國家高新區創新效率及其城市環境因素影響分析

□王京雷 趙 靜 陳升

一、問題提出與文獻評述

國家高新區是我國科技創新的主戰場，其創新水平在相當程度上能夠反映國內創新發展的整體情況，創新效率的高低也是觀測我國整體創新水平的重要窗口。目前國家高新區創新效率如何？又受到哪些因素影響？通過測算國家高新區創新效率并描述其創新的整體變化趨勢，對于準確了解高新區的創新水平意義頗大。此外，國家高新區依托所在城市而發展，其創新效率受到城市環境因素的重要影響，厘清哪些因素對高新區創新效率產生影響，對推動高新區創新效率的提升至關重要。

開展高新區創新評價的前提是建立一套科學有效的指標體系，國內外學者建立了多種指標體系，其中針對科技園區的評價研究大都集中于整體發展績效，包含經濟績效、創新績效、社會績效等多個方面。Hung和Wang（2012）運用盈利性與市場性矩陣，較好地刻畫了高技術企業的經營績效。Liberati等（2016）等從生產績效、盈利績效、投資傾向、創新能力等方面評價了意大利科技園區的綜合績效。國內有少數學者試圖建立一套大而全的政府治理績效指標評價體系，但大多數學者建立的是更加具有創新導向的指標體系。田新豹和蘆彩梅（2012）從水平、盈利和提速三個角度對國家高新區開展了評價研究。還有學者雖未建立系統的指標體系，但是直接以高技術企業數、R&D費用及R&D人員、技術性收入等具體指標來測算高新區的創新效率。

指標體系建立后，需要采用科學有效的評價方法進行創新效率的測量。目前學術界關于創新效率的測量主要分為以下幾類方法：一是用簡單的加權指數模型，包括因子分析法、模糊矩陣法等；二是用SFA模型進行研究，Battese和Coelli（1995）定義了面板數據的隨機前沿生產函數，該模型是對橫截面數據隨機邊界中低效率影響的最新提議模型的擴展；三是DEA模型，通過建立一種關系網絡數據包絡分析模型，用于系統評價區域創新系統的創新效率。國內學者也大多采用此方法，將DEA模型引入高新區創新效率評價之中。相比其他方法，DEA模型不需要設定具體的函數形式與權重，使用較為方便，被廣泛應用于高新區創新效率評價。

高新區創新效率的變化原因備受關注，其中資源要素投入對高新區創新效率的影響最為重要。羅震世等（2011）著重研究了研發經費投入與研發人才等創新資源對創新績效的影響，研究結果表明：研發經費投入顯著影響創新績效，但研發人才的影響不顯著。孫愛麗等（2017）利用社會網絡分析法研究了研發投入對高新區企業創新績效的影響，指出研發投入網絡的中心性和結構洞均會對高新區集群創新網絡的發展產生影響。正是由于研發資金、科技人才等要素性投入因素對高新區創新績效的重要作用，后來的學者常常將其列為控制變量來探尋其他因素的影響。此外，高新區創新效率還受到高新區的產業集聚程度、所在城市區位條件以及制度環境等因素的影響。徐維祥和方亮（2015）認為產業集聚程度有利于高新區創新產出，進而影響區域經濟增長，但也有學者謹慎指出過度的產業競爭不利于創新效率的提高；高新區之間的地理臨近和認知臨近、高新區所在城市的產業平衡與職住平衡也能正向影響高新區創新績效；也有學者認為高新區管理體制直接影響高新區創新效率，并且能夠正向調節科技創新政策與創新績效之間的關系。

基于已有研究文獻可知，高新區創新差異不單單是資源投入帶來的，也受區位、政府等外部因素的影響。區位條件、資源稟賦等先天優勢的積極作用基本得到一致認可，但在具體因素的分析方面還有待完善，特別是關于高新區所在城市各方面環境因素的分析方面還有進一步研究的空間。本文可能的貢獻在于：（1）從靜態與動態效率變化認識我國國家高新區創新效率的變化特征；（2）系統梳理城市環境因素對高新區創新效率的影響，特別是以逐步回歸方法，探討影響高新區創新效率的環境因素組合。

