EN中文

经济地理 >

2025 , Vol. 45 >Issue 6: 26 - 35

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.06.003

区域经济与理论方法

基于“三元引擎”的黄河流域新质生产力演化及耦合协调发展分析

  • 林瑶 , 1 ,
  • 徐宗煌 2 ,
  • 古恒宇 , 1, ※
展开
  • 1.南京大学 地理与海洋科学学院，中国江苏 南京 210023
  • 2.南京大学 信息管理学院，中国江苏 南京 210023
※ 古恒宇（1994—），男，博士，助理教授，特聘研究员，博士生导师，研究方向为人口地理与区域经济。E-mail:

林瑶（1999—），女，博士研究生，研究方向为人才地理与区域发展。E-mail:

收稿日期: 2024-08-10

  修回日期: 2025-04-22

  网络出版日期: 2025-08-07

基金资助

国家自然科学基金青年项目(42301278)

教育部人文社会科学研究青年基金项目(23YJC790032)

中国科协青年人才托举工程(2023QNRC001)

江苏省研究生科研与实践创新计划项目(KYCX25_0104)

收起

Spatiotemporal Evolution and Coupling Coordination Development of New Quality Productive Forces in the Yellow River Basin Based on the "Triple Engine" Model

  • LIN Yao , 1 ,
  • XU Zonghuang 2 ,
  • GU Hengyu , 1, ※
Expand
  • 1. School of Geography and Ocean Science，Nanjing University，Nanjing 210023，Jiangsu，China
  • 2. School of Information Management，Nanjing University，Nanjing 210023，Jiangsu，China

Received date: 2024-08-10

  Revised date: 2025-04-22

  Online published: 2025-08-07

Fold

摘要

文章从科学技术革命性突破、产业深度转型升级和生产要素创新性配置3个维度构建新质生产力“三元引擎”耦合协调机理模型，采用博弈论组合赋权法计算了其最优权重；同时，运用模拟退火优化投影寻踪评估模型、耦合协调度模型，对2012—2022年黄河流域新质生产力发展水平和“三元引擎”耦合协调发展进行了测度分析。结果表明：①数据要素化水平、人工智能专利数量和工业机器人渗透率是提升新质生产力的关键驱动力；②黄河流域新质生产力整体呈上升趋势，但区域间仍存在显著的发展不平衡，形成了以山东为领先的三级梯度分布格局；③黄河流域新质生产力“三元引擎”协同效应逐步增强，反映出科学技术革命性突破、产业深度转型升级和生产要素创新性配置的协调发展，但区域差异明显。最后，文章提出了推动黄河流域新质生产力的高质量发展和促进区域协调发展的对策建议。

关键词： 黄河流域; 新质生产力; “三元引擎”; 数据要素; 人工智能; 耦合协调度; 高质量发展

本文引用格式

林瑶 , 徐宗煌 , 古恒宇 . 基于“三元引擎”的黄河流域新质生产力演化及耦合协调发展分析[J]. 经济地理, 2025 , 45(6) : 26 -35 . DOI: 10.15957/j.cnki.jjdl.2025.06.003

Abstract

This paper constructs a triple-engine coupling coordination mechanism model of new quality productive forces from three dimensions: revolutionary breakthroughs in science and technology, deep industrial transformation and upgrading, and innovative allocation of production factors. Using the game theory combined weighting method to calculate optimal weights of three dimensions, this study employs the simulated annealing to optimize the projection pursuit evaluation model and the coupling coordination degree model to measure and analyze the development level and triple-engine coupling coordination of new quality productive forces in the Yellow River Basin. The research results show that: 1) The level of data factorization, the number of artificial intelligence patents, and the penetration rate of industrial robots are key driving forces for enhancing new quality productive forces. 2) The overall new quality productive forces in the Yellow River Basin shows an upward trend, but it shows significant regional development imbalances and forms a three-tier gradient distribution pattern led by Shandong Province. 3) The synergistic effect of the "triple engines" is gradually strengthening, reflecting the coordinated development of revolutionary breakthroughs in science and technology, deep industrial transformation and upgrading, and innovative allocation of production factors, though regional disparities are evident. Finally, this paper proposes countermeasures to promote the high-quality development of new quality productive forces and regional coordinated development in the Yellow River Basin.

Key words： Yellow River Basin; new quality productive forces; triple engines; data element; artificial intelligence; coupling coordination; high-quality development

