EN中文

地理学报 >

2022 , Vol. 77 >Issue 6: 1320 - 1338

DOI: https://doi.org/10.11821/dlxb202206003

京津冀协同发展

京津冀地区经济增长相对衰落的创新地理基础

  • 杨开忠 , 1, 2 ,
  • 范博凯 3
展开
  • 1.中国社会科学院大学应用经济学院,北京 102488
  • 2.中国社会科学院生态文明研究所,北京 100710
  • 3.首都经济贸易大学城市经济与公共管理学院,北京 100070

杨开忠(1962-), 男, 湖南常德人, 博士, 研究员, 研究方向为区域科学、空间经济学、经济地理学和可持续发展。E-mail:

收稿日期: 2022-05-06

  修回日期: 2022-05-24

  网络出版日期: 2022-08-19

基金资助

国家自然科学基金重点项目(71733001)

国家社会科学基金重大项目(20ZDA086)

收起

The innovative geographical foundation of the relative decline of economic growth in Beijing-Tianjin-Hebei region

  • YANG Kaizhong , 1, 2 ,
  • FAN Bokai 3
Expand
  • 1. School of Applied Economics, UCASS, Beijing 102488, China
  • 2. Research Institute for Eco-civilization, CASS, Beijing 100710, China
  • 3. School of Urban Economics and Public Administration, CUEB, Beijing 100070, China

Received date: 2022-05-06

  Revised date: 2022-05-24

  Online published: 2022-08-19

Supported by

Key Program of National Natural Science Foundation of China(71733001)

Major Project of the National Social Science Fund(20ZDA086)

Fold

摘要

如何提高创新效率以促进京津冀地区经济发展由相对衰落转向相对兴旺进而带动北方腹地发展,是新发展阶段深入推进京津冀协同发展面临的重大问题。针对这一问题,本文在指出创新相对无效率是京津冀地区经济相对衰落关键的基础上,基于“密度、距离、分割、异质”（“4D”）框架,从经验上论证了京津冀地区创新地理相对无效率是其创新相对无效率的根源,提出了重塑京津冀地区创新地理的战略主张。首先,分析京津冀地区与长三角、粤港澳的经济效率、创新竞争力和创新效率演变趋势差异,发现京津冀地区经济效率低且趋于下降、创新缺乏竞争力、创新效率偏低,处于创新相对无效率状态。其次,基于“4D”框架阐释京津冀地区创新相对无效率的经济地理原因是,经济、人口和专利的低密度与高集聚不平衡程度并存、专利转移空间范围广而产学研协同发展的本地化水平低、创新分割严峻且空间异质性强、异质优势相对薄弱共同导致的创新地理相对无效率。最后,计量分析表明“4D”因素的相对变动将显著影响创新相对效率变动,证实京津冀地区创新地理相对无效率是创新相对无效率的根源。本文研究表明基于“4D”框架重塑创新经济地理是京津冀地区提高创新效率,进而实现创新驱动发展的关键所在。

关键词： 协同发展; 创新效率; 4D; 经济差距; 专利转移; 京津冀地区

本文引用格式

杨开忠 , 范博凯 . 京津冀地区经济增长相对衰落的创新地理基础[J]. 地理学报, 2022 , 77(6) : 1320 -1338 . DOI: 10.11821/dlxb202206003

Abstract

How to raise innovation efficiency to promote the economic development from relative decline to prosperity and then drive the development of the northern hinterland becomes a prominent problem facing the in-depth acceleration of the coordinated development of the Beijing-Tianjin-Hebei (BTH) region in the new development stage. This paper points out that the inefficiency of innovation is the key to economic stagnation in the BTH region, and empirically demonstrates that the relative inefficiency of innovation geography in the region is the main reason that restricts the innovative efficiency development based on the "Density, Distance, Division, Differentiation" (4D) framework. The strategic proposition of reshaping innovation geography in the BTH region is put forward. First of all, the article analyzes the disparities in the evolution trends of economic efficiency, innovation competitiveness and innovation efficiency in the BTH region, the Yangtze River Delta, the Guangdong-Hong Kong-Macao region, and finds that the economic efficiency in the BTH region is lack of competitiveness and tends to decline, characterized by weak innovative advantage and low innovation efficiency. Secondly, based on the 4D framework, there are several reasons for the relative inefficiency of innovation from a perspective of economic geography. These reasons include the coexistence of low density of economy, population and patent with high concentration imbalance, the wide scope of patent transfer and the low localization level of industry-university-research collaboration, and the severe innovation segmentation with strong spatial heterogeneity, and relatively weak heterogeneous advantage. Finally, the measurement results show that the relative change of 4D factors will significantly affect the fluctuation of innovation relative efficiency, which indicates that the relative inefficiency of innovation geography in the BTH region is the root of innovation relative inefficiency. This paper shows that the reconstruction of innovation economic geography based on 4D framework is vital to improve innovation efficiency and realize innovation-driven development in the BTH region.

Key words： coordinated development; innovation efficiency; 4D; economic disparity; transfer of patents; Beijing-Tianjin-Hebei region

1 引言

以疏解北京非首都功能为“牛鼻子”推动京津冀协同发展,是习近平总书记亲自谋划、亲自部署、亲自推动的国家区域重大战略,自实施以来在北京非首都功能疏解、产业协同升级转型、生态环境协同保护、交通一体化、地区共同富裕等诸方面取得战略性进展。习近平总书记指出,实施京津冀协同战略是“实现京津冀优势互补、促进环渤海经济区发展、带动北方腹地发展的需要”。然而,2014年以来,京津冀地区GDP占全国的比重却下降了1.83个百分点,经济相对于全国相对衰落。由于京津冀地区在中国北方经济发展中的核心主导地位,与其相对衰落相对应的是,2014年以来中国北方经济日益明显地滞后于南方经济发展,南北经济差距持续扩大[1]。这表明,京津冀协同发展尚未实现带动北方腹地发展的预期目的。探讨京津冀地区经济相对衰落的原因对中国区域协调发展具有十分重要的意义。
京津冀地区是三北地区经济核心区。从探讨近些年来南北经济相对兴衰原因的文献来看,关于京津冀地区经济相对衰落的相关认识大致可以概括为3大类：① 结构性因素说,认为国有经济相对集中、传统能源原材料产业相对集中等结构性因素是相对衰落的原因[2];② 区位性因素说[3],认为与长三角地区、珠三角地区相比区位条件较差是相对衰落的基础;③ 结构性和区位性因素综合说,认为相对衰落是结构性因素和差异性因素综合作用的结果[4]。这些认识虽然不无道理,但都是描述性而非分析性的,碎片不系统或模糊不清晰。众所周知,区域经济全要素生产率（Total Factor Productivity, TFP）不仅意味着该区域单位投入产出效率,而且意味着该区域在市场上对要素的吸引力[5]。因此,在要素自由流动的环境中,特定区域经济的相对兴衰实质就是TFP相对涨落[6],京津冀地区经济相对衰落关键在其TFP相对衰落之势。进入新时代,中国经济发展由投资驱动的高速增长转入创新驱动的高质量发展,创新逐步成为全要素生产率和经济增长的源动力[7]。以首都为核心的京津冀地区是全国创新中心和全国创新驱动经济的引擎,创新更是全要素生产率相对涨落的决定因素。事实上,京津冀地区全要素生产率相对涨落与创新水平相对变化高度一致,以国内专利申请量占全国的比例为例,2020年京津冀地区较2014年下降0.68个百分点。长期来看,在要素自由流动的环境中,创新水平相对高低由创新效率所决定[8-9],京津冀地区创新水平相对下降应是其创新相对无效率的反映。因此,理解京津冀地区创新相对无效率是把握其相对衰落的关键。
现有围绕创新效率主题的相关研究,主要包含以下4类：① 基于政府调控视角,考察政府科技支持对创新效率的影响,但研究结论莫衷一是[10⇓-12];② 基于创新体系视角,认为产学研一体化发展是促进创新效率提升的关键[13-14];③ 基于资源配置视角,证实创新资源错配和要素市场扭曲导致地区创新效率偏低[15-16];④ 基于知识外部性视角,强调知识溢出是提升创新效率的重要机制[17-18]。4类文献阐明了创新效率提升的相应路径,扩展了创新效率研究边界,但相对忽视创新地理特征对创新效率的影响。然而,中国作为一个幅员辽阔的超大规模经济体,区域差异突出,空间异质性显著,地理特征对创新活动相对水平的影响不容忽视[19]。现有基于地理视角考察创新效率的相关文献,集中于探讨空间集聚、交通通达性的创新效率提升效应。如谢露露利用长三角城市群数据证实生产性服务业空间集聚显著促进创新效率提升[20],韦东明等基于中欧班列开通这一准自然实验证实提高城市交通通达性可促进城市创新效率增长[21]。这类文献揭示了部分经济地理特征的创新效率提升作用,但缺乏对经济地理特征的系统性刻画。因此,创新效率的地理基础研究有待进一步深化。
鉴于此,本文基于“密度、距离、分割、异质”（“4D”）框架,在比较京津冀地区与长三角、粤港澳在经济TFP、创新竞争力和创新效率的相对差异及变动趋势基础上,分析并总结京津冀经济相对衰落的动力路径和源头,提出了京津冀经济相对衰落的创新地理相对无效率假说,进一步借助微观数据分析并检验创新地理相对无效率假说的正确性,最后提出重塑京津冀创新地理的战略主张。

