空间异质性视角下军民融合企业技术创新效率分析

朱 青， 王子龙

（南京航空航天大学经济与管理学院，南京 211106）

目前，国内外军民融合创新领域的研究大多集中在创新资源配置效率测度的研究、创新资源配置影响因素的研究及创新资源配置问题与对策的研究等［1-2］. Kyong-ihn等［3］运用SFA方法对韩国军工部门技术创新效率进行评价，研究发现战略上设计利益分配机制的“合理均衡点”是协同创新的关键. 王萍萍［4］、段婕等［5］分别运用随机前沿模型和超效率DEA-Tobit模型对军民融合企业技术创新效率进行测度，均认为军民融合企业技术创新效率普遍偏低. 丁莹莹等［6］运用两阶段DEA-Malmquist 和Tobit 模型对我国电子信息制造业军民融合技术创新效率进行测度及影响因素分析认为，技术创新效率整体呈现上升趋势，所有制结构、技术市场环境以及劳动力素质对技术创新效率有较强的促进作用，而政府支持与技术创新效率则呈现负相关.赵文平等［7］使用两阶段DEA模型，从技术研发和经济转化两个阶段对西部地区区域创新网络效率进行测度，结果表明，区域创新效率存在显著的地域差异和阶段差异. 王柏杰等［8］测算了我国“十大军工集团”中的军民融合企业技术效率，得出国有持股比例较高不利于企业技术效率的提高. 张旭等［9］基于SFA方法对国防科技工业企业技术效率进行研究，发现绝大多数上市国防科技工业企业存在非效率情况，且其控股股东存在“掏空行为”. 姜彤彤和吴修国［10］基于DEA-Tobit两步法对我国产学研协同创新效率进行评价及影响因素分析，得出江苏、广东两省创新效率最高，东部地区产学研协同创新技术效率、纯技术效率和规模效率最高.Guerrero，Urbano［11］分析了大学-产业-政府协同创新对新经济体中企业创新绩效的影响. Mowery［12］认为，协同创新为不同单位R&D人员提供了隐性知识交流平台.

关于军民融合创新资源的配置问题，集中表现在：①体制壁垒. 杜祥琬认为，国防军工集团兼具双重职能，固守利益格局，致使军民科研生产难以实现资源共享［13］；②制度壁垒. 军工产品定价机制不利于资源优化配置，军品生产准入门槛高，民口单位难以获得生产许可［14］；③信息壁垒. 军网和民网互不相通、缺乏分级管理信息库和沟通机制［15］；④技术壁垒. 国防和民用工业基础互补性、替代性较弱，军工民用技术标准差异显著，难以实现有效对接. 针对这些问题，有学者分别从战略协同、组织协同和制度协同等层面提出促进军民融合创新资源优化配置的有效途径.

综合现有文献研究发现，目前有关军民融合技术创新的研究很多，但仍存在一定的局限性，主要有两个方面：①对于效率的测度，大多运用SFA模型和DEA模型，缺乏使用其他更加合适的模型. SFA模型能够有效分离随机误差和非效率项，但不恰当的生产函数形式或误差项的分布假设可能混淆设定误差和效率估计，DEA模型无须设定生产函数形式，避免了设定误差，但不能够分离随机误差［16］. ②对于军民融合企业创新发展现状和趋势的统计较少，更缺乏相关的地理空间统计，无法对全国的军民融合情况清晰了解. 并且，虽然有关军民融合创新效率测度与影响因素分析的研究较多，但大多是在时间维度下的分析，鲜见在空间维度下的相关研究. 因此，本文运用动态StoNED模型对军民融合企业技术创新效率进行测度，该模型结合了DEA模型和SFA模型的优点，模型设定更自由. 其次，对军民融合企业技术创新效率进行空间统计，分析其空间分布特征及分布趋势，研究其在空间上的相关性、集聚特征及空间变异情况. 最后，针对当下军民融合企业技术创新存在的问题，提出空间异质性视角下的政策建议.