二、國家高新區創新效率測算

（一）模型與指標數據

在效率測算中，DEA模型的優勢較為突出，其既不需要設定具體的函數形式，也不需要對權重進行事先設定，以DEA測算高新區創新效率既簡便又科學。DEA模型測算的創新效率是靜態值，還無法體現效率的動態變化。Malmquist指數可以測算不同時間段創新效率的增長或降低狀態，是創新效率變化的動態值。因此，為綜合反映高新區創新效率情況，以DEA和Malmquist指數共同測算高新區創新效率。

選擇投入導向的BCC（規模報酬可變）模型，以投入產出數據進行初始效率的計算。DEA模型本質上是一個線性規劃問題，當計算的標量等于1時，表示該DMU是技術有效的且處于技術前沿面上，標量越小，對應DMU的技術效率就越低。BCC模型計算出來的效率值為綜合技術效率（TE），可以進一步分解為純技術效率（PTE）和規模效率（SE）。

其中，投入導向下的綜合技術效率TE表示投入不變情況下實現產出的最大能力；純技術效率PTE表示純粹由管理和技術（剔除規模因素）影響的效率；規模效率SE表示生產規模經濟性的發揮程度。

Malmquist（1953）在分析消費變化時，建立了關于效率的指數模型。Caves等（1982）將該指數當作生產率指數使用，該指數被廣泛使用并被定義為Malmquist指數。該指數不需要價格信息，并且可以對全要素生產率（TFP）進行分解。全要素生產率變動（Tfpch）包括技術效率變化（Effch）和技術進步變化（Tech）兩部分，前者反映資源有效利用情況，后者表示效率前沿面的變動。從t到t+1時期的Malmquist指數公式如下：

高新區創新效率是多投入多產出的結果。投入指標從創新資源要素的角度選擇，產出指標則從創新成果或經濟效益角度選擇。關于具體指標的選擇，學界并未達成一致。由于數據獲取難度，有些研究將某些指標用高新區所在城市的數據代替高新區指標數據，這難免不夠精準。本研究認為必須以高新區為統計對象的指標數據才能夠精準反映其投入產出效率，考慮到投入產出的指標類型及數據可得性，主要從以下方面選擇指標（表1）：

表1 變量描述性統計

投入指標主要包括人才與資金資源。人才資源是創新發展的重要生產要素，高效率的人才資源投入能夠有效促進創新產出，故以科技活動人員數作為人才資源指標；充足的資金投入，能夠為創新發展帶來各種資源，特別是技術研發資金投入能夠直接提升高新區科技創新成果，以R&D經費內部支出作為資金資源指標。

產出指標主要包括技術產出與經濟產出。高新區企業以創新成果的持續產出為首要任務，技術收入能夠有效表示技術產出能力，以技術收入作為技術產出的重要指標；高新區進行科技成果轉化，經過試驗、開發、應用、推廣等一系列步驟，直至形成高附加值的新產品、新工藝、新材料，實現經濟價值。以凈利潤指標衡量科技成果轉化水平，并用上繳稅費、出口創匯指標測度其對所在地區經濟發展的影響力。

截至2018年底，我國共有168家高新區。考慮到不同階段成立的高新區其本身就具有差異，而且現有研究已表明高新區成立時間不同，技術創新活力明顯不同。為了規避成立時間先后造成的明顯效率差異，有必要統一時間尺度，因此，本文只選取1992年前最早成立的52家高新區進行研究。此外，國家高新區系統化的統計體系最早開始于2007年，故測算52家高新區2007年至2018年共12年間的創新效率。高新區投入產出數據來源于《中國火炬統計年鑒》（2008—2019）。為消除各類數據的量綱影響，在將數據代入模型測算時，均進行了標準化處理。

（二）測量結果分析

DEA測算需要投入產出指標具有同向性。經過相關性分析，高新區創新效率的投入產出指標之間具有正向相關性，且均通過了1%水平的顯著性相關檢驗。投入產出指標間的相關系數均大于0.6，表現出強相關，說明選擇的投入產出指標符合DEA測算的基本要求（表2）。

