论文部分内容阅读
[摘要]在实施京津冀协同发展战略的背景下，本文从政策力度、政策目标和政策措施三个维度对京津冀地区科技金融政策进行量化研究；构建区域创新发展水平指标体系，运用熵值法赋权测算了2012—2016年京津冀地区43个区市区域创新发展水平；构建空间计量模型实证研究了京津冀科技金融政策发展对区域创新的影响。研究结果表明，现阶段京津冀各区市科技金融政策发展程度具有明显的梯度性，区域创新发展水平差异悬殊；大部分区市科技金融政策的发展对促进本区市区域创新具有显著的作用；邻接地区科技金融政策的发展对该地区区域创新发展具有正的空间溢出效应，不过这种区域辐射效应或空间溢出效应还不够显著。
[关键词]京津冀；科技金融政策；区域创新；空间计量模型
[中图分类号]F832.46[文献标志码]A[文章编号]1672-4917（2018）04-0040-11
一、引言
2015年4月30日，中共中央政治局发布了《京津冀协同发展规划纲要》，计划打造京津冀协同创新共同体，让创新成为京津冀经济增长的新引擎，努力将其建设成全国科技创新中心。党的十九大报告指出要着力加快建设实体经济、科技创新、现代金融、人力资源协同发展的产业体系，强调了金融业应与实体经济紧密联系、互相支撑，不能搞自我循环、自我发展。实体经济的发展离不开金融资本的支持，而金融业的发展也需要科技创新的不断推动。科技与金融结合的创新发展已经成为金融市场一股不可逆的趋势，科技金融具有强大的生命力。科技金融政策是科技金融理念的载体，是政府引导和推动科技金融乃至区域创新水平发展的关键手段。
关于科技金融政策的研究，饶彩霞、唐五湘（2013年）从体系构建的角度，对国内科技金融政策进行梳理，提出建立一个层次分明的、科学的科技金融政策体系的构想，以此促进科技金融的深度融合与可持续发展，助力创新型国家建设[1]。苑泽明、郭景先（2015年）从理论分析的角度，主张构建一个包含市场、服务和财税评价的全面的科技金融政策理论分析框架[2]。曲昭、丁堃（2015年）则从文献计量的角度，建议政府应加大科研投入，鼓励学者提升科研成果数量和质量，培养一批长期从事该领域研究的科研人员[3]。程翔（2018年）认为现阶段京津冀地区在科技金融的发展中存在失衡问题，阻碍了京津冀一体化进程，其中科技金融政策发展失衡是很关键的一环[4]。上述相关研究的角度虽不一致，但都指出了国内科技金融政策体系的不健全，并且有针对性地提出了一些建议。国内更多的研究是将科技金融政策归入到科技金融体系中进行相关研究，将科技金融政策视为科技金融发展框架的一部分。
国内关于区域创新的研究较为全面。时省、赵定涛（2013年）运用2004—2010年的省际面板数据，从产业集聚视角和城市空间集聚视角研究发现区域创新能力发展存在明显的人力资本门槛效应以及区域差异[5]。高月姣、吴和成（2015年）的研究发现企业、高校、科研机构以及金融机构对区域创新能力存在着正向影响，但效果存在差异[6]。另外，赵艳华、赵士雯（2017年）研究发现创新资源投入、创新支撑环境、对外学习交流能力和技术成果转化能力四个方面的不同对于区域内部的影响强弱程度是不同的[7]。
在科技金融政策与区域创新发展水平关系的研究方面，武志伟等（2016年）选择江苏省的科技型企业作为研究对象，运用描述性统计和灰色关联度等方法对样本城市的科技企业绩效与政策绩效进行了分析，发现科技金融政策对地区科技创新产出具有时滞效应和时间累积效应[8]。苑泽明等（2018年）运用公共政策理论构建科技金融政策执行框架，采用问卷调查和多案例研究方法探索影响政策获知、政策申请及政策落实的因素及其作用机制，发现拨款及时性、部门间协作与资金监管共同作用于政策落实，影响企业对政策执行的最终满意度[9]。
从地理空间结构上看，京津冀地区仅有南面敞开，其余三面或环山或沿海，尽管京津冀三省市的经济发展水平存在着梯次差异，但它们的社会经济联系不管在历史上还是现如今都是极为密切的，天津和河北相对于首都北京形成了相对独立和完整的外围—核心典型性经济空间结构。此外，北京、天津、河北区域创新发展水平梯度差异较大，京津冀地区内部科技金融政策颁布与实施极不平衡，基于此，厘清京津冀地区科技金融政策发展现状，明晰京津冀地区在完善科技金融政策以促进区域创新能力发展方面所遇到的问题，并在此基础上提出促进科技金融政策更好服务于区域创新发展的对策和建议，为进一步推进京津冀地区创新驱动发展战略提供有力的论据参考和重要的科学支撑是十分有必要的。本文的价值一是从科技金融政策的视角探寻该地区43个地市区科技创新产出的差异；二是运用空间计量模型对该地区科技金融政策及其对区域创新的影响进行实证研究，以此更好地对京津冀地区科技金融政策的发展状况进行评价，为促进区域创新水平发展提供科学建议。
二、京津冀科技金融政策发展现状研究
（一）政策文本量化方法
为了更全面地反映科技金融政策的内容和效度，在借鉴纪陈飞、吴群（2015年）[10]，张炜、费小燕（2016年）[11]研究的基础上從政策力度、政策目标和政策措施三个维度对科技金融政策进行量化，具体标准见表1。
科技金融政策力度是指政策颁布实施后特定社会群体对政策的信服程度，这与政策发布主体的威信息息相关。量化科技金融政策力度，本文主要从区分政策颁布主体的行政级别来度量。科技金融政策目标是指有关主体为了促进科技金融相关问题的解决而采取的政策行为所要达到的目标、指标和效果，具有明确性、针对性和可能性的特点。对科技金融政策目标进行量化，主要从区分科技金融政策文本的内容对科技金融支持的全面程度，以及其在处理科技金融发展中所遇到的问题的行政效率的高低上来进行。科技金融政策措施是指针对解决科技金融问题而采取的处理办法。量化科技金融政策措施，本文主要从区分科技金融政策内容所体现的政策行为的具体程度来度量。 在对科技金融政策措施、政策目标和政策力度进行赋值量化后，将目标分值和措施分值相加之和与力度分值进行相乘即得到某项科技金融政策的评价分值：
TFGj=PGj×（TGj+MGj）。（1）
TFGj表示第j项科技金融政策的评价分值，PGj表示第j项科技金融政策的政策力度分值，TGj表示第j项科技金融政策的政策目标分值，MGj表示第j项科技金融政策的政策措施分值。
以此求某地级市行政规划区的所有相关科技金融政策评价分值的总分即为某一地区某一单一年度科技金融政策评价分值：
TTFGt=Σnj=1TFGj。（2）
TTFGt表示第t年某地级市级别行政规划区的科技金融政策评价分值，n表示该地级市行政规划区在第t年出台的科技金融政策文件数量，TFGj表示该地区在第t年出台的第j项科技金融政策评价分值。
在经济社会运行的实践中，对相关社会经济活动真正起到作用的不仅仅是当年颁布的新政策，还包括截止到当时的所有相关未过期政策的效力累积，因此在计算每一地区某一年度政策得分之后，需要通过公式来计算截至到当年的科技金融政策评价分值的累加值，即科技金融政策发展水平得分
NTTFGt=Σt-2011t=2012TFGt。（3）
