EN中文

经济地理 >

2025 , Vol. 45 >Issue 6: 130 - 139

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.06.013

产业经济与创新发展

战略性新兴产业集聚与新质生产力耦合协调的时空特征及其驱动因素

  • 李华金 , 1, 2 ,
  • 彭咏琴 1 ,
  • 褚楠 3 ,
  • 张浩 , 3, ※
展开
  • 1.湖南科技大学 商学院，中国湖南 湘潭 411201
  • 2.湖南科技大学 湖南省战略性新兴产业研究基地，中国湖南 湘潭 411201
  • 3.湖南科技大学 地理科学与空间信息工程学院，中国湖南 湘潭 411201
※ 张浩（2000—），男，硕士研究生，研究方向为地理空间遥感数据算法。E-mail：

李华金（1985—），女，博士，讲师，硕士生导师，研究方向为区域经济与企业理论。E-mail：

收稿日期: 2024-01-16

  修回日期: 2025-05-26

  网络出版日期: 2025-08-07

基金资助

国家社会科学基金项目(22BGL174)

湖南省教育厅优秀青年基金项目(24B0468)

湖南省自然科学基金项目(2025JJ50441)

收起

The Spatiotemporal Characteristics And Driving Factors of the Coupling and Coordination Between Strategic Emerging Industry Agglomeration and New Quality Productivity

  • LI Huajin , 1, 2 ,
  • PENG Yongqin 1 ,
  • CHU Nan 3 ,
  • ZHANG Hao , 3, ※
Expand
  • 1. School of Business，Hunan University of Science and Technology，Xiangtan 411201，Hunan，China
  • 2. Hunan Strategic Emerging Industries Research Base，Hunan University of Science and Technology，Xiangtan 411201，Hunan，China
  • 3. School of Geographic Science and Spatial Information Engineering，Hunan University of Science and Technology，Xiangtan 411201，Hunan，China

Received date: 2024-01-16

  Revised date: 2025-05-26

  Online published: 2025-08-07

Fold

摘要

文章基于高德地图提取的2010—2023年158197个微观企业点位数据，运用博弈论组合赋权法、耦合协调度模型、地理探测器等方法，考察了中国战略性新兴产业集聚与新质生产力耦合协调的时空特征及其驱动因素。研究发现：①中国战略性新兴产业集聚与新质生产力的耦合协调度呈现“协调性增长—阶段性回调”的演进趋势，不同地区耦合协调度的回调时点不同。②耦合协调的空间分异特征明显，东部地区耦合协调度明显高于其他地区，浙江、江苏、广东等省份一直处于良好协调和优质协调状态，中部地区省份崛起优势明显，西部地区大部分省份则被锁定在严重失调和中度失调状态。③从驱动因素来看，耦合协调与经济基础、政策环境、区位条件等因素密切相关，随着战略性新兴产业不断发展，其主要影响因素由早期的“经济基础”因素为主向“创新驱动”“需求牵引”等多重因素驱动转变，社会消费水平、区域创新能力等因素的驱动作用逐渐增强，多因素的共同作用强化了两者耦合协调的时空分异。因此，未来促进战略性新兴产业集聚与新质生产力耦合协调发展需要基于区域差异从产业协同、政策支持、要素支撑等多方面综合发力。

关键词： 产业集聚; 战略性新兴产业; 新质生产力; 耦合协调模型; 创新驱动; 市场需求; 产业协同

本文引用格式

李华金 , 彭咏琴 , 褚楠 , 张浩 . 战略性新兴产业集聚与新质生产力耦合协调的时空特征及其驱动因素[J]. 经济地理, 2025 , 45(6) : 130 -139 . DOI: 10.15957/j.cnki.jjdl.2025.06.013

Abstract

Based on 158197 micro enterprise point data extracted from Gaode Map from 2010 to 2023,using the applies game theory combination weighting method, coupling coordination degree model, and geographic detector,we investigate the spatiotemporal characteristics and driving factors of the coupling coordination between China's strategic emerging industry agglomeration and new quality productivity. The findings reveal three key insights: 1)From a temporal perspective, the coupling coordination degree exhibits a pattern of sustained improvement with intermittent corrections—characterized as a trend of "coordinated growth with periodic adjustment". Notably, the timing of the coupling coordination degree callback varies in different regions. 2)From a spatial perspective, the spatial differentiation characteristics of coupling coordination are obvious, and the coupling coordination degree is higher in the eastern region, such as Zhejiang, Jiangsu, and Guangdong have consistently remained in states of good or high-quality coordination. The coupling and coordination status of most central provinces has improved, while most provinces in the western region are locked in a state of severe and moderate imbalancee. 3)With regard to the driving factors, the differentiation of coupling coordination is closely related to factors such as economic foundation, policy environment, and location conditions. With the development of strategic emerging industries, the main influencing factors have shifted from early "economic foundation" factors to multiple drivers such as "innovation driven" and "demand driven". The growing influence of factors such as regional innovation capacity and social consumption levels further amplifies this transformation. The interplay of these multidimensional drivers contributes more to the spatial-temporal differentiation in coupling coordination. Therefore, we should promote the coordinated development of strategic emerging clusters and new quality productivity coupling from multiple aspects such as industrial synergy, policy support, and factor support based on regional differences.