表2 國家高新區投入產出指標的Pearson相關系數

1.DEA模型效率結果

將高新區投入產出數據代入BCC模型，使用軟件DEAP2.1，計算得到52家國家高新區的綜合技術效率、純技術效率與規模效率。按照2007-2018年綜合技術效率的均值降序排列，整理結果見表3。僅長春高新區在2007-2018的12年中均處于效率前沿面上，綜合技術效率、純技術效率與規模效率的得分均值達到了1，其技術管理與資源配置相對有效。此外，北京中關村、上海張江的純技術效率，均值為1，說明2家高新區的技術管理相對有效。

表3 2007-2018年我國52家國家高新區創新效率平均值

2007-2018年我國52家國家高新區綜合技術效率的均值為0.8199，純技術效率的均值為0.8838，規模效率的均值為0.9279（表4）。純技術效率值小于規模效率值，其對綜合技術效率的作用稍弱于規模效率，說明規模因素在高新區創新投入產出效率中起主要作用，規模因素的影響力強于技術因素。52家國家高新區的綜合技術效率均值都超過了0.6，其中20家的綜合技術效率低于0.8，22家的綜合技術效率處于0.8-09之間，兩者占總體的比例超過了80%，僅有10家的綜合技術效率值大于0.9；從純技術效率均值來看，28家高新區的純技術效率低于0.9，占比接近54%；從規模效率均值來看，規模效率低于0.9的高新區數量為15家，占比僅為28.85%。因此，從效率均值來看，國家高新區的創新效率處在中等水平。

表4 2007—2018年我國52家國家高新區創新效率分布情況

2.Malmquist模型效率結果

DEA模型測算的是某個時間點的效率，但當被評價的對象包含多個時間節點的數據時，就需要對其效率隨時間序列的變化情況進行分析。Malmquist生產率及其分解指數是體現效率動態變化的指標，本研究利用DEAP2.1計算Malmquist生產率及其分解指數。

按照2007-2018年技術效率變化的均值降序排列，整理結果見表5。僅有17家高新區的技術效率變化下降，3家高新區的技術效率變化保持不變，多達32家高新區的技術效率變化出現上升，其中武漢、大慶、鄭州等9家高新區技術效率變化的上升幅度超過了2%；多達44家高新區的技術進步下降，下降幅度最大的是沈陽高新區，降幅為2.6%；有26家高新區的全要素生產率出現不同程度下降，重慶、杭州、廣州、珠海、南京的5家高新區的降幅最大，均超過3%，武漢、鄭州、中山、常州、成都、哈爾濱的6家高新區的增幅最大，均超過2%。可見，雖然技術效率變化的增長明顯，技術進步下降卻導致了全要素生產率的下降。

表5 我國52家高新區創新效率的Malmquist指數及分解（2007—2018年）

從全國角度來看，技術效率變化相較于上一年升高的年份達到了6年，有5年相較于上一年出現下降（見表6），平均值為1.006，呈現微弱的增長態勢；技術進步方面，有4年的技術進步相對于上一年出現增長，2年維持不變，5年出現下降，且下降幅度較大；全要素生產率的平均增長率為-0.3%，主要原因在于技術進步效率負增長（-0.9%）。多達8年的全要素生產率出現負增長，2009年相較于2008年負增長5.8%，僅有3年的全要素生產率高于上一年，增幅最大的年份是2015年，相較于2014年提升了4.9%。可見，我國52家國家高新區技術效率整體呈現上升趨勢，但其帶來的創新全要素生產率提高效應被技術進步的遲滯所抵消，國家高新區創新的全要素生產率出現負增長，全要素生產率的下降主要是由于技術進步的不穩定而造成的。

