新质生产力水平的统计测度与时空演变特征研究

2024-05-26 01:21陈海龙田茂再
统计与决策 2024年9期
关键词:新质基尼系数生产力

李 阳,陈海龙,田茂再,2

(1.新疆财经大学 统计与数据科学学院,乌鲁木齐 830012;2.中国人民大学 统计学院,北京 100872)

0 引言

2023年9月,习近平总书记在黑龙江考察期间首次提出“新质生产力”,为新时代新征程加快科技创新、推动高质量发展提供了科学指引。习近平总书记在哈尔滨主持召开新时代推动东北全面振兴座谈会上,再次强调要发展新质生产力,明确了培育战略性新兴产业和未来产业的重要性,此举旨在加快形成新质生产力,增强发展的新动能[1]。全球产业结构的调整与重组以及劳动力市场的变革催生了对更高效、灵活的生产方式的强烈渴望,新质生产力的提出是对传统生产方式在新时代冲击下亟须重新定义的迫切响应[2]。

从内涵的角度来看,新质生产力是指在同等资源投入下,通过引入创新技术、优化管理机制、改进组织方式等手段,对生产方式、生产关系、生产要素等进行重新整合和优化,以实现更高效、灵活、可持续的生产[3]。首先,相较于传统生产力,新质生产力的核心理念在于强调颠覆性技术[4],而并非仅仅是对现有技术或流程的改进,通过引入全新的理念和方法,甚至打破不同领域之间的界限,促使各学科交融合作,以创造新的生态系统,引发产业结构和商业模式发生根本性变革[5]。其次,新质生产力的形成与战略性新兴产业集群密不可分[6]。党的二十大报告提出,要推动战略性新兴产业融合集群发展,强调了不同产业、地区间的融合协同。这种融合集群的发展模式将不同领域的创新力量汇聚到一起,形成更具综合实力和创新活力的产业集群,最大化释放新质生产力的潜能。最后,新质生产力还强调高素质劳动者[7]与绿色可持续性的生态环境理念[8]。从劳动者的角度来看,新质生产力更加注重技术创新和知识产业的发展,因此对高素质劳动者的需求更为迫切。高技能和高素质的劳动者能够凭借自身的知识储备和技能更好地应对复杂多变的市场和生产环境,从而推动技术创新和应用。从生态环境的角度来看,新质生产力注重最大限度地减少资源浪费,提倡资源高效利用,其通过优化生产流程、采用先进技术、推广循环经济等模式,改进传统生产方式,实现更环保的生产。由此可见,新质生产力在带动经济增长的同时,还注重在人类活动与自然环境之间建立和谐、可持续的平衡。

本文首先基于新质生产力的内涵,构建综合评价指标体系,借助熵权法测算2010—2021 年中国30 个省份的新质生产力水平;其次,使用Dagum 基尼系数及其分解分析新质生产力水平的区域差异;最后,借助核密度估计、莫兰指数及空间Markov 链方法分析新质生产力水平的时空演变特征。

1 研究设计

1.1 指标体系构建

新质生产力是由技术革命性突破、生产要素创新性配置、产业深度转型升级而催生的当代先进生产力,它以劳动者、劳动资料、劳动对象及其优化组合的质变为基本内涵,以全要素生产率提升为核心标志。中央经济工作会议明确提出,要以科技创新推动产业创新,特别是以颠覆性技术和前沿技术催生新产业、新模式、新动能,发展新质生产力。新质生产力的独特之处在于不再单一地依赖传统生产手段和要素,而是更加注重创新、科技、信息化等现代化因素的应用和发挥。在创新产业、科技进步、数字化技术等的推动下,新质生产力引发了生产要素组织和协同运作方式的根本性变革。通过科技和创新的推动,新质生产力使得生产过程变得更加高效、灵活、可持续,从而提升了整个产业的竞争力和经济的可持续发展水平。其主要特征体现在以下几个方面:在新技术方面,培育和形成新质生产力的关键在于科技创新,尤其是科技创新带来的传统生产方式的彻底变革。在新产业方面,新质生产力有助于促进产业创新,激发产业变革,进而实现生产方式的全面升级。在新要素方面,新质生产力通过对生产要素的创新性重组和运用实现了生产效率和生产力水平的全面提升。

