黄土高原城市创新效率及影响因素

黄土高原生态脆弱区位于多个生态区交界位置,该地区生态环境易受损且恢复时间长,由于生态脆弱区的特殊性,位于区域内的城市在响应创新发展、高质量发展时要面临更多的困难.该文选取黄土高原生态脆弱区2012年—2018年7省24个城市为研究对象,基于DEA-Tobit模型对城市创新效率及影响因素进行评价和分析,利用ArcGIS对黄土高原地区创新效率的时空演变格局进行可视化.主要结论包括：黄土高原地区城市创新效率在空间上呈现出不平衡的发展态势,空间差异显著;时间特征上呈现出效率逐年提高的态势,部分城市创新效率呈现快速发展的趋势,2018年有16个城市达到区域高创新效率水平.从影响因素的结果分析来看,教育水平和经济增长对区域创新效率具有正向效应,不合理的产业结构及财政支出对区域创新效率具有负向效应.根据结果得出如下政策建议：1) 政府要保证创新技术相关政策落地,营造鼓励创新氛围;2) 切实推进环境保护与经济协同发展;3) 建立长期有效环境保护修复机制,保证生态补偿工作顺利进行;4) 关注黄土高原三大工程,创新工程技术,减少对生态脆弱区的生态破坏.对生态脆弱区内城市创新效率及影响因素进行研究并提出有针对性的建议,以期为生态脆弱区高质量发展和城市可持续发展提供借鉴和参考.     

制造业服务化对区域绿色创新效率的影响

基于2006年—2019年中国省级的面板数据,利用空间计量模型、中介效应模型等方法实证分析了制造业服务化对区域绿色创新效率的影响效应及中介机制.研究发现：1) 绿色创新效率存在显著的空间集聚特征和空间溢出效应.全国层面,制造业服务化对绿色创新效率的影响呈显著的“N”型曲线,在考虑内生性和稳健性后,该结论依旧成立.2) 制造业服务化对绿色创新效率的影响存在显著的区域异质性和行业异质性.相比于非长江经济带,长江经济带制造业服务化对绿色创新效率的影响更为显著;资本密集型制造业服务化和技术密集型制造业服务化对区域绿色创新效率的影响呈“N”型,劳动密集型制造业服务化对区域绿色创新效率的影响不显著.3) 中介效应分析表明,企业成长和创新集聚是制造业服务化影响区域绿色创新效率的中介机制.最后根据结论提出简要政策建议.     

高技术产业创新效率对中国区域经济增长的影响 ——基于省际面板数据的双重门槛分析

基于2009-2017年中国省际面板数据,对中国高技术产业的创新效率进行了测算,并通过构建门槛效应模型,将创新水平设为门槛变量,检验了高技术产业创新效率对区域经济增长的影响.结果发现:1)中国高技术产业创新效率总体上处于中等偏上水平.其中,东部地区创新效率最高,中部次之,西部最低.2)不同创新水平会导致高技术产业创新效率对区域经济增长表现出门槛效应,即高技术产业创新效率对区域经济增长的影响呈现先下降后上升的双门槛U型结构.3)高技术产业创新效率对经济增长的影响区域差异很大,"高创新水平"地区大多处于东部地区,高技术产业创新效率可显著促进区域经济增长;"中创新水平"地区大多处于东中部地区,高技术产业创新效率对区域经济增长并没有显著的促进作用;绝大部分西部地区处于"低创新水平",高技术产业创新效率对区域经济增长存在负影响.     

