工业集聚对城市绿色创新效率的影响——基于粤港澳大湾区9个城市的实证检验

吴遵杰，巫南杰

（深圳大学经济学院，广东深圳 518060）

1 研究背景

粤港澳大湾区作为新时期我国经济发展的重大战略引擎，定位于建设宜居宜业宜游湾区和国际科技创新中心，推动绿色技术创新无疑已成为落实粤港澳大湾区战略定位的重要内涵和政策选择。党的十九大报告明确提出要以粤港澳大湾区建设为重点，加强内地同港澳技术创新、生态环保和人才交流等方面的合作。《粤港澳大湾区发展规划纲要（2019）》再次强调，粤港澳大湾区要贯彻落实创新驱动战略，着力提升生态环境质量，以科技为驱动力促进经济绿色发展。国家高度重视粤港澳大湾区绿色技术创新，提升绿色创新效率已成为粤港澳大湾区高质量发展的主要抓手。城市群建设的本质特征是集聚经济效应［1］，而工业作为粤港澳大湾区城市群经济发展的重要支撑，以及粤港澳大湾区争创国际一流湾区的核心竞争力所在，研究工业集聚对粤港澳大湾区城市绿色创新效率的影响，对促进粤港澳大湾区经济社会高质量发展具有重要的理论与现实意义。

2 文献综述

2.1 绿色创新效率的测算

常用的效率测算方法有数据包络分析法（Data Envelopment Analysis,DEA）［2］、主成分分析法（Principal Component Analysis,PCA）［3］、随机前沿分析法（Stochastic Frontier Analysis,SFA）［4］。数据包络分析法由于不受人为主观因素的影响，被广泛用于测算绿色创新效率。任耀等［5］采用DEA-RAM模型对2001—2013年山西省11个城市的绿色创新绩效进行了测算；钱丽等［6］以工业企业为研究对象，运用两阶段DEA模型测算了我国30个省份的工业绿色创新效率；朱承亮等［7］基于非期望产出的SBM模型和ML 指数从静态和动态两个方面测算了专利密集型产业的绿色创新效率。

2.2 产业集聚对创新效率的影响

从现有研究的结论来看，产业集聚对创新效率的影响主要存在以下三种观点：（1）产业集聚有利于创新效率的提升。余泳泽等［8］、原毅军等［9］分别运用中国城市面板数据和省际面板数据证实了生产性服务业集聚对制造业创新效率提升具有显著的促进作用。杨浩昌等［10］运用中国高技术产业面板数据研究发现，产业集聚对绿色创新效率提升具有促进作用。（2）产业集聚不利于创新效率的提升。谢子远等［11］以中国53个国家高新区为样本研究发现，产业集群会对国家高新区的创新效率提升产生显著的抑制作用。谢露露［12］采用空间计量模型考察了产业集聚对区域创新效率的影响，研究发现本地制造业集聚会显著抑制创新效率的提升。（3）产业集聚与创新效率的关系是非线性的。谢子远等［13］、谢臻等［14］的研究均表明产业集聚与创新效率之间存在倒“U”型关系。

综上分析可以发现：（1）现有文献对产业集聚与创新效率的关系研究主要基于行业或省际层面，聚焦于粤港澳大湾区城市层面的文献甚少；（2）多数文献基于不考虑能源与环境约束的创新效率视角，即使有少量文献基于绿色创新效率视角，但其对绿色创新效率的测算主要采用传统DEA模型或考虑非期望产出的SBM模型，鲜有文献采用考虑非期望产出的超效率SBM模型测算绿色创新效率；（3）现有对产业集聚的研究主要基于产出密度模型，但尚未发现有文献将能源和环境作为投入要素纳入产出密度模型，对产业集聚与绿色创新效率之间的关系进行理论阐释；（4）多数文献采用非空间计量方法，忽略了产业集聚的空间溢出效应；（5）国内关于工业集聚对绿色创新效率的影响研究几近空白。

基于此，本文首先将能源和环境作为投入要素引入传统的产出密度理论模型，对工业集聚与绿色创新效率之间的关系进行数理推导；其次，利用基于非期望产出的超效率SBM模型对2003—2018年粤港澳大湾区城市绿色创新效率进行测算；最后，采用空间杜宾模型和面板门槛模型实证检验工业集聚对绿色创新效率的影响，以期为粤港澳大湾区城市绿色创新效率提升和工业协调发展提供参考。

