京津冀创新要素与经济效能发挥

吕静韦 蔡玉胜

摘 要： 基于创新理论，运用Stata15.0并采用LSDV估计法对2008—2018年全国31个分省区层面上创新要素的区域经济效能进行分析，从技术创新、人才资源和金融资本角度，对比分析京津冀地区与其他省市之间的差距和优势，得出两个主要结论：一是京津冀创新要素对经济贡献度的下降主要受人才资源的影响;二是创新环境是影响京津冀创新要素发挥经济效能的重要保障。建议激发京津冀地区创新要素活力，增强区域创新能力和经济创新发展的驱动力;优化创新生态环境，注重市场机制和政府调控相结合;构建先进高效创新生态体系，推动各类创新要素资源集聚共享。

关键词：京津冀;创新要素;经济效能

中图分类号：D922.29   文献标志码：A   文章编号：1674-7356（2021）-02-0001-07

习近平总书记指出，当前和今后一个时期，京津冀协同发展“进入到滚石上山、爬坡过坎、攻坚克难的关键阶段”。深入推进京津冀协同发展战略，有序疏解北京非首都功能，破除地区之间的利益藩篱和政策壁垒，加快形成统筹有力、竞争有序、绿色协调、共享共赢的区域协调发展新机制，关键在于推动要素资源，尤其是创新要素在地区间的流动，形成市场一体化、区域协调化的创新生态体系和发展机制。本文基于创新生态视角，聚焦创新要素生态系统对区域经济的作用机理，探讨新时代京津冀创新要素资源的配置效率，激发京津冀协同发展内生动力，为形成优势互补、高效合理的资源配置路径，创新区域发展模式，促进区域发展新格局形成提供政策依据。

一、文献回顾

熊比特提出的创新理论将产品、技术、市场、制度、资源配置作为创新的五个维度，奠定了创新生态系统的研究基础，系统内部各主体之间的相互作用关系，以及政府与市场的交互作用关系构成了创新系统的自组织性和多样性[1]。起源于20世纪50年代生物学领域的三螺旋理论在创新要素和创新环境方面为区域创新生态系统研究提供了理论支撑和范式，该理论结合官、产、学之间的互动关系，提出政府、企业、大学是知识经济社会的内部环境要素，市场是外部环境，内部要素与外部环境之间的交叉螺旋关系促进了创新的产生。

随着理论和实践的发展，学者们对创新系统本身和创新与经济的关系认识更加深入。苏屹等认为，在区域创新系统中，创新主体之间不再是互不联系的个体，而是具有利益联系的集合体，创新主体子系统、创新资源子系统、创新环境子系统之间通过非线性的相互作用产生整体协同效应，各资源要素在系统内的流动和组合方式能够影响区域内企业、大学、科研院所等创新主体之间的联系[2]。王帮俊等认为，作为创新主体的学研方和企业方在创新投入和创新产出方面具有统一性，但双方创新能力对协同创新的影响程度因环境变化而不同[3]。倪渊认为，创新主体之间的关系通过一定的创新环境而更加紧密，创新主体对创新的驱动作用因创新环境而异，外部环境的动态性为协同创新主体之间的交流提供中介“桥梁”，能够有效促进创新系统内部主体间的沟通交流[4]。Liu G等以中国3G技术到5G技术的发展为例，证实了市场为创新系统提供发展的产业环境和技术再次创新的动力，不仅为技术创新提供应用场景，而且在技术扩散中进一步促进了技术发展[5]。张玄玄等认为，应将政府纳入区域创新系统的外部环境范畴，因为政府作为产业发展和创新政策的制定者及推行者，对于创新产生了重要推动作用，但未实际参与创新活动本身[6]。

