（一）区域创新效率的研究

Abbott（2003）运用DEA模型对澳大利亚技术创新效率进行测算，分别从技术效率和规模效率两个角度对澳大利亚技术创新效率进行评价，结果显示，澳大利亚无论是技术效率还是规模效率都处于较高水平。Lee和Park（2005）对全球主要国家的技术创新效率进行评价和比较，研究结果显示，新加坡、日本、美国技术创新效率较高，新加坡排名第一位，而中国在技术创新中相对无效率。

在国内的研究中，孙振清等（2020）基于2005—2018年地级市数据，以京津冀、山东半岛、长三角和珠三角城市群为研究对象，采用三阶段DEA方法测算四大城市群协同创新效率并分析其时空特征，结果显示，除山东半岛城市群外，其他三大城市群的平均综合效率值均较第一阶段下降。黄丽等（2020）采用多指标综合评价法以全国30个省际样本实证分析了其“绿色+创新”的耦合协调时空分布规律，结果显示，区域创新能力与能源利用效率高度耦合，区域创新集中分布于长江经济带沿线地区，且随着时间的推移，高度耦合地区集聚范围逐渐扩大。盛彦文等（2020）采用修正引力模型、社会网络分析方法以及DEA模型，研究了2001—2015年京津冀、长三角、珠三角三大城市群的创新联系网络结构对创新效率的影响，结果显示，京津冀城市群呈现以“京津”为核心的放射状发展特征，长三角城市群呈现以“Z”字形为主轴的类钻石型空间格局，珠三角城市群形成了以珠江口两侧城市为核心、其他城市为重要节点的空间格局。许学国和周燕妃（2020）采用三阶段Malmquist指数构建了排除外部环境与随机干扰因素的八大综合经济区绿色创新效率测度模型，并结合概率神经网络对绿色创新效率进行测度，结果显示，绿色创新效率总体呈“下降—上升—下降—上升”的波动趋势，西南地区属于共同推动型，其余地区为技术进步型。张辽和黄蕾琼（2020）运用三阶段SBM-DEA模型测算了剔除外部环境因素影响后的工业企业真实绿色技术创新效率，并运用Dagum基尼系数及其子群分解法、Kernel密度估计法对绿色技术创新效率的时空分异特征进行分析。