EN中文

Economic geography >

2025 , Vol. 45 >Issue 10: 121 - 130

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.10.013

Impact Mechanism and Spatial Spillover Effect of Industrial Intelligence on High-quality Development of Regional Economy

  • JIN Guangmin , 1, 2 ,
  • ZHU Binbin , 1, ※
Expand
  • 1. Business School of Northeast Normal University， Chuangchun 130117， Jilin，China
  • 2. Jilin Academy of Social Sciences， Chuangchun 130033， Jilin，China

Received date: 2024-05-07

  Revised date: 2025-09-27

  Online published: 2025-11-20

Fold

Abstract

Against the backdrop of the 20th National Congress of the Communist Party of China's proposition that "high-quality development is the primary task for comprehensively building a modern socialist country," this paper addressing the constraints on internal supporting conditions faced by the high-quality development of regional economy, adopts the panel regression model and spatial econometric methods to systematically explore the impact mechanism and spatial spillover effect of industrial intelligence on the high-quality development of regional economy. The findings reveal that:1) Industrial intelligence significantly promotes high-quality development of regional economy, with robust regression outcomes after robustness tests. 2) The promotional effect of industrial intelligence on high-quality regional economic development decreases sequentially across eastern, central, western, and northeastern regions; it is more pronounced in large cities compared to small and medium-sized cities. 3) Industrial intelligence drives market integration and enhances total factor productivity (TFP), thereby positively influencing high-quality regional economic development. 4) A positive spatial spillover effect exists in the impact of industrial intelligence on high-quality regional economic development. Based on these findings, the paper proposes pathways to effectively leverage industrial intelligence for promoting high-quality regional economic development through technological innovation, industrial collaboration, and policy guidance.

Key words： industrial intelligence; regional economies; high-quality development; industrial robots; market integration; total factor productivity (TFP); space overflow effect

Cite this article

JIN Guangmin , ZHU Binbin . Impact Mechanism and Spatial Spillover Effect of Industrial Intelligence on High-quality Development of Regional Economy[J]. Economic geography, 2025 , 45(10) : 121 -130 . DOI: 10.15957/j.cnki.jjdl.2025.10.013

党的二十大报告提出，“高质量发展是全面建设社会主义现代化国家的首要任务”。区域经济作为国民经济体系的空间投影与战略支撑，既是国家发展战局的微观单元映射，也是宏观战略落地实施的关键载体。高质量发展是新发展阶段区域经济发展的主要目标，区域高质量发展是区域经济发展的高级形态。在外部环境不确定性加剧、内部支撑条件约束日益增强的背景下，加快推动产业体系的结构性变革与能级跃升，成为区域经济高质量发展的关键抓手。工业因生产流程可控、工艺标准规范，天然具备智能化改造的先发优势，这决定了工业智能化不仅是技术演进的必然趋势，更是区域经济突破发展瓶颈、实现区域经济高质量发展的核心路径。因此，深入研究工业智能化对区域经济高质量发展的影响机制具有重要的理论和现实意义。
多数研究表明，工业智能化对经济发展具有积极影响。Zeira构建自动化经济增长模型得出产出水平随自动化水平提升而增长，认为自动化可视为生产资本，可带动经济持续增长[1]；王士香等利用空间杜宾以及面板门槛模型，验证了工业智能化对城市经济增长具有显著促进作用，且存在正向空间溢出[2]；杨光等通过模型推理及1993—2017年72个国家和地区机器人使用数据的计量分析，发现工业机器人使用可直接推动经济增长，并通过提升全要素生产率间接赋能经济发展[3]；陈晓等运用固定效应模型和中介效应模型实证检验了工业智能化对经济增长质量的影响以及劳动力就业结构在这一过程中所发挥的作用[4]；韩永辉等基于内生经济增长理论的DSGE模型分析了工业智能化对宏观经济的影响，发现工业智能化可优化劳动力与资本要素配置，进而提升经济均衡总产出[5]；刘洋等构建包含异质性劳动力、异质性资本、技术研发与转化等特征的新凯恩斯动态随机一般均衡模型，模拟工业智能化对中国宏观经济的影响，发现工业智能化可通过提高要素生产率、促进产品研发与创新等方式促进经济总产出[6]。
综上发现，现有研究多聚焦于传统经济发展，而对工业智能化影响区域经济高质量发展的研究较少。因此，本文聚焦工业智能化对区域经济高质量发展的影响机制与空间溢出效应展开研究：首先结合区域经济高质量发展趋势与需求构建指标体系，通过面板回归模型，分析工业智能化影响区域经济高质量发展的直接效应；继而利用机制检验模型，检验工业智能化通过市场一体化、全要素生产率影响区域经济高质量发展的间接效应；最后利用空间计量模型，分析工业智能化影响区域经济高质量发展的空间溢出效应，并总结实证发现，提出依托工业智能化促进区域经济高质量发展的对策建议。

