工业园区开发与城市制造业生产效率.docx

《工业园区开发与城市制造业生产效率.docx》由会员分享，可在线阅读，更多相关《工业园区开发与城市制造业生产效率.docx（22页珍藏版）》请在三一办公上搜索。

1、工業園區開發與城市製造業生產效率邊泰明* 邊泰明 國立政治大學地政學系教授* 王冠斐 國立政治大學地政學系博士生 王冠斐*摘要：本文主要在探討城市生產效率與高新技術開發區生產效率的影響因素。有關城市生產效率經測試結果顯示，工業園區的開發雖然有影響，但整體配適度不高。高新技術開發區生產效率經測試結果顯示，R&D研究與實驗發展經費支出和科技活動人員的投入都有助於生產效率的提升，惟研究人員的投入要具有相關規模經濟。廠商規模越大越有助於高新技術開發區生產效率的提升，以上測試結果可以作為政策之參考。關鍵詞：DEA模式，工業園區，生產效率。一、 前言生產力（productivity）是競爭力（compet

2、itiveness）的指標之一（Solleiro and Castanon，2005），代表著效率。城市生產力與城市生產是否有效率為城市經濟學者關心的議題（Mills，1967；Alonso，1971；Schefer，1977；Carlino，1982）。早期許多研究多從城市生產力的觀點切入，探討產業結構、資本密度、技術調整能力、勞力品質、聚集經濟等因素對城市生產力的影響（Beeson and Husted，1989；Williams and Moomaw，1989；Moomaw，1983；邊泰明，1995）。晚進開始有從經濟績效觀點討論城市生產效率問題（Kim，1997；Zhu，1998）。

3、本文研究重點放在城市生產效率，試圖以中國大陸221個城市（包括直轄市和地級市）為研究對象（參閱附錄一），比較各城市之間製造業生產的技術效率和規模效率。一個城市之生產製造與新興產業的發展，必須建構在完整的用地供給系統上（Glaeser，1992）。工業園區開發是許多工業化國家在發展科技（technology）時採行的重要政策（Castells & Hall，1994；Masser，1990），因為它能夠創造就業機會，改善城市生產力，維持一個國家的競爭能力和聲望（Markusen、Hall & Glasmerier，1986）。工業園區的開發對中國大陸亦不例外，它是中國大陸加入世界經濟體系中很重要

4、的一種手段，並在學習世界先進產業區域的發展上伴演著關鍵的角色（Walcott，2002）。由於中國大陸工業園區（高新技術開發區與經濟技術開發區）的設置是以城市為考量（都市化帶動工業化），所以本文亦試圖瞭解工業園區的開發是否會影響城市生產效率。城市生產效率和創新能力有密切關係。一個城市創新氛圍（Innovative milieu）愈高，廠商的創新績效愈大(Camagni，1995)，吸引跨國企業設廠機率愈高，這也就隱含著城市創新能力愈強，生產效率愈高。城市創新氛圍是產業群聚、廠商研發投入、廠商合作網絡、廠商創新績效.等因素的綜合（Shefer and Frenkle，1998）。知識經濟時代，廠

5、商創新績效的實證研究很多， Becheikh 、Landry and Amara(2006)整合了1993-2003年有關廠商產品製程與技術創新108篇的實證研究，系統性的彙整出創新研究的邏輯，架構出包含廠商特性之內部因素、廠商所處環境之外在因素和廠商創新績效之間的關係，其中內部因素與外部因素之R&D與廠商創新成效有密切關係。準此，本研究有關城市生產效率影響因素之探討，除了工業園區設置因素外，亦將分析科研經費支出是否和城市生產效率有關。全文結構包括六個部份，第二個部份是理論方法的說明，包括本文測試的邏輯結構；第三個部份描述中國大陸工業園區開發的經過，和工業園區在空間上的分佈；第四和第五部份為測

