创新价值链视角下的区域创新活动空间格局及演化研究

宋时蒙，魏章进，王 莉

(广东外语外贸大学 经济贸易学院，广东 广州 510006)

创新价值链视角下的区域创新活动空间格局及演化研究

宋时蒙，魏章进，王 莉

(广东外语外贸大学 经济贸易学院，广东 广州 510006)

基于创新价值链视角，将我国创新活动分为知识创新、科研创新、产品转化创新三个阶段，研究其区域空间格局及其演化特征。研究表明：(1)从平均增长率看，知识创新产出低于科研创新和产品转化创新。(2)科研创新活动存在显著的空间集中性和空间相关性，表现出稳定的增长趋势，但收敛性不明显；知识创新活动趋同迹象鲜明且收敛性明显；产品转化创新活动的空间集中性呈稳定下降趋势，不存在空间相关性和收敛现象。(3)我国逐渐形成了以上海为中心的科研创新高水平区域集聚格局，而西北地区在整个创新价值链环节均显现出低水平集聚的格局，创新活动的地域性特征十分鲜明。

创新价值链；创新活动；创新能力；空间格局

一、引 言

经济地理学者认为，一个地区的创新产出必然受到地区创新投入、经济水平、科技水平、制度条件、社会文化等环境因素的综合影响，因此，创新产出应具有在特定地区聚集的空间分布特征[1]，即所谓的空间依赖或空间相关性。当相邻地区随机变量的高值或低值在空间上集聚时为正的空间自相关，而当地理区域倾向于被相异值所包围时则为负的空间自相关。关于我国区域创新活动的空间格局及演化特征，诸多学者进行了研究，对现有文献进行梳理可以发现：

一是从研究内容上看，对创新活动空间分布的分析主要围绕空间集中和空间依赖两个方面，其中，对空间集中度的测度主要利用区位基尼系数[2-7]、Theil指数[2]、Theil熵指数[3]、集中度指数[4]等，而对于空间依赖的特征则主要利用Moran’s I[2-6]来进行衡量。

二是从研究对象上看，大多数学者都是通过某一单项指标或者综合指标来体现我国的区域创新能力或者描述区域创新活动。魏守华[2]以人均专利量作为衡量区域创新能力的指标，李志刚[3]和张玉明[6]选择专利授权数作为创新产出指标，陈向东[7]、李国平[4]、王庆喜[5]采用省际专利申请数作为创新活动指标对我国创新产出的空间分布及演化状况进行了分析。另一类学者则对创新能力进行综合评价并分析其空间特征。[8]

我国创新活动的地理分布存在着空间集中和空间自相关，且其程度随时间变化而加强，对这一研究结论学者们基本达成共识。但是这里的“创新活动”都是指以专利等指标反映的创新活动，严格意义上说，它仅仅指的是研发创新活动，而创新驱动经济增长，应当包含知识创新、研发设计创新、产品创新三个紧密相连的步骤。[9-10]三个创新环节构成一个完整的创新价值链。[11]如果只是单纯分析专利水平这一项指标，很难真实反映整个创新活动，因为仅仅考察作为整个创新价值链系统的第二个环节的研发创新活动，并不能全面地体现区域创新活动的特点及其空间格局。而如果基于综合的创新能力来分析区域创新格局和演化特征，则得不到各地区在整个创新价值链上的信息，导致研究结论过于浅显且缺乏针对性。尤其对于我国而言，创新的三个环节主要依靠专业化分工来完成，其中知识创新的角色基本上由高校和部分科研机构扮演，科研机构和部分企业则专攻研发设计环节，另外，企业则主要承担产品创新的职责。

可见，不论是创新主体还是创新环境、创新制度，各创新阶段都存在着较大的差异，那么，各省市在各创新阶段的创新活动水平是否也存在着差异呢？我国三个阶段的创新活动水平及其空间格局和演进特征是否也存在着差异呢？本文将针对这些问题展开深入探讨，基于创新价值链视角，研究我国区域创新活动的空间格局及其演化特征，希望能够全面描述和分析我国创新活动的空间分布形态及其演变趋势。

