EN中文

Economic geography >

2025 , Vol. 45 >Issue 11: 48 - 58

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.11.005

Spatio-temporal Variation and Convergence Analysis of China's Creative Destruction Rate: Evidence from Business Registration Data

  • TAN Yanzhi , 1 ,
  • SHI Weiqi , 1, ※ ,
  • WANG Yuhang 2
Expand
  • 1. School of Commerce，Xiangtan University，Xiangtan 411100，Hunan，China
  • 2. School of Economics，Changsha，Hunan University of Finance and Economics，Changsha 410205，Hunan，China

Received date: 2025-05-06

  Revised date: 2025-09-21

  Online published: 2025-12-22

Fold

Abstract

Creative destruction is the core driving force for long-term economic growth, and the entry and exit of market entities are the micro manifestations of the creative destruction process. Based on the registration data of industrial and commercial enterprises, this article calculated the level of creative destruction in 31 provinces of China from 2000 to 2020, analyzed the spatio-temporal differentiation pattern and evolution characteristics of creative destruction, revealed its regional differences by using the Dagum Gini coefficient, examined its convergence by using the σ and β convergence models, and discussed its heterogeneity according to different classification criteria. The research finds that: 1) The rate of creative destruction in China was in a stage of slow growth before 2014, but it showed a feature of explosive growth after 2014. The rate of creative destruction in different regions shows obvious spatial imbalance, with the eastern region taking an absolute leading position. 2) At the national level, the differences in the rate of creative destruction show short-term fluctuations and long-term narrowing characteristics, with the gap between the east and the central region being the main source. 3) The creative destruction rates across the country and in various regions exhibit σ convergence and absolute and conditional β convergence characteristics. 4)Marked divergence exists across urban agglomerations, with substantial variations in creative destruction rates among different high-tech industry sectors.

Key words： creative destruction; market entities; spatio-temporal differentiation pattern; spatial convergence; regional difference; enterprise entry and exit

Cite this article

TAN Yanzhi , SHI Weiqi , WANG Yuhang . Spatio-temporal Variation and Convergence Analysis of China's Creative Destruction Rate: Evidence from Business Registration Data[J]. Economic geography, 2025 , 45(11) : 48 -58 . DOI: 10.15957/j.cnki.jjdl.2025.11.005

在第四次工业革命的大浪潮下，全球科技创新呈现前所未有的爆发增长态势，人工智能正在以其颠覆性的力量加速重构全球产业结构和国际竞争格局[1-5]。通常，创新被广泛认为是驱动经济增长的关键[6-7]，党的二十大报告强调要“完善科技创新体系”“加快实施创新驱动发展战略”。然而，创新并非凭空产生，在熊彼特的经济范式中，创新的本质是“创造性破坏”——即通过打破旧有的技术、产业模式和市场竞争格局，为新思想、新技术和新业态的涌现开辟空间[8]。在这种“创造—破坏”良性循环的过程中，经济得以长期稳定增长。从经济史的视角看，人类社会历次重大飞跃均来源于创造性破坏带来的技术革新浪潮，两次工业革命使得一个增长几近停滞的世界，突然出现了前所未有的累计式扩张过程，带来人均生活水平的指数级提高[9-10]。也就是说，更强的创造性破坏意味着更深刻的技术变革，由此带来更高的增长速度与更大的发展空间，一旦创造性破坏水平下降，安于现状的企业无法被优胜劣汰，经济增长的动能也就会相应下降[11]。因此，在人工智能革命的时代背景下，摒弃以时间换空间的技术追赶模式，转向促进更高水平的创造性破坏以实现技术引领既是对熊彼特经济范式的当代诠释，也是实现高质量发展的必由之路。
自创造性破坏被提出以来，学者们对其进行了广泛的讨论，与本文关系最为密切的是创造性破坏程度的测算。创造性破坏不仅是一个概念，而且是有形且可测量的现实。已有文献基于多种角度对创造性破坏进行了测算，较为常见的方法是用一个国家或地区每年专利申请的数量来反映创造性破坏程度[12-16]，专利申请数量越多的国家或地区意味着更高的创造性破坏水平和创新密度[17]，生产率增速也更快。有学者基于企业规模对创造性破坏程度加以衡量，认为国与国之间的收入差异是由创造性破坏率所引起的，发达国家拥有更多更大规模的企业，能够迅速淘汰低效率企业，因此创造性破坏水平较高，而发展中国家或一些贫穷国家小企业居多且淘汰率较低，从而导致更低的创造性破坏率[18]。另一种测算创造性破坏的方法则是深入观察企业的生命周期，通过企业进入、发展壮大、退出来衡量，新创企业在带来就业增长的同时，其高死亡率会同步摧毁大量岗位，这种“创造—破坏”的动态平衡正是创造性破坏的微观体现[19]。此外，还有学者用企业创造率和企业破坏率之间的平均值来测算创造性破坏[20-21]，发现创造性破坏程度更高，人均国内生产总值的年平均增长率也越高[22-25]。
基于上述分析可以看出，目前国内外关于创造性破坏的测算已有较多研究，但尚未达成共识，且存在以下不足：①创造性破坏是一个动态演化过程，基于固定时间窗口测算的专利总量可能无法有效反映动态机制。②就业岗位的增加与摧毁并不必然是“创造”与“破坏”的结果，可能仅仅是旧企业扩张、政策性退出等原因造成。③现有指标更多地反映了宏观创造性破坏特征，而无法反映微观不同性质企业创造性破坏特征。
鉴于此，本文搜集整理历年工商企业注册数据，基于市场主体视角测算2000—2020年中国31个省域的创造性破坏率，运用Dagum基尼系数揭示其区域差异，使用σ和β收敛模型考察其收敛性，并根据不同的分类标准讨论其异质性，以期为实现更高水平的创造性破坏促进经济高质量发展贡献新的思路。

