京津冀地區高校科技創新能力綜合測度及影響因素分析

中圖分類號：F124.3 文獻標識碼:Adoi:10.3969/j.issn.1672-2272.202504013

Comprehensive Evaluation and Determinant Analysis of Technological Innovation Capability in Higher Education Institutions within the Beijing-Tianjin-Hebei Region

Bai Mengxuan，Yang Nian，Huang Yuyan (School of Big Data Science，Hebei Finance University，Baoding O7looo，China)

Abstract:Under the advancing Beijing-Tianjin-Hebei coordinated development strategy，the scientific and technological innovation capacity of universities plays a crucial supporting role in regional innovation. Based on university science and technology statistics from 2O16 to 2O23 in this region，this study systematically measures regional innovation capabilities and explores influencing factors through entropy method，ARIMA model，global spatial autocorrelation analysis，and random efects model. Key findings reveal: ① The distribution of innovation capability shows a pattern of strong core region and weak peripheral region. Beijing has outstanding performance in all dimensions but its radiation capability fluctuates， Tianjin lags behind and its growth rate is slow，and Hebei Province continues to improve but its foundation is weak; ② The global spatial autocorrelation analysis reveals that the negative correlation of innovation capability continues to increase，innovation resources are concentrated in core regions，and the development of marginal regions is limited; ③ The random effects model shows that government research funding has a significant promoting effect on innovation ability，while the number of patents is negatively correlated with innovation quality; ④ ARIMA forecasts that Beijing will remain stable in the next five years，Tianjin willremain low，and Hebei Province willcontinue to grow. Based on this，the paper puts forward countermeasures and suggestions such as establishing regional innovation cooperation network，optimizing resource allocation mechanism，reforming scientific research evaluation system，etc.，to provide decision-making basis for improving the innovation efficiency of colleges and universities in Beijing-Tianjin-Hebei.

Key Words:Beijing-Tianjin-Hebei Region； University Scientific and Technological Innovation Capacity; Entropy Method;Influencing Factors

0 引言

在全球化和知識經濟深人發展的時代背景下，科技創新已成為驅動社會進步與經濟增長的核心引擎。2024年9月召開的全國教育大會上明確指出，“以科技發展、國家戰略需求為牽引，著眼提高創新能力”。這一重要論述與《中華人民共和國國民經濟和社會發展第十四個五年規劃和二〇三五年遠景目標綱要》“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”的戰略部署形成呼應，確立了科技創新在推動經濟高質量發展中的核心地位，強調需持續加強核心技術攻關支持力度。

高等教育機構在這一進程中肩負著重要使命，既要通過培養高素質人才為經濟發展提供動力，也要通過科研成果轉化和地方經濟合作，推動區域經濟持續增長。在人才培養方面，高校為區域經濟提供了必要的人力資源支持，推動了高新技術產業快速發展；在科研成果轉化方面，高校與地方企業的緊密合作加速了科技創新的實際應用；在區域經濟服務方面，高校科技創新通過技術輻射與智庫支持，對地方產業結構優化與可持續發展起到重要作用。

近年來，各級政府對提升高校科技創新能力給予了高度重視。省級政府和教育主管部門通過調整學科設置，強化基礎學科、新興學科與交叉學科的建設，以適應國家戰略需求。2019年，科技部聯合六部門發布的《關于擴大高校和科研院所科研相關自主權的若干意見》，旨在推動擴大高校和科研院所科研領域自主權，全面增強創新活力，提升創新績效，增加科技成果供給，支撐經濟社會高質量發展。此外，財政部和相關部門對國家獎學金獎勵名額和標準的提升，進一步激勵高校師生參與科技創新。黨的二十屆三中全會通過的《中共中央關于進一步全面深化改革，推進中國式現代化的決定》中提出，要“統籌推進教育科技人才體制機制一體改革，健全新型舉國體制，提升國家創新體系整體效能”。

京津冀地區作為我國的政治、文化、經濟和科技中心，是國家自主創新戰略的核心承載地。隨著京津冀協同發展戰略和雄安新區的設立，科技創新對產業轉型升級、產業結構重塑以及區域經濟可持續發展的推動作用愈加明顯。高等院校的科技創新能力在這一過程中起到了至關重要的作用，尤其體現在高新技術產業的快速發展、經濟綠色轉型及服務經濟發展等方面。

因此，研究京津冀地區高校科技創新能力的綜合測度及其影響因素，不僅具有重要的學術意義，也對地方政府、教育部門以及高校本身在提升創新能力和推動區域經濟高質量發展方面具有重要的實踐價值。本研究旨在通過系統分析高校科技創新能力的評價體系，揭示影響該能力的關鍵因素，并為區域政策制定和高校科技創新管理提供理論支持和政策建議。