1 研究方法与变量选取

1.1 研究方法

1.1.1 动态StoNED 模型 随机非参数数据包络法即StoNED 由学者Kuosmanen［17］提出，对模型中引入的确定成分采取DEA 非参数处理方法，对随机成分采用SFA 的设定方法. StoNED 模型最早对截面数据展开研究，认为生产技术和效率项不随时间变化而变化. 为解释跨期生产技术和效率变化，在静态模型的基础上发展了应用于面板数据的动态StoNED方法［18］. 假设生产函数能够呈现出生产技术和效率随时间发生的变化，将时间变量t 纳入生产函数f 中，把生产函数写作f(x),t ，t=0，1，…，T，随机误差项记作vit，并将非效率项记作ui( t )，i=1，…，n. 为降低可能存在的异方差影响，组合残差采用乘法形式代替原始模型的加法形式，得到StoNED模型：

即

假设技术进步为要素投入加强型的，可将生产函数写为

式中：f( xit,0 )表示基期生产函数；函数Am( t )是指投入型技术变化. 可以证明基期生产函数与函数f( xit,t)间存在以下性质：若f( xit,0 )为单调递增函数且Am(t)≥0，则f( xit,t )也是单调递增函数；若f( xit,0 )为凹函数，则f( xit,t )也是凹函数. 以上性质显示出在StoNED框架下设置技术进步时，可以用非参数形式来估计基期生产函数f( xit,0 )，并用非参数或者参数形式进行技术进步的设置，且Am( t )的设置不会对f( xit,t )的凹性产生影响.

本文采用二次方程形式设定技术进步，从而减少引入过多不必要未知参数：

在凹面非参数最小二乘法（CNLS）框架中，设定效率变化需要强加众多的严格约束条件，以区分效率变化与随机变化. 因此，采用参数方程估计非效率项ui( t )，参照Cornwell［19］的处理方法，将ui( t )设定为二次多项式形式：

若bi=ci=0，则非效率项变化水平为常数；若bi＞0，ci=0，则非效率项呈线性增长；若ci≠0，则表示非效率项呈非线性变化.

为估计基期生产函数f( )xit,0 以及参数a、b、c、α、β、θ、ψ、v，构建CNLS估计模型如下：

其中，目标函数是求随机误差项vit平方和的最小值，第一个约束条件表示了生产回归方程，第二个约束条件是对切超平面进行凹性限制，第三个约束条件表示生产函数单调递增，第四个约束条件对技术变化施加非负限制［20］. 根据以上约束条件，保证了生产函数的凹性和单调性.

效率E根据模型（6）间接得出：

式中：Ei为效率值；t为时间变量；ui为非效率项；i为企业个数.

1.1.2 军民融合企业技术创新效率空间分析 空间自相关分析的目的是确定某一变量是否在空间上相关，其相关程度如何. 空间自相关系数常用来定量地描述事物在空间上的依赖关系. 莫兰指数I、吉尔里指数C和Getis-Ord指数G是常见的3种空间自相关检验指数，其中莫兰指数具有更强的稳定性［21］. 因此，本文选取全局Moran’s I指数和局部Moran’s I指数来描述军民融合企业技术创新效率的空间相关性. 全局Moran’s I指数体现的是观测值在一个总的空间范围内的依赖程度，可用来判断整个军民融合企业技术创新效率是否存在空间依赖关系，计算公式如下：式中：n为样本数量；Yi和Yj分别是省份i、j的观测值；Yˉ为各省份观测值的平均值；wij为空间权重矩阵第i行第j 列个元素. wij分别使用邻接、地理距离和社会经济距离作为3种不同的空间权重矩阵，对军民融合企业技术创新效率的空间相关性进行横向测算，比较在不同空间权重下其空间依赖性的区别与联系，检验各种权重对本研究的适用性，从而进一步分析空间异质性视角下的军民融合企业技术创新效率. 空间邻接权重矩阵采用Queen邻接；地理距离空间权重矩阵使用各省份内部之间的球面距离构建；社会经济距离空间权重矩阵利用2015—2018年内各地区人均GDP的差值构建. Moran’s I 取值范围为［-1，1］，该值大于0表示正的空间自相关，该值小于0则表示负的空间自相关，该值为0则表示观测值之间无空间相关性. 全局Moran’s I越接近于1则正的空间相关性越强，越接近于-1，则负的空间相关性越强.

全局空间自相关假定空间是同质的，即研究对象的属性值只存在一种整体趋势，不能反映局部集聚特征，但由于空间自相关常常会存在较强的空间异质性，所以全局空间自相关并不能够表明局部空间单元同样存在空间相关性. 因此，使用局部自相关指标能够获得更多的空间依赖性信息. 局部空间自相关反映每个省区与相邻省区之间的空间关联程度. 本文采用局部Moran’s I指数来分析空间自相关的局部性质，公式如下：

式中：各变量的含义与式（8）一致. 局部Moran’s I指数取值范围同样为［-1，1］，局部Moran’s I指数是正值表示相似类型属性值的要素相邻近，负值表示非相似类型属性值相邻近，该指数绝对值越大邻近程度越大. 局部Moran’s I指数接近于0则表示观测值不具备空间相关性.

