EN中文

经济地理 >

2021 , Vol. 41 >Issue 11: 19 - 27

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.11.003

区域经济与理论方法

中国新旧动能转换的空间分异及影响因素研究

  • 林攀 , 1, 2 ,
  • 余斌 , 1, 2, ※ ,
  • 刘杨洋 1, 2 ,
  • 郭新伟 1, 2 ,
  • 卓蓉蓉 1, 2
展开
  • 1.华中师范大学 地理过程分析与模拟湖北省重点实验室，中国湖北 武汉 430079
  • 2.湖北省发展和改革委员会/华中师范大学 武汉城市圈研究院，中国湖北 武汉 430079
※余斌（1963—），男，河南罗山人，教授，博士生导师，研究方向为区域发展与城乡规划。E-mail:

林攀（1994—），男，福建仙游人，硕士研究生，研究方向为经济地理与区域规划。E-mail:

收稿日期: 2021-01-22

  修回日期: 2021-08-22

  网络出版日期: 2025-04-17

基金资助

国家自然科学基金项目(41671179)

收起

Spatial Differentiation and Affecting Factors of Old-New Growth Driver Conversion in China

  • LIN Pan , 1, 2 ,
  • YU Bin , 1, 2, ※ ,
  • LIU Yangyang 1, 2 ,
  • GUO Xinwei 1, 2 ,
  • ZHUO Rongrong 1, 2
Expand
  • 1. Key Laboratory of Geographic Analysis& Simulation Hubei Province，Central China Normal University，Wuhan 430079，Hubei，China
  • 2. Hubei Provincial Development and Reform Commission & Academy of Wuhan Metropolitan Area，Central China Normal University，Wuhan 430079，Hubei，China

Received date: 2021-01-22

  Revised date: 2021-08-22

  Online published: 2025-04-17

Fold

摘要

加快新旧动能接续转换是构筑现代化经济体系的根本性举措，对于实现高质量发展具有特殊战略意义。以中国31个省（自治区、直辖市）为研究单元，基于客观赋权法，从增长动力转向、体制机制转轨、经济结构转型、发展方式转变等4个维度构建评价指标体系，综合分析全国各省份新旧动能转换水平及其空间格局特征，并利用地理探测器解析中国新旧动能转换的主导影响因素。结果表明：①科技创新引领是中国推进新旧动能转换的基本逻辑；②中国新旧动能转换水平空间差异明显，并呈现一定的东—中—西梯度递减格局，较高水平省区主要分布在长江经济带和东部沿海地区；③中国新旧动能转换水平空间差异的主导因子包括人力资本水平、对外开放水平及消费需求水平等；④东、中、西三大地区新旧动能转换的主导因子及交互因子存在一定差异，据此可采取不同的发展路径加快新旧动能转换。

关键词： 新旧动能转换; 空间差异; 地理探测器; 中国

本文引用格式

林攀 , 余斌 , 刘杨洋 , 郭新伟 , 卓蓉蓉 . 中国新旧动能转换的空间分异及影响因素研究[J]. 经济地理, 2021 , 41(11) : 19 -27 . DOI: 10.15957/j.cnki.jjdl.2021.11.003

Abstract

Accelerating the continuous transformation of new and old kinetic energy is a fundamental measure to build the modern economic system,which also has a special strategic significance for China to achieve high-quality development. Taking 31 provinces,municipalities and autonomous regions in China as research units,this paper constructs evaluation indicator system from growth dynamics,institutional mechanisms,economic structure and development patterns,etc. It applies objective weighting method to analyse the level of old-new growth driver conversion and its spatial pattern in China,and geographic detector to analyse its main influencing factors. The result shows that: 1) Scientific and technological innovation is the basic logic to promote the old-new growth driver conversion in China; 2) The spatial difference of old-new growth driver conversion is obvious in China, it presents a certain gradient decreasing pattern from the eastern China to the western China. Provinces with the higher level are mainly distributed in the Yangtze River Economic Belt and the eastern coastal areas; 3) The leading factors of the spatial difference of old-new growth driver conversion in China include human capital level,opening-up level and consumption demand level,etc. 4) There are some differences in the dominant factors and interactive factors of old-new growth driver conversion in the eastern,central and western China,so different development paths can be adopted to speed up the process of old-new growth driver conversion.

Key words： old-new growth driver conversion; spatial differentiation; geographic detector; China

