“两业融合”与经济高质量发展非线性关系研究

张 涛,廖乐焕

(云南民族大学 经济学院,云南 昆明 650500)

一、引言

近年来我国经济从高速发展轨道迈入经济高质量发展轨道，与时俱进的经济对我国不断提出新要求——深入推进“制造强国”建设，促进服务业繁荣发展。“十四五”规划第三篇“加快发展现代产业体系，巩固壮大实体经济根基”中第八章和第九章分别表示出对制造业和服务业的高度重视，两者对于我国建立现代化产业体系的关键作用不言而喻。2019年年底我国15部门联合发布《关于推动先进制造业和现代服务业深度融合发展的实施意见》，至此“两业融合”(先进制造业和现代服务业相互融合)不断被提上议程，进一步关于“两业融合”对高质量制造业和高质量服务业的促进作用不断被挖掘。“两业融合”是产业结构升级进一步推动经济高质量发展的重要媒介历程，产业结构的蜕变已经不能简单地用第一二三产业此消彼长来衡量，“两业融合”本质意义在于先进制造业和现代化服务业相互交融同时不断促进先进制造业服务化，从而夯实我国实体经济生根落地，推动我国经济高质量发展。

二、文献综述

2019年年底“两业融合”被正式提上议程，纵观学者们关于我国经济高质量发展与“两业融合”的相关研究，可以分为以下三个侧重点：第一个侧重点是“两业融合”现状及其对经济(制造业)高质量发展的影响，该侧重点的一个重要前提是“两业融合”水平测度方法的选择；第二个侧重点为经济高质量发展的表征及其影响因素，大多数学者倾向对“高质量经济”构建综合指数变量予以表征，而“两业融合”水平则是尤为重要的影响因素，进一步可以细分为三个角度，即技术创新(企业层面)对高质量经济的影响、产业结构(中观层面)或者说“两业融合”水平对经济高质量发展的影响及政府层面的支持行为对高质量经济的作用；第三个侧重点为方法的选择，主要涉及如何构建“两业融合”水平和高质量经济综合变量，大多数学者关于“两业融合”与经济发展的研究基本都采用非线性方法，而线性方法则通过建立空间计量模型来体现空间经济聚集性。以上三个侧重点涉及三个主要问题——“两业融合”水平和高质量经济如何测度、经济高质量发展驱动因素及两者关系到底是线性还是非线性。

首先是“两业融合”水平测度方面，主要包括专利系数法、赫芬达尔指数法、投入产出法、耦联评价模型、区位熵法以及改进的E-G指数。目前关于“两业融合”水平采用最多的测度方法是耦联评价模型，与此相比，其他方法施行起来困难重重，如专利系数法的具体指标数据难寻、投入产出法更新较慢等。其次便是“两业融合”水平的现状及问题，理论上“两业融合”水平对制造业价值链上升的作用机制纵横交错，主要包括资本配置效率机制、研发创新机制、人力资本机制及相关的需求端[1]。综合使用耦联评价模型和熵值法已经形成了关于“两业融合”水平的一套研究范式，即熵值法确定耦联评价模型需要定义的权重[2-5]，进而通过修正耦联评价模型形成综合解释变量——“两业融合”水平，基本结论是我国“两业融合”水平整体处于上升趋势，并且存在“东中西”三阶段异质性特征。投入产出法方面，中观层面长三角地区2002—2017年“两业融合”率先降后升，上海龙头扩散效应不显著但不断增强[6]，宏观空间经济层面我国“两业融合”水平对本地区及邻地的经济发展影响存在“U型”趋势[7]，中观层面“两业融合”水平对经济影响与宏观空间经济层面不谋而合。以区位熵测算两业集聚指数，以改进的E-G指数测算两业协同指数，中西部“两业融合”水平明显上升，并且逐步形成“高-高”和“低-低”聚集形态[8]。“两业融合”水平内部也存在不少研究角度，如生产性服务业的聚集效应、制造业服务化对(绿色)创新能力的影响以及数字经济对制造业高质量发展的作用等，生产性服务业空间聚集对制造业升级的规模经济外部性一定程度上源于知识溢出和研发要素流动[9],而数字经济以非线性方式影响制造业高级发展，但也受到对外开放水平、产业结构及创新能力的门槛限制[10]。相反，制造业服务化也会以非线性N型态势影响(绿色)创新能力[11]。

