EN中文

Economic geography >

2024 , Vol. 44 >Issue 8: 116 - 125

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.08.014

Provincial-level New Quality Productive Forces in China： Evaluation，Spatial Pattern and Evolution Characteristics

  • LI Guangqin ,
  • LI Mengjiao , ※
Expand
  • School of International Trade and Economics，Anhui University of Finance and Economics，Bengbu 233030，Anhui，China

Received date: 2024-03-25

  Revised date: 2024-09-02

  Online published: 2024-09-23

Fold

Abstract

Accelerating the formation and development of new quality productive forces is an inevitable requirement for social and economic development. This paper constructs a comprehensive index system of the new quality productive forces (NQPF) from two dimensions: the realistic basis and the realistic performance of the NQPF. It determines the weights of the indexes using the projection tracing model optimized by genetic algorithm,measures the NQPF level in 30 provincial-level regions of China from 2013 to 2022,and analyzes the spatial pattern and evolution characteristics of provincial-level NQPF in China over the past decade using the methods of Dagum-Gini coefficient,Kernel's density estimation,Moran's I,gravitational model and so on. The results show that: 1) The level of China's provincial-level NQPF shows the characteristic of gradient development which is higher in the east of China and lower in the west of China. 2) The level of NQPF is increasing across regions,while the differences are gradually decreasing. The spatial pattern between provincial-level regions shows the characteristics of "low-high" and "high-low" agglomeration. 3) The intensity of gravitational correlation between provincial-level regions is becoming more complicated and dense,and is roughly proportional to the level of NQPF. The research holds great practical significance for improving the NQPF level and promoting high-quality economic development.

Key words： new quality productive forces; technological innovation; economic scale; spatial agglomeration; high-quality development

Cite this article

LI Guangqin , LI Mengjiao . Provincial-level New Quality Productive Forces in China： Evaluation，Spatial Pattern and Evolution Characteristics[J]. Economic geography, 2024 , 44(8) : 116 -125 . DOI: 10.15957/j.cnki.jjdl.2024.08.014

近年来，我国科技创新的步伐日益加快，技术创新及其能力不断提高，以科技水平为代表的生产力在国民经济中的作用越来越强[1]。2023年9月，习近平总书记在黑龙江考察时首次提出“新质生产力”[2]，在2023年底召开的中央经济工作会议上，习近平总书记再次强调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，为探索生产力与生产关系的辩证关系提供了新的视角。2024年全国两会期间，习近平总书记又强调要因地制宜发展新质生产力。由此可见，推动加快形成新质生产力是我国经济转型升级的必然要求，也是实现经济高质量发展的重要途径[3]。
新质生产力是一个相对较新的概念，其定义和范畴被学术界和政界广泛地讨论。具有代表性的观点可以分为二分法和三分法：前者主要从“新”“质”两个维度解释了新质生产力的科学内涵，认为“新”与“质”分别是新质生产力的时代特征与本质属性[4]；三分法是在二分法的基础上，增加“力”这个维度，强调了其作为一种动力的属性[5-7]。当然，还有一些观点认为新质生产力的核心内容在于以科技创新为主导，通过实现关键性、颠覆性的技术突破，从而催生出新的生产力[8]。综合起来，对新质生产力的理解和表述存在一定的共性，即新质生产力是在当代科技进步的条件下，以创新为主导，以人工智能、数据要素为核心，以新兴产业特别是战略性新兴产业、未来产业为载体，以生产力三大基本要素及其优化组合的跃升为基本内涵的现代新型生产力[9-11]。具体来说，新质生产力的“新”主要体现在两个方面：一方面是生产力构成要素的革新性，包括拥有前沿科技技能的新质劳动者、集成了智能技术的生产设备等新质劳动资料[12]，以及更加可持续性的新质劳动对象；另一方面，“新”还体现在依托新技术创新和新经济规模所带来的新的现实表现[13]。“质”则体现在其具有质优的本质，通过战略性新兴产业的蓬勃兴起以及科学技术领域的重大突破，赋予了生产力更强的内生增长动力与环境适应性。此外，“质”还体现在生产效率的优化、资源配置的合理化以及对环境的可持续利用，它代表了一种由内而外的生产力提升，旨在通过创新驱动，实现经济结构的优化和全要素生产率的显著增长。在“质”与“新”相互交织、共同作用中形成了新质生产力的现实表现[14]。而“力”作为新质生产力的现实基础，不仅涵盖了传统的物质生产力，还融入了数字技术、知识及绿色低碳等新兴生产要素，体现了生产力的现代化与智能化转型，其实际作用与影响力在“新”与“质”的深度融合下使新质生产力展现出前所未有的活力与潜力。新质生产力的提出，不仅彰显了以科技创新为核心动力推动产业创新的决心，而且更深刻地体现了通过产业升级来构筑新的竞争优势，从而赢得发展主动权的战略远见[15]。