NTTFGt表示截止到第t年某地級市级别行政规划区的科技金融政策发展水平评价分值，TFGj表示第j年单一年度某地级市级别行政规划区的科技金融政策评价分值。
本文选取京津冀地区北京市辖的海淀区、东城区等16个区，天津市辖的和平区、河西区等16个区，河北省的邢台市、张家口市等11个城市，一共43个区市2012—2016年间的市级层面科技金融政策文本以及京津冀3个省级行政区划的省级层面科技金融政策文本为样本，相关资料通过官网搜集法和数据库搜集法获取。经过仔细整理、遴选和调整，本文收集了487份科技金融的相关政策文件作为研究样本。
（二）京津冀科技金融政策文本量化结果和分析
按照前文所设定的科技金融政策量化评价标准，计算出2012—2016年京津冀各区市科技金融政策发展水平分值结果如表2所示。
可以看出，京津冀各区市科技金融政策发展水平差异较大，2012年科技金融政策发展水平最高区市北京市海淀区与最低区市河北省张家口市，两者分值相差超过3倍，排名前5位区市的政策发展水平分值平均值为364分，排名后5位省份得分平均值为99分，前者是后者的近4倍。2016年科技金融政策发展水平最高区市北京市海淀区与最低区市河北省张家口市，两者相差超过1倍， 排名前5位区市的政策发展水平分值平均值为1703分，排名后5位省份得分平均值为820分，前者是后者的2倍。这些都说明京津冀各区市科技金融政策发展水平差异严重，从时间维度来看，京津冀地区各区市科技金融政策发展水平总体上呈现逐年增长趋势，这与科技金融的现实发展和国家政策倾向契合，并且各市区的得分差距在逐年扩大，呈现明显的不均衡发展。其中北京市海淀区、天津市滨海新区和河北省石家庄市作为京津冀三省市域的经济发展的领头区市，科技金融政策得分一直领先于同省市域的其他区市。纵观2012年至2016年的科技金融政策发展水平得分情况，这种领先优势还在不断扩大，这与实际情况相吻合。海淀区由于中关村工业园区的发展，滨海新区由于其在天津的科技发展定位，石家庄作为河北省省会的区位优势，获得了更多的政策资源倾斜，使科技金融政策的分值领先于其他区市。此外，北京凭借其科技创新中心的区位优势，使其辖内各区的科技金融政策分值均领先于天津和河北省的辖内区市。
三、京津冀地区创新水平评价分析
（一）指标选取与数据来源
区域创新指在特定创新环境下进行相应创新投入，从而获得相应创新产出的一种行为，包含创新环境、创新投入和创新产出等要素。在实际的创新产出过程中，衡量的变量有许多，本文参考钱敏（2016年）[12]、谢彦龙（2017年）[13]等人的研究，依据指标科学性和数据可得性对指标进行分析和挑选，选取了7个指标，具体可参见表3。
创新投入用来衡量创新资源的配置情况，一般包括创新资金资源投入和相关创新人才资源投入。本文在创新投入方面，分别从财政科技支出占一般公共财政支出比重、R&D经费内部支出和教育经费支出占一般公共财政支出比重来表示区域创新投入状况；创新产出能够直接反映出区域创新的效果，本文通过发明专利拥有量和技术合同成交额表示区域创新转化效果和应用效果；创新环境是为开展创新活动所提供的基础条件，包括经济基础、教育基础等。本文以人均GDP和公共图书馆藏书量来表示区域创新环境状况。
根据上文构建的区域创新发展水平评价体系里的相关指标，选取京津冀地区43个区市为样本，对其2013—2017年的区域创新发展水平进行研究。文中数据主要来自于《北京统计年鉴》（2013—2017年）、《天津统计年鉴》（2013—2017年）和《河北省统计年鉴》（2013—2017年）等相关国民经济与社会发展统计公报。
（二）京津冀区域创新水平评价方法
本文采用熵值法来确定区域创新发展水平各项评价指标的权重。由于反映区域创新发展水平的相关指标数据在计量单位、数量级等方面具有较大差异，必须先对其进行规范化处理，这样才能进行合成计算。本文对区域创新发展水平各项评价指标进行无量纲化处理时选用标准化法（Z-SCORE 法）。并且由于标准化法的评价值结果有正有负，本文将初步处理结果乘以100并向上平移 150 个单位，使所有评价值为正数，更符合习惯，便于观察。通过对相关数据的计算得出权重值，如表4所示。
TG为某一区市第j年区域创新水平评价得分，Xij为第i项指标的权重，通过熵值赋权法求得，Aj为第j项指标的数值。
（三）京津冀区域创新发展水平评价结果和分析 利用上述评价方法，计算出的京津冀区域创新发展水平得分情况如表5所示。
京津冀地区区域创新发展水平差异悬殊，2012年区域创新发展水平最高区市和最低区市分别是北京市海淀区和北京市延庆区，前者分值是后者的近4倍，排名前5位和排名后5位区市的区域创新发展水平平均值分别为262.54分和99.4分，前者比后者超1倍有余；2016年区域创新发展程度最高区市是北京市海淀区，最低区市是河北省保定市，两者分值相差超过3倍，排名前5位区市的区域创新发展水平平均值为314.54分，排名后5位区市的区域创新发展水平平均值为116.4分，前者是后者的近3倍。这些都说明各区市区域创新发展水平差异明显。从空间维度上综合考虑河北省的地级市与北京、天津的区市在人口和区域面积上的差异，区市间的区域创新发展水平差异更加明显，但同时也表明区域创新发展水平与地区经济发展程度具有较好的契合性。从时间维度来看，计算出的结果显示出京津冀地区各区市区域创新发展水平总体上逐年提高，并且各市区的得分差距在逐年扩大，呈现明显的不均衡发展。其中北京市海淀区、天津市滨海新区，河北省石家庄市都在其省市域内遥遥领先。总之，京津冀三省市的各区市区域创新发展水平具有较大的差异，且这种差距随着时间的推移越来越大。因此可以表明，尽管京津冀区域协同发展战略在不断推进，但短期内仍然难以打破京津冀三地之间创新能力不平衡的局面。
四、京津冀科技金融政策对区域创新空间影响实证分析
（一）研究方法
空间权重矩阵作为空间计量模型的关键变量，常常被用来衡量研究对象间的空间关联性。所以本文首先构建各地级市级别的行政规划区的空间权重矩阵W，因为本文是基于京津冀43个地级市级别的行政规划区数据进行分析，因此构建的邻接关系空间权重矩阵W是一个43×43阶方阵。元素wij为非标准化邻接关系空间权重矩阵的元素，w′ij则为标准化后邻接关系空间权重矩阵的元素，构建原则如下式所示：
地理空间因素的两种主要表现形式为因变量的空间滞后项和误差干扰项，因此如果是由因变量的空间滞后项来体现相关变量之间的空间自相关，那么在模型的构建过程中用于检验科技金融政策发展水平与区域创新发展水平关系的模型就应该使用空间滞后模型SLM，模型具体形式为
其中，空间滞后变量W×Q为邻近区市区域创新发展水平差距变量的加权求和，W为43×43阶邻接关系空间权重矩阵，λ为空间自回归系数，被用来测度邻近区市解释变量对本地区区域创新发展水平的影响。
如果用模型解释变量忽略的变量来体现相关变量之间的空间自相关关系，那么就应该选择空间误差模型SEM来作为检验科技金融政策发展水平与区域创新发展水平关系的模型，模型具体形式为
其中，Wμ代表空间滞后误差项，参数ρ代表空间误差自相关系数，用来衡量回归残差之间空间相关的强度，即邻近区市的空间误差项对本地区区域创新发展水平的影响力。
