科技创新与经济高质量发展耦合协调度研究——基于中国19个城市群面板数据的实证分析

钟学思，刘毅良，陈 薇

（1.广西师范大学 经济管理学院，广西 桂林 541004；2.广西师范大学 珠江-西江经济带发展研究院，广西 桂林 541004；3.桂林旅游学院 商学院，广西 桂林 541006）

0 引言

城市群作为新型城镇化主体形态，是促进区域协调发展、支撑全国经济增长、参与国际竞争合作的重要平台。经济发展水平与科技创新水平作为衡量可持续发展的重要指标，努力协调好城市群科技创新与经济高质量发展的耦合协调关系，对于积累城市群可持续发展动能、厚植城市群全面发展资源、树立城市群先进发展标杆，进而建设世界级先进城市群具有重要意义。科技创新与经济高质量发展高效耦合协调是我国处于新历史潮流下，适应社会主要矛盾变化、面对国外经济压力、推动国家现代化建设而必须长期遵循的战略［1］。《中华人民共和国科学技术进步法》（2021修订）指出，科学技术进步工作应当面向世界科技前沿、面向经济主战场、面向国家重大需求、面向人民生命健康，为促进经济社会发展、维护国家安全和推动人类可持续发展服务。党的十三届全国人民代表大会上进一步指出，未来五年我国全社会研发经费投入年均增长7%、基础研究经费投入占研发经费投入比重提高到8%。党的二十大报告强调，必须坚持科技是第一生产力、人才是第一资源、创新是第一动力，持续推动科技创新，为高质量发展赋能。已有研究发现，科技创新与经济高质量发展之间并非单向线性关系［2］，科技创新的发展与经济增长之间存在长期稳定的双向因果关系［3］。科技创新是经济高质量发展的支撑，经济高质量发展是科技创新提升的基础［4］。结合城市群发展不平衡、不协调的现实基础，找准制约城市群科技创新与经济高质量发展高效耦合协调发展的主要原因，是解决城市群发展动力不足问题的迫切需要与必然要求，对于城市群顺利实现新一轮可持续高质量发展具有重要现实意义。

国内外学者对于科技创新与经济高质量发展之间关系的研究大多聚焦于：科技创新与经济高质量发展耦合度、耦合协调度时空演化特征、科技创新与经济高质量发展高效耦合协调机理等。大部分学者研究表明，科技创新与经济高质量发展高效耦合协调发展能够显著提高地区发展质量［5，6］，但是当前我国大多数地区科技创新与经济高质量发展的不协调，导致科技创新提升对经济高质量发展的带动能力较弱［7，8］。随着我国城镇化进程的不断推进，国内学者逐步将科技创新与经济高质量发展耦合协调的研究主体转为城市群、都市圈。魏奇锋等以成渝地区双城经济圈为研究主体，认为成渝地区双城经济圈科技创新与经济高质量发展耦合协调度整体处于濒临失调状态，但是由于空间上的关联性，从时间维度来看耦合协调度具有稳定上升趋势［9］。谢泗薪等通过空间滞后模型对京津冀城市群科技创新与经济高质量发展耦合协调度研究，进一步探索出影响协调度的因素主要包括对外贸易、政策扶持、人力投入、发展氛围和技术进步［10］。

国内外学者对科技创新与经济高质量发展的相关研究具有如下特征：第一，相关文献的研究内容受政策导向明显；第二，相关文献对于科技创新与经济高质量发展耦合协调影响因素的探索，偏向于单一理论运用或单一现实依据；第三，较多以单一城市群或都市圈为研究对象。本文拟做出以下边际贡献：第一，通过理论梳理，构建城市群视角下，科技创新和经济高质量发展的评价指标体系，研究耦合度及耦合协调度时空演化格局；第二，使用地理加权模型，探索空间异质下影响城市群耦合协调度的主要影响因素；第三，从城市群视角出发，扩展科技创新与经济高质量发展耦合协调发展理论体系，为破解加快构建新发展格局背景下城市群科技创新与经济高质量发展高效耦合协调发展规划合理解决路径，并提出针对性政策建议。

