The Driven Factor and Its' Spatial-Temporal Differences of Scientific and Technological Innovation to the High-Quality Economic Development—— the Spatial Econometric Analysis based on Provincial Panel Data from 2009 to 2017

Dong Xiaojun1，Shi Tao1,2

(1.Party School of Central Committee of C.P.C( National Academy of Governance Economy Teaching and Research Institution, Beijing 100091,China;2.Henan academy of Social Science Economic Institution,Zhengzhou 450002,China)

Abstract：Based on the provincial panel data of 31 sample areas in China from 2009 to 2017,the spatial and temporal differences of influencing factors of scientific and technological innovation are analyzed by using the spatial econometric model.It is concluded that the high-quality economic development index of China has steadily increased, existed a significant spatial agglomeration and positive spillover effects, and a stronger spatial dependence effect.The variable of the R&D input intensity, R&D innovated output, the student number in universities per ten thousand and urbanization rate all have positive effects on high-quality economic development at different stages, while the impact of financial and educational expenditure is negative.The R&D investment intensity, urbanization rate and financial education expenditure in provinces with similar economic and geographical distance have positive effects on the high-quality development of economy in different stages, while the R&D innovated output, the student number in universities per ten thousand and the basic conditions of internet have negative effects.The human resource and fiscal expenditure on R&D in the western and central regions have a higher positive impact on high-quality economic development than in the eastern regions, while the positive effects of financial factors of science and technology innovation, R&D innovated output and transformation degree of scientific and technological achievements in the eastern regions on high-quality economic development are higher than those in the central and western regions.

Key Words:High-Quality Economic Development; Science and Technology Innovation Driven; Spatial-Temporal Differences; GTWR

收稿日期：2019-12-02

基金项目：国家社会科学基金项目(18VSJ036)；教育部人文社会科学重点研究基地重大项目(15JJD790023);河南省哲学社会科学马克思主义工程项目(2019MCG08)；河南省社会科学院基本科研费项目(2019E03)

作者简介：董小君(1964-)，女，安徽庐江人，博士，中共中央党校(国家行政学院)经济学教研部教授，研究方向为国家金融战略及科技创新；石涛(1986-)，男，湖北黄梅人，中共中央党校(国家行政学院)经济学教研部博士研究生，河南省社会科学院经济研究所助理研究员，研究方向为科技创新及金融风险。

DOI：10.6049/kjjbydc.Q201908551

开放科学(资源服务)标识码(OSID)：

中图分类号：F204

文献标识码：A

文章编号：1001-7348(2020)04-0052-10

0 引言

当前，中国区域经济先后经历均衡发展—非均衡发展—协调发展—多极统筹发展阶段[1]，差异化、不平衡仍是中国经济高质量发展的主要区域特征。系统创造发展优势，走符合实际兼具特色的道路，以各种有效、可持续方式满足人民不断增长的需求，是高质量发展的本质特征[2]。地方政府将政策工具转向创新驱动，能够有效推进各地经济高质量发展[3]。

围绕经济高质量发展，学者们的研究内容主要集中于经济高质量内涵、动力转换机制以及综合指数等[4-5]。推动经济高质量发展，就是要坚持新发展理念，以技术进步驱动为核心是其最主要的特征[6]。实践中，科技创新是指将科技成果应用于生产体系以创造新价值(市场价值、社会价值)的过程，科技型企业密度提高能够起到经济聚集作用，企业自身亦能够从Jacobs溢出效应中获益[7]。即创新等要素空间聚集与全要素生产率增长之间存在正向关系，尤其是能够有效培育符合新发展理念的创新型经济。但受技术吸收能力、外部干预等要素影响，技术创新经济增长方式转变的必要非充分条件[8]。进一步地，科技创新可以划分为科技研发、成果转化以及产业化3个阶段[9]，不同阶段产出对经济高质量发展的影响有所差异。科技创新成果既是一定阶段科技创新产出的直接表现形式，又是科技创新绩效的动力来源[10]，自主研发对生产率有显著促进作用[11]；技术成果转化是经济增长的重要动力，技术交易水平对东中西部及东北地区经济增长与发展的促进作用存在显著差异[12]；以高技术产业为代表的科技创新成果产业化，对经济健康持续发展具有重要促进作用[13]。但从区域看，总体上中国各省域科技创新对经济发展的支撑作用普遍偏低，53%的省域创新成果不足，创新成果未能有效转化是制约创新支撑经济发展的主因[14]。同时，地区间增速差异主要取决于其与前沿科技水平的差距，传统经济增长所强调的要素投入不是主因。