3 理论模型与机理分析

3.1 理论模型

本文在Ushifusa 等［15］产出密度模型的基础上，尝试将能源和环境要素纳入模型框架，以探讨工业集聚与粤港澳大湾区城市绿色创新效率之间的关系。现有研究主要基于资本和劳动要素投入构建产出密度函数，而鲜有文献同时将能源和环境要素纳入其中。虽然邵帅等［16］首次考虑了生产过程中的能源消耗和环境污染（碳排放），从投入端将能源要素引入生产函数，从产出端将环境要素与GDP 直接加总后纳入生产函数。然而，环境污染作为负向产出指标，将其与正向产出指标（GDP）简单加总，缺乏合理性。鉴于此，本文将能源和环境视为投入要素纳入产出密度函数。生产函数可以表示为：

3.2 机理分析

通过上述分析可知，工业集聚对绿色创新效率的提升存在着促进和抑制两方面的作用。当时，工业的适度集聚主要通过规模经济效应、基础设施和劳动资源共享效应、知识和技术溢出效应以及合作竞争效应产生正外部性，优化资源配置和实现规模经济，进而促进绿色创新效率的提升。当时，工业的过度集聚主要通过拥挤效应、环境负效应以及恶性竞争效应产生负外部性，使得产出规模持续扩张、污染排放增加和企业间竞争加剧，进而抑制绿色创新效率的提升。绿色创新效率不仅受工业集聚程度的影响，还与绿色技术创新过程中的投入与产出密切相关，其作用机理见图1。

图1 工业集聚对绿色创新效率影响的作用机理

4 实证研究设计

4.1 实证模型构建

4.1.1 超效率SBM模型

传统径向DEA模型未对投入产出变量的松弛性问题加以考虑，而基于松弛变量的SBM模型存在无法对多个效率值为1 的有效决策单元进行比较的缺陷。因此，本文采用托恩（Tone）［17］在SBM模型基础上提出的考虑非期望产出的超效率SBM模型测算绿色创新效率。

绿色创新效率是综合考虑能源消耗与环境污染后对创新能力进行衡量的重要指标，注重社会经济效益与生态环境效益的协调统一。根据绿色技术创新效率测算的内涵和数据的可获得性，构建粤港澳大湾区城市绿色创新效率评价指标体系，具体如下：

（1）创新投入。投入指标包括劳动、资本和能源三类要素投入，分别采用规模以上工业企业R&D人员数量（人）、规模以上工业企业R&D资本存量（万元）和新产品开发经费存量（万元）、工业用电量（万千瓦时）表示。

鉴于R&D 资本存量无法直接获得，本文采用永续盘存法对其进行估算［18］。基期为2003年，参考李向东等［19］的做法，基期R&D 资本存量等于当年R&D经费支出/（折旧率+R&D经费支出年均增长率）。

R&D 支出价格指数的估算沿用聂名华等［20］的做法，基于R&D 经费支出的构成，对固定资产投资价格指数和消费价格指数进行加权平均，计算公式如下：

R&D 资本存量折旧率的估算参照余泳泽［21］的做法，将资产性支出的折旧率设定为17%，非资产性支出部分的折旧率设定为20%，计算公式如下：

（2）期望产出。选取规模以上工业企业新产品销售收入（万元）和绿色发明专利申请数（件）予以衡量。新产品销售收入采用各城市工业生产者出厂价格指数进行平减，统一折算成以2003年为基期的不变价。现有文献大多采用专利申请数或授权数衡量绿色创新能力，但不能真正反映企业的绿色创新，因此本文选用绿色发明专利申请数来表征绿色创新能力。根据“国际专利分类绿色清单”列示的绿色专利分类（IPC）标识编码，通过国家知识产权局中国专利公布公告系统（http://epub.sipo.gov.cn/），对专利类型、IPC 分类标识编码和申请人地址进行设置，识别并核算出粤港澳大湾区各城市绿色发明专利申请数。

（3）非期望产出。借鉴黄磊等［22］的做法，选取工业二氧化硫排放量（吨）、工业废水排放量（万吨）和工业烟（粉）尘排放量（吨）作为非期望产出。

一般而言，如果选取存量指标测度绿色技术创新投入，表明已考虑投入与产出的时滞性；如果创新投入选取流量指标测度，则需设定1年或2年的滞后期。本文已选取存量指标，故未做滞后处理。