1 理论分析

区域经济高质量发展涵盖创新、协调、绿色、开放、共享五大核心维度。在创新维度，工业智能化能够将隐性知识转化为可复制的工艺参数与仿真模型，通过知识图谱构建与算法优化[7]，加速技术扩散并培育区域创新生态[8]，从而促进区域经济创新发展。在协调维度，工业智能化能够突破地理空间限制，依托跨行政区数据流通网络实现设备状态、供应链信息等生产要素的云端协同，推动产业链上下游在远程运维、产能共享中的产业协同[9]，促进区域经济从块状分割转向网络化协同，带动乡镇等欠发达地区发展，从而促进区域经济协调发展。在绿色维度，工业智能化能够优化能源使用效率，通过实时监控与动态调整生产流程降低碳排放强度，同时支持循环经济模式落地，构建资源高效利用与环境友好的发展路径[10]，从而促进区域经济绿色发展。在开放维度，工业智能化能够促进产品标准化生产，提升产品兼容性与国际认可[11]，增强区域产业在全球价值链中的参与度与话语权，从而促进区域经济开放发展。在共享维度，工业智能化的模块化架构支持智慧城市动态扩展，通过整合交通、能源、公共服务数据于统一平台[12]，以算法优化实现产城融合与发展红利人民共享，从而促进区域经济共享发展[13]。据此，本文提出假设1。
假设1：工业智能化对区域经济高质量发展具有正向影响。
工业智能化能够打破地域限制，促进区域间信息、技术、人才等要素的快速传播与共享。一方面，工业智能化使得企业可以更便捷地获取跨区域的市场信息，根据不同地区需求调整要素流动；另一方面，它降低了企业跨区域合作的成本和风险，促进了产业链上下游企业在更大范围内的协同创新与生产协作，加强了区域间的产业关联度[14]。这有助于消除市场分割和地方保护主义，推动市场一体化的形成与发展[15]。而市场一体化程度提升又能够进一步优化资源配置，提高经济运行的效率。要素优化配置与效率提升形成良性循环，为技术创新和产业升级提供市场支撑，营造高效、协同、开放的市场环境，奠定了区域经济高质量发展的基础[16]。据此，本文提出假设2。
假设2：工业智能化通过提升市场一体化间接促进区域经济高质量发展。
工业智能化通过深度融合新一代信息技术与制造业，推动生产流程的数字化、网络化和智能化改造，显著提升了全要素生产率。具体而言，智能装备的应用减少了人工干预，降低了生产误差；工业互联网平台实现了供应链与产业链的实时协同，优化了资源配置效率；而大数据与人工智能技术则通过精准预测需求、动态调整生产计划，减少了资源浪费[17-18]。这些变革使企业能够以更低的成本、更高的效率实现规模化定制，从而推动全要素生产率的提升。而全要素生产率的提升作为经济增长的核心动力，进一步促进了区域经济结构的优化升级，高技术产业比重增加、传统产业转型升级、绿色低碳技术普及，最终形成以创新驱动为核心、资源利用效率更高、环境代价更小的区域经济高质量发展模式[19]（图1）。据此，本文提出假设3。
图1 工业智能化对区域经济高质量发展的影响机制

Fig.1 The influence mechanism of industrial intelligence on the high-quality development of regional economy

假设3：工业智能化通过提升全要素生产率间接促进区域经济高质量发展。

2 研究设计

2.1 模型构建

2.1.1 基准模型构建

为检验工业智能化对区域经济高质量发展的影响，本文构建如下面板回归模型进行估计：
$hq{d}_{it}={\alpha }_{0}+{\alpha }_{1}in{t}_{it}+\sum \beta control{s}_{it}+{u}_{i}+{v}_{t}+{\epsilon }_{it}$
式中：i和t分别代表城市和年份；hqdit为区域经济高质量发展水平；intit为城市i的工业智能化水平；controlsit为控制变量集合；ui为区域固定效应；vt为时间固定效应；εit为随机扰动项。由于不同区域的经济高质量发展既存在不随时间变化的个体差异，也存在不随个体变化的时间差异，故本文最终选用双向固定效应模型。

2.1.2 空间相关性检验

为检验工业智能化对区域经济高质量发展的空间关联特征，本文选择经济地理嵌套矩阵对2008—2022年中国区域经济高质量发展水平进行全局空间自相关检验。该矩阵将经济因素和地理信息同时纳入模型，既能反映研究对象的经济联系，又能反映其地理邻近性，使空间溢出效应分析更具科学性和精准性，也更加符合现实[20]。经济地理矩阵 ${W}_{ij}^{de}$具体形式如下：
${W}_{ij}^{de}=\left\{\begin{array}{c}{W}_{ij}^{d}·{W}_{ij}^{e}\begin{array}{cc}& \end{array}i\ne j\\ \begin{array}{cccc}0& & & \end{array}i=j\end{array}\right.$
式中： ${W}_{ij}^{d}$为地理距离矩阵，其矩阵主对角线上的元素均为0，其余元素为依据经纬度测算的城市间直线距离的倒数； ${W}_{ij}^{e}$为经济距离矩阵，其矩阵主对角线上的元素均为0，其余元素为城市间人均GDP之差绝对值的倒数。

2.1.3 空间计量模型构建

空间杜宾模型能够全面整合多类空间关联特征，既纳入自变量的内生交互效应，也涵盖因变量的空间外生交互作用，同时还兼顾了自变量与因变量各自的空间滞后效应[21]。因此，为检验工业智能化对区域经济高质量发展的空间溢出效应，本文构建空间杜宾模型如下：
$\begin{array}{l}hq{d}_{it}={\alpha }_{0}+\sigma Whq{d}_{it}+{\alpha }_{1}in{t}_{it}+{\alpha }_{2}Win{t}_{it}+\\ \sum {\beta }_{1}control{s}_{it}+\sum {\beta }_{2}Wcontrol{s}_{it}+\\ {u}_{i}+{v}_{t}+{\epsilon }_{it}\end{array}$
式中：i和t分别代表城市和年份；W为经济地理嵌套矩阵；σ为空间自回归系数；α2为核心解释变量工业智能化水平空间滞后项的估计系数；β2为控制变量空间滞后项的估计系数；ui为区域固定效应；vt为时间固定效应；εit为随机扰动项。

2.2 变量说明

2.2.1 被解释变量

本文的被解释变量为区域经济高质量发展水平（hqd）。经济高质量发展是能够很好满足人民日益增长的美好生活需要的发展，是体现新发展理念的发展，是创新成为第一动力、协调成为内生特点、绿色成为普遍形态、开放成为必由之路、共享成为根本目的的发展[22]。区域经济高质量发展是经济高质量发展的微观单元映射和战略落地实施的关键载体，同样以创新、协调、绿色、开放、共享的发展理念为价值内核，但同时又有别于经济高质量发展，更侧重于区域内创新资源的投入与产出效率，区域内城乡、产业间协同以及区域平衡，区域内能源消耗和气体排放的具体情况，区域在对外经济交流中的地位和作用，区域在促进社会公平、提升公共服务水平方面的成效。因此，本文遵循全面性、科学性和可操作性等原则，构建包含5个一级指标、13个二级指标、21个三级指标的中国区域经济高质量发展评价指标体系（表1），并采用熵值法进行综合评价，最终得到区域经济高质量发展综合指数。
表1 区域经济高质量发展水平指标评价体系及说明

