赵 赛

（北京师范大学 经济与资源管理研究院，北京 100875）

一、引言

创新是一个国家发展的不竭动力。近年来，以科技创新实现经济由高速增长转向高质量发展成为中国经济发展的内在要求[1]。城市群作为一种特殊的地域类型，已经成为国家和地区最具竞争力的创新发展模式。城市群的创新能力很大程度上决定了中国城市创新的整体水平，因此必须加快城市群的转型升级，提升其科技创新水平[2]。

粤港澳大湾区的主要组成部分——珠三角城市群是中国三大城市群之一，也是中国经济发展最快速的地区之一。改革开放初期，珠三角城市群借助其独特的区位优势和政府的扶持，吸引了大量的外来资本，同时当地民营和外资企业纷纷落户，使得该地区的经济发展突飞猛进。这一时期的发展以中低端制造业为主导的出口导向型经济为主，其发展严重依赖廉价的土地、劳动力等生产要素和外来资本的投入。进入21 世纪以来，由于珠三角多数城市过度依赖这种要素投入型的经济发展模式，没有及时推进转型发展和产业结构升级，在遭到外部环境的冲击，比如2008 年经济危机后，珠三角地区出口导向型经济严重下滑。面对这一形势，创新成为解决地区社会经济发展问题的共识。

珠三角城市群在创新方面提出了一系列发展实施方案，包括《珠三角国家自主创新示范区建设实施方案（2016—2020年）》和《粤港澳大湾区发展规划纲要》。珠三角城市群作为大湾区的主要组成部分，借助港澳的国际平台，能够大力促进珠三角地区企业的转型升级，进而辐射带动整个区域的发展。在这一背景下，研究珠三角城市群的创新能力的现状和变化趋势，以及各城市之间创新能力的差异，能够为有针对性地提高各城市的创新水平和提高各城市之间创新的协同发展提供参考。

尽管有较多学者就创新能力进行了研究，但较多的研究集中在全国、省级或者地级市的范围内[3]，还有一些研究针对中心城市如澳门等进行了研究，然而单独针对粤港澳大湾区内部珠三角城市群的9 个城市的研究还不够充分。城市群内部城市之间的创新能力分布情况、创新的差异变化以及创新水平的影响因素如何都还不清楚。

基于此，文章以2007—2018 年珠三角地区9 个城市的面板数据为基础，试图探索该地区近十年的创新能力的时空格局变化和区域性差异，并且探讨经济发展水平、内外资、人力资本、研发投入等因素如何影响区域的创新能力。

二、文献综述

1.创新指标的评价体系

很多研究选取多个指标来综合评价创新能力。例如，Fan从研发支出、研发人员数量、专利数量、高新技术和服务出口、科技期刊论文等方面来综合评价中国的创新能力[4]。钟玮从教育、科技和创新三个方面构建指标来评价珠三角城市的创新水平[5]。候纯光等[6]、朱凌等[7]也进行了类似的研究。尽管学者分析的角度不同，但他们多认为创新能力是一个综合的度量，需要从多方面分析。从知识创新能力、技术创新能力、政府支持及服务能力、创新基础环境等四个方面出发选取了20个指标来测度城市创新能力。

除了上述采用综合指标来度量创新能力外，也有许多学者采用单一指标来反映区域创新能力，比如专利数量、论文数量、新产品产值以及研发支出等[8]。李左峰、张铭慎认为新产品销售收入侧重技术商业化成果，往往与企业盈利挂钩，可以用来度量创新绩效[9]。Wang 对比研究了创新型中小企业和非创新型中小企业的融资活动的差别，并采用研发强度来测度创新[10]。相比新产品销售收入、研发等指标，专利数量已经被较多学者视为衡量创新能力的最合适的产出指标[11]。姜磊等在研究长三角地区的创新活动时，采用专利申请受理与授权情况来衡量长三角的区域创新能力，并指出长三角区域创新差异逐渐缩小，创新活动规模呈分散均衡型分布[12]。Sun&Du 利用中国经济普查数据研究了中国产业创新的影响因素，采用专利数据和新产品销售数据来衡量产业创新[13]。孟霏、鲁志国在研究粤港澳大湾区的城市技术创新能力时，采用专利申请总量作为衡量各城市技术创新能力的指标，指出专利是城市创新资源最富含经济价值的部分，可以提供城市发明与创新信息[14]。