新旧动能转换是先进生产力逐渐替代落后生产力的过程，是涉及动力、支撑、结构、方式等多个系统维度全面变换的过程[1]。加快新旧动能转换是中国跨越高收入门槛，实现高质量发展的必由之路[2]。从国际环境看，当前世界正面临“百年未有之大变局”。一方面，大国间战略博弈的不断加剧将深刻影响全球经济分工格局；另一方面，在新一轮科技革命的引领下，新技术、新产业、新的组织形式将蓬勃兴起，中国新旧动能转换的挑战与机遇并存[3]。从国内环境看，中国幅员辽阔，各地区在发展基础和发展环境上差异较大，新旧动能转换过程中面临的主要问题不尽相同，为全面提升新旧动能转换水平，必须深入把握中国新旧动能转换的空间格局特征，明晰整体及各地区新旧动能转换的主要影响因素，为进一步加快中国新旧动能转换提供可能的理论支撑。
新旧动能转换与技术进步、创新驱动、绿色转型等概念息息相关，国外学界关于新旧动能转换的类似探讨可以追溯至1980年代的新经济增长理论，西方学者就经济增长的动力源泉问题进行了大量实证研究[4]。Romer通过将技术进步作为内生变量纳入经济增长模型中，指出知识积累是经济保持持续增长的关键[5]，Lucas进一步强调人力资本投资外部性在经济增长中的作用[6]。新经济增长理论立足技术进步新动能，为促进以资本、劳动力等传统要素投入为主体的增长模式向以技术创新、人力资本、知识溢出等为核心变量的发展模式转换提供了重要理论依据。近年来，国外学者对经济增长动能的探索逐渐转向微观主体领域，在新经济环境背景下，更加突出企业家精神（Entrepreneurship）、居民信通技术（ICT）能力对创新发展及产业升级的原力作用[7⇓⇓-10]。目前，国内有关新旧动能转换领域的研究主要集中在理论内涵探讨、指标体系构建等方面。在理论内涵探讨上，学者们从不同视角对新旧动能转换进行解读。例如，张文等梳理了供给侧视域下新旧动能转换的历史意涵，强调新旧动能转换贯穿于一个国家的经济发展史，涵盖器物、技术、产业、制度和观念等五个层面的转换[11]；黄少安区分了中国语境下新、旧动能各自所指，认为大量劳动力及自然资源投入、大量投资、大量中低端产品出口等构成了传统增长动能，而技术及体制创新、产业结构转换和产业升级是当前经济发展的新动能[12]。在评价指标体系研究方面，由于对新旧动能转换概念内涵界定的不同，相应的评价指标体系构建也呈现差异性特征。部分学者以全要素生产率（TFP）及其增长率等单维指标作为考量和评估新旧动能转换进展的核心[13-14]，多数学者尝试从多个维度构建评价指标体系，例如，郑江淮等基于经济学的视角，从供给侧动能、需求侧动能及结构转换动能等三个维度构建了中国经济增长新旧动能转换的评价指标体系[15]；吴净以青岛为研究案例，从科技创新、效率提升、结构转型和空间拓展等四个维度构建指标体系[16]；李长英等基于全要素生产率（TFP）的分解，构建了涵创新动能、要素动能、制度动能在内的三维综合评价指标体系[17]。
综述之，学界在理论脉络、概念内涵、评价指标体系等方面所取得的研究成果为本文开展进一步研究奠定了重要基础。但总结已有实证研究发现：①在整体研究内容上，现有的相关研究多基于经济学的理论分析视角，主要侧重新旧动能转换在特定行业或地区层面的定量测度[13⇓⇓⇓⇓⇓⇓⇓-21]，鲜有文献从地理学的视角分析研究新旧动能转换的空间格局及其影响机制。事实上，新旧动能转换具有明确的地理意涵，其在一定程度上是生产方式的变化即人类活动方式的变化，相应地表征了人类活动对地表环境作用方式、作用力的变化，新旧动能转换水平集中体现这一过程的地理差异。②在具体评价指标体系方面，现有研究偏重于构建“大而全式”的指标体系，指标选取相对缺乏针对性，未能有效揭示新旧动能转换的实质。新旧动能转换具有明显的系统性、区域性和动态性特征，评价维度的设计及对应指标的选取应尽可能契合其本质内涵。
据此，本文基于2018年的截面数据，以中国大陆31个省（自治区、直辖市）（以下简称“各省份”）为基本研究单元，通过构建新旧动能转换评价指标体系，科学评估中国新旧动能转换水平，并尝试从地理学的视角分析刻画中国新旧动能转换水平的空间格局特征及其主要影响机制，以期为新时期中国及各地区新旧动能转换的顺利推进提供科学信息。

1 指标选取与研究方法

1.1 指标体系和影响因素

1.1.1 新旧动能转换评价指标体系

中国经济正处于转换增长动力、优化经济结构、转变发展方式的攻关期[22]，新旧动能转换正是在此背景下应运而生。创新是新旧动能转换系统工程得以顺利运转的“马达”，新旧动能转换即是以创新为统领，以增长动力转向、体制机制转轨、经济结构转型及发展方式转变为核心内容（图1），主要通过增长动力和体制机制等层面的持续创新驱动，不断带动新生发展动力、能量的茁壮成长和旧有发展动力、能量的优化提升，最终在一个地区实现绿色可持续的高质量发展的过程。具体来说，增长动力转向强调增长动力由劳动力、土地、资金等传统要素拉动向科技创新驱动转换，是新旧动能转换的核心引领；体制机制转轨注重通过体制机制的改革创新进一步破除制约新旧动能转换的障碍，充分释放市场主体活力，是新旧动能转换的根本保障，其与增长动力转向一道构成新旧动能转换的双轮驱动；经济结构转型作为新旧动能转换的中介力层，重视传统经济存量的改造提升和新兴经济增量的成长壮大，是新旧动能转换的本质表现；发展方式转变则指由传统粗放式的发展模式向融集约、高效、绿色低碳等于一体的发展模式转换，是新旧动能转换的主要结果，进而构成完整的系统。根据新旧动能转换的基本内涵及本质特征[1-2,23]，借鉴前人的研究成果[15⇓-17,20-21]，本研究尝试将这4项核心内容设计为评价维度，在指标的选取上遵循科学性、系统性及可行性原则，在4个系统层各选取了4项指标给予表征。其中，在增长动力转向层本文侧重选取涵盖科技创新投入与产出类的指标以表征地区科技创新发展水平，在体制机制转轨层主要聚焦选取反映“放管服”改革及金融体制改革进展的相关指标，在经济结构转型层将涉及传统动能改造与新兴经济发展等相关指标纳入其中，在发展方式转换层选取了体现集约、高效、绿色低碳的相关指标以衡量地区新旧动能转换绩效，最终构建新旧动能转换水平综合评价指标体系见表1。相较于已有研究，本文将驱动力、中介力和结果力同时纳入指标体系，更加综合全面地反映地区新旧动能转换的进展程度与发展成效。
图1 中国新旧动能转换体系基本架构