1 研究框架

1.1 创造性破坏概念辨析、测算方法及其适用性

1.1.1 创造性破坏的概念辨析

熊彼特在《经济发展理论》中首次系统性地阐述了“创造性破坏”概念，从根本上改变了我们对经济增长本质的认知[26]。与传统新古典经济学强调的静态均衡下的帕累托改进过程不同，熊彼特创新性地指出：经济发展的核心动力来自企业家通过发挥企业家精神不断打破旧模式，建立新范式的过程。在这一过程中，竞争与创新是优化资源配置、实现创造性破坏的主要推动力。竞争通过施加“不进则退”的压力倒逼旧主体参与变革或退出市场，创新则以新技术、新模式的突破提供“替代旧事物”的具体路径，竞争与创新的交互作用促进新企业进入，带来更高效的生产函数、更契合需求的产品服务或更优化的资源配置方式；同时也促进了旧主体的衰落与退出，为新动能的成长腾出空间。在微观上表现为市场主体持续性的进入—退出，这种“新进入—旧退出”的循环，构成了创造性破坏最基本的“新陈代谢”。每一次创造性破坏都是经济结构通过破立并举实现向更高效率、更适应时代需求的跃迁过程，最终推动经济社会实现螺旋式上升的发展。

1.1.2 创造性破坏的测算方法

根据现有研究，传统衡量创造性破坏的方法主要有两类。一类是以Peters等为代表，基于静态、机械的技术创新视角，根据企业的研发创新强度即专利申请授权的数量来衡量创造性破坏[27]。该方法主要存在两个问题：一是创新的本质实际上包含5个方面：新产品、新技术、新市场、新供应来源、新组织形式，因此单纯用专利衡量创新不全面也不科学；二是创新并不等同于创造性破坏，创造性破坏是一个动态演化过程，基于固定时间窗口测算的专利申请与授权总量可能无法有效反映动态机制。另一类则以Aghion为代表[24]，从动态的就业流动视角定义了何为创造性破坏，即与上一年相比，当年新增的就业岗位与撤销的就业岗位之和除以两年的平均就业人数。这一指标也仍存在一个关键问题：就业流动数据割裂了“创造”与“破坏”这一过程，新增岗位可能来自旧企业的扩张，同时岗位消失也可能源于非竞争性退出。所以，就业流动仅仅是这一过程间接且嘈杂的代理变量。
本文在借鉴阿吉翁思路的基础上[24]，从市场主体视角重新测算创造性破坏率。创造性破坏过程最直接的外在表现便是市场主体的新陈代谢，即企业的进入与退出。企业的进入与退出包含了市场上的各种信息，包括影响创造性破坏的因素和创造性破坏的结果，由此更能捕捉创造性破坏的动态过程。因此，本文将企业进入与退出的数量作为测算的分子，以反映创造与破坏的动态性；而分母则采用“人口”这一创业活动的主体，以实现对市场主体视角下创造性破坏率的量化评估。具体公式如下：
c r e d e s t r i t = r e g c a n c e l l n u m i , t p e o p l e i , t - 1 + p e o p l e i , t / 2
c r e i t = r e g n u m i , t p e o p l e i , t - 1 + p e o p l e i , t / 2
d e s t r i t = c a n c e l l n u m i , t p e o p l e i , t - 1 + p e o p l e i , t / 2
式中： c r e d e s t r i , t代表i地区第t年的创造性破坏率； r e g c a n c e l l n u m i , t代表i地区第t年的企业注册数与注销数的总和； p e o p l e i , t表示i地区第t年的常住人口数； c r e i , t代表i地区第t年的创造率； r e g n u m i , t代表i地区第t年的企业注册数； d e s t r i , t代表i地区第t年的破坏率； c a n c e l l n u m i , t代表i地区第t年的企业注销数。

1.1.3 创造性破坏指标度量适用性

为验证基于市场主体视角构建的创造性破坏指标的合理性与科学性，本文进一步考察该指标与创新活动、人均GDP、劳动生产率等关键经济变量的相关性。由表1可知，在控制了各地区特征变量之后，人均发明专利、人均新型实用专利、人均GDP、劳动生产率的估计系数均在1%的水平上显著为正，也从侧面说明了从企业进入与退出视角构建指标不仅反映了市场主体的动态变化，实际上还内在地包含了创新驱动、效率提升等创造性破坏的核心特征，相比于专利、就业流动更能捕捉到创造性破坏这一经济现象的本质，从而在方法论层面具有更强的科学性和解释力。
表1 创造性破坏率与关键经济变量回归结果

Tab.1 Regression results of creative destruction rate and key economic variables

变量 （1） （2） （3） （4）
credestr credestr credestr credestr
人均发明专利 4.745***（1.183）
人均新型实用专利 5.580***（0.306）
人均GDP 0.017***（0.001）
劳动生产率 0.001***（0.000）
控制变量 Yes Yes Yes Yes

注：括号内的数值为相应系数的稳健标准误，***、**、*分别代表回归系数在1%、5%、10%的显著性水平上显著。

1.2 创造性破坏分析方法

1.2.1 创造性破坏率的区域差异分析

传统基尼系数虽能有效表征经济变量的整体非均衡程度，但存在无法解析区域异质性来源的结构性缺陷。相较而言，Dagum基尼系数通过构建三重分解模型，更能刻画各个区域以及子样本的空间特征，从而更好地解释区域差异及其来源[28]。本文使用Dagum基尼系数及其分解来刻画创造性破坏的区域差异变动方向和变动幅度。