1 机理分析

城市群是中国城镇化和工业化发展到高级阶段的必然产物，也是中国基本实现现代化的必由之路［11］。城市群内部资源要素流动表现为：核心城市通过资源要素集聚不断联合周边城市，进一步通过区域内资源重配，整合各城市的优势资源，以实现城市群整体能力提升的目的。城市群经济高质量发展与城市群科技创新两系统关系错综复杂，存在既相互促进又相互制约的耦合关系［12］。一方面，城市群科技创新是城市群经济高质量发展的核心动力；另一方面，城市群经济高质量发展是城市群科技创新的根本支撑（图1）。

图1 城市群科技创新与经济高质量发展体系耦合协调机理Figure 1 Coupling and coordination mechanism between scientifictechnicalinnovation and high-quality economic development system in urban agglomerations

城市群经济高质量发展是城市群科技创新的根本支撑，主要体现在提高城市群创新创业水平、丰富创新资源、优化创新产出效率三方面：第一，城市群经济高质量发展有效促进城市群内部优势资源向核心城市集聚，人才、创新资源、创新资金等资源的合理集聚是提高城市群创新创业水平的有效手段；第二，城市群经济高质量发展促进资源要素在城市群内部充分流动，丰富和完善了城市群的创新资源；第三，城市群经济高质量发展有助于完善城市群整体创新体系、提供更广阔市场等，优化城市群创新产出效率。

城市群科技创新发展是城市群经济高质量发展的核心动力，主要体现在城市群科技创新发展以资源要素高效流动为基础，能够从城市群社会供给需求、环境需求、消费需求、投资需求、外贸需求五方面促进城市群经济高质量发展。城市群经济高质量发展以高质量需求为内生动力：第一，科技创新是满足社会供给需求的基础保障。通过技术优化与升级，从供给侧提高产业链水平，进一步为经济总量稳步提高提供强大驱动力。第二，科技创新是满足环境需求的根本动力。通过科技创新可以实现资源节约化、产业生态化、生态经济化、消费绿色化，进而实现经济效益、社会效益、生态环境效益，最后推动城市群绿色产业发展。第三，科技创新是满足消费需求的主要驱动力。科技创新通过创造需求和满足需求两方面不断丰富和实现消费产业升级。第四，科技创新是满足投资需求的必然选择。科技创新通过对投资手段、投资策略、投资目标的优化调整，促进投资需求的合理化增长。第五，科技创新是满足外贸需求的有利条件。科技创新有利于提升城市群整体竞争力，有助于吸引外资扩大进出口产业规模。

2 样本选择、研究方法及数据来源

2.1 样本选择

参照国务院、国家发展和改革委员会及各省（直辖市、区）级政府批复印发的19个城市群发展规划文件，确定研究主体包括重点建设五大国家级城市群（长江三角洲、珠江三角洲、京津冀、长江中游、成渝），稳步建设八大区域级城市群（辽中南、山东半岛、粤闽浙沿海、哈长、中原、关中平原、北部湾、天山北坡），引导培育六大地区级城市群（晋中、呼包鄂榆、滇中、黔中、兰西、宁夏沿黄）等。

2.2 模型设计

熵权—TOPSIS法：传统熵权法是由Claude Elwood Shannon提出的熵值法延伸而来。传统熵权法利用所选指标自身的统计性质确定各自权重，能够有效避免主观赋权的随意性［13］。TOPSIS（优劣解距离法）通过计算被评估对象与最优、最劣解之间相对距离，对所有被评估对象进行评价。熵权—TOPSIS法具有计算灵活、评估结果合理稳定的优点［14］。

首先对收集的数据进行无量纲化处理，以消除各指标及正负指标间的影响，构建正向化矩阵D。假设共有m个城市，n个指标，对于第i个城市的第j个指标做以下处理（其中，i∈｛1，2，…，m｝；j∈｛1，2，…，n｝）：

正向指标：

计算第j项指标下第i个评价对象的特征比重为：

第j项指标的熵值为：

计算第j项指标的差异系数：

计算第j项指标的权重：

取出处理过的标准正向化数据矩阵D中每个指标中最大的数，定义为理想最优解向量（D＋）；取每个指标中最小的数，定义为理想最劣解向量（D-）。

计算第i个城市与理想最优解向量的距离：

计算第i个城市与理想最劣解向量的距离：

最终计算被评价城市i得分：

式中：0≤Si≤1，Si结果越大，排名越高。

耦合度及耦合协调度模型：本文通过建立城市群科技创新与经济高质量发展耦合度及耦合协调度模型（简称城市群TE系统耦合度及耦合协调度模型），科学评价中国各城市群科技创新发展与城市群经济高质量发展系统的协调状况。模型构建如公式（12）—（14）所示：