综上所述，国内外学者普遍聚焦于经济高质量发展内涵及其发展指数评价等，而经济高质量发展不仅受协调、绿色、开放以及共享等因素的影响，更依赖于创新驱动的内生性增长。当前，在区域科技创新发展能力不平衡的情况下，缺乏从空间视角探索科技创新驱动区域经济高质量发展的时空差异研究。由此，本文基于现有研究成果，紧扣新发展理念，构建包括创新等5个方面的经济高质量发展评价指标体系，利用熵值法评价2009—2017年中国经济高质量发展指数，并运用空间计量杜宾模型及空间时间地理加权模型(GTWR)分析科技创新要素对经济高质量发展影响的时空差异，为有效实施创新驱动战略，着力推进区域经济高质量发展提供参考。

1 研究方法与数据来源

1.1 中国经济高质量发展评价

在为数不多的经济高质量发展评价研究中，绝大多数成果仍以创新、协调、绿色、开放、共享五大理念为核心，部分进行了指标结构优化。任保平、李禹墨[15]认为，经济高质量发展应该包括经济发展、改革开放、城乡建设、生态环境以及人民生活等5个方面内容；魏敏、李书昊[16]认为，应包括经济结构优化、创新驱动发展、资源配置高效、市场机制完善、经济增长稳定、区域协调共享、产品服务优质、基础设施完善、生态文明建设和经济成果惠民等10个方面内容。由此，基于上述研究成果，围绕创新、协调、绿色、开放、共享五大发展理念，结合数据可得性，本文构建中国经济高质量发展评价指标体系，如表1所示。

(1)创新发展指标。参考刘思明[17]的研究成果，创新发展包括企业经济创新度和产业经济创新度两个方面。其中，企业经济创新度主要采用企业研发新产品销售收入占工业企业主营业务收入的比重表示；产业经济创新度主要以高技术产业产品出口额占GDP的比重表示。创新是经济发展的第一动力，科技创新是经济高质量发展的新引擎，企业、产业经济创新度提高有利于驱动经济高质量发展。

(2)协调发展指标。大多数学者认为，协调发展包括城乡协调、区域协调、产业结构协调、物质需求与精神需求协调等[18]。由此，设定协调发展包括区域经济协调、城乡收入协调、消费协调及产业结构协调等4个方面。其中，区域经济协调由各省人均GDP/全国平均水平计算得到；城乡收入协调由农村居民人均纯收入与城镇居民可支配收入之比计算得到；城乡消费协调由农村居民消费支出与城镇居民消费支出之比计算得到；产业结构合理化指标由泰尔指数SR计算得到[19]，作为一个负向指标，SR越低表明产业结构越合理，则：

(1)

其中，Y、L分别表示GDP及总就业人数，yi、li分别表示产业增加值以及相应就业人数，i表示产业，i=1、2、3。

(3)绿色发展指标。高质量经济发展要求走生态文明发展道路，满足人民群众对美好生态环境的需求，遵循生态规律实现经济社会长期、可持续发展。人和企业是绿色发展的主体，因此，绿色发展指标包括人居绿色化和生产绿色化两个部分。其中，人居绿色化由建成区绿化覆盖率及人均公园绿地面积表示，生产绿色化由单位GDP废水排放量及单位GDP一般固体废弃物排放量表示。

