新质生产力驱动区域高质量发展：机制与路径

【摘要】基于新质生产力“以新促质”的核心要义， 本文从要素、 产业、 空间和制度四重维度出发， 延展为新兴生产要素、 新兴产业赛道、 新式空间联系和新增制度供给的四维“新质”理论机制框架。由此衍生出数据要素配置、 高技术产业创新质量、 创新资源协同空间联系和制度供给的表征变量作为高质量发展的前因条件变量， 以我国30个省份为研究对象， 运用模糊集定性比较分析方法， 探究新质生产力驱动区域高质量发展的复杂机制与路径。研究发现： 新质生产力驱动高水平高质量发展的路径有2条， 包括“数据要素—空间协同”式突破驱动型和“数据要素—制度供给”式领先驱动型； 导致非高水平高质量发展的路径存在两种且均呈现数据要素配置不足的特点。

【关键词】新质生产力；高质量发展；组态效应；fsQCA

【中图分类号】 F270 【文献标识码】A 【文章编号】1004-0994（2024）21-0103-7

一、 引言

全球经济治理体系、 国际经济秩序面临加速调整， 在立足新发展阶段、 构建新发展格局的时代语境下， 探索实现什么样的高质量发展、 怎样实现高质量发展成为重大议题。高质量发展的动力机制探索以创新活动内容为起点， 从单一方面的技术创新活动到以科技创新为主的协同驱动。而科技创新带来的技术革命性突破和生产力发展路径跃升是有机统一的， 科技创新引致生产要素创新性配置， 引领着经济社会不断向前发展， 为生产力发生质变提供了可能性（张新宁，2024）。党中央基于对世界科技进步前沿的深入洞察， 结合历史经验， 着眼于全面建成社会主义现代化强国这一现实目标任务， 创造性地提出了一个富有新一轮科技革命的主导性、 新兴产业赋能的前瞻性、 新时代高质量发展的旨归性的新创见——新质生产力。其与“高质量发展”共同回答了“新时代中国发展怎么看、 怎么干”的关键议题。新质生产力的核心要义是“以新促质”， 即以创新驱动高质量发展， 本质上就是要以科技创新引发全要素生产率提升、 释放驱动高质量发展的新动力， 其实现过程就是实现经济动能由传统要素投入向创新要素组合驱动的转换过程， 实际上也是一个打造更高水平的高质量发展的过程（张林，2024）。深刻解读新质生产力与高质量发展的关系现已成为学界研究的重点和难点。

基于对高质量发展内涵的不同理解， 学界对新质生产力推动高质量发展的路径主要从以下三个方面展开研究。首先， 部分学者从经济学的理论框架出发， 深入探讨新质生产力如何影响并推动经济向高质量发展的新质态转变。该部分文献着重剖析了新质生产力在经济动力结构和效率等方面对经济高质量发展的推动作用（张林，2024）。其次， 部分学者从新发展理念的维度讨论新质生产力与高质量发展的互动关系。蒋永穆和乔张媛（2024）指出高质量发展进入新旧动能转换期， 必须坚持在贯彻d42fbb4d587cd10c34679105b65a8944ba74480b8bb4b290d2a7ef14c071993c新发展理念中加快发展先进生产力新质态； 新质生产力以塑造高质量发展推动力和以锻造高质量发展支撑力为总体目标， 以创新增强新质生产力发展动能， 是以协调为内在要求、 以绿色为鲜亮底色、 以开放为双向驱动、 以共享为价值旨归的先进生产力质态。最后， 还有部分学者从发展的过程面和结果面考虑， 认为新质生产力是数字时代更具融合性、 更能体现新内涵的生产力， 具有强大的增量效益， 表现在通过科学技术改进现有生产力要素从而优化发展要素， 在经济、 政治、 文化层面均拓展了发展内容（徐政等，2023）。

已有学者围绕新质生产力和高质量发展的重要论述展开了丰富研究， 但是对于二者之间的理论关系还未达成统一认识。一是， 新质生产力的根源挖掘是问题的核心， 但其所包含的多种要素之间的复杂互动机制， 仍有待从多维视角进行综合分析。二是， 对于新质生产力概念内涵的理解， 尽管众多文献进行了科学表征和测度， 但是目前的研究尚在起步阶段， 并未很好地体现其特质。三是， 关于新质生产力与高质量发展的关联， 多数研究仅停留在定性分析层面， 缺乏实证研究对二者之间关系的验证。特别是， 我国各省域资源状况各异， 新质生产力的发展基础亦不相同， 因而在迈向高质量发展的过程中， 其作用机制与路径不尽相同。鉴于此， 本文尝试构建一个融合“要素—产业—空间—制度”四维互动的新质生产力理论框架， 以期从全新视角深入理解新质生产力的内涵， 并以我国30个省份为研究对象， 通过运用模糊集定性比较分析（fsQCA）方法， 从组态视角刻画新质生产力驱动区域高质量发展的本质及其呈现的多样组态路径， 为不同省份实现“以新促质”提供路径选择。

