中国新质生产力水平时空格局及其影响因素

韩建雨; 胡登月; 李平星; 高新蕊

doi:10.15957/j.cnki.jjdl.2025.07.001

经济地理 >

2025 , Vol. 45 >Issue 7: 1 - 12

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.07.001

区域经济与理论方法

中国新质生产力水平时空格局及其影响因素

韩建雨 ^,¹ ,
胡登月 ² ,
李平星 ^,³^,^※ ,
高新蕊 ⁴

展开

1.安徽大学经济学院，中国安徽合肥 230601
2.安徽大学大数据与统计学院，中国安徽合肥 230601
3.河海大学地理与遥感学院，中国江苏南京 211100
4.中国科学院南京地理与湖泊研究所，中国江苏南京 211135

※李平星（1982—），男，博士，研究员，研究方向为区域可持续发展。E-mail:lpx1893@163.com

韩建雨（1982—），男，博士，副教授，研究方向为区域经济政策、产业经济发展。E-mail:hanjy403@163.com

收稿日期: 2024-07-07

修回日期: 2024-12-08

网络出版日期: 2025-08-28

基金资助

国家自然科学基金项目(42377488)

国家社会科学基金后期资助项目(24FJLB041)

安徽省哲学社会科学规划项目(AHSKY2022D066)

安徽省社会科学创新发展研究课题(2023CXZ004)

收起

Spatio-temporal Pattern and Influencing Factors of New Quality Productive Forces in China

HAN Jianyu ^,¹ ,
HU Dengyue ² ,
LI Pingxing ^,³^,^※ ,
GAO Xinrui ⁴

Expand

1. College of Economics，Anhui University，Hefei 230601，Anhui，China
2. College of Big Data and Statistics，Anhui University，Hefei 230601，Anhui，China
3. College of Geography and Remote Sensing，Hohai University，Nanjing 211100，Jiangsu，China
4. Nanjing Institute of Geography and Limnology，Chinese Academy of Sciences，Nanjing 211135，Jiangsu，China

Received date: 2024-07-07

Revised date: 2024-12-08

Online published: 2025-08-28

Fold

摘要

发展新质生产力是推动高质量发展的内在要求和重要着力点。文章从科技创新能力、产业转型升级和生产要素创新配置3个维度构建评价指标体系测度2011—2022年中国30个省份的新质生产力水平，运用莫兰指数、核密度估计、Markov链转移矩阵、Dagum基尼系数和收敛模型揭示新质生产力发展的时空演变格局、地区差异与收敛性特征，并进一步借助障碍度模型和地理探测器模型探讨新质生产力发展的影响因素。结果表明：①研究期内中国新质生产力水平随时间推移稳步上升，存在明显的“东高西低”递减式分布格局。②新质生产力发展水平存在正向空间关联性，邻接高水平地区对本地区新质生产力发展存在积极促进作用。③从区域差异看，新质生产力发展水平地区差距较大，区域间差异贡献率占首位、区域内差异次之，且全国及东、中、西三大地区均存在显著的绝对β收敛和条件β收敛特征。④从影响因素看，科技创新能力是培育、发展新质生产力的核心因素，对外开放、信息化、劳动力水平以及交通基础设施是导致全国及东、中、西三大地区新质生产力空间分异特征的主要驱动因子。

关键词： 新质生产力; 高质量发展; 科技创新能力; 对外开放; 区域差异

本文引用格式

韩建雨 , 胡登月 , 李平星 , 高新蕊 . 中国新质生产力水平时空格局及其影响因素[J]. 经济地理, 2025 , 45(7) : 1 -12 . DOI: 10.15957/j.cnki.jjdl.2025.07.001

Abstract

Developing new quality productive forces is an inherent requirement and an important focus for promoting high-quality development. This paper constructs an evaluation index system from three dimensions: technological innovation capability, industrial transformation and upgrading, and innovative allocation of production factors to measure the level of new quality productive forces in 30 provinces in China from 2011 to 2022. The Moran's I, kernel density estimation, Markov chain transition matrix, Dagum Gini coefficient, and convergence model are used to reveal the spatiotemporal evolution pattern, regional differences, and convergence characteristics of new quality productivity development. Furthermore, the obstacle degree model and geographic detector model are used to explore the influencing factors of new quality productivity development. The findings reveal that: 1) During the research period, the level of new quality productivity in China steadily increased over time, with a clear decreasing distribution pattern of "high in the east and low in the west". 2) The development level exhibits a positive spatial correlation, with high-level neighboring regions positively impacting their adjacent areas. 3) From the perspective of regional differences, there are large regional disparities in the development level of China's new quality productivity, with the contribution of inter-regional differences taking the first place, followed by intra-regional differences, and that there are significant absolute β-convergence and conditional β-convergence characteristics in the whole country as well as the three major regions of the eastern, central, and western regions. 4) From the perspective of influencing factors, scientific and technological innovation capacity is the core factor in cultivating and developing new quality productivity, openness, informatization, labor force level, and transportation infrastructure are the main driving factors that lead to the spatial differentiation characteristics of new quality productivity across the country as well as in the eastern, middle, and western regions.

Key words： new quality productive forces; high-quality development; scientific and technological innovation capability; opening-up; regional disparities

习近平总书记在新时代推动东北全面振兴座谈会上指出要“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”^[1]。新质生产力这一全新概念的提出，体现了中国以科技创新推动产业创新、以产业升级构筑新竞争优势、赢得发展主动权的信心和决心^[2]。实际上，人类社会发展就是先进生产力取代落后生产力、新生产力不断取代旧生产力的过程^[3-6]。当前，中国经济社会发展已迈入高质量阶段，过去依靠资源投入推动经济增长的方式已不再适用。因此，必须摆脱传统生产力的束缚，形成有助于实现高质量发展的“新质生产力”^[7]。在此背景下，分析中国新质生产力发展的时空格局和影响因素，有助于判断新质生产力发展的总体水平和区域差异，为加快培育新质生产力、增强发展新动能、推动实现中国式现代化目标提供科学决策参考。

