中國東部三大城市群國家高新區創新效率及影響因素研究

馬淑燕，趙祚翔，許 欣，王 麗

（1.中國科學院科技戰略咨詢研究院，北京 100190；2.中國科學院大學，北京 100049；3.首都師范大學資源環境與旅游學院，北京 100048）

創新是引領發展的第一動力，近年來我國深入實施創新驅動發展戰略，持續加大科技創新投入。由于創新活動是一種綜合的社會-技術-經濟-政治現象，創新網絡由復雜、非線性和動態的知識創造、傳播和使用過程驅動［1-2］，使得創新產出與投入并非等比例增長，這意味著一味強調創新要素的投入可能導致創新資源的浪費。創新效率是系統的投入與產出的有效經濟量的轉化效率，如果提高創新效率，在一定的投入水平下等于增加創新產出，或在一定的產出條件下，等于節省創新要素投入［3］。因此，創新效率可以更好地體現區域創新水平和質量。黨的十九大指出我國經濟已進入高質量發展階段，需要努力提高發展質量和效益。黨的十九屆五中全會強調，“堅持創新在我國現代化建設全局中的核心地位，把科技自立自強作為國家發展的戰略支撐”。當前，創新在我國經濟社會建設中的作用愈發凸顯，在高質量發展階段不僅應重視創新要素的投入，更應重視提高創新效率。本文關注創新效率的測算具有重要的理論和現實意義。

國家高新技術產業開發區（以下簡稱國家高新區），是我國實施創新驅動發展戰略的重要平臺，并在區域創新發展中承擔著“增長極”的功能［4］。2018 年，我國共有169 家國家高新區，園區GDP 總額約占全國的12.3%，發明專利授權量約占全國的35.4%。國家高新區的創新效率不僅影響園區創新資源的優化配置，而且影響區域創新發展。城市群是我國參與全球競爭的重要載體，東部沿海的京津冀、長三角和珠三角城市群是我國經濟最發達和創新能力最強的城市群，也是國家高新區集聚發展的區域。2018 年，三大城市群共擁有39 家國家高新區，占全部國家高新區的23.1%，其中7 家綜合排名在全國前十，22家綜合排名在全國前五十。因此以京津冀、長三角和珠三角三大城市群為研究區域，進行國家高新區創新效率測度和相關影響因素分析，揭示三大城市群國家高新區的創新效率差異特征，對優化提升國家高新區創新效率，促進三大城市群加快協調發展和創新發展具有重要意義。

1 文獻綜述

技術效率的概念最早由Farrell［5］提出和應用，他認為一個經濟單元如果在給定投入下，不能獲得最大可能性產出，則是技術無效的。隨著全球對創新的愈加重視和創新投入的不斷增長，創新活動的效率成為國內外學者研究的熱點。從研究對象來看，許多國內外學者從國家、地區、行業等宏觀中觀層面開展了創新效率的研究。例如，白俊紅等［6］利用隨機前沿生產模型研究了中國區域研發創新效率，并考察了區域創新系統內部企業、高校、科研機構、地方政府及金融機構等主體要素及其聯結關系對創新效率的影響；Giedre 等［7］運用DEA 方法，對歐盟東部和中部地區創新系統效率水平進行了評價；Ana 等［8］利用歐洲206 個地區的數據，運用隨機生產前沿方法，證實了區域主體之間的相互作用對區域創新效率具有重要影響；肖文等［9］采用隨機前沿分析方法測算了中國36 個工業行業的技術創新效率，并重點考察了政府支持和研發管理對創新效率的影響，夏海力等［10］運用隨機前沿分析法測算了蘇州裝備制造業技術創新效率，并分析影響因素及其作用效果。同時，企業、高校、科研機構等微觀層面的創新效率越來越受到關注。如，Ila 等［11］利用DEA 方法對美國航空公司的技術創新效率進行測度，并分析了股票市場收益和相對技術效率之間的關系；Michael 等［12］基于對德國企業和公共研發部門的實證研究，分析了導致創新系統效率差異的因素；池仁勇［13］利用問卷調查數據實證研究了浙江省大中小企業的技術創新效率，并得出企業技術創新方式、內部職能部門的協調性對技術創新效率均有顯著影響；李柏洲等［14］運用PP-SFA 方法測度了中國科學院12 所分院的價值創造效率。由上述研究可以看出，創新效率的測算已經深入到多個層面和多類型創新主體，成為學者們衡量創新活動水平和能力的重要工具。

