新旧动能转换的时空演变与区域差异：基于长三角与粤港澳大湾区城市群的比较

马海良，陈仔浩

（河海大学商学院，江苏常州 213022）

1 研究背景

进入经济发展新常态，我国人口红利日趋消退，内外资本投资动力逐年下降，经济结构矛盾日趋显著［1］。在原有生产率的技术水平下，相同规模生产要素的最大生产可能性边界收缩，经济增长空间随之收窄，粗放型生产模式形成的经济增长旧动能的边际效应逐渐减弱［2］。科学技术是先进生产力的集中体现，经济增长越来越多地受到地区技术进步优势的影响，依托技术进步的质量型增长模式在经济发展中的贡献率日益提高［3］。因此，经济增长亟须推动基于旧动能维持的经济高速增长阶段向基于新动能引领的经济高质量发展阶段转变。长三角与粤港澳大湾区（以下简称“大湾区”）在国家经济发展与对外开放中具有支撑引领作用，长三角一体化战略与粤港澳大湾区建设战略已先后于2018 年和2019 年上升为国家战略，在我国深化改革开放空间布局中发挥着重要作用。截至2019 年，两区域创新要素驱动经济增长动能优势明显，长三角地区和大湾区内广东省的高校与科研院所数量占比接近全国（未含港澳台地区。下同）的1/4，R&D 人员全时当量与内部经费支出分别占全国的48.89%和44.38%1）。更为重要的是，两区域已形成较为完备的产业体系和较高的集聚水平，以技术创新为引领的先进制造业、战略性新兴产业与现代服务业在产业结构中已经占据主体地位，以新技术、新产业和新模式为核心的新动能对旧动能的替代效应日趋显著。因此，以长三角与大湾区为研究区域，对比分析两区域城市群新旧动能转换时空演变规律与区域差异，一方面有利于探求其新旧动能转换演变差异的影响因素，并提出有针对性的政策建议；另一方面有利于为其他地区加快新旧动能转换提供理论指导与经验参考，从而产生先行示范效应，在全国范围内形成可复制可推广的新旧动能转换模式，促进全国层面在新常态下经济保持强劲发展动力。

2 文献综述

“S”型曲线理论认为，经济增长的演进过程就是先进生产力替代落后生产力的过程，实质是新旧技术的迭代过程，是新动能与旧动能不断转换的结果［3］。新动能与旧动能是一对具有发展性、开放性特征的相对概念［4］，判定于特定时期、特定区域等的要素禀赋结构约束条件［5］。新旧动能转换的过程即是在要素禀赋结构约束条件深刻变化的背景下，调整生产工具、能源获取利用效率以及人力资本水平等技术手段，扩大相同生产要素最大生产可能性边界的过程［6］。区别于个别技术、生产方式改进的量变过程，新旧动能转换是整体经济增长手段跃迁换代，打破与重塑要素结构、经济结构、区域发展结构和技术结构的质变过程［7］。而新旧动能转换的实现不仅要依靠外向引进与自主创新等多种途径实现的科技进步［8］，也要依赖于人力资本的开发积累、制度环境的变革创新以及产业结构升级的内在支撑等长期因素并最终外在表现为经济转型升级［9］。

得益于人力资本的长期积累以及全球价值链地位的持续攀升，我国经济增长新动能呈现出持续增长的趋势［10］，但由于区域要素禀赋结构以及开发要素生产率的水平差异，不同省份的新旧动能转换演变规律存在显著的区域异质性与不平衡性［11］，如郭金明等［12］的研究认为，东部地区新动能指数显著高于中西部地区；李成刚等［13］依据全国排名前五（TOP 5）产业结构分析法的测度结果表明，北京地区已基本完成新旧动能转换进程，而贵州地区新旧动能转换水平尽管呈现出稳定增长的态势，但转换的不充分性仍然凸显。同时，由于各生产部门间存在要素投入结构迥异与劳动生产率差距，不同产业的新旧动能转换演变进程也具有自身的产业特征，如有研究指出制造业新动能对旧动能的替代能力不断增强，逐渐占据制造业驱动增长的主导位置，并表现出显著的空间集聚性［14］；农业新旧动能转换水平提升相对缓慢［15］；农业支撑农业达到基本现代化要求的新动能力度尚存不足［16］；受全球金融危机后财政刺激计划的投资建设偏向性影响，以科技服务、商务服务为代表的服务业发展新动能体系培育不足，全要素生产率增长乏力［17］。