从创新与经济的关系看，创新生态系统为创新主体开展创新活动提供了必要的环境和条件，有利于提高资源要素的整合效率，促进区域创新水平和竞争力提升，在推动地区科技创新和经济高质量发展方面具有重要作用。陈健等认为，创新生态系统是结构—功能—过程的动态组合，政府、企业、大学和科研机构等主体内部和相互之间的知识、技术、人才等要素资源流动，使系统结构与市场环境产生动态关联效应，促进了创新要素的整合与共生发展，营造了开放式经济发展氛围[7]。白俊红等认为，政府、企业与高校之间的空间关联以及企业与科研机构之间的联结能够有效促进区域创新绩效和经济效能的提升，且创新生态系统共生对科技创新的长期效果较短期效果更为显著，共生基质、共生平台、共生环境构成的共生网络对经济产生重要影响[8]。隨着经济增长方式的转变，创新要素在经济发展中的地位和作用日益受到关注。刘秉镰等认为，知识经济的快速发展背景下，区域经济发展的决定性因素逐渐转变由传统资源要素向具有创新能力的技术、人才等资源要素转变[9]。Goto A等提出，创新要素在创新主体内部和创新主体之间的相互流动，加速了创新产生，但不同时期创新要素在经济发展中的地位和作用会随时间和环境而变化，如日本在二十一世纪的经济增长动力由人力资源要素向技术要素的转变[10]。从创新要素对京津冀产业和经济社会发展的影响来看，人才要素、技术创新、金融资本的分布仍然是影响京津冀产业结构优化的重要因素。李峰认为，创新要素的空间集聚与扩散能够提升京津冀地域内技术水平和效率并产生内源式创新，有助于推动区域产业结构升级和经济增长方式转变[11]。但张斯琴等也提出，京津冀产业协同发展面临的资源要素短缺和分布不平衡等问题不容忽视，创新资源协调能力和配置效率不足、人口空间集中度和地理分布不均衡、要素市场分割造成的动力机制单一、创新要素和制度环境与经济发展情况的匹配度不高等等仍是影响京津冀地区产业结构优化和协同创新的重要障碍[12]。

综上所述，国内外学者对创新与经济关系的研究主要形成了如下观点：一是在创新生态系统内部，科研机构和高校等构成其创新主体，技术、人才、资本为其要素基础，市场、政府为其创新能力的发挥提供环境保障;二是一定区域内相互关联的生态企业、科研机构和高校院所充分发挥自身整体性，通过激发创新主体的创新行为和系统内部构成要素之间及其与外部环境之间的动态关联，促进区域经济发展。基于此，本文认为创新要素禀赋和配置差异是实现京津冀协同发展的基本前提，人才、技术、资本是影响京津冀产业结构优化升级的三类主要创新要素资源。通过分析京津冀创新要素分布特质及其对经济效能的影响，提出优化京津冀创新要素配置的路径和对策建议，为促进京津冀协同发展提供理论支撑。

二、机理分析与模型构建

（一）创新要素对区域经济的影响机理

新古典经济学框架下的索洛经济增长模型（Solow Growth Model）在修正哈罗德-多马模型的基础上，强调了劳动力和资本要素对经济增长的内生作用，及技术进步的外生作用，并主张政府通过有效干预市场经济促进经济稳定，为后续经济增长研究提供了思路。作为国家创新系统的子系统，区域创新系统（Freeman，1987）具有对创新资源进行组织和协调并产生创新的功能。一方面，创新的产生需要系统内部创新主体之间的协作和交流;另一方面，创新环境对创新效应的发挥产生影响。创新要素能够顺利转化为生产力不仅需要市场进行信息引导并发挥资源配置效能，而且需要资金支持[13]。

创新要素在区域创新系统的内外部环境共同作用下，通过创新主体产生创新行为和创新绩效[14]。高校和科研院所在技术原理、技术规律和方法的研究中产生知识创新，企业在技术试制、测验和应用中产生产品创新，三个创新主体共同产生的专利创新和技术创新[15]，在一定的外部环境下，企业将新技术、新知识成果化、产品化、生产化，最终在营销推广中实现市场化。市场上技术产品的交易情况影响技术创新的扩散和产业化程度，政府财政在研发方面的支出和相应政策的制定反映了政府对于该地区创新的支持力度，对区域创新系统发挥经济效能具有重要影响。

区域创新绩效对于支持创新的政策制定和实施具有重要作用，它能够模拟资源要素的配置方式和创新主体的行为而确定产生创新绩效的最佳做法，使创新行为在一定创新环境下产生复杂而动态的经济效应，并以此作为决策的参考和工具[16]。创新要素的分布和配置状况潜在影响着区域创新效率的发挥和经济效益的提升。本文认为创新要素主要包括技术创新、人才资源和金融资本;创新主体主要包括企业、高校、科研院所;创新环境主要包括技术市场环境和政府宏观调控环境。

