制造业新旧动能转换的测度方法与应用研究

边伟军，李 杰，罗公利

(青岛科技大学 经济与管理学院，山东 青岛 266061)

一、引言

加快推进制造业新旧动能有序转换、促进制造业高质量发展，已成为《中国制造2025》国家战略的重要举措。为提升我国制造业的国际竞争力，充分利用制造业在产业结构升级、经济发展方式转变中的引领作用，国家提出了新旧动能转换综合试验区建设工程。实施好这一工程既需要有效的支持政策和管理措施，更需要密切关注制造业新旧动能转换的方向、速度和质量。在这一背景下，要解决的关键技术问题是如何基于统计数据考察制造业新旧动能转换的状态，并分析我国制造业新旧动能转换的区域差异，以此作为完善宏观政策、创新管理机制的决策依据。

新旧动能转换是在我国经济发展过程的特殊阶段所提出的战略任务，加之提出的时间较短，因此相关的研究文献不多，内容主要集中在内涵特征、对策建议以及发展进程等方面。新旧动能转换旨在使经济发展逐步摆脱对大规模粗放投入资本、劳动力等传统动能的依赖，转向更多地依靠结构

性变革和新技术运用等新动能(1)孙冰等:《新旧动能转换背景下济南城市土地集约利用评价研究》,《湖南师范大学自然科学学报》,2018年第4期。；它是制造业迈向全球价值链中高端的基本前提，只有从微观、中观和宏观三个层次解读其内涵(2)杨蕙馨等:《新旧动能转换的理论探索与实践研判》,《经济与管理研究》,2018年第7期。，才能更好地把握培育壮大新动能和改造提升传统动能两大核心内容的实质。关于新旧动能转换的对策建议研究，学者们也提出了不同的观点。王小广认为，构建创新生态系统是推进新旧动能转换的更高阶的内在驱动力(3)王小广:《新旧动能转换:挑战与应对》,《人民论坛》，2015年第5期。；张志元等提出了明确金融供给侧改革的定位、完善金融服务制度、以创新促进金融结构优化等促进新旧动能转换的金融政策建议(4)张志元等:《金融供给侧改革与新旧动能转换的耦合效应研究——以山东省为例》,《东岳论丛》,2018年第10期。；张文和张念明主张，通过强化融合发展、开放发展与改革创新，加速形成有利于新旧动能转换的现代产业支撑体系、新需求体系、创新体系与现代规则体系(5)张文等:《供给侧结构性改革导向下我国新旧动能转换的路径选择》，《东岳论丛》，2017年第12期。。关于制造业新旧动能转换的进程和实效，多数学者主张使用全要素生产率这一指标加以测度。周荣荣等、焦勇等从企业全要素生产率的角度解读新旧动能转换，并将其作为标准衡量新旧动能转换(6)周荣荣等: 《全要素生产率提升与中国经济增长新动能成长》,《现代经济探讨》,2019年第9期；焦勇等:《技术范式变迁视角下制造业新旧动能转换研究》,《云南社会科学》,2019第5期。。郑江淮等也在全要素生产率的基础上构建了包括需求侧动能、供给侧动能、结构转换动能的中国经济增长动能指数(7)郑江淮等:《中国经济增长新旧动能转换的进展评估》,《中国工业经济》, 2018年第6期。。新旧动能转换是在经济发展到特定阶段促进经济高质量发展的有效途径(8)张志元等:《政府干预、金融发展与新旧动能转换》,《经济问题》,2020年第5期。，也是促进中国制造业高质量发展的重要突破口。但是目前学术界关于新旧动能转换的研究还很不充分，在有限的研究文献中，对制造业新旧动能转换进程和实效的量化分析关注明显不足。本文基于新旧动能转换的核心内容，引入制造业发展动能超前系数和新旧动能转换速度指数，构建制造业新旧动能转换的方向、速度和水平的测度模型，以期为回答制造业新旧动能转换的状态如何、不同省份间是否存在差异性和空间关联性、以及如何针对现状加快新旧动能转换的进程等问题提供分析方法。

