Using data from 31 provinces in China from 2012 to 2022, this study constructs an evaluation index system for new-quality productive forces across five dimensions: new laborers, new labor means, new labor objects, new technologies, and new production organizations. A composite measure is derived through the entropy weight method. A modified gravity model is then applied to establish a provincial-level spatial network of new quality productive forces, and social network analysis is used to examine its overall and node-level structural features as well as block models. To examine the individual characteristics of the spatial correlation network of new-quality productive forces, this study analyzes three dimensions—degree centrality, betweenness centrality, and closeness centrality—to reveal the status and role of each province as a node in the spatial correlation network. QAP regression is then employed to identify the mechanisms shaping the network, and spatial-econometric models are used to test its effects.
The key findings are as follows. First, at the overall network level, the density of China's spatial network of new quality productive forces continues to increase. At the same time, efficiency declines, small-world characteristics strengthen, and a clear “core-periphery” structure emerges. Although interregional collaboration is improving, it remains below the optimal level. Second, at the node level, eastern provinces such as Beijing, Jiangsu, and Shanghai consistently occupy central positions, exerting strong siphoning and intermediary effects, whereas most western and northeastern provinces remain peripheral, marked by significant spillovers and limited cross-regional collaboration. Third, block model analysis reveals strong intra-block but weak inter-block connections: the eastern and central regions form a “bidirectional spillover” block, while most western and northeastern regions function as “net beneficiaries” or “primary beneficiaries”, reflecting limited integration across regions. Fourth, in terms of formation mechanisms, the spatial associations of new labor objects and new technologies are the primary drivers of network formation, while the contributions of new laborers, new labor means, and new production organizations remain limited. Fifth, regarding network effects, overall network density has a significant positive impact on enhancing the development of new quality productive forces and narrowing regional disparities, whereas the influence of node-level structural features is relatively modest. Moreover, educational development and government intervention further strengthen collaborative improvements in new quality productive forces.
