中國省域新質生產力空間網絡結構動態演進及驅動力分析

摘 要：為推動區域協調發展和新質生產力的均衡布局，本文基于K-means聚類分析和隨機森林算法測算了2012—2022年中國30個省份的新質生產力發展水平，采用社會網絡分析方法系統地研究了中國省域新質生產力空間網絡的動態演進特征，并結合文本分析和QAP回歸模型探討了省域新質生產力空間網絡差異的驅動因素。研究發現：中國新質生產力整體上呈上升趨勢，但區域間發展不均衡問題突出，呈現出東強西弱的特點；在空間分布上，省域新質生產力空間網絡的復雜度逐年增加，網絡關聯和互動不斷增強，其中東部沿海省份始終處于核心區域，中部省份逐漸進入核心區，而東北地區始終處于邊緣區域。此外，QAP回歸結果顯示，加強技術進步、提高人力資本素質和有效利用數據要素可以顯著提升省域新質生產力水平，推動區域經濟的協調和可持續發展。

關鍵詞：新質生產力；隨機森林算法；社會網絡分析；文本分析方法；QAP

中圖分類號：F830 文獻標識碼：A 文章編號：1674-2265（2024）09-0014-11

DOI：10.19647/j.cnki.37-1462/f.2024.09.002

一、引言

2024年兩會期間，習近平總書記在參加江蘇代表團審議時強調，要牢牢把握高質量發展這個首要任務，因地制宜發展新質生產力。因地制宜發展新質生產力是推動區域協調發展、縮小城鄉差距以及提升人民生活質量的重要路徑。近年來，中國在科技創新、數字經濟、綠色經濟和產業結構優化等領域均已取得突破性進展，為新質生產力的發展奠定了堅實基礎。然而，各地區在資源稟賦、經濟基礎和發展水平上存在顯著差異，區域間新質生產力發展不均衡問題依然突出。因此，把握省域之間新質生產力發展的協同和競爭關系，對因地制宜發展新質生產力具有重要意義。在此背景下，本文基于社會網絡分析方法系統地研究中國省域新質生產力空間網絡的動態演變特征，利用QAP回歸分析方法探索新質生產力空間網絡演進的驅動因素，為中國省域新質生產力發展提出科學建議。

目前，國內關于新質生產力的研究多從以下幾個方面展開：一是從理論層面對新質生產力的科學內涵、理論邏輯、實現路徑以及研究現狀進行系統性分析（胡洪彬，2023；姚樹潔和張小倩，2024；楊廣越，2024）[1-3]。二是通過構建不同的指標體系對新質生產力的發展水平進行測度，并利用空間計量模型分析新質生產力發展的時空變化（盧江等，2024；王玨和王榮基，2024；雷學，2024；韓文龍等，2024）[4-7]。三是從高質量發展（趙若男等，2024）[8]、數字經濟（吳文生等，2024）[9]、現代化（洪田芬，2024）[10]和工業化（趙秋運和嚴佳佳，2024）[11]等角度對新質生產力的影響機制進行研究。現有文獻表明，學術界關于新質生產力的測度和評價多以熵權法和空間計量模型為主，對新質生產力復雜空間網絡以及網絡的驅動因素進行探索的研究較少。相較于傳統的空間計量模型，利用社會網絡分析方法分析新質生產力空間網絡變化有如下優勢：第一，社會網絡分析可以揭示新質生產力空間網絡中地區之間的復雜關系，直觀地展現地區之間的聯系和差異（Wellman，1983）[12]。第二，通過社會網絡分析可以識別在新質生產力空間網絡中具有重要影響力和起關鍵作用的省份，更直觀地理解整個網絡的結構和穩定性（Scott，1988）[13]。第三，社會網絡分析可以發現地區之間的潛在關系和非顯性連接，幫助發現新質生產力空間網絡中可能存在但不易觀察到的重要聯系和影響（Freeman，2002）[14]。

鑒于此，首先，本文選取2012—2022 年中國30個省（自治區、直轄市，不包括港澳臺地區及西藏自治區，以下簡稱省份）的面板數據構建新質生產力綜合評價指標體系，并搭建基于K-means聚類算法和隨機森林算法的無監督聚類—隨機森林模型，測算出新質生產力綜合評價指數（漆家森，2022）[15]。其次，結合修正的引力模型和社會網絡分析法對中國30個省份新質生產力空間網絡進行系統分析。最后，運用文本分析法提取133篇有關新質生產力的文獻中的關鍵詞并識別出新質生產力的核心驅動因素，采用QAP回歸分析法探析核心驅動因素對新質生產力空間網絡變化的影響。