1文獻綜述

自Schumpeter1提出創新理論以來，學術界對創新系統的研究逐步從企業層面向高等教育機構延伸。當前學界普遍將高校科技創新界定為高等教育機構通過知識生產、技術研發與成果轉化實現社會價值的過程，其本質是基礎研究突破與應用創新擴散的協同產物。在這一領域，Etzkowitz[2進一步從學術產出、技術轉移和社會貢獻3個維度，闡釋了高校在技術創新與社會發展中的樞紐作用。李鋒亮等4則拓展了研究視角，提出高校科技創新能力應涵蓋基礎研究突破、技術創新能力、產學研協同效能及人才培養質量的綜合維度，為理解其多屬性特征提供了理論框架。

在高校科技創新能力評價指標體系構建方面，學界呈現多維度、動態化的演進趨勢。早期研究側重投入產出視角，如孟劫等5通過資源投入與成果產出指標評價區域創新能力；潘丹等構建的“創新實力一創新效力一創新動力”三維指標體系，揭示了創新能力的非均衡發展特征。Yaisawarng等從學術專著的出版數量、國際期刊的發表論文數量、國內期刊的發表論文數量和科研經費這4個方面對高校科技創新能力進行評估。隨著研究深化，李泓燁[8]突破傳統靜態評價局限，將成果轉化效率與產學研合作納入體系；馬志偉[9增設國際交流合作指標，回應全球化背景下的創新競爭需求；劉偉等[10]則首創產業化能力獨立評價模塊，推動指標體系向六維結構發展。

在探索高校科技創新能力評價的研究中，多種評價方法被廣泛采納。傳統方法聚焦于指標降維與因子識別，如曾嶸娟[1]基于主成分分析法對陜西省和衡陽市的高校科技創新能力進行了評價分析；吳建國等[12采用因子分析法，識別并量化我國內地31個省市高校科技創新能力的潛在影響因子。熊國經等[13]則針對常用的主成分分析法和因子分析法存在的缺陷，研究提出基于E一TOPSIS改進的因子分析法。針對復雜系統特征，李鋒等[14利用熵值法量化長三角區域高校科技創新能力。石薛橋等[15則基于此法構建了評價指標體系，以揭示高校科技創新能力的整體發展水平與趨勢。近年研究趨向于方法融合，如王沖等[16]和張會元[1通過灰色關聯分析法和CRITIC法相結合的方法分別對吉林省和西藏自治區高校科技創新能力進行實證分析。張俊婷等[18]采用熵權一DEMATE方法進一步推動了主客觀賦權結合的評價實踐，為揭示高校創新能力的空間異質性提供了方法論支持。

在高校科技創新影響因素的研究中，學者揭示了多維度作用機制。羅紅艷等[19通過ISM模型揭示三層級結構：表層因素（學生認知、獎勵制度）直接驅動創新，中間層因素（高校目標定位、資源投入）發揮傳導作用，深層因素(國家戰略)構成系統動力源。任詩程等[20]基于PLS一DEMATEL方法區分因素類型，揭示科技經費、人才資源與國際交流為原因型驅動因素，科技物力與創新產出為結果型變量。李平等[21]發現人力資源與經費投入為核心驅動力，但存在區域分化。蘇平等[22]通過Tobit模型驗證政策工具效應，發現環境型政策（如稅收優惠)對成果轉化具有顯著杠桿作用，為區域政策靶向優化提供依據。郭金忠等[23]的兩階段DEA—Tobit模型進一步指出，成果產出效率依賴人力資本與政策支持，轉化效率則受物質資本、區域經濟影響，國際交流作用呈現異質性。李平等[24]驗證內外耦合機制，科研機構與項目投入影響居首，人力經費為支撐基礎，社會環境與經濟環境協同驅動。蔡文伯等[25]進一步發現市場環境與經濟發展對高能級創新的邊際效應顯著，而校企合作與專利轉化仍是短板。

綜上所述，國內外學者基于高校科技創新能力的內涵構建多維度高校科技創新能力指標評價體系，綜合運用多種評價方法對高校科技創新能力進行評價，并從多維度揭示其影響因素。但涉及京津冀地區高校科技創新能力的研究較為匱乏，特別是京津冀地區高校科技創新能力的地區差異狀況、以及何種因素影響京津冀地區高校科技創新能力等問題還有待進一步探討。鑒于此，本研究構建京津冀地區高校科技創新能力評價指標體系，對京津冀地區高校科技創新能力進行科學測度，分析地區差異、動態演變規律以及影響因素，以期為提升京津冀地區高校的科技創新能力水平提供政策建議。

2數據來源與研究方法

2.1 數據來源

研究所需數據主要來自歷年的《中國統計年鑒》、2016一2023年《高等學校科技統計資料匯編》以及其他相關的統計資料和文獻資料。

2.2 研究方法

2.2.1 熵值法

熵值法基于信息熵的概念來客觀計算各個評價指標的權重，主要用于確定在多個評估標準下，哪些指標的變動提供了更多的信息，從而計算出每個指標的重要性。熵在信息論中表示信息的不確定性，熵值越大，表示信息越不確定。熵值法的基本思想：如果某個指標的值變化范圍較大，且變化較為明顯，則該指標能夠提供更多的信息，因此其重要性(權重)較大；而如果某個指標的值變化較小，變化不明顯，則其信息量較少，權重較小。熵值法的具體步驟如下：