1 新质生产力的测度指标构建

1.1 新质生产力的测度研究进展

目前，除了讨论新质生产力的内涵之外，已有一些学者尝试对新质生产力指标进行测度。较多的学者是从生产力三要素，即劳动者、劳动资料和劳动对象3个方面探索如何测算我国省域新质生产力的发展水平[16-17]；宋佳等根据生产力二要素理论，从劳动力和生产工具两方面构建新质生产力指标体系，并通过熵值法衡量企业新质生产力[18]；卢江等从科技、绿色和数字三方面，采用改进的熵权—TOPSIS法测算我国新质生产力水平[19]；韩文龙等从实体性要素和渗透性要素两个维度构建新质生产力指标体系，并通过熵值法测算我国省域新质生产力水平[11]。
基于文献梳理，本文认为现有的新质生产力测算指标研究还存在以下不足：①现有文献主要以生产力理论为基础，从生产力要素角度出发，选取相关指标对新质生产力进行测算，这在一定程度上未能充分捕捉生产力在推动社会进步和经济发展中的作用，难以体现“新”“质”“力”的共同作用；②虽然部分学者尝试从科技、绿色和数字等方面对新质生产力进行测度，但具体指标选取中的相对量指标较少，难以消除不同省域之间在规模、人口、资源等绝对量上的差异，可能存在由于规模大小差异导致的评估偏差；③在测度方法上，多数学者运用熵值法或改进的熵权TOPSIS法衡量新质生产力，这些方法在面对非线性、高维和复杂数据结构的问题时，可能无法充分捕捉到数据的深层次特征。
在此背景下，本文基于新质生产力的主要内涵，从新质生产力的现实基础与现实表现两个维度构建新质生产力指标体系，并利用遗传算法投影寻踪模型设置指标权重，测算新质生产力水平，分析省域新质生产力的发展特征；在此基础上，使用Dagum基尼系数及Kernel密度估计探究新质生产力的空间演化特征，借助莫兰指数及修正的引力模型进行空间关联特征分析，以期为发展新质生产力提供参考。

1.2 指标体系构建

新质生产力的现实基础是建立在当代科技进步的坚实土壤之上，由新质劳动者、新质劳动资料和新质劳动对象构成的生产力基础，影响着新质生产力的未来变化。新技术创新和新经济规模的实现是新质生产力的现实表现，使得生产力水平得到质的飞跃，从而推动社会经济的快速发展。本文从新质生产力的现实基础和现实表现两大维度构建了5个一级指标、11个二级指标和23个三级指标的中国新质生产力指标体系（表1）。
表1 中国新质生产力指标体系及说明

