EN中文

Economic geography >

2020 , Vol. 40 >Issue 3: 5 - 15

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.03.002

Spatial-Temporal Evolution and Regional Disparity of Economic High-Quality Development in the Yangtze River Economic Belt

  • WANG Xia ,
  • XU Xiaohong , ※
Expand
  • School of Economics，Anhui University，Hefei 230601，Anhui，China

Received date: 2019-05-27

  Revised date: 2019-11-05

  Online published: 2025-04-11

Fold

Abstract

Achieving high-quality economic development under the background of the new era is the key to building a beautiful China. Based on the panel data of 108 cities in the Yangtze River Economic Belt from 2003 to 2016,the ML index and the Dagum Gini coefficient method were used to measure and analyze spatial-temporal evolution and regional disparity of economic quality,efficiency change and technological change. The results show that the economic quality,efficiency changes and technological changes are growing at an average annual rate of 2.48%,-0.53%,and 3.03%,technological progress is the driving force for the optimization of economic quality. The economic quality of the upper,middle and lower reaches shows periodic fluctuations over time,the average economic quality of the downstream is the highest,followed by the upstream and the lowest in the midstream. The spatial distribution pattern of high-value areas of economic quality has evolved from upper and lower areas to middle and lower reaches,the high-value area of efficiency change is a spatial agglomeration pattern of the middle reaches of the Yangtze River and the Yangtze River Delta urban agglomeration,high-value areas of technological change are distributed in the middle and upper reaches. The overall regional disparity in economic quality,efficiency change,and technological change has expanded,and the inter-regional gap is the main cause of the overall regional disparity.

Key words： Yangtze River Economic Belt; high-quality development; spatial-temporal evolution; regional disparity

Cite this article

WANG Xia , XU Xiaohong . Spatial-Temporal Evolution and Regional Disparity of Economic High-Quality Development in the Yangtze River Economic Belt[J]. Economic geography, 2020 , 40(3) : 5 -15 . DOI: 10.15957/j.cnki.jjdl.2020.03.002

中国经历改革开放40年，取得辉煌经济成果的背后面临着贫富差距拉大、环境污染加剧、经济结构失衡等问题，阻碍了现代化经济体系建设，进而制约着现代化强国目标的实现[1]。为此，党的十九大报告指出，中国经济已经从高速增长阶段转向高质量发展阶段，提高全要素生产率，驱动经济效益的稳步提升。这意味着在新时代背景下，数量型增长模式不可持续，高质量发展成为中国经济建设的主旋律。长江经济带横跨中国东、中、西部，人口规模和经济总量均占全国40%以上，是新时代推动经济高质量发展和区域协调发展的重要阵地。2018年4月26日，习近平总书记在武汉强调，坚持新发展理念，坚持共抓大保护、不搞大开发，以长江经济带发展引领全局经济高质量发展。鉴于此，本文以长江经济带108个城市为研究对象，考察经济质量的时空演变特征与区域差距，不仅可以明确把握社会转型过程中经济质量的真实状态，而且还为实现区域经济质量协同提升提供政策支撑，对长江经济带建设为中国高质量发展的先行示范带具有重要理论与现实意义。
目前，学术界关于高质量发展的研究主要聚焦于两个层面。一是从理论层面分析高质量发展的本质内涵，认为经济高质量发展不同于经济增长质量，前者涵盖了环境、社会和经济等因素，体现了新时代的新发展理念[2]，是能够更好满足人民不断增长的真实需要的经济发展方式、结构和动力状态[3]，后者虽从质的视角反映经济增长的优劣，但不具有包容性特征，相对于“发展”而言，“增长”的深度与广度明显更为受限，不能够全面表征现代化经济体系建设过程中经济质量的高级水平[4]，经济高质量发展是经济增长质量的理论升华与思想创新[5]。二是从实证层面测度高质量发展水平，基本分为三种方法对其进行度量。①采用投资效率、能源效率和劳动生产率衡量经济发展质量[6-7]。实际上，高质量发展内涵丰富，涵盖了经济发展的多个方面，具有包容性与多元化特点，这些单要素生产率仅从一个维度刻画经济状况，存在较大片面性，无法揭示经济质量的全貌。②运用增长核算法计算全要素生产率（TFP），并用TFP表征经济质量[8⇓-10]。由于TFP没有考虑资源和环境对经济发展的刚性约束，无法体现绿色发展理念，在可行性和合理性方面存在局限。③构建多维度综合指标体系，量化子系统指标权重，据此测度经济发展质量得分[5,11-12]。多指标体系虽可以克服单一指标的片面性，但在指标体系构建时没有统一标准，细分指标选取具有随意性。同时，根据新古典经济理论，经济发展是由多项投入转化为最终产出的过程，而单纯从统计学角度构建多维指标体系无法反映实际的经济生产活动。
前沿文献为本文研究提供了理论和实证基础，但现有关于高质量发展的文献重点以国家或省份为研究对象，对于新时代国家重点区域长江经济带的探讨相对不足。近年来，关于长江经济带的研究主要集中于经济绩效[13]、生态环境[14]、技术研发[15]，此类文献仅从高质量发展的一个视角展开分析，难以全面有效地刻画高质量发展的综合水平。因此，本文以长江经济带108个城市为研究样本，首先，利用技术优化的Malmquist-Luenberger指数测算城市绿色全要素生产率（Green Total Factor Productivity，GTFP）表征经济质量，GTFP是在传统TFP基础上加入能源和环境要素，既符合现实的经济生产过程又体现了创新驱动与绿色发展理念，充分揭示了高质量发展的本质内涵[16⇓-18]。其次，利用非参数核密度估计和GIS技术从时间和空间维度揭示GTFP及其分解项的动态演变规律。再次，采用Dagum基尼系数法测算GTFP和分解项的区域差距大小。最后，在实证结论的基础上提出政策启示。