表1 耦合度、耦合协调度判断及其辨别关系分级表Table 1 Degree of the coupling，degree of the coordination of coupling and its discrimination relationship classification table

地理加权回归模型：地理加权回归（GWR）是在传统最小二乘法上进行修正和改进的模型。基于空间视域，相同变量在不同区域的拟合效果由于空间异质性的影响（如各地区环境、社会经济条件等不同）并不相同，GWR模型将数据的空间异质性嵌入其中，拟探究影响因素在不同地理位置的空间变异特征［18］。本文借鉴李梦程等的做法构建GWR回归模型［19］：

式中：Yi为因变量；β0（ui，vi）为回归常数；（ui，vi）为地理位置i的坐标；Xin为自变量Xn在空间位置i上的参数值；βn（ui，vi）Xin为回归参数；n为自变量个数；εi为误差项。

2.3 评价指标体系构建

梳理已有研究成果发现，经济高质量发展的测度方法并不一致［20］。根据城市群科技创新与经济高质量发展内涵可知，城市群经济高质量发展代表的是高质量、高效率、更稳定的经济发展模式，是经济持续健康发展之上更高质量的发展。依据城市群科技创新与经济高质量发展最新内涵，遵循指标选取的科学性、系统性、宏观性、数据可得性等原则，结合 相 关 研 究［9，10，15］及 中 国19个 城 市 群 实 际 发 展 状况，构建城市群科技创新与经济高质量发展综合评价体系，包含7大板块层、12大结构层，共25个衡量要素（表2）。

表2 城市群TE系统综合评价体系Table 2 Comprehensive evaluation system of TEsystem

2.4 数据来源

本文采用2010—2019年的空间面板数据评价中国城市群TE系统的耦合度、耦合协调度。由于中国各个城市群样本中存在部分地级市代管县级市或省直管县级市的情况，数据样本存在重叠的情形，且在收集数据中发现部分城市数据严重缺失，因此，通过数据的筛选和剔除，最终选取203个地级市的数据作为城市群的研究样本。其中各地区相关经济数据均来自于2011—2020年《中国城市统计年鉴》《中国劳动统计年鉴》《中国科技统计年鉴》和统计公报等，部分漏缺数据来源于全国统计局官网及各省、地区统计局官网，个别缺失数据利用线性插补法进行处理。

3 实证结果及分析

3.1 耦合度演化分析

通过熵权—TOPSIS法结合TE系统耦合度模型，计算得到2010—2019年19个城市群内各城市群的TE系统耦合度，并对其进行描述性统计分析与比较评价（表3）。

表3 城市群TE系统耦合度描述性统计Table 3 Descriptive statistics of the coupling degree of urban agglomerations TE system

从均值及方差来看，城市群TE系统耦合度均值基本保持在［0.80，0.92］，呈现耦合成熟的特点。从时间序列来看，历年城市群TE系统耦合度方差较小，均值更接近最大值，远大于最小值，说明除部分城市群（如宁夏沿黄城市群），其他城市群TE系统基本处于耦合成熟阶段。从整体视角出发，2010—2019年各城市群TE系统耦合度振幅较小，且趋于稳定，整体呈现较高水平的良性推进特点。从局部视角出发，耦合度最大值城市所在城市群长期稳定于京津冀城市群、珠江三角洲城市群和长江中游城市群，而耦合度最小值城市所在城市群长期稳定于宁夏沿黄城市群。

3.2 耦合协调度演化分析

通过熵权—TOPSIS法结合城市群TE系统耦合协调度模型，计算出2010—2019年城市群内各城市群TE系统耦合协调度进行描述性统计分析与比较评价（表4）。从均值及方差来看，耦合协调度均值基本保持在［0.30，0.33］，呈现轻度失调的特点。从时间序列来看，历年城市群TE系统耦合协调度方差较小，均值更接近最小值，远小于最大值，说明除部分城市群（如京津冀城市群）TE系统耦合协调水平较高，其他城市群基本处于轻度失调的同步发展状态。从整体视角出发，2010—2019年各城市群TE系统耦合协调度振幅较小、趋于稳定，整体呈现较低水平波动式上升特点。从局部视角出发，耦合协调度最大值城市所在城市群长期稳定于京津冀城市群，而耦合协调度最小值城市所在城市群长期稳定于哈长城市群、成渝城市群。