二、 新质生产力驱动区域高质量发展的理论框架

本文探究新质生产力驱动高质量发展的内在逻辑， 发现这一过程的本质实则为众多创新活动相互交织、 共同作用而引发的经济社会全要素生产率的提升。具体而言， 生产要素的积累和技术进步必然引起产业结构的升级， 要素聚集和产业扩张又都需要空间需求的相应变化， 一系列经济活动又需要制度的激励和制约。因此， 理解新质生产力驱动高质量发展的视角绝非单点切入， 本文基于系统论的视角对其进行整理与归纳， 构建了基于“要素—产业—空间—制度”的四重维度的“四位一体”理论框架。

（一） 基于“要素—产业—空间—制度”的新质生产力理论框架

1. 要素维度： 新型生产要素。新古典经济学认为经济增长取决于要素投入规模的扩大、 要素积累的增多、 要素使用效率的提高等。传统要素驱动经济增长主要受限于生产要素出现的低效配置， 加之市场环境和贸易壁垒的影响， 技术创新要素流通受阻从而无法流向价值链中高端。但在我国数字经济创新实践的推动下， 数据要素已成为不可或缺的生产要素之一， 与劳动力、 资本和技术等传统要素并驾齐驱。数据不仅具有低生产成本、 大规模可得等一般关键要素的基本特性， 而且具有低成本复制、 外部性、 即时性等诸多经济特征（蔡跃洲和马文君，2021）。因此， 从要素维度来看， 新质生产力摆脱了要素驱动的传统扩张模式， 以具有低边际成本、 多场景复用能力、 强渗透性和融合性特征的数据要素为核心生产要素。

2. 产业维度： 新兴产业赛道。结构主义发展经济学认为产业结构的变化或工业化是经济发展的前提， 而要素的使用和组合构成了产业， 因而从这个意义上来说， 经济发展可以理解为要素由闲置状态或低效率产业转移至高效率产业的过程。新一轮科技革命和产业变革到来， 当前的科技创新落脚于产业创新， 产业创新成为科技创新的终端， 生物技术、 新材料、 新能源、 环保等新兴产业的高科技产业化问题备受关注。新兴产业和未来产业具有知识密集、 技术密集、 附加值高的特点， 拥有不同于其他产业的绝对优势从而位于创新前沿面， 其发展水平对于一个国家或地区经济的高质量发展具有重要的战略意义（韩文龙等，2024）。因此， 从产业维度来看， 新质生产力通过颠覆性创新技术和创新性资源配置对时空条件受制约的传统产业改造升级， 使其产品架构、 商业模式、 应用场景得到相应改变， 推动传统产业焕新、 新兴产业壮大、 未来产业培育， 加快产业迈向全球价值链中高端。

3. 空间维度： 新式空间联系。无论要素、 产业还是各种经济活动的开展和经济发展都需要在一定的空间内得以实现， 企业往往优先选择在相邻区域内达成创新目标（李子彪等，2024）。创新资源并非在各区域中静止孤立地存在， 而是依托空间相互作用， 加速技术、 知识等要素的扩散与外溢， 进而形成了复杂而动态的相互影响， 构建了创新资源的协同空间联系， 这种联系有效缩小了不同区域间创新资源协同的势差， 使得创新资源得以高效转化为生产力（吕海萍等，2017）。新质生产力中的数字生产力加强了区域间创新资源协同的空间联系， 特别是人工智能作为一种特殊生产要素和新型技术类型， 基于广泛的社会应用场景以及海量数据资源的深度挖掘与应用， 将虚拟要素的快速多变排列组合， 形成以流量变现为特点的流量空间， 打破了传统地理空间的绝对限制， 改变了产业之间的分布状态和空间联系， 促进产业链在空间延展（杜传忠和疏爽，2023）。