Tab.1 Evaluation index system for high-quality development of regional economy

一级指标 二级指标 三级指标
区域创新
发展		 创新投入 科技财政支出额占一般性公共财政预算支出的比重（%）
创新产出 每万人发明专利授权量（件/万人）
每万人实用新型专利授权量（件/万人）
区域协调
发展		 城乡协同 城乡居民人均可支配收入之比（%）
区域平衡 人均GDP与全国人均GDP之比（%）
产业协同 第三产业增加值占GDP的比重（%）
工业增加值占GDP的比重（%）
产业结构高度化指数
产业结构合理化指数
区域绿色
发展		 能源消耗 能源消耗量（万t标准煤）
气体排放 工业SO2排放量（万t）
工业烟尘排放量（万t）
工业CO2排放量（万t）
绿色生活 城市建成区绿化覆盖率（%）
区域开放
发展		 开放水平 净出口占进出口总额的比重（%）
开放效果 净出口占GDP的比重（%）
区域共享
发展		 收入分配 社会保障和就业支出占GDP的比重（%）
人民生活 人均公共图书馆藏书量（册/人）
每万人医生数（人/万人）
每万人医疗机构床位数（张/万人）
教育共享 教育财政支出额占一般性公共财政预算支出的比重（%）

2.2.2 核心解释变量

本文的解释变量为工业智能化水平（int）。与构建指标体系相比，使用工业机器人表征工业智能化水平可有效缓解内生性问题[23]。因此，借鉴孙早等的方法[24]，将IFR的行业分类与《国民经济行业分类》匹配，通过测算工业机器人安装密度衡量工业智能化水平，具体计算公式如下：
$robo{t}_{jt}=\sum _{s=1}^{S}\frac{emplo{y}_{s,j,t=2008}}{emplo{y}_{j,t=2008}}·\frac{robo{t}_{st}^{}}{emplo{y}_{s,t=2008}^{}}$
式中： $robo{t}_{st}^{}$表示中国s行业t年的工业机器人安装量； $emplo{y}_{{}_{s,t=2008}}^{}$代表中国s行业2008年（基期）的就业人数； $emplo{y}_{{}_{j,t=2008}}^{}$是城市j在2008年的就业人数； $emplo{y}_{{}_{s,j,t=2008}}^{}$是城市j的s行业在2008年的就业人数。基于基期计算行业层面的工业机器人安装密度，可避免因整体或行业的就业情况变化而表现出伪相关性的特征[25]。2008年后，随着物联网、移动互联网等技术的逐渐成熟，中国各地工业智能化经历了较快发展[26]，优势逐渐凸显，因此本文将研究样本期定为2008—2022年，选择2008年作为基期来测算工业智能化水平。

2.2.3 控制变量

本文的控制变量包括人力资本（hc）、财政自主权（fd）、外商直接投资（fdi）、人口集聚（popu）和金融发展水平（fc）。其中，人力资本是区域经济高质量发展的重要源泉，本文采用城市所在省份的劳动者平均受教育年限来衡量。具体将受教育程度分为未上过学、小学教育、初中教育、高中教育、大专及以上教育，分别赋值0、6、9、12、16，以不同受教育程度人数占劳动人口的比重为权重计算平均受教育年限。财政自主权的提升激励地方政府发展经济，但环境状况及公共服务有可能恶化，进而对高质量发展产生影响。借鉴余泳泽等的方法，用地方财政预算内收入与地方财政预算内支出的比值来衡量财政自主权[27]。外商直接投资用各年经过汇率换算的实际利用外资额占GDP的比重来衡量。人口集聚是区域经济高质量发展的重要动力，决定地区的经济潜力和发展水平[28]。本文使用以城区常住人口与建成区面积的比值测算的人口密度衡量人口集聚水平。金融发展可有效提高资金配置效率和使用效率，进而对区域经济高质量发展产生影响。本文使用金融贷款余额占GDP的比重衡量金融发展水平。

2.3 数据来源

考虑到行政区划调整、数据缺失等原因，本文剔除了三沙、儋州、毕节、铜仁、海东、吐鲁番、哈密、拉萨、日喀则、昌都、林芝、山南、那曲等城市，最终选定中国281个地级及以上城市2008—2022年的面板数据作为样本进行研究。为保证数据可比性，将各年名义值转化为以2008年为基期的实际值。数据来源于相关年份《中国统计年鉴》《中国城市统计年鉴》《中国城市建设统计年鉴》《中国区域经济统计年鉴》《中国劳动统计年鉴》《中国能源统计年鉴》，CEIC中国经济数据库，国际机器人联合会（IFR）数据库，国家知识产权局，LandScan全球人口数据集以及各省市的统计年鉴和统计公报。缺失数据用插值法进行补齐。

3 结果分析

3.1 工业智能化水平与区域经济高质量发展水平的演变特征

为刻画281个地级及以上城市2008—2022年工业智能化水平与区域经济高质量发展水平的演变特征，本文利用ArcGIS软件绘制其2008和2022年的空间分布图。图2显示，2008—2022年中国工业智能化水平空间分布演变特征显著。区域差异方面，由2008年的“北高南低”格局逐渐向“多极化高值区”演变，除华北地区外，长三角、珠三角等东部沿海及部分内陆区域的工业智能化水平也快速提升，形成多个高值集群。高值区从2008年的单点集中状态，发展为2022年的集群式扩张，覆盖范围和层级上限均显著扩大；同时，低值区的范围明显收缩，且其智能化水平层级也有所提升。整体而言，中国工业智能化发展呈现出整体跃升、区域差异多元演化、高值集群崛起与低值区域进阶的空间演变态势。
图2 中国地级及以上市域的工业智能化水平变化

