EN中文

Economic geography >

2026 , Vol. 46 >Issue 2: 15 - 24

DOI: https://doi.org/10.15957/j.cnki.jjdl.2026.02.002

Measurement, Regional Differences, and Convergence of High-quality Industrial Development in China

  • JIANG Bo , 1 ,
  • ZHOU Lixin 2 ,
  • HUANG Yinghui 3
Expand
  • 1. School of Statistics and Data Science，Southwestern University of Finance and Economics，Chengdu 611130，Sichuan，China
  • 2. Upper Yangtze River Economic Research Center，Chongqing Technology and Business University，Chongqing 400067，China
  • 3. College of Mathematica and Statistica，Chongqing Technology and Business University，Chongqing 400067，China

Received date: 2023-09-10

  Revised date: 2024-12-29

  Online published: 2026-04-10

Fold

Abstract

Based on the panel data of 232 cities in China from 2011 to 2021, this paper uses the entropy weight method to measure the level of high-quality industrial development, and uses Dagum Gini coefficient and spatial convergence methods to comprehensively analyze the status quo, regional differences and spatial evolution characteristics of high-quality industrial development. Research has found that: 1) The overall level of high-quality industrial development in China shows a fluctuating upward trend, with the eastern region having higher levels of high-quality industrial development than the central and western regions; High level and high-quality industrial development regions have shown a certain trend of contraction and agglomeration over time, and this trend continues to strengthen. 2) The overall Gini coefficient of China's high-quality industrial development level shows a fluctuating downward trend. Although there is a slow growth trend in regional differences between the central and western regions, they are still smaller than those in the eastern region. However, the regional differences in the eastern region are continuously narrowing. 3) The high-quality development of industry in the whole country, as well as in the eastern, central, and western regions, shows an absolute β convergence and conditional β convergence trend, with the growth rate of high-quality industrial development gradually converging; The convergence speed of influencing factors has been improved to varying degrees nationwide and in the three major regions.

Key words： industrial high-quality development; new development concept; Dagum Gini coefficient; regional difference; spatial convergence

Cite this article

JIANG Bo , ZHOU Lixin , HUANG Yinghui . Measurement, Regional Differences, and Convergence of High-quality Industrial Development in China[J]. Economic geography, 2026 , 46(2) : 15 -24 . DOI: 10.15957/j.cnki.jjdl.2026.02.002

自改革开放以来，中国经济长期保持高速增长的同时，传统人口红利消退、自主创新能力较弱、资源和环境约束加剧、产业结构不合理等问题引起了学者和政策制定者的高度关注。随着中国由高速增长阶段转向高质量发展阶段，经济高质量发展主要从“创新、协调、绿色、开放、共享”的发展理念出发，从“经济总量和规模速度至上”全面转向“创新驱动、协调发展、绿色转型、开放发展、共享发展”，处于转换增长动力、转变发展方式、优化经济结构、优化营商环境、完善分配政策的关键期[1]。2021年12月，国家发展改革委、工业和信息化部《关于振作工业经济运行推动工业高质量发展的实施方案的通知》强调，“挖掘市场需求潜力，强化政策扶持，优化发展环境，保持良好增长预期，激发市场主体活力，振作工业经济运行，推动工业高质量发展”。一方面，工业高质量发展不但是中国式现代化经济体系和推进制造强国的重要选择，也是重塑产业竞争新优势，减轻因环境污染造成工业空心化难题的实现路径。另一方面，长期以来地区差异是影响中国发展不平衡的一个重要方面。为缩小地区间的差异，中国实施了西部大开发、中部崛起、东北老工业基地振兴等一系列战略，但由于各个区域的基础设施、资源禀赋和战略方针均存在不同，近年来工业高质量发展取得的成效也有所差异。因此，基于高质量发展的“创新、协调、绿色、开放、共享”五大理念衡量工业高质量发展，探析全国及三大区域城市工业高质量发展的空间差异、空间收敛，对促进全国和区域工业高质量发展具有重要意义。
从已有研究看，关于高质量发展的内涵界定，学术界还没有统一的观点，主要基于经济增长质量和新发展理念两种理论对高质量发展进行研究。其中，第一种主要从经济增长质量的内涵进行研究，通常采用人均GDP[2]、绿色全要素生产率[3]等单一指标测度高质量发展。然而，这类方法只能体现社会经济发展的某一方面，很难体现高质量的全面发展，其评价结果缺乏稳健性。而第二种则主要从新发展理念构建指标体系进行研究[4]，如陈子曦等从创新性、协调性、绿色性、开放性和共享性5个维度衡量高质量发展[5]。可以发现，高质量发展是在经济增长质量的基础上进行研究，不但强调经济要素，还考虑经济增长质量和数量的协同发展，包含环境、社会等诸多非经济要素。同时，也有一些学者对工业高质量发展的内涵、评价体系等方面做了一些研究。①基于效率视角主要从工业全要素生产率分析工业效益[6-10]，如王建事等基于2004—2018年省级数据，采用非期望产出的超效率模型测度工业高质量发展[11]。②采用指标体系评价工业高质量发展，如姚莉基于2017年中部省级数据，从发展质量、运行效率和创新能力3个方面衡量工业高质量发展[12]；李标等基于2006—2020年省级数据，从要素投入、生产过程、产出供给和内部结构4个方面对工业高质量发展水平进行测度[13]。同样，这些研究仅关注了工业发展效率和狭义工业质量、产业协同等方面[14]，不能充分体现工业高质量发展的内涵。③从新发展理念视角评价工业高质量发展。已有研究认为基于新发展理念的工业高质量发展指标体系兼具多维性与时代性，应包含创新、协调、绿色、开放、共享等主要特征[15-17]。如宋晓娜等基于2008—2017年省级数据，根据“创新、协调、绿色、开放、共享”发展理念评价工业高质量发展水平[18]；史丹等基于省级数据，从“产出效率、结构优化以及产品需求”等8个方面衡量工业高质量发展[14]。此外，还有学者认为一个地区工业高质量发展的状况对周边地区的工业发展产生着深远的影响，但主要围绕工业高质量发展的测度以及现状进行分析[16-18]，没有进一步进行差异分析。
综上发现，学者们在工业高质量发展测度、区域差异以及空间演变等方面进行了大量研究，并取得了丰硕而有成效的成果，但仍存在可以拓展的空间。①在工业高质量发展的衡量过程中，主要基于绿色全要素生产率、工业全要素生产率等方法来衡量工业高质量发展，对反映新发展理念概念和性质的指标研究很少。②现有文献多以省级为研究单位，很难全面反映工业高质量发展的区域差异，而城市在工业高质量发展过程中的作用越来越重要，利用中国地级及以上城市数据研究工业高质量发展的差异值得深入探讨。③已有对工业高质量发展特性的研究多关注于测度、现状分析，还应对工业高质量发展的区域差距和空间收敛进行研究。
基于此，本文以中国232个地级及以上城市（文中简称“城市”）为研究对象 ① ，基于“创新、协调、绿色、开放、共享”新发展理念，利用熵权法测度工业高质量发展，采用Dagum基尼系数、空间收敛模型分析2011—2021年中国城市工业高质量发展的区域差异和动态演变特征，以期为中国工业高质量发展及其区域协调发展提供依据和支撑。

