经济产出总和,对区域经济的度量一般用生产总值、总收入、工业总产值、总利润、净利润等指标,本研究中区域经济主要指国家高新区所创造的经济产出情况,借鉴Frenken等、Hu和Kuo、方亮等的研究成果设计度量指标[16-17],如表1所示。本研究考虑到高新区所在园区的经济产出主要受到产品贸易、服务贸易和外贸进出口等方面的影响,故将控制变量设计为进出口、产品销售和商品销售三个指标进行分析。

表1 指标体系

续表

本研究中数据主要来源于《中国火炬统计年鉴》(2008—2014)和各省份统计年鉴,由于考虑到资产、技术收入、科技活动经费、研发经费、总收入、工业总产值和净利润等指标会受到价格波动的影响,对此类指标统一按照相应年度的各地区各指标价格指数调整为2007年值。出口创汇采取各年度的年均人民币与美元兑换汇率折算成人民币计量的单位再通过居民消费价格指数消除价格波动影响。少数缺失值用插补法处理。

3 实证分析

3.1 因子分析

创新、区域经济两个指标属于多变量指标,本研究使用因子分析方法(exploratory factor analysis,EFA)对其进行降维处理。降维后的综合因子能够蕴含多个复杂变量的大部分信息和原来数据的基本结构[18]。首先,为了排除不同类型指标和不同计量单位的影响对数据采取标准化处理;然后采用Bartlett球形检验和KMO检验法验证观测指标连续性、相关性和随机性的条件,对创新和区域经济做Bartlett球形检验和KMO检验结果显示2008—2014年创新和区域经济的KMO值全部大于0.8,Bartlett检验卡方值都通过了0.01水平下的显著性检验,其中创新各年度指标全部提取四个公因子,解释的总方差都大于80%,满足了因子分析的条件,根据各年度成分得分函数可以得到各年度创新各主成分的综合得分值,综合因子得分的表达式为

其中,F为综合得分;f为各因子得分;s为各因子对应的方差贡献率。同理,可以求得区域经济各年度综合因子得分。

可以进一步分析2008—2014年各个国家高新区技术创新水平的差异,利用聚类分析的系统聚类法,聚类数为4,聚类方法为组间连接,区间的度量标准为平方Euclidean,按照技术创新各年度综合因子的均值由高到低把国家高新区技术创新水平划分为创新发达区、创新活跃区、创新平庸区和创新落后区。分类结果如表2所示。

表2 国家高新区技术创新水平分布区

由表2可以看出:

首先,国家高新区技术创新表现突出的主要集中在一线大城市和东部开放度较高的城市,而技术创新活跃区主要集中在东部沿海大型城市,技术创新平庸区主要集中在中部发展较迅速和中西部的较大城市,技术创新落后区主要集中在一些西部城市和一些成立时间相对较晚的高新区。

其次,总体上国家高新区技术创新水平呈现从东部—中部—西部逐渐降低的梯度变化态势,东部沿海经济带的大城市国家高新区成为技术创新的领头羊,而西部地区和一些成立时间相对较短的国家高新区技术创新相对不足。

最后,国家高新区技术创新水平呈现了“两头小中间大”的“橄榄球式”分布格局,少数技术创新水平高和技术创新水平低的国家高新区分布于橄榄球的两头,而大多数国家高新区技术创新水平位于橄榄球的中端。

3.2 数据的平稳性检验

为了防止回归分析中出现伪回归现象,需要对数据进行平稳性分析。本研究涉及的各变量都有时间序列数据,需要对所有序列都进行单位根检验,检验结果如表3所示。由表3可知,EI中单位根检验指标都在0.1水平上显著,认为不存在单位根,是平稳序列;RE单位根检验指标都在0.05水平上显著,认为不存在单位根,是平稳序列;EX、PS和CS单位根检验指标没有通过0.05水平的显著性检验,认为存在单位根,是非平稳序列。因此,需要对EX、PS和CS指标做进一步处理,以消除数据不平稳对回归造成的不利影响。本研究对EX和PS进行对数处理,使之变为LNEX、LNPS和LNCS,然后做单位根检验,检验结果显示,都通过了0.01水平的显著性检验,可以认为都不存在单位根,是平稳序列。