表4 城市群TE系统耦合协调度描述性统计Table 4 Descriptive statistics of the coupling coordination degree of urban agglomerations TE system

通过以上分析可见，各城市群TE系统耦合性较好，说明城市群科技创新与经济高质量发展水平协同发展的效率较高。由于城市群TE系统耦合协调性较差，说明城市群科技创新与经济高质量发展水平发展不同步问题较为严重，且协调性的失衡，较大程度上影响了耦合性，从而导致耦合协调性较差，阻碍城市群科技创新能力与经济高质量发展水平协同发展效率的提高。

3.3 耦合协调度的全局统计分析

为进一步分析对比不同城市群TE系统耦合协调度差异，对各城市群TE系统耦合协调度进行具体分析（表5）。利用ArcGIS10.2绘制城市群TE系统耦合协调分级图（图2），其中白色部分为数据剔除或非城市群区域。

表5 城市群TE系统耦合协调度描述性统计Table 5 Descriptive statistics of the coupling coordination degree of urban agglomerations TE system

图2 城市群TE系统耦合协调度时空演化Figure 2 Spatiotemporal evolution of the coupling coordination degree of Urban Agglomerations TE system

结合表5、图2可知：①从整体来看，各城市群TE系统耦合协调得分基本处于失调状态，普遍呈现科技创新滞后的特点。以长江三角洲城市群和珠江三角洲城市群为代表的国家级城市群TE系统耦合协调度较高。②从局部来看，珠江三角洲城市群和晋中城市群TE系统耦合协调度特点较为明显。珠江三角洲城市群TE系统耦合协调度及耦合协调关系在所有城市群中最优，但是对于周边城市群（如北部湾城市群）的带动作用较差，溢出效应较低。晋中城市群TE系统耦合协调度较低，但周边的京津冀城市群、呼包鄂榆城市群等TE系统耦合协调度均较高，说明晋中城市群在建设过程中并未充分吸收周边城市群优秀建设经验，同时由于政策不完善、经济转型阻力较大、未充分利用区位优势等原因导致科技创新能力较差，经济发展较为缓慢。③从空间演化格局来看，东部城市群TE系统协调度历年整体得分普遍高于西部城市群。主要得益于东部沿海地区用于地区发展的资金较充裕、外资引入效率较高、生态绿色一体化较全面和人才引进措施较完善等；中西部地区普遍存在政府赤字较高、外资引入难度较大、政府投资边际产出较低和专利产出较少等不足，导致中西部城市群科技创新水平与城市群经济高质量发展水平难以协调。但是部分西部城市群（如天山北坡城市群、呼包鄂榆城市群等）TE系统耦合协调度处于全国前列，主要是得益于我国西部大开发战略及西部城市群区位比较优势明显，更适合发展与推广清洁能源、信息技术等，但是由于西部城市群发展不平衡不充分、核心技术缺失等问题依然突出，导致西部城市群TE系统耦合协调关系普遍不如中部、东部城市群。

以上分析说明，区位条件对于城市群TE系统耦合协调度、耦合协调关系发展具有较大关联，同时政策扶植、技术引进等对于城市群TE系统耦合协调发展具有重要意义。

3.4 耦合协调度全局趋势面分析

利用ArcGIS10.2软件分别绘制出2010年、2013年、2016年和2019年的中国19个城市群TE系统耦合协调发展得分的空间趋势分析图（图3）。在城市群TE系统耦合协调发展得分空间趋势分析图中，X轴指向东方，Y轴指向北方，绿线和蓝线分别代表了城市群TE系统耦合协调得分在东西、南北方向的投影。