空间变差函数模型能够从定量的角度反映区域内要素的空间变异规律，是刻画区域内要素空间异质性是由随机性因素引起还是结构性因素的有效手段，模型的数学表达为：

图1 空间变差函数模型Fig.1 Spatial variogram model

式中：γ( h )表示半变异函数；h 是各省市自治区间的距离；N( h )表示分割h距离的省份个数；Z( xi)和Z( xi+h )分别表示各省的技术创新效率在xi处和xi+h处的实测值. 空间变差函数模型如图1所示.

在求解空间变差函数模型时，需要注意3 个指标：块金值（C0）、基台值（C0+C）和主变程（a）. 块金值（C0）是由测量误差和小于最小取样尺度引起的随机变异，能描述军民融合企业技术创新效率内部随机性程度；偏基台值（C）是结构方差，反映系统因素带来的空间变异；基台值（C0+C）是系统的总变异程度，描述的是军民融合企业技术创新效率空间变异的强度. 基台值与变量的空间异质性程度成正比例关系.

1.2 变量选取与数据来源

以往绝大多数军民融合类研究局限在十大军工集团旗下的上市企业，侧重于研究“军转民”企业，而对“民参军”企业的研究不多. 本文以中上协军工委发布的国防军工板块91家上市企业作为研究对象，同时考虑“军转民”和“民参军”两种类型企业，更加全面地研究军民融合企业的技术创新效率. 经剔除在研究时间范围（2015—2019年）内未公布研发相关数据以及在此期间被摘牌的企业，最终选取共88家上市企业作为研究样本. 研究的原始数据主要来自于CSMAR国泰安数据库、中国统计年鉴及全国地理信息资源目录服务系统. 根据样本企业的所属地，将其按中国行政区域划分. 在研究样本中，北京市的军民融合企业数量最多，占比为19.3%，其次为江苏、广东、四川等省. 同时，西藏、青海、甘肃、宁夏、广西、海南、天津、山西、台湾、香港和澳门11个地区，因其无此次样本企业，故将该11个地区从本次研究中剔除.

军民融合技术创新活动是一项复杂的系统工程，相关研究主要包含两种角度：一种是将其作为整体进行分析，另一种则根据价值链理论将其划分为技术研发和技术转化两个阶段进行分析. 军民融合技术创新效率指的是在军民融合企业内部协调、整合和分配资源，使配置后的创新要素按照一定比例实现最优组合，进而发挥出最大效能. 由于军事科技资源的保密性、特殊性和敏感性导致部分相关数据难以获得，故本文将军民融合技术创新活动作为整体进行分析. 构建军民融合企业技术创新效率的投入产出指标如表1所示.

表1 投入产出指标体系Tab.1 Input-output indicator system

军民融合技术创新的投入指标主要集中在人力、资金和技术3个方面. 研发人员和研发投入是技术创新活动中的重要组成部分，显示了一个地区的创新规模与潜力，是一个地区创新投入能力的综合体现，故本文选取研发人员占企业总员工比重（%）和研发投入总额占营业收入比例（%）作为人力和资金方面的投入指标. 技术投入指标则选用无形资产（元）. 营业收入（元）能够较好地衡量各企业创新产出的经济效益，因此选其作为产出指标. 为了消除数量级差异对研究结果的影响，将无形资产和营业收入取对数处理. 各变量的描述性统计见表2.

表2 各变量描述性统计结果Tab.2 Descriptive statistical results of each variable

2 实证分析

以国防军工板块88 家上市军民融合企业作为研究对象，采用动态StoNED 模型测度其技术创新效率.基于模型（6），构建军民融合企业技术创新效率测度的动态StoNED模型，表示为以下形式：

运用GAMS软件对模型（11）进行求解，并估算相关参数值. 最终得到军民融合企业技术创新效率值，具体数据如表3所示.