步驟一：數據標準化處理。對原始數據組進行標準化處理，消除各指標的量綱差異，把各指標數值壓縮在[0，1]區間內。

① 處理前：

明確指標屬性，正向指標或負向指標；選擇合適的處理方法（通常用極差標準化的方法）。

② 處理中：

假定原始數據矩陣 X 由 Ψ_m 個樣本、 n 個指標構成，X=(X_ij)_m×n

正向指標標準化：

負向指標標準化：

③ 處理后，得到新的數據矩陣 X¹ ：

步驟二：計算比重

計算第 j 個指標第 i 個項目的數值比重 P_ij ：

步驟三：計算熵值

計算 k 值、第 j 個指標的熵值 e_j ：

其中： k>0;e_j?0 （2號

步驟四：計算變異系數

第 j 個指標的變異系數 d_j 為：

d_j=1-e_j(j=1，2，…，n)

步驟五：計算熵權 w_j

第 j 個指標的權重 為：

步驟六：綜合評分

第 i 個評價對象的綜合評價值 Z_j 為：

2.2.2 ARIMA模型

ARIMA模型是一種用于分析和預測時間序列數據的統計模型，其基本結構為ARIMA（ p，d，q) 。其中：p 表示自回歸部分(AR)的階數，指模型中使用前期值的

個數； d 表示差分階數，指為了使時間序列平穩而進行差分操作的次數； q 表示滑動平均部分（MA)的階數，指模型中使用誤差項的個數。

ARIMA(1，1，1)模型的數學表達式可以表示為：

y_t-y_t-1=φ₁(y_t-1-y_t-2)+θ₁ε_t-1+ε_t

其中： y_t 為時間序列的觀測值； ε_t 為白噪聲誤差項（即，隨機擾動）； φ₁ 為自回歸部分的系數，表示當前值與前一時刻值之間的關系； θ₁ 為滑動平均部分的系數，表示當前誤差項與前一時刻誤差間的關系。該模型通過一次差分 (Δy_t-Δy_t-1 )使序列平穩，消除趨勢性；自回歸部分捕捉時間序列的長期依賴性，滑動平均部分則用于捕捉短期波動。

2.2.3 全局空間自相關分析

全局空間自相關性分析用于測量空間數據中不同位置間的關聯性或相似性，其通過計算空間數據的整體模式來檢驗地理現象是否存在空間聚集或空間分散。常用指標為Moran'sI，其公式為：

其中： I 是Moran'sI指標； n 是樣本點的數量； x_i 和x_j 是位置 i 和 j 的觀察值; x 是所有觀測值的平均值; τυ_ij 是空間權重矩陣，表示位置 i 和 j 之間的空間權重，通常基于空間鄰接關系來設定。 I 值的范圍從一1到 +1 ，值接近 +1 表示數據在空間上呈現強烈的正自相關，即鄰近地區的數據值相似；接近0則表示數據在空間上隨機分布，缺乏自相關；而接近一1則意味著數據呈現負自相關，鄰近地區的值相差較大，存在反向聚集模式。

在進行Moran'sI檢驗時，通常還需要計算 Σ_P 值和z 值，以評估空間自相關是否顯著。 Σ_P 值用于檢驗Moran'sI是否顯著，表示在隨機分布假設下，觀察到的Moran'sI值出現的概率。若 p 值小于0.05或0.01，說明可以拒絕原假設（即數據是隨機分布的），認為空間自相關性顯著。 z 值是基于Moran'sI的標準化統計量，其表示Moran’sI指標偏離其期望值的標準差數目， z 值計算公式為：

如果 |Δz∣>1.96 ，則可以認為Moran’sI的空間自相關性顯著；反之，若 ∣z∣ 小于1.96，則說明空間自相關性不顯著。

2.2.4 隨機效應模型

隨機效應模型是一種用于面板數據的回歸分析方法，適用于個體間的差異是隨機的，且與解釋變量不相

關的情況。該模型假設個體效應是隨機的，且與解釋變量不相關，從而能夠充分利用面板數據中的所有信息，提高估計效率。隨機效應模型的基本形式為：

Y_it=α+βX_it+μ_i+ε_it

其中， Y_it 是因變量； X_it 是解釋變量； α 是常數項； β 是回歸系數； μ_i 是個體效應； ε_it 是隨機誤差項。隨機效應模型的假設包括：個體效應 μ_i 是隨機的，且與解釋變量不相關，即 Cov(μ_i，X_it) ；隨機誤差項 ε_ii 與個體效應μ_i 相互獨立，且在不同個體和時間上是獨立同分布的，隨機誤差項服從正態分布，即 ε_it～N(0，σ²) 。