6、試變數的說明，以及測試結果的分析；最後為結論和政策建議。二、理論方法與邏輯架構效率有技術效率（technical efficiency）、規模效率（scale efficiency）和配置效率（allocative efficiency）三種。配置效率需要有生產成本資料，本研究闕如，所以只進行技術效率和規模效率的測試。技術效率可再分為投入面（input orientation）模式和產出面（output orientation）模式。投入面模式指的是在既有的產出水準下，決策單位（Decision Making Unit, DMU）如何減少投入生產要素以獲得效率；產出面模式指的是在既有投入水準下

7、，DMU如增加產出以獲得效率。當技術效率呈現規模報酬遞增或遞減時，便出現規模無效率（scale inefficiency）現象。有關城市生產力的測試，多從城市聚集經濟的觀點，建立生產函數（production function），透過聚集經濟規模報酬（returns-to-scale）參數（Carlino，1979，1982，1985；Schefer，1973），或希克斯中性（Hicks-neutral）生產力參數（Nakamura，1985；Henderson，1986）的測試，了解城市生產力是受到技術因子、地方化經濟（localization economics）或者城市化經濟（urban

8、ization economics）的影響；而城市生產效率的分析，則是利用資料包絡分析方法（Data Envelopment Analysis, DEA）去進行測試（Kim,1997），本文亦採用DEA方法。（一）DEA模式DEA模式最早由Farrel於1957年提出，是一種無參數（non-parametric）之統計效率技術（statistical efficiency technique），它利用線性規劃（linear programming）之非預設生產函數的方式來推估多項投入與多項產出的效率值，分別計算各DMU的產出與投入比值，並以柏拉圖效率（Pareto efficiency）觀念求

9、得效率前緣（efficiency frontier）所連成的包絡曲線為基準。位於包絡曲線上的決策單位，判定為相對有效率（relative efficiency），而落於包絡曲線內的DMU則判定為相對無效率，藉以評估各DMU之生產效率。所以它是對DMU排序的一種測試模型，可以比較DMU彼此之間的相對效率。此種方式的特點是可同時處理多項投入與產出，不需預設生產函數，且可指出各DMU之投入或產出規模經濟與不經濟，做為政策建議的依據。DEA評估模式包括CCR模式及BCC模式：1、CCR模式Charnes、Cooper & Rhodes（1978）依據Farrell的效率衡量理論基礎，利用虛擬乘數（vi

10、rtual multiplier）將多投入與多產出的情形，加權整合成為單一投入與單一產出，並以此種虛擬的投入產出比率作為DMU效率衡量的指標，即所謂的CCR模式。但由於CCR模式為分數規劃模式不易求解，且所求解之最適解在規模報酬固定之假設下，會有無窮多組解產生。因此，Charnes（1978）將其轉換為線性規劃問題，假設DMU有n個，各DMU（i=1,2,n）使用m種投入要素（j=1,2,m），生產s種產出（r=1,2,s），其公式如下：其中，：的投入效率值。 ：第r個產出項目的虛擬乘數。 ：第j個投入項目的虛擬乘數。2、BBC模式由於CCR模式是假設受評估單位為固定規模報酬之前提，但當規模報

11、酬為變動時，技術無效率則可能來自於運作規模的不當而非技術無效率。因此Banker, Charnes and Cooper(1984)修正了CCR模式，將無效率的原因分為技術的無效率或營運規模的不當，藉以評估廠商在不同規模報酬（variable retums-to-scale；VRS）下生產之技術效率，。並引用Shephard的距離函數，加入DMU在生產函數上的參考點需為有效率DMU的凸性組合（convex combination），而導出能同時衡量受評估單位的純技術效率與規模效率的BCC模式。其轉為利於演算之對偶模式公式如下：第r個產出項目之差額變數：第j個投入項目之差額變數：為一極小數值其中

12、，與分別為產出與投入之互補差額變數，其可衡量純技術無效率，以及瞭解投入與產出有多少改善空間。而即為凸性限制式，保證參考單位和受評估單位的規模相似，助於衡量純技術效率值。3、規模效率 DEA模式亦可以分析DMU受測單位之技術效率是處於規模報酬遞增或規模報酬遞減，以瞭解規模效率或規模無效率。規模效率的計算是固定規模報酬效率值與變動規模報酬效率值之比，比值為1表示DMU具規模效率，如果小於1是規模不效率。規模效率的計算是固定規模報酬效率值與變動規模報酬效率值之比，比值為1表示DMU具規模效率，如果小於1是規模不效率，表示規模報酬遞增，表規模報酬遞減。（二）TOBIT模式由於DEA效率評估僅衡量各決策