高质量经济表征及其影响因素方面，首要影响因素是产业结构高级化(“两业融合”)对城市群的经济增长发挥了关键的中介作用[12]，而我国未来15年经济结构将发生巨大变化的一个重要前提便是坚持以高质量发展为导向[13]。通过构建工业企业发展水平综合评价指标体系建立半参数回归模型，技术创新与产业集聚对经济高质量发展起到了举足轻重的调节效应[14]。制造业自主创新促进了产业融合，稳定的宏观经济环境下制造业高质量发展对高质量经济的促进作用具有长期性特征[15]。表征角度，使用熵值法纳入“创新、绿色、协调、开放、共享以及综合”六个方面测度长三角41个城市经济高质量发展水平，环境规制对长三角城市群经济高质量发展的直接作用呈U型态势，溢出效应则呈现“倒U型”趋势[16]。“高质量经济”除了一般理论上采用第三产业占比等指标表征外[17]，理论与实证相结合并且颇具创新的方法是以“五大发展理念”为理论基础，通过熵权TOPSIS法构建“高质量经济”综合变量，并且基于此建立半参数空间滞后模型，得出有所差异的结论，即环境规制对经济高质量发展的非线性作用是“M型”[18]。同样基于“五大发展理念”，仅采用熵值法赋权高质量经济综合变量，发现绿色投资对经济高质量发展具有“U型”或“N型”非线性影响趋势[19]。除“五大发展理念”理论基础外，亦有学者从经济、社会、资源、人力资本等方面综合构建“高质量经济”综合变量[20]。不难发现，一旦涉及技术层面对经济的影响，学者们普遍认同其非线性作用，如朱松平与叶阿忠首次将“经济政策不确定性、技术进步以及经济增长”纳入统一分析框架，认为经济政策不确定性对经济的影响具有东中西异质性，西部地区对此最为敏感[21]。政府干预对经济的影响角度，中央垂直型环境规制偏碳减排，而地方平行型环境规制偏经济发展，前者具备“技术、资源配置、产业结构”非线性作用机制，后者则倾向于产业结构升级机制影响经济发展[22]。

非线性方法角度与前两个侧重点相互交织叠加使用，形成了目前关于“两业融合”方面主流的研究范式。数字技术非线性影响实体经济就业，“两业融合”背景下数字技术与实体经济深度融合，通过数字技术带动行业规模扩大，最终促进实体经济就业[23]。环境规制反方向影响角度，经济增长同样非线性影响碳排放，GDP水平对碳排放影响存在单门限效应，其增速则存在双门限效应[24]，而相关颇具代表性的非线性方法已在前两个侧重点综述[5,10,21]，此处不再赘述。非线性方法之外依旧存在“两业融合”的状况探讨，基于双重影响的Logistic生长模型及数值仿真模拟发现我国“两业融合”水平处于非对称互惠共生模式，但其将在2040年过渡到对称互惠共生模式[25]。综上所述，学者们关于“两业融合”与经济高质量发展的研究侧重点较为单一，笔者基于以上测度角度既使用修正耦联评价模型建立“高质量经济”综合解释变量，又在方法上综合弥补线性与非线性影响机制，最后进行空间拓展分析衡量溢出效应驱动机理。

三、理论分析

如文献综述所述，目前对于“两业融合”相关的理论基本与产业聚集或结构、技术(绿色)创新、制造业高质量发展和实体经济挂钩，微观层面的技术创新门限效应对经济的非线性影响已经得到了众多学者的认可，技术进步前期投入大，但其后期边际收益始终在一定时间内呈现上升趋势，并且该趋势可持续性较强，这种拓扑学的非连续跳跃间断点就是“门限”。柯布-道格拉斯函数中，各种生产要素环环紧扣，技术代表外生全要素生产率，这种外生性不仅体现在模型之外，还体现在技术进步对资本和劳动力协同配合层次的统揽全局性，技术层次越高，资本与劳动力协同配合层次也越高，空间聚集效应越强，反之该空间经济则呈现发散效应。资本和劳动力的占比之和为1，事实上，技术进步不仅会提高协同使用资本与劳动力的层次，还会提高所有内生变量的共同协作层次，只是没有模型可以纳入所有内生变量。随着社会的发展，生产要素早已超出资本、劳动力、土地等传统范畴，例如无法纳入模型的制度、管理要素等。技术进步推动产业结构升级，进而改善制度配套设施，这就是技术催生全要素生产率的本质。全要素生产率至少可以笼统地认为所有相关生产要素被纳入，只是目前无法一一挖掘。基于众多学者对技术创新的重视，笔者将技术创新对经济的影响作为关键门限变量，即区制解释变量，将“‘两业融合’水平”作为区制被解释变量，得到如下研究假设：