Fig.1 Basic framework of old-new growth driver conversion in China

表1 新旧动能转换水平评价指标体系

Tab.1 Evaluation indicator system of the level of old-new growth driver conversion

目标层 系统层（权重） 指标层（单位） 指标权重 指标性质
新
旧
动
能
转
换
水
平		 增长动力转向
（0.434）		 R&D投入强度（%） 0.0570 +
万人有效发明专利拥有量（件） 0.2035 +
技术合同成交额占GDP比重（%） 0.1372 +
规模（限额）以上企业：实现创新的企业占比（%） 0.0366 +
体制机制转轨
（0.179）		 地方营商环境指数 0.0409 +
社会融资规模增量（亿元） 0.0869 +
地方政府信用指数 0.0205 +
每万人市场主体拥有量（户） 0.0305 +
经济结构转型
（0.203）		 改建和技术改造投资占固定资产投资（不含农户）比重（%） 0.0664 +
数字经济发展指数 0.0495 +
规模以上工业企业新产品销售收入占主营业务收入比重（%） 0.0544 +
高新技术企业工业总产值占规模以上工业总产值比重（%） 0.0326 +
发展方式转变
（0.184）		 产出能耗率（%） 0.0127 -
单位GDP建设用地占用面积（亿元/km2） 0.0290 -
全社会劳动生产率（元/人） 0.0684 +
资本生产率 0.0741 +

1.1.2 新旧动能转换的影响因素

不同的区域，主导其新旧动能转换的因素及因素组合不尽相同，进而形塑了新旧动能转换水平的空间格局特征。遵循评价指标不能再次纳入影响因素分析的基本原则[24]，尝试从如下8个方面对新旧动能转换空间分异格局的影响因素进行探测解析，并构建影响因素探测指标体系见表2。
表2 中国新旧动能转换影响因素探测指标体系

Tab.2 Index system of influencing factors for the level of old-new growth driver conversion in China

探测
因子		 探测因素 指标（单位）
X1 人力资本水平 实际人均人力资本总量（千元）
X2 对外开放水平 进出口总额占GDP比重（%）
X3 产业结构合理化水平 产业结构协同系数
X4 产业结构高级化水平 第二、三产业增加值占GDP比重（%）
X5 消费能力水平 人均居民可支配收入（元）
X6 市场规模水平 人均社会消费品零售总额（亿元）
X7 城镇化水平 城镇常住人口占比（%）
X8 信息化建设水平 人均邮电业务总量（亿元）
①人力资本水平。实现新旧动能顺利转换的关键在于创新效用的发挥，而创新作用的有效发挥又极其依赖于人的创造性、依靠人力资本的投资积累[25]。从一定意义上讲，人才、人力资源是创新驱动新旧动能转换的最关键要素[15,26-27]。以各省份实际人均人力资本总量给予表征。
②对外开放水平。对外开放水平的提高一方面会促进国外优质的创新要素资源流入，另一方面也有利于推动国内过剩产能“走出去”[1,28]，预设对外开放水平的空间差异是新旧动能转换空间格局的影响因素之一。以各省份进出口总额占GDP比重给予表征。
③产业结构合理化水平。合理的产业结构能够促进各类创新资源要素的自由流动，流向生产率较高的行业部门，进而助力新旧动能转换[20-21]；而不合理的产业结构将导致新兴生产要素无法被有效吸纳与配置，进而阻滞新旧动能转换进程[29-30]。据此，预设产业结构合理化水平的区域差异是新旧动能转换空间格局的影响因素之一。以各省份产业结构协同系数给予表征。
④产业结构高级化水平。产业结构整体迈向高端化是促进新经济孕育发展的必要条件[31-32]，以各省份第二、三产业增加值占GDP比例给予表征。
⑤消费能力水平。区域居民消费能力越强，就越能够带动消费结构升级，进而倒逼各行业企业转型升级，催生新的增长点，最终推动新旧动能转换。而区域消费能力提升的主要源泉在于区域人均收入水平的提高，一般而言，区域人均收入水平越高，消费能力也越强[12,15,33]。以各省份人均居民可支配收入给予表征。
⑥市场规模水平。足够的市场规模是企业推进技术创新的动力，同时也是产业价值链升级的基础[1,28]，其与消费能力均是作为需求侧拉动新旧动能转换的重要环节。以各省份人均社会消费品零售总额给予表征。
⑦城镇化水平。从供给方面看，城镇化的发展提升了区域经济聚集度，推进产业转型升级，并通过外部经济效应激活全要素生产率[34]；从需求方面看，城镇化水平的提升有助于刺激投资、扩大内需，进而间接性地助推新旧动能转换。为此，预设其为影响因素之一。以各省份城镇常住人口占比给予表征。
⑧信息化建设水平。在数字经济发展时代，传统动能的改造提升和新兴动能的发展壮大均需要具备一定的信息化发展基础[35⇓-37]。以各省份人均邮电业务总量给予表征。