2.创新能力的时空格局和影响因素

在创新的时空格局方面，不同学者采用不同的方法来呈现区域创新能力的发展模式[12，15，16]，例如，王彬燕等运用Mann-Kendall、Theil 指数、空间马尔科夫链等方法来分析中国十大重点产业创新产出的时空演化[3]。蒋天颖采用变异系数、空间自相关、NICH 指数等来分析中国2001—2011 年区域创新水平的时空格局[17]。邓淑芬等[18]、顾伟男和申玉铭[19]也进行了类似的研究。根据对文献的梳理，现有的文献主要从测度空间差异的基尼系数、变异系数等和测度空间相关性的Moran I 指数等方面来探究创新能力的演变特征。

在创新能力的驱动机制方面，社会经济因素，如经济发展水平、外商投资、人力资本、研发等已经被许多学者证实。例如，Sun&Du 研究了中国产业创新的影响因素，指出企业内部研发已经成为中国产业创新的重要源泉[13]。王盟迪研究粤港澳大湾区科技创新的影响因素，指出经济基础、人力资本、研发经费等对科技创新有较大的促进作用，外资和对外水平则阻碍了区域创新水平的提高[15]。

通过梳理现有的研究成果可以发现，针对区域创新能力的研究主要集中在省级以及一些中心城市或者长三角地区，而从定量的角度来研究珠三角的创新能力演变及其机理的文献还不够充分。尽管有一些关于珠三角城市群的研究，但固定资产投资以及外资、人力资本等因素对珠三角各城市的影响差异还没有被充分的揭示。因此，文章试图就这一问题进行分析。

三、研究方法和数据

1.研究方法

（1）首位度、变异系数和赫芬达尔指数

参考已有研究成果，首位度、变异系数、赫芬达尔指数等指标由于能较好地反映区域之间的差异程度，被广泛用来分析区域差异的变化。文章选用首位度(S)、变异系数(CV)和赫芬达尔指数(HI)来衡量珠三角城市群9 个城市的创新能力之间的差异程度。

第一，首位度(S)。

式中，P1、P2为专利授权量排名在第一和第二位的城市的专利授权量。

第二，变异系数(CV)。

式中，yi是i 城市的专利授权量，是城市群专利授权总量的平均值，N 是城市的数量。

第三，赫芬达尔指数(HI)。

式中，Pi表示城市i 的专利授权量占城市群的比重。

首位度的特点是仅考虑了历年专利授权量排名在前两位的城市，而变异系数和赫芬达尔指数则考虑了城市群11 个城市的创新能力。总体来看，各指数的值越小，城市群内创新能力的差异越小，分布越均衡。

（2）模型设定

文章采用如下面板模型来探索城市群创新能力的驱动机制。

式中，yit代表城市的创新能力指标，α 是个体固定效应，xit是影响城市创新能力的主要解释变量，β 是相关变量的回归系数，εit是扰动项，i 和t 分别表示城市和年份。

2.指标选取与数据来源

（1）被解释变量

从国内外创新能力研究的相关成果看，较多学者采用专利数据来衡量区域创新能力[14]。正如张利国等所指出的，虽然专利数据不能完全反映创新活动，但专利仍是创新活动的主要产物，可以客观反映出创新能力的大小及创新能力差异[20]。相比专利申请量，专利授权量是经过国家认证的有效专利数。基于数据的可获得性和代表性，文章选取每万人的专利授权量(PG)作为衡量创新能力的测度。

（2）解释变量

结合指标选取的科学性、代表性和数据的可获得性等原则，并参考相关文献[15，18，20]，文章从地区经济发达水平、地区开放程度和地区固定资产投入、人力资本和研发支出，以及政府支持等多个方面来选取影响创新能力的变量。

经济发达水平：一个国家或地区的经济发展水平是创新的基础。经济发展的越高，在创新的投入力度上就会越大，创新活动和创新成果都会相应的提升[21]。文章选择人均GDP(GDP)作为经济发展水平的测度。

地区开放程度：文章选择实际利用外商直接投资(FDI)和进出口总额(TRADE)来测度开放程度。国内外学者研究表明外商投资也深刻影响城市创新能力发展，掌握先进知识和科技的跨国企业在城市进行投资生产时，会通过示范效应及与本土企业间的互动交流等方式形成科技知识外溢[22]。外商投资较高的地区通常也是科技创新能力较高的地区，因此文章将其作为外资影响创新能力的测度。贸易活动也被认为是影响创新的重要因素。区域之间的贸易有利于落后企业学习先进科技和前沿知识，是先进科技和前沿知识的重要传播途径[20]，因此文章将进出口总额作为创新的影响因素纳入模型。