假设1：“两业融合”水平对经济高质量发展的正向影响随着技术更迭而向上跳跃。

除科技进步之外，宏观层面与政府行为相关的“两业融合”研究仅仅落脚于政府的构建架构(垂直型和平行型)，但稳定的宏观环境也可以使“两业融合”水平更好地促进经济发展[15]。对外开放以来，政府在我国建立中国特色社会主义市场经济至今一直扮演着不可或缺的角色，这种不可或缺性最为明显的体现在于放大市场作为“经济冷热调节器”的作用。虽然政府不可能总是领先市场了解所有行情，却可以避免更多的经济波动，这便是经济学的资源配置，处处充满着机会成本。政府就是以稳定宏观经济环境为前提不断照顾中小企业，减少大企业税负。综上所述，最终将“政府财政支出”作为区制解释变量，同时也为政府对经济的非连续干预作用予以衡量，由此可以得到如下研究假设：

假设2：“两业融合”水平对高质量经济增长的影响随政府财政支出而非连续向上跳跃。

除科技进步和政府干预对经济增长的影响之外，无论是投入产出法还是耦联评价模型，无论是线性影响还是非线性影响，无论是空间经济相关性还是异质性，对经济的影响分析总是脱离不了对交通基础设施的关注，甚至许多新技术的应用也需要与良好的交通基础设施相匹配使用[16]。大多数学者基本也将“交通基础设施”纳入控制变量范畴，笔者此处使用“铁路里程”加上“公路里程”体现货运流畅度和劳动力的流动，各种关键要素的流动基本都依赖于铁路和公路，资金的流动由于数字技术的发展而并不显著受制于交通条件，但劳动力流动依赖性却依旧较大，技术也在一定程度上受限于此，因此可以得到如下研究假设：

假设3：良好的交通基础设施能够显著促进经济高质量发展。

四、研究设计

(一)变量的选取

被解释变量方面，选取“第二三产业占GDP比重”(Industy Tertiary)代表高质量经济。“两业融合”水平(Fusion level)指先进制造业和现代服务业的相互融合，亦可以称之为制造业服务化，因此仅选取“第三产业产值”作为高质量经济的代表略显不足。考虑到与“两业融合”相呼应，并且近几年经济步入新常态使得经济增速放缓，经济增速的趋势性在近3年存在一定程度的削弱[17]。之所以不采取合适的方法建立“高质量经济”综合变量，第一个原因是过多的变量纳入会削弱经济变动趋势，从而使得模型存在理论问题，这也是为什么大多数文献仅仅只对被解释变量和解释变量其中一方面进行综合变量构建的原因；第二个重要原因是过多变量纳入易造成剩余变量的多重共线性和内生性问题。

核心解释变量方面，以“两业融合”水平(Fusion level)表征[2-3]。“两业融合”水平的构建参考大多数文献的使用方法，以熵值法确定耦联评价模型的权重，从而通过修正耦联评价模型构建“两业融合”水平综合变量，学术界关于“两业融合”水平的二级指标选择大同小异[2,3,26]。首先对原始数据进行式(1)归一化处理,Mij表示先进制造业，Tij代表现代服务业。

(1)

(2)

将先进制造业和现代服务业原始数据归一化之后便按照式(1)推导部分计算两者的贡献度MIW和TIW，αij和βij分别表示两者各自通过熵值法确定的权重，进而构成修正耦联评价模型式(2)，Fusion表示两业耦合度，但是耦合度并不能整体代表“两业融合”水平，需要纳入协调度才能形成最终的“两业融合”水平。T由MIW和TIW加权求和所得，该权重通过各自产业占GDP比重确定。构建“两业融合”水平的二级指标如表1所示，除了制造业产值增加值和服务业产值外，先进制造业与现代服务业的二级指标都相对应，原因在于制造业和服务业作为第二三产业的代表，2003—2020年期间存在金融危机波幅，这种波动前后均有较大的受制影响，即先进制造业作为实体经济重视增加值，而现代服务业总体上还处于量变阶段。

表1 “两业融合水平”构成及权重

门限变量方面，正如理论分析部分所述，专利授权数(Patent)和政府财政支出(Fiscal)作为门限解释变量[11,27]分别代表科技进步和政府干预，专利授权数包括发明专利授权数、实用新型专利授权数以及外观设计专利授权数。

