The Innovation Leadership Effect of the Central City on Beijing-Tianjin-Hebei Regions

Li Junjie1,Zhou Minliang1,2

(1.School of Applied Economics,University of Chinese Academy of Social Sciences,Beijing 102488,China; 2.Institute of Industrial Economics,Chinese Academy of Social Sciences,Beijing 100006,China)

Abstract：The Beijing-Tianjin-Hebei regions have played an important role in driving the high-quality regional development.However,for a long time,Beijing,as a central city,has failed to play a role of innovation leader,and the gap between Beijing and its neighboring cities in innovation development has been further widened,which has posed a major challenge for realizing the collaborative regional development.Therefore,it is of practical significance to make better use of the innovation leadership effect of Beijing and improve the innovation capability of the surrounding cities for the collaborative innovation development of Beijing,Tianjin and Hebei.

Drawing on the panel data of the Beijing-Tianjin-Hebei regions from 2010 to 2020,this paper systematically studies the innovation leadership effect of Beijing on its neighboring cities by using the two-way fixed-effect model and threshold effect model.It is found that the innovation capability of Beijing is far higher than that of the surrounding cities,and the innovation leadership effect significantly improves the innovation capability of the surrounding cities.Heterogeneity analysis shows that innovation leadership of Beijing has a strong effect on megacities and big cities in the Beijing-Tianjin-Hebei regions,national innovation pilot cities,coastal cities and cities with high administrative levels,for these cities tend to better play the role of innovation leadership and keep improving their innovation capabilities.The mechanism analysis shows that enterprise R&D,patent application and technology platform are important mechanisms for innovation leadership effect of Beijing to improve the innovation capability of surrounding cities,and the surrounding cities can focus on enterprise R&D,patent application and technology platform to carry out more extensive and deeper innovation cooperation with Beijing.The threshold effect analysis shows that the innovation leadership effect of Beijing on its neighboring cities has a nonlinear relationship and is affected by the threshold value of technological distance.When the technological distance is below the threshold value,the innovation leadership effect of Beijing is stronger,and Tianjin and Shijiazhuang are the cities in this range; otherwise,the innovation leadership effect of Beijing will be weakened.Cities in this range include Baoding,Tangshan,Langfang,Cangzhou,Xingtai,Handan,Qinhuangdao,Hengshui,Zhangjiakou and Chengde.

The research conclusions suggest that first it is critical to improve the policy design of innovation leadership in Beijing from a strategic perspective and enhance the innovation capability of Beijing.It is essential to closely integrate major national strategies such as the regional coordinated development strategy and the Beijing-Tianjin-Hebei coordinated development strategy,high-quality innovation resources with the formulation of Beijing's innovation leadership policies to further promote the construction of the Beijing-Tianjin-Hebei collaborative innovation community.Second,large cities in the Beijing-Tianjin-Hebei regions,national innovative pilot cities,coastal cities and cities with high administrative levels should formulate policies and take measures to further enhance innovation capability and improve innovation quality,and while other cities should give full play to their latecomer advantages,increase the investment in scientific research funds,create an innovation policy environment conducive to attracting talents,capital and innovative enterprises,and comprehensively improve urban innovation capacity.Third,it is necessary to give full play to the institutional role of corporate R&D,patent cooperation and technology platforms in Beijing's innovation leadership.Neighboring cities should formulate tax relief policies to encourage corporate R&D,strengthen cooperation and exchanges with relevant research institutions in Beijing,and provide preferential funds for technology development,transfer,consultation and service to speed up the construction of technology platform system and personnel training.Fourth,in order to shorten the technological distance with Beijing,the cities with strong technological capabilities should formulate strategic plans for the development of cutting-edge technologies,and set up special funds to support technical cooperation.For the cities with weak technological capabilities,they should increase the policy support in the introduction and training of technical talents,capital investment and other aspects,expand the channels of information collection,and formulate a reward system.With the focus on the influence of the innovation leadership effect of the central city on the innovation capability of surrounding cities,this paper provides the corresponding influence mechanism which is a useful supplement for related research.

Key Words：Central City; Beijing-Tianjin-Hebei Regions; Innovation Leadership Effect; Threshold Effect

收稿日期：2022-10-21

修回日期：2023-01-20

基金项目：中国社会科学院基础研究项目(2022);中国社会科学院大学(研究生院)研究生科研创新支持计划项目(2023-KY-73)

作者简介：李俊杰(1989-),男,河北张家口人,中国社会科学院大学应用经济学院博士研究生,研究方向为区域创新;周民良(1963-),男,陕西周至人,博士,中国社会科学院大学应用经济学院教授,博士生导师,中国社会科学院工业经济研究所研究员,研究方向为区域创新。