4. 制度维度： 新增制度供给。科学技术革命首先推动了生产力的革新与飞跃， 进而引发了其背后社会生产关系的深刻调整与变化。新供给经济学强调对制度供给的理解和认识， 它将各种要素供给纳入一个与制度供给紧密相连的分析框架之中， 这一系列观点落实41+q5073b+cy9BoYwwOetYytnAXkVMFZG7GAg8QYhCw=到中国的实践层面， 表现为以改革为核心， 从供给侧发力推动的新一轮制度变革创新。新质生产力范畴内的产业， 部分也是制度敏感型、 依赖型产业， 需要政府把经济工作中的新理念、 新政策等引入原有的体系中， 形成新的发展组合能力， 为原创性、 颠覆性科技创新提供良好环境（刘志彪等，2023）。因此， 新质生产力系列维度的质态变化均对现有的生产关系提出了新的挑战， 必然呼唤与之适配的新型生产关系。

（二） 新质生产力驱动区域高质量发展的机制模型

基于新质生产力“四位一体”理论框架， 本文选择以下表征变量作为影响区域高质量发展的关键变量， 由此构建了新质生产力驱动区域高质量发展的机制模型， 如图1所示。

1. 数据要素配置。数据要素在配置过程中以数字技术、 数字平台为载体， 发挥数据要素的低成本复制、 外部性、 即时性优势， 推动其他生产要素优化重组（蔡跃洲和马文君，2021）。数据要素配置对产业、 空间和制度维度的影响为： 一是以数据为核心生产要素的数字经济的双重产业化机制， 一类是指数字技术创新和数字产品生产等经济活动的数字产业化影响， 另一类则是国民经济非数字产业部门使用数字技术和数字产品带来产出增加的产业数字化过程。二是数字及互联网等技术的广泛运用， 成功打破了知识传播与创新要素配置的传统技术壁垒， 使知识传播挣脱了物理时空的束缚， 使得创新主体可以更便捷地传播、 共享并交互信息（韩兆安等，2022）。三是政府能够充分利用海量数据资源， 优化多元信息资源利用方式， 塑造信息化管理架构， 为人民群众提供高效便捷的数字政府服务。

2. 高技术产业创新。高技术产业具有技术更强、 渗透更广、 投入更高、 风险更大的特点， 与战略性新兴产业和未来产业交织， 进而壮大具有高附加值能力、 高技术含量的中高端产业体系， 成为支撑我国经济高质量增长的主要动力（张矿伟等，2023）。高技术产业创新驱动经济高质量发展的作用机制表现为对其他产业和地区的技术外溢效应。跨越地域与产业界限的高技术产业新产品与新技术得到广泛应用与推广， 有效降低了劳动生产过程中的资源消耗， 显著提升了相关产业的投入产出比， 进而促进了经济效益的稳步增长。此外， 技术外溢效应也促进了其与传统产业间的融合发展， 使低附加值产业逐渐转变为高附加值产业， 从而优化了传统产业的结构， 提升其产出的总量增长。

3. 创新资源协同空间联系。历次生产力的飞速发展都离不开新技术革命的发展， 更离不开新技术革命开辟的经济空间， 创新是突破旧的经济束缚、 寻求新的经济空间， 是生产力跃阶发展的持续动力。新质生产力借助数字信息技术使得新的经济空间被进一步发掘。其机制在于， 数字技术以高渗透性、 规模效应及网络效应加速信息与知识要素流转， 不断的拓展和延伸推动了传统要素组合方式的优化， 引致空间上创新资源的协同关联性增强， 有效削弱了经济发展的时空约束， 加强区域间技术合作的同时形成空间扩散效应， 使落后地区通过学习效应主动追赶发达地区， 有效促进了区域协调发展（徐维祥等，2021）。

4. 制度供给。面对“山寨”取代创新、 合谋软化监管等诸多乱象， 新一轮制度供给旨在有效摆脱产业基础与颠覆性创新、 传统与现代、 现在与未来、 政府与市场等方面的束缚， 消除阻碍新质生产力发展的落后生产关系（金培振等，2019）。制度供给是决策者在既定条件下实现正式规则创新与设立的过程。其有效性通过三大功能得以实现： 首先是规范约束， 旨在规范经济主体的行为及其相互关系， 有效减少社会经济中的不确定因素与“寻租”行为； 其次为激励机制， 即构建一套能使社会资源与潜力得到充分利用的机制； 最后是明确产权并降低交易成本， 从而促使技术效能最大化（龚一萍，2011）。