1 研究设计

1.1 工业高质量发展水平的评价指标体系

工业高质量发展是以新发展理念为基石，着眼于创新、协调、绿色、开放、共享等要素。新时期工业高质量发展是适应经济从高质量增长转向高质量发展阶段的必然趋势，意味着生产要素投入小、资源配置效率高、资源与环境成本低、经济社会效益好的发展，实现创新驱动、协调发展、绿色转型、开放发展以及共享发展的新型工业化发展模式。
综合新时期高质量发展的理念和内涵，本文借鉴学者们在工业企业创新驱动、协调发展、绿色转型、开放发展和共享发展方面的研究成果[16,19-21]，构建区域工业高质量发展水平评价指标体系。基于地级及以上城市数据的可获得性，按照指标体系构建的原则，参照已有学者的做法[16,19]，本文构建包含创新、协调、绿色、开放、共享5个一级指标13个二级指标的区域工业高质量发展水平评价指标体系（表1）。
表1 区域工业高质量发展评价指标体系及说明

Tab.1 Evaluation index system and explanation for high-quality industrial development

一级指标 二级指标 三级指标 权重 属性
创新 创新投入 规模以上工业企业R&D经费支出/主营业务收入（%） 0.001 +
上市公司工业企业研发人员数量/规模以上工业从业人员（-） 0.001 +
创新产出 规模以上工业企业有效发明专利数/主营业务收入（项/万元） 0.002 +
上市公司工业企业人均专利拥有量（项/万人） 0.003 +
协调 产业协调度 二三产业协调发展指数（-） 0.014 +
产业结构合理化指数（-） 0.035 -
区域协调度 区域工业协调发展指数（-） 0.013 -
区域工业经济差距发展指数（-） 0.107 -
绿色 污染排放 单位工业增加值能耗（t/万元） 0.016 -
单位工业增加值工业二氧化硫排放量（t/万元） 0.058 -
单位工业增加值工业废水排放量（t/亿元） 0.159 -
单位工业增加值工业烟粉尘排放量（t/亿元） 0.154 -
污染治理 污水处理厂集中处理率（%） 0.095 +
一般工业固体废物综合利用率（%） 0.027 +
开放 外资吸引度 规模以上工业外资企业数量/规模以上总企业数量（%） 0.004 +
外资企业产值贡献度 规模以上工业外商投资总产值/规模以上工业增加值（%） 0.002 +
外贸依存度 进出口总额/工业增加值（%） 0.022 +
共享 劳动报酬 上市公司工业职工应得工资/工业增加值（-） 0.091 +
收入共享 上市公司工业职工人均应得工资水平（万元/人） 0.071 +
就业共享 工业就业人数占总就业人数的比例（%） 0.090 +
利税比 工业企业应缴增值税/全部税收（-） 0.037 +
同时，对个别指标进行了处理，具体如下：二三产业协调发展指数借鉴杜宇等的研究[16]，基于耦合度法，测算第二产业劳动生产率与第三产业劳动生产率的耦合协调度来衡量；产业结构合理化指数采用泰尔指数衡量；区域工业协调发展指数利用周边地区主营业务收入的最大值与本地区的比值衡量；区域工业经济差距发展指数参考倪鹏飞等的方法[22]，利用人均工业GDP的离差来衡量；外贸依存度借鉴傅联英等的研究[23]，采用进出口总额占工业增加值的比来衡量；利税比借鉴车明佳、叶素云等的研究[21,24]，采用工业应交增值税占全部税收的比来衡量；研发人员数量、专利拥有量、应得工资等指标借鉴钞小静、李晓红等的做法[25-26]，采用国泰安（CSMAR）数据库中2011—2021年工业上市公司年报（包括采矿业、制造业、电力、热力、燃气以及水生产和供应业三项大类产业，剔除样本数据中*ST、ST、*PT、PT等高风险企业），并根据行业上市公司代码，将此类公司按其注册地信息匹配到地级市层面，再分别加总各地级市相关企业研发人员数量、专利拥有量、应得工资；城市规模以上工业企业R&D内部经费支出根据省份规模以上工业企业R&D内部经费支出乘以城市R&D内部经费支出占省域R&D内部经费支出的比重衡量；城市规模以上工业企业有效发明专利数根据各省份规模以上工业企业有效发明专利数乘以城市国内专利申请授权量占省域国内专利申请授权量的比重衡量。

1.2 研究方法

1.2.1 工业高质量发展水平的测算方法

为了评估工业高质量发展水平，本文利用熵值法为各项指标进行赋权，该方法的优势在于能借助成熟的数学模型精确捕捉各指标信息量中的内在规律及“差异驱动力”[27]。处理步骤如下：①对原始数据进行标准化转换，构建出用于评价的标准化数据矩阵；②计算每项指标的熵值，并据此推导出归一化的权重系数；③依据这些权重系数，计算得出各研究单元的工业高质量发展水平。