3京津冀地區高校科技創新能力綜合測度

3.1 指標體系構建

本文采用 2016-2023 年《高等學校科技統計資料匯編》的相關數據，并遵循指標體系設計的可操作性、系統性、科學性和可比性原則，選取了具有代表性的評價指標，最終構建了京津冀地區高校科技創新評價指標體系。該體系包括5個一級指標、12個二級指標和25個三級指標，如表1所示。

高校科技創新指標體系主要包括基礎條件、投入能力、產出能力、成果轉化能力和輻射能力5個一級指標。基礎條件反映了高校進行科技創新活動所依賴的基本資源與環境，其為高校開展科研活動提供了必要的支撐，包括基礎科技人力、科技機構和科技項目等，良好的基礎條件是科技創新的前提和保障。投人能力是指高校在科技創新領域的資源投人水平，主要體現為投人科技人力和科技經費的配置。科技創新的產出與投入密切相關，高效的資源投人能夠加速科研活動的開展，并為產出能力的提升奠定基礎。產出能力用于衡量高校在科技創新中的實際成果，涉及成果授獎、論文著作、項目鑒定和專利等內容。產出能力不僅體現了高校科研水平和學術影響力，也是評價科技創新成效的重要依據。成果轉化能力用于衡量高校將科研成果轉化為實際經濟社會效益的能力。專利轉讓和技術轉讓是科技成果轉化的關鍵途徑，高校的成果轉化能力直接影響到其科研成果的社會價值與應用前景。輻射能力主要通過國際學術交流來體現，反映了高校在國際科技創新網絡中的影響力與參與度。通過國際會議的交流、報告以及合作，高校能夠提升其科研成果的國際認可度，并推動全球科技進步。

3.2 指標權重

本文選取 2016-2023 年北京市、天津市和河北省的高校作為樣本，通過熵值法對各項指標體系的權重進行賦值。首先，根據三級指標的權重計算結果，之后進一步逐層線性相加，得到了二級和一級指標的權重。最終，得出的各項權重值如表2所示。

3.3 時間趨勢分析

3.3.1京津冀高校科技創新能力綜合評價分析結合表2指標體系的各級指標權重數值，使用熵值法對京津冀地區高校科技創新能力的整體綜合水平進行評價分析，表3列出了2016一2023年間，京津冀地區高校科技創新能力的評價結果，包括每年得分以及各地區的平均水平和排名情況。圖1展示了京津冀地區高校科技創新能力變化趨勢。

由表3可以看出：北京市的科技創新能力得分在2016一2023年期間總體維持較高水平，得分從2016年的0.6509逐年上升至2020年的0.7430，顯示出較強的創新動力。然而，2021年得分略有回落至0.5914，可能與外部環境因素(如疫情的影響)以及科研活動的不確定性有關。2022年和2023年，北京市的得分再次回升，分別為0.7404和0.6652，說明其科技創新能力具備較強的恢復力和持續性。天津市的科技創新能力得分從2016年的0.0470逐年有所上升，但整體水平較為低迷。2020年，天津市的得分上升至0.0940，2021年稍微回落至0.0892，2023年則略微回升至0.0910。盡管其得分有所提升，但其創新能力的增長速度較為緩慢，且波動性較大。河北省的科技創新能力得分從2016年的0.0528起步，逐年穩步上升，2023年提升至0.1399，顯示出河北省在科技創新方面的持續努力和成果。整體來看，河北省的得分呈現穩步增長的趨勢。

總體來看，北京市在京津冀地區高校科技創新能力中占據絕對優勢，其科研投入、政策支持、創新生態等方面具備較強的競爭力。河北省2016一2023年持續穩步提升，但其整體水平仍不高。天津市的科技創新能力處于相對滯后的狀態，盡管近年來有所提升，但總體水平低于北京市和河北省，且增長速度較為緩慢。

3.3.2京津冀高校科技創新能力各維度評價分析

進一步對比剖析京津冀地區高校科技創新能力的各維度評價結果，可以了解各地區在推動科技創新和高等教育發展方面的優勢與不足。表4展示了各地區在基礎條件、投入能力、產出能力、成果轉化能力以及輻射能力各維度上的具體評價數據和排名情況。由表4可以看出：

① 在基礎條件維度，北京市表現突出且其得分逐年遞增，從2016年的0.1194增長至2023年的0.1626，維持了顯著的領先地位，平均得分為0.1407，排名第一。天津市和河北省的基礎條件得分遠低于北京市，其中河北省在基礎條件上的得分略高于天津市。天津市的基礎條件得分在2021年之前維持穩定增長，但總體較低，且排名穩定在第三位。