表3 数据的平稳性检验结果

3.3 回归分析

在平稳性检验的基础上对国家高新区技术创新与区域经济之间做回归分析,技术创新(EI)为自变量,区域经济(RE)为因变量,进出口(EX)、产品销售(PS)和商品销售(CS)为控制变量。面板数据模型一般形式为

其中,N为考察截面个体数量;T为考察时点数量;αit为常数项;β'it为参数向量且β'it=(β1,it,β2,it,β3,it,…,βm,it);m为外生变量的数量;X'it为外生变量向量且X'it=(X1,it,X2,it,X3,it,…,X m,it);μit为随机误差项。

根据本研究中提出的各类变量,模型可以设置为

(1)确定影响形式和模型形式

本研究中主要突出各个国家高新区个体因素对区域经济的影响,不重点探讨时点因素的影响,因此假定时间序列参数具有一致性,面板模型中截距和斜率都是个体时期恒量,其值只反映截面个体之间的差异。因此本研究主要讨论含有54个截面方差的Panel Data模型估计方法。

考虑到分析不变截距变系数模型对国家高新区不同个体并无实际意义,面板数据分析在固定效应模型、混合效应模型和随机效应模型中作出选择。根据计量分析的原则,横截面个数大于时序个数通常采用截面加权估计法可在一定程度上克服面板数据中横截面的异方差与序列的自相关性问题。因此本研究中固定效应模型估计采取截面加权估计法,模型估计结果如表4所示。

对截面维固定效应模型的冗余性进行检验,检验方法采取似然比检验,原假设固定效应模型是冗余的,检验结果如表所示,拒绝原假设,认为在混合效应和固定效应模型中固定效应模型最优。在固定效应和随机效应模型的检验中,采取Hausman检验模型是否是随机效应模型,检验结果如表所示,p值小于0.05,所以拒绝应建立随机效应模型的原假设,应建立固定效应模型。这也符合了古扎拉蒂提出的“固定效应适用于对研究样本个体之间经济关系和自身效应的分析”的结论。

表4 影响形式和参数稳定性检验

然后,根据固定效应截距和斜率是否齐性条件分析截距和斜率的变化情况。构造如下F统计量:

其中,SSR1为斜率和截距非齐性的回归平方和;SSR2为截距非齐性而斜率齐性的回归平方和;SSR3为斜率和截距都是齐性的条件下回归平方和;N为截面个体数;T为时点数;K为外生变量数。

经分析得到:SSR1=1.582 2;SSR2=9.246 3;SSR3=158.971 2;F1=0/422 3;F2=40.540 8。在给定5%的显著性水平下,F统计量相应的临界值为F0.05(212,108)=0.764 3,F0.05(265,108)=0.772 7。可以得到:F2＞F0.05(265,108);F1＜F0.05(212,108)。因此,建立的模型应为变截距模型,模型形式进一步设定为

(2)回归结果分析

对面板数据进行估计,可以得到估计结果如表4中的模型2所示。进一步对固定效应的变截距模型进行参数的稳定性检验,如表4中模型4～模型6所示。从模型4～模型6中分别剔除外生变量LNEX、LNPS和LNCS,做其他所有变量对区域经济进行回归分析,得到各变量的回归系数较模型2中该变量的回归系数并未发生较大变化,且各变量的回归系数也没有发生符号变化,因此可认为模型2回归参数的稳定性较好,模型2具有较强的解释能力。

个体固定效应变截距模型的相应表达式为

其中,D1,D2,…,D54为虚拟变量,其定义为

各国家级高新区技术创新对区域经济影响的截距具有显著差异,分析结果整理如表5所示。

综上分析,2008—2014年中国54个国家级高新区的技术创新和区域经济之间相互影响的问题应该建立变截距的个体固定效应回归模型,技术创新对区域经济具有显著的促进作用,并且随着国家高新区个体不同,截距项也存在显著性差异,在分析结果中可以看出北京、上海、长春、西安的国家高新区技术创新截距排在前四位,而保定、海南、福州和乌鲁木齐的国家高新区技术创新截距排在最后四位,可以认为在相同影响系数的条件下,截距越大的国家高新区技术创新对区域经济的促进作用越大,技术创新的截距差异也反映了不同高新区对区域经济影响的个体差异,但是总体上国家高新区技术创新都显著地发挥了对区域经济的积极作用。