在城市群層面，許多學者對城市群的創新效率進行了測度和影響因素分析，并在此基礎上提出促進城市群創新效率提升的對策建議。姚先國等［15］運用DEA 方法測度了1999—2005 年間長江三角洲15 個城市的技術效率水平，并分析了技術效率和技術創新對GDP 增長的貢獻率；孫振清等［16］以京津冀、山東半島、長三角和珠三角城市群為研究對象，采用三階段DEA 方法測算四大城市群協同創新效率，并考察了政府研發支持力度、產業結構、區域經濟發展水平等環境因素的影響；盛彥文等［17］以中國東部五大城市群為研究對象，利用隨機前沿生產函數測度五大城市群的創新效率，并選取經濟發展水平、集聚經濟、外商投資、政府支持、勞動力素質等7 個方面的因素，利用空間杜賓模型定量分析了創新效率的空間溢出效應；徐林［18］構建長三角城市群創新投入與產出評價指標體系，運用DEA 方法測度了長三角城市群的創新效率。

隨著國家高新區創新能力的不斷增強，其創新效率也受到更多關注。不同學者分別從全國、地區、省市等多個層面對國家高新區創新效率進行了測度。謝子遠［19］利用DEA 方法對我國53 個國家高新區的創新效率進行考察，并分析了投入強度、創新服務、創新環境、產業集群、高新區規模等5 方面的影響因素；周姣等［20］利用隨機前沿模型對我國54家國家高新區創新效率進行測度，重點考察了企業規模、利潤規模、勞動者素質及區位因素對創新效率的影響；沙德春等［21］利用DEA 方法對我國中部六省國家級高新區創新效率進行考察，得出中部六省國家級高新區整體的綜合效率較低；徐偉等［22］運用DEA 方法和Malmquist 指數法，基于我國6 大城市群高新區2013—2017 年的面板數據，測度了高新區創新效率；張立峰等［23］運用隨機前沿分析方法對京津冀7 家國家級高新區創新效率及影響因素進行了實證分析；曾武佳等［24］利用三階段DEA 模型對我國103 個國家高新區的創新效率及其影響因素進行了研究，得出資本集聚、企業集聚、人才集聚、產業集聚程度則是造成高新區創新效率差異的主要原因。

從以上研究中可以看出，已有創新效率的研究一方面側重創新效率的測度，主要測算方法有非參數方法和參數方法，二者分別以數據包絡分析方法（DEA）和隨機前沿分析方法（SFA）為代表。其中，DEA 模型在處理多投入和多產出的效率測度上具有優勢，但是傳統DEA 模型無法剝離環境效應和隨機誤差對效率值的影響。SFA 模型采用計量方法對前沿生產函數進行估計，有更為堅實的經濟理論基礎，通過估計生產函數對生產過程進行描述，使創新效率估計得到控制，同時SFA 方法不僅可以測算每個個體的技術效率，而且可以定量分析各種相關因素對個體效率差異的具體影響［6］，因此在研究中得到廣泛應用。另一方面側重考察創新效率的影響因素，經濟發展水平、產業集聚、企業規模、勞動者素質、開放水平等因素被許多學者認為對創新效率具有重要影響。

上述研究為國家高新區創新效率測度奠定了良好基礎，但是仍存在一定局限。一是利用SFA 模型測度高新區創新效率的研究，基本都使用了高新區技術收入或營業收入單一指標作為創新產出變量。實際上，高新區的創新產出包含多種指標，不同指標反映的園區創新產出水平可能存在較大差異。因此單一產出指標可能不足以真實地反映高新區創新產出水平，導致得到的創新效率評價結果可能存在誤差；二是在對國家高新區創新效率測度時，尚無以東部城市群為研究區域的文獻。僅有的一篇考察城市群高新區創新效率的文章未能包含珠三角城市群，而東部三大城市群是我國最發達的城市群，并且其國家高新區多為創新資源富集的園區，進行三大城市群高新區創新效率的比較研究具有重要意義。

