區域一體化對城市創新的影響
——基于長江經濟帶戰略的準自然實驗分析

張治棟 胡愛燕

一 引 言

黨的十九大報告指出“堅持建設創新型國家”，十九屆五中全會強調“創新是實現經濟可持續和高質量發展的重要源泉”。在我國經濟轉型的新時期，創新作為新發展理念，處在核心地位。而城市作為國家創新體系的重要截體，不僅集聚著眾多類型的創新資源，還為科技創新活動提供了應用空間，發展城市創新能力已經成為推動經濟高質量發展的關鍵。2018年，長江經濟帶一體化發展上升為國家戰略，涵蓋了一批科技創新重鎮和一大批國家級高新區，匯集了267所高校，培養了大量高素質人才以滿足大數據、云計算、新材料和人工智能等新興產業的發展需求，為我國產業創新發展提供了源源不斷的動力，是我國重要的創新驅動帶。在此背景下，如何激發帶內城市的創新活力，有效發揮長江經濟帶的創新輻射作用和溢出效應，進而推動長江經濟帶區域一體化乃至整個國家的創新發展就成為了新時代經濟轉型的一大課題。區域一體化戰略是否提高了城市創新能力？其影響機制和路徑有哪些？對不同區位、不同規模、不同教育資源城市的影響是否相同？這些探討對構建區域協同創新體系，選擇創新驅動發展路徑，助力實現經濟高質量發展和打造“創新型國家”具有重要的現實意義。

二 文獻綜述

目前學術界關于區域一體化效應的研究多集中在經濟、產業集群、環境等方面。在經濟發展方面，眾多學者指出我國京津冀地區經濟發展存在空間溢出效應(張學波等，2016)、粵港澳大灣區存在創新激勵效應(申明浩等，2020)、成渝城市群存在空間集聚效應(葉文輝和伍運春，2019)。也有學者對長江經濟帶戰略的經濟效應展開研究，李雪松等(2017)認為長江經濟帶戰略通過促進要素交流、區域經濟合作使得帶內城市的經濟增長效率提升，黃文和張羽瑤(2019)則發現長江經濟帶戰略使得城市經濟高質量發展水平穩步提升，上游地區發展水平要略低于下游地區。在產業集群方面，不少學者認為勞動力、資本、技術等要素快速集聚得益于一體化戰略形成的區域聯動發展格局(李朱，2020)。此外，區域一體化戰略對環境的影響研究頗多，范芹(2018)利用灰色關聯模型測度長江經濟帶各個城市的生態環境級別，郭藝等(2022)從碳排放角度指出長三角一體化政策存在碳減排效應。

“科技創新是第一生產力”，學術界主要圍繞著創新的地區差異以及各類政策試點的創新效應進行了一系列研究。在創新的地區差異方面，上海創新空間結構正由單核驅動向多核共振演進，北京則一直以市中心的單核為主(段德忠等，2015)；廣東作為南部強省，城市創新鏈的空間格局呈現出以珠三角為核心、周邊城市仍趨于弱化和分化的新型“核心—外圍”結構(張惠璇，2016)。在各類政策試點的創新效應研究中，熊波和金麗雯(2019)認為國家高新區的建立可以提升城市創新能力，且呈現出隨著時間推移逐漸增強的動態發展趨勢；李政和楊思瑩(2019)提出創新型城市的設立有效提升了城市創新水平；何凌云和馬青山(2021)研究表明智慧城市試點具有明顯的創新激勵效應，并且這種效應具有長期性和穩定性。隨著相關研究的推進，開始有學者注意到區域一體化戰略對城市創新發展具有重要作用，佘碩和李騰寬(2020)利用GMM方法進行實證檢驗，發現區域一體化的發展顯著提高了城市創新水平；長三角作為長江經濟帶的重要城市群，在其擴容所帶來的創新效應方面新進城市大于原位城市(邵漢華等，2020)。

現有關于區域一體化、城市創新的研究較為豐富，但缺乏對區域一體化與城市創新關系的綜合分析和系統研判，更缺乏對城市創新的作用路徑探索。因此，本文可能的邊際貢獻為：(1)現有文獻多分析長江經濟帶戰略對產業集聚、區域經濟、綠色發展等的影響，在創新效應的研究上，大多從省級層面或微觀企業層面著手，較少涉及城市層面，本文則從城市視角考量區域一體化的創新效應。(2)研究方法上，以往文獻多采用GMM方法或者建立空間耦合模型來評價一個區域的創新水平，本文運用DID、中介效應模型等多種方法實證檢驗長江經濟帶戰略對城市創新能力的作用和影響機制。