地区固定资产投入：文章认为全社会的固定资产投资额也会对创新产生不同程度的影响。一个地区的固定资产投资越多，相应地辐射到创新企业的资本也会增多，可以在一定程度上影响企业的创新能力。文章选择地区固定投资额(FIXED)来反映投资对创新产出的影响。

人力资本和研发支出：人力资本也是创新投入的一个重要方面。人力资本水平的提高会显著提升区域或企业的创新能力。高校能为科技创新提供人才和研发知识，进而为区域创新提供一定的基础和平台[20]。因此，文章选取高等教育在校学生数(COLLEGE)来测度人力资本的影响。R&D 支出是一个主要的方面。R&D 经费是科技创新能力提升的物质基础，许多研究表明R&D 经费对创新能力具有非常显著的积极作用，它的投入越多，科技创新能力也会相应地增强，文章选择全社会研究与试验发展经费(RD)作为研究支出的测度。

政府支持程度：政府的支持对地区的创新能力也有一定的影响，文章采用人均财政支出(EXPEND)来反映政府对地区创新能力的支持程度。

文章选择的创新指标及影响因素见表1。

表1 变量定义和描述性统计分析

（3）数据来源

文章选取的珠三角城市群9 个城市的2007—2018 年专利授权量数据来自《广东省统计年鉴》 《广东省科技经费投入统计公报》 《各地级市国民经济和社会发展统计公报》以及《中国科技统计年鉴》；社会经济因素、贸易活动和外资等数据来自《广东省统计年鉴》 《各地级市统计年鉴》及《中国统计年鉴》。

四、珠三角城市群创新能力的时空格局

1.城市群创新能力的整体趋势

从整体上看，2007—2018 年，城市群以专利授权量表征的创新能力呈现逐年上升的趋势。2018 年，城市群9 个城市的专利授权量为429113 件，是2007 年的8.74 倍。图1 展示了城市群各地级市专利授权量的变化。根据图1 可知，专利授权量最高的是深圳市，其历年的专利授权量稳居城市群的第一位，且年均增速达到20.11%。深圳的专利授权量从2007 年开始快速增长，2007—2012 年专利增速超过了2 倍。2007—2014 年间增长缓慢，增速仅为10%。2014 年之后，深圳的创新水平又经历了快速的发展，到2018 年，其专利授权量占比达到城市群的32.7%。作为珠三角科技创新中心和中国科技创新前沿，深圳的发展已经完成从要素驱动发展向创新驱动发展的转变，因此其科技创新基础较为扎实，在此基础上创新发展较为快速。作为省会城市，广州的创新能力仅次于深圳，其专利授权量也在稳步增加。

图1 珠三角城市群各市历年专利授权量

除了深圳和广州，创新能力较为突出的是东莞和佛山，这两个地区作为早期乡镇企业和外资企业的集聚地区，其制造业发展非常迅速，且其制造业发展逐渐由低端的产业向中高段产业过渡，因而其创新水平较高，并且东莞的科技创新水平相比佛山更为突出，其2018 年专利授权量是2007 年的9.77 倍。其余5 个城市的创新水平较为靠后，其中历年创新能力最低的是肇庆，其2018 年专利授权量仅有3901 件。

根据图1 专利授权量的分布来看，深圳和广州创新高地的位置似乎无法被取代，这两个城市可能在未来一段时间内仍是珠三角城市群区域创新的重要增长极。

为了进一步分析城市群内部9 个城市的科技创新的年度增长趋势，文章计算了各地区专利授权量的年均增长率。2007—2018 年，广州和深圳的年均增速分别为21.68%和20.11%，处于中间水平。年度增速最高的是专利授权量相对较低的惠州，达到了28.49%，这意味着尽管惠州的专利授权量较低，科技创新水平较为不发达，但其创新的发展较为迅速。佛山的专利授权量的年均增速最低，为14.46%，这是因为佛山的科技创新已具备一定的基础，在此基础上呈缓慢增长的态势。除此之外，中心城市外围的中山、肇庆等地的年均增速也较高。这与刘树峰等的看法是一致的，即随着工资、地价等生产成本的上升，深圳市周边的惠州、中山等市承接了大量迁出企业，使得当地的创新水平不断提升[22]。总之，尽管外围城市的创新能力相比中心城市较低，但呈现快速增长的趋势。