1 研究方法与数据来源

1.1 研究方法

1.1.1 技术优化的Malmquist-Luenberger指数

测算GTFP变化的传统方法为Malmquist-Luenberger指数[19]，然而该方法存在不一致性和非可行性问题，会产生较大测算偏误[20]。因此，本文借鉴Aparicio等[20]的方法，在ML指数的基础上引入优化技术克服不一致和非可行性问题。
假设决策单元的投入为 x ∈ R + N，期望产出为 y ∈ R + M，非期望产出为 b ∈ R + I，生产技术集 P t x t为：
        P t x t = y , b ∈ R + M × R + I ∑ k = 1 K z k y k m t ≥ y m , m = 1,2 , … , M ∑ k = 1 K z k b k i t ≤ b i ,   i = 1,2 , … , I ∑ k = 1 K z k x k m t ≤ x n t ,   n = 1,2 , … , N b i ≤ b - i t x t ,   i = 1,2 , … , I z k ≥ 0 ,   k = 1,2 , … , K
式中： b - i t x t表示非期望产出的上界值。
引入方向性距离函数 D → o x , y , b ; g = s u p β : y , b + β g ∈ P x。其中， g为方向向量，一般地，令 g = y , - b，表示期望产出增加、非期望产出减少。
ML指数定义为：
M L s = 1 + D → o s x t , y t , b t ; y t , - b t 1 + D → o s x t + 1 , y t + 1 , b t + 1 ; y t + 1 , - b t + 1 s = t ,   t + 1
公式（2）可以分解为效率变化（MLEFFCH）和技术变化（MLTECH）的乘积。其中，MLEFFCH代表决策单元与生产前沿面的距离，即追赶效应，意味着决策单元的资源配置、管理模式及组织方式的改善程度；MLTECH代表最佳生产前沿面的移动状况，即前沿转换效应，意味着决策单元的技术引进消化吸收再创新的过程。
      M L E F F C H s = 1 + D → o t x t , y t , b t ; y t , - b t 1 + D → o t + 1 x t + 1 , y t + 1 , b t + 1 ; y t + 1 , - b t + 1
M L T E C H s = 1 + D → o t + 1 x s , y s , b s ; y s , - b s 1 + D → o t x s , y s , b s ; y s , - b s
为了避免参考技术前沿面选择的随意性，将 t期~ t + 1期的ML指数定义为两期值的几何平均，即 M L t t + 1 = M L t × M L t + 1。
关于决策单元在时期 h = t , t + 1相对于生产技术集 P s , s = t , t + 1的方向性距离函数可以通过公式（5）计算。
D → o s x o h , y o h , b o h ; y o h , - b o h = M a x   β s . t .   ∑ k = 1 K z k y k m s ≥ y o m h + β y o m h ,   m = 1,2 , ⋯ , M ∑ k = 1 K z k b k i s ≤ b o i h - β b o i h ,   i = 1,2 , ⋯ , I ∑ k = 1 K z k x k n s ≤ x o n h ,   n = 1,2 , ⋯ , N b o i h - β b o i h ≤ b - i s x o h ,   i = 1,2 , ⋯ , I z n ≥ 0 ,   k = 1,2 , ⋯ , K

1.1.2 Dagum基尼系数分解法

测度区域差距的常用方法有变异系数、泰尔指数和基尼系数等，相比于这些方法，Dagum基尼系数法不仅可以对区域总体差距进行来源分解，还解决了区域间样本交叉重叠问题，可以准确识别区域间差距对于总体差距的贡献程度[21]。因此，本文采用Dagum基尼系数法测度GTFP的区域差距，将长江经济带108个城市划分为上游、中游、下游三大区域①，Dagum基尼系数定义为：
G = ∑ j = 1 k ∑ h = 1 k ∑ i = 1 n j ∑ r = 1 n h y j i - y h r 2 n 2 μ
式中： y j i y h r是 j h区域内 i r城市的GTFP； n为城市的个数； μ为所有城市GTFP的平均值； k为区域划分的个数； n j n h是 j h区域内城市个数。
公式（6）可以分解为区域内差距的贡献（ G w）、区域间净差距的贡献（ G n b）和超变密度的贡献（ G t），即 G = G w + G n b + G t。
G j j = ∑ i = 1 n j ∑ r = 1 n j y j i - y j r 2 μ j n j 2
G w = ∑ j = 1 k G j j p j s j
公式（7）、（8）为区域 j内部的GTFP差距（ G j j）、区域内差距的贡献（ G w）。
G j h = ∑ i = 1 n j ∑ r = 1 n h y j i - y h r n j n h μ j + μ h
G n b = ∑ j = 2 k ∑ h = 1 j - 1 G j h p j s h + p h s j D j h
公式（9）、（10）为区域 j和 h之间的GTFP差距（ G j h）、区域间净差距的贡献（ G n b）。
G t = ∑ j = 2 k ∑ h = 1 j - 1 G j h p j s h + p h s j 1 - D j h
公式（11）为超变密度的贡献（ G t）。
公式（8）、（10）、（11）中， p j = n j / n， s j = n j μ j / n μ， D j h为区域 j和 h之间GTFP的相对影响。