二、制造业新旧动能转换的测度方法

产业结构是经济发展动能结构的外化，我国制造业当下的产业结构与长期以来制造业发展过度地依赖传统动能密不可分(9)赵丽娜:《产业转型升级与新旧动能有序转换研究——以山东省为例》,《理论学刊》,2017年第2期。。新旧动能转换是制造业产业结构转型升级的内在动力，产业转型升级是新旧动能转换的外在表现，两者密切相关且基本同步(10)郭金明等:《监测经济动能转换的TOP5产业结构分析法及其实证研究——以全国和北京、山东的数据为样本》,《中国科技论坛》,2018年第9期。。制造业产业结构转型升级的过程，实质上就是产业结构从低层次、低附加值为主向高层次、高附加值为主转变，以及产业整体效益提高的过程(11)干春晖等:《中国产业结构变迁对经济增长和波动的影响》,《经济研究》,2011年第5期。。期间伴随着制造业发展动能从以传统动能为主向以新动能为主的有序转换，也就是要改变劳动密集型与资本密集型的传统动能占据制造业动能结构主体的现状，而使技术密集型的新动能逐渐成为动能结构中的主体(12)李汉青等:《珠三角制造业集聚特征及基于增量的演变分析》,《地理科学进展》,2018年第9期。。基于制造业转型升级与新旧动能转换之间存在的高度关联性，本文尝试从制造业产业结构转型升级的视角解读和测度制造业新旧动能转换的方向和速度。

(一)制造业新旧动能转换方向的测度方法

制造业发展动能超前系数，是指制造业某类发展动能增长相对于整个动能系统增长的超前程度，能够反映动能结构的变动方向。本文构造制造业发展动能超前系数用来测度制造业新旧动能转换的方向，计算公式为：

Ei=ai+(ai-1)/Rt

(1)

其中，Ei表示第i类制造业发展动能的超前系数，ai表示第i类制造业发展动能在报告期所占的份额与基期的比值，Rt表示相同时期内制造业发展动能的年平均增长率。Ei的大小反映制造业发展动能的变化趋势，若大于 1，则表示第i类制造业动能超前发展，份额占比呈上升趋势；若小于1，表示第i类制造业发展动能相对滞后，份额占比呈下降趋势。

(二)制造业新旧动能转换速度的测度方法

为了测量制造业新旧动能转换过程中动能结构的变化速度，本文提出了新旧动能转换速度指数(Transfer speed指数)模型。因生产率的差异，劳动力将从传统动能为主的产业逐渐转移到新动能为主的产业，因此可以用劳动力在不同类型动能驱动的产业间的转移来测定新旧动能转换的速度。制造业新旧动能转换速度越快，其动能结构变化越快，本文选用Transfer speed指数模型测度制造业新旧动能转换的速度，其定义如下：

(2)

式中：i表示第i类制造业发展动能类别，j表示研究样本数量，EMP表示不同类别发展动能制造业的就业人数，TEMP表示制造业总就业人数。Transfer speed指数的大小反映一定时期内劳动力在不同发展动能类别制造业间的再分配速度，即制造业动能结构的变化速度。Transfer speed指数越大，制造业动能结构的变化速度越快。

(三)制造业新旧动能转换水平的测度方法

1.指标体系构建

本文基于制造业新旧动能转换的相关研究成果，从新旧动能转换中的新动能培育和传统动能改造两大核心内容出发，尝试构建了制造业新旧动能转换水平的评价指标体系，具体指标如表1所示。

表1 制造业新旧动能转换水平评价指标体系

结合新动能培育的内容，参考李梦欣等(13)李梦欣等:《新时代西部地区经济新动能培育:框架、现状、评价与路径》,《西部论坛》,2019年第6期。、刘戈非等(14)刘戈非等：《经济高质量发展新动能培育的路径选择》,《科学》,2020年第6期。的相关文献，本文选取研发投入占比(X1)、研发人员占比(X2)、发明专利申请量(X3)、新产品销售收入占比(X4)、全要素生产率(X5)、高技术产业销售收入占比(X6)、高技术企业数量占比(X7)共7个指标衡量新动能培育。其中，研发投入占比和研发人员占比属于创新投入类的指标，可衡量创新能力。创新水平的提高是一个长期的过程，随着创新意识的提高，创新资源的投入将逐渐增加，这既有利于创新能力的增强更有利于新动能的培育。发明专利申请量和新产品销售收入占比属于创新产出类的指标，可直观地体现出新技术产出和新技术应用的市场效果。全要素生产率体现了技术升级、管理模式改进、产品质量提高等综合功能，亦称为技术进步率，可以衡量纯技术进步引起的生产率增长，与创新产出类互补，能更加全面地反映新动能的培育情况。高技术产业销售收入占比和高技术企业数量占比属于新产业的衡量指标，体现了产业结构迈向高端的实际情况，新动能培育水平越高越有利于促进制造业产业结构的升级，相应地，两个指标的数值也越大。