三、 研究方法与变量确定

（一） 研究方法

本文从组态视角出发， 选择fsQCA方法探析新质生产力对区域高质量发展的驱动机制， 主要是基于以下考虑： 一是定性比较分析方法作为一种基于整体论分析多要素组态效应的范式， 常用于解决传统定量与定性方法不能解决的复杂因果组合问题， 更关注前因条件与结果变量之间的非对称性关系， 以更好地解释管理领域的复杂现象（杜运周等，2021）。二是相较于清晰集定性比较分析（csQCA）和多值集定性比较分析（mvQCA）方法， fsQCA综合考虑了集合隶属的类别和程度， 使用校准隶属度（0～1）对研究问题进行赋值， 因而同时拥有定性和定量的属性， 最终有效弥补了布尔代数和多值条件的简单分类的缺陷。

（二） 变量测量及校准

1. 变量测量。

（1） 结果变量： 包容性绿色全要素生产率（IGTEP）。区域高质量发展必须注重“绿色发展”理念， 同时也要考虑到经济增长、 结构优化、 社会公平和环境协调等多重诉求， 因而将资源消耗和污染排放分别作为要素投入与非合意产出纳入效率评价指标体系， 并将体现缩小城乡和区域居民收入消费差距的“共享”“协调”的“包容性增长”理念纳入其中， 故选用包容性绿色全要素生产率作为结果变量。参考李冬和杨万平（2023）的研究， 本文将社会发展失衡指数纳入非期望产出， 设计了如表1所示的包容性绿色全要素生产率（IGTEP）投入产出指标体系。

（2） 前因变量测量。一是数据要素配置（Data）。数据要素属于无形生产要素范畴， 其配置水平难以用单一指标测度。本文参考李治国和王杰（2021）、 潘宏亮等（2024）的研究， 从数据要素基础建设、 数据要素市场化、 数据要素管理三个层面构建评价指标体系， 采用熵值法处理后得到一个总的数据要素配置指数， 如表2所示。

二是高技术产业创新质量（HIIQ）。以往研究多使用发明专利授权率衡量高技术产业创新质量， 但发明专利授权率指标时效性不佳， 具有时间滞后性问题， 因此本文借鉴金培振等（2019）的研究， 以发明专利申请数占专利申请总数的比重来衡量高技术产业创新质量。

三是创新资源协同空间联系（IRSG）。狭义的创新资源协同是指传统的人力创新资源与财力创新资源间相互影响、 相互制约的交互作用状态， 此处借鉴吕海萍等（2017）的研究， 采用交互项来测度资源协同。公式如下：

IRSit=RPit×REit （1）

其中： IRS为某区域的创新资源协同度； i为各区域， t为各年份； RP和RE为人力创新资源和财力创新资源， 分别采用研究与试验发展（R&D）人员全时当量（人年）和研究与试验发展（R&D）经费内部支出（万元）来衡量。为了能直观地模拟出创新资源协同在不同区域空间上的分布规律和变化趋势， 本文进一步采用引力模型对区域创新资源协同的空间相互作用展开测度（Zipf，1946）。公式如下：

IRSGij=IRSi×IRSj/ =RPi×REi×RPj×REj/ （2）

其中： IRSGij表示i区域和j区域创新资源协同的空间关联强度； 对于i区域而言， IRSi表示对其具备的创新资源协同的“引力质量”， j区域同理； Dij为i、 j两区域省会城市之间的直线距离。在此基础上， 求取某一个区域与其他区域之间创新资源协同空间关联强度的总和。公式如下：

ISRGi= ISRGij （3）

四是制度供给（INST）。学界难以从法律法规、 行政命令的单一视角量化制度供给水平。从总体上看， 市场环境、 金融机构、 专利权维护管理机制等都会对创新产生一定的影响。参考刘思明等（2022）的研究， 本文从市场制度环境、 金融制度环境、 知识产权保护水平和创新政策水平四个方面选取指标， 构建评价指标体系， 采用熵值法综合测算制度供给水平指数， 如表3所示。

2. 数据来源。本文采用2013 ～ 2022年我国30个省份（西藏自治区、 香港特别行政区、 澳门特别行政区和台湾省因数据缺失， 未纳入统计）的数据作为研究样本， 相关数据来源于各省市统计年鉴、 《中国高技术统计年鉴》、 国家统计局网站系统等。对个别缺失的数据， 通过对已知时间序列数据运用插值法计算求得。考虑到前因变量与结果变量绿色全要素生产率之间存在时间滞后效应（盛亚等，2022）， 因此前因变量均采用2021年的数据， 结果变量则采用2022年的数据。

