在京津冀协同创新能力的相关研究中，定性研究和定量研究结合的趋势越来越明显，在区域协同创新研究的文献中越来越多。对于京津冀协同创新能力测评的研究主要梳理出了基于系统协调模型、因子分析方法和其他方法。
（一）基于系统协调度模型的评测
系统学和协同学一直是协同发展理论的重要理论基因。在研究区域协同发展中自然不会缺少系统论的方法，而系统协同度模型就成了众多学者研究选择的重要工具。
鲁继通运用复合系统协同度模型，从知识创造和获取能力、技术创新和应用能力、创新协同配置能力、创新环境支撑能力和创新经济溢出能力5个方面构建评价指标体系，对京津冀三地协同创新能力进行评价，得出的结果是京津冀区域协同创新能力北京最强，天津次之，河北省居末。因为京津冀区域协同创新能力存在较大差距，导致整个区域协同创新度水平低。[52]
孙丽文等以京津冀2010—2014年的面板数据为样本，从知识创造和获取、知识配置、技术创新应用、创新环境支撑、创新绩效经济产出5个方面构建评价指标体系，运用复合系统协同度模型对京津冀区域创新系统内部结构演化协同性进行评价，结果显示北京与河北、天津与河北的协同创新水平逐年提高，但是比北京和天津的协同创新水平依然存在不小的差距；三地协同创新度由低到高分别是京冀、津冀、京津冀、京津。[53]
张淑莲等利用系统协调度模型对京津冀三地的产业创新系统和创新环境系统的协调度进行了分析，结果显示三地的产业创新系统和创新环境系统协调度差异明显，并分别从对系统协同度影响较大的人才引进、资金支持和政策环境三个方面提出了相关建议。[54]
（二）基于因子分析方法的测评
使用少数因子去描述众多因子和指标之间的联系是因子分析法的重要精髓，关于能力的概念体系图谱的制作势必会是一项浩大的工程。而使用因子分析法构建测量体系就成了众多学者不错的选择。在京津冀协同创新测评研究中，吴卫红等运用主成分分析法，从创新能力相似性、创新能力耦合性、制度邻近性、认知邻近性和地理邻近性5个方面构建评价指标体系，对京津冀省市间协同创新能力进行评价，结果显示：北京与天津之间的协同创新能力最强，北京与河北最弱，这与京津冀内部创新资源分布不平衡有关；创新能力的临近性与耦合性对区域协同创新能力成正相关，而制度邻近性、认知邻近性、地理邻近性之市场化程度相似性对其具有正向作用；制度邻近性中的地方保护性对协同创新有制约作用。[55](www.xing528.com)
张子旭等运用因子分析方法，从政府、企业、科研机构和高校4个方面构建评价指标体系，对京津冀科技协同创新能力进行测评，结果显示，京津冀科技创新能力存在着一定的差异，科技投入与科技产出不成正比。[56]
（三）基于其他分析方法的测评
关于协同创新能力评估的研究方法有很多，并不局限于协同协调度和因子分析方法，还有许多学者从文件编码的角度、数据包络分析方法等对京津冀区域协同能力的评价进行了研究。
郭斌通过基于文献编码的复杂网络分析，最终得出京津冀科技协同创新绩效评价的22项指标及权重，并通过此评价体系评估了京津冀区域2004—2013年科技协同创新绩效水平，归纳其演变趋势及所面临的现实问题。[57]
刘宾利用数据包络分析方法，对京津冀各区域金融资源配置与科技创新的协同度进行了测评。结果显示，2006—2014年京津冀均处于协同发展的初级阶段，但是京津冀三地的金融资源配置与科技创新协同度在逐年增强。[58]
除了量化研究的方法，还有学者从定性的角度对京津冀协同创新能力的研究做了相关的贡献。比如李京文和李剑玲通过在产业结构、城市结构和城镇化等方面分析京津冀相对于长三角、珠三角的比较优势，认为京津冀协同创新的优势有经济基础雄厚、物产丰富、区域内合作空间大等特征。[59]再如，景朝阳和孙晓婷通过分析京津冀地区金融支持科技创新的现状与存在的问题，探讨先进地区金融支持科技创新的经验，对比分析发达国家关于金融支持科技创新的经验和做法，从加强区域顶层设计、坚持政府推动与市场运作相结合、强化京津冀科技创新和金融支持的匹配与互动、构建科技创新和金融创新“双中心”4个方面，为京津冀三地金融支持科技创新提供对策建议。[60]
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
