营商环境优化与区域创新发展之间的作用关系是双向的，不仅体现在营商环境优化对区域创新发展的保障作用，也包括后者以不同方式对前者的带动作用，二者以推进高质量发展为目标，在相互作用中实现协调发展(图 1). 具体作用关系如下：

营商环境优化是区域创新发展的外部保障. 首先，营商环境优化将促进城市创新要素积累，提升全要素生产率，从而对城市的创新发展产生影响. 营商环境优化会吸引优质企业、高级人才、核心项目等向城市聚集，提升城市的核心竞争力^[13]. 一方面，城市基础设施完善程度、社会文化、制度环境都是吸引人才集聚的基本条件，因此营商环境优化会吸引大量科技工作者和高新技术产业集聚，人才和科技企业为区域创新发展提供动力源泉；另一方面，营商环境优化将充分激发市场潜力，引流城市资本，吸引外商直接投资，为科技人员及高新产业提供有竞争力的环境，进一步加大区域创新要素集聚^[14]. 其次，营商环境优化会产生知识溢出效应，进而大幅度降低知识获取成本，为创新活动的开展提供便利. 在营商环境优化的市场中充满激烈的竞争压力，企业要在市场中占据优势就必须增加创新要素投入，提高自身创新效率，同时其他落后企业则可以持续地学习来自创新企业的知识溢出，通过学习和吸收，实现知识内在化，进一步推动整个城市创新效率的提升^[15-16]. 再次，营商环境优化将激发整个城市的创新氛围，提升企业家的创新精神，进而推动城市创新能力的提升^[17]. 作为市场经济的微观主体，企业家在保障市场经济稳健运行、激发市场活力和促进技术进步等方面发挥着基础性作用，而营商环境优化有利于市场运行效率提升、降低交易成本、改善企业绩效，促进创先发展.

区域创新发展是营商环境优化的内涵表达，对营商环境优化具有内生决定性作用. 经济发展质量的提升，迫切需要转变以往粗放式生产方式，提高创新发展首位度. 首先，创新发展更加注重经济发展的效率和质量. 在《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》指引下，创新会逐渐成为经济发展的核心动力，经济增长方式将由粗放型向集约型转变，市场潜能也将受到进一步激发，进而从经济发展源头推动营商环境优化. 其次，创新发展伴随着基础设施建设不断完善^[18]，包括轨道、公路、隧道等交通设施及学校、医院、图书馆等城市基础设施，同时还覆盖了网络基建系统，从而整体提升社会服务环境和基础设施建设，进一步促进营商环境优化. 再次，创新发展为营商环境优化提供经济基础^[19]. 区域经济在一定意义上体现为特色经济，自然资源是特色经济发展的重要基础. 区域创新发展伴随着科技进步，能实现区域内资源合理配置及科学使用，提高经济发展质量，为营商环境优化提供经济基础.

营商环境是指企业在设立、经营、交易等方面遵循政策法规所需要付出的各类成本的总和. 对于营商环境评价较为全面的指标源于世界银行自2003年起每年发布的《营商环境报告》，该报告对企业经营成本、市场便利度等10个一级指标，41个二级指标进行全面测评，考虑到数据的连贯性、可获取性，以及研究区域发展的具体情况，本文在参考粤港澳大湾区研究院发布的《中国城市营商环境报告》基础上，结合相关学者的研究成果进行重构^{[4, 20-21]}，建立长江经济带营商环境优化指标评价体系，将投资便利度、市场潜力、基础设施、社会服务这4个角度作为营商环境优化指标进行评价(表 1).

区域创新发展受众多因素影响，指标结合学者的研究结果，从创新环境、创新投入、创新产出3个角度出发^[22-24]，兼顾地区发展差异，权衡数据的稳定性和可获取性，选取7个指标来衡量创新发展(表 2).

在构建综合测评指标体系后，需要对指标进行标准化，并进行赋权. 熵值法是一种客观赋权法，通过计算数据的信息熵来判断数据的随机无序程度. 指标离散程度越高，信息熵越小，权重越高；反之亦然. 参考相关学者的研究^[25]，本文利用改进后的熵值法对面板数据进行标准化与客观赋权.

(1) 建立测评矩阵

原始矩阵X={x_tij}_m*n，其中t代表年份，m代表测评城市数量，n代表测评指标个数，x_tij表示第t年第i城市的第j指标数据.

