我國東部三大城市群創新效率及影響因素對比研究

葉堂林，李 璐，王雪瑩

(首都經濟貿易大學 城市經濟與公共管理學院，北京 100070)

0 引言

十九大報告指出，創新是引領發展的第一動力，必須加強國家創新體系建設、強化戰略科技力量。從全球層面看，逆全球化趨勢愈演愈烈，新冠疫情在全球蔓延，使得各國經濟社會發展面臨的不確定性陡增，國家間競爭日益激烈，我國從外部獲取技術的難度不斷增加，提升創新效率成為應對這一現實挑戰的關鍵。從國內層面看，我國正處于轉變發展方式、優化經濟結構、轉換增長動力的關鍵時期，依靠傳統要素驅動經濟增長的發展模式已難以為繼，創新成為引領經濟高質量發展的核心驅動力，是增強我國國際競爭力的重要途徑。為更加高效、合理地分配有限的創新資源，獲得更大的效益，亟需全面提升創新效率。

城市群是加快創新型國家建設的重要空間載體，是國家參與全球競爭的主要地域單元，是增強我國綜合競爭實力的增長極。在新一輪科技革命浪潮和國家創新驅動發展戰略深入實施的大背景下，僅依靠單個城市創新發展已難以支撐創新型國家建設，而城市群作為城市發展到成熟階段所形成的空間組織形式，能夠在區域內依托集聚經濟和范圍經濟，有效整合并調動創新資源。城市群內各城市創新效率不同，其內部存在創新效率差距，內部差距變化直接影響城市群整體創新效率。當前，打造具有全球影響力的創新型城市群對于我國創新發展戰略實施至關重要，研究城市群創新效率、城市群內部創新效率差距變化，深入探討影響城市群創新效率的關鍵因素對我國建設創新型國家具有重要理論意義及現實價值。

東部三大城市群是我國區域經濟發展的3個關鍵增長極，肩負著加快創新驅動發展的重要使命。在眾多城市群中，三大城市群經濟實力最為雄厚，創新要素最為集聚也最具創新發展潛力。其中，京津冀城市群定位是以首都為核心的世界級城市群，是全國創新驅動經濟增長新引擎；長三角城市群是我國經濟發展活躍、開放程度高、創新能力強的區域；珠三角城市群是外向度最高的經濟區域和對外開放窗口，在改革開放、經濟發展和融入全球化過程中都扮演著重要角色。新時期，東部三大城市群經濟社會發展離不開創新的賦能，研究我國東部三大城市群創新效率對高效整合科技創新資源、推動區域創新發展具有重要意義。

本文其余部分內容安排如下：第二部分進行文獻梳理；第三部分構建分析框架，并以假設形式提出關鍵問題；第四部分進行實證分析；第五部分為結語。

1 文獻回顧

1.1 創新內涵

熊彼特[1]于1912年發表的《經濟發展理論》中最早明確了創新概論及內涵，即創新是對新生產要素和生產條件進行重新組合，投入到生產中以不斷提高資源配置效率的過程，并進一步指出推動經濟發展的核心不是資產與勞動力而是創新；以索洛、羅默為代表的新古典學派認為技術創新是經濟增長的動力源泉；以柯茨納[2]為代表的新奧地利學派認為，創新是具有多樣性的行為概念，創新主體除企業家外可進一步拓展到家庭、科技工作者甚至消費者等；李政[3]提出，創新主要來自兩種渠道，一種是通過自主研發實現的內部創新，另一種是通過引進國外技術并利用外商技術外溢，進行技術引進消化吸收的外部創新；樊杰[4]認為，未來區域發展格局變化取決于創新能力的區域分布，區域協調發展取決于創新在區域上的相對均衡程度；吳煜[5]提出，不同城市具有不同創新地位，形成不同等級的創新極，其中最高等級可進行基礎性創新研究，第二級為次級技術創新環境，第三級為技術生產地，第四級和第五級為配套加工生產，各地區應依據自身優勢特點選擇區域創新模式。

