EN中文

经济地理 >

2024 , Vol. 44 >Issue 11: 104 - 112

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.11.011

产业经济与创新发展

省域新质生产力发展水平测度、时空特征及其影响因素

  • 吉雪强 ,
  • 贺志浩 ,
  • 李卓群 ,
  • 张跃松 , ※
展开
  • 中国人民大学 公共管理学院，中国 北京 100872
※张跃松（1970—），女，博士，教授，博士生导师，研究方向为数字经济与管理、住房保障与政策评价。E-mail：

吉雪强（1996—），男，博士研究生，研究方向为数字经济与管理、土地经济与政策。E-mail：

收稿日期: 2024-05-21

  修回日期: 2024-11-20

  网络出版日期: 2024-12-18

基金资助

国家自然科学基金面上项目(72274207)

中国人民大学2023年度拔尖创新人才培育资助计划

收起

Measurement，Spatiotemporal Characteristics and Influencing Factors of Development Level of New Quality Productive Forces at the Provincial Level

  • JI Xueqiang ,
  • HE Zhihao ,
  • LI Zhuoqun ,
  • ZHANG Yuesong , ※
Expand
  • School of Public Administration and Policy，Renmin University of China，Beijing 100872，China

Received date: 2024-05-21

  Revised date: 2024-11-20

  Online published: 2024-12-18

Fold

摘要

文章构建新质生产力发展水平综合评价指标体系，利用超效率SBM-DEA模型、熵权—TOPSIS方法、探索性空间数据分析方法、时空地理加权回归模型，分析2013—2022年中国新质生产力时空演化特征及其影响因素，并探讨不同影响因素作用的时空差异。研究发现：①新质生产力发展水平呈上升趋势，空间呈“东高西低”分布，新质生产力水平空间差异明显；②新质生产力发展存在显著正向空间自相关和空间集聚，其中高—高集聚区以东部沿海省份为主，低—低集聚区以西部为主，近年来新质生产力空间绝对差异扩大；③经济、教育、政策和资源因素对新质生产力具有影响，国内经济发展水平、对外贸易水平、整体教育投入水平、高等教育发展水平、政策关注度整体对新质生产力产生正向影响，水资源拥有量、矿产资源拥有量整体产生负向影响，且各因素影响存在时空差异。

关键词： 新质生产力; 高质量发展; 科技生产力; 绿色生产力; 数字生产力; 教育

本文引用格式

吉雪强 , 贺志浩 , 李卓群 , 张跃松 . 省域新质生产力发展水平测度、时空特征及其影响因素[J]. 经济地理, 2024 , 44(11) : 104 -112 . DOI: 10.15957/j.cnki.jjdl.2024.11.011

Abstract

This article constructs a comprehensive evaluation index system of the development level of new quality productive forces. Based on the super-efficiency SBM-DEA model,the entropy weight-TOPSIS method,exploratory spatial data analysis methods,and spatiotemporal geographical weighted regression models,it analyzes the evolution characteristics and influencing factors of China's new quality productive forces from 2013 to 2022,and explores the spatiotemporal differences in the impact of different influencing factors. It's found that: 1) The development level of new quality productive forces shows an upward trend,with a spatial distribution pattern of "high in the east of China and low in the west of China", and significant spatial differences in the level of new quality productive forces. 2) The development of new quality productive forces exhibits significant positive spatial autocorrelation and spatial clustering,with high-high clustering areas mainly located in the eastern coastal regions and low-low clustering areas mainly in the western regions. The absolute spatial differences in new quality productive forces have expanded in recent years. 3) Economic, educational, policy, and resource factors influence new qualitative productivity. Domestic economic development levels, foreign trade levels, overall educational investment levels, higher education development levels, and the overall policy focus have a positive impact on new qualitative productivity, while the availability of water resources and mineral resources has an overall negative impact. Additionally, the influence of various factors varies across time and space.

Key words： new quality productive forces; high-quality development; scientific and technological productivity; green productivity; digital productivity; education