控制变量方面，选取里程数(Mileage)作为交通基础设施的代表[5,16]以验证假设3，其由“铁路里程数”和“公路里程数”求和构成。高校数量(College)[5]则作为人力资本水平的代表以辅助科技进步的外在内涵。最后选择进出口总额(IExport)作为支出法的构成衡量，以在一定程度上体现对内和对外开放水平[10,19]。

(二)模型的设定

如理论分析和变量选取部分所述，以“专利授权数”和“政府财政支出”作为门限变量进行面板门限回归分析，综上建立如下门限模型：

Industry Tertiaryit=α0+α1Mileageit+α2Fiscalit+α3IExportit+α4Collegeit

(3)

Industry Tertiaryjt=β0+β1Mileagejt+β2Patentjt+β3IExportjt+β4Collegejt

(4)

一般情况下,m,n=1,2,3，即最多三个区制变量，但理论上m和n远远不止三个。其中i,j=1,2,3，…，30，t=2003,2004,2005，…，2020，即我国30个省份(西藏由于大量数据缺失并不在内，港澳台则由于数据不易收集和难以统一度量衡亦不在内)，先进制造业和现代服务业产值数据来自国泰君安数据库，其余数据均来自EPS全球统计数据平台。

五、实证分析

(一)修正耦联评价模型

应用式(1)和式(2)便可以得到表2，表2为我国先进制造业、现代服务业及“两业融合”水平平均耦合协调度前10省份排名，平均性体现在取自各省份2003—2020年平均耦合协调度，即用该平均排名代表各省份近18年总体“两业融合”期望水平。先进制造业方面，江苏省、广东省、山东省夺得头筹，天津市存在轻度失调现象。各省份现代服务业耦合协调度与先进制造业基本相同，差异比较明显的是北京市，先进制造业总体上中度失调，但现代服务业却比其高两个等级。不难发现各省份“两业融合”水平比各自的两业耦合协调度低1～2个等级，无论是先进制造业、现代服务业还是“两业融合”水平，江苏省都是第一。我国总体平均“两业融合”水平不容乐观，但事实上2020年江苏省、广东省、山东省已经达到了6级(勉强协调)耦合协调度，只是取各省份18年平均值削弱了耦合协调度趋势。

表2 两业及其融合水平耦合协调度①近18年平均排名

(二)门限回归估计

1.基准回归结果

面板基准回归可以与面板门限回归相互印证，从而体现结果稳健性。如表3所示，式(3)模型专利授权数并没有通过显著性检验，即其对高质量经济的影响并不是线性直接的，“两业融合”水平对高质量经济的影响也是线性非显著的，但是里程数和进出口总额对高质量经济的影响却是积极的。式(3)模型结果与式(4)模型基本保持一致，仅系数存在微小差距，两个模型的稳健标准误都较小。

表3 一般双固定效应回归

2.门限回归结果

通过对式(3)和式(4)进行门限效应检验，无论是专利授权数门限还是政府财政支出门限经过300次迭代都认为建立双门限模型。如图1和图2所示的单门限、双门限及三门限LR统计量，两者建立双门限效应都是可行的，三门限效应波动较大致使其建立限制条件和可行前提条件极多。

图1 专利授权数门限效应检验

图2 政府财政支出门限效应检验

专利授权数的单位是万件，政府财政支出的单位是万亿。如表4所示，当专利授权数上升34件，“两业融合”水平对高质量经济的促进作用只有0.24%，只占本身相对变化的1/4。当专利授权数增速上升5.5倍后，“两业融合”水平变动一个单位使高质量经济上升0.32%，已经达到“两业融合”水平本身的1/3贡献力，科技继续进步，即当专利授权数相对变动超过10万件将会对经济起反作用。综上所述，科技进步对高质量经济的影响呈现“倒U型”曲线，这与大多数文献结果相一致，假设1得到了证实。另一个重要结论是各省份总体上专利授权数每年期望维持上升155～189件将会对经济产生最好的促进作用。