13、單位的相對效率值，無法指出其他外生變數對於決策單位生產效率的影響，因此往往需要再利用迴歸分析進行測試。本研究亦採二階段的方式進行分析，以所估計的效率值為被解釋變數，利用迴歸模型評估外生變數對於生產效率的邊際效果。由於DEA模型所估計出來的效率值為介於0到1之間，屬於設限資料（censored data），且樣本資料分佈不屬於常態分配或對稱型分配，與最小平方法（OLS）中的被解釋變數是屬於連續數不同，若逕行最小平方法進行迴歸分析，可能會導致估計參數值有偏誤（biased）或不一致性（inconsistent）的現象，因此本研究利用Tobit截斷迴歸模型進行後續分析。Tobit截斷迴歸實證模型設定

14、如下式：其中，為真正的技術效率值，為被截斷的技術效率值，當大於等於1時，均為1；當小於1時，等於。向量代表可能影響技術效率值之解釋變數，向量為其係數，為隨機干擾向，屬常態分配。（三）邏輯架構本研究生產效率的測試包括城市（4個直轄市和217個地級市）和高新技術開發區（53個）兩個地裡空間，測試的模式有DEA模式和TOBIT模式，其間的邏輯關係如圖一所示。圖一：研究邏輯架構三、大陸工業園區開發大陸積極推展經濟改革之際，在科技發展方面有所謂三個層次及六大計畫。六大計畫分別為六五、七五、八五攻關計畫、863計畫、星火計畫、火炬計畫、基礎研究計畫及國家科技成果重點推展計畫，這六大計劃和工業園區的開發有密

15、切關係。1984年是大陸地區工業園區開發的分界點，在此之前大陸無工業園區的發展，在計劃經濟體制與國家政策的思考之下，產業的佈置主要是配合國家計劃以及國防安全的需要，如三線戰略發展時期的產業內遷。1984年6月，原國家科委向黨中央、国務院提出了關於迎接新技術革命的對策，其中明確地提到了要研究、製定新技術園區和企業孵化器的優惠政策，同年在鄧小平南巡為開發沿岸政策定調之後，國務院在同年配合沿海14個開放城市設定國家級經濟技術開發區，以有別於計劃經濟體制的特區方式對外招商引資、引進技術與產業。國家級經濟技術開發區空間分佈請參閱附圖。大陸地區在1984年首先設立經濟技術開發區的時候，對於開發工業園區設立

16、了以下基本原則 沿海部份城市座談會紀要，中國開發協會編，中國開發區大事記，1984。：依托母城，經濟技術開發區的設立都必須依靠東部沿海發達地區或中心城市的轄區之內，依靠該城市的資源、資金、人力、工業基礎、基礎設施；新生區域，經濟技術開發區的設立必須明確劃定地址界線，同時是新建的區域，以方便管制授權及對外開放政策的實施；定位明確，經濟技術開發區的設立是對外引進技術，集中舉辦中外合資、合作、外商獨資以及中外合作的科研機構，進行合作生產、設計、開發，同時向內地擴散先進生產技術與管理經驗；平台式體制設計，開發重點在投資環境的改善，不主動介入企業的經營；管制授權，經濟技術開發區內的外資投資項目可以適度的

17、比照經濟特區的規定放寬；超國民待遇，於園區內生產的廠商可享有優於中國本地企業的所得稅優惠。上述經濟技術開發區設立的原則確立了開發區設立的目的、區位、以及性質，再加上產業與科技政策的指導，如經濟技術開發區以引進外資先進技術、發展工業、生產產品出口為主，致力高新技術產業的發展的三為主一致力方針，並配合經濟計畫明定可投資的項目，企圖達成產業需求與投資環境供給之間的平衡。大陸地區在1985年設立深圳科技工業園區，之後依照此一經驗配合國家火炬計畫在1988年設立北京高技術產業開發試驗區，類似於台灣的新竹科學園區以高科技產業的發展為主，為高新技術產業園區之濫觴。國家科委於1991年6月29日公佈了國家級火

