我国工业经济高质量发展水平测度与空间差异研究

2024-04-07张文玉韩桂兰

现代工业经济和信息化 2024年1期

张文玉，韩桂兰

（新疆财经大学，新疆乌鲁木齐 830012）

0 引言

党的十九大报告提出，中国特色社会主义已经进入了新时代，我国经济发展也相应地进入了一个新时代。新时代要求我国经济的发展由高速增长阶段转向高质量发展阶段，同时仍然面临着发展不均衡、不充分的挑战[1]。工业经济也面临着转型升级的压力。工业经济高质量发展是中国经济高质量发展的重要组成部分，对于推动中国经济实现更高质量、更有效率、更公平、更可持续的发展具有重要意义。因此，建立一套适合中国国情的工业经济高质量发展评价指标体系，来测度我国工业经济高质量发展水平显得尤为重要。工业经济高质量发展不仅可以推动经济结构调整，优化产业布局，提高生产效率和产品质量，增强中国经济的核心竞争力。同时能促进创新驱动发展，推动科技成果转化，提升中国经济的自主创新能力。还能加强环境保护和可持续发展，实现经济社会的可持续发展和生态环境的保护。以及推动国际合作与共赢，提高中国企业的竞争力，实现国际合作与共赢。因此，工业经济高质量发展对于中国经济的发展和全球经济的繁荣都具有重要意义。

目前对于工业经济高质量发展的衡量标准存在多样性，没有形成一个统一的标准。在经济高质量发展方面，任保平等[2]提出，经济高质量发展具有多个维度，在建立评价指标时，应从长期、短期、宏观和微观、全局和局部等各个层面进行全面度量。张扬等[3]构建的评价指标体系是基于经济高质量发展的概念构建的，它包括四个方面：美好生活、平衡发展、充分发展和绿色发展。这些方面都是经济高质量发展的关键要素，可以用来衡量一个经济体的健康和可持续发展水平。在工业经济高质量发展方面，吴波亮等[4]以 “创新、协调、绿色、开放、共享” 五大发展理念为基础，构建工业经济高质量发展指标体系。王韶华等[5]从新发展理念以及三大系统维度两个方面进行测度。

在借鉴了相关学者所提出的工业经济高质量发展评价指标筛选方法，本文以新发展理念为基础，建立工业经济高质量发展评价指标体系，对我国30 个省（市、区）进行测算。

1 研究设计

1.1 指标体系构建

本文参考了国内外权威文献和相关领域学者的研究成果，考虑到指标体系的系统性、合理性和可靠性，从创新发展、协调发展、绿色发展、开放发展、共享发展五个维度选取了18 个指标构建工业经济高质量发展评价体系进行测度。

1）创新发展是当前国际趋势和新时代中国工业经济发展的新需求，应该更多地关注于创新，提升生产力与竞争能力。选用研发投入强度和高新技术企业个数进行衡量，创新产出从专利授权量、科技成果创收率和新产品产出效率这三个方面进行测度。

2）坚持协调发展需要关注工业内部和外部的产业结构，努力协调和优化，从而实现工业与整个经济系统的协调发展[6]。本文使用产业结构占比和产业结构高级化进行衡量。

3）坚持绿色发展，既是实现可持续发展的必然要求，也是人民群众追求更好生活的需要。从环境污染、能源消耗这两个方面对绿色发展进行指标选取。在环境污染方面选取了单位工业增加值工业固体废物产生量、单位工业增加值污水排放量和单位工业增加值二氧化硫排放量这三个指标。在能源消耗方面选取了单位工业增加值GDP 能耗和电耗这两个指标。

4）坚持开放发展，是国家繁荣发展的必由之路。本文在借鉴相关学者的研究基础上，主要选取进出口额占比、外商投资和港澳台商投资工业企业单位数及外商投资强度这三个指标来衡量。

5）坚持共享发展，主要体现为发展成果由人民共享。本文选取互联网宽带普及率、失业率及工业企业单位产出利润率这三个指标进行测度。

1.2 数据来源及说明

选择2011—2020 年为研究时段，并选择我国30 个省（直辖市、自治区）为研究对象，因为西藏、香港、澳门、台湾地区的数据缺失较多，不参与分析。表中所涉及的数据主要来自于国家统计局、《中国工业统计年鉴》与各地区《能源统计年鉴》等，其中部分数据来自EPS 数据平台。