表6 2007—2018年我國國家高新區創新效率歷年變動情況

三、國家高新區創新效率的城市環境影響分析

（一）模型與變量選取

國家高新區創新發展離不開所在城市的支撐，城市環境是高新區創新的重要依托。城市環境是一個綜合系統，是融合經濟、社會、市場等因素在內的大生態系統，但這并不代表各類因素都能夠對高新區創新產生影響，真正能夠直接對高新區創新產生影響的是那些會推動創新要素集聚與轉化的因素。本研究在考慮要素集聚與轉化基礎上，選取以下影響高新區創新效率的城市環境變量：

1.城市經濟發展水平（Econ）

經濟水平發達的城市意味著更好的發展機會，全社會具有較好的創新意識和創新環境，往往更容易吸引高端人才集聚，也更容易吸引各類企業投資聚集。我國國家高新區基本設立在經濟發展水平與創新環境較好的大中城市，特別是1992年前成立的高新區，其所在城市基本為直轄市、省會城市或者副省級城市，這些城市良好的環境為高新區創新發展提供了充足的要素保障與支撐。本研究采用人均地區生產總值反映城市經濟發展水平。

2.對外開放水平（Open）

城市對外開放水平意味著其引進與利用國外資源的能力，提升對外開放水平是城市集聚國外高端創新資源的重要渠道。國際間投資流動能夠帶動技術升級，技術相對落后的地區能夠通過利用先進國家的投資改善本地企業的技術能力。國家高新區不是閉門創新，其創始的初衷便是通過機制體制創新，集聚國內外創新資源加快創新。因此，國家高新區依托城市對外開放來增強外資利用能力，不斷集聚創新資源，也能夠對自身創新效率產生影響。本研究采用實際利用外資占城市GDP比重反映城市對外開放水平。

3.科技財政水平（Govtec）

政府為推動創新往往會通過科技財政支出的方式，直接對要素集聚進行資助或對創新成果進行激勵，這些都會影響區域創新的發展。政府較強的科技投入力度會增強區域創新氛圍，激發企業創新積極性，也能夠提高產學研協同創新效率。高新區創新是城市創新的重要地域，政府的科技財政支出也會向高新區傾向，從而對高新區創新產生影響。本研究采用政府科技財政支出占財政總支出比重來反映城市科技財政水平。

4.人力資本水平（Human）

高水平的人才集聚能夠為城市創新直接提供驅動力，是城市經濟增長與創新發展的內生動力之一。人力資本水平是推動地區產業結構升級和創新的重要因素，其中人才素質的提升能夠幫助企業不斷提升產品附加值以及開拓新市場。高新區創新發展離不開城市人才要素的集聚與供給，城市人力資本水平一定程度上決定著高新區創新所需的人才需求能否得到滿足。本研究采用普通高等院校在校學生數占常住人口比重反映城市人力資本水平。

5.金融發展水平（Finance）

運行良好的金融系統能夠通過信息識別，查找出在技術和產品創新方面有突出能力的企業，更好地分配創新資源。金融科技促進創新的途徑，包括緩解企業融資約束與提高稅收返還的創新效應，顯著影響企業技術創新能力。國家高新區創新的重要路徑之一便是以科技金融的體制機制改革，為科技創新提供充足的資金要素保障。因此，城市的金融發展水平也是國家高新區創新效率的重要影響因素之一。本研究采用城市金融機構年末人均貸款來反映城市金融發展水平。

6.工業化水平（Industry）

由于工業化是利用機器規模化生產的過程，技術化是其發展的重要內涵。城市工業要提高生產效率，必然通過技術改造與升級來推動資源利用效率。工業化進程中智能化裝備的使用、科學管理方式的運用，恰巧能夠為城市復雜的工業技術創新提供高度的專業化分工，從而實現高效率的生產過程。城市工業所具備的高效生產能力與技術能力為國家高新區創新直接提供了基礎，對國家高新區創新效率產生較大影響。本研究采用規模以上工業總產值占城市GDP比重反映城市工業化水平。

7.基礎設施水平（Infras）

城市具有較高的基礎設施水平，既可以暢通要素流通的渠道，也可以優化要素集聚所需要的良好環境。研究表明，基礎設施通過改善創新要素與技術產品的流通條件，能夠顯著促進規模效率的增長，并進一步對產業集聚和技術溢出產生影響。高新區創新發展的物質環境也就是城市的基礎設施水平，城市對基礎設施的投資能夠顯著提高基礎設施水平，對高新區吸引高端要素具有較強的影響。本研究采用固定資產投資占城市GDP比重反映城市基礎設施水平。