(2) 标准化处理

测评指标分为正向指标和负向指标. 正向指标值越大代表发展状况越好，具体计算为：

负向指标值越小代表发展状况越好，具体计算为：

其中，x′_tij为标准化处理后测评矩阵X′={x′_tij}_m*n的元素，x_max和x_min分别为指标向量x_t所在列元素的最大值和最小值.

(3) 权重计算

${y_j} = \frac{{{{x'}_{{t_{ij}}}}}}{{\sum\limits_1^{t、i} {{{x'}_{{t_{ij}}}}} }}$，第j项指标的信息熵${e_j} = - k\sum\limits_1^{t、i} {{y_j}} \ln {y_j}$. 其中，k=1/lnm，m为三级指标数量，第j项指标的效用值d_j=1-e_j. 第j项指标的权重$w_{j}=\frac{d_{j}}{\sum_{1}^{j} d_{j}}$. 综合得分$U=\sum\limits_{1}^{j} x^{\prime}{ }_{j} w_{j}$.

耦合是物理学中的概念及模型，可以用于反映两个或两个以上系统构成要素之间相互影响、相互关联的程度，构建营商环境优化与区域创新发展相互作用耦合协调模型为：

其中，C表示耦合度，取值范围为[0, 1]，U表示营商环境优化指数，V表示创新发展指数，C的数值大小可以直接反映两者的耦合程度，C的数值越趋近于1，表明营商环境优化与区域创新发展的耦合度越高.

耦合度能判断系统间的协调程度，但当两个系统各自发展水平较低时，也会产生较高耦合度，这与现实情况相悖. 为了体现营商环境优化与区域创新发展水平，引入耦合协调度模型，计算公式为：

其中，D为耦合协调度，取值范围为[0, 1]，数值越大协调度越高；C为耦合度；T为两者综合协调指数；α，β为待定系数. 本研究认为营商环境优化与区域创新发展同等重要，因此α=0.5，β=0.5. 同时，对营商环境优化与区域创新发展的耦合协调等级进行划分(表 3).

为了反映长江经济带营商环境优化与区域创新发展的空间依赖及空间自相关性，选取探索性空间数据分析(ESDA)中的全局Moran' I指数、局部Moran' I指数和Lisa集聚表，深入分析长江经济带营商环境优化与区域创新发展耦合协调的空间自相关性.

全局Moran' I指数：

其中，D_i表示地区i的耦合协调度；D_j表示邻近地区j的耦合协调度；S²表示样本方差；w_ij为空间权重矩阵；全局Moran' I指数表示空间自相关性，取值范围为[-1, 1]，其中，Moran' I＞0表示存在正的空间相关性，Moran' I＜0表示存在负的空间相关性，Moran' I=0表示不存在空间相关性.

局部Moran' I指数：

其中，局部Moran' I指数为正表示地区i的高(低)值被周围的高(低)值所包围；局部指数Moran' I为负表示地区i的高(低)值被周围的低(高)值所包围.

为了保证数据的可获得性和完整性，本文的研究单元为长江经济带101个城市，考察期为2007-2018年. 数据主要来源于2008-2019年的《中国城市统计年鉴》、各城市统计年鉴、以及相关统计局数据和统计公报. 部分测评指标不能直接获取，需要经过处理和测算. 对指标处理方法进行补充说明：价格指标均采用价格指数折算为2007年为基期的可比价格指标；部分缺失数据采用平均增长率计算补充，同时考虑到重庆市的特殊性，选择使用重庆市主城9区的数据替代整个重庆市进行研究.

首先，基于已建立的营商环境优化与区域创新发展测评体系，利用熵值法测算长江经济带营商环境优化与区域创新发展得分. 其次，为揭示营商环境优化与区域创新发展质量时序动态变化，采用核密度估计曲线来表现长江经济带营商环境优化与创新发展的位置、分布形态与延伸性等. 再次，运用耦合协调模型结合ArcGIS软件对长江经济带营商环境优化与创新发展进行空间可视化分析，按照自然断点法将2007年、2018年的营商环境优化与创新发展划分为低水平、较低水平、中等水平、较高水平、高水平5个等级.

基于营商环境优化指标体系(表 1)，描绘出2007-2018年长江经济带营商环境优化得分情况和发展趋势，见表 4、表 5、图 2、图 3.