3.4 时空差异分析

(1)按照高新区成立的时间做群组分析

国家高新区成立的主要时间分布在1988年至今的10个年度,其中1992年之前成立的国家高新区26个,以1992年作为时间分割点将国家高新区分成两组进行群组比较。调节变量为(0,1),其中0代表1992年之前成立的国家高新区,1代表1992年及1992年之后成立的国家高新区,自变量和因变量是连续变量。对两个群组分别进行回归分析,回归结果如表6所示。

表6 群组回归结果

由此可见,1992年之前成立的国家高新区创新对区域经济的影响系数为0.033,没有通过显著性检验,1992年之后成立的国家高新区创新对区域经济的影响系数为0.103,通过了0.01水平的显著性检验,说明1992年之后成立的国家高新区相对于1992年之前的高新区对区域经济的贡献更大。原因分析认为:1992年之前成立的国家高新区主要是一些相对规模较大的高新区,其一般位于大型城市,产业发展基础较好,经济产出水平相对较高,特别是产品和服务贸易较发达,对区域经济产出具有显著的拉动作用,在一定程度上弱化了技术创新的影响作用,而1992年之后成立的国家高新区主要是集中在中型城市周边,产业基础、高新区规模和贸易发展程度都相对处于劣势,从而彰显了高新区技术创新活动对经济的积极作用。

(2)按照年度时点做群组比较

分别选取2008年、2010年和2013年为年度时点做群组比较,截面数据分析国家高新区技术创新对区域经济的影响需要考虑各个截面个体的异方差现象,首先用OLS将模型估计发现回归模型中存在异方差,需要运用加权最小二乘法(WLS)消除异方差,设计权数为w1=1/abs(resid)∧0.5进行加权最小二乘估计,得到各年度回归结果和检验结果如表7所示。

表7 各年度回归结果

由表6可以看出:首先,2008年国家高新区技术创新对区域经济的影响OLS分析结果中创新对区域经济有显著的促进作用,但是White检验可以看出Prob.Chi-S值＜0.05,说明回归模型具有异方差现象,用加权最小二乘估计模型White检验异方差现象消除,结果中显示技术创新对区域经济的影响系数为0.255,通过了0.01水平的显著性检验,说明国家高新区技术创新对区域经济具有显著的促进作用。其次,2010年度和2013年度同样采取WLS消除异方差现象,分别得到了技术创新对区域经济的影响系数为0.202 9和0.208 1,且都通过了0.05水平的显著性检验。说明随着时间的推移国家高新区技术创新对区域经济都发挥着显著的促进作用。最后,从时间趋势上看,国家高新区技术创新对区域经济的促进作用呈现小幅度的“先降后升”的变化态势,2008年技术创新对区域经济的影响系数为0.255,到2010年和2013年影响系数变为0.203和0.208。原因分析认为2008年国家高新区所在区域的区域经济受到外贸进出口、产品贸易、商品贸易等因素的影响相对较小,从而使技术创新对区域经济的促进作用更加突出,随着时间的推移,在2010年和2013年度外贸进出口、产品贸易、商品贸易等因素对经济的作用日益增强,导致技术创新的影响作用在一定程度上被削弱,但是2010年到2013年技术创新影响系数仍然通过了显著性检验并呈现增大的趋势,说明国家高新区技术创新对区域经济表现出了日益强大的推动作用。

(3)空间差异

按照我国三大地区的划分标准对国家高新区进行空间分割,同样采取截面加权估计法(cross section weight)对东部、中部和西部的国家高新区进行实证分析,估计结果如表8和表9所示。

