战略性新兴产业企业创新效率评价研究
——以东北地区为例

齐 齐，赵树宽，李其荣

（吉林大学管理学院，吉林长春130022）

战略性新兴产业企业创新效率评价研究
——以东北地区为例

齐 齐，赵树宽，李其荣

（吉林大学管理学院，吉林长春130022）

战略性新兴产业是引领我国产业转型升级的重要力量，其创新效率是衡量产业创新活力的重要指标。在微观视角下，结合创新效率评价的现有成果，构建战略性新兴产业企业创新效率评价指标体系与模型，采用数据包络分析（DEA）方法，从效率、有效性、规模收益及投影分析四个方面，对东北地区150家战略新兴产业企业创新活动进行分析，结果显示：东北地区战略性新兴产业企业创新效率整体偏低（新材料和新能源汽车两个产业最高，其余依次为光电信息、生物，节能环保企业创新效率最低），主要原因是技术效率偏低；超过90%的企业非DEA有效，同时，90%以上的企业呈规模报酬递增态势；投影分析表明，科技活动人员和研发人员投入相对过少导致东北地区战略性新兴产业企业创新效率偏低。为此，政府应针对战略性新兴产业的特点和现实需求出台倾斜性政策和措施，企业则应加大优秀科技人才的培养和引进力度，努力提升创新效率。

战略性新兴产业；创新效率评价；数据包络分析；规模收益分析；投影分析

一、引言

战略性新兴产业是我国为自身产业结构调整进行战略性部署[1]、引领未来经济社会发展的重要力量[2]。近年来，全球主要经济体纷纷提出战略转型，出台新兴产业发展战略规划，将新兴产业作为经济结构调整的核心手段。2010年，我国正式颁布《国务院关于加快培育和发展战略性新兴产业的决定》，确立将培育和发展七大战略性新兴产业作为国家重大战略。目前，我国已有30余个省（市、自治区）制定发展战略性新兴产业的规划和相应政策[2]。2016年，中央颁布了新一轮振兴东北地区等老工业基地的相关政策，东北地区产业转型升级迎来新的机遇。在此背景下，东北地区战略性新兴产业处于什么水平，创新效率如何，以及怎样解决产业发展过程中面临的诸多问题，成为一个重要的研究课题。

二、战略性新兴产业及创新效率研究文献

当前国内学者针对战略性新兴产业的定性研究远多于定量研究，而且在创新效率上的定量研究仍然相对缺乏[1]。在定量研究方法中，学者们以前经常使用单输入与单输出的比率作为创新效率值[3]，这种方法虽然简单直观，但影响解决多投入或多产出的问题，更不能分析导致低效率的根源。创新是一个复杂的过程，不能视作单一的输入或输出[4-5]。随着效率计算方法的改进，学者们开始使用前沿分析方法工具，如随机前沿分析（SFA）和数据包络分析（DEA），这些工具已经成为测量创新效率的主流方法[6-8]。SFA是艾格纳（Aigner）等[9]提出的分析方法，其假定在输入和输出函数之间存在特定的关系。相比之下，DEA使用数据规划模型来估计没有特定函数形式的最佳实践边界，并且允许同时使用多个输入和输出对决策单元（DMU）进行评估[5]。目前，DEA方法被广泛应用在效率测量领域[3]。

现有文献中，学者们主要从区域和产业两个视角对战略性新兴产业创新效率开展研究，鲜有学者从企业视角进行研究。区域视角属于宏观层面，黄海霞和张治河[10]基于DEA模型，测算中国28个省份及三大区域战略性新兴产业技术创新效率的差异性；翟华云和方芳[11]从地区科技金融发展水平角度，研究战略性新兴产业创新效率。产业视角属于中观层面，吕海萍和池仁勇[1]综合运用产出模型、相关系数和DEA（BCC）模型，对浙江省四个战略性新兴产业技术创新效率进行测量；李红锦等[8]以LED产业为例，使用2008—2010年的产业数据测量产业创新效率，发现LED产业总体创新效率水平不高。有很多因素影响战略性新兴产业创新效率，比如政府补助[12-13]、所有权[14]、产学研合作模式[15-16]等。