1.2 創新效率內涵

20世紀50年代，Koopmans[6]首次提出技術效率概念，認為技術有效是單個生產者當且僅當不減少任何產出或不增加任何投入的情況下，該生產者沒有方法生產出更多產品；Afriat[7]提出，技術創新效率是指在給定的創新投入下，創新產出與最大產出的距離；李政[8]認為，創新效率是指創新活動投入產出比，即在一定創新環境及創新資源配置下，各創新主體單位創新投入所能達到的創新產出量，或是單位創新產出所需要的創新投入量，其數值體現區域創新活動的集約化水平；鄔龍[9]認為，技術效率是衡量一個產業或企業在等量要素投入條件下實際產出與最大產出的距離，創新效率包括知識創造和知識創新兩個部分；許建紅[10]認為，科技創新是地區經濟增長和產業轉型升級的決定性因素，科技創新效率是區域運用和整合科技創新資源的能力。

1.3 創新效率測度

Farrell[11]于1957年首次完成技術效率測度，衡量在一定要素投入的情況下，被評價企業產出與生產前沿決定的最大產出比值，或在一定產出情況下，被評價企業所使用的投入與生產前沿面決定的最小投入的比值。國內外學者對創新效率的測度方法大體可以分為參數法和非參數法。一是參數法，即隨機前沿方法(SFA)，通過設立隨機前沿生產函數形式、隨機誤差分布形式以及其它相關假設條件，估計創新投入參數，測算創新效率。如劉俊等[12]運用SFA方法研究中國內地30個省市城市化程度對創新效率影響的交互效應。二是非參數法，包括指數法和數據包絡分析法(DEA)。指數法是指通過構建創新效率評價指標體系，運用主成分分析、聚類分析等方法對城市創新效率進行測評；數據包絡分析法是多投入多產出的相對效率評價方法，不存在量化數據，因而更加客觀準確。例如，朱爾茜[13]采用DEA方法構建BCC模型和Malmquist指數模型，從時間和空間兩個維度對文化金融服務體系的宏觀效率進行靜態與動態分析；白俊紅[14]應用三階段DEA方法，在控制環境因素的基礎上，考察我國區域創新效率問題；鄭國洪[15]運用超效率DEA方法和DEA-Malmquist指數法對國家中心城市創新效率進行比較分析。

1.4 創新效率差距分析

許多學者在創新效率測度的基礎上，對創新效率差距進行研究，主要方法有σ收斂法、β收斂法等。σ收斂用于檢驗隨著時間變化，不同地區間創新效率是否具有均等化趨勢，常用方法主要有基尼系數、泰爾指數、變異系數等。β收斂是速率收斂，用以檢測經濟體從轉型到穩態的追趕過程。張繼良[16]對江蘇工業企業技術創新效率區域差異性問題進行檢驗，發現不同地區創新效率差距明顯，但差距呈收斂性變化趨勢，區域內部差距大于區域間差距；楊遠[17]運用泰爾熵指數，對1997—2007年中國能源效率地區差距進行測度，發現區域間能源效率差距顯著增大；張涵[18]基于σ收斂、β收斂以及俱樂部收斂3種判別方法，考察高技術產業基礎研發效率和成果轉化效率的收斂性特征，發現產業基礎研發方面呈現收斂狀態，而成果轉化方面趨于發散。

1.5 創新效率影響因素

學者們采用隨機前沿模型、Tobit模型、空間計量模型等方法研究創新效率影響因素。李秦陽[19]運用隨機前沿分析方法，定量測度創新鏈接、創新意識、創新基礎和創新熟練度對區域創新效率的影響，發現上述影響存在地區差異；桂黃寶[20]采用混合OLS、空間計量SLM及SEM模型對高技術產業創新效率影響因素進行分析，發現企業規模、勞動力投入、對外開放水平對創新效率具有顯著正向影響；程廣斌[21]選用面板Tobit模型對技術研發效率和成果轉化效率影響因素進行分析，發現勞動者素質、對外開放程度對技術研發效率具有顯著正向影響，政府支持對成果轉化效率具有顯著正向影響。