2 分析框架与数据来源

2.1 分析框架及其理论基础

涉及创新效率地理基础的系统分析框架主要有4种,按提出的时间先后依次是胡佛“3I”论[22]、波特“钻石”论[23]、杨开忠“4D”论[24⇓-26]和世界银行“3D”论[27]。“4D”即“密度—距离—分割—异质”,所谓密度即经济密度,在其他条件一定情况下决定集聚经济的高低;距离即经济活动到经济机会的地理距离,在效率等其他条件一定情况下决定空间交互作用大小;分割即区位之间因自然、设施、制度、文化、观念而产生的分割,在距离等其他条件一定情况下决定运输和贸易费用;异质（性）则是生产、生活、生态禀赋的独特性,决定一个地区别具一格的竞争优势。
“3I”论是20世纪70年代美国区域经济学家E.M.Hoover编写空间经济学即区域经济学教材时提出的[22]。Hoover指出空间经济学建立在空间经济生产要素的不完全流动性（Insufficiency Fluidity of Factors）、生产的不完全可分性（Incomplete Separability of Production)、产品与服务的不完全流动性（Insufficiency Fluidity of Goods and Service）3个基石上,认为解释经济地理的理论归根结底都是建立在其中一个或几个基石上的。其中,生产要素的不完全流动性决定了生产要素禀赋地区差异,生产的不完全可分性意味着内部和外部规模经济,产品与服务的不完全流动性意味着运输费用。因此,在胡佛“3I”论框架下,空间经济学三基石也常被表述为生产要素禀赋差异、运输费用和规模经济。“3I”论对观察、分析和应对经济地理问题具有十分重要意义,事实上,1990年代以前人们对经济地理的解释也主要建立在上述3个基石上。然而,“3I”论并未建立起基于明确市场结构、内部自洽的空间经济理论体系而不为主流经济学承认,同时,也忽视了移民等要素流动带来的与经济机会地理距离缩短之效应、生活禀赋差异以及经济活动主体异质性。
“钻石”论（Michael Porter Diamond Model）由美国战略管理学家Michael E.Porter于1990年提出,认为经济地理决定于4个相互作用的关键因素即要素条件、需求条件、相关和支持产业以及企业战略、结构和同业竞争,主张由此回答和解决经济地理问题[23]。相对胡佛“3I”论,这一框架强调了需求条件以及经济主体异质性,并曾在战略管理和政策分析广泛运用。然而,波特“钻石”论不过是围绕解决经济地理问题而把相关理论组织起来的一个描述性框架,缺乏逻辑严密、统一坚实的理论基础。
“3D”论由世界银行提出,其在《2009年世界发展报告：重塑世界经济地理》中从密度（Density）、距离（Distance）、分割（Division）解释世界发展经验,倡导基于三者重塑经济地理是经济发展成功之道[27]。1991年Krugman基于D-S垄断竞争框架构建空间一般均衡模型,提出经济地理内生于要素流动、报酬递增和运输成本三者的相互作用,宣告新经济地理学诞生[28],“3D”论正是构筑在该理论之上。这一分析框架虽然有坚实的理论基础,但忽视了经济主体和空间的禀赋异质性之作用。然而,一是根据空间不可能定理[29],回答和解决经济地理问题有两种不同途径,即基于外生的空间异质性和外部性的完全竞争途径[30-31]和基于厂商层面报酬递增的不完全竞争途径[28]。这表明基于新经济地理学的“3D”论忽视了把握经济地理的不可忽视基础——外生的空间异质性和经济外部性;二是新经济地理学以同质性微观主体为基础,但现实中企业和消费者均是异质的,他们的区位指向是不尽相同的。事实上,2008年以来兴起的“新”新经济地理学[32-33]表明：异质性微观主体区位具有分类效应、选择效应,是不应忽视的影响经济地理之重要因素,因而基于新经济地理学的“3D”论是相对局限的;三是近年来兴起的新空间经济学研究[7,34 -35]表明,在基于数据、信息、知识的生产、流通和使用的经济中,空间品质——不可贸易品数量、种类和质量与旅行成本日趋重要,但新经济地理学以物质产品生产、贸易、消费为基础,未考虑不可贸易品,忽视空间品质。
“4D”论是杨开忠在研究中国西部地区发展的经验研究中提出的,他认为西部相对不发达关键在空间格局不经济,其出路在于：消除空间分割（Division）、缩短与经济机会的距离（Distance）（引导人口向发展条件相对优越的区域集中）、推动发展条件优越的城乡聚集人口（Density）和打造产品和服务独特性（Differentiation）,以规避和克服空间格局不经济[24⇓-26]。之后又将“4D”分析应用于不同经济地理研究[36⇓-38]。“4D”论主要以新空间经济学为理论基础。与“新”新经济地理学不同,一方面,新空间经济学不仅强调要素流动、报酬递增、运输成本、微观主体异质性,而且强调不可贸易品,认为随着经济数据化、信息化和知识化,不可贸易品数量、种类和质量日趋重要;另一方面,新空间经济学不仅考虑货物运输成本,而且考虑人物运输成本,认为人物运输成本的重要性日益高于货物运输。因此,“4D”论既超越“3I”论、“3D”论的局限性,体现了“新”新经济地理学和新空间经济学在微观异质性和空间品质异质性上的拓展,又包容上述新经济地理学所忽视把握经济地理的不可忽视基础——外生的空间异质性和经济外部性,在理论基础上更全面系统,在实践上更贴合现实情境。本文基于“4D”框架观察分析京津冀地区创新地理特征。

2.2 相关指标说明

创新效率受多种因素共同影响,相关文献的研究重点涉及研发投入强度、经济发展水平、人力资本水平和对外开放水平等方面[39]。本文重点分析创新效率提升的经济地理原因,“4D”即“密度、距离、分割、异质”对创新效率的影响。在密度衡量上,以夜间灯光密度和人口密度的均值依次反映地区经济集聚和人口集聚水平,以其变异系数反映地区经济和人口集聚的过密与过疏水平。在距离衡量上,主要从知识吸收和知识溢出视角考察城市距离创新中心的相对距离。专利转移涵盖了创新技术空间转移和知识空间流动的方向和强度等信息[40],对衡量知识溢出和吸收空间范围具有一定优势。在此,以某城市输入专利的加权平均距离衡量知识吸收空间范围,以某城市输出专利的加权平均距离衡量知识溢出空间范围。在分割衡量上,与距离相对应,以某城市单位距离内专利输入和输出量代理知识吸收和溢出强度,反映距离一定条件下城市间的创新分割程度。在异质衡量方面,借鉴相关研究的经验[41⇓-43],依次以地区规模以上工企总产值中的国有及国有控股成分占比、发明专利申请量中的数字专利占比、城镇常住人口占总人口比例和规模以上工企研发支出占总研发支出比例表征国有化、数字化、城镇化和研发支出结构4类地区独特性。相关指标构建与释义如表1所示。
表1 指标构建与释义

Tab. 1 Index construction and interpretation

类别 指标名称 指标释义
创新效率 静态创新效率te;创新全要素生产率变动tfpch DEA-BCC模型静态效率;创新TFP
“4D”因素 密度：经济集聚疏密水平den1;人口集聚疏密水平den2 夜间灯光亮度变异系数;人口密度变异系数
距离：知识吸收空间范围dis1;知识溢出空间范围dis2 专利输入加权平均距离(专利权转入);专利输出加权平均距离(专利权转出)
分割：知识吸收强度div1;知识溢出强度div2 专利输入强度(单位距离专利转入量);专利输出强度(单位距离专利转出量)
异质：国有经济比重dif 1;数字化水平dif 2;城镇化水平dif 3;研发支出结构dif 4 规模以上工企总产值中的国有成分比重;发明专利申请量中的数字专利比例;城镇常住人口占总人口比例;规模以上工企研发支出占研发总支出比例
其他因素 研发投入强度rd 研发支出占GDP比例
经济发展水平eco 人均国内生产总值
人力资本水平huc 每万人高校在校生人数
对外开放水平fdi FDI占GDP比例