此外，由于测度新旧动能转换综合指数评价的理论基础及其测算方法存在差异，也引致新旧动能转换演变规律的推算呈现不同结果，如有研究基于C-D 生产函数理论与时间序列回归测算得出的结果认为，我国经济增长动能中新动能占比持续上升，新旧动能力量对比逐渐逆转［1］；利用随机前沿分析法与熵权-TOPSIS 测算得出的我国新旧动能转换综合指数仍处于较低水平，支撑经济增长动能仍然乏力［18］；而以转换动力、转换成效为基础构建评级体系，参考我国国家统计局指标赋权数据测算结果显示，我国新旧动能转换水平呈现出先快速上升后缓慢回落的趋势［19］。

可以发现，现有相关研究已针对新旧动能转换的理论内涵、实现路径以及区域时空演变规律进行了深入探讨，研究对象主要聚焦于全国层面或省级层面，然而随着市场在资源配置中起决定性作用进程不断推进，要素的流动与集聚日趋市场化，相较于传统的行政区经济，城市群已成为支撑经济增长与区域协调发展的主体形态［20］，其内部经济形态演变也更具有联系紧密性与协调一致性［21］。本研究尝试以城市群为视角，探究新旧动能转换的时空演变规律及其区域差异，采用组合赋权法测算新旧动能转换综合指数，以避免单一指标赋权方法存在的局限性，以期为加快推进长三角一体化战略与粤港澳大湾区发展战略提供动能转换视角。

3 研究设计

3.1 新旧动能转换评价指标体系

在C-D 生产函数中，全要素生产率是用来衡量经济增长动能的最直接指标，但由于全要素生产率是基于索洛剩余方法测算形成的［22］，仅能反映出经济增长的综合动能，无法判断经济增长动能的来源结构与变化规律［23］，因此参考郑江淮等［1］、尹希果等［24］的研究成果，从需求侧、供给侧以及结构转换侧3个维度构建新旧动能转换综合指标体系，具体详见表1。

（1）需求侧动能。需求侧动能按照来源方向可以划分为基于恩格尔效应的内需动能与基于比较优势的外需动能，当总供给的生产力水平超过总需求时，总需求是支撑经济体短期经济增长的决定力量。在内需方面，两区域的人均地区生产总值（GDP）早就突破10 000 美元，居民消费结构由满足基本生活型向追求智能便捷和美好生活的方向转型升级，推动产业结构向合理化、高级化与服务化转变，因此，内需动能选取居民非食品消费支出占人均GDP 比重予以衡量。在外需方面，两区域城市群劳动生产率与产品附加值的提高增强了国内产品在国际市场的比较优势，拉动了出口规模的增长，同时融入全球价值链程度不断加深，对于价值链上游的技术、资本以及下游的原料、中间产品等的依赖性也显著增强，因此，推动经济增长的外需动能的增强具体表现为进出口总额占GDP 比重的增长。