DOI：10.6049/kjjbydc.2022100607

开放科学(资源服务)标识码(OSID)：

中图分类号：F127.1

文献标识码：A

文章编号：1001-7348(2023)22-0065-10

0 引言

克里斯塔勒[1]的中心地理论指出,中心地是一定空间范围内的中心集聚区,其向周边城市提供各类商品和服务。从现代区域经济角度看,中心城市就是一定区域范围内的中心地,也是创新活动最为活跃的地区,可以为周边次一级或者低一级城市提供所需的创新产品和服务。京津冀地区作为我国创新活动较活跃的区域之一,对驱动区域高质量发展具有重要作用,但长期以来北京作为中心城市未能较好地发挥创新引领作用,与周边城市的创新发展差距进一步拉大[2],成为实现区域协调发展战略目标的主要挑战。因此,充分发挥北京创新引领效应,提升周边城市创新能力,缩小北京与周边城市的创新发展差距,成为促进区域协调发展、推动京津冀协同创新亟待解决的现实问题。

近年来,党中央高度重视重大区域发展战略制定与实施。自中共十八大以来,制定了京津冀协同发展、长三角一体化、粤港澳大湾区建设等系列重大区域发展战略,主张以重大区域战略带动全国高质量发展。2014年习近平总书记在考察北京时,明确首都“四个中心”的核心功能定位,其中之一就是将北京定位为全国科技创新中心。国家“十四五”规划和2035年远景目标纲要中提出,支持北京、上海、粤港澳大湾区打造国际科技创新中心。中共二十大报告再次强调,统筹推进国际科技创新中心、区域科技创新中心建设,提升国家创新体系整体效能。北京作为我国建设国际科技创新中心体系的重要组成部分,是确定的全国科技创新中心,也是京津冀协同创新的重要成员,在国际、国家、区域等不同层面都具有重要的创新发展功能。在以协同创新推动京津冀协同发展战略过程中,北京必然扮演区域科技创新中心并引领周边城市创新发展的关键角色。在此背景下,本文试图回答以下问题:作为中心城市,北京对周边城市的创新引领效应如何?对不同规模城市、是否入选国家创新型试点城市、沿海和内陆城市、不同行政等级城市的影响效应有何差异?通过何种机制影响周边城市创新能力?门槛效应呈现何种变化趋势?本文试图考察北京对周边城市的创新引领效应,识别北京创新引领效应与周边城市创新能力之间的内在联系,分析北京创新引领效应的异质性和门槛特征。这对深化京津冀协同创新研究乃至政策设计、制度安排,均具有重要的现实意义。

有关中心城市创新引领效应的研究主要包括3个方面:第一是关于中心城市创新的研究,主要涵盖中心城市创新首位度评价和比较[3]、创新首位度的经济成因[4]、科技成果转化[5]、创新与经济发展[6-8]等,这些文献侧重分析中心城市创新的内在属性,但忽视了中心城市的创新引领效应;第二是关于中心城市对城市群创新引领效应的研究,主要包括中心城市对城市群高质量发展[9]、规模结构变动[10]、产业结构调整(李洪涛等,2021)、协同创新[11]以及创新能力提升[12-13]的创新引领效应研究,类似地,学者们还从科研机构(杨雷等,2021)、上市公司[14]、产业集聚[15]、区域协同创新[16-17]等层面研究中心城市的创新引领效应,上述研究更加关注中心城市的创新引领效应,但忽视了对本地区相关城市创新能力提升的引领效应;第三是关于中心城市创新引领对京津冀地区带动效应的评价研究,如孙瑜康和李国平[18]认为,北京在提高自身创新能力的同时,并没有与其它城市在科研合作、技术交易、产业带动上达到预期效果。相关研究仅作了简单的差异化对比,并没有采用实证方法进行深入研究。鉴于此,本文将系统研究京津冀地区中心城市对周边城市的创新引领效应,并着重分析中心城市在创新引领中的异质性效应、作用机制和门槛特征。

与已有研究相比,本文可能的边际贡献主要有四方面:①已有文献只是侧重研究中心城市对周边城市非创新变量的创新引领效应,但较少研究中心城市对周边城市创新能力的创新引领效应,本研究是对现有文献的有益补充;②中心城市的创新引领效应对周边城市的影响存在城市规模、创新政策、地理区位和行政等级异质性,本项研究可以为政府制定差异化创新方案提供经验启示;③揭示中心城市创新引领效应对周边城市的机制性作用;④中心城市对周边城市的创新引领效应会受到技术距离的影响,当技术距离小于门槛值时,创新引领效应显著,当技术距离大于门槛值时,创新引领效应减弱。

1 理论分析

1.1 中心城市创新引领效应对周边城市创新能力的影响

中心地理论指出,中心地会向周边地区提供所需商品和服务。就创新而言,中心城市作为一定空间范围内的中心地,研发人员众多、研究经费充足、技术成果转化率较高,整体创新能力强于周边城市,对周边城市具有引领作用。同时,中心城市可以向周边城市输出创新意识、创新思维、人才、资金、技术等各种创新资源,与周边城市开展形式多样的创新合作,为周边城市提供所需创新产品与服务,进而对周边城市创新能力产生促进作用。据此,本文提出如下研究假设:

H1:中心城市创新能力强于周边城市。

H2:中心城市对周边城市具有正向创新引领效应。

1.2 中心城市对周边城市创新引领效应的作用机制

中心城市对周边城市创新引领的实质是中心城市主导、周边城市共同参与的合作创新。根据合作创新理论,企业研发、专利申请和技术平台合作是开展创新合作的主要形式[19]。其中,企业研发是知识创造和应用的系统化过程,也是进行专利申请和打造技术平台的基础。专利申请为企业研发和技术平台合作提供助力。技术平台是开展技术创新与合作的组织形式,是专利申请和企业研发的重要支撑。基于此,本文认为中心城市对周边城市创新引领效应的作用机制,主要体现在企业研发、专利申请和技术平台合作三方面。

(1)企业研发。企业是研发的重要主体,也是提升地区创新能力的重要力量[20]。现代科学技术发展迅猛,使得知识和技术日趋复杂化,跨行业、跨领域交叉成为科学研究和技术发展的新趋势。因此,企业凭借自身力量难以实现研发目标,需要与相关研发机构合作,发挥各自优势,把资本力量和创新力量集合起来,共同研发、共同获益。中心城市是一定空间范围内创新要素的集聚地,拥有企业创新所需的各类创新资源,可以通过人才、资金、信息共享等多元合作方式与周边城市企业进行研发合作,实现风险共担和利益共享,进而增强周边城市企业研发实力,进一步促进创新能力提升。

(2)专利申请。专利是反映城市创新能力的重要指标。中心城市通常是本地区的科技中心,拥有众多高素质科技从业人员和各种科技型服务机构,为周边城市进行专利申请创造良好条件,并在专利权利请求、知识产权保护、技术合同备案、专利许可转让等专利申请服务方面为周边城市提供高质量服务,进而增强周边城市专利申请竞争力,提升周边城市整体创新能力。基于此,中心城市能够为周边城市高校、企业、科研院所等创新主体在专利申请环节提供各种服务,不断增强周边城市创新实力。

(3)技术平台合作。技术平台是开展技术产品与服务合作的重要载体[21],也是提升城市创新能力的主要合作方式。中心城市与周边城市可以围绕国家或区域重大科技战略发展需求,确定合作目标、合作原则和合作内容,以合同形式与周边城市在技术开发、技术转让、技术咨询和服务等方面广泛合作,不断产生高质量合作成果,促进技术成果产业化,提升成果价值和地区创新能力。同时,通过开展技术平台合作,周边城市可以近距离接触相关前沿技术,缩小与中心城市的技术差距,培养本地区技术创新人才,进一步优化创新要素配置,提升本地区创新综合能力。据此,本文提出如下假设:

H3:中心城市创新引领效应通过企业研发、专利申请和技术平台合作等机制提升周边城市创新能力。

1.3 中心城市创新引领对周边城市创新能力的门槛效应

技术距离是衡量中心城市与周边城市技术差距的重要指标,技术距离越短,说明周边城市与中心城市的技术差距越小,反之亦然。中心城市对周边城市的创新引领会因技术距离变化呈现不同效应,使得中心城市创新引领效应与周边城市创新能力之间存在某种非线性关系,即门槛效应,主要表现在两方面:一方面,当周边城市与中心城市技术距离小于某个既定值时,中心城市创新引领效应显著。技术距离在某个既定范围内表明周边城市与中心城市的技术水平较接近,周边城市能够凭借优质的人才和技术储备,与中心城市开展各种创新合作,便捷地获取中心城市提供的各种创新资源,充分吸收新知识并将其应用到自身研发活动中,从而使得中心城市对周边城市的创新引领效应更显著。另一方面,当周边城市与中心城市的技术距离大于某个既定值时,中心城市的创新引领效应会减弱。随着中心城市与周边城市的技术距离不断拉大并超过某个既定值时,周边城市获取、理解、吸收和应用中心城市新知识与创新资源的难度增大,不利于发挥中心城市的创新引领效应。据此,本文提出如下假设:

H4:中心城市对周边城市的创新引领效应会受到技术距离影响。当技术距离小于某既定值时,中心城市的创新引领效应较显著,反之则较弱。

基于前述分析,构建中心城市对周边城市创新引领效应的理论框架,如图1所示。

2 研究设计

2.1 基准回归模型设定

为考察中心城市对周边城市的创新引领效应,构建计量模型如式(1)所示。

Innovcapit=β0+β1Innovledit+φControlit+μi+vt+εit

(1)

其中,Innovcapit表示城市i在t时期的创新能力,为模型的被解释变量。Innovledit表示中心城市在t时期对其它城市的创新引领效应,为模型的核心解释变量;Controlit为控制变量;μi表示城市固定效应,vt表示时间固定效应,εit表示随机误差项。