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。图3同。

Fig.2 Spatial distribution evolution of industrial intelligence level in China

由图3可知，2008—2022年中国区域经济高质量发展水平整体大幅提升，各区域的发展层级普遍上升。区域差异上，由2008年“东部高、中西部低，北高南次高”的格局，逐渐向“东部集群化领先，内陆核心城市/区域多点提升”演变，长三角、珠三角等东部区域高值区集群扩张，内陆部分核心区域也实现局部高值突破，发展多极化特征更明显。高值区从2008年的局部分散，发展为2022年东部大规模集群扩张且内陆局部突破，高值区间上限覆盖范围显著扩大；同时，低值区范围明显收缩，其发展层级也有所提升。整体呈现出经济高质量发展整体跃升、区域差异多元演化、东部高值集群强化与内陆局部突破并行、低值区域持续进阶的空间演变态势。
图3 中国地级及以上市域的区域经济高质量发展水平变化

Fig.3 Spatial distribution evolution of high-quality development level of China's regional economy

3.2 基准回归结果分析

表2汇报了工业智能化对区域经济高质量发展的回归结果，其中列（1）（2）分别为不加控制变量和加入控制变量的混合OLS模型的回归结果，列（3）（4）为双向固定效应的回归结果。模型（3）仅考虑核心解释变量工业智能化，结果显示在1%的水平上显著为正，表明工业智能化对区域经济高质量发展具有显著的正向促进作用。模型（4）是在模型（3）基础上加入众多控制变量的回归结果。从中发现，加入控制变量后工业智能化回归系数仍在1%的水平上显著为正，表明其对区域经济高质量发展促进作用明显，验证了假设1成立。
表2 基准回归结果

Tab.2 Baseline regression results

项目 OLS FE
（1） （2） （3） （4）
工业智能化水平int 0.6204*** 0.4162*** 0.5039*** 0.4794***
人力资本hc 0.0094*** 0.0121***
财政自主权fd 0.0803*** -0.0077
外商直接投资fdi 0.0658** 0.0007
人口集聚popu 0.0230*** 0.0307***
金融发展水平fc 0.01962*** 0.0065***
常数项 0.0755*** -0.0815*** 0.2779*** 0.1004***
区域固定效应 NO NO YES YES
时间固定效应 NO NO YES YES
R2 0.3030 0.5827 0.8395 0.8476
样本量（个） 4215 4215 4215 4215

注：为节省版面，标准误t值未显示；***、**和*分别表示在1%、5%和10%的水平上显著。表3、表4、和表6同。

就控制变量而言，表2列（4）显示人力资本对区域经济高质量发展有显著正向促进作用。财政自主权系数值为负且未通过10%的显著性检验，这与赵涛、黄群慧等的研究结论相同，表明财政自主权的提升虽能激励地方政府发展经济，但可能导致环境状况及公共服务水平的恶化，进而对区域经济高质量发展整体产生不利影响[29-30]。外商直接投资的系数值为正但并不显著，说明引进外资并未促进本地经济高质量发展。人口集聚和金融发展的回归系数分别为0.0307和0.0065，且均在1%的水平上显著，表明加强人口集聚和加快资本市场发展是促进区域经济高质量发展的重要方式。

3.3 稳健性检验与内生性处理

3.3.1 稳健性检验

为确保上述基准回归结论的可靠性，本文从4个方面开展稳健性检验。①对被解释变量进行替换。借鉴陈诗一等的做法，将单一维度的人均GDP作为衡量区域经济高质量发展的重要指标[31]。②对解释变量进行替换。将工业机器人安装密度替换为工业机器人保有密度衡量工业智能化水平，计算方法同式（4），数据来源于国际机器人联合会（IFR）数据库。③考虑到直辖市在经济发展水平、政治地位、技术水平、政策优惠、可获资源等方面都优于一般地级市，因此剔除北京、上海、天津和重庆4个直辖市样本重新进行回归。④为处理可能出现的异常值问题，将所有变量数据进行1%的缩尾处理后再进行回归。回归结果（1.9285***、0.1035***、0.4871***、0.4335***）表明，无论是替换被解释变量和核心解释变量、剔除直辖市样本还是缩尾处理，回归系数分别为工业智能化估计系数均在1%的水平上显著为正，本文的回归结论依然稳健。

3.3.2 内生性处理

研究工业智能化与区域经济高质量发展的关系需要解决内生性问题，内生性主要有两个潜在来源：①双向因果。上文已经证明工业智能化显著促进区域经济高质量发展。但是，区域经济高质量发展也有可能是影响工业智能化的原因。②遗漏变量偏误。本文已加入了人力资本等重要控制变量，但仍可能会存在不可观测的影响因素与解释变量相关，造成遗漏变量偏差，产生内生性问题。严重的内生性会使最小二乘法估计结果有偏和非一致，需选择合适的工具变量以降低内生性的影响。
工具变量的选取需满足相关性和排他性的要求。借鉴盛丹、王永钦、李建军等的做法，本文使用美国和韩国各行业工业机器人安装量数据[32-34]，分别构造美国和韩国同期工业机器人安装密度作为工业智能化的工具变量，以期解决模型存在的内生性问题。具体计算公式如下：
$robo{t}_{jt}=\sum _{s=1}^{S}\frac{emplo{y}_{s,j,t=2008}}{emplo{y}_{j,t=2008}}·\frac{robo{t}_{st}^{US}}{emplo{y}_{{}_{s,t=1990}}^{US}}$
$robo{t}_{jt}=\sum _{s=1}^{S}\frac{emplo{y}_{s,j,t=2008}}{emplo{y}_{j,t=2008}}·\frac{robo{t}_{st}^{KR}}{emplo{y}_{{}_{s,t=2004}}^{KR}}$
式中： $robo{t}_{st}^{US}$和 $robo{t}_{st}^{KR}$分别表示美国和韩国s行业t年的工业机器人安装量； $emplo{y}_{{}_{s,t=1990}}^{US}$和 $emplo{y}_{{}_{s,t=2004}}^{KR}$分别代表美国和韩国s行业1990年（基期）和2004年（基期）的就业人数，数据来源于IFR数据库和CEIC数据库。其余变量含义同上文。本文选择上述两个工具变量的理由如下：①从发展趋势来看，美国和韩国的工业智能化与中国有相近的变化趋势[35]，这使得美国、韩国工业机器人安装密度与中国工业智能化具有相关性。②美国和韩国相对于发展中国家而言工业发展更加完善，工业机器人应用受发展中国家经济因素影响较低[36]。同时，没有直接证据表明美国和韩国工业机器人渗透度会通过除工业智能化以外的途径影响中国的经济高质量发展。因此，工具变量满足排他性要求。
表3汇报了使用工具变量的两阶段最小二乘回归结果，其中列（1）（2）为以美国工业机器人安装密度为工具变量的回归结果，列（3）（4）为以韩国工业机器人安装密度为工具变量的回归结果。从中看出，Kleibergen-Paap rk LM统计量显著拒绝了原假设，认为不存在工具变量不可识别问题。Kleibergen-Paap rk Wald F统计量显著大于10%水平上的临界值，表明工具变量不存在弱识别问题。在双向固定的情况下，无论是否加入控制变量，工业智能化水平的估计系数均在1%的水平上显著为正。这表明在考虑内生性后，工业智能化水平与区域经济高质量发展之间依然呈现显著的正向关系。
表3 工具变量回归结果