與現有研究相比，本文可能存在以下邊際貢獻：一是摒棄傳統熵權法，采用K-means聚類算法和隨機森林算法相結合的方式計算綜合評價指數，將機器學習方法運用到綜合評價中，使得評價更客觀、更準確。二是運用引力模型和社會網絡分析從空間網絡視角探究中國省域新質生產力空間網絡結構特征和動態演變，豐富新質生產力的研究方法。三是利用文本分析法識別新質生產力的核心驅動因素，結合QAP方法分析各驅動因素對新質生產力空間網絡的影響，揭示其背后的驅動力和影響機制。

二、研究設計

（一）新質生產力綜合評價指標體系的構建及數據來源

本文基于新質生產力的定義、內涵和相關理論，結合數據的可獲得性，參考相關文獻（盧江等，2024；雷學，2024；任宇新等，2024）[4，6，16]選取2012—2022 年我國30個省份的相關指標，從勞動者、勞動對象和勞動資料三大維度構建新質生產力綜合評價指標體系（見表1），以衡量中國各地區新質生產力發展水平。本文數據來源于《中國統計年鑒》《中國工業統計年鑒》《中國能源統計年鑒》《中國環境統計年鑒》《中國科技統計年鑒》以及各省份統計年鑒，個別缺失數據采用插值法和移動平均法予以補充，以確保數據的完整性和分析的準確性。

（二）基于K-means聚類分析和隨機森林算法的綜合評價方法

在對新質生產力進行綜合評價時，多數學者采用熵權法或熵權-TOPSIS法，但這些方法僅依賴簡單的計算，往往會忽略指標之間的復雜關系，從而導致權重計算不夠準確。而利用K-means聚類算法對2012—2022年中國30個省份的新質生產力指標進行分組，不僅可以捕捉到不同省份之間的相似性和差異性，生成的聚類標簽也為隨機森林算法提供了目標變量，有效地解決了使用隨機森林算法進行綜合評價時缺乏目標變量的問題，同時提高了指標計算結果的準確性。因此，本文基于K-means聚類算法和隨機森林算法來構建新質生產力綜合評價指數。

為確保數據的一致性和可比性，在進行K-means聚類分析之前需對數據進行標準化，以消除數據量綱的影響。本文選取最大最小歸一化方法對數據進行標準化處理，計算公式為：

正向指標：[x=x-xminxmax-xmin] （1）

負向指標：[x=xmax-xxmax-xmin] （2）

其中，[xmin]為最小值，[xmax]為最大值。

另外，為確定最優聚類個數，本文通過輪廓系數和手肘法對不同聚類個數進行評估，選擇評分最優的結果作為最終聚類個數。基于最優聚類個數對標準化后的數據進行聚類，并為每個樣本點賦予聚類標簽。將聚類標簽作為目標變量，根據每個樣本點的相關指標數據建立隨機森林模型，用于預測相關新質生產力指標的重要程度。該模型的輸出結果被用作新質生產力指標體系中各個指標的權重。最后，利用線性加權法得到中國30個省份的新質生產力綜合評價指數，計算公式如下：

[Wj=j=1mwj×x′ij] （3）

其中，[Wj]為新質生產力綜合評價指數，[wj]為指標權重，[x′ij]為標準化后的指標數據。

（三）修正的引力模型

本文采用引力模型來度量省域新質生產力的空間關聯強度，參考羅良文和張鄭秋（2024）[17]的研究，根據研究對象的不同對傳統的引力模型進行修正，公式如下：

[Rij=KijPiGiIi3PjGjIj3D2ij]，[Kij=IiIi+Ij] （4）

其中，[Rij]為[i]省和[j]省之間的新質生產力關聯強度；[Ii]、[Ij]分別為[i]省和[j]省的新質生產力綜合指數；[Pi]、[Pj]分別表示[i]省和[j]省的年末人口總數；[Gi]、[Gj]分別表示[i]省和[j]省的年末GDP總量；[Dij]為[i]省和[j]省省會之間的距離（單位為千米）；[Kij]為修正系數，表示[i]省新質生產力發展的貢獻率。