“新质生产力”一经提出，相关研究便迅速成为学术界的热点话题，研究成果不断涌现。在理论层面，学者们围绕新质生产力的内涵特征、生成逻辑和实践路径展开探讨，整体深化和拓展了对“新质生产力”的认识。2024年1月中央政治局集体学习时，习近平总书记系统阐述了新质生产力的内涵特征，学者们在此基础上将新质生产力分为“新”“质”“生产力”3个维度进行细化阐释^[7-9]，并基于马克思主义生产力理论将新质生产力定义为：由“高素质”劳动者、“新介质”劳动资料、“新料质”劳动对象构成，以科技创新为内核，以战略性新兴产业和未来产业为阵地，以高质量发展为旨归的新型生产力^[10]。就生成逻辑而言，新质生产力概念不仅是对马克思主义生产力理论的传承与发展，更是对科技推动生产力发展的总结，以及对新时代经济转型的科学回答^[11]，加快形成新质生产力是顺应时代要求的历史必然性与现实必要性交织而成的时代强音。然而，关于新时代如何推动新质生产力加快发展，不同学者侧重点有所不同。冯永琦等剖析了数据要素赋能新质生产力的理论逻辑，指出数据要素可以直接赋能生产力升级，也可以通过与劳动者和生产资料结合进而促进新质生产力的形成和发展^[12]；而曾立等则主张以科技创新为起点和突破点多方布局加快形成新质生产力^[13]。此外，学者们还对新质生产力的实践价值开展了深入探讨。刘伟基于国内外形势发展变化系统阐明了发展新质生产力的历史紧迫性和客观必要性^[14]；张林从更深层次对中国式现代化加以剖析，强调发展新质生产力就是在为中国式现代化提供源源不断的动力^[15]；周密等则进一步实证剖析新质生产力导向下数字产业对现代化产业体系的多维赋能作用，清晰刻画了数字产业作为关键新质生产力在现代化产业体系中的地位作用^[16]。综上，现有文献已从多角度对新质生产力的理论内涵、实现路径等进行了深入剖析和阐释，为本文提供了思路借鉴和逻辑起点。

在实证层面，与定性研究的蓬勃发展相比，新质生产力的定量研究仍显不足。王珏根据马克思主义经济学理论，从劳动者、劳动对象和生产资料三大维度构建评价指标体系对新质生产力进行测度^[17]；卢江等从“新质”出发，围绕科技生产力、绿色生产力和数字生产力3个维度甄选18个指标构建指标体系，综合评价全国30个省份新质生产力水平^[18]；韩文龙将新质生产力的构成要素划分为实体性要素和渗透性要素两大类进行测算^[19]；董庆前围绕劳动者、劳动资料、劳动对象和优化组合跃升4个维度，运用熵权TOPSIS法综合评价全国及四大区域新质生产力发展水平^[20]。基于对新质生产力内涵的不同理解，学者们构建的新质生产力指标体系各有不同，也从不同维度考察了新质生产力发展情况，但整体看未能充分体现科技创新及产业升级对新质生产力的核心驱动作用。鉴于此，本文在梳理新质生产力理论内涵与本质特征基础上，主要遵循中央对于新质生产力的界定，从科技创新能力、产业转型升级、生产要素创新配置3个维度构建新质生产力评价指标体系，尝试对中国整体和省级层面的新质生产力水平进行测度，并从时间、空间双重维度分析其演变趋势，从区域差异视角评价新质生产力发展状态，继而研判阻碍新质生产力发展的影响因子。

相较于已有研究，本文基于理论内涵的分析，从科技创新能力、产业转型升级、生产要素创新配置3个维度出发，构建新质生产力水平评价指标体系，运用熵值法测度2011—2022年中国新质生产力水平，运用Kernel密度估计等方法刻画新质生产力水平的时空演变特征、区域差异和驱动因子，为地区新质生产力水平提升提供决策参考。

1 新质生产力的理论内涵和测度体系

1.1 新质生产力的理论内涵

从习近平总书记首次提出“新质生产力”，到“新质生产力”被正式写入中央文件，再到对发展新质生产力作出新部署、提出新要求，“新质生产力”从一个较为“抽象”的概念逐渐具象化。习近平总书记指出新质生产力是“由技术革命性突破、生产要素创新性配置、产业深度转型升级而催生，以劳动者、劳动资料、劳动对象及其优化组合的跃升为基本内涵，以全要素生产率大幅提升为核心标志，特点是创新，关键在质优，本质是先进生产力”，这一系列重要论述为全面理解新质生产力内涵提供了重要指引。①科技创新是推动生产力水平发展的核心动力，新质生产力的提出进一步凸显了生产力跃升对科技创新能力的要求^[21]。②产业是生产力发展的重要载体，发展新质生产力重点在于以科技创新推动产业创新^[22]。③生产力质变的本质在于通过要素及其组合变化引起生产方式发生根本改变，加快生产要素创新配置，推动生产要素重新组合和持续优化，有效释放创新要素配置潜能、提高资源配置效率，从而促进全要素生产率提升、形成新质生产力。因此，本文构建了科技创新能力、产业转型升级、生产要素创新配置3个维度的新质生产力分析框架。

1.2 指标体系构建

基于对新质生产力理论内涵的理解，本文从科技创新能力、产业转型升级和生产要素创新配置3个维度构建包含31个指标的新质生产力水平评价指标体系（表1）。科技创新能力评价参考国家统计局中国创新指数的编制标准^[23]，从创新投入、创新产出、创新成效、创新环境4个方面进行测度；产业转型升级为催生新质生产力提供了重要载体和平台，发展新质生产力必须将传统产业与新产业放在同等重要位置，选用新产业规模量化新产业发展情况，选取产业结构高级化指数测度传统产业转型升级，以产业结构合理化指数反映三次产业间协调程度；生产要素创新配置主要体现为新型生产要素向生产活动深度渗透，并对传统生产要素和组合方式实现优化革新，新时代劳动者、劳动工具、劳动对象等生产力基础要素均发生了质的变化，技术、人才和数据等资源成为新质生产力的关键要素，同时考虑到新质生产力的绿色低碳内涵，选择新型人才支撑、绿色低碳技术、数据生产要素衡量生产要素配置效率。

表1 区域新质生产力综合评价指标体系及说明

Tab.1 Comprehensive evaluation indicator system and descriptions for new quality productive forces

一级指标	二级指标	三级指标	指标代码	指标性质
科技创新能力	创新投入	R&D经费支出占GDP的比重（%）	$X 1$	+
		新产品开发经费支出（万元）	$X 2$	+
		高技术产业技术改造经费支出占技术改造经费支出比重（%）	$X 3$	+
		科技支出占GDP比重（%）	$X 4$	+
	创新产出	万人专利申请数（项/万人）	$X 5$	+
		高校科技论文数（篇）	$X 6$	+
		技术市场成交额（亿元）	$X 7$	+
	创新成效	新产品销售收入（万元）	$X 8$	+
		全员劳动生产率（元/人）	$X 9$	+
		新产品出口收入占货物出口额比重（%）	$X 10$	+
	创新环境	高校R&D课题数（项）	$X 11$	+
		企业R&D项目数（项）	$X 12$	+
		科普图书数量（万册）	$X 13$	+
		科技馆数量（个）	$X 14$	+
产业转型升级	新产业规模	高技术企业工业总产值占GDP比重（%）	$X 15$	+
		信息传输、软件和信息技术服务业就业人数占比（%）	$X 16$	+
		人工智能企业数（个）	$X 17$	+
	产业结构高级化	二、三产业增加值占GDP比重（%）	$X 18$	+
		金融业增加值占GDP比重（%）	$X 19$	+
		产业结构高级化指数	$X 20$	+
	产业结构合理化	产业结构合理化指数	$X 21$	-
	产业结构合理化	第二产业增加值与从业人数比（元/人）	$X 22$	+
生产要素创新配置	新型人才支撑	教育支出占GDP比重（%）	$X 23$	+
		每百人图书馆藏书量（册/百人）	$X 24$	+
		6岁以上人口平均受教育年限（年）	$X 25$	+
		规上工业企业R&D人员折合全时当量（人年）	$X 26$	+
	绿色低碳技术	单位GDP电耗(kW·h/万元)	$X 27$	-
		城镇污水处理率（%）	$X 28$	+
		节能环保支出占GDP比重(%)	$X 29$	+
	数据生产要素	互联网宽带接入端口数（万个）	$X 30$	+
	数据生产要素	长途光缆线路长度（km）	$X 31$	+