2023年9月7日，习近平总书记主持召开新时代推动东北全面振兴座谈会时指出要“加快形成新质生产力”。而后，习近平总书记在多个场合强调要“形成新质生产力”“加快发展新质生产力”“培育发展新质生产力”。2024年3月，“新质生产力”被首次写入国务院政府工作报告，并成为政府工作的重要任务之一。2024年7月，党的二十届三中全会进一步提出“要健全因地制宜发展新质生产力体制机制”。因地制宜发展新质生产力需了解新质生产力时空演化规律，探索其影响因素作用的时空差异性，进而就不同地区新质生产力发展提出更有针对性的建议。因此，新质生产力时空演化特征分析及其影响因素时空差异性探索具有现实意义。
现有研究对新质生产力进行了系统分析和探讨。①理论研究方面，现有文献重点讨论了新质生产力内涵、发展逻辑、作用及其发展思路。新质生产力是以科技创新驱动为核心，以新兴产业和未来产业为载体的先进生产力[1-3]；是新时代人类依赖创新驱动和科技进步改造利用自然、善待保护自然的能力，是生产力发展到高级阶段的必然产物[4]。就理论逻辑来看，新质生产力不仅是对马克思主义生产力理论的继承与发展[5]，更是生产力理论与中国经济发展现实结合的产物[6]，亦是中国共产党生产力理论的创新发展[7]。其作用方面，新质生产力对国民经济的发展[8-10]、竞争优势的提升[11]和国家安全的保障[12]均有显著推动作用。此外，学界亦深入探讨其发展思路，包括加强教育培养[13]、强化科技支撑[14]、推进产业升级[15]、促进数字经济发展[16-18]等措施。②量化分析方面，学者们重点探讨了新质生产力的评价、时空演化和影响因素等问题。就新质生产力评价而言，现有研究主要基于两种思路构建新质生产力评价指标体系，利用熵权法、熵权—TOPSIS法计算权重，进而测度新质生产力。一种思路是根据生产力理论，从劳动力、劳动对象、劳动资料三方面构建新质生产力评价指标体系[19-21]；另一种则是从新质生产力的特征出发，将其划分为不同种类的生产力，再进行综合评价[22-24]。在时空演化分析方面，现有研究重点分析了新质生产力的时间演变、地区差异、空间分布、空间集聚、空间收敛等问题[22-23,25-26]，揭示了新质生产力的时空分布情况，识别了其在时间上的演进过程和空间上的不均衡特征。在影响因素分析方面，现有研究利用双固定效应回归模型[27]、双重差分法[28]、空间杜宾模型[29]等方法，讨论了各因素对新质生产力的作用，指出新质生产力发展受多种因素综合影响。
综上，现有研究对新质生产力进行了广泛的探讨，为新质生产力发展提供了有益的理论指导。但是，现有成果仍然存在一些不足：①多数新质生产力研究[20-27]，在构建评价指标体系时将绝对规模类指标和相对水平类指标混淆，导致测出的新质生产力既不能较好体现新质生产力规模，亦不能科学展示新质生产力发展水平。此外，多数研究还忽略了与新质生产力发展高度相关的数据基础设施，使得指标科学性有待提升。②部分研究[27-29]虽采用了多种计量方法来分析新质生产力影响因素，但并未深入揭示各影响因素对新质生产力作用的时空差异性，而科学识别新质生产力影响因素的时空差异性，不仅有利于完善新质生产力研究框架，亦能为因地制宜发展新质生产力提供参考。
为此，借鉴现有成果，本文构建新质生产力发展水平综合评价指标体系，基于2013—2022年省级面板数据，利用多种模型，分析中国30个省份的新质生产力时空演化特征及其影响因素，并探讨不同影响因素作用的时空差异，以为因地制宜发展新质生产力提供科学支持。

1 变量设置、数据来源与研究方法

1.1 变量设置

1.1.1 新质生产力发展水平

生产力，是劳动者在与自然进行物质、信息、能量交换的过程中促进经济发展和环境保护共赢的力量[19]。在当前科技颠覆性变革的时代背景下，随着先进科技的不断涌现，社会资源配置方式和使用效率发生了显著变化，从而引导了生产力、生产方式的转型。新质生产力，顺应这一变革时期社会发展需要所产生的生产力形态，在科技创新的引领下产生了高效能、高质量地利用自然、改造自然的能力[1]。
新质生产力以科技创新为核心。科技作为第一生产力，在新时代越发成为推动生产力发展核心动力。习近平总书记强调“科技创新能够催生新产业、新模式、新动能，是发展新质生产力的核心要素”。关键技术的突破与质变，将引发生产力核心因素的变革，从而催生出更先进的生产力。科技创新不仅能推动劳动者、劳动资料、劳动对象产生巨大进步，以提升劳动者素质、提高劳动资料质量、推动劳动对象升级，还直接促进了新质生产力的发展。因此，先进科技及其持续创新，不但是新质生产力内在动力，更是其核心特征。
新质生产力高度强调绿色发展。正如习近平总书记所指出“新质生产力本身就是绿色生产力”。先进的生产力不能脱离可持续的自然环境。作为新时代生产力的跃迁，新质生产力主张依托先进技术，实现低投入、高产出、低污染的可持续发展[19]。其本身蕴含着深刻的生态思想，认为生态环境本身就是生产力，改善环境即为发展生产力。新质生产力展现出强烈的生态担当，蕴藏了发展绿色生产方式、绿色消费理念与绿色低碳产业的生态效能[30]。因此，绿色发展的鲜明特征在新质生产力中得到充分体现。
新质生产力的发展高度依赖于数字化要素。数字化是当前经济社会重要特征，数据要素作为新型生产要素，已成为推动新质生产力发展的关键要素。数字产业不仅是新兴产业、未来产业重要组成部分，也是新质生产力发展重要场所，而数字技术是前沿科技的代表技术。在数字时代，数字经济发展形成数据牵引，算法规制和算力驱动的资源配置新模式是生成新质生产力的基本逻辑[31]。新质生产力在数字时代表现为劳动者以数据为劳动对象，以数字技术装备等作为劳动资料，进行数据收集等工作的能力[32]。因此，数字化亦是新质生产力的重要特征。
为此，结合新质生产力特征，参考卢江等[22]研究，构建新质生产力发展水平综合评价指标体系（表1）。
表1 新质生产力发展水平综合评价指标体系及其说明

Tab.1 Comprehensive evaluation index system for the development level of new quality productive forces and its explanation