Tab.1 Indicator system of new quality productive forces in China

维度 一级指标 二级指标 三级指标 数据来源
新
质
生
产
力
的
现
实
基
础		 新质劳动者 新质劳动者素质 战略性新兴产业及未来产业上市公司的本科及以上学历员工占比 企业年报
新质劳动者技能结构 战略性新兴产业及未来产业上市公司的研发员工数量占比
新质劳动资料 新质生产工具 机器人应用水平 IFR 联盟
清洁能源发电量占比 国家统计局
新质生产条件 光缆密度 中国统计年鉴
特高压输电线路数 中国电力统计年鉴
数字基础设施 中国统计年鉴
新质劳动对象 新质劳动条件 优良级别天数占比 中国研究数据服务平台（CNRDS）
新质土地供应 清洁型工业用地供应宗数占比 中国土地市场网
高科技工业用地供应宗数占比
新
质
生
产
力
的
现
实
表
现		 新技术创新 技术研发 科学研究人员占总人口比重 中国统计年鉴
R&D经费投入强度
万人发明专利授权量
技术扩散 万人技术市场成交额 中国知识产权发展状况评价报告
数字经济创新创业指数IRIEDEC 北京大学企业大数据研究中心
科技企业孵化器当年孵化企业毕业率 中国火炬统计年鉴
新经济规模 市场规模 平均每个规上工业企业新产品出口收入 中国统计年鉴
信息技术服务收入占GDP比重 中国劳动统计年鉴
产业规模 战略性新兴产业及未来产业上市公司数占企业法人单位数量的比重 企业年报
战略性新兴产业及未来产业上市公司运营效率
业态规模 软件业发展水平 中国统计年鉴
有电子商务交易活动的企业数量占比
淘宝村（镇）数量 中国淘宝村研究报告
①新质劳动者是推动新质生产力发展的关键人力资源，能够充分利用现代技术、适应现代高端先进设备、具有知识快速迭代能力的新型人才。因此，为体现新质劳动者的特征，并考虑到战略性新兴产业及未来产业是新质生产力的重要支撑，本文依据《新产业标准化领航工程实施方案（2023─2035年）》中对战略性新兴产业及未来产业领域的划分，从上市公司年报中筛选出“8+9”类企业的相关数据，并根据注册地汇总到省级，得到战略性新兴产业及未来产业上市公司的本科及以上学历员工占比、战略性新兴产业及未来产业上市公司的研发员工数量占比，分别用来衡量新质劳动者素质和新质劳动者技能结构，很好地代表了适应新时代的劳动者。
②新质劳动资料作为新质生产力的物质基础，包括新质生产工具和新质生产条件两大类。随着科技的进步和社会的发展不断更新换代，新质劳动资料为生产活动提供了更加高效、便捷的条件。其中，在新质生产工具方面，选取机器人应用水平、清洁能源发电量占比2个指标。机器人技术的发展推动了人工智能、大数据、云计算、物联网等先进技术的融合与创新应用，优化了生产方式和资源配置；清洁能源发电量代表了清洁能源的使用情况，清洁能源的广泛应用促进了传统产业向更加清洁、高效的生产方式转型，推动了与新质生产工具相关的技术融合。在新质生产条件方面，选取光缆密度、特高压输电路数、数字基础设施3个指标。光缆作为现代通信网络的重要组成部分，其密度的提高反映了信息传输基础设施的现代化和升级；特高压输电路数的增加表明了能源输送能力的显著提升，这对于支撑大规模工业化生产和新兴能源产业的发展至关重要；数字基础设施的完善不仅促进了信息的快速流通和共享，还推动了生产方式的数字化转型，使得生产过程更加智能化、高效化，本文采用人均互联网宽带接入端口数、光纤长度、数字基础设施政策数量衡量数字基础设施建设[20]。这些指标很好地反映了新质劳动资料在技术创新、绿色发展、信息化水平以及能源分配方面的特点。
③新质劳动对象作为生产活动的对象和目标，是新质生产力作用的结果，为生产提供了丰富的资源及创新的可能性，体现了生产力发展的方向和水平。新质劳动条件和新质土地供应强调环境保护和可持续性，有助于减少生产活动对环境的负面影响，从而直接或间接地影响着劳动对象的性质、质量和生产效率。本文采用优良级别天数占比衡量新质劳动条件，优良级别天数占比高意味着该地区空气质量好，这不仅衡量了一个地区的生活质量，更展现了新质生产力中绿色发展的成效。在新质土地供应方面，参考周玉龙等[21]对清洁型行业、高科技制造业的定义，筛选出清洁型行业和高科技制造业行业，将清洁型工业用地供应宗数和高科技工业用地供应宗数分别汇总到省级，得到清洁型工业用地供应宗数占比和高科技工业用地供应宗数占比。清洁型工业用地供应宗数占比的增加表明，工业发展正逐步向低污染、高附加值的领域转移，这符合新质生产力对劳动对象的要求，即减少对有形物质资源的依赖，转向更加注重环境友好型的生产方式；高科技工业用地的供应宗数占比增加则直接体现了科技创新在工业生产中的应用，这不仅是生产力要素发生变化的直接体现，也是形成高质量的新质劳动对象的基础。
④新技术创新是推动新质生产力发展的核心动力，在科技领域中，通过技术研发和技术扩散实现新技术、新产品、新工艺、新方法等的创造和应用。因此，本文从技术研发和技术扩散两个角度进行指标选取。新质生产力的形成需要加大对科技创新的投入，包括科研经费、科研人员等资源的合理配置，通过加大科研投入，可以激发创新活力，提升技术研发水平[22]，本文选取科学研究人员占总人口比重、R&D经费投入强度、万人发明专利授权量作为技术研发指标，这些指标可以很好地反映一个国家或地区在技术研发方面的现状和潜力。在技术扩散方面，本文选取万人技术市场成交额、数字经济创新创业指数IRIEDEC、科技企业孵化器当年孵化企业毕业率3个指标。其中万人技术市场成交额反映了每万人中技术交易活动的活跃程度，其成交额越高意味着技术成果从实验室向生产领域转移的速度快，反映了技术在不同行业、城市甚至国家之间的扩散辐射能力；数字经济创新创业指数IRIEDEC综合了数字经济中的创新创业活动，包括新企业创立、市场接受度、创新生态系统等多个维度，高指数表明技术扩散和应用的环境良好；科技企业孵化器是培育新技术、新企业的摇篮，孵化企业毕业率越高意味着更多的新技术、新产品从孵化器走向市场，实现了技术的扩散和应用。
⑤新经济规模是指在新经济领域，通过新技术、新业态、新模式等创新手段所形成的经济活动，主要包括市场规模、产业规模、业态规模，是新质生产力发展的重要体现。其中，市场规模反映了新经济下产品和服务的需求量，是衡量市场潜力和消费者接受度的重要指标，本文通过平均每个规上工业企业新产品出口收入反映市场拓展能力，通过信息技术服务收入占GDP比重反映市场成熟度；产业规模主要聚焦于战略性新兴产业及未来产业的产出规模和经营规模，反映了产业结构的成熟度和竞争力，本文选取战略性新兴产业及未来产业上市公司数占企业法人单位数量的比重衡量经营规模，采用战略性新兴产业及未来产业上市公司的营业收入与营业成本的比值反映运营效率，从而衡量其产出规模；业态规模涉及新经济中的交易模式，体现了新经济的多样性，本文采用人均软件业务收入衡量软件业发展水平，代表信息技术的应用情况，有电子商务交易活动的企业数量占比、淘宝村（镇）数量表征电子商务在整体经济活动中的渗透程度。