本文选取中国除西藏和港澳台以外的30个省、自治区、直辖市（以下简称“省份”）作为研究对象，考虑数据即时性与可得性，将研究时间确定为2011—2022年。样本数据主要来源于国家统计局官网和《中国统计年鉴》《中国科技统计年鉴》及各省份统计年鉴，部分缺失值采用线性插值法补齐。

1.3 测度方法

鉴于主成分分析法、AHP法等主观赋权法可能受到主观因素影响而产生偏误^[24]，不能很好反映新质生产力发展水平，为了有效消除主观因素干扰^[25]，保证结果准确性和客观性，本文采用熵值法对各指标进行权重分配，并通过加权求和计算综合指标得分。考虑到各指标量纲与数量级均存在显著差异，借鉴郭芸等的做法^[26]，对正、负向指标进行标准化处理。

2 新质生产力水平的动态演进分析

2.1 综合水平分析

由图1可知，2011年以来中国新质生产力水平整体处于上升趋势，发展态势良好。其中，东部地区新质生产力水平较高，中部地区次之，西部地区相对较低，且各省份间存在明显层次差异。位居全国新质生产力水平第一方阵的省份包括广东、北京、江苏、浙江、上海，与中国新经济新动能、现代化产业体系水平最高的5个省份基本一致^[27-28]，2020—2022年均值分别为0.53、0.45、0.41、0.35、0.32。西部的新疆、云南、青海等省份新质生产力水平排名较为靠后，与东部发达省份存在较大差距。从增长速度看，广东、四川、安徽、河北和江西等省份增长速度较快，年均增长率保持在11%以上，新质生产力水平较初始年份有了大幅提升。其中，广东新质生产力水平较高且增长动力强劲，近3年均值位居全国首位，年均增长率为12.38%，仅次于江西，表现出绝对竞争优势；河北、江西等省份新质生产力绝对水平较低，分别为0.14、0.16，但其增长率高达11.11%、14.28%，发展潜力较大。

显示原图|下载原图ZIP|生成PPT

图1 2011—2022年中国30个省份的新质生产力水平变化

Fig.1 Changes in the level of new quality productive forces in 30 provinces in China from 2011 to 2022

2.2 分维度结果分析

2.2.1 各省份新质生产力子维度分析

由表2可知，2011—2022年中国科技创新能力、产业转型升级和生产要素创新配置水平均呈递增趋势且存在显著省际差异。具体而言，科技创新能力排名前五的省份（北京、广东、江苏、浙江、上海）与新质生产力综合水平排名一致，而青海、新疆等西部省份则更显落后。产业转型升级维度，北京以均值0.108分与其他省份拉开明显差距，中西部大多数省份则表现欠佳，说明中西部地区产业发展仍存在“传统产业升级难”和“新兴产业生根艰”等问题，产业转型迟缓等深层次矛盾亟待破解。从生产要素创新配置排名看，广东、江苏、浙江等经济大省表现突出，得分分别为0.073、0.065、0.056，位列前三，全国经济“顶梁柱”和“压舱石”作用非常明显，这深刻表明了要素创新配置对加速发展新质生产力的重要催生作用。总体看，广东、上海、江苏、浙江等省份各维度得分均较高且排名较为均衡，其余省份各维度发展则各有侧重。各省份要加快发展新质生产力，应坚持“三轮”驱动，统筹推进科技创新、产业升级和生产要素创新配置。

表2 中国30个省份新质生产力发展各维度指数均值及增长率

Tab.2 Averages and growth rates of sub-dimension indicators of new quality productive forces of 30 provincial regions in China

区域	省份	科技创新能力			产业转型升级			生产要素创新配置
区域	省份	均值	排名	年均增长率（%）	均值	排名	年均增长率（%）	均值	排名	年均增长率（%）
东部地区	北京	0.226	1	6.97	0.108	1	6.81	0.035	8	3.40
	天津	0.089	8	3.67	0.036	4	7.94	0.031	14	3.00
	河北	0.046	18	15.32	0.016	23	11.40	0.034	9	7.67
	辽宁	0.058	15	4.27	0.022	12	11.37	0.030	18	3.55
	上海	0.138	5	6.00	0.059	2	10.64	0.048	4	2.62
	江苏	0.184	3	8.84	0.034	5	14.80	0.065	2	7.34
	浙江	0.153	4	9.95	0.033	6	12.41	0.056	3	8.54
	福建	0.076	11	11.95	0.026	7	13.93	0.031	16	8.02
	山东	0.113	6	11.13	0.026	8	17.42	0.046	5	7.23
	广东	0.221	2	12.04	0.045	3	18.38	0.073	1	7.66
	海南	0.036	21	3.79	0.024	11	13.72	0.022	30	1.67
中部地区	山西	0.028	24	9.80	0.018	21	9.07	0.028	22	4.25
	吉林	0.038	20	4.30	0.021	14	7.56	0.030	20	2.47
	黑龙江	0.039	19	6.30	0.016	25	10.21	0.032	12	3.61
	安徽	0.082	9	14.66	0.018	19	14.20	0.030	17	7.89
	江西	0.058	16	16.98	0.016	28	14.32	0.028	24	6.88
	河南	0.067	14	12.37	0.016	26	15.10	0.034	10	6.85
	湖北	0.099	7	9.01	0.022	13	14.03	0.030	19	6.62
	湖南	0.068	13	13.38	0.017	22	12.05	0.031	15	7.22
	内蒙古	0.027	27	9.98	0.019	17	11.43	0.031	13	2.09
西部地区	广西	0.027	26	10.49	0.016	27	10.87	0.028	26	5.18
	重庆	0.053	17	11.95	0.024	10	8.83	0.024	29	5.15
	四川	0.074	12	11.36	0.020	15	16.39	0.037	7	7.18
	贵州	0.033	22	10.35	0.014	30	6.51	0.028	23	1.77
	云南	0.024	28	11.02	0.015	29	7.59	0.027	28	3.43
	陕西	0.076	10	10.56	0.026	9	14.71	0.028	25	4.45
	甘肃	0.027	25	6.72	0.016	24	9.71	0.032	11	2.63
	青海	0.016	30	19.54	0.018	18	6.82	0.040	6	-0.19
	宁夏	0.028	23	9.62	0.018	20	6.50	0.027	27	0.99
	新疆	0.021	29	5.32	0.019	16	10.76	0.030	21	2.73