（二）模型構建

由于每个省份的“省情”不同，考虑存在不随时间而变化的遗漏变量，故采用固定效应模型（FE），分别从时间和空间两个方面进行测度。

构建计量模型如下：

下标i，t分别表示地区、年份，P表示地区-年份下的区域经济绩效产出，itfit表示技术创新-人才资源-金融资本在地区-年份下的三维资源要素投入数据，controls代表控制变量（市场环境和政府环境），vi、 vt分别表示地区和年份，将其作为模型的固定效应。

为了消除异方差，对变量进行取对数处理，即假定P = ln pcgdp;itfit = F1（r），r = ln（fw），fw = inn，tal，fin;controls = F2（e？兹），e？兹 = ln（mar，gov）;即被解释变量（创新绩效产出）与解释变量（技术创新、人才资源、金融资本）及控制变量（市场和政府组成的外部创新环境）之间的数据关系包含对数关系，反映各类创新要素资源在投入创新系统后对经济效益的滞后性和间接性。

（三）变量选择

在区域创新系统中，企业、高校、科研院所在科技资源分配、创造并溢出科学知识和技术知识方面承担着重要的主体作用，技术和人才等创新要素在三大主体间流动并直接产生创新成果，经由市场的配置作用从理论成果转化为现实生产力，资本要素能够调节技术和人才要素的分布状况，加速产业分工和创新，进而促进经济发展。

1. 被解释变量

结合研究目的，将区域经济效能（pcgdp）作为被解释变量。区域人均经济资源越丰富，说明区域经济发展状况越好，参考苏屹等研究经验，选用国内陆31个省市的人均GDP作为衡量区域经济情况的指标。

2. 解释变量：创新要素

创新要素作为解释变量，主要包括技术创新（inn）、人才资源（tal）、金融资本（fin）三个维度。技术创新要素的主要投入形式为R&D经费，主要产出形式为专利;人才要素的主要投入包括高校培养的高素质人才和从事R&D活动的人才，主要产出为知识和技术;资本要素的主要投入来源为上年度的金融业产值，能够间接促进创新和新增经济价值产生。

区域创新系统对区域经济产生影响的过程，也是技术创新由研发向市场化转变过程。在这一过程中，创新要素的投入形式有所不同，初期主要投入R&D经费和R&D人员进行技术研发，当技术研发产生创新成果时，创新投入要素变转化为专利等形式。相对专利授权数而言，专利申请量不易受滞后期的影响，且更能反映当期区域技术创新的水平，故选取R&D经费和专利申请受理量作为技术要素的衡量指标，涵盖技术研发到市场化的全过程。

人才资源主要指具备知识并能够传播知识的人才，主要来自高等学校这一为社会培养和输送人才的部门，还包括具备研发技能人才的企业主体，企业不仅会吸收大学培养的人才，而且会通过与高校和科研院所之间的合作促进新技术和新产品的产生，并通过生产经营活动转化为实际产品，最终促进经济进步[17]。故采用高等学校毕业人数和R&D人员作为人才投入要素的衡量指标。

金融资本伴随银行资本和工业资本相互融合、应运而生，是银行资本和产业资本的融合衍生物，具有独特的财务杠杆优势和高回报率优势，能够有效弥补企业在运营过程中的融资能力欠缺，调节技术和人才要素的分配，弥补政府财政对经济增长贡献的不足，为各类产业开展创新提供强有力的资本支撑[18-21]，在企业经营、产业创新和经济发展过程中发挥着不可替代的作用。考虑到金融资本量主要由上一年度的存量来决定，对创新绩效的影响具有滞后性，本文将金融资本的基期定为n-1年，即以上一年度的金融增加值为衡量指标。

3. 控制变量：创新环境

创新环境是影响区域创新系统的重要因素，主要包括市场环境（mar）和政府环境（gov）两个维度。

市场通过供需关系的变化影响创新主体的决策和行为，对创新过程和创新效率产生影响。一定区域内，技术市场成熟度越高，表明技术创新面临的市场环境越成熟，越有利于创新效率提升和经济发展，故选用技术市场成交额作为区域市场环境的衡量指标。

政府的宏观调控作用和机制调节能够促进创新主体间的互动和要素流动，提高资源的配置效率，减少创新信息的缺失、创新政策的不完善导致创新体系与创新绩效的脱节[18]、创新系统的不完备、区域创新效率低下等负面影响，促使创新与经济紧密结合。鉴于数据的可获取性和可量化性，选取地区政府财政科技支出作为衡量政府环境的指标。