1.3 数据来源

由于刻画新质生产力的许多指标从2013年开始才被纳入统计年鉴，并结合数据的可得性及完整性，本文剔除港澳台和西藏地区，选取2013—2022年中国30个省（自治区、直辖市）（以下简称省份）的面板数据为研究样本。数据主要来源于2013—2022年的《中国统计年鉴》《中国火炬统计年鉴》《中国劳动统计年鉴》《中国知识产权发展状况评价报告》《中国淘宝村研究报告》、北京大学企业大数据研究中心、相关企业年报、IFR联盟、中国土地市场网等。对于部分缺失指标通过插值法和移动平均法补充。

1.4 权重设置及指数计算

本文构建的指标体系包含了23项三级指标，指标维度较多，且新质生产力受到社会、经济、环境等多种因素影响，因此，采用基于遗传算法的投影寻踪模型为指标赋权较为合理[23-24]。投影寻踪及加速遗传算法的具体建模过程见相关文献[25]。
本文首先将30个省份2013—2022年的23个三级指标标准化后的数据作为原始数据，运用投影寻踪模型，通过MATLAB的加速遗传算法得到最佳投影向量；继而通过综合指数法计算新质生产力总指数（NQPI）及分项指数。具体计算公式为：
N Q P I = 10 · ∑ j = 1 n x ' ( i , j ) w k j
式中： x ' ( i , j )表示i区域的第j个评价指标标准化处理后的指标值；wkj表示k年第j个指标对应的权重。由此得出2013—2022年我国30个省份的新质生产力总指数，以及新质劳动者、新质劳动资料、新质劳动对象、新技术创新、新经济规模等5个分项指数。

2 新质生产力的空间格局特征分析

2.1 新质生产力的总体特征分析

从整体来看，2013—2022年我国整体的新质生产力水平从2.407提高到2.806，呈上升态势（表2）。从省域来看，新质生产力水平差距较大，2022年仅12个省份的指数高于全国平均水平，说明多数省份的新质生产力仍有巨大的发展空间。与采用绝对量指标衡量新质生产力的文章测算结果相比[11,16]，本文通过选取相对量指标，在消除了由于省份之间在规模、人口、资源等绝对量上的差异所导致的评估偏差后可以看出，重庆、海南、天津等规模相对较小省份的新质生产力水平均值事实上高于河南，更好地揭示了不同省份之间在新质生产力方面的真正差异。
表2 2013、2016、2019和2022年中国各省份新质生产力指数

Tab.2 Index of new quality productive forces in provincial-level regions of China in 2013, 2016, 2019, and 2022

地区 省份 2013年 2016年 2019年 2022年
东部地区 北京 5.264 6.135 6.763 7.668
天津 2.628 2.630 2.918 3.173
河北 2.020 2.163 2.496 2.133
上海 3.627 4.470 3.867 4.086
江苏 5.029 4.811 4.015 3.753
浙江 5.376 4.783 4.364 3.949
福建 2.874 3.214 3.009 2.524
山东 3.232 2.693 2.726 3.176
广东 3.725 4.348 4.382 4.072
海南 1.399 1.848 1.969 1.819
平均值 3.517 3.710 3.651 3.635
中部地区 山西 0.996 1.437 1.594 1.817
安徽 2.622 2.836 2.657 2.711
江西 1.576 1.778 2.276 2.899
河南 1.619 1.822 1.385 1.786
湖北 3.122 3.275 2.952 3.276
湖南 2.498 2.585 2.426 3.129
平均值 2.072 2.289 2.215 2.603
西部地区 内蒙古 0.904 0.891 2.082 2.125
广西 1.856 1.979 2.294 2.547
重庆 2.752 3.063 2.786 2.725
四川 3.334 3.539 3.335 3.737
贵州 1.640 2.060 2.166 1.991
云南 2.121 2.390 2.358 2.195
陕西 1.693 2.727 2.861 3.196
甘肃 1.450 1.509 1.869 1.563
青海 1.422 1.551 2.627 2.561
宁夏 1.285 1.657 1.627 1.774
新疆 1.035 1.334 1.706 1.632
平均值 1.772 2.064 2.337 2.368
东北地区 辽宁 2.271 1.924 2.182 2.474
吉林 1.482 1.724 2.232 2.136
黑龙江 1.190 1.409 1.632 1.385
平均值 1.648 1.686 2.015 1.998
总体均值 2.407 2.629 2.690 2.806

2.2 新质生产力的地区差异分析

将全国30个省份划分为东部、中部、西部和东北四大地区，分别计算各地区的新质生产力水平（表2）。从表2中看出，中国的新质生产力水平在整体上呈东、中、西、东北逐渐下降的分布特征，这与已有研究结果相一致。其中，东部地区的新质生产力水平领先各地区，北京、浙江、江苏、上海等东部省份在新技术创新、新经济规模等方面具有先发优势，为新质生产力培育奠定良好基础。中部与东部相比，在创新资源与活力上有所欠缺，但仍具有一定的产业基础和市场规模，通过积极推动传统产业向智能化、绿色化、服务化发展，促进了清洁型工业和高科技工业的发展，使得中部地区在新质土地供应上较为领先。西部地区和东北地区由于地理位置、资源禀赋、历史遗留问题等多种因素的影响，经济发展水平相对较低，新质生产力水平也相应较低。然而，随着国家政策的倾斜和区域协调发展战略的实施，这些地区正在积极推进经济结构调整和转型升级，加大科技创新和人才培养力度，提升新质生产力水平。