To optimize the spatial network of new quality productive forces and enhance regional synergy, this study proposes several policy recommendations. First, policymakers should refine the national spatial configuration of new quality productive forces, promote cross-regional collaborative innovation platforms, and remove administrative barriers. Second, they should reinforce the radiating and driving functions of core provinces while improving the embeddedness of peripheral regions. Third, cross-block linkage mechanisms should be established to facilitate wider resource flows and sharing. Fourth, policymakers should prioritize critical drivers such as new technologies and new labor objects in building regional collaborative innovation networks. Finally, they should improve the governance framework for the spatial network of new quality productive forces to facilitate cross-regional coordination and institutional integration in areas such as education and governmental regulation.
开放科学(资源服务)标识码(OSID)：
党的二十届三中全会明确提出“健全因地制宜发展新质生产力体制机制”。作为符合新发展理念的先进生产力,以创新为主导、以产业为载体,具有高科技、高效能、高质量等特征的新质生产力正在深刻改变着中国经济发展方式和区域发展格局。针对当前经济发展和生产力空间非均衡的客观事实,新质生产力空间关联网络作为一种新型空间组织形式,其战略价值日益凸显。该网络不仅可以优化科技创新要素统筹配置,还能促进地区间新兴产业分工与协作,推动数字技术与实体经济跨区域深度融合。因此,探究新质生产力空间关联网络特征,不断完善新质生产力空间共享机制,对于推进经济高质量发展、实现共同富裕具有重要意义。
随着信息技术与数字经济的快速发展,新质生产要素跨地区流动速度不断加快,经济空间、要素空间等宏观地域结构的关联关系日益密切,各地区逐渐形成“流动空间”中相互依存的空间网络节点。然而,空间关联网络在促进新质生产要素区域共享的同时,也有可能产生“集聚阴影”效应,导致新质生产要素向先进地区过度集中,从而加剧新质生产要素分布失衡与地区发展差距扩大。现有研究多专注新质生产力测度及其对经济增长的影响[1],对新质生产力空间效应的探讨多聚焦整体层面,对个体和群体空间特征及其形成机制的讨论并不深入[2],鲜有文献考察空间关联对新质生产力发展水平与地区差异的网络效应。据此,本文基于省域数据构建新质生产力空间关联网络并考察其结构特征,揭示新质生产力空间关联形成机制,厘清空间关联网络对新质生产力发展水平与地区差异的网络效应。
本文边际贡献主要体现在以下几个方面:首先,从理论层面深入剖析新质生产力的基本内涵,系统性构建新质生产力评价指标体系,进一步阐明新质生产力空间关联形成机理,有助于丰富新质生产力区域演化机制的理论阐释,为新质生产力区域发展研究提供新视角与理论支持。其次,将新质生产力指标嵌入修正引力模型,采用社会网络分析法对关联网络整体、个体结构特征与块模型进行深入分析,系统识别区域间空间关联强度与网络结构特征。再次,使用QAP社会网络分析法探析新质生产力空间关联网络形成机制,有助于深化空间关联网络内在逻辑。最后,采用空间计量回归模型揭示空间关联网络对新质生产力发展水平与区域差异的双重作用,可为因地制宜发展新质生产力体制机制、深入实施区域协调发展战略提供参考。
目前,新质生产力受到学界广泛关注,已有关于新质生产力的研究主要集中在基本内涵、指标测度与空间差异等方面[3-5]。在区域协调发展战略的推动下,空间视角逐渐融入新质生产力研究,部分学者从科技创新、绿色技术、高端劳动力等不同维度识别地区间新质生产要素空间关联特征[6-8],但鲜有文献深入讨论各新质生产要素如何协同驱动新质生产力空间关联网络的形成。关于新质生产要素空间关联研究,较多学者从科技创新要素空间关联视角考察区域发展模式[9]。如陈大峰和赵国振[10]采用VAR模型对城际创新要素进行Granger因果检验并构建空间关联网络,发现各节点在创新关联网络中可达性较强,但集聚现象整体不明显。有研究聚焦新兴产业空间关联关系[11],如罗良文和张郑秋[12]考察中国地级城市产业智能化空间关联网络特征,发现城市群或中心城市对周边城市产业智能化发展具有显著辐射带动作用。此外,数字经济是新质生产力的重要组成部分,一些研究从该视角展开空间关联网络分析。如孙亚男和王艺霖[13]测算我国省际数字经济核心产业增加值并构建空间关联网络,认为我国数字经济空间关联网络呈现“中心—边缘”空间分布结构,且东部地区对中西部地区存在虹吸效应。这些研究拓展了新质生产力空间关联研究边界,揭示新质生产要素流动的网络不均衡性,但多聚焦单一维度,未系统揭示新质生产力空间关联网络的动态演化规律与组织结构特征。
随着区域协同发展与高质量发展战略的深入实施,学界日益重视空间关联网络对新质生产力的作用机制。已有研究表明,空间关联网络不仅能够提升区域整体经济效率,还能促进要素最优配置,带来显著经济增长效应与空间溢出效应[14]。在此基础上,一些学者从绿色发展、创新能力和碳排放等视角出发,探讨空间关联网络对区域高质量发展的推动作用[15-17]。有学者发现,绿色创新关联网络中城市地位上升有助于提升绿色创新水平,反映网络位置对城市功能强化的正向作用[18]。此外,空间关联网络结构特征也有助于改善技术研发、新型基础设施等新型生产要素配置,从而推动地区间新质生产力协调发展[19]。尽管相关研究在方法路径上提供了丰富经验,但多数研究仍停留在单维度分析或整体分析层面,缺乏对社会网络结构特征与形成机制的统一识别框架,即未构建空间关联网络整体、个体、块模型特征与内在形成机制统一分析框架。同时,现有文献也未深入探讨新质生产力空间关联网络对自身发展水平与地区差异的深层次影响。