三 機理分析與假說

一方面，長江經濟帶集聚了各城市創新資源，通過溢出效應和協同效應推動了區域整體經濟發展，而城市經濟發展水平對創新又具有反作用力。首先，一個城市經濟迅速提升，政府財政收入有效增加，按照教育支出比例相對固定的現實，會順勢增加地方科教支出以及政府對大學和企業創新活動的資金扶持。其次，經濟發展水平高的城市，勞動者收入相應增加，進而促使需求結構逐步轉向創新產品，進一步激發企業的創新熱情。最后，經濟發展水平的提高會加快創新主體之間的聯系，推動合作網絡建設和科技成果轉化，增強區域創新能力。綜上，經濟發展水平越高，城市創新環境越好，城市創新能力越強。

另一方面，長江經濟帶科教事業發達，各地政府制定了優厚的人才引進政策，在高層次人才最關心的落戶、住房補貼、購房福利等方面措施的具體落實，創造激勵性的工作平臺，吸引了大量人才集聚此地，對城市創新發展產生重要作用：其一，高技術人才善于獲悉、吸收和利用新知識，更有利于相關技術的成果轉化；其二，人才集聚會加強區域內的勞動力市場競爭，使人才保持警戒意識，不斷自我學習和強化知識技能；其三，人才集聚建立了相互溝通的橋梁，會促進相互之間信息和技術的交流，降低信息獲取成本，使得創新知識更易被傳播、吸收和消化。綜上，人才集聚程度越高，城市創新環境越好，城市創新能力越強。基于上述分析，本文提出研究假說H1a和H1b。

H1a：長江經濟帶發展戰略顯著提高了沿江城市的創新能力。

H1b：長江經濟帶發展戰略通過創新環境(經濟發展、人才集聚)的改善顯著提高沿江城市的創新能力。

長江經濟帶橫跨我國東中西部，地區間經濟發展、資源、環境等方面存在較大差異，城市創新水平差距明顯。地理區位上，長江下游城市是長江三角洲城市群的主體，在科技進步、制度創新、產業升級等方面都處于龍頭地位；而長江中上游地區發展相對落后，創新活動明顯滯后于其他地區，創新要素資源并沒有發揮規模經濟作用。城市規模上，大城市創新資源豐富，其科技創新水平已趨于頂峰，城市創新要素投入一定程度上具有邊際生產率降低的特點；中小城市具有創新后發優勢和規模經濟優勢，長江經濟帶戰略促進創新資源集聚的作用相對提升城市創新水平。科教資源上，在科教發展水平較高的城市，將高校作為產學研的前沿陣地，其創新潛力得到充分挖掘，要素集聚程度和創新活躍度高，已孵化出多個具有競爭優勢的創新集群；而科教發展水平較低的城市，其經濟發展水平還處在較低階段，此時長江經濟帶戰略集聚更多的創新要素，產生規模經濟效應，使這些城市充分發揮后發優勢，激發創新活力，提升創新能力。基于以上分析，本文提出研究假說H2。

H2：長江經濟帶發展戰略對沿江城市創新能力的影響具有異質性。

四 研究設計和數據說明

(一)模型設定

政策效應評估中，通常使用雙重差分模型(DID)進行檢驗。本文評估長江經濟帶戰略對城市創新能力的影響時，將納入長江經濟帶的108個城市作為實驗組，而未納入長江經濟帶發展規劃中的中國其它164個城市作為對照組。參考劉瑞明和趙仁杰(2015)的研究，設定如下計量模型：

Ln

Patent

, =

β

+

β

Treat

+

β

Time

+

β

Treat

×

Time

+

λX

, +

γ

+

δ

+

ε

,

(1)