新质生产力通过科技突破、要素创新配置和产业转型升级三大维度推动经济高质量发展，为我国现代化产业体系建设指明了方向[1]。黄河流域是我国重要的生态屏障和经济带，具有独特的地理、资源和文化特征。其作为我国北方重要的水资源、能源和粮食生产基地，在新质生产力发展中具有典型性和代表性。然而，长期的资源开发和不合理利用导致黄河流域面临严重的生态环境问题，亟需探索产业发展、资源优化配置与生态保护的协调发展路径。因此，探讨黄河流域新质生产力的发展水平和协同机制，不仅具有理论研究意义，更能为促进区域可持续发展和生态文明建设提供实践参考。
现阶段学者们围绕新质生产力发展问题开展了丰富研究，主要可以分为以下两个视角：一是新质生产力的概念、内涵、特征及其产生逻辑的理论探讨。从概念上看，新质生产力被定义为依赖技术突破的创新驱动力量，其核心要素包括新质劳动者、劳动对象、劳动工具和基础设施，“新”强调关键性技术突破，“质”突出创新驱动的重要性[3-5]。有学者提出系统分析框架，探讨了新质生产力与中国式现代化的联系，以及在双循环新发展格局下的培育策略[6-7]；还有研究探讨了新质生产力在国际竞争、产业发展、绿色低碳等方面的作用，以及政府、财政政策在推动其发展中的角色[8-10]；而地理学视角的研究则指出地理条件对新质生产力发展有显著影响，揭示了其空间分异特征[11]。总体而言，新质生产力作为推动经济高质量发展的重要力量，需要多角度、多层次的深入研究和实践探索，以充分发挥其在经济社会发展中的关键作用。二是新质生产力的实证研究，主要聚焦于发展水平的量化测度和作用效果分析。在量化测度方面，学者们采用多种方法，如基于经济增加值的效率视角测算、熵权-TOPSIS法和耦合协调度模型等，对各省份新质生产力水平进行测度，揭示其增长模式、区域差异和动态演进特征状况[12-15]。同时，有研究致力于构建新质生产力评价指标体系，从理论基础、根本目标、基本原则和本质要求等方面探讨其理论基础和构建逻辑[16-17]。在作用效果方面，研究主要涉及新质生产力与城乡共同富裕、碳福利绩效等领域的关系，以及对上市企业的影响[18-20]。此外，还有针对农业、海洋、城市工业等特定领域的新质生产力分析，构建相应评价指标体系，测度发展水平和区域差异[21-23]。以上研究为理解新质生产力的发展状况和影响提供了实证依据。
通过对相关文献的梳理发现，当前的研究仍存在一定的不足：理论上，现有研究对新质生产力内涵界定、本质属性以及新质生产力内部的耦合交互机理认识还不够深入全面；方法上，现有研究局限于简单采用熵值法等评价方法进行计算新质生产力发展水平的测度；视角上，现有研究主要关注新质生产力的评价及其空间演变，对于新质生产力内部子系统之间的耦合互动关系的定量研究鲜少涉足。基于此，本文在构建新质生产力“三元引擎”耦合协调机理模型基础上，从科学技术革命性突破、产业深度转型升级和生产要素创新性配置3个维度搭建新质生产力水平评价指标体系，运用博弈论组合赋权法、模拟退火优化投影寻踪评价模型和耦合协调度模型，探讨黄河流域各省份新质生产力发展水平和“三元引擎”间的耦合协调度，以期为促进区域新质生产力协调发展，实现经济发展的新动能提供理论支撑和政策参考。

1 新质生产力“三元引擎”耦合机理

习近平总书记对新质生产力的论述深刻揭示了新时代中国经济发展的核心要素和动力源泉，他强调：“新质生产力由科学技术革命性突破、生产要素创新性配置、产业深度转型升级而催生”。这3个维度相互促进，共同构成了推动中国经济发展的“三元引擎”（图1）。新质生产力耦合协调发展是一个复杂而动态的过程，在这一过程中，科学技术的革命性突破为产业的深度转型升级提供了强大的动力支撑，而产业体系的优化升级又进一步促进了生产要素的创新性配置；同时，生产要素的高效配置又能够反哺科学技术和产业体系的发展，形成良性循环。
图1 新质生产力“三元引擎”耦合协调机理模型

Fig.1 “Triple-engine” coupling coordination mechanism model of new quality productive forces

在新质生产力“三元引擎”中，科学技术革命性突破作为主力引擎，生产要素创新性配置作为控制引擎，产业深度转型升级作为加速引擎，3个引擎相互作用共同推动新质生产力的高速、协调和纵深发展。
新质生产力“三元引擎”的耦合协调发展具有整体性、动态性和复杂性特点。其中，整体性体现在各维度相互依存、相互促进，构成有机整体；动态性表现为耦合关系及协调程度随时间变化；复杂性源于发展涉及多领域多层面，需综合考虑多种因素。总之，科学技术革命性突破、生产要素创新性配置、产业深度转型升级三者构成新质生产力发展的“三元引擎”，它们之间的多维度、动态联系和相互作用共同推动实现经济高质量发展，这一框架为理解和促进新质生产力发展提供了系统性的思路和方向。

2 研究区域、数据与方法

2.1 研究区域概况

黄河流域覆盖中国西北、华北和中原地区，流经青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南、山东9个省份，是中国重要的生态屏障和经济带。区域内自然资源丰富，地形多样，包括高原、平原、丘陵等地貌类型；气候类型多样，从西部的干旱区到东部的半湿润区，形成了丰富的生态系统。黄河流域在中国经济社会发展中占有重要地位，涉及农业、能源、矿产等多个产业。近年来，随着国家对黄河流域生态保护和高质量发展战略的推进，区域内的经济、社会与生态协调发展面临新的挑战与机遇[24]。黄河流域的发展不仅关乎区域自身的可持续发展，也对全国的生态安全和经济发展具有重要影响。因此，研究黄河流域的新质生产力发展和区域协同机制，具有重要战略意义。