Key words： strial agglomeration index; strategic emerging industries; new quality productivity; coupling coordination model; innovation-driven; market demand; industrial coordination

在全球科技竞争加剧和产业结构深度调整的背景下，培育和发展战略性新兴产业已成为世界各国角逐未来经济主导权的战略支点[1]。近年来，在系列政策推动下我国战略性新兴产业蓬勃发展。国家“十四五”规划实施中期评估报告显示，我国战略性新兴产业工业增加值年均增长15.8%，占GDP比重超过13% ① ，已成为驱动经济增长的重要引擎。新质生产力作为创新驱动型生产力的最新形态，正深刻重塑全球产业格局[2]。2023年9月，习近平总书记在黑龙江考察时首次提出“整合科技创新资源，引领发展战略性新兴产业和未来产业，加快形成新质生产力”。2024年中央政府工作报告进一步提出“大力推进现代化产业体系建设，加快发展新质生产力”。作为现代化产业体系的核心引领，战略性新兴产业集聚通过汇聚创新资源，促进技术、人才、资金等要素的高效流动与协同配置，推动产业技术革命性突破与生产要素的创新性配置[3]，有力地促进了新质生产力发展。新质生产力以创新驱动为主导，通过提升技术水平、生产效能与产品质量吸引更多企业和资源集聚，进一步推动战略性新兴产业在特定区域内集聚发展，二者相互促进、协同共进[4]。然而，我国战略性新兴产业的集聚发展依然面临创新基础能力不足、关键技术“卡脖子”、产业联动较弱和协同不足等问题，其中空间发展不平衡问题尤为突出[5]，且新质生产力发展水平空间差异明显[6]。因此，如何协调好两者关系，在推动战略性新兴产业集聚发展的同时加快形成新质生产力，成为当前建设现代化产业体系和实现高质量发展面临的重要课题。
目前，学术界围绕两者关系展开了诸多研究，主要形成3种观点：①战略性新兴产业集聚催生新质生产力。相关研究认为战略性新兴产业集聚通过技术融合与生产关系变革推动生产力跃迁，由要素集聚促进创新链、产业链、资金链、人才链的融合发展[4]，催生技术革命性突破、创新要素配置方式与推动产业转型升级，成为培育新质生产力的核心载体和重要抓手[7]。②新质生产力促进战略性新兴产业集聚发展。新质生产力通过创新引领、要素优化、产业升级等推动战略性新兴产业跨越式发展[8]，正向驱动贸易便利化为战略性新兴产业全球价值链攀升赋能[9]，通过新型劳动者、新型生产资料和新型劳动对象为战略性新兴产业集聚提供动力支撑[2]。③战略性新兴产业与新质生产力融合发展。战略性新兴产业与新质生产力在理论层面具有内在契合性，在实践中通过制度变革、产业转型与技术瓶颈突破实现融合发展，共同推进高质量发展[9]。
综上，已有相关研究成果虽颇为丰硕，但仍存在一定的扩展空间。一是研究内容方面，多数研究聚焦讨论战略性新兴产业集聚与加快形成新质生产力的战略内涵与价值意蕴，缺乏对其互动机理与耦合协调规律的动态考察。二是研究方法层面，定性研究居多，现有实证研究主要讨论新质生产力的赋能效应，鲜有采用地理学方法对两者的耦合协调机理、空间演变特征及驱动因素进行全面考量。基于此，本文在全面阐释战略性新兴产业集聚与新质生产力耦合协调机理基础上，对其耦合协调发展态势及驱动因素进行研究。与以往研究不同，本文在研究数据层面，基于2010—2023年微观企业数据、地理空间数据及产业经济数据等多源时空大数据，构建产业集聚Scholl指数测算战略性新兴产业集聚程度；在研究方法上，综合运用博弈论组合赋权法、探索性空间数据分析以及耦合协调度模型，揭示战略性新兴产业集聚与新质生产力耦合协调度的演进规律；最后，运用地理探测器分析影响战略性新兴产业集聚与新质生产力耦合协调的驱动因素，为实现培育和壮大战略性新兴产业与加快形成新质生产力的“双赢”目标提供理论支撑与经验借鉴。

1 战略性新兴产业集聚与新质生产力的耦合协调机理

1.1 战略性新兴产业集聚加快新质生产力形成

战略性新兴产业集聚主要通过技术创新融合、要素配置协同、产业链深度整合与规模效应释放等途径加快新质生产力形成。首先，技术创新融合层面，战略性新兴产业集聚强化了前沿技术的集成应用，推动隐性知识共享与跨界技术融合[10]，为新质生产力发展提供肥沃土壤。其次，要素配置协同方面，战略性新兴产业集聚能吸引数据、算力、绿色能源等新质生产力核心要素在集聚区形成规模化供给，促进专业化人才在区域内高频流动，形成“干中学”和人力资本增值效应，为新质生产力的生产要素配置协同提供实践场景[11]。同时，产业集聚有利于产业链深度整合，通过链主企业引领产业链协同与分工，推动新质生产力从局部突破向系统跃升[7]。如柔性生产与模块化协作增强产品需求响应能力，产学研联合体加速科研成果转化[12]。长三角等地的“跨层同群”机制表明，战略性新兴产业集聚提升了区域创新扩散能力，成为发展新质生产力的关键路径[13]。最后，规模效应方面，战略性新兴产业集聚发展推动了跨区域共享基础设施，有效降低了新技术规模化应用成本。如东部地区借助“飞地经济”等模式向中西部输出创新资源[14]，通过工业互联网平台连接区域间技术供需，助推新质生产力在更大空间尺度上生成与发展[12]。