系统层 准则层 指标层（权重） 解释 属性
科技生产力 创新生产力 创新研发（0.06） 国内专利授予数（个）/年末人口数（万人） +
创新产业（0.01） 高技术产业业务收入（亿元）/年末人口数量（万人） +
创新产品（0.03） 高技术产业新产品销售收入（亿元）/年末人口数量（万人） +
技术生产力 技术效率（0.03） 以全要素生产率作为表征，以劳动力、资本、能源为投入指标，以GDP为产出指标计算所得 +
技术研发（0.06） R&D人员（万人）/年末人口数量（万人） +
技术生产（0.09） 机器人安装原始密度（%） +
绿色生产力 资源节约型生产力 能源强度（0.01） 能源消费量（万t）/GDP（亿元） -
能源结构（0.01） 化石能源消费量（万t）/GDP（亿元） -
用水强度（0.00） 用水量（亿m3）/GDP（亿元） -
环境友好型生产力 废物利用（0.02） 工业固废物综合利用量（万t）/工业固废物产生量（万t） +
废水排放（0.01） 工业废水排放（万t）/GDP（亿元） -
废气排放（0.00） 工业SO2排放（万t）/GDP（亿元） -
垃圾处理（0.02） 生活垃圾无害化处理能力（万t/日）/年末人口数（万人） -
数字生产力 数字产业生产力 电子信息制造（0.18） 集成电路产量（亿块）/年末人口数（万人） +
电信业务通信（0.06） 邮电业务总量（亿元）/年末人口数（万人） +
人工智能发展水平（0.10） 人工智能企业数量（家）/年末人口数（万人） +
数据中心建设水平（0.02） 数据中心机架数（万架）/年末人口数（万人） +
产业数字化生产力 网络普及率（0.02） 互联网宽带接入端口数（万个）/年末人口数（万人） +
软件服务（0.13） 软件业务收入（亿元）/年末人口数（万人） +
数字信息（0.07） 光缆线路长度（万km）/地区面积（万km2） +
电子商务（0.09） 电子商务销售额（亿元）/年末人口数（万人） +

注：其中用水强度权重为0.0018；废气排放权重为0.0024。

创新能力和技术发展是科技生产力重要体现，本文从创新生产力和技术生产力两方面衡量科技生产力。与卢江等的研究[22]相比，本文以全要素生产率表征技术效率，可更全面展示技术进步，同时本文将创新产品、技术研发的核心指标从工业领域拓展到地区整体层面，从而更全面地展示地区科技生产力。资源节约和环境保护是绿色发展重要主题，绿色生产力体现在资源节约型生产力和环境友好型生产力上。相比卢江等的研究[22]，本文在衡量用水强度时，将工业用水量延伸至整体用水量，并在衡量环境友好型生产力时，在考虑工业污染基础上，进一步考虑生活垃圾无害化处置能力。数字产业化和产业数字化是数字化重要途径，数字生产力表现为数字产业生产力、产业数字化生产力。为更科学地衡量数字生产力，本文进一步将人工智能、数据中心等现有研究较少考虑的“新质”数字化指标纳入分析体系。考虑到绝对规模指标和相对水平指标混杂可能带来的影响，本文指标体系中的所有指标都是相对指标，对部分研究中用以衡量新质生产力的绝对指标也通过除以年末人口数或GDP的方式进行相对化，以剔除人口、经济等因素带来的规模累积效应，从而更科学衡量新质生产力发展水平。

1.1.2 新质生产力影响因素指标

考虑新质生产力的内涵及特征，本文选取以下影响因素：①经济因素。经济的发展为新质生产力提升提供了必要的资金支持，能助力技术研发、生态保护和数字化转型；此外，经济增长不仅扩大了消费市场，促使生产者通过改进生产工具和技术来满足社会需求，还通过推动绿色消费的增长引导生产绿色化，带动绿色技术进步，从而促进新质生产力的发展。②教育因素。教育水平提升能为经济社会培养具备高素质的劳动者，满足新质生产力发展需求；同时，高素质的劳动者亦可带动科技创新、管理优化，加快形成新质生产力；另外，教育是科技创新的重要基础，高等院校是科技创新的“主力军”，能为新质生产力发展提供支持。③政策因素。政策关注反映了政府对特定领域工作的重视程度，对于有限的社会资源和生产要素配置具有重要影响，政策对于新质生产力的关注将使得相关活动在社会资源配置中获得优先支持，从而加速其发展。④资源因素。新质生产力发展离不开自然资源的支持。一方面，新质生产力发展需要自然资源作为生产要素，如水资源对数字产业等新兴产业发展有着关键作用；另一方面，资源也会成为新质生产力发展的阻碍，由于资源依赖，矿产资源充裕地区多以传统工业为主，新兴产业、未来产业发展相对滞后，从而制约了新质生产力的增长。各类型因素具体变量表征及其计算方法见表2。
表2 新质生产力发展水平影响因素体系

Tab.2 Influencing factor system of the development level of new quality productive forces

类型 变量名称 计算方法
经济因素 国内经济发展水平 人均GDP（元）
对外贸易水平 货物进出口金额（亿元）/GDP（亿元）
教育因素 整体教育投入水平 地区教育经费（万元）/年末人口数（万人）
高等教育发展水平 地区高等院校数量（个）
政策因素 政策关注度 利用政府工作报告中新质生产力相关的46个关键词出现的频率进行衡量（%）
资源因素 人均水资源量 人均水资源量（m3/人）
人均年产矿量 年产矿量（t）/年末人口数（万人）

1.2 研究方法

本文利用超效率SBM-DEA模型计算全要素生产率，利用熵权—TOPSIS方法分析新质生产力权重，利用探索性空间数据分析方法（ESDA）中的莫兰指数、核密度方法分析新质生产力时空演化情况，利用时空地理加权回归模型（GTWR）分析影响因素时空差异性。其中超效率SBM-DEA模型和熵权—TOPSIS方法已广泛应用，在此不赘述。