2.2 数据来源

基于科学性、合理性与可获取性，本文选取2012—2022年为研究时段。各项指标数据来源于《中国统计年鉴》《中国科技统计年鉴》《中国城市统计年鉴》《中国工业统计年鉴》《中国第三产业统计年鉴》《中国贸易外经统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》以及黄河流域各省份统计年鉴等相关年份的资料。同时，个别缺失值采用线性插值法进行补充，并采用极差标准化法消除量纲对各个指标产生的影响。

2.3 指标体系构建

2.3.1 科学技术革命性突破

科学技术革命性突破作为评估中国新质生产力发展水平的首个核心维度，其指标体系的构建至关重要，该维度指标的选取旨在全面、准确地反映中国在创新创业活力、市场技术投入、人工智能应用以及绿色发展等方面的实际水平和潜力[25]。首先，创新创业水平是衡量一个国家科学技术革命性突破的重要标准，通过人均专利数量和技术合同成交总额2个二级指标，能够直观地了解到国内科研创新活动的活跃度和创新成果的转化效率；创业活跃度作为衡量创新创业环境的重要指标，反映了社会对创新的接纳程度和创新企业的成长速度；同时，电子商务结构和水平由电子商务交易活动企业比例和销售额分别衡量；其次，数字信息则可通过光缆线路长度占所在地区的面积比例进行衡量。其次，市场技术水平作为科学技术的重要组成部分，其发展水平直接关联到中国新质生产力的提升，主要涵盖了市场技术投入、技术立项2个二级指标，展现了中国在市场技术方面的综合实力和技术应用能力。再次，人工智能作为新一轮科技革命的核心驱动力，其发展水平对于中国新质生产力的提升具有决定性作用，通过人工智能专利数量、人工智能企业数量2个二级指标，能够清晰地把握中国人工智能领域的发展态势和竞争力。最后，绿色发展是当今世界发展的主流趋势，也是中国新质生产力发展的必然要求，在科学技术革命性突破的指标体系中，本文特别关注绿色技术创新，通过绿色发明专利获得量、能源强度、用水强度、废物利用、废水排放和废气排放等指标，全面评估中国在绿色技术突破和应用方面的实际进展。

2.3.2 产业深度转型升级

产业深度转型升级是评估中国新质生产力发展水平的第二个至关重要的维度[13]，该维度不仅体现了中国产业结构的优化升级，也反映了中国产业向高端化、智能化、绿色化方向发展的步伐，主要包括未来数字产业水平和产业结构升级水平两方面。首先，产业数字化、智能化水平关注的是产业智能化转型的深度和广度。其中，产业数字化和数字产业化分别代表了传统产业利用数字技术进行升级，以及新兴数字产业的发展；工业机器人渗透率反映了产业智能化改造的实际水平；数字经济的指标则反映了数字技术对经济整体的渗透程度；企业数字化转型评估企业在生产、管理、营销等环节的数字化水平，体现了企业适应和引领数字经济发展的能力。其次，产业结构升级水平旨在评估产业结构的合理性、高级化和高度化，以及产业间的协同聚集情况。产业结构、产业结构合理化、高级化和高度化等指标综合反映了产业内部优化升级的情况，尤其是资源配置的合理性、高附加值产业的比例以及整体技术水平的提升；产业协同聚集指标则强调了产业集群化发展的程度，代表了产业间的协同效应和集聚效应，有助于形成产业链的上下游联动，提高整体产业竞争力。

2.3.3 生产要素创新性配置

生产要素创新性配置是评估中国新质生产力发展水平的不可或缺的重要维度，该维度主要考察的是如何在现有生产要素的基础上，通过创新性的配置方式，实现资源的高效利用和产出的最大化。首先，劳动力要素创新水平评估劳动力在创新活动中的投入和质量，包括创新人才的数量和质量。创新人才要素、人力资本结构高级化和人均受教育程度这3个二级指标综合反映了劳动力在创新中的表现，强调了人才质量和教育水平对创新活动的支撑作用。其中创新人才数量和质量是推动技术进步和产业升级的关键，而高水平的人力资本结构和教育年限则确保了劳动力具备必要的知识和技能。其次，传统要素配置水平评估传统生产要素如劳动、资本等在市场中的配置效率。要素市场发育、全要素生产率、劳动错配指数和资本错配指数等指标共同评估了生产要素在市场中的配置效率。其中要素市场的成熟度和全要素生产率是衡量资源配置效率的关键指标，而劳动和资本的错配指数则反映了市场中的资源配置问题，这些指标有助于识别和纠正要素配置中的不合理现象。最后，创新要素配置水平评估创新资源在生产中的配置情况。人均财政科技支出、财政科技支出强度、人均R&D经费（政府资金）、数字基础设施配置和数据要素化水平等指标全面评估了创新要素的配置效率，特别强调了数字化时代新型要素的配置重要性，这些指标共同反映了创新资源在生产中的配置水平和使用效率。