2.2.2 三大区域新质生产力子维度分析

由图2可知，中国东部、中部和西部地区三大区域新质生产力及子维度得分均保持上升趋势。其中，东部地区新质生产力、科技创新能力、产业转型升级、生产要素创新配置水平均持续领先，整体发展空间分布和增速合理；中西部地区虽发展态势向好，但相比东部尚存在较大差距，仍然处于追赶状态。从科技创新能力看，三大区域中东部地区表现最好，均值为0.117；其次是中部地区，均值为0.057；西部地区排在末位，均值为0.035。产业转型升级维度，全国及东、中、西三大地区增速明显提升，东部地区始终保持全国领先，中部与西部地区产业转型升级水平基本持平，均值相差不足0.001。生产要素创新配置方面，2011年西部地区新质生产力水平为0.024，高于同年中部地区的0.021，此后一直略领先于中部地区，但2017年以后增速明显放缓，且被中部地区以0.032的得分超过；中部地区发展势头强劲，发展潜力巨大。

显示原图|下载原图ZIP|生成PPT

图2 中国东中西三大地区新质生产力水平及其子维度变化趋势

Fig.2 Trends of the level and sub-dimension indicators of new quality productive forces in eastern， central and western China

2.3 新质生产力水平等级评价

参考华汉阳等的做法^[29]，使用自然间断点分级法（Jenks）设定等级标准，将2022年新质生产力水平测算结果划分为低水平[0.092521,0.121816）、中低水平[0.121816,0.184813）、中高水平[0.184813,0.240472）和高水平[0.240472,0.568439]4种类型（图3）。结果表明，不同省份的新质生产力水平呈现“东高西低”阶梯状分布。其中，新质生产力达到高水平的省份有6个，分别是北京、广东、上海、江苏、浙江和山东，这些省份多集中于东部沿海地区；新质生产力中高水平省份有7个，中低和低水平的省份有17个，占样本观测地区的比重超过50%，说明多数省份的新质生产力发展还有较大空间。在低水平省份中，除海南属于东部地区外，其余省份均属中西部地区，新质生产力发展仍较为落后，新阶段需蓄势聚力，充分发挥后发优势，变“发展落差”为“发展空间”，加快培育新质生产力。

显示原图|下载原图ZIP|生成PPT

图3 2022年中国30个省份新质生产力水平的空间分布

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）2767号的标准地图制作，底图边界无修改。

Fig.3 Spatial distribution of the new quality productive forces of 30 provinces in China in 2022

2.4 基于核密度估计的分布演变趋势

本文采用Kernel密度估计法揭示不同时期新质生产力水平的分布特征及演变趋势（图4）。结果表明，样本期内全国新质生产力核密度曲线主峰位置持续向右移动，呈现出明显的“低侧高峰”和右拖尾特征，波峰高度下降且宽度变宽。前期核密度曲线表现出“双峰”甚至“多峰”形态，但侧峰明显低于主峰，后期由多波峰逐渐变化为单波峰，表明中国新质生产力水平总体上升，北京、广东等省份水平较高；但多数省份新质生产力仍处于较低水平，且随着时间推移，全国新质生产力水平的绝对差异呈现扩大趋势，极化现象呈逐年减弱态势。分区域看，考察期内东、中部两大区域新质生产力水平总体均呈上升趋势，但西部地区新质生产力水平略有下降。东、中部地区新质生产力水平的分布曲线主峰位置右移，波峰高度下降、宽度变宽，说明东、中部地区新质生产力总体水平提高，但内部绝对差距逐渐增大。西部地区分布曲线主峰位置波动向左移动，呈现“由右向左，再向右再向左”的演进趋势，主峰高度升高、宽度变宽，且存在多个侧峰，表明西部地区新质生产力总体水平小幅下降，内部差距扩大且存在局部极化现象。

显示原图|下载原图ZIP|生成PPT

图4 全国及东中西三大地区新质生产力水平的分布特征

Fig.4 Spatial distribution of new quality productive forces across China and its eastern，central，and western

2.5 基于Moran's I的空间相关性分析

2.5.1 全局空间相关性分析

本文采用经济地理嵌套矩阵整体探索2011—2022年中国30个省份新质生产力水平的区域空间关联程度（表3）。结果显示，研究期内Moran's I在0.135~0.187之间波动，估计值均为正，且在1%水平上显著，表明中国新质生产力水平整体存在正的空间相关性。

表3 2011—2022年中国新质生产力水平全局莫兰指数

Tab.3 Global Moran's I of new quality productive forces from 2011 to 2022 in China

年份	2011	2012	2013	2014	2015	2016	2017	2018	2019	2020	2021	2022
Moran's I	0.184	0.186	0.164	0.160	0.149	0.187	0.144	0.143	0.138	0.139	0.135	0.136

2.5.2 局部空间相关性分析

由散点图（图略）可知，2011年中国新质生产力水平以“低—低”集聚特征为主。第一和第三象限的省份数量24个，占所有样本的80%，表明新质生产力水平具有显著的空间正相关性，水平高的省份往往集聚在一起，而水平低的省份一般其周边省份水平也较低。其中，位于第一象限的有上海、浙江、江苏、北京、天津5个省份，位于第二象限的有福建、内蒙古、重庆3个省份，位于第三象限的有安徽、四川等19个省份，位于第四象限的有山东、广东、湖北3个省份。到2022年，绝大多数省份并未脱离其原始范畴，且多处于低—低集聚状态长期未变动，这一方面表明中国新质生产力水平发展存在较为稳定的空间集聚特征，另一方面则说明多数省份新质生产力水平不高，仍存在较大发展空间。因此，需对长期处于低—低集聚状态的城市提供更多政策支持，尽可能缩小地区之间新质生产力水平差距，从而推动形成更加均衡的全域新质生产力发展格局。