Tab.3 Instrumental variable regression results

变量 区域经济高质量发展
美国工业机器人
安装密度		 韩国工业机器人
安装密度
（1） （2） （3） （4）
工业智能化水平int 0.4967*** 0.4716*** 0.4951*** 0.4736***
人力资本hc 0.0120*** 0.0121***
财政自主权fd -0.0079 -0.0078
外商直接投资fdi -0.0017 -0.0011
人口集聚popu 0.0309*** 0.0309***
金融发展水平fc 0.0065*** 0.0065***
常数项 0.2778*** 0.1006*** 0.2778*** 0.1005***
控制变量 NO YES NO YES
Kleibergen-Paap
rk LM统计量		 678.041*** 668.740*** 666.663*** 654.684***
Kleibergen-Paap rk Wald F统计量 5479.960
[16.38]		 5157.612
[16.38]		 3219.183
[16.38]		 2886.259
[16.38]

注：Kleibergen-Paap rk Wald F统计量中[]内为Stock-Yogo检验在10%水平上的临界值。

3.4 异质性分析

工业智能化对区域经济高质量发展的影响可能因地理位置和城市规模不同而表现出差异，有必要进一步探讨其中的异质性影响。为此，本文设计了两类异质性分析，一是将样本中的281个地级及以上城市划分为东部、中部、西部和东北四大地区，检验不同地理位置工业智能化对区域经济高质量发展的异质性影响。二是按城区常住人口规模划分大城市及以上城市、中等城市和小城市三类 ① ，检验不同规模城市工业智能化对区域经济高质量发展的异质性影响。

3.4.1 区域异质性

表4列（1）（2）（3）（4）列分别展示了东部、中部、西部和东北地区工业智能化对区域经济高质量发展的回归结果。从中发现，无论是东部、中部、西部还是东北地区，工业智能化对区域经济高质量发展的影响系数均在1%的显著性水平上显著为正，表明工业智能化对各地区经济高质量发展均有明显的促进作用；东部、中部、西部和东北工业智能化对区域经济高质量发展的提升作用依次下降，且东部和中部地区的促进作用明显大于西部和东北地区。可能的原因在于，各地区产业发展定位与智能化应用基础存在明显差异。其中，东部地区致力于发展战略性新兴产业和未来产业，凭借完善的基础设施和交通网络、较高的市场化水平、充裕的人力资本等，集聚了大量的高端制造业企业，形成了技术密集型、资本密集型的工业智能化生产模式[37-38]。因此，东部地区工业智能化红利更加充分释放，对区域经济高质量发展的促进作用更大。中部地区近年来通过不断激发内生活力和承接来自东部地区的产业转移，现代装备制造及高技术产业得到了快速发展，国家级战略性新兴产业集群和国家先进制造业集群稳步增加，这些产业对智能化存在较高需求，导致工业智能化对中部地区经济高质量发展促进作用较强。西部和东北地区仍以传统产业为主[39]，对新兴技术不具备需求规模和条件[40]，工业智能化的发展空间和应用范围受限，导致对区域经济高质量发展的促进作用较小。
表4 异质性回归结果

Tab.4 Heterogeneity regression results

项目 按地理位置分组 按城市规模分组
（1）东部地区 （2）中部地区 （3）西部地区 （4）东北地区 （5）大城市及以上城市 （6）中等城市 （7）小城市
int 0.4834*** 0.3638*** 0.1915*** 0.1174*** 0.5685*** 0.3340*** 0.1804***

3.4.2 城市规模异质性

表4列（5）（6）（7）展示了不同城市规模下工业智能化对区域经济高质量发展的回归结果。从中发现，工业智能化对大城市及以上城市、中等城市和小城市经济高质量发展的影响系数符号均为正，且均在1%的显著性水平上显著，表明工业智能化对各规模下城市经济高质量发展均有明显的促进作用；大城市及以上城市的影响系数最大，中等城市次之，小城市最小，表明工业智能化对不同规模城市经济高质量发展的影响存在明显差异，工业智能化对大城市经济高质量发展的提升作用比中小城市更为明显。可能原因在于，大城市在资源禀赋、基础设施、产业基础、创新能力等方面均明显优于中小城市，所以工业智能化发展较早、水平较高，其红利在大城市得以更充分释放[41]。