本文根据新质生产力的内涵和主要特征,借鉴文献[9,10]的研究,从技术创新、产业创新、要素创新三个维度构建新质生产力综合评价指标体系,见表1。

表1 新质生产力综合评价指标体系

1.2 研究方法

1.2.1 熵权法

本文采用熵权法测算新质生产力水平,具体步骤如下。

(1)运用极差法对原始数据进行标准化处理。

(2)计算各项指标的信息熵。

其中,ait为第i个省份第t项指标的标准化结果,bit为第i个省份第t项指标所占的比重,Et为第t项指标的熵值。

(3)计算权重(W)及综合评价得分(S)。

1.2.2 Dagum基尼系数及其分解

通过熵权法测算得到中国30个省份的新质生产力水平后,借助Dagum基尼系数[16]分析新质生产力水平的区域差异及其来源,相关计算公式如下。

其中,G为总体基尼系数,n为省份个数,k为区域个数,yji为区域j中第i个省份的新质生产力水平,yˉ为新质生产力水平的全国均值,Gjj表示区域j新质生产力水平的基尼系数,qj和lj分别表示区域j的省份数量和新质生产力水平占比,Djh=(djh-qjh)/(djh+qjh)衡量的是不同区域间新质生产力水平的相互影响程度,djh为区域j、h的新质生产力水平之差,qjh代表超变一阶矩,Gw表示地区内差异贡献,Gb表示地区间差异贡献,Gt表示超变密度贡献。

1.2.3 核密度估计法

为探究全国及三大地区新质生产力水平的分布动态及演变特征,本文选取高斯核函数,使用核密度估计进行分析。

其中,h为平滑参数,K(·)为高斯核函数,xi为样本观测值,xˉ为样本均值。

1.2.4 莫兰指数

本文借助邻接权重矩阵,运用全局莫兰指数(I)检验新质生产力水平的空间相关性特征。在此基础上,进一步借助局部莫兰指数(Ii)描述各省份新质生产力水平的空间局部特征,计算公式如下。

1.2.5 空间Markov链

在空间相关性检验的基础上,本文进一步运用空间Markov链探讨新质生产力水平的时空演变特征。

其中,pij表示从状态i转移至状态j的概率,nij代表研究期内样本由第i种类型转移至第j种类型的次数。

1.3 数据来源与数据处理

考虑到数据的可得性,本文选取2010—2021 年中国30 个省份(不含西藏和港澳台)的面板数据作为分析样本,数据来源于CNRDS 平台、CSMAR 数据库、IFR 公布的数据、上市公司年报、北京大学开放研究数据平台、《中国统计年鉴》《中国环境统计年鉴》《中国人口和就业统计年鉴》《中国工业统计年鉴》等。对于个别缺失数据,运用插值法补全。