1.2 数据来源

长江经济带包括9个省份和2个直辖市，由于铜仁、毕节和巢湖存在行政区划调整，基于数据的可得性与平行性原则，最终选取长江经济带108个城市为研究对象（表1），研究时间段为2003—2016年。原始数据来源于《中国城市统计年鉴》《中国区域经济统计年鉴》。
表1 长江经济带108个城市

Tab.1 108 cities in the Yangtze River Economic Belt

省域 数量（个） 城市
上海 1 -
江苏 13 南京、无锡、徐州、常州、苏州、南通、连云港、淮安、盐城、扬州、镇江、泰州、宿迁
浙江 11 杭州、宁波、温州、嘉兴、湖州、绍兴、金华、衢州、舟山、台州、丽水
安徽 16 合肥、芜湖、蚌埠、淮南、马鞍山、淮北、铜陵、安庆、黄山、滁州、阜阳、宿州、六安、亳州、池州、宣城
江西 11 南昌、景德镇、萍乡、九江、新余、鹰潭、赣州、吉安、宜春、抚州、上饶
湖北 12 武汉、黄石、十堰、宜昌、襄阳、鄂州、荆门、孝感、荆州、黄冈、咸宁、随州
湖南 13 长沙、株洲、湘潭、衡阳、邵阳、岳阳、常德、张家界、益阳、郴州、永州、怀化、娄底
重庆 1 -
四川 18 成都、自贡、攀枝花、泸州、德阳、绵阳、广元、遂宁、内江、乐山、南充、眉山、宜宾、广安、达州、雅安、巴中、资阳
贵州 4 贵阳、六盘水、遵义、安顺
云南 8 昆明、曲靖、玉溪、保山、昭通、丽江、普洱、临沧
索罗增长模型认为，经济增长涉及到劳动、资本和技术三个投入要素，通过三者的协同组合促进GDP的增加，在中国经济步入提质增效的新时代背景下，这忽略了能源和环境对经济增长的刚性约束，扭曲社会福利和经济绩效。因此，本文在投入、产出指标体系构建中纳入了能源和环境要素，综合反映经济增长、能源节约和环境保护之间的协调发展水平。具体的投入、产出指标选取如下：①投入指标包括劳动力、物质资本和能源消费。劳动力按照多数学者的做法，采用年末从业人员数表示；对于物质资本部分学者使用永续盘存法进行估算，但由于数据缺失和参数取值不同等原因，导致结果偏差较大，本文使用的技术优化ML指数属于相对效率测算方法，只要保持城市数据的相对一致，就可以克服结果偏差问题，因此，物质资本使用全社会固定资产投资额表示；由于城市煤炭、石油等传统能源数据没有统计，并且部分城市煤气、液化石油气数据缺失严重，因此，能源消费采用全社会用电量表示。②产出指标包括期望产出和非期望产出。保持GDP中高速增长，是跨越“中等收入陷阱”的关键，因此，期望产出选用GDP表示，并以2003年为基期运用GDP平减指数进行消胀处理；随着城镇化和工业化进程的持续推进，城市空气污染和水污染成为严峻的环境问题，阻碍城市健康可持续发展，鉴于此，非期望产出选用工业废水、SO2和烟尘排放量表示。

2 经济高质量发展时空演变特征

2.1 经济高质量发展测算结果

利用技术优化的ML指数测算出城市经济质量（GTFP）、效率变化（MLEFFCH）和技术变化（MLTECH）。表2报告了三大区域测算结果。
表2 长江经济带经济质量及增长源泉变化

Tab.2 Economic quality and growth sources of the Yangtze River Economic Belt

区域 GTFP MLEFFCH MLTECH
上游城市 1.0206 0.9952 1.0255
中游城市 1.0130 0.9913 1.0219
下游城市 1.0411 0.9976 1.0436
整体 1.0248 0.9947 1.0303