本文對東部三大城市群國家高新區的創新效率情況做進一步考察。與以往研究相比，本文主要有兩個貢獻：一是利用SFA 模型時，創新產出變量使用了當年專利申請授權數、技術收入和新產品銷售收入3 個指標的合成值，而非以往文獻中通常采用的園區技術收入或營業收入，弱化了單個指標難以全面反映國家高新區創新產出水平的問題，以使創新效率評價結果更準確。二是以中國東部京津冀、長三角和珠三角三大城市群為研究區域，考察三大城市群國家高新區創新效率的影響因素，豐富了國家高新區創新效率研究的區域尺度。通過對三大城市群國家高新區創新效率的比較研究和相關影響因素分析，揭示三大城市群國家高新區的創新效率發展特征，為優化提升國家高新區創新效率提供參考，有利于促進三大城市群加快協調發展和創新發展。

2 研究方法與數據來源

2.1 研究方法

2.1.1 熵值法

熵值法作為一種多指標綜合評價的重要方法，可以通過實際數據得到指標的最優權重，并能夠較為深刻地反映指標信息熵的效用價值，較菲爾普斯法和層次分析法具有更高的客觀性和合理性，可以有效避免由主觀因素導致的偏差［25-26］。本文借鑒李金滟等［26］在研究城市綠色創新效率時的做法，運用熵值法對國家高新區創新產出進行測度評價，從而得到園區的綜合創新產出值。

2.1.2 隨機前沿生產函數模型（SFA）

根據隨機前沿生產函數的基本原理，超越對數生產函數具有形式靈活、對技術沒有限定、包容性強等特點［27-28］，因此本文選用超越對數生產函數的隨機前沿模型。具體形式如下:

對國家高新區技術效率差異，本文從高新區創新主體、平均企業規模、利潤規模、勞動者素質、對外開放5 個方面因素考察，在下文指標選取部分將詳細說明各影響因素，將無效率函數設定為：

2.2 指標選取

構建合理的創新投入和產出指標體系是有效測度創新效率的重要基礎，本文梳理了國家高新區創新效率相關研究，將具有代表性研究成果的投入產出指標進行歸納，詳見表1。結合相關研究，并考慮數據的可獲得性，我們構建了高新區創新效率測度指標體系。在創新投入方面，從創新資本投入、創新人力投入兩個維度構建投入指標，分別用R&D經費支出、科技活動人員數量表征，其中R&D 經費支出反映國家高新區對研發和技術創新的重視程度及資金投入能力，科技活動人員數量反映國家高新區創新人才資源集聚能力；在創新產出方面，從創新知識產出、經濟成效兩個維度構建指標，創新知識產出用當年專利申請授權數表征，反映國家高新區知識產出和自主創新的能力；經濟成效用技術收入和新產品銷售收入兩個指標表征，技術收入反映國家高新區企業科技創新的直接產出能力，新產品銷售收入反映國家高新區將知識轉化為商品的能力。3 個產出指標通過熵值法形成綜合產出指標。

表1 國家高新區創新效率相關研究投入產出指標

結合對創新影響因素分析的現有研究［19-20,23,29］，本文從創新主體、企業規模、利潤規模、勞動者素質、對外開放5 個因素分析，分別用園區經認定的高新技術企業數、高新區工業總產值與企業個數之比、高新區企業凈利潤與總收入之比、本科以上人數占從業人數比例、高新區當年出口總額表征。在創新主體指標的設計上，將高企作為測度創新效率的投入指標進行分析，原因在于高企是國家高新區從事創新活動的主要力量，相對于普通中小企業，高企對創新資源利用和創新產出能力更強，高企越多，越有利于高新區的創新活動。對于企業規模、利潤規模、勞動者素質、對外開放4 個因素，已有較多研究使用并進行論述［19-20,23,29］，這里不再贅述。

2.3 研究區域與數據來源

本文研究范圍為京津冀、長三角和珠三角城市群，研究對象為三大城市群內的國家高新區。由于高新區近年來常有新晉升園區，主管單位科技部火炬中心從2011 年開始開展了相對穩定的園區統計工作，為了保證研究對象統計數據的時間連續性，我們選取了2011 年之前在選定城市群中獲批成立的28家國家高新區，考察時間為2012—2019 年。其中京津冀城市群包含中關村、天津、石家莊、保定、唐山和燕郊國家高新區6 家，長三角城市群包含上海張江、蘇州工業園、蘇州、合肥、杭州、南京、寧波、常州、無錫、蕪湖、昆山、泰州和紹興國家高新區13 家，珠三角城市群包含現有的全部國家高新區9家。文中數據來源于《中國火炬統計年鑒》（2012—2018）、《國家高新區創新能力評價報告》（2019）以及科技部火炬中心公布的國家高新區統計調查數據。為了消除原始數據的量綱差異和由此產生的對分析結果影響，進行效率分析之前，對于每一年的數據依次進行無量綱化處理。