梳理文献发现，现有研究主要存在以下两点不足：其一，学者主要从区域和产业层面对我国战略性新兴产业创新效率开展研究，而作为创新主体——企业层面的研究却很少，这导致我国战略性新兴产业创新效率研究缺少坚实的微观基础。其二，虽然部分战略性新兴产业研究中对创新效率进行测度，但较多地使用SFA方法，鲜有学者使用DEA方法，更没有学者使用投影分析方法探寻创新效率偏低的原因和改进方案。为此，本文采用DEA方法，对战略性新兴产业企业创新效率进行综合评价与分析，以填补战略性新兴产业企业创新效率研究的空白。具体而言，从效率、创新有效性、规模效益和投影分析四个方面对东北地区战略性新兴产业企业创新活动进行评价，探寻阻碍企业创新的因素，提出创新效率改进目标与方案，为东北地区战略性新兴产业企业发展策略和相关政策提供针对性建议，以期提升企业创新效率。

三、评价指标体系与模型建构

（一）评价指标体系

大部分学者将创新分为创新投入和创新产出两部分[17-18]。一方面，通常使用研发（R&D）经费和人员等指标刻画创新投入[19-20]；另一方面，通常使用发明专利申请数和新产品销售收入等指标刻画创新产出[5，21]。在文献梳理的基础上，结合东北地区战略性新兴产业企业的特点，构建企业创新效率指标体系，搭建DEA分析框架，具体详见表1。

表1 战略性新兴产业企业创新效率评价指标体系

（二）评价模型

在很多研究中都倾向于投入主导模型[18，22]，因为投入主导模型假定资源是稀缺的，解决投入的最小化问题，即在不减少产出数量的同时按比例减少多少投入的问题。产出主导模型则与之相反，是解决投入一定的情况下产出最大化的问题。

法雷尔（Farrell）[23]首次引入技术效率的系统测量方法，查恩斯（Charnes）等[24]在此基础上开发了CCR模型，假设生产为恒定的规模报酬率（CRS），即企业以最佳规模或最小平均成本运行。班克（Banker）等[25]在此基础上进一步延伸，发展为BCC模型，该模型鉴定生产为可变规模报酬率（VRS）。我们选择可变规模报酬率作为本研究的假设前提。一是由于市场结构和企业所面临的竞争性市场压力，企业通常不会在最佳规模下运营；二是企业技术创新活动具有明显的知识经济特征，战略性新兴产业企业尤为明显，而该特征在一定程度上抵消了传统生产要素的边际收益递减规律，增加了边际收益的不确定程度。

综上，我们选择VRS作为假定情景，使用BCC模型，对东北地区战略性新兴产业企业创新效率进行评价。假定有n个待评价的决策单元（DMU），根据投入产出模型，有m种要素输入，有s种要素输出，则对于每一个DMUj都有对应的效率评价指数：

其中，xij是决策单元DMUj第i种要素投入量，而vi则是该决策单元第i种投入要素的权重系数；yrj是决策单元DMUj第j种产出总量，而ur则是该决策单元第j种产出要素的权重系数。

构造CCR模型，具体而言，以所有决策单元的效率评价指数为约束，在此条件下以第j0个决策单元的效率评价值为目标：

通过Charnes-Cooper对公式（1）进行数学变换，在此基础上对公式两端取对偶形式，最后引入剩余变量s-和松弛变量s+，以进一步转换为两个约束等式，得出最终的CCR模型：

通过（2）式得到最优解θ0、λ0、s0+、s0-，即可判断决策单元的有效性。

考虑到战略性新兴产业属于技术密集型产业，企业创新边际收益是不确定的，因此需要在CCR模型的基础上构建BCC模型。具体而言，在公式（2）的基础上引入∑λj=1，将决策单元的综合效率进一步分解为两个维度，即纯技术效率和规模效率。

此外，本研究使用投影分析，使非DEA有效的决策单元转换为DEA有效。具体而言，令是决策单元的原始值在前沿面上的投影，其相对于原决策单元是DEA有效的。因此，投影分析前后决策单元的原始值的改变量为，其 中，前者为投入冗余量，后者为产出不足量，总而言之，投影分析就是通过计算决策单元的投入冗余量和产出不足量，为决策单元改进提出依据。