注：限于篇幅，未报告108个城市的具体结果。

表2结果显示，从整体看，长江经济带经济质量、效率变化、技术变化分别增长2.48%、-0.53%、3.03%。这说明经济质量优化提升的源泉为技术进步，而技术效率出现恶化现象，揭示了城市发展过程中更加注重技术的引进与创新，通过前沿技术进步推动生产前沿面的向外移动，忽略了要素配置方式和管理模式的改善，无法发挥技术效率提升经济质量的巨大潜力。从区域层面看，下游城市经济质量最高，上游城市次之，中游城市最低。可能的原因为，下游位于沿海地区，具有区位优势，长期处于改革开放的前沿阵地，能够利用国际先进技术和吸引高技术人才，通过快速的物质资本与人力资本积累实现经济发展方式转型，上游虽位于西部地区，经济发展水平较低，但具有自然禀赋优势，绿水青山就是金山银山，经济结构的“绿色化”特征明显，中游地理位置靠近下游地区，是下游城市污染密集型产业转移的首选，强化了中游城市以牺牲环境为代价换取经济增长的动机，形成粗放型产业结构的路径依赖性。三大区域均呈现出效率恶化、技术进步的特征，再次验证了城市发展没有借助制度创新的方式降低要素交易成本、畅通资源配置渠道，导致位于生产可能性集合内部的城市与技术前沿面的距离进一步拉大，追赶效应不显著。

2.2 经济高质量发展时间演变规律

采用上文测算出的城市经济质量、效率变化和技术变化面板数据，运用非参数核密度估计法分析经济质量及其分解项的动态演变规律。限于篇幅，选取2004、2008、2012、2016年为参考标准，结果如图1~图3所示。
图1 经济质量核密度分布

Fig.1 Economic quality nuclear density distribution

图2 效率变化核密度分布

Fig.2 Efficiency change nuclear density distribution

图3 技术变化核密度分布

Fig.3 Technical change nuclear density distribution

图1显示，随着时间推移，核密度曲线逐渐向右移动，呈现单峰分布特征，波峰高度下降，曲线左尾向中心集中，右尾偏离中心且具有拖尾形态。这表明长江经济带城市经济质量逐步提升优化，低水平经济质量的城市数量减少，高水平经济质量的城市数量增加，城市间经济质量差距呈现扩大趋势。从图2可知，总体上核密度曲线向左移动，波峰变得平缓，变化区间扩大，说明样本考察期内技术效率下降，同时城市差距也在拉大。具体地，相比2004年，2008年曲线左移，主峰值变小，右尾外延，意味着技术效率降低，分化现象加剧，城市间效率差距扩大。与2008年相比，2012年曲线左移幅度较小，主峰值变大，右尾向中心收拢，说明城市技术效率分布较为集中，趋于收敛态势，效率差距有所改善。与2012年相比，2016年曲线向左移动幅度较大，主峰值显著变小，小波峰值明显增大，单峰变为双峰，反映出技术效率恶化，同时两极分化现象严重。从图3可知，2004年之后，代表技术变化的核密度曲线向右移动幅度较大，说明该时期城市技术进步率较快。相比其他年份，2008年曲线波峰高度最高且陡峭，两端均出现截尾现象，折射出技术水平收敛程度较高，城市间技术差距不明显。2012和2016年主峰值逐渐变小，左尾向中心靠近，右尾形态出现右移且具有拖尾性质，说明城市间技术差距逐步扩大，技术进步的示范与学习效应并未显现，技术水平高的城市数量增加，技术水平低的城市数量减少，且增加幅度相对更大。结合图1~图3可知，长江经济带城市经济质量提升的动能为技术进步，如何改善技术效率成为今后城市高质量发展的关键。
为了进一步比较分析三大区域经济质量、效率变化和技术变化的动态演进规律，绘制出上游、中游和下游城市随时间变化的折线图，结果如图4~图6所示。
图4 三大区域经济质量动态演变趋势