1.2 方法模型

1.2.1 熵值法

运用熵值法求取新旧动能转换评价各指标的权重。熵值法既能够克服主观性因素对评价结果的影响，同时也能有效解决变量间信息交叉的问题，为本文的新旧动能转换水平测度及分析提供了有效工具[38-39]。根据熵值法的基本原理和计算步骤，首先利用极差法对2018年31个省份的16项指标进行无量纲化处理；其次，计算第j项指标下第i个省份的特征比重： P i j = x i j ' / ∑ i = 1 m x i j ' 0 ≤ P i j ≤ 1；再次，计算第j项指标的信息熵值： e j = - ∑ i = 1 n P i j l n P i j / l n n，进而可以得到第j项指标的差异系数（ h j）： h j = 1 - e j，进一步计算第j项指标的权重（ w j）： w j = h j / ∑ j = 1 n h；最后，通过指标权重 w j和各指标的标准化数据 x i j '，求得新旧动能转换水平综合指数（ C i）： C i = ∑ j = 1 m w j x i j '。

1.2.2 探索性空间数据分析

运用探索性空间数据分析法分析中国新旧动能转换水平的空间集聚特征。探索性空间数据分析（ESDA）是一种揭示数据空间结构[40]，解析事物空间效应的空间自相关分析方法[41]。主要有全局自相关Moran's I模型和局部自相关LISA模型，其表达公式分别为：
M o r a n ' s   I = A ∑ i ∑ j w i j x i - x ¯ x j - x ¯ ∑ i ∑ j w i j ∑ i x i - x ¯ 2
L I S A = A x i - x ¯ ∑ j w i j x j - x ¯ ∑ j x j - x ¯ 2
式中： A为研究省份总数； w i j为空间权重； x i和 x j分别是省份i和j的属性， x ¯是属性的平均值。

1.2.3 地理探测器

为研究中国及各地区新旧动能转换水平的影响因素，运用地理探测器进行分析。地理探测器模型主要应用于探测和解析事物空间分异背后的主要影响机制，其核心原理在于，两个变量间如果存在明显的因果关系，那么两者的空间分布状态也应趋于一致[42-43]。具体表达式为：
q = 1 - ∑ i = 1 L n i σ i 2 n σ 2
式中： q为探测因素对新旧动能转换水平评价值的解释程度大小，值域为[0,1]，取值越大，代表该因子对新旧动能转换的影响程度越高；n为研究区域的所有样本数量； σ为研究区域内所有因素的方差；L为次级区域的样本数量； n i和 σ i分别为区域i的样本数和离散方差。

1.3 数据来源

以中国31个省份（不包括中国的台湾、香港和澳门地区）为基本空间单元，全国省级行政区划矢量数据来源于国家基础地理信息中心提供的1∶400万中国基础地理信息数据，社会经济类数据主要来源于中经网统计数据库、WIND数据库、《2019中国数字经济发展指数白皮书》《2019年中国营商环境指数研究报告》《中国人力资本报告2020》《中国统计年鉴2019》《中国科技统计年鉴2019》《中国高技术产业统计年鉴2019》以及2018年各省份的国民经济和社会发展统计公报、2019年各省份的统计年鉴。西藏、新疆等部分地区的个别缺失数据根据历年增长情况插补得到。

2 中国新旧动能转换评价结果

2.1 中国新旧动能转换的总体特征

通过熵值法测算结果（表1）可得，增长动力转向是对中国新旧动能转换水平影响最大的维度，其权重占比高达43.43%，一定程度表明科技创新驱动是当前中国新旧动能转换的最根本动力，这一结果也与目前学界的主流观点基本相符[23]。此外，从具体指标来看，万人有效发明专利拥有量、技术合同成交额占比以0.2035、0.1372的权重分居第一和第二位，一定程度上说明科技创新驱动新旧动能转换的关键在于提升创新发展质量。
由表3可知，中国有13个省份的新旧动能转换水平超过了全国均值，而半数以上省份的新旧动能转换水平目前仍然低于全国平均水平，这表明中国新旧动能转换水平在整体上还存在较大提升空间。新旧动能转换水平评价值最高的省份是评价值最低省份的10倍之多，一定程度说明中国新旧动能转换水平的省区间差异十分显著，未来提升新旧动能转换整体水平的关键点在于加快滞后地区的新旧动能转换进程。
表3 各省份新旧动能转换水平综合测度指数及排名

Tab.3 The composite measure index and ranking of old-new growth driver conversion in different provinces