1.6 文獻述評

綜合來看，學術界對創新效率測度及影響因素探究較為全面，以上成果為本文提供了重要參考，但由于創新效率受研究主體、研究方法等多重影響，還存在進一步拓展空間。首先，已有研究對創新效率主體選擇具有一定局限性，大多對單一主體進行創新效率研究，例如對城市或單個城市群進行創新效率測度。由于數據獲取工作量大、難度高等問題，鮮有以多個創新主體進行橫向對比分析的研究；其次，創新效率不僅受外部因素影響，而且需要考慮創新主體自身特性，現有關于創新主體內部結構變化、差距變化對創新效率的影響研究不足。最后，新時代背景下，對創新效率提升路徑需要進行深入探討。

本文貢獻和創新主要有兩個方面：一是已有研究較少考慮城市群作為創新主體的系統性和復雜性對其創新效率的影響。因此，本文從城市群內部和三大城市群間兩個層面進行創新效率分析，考察城市群內部各城市創新效率差距變化對城市群整體創新效率的影響。針對如何通過改變城市群自身創新效率差距提升城市群整體創新效率，本文通過圖解方式呈現二者關系；二是在研究主體選擇上，選取我國東部三大城市群作為研究對象，考慮政府政策、教育水平等外部因素對不同創新主體的異質性影響，分別對三大城市群創新效率影響因素進行分析，拓展本領域研究視角。

2 研究框架

本文運用超效率BCC模型對我國東部三大城市群內部各城市及城市群整體創新效率進行測度，采用變異系數法對三大城市群內部創新效率差距變化進行分析，揭示其對城市群創新效率的影響方式。同時，采用面板Tobit模型對創新效率的具體影響因素進行分析，探究城市群創新效率影響因素是否具有地域特征。

2.1 模型設定

2.1.1 超效率BCC模型

傳統BCC模型被用于分析可變規模報酬條件下決策單元DMU的效率評估問題，而超效率BCC模型能夠解決處于效率前沿面的DMU無法進行比較的問題，可以對所有DMU的相對效率水平進行排序。超效率DEA模型由Banker等[22]提出，在此基礎上，Andersen & Petersen[23]提出修正數據包絡法，將有效DMU從生產可能性集中剔除，以其余DMU為基礎計算效率水平，一個有效的DMU可以使投入按比例增加，而其技術效率保持不變，投入增加比率即為超效率評價值，超效率BCC模型可以表示為：

(1)

2.1.2 變異系數

變異系數法可用于比較不同時間和不同主體的不均等程度，變異系數越大表示地區差異越大，變異偏離程度越大，均等化程度越低；反之差異越小，均等化程度越高。參照魏后凱[24]、滕堂偉[25]使用的變異系數公式如下：

(2)

地區差距問題是學術界研究的一大主題，地區經濟差距、區域創新效率差距等是研究熱點。我國地區經濟差距變動態勢如何？楊開忠[26]認為，經濟差異大致呈倒“U”型變化，沿海與內地經濟差距變動大致呈“V”型；高帆[27]、孫亞男[28]認為，我國地區經濟差距呈現先縮小后擴大再縮小的N型變動趨勢。區域創新效率差距變動呈現何種態勢？李彥龍[29]認為，各地區創新效率差距縮小，東、中、西三大地區內部差距縮小是其重要原因；程時雄等(2020)認為，各省份創新效率不平衡程度呈現先上升后下降的變動特征，未實現創新效率平衡發展；Yong等[30]認為，我國東部和西部創新資源存在較大差距，地區差異和時間差異均對技術創新具有一定影響。以上學者從東中西部地區或省級層面對創新效率差距進行研究，認為內部差距影響整體創新效率。本文重點探討東部三大城市群間創新效率差距以及城市群整體創新效率與城市群內部各城市創新效率差距間的關系，提出如下假設：