四、实证分析

（一）研究方法与数据来源

本研究基于DEA方法，使用DEA2.1软件，对东北地区战略性新兴产业创新活动进行评价与分析。由于企业创新效率评价指标体系中新产品销售收入和专利申请数量两个指标企业很少公布，因此本研究采用实地调研的方法，对东北地区245家战略性新兴产业企业进行调研，收集并整理2013年企业创新投入产出数据，其中150家企业的数据有效。本研究依据企业主营业务范围和国家统计局《战略性新兴产业分类（2012）》，将150家企业分为新能源汽车产业、光电信息产业等五个类别，具体如表2所示。

（二）效率评价

本研究使用调查整理后的企业投入产出数据，分别代入BCC模型，分析东北地区战略性新兴产业企业创新效率水平，结果详见表3。

表2 东北地区战略性新兴产业企业创新投入产出数据

表3 东北地区战略性新兴产业企业创新效率评价结果

由表3可知，东北地区战略性新兴产业企业创新综合效率整体上属于较低水平，平均为0.157。其中，新材料和新能源汽车两个产业创新效率最高，为0.194，其余依次为光电信息、生物、节能环保，其中节能环保企业创新效率最低，为0.091。东北地区战略性新兴产业企业的纯技术效率为0.366，低于规模效率（0.425），纯技术效率偏低造成了东北地区战略性新兴产业企业创新效率偏低。

表4 东北地区战略性新兴产业企业创新效率分类

根据DEA创新效率评价值的大小，将企业创新水平分为五类，具体详见表4。东北地区战略性新兴产业企业创新效率为1，即DEA有效企业共有6家，占企业总数的4%；创新效率在0.8～1.0之间的企业为0；创新效率0.4～0.8表示创新效率一般，共有14家企业，占到总数的9.33%；创新效率0.2～0.4表示企业创新效率较差，共有15家，占到总数的10%；创新效率在0.2以下则说明企业创新效率差，共有115家，占到总数的76.67%。总体而言，东北地区战略性新兴产业企业创新效率的分布呈现金字塔结构，即创新效率高的企业非常少，近90%的企业创新效率低于0.4，存在较大的提升空间。

（三）有效性分析

纯技术效率值等于1时，表示该单元达到技术有效，即产出相对于投入达到最大化，其小于1时，表示该单元未达到技术有效，称为非技术有效。与此同时，规模效率值的有效性判断等同。当且仅当纯技术有效和规模有效时，称该单元为DEA有效；两者只有一种有效时，则该单元为弱DEA有效；两者都未有效时，则该单元为非DEA有效。根据以上判断原则，得出东北地区战略性新兴产业企业创新有效性结果，具体如表5所示。

由表5可知，东北地区150家战略性新兴产业企业中有6家DEA有效，占到总数的4.00%，其中生物和新能源汽车最多，都为2家，分别占到本产业企业总数的5.56%和6.45%，其余依次为光电信息、新材料和节能环保三个产业，分别为1、1、0家，分别占到本产业企业总数的2.86%、3.57%、0.00%。新能源汽车企业中DEA有效企业所占比例最高，节能环保中DEA有效企业所占比例最低。

表5 东北地区战略性新兴产业企业创新有效性分析

弱DEA有效企业共8家，占到总数的5.33%，而且这8家企业均为技术有效而规模无效[1]，所以企业弱DEA有效的主要原因是规模无效。所调研企业中非DEA有效企业共有136家，占调查企业总数的90.67%。总而言之，东北地区战略性新兴产业企业创新效率存在较大改进空间，尤其是节能环保产业，该产业中没有DEA有效的企业，绝大多数企业都为非DEA有效。

（四）规模效益分析

通过规模收益分析，可以计算企业创新活动的规模收益水平，并以此探析企业创新活动规模效率偏低的原因。由表6可知，东北地区150家战略性新兴产业企业中，规模收益不变的企业共有7家，占所调查企业总数的4.67%，规模收益递增的企业136家，占所调查企业总数的90.67%。即仅有4.67%的企业达到规模有效，处于最佳规模收益水平，而90.67%的企业属于规模收益递增状态，说明超过90%的企业在创新投入方面存在提升空间。创新投入过少是制约企业规模效率提升的主要因素，这一点表现最为明显的是节能环保企业，所调查的20家企业均表现为规模收益递增。