表3 2015—2019年各省（市）军民融合企业技术创新效率值Tab.3 Technology innovation efficiency of provincial military-civilian integration enterprise during 2015-2019

表3给出了2015—2019年各省（市）军民融合企业的技术创新效率值、均值以及标准差. 2015—2019年各省（市）域军民融合企业的技术创新效率均值介于0.964～0.985之间，表明军民融合企业的技术创新效率总体上处于较高水平，但仍具有提升空间；标准差较小，介于0.016～0.029 之间，且呈现略微上升趋势，表明省（市）域军民融合企业技术创新效率与平均水平之间的差距略微增加，但总体趋于平均水平. 样本期间内，安徽、河南和重庆的军民融合企业技术创新效率一直保持在效率前沿面上，表明这3个省（市）的军民融合技术创新活动的资源要素配置最优，军民融合技术创新所产生的经济效益与环境效益相辅相成. 其余省（市）的军民融合技术创新效率均存在不同程度的发展空间，以2019年为例，有11个省市自治区军民融合企业技术创新效率低于当期全国均值，表明这些地区的军民融合企业需要加大技术创新要素投入，合理配置要素资源，努力提高创新产出效率. 各地区之间的军民融合技术创新效率存在不同程度的异质性，具体图2所示.

图2表示的是各地区军民融合企业技术创新效率随时间推移的变化趋势，可以看出各地区军民融合企业效率大小有明显的差异，且技术创新效率随时间的变化也较为明显，呈现出不同程度的下降趋势. 2015—2019年，东部、中部和西部地区的军民融合技术创新效率均呈下降趋势，其中中部地区下降得较为平缓，东部地区和西部地区下降的幅度大、速度快；中部地区的军民融合技术创新效率均高于均值，而东部地区则一直低于效率均值，西部地区则于2017年之后逐渐低于效率均值，这些现象的出现可能与“中部计划”的崛起和东部地区的“产业转型”有关. 研究期限内，全国军民融合企业技术创新效率大体上呈现出持续下降的趋势，这些变化表明我国军民融合企业仍需加大技术创新要素投入，合理配置要素资源，提高创新产出效率.

2.1 军民融合企业技术创新效率的空间特征

图2 各地区军民融合技术创新效率演变趋势Fig.2 Evolution trends of military-civilian integration technology innovation efficiency in various regions

通过Arcgis10.2软件，利用自然间断点分级法（Jenks），对2015—2019年中国省级尺度上军民融合企业技术创新效率进行可视化处理，得到其空间分布图（图3）.

图3 军民融合企业技术创新效率的空间分布图Fig.3 Spatial distribution of technological innovation efficiency of military-civilian integration enterprises

从空间上来看，中国省域军民融合企业技术创新效率的空间分布不均匀，整体上呈现出明显中部高四周低的分布特征，技术创新效率较高的区域主要集中在西南地区及中部地区. 结合表3可知，东、中、西部地区的军民融合企业技术创新效率总体均值分别为0.972，0.982和0.976. 形成这种空间分布格局的原因是多维的：①东北地区素以工业为主，并且东北和西南地区也是老军工企业聚集区，属于强军民融合区域，所以这两个地区的军民融合企业技术创新效率一直处于较高水平. ②近年来国家实施的“中部崛起”计划，使中部地区的经济发展水平显著提高，发展活力进一步增强，自主创新能力不断提高，所以在近年间中部地区的军民融合技术创新效率异军突起，处于全国前列. ③随着近年来东部地区的产业升级，一些高能耗、高污染、低效率的企业转移到部分西部地区，这虽然给部分西部地区带来了经济效益，但由于部分西部地区存在自身创新能力不足、投入冗余及环境污染等原因，致使其军民融合企业的技术创新效率并未增高. 同时，“产业转移”或许也是东部地区的技术创新效率下降的原因之一.

为了从客观角度刻画中国军民融合企业技术创新效率空间分布方位的变化情况，考虑大空间跨度的趋势面分析（TSA）. TSA方法基于回归模型，通过非线性函数，拟合一个近似于实际趋面的趋势面，以反映各要素在地理空间上的分布特征，趋势面坐标系中，X轴和Y轴的正方向分别为正东方向和正北方向，Z轴表示高度属性值. 中国军民融合企业技术创新效率的空间趋势面分析结果如图4所示.