总体来看,已有文献存在如下不足:①已有关于新质生产力的理论研究多基于理论内涵、提升路径或区域协同展开分析,但鲜有文献系统阐明新质生产力空间关联网络形成机理与内在逻辑;②已有文献从新质生产要素不同维度考察其空间关联特征,但缺乏对新质生产力空间关联网络特征的系统研究,且关于新质生产力空间关联形成机制的实证研究较为匮乏;③已有研究检验空间关联网络对区域经济增长、创新协同发展的积极影响,但未从实证角度探讨空间关联网络结构特征对新质生产力发展水平与地区差异的网络效应。
2.1.1 修正的引力模型
新质生产力空间关联是新质生产要素空间关系的集合。现有关于空间关联关系的研究主要采用引力模型与格兰杰因果检验法。其中,格兰杰因果检验法对研究样本容量要求较高,且在样本期内仅能识别单一网络,难以考察空间关联变化态势。此外,区域内各主体存在“溢出效应”“虹吸效应”等现象,导致新质生产力的空间交互作用存在显著双向性、非对称性特征。基于此,本文采用引力模型对新质生产力空间关联特征进行分析,并对传统引力模型进行修正,采用全样本引力均值作为阈值构建空间关联网络,衡量新质生产力联系程度。其中,引力值大于或等于阈值记为1,小于阈值记为0。
(1)
其中,Rxy表示省份i在新质生产力方面的引力强度;NQPx、NQPy分别表示省份x和省份y的新质生产力指数;Ex、Ey分别表示省份x和省份y的经济规模,采用实际人均GDP衡量;Px、Py分别表示省份x和省份y的年末总人口数;Kxy表示x省份对Rxy的贡献率;
表示省份x和省份y的地理距离,用省份x与省份y间球面距离Dxy的平方进行衡量。
2.1.2 社会网络分析法
本文采用社会网络分析法对中国新质生产力空间关联网络结构特征进行考察。在整体网络结构特征中,网络密度反映空间网络关联程度,网络效率反映关联网络各主体间的网络连接效率,小世界熵数反映关联网络的省际连接性与空间集聚程度。计算公式如下:
(2)
(3)
(4)
(5)
(6)
上式中,N表示新质生产力空间关联网络中的节点数,L表示实际关联数,Dnet表示网络密度。V表示冗余连线个数,Enet表示网络效率。kx表示与x节点相关联的节点个数,ex表示x节点相邻节点间的关联数量,dxy表示任意节点x、y之间最短路径的连线数,CC、PL分别表示聚类系数和途径长度均值,SWQ表示小世界熵数。
个体网络结构特征主要采用空间关联网络度数中心度、中介中心度和接近中心度衡量。其中,度数中心度反映各主体在关联网络中的中心地位,中介中心度反映主体在关联网络中处在“中间”地位的程度,接近中心度反映主体关联关系不受其它主体控制的程度。
块模型是社会网络分析中的一种空间聚类分析方法,可对各节点(块)在网络中所处地位和角色进行分析。本文将块模型划分为双向溢出板块、净受益板块和主受益板块。其中,双向溢出板块既向外部发出联系,也接收外来板块的联系。净受益板块是指只接收其它板块的联系,而不向外溢出联系。主受益板块指接收外来板块联系的数量明显多于其对其它板块的溢出。
2.1.3 QAP回归分析法
为探究新质生产力空间关联内在机制,本文选取QAP回归分析法,对新质生产力空间关联矩阵及其5个维度空间关联矩阵进行回归分析。相较于其它回归分析方法,QAP回归分析方法均以矩阵形式表示被解释变量与解释变量,以表征新质生产力空间关联网络与各维度空间关联网络之间的作用关系,能有效避免多重共线性问题。具体模型如下:
NQP*=f(Nl*,Nmp*,Np*,Nt*,Npo*)
(7)
其中,NQP*为新质生产力空间关联网络矩阵,Nl*、Nmp*、Np*、Nt*、Npo*分别为新劳动者、新生产资料、新劳动对象、新技术、新生产组织的空间关联网络矩阵。
本文基于2012—2022年中国31个省份数据,新质生产力指标数据、引力模型变量以及控制变量主要来源于《中国统计年鉴》《中国科技统计年鉴》、各省市统计年鉴以及上市公司年报。在新质生产力指标数据中,新产业员工、新材料产业产值等上市公司数据来源于上市企业年报;工业机器人应用指标计算方法参考王永钦和董雯[20]的研究,数据来源于IFR公布的全球工业机器人数据库;集成电路应用、5G移动应用等指标数据来源于工业和信息化部官方数据库;新能源发电比重、新能源消纳能力、新能源利用效率等指标数据来源于国家统计局官方数据库;人工智能企业数据来源于天眼查数据库;特高压线路数根据政府官方文件整理。以上指标所用GDP均基于2012年数据进行平减处理,在修正的引力模型中,省份之间的球面地理距离由ArcGIS计算得出。此外,对缺失指标数据采用线性插值法进行补齐。
新质生产力作为新时代推动经济高质量发展的关键动力,其内涵与传统生产力存在本质差异。传统生产力通常依托劳动者、劳动资料和劳动对象三大基本要素,其运行机制强调要素的线性投入与比例扩张,主要依赖物质资本积累和劳动力单向投入。而新质生产力本质上是一种以数字化、智能化、绿色化为核心特征的先进生产力形态,更强调技术变革、组织方式演进与要素结构重组之间的系统性耦合、非线性协同与高阶效率跃迁。因此,新质生产力评价需构建更加全面、系统、科学的指标体系。
目前,部分学者通过构建指标体系对新质生产力进行测度。如王钰和王荣基[21]从生产力三要素出发,考察新质生产力劳动者、生产资料和劳动对象要素特征,构建中国省级新质生产力评价指标体系;朱富显等[22]基于以上视角对中国城市新质生产力发展进行研究。已有研究为新质生产力定量分析提供了参考,但其指标体系未充分反映科技进步和组织创新带来的系统性变革,忽视了渗透性要素(新技术、新生产组织)作为推动生产方式变革和提升系统效率的重要驱动力。基于此,部分学者将实体性要素与渗透性要素相结合,采用综合评价方法,从实体性要素和渗透性要素两个维度构建新质生产力评价指标体系,考察中国省级新质生产力发展水平[1]。然而,现有研究多采用绝对指标对省市新质生产力进行测度,忽视了各省市经济规模和体量差异,导致评价结果受地区规模的显著影响。针对这一问题,本文将部分指标改用各省市人均数据进行测度,以提高评价指标的科学性和公平性。
基于上述分析,本文从新劳动者、新劳动资料、新劳动对象、新技术和新生产组织5个维度构建新质生产力评价指标体系(见表1),采用熵权法测度2012—2022年中国31个省份新质生产力发展水平并构建空间关联网络。