由于進行社會網絡分析要求使用二值型數據，需要將由式（4）計算得出的新質生產力關聯強度進行二值化處理。將矩陣中每行數據的平均值設為閾值，每行數據中大于該行閾值的數據視為1，表示該行省份與其他省份的新質生產力之間具有一定的空間關聯性；低于閾值數據視為0，表示該行省份與其他省份的新質生產力之間不具備空間關聯性。由此，可以獲得關于中國省域新質生產力空間關聯強度的0-1非對稱矩陣，即中國省域新質生產力空間關聯有向網絡。

（四）社會網絡分析法

社會網絡分析起源于圖論，是一種用于研究社會系統中個體之間關系的網絡分析方法（Borgatti等，2009）[18]。近年來，國內外很多學者將社會網絡分析法應用到經濟領域的研究中，包括國際貿易（劉敏等，2021；Matinju等，2023；馬菁等，2024）[19-21]、數字經濟（金燦陽等，2022；崔蓉等，2023；閆春等，2024）[22-24]和環境資源（Salpeteur等，2017；林明裕和崔興華，2024；Jariego和Corral，2024）[25-27]等領域，用以分析地區間的網絡聯系和經濟互動。本文擬將該方法應用于省域新質生產力空間關聯網絡的研究中，選取網絡密度和網絡互惠性刻畫整體網絡特征，選取點度中心度、中介中心度和接近中心度刻畫個體網絡特征，并結合核心—邊緣結構特征對2012—2022年中國30個省份新質生產力空間關聯網絡時空演進過程進行分析。

（五）QAP回歸方法

QAP回歸方法是一種適用于社會網絡數據的統計分析方法，通過對網絡矩陣數據進行隨機置換和重抽樣，檢驗變量之間的相關性和回歸關系（劉軍，2004）[28]。QAP 相關分析通過比較兩兩矩陣中的元素來確定矩陣間的相關系數，并使用隨機置換的方式來進行非參數檢驗。QAP回歸分析用于研究一個或多個自變量矩陣對因變量矩陣的影響，通過判定系數和回歸系數的顯著性來判斷不同因素對因變量矩陣的影響程度和重要性。本文利用該方法對2012—2022年中國省域新質生產力空間網絡及其影響因素差異矩陣進行回歸分析，探究新質生產力空間網絡時空演進的核心驅動因素。

三、實證分析

（一）中國省域新質生產力綜合評價

根據K-means聚類分析和隨機森林算法對新質生產力綜合評價指標數據進行測算，得出中國省域新質生產力綜合發展變化圖（圖1）。由圖1可知，2012—2022年中國新質生產力水平整體呈現上升趨勢，新質生產力指數范圍由0.05～0.26上升到0.14～0.66。其中，北京、廣東、江蘇、上海和浙江的新質生產力發展顯著領先于其他省份，青海、新疆、寧夏、黑龍江、吉林等西部和東北地區新質生產力指數普遍較低，區域間發展不均衡問題突出。

為分析新質生產力發展水平的空間差異，繪制各省份新質生產力綜合指數散點圖，如圖2所示。由圖可知，2012—2022年中國新質生產力發展出現區域集群效應。位于東部沿海地區的一些省份經濟發達、產業結構優化，形成高新質生產力集群，區域間經濟發展呈現出一定的帶動效應和協同效應。中西部地區經濟發展較為緩慢，雖然有一定的政策支持，但產業基礎薄弱、技術創新能力不足，新質生產力發展整體呈現出較低水平。

（二）中國新質生產力空間關聯強度分析

根據修正后的引力模型計算2012—2022年中國各省份之間新質生產力空間關聯強度，表2展示了2012年、2017年和2022年關聯強度排名前30的省份關聯對。整體來看，2012—2022年間絕大多數省份之間的關聯強度顯著增加，省域在新質生產力方面的合作和互動變得更加緊密，協同效應逐年增強。東部地區的一些省份經濟發達、產業基礎好、創新能力強，且地理位置相對接近，便于形成緊密的經濟聯系和合作，省份之間的關聯強度顯著高于其他地區。西部省份（如新疆、青海、甘肅等）之間的關聯強度雖然也有所增加，但總體水平仍較低，且區域間發展差距較大。