如果要检验某一区市科技金融政策发展水平的提高对周边区市区域创新水平发展的溢出效应，则需要构建空间杜宾模型SDM，具体形式如下：
其中，W_NTTFG是在构建SDM模型过程中加入的区市科技金融政策发展水平的空间滞后解释变量，δ则为相应的回归系数。
（二）空间自相关检验与模型结果分析
检验空间自相关最常用的方法是使用Moran’s I指数检验经济变量的空间集聚状况。从表6中可以看出，2012—2016年京津冀各区市科技金融政策发展水平的Moran’s I指数均为正值，并且都在1%的水平下显著，这说明各区市科技金融政策发展水平具有明显的空间正相关性，呈现空间集聚现象，但是京津冀区域创新发展的 Moran’s I指数虽然也是正值，但是指数值不高，另外从Moran’s I指数的变化情况来看，京津冀科技金融政策发展水平和区域创新发展的空间相关性呈明显下降趋势，说明京津冀科技金融政策发展水平和区域创新发展水平趋向于均衡发展。
另外，為进一步对京津冀科技金融政策发展水平以及京津冀区域创新发展水平空间相关性的变化进行比较分析，本文分别画出了2012年与2016 年相关变量的高低聚类分析表图。从图1和表7中可以看出，2016年科技金融政策发展水平中京津冀地区共有28个区市显示出正的空间相关性，占比达65.11%，其中有20个区市为高的科技金融政策发展水平集聚（即科技金融政策发展水平HH空间关联模式），有8个区市为低的科技金融政策发展水平集聚（即科技金融政策发展水平 LL空间关联模式），说明科技金融政策发展水平呈空间集聚趋势，即科技金融政策发展水平高的区市更多邻接的是其他科技金融政策发展水平高的区市。
从图2和表7中也可以看出，2016京津冀地区区域创新发展水平中京津冀地区共有29个区市显示出正的空间相关性，占比达67.44%，其中有14个区市为高的区域创新发展水平集聚（即区域创新发展水平HH空间关联模式），有15个区市为低的区域创新发展水平集聚（即区域创新发展水平LL空间关联模式），这说明区域创新发展水平存在空间集聚趋势。同时也可以看出，区域创新水平分数集聚区市大多也是科技金融政策发展水平得分高值集聚区市，因此可以初步判断京津冀地区科技金融政策发展可能有助于促进其当地及邻接区市区域创新发展水平提高。
某一区市区域创新水平的发展不仅需要本区市科技金融政策的推动，同时还有可能受到周边区市科技金融政策辐射的影响。区域创新水平的发展在空间上具有较强的相关性，科技金融政策在空间维度上的发展集聚促进了区域创新水平发展在空间上的依赖性。所以，应将空间因素纳入到京津冀科技金融政策发展对区域创新水平影响的研究中来。
基于此，本文先用普通最小二乘法（OLS）对模型进行误差估计，并对其进行空间自相关检验，结果如表8所示，OLS回归残差Moran’s I指数检验的值是1.067，达到1%的显著性水平，这可以证明OLS回归残差在空间维度上存在着很强的相关性，如果忽视空间因素，则普通最小二乘法（OLS）模型估计会出现误差。与此同时，可以利用拉格朗日乘子Lagrange multiplier及其稳健性Robust Lagrange multiplier检验数值来衡量SLM模型和SEM模型的适用性。在表8中，LM（Lag）显著性水平为0.3%，而LM（Error）的显著性水平为 0.4%；同时，Robust LM（Lag）达到1.5%的显著性水平，而 Robust LM（Error）则达到7.8%的显著性水平。两相比较，Lagrange multiplier（Lag）和Robust Lagrange multiplier（Lag）相对于Lagrange multiplier（Error）和Robust Lagrange multiplier（Error）均更为显著，因此空间滞后模型（SLM）对相关变量进行空间维度分析更为合适。 为了更加便于比较，本文将分别采用OLS、SLM、SEM和SDM四种模型来检验京津冀地区科技金融政策发展对区域创新水平发展的影响，相关结果如表9所示。空间误差系数和空间滞后系数都具有高度显著的统计数值，估计值均通过了1%或5%的显著性检验，进一步说明相关变量在空间维度上存在较强的相关性，说明空间因素在京津冀地区各区市科技金融政策发展和区域创新水平发展中发挥了作用。而在前三种模型中，空间滞后模型SLM 的对数似然函数log L值（229.8）最大，而且其拟合优度也最高（0.579），这同样也说明考虑空间因素的SLM模型的拟合效果更好，如果使用忽略空间效应的传统OLS方法进行模型拟合则会出现明显的假设误差。
基于表8和表9的估计结果，本文选用SLM模型的估计结果进行分析。对于SLM 模型，就关键变量来说，科技金融发展水平NTTFG的回归系数为 0.0138294，通过5%的显著性检验。这表明，科技金融政策发展和区域创新发展水平之间在空间层面上表现出一定的一致性，即大部分区市科技金融政策发展水平的提高能够促进区域创新水平的发展。
为了进一步研究解释相关变量的空间相关性，必须考虑到解释变量可能存在的空间依赖性，对此，本文采用了引入解释变量滞后性的SDM模型对科技金融政策发展水平和区域创新发展水平之间在空间上的相关性进行进一步研究。在SDM模型检验结果中，区域创新发展水平TG的空间误差回归系数λ的估计值为0.37052，显著性水平为0.6%，在
统计上是高度显著的。这表明，区市之间的区域创新发展水平在空间维度上具有显著的正依赖性，也就是说存在正的溢出效应，邻近区市区域创新水平每提高1%就可使本区市区域创新发展水平提高约0.37%。另外，不但W_NTTFG的系数为正，而且NTTFG的回归系数也为正，说明各区市科技金融政策的发展通过空间地理空间机制对促进区域创新发挥了作用，周边区市科技金融政策的发展对本区市区域创新水平的发展存在溢出效应。不过W_NTTFG的系数没有达到10%的显著性水平，说明科技金融政策的溢出效应并不明显，这可能是由于各区市在地理空间位置上是相接的，加之京津冀一体化的发展，行政区域对资本、劳动力等生产要素自由流动的约束越来越弱，各个区市的市场关联和政府合作日益紧密，加强了不同区市间的互动依赖关系，所以邻近区市科技金融政策的发展对本区市区域创新水平的提高存在正的溢出效应。但是政策层面、资源流动层面等由于行政區划割据形成了一定的体制障碍，使不同区市的政策在执行力度与政策效力方面并不一致，区市之间的政策资源流动并不顺畅，从而使政策溢出效应不够明显。
五、结论和建议
通过对京津冀地区科技金融政策与区域创新的研究得出以下结论：第一，京津冀地区各区市科技金融政策发展水平差异悬殊；第二，京津冀各区市区域创新发展水平存在较大的梯度差；第三，各区市科技金融政策的发展通过空间地理机制对邻接区市区域创新水平的提高发挥了促进作用，邻近区市科技金融政策的发展对本区市区域创新水平的提高存在正的溢出效应，不过这种溢出效应并不够明显；第四，京津冀地区各区市科技金融政策发展和区域创新水平发展在空间维度上存在着显著的正相关性，大部分区市科技金融政策的发展对提高本区市区域创新水平具有显著的促进作用。