（2）供给侧动能。目前两区域依然处于具有产出规模化、同质化等特征的阶段，与消费市场上个性化、多样化与高端化等产品需求形成了突出的供需错配矛盾［25］，解决供需错配矛盾的关键在于利用技术创新手段驱动供给能力，而创新驱动的源泉是高层次人才的创新活力。经济体的高层次人才集聚水平越高，推动其技术进步与供给动能结构升级的步伐越快［26］，因此，选取规模以上工业企业R&D人员区位熵衡量人力资本偏向性技术进步的动能；另外，熊彼特认为创新活动是将全新的生产要素和生产条件引进生产体系并以此获得新价值的过程［27］，在这个过程中，研发资本扮演着将创新主体的创新理论实践化、应用化与价值化的角色，推动经济增长的创新动能主要来源于研发资本投入的规模与研发资本利用的效率，因此分别选择规模以上工业企业R&D 内部经费支出与主营业务收入的比值以及规模以上工业企业新产品销售收入与R&D 内部经费的比值予以测度；最后，考虑到创新活动具有资本投入大、回收周期长以及风险成本高等特点，金融市场成为了经济主体开展创新活动获取社会融资的重要途径，金融发展动能也成为提升总供给能力的重要方面，因此选取金融市场的贷款总额占GDP 比重予以衡量。

（3）结构转换动能。结构转换动能即是指因生产要素在部门内与部门间结构的重新再配置而形成的增长动能。一方面，合理的要素配置结构会对全要素生产率产生显著的正向效应，可避免因要素利用效率低下而导致的要素规模过度投入［28］，因此，考虑到两区域资本和劳动力两种要素之间的相对价格差异，选取劳动力工资增长幅度与资本价格增长幅度的比例表示相对价格变动的资源再配置动能；另一方面，由于各生产部门间生产率差异的存在，生产要素会在各生产部门间迁移与再分配，高附加值要素逐渐向高生产率部门转移，进而挤压低附加值要素下沉至低生产率部门，在各部门生产率维持不变的情况下，生产要素在部门间占比结构的优化重置也会促进总生产率的提高，最终表现为因生产率差异而引致劳动要素流动的鲍莫尔效应，因此对这部分结构转换动能选取三次产业就业相对于全要素生产率变化的弹性表示。

3.2 部分指标和组合权重计算方法

除了规模以上工业企业R&D 人员区位熵、全要素生产率需要用到单独的测算方法外，其他指标的计算都可以根据各种原始数据测算得到。

（1）规模以上工业企业R&D 人员区位熵测算。区位熵通常用来衡量某一要素在区域分布的集聚水平，参考彭珏等［29］的计算方法如式（1）所示：

式（1）中：B1i表示地区i规模以上工业企业R&D 人员区位熵；qim表示地区i规模以上工业企业R&D 人员数；qi表示地区i规模以上工业企业从业人员总数；Qm表示整体规模以上工业企业R&D 人员数；Q表示整体规模以上工业企业从业人员总数。

（2）全要素生产率的测算。由于Malmquist 指数具有反映决策单元前后期全要素生产率动态变化的功能，因此引入Malmquist 指数进行各地区全要素生产率变化的测算。其中，投入指标主要包括劳动、资本与能源，分别采用地区总就业人口、基于永续盘存法计算得出的资本存量以及能源消费总量表示，其中，参考Cho 等［30］的研究，基于永续盘存法计算资本存量的过程如公式（2）（3）所示；产出指标采用地区生产总值表示。把投入指标和产出指标数据导入MaxDEA 软件，求得Malmquist 指数代表的全要素生产率。

（3）新旧动能转换评价指标体系赋权方法。评价指标体系赋权方法主要分为主观赋权法和客观赋权法，但由于主观赋权法主要是基于专家的认知进行定性赋权，评价结果差异化较强、可信度不高，因此现有研究主要采用客观赋权法对新旧动能转换评价指标体系赋权，且多采用以熵权法为代表的单一赋权法，而熵权法也存在着权重均衡化的不足。针对以往研究的缺陷，本研究在分别利用熵权法与变异系数法测算出指标权重的基础上，采用线性组合法并引入“距离函数”的概念，针对新旧动能转换评价指标体系进行组合赋权，具体方法如下。