1.2.2 创造性破坏率的收敛性分析

为深入探究各地区创造性破坏率的差异及其随时间演变的动态特征，本文引入 σ收敛和β收敛模型，分别对地区间创造性破坏率的“存量”与“增量”差异进行实证检验，以揭示中国创造性破坏率的收敛性特征[29]。具体而言， σ收敛模型被用于刻画地区创造性破坏率偏离整体平均水平的动态变化趋势，其经济意义在于衡量区域间创造性破坏率差异的收敛或发散特性[30]。 σ收敛计算公式如下：
σ t = 1 n ∑ i = 1 n c r e d e s t r i t - 1 n ∑ i = 1 n c r e d e s t r i t 2 1 n ∑ i = 1 n c r e d e s t r i t
式中：n为样本中截面单元i的数量； c r e d e s t r i t表示第t期第i单元的创造性破坏率。若 σ t σ t - 1，则表明第t年创造性破坏率的地区差异较第t-1年呈现收敛态势；反之，则表明地区间差异趋于发散。
β收敛模型核心在于检验创造性破坏率较低地区是否有更快的追赶速度。根据是否控制相关条件变量，β收敛可进一步区分为绝对β收敛与条件β收敛。具体模型如下：
l n c r e d e s t r i , t + 1 c r e d e s t r i t = α + β l n c r e d e s t r i t + μ i + θ t + ε i t
l n c r e d e s t r i , t + 1 c r e d e s t r i t = α + β l n c r e d e s t r i t + δ ∑ l n C o n i t μ i + θ t + ε i t
式（5）和式（6）主要的差异在于是否纳入地区控制变量Con，具体来说包括以下变量：财政支持力度（govsup），用财政一般预算支出占GDP的比重表示；经济发展水平（gdp），用人均GDP表示；研发强度（rd），用R&D经费支出占GDP比重反映；对外开放程度（open），用经汇率换算的货物进出口总额占GDP比重衡量；人力资本水平（hcap），用高等学校在校生人数与总人口的比重表示；产业结构（inst），用第三产业与第二产业产值之比测算；金融发展水平（fin），用金融机构贷款余额占GDP比重衡量。计量方程中被解释变量为创造性破坏率相邻年份的增长率，核心解释变量为上一期的创造性破坏率， α为常数项， μ i代表地区效应， θ t代表时间效应，若参数 β估计结果为负且具有统计学意义，那么说明中国创造性破坏率存在收敛现象，假设样本被观测年份为T，则收敛速度可以表示为：
v = - l n 1 + β / T

1.3 研究样本与数据来源

本文以中国31个省域（由于港澳台数据缺失，暂未涵盖）为研究单元，研究期为2000—2020年。创造性破坏率测算中企业进入与退出的数据来源于全国工商企业注册信息数据库。在数据整理的过程中，本文做如下处理：①根据企业的工商登记注册号、统一社会信用代码、登记机关信息、注销信息识别企业所在城市，若以上信息均缺失，则剔除该样本。②关于新企业进入与退出的年份，根据企业经营期限和注册时间进行推算，将缺失样本剔除。③在识别企业进入时，剔除营业终止日期早于企业成立日期的异常样本。④在识别企业退出时，仅保留可成功查询信息且当年状态为“清算、停业、注销、吊销”的企业样本，并剔除企业营业终止日期晚于数据提取时间的异常样本。⑤剔除企业进入数与退出数为个位数的极端样本，剔除行业、所有制等重要信息缺失的企业样本。⑥根据省域/城市—年份进行加总，得到历年每个城市进入与退出企业总量。常住人口数据以及收敛性分析中控制变量的数据来源于历年各省份统计年鉴。

2 中国创造性破坏率的时空演变格局及特征

2.1 中国创造性破坏率的时间演化特征

从全国整体层面来看，中国创造性破坏率的演变趋势与2014年中国工商登记制度改革息息相关①。2000—2013年，中国创造性破坏率处于“缓慢增长”阶段，年均增速12.3%左右，与之相对应全国每年新注册与注销企业数年均增速约为12.8%。该阶段创造性破坏率虽在稳步提升，但增长率较低，可能原因在于这一时期的经济增长仍由投资和出口主导，国有企业占据市场主体地位，加之企业注册需实缴资本、审批程序繁琐等制度性壁垒，严重抑制了市场活力。然而，2014年启动的工商登记制度改革通过取消最低注册资本、放松市场主体准入管制等关键举措，彻底改变了这一局面，推动创造性破坏率呈井喷式增长——从2014年的0.006激增至2020年的0.020，年均增速超过15%，企业年注册注销总量跃升至2920万家。与此同时，2014年提出的“大众创业、万众创新”战略极大地激发了市场活力。随着移动互联网和数字经济的发展，新兴行业如电商、共享经济快速崛起，传统行业面临产能过剩和结构调整，大量低效企业退出市场。
从地区层面来看，三大地区创造性破坏率长期演变趋势与全国整体基本保持一致并呈现“东部绝对占优，中西部并驾齐驱”的态势（图1）。同时，三大地区的创造性破坏率分布格局与中国现实经济情景中营商环境、资源禀赋、基础设施建设、人力资本水平等实际情况基本相符。进一步分析还可看出，东部地区与其他地区的创造性破坏率差距呈现扩大的趋势。
图1 各区域市场主体创造性破坏率的时序变化