2.3 数据来源

① 专利转移数据。专利转移数据来源于国家知识产权局中国专利全文数据库,通过筛选解析每项专利的法律状态信息,提取包含“权利转移”字段的专利作为本文专利转移基础样本。本文借助大数据爬虫技术,自百度地图平台获取每项专利详细地址的经纬度信息,基于地理坐标信息计算每项专利的实际转移距离,进而计算得到各城市专利转移的加权平均距离和转移强度指标。剔除跨国转移、地址不详等样本后,相应指标计算的有效样本量（2009—2019年）约为786112个。② 数字专利数据。基于中国专利全文数据库,依据每项专利的IPC分类号,以国家知识产权局公布的《国际专利分类与国民经济行业分类参照关系表（2018）》、国家统计局公布的《数字经济及其核心产业统计分类（2021）》对应标准为参照,匹配获取每项专利对应的四位数国民经济行业、四位数数字经济行业,得到本文使用的数字专利样本数据。③ 夜间灯光和人口栅格数据。栅格数据不囿于特定行政区划的优点和小尺度统计优势,可使其更精确地反映相关变量的空间特征。夜间灯光数据源于国家青藏高原科学数据中心[44],人口栅格源于WorldPop。④ 其他数据。宏观层面研究数据分为两类：一类是省级层面数据,时序区间为2000—2020年,数据来源于《中国统计年鉴》《中国科技统计年鉴》和分省统计年鉴;一类是地级市层面数据,时序区间为2009—2019年,主要涉及京津冀、长三角和粤港澳75个地级及以上城市,数据主要来源于《中国城市统计年鉴》、各省统计年鉴以及各地级市统计年鉴。

3 京津冀地区经济增长相对衰落的动力路径分析

3.1 京津冀地区经济TFP相对下滑

基于DEA-BCC模型[45]测算京津冀地区与长三角、粤港澳的经济TFP,通过比较三大地区经济发展相对水平与经济TFP变动趋势差异,初探京津冀经济相对衰落的原因。测算TFP的投入要素指标为城镇单位就业人员数和利用永续盘存法测算的资本存量,产出指标为实际GDP[7]。三大地区经济TFP与经济发展相对水平的时序演变如图1所示。从经济发展相对水平角度看,京津冀地区存在经济增长相对衰落特征。京津冀GDP全国占比由2000年的9.18%上升至2011年的10.67%,随后回落至2020年的8.50%,这一趋势在2011年之后愈发明显;样本期内,长三角和粤港澳的经济发展相对水平总体呈波动增长趋势,导致京津冀与长三角、粤港澳的经济差距逐步扩张。从经济TFP变动角度看,京津冀经济TFP样本期内呈下降趋势,这一下降趋势在2010年之后更加稳定;2000—2020年间,长三角经济TFP整体水平高于粤港澳和京津冀,且波幅较大,峰值为2010年的1.05,2020年回落至1.02;粤港澳经济TFP自2008年起呈增长趋势,并于2011年超越京津冀、2015年超越长三角,增长预期较为明朗。从经济发展相对水平和经济TFP对比角度看,三大地区经济相对水平变动趋势与经济TFP变动趋势较为一致,且京津冀的经济TFP相对衰落早于经济增长相对衰落,结合经济全要素生产率对经济增长的重要贡献不难推断,京津冀经济TFP相对衰落是经济增长相对衰落的重要原因。
图1 2000—2020年京津冀地区经济发展和经济效率变动趋势比较分析

注：为更清晰的展示其变动趋势,图中经济全要素生产率已基于前后3年均值做平滑处理。

Fig. 1 Comparative analysis of economic development and economic efficiency trends in Beijing-Tianjin-Hebei region, 2000-2020

3.2 京津冀地区创新无效率

3.2.1 创新缺乏竞争力

创新竞争力反映了地区创新资源获取和创新产出的能力,更强的创新竞争力意味着更好的创新水平、更高的经济TFP以及更充足的经济增长动力。在此从创新要素竞争力和创新产出竞争力两个角度出发,比较京津冀与长三角、粤港澳的创新竞争力相对强弱及其变动趋势差异。
（1）在创新要素竞争力的衡量上,万人R&D人员全时当量和R&D经费内部支出全国占比可分别反映地区的研发人才和研发资金吸引力,显然创新要素竞争力更强的地区更易吸引研发人才和研发资金流入。图2展示了三大地区创新要素竞争力的相对变动趋势。从研发人才吸引力角度看,三大地区研发人才吸引力均呈增长趋势,但京津冀增速最慢,样本期内平均增速约为长三角的53.39%、粤港澳的49.97%;京津冀研发人才吸引力分别于2009年和2010年起低于长三角和粤港澳,且随时间推移相对差距不断扩张。从研发资金吸引力角度看,样本期内京津冀的研发资金吸引力逐年下滑,而长三角和粤港澳则呈现增长趋势;2000年京津冀研发资金吸引力高居三大地区首位,2020年则居于末位,京津冀与长三角、粤港澳的研发资金吸引力绝对差距正在逐步拉大。研发人才和研发资金吸引力的相对不足,共同导致京津冀地区缺乏创新要素竞争力。
图2 2000—2020年京津冀地区创新要素竞争力比较分析

Fig. 2 Comparative analysis of innovation factor competitiveness of Beijing-Tianjin-Hebei region, 2000-2020

（2）在创新产出竞争力的衡量上,考虑到地区专利申请量可较为及时的反映地区创新成果数量的优势,故以专利申请量占全国比例作为地区创新产出竞争力相对水平的代理指标,以人均专利申请量反映地区创新产出竞争力的绝对水平。图3展示了三大地区的创新产出竞争力变动趋势。从创新产出竞争力相对水平角度看,样本期内,京津冀创新产出竞争力相对水平低于长三角和粤港澳,且呈下滑趋势,长三角和粤港澳的创新产出竞争力相对水平整体呈上升趋势,京津冀与长三角和粤港澳的创新产出竞争力相对水平差距逐步扩大。从创新产出竞争力绝对水平角度看,样本期内三大地区的创新产出竞争力绝对水平均有提升,但京津冀绝对水平最低且增速最慢,与长三角和粤港澳的创新产出竞争力绝对水平差距逐步扩张。京津冀地区创新产出竞争力相对不足。
图3 2000—2020年京津冀地区创新水平变动趋势比较分析

Fig. 3 Comparative analysis of the change trend of innovation level in Beijing-Tianjin-Hebei region, 2000-2020

总之,京津冀地区创新要素竞争力和创新产出竞争力均显不足。创新缺乏竞争力,则不足以支撑创新活动的规模经济发展,创新成本分摊的市场纵深有限,将导致创新水平和创新能力的进一步下降,落入低创新竞争力和低创新水平的累积因果循环。此外,比较图3和图1可知,三大地区专利申请量全国占比时序变动与经济TFP时序变动较为一致,表明创新相对水平与经济TFP之间的相关性和协动性较强。结合创新是经济TFP增长源泉的共识不难推断,京津冀地区创新相对水平的变动是经济TFP相对变动的决定因素。

3.2.2 创新效率偏低

基于DEA-BCC模型测算并比较京津冀与长三角、粤港澳的创新效率相对差距,考察京津冀地区经济增长相对衰落的路径可否延伸至创新相对无效率层面。创新效率测算的投入指标选取R&D人员全时当量和R&D经费内部支出,产出指标为专利申请总数[20]。此外,一并考察单位R&D经费内部支出的专利申请量,用以表征研发效率。
图4展示了京津冀创新效率的变动趋势。从创新综合技术效率角度看,样本期内,京津冀创新综合技术效率整体呈增长趋势,但效率值低于长三角和粤港澳,处于创新相对无效率状态;2000—2014年间,京津冀创新综合技术效率处在波动上升趋势之中,与长三角和粤港澳的相对差距不断缩小,2014之后这一趋势转变为波动下降,导致京津冀与长三角和粤港澳的创新综合技术效率相对差距由相对缩小转为相对扩张,京津冀的创新相对无效率进一步放大。从研发效率角度看,京津冀的研发效率整体呈上升趋势,且低于长三角和粤港澳,表明京津冀创新相对无效率的结论较为稳健。对比两角度发现,2010年后京津冀地区研发效率的增长趋势较创新综合技术效率更突出,且波动性更小。创新综合技术效率的测算同时考虑了研发资本和研发人员投入的冗余或不足,是对两类要素投入产出效率的综合分析,而本文研发效率仅可反映研发资本的利用效率。一定程度表明,京津冀地区可能存在相当程度的研发人员错配问题,抑制创新效率提升,以至于以单位研发支出专利申请量衡量的研发效率高于真实创新效率。
图4 2000—2020年京津冀地区创新效率变动趋势比较分析