8.信息化水平（Inform）

信息化水平的高低決定著知識溢出的吸收能力，對區域技術進步產生影響。研究表明，信息化能夠顯著影響地區工業技術創新效率，是推動地區經濟增長和技術創新活動的新動力源泉，信息平臺、數據流程等信息化手段成為技術創新的重要支撐，是提升創新活動效果的有效工具。國家高新區創新發展離不開信息化平臺與工具的支持，而城市整體的信息化水平則能夠滲透并影響高新區創新。本研究采用人均郵電業務額反映城市信息化水平。

本研究以上述選取的變量為自變量，分別研究其對國家高新區綜合技術效率（TE）、純技術效率（PTE）、規模效率（SE）的影響。據此，構建以下回歸模型：

式（3）、（4）、（5）中各變量代表的含義見表7。創新效率數據來源于上面測算的國家高新區綜合創新效率、純技術效率與規模效率值；城市環境數據主要來源于《中國城市統計年鑒》（2008-2019），部分數據來源于地方統計年鑒、統計公報等統計資料。

表7 變量描述性統計

（二）實證結果分析

由于選取的城市環境因素并不必然對國家高新區創新效率產生實質性的重要影響，分析國家高新區創新效率的城市環境影響因素是一個探索過程。本研究采用逐步回歸的方法探索影響國家高新區創新效率的城市環境因素。逐步回歸的主要思路是在初步圈定自變量范圍后，將自變量逐個加入回歸模型，每加入一個自變量都要進行F檢驗，并對回歸模型中已存在的變量進行t檢驗，當模型中已存在變量由于新加入的變量而變得不顯著時，則將其刪除。經過反復的加入與刪除，直到既沒有不顯著的變量從回歸模型中刪除，也沒有顯著的變量加入回歸模型為止（劉明和王仁曾，2012）。利用SPSS軟件進行操作，當變量p值小于0.05時引入模型，大于0.1時不進入模型，從而分別得到了綜合技術效率、純技術效率與規模效率的逐步回歸結果。

1.綜合技術效率的逐步回歸結果

利用軟件操作后得到綜合技術效率影響因素的逐步回歸結果。最終得到的回歸方程為：

該方程在所有模型中的擬合度最優，方程的F統計值為9.357，且在1%水平下顯著。由式（6）與表8可知，影響國家高新區綜合技術效率的主要城市環境因素是經濟發展水平、對外開放水平、科技財政水平與基礎設施水平。經濟發展水平的回歸系數為0.009，顯著性水平小于1%，表明經濟發展水平對國家高新區創新效率具有顯著的正向影響；科技財政水平的回歸系數為-0.909，顯著性水平小于1%，表明政府科技財政支出減弱了國家高新區科技創新效率；對外開放水平的影響系數達到了0.545，在5%水平下顯著，說明積極利用外資能夠顯著提升高新區創新效率；基礎設施水平的影響系數為0.047，同樣在5%水平顯著，表明加強基礎設施投資對高新區創新效率具有正向影響。此外，人力資本水平、金融發展水平、工業化水平與信息化水平等變量在該模型中的顯著性系數不足0.05，這些變量加入模型會降低模型對綜合技術效率的解釋力，因此可從模型中刪除。