由此，本文提出以下建议：第一，注重政策发展战略制造的针对性。要注重各区市科技金融政策发展战略制定的针对性，使之与各区市自身情况相符合，并以此提升区域之间、省域之间科技金融政策资源的协调度，避免扩大区市及省域科技金融发展水平和区域创新发展水平的差距。海淀区和滨海新区等政策资源丰富、创新水平较高的区域应更加重视提升科技金融政策利用的效率性，最大化政策资源的应用效果，同时在周边区市发挥引领辐射作用。而科技金融政策发展水平和区域创新发展水平都较低的河北省各区市，应侧重于提高科技金融政策的渗透性，加快科技金融政策的体系建设，使相关政策资源能够更好地落实到区域创新水平发展上。
第二，加强科技金融政策的渗透性。必须通过提升科技金融政策渗透性来提升创新落后地区的科技金融政策发展水平。从政策的制定到政策的颁布和执行再到有实际效果往往需要一个时间过程，这会导致政策的实际效果常常存在一定的滞后性，因此在科技金融政策的制定上应该避免在较短的时间段里颁布大量同类政策，而且需要更加注意政策整体上的协调性和内容的连贯性，加强政策的执行力，对各个环节多开展相应的评价工作，及时反馈科技金融的发展状况，不断提升科技金融利用的政策效率。
第三， 注重政策的协调性。在科技金融发展和区域创新水平发展的分析与政策制定过程中应加入对地区的空间相互效应的考量，重视各区市在经济地理空间上的相关性，各区市应该多加考虑所制定的科技金融政策对邻近区市的影响，而不是仅仅考虑其对自身的影响；逐步突破行政区划给各区市政策资源流动所带来的障碍，不断加强区市之间在政策制定、执行等各阶段的相互合作，以此来促进区市之间政策资源的流动顺畅性，从而使科技金融政策在区市之间的空间溢出效用得到充分发挥，促进区域创新水平的共同发展。
[参考文献]
[1]饶彩霞、唐五湘、周飞跃：《我国科技金融政策的分析与体系构建》，《科技管理研究》2013年第20期。
[2]苑泽明、郭景先、侯雪莹：《我国科技金融政策评价研究：构建理论分析框架》，《科技管理研究》2015年15期。
[3]曲昭、丁堃、张春博：《基于文献计量视角的科技金融政策研究》，《科技进步与对策》2015年第7期。
[4]程翔、鲍新中：《科技金融政策效率研究——以京津冀地区为例》，《北京联合大学学报（人文社会科学版）》2018年第3期。
[5]时省、赵定涛、洪进等：《集聚视角下知识密集型服务业对区域创新的影响研究》，《科学学与科学技术管理》2013年第12期。 [6]高月姣、吴和成：《创新主体及其交互作用对区域创新能力的影响研究》，《科研管理》2015年第10期。
[7]赵艳华、赵士雯：《基于灰色关联度的京津冀区域创新能力影响因素比较分析》，《大连理工大学学报（社会科学版）》2017年第1期。
[8]武志伟、陈莹、薄燕琳：《江苏省科技金融政策有效性的实证研究》，《科技管理研究》2016年第9期。
[9]苑泽明、李田、贾玉辉：《科技金融政策执行研究：影响因素及理论模型——基于企业问卷调查与多案例研究》，《经济与管理研究》2018年第4期。
[10]纪陈飞、吴群：《基于政策量化的城市土地集约利用政策效率评价研究——以南京市为例》，《资源科学》2015年第11期。
[11]张炜、费小燕、肖云等：《基于多维度评价模型的区域创新政策评估——以江浙沪三省为例》，《科研管理》 2016年S1期。
[12]钱敏：《基于GeoDa-GIS的区域创新水平空间结构演化分析》，《商业经济研究》2016年第3期。
[13]谢彦龙、李同昇、李梦雪等《区域创新与经济发展时空耦合协调分析——以陕西省为例》，《科技管理研究》2017年第2期。
Abstract： Under the background of the implementation of the Beijing-Tianjin-Hebei coordinated development strategy， this paper quantitatively studies the science and technology financial policies of the Beijing-Tianjin-Hebei region from the three dimensions of policy intensity， policy objectives and policy measures； constructs a regional innovation development level index system， and uses the entropy method to assign. The power measurement calculated the regional innovation development level of 43 districts and cities in Beijing-Tianjin-Hebei region from 2012 to 2016； the spatial measurement model was constructed to empirically study the impact of Beijing-Tianjin-Hebei science and technology financial policy development on regional innovation. The research results show that at this stage， the development level of science and technology financial policies in various districts and cities of Beijing， Tianjin and Hebei has obvious gradient， and the level of regional innovation and development is very different. The development of science and technology financial policies in most districts and cities has a significant effect on promoting regional innovation in this district. The development of science and technology financial policies in adjacent areas has a positive spatial spillover effect on regional innovation and development in this region， but the radiation effect or spatial spillover effect of this region is not significant enough.