1.3 研究方法

1.3.1 熵权-TOPSIS

将熵权法和TOPSIS 法相结合，首先利用熵权法计算各个指标的权重，然后利用TOPSIS 法对各个指标进行排序。这种结合方法确保了赋权过程中不受人为影响，同时能够判定各个观察目标之间的优劣，从而增强了评估结果的客观性和合理性[7]。具体的测算步骤如下。

1.3.1.1 熵权法计算指标权重

首先，对数据标准化处理。

正向指标：

负向指标：

式中：t为年份（1≤t≤T）；i为地区编号（1≤i≤n）；j为指标（1≤j≤m）。

其次，计算第i个地区第j项指标的贡献度ptij、第j项指标的熵值Ej、以及信息熵冗余度dj。

最后确定指标权重wj：

1.3.1.2 TOPSIS 法计算综合得分

首先计算正负理想解X*+、X*-：

式中：J1为正向指标；J2为负向指标。

最后计算相对贴进度C*i：

1.3.2 Dagum 基尼系数

基尼系数是用于衡量一个国家或地区的收入或消费不平等的程度。但它只能衡量总体差异，不能详细分解这个差异是由哪些因素造成的。而Dagum 基尼系数的作用是将总体差异分解为地区内、地区间以及超变密度三个方面进行理解。计算步骤如下：

1）总体基尼系数G的计算公式如下：

式中：yji（yhr）为地区j（h）内第i（r）个省份的工业经济高质量发展水平；μ 为各省份工业经济高质量发展的平均水平；n为省份个数；k为地区个数；nj（nk）是地区j（k）内省份的个数。

2）计算地区j的基尼系数与区域内差异贡献：

3）地区j与地区h之间的基尼系数与区域间差异贡献：

4）计算超变密度1-Djh以及子群中超变密度的贡献Gt：

式中：djh为地区j与地区h之间工业经济高质量发展水平的差值；qjh定义同理。

1.3.3 核密度估计

Kernel 核密度估计法是一种非参数方法，通过使用Kernel 核密度估计法，我们可以更准确地描述和预测高质量发展的趋势和变化。由于核函数种类较多，本文选择常用的高斯核作为核函数的表达形式，假设f（x）为随机变量X的密度函数，随机变量X1，…，XN同分布，X的概率密度如公式（24）所示：

式中：K（·）为核函数；N为观测省份的个数；h为带宽。

1.3.4 Markov 链法

Markov 链通过构造马尔科夫转移矩阵来模拟和分析工业经济发展状态的动态变化。具体来说，马尔科夫转移矩阵的每个元素可以表示为Pij，表示在给定状态i的情况下，转移到状态j的概率。具体模型设定如下：

Pij为状态转移概率矩阵，记为：

空间Markov 链克服参数模型设定误差等缺陷，在经典Markov 模型基础上引入了空间因素，通过比较不同滞后类型下马尔科夫转换矩阵，来判定 “邻居” 的工业经济高质量发展对该区域的工业经济高质量发展程度有何影响。

2 我国省域工业经济高质量发展水平测度结果

2.1 工业经济高质量发展各指标权重

根据熵权-TOPSIS 法公式，以2011—2020 年我国30 个省域的面板数据为样本，计算二级指标的权重，见表1。表中整理了工业经济高质量发展中18 项指标的权重，而由表可以看出一级指标中5 个维度的权重排名依次是开放发展、创新发展、协调发展、共享发展、和绿色发展。

表1 工业经济高质量发展指标权重表

2.2 各地区工业经济高质量发展水平

表2 中列出全国30 个省（市、区）2011—2020 年工业经济高质量发展综合指数及均值排名。

表2 2011—2020 年中国各省份工业经济高质量发展综合指数

纵向来看，经济高质量发展水平在全国各省（市、区）的差距较大，可以划分为三个层次。综合排名前10 名的城市有广东省、江苏省、浙江省、上海市、北京市、山东省、福建省、天津市、安徽省和重庆市，基本位于我国东部地区。位于中等水平的有湖北省、辽宁省、湖南省、四川省、河北省、海南省、广西、陕西省、江西省和河南省。其余省（市、区）工业经济高质量发展水平较低，其中倒数5 个地区包括云南省、宁夏、贵州省、内蒙古和青海省，都位于我国西部地区。