1.2.2 Dagum基尼系数及分解方法

根据Dagum的研究及分解方法[28]，在推导子群间工业高质量发展不平衡对整体基尼系数的贡献中具有重要作用[29]。Dagum基尼系数的分解方法如下：
$G=\frac{{\sum }_{j=1}^{k}{\sum }_{h=1}^{k}{\sum }_{i=1}^{{n}_{j}}{\sum }_{r=1}^{{n}_{h}}\left|{y}_{ij}-{y}_{hr}\right|}{2{n}^{2}\stackrel{-}{y}}$
式中：n为城市数量；k为地区数量；nj(nh)为第j(h)个地区内的数量；yij(yhr)是j(h)地区内城市i(r)工业高质量发展水平； $\overline{y}$为所有城市工业高质量发展水平的均值。
在对总体基尼系数G按地区进行分解时，首先按照各地区工业高质量发展的均值对k个地区排序。随后将基尼系数G分解为3个部分：地区内差异对G的贡献Gw、地区间差异净值对G的贡献Gnb、地区间超变密度对G的贡献Gt，并满足：G=Gw+Gnb+Gt。

1.2.3 收敛模型

β收敛是从增长率视角探究各地区工业高质量发展的趋势，即由于落后地区增长率较高，逐渐缩小与发达地区的差距，实现以相近增长率发展的状态。绝对β收敛是只考虑工业高质量发展水平自身的收敛状态，条件β收敛是加入影响因素后各地区工业高质量发展水平呈收敛态势。
考虑到工业高质量发展可能具有的空间相关特征，故在对工业高质量发展收敛性分析时，需要考虑区域间的空间相关性，若区域间具有空间相关性，则可以基于空间模型分析β收敛。本文借鉴Elhorst、张卓群等的方法[30-31]，基于空间误差、空间滞后以及空间杜宾模型探讨β收敛性。
本文参考Hnatkovska、封亦代等的方法[32-33]，利用空间距离和经济发展水平的嵌套权重矩阵，权重设定如下：
$w_{i j}=\left\{\begin{array}{c}w_{d} \cdot \operatorname{diag}\left(\frac{\bar{x}_{1}}{\bar{x}}, \frac{\bar{x}_{2}}{\bar{x}}, \cdots, \frac{\bar{x}_{n}}{\bar{x}}\right), i \neq j \\0, i=j\end{array}\right.$
式中：wd为地理距离权重矩阵； ${\overline{x}}_{i}$为i城市第t0到t1人均GDP的均值； $\overline{x}$为研究期内所有城市人均GDP的均值。
条件β收敛模型在绝对β收敛模型的基础上加入影响因素，探析区域工业高质量发展水平是否具有收敛趋势。
本文选取的控制变量如下：①经济发展水平（pgdp），既被认为是促进工业经济增长的重要途径，也被认为是导致能源消耗与环境污染的主因，采用人均GDP衡量（万元/人）。②财政支出水平（fis），不但能推动生产要素的流动，促进各地区资源优化配置，而且也能因支出少而导致资源浪费，对工业发展质量产生影响，采用财政支出与GDP的比值衡量。③金融发展水平（fd）。金融是现代经济的核心，能够有效提升资源配置效率，降低企业交易成本和分散风险，是工业高质量发展必不可少的支撑力量，本文采用金融存贷款之和与GDP比重衡量。④人力资本（edu），作为不可或缺的投入要素，对提高劳动生产率促进工业高质量发展具有重要影响，采用专科及以上在校大学生数与常住人口的比重衡量。⑤人口密度（den）。人口增长在一定范围内存在规模效应，会促进工业经济增长，随着人口的不断增长，会给资源、技术、资本和环境等构成巨大压力，使工业经济发展受到限制，采用常住人口与行政区域土地面积的比重衡量。

1.3 数据来源

本文采用的数据主要来源于2012—2022年《中国城市统计年鉴》、2011—2021年《上市公司年报》、个别指标来源于2012—2022年各省（自治区、直辖市）统计年鉴，个别缺失数据利用平均值法填补。缺失较为严重的地区，则从样本中剔除。

2 结果与分析

2.1 时间演变分析

本文基于熵权法测算全国和各区域2011—2021年工业高质量发展水平（表2）。结果显示：①研究期内中国工业高质量发展水平总体呈波动性上升趋势，其中2011—2018年呈波动性的上升趋势，2018—2021年呈逐年上升态势，由2018年的0.1404上升到2021年的0.1495。进一步地，本文将中国工业高质量发展水平与人均工业增加值进行对比，发现2011—2021年中国工业高质量发展水平和人均工业增加值均呈波动性上升趋势，年均增长率分别为0.7266%、3.5777%，表明人均工业增加值的发展速度高于工业高质量发展的速度。这可能是生产效率提升、就业结构优化、政策支持等直接原因以及产业结构转型的复杂性、创新驱动的渐进性、绿色发展的长期性等相对较慢的增速原因共同作用的结果。②从横向比较来看，2011—2021年全国、东部、中部以及西部地区工业高质量发展水平的均值分别为0.1419、0.1731、0.1180以及0.1126，表明东部地区工业高质量发展高于全国和中西部地区；中部地区工业高质量发展水平略高于西部地区，但低于全国。③从纵向比较来看，东部地区工业高质量发展水平在2011—2021年的年均增长率为-0.2456%，低于中部地区的1.7624%和西部地区的2.1677%。东部地区工业高质量发展水平在2011—2019年呈波动性下降趋势，但在2019—2021年呈波动性上升态势，总体由2019年的0.1704上升到2021年的0.1716，在此期间的年均增长率为0.3656%。东部地区在工业发展方面有明显的先发优势，这体现在优越的市场环境、充沛的资金支持以及领先的技术实力等条件，这些有助于工业转型升级，实现高质量发展；而中西部地区的后发优势逐渐显现，其基础设施完善、政策制度健全，推动了中西部地区工业发展进入快速集聚化阶段。2011—2021年，东部地区一直是工业高质量发展的领头羊，但中西部地区的工业高质量发展增速也逐渐赶上。
表2 2011—2021年全国及各地区工业高质量发展水平