3 新质生产力的空间演化特征

3.1 基于Dagum基尼系数的空间静态演化特征

3.1.1 总体差距下降，空间异质性明显

由图1可知，2013—2022年中国总体新质生产力发展水平的基尼系数从0.267波动下降至0.200，年均降低2.78%，这表明中国新质生产力的总体差距在降低。其中，东部地区的区域内差异程度最大，西部地区次之，随后是中部地区，东北地区区域内差异最小，且除东部地区外，其他地区区域内差异均具有下降趋势。究其原因，东部地区包括了中国最发达的省份，如上海、广东、浙江等，这些地区的经济发展水平较高，产业结构更为先进和多元化。不同省份之间在经济发展模式、产业布局及创新能力等新质生产力的现实表现上的显著差异，以及科技创新资源集聚和利用效率等新质生产力的现实基础上的地区性差别，共同导致新质生产力水平在东部地区内呈现出较大的差异性。而东北地区有着相对统一的产业结构，在国家层面有着较为一致的振兴战略，如东北老工业基地振兴战略，这些战略在区域内得到了较为均衡的实施，有助于缩小区域内新质生产力水平的差异。
图1 全国及四大地区新质生产力的Dagum基尼系数演变趋势

Fig.1 Dagum-Gini coefficient trend of new quality productive forces in China and four regions

3.1.2 区域间差距两极分化

从图2可以看出，全国四大地区间差异呈现两极分化的现象。一方面，东部地区分别与中部地区、西部地区及东北地区呈现较大的区域间差异；另一方面，其他地区相互之间在相对较低水平处收敛。细究其因，东部地区在新能源、新材料、电子信息等战略性新兴产业方面具有明显优势，这些产业是新质生产力的重要组成部分；相比之下，中部、西部及东北地区的传统产业仍占一定的比重，且都面临着传统产业转型升级、新兴产业培育等发展挑战，使得这些地区新质劳动资料、新经济规模等都处于较低水平，因此在新质生产力的发展上呈现出较为一致的趋势和水平。
图2 全国四大区域间新质生产力的Dagum基尼系数演变趋势

Fig.2 Dagum-Gini coefficient trend of new quality productive forces between four regions

3.1.3 差异来源：区域间差异为主

从图3可以看出，研究样本中的区域间差异始终占据着主导地位，其次是区域内差异对地区差异的贡献率，超变密度的贡献率最小，并且区域间差异的贡献率远高于区域内和超变密度贡献率。说明区域间差异是新质生产力发展水平的地区差异的主要贡献力量，并且在未来一段时间里新质生产力发展水平的差异仍以区域间差异为主。
图3 新质生产力发展水平差异来源及其贡献率演变

Fig.3 Difference source and contribution rate of new quality productive forces

3.2 基于Kernel密度估计的空间动态演化分析

图4a展示的是2013—2022年中国30个省份的新质生产力总指数演进态势，主要特征如下：①从分布位置来看，主峰位于曲线左侧，曲线具有向右移动的趋势，说明新质生产力水平较低的省份居多，我国整体新质生产力水平表现为上升态势。②自2013年起，主峰由扁而宽变为高而窄，并逐渐涌现出若干侧峰，且右侧的峰值低于左侧峰值，右侧波峰逐渐向平均水平收敛，说明新质生产力水平差异有所改善。③具有右拖尾特征，这表明存在部分省份的新质生产力水平与其他省份的差距较大。
图4 中国总体及分项新质生产力水平的动态演进

Fig.4 Dynamic evolution of overall and sub-new quality productive forces in China