（三）新質生產力空間網絡整體結構特征

基于修正的引力模型計算出的2012—2022年中國省域新質生產力空間關聯強度矩陣，借助Gephi 0.10軟件繪制2012年、2015年、2019年和2022年中國省域新質生產力空間網絡結構圖，如圖3所示。2012—2022年，中國省域新質生產力空間網絡的復雜度逐年提升，省份之間的網絡連接數量顯著增加，網絡結構逐步從簡單走向復雜，省域之間新質生產力的關聯和互動不斷增強。另外，區域間新質生產力網絡關聯逐漸從中部和東部沿海地區向中西部地區擴展，區域間的互動也從2012年的相對較少變為2022年省份間的緊密關聯，說明全國新質生產力發展趨于均衡且區域協作有一定的提升。

利用UCINET 6.0軟件計算出2012—2022年中國新質生產力空間網絡的網絡密度和互惠性，并繪制二者隨時間變化的折線圖，如圖4所示。網絡密度和互惠性分別可以衡量網絡中節點的緊密程度和雙向連接程度。2012—2022年，網絡密度在0.241和0.247之間波動，各省份之間的新質生產力關聯程度相對穩定。互惠性從2012年的0.439逐漸上升到2022年的0.445，整體呈現上升趨勢，在2015年、2017年和2018年顯著增加。2017年和2018年的互惠性最高，說明這兩年各省份之間的雙向互動更加頻繁，省域間合作更加緊密。

（四）新質生產力空間網絡個體結構特征

利用UCINET 6.0軟件計算出2012—2022年中國30個省份的點度中心度、接近中心度和中介中心度，相關指標2012—2022年的平均值和各省份的排名如表3所示。

由表3可知，近年來在相關政策的支持下，河南和山東在產業基礎和市場規模方面具備優勢，吸引了大量資源和合作機會，處于新質生產力關聯網絡中的核心地位。近年來湖北和湖南的新質生產力水平顯著提升，處于新質生產力關聯網絡中的關鍵位置。江蘇、廣東、浙江等東部沿海地區充分發揮區域優勢，經濟互補性強，區域經濟一體化程度高，省域間合作和互動頻繁，區域內省份不僅在本區域內實現高效的信息流通和資源共享，也在全國范圍內起到橋梁和紐帶作用。中西部省份漸進發展，四川和陜西的中心度排名均較靠前，這兩個省份擁有大量的高校、科研機構和科技園區，創新能力強，能夠吸引大量的高端人才和企業。科技創新推動了新質生產力的發展，使得這些省份在省際合作中具備更強的競爭力和影響力。吉林、黑龍江和海南等省份在所有指標上得分較低，這些省份由于地理位置偏遠、經濟基礎薄弱、產業結構單一等，新質生產力發展相對滯后，在新質生產力關聯網絡中處于邊緣地位。

（五）核心—邊緣結構分析

利用UCINET 6.0軟件分析2012年、2015年、2019年和2022年中國省域新質生產力空間網絡核心—邊緣結構情況及變化，結果如表4所示。2012年核心區域集中在東部沿海地區，中西部地區大多處于邊緣地帶；2015年中部省份逐漸進入核心區，邊緣地帶逐漸向西部和東北部移動，但總體結構仍呈現出東強西弱的特點；2019年核心區域進一步擴大，中西部省份新質生產力發展水平提升；2022年全國范圍內新質生產力核心度都顯著增加，核心—邊緣結構逐漸均衡。

總體來看，中國新質生產力發展逐漸從東部向中西部擴展，核心—邊緣結構逐漸均衡。具體表現為東部沿海省份始終處于核心區域，中部崛起逐漸進入核心區域，西部地區從邊緣地區向核心區域靠攏，東北地區新質生產力發展緩慢，始終處于邊緣地帶，西部和東北地區仍有較大發展空間。

四、新質生產力空間網絡驅動因素分析

（一）基于文本分析的驅動因素識別

基于文本分析方法，利用python軟件對關于新質生產力的133篇文獻進行詞頻統計，提取出影響新質生產力發展的相關因素，根據詞頻繪制詞云圖，如圖5所示。

本文從詞云圖中出現的高頻詞匯中總結出五個主要的新質生產力驅動因素。

一是產業升級。根據詞云圖中出現的生產力、發展、高質量發展、產業、產業鏈、結構、升級和轉型等關鍵詞總結出第一個驅動因素：產業升級。產業升級涉及傳統產業的轉型和新興產業的培育，通過提升產業鏈價值和融合不同產業，提高整體經濟效率和競爭力。

二是技術進步。根據技術、創新、科技創新、人工智能、信息和生產要素等高頻詞匯總結出第二個驅動因素：技術進步。除了硬件技術的提升以外，軟件、數字技術和人工智能等方面的創新都能夠有效提高生產效率和資源利用效率。