本文选取了技术引进支出(X8)、生产总值(X9)、产品销售率(X10)、单位生产总值能耗(X11)、工业固体废弃物综合利用率(X12)、单位生产总值工业固体废弃物产生量(X13)、全员劳动生产率(X14)共7个指标来衡量传统动能改造。目前，传统产业在我国制造业产业结构中占据主导位置，以传统动能为发展动力的企业可通过引进技术、改进管理等方法进行改造升级，因此选用技术引进支出衡量制造业传统动能技术改造方面的投入。全员劳动生产率与企业生产技术水平、劳动工具的先进程度和企业管理水平有关，将其作为传统动能改造产出类指标可体现企业在传统动能改造方面技术、财力、人力投入的综合水平。随着传统动能的持续改造，制造业生产效率逐渐提升，因为传统动能占产业结构主体，对产业经济影响较大，制造业生产总值随之增长，产品销售率也将有所提升。传统动能的改造升级不仅仅提高了生产效率，还可降低能源消耗或是提高能源的利用效率，故选取单位GDP能耗、工业固体废弃物综合利用率、单位生产总值工业固体废弃物产生量来衡量。

2.测度方法选择

在进行制造业新旧动能转换水平综合评价时，首先需要确定指标权重，本文采用熵值法确定指标权重。所用数据为面板数据，为了更加方便地比较不同年份间制造业新旧动能转换水平，参考杨丽等(15)杨丽等:《基于熵值法的西部新型城镇化发展水平测评》,《经济问题》,2015年第3期。文献中的方法，加入时间变量计算权重。具体步骤如下：

指标选取：设年份数r，省份数为n，指标数为m，Xθij为第θ年i省的j项指标。

数据标准化处理：因所选指标单位相差较大，需要对数据进行标准化处理来消除量纲不同造成的影响，本文选用最大最小值标准化法，其中：

(3)

(4)

(5)

计算熵值：Sj=-k∑θ∑iYijln(Yθij),k=1/ln(rn)

(6)

计算第j项指标的差异系数：Ej=1-Sj

(7)

计算第j项指标权重：Wj=Ej/∑jEj

(8)

(9)

为了提高评价结果的科学性和可比性，在对指标进行标准化处理时，采用功效函数将各省份指标值转换到60—100之间，功效函数形式如公式(10)所示：

(10)

式中，d是转换后的指标值，取值范围在60—100之间；x是观测值，即指标的实际观测值，若为正向指标则xh表示各指标的最大值，xs表示各指标的最小值，若为逆向指标则xh表示各指标的最小值，xs表示各指标的最大值。

(四)制造业新旧动能转换的空间自相关性测度方法

根据地理学第一定律可知，任何事物间都存在相关性，相近事物间的相关关系更为紧密(16)Tobler W. R., “A computer movie simulating urban growth in the Detroit region”, Economic Geography,Vol.46, (February 1970),pp.234-240．。由此可知，除了自身因素会影响一个区域制造业新旧动能的转换，相邻区域的发展情况同样会产生影响。探索性空间数据分析方法可以解释空间变量的空间关联特征以及变量在空间上的集聚状态，因此，学者们多用探索性空间数据分析方法测度全局空间自相关指数和局域空间自相关指数。

1.制造业新旧动能转换的全局空间自相关

本文运用全局空间自相关指数( Moran’s I 指数)研究区域的制造业新旧动能转换在整个区域上的聚集趋势及其在整个区域的空间特征，其计算公式如下：

(11)