1.2 新质生产力驱动战略性新兴产业集聚发展

新质生产力是以创新驱动为核心的先进生产力形态，主要通过颠覆性技术突破、效率提升和生态重构三大维度重塑战略性新兴产业发展的底层逻辑[16]，反向驱动和赋能战略性新兴产业集聚发展。首先，新质生产力发展过程中颠覆性技术突破产生外溢效应，促进相关企业向技术策源地集聚，形成专业化产业生态，进一步吸引产业链上下游企业环绕集聚。如技术外溢能力突出的区域凭借技术创新优势，获得金融、人才等核心要素的优先配置，形成以金融资本与高端人才为双核心的吸附极[17]。新能源、生物医药等新质生产力主导产业，通过关键技术突破构建技术标准和产业壁垒，吸引全球资源向特定区域集中[18]。其次，工业互联网、5G等新质生产力工具的应用通过数字化赋能和绿色生产力要素嵌入促进效率提升。如人工智能等新兴技术构建起“创新链—产业链—资金链—人才链”融合发展体系，显著增强颠覆性技术突破能力，提升其在全球价值链中的嵌入层级[19]。新质生产要素的创新性配置通过数据要素激活、人才要素集聚和资本要素引导，形成专业化分工与协同发展的价值网络，有利于战略性新兴产业集聚发展[20]。最后，新质生产力通过促进产业转型升级和创新生态跃迁重构战略性新兴产业集聚模式。一方面，新质生产力打破传统产业边界，通过数智化、绿色化改造传统产业，吸引高耗能企业向绿色低碳转型[21]；另一方面，新质生产力促进战略性新兴产业由规模扩张向质量提升转型，通过创新平台支撑、企业梯度融合与跨区域资源整合重构产业网络，推动产业集聚向创新生态系统升级演化[22]，形成 “人才共享、技术共研、成果共用” 的产业集聚生态。
综上，新质生产力是驱动战略性新兴产业集聚发展的动力引擎，产业集聚则为新质生产力提供“试验场”和“放大器”。战略性新兴产业集聚是产业结构优化升级的重要载体和具体表现，代表了先进生产力的空间组织形态。新质生产力是生产力发展的本质变革，指向技术、效率与模式的颠覆性突破[17]。两者通过技术创新、要素集聚和生态优化在耦合互动中持续演进，在产业培育期、成长期、成熟期依次呈现低水平耦合、中级协调和高级协同的演变特征，推动战略性新兴产业从“地理集聚”向“生态集群”跃迁，进而实现生产力的本质变革和加速形成新质生产力（图1）。
图1 战略性新兴产业集聚与新质生产力的耦合协调机理

Fig.1 Coupling and Coordination Mechanism between Strategic Emerging Industry Agglomeration and New Quality Productivity

2 研究设计

2.1 评价指标体系构建

2.1.1 产业集聚程度测算

现有研究中基于企业点位数据测算产业集聚程度的方法包括K函数、DO指数和Scholl指数等[23]，其中K函数和DO指数因存在临界距离无法精确导致可变面积单元问题，Scholl指数对这些问题进行了改进，以概率密度曲线围合面积为基础，通过集聚与分散的概率来衡量产业集聚水平，较好地解决了可变面积单元问题，有效降低了计算复杂度。因此，本文参照沈丽珍等[24]的做法，采用Scholl指数测算战略性新兴产业集聚程度。
首先，计算各行业企业间的平均距离 D i。公式如下：
D i = 1 J - 1 ∑ j = 1 , j ≠ i J 1 m a x 5 k m , d i j - 1
式中：J为行业内企业数量；dij为企业i和j之间的欧氏距离。
然后，将 D i值数组导入核密度函数得到概率密度曲线。公式如下：
g i ( D ) = 1 n h ∑ i = 1 n ∫ D - D i h
式中： g i ( D )为概率核密度函数；D为自变量距离； f ( · )为高斯核函数；n为最优带宽内行业企业数；h为最优带宽，其取值采用Silverman方法，如式（3）； δ为样本行业标准差。
h = 4 3 n 1 5 δ
最后，通过计算集聚概率与分散概率计算各样本组的产业集聚程度指数。计算公式为：
θ = ∫ 0 m m a x 0 , g i D - g b D d D - ∫ 0 ∞ m a x 0 , g i D - g b D d D
式中： g b D是全部样本中随机抽取10%所组成子样本的概率密度函数，用以作为参照水平；m为Db分布平均值，当Di<m时，gi高于gb的部分为产业集聚概率，反之则为分散概率，两者之差即为该产业集聚程度指数θ。当0<θ<1时，表示产业集聚，数值越大表示产业集聚程度越大；当-1<θ<0时，表示产业分散，数值越大表示产业分散程度越大；当θ→0时，则表示无明显集聚或分散特征。

2.1.2 新质生产力水平测度

现有研究主要基于新质生产力的构成要素或从其外在表现与内涵特征等方面评价新质生产力水平[25-27]。然而，仅从生产要素角度选取指标，难以体现新质生产力“新”和“质”的特征；仅从外在表现与特征层面选取指标，又难以消除不同区域在规模、人口等绝对量上的差异。因此，合理评价新质生产力不仅要涵盖其构成要素，还要关注其发展特征。
新质生产力的本质是以科技创新为主导，摆脱传统增长路径，实现全要素生产率大幅提升的先进生产力质态，其核心要义是“以新促质”，以科技创新驱动高质量发展[12]。从其构成要素来看，新质生产力注重劳动者质量，以智能劳动者为主；生产过程具有数字化、智能化、绿色化等特征，劳动资料以数智设备为主；劳动对象涉及领域新、技术含量高，以产业升级和绿色可持续发展为根本遵循[25]。从基本特征来看，新质生产力以创新为主导，具有高科技、高效能、高质量、绿色化等特征，是符合新发展理念的先进生产力质态。由此可见，科学技术在新质生产力中发挥重要作用，是特别重要的生产力要素。因此，参照简新华等[28]的研究，本文以生产力“四要素”理论为依据，综合新质生产力的基本特征，从新质科学技术、新质劳动者、新质劳动对象和新质劳动资料4个方面构建新质生产力的综合评价指标体系，运用博弈论组合赋权法测算各省份的新质生产力水平（表1）。
表1 新质生产力评价指标体系及权重