Fig. 4 Comparative analysis of the change trend of innovation efficiency in Beijing-Tianjin-Hebei region, 2000-2020

可见,京津冀地区创新效率相对偏低,具有典型的创新相对无效率特征。结合图3和图4发现,京津冀创新综合技术效率变动趋势与京津冀专利申请量全国占比变动趋势较为一致,表明京津冀创新效率与创新相对水平的相关性和协动性较强,结合创新效率决定创新水平的研究经验[8-9]可以推断,京津冀创新相对无效率导致其创新水平相对偏低。

3.3 京津冀地区经济增长相对衰落的动力路径

综合本部分内容,可以初步给出京津冀地区经济增长相对衰落的动力路径,即“创新相对无效率→创新水平相对偏低→经济TFP相对下滑→经济增长相对衰落”。然而,创新效率的影响因素较多,如何提升创新效率又是一个学术热点话题,故创新相对无效率显然不足以成为京津冀经济增长相对衰落的根源。一个自然的问题便是,京津冀经济增长相对衰落的源头在哪里?本文基于“4D”框架,提出京津冀经济相对衰落的创新地理相对无效率假说：京津冀地区创新地理相对无效率是京津冀地区经济增长相对衰落的源头。至此,京津冀经济增长相对衰落的动力路径可进一步完善为：创新地理相对无效率→创新相对无效率→创新水平相对偏低→经济TFP相对下滑→经济增长相对衰落。

4 京津冀地区创新地理相对无效率

4.1 密度：过密与过疏并存

从密度均值角度看,2009—2019年间京津冀经济密度和人口密度均值低于长三角和粤港澳（表2）,两类密度均呈上升趋势,但增速较慢,经济密度增速位居三大地区末位,人口密度增速低于粤港澳略高于长三角;京津冀核心节点城市的经济密度和人口密度不及长三角和粤港澳核心节点城市,其中粤港澳核心节点城市的经济和人口密度相对最高。从集聚的不平衡程度来看,京津冀人口集聚的不平衡程度高居三大地区首位,经济集聚的不平衡程度位居第二,且北京的经济和人口集聚不平衡程度高于上海、广州和深圳。从经济集聚与人口集聚的空间分异视角看,三大地区经济集聚的不平衡程度均低于人口集聚的不平衡程度,其中京津冀经济集聚与人口集聚的空间分异现象最严峻。随时间推移,三大地区经济集聚的不平衡程度趋于下降,人口集聚的不平衡程度趋于上升。但京津冀经济集聚不平衡程度降幅最小而人口集聚不平衡程度升幅最大,经济与人口集聚过密与过疏的问题依旧突出,经济与人口相协调的空间格局优化进程缓慢。
表2 京津冀、长三角和粤港澳地区夜间灯光密度与人口密度比较分析

Tab. 2 Comparative analysis of night light density and population density in Beijing-Tianjin-Hebei region, Yangtze River Delta and Guangdong-Hong Kong-Macao region

区域 夜间灯光密度 人口密度
2009年 2019年 2009年 2019年
均值 变异系数 均值 变异系数 均值 变异系数 均值 变异系数
北京 1805.819 1.136 2034.997 1.099 1185.738 3.260 1666.566 3.291
天津 2170.005 0.793 2556.800 0.773 1126.804 3.644 1439.144 3.688
石家庄 1020.653 1.212 1202.236 1.137 739.289 2.754 790.941 2.789
上海 3683.728 0.539 4259.565 0.475 3305.361 2.146 4514.393 2.142
南京 1863.081 0.945 2371.572 0.828 1246.940 3.420 1582.987 3.455
苏州 2827.669 0.646 3799.784 0.538 1557.936 2.109 1845.986 2.102
杭州 874.277 1.731 1233.574 1.496 525.587 4.329 646.250 4.327
合肥 654.536 1.765 1097.097 1.326 706.337 4.522 769.824 4.710
广州 2713.808 0.795 3289.866 0.699 1800.061 3.195 2240.768 3.201
深圳 5092.345 0.307 5252.901 0.285 5315.754 1.392 7640.931 1.400
佛山 3775.639 0.524 4415.976 0.467 1842.396 1.748 2416.040 1.720
京津冀 815.145 1.512 971.612 1.404 487.108 3.644 557.146 4.074
长三角 854.661 1.544 1236.600 1.290 636.878 3.246 690.229 3.599
粤港澳 854.695 1.747 1100.025 1.524 590.118 3.527 697.882 3.745
基于创新密度（专利密度）的空间格局分析表明（图5）,京津冀创新密度的空间展布呈现以北京为强核心、天津为次核心、石家庄为重要节点的点状分布格局,核心节点间存在较为明晰的作用边界,创新节点相对孤立。创新密度的强弱分化特征突出,创新一体化的空间延续性不佳,局部创新密度的空间落差较大,彼此之间未形成创新连绵带。长三角创新密度则呈现自创新核心、节点向外延伸的面状集聚特征,创新密度的层级丰富,空间落差较小,且外围地区的创新节点分布较密,创新一体化程度高于京津冀。粤港澳创新密度的空间分布具有明显的广州—深圳双核集聚区特征,双核间的创新通道业已贯通,且创新核心区的创新层级分化空间范围小、高层级创新区的面积大,故创新空间紧密度较高、创新规模较大,创新核心区的整体竞争力相较京津冀具有优势。
图5 2019年京津冀、长三角和粤港澳地区专利密度空间格局

注：基于自然资源部标准地图服务网站GS(2020)4630号的标准地图制作,底图边界无修改,后文同。

Fig. 5 Spatial pattern of patent density in Beijing-Tianjin-Hebei region, Yangtze River Delta and Guangdong-Hong Kong-Macao region in 2019

综合而言,京津冀经济密度和人口密度相对偏低,而两者集聚的不平衡程度相对过高,导致京津冀经济与人口空间格局相对低效。创新核心节点偏少且相对孤立,意味着创新核心到创新外围的知识溢出衰减过快,高密度创新区向低密度创新区过渡的缓冲地带不足,创新空间溢出范围有限,导致京津冀地区的创新空间格局相对低效。京津冀地区经济密度、人口密度和创新密度相对低效的空间格局,降低了要素空间配置效率,阻碍了产业分工和创新分工的进一步细化以及统一大市场的高质量建设,创新效率提升的密度优势不足。

4.2 距离：相对远离创新中心

专利转移是知识跨区域流动的主要途径之一,对于缓解区域创新资源配置低效和经济发展不协调问题具有重要作用[46]。从专利转移平均距离角度看（表3）,京津冀专利输入与输出平均距离高于粤港澳和长三角,样本期内增长趋势平稳,且专利输入平均距离高于专利输出平均距离,表明京津冀参与构建全国专利转移网络的贡献度较高,知识吸收能力强于知识溢出,创新空间影响力相对较大。2009—2019年间京津冀核心节点城市的创新空间影响力具有分化趋势,北京的专利转移平均距离增幅明显,天津和石家庄的专利输入平均距离相对稳定而专利输出平均距离趋于下降,相应嵌入全国专利转移网络的深度降低,网络节点地位具有下降趋势;同期,长三角核心节点城市的专利转移平均距离多有提升,粤港澳核心节点城市间专利转移的内部关联性增强,两地创新空间结构均实现部分优化。从内外转移比①（①地区内部专利转移量和与外部专利转移量之比,反映了产学研协同发展的本地化水平。）的角度看,京津冀专利转移的本地化规模较低,内外转移比不及长三角的三分之一,约为粤港澳的41.63%。京津冀内部专利转移网络密集度不高、自生能力不强,产学研一体化的本地化水平相对有限,创新成果转化的外部借力较多,区域性创新体系尚未形成。在核心节点城市中,北京的内外输入比略低于内外输出比,且小于1,天津和石家庄的内外转移比远高于1,三者在全国专利转移网络中的层级地位差距较大,协同性相对不佳。相较京津冀,长三角和粤港澳核心节点城市的内外转移比分布较为合理、协调性相对更优。
表3 京津冀、长三角和粤港澳地区专利转移比较分析

Tab. 3 Comparative analysis of patent transfer of Beijing-Tianjin-Hebei region, Yangtze River Delta and Guangdong-Hong Kong-Macao region