图4 军民融合企业技术创新效率的空间趋势面分析图Fig.4 Spatial trend surface analysis chart of the technology innovation efficiency of military-civilian integration enterprises

从图4可以看到，2015—2019年中国军民融合企业技术创新效率东—西方位和南—北方位空间分异明显. 在东—西方位上，五期数据都呈现倒“U”型分布，在中部地区形成谷峰，并随着时间的推移不断降低，整体趋势逐渐变为自西向东平缓上升. 在南—北方位上，2015—2018年技术创新效率则呈“U”型分布，在中部地区形成“U”型底峰，且北部地区和中部地区的技术创新效率逐年下降，底峰逐渐变平，至2019年技术创新效率呈自北向南递增的趋势.

2.2 军民融合企业技术创新效率空间关联性分析

空间自相关系数常用来定量地描述事物在空间上的依赖关系. 全局Moran’s I指数体现的是观测值在一个总的空间范围内的依赖程度，可用来判断整个军民融合企业技术创新效率是否存在空间依赖关系. 通过GeoDa软件，求解全局空间自相关模型，分别采用空间邻接权重矩阵、地理距离空间权重矩阵和社会经济距离空间权重矩阵对技术创新效率进行总体空间关联性分析，结果见表4.

表4表示了军民融合企业技术创新效率在3种不同的空间权重下的总体空间关联性数据. 在空间邻接权重矩阵下，其全局Moran’s I指数的绝对值随时间推移逐渐趋近于0，且只有2015年和2016年通过了显著性检验，表明在相邻空间上军民融合企业技术创新效率的空间依赖性逐渐降低至不显著. 在地理距离空间权重矩阵下，其全局Moran’s I指数介于0.025～0.109之间，且呈现先升高后降低的趋势，并且都通过了显著性检验，说明地理空间距离上军民融合企业技术创新效率的空间依赖性先增加后趋于减少. 在社会经济距离空间权重矩阵下，其全局Moran’s I指数均未通过显著性检验，表明在社会经济距离上军民融合企业技术创新效率的空间依赖性并不显著. 虽然中国军民融合企业技术创新效率存在一定的空间自相关，但全局Moran’s I指数只能检测区域整体的空间依赖性，忽略了局部区域的空间集聚情况. 因此，以地理距离空间权重矩阵为例，对2015—2019年Moran’s I散点图进行分解，以探讨军民融合企业技术创新效率在空间上的集聚情况，结果如表5所示.

表4 军民融合企业技术创新效率全局Moran’s I结果Tab.4 Global Moran’s I of technology innovation efficiency of military-civilian integration enterprises

表5 中国省域军民融合企业技术创新效率的空间聚类分析（地理距离空间权重）Tab.5 Spatial cluster analysis of technology innovation efficiency of military-civilian integration enterprises（geographic distance spatial weight）

表5中，高-高聚类表示自身军民融合企业技术创新效率较高，且其周边省份的军民融合企业技术创新效率也较高；低-低聚类表示自身军民融合企业技术创新效率较低，且其周边省份的军民融合企业技术创新效率也较低；高-低聚类表示自身军民融合企业技术创新效率较强，但其周边省份的军民融合企业技术创新效率较低，低-高聚类低-高则相反. 高-低与低-低表示相似技术创新效率的聚集，高-低与低-高表示不同技术创新效率的空间关联. 中国省域军民融合企业技术创新效率的空间集聚以高-高和低-高为主，并且随着时间的推移高-高聚类中的部分省市向高-低聚类转移. 样本期间位于高-高聚类和低-高聚类的省份数占总数的平均比例分别为95.6%、86.9%、82.6%、73.9%和69.5%，表明军民融合企业技术创新效率在空间上呈现极化的态势. 高-高聚类主要集中在东北地区、西南地区及中部地区的大部分省份，低-高聚类主要集中在小部分东部和中部地区，低-低聚类则主要分布在新疆.

2.3 军民融合企业技术创新效率空间异质性分析

军民融合企业技术创新效率的空间变异受两部分因素影响，一类是随机因素C0（经济发展水平、政府支持等），另一类是企业结构因素C（主要有企业研发投入、企业科技水平等）. C0/（C0+C）反映空间随机因素引起的变异所占的比例，若C0/（C0+C）＜0.25，表明要素具有较强的空间相关性；若0.25≤C0/（C0+C）≤0.75，表明要素的空间相关性中等；若C0/（C0+C）＞0.75，表明要素的空间相关性较弱. 通过Arcgis10.2软件，求解军民融合企业技术创新效率的空间变差函数模型，相关结果如表6所示.