Tab.2 National and regional industrial high-quality development level from 2011 to 2021

年份 全国 全国人均工业
增加值（万元/人）		 东部
地区		 中部
地区		 西部
地区
2011 0.1391 2.1755 0.1759 0.1115 0.1037
2012 0.1376 2.3886 0.1729 0.1106 0.1043
2013 0.1406 2.5460 0.1757 0.1137 0.1076
2014 0.1405 2.6176 0.1742 0.1137 0.1099
2015 0.1417 2.5619 0.1739 0.1153 0.1136
2016 0.1413 2.5923 0.1733 0.1159 0.1125
2017 0.1409 2.7310 0.1727 0.1162 0.1117
2018 0.1404 2.8411 0.1706 0.1184 0.1106
2019 0.1427 2.7710 0.1704 0.1224 0.1156
2020 0.1461 2.7475 0.1724 0.1270 0.1202
2021 0.1495 3.0918 0.1716 0.1328 0.1285
年均增长率（%） 0.7266 3.5777 -0.2456 1.7624 2.1677

2.2 空间演变分析

为更深入地分析中国工业高质量发展水平的空间演变特征，本文选择2011、2014、2018和2021年4个时间节点，采用ArcGIS软件将中国工业高质量发展分为低水平、较低水平、较高水平和高水平4个等级进行可视化（图1）。整体来看：①2011—2021年中国工业高质量发展水平空间分布不均衡，且存在显著的极化差异问题。②沿海城市的工业高质量水平普遍比内陆城市更高。③较高水平和高水平城市的工业高质量发展呈现出先扩大发散后收缩集聚的演化特征。
图1 中国市域工业高质量发展水平空间分布演变

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.1 Evolution of spatial distribution of high-quality industrial development level in China

从演变过程来看：①2011年，中国工业高质量发展水平整体偏低，处于低水平和较低水平的样本比例分别约为46.55%和35.34%；高水平工业高质量发展的城市只有12个，包括北京、天津、上海、苏州、厦门、广州和深圳等城市；较高水平的工业高质量发展的城市主要分布在东部地区，但分布相对比较分散。②2014年，中国工业高质量发展处于低水平和较低水平的样本比例分别约为40.09%和40.52%，处于低水平区域的城市大幅减少；高水平工业高质量发展区域增加了2个城市，分布在沿海地区，呈分散的特征；较高水平工业高质量发展的城市数量也有所增加，大部分分布在东部地区，极少数分布在中西部地区，如武汉、成都和西安。③2018和2021年，中国工业高质量发展处于低水平与较低水平样本之和的比例分别为77.16%和69.40%，其比例较2011和2014年均有所减少，总体上得到了一定的发展；较高水平和高水平工业高质量发展区域呈现出一定的收缩集聚态势且该态势不断强化，部分较高水平和高水平城市退化为较低水平城市（如秦皇岛、廊坊和营口），且此类城市多位于非中心地区，与之形成对比的是，大部分省会城市及中心城市始终保持较高水平和高水平。
综上可以看出，中国的工业高质量发展呈现出一定的地域差异和空间关联的独特特征。鉴于此，后续部分将运用空间分析方法，深入探讨工业高质量发展的空间网络关联特征、地区差异以及空间收敛性，以更全面地描绘工业高质量发展所呈现的空间特征。

3 工业高质量发展水平的空间差异与来源分解

为深入分析工业高质量发展的发展趋势，揭示工业高质量发展水平空间差异的大小和来源，本文采用Dagum基尼系数及其分解方法，测算中国2011—2021年工业高质量发展水平的空间差异和来源，并分解东中西三大区域的工业高质量发展（表3）。
表3 中国工业高质量发展水平Dagum基尼系数估计结果

Tab.3 Estimation results of Dagum Gini coefficient for high-quality industrial development level in China