表1 新质生产力评价指标体系
Table 1 Index system for evaluating new quality productive forces
维度一级指标 二级指标 三级指标 测度方法实体性要素新劳动者新产业劳动者新产业员工每万人战略性新兴产业和未来产业上市公司员工数新技术劳动者高技术研发人员每万人高技术企业研发人员数新劳动资料新生产工具工业机器人应用工业机器人渗透度集成电路应用每万人集成电路产量新基础设施5G移动应用每万人5G移动用户数新劳动对象新能源新能源发电比重新能源发电量/总发电量新能源消纳能力每万人特高压输电线路数新能源利用效率GDP/新能源发电量新材料新材料产业产值新材料相关上市公司营业收入/GDP新材料上市企业每万人新材料相关上市公司数渗透性要素新技术新技术研发高技术研发投入高技术企业研发经费投入/GDP高技术研发机构每万人高技术企业研发机构数新技术产出高技术发明专利每万人高技术企业发明专利申请数高技术新产品销售高技术企业新产品销售收入/GDP新生产组织新组织企业电子商务企业每万人电子商务交易活动企业数新技术企业人工智能企业每万人人工智能企业数
本文通过修正的引力模型确定中国各省市间的新质生产力空间关联关系,并据此构建空间关联网络(见图1)。图2反映新质生产力空间关联网络的整体特征。在样本前期,我国新质生产力空间关联尚处于起步阶段,网络联系整体较为稀疏,部分地区如新疆等仍处于“空间孤岛”状态,表明区域间新质生产要素流动受限,空间协同效应尚未有效形成。随着时间推移,中国新质生产力空间关联逐渐呈现出多线程、复杂化网络结构特征,各省市之间均存在一定关联关系,没有新质生产力关联“孤岛”。2012—2022年,中国新质生产力空间关联网络密度由0.087稳步升至0.366,表明省际新质生产要素流动性不断增强,地区之间的协同合作日益密切。同时,网络效率由0.936降至0.547,说明整体联系增强,空间网络结构日益复杂且稳定。小世界熵数由0.122升至0.486,进一步表明空间关联网络逐步呈现“小世界”特征。网络密度持续上升与小世界特征逐步显现,意味着在保持高联系强度的同时,地区间也形成具有局部集聚特征的合作网络。这一演化过程不仅反映出区域新质生产要素之间的高频互动,也表明“中心—边缘”多层级空间组织格局初步形成,从而推动全国范围内新质生产要素高效配置与联动发展。需要指出的是,中国新质生产力空间关联关系数量虽然从2012年的81个升至2022年的340个,增幅明显,但与理论最大值930个(31×30)相比仍有较大提升空间,表明我国新质生产力空间一体化程度有待提高。
图1 中国新质生产力空间关联网络
Fig.1 Spatial correlation network of new quality productive forces in China
图2 新质生产力空间关联整体网络结构特征
Fig.2 Overall network structure characteristics of spatial correlation in new quality productive forces
为考察新质生产力空间关联网络的个体特征,本文从度数中心度、中介中心度和接近中心度3个方面进行分析,揭示各省份在空间关联网络中作为节点所发挥的作用。
从度数中心度看,中国新质生产力空间关联网络呈现出明显的中心—边缘结构。以北京、江苏、上海为代表的东部发达地区长期占据网络核心位置,具备强大的资源集聚与外部辐射能力。这些地区与全国大多数节点建立了稳定、密切的要素联系,显示出其在要素流动、制度协同和技术扩散中的主导作用。相反,西部和东北地区部分省份如新疆、西藏、云南、黑龙江等则处于网络边缘地带,联系通道稀疏、互动频率较低,说明其在全国新质生产力体系中的参与度不足。进一步分析发现,核心省份普遍呈现点入度高于点出度的特点,表现出明显的“虹吸效应”,大量新质生产要素不断向东部集聚。河南、湖南、贵州等中西部地区则更多承担“要素输出地”的角色,资源外流压力较大,制约本地创新能力积累与提升。这与王小华等[23]对经济高质量发展空间关联网络所揭示的区位结构特征相吻合,进一步验证了我国区域间在高质量发展阶段所面临的结构性失衡问题。
从中介中心度看,北京、陕西、江苏中介中心度显著高于其它省份,在网络中发挥着关键“桥梁”作用,不仅连接多条省际要素通道,而且在跨区域合作、资源整合与路径引导方面发挥重要枢纽功能。相对而言,新疆、西藏、广西、海南、黑龙江、云南等省份的中介中心度为0或接近于0,限制了其区域协同功能嵌入,反映出其在要素承载力、区位交通与制度协同等方面面临多重障碍。
接近中心度排名显示,北京、浙江、江苏等地在连接全国范围内节点方面具有显著优势,表明其在新质生产要素渗透与扩散中占据主导地位。进一步看,接近中心度排名靠前省份主要集中在东部地区,说明东部省份在空间网络中承担着“中心行动者”的功能,能够在较短路径内影响到更多节点。而西部和东北地区普遍路径长、可达性弱,制约了其网络互动广度与深度。这种边缘化状态不仅削弱了其在新质生产要素配置中的参与度,也反映出我国区域协调发展仍存在空间不均衡的现实问题。
进一步,为揭示各省市在关联网络中的作用关系以及省际关联关系,本文将中国31个省份划分为4个板块。由表2可知,中国新质生产力共存在144个空间关联关系,其中板块内关系为113个,板块间关系仅为31个,反映出我国新质生产力空间关联网络呈现出“板块内强、板块间弱”的特征,即省际要素流动更集中在同一区域内,跨区域流动与协同尚显不足。具体而言,第一板块和第二板块由我国东部及中部地区经济基础较强省份构成,表现出高度内部关联与显著外溢能力,属于典型的“双向溢出型”区域网络。这些板块不仅在内部实现了较为稳定的要素循环,还通过技术、资本与人才扩散向周边区域传导,体现出其在新质生产力体系中的“动力源”作用。尤其是第二板块,以长三角和珠三角地区为依托,在集聚优势资源基础上形成辐射带动效应,成为推动全国创新资源流动的重要节点。相比之下,第三板块与第四板块则主要由西部和东北地区构成,内部联系相对稀疏,外部辐射能力有限,分别表现出“净受益型”和“主受益型”板块特征。这些地区虽然在部分领域实现创新突破,但由于产业基础薄弱、承载能力不足,尚未形成系统性新质生产要素输出机制,其空间连接性和网络嵌入程度明显滞后。
表2 新质生产力空间关联网络板块划分
Table 2 Segmentation of the network of spatial correlations of new quality productive forces