图4b~图4f分别是新质劳动者、新质劳动资料、新质劳动对象、新技术创新、新经济规模的时间演变趋势。从波峰数量来看，2013—2016年新质劳动者指数核密度曲线为双峰，2017年开始逐渐转变为多峰，呈现出由两极分化到多级分化的趋势。这一趋势反映了技能需求的多样化、经济结构的优化以及社会经济发展的影响，是劳动力市场和经济社会发展的必然结果。新质劳动资料指数的核密度曲线始终为单峰，不存在明显的极化现象，整体相对差异较小。数字基础设施、清洁能源、机器人等新质劳动资料在各个领域和行业得到了广泛应用，使得技术进步的成果能够惠及更多的企业和劳动者，推动新质生产力的现实基础转化为现实表现。新质劳动对象、新技术创新、新经济规模的核密度曲线经历了由多峰向双峰的转变，呈现出由多级分化到两极分化的趋势。这种趋势反映了市场竞争的加剧和资源配置的优化过程，同时也对企业、政府和社会提出了新的挑战、带来新的机遇。
从分布位置上看，新质劳动者、新质劳动资料、新质劳动对象的核密度曲线主峰位置在2017年之前均呈现左移趋势，2017年及之后均逐渐右移；而2017年之前新技术创新和新经济规模的核密度曲线主峰位置呈现右移趋势，2017年及之后呈现左移趋势，但整体来看核密度曲线主峰位置右移幅度均大于左移幅度，说明新质生产力的现实基础和现实表现均有所提升。由此可知，在基础条件相对有限的情况下，一些关键技术的突破可能极大地推动了生产力的现实表现，而现实基础的提升则需要更长时间的积累和投入，因此其效果可能不会在短期内完全显现。同时，即使现实基础在上升，也可能因为市场饱和、技术瓶颈等因素导致现实表现暂时下降。此外，经济周期的波动和外部环境的变化也可能对生产力的现实表现产生影响。
从分布形态上看，新质劳动者和新质劳动对象的核密度曲线主峰高度在2017年之前呈上升态势，2017年之后逐渐下降，这说明二者水平的差异先降后升；但随着教育普及、技能培训的加强以及科技知识的广泛传播，各地对新质劳动者的培养和对新质劳动对象的认知逐渐趋同，导致差异缩小；然而，随后由于科技创新能力、教育资源分配等方面的差异逐渐显现，新质劳动者的技能水平和对新质劳动对象的利用能力再次拉开差距。新质劳动资料和新经济规模的核密度曲线主峰高度均呈上升态势，波峰的形状均由矮而宽逐渐变为高而窄，说明二者水平的省域间离散化程度逐渐缩敛，绝对差异减小。这表明随着科技进步和产业升级的推进，智能设备、数字化工具等的普及程度在不断提高，各省份在新质劳动资料的运用上逐渐接近。同时，新经济规模的扩大也呈现出类似的趋势。新技术创新的核密度曲线主峰高度除2018年有所上升外，其余年份均有所下降，波峰的形状由高而窄逐渐变为矮而宽，说明新技术创新水平的省份间离散化程度逐渐增加，绝对差异增大。这可能与地区间的科技创新能力、研发投入、人才储备等因素有关。
总之，新质生产力的现实基础和现实表现之间存在着相互支撑和转化的动态演化关系。首先，新质生产力的现实基础对现实表现具有支撑作用。新质劳动者不仅具备基本的劳动能力，还拥有强大的创新能力，他们是新技术创新的主要推动者；新质劳动资料为新技术创新提供了强大的工具支持，同时新技术的发展不断改变生产方式、生产效率，促使生产工具和生产条件不断迭代升级，为新经济规模的扩大提供了物质基础；新质劳动对象的应用场景不断扩大，促使新技术和新模式在更多领域得到推广，进一步推动新经济规模的扩大。其次，新质生产力的现实表现对现实基础具有转化作用。新技术创新要求新质劳动者不断学习和掌握新技术、新知识，以提高其技能水平和创新能力，同时这种学习和提升过程反过来又促进了新技术创新的深入发展；随着新经济规模的持续扩大，市场需求不断增加，这一趋势不仅促使新技术不断迭代升级，推动了技术创新的发展与新质劳动资料的改进，还因可持续发展理念逐渐深入人心，加速了新质劳动对象向绿色化、低碳化转型，从而推动了生产方式的绿色变革，并有效改善了生态环境。最后，资源分配不均、技术瓶颈、资金短缺、疫情等因素的影响也可能会阻碍新质生产力的现实基础与现实表现的相互支撑与转化（图5）。
图5 新质生产力的现实基础与现实表现间的支撑转化关系

Fig.5 Supporting transformation relationship between the realistic basis and the realistic performance of new quality productive forces

4 新质生产力的空间关联特征

4.1 基于Moran's I的空间关联分析

4.1.1 全局关联分析

由表3可知，3种空间权重矩阵下，中国省域新质生产力的全局Moran's I基本显著为正，且均有所下降，这说明中国省域新质生产力在空间分布上呈现出明显的空间自相关性，并且空间集聚程度有所降低。其中，经济空间权重矩阵下的全局Moran's I更大，这意味着经济因素在塑造新质生产力的空间分布上起到了关键作用。例如，经济联系紧密、投资活跃的区域可能更容易吸引和集聚新质生产力。
表3 2013—2022年中国新质生产力发展的全局Moran's I系数

Tab.3 Moran's I coefficient of new quality productive forces in China from 2013 to 2022

年份 邻接空间权重 反距离权重 经济空间权重
I z P I z P I z P
2013 0.373 3.432 0.000 0.076 3.169 0.001 0.428 2.853 0.002
2014 0.379 3.536 0.000 0.074 3.168 0.001 0.450 3.036 0.001
2015 0.343 3.171 0.001 0.060 2.688 0.004 0.395 2.638 0.004
2016 0.331 3.089 0.001 0.054 2.551 0.005 0.357 2.425 0.008
2017 0.258 2.543 0.005 0.040 2.220 0.013 0.360 2.512 0.006
2018 0.280 2.895 0.002 0.040 2.465 0.007 0.360 2.607 0.005
2019 0.202 2.220 0.013 0.010 1.465 0.072 0.209 1.671 0.047
2020 0.235 2.391 0.008 0.025 1.807 0.035 0.247 1.832 0.033
2021 0.143 1.708 0.044 0.003 1.210 0.113 0.182 1.524 0.064
2022 0.133 1.643 0.050 0.003 1.254 0.105 0.198 1.676 0.047