② 在投入能力維度，北京市的投入能力表現最為突出，得分逐年遞增，從2016年的0.0844增長至2023年的0.1531，穩居第一。天津市的投入能力起步較晚，自2016年起穩步提升，與北京市的差距仍然較大，平均得分為0.0159，排名第二。河北省的投入能力得分一直處于較低水平，且增幅有限，平均水平保持在0.0113，排名第三。這表明，雖然天津市在近年來加大了科研投人，但總體水平仍低于北京市，河北省的科研投人則較為滯后。

③ 在產出能力維度，北京市的產出能力在2016年至2019年間維持較高水平，但自2020年起有所下降，2023年為0.1352，反映出其科技產出的相對滯后。天津市的產出能力雖然整體較低，但在2018一2019年間略有提升，排名位居第三，表明其在創新產出方面仍有較大的提升空間。河北省的產出能力在整體較為平穩的情況下略有增長，排名位列第二，其與北京市的差距略有縮小，顯示出產出能力的逐步上升。

④ 在成果轉化能力維度，北京市表現突出，尤其在2016一2019年間，成果轉化能力維持較高水平，盡管在2020年略有下降，但依然保持領先地位，2023年為0.1429。天津市和河北省的成果轉化能力較弱，尤其是天津市，在2020年后雖有所回升，但整體增幅有限，排名第三。河北省在此領域雖然表現波動，但近年逐漸有所上升，尤其是在2023年，顯示出其成果轉化能力的逐步改善。總體而言，北京市的優勢依然明顯，而天津市和河北省在成果轉化方面則處于追趕狀態。

⑤ 在輻射能力維度，北京市的輻射能力得分波動較大，但總體保持領先，尤其在2020年出現較大提升，最高達0.1757，然而在2021年后出現顯著下滑，2023年為0.0714，呈現出一定的下降趨勢。天津市的輻射能力相對較弱，且總體波動較小，尤其在2020年后有明顯下降，排名穩居第二。河北省的輻射能力始終維持較低水平，幾乎沒有明顯的增長，長期處于第三位，表明其在科技資源輻射的范圍和深度上較為有限。

3.3.3未來5年京津冀地區高校科技創新能力預測運用ARIMA(1，1，1)模型，針對京津冀地區高校科技創新能力的時間序列數據進行詳盡分析，并據此預測未來五年的高校科技創新能力趨勢。

如表5所示，京津冀三地高校科技創新能力演進機制呈現顯著的梯度差異特征。北京市模型中，自回歸系數 .AR=-0.4316 ， p=0.802? 與移動平均系數（ MA= -0.982 7 ， p=0.970? 雖未通過顯著性檢驗，但模型良好的殘差方差 和通過赤池信息量準則(AIC=-14.399) 與貝葉斯信息量準則（BIC O= -14.561) 驗證的優異擬合性，表明其能夠有效預測北京市未來5年的創新能力走勢。此外， .Ljung-Box 檢驗和Jarque一Bera檢驗均表明殘差序列無顯著自相關性且符合正態分布，支持了模型的合理性與穩定性。天津市的分析結果則顯示，AR和MA系數的影響微弱（p值均為0.986)，模型的擬合效果較為一般，殘差方差較小（sigma²= 0.000 2) 。然而，Ljung—Box檢驗和Jarque—Be-ra檢驗均未發現殘差自相關性或顯著偏離正態分布，說明該模型依然具備一定的預測能力。河北省模型則表現出顯著的自回歸成分 ΔAR=0.9361，p=0.001) ，表明過去的創新能力對當前期具有較強的影響，配合最優信息準則 (AIC=-41.708 ， BIC=-41.870AA 與最低殘差方差 ?sigma²=5.477×10^-5? ，驗證了預測穩健性。

如表6所示，根據ARIMA（1，1，1)模型預測：2024-2028 年，北京市高校科技創新能力預計保持穩定，預測值在 0.69～0.71 之間波動，沒有出現顯著的增長或下降；天津市高校科技創新能力將維持在一個相對穩定的水平，預測值在 0.093～0.094 之間，保持平穩態勢；河北省高校科技創新能力得分將逐年增加，預計到2028年，其得分將達到0.2007。5年內京津冀地區高校科技創新能力預測圖如圖3所示。

3.4 空間趨勢分析

3.4.1京津冀高校科技創新能力空間演變分析運用PythonGS對北京市、天津市和河北省3個研究單元在2016年、2019年和2023年3個時間節點的高校科技創新能力5個維度進行空間可視化（圖4），一共分為5級。

① 在基礎條件維度，2016年和2019年北京市基礎條件為第三級（深灰），天津市與河北省均為第一級（淺灰）；2023年北京市提高至第四級（更深灰），河北省升至第二級（中灰），天津市仍維持在第一級（淺灰），區域差距持續加大。北京市在基礎條件維度上反映出其基礎條件得分的穩步提升。天津市和河北省在這一維度上的表現則相對較弱，這兩個地區的基礎條件得分普遍較