Key words：Beijing-tianjin-hebei region； the financial policy of science and technology； regional innovation； space econometric model
（責任编辑 孙俊青）
[关键词]京津冀；科技金融政策；区域创新；空间计量模型
[中图分类号]F832.46[文献标志码]A[文章编号]1672-4917（2018）04-0040-11
一、引言
2015年4月30日，中共中央政治局发布了《京津冀协同发展规划纲要》，计划打造京津冀协同创新共同体，让创新成为京津冀经济增长的新引擎，努力将其建设成全国科技创新中心。党的十九大报告指出要着力加快建设实体经济、科技创新、现代金融、人力资源协同发展的产业体系，强调了金融业应与实体经济紧密联系、互相支撑，不能搞自我循环、自我发展。实体经济的发展离不开金融资本的支持，而金融业的发展也需要科技创新的不断推动。科技与金融结合的创新发展已经成为金融市场一股不可逆的趋势，科技金融具有强大的生命力。科技金融政策是科技金融理念的载体，是政府引导和推动科技金融乃至区域创新水平发展的关键手段。
关于科技金融政策的研究，饶彩霞、唐五湘（2013年）从体系构建的角度，对国内科技金融政策进行梳理，提出建立一个层次分明的、科学的科技金融政策体系的构想，以此促进科技金融的深度融合与可持续发展，助力创新型国家建设[1]。苑泽明、郭景先（2015年）从理论分析的角度，主张构建一个包含市场、服务和财税评价的全面的科技金融政策理论分析框架[2]。曲昭、丁堃（2015年）则从文献计量的角度，建议政府应加大科研投入，鼓励学者提升科研成果数量和质量，培养一批长期从事该领域研究的科研人员[3]。程翔（2018年）认为现阶段京津冀地区在科技金融的发展中存在失衡问题，阻碍了京津冀一体化进程，其中科技金融政策发展失衡是很关键的一环[4]。上述相关研究的角度虽不一致，但都指出了国内科技金融政策体系的不健全，并且有针对性地提出了一些建议。国内更多的研究是将科技金融政策归入到科技金融体系中进行相关研究，将科技金融政策视为科技金融发展框架的一部分。
国内关于区域创新的研究较为全面。时省、赵定涛（2013年）运用2004—2010年的省际面板数据，从产业集聚视角和城市空间集聚视角研究发现区域创新能力发展存在明显的人力资本门槛效应以及区域差异[5]。高月姣、吴和成（2015年）的研究发现企业、高校、科研机构以及金融机构对区域创新能力存在着正向影响，但效果存在差异[6]。另外，赵艳华、赵士雯（2017年）研究发现创新资源投入、创新支撑环境、对外学习交流能力和技术成果转化能力四个方面的不同对于区域内部的影响强弱程度是不同的[7]。
在科技金融政策与区域创新发展水平关系的研究方面，武志伟等（2016年）选择江苏省的科技型企业作为研究对象，运用描述性统计和灰色关联度等方法对样本城市的科技企业绩效与政策绩效进行了分析，发现科技金融政策对地区科技创新产出具有时滞效应和时间累积效应[8]。苑泽明等（2018年）运用公共政策理论构建科技金融政策执行框架，采用问卷调查和多案例研究方法探索影响政策获知、政策申请及政策落实的因素及其作用机制，发现拨款及时性、部门间协作与资金监管共同作用于政策落实，影响企业对政策执行的最终满意度[9]。
从地理空间结构上看，京津冀地区仅有南面敞开，其余三面或环山或沿海，尽管京津冀三省市的经济发展水平存在着梯次差异，但它们的社会经济联系不管在历史上还是现如今都是极为密切的，天津和河北相对于首都北京形成了相对独立和完整的外围—核心典型性经济空间结构。此外，北京、天津、河北区域创新发展水平梯度差异较大，京津冀地区内部科技金融政策颁布与实施极不平衡，基于此，厘清京津冀地区科技金融政策发展现状，明晰京津冀地区在完善科技金融政策以促进区域创新能力发展方面所遇到的问题，并在此基础上提出促进科技金融政策更好服务于区域创新发展的对策和建议，为进一步推进京津冀地区创新驱动发展战略提供有力的论据参考和重要的科学支撑是十分有必要的。本文的价值一是从科技金融政策的视角探寻该地区43个地市区科技创新产出的差异；二是运用空间计量模型对该地区科技金融政策及其对区域创新的影响进行实证研究，以此更好地对京津冀地区科技金融政策的发展状况进行评价，为促进区域创新水平发展提供科学建议。
二、京津冀科技金融政策发展现状研究
（一）政策文本量化方法
为了更全面地反映科技金融政策的内容和效度，在借鉴纪陈飞、吴群（2015年）[10]，张炜、费小燕（2016年）[11]研究的基础上從政策力度、政策目标和政策措施三个维度对科技金融政策进行量化，具体标准见表1。
科技金融政策力度是指政策颁布实施后特定社会群体对政策的信服程度，这与政策发布主体的威信息息相关。量化科技金融政策力度，本文主要从区分政策颁布主体的行政级别来度量。科技金融政策目标是指有关主体为了促进科技金融相关问题的解决而采取的政策行为所要达到的目标、指标和效果，具有明确性、针对性和可能性的特点。对科技金融政策目标进行量化，主要从区分科技金融政策文本的内容对科技金融支持的全面程度，以及其在处理科技金融发展中所遇到的问题的行政效率的高低上来进行。科技金融政策措施是指针对解决科技金融问题而采取的处理办法。量化科技金融政策措施，本文主要从区分科技金融政策内容所体现的政策行为的具体程度来度量。 在对科技金融政策措施、政策目标和政策力度进行赋值量化后，将目标分值和措施分值相加之和与力度分值进行相乘即得到某项科技金融政策的评价分值：
TFGj=PGj×（TGj+MGj）。（1）
TFGj表示第j项科技金融政策的评价分值，PGj表示第j项科技金融政策的政策力度分值，TGj表示第j项科技金融政策的政策目标分值，MGj表示第j项科技金融政策的政策措施分值。
以此求某地级市行政规划区的所有相关科技金融政策评价分值的总分即为某一地区某一单一年度科技金融政策评价分值：
TTFGt=Σnj=1TFGj。（2）
TTFGt表示第t年某地级市级别行政规划区的科技金融政策评价分值，n表示该地级市行政规划区在第t年出台的科技金融政策文件数量，TFGj表示该地区在第t年出台的第j项科技金融政策评价分值。
在经济社会运行的实践中，对相关社会经济活动真正起到作用的不仅仅是当年颁布的新政策，还包括截止到当时的所有相关未过期政策的效力累积，因此在计算每一地区某一年度政策得分之后，需要通过公式来计算截至到当年的科技金融政策评价分值的累加值，即科技金融政策发展水平得分
NTTFGt=Σt-2011t=2012TFGt。（3）
NTTFGt表示截止到第t年某地級市级别行政规划区的科技金融政策发展水平评价分值，TFGj表示第j年单一年度某地级市级别行政规划区的科技金融政策评价分值。
本文选取京津冀地区北京市辖的海淀区、东城区等16个区，天津市辖的和平区、河西区等16个区，河北省的邢台市、张家口市等11个城市，一共43个区市2012—2016年间的市级层面科技金融政策文本以及京津冀3个省级行政区划的省级层面科技金融政策文本为样本，相关资料通过官网搜集法和数据库搜集法获取。经过仔细整理、遴选和调整，本文收集了487份科技金融的相关政策文件作为研究样本。