2.6 基于Markov链分析的状态演变趋势

2.6.1 传统Markov链分析

本文采用四分位法将所有地区的新质生产力水平按大小平均分为低、中低、中高和高4个等级，并计算得到概率转移矩阵。结果显示，中国30个省份新质生产力水平均值表现出向较高水平转移的趋势。在转移概率矩阵中，对角线上概率值远大于非对角线上概率值，维持在[99%]区间，表明新质生产力水平具有稳态性，存在“俱乐部趋同”现象。进一步分析发现，非对角线上转移概率也并非全为零，说明各省份新质生产力水平在一定程度上会向相邻状态转移，一些省份向上跃迁，也有个别省份存在滑落风险，但向下跨级跌落现象并未发生，表明新质生产力发展是一个渐进式过程，其对前期基础的路径依赖程度较高。

2.6.2 空间Markov链分析

本文建立空间Markov转移概率矩阵，进一步分析邻近地区新质生产力水平对本地区产生的空间影响效应。结果表明，空间滞后邻近地区水平较高时，不同等级新质生产力水平地区向上转移的概率也会相应增大，说明随着周围地区水平提高，本地区新质生产力水平向上转移概率将会提升，呈现出显著的空间自相关特征。具体而言，当空间滞后为低水平地区时，高水平地区基本不发生转移，低、中低水平地区向上转移概率分别为14%和37%，高水平地区向下转移概率为50%。而当空间滞后为高水平地区时，低水平地区实现了跨越式增长，相较于邻接低水平地区，中低、中高水平地区向上转移的概率显著增大，说明新质生产力高水平地区具有辐射带动作用，可以推动周边地区新质生产力发展。当邻近地区为低、中低、中高水平地区时，本地区均存在向下转移的概率，这与传统Markov链结果一致。

3 新质生产力水平的区域差异

3.1 基于Dagum基尼系数的区域差异分析

本文基于Dagum分解法测量新质生产力水平总体基尼系数、各地区基尼系数、地区间基尼系数及地区差异来源和贡献率（表4），其中超变密度表示地区间差异和地区内差异的交叠效应。

表4 2011—2022年中国新质生产力水平Dagum基尼系数及其分解结果

Tab.4 Dagum Gini Coefficient of new quality productive forces from 2011 to 2022 in China

年份	组内基尼系数				组间基尼系数			差异来源及贡献率
	总体	东部	中部	西部	东部—中部	东部—西部	中部—西部	组内		组间		超变密度
	总体	东部	中部	西部	东部—中部	东部—西部	中部—西部	基尼系数 Gw	贡献率（%）	基尼系数 Gb	贡献率（%）	基尼系数 Gt	贡献率（%）
2011	0.276	0.252	0.111	0.078	0.360	0.398	0.112	0.064	23.23	0.198	71.62	0.014	5.15
2012	0.272	0.238	0.091	0.079	0.350	0.405	0.106	0.061	22.32	0.203	74.56	0.008	3.12
2013	0.285	0.271	0.092	0.100	0.345	0.412	0.136	0.069	24.16	0.199	69.99	0.017	5.85
2014	0.283	0.254	0.124	0.123	0.335	0.405	0.157	0.069	24.33	0.194	68.74	0.02	6.94
2015	0.278	0.271	0.111	0.118	0.333	0.390	0.143	0.071	25.44	0.186	66.95	0.021	7.60
2016	0.281	0.252	0.122	0.110	0.335	0.406	0.152	0.067	23.90	0.195	69.51	0.019	6.59
2017	0.285	0.270	0.109	0.135	0.329	0.404	0.162	0.072	25.21	0.191	66.86	0.023	7.93
2018	0.295	0.262	0.134	0.140	0.340	0.419	0.171	0.073	24.73	0.204	69.22	0.018	6.05
2019	0.310	0.285	0.122	0.161	0.348	0.436	0.188	0.079	25.46	0.208	67.13	0.023	7.42
2020	0.312	0.279	0.128	0.167	0.342	0.443	0.204	0.078	25.06	0.21	67.38	0.024	7.56
2021	0.323	0.280	0.155	0.175	0.353	0.455	0.221	0.081	25.00	0.215	66.66	0.027	8.35
2022	0.316	0.262	0.173	0.164	0.343	0.449	0.226	0.077	24.43	0.213	67.44	0.026	8.13

就总体差异而言，2011—2022年中国新质生产力总体基尼系数呈波动上升趋势，其中2021年达到最大值（0.323），表明不同省份新质生产力发展水平不均衡程度整体略有加深。分区域看，东部地区组内基尼系数均值为0.260，位居三大区域之首，是形成总体区域内差距的重要来源，但增幅观察期末仅较初期上升0.010，远小于中部、西部地区，说明东部地区新质生产力区域内差异虽较大，但增幅仍在可控范围内，这可能是东部地区高度重视并贯彻区域协调发展战略的结果；中部地区基尼系数变化波动较大，且自2020年增幅明显上升，在2022年达到考察期内最高0.173，较初期增加0.062，说明近年来中部地区新质生产力区域内差异呈显著扩大趋势；西部地区新质生产力基尼系数增幅最大，从2011年的0.078上升到2022年的0.164，增幅达110%，说明西部地区新质生产力发展不均衡程度趋于恶化。考察期内东部、中部和西部地区三大区域新质生产力基尼系数存在不同程度波动，但均未超过全国整体基尼系数，说明三大区域内部差异程度低于全国水平。

从区域间基尼系数来看，研究期内东中、中西地区间差异在波动中持续扩大，东西地区间差异表现出小幅下降态势。地区间基尼系数大小排序依次为“东西>东中>中西”，东西、东中和中西地区间基尼系数的平均值分别为0.419、0.343和0.165。其中，东西部之间差异最为明显，且东中、东西基尼系数均高于全国基尼系数，这与前文分析基本一致，表明中国新质生产力总体差异主要源自区域间差异。同时，研究期间区域间差异呈上升趋势，说明新质生产力地区间发展差距持续扩大，区域不协调问题愈发突出。

从差异来源及贡献率来看，区域间差异贡献率处于波动变化状态，总体表现为下降趋势；区域内差异贡献率变化较为平缓，呈小幅上升趋势。从差异贡献程度看，区域间差异贡献率最大，在66.66%~74.56%范围内浮动，说明地区间新质生产力发展差异在中国新质生产力水平总体差异中的贡献率最高；区域内差异贡献率变动区间为22.32%~25.44%，区域间超变密度贡献率则在3.12%~8.35%之间浮动。这表明，要解决新质生产力水平总体差异问题，必须以缩小区域间差异为“重中之重”，加快形成各省份均衡、协调的新质生产力布局。

3.2 新质生产力收敛特征分析

本文采用σ收敛和β收敛模型^[30]探讨中国新质生产力发展的收敛性特征。

3.2.1 σ收敛模型分析

由图5可知，2011年以来全国层面的变异系数略有上升，总体处于“下降—上升—下降”循环往复的变化状态，说明随着时间推移新质生产力发展不平衡问题并未得到有效缓解。从区域层面看，东部、中部和西部地区变异系数变化趋势表现各异。其中，东部地区变异系数最高，其演变趋势与全国基本一致，呈现波动中小幅上升趋势；中部地区变异系数略有升高，2016年之后趋于稳定上升；西部地区变异系数远小于东部和中部地区，但总体上升增幅较大，考虑到其新质生产力水平较低，西部地区今后在加快新质生产力发展过程中应注意统筹协调，构建更加均衡的新质生产力发展格局。