H1：城市群間創新效率存在差距，而且城市群創新效率受城市群內部各城市創新效率差距的影響。

2.1.3 影響因素回歸模型

Tobit模型也被稱為受限因變量模型，是因變量滿足某種約束條件下取值的模型。本文數據為2010—2018年我國東部三大城市群平衡面板數據，作為因變量的創新效率值是一種大于0的受限變量，因而選擇面板Tobit模型進行估計。面板Tobit模型具體形式如下：

(3)

EFFit=c+β1GOVit+β2EDUit+β3STRit+β4ECOit+β5OPEit+μi+εit

(4)

2.2 變量選取與數據來源

科學的指標體系是有效評價模型的基礎，在創新投入方面，學者們普遍選取R&D人員折合全時當量(趙增耀[31]、張涵[18])、科技活動人員數(張繼良[16]、劉釩[32])等指標衡量人員投入和R&D經費支出(李培哲[33]、呂洪燕[34])，選取科技活動支出強度等指標衡量資本投入；在創新產出方面，以申請專利授權[35]、有效發明專利數[36]、新產品銷售收入[37]、技術市場成交額[38]等作為創新產出考核指標。本文在借鑒國內研究成果的基礎上，構建我國東部三大城市群創新效率評價指標體系，見表1。選取R&D人員折合全時當量、R&D經費內部支出作為創新效率投入指標，選取專利授權數、新增計算機軟著數作為創新效率產出指標。數據主要來源于各省份和地級市統計年鑒、統計公報、政府官方網站及龍信企業大數據，缺失數據采用線性插值等方法進行處理。

表1 創新效率投入產出指標選取

通過對已有文獻的系統梳理，選取以下因素對我國三大城市群創新效率進行分析，見表2。在中國，政府支持對區域創新活動具有深刻的影響(李政，2018)，因而以財政科學技術支出占地方政府一般公共預算支出的比重反映政府政策扶持對城市創新效率的影響。新增長理論認為，國際貿易加速了先進知識、技術和人力資本在世界范圍的傳遞，使參與貿易各國的知識、技術和人力資本水平得到迅速提升，從而產生知識和技術溢出效應。因此，本文選用實際利用外資金額反映地區對外開放程度，選用財政教育支出占地方政府一般公共預算支出的比重作為教育水平的體現，反映人力資本儲備能力。產業現代化能夠促進技術創新效率提升，產業結構在合理化的基礎上趨向高級化，技術創新對經濟增長的貢獻愈發凸顯[39]。因此，選取第三產業增加值占地區生產總值的比重反映產業結構對創新效率的影響。經濟發展水平越高，創新投入越多，企業就越有能力進行創新生產活動(白俊紅，2011)。因此，本文選取城鎮居民人均可支配收入作為衡量指標，反映城市經濟發展水平對創新效率的影響。

表2 變量說明

在多主體或多階段情況下的創新效率影響因素分析中，不同因素具有異質性作用，同一因素也會產生差異化影響。肖文(2014)發現，企業研發管理和行業外資比重僅對市場化導向的技術創新效率具有積極貢獻，境外研發資金投入有利于非市場化導向的技術創新效率提升；吳傳清[39]對長江經濟帶上中下游地區分別進行創新效率影響因素回歸，發現政府干預、產業結構高級化、城鎮化與對外開放水平對長江經濟帶上中下游地區的影響差異顯著；范德成[40]對技術研發和經濟轉化兩階段效率的影響因素進行分析發現，企業規模與技術研發效率存在顯著U型關系，與經濟轉化效率呈顯著正相關關系，政府資金支持對技術研發效率具有顯著負向影響，政府減稅行為有利于經濟轉化效率提高。基于上述分析，針對促進我國東部三大城市群創新效率提升這一問題，本文提出以下假設：