表8 國家高新區城市環境影響因素的逐步回歸結果

2.純技術效率的逐步回歸結果

利用軟件操作后得到純技術效率影響因素的逐步回歸結果。最終得到的回歸方程為：

該方程在所有模型中的擬合度最優，方程的F統計值為8.415，且在1%水平下顯著。由式（7）與表8可知，影響國家高新區純技術效率的主要城市環境因素是人力資本水平、金融發展水平、科技財政水平、信息化水平、基礎設施水平與經濟發展水平。相較于綜合技術效率，顯著影響純技術效率的因素增多。人力資本的影響系數為-1.059，通過了1%的顯著性水平檢驗，表明人力資本水平對高新區純技術效率產生顯著的負向影響；金融發展水平對高新區純技術效率具有顯著的正向影響，但影響系數較小，僅為0.006；政府科技財政水平與經濟發展水平均在5%顯著性水平下對高新區純技術效率產生負向影響，影響系數分別為-0.721與-0.004；信息化水平的影響系數為-0.104，在1%水平下顯著，表明其對高新區純技術效率具有顯著的負向影響；基礎設施水平同樣對高新區純技術效率具有負向影響，在1%顯著下水平的影響系數為-0.051。此外，該模型中僅有對外開放水平與工業化水平的顯著性系數不足0.05，故而從模型中被刪除。高新區純技術效率影響因素的結果顯示，僅有金融發展水平有利于促進純技術效率的提升，且影響效應較弱，大部分影響因素并不利于純技術效率的提升，特別是人力資本水平與科技財政水平對純技術效率產生的負向影響較大。這表明在利用城市要素與環境方面提升高新區管理能力與技術能力方面，還有很大改善和進步空間。

3.規模技術效率的影響因素分析

利用軟件操作后得到規模效率影響因素的逐步回歸結果。最終得到的回歸方程為：

該方程在所有模型中的擬合度最優，方程的F統計值為36.199，且在1%水平下顯著。由式（8）與表8可知，影響國家高新區純技術效率的主要城市環境因素是經濟發展水平、基礎設施水平、人力資本水平、工業化水平、信息化水平、對外開放水平與科技財政水平。在這些主要影響因素中，僅有信息化水平與科技財政水平對高新區規模效率的影響作用為負，前者在1%水平下顯著，后者在5%水平下顯著，兩者的影響系數分別為-0.052與-0.379；經濟發展水平、基礎設施水平、人力資本水平、工業化水平對高新區規模效率具有正向作用，且均在1%水平下顯著，對外開放水平同樣對高新區規模效率具有正向作用，但顯著性水平僅為5%，影響系數為0.275。此外，金融發展水平在該模型中的顯著性系數為0.328，加入該變量會降低模型對規模效率的解釋力，故而從模型中被刪除。

進一步分析發現：（1）所選取的城市環境變量都至少作為一次主要影響因素進入模型。特別是在規模效率的影響模型中，僅有金融發展水平未進入方程，其它七個主要環境變量均是影響規模效率的主要因素，其聯合后對規模效率的解釋力最強。（2）影響因素對不同效率的作用方向不同。純技術效率影響因素的作用普遍為負向，而綜合技術效率與規模效率影響因素的作用大部分為正向，這說明城市環境因素主要是通過正向作用于規模效率來提升高新區的綜合技術效率。（3）科技財政水平的負向作用明顯。科技財政水平對綜合技術效率、純技術效率與規模效率三種類型創新效率的影響均顯著為負，這表明城市政府科技財政支出并未能夠促進高新區創新效率的提升。（4）對外開放水平的正向作用顯著。對外開放水平作為主要影響因素作用于綜合技術效率與規模效率，且均產生顯著的正向作用，雖未能在純技術效率模型中作為主要影響因素，但其影響系數為正，仍然具有一定的正向作用。

四、研究結論與對策建議

（一）研究結論

本研究選取了國家高新區創新效率的投入產出指標，以DEA與Malmquist指數測算了我國國家高新區創新效率，并分別描述了靜態與動態效率在一定時期內的變化狀況。然后，以此為基礎，通過選取影響高新區創新的城市環境變量，以逐步回歸的方法，探索了高新區綜合技術效率、純技術效率與規模效率的主要影響因素。