2.2 变量设定

(1)被解释变量:城市创新能力(Innovcap)。通过查阅相关文献发现,城市创新能力衡量没有统一标准,归纳起来主要有两种衡量方法:第一种方法是直接使用发明专利申请量或授权量等指标衡量城市创新能力[22]。然而,使用这种方法衡量城市创新能力依然存在诸多缺陷,例如专利申请的时效性、专利授权的滞后性等问题都可能造成研究结果出现偏误;第二种方法是根据相关机构提出的创新能力评价指标体系,采用熵值法进行综合评价,得出各城市创新能力得分[23]。虽然第二种方法没有统一的评价指标体系,但可以更全面系统地反映城市综合创新能力。

鉴于此,本文借鉴国家统计局《中国创新指数研究》及相关研究[24-25],按照指标选取的科学性、准确性和可得性,构建京津冀地区城市创新能力评价指标体系,具体见表1。

(2)核心解释变量:城市创新引领(Innovled)。通过相关文献发现,多数研究采用引力模型衡量城市创新引领效应[26-27]。引力模型如式(2)所示。

(2)

其中,Innovledij为中心城市i对周边城市j的创新引领效应,K为引力常数;Ci为中心城市创新能力,Cj为周边城市创新能力,Dij为中心城市与周边城市的空间直线距离。需要指出的是,为了便于数据处理,令K=1 000。

(3)控制变量。考虑到其它因素可能对城市创新能力产生影响,在参考现有文献的基础上,本文控制如下变量:①生态环境(Ecolenvi),生态环境良好不仅可以彰显城市魅力,而且可以吸引更多创新型企业和人才集聚,增强城市创新能力,本文采用每万人园林绿地面积衡量生态环境;②对外开放程度(Forecapi),对外开放程度较高的城市,能够吸引更多外商投资,也可以获得人才、技术和先进的管理经验,促进城市创新能力提升,本文采用实际利用外资衡量对外开放程度;③教育政策支持(Govedu),政府通过加大教育财政支出提高教育质量,不断提升城市创新能力,本文采用地方一般公共预算教育支出衡量教育政策支持;④产业结构升级(Induststr),其可以释放出更多创新要素,促进要素流向创新度更高的产业,实现产业创新能力提升,在一定程度上带动城市创新能力提高,参照汪伟等[28]、程开明和王桂梅[29]的研究,本文采用三次产业产值占地区生产总值比重的加权平均值衡量产业结构升级,即第一产业占比×1+第二产业占比×2+第三产业占比×3;⑤金融发展水平(Finance),创新对资金的需求量较大,金融发展水平高的城市能够为创新活动提供快速便捷的融资服务,不断增强创新活力,提升城市整体创新能力,本文采用金融机构年末存贷款余额衡量城市金融发展水平。

2.3 数据来源

本文选取京津冀地区城市面板数据为研究样本,数据来源于2011-2021年的《中国城市统计年鉴》《中国统计年鉴》《北京统计年鉴》《天津统计年鉴》《河北经济年鉴》《中国科技统计年鉴》《河北科技统计年鉴》以及河北11个地级市统计年鉴。另外,为降低异方差的影响,对部分变量数据进行对数化处理。表2为基准回归模型中主要变量的描述性统计结果。

3 实证分析

3.1 创新能力测算

根据创新能力评价指标体系,本文采用熵值法测算2010—2020年京津冀地区各城市创新能力。测算前,对二级指标进行标准化处理,以统一指标量纲。在此基础上,分别对二级指标赋予相应权重并计算二级指标单项得分,进而得出各城市创新能力综合得分。

图2展示了2010-2020年京津冀地区13个城市的创新能力。可以发现,作为中心城市,北京的创新能力远超其它城市,在本地区占据绝对优势。在集聚经济效应、外部经济效应和乘数效应的相互影响下,北京在科技人力投入、研发经费投入、科技创新成果产出与转化上都领先其它城市,具体见表3。2020年北京规模以上工业企业在R&D人员全时当量、R&D经费、专利申请数和新产品销售收入方面均高于其它城市,特别是与河北下辖城市相比,优势显著。其中,北京的R&D人员全时当量、R&D经费、新产品销售收入分别是唐山的2.59倍、2倍和2.64倍,同时,北京的专利申请数是保定的5.1倍。这进一步表明,北京的创新能力强于周边城市。据此,假设H1得到验证。

3.2 基准回归

表4报告了北京对周边城市创新引领效应的回归结果。其中,第(1)列是未考虑控制变量的估计结果,第(2)—(4)列是依次加入控制变量的估计结果。可以发现,无论是否加入控制变量,核心解释变量的估计系数均在1%水平上显著为正,表明北京的创新引领对周边城市创新能力提升具有正向效应。本文以第(4)列估计结果为基准进行分析,发现北京对周边城市创新引领效应的估计系数为2.267 4,说明北京的创新引领效应能够促进周边城市创新能力提升。据此,假设H2得到验证。