3. 数据校准。为进行必要性与充分性的子集关系分析， 将结果变量和条件变量的完全隶属、 交叉和完全不隶属校准点分别设为样本数据的95%、 50%和5%（薛奕曦等，2024）。将所有校准后显示为0.5的条件值人工调整为0.501以便于软件识别， 各变量锚点值及描述性统计结果如表4所示。

四、 实证分析与讨论

（一） 单个条件必要性分析

在进行条件组态分析前， 采用fsQCA 3.0软件对所有前因条件变量进行单个条件必要性分析。由表5可知， 除非高数据要素配置外， 其他各个条件的一致性均低于临界值0.9（杨媛棋等，2024）， 说明除非高数据要素配置外所有单个的前因变量不是高/非高高质量发展的必要条件， 后续软件操作将这一结果纳入考虑。

（二） 条件组态充分性分析

在运用fsQCA 3.0软件进行组态分析时， 应根据研究需要设置相关参数： 已有研究在总样本较少时将最小案例频数阈值设定为1（杜运周和贾良定，2017）； 在不同情境下选用不同的原始一致性阈值和PRI一致性阈值， 如0.8（杜运周等，2020）和0.7（Shang等，2024）、 0.75（Gong和Yang，2024）、 0.76（张明等，2019）。本文的30个案例数属于中小样本， 前因条件变量个数为4， 故将频数阈值设定为1， 将原始一致性阈值和PRI一致性阈值分别设置为0.8和0.7， 对真值表进行完善。条件组态分析结果如表6所示： 产生高高质量发展水平的组态共有两种， 为H1和H2； 产生非高高质量发展水平的组态也有两种， 为NH1和NH2。

1. 高高质量发展水平组态分析。引致高高质量发展水平的组态构型包括H1和H2， 总体覆盖度约为0.718， 可以解释约71.8%的样本案例。各条路径一致性及解的总体一致性均大于0.9， 表明条件变量对结果变量具有较大的解释力度。在对组态命名时， 需把握3个要点， 即“简洁地表达”以减少术语引起的混淆、 “捕捉整体”以展现逻辑结构和“唤起组态的本质”以兼顾组态解的整体性和每个组态的独特性（Furnari等，2021）。因此， 本文依据“四位一体”理论框架的命名思路， 结合各组态的核心条件及背后的解释逻辑， 将高高质量发展水平的两类组态归纳为“数据要素—空间协同”式突破驱动型和“数据要素—制度供给”式领先驱动型。下文将结合相关理论和典型案例加以具体诠释。

（1） “数据要素—空间协同”式突破驱动型。组态H1可以解释约54.2%的高高质量发展案例， 其中约14.2%的案例仅能被该组态解释。该组态表明， 在数据要素配置和创新资源协同空间联系为核心条件的协同驱动情况下， 能够达到较高的高质量发展水平。首先， 各省份基于现实场景的海量数据资源， 通过数据要素配置， 促进数字技术和实体经济深度融合， 赋能制造业转型升级， 一定程度上摆脱了该地区传统资源要素受限的被动扩张模式。其次， 通过较高的创新资源协同的空间联系实现空间扩散效应： 一是可借助“人工智能+”将虚拟数据要素进行流量变现形成流量空间， 打破传统地理空间的绝对限制， 加强与其他地区的创新联系。二是利用区位优势实现创新资源富集， 以绝对地理距离优势提升实体货品跨省贸易的物流效率， 并发挥区位纽带作用连接多省打造短时交通圈以实现经济联动发展。

该模式的代表性省份有江苏、 浙江、 河南、 山东、 湖南和重庆， 这些省份地处我国东部和中部地区， 区位优势明显， 受到周围经济强省较显著的辐射作用， 在发展过程中逐步找到适合自己的发展优势定位， 能够突破各自的发展短板。以相对典型的江苏省为例， 江苏省9市入围长三角中心区， 占比三分之一， 制造业发达、 创新资源丰富、 开放程度高， 不断利用交通区位和沿海区位优势打造优势产业链， 支持中心城市圈协同发展、 提升能级。跟踪近年来由中国通信研究院发布的《中国数字经济发展白皮书》可知， 江苏省数字经济发展已走在全国前列。2022年以来， 江苏省深入实施制造业智能化改造和数字化转型三年行动计划， 使该省数实融合达到较高水平。