Tab.1 Evaluation Index System for New Quality Productivity

一级指标 二级指标 三级指标 指标测量 指标属性 熵权法 CRITIC法 组合赋权法
新质科学技术 科技研发 研发投入 规模以上工业企业R&D经费投入（亿元） + 0.0687 0.0403 0.0545
研发产出 万人有效发明专利授权数量（件/万人） + 0.0852 0.0317 0.0585
研发转化 技术市场成交额占GDP比重（%） + 01084 0.0442 0.0763
科技生产 科技生产投入 工业机器人安装数量（台） + 0.0949 0.0294 0.0621
科技生产产出 高技术产业新产品销售收入占GDP比重（%） + 0.1133 0.0391 0.0762
新质劳动力 劳动力素质 受教育程度 大专以上学历人口占比（%） + 0.0293 0.0543 0.0418
科技人力资本 规上工业企业R&D人员全时当量（人年） + 0.0731 0.0411 0.0571
劳动力效率 劳动生产率 全员劳动生产率（万元/人） + 0.0701 0.0381 0.0541
新质劳动对象 产业升级 产业数字化 电子商务销售额占GDP比重（%） + 0.0821 0.0380 0.0601
产业高端化 高新技术产业增加值占GDP比重（%） + 0.0322 0.0758 0.0540
产业智能化 规上工业企业技术改造经费支出占GDP比重（%） + 0.0027 0.0544 0.0285
绿色发展 废物利用 工业固体废物综合利用量/产生量（%） + 0.0073 0.0655 0.0364
废水排放 工业废水排放量/地区生产总值（t/万元） - 0.0280 0.0675 0.0477
废气排放 工业SO₂排放量/地区生产总值（t/万元） - 0.0727 0.0792 0.0759
新质劳动资料 资源利用 用水强度 工业用水量/地区生产总值（m3/万元） - 0.0329 0.0836 0.0583
用能强度 能源消费量/地区生产总值（t标准煤/万元） - 0.0240 0.0414 0.0327
用电强度 全社会用电量/地区生产总值（kWh/万元） - 0.0037 0.0593 0.0315
新型劳动资料 数字基础设施 光缆线路长度/地区面积（km/km2） + 0.0363 0.0496 0.0430
网络普及率 互联网宽带接入端口数（万个） + 0.0350 0.0675 0.0513

2.2 研究方法

2.2.1 博弈论组合赋权法

博弈论组合赋权法是一种基于博弈论思想的赋权技术，旨在通过数学优化平衡不同赋权逻辑的差异，以寻求“最公平”的权重组合，进而提升权重的稳健性与合理性，该方法的核心逻辑是将每种单一赋权法视为博弈中的“参与者”，通过最小化各方法权重的冲突，使赋权结果兼具多种方法的优势。为了平衡各指标数据的变异性与相关性，借鉴陈钰芬等的方法[29]，本文采用熵权法和CRITIC赋权法获得权重进行线性组合确定指标权重。

2.2.2 耦合协调度模型

耦合协调度模型通过测算系统间耦合度（反映关联强度）与协调度（衡量动态平衡水平），揭示多要素耦合协调发展状态。本文参照尹碧波等[30]的研究，构建其耦合协调模型，具体步骤如下。
首先，标准化耦合指标。因产业集聚Scholl指数存在负值，需要对其数据进行标准化处理，本文采用极差标准化法将产业集聚Scholl指数值映射到[0,1]。
然后，计算耦合度。用U1表示标准化处理后产业集聚指数得分，U2表示新质生产力水平得分，C表示耦合度，则：
$C=\frac{2 \sqrt{U_{1} U_{2}}}{U_{1}+U_{2}}$
最后，建立耦合协调度模型。如式（6）和式（7）所示：
T = α U 1 + β U 2
$D=\sqrt{C \cdot T}$
式中：T表示耦合协调度；ɑ和β表示指标重要性系数，本文认为战略性新兴产业集聚与新质生产力作为生产力发展空间组织形态和本质变革的两个方面，是驱动高质量发展的“双引擎”，两者重要性一致，因此取 α=β=0.5；D表示耦合协调度，D取值范围为[0,1]，D值越大代表耦合协调度越高，具体等级划分为9大类（表2）。
表2 耦合协调度阶段划分标准

Tab.2 Classification Criteria for Coupling Coordination Stages

耦合度 [0，0.1] （0.1，0.2] （0.2，0.3] （0.3，0.4] （0.4，0.5] （0.5，0.6] （0.6，0.7] （0.7，0.8] （0.8，1.0]
耦合阶段 严重失调 中度失调 轻度失调 勉强失调 面临失调 初级协调 中级协调 良好协调 优质协调

2.2.3 地理探测器模型

地理探测器是探测时空分异特征及其驱动因子的统计学方法，此方法无线性假设要求，可以避免多重共线性影响，能有效缓解解释变量与被解释变量之间互为因果的内生性问题[31]。参照谭燕芝等[32]的研究，本文采用因子探测和交互探测两种方法识别两者耦合协调的驱动因素。

2.3 数据来源及处理

本文以2010—2023年30个省份为研究对象（不包括西藏和港澳台地区），选取新一代信息技术产业、高端装备制造业、新材料产业、生物产业、新能源汽车产业、新能源产业、绿色环保产业、航空航天产业和海洋装备产业9大工业战略性新兴产业为研究样本。企业微观大数据源自“爱企查”网站提供的工商管理注册登记信息，并根据国家统计局制定的《战略性新兴产业分类（2018）》与《工业战略性新兴产业分类目录（2023）》，采用共聚关键词的方法，精准设定“爱企查”高级搜索项中的关键词和对应依托行业，抓取企业名称、注册资本、成立日期、所属行业及企业位置等关键信息，筛选和剔除已注销、注册资本低于100万及个体经营等企业后，借助高德API接口，通过Python实现企业位置坐标的WGS1984坐标转换，进而利用ArcGIS软件进行空间矢量化处理，以确定企业点位。最终从高德地图上提取有效企业点位数据158197个。从有效数据点行业分布来看，9大工业战略性新兴产业企业数量占比依次为15.5%、14.7%、20.9%、13.2%、4.8%、14.0%、12.7%、2.9%、0.8%，这一比例与2024年12月第五次全国经济普查数据中战略性新兴产业规模以上工业企业9大产业占比情况基本吻合 ① 。从样本数量来看，注册资本大于1000万元的较大规模企业样本数达到73482个，与第五次全国经济普查规上工业战略性新兴企业数量9.6万个相比也具有较好的覆盖度。因此，本文所获取的数据点样本具有较好的代表性。
本文涉及的社会经济指标数据主要来源于国泰安数据库、国研网数据库，以及《中国统计年鉴》《中国科技统计年鉴》《中国人口与就业统计年鉴》《中国环境统计年鉴》《中国劳动统计年鉴》和各省份统计年鉴、国民经济和社会发展统计公报等。为了减少样本损失，部分缺失数据通过类推法或插值法补齐。