高等教育集聚对区域创新效率的溢出效应研究

创新是引领国家发展的第一动力。高等教育培养的高素质人力资本是实现国家技术创新的关键载体,而高等教育集聚能够增强人力资本的知识要素与技术要素,进而赋能区域创新。在对高等教育集聚推动区域创新效率理论探讨的基础上,基于我国31个省份2003—2020年的面板数据,采用动态空间杜宾模型实证考察高等教育集聚对区域创新效率的空间溢出效应及其衰减边界。研究结果表明：第一,各省份高等教育集聚和区域创新效率具有显著的空间相关性,呈现高-高集聚和低-低集聚空间分布态势。第二,高等教育集聚不仅对本地区创新效率有促进作用,而且对相邻省域的区域创新效率产生明显的溢出效应。具体而言,高等教育集聚通过知识溢出效应、人力资本效应和社会网络效应促进本地区以及相邻地区的创新效率提升。此外,本省份创新效率的提升也会对相邻省份的创新产生促进作用,各省份当期创新效率越高则下一期的创新效率越有可能提高。第三,高等教育集聚的溢出效应存在空间衰减特征。具体表现为：700千米以内高等教育集聚存在正向溢出效应,700～1 400千米存在负向空间抑制效应,1 400千米后不再存在空间外溢效应,溢出效应存在空间异质性。第四,在控制变量中,经...     

中国区域创新效率及影响因素研究——空间过滤与异质效应SFA实证

根据中国区域1999—2008年的技术创新相关数据,利用空间过滤理论、面板协整理论及包含区域异质效应的随机前沿模型对中国区域创新效率及影响因素进行研究。结果发现:中国区域创新存在着明显的空间相关性,空间过滤可以有效地消除变量的空间相关性进而可以应用经典协整模型来进行分析;考虑区域异质效应的面板SFA模型,其参数估计结果更准确,从而技术效率的计算也更准确;中国区域技术创新效率显现东部高、中部中、西部低的空间分布特征;区域基础设施和区域市场开放度是影响区域技术创新效率的主要的显著因素。     

区域金融集聚与企业创新效率:基于动态面板数据模型的实证分析

基于我国区域金融差异化发展的视角,深入探究了区域金融集聚对企业创新效率的影响机理,并利用动态面板数据模型,选取了1997—2014年30个省(市、区)的相关数据对不同区域的影响程度进行实证研究.结果表明:金融集聚对企业创新效率具有显著的正向效应,但不同区域的影响程度却存在着显著差异,东部地区远大于中、西部地区,中部地区略高于西部地区.     

国家级高新区生态位适宜度对创新效率的影响

基于2016—2020年我国121个国家级高新区的面板数据,测度分析生态位适宜度对高新区创新效率的影响.研究表明：(1)三阶段DEA模型测度结果显示,高新区创新效率整体偏低,发展空间较大.横向对比发现,高新区之间创新效率差异较大,且没有明显下降趋势;纵向比较发现,各高新区综合效率均有一定程度的提升.(2)2016—2020年我国高新区生态位适宜度平均水平为0.51,整体呈现上升趋势,但区域差异明显.(3)高新区生态位适宜度对创新效率的整体影响效果显著为正,通过创新主体、资源以及环境的合理配置提升了高新区的创新效率.(4)高新区生态位适宜度对创新效率的影响效应存在非线性关系,当其小于0.546时,影响效应更大.     

中国省域绿色创新效率测评、空间关联及影响因素

区域协同减排对于实现“双碳”目标意义重大,而这依赖于各个区域绿色创新效率有效测度及空间关联效应.针对经典的SBM-DEA模型,必须要忽视投入或产出的变动情况,采用全局的含非期望产出SBM-DEA模型并以此构建评价体系,对2004年—2019年中国省域层面绿色创新效率进行测评,表明中国省域绿色创新效率呈现波动上升,但存在明显区域差异.呈现出东部均值远高于全国水平,中西部、东北地区均低于全国水平的特征;采用空间自相关分析探究空间关联效应,表明整体呈现出“高-高”“低-低”空间正向自相关集聚特征;进一步通过经典的绿色创新“技术-市场-环境规制”驱动模型构建影响因素,采用空间杜宾模型空间关联效应影响因素检验,表明技术进步影响最强,环境规制次之,市场意识最弱.因此,通过技术创新、提高区际环境规制与市场意识的标准等是整体提升中国绿色创新效率的可行路径.     