4.1.2 局部关联分析

表4表明，大多数样本值均分布于“低—高”和“高—低”区域，这表明新质生产力水平存在明显的空间集聚效应。此外，东部地区存在“高—低”聚集区域，中西部地区存在“低—高”和“低—低”聚集区域，原因在于北京、广东等东部高值区域与山西、广西等中西部低值区域相邻，而河南、贵州、山西等中西部低值区域与山东、四川等高值区域相邻，可见中西部地区的新质生产力发展水平总体较低。山东、四川在2013和2022年均属于“高—高”聚集区域，这是因为山东和四川不仅自身新质生产力发展水平较高，而且其周边存在江苏、重庆等新质生产力水平领先的地区。
表4 2013和2022年中国新质生产力水平集聚特征分析

Tab.4 Agglomeration analysis of China's new quality productive forces in 2013 and 2022

聚集类型 2013年 2022年
“高—高”区域 山东、四川、湖南 山东、四川、江苏
“低—高”区域 吉林、内蒙古、云南、山西、宁夏、贵州、广西、辽宁、新疆、甘肃、海南 吉林、内蒙古、云南、辽宁、宁夏、黑龙江、甘肃、山西、青海、重庆、江西
“低—低”区域 陕西、青海、江西、河南、黑龙江、河北 新疆、贵州、海南、福建、广西、安徽、河南、河北
“高—低”区域 安徽、福建、天津、重庆、湖北、上海、广东、江苏、浙江、北京 陕西、湖南、湖北、浙江、上海、北京、天津、广东

4.2 基于引力模型的空间关联分析

本文将使用引力模型识别全国各省份之间新质生产力的关联强度。由于省份之间的相互作用具有非对称性，为展现其新质生产力引力的方向，借鉴王山等的做法[26]，采用修正的引力模型探析我国省份之间新质生产力的关联特征。具体计算公式如下：
G i j * = K i j I i I j D i j 2 K i j = I i I i + I j
式中：Kij为修正的引力系数；Dij表示省份i与省份j之间的地理距离；Ii、Ij分别为省份i和省份j的新质生产力水平；Gij*为省份i对省份j的新质生产力引力值，其中各省份对自身的引力值为0。
基于式（2）测算出我国各省份间新质生产力的引力值，得到10个30×30的非对称引力矩阵，通过ArcGIS软件，采用自然断点法将各引力矩阵中的引力值划分为5个不同的强弱区间。由图6可知，弱引力关联主要从中西部省域向全国辐射开来。原因在于改革开放之初，不均衡发展战略的转型，我国经济重心东移，随之而来的是东西部差距进一步加剧，此外，由于中部地区城市群发育程度低，对周边地区的带动能力弱，使得关联强度较低。较弱引力关联和一般引力关联连接的主要是空间相近但新质生产力发展较落后的省域，引力网络范围主要集中在东北地区和中东部地区。较强引力关联和强引力关联所连省域相距较近且新质生产力发展水平较高，以北京、上海、浙江等新质生产力发达省域为主要辐射源，与周围发达省域之间具有高强度的引力关联。值得注意的是，2013—2017年关联强度明显增大，而2017—2022年关联强度有轻微下降，可能的原因是受到2020年新冠肺炎疫情的影响，对各省域之间的关联产生负面影响。
图6 全国各省份新质生产力空间关联演变

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

Fig.6 Spatial association of new quality productive forces in provincial-level regions of China

5 研究结论与政策启示

5.1 研究结论

本文在深刻理解新质生产力内涵和特征的基础上，构建了我国新质生产力指标体系，通过遗传算法优化的投影寻踪模型对中国2013—2022年30个省份的新质生产力水平进行测算，并进一步利用Dagum基尼系数、Kernel密度估计、Moran's I和引力模型等方法探究了我国省域新质生产力的空间格局及演化关联特征。主要结论如下：①我国新质生产力水平总体呈现上升趋势，但大部分省份仍低于平均水平。东部地区的新质生产力水平明显高于中、西、东北地区；多数省份的新质生产力水平并不高，具有较大上升空间。②我国新质生产力水平总体差距有所改善。东部地区的区域内差异程度最大，且具有上升趋势；东北地区区域内差异程度最小，且具有下降趋势；中部地区和西部地区区域内差异均具有下降趋势。同时，新质生产力的地区差距主要来源于区域间差距，并且区域间差距具有两极分化的现象。③从五大分项指数来看，新质劳动者、新质劳动资料、新质劳动对象、新技术创新、新经济规模的水平均有所提升，呈现出不同的分化现象和差异变化。随着各指标的动态演变，新质生产力的现实基础与现实表现之间实现了相互支撑与转化。④我国各省份间新质生产力水平呈空间正相关关系，并且经济因素在新质生产力的空间分布上起到关键作用；空间分布格局显示出低—高和高—低聚集的形式，引力关联强度在2013—2022年明显增大，各地区关联效应与新质生产力水平大致呈正比。