3.5 影响机制检验

上述实证结果表明，工业智能化显著促进区域经济高质量发展。为进一步探究影响机制，本文借鉴江艇的做法[42]，重点检验工业智能化是否会对机制变量产生影响，构建的机制检验模型如下：
${M}_{it}={\alpha }_{0}+{\alpha }_{1}in{t}_{it}+\sum \beta control{s}_{it}+{u}_{i}+{v}_{t}+{\epsilon }_{it}$
式中：M是机制变量，包括市场一体化水平（lnmi）和全要素生产率（tfp）。其余变量含义同式（1）相同。考虑到价格指数法更能准确反映各相邻地区的市场分割程度，因此本文参考盛斌等的方法，首先使用价格指数法测算市场分割指数，然后进一步测算市场一体化指数[43]。鉴于数据的可获得性和中国区域市场分割实际情况，参考姚常成等、张毅等的做法，使用城市所在省份的市场一体化指数的自然对数衡量市场一体化水平[44-45]。本文使用超效率SBM模型和GML指数计算全要素生产率水平。鉴于GML指数仅反映全要素生产率的变化率，参考邱斌等的方法将其进一步转化为累积指数[46]。
机制检验结果验证了假设2和假设3的成立。首先，工业智能化对市场一体化存在显著的正向影响，其中工业智能化的估计系数为0.1709，在10%的水平上显著；不加控制变量的估计结果也显示工业智能化估计系数为0.1787，在10%水平上显著为正。验证了假设2成立，即工业智能化可以通过促进市场一体化水平提升进而促进区域经济高质量发展。其次，工业智能化显著促进全要素生产率水平的提升，其中工业智能化估计系数为3.2516，在1%的水平上显著为正；同时，不加控制变量的估计结果为3.7808，工业智能化系数符号及显著性均无明显变化。验证了假设3成立，即工业智能化可以通过促进全要素生产率水平提升进而促进区域经济高质量发展。

3.6 空间溢出效应检验

3.6.1 空间相关性检验

基于经济地理嵌套矩阵的分析结果显示，2008—2022年区域经济高质量发展的全局莫兰指数始终为正值，且介于0.4035~0.5072之间，均在1%的显著性水平下显著（表5）。这表明中国区域经济高质量发展之间具有显著为正的空间相关性，呈现明显的空间集的特征。
表5 区域经济高质量发展的全局莫兰指数

Tab.5 Global Moran's I of high-quality regional economic development

年份 Moran's I 年份 Moran's I 年份 Moran's I
2008 0.4035 2013 0.4973 2018 0.4951
2009 0.4176 2014 0.4938 2019 0.4859
2010 0.4488 2015 0.5072 2020 0.4995
2011 0.4607 2016 0.4956 2021 0.4914
2012 0.4987 2017 0.5041 2022 0.4735

3.6.2 空间溢出效应检验

①空间计量模型选择。判断使用何种空间计量回归模型需进行一系列检验，结果见表6。首先，本文使用拉格朗日乘数（LM）方法检验是否应该采用空间误差模型或是空间滞后模型，结果显示不完全适用空间误差模型或空间滞后模型。面板计量模型存在空间效应，因此应直接使用更具一般意义的空间杜宾模型进行估计。其次，使用LR检验和Wald检验，判断空间杜宾模型是否会退化为空间误差模型或者空间滞后模型。从中发现，LR检验和Wald检验均在1%的显著性水平上显著，拒绝模型不存在空间滞后项和空间误差项的原假设，表明空间杜宾模型不会退化为空间误差模型或者空间滞后模型，应使用空间杜宾模型进行分析[47]。再次，对空间杜宾模型采用固定效应还是随机效应进行检验。Hausman检验相应统计量为114.45，在1%的水平上显著拒绝使用随机效应模型的原假设，应选用固定效应模型进行分析。固定效应模型分为区域固定效应、时间固定效应、区域时间双固定效应模型3种类别。使用LR检验法进行检验，统计量分别为4079.37和213.89，且均在1%的显著性水平下拒绝原假设，表明应选用双向固定效应模型进行分析。
表6 空间杜宾模型回归结果

Tab.6 Regression results of the spatial durbin model

项目 SDM
int 0.16730*** W.int 0.3280***
hc 0.00680*** 直接效应 0.2169***
fd 0.01125*** 间接效应 1.1178***
fdi 0.03220 总效应 1.3348***
popu 0.02140*** rho 0.6287***
fc 0.00680*** sigma2_e 0.0003***
②回归结果分析。表6中空间自相关系数rho反映区域经济高质量发展的空间相关性，系数值分别为0.6287，且在1%水平上显著，表明区域间经济高质量发展存在正的空间自相关性，本区域经济高质量发展水平受其他区域该水平的影响。工业智能化与经济地理嵌套权重矩阵交互项显著为正，且通过了1%水平的显著性检验，这表明工业智能化存在正的空间溢出效应，区域经济高质量发展不仅受到本区域工业智能化水平的正向影响，还会受到邻近区域工业智能化水平的正向影响。进一步对空间杜宾模型分解可知，工业智能化对区域经济高质量发展的总效应系数达1.3348，在1%的显著性水平上显著。同时，本区域的经济高质量发展不仅会受到本地工业智能化正向影响，直接效应系数为0.2169且在1%的显著性水平上显著，而且会受到邻近区域工业智能化的影响，间接效应系数为1.1178且在1%显著性水平上显著，存在明显的空间溢出效应。本地区工业智能化水平的提升意味着当地技术研发和应用水平较高，这些技术不仅提升了本地企业的生产效率，还通过要素在区域间自由流动产生了明显的技术溢出效应（向邻近区域传播和扩散），有效提升了邻近地区的经济高质量发展水平[48]。