年份 总基尼系数 区域内 区域间
东部 中部 西部 东部—中部 东部—西部 中部—西部
2011 0.2364 0.2533 0.1232 0.1451 0.2632 0.2898 0.1359
2012 0.2291 0.2474 0.1146 0.1435 0.2554 0.2793 0.1317
2013 0.2235 0.2429 0.1130 0.1374 0.2492 0.2716 0.1282
2014 0.2187 0.2401 0.1126 0.1315 0.2466 0.2609 0.1238
2015 0.2126 0.2324 0.1215 0.1287 0.2415 0.2415 0.1256
2016 0.2115 0.2293 0.1242 0.1301 0.2376 0.2485 0.1285
2017 0.2127 0.2288 0.1187 0.1465 0.2345 0.2539 0.1349
2018 0.2113 0.2253 0.1295 0.1438 0.2299 0.2524 0.1406
2019 0.2066 0.2241 0.1367 0.1417 0.2245 0.2388 0.1415
2020 0.2052 0.2207 0.1454 0.1438 0.2226 0.2332 0.1468
2021 0.2075 0.2228 0.1579 0.1665 0.2206 0.2269 0.1640
均值 0.2159 0.2334 0.1270 0.1417 0.2387 0.2543 0.1365
年均增长率（%） -1.2938 -1.2770 2.5132 1.3880 -1.7472 -2.4182 1.8976
从全国整体来看，中国工业高质量发展水平的总体差异表现为：2011—2021年，中国工业高质量发展水平总体基尼系数呈波动下降的变化趋势，均值为0.2159，年均增长率为-1.2938%，说明在此期间各城市工业高质量发展水平的差距在逐渐缩小。其中，2011—2019年，总体基尼系数呈明显的下降趋势，从2011年的0.2364波动性下降至2019年的0.2066，均值为0.2181，年均增长率为-1.6663%，说明工业高质量发展水平的城市差异有所缓解。然而，2019—2021年，总体基尼系数由2019年的0.2066波动性上升到2021年的0.2075，均值为0.2064，年均增长率为0.2103%，但上升幅度很小，说明工业高质量发展水平的城市差异已逐渐趋于平缓，近期内工业高质量发展的差异很难呈现大起大落的状况。
分地区而言，三大区域内基尼系数空间分布和演变特征为：①从区域内差异看，2011—2021年东中西部地区基尼系数的均值分别是0.2334、0.1270、0.1417，呈“东部>西部>中部”依次递减的分布格局；东中西部地区基尼系数的年均增长率分别为-1.2770%、2.5132%、1.3880%，呈“东部<西部<中部”依次递增的分布格局。②从区域内演变趋势看，东部地区基尼系数的均值2011—2021年呈波动性下降趋势，其中2011—2020年呈逐年下降趋势，2020—2021年呈小幅上升趋势。中部地区基尼系数的均值2011—2021年呈波动性上升趋势，其中2011—2017年呈波动性下降趋势，由0.1232逐渐下降到0.1187，2017—2021年呈逐年上升趋势。西部地区基尼系数的均值2011—2021年呈波动性上升趋势，其中2011—2015年呈稳步下降趋势，2015—2021年呈波动性上升趋势，由2015年的0.1287上升到2021年的0.1665。由此可见，东部地区工业高质量发展水平的差异呈缩小的趋势，主要呈“倒U”型，表明仍有部分城市的工业高质量发展水平上升速度较慢；中部地区工业高质量发展水平的差异增长趋势最明显，主要呈“U”型的变化规律；西部地区工业高质量发展水平的差异同样呈“U”型增长趋势，但没有中部地区的增长趋势明显，反映出三大区域内工业高质量发展水平的收敛趋势存在差异。
从区域间基尼系数的空间分布和演变特征来看：①2011—2021年东部—中部、东部—西部以及中部—西部地区区域间基尼系数的均值分别为0.2387、0.2543、0.1365，呈“东部—西部>东部—中部>中部—西部”依次递减的分布格局；基尼系数的年均增长率分别为-1.7472%、-2.4182％和1.8976％，呈“东部—西部<东部—中部<中部—西部”依次递增的分布格局。②2011—2021年东部—中部地区间基尼系数均值呈稳步递减的态势。东部—西部地区间2011—2021年基尼系数均值呈波动性下降趋势，呈“下降—上升—下降”的变化轨迹，其中2011—2015年基尼系数均值呈明显下降趋势，年均增长率达到-4.4564%；2015—2017年基尼系数均值呈小幅上升趋势，年均增长率为2.5350%；2017—2021年基尼系数均值呈小幅下降趋势，年均增长率为-3.4893%。中部—西部地区间基尼系数均值2011—2021年呈波动性上升趋势，大致呈“U”型的变化趋势，其中2011—2014年基尼系数均值呈下降趋势，年均增长率为-3.0784%；2014—2021年基尼系数均值呈上升趋势，年均增长率为4.1076%。由此可见，中部—西部地区间的差异虽然存在缓慢增长趋势，但仍然小于东部—中部地区间和东部—西部地区间的差异；与此同时，东部—中部地区间和东部—西部地区间的差异均呈缩小趋势，东部—西部地区间的差异缩小趋势更为明显，进一步反映出各区域间工业高质量发展水平的收敛趋势存在差异，区域协调发展是促使工业高质量发展，缩小区域内差距的重要推动力。
为进一步探析工业高质量发展水平空间差异的来源，本文将总体差异分解为区域内差异、区域间差异和超变密度，并计算其贡献率（表4）。①从贡献率的数值看，2011—2021年区域内差异、区域间差异和超变密度的贡献率均值分别为35.0929%、47.8007%和17.1064%，呈“区域间差异贡献率>区域内差异贡献率>超变密度贡献率”依次递减的分布格局。②从贡献率的差别看，区域内差异的贡献率在2011—2021年呈波动性上升的趋势，增长率为0.3583%；区域间差异的贡献率在2011—2021年呈波动性下降的趋势，增长率为-4.518%；超变密度的贡献率在2011—2021年呈波动性上升的趋势，增长率为9.3911%。由此可见，在解析中国工业高质量发展整体差异来源时，本文发现区域间差异呈缩小的态势，区域内差异和超变密度呈扩大的态势，但是区域间差异仍是最大的来源，其次是区域内差异，超变密度相对较小。因此，加大对中西部地区工业高质量发展的支持力度，将有效缩小区域间的差距，推动工业高质量发展实现协同并进，从而解决空间分布不均衡的问题。此外，可在缩小区域间差距的同时，破解区域内“马太效应”与超变密度“拥塞陷阱”，推动工业高质量发展从“单极突进”转向“多维均衡”的新阶段。
表4 工业高质量发展水平Dagum基尼系数分解差异来源及贡献率

Tab.4 Differences and contribution rates of dagum gini coefficient decomposition for high-quality industrial development level

年份 区域内 区域间 超变密度 子群内差异
贡献率（%）		 子群间差异
贡献率（%）		 超变密度贡献率（%）
2011 0.0819 0.1250 0.0294 34.6679 52.8897 12.4408
2012 0.0797 0.1207 0.0287 34.7632 52.6950 12.5444
2013 0.0778 0.1173 0.0284 34.8266 52.4764 12.6983
2014 0.0765 0.1118 0.0304 34.9893 51.1228 13.8875
2015 0.0746 0.1048 0.0332 35.0832 49.2805 15.6358
2016 0.0740 0.1051 0.0324 35.0064 49.6714 15.3231
2017 0.0742 0.1052 0.0333 34.8844 49.4547 15.6605
2018 0.0738 0.1024 0.0352 34.9056 48.4453 16.6487
2019 0.0733 0.0920 0.0414 35.4619 44.5066 20.0339
2020 0.0729 0.0856 0.0467 35.5034 41.7232 22.7719
2021 0.0746 0.0696 0.0633 35.9301 33.5427 30.5258
均值 0.0757 0.1036 0.0366 35.0929 47.8007 17.1064
年均增长率（%） -0.9402 -5.6880 7.9758 0.3583 -4.4518 9.3911