二、研究思路与数据说明

(一)研究思路

本文所提到的创新价值链是基于生产视角对技术创新环节的分解，技术创新是从创新要素投入到创新产品产出的一个多阶段、多要素的价值链传递过程，包括从创新的投入到创新知识的凝结再到创新成果的实现三个阶段。[11]这与知识创新、研发设计创新、产品转化创新具有相似的划分标准，和国家统计局将我国技术创新分为基础研究、应用研究和试验发展三个阶段的分类基本吻合。在我国，基础研究产出形式更多表现为科技论文和专著等知识创新成果，应用研究产出形式更多地表现为专利等研发设计创新成果，而试验发展的产出形式更多地表现为新产品等产品创新成果。可见在不同阶段反映创新活动水平的变量均不相同，因此本文在分析我国的创新活动时，将分别选取其对应表现形式的产出成果作为研究对象展开分析，如在知识创新阶段选取科技论文量来反映我国各省市的知识创新活动水平，而在第二阶段的科研创新中，采用之前学者所广泛选取的专利申请量来反映科研创新活动水平，而在创新活动最终环节的生产阶段，即将科研成果转化为新产品阶段，我们以大中型工业企业新产品销售额来反映这一阶段的创新水平，图1可以清晰地看出我国科技创新价值链的不同阶段和不同阶段对应的创新成果。

图1 三阶段创新活动的创新价值链示意图

本文首先对三类创新活动进行描述分析，主要从时间和空间两个维度对我国三类创新活动水平进行直观分析，然后对创新活动的空间集中度以及空间相关性进行讨论，最后对我国三类创新活动的收敛性进行研究，从而对我国创新活动水平的空间格局及演化特征进行系统全面的研究。

(二)数据说明

在知识创新阶段，产出指标为发表科技论文数和出版科技专著数，为了使分析结果更为客观，本文采用国外主要检索工具SCI、EI和ISTP收录我国科技论文数来测度；在科研创新阶段的创新产出水平用三种专利申请受理量来测度；产品转化创新的创新活动水平用各地区大中型(或规模以上)工业企业新产品销售收入额来测度。考虑到数据可得性问题，本文选取了30个省市自治区①2002～2011年的数据，数据来源于2003～2012年《中国统计年鉴》和《中国科技统计年鉴》。

三、我国区域创新水平的描述性分析

图2 我国三类创新活动创新产出增长率

对我国各省市三大创新活动的水平进行描述分析，主要从纵向时间角度和空间分布演进两个角度来考察我国的创新活动发展特征。2002～2011年，我国各省市科技论文数的年平均增长率为19.80%，专利申请量的年平均增长率为26.82%，而新产品销售收入年平均增长率为27.08%。可见我国的知识创新水平增长率低于科研创新和转化创新活动水平。由图2知，对于各年份的增长率水平，我国创新活动在三个阶段的增长率在2010年之前基本保持一致的态势，除了个别年份达到0.6的增长率外，基本都在0.2上下波动，部分年份的增长率非常接近。而在2011年以后，三者的增长率差异变大，专利申请量达到0.781，而科技论文量为-0.05。总体而言，我国三大创新活动之间的增长率走势大体相同。

对于创新活动空间分布演进的分析，我们选取首尾年份的数据进行详细分析。观察图3可知，各地区在三类创新活动水平上的空间分布都倾向于遵循某种空间分布模式：(1)从整体上看，东部沿海地区的创新活动水平最高，中部次之，西部地区最低 。(2)随着时间的递进，各省市的创新活动水平存在一些变化，如在知识创新活动中，四川从2001年的第四级别降至2011年的第三级别；陕西省则进步飞速，从最初的第二级别升入到第四级别，这可能要归因于陕西省高校林立且科研机构众多，在研究期间其知识生产水平提高较快。对于专利申请量而言，辽宁从第四等级降至第三等级，而安徽从第二等级上升到第四等级，这可能是由于其紧挨沪苏杭几个科研大省，区位优势明显的缘故。(3)创新水平在不同年份都存在一定程度的集聚特征，如西北的低水平集聚以及华东地区的高水平集聚。

图3 中国各省市三类创新活动的空间分布四分位图

四、创新活动的空间集中度、空间相关性及收敛性分析

(一)空间集中度分析

测量地理集中程度的常用指标有区位基尼系数和Theil指数。本文选取区位基尼系数进行空间集中度的分析，其计算公式如下：

(1)