4 结论与对策建议

4.1 结论

本文基于2008—2022年中国281个地级及以上城市的面板数据，刻画了工业智能化与区域经济高质量发展的演变特征，并实证检验了工业智能化对区域经济高质量发展其影响效应与空间溢出效应。主要结论如下：①从时间演变看，中国工业智能化水平与区域经济高质量发展水平均呈持续上升态势；从空间格局看，二者均表现出显著空间正相关性，发展形态从“单点集中”到“集群扩张”演进。②工业智能化对区域经济高质量发展具有显著正向促进作用，且通过多项稳健性检验后结论依然成立。该作用呈现明显的区域异质性特征，东部地区影响系数最高，中部地区次之，西部和东北地区作用较弱；从城市规模看，大城市工业智能化对区域经济高质量发展的促进效应显著强于中小城市。③工业智能化可以通过提升市场一体化水平和全要素生产率水平促进区域经济高质量发展。④工业智能化表现出显著的空间溢出效应，本地区工业智能化不仅直接促进本地经济质量提升，更通过技术扩散与示范效应对邻近区域产生间接推动，空间溢出效应贡献了总效应的83.7%，成为区域协同发展的重要外部动力。

4.2 对策建议

基于以上结论，本文提出以下对策建议：
①打造差异化的区域经济高质量发展格局。东部地区应持续加大在人工智能、大数据、物联网等前沿工业智能化技术的研发投入，鼓励企业开展智能化改造升级，巩固和提升产业智能化领先地位；同时发挥市场机制作用，引导资源向智能化领域高效配置，加强产学研用深度融合，加速科技成果转化，推动产业向高端化、智能化、绿色化迈进，形成更具国际竞争力的产业集群。中部地区可借助产业转移承接和装备制造发展的优势，积极引进东部地区先进的工业智能化技术和经验，结合本地产业基础进行消化吸收再创新；同时加大对装备制造等重点产业的智能化改造力度，提升生产过程的自动化、数字化和智能化水平，提高产品质量和生产效率。西部和东北地区受传统产业主导制约，工业智能化促进作用较弱，需加大对传统产业智能化改造的政策支持力度，设立专项扶持资金，引导企业逐步实施智能化升级。
②立足城市规模推进梯度发展策略。大城市要充分发挥资源禀赋和创新优势，打造工业智能化创新高地；加强高校、科研机构与企业的合作，建立一批高水平的工业智能化研发中心和创新平台，吸引和培养一批顶尖的工业智能化人才；鼓励大型企业开展智能化示范项目建设，引领行业智能化发展潮流；完善城市智能化基础设施，如 5G 网络、工业互联网平台等，为工业智能化发展提供坚实的支撑。中小城市应积极承接大城市的产业转移和辐射，加强与大城市的产业对接和合作；结合自身产业特点，选择部分有基础、有潜力的产业进行智能化改造试点，逐步积累经验并推广；政府应出台相关政策，引导金融机构加大对中小城市企业智能化改造的信贷支持，降低企业融资成本。
③强化路径引导提升市场一体化水平。要加强区域间市场规则的对接和统一，打破行政壁垒和市场分割，促进生产要素和商品服务的自由流动；建立跨区域的市场监管协调机制，加强市场监管合作，维护公平竞争的市场秩序；推动工业智能化与电子商务、现代物流等产业的深度融合，发展智能供应链，提高市场流通效率，降低交易成本，促进区域经济高质量发展；提高全要素生产率，加大对工业智能化技术研发的投入，鼓励企业开展技术创新和管理创新，提高生产过程中的技术水平和资源配置效率；加强知识产权保护，激发企业和科研人员的创新积极性，营造良好的创新生态环境，推动全要素生产率的持续提升。
④加强协同合作发挥空间溢出效应。各地区应树立区域协同发展理念，加强在工业智能化领域的交流与合作；建立区域间工业智能化发展协调机制，定期召开联席会议，共同研究解决发展过程中遇到的问题；加强产业合作，推动产业链上下游企业在区域间的合理布局和协同发展，实现资源共享、优势互补；开展技术合作与交流，促进工业智能化技术在区域间的扩散和传播，提升区域整体智能化水平；发挥示范引领作用，工业智能化发展水平较高的地区和城市要充分发挥示范引领作用，通过举办经验交流会、现场观摩会等形式，向其他地区分享成功经验和实践案例。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Zeira J. Workers,machines,and economic growth[J]. The Quarterly Journal of Economics, 1998, 113(4):1091-1117.

DOI

[2]
王士香, 孙嘉笛, 刘备. 工业智能化与城市经济增长:来自空间溢出与门槛效应的经验证据[J]. 东南大学学报(哲学社会科学版), 2023, 25(6):56-65,144.

[3]
杨光, 侯钰. 工业机器人的使用、技术升级与经济增长[J]. 中国工业经济, 2020(10):138-156.

[4]
陈晓, 郑玉璐, 姚笛. 工业智能化、劳动力就业结构与经济增长质量——基于中介效应模型的实证检验[J]. 华东经济管理, 2020, 34(10):56-64.

[5]
韩永辉, 刘洋. 少子老龄化、工业智能化与宏观经济波动——基于内生经济增长理论的DSGE模型分析[J]. 管理世界, 2024, 40(1):20-37,60,38.

[6]
刘洋, 韩永辉, 王贤彬. 工业智能化能兼顾促增长和保民生吗?[J]. 数量经济技术经济研究, 2023, 40(6):69-90.

[7]
袁一鸣, 陶成煦, 贺超城, 等. 人智交互情境下的知识转化模型:内涵深化及外延拓展[J]. 情报理论与实践, 2024, 47(6):76-84,90.

[8]
刘翠花, 丁述磊. 城市数字化转型与城市创业水平——基于智慧城市建设的准自然实验[J]. 财经问题研究, 2025(6):85-100.

[9]
张志, 易恩文, 王军. 中国城市数字经济发展的资源配置效应[J]. 中国软科学, 2024(7):110-121.

[10]
钞小静, 沈路. 创新价值链视角下人工智能技术对制造业企业绿色创新效率的影响[J]. 经济学动态, 2025(4):50-67.

[11]
王永进, 陈菲. 智能制造与出口企业产品策略:专业化与多样化的背离[J]. 中国工业经济, 2025(5):43-61.

[12]
景秀丽, 吴鑫颍. 文旅产业数字化助推区域经济高质量发展的实践路径[J]. 东北财经大学学报, 2023(6):40-51.