3 結果分析

基于三大城市群28 家國家高新區的數據，本文對隨機前沿生產函數模型和效率影響函數模型進行估計，結果見表2。從估計結果來看，28 家國家高新區的和值均顯著不為0，表明對三大城市群國家高新區的面板數據運用SFA 模型估計具有合理性，無效率項對國家高新區的創新效率差異具有顯著影響。

表2 我國三大城市群國家高新區創新效率隨機前沿生產函數分析結果

3.1 三大城市群國家高新區創新效率綜合分析

整體來看（見表3），三大城市群28 家國家高新區2013—2019 年的平均創新效率為0.639，其中，23 家國家高新區的平均創新效率在0.500 以上，占比82.1%，20 家國家高新區在0.600 以上，占比71.4%，說明三大城市群國家高新區創新效率整體較高。從時間序列來看，28 家國家高新區平均創新效率從2013 年至2019 年呈現波動發展趨勢，在0.560～0.669 范圍內變化，整體變化不大，2012 年為0.667，之后略有下降，2015 年回升到0.669，之后又有所下降，2018 年再次回升到0.667，說明近年來三大城市群國家高新區的創新效率增速不高，提升相對緩慢。

表3 2013—2019 年三大城市群國家高新區創新效率

從具體國家高新區層面來看，中關村國家自創區平均創新效率最高，為0.935，燕郊國家高新區最低，為0.052，前者約為后者的18 倍，可見國家高新區之間創新效率差異較大。創新效率較低的國家高新區科技投入的產出效益不高，科技成果轉移轉化、創造市場價值的能力不足，需要進一步優化創新資源配置、激發創新主體活力。為分析各國家高新區的創新效率變化，我們將各國家高新區2013 年的創新效率與2019 年的分別進行對比，發現有12家國家高新區創新效率表現為提升，包括燕郊、紹興、東莞、珠海、肇慶、泰州、上海張江、中山、寧波、佛山、蘇州、中關村；16 家表現為降低，包括廣州、常州、蕪湖、昆山、天津、合肥、杭州、惠州、南京、無錫、深圳、蘇州工業園、唐山、保定、江門、石家莊，說明考察期內三大城市群國家高新區創新效率沒有變得更好。

為進一步分析三大城市群國家高新區創新效率的變化特征，將28 家國家高新區2013 年至2019年的平均創新效率劃分為5 個類型，分別是低效率（0～0.200）、中低效率（0.201～0.400），中效率（0.401～0.600），中高效率（0.601～0.800）和高效率（0.801～1），從表4 可以看出：

表4 2013—2019 年三大城市群國家高新區創新效率結構

（1）屬于高效率的國家高新區有6 家，占比21.43%，分別是中關村、上海張江、惠州、合肥、深圳、廣州。這一結果與6 家國家高新區的綜合實力也非常符合，北京中關村、上海張江、合肥、深圳和廣州國家高新區，都是被科技部火炬中心納入“世界一流高科技園區”建設序列的國家高新區，在科技部火炬中心公布的2019 年國家高新區綜合排名中分別位列第1、第3、第6、第2、第7。值得注意的是，惠州國家高新區2019 年的綜合排名36，但是平均創新效率排在了第2 位，說明惠州高新區創新投入規模和產出匹配較為合理，創新投入資源利用比較充分。

（2）屬于中高效率的國家高新區有13 家，占比為46.43%，分別為蘇州、寧波、東莞、南京、佛山、杭州、無錫、常州、天津、昆山、保定、蘇州工業園、珠海。其中杭州高新區和蘇州工業園也屬于被科技部火炬中心納入“世界一流高科技園區”建設序列的國家高新區，但是創新效率值分別為0.738、0.625，排名分別在12 位和18 位，與中關村、上海張江等的創新效率差距較大，說明兩家高新區的創新投入產出不高，創新投入資源配置有待進一步優化。