3.3 稳健性检验

(1)更换计量模型。采用双向固定效应模型进行分析时,可能存在同期相关和组间异方差等问题,从而造成回归结果偏误。本文采用面板矫正标准误回归模型重新估计,结果见表5的第(1)列。结果显示,北京创新引领效应的估计系数在1%的水平上显著为正,表明北京的创新引领对周边城市创新能力提升具有正向效应,验证了基准回归结果的稳健性。

(2)剔除极端值。在面板数据中,极端值的存在可能影响基准回归结果。本文对被解释变量作上下1%的缩尾处理后进行回归,回归结果见表5的第(2)列。可以发现,北京创新引领的估计系数在1%的水平上显著为正,说明北京创新引领对周边城市仍然具有正向效应,结论与基准回归结果一致,即基准回归结果的稳健性得到验证。

(3)调整样本期限。面板数据的样本期限会对基准回归结果产生影响,在缩短或延长样本期限时可能引起回归结果改变。本文将样本期限调整为2014—2020年,重点关注京津冀协同发展战略提出以来北京对周边城市创新能力的创新引领效应,见表5第(3)列。结果显示,北京创新引领效应的估计系数依然显著为正,与基准回归结果一致,表明基准回归结果具有稳健性。

(4)剔除直辖市。天津作为直辖市,在创新要素和创新资源方面优于河北所辖城市,并对北京创新引领效应产生较大影响。基于此,本文通过剔除天津的样本数据,考察北京创新引领对河北各地级市创新能力的影响效应,回归结果见表5第(4)列。结果显示,在剔除天津后,北京创新引领效应的估计系数在1%的水平上显著为正,表明北京的创新引领对河北各城市创新能力提升依然具有正向影响效应,与基准回归结果一致,进一步说明基准回归结果稳健。

4 拓展性分析

4.1 异质性分析

本文的异质性分析主要回答中心城市对周边城市的创新引领效应是否因城市规模、创新政策、地理区位、行政等级不同而存在异质性?为回答上述问题,本文进一步分析北京创新引领对周边城市创新能力影响的异质性效应。

(1)城市规模异质性。本文参照杨仁发和李胜胜[30]的做法,根据国务院于2014年发布的《关于调整城市规模划分标准的通知》,将京津冀地区中人口规模属于超大城市、大城市的城市虚拟变量赋值为1,人口规模为中等城市的赋值为0。在此基础上,将城市规模虚拟变量与北京创新引领效应的交互项纳入基准回归模型,探讨北京创新引领效应是否因城市规模不同而存在异质性。表6第(1)列报告了城市规模的异质性回归结果。结果显示,交互项系数在1%的水平上显著为正,表明北京创新引领对规模较大城市创新能力的影响效应更显著。规模较大城市的科研实力强、研发投入大、创新环境优良,有利于集聚更多优质创新要素与资源,能够更好地与北京开展创新合作,促使整体创新能力得到较大提升。相比之下,规模较小城市在科研实力、研发投入、创新环境等方面处于劣势,致使其在吸引各类创新要素与资源上弱于规模较大城市,在一定程度上抑制北京创新引领作用的发挥。

(2)创新政策异质性。本文以京津冀地区各城市是否入选国家创新型城市试点为依据,将纳入国家创新型试点的城市虚拟变量赋值为1,未纳入国家创新型试点的城市虚拟变量赋值为0,从而将创新政策虚拟变量与北京创新引领效应的交互项纳入基准回归模型,研究北京创新引领效应是否因创新政策不同而存在差异,回归结果见表6第(2)列。结果显示,交互项系数在1%的水平上显著为正,说明北京对入选国家创新型试点城市的创新引领效应更显著。国家创新型试点城市在国家相关政策的支持下,集聚了更多人才、资本和信息等创新要素,创新机制和政策环境相对完善,在北京的创新引领效应下,城市自主创新能力得到较大幅度提升。而未入选国家创新型试点的城市,无论是在创新资源和创新机构,还是在创新机制与环境上,都与入选城市存在一定差距,影响其与北京的创新合作,因此北京的创新引领效应对未入选国家创新型试点城市的作用有限。

(3)地理区位异质性。本文从地理区位视角考察北京创新引领效应的异质性,将京津冀地区划分为沿海城市和内陆城市,其中,沿海城市虚拟变量赋值为1,内陆城市虚拟变量赋值为0。进一步,构建北京创新引领效应与地理区位的交互项,并将其纳入基准回归模型,研究北京创新引领效应是否因地理区位不同而存在差异,回归结果见表6第(3)列。结果显示,北京创新引领效应与地理区位的交互项系数在1%的水平上显著为正,表明北京的创新引领对沿海城市的影响更显著,而对内陆城市的影响较小。这是因为沿海地区产业基础较好,科技创新要素集聚度高,区域创新体系相对完善,能够吸引更多人才、资金以及创新型企业进驻,从而使得北京的创新引领对该地区的影响效应更显著。相比之下,内陆地区的创新体系有待完善,在人才、资金等方面的吸引力逊于沿海地区,在一定程度上弱化了北京对该地区的创新引领效应。