（二）京津冀科技金融政策文本量化结果和分析
按照前文所设定的科技金融政策量化评价标准，计算出2012—2016年京津冀各区市科技金融政策发展水平分值结果如表2所示。
可以看出，京津冀各区市科技金融政策发展水平差异较大，2012年科技金融政策发展水平最高区市北京市海淀区与最低区市河北省张家口市，两者分值相差超过3倍，排名前5位区市的政策发展水平分值平均值为364分，排名后5位省份得分平均值为99分，前者是后者的近4倍。2016年科技金融政策发展水平最高区市北京市海淀区与最低区市河北省张家口市，两者相差超过1倍， 排名前5位区市的政策发展水平分值平均值为1703分，排名后5位省份得分平均值为820分，前者是后者的2倍。这些都说明京津冀各区市科技金融政策发展水平差异严重，从时间维度来看，京津冀地区各区市科技金融政策发展水平总体上呈现逐年增长趋势，这与科技金融的现实发展和国家政策倾向契合，并且各市区的得分差距在逐年扩大，呈现明显的不均衡发展。其中北京市海淀区、天津市滨海新区和河北省石家庄市作为京津冀三省市域的经济发展的领头区市，科技金融政策得分一直领先于同省市域的其他区市。纵观2012年至2016年的科技金融政策发展水平得分情况，这种领先优势还在不断扩大，这与实际情况相吻合。海淀区由于中关村工业园区的发展，滨海新区由于其在天津的科技发展定位，石家庄作为河北省省会的区位优势，获得了更多的政策资源倾斜，使科技金融政策的分值领先于其他区市。此外，北京凭借其科技创新中心的区位优势，使其辖内各区的科技金融政策分值均领先于天津和河北省的辖内区市。
三、京津冀地区创新水平评价分析
（一）指标选取与数据来源
区域创新指在特定创新环境下进行相应创新投入，从而获得相应创新产出的一种行为，包含创新环境、创新投入和创新产出等要素。在实际的创新产出过程中，衡量的变量有许多，本文参考钱敏（2016年）[12]、谢彦龙（2017年）[13]等人的研究，依据指标科学性和数据可得性对指标进行分析和挑选，选取了7个指标，具体可参见表3。
创新投入用来衡量创新资源的配置情况，一般包括创新资金资源投入和相关创新人才资源投入。本文在创新投入方面，分别从财政科技支出占一般公共财政支出比重、R&D经费内部支出和教育经费支出占一般公共财政支出比重来表示区域创新投入状况；创新产出能够直接反映出区域创新的效果，本文通过发明专利拥有量和技术合同成交额表示区域创新转化效果和应用效果；创新环境是为开展创新活动所提供的基础条件，包括经济基础、教育基础等。本文以人均GDP和公共图书馆藏书量来表示区域创新环境状况。
根据上文构建的区域创新发展水平评价体系里的相关指标，选取京津冀地区43个区市为样本，对其2013—2017年的区域创新发展水平进行研究。文中数据主要来自于《北京统计年鉴》（2013—2017年）、《天津统计年鉴》（2013—2017年）和《河北省统计年鉴》（2013—2017年）等相关国民经济与社会发展统计公报。
（二）京津冀区域创新水平评价方法
本文采用熵值法来确定区域创新发展水平各项评价指标的权重。由于反映区域创新发展水平的相关指标数据在计量单位、数量级等方面具有较大差异，必须先对其进行规范化处理，这样才能进行合成计算。本文对区域创新发展水平各项评价指标进行无量纲化处理时选用标准化法（Z-SCORE 法）。并且由于标准化法的评价值结果有正有负，本文将初步处理结果乘以100并向上平移 150 个单位，使所有评价值为正数，更符合习惯，便于观察。通过对相关数据的计算得出权重值，如表4所示。
TG为某一区市第j年区域创新水平评价得分，Xij为第i项指标的权重，通过熵值赋权法求得，Aj为第j项指标的数值。
（三）京津冀区域创新发展水平评价结果和分析 利用上述评价方法，计算出的京津冀区域创新发展水平得分情况如表5所示。
京津冀地区区域创新发展水平差异悬殊，2012年区域创新发展水平最高区市和最低区市分别是北京市海淀区和北京市延庆区，前者分值是后者的近4倍，排名前5位和排名后5位区市的区域创新发展水平平均值分别为262.54分和99.4分，前者比后者超1倍有余；2016年区域创新发展程度最高区市是北京市海淀区，最低区市是河北省保定市，两者分值相差超过3倍，排名前5位区市的区域创新发展水平平均值为314.54分，排名后5位区市的区域创新发展水平平均值为116.4分，前者是后者的近3倍。这些都说明各区市区域创新发展水平差异明显。从空间维度上综合考虑河北省的地级市与北京、天津的区市在人口和区域面积上的差异，区市间的区域创新发展水平差异更加明显，但同时也表明区域创新发展水平与地区经济发展程度具有较好的契合性。从时间维度来看，计算出的结果显示出京津冀地区各区市区域创新发展水平总体上逐年提高，并且各市区的得分差距在逐年扩大，呈现明显的不均衡发展。其中北京市海淀区、天津市滨海新区，河北省石家庄市都在其省市域内遥遥领先。总之，京津冀三省市的各区市区域创新发展水平具有较大的差异，且这种差距随着时间的推移越来越大。因此可以表明，尽管京津冀区域协同发展战略在不断推进，但短期内仍然难以打破京津冀三地之间创新能力不平衡的局面。
四、京津冀科技金融政策对区域创新空间影响实证分析
（一）研究方法
空间权重矩阵作为空间计量模型的关键变量，常常被用来衡量研究对象间的空间关联性。所以本文首先构建各地级市级别的行政规划区的空间权重矩阵W，因为本文是基于京津冀43个地级市级别的行政规划区数据进行分析，因此构建的邻接关系空间权重矩阵W是一个43×43阶方阵。元素wij为非标准化邻接关系空间权重矩阵的元素，w′ij则为标准化后邻接关系空间权重矩阵的元素，构建原则如下式所示：
地理空间因素的两种主要表现形式为因变量的空间滞后项和误差干扰项，因此如果是由因变量的空间滞后项来体现相关变量之间的空间自相关，那么在模型的构建过程中用于检验科技金融政策发展水平与区域创新发展水平关系的模型就应该使用空间滞后模型SLM，模型具体形式为
其中，空间滞后变量W×Q为邻近区市区域创新发展水平差距变量的加权求和，W为43×43阶邻接关系空间权重矩阵，λ为空间自回归系数，被用来测度邻近区市解释变量对本地区区域创新发展水平的影响。
如果用模型解释变量忽略的变量来体现相关变量之间的空间自相关关系，那么就应该选择空间误差模型SEM来作为检验科技金融政策发展水平与区域创新发展水平关系的模型，模型具体形式为
其中，Wμ代表空间滞后误差项，参数ρ代表空间误差自相关系数，用来衡量回归残差之间空间相关的强度，即邻近区市的空间误差项对本地区区域创新发展水平的影响力。
如果要检验某一区市科技金融政策发展水平的提高对周边区市区域创新水平发展的溢出效应，则需要构建空间杜宾模型SDM，具体形式如下：
其中，W_NTTFG是在构建SDM模型过程中加入的区市科技金融政策发展水平的空间滞后解释变量，δ则为相应的回归系数。
（二）空间自相关检验与模型结果分析