其中，被解釋變量Ln

Patent

, 表示

i

地區在

t

時期創新能力的對數值；

Treat

表示判斷

i

地區是否納入長江經濟帶的虛擬變量；

Time

為判斷長江經濟帶戰略是否提出的時間虛擬變量；二者的交互項

did

, =

Treat

×

Time

即為核心解釋變量，其系數

β

代表長江經濟帶戰略對城市創新能力的凈影響；

β

為截距項；

X

, 表示控制變量；

γ

為地區固定效應；

δ

為時間固定效應；

ε

, 為隨機擾動項。

(二)變量選取

1.被解釋變量。城市層面的創新(

Patent

)是城市發展由數量型向質量型轉型的動力，學術界大多從創新投入角度來衡量創新能力，但這既忽視了某個研究項目的創新程度(Smith,2010)，也忽視了創新活動的產出效率。因此，本文基于創新產出視角，根據Feldman和Florida (1994)的研究結論，采用各城市年度專利申請數量并取自然對數衡量其創新能力。2.核心解釋變量。核心解釋變量為長江經濟帶戰略實施(

did

)，即

Treat

與

Time

的交互項。

Treat

為二值變量，納入長江經濟帶戰略的城市取1，否則取0。

Time

是表示政策沖擊時間的二值變量，以2014年為政策實施年份，當樣本時間在長江經濟帶戰略實施當年及以后年份時取1，否則取0。3.控制變量。(1)社會消費水平(

Consume

)，采用社會消費品零售總額衡量。社會消費水平的提高，擴大了國內需求，進而激發企業為提高供給而尋求技術突破、產品革新的動力。(2)城市規模(

Urban

)，選擇年末人口總量表示。城市的發展階段、規模大小都會影響到城市創新績效(范婓等，2022)，規模越大，越能充分發揮大城市的引領和輻射作用。(3)產業結構(

Indust

)，以第三產業產值占GDP的比重表征。產業結構升級可能會反作用于研發創新，新興產業的蓬勃發展在一定程度上倒逼企業進行技術升級(昌忠澤等，2019)。(4)工資水平(

Wage

)，以城市職工年平均工資衡量。薪資報酬對企業技術創新具有正向作用(張翼等，2020)，工資水平的提高會吸引大量高技術人才聚集，提升企業研發效率。此外，為了消除異方差因素，對控制變量均取對數處理。

(三)數據來源及處理

本文的專利申請數量來源于CNRDS數據庫，其他數據來自《中國城市統計年鑒》。對于部分缺失值，采用插值法得到。對于個別數值為0的數據無法取對數，予以剔除。本文采用2006—2018年中國272個地級市面板數據，其中實驗組108個城市，對照組164個城市，主要變量的描述性統計如表1所示。

表1 主要變量的描述性統計

五 實證分析

(一)基準回歸

為了檢驗上文提出的研究假說，本文運用雙重差分法進行回歸，結果如表2所示。其中，模型1僅以長江經濟帶戰略的城市虛擬變量作為解釋變量進行回歸，系數為0.368，通過了1%的顯著性檢驗，表明長江經濟帶戰略顯著提升了城市創新能力。模型2加入了時間虛擬變量，回歸系數依舊為正，并通過了1%的顯著性檢驗，表明城市創新能力有逐年提升的趨勢。模型3在模型2基礎上加入了社會消費水平、城市規模，回歸系數依舊顯著為正。模型4進一步加入了產業結構、工資水平，各變量回歸系數略微下降，但依舊顯著為正。由此表明長江經濟帶戰略的政策效應方向和顯著性并未因控制變量的引入而改變，假說H1a得到驗證。

從控制變量來看，社會消費水平、城市規模和工資水平的提高均能夠顯著提升城市創新能力。三者的增加分別代表社會發展迅速、城鎮化步伐加快、社會需求增加，從而導致社會經濟活躍，更能激發創新。相反，產業結構的系數顯著為負，表明以第三產業占GDP比例為代表的產業結構的提升抑制了城市創新能力。原因可能在于長江經濟帶目前仍處于工業推動發展的時期，科技創新在第二產業的應用要廣泛高于第三產業。

表2 基準回歸結果

(二)穩健性檢驗

1.平行趨勢檢驗。DID方法使用的前提是能通過平行趨勢檢驗，即實驗組包含的城市和對照組包含的城市創新基礎相同，由于長江經濟帶城市在2014年之前，已經受到歷史、地理位置、協同經濟等因素的影響，且由于每個政策實施之前都有一定的推行期和實驗期，從而使得長江經濟帶戰略在2014年之前就已經有了小范圍的成效。基于這兩方面的考慮，本文參考Beck(2010)的事件分析方法，建立如下動態模型：