计算出 Moran’s I 数值后，还需检验其显著性才能够得出结论，可通过计算标准统计量进行显著性检验，公式如下：

(12)

2.制造业新旧动能转换的局域空间自相关

全局 Moran’s I 指数衡量的是制造业新旧动能转换整体的空间关联性及聚集程度，仅表明制造业新旧动能转换整体的相关性，却无法体现制造业新旧动能转换的局部空间相关性及空间分布。局部空间相关分析则弥补了这一不足，可以衡量制造业新旧动能转换的局部相关性。其中Moran 散点图是可以用来分析局部相关性的工具，以变量Z为横坐标，以空间滞后变量WZ为纵坐标，通过描述两者之间的相关性，在二维平面上更加直观地展示制造业新旧动能转换的局部空间特性。Moran 散点图包含四个象限，代表四种空间分布状态，其中，第一象限(H-H)和第三象限(L-L)代表制造业新旧动能转换的空间集聚效应，即相邻区域与自身属性值相同，差别较小；第二象限(L-H)和第四象限(H-L)代表制造业新旧动能转换的空间分异效应，即相邻区域与自身属性值相异，差别较大。

(五)数据来源

测度制造业新旧动能转换方向与速度，本文运用各省级行政区的相关数据。因部分省级行政区(内蒙古、辽宁、黑龙江、河南、新疆、青海、西藏)的相关统计数据缺失较多，故本文测度了其余24个省级行政区制造业新旧动能转换的方向与速度。

测度制造业新旧动能转换水平时，选取了30个省级行政区(不包括港、澳、台、西藏)为研究样本。关于省级行政区所属区域的划分，本文参照胡庆龙等(17)胡庆龙等:《基于社会经济因素的中国PM2.5排放的区域差异分解分析》,《数量经济技术经济研究》, 2020年第6期。、赵子健等(18)赵子健等:《中国装备制造业的区域差异、影响因素与高端化战略》,《系统管理学报》,2020年第1期。的划分方法，研究所涉及省级行政区具体划分情况见表2。原始数据均来自2010—2019年30个省级行政区的统计年鉴、《中国工业统计年鉴》《工业企业科技活动统计年鉴》《中国科技统计年鉴》及《中国能源统计年鉴》。

表2 区域范围划分

三、方法应用

(一)制造业新旧动能转换方向测度

根据公式(1)，本文计算出2009—2018年24个省级行政区制造业动能超前系数，结果见表2。整体来看，2009—2018年间，13个省级行政区劳动密集型制造业的动能超前系数大于1，5个省级

表2 2009—2018年24个省级行政区制造业细分产业的动能超前系数

注：表中 LI、CI、TI分别为劳动密集型(Labour-Intensive)、资本密集型(Capital-Intensive)、技术密集型(Technology-Intensive)制造业动能超前系数的简称。

行政区资本密集型制造业的动能超前系数大于1，17个省级行政区的技术密集型制造业的动能超前系数均大于1，可以看出以劳动力和资本为主要发展动能的制造业发展滞后于以技术为主要发展动能的制造业，即制造业新旧动能转换正经历着新动能逐渐占据主要发展动能的过程。除此之外，有12个省级行政区技术密集型制造业的动能超前系数大于其劳动密集型制造业和资本密集型制造业，说明技术密集型制造业所代表的新动能取得了较好发展，制造业主要发展动力正逐步转向以技术为主。具体而言，技术密集型制造业的动能超前系数大于其劳动密集型制造业和资本密集型制造业的省级行政区，东部地区有8个、中部地区没有、西部地区有4个。这在一定程度上表明，制造业新旧动能转换存在着区域差异，东部地区制造业新旧动能转换方向比中西部地区更加明显。