Fig.4 Dynamic evolution of economic quality

图5 三大区域效率变化动态演变趋势

Fig.5 Dynamic evolution of efficiency change

图6 三大区域技术变化动态演变趋势

Fig.6 Dynamic evolution of technical change

图4显示，三大区域经济质量呈现明显的阶段性波动特征。中游和下游城市经济质量变化趋势基本一致，主要分为三个阶段，一是2004—2007年经济质量不断提升优化，该时期属于城市化与工业化加速推进阶段，一方面，农村富余劳动力进入城市，为城市发展提供了价廉质优的劳动力供给，另一方面，外向型经济发展方式吸引了国际资本进入中国市场，带来了充足的物质资本。劳动力和物质资本共同驱动经济快速发展，创造了巨大的规模红利，遮掩了经济发展的负面影响，总体表现为经济质量的提高。二是2008—2013年经济质量波动中下滑，由于受到国际金融危机的外生冲击，外部市场需求疲软，迫于“保增长”压力，政府实施强刺激经济政策，依赖大规模投资推动经济发展，资本深化问题凸显，引致投资效率下降和要素配置扭曲，抑制了经济质量的提升。三是2014—2016年经济质量显著上升，近年来，经济增长速度下滑，前期经济发展中的结构性问题开始显现，为了应对一系列挑战，中央政府提出“调结构、转方式、促升级”理念，进一步深化改革，消除体制机制壁垒，激发市场活力，同时高度重视创新型国家建设和生态文明建设，为经济高质量发展注入了新动能。上游城市2004—2013年经济质量处于波动状态，蕴含着城市发展战略的不稳定性，无法形成良好的市场预期，面临生态环境和经济增长不相容的现实困境，2014—2016年得益于成渝城市群的辐射带动作用，在产业转型、资源利用和创新驱动等方面均取得长足进步，推动了经济质量的持续提高。图5显示，三大区域效率变化均呈现剧烈波动状态，多数年份效率变化为负增长，恶化现象明显，究其原因，中国市场化程度相对偏低，服务于经济发展的顶层制度环境不完善，在要素禀赋优势逐渐消失的背景下，没有充分挖掘制度比较优势，制度障碍导致要素市场扭曲，形成资源供需错配，制约了资源配置效率改善。图6显示，三大区域技术变化多数年份实现正增长，并且上游和中游城市的技术进步速度高于下游城市，下游地区是高技能劳动力的集聚地，借助人力资本外部性产生创新思想和活动，扮演着技术创新的“领导者”角色，而创新活动具有投入高、周期长、不确定性等特征，技术进步率不具有稳定性，中游和上游地区则充当着技术“追赶者”，利用下游地区先进技术的外溢效应、辐射效应和示范效应快速提高自身的技术进步率。图4~图6进一步佐证了技术进步是推动长江经济带经济质量提升的关键，技术效率成为经济质量提升的绊脚石。

2.3 经济高质量发展空间演变规律

为了更加直观反映城市经济质量、效率变化和技术变化的空间分布规律，以2004、2008、2012、2016年为基准，利用ArcGIS软件进行空间可视化分析，结果如图7~图9所示。
图7 经济质量空间分布格局演变趋势

Fig.7 The evolution of the spatial distribution pattern of economic quality

图8 效率变化空间分布格局演变趋势

Fig.8 The evolution of spatial distribution pattern of efficiency change

图9 技术变化空间分布格局演变趋势

Fig.9 The evolution of spatial distribution pattern of technical change

图7显示，将城市经济质量分成五类，颜色越深，经济质量越高。2004年经济质量提升的城市上游为18个，占比58.1%，中游为22个，占比42.3%，下游为17个，占比68%，2008年上、中、下游经济质量进一步提升，占比分别为64.5%、51.9%、92%，经济质量高值区主要集聚分布在长江上游和下游地区，呈“双核”引领示范模式，中游地区处于坍塌状态，意味着经济发展质量在空间分布上形如“卡夫丁峡谷”。2012年经济质量提升的城市上游占比为67.7%，中游为75%，相比上游地区，中游增长幅度较大，其中，湖北省内城市经济质量提升最快，这得益于武汉是国家中心城市，引领长江中游城市群发展，并借助武汉都市圈的规模效应对省内城市产生强烈的辐射带动作用，形成省内城市高质量发展的互联互通格局，经济质量高值区表现出由上游向中游转移集聚的演变格局，下游占比为80%，与2008年相比，经济质量提升的城市数量减少12%，上海、苏州出现经济质量下降趋势，似乎与现实情况相悖，可能的原因为，经济发展中后期，城市产业结构面临从第二产业向第三产业变迁，导致经济“结构性减速”，同时上海和苏州位于制度创新与科技创新的前沿，可能会受到短暂性的创新“天花板”效应影响，经济和创新的双重负面冲击阻碍了经济质量提高。2016年上、中、下游经济质量优化程度普遍较高，占比为74.2%、98.1%、100%，中游和下游地区成为经济质量高值区的集聚地，局部马太效应凸显，相比中、下游，上游地区已沦为经济质量低值区。
图8显示，将城市效率变化分为五类，颜色越深，资源配置效率越高。2004年上、中、下游效率改善的城市数量有16、26、7个，占比为51.6%、50%、28%，效率高值区分布在上游和中游地区，2008年中、下游效率改善的城市数量下降为11和4个，高值区集中于上游，呈现单中心引领模式，2012年以后，上游效率改善的城市数量逐步下降，而中、下游则具有上升趋势，截至2016年，上、中、下游地区效率改善城市数量占比为9.7%、40.4%、44%，高值区空间分布转移至中、下游地区，演化成以长江中游城市群和长三角城市群为双中心的空间格局。
图9显示，将城市技术变化分为五类，颜色越深，技术进步率越大。2004和2008年三大区域技术进步的城市数量均表现为增加态势，上、中、下游增长幅度为22.5%、46.2%、36%，技术进步高值区主要集聚分布在下游地区，中、上游成为技术引进的主要场所，利用后发优势追赶下游城市的技术前沿面，2012年下游实现技术进步的城市数量出现减少现象，占比为80%，中、上游占比为75%、80.6%，高值区具有向中游和上游转移的空间演进特征，2016年三大区域所有城市技术进步均实现提高，中、上游地区的技术进步高值区集聚格局进一步强化。