H2：我國東部三大城市群創新效率影響因素具有顯著地域差異。

3 實證分析

3.1 創新效率測度結果與分析

本文主要關注單位創新投入所能達到的創新產出量，選擇基于產出導向的超效率BCC模型，測算2010—2018年我國東部三大城市群48個城市創新效率和城市群整體創新效率。

3.1.1 東部三大城市群內部各城市創新效率

2010—2018年，我國東部三大城市群內部各城市創新效率普遍提高，綜合效率值由0.29升至0.56。由于三大城市群內城市數量眾多，創新發展體量不同，創新功能定位也不同，直接將城市群內各城市創新效率進行對比不盡合理，而專利授權數是反映創新能力的關鍵指標。因此，本文以2018年專利授權數為依據，將三大城市群內各城市分為3個等級：創新核心城市(創新源)、創新節點城市以及創新腹地，對同一創新等級內城市創新效率進行比較和排序更具現實價值。創新核心城市(創新源)是指在城市群內部能夠起到核心引領作用的城市，選取各城市群內專利授權數最多的城市，分別為深圳、北京、上海。創新節點城市由能有效支撐和輔助創新源的城市組成，選取各城市群內專利授權數達到35 000件以上的城市，京津冀城市群創新節點城市為天津；長三角城市群為蘇州、杭州、寧波、南京、紹興、無錫；珠三角城市群為廣州、東莞、佛山。創新腹地是指能夠接受創新要素輻射的城市，為三大城市群內其它城市。

從創新核心城市看，長三角城市群創新核心城市的創新效率相對不足。2018年，北京、深圳專利授權數量分別為123 496件、140 202件，而上海僅為92 460件。2010—2018年，深圳創新效率值由0.39升至1.34，排名由第2升至第1；北京創新效率由0.28升至1.13，排名由第3升至第2；上海創新效率由0.45升至0.85，排名由第1降至第3(見表3)。可見，深圳與北京競爭十分激烈，與二者相比，上海創新效率有待提升。

表3 2010-2018年創新核心城市創新效率值

從創新節點城市看，珠三角城市群和長三角城市群節點城市創新效率較高，而京津冀城市群節點城市數量和效率均不足。2018年，珠三角城市群內的廣州、東莞、佛山位居節點城市創新效率排名前3，創新效率值分別為1.08、0.97、0.74，見表4。長三角城市群內的南京、蘇州、杭州、紹興位居第4～7，寧波、無錫創新效率不足0.60。京津冀城市群內的節點城市僅有天津，創新效率為0.65，位居第8，節點城市對核心城市的支撐能力相對不足。

表4 2010-2018年創新節點城市創新效率值

從創新腹地看，三大城市群創新腹地的創新投入相對不足。創新腹地的創新效率普遍較低，南通、惠州、鎮江、常州、鹽城、唐山、泰州、邯鄲、銅陵、滁州、宣城等城市創新效率值均低于0.40，見圖1。創新腹地的創新投入相對不足，以三大城市群創新腹地中R&D經費內部支出最多的城市為例，唐山僅為核心城市北京的6.14%，為創新節點城市天津的23.33%；合肥僅為核心城市上海的18.88%，為創新節點城市蘇州的49.54%；珠海僅為核心城市深圳的7.92%，為創新節點城市廣州的15.35%。可見，創新腹地需加大創新投入，包括人才投入、資金投入、平臺投入等，同時也需提升與創新源和創新節點的鏈接程度，進而提升創新效率。