分时期看，T1(2009—2013年)时期，劳动密集型制造业、资本密集型制造业和技术密集型制造业动能超前系数大于1的省份数分别为14、10和14，T2(2014—2018年)时期的数量分别为11、3、和18，可以看出劳动密集型制造业和资本密集型制造业的动能超前系数都呈一定的下降趋势，且资本密集型制造业的下降趋势尤为明显，技术密集型制造业的动能超前系数获得了一定程度的提高，体现了驱动制造业发展的动能结构中新旧动能转换的趋势。分地区看，T1时期，东部省份中有5个省级行政区技术密集型制造业的动能超前系数大于其劳动密集型制造业和资本密集型制造业，中、西部地区各有1个。T2时期，东部省份中技术密集型制造业的动能超前系数大于其劳动密集型制造业和资本密集型制造业的省份增至8个、中部地区仍为1个、西部地区增至5个。数据表明：东部地区与西部地区制造业新旧动能转换的趋势较为明显，技术密集型制造业所代表的新动能正逐渐成为东部和西部地区制造业发展的主要动能，而中部地区制造业发展动能正从以劳动密集型传统动能为主转为资本密集型的传统动能。

(二)制造业新旧动能转换速度测度

根据搜集整理的数据计算出2009—2018年我国24个省级行政区制造业的Transfer speed指数，计算结果见表3。结果显示，2009—2018年24个省级行政区制造业动能结构都发生了改变，逐渐转向新动能占据动能结构的主导地位，但省份间的转换速度存在差异。将各省计算得出的 Transfer speed指数简单聚类，第一类Transfer speed指数在0.4—1.0之间，包含江苏、浙江、吉林、山东、海南、四川、云南、陕西8个省份，其中5个位于东部地区，3个位于西部地区；第二类Transfer speed指数在0.2—0.4之间，包含广东、贵州2个省份，分别位于东部地区和西部地区；第三类Transfer speed指数在0.0—0.2之间，包含剩下的14个省份，其中东部地区包含6个省份，中、西部地区各包含4个省份。可以看出24个省级行政区制造业新旧动能转换速度存在区域差异，东部和西部约有一半的省份制造业动能结构转化较快，中部地区省份转化速度较慢。分时期来看，部分省份T2阶段的转换速度比T1阶段慢了很多，制造业新旧动能转换有所放缓，存在一定的减速趋势。

表3 2009—2018年24个省级行政区制造业新旧动能转换速度(Transfer speed指数)

(三)制造业新旧动能转换水平测度

用熵值法处理收集到的2009—2018年30个省级行政区制造业的相关数据，测度出30个省级行政区制造业新旧动能转换水平，如表5所示。

数据显示2009—2018年30个省级行政区制造业新旧动能转换水平得分均值为72.3，处于较低水平，我国制造业新旧动能转换进程仍需要不断推进。从省级层面看，2009—2018年间，大多数省份制造业新旧动能转换水平呈上升趋势，其中，浙江在10年间的上升幅度最大，黑龙江、吉林和青海的制造业新旧动能转换水平在这10年间也发生了较大波动，且黑龙江制造业的新旧动能转换水平整体上呈下降趋势。此外，30个省级行政区制造业新旧动能转换水平平均得分排名前3的依次为广东、江苏、北京，这3个省级行政区全部位于我国东部地区，而制造业新旧动能转换水平平均得分排在后3位的省份依次为宁夏、新疆、青海，全部位于西部地区。由此可见，制造业新旧动能转换平均水平区域差异较大。造成这种现象的原因是多层面的，我国东部地区因交通便利、科技水平高、人才资源丰富等原因，制造业发展一直强于中、西部地区。而黑龙江是我国老工业基地之一，传统动能是制造业发展动力结构的主体部分，新动能发展缓慢，但发展潜力大、后劲足，有待进一步发展。

表5 制造业新旧动能转换水平指数(2009—2018年)

从区域角度分析，2009—2018年制造业新旧动能转换水平的发展状况如图1所示。总体来看，东中西部制造业新旧动能转换水平均呈上升趋势，且东部地区一直优于中西部地区，中部地区略优于西部地区，两者相差较小。考虑到现实情境，东部地区发展一直优于中西部地区，经济、文化、交通、科技、教育等水平均较高，而中、西部地区因交通等因素的制约，有些省份虽资源丰富，但整体发展水平落后于东部地区。由此可见，所测算的结果同现实中学者们得出的“东部地区最强，中、西部地区次之”(19)姚芳等:《中国制造业发展的区域比较》,《西安交通大学学报(社会科学版) 》,2008年第1期。的研究结论较为吻合。