4 工业高质量发展水平的收敛性分析

为了进一步验证全国、各区域间存在不同的工业高质量发展水平的收敛趋势，本文采用空间收敛分析全国和各区域的β收敛性。

4.1 空间相关性检验

工业高质量发展存在空间相关性是利用空间计量模型进行估计的前提，故本文首先计算Moran's I指数来检验空间相关性是否存在。本文利用邻接权重矩阵和经济地理嵌套矩阵空间关联模式下测算中国城市工业高质量发展的全局Moran's I（表5）。结果显示，中国各城市2011—2021年工业高质量发展的Moran's I均大于0，且均在1%的水平上显著，反映出工业高质量发展具有明显的空间正相关性。
表5 工业高质量发展水平Moran's I指数

Tab.5 Moran's I index of high-quality industrial development level

年份 邻接矩阵 经济地理嵌套矩阵
I E（I） sd（I） z值 I E（I） sd（I） z值
2011 0.405*** -0.004 0.044 9.349 0.192*** -0.004 0.007 26.389
2012 0.412*** -0.004 0.044 9.506 0.195*** -0.004 0.007 26.789
2013 0.422*** -0.004 0.044 9.751 0.205*** -0.004 0.007 28.098
2014 0.437*** -0.004 0.044 10.092 0.211*** -0.004 0.007 28.934
2015 0.440*** -0.004 0.044 10.170 0.204*** -0.004 0.007 28.005
2016 0.421*** -0.004 0.044 9.732 0.192*** -0.004 0.007 26.382
2017 0.406*** -0.004 0.044 9.401 0.181*** -0.004 0.007 24.965
2018 0.386*** -0.004 0.044 8.963 0.178*** -0.004 0.007 24.666
2019 0.345*** -0.004 0.043 8.039 0.159*** -0.004 0.007 22.118
2020 0.320*** -0.004 0.044 7.459 0.147*** -0.004 0.007 20.378
2021 0.252*** -0.004 0.044 5.889 0.114*** -0.004 0.007 16.032

注：*、**、***分别表示在10%、5%、1%的水平上显著。表6~表8同。

4.2 绝对β收敛分析

通过LM检验、LR检验分析全国及东中西部地区工业高质量发展的绝对β收敛性。本文借鉴孙畅等的方法[34]，确定全国及三大地区绝对β收敛模型的选取（表6）。结果显示：①全国和东部地区的空间误差系数λ分别为0.493、0.408，且均在1%水平上的显著，说明全国和东部地区工业高质量发展具有空间相关性，表明空间溢出是全国和东部地区工业高质量发展绝对β收敛的主要因素；中部地区的空间滞后模型空间滞后系数ρ为-0.162，西部地区的空间误差模型空间误差系数λ为0.043，但中部和西部均没通过显著性检验，故中部和西部地区均选择传统收敛模型。②全国、东部、中部以及西部地区的β系数分别为-0.208、-0.155、-0.216和-0.342，且均在1%的水平上显著，表明全国及三大地区的工业高质量发展均存在绝对β收敛趋势，增速正在趋同，收敛速度分别为2.332%、1.625%、2.433%、4.186%。
表6 工业高质量发展绝对β收敛检验结果

Tab.6 Test results of absolute β convergence of industrial high-quality development

变量名称 全国
SEM模型		 东部地区
SEM模型		 中部地区
OLS模型		 西部地区
OLS模型
β -0.208*** -0.155*** -0.216*** -0.342***
λ 0.493*** 0.408***
δ 0.004*** 0.003***
cons -0.484*** -0.783***
LM-spatial-error 121.403*** 37.750*** 16.783*** 44.642***
R-LM-spatial-error 2.054 4.230** 0.236 12.161***
LM-spatial-lag 119.873*** 34.495*** 17.780*** 36.764***
R-LM-spatial-lag 0.524 0.975 1.232 4.283**
LR-error 7.45*** 5.67** 4.25** 0.41
LR-lag 10.82*** 3.62* 4.88** 0.33
地区和时间固定 Y Y Y Y
样本量 2320 1060 710 550

4.3 条件β收敛分析

考虑到中国工业高质量发展受到经济发展、财政支出、金融发展水平、人力资本、人口密度等的影响，本文需要确定全国和三大地区工业高质量发展条件β收敛的模型选择（表7）。结果显示：①全国和东部地区确定为空间滞后模型，空间滞后系数ρ分别为0.424、0.384，且在1%水平上显著，表明全国空间相关性是工业高质量发展条件β收敛的因素之一；中部地区的空间滞后模型空间滞后系数ρ为-0.164，西部地区的空间误差模型空间误差系数λ为-0.008，但中部和西部地区均未通过显著性检验，故均选择传统收敛模型。②全国及东部、中部和西部地区的β系数分别为-0.209、-0.158、-0.220和-0.349，且均在1%的水平上显著，表明全国及三大地区工业高质量发展均存在条件β收敛趋势，说明工业高质量发展的增长率在趋同。③与绝对β收敛速度相比，条件β收敛速度分别为2.245%、1.720%、2.485%、4.292%，全国及三大地区在考虑了影响因素后，收敛速度均有所提高，反映出经济发展、财政支出、金融发展水平、人力资本、人口密度等影响因素能在一定程度上加快工业高质量发展的收敛。
表7 工业高质量发展条件β收敛检验结果