2.4 博弈论组合赋权模型

目前，确定评估指标权重的方法主要有主观赋权法和客观赋权法，本文运用博弈论组合赋权模型将层次分析法和熵值取权法相结合，得到指标的最优权重。
首先，使用层次分析法[26]计算主观权重。具体步骤为：①建立层次结构模型；②构造判断（成对比较）矩阵；③层次单排序及其一致性检验；④层次总排序及其一致性检验。
其次，使用熵值取权法[27-28]计算客观权重。具体步骤为：①构造决策矩阵；②指标归一化处理；③计算指标的信息熵；④计算指标的差异系数和权重系数。

2.5 模拟退火优化投影寻踪评估模型

模拟退火优化投影寻踪评估模型[29-30]是将模拟退火算法结合到投影寻踪评估法，通过将高维数据以一定的组合投射到低维空间中，根据最佳的投影值得到综合评估值。主要步骤为：①指标标准化处理；②构建评估对象投影的指标函数；③对投影指标函数进行优化；④计算综合评估结果。

2.6 耦合协调度模型

耦合协调理论是对系统的各个子系统或系统各要素之间有着相互联系、相互作用和相互配合等关系进行分析的重要研究工具[31-32]。本文借鉴物理学中的容量耦合系数模型，测算黄河流域新质生产力“三元引擎”间的耦合关系及协调程度。计算公式为：
$C=\frac{\sqrt[3]{U_{1} \cdot U_{2} \cdot U_{3}}}{\frac{1}{3}\left(U_{1}+U_{2}+U_{3}\right)}$
T = α U 1 + β U 2 + γ U 3
$D=\sqrt{C \cdot T}$
式中：C为“三元引擎”的耦合度；U1、U2、U3分别代表“三元引擎”的发展水平，通过模拟退火优化投影寻踪评价模型计算得到；T为“三元引擎”的综合协调指数； α、 β、 γ分别为“三元引擎”发展水平的权重，根据博弈论组合赋权模型计算得到；D为“三元引擎”的耦合度，D值越高，耦合协调程度越高，三元引擎的发展越协调，反之则越差。

3 结果与分析

3.1 黄河流域新质生产力评价指标权重分析

本文采用博弈论组合赋权法将层次分析法和熵值取权法进行集成得到综合权重，可以避免单一赋权法过于偏主观或客观，从而提高指标权重赋值的科学性与合理性。
从图2可看出：①科学技术革命性突破维度中，排名前6位指标的权重依次为：人工智能专利数量（I9，0.0460）、市场技术投入（I7，0.0408）、人工智能企业数量（I10，0.0402）、人均专利数量（I1，0.0397）、绿色专利数量（I11，0.0381）以及技术合同成交总额（I2，0.0380）。其中，人工智能专利数量和人工智能企业数量权重排名靠前，表明人工智能等前沿技术的积累对于科学技术革命性突破的战略重要性；市场技术投入和技术合同成交总额表明技术研发与市场化支持是实现技术突破的关键路径；而人均专利数量和绿色专利数量则代表了科技创新与绿色创新对科学技术创新的重要性和可持续性。②产业深度转型升级维度中，排名前4位指标的权重依次为：工业机器人渗透率（I21，0.0449）、企业数字化转型（I20，0.0437）、数字经济（I19，0.0407）以及产业数字化（I17，0.0275）。其中，工业机器人渗透率的权重最高，显示了产业智能化对生产效率提升的核心作用；而企业数字化转型和数字经济是产业升级的核心动力，权重较高，表明数字技术的普及和应用不仅是产业升级的必要条件，也是提升企业竞争力的关键因素。③生产要素创新性配置维度中，排名前5位指标的权重依次为：数据要素化水平（I35，0.0596）、创新人才要素（I27，0.0364）、人均高新技术产业投资（I40，0.0345）、数字基础设施配置（I36，0.0290）以及人均技术升级经费（I36，0.0275）。其中，数据要素化水平的高权重表明数据资源的开发和利用是新生产要素的重要组成部分，直接决定了资源优化配置的能力；同时，高水平人才、资金投入以及数字基础设施的完善程度在优化资源配置、促进创新要素的高效流动方面至关重要。
图2 黄河流域新质生产力评价指标权重结果

Fig.2 Evaluation index weight results of new quality productive forces in the Yellow River Basin

表1 黄河流域新质生产力“三元引擎”评价指标体系及说明

Tab.1 Evaluation index system of the triple engines of new quality productive forces in the Yellow River Basin