(4)行政等级异质性。本文参照李政、杨思莹[31]的研究,从行政等级视角考察北京创新引领效应的异质性,将京津冀地区中的直辖市、省会城市作为高行政等级城市,其它城市作为低行政等级城市,其中,高行政等级城市的虚拟变量赋值为1,低行政等级城市赋值为0。在此基础上,将北京创新引领效应与行政等级的交互项纳入基准回归模型,探究北京创新引领效应是否因行政等级不同而存在异质性,回归结果见表6第(4)列。回归结果显示,北京创新引领效应与行政等级的交互项系数在1%的水平上显著为正,表明北京的创新引领对高行政等级城市的影响更大。这是因为高行政等级城市在经济发展、科教资源、技术研发、公共服务等方面优势明显,创新链和产业链之间衔接密切,北京的创新引领效应可以得到充分发挥。然而,低行政等级城市在经济发展、科教水平、技术基础等方面都相对落后,对北京创新引领效应具有一定抑制作用。

根据上述异质性分析,北京的创新引领对京津冀地区超大城市、大城市等规模较大城市、国家创新型试点城市、沿海城市和高行政等级城市的影响更显著,能够较好地发挥创新引领作用,提升上述城市的创新能力。

4.2 机制分析

基于前文理论分析,为进一步考察北京对周边城市创新引领效应的作用机制,构建如下模型:

InterVARit=β0+β1Innovledit+φControlit+μi+vt+εit

(3)

其中,InterVAR为中介变量,分别采用企业研发(lnFirmR)、专利申请(lnPatent)和技术平台合作(lnTechpla)3个变量进行替换,其它变量与基准回归模型一致。

(1)企业研发。本文采用城市企业研发项目数衡量企业研发,原因在于企业研发项目数可以近似地表征企业研发水平,在一定程度上能够反映企业研发基本情况。数据来自历年天津和河北11个城市统计年鉴。从表7的第(1)列回归结果发现,北京创新引领对周边城市企业研发的估计系数在1%的水平上显著为正,表明企业研发是北京创新引领促进周边城市创新能力提升的重要机制。据此,假设H3中关于企业研发的作用机制得以验证。

(2)专利申请。专利是城市创新能力的重要产出,在城市创新能力提升中发挥不可替代的作用。本文采用城市专利申请数表征,数据来源于历年《中国城市统计年鉴》中天津和河北11个城市相关数据。表7中第(2)列报告了北京创新引领对周边城市专利申请的回归结果。结果显示,北京创新引领对周边城市专利申请的估计系数在1%的水平上显著为正,表明专利申请是北京创新引领促进周边城市创新能力提升的有效机制。据此,假设H3中关于专利申请的作用机制得以验证。

(3)技术平台合作。高水平技术平台有助于提高技术成果质量,促进技术成果转化,提高技术成果商业价值,进而提升城市整体创新能力。本文采用城市工程技术研究中心、产业技术研究院和院士工作站数量之和表征技术平台,数据来自历年《天津科技统计年鉴》和《河北科技统计年鉴》。表7第(3)列报告了北京创新引领对周边城市技术平台合作的回归结果。结果显示,北京创新引领对周边城市技术平台的估计系数在10%的水平上显著为正,表明北京创新引领可以通过技术平台对周边城市创新能力提升产生正向效应。据此,假设H3中关于技术平台的作用机制得以验证。

由上述分析可知,企业研发、专利申请和技术平台合作是北京创新引领效应影响周边城市创新能力提升的重要机制,意味着周边城市可以在企业研发、专利申请和技术平台方面与北京开展更广泛、更深入的创新合作。据此,假设H3全部得证。

4.3 门槛效应分析

进一步考察北京创新引领效应随技术距离变化的情形。参照王菁[32]的研究,将中心城市与周边城市间的技术距离表示为二者专利申请量的比值。前述研究表明,北京对周边城市的创新引领效应是非线性的,存在门槛值。基于此,本文根据Hansen[33]提出的面板数据门槛效应模型对该门槛值进行估计,对基准回归模型进行优化,如式(4)所示。

Innovcapit=β0+δ1Innovledit(Techdist≤γ)+δ2Innovledit(Techdist>γ)+ηControlit+εit

(4)

其中,Techdist为技术距离,即门槛变量,γ为相应的门槛值,其它变量与基准回归模型一致。

本文对门槛效应进行自抽样检验以确定门槛类型,见表8。结果显示,在500次自抽样门槛效应检验下,北京创新引领效应在单一门槛检验中显著,在双重和三重门槛检验中不显著。因此,本文采用单一门槛效应模型进行回归分析。进一步,采用似然比统计量LR对门槛估计值的真实性进行检验。按照Hansen提出的检验方法,似然比统计量LR趋于0时的γ值就是门槛估计值,进而绘制在95%置信区间的门槛估计值LR图。图3展示了以技术距离为门槛变量的LR图,对应的门槛估计值为11.209 7。图中,LR统计量最低点为真实门槛值,由于虚线表示的临界值为7.35且处于门槛值下方,据此判定门槛估计值是真实有效的,通过真实性检验。在此基础上,对公式(4)进行回归,回归结果见表9。