（3）屬于中效率的國家高新區有5 家，占比為17.86%，分別為蕪湖、中山、江門、石家莊、紹興。

（4）屬于中低效率的國家高新區有2 家，占比7.14%，分別為肇慶、唐山，這兩家國家高新區的綜合發展水平較低，2019 年在全國國家高新區綜合排名都在100 名之后，需要通過加快提升創新效率和創新能力以推動發展。

（5）屬于低效率的國家高新區有2 家，占比7.14%，分別為泰州、燕郊。泰州國家高新區2019年在全國國家高新區綜合排名75，創新效率值為0.173，與自身發展實力較不匹配，說明泰州高新區創新資源配置有待加快優化、創新效率有待加快提升；燕郊國家高新區的創新效率值為0.052，與燕郊國家高新區創新資源集聚不足、創新投入低有關。

通過以上分析，說明三大城市群國家高新區創新效率以中高以上效率類型為主，占比67.86%，但是也存在創新低效率和中低效率類型，合計占比14.28%，創新效率不高的國家高新區需要積極利用三大城市群的區位和創新資源優勢，不斷提升創新資源集聚和優化配置能力。

3.2 三大城市群國家高新區創新效率對比分析

3.2.1 三大城市群國家高新區創新效率橫向比較

對三大城市群國家高新區創新效率進行橫向比較，可以看出，長三角城市群國家高新區平均創新效率最高，為0.676，珠三角城市群國家高新區次之，為0.670，二者差距不大，京津冀城市群國家高新區最低，為0.511，且與長三角和珠三角城市群差距較大。從不同年份的橫向對比來看，京津冀城市群國家高新區創新效率一直低于長三角和珠三角地區，說明京津冀城市群國家高新區創新資源利用效率整體偏低，特別是唐山和燕郊高新區創新效率一直較低，拉低了整個城市群高新區的創新效率。

從時間序列來看，由圖1，京津冀城市群的創新效率變化大致呈“U”型，整體上呈現下降趨勢，2013 年至2017 年不斷下滑，2017 年之后有所回升，但2019 年平均創新效率值低于2012 年，說明近年來京津冀城市群國家高新區在發展過程中，對創新資源投入和產出收益忽視，科技成果轉化不足。長三角、珠三角城市群國家高新區的創新效率變化大致呈“W”型波動發展，整體上呈現提升趨勢，2013 年至2016 年呈現先下降后上升趨勢，2016 年出現一個峰值，之后至2018 年繼續呈現先下降后上升趨勢。說明長三角、珠三角城市群國家高新區的創新效率表現不太穩定，但整體向好。

圖1 2013—2019 年三大城市群國家高新區創新效率變化

從創新效率結構看（圖2），從2013 年到2019年，京津冀城市群國家高新區創新效率結構表現出“中高效率國家高新區明顯減少、中效率和中低效率國家高新區增加”的特征，由原來包含4 種創新效率類型變為包含5 種，且中高效率和高效率國家高新區比重明顯落后于長三角和珠三角城市群，說明京津冀城市群內部國家高新區創新效率“短板效應”明顯，創新效率差異在增大。長三角城市群國家高新區創新效率結構表現出“中高效率和中效率國家高新區增加、高效率和低效率國家高新區減少”的特征，且低效率高新區數量減少為0，城市群內部創新效率差異在減小。珠三角城市群國家高新區創新效率結構表現出“中高效率國家高新區增加、中效率國家高新區減少”的特征，創新效率結構進一步優化。

圖2 2013 與2019 年三大城市群國家高新區創新效率結構對比

3.2.2 三大城市群國家高新區創新效率內部比較

對京津冀城市群，從內部差距來看，2013 年創新效率最高和最低的國家高新區分別為中關村、燕郊，兩者創新效率的差距分別為0.927，2019 年最高和最低的仍為中關村、燕郊，差距縮小為0.805，2013—2019 年所有國家高新區平均創新效率最大差距為0.883。從時間序列來看，中關村和燕郊兩家高新區創新效率表現為提升，石家莊、天津、保定、唐山4 家高新區都有所下降，特別是石家莊國家高新區，創新效率由2013 年的0.720 下滑為2019 年的0.428，說明石家莊國家高新區在發展過程中忽視了創新效率，科技創新投入配置和利用科學性、合理性有待加強。