（2） “数据要素—制度供给”式领先驱动型8arUDJLgfkctiBU/50j39A==。组态H2可以解释约57.7%的高高质量发展案例， 其中约17.6%的案例仅能被该组态解释。组态H2表明， 在以数据要素配置和制度供给为核心条件的协同驱动情况下， 加之高技术产业创新的边缘条件， 可实现较高的高质量发展水平。具有较好的制度环境的省份， 其知识产权保护政策、 金融政策等可不断催生各类主体的创新行为。这些省份由于各类政策落地与实施、 市场、 金融环境相对较好， 创新、 创业资源丰富， 产业集群水平相对较高， 更具备探索数据产权、 流通交易、 收益分配、 安全治理等关键领域的先发优势， 能提高数据挖掘效率、 充分释放数据要素价值， 利用数字经济促进各领域降本增效。

该模式的代表性省份有北京、 广东、 上海、 湖北、 安徽和四川， 这些省份的经济发展实力在各自的区域内处于领先地位， 具有较强的竞争实力。首先， 北上广作为基础设施、 开放程度、 创新资源、 产业基础和财政优惠等方面条件相对较好的代表性城市， 其数字经济产业发展较快， 对战略性信息产业的布局更具前瞻性。此外， 安徽省也是此模式下极具代表性的省份。其全域被纳入长三角一体化发展国家战略， 实现了思想理念和体制机制的等高对接， 为区域发展注入了新的活力与动力。地处安徽省的领军企业如科大讯飞和阳光电源， 其品牌活力持续焕发， 所带来的系列正面效应不断提高当地经济发展的活力与质量， 在发展新质生产力的过程中扮演着重要角色。

2. 非高高质量发展水平组态分析。考虑到fsQCA 方法的因果非对称性， 本文进一步分析导致非高高质量发展水平的组态路径。由表6可知， 包括NH1和NH2的组态构型总体覆盖度约为0.728， 可以解释约72.8%的样本案例。各条路径一致性及解的总体一致性均大于0.89， 同样达到了较高水平的解释力度。横向对比组态NH1和NH2可知， 两种组态均以数据要素配置和创新资源协同空间联系为核心条件缺失， 但其边缘条件有所不同。在组态NH1中， 制度供给的不足是导致非高高质量发展水平的结果的边缘条件， 高技术产业创新质量则为无关紧要的条件。而在组态NH2中， 高技术产业创新质量则为边缘条件， 制度供给则为无关紧要的条件。NH1的代表性省份有新疆、 青海、 黑龙江、 甘肃、 宁夏、 吉林、 广西等， NH2的代表性省份有海南、 贵州、 内蒙古等， 可知非高高质量发展水平的组态案例均隶属我国西部和东北部地区。这些省份由于经济发展相对落后， 区位优势相对不足， 如不提高数据要素配置效率并与其他省份创新协同联系， 必将较难在短时间内实现高水平的高质量发展。

（三） 稳健性检验

关于fsQCA的稳健性检验， 可以采用调高案例的原始一致性阈值、 提高PRI一致性、 改变案例频数、 新增与结果相关的其他条件、 增加或删除案例的方式进行， 通常在以上几种方法中选择一种即可（张明和杜运周，2019）。本文依据原始案例数和条件变量数， 将原始一致性阈值由0.8调升至0.85（陈曦等，2023）， 得到新组态与上述分析结果一致， 说明研究结果具有较好的稳健性。

五、 小结

（一） 研究结论

本文基于新质生产力“以新促质”的核心要义， 尝试构建“要素—产业—空间—制度”的新质生产力理论框架， 选取数据要素配置、 高技术产业创新质量、 创新资源协同空间联系和制度供给4个变量作为影响区域高质量发展的关键因素， 采用包容性绿色全要素生产率作为高质量发展的表征变量， 运用fsQCA方法探究了我国30个省份的高质量发展水平提升路径， 以揭示高质量发展的核心条件及其复杂互动本质。主要结论如下： 除非数据要素配置外， 数据要素配置、 高技术产业创新质量、 创新资源协同空间联系和制度供给均无法单独构成区域高、 非高高质量发展的必要条件， 表明单个条件对高质量发展的解释力较弱。同时， 存在两条新质生产力驱动区域高水平高质量发展的路径： 一是以高水平数据要素配置和较强的创新资源协同空间联系构成的“数据要素—空间协同”式突破驱动型路径； 二是在以数据要素配置和制度供给为核心条件的协同驱动情况下， 加之高技术产业创新的边缘条件构成的“数据要素—制度供给”式领先驱动型路径。两条路径均以高水平的数据要素配置为核心条件。导致区域非高高质量发展的路径也有两条， 均以低效的数据要素配置和较弱的创新资源协同空间联系为核心条件。