熵权法赋权的表达式如公式（4）所示：

变异系数法赋权的表达式如公式（5）所示：

利用线性组合法构建的组合权重表达式如公式（6）所示：

式（6）中，α和β分别表示熵权法权重与变异系数法权重的分配系数。

熵权法权重与变异系数法权重的距离函数以及权重分配系数差异表达式如公式（7）所示：

由此可构建计算权重分配系数α与β的方程组（8）：

将式（8）计算得出的权重分配系数α和β代入式（6），可测算得出评价指标体系各项指标的组合权重。将2012—2019 年两区域城市群的36 个地级及以上城市面板数据代入式（1）～（8），计算得出各项指标的熵权法权重、变异系数法权重以及引入距离函数的组合权重，结果如表1 所示。

表1 新旧动能转换综合指数评价指标体系

表1 （续）

3.3 数据来源

选取2012—2019 年长三角与大湾区城市群的36个地级及以上城市面板数据作为研究样本，其中由于香港与澳门地区统计指标存在较大差异，故未列入研究样本。选取该时间段的主要依据在于：一方面，新旧动能转换的理念观点及实践推广主要源于2012年党的十八大以来习近平总书记关于我国经济发展的系列论述；另一方面，研究样本内大部分地级市的科技、对外贸易以及人民生活等相关指标数据仅公布至2019 年。研究数据主要来源于研究期内历年《广东统计年鉴》《江苏统计年鉴》《上海统计年鉴》《安徽统计年鉴》《浙江统计年鉴》《浙江科技统计年鉴》以及各地级市统计年鉴、国民经济与社会发展统计公报，部分缺失数据采用平均增速递推法补齐。

4 两区域城市群新旧动能转换的演变规律和差异分析

4.1 两大城市群新旧动能转换综合指数测算

表2 2012—2019 年长三角与大湾区各地级及以上城市新旧动能转换综合指数

表2 （续）

具体分析发现，2012—2019 年两 区域城市群新旧动能转换水平分别呈现出类“N”型与类“U”型波动增长趋势（见图1），新旧动能转换的不充分性特征逐渐减弱；两大城市群新旧动能转换水平的差距呈现出先减小、再扩大和再减小的态势，显示出这两个城市群作为我国高质量发展的先行区和示范区，在新旧动能转换方面呈现出“你追我赶”的良性竞争态势。

图1 长三角与大湾区城市群新旧动能综合指数与增长率年度分布

4.2 两大城市群新旧动能转换的时间演变特征

长三角城市群新旧动能转换水平的时间 演变过程主要可以分为2012—2015 年、2015—2017 年以及2017—2019 年3 个阶段。在第一阶段，新旧动能转换动力主要源于需求侧动能与供给侧动能共同增长而形成的双重效应。一方面，长三角城市群居民收入水平持续呈现高速稳定增长态势，城镇非私营单位就业人员平均薪资的年平均增长率超过9.28%，为内需扩张注入充分活力，进而推动需求侧动能增长；另一方面，自2012 年以来，长三角城市群技术研发进入规模投入阶段，规模以上工业企业研发投入支出占GDP 比重年 平均增长率保持在12%以上，与前沿经济体的 技术代差日趋缩窄，从而形成供给侧动能增长的快速发展阶段。在第二阶段，2016 年长三角城市群房价跃入快速上涨阶段，对需求侧动能与供给侧动能产生双重挤占效应。一是房价上涨速度远超收入增长速度，房价收入比明显升高，对居民消费形成严重挤压；二是房地产投资高收益率形成的蓄水池效应诱导资本向房地产行业涌入，挤占技术研发投入，对实体经济和供给侧动能产生冲击，进而导致2015—2017 年长三角城市群新旧动能转换水平的持续下降［19］。在第三阶段，自2018 年习近平总书记在首届中国国际进口博览会上宣布支持长三角区域一体化发展并上升为国家战略以来，长三角区域一体化进程不断加快，区域内人才、资本等要素流动日趋自由有序，要素配置结构和要素生产效率得到改善，使得人力资本偏向性技术进步动能、基于熊彼特效应的创新动能和金融发展动能全方位得到改善，从而推动供给侧动能的快速增长。