区域 输入平均距离(km) 输出平均距离(km) 2019年内外输入比 2019年内外输出比
2009年 2019年 2009年 2019年
北京 948.577 1132.620 385.116 861.439 0.818 0.893
天津 723.540 708.868 1153.395 838.705 18.069 6.360
石家庄 610.622 649.761 1172.840 745.916 2.071 —
上海 810.473 807.265 608.946 690.221 0.534 0.551
南京 620.643 630.818 688.327 632.908 0.809 0.591
苏州 640.171 641.941 386.481 668.943 0.853 1.386
杭州 599.429 588.560 455.053 697.116 1.795 1.384
合肥 520.603 610.412 546.526 574.317 2.057 1.310
广州 867.893 872.518 940.195 703.882 1.467 2.756
深圳 1309.625 942.995 424.927 747.471 0.799 3.598
佛山 656.858 654.439 644.149 637.204 1.772 5.438
京津冀 745.273 899.358 715.956 754.063 0.194
长三角 536.656 579.248 499.508 607.549 0.614
粤港澳 653.921 723.742 614.055 733.381 0.466
基于专利转移的创新关联空间结构分析表明（图6）,京津冀创新关联空间结构呈现以北京为中心、京津为轴线、石家庄和秦皇岛为顶点的单中心三角型空间结构,且核心、节点城市创新效率相对较低。与京津冀不同,长三角的多中心创新关联空间结构较为明显,呈现以上海为核心,以苏州、无锡、常州、南京、杭州、合肥和宁波为节点的网状结构,核心与节点城市间的创新关联强度较大,创新关联节点与创新效率高地的一致程度高。粤港澳创新关联空间结构呈现以广州和深圳为核心,以东莞、佛山、惠州、珠海和汕头为节点的核心—外围特征,核心区内部的创新关联较为紧密,创新效率较高,但核心与外围间的创新关联性较弱。与京津冀相比,粤港澳创新关联空间结构的核心区集聚水平高,且创新效率居于优势地位,核心对外围的创新辐射势差相对合理。
图6 2009—2019年京津冀、长三角和粤港澳地区创新关联空间格局

Fig. 6 Spatial pattern of innovation correlation in Beijing-Tianjin-Hebei region, Yangtze River Delta and Guangdong-Hong Kong-Macao region, 2009-2019

综合来看,京津冀地区呈现单中心的创新关联空间结构,创新空间影响力相对较高,融入全国专利转移网络的广度和深度不断增强,但地区内部创新关联强度偏弱且结构松散,创新联系的距离成本较高,域内知识溢出水平相对较低。同时,京津冀地区创新成果转化多依赖域外的全国专利转移网络,产学研协同发展的本地化程度不高。故而,京津冀地区与全国创新中心的距离较长三角、粤港澳更远,相对远离创新机会,不利于创新效率的提升。

4.3 分割：创新分割相对严重

单位距离专利转移数量反映了地区间创新关联的有效强度。即在距离给定前提下,地区间的专利转移数量越多,则相应影响地区间创新关联的分割因素越小,因此其与创新分割程度成反比。借助自然断点法将三大地区专利输入与输出强度分为5个等级,图7展示了2019年三大地区专利输入与输出强度的空间格局特征。从专利输入强度角度看,京津冀的专利输入强度相对较低,除京津外,整体处于中低等级,创新分割现象相对严峻,且具有两极分化趋势。相较京津冀,长三角的专利输入强度相对更高,高等级核心节点城市数量较多且更为集中,专利输入强度的空间集聚水平较高,“知识市场”的规模效应较强;粤港澳专利输入强度核心区的空间范围相较京津冀核心区更广,专利输入强度等级分层更为合理。从专利输出强度角度看,京津冀专利输出强度相对较低,中高等级专利输出强度城市的数量较长三角和粤港澳仍有一定差距,且内部城市的专利输出强度等级分布出现断层,城市间的创新分割差异性较大。从专利输入与输出强度对比角度看,京津冀专利输出强度等级略高于专利输入,表明京津冀的知识溢出空间分割弱于知识吸收,参与全国创新分工的“知识工厂”地位更加明确。相较京津冀,长三角的专利输入与输出强度较为接近,知识吸收与知识溢出的空间分割差距较小;粤港澳的专利输出强度高于专利输入,知识溢出空间分割弱于知识吸收。
图7 2019年京津冀、长三角和粤港澳地区专利转移强度空间格局

Fig. 7 Spatial pattern of patent transfer intensity in Beijing-Tianjin-Hebei region, Yangtze River Delta and Guangdong-Hong Kong-Macao region in 2019

综合来看,京津冀专利输入与输出强度相对较低,创新分割程度高于长三角和粤港澳;内部核心节点城市间的专利转移强度差距较大,存在两极分化趋势,内部创新分割的空间异质性较为突出;专利输出强度高于专利输入强度,相较知识溢出,知识吸收空间分割更为严峻。较高的创新分割阻碍创新效率提升。

4.4 异质：异质优势相对薄弱

表4展示了2019年三大地区异质特征的比较分析内容。从地区国有经济成分角度看,京津冀国有经济成分占比较高,约为长三角的1.81倍、粤港澳的2.95倍,内部各城市国有经济成分在三大地区中的平均排名远高于长三角和粤港澳。中国的基本经济制度以公有制为主体,国有企业作为公有制主体的重要部分,相应承担更多社会责任、担负额外的社会成本,叠加国有企业政治成本较高、管理制衡机制不健全等因素,故而创新效率相对不高[47]。因此,京津冀国有成分占比较高不利于其创新效率提升。
表4 2019年京津冀、长三角和粤港澳地区异质特征比较分析

Tab. 4 Comparative analysis of heterogeneous characteristics of Beijing-Tianjin-Hebei region, Yangtze River Delta and Guangdong-Hong Kong-Macao region in 2019

区域 国有经济成分 数字化水平 城镇化率 研发支出结构
占比(%) 排名 占比(%) 排名 占比(%) 排名 占比(%) 排名
北京 57.632 1 73.241 2 86.600 7 12.768 75
天津 29.076 9 57.794 21 83.200 10 46.100 71
石家庄 14.127 32 56.313 28 65.050 34 65.547 64
上海 41.891 4 68.874 6 88.100 6 38.743 74
南京 50.857 2 64.242 10 86.120 9 42.662 72
苏州 3.164 70 62.662 14 77.000 13 80.738 52
杭州 18.578 25 67.757 7 78.500 12 55.975 70
合肥 23.776 15 62.861 12 76.330 14 59.466 68
广州 28.579 10 63.043 11 86.460 8 42.209 73
深圳 0.070 75 81.457 1 99.520 1 79.090 55
佛山 4.748 66 54.666 33 95.000 2 90.475 33
京津冀 35.165 19 69.836 35 66.593 44 28.720 46
长三角 19.386 41 61.132 38 68.447 36 69.079 37
粤港澳 11.940 43 70.839 39 71.400 39 74.709 35
从数字化水平角度看,京津冀发明专利申请中的数字专利占比为69.84%,高于长三角,略低于粤港澳,但内部数字化水平差距较大,数字经济协同发展水平不及长三角。京津冀核心城市的知识结构数字化程度较高,数字赋能经济发展的知识基础较好,相应借助数字经济发展带动经济提质增效的内在动力较为充足[48]。但地区内部的城市间数字化水平差距较大,数字经济协同发展水平偏低,可能不利于地区整体创新效率提升。
从城镇化水平角度看,京津冀城镇化率低于长三角和粤港澳,节点城市石家庄的城镇化率低于三大地区核心节点城市的均值,即京津冀城镇化率相对较低且内部差距突出。较低的城镇化率意味着本地产品和要素市场规模相对有限,通过集聚效应共享本地创新资源、降低交易成本和提升知识溢出水平的内在动力相对不足[49],引致创新效率增长乏力。
从研发支出结构角度看,京津冀规模以上工企R&D经费内部支出占总支出比例为28.72%,约为长三角的41.58%、粤港澳的38.44%,研发经费流入企业的占比较低。三大地区核心城市的企业研发支出占比低于各自节点城市,核心城市与节点城市研发支出结构存在空间分异现象。相关研究表明,企业部门的创新效率相对更高[50]。京津冀研发支出重心偏离企业部门,导致低创新效率部门研发资源相对过剩和高创新效率部门研发资源相对不足,这一创新资源的结构性错配将间接提高创新成本,降低整体创新效率水平。
综合来看,京津冀异质优势相对薄弱,表现为国有经济成分较高、数字化水平内部差异较大、城镇化率偏低和研发支出偏离企业部门等。这些差异导致京津冀面临创新成本相对较高、创新数字化转型整体性不强、集聚正外部性发挥受限和创新资源错配严峻等问题,最终导致创新相对无效率。