3 耦合协调度的时空特征

3.1 耦合协调度的时序变化

由图2可知，中国2010—2023年战略性新兴产业集聚与新质生产力耦合协调度呈现“协同性增长—阶段性回调”的演进趋势。从全国层面来看，研究期内两者耦合协调度均值在0.40~0.60波动，处于从面临失调到初级协调的过渡阶段，总体呈上升趋势。分阶段来看，可分为2个时期：①协调性增长期（2010—2019年）。此阶段耦合协调度从0.487稳步升至0.585，2013年突破0.50阈值（初级协调临界值）。这可能与我国2010年以来战略性新兴产业专项政策实施密切相关，在系列政策措施推动下以新一代信息技术为代表的战略性新兴产业进入快速成长期，推动产业集聚与新质生产力发展进入初级协调阶段。②阶段性回调期（2020—2023年）。2020开始耦合协调度均值呈现一定的下调趋势，2023年耦合协调度回落至0.553。可能的原因在于新冠疫情爆发、贸易战加剧导致我国战略性新兴产业链供应链受阻，以及全球产业链价值链重塑带来产业数字化转型阵痛，在一定程度上影响了我国战略性新兴产业的集聚发展与新质生产力的形成。
图2 全国及四大区域战略性新兴产业集聚与新质生产力耦合协调度的时序变化

Fig.2 The temporal changes in the coupling and coordination degree of strategic emerging industry agglomeration and new quality productivity in the country and four major regions

分区域来看，不同地区耦合协调度回调的时点不同。东部地区的耦合协调度均值维持在0.633~0.738，2010—2023年由中级协调状态提升至良好协调状态，直至2022年才呈现回调趋势，这主要得益于其较强的经济基础、先进的产业结构以及较好的政策支持，如广东、江苏等省份依托其先进制造业优势，在推动半导体及集成电路产业、高端装备制造业、车联网和智能网联汽车产业等方面不断优化发展环境与支持政策，大力促进了战略性新兴产业集聚发展和新质生产力形成，其耦合协调度一直处于良好协调或优质协调状态。中部地区耦合协调度呈现缓慢上升后微回调趋势，2010—2023年其均值从面临失调状态上升至初级协调状态，其回调节点为2020年，表明中部崛起战略、城市群发展规划等区域政策在推动产业转移和提升战略性新兴产业“新质化”能力方面取得了一定成效，但产业发展潜力和政策效应有待进一步激发。西部地区和东北地区的耦合协调度在2010—2016年有所上升，随即呈下降趋势，表明受经济发展水平、地理位置等条件制约，产业政策效果的可持续性较弱，该地区战略性新兴产业集聚与新质生产力发展的耦合协调性仍面临挑战。

3.2 耦合协调度的空间分异

本文运用ArcGIS 10.2软件绘制2010、2014、2019和2023年战略性新兴产业集聚与新质生产力耦合协调度的冷热点分布图（图3）。结果显示，研究期内两者的耦合协调度呈现明显的空间分异特征。总体上来看，2010—2023年战略性新兴产业集聚与新质生产力发展的耦合协调度趋向更加协调的省份数量持续增加，且这些省份主要集中在东部与中部地区。其中，广东、浙江、江苏、山东等省份长期处于优质协调区，失衡地区则主要分布在西部和东北地区。分时段变化来看，2010—2014年，中部地区省份的耦合协调度逐步提升，山西、湖南、河南等省份相继进入中度协调状态，有效提升了全国整体层面战略性新兴产业集聚与新质生产力耦合协调度，并缩小中部地区与东部地区间的区域差距；2014—2019年，中部地区的耦合协调趋势进一步强化，安徽、湖南、江西等省份纷纷跻身中度协调和良好协调行列，但西部地区与东北地区的耦合协调度处于锁定状态，改善趋势不明显；2019—2023年，上海、北京、福建、天津等省份的耦合协调度持续提升，中部地区迈入良好协调状态的省份有所回落，西部地区部分省份的耦合协调度则回落至严重失调和中度失调状态。由此可见，我国战略性新兴产业与新质生产力的耦合协调发展已取得阶段性成果，但区域间发展不平衡问题依然突出。如何缩小区域差异、推动低水平地区耦合协调发展，仍是当前亟需解决的重要问题。
图3 战略性新兴产业集聚与新质生产力耦合协调度的空间分异

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

Fig.3 The spatial differentiation of the coupling coordination degree between strategic emerging industry agglomeration and new quality productivity