18、炬計畫項目管理辦法，其中火炬計畫除了要將大陸本身的科技研究成果，轉換成市場需求之商品，以達到商品化、產業化及全球化之目標外，更重要的是要在各地區開發高新技術產業開發區，同年批准成立了26個國家級高新技術產業開發區，1994年又成立了25個，並於1997成立了最後一個高新開發區，亦即陝西省楊凌農業高新技術產業開發示範區，至此，國家級高新技術產業開發區合計有53個。雖然大陸地區也有如出口加工區、保稅區、旅遊區、邊境開發區等園區，但主要的工業園區體系為經濟技術開發區以及高新技術產業開發區兩種。 四、 資料來源與變數選取配合DEA模式與TOBIT模式測試的需要，本研究分別針對221個直轄市與地級市及5

19、3個高新技術產業開發區所測試的變數說明如下：（一） 地級市製造業生產效率測試變數DEA模式是一種投入產出的模式，它的優點為可以同時處理多投入因素和多產出因素。在多投入因素方面，本文選取了從業人員年平均人數、固定資產投資完成額、當年實際使用外資金額和工業企業數四項投入變數，分別表示資本與勞力生產因素。在產出方面，以總產值作為衡量的指標，其中又可分為內資企業總產值、港澳台商投資企業總產值和外商投資企業總產值三項。以上資料來自於2004年中國城市統計年鑑與中國城市發展報告。地級市各變數之平均值、最小值和最大值參閱表一。TOBIT模式的測試，是以DEA模式測試的結果作為應變數，地級市生產屬於有效率，其

20、數值為1；否則小於1，生產效率值介於0和1之間。解釋變數則為是否有高新技術開發區和經濟技術開發區的設置，屬於虛擬變數，如果有，數值為1；否則為零。理論上，有設置工業園區的地級市，其生產效率較高。另外，本研究將工業園區之科學事業費支出亦納入考量，科學事業費支出和研發有密切關係，理論預期值為正相關，表示科學事業費支出愈多，生產會愈有效率。該變數屬於連續變數，資料來自2004年科技部投資處。表一：地級市測試變數DEA模式TOBIT模式變數名稱平均值最小值最大值平均值最小值最大值內資企業總產值(千萬元)2100.94322.31831234.651-港、澳、台商投資企業總產值(千萬元)458.2990

21、.05314982.538-外商投資企業總產值(千萬元)743.6200.04334133.115-從業人員年平均人數|(萬人)13.9850.21204.62-固定資產投資完成額(千萬元)998.39730.06621696.800-當年實際使用外資金額(百萬美元)217.1160.015073.34-工業企業數(個)399.972189760-有無高新園區-為虛擬變數，1=有高新園區，0=無高新園區有無經濟技術開發區-為虛擬變數，1=有經濟技術開發區，0=無經濟技術開發區科學事業費支出(萬元)-2077.954096100（二）高新技術開發區測試變數高新技術開發區生產效率的測試（DEA模式

22、）有四項投入變數和兩項產出變數。前者包括累計竣工建築面積、企業家數、年末從業人數和年末資產，分別代表土地、勞力和資本生產要素。後者有工業總產值和實際上繳稅額。本研究測試影響高新技術開發區生產效率（TOBIT模式）的因素有三：R&D研究及實驗發展經費支出、科技活動人員和廠商規模（以年末從業人員（千人）/企業家數（百家）代表）。理論上，R&D研究及實驗發展經費支出愈多，知識與技術產出愈大，生產效率也就愈高；科技活動人員投入愈多，對生產效率有正面效果，但可能也有不經濟現象；廠商規模愈大，有規模經濟效果。高新技術開發區各測試變數之平均值、最小值和最大值參閱表二。表二：高新技術開發區測試變數DEA模式T