显示原图|下载原图ZIP|生成PPT

图5 全国及东中西三大地区新质生产力水平的σ收敛

Fig.5 σ-Convergence in new quality productive forces of China and different regions

3.2.2 β收敛模型分析

表5中列（1）（3）（5）（7）报告了基于双向SDM模型的全国整体及东中西三大地区新质生产力水平绝对β收敛估计结果。考察期内全国及东、中、西三大地区的β系数均小于0，且在1%水平上显著，这表明全国整体和东中西三大地区新质生产力水平均存在绝对β收敛现象，在不考虑其他因素影响的情形下，各省份新质生产力水平变化将随着时间推移最终收敛至同一稳态水平。进一步比较各区域的收敛速度θ可知，中部地区收敛速度最快，其次是东部地区，最后是西部地区，其收敛速度分别为0.04、0.029、0.025。

表5 全国及东中西三大地区新质生产力水平绝对β收敛和条件β收敛检验结果

Tab.5 Absolute β-Convergence and conditional β-Convergence test results of new quality productive forces of China and its eastern，central，western

变量	全国		东部地区		中部地区		西部地区
变量	（1）	（2）	（3）	（4）	（5）	（6）	（7）	（8）
β	-0.3111^***	-0.3388^***	-0.2713^***	-0.3562^***	-0.3536^***	-0.7092^***	-0.23812^***	-0.4176^***
ρ	0.0523	0.0423	0.0280	0.0123	0.0710	0.0040	-0.6133^***	-0.6862^***
λ	0.0041^***	0.0039^***	0.0052^***	0.0048^***	0.0033^***	0.0024^***	0.0021^***	0.0017^*

注：***、*分别表示在0.1%、5%的水平上显著，为节省版面标准误不显示。

考虑到新质生产力收敛特征还会受到其他因素影响，进一步对新质生产力条件β收敛结果进行分析（表5）。全国和三大地区收敛系数β均显示为负，且在1%水平显著，说明全国及三大地区均存在条件β收敛，这意味着在考虑经济发展水平、社会保障、基础设施建设、财政自给率、人口密度等因素情况下，全国各省份和东中西三大地区内各省份的新质生产力水平都是朝着各自稳态水平变化发展，这与绝对β收敛估计结果一致。具体来看，全国和东部、中部、西部三大地区收敛速度分别为0.038、0.04、0.112、0.049，其中中部地区收敛速度远高于全国及东西部地区，约为全国平均水平的3倍。

4 新质生产力发展的影响因素

4.1 新质生产力发展的障碍因素

参考张旺等的做法^[31]，本文引入障碍度模型计算得到2022年中国30个省份新质生产力发展的障碍度，并根据障碍度大小对障碍因子进行排序，将各地区排名前5的障碍因子称为主要障碍因子（表6）。结果显示，在2022年各省份主要障碍因子中，科技创新能力和产业转型升级维度指标出现频率明显较高，新产品开发经费支出（X₂）、信息传输、软件和信息技术服务业就业人数占比（X₁₆）作为障碍因子覆盖了96.67%以上的样本省份，反映了各地区在发展新质生产力过程中遇到的普遍性问题。此外，人工智能企业数（X₁₇）、企业R&D项目数（X₁₂）、技术市场成交额（X₇）对各省份新质生产力影响也比较大，覆盖率分别高达93.33%、90.00%、90.00%。以上5个因子出现的频次均较高，是未来发展新质生产力时需要重点关注的变量。

表6 新质生产力指标层主要障碍因子

Tab.6 Main impediments of key sub-indicator constraints on new quality productive forces

区域	省份	主要障碍因子（因子值）
东部地区	北京	X₂（0.1582）	X₁₄（0.1184）	X₁₇（0.1136）	X₂₆（0.1078）	X₈（0.1060）
	天津	X₂（0.1011）	X₁₂（0.1004）	X₁₆（0.0862）	X₁₇（0.0818）	X₇（0.0750）
	河北	X₂（0.1093）	X₁₆（0.1018）	X₁₇（0.0964）	X₇（0.0886）	X₁₄（0.0634）
	辽宁	X₁₂（0.1090）	X₂（0.0962）	X₁₆（0.0865）	X₇（0.0786）	X₁₇（0.0769）
	上海	X₂（0.1214）	X₁₇（0.0868）	X₁₄（0.0827）	X₂₆（0.0752）	X₁₆（0.0718）
	江苏	X₁₂（0.1697）	X₁₆（0.1374）	X₂（0.0908）	X₇（0.0896）	X₁₇（0.0624）
	浙江	X₁₂（0.1574）	X₁₆（0.1230）	X₂（0.1079）	X₇（0.0909）	X₁₇（0.0677）
	福建	X₁₆（0.0996）	X₁₂（0.0985）	X₂（0.0982）	X₇（0.0976）	X₁₇（0.0655）
	山东	X₁₂（0.1443）	X₁₆（0.1191）	X₂（0.1152）	X₇（0.0707）	X₁₇（0.0518）
	广东	X₁₂（0.2257）	X₁₆（0.1736）	X₇（0.0965）	X₂₉（0.0532）	X₂₄（0.0508）
	海南	X₁₂（0.1050）	X₂（0.0958）	X₇（0.0865）	X₁₆（0.0858）	X₁₄（0.0651）
中部地区	山西	X₁₂（0.1053）	X₂（0.0947）	X₁₆（0.0868）	X₇（0.0845）	X₁₇（0.0771）
	吉林	X₂（0.0955）	X₁₂（0.0936）	X₇（0.0867）	X₁₆（0.0866）	X₁₇（0.0826）
	黑龙江	X₁₂（0.1042）	X₂（0.0952）	X₁₆（0.0858）	X₁₇（0.0829）	X₇（0.0816）
	安徽	X₁₂（0.1243）	X₁₆（0.1033）	X₂（0.1031）	X₇（0.0796）	X₁₇（0.0659）
	江西	X₂（0.0987）	X₁₆（0.0974）	X₇（0.0873）	X₁₂（0.0832）	X₁₇（0.0829）
	河南	X₁₂（0.1157）	X₂（0.1007）	X₁₆（0.0949）	X₇（0.0829）	X₁₇（0.0768）
	湖北	X₁₂（0.1104）	X₁₆（0.1004）	X₂（0.0995）	X₁₇（0.0816）	X₇（0.0635）
	湖南	X₁₂（0.1136）	X₂（0.0998）	X₁₆（0.0980）	X₁₇（0.0823）	X₇（0.0660）
西部地区	内蒙古	X₁₂（0.1065）	X₂（0.0961）	X₁₆（0.0872）	X₇（0.0868）	X₁₇（0.0834）
	广西	X₁₂（0.1045）	X₂（0.0944）	X₁₆（0.0873）	X₇（0.0834）	X₁₇（0.0758）
	重庆	X₂（0.0980）	X₁₆（0.0924）	X₁₂（0.0914）	X₇（0.0860）	X₁₇（0.0767）
	四川	X₁₂（0.1130）	X₂（0.0972）	X₁₆（0.0948）	X₇（0.0769）	X₁₇（0.0738）
	贵州	X₂（0.0933）	X₁₂（0.0933）	X₁₆（0.0869）	X₇（0.0814）	X₁₇（0.0797）
	云南	X₁₂（0.0996）	X₂（0.0925）	X₁₆（0.0862）	X₇（0.0821）	X₁₇（0.0788）
	陕西	X₁₂（0.1178）	X₂（0.1013）	X₁₆（0.0935）	X₁₇（0.0704）	X₁₄（0.0688）
	甘肃	X₁₂（0.1044）	X₂（0.0943）	X₁₆（0.0867）	X₇（0.0820）	X₁₇（0.0818）
	青海	X₁₂（0.1056）	X₂（0.0957）	X₁₆（0.0864）	X₇（0.0863）	X₁₇（0.0852）
	宁夏	X₁₂（0.1040）	X₂（0.0936）	X₁₆（0.0858）	X₇（0.0847）	X₁₇（0.0827）
	新疆	X₁₂（0.0995）	X₂（0.0950）	X₁₆（0.0859）	X₇（0.0854）	X₁₇（0.0806）