表8 区域回归系数

(1)三大区域之间差异比较

东部地区国家高新区技术创新对区域经济影响系数为0.056 8,中部地区影响系数为0.084 8,西部地区影响系数为0.042 7,都通过了0.1水平以上的显著性检验,说明三大地区国家高新区技术创新都表现出对区域经济的显著促进作用。其中中部地区影响系数较东部地区影响系数更大,原因分析认为东部地区开放度较高,区域经济增长中更多受到了外贸出口的拉动(如表8所示东部地区LNEX系数为0.119 6,是三大地区中最大),中部地区的区域经济增长受外贸影响相对较小,从而使得中部地区高新区技术创新对区域经济的促进作用更加突出。西部地区的国家高新区技术创新对区域经济的促进作用相对最小,并且产品销售、商品销售和外贸对区域经济的拉动作用也不突出。原因分析认为东部地区的国家高新区在资源、外向度、人才、资本、产业基础和技术条件等方面都具有明显的优势,技术创新成果的转化能力也较其他地区更强;中部地区在区位上接近东部地区,更好地承接了东部地区资源和产业的转移,从而一定程度上促进了高新区技术创新对区域经济的积极影响;西部地区的资源和技术创新条件相对较差,导致技术创新水平相对较低,再加上受到了地理位置的影响,创新成果向经济产出的转化效果也会受到制约,从而影响了西部地区国家高新区技术创新对区域经济的促进作用。

表9 不同区域回归截距

(2)三大区域内部差异比较

如表9所示,东部地区截距较大的依次为北京、上海、深圳、南京、无锡、天津、广州,截距较小的依次为威海、宁波、惠州、海南、保定和福州,其中截距较大城市和截距较小城市之间差距较大,说明东部地区国家高新区之间还存在明显的差异,不同高新区之间创新绩效悬殊较大;中部截距较大的为长春、武汉、长沙、大庆,截距较小的依次为郑州、株洲、南昌和洛阳,其中截距极差较小,说明中部地区高新区创新的经济绩效整体上相对较均衡;西部地区截距较大的为西安、成都、包头和重庆,截距较小的依次为桂林、贵阳、杨凌和乌鲁木齐,截距极差位于东部地区和中部地区之间。从截距均值看,三大地区的均值全部为0。从截距最大值看,东部地区国家高新区技术创新截距最大值为北京的5.269最大,西部的西安为0.990 8次之,最小是中部地区长春的0.876 7。从截距最小值上看,东部地区福州-0.815 7为截距最小,其次是中部地区洛阳的-0.375 1。说明东部沿海地区国家高新区虽然在整体上表现较为突出,但是同样也存在很大的差距,相对而言西部地区高新区技术创新对区域经济的影响虽然整体较弱,但是在区域内部水平差距不大。

4 结论与建议

本文研究了国家高新区技术创新与区域经济之间的影响关系,重点研究了不同时点和不同空间维度下国家高新区技术创新对区域经济的影响作用和差异,主要得到如下结论:

第一,国家高新区技术创新对区域经济具有显著的促进作用,技术创新的截距差异也反映了不同高新区对区域经济影响的个体差异。

第二,按照1992年为国家高新区成立的分割点,1992年之前成立的国家高新区创新对区域经济的影响系数较1992年之后成立的高新区小,说明1992年之后成立的国家高新区相对于1992年之前的高新区对区域经济的贡献更大。

第三,从时间趋势看,国家高新区技术创新对区域经济的促进作用呈现小幅度的“先降后升”的变化态势。

第四,东部、中部和西部三大地区国家高新区技术创新都表现出对区域经济的显著促进作用,其中中部地区影响系数最大,东部次之,西部最小。

第五,东部地区各国家高新区技术创新对区域经济的影响程度差异最大,西部地区各高新区之间差异位于东部地区和中部地区之间,中部地区高新区创新的经济绩效整体上相对较均衡。

通过本文实证分析和理论探讨,可以提出如下建议:

第一,充分发挥高新区技术创新对区域经济的拉动作用。实证分析已经表明国家高新区技术创新对区域经济具有显著的促进作用,因此要充分认识到技术创新对创造经济效益的重要性,企业和地方政府部门应该“双管齐下”,联合推动技术创新。首先,高新区企业要加强技术创新管理,加强对技术创新人才的培养,提高人员的创新技能,适当加大对创新型人才和科技型人才的引进,合理增加企业的研发经费投入,充分发挥创新资源的利用效率,促进技术创新成果商业化和产业化。其次,政府部门要积极创造创新环境和条件,制定激励性的创新政策和制度,大力推进产学研结合,进一步培育和健全技术市场,加强有利于技术创新的基础设施建设,助力科技成果转化。