1.2.1 莫兰指数

本文使用全局莫兰指数讨论新质生产力空间相关性，利用局部莫兰指数探究空间聚集特征。

1.2.2 核密度估计方法

本文利用核密度方法分析新质生产力空间分布动态差异与演化过程。

1.2.3 时空地理加权回归模型

时空地理加权回归模型（GTWR模型）将时间维度引入到地理加权回归模型中，能较好地分析各影响因素与新质生产力之间的时空关系。相比于一般的回归模型和空间计量模型，可进一步分析不同影响因素在不同时空对新质生产力作用差异[33-34]。

1.3 数据来源

本文研究时间为2013—2022年，研究对象为中国30个省份（不含西藏及港澳台）。新质生产力计算主要基础数据来自国家统计局、EPS数据网；机器人安装原始密度、集成电路产量来自马克数据网；人工智能企业数量从天眼查网站收集；数据中心机架数来自各年份《全国数据中心应用发展指引》，其中2016—2019年为在用机架数、2020年为测算可用机架数、2021年为预计可用机架数。影响因素分析主要基础数据来自国家统计局、EPS数据网。新质生产力词频则来自马克数据网。空缺数值利用插值法计算；GDP、人均GDP利用GDP指数、人均GDP指数平减；其他涉及到价格的指标，利用CPI指数平减。

2 实证结果

2.1 新质生产力测度结果分析

表3为2013—2022年中国30个省份新质生产力测算结果。由表3可知，新质生产力整体呈上升趋势，但不同地区间存在差异。从整体增长速度看，新质生产力年度均值从2013年的0.07增长到2022年的0.21，10年间增长了200.00%。反映出中国新质生产力增长较快，其科技生产力、绿色生产力、数字生产力得到发展。从四大经济区域看，地区间新质生产力变化存在明显差异，西部地区增长最快，其次是东部、中部，东北地区增长最慢。2013—2022年，西部地区新质生产力均值从0.05增长到0.17，整体增长240.00%；东部地区从0.12增长到0.32，增长166.67%；中部地区从0.05增长到0.13，增长160.00%；东北地区从0.05增长到0.11，增长120.00%。
表3 2013—2022年中国新质生产力测度结果

Tab.3 Measure results of new quality productive forces in 2013-2022

地区 省份 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022
东部地区 北京 0.20 0.21 0.23 0.25 0.30 0.33 0.39 0.44 0.50 0.56
天津 0.13 0.13 0.15 0.15 0.16 0.17 0.19 0.22 0.26 0.28
河北 0.03 0.03 0.04 0.05 0.05 0.06 0.08 0.09 0.11 0.12
上海 0.20 0.26 0.27 0.29 0.30 0.32 0.34 0.40 0.47 0.55
江苏 0.14 0.14 0.16 0.17 0.19 0.22 0.23 0.29 0.36 0.42
浙江 0.12 0.12 0.14 0.14 0.15 0.18 0.21 0.24 0.28 0.30
福建 0.07 0.08 0.08 0.08 0.09 0.11 0.12 0.14 0.17 0.19
山东 0.07 0.08 0.08 0.09 0.10 0.11 0.11 0.13 0.15 0.18
广东 0.11 0.11 0.12 0.14 0.17 0.21 0.24 0.28 0.32 0.36
海南 0.08 0.07 0.07 0.08 0.07 0.09 0.10 0.13 0.20 0.28
均值 0.12 0.12 0.13 0.14 0.16 0.18 0.20 0.24 0.28 0.32
中部地区 山西 0.04 0.04 0.04 0.04 0.04 0.05 0.07 0.08 0.10 0.12
安徽 0.07 0.06 0.07 0.07 0.08 0.09 0.10 0.11 0.14 0.15
江西 0.05 0.05 0.05 0.05 0.05 0.06 0.08 0.10 0.11 0.12
河南 0.05 0.05 0.06 0.06 0.07 0.08 0.08 0.10 0.12 0.13
湖北 0.06 0.06 0.06 0.06 0.07 0.08 0.10 0.11 0.13 0.15
湖南 0.05 0.05 0.05 0.06 0.07 0.08 0.09 0.10 0.11 0.13
均值 0.05 0.05 0.06 0.06 0.06 0.07 0.09 0.10 0.12 0.13
东北地区 辽宁 0.05 0.06 0.06 0.06 0.07 0.08 0.09 0.10 0.12 0.13
吉林 0.06 0.05 0.05 0.06 0.06 0.07 0.08 0.09 0.11 0.12
黑龙江 0.05 0.04 0.04 0.05 0.05 0.06 0.07 0.08 0.09 0.09
均值 0.05 0.05 0.05 0.06 0.06 0.07 0.08 0.09 0.11 0.11
西部地区 内蒙古 0.04 0.04 0.04 0.05 0.05 0.07 0.08 0.09 0.11 0.13
广西 0.04 0.04 0.04 0.05 0.05 0.05 0.07 0.08 0.10 0.12
重庆 0.07 0.07 0.08 0.08 0.08 0.10 0.12 0.13 0.15 0.18
四川 0.04 0.04 0.05 0.05 0.06 0.07 0.08 0.10 0.12 0.14
贵州 0.03 0.03 0.04 0.04 0.04 0.06 0.08 0.10 0.12 0.14
云南 0.03 0.03 0.04 0.04 0.04 0.05 0.07 0.09 0.11 0.13
陕西 0.05 0.05 0.06 0.07 0.06 0.07 0.09 0.11 0.13 0.15
甘肃 0.07 0.09 0.11 0.14 0.19 0.21 0.26 0.30 0.38 0.45
青海 0.07 0.07 0.07 0.07 0.07 0.08 0.10 0.11 0.13 0.15
宁夏 0.06 0.07 0.06 0.06 0.06 0.08 0.10 0.11 0.13 0.16
新疆 0.03 0.03 0.04 0.04 0.04 0.05 0.07 0.09 0.12 0.14
均值 0.05 0.05 0.06 0.06 0.07 0.08 0.10 0.12 0.15 0.17
全国 地区均值 0.07 0.08 0.08 0.09 0.10 0.11 0.13 0.15 0.18 0.21
新质生产力存在显著的空间差异，呈现“东高西低”的空间分布特征。以2022年为例，东部地区新质生产力均值为0.32，西部为0.17，中部为0.13，东北为0.11，东部明显高于其他地区。主要原因在于：东部地区经济发达，为新质生产力发展提供充足的资金支持和坚实的产业基础；此外，东部地区拥有大量科研院校和众多的人才，且依托其优势产业和经济地位持续吸引其他地区人才进入，为新质生产力发展提供高素质人力资源支持；另外，东部地区位置优越，便于国际交流，能推进知识、技术沟通，从而为本地区科技创新提供有力支持。西部地区则是依托于一定的数据中心设施与集成电路加工等产业发展新质生产力，且其人口较少，新质生产力相对水平较高。