2 结果分析

2.1 测度结果分析

基于前文的指标体系,计算出2010—2021 年中国30个省份的新质生产力水平,结果如下页表2所示。

表2 2010—2021年中国30个省份新质生产力水平及排名

从整体发展趋势来看,中国新质生产力水平呈现逐年增长的趋势,全国均值由0.082 增长到0.230,年均增长率为9.83%。从各地区均值来看,三大地区的新质生产力水平呈递增趋势,东部地区的新质生产力水平显著高于全国平均水平以及中西部地区水平,而中西部地区的新质生产力水平则低于全国平均水平,这表明东部地区新质生产力水平的增长速度显著快于中西部地区。当前,三大地区的新质生产力水平存在明显的不平衡。究其原因,东部地区区位优势显著,丰富的沿海资源使其便于与国际市场接轨,且相较于中西部地区而言,东部地区在市场化改革和对外开放过程中积累了雄厚的资本、先进技术、市场经验等,因此在发展新质生产力方面具有起点领先的优势。而中西部地区受限于资源禀赋、交通条件等因素,产业结构相对单一,能源、资源型产业居多,且资源分布不均,因而导致中西部地区发展新质生产力的内生动力相对不足。从各省份发展角度来看,研究期内,广东的新质生产力水平年均值最高,达到0.373。广东的经济较为发达和开放,这种开放型经济促进了技术、资金、人才等要素的跨境流动,为本省企业获取国际化的资源和市场提供了机会,从而有助于新质生产力的发展。江苏的新质生产力水平年均值排在第2位,为0.312。江苏作为长三角地区的重要一员,始终将科技创新置于经济发展的核心位置,通过增加研发投入、建设科研平台、引进高端人才等多种方式提高科技创新水平,推动新质生产力水平稳步提升。北京的新质生产力水平年均值排在第3位,为0.243。作为一个历史悠久、文化底蕴深厚的城市,北京在文化和创意产业方面具有独特的优势,这些产业的发展不仅推动了经济增长,也促进了新质生产力的发展。相比之下,海南、贵州、宁夏的新质生产力水平较为滞后,三者的年均值分别为0.079、0.085、0.085,主要原因是这些省份经济结构较为单一,交通便利性较差,创新投入不足,制约了新质生产力的发展。

2.2 区域差异分析

本文参照国家统计局的划分标准,将30个省份划分为东、中、西三大地区,考察各地区新质生产力水平的区域差异及其来源,Dagum基尼系数分解结果如表3所示。

表3 三大地区新质生产力水平的Dagum基尼系数分解

从全国总体来看,2010—2014 年,整体基尼系数呈现略微波动上升的趋势;2014—2021 年,整体基尼系数逐年上升,呈现稳步增长的趋势。总体上,整体基尼系数从最初的0.178 上升至0.305。这一变化反映出中国新质生产力水平的区域差异逐渐扩大。

从区域内差异来看,东部地区的新质生产力水平差异显著大于中部及西部地区,且呈现逐渐扩大的趋势。西部地区新质生产力水平差异在2010—2015 年大于中部地区,在2016—2021 年与中部地区逐渐趋同。具体而言,研究期内东部地区的基尼系数从0.189 增加到0.301,增长了59.3%;中部地区的基尼系数在2010—2014 年略微波动下降,在2014—2021 年波动上升,总体上从2010年的0.059增长至2021年的0.148,增长了150.8%;西部地区的基尼系数在2010—2013 年小幅上升,在2013—2014 年骤降,在2014—2021 年逐年上升,总体上从2010 年的0.087 增长至2021 年的0.165,增长了89.7%。由此可见,各地区内部新质生产力水平差异均在扩大,其中,中部地区的内部差异增幅最大。

从区域间差异来看,研究期内,东-西部地区间新质生产力水平差异最大,地区间基尼系数年均值为0.255;东-中部次之,地区间基尼系数年均值为0.229;中-西部地区间差异最小,地区间基尼系数年均值为0.107。由此可见,东部地区和中部、西部地区之间的新质生产力水平存在着较大的差异,而中部和西部地区之间的差异相对较小,东-西部及东-中部地区间差异是导致中国新质生产力水平区域差异扩大的重要因素。

从贡献率来看,地区内差异的贡献率从12.178%下降至9.904%,下降了18.7%,平均贡献率为9.969%;地区间差异的贡献率从64.479%下降至62.965%,下降了2.3%,平均贡献率为64.26%;超变密度的贡献率从2010年的25.343%上升至2021年的27.131%,平均贡献率为25.938%。由此可见,新质生产力水平的区域差异主要来源于地区间差异。

2.3 时空演变特征分析

2.3.1 分布及演变特征

本文使用核密度估计法探究新质生产力水平的分布及演变特征,为更加直观地描述,绘制2010 年、2013 年、2016年、2019年及2021年的核密度曲线,如图1所示。