(2)

其中，

β

表示城市加入長江經濟帶戰略的第

n

年與未加入城市創新能力的差異程度。

D

, 的賦值規則為：當

t

-

Birthdate

=

n

時，

D

, =1，否則為0；

t

表示城市當前所在年份，

Birthdate

表示戰略正式實施的年份。本文選取政策實施的前后三年作為檢驗目標，即

n

取值范圍為-3，-2，-1，0，1，2，3。在平行趨勢檢驗中，重點考量政策實施虛擬變量系數

β

，檢驗結果如表3所示。在2014年(

Current

)之后，政策系數顯著異于0，2013年(

Before

1)之前均不顯著異于0，且2013年回歸系數顯著為正。因此可以看出，政策實施具有一定的前置性，在實施之前沿江城市就開展各方面的合作促進了城市創新能力的提高，但沒有政策實施之后效果明顯。此外，長江經濟帶戰略實施之后每年的回歸系數逐步增加，表明長江經濟帶戰略具有長期性和穩定性。

表3 平行趨勢檢驗

2.基于PSM-DID方法的回歸分析。列入長江經濟帶的城市都是長江干流和支流流經的地區，即納入長江經濟帶戰略的城市并不是隨意選擇的結果，發展潛力較大的城市更容易被選中。這就存在人為主觀選擇導致的偏誤，因此，借鑒Heckman et al.(1998)的做法，運用傾向得分匹配雙重差分方法進行更深層次的檢驗。使用Logit模型計算傾向匹配得分，再利用PSM法尋找與實驗組得分值相近的對照組，最終使用PSM-DID進行回歸分析。匹配結果如表4所示，除了產業規模，絕大多數控制變量在匹配后標準差和T值下降，表明匹配結果較為理想。

表4 傾向得分匹配結果

檢驗了PSM-DID方法的合理性后，基于上述匹配樣本，對式(1)進行估計，結果如表5模型5所示。可以看出，

did

對城市創新能力的正向效應依舊顯著，說明長江經濟帶戰略顯著提升了城市創新能力，再次驗證了假說H1a。

3.改變城市創新的測度方法。基準回歸中衡量城市創新能力的指標是年度專利申請數量。而寇宗來和劉學悅(2017)從專利質量入手，將專利價值加總到城市層面，基于中國國家知識產權局發布的專利數據計算出城市創新指數。借鑒此做法，本文用2006—2016年中國272個地級市的創新指數作為被解釋變量進行回歸分析，數據來源于《中國城市和產業創新力報告2017》，估計結果如表5模型6所示。可以看出，政策虛擬變量對城市創新能力的正向效應依舊顯著，說明長江經濟帶戰略顯著提升了城市創新能力，進一步驗證了假說H1a。

表5 穩健性檢驗

(三)中介效應分析

為了分析長江經濟帶戰略對城市創新能力的影響路徑，參照Baron和Kenny(1986)的方法，構建中介效應模型如下：

Ln

Patent

, =

β

+

β

Treat

+

β

Time

+

β

Treat

×

Time

+

γ

+

δ

+

ε

,

(3)

Ln

Mediate

=

α

+

α

Treat

+

α

Time

+

α

Treat

×

Time

+

γ

+

δ

+

ε

,

(4)

Ln

Patent

, =

λ

+

λ

Treat

+

λ

Time

+

λ

Treat

×

Time

+

λ

Ln

Mediate

+

γ

+

δ

+

ε

,

(5)

其中，

Mediate

表示中介變量，本文將創新環境納入分析框架。因為經濟支持和人才資源是影響創新環境的主要因素，而經濟發展可以大大提高科技創新能力，人才聚集對地方創新有顯著的空間連鎖反應。故對經濟發展(

Fin

)、人才集聚(

Tag

)兩方面進行中介機制分析。此外，基于Bootstrap方法檢驗其作用機制顯著性，如果最終獲得的置信區間不包括0點，則可以說明兩者之間差距顯著，中介效應存在。1.經濟發展(