“三元引擎” 一级指标 二级指标 衡量方法 类型
科
学
技
术
革
命
性
突
破		 创新创业水平 人均专利数量
技术合同成交总额
创业活跃度
电子商务结构
电子商务水平
数字信息		 专利授权数量/总人口
技术合同成交总额
百人新创企业数
电子商务交易活动企业比例
电子商务销售额
光缆线路长度/地区面积		 +
+
+
+
+
+
市场技术水平 市场技术投入
技术立项		 规模以上工业企业R&D经费支出
规模以上工业企业R&D项目数		 +
+
人工智能水平 人工智能专利数量
人工智能企业数量		 人工智能专利数量
人工智能企业数量		 +
+
绿色发展水平 绿色专利数量
能源强度
用水强度
废物利用
废水排放
废气排放		 当年获得的绿色发明专利数量
能源消费量/GDP
工业用水量/GDP
工业固体废物综合利用量/产生量
工业废水排放/GDP
工业SO2排放/GDP		 +
-
-
+
-
-
产
业
深
度
转
型
升
级		 产业数字化、智能化水平 产业数字化
数字产业化
数字经济
企业数字化转型
工业机器人渗透率		 数字化生产设备占比
数字产业增加值/GDP
数字经济指数
企业数字化水平
工业机器人安装数量/就业人数		 +
+
+
+
+
产业结构升级水平 产业结构
产业结构合理化
产业结构高级化
产业结构高度化
产业协同聚集		 三产生产总值/GDP
产业结构偏离度指数
第三产业增加值/第二产业增加值
高新技术产业增加值/GDP
产业集聚度指数或产业链完整度		 +
-
+
+
+
生
产
要
素
创
新
性
配
置		 劳动力要素创新水平 创新人才要素
人力资本结构高级化
人均受教育程度		 创新R&D人员数量
高等教育学历人口占比
人均受教育年限		 +
-
+
传统要素配置水平 要素市场发育
全要素生产率
劳动错配指数
资本错配指数		 市场效率指标（如价格弹性）来衡量
总产出/（劳动投入+资本投入）
劳动力在各部门间的配置效率
资本在各部门间的配置效率		 -
-
-
+
创新要素配置水平 数字基础设施配置
数据要素化水平
人均财政科技支出
财政科技支出强度
人均R&D经费（政府资金）
人均技术升级经费
人均高新技术产业投资		 人均宽带接入端口数
软件业务收入
财政科技支出/总人口
财政科技支出/GDP
政府 R&D经费/总人口
高新技术产业技术升级/总人口
高新技术产业投资/总人口		 +
+
+
+
+
+
+

3.2 黄河流域新质生产力发展水平评价分析

本文将评价指标相关数据和权重系数代入模拟退火优化投影寻踪评估模型，计算得到黄河流域2012—2022年新质生产力的发展水平并绘制其2012、2015、2019和2022年的空间分布图（图3）。
图3 黄河流域新质生产力发展水平空间分布演变

Fig.3 Evolution of development level of new quality productive forces in the Yellow River Basin

从图3可以看出，2012—2022年黄河流域各省份的新质生产力发展水平总体呈现逐年上升趋势，其得分在这一时期均有显著提升，表明国家政策支持、区域协同发展和科技创新投入对新质生产力发展产生了持续推动作用。其中，山东、陕西和河南的增长速度和幅度较大，展现了较强的经济基础和创新能力；而宁夏、山西、青海和甘肃的增长速度相对较慢，反映出这些地区经济基础薄弱、创新能力不足的现状，这种增长与差异揭示了黄河流域新质生产力发展的显著进步以及区域间发展水平的不平衡性。具体如下：
①从时间维度看，2012年黄河流域各省份的新质生产力得分普遍较低，整体水平有限，其中得分最高为山东的0.2961，最低为山西的0.1207。这一时期流域内的经济和创新能力发展还处于起步阶段，东部和西部地区在科技资源、产业结构和人才要素等方面的差距显著。到2015年，黄河流域各省份的新质生产力得分有所提升，其中四川和河南表现突出，得分分别提升至0.2278和0.2726；山东继续保持领先地位，但区域间整体差距依然较为明显，部分西部省份如青海、宁夏得分仍然较低，显示出在科技资源和产业基础方面的弱势。2015—2019年是黄河流域新质生产力发展的快速提升期，期间各省份得分均显著增长。其中，山东首次突破0.5大关，达到0.5600，巩固了其领先优势；陕西、四川和河南得分均超过0.3，显示出在技术创新和产业升级方面取得了显著进展。然而，青海、甘肃和宁夏虽然有所增长，但整体增速相对缓慢，反映出其在基础设施、技术储备和产业升级方面的结构性短板。到2022年，黄河流域整体水平进一步提升，各省份得分普遍处于较高水平。其中，山东得分为0.8432，显著领先于其他省份；河南、四川和陕西得分也分别达到0.530、0.5037和0.4594，形成流域内的第二梯队；而山西、青海、甘肃和宁夏得分均低于0.3，增速相对较慢，仍处于第三梯队。
②从空间格局看，黄河流域各省份新质生产力水平呈现出“东高西低”的梯度分布特征。其中，东部沿海省份（如山东）和经济较发达的内陆省份（如四川、陕西）因经济基础强、创新资源集中和政策扶持力度大，形成第一梯队；中游省份河南在产业结构优化和要素流动方面具有明显优势，位列第二梯队；而上游省份（如青海、甘肃和宁夏）因资源禀赋有限、经济基础薄弱，产业转型和科技创新相对滞后，处于第三梯队。影响这种空间分布特征的关键因素包括：第一，科技资源的集中度差异。东部和中部省份拥有更多高校、科研机构和创新企业，而西部省份的科研投入和资源分配相对有限。第二，产业结构的差异。东部地区以高附加值产业为主，而西部地区以资源型产业为主，产业升级速度较慢。第三，人才和资本流动的不平衡。东部省份吸引了大量高素质人才和资本投入，而西部省份由于缺乏吸引力和资源支持，难以有效参与区域协同发展。此外，地理位置和生态条件对新质生产力发展也具有重要影响。中下游省份（如山东、河南）得益于交通便利和资源丰富的优势，表现尤为突出；而上游省份（如青海、甘肃）因地理位置偏远、生态环境限制，发展水平相对较低。
综上所述，2012—2022年黄河流域的新质生产力发展水平取得了显著进步，但区域间的发展差异依然明显。要进一步推动新质生产力的高质量发展，应针对不同区域的特点采取差异化策略，如加大对欠发达地区的科技投入、加强区域间的协同机制、优化资源配置和要素流动，从而实现黄河流域的整体均衡发展。