从图4来看，2001～2011年我国省际创新活动的空间分布集中度在创新价值链的不同阶段上表现出较大的差异，其中科研创新活动的绝对区位基尼系数在考察期内总体上呈现出缓慢上升的趋势，在2007年达到最高值0.616，陈向东[7]、张玉明[6]、李国平[4]、王庆喜[5]等得到类似研究结论。但知识创新过程和产品转化创新过程的基尼系数则呈现下降的趋势，特别是知识创新活动呈稳步下降的态势，而产品创新活动在2007年降到最低后有所上升。

图4 三类创新活动的绝对(左)和相对(右)区域基尼系数时序图

不同于现有研究仅采用一种方法来测算基尼系数，本文还计算了相对基尼系数，相对基尼系数综合考虑各省市人口规模差异，免去了地区规模因素的干扰，对各省市在各类创新活动水平的差距程度的测度更为客观。在2001～2011年，各地区在知识创新水平和产品转化创新水平上依然呈下降态势，唯一存在较大差异的是科研创新活动水平，其在2001～2003年略有上升，之后呈平稳波动状态，于2007年之后又出现下降趋势，呈倒U型特征，整体上略有涨幅，但变动幅度远远小于知识创新水平和产品转化创新水平，体现了我国科研创新的空间集中趋势呈现出先增大后略微减小的时间演变特征。

总之，我国各省市的绝对科研创新活动水平在地理空间上呈现集中的趋势，即呈现出“马太效应”。而考虑了规模因素后呈现先增大后减小，整体略有上升的时间演变特征；而知识创新活动和产品转化创新活动则呈现出趋同的迹象，特别是知识创新。鉴于知识创新更多地来源于高校，因此可以看到，我国高校在知识创新上呈现出较好的竞争局面，一省独大或者少数省份的垄断局面渐渐有所改善。另外，分别考察创新价值链不同阶段的创新活动，我们发现各类创新活动在空间集中度上呈现出较大的差异，表明仅仅通过科研创新能力来分析我国的创新活动存在较大的局限性，很难全面反映我国创新水平的空间集中度的变化趋势。

(二)空间相关性分析

1.基于Moran’s I的空间自相关性分析

区位基尼系数仅仅反映创新活动的地理集中度，无法给出创新产出相似的地区在空间上是以何种方式排列的信息。基于局域空间统计的相关理论，可以通过空间自相关及其显著性检验来得到该信息，空间自相关可以分析我国各省市的创新活动在空间上是否存在显著的集聚，主要借助Moran’s I统计量来进行分析，其计算公式如下：

(2)

基于邻接概念的空间权重矩阵包括Rook和Queen两种，本文采用Rook方法定义权重矩阵进行空间自相关分析，所得到的结果如表1所示：

表1 三类创新活动产出水平的Moran’s I及检验统计量和伴随概率

分析表1可知，专利申请量在大多数年份都在5%的显著性水平下显著，而个别年份在10%的水平下显著。其次，科技论文量这一知识创新活动产出指标，多数年份在10%的水平下显著，其余年份不显著。而新产品销售收入在考察期内均不显著。因此可以认为科研创新活动存在明显的空间自相关，即科研创新水平“高高集聚”和“低低集聚”的现象甚是鲜明。在知识创新能力上，其呈现出一定的空间自相关趋势，但显著性不明显。而产品转化创新活动则完全没有呈现出空间集聚的特征。一方面，我国目前科研转化存在着较强的知识保护壁垒，一般新产品的开发很难惠及周边地区，从而造成各自为政的局面；另一方面，可能是由于我国大多数企业没有形成良好的新产品开发意识，整体转化创新能力不高，很难有某一地区能够起到龙头作用带动周边地区，形成良好的新产品转化氛围和环境。

从图5看，在2001～2011年，科研创新活动的Moran估计值呈现较为明显的上升态势，在2001年为0.124，2008年之后均达到了0.25以上，充分地体现了我国省际科研创新活动的空间自相关和集聚特征程度的加强。而论文收录件数的Moran值在2001～2006年稳步上升，随后下降，从2008年开始又呈现上升的趋势。新产品销售收入的Moran值在2011年之前呈现下降的趋势，之后大幅上升，整体上波动剧烈。由此可见我国三大创新活动的空间集聚特征差异较大，除了科研创新活动的空间集聚显著并且呈现增强趋势外，知识创新和产品转化创新的空间集聚不太明显。正如前面分析空间集中度一样，我国创新活动的三层创新活动的空间自相关特征的显著差异再一次说明了仅仅考察某一创新活动(如科研创新)不能完整地分析我国创新活动的空间特征的事实。