检验空间自相关最常用的方法是使用Moran’s I指数检验经济变量的空间集聚状况。从表6中可以看出，2012—2016年京津冀各区市科技金融政策发展水平的Moran’s I指数均为正值，并且都在1%的水平下显著，这说明各区市科技金融政策发展水平具有明显的空间正相关性，呈现空间集聚现象，但是京津冀区域创新发展的 Moran’s I指数虽然也是正值，但是指数值不高，另外从Moran’s I指数的变化情况来看，京津冀科技金融政策发展水平和区域创新发展的空间相关性呈明显下降趋势，说明京津冀科技金融政策发展水平和区域创新发展水平趋向于均衡发展。
另外，為进一步对京津冀科技金融政策发展水平以及京津冀区域创新发展水平空间相关性的变化进行比较分析，本文分别画出了2012年与2016 年相关变量的高低聚类分析表图。从图1和表7中可以看出，2016年科技金融政策发展水平中京津冀地区共有28个区市显示出正的空间相关性，占比达65.11%，其中有20个区市为高的科技金融政策发展水平集聚（即科技金融政策发展水平HH空间关联模式），有8个区市为低的科技金融政策发展水平集聚（即科技金融政策发展水平 LL空间关联模式），说明科技金融政策发展水平呈空间集聚趋势，即科技金融政策发展水平高的区市更多邻接的是其他科技金融政策发展水平高的区市。
从图2和表7中也可以看出，2016京津冀地区区域创新发展水平中京津冀地区共有29个区市显示出正的空间相关性，占比达67.44%，其中有14个区市为高的区域创新发展水平集聚（即区域创新发展水平HH空间关联模式），有15个区市为低的区域创新发展水平集聚（即区域创新发展水平LL空间关联模式），这说明区域创新发展水平存在空间集聚趋势。同时也可以看出，区域创新水平分数集聚区市大多也是科技金融政策发展水平得分高值集聚区市，因此可以初步判断京津冀地区科技金融政策发展可能有助于促进其当地及邻接区市区域创新发展水平提高。
某一区市区域创新水平的发展不仅需要本区市科技金融政策的推动，同时还有可能受到周边区市科技金融政策辐射的影响。区域创新水平的发展在空间上具有较强的相关性，科技金融政策在空间维度上的发展集聚促进了区域创新水平发展在空间上的依赖性。所以，应将空间因素纳入到京津冀科技金融政策发展对区域创新水平影响的研究中来。
基于此，本文先用普通最小二乘法（OLS）对模型进行误差估计，并对其进行空间自相关检验，结果如表8所示，OLS回归残差Moran’s I指数检验的值是1.067，达到1%的显著性水平，这可以证明OLS回归残差在空间维度上存在着很强的相关性，如果忽视空间因素，则普通最小二乘法（OLS）模型估计会出现误差。与此同时，可以利用拉格朗日乘子Lagrange multiplier及其稳健性Robust Lagrange multiplier检验数值来衡量SLM模型和SEM模型的适用性。在表8中，LM（Lag）显著性水平为0.3%，而LM（Error）的显著性水平为 0.4%；同时，Robust LM（Lag）达到1.5%的显著性水平，而 Robust LM（Error）则达到7.8%的显著性水平。两相比较，Lagrange multiplier（Lag）和Robust Lagrange multiplier（Lag）相对于Lagrange multiplier（Error）和Robust Lagrange multiplier（Error）均更为显著，因此空间滞后模型（SLM）对相关变量进行空间维度分析更为合适。 为了更加便于比较，本文将分别采用OLS、SLM、SEM和SDM四种模型来检验京津冀地区科技金融政策发展对区域创新水平发展的影响，相关结果如表9所示。空间误差系数和空间滞后系数都具有高度显著的统计数值，估计值均通过了1%或5%的显著性检验，进一步说明相关变量在空间维度上存在较强的相关性，说明空间因素在京津冀地区各区市科技金融政策发展和区域创新水平发展中发挥了作用。而在前三种模型中，空间滞后模型SLM 的对数似然函数log L值（229.8）最大，而且其拟合优度也最高（0.579），这同样也说明考虑空间因素的SLM模型的拟合效果更好，如果使用忽略空间效应的传统OLS方法进行模型拟合则会出现明显的假设误差。
基于表8和表9的估计结果，本文选用SLM模型的估计结果进行分析。对于SLM 模型，就关键变量来说，科技金融发展水平NTTFG的回归系数为 0.0138294，通过5%的显著性检验。这表明，科技金融政策发展和区域创新发展水平之间在空间层面上表现出一定的一致性，即大部分区市科技金融政策发展水平的提高能够促进区域创新水平的发展。
为了进一步研究解释相关变量的空间相关性，必须考虑到解释变量可能存在的空间依赖性，对此，本文采用了引入解释变量滞后性的SDM模型对科技金融政策发展水平和区域创新发展水平之间在空间上的相关性进行进一步研究。在SDM模型检验结果中，区域创新发展水平TG的空间误差回归系数λ的估计值为0.37052，显著性水平为0.6%，在
统计上是高度显著的。这表明，区市之间的区域创新发展水平在空间维度上具有显著的正依赖性，也就是说存在正的溢出效应，邻近区市区域创新水平每提高1%就可使本区市区域创新发展水平提高约0.37%。另外，不但W_NTTFG的系数为正，而且NTTFG的回归系数也为正，说明各区市科技金融政策的发展通过空间地理空间机制对促进区域创新发挥了作用，周边区市科技金融政策的发展对本区市区域创新水平的发展存在溢出效应。不过W_NTTFG的系数没有达到10%的显著性水平，说明科技金融政策的溢出效应并不明显，这可能是由于各区市在地理空间位置上是相接的，加之京津冀一体化的发展，行政区域对资本、劳动力等生产要素自由流动的约束越来越弱，各个区市的市场关联和政府合作日益紧密，加强了不同区市间的互动依赖关系，所以邻近区市科技金融政策的发展对本区市区域创新水平的提高存在正的溢出效应。但是政策层面、资源流动层面等由于行政區划割据形成了一定的体制障碍，使不同区市的政策在执行力度与政策效力方面并不一致，区市之间的政策资源流动并不顺畅，从而使政策溢出效应不够明显。
五、结论和建议
通过对京津冀地区科技金融政策与区域创新的研究得出以下结论：第一，京津冀地区各区市科技金融政策发展水平差异悬殊；第二，京津冀各区市区域创新发展水平存在较大的梯度差；第三，各区市科技金融政策的发展通过空间地理机制对邻接区市区域创新水平的提高发挥了促进作用，邻近区市科技金融政策的发展对本区市区域创新水平的提高存在正的溢出效应，不过这种溢出效应并不够明显；第四，京津冀地区各区市科技金融政策发展和区域创新水平发展在空间维度上存在着显著的正相关性，大部分区市科技金融政策的发展对提高本区市区域创新水平具有显著的促进作用。