(4)开放发展指标。开放发展是经济高质量发展的重要方式，主要是为了获得外商投资、以对外贸易提升经济综合竞争力等。因此，开放发展指标主要包括外资开放度、外贸开放度及服务开放度3个部分，分别由单位GDP实际利用外商直接投资、单位GDP进出口贸易额及接待国际旅游人数表示。

(5)共享发展指标。经济高质量发展的目的是全民共享、全面共享、共建共享、渐进共享。共享发展指标包括健康福利、经济福利及社会保障3个部分，分别由人口死亡率、失业率及社保参保率表示，其中，社保参保率由社保参保人数与常住总人口之比计算得到。

1.2 经济高质量发展评价及实证设计

(1)评价及实证模型设计。为了规避赋权的主观性，运用熵值法测算区域经济高质量发展指标权重，则有：

(2)

其中，x'i表示标准化后的xi值，负向标准化xi只需将x'i的分子变为(max{x1,...,xn}-xi)，pi表示样本指标权重，ej是第j个指标的信息熵，n是样本数量，从而得到不同样本的权重wj，则：

(3)

其中，dj为第j个指标的效用值。进一步地，基于Tientao等[20]分析技术溢出对经济TFP增长影响的空间杜宾模型，研究科技创新要素对经济高质量发展影响的时空差异，为避免内生性问题，采用空间动态面板模型进行分析，则有：

Yit=τYit-1+ρw'iYt+βXit+d'iXtδ+λi+φi+σit

(4)

σi,t-1=ηq'iσi,t-1+κi,t

(5)

式中，Yit表示时间t内第i个样本地区的经济高质量发展指数(i=1,…,m; t=1,…T)，Xit表示时间t内第i个影响要素，包括科技创新要素和相关控制变量，τ、ρ、β表示变量相应系数；w'i是M个省份之间空间地理权重W的第i行；d'iXiδ是解释变量的空间滞后项，d'i是M个省份之间空间地理权重D的第i行；λi、φi分别表示时间效应和个体效应，σit是随机干扰项，q'i是扰动项空间地理权重W的第i行。由于科技研发成果与科技创新成果市场转化在当期均能发挥作用，故不采用动态面板回归模型。同时，借鉴现有研究成果，采用综合反映经济距离和地理距离的经济空间地理矩阵Wgij，则有：

Wgab=(wdab)m×m×(weab)m×m

(6)

式(6)中，表示2009—2017年各样本省份人均GDP的均值，dab表示样本省会城市间的空间地理距离。进一步地，探索不同区域之间的时空关系。Huang 等[21]构建的时空地理加权回归模型(Geographically Temporal Weighted Regression，GTWR)不仅能够全面反映模型空间位置特性，又能充分考虑时间因素，故采用该模型分析影响经济高质量发展的科技创新要素的时空差异，则有：

(7)

式(7)中，(ui,vi,ti)(i=1,…,m)表示第i个观测点的时空地理位置，εit表示随机要素，(ui,vi)表示第i个地区的空间二维坐标。时空分析中，以d度量数据点(u0,v0,t0)与研究区域任一点(ui,vi,ti)之间的时空距离，时空距离可表示为时间距离dT和空间距离dS的线性组合：d=λdT+γdS。时空权重由高斯函数确定，有其中，dik为样本点i与样本点k之间的距离，b为带宽由取最小值时得出，为yi的拟合值。

(2)变量选择。为有效分析经济高质量发展的科技创新驱动要素，因变量设定为经济高质量发展综合指数。结合相关研究成果，依据科技创新不同阶段特点，将科技创新驱动要素分为科技创新投入要素、科技创新研发成果要素以及科技创新成果转化要素3种。其中，科技创新投入要素由万人R&D全时当量、R&D投入强度以科技支出占财政支出比重表示；科技创新研发成果要素由万人国内专利申请数表示；科技创新成果转化要素由技术市场成交额占GDP比重表示。此外，经济高质量发展除受科技创新要素的影响外，还受其它区域科技经济环境要素的影响，故控制变量包括创新人才环境、城镇化发展以及互联网基础条件等。其中，创新人才要素由政府教育支出及万人高校在校人数表示；城镇化水平由人口城镇化率表示；互联网基础条件由互联网宽带接入端口数表示，表2为变量说明。