1) 准则层分析. 由表 4可知，在测评期间内，市场潜力、基础设施两个指标得分从大到小依次为下游、中游、上游的分布格局，投资便利度指标从大到小依次为中游、上游、下游的分布格局，社会服务指标从大到小依次为下游、上游、中游的分布格局，整体而言，营商环境优化准则层得分下游最优且领先优势巨大，中、上游营商环境优化同属于较低发展阶段. 下游营商环境优化起步早、基础好、速度快，就准则层贡献值而言，下游在投资便利度和基础设施上得分高，社会服务得分低，未来下游应注重提高社会服务效率，致力于改善医疗条件，降低企业融资难度，并进一步发展高等教育，增加科研经费；中游营商环境优化起点低，增速慢，营商环境优化得分落后于上游，在准则层上投资便利度优化效果显著，领先于下游和上游，但其他指标不突出，其中社会服务得分尤其偏低，中游营商环境优化需要在各个指标上加强，重点关注社会服务水平，包括教育、医疗、金融等方面的建设，以促进营商环境优化；上游营商环境优化得分居中，但各准则层指标得分存在较大差异，其中投资便利度得分较高，基础设施得分增长迅速，从2007年的0.044上涨到2018年0.093，并且在该指标上实现了对中游的反超，这体现了在西部大开发等相关政策支持下，上游基础设施建设飞速发展，但上游市场潜力指标得分处于长江经济带末尾，因此上游营商环境优化的重点应该在激发市场潜力，提升经济总量，释放民众消费能力，进一步促进营商环境优化.

2) 时序变化分析. 从表 5可知，营商环境优化整体向好，结合2007年和2018年长江经济带营商环境优化核密度估计图进行分析(图 2)，结果表明，①核密度估计曲线呈现"由多峰转向单峰"的发展趋势，反映出营商环境发展极化水平下降明显，营商环境优化呈现出协调发展；②核密度曲线波形整体向右移动，表示长江经济带营商环境优化效果显著；③从曲线峰值来看，核密度估计曲线的波峰均呈现下降趋势，且尖峰逐渐向宽峰过渡，说明长江经济带各区域内差异程度在逐渐缩小. 根据变化趋势，营商环境优化可分为两个阶段：① 2007-2015年高速低质发展阶段，此期间，营商环境优化得分偏低，整体低于0.3，但发展速度较快，平均增速超过6%，为之后营商环境优化步入中高水平奠定基础；② 2015-2018年高质量发展阶段，营商环境优化得分于2017年突破0.3，但年均增长速度不足5%，增速放缓，该阶段整体营商环境优化达到中等水平，并且区域内各核心城市引领作用明显，营商环境优化步入新阶段.

3) 空间变化分析. 由图 3和表 5可知，营商环境优化得分从大到小依次为下游、上游、中游的空间分布格局，其中，上游增长速度最快，营商环境优化得分从2007年0.213上涨到2018年的0.312，增长绝对值为0.099，年均增长率为4.23%，这使得上游对下游营商环境优化相对差距不断缩小，对中游的营商环境优化绝对优势不断扩大，领先值从2007年的0.01上涨到2018年的0.023；中游营商环境优化发展最慢，营商环境优化得分从2007年的0.203上涨到2018年的0.289，年均增速为3.85%，但2018年，中游核心城市武汉、长沙、合肥营商环境优化得分均突破0.4，这与中游营商环境优化整体得分低下差异明显，反映了中游核心城市营商环境优化的辐射作用不足，极化现象明显；下游营商环境优化效果最好，2018年下游营商环境优化均值为0.373. 整体而言，各区域营商环境优化均得到了不同程度发展，其中，上游营商环境优化速度较快，下游营商环境优化在指标得分上占绝对优势，中游营商环境优化发展脱节明显，核心城市与普通城市营商环境优化差距过大，未来需要重点解决非核心城市营商环境优化问题.

基于区域创新发展指标体系，运用熵值法计算创新发展得分，描绘出2007-2018年长江经济带101个城市创新发展得分情况和发展趋势，见表 6、表 7、图 4、图 5.