排名 省份 新旧动能转换
综合测评指数		 排名 省份 新旧动能转换
综合测评指数
1 北京 0.8249 17 辽宁 0.2192
2 上海 0.5677 18 河南 0.2023
3 广东 0.5390 19 吉林 0.1912
4 江苏 0.5355 20 贵州 0.1732
5 浙江 0.5050 21 广西 0.1707
6 山东 0.3661 22 山西 0.1689
7 天津 0.3517 23 内蒙古 0.1493
8 湖北 0.3324 24 云南 0.1478
9 安徽 0.3191 25 海南 0.1363
10 湖南 0.3019 26 黑龙江 0.1355
11 福建 0.2967 27 宁夏 0.1307
12 重庆 0.2935 28 青海 0.1220
13 四川 0.2806 29 甘肃 0.0993
14 河北 0.2659 30 西藏 0.0883
15 陕西 0.2643 31 新疆 0.0805
16 江西 0.2276 全国均值 0.2738

2.2 中国新旧动能转换的空间分异特征

省域层面分析。为了更为直观地反映新旧动能转换水平的空间分布特征，根据31个省份的综合测度指数情况，基于ArcGIS10.2技术平台，采用自然间断点分级法，按照组内相似性最大、组间相异性最大的原则进行类别的划分[44]，将我国新旧动能转换水平划分为4种类型：高水平、中高水平、中等水平和低水平。借鉴已有文献分类提法[1]，尝试将其进一步表述为领先型、优势型、中等型和滞后型（图2）。①领先型地区为北京、上海、广东、江苏和浙江等5个省市，这类地区科技创新能力位于全国前列，体制机制转轨成效明显，各类系统维度发展较为均衡，无明显短板。②优势型地区为山东、天津、湖北、安徽、湖南、福建、重庆、四川、河北和陕西等10个省市，这类地区具有一定的工业经济基础，近年来在经济结构调整转型上取得了一定的进展，但科技创新能力与领先型地区相比尚存不足，体制机制转轨步伐也较为缓慢。③中等型地区为江西、辽宁、河南、吉林、贵州、广西、山西等7个省份，这类地区多呈现产业结构“偏重”或经济基础较差等特征。一方面，部分地区“偏重”型的产业结构加大了其推进新旧动能转换的难度；另一方面，一些地区较为薄弱的经济基础又使其难以在短期内汇聚各类创新资源，进而阻滞了新旧动能转换水平的提升。④滞后型地区为内蒙古、云南、海南、黑龙江、宁夏、青海、甘肃、西藏和新疆等9个省份，这类地区在各系统层的评价得分均不高，受限于人才、科技、信息等创新资源禀赋，新经济增长极为乏力，新旧动能转换面临困境。
图2 中国新旧动能转换水平的空间分布

Fig.2 Spatial distribution of the level of old-new growth driver conversion in China

区域层面分析。按中国东、中、西三大区域对新旧动能转换水平的不同类型进行分类统计。由表4和图3可知，中国新旧动能转换水平的区域差异明显，东部地区新旧动能转换水平的综合指数均值和各系统层指数均值均明显高于中部和西部地区，总体呈现东—中—西梯度递减格局。结合图2可以看出，新旧动能转换水平较高的地区主要分布于东部沿海地区和长江经济带的主要省市，并呈现一定的“弓箭型”格局。从三大区域各自的内部情况来看，东部地区涵盖了新旧动能转换四种类型的省区，并以领先型和优势型为主，两者占东部省份数比重接近82%，占全国对应类型省份数比重达60%；中部地区以新旧动能转换优势型和中等型省份为主，两者占中部地区省份数的比重达87.5%，占全国对应类型省份数比重达41.18%；西部地区以新旧动能转换滞后型省份为主，占西部省份数比重达58.33%，占全国对应类型省份比重接近78%。此外，通过变异系数分析法分别测算全国及三大区域内部新旧动能转换空间差异情况，得到新旧动能转换水平的空间分异程度为全国>东部>西部>中部。
表4 新旧动能转换水平分区域统计情况

Tab.4 Statistics of old-new growth driver conversion according to different regions

区域 领先型
省区数		 优势型
省区数		 中等型
省区数		 滞后型
省区数		 区域平
均值		 变异
系数
东部 5 4 1 1 0.4189 0.4701
中部 0 3 4 1 0.2349 0.3151
西部 0 3 2 7 0.1667 0.4457
全国 5 10 7 9 0.2738 0.6214
图3 各区域新旧动能转换水平分维度发展情况

Fig.3 The level of old-new growth driver conversion in different regions by different dimensions

空间自相关分析（空间集聚分析）。利用GeoDa软件对31个省份的新旧动能转换水平进行空间自相关检验，得到全局空间相关性Moran's I指数及其显著性。结果显示Moran's I指数值为0.18，Z值为2.65，且通过了1%水平下的显著性检验，这表明中国新旧动能转换存在一定的正向空间自相关性，整体空间集聚特征较为明显。进一步，利用GeoDa软件测算局部Moran's I指数，研究新旧动能转换的局域空间自相关特征，结果显示长三角地区（包括上海、浙江、江苏等地）具有明显的H-H型集聚特征，而广东省则呈现H-L型集聚特征，其他大部分地区的局部空间集聚特征并不显著（图4）。
图4 中国新旧动能转换水平的LISA集聚情况

Fig.4 LISA agglomeration of the level of old-new growth driver conversion in China