（二） 理论贡献

本文主要理论贡献如下： 一是以新质生产力为研究起点， 结合其“以新促质”的核心要义， 不同于现有研究对新质生产力的单点切入， 而是基于系统论视角进行归纳。将要素、 产业、 空间和制度多重视角下的新型生产要素、 新兴产业赛道、 新式空间联系和新增制度供给四类“新质”维度纳入同一框架， 有助于深入理解新质生产力驱动区域高质量发展的机制过程和宏观情境。二是借助组态视角， 将fsQCA方法引入新质生产力研究， 实证讨论了四类“新质”维度的表征变量影响区域高质量发展的协同效应， 一定程度上揭示了多重维度要素对高质量发展的联动影响的复杂机理， 不仅厘清了区域高质量发展的等效驱动路径， 而且从“因果非对称性”角度进一步挖掘了非高高质量发展的驱动机制， 丰富了新质生产力与高质量发展的关系研究， 同时也拓宽了定性比较分析（QCA）方法的应用领域。

（三） 政策启示

本文研究发现， 多重因素可以通过不同的组态路径促使不同的省份实现高质量发展。因此， 在资源有限的情况下， 政府为提升本地高质量发展水平， 应结合自身优势选择培育适应本地发展禀赋的驱动路径， 集中关键资源推动核心要素发展。本文的研究结论可为相关部门提供以下的政策启示：

1. 加快数据要素高质量高效率配置， 充分释放数据要素价值。由于数据要素的权属、 定价、 分配规则出现了新的特征， 面对数据要素出现的流通不畅、 数据割据、 数据垄断等现实问题， 需加快构建数据要素政策体系， 规范市场化行为， 加强数据资源管理及对特定情境中数据要素价值的衡量。

2.加强跨区域协同创新， 打造协同创新共同体。在充分了解地域的产业优势、 经济特点以及未来发展方向的基础上， 通过协同规划， 不断优化产业布局， 积极构建跨区域产业对接平台， 促进企业之间的信息交流和合作。加强基础设施建设， 努力打造服务生态圈， 提升创新资源流通效率。

3. 破除体制机制障碍， 释放制度供给红利。积极推动政府职能向服务型、 协调型、 创新型转变， 降低行政审批壁垒。构建知识产权保护生态， 用好社会信用制度， 加强人才梯队建设， 加快释放专利技术的价值。促进自贸试验区体系化制度创新， 在自贸试验区内设立专门的法规和政策研究机构。

（四） 研究不足及展望

本文虽提出了基于“要素—产业—空间—制度”的四维“新质”理论框架， 并提出具体变量以fsQCA方法实证探究了新质生产力驱动区域高质量发展的条件组态， 但仍需在后续研究中改进以下不足之处： 一是本文所构建的整合性“四位一体”理论框架难以涵盖现实环境的全部宏观要素， 未来可进一步探究更为全面的系统性分析框架。二是前因变量过多会导致逻辑余项的大量增加， 因此本文仅选择了四类“新质”维度的代表性前因变量， 未来可适当扩充前因变量数量， 以更为全面地揭示多重内容要素对高质量发展的影响。