第二,进一步缩小不同区域高新区的技术创新差距。我国东部、中部和西部不同地区国家高新区技术创新对区域经济的影响具有显著的差异,应该充分发挥不同地区的技术优势和资源优势,通过加强高新区之间的合作、加强区域之间合作的方式实现联合创新,推动技术创新水平较高的高新区向其他高新区辐射、扩展,促进人员和要素在不同高新区和区域之间的交流与合作,推动合作区建设,有针对性地带动技术创新不足的高新区发展,实现高新区和区域经济的协调发展。

第三,进一步协调不同高新区之间技术创新的差距。我国东部、中部和西部地区内部的高新区之间的技术创新对区域经济的影响程度存在明显差异,东部地区高新区之间差异最大,要有针对性地制定扶持政策推进落后高新区的技术创新,缩小区域内部高新区之间的差距,鼓励区域内部高新区之间建立技术创新网络和同步发展合作区。对于大型高新区要充分考虑到资源承载能力和规模经济限值,引导资源和人才适度向其他高新区转移,实现区域内部协调发展。

[1]熊彼特.经济发展理论[M].北京:中国社会科学出版社,2009.

[2]Aghion P,Howitt P.A model of growth through creative destruction[J].Econometrica,1992,60(2):323-51.

[3]Guellec D,De La Potterie B P.R&D and productivity growth:panel data analysis of 16 OECD countries[Z].Oecd Science Technology&Industry Working Papers,2001.

[4]Chowdhury R H,Maung M.Financial market development and the effectiveness of R&D investment:evidence from developed and emerging countries[J].Research in International Business and Finance,2012,26(2):258-272.

[5]Bravo-Ortega C,Marin A G.R&D and productivity:a two way avenue?[J].World Development,2011,39(7):1090-1107.

[6]Kogan L,Papanikolaou D,Seru A,et al.Technological innovation,resource allocation and growth[R].National Bureau of Economic Research,2012.

[7]Kocoglu I,Imamoglu S Z,Ince H,et al.Learning,R&D and manufacturing capabilities as determinants of technological learning:enhancing innovation and firm performance[J].Procedia-Social and Behavioral Sciences,2012,58:842-852.

[8]Dolfsma W,Seo D B.Government policy and technological innovation—a suggested typology[J].Technovation,2013,33(6):173-179.

[9]Simpson R D.Productivity in Natural Resource Industries:Improvement through Innovation[M].London:Routledge,2014.

[10]Bertuglia C S,Lombardo S,Nijkamp P.Innovative Behaviour in Space and Time[M].Berlin:Springer Science&Business Media,2012.

[11]赵树宽,余海晴,姜红.技术标准,技术创新与经济增长关系研究——理论模型及实证分析[J].科学学研究,2012,30(9):1333-1341.

[12]严成樑.社会资本,创新与长期经济增长[J].经济研究,2012(11):48-60.

[13]徐维祥,方亮.华东地区高新技术园区创新对区域经济增长影响的实证研究[J].经济地理,2015(2):30-36.

[14]Cooke P N,Heidenreich M,Braczyk H J.Regional Innovation Systems:The Role of Governance in a Globalized World[M].Psychology Press,2004.

[15]王然,邓伟根.研发投入来源,技术溢出渠道与自主创新绩效——基于高技术行业面板数据的实证研究[J].科技进步与对策,2011,28(10):6-9.

[16]Frenken K,Van Oort F,Verburg T.Related variety,unrelated variety and regional economic growth[J].Regional studies,2007,41(5):685-697.

[17]Kuo C C.A novel coding scheme for practical economic dispatch by modified particle swarm approach[J].Power Systems,IEEE Transactions on,2008,23(4):1825-1835.

[18]李金林,赵中秋,马宝龙.管理统计学[M].2版.北京:清华大学出版社,2011:311-312.