2.2 新质生产力时空演化特征分析

2.2.1 新质生产力空间相关性分析

计算2013—2022年新质生产力总体莫兰指数。整体而言，各省份新质生产力总体莫兰指数至少在5%的统计水平上显著为正，表明各省份新质生产力呈现正向空间自相关，相互间有着紧密的空间关联。总体莫兰指数由2013年的0.39降低到2022年的0.24，反映出各省份之间新质生产力空间关联关系由密切到松散，但仍然存在关联。

2.2.2 新质生产力空间集聚分析

计算局部莫兰指数以分析空间集聚情况（图1）。由图1可知：①高—高集聚区包含省份多数位于东部地区，如上海、江苏、浙江。高—高集聚区的省份新质生产力较高，其周围邻近省份的新质生产力也相对较高，这些新质生产力高值省份集聚有利于促进资金、技术、管理经验、科技交流，进一步推动新质生产力发展。②低—高集聚区包含的省份多为高—高集聚区周边省份，如江苏、浙江周边的安徽、山东，这些处于低—高集聚区的省份新质生产力较低，受周边高生产力地区虹吸效应作用，各种要素易流出而制约本地区新质生产力提升，但在未来也可通过与新质生产力高值地区的交流而获取支持。③低—低集聚区包含的省份多位于西部地区，这些地区经济产业基础薄弱、教育科研相对落后且高素质劳动力相对缺乏，因此新质生产力低。
图1 部分年份中国新质生产力空间集聚分布

注：基于自然资源部标准地图服务网站下载的审图号为GS（2023）2767号的标准地图制作，底图边界无修改。

Fig.1 Spatial agglomeration of new quality productive forces in some years

2.2.3 新质生产力核密度分析

计算2013、2016、2019和2022年的新质生产力核密度值并绘制曲线图（图2）。由图2可知，2013—2022年核密度曲线右拖尾不断增长，表明新质生产力整体提升；密度高峰降低，表明新质生产力空间集聚程度下降；核密度开口由窄变宽，表明各省份新质生产力差异程度有所扩大。进一步计算发现，新质生产力空间绝对差异由2013年的0.17增长到2022年的0.47，表明新质生产力空间差异问题显著加剧。
图2 部分年份中国新质生产力核密度曲线

Fig.2 Kernel density curve of new quality productive forces in some years

2.3 新质生产力影响因素时空差异性分析

2.3.1 新质生产力影响因素作用初步估计

表4列（1）是OLS回归估计系数，列（2）是GTWR模型估计系数均值。GTWR模型相比OLS模型估计结果的R2较大、AIC值较小，表明GTWR模型拟合优度较好。
表4 新质生产力影响因素估计

Tab.4 Estimates of factors influencing new quality productive forces

变量 （1） （2）
国内经济发展水平 0.04 0.03
对外贸易水平 0.07 0.00
整体教育投入水平 0.67 0.63
高等教育发展水平 0.07 0.13
政策关注度 0.12 0.10
水资源拥有量 -0.16 -0.05
矿产资源拥有量 -0.17 -0.16
AIC -618.92 -982.35
R2 0.77 0.97
由表4可知，OLS估计和GTWR估计系数方向一致，证明GTWR模型结果具有一定稳健性。国内经济发展水平、对外贸易水平、高等教育发展水平等控制变量对新质生产力产生正向影响，说明经济发展水平提升、对外开放水平提升、教育投入增加、政策关注度提升能支持新质生产力发展。水资源拥有量、矿产资源拥有量对新质生产力整体产生负向影响，可能原因是资源较多地区易产生传统路径依赖而使新兴产业、未来产业发展受阻。

2.3.2 新质生产力影响因素时间差异性分析

将2013—2022年GTWR模型估计后的各影响因素系数按照年份进行整理，得到各影响因素系数年度均值（表5）。
表5 2013—2022年新质生产力影响因素年度均值

Tab.5 Annual mean value of the factors affecting new quality productive forces from 2013 to 2022