23、OBIT模式變數名稱平均值最小值最大值平均值最小值最大值工業總產值（億美元）309.18217.9361236.153-實際上繳稅額（億元）19.7590.384120.086-累計竣工建築面積（平方公里）2.9240.5099.098-企業數（百家）6.1990.46120.3-年末從業人數(千人)74.5968.838488.561-年末資產（億元）498.69361.9225243.893-R&D研究及實驗發展經費支出-77.95601286.414科技活動人員（人）-111.2044.521433.05科技活動人員平方（人）-495.6360.20420536.323年末從業人員（千人

24、）/企業家數（百家）-24.4763.71574.402五、實證分析（一）城市製造業生產效率與影響因素分析本文DEA模式測試包括CCR模式、BCC模式和規模效率測試。CCR模式假設規模報酬是固定的，221個地級市測試結果，生產有效率的城市包括長春市、蘇州市、廈門市、青島是、東莞市.等31個地級市，占全部受測城市比例14.03，31個地級市中屬於沿海地區的有6個，屬於內陸地區有25個；沒有效率的地級市包括北京市、天津市、上海市等190個城市，占全部受測城市85.97，其中屬於沿海地區生產沒有效率的地級市有51個，內陸地區有139個；有效率的地級市效率參數值為為1，沒有效率的地級市最小參數值為0.

25、132，為上饒市，221個地級市平均效率值為0.521（參閱表三）。BCC模式假設規模報酬是變動的，如果非處效率狀態，則呈現規模報酬遞增或遞減。221個地級市測試結果，生產有效率的城市除了CCR模式中31個地級市外，尚包括天津市、上海市、杭州市等14個地級市，總共45個地級市，占全部受測城市20.36；生產沒有效率的地級市減少為176個，占全部受測城市比例79.64，其中屬於沿海地區生產沒有效率的地級市有47個，內陸有129個；BCC模式測試有效率的參數值亦為1，沒有效率的地級市最小參數值為0.173，為宜昌市，221個地級市平均效率為0.614，略高於CCR模式的0.521。規模效率計算的結

26、果，具有規模效率的城市共32個，沿海地區6個，內陸地26個；規模不具效率的城市189個，屬於規模報酬遞增的城市137個，規模報酬遞減的城市52個。 表三：221個城市DEA模式測試結果CCR modelBCC modelScale 效率增減有效率佔全部比例(%)無效率佔全部比例(%)有效率佔全部比例(%)無效率佔全部比例(%)有效率佔全部比例(%)無效率佔全部比例(%)效率遞增效率遞減地級市總數3114.03%19085.97%4520.36%17679.64%3214.48%18985.52%52137沿海地區62.71%5123.08%125.43%4721.27%62.71%5123.0

27、8%2726內陸地區2511.31%13962.90%3314.93%12958.34%2611.76%13862.44%25111平均效率0.5210.6140.849-標準差0.26280.26150.1839-最小值0.1320.1730.196-最大值111-為了瞭解城市生產力是否受到工業園區開發的影響，本研究以DEA模式所測試的城市生產效率值為應變數，城市有無高新技術開發區和經濟技術開發區的設置（虛擬變數），與城市科學事業費支出（連續變數）作為自變數，進行TOBIT模式的測試。在BCC模式中，高新技術開發區的設置通過檢定（P值為0.094），表示高新技術開發區的設置會影響城市製造業生

28、產效率，且為正相關，惟科學事業支出無法通過檢定，表示沒有相關。在CCR模式中，城市生產效率和工業園區設置與否沒有相關，但受到科學事業支出的影響（P值為0.0745）。（參閱表四）表四：221個城市TOBIT模式測試結果自變數CCR modelBCC model係數值P-Value係數值P-Value常數項0.6240.000*0.5130.000*有無高新園區0.1050.10820.09810.094*有無經濟技術開發區-0.0290.67260.01580.799科學事業費支出0.00000530.0745*-0.000000170.939配適度0.3960.031註:*表示達到10%之顯