1.3 数据来源及数据描述统计

未经特殊说明，本文采用中国内地31个样本的省级面板数据。由于2009年后，国家统计局针对规模以上企业科技活动统计口径变成“大中型工业企业研究与试验发展”。因此，样本考察期从2009年开始，结合数据可得性，时间选择2009—2017年。文中数据均来自《中国统计年鉴(2010—2018)》以及《中国科技统计年鉴(2010—2018)》，样本变量统计结果如表2所示。

2 实证结果分析

2.1 中国经济高质量发展评价

(1)中国经济高质量发展评价结果分析。利用熵值法测算得出2009—2017年中国内地31个样本地区经济高质量发展指数，如表3所示。总体上，中国经济高质量发展指数均值由2009年的33.94%上升至2017年的37.05%，稳步上升。从驱动因素看，共享发展、绿色发展及协调发展要素的作用逐步增强，开放发展与创新发展因素的作用仍旧偏低。从四大板块看，2017年，东部地区经济高质量发展指数均值为53.60%，显著高于中部(33.45%)、东北部(28.97%)及西部(27.09%)地区，上海、广东、北京、天津、浙江及江苏等东部经济科教发达地区仍是国内经济高质量发展领先地区，各板块经济高质量发展差异较大。

(2)经济高质量发展指数空间相关性检验。基于2009—2017年中国内地31个样本省市经济高质量发展指数，利用STATA15.0计算得出经济高质量发展指数的全局Moran's I指数及相关统计值，如表4所示。表4中，2009—2017年经济高质量发展指数的全局Moran's I指数均在1%的置信水平上显著为正，表明在样本考察期间，经济高质量发展指数表现出显著正向空间相关关系，在经济地理距离上空间聚集效应显著。

2.2 变量检验

为降低方差的影响，对部分变量进行对数化处理，并分别进行LLC、ADF_Fisher、PP_Fisher稳定性检验，结果如表5所示。表5中，变量lneindex、lnhrd、lnrive、lnpriv、lnrtec、lnfiscal、lniedu、lnrate、lnedup及lninter均在1%(及10%)的置信水平上显著，为平稳序列。

2.3 实证结果分析

(1)科技创新投入要素对经济高质量发展的影响。依据式(4)，基于Hausman检验结果，利用固定效应的空间杜宾模型估计科技创新投入要素对经济高质量发展的影响。为验证估计结果的稳健性，采用逐步回归得出模型1～7，估计结果如表6所示。总体上，模型1～7中空间自回归系数均在1%的置信水平上显著为正，表明经济地理距离相近省份经济高质量发展水平提高有利于推动本省经济高质量发展，表现出显著正向空间溢出效应。同时，经济高质量指数的空间一阶滞后项在模型1～7中均显著为正，表明经济地理距离邻近省份本期经济高质量发展水平提高有利于下一期本省经济高质量发展，同样表现出正向空间溢出效应。实践中，经济地理距离相近省份经济高质量发展，可发挥示范带动效应，推动本省经济高质量发展水平提高，如长三角、珠三角、成渝及京津冀等城市群通过发挥中心城市经济高质量发展的空间正向溢出效应，可有效带动群内其它城市经济高质量发展。