基于DEA模型的区域创新环境对创新绩效影响的评价

以区域创新理论为基础,提出了区域创新环境对创新绩效影响的研究模型.运用数据包络分析方法(DEA)对2006年全国30个省市的区域创新效率进行评价,从而间接实现对区域创新环境的评价.结果表明:(1)我国区域创新效率存在明显的地区差异;(2)区域创新效率高低与其创新能力和经济发展水平并不一定呈正相关关系;(3)从区域创新环境方面来看,创新效率偏低主要是由于对创新环境利用不足所导致.最后对创新效率偏低的地区在创新环境投入方面提出了改进措施.     

基于产业集群类型的创新效率影响因素的对比分析

利用超效率DEA模型对产业集群类型和所属区域进行实证分析,基于分层回归和主成分分析法探究创新环境、开放程度、人才结构、技术进步和品牌文化对产业集群效率值的影响程度并对其进行排序.研究结果表明,我国产业集群的整体创新效率值仅为0.62,整体水平偏低而且内部差异性较大.以产业集群类型作为创新效率值的调节变量进行分析发现,产业集群的创新效率受到集群类型的影响,不同影响因素的作用效果存在显著差异.开放程度对高等效率产业集群的创新效率值影响最明显,人才结构对中等效率产业集群的创新效率值影响最明显.对于低等效率产业集群,各个影响因素对其创新效率值的影响力度相似.     

浅析河北省产业结构的调整升级

河北省应抓住京津冀交通圈形成这个有利契机,在产业布局及产业结构方面进行调整。在介绍河北省产业结构调整的方向的基础上,详细解释了河北省主导产业的调整和选择。     

科技创新与新型城镇化耦合协调测度分析——以京津冀地区为例

 构建了科技创新与新型城镇化耦合协调测度评价指标体系,采用熵值法确定了两系统评价指标的权重,综合应用耦合协调度模型和相对发展度模型,解析了2006-2017年京津冀地区科技创新与新型城镇化的耦合协调度。结果表明,京津冀地区科技创新与新型城镇化综合发展指数、耦合协调度呈逐年增长态势;在时序上,北京两系统同步发展,天津、河北科技创新系统存在滞后;在空间上,各地区两系统耦合协调度存在差异,线性拟合显示,北京耦合协调态势良好,天津耦合协调趋同且潜力巨大,河北协同效应不明显;未来天津、河北两地区应重点考虑科技创新能力的提升。     

京津冀地区科技金融生态比较研究

通过构建京津冀地区科技金融生态环境评价的指标体系,采用变异系数法对2010~2017年这一京津冀地区13个地级市2010~2017年的数据进行了动态综合评价,结果表明,京津冀该地区科技金融生态水平以京、津两市为核心呈现出“内极化”现象,具有不平衡性,主要原因在于京津两地科技金融生态发展的基础条件显著优于河北省的11个城市,同时京津对区域创新发展的带动和扩散作用不足,加以行政区划的刚性约束,三地未能形成发展合力。于是提出了以下建议：通过发挥北京市产业结构转型升级对津冀的带动作用、,落实京津冀三地的战略定位以及,持续推进京津冀地区科技金融协同的方式,以促进京津冀地区金融发展与科技领域的可持续创新。     

京津冀产业结构调整对大气污染物排放的影响效应——基于向量自回归(VAR)模型的脉冲响应函数分析

 京津冀地区已连续多年被大气污染问题所困扰，产业结构调整能够协调经济发展和环境保护之间的关系。为分析产业结构调整对大气污染的影响效应，选取1999-2015年京津冀地区产业结构和大气污染物排放数据，分别建立第二产业比例与SO₂、工业烟（粉）尘排放量的向量自回归（VAR）模型，并进行脉冲响应函数（IRF）分析。研究发现，产业结构调整对不同地区不同污染物的影响方向、影响大小、影响持续时间均有所差异。为了保证产业结构调整政策的高效实施，京津冀应以3年为政策调整参考周期，对于不同的污染物采取不同的控制手段，并联系本地实际开展大气污染物减排工作。     