國家高新區創新效率的測算表明，我國52家國家高新區創新效率的整體水平一般，處在效率前沿面的高新區數量極少，規模效率均值高于純技術效率均值，前者對綜合技術效率的作用稍強于后者；綜合技術效率、純技術效率與規模效率的變動趨勢為波動式上升，其中前兩者呈現出先下降后上升的趨勢；此外，2007-2018年間的技術效率變化均值為正，但由于技術進步的遲滯效應，導致了全要素生產率的下降。國家高新區創新效率的影響因素分析表明，城市環境變量對綜合技術效率、純技術效率與規模效率的作用明顯不同，規模效率的顯著影響因素類型最多，純技術效率次之，綜合技術效率的主要影響因素類型最少；城市環境因素對純技術效率的作用普遍為負向，而對規模效率的作用普遍為正向。因此，城市環境因素主要是通過對規模效率的正向作用來推動綜合技術效率的提升。

（二）政策建議

實證分析表明，對外開放水平、金融發展水平與科技財政水平的影響作用特征明顯。其中對外開放水平對綜合技術效率和規模效率均具有正向的積極作用，僅有金融發展水平對純技術效率具有顯著的正向影響，科技財政水平則對三種類型創新效率具有顯著的負向影響。可見，要優化高新區所在城市的創新環境，應重點從擴大對外開放水平、提升金融發展水平與優化科技財政支出等方面入手。

1.堅持擴大城市對外開放水平。擴大城市對外開放水平能夠為高新區創造合作機會，有利于引進國外高層次人才、高科技企業等創新主體，以及加強技術引進與消化。一方面，聚力引進全球高端創新資源。高新區所在城市應進一步擴大開放水平，開放戰略與任務舉措側重向國家高新區傾斜，為高新區集聚國際高端創新資源提供機會。高新區所在城市政府應為國家高新區引進全球創新資源提供平臺，協助高新區搭建國際人才交流服務平臺、資金流轉平臺與先進技術合作平臺，推動創新要素的自由流動。另一方面，提升高技術企業的全球競爭力。城市政府的開放戰略布局重點應在支持與鼓勵高新區高科技企業面向全球參與全球競爭與合作，不斷強化運營能力與資源運用能力，提升國際創新競爭力。城市政府既要支持高新區建立高技術產品出口基地，優先為高新區企業產品出口配額，也要鼓勵有實力的企業建立海外研發基地和產業基地，培育一批具備較強科技實力的大型跨國科技型企業。

2.重視提升城市金融發展水平。以城市金融環境優化帶動高新區科技金融發展，為高新區科技創新提供金融支持，是推動高新區技術效率增長的有效手段。首先，城市金融與高新區科技應實現良性互動，以城市金融資本催生高新區的科技成果，以高新區科技資源激活城市金融資產，形成一條城市金融與高新區科技互利共生的有效途徑。其次，城市金融重點關注高新區創新主體的科技創新活動，利用城市優良的金融資產激活主體的創新活力，暢通金融向企業、科研院所、創新團隊等創新主體流動的渠道，特別應支持以創新產出及產業化為目標的科技型企業，為不同成長周期的科技企業提供合適的金融產品。再次，引導城市金融機構向高新區集聚發展，在國家高新區內建立包括商業銀行、創投機構、保險機構、信托機構等多類型金融機構在內的金融發展集聚區，形成多元化的科技金融服務機構體系，全面提升對高新區科技發展的支持能力。

3.注意優化城市科技支出水平。精準發揮科技財政對創新的支持作用，是城市創新環境服務高新區創新發展的重要策略。其一，優化城市科技財政投入領域，改善高新區科技支出結構。在同等條件下，城市科技財政應優先支持國家高新區獲取國家、省、市設立的科技計劃項目資金等專項資金，全面落實國家、省政府支持高新區發展的各項優惠政策；城市科技財政還應根據科技發展趨勢與規律，適時調整科技財政支出的方向，將有限的科技財政資金投入最前沿的科技領域。其二，增強科技財政的引導功能，激勵企業加大研發力度。城市科技財政應積極鼓勵高成長性的科技企業在高新區內設立研發總部、技術研究院等機構，對其予以研發經費和補助支持，形成科研機構匯聚的創新集聚區；科技財政主要以后補助的方式，支持企業在重大攻關項目、共性關鍵技術等方面先投入，激勵企業重視研發成果，力爭產出高質量的科技成果。