5 京津冀地区创新相对效率的“4D”因素检验

5.1 计量模型设定

为验证京津冀地区创新地理相对无效率是京津冀经济增长相对衰落的主因,在此借助计量模型检验“4D”因素对京津冀地区创新相对效率是否具有显著影响。若存在显著影响,则表明京津冀地区创新地理相对无效率可以解释其创新相对无效率,也就可以回溯京津冀经济增长相对衰落的动力路径,解释京津冀地区经济增长的相对衰落。借助面板固定效应模型展开进一步分析[40],模型设定如下：
t e i j t = β 0 + β 1 d e n i j t + β 2 d i s i j t + β 3 d i v i j t + β 4 d i f i j t + β k X i j t + μ i + η t + ε i j t
式中：i和j表示三大地区中的不同城市;因变量teijt为第t年城市i相对于城市j的创新相对效率值（i ≠ j,下同）,即i城市创新效率与j城市创新效率的比值;denijt、disijt、divijt和difijt依次表示第t年城市i与城市j的相对密度、相对距离、相对分割和相对异质特征。计量回归中的稳健标准误聚类至城市对层面,各变量均以对数形式进入模型。在上述模型基础上,本文进一步考察京津冀“4D”相对特征对创新全要素生产率相对增长水平的影响,辅以稳健性检验。模型设定如下：
t f p c h i j t = β 0 + β 1 d e n i j t + β 2 d i s i j t + β 3 d i v i j t + β 4 d i f i j t + β k X i j t + μ i + η t + ε i j t
式中：因变量为第t年城市i与城市j之间的创新全要素生产率相对增长水平,其他变量设定同（1）式。两类计量模型中用以构造相对水平指标的城市指标与前述分析一致（表1）。

5.2 实证结果分析

基于京津冀—长三角/粤港澳两两城市间的对应关系,构建2009—2019年京津冀地区内部各城市相对于长三角、粤港澳各城市的创新相对效率研究面板数据,借助固定效应面板计量模型,检验城市间“4D”特征变动对京津冀创新相对效率的影响是否显著存在,以及相应作用强度。同时,为增强研究结论的一般性,一并考察了三大地区城市间创新相对效率的“4D”影响强度。实证结果如表5所示,模型1~4为创新相对效率回归结果,模型5~6为创新全要素生产率相对增长水平回归结果,奇数序号模型基于京津冀—长三角/粤港澳两两城市视角,偶数序号模型基于三大地区两两城市视角。
表5 京津冀地区创新相对效率的影响因素实证结果

Tab. 5 Empirical results of factors influencing the relative efficiency of innovation in Beijing-Tianjin-Hebei region

模型1 模型2 模型3 模型4 模型5 模型6
灯光相对密度 -0.385***
(0.070)		 -0.126***
(0.037)		 -0.226***
(0.056)		 -0.115***
(0.033)		 -0.145***
(0.046)		 -0.076***
(0.026)
人口相对密度 -0.157**
(0.069)		 -0.338***
(0.080)		 -0.345***
(0.048)		 -0.496***
(0.063)		 -0.586***
(0.134)		 -0.630***
(0.177)
知识吸收相对距离 0.033***
(0.012)		 0.056***
(0.006)		 0.039***
(0.009)		 0.051***
(0.005)		 0.056***
(0.008)		 0.063***
(0.005)
知识溢出相对距离 0.034***
(0.013)		 0.017**
(0.007)		 0.021**
(0.010)		 0.004
(0.006)		 -0.005
(0.008)		 -0.049***
(0.004)
知识吸收相对强度 0.050***
(0.012)		 0.069***
(0.006)		 0.056***
(0.009)		 0.062***
(0.005)		 0.044***
(0.008)		 0.038***
(0.004)
知识溢出相对强度 0.011
(0.012)		 0.032***
(0.006)		 0.011
(0.009)		 0.008
(0.005)		 -0.029***
(0.008)		 -0.042***
(0.004)
国有经济相对水平 -0.178***
(0.025)		 -0.170***
(0.012)		 -0.182***
(0.019)		 -0.176***
(0.011)		 0.015
(0.014)		 -0.018***
(0.007)
数字化相对水平 0.190***
(0.033)		 0.029
(0.018)		 0.084***
(0.026)		 0.025
(0.016)		 0.144***
(0.023)		 0.101***
(0.012)
城镇化相对水平 0.665***
(0.221)		 0.620
(0.464)		 0.693***
(0.110)		 0.726***
(0.064)		 0.111
(0.085)		 0.066
(0.047)
研发支出相对结构 0.521***
(0.063)		 0.401***
(0.139)		 0.359***
(0.046)		 0.527***
(0.130)		 0.196***
(0.033)		 0.235***
(0.021)
研发强度相对水平 0.245***
(0.018)		 0.206***
(0.013)		 0.154***
(0.016)		 0.099***
(0.011)
经济发展相对水平 0.130***
(0.028)		 0.151***
(0.016)		 0.044**
(0.021)		 0.074***
(0.011)
开放强度相对水平 0.030***
(0.009)		 0.003
(0.006)		 0.014
(0.011)		 0.018***
(0.004)
人力资本相对水平 0.455***
(0.032)		 0.358***
(0.019)		 0.247***
(0.027)		 0.144***
(0.014)
城市固定 Yes Yes Yes Yes Yes Yes
时间固定 Yes Yes Yes Yes Yes Yes
样本量 8866 30525 8866 30525 8866 30525
R 2 0.571 0.594 0.673 0.697 0.602 0.617

注：括号内为城市对层面聚类稳健标准误;***：p < 0.01,**：p < 0.05,*：p < 0.1。

（1）灯光相对密度和人口相对密度对创新相对效率、创新全要素生产率相对增长水平具有显著负向影响,这一结果表明地区经济和人口集聚的过密与过疏程度相对提升不利于其创新相对效率的提高,并抑制创新全要素生产率的相对增长。京津冀协同发展以疏解北京非首都功能为“牛鼻子”,其内涵便是保障京津冀经济和人口集聚的相对均衡,降低北京资源过度集聚推升的拥挤成本,提高京津冀资源配置效率,进而解决京津冀生产效率和创新效率相对较低的问题。京津冀创新相对效率较低而经济和人口集聚的过密与过疏程度相对较高,显然不利于其创新效率的提升。疏解北京非首都功能,优化京津冀经济和人口集聚的过密与过疏空间格局,是解决其创新相对无效率的重要途径之一。
（2）知识吸收相对距离对地区创新相对效率和创新全要素生产率相对增长水平具有显著促进作用;知识溢出相对距离显著促进地区创新相对效率提升,但强度相较知识吸收相对距离更低,并显著地抑制创新全要素生产率的相对增长。地区知识吸收的相对距离越远,本地知识吸收的空间范围越广,相应专利转化市场势力更强、需求更旺盛,距离创新产业链高端和创新成果产业化机会更近,利于本地创新效率提升;知识溢出相对距离越远,本地专利产出的空间流动范围越广,也意味着本地创新成果转化能力相对不足,可能引致主动知识溢出低于被动知识溢出,相对处于创新产业链的中低端,由需求引领的创新产出活动不足,从而抑制创新全要素生产率的相对增长。
（3）知识吸收相对强度对地区创新相对效率和创新全要素生产率相对增长水平具有显著促进作用;知识溢出相对强度对地区创新相对效率无稳健且显著的促进作用,但对地区创新全要素生产率相对增长水平具有抑制作用。地区知识吸收强度越高,则本地与邻近地区基于专利转移市场的空间网络联系越紧密,创新分割因素越弱,越有利于形成以本地为核心的创新大市场,创新的规模经济和分工更为完善,利于本地创新效率提高;地区知识溢出强度越高,本地的专利转化能力相应越弱,邻近地区对本地的创新虹吸效应越严重,可能由专利转出引发人才、资本的加速外流,不利于提高本地创新全要素生产率的相对增长水平。
（4）地区国有经济相对水平的提升显著抑制创新相对效率提高和创新全要素生产率的相对增长,意味着地区经济中的国有经济成分较高不利于其创新效率收敛于高效率地区[47]。地区数字化相对水平对创新相对效率和创新全要素生产率相对增长水平具有显著促进作用。数字经济发展具有优化创新资源配置、打破创新边界和提高创新规模效应等优势,进而提高创新效率[48]。地区城镇化相对水平提高显著促进创新相对效率提高,但对创新全要素生产率相对增长水平无显著影响。城镇化伴随着集聚经济产生,集聚带来的共享、匹配与学习机制促进企业生产率增长[49],进而利于地区创新效率的提升。由于城镇化过程较少直接作用于创新活动,可能对创新效率的增速作用有限。地区研发支出相对结构对创新相对效率和创新全要素生产率相对增长水平具有显著促进作用,即地区研发支出偏重企业部门将显著促进地区整体创新效率的提高[50]。
综合来看,“4D”因素对创新相对效率和创新全要素生产率相对增长水平具有显著促进作用,其中异质的作用强度相对最高,密度次之,距离和分割相对居后,这一结论在不同样本数据和使用多类核心变量条件下依然稳健。