表6 东北地区战略性新兴产业企业创新规模收益分析结果

（五）投影分析

通过投影分析，可以进一步研究非DEA有效企业投入冗余和产出不足的情况，分析造成企业非DEA有效和创新效率偏低的根本原因。由表7可知，在调查的150家战略性新兴产业企业中有136家是非DEA有效企业，其中，科技活动人员投入冗余的企业53家，R&D人员投入冗余的企业52家，科技活动经费投入冗余的企业67家，R&D经费投入冗余的企业78家。因此，导致东北地区战略性新兴产业企业非DEA有效的主要原因，由上文规模收益分析可知，是科技活动经费和R&D经费投入冗余；规模收益分析结果显示，目前导致东北地区战略性新兴产业企业创新效率较低的主要原因是创新要素投入过少；通过投影分析，科技活动经费和R&D经费相对冗余说明这两个要素的投入相对过多，而科技活动人员和R&D人员投入相对过少，造成投入要素之间的比例不合理，进而导致东北地区战略性新兴产业企业创新效率偏低。

表7 东北地区战略性新兴产业企业非DEA有效投影分析结果家

根据投影分析结果，对东北地区战略性新兴产业非DEA有效企业的投入产出进行调整。具体而言，从投入冗余量和产出不足量两个层面，基于四个投入指标和两个产出指标，对东北地区战略性新兴产业企业创新效率改进提出目标和方案，如表8所示。

表8 东北地区战略性新兴产业非DEA有效企业创新投入产出调整情况

由表8可知，所调研企业中非DEA有效企业创新投入平均增加幅度普遍较高，均在70%以上，这验证了效率分析中东北地区战略性新兴产业企业创新效率偏低的结论，也说明其存在较大的改进和提升空间。投入指标调整方面，新能源汽车产业非DEA有效企业在科技活动人员、R&D人员、科技经费和R&D经费上的改进幅度高达84.27%、82.80%、92.77%和91.80%；光电信息、节能环保、生物和新材料非DEA有效企业在四个投入指标上的改进幅度也相对较大。产出指标调整方面，尽管不同产业的非DEA有效企业在专利和销售收入上的改进幅度不同，但基本小于10%，尤其在专利申请数上的改进空间更小，大多数企业改进方向还是集中在创新投入方面；节能环保产业非DEA有效企业新产品销售改进幅度最大，为12.71%。

五、结论与政策建议

（一）结论

本研究运用DEA方法，基于产业的微观视角，对东北地区战略性新兴产业企业创新效率进行分析，得出以下结论：

1.企业创新效率方面

效率评价分析表明，东北地区战略性新兴产业企业创新综合效率整体处于较低水平，其中节能环保企业创新效率最低，依次为生物、光电信息、新材料和新能源汽车。纯技术效率是东北地区战略性新兴产业企业创新效率偏低的主要原因，这也验证了黄海霞和张治河[10]的研究结论。从微观视角进一步分析，东北地区战略性新兴产业企业创新效率的分布呈现金字塔结构，近90%的企业创新效率低于0.4。

2.企业创新有效性方面

通过有效性分析，东北地区150家战略性新兴产业企业中，DEA有效、弱DEA有效和非DEA有效企业分别为6家、8家、136家，分别占调查企业总数的4.00%、5.33%和90.67%。这8家弱DEA有效企业均为技术有效而规模无效，说明东北地区战略性新兴产业企业弱DEA有效的主要原因是规模无效。136家非DEA有效企业中节能环保企业有19家，占到产业企业数量的95%以上，该产业的创新效率亟需得到政府关注和政策倾斜。

3.企业规模收益方面

规模收益分析表明，东北地区150家战略性新兴产业企业中，规模收益递增、不变和递减的企业分别为136家、7家、7家，分别占到调查企业总数的90.67%、4.67%和4.67%。超过90%的战略性新兴产业企业表现为规模报酬递增。因此，创新投入过少是造成东北地区战略性新兴产业企业规模效率偏低的主要原因，如果企业增加适量的投入吸引资金和人才等，会带来更大比例的产出增加。

4.非DEA有效企业方面

非DEA有效企业的投影分析表明，136家非DEA有效企业中，科技活动经费投入冗余的企业67家，R&D经费投入冗余的企业78家。这说明，导致东北地区战略性新兴产业企业非DEA有效的主要原因是科技活动经费和R&D经费投入相对冗余。进一步分析表明，科技活动人员和R&D人员投入过少，R&D经费和科技活动经费比例不合理，是导致东北地区战略性新兴产业企业非DEA有效和创新效率偏低的根本原因。