图1 2009—2018年区域制造业新旧动能转换水平指数平均值

通过上述分析结果，可以发现：第一，30个省级行政区制造业新旧动能转换水平整体上呈上升趋势，并且东部地区高于中、西部地区，区域间存在边缘化现象，区域内存在趋同现象，制造业新旧动能转换水平有待进一步提高；第二，30个省级行政区制造业新旧动能转换态势呈现出一定的空间集聚特征，可通过分析集聚特征和空间差异性探究各区域空间上的分布规律。

(四)制造业新旧动能转换水平空间自相关分析

1.全局空间自相关测度

为了检验30个省级行政区整体的制造业新旧动能转换聚集特征，利用全局Moran's I指数进行判断。利用Stata14.0软件，选取30个省级行政区制造业新旧动能转换水平综合得分值，并选择距离平方的倒数确定权重，计算出2009—2018年的Moran's I指数值，结果见表6。

30个省级行政区2009—2018年的Moran's I指数值均大于0，且P值均在显著性水平1%的情况下通过了检验，空间相关性非常显著，说明30个省级行政区制造业新旧动能转换水平存在空间集聚效应，在空间上并非随机分布。从时间维度分析，30个省级行政区制造业新旧动能转换水平集聚程度呈先上升后下降的趋势，2009—2015年30个省级行政区的空间正相关强度逐渐增强，2015年后地区间空间正相关强度开始减弱。

表6 30个省级行政区制造业新旧动能转换水平全局Moran's I指数

2.局部自相关测度

因全局Moran's I指数忽略了空间中局部区域不稳定性，具有不能反映局部区域的空间关联特性的局限(20)Anselin L, “Local Indicators of Spatial Association-LISA”, Geographical Analysis,Vol.27, (February 1995),pp. 93-115.，需要利用局部空间自相关分析来检验制造业新旧动能转换30个省级行政区局部区域的敛散情况，本文运用Moran散点图进行分析。

图2为2009年、2012年、2015年和2018年30个省级行政区制造业新旧动能转换水平的局域Moran散点图，据此进一步分析制造业新旧动能转换水平的局部空间关联模式。2009年，10个省级行政区位于第一象限(H-H)、11个省级行政区位于第三象限(L-L)，占观测样本数的70%。2012年，10个省级行政区位于第一象限、12个省级行政区位于第三象限，占观测样本数的73.33%。2015年，9个省级行政区位于第一象限，13个省级行政区位于第三象限，占观测样本数的73.33%。2018年，10个省级行政区位于第一象限、12个省级行政区位于第三象限，占观测样本数的73.33%。对比四年的Moran散点图，可知30个省级行政区多位于第一和第三象限，空间联系表现为正相关，集聚效应增强，局部自相关的集聚类型为低低和高高集聚区域。

图2 2009、2012、2015、2018年制造业新旧动能转换Moran散点图

汇总整理2009—2018年Moran 散点图，进而分析30个省级行政区制造业新旧动能转换空间上的演变路径，如表7所示。北京、江苏、山东、上海、天津、浙江、湖北和湖南一直稳定在第一象限，说明其制造业新旧动能转换水平较高，且相邻的地区特征表现相同，呈现出高高聚集的空间状态，应积极发挥正向带动作用。海南、河北和江西一直稳定在第二象限，说明自身制造业新旧动能转换水平低，但周边地区转换水平高，呈现出空间分异状态，应注重向周边省份学习。一直呈现空间分异状态的还有广东和重庆，不同的是广东和重庆一直位于第四象限，自身制造业新旧动能转换水平高，但周边地区转换水平低。因此，广东和重庆制造业新旧动能转换不仅需要注意自身提升，也应注意相邻省份的转换，以防相邻省份产生负向影响。甘肃、贵州、吉林、宁夏、青海、山西、陕西、四川、新疆和云南一直稳定在第三象限，说明各自制造业新旧动能转换水平低，且相邻区域制造业新旧动能转换水平也低，表现出负向空间集聚效应，制造业新旧动能转换有待进一步推进。