横向通过增长率来看，计算2011—2020 年工业经济高质量发展水平综合指数的增长率，其中高于100%的省（市、区）有河北省、安徽省、湖南省、江西省、河南省、四川省、宁夏和重庆市。增长率小于50%的省（市、区）有广东省、江苏省、浙江省、上海市、北京市、山东省、福建省、天津市、吉林省、海南省和辽宁省。这些省份都位于东部地区且排名靠前，可以说明东部地区的工业经济高质量水平较高，但是增长速度相对缓慢。对比三大地区总体发展水平发现，中部地区的工业经济高质量发展增长速度最快，增长率为108%，其次是西部地区，增长率为85%，这可能是由于自身发展条件的限制，所以在研究一开始的时期，西部地区的工业经济高质量发展水平较低，随着高质量发展的渐渐普及与深入以及人力物力投入，发展迅猛。而东部地区工业经济发展水平增长最为缓慢，增长率为32.5%，可能是由于研究期一开始的工业经济高质量发展水平较高，想要取得一定的进步，后期则需要更大的人力物力投入。

另一方面，绘制我国30 个地区2011—2020 年的工业经济高质量发展水平雷达图，见图1。从时间维度上对我国省域工业经济高质量发展水平的变化情况进行分析。

图1 2011—2020 年我国省域工业经济高质量发展变化情况

从图形上看，越是接近中心的曲线，其相应的数值就越小，而越是往外，其相应的数值就越大[8]。可以看出我国各省（市、区）工业经济高质量发展水平随着时间的变化不断提升，这表明我国工业经济高质量发展具有良好的整体态势。其中，江苏、广东是我国30个省、自治区、直辖市中比较发达的省份，但也有一些区域比较落后。在样本期间，我国各区域之间的发展差距没有出现明显的缩小趋势，表明我国工业经济高质量发展水平在区域中一直处于不均衡状态。

2.3 各维度工业经济高质量发展水平

计算得到30 个地区的工业经济高质量发展指数及五个分维度指数（因篇幅较大的原因，取平均指数），表3 显示了各省（直辖市、自治区）的工业经济高质量发展在五个维度下的综合指数。

表3 各省份分维度工业经济高质量发展水平

由表3 可知，创新发展指数排在前三名的地区分别是广东省、江苏省和浙江省，均位于我国的东部地区。协调发展指数排名前三的地区分别是北京市、上海市和海南省。绿色发展指数排名前三的地区为天津市、江苏省和山东省，其中西部地区的绿色发展排名靠后，是因为西部地区重工业占比较大，同时工业经济发展带来了大量的工业污染和能源消耗，对环境造成了污染。开放指数排名前三的地区为广东省、江苏省和上海市，结果与实际也相匹配，沿海东部城市历来都是与外界接触较多的地方。排名靠后的基本来自西部城市，由于地理位置、交通运输等导致其对外贸易等发展较差[9]。共享指数排名前三的是北京市、浙江省和江苏省。从五个指标维度可以看出，我国东部地区工业经济高质量发展水平总体较高，中部及西部地区在各方面都有待提升。

3 我国省域工业经济高质量发展水平的区域差异

为了研究我国工业经济高质量发展水平的区域差异，将30 个省份划分为东、中、西三大地区。在此基础上，再依据Dagum 基尼系数分解法，对三大地区的基尼系数进行分解并分析，结果如表4 所示。

表4 中国工业经济高质量发展水平的地区差异分解及其来源

3.1 区域内差异

由图2 可知，在2011—2020 年我国工业经济高质量发展水平的总体基尼系数呈现下降态势，由2011 年的0.376 下降至2020 年的0.248。说明我国个数工业经济发展的可持续性和稳定性进一步提高，各省份之间的发展差距也在逐步缩小，这为全国工业经济高质量稳定发展奠定了坚实的基础。分地区来看，三大地区的区域内差异呈现逐步缩小的趋势。我国东部地区的工业经济高质量发展水平在2011—2020 年内差异表现为持续下降趋势，但在2019—2020 年的差异水平在我国总体基尼系数上。中部地区在考察期内，呈现逐渐下降趋势，由2011 年的0.083 下降至2020 年的0.078。说明中部地区的区域内差异在逐步缩小。西部地区的工业经济高质量发展水平的差异整体上也呈现缓慢下降，从2011 年的0.159 下降至2020 年的0.103，其内部差异介于东部地区和中部地区之间。