变量 国内经济发展水平 对外贸易水平 整体教育投入水平 高等教育发展水平 政策关注度 水资源拥有量 矿产资源拥有量
2013 0.09 0.07 0.33 0.06 0.08 -0.04 -0.13
2014 0.08 0.08 0.37 0.07 0.09 -0.05 -0.12
2015 0.05 0.08 0.44 0.09 0.09 -0.05 -0.13
2016 0.02 0.08 0.54 0.12 0.10 -0.05 -0.15
2017 0.00 0.04 0.64 0.16 0.09 -0.04 -0.16
2018 0.00 -0.03 0.74 0.19 0.09 -0.04 -0.16
2019 0.01 -0.09 0.82 0.20 0.09 -0.05 -0.15
2020 0.03 -0.12 0.85 0.19 0.10 -0.06 -0.16
2021 0.03 -0.09 0.81 0.15 0.11 -0.05 -0.19
2022 0.01 -0.02 0.74 0.10 0.11 -0.07 -0.24
具体来看，国内经济发展水平影响系数由2013年的0.09下降到2022年的0.01，表明经济发展对新质生产力正向影响降低。对外贸易水平影响系数由2013年的0.07下降到2022年的-0.02，表明对外开放对于新质生产力发展的积极作用受到抑制。该因素在2018年开始变为负数，其可能的原因在于贸易战影响了有益于新质生产力发展的因素通过对外交流渠道进入。整体教育投入水平影响系数由2013年的0.33增长到2022年的0.74，表明教育对新质生产力积极作用整体强化。高等教育发展水平影响系数整体上升，从2013年的0.06到2022年的0.10，可能的原因在于高校作为科技创新的重要力量，对新质生产力发展具有积极效应，且随着产学研用结合水平的提高，科技转化速度得到加快，更好的促进了新质生产力发展。政策关注度影响系数从2013年的0.08增长到2022年的0.11，表明政策关注对于新质生产力的作用得到明显增强。水资源拥有量的负向影响绝对值提升，表明水资源对新质生产力发展的制约效应增强，可能原因是随着数字产业迅速发展，新质生产力对于水资源的需求日益增加，水资源的限制效果进一步提升。矿产资源拥有量影响系数的绝对值上升，表明负向影响增强，矿产资源丰富地区因路径依赖导致产业升级困难，造成新质生产力缓慢发展，这一趋势有所强化。

2.3.3 新质生产力影响因素空间差异性分析

将各省份2013—2022年新质生产力影响因素系数求均值，利用ArcGIS自然断点法进行划分并绘制其空间分布图（图3）。
图3 中国新质生产力影响因素系数空间分布

注：基于自然资源部标准地图服务网站下载的审图号为GS（2023）2763号的标准地图制作，底图边界无修改。

Fig.3 Spatial distribution of factors influencing new quality productive forces

由图3a可知，国内经济发展水平对新质生产力影响系数均值整体呈“东高西低”分布，东北地区系数均值为0.21、东部为0.10、中部为0.08、西部为-0.10。经济发展对东北、东部地区新质生产力正向影响更大，可能原因在于这些地区经济发展多依赖于新兴产业、未来产业，如东北较成熟的制造业、东部的高新技术产业，产业的发展将为新质生产力提供有效支撑。西部地区经济发展更依赖于初始产业，缺乏与新质生产力密切关联的新产业，因此其经济发展虽然推进了生产力发展，但更多是传统生产力，但这一过程却稀释了新质生产力发展所需的资源，制约新质生产力发展。
由图3b可知，对外贸易水平影响系数均值大致呈“东高西低”分布，中部、东北地区系数均值为0.08、东部为0.06、西部为-0.11。对外贸易对西部之外地区新质生产力产生正向影响，可能是因为这些地区具备较好的发展基础，对外贸易水平提升可显著推进这些地区与国外进行技术、知识交流而发展新质生产力；西部地区对外贸易水平系数均值为负，是因为西部对外贸易多依靠传统产品，对外贸易扩大使其将更多生产要素投入到传统产业，阻碍了新兴产业发展，抑制了新质生产力。
由图3c可知，整体教育投入水平影响系数均值大致呈“东高西低”分布，东部地区系数均值为0.74、中部为0.70、西部为0.53、东北为0.45。教育投入增加对东部、中部新质生产力提升作用较大，主要是因为这些地区产业基础、经济基础较好，教育投入增加可为这些地区培育高水平劳动者，进而依托地区产业发展新质生产力；西部、东北地区经济发展相对落后，教育对于劳动者的提升作用难以通过有效的就业转化为新质生产力。
由图3d可知，高等教育发展水平影响系数大致呈“东高西低”分布，东部地区系数均值为0.18、中部为0.17、东北为0.12、西部为0.07。东部、中部地区高等教育较为发达，能为新质生产力发展提供技术支持、人才保障；东北地区高等教育发展较好，但人才流失严重，因此其高等教育对新质生产力作用有限；西部地区高等教育相对薄弱，影响较小。
由图3e可知，政策关注度影响系数均值大致呈“西高东低”分布，西部地区系数均值为0.12、东部为0.11、中部为0.06、东北为0.04。西部地区政策关注度作用较大，是因为西部地区发展多以政策为导向；东北地区政策关注度作用较小，可能的原因在于东北地区受财政经费制约，无法较好落实新质生产力发展政策。
由图3f可知，水资源拥有量影响系数均值大致呈“东高西低”分布，东北地区系数均值为0.16、东部为0.00、西部为-0.10、中部为-0.15。东北地区人口相对较少，受水资源影响有限；东部京津冀地区人口众多，水资源缺乏，水资源拥有量提升对地区发展有重要意义；但是东南沿海地区水资源相对较为丰富，却易受洪涝灾害影响，因此制约了生产力提升；西部、中部地区水资源相对较少，制约了新兴产业、未来产业用水，阻碍了新质生产力发展。
由图3g可知，矿产资源拥有量影响系数均值的绝对值大致呈“东高西低”分布，东北地区系数均值为-0.28、东部为-0.18、中部和西部为-0.13。矿产资源拥有量对东北地区新质生产力的抑制作用更明显，表明东北地区更加依赖于矿产资源而发展生产力，从而影响了各类生产要素向新兴产业等部门集聚。