邢台地区社会经济发展水平评价

由吴良镛教授带领的专家团队提出“京津冀地区城乡空间发展规划研究”,并分别在2002年和2006年完成了两期规划报告．在这样一个大规划背景下,对地处京广铁路沿线和冀南的邢台进行一下摸底研究,显得尤为必要．本文依据2004年的统计数据,选取了反映县域社会经济发展水平的14项指标,在SPSS10．0软件中采用了主成分分析方法,对邢台地区的17个县市进行综合评价,并计算出各个县市的综合得分,然后通过聚类分析得出邢台地区社会经济发展水平的地域差异．最后,对这种地域差异现象进行了分析,并对以后的发展提出了一些建议．     

基于DEA的环渤海能源利用效率研究

环渤海经济圈的迅速崛起,对国家经济发展发挥着巨大的推动作用.从能源视角,采用数据包络分析法对环渤海地区、长三角地区的上海市和浙江省、珠三角地区的广东省2000—2011年能源利用效率进行了测度.结果显示,环渤海地区的能源利用效率要低于长三角地区和珠三角地区.目前,环渤海地区四省两市一区的能源利用效率排名依次为:北京、天津、辽宁、内蒙古、山东、河北、山西.在此基础上提出了提高环渤海能源利用效率的对策.     

基于Meta回归模型的土地利用类型生态系统服务价值核算与转移

基于Meta-analysis方法, 分别建立耕地、林地、草地、园地、水域和未利用地 6 个地类的生态系统服务价值回归模型。除考虑年代和评估方法外, 还引入分区和社会经济因素(包括人口密度和人均GDP), 发现这两个变量在解释生态系统服务价值变化时较为重要。使用价值转移研究范式, 将所建模型应用到京津冀地区, 计算各类土地利用类型的生态系统服务价值。研究结果表明: 土地利用类型按照生态系统服务价值高低排序为水域、林地、草地、园地、耕地、未利用地; 京津冀地区不同市区各类土地利用提供的生态系统服务价值不同, 其中耕地、林地、草地、园地和水域的生态系统服务价值中, 北京和天津最高, 承德和张家口最低; 未利用地的生态系统服务价值中, 张家口和承德最高, 北京和天津最低。研究成果丰富了生态系统价值评估的方法和技术, 也可为京津冀地区土地持续管理提供科学依据。     

从旅游地理角度看京津冀旅游协作的重要性

本文从北京、天津、河北的自然旅游资源的考察出发,指出京津冀旅游协作的重要性。     

推进河北省区域创新体系建设的思考

河北省推进区域创新体系建设 ,必须发挥比较优势 ,充分挖掘创新资源的多样性 ,强化企业创新主体地位 ,建立产学研联合的创新支撑体系 ,加强同京津的合作创新 ,建立开放的创新体系 ,实施传统优势产业与高技术产业协调发展的技术创新战略 ,建设具有地方特色的农业创新体系 ,加快科技中介服务体系建设 ,推动全社会加大创新投入 ,全力营造良好的创新环境。     

大北京都市区城市旅游竞争力的评价

在对国内外城市旅游竞争力研究梳理的基础上,构建由旅游资源竞争力、旅游产业竞争力、旅游经济竞争力、城市经济竞争力、城市环境竞争力组成的城市旅游竞争力综合评价模型.研究结果表明：大北京都市区10个城市的旅游竞争力差异显著,具有明显的层次性,北京和天津分别属于第一层次和第二层次,旅游竞争优势明显;河北省的8个城市分属于第三层次和第四层次,与北京天津两大城市差距较大.从旅游单要素的竞争力看,区域环境竞争力相对均衡,区域旅游产业竞争力的差距最大,区域内的不均衡性表现突出.