三是人力資本。根據詞云圖中人才、教育、勞動力、核心培養等詞匯總結出第三個驅動因素：人力資本。新質生產力的發展離不開高素質的人才，教育和培訓系統需要不斷完善，以培養具有創新能力和技術技能的勞動力，為經濟發展提供強大的人力資本支持。

四是數據要素。根據數據、數字經濟、網絡、信息等關鍵詞總結出第四個驅動因素：數據要素。數據作為新的生產要素，能夠驅動數字經濟的發展，通過大數據分析、數據共享和數據挖掘可以提高決策效率和市場反應速度，從而推動新質生產力水平的提升。

五是政府支持。根據政府、政策、支持、戰略、建設等關鍵詞總結出第五個驅動因素：政府支持。政府可以通過制定政策、提供資金支持、建設基礎設施等方式，營造良好的創新環境和市場條件，推動新質生產力的快速發展。

綜上，本文選取產業升級、技術進步、人力資本、數據要素和政府支持作為核心驅動因素。

（二）變量說明

本文的被解釋變量是由2012—2022年中國30個省份新質生產力綜合指數均值的絕對差值構造的新質生產力空間網絡差異矩陣（[Net]），核心解釋變量為通過文本分析識別出的五個主要驅動因素對應的差異矩陣。核心解釋變量的測度說明如下。

一是產業升級。本文參考楊渝筱（2023）[29]的研究方法，分別對第一、二、三產業賦予不同的權重以構造產業升級指數：

[Ind=i=13yi×i=y1×1+y2×2+y3×3] （5）

其中，[yi]表示第[i]產業的增加值占GDP 的比重，將第一、二、三產業的權重設置為 1、2、3，[Ind]越大表明產業結構升級的程度越高。

二是技術進步。本文選取利用DEA-Malmquist指數法測算的全要素生產率衡量技術進步，分別選擇地區生產總值（GDP）、全社會就業人員和資本存量作為全要素生產率計算中的產出、勞動投入與資本投入指標。其中，資本存量用固定資產投資額表示（郜攀峰，2023；蔡湘杰和賀正楚，2024；危平等，2024）[30-32]。

三是人力資本。參考李夢娜和周云波（2022）[33]的研究方法，采用向量夾角法度量人力資本結構高級化水平。按照受教育程度將人力資本分為文盲半文盲、小學、初中、高中或中專、大專或本科以上共五類，利用向量夾角法度量省級人力資本發展指數。

四是數據要素。結合相關研究（梁晴，2022；李何波等，2023）[34，35]，選取相關變量來構造衡量數據要素的指標體系（見表5），用熵權法計算得出數據要素指數。

五是政府支持。參考劉如玉（2023）[36]的研究方法，從兩方面構造政府支持指數：一方面，利用文本分析方法統計2012—2022年省級政府工作報告中關于政府支持新質生產力發展的詞語（主要包含新質生產力、人工智能、科技創新、技術革新、科學發展和創新動能等）的詞頻；另一方面，結合地方財政支出占地方生產總值的比例，計算政府支持財政指數。將詞頻和政府財政支持指數分別標準化處理后，利用線性閾值法加權得到政府支持數據。

根據上述方法分別測算出對應核心解釋變量2012—2022年的均值。由于QAP回歸分析要求變量為矩陣形式，因此，分別計算出中國30個省份對應核心解釋變量均值的絕對差值，根據絕對差值結果構建變量的差異矩陣。另外，本文在構建差異矩陣之前用極大極小標準化方法對數據進行標準化處理，以消除量綱的影響。

綜上，構建如下新質生產力空間網絡回2edL5zg2lOeGPuEURbiL8wqazhwP6wj85WvHYSE7IiI=歸模型：

[Net=f（Ind，Ta，Hc，Dig，Gov）] （6）

其中，[Net]為新質生產力空間網絡差異矩陣，[Ind]為產業升級差異矩陣，[Ta]為技術進步差異矩陣，[Hc]為人力資本差異矩陣，[Dig]為數據要素差異矩陣，[Gov]為政府支持差異矩陣。