3 经济高质量发展区域差距

基于长江经济带108个城市经济质量、效率变化和技术变化的面板数据，利用Dagum基尼系数法测算经济高质量发展的总体区域差距，并按照上、中、下游三大区域的空间尺度进行分解，揭示区域差距的主要来源。

3.1 经济质量区域差距及来源

表3报告了2004—2016年经济质量的区域差距及来源测度结果。根据表3可知，从总体趋势看，Dagum基尼系数呈波动上升态势，由2004年的0.0396上升到2011年的峰值0.0757，在经历了短暂的下降阶段后又反弹至2016年的0.0553，说明经济质量的区域差距有扩大趋势。从来源分解看，区域内Dagum基尼系数保持平稳，基本围绕0.015上下小幅度波动，而区域间Dagum基尼系数具有阶段性波动特征，2004—2008年从0.0251小幅度递增至0.0314，2009—2010年下降至波谷0.023附近，2011年出现较大幅度增长，达到全局最大值0.0453，2012—2016年再次出现小幅度震荡现象，反映了经济质量的区域间差距随着时间推移表现出一定程度的阶段性特征，超变密度Dagum基尼系数保持在0.0006~0.0074区间内小幅度波动。样本考察期内，区域间Dagum基尼系数始终大于区域内和超变密度Dagum基尼系数，说明长江经济带经济质量的总体区域差距是由区域间差距导致的。从贡献率看，区域内差距、区域间差距、超变密度对总体差距的贡献率均值分别为34.91%、58.79%、6.30%，区域间差距的贡献率远高于区域内和超变密度的贡献率，进一步佐证了总体区域差距的大部分可以由不同区域间经济质量的差异性来解释，相比于区域间和区域内，超变密度的贡献率较小，表明不同区域间的交叉重叠问题对于总体区域差距的影响很小。
表3 经济质量的Dagum基尼系数及其来源

Tab.3 Dagum Gini coefficient of economic quality and its source

年份 总体区域差距 区域内差距 区域间差距 超变密度 贡献率（%）
区域内差距 区域间差距 超变密度
2004 0.0396 0.0137 0.0251 0.0008 34.60 63.38 2.02
2005 0.0377 0.0134 0.0212 0.0031 35.54 56.23 8.22
2006 0.0371 0.0123 0.0227 0.0021 33.15 61.19 5.66
2007 0.0413 0.0137 0.0235 0.0041 33.17 56.90 9.93
2008 0.0487 0.0167 0.0314 0.0006 34.29 64.48 1.23
2009 0.0430 0.0153 0.0229 0.0048 35.58 53.26 11.16
2010 0.0413 0.0147 0.0250 0.0016 35.59 60.53 3.87
2011 0.0757 0.0265 0.0453 0.0039 35.01 59.84 5.15
2012 0.0457 0.0150 0.0233 0.0074 32.82 50.98 16.19
2013 0.0393 0.0136 0.0244 0.0013 34.61 62.09 3.31
2014 0.0325 0.0116 0.0192 0.0017 35.69 59.08 5.23
2015 0.0346 0.0130 0.0209 0.0007 37.57 60.40 2.02
2016 0.0553 0.0200 0.0309 0.0044 36.17 55.88 7.96

3.2 效率变化区域差距及来源

表4报告了2004—2016年效率变化的区域差距及来源测度结果。根据表4可知，样本考察期内，总体区域Dagum基尼系数均值为0.0368，呈频繁波动的演变态势，在2011和2015年分别达到波峰0.0623与波谷0.0295，2016年反弹至0.0414，增幅为40.34%，整体波动幅度较大，说明效率变化的总体区域差距较大，且具有持续增大的特征。除了2011年之外，区域内、区域间、超变密度Dagum基尼系数大致保持平稳，区域间差距对总体区域差距的贡献率达到57.60%，高于区域内差距和超变密度的贡献率，即区域间差距是效率变化总体区域差距的主要来源。区域内差距的贡献率基本保持在35%左右，对总体区域差距的影响力度弱于区域间差距，不是造成总体区域差距的关键因素。超变密度的贡献率样本期均值为7.08%，远低于区域间和区域内差距的影响效应，表明不同区域样本间的交叉重叠问题对总体区域差距的拉动力非常有限。
表4 效率变化的Dagum基尼系数及其来源

Tab.4 Dagum Gini coefficient of efficiency change and its source

年份 总体区域差距 区域内差距 区域间差距 超变密度 贡献率（%）
区域内差距 区域间差距 超变密度
2004 0.0365 0.0131 0.0225 0.0009 35.89 61.64 2.47
2005 0.0340 0.0126 0.0198 0.0016 37.06 58.24 4.71
2006 0.0325 0.0109 0.0169 0.0047 33.54 52.00 14.46
2007 0.0339 0.0116 0.0190 0.0033 34.22 56.05 9.73
2008 0.0327 0.0114 0.0190 0.0023 34.86 58.10 7.03
2009 0.0381 0.0138 0.0213 0.0030 36.22 55.91 7.87
2010 0.0373 0.0136 0.0218 0.0019 36.46 58.45 5.09
2011 0.0623 0.0226 0.0383 0.0014 36.28 61.48 2.25
2012 0.0339 0.0119 0.0192 0.0028 35.10 56.64 8.26
2013 0.0365 0.0127 0.0212 0.0026 34.79 58.08 7.12
2014 0.0296 0.0102 0.0172 0.0022 34.46 58.11 7.43
2015 0.0295 0.0112 0.0179 0.0004 37.97 60.68 1.36
2016 0.0414 0.0134 0.0221 0.0059 32.37 53.38 14.25