大湾区城市群作为我国开放程度最高的区域之一，拥有2 个特别行政区、2 个一线城市和2 个经济特区，经济发展方式具有典型的外向型经济特征，受制于国际市场的高风险性与不稳定性，大湾区城市群的新旧动能转换时变特征也呈现出显著的波动性。2013 年受全球经济危机的影响，以出口为主的大湾区城市群外需动能受到冲击，基于出口导向形成制造加工为主的产业结构走向衰退，进入产业转型的经济“阵痛期”；同时与京津冀、长三角相比，大湾区在高等教育、科研院所等R&D 资源存量方面处于相对弱势，对人才资源的吸引相对乏力，综合引致了2015 年以前大湾区城市群新旧动能转换水平的下降态势。为了应对国际市场衰弱导致的产业危机，2015 年大湾区城市群积极采取“腾笼换鸟”的产业结构调整政策，由依赖人力、经费等要素规模投入的粗放增长型，转变为依赖要素利用效率提升的集约增长型，使得大湾区产业结构向合理化、高级化程度不断提升。随着大数据、云计算等在内的新技术以及人才、数据新要素的广泛应用，大湾区城市群以技术研发为基础的创新动能不断增长，技术研发活动由规模投入阶段转入效率提升阶段，单位要素投入产出比显著提升；同时伴随着“一带一路”倡议的实施和国际市场需求的调整恢复，外需动能支撑经济增长动能再次进入稳步增长阶段，2016—2018 年大湾区城市群进出口总额年平均增长6.84%2），因此大湾区城市群新旧动能转换水平在2015—2018 年表现出快速增长的趋势。然而，伴随着逆全球化潮流的兴起，2018 年以来中美贸易摩擦不断升级加剧，2018—2019 年大湾区城市群新旧动能转换水平因外需动能的减弱又有所降低。

4.3 两大城市群新旧动能转换的空间差异特征

利用长三角与大湾区城市群36 个地级及以上城市新旧动能转换平均综合指数，根据自然断点法将其划分为严重低水平地区、低水平地区、中等水平地区、高水平地区以及富足高水平地区5 种类型，如图2、图3 所示，可以发现2012—2019 年两区域城市群新旧动能转换空间分布特征和区域差异如下：

图2 2012—2019 年长三角城市群新旧动能转换平均综合指数空间分布

图3 2012—2019 年大湾区城市群新旧动能转换平均综合指数空间分布

第一，两区域城市群新旧动能转换水平分别呈现出“西北低，东南高”和“由东向西逐级递减”的空间分布特征，区域内新旧动能转换水平不平衡性特征明显。长三角城市群新旧动能转换水平空间分布特征与其内外“双循环”并举的经济发展格局有关：在内需动能方面，位于长三角城市群东南地区的苏州、上海与浙江九市的平均经济发展水平显著高于位于西北地区的江苏八市与安徽八市，东南地区11 个市人均GDP 与城镇单位从业人员平均工资分别高于西北地区16 个市的1.950 万元和0.588万元3），从而具有更强劲的内需动能；在外需动能方面，西北地区16 个市中具有沿海港口的城市占比仅为12.5%，2019 年总吞吐量仅为4.59 亿t，而东南地区11 个市中具有沿海港口的城市占比为45.45%，2019 年沿海港口总吞吐量20.74 亿t4），经济发展的外向性特征更为显著，外需动能优势更为明显。相较于长三角群城市群，大湾区城市群经济发展方式具有明显的外向型经济特征，新旧动能转换明显依赖外需动能。其中，深圳市作为大湾区对外开放程度最高的城市，其外需动能溢出成为了其他城市新旧动能转换水平增长的重要动力来源；其他城市与深圳的地理距离越远，产品的国际运输成本越高昂，产品在国际市场的竞争力就愈发减弱，这客观形成了外需动能随着与深圳地理距离增长而降低的规律，从而导致大湾区城市群新旧动能转换水平具有以深圳为起点“自东向西逐渐递减”的空间分布特征。