注：*、**、***分别表示在10%、5%、1%的置信水平上显著，下同

科技创新资金投入系数为正。变量R&D投入强度在模型3～7中均显著为正，表明科技经费投入增加有利于经济高质量发展水平提高。科技创新投入大、周期长、风险高，需要大量资金支持，从而为经济高质量发展提供支撑。空间滞后项系数W×lnrive在模型4～7中均显著为正，表明经济地理距离邻近省份R&D投入强度提高有利于本省经济高质量发展水平提高。经济地理距离相近省份研发经费投入强度提升会促进本地科技创新水平提升，并产生正向溢出和示范带动效应，加速要素规模积累及区际流动，优化本省研发要素资源禀赋，从而推动本省以科技创新驱动经济高质量发展。万人R&D全时当量及科技财政支出系数不显著。

人才环境要素影响存在差异。变量财政教育支出比重系数在模型5～7中均显著为负，表明财政教育支出仍未发挥出有利于经济高质量发展的正向积极作用。自2012年始，中国财政教育支出占GDP的比重连续超过4%，其中，义务教育阶段的财政投入比重最高。但是，经济高质量发展需要更多包括高级技工、高级工程师等在内的技能型人才，财政教育支出除稳步扩大规模外，还需要适度调整投入结构，增加国内紧缺的高级技术人才培养支出。空间滞后项W×lniedu系数在模型4～7中均显著为正，经济地理距离相近省份财政教育支出增加会产生正向空间溢出效应，推进人才向经济地理距离相近的本省流动，有利于本省经济高质量发展水平提高。例如北京与天津、深圳与广州、上海与杭州等经济地理距离相近地区之间的人才流动十分频繁，对地区间经济高质量发展起到了重要作用。变量万人高校在校人数的系数在模型6～7中均显著为正，表明万人高校在校生人数增加有利于经济高质量发展水平提高。高等教育人才作为科技创新潜在知识型人才的主要来源，万人高校在校生人数越多，表明地区科技创新人才潜在资源越多，能够为地区科技创新提供的潜在科技人力资源就越多，从而有利于以科技驱动经济高质量发展。空间滞后项W×lnedup系数不显著。

城镇化率系数在模型5～7中均显著为正，表明城镇化水平提高有利于地区经济高质量发展。城镇化水平提高，一方面可优化城乡二元经济结构，通过聚集效应扩大内需；另一方面可有效改善人居环境，缩小城乡收入、公共基础设施差异，推进协调发展、共享发展，从而有利于经济高质量发展。空间滞后项系数不显著，互联网基础条件系数不显著，但其空间滞后项W×lninter系数在模型6中显著为负，表明经济地理距离相近省份互联网基础条件改善不利于本省经济高质量发展。互联网基础设施建设水平提高可降低邻近省份经济运行成本，提高运行效率，从而增强区域间经济发展的竞争性。

(2)科技研发产出要素对经济高质量发展的影响。依据式(4)，基于Hausman检验结果并利用随机效应的杜宾模型估计科技研发成果要素对经济高质量发展的影响。为了保持模型稳健性，采用逐步回归得出模型1～5，估计结果如表7所示。总体上与上文相似，模型1～5的空间自回归系数均在1%(及5%)的置信水平上显著为正，表现出显著的区域依赖性。

科技研发成果系数为正。估计模型1～5中，变量万人国内专利申请数系数均显著为正，表明科技研发成果数量越多，越有利于经济高质量发展。科技研发成果越多，经济高质量发展的潜在增长点就越多，从而能够为经济高质量发展提供动力。同时，在模型1～模型5中，空间滞后项系数W×lnpriv显著为负，表明经济地理距离相近省份科技研发成果越多，越不利于本省经济高质量发展水平提高。邻近省份科技研发成果越多，就越能以科技创新驱动本地经济高质量发展，并通过虹吸效应吸收本省金融及人才资源，从而不利于本省经济高质量发展，表现出一定的竞争性。但在控制其它变量后，科技研发成果的空间滞后项系数在模型2～6中均不显著，表明在人才、城镇化等因素干扰下，科技研发成果的空间溢出效应并未有效发挥。变量财政教育支出比重、万人高校在校人数及城镇化率系数的正负性均与上文一致，不再赘述。但变量万人高校在校人数的空间滞后项W×lnedup系数显著为负，表明经济地理距离相近省份高等教育人才规模扩大将不利于本省经济高质量发展水平提高。经济地理距离相近省份研发人才规模扩大能较好地促进本地科技成果产出量增加，从而导致区域竞争性增强并产生资源虹吸效应，与上文一致。此外，城镇化率的空间滞后项W×lnrate系数在模型2～5中均显著为正，表明邻近省份城镇化率水平提高能够有效扩大需求，为本省科技成果实现经济价值提供市场，形成本省经济高质量发展的新增长点，从而推动本省经济高质量发展。