Fig.1 Time evolution of creative destruction rate in China

从全国与三大地区②比较来看，创造率与创造性破坏率的变动趋势基本同步。在2019年之前，破坏率呈现“波动上升，排名次序不固定”的特征；2020年全国破坏率出现显著下降，其中东部地区破坏率继续保持上升趋势，而中西部地区破坏率则呈现下降态势。值得注意的是，2018—2019年全国及三大地区的创造性破坏率几乎未发生明显变化，这一现象主要是由于创造率下降与破坏率上升相互抵消所导致的。

2.2 稳健性检验

本文使用剔除僵尸企业后的创造性破坏率进行稳健性检验。在对僵尸企业进行识别时，多数文献采用工业企业数据库，该数据库样本只到2013年，少数文献使用上市公司数据库，然也未识别到最新年份。囿于工商注册企业数据库，本文无法使用上述方法进行僵尸企业的识别，故本文参考相关文献，从两个方面近似得到每年注册企业中的僵尸企业数量，并予以剔除。第一，参考孙博文等的研究[31]，得到工业企业数据库中2000—2013年僵尸企业的比例，并将其近似到新注册企业中，同时将这部分样本从分子中予以剔除；在2013年之后的年份，参考聂辉华课题组发布的《中国僵尸企业研究报告——现状、原因和对策》，该报告指出“成立1~5年的企业中，只有约3%的企业是僵尸企业”，因此本文将2013年之后新注册企业的3%认定为僵尸企业，重新测算创造性破坏率。第二，参考黄少卿等的研究[32]，将上市公司的僵尸企业比例近似到新注册企业中，并将这部分样本从分子中予以剔除，重新测算创造性破坏率。可以发现，不管是绝对值还是时间趋势，都与本文测算的结果十分相近。说明本文测算的创造性破坏率结果较为稳健。

2.3 市场主体创造性破坏率的空间分异特征

本文基于地理信息系统技术平台，使用ArcGIS软件对中国31个省域2000、2010、2015和2020年4个时间截面的创造性破坏率进行空间分布格局与演化特征分析。由图2可知，2000—2020年各省域创造性破坏率呈现明显的空间非均质性和梯度分异特征。具体而言，2000年作为研究起始点，各省域创造性破坏率整体处于较低水平，区域间差异相对较小，仅北京、上海、浙江、江苏、广东等东部沿海发达省域表现出明显的断层式领先特征。2010年，受2008年全球金融危机后经济刺激政策的影响，各省域创造性破坏率保持相对稳定，东部沿海省域创造性破坏率依然占据主导地位，而中西部地区的创造性破坏率呈现出均衡化特征。至2015年，区域创造性破坏率格局发生显著变化。北京、上海、福建、浙江等东部省市继续保持领先地位，中西部地区内部出现分化。值得注意的是，宁夏、内蒙古等西部省域依托资源禀赋优势和政策支持，其创造性破坏率已跻身第二梯队。而中部地区的江西、湖南、安徽、山西等省域的创造性破坏水平与西北、西南地区的甘肃、贵州等地持平，表明中部地区在创新发展中面临“夹心层”困境。到2020年，其空间分布特征进一步揭示了区域创造性破坏发展的新趋势。东部地区经济基础强大，竞争程度更高，所以创造性破坏率继续保持快速增长态势。西部地区的陕西、贵州等省域在“西部大开发”战略和“一带一路”倡议的支持下，其创造性破坏水平正向中高水平迈进。相比之下，中部地区的发展相对滞后，仅山西、安徽等省域达到中等水平，这可能与其区域战略定位和资源禀赋结构有关。
图2 省域市场主体创造性破坏率的变化

注：基于自然资源部标准地图服务网站审图号为GS（2023）2767号的标准地图制作，底图边界无修改。

Fig.2 The creative destruction rate in each province

2.4 市场主体创造性破坏率区域差异及来源分解

由图3可知，三大地区的区域内基尼系数总体呈现东部>西部>中部的特征。东部地区基尼系数最大值在期初，而最小值在期末。中部地区的区域内差异呈现“波浪形下降—缓慢下降”特征。西部地区的区域内基尼系数波动幅度相对来说最小，呈现“上升下降交错”的特征。就区域内差异比较而言，三大地区的区域内基尼系数较2000年都出现了大幅下降，表明区域内创造性破坏程度的差异显著缩小。其中东部地区在近些年有缓慢回升的趋势，主要是因为在数字经济和高新产业集群的背景下，东部地区超一线城市发展得更快，竞争更激烈，企业注册与注销更为频繁。
图3 三大地区的区域内基尼系数变化趋势

Fig.3 The changing trends of the Gini coefficients within the three major regions

样本期内三大地区的区域间创造性破坏率的差异呈波动下降态势。其中，“东部—中部”差异最大，“东部—西部”次之，“中部—西部”最小。具体而言，“东部—中部”创造性破坏率区域差异趋势与“东部—西部”基本一致，基尼系数均在期初达到峰值后逐步回落，2014年之后稳定在0.1~0.3之间波动，近年略有回升。而“中部—西部”创造性破坏率区域差异总体较小，且无回升趋势，表明即使西部地区营商环境、资金、人才的初始禀赋要弱于中部地区，但是稳定下降的走势反映出西部地区在政策支持下凭借后发优势不断吸引新企业进入，淘汰旧产业、旧动能，缩小了与中部地区的差距。
图4展示了创造性破坏率的区域差异贡献率。在贡献程度上，最大的是区域间差异（均值63.28%），区域内差异次之（均值28.56%），超变密度的贡献最小（均值10.86%）。从三类差异来源的时间演变趋势来看，区域内差异的贡献率在样本期内围绕均值呈现低幅波动，整体呈轻微上升趋势。区域间差异贡献率在样本期内波动幅度较大，整体呈现下降趋势。近两年，区域间差异贡献率快速回升至62.83%，表明其对总体差异的主导作用依然显著。超变密度贡献率随时间呈现略微上扬趋势，相较于2000年，2020年创造性破坏率超变密度贡献率增长了1倍，说明总体差异中来自不同区域间交叉重叠的贡献越来越大。
图4 差异来源分解