图5 三类创新活动产出水平的Moran’s I时序图

2.局部空间自相关分析

Anselin[12]提出了一个衡量局部自相关性的局部Moran指数，其反映的是变量与其空间滞后(即该观测值周围邻居的加权平均)向量之间的相关关系，横轴对应所描述的变量，纵轴对应空间滞后向量。两个坐标轴将所有的Moran散点分成四个区域，每一个区域代表一类空间相关类型。第一象限为高高集聚(HH)，落在里面的地区表示该地区与周围地区的水平值都较高；第二象限为高低集聚(HL)，落在里面的地区自身水平较高，但是周围相邻的地区水平较低；第三象限为低低集聚(LL)，落在里面表示该地区与周围的地区水平值都较低；第四象限为高低集聚(LH)，落在里面的地区自身水平较低，但是周围相邻的地区水平较高。LISA集聚图可以分析这些空间相关关系是否显著,将那些显著的地区根据其呈现的不同自相关类型用不同的颜色显示出来，对Moran散点图具有补充说明的作用。本文区别于以往文献对Moran散点图的所有省域进行空间格局演进分析，而仅仅对显著性的地区进行分析，且选择三个代表性的年份进行时间②演化分析，结果见表2。

表2 三类创新活动产出水平LISA集聚图结果

(1)从知识创新活动来看，从2001年到2011年，在5%显著性水平下存在显著的局部空间自相关的地区较少，并且从时间角度看,空间格局的变动较大，在2011年存在显著集聚的地区是天津市，处于低高集聚域，但在2005年，又发展成高高集聚地区，而到了2011年，其又回到了LH象限，即低高集聚地区。四川在2006年位于高低集聚区域，但是到了2011年，该集聚弱化不再显著。只有新疆在2006年和2011年都位于第三象限，该象限同样是正的空间自相关关系的集群(LL)，这是和HH相反，表示水平较低的地区集聚。说明我国在知识创新活动上只有西北地区始终存在着低水平集聚的现象。其他类型的知识创新活动都不稳定，变动较大，这也呼应了上文的研究结论：从整体上看我国知识创新活动在时间演进上没有出现较大的集聚趋势。

(2)从科研创新活动存在显著的局部自相关的地区个数就可以知道，我国在2001～2011年，科研创新活动的空间集聚趋势稳步增加，且主要发生在华东区域，以上海为中心，其较高的科研创新活动逐渐辐射到周边地区，带动了周边地区的科研创新水平。而天津在2006年也处于高高集聚区域，但是到了2011年该集聚特征变得不显著，从而我国的科研创新集聚区域从二极转变为单级模式。新疆在2006年和2011年都处于科研创新水平的低低集聚区域，具有相对的稳定性，四川则从2001年的低低集聚区域逐渐发展成为高低集聚区域并且比较稳定。

(3)对于知识转化创新活动，位于LH区域的地区逐年增多，处于这一区域的地区有着负的空间相关关系，这也呼应了上文的研究结论：我国的知识创新活动虽然从整体上看不存在非常显著的空间自相关特征，但是依然存在着一些稳定的低低集聚省份，新疆在所考察的三个年份都位于LL区域，说明我国西部省份在知识转化创新上存在鲜明的低低集聚特征。新疆位于我国的西北边陲，很难与东部沿海地区进行紧密的经济合作和贸易往来，信息也相对闭塞，因此想要脱离这种集群特征更是难上加难。

综合三类创新活动来看，存在显著的正局部空间自相关的地区个数，仅有科研创新活动是增加的，且其高高集聚区域由两极格局转变为以上海为中心的单极格局。四川则处于高低集聚区域，新疆位于稳定的低低集聚区域。对于知识创新和产品转化创新活动，一方面存在较少的正的局部空间自相关地区，在有限的几个存在显著的空间相关地区中，各种空间相关的类型呈均匀分布；另一方面这些省份的自相关类型变动频繁，即没有形成稳定的空间局部自相关格局，只有新疆比较稳定地位于低低集聚区域，结合新疆在科研创新活动中也是处于稳定的低低集聚区域我们可以看出，我国整个创新价值链的创新活动的空间格局在西部地区存在一定的锁定特征。决策部门应高度重视，加强区域交流和互动，进一步完善落实西部大开发政策以及援疆政策，逐渐打破这种低水平的创新活动集聚格局。