2.4 科技创新驱动高质量发展影响的省际差异分析

基于式(7)分别估计科技创新驱动要素对经济高质量发展影响的区域差异。模型可决系数R2值为0.872 9，对应的AICc值为-505.12，模型解释程度较高且通过统计检验，能够有效说明变量之间的作用关系，详细估计结果如图1和图2所示。

图1显示了2009—2017年各地区科技创新投入要素对经济高质量发展的影响趋势。一是科技创新人力要素。总体上，除云南、甘肃及青海等6个地区外，其余25个样本地区科技创新人力要素对经济高质量发展的影响均趋于正向。空间分布上，系数为正且数值相对较高的地区主要分布在中国西部及中部地区，低值地区主要分布于东部及东北地区，科技创新人力要素对西部及中部地区经济高质量发展的促进作用大于东部及东北地区。原因在于东部地区科技创新人才较多，人才要素投入的边际效应较低，人才规模已经难以有效支撑经济高质量发展，需要调整人才结构，尤其是加大高精尖等高层次人才的比重；东北地区近年来经济下行压力较大，人才流失较为严重，人才对经济高质量发展的支撑作用不强。以四川、重庆、贵州、河南及山西等为代表的中西部地区，其科技人才规模偏小，人才要素投入的边际效应较高，对经济高质量发展的支持作用较强。值得注意的是，云南、甘肃等西部地区由于人才匮乏，难以发挥科技创新人才要素对地区经济高质量发展的正向促进作用。二是科技创新资金要素影响的区域差异。总体上，江西、河南、湖北及宁夏等10个样本地区科技创新资金要素对经济高质量发展的影响趋于负，其余21个样本地区科技创新资金要素对经济高质量发展的影响趋于正。时空分布上，系数为正且数值相对较高的地区主要分布于东部地区，较低值地区主要分布于中西部及东北地区，科技创新资金要素对东部地区高质量发展的促进作用大于其它地区。原因在于东部地区科技创新资金来源体系较为成熟，各地R&D投入强度普遍较高，能够较好地发挥对地区经济高质量发展的促进作用。中西部及东北地区R&D投入强度普遍偏低，科技创新投入水平远低于东部发达地区，难以发挥对地区经济高质量发展的支撑作用。同时，部分地区由于资金投入不足而对经济高质量发展产生负向作用。三是科技财政支出要素影响的区域差异。总体上，除北京、天津等10个地区外，其余21个地区科技创新资金要素对经济高质量发展的影响趋于正。时空分布上，系数为正且数值相对较高的地区主要位于中国西部、中部及东北地区，较低值地区主要分布于东部地区，政府科技财政支出对中部、西部及东北地区经济高质量发展的促进作用大于东部地区。原因在东部地区财政科技投入规模较大，但是基础性科学等薄弱环节投入不足，导致经济高质量发展存在“卡脖子”问题，难以推动经济高质量发展，是结构化问题。中部、西部及东北地区是财政科技投入增量规模化问题，与上文分析一致。