4.1.2 空间面板计量模型

构建空间面板计量模型实证检验工业集聚对粤港澳大湾区城市绿色创新效率的影响，涉及空间自相关性检验、空间权重矩阵构建、空间计量模型选择与设定和空间效应分解。

（1）空间相关性检验模型。为避免空间计量回归结果产生偏误，在构建空间计量模型之前，需要对绿色创新效率是否具有空间自相关性进行检验，因此本文采用全局和局域指数对绿色创新效率进行空间相关性检验。

4.1.3 面板门槛模型

为了考察工业集聚对绿色创新效率是否存在环境规制、企业规模和政府支持力度门槛效应，本文采用以环境规制强度、工业企业规模和政府支持力度为门槛变量的面板门槛模型开展进一步的实证检验。具体的面板门槛模型构建如下：

4.2 数据样本说明

考虑到香港和澳门特别行政区数据缺失严重且工业占比较小，本文选取2003—2018年粤港澳大湾区9个城市（不含香港和澳门）的面板数据作为样本。原始数据来源于历年《广东科技统计年鉴》《广东工业统计年鉴》《广东统计年鉴》《中国城市统计年鉴》及各城市统计年鉴和统计公报，所有涉及时间价值的变量均以2003年为基期进行平减。此外，本文参考刘章生等［27］的做法，将2003—2010年大中型工业企业数据调整为规模以上工业企业口径。

5 实证结果与分析

5.1 绿色创新效率的测算

本文运用MaxDEA8.0 软件并基于考虑非期望产出的超效率SBM模型对2003—2018年粤港澳大湾区9个城市的绿色创新效率进行了测算，结果见表1 和图2。2003—2018年粤港澳大湾区9个城市绿色创新效率均值为0.746，处于中高效率水平但未达到有效状态。绿色创新效率整体呈波动上升趋势，效率均值由2003年的0.709 上升到2018年的0.789，年均增长0.72%。城市间绿色创新效率差异显著，年均效率值最高的深圳与最低的中山之间相差1.266。从9个城市来看，深圳、广州、惠州和东莞4个城市的绿色创新效率均值大于1，效率均值依次为1.563、1.155、1.142 和1.052。深圳之所以具有较高的绿色创新效率均值，本文认为主要的原因在于它的工业或产业结构。按照钱德勒的说法，在基于科学的产业（Science-based industries）中，科学研究成果从产生到转化的时滞较短，电子信息产业、生物医药产业、半导体产业和精细化工业都可归于此类产业，而这类产业正是深圳的工业主导产业，这也是为什么深圳从成立特区至今仅40年，其工业绿色创新效率均值能位居粤港澳大湾区9个城市首位的重要原因。

表1 2003—2018年粤港澳大湾区9个城市绿色创新效率测算结果

表1 （续）

图2 2003—2018年粤港澳大湾区9个城市绿色创新效率雷达图

5.2 空间计量回归分析

5.2.1 空间相关性检验

（1）全局空间相关性检验。基于空间邻接、经济发展、人力资本和研发能力4 种空间权重矩阵，本文采用全局指数分别对城市绿色创新效率进行全局空间相关性检验，结果见表2。容易看出，基于4 种空间权重矩阵下，2003—2018年粤港澳大湾区城市绿色创新效率的指数均为正且至少在5%的水平下显著，表明粤港澳大湾区绿色创新效率存在显著的正向空间相关性，这也表明选取空间计量模型进行实证研究是适宜的。