（二）政策建议

根据以上对东北地区战略性新兴产业企业四个方面的分析结论，从政府、产业和企业三个层面，提出如下改进企业创新效率的政策建议：

1.政府层面

战略性新兴产业是引导未来经济社会发展的重要力量，这些产业创新能力的提升需要充分发挥政府的作用。政府应加强调控和引导，针对东北地区战略性新兴产业的特点，出台倾斜性政策和措施；加大税收支持力度，如技术开发准备金、税收扣除、投资抵免等间接税收优惠，改善战略性新兴产业税收环境；出台人才引进奖励政策，如落户、安家费等，降低企业引进人才的成本，提高地区吸引人才的活力；提高对战略性新兴产业企业发明专利的奖励力度，提高企业创新的活力。

2.产业层面

依托现有科技园区等平台，整合东北地区战略性新兴产业企业、高校和科研院所，打造产学研合作创新战略联盟（尤其是节能环保和新材料两个产业），完善创新成果转化平台，缩短科技转化周期，提升东北地区战略性新兴产业企业的创新效率。

3.企业层面

东北地区战略性新兴产业企业并不缺乏人才和资金的投入，但存在结构性的问题，面临着科技活动人员和R&D人员过少、R&D经费和科技活动经费结构不合理的问题。因此，东北地区战略性新兴产业企业应重点增加科技活动和R&D人员数量，尤其是加大优秀科技人才的引进力度，加强科技人员培训以提升其科研水平，与此同时，优化R&D经费和科技活动经费比例，充分利用资金，加强技术引进和改造，实现技术的消化、吸收和再创新，提升企业创新效率。

注释：

①由于篇幅有限，本文仅列出各产业企业创新有效性的数量，未列出这8家企业的技术有效性和规模有效性数据，若需要具体数据可以与作者联系。

[1]吕海萍，池仁勇.基于产业波及效应视角的浙江省战略性新兴产业技术创新效率研究[J].科技管理研究，2016（21）：91-97+122.

[2]黄海霞，张治河.基于DEA模型的我国战略性新兴产业科技资源配置效率研究[J].中国软科学，2015（1）：150-159.

[3]WANG Q，HANG Y，SUN L，et al.Two-stage innovation effi⁃ciency of new energy enterprises in China：A non-radial DEA approach[J].Technologicalforecasting and social change，2016，112：254-261.

[4]TIDD J，BESSANT J R，PAVITT K.Managing innovation：in⁃tegrating technological，market and organizational change[M].Chichester：Wiley，1997：37.

[5]CRUZ-CÁZARES C，BAYONA-SÁEZ C，GARCÍA-MAR⁃CO T.You can’t manage right what you can’t measure well：Technologicalinnovation efficiency[J].Research policy，2013，42：1239-1250.

[6]GUAN J，CHEN K.Measuring the innovation production pro⁃cess：A cross-region empirical study of China’s high-tech innovations[J].Technovation，2010，30（5）：348-358.

[7]GUAN J，CHEN K.Modeling macro-R&D production fron⁃tier performance：an application to Chinese province-level R&D[J].Scientometrics，2010，82（1）：165-173.

[8]李红锦，李胜会.战略性新兴产业创新效率评价研究——LED产业的实证分析[J].中央财经大学学报，2013，1（4）：75-80.

[9]AIGNER D，LOVELL C A K，Schmidt P.Formulation and estimation of stochastic frontier production function models[J].Journal of econometrics，1977，6（1）：21-37.

[10]黄海霞，张治河.中国战略性新兴产业的技术创新效率——基于DEA-Malmquist指数模型[J].技术经济，2015，34（1）：21-27.

[11]翟华云，方芳.区域科技金融发展、R&D投入与企业成长性研究——基于战略性新兴产业上市公司的经验证据[J].科技进步与对策，2014，31（5）：34-38.

[12]刘继兵，王定超，夏玲.政府补助对战略性新兴产业创新效率影响研究[J].科技进步与对策，2014（23）：56-61.

[13]巫强，刘蓓.政府研发补贴方式对战略性新兴产业创新的影响机制研究[J].产业经济研究，2014（6）：41-49.

[14]李小静，孙文生.政府干预、所有权与战略性新兴产业自主创新效率研究[J].河北经贸大学学报，2016，37（3）：89-95.

[15]吴俊，黄东梅.研发补贴、产学研合作与战略性新兴产业创新[J].科研管理，2016，37（9）：20-27.