圖1 2018年東部三大城市群創新腹地創新效率值

3.1.2 東部三大城市群整體創新效率

東部三大城市群創新效率排位發生變化，京津冀城市群具有潛力。2010年，京津冀城市群、珠三角城市群創新效率值均為1.00，長三角城市群創新效率為0.90，見圖2；2011—2015年，長三角城市群優勢凸顯，創新效率值穩居第一，京津冀城市群居末，與長三角、珠三角創新效率值差距較大但有所縮小；2016—2017年，珠三角城市群創新效率超過長三角城市群；2018年，長三角城市群、京津冀城市群、珠三角城市群創新效率值分別為1.35、1.30、1.24，三大城市群創新效率差距進一步縮小。總體來看，我國東部三大城市群創新效率差距經歷由擴大到縮小的變化過程。

圖2 2010—2018年我國東部三大城市群創新效率值

3.2 創新效率差距分析

我國東部三大城市群內各城市創新效率存在顯著差異，揭示內部差距變化與城市群整體創新效率的關系可以為我國東部三大城市群創新效率研究奠定基礎。

3.2.1 城市群內部各城市創新效率差距變化

京津冀城市群內部各城市創新效率差距呈現先擴大后縮小的變化趨勢，2010—2012年變異系數由0.60升至0.79，2013—2018年變異系數不斷減小，由0.53降至0.36。長三角城市群內部差距總體呈縮小態勢，變異系數由0.54降至0.30。珠三角城市群內部差距變化較為平穩，創新效率差距以2014年(0.28)為波谷，向兩側緩慢擴大。綜合來看，京津冀城市群內部各城市創新效率差距較大，長三角城市群、珠三角城市群次之，2010-2018年三大城市群內部各城市創新效率綜合變異系數分別為0.53、0.45、0.36，見表5。

表5 我國東部三大城市群內部各城市創新效率差距

3.2.2 創新效率差距變化與城市群整體創新效率的關系

城市群內部各城市創新效率差距變化對城市群整體創新效率具有差異化作用。京津冀城市群內各城市創新效率差距與城市群創新效率呈反向作用關系。2010—2012年，京津冀城市群內部各城市創新效率差距擴大，變異系數由0.60升至0.79，而京津冀城市群創新效率值大幅下降，由1.00降至0.54；2013-2016年，變異系數整體呈下降態勢，而創新效率值逐年上升；2016-2018年，變異系數大幅下降，而創新效率值顯著提升，見圖3。這反映出京津冀城市群整體創新效率提升的關鍵在于縮小城市群內各城市創新效率差距，可通過強化京津冀城市群內部創新源對創新節點及其腹地的帶動作用實現。長三角城市群內各城市創新效率差距與城市群創新效率呈倒U型關系，2014年前為正向作用階段，2014年后為反向作用階段。2010—2012年，長三角城市群內部各城市創新效率差距擴大，變異系數由0.54升至0.61，城市群創新效率值由0.90升至1.16；2012—2014年，變異系數由0.61降至0.37，城市群創新效率值由1.16降至0.77。2015—2017年，各城市創新效率差距逐年擴大，由0.38升至0.55，城市群創新效率值由0.94降至0.84；2017—2018年，創新效率差距大幅下降，城市群創新效率值顯著提升，躍居三大城市群之首，見圖4。相較于京津冀城市群，長三角城市群通過強化內部創新要素的集聚效應，打造優勢領域的國際創新高地，提升整體創新效率。珠三角城市群內各城市創新效率差距與城市群創新效率整體呈正向作用關系，2010—2014年，變異系數與城市群創新效率值均呈下降態勢，2014—2017年呈上升態勢，2018年創新效率差距縮小，城市群創新效率值提升，見圖5。總的來看，珠三角城市群應加強創新源建設，增強創新核心城市的輻射帶動能力，進而提升城市群整體創新效率。