除此之外，还有部分省级行政区制造业新旧动能转换空间状态在10年间发生了转变。安徽和河南制造业新旧动能转换水平在10年间变化路径相似，均从开始的低高集聚状态转变为高高集聚状态，即一开始自身制造业新旧动能转换水平低而周边省份转换水平高，10年间自身转换水平逐渐提高，空间状态转换为高高集聚，表现出正向的空间外溢效应。与安徽和河南变化路径相反，黑龙江和内蒙古的变化路径虽然也相似，但是却从低高集聚状态转变为低低集聚状态，表现出负向的空间外溢效应。10年间，福建从高高集聚的状态发生改变，2015年开始自身转换水平变低，而周边省份转换水平一直较高。广西则在10年间实现了从低低集聚转向低高集聚状态的转变，自身制造业新旧动能转换水平未发生改变，而周边省份水平逐渐提升。辽宁制造业新旧动能转换水平路径变化最多，2010年由高高集聚转变为低高集聚，自身转换水平变低，2015年后表现出负向空间外溢效应，辽宁周边省份转换水平也变低，2018年辽宁恢复较高转换水平，而周边省份转换水平仍较低。

表7 2009—2018年制造业新旧动能转换空间集聚变化路径

四、结论与启示

(一)结论

在经济新常态的背景下，推动制造业高质量发展需要新旧动能转换的有效助力。现有文献多从理论分析视角研究制造业新旧动能转换，而关于制造业新旧动能转换的量化研究方面较为匮乏，制造业新旧动能转换的状态如何测度尚不明确。本文运用动能超前系数、Transfer speed指数测度了24个省级行政区制造业新旧动能转换的方向和速度，构建指标体系测量了30个省级行政区2009—2018年制造业新旧动能转换水平，并采用全局Moran's I指数和Moran散点图分析了制造业新旧动能转换的空间相关性，得到以下结论：

1.以技术为代表的推动我国制造业发展的新动能正在逐步取代以劳动和资本为代表的旧动能，成为制造业发展的主要驱动力。东部地区制造业新旧动能转换的方向更加明确，速度也较快；西部地区次之、中部地区制造业新旧动能转换进程较为缓慢。

2.2009—2018年，我国30个省级行政区，除吉林外，制造业新旧动能转换水平总体上呈现上升趋势，且各省级行政区具有显著差异。转换水平排名前3的省级行政区全部位于东部地区，排名后3位的位于中西部地区，区域间差异明显。

3.2009—2018年，30个省级行政区间制造业新旧动能转换水平存在显著的空间集聚效应，且呈先上升后下降趋势。运用Moran散点图对局部区域的空间相关性分析后发现，30个省级行政区制造业新旧动能转换路径表现为正向空间集聚、负向空间集聚、正向空间外溢、负向空间外溢和空间分异5种状态。各省级行政区在制造业新旧动能转换过程中，不仅要关注自身转换进程，同时应注重相邻省的发展状态，发挥自身优势，学习相关经验，促进正向空间影响，防止相邻省的负向影响。

(二)启示

针对制造业新旧动能转换速度放缓以及存在明显区域差异的问题，提出以下建议：

1.合理划分区域间的职能，实现优势互补的制造业分工格局。因地理位置与资源禀赋差异，中、西部地区制造业发展水平低于东部地区，新旧动能的转换速度也较为缓慢。面对此类情境，首先应合理划分区域职能，因地制宜发展区域制造业，避免激烈的同质性竞争与产业资源浪费，以更好地面对转换过程中的问题。

2.建立有利于省份间产业协调发展的关联机制。因地制宜地制定制造业新旧动能转换的发展战略，充分发挥转换较快地区对相邻地区的辐射带动作用。东部地区制造业新旧动能转换水平较高，转换方向更加明确，转换速度也更快，应深入挖掘其潜力，更好地发挥正向空间外溢效应。

3.注重转换中等水平省级行政区新动能的培育与作用的发挥。制造业新旧动能转换处于中等水平的省级行政区面临更大的经济下行压力与风险，在空间分布上承担着重要的调节作用，应重视培育中等水平省级行政区新动能的培育，加快改造旧动能，扭转制造业传统动能占据主体的局面，缩小区域间制造业新旧动能转换水平的空间分布差异，促进区域间制造业新旧动能转换协同发展。