3.3 技术变化区域差距及来源

表5报告了2004—2016年技术变化的区域差距及来源测度结果。根据表5可知，技术变化的总体区域差距呈现“下降—上升”交替出现的特征，技术水平区域差距最大和最小的年份出现在2011和2015年，Dagum基尼系数分别为0.0403和0.0179，意味着不同城市之间的技术水平差异性较大，同时Dagum基尼系数从2004年的0.0271上升至2016年的0.0363，刻画出技术水平的总体差距持续扩大的特点。区域内Dagum基尼系数2004—2011年波动上升，从0.0090提高到0.0138，增长幅度达53%，2012—2015年下降至最低点0.0062，下降幅度为55%，2016年又上升至0.0135，Dagum基尼系数均值为0.0089。区域间Dagum基尼系数2004—2008年呈“U”型演变趋势，局部最小值为2006年的0.0115，2009—2012年呈倒“U”型变化趋势，局部最大值为2011年的0.0220，2013—2016年再次呈“U”型演化态势，局部最小值为2014和2015年的0.0115，Dagum基尼系数均值为0.0147。超变密度Dagum基尼系数呈小幅度波动下降趋势，从2004年的0.0023下降至2016年的0.0012，Dagum基尼系数均值为0.0025。区域内差距、区域间差距、超变密度的贡献率分别为34.02%、56.67%、9.32%，说明区域间差距是导致技术变化总体区域差距的主要原因。
表5 技术变化的Dagum基尼系数及其来源

Tab.5 Dagum Gini coefficient of technical change and its source

年份 总体区域差距 区域内差距 区域间差距 超变密度 贡献率（%）
区域内差距 区域间差距 超变密度
2004 0.0271 0.0090 0.0158 0.0023 33.21 58.30 8.49
2005 0.0283 0.0093 0.0132 0.0058 32.86 46.64 20.49
2006 0.0239 0.0072 0.0115 0.0052 30.13 48.12 21.76
2007 0.0214 0.0073 0.0137 0.0004 34.11 64.02 1.87
2008 0.0321 0.0104 0.0191 0.0026 32.40 59.50 8.10
2009 0.0196 0.0067 0.0108 0.0021 34.18 55.10 10.71
2010 0.0212 0.0076 0.0133 0.0003 35.85 62.74 1.42
2011 0.0403 0.0138 0.0220 0.0045 34.24 54.59 11.17
2012 0.0249 0.0085 0.0128 0.0036 34.14 51.41 14.46
2013 0.0280 0.0094 0.0141 0.0045 33.57 50.36 16.07
2014 0.0185 0.0066 0.0115 0.0004 35.68 62.16 2.16
2015 0.0179 0.0062 0.0115 0.0002 34.64 64.25 1.12
2016 0.0363 0.0135 0.0216 0.0012 37.19 59.50 3.31

4 主要结论与政策启示

本文基于2003—2016年长江经济带108个城市的面板数据，采用技术优化的Malmquist-Luenberger指数和Dagum基尼系数法对经济质量、效率变化、技术变化的时空演变特征和区域差距进行了测算分析。主要结论如下：第一，长江经济带经济质量、效率变化、技术变化年均增长2.48%、-0.53%、3.03%，技术进步是经济质量优化提升的动力源泉。第二，上、中、下游三大区域的经济质量具有异质性，下游城市经济质量最高，上游城市次之，中游城市最低，且随着时间推移呈现明显的阶段性波动特征。第三，经济质量高值区空间分布格局由上、下游地区演化为中、下游地区，效率变化高值区以长江中游城市群和长三角城市群为双中心的空间集聚格局，技术变化高值区分布在中、上游地区。第四，经济质量、效率变化、技术变化总体区域差距有扩大趋势，区域间差距的贡献率远高于区域内和超变密度的贡献率，区域间差距是导致总体区域差距的主要原因。
上述研究结论蕴含着以下政策启示：第一，改善技术效率，推动经济质量稳步提升。研究发现，技术效率成为经济质量提升的绊脚石，城市发展过程中偏重技术革新与应用，忽略了要素配置方式和管理模式的改善，应该加大“硬性”和“软性”基础设施建设力度，畅通要素自由流动渠道，让市场真正成为资源配置的决定性力量，纠正要素错配现象，提高配置效率，发挥技术效率促进经济质量提升的潜力。第二，推动创新驱动发展，强化经济质量提升效应。研究发现，技术进步是驱动经济质量提升的动力，需进一步挖掘技术创新提升经济质量的空间，统筹政府、社会、企业三方力量，设立技术创新奖励基金，激励研发人员自主创新的内在动力与活力，同时应该营造良好社会创新氛围，搭建多极化的区域创新平台，形成创新思想和技术共享的集聚地，增强自主创新能力。第三，遵循区域发展规律，缩小经济质量差距。研究发现，经济质量总体区域差距呈扩大趋势，应该遵循各地区发展规律，以“市场主导，政府引导”为原则，缩小经济质量区域差距，具体而言，下游城市应重点发展知识密集型和技术密集型产业，通过技术进步转变能源消费结构，摆脱经济发展和环境保护不相容的困境，中游城市应提高环境规制标准，倒逼企业转型升级，坚决淘汰落后产能，在承接下游城市产业转移的同时应设置污染型产业“负面清单”，合理筛选转移产业，上游城市应遵循当地比较优势，依托成渝城市群积极引进先进技术与管理经验，提高资源利用效率，避免陷入“资源诅咒”陷阱。第四，打破“诸侯经济”局限，实现经济质量协同提升。研究发现，经济质量区域间差距是导致总体区域差距的主要原因，意味着上、中、下游三大区域存在“诸侯经济”现象，区域一体化发展程度较低，体制机制壁垒阻碍各区域的经济互动和技术交流，应该建立利益共享、成本共担的长效机制，并且成立统一组织管理的机构，协调解决地区间联动发展过程中出现的问题，促使各地区加强经济、技术、环境等领域的合作，破除区域分割，实现经济质量协同提升的目标。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
高培勇, 杜创, 刘霞辉, 等. 高质量发展背景下的现代化经济体系建设:一个逻辑框架[J]. 经济研究, 2019(4):4-17.