6 结论与启示

本文基于“4D”框架,首先分析京津冀与长三角、粤港澳的经济效率、创新竞争力和创新效率演变趋势差异,指出京津冀经济增长相对衰落的动力路径,提出京津冀地区经济相对衰落的创新地理相对无效率假说;其次,基于“4D”框架剖析京津冀地区创新地理特征,观测其是否处于创新地理相对无效率状态;最后,利用面板计量模型检验“4D”因素是否显著影响京津冀的创新相对效率,验证京津冀地区经济相对衰落的创新地理相对无效率假说的正确性和有效性。结论为：① 京津冀地区存在经济相对衰落、经济TFP相对降低和创新水平相对下滑现象,具有创新相对无效率特征;京津冀地区经济增长相对衰落的动力路径为：“创新地理相对无效率→创新相对无效率→创新水平相对偏低→经济TFP相对下滑→经济增长相对衰落”。② 京津冀地区经济、人口和创新过密与过疏并存,且相对远离创新中心、创新分割相对严峻、异质优势相对薄弱,即“4D”密度、距离、分割和异质是导致京津冀地区创新相对无效率的经济地理原因。③ 计量分析结果表明,京津冀地区创新地理相对无效率是其创新相对无效率的根源,而基于“4D”框架重塑京津冀创新地理可以显著促进其创新效率提升。
京津冀地区只有千方百计提升创新效率,才能集聚创新资源,进而形成全国创新驱动经济增长引擎,摆脱经济相对下滑困境,加速全国区域协调发展进程。因此,必须基于密度、距离、分割、异质再塑创新地理。① 优化提高创新密度。以推动“2+4+46”从产业转移平台向创新增长极转变为基础,以共建跨省市的创新协作平台为契机,深入推进创新地理多中心化。② 缩短创新转化距离。发挥河北区域多样性优势,在积极深入推进“京津研发河北转化”的同时,着力壮大雄安新区、石家庄、唐山等地研发功能,发展“河北研发河北转化”“河北研发京津转化”,形成多模式交织的区域协同创新新格局。③ 弱化区域创新分割。强化区域内部创新关联网络,形成产学研一体化发展和知识体系集成创新的新模式,打破全球、全国、本地创新网络之间的分割,加快形成全球化、本土化相结合的区域协同创新共同体。④ 塑造高效的区域特色创新体制。深化国家企事业单位创新系统改革。吸引集聚民营和外商创新资本,促进多种创新资本交叉融合、并存发展。加快数字化转型,借助信息赋能优势,实现创新资源的组织协调和再配置。高质量推进城镇化进程,壮大本地市场潜能。加快探索更加有效的创新要素配置体制机制,提高企业部门创新要素投入占比。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Yang Kaizhong. Under the new development pattern, the gap between North and South may converge in fluctuations. Popular Tribune, 2021(12): 17-20.

[杨开忠. 新发展格局下南北差距或将在波动中走向收敛. 群言, 2021(12): 17-20.]

[2]
Sheng Laiyun, Zheng Xin, Zhou Ping, et al. Analysis of the reasons for the widening gap between north and south of my country's economic development. Management World, 2018, 34(9): 16-24.

[盛来运, 郑鑫, 周平, 等. 我国经济发展南北差距扩大的原因分析. 管理世界, 2018, 34(9): 16-24.]

[3]
Yang Minghong, Ju Dong, Tu Kaijun. "North-South gap": Facts, causes and challenges of China's regional development pattern evolution. Economic Theory and Business Management, 2021, 41(4): 97-112.

[杨明洪, 巨栋, 涂开均. “南北差距”: 中国区域发展格局演化的事实、成因与政策响应. 经济理论与经济管理, 2021, 41(4): 97-112.]

[4]
Xu Xianchun, Lei Zekun, Dou Yuanyuan, et al. Research on gap of balanced development between the north and the south of China: Analysis based on "China Balanced Development Index". China Industrial Economics, 2021(2): 5-22.

[许宪春, 雷泽坤, 窦园园, 等. 中国南北平衡发展差距研究: 基于“中国平衡发展指数”的综合分析. 中国工业经济, 2021(2): 5-22.]

[5]
Wang Ting, Cheng Hao, Wang Kebin. Interregional labor mobility, demographic dividend, and total factor productivity growth: The transformation of China's demographic dividend in the new era. Population Research, 2020, 44(2): 18-32.

[王婷, 程豪, 王科斌. 区域间劳动力流动、人口红利与全要素生产率增长: 兼论新时代中国人口红利转型. 人口研究, 2020, 44(2): 18-32.]

[6]
Lyu Daguo, Geng Qiang, Jian Ze, et al. Market size, labor cost and location of heterogeneous firms: Solving the riddle of economic and productivity gaps in China. Economic Research Journal, 2019, 54(2): 36-53.

[吕大国, 耿强, 简泽, 等. 市场规模、劳动力成本与异质性企业区位选择: 中国地区经济差距与生产率差距之谜的一个解释. 经济研究, 2019, 54(2): 36-53.]

[7]
Yang Kaizhong, Fan Bokai, Dong Yaning. Qualities of space, innovation, and productivity of Chinese cities. Business and Management Journal, 2022, 44(1): 47-64.

[杨开忠, 范博凯, 董亚宁. 空间品质、创新活力与中国城市生产率. 经济管理, 2022, 44(1): 47-64.]

[8]
Melitz M J, Redding S J. Trade and innovation. NBER Working Paper 28945, 2021. DOI: 10. 3386/w28945.

DOI

[9]
Dong Yaning, Yang Kaizhong, Gu Yun. Innovation cost, space segmentation and innovation growth differentiatio: Based on spatial economic growth theory. China Soft Science, 2021(7): 87-96.

[董亚宁, 杨开忠, 顾芸. 创新成本、空间分割与创新增长分异研究: 基于空间经济增长理论. 中国软科学, 2021(7): 87-96.]

[10]
Tsai K H, Wang J C. R&D productivity and the spillover effects of high-tech industry on the traditional manufacturing sector: The case of Taiwan. World Economy, 2004, 27(10): 1555-1570.

DOI

[11]
Yu Jingtao, Yang Dali. Government R&D investment, economic freedom and innovation efficiency: The empirical evidence from 24 innovation-oriented countries. China Soft Science, 2018(7): 181-192.

[于惊涛, 杨大力. 政府投入、经济自由度与创新效率: 来自24个领先国家的实证经验. 中国软科学, 2018(7): 181-192.]

[12]
Zhao Zengyao, Zhang Xiaobo, Shen Neng. Multidimensional spillover effect of regional cooperative innovation efficiency. China Industrial Economics, 2015(1): 32-44.

[赵增耀, 章小波, 沈能. 区域协同创新效率的多维溢出效应. 中国工业经济, 2015(1): 32-44.]

[13]
Buesa M, Heijs J, Baumert T. The determinants of regional innovation in Europe: A combined factorial and regression knowledge production function approach. Research Policy, 2010, 39(6): 722-735.

DOI

[14]
Bai Junhong, Jiang Fuxin. Synergy innovation, spatial correlation and regional innovation performance. Economic Research Journal, 2015, 50(7): 174-187.

[白俊红, 蒋伏心. 协同创新、空间关联与区域创新绩效. 经济研究, 2015, 50(7): 174-187.]

[15]
Jin Laiqun, Hu Shancheng, Zhang Bochao. Study on structural misallocation degree of innovation resources in China. Studies in Science of Science, 2019, 37(3): 545-555.

[靳来群, 胡善成, 张伯超. 中国创新资源结构性错配程度研究. 科学学研究, 2019, 37(3): 545-555.]

[16]
Dai Kuizao, Liu Youjin. Factor market distortion and innovation efficiency: Empirical evidence of China's high-tech industries. Economic Research Journal, 2016, 51(7): 72-86.

[戴魁早, 刘友金. 要素市场扭曲与创新效率: 对中国高技术产业发展的经验分析. 经济研究, 2016, 51(7): 72-86.]

[17]
Zhu Zhujun, Huang Xianhai, Wang Yi. FDI entry and the solution to the double low dilemma of Chinese innovation. Economic Research Journal, 2020, 55(5): 99-115.

[诸竹君, 黄先海, 王毅. 外资进入与中国式创新双低困境破解. 经济研究, 2020, 55(5): 99-115.]

[18]
Liang Shengrong, Luo Liangwen. The dynamic effect of international R&D capital technology spillovers on the efficiency of green technology innovation. Science Research Management, 2019, 40(3): 21-29.

[梁圣蓉, 罗良文. 国际研发资本技术溢出对绿色技术创新效率的动态效应. 科研管理, 2019, 40(3): 21-29.]