5.2 政策启示

基于上述研究结论，本文得出如下政策启示：①加强新质生产力相关指标的数据收集与统计工作。当前有关反映新质生产力的基础数据还有待进一步完善，数据质量和可靠性还有待进一步提高，通过定期统计和公布新质生产力相关指标数据，有利于及时把握新质生产力发展状况，以便更好地制定和实施相关政策。②各省份要高度重视新质生产力的培育和发展，缩小地区间的发展差异。针对地区间发展差距大、发展不平衡现象，应发挥东部领先省份及四川、湖北等新质生产力发展水平较高地区的辐射带动作用，推动新质生产力的均衡布局和协调发展。此外，政府、企业、高校和科研机构应建立紧密的合作关系，共同开展技术研发和成果转化，推动科技创新与产业升级的良性互动，强化现实基础以支撑现实表现，同时促进现实表现反哺现实基础，形成新质生产力发展的良性循环。③突破关键性颠覆性技术，抢占先进的新质生产力制高点。面对世界百年未有之大变局，率先突破关键性颠覆性技术，形成新质生产力的国家将有望在未来的全球竞争中取得显著优势。在这一挑战与机遇并存的时代，应进一步深化科技体制改革，优化科技创新环境，激发创新主体的积极性和创造性。
本文立足于新质生产力的现实基础和现实表现，构建包含生产力三要素、新技术创新及新经济规模的指标体系，为新质生产力的提升提供科学依据和决策参考。但由于新质生产力是一个较新的概念，所选指标具有一定的前瞻性，而致存在部分指标数据缺失，加之本研究仅聚焦于近10年的省份层面，未来研究可拓展研究年限，并深入到地级市层面。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
戴翔. 以发展新质生产力推动高质量发展[J]. 天津社会科学, 2023(6):103-110.

[2]
习近平. 牢牢把握在国家发展大局中的战略定位奋力开创黑龙江高质量发展新局面[N]. 人民日报,2023-09-09(01).

[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]
苏玺鉴, 孙久文. 培育东北全面振兴的新质生产力:内在逻辑、重点方向和实践路径[J]. 社会科学辑刊, 2024(1):126-133.

[5]
李政, 廖晓东. 发展“新质生产力”的理论、历史和现实“三重”逻辑[J]. 政治经济学评论, 2023, 14(6):146-159.

[6]
胡莹, 方太坤. 再论新质生产力的内涵特征与形成路径——以马克思生产力理论为视角[J]. 浙江工商大学学报, 2024(2):39-51.

[7]
任保平, 王子月. 数字新质生产力推动经济高质量发展的逻辑与路径[J]. 湘潭大学学报:哲学社会科学版, 2023, 47(6):23-30.

[8]
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.

[9]
王琴梅, 杨军鸽. 数字新质生产力与我国农业的高质量发展研究[J]. 陕西师范大学学报:哲学社会科学版, 2023, 52(6):61-72.

[10]
魏崇辉. 新质生产力的基本意涵、历史演进与实践路径[J]. 理论与改革, 2023(6):25-38.

[11]
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.

[12]
张夏恒, 马妍. 生成式人工智能技术赋能新质生产力涌现:价值意蕴、运行机理与实践路径[J]. 电子政务, 2024(4):17-25.

[13]
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.

[14]
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.

[15]
胡莹. 新质生产力的内涵、特点及路径探析[J]. 新疆师范大学学报:哲学社会科学版, 2024, 45 (5):36-45,2.

[16]
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.

[17]
朱富显, 李瑞雪, 徐晓莉, 等. 中国新质生产力指标构建与时空演进[J]. 工业技术经济, 2024, 43(3):44-53.

DOI

[18]
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.

[19]
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.

[20]
刘修岩, 王雨昕. 数字基础设施与中国城市的空间重构[J]. 经济地理, 2024, 44(4):55-63.

DOI

[21]
周玉龙, 刘玉海, 宋悦. 纵向监管、地方选择性供地与产业结构绿色转型[J]. 经济理论与经济管理, 2024, 44(2):1-16.

[22]
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.

[23]
梁发超, 朱润苗, 刘黎明. 基于质量评价的乡村振兴类型识别及优化路径——以福建省为例[J]. 经济地理, 2023, 43(3):172-179.

DOI

[24]
聂艳, 彭雅婷, 于婧, 等. 基于量子遗传投影寻踪模型的湖北省耕地生态安全评价[J]. 经济地理, 2015, 35(11):172-178.

[25]
陈之常, 马亚东. 中国城市更新对居民幸福感的影响研究——基于遗传算法投影寻踪和面板空间分位数模型[J]. 管理评论, 2022, 34(8):43-53.

[26]
王山, 刘文斐, 刘玉鑫. 长三角区域经济一体化水平测度及驱动机制——基于高质量发展视角[J]. 统计研究, 2022, 39(12):104-122.

Options
Outlines

/

〈 〉