3.3 黄河流域新质生产力“三元引擎”耦合协调发展分析

将相关数据代入本文构建的黄河流域新质生产力“三元引擎”耦合协调模型，得到“三元引擎”的耦合协调发展关系，并绘制其2012、2015、2019和2022年的耦合协调发展水平空间分布图（图4）。
图4 黄河流域新质生产力“三元引擎”耦合协调发展水平变化

Fig.4 Coupling coordination development level of the triple engines for the new quality productive forces in the Yellow River Basin

从图4可以看出，2012—2022年黄河流域各省份新质生产力的“三元引擎”耦合协调度呈现显著上升趋势，表明科学技术革命性突破、产业深度转型升级和生产要素创新性配置的协同效应不断增强，推动了流域内新质生产力的均衡发展；然而，区域间发展水平仍存在明显差异。具体如下：
①从时间维度看，2012年黄河流域各省份的“三元引擎”耦合协调度普遍较低。最高值为山东的0.3719，而青海、甘肃等西部地区的协调度不足0.3，表明各省份在科技突破、产业升级及要素配置方面的发展尚处于起步阶段，区域内“三元引擎”的协同性较弱。这一时期的不足主要源于区域间科技资源、产业基础和要素流动能力的差距。到2015年，各省份的耦合协调度普遍有所提升。其中，山东、河南和四川的协调度分别上升至0.4400、0.3677和0.3289，显示出在科技投入、产业优化和资源配置等方面取得了明显进展；同时，青海、甘肃和宁夏的协调度有所提高，但仍低于0.3，反映出西部地区在科技资源吸引力和产业转型能力方面的不足。2015—2019年是黄河流域“三元引擎”耦合协调度快速提升的阶段。这一时期，山东的协调度上升至0.5126，河南和四川也分别达到0.4278和0.4223，显著缩小了与山东的差距，这都得益于区域间合作的加强、政策扶持力度的加大以及数字经济的快速发展，其中东部和中部省份在“三元引擎”协同机制上的表现尤为突出。然而，西部省份如青海、甘肃和宁夏的协调度增长相对缓慢，仍未突破0.4，这表明区域间差距依然明显。到2022年，黄河流域各省份的“三元引擎”耦合协调度进一步提升，展现出持续的协同发展趋势。其中，山东以0.6330的协调度继续保持领先地位，显示出其在科技创新、产业升级和要素配置优化方面的全面优势；河南、四川和陕西的协调度分别达到0.5016、0.4822和0.4589，形成第二梯队。相比之下，青海、甘肃和宁夏等省份的协调度仍不足0.4，反映出西部地区在协同机制建设和资源整合能力方面仍存在较大短板。
②从空间格局看，黄河流域的“三元引擎”耦合协调度呈现出显著的“东高西低”梯度分布特征。具体而言，可以将9个省份划分为3个梯队：第一梯队为山东，依靠科技资源集中和产业结构优化持续领先；第二梯队包括河南、四川和陕西，这些省份依托区域协同和产业转型，协调度提升迅速；第三梯队包括宁夏、青海、甘肃、山西和内蒙古，这些省份的协调发展水平较低，区域间发展差距明显。此外，区域经济基础、地理位置和交通条件对“三元引擎”协同发展也产生重要影响。其中，山东和河南等中下游地区凭借便利的交通条件和较强的区域协作能力，在“三元引擎”协调发展中表现突出；而青海、甘肃等上游省份因地理位置偏远，面临资源制约和市场连接不足的问题，协同机制的建设相对滞后。值得注意的是，山东、河南、四川和陕西等省份形成了一个相对发达的区域集群，展现出显著的区域集聚效应。这些省份不仅在新质生产力发展中表现突出，还通过产业链协作和技术资源共享推动了流域整体发展。相比之下，第三梯队的省份则较难融入这种集聚效应中，导致发展进程缓慢。
综上所述，2012—2022年黄河流域“三元引擎”耦合协调度取得了显著进步，但区域间的不平衡性依然突出。为了进一步提升“三元引擎”的协同效率，应针对不同区域的发展特点采取差异化策略，如加大对西部地区的科技投入、加强区域间协同合作机制、优化资源配置以及促进高素质人才和资本的合理流动，从而实现黄河流域整体的新质生产力均衡发展。