圖5 珠三角城市群創新效率及內部各城市差距變化

圖4 長三角城市群創新效率及內部各城市差距變化

圖3 京津冀城市群創新效率及內部各城市差距變化

經驗證發現，我國東部三大城市群創新效率差距經歷由擴大到縮小的變化過程；京津冀城市群內部創新效率差距過大，縮小其內部差距對城市群整體創新效率具有促進作用；珠三角城市群內部創新效率差距過小，適度擴大其內部差距對城市群整體創新效率具有正向作用；長三角城市群介于二者之間，城市群內部差距與城市群整體創新效率呈倒U型關系，第一階段為正向作用階段，第二階段為反向作用階段。因此，證實了H1，即我國東部三大城市群間創新效率存在差距，而且其創新效率受城市群內各城市創新效率差距的影響。城市群內各城市創新效率差距應保持適度，差距過大、過小均不利于城市群整體創新效率提升。

3.3 創新效率影響因素分析

利用軟件Stata15.0對我國三大城市群創新效率影響因素進行回歸分析。首先，作為參照系進行混合回歸，對三大城市群創新效率的影響因素進行多重共線性檢驗，經檢驗證實不存在多重共線性問題，見表6。

表6 變量多重共線性檢驗結果

分別對三大城市群進行面板Tobit回歸，考慮到固定效應的Tobit模型估計存在不一致問題，僅采用混合Tobit回歸和隨機效應的Tobit模型進行估計，同時使用面板數據回歸作為相應參考，以保證回歸結果的可靠性。對于京津冀城市群，首先使用聚類穩健標準誤進行混合Tobit回歸，其次使用隨機效應的面板Tobit回歸，經過LR檢驗強烈拒絕原假設，即存在個體效應，應使用隨機效應的面板Tobit回歸，見表7。同時，采用面板數據回歸作為Tobit回歸參考，并使用固定效應模型進行回歸，F檢驗得出P值為0.000 3，故認為固定效應明顯優于混合回歸。進一步使用隨機效應進行回歸，經過LM檢驗，強烈拒絕不存在個體隨機效應的原假設，即應選擇隨機效應。通過豪斯曼檢驗，P值為0.537 5，無法拒絕原假設，即應使用隨機效應。采用隨機效應模型進行MLE估計可以發現，MLE估計與隨機效應的面板Tobit回歸估計系數和顯著性結果一致。對于長三角城市群而言，與上述步驟相同，選擇隨機效應的面板Tobit回歸，見表8。對于珠三角城市群，經過LR檢驗發現應使用混合Tobit回歸，并采用面板數據回歸作為參考，見表9。

表9 珠三角城市群創新效率影響因素回歸結果

表8 長三角城市群創新效率影響因素回歸結果

表7 京津冀城市群創新效率影響因素回歸結果

產業結構高級化和經濟發展水平提升對京津冀城市群創新效率具有顯著促進作用。產業結構(STR)在1%的顯著性水平下系數為1.20，經濟發展水平(ECO)在10%的顯著性水平下系數為3.19，政府政策(GOV)在5%的顯著性水平下系數為-4.48。京津冀城市群的主要發展動力由傳統要素驅動、區位驅動和政策驅動逐漸轉變為創新驅動，經濟發展水平提升能夠有效增加城市創新驅動概率，同時產業結構高級化能夠提升產業對創新的依賴程度，進而激發創新需求。政府政策可帶來財政資金支持，但政府干預過多也會導致政策失靈，從而抑制創新效率提升。產業結構高級化對長三角城市群創新效率具有促進作用。產業結構(STR)在10%的顯著性水平下系數為0.36。政府政策支持、產業結構高級化和經濟發展水平提高對珠三角城市群創新效率具有顯著正向作用。政府政策(GOV)、產業結構(STR)在1%的顯著性水平下系數分別為8.17、0.75，經濟發展水平(ECO)在10%的顯著性水平下系數為3.59，對外開放程度(OPE)在5%的顯著性水平下系數為-0.12。珠三角城市群企業創新活力充足，政府投入相對不足，政府政策支持對創新效率起顯著促進作用。因此，聚焦科技前沿領域，加強基礎研究和前瞻性研究，有利于城市群創新效率提升。同時，產業結構高級化和經濟發展水平提高能夠激發創新需求。珠三角作為改革開放程度最高的城市群，外資利用效用已處于邊際效益遞減階段，增加外資在一定程度上會抑制創新效率提升。