29、著水準；*表示達到1之顯著水準。（二）高新技術開發區生產效率與影響因素分析 高新技術開發區開發是否具有生產效率亦是本研究關心的重點。本文亦利用DEA模式針對53個高新技術開發區，以4項投入變數和2項產出變數進行效率測試。在CCR模式中，生產達效率的高新技術開發區有6處，4處在沿海地區，2處在內陸地區；未達效率的高新技術開發區47處，沿海地區13處，內陸地區34處。BCC模式中，生產達效率的高新技術開發區有9處，沿海地區多2處，有6個地區，內陸地區有3處。 規模效率的測試和CCR模式測試的結果一樣，有6個高新技術開發區是有效率的。規模沒有效率的高新技術開發區總共有47處，規模無效率屬於規模遞增的

30、高新技術開發區共11處；屬於規模遞減的高新技術開發區共36處(參閱表五)。表五：53個高新技術開發區DEA測試結果CCR modelBCC modelScale效率增減有效率佔全部比例(%)無效率佔全部比例(%)有效率佔全部比例(%)無效率佔全部比例(%)有效率佔全部比例(%)無效率佔全部比例(%)效率遞增效率遞減高新區總數611.32%4788.68%916.98%4483.02%611.32%4788.68%1136沿海地區47.55%1324.53%611.32%1120.75%47.55%1324.53%211內陸地區23.77%3464.15%35.66%3362.26%23.77%

31、3464.15%925平均效率0.5043770.5931130.859868-標準差0.247530.250480.173732-最小值0.1650.250.165-最大值111- 影響高新技術開發區效率的因素，經TOBIT模式測試的結果，R&D研究及實驗發展經費支出、科技活動人員、和廠商規模(年末從業人員/企業家數)3項變數通過統計檢定。亦即高新技術開發區R&D研究及實驗發展經費支出越高，生產效率越大(p值0.0001)；廠商規模越大，生產效率越高(p值0.0455)。高新技術開發區生產效率在投入初期呈現負向相關，表示有研發投入人員規模不經濟情形(p值0.0000)，隨著研發投入人員至一定

32、規模後有正向相關(p值0.0000)(參閱表六)。表六：53個高新技術開發區TOBIT模式測試結果（4個變數）BCC model自變數係數值P-Value常數項0.7540.0000*R&D研究及實驗發展經費支出0.02630.0001*科技活動人員-0.08670.0000*(科技活動人員)20.03110.0000*年末從業人員/企業家數0.04450.0455*配適度0.1503註:*表示達到5%之顯著水準；*表示達到1之顯著水準。六、結論與建議本文利用DEA模式針對大陸221城市和53個高新技術開發區的生產效率進行測試。結果發現諸如北京市(CCR和BCC)、上海市(CCR)、西安市(C

33、CR和BCC)等大城市的生產效率並不如一般預期般具有生產效率；小城市諸如晉中、連成、通化等地區在製造業生產上並不一定沒有效率；會有如此的結果，關鍵在於生產效率之計算，同時考慮了投入面和產出面。高新技術開發區的生產效率亦有同樣的情形，北京、深圳、上海高新技術開發區成效最佳，生產效率值為1；天津高新技術開發區的生產效率不如預期(CCR僅為0.335、BCC為0.496)；楊凌高新技術開發區成立時間最晚，屬於產業科技高新技術開發區，生產效率值最低。由於本文係利用投入面進行測試，所以政策建議著重在生產投入因素的建議。當測試結果屬於規模報酬遞增時，表示生產要素投入不足，在政策上應加強生產要素的投資；如果

34、屬於規模報酬遞減，表示生產要素投入相對於產出是過多的，在政策上對於生產要素的投入就應該謹慎評估。 有關城市生產效率影響因素的測試，工業園區的設置會對城市有所影響(但僅在BCC模式測試時才通過檢定)，惟p值僅達10之顯著水準，整體配適度亦不高，顯示影響城市生產效率還有其他因素，這個結果可以供未來繼續研究參考。本研究為了瞭解城市生產效率是否會受到高新園區生產效率的影響，亦針對53個高新技術開發區所在城市，進行城市生產效率與高新技術開發區生產效率相關性的測試，惟Pearsonvu相關性僅0.259(CCR模式)和0.325(BCC模式)，顯示兩者所呈現的關聯性不高。高新技術開發區生產效率影響因素的測