Fig.4 Difference source decomposition

3 中国创造性破坏率收敛性分析

本文对中国创造性破坏进行收敛性分析，以期定量回答以下两个重要问题：一是从存量视角看，创造性破坏地区差异是趋于收敛还是发散?二是从增量视角看，初期创造性破坏程度较低的地区是否以更快速度进行调整和改善?

3.1 创造性破坏率的σ收敛分析

由图5可知，全国整体层面创造性破坏率变异系数的演化轨迹可划分为3个阶段：2000—2013年波动下降，从2001年的峰值0.73降至2013年的谷值0.23，降幅达68%。2014—2018年缓慢下降。2018年后小幅回升，从0.200增长至2020年的0.285，年均增速约为20%。纵观整个样本期，全国σ收敛系数呈现下降态势，表明长期来看全国创造性破坏率的差异正在不断减少，即符合σ收敛。
图5 全国及三大地区创造性破坏率σ收敛

Fig.5 Creative destruction rates nationally and in the three major regions are σ-convergence

从区域维度分析，东部地区的变异系数演化轨迹与全国整体趋势基本一致但近年上涨更为明显，整体仍符合σ收敛。具体而言，σ收敛系数从2005年的0.76降至2017年的0.13，降幅高达82%，随后反弹至2020年的0.35，增幅接近2倍。西部地区的变异系数波动幅度相对较小，整体呈现平稳下降趋势，同样符合σ收敛特征。中部地区的变异系数在2008年后进入平稳下降通道。从数据看，期初（2000年）变异系数为0.54，期末（2020年）降至0.12，降幅达78%，整体仍趋于收敛。该结论与前文区域内基尼系数的实证结果一致。
全国及三大地区创造率的变异系数演化轨迹与图5走势高度一致，均呈现显著的σ收敛趋势。相较而言，破坏率的收敛特征则略显复杂：虽然在样本期间内，全国层面的破坏率变异系数存在短期波动，但其长期仍保持稳定的下降态势；分区域来看，东部地区的破坏率变异系数与全国趋势基本一致，中西部波动较大但整体仍趋下降。这表明，各地区创造性破坏水平的差异收敛主要源于创造率的趋同效应，而破坏率的收敛贡献相对较弱。

3.2 创造性破坏率的β收敛分析

表2列（1）（3）（5）（7）分别汇报了全国及三大地区创造性破坏率绝对β收敛检验结果。从中看出，全国整体的绝对β收敛系数为负且在1%的水平上显著。说明在全国层面，创造性破坏率存在绝对β收敛现象。从区域维度来看，东部、中部和西部三大地区的β估计系数均显著为负，说明各区域内部也存在显著的绝对β收敛现象。从收敛速度看，中部地区最快，达到2.33%；西部地区次之，为0.97%；东部地区最慢，仅为0.55%。
表2 创造性破坏率β收敛估计结果

Tab.2 Creative destruction rate β convergence estimate results

变量 （1） （2） （3） （4） （5） （6） （7） （8）
全国 东部 中部 西部
β -0.147*** -0.281*** -0.110* -0.282*** -0.387*** -0.438*** -0.185** -0.250***
govsup 0.103 0.038 0.387 -0.056
gdp -0.000* -0.000 -0.000 -0.000*
rd -6.064** -7.040 -2.294 -5.491
open -0.057 0.048 0.725* 0.393
hcap -2.498 -2.497 -2.576 0.373
inst -0.134*** -0.189** -0.105 -0.089
fin -0.020 0.021 -0.130 0.043
Constant -1.176*** -1.848*** -0.768* -1.559*** -3.010*** -3.204*** -1.597*** -1.957***
收敛速度（%） 0.76 1.57 0.55 1.58 2.33 2.74 0.97 1.30

注：为节省版面，稳健标准误不显示，***、**、*分别代表回归系数在1%、5%、10%的显著性水平上显著。表3~表4同。

本文在绝对β收敛模型的基础上，进一步引入可能影响创造性破坏率的关键控制变量，构建更为全面的条件β收敛模型，以更准确地揭示创造性破坏率的收敛特征。表2列（2）（4）（6）（8）分别汇报了全国及三大地区创造性破坏率的条件β收敛检验结果。从全国整体层面和分地区来看，β估计系数均在1%统计水平上显著为负，说明中国及三大地区创造性破坏率均存在条件β收敛现象。从收敛速度来看，全国整体的年均收敛速度为1.57%，中部地区最快，达到2.74%；东部地区次之，为1.58%；西部地区仅为1.37%。需要指出的是，无论是绝对β收敛还是条件β收敛，本文提供的证据都还较为薄弱，但对中国创造性破坏率收敛特征进行分析可能对于缓解当前区域发展不平衡不充分问题具有重要现实意义。
进一步地，本文考察创造率和破坏率的绝对β和条件β收敛情况。由表3可知，全国整体的创造率绝对β收敛系数在1%的水平上显著为负，收敛速度为0.78%。从区域维度来看，西部地区和中部地区的β估计系数显著为负，中部地区收敛速度达到了2.42%，西部地区为1.06%。东部地区的β估计系数为负但不显著，说明东部地区创造率不存在绝对β收敛现象。表3还汇报了全国及三大地区创造率的条件β收敛检验结果，从中可以发现全国及三大地区条件β系数均在1%水平上显著为负，说明在控制一系列社会经济环境异质性条件下，中国各地区的创造率随着时间推移会趋于稳态水平。从收敛速度来看，全国年均收敛速度为1.58%，其中中部地区为2.77%，东部地区为1.56%，西部地区为1.44%。
表3 创造率β收敛估计结果