(三)收敛性分析

对创新活动进行空间演变分析的重要内容之一是分析各地区的创新活动水平是否随着时间而呈现收敛趋势，收敛分析中最重要的一个概念就是β收敛，其主要基于新古典经济增长理论的趋同假说。在考察期内，如果期初水平低的省份经济增长速度高于期初水平高的省份，则我们认为，随着时间的推移将会出现β收敛。借鉴相关学者[13-14]的研究思路，用省域创新产出水平代替经典方程中的人均GDP指标并进行简化，从而对区域创新收敛性进行检验，基本方程为：

(3)

(4)

(5)

在确定采用哪种空间计量模型之前，我们首先进行稳健性检验，结果见表3。

表3 三类创新活动的空间相关效应诊断结果

对于知识创新活动，空间滞后模型在5%的显著性水平下通过了拉格朗日乘数(LM)检验，在10%的显著性水平下通过了稳健的LM检验，而空间误差模型都没有通过检验。说明SAR模型相对于SEM模型估计绝对β收敛更合适；而对于科研创新活动，空间滞后模型在10%的水平下通过了LM检验，而空间误差模型没有通过检验，因此在本文对科研创新的收敛分析中，采用空间滞后模型。对于产品创新活动来说，不管是SEM模型还是SAR模型都没有通过检验，因此本文对其采用普通的OLS回归。β收敛模型的结果见表4。

表4 2001～2011年中国区域三类创新活动的条件β收敛估计结果

续表4 2001～2011年中国区域三类创新活动的条件β收敛估计结果

注：参数估计括号中的数值为t检验值、***、**和*分别表示在1%、5%和10%的显著性水平下显著，SAR模型的估计方法为极大似然估计(MLE).

五、结 论

本文主要得到以下研究结论：

(1)在2001～2011年，我国三类创新活动的创新产出年均增长最快的是产品转化创新产出，高达27.08%。我国创新价值链上不同阶段的创新产出的增长率不同，第一阶段的产出活动明显慢于后两个阶段。然而，在多数年份，三类创新产出的增长率比较接近。

(2)通过计算区域基尼系数我们发现除了科研创新活动存在空间集聚特征外，知识创新活动和产品转化创新活动也呈现出趋同的迹象。另外通过空间全局自相关分析，发现只有科研创新活动存在显著的空间全局自相关，表明在我国的创新价值链中，一方面，处于中间环节部分的创新活动存在着空间集聚，且在最近10年表现出稳定的增长趋势，而知识创新和产品转化创新则表现出空间发散趋势。另一方面，科研创新产出高的地区趋向于和那些科研创新产出高的区域相邻，低水平地区趋向于和水平低的区域临近。表明我国存在科研创新的溢出，即科研创新较活跃的临近省域由于开展合作或者经验交流从而形成了科研创新活跃的空间集聚格局。

(3)对各个省份进行局部空间自相关分析，发现科研创新的空间集聚主要发生在华东地区，以上海为中心，形成了一片创新水平较高的空间聚集区域，而北方的津京地区随着时间的演进其高科研创新聚集区逐渐瓦解，使得我国形成了单一科研创新集聚的格局。另外对于知识创新活动和产品转化创新活动，没有形成稳定的空间局部自相关格局。西部地区在我国整个创新价值链环节中都呈现稳定的低创新活动水平集聚，因此这些地区不仅要在各个创新环节加大投入，如高校师资力量投入，科研机构人力、财力投入，企业的研发资金投入，以改善区域创新环境，提高知识吸收能力；另外更重要的是要加强与发达地区的交流与合作，从政策上促进知识转移、扩散和溢出，如进一步完善西部大开发政策以及援疆政策，使西部逐步打破长期的创新活动低水平的集聚局面。

(4)我国三类创新活动中，仅有知识创新活动存在绝对收敛。不管是否考虑空间效应，收敛效应都存在，当考虑空间效应时，收敛系数相对更小。而科研创新活动和产品转化创新活动都不存在绝对收敛趋势；另外，不管是知识创新活动还是科研创新活动，空间效应的系数都显著为负，表明周围临近区域的创新产出增长率较大时会抑制本地区创新产出增长速度，这可能是由于本地区面临临近地区对优秀人才吸引的压力，使得本地区的知识生产人才外流导致。

注 释：

①西藏自治区数据严重缺失.