三、实证结果分析

根据计量模型和指标设计，以我国内地31个省份为空间维度，以2009—2018年为时间维度，构建面板数据，并运用Stata15.0进行数据处理。基础数据来源于《中国统计年鉴》 《中国科技统计年鉴》和各省市统计年鉴。

（一）面板数据检验

将面板数据代入检验，在直观展示观测数据具体特征时，没有发现极端异常值，变量之间的纲量距离可以接受，观测值在时间上的分布较为均匀，呈现较强的平衡性，可以对数据开展下一步分析。利用豪斯曼检验（ Hausman test）对是否应采用固定效应模型进行检验，结果显示检验值p为0.000 0，即认为随机效应模型与固定效应模型差距过大，拒绝采用随机效应模型的原假设“H0：ui与xit，zi不相关”。

（二）外部环境分析

在区域创新系统中，外部环境包括市场和政府两种力量。通过回归分析，可以对市场和政府在区域创新系统中的作用进行度量，为创新要素对经济增长的影响提供更好的环境假设。以人均GDP为因变量，分别对市场作用机制下的创新效果和市场、政府共同作用机制下的创新绩效进行度量，结果证实，在95%的显著性下，方程的回归结果均显著，且在政府和市场共同作用下的回归方程顯著性较市场单独作用下的显著性高，R2由0.18提高到0.25，F值由67.62下降至51.08，MSE值由81.297下降至77.893，说明含市场和政府共同作用的模型较仅考虑市场作用的模型拟合效果更好，如表1所示。

（三）基于LSDV估计的个体效应分析

LSDV估计[22]可以分离不同个体样本的不同截距，从而把每个截面的不同通过截距项的不同反映出来。在本文研究中，LSDV估计法用来考察各地区创新要素对区域经济的影响程度[23]。为了消除异方差影响，对变量分别取对数并进行回归，结果如表2。

结果显示，创新要素对31个地区的经济影响程度和显著程度存在较大差异。从创新要素对区域经济系统产生影响的显著性程度看，技术创新对区域经济的影响均在0.05的水平上显著，显著性程度高于人才资源和金融资本要素;人才资源对区域经济影响的显著性程度次之，除天津和上海外，各地区人才资源对区域经济的影响均在0.05的水平上显著;金融资本对区域经济影响的显著性程度最差，四川、贵州、云南、河南四个省份的影响不显著性，上海、广西的显著性水平仅为0.1。

从京津冀各创新要素对区域经济的影响程度看，三地人才资源要素对经济发展的贡献度均不理想，呈负向影响，且河北和北京人才资源要素对经济的负向影响较天津更为显著，每单位人才资源要素的投入对北京、天津、河北人均GDP的贡献度分别为-56.493、-3.144、-349.24;技术创新要素对北京地区经济的促进作用优于天津和河北两地，每单位技术创新要素对北京、天津、河北人均GDP的贡献度分别为1.652、-32.138、-41.991;金融资本要素对京津冀三地经济的正向影响作用较为突出，尤其是河北和天津，每单位技术创新要素对北京、天津、河北人均GDP的贡献度分别为5.825、46.813、85.235。

从京津冀创新环境对创新要素的支撑作用看，三地技术市场环境对创新要素作用的发挥起到积极作用，尤其是天津，每单位技术市场成交额能分别带动1.223、40.854、27.206单位创新要素经济效能的发挥;但在政府宏观调控环境有待改善，北京和天津政府财政科技支出对人均GDP的影响均为负，分别为-27.322、-0.035。从全国范围看，京津冀技术市场环境整体优于长三角地区，但弱于内蒙古、吉林、海南、宁夏、青海等地区;北京宏观调控环境仅优于上海和甘肃，天津略好于四川和安徽。

与长三角地区相比，京津冀地区在技术创新要素方面的整体实力稍显逊色，除北京外，津冀两地的技术创新对经济的影响均为负，而长三角地区仅有安徽的技术创新对经济产生了负向影响，上海、江苏、浙江均为正影响;京津冀地区在金融资本要素方面优势较为明显，金融资本对经济的影响均为正向，而长三角地区仅有江苏和浙江的金融资本对经济产生了正向影响，上海、安徽均为负影响。与内蒙古、西藏、青海等西部地区相比，京津冀地区的创新要素所产生的经济效能较弱，尤其体现在人才资源和金融资本方面。