为了展示城市群内部各城市的科技创新占整体的情况，文章还计算了2007—2018 年各城市专利授权量占城市群总体的比重。根据计算结果，深圳作为城市群创新的龙头，其专利授权量占比一直保持领先，其占比在2012 年达到峰值，为35.83%。广州作为城市群的另一个创新高地，近年来的专利授权量占比有逐年增加的趋势，从2010 年的14.2%增加到2018年的20.93%，逐渐成为城市群另一个创新活动较为频繁的地区。值得注意的是，佛山的专利授权量占比逐年下降，到2018年仅占11.89%，相比2007 年下降了42.09%。而东莞的比重也有较大的波动，其专利授权量占比在2010 年达到最大值，为19.19%，而在2016 年达到最小值，12.38%。整体而言，尽管东莞和佛山的制造业发达，创新水平较高，但受到中山、惠州等地创新产出增长的影响，其创新占比反而有逐年下降的趋势。

从城市群历年的专利授权量的绝对值、年均增速及其专利授权量占比指标看，深圳和广州是大湾区和城市群科技创新的增长高地，尤其是深圳的科技创新水平高度领先。此外，东莞、佛山和中山等制造业较发达地区的创新水平也不断提高，逐渐成为城市群科技创新的重要区域。

2.城市群创新能力的差异

根据上述内容的讨论，可以发现城市群内部创新水平存在较大的区域差异，文章将通过首位度指标、赫芬达尔指标和变异系数指标来反映城市群内部各地区创新水平的差异程度及其变化趋势。

图2 展示了珠三角城市群历年专利授权量的首位度系数、变异系数和赫芬达尔指数的变化。根据图2 可知，专利授权量的首位度S 总体上呈现“先增加后降低”的特征。S 值由2007年1.542 上升到2009 年的2.004，而后下降到2010 年的1.714，这是由于东莞在2010 年的创新水平较2009 年有较大增长，使得首位度涉及到的两个城市由先前的深圳和佛山变成了深圳和东莞。而后S 值继续上升，在2012 年达到峰值(2.212)，而后逐渐降低。这表明，创新能力的次发达地区与最发达地区之间的差距先增加，而后慢慢缩小，即次发达地区追赶最发达地区的速度非常快，由最高的2.212 变化到2018 年的1.561，并且科技创新相对落后的地区对创新较高地区的赶超在时间上也呈现出了基本的连续性。而专利授权量的变异系数和赫芬达尔指数在2007—2018 年基本没变，分别保持在0.9 和0.2 左右的水平。

图2 城市群专利授权量的差异变化

为了进一步呈现城市群内部创新水平差异的变化趋势，文章再次利用各地区的专利申请量数据计算其首位度、变异系数和赫芬达尔指数，进一步分析创新活动的区域性差异的演变趋势。结果发现，专利申请量的首位度指数自2008 年呈明显的逐年下降的趋势，指数从2008 年的2.516 下降到2018 年的1.32，下降幅度接近50%。尽管专利申请量和专利授权量的首位度表现为不同的变化趋势，但在2012 年之后都呈现下降的趋势，这意味着科技创新水平最高的两个城市之间的创新水平差距逐步缩小。变异系数同样表现出下降的态势，但速度较为缓慢，仅从2007 年的1.033 下降到2018 年的0.903，降幅为12.56%，这也说明城市之间创新水平差异逐年缩小，地区之间的创新发展较为均衡。而赫芬达尔指数基金保持在0.2 左右的水平。这与专利授权量的赫芬达尔指数的变化趋势是一致的。

总体来看，随着时间的推移，各城市间创新能力的差异不断缩小，逐渐由最初的不均衡向优化均衡的方向发展，呈现出创新活动良性互动和协调发展的趋势。这与王盟迪[23]的说法一致[15]，即2007—2010 年粤港澳大湾区的空间差异有明显的缩小。