板块省份板块矩阵板块一板块二板块三板块四板块内关系数板块外接受关系数板块外溢出关系数期望内部关系比例(%)实际内部关系比例(%)板块特征板块一北京、天津、河北、山西、内蒙古、山东、河南3663336161220.00069.231双向溢出板块板块二江西、福建、江苏、浙江、安徽、上海、湖北、湖南、广东1353215361626.66789.831双向溢出板块板块三吉林、黑龙江、辽宁、广西、海南、西藏、新疆006065020.00054.545净受益板块板块四重庆、云南、四川、陕西、甘肃、青海、宁夏、贵州30018184323.33381.818主受益板块
总体而言,除板块三外,其余板块内部连接相对紧密,区域内要素流动较为活跃,具备较好的协同发展基础;但板块间仍存在明显的结构性断裂,尤其是中西部地区与东部地区协同机制尚不健全,这种断裂不仅限制了新质生产要素的高效流动,也阻碍了区域间新质生产力均衡布局。
新质生产力是由一系列新质生产要素构成的有机系统,因而厘清其空间关联形成机理,有助于揭示新质生产力空间关联的内在逻辑,为深入探索其内在形成机制提供理论基础。新劳动者方面,随着知识经济发展,高素质人才自由流动成为新质生产力发展的重要推动力。高技术人才会选择发展机遇更好、创新环境更优的地区进行工作,区域间人才交流与合作有助于提升新质生产力[24]。新劳动资料方面,先进生产工具和设备在不同区域之间流动会加速技术扩散与应用。高端制造设备、智能终端等新劳动资料跨区域配置能提高资源利用效率,推动新质生产力空间关联。新劳动对象方面,数据资源和信息资源作为新生产要素,其在区域间共享与流动能促进生产效率提升和创新活动开展。区域间数据合作与交换能优化生产流程和决策机制,增强新质生产力空间关联。新技术方面,区域间技术交流与合作是推动新质生产力发展的关键因素。通过技术转移和创新合作,不同区域可共享科技成果和技术经验,促进新技术快速应用和推广,提升整体新质生产力水平[25]。新生产组织方面,供应链管理、平台经济等现代生产组织模式通过信息技术实现区域间高效协同,不同地区企业通过合作与联动优化生产组织结构,使得新质生产力空间关联关系得以不断增强。
本文使用QAP回归方法探究新质生产力关联网络形成机制,结果见表3。可以看出,回归后调整R2为0.379,且通过1%显著性水平,表明各维度空间关联变化能较好地解释新质生产力空间关联网络特征。
表3 QAP回归分析结果
Table 3 Results of QAP regression analysis
自变量 未标准化回归系数标准化回归系数P值PlargePsmall新劳动者(Nl)-0.075-0.0180.3930.6070.393新生产资料(Nmp)-0.066-0.0250.2660.7350.266新劳动对象(Np)0.8070.5730.0000.0001.000新技术(Nt)0.2710.1210.0010.0010.999新生产组织(Npo)-0.079-0.0120.3810.6190.381截距项0.1420.000调整R20.379(0.000)样本量930
根据QAP回归结果,新劳动对象和新技术空间关联标准化回归系数分别为0.573和0.121,且均通过1%显著性水平检验,表明二者是新质生产力空间关联形成的主要因素。两者在空间维度上的关联关系不仅能显著促进区域间要素流动与整合,也成为推动新质生产力扩散和重构的重要引擎。其中,新劳动对象空间关联在提升人力资源配置效率、促进技能、知识与经验跨区域共享方面表现突出,反映出新能源材料要素在链接创新资源、推动知识流动中的关键作用。新技术空间关联通过强化区域间技术合作机制,提升落后地区技术吸收能力和协同创新水平,验证了“技术学习—扩散—升级”的空间演进逻辑。尤其是在技术异质性较强地区合作网络有助于构建更加包容的知识扩散路径,缩小技术差距,提升系统协同效率。这一结论与肖沁霖等[26]关于技术创新差异有助于推动区域间合作与智能化网络形成的观点相吻合。
相比之下,新劳动者、新劳动资料和新生产组织的空间关联作用不明显,表明这3类因素在推动空间网络形成中作用不稳定。原因可能在于:新劳动者的流动性受限于人口结构、制度壁垒与劳动力市场分割,其空间协同性难以在短期内显现[27];新劳动资料传导更多依赖物流体系与产业链配置,而非直接体现为区域间空间关联[28];而新生产组织空间关联则受管理模式、制度路径依赖等制约,其影响作用往往具有滞后性与区域差异性特征[29]。综上,推动新质生产力空间网络构建,应重点强化新劳动对象跨区域统筹配置,同时构建以新技术为核心的区域协同创新机制,实现技术资源共享与高效配置。
在新质生产力空间关联网络中,各省份不再是孤立单元,而是相互协作的网络节点,空间关联网络效应已成为新质生产力发展过程中不容忽视的驱动因素。一方面,关联网络有助于整合与优化区域间新质生产要素,通过跨区域技术合作,加速创新成果转化与应用,提升整体发展效益。另一方面,网络外部性有助于强化区域间功能互补,欠发达地区可借助发达地区溢出效应弥补发展短板,推动区域协同发展,缩小区域发展差距。基于此,本文从发展水平与地区差异两个方面出发,探究新质生产力空间关联网络效应。
已有研究表明,中国区域发展存在典型的空间溢出特征,没有考虑空间因素的传统计量回归模型不再适用。因此,本文参考邓世成和吴玉鸣[18]的研究,使用空间滞后模型(SAR)进行空间计量回归分析,利用空间关联网络考察新质生产力的网络效应。具体模型构建如下:
(8)
其中,NQP表示新质生产力发展水平;W表示空间关联权重矩阵,采用各省市新质生产力引力均值构建空间关联引力矩阵;ND表示整体网络特征,采用网络密度表征;ICi表示个体网络特征,其中包含度数中心度(DC)、中介中心度(BC)与接近中心度(CC);Xj表示控制变量,ε为误差项。
考虑到遗漏变量导致的内生性问题,本文参考已有研究,选取经济发展、政府干预、社会消费与教育发展作为控制变量[30-31]。其中,经济发展(ED)采用人均GDP衡量,政府干预(GI)采用财政支出占GDP的比重衡量,社会消费(SC)采用社会消费品零售总额占GDP的比重衡量,教育发展(EI)采用财政教育支出占财政一般预算支出的比重衡量。