35、試，R&D研究及實驗發展經費支出和科技活動人員的投入都有助於生產效率的提升，惟研究人員的投入要具有相關規模經濟。廠商規模越大越有助於高新技術開發區生產效率的提升，這也可以作為政策之參考。參考文獻王肇蘭，（2006），租稅與經濟成長、地方政府財政與技術效率論文集，國立政治大學財政學系博士論文。邊泰明，（1998），都市階層與都市生產力, 海峽兩岸長江流域可持續發展專題研討會，武漢。Alonso,W., (1971),“The Eonomics of Urban Size”, Papers of Regional Studies, 26. Bannister, G. J. & Stolp, C.,

36、 (1995), “Regional concentration and efficiency in Mexican manufacturing”,European Journal of Operational Research, 80:672-690.Beeson,P., (1978),“Total factor productivity growth and agglomeration economies in manufacturing ”,Journal of regional Science, 27(2):183-199.Beeson,P. & Husted, (1989),“ Pr

37、oductive Efficiency in Manufacturing”,Journal of Regional Science, 29.Byrnes, P. E. & Storbeck, J. E., (2000), “Efficiency gains from regionalization: economic development in China revisited ”,Socio-Economic Planning Science, 34:141-154.Castell,M. & Hall,P., (1994),“Technopoles of the world:the mark

38、et of 21st century industrial complexes”,London and New York:Routledge. Carlino,G.A., (1982),“Manufacturing agglomeration economies ad returns to scale:A production function approach”,Papers of Regional Scoence Association.Chang, P. L., Hawng, S. N. & Cheng, W. Y., (1995),“Using Data Envelopment Ana

39、lysis to Measure the Achievement and Change of Regional Development in Taiwan”,Journal of Environment Management, 43:49-66.Diaz-Balteiro, L., Herruzo, A. C., Martinez, M. & Gonzlez-Pachn, J., (2006), “An analysis of productive efficiency and innovation activity using DEA: An application to Spains wo

40、od-based industry”, Forest Policy and Economics, 8:762-773.Henderson,J.V., (1986),“Efficiency of resource usage and city size”,Journal of Urban Economics, 19.Huang, G. & Xin-Yu, W., (2004), “Measurement and evaluation of efficiency of regional technical innovation Jiangsu Province” ,Journal of China

41、 University of Mining & Technology, 14(1):26-33.Kim,S.J., (1997),“Productivity of Cities ”,Ashgate Publishing Ltd,England.Markusen, A.P., Hall, P. & Glasmeier, A. (1986),“High-tech America” ,Boston:George Allen and Unwin.Masser,I. (1990),“Technology and regional development policy: a review of Japan

42、s technopolis programme ”,Regional Studies, 24:41-53.Moomaw,R.L., (1983),“Spatial productivity variations in manufacturing: a critical survey of cross-sectional analyses”,International Regional Science Review, 8.Miller,E.,(1981),“Variation in productivity, wages and profitability with location”, Rev

43、iew of Regional Studies, 11.Mu, Q. & Lee ,K., (2005),“Knowledge diffusion, market segmentation and technological catch-up:The case of the telecommunication industry in China”,Research Policy, 34:759-783.Nakamura,R., (1985),“Agglomeration economies in urban manufacturing industries: a case of Japanes

44、e cities”,Journal of Urban Economics, 17.Timmer, M. P., (2005), “Localized Innovation and Productivity Growth in Asia: An Intertemporal DEA Approach”, Journal of Productivity Analysis, 23:47-64.Solleiro,J.L.& Castano,R., (2005),“Competitiveness and innovation systems: the challenges for Mexicos inse

45、rtion in the global context”, Technovation, 25：10591070.Wang, S., Wu, Y. & Li, Y., (1998),“Development of technopoles in China”, Asia Pacific Viewpoint, 39(3):281-301.Williams & Moomaw, (1989),“Captial and labor efficiencies:a regional analysis ”,Urban studies, 26.Zhu, J., (1998), “Data envelopment analysis vs. principal component analysis:An illustrative study of economic performance of Chinese cities”,European Journal of