表2 2003—2018年粤港澳大湾区城市绿色创新效率的全局指数及其统计检验

表2 2003—2018年粤港澳大湾区城市绿色创新效率的全局指数及其统计检验

（2）局域空间相关性检验。为了分析粤港澳大湾区各城市绿色创新效率的局域空间分布特征，本文基于空间邻接权重矩阵分别绘制2003年和2018年绿色创新效率的局域散点图（见图3）。可以看出，所有城市都位于第一、三象限，再次说明各城市绿色创新效率存在空间正相关。具体而言，广州、深圳、惠州和东莞位于第一象限（HH 象限），说明这4个城市表现出高-高集聚特征；其余5个城市位于第三象限（LL 象限），呈低-低集聚特征。为了进一步分析上述集聚现象是否显著，本文引入局域空间关联指标（LISA）进行考察。图4 为粤港澳大湾区城市绿色创新效率局域LISA 集聚地图（限于篇幅仅列出代表性年份的LISA 集聚地图），且集聚区在5%的水平下显著。由图4 可知，2010年深圳、惠州和东莞呈高-高集聚，且在5%的水平下显著，而2018年仅有惠州和东莞呈现显著的高-高集聚，其余城市绿色创新效率的集聚现象没有通过显著性检验，说明粤港澳大湾区绿色创新效率的高值主要显著集中在惠州、东莞和深圳等城市，且长期处于较为稳定状态。

图3 2003年和2018年粤港澳大湾区城市绿色创新效率的局域散点图

图4 2010年和2018年粤港澳大湾区城市绿色创新效率局域LISA 集聚地图

5.2.2 空间计量模型的选择与估计

（1）模型选择。本文采用埃尔霍斯特（Elhorst）［28］提出的“两步法”来选择适宜的空间计量模型。首先，对非空间面板模型进行估计并进行LM 和Robust LM 统计量检验。由LM 检验结果可知（限于篇幅未列出LM 检验结果），LM-Lag、LM-Error、Robust LM-Lag 和Robust LM-Error 统计量均在1%的水平下显著，表明SAR模型和SEM模型同时存在，则考虑选择SDM模型，但需要进一步检验。其次，本文进行LR 检验以判断SDM模型是否可以退化为SAR模型或SEM模型，检验结果见表3。容易看出，4种空间权重矩阵下的LR 统计量均在1%的水平下显著，表明SDM模型不能退化为SAR模型或SEM模型，故应选择SDM模型。此外，Hausman 检验结果（见表3）表明应采用固定效应。因此，本文最终选择固定效应SDM模型开展实证研究。

（2）空间计量模型估计。由表3 可知：第一，粤港澳大湾区城市绿色创新效率存在显著的正向空间溢出效应。绿色创新效率的空间自回归系数在4种空间权重矩阵下均为正且均在1%的水平下显著，表明各城市的绿色创新效率之间存在显著的正向空间关联效应，即绿色创新效率不仅受本城市自身因素的影响，同时还受相邻城市或者经济发展水平、人力资本水平和研发能力水平相似城市的影响。第二，空间SDM模型的回归结果明显优于非空间OLS模型、固定效应模型和随机效应模型的回归结果。与非空间面板模型相比，考虑了空间相关性的SDM模型的估计结果显著性更优。此外，本文还发现空间SDM模型的拟合优度明显高于非空间面板模型，这也进一步证实了采用空间计量模型的必要性与合理性。第三，基于不同权重矩阵的空间SDM模型的回归系数符号和显著性与非空间计量模型基本保持一致，表明空间SDM模型的实证结果是稳健的。第四，人力资本空间效应>地理邻接空间效应>经济发展空间效应>研发能力空间效应。基于人力资本、空间邻接、经济发展和研发能力权重矩阵的值分别为0.502、0.487、0.483 和0.414，表明人力资本差距对绿色创新效率的影响最大，邻接距离和经济发展差距次之，研发能力差距对其影响最小。这也说明地理空间位置的相邻还不足以充分发挥绿色创新效率的空间溢出效应，粤港澳大湾区某些城市间虽然相邻，但受交通发达程度、经济发展模式和历史文化等因素的影响，导致其绿色创新效率的空间溢出效应被削弱。而地理位置邻近且人力资本水平相似城市的绿色创新效率存在较高的空间依赖，因相邻城市间人才的集聚与流动促进了绿色创新的空间溢出。

表3 工业集聚对粤港澳大湾区城市绿色创新效率影响的回归结果

（3）空间溢出效应分析。为进一步分析工业集聚对绿色创新效率影响的空间溢出效应，本文采用偏微分法对此效应进行分解，结果见表4。从基于不同权重矩阵的空间效应分解结果来看，解释变量的系数符号与显著性基本一致，表明在不同空间矩阵下的效应分解结果是稳健的。下文主要基于空间邻接权重矩阵的空间效应分解结果进行分析。