[19]
Lyu Lachang, Huang Ru, Liao Qian. Several theoretical issues on innovation geography. Scientia Geographica Sinica, 2016, 36(5): 653-661.

DOI

[吕拉昌, 黄茹, 廖倩. 创新地理学研究的几个理论问题. 地理科学, 2016, 36(5): 653-661.]

DOI

[20]
Xie Lulu. Do industrial agglomeration and innovation incentives improve regional innovation efficiency? An empirical study of urban agglomerations in the Yangtze River Delta. Economist, 2019(8): 102-112.

[谢露露. 产业集聚和创新激励提升了区域创新效率吗: 来自长三角城市群的经验研究. 经济学家, 2019(8): 102-112.]

[21]
Wei Dongming, Gu Naihua. Does CR-express train promote regional innovation efficiency. Studies in Science of Science, 2021, 39(12): 2253-2266.

[韦东明, 顾乃华. 中欧班列开通能否推动区域创新效率的提升. 科学学研究, 2021, 39(12): 2253-2266.]

[22]
Hoover E M. Introduction to Regional Economics. Wang Yilong, trans trans. Beijing: The Commercial Press, 1990.

[埃德加·M·胡佛. 区域经济学导论. 王翼龙, 译. 北京: 商务印书馆, 1990.]

[23]
Porter M E. The Competitive Advantage of Nations. New York: Free Press, 1990.

[24]
Yang Kaizhong. China's Western Development Strategy. Guangzhou: Guangdong Education Publishing House, 2001.

[杨开忠. 中国西部大开发战略. 广州: 广东教育出版社, 2001.]

[25]
Yang Kaizhong. To overcome the uneconomical spatial pattern in the development of the west. Economic Daily, 2003-09-19.

[杨开忠. 西部开发要克服空间格局不经济. 经济日报, 2003-09-19.]

[26]
Yang Kaizhong. Western development calls four strategies. Land Bridge Vision, 2003(Z1): 24-25.

[杨开忠. 西部开发呼唤四大战略. 大陆桥视野, 2003(Z1): 24-25.]

[27]
World Bank. World Development Report 2009, Reshaping Economic Geography. World Bank: Washington D C, 2009.

[28]
Krugman P. Increasing returns and economic geography. Journal of Political Economy, 1991, 99(3): 483-499.

DOI

[29]
Starrett D. Market allocations of location choice in a model with free mobility. Journal of Economic Theory, 1978, 17(1): 21-37.

DOI

[30]
Yang Kaizhong, Dong Yaning, Xue Ling, et al. Retrospect and prospect of "New" New Economic Geography. Social Sciences in Guangxi, 2016(5): 63-74.

[杨开忠, 董亚宁, 薛领, 等. “新”新经济地理学的回顾与展望. 广西社会科学, 2016(5): 63-74.]

[31]
Henderson J V. The sizes and types of cities. American Economic Review, 1974, 64(4): 640-656.

[32]
Baldwin R E, Okubo T. Heterogeneous firms, agglomeration and economic geography: Spatial selection and sorting. Journal of Economic Geography, 2005, 6(3): 323-346.

DOI

[33]
Behrens K, Duranton G, Robert-Nicoud F. Productive cities: Sorting, selection, and agglomeration. Journal of Political Economy, 2014, 122(3): 507-553.

DOI

[34]
Yang Kaizhong. The new logic of Beijing-Tianjin-Hebei coordinated development: Local quality-driven development. Economy and Management, 2019, 33(1): 1-3.

[杨开忠. 京津冀协同发展的新逻辑: 地方品质驱动型发展. 经济与管理, 2019, 33(1): 1-3.]

[35]
Yang Kaizhong, Gu Yun, Dong Yaning. Qualities of space, talent location and human capital growth: Based on new spacial economics. Systems Engineering-Theory & Practice, 2021, 41(12): 3065-3078.

[杨开忠, 顾芸, 董亚宁. 空间品质、人才区位与人力资本增长: 基于新空间经济学. 系统工程理论与实践, 2021, 41(12): 3065-3078.]

DOI

[36]
Yang Kaizhong. China's western development strategy for modernization drive. China Economist, 2021(3): 62-83.

[37]
Yang Kaizhong, Dong Yaning. Research on restricting factors and countermeasures of ecological protection and high-quality development of Yellow River basin: Analysis based on the multi-dimensional framework of "element-space-time". Journal of Hydraulic Engineering, 2020, 51(9): 1038-1047.

[杨开忠, 董亚宁. 黄河流域生态保护和高质量发展制约因素与对策: 基于“要素—空间—时间”三维分析框架. 水利学报, 2020, 51(9): 1038-1047.]

[38]
Yang Kaizhong, Wang Yuanyu, Hu Xiao. The spatial economic base for promoting the economic revitalization of northeast China. Economic Review Journal, 2021(10): 11-22.

[杨开忠, 王媛玉, 胡校. 推动东北振兴取得新突破的空间经济基础. 经济纵横, 2021(10): 11-22.]

[39]
Liu Shufeng, Du Debin, Qin Xionghe, et al. Spatial-temporal pattern and influencing factors of China's innovation efficiency based on innovation value chain. Scientia Geographica Sinica, 2019, 39(2): 173-182.

DOI

[刘树峰, 杜德斌, 覃雄合, 等. 基于创新价值链视角下中国创新效率时空格局与影响因素分析. 地理科学, 2019, 39(2): 173-182.]

DOI

[40]
Liu Chengliang, Guan Mingming, Duan Dezhong. Spatial pattern and influential mechanism of interurban technology transfer network in China. Acta Geographica Sinica, 2018, 73(8): 1462-1477.

DOI

[刘承良, 管明明, 段德忠. 中国城际技术转移网络的空间格局及影响因素. 地理学报, 2018, 73(8): 1462-1477.]

DOI

[41]
Xia Jijun, Wang Lei. Entry barriers, market structure and productivity in China's manufacturing industry. World Economic Papers, 2015(1): 50-64.

[夏纪军, 王磊. 中国制造业进入壁垒、市场结构与生产率. 世界经济文汇, 2015(1): 50-64.]

[42]
Wu Yifan, Liu Yansui, Li Yurui. Spatio-temporal coupling of demographic-landscape urbanization and its driving forces in China. Acta Geographica Sinica, 2018, 73(10): 1865-1879.

DOI

[吴一凡, 刘彦随, 李裕瑞. 中国人口与土地城镇化时空耦合特征及驱动机制. 地理学报, 2018, 73(10): 1865-1879.]

DOI

[43]
Li Xibao. A case study on the changes in the innovation capability of China's regions: A concept based on the innovation system. Management World, 2007(12): 18-30, 171.

[李习保. 中国区域创新能力变迁的实证分析: 基于创新系统的观点. 管理世界, 2007(12): 18-30, 171.]

[44]
Zhang Lixian, Ren Zhehao, Chen Bin, et al. A Prolonged Artificial Nighttime-light Dataset of China (1984-2020). Beijing: National Tibetan Plateau Data Center, 2021. DOI: 10.11888/Socioeco.tpdc.271202.

DOI

[张立贤, 任浙豪, 陈斌, 等. 中国长时间序列逐年人造夜间灯光数据集(1984—2020). 北京: 国家青藏高原科学数据中心, 2021. DOI: 10.11888/Socioeco.tpdc.271202.]

DOI

[45]
Banker R D, Charnes A, Cooper W W. Some models for estimating technical and scale inefficiencies in data envelopment analysis. Management Science, 1984, 30(9): 1078-1092.

DOI

[46]
Guan J C, Zuo K R, Chen K H, et al. Does country-level R&D efficiency benefit from the collaboration network structure? Research Policy, 2016, 45(4): 770-784.

DOI

[47]
Wu Yanbing. The dual efficiency losses in Chinese state-owned enterprises. Economic Research Journal, 2012, 47(3): 15-27.

[吴延兵. 国有企业双重效率损失研究. 经济研究, 2012, 47(3): 15-27.]

[48]
Goldfarb A, Tucker C. Digital economics. Journal of Economic Literature, 2019, 57(1): 3-43.

DOI

[49]
Duranton G, Puga D. Nursery cities: Urban diversity, process innovation, and the life cycle of products. American Economic Review, 2001, 91(5): 1454-1477.

DOI

[50]
Zhang Zonghe, Peng Changqi. An empirical research of regional technological innovation ability influence factors: Based on 30 provinces in China. China Industrial Economics, 2009(11): 35-44.

[张宗和, 彭昌奇. 区域技术创新能力影响因素的实证分析: 基于全国30个省市区的面板数据. 中国工业经济, 2009(11): 35-44.]

Options
文章导航

/

〈 〉