1) 准则层分析. 由表 6可知，测评期间内长江经济带创新发展准则层得分在区域上从大到小依次为下游、中游、上游的空间分布格局. 下游创新发展起步早、速度快，始终保持领先位置，并且领先优势不断扩大；中、上游创新发展特征相似，具体表现为发展时间晚、起点低，且发展速度慢，与下游创新发展差距逐渐扩大. 分指标而言，长江经济带各地区准则层得分特征从大到小依次为创新环境、创新投入、创新产出，这反映了各城市致力于营造良好的创新环境，并且取得了显著的效果，但创新环境的优化传递到创新产出的增加值存在递减效应，同时也反映出各个城市科研投入不够、科技产出效率低的困境.

2) 时序变化分析. 区域创新发展优化整体向好，结合2007年和2018年长江经济带创新发展的核密度估计图进行分析(图 4)，结果表明：①核密度曲线呈现“多峰转向轻微多峰”的发展趋势，反映创新发展极化水平有所下降，但区域间创新发展差距依旧明显；②核密度曲线整体向右移动，表示长江经济带创新发展收获成效，整体得分上涨；③核密度曲线向右拖尾现象愈加明显，说明长江经济带创新发展质量较高区域存在显著极化现象，即创新发展水平的上升并不能消除区域内差距. 由表 7可知，下游创新发展效果最优，得分均值从2007年的0.183上涨到2018年的0.408，年均增速达11.18%，反映了下游在提升创新发展质量的同时保持了较高的增长速度，其中上海创新发展效果显著，创新发展得分从2007年的0.386上涨到2018年的0.746，远远领先于长江经济带其他城市，体现了上海作为我国的经济中心，在创新发展上的地位及引领作用；苏州作为长江下游地区的次核心，2018年创新发展得分为0.698，得分仅次于上海，下游创新发展特征为多核心模式，以上海、南京、苏州、杭州4大核心城市为基础，带动周边城市创新发展，进而促进下游创新发展质量整体提升. 中、上游创新发展效果不显著，测评期间内中游创新发展得分均值由2007年的0.128上涨到2018年的0.223，年均增速为6.75%；上游创新发展得分均值由2007年的0.103上涨到2018年的0.176，年均增速为6.44%. 武汉在中游地区创新发展中占据绝对领先位置，得分由2007年的0.243上涨到2018年的0.537，同比中游创新发展得分均值以及区域内其他核心城市均有较大优势，并且武汉周边城市创新发展在本区域内总体上高于其他城市，这反映了武汉具有较强的正辐射作用；成都、重庆作为上游双核城市，其创新发展得分较高，2018年成都、重庆创新发展得分分别为0.456，0.577，但成渝双城周边城市创新发展得分偏低，反映了上游核心城市辐射效果不明显. 整体而言，上游创新发展得分偏低，极化现象严重.

3) 空间变化分析. 由图 5和表 7可知，长江经济带各城市创新发展均有不同程度的提升，创新发展得分在空间上从大到小依次为下游、中游、上游的格局. 分析区域间差异发现，下游地区创新发展起步早、基础好、速度快，已经基本步入高质量发展阶段；中游地区创新发展效果明显，创新发展得分突破0.2，创新发展取得了一定成效，同时与上游地区创新发展的差距有扩大的趋势，但就指标得分而言，中、上游地区创新发展属于同一阶段；上游地区创新发展效果最差，发展速度最慢，指标得分最低，与中、下游地区在创新发展上差距逐步扩大. 结合上游地区准则层得分情况可知，上游地区发展方式粗放，科研投入不足，科技产出效率低，创新发展效果不显著.

根据耦合协调模型，测算出2007-2018年长江经济带101个城市营商环境优化与创新发展的耦合协调水平(表 8、图 6、图 7)，进而对2007-2018年长江经济带营商环境优化与创新发展耦合协调度的时空演变特征进行分析.

从时序动态演进来看，由2007年、2018年长江经济带营商环境优化与创新发展耦合协调度的核密度估计图可知(图 6)，①核密度曲线形状呈现出“多峰转单峰”的发展趋势，反映了营商环境优化与创新发展耦合协调水平正逐渐均衡发展；②核密度曲线波形整体向右移动，表明长江经济带营商环境优化与创新发展协调发展水平逐渐上升；③核密度曲线向右拖尾现象显著，反映出长江经济带营商环境优化与创新发展耦合协调度高水平区域内存在明显的极化现象，即呈现出空间非均衡特征. 同时，区域间经济发展水平、区位条件、基础设施等存在差距，致使各区域营商环境优化与创新发展存在差异，进而形成营商环境优化与创新发展耦合协调度的多极化发展格局，同时存在空间集聚特征，即下游地区整体耦合协调度最高、中游地区次之、上游地区最次.