表6 普通克里金插值空间变差函数模型Tab.6 Ordinary Kriging interpolation spatial variogram model

根据变差函数的块金值C0和偏基台值C 的变化可知，中国省域军民融合企业技术创新效率除2017 年外，其余C0/（C0+C）均介于0.25～0.75，表明技术创新效率的空间相关性中等，这与前文空间自相关的结论大致相同. 随着时间的推移，在中国省域军民融合企业技术创新发展的过程中，由外部环境等随机因素带来的空间变异先是变大，至2017年后又逐渐变小，由内部结构因素引起的空间变异则相反. 结合表6，绘制方差拟合图（图5）.

图5 空间变差函数拟合结果Fig.5 Spatial variogram function fitting results

由图5可见，2015—2019年军民融合企业技术创新效率的变程呈现先下降后回升的趋势，总体呈下降趋势，表明中国省域军民融合企业技术创新效率的结构化空间递进带来的空间相关性有所减弱，省域军民融合企业技术创新的发展有向核心地区聚拢发展的趋势.

3 研究结论与政策建议

3.1 结论

1）研究期限内中国军民融合企业的技术创新效率总体上处于较高水平，但仍存在资源冗余或浪费等问题. 安徽、河南和重庆的军民融合企业技术创新效率一直保持在效率前沿面上，其余省份的军民融合技术创新效率则存在不同程度的发展空间. 各地区军民融合企业效率大小存在显著差异，且随时间变化呈现出不同程度的下降趋势，其中中部地区下降得较为平缓，东部地区和西部地区下降的幅度大、速度快. 此外，中国省域军民融合企业的技术创新效率在空间分布上也存在异质性，整体呈现出中部高四周低的分布特征，技术创新效率较高的区域主要集中在西南地区及中部地区.

2）样本期间内，中国军民融合企业技术创新效率东—西方位和南—北方位空间分异明显. 在东—西方位上，五期数据都呈现倒“U”型分布，在中部地区形成谷峰，并随着时间推移不断降低，整体趋势逐渐变为自西向东平缓上升. 在南—北方位上，2015—2018年技术创新效率则呈“U”型分布，在中部地区形成“U”型底峰，且北部地区和中部地区的技术创新效率逐年下降，底峰逐渐变平，至2019年技术创新效率呈自北向南递增趋势.

3）中国省域军民融合企业技术创新效率在地理距离空间权重下，表现为空间自相关，空间依赖性先增加后趋于减少. 但在空间邻接权重矩阵和社会经济距离空间权重矩阵下，整体空间依赖性并不显著. 中国军民融合企业技术创新效率在空间上呈现出极化态势，其空间集聚以高-高和低-高为主，并且随着时间推移高-高聚类中的部分省市向高-低聚类转移. 并且，在中国省域军民融合企业技术创新发展的过程中，由外部环境等随机因素带来的空间变异先变大后又逐渐变小，由内部结构因素引起的空间变异则相反.

3.2 政策建议

1）提升资源配置效率，促进产业结构优化升级. 本文研究表明，现阶段下我国军民融合企业技术创新效率仍有待提高. 创新能力不足仍是当前军民融合企业存在的主要问题. 企业应该强化创新主体意识，落实创新发展理念. 一方面加大技术、研发的投入，保障资源的配置效率；另一方面应该完善技术创新的基础设施，优化创新环境，同时加快产业结构的调整和优化升级.

2）识别区域差异，保障政策实施精准性. 本文研究结果表明，不同时间下的军民融合企业的技术创新效率存在空间异质性. 鉴于此，政府应考虑空间异质性，统筹协调发展基础不同的地区，推行差异化发展模式. 一方面，继续推进高效率地区的军民深度融合，通过优化要素配置，提升企业的技术创新能力，同时，鼓励高效率地区之间进行合作交流，实现“强强联合”，提升资源利用效率；另一方面，对于低效率地区应进一步改善自主创新环境，推进军民融合进程中技术创新能力逐步提升.

3）健全政策法规，完善相关体制. 政府应依据军民融合战略发展基本法律和专项法规，加快修订完善符合各省情的政策制度，注重提高政策法规操作性与适用性，以促进军民融合技术创新有效发展. 加强在产业政策、税收政策、财政政策以及价格、知识产权等方面的引导和支持. 如进一步细化市场准入和退出政策，完善科技成果转化相关法规，提高军民融合技术知识产权创造、运用和保护能力，创新多形式的价格形成机制等.