由此，本文提出以下建议：第一，注重政策发展战略制造的针对性。要注重各区市科技金融政策发展战略制定的针对性，使之与各区市自身情况相符合，并以此提升区域之间、省域之间科技金融政策资源的协调度，避免扩大区市及省域科技金融发展水平和区域创新发展水平的差距。海淀区和滨海新区等政策资源丰富、创新水平较高的区域应更加重视提升科技金融政策利用的效率性，最大化政策资源的应用效果，同时在周边区市发挥引领辐射作用。而科技金融政策发展水平和区域创新发展水平都较低的河北省各区市，应侧重于提高科技金融政策的渗透性，加快科技金融政策的体系建设，使相关政策资源能够更好地落实到区域创新水平发展上。
第二，加强科技金融政策的渗透性。必须通过提升科技金融政策渗透性来提升创新落后地区的科技金融政策发展水平。从政策的制定到政策的颁布和执行再到有实际效果往往需要一个时间过程，这会导致政策的实际效果常常存在一定的滞后性，因此在科技金融政策的制定上应该避免在较短的时间段里颁布大量同类政策，而且需要更加注意政策整体上的协调性和内容的连贯性，加强政策的执行力，对各个环节多开展相应的评价工作，及时反馈科技金融的发展状况，不断提升科技金融利用的政策效率。
第三， 注重政策的协调性。在科技金融发展和区域创新水平发展的分析与政策制定过程中应加入对地区的空间相互效应的考量，重视各区市在经济地理空间上的相关性，各区市应该多加考虑所制定的科技金融政策对邻近区市的影响，而不是仅仅考虑其对自身的影响；逐步突破行政区划给各区市政策资源流动所带来的障碍，不断加强区市之间在政策制定、执行等各阶段的相互合作，以此来促进区市之间政策资源的流动顺畅性，从而使科技金融政策在区市之间的空间溢出效用得到充分发挥，促进区域创新水平的共同发展。
[参考文献]
[1]饶彩霞、唐五湘、周飞跃：《我国科技金融政策的分析与体系构建》，《科技管理研究》2013年第20期。
[2]苑泽明、郭景先、侯雪莹：《我国科技金融政策评价研究：构建理论分析框架》，《科技管理研究》2015年15期。
[3]曲昭、丁堃、张春博：《基于文献计量视角的科技金融政策研究》，《科技进步与对策》2015年第7期。
[4]程翔、鲍新中：《科技金融政策效率研究——以京津冀地区为例》，《北京联合大学学报（人文社会科学版）》2018年第3期。
[5]时省、赵定涛、洪进等：《集聚视角下知识密集型服务业对区域创新的影响研究》，《科学学与科学技术管理》2013年第12期。 [6]高月姣、吴和成：《创新主体及其交互作用对区域创新能力的影响研究》，《科研管理》2015年第10期。
[7]赵艳华、赵士雯：《基于灰色关联度的京津冀区域创新能力影响因素比较分析》，《大连理工大学学报（社会科学版）》2017年第1期。
[8]武志伟、陈莹、薄燕琳：《江苏省科技金融政策有效性的实证研究》，《科技管理研究》2016年第9期。
[9]苑泽明、李田、贾玉辉：《科技金融政策执行研究：影响因素及理论模型——基于企业问卷调查与多案例研究》，《经济与管理研究》2018年第4期。
[10]纪陈飞、吴群：《基于政策量化的城市土地集约利用政策效率评价研究——以南京市为例》，《资源科学》2015年第11期。
[11]张炜、费小燕、肖云等：《基于多维度评价模型的区域创新政策评估——以江浙沪三省为例》，《科研管理》 2016年S1期。
[12]钱敏：《基于GeoDa-GIS的区域创新水平空间结构演化分析》，《商业经济研究》2016年第3期。
[13]谢彦龙、李同昇、李梦雪等《区域创新与经济发展时空耦合协调分析——以陕西省为例》，《科技管理研究》2017年第2期。
Abstract： Under the background of the implementation of the Beijing-Tianjin-Hebei coordinated development strategy， this paper quantitatively studies the science and technology financial policies of the Beijing-Tianjin-Hebei region from the three dimensions of policy intensity， policy objectives and policy measures； constructs a regional innovation development level index system， and uses the entropy method to assign. The power measurement calculated the regional innovation development level of 43 districts and cities in Beijing-Tianjin-Hebei region from 2012 to 2016； the spatial measurement model was constructed to empirically study the impact of Beijing-Tianjin-Hebei science and technology financial policy development on regional innovation. The research results show that at this stage， the development level of science and technology financial policies in various districts and cities of Beijing， Tianjin and Hebei has obvious gradient， and the level of regional innovation and development is very different. The development of science and technology financial policies in most districts and cities has a significant effect on promoting regional innovation in this district. The development of science and technology financial policies in adjacent areas has a positive spatial spillover effect on regional innovation and development in this region， but the radiation effect or spatial spillover effect of this region is not significant enough.
Key words：Beijing-tianjin-hebei region； the financial policy of science and technology； regional innovation； space econometric model
（責任编辑 孙俊青）