4 耦合协调的驱动因素

4.1 变量选取

根据空间地理学以及产业集聚相关理论，从产业基础、市场需求以及要素支撑3个方面分析战略性新兴产业集聚与新质生产力耦合协调的驱动因素。产业基础方面：①经济发展水平较高地区，意味着更多财政投入与更高的产业发展水平，有利于战略性新兴产业集聚与新质生产力形成；②产业结构优化程度较高的地区服务业发展水平较高，如科技服务、金融服务等能为战略性新兴产业发展和新质生产力形成提供有力支撑[33]。市场需求方面：①规模经济是战略性新兴产业空间集聚的重要动因[34]，能有效促进产业集聚和技术融合，加快形成新质生产力；②对外开放程度和发展水平提高，对战略性新兴产业和新质生产力颠覆性技术突破的需求和层次也越高[27]，也更容易形成产业集聚和催生新质生产力；③社会消费水平较高意味着更多的消费者需求和更大体量的内需市场，是促进产业集聚和拉动生产力发展的重要因素。要素支撑方面：①较高水平的政府支出水平，意味着更多的政策支持，是产业集聚发展和新质生产力形成的重要条件[22]；②区域创新能力能够显著提升区域经济发展的质量和活力，促进战略性新兴产业集聚和发展新质生产力；③产业区位条件好的地区更容易汇集优质人才和产业资源，而战略性新兴产业集聚和新质生产力发展需要高素质劳动者作为要素支撑；④金融支持条件好的地区资金利用效率比较高[35]，能为战略性新兴产业发展提供更多资金支持，有效促进产业集聚与新质生产力发展。具体指标及测度方法见表3。
表3 驱动因素及说明

Tab.3 Driver indicators

分类 代码 驱动因素 测度方法
产业基础 X1 经济发展水平 GDP占全国GDP的比重（%）
X2 产业结构优化 第三产业增加值占GDP比重（%）
市场需求 X3 规模经济水平 工业总产值/工业企业数量（万元/个）
X4 对外开放程度 外商直接投资额占GDP比重（%）
X5 社会消费水平 社会零售商品总额（亿元）
要素支撑 X6 政府调控能力 政府财政支出占GDP比重（%）
X7 区域创新能力 专利授权数占全国的比重（%）
X8 产业区位条件 人均受教育年限（年）
X9 金融支持条件 金融业增加值占GDP的比重（%）

4.2 单因子探测结果分析

如表4所示，整体来看，除规模经济水平和政府调控能力因素在部分年份不显著外，其余探测因子均通过了1%或5%的显著性水平检验，q值分布在0.3~0.7，以0.5作为主要驱动因子判定阈值，多数因子解释力超过0.5，说明所选影响因子对战略性新兴产业集聚与新质生产力耦合协调度空间分异的解释力较强。
表4 单因子探测结果

Tab.4 Single factor detection results of strategic emerging industry agglomeration

因子 2010 2012 2014 2016 2018 2020 2022 2023
X1 0.650** 0.589* 0.472* 0.458* 0.413* 0.352** 0.347* 0.338*
X2 0.642** 0.587* 0.514* 0.506* 0.468* 0.443* 0.441* 0.448*
X3 0.442** 0.417 0.426 0.479* 0.524* 0.642** 0.672* 0.671*
X4 0.451* 0.691** 0.624** 0.408** 0.463* 0.604** 0.342* 0.341*
X5 0.674** 0.547** 0.504** 0.402 0.414 0.587* 0.645** 0.662*
X6 0.449* 0.539* 0.509* 0.403 0.359* 0.479* 0.313* 0.419*
X7 0.479* 0.501* 0.549** 0.504** 0.547** 0.691** 0.693** 0.699*
X8 0.546** 0.635** 0.472* 0.435** 0.507* 0.511* 0.476* 0.502*
X9 0.542** 0.546* 0.462* 0.430* 0.481* 0.486* 0.428* 0.443*

注：*、**、***分别表示10%、5%、1%显著性水平。

分具体指标来看，产业基础方面的因素具有较强的解释力，但其解释力呈逐步下降趋势，其中经济发展水平q值在2010—2012年均超过0.5，2014年开始呈下降趋势；产业结构优化的q值在2010—2016年均超过0.5，自2016年开始呈下降趋势，印证了经济基础在耦合协调发展初期的关键作用及其边际效应的衰减规律。在市场需求方面的因素中，规模经济水平q值呈上升趋势，并在2018—2023年均超过0.5，成为主要驱动因素之一，这说明产业集聚发展的规模效应得到有效释放；对外开放程度和社会消费水平q值无明显波动，但其解释力一直维持在较为稳定的水平，尤其社会消费水平仅在2014、2018年q值低于0.5，其他年份都是主要驱动因子。在要素支撑方面的因素中，政府调控能力、金融支持条件和产业区位条件q值无明显变化规律，科技创新能力解释力持续增强，2023年q值达到0.699，成为首要驱动因子。
从主要驱动因子的变动来看，2010—2014年耦合协调度空间分异的主要驱动因子有经济发展水平、产业结构优化、社会消费水平、金融支持与对外开放程度，说明这一时期我国战略性新兴产业集聚与新质生产力耦合协调发展受经济基础、产业结构调整等因素影响比较大。2016—2020年区域创新能力、产业结构优化、规模经济水平以及对外开放水平成为主要驱动因子，需求拉动和创新驱动效应逐步显现。2022和2023年社会消费水平、政府调控能力、区域创新能力及规模经济水平成为核心驱动因子，市场需求和创新驱动对两者耦合协调度的空间分异都具有较强的解释力。
由此可见，随着战略性新兴产业不断发展，推动两者耦合协调的主要影响因子从早期的“经济基础”因素为主逐渐转变为“创新驱动”“需求牵引”等多重因素共同驱动，说明未来促进两者耦合协调发展需要着力强化创新驱动与需求牵引等多重因素的驱动效应。