注：表中X₁~X₃₁指标名称和含义见表1。

4.2 新质生产力区域协调发展的制约因素

本文选取交通基础设施、劳动力水平、经济发展、对外开放、城镇化和信息化等影响因素，使用ArcGIS自然断点法对影响因子进行分类，采用地理探测器的因子探测方法对中国新质生产力水平空间分异的驱动因素进行考察（表7）。在全国层面，对外开放因素q统计量数值最大，为0.6726，且p<0.01，交通基础设施、信息化和经济发展的q值也均大于0.5，说明对外开放是影响全国新质生产力水平差异的主导因素，交通基础设施、信息化和劳动力等因素对新质生产力发展差异也存在较大影响。分区域看，各驱动因子对东中西三大地区新质生产力水平空间分异的影响程度存在显著差异，进一步比较q值大小可知，东部、中部和西部地区新质生产力空间分异的核心驱动因子分别是信息化、劳动力水平和交通基础设施，q值分别为0.7487、0.9668、0.8887。这表明信息化水平、劳动力水平以及交通基础设施水平分别是导致东部、中部和西部地区新质生产力发展差距的主要因素。

表7 地理探测器因子探测结果

Tab.7 Geodetector factor detection results

地区	影响力/显著性水平	交通基础设施	劳动力水平	经济发展	对外开放	城镇化	信息化
整体	q统计量	0.5334	0.3267	0.5178	0.6726	0.4230	0.5278
整体	p值	0.0134	0.1274	0.0778	0.0054	0.0742	0.0311
东部地区	q统计量	0.3390	0.7225	0.7425	0.5262	0.5251	0.7487
东部地区	p值	0.6631	0.1563	0.3953	0.4252	0.5138	0.1840
中部地区	q统计量	0.5734	0.9668	0.5558	0.2519	0.4606	0.4437
中部地区	p值	0.8805	0.0345	0.8883	0.9205	0.8704	0.9655
西部地区	q统计量	0.8887	0.7039	0.5206	0.5194	0.2819	0.5179
西部地区	p值	0.0438	0.4738	0.8135	0.8512	0.8407	0.6400

5 结论和政策启示

5.1 结论

本文基于政府和学界对新质生产力内涵的深刻解读，从科技创新能力、产业转型升级、生产要素创新配置3个维度构建新质生产力综合评价指标体系，测算并得到2011—2022年中国30个省份新质生产力水平；继而利用Kernel估计、Moran's I指数、Markov链法、Dagum基尼系数、收敛模型、障碍度模型和地理探测器等多种方法，从多角度揭示了新质生产力发展的时空分异特征与影响因素。主要结论如下：①中国新质生产力水平随时间推移呈逐年上升趋势，且空间上呈现“东高西低”阶梯式递减分布。②中国新质生产力内部绝对差异呈扩大趋势，存在一定极化现象。空间上呈现以“高—高”聚集及“低—低”聚集为主的空间集聚模式，表现出正向空间依赖关系。③中国新质生产力存在显著空间不均衡特征，区域间差异是主要来源，且不均衡现象随时间推移愈演愈烈。与此同时，各省份增速正在逐渐趋同。④从影响因素看，科技创新是驱动新质生产力发展的核心因素，对外开放、信息化、劳动力水平和交通基础设施等因素对全国以及东中西三大地区新质生产力协调发展有重要影响。

5.2 政策启示

①锻长板扬优势，推动新质生产力加快成势。测度结果表明，中国新质生产力整体水平呈上升趋势，但整体发展步伐不快，从绝对水平看仍存在较大发展空间，特别地，中西部地区各维度发展均较为滞后。因此，必须要围绕科技创新、产业升级等领域锻长板、补短板，推动新质生产力加快发展。全国层面，应面向世界科技前沿，加强科技创新特别是原创性、颠覆性科技创新，并推动科技创新成果应用，促进科技成果向现实生产力转化，同时统筹推进教育科技人才体制机制一体改革，实现资源配置效率最优化和效益最大化。区域层面，不同地区新质生产力发展优势短板各有不同，在未来培育和发展新质生产力的过程中既需补齐短板，也要用足优势，聚焦发展滞后领域，以长板优势带动短板补齐，形成新质生产力跃升的合力，全面赋能新质生产力加快发展。

②缩小区域差距，促进新质生产力均衡协调发展。从本文研究结果来看，中国新质生产力发展水平存在显著区域不平衡特征，且随时间推移呈现恶化趋势。因此，必须在加快区域新质生产力发展的同时紧抓“协调”二字，在发展中促进相对平衡。一方面，要抓住主要矛盾，正视区域间差异并对其给予重点关注。针对区域间差异，应大力推进跨区域合作，充分打破地域、行业等各类边界壁垒，健全和完善各类新型要素在区域间顺畅流动、高效集聚的体制机制及区域利益协调机制。另一方面，区域内部协调发展同样至关重要。应充分释放新质生产力高水平地区的空间外溢效应，发挥先发地区的辐射带动作用，建立与邻近地区之间新型生产要素顺畅流动的机制与通道，加强地区、省份之间的合作互助，着力缩小区域内部新质生产力发展差距，推进全域视角下各区域新质生产力协同发展。