4 结论与讨论

4.1 结论

本文基于新质生产力“三元引擎”耦合协调机理，运用博弈论组合赋权法、模拟退火优化投影寻踪评估模型和耦合协调度模型，测度了2012—2022年黄河流域新质生产力发展水平和“三元引擎”耦合协调发展水平，分析了其空间分布演变特征。主要结论如下：
①从科学技术革命性突破、产业深度转型升级、生产要素创新性配置3个维度构建了新质生产力“三元引擎”耦合协调机理模型，它们之间的多维度、动态联系和相互作用共同推动实现经济高质量发展，深化了对新质生产力内涵及其发展机制的理解。
②从黄河流域新质生产力评价指标权重看，人工智能专利数量和市场技术投入在科学技术革命性突破方面具有重要权重，工业机器人渗透率和企业数字化转型在产业深度转型升级方面具有关键作用，数据要素化水平和创新人才要素在生产要素创新性配置方面具有重要地位。
③从新质生产力发展看，黄河流域各省份的新质生产力发展水平逐年上升，显示出过去一段时期内取得了显著进步，但各省份之间的发展仍存在较大差异。其中东部沿海和经济较发达的内陆省份的新质生产力水平明显高于西部和北部省份，反映出黄河流域内部新质生产力发展的不平衡性。
④从耦合协调度看，黄河流域各省份的新质生产力“三元引擎”耦合协调度普遍呈上升趋势，表明各省份在“三元引擎”的协同效应逐渐增强，共同推动黄河流域新质生产力的均衡发展；然而，耦合协调度的区域差异仍然明显，东部沿海省份和经济相对发达的内陆省份的耦合协调度普遍高于西部省份，反映出地理位置和经济基础对新质生产力“三元引擎”协同发展的影响。

4.2 讨论

新质生产力是推动中国经济高质量发展的重要驱动力。黄河流域作为中国重要的生态屏障和经济发展区域，在推动区域协调发展中至关重要，探讨黄河流域新质生产力的发展水平和协同机制，对政策制定和区域发展具有重要的理论与实践价值。本文立足习近平新质生产力理念和经济思想，以新质生产力“三元引擎”耦合协调的逻辑机理为依据，从科学技术革命性突破、产业深度转型升级和生产要素创新性配置3个维度构建了黄河流域新质生产力发展水平综合评价指标体系。研究结果表明，黄河流域新质生产力评价指标权重分析、发展水平评价以及“三元引擎”耦合协调发展分析均显示出明显的时空差异和趋势特征。
基于上述结论，为促进黄河流域新质生产力的高质量发展及其“三元引擎”的均衡发展，本文提出以下对策建议：①加大科技创新投入。各省份应加大对科技创新的支持力度，提高科技创新经费投入，特别是在人工智能等前沿技术领域；同时，鼓励企业加大研发投入，推动科技成果转化，提升整体科技创新能力。②推动产业结构优化升级。各省份应引导和推动传统产业向数字经济和高新技术产业转型，加强产业链的协同发展，提升整体产业竞争力；加大对数字经济、智能制造等新兴产业的扶持力度，培育新的经济增长点。③加强人才培养和引进。各省份应加大对人才培养和引进的投入，提高教育质量和水平，加强职业培训，提升人才的综合素质和创新能力；同时，吸引高层次人才回流，为黄河流域的科技创新和产业发展提供人才支持。④优化资源配置和区域协调发展。各省份应优化资源配置，加大对中上游省份的支持力度，提升其新质生产力水平；加强区域间的合作与协调，促进资源共享和互利共赢，实现黄河流域的全面发展。⑤加强生态环境保护和绿色发展。各省份应加大对生态环境保护的力度，推动绿色发展，提高资源利用效率，减少环境污染；同时，加强对生态环境的监测和管理，保障黄河流域的生态安全和可持续发展。
本文虽然全面评估了黄河流域新质生产力的发展水平和“三元引擎”的耦合协调度，但仍存在以下局限：①尽管本文选取了多个维度的指标，但可能仍有一些重要因素未被纳入考虑；②由于各省份的发展基础和条件不同，单纯的横向比较可能忽视了各地的独特发展路径。因此，未来研究可进行更细粒度的分析，如开展黄河流域城市尺度或产业集群层面的新质生产力相关研究；还可进一步考虑影响黄河流域新质生产力“三元引擎”耦合协调发展的驱动因素，更加细致化地探索“三元引擎”耦合协调度的驱动机制。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
周世露, 乔光辉. 习近平总书记关于新质生产力重要论述的整体逻辑[J]. 经济问题, 2024(7):11-19.