第二，两区域城市群新旧动能转换水平分别呈现出“多极化”和“单极化”的空间格局特点。这一特征主要与两大城市群的行政壁垒差异有关。长三角城市群26 个地级以上城市分属于上海市、江苏省、浙江省与安徽省4 个省级行政区，尽管近年来长三角一体化发展取得明显成效，但各个省之间依然相互竞争激烈，分别组成上海都市圈、南京都市圈、杭州都市圈和合肥都市圈，一定程度上强化了省域之间的行政壁垒，限制了人力、资本、技术以及数据等要素在省级行政区之间自由有序流动；而且由于近年来江苏省、浙江省与安徽省实施强省会战略，导致长三角城市群形成上海、杭州、南京与合肥4个新旧动能转换水平极点，其他城市新旧动能转换水平由极点向外延伸呈现出递减趋势。与之不同的是，大湾区城市群中有9 个地级以上城市均位于广东省辖区内，区域内部新旧生产要素流动容易脱离行政壁垒约束，方便建立以国际市场需求为导向的完整的产业链、供应链与价值链体系，从而不同城市依据要素禀赋差异分属于价值链的上中下游，经济发展、对外贸易、研发创新以及主导产业层级分异明显，因此导致了新旧动能转换水平“单极化”的空间格局特征。

第三，两区域城市群新旧动能转换水平分别呈现出“沙漏型”和“倒金字塔型”的空间层级特点。长三角城市群中处于新旧动能转换高水平及以上、中等水平和低水平及以下的城市数占比分别为46.15%、11.54%和42.31%，空间层级分布具有明显的两头大，中间小的沙漏型特点。这可能是由于长三角地区覆盖面积相对广阔、人口规模相对较大，区域内发展不平衡问题仍然显著，科教文卫等基础设施、公共服务资源集中于中心城市，共建共享机制尚不健全，客观造成中心城市对周边城市资源要素的虹吸效应。以人才要素为例，仅上海、杭州和南京3 个市规模以上工业企业R&D 从业人数即占据了长三角26 个城市群总量的23.18%5），从而导致新旧动能转换水平在高水平层级和低水平层级两极分化的特点。而大湾区城市群由于地理面积相对狭小、行政壁垒约束较弱等因素，9 个城市之间联系相对紧密，以出口为导向的产业协同分工处于较高水平，城市间资源梯次配置，差距不悬殊，高层级城市对低层级城市的影响主要表现为内外需动能、技术创新以及产业升级等的溢出效应，因而造就了新旧动能转换高水平城市数量远大于低水平城市数量的倒金字塔型空间层级特点。

5 进一步分析

为进一步探究长三角与大湾区城市群新旧动能转换的时空动态演变规律，采用核密度非参数估计法对两大城市群新旧动能转换水平再度进行分析。核密度估计主要针对随机变量的概率密度进行估计，并利用平滑曲线描述随机变量的动态演进过程，一般被用于探究随机变量的空间分布非均衡问题［32］。用于核密度估计的核函数主要包括线性核函数、多项式核函数、高斯核函数等，本研究采用较为常用的高斯核函数。随机变量X的密度函数f(x)在点x的概率密度表达式以及高斯核函数表达式分别如公式（9）（10）所示：