3 结论与建议

3.1 研究结论

本文构建了新质生产力发展水平综合评价指标体系，分析了2013—2022年中国30个省份新质生产力的时空演化特征，并探索了其影响因素的时空差异性。主要结论如下：①研究期间新质生产力呈上升趋势，空间呈“东高西低”分布，新质生产力空间差异明显。新质生产力均值从2013年的0.07增长到2022年的0.21，提升了200.00%；2022年东部地区新质生产力均值为0.32，西部地区为0.17，中部地区为0.13，东北地区为0.11，东部地区明显高于其他地区。②新质生产力具有显著的空间自相关和空间集聚特征，新质生产力空间绝对差异有所扩大。新质生产力存在显著的正向空间自相关，其中高—高集聚区主要以东部沿海省份为主，低—低集聚区以西部为主；新质生产力空间绝对差异由2013年0.17增长到2022年的0.47。③经济、教育、政策和资源对新质生产力具有影响，且存在时空差异。其中，国内经济发展水平产生正向影响，时间上呈整体减弱趋势，空间呈“东高西低”分布；对外贸易水平整体产生正向影响，时间上呈减弱趋势，空间呈“东高西低”分布；整体教育投入产生正向影响，时间上呈增强趋势，空间呈“东高西低”分布；高等教育发展水平产生正向影响，时间上呈增强趋势，空间呈“东高西低”分布；政策关注度产生正向影响，时间上呈增强趋势，空间呈“西高东低”分布；水资源拥有量产生负向影响，时间上呈增强趋势，空间呈“东高西低”分布；矿产资源拥有量产生负向影响，时间上呈增强趋势，系数绝对值空间呈“东高西低”分布。

3.2 对策建议

基于上述结论，本文就发展新质生产力提出对策建议如下：
①鉴于新质生产力在空间分布上的显著差异，有必要采取措施促进各地区新质生产力的协调发展。首先，应加大对西部和东北地区新质生产力基础设施的投资力度，通过政策支持和资金投入，确保这些地区能够接入高速互联网，并建立数据中心和云计算设施，从而为新质生产力的发展奠定坚实基础。其次，应推动数字包容和普及，促进数字化发展的成果能够惠及所有地区。在东部和中部地区加速数字化和现代化的同时，应为西部和东北地区提供现代化数字设备、数字技术支持，并推广数字金融服务，以助力其新质生产力发展。再次，应加快全国范围的数据共享体系构建，促进数据资源的合理利用和创新应用。通过数据共享和流通，共同促进新质生产力的发展，缩小地区差距。
②鉴于新质生产力在空间上的紧密关系和整体正相关性，加快地区间的互动，实现新质生产力的共同发展显得尤为重要。首先，政府间应通过政策协调和合作协议，打破地区新质生产力发展的壁垒，推动一体化发展和共同市场建设，以促进人才、技术、资金等关键资源的自由流动和优化配置，为新质生产力的协同发展提供良好环境。其次，建立和优化在线协作工具、跨地区的知识交流平台和协同创新平台是促进信息互动和技术合作的有效途径，以连接不同地区的创新主体，加速知识和技术的传播与应用。此外，引导和支持产业集群的发展，鼓励跨区域的新兴产业和未来产业的产业链合作及供应链整合，助力形成协同效应和竞争优势，进一步推动新质生产力的整体提升。
③鉴于不同因素对新质生产力的作用存在时空差异，需根据各地区的实际情况，因地制宜地发展新质生产力。东部地区应聚焦于新兴与未来产业培育，高水平开放体系建设，高端人才培养，前沿关键技术创新及新政策试验，以加速发展，打造新质生产力高地。中部地区应致力于传统制造业的数字化改造和新技术赋能，同时提升教育水平，结合制造业升级需求，强化现代产业技能培训，构建以高端制造业为核心的新质生产力发展体系。西部地区应依托政策支持和区域合作，持续提升交通、能源、通信和数据基础设施建设水平，夯实新质生产力的发展基础。东北地区应推动传统产业升级，加快资源型城市转型，推进传统制造业向智能化、现代化升级，并将地区教育和科技优势与地区产业基础深度融合，充实新质生产力的持续发展动能。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
张林, 蒲清平. 新质生产力的内涵特征、理论创新与价值意蕴[J]. 重庆大学学报(社会科学版), 2023, 29(6):137-148.

[2]
周文, 许凌云. 论新质生产力:内涵特征与重要着力点[J]. 改革, 2023(10):1-13.

[3]
孟捷, 韩文龙. 新质生产力论:一个历史唯物主义的阐释[J]. 经济研究, 2024, 59(3):29-33.