低，且提升幅度有限。

② 在投入能力維度，2016年北京市投人能力為第三級（深灰），天津市與河北省均為第一級（淺灰）；2019年北京市躍升至最高級(黑色），天津市與河北省升至第二級（中灰）；2023年北京市保持最高級（黑色），天津市與河北省仍為第二級（中灰），投入差距未縮小。北京市的投入能力維度表現尤為突出，天津市與河北省的投入能力得分雖然有所提升，但地圖上的顏色變化不大，依然以中灰為主，說明這兩個地區在投入能力方面的提升空間仍然較大。

③ 在產出能力維度，2016年北京市產出能力為第五級（黑色），天津市與河北省均為第一級（淺灰）；2019年北京市持續領先(黑色），天津市與河北省維持第一級（淺灰）；2023年北京市小幅下降至第三級（深灰），仍居首位，天津市與河北省仍為第一級（淺灰），產出能力未顯著提升。北京市在產出能力方面的得分有所波動，而天津市和河北省產出能力得分的增長較為緩慢。

④ 在成果轉化能力維度，2016年和2019年北京市成果轉化能力均為第四級（更深灰），天津市與河北省均為第一級（淺灰）；2023年北京市仍保持第四級（更深灰），天津市與河北省則升至第二級（中灰)，差距略微縮小。北京市在成果轉化能力方面的得分保持平穩，天津市和河北省在這一維度上的表現有所提升。

⑤ 在輻射能力維度，2016年北京市輻射能力為第三級（深灰），天津市為第二級（中灰），河北省為第一級（淺灰）；2019年區域格局未發生變化；2023年北京市降至第二級（中灰），天津市與河北省均回落至第一級（淺灰）。北京市、天津市和河北省在輻射能力方面的得分均有所下降。

總之，北京市在基礎條件、投入能力、產出能力上持續領跑，但輻射能力波動下降；河北省在基礎條件和成果轉化上緩慢追趕，天津市則因成果轉化和輻射能力不足逐漸落后，區域協同效應亟待提升。

3.4.2京津冀高校科技創新能力空間相關性分析

表7展示了2016—2023年間的 Moran’sI指數、p值和 z 值。

由表7可看出，Moran’sI指數在整個研究期間基本呈現出逐年下降的趨勢，從2016年的一1.0144下降至2023年的—1.1267。這一趨勢表明，隨著時間的推移，京津冀地區高校科技創新能力的空間分布趨向于更加分散，負相關性逐漸增強。在統計顯著性方面，所有年份的p值均為0.001，表明Moran'sI指數在統計上顯著，進一步驗證了負相關性的存在。此外， z 值也基本逐年下降，從2016年的—0.7138下降至2023年的-0.873 7 ，顯示出隨著時間的推移，空間自相關性的強度有所增強。 z 值的負值進一步驗證了區域間創新能力差異的加劇，即存在空間負相關性。

總之，京津冀地區高校科技創新能力的空間分布在研究期間內呈現出顯著的負相關性，且這一趨勢隨著時間的推移逐漸增強。

4京津冀地區高校科技創新能力影響因素分析

4.1 影響因素指標體系構建

從經濟水平、教育資源、政策支持力度、人才供給、區域創新能力5個方面篩選指標，構建中京津冀地區高校科技創新能力影響因素指標體系（表8）。

4.2 結果分析

首先，對部分變量進行對數變換，以處理數據的異方差性。然后，采用LASSO回歸處理共線性問題，并根據結果選擇優化后的自變量。最后，使用隨機效應模型進行面板數據分析。LASSO回歸系數如表9所示。

從表9可以看出，所有變量的系數均不為零，表明這些變量均被模型選擇。在LASSO回歸中，系數絕對值的大小可以反映變量對因變量的相對重要性。其中，log_X3（政府科研資助金額）的系數絕對值最大（0.3968)，表明其對高校科技創新指數的相對影響最強，且方向為正。log_X5(專利申請授權數量)和log_X1（人均地區生產總值)的系數為負，絕對值分別為0.1052和0.0689，說明這兩個變量對科技創新指數有負向影響。而log_X2（教育經費投人)和log_X4（高等在校學生數）的系數絕對值較小（分別為0.0999和0.0324），表明其對因變量的影響相對較弱。

為了進一步分析各變量的統計顯著性，基于LASSO回歸選擇的變量構建了隨機效應面板模型。由隨機效應模型回歸結果可知模型的R一squared為0.9781，表明模型的擬合效果較好，具體參數估計結果如表10所示。