Tab.7 Results of β convergence test for high-quality industrial development

变量名称 全国
SAR模型		 东部地区
SAR模型		 中部地区
OLS模型		 西部地区
OLS模型
β -0.209*** -0.158*** -0.220*** -0.349***
ρ 0.424*** 0.384***
δ 0.004*** 0.003***
控制变量 Y Y Y Y
cons -0.480*** -0.789***
LM-spatial-error 98.707*** 36.079*** 2.569 44.642***
R-LM-spatial-error 0.177 0.149 1.055 12.161***
LM-spatial-lag 104.723*** 36.273*** 4.662** 36.764***
R-LM-spatial-lag 6.194** 0.343 3.147* 4.283**
LR-error 23.28*** 9.97 16.66** 4.97
LR-lag 24.05*** 7.42 17.52*** 4.91
地区和时间固定 Y Y Y Y
样本量 2320 1060 710 550

4.4 β收敛稳健性分析

为检验中国工业高质量发展的收敛特征，本文基于邻接权重矩阵进行稳健性检验（表8）。结果显示，绝对收敛结果东部地区的模型选择从SEM转变为SAR，西部地区的模型选择从OLS转变为SEM，但全国和三大区域收敛系数和收敛速度的结果均没有出现明显变化，表明绝对收敛的结果具有稳健性。条件收敛结果西部地区的模型选择从OLS转变为SEM，但全国和三大区域收敛系数和收敛速度的结果均没有出现明显变化，表明条件收敛的结果具有稳健性。
表8 稳健性检验结果

Tab.8 Robustness Test Results

变量名称 绝对收敛 条件收敛
全国
SEM模型		 东部地区
SAR模型		 中部地区
OLS模型		 西部地区
SEM模型		 全国
SAR模型		 东部地区
SAR模型		 中部地区
OLS模型		 西部地区
SEM模型
β -0.207*** -0.152*** -0.216*** -0.337*** -0.206*** -0.154*** -0.220*** -0.345***
λ 0.159*** 0.136*** 0.136***
ρ 0.195*** 0.147*** 0.180***
δ 0.004*** 0.003*** 0.005*** 0.004*** 0.003*** 0.005***
控制变量 N N N N Y Y Y Y
cons -0.484*** -0.480***
LM-spatial-error 45.227*** 38.667*** 6.135** 15.547*** 42.773*** 38.667*** 2.766* 15.360***
R-LM-spatial-error 0.727 0.465 0.246 3.234* 0.037 0.465 1.172 0.772
LM-spatial-lag 44.531*** 40.367*** 5.923** 13.734*** 44.207*** 40.367*** 3.640* 14.731***
R-LM-spatial-lag 0.031 2.164 0.034 1.422 1.471 2.164 2.047 0.143
LR-error -0.33 3.75* 1.55 1.06 20.26*** 16.55** 2.84 3.76
LR-lag 2.26 1.46 1.23 0.03 20.24*** 13.76** 2.53 2.88
地区和时间固定 Y Y Y Y Y Y Y Y
样本量 2320 1060 710 550 2320 1060 710 550

5 结论与启示

5.1 结论

本文利用2011—2021年中国232个城市的面板数据，采用熵权法测度了工业高质量发展水平，并利用Dagum基尼系数和空间收敛等模型深入研究了全国及东部、中部和西部三大地区工业高质量发展的区域差异和来源以及收敛性。研究结论如下：
①中国工业高质量发展水平虽然总体呈波动性上升趋势，但工业高质量发展水平年均增长率远小于人均工业增加值的年均增长率；东部地区工业高质量发展水平高于中部、西部地区，中部地区工业高质量发展水平略高于西部地区，但低于全国工业高质量发展水平。随着时间的推移，较高水平和高水平工业高质量发展区域呈现出一定的收缩集聚态势且该态势不断强化，部分较高水平和高水平城市退化为较低水平城市，此类城市多位于非中心地区，而大部分省会城市及中心城市始终保持较高水平和高水平。
②中国工业高质量发展基尼系数呈波动下降的变化态势，中部和西部地区的区域差异存在缓慢增长态势，但仍小于东部地区，呈“东部>西部>中部”的分布格局，然而，东部地区的区域差异在波动性减小。工业高质量发展基尼系数在区域间表现为“东部—西部、东部—中部、中部—西部”递减的分布模式，但中部—西部地区间的差异存在缓慢增长趋势，东部—中部地区间和东部—西部地区间的差异均呈现缩小的趋势。在区域差异的来源中，影响工业高质量发展差异的主要因素是区域间差异，其次是区域内差异，最后是超变密度。
③全国及东中西部地区工业高质量发展都具有绝对β收敛和条件β收敛趋势，工业高质量发展增速逐渐趋同。全国及三大区域加入影响因素的收敛速度都有不同程度的提高，反映了金融发展、科技投入强度、经济发展、人口密度、人力资本等因素能够在一定程度上提升工业高质量发展的收敛。

5.2 启示

①中国工业高质量发展水平虽有所提高，但整体水平依然较低，且年均增长率远低于人均工业增加值的年均增长率，具有很大的提升空间，需要从提升自主创新能力、优化产业结构、拓展市场需求、优化营商环境以及加强国际合作与交流等方面入手，制定并实施具体的政策措施。此外，结合中西部地区和非中心城市区域发展的现实情况，需结合自身条件分类施策原则，根据本地发展状况和资源禀赋优势，制定有利于发挥本地工业高质量发展优势的创新举措，搜索工业经济发展模式，找准提高自身工业高质量发展水平的核心因素。
②强化区域内协调发展、区域间互补与均衡发展，尤其是东部地区需要发挥核心城市对边缘城市的协同带动作用，通过分享和推广能够帮助创新效率低、绿色发展低的工业发展地区，发挥核心城市的正向技术溢出效应和“辐射效应”。同时，工业高质量发展区域间不均衡的问题突出，在东西部、东中部间更为明显，故中西部地区可以借鉴东部地区较为完善的金融服务制度、先进的技术手段等激发其工业经济发展的潜力。
③根据不同区域工业高质量发展β收敛特征，结合工业发展规划和要求，精准施策，全方面提高工业经济高质量发展水平。东部地区可以积极地引入环境市场的机制、要求符合环境标准的工业产业才能在区域内进行发展，增强其正向空间溢出效应；中西部地区应加大对弱势城市的支持，与相邻地区共建产业联盟、科技研发中心等，共享技术创新所带来的成果，激励中小工业企业技术创新，通过企业间合作与良性竞争等手段融入工业经济转型升级。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
逄锦聚. 深化理解加快构建新发展格局[J]. 经济学动态, 2020(10):3-11.