[2]
马芳芳, 王世鹏, 王芳, 等. 黄河流域城市旅游虚实耦合协调水平的空间差异[J]. 经济地理, 2024, 44(5):222-229.

DOI

[3]
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.

[4]
Zhang H J, Chen Y S, Qiu S Y, et al. Literature review and research prospect of digital inclusive finance and gig economy under the background of new quality productivity[J]. Financial Engineering and Risk Management, 2024, 7(2):167-177.

[5]
胡洪彬. 习近平总书记关于新质生产力重要论述的理论逻辑与实践进路[J]. 经济学家, 2023(12):16-25.

[6]
冯帆, 韦志文. 双循环新发展格局下我国新质生产力的培育:本土市场作用的逻辑[J]. 学海, 2024(3):132-142.

[7]
任保平. 以新质生产力赋能中国式现代化的重点与任务[J]. 经济问题, 2024(5):1-6.

[8]
朱锋, 凌邦皓. 中美战略竞争背景下中国新质生产力发展的战略路径[J]. 当代中国与世界, 2024(2):31-44.

[9]
高聪聪, 乔瑞金. 新质生产力发展的三重逻辑——理论逻辑、历史逻辑与实践逻辑[J]. 技术经济与管理研究, 2024(5):17-23.

[10]
王学军. 发展新质生产力的政府作用:内在逻辑与实践进路[J]. 行政论坛, 2024, 31(3):76-83.

[11]
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

[12]
王珏, 王荣基. 新质生产力:指标构建与时空演进[J]. 西安财经大学学报, 2024, 37(1):31-47.

[13]
李光勤, 李梦娇. 中国省域新质生产力水平评价、空间格局及其演化特征[J]. 经济地理, 2024, 44(8):116-125.

DOI

[14]
丁仕潮, 魏引娣, 张飞扬. 中国新质生产力:发展水平与动态演进特征[J]. 统计与决策, 2024, 40(10):5-11.

[15]
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.

[16]
蒋永穆, 乔张媛. 新质生产力发展评价指标体系构建[J]. 经济体制改革, 2024(3):5-15.

[17]
乔晓楠, 马飞越. 新质生产力发展的分析框架:理论机理、测度方法与经验证据[J]. 经济纵横, 2024(4):12-28.

[18]
杨秋菊, 王文福. 数字普惠金融、新质生产力与城乡共同富裕[J]. 中国流通经济, 2024, 38(6):115-126.

[19]
周雪琼. 新质生产力、颠覆性技术创新与碳福利绩效[J]. 工业技术经济, 2024, 43(6):40-48.

DOI

[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]
宋振江, 冷明妮, 周波, 等. 中国农业新质生产力:评价体系构建、动态演进及政策启示[J]. 农林经济管理学报, 2024, 23(4):425-434.

[22]
叶芳, 王国栋, 石媛媛, 等. 中国海洋新质生产力水平测度、区域差异及收敛性研究[J]. 海洋通报, 2024, 43(5):639-651.

[23]
曹清峰, 陈瑞雪, 马宁. 中国城市工业新质生产力测算与区域差异研究[J]. 岭南学刊, 2024(3):98-113.

[24]
韩叙, 柳潇明, 刘文婷, 等. 黄河流域绿色金融与经济高质量发展耦合协调时空特征及驱动因素[J]. 经济地理, 2023, 43(9):121-130.

DOI

[25]
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.

[26]
Xu Z H. Machine learning-Based quantitative structure-activity relationship and ADMET prediction models for ERα activity of anti-breast cancer drug candidates[J]. Wuhan University Journal of Natural Sciences, 2023, 28(3):257-270.

[27]
徐宗煌, 张伟, 蔡鸿宇, 等. 我国资源安全评估指标体系与模型构建研究[J]. 干旱区资源与环境, 2024, 38(5):1-9.

[28]
胡志丁, 林瑶. 地缘位势与双边关系的互动规律探讨——以中美在东盟十国地缘博弈为例[J]. 经济地理, 2023, 43(7):27-41.

DOI

[29]
徐宗煌, 蔡鸿宇, 张伟, 等. 我国科技安全风险评估指标体系与模型构建研究[J]. 情报科学, 2023, 41(12):165-173,182.

[30]
Xu Z H, Lin Y, Cai H Y, et al. Risk assessment and categorization of terrorist attacks based on the Global Terrorism Database from 1970 to 2020[J]. Humanities and Social Sciences Communications, 2024, 11(1):1-14.

[31]
邓宗兵, 肖沁霖, 王炬, 等. 中国数字经济与绿色发展耦合协调的时空特征及驱动机制[J]. 地理学报, 2024, 79(4):971-990.

DOI

[32]
Xu Z H. Coupling coordination development and driving factors of neenergy vehicles and ecological environment in China[J]. Wuhan University Journal of Natural Sciences, 2025, 30(1):79-90.

Options
文章导航

/

〈 〉