4.3 交互探测结果分析

为深入揭示上述影响因子综合性作用的内在机理，借助地理探测器因子交互探测进一步分析不同影响因子的协同交互效果（受篇幅限制，只展示2010和2023年的交互探测结果）。如表5和表6所示，2010和2023年不同影响因子之间主要呈现双因子增强关系。具体而言，2010年产业结构优化与其他因子的交互作用对耦合协调度的强化作用较为显著，其中与产业区位条件、区域创新能力、政府调控能力的交互影响值均超过了0.7。此外，对外开放程度与政府调控能力、科技创新能力、产业区位条件以及金融支持条件的交互影响都比较显著，这4组影响因子的交互作用强化了两者耦合协调度的空间分异，说明对外开放发展是影响我国战略性新兴产业集聚和加快新质生产力形成的重要条件。2023年影响因子交互影响的强化作用更为显著，呈单因子减弱关系的交互影响更少，双因子增强作用的交互影响显著增加，其中产业结构优化、规模经济水平、社会消费水平与其他因子的交互作用均呈双因子增强关系。经济发展水平与产业结构优化、对外开放程度、金融支持条件的交互作用强化了经济发展水平的影响效应，区域创新能力则弱化了经济发展水平和产业区位条件的影响作用。
表5 交互因子探测结果(2010年)

Tab.5 Interactive factor detection results of strategic emerging industry agglomeration (2010)

因子 X1 X2 X3 X4 X5 X6 X7 X8 X9
X1 0.650
X2 0.672 0.642
X3 0.489 0.624 0.442
X4 0.434 0.689 0.471 0.451
X5 0.589 0.646 0.411 0.464 0.674
X6 0.514 0.714 0.456 0.587 0.628 0.449
X7 0.667 0.718 0.414 0.662 0.602 0.566 0.479
X8 0.648 0.764 0.451 0.601 0.635 0.646 0.587 0.546
X9 0.644 0.614 0.441 0.404 0.596 0.528 0.499 0.658 0.542

注： 粉色为单因子作用、 蓝色表示双因子增强关系、 灰色表示单因子减弱关系。表6同。

表6 交互因子探测结果(2023年)

Tab.6 Interactive factor detection results of strategic emerging industry agglomeration (2023)

因子 X1 X2 X3 X4 X5 X6 X7 X8 X9
X1 0.347
X2 0.475 0.441
X3 0.741 0.679 0.672
X4 0.512 0.565 0.761 0.342
X5 0.744 0.698 0.714 0.771 0.645
X6 0.619 0.634 0.894 0.363 0.924 0.313
X7 0.549 0.721 0.762 0.441 0.736 0.687 0.698
X8 0.347 0.647 0.661 0.661 0.712 0.546 0.469 0.476
X9 0.553 0.525 0.746 0.510 0.674 0.651 0.574 0.489 0.428

5 结论与建议

5.1 结论

本文基于高德地图提取的企业点位数据分析了我国战略性新兴产业集聚与新质生产力耦合协调度的时空演变特征，并运用地理探测器模型识别其驱动因素。主要结论如下：①从时空特征来看，两者的耦合协调度呈现“协调性增长—阶段性回调”的时序演进态势，江苏、广东和浙江等东部地区省份的耦合协调发展优势明显，中部地区的崛起优势比较明显，西部和东北地区省份依然处于重度失调和轻度失调阶段，各省份和区域间的时空分异特征较为明显。②从驱动因素来看，两者耦合协调度与经济基础、政策环境、区位条件等密切相关，不同发展阶段的主导因素不同。总体而言，区域创新能力、社会消费水平、规模经济水平等因素的影响日益凸显，经济发展水平、产业结构优化、金融支持条件的影响作用逐步减弱，各影响因子交互作用主要表现为双因子增强关系，其中2010年产业结构优化与其他因素的交互作用显著增强了两者的耦合协调度，2023年各影响因子间的交互增强关系更为突出。

5.2 建议

综上所述，战略性新兴产业集聚与新质生产力耦合协调度的时空演变特征表明，在政策推动、创新驱动和需求牵引等多重因素的作用下，两者耦合协调度呈现上升趋势，这在一定程度上印证了“培育和壮大战略性新兴产业，加快形成新质生产力”战略导向的合理性。同时，地理探测器结果表明，创新驱动和需求牵引是新发展阶段推动两者耦合协调发展的关键因素，相关支持政策应更加聚焦于如何提升区域创新能力，有效满足市场需求，通过引导市场与要素跨区域有效联动，促进两者耦合协调发展。具体建议如下：
一是基于区域差异构建梯度协同的产业发展体系。首先，具有先发优势的东部地区聚焦产业链高端化和创新策源功能，通过纾解非核心产业环节释放空间资源，重点培育研发设计等高附加值业态；其次，中部地区依托政策优势和成本优势，全面提升产业承接能力，打造区域特色产业集群；最后，西部地区利用土地、矿产等资源优势强化成渝经济圈、陕西硬科技产业等重点领域，以实现局部突破。
二是基于耦合协调效应动态调整政策组合。一方面，参照贵州大数据综合试验区建设经验，在产业基础薄弱地区推动“创新能力培育+开放平台建设”的政策组合，参照北京中关村科技园建设经验，在战略性新兴产业成熟集聚区实施“数字化转型+环境规制”政策组合；另一方面，产业发展初期通过土地、税收优惠等吸引企业集聚，后期通过知识产权保护、人才引进等长效制度供给，引导战略性新兴产业向创新驱动与市场牵引双向融合发展。
三是基于区域联动发展要求深化要素市场改革。一方面，加快建设全国统一要素市场，推动技术、人才和数据等要素的跨区合作与交流，建立跨区域利益共享机制；另一方面，试点科技成果跨省确权和跨区交易制度，通过税收分成、飞地园区等模式推动跨区域产能共享，破除行政壁垒弱化地理空间局限，全面促进战略性新兴产业跨区域联动发展，加快形成新质生产力.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
邓军, 洪福英, 黄响华. 贸易扭曲效应:战略性新兴产业的内外部摩擦及其应对有效性[J]. 中国工业经济, 2025(3):41-59.