從表10可以看出，模型中的常數項為一4.4462，且具有顯著性 (p=0.0210) ，這意味著在所有解釋變量為零時，高校科技創新指數的基準值為負數。log_X1（人均地區生產總值)的回歸系數為一0.1647，且p值為0.2773，未能通過統計顯著性檢驗，表明人均地區生產總值對高校科技創新的影響在該模型中不顯著。log_X2（教育經費投入）的回歸系數為0.1977，p值為0.1278，雖然呈現正向影響，但未能通過顯著性檢驗，表明教育經費投入對高校科技創新的影響較弱。log_X3（政府科研資助金額）的回歸系數為0.3832，且p值為0.0002，顯著性較高，表明政府科研資助金額對高校科技創新指數具有顯著正向影響，支持了政府資金投入對高校科研活動的促進作用。log_X4（高等在校學生數）的回歸系數為一0.0831，p值為0.5817，未能通過顯著性檢驗，表明高等在校學生數在模型中的影響不顯著。log_X5(專利申請授權數量)的回歸系數為—0.1900，且p值為0.0123，具有顯著的負向影響，表明盡管專利申請量較大，但這一變量與高校科技創新指數之間可能存在一定的負相關性。

5 結論與建議

5.1 研究結論

本研究通過構建多維度評價指標體系，結合熵值法、ARIMA模型、空間自相關分析和隨機效應模型，系統測度了京津冀地區高校科技創新能力的動態演變、空間格局及影響因素，得出以下研究結論：

其一，區域高校科技創新能力的非均衡性顯著。北京市高校科技創新能力占據絕對主導地位，其綜合得分顯著高于天津市和河北省，形成了典型的“核心一邊緣”空間結構。這種差距源于北京市在基礎條件和投入能力上的累積優勢，尤其是高水平高校的集聚與持續性的經費投入。天津市雖在部分維度表現出階段性提升，但受限于成果轉化效率不足，未能突破低水平均衡陷阱。河北省則呈現出后發追趕特征，其成果轉化能力的持續增長表明制度創新對資源約束的突破效應。

其二，高校科技創新能力的動態演變呈現路徑分化。時間序列分析顯示，三地高校科技創新能力演化呈現顯著異質性：北京市表現為高位波動特征，外部環境沖擊對其短期波動影響顯著；天津市呈現低水平穩態，創新系統的路徑依賴特征明顯；河北省則實現漸進式躍遷，驗證了后發地區通過能力積累實現創新突破的可能性。值得注意的是，北京市在輻射能力維度出現的階段性下降，提示區域創新極的溢出效應可能存在邊際遞減規律。

其三，空間負相關性持續強化。全局空間自相關分析表明，研究區域內高校科技創新能力的空間分異呈現加劇態勢，負相關性格局持續強化。這種空間異質性既源于核心區域對創新要素的集聚效應，也反映出邊緣地區在資源獲取、政策傳導等方面的結構性困境。地理加權回歸進一步揭示了創新要素流動的梯度差異與空間鎖定效應。

其四，影響因素呈現復雜作用機制。隨機效應模型分析表明，政府科研資助對高校科技創新具有顯著促進作用，驗證了制度供給在創新系統中的關鍵作用。然而，專利申請授權量的負向影響揭示了創新質量與數量的深層矛盾，反映出現行評價體系可能存在的激勵扭曲。值得注意的是，經濟水平與創新能力的非線性關系，表明區域發展階段與創新模式可能存在動態適配需求。

5.2 對策建議

一是建立多層次協作機制，推動區域創新均衡發展。針對京津冀地區創新能力不均衡問題，建議構建“核心帶動一重點突破一全域聯動”的三級協作體系。北京市需發揮創新核心作用，通過跨區域聯合科研項目、共享高端實驗設備等方式，帶動周邊地區技術升級。天津市可依托產業基礎優勢，建設科技成果轉化服務基地，搭建企業與高校的常態化對接平臺，解決研發與市場脫節問題。河北省應重點完善創新基礎設施，在戰略性區域布局產業技術研究院，同時與京津共建“研發一中試一生產\"聯動的產業協作區。建議三地聯合設立區域創新基金，對跨省市合作項目給予稅收減免和用地支持，促進人才、技術等要素合理流動。

二是完善分類培育體系，激發區域高校科技創新潛力。應根據不同地區特點制定差異化的創新培育方案。北京市需建立創新風險應對機制，對關鍵核心技術攻關項目延長資助周期，增強應對國際競爭的抗風險能力。天津市可實施國有企業創新激勵計劃，將研發投入納入企業負責人考核指標，同時引入外地優質創新資源打破本地封閉循環。河北省應建立創新追趕專項支持計劃，對持續加大研發投入的企業給予階梯式補貼，重點扶持細分領域科技型中小企業。建議建立區域創新監測系統，定期評估各地創新進程，及時調整政策支持方向。

三是優化區域資源配置，促進創新要素流動。建議制定區域創新資源共享規劃，建立“以強帶弱”的幫扶機制。可將北京市技術交易收益的固定比例用于支持津冀地區創新載體建設，實現創新收益的跨區域再分配。對于向河北轉移的科技成果，建議在科研績效考核中給予額外加分激勵。在生態涵養區等欠發達區域設立創新服務站點，提供科研設備租賃補貼和人才跨地區工作津貼。同時建設統一的科技創新數據平臺，實現三地科研儀器、文獻資源、實驗數據的互聯互通。改革地方考核機制，將技術溢出、跨區域合作等指標納入政府創新績效評價。