3 中国新旧动能转换的影响因素解析

地理探测器分析涵盖因子探测、风险探测、生态探测和交互探测等内容层面，其中因子探测可以定量测度自变量对因变量的作用强度，交互探测可用以识别两个自变量联合作用时对因变量的驱动强度变化，两者结合有利于深入揭示中国新旧动能转换的影响机制。因此，本文重点关注因子探测和交互探测的结果。首先，利用ArcGIS软件中的自然间断点分级法对所选取的自变量（探测因子）进行离散化分层处理（全国层面分为5类，区域层面分为4类）；然后利用地理探测器模型计算出各探测因子对中国及各地区新旧动能转换的影响能力值q和主导交互因子（表5）。由于地理探测器模型对自变量共线性“免疫”，因而无需进行共线性诊断[42]。
表5 中国及各地区新旧动能转换水平影响因素探测结果

Tab.5 Results of influencing factor detection of the old-new growth driver conversion level in China and different regions

探测因子 q
全国 东部地区 中部地区 西部地区
人力资本水平（X1） 0.7075*** 0.5277 0.6284 0.5008
对外开放水平（X2） 0.7748*** 0.7727** 0.5727 0.3423
产业结构合理化水平（X3） 0.6181*** 0.6238 0.5678 0.7868**
产业结构高级化水平（X4） 0.5849*** 0.6794* 0.6607 0.3615
消费能力水平（X5） 0.7948*** 0.6992 0.8641* 0.2671
市场规模水平（X6） 0.7554*** 0.6680 0.3402 0.6815*
城镇化水平（X7） 0.6120*** 0.4577 0.4733 0.2077
信息化建设水平（X8） 0.6401*** 0.7413* 0.5542 0.2844
主导交互因子 X1∩X2 X1∩X2 X6∩X7 X3∩X4，X3∩X8
主导交互因子q值 0.9118 0.9169 1 0.9875，0.9859

注：*、**、***分别表示通过0.1、0.05、0.01水平上的显著性检验。

就全国范围而言，地理探测器的分析结果显示所有影响因子均通过了0.01水平上的显著性检验，根据q值大小可知，当前主导中国新旧动能转换的影响因素为消费能力水平（0.7948）、市场规模水平（0.7554）、对外开放水平（0.7748）以及人力资本水平（0.7075）等。这在一定程度上说明激发消费活力，提质对外开放，培育创新人才是当前中国推动新旧动能转换的主要端口。另外，地理探测器交互探测的结果发现人力资本水平和对外开放水平的交互作用最强（0.9118），这在侧面反映了随着对外开放的深入，国际高层次人才的输入对于提升中国新旧动能转换水平具有重要影响。
分区域来看，各影响因子对新旧动能转换水平的作用强度存在明显区域异质性。当前主导东部地区新旧动能转换的核心因素是对外开放水平（0.7727），主导交互因子为对外开放水平∩人力资本水平（0.9169），该结果反映了东部地区凭借其优越的地理区位和不断积累的发展优势，持续吸引人才等高端要素流入，极大地推动了新旧动能转换进程。当前主导中部地区新旧动能转换的核心因素是消费能力水平（0.8641），主导交互因子为市场规模水平∩城镇化水平（1），这在一定程度表明中部地区“内循环”的畅通高效将释放巨大动能。结合现实情境分析，中部地区承东启西、人口密度高，是全国大市场的重要组成部分和空间枢纽；此外，与东部地区相比，中部地区城镇化水平尚有较大提升空间，杨浩昌的研究也进一步指出中部地区处于城镇化快速发展阶段，将带来投资和消费需求的急速增长，相较于东部和西部地区，城镇化对中部经济的带动作用最强[45]。当前主导西部地区新旧动能转换的核心因素是产业结构合理化水平（0.7868），主导交互因子为产业结构合理化水平∩信息化建设水平（0.9859）、产业结构合理化水平∩产业结构高级化水平（0.9875），而对外开放水平、产业结构高级化水平、消费能力水平、城镇化水平、信息化建设水平等单项因子的作用强度均不高，这在一定程度上说明西部地区推进新旧动能转换的任务较为艰巨，现阶段推进新旧动能转换的主线在于加快产业结构合理化调整，可通过信息化建设等方式挖掘传统产业增长动能，进一步促进产业结构高级化发展，形成联动效应。例如，贵州省近年来聚力信息基础设施的投资建设，加快布局大数据产业，推动产业结构转型升级，为西部新旧动能转换滞后地区的发展提供了很好的示范[46]。

4 结论与讨论

4.1 结论

本文通过构建新旧动能转换评价指标体系，对2018年中国新旧动能转换水平进行测度和分析，揭示其空间格局特征，并基于地理探测器模型提炼中国及各大地区新旧动能转换的主导影响因子。主要结论如下：
①指标体系方面，增长动力转向维度的权重达到43.43%，在所有维度层中占比最高，进一步印证了科技创新驱动是贯穿整个新旧动能转换系统中最为核心的力量，而当前动能转换的关键点则在于聚力提升科技创新质量。
②空间格局方面，中国新旧动能转换水平的省际及区域差异明显。较高水平的省份集中在东部沿海地区和长江经济带，呈现一定的“弓箭型”分布格局；东部地区新旧动能转换水平及其各子维度水平均高于中部和西部地区，总体呈现“东—中—西”梯度递减分布格局，同时，东部地区内部新旧动能转换水平的空间分异性也高于中部和西部地区。另外，局部空间自相关检验结果表明，LISA指数在长三角地区和广东省分别呈现H-H集聚和H-L集聚特征，而大部分地区的局部空间自相关性不显著。
③影响因素方面，人力资本水平、对外开放水平、消费需求水平是影响中国新旧动能转换的主要因素，其中人力资本水平和对外开放水平的交互作用对新旧动能转换影响最大。此外，新旧动能转换的影响因素存在一定的地域差异性。主导东部地区新旧动能转换的因素为对外开放水平，主导交互因素为人力资本水平和对外开放水平；主导中部地区新旧动能转换的因素为消费能力水平，主导交互因素为市场规模水平和城镇化水平；主导西部地区新旧动能转换的因素为产业结构合理化水平，主导交互因素为产业结构合理化水平和产业结构高级化水平、产业结构合理化水平和信息化建设水平。