[2]
任保平. 新时代中国经济从高速增长转向高质量发展:理论阐释与实践取向[J]. 学术月刊, 2018(3):66-74.

[3]
金碚. 关于“高质量发展”的经济学研究[J]. 中国工业经济, 2018(4):5-18.

[4]
任保平. 经济增长质量:经济增长理论框架的扩展[J]. 经济学动态, 2013(11):45-51.

[5]
魏敏, 李书昊. 新时代中国经济高质量发展水平的测度研究[J]. 数量经济技术经济研究, 2018(11):3-20.

[6]
唐毅南. 中国经济真是“粗放式增长”吗——中国经济增长质量的经验研究[J]. 学术月刊, 2014(12):82-96.

[7]
陈诗一, 陈登科. 雾霾污染、政府治理与经济高质量发展[J]. 经济研究, 2018(2):20-34.

[8]
Mei L, Chen Z. The convergence analysis of regional growth differences in China:the perspective of the quality of economic growth[J]. Journal of Service Science and Management, 2016(6):453-476.

[9]
李平, 付一夫, 张艳芳. 生产性服务业能成为中国经济高质量增长新动能吗[J]. 中国工业经济, 2017(12):5-21.

[10]
刘思明, 张世瑾, 朱惠东. 国家创新驱动力测度及其经济高质量发展效应研究[J]. 数量经济技术经济研究, 2019(4):3-23.

[11]
Qi J. Fiscal Expenditure incentives,spatial correlation and quality of economic growth:evidence from a Chinese province[J]. International Journal of Business and Management, 2016(7):191-201.

[12]
Wang Z, Yang L, Yin J, et al. Assessment and prediction of en-vironmental sustainability in China based on a modified ecological footprint model[J]. Resources Conservation and Recycling, 2018(5):301-313.

[13]
郝国彩, 徐银良, 张晓萌, 等. 长江经济带城市绿色经济绩效的溢出效应及其分解[J]. 中国人口·资源与环境, 2018(5):75-83.

[14]
邢贞成, 王济干, 张婕. 长江经济带全要素生态效率的时空分异与演变[J]. 长江流域资源与环境, 2018(4):792-799.

[15]
袁茜, 吴利华, 张平. 长江经济带一体化发展与高技术产业研发效率[J]. 数量经济技术经济研究, 2019(4):45-60.

[16]
Acemoglu D, Aghion P, Bursztyn L, et al. The environment and directed technical change[J]. American Economic Review, 2012(1):131-166.

[17]
Shapiro J S, Walker R. Why is pollution from US manufactur- ing declining?The roles of environmental regulation,productivity,and trade[J]. American Economic Review, 2018(12): 3 814-3 854.

[18]
易明, 李纲, 彭甲超, 等. 长江经济带绿色全要素生产率的时空分异特征研究[J]. 管理世界, 2018(11):178-179.

[19]
Chung Y, Fare R, Grosskopf S. Productivity and undesirable outputs:a directional distance function approach[J]. Journal of Environmental Management, 1997(3):229-240.

[20]
Aparicio J, Barbero J, Kapelko M, et al. Testing the consis- tency and feasibility of the standard malmquist-luenberger index:environmental productivity in world air emissions[J]. Journal of Environmental Management, 2017(3):148-160.

[21]
Dagum C. A new approach to the decomposition of the Gini income inequality ratio[J]. Empirical Economics, 1997(4):515-531.

Options
Outlines

/

〈 〉