【 主 要 参 考 文 献 】

蔡跃洲，马文君．数据要素对高质量发展影响与数据流动制约［ J］．数量经济技术经济研究，2021（3）：64 ～ 83．

陈曦，白长虹，陈晔等．数字治理与高质量旅游目的地服务供给——基于31座中国城市的综合案例研究［ J］．管理世界，2023（10）：126 ～ 150．

杜传忠，疏爽．人工智能与经济高质量发展：机制、成效与政策取向［ J］．社会科学战线，2023（12）：78 ～ 87+281．

杜运周，贾良定．组态视角与定性比较分析（QCA）：管理学研究的一条新道路［ J］．管理世界，2017（6）：155 ～ 167．

杜运周，刘秋辰，程建青．什么样的营商环境生态产生城市高创业活跃度？——基于制度组态的分析［ J］．管理世界，2020（9）：141 ～ 155．

杜运周，李佳馨，刘秋辰等．复杂动态视角下的组态理论与QCA方法：研究进展与未来方向［ J］．管理世界，2021（3）：180 ～ 197+12 ～ 13．

龚一萍．经济发展的制度功能效应分析［ J］．江西社会科学，2011（7）：47 ～ 53．

韩文龙，张瑞生，赵峰．新质生产力水平测算与中国经济增长新动能［ J］．数量经济技术经济研究，2024（6）：5 ～ 25．

韩兆安，吴海珍，赵景峰．数字经济驱动创新发展——知识流动的中介作用［ J］．科学学研究，2022（11）：2055 ～ 2064+2101．

蒋永穆，乔张媛．新质生产力：符合新发展理念的先进生产力质态［ J］．东南学术，2024（2）：52 ～ 63+246．

金培振，殷德生，金桩．城市异质性、制度供给与创新质量［ J］．世界经济，2019（11）：99 ～ 123．

李冬，杨万平．面向经济高质量发展的中国全要素生产率演变：要素投入集约还是产出结构优化［ J］．数量经济技术经济研究，2023（8）：46 ～ 68．

李子彪，王思惟，李鑫等．长三角G60科创走廊建设对企业双元创新的影响研究——基于创新链视角［ J］．科研管理，2024（9）：133 ～ 142．

李治国，王杰．数字经济发展、数据要素配置与制造业生产率提升［ J］．经济学家，2021（10）：41 ～ 50．

刘思明，兰虹，魏青等．“双轮驱动”视角下中国省域创新驱动力的测度、地区差异与动态演进［ J］．统计与信息论坛，2022（2）：79 ～ 94．

刘志彪，凌永辉，孙瑞东．新质生产力下产业发展方向与战略——以江苏为例［ J］．南京社会科学，2023（11）：59 ～ 66．

吕海萍，池仁勇，化祥雨．创新资源协同空间联系与区域经济增长——基于中国省域数据的实证分析［ J］．地理科学，2017（11）：1649 ～ 1658．

潘宏亮，赵兰香，叶璐．我国数据要素发展水平的测度及时空演进研究［ J/OL］．科学学研究：1 ～ 17［2024-04-17］．

盛亚，冯媛媛，施宇．政府科研机构科技资源配置效率影响因素组态分析［ J］．科技进步与对策，2022（8）：1 ～ 9．

徐维祥，周建平，周梦瑶等．数字经济空间联系演化与赋能城镇化高质量发展［ J］．经济问题探索，2021（10）：141 ～ 151．

徐政，郑霖豪，程梦瑶．新质生产力赋能高质量发展的内在逻辑与实践构想［ J］．当代经济研究，2023（11）：51 ～ 58．

杨媛棋，寇明婷，陈凯华．企业基础研究倾向影响因素的组态效应——基于中关村高新技术企业的QCA分析［ J］．管理评论，2024（4）：88 ～ 99．

张矿伟，俞立平，张宏如等．数字化转型对高技术产业创新的影响机制与效应研究［ J］．统计研究，2023（10）：96 ～ 108．

张林．新质生产力与中国式现代化的动力［ J］．经济学家，2024（3）：15 ～ 24．

张明，陈伟宏，蓝海林．中国企业“凭什么”完全并购境外高新技术企业——基于94个案例的模糊集定性比较分析（fsQCA）［ J］．中国工业经济，2019（4）：117 ～ 135．

张明，杜运周．组织与管理研究中QCA方法的应用：定位、策略和方向［ J］．管理学报，2019（9）：1312 ～ 1323．

张新宁．科技创新是发展新质生产力的核心要素论析［ J］．思想理论教育，2024（4）：20 ～ 26．

Furnari S.， Crilly D.， Misangyi V. F.， et al.. Capturing causal complexity： Heuristics for configurational theorizing［ J］． Academy of Management Review，2021（4）：778 ～ 799．

Gong Y.， Yang X.. Understanding strategies for digital government transformation： A strategic action fields perspective［ J］． International Journal of Information Management，2024（76）：102766．

Shang M.， Jia C.， Zhong L. L.， et al.. What determines the performance of digital transformation in manufacturing enterprises？ A study on the linkage effects based on fs/QCA method［ J］． Journal of Cleaner Production，2024（450）：141856．

Zipf G. K.. The P1 P2/D Hypothesis： On the intercity movement of persons［ J］． American Sociological Review，1946（6）：677 ～ 686．