表4 双门限效应估计

同理，也可以得出“政府财政支出”作为门限跳跃影响“两业融合”水平进而影响高质量经济的相关结论。总体上，政府财政支出小于517亿元时，“两业融合”水平每上升一个单位，高质量经济将会上升0.21%，财政支出增加到967亿元，“两业融合”水平将使高质量经济上升0.32%，并且财政支出还存在较大追加空间。但是目前来看，以财政支出作为门槛的情况下，“两业融合”水平对经济的促进作用是边际递减的，即曲线形态是向上趋于平缓，假设2被证实，间接说明我国政府财政支出对第二产业和第三产业的照顾程度是较高的，而边际效益递减表明应该将政府干预更多地逐渐转移给市场。

3.异质性检验

根据“两业融合”水平和门限效应将30个省份划分为三个区制，即高“两业融合”水平②地区、中等“两业融合”水平③地区及低“两业融合”水平地区④，式(3)和式(4)的门限分别为“专利授权数”和“政府财政支出”。如表5所示，高“两业融合”水平专利方面存在双门限，政府财政支出存在单门限，高“两业融合”水平地区由于专利授权数使得“两业融合”水平对高质量经济影响存在“倒U型”趋势，即高“两业融合”水平地区的专利授权数小于8374件会使得“两业融合”水平发挥出对经济最佳的促进作用，显然高“两业融合”水平地区对专利授权数的变化要多于前文总体上的变化。政府财政支出门限使得“两业融合”水平对经济的影响基本是持续上升的。至此，高“两业融合”水平地区的两种门限结果与表4结果基本趋势一致。

表5 三区制异质性分析

中等“两业融合”水平地区科技进步使得“两业融合”水平对经济的门槛促进作用相对于高“两业融合”水平地区更大并且更直接，即使不以科技进步为门槛，“两业融合”水平对中等地区的影响也是较强的，但远没有政府财政支出作为门槛发挥“两业融合”水平对经济的促进作用巨大，即中等“两业融合”水平地区更倾向于得到政府财政支出的帮助。此外，低“两业融合”水平地区并不存在科技和政府财政支出门限效应，但这并不意味着该地区经济不受益于这两个方面，只是该地更直接受益于交通基础设施、进出口总额等方面的贡献。

六、拓展分析

(一)空间自相关检验

如文献综述所述，关于“两业融合”水平与经济高质量发展的研究还有另一个重要角度，即将空间经济性也纳入考虑范畴[7,18-19]。如表6所示，地理距离权重矩阵表明我国高质量经济存在发散趋势，但这种空间发散效应随着时间的推移逐渐减弱。我国幅员辽阔，正是各省份之间距离跨度大造成经济相互影响力随着地理距离的增加而迅速衰减，但这种距离贸易成本随着交通基础设施的改善进一步弱化。经济距离权重矩阵认为我国内部经济影响力逐步增强，即随着时间的推移，我国各省份高质量经济存在缩小的趋势，从而不断倾向于空间经济聚集。将地理距离纳入经济范畴虽然削弱了地理经济距离权重矩阵表明的空间经济聚集，但其表明空间经济聚集力量依旧强势。

表6 “高质量经济”历年莫兰指数检验

(二)空间计量分析

不同空间权重矩阵体现不同经济角度侧重，地理距离权重矩阵体现一般性质的贸易成本，它也是城市离心力的重要构成要素，反之，经济活动倾向于聚集进而进行生产要素的分享、匹配与学习，市场能够自发调节这种聚集。笔者根据LM检验和稳健的LM检验得出地理距离权重矩阵建立空间杜宾误差模型，后两者建立空间杜宾模型。根据LR检验和Wald检验，空间杜宾误差模型和空间杜宾模型并不会退化为空间误差模型和空间滞后模型。

如表7所示，专利授权数和政府财政支出在前文作为门限变量使得“两业融合”水平对经济的影响存在非线性趋势。从空间经济角度来看，地理距离权重矩阵和地理经济距离权重矩阵证明了两个门限变量的线性经济弹性意义并不显著，但经济距离矩阵结论与此相反，表明将地理因素或者说贸易成本纳入空间经济时，“两业融合”水平对高质量经济的影响是非线性的。经济距离权重矩阵中，科技进步对高质量经济的影响是直接的，综合前文可以得出科技进步对经济的积极影响在空间上还处于“倒U型”的上升阶段，但是政府财政支出已经处于下降阶段。综合考虑地理距离和经济差距因素，显然地理经济距离权重矩阵更具说服力。里程数和进出口总额依旧不断贡献于经济高质量发展，周围地区交通基础设施越好，中心地区的高质量经济占比越低，越能表明我国城市基本迈过了极化效应阶段，扩散效应正发挥作用。邻地进出口总额越高，中心地区经济发展越好。此外，“两业融合”水平对经济的积极影响是直接的，但在空间上“两业融合”水平却并不存在聚集规模效应，而高质量经济存在空间聚集，这与表6结论一致。