四、对策建议

利用面板数据，运用Stata15.0并采用LSDV估计法对中国分省区层面上创新要素对地区经济发展的影响进行分析，从技术创新、人才资源和金融资本三类创新要素角度，对比分析了京津冀地区与其他省市之间的差距和优势，得出两个主要结论：一是京津冀创新要素对经济贡献度的下降主要受人才资源的影响。北京非首都功能的疏解伴随高校、科研院所等外迁，大量人才资源流向津冀地区和长三角地区。一方面，北京本地人才要素资源减少，创新能力减弱;另一方面，津冀两地的人才资源要素作用并未充分激发，导致整体创新实力下降。二是创新环境是影响京津冀创新要素发挥经济效能的重要保障。具有政府和市场双重作用的环境较无政府宏观调控作用的环境更加有利于创新要素在创新主体间合理配置和区域创新系统功能的发挥，有助于提升区域经济效能，但京津冀地区政府宏观调控作用对创新要素的支撑力有待进一步提升。

根据上述分析，提出促进京津冀创新要素优化配置的建议如下：

第一，激发京津冀地区创新要素活力，增强区域创新能力和经济创新发展的驱动力。北京在巩固创新驱动战略成效的同时，应量力而行，关注本地创新资源的流失，减少因人才流出导致的区域创新系统功能弱化和经济效能减退等问题，从更深层次上大力激发创新动力，增强创新对经济发展的驱动力。进一步创新人才引进、激励与评价机制，完善人才保障机制，构建人才高效流动与配置机制，促进人才在区域间达到科学高效配置。完善金融资本流动和利用机制，加大金融资本对人才、技术投入的杠杆作用，降低人才资源、技术创新对经济系统的负向影响。

第二，优化创新生态环境，促进区域创新系统经济效能发挥。注重市场机制和政府调控相结合，形成职责边界清晰的运行机制。充分发挥市场对创新资源的决定性配置作用，进一步提升北京、天津政府优化配置创新资源的能力，增强京津冀整体技术市场环境对创新资源的吸引力，形成有利于创新活动开展和创新成果交易的优质外部环境，为经济发展提供有力支撑。在国家层面上，应注重引导创新资源和要素在不同区域之间合理流动，增强区域创新系统经济效能的协调性;在地区层面上，应提高对技术创新、人才资源、金融资本的利用效率，形成分工科学和功能完善的调节机制，降低创新极化效应引致的经济效率失衡风险。

第三，构建先进高效创新生态体系，推动各类创新要素资源集聚共享。优化创新协同治理，完善以市场为导向、以企业为主体、产学研深度融合的创新生态体系，营造科技、金融、产业一体化的生态环境，促进创新多主体协同、多要素联动、多领域合作。以政策创新为引导，围绕全要素全生命周期的创新创业生态体系，在科技载体建设、科技企业引育等方面完善相应扶持政策，营造创新软环境。培育适合创新的生态机制，建立人才引育机制、资金投入机制、知识产权保护和诚信机制，完善税收制度和移民政策，提供公平的环境、透明的规则及开放的市场。

[参考文献]

[1]  宋之杰，于华，徐晓华，徐蕾. 国内外创新生态系统研究进展[J]. 燕山大学学报（哲学社会科学版），2015，16（3）：118-127.

[2]  苏屹，刘艳雪. 国内外区域创新研究方法综述[J]. 科研管理，2019， 40（9）：14-24.

[3]  王帮俊，吴艳芳. 区域产学研协同创新绩效评价——基于因子分析的视角[J]. 科技管理研究，2018，38（1）：66-71.

[4]  倪渊. 核心企业网络能力与集群协同创新：一个具有中介的双调节效应模型[J]. 管理评论，2019（12）：85-99.

[5]  Liu G ，Gao P ，Chen F ，et al. Technological Innovation Systems and IT Industry Sustainability in China： A Case Study of Mobile System Innovation[J]. Telematics and Informatics，2018，35（5）：1144-1165.

[6]  張玄玄，刘琦岩，魏超，张越，望俊成. 中国政策扩散理论研究文献计量分析[J]. 中国科技资源导刊，2019，51（3）：72-79.

[7]  陈健，高太山，柳卸林，马雪梅. 创新生态系统：概念、理论基础与治理[J]. 科技进步与对策，2016（17）： 153-160.

[8]  白俊红，蒋伏心. 协同创新、空间关联与区域创新绩效[J]. 经济研究，2015（7）：176-189.