4.2 讨论

新旧动能转换是一项系统性、区域性的工程，通过构建系统多维的评价指标体系，能够有效避免单项指标表征带来的信息缺失问题，通过影响因素的地理探测能够明晰中国及各大区域新旧动能转换的方向和突破点，进而为针对性地制定各区域新旧动能转换的政策措施提供科学依据。
①总体上，已有的新旧动能转换研究更多关注新旧动能转换在特定领域的定量化分解与测度，缺乏关于新旧动能转换的空间维度信息，且对新旧动能转换影响因素的研究尤显不足。本文立足中国经济步入新旧动能转换关键期的现实情景，从新旧动能转换涉及的四项基本维度（增长动力转向、体制机制转轨、经济结构转型、发展方式转变）出发构建评价指标体系，通过明晰中国新旧动能转换空间分异格局特征，解析中国及各大区域新旧动能转换的主要作用因子，可为因地制宜地推进新旧动能转换进程提供一定思路借鉴。
②“十四五”时期，面对更加复杂多变的外部环境形势，中国亟需以加快推进新旧动能转换为总体抓手。就全国而言，应进一步加强人力资本投资，将增强自主创新能力，提升创新发展质量全面融入“双循环”的新发展格局中。就三大区域来说，东部地区应进一步发挥自身区位优势，在引进国外先进技术、高端人才等创新资源的同时，进一步推动各类新产品、高技术产品走出去，拓展发展新空间；中部地区推动新旧动能转换的重点在于通过新型城镇化高质量发展激发消费潜力，并与产业升级形成联动；西部地区多数省区传统动能存量占比高，当前需将传统动能的改造升级作为主要任务，并结合地域特色积极探索新兴发展动能。
③本文通过对2018年中国新旧动能转换水平的定量测度，揭示了其静态空间格局特征，但囿于数据可得性等，尚不能捕捉全国及各地区新旧动能转换水平在较长时间序列的动态变化情况。同时，本研究仅聚焦全国省际尺度，尚不能全面揭示地市级层面或更微观层面的新旧动能转换信息。此外，在影响因素的选取与探测方面，尚未将政策支持、区域合作水平等因素纳入其中。这些方面都将是今后一段时间里进一步探索和完善的重点。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
杨威. 新旧动能转换:理论与实践[M]. 武汉: 武汉大学出版社, 2019.

[2]
盛朝迅. “十四五”时期推进新旧动能转换的思路与策略[J]. 改革, 2020(2):5-19.

[3]
段德忠, 杜德斌. 全球高科技产品贸易结构演化及影响因素[J]. 地理学报, 2020, 75(12):2759-2776.

DOI

[4]
Jones L, Manuelli R. Endogenous growth theory:An introduction[J]. Journal of Economic Dynamics and Control, 1997, 21(1):1-22.

[5]
Romer P. Increasing returns and long-run growth[J]. Journal of Political Economy, 1986, 94(5):1002-1037.

[6]
Lucas R. Human capital and growth[J]. The American Economic Review, 2015, 105(5):85-88.

[7]
Maritz A, Perenyi A, Waal G, et al. Entrepreneurship as the unsung hero during the Current COVID-19 economic crisis:Australian perspectives[J]. Sustainability, 2020, 12(11):4612-4620.

[8]
Ángel G, Soledad C, Teresa M. The role of entrepreneurship in different economic phases[J]. Journal of Business Research, 2021,122:171-179.

[9]
Afshar A, Khorshed A, Brad T, et al. Does ICT maturity catalyse economic development?Evidence from a panel data estimation approach in OECD countries[J]. Economic Analysis and Policy, 2020,68:163-174.

[10]
Mehmood B, Azim P. Total factor productivity,demographic traits and ICT:Empirical analysis for Asia[J]. Informatica Economica Journal, 2014, 18(1):8-16.

[11]
张文, 张念明. 供给侧结构性改革导向下我国新旧动能转换的路径选择[J]. 东岳论丛, 2017, 38(12):93-101.

[12]
黄少安. 新旧动能转换与山东经济发展[J]. 山东社会科学, 2017(9):101-108.

[13]
白洁. 湖北新旧动能转换的定量测度与对策研究[J]. 湖北社会科学, 2018(7):53-58.

[14]
张豪, 张建华, 谭静. 中国经济增长的源泉与动能转换:1952—2015[J]. 经济问题探索, 2017(9):12-24.

[15]
郑江淮, 宋建, 张玉昌, 等. 中国经济增长新旧动能转换的进展评估[J]. 中国工业经济, 2018(6):24-42.