从空间变化特征进行分析可知，长江经济带营商环境优化与创新发展耦合协调度呈稳步上升态势(图 7)，整体耦合协调得分由2007年的0.410上涨到2018年的0.529(表 8)，耦合协调度由面临失调状态发展为临界协调状态. 由表 8可知，2007年下游地区营商环境优化与创新发展耦合协调度处于面临失调状态，其中处于一般协调的有1个城市(上海)，处于临界协调的有5个城市，处于面临失调的有15个城市，处于轻度失调的有3个城市(连云港、扬州、宿迁)，2007年中、上游地区营商环境优化与创新发展耦合协调度均处于轻度失调状态，其中处于临界协调的城市有3个(武汉、长沙、重庆)，处于面临失调的城市有25个，处于轻度失调的城市有47个；2018年，长江经济带营商环境优化与创新发展耦合协调度显著上升，其中下游地区耦合协调度均值为0.613，处于一般协调状态，中游地区耦合协调度均值为0.494，处于面临失调状态，上游地区耦合协调度均值为0.519，处于临界协调状态，同时区域核心城市耦合协调度得分上涨迅速，其中上海处于良好协调状态，南京、杭州、苏州、武汉、重庆、成都处于中级协调状态，合肥、南昌、长沙、贵阳、昆明处于一般协调状态，处于轻度失调城市下降到2个(安顺、昭通)、处于临界协调和一般协调的城市上升到45个. 由此可见，在测评期内各区域营商环境优化与创新发展耦合协调度均得到了不同程度的发展，但区域内、区域间耦合协调度差异依旧显著.

为进一步分析长江经济带营商环境优化与创新发展协调度的空间集聚特征，本文测算了营商环境优化与创新发展协调度的全局Moran' I指数(表 9).

2007-2018年间，全局Moran' I指数的估计值均大于0，均通过p＜1% 的显著性检验，说明长江经济带营商环境优化与创新发展协调度呈现出显著的空间正相关性，并具有明显的空间依赖性. 同时，从全局Moran' I指数变化趋势来看，2007-2018年长江经济带营商环境优化与创新发展协调度的全局Moran' I指数呈波动上升趋势，从2007年的0.19上升至2018年的0.22，说明空间依赖程度在上升.

为明确长江经济带营商环境优化与创新发展协调度的变化趋势，本文对局部空间相关性进行分析，选取2007年、2018年作为研究对象，得出Lisa表格(表 10)和局部空间集聚特征图(图 8). 表中列出了局部空间相关性统计量通过p＜5%显著性水平的区域，Lisa集聚表的集聚特征H-H(高-高)、L-H(低-高)、L-L(低-低)、H-L(高-低)与局域空间集聚特征图相对应. 由图 8可知，长江经济带营商环境优化与创新发展协调度呈现出H-H集聚、H-L集聚、L-L集聚特征，说明营商环境优化与区域创新发展协调度相似区域在空间上呈现出集中分布状态，这与全局Moran' I指数值显著大于0的结果一致. 整体而言，长江经济带营商环境优化与创新发展耦合协调度局域集聚特征以H-H为主. H-H集聚特征城市主要集中在下游，以上海、南京、杭州、苏州等下游核心城市为中心，辐射到下游和部分中游城市，具有此特征的区域营商环境优化与创新发展协调度水平相对较高，说明经济发展、科技创新水平较高的城市，在促进自身营商环境优化与创新发展协调的同时，对周围其他地区产生辐射作用. 具有H-L特征的城市也较多，从空间分布特征来看均分布在中、上游，反映了中、上游地区核心城市辐射效果不明显，未能带动周边城市发展，中、上游地区发展存在明显的极化特征. 具有L-L特征的城市相对较少，2007年有大理、临沧，2018年增加了普洱和安顺. 总体而言，长江经济带营商环境优化与创新发展具备一定的空间相关性.

本文选取长江经济带101个城市2007-2018年的面板数据，分别构建营商环境优化与创新发展评价指标体系，运用熵值法对二者综合得分进行测算，结合耦合协调模型与空间自相关模型，研究了长江经济带营商环境优化与创新发展的耦合协调关系，结论如下：

1) 长江经济带营商环境优化得分总体呈现出上升趋势，但因区位条件、资源禀赋、发展基础等条件不同，区域差距依旧十分显著. 考察期内，下游地区营商环境优化得分最高、发展速度最快，始终处于领先位置；中游地区营商环境优化发展速度较慢，增长数值较低，与下游差距逐渐拉大；上游地区营商环境优化速度较快，与下游地区营商环境优化得分差距逐步缩小.