③立足比较优势，因地制宜发展新质生产力。影响因素分析为新质生产力发展提供了重要决策参考，各地区应从实际出发，明晰自身重点发展方向，有针对性谋划和推进新质生产力发展。其中，东部地区应充分发挥科技实力雄厚、产业基础扎实、创新生产要素富集等优势，在中国式现代化新征程中实现率先突破，为全国新质生产力发展提供引领示范；中部地区人口优势较为明显，新时代应以战略性新兴产业与未来产业为锚点，以颠覆性技术和前沿技术为重点，促使“人口红利”转变为“人才红利”，推动劳动力要素向发展新质生产力流动；西部地区应重点聚焦提升区域交通基础设施互联互通水平，实现以大通道促进大流通、集聚大产业，催生新兴产业链，培育发展新动能，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]	习近平. 牢牢把握东北的重要使命奋力谱写东北全面振兴新篇章[N]. 人民日报,2023-09-10(01).

[2]	程恩富, 陈健. 大力发展新质生产力加速推进中国式现代化[J]. 当代经济研究, 2023(12):14-23.

[3]	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.

[4]	Nadiri M I. Some approaches to the theory and measurement of total factor productivity:A survey[J]. Journal of Economic Literature, 1970, 8(4):1137-1177.

[5]	Adams J D. Fundamental stocks of knowledge and productivity growth[J]. Journal of Political Economy, 1990, 98(4):673-702.

[6]	Doraszelski U, Jaumandreu J. R&D and productivity:Estimating endogenous productivity[J]. Review of Economic Studies, 2013, 80(4):1338-1383.

[7]	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(6):1-12.

[8]	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.

[9]	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.

[10]	蒲清平, 向往. 新质生产力的内涵特征、内在逻辑和实现途径——推进中国式现代化的新动能[J]. 新疆师范大学学报(哲学社会科学版), 2023, 45(1):257-265.

[11]	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.

[12]	冯永琦, 林凰锋. 数据要素赋能新质生产力:理论逻辑与实践路径[J]. 经济学家, 2024(5):15-24.

[13]	曾立, 谢鹏俊. 加快形成新质生产力的出场语境、功能定位与实践进路[J]. 经济纵横, 2023(12):29-37.

[14]	刘伟. 科学认识与切实发展新质生产力[J]. 经济研究, 2024, 59(3):4-11.

[15]	张林. 新质生产力与中国式现代化的动力[J]. 经济学家, 2024(3):15-24.

[16]	周密, 郭佳宏, 王威华. 新质生产力导向下数字产业赋能现代化产业体系研究——基于补点、建链、固网三位一体的视角[J]. 管理世界, 2024, 40(7):1-26.

[17]	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.

[18]	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.

[19]	韩文龙, 张瑞生, 赵峰. 新质生产力水平测算与中国经济增长新动能[J]. 数量经济技术经济研究, 2024, 41(6):5-25.

[20]	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.

[21]	杨春学. 论科学技术是第一生产力[J]. 经济学动态, 2021(9):22-32.

[22]	黄群慧, 杨耀武, 杨虎涛, 等. 结构变迁、效率变革与发展新质生产力[J]. 经济研究, 2024, 59(4):4-23.

[23]	贾楠, 李胤. 中国创新指数研究[J]. 统计研究, 2014, 31(11):24-28.

[24]	王军, 朱杰, 罗茜. 中国数字经济发展水平及演变测度[J]. 数量经济技术经济研究, 2021, 38(7):26-42.

[25]	潘为华, 贺正楚, 潘红玉. 中国数字经济发展的时空演化和分布动态[J]. 中国软科学, 2021(10):137-147.

[26]	郭芸, 范柏乃, 龙剑. 我国区域高质量发展的实际测度与时空演变特征研究[J]. 数量经济技术经济研究, 2020, 37(10):118-132.

[27]	程开明, 吴西梦, 庄燕杰. 我国省域新经济新动能:统计测度、空间格局与关联网络[J]. 统计研究, 2023, 40(3):18-31.

[28]	林木西, 王聪. 现代化产业体系建设水平测度与区域差异研究[J]. 经济学动态, 2022(12):23-36.

[29]	华汉阳, 朱启贵, 李旭辉. 我国现代化经济体系建设水平及演变测度[J]. 统计研究, 2023, 40(9):3-15.

[30]	Sala-I-Martin X X. The Classical Approach to Convergence Analysis[J]. Economic Journal, 1996(437):1019-1036.

[31]	张旺, 白永秀. 数字经济与乡村振兴耦合的理论构建、实证分析及优化路径[J]. 中国软科学, 2022(1):132-146.

Options

文章导航

模态框（Modal）标题

摘要

本文引用格式

Abstract

1 新质生产力的理论内涵和测度体系

1.1 新质生产力的理论内涵

1.2 指标体系构建

表1 区域新质生产力综合评价指标体系及说明

1.3 测度方法

2 新质生产力水平的动态演进分析

2.1 综合水平分析

图1 2011—2022年中国30个省份的新质生产力水平变化

2.2 分维度结果分析

2.2.1 各省份新质生产力子维度分析

表2 中国30个省份新质生产力发展各维度指数均值及增长率

2.2.2 三大区域新质生产力子维度分析

图2 中国东中西三大地区新质生产力水平及其子维度变化趋势

2.3 新质生产力水平等级评价

图3 2022年中国30个省份新质生产力水平的空间分布

2.4 基于核密度估计的分布演变趋势

图4 全国及东中西三大地区新质生产力水平的分布特征

2.5 基于Moran's I的空间相关性分析

2.5.1 全局空间相关性分析

表3 2011—2022年中国新质生产力水平全局莫兰指数

2.5.2 局部空间相关性分析

2.6 基于Markov链分析的状态演变趋势

2.6.1 传统Markov链分析

2.6.2 空间Markov链分析

3 新质生产力水平的区域差异

3.1 基于Dagum基尼系数的区域差异分析

表4 2011—2022年中国新质生产力水平Dagum基尼系数及其分解结果

3.2 新质生产力收敛特征分析

3.2.1 σ收敛模型分析

图5 全国及东中西三大地区新质生产力水平的σ收敛

3.2.2 β收敛模型分析

表5 全国及东中西三大地区新质生产力水平绝对β收敛和条件β收敛检验结果

4 新质生产力发展的影响因素

4.1 新质生产力发展的障碍因素

表6 新质生产力指标层主要障碍因子

4.2 新质生产力区域协调发展的制约因素

表7 地理探测器因子探测结果

5 结论和政策启示

5.1 结论

5.2 政策启示

参考文献