表7 不同空间权重矩阵估计结果

如表8所示，交通基础设施的改进、良好的对内和对外开放程度及高级的“两业融合”发展水平都会对本地高质量经济产生不同程度的积极影响，其中“两业融合”水平对高质量经济积极影响最大，假设3得到证实。从空间溢出效应角度来看，科技进步的空间经济溢出效应由于不同研究侧重而不同，但政府财政支出与对内和对外开放程度的正向空间溢出效应却是显著的。中心地区财政支出每上升一个单位，周围地区高质量经济发展将提高0.00048个单位，中心地区进出口总额占比每提高1%，邻居地区高质量经济将增加0.097343个单位，而交通基础设施的改善通过其溢出效应可以发现其主要服务于中心地区的经济发展。最后，“两业融合”水平在不考虑贸易成本(主要是地理距离)情况下，其对本地、邻地以及整个社会的积极影响都是巨大的，间接证明了交通基础设施的改善使“两业融合”水平贡献于高质量经济的发展具有举足轻重的作用。

表8 不同空间权重矩阵效应分解

七、结论与政策建议

(一)结论

总体上，我国“两业融合”水平耦合协调度自东向西递减，并且大致可以分为“东、中、西”三个区制，前三名次分别为江苏省、广东省及山东省。科技进步存在双门限使“两业融合”水平对高质量经济的影响存在“倒U型”趋势，各省份专利授权数每年平均上升155～189件将会产生最好的经济效益。政府财政支出也存在双门限并且使得“两业融合”水平对高质量经济的影响存在向上趋于平缓的非线性趋势，政府财政支出作为“两业融合”水平的重要支撑，“两业融合”水平对高质量经济的影响是边际递减的。

从异质性角度来看，高“两业融合”水平地区的科技进步和政府财政支出分别存在双门限和单门限效应，两者使得“两业融合”水平对高质量经济的影响分别存在“倒U型”和向上趋于陡峭趋势。中等“两业融合”水平地区科技进步和政府财政支出都存在单门限，科技进步使得“两业融合”水平对高质量经济的影响相较于高“两业融合”水平地区更大，并且存在向上趋于平缓的线性趋势，政府财政支出则存在“倒U型”趋势，高级和中等“两业融合”水平地区的科技进步和政府财政支出门限变量的经济作用趋势恰恰相反。低“两业融合”水平地区并不存在门限效应。

从空间经济角度来看，我国高质量经济空间聚集2018年达到顶峰，至此呈现下降趋势，不排除新冠肺炎疫情原因，但空间经济聚集趋势依旧强盛。经济距离权重矩阵表明局部地区“两业融合”水平存在空间溢出效应，但要以改善交通基础设施为前提条件。最后，政府财政支出并不存在过度投入情况。

(二)政策建议

第一，总体上，以协调我国区域“两业融合”水平为战略目标，在不断改善地区交通基础设施的基础上发挥“两业融合”水平对高质量经济的空间聚集效应。

第二，加大政府财政支出投入力度与提高地方财政利用效率双管齐下，尤其是科技支持力度，同时要将更多的环节交予市场自行决定，从而不断延缓政府财政支出对经济效益的边际递减作用。

第三，东部地区以目前态势继续发展。中部地区高质量经济发展贡献力要不断从政府手中转移到市场手中，进而不断优化科技进步和政府财政支出，使得“两业融合”水平对经济高质量发展形成非线性趋势。西部地区要以“成渝地区双城经济圈”为内核，以其余地区为外核，进而构建国内大循环带动西部地区“两业融合”水平不断上升，最终促进西部高质量经济发展，从而解决西部的穷病。

[注 释]

① 耦合协调度共10个等级，1到10即从极度失调到优质协调，数值越大耦合协调度越高。

② 江苏省、广东省、山东省、河南省、浙江省、上海市、北京市、辽宁省、湖北省、天津市。

③ 河北省、福建省、四川省、湖南省、安徽省、黑龙江省、吉林省、江西省、陕西省、广西壮族自治区。

④ 内蒙古自治区、重庆市、新疆维吾尔自治区、云南省、山西省、甘肃省、贵州省、海南省、宁夏回族自治区、青海省。