图2显示了2009—2017年科技研发成果及科技成果转化率对经济高质量发展影响的区域差异。一是科技研发成果要素影响的区域差异。总体上，除西藏地区外，其余30个样本地区科技研发成果要素对经济高质量发展的影响均趋于正向。时空分布上，系数为正且数值相对较高的地区主要分布在中国东部及部分西部(四川、重庆等)地区，较低值地区主要分布于中部、西部及东北地区，科技研发成果对东部地区及部分西部地区经济高质量发展的促进作用大于其它地区。相对于其它地区，东部经济发达地区及四川、重庆等科教实力强的西部部分地区，科技研发产出能力强，科技创新成果多，对经济高质量发展的支撑作用强。二是科技成果转化率要素影响的区域差异。总体上，除北京、上海及浙江等10个地区外，其余21个样本地区科技成果转化率要素对经济高质量发展的影响均趋于负向。时空分布上，系数值为正的地区主要分布于东部发达经济地区，系数为负的地区主要分布于中部、西部及东北地区，科技成果转化率对东部地区经济高质量发展的促进作用大于其它地区。东部地区科技创新成果转换平台较多且知识产权保护机制相对健全，科技创新成果转化灵活，而其它地区创新成果普遍不足，难以对地区经济高质量发展产生积极促进作用。

3 结论与政策建议

3.1 结论

基于2009—2017年中国内地31个样本地区的省级面板数据，利用熵值法测算中国内地经济高质量发展指数，运用空间计量模型分析科技创新驱动经济高质量发展的时空差异，得出如下结论：

(1)中国经济高质量发展指数稳步上升，共享发展、绿色发展、协调发展要素的作用逐步增强，开放发展与创新发展因素的作用仍不显著；指数表现出显著正向空间相关关系，空间聚集效应显著，经济地理距离相近省份经济高质量发展水平提高有利于本省经济高质量发展，正向溢出效应显著。

(2)R&D投入强度、科技研发成果、万人高校在校人数及城镇化率对经济高质量发展的影响均为正，财政教育支出的影响为负；经济地理距离相近省份R&D投入强度、财政教育支出及城镇化率提高均有利于推动本省经济高质量发展，而科技研发成果、万人高校在校人数及互联网基础条件的影响均为负。

(3)科技创新要素影响的区域差异较大，科技创新人力及科技财政支出要素对西部、中部地区经济高质量发展的影响大于东部及东北地区，科技投入资金要素、科技研发成果及科技成果转化度对东部地区经济高质量发展的影响大于中部、西部及东北地区，但科技转化率总体不足。

3.2 建议

创新是经济高质量发展的新引擎，基于上述结论，提出如下建议：

(1)布局区域科技创新中心，为经济高质量发展提供驱动支点。在国家中心城市的基础上，充分利用长三角、珠三角、京津翼及成渝城市群中心城市的科创优势，布局建设数个国家科技创新中心，发挥区域科技创新中心的正向空间溢出效应。

(2)深化科技成果转化机制改革，布局国家科技成果转化中心，为科技经济高质量发展提供直接动力。持续加大知识产权保护力度，优化科技成果转化机制，搭建层次分明、多样化、一站式科技成果转化平台，高效实现科技创新成果的市场经济价值，为经济高质量发展提供有效供给。尤其要利用好东部经济发达地区的科技成果转化优势，参考全国商品期货交易所设置，在东部地区重点打造数个国家级科技创新成果转化平台，深度激发东部地区科技成果转化对经济高质量发展的正向空间溢出效应。

(3)释放人才创新潜力，加大人才专业化教育投入力度，为经济高质量发展提供内生动力。通过科研活动“放管服”行动，继续在财务管理、管理事务性工作等方面给科研人才松绑，使创新人才专注于绿色科技等前沿领域，促进科技创新研发成果产出。同时，加强教育财政投入，加大中等职业教育、高等工程专业教育(如工程博士)等方面的财政教育支出力度，大力培育应用型专业化高级人才。尤其是中西部地区，通过人才创新“放管服”改革行动，加大高层次人才引进力度，释放人才科技创新热情，为促进经济高质量发展提供内生动力。