表9报告了北京创新引领效应随技术距离变化的回归结果。结果显示,无论技术距离是大于门槛值,还是小于等于门槛值,北京对周边城市的创新引领效应均在1%的水平上显著为正,表明北京创新引领能够促进周边城市创新能力提升。进一步,当技术距离小于等于门槛值时,北京创新引领效应估计系数为11.600 0;当技术距离大于门槛值时,估计系数为0.790 5,前者估计系数大于后者。这说明当技术距离小于门槛值时,周边城市与北京的技术差距较小,能够更迅速地获取新信息、吸收新知识,并在较短时间内应用到研发和创新中,使得北京对周边城市的创新引领效应更显著,处于该区间的城市有天津和石家庄。与之相比,当技术距离大于门槛值时,周边城市与北京存在较大的技术差距,获取新信息和新知识的能力偏弱,在一定程度上制约了北京创新引领效应的发挥,处于该区间的城市依次为保定、唐山、廊坊、沧州、邢台、邯郸、秦皇岛、衡水、张家口和承德。据此,假设H4得到验证。

5 结论及政策启示

5.1 研究结论

本文利用京津冀地区2010—2020年城市面板数据,采用双向固定效应模型和门槛效应模型,就北京对周边城市的创新引领效应进行系统分析。研究发现,北京的创新能力远超周边城市,其创新引领效应显著提升了周边城市创新能力。同时,该结论通过稳健性检验。异质性分析表明,北京对本地区超大城市、大城市等规模较大城市、国家创新型试点城市、沿海城市以及高行政等级城市的创新引领效应更显著。机制分析表明,北京主要通过企业研发、专利申请和技术平台合作三大机制对周边城市产生创新引领效应。门槛效应分析显示,北京对周边城市的创新引领效应存在非线性关系,会受到技术距离的影响,当技术距离小于门槛值时,北京的创新引领效应较显著;当技术距离大于门槛值时,创新引领效应减弱。

5.2 政策启示

(1)从战略全局高度完善北京创新引领政策设计,提升北京创新能力。本文研究发现,北京对周边城市具有正向的创新引领效应,能够促进周边城市创新能力提升。这启示在未来完善北京创新引领政策的过程中,要紧密结合区域协调发展战略、京津冀协同发展战略等国家重大战略,整合优质创新资源,进一步推进京津冀协同创新共同体建设。同时,要充分发挥北京在科教资源、人才、资金和技术方面的优势,提升创新能力,不断完善区域创新体系,充分发挥北京的创新引领作用。

(2)提升政策的针对性和精准性。一方面,京津冀地区规模较大城市、国家创新型试点城市、沿海城市和高行政等级城市应当细化创新能力提升政策,深挖创新潜力,提高创新质量;另一方面,规模较小城市、非国家创新型试点城市、内陆城市以及低行政等级城市要充分发挥后发优势,加大科研经费投入,营造有利于吸引人才、资金和创新型企业的政策环境,深化与北京高校、企业和科研院所的产学研合作,全面提升城市创新能力。

(3)注重发挥企业研发、专利申请和技术平台合作在北京创新引领中的机制性作用。一是周边城市应当制定税收减免政策,鼓励企业研发,加强与北京相关机构的合作交流,不断提高研发水平;二是周边城市要不断拓展与北京的专利合作,完善知识产权保护制度,健全收益共享机制,提高合作效能;三是周边城市要加快技术平台制度建设与人才培养,对技术开发、转让、咨询和服务给予一定的资金倾斜。

(4)不断提升周边城市技术能力,缩小与北京的技术距离。一方面,技术能力强的城市要夯实技术基础,制定前沿技术发展战略规划,设立专项资金支持,与北京相关机构开展联合技术攻关;另一方面,技术能力偏弱的城市要加大在技术人才引进与培养、资金投入等方面的政策支持力度,拓展信息来源渠道,制定推进技术研发和成果转化的奖励制度,不断增强自身技术实力和技术承接能力。

本文理论分析和量化估计了北京对周边城市的创新引领效应,为后续更好地推进京津冀协同创新以及相关政策完善提供了有益参考。但由于统计年鉴中统计指标更换和部分数据缺失,未能从更长时间段考察北京创新引领对周边城市创新能力的影响效应。未来研究可采用适当方法,补足缺失值,从更长时间段考察这一问题。

参考文献：

[1] 克里斯塔勒.德国南部中心地原理[M].北京:商务印书馆,2016:29.

[2] 祝尔娟,何皛彦.京津冀协同创新水平测度与提升路径研究[J].河北学刊,2020,40 (2):137-144.

[3] 曾铖,开燕华.价值链视角下中心城市创新首位度评价与比较研究—以南京为例[J].科技进步与对策,2021,38(23):39-48.