Fin

)。選用《中國城市統計年鑒》中年人均生產總值衡量。一個地區的經濟發展預示著人均可支配收入的增加，需求側的提升勢必會帶動供給側的開發生產，進而促進城市創新。式(3)的基準回歸結果如表2模型2所示，政策實施回歸系數為0.369，通過了1%的顯著性檢驗。式(4)和式(5)的結果如表6模型7和模型8所示。模型7中，長江經濟帶戰略對經濟發展的回歸系數在1%水平上顯著為正，說明長江經濟帶戰略有利于帶內城市的經濟發展。模型8的政策實施回歸系數為0.276，通過了1%的顯著性檢驗，相較于基準回歸結果系數有所下降，并且Bootstrap檢驗結果顯示，經濟發展的95%置信度上的偏差校正Bootstrap置信區間為(0.130，0.278)，不包含0值，說明經濟發展在長江經濟帶戰略與城市創新關系之間的部分中介效應顯著，表明長江經濟帶發展戰略促進了城市經濟發展，進而促進了城市創新能力提升。2.人才集聚(

Tag

)。選用《中國城市統計年鑒》中的科學研究、技術服務行業就業人數表示。人才集聚是大量同類型或相關人才規模性聚集，對技術創新具有明顯的空間溢出效應(孫紅軍等，2019)。式(3)的基準回歸結果如表2模型2所示，政策實施回歸系數為0.369，通過了1%的顯著性檢驗。式(4)和式(5)的結果分別為表6模型9和模型10。模型9中，長江經濟帶戰略對人才集聚的回歸系數顯著為正，說明長江經濟帶戰略有利于強化人才集聚對城市創新活動的戰略性引導。模型10的政策實施回歸系數顯著為正，且較基準回歸系數有所下降，并且Bootstrap檢驗結果顯示，人才集聚的95%置信度上的偏差校正Bootstrap置信區間為(0.186，0.328)，不包含0值，說明人才集聚在長江經濟帶戰略與城市創新關系之間的部分中介效應顯著，表明長江經濟帶戰略通過增強人才集聚進一步提升了沿江城市的創新能力。

綜上，假說H1b得到了驗證。

表6 機制檢驗

(四)擴展性分析

1.異質性檢驗。(1)城市區位異質性。地理位置造成人力資本、生產要素不同，從而導致各地區經濟發展水平和創新能力發展不平衡。本文根據上中下游劃分標準，將長江經濟帶拆分為上游31個地級市、中游52個地級市、下游25個地級市。分樣本回歸結果如表7列(1)—列(3)所示，長江經濟帶戰略對上中下游城市創新能力均具有顯著的促進作用，回歸系數分別為2.334、2.899和2.793，中游城市群效果相對更大。這可能是由于中游城市群相對松散，處于城市群發展初期，長江經濟帶戰略正好發揮了促進東中西部協同發展的作用，使得中游薄弱地區產生了“追趕效應”。長江下游城市是長江三角洲城市群的主體，本身創新資源豐富，長江經濟帶戰略的促進作用也較強。而長江上游地區水土流失嚴重，自然資源稟賦匱乏，長江經濟帶戰略對此地區城市創新能力提升作用相對略弱。(2)城市規模異質性。相對中小城市來說，大城市通常創新資源豐富，已處于創新發展的成熟階段，金融發展、基礎設施、組織規劃等水平較高，這些差異可能造成長江經濟帶城市的創新發展不平衡。本文將樣本劃分為大城市和中小城市兩組進行研究。分樣本回歸結果如表7列(4)、 列(5)所示，長江經濟帶戰略均顯著提高了兩類城市的創新能力，且對中小城市的作用更強。原因可能是，中小城市具有創新后發優勢和規模經濟優勢，長江經濟帶戰略促進創新要素集聚，相對提升城市創新水平(李政和楊思瑩，2019)。(3)科教資源異質性。高校致力于人才培養和科技研發，為創新輸送優良資源，是打造創新型國家的重要樞紐。本文將擁有“211”高校的城市定義為科教資源多的城市，反之則為科教資源少的城市。分樣本回歸結果如表7列(6)、 列(7)所示，政策變量系數在高科教水平城市為負，但不顯著，說明長江經濟帶戰略對高科教水平城市創新能力的作用并不明顯。政策變量系數在低科教水平城市為2.815，并通過了1%的顯著性檢驗，表明長江經濟帶戰略顯著提高了低科教水平城市的創新能力。原因可能是在科教水平較高的城市，創新發展已經趨近成熟階段，創新潛力得到充分發掘(李政和楊思瑩，2019)，長江經濟帶戰略并不能發揮大的邊際作用；反之，科教水平較低的城市創新處于萌芽時期，具有后發優勢，發展潛力巨大，長江經濟帶發展戰略能顯著促進其創新能力，呈現出規模經濟的特征。