[16]吴俊，张家峰，黄东梅.产学研合作对战略性新兴产业创新绩效影响研究——来自江苏省企业层面的证据[J].当代财经，2016（9）：99-109.

[17]LEE S K，MOGI G，SANG K L，et al.Econometric analysis of the R&D performance in the national hydrogen energy technology development for measuring relative efficiency：The fuzzy AHP/DEA integrated model approach[J].Interna⁃tional journal of hydrogen energy，2010，35（35）：2236-2246.

[18]赵树宽，余海晴，巩顺龙.基于DEA方法的吉林省高技术企业创新效率研究[J].科研管理，2013，34（2）：36-43.

[19]O'REGAN N，GHOBADIAN A，GALLEAR D.In search of the drivers of high growth in manufacturing SMEs[J].Tech⁃novation，2006，26（1）：30-41.

[20]WANG E C，HUANG W.Relative efficiency of R&D activi⁃ties：A cross-country study accounting for environmental factors in the DEA approach[J].Research policy，2007，36（2）：260-273.

[21]冯宗宪，王青，侯晓辉.政府投入、市场化程度与中国工业企业的技术创新效率[J].数量经济技术经济研究，2011（4）：3-17.

[22]HASHIMOTO A，HANEDA S.Measuring the change in R&D efficiency of the Japanese pharmaceutical industry[J].Research policy，2008，37（10）：1829-1836.

[23]FARRELL M J.The measurement of productive efficiency[J].Journal of the royal statistical society.Series A（Gener⁃al），1957，120（3）：253-290.

[24]CHARNES A，COOPER W W，RHODES E.Measuring the efficiency of decision making units[J].European journal of operational research，1978，2（6）：429-444.

[25]BANKER R D，CHARNES A，COOPER W W.Some mod⁃els for estimating technical and scale inefficiencies in data envelopment analysis[J].Management science，1984，30（9）：1078-1092.

责任编辑：林英泽

Abstract：Strategic emerging industry is the important force for us to lead industrial transformation and upgrade in China；the innovation efficiency is the important indicator that can be used to measure industrial innovative vitality.From the micro angle，combining the existed fruits of innovation efficiency evaluation and with the help of DEA，the authors construct the indicator system and model of innovation efficiency evaluation of strategic emerging enterprises from such four aspects as efficiency，effectiveness，scale return，and projection analysis to analyze the innovative activities of 150 strategic emerging enterprises in northeast China.It is found that：the overall innovative efficiency in this area is low，and cause for that is the low technological efficiency；over 90%enterprises are DEA inefficient，and over 90%enterprises are on the side of scale economies；and the projection analysis shows that the less investment on science and technology related employees and R&D related employees leads to the low innovation efficiency.Based on this，the government should introduce preferential policy and countermeasures for strategic emerging industry；and the related enterprises should strengthen cultivation and introduction of excellent science and technological professionals and do their best to improve innovation efficiency.

Key words：strategic emerging industry；innovation efficiency evaluation；DEA；analysis of scale return；projection analysis

The Innovation Efficiency Evaluation of Strategic Emerging Enterprise——Taking Northeast China as the Example

QI Qi，ZHAO Shu-kuan and LI Qi-rong
（Jilin University，Changchun，Jilin130022，China）

F279.24 文献标识码：A 文章编号：1007-8266（2017）10-0065-08

10.14089/j.cnki.cn11-3664/f.2017.10.008

齐齐，赵树宽，李其荣.战略性新兴产业企业创新效率评价研究[J].中国流通经济，2017（10）：65-72.

2017-08-15

国家自然科学基金项目“规划与公共政策实施评估的理论总结、国外经验借鉴及规划评估总体框架构建”（71641029）；国家自然科学基金青年科学基金项目“高管团队推动双元性创新的机理研究：基于认知差异化与认知整合化的框架”（71602067）；教育部人文社会科学基金青年基金项目“关系专用性投资的发生与效应及动态耦合机理模型研究”（14YJC630177）

齐齐（1987—），男，山东省济宁市人，吉林大学博士研究生，主要研究方向为创新管理；赵树宽（1963—），男，吉林省长春市人，吉林大学管理学院教授，博士生导师，主要研究方向为创新管理、战略管理；李其荣（1981—），男，台湾省台北市人，吉林大学管理学院副教授，博士生导师，主要研究方向为双元创新。