四是改革制度供給模式，提升創新體系效能。構建更加科學的科研評價機制，在高校推行“質量優先”的考核方式，建立專利申請質量審查和成果轉化追蹤制度。優化科研經費管理，對基礎研究實施長期穩定支持，對應用研究采取“階段性目標考核”的資助方式。建立區域創新適配機制，在河北試點傳統產業數字化改造專項，在天津設立先進制造技術應用風險基金。建議成立京津冀創新聯合管理機構，統籌協調三地科技政策，將部分競爭性項目經費轉為區域協同創新資金，重點支持交叉領域和共性技術研發。

參考文獻：

[1] SCHUMPETERJ A. The theory of economic development[M].Massachusetts，Cambridge:Harvard University Press，1934.

[2] ETZKOWITZ H. The triple helix:university—industry一government innovationin actionM].NY: Routledge，2008.

[3] BOK D. Universities in the marketplace：the commercializationofhighereducationM].NewJersey，Princeton：Princeton University Press，2003.

[4] 李鋒亮，劉瀟，魏嘉蒙.大學創新對區域創新的作用研究[J].北京教育（高教），2025(5)：6-10.

[5] 孟劫，吳富強.江蘇高校科技創新能力評價研究[J.經濟研究導刊，2023（16)：129-131.

[6] 潘丹，熊雨萌，李永周，等.中國省域高校科技創新能力動態測度研究[J.中國高校科技，2023(8)：17-22.

[7] YAISAWARNGS，NGYC. The impact of higher education reform on research performance of Chinese uni-versities[J].China Economic Review，20l4，3l:94-105.

[8] 李泓燁.我國高校科技創新能力組態分析與政策效應評價研究[D].秦皇島：燕山大學，2024.

[9] 馬志偉.基于熵權TOPSIS的我國區域高校科技創新能力評價研究[J].北方工業大學學報，2023，35（2）：129-138.

[10]劉偉，曹建國，鄭林昌，等.基于主成分分析的中國高校科技創新能力評價[J].研究與發展管理，2010，22（6）：121-127.

[11］曾嶸娟.基于主成分分析的衡陽市高校科技創新能力評價[J].科技創新與生產力，2021(12)：28-30.

[12]吳建國，張經強，王嬌.我國高校科技創新能力比較分析：基于因子分析法的實證研究[J].科技進步與對策，2016，33(15) :151-155.

[13］熊國經，熊玲玲，陳小山.泛珠三角洲區域高校科技創新能力評價——基于E-TOPSIS改進因子分析法的實證研究[J].科技管理研究，2018，38(22):86-91.

[14]李鋒，張華兵.區域高校科技創新能力評價研究[J].鹽城工學院學報(社會科學版），2023，36(1):83-88.

[15]石薛橋，薛文濤.基于生態位理論的中部六省高校科技創新能力評價[J].經濟問題，2020（11)：119-123.

[16]王沖，劉鵬飛，孫磊.高校科技創新能力評價指標體系構建與實證分析——以吉林省為例[J].統計與決策，2023，39(24) :84-88.

[17]張會元.西藏高校科技創新能力評價及對策研究[D].拉薩：西藏大學，2022.

[18]張俊婷，王國金，吳潔，等.基于熵權-DEMATEL的江蘇高校科技創新能力評價研究[J].科技管理研究，2018，38(9) :47-54.

[19]羅紅艷，吉冰冰.基于ISM的高校科技創新人才培養影響因素與作用機制分析[J].江蘇高教，2024（10)：88-95.

[20]任詩程，蘇博謙.高校科技創新能力影響因素研究基于PLS-DEMATEL方法[J].科技創業月刊，2023，36(8):80-85.

[21]李平，孫曉敬，曹明平.新質生產力視域下中國高校科技創新力評價及影響因素研究[J].重慶大學學報（社會科學版），2024，30(3):161-179.

[22]蘇平，朱潤.科技創新政策對地方高校科技成果轉化效率影響研究——以重慶市為例[J].科技創業月刊，2023，36(9) :48-58.

[23]郭金忠，劉成勇，劉曉玲，等.中國高校科技創新效率及影響因素的實證分析—科技成果產出和轉化兩階段視角[J].科技管理研究，2024，44(6):97-106.

[24]李平，孫曉敬.基于PLS-SEM模型的我國高校科技創新影響因素研究[J].中國高校科技，2023(5)：65-71.

[25]蔡文伯，陳念念.我國高校科技創新能力現狀及影響因素———基于AHP-TOPSIS和QR分位數回歸模型[J].現代教育管理，2022(1):41-52.

（責任編輯：周媛）