表4报告了空间关联网络特征对新质生产力发展水平的回归结果。从整体网络特征看,在全样本模型中,网络密度(ND)回归系数为正,且通过1%显著性水平检验。这表明,空间联系越密集,全国层面省际间要素互动与信息传导越顺畅,越能够有效打破地区要素壁垒,促进新质生产要素在更大空间尺度内合理流动与优化配置。分板块分析发现,空间网络对东中部“双向溢出型”区域(如板块二)的促进效应明显,高密度关联网络有效支撑要素跨区域流动与技术扩散,加速区域新质生产力发展。而部分边缘区域(如板块三)未能充分嵌入空间网络,网络活跃度低,联系强度弱,导致区域协同参与度不足,资源配置效率相对受限。
表4 空间关联网络对新质生产力水平的回归结果
Table 4 Regression results of spatial correlation networks on the level of new quality productive forces
变量 (1)(2)(3)(4)(5)(6)全样本全样本板块一板块二板块三板块四网络密度(ND)0.242∗∗∗0.182∗∗∗0.491∗∗∗1.183∗∗∗-0.0010.307∗∗∗(4.841)(3.308)(4.496)(7.649)(-0.010)(3.344)度数中心度(DC)0.001∗∗∗0.001∗∗∗-0.0000.0000.0000.001∗∗∗(2.842)(2.661)(-1.237)(0.286)(0.571)(3.342)中介中心度(BC)0.0000.0000.0000.002∗∗∗-0.000-0.000∗(0.537)(0.152)(0.504)(2.677)(-0.705)(-1.782)接近中心度(CC)-0.001∗-0.0000.000-0.001∗∗0.000∗-0.000(-1.887)(-1.517)(0.109)(-2.094)(1.747)(-0.354)经济发展(ED)-0.013∗∗∗0.006-0.126∗∗∗0.017∗∗∗0.000(5.409)(1.468)(-2.594)(2.603)(0.040)政府干预(GI)-0.189∗∗∗0.1480.584∗∗∗0.0110.185∗∗∗(5.023)(1.603)(2.756)(0.611)(4.133)社会消费(SC)-0.047∗∗0.155∗∗∗-0.189∗∗∗0.014-0.135∗∗∗(2.051)(3.165)(-2.979)(1.036)(-3.486)教育发展(EI)-0.668∗∗∗0.862∗∗∗0.943∗∗∗0.1330.312∗∗(5.934)(4.909)(3.453)(1.518)(2.135)Obs34134177997788Rho0.312∗∗∗0.209∗∗∗-0.123-0.206-0.105-0.087(4.095)(2.756)(-0.925)(-1.384)(-1.023)(-0.532)
注：*、**、***分别表示在10%、5%、1%水平上显著,括号内为T值,下同
就个体网络特征而言,在全样本中,模型(1)和模型(2)度数中心度(DC)对自身新质生产力水平虽有一定正向作用,但回归系数较小,边际效应有限。这说明,相较于个体“连接能力”,更关键的是网络整体结构的协同优化与功能分工的合理配置。中介中心度与接近中心度也表现出相同特征,即回归系数较小,表明网络内各节点对新质生产力水平的提升作用较小。就各板块而言,个体网络特征对新质生产力的促进作用不明显,表明新质生产力发展在当前阶段更依赖于整体网络结构的协同优化。
对于控制变量,各影响因素在全样本模型中的回归系数均显著为正,教育发展和政府干预对新质生产力水平提升具有重要促进作用。原因可能在于:前者通过增强人力资本质量、提升创新能力为新质生产力提供人才支撑;后者则通过基础设施建设与政策引导,为新质生产要素集聚与流通创造条件。
为探究空间关联网络对新质生产力地区差异的影响,本文参照卞元超等[32]的研究思路,用离差表征地区差异,将公式(8)中的新质生产力发展水平替换为地区差异,回归结果见表5。
表5 空间关联网络对新质生产力地区差异影响的回归结果
Table 5 Regression results of spatial correlation networks on the differences of new quality productive forces
变量 (7)(8)(9)(10)(11)(12)全样本全样本板块一板块二板块三板块四网络密度(ND)-0.0870.268∗∗∗0.697∗∗∗1.590∗∗∗-0.491∗∗∗0.517∗∗∗(-1.317)(3.073)(4.384)(6.750)(-3.098)(2.628)度数中心度(DC)0.001∗0.001∗-0.0000.000-0.001-0.003∗∗∗(1.745)(1.930)(-0.380)(0.567)(-1.548)(-3.578)中介中心度(BC)-0.000-0.000-0.0000.002∗-0.0000.001∗∗(-0.392)(-0.404)(-0.593)(1.729)(-0.496)(2.039)接近中心度(CC)0.0010.0010.002∗∗-0.0010.002∗∗∗0.002(1.564)(1.045)(2.015)(-1.106)(3.657)(1.411)经济发展(ED)--0.015∗∗∗-0.043∗∗∗-0.050∗∗∗0.036∗-0.005(-3.275)(-5.377)(-5.335)(1.910)(-0.264)政府干预(GI)-0.507∗∗∗0.728∗∗∗1.019∗∗∗0.153∗∗∗-0.132(7.227)(4.606)(2.720)(3.018)(-1.047)社会消费(SC)-0.176∗∗∗0.1220.349∗∗∗0.0420.427∗∗∗(3.919)(1.298)(2.959)(1.058)(3.694)教育发展(EI)-0.756∗∗∗1.323∗∗∗0.6730.258-0.180(3.604)(3.986)(1.320)(1.037)(-0.425)Obs34134177997788Rho0.416∗∗∗0.315∗∗∗0.316∗∗∗-0.273∗0.154-0.129(5.760)(4.259)(2.707)(-1.845)(1.506)(-0.878)