[2]
毛强, 庞凯. 新质生产力与现代化产业体系的内在契合与互动路径[J]. 改革, 2025(2):62-76.

[3]
田庆锋, 易磊. 战略性新兴产业技术创新驱动新质生产力发展的组态研究[J]. 科研管理, 2025, 46(5):23-34.

[4]
白永秀, 闫雪培, 王泽润. 新质生产力赋能现代化产业体系建设:基于要素构成视角的研究[J]. 中国软科学, 2024(12):21-34.

[5]
刘华军, 王耀辉, 雷名雨. 中国战略性新兴产业的空间集聚及其演变[J]. 数量经济技术经济研究, 2019, 36(7):99-116

[6]
吉雪强, 张壮, 李卓群, 等. 中国新质生产力空间关联网络结构时空演化特征及驱动因素[J]. 资源科学, 2025, 47(2):373-388.

DOI

[7]
郑江淮, 陈英武. 以培育发展战略性新兴产业和未来产业加快形成新质生产力[J]. 理论月刊, 2024(9):12-19.

[8]
陈梦根, 张可. 新质生产力与现代化产业体系建设[J]. 改革, 2024(6):58-69.

[9]
李修远, 马知遥. 新质生产力赋能中国式现代化的发展逻辑、战略重点与推进路径[J]. 科学管理研究, 2024, 42(6):21-29.

[10]
黄蝶君, 李桦. 颠覆性技术创新塑造新质生产力的作用机制——基于扎根理论的智慧农业案例研究[J]. 中国科技论坛, 2025(3):53-64.

[11]
王寅, 杨宛谕, 蔡双立. 绿色数字经济与新质生产力协同发展的理论机制与实践路径——基于“技术—要素—产业”理论框架的组态分析[J]. 南开经济研究, 2024(12):85-103.

[12]
卢福财, 邹剑. 习近平关于新质生产力重要论述的哲学意蕴[J]. 江西财经大学学报, 2025(2):3-13.

[13]
洪银兴, 王坤沂. 新质生产力视角下产业链供应链韧性和安全性研究[J]. 经济研究, 2024, 59(6):4-14.

[14]
刘志彪. 新质生产力驱动下的新型生产关系:趋势、挑战与对策[J]. 财贸经济, 2024, 45(8):5-12.

[15]
徐建伟, 李子文, 韩晓. 加快发展新质生产力:推进思路与政策建议[J]. 改革, 2025(1):40-52.

[16]
顾丽敏. 创新链驱动战略性新兴产业融合发展:理论逻辑与机制设计[J]. 现代经济探讨, 2024(3):80-86.

[17]
宋葛龙. 加快培育和形成新质生产力的主要方向与制度保障[J]. 人民论坛·学术前沿, 2024(3):32-38.

[18]
潘教峰, 王晓明, 薛俊波, 等. 从战略性新兴产业到未来产业:新方向、新问题、新思路[J]. 中国科学院院刊, 2023, 38(3):407-413.

[19]
任继球, 盛朝迅, 魏丽, 等. 战略性新兴产业集群化发展:进展、问题与推进策略[J]. 天津社会科学, 2024(2):89-98,175.

[20]
王娟娟. 新质生产力对产业布局的影响与区域锁定[J]. 贵州师范大学学报(社会科学版), 2024(4):32-44.

[21]
曾宪聚, 施青. 新质生产力三维生成机制:以深圳新能源汽车产业为例[J]. 科研管理, 2025, 46(4):63-71.

[22]
胡磊. 发展新质生产力的双重驱动、双面效应与双维制度[J]. 当代经济研究, 2025(3):41-50.

[23]
Scholl T, Brenner T. Detecting spatial clustering using a firm-level cluster index[J]. Regional Studies, 2016, 50(6):1054-1068.

[24]
沈丽珍, 强靖淇, 汪侠, 等. 浙江省数字技术应用业空间集聚演化特征——基于微观企业数据[J]. 经济地理, 2023, 43(7):151-160.

DOI

[25]
彭桥. 中国新质生产力发展水平测度、动态演化与驱动因素研究[J]. 软科学, 2025, 39(4):25-34.

[26]
李金虎, 陈建国, 常文博. 新质生产力评价指标体系构建与时空差异及分布演进探究[J]. 科学管理研究, 2025, 43(2):9-18.

[27]
吉雪强, 贺志浩, 李卓群, 等. 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

[28]
简新华, 聂长飞. 中国新质生产力水平测度及省际现状的比较分析[J]. 经济学动态, 2024(10):3-20.

[29]
陈钰芬, 杨双双, 胡思慧. 新质生产力评价指标体系构建及测度分析[J]. 科研管理, 2025, 46(2):1-11.

[30]
尹碧波, 邝萍, 欧阳昕彤, 等. 中国减污降碳与扩绿增长耦合协调度的时空特征及其驱动因素[J]. 经济地理, 2024, 44(11):122-131.

DOI

[31]
Mayor M, Lopez A J. Spatial shife-share analysis versus spatial filtering:An application to Spanish enployment date[J]. Empirical Economics, 2008, 34(1):123-142.

[32]
谭燕芝, 海霞, 张文哲. 中部地区县域经济韧性空间分异及其驱动因素[J]. 经济地理, 2023, 43(11):17-24,35

DOI

[33]
李凤娇, 刘家明, 姜丽丽. 东北地区战略性新兴产业发展水平时空演变与影响因素研究[J]. 地理科学进展, 2022, 41(4):541-553.

DOI

[34]
陈浩, 黄小洪, 隆杰, 等. 人工智能对战略性新兴企业进入的影响研究[J]. 软科学, 2025, 39(3):19-27.

[35]
王建华. 中国城市战略性新兴产业技术路径演化机制——路径依赖还是随机偶然?[J]. 科学学研究, 2023, 41(10):1765-1775,1896.

Options
文章导航

/

〈 〉