由表4 可知，工业集聚一次项和二次项的直接效应系数分别为0.687 和-0.096，且均在1%的水平下显著，表明工业集聚对绿色创新效率影响的直接效应呈现倒“U”型特征。当工业集聚度低于拐点值时，本城市工业集聚度的提升会对本城市绿色创新效率产生促进作用，而当工业集聚度达到拐点值后，工业集聚将会抑制绿色创新效率的提升。从间接效应来看，本城市的工业集聚对相邻城市的绿色创新效率表现出先促进后抑制的倒“U”型特征。从控制变量来看，环境规制的直接效应和溢出效应系数分别为-0.129和-0.471，且均在1%的水平下显著为负，表明环境规制强度的提升不仅对本城市绿色创新效率提升具有促进作用，而且对相邻城市绿色创新效率的促进作用更加明显；产业结构和政府支持力度的直接效应和溢出效应系数均为负，但不显著；外商直接投资的直接效应和溢出效应系数为3.303 和13.396，且均在1%的水平下显著，表明外商直接投资是促进粤港澳大湾区城市绿色创新效率提升的主要因素；所有制结构的直接效应和间接效应系数均显著为正，说明所有制结构的提高会对本城市和相邻城市的绿色创新效率产生促进作用；企业规模的直接效应系数为负但不显著，而其溢出效应系数在5%的水平下显著为负，表明本城市工业企业规模的扩大会对相邻城市的绿色创新效率产生抑制作用。

表4 基于SDM模型的空间效应分解结果

（4）稳健性检验。本文从以下两个方面对空间计量回归结果进行稳健性检验：第一，为了避免因指标选取差异而造成的估计偏误，本文将工业集聚的度量指标替换为单位面积规模以上工业企业工业总产值。第二，考虑到工业集聚和绿色创新效率可能存在双向因果关系，本文将工业集聚度滞后一期。由于不同空间权重矩阵下的估计结果近似，因此本文均基于空间邻接权重矩阵进行稳健性检验，具体结果分别见表3 第9 列、第10 列。容易看出，稳健性检验的回归结果与基于邻接权重矩阵的SDM模型基本保持一致，表明空间计量回归结果是稳健的。

5.3 门槛模型回归分析

前文从理论和实证两个层面分析了工业集聚对粤港澳大湾区城市绿色创新效率的影响，并证实了工业集聚与绿色创新效率之间存在倒“U”型关系，那么这种关系会不会受其他因素的影响而呈现出不同的特征呢？基于此，下文将分别以环境规制、工业企业规模和政府支持力度为门槛变量，进一步考察工业集聚对绿色创新效率的非线性影响。

5.3.1 门槛效应检验

在对面板门槛模型进行参数估计前，本文首先基于样本数据进行了门槛效应检验，结果见表5。容易看出，环境规制、工业企业规模和政府支持力度分别在1%、10%和5%的显著性水平下通过单一门槛检验，其门槛值依次为0.023、3.722 和8.969，对应的F 统计量为12.23、9.26 和12.19，表明工业集聚对绿色创新效率的影响因环境规制、企业规模和政府支持力度的不同而呈现出不同的非线性特征。

表5 环境规制、工业企业规模和政府支持力度的门槛效应检验

5.3.2 门槛模型估计

由表6 可知，不同环境规制强度下工业集聚对粤港澳大湾区城市绿色创新效率的影响存在一定差异，当环境规制强度小于门槛值0.023 时，工业集聚对绿色创新效率的影响系数为0.227，且在5%的水平下显著；当环境规制强度跨越门槛值后，其影响系数变为-0.062，且在5%的水平下显著。这表明工业集聚对绿色创新效率的作用会受到环境规制强度的影响，如果环境规制强度跨过门槛值，则工业集聚对绿色创新效率的影响会由促进转变为抑制。原因在于：适当的环境规制有利于工业集聚通过技术溢出、合作竞争和资源共享等效应对绿色创新产生积极影响，但环境规制强度增加到一定程度后，会引起集聚的企业之间竞争加剧而限制节能减排技术的合作研发，进而抑制绿色创新效率的提升。从企业规模的门槛效应来看，当工业企业规模低于3.722 时，工业集聚对绿色创新效率的影响为负但不显著，而当工业企业规模越过3.722 后，其影响系数显著为负。究其原因，企业的绿色技术研发与成果转化要求具备一定的规模效应，但规模过大的工业企业由于组织结构繁杂、自身规模庞大和管理官僚化，使得绿色技术创新效率低下，因此规模较大的工业企业集聚会对绿色创新效率产生抑制作用。对于政府支持力度门槛变量，当政府支持力度低于门槛值8.969 时，工业集聚对绿色创新效率的影响系数为-0.081，但不显著；当政府支持力度跨过门槛值时，工业集聚度每增加1%，绿色创新效率显著提升0.137%。原因在于：其一，工业集聚能够实现交通物流、邮电以及科研与技术服务等基础设施共享，而主要依靠政府投资建设的基础设施有助于促进创新要素的自由流动，因此当政府支持力度达到一定水平时，工业集聚有助于绿色创新效率的提升；其二，政府支持可以降低企业从事绿色技术创新带来的成本和风险，鼓励工业企业加大对绿色技术的研发与投入，进而促进粤港澳大湾区城市绿色创新效率的提升。