从整体网络特征看,表5中除模型(7)回归系数不显著、模型(11)系数显著为负外,其余模型中的网络密度(ND)回归系数均显著为正,表明在控制变量情形下,全国范围以及板块一、板块二、板块四的空间关联网络密度提升,有助于缩小新质生产力地区差异,推动区域协同发展。这表明,网络结构越紧密,越有利于促进新质生产要素在区域间高效流动与共享。一方面,高密度网络会拓展资源传导通道,强化先进要素外溢与辐射能力;另一方面,网络密度会提升资源接收地吸纳能力与承接效率,弥补发展短板、推进区域均衡[33]。从板块视角看,板块二呈现出较强协同发展趋势,表现出良好的资源整合与要素协同效应,成为推动区域融合的典范。而板块三回归系数则显著为负,体现出全国空间维度上的“马太效应”,这可能是因为受地理区位、交通通达性、基础设施等因素制约,导致新质生产要素难以有效汇入上述板块[2]。
从个体网络特征看,就全样本而言,表5中模型(7)和模型(8)度数中心度(DC)回归系数显著为正,但数值偏小。这表明,新质生产力均衡发展难以依赖少数核心节点的“单点突破”,需在系统层面提升网络整体联通性与合作机制。此外,其它个体特征回归结果未达到显著性水平,表明个体节点中心性特征对缩小地区差异边际效应较弱。就各板块而言,在各板块内部,个体网络特征对新质生产力地区差异的影响同样表现为不显著或较弱,说明仅依靠某些关键节点与其它地区连接,难以从根本上改变区域内部发展不平衡的现状,需要依托整体网络密度系统深化区域间协同机制。
对于控制变量而言,各影响因素对全样本模型的回归系数均通过1%显著性水平检验,其中经济发展水平(ED)对新质生产力的影响作用显著为负,说明地区经济发展对全国新质生产力空间差异具有负向影响。这可能源于发达地区集聚了更多新质生产要素,带动本地生产力提升,但同时也加剧了其它地区要素匮乏与发展滞后。此外,教育发展(EI)和政府干预程度(GI)回归系数较高,分别为0.756、0.507,二者对缩小区域差距具有积极作用。前者通过知识传播与人才流动促进新要素跨区域配置,后者则通过产业政策与基础设施建设引导资源合理流动,推动区域协同发展,进而提升整体均衡水平。
本文对研究样本作缩尾处理和更换空间计量回归模型进行稳健性检验。具体而言,考虑到原有模型(SAR)可能存在一定局限,本文将其更换为空间误差模型(SEM)。结果显示,在考虑控制变量情形下,收敛系数作用方向、作用大小、显著性与原有模型回归结果保持一致,表明空间关联网络对新质生产力水平差异影响的结论可靠。为剔除数据中可能存在的异常值对回归结果产生的不良影响,本文对所有研究变量进行5%的双边缩尾处理。结果显示,除空间关联网络对全国新质生产力的影响不显著外,其余结论与原有样本数据回归结果基本一致,说明关于新质生产力空间关联网络效应的结论可靠,原结论具有较强稳健性。
本文从新劳动者、新劳动资料、新劳动对象、新技术、新生产组织5个方面构建新质生产力评价指标体系,通过修正引力模型构建新质生产力空间关联网络,借助社会网络分析法考察中国新质生产力空间关联网络整体、个体与块模型等结构特征,采用QAP分析法揭示其形成机制,最后利用空间计量回归模型分析新质生产力空间关联网络效应,得出如下结论:
(1)整体特征方面,中国新质生产力空间关联网络密度呈稳步上升态势,省际新质生产要素流动性不断增强;网络效率有所下降,空间网络结构日益复杂且稳定;小世界熵数逐年递增,地区间逐渐形成具有局部集聚特征的合作网络。
(2)个体特征方面,中国新质生产力空间关联网络呈现出显著的“中心—边缘”结构。其中,东部地区及中部较发达地区占据网络核心位置,在网络中扮演中心行动者角色;西部与东北地区多数省份处于网络边缘地带,联系通道稀疏、互动频率较低,在网络中扮演边缘行动者角色。
(3)块模型方面,中国新质生产力空间关联网络呈现出“板块内强、板块间弱”的特征。其中,东部地区及中部经济基础较强省份多属于“双向溢出型”板块,西部和东北地区省份分别表现为“净受益型”和“主受益型”特征。
(4)形成机制方面,新劳动对象、新技术空间关联是新质生产力空间关联形成的主要因素,而其它因素影响系数不显著。强化省际新劳动对象关联关系、构建新技术区域协同网络有利于加快构建新质生产力空间关联网络,推动区域协调发展。
(5)网络效应方面,高密度空间关联网络整体结构特征能有效促进新质生产力水平提升与差异缩小,但个体结构特征作用有限。推动教育发展、优化政府管控有利于提升新质生产力发展水平、缩小地区发展差距。
基于上述研究结论,为健全因地制宜发展新质生产力体制机制、推动区域高质量协调发展,本文提出以下政策建议。
(1)优化全国新质生产力空间布局,推动区域深度联动。针对中国新质生产力空间关联网络密度不断上升、小世界效应增强的发展趋势,应推进跨区域协同创新平台建设,打破行政边界对创新要素流动的阻碍。在政策层面,出台并完善鼓励性政策以支持科研项目、产业链合作和重大技术攻关任务跨省份开展,打造“新质生产力走廊”,强化核心节点与周边地区之间的纵深协同,提升空间网络的系统性与关联韧性。
(2)强化核心省份引领功能,提升边缘地区网络嵌入程度。研究发现,北京、江苏、上海等东部省份在网络中扮演中心角色,而新疆、西藏等地区联系薄弱、边缘化明显。聚焦中介中心度较高的枢纽省份,应发挥创新扩散功能,构建“中心带边”机制。设立“对口联动示范区”或“区域飞地园区”,将东部核心省份的技术孵化器、人才服务平台延伸至西部和东北地区,增强其在全国网络中的节点嵌入度和互动能力,减少边缘区域脱网化现象。
(3)推动跨板块协作,打破区域内外“板块效应”分割。本文块模型分析显示,中国新质生产力空间联系主要集中在板块内部,板块间联系较弱,限制了资源更大范围内流动与协同。因此,应构建跨板块联动机制,设立“多边协同试验区”或“区域联盟计划”,鼓励华东、东南地区双向溢出资源向中西部地区受益板块流动。在财政支持、要素对接、技术转移等方面给予专项政策倾斜,强化板块间融合效应,打破地理与制度层面协作壁垒。
(4)聚焦关键驱动要素,建立新技术与新劳动对象协同网络。研究发现,新技术与新劳动对象是新质生产力空间关联的关键驱动因素。应重点推进省际“科技—产业—劳动力”联动计划,通过共建技术试验区、设立新工科人才交流机制等方式,加强新技术流通和高素质劳动者跨区域配置。同时,利用数字化手段建设新质生产力要素地图,对各地新劳动对象和新技术要素进行精准识别与匹配,提升资源配置效率。
(5)完善新质生产力网络治理能力,推动制度协同与政策集成。基于本文研究结论,尽管整体结构对发展新质生产力具有积极作用,但个体特征效应较小,表明网络结构潜能未被充分激活。因此,应构建“网络导向型治理机制”,推动教育资源和政府管控能力跨区域统筹共享,建立并优化包括“创新财政基金共享机制”“省际教育质量协同评估机制”等体制机制,强化制度协同和政策集成,全面提升新质生产力空间治理能力和区域发展效能。
[1] 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.