图1 全国及三大地区新质生产力水平核密度曲线

从分布位置及形态来看,全国整体及三大地区的核密度曲线总体上呈现不同程度的右移趋势,说明全国及各地区新质生产力水平逐年上升。

从分布延展性来看,图1(a)和(b)中,主峰高度随时间推移逐渐下降,核密度曲线均存在右侧拖尾现象,意味着研究期内,全国及东部地区内部差异逐渐扩大,且整体新质生产力水平相对较高。对比图1(c),其主峰高度在研究中期逐渐下降,延展程度从主峰高度下降开始不断加深,表明中部地区内部新质生产力水平差异在研究中期呈现扩大的趋势。图1(d)中,主峰高度经历了研究初期下降、中期上升、末期下降三个阶段,且研究末期延展性增加,表明西部地区内部新质生产力水平差异在研究期内呈现先扩大后减小再扩大的演变趋势。

从极化特征来看,图1(a)和(d)中,核密度曲线近似呈现单峰形态,仅在研究中期核密度曲线右侧存在几个较小的侧峰。图1(b)中,核密度曲线近似呈现从双峰向单峰变动的趋势,表明全国整体、西部及东部地区新质生产力水平极化现象显著。图1(c)中,核密度曲线由单峰向双峰、近似均匀分布转变,表明中部地区新质生产力水平从多极化逐渐趋于两极化甚至无极化。

综上所述,全国及三大地区的新质生产力水平普遍呈现逐步上升的趋势,但动态发展过程中存在显著的区域异质性特征,且大部分地区新质生产力水平出现极化现象,区域内部尚未形成空间协调格局,发展差异仍然显著存在。

2.3.2 空间相关性分析

为进一步分析新质生产力水平是否存在空间相关性,本文借助邻接权重矩阵,运用莫兰指数检验进行验证,全局莫兰指数的计算结果如表4所示。

表4 2010—2021年新质生产力水平全局莫兰指数

从表4 可以看出,全局莫兰指数从2010 年的0.075 上升到2021 年的0.135,整体呈现波动上升的趋势,反映出新质生产力水平存在空间正相关性。

由于全局莫兰指数不能反映各省份间的空间相关性,因此选取部分年份30 个省份的新质生产力水平,采用局部莫兰指数进一步探究,结果如表5所示。

表5 2010—2021年部分年份新质生产力水平局部莫兰指数分析结果

从地区发展的角度来看,H-H 型省份大多集中于东部地区,表现为自身及邻近省份的新质生产力水平均较高。相反,L-L 型省份大部分集中于中部以及西部地区,表现为自身与邻近省份的新质生产力水平均较低。从时间演变的角度来看,各省份新质生产力水平的整体波动较小。通过对比2010 年与2021 年的结果可以看出,天津从H-H 型转变为L-H 型,陕西从H-L 型转变为L-L 型。天津作为典型的工业城市,其产业结构偏向于重化工业,而陕西的产业结构相对单一,缺乏多元化产业,二者在新旧动能转换方面均存在困难,新质生产力水平暂时较低。福建、安徽从L-H 型转变为H-H 型,广西、湖南从L-L 型转变为L-H 型,可能是受到周边地区发展的带动,这些省份的新质生产力水平提升明显。湖北、四川从L-L 型转变为H-L型。近年来,湖北的数字经济综合发展实力跃居中部地区之首,而四川在电子信息产业、清洁能源产业等方面的发展优势尤为突出,为本省新质生产力的发展提供了创新动能。

2.3.3 时空动态演变特征

本文以邻接权重矩阵作为Markov 链的空间权重矩阵,计算其转移概率矩阵,考察2010—2021年新质生产力水平的稳态分布。使用四分位法将新质生产力水平划分为Ⅰ型、Ⅱ型、Ⅲ型、Ⅳ型,分别代表低、中低、中高、高四个层级,传统和空间Markov 转移概率矩阵分别如表6和表7所示。