綜上，假說H2得到驗證。

表7 異質性檢驗

(續上表)

2.政府干預效應檢驗。前文雙重差分模型估計結果與一系列穩健性檢驗證實了長江經濟帶戰略能夠顯著提升城市創新能力，又通過中介效應模型檢驗了該政策通過改善創新環境來促進城市創新。那是否還存在其他作用機制呢？由于長江經濟帶戰略與政府干預緊密相關，本文接下來從政府視角進行分析。以地方政府當年財政支出與地區生產總值的比值來表示政府干預，參考史丹等(2020)的做法，將影響城市創新能力的政府干預變量嵌入到式(1)基準模型進行分析，模型設定為：

Ln

Patent

, =

β

+

β

Treat

+

β

Time

+

β

Treat

×

Time

×

Mechanism

, +

β

Treat

×

Time

+

β

Mechanism

, +

λX

, +

γ

+

δ

+

ε

,

(6)

式(6)中，

Mechanism

代表調節變量，指政府干預強度(

Govern

)，主要關注

Treat

×

Time

×

Mechanism

系數

β

的顯著性，其他變量定義與式(1)相同。表8為政府干預的影響結果，可以發現，政府干預的系數為0.273，在1%的水平上顯著，表明長江經濟帶戰略可通過政府干預的強化而推動城市創新能力提升。原因可能在于政府干預具有直接性和針對性，對市場的覆蓋面較廣，可以直接作用于企業的技術開發與創新，這樣既加快了企業創新的速度，又保證了企業創新的質量。

表8 政府干預效應檢驗

六 結論與建議

本文將長江經濟帶戰略實施視為一項準自然實驗，在理論分析的基礎上，利用2006—2018年中國272個地級市的面板數據，采用DID、PSM-DID、中介效應分析等方法，實證檢驗了長江經濟帶戰略對城市創新能力的影響。主要結論為：(1)整體來看，長江經濟帶戰略顯著提升了沿江城市的創新能力。(2)長江經濟帶戰略主要通過創新環境(經濟發展、人才集聚)這一路徑顯著提升城市創新能力，是城市創新的重要驅動力。(3)長江經濟帶戰略對城市創新能力的影響具有異質性，在城市區位、城市規模以及科教資源等方面具有不同作用。其中，對中游城市創新能力的提升作用強于下游和上游城市；對中小城市創新能力的提升作用強于大城市；能夠顯著提升低科教水平城市的創新能力，對高科教水平城市的創新能力作用不明顯。(4)長江經濟帶戰略可以通過政府干預的強化而推動城市創新能力提升。

基于上述結論及實際創新發展需要，得到的主要政策啟示如下：

第一，推進區域創新共同體建設，做到協同機制的激勵相容，提升城市創新能力。加強各地方政府的交流合作，尤其是強化相關高新技術產業政策的協調性和互補性，打通各地的信息孤島，消除地區之間的貿易保護和市場碎片化，以加快創新要素在不同地區、不同產業、不同部門之間的流動，削弱區域間的“馬太效應”，實現區域創新發展。

第二，發揮區域一體化政策的城市創新提升效應，優化創新環境，加強科技創新的頂層設計和政策扶持。經濟上加快“新基建”進度，推動科技金融發展，支持金融機構向區域內研發活動提供資金，加快創新活動的展開；人員上大力培養高素質人才，進一步優化當地人才引進政策，持續深化人力資源共通共享機制，促進創新人才的自由流動；政策上以地方政府為主導，強化區域內相關政策向新技術方向傾斜，銜接好上下游產業，延伸創新產業價值鏈。

第三，關注地區發展的差異性，發揮中心城市的“擴散效應”，因地制宜、一地一策。由于城市區位、城市規模以及科教資源等影響，區域一體化對城市創新的作用效果存在差異，因此地區制定相關創新產業政策時，在確保大城市保質增效的基礎上，積極引導中小城市把握政策紅利，利用后發優勢增強區域創新合力。同時堅持以長三角城市群作為創新制高點，拉動上中游地區創新發展。