[2]
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.

[3]
周磊, 龚志民. 数字经济水平对城市绿色高质量发展的提升效应[J]. 经济地理, 2022, 42(11):133-141.

DOI

[4]
谢地, 荣莹, 叶子祺. 城市高质量发展与城市群协调发展:马克思级差地租的视角[J]. 经济研究, 2022, 57(10):156-172.

[5]
陈子曦, 青梅, 杨玉琴. 成渝地区双城经济圈高质量发展水平测度及其时空收敛性[J]. 经济地理, 2022, 42(4):65-73.

DOI

[6]
Kuan C, Wang H C, Zheng Y X, et al. Productivity change in Chinese industry:1953-1985[J]. Journal of Comparative Economics, 1988, 12(4):570-591.

DOI

[7]
朱沛华, 陈林. 工业增加值与全要素生产率估计——基于中国制造业的拟蒙特卡洛实验[J]. 中国工业经济, 2020(7):24-42.

[8]
Liu Y, Liu M, Wang G G, et al. Effect of environmental regulation on high-quality economic development in China—An empirical analysis based on dynamic spatial durbin model[J]. Environmental Science and Pollution Research, 2021(5):1-18.

[9]
巨虹, 李同昇, 翟洲燕. 基于ETFP的黄河流域工业高质量发展水平时空分异研究[J]. 资源科学, 2020, 42(6):1099-1109.

DOI

[10]
郭爱君, 范巧. 中国地级市工业全要素生产率的局部测度研究[J]. 数量经济技术经济研究, 2022, 39(6):61-80.

[11]
王建事, 于尚坤, 胡瑞, 等. 中国工业高质量发展的时空演变及其科技创新驱动机制[J]. 资源科学, 2023, 45(6):1168-1180.

DOI

[12]
姚莉. 中部地区工业经济高质量发展水平评价——以湖北省为例[J]. 湖北社会科学, 2020(11):55-65.

[13]
李标, 孙琨. 新时代中国工业高质量发展的理论框架与水平测度研究[J]. 社会科学研究, 2022(3):73-83.

[14]
史丹, 李鹏. 中国工业70年发展质量演进及其现状评价[J]. 中国工业经济, 2019(9):5-23.

[15]
曲立, 王璐, 季桓永. 中国区域制造业高质量发展测度分析[J]. 数量经济技术经济研究, 2021, 38(9):45-61.

[16]
杜宇, 黄成, 吴传清. 长江经济带工业高质量发展指数的时空格局演变[J]. 经济地理, 2020, 40(8):96-103.

DOI

[17]
邹圆, 唐路元. 中国工业高质量发展水平的统计测度[J]. 统计与决策, 2021, 37(18):95-98.

[18]
宋晓娜, 张峰. 高质量发展下工业发展质量测度及趋势研究[J]. 软科学, 2019, 33(12):36-41.

[19]
郑耀群, 孙瑞环. 我国工业高质量发展评价与实现路径[J]. 科技管理研究, 2022, 42(12):46-52.

[20]
吕承超, 崔悦. 中国高质量发展地区差距及时空收敛性研究[J]. 数量经济技术经济研究, 2020, 37(9):62-79.

[21]
车明佳, 赵彦云. 中国工业高质量发展生态及指数分析[J]. 山西财经大学学报, 2021, 43(4):1-16.

[22]
倪鹏飞, 刘伟, 黄斯赫. 证券市场、 资本空间配置与区域经济协调发展——基于空间经济学的研究视角[J]. 经济研究, 2014, 49(5):121-132.

[23]
傅联英, 韩蓄, 蔡煜, 等. 大国智造的“器”质:机器人驱动工业高质量发展的机理与效能[J]. 研究与发展管理, 2024, 36(3):113-124.

[24]
叶素云, 叶振宇. 中国工业企业的区位选择:市场潜力、资源禀赋与税负水平[J]. 南开经济研究, 2012(5):94-110.

[25]
钞小静, 薛志欣, 孙艺鸣. 新型数字基础设施如何影响对外贸易升级——来自中国地级及以上城市的经验证据[J]. 经济科学, 2020(3):46-59.

[26]
李晓红, 金正贤. 环境税对企业绿色技术创新的影响研究——基于A股工业企业上市公司的实证经验[J]. 经济问题, 2023(1):61-69.

[27]
杨和平, 李红波, 向道艳, 等. 长江中游城市群城乡共同富裕水平测度及区域差异[J]. 经济地理, 2024, 44(8):87-96.

DOI

[28]
Dagum C. Inequality measures between income distributions with applications[J]. Econometrica, 1980, 48(7):1791-1803.

DOI

[29]
张宝友, 高家璐, 谭旭睿, 等. 中国物流业高质量发展水平评价与区域差异演变[J]. 经济地理, 2023, 43(9):111-120.

DOI

[30]
Elhorst J P. Specification and estimation of spatial panel data models[J]. International Regional Science Review, 2016, 26(3):244-268.

DOI

[31]
张卓群, 张涛, 冯冬发. 中国碳排放强度的区域差异、动态演进及收敛性研究[J]. 数量经济技术经济研究, 2022, 39(4):67-87.

[32]
Hnatkovska V, Marmer V, Tang Y. Comparison of misspecified calibrated models:The minimum distance approach[J]. Journal of Econometrics, 2012(1):169.

[33]
封亦代, 刘耀彬, 程风雨. 中国城市绿色全要素能源效率的区域差异及空间收敛[J]. 地理研究, 2023, 42(9):2343-2368.

[34]
孙畅, 吴芬. 中国高端服务业与先进制造业匹配发展的空间分异及收敛性[J]. 数量经济技术经济研究, 2020, 37(12):3-24.

Options
Outlines

/

〈 〉