Tab.3 Creative rate β convergence estimate results

变量 （1） （2） （3） （4） （5） （6） （7） （8）
全国 东部 中部 西部
β -0.151*** -0.283*** -0.086 -0.279*** -0.399*** -0.441*** -0.199*** -0.256***
govsup 0.076 0.493 -0.995 -0.037
gdp -0.000* -0.000 -0.000 -0.000
rd -4.785* -5.631 -2.771 -7.731
open -0.077 0.002 0.663 0.426
hcap -3.061 -3.132 -3.399 1.341
inst -0.148** -0.225** -0.085 -0.033
fin -0.034 -0.054 -0.056 0.062
Constant -1.299*** -1.957*** -0.713 -1.603** -3.262*** -3.287*** -1.794*** -2.198***
收敛速度（%） 0.78 1.58 - 1.56 2.42 2.77 1.06 1.41
表4展示了破坏率的绝对β和条件β收敛结果。从中发现，全国整体的破坏率绝对β收敛系数在1%的水平上显著为负，收敛速度为1.51%。从区域维度来看，东部、中部和西部地区的β估计系数均显著为负；从收敛速度来看，中部地区达2.29%，东部地区次之，为1.75%，西部地区为1.57%。表4还汇报了全国及三大地区破坏率的条件β收敛检验结果，从中发现全国及三大地区条件β系数均在1%水平上显著为负，说明在控制一系列社会经济环境异质性条件下，中国各地区的破坏率随着时间推移会趋于稳态水平。从收敛速度来看，全国年均收敛速度为2.51%，其中中部地区为3.84%，西部地区为2.94%，东部地区为2.80%。
表4 破坏率β收敛估计结果

Tab.4 Destruction rate β convergence estimate results

变量 （1） （2） （3） （4） （5） （6） （7） （8）
全国 东部 中部 西部
β -0.272*** -0.410*** -0.307*** -0.445*** -0.382*** -0.554*** -0.281*** -0.461***
govsup 0.126 -3.227 5.934** -0.388
gdp -0.000 -0.000 0.000 -0.000*
rd -22.155*** -21.240** -18.840 2.614
open 0.081 0.253** 1.982 0.205
hcap 1.832 2.639 3.604 19.908
inst -0.219* -0.039 0.028 -1.063**
fin 0.192** 0.285 -0.046 0.118
Constant -2.296*** -3.277*** -2.238*** -3.026*** -3.406*** -5.807*** -2.580*** -2.967***
收敛速度（%） 1.51 2.51 1.75 2.80 2.29 3.84 1.57 2.94

4 中国创造性破坏率的异质性特征比较

4.1 19个城市群创造性破坏率特征比较

以城市群为载体推动创造性破坏是激活创新潜能、实现经济高质量发展的关键路径。根据“十四五”规划和远景目标纲要，可以将中国19个城市群划分为3种类型，即优化提升型、发展壮大型和培育发展型①。下文分别测算并比较以上3种类型城市群的创造性破坏率。
图6a揭示了2000—2020年不同类型城市群的创造性破坏率变化趋势。从时间维度来看，三类城市群的创造性破坏率表现为由平稳增长向指数增长的转型轨迹。从空间维度观测，群体间异质性特征尤为突出：优化提升型城市群在绝对水平和增长率两个维度均显著领先于发展壮大型和培育发展型城市群，且2018年后，优化提升型与培育发展型城市群间的差距隐隐有扩大态势。
图6 中国19个城市群市场主体创造性破坏率变化趋势

Fig.6 Creative destruction rate in 19 urban agglomerations in China

图6b~图6d分别展示了三大类型城市群内部各个城市群的创造性破坏发展程度。从中可以发现，在各个城市群创造性破坏程度不断提升的同时，城市群与城市群之间的差距也渐渐拉大。具体来说，优化提升城市群呈现“长三角、珠三角遥遥领先，内部分化趋势明显”的特征。可能的原因在于：长三角经济一体化战略和粤港澳大湾区国家战略的实施，加速了创新资源的融合与集聚，吸引了大批高新技术企业和人才，推动了新旧动能转换，因此创造性破坏程度较高。发展壮大型城市群呈现“内部分化趋势逐渐明显，发展势头强劲”的特征。其中，2016年以前发展壮大型城市群内部各个城市群创造性破坏率增长速度较慢，差异并不明显。2016年之后，关中城市群创造性破坏程度发展最为迅猛，但在2018年之后有所回落，主要得益于“一带一路”政策红利，通过降低成本、拓展市场吸引新企业进入，竞争的加剧同样提高了“破坏”程度。山东半岛、北部湾城市群创造性破坏率始终保持增长态势，主要受益于港口经济吸引大量上下游企业注册进入，临海产业升级淘汰落后产能推动了大量企业注销。发展较为缓慢的是中原城市群。培育发展型城市群呈现“整体水平偏低、波动幅度较大”的特征。2020年，多数城市群创造性破坏率在0.02以下。主要原因在于，培育发展型城市群经济基础比较薄弱，这些地区的创新投入、市场需求、竞争程度等不足以支撑持续的创造性破坏增长。