綜合來看，產業結構是我國東部三大城市群創新效率的重要影響因素；經濟發展水平對京津冀、珠三角城市群創新效率具有顯著促進作用；政府政策對“強政府、弱市場”的京津冀城市群具有一定抑制作用，對“強市場、弱政府”的珠三角城市群具有顯著正向作用，而對介于二者間的長三角城市群的作用不顯著。上述影響因素對我國東部三大城市群創新效率具有異質性作用。由此，驗證了H2，即我國東部三大城市群創新效率影響因素具有顯著地域差異。可見，對于如何提升我國東部三大城市群創新效率問題需要考慮地域特征，應在符合其地域特征的重點領域發力。

4 結語

4.1 結論

本文通過分析2010—2018年我國東部三大城市群及其內部48個城市創新效率，實證考察城市群內各城市創新效率差距對城市群創新效率的影響，同時分析政府政策、教育水平等外部因素對城市群創新效率的影響，得到如下主要結論：

(1)我國東部三大城市群創新效率普遍提升。相較于深圳和北京，上海作為長三角城市群的創新核心城市，其創新效率略有不足；珠三角城市群和長三角城市群創新節點城市，其創新效率較高，而京津冀城市群創新節點城市數量及效率均不足；三大城市群創新腹地均存在創新投入不足問題。從三大城市群創新效率排位看，長三角、珠三角城市群競爭激烈，京津冀城市群具有潛力。

(2)我國東部三大城市群創新效率差距經歷由擴大到縮小的變化過程，城市群創新效率受其內部各城市創新效率差距的影響。城市群內各城市創新效率差距應保持適度，差距過大、過小均不利于城市群整體創新效率提升。縮小京津冀城市群內部差距，適度擴大珠三角城市群內部差距對城市群整體創新效率具有促進作用，而長三角城市群介于二者之間，其內部差距與整體創新效率呈倒U型關系。

(3)我國東部三大城市群創新效率影響因素具有顯著地域差異。產業結構是我國東部三大城市群創新效率的重要影響因素，經濟發展水平對京津冀、珠三角城市群創新效率具有顯著促進作用，政府政策對“強政府、弱市場”的京津冀城市群創新效率具有一定抑制作用，對“強市場、弱政府”的珠三角城市群創新效率具有顯著正向作用，對介于二者間的長三角城市群創新效率的作用則不顯著。

4.2 對策建議

在創新效率方面，京津冀城市群應重點完善創新生態系統，在核心城市周邊合理布局創新要素，突破創新源與創新腹地間創新要素及成果流動的隱形壁壘，強化創新源對創新節點及創新腹地的帶動作用：一是縮小城市群內各城市創新效率差距；二是提升城市群內部節點城市和腹地的經濟發展水平與產業結構高級化程度，進而實現城市群整體創新效率躍升；三是強調產業鏈與創新鏈雙向融合，推動形成以國內大循環為主體，國內國際雙循環相互促進的產業與創新雙輪驅動發展格局。

在創新效率方面，長三角城市群應重點強化作為創新源的核心城市對創新要素的集聚效應，通過促進創新要素向核心城市、節點城市集聚，以及加大創新腹地的科技創新投入等方式構建完善的多中心創新網絡：一是應提升創新源能級，打造高水平國際研發集聚區，提升創新網絡外向度；二是推動產業結構高級化，大力發展戰略性新興產業，促進傳統產業轉型升級，引導社會創新資本投入，吸引創新要素在創新優勢領域集聚。

在創新效率方面，珠三角城市群應重點強化自身創新源建設：一是加大對一流高校、一流學科建設的支持力度，積極引進高水平研究機構和創新研究院，進而提高城市群原始創新能力；二是加大研發設計、品牌營銷等環節在產業鏈結構中的比重，實現產業結構高級化，促進產業鏈和創新鏈融合發展。