[4]
方创琳, 孙彪. 新质生产力的地理学内涵及驱动城乡融合发展的重点方向[J]. 地理学报, 2024, 79(6):1357-1370.

DOI

[5]
蒲清平, 黄媛媛. 习近平总书记关于新质生产力重要论述的生成逻辑、理论创新与时代价值[J]. 西南大学学报(社会科学版), 2023, 49(6):1-11.

[6]
李政, 廖晓东. 新质生产力理论的生成逻辑、原创价值与实践路径[J]. 江海学刊, 2023(6):91-98.

[7]
任保平. 生产力现代化转型形成新质生产力的逻辑[J]. 经济研究, 2024, 59(3):12-19.

[8]
蔡继明, 高宏. 新质生产力参与价值创造的理论探讨和实践应用[J]. 经济研究, 2024, 59(6):15-28.

[9]
蒋永穆, 孙小嵛, 乔张媛. 中国式现代化视域下发展新质生产力的重大意义、基本框架与实现路径[J]. 管理学刊, 2024, 37(3):1-15.

[10]
周绍东, 拓雨欣. 新质生产力赋能消费升级的运行机制与作用路径[J]. 消费经济, 2024, 40(5):3-11.

[11]
周文, 杨正源. 新质生产力与国家竞争优势:内在逻辑与战略重点[J]. 教学与研究, 2024(6):57-72.

[12]
刘瑞, 郑霖豪, 陈哲昂. 新质生产力保障国家经济安全的内在逻辑和战略构想[J]. 上海经济研究, 2024(1):40-47.

[13]
姜朝晖, 金紫薇. 教育赋能新质生产力:理论逻辑与实践路径[J]. 重庆高教研究, 2024, 12(1):108-117.

[14]
杜传忠, 李钰葳. 强化科技创新能力加快形成新质生产力的机理研究[J]. 湖南科技大学学报(社会科学版), 2024, 27(1):100-109.

[15]
祝志勇, 李亚男. 数字新质生产力赋能制造业高质量发展:理论逻辑与实现路径[J]. 湖湘论坛, 2024, 37(4):50-59.

[16]
翟绪权, 夏鑫雨. 数字经济加快形成新质生产力的机制构成与实践路径[J]. 福建师范大学学报(哲学社会科学版), 2024(1):44-55,168-169.

[17]
崔云. 数字技术促进新质生产力发展探析[J]. 世界社会主义研究, 2023, 8(12):97-109,120.

[18]
陆岷峰. 数据市场化赋能新质生产力:理论逻辑、实施模式与发展趋势[J/OL]. 新疆社会科学,1-15[2024-03-20].

[19]
王珏. 新质生产力:一个理论框架与指标体系[J]. 西北大学学报(哲学社会科学版), 2024, 54(1):35-44.

[20]
宋佳, 张金昌, 潘艺. ESG发展对企业新质生产力影响的研究——来自中国A股上市企业的经验证据[J]. 当代经济管理, 2024, 46(6):1-11.

[21]
任宇新, 吴艳, 伍喆. 金融集聚、产学研合作与新质生产力[J]. 财经理论与实践, 2024, 45(3):27-34.

[22]
卢江, 郭子昂, 王煜萍. 新质生产力发展水平、区域差异与提升路径[J]. 重庆大学学报(社会科学版), 2024, 30(3):1-17.

[23]
卢江, 郭子昂. 市域新质生产力:水平测度、时空演化与影响因素——基于2012—2021年全国277个城市面板数据的研究[J]. 社会科学辑刊, 2024(4):124-133.

[24]
赵鹏, 朱叶楠, 赵丽. 国家级大数据综合试验区与新质生产力——基于230个城市的经验证据[J]. 重庆大学学报(社会科学版), 2024, 30(4):62-78.

[25]
吴继飞, 万晓榆. 中国新质生产力发展水平测度、区域差距及动态规律[J]. 技术经济, 2024, 43(4):1-14.

[26]
董庆前. 中国新质生产力发展水平测度、时空演变及收敛性研究[J]. 中国软科学, 2024(8):178-188.

[27]
刘利平, 李佳辉. 数字化转型何以赋能新质生产力发展——来自制造业的经验证据[J]. 江海学刊, 2024(4):104-110,255.

[28]
田红宇, 孟娜娜, 付玮琼, 等. 大科学装置集群布局与新质生产力加速形成——基于合肥综合性国家科学中心设立的准自然实验分析[J/OL]. 重庆大学学报(社会科学版),1-14[2024-09-18].

[29]
赵君旸, 费宇. 数字经济对新质生产力的影响及空间溢出效应[J/OL]. 学术探索,1-11[2024-09-18].

[30]
罗铭杰. 新质生产力的生态内涵论析[J]. 河北经贸大学学报, 2024, 45(2):11-19.

[31]
张翱, 孙久文. 数字经济发展与新质生产力的生成逻辑[J]. 学术研究, 2024(5):87-95.

[32]
周绍东, 李靖. 数字化新质生产力发展的政治经济学研究[J]. 马克思主义理论学科研究, 2024, 10(4):37-50.

[33]
郭安宁, 牛陆, 刘霈珈, 等. 黄河流域城市群土地利用的碳排放效应[J]. 经济地理, 2023, 43(9):172-178,240.

DOI

[34]
黄泰, 卫嫚, 席建超. 长三角乡村旅游典型县新型城镇化与乡村共同富裕的共生演进的实证分析[J]. 经济地理, 2024, 44(6):213-223.

DOI

Options
文章导航

/

〈 〉