[9]  刘秉镰，朱俊丰，周玉龙. 中国区域经济理论演进与未来展望[J]. 管理世界，2020，36（2）：182-194.

[10]  Goto A. Japan's national innovation system： current status and problems[J]. Oxford Review of Economic Policy，2000，16（2）：103-113.

[11]  李峰. 雄安新区与京津冀协同创新的路径选择[J]. 河北大学学报（哲学社会科学版），2017，42（6）：63-68.

[12]  张斯琴，张璞.创新要素集聚、公共支出对城市生产率的影响 ——基于京津冀蒙空间面板的实证研究[J]. 华东经济管理，2017（11）：23-27.

[13]  白俊红，蒋伏心. 协同创新、空间关联与区域创新绩效[J]. 经济研究，2015（7）：174-187.

[14]  徐斌，罗文. 价值链视角下科技人才分布对区域创新系统效率的影响[J]. 科技进步与对策，2020（1）：1-10.

[15]  余泳泽，刘大勇. 创新价值链视角下的我国区域创新效率提升路径研究[J]. 科研管理（5）：29-39.

[16]  Hajek P，Henriques R，Castelli M，et al. Forecasting Performance of Regional Innovation Systems using Semantic-Based Genetic Programming with Local Search Optimizer[J]. Computers & Operations Research，2018，106（6）：179-190.

[17]  吕静韦. 战略性新兴产业动力机制：调节效应的发挥[J]. 科研管理，2020，41（6）：47-55.

[18]  Fabrice Gayraud，David Lemoine，Guillaume Massonnet. An Optimal Policy for the Capacitated Lot Sizing Problem with financing of the Working Capital Requirement[J]. IFAC PapersOnLine，2019，52（13）：975-980.

[19]  Vishal Sharma，Ashok Mittal. Fiscal deficit，capital formation，and economic growth in India： a nonlinear ARDL model[J]. Official Journal of Indian Institute of Management Calcutta，2019，46（1）： 353-363.

[20]  Chrystalla Kapetaniou，Marios Samdanis，Soo Hee Lee. Innovation policies of Cyprus during the global economic crisis： aligning financial institutions with national innovation system[J]. Technological Forecasting & Social Change2018（133）：29-34.

[21]  Balconi M，Laboranti A. University-industry interactions in applied research，the case of microelectronics[J]. Research Policy，2006，35（10）：1616-1630.

[22]  魏冉. 基于LSDV估计法的中国主要品种能源消费影响碳排放强度效应分析[J]. 郑州大学学报（工学版），2019，40（2）：87-91.

[23]  李烨，张广海. 我国区域经济真实增长的实证分析[J]. 统计与决策，2018（22）：136-139.

Innovation Factors and Economic Efficiency of

Beijing-Tianjin-Hebei Region

LV Jingwei， CAI Yusheng

（Beijing-Tianjin-Hebei Cooperative Development Research Center/Urban Economic Research Institute， Tianjin Academy of

Social Sciences， Tianjin 300191， China）

Abstract： Based on the innovation theory， this paper uses stata15.0 and LSDV to analyze the regional economic efficiency of innovation factors from 31 provinces in China between 2008 and 2018. From the perspective of technological innovation， human resources and financial capital， this paper compares and analyzes the gap and advantages between Beijing-Tianjin-Hebei Region and other provinces and cities. There are two main conclusions： first， the decline in the contribution of the Beijing-Tianjin-Hebei innovation factors to the economy is mainly affected by human resources. Second， the innovation environment has strong impact on the economic efficiency of the innovation factors of Beijing-Tianjin-Hebei Region. It is suggested to stimulate the vitality of innovation elements in Beijing-Tianjin-Hebei Region， enhance the regional innovation ability and the driving force of economic innovation development; optimize the innovation ecological environment， stress the combination of market mechanism and government regulation; build an advanced and efficient innovation ecosystem， and promote the agglomeration and sharing of innovation resources.

Key words： Beijing-Tianjin-Hebei; innovation factor; economic efficiency

收稿日期：2020-12-27

基金項目：国家社会科学基金项目（19BJY061）

作者简介：吕静韦（1983—），女，博士，天津社会科学院城市经济研究所副研究员，主要研究方向：区域资源优化及管理、城市经济。

通讯作者：蔡玉胜（1971—），博士，天津社会科学院城市经济研究所研究员，主要研究方向：城市经济、京津冀协同发展。