(4)丰富科技创新经费来源渠道，补足科技创新资金短板，疏通经济高质量发展的金融脉搏。继续发挥好财政对科技创新的支持作用，尤其要加大对战略性新兴产业的支持力度。同时，以科技金融为载体，深化金融供给侧结构性改革，通过税费调节鼓励“天使基金”等直接融资体投资科技创新活动；主动加强人工智能、大数据等现代信息技术与金融业深度融合，逐步降低科技型企业融资的间接成本。尤其是中西部地区，一方面，应抓住国家定向降准释放流动性的发展机遇，加大对中小型科技创新企业的金融支持力度，同时，在有限的财政收入下加大对科技创新活动的支持力度；另一方面，应抓住本地税费调节的主动权，建立科技金融小镇等金融税费“特区”，加大直接融资体在本地科技创新投资的比重和力度，为本地科技创新活动提供多样化融资渠道，从而疏通科技创新驱动经济高质量发展的金融脉搏。

参考文献:

[1] 刘国斌，宋瑾泽.中国区域经济高质量发展研究[J].区域经济评论，2019(2):55-60.

[2] 金碚.关于“高质量发展”的经济学研究[J].中国工业经济，2018(4):5-18.

[3] 徐现祥,李书娟,王贤彬,等.中国经济增长目标的选择:以高质量发展终结“崩溃论”[J].世界经济，2018，41(10):3-25.

[4] 洪银兴,刘伟,高培勇,等.“习近平新时代中国特色社会主义经济思想”笔谈[J].中国社会科学，2018(9):4-73+204-205.

[5] 陈昌兵.新时代我国经济高质量发展动力转换研究[J].上海经济研究，2018(5):16-24.

[6] 高培勇,杜创,刘霞辉,等.高质量发展背景下的现代化经济体系建设:一个逻辑框架[J].经济研究，2019(4):4-17.

[7] JIAOCHEN L, GOETZ S J.Technology intensity and agglomeration economies[J].Research Policy, 2018, 47(10):1990-1995.

[8] 唐未兵,傅元海,王展祥.技术创新、技术引进与经济增长方式转变[J].经济研究，2014，49(7):31-43.

[9] 张炜.研发投入、专利产出和经济增长关系的实证研究——基于浙江省统计数据[J].科学学研究，2008，26(S2):323-326.

[10] 洪银兴.创新驱动攀升全球价值链中高端[J].经济学家，2017(12):6-9.

[11] 吴延兵.自主研发、技术引进与生产率——基于中国地区工业的实证研究[J].经济研究，2008(8):51-64.

[12] 刘娟,张江林.我国不同地区技术交易与经济增长的差异研究[J].统计与决策，2012(24): 144-146.

[13] 赵玉林,魏芳.高技术产业发展对经济增长带动作用的实证分析[J].数量经济技术经济研究，2006(6):44-54.

[14] 庞瑞芝,范玉,李扬.中国科技创新支撑经济发展了吗[J].数量经济技术经济研究，2014,31(10):37-52.

[15] 任保平,李禹墨.新时代背景下高质量发展新动能的培育[J].黑龙江社会科学，2018(4):31-36.

[16] 魏敏、李书昊.新时代中国经济高质量发展水平的测度研究[J].数量经济技术经济研究，2018(11):3- 20.

[17] 刘思明,张世瑾,朱惠东.国家创新驱动力测度及其经济高质量发展效应研究[J].数量经济技术经济研究，2019，36(4):3-23.

[18] 方大春、马为彪.中国省际高质量发展的测度及时空特征[J].区域经济评论，2019(2):62-70.

[19] 华坚,胡金昕.中国区域科技创新与经济高质量发展耦合关系评价[J].科技进步与对策，2019，36(8):19-27.

[20] TIENTAO A, LEGROS D, PICHERY M C.Technology spillover and TFP growth: a spatial Durbin model[J].International Economics, 2016(145):21-31.

[21] HUANG B, WU B, BARRY M.Geographically and temporally weighted regression for modeling spatio-temporal variation in house prices[J].International Journal of Geographical Information Science, 2010, 24(3):383-401.

(责任编辑：张 悦)