表6 传统Markov转移概率矩阵

表7 空间Markov转移概率矩阵

由表6的传统Markov转移概率矩阵可知,各类型省份维持在自身新质生产力水平状态的概率分别为66.2%、66.2%、70.0%以及98.0%。其中,发展水平为Ⅱ型、Ⅲ型的省份,其新质生产力水平均有3.3%的概率会发生退步,分别有30.6%、26.7%的概率进步为Ⅲ型、Ⅳ型,而Ⅳ型省份仅有2.0%的概率会退化为Ⅲ型,且各类型省份的新质生产力水平均不存在跨越式跃迁,表明中国新质生产力水平整体呈现梯度上升的发展趋势。

由表7的空间Markov转移概率矩阵可知,各省份与其相邻省份新质生产力水平的类型具有协同效应,当相邻省份为Ⅰ型时,在T时期新质生产力水平较低的省份数量大于其他类型的省份数量。从转移概率的角度来看,当一个省份与新质生产力水平较高的省份相邻时,该省份的发展类型向上转移的概率更大。由此可以看出,新质生产力水平较高的省份能够发挥辐射带动作用,促进相邻省份的发展。从对角线元素来看,当与Ⅱ型省份相邻时,Ⅰ型、Ⅱ型省份不发生转移的概率分别为42.9%、68.0%。当与Ⅲ型省份相邻时,Ⅱ型、Ⅲ型省份不发生转移的概率分别为69.6%、80.0%,大部分时候均高于传统Markov 转移概率。该现象表明,当一个省份与Ⅱ型、Ⅲ型省份相邻时,处于相同类型的省份向上转移的概率也随之变大。当相邻省份为Ⅰ型时,各类型省份维持在自身新质生产力水平状态的概率分别为86.2%、66.7%、50.0%、100%,除Ⅲ型省份外,其余类型省份的转移概率均高于传统Markov转移概率,表明当相邻省份的新质生产力水平较低时,各省份新质生产力水平趋于保持相对稳定的状态。

3 结论

本文基于2010—2021 年中国30 个省份的面板数据,运用熵权法测算新质生产力水平,并进一步运用Dagum基尼系数及其分解、核密度估计、莫兰指数、空间Markov 链方法分析全国、三大地区及各省份新质生产力水平的区域差异及时空演变特征,主要结论如下:

(1)从整体上看,研究期内中国新质生产力水平呈逐年增长的趋势,年均增长率达到9.83%。从区域角度来看,三大地区的新质生产力水平的变化趋势在某种程度上与全国平均水平保持一致,东部地区新质生产力水平显著高于全国平均水平以及中西部地区水平,相比之下,中西部地区新质生产力水平相对较低,未能达到全国平均水平。中国新质生产力水平在区域间存在显著的不平衡现象,呈现“东高西低”的区域发展格局。

(2)从新质生产力水平的区域差异及来源的角度看,研究期内中国新质生产力水平的总体差异逐渐扩大。从地区内差异来看,各地区内部新质生产力水平的差异不断扩大,且中部地区的内部差异增幅最大。从地区间差异来看,东部地区和中西部地区新质生产力水平存在较大的差异,而中部地区和西部地区间的差异相对较小,东-西部及东-中部的地区间差异是导致中国新质生产力水平差异扩大的主要因素。从贡献率的角度来看,中国新质生产力水平的区域差异主要来源于地区间差异,各地区之间的不平衡发展是导致新质生产力水平存在差异的主要原因。

(3)从新质生产力水平的分布及演变特征来看,全国及东西部地区的新质生产力水平存在显著的极化现象,地区内部尚未形成协调发展格局,发展的不均衡现象十分突出。在时空动态演进特征方面,中国新质生产力水平整体上呈现梯度上升的趋势,且并未出现跨越式跃迁。同时,各省份新质生产力水平呈现空间聚集特征,高水平省份能够发挥辐射带动作用,促进邻近低水平省份新质生产力的发展。

猜你喜欢
新质基尼系数生产力
寻找新质生产力
新华社评论员:推动新质生产力加快发展
构建训练伤一体化防治模式 为新质战斗力生成提质增效
基尼系数
基尼系数
新视角下理论基尼系数的推导及内涵
把“风景”转化成“生产力
基于体系仿真试验床的新质作战能力评估
全国总体基尼系数的地区特征研究
人口红利与提高生产力