2) 考察期内，长江经济带创新发展得分先逐步增加后保持稳定变化，且呈现出非均衡发展状态，具体表现为下游地区经济发展水平和营商环境优化相对较好的地区，对应的创新发展水平较高，中、上游地区创新发展速度慢，发展水平较低.

3) 长江经济带营商环境优化与创新发展耦合协调水平不断提升，但区域内、区域间耦合协调度差异依旧显著. 考察期内，上游地区耦合协调度由轻度失调提高到临界协调，中游地区耦合协调度由轻度失调提高到面临失调，下游地区耦合协调度由面临失调提高到一般协调. 2007年，长江经济带耦合协调得分均值为0.41，得分最高的城市为上海(0.648)，得分最低的城市为宜春(0.286)，耦合得分极差为0.362；2018年，长江经济带耦合协调得分均值为0.529，得分最高的城市为上海(0.830)，得分最低的城市为昭通(0.385)，耦合得分极差为0.445. 由此可见，长江经济带营商环境优化与创新发展耦合程度整体得到提升，但耦合得分极差扩大，区域间差异有扩大的趋势.

4) 长江经济带营商环境优化与创新发展耦合协调度存在明显的空间集聚与异质性特征，表现为以上海、南京、杭州、苏州为核心城市的下游区域呈现出“H-H”集聚特征，中、上游区域除各省会城市(直辖市)外，其余地级市耦合协调度偏低，呈现出“H-L”异质性特征.

基于以上结论，结合各地区资源禀赋、经济基础、区位条件、历史背景以及政策条件等因素的影响，为长江经济带营商环境优化与创新发展耦合协调演进提出如下建议：

1) 提高创新产出效率，完善区域创新发展体系. 政府应出台更多鼓励创新的相关政策，推动创新经济发展，尤其应该增加科技投入，构建创新需求方与供给方之间高效的联系方式. 通过政府财政补贴、引进高等院校、科研院所等方式，满足城市创新的资金与人才需求，建立城市科技研发中心、创新创业孵化基地等，提高科技投入成果转化率、使科技成果转化为生产力.

2) 精准定位核心因素，改善创新环境，优化产业结构，推动营商环境优化与创新发展协调演进. ①增加科研经费投入力度. 政府应制定相关政策，例如使用财政资金补贴，鼓励企业加大技术创新，激励风险投资对科创活动的支持力度. ②加快集聚高层次科创人才. 制定相关人才引进战略，吸引和集聚一批国内外高层次人才，尤其是针对前沿科技，包括信息技术、智能制造、新能源新材料、生物医药等领域人才的集聚和培养. ③促进校企合作，推动高校科研成果和技术转换为实际生产力. 作为城市创新能力提升的重要智力支持，高校创新能力对区域创新水平有重要的影响. 政府要进一步统筹各类创新平台建设，例如大学科技园、大学生创业园和各类校企合作平台的互利合作，促进校企共同科技攻关，实现科技成果转移转化，增强自主创新能力.

3) 鉴于营商环境优化与区域创新发展的空间差异，各地区应根据自身情况、因地施策. 各地区要结合自身区域特征、经济基础及资源禀赋等要素，选择不同的着力点，出台更有针对性的营商环境优化与区域创新驱动战略，推进营商环境优化，提升创新能力. 一方面，中、上游地区要根据创新条件特征，确立区域新发展思路，转变经济发展方式，在经济转型和产业结构升级中加快形成适合自身特征的创新发展与营商环境优化战略，探索与下游地区的知识共享和资源匹配，积极承接下游地区技术转移，带动本地高新技术产业发展，促进创新、经济、营商环境优化协同发展. 另一方面，下游地区需发挥自身优势，努力推进营商环境优化，吸引高新技术一线企业落户，进而推动创新发展，积极发挥引领示范作用，通过开展多样化的技术创新，扩大创新效应的辐射范围，加强与周边地区合作，通过创新的溢出效应带动中、上游地区经济高质量发展；促进人才和技术的流动、转移，打破户籍制度对人才流动的限制，在知识创新中发挥人才集聚优势.