根据图4 和图5，从核密度曲线的分布位置、波峰数量、波峰形态、分布延展等方面展开讨论得出结果如下：从分布位置来看，2012—2019 年两区域城市群的核密度曲线中心均表现出向右移动的趋势，并且长三角城市群的右移幅度要大于大湾区城市群，但是长三角城市群核密度曲线中线所处位置要小于大湾区城市群，表明研究期内两区域城市群新旧动能转换水平均处于增长态势；同时长三角城市群新旧动能转换水平的增长幅度要大于大湾区城市群，但是长三角城市群新旧动能转换平均水平仍要低于大湾区城市群。

图4 2012—2019 年长三角城市群新旧动能转换综合指数核密度分布

图5 2012—2019 年大湾区城市群新旧动能转换综合指数核密度分布

从波峰数量来看，2012—2019 年长三角城市群的核密度曲线波峰数量经历了由单峰变为双峰的演变过程，反映了长三角城市群新旧动能转换水平由中心集聚向两端极化的趋势，区域中心城市对周边城市表现出显著的虹吸效应，新旧动能转换模式由起初的协同推进转变为不平衡发展；大湾区城市群的核密度曲线波峰数量经历了单峰变为双峰，并由双峰变为三峰雏形的过程，但是波峰间的间隔较小，三峰结构中副峰高度并不明显，表明大湾区城市群新旧动能转换水平虽然也经历了由中心集聚向两端极化的过程，但是两极之间的差距并不显著，并逐渐由两端极化重新演变为中心集聚的分布状态，区域内新旧动能转换不平衡现象正在逐步改善。

从波峰变化来看，2012—2019 年长三角城市群的核密度曲线波峰高度经历了“降低—升高—降低”的3 个阶段，但是波峰宽度却表现出逐年收窄的趋势。其中，第一阶段的波峰高度降低主要是由长三角城市群新旧动能转换水平由中心集聚向两端极化趋势引起的；第二阶段的波峰高度升高反映了两端极化趋势不断增强的过程；第三阶段的波峰高度降低则表明了两端极化现象逐渐缓解。波峰宽度收窄尽管反映了长三角城市群新旧动能转换水平仍然处于两端极化的现状，但区域内新旧动能转换水平绝对差距持续呈现缩小趋势。大湾区城市群的核密度曲线波峰高度整体呈现出不断升高的趋势，同时波峰宽度也呈现出逐年收窄的趋势，收窄幅度大于长三角城市群。结合其波峰数量变化分析，当波峰数量由单峰变为双峰阶段，波峰高度升高表明了大湾区城市群新旧动能转换水平的两端极化现象正处于不断增强状态，当波峰数量由双峰变为三峰阶段，波峰高度升高表明新旧动能转换水平由两端极化重新向中心集聚的趋势逐渐增强。整个研究期内，大湾区城市群新旧动能转换水平绝对差距也呈现缩小趋势，但缩小幅度大于长三角城市群。

从分布延展来看，两区域城市群的核密度曲线延展性均由右拖尾转变为收敛趋势，表明尽管两大城市群区域中心城市新旧动能转换的中心极化现象得到逐年改善，中心城市对周边城市的虹吸效应减弱，但是新旧动能转换水平较高的城市数量也在呈现出下降态势，富足高水平城市新旧动能转换进入瓶颈期，增长速度放缓，与相对低水平城市的相对差距缩减，新旧动能转换的边际溢出效应也逐渐减弱。

6 结论与建议

6.1 研究结论

在长三角一体化、粤港澳大湾区建设先后上升为国家战略的多重背景下，对长三角与大湾区城市群新旧动能转换水平展开科学测度，探究两大城市群新旧动能转换的时空演变规律与区域差异，总结加快两大城市群加快推进新旧动能转换的政策建议，从而为其他地区形成可复制推广的新旧动能转换模式，具有重要现实意义。本研究从需求侧动能、供给侧动能与结构转换动能3 个维度构建新旧动能转换评价指标体系，采用熵权-变异系数组合赋权法测算了2012—2019 年长三角与大湾区城市群36 个地级及以上城市新旧动能转换综合指数，分别从时间、空间的角度详细分析了两大城市群新旧动能转换水平的演变规律与区域差异，并进一步利用核密度估计法探究了两大城市群新旧动能转换水平的动态演变规律，得出结论如下：