4.2 不同高新技术行业创造性破坏率特征比较

进一步地，本文测算并比较不同高新技术行业的创造性破坏率①（图7），结果显示，2013年之前各行业的创造性破坏率均处于平稳状态，2013年之后软件和信息技术服务业创造性破坏率出现显著增长，其余行业创造性破坏率维持稳定状态。可能的原因在于：软件和信息技术服务业处于技术变革的前沿，AI大模型、大数据、云计算等颠覆式创新不断创造新市场、替代旧技术，吸引大量中小微企业通过技术或模式创新进入市场，同时旧企业若无法跟上技术迭代的速度，会加速退出。其余行业多为制造业，需要大量研发投入以及昂贵的生产设备，呈现高壁垒、低流动性特征。且这些行业多处于生命周期的成熟期，市场需求增长平稳，竞争格局已经形成，新企业难以打破现有格局，旧企业也因规模优势或技术积累不易退出。此外，这些行业的创新多为渐进式创新而非颠覆式创新，不会引发大规模的企业进入与退出，因此创造性破坏率保持平稳。
图7 不同高新技术行业企业创造性破坏率变化趋势

Fig.7 Creative destruction rate of enterprises in different high-tech industry

5 结论和建议

本文基于工商企业注册数据，借鉴阿吉翁的研究思路，对中国31个省域2000—2020年的创造性破坏水平进行了测度；在此基础上，采用Dagum基尼系数和时空收敛模型等方法，系统讨论了中国创造性破坏率的地区差距和时空演变特征。主要结论如下：
①从基本特征事实来看，中国创造性破坏率长期演变趋势呈现明显的阶段性特征，其中2014年之前为缓慢增长期，而2014年之后则进入井喷增长期。分区域来看，三大地区创造性破坏率长期演变趋势与全国整体基本保持一致，呈现“东部绝对占优，中西部并驾齐驱”的态势。与此同时，不同区域间的创造性破坏率具有明显的空间非均衡性，尤其是东部沿海省域的创造性破坏程度要远高于其他地区。
②从地区差异来看，样本期内全国整体基尼系数的演变呈现出“下降—趋缓—慢升”的波动性特征，但长期趋势依然表现为逐步下降。具体而言，区域内差异表现出“东部>西部>中部”的特征；区域间基尼系数差异中，“东部—中部”间差异最大，“中部—西部”间最小。我国创造性破坏率发展不平衡的主要来源是区域间差异。
③从收敛特征来看，σ收敛方面，全国及三大地区创造性破坏率变异系数呈现波动下降特征，离散程度逐渐缩小，支持σ收敛假说。就β收敛来看，全国以及三大地区创造性破坏率的收敛系数不论是否控制经济特征变量均显著为负，证实绝对与条件β收敛机制。在条件β收敛的检验中，收敛速度呈现“中部—东部—西部”递减特征。将创造性破坏率拆分成创造率和破坏率重新进行收敛性分析的结果显示，σ收敛主要源于创造率的趋同效应，破坏率贡献较小。全国及中西部地区创造率存在绝对与条件β收敛特征，东部地区仅存在条件β收敛特征。从破坏率的视角看，全国及三大地区破坏率均会收敛至稳态水平。
④从异质性特征来看，基于城市群视角，优化提升型城市群创造性破坏率在绝对水平和增长率两个维度均显著领先于发展壮大型和培育发展型城市群；基于高新技术行业视角，2013年之后软件和信息技术服务业创造性破坏率出现显著增长，其余行业创造性破坏率维持稳定状态。
创造性破坏是驱动经济长期稳定增长的本质，本文发现的中国创造性破坏率结构特征与现阶段经济发展不平衡不充分的现象高度契合，从结构视角把握中国创造性破坏发展规律可能有助于缓解新时代不平衡不充分的发展矛盾。基于上述研究结论，本文得出以下政策启示：
①从整体视角出发，进一步提升创造性破坏水平是推动经济高质量发展的关键。在“双创”政策的推动下，中国创造性破坏率虽呈现出井喷式增长态势，但仍具备较大发展潜力。应贯彻落实党的二十大报告提出的“完善科技创新体系”要求，强化创造性破坏在经济体系中的核心地位，并充分发挥市场竞争机制对资源优化配置的决定性作用，通过优胜劣汰推动新旧动能转换。②从地区角度来说，应优化区域间资源配置，缩小创造性破坏水平的差距。要多维并举搭建区域间创造性破坏协调发展新机制，实施差异化区域导向政策。对于东部而言，应在巩固先发优势的基础上，进一步发挥示范引领作用；对于中西部地区而言，在先天禀赋相对不足的条件下，应依托“中部崛起”“西部大开发”等国家战略，挖掘区域特色资源优势，培育具有竞争力的产业集群。③从市场机制视角出发，破除隐性壁垒、促进市场出清是提升创造性破坏水平的重要举措。必须破除市场进入障碍，通过降低准入门槛、完善反垄断法规和优化监管机制等措施，鼓励更多市场主体进入竞争性领域，从而提升“创造”水平。同时，通过加强市场竞争，加大“破坏”强度，最终在创造性破坏过程中实现经济高质量发展。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
陈强远, 张醒, 汪德华. 中国技术创新激励政策设计:高质量发展视角[J]. 经济研究, 2022, 57(10):52-68.

[2]
亢延锟, 郭家宝, 胡志安, 等. 创新驱动、激励机制与高校科技成果转化——以省部共建国家重点实验室为例[J]. 管理世界, 2025, 41(3):50-76.