[16]
吴净. 新时代经济发展新旧动能转换评价——以青岛市为例[J]. 地域研究与开发, 2019, 38(5):41-44.

[17]
李长英, 周荣云, 余淼杰. 中国新旧动能转换的历史演进及区域特征[J]. 数量经济技术经济研究, 2021, 38(2):3-23.

[18]
刘宏笪, 张济建, 张茜. 中国钢铁产业新旧动能转换定量测度与进展评估[J]. 统计与决策, 2020, 36(15):110-113.

[19]
吕雁琴, 赵斌. 旅游经济增长新旧动能转换评价研究——基于对西北五省区旅游业数据的分析[J]. 价格理论与实践, 2019(5):130-133.

[20]
张立新, 王菲, 王雅萍. 山东省新旧动能转换的突破点及路径——基于2002—2016年市级面板数据的实证分析[J]. 经济与管理评论, 2018, 34(5):27-41.

[21]
郑尚植, 赵雪. 高质量发展背景下东北地区新旧动能转换的实证研究[J]. 财经理论研究, 2020(4):32-41.

[22]
金碚. 在新发展理念引领下建设现代化经济体系[J]. 经济理论与经济管理, 2018(1):13-15.

[23]
迟树功, 王吉刚, 王占益. 新旧动能转换研究[M]. 北京: 经济科学出版社, 2018.

[24]
魏素豪, 李晶, 李泽怡, 等. 中国农业竞争力时空格局演化及其影响因素[J]. 地理学报, 2020, 75(6):1287-1300.

DOI

[25]
Lucas R. On the mechanics of economics development[J]. Journal of Monetary Economics, 1988, 22(1):3-42.

[26]
洪银兴. 准确认识供给侧结构性改革的目标和任务[J]. 中国工业经济, 2016(6):11-21.

[27]
师博, 张冰瑶. 新时代、新动能、新经济——当前中国经济高质量发展解析[J]. 上海经济研究, 2018(5):25-33.

[28]
黄汉权. 推动产业新旧动能转换的成效、问题与对策[J]. 经济纵横, 2018(8):32-40.

[29]
Syrquin M. Kuznets and Pasinetti on the study of structural transformation:Never the twain shall meet?[J]. Structural Change and Economic Dynamic, 2010, 21(4):248-257.

[30]
干春晖, 郑若谷, 余典范. 中国产业结构变迁对经济增长和波动的影响[J]. 经济研究, 2011, 46(5):4-16.

[31]
Knaap B, Smits G. Hong Kong's industrial structure and growth of advanced business services[J]. Tijdschrift Voor Economische En Sociale Geografie, 1997, 88(1):3-14.

[32]
Gregorio D J. Economic growth in Latin America[J]. Journal of Development Economics, 1992, 39(1):59-84.

[33]
任保平, 田丰华. 中国特色社会主义新时代经济发展新动力的重塑与协调[J]. 经济纵横, 2017(12):26-34.

[34]
中国人民大学宏观经济分析与预测课题组. 全球技术进步放缓下中国经济新动能的构建[J]. 经济理论与经济管理, 2016(12):5-20.

[35]
Kurniawati M. The role of ICT infrastructure,innovation and globalization on economic growth in OECD countries,1996-2017[J]. Journal of Science and Technology Policy Management, 2020, 11(2):193-215.

[36]
Sun C, Jiao H, Ren Y. Regional informatization and economy growth in Japan:An empirical study based on spatial econometric analysis[J]. Sustainability, 2014, 6(10):7121-7141.

[37]
周小敏, 李连友. 智慧城市建设能否成为经济增长新动能?[J]. 经济经纬, 2020, 37(6):10-17.

[38]
王富喜, 毛爱华, 李赫龙, 等. 基于熵值法的山东省城镇化质量测度及空间差异分析[J]. 地理科学, 2013, 33(11):1323-1329.

DOI

[39]
卓蓉蓉, 余斌, 曾菊新, 等. 地域主体功能导向的江汉平原乡村发展能力时空变化[J]. 经济地理, 2019, 39(5):171-180.

[40]
黄小刚, 赵景波, 曹军骥. 长江经济带PM2.5分布格局演变及其影响因素[J]. 环境科学, 2020, 41(3):1013-1024.

[41]
韩增林, 李彬, 张坤领. 中国城乡基本公共服务均等化及其空间格局分析[J]. 地理研究, 2015, 34(11):2035-2048.

DOI

[42]
王劲峰, 徐成东. 地理探测器:原理与展望[J]. 地理学报, 2017, 72(1):116-134.

DOI

[43]
胡雪瑶, 张子龙, 陈兴鹏, 等. 县域经济发展时空差异和影响因素的地理探测——以甘肃省为例[J]. 地理研究, 2019, 38(4):772-783.

DOI

[44]
武增海, 李涛. 高新技术开发区综合绩效空间分布研究——基于自然断点法的分析[J]. 统计与信息论坛, 2013, 28(3):82-88.

[45]
杨浩昌. 中国城镇化对经济增长的影响及其区域差异——基于省级面板数据的分析[J]. 城市问题, 2016(1):58-63.

[46]
白祥保. 贵州省2017年数字经济增速全国第一[N]. 贵州日报,2018-04-21.

Options
文章导航

/

〈 〉