从图3可见：①从整体趋势看，城市群TE系统耦合协调度在东西方向上主要呈现出“西低东高”的空间趋势特征，表示东部城市群TE系统耦合协调度普遍优于西部城市群。在南北方向上主要呈现南高北低，平稳过渡的空间趋势特征，表明城市群TE系统耦合协调度自北向南逐步提升。②从投影弧度来看，东部城市群TE系统耦合协调度投影弧度明显比西部地区更加陡峭，表明东部城市群TE系统耦合协调度差异相较于西部地区更大。城市群TE系统耦合协调空间趋势图南北方向投影较为平缓，表明城市群TE系统耦合协调度南北过渡的空间差异较小。③从时间序列来看，除2016年城市群TE系统耦合协调度整体差距略微减小外，其他时间城市群TE系统耦合协调度差异基本保持一致。从整个时间范围来看，我国东部、南部城市群（如京津冀城市群、长江三角洲城市群等）TE系统耦合协调度普遍优于西部、北部城市群（如关中平原城市群、兰西城市群等）。

图3 城市群2010年、2013年、2016年、2019年TE系统耦合协调度空间趋势Figure 3 Spatial trend of coupling coordination degree of Urban Agglomerations TE system in2010，2013，2016and2019

4 机制检验

4.1 耦合协调度影响因素分析

为进一步探究城市群TE系统耦合协调影响因素，本文利用地理加权回归（GWR）模型，探析城市群经济高质量发展评价体系与城市群科技创新体系中各子系统对整体耦合协调度的影响。参考相关研究［21］同时结合我国社会具体发展情况，本文最终选取的具体指标包括：政策扶持（A1）由人均政府财政支出测度，政府干预程度对于城市群建设具有根本性指导作用；地区进步程度（A2）由地区GDP增速测度，地区GDP增速是经济发展的有效度量；生态承载力（A3）由地区绿化覆盖率测度，城市群绿化率是其环境状态变化的有力体现；整体就业水平（A4）由地区所有行业总的就业率测度，地区就业水平是经济健康发展的坚实保障；经济延续力（A5）由地区人均收入的对数测度，居民获得一定收入是社会延续发展的重要推力；基础设施建设（A6）采用人均城市道路面积测度；技术进步（A7）由地区专利授权量测度，地区专利水平是地区科技创新的直观体现；教育水平（A8）由就业人口中受过高等教育的比例测度，高端人才比例的提高是社会进步的重要特征；政府科技投资（A9）由科技支出占政府支出的比重测度，政府对于科技创新的支持性支付是科技创新的重要基石。

本文以2019年城市群数据为例，选取各城市群耦合协调指数为被解释变量，以9个影响因素指标为解释变量，先进行传统最小二乘检验，观察是否适合进行GWR模型检验（表6）。由表6可知，各模型参数VIF值均小于7.5，说明不存在多重共线性。R2为0.809，说明模型拟合状况良好。Jarque-Be检验结果在0.05水平下不显著，说明回归方程符合正态假设。由于Koenker检验结果在0.05水平下显著，说明各模型回归显著性结果应以Robust Pro为参考值，同时表明各变量回归结果存在空间异质性，需要进一步进行GWR检验。根据Robust Pro结果可知，政策扶持、经济延续力、技术进步、政府科技投资和教育水平对城市群TE系统耦合协调水平影响显著。

表6 传统最小二乘法回归结果Table 6 Results of traditional OLS

在上述结论基础上，本文进一步对各指标数据进行地理加权回归分析（表7）。由表7可知，GWR回归模型的R2为0.824，大于传统最小二乘法回归R2，同时GWR回归模型的AICC值为-703.33，小于传统最小二乘法的AICC值，说明各指标数据考虑空间异质性后，得到了更优的回归结果。根据GWR模型回归系数利用ArcGIS10.2对政策扶持、经济延续力、技术进步、政府科技投资和教育水平回归系数分别进行自然断裂点的可视化表达，以明确反映各回归系数在地理空间上的变异特征（图4），其中白色部分为数据剔除或非城市群区域。

表7 GWR模型回归结果Table 7 Regression results of GWR model

图4 城市群地理加权回归结果空间分异Figure 4 Spatial differentiation of Geographically Weighted Regression results of Urban Agglomerations