對長三角城市群，從內部差距來看，2013 年創新效率最高和最低的國家高新區分別為無錫、紹興，兩者創新效率的差距為0.783，2019 年創新效率最高和最低的變為上海張江、泰州，創新效率差距縮小為0.680，2013—2019 年所有國家高新區平均創新效率最大差距為0.709。從時間序列來看，上海張江、寧波、蘇州、泰州和紹興5 家國家高新區創新效率表現為提升，特別是紹興國家高新區，創新效率由2013 年的0.132 提升為2019 年的0.824，年均增速35.7%，說明近年來紹興國家高新區在加快集聚創新資源、提升創新能力的同時，不斷優化創新資源投入，研發創新產出增加。蘇州工業園、合肥、杭州等8家國家高新區創新效率有所下降，但下降幅度不大。

對珠三角城市群，從內部差距來看，2013 年創新效率最高和最低的國家高新區分別為深圳、肇慶，兩者創新效率的差距為0.706，2019 年變為東莞、肇慶，創新效率差距縮小為0.654，2013—2019 年所有國家高新區平均創新效率最大差距為0.562。從時間序列來看，東莞、珠海、佛山、中山和肇慶5 家國家高新區創新效率表現為提升，其中東莞松山湖國家高新區年均增速8.7%，說明東莞松山湖國家高新區近年來不斷加強創新資源集聚以及資源優化配置，創新產出效益不斷提高。深圳、廣州、惠州和江門4 家國家高新區創新效率有所下滑，其中江門國家高新區下滑較大，由2013 年的0.735 下降為2019 年的0.475，需要在發展過程中更加注重創新投入和產出效益。

綜合來看（圖3），三大城市群國家高新區創新效率表現出較大的內部發展差距，京津冀城市群內部差距最大，長三角次之，珠三角差距相對較小，但值得注意的是，三大城市群國家高新區創新效率差距都呈現縮小趨勢。

圖3 2013—2019 年三大城市群國家高新區創新效率最大差距對比

3.3 國家高新區創新效率影響因素分析

由模型運行結果來看（見表2），創新主體、企業規模、利潤規模、對外開放四大因素對國家高新區創新效率具有較為顯著的積極影響，勞動者素質因素雖然不顯著，也顯示出對創新效率的積極影響。

（1）創新主體通過顯著性檢驗，表明高新技術企業顯著促進國家高新區創新效率。高新技術企業數量可以衡量高新區市場活力和創新活力，一方面，高企數量多表明園區創新創業生態環境建設良好，創新氛圍濃厚；另一方面，高企是集聚高端創新研發人才和吸引研發資金的重要載體，有力促進和推動國家高新區技術研發、科技成果轉移轉化及新技術、新產品等創新成果產出。對創新效率低的國家高新區，大力培育和發展高企是提升園區創新效率的重要措施。

（2）園區企業規模與創新效率呈顯著正相關。盡管一些研究認為大規模企業具有較高的市場氛圍，容易忽視技術研發投入［31］。但從高新區內大型企業所反映出的情況來看，越來越多的跨國公司和科技龍頭企業正在持續加大對創新研發的投入力度。也有研究中指出，企業規模與新產品研發創新效率之間可能呈現先增后減的倒U 型關系［30］，而本文的結果可能正反映出目前多數國家高新區的企業規模仍處于規模增大對創新效率有正向影響的階段，提升企業規模在此階段仍可以促進高新區創新效率提升。

（3）利潤規模對創新效率有顯著影響。利潤規?？梢苑从掣咝聟^的整體盈利能力，利潤規模越大，說明園區盈利能力越強，越有實力通過政策手段支撐和推動企業的創新研發活動，如加大投入吸引高端創新資源、對創新研發提供專項資金補助、改善園區創新生態環境等。

（4）勞動者素質對國家高新區創新效率有一定促進作用但不顯著。一般說來，勞動者素質越高，對創新資源的運用能力及創新產出效率越高，能有效促進地區創新效率提升。模型對勞動者素質估計的結果不顯著，可能與一些國家高新區本科以上人數占從業人數比例較低有關。近年來，許多國家高新區都把高素質人才作為創新發展的重點支撐，通過完善人才支持獎勵政策、優化人才發展環境、提升人才服務能力等加快集聚人才。隨著國家高新區勞動力素質的不斷提高，有利于園區更好利用創新資源，進一步提升創新效率。