3.创新能力的空间格局

为了更好地描述城市群创新能力的空间格局，文章利用Arcgis 软件的自然间断点分级法将城市群各城市在2007 年和2018 年的专利授权量分为四类，分别为高水平、较高水平、较低水平和低水平四个等级。根据分类结果，2007 年，低水平的城市有肇庆和惠州，较低水平城市有江门、中山和珠海，较高水平城市有佛山、广州和东莞，高水平城市仅有深圳。2018年，低水平城市仅有肇庆，较低水平城市有江门、中山、珠海、惠州，较高水平城市有佛山、广州和东莞，高水平城市仅有深圳。通过对比2007 年和2018 年的空间分类结果可知，2007 年与2018 年城市群创新能力的空间格局变化不大，仅有惠州的创新能力从2007 年的低水平等级进入2018 年的较低水平等级，这表明城市创新能力的空间分布整体比较稳定。两个年份中，城市群的创新能力分布呈现“中心—外围”的圈层式分布模式。创新能力的中心区域，即高水平和较高水平区域包括深圳、东莞、广州和佛山，这四个城市的专利授权量占城市群的比重在2007 年和2018 年分别达到83.28%和80.87%。而外围区域即创新处于较低水平和低水平等级的区域，包括肇庆、惠州、江门、中山和珠海5 个城市，占城市群整体的比重在2007 年和2018 年分别为16.72%和19.13%。

中心区域的深圳和广州是城市群科技创新的增长极，而东莞和佛山则是外资企业和乡镇企业的所在地，主要以制造业和高端制造业为经济支柱。此外，由于90 年代乡镇企业的就地兴起和外资的大量进入，使得其制造业发展相对较快，创新活动也较为活跃，这就带动周边城市如中山专利授权量的增加。而周边的肇庆、惠州和江门等地，离中心城市较远，难以得到中心城市的辐射带动作用，而且本身缺乏创新资源以及人才等，因而制造业发展较为落后，创新能力也不突出。

五、创新能力的影响因素分析

基于前文所述的指标和模型，文章采用面板回归模型来分析珠三角城市群创新能力的影响因素，并且也采用混合最小二乘法进行对比分析。由于解释变量人均GDP(GDP)和人均财政支出(EXPEND)、研发经费(RD)之间，实际利用外资(FIXED)和研发经费(RD)之间，研发经费(RD)和进出口总额(TRADE)之间的相关系数达到了0.85 及以上，若全部纳入模型，将出现严重多重共线性而导致回归结果出现误差。因此，文章对不同变量的组合进行回归。同时，为避免异方差和保证数据的稳定性，所有变量都进行了对数化处理。

混合最小二乘法回归和面板回归的结果如表2 和表3 所示。根据表2，人均GDP 对创新能力具有较高的解释力度，拟合优度达到了77%。但该混合效应回归忽略城市个体之间的不随时间变化的效应，导致了其他变量的不显著。因此，文章继续采用面板模型。为了选取合适的模型，文章在进行回归分析之前，进行了豪斯曼检验。豪斯曼检验的F 统计量的P 值为0，即结果显著拒绝随机模型是最优模型的原假设，应该选择固定效应模型。经过个体和时间固定效应模型的假设，结果拒绝个体和时间的双向固定效应模型。因此，文章最终使用基于个体的固定效应模型来分析珠三角城市群科技创新水平的决定因素。

表2 2007—2018 年城市群创新能力影响因素混合最小二乘法回归结果

根据表3 的模型(1)，人均GDP 对创新能力具有显著的和正向的影响，拟合优度达到了92.7%。这说明经济发展能显著提升区域的创新能力，这跟大多数的研究是一致的。模型(2)表明，进出口总额(TRADE)的系数为0.579，在5%的水平上显著，这说明地区的进出口强度显著促进了创新产出。实际利用外资(FDI)通过了10%的显著性水平检验，说明外资的进入能够促进当地的创新水平的提升，这与王伟等[21]的研究是一致的。固定资产投资指标也对区域创新水平有极大的促进作用。这可能是由于固定资产投资较高的地区，在某种程度上意味着该地区具备良好的创新基础设施，比如宽阔的厂房、先进的机器设备等，这为企业开展创新活动提供了有力的支撑[17]。