4.2 实证结果分析

城市群政策扶持对城市群TE系统耦合协调度模型呈正面影响。从空间格局来看，呈现东西部城市群TE耦合协调系统对于政策扶持依赖度较高，中部城市群TE耦合协调系统对于政策扶持依赖程度较低。从发展现状来看，城市群对于政策扶持的敏感程度不同，主要有以下3方面的原因：一是城市群核心城市尚未得到最优发展，政策扶持的推动会有效提高城市群周边城市资源以更高的效率和更好的模式流动；二是城市群核心城市发展已经成熟，政策扶持会有效提高城市群内核心城市资源向周边城市扩散流动的效率；三是城市群整合内部各城市资源的模式已较为成熟，政策扶持只会略微优化已有资源流动的效率，难以对内部各城市资源流动模式产生较大影响。

城市群经济延续力城市群对TE系统耦合协调度模型呈负面影响。从空间格局来看，城市群经济延续力回归系数空间分异特征与TE系统耦合协调度演化特征基本一致。从发展现状来看，城市群经济延续力对于TE系统耦合协调度影响较为直接，主要原因有以下两个方面：一是由于地区间发展不平衡，导致人才流动呈现优势区域整体粘滞性特征［22］，较为劣势区域人才流动对于人均收入变动更为敏感，进而导致城市群TE系统耦合协调度对于经济延续力较为敏感；二是人才流动的空间粘滞性特点导致部分城市群（如哈长城市群等）虽然处于相对劣势区域，但是人才流动对于人均收入变动敏感度较低，进而导致城市群TE系统耦合协调度对于经济延续力敏感度较低。

城市群技术进步城市群对TE系统耦合协调度模型呈正面影响。从空间格局来看，整体上呈现出东部城市群TE系统耦合协调度技术进步敏感度较低，西部城市群敏感度较高。从发展状况来看，各城市群TE系统耦合协调度对技术进步敏感程度不同的原因主要体现在以下3个方面：一是规模效应。东部城市群由于产业基础、高校建设等方面普遍优于西部城市群，东部城市群产学融合转化能力较强，技术进步的提高带来的直接效应较为明显；二是专利产出的实际价值。由于专利商业化较难、厂家对新产品或商业技术保密而不申请专利等问题的存在，专利数量并不能完全真实体现创新价值，由于部分地区发展水平较高、专利申请和转化等问题的存在，导致专利发展对于部分城市群TE系统耦合协调度的效率调动陷入僵化；三是溢出效应。由于城市群核心城市圈及周边城市群技术进步的溢出效应，部分城市群内部出现明显分级现象。

城市群政府科技投资对城市群TE系统耦合协调度模型呈正面影响。从空间格局来看，整体上呈现出由东部沿海城市群向西部内陆城市群逐渐递减的特点。从发展状况来看，各城市群对政府科技投资敏感程度不同的原因主要体现在两方面：一是城市群区位优势。科学研究的特性和属性决定其完全依靠市场机制配置科研资源，难以满足经济社会发展的需要，必须由政府给予支持［23］。沿海城市群作为我国对外开放的门户，具有高校建设水平较高、创新成果交流频繁、科技公司集聚等地缘优势，技术开发能力较高，投资回报较快；二是政府科技投资的溢出效应。部分城市群TE系统耦合协调度对政府科技投资回归系数出现分级现象，主要原因在于：政府科技投资主要集中于城市群核心城市形成“科技高地”，城市群内部各城市由于“科技高地”的溢出效应不同，呈现分级现象。

城市群教育水平城市群对TE系统耦合协调度模型呈正面影响。从空间格局来看，整体呈现出中、西南部城市群TE系统耦合协调度对教育水平较为敏感，大多数城市群内部出现较为复杂的分级现象。从发展状况看，各城市群TE系统耦合协调度对教育水平敏感程度不同的原因主要在两方面：一是我国城镇化进程的不断推进［24］。由于城镇化进程的不断推进，教育发展水平与城镇化进程具有一定差距，导致人口流动加剧，教育资源进一步向城市群核心城市集聚；二是教育政策支持。新时期我国为提高教育质量，提倡教育公平实施了一系列改革措施，其中意义重大的主要是高考试点改革和高校建设改革。通过综合对比高考试点改革及双一流建设高校所在区域发现，城市群TE系统耦合协调度对教育水平回归系数与教育改革联系较为紧密，且教育政策支持一般会导致城市群内核心城市优先形成“教育高地”，导致城市群内部出现分级现象。