[13]
何仁伟, 王娟, 张传华, 等. 城乡融合视角下大都市城乡结合部乡村振兴:理论探讨与路径选择[J]. 经济地理, 2025, 45(7):168-177.

DOI

[14]
吴志军, 舒晓杰, 孔欣紫. 数字经济驱动城市产业结构升级的时空演变[J]. 经济地理, 2025, 45(1):77-86.

DOI

[15]
钟腾龙, 邱歆悦. 工业智能化对城乡收入差距的影响——基于市场一体化的中介效应[J]. 长沙理工大学学报(社会科学版), 2025, 40(2):85-96.

[16]
陆远权, 赵婉莹, 蒙媛. 市场一体化、科技创新与产业结构升级[J]. 科学学研究, 2023, 41(6):1038-1047.

[17]
杜传忠, 张榕. 健全促进数实深度融合的体制机制研究[J]. 财经问题研究, 2024(12):16-27.

[18]
杜传忠, 曹雅慧, 孟天赐. 工业智能化影响中国工业绿色转型:机制与效应[J]. 中国地质大学学报(社会科学版), 2025, 25(3):62-76.

[19]
刘志彪, 凌永辉. 结构转换、全要素生产率与高质量发展[J]. 管理世界, 2020, 36(7):15-29.

[20]
杨丽娟, 韩娟霞. 数字经济、创新要素配置与共同富裕——基于长三角地区41个城市的面板数据[J]. 华南理工大学学报(社会科学版), 2024, 26(5):43-61.

[21]
Peng W B, Su X Y, Tang Y L. Spatial evolution characteristics and influencing factors of urban green innovation in China[J]. Chinese Geographical Science, 2025, 35(2):234-249.

DOI

[22]
习近平. 开创我国高质量发展新局面[J]. 求是, 2024(12):4-15.

[23]
孙早, 侯玉琳. 工业智能化与产业梯度转移:对“雁阵理论”的再检验[J]. 世界经济, 2021, 44(7):29-54.

[24]
孙早, 韩颖. 工业智能化、劳动力议价能力与就业形式演变——兼论社保降费的调节作用[J]. 财贸经济, 2024, 45(11):91-105.

[25]
丁焕峰, 张蕊, 周锐波. 制造业企业智能化转型及其创新效应研究——基于企业生命周期理论的视角[J]. 产业经济研究, 2023(2):83-96.

[26]
孙群力, 谢滨泽. 产业智能化、劳动力结构与技能溢价[J]. 统计与决策, 2023, 39(9):179-184.

[27]
余泳泽, 段胜岚. 全球价值链嵌入与环境污染——来自230个地级市的检验[J]. 经济评论, 2022(2):87-103.

[28]
谢会强, 封海燕, 马昱. 空间效应视角下高技术产业集聚、技术创新对经济高质量发展的影响研究[J]. 经济问题探索, 2021(4):123-132.

[29]
赵涛, 张智, 梁上坤. 数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J]. 管理世界, 2020, 36(10):65-76.

[30]
黄群慧, 余泳泽, 张松林. 互联网发展与制造业生产率提升:内在机制与中国经验[J]. 中国工业经济, 2019(8):5-23.

[31]
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, 53(2):20-34.

[32]
盛丹, 卜文超. 机器人使用与中国企业的污染排放[J]. 数量经济技术经济研究, 2022, 39(9):157-176.

[33]
王永钦, 董雯. 机器人的兴起如何影响中国劳动力市场?——来自制造业上市公司的证据[J]. 经济研究, 2020, 55(10):159-175.

[34]
李建军, 吴周易. 机器人使用的税收红利:基于新质生产力视角[J]. 管理世界, 2024, 40(6):1-15,30,16-19.

[35]
杨思莹, 李政, 李嘉辰. 工业智能化转型的环境效应及其机制研究[J]. 南开经济研究, 2023(11):186-209.

[36]
王林辉, 姜昊, 董直庆. 工业智能化会重塑企业地理格局吗[J]. 中国工业经济, 2022(2):137-155.

[37]
邓荣荣, 肖湘涛. 工业智能化对城市绿色生态效率的影响——基于工业机器人数据的实证研究[J]. 当代经济研究, 2023(10):98-113.

[38]
史丹, 叶云岭. 人工智能、就业结构与高质量发展[J]. 当代财经, 2023(5):3-14.

[39]
徐银良, 王慧艳. 中国省域科技创新驱动产业升级绩效评价研究[J]. 宏观经济研究, 2018(8):101-114,158.

[40]
安树伟, 李瑞鹏. 高质量发展背景下东北振兴的战略选择[J]. 改革, 2018(7):64-74.

[41]
王书斌. 工业智能化升级与城市层级结构分化[J]. 世界经济, 2020, 43(12):102-125.

[42]
江艇. 因果推断经验研究中的中介效应与调节效应[J]. 中国工业经济, 2022(5):100-120.

[43]
盛斌, 毛其淋. 贸易开放、国内市场一体化与中国省际经济增长:1985-2008年[J]. 世界经济, 2011(11):44-66.

[44]
姚常成, 宋冬林. 数字经济与产业空间布局重塑:均衡还是极化[J]. 财贸经济, 2023, 44(6):69-87.

[45]
张毅, 王军. 自由贸易试验区设立对城市创新能力的影响[J]. 首都经济贸易大学学报, 2024, 26(4):68-82.

[46]
邱斌, 杨帅, 辛培江. FDI技术溢出渠道与中国制造业生产率增长研究:基于面板数据的分析[J]. 世界经济, 2008(8):20-31.

[47]
彭文斌, 苏欣怡, 邝嫦娥, 等. 长株潭都市圈数字经济对碳排放效率的影响及空间效应[J]. 地理学报, 2024, 79(11):2915-2928.

DOI

[48]
刘征驰, 高翔宇, 陈文武, 等. 数字技术跃迁与企业全要素生产率——从自动化到智能化的比较分析[J]. 经济评论, 2024(4):73-89.

Options
Outlines

/

〈 〉