②2001年、2006年和2011年分别为我国十五、十一五、十二五的起始年份.

[1]王缉慈,等.创新的空间——企业集群与区域发展[M].北京:北京大学出版社，2001.

[2]魏守华,吴贵生,唐方成.中国区域科技差距及其成因研究[J].科学学研究,2008,26(2):287-293.

[3]李志刚，汤书昆，梁晓艳，吴灵光.我国创新产出的空间分布特征研究——基于省际专利统计数据的空间计量分析[J].科学学与科学技术管理,2006，(8):64-71.

[4]李国平，王春杨.我国省域创新产出的空间特征和时空演化——基于探索性空间数据分析的实证[J].地理研究,2012，(1):95-106.

[5]王庆喜，张朱益.我国省域创新活动的空间分布及其演化分析[J].经济地理,2013，(10):8-15.

[6]张玉明，李 凯.省际区域创新产出的空间相关性研究[J].科学学研究,2008，(1):659-665.

[7]陈向东，王 磊.基于专利指标的中国区域创新的俱乐部收敛特征研究[J].中国软科学，2007，(10):76-85.

[8]于 伟，张 彦.山东省区域创新能力空间特征研究——基于探索性空间数据的分析[J].科技管理研究,2013，(4):99-102.

[9]余泳泽，刘大勇.我国区域创新效率的空间外溢效应与价值链外溢效应——创新价值链视角下的多维空间面板模型研究[J].管理世界,2013，(7):6-20.

[10]余泳泽，刘大勇.创新价值链视角下的我国区域创新效率提升路径研究[J].科研管理,2014，(5):27-37.

[11]Lee J. Global value chains and agrifood standards: challenges and possibilities for smallholders in developing countries[J].Proceedings of the National Academy of Sciences of the United States of America，2012，(109): 12326-12331.

[12]Anselin L. Local Indicators of Spatial Association-LISA [J]. Geographical Analysis, 1995，27，(2): 93-115.

[13]Hainin R, Haining R P. Spatial data analysis in the social and environmental sciences [M]. London: Cambridge University Press, 1993.

[14]Anselin L．Spatial Econometrics: Methods and Models[M]．Kluwer Academic Publishers，1988．

[15]曹东坡.FDI促进了中国区域创新的俱乐部收敛吗?[J].中国科技论坛,2013，(6):33-38.

责任编校：张 静,罗 红

A Study on Spatial Pattern and Temporal Evolution of Provincial Innovation Activity from the Perspective of Innovation Value Chain

SONG Shi-meng,WEI Zhang-jin,WANG Li

(School of Economics & Trade, Guangdong University of Foreign Studies, Guangzhou 510006, China)

Based on the perspective of innovation value chain, we divide the innovation activity into three stages: knowledge innovation, research and development innovation and product transformation innovation, studying the spatial pattern and temporal evolution of each stage’s innovation activities. The results indicate that:firstly,the average growth rate on knowledge innovation output is lower than that of the research and development innovation and product transformation innovation;secondly,spatial concentration and correlation are significant and have steady growth trend for research and development innovation, but convergence is not significant; knowledge innovation activities have signs of convergence and its convergence is obvious；There exists a steady decline in spatial concentration for product transformation innovation, and they have neither spatial concentration nor convergence;Thirdly,China gradually forms a pattern of high-level regional innovation cluster centered on Shanghai, while the north-western districts form a low level of innovation cluster pattern through the entire innovation value chain, which indicates that the regional characteristics of Chinese provincial innovation activities is pronounced.

innovation value chain;innovation activities;innovation capability;spatial pattern

10．19327/j．cnki．zuaxb．1007⁃9734．2017．04．008

2017-02-18

教育部人文社会科学规划项目(16YJA910003)；湖北省技术创新专项软科学项目(2016ADC026)

宋时蒙，男，湖北黄石人，硕士，研究方向为应用统计理论与方法。 魏章进，男，回族，湖北荆州人，博士，教授，硕士生导师，研究方向为应用统计学。

F127.5

A

1007-9734(2017)04-0072-12