5 结论与政策启示

5.1 结论

本文通过对城市群TE系统耦合度、耦合协调度的计算，探究并总结出了城市群TE系统耦合度、耦合协调度的时空分异特征，进一步通过地理加权回归，探讨了TE系统耦合协调影响因素及影响机制。主要结论如下：①各城市群TE系统耦合度差异较小，大多数城市群处于高水平耦合阶段。在时序上总体呈现波动上升趋势。②不同城市群TE系统耦合协调度差异显著，各城市群TE系统耦合协调度时序上发展较为平稳，空间上的不协调表现为“东高西低、南高北低”，大多数城市群科技创新发展滞后。③影响城市群TE系统耦合协调的主要因素为：政策扶持、经济延续力、技术进步、教育水平和政府科技投资。

5.2 政策建议

本文从城市群建设、政策推进等两个方面为城市群优化整体发展内涵、加速整体发展能力提出以下政策建议。

首先，城市群建设方面，各城市群积极汲取国家级城市群建设经验，配合政府规划。具体如下：①各城市群要积极吸收国家级城市群（如长江三角洲城市群等）建设经验，推动城市群内部资源要素高效流动。城市群TE系统耦合协调度较优的城市群均实现了由核心城市集聚区域内各类资源向资源扩散到周边城市的转化，核心城市溢出效应明显，其他城市群应尽快协调城市群内部资源，借鉴国家级城市群资源流动特点，结合城市群自身区位优势，形成独具特色的高效资源要素流动模式，提高核心城市溢出能力，加强城市群整体竞争力。②各城市群积极配合政策规划，根据区位优势打造优势高地。随着我国对发展较为薄弱、发展模式进入僵化期的城市群的政策扶持力度加大，各城市群新时期正面临着新机遇、新挑战、新要求，处于相对落后的城市群（如中原城市群、成渝城市群等）要正视城市群之间存在的客观差距，抓住历史发展机遇，积极配合我国新时期西部大开发战略，振兴老工业基地战略等，通过发掘特色竞争力、弘扬区位优势和构建人才培养一体化模式等措施提高城市群整体竞争力，打造独具特色的优势高地。例如：天山北坡城市群利用地缘优势并结合时代发展，为自主创新引进引导性和公益性投资，对创新成果的采用提供必要的鼓励和强制措施积极打造新能源高地，同时配合提高教育水平、布局现代化产业链体系等以新能源高地为核心竞争力，全力打造经济、科技、人才全方面发展的新时代天山北坡城市群。

其次，政策推进方面，相关部门积极推进国家战略实施、持续推进教育改革事业。具体如下：①相关部门继续协调推进西部大开发、振兴东北老工业基地等战略在新发展阶段、新发展理念下的应用。西部大开发战略有效促进了新时期西部城市群（如天山北坡城市群等）TE系统耦合协调发展，相关部门积极出台《关于加强科技创新促进新时代西部大开发形成新格局的实施意见》等方案措施，结合西部城市群地理区位优势，应充分调动西部区域资源优势，发挥东部溢出效应，逐步将西部区域由资源优势为主的发展模式，转变为经济、科技、人才多面开花的新时代西部城市群。中部城市群（如中原城市群等）、东部城市群（如哈长城市群等）均出现对于正向影响城市群TE系统耦合协调度的4大指标（政策扶持、技术进步、教育水平和政府科技投资）敏感度较低，发展模式僵化等问题。相关部门应积极推动产业创新指导性文件落地，支持中部、东部产业结构改革、加强周边强势地区科技创新等合作、促进人才流动等一系列指导性意见，厚植中部、东部城市群新时期科技创新与经济高质量发展高效耦合协调发展新优势。②相关部门应继续协调推进教育改革，让教育改革成为推动各城市群TE系统耦合协调发展的有效助推力。教育水平作为影响城市群TE系统耦合协调度系数较高的因素。从宏观层面来看，加快协调各城市群教育改革能有效提高城市群整体竞争力，推进教育公平和教育质量的提高。从微观层面看，对尚未形成“教育高地”城市群如天山北坡城市群等，通过加大教育投入、提高教育水平、补齐教育短板等，对于其人才回流、加快城镇化进程、促进科技创新产出等具有重要意义。对于已经形成“教育高地”的城市群如中原城市群、长江中游城市群，通过推动教育资源共享、丰富教育内容、活化教育人才流动等，赋能新“教育高地”培育工作，促进教育资源在城市群内部更高效流动等。