[4] 杨浩东,王高峰.中心城市创新首位度的经济成因及对研发要素集聚的影响研究[J].科技进步与对策,2023,40(18):22-32.

[5] 杜宝贵,廉玉金,杨帮兴.国家中心城市科技成果转化政策量化评价[J].科技管理研究,2022,42(22):17-23.

[6] 李治国,车帅,王杰.国家中心城市建设的绿色发展效应研究—基于285个城市的准自然实验[J].科技进步与对策,2021,38(16):29-36.

[7] DAIELE ARCHIBUGI.Blade runner economics:will innovation lead the economic recovery[J].Research Policy,2017,46(3):535-543.

[8] JANE MARCEAU.Innovation in the city and innovative cities[J].Innovation Management,Policy&Practice,2008,10(2-3):136-145.

[9] 毛艳华,信超辉.新时代中心城市的引领作用与城市群高质量发展[J].中山大学学报(社会科学版),2022,62(1):152-160.

[10] 李洪涛,王丽丽.中心城市科技创新对城市群结构体系的影响[J].中国科技论坛,2020,37(7):170-179.

[11] 周灵玥,彭华涛.中心城市对城市群协同创新效应影响的比较[J].统计与决策,2019,35 (11):98-101.

[12] TAMAARA L FRIEDRICH,MICHAEL D MUMFORD,BRANDON VESSEY,et al.Leading for Innovation:reevaluation leader influences on innovation with regard to innovation type and complexity[J].International Studies of Management&Organization,2010,40(2):6-29.

[13] LI X.China's regional innovation capacity in transition:an empirical approach[J].Research Policy,2009,38(2):338-357.

[14] 许家伟,张文怡,肖忠意,等.中国上市公司的创新引领能力与辐射效应—以非上市公司为对象的视角[J].经济地理,2021,41(8):144-151.

[15] 贺小丹.产业集聚、空间外溢与“中心-外围”辐射—基于京津冀城市级面板数据的空间计量分析[J].财会通讯,2020(3):82-87.

[16] FEI FAN,HUAN LIAN,SONG WANG.Can regional collaborative innovation improve innovation efficiency? an empirical study of Chinese cities[J].Growth and Change,2020,51(1):440-463.

[17] SHEN B,XU X,CHAN H L.Collaborative innovation in supply chain systems:value creation and leadership structure[J].International Journal of Production Economics,2021,235:1-16.

[18] 孙瑜康,李国平.京津冀协同创新中北京辐射带动作用的发挥效果与提升对策研究[J].河北经贸大学学报,2021,42(5):78-84.

[19] SOBRERO M,ROBERTS E B.Strategic management of supplier-manufacturer relations in new product development[J].Research Policy,2002,31(1):159-182.

[20] AARSTAD J,KVITASTEIN O A.Enterprise R&D investments,product innovation and the regional industry structure[J].Regional Studies,2020,54(3):366-376.

[21] PROSKURYAKOVA L,MEISSNER D,RUDNIK P.The use of technology platforms as a policy tool to address research challenges and technology transfer[J].The Journal of Technology Transfer,2017,42(1):206-227.

[22] 杨明海,张红霞,孙亚男.七大城市群创新能力的区域差距及其分布动态演进[J].数量经济技术经济研究,2017,34(3):21-39.

[23] 王清,马慧强,杨超.城市创新能力与城市化水平时空耦合协调机制分析—基于我国2002—2017年地级以上城市数据[J].城市问题,2021,40(2):17-24,65.

[24] 刘正山,朱俊成.城市创新蓝皮书[M].北京:社会科学文献出版社,2018.

[25] 蒋媛媛.城市创新蓝皮书[M].北京:社会科学文献出版社,2018.

[26] 蒋天颖,谢敏,刘刚.基于引力模型的区域创新产出空间联系研究以浙江省为例[J].地理科学,2014,34(11):1320-1326.

[27] 王越,王承云.长三角城市创新联系网络及辐射能力[J].经济地理,2018,38(9):130-137.

[28] 汪伟,刘玉飞,彭冬冬.人口老龄化的产业结构升级效应研究[J].中国工业经济,2015,32(11):47-61.

[29] 程开明,王桂梅.城镇化、产业结构升级与经济高质量发展—基于空间杜宾模型的中介效应检验[J].系统工程理论与实践,43(3):648-666.

[30] 杨仁发,李胜胜.创新试点政策能够引领企业创新吗—来自国家创新型试点城市的微观证据[J].统计研究,2020,37(12):32-45.

[31] 李政,杨思莹.创新型城市试点提升城市创新水平了吗[J].经济学动态,2019,60(8):32-45.

[32] 王菁.地理距离和技术距离对中国省际高技术产业技术溢出的影响研究[D].济南:山东理工大学,2011.

[33] HANSEN B E.Threshold effects in non-dynamic panels:estimation,testing and inference[J].Journal of Econometrics,1999,93(2):345-368.

(责任编辑：胡俊健)