表3 2007—2018 年城市群创新能力影响因素面板模型回归结果

模型(3)表明，人均财政支出较高的地区，通过具有较高的创新能力，这意味着政府的支持力度对地区创新水平的提升有积极的作用。这可能是由于在经济发展较好的地区，地方政府可以为企业提供一定的资金支持，这既可以助力企业引进先进技术和设备，也可以在一定程度上补偿企业因创新以及其他经济活动带来的损失，鼓励企业继续发展创新[20]。另外，人力资本指标(COLLEGE)对创新能力的影响也是正向的，但效果不显著。这可能是由于，一方面，城市群内部各城市的经济发展水平参差不齐，这导致了对人力资本的吸引力的差异，进而影响了企业追求科技创新的步伐。例如，广州、深圳等创新能力强、经济发展水平较高的城市会吸引大量人才涌入，这其中包括一些周边城市的人才，这可能会导致周边城市人力资本的降低，进而影响该地区企业的创新活动[16]。另一方面，还可能是人力资本的效应没有得到充分的发挥，比如大学生的创新能力可能没有得到足够的释放，这也会导致对地区创新的促进作用不明显。研发经费的投入对创新能力的提升作用较为明显。即使模型(4)中增加了其他内外资、贸易水平等指标后，研发经费仍表现出统计上的显著性。这与Furman 等的研究是一致的，即研发投入能够极大促进国家创新产出[23]。通过观察模型(5)，文章发现，人均GDP 的加入使得研发支出(RD)不显著，甚至改变了进出口总额(TRADE)的系数符号，可见共线性的影响使得结果有偏误。

总之，经济发展对创新具有显著和积极的影响。除此之外，内外资、贸易联系、研发支出等也对区域创新起到了显著的促进作用，而人力资本对珠三角的创新能力的促进作用表现得并不显著。

六、结论与政策建议

文章基于2007—2018 年珠三角城市群9 个城市的面板数据，采用首位度指数、变异系数和赫芬达尔指数等方法来考察城市创新能力的整体趋势和创新差异的变化，并进一步分析了珠三角城市群创新水平的空间格局的演变。同时，通过面板回归的固定效应模型来探究影响城市创新能力的驱动因素。文章主要结论如下：

第一，从2007—2018 年，珠三角城市群的创新水平总体上呈上升趋势，内部各城市的创新能力尽管随着时间的推移表现出不同的变化，但都以逐年提高为主要趋势。其中，惠州和肇庆等不发达城市的创新水平的增速反而快于深圳和广州等核心城市。深圳和广州作为该地区的增长核心，其创新能力较为突出。而佛山和东莞也逐渐发展为该地区重要的创新所在地。

第二，变异系数和赫芬达尔指数的变化趋势表明，城市群内部城市之间的创新水平差异逐渐缩小，朝着均衡的方向发展。城市群创新能力的空间分布格局在不同年份较为一致，呈现“中心—外围”的空间分布模式。中心区域主要包括广州、深圳、佛山和东莞，外围区域主要指其他5 个城市，其中，最外围的肇庆和惠州的创新水平较为落后。

第三，计量模型回归结果显示，经济基础和外资、贸易联系、研发支出和政府支持等指标是各地创新发展的重要保障，这意味着城市群各城市创新水平的提升还需要政府的支持，以及城市本身的经济基础和对外发展水平的提升。

基于上述研究，文章提出如下建议：

第一，提高地区经济发展水平，完善区域协调机制。在城市群发展的过程中，对于创新能力较为落后的城市，如惠州和肇庆，政府可以给予适当的技术或者资金支持，使得当地企业可以在提高地区经济水平的基础上改善本地的科技水平。同时，城市群内部还可以建立区域协调发展机制，让核心城市来带动周边城市，从而缩小城市之间的差距。

第二，提升深圳、广州等创新核心城市的辐射作用，促进其与外围城市的创新联系。在城市群发展过程中，核心城市的辐射带动作用对周边城市发展非常重要。因此，核心城市需要充分发挥其先锋带头作用，鼓励支持周边城市的创新发展，这既可以通过在周边城市建厂分享技术来实现，还可以通过进行技术交流和培训等方式实现周边城市的技术进步。

第三，充分利用外来资本和贸易往来对区域创新的推动作用。在全球化的背景下，外商投资和双边贸易对区域创新能力的贡献作用不断凸显。因此，作为沿线开放前沿阵地，珠三角城市群各城市应该有条件地鼓励企业吸引外商资本，引进国外先进技术。同时企业应该着力培养本土的跨国企业参与国际投资和贸易，在促进国内外双边合作的基础上，提高本土企业的技术水平，带动城市创新水平的提升。