图2 中国工业经济高质量发展水平的总体及区域内基尼系数演变趋势

3.2 区域间差异

区域间差异由图3 可知，从变动趋势来看，东部-西部和东部-中部之间工业经济高质量发展水平差异都呈下降态势，但是东部- 西部下降趋势更加明显，从2011 年的0.527 下降到2020 年的0.323，说明东部-中部两地区之间的差异在逐渐缩小。中部-西部的区域间差异在2011—2019 年呈上降态势，说明区域间分化的问题还较为严重。从差异大小来看，东部-西部地区之间的区域差异最高，这也是构成整体不均衡的主要原因。而中部-西部地区存在差异最小。说明我国东部地区的工业经济高质量发展得在政策优势、地理优势、技术创新、市场需求和人才优势等多方面因素的综合作用喜爱发展水平仍然在继续领先。

图3 中国工业经济高质量发展水平区域间基尼系数演变趋势

3.3 地区差异来源及贡献率

就区域差异来源及贡献率而言，图4 给出了各分解项系数对总体基尼系数的贡献率变动趋势。其中地区间差异对总体差异的贡献率最大约为64%，并呈现下降的变化趋势。其次是地区内差异的贡献率约为30%，变动幅度较小。超变密度对总体差异的贡献率最小约为6%，呈现逐步上升趋势。以上结果表明,区域间差异的贡献率最大，东部地区与西部地区之间区域差异最为严重。因此，减小区域间的差异是提高中西部地区和平衡全国工业经济高质量发展的关键。

图4 中国经济高质量发展水平地区差距贡献率的演变趋势

4 我国省域工业经济高质量发展的动态演进

4.1 Kernel 密度估计法

为了更直观的呈现我国工业经济高质量发展水平绝对差异及其动态演化趋势，使用stata16 进行作图，并选取2011 年、2015 年和2020 年为代表性年份，绘制核密度图，如图5 所示。

图5 核密度动态演进估计

从全样本分布位置来看，我国工业经济高质量发展演进呈现出逐年右移的趋势，也说明了在2011—2020 年我国各地区的工业经济高质量发展水平在逐渐提高。从分布形态来看，曲线主峰随着时间变化在下降，同时曲线宽度拉大，右拖尾变长，说明我国工业经济高质量发展水平的绝对差异呈现持续扩大的趋势。从峰值变化上来看，2011 年峰值最高，2015 年和2020 年峰值较2011 年下降较多，说明我国工业经济高质量发展水平在不断提升，较好的区域在不断增多。图5-2 至图5-4 分别描述了东部、中部和西部地区的动态演进趋势。从分布位置看，分布曲线都呈现明显的向右偏移趋势，说明三个地区的工业经济高质量发展水平总体呈上升趋势。从分布形态看，三大地区的主峰高度均呈现下降趋势，且曲线宽度逐渐拉大，说明三大地区的工业经济高质量发展水平的差异程度在不断扩大。

4.2 传统Markov 链和空间Markov 链

为了考察随空间变化发生的演变规律，使用传统Markov 链和空间Markov 链方法，并借鉴聂长飞等人的研究[10]，将我国工业经济高质量发展水平分为四个等级。设置测量时间跨度为1 年，使用Matlab 软件计算状态转移概率。

由表5 可知，由传统Markov 链模型发现，我国工业经济高质量发展在内部流动性方面表现较差。具体来说，转移概率最大的均是对角线上的元素，意味着在Markov 链模型中，发展从一个阶段转变到下一个阶段的可能性最大，而跨越多个阶段的可能性则较小，有较强的稳定性。特别是处于两端的两种水平的稳定概率，高达0.773 和0.953，分别对应向上和向下发生转移的概率只有0.227 和0.047，意味着中国工业经济高质量发展水平的俱乐部趋同特征明显。

表5 中国工业经济高质量发展水平的转移概率矩阵

根据表6 数据，对工业经济高质量发展的内部流动性进行了进一步的分析，发现高水平和低水平类型的地区在地理上的分布相对较为分散，相互之间的距离较远，因此交流和合作的机会相对较少。此外，分析结果表明，转移概率矩阵中对角线上的元素远大于对角线下的元素，这意味着工业经济高质量发展仍然具有俱乐部收敛的特征。换句话说，工业经济高质量发展的水平相对稳定，同一类型的地区之间更容易实现状态转移，而不同类型之间的转移则相对较少。

表6 中国工业经济高质量发展水平的空间转移概率矩阵

其次，随着空间滞后类型上升，低水平地区、中低水平地区以及中高水平地区的稳定性降低，向上转移概率逐渐变大。对于中低水平地区，当空间滞后类型继续上升为中高水平和高水平时，中低水平地区向上的概率分别为0.238 和0.267，表明与发展水平较高的地区相邻，有助于提高本地区工业经济高质量发展水平，并存在正向 “溢出效应”[11]。