第一，两区域城市群新旧动能转换综合指数仍处于较低水平，新旧动能转换的不充分性特征依旧突出，但大湾区城市群新旧动能转换水平显著高于长三角城市群。

第二，在时间演变趋势方面，两区域城市群新旧动能转换水平分别呈现出类“N”型与类“U”型波动增长趋势，新旧动能转换的不充分性特征逐渐减弱，两区域城市群新旧动能转换水平之间差距呈现出“下降—上升—下降”3 个阶段的时变特征。

第三，在空间差异特征方面，两区域城市群新旧动能转换水平分别呈现出“西北低，东南高”和“由东向西”逐级递减的空间分布特征、“多极化”和“单极化”的空间格局特点、“沙漏型”和“倒金字塔型”的空间层级特点，两大城市群区域间新旧动能转换不平衡性特征显著。

第四，核密度估计显示，长三角城市群新旧动能转换水平呈现出由中心集聚向两端极化的演变趋势，转换模式由协同推进转变为非平衡发展，而大湾区城市群新旧动能转换水平呈现出“中心集聚—两端极化—中心集聚”的演变趋势，转换的空间不平衡现象逐步改善；同时两区域城市群的核密度曲线延展性均由右拖尾转变为收敛趋势，表明两大城市群区域中心城市新旧动能转换中心极化现象得到逐年改善，中心城市对周边城市的虹吸效应减弱。

6.2 政策结论

（1）始终把科技创新作为新动能培育的核心任务，推动城市群创新动能稳固增长。长三角城市群要在科技创新投入规模高速增长的基础上，构建多方参与、多方获益、多方担责、充满活力的科技创新生态系统，不断提升投入要素的利用效率，推动创新动能增长方式由粗放增长型向集约增长型跃迁，实现供给侧动能质的提升；大湾区城市群要在创新动能方式转变为集约增长型的基础上，持续解绑科技创新投入规模增长约束，深入开展科研管理体制与机制改革，通过税收优惠、研发费用税前加计扣除等补贴措施鼓励企业加大基础研究投入，加强高等院校、科研院所等创新平台建设，加强人才、技术等资源要素引进，强化供给侧动能对新旧动能转换的支撑力度。

（2）持续推进长三角区域一体化发展战略，全面建立一体化发展的体制机制。一方面，缩小城市群内经济发展水平的区域差距，提高基本公共服务共享化、均等化水平，降低中心城市对周边城市的虹吸效应，缓解区域内新旧动能转换不平衡的现状；另一方面，促进人才、资本、技术等要素在城市群内自由有序流动，增强新旧动能转换高水平城市对低水平城市的溢出效应，破除各省级行政区因行政壁垒而形成的新旧动能转换区域割裂现状。

（3）加快大湾区城市群构建“双循环”新发展格局进程，牢牢把握扩大内需的战略基点。降低过分依靠深圳作为外需动能引擎带动新旧动能转换的龙头地位，重视逆全球化潮流、中美贸易摩擦以及全球新型冠状病毒感染疫情等外部不可控因素对新旧动能转换的负面冲击，将经济发展重心由外部需求转为内部需求，逐步形成“供给拉动内需、内需推动供给”的经济增长新动能，强化“双循环”对新旧动能转换的推动作用。

注释：

1）数据是笔者根据《2020 中国科技统计年鉴》计算得出。

2）数据是笔者根据2017—2019 年《广东统计年鉴》计算得出。

3）数据是笔者根据长三角26 个地级及以上城市2020 年统计年鉴计算得出。

4）数据是笔者根据长三角26 个地级及以上城市2020 年统计年鉴计算得出。

5）数据是笔者根据长三角26 个地级及以上城市2020 年统计年鉴计算得出。