[2] 吉雪强,张壮,李卓群,等.中国新质生产力空间关联网络结构时空演化特征及驱动因素[J].资源科学,2025,47(2):373-388.
[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,2023,36(10):1-13.
[4] 黄群慧,盛方富.新质生产力系统:要素特质、结构承载与功能取向[J].改革,2024,37(2):15-24.
[5] 孙亚男,刘燕伟,傅念豪,等.中国新质生产力的增长模式、区域差异与协调发展[J].财经研究,2024,50(6):4-18,33.
[6] WANG F, WU L, ZHANG F. Network structure and influencing factors of agricultural science and technology innovation spatial correlation network——a study based on data from 30 provinces in China[J]. Symmetry, 2020, 12(11): 1773.
[7] FAN D, WU X. Spatial correlation network analysis of industrial green technology innovation efficiency in China[J]. Systems, 2023, 11(5): 240.
[8] 李丹,李旭浦.数据要素如何赋能企业新质生产力——基于效应分解视角[J].科技进步与对策,2025,42(8):1-12.
[9] PAN X, PAN X, AI B, et al. Structural heterogeneity and proximity mechanism of China′s inter-regional innovation cooperation network[J]. Technology Analysis &Strategic Management, 2020, 32(9): 1066-1081.
[10] 陈大峰,赵国振.我国城市创新关联网络及其驱动因素分析[J].求索,2021,42(3):179-186.
[11] MA H, WEI Y D, HUANG X, et al. The innovation networks shaped by large innovative enterprises in urban China[J]. Journal of Geographical Sciences, 2023, 33(3):599-617.
[12] 罗良文,张郑秋.中国城市产业智能化空间关联网络及其驱动机制[J].财经研究,2024,50(1):109-123.
[13] 孙亚男,王艺霖.我国数字经济的空间关联网络研究[J].统计研究,2024,41(6): 44-56.
[14] 刘华军,贾文星.不同空间网络关联情形下中国区域经济增长的收敛检验及协调发展[J].南开经济研究,2019,35(3):104-124.
[15] 赵林,曹乃刚,韩增林, 等. 中国绿色经济效率空间关联网络演变特征及影响因素[J].资源科学,2021,43(10):1933-1946.
[16] 孙中瑞,樊杰,孙勇,等.中国绿色科技创新效率空间关联网络结构特征及影响因素[J].经济地理,2022,42(3):33-43.
[17] 刘耀彬,邓伟凤,李硕硕,等.基于碳汇潜力的碳排放空间关联网络结构特征及影响因素——以长江中游城市群为例[J].中国人口·资源与环境,2024,34(3):1-15.
[18] 邓世成,吴玉鸣.城市群绿色技术创新的空间网络结构特征及其效应研究——以成渝地区双城经济圈为例[J].管理学报,2022,19(12):1756-1765.
[19] 蔺鹏,孟娜娜.新型数字基础设施建设对中国工业绿色发展效率增长的影响研究[J].科研管理,2023,44(12):50-60.
[20] 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.
[21] 王珏,王荣基.新质生产力:指标构建与时空演进[J].西安财经大学学报,2024,37(1):31-47.
[22] 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.
[23] 王小华,杨玉琪,罗新雨,等.中国经济高质量发展的空间关联网络及其作用机制[J].地理学报,2022,77(8):1920-1936.
[24] 鞠晓生.推进产业智能化绿色化融合化 大力推动现代化产业体系建设[J].红旗文稿,2023,60(17):34-36.
[25] 周康,邹杰玲,张俊森.新兴技术和人口老龄化对劳动力跨省流动的影响[J].中国人口科学,2024,38(3):34-49.
[26] 肖沁霖,邓宗兵,文江雪.中国制造业智能化发展的空间关联网络与形成机制研究[J].科技进步与对策,2025,42(19):70-82.
[27] 孙晓芳.劳动力流动的人口结构与区域经济差异研究[J].中国人口·资源与环境,2012,22(9):103-107.
[28] 鞠颂东,徐杰.物流网络理论及其研究意义和方法[J].中国流通经济,2007,21(8):10-13.
[29] 贺灿飞.区域产业发展演化:路径依赖还是路径创造[J].地理研究,2018,37(7):1253-1267.
[30] 孙志远.数字新质生产力对城乡高质量融合的影响与机制[J].中国流通经济,2024,38(5):28-40.
[31] 蔡湘杰,贺正楚.新质生产力何以影响全要素生产率:科技创新效应的机理与检验[J].当代经济管理,2024,46(10):1-14.
[32] 卞元超,吴利华,白俊红.高铁开通、要素流动与区域经济差距[J].财贸经济,2018,39(6):147-161.
[33] 叶阿忠,田小梅,李田田,等.长江经济带新质生产力空间关联网络结构特征及效应分析[J].华东经济管理,2025,39(4):21-32.