[3]
罗重谱. 科技创新中心建设的理论阐释、实践探索与政策取向[J]. 理论学刊, 2025(1):121-130.

[4]
Kelly B, Papanikolaou D, Seru A, et al. Measuring technological innovation over the long run[J]. American Economic Review:Insights, 2021, 3(3):303-320.

DOI

[5]
Mubarak M F, Petraite M. Industry 4.0 technologies,digital trust and technological orientation:What matters in open innovation?[J]. Technological Forecasting and Social Change, 2020, 161:120332.

[6]
Acemoglu D, Akcigit U, Alp H, et al. Innovation,reallocation,and growth[J]. American Economic Review, 2018, 108(11):3450-3491.

DOI

[7]
Acemoglu D, Restrepo P. The race between man and machine:Implications of technology for growth,factor shares,and employment[J]. American Economic Review, 2018, 108(6):1488-1542.

DOI

[8]
Aghion P, Howitt P. A model of growth through creative destruction[J]. Econometrica, 1992, 60(2):323-351.

DOI

[9]
Maddison A. A comparison of levels of GDP per capita in developed and developing countries,1700-1980[J]. The Journal of Economic History, 1983, 43(1):27-41.

DOI

[10]
蔡昉. 理解“李约瑟之谜”的一个经济增长视角[J]. 经济学动态, 2015(6):4-14.

[11]
钟春平. 高质量发展需要有创造性破坏思路:理论基础与最优政策[J]. 经济纵横, 2021(3):72-77.

[12]
Azoulay P, Graff Zivin J S, Li D, et al. Public R&D investments and private-sector patenting:Evidence from NIH funding rules[J]. The Review of Economic Studies, 2019, 86(1):117-152.

DOI

[13]
Hu A G Z, Zhang P, Zhao L. China as number one?Evidence from China's most recent patenting surge[J]. Journal of Development Economics, 2017, 124:107-119.

DOI

[14]
De Rassenfosse G, Dernis H, Guellec D, et al. The worldwide count of priority patents:A new indicator of inventive activity[J]. Research Policy, 2013, 42(3):720-737.

DOI

[15]
Akcigit U, Grigsby J, Nicholas T. The rise of american ingenuity:Innovation and inventors of the golden age[R]. National Bureau of Economic Research, 2017.

[16]
黄先海, 孙涌铭, 陈梦涛. 企业数字化转型与颠覆性技术创新——来自专利网络与SBERT模型的微观证据[J]. 中国工业经济, 2024(10):137-154.

[17]
高波, 申晨荣. 新时代企业家精神的“创造性破坏”——基于关键核心技术突破视角[J]. 上海经济研究, 2025(2):65-78.

[18]
Peters M, Zilibotti F. Creative destruction,distance to frontier,and economic development[R]. National Bureau of Economic Research, 2021.

[19]
Haltiwanger J, Jarmin R S, Miranda J. Who creates jobs?Small versus large versus young[J]. Review of Economics and Statistics, 2013, 95(2):347-361.

DOI

[20]
刘志铭, 徐佳慧. 行业创造性破坏与企业生产率提升——基于创新投资选择和成本约束视角[J]. 财经研究, 2024, 50(10):64-78.

[21]
鄢萍, 殷戈, 袁锡林, 等. 创造性破坏、开发全新产品还是产品质量提升?——中国出口企业的创新维度核算[J]. 经济科学, 2022(4):34-49.

[22]
Davis S J, Haltiwanger J. Measuring gross worker and job flows[C]// Labor statistics Measurement Issues. University of Chicago Press, 1998:77-122.

[23]
Decker R, Haltiwanger J, Jarmin R, et al. The role of entrepreneurship in US job creation and economic dynamism[J]. Journal of Economic Perspectives, 2014, 28(3):3-24.

[24]
Aghion P, Akcigit U, Deaton A, et al. Creative destruction and subjective well-being[J]. American Economic Review, 2016, 106(12):3869-3897.

DOI PMID

[25]
Aghion P, Bergeaud A, Boppart T, et al. Missing growth from creative destruction[J]. American Economic Review, 2019, 109(8):2795-2822.

DOI

[26]
[美]约瑟夫·熊彼特. 经济发展理论[M]. 何畏,等,译. 北京: 商务印书馆, 1990.

[27]
Peters M, Zilibotti F. Creative Destruction, Distance to Frontier,and Economic Development[R]. NBER Working Papers, 2021.

[28]
孙才志, 朱云路. 基于Dagum基尼系数的中国区域海洋创新空间非均衡格局及成因探讨[J]. 经济地理, 2020, 40(1):103-113.

DOI

[29]
张永姣, 丁少斌, 方创琳. 中国数字经济产业发展的时空分异及空间收敛性分析——基于企业大数据的考察[J]. 经济地理, 2023, 43(3):120-130.

DOI

[30]
单勤琴, 李中. 经济高质量发展水平的地区差异及时空收敛性研究[J]. 经济地理, 2022, 42(9):50-58.

DOI

[31]
孙博文, 柳明, 张伟广. 僵尸企业识别研究综述:修正与异质特征——基于企业产品创新的视角[J]. 宏观质量研究, 2019, 7(3):79-98.

[32]
黄少卿, 陈彦. 中国僵尸企业的分布特征与分类处置[J]. 中国工业经济, 2017(3):24-43.

[33]
黎文靖, 郑曼妮. 实质性创新还是策略性创新?——宏观产业政策对微观企业创新的影响[J]. 经济研究, 2016, 51(4):60-73.

Options
Outlines

/

〈 〉