（5）對外開放通過顯著性檢驗，表明對外開放能夠顯著提升國家高新區創新效率。出口總額反映了國家高新區對外開放水平，出口總額越大，園區開放程度越高，有利于與先進地區加強創新交流和合作，引入國際化人才、一流技術、創新知識、先進生產和管理經驗等，進而推動科技創新發展。

4 結論和建議

4.1 主要結論

（1）整體來看，2013—2019 年三大城市群28家國家高新區平均創新效率較高，且呈現波動變化趨勢，但創新效率增速不高，仍有較大優化提升空間。從創新效率結構上看，國家高新區創新效率以中高以上效率類型為主，占比67.9%，但是也存在創新低效率和中低效率類型，合計占比14.2%，創新效率結構有待進一步優化。

（2）從橫向比較結果來看，長三角城市群國家高新區平均創新效率最高，為0.676，珠三角城市群國家高新區次之，為0.670，二者差距不大，京津冀城市群國家高新區創新效率整體偏低；從時間序列來看，京津冀城市群國家高新區的創新效率變化大致呈U 型，整體上呈現下降趨勢，長三角、珠三角城市群國家高新區的創新效率變化大致呈W 型波動發展，整體上呈現提升趨勢；對三大城市群國家高新區創新效率結構的分析表明，長三角和珠三角城市群中高效率國家高新區增多，創新效率結構不斷優化，而京津冀城市群中高效率國家高新區減少、中效率和中低效率國家高新區增多。從內部比較來看，三大城市群國家高新區創新效率具有較大的內部發展差距，京津冀城市群內部差距最大，長三角次之，珠三角差距相對較小，但隨著時間變化，三大城市群國家高新區創新效率差距都呈現縮小趨勢。

（3）從影響創新效率的因素分析看，創新主體、企業規模、利潤規模、對外開放四大因素對國家高新區創新效率具有較為顯著的積極影響，勞動者素質因素也顯示了積極影響。國家高新區在發展中應加強培育和發展高新技術企業等創新主體，支持企業加大研發投入和提升創新效率，通過研發核心技術、核心產品做大規模和提升盈利能力。園區也應進一步集聚高素質人才和加大開放力度，促進園區創新能力提升。

4.2 政策建議

為加快提升城市群國家高新區的創新效率水平，本文提出以下政策建議：

（1）創新政策的制定和實施需要因地制宜。國家高新區管理和指導部門要提倡和鼓勵不同發展階段的高新區實施差別化的政策評價體系，明確地方創新政策的著力點，注重政策實施效果。對于創新效率較低且創新資源相對不足的國家高新區，首先需要營造良好的創新創業環境，加大優質創新資源的吸引力度，同時科學合理地進行優勢產業布局。盡量在原有科技資源和產業基礎上，打造符合自身發展特色的優質產業，避免產業規劃的盲目跟風，重視資源配置的合理性。對創新效率較高的高新區，需要繼續重視創新效率的優化提升，加強與周邊國家高新區協同創新和產學研合作，充分利用知識的外溢效應，加快提升區域整體創新效率和創新能力。

（2）完善高成長性創新主體的培育機制?；诟咝录夹g企業對創新效率的正向帶動作用，高新區應該加快建設企業為主體的創新體系，引導創新要素向企業集聚，加大對企業創新活動的支持和補貼力度，不斷增強企業創新動力；加快形成創新型領軍企業、高新技術企業、科技型中小企業為主體的多層次發展格局，推動區域創新影響力和競爭力的提升。

（3）人力資本質量提升是創新效率提升的關鍵因素。高新區應持續優化人才管理制度，推行異地研發、本地應用等柔性化人才引進方式；通過設立對高層次人才分類評價體系和獎勵制度，不斷深化和改革人才管理方式。尤其在人員激勵方面，應該突出知識價值導向，推動以科技成果作價入股，進一步放松股權獎勵機制的條件，充分調動研發人員的創新積極性。

（4）在“雙循環”發展格局下，進一步擴大對外開放。高新區應完善出口政策，充分開放進口，加大與國外高端創新資源的合作力度，鼓勵區內企業融入國際創新網絡，加強與國際一流技術轉移中心、跨國技術服務機構的服務鏈接，探索搭建國際創新合作交流平臺；支持企業在“一帶一路”沿線國家和地區開展投資、技術出口、技術合作和拓展項目，推動高新區形成開放創新的新格局。