6 结论与政策建议

本文将能源和环境作为投入要素纳入Ushifusa等［15］产出密度模型，对工业集聚与绿色创新效率的关系进行了数理阐释，进而采用考虑非期望产出的超效率SBM模型对2003—2018年粤港澳大湾区9个城市绿色创新效率进行了测算，并基于空间杜宾模型和面板门槛模型实证检验了工业集聚对城市绿色创新效率的影响。研究结果表明：

（1）2003—2018年粤港澳大湾区9个城市绿色创新效率均值为0.746，整体呈波动上升趋势。城市间绿色创新效率差异显著，年均效率值最高的深圳与最低的中山之间相差1.266。

（2）粤港澳大湾区城市绿色创新效率存在显著的正向空间溢出效应；工业集聚对绿色创新效率影响的直接效应和间接效应均呈现倒“U”型特征，当工业集聚度低于拐点值时，工业集聚度的提升不仅会对本城市绿色创新效率产生促进作用，而且会促进相邻城市绿色创新效率的提升，而当工业集聚度达到拐点值后，集聚会抑制绿色创新效率提升。

（3）工业集聚对粤港澳大湾区城市绿色创新效率的影响因环境规制强度、工业企业规模和政府支持力度的不同而呈现出不同的非线性特征。

基于上述研究结论，为充分发挥工业集聚对粤港澳大湾区城市绿色创新效率的正向促进作用，以促进粤港澳大湾区经济社会高质量发展，本文提出如下政策建议：

（1）加强绿色技术创新合作，以协调发展新理念引领粤港澳大湾区城市群绿色技术协同发展。粤港澳大湾区各城市要共同推进智能制造、新材料、新能源汽车和节能环保等绿色产业群建设，促进绿色技术的溢出与扩散。深圳应充分发挥在粤港澳大湾区绿色技术创新中的龙头作用，重点攻关前沿的绿色生产技术，加强与周边城市开展基础性的绿色技术合作，以促进湾区协调发展。

（2）重视工业集聚对粤港澳大湾区城市绿色创新效率的非线性影响特征，充分挖掘集聚的正外部性。在工业集聚初期阶段，要打破城市间的市场准入壁垒和技术封锁，加快推进工业集群式发展，以发挥资源共享效应和规模经济效应。随着工业集聚程度的提升，粤港澳大湾区要注重产业错位发展，避免同质性产业间恶性竞争，同时要加快推进工业绿色技术创新驱动，充分发挥集聚的合作竞争效应和技术溢出效应。

（3）充分发挥自身比较优势，推动工业协调集聚发展。鉴于不同条件因素下工业集聚对粤港澳大湾区城市绿色创新效率的影响会呈现出不同的特征，各城市应根据自身的地理区位、环境规制强度、企业规模、高校科研机构研发实力和技术水平等因素，因地制宜地制定合理的工业发展战略，切实发挥工业集聚的正外部性，进而促进粤港澳大湾区城市绿色创新效率的提升。

（4）加快政策体系顶层设计，融合粤港澳三地优质资源打造绿色技术创新高地。粤港澳大湾区建设应充分发挥香港高校科研实力雄厚的优势，以弥补粤地在基础性研究方面的短板。粤港澳三地政府应合作制定包括污染排放交易价格与节能减排技术研发在内的相关政策，以最佳组合达到减排目标，让粤港澳大湾区致力于建设宜居宜业宜游湾区和国际科技创新中心的定位落到实处。