（三）QAP回歸分析

利用UCINET 6.0 軟件對省域新質生產力空間網絡回歸模型中的相關變量進行相關性分析，選擇5000次隨機置換，得到 QAP 相關性分析結果（見表6）。

由QAP相關性分析結果可知，產業升級差異矩陣、技術進步差異矩陣、人力資本差異矩陣和數據要素差異矩陣均與新質生產力空間網絡差異矩陣顯著正相關。其中，技術進步差異矩陣、人力資本差異矩陣和數據要素差異矩陣在1%水平上顯著，產業升級差異矩陣在5%水平上顯著。政府支持差異矩陣與新質生產力空間網絡差異矩陣負相關但不顯著。這說明產業升級、技術進步、人力資本和數據要素在推動新質生產力發展中起著至關重要的作用。

進一步利用UCINET 6.0 軟件對核心解釋變量的差異矩陣和新質生產力空間網絡差異矩陣進行QAP回歸分析，選擇5000 次隨機置換，回歸分析結果見表7。從回歸結果可知，調整后的R2為0.692，且通過了1%的顯著性水平檢驗，說明產業升級、技術進步、人力資本、數據要素和政府支持五個核心驅動因素能夠較好地解釋中國各省份在2012—2022年新質生產力的空間網絡差異。

其中，產業升級差異矩陣與新質生產力空間網絡差異矩陣呈現出負相關關系，但影響不顯著。技術進步差異矩陣的標準化回歸系數為正且通過了1%的顯著性檢驗，說明技術進步是新質生產力發展最重要驅動因素。技術進步可以帶來生產效率的提升和創新能力的增強，從而促進省域間新質生產力的協同發展。人力資本差異矩陣的標準化回歸系數為正且在1%水平上顯著，說明人力資本對新質生產力的提升具有顯著的正向作用。高素質的人力資本是創新和技術進步的重要保障，能夠推動省域間的技術創新和產業升級，有助于經濟結構的優化和新質生產力水平的提高。數據要素差異矩陣的標準化回歸系數顯著為正，說明通過對數據要素的有效利用，可以優化資源配置，提高生產和管理效率，從而促進新質生產力的發展。政府支持差異矩陣的標準化回歸系數顯著為負，即不同地區支持新質生產力的政策有所差異，政府政策的實施效果不均衡或者政策資源分配不合理在一定程度上會制約省域間新質生產力的發展。

五、結論與建議

（一）主要結論

首先，本文利用K-means聚類分析和隨機森林算法測算了2012—2022年中國省域新質生產力綜合指數；其次，基于社會網絡分析方法系統分析了2012—2022年中國省域新質生產力空間網絡的動態演進特征；最后，通過QAP回歸分析模型探索其主要影響因素。主要結論如下：

第一，2012—2022年中國新質生產力發展整體呈現上升趨勢，省域空間關聯強度逐年提升，形成區域集群效應。東部沿海省份新質生產力發展顯著領先于其他省份，形成明顯的高新質生產力集群，呈現出區域經濟帶動和協同效應；中部和南部省份之間的關聯強度穩步上升，省域間的合作和互動更加緊密；西部和東北部分省份新質生產力指數較低，省份之間的關聯強度雖有所提升但整體來說仍然較低，區域間發展不均衡問題突出。

第二，2012—2022年省域新質生產力空間網絡的復雜度逐年增加，各省份在網絡中的重要程度存在差異。網絡密度和互惠性總體呈上升趨勢，省份之間的關聯和互動不斷增強，區域間的互動從東部沿海地區逐漸向中西部地區拓展。河南、山東、湖北和湖南等省份地理位置優越，交通發達，在相關政策的支持下處于新質生產力關聯網絡中的關鍵位置；江蘇、廣東、浙江等東部沿海省份具有高接近中心度和中介中心度，經濟基礎和創新能力較強，區域合作和互動頻繁，在新質生產力關聯網絡中起到橋梁和紐帶作用；西部和東北部地區地理位置偏遠、經濟基礎薄弱、產業結構單一，處于新質生產力關聯網絡的邊緣地位。

第三，2012—2022年省域新質生產力空間網絡核心區域逐漸擴展，核心—邊緣結構逐漸均衡。2012年核心區域集中在東部沿海地區，中西部地區處于邊緣地帶；2015年中部省份逐漸進入核心區；到2022年核心區域進一步擴大，東部沿海省份始終處于核心區域，中部崛起并逐漸占據核心區域，西部地區新質生產力逐年提升，但西部和東北部地區新質生產力發展仍需進一步加強以縮小與東部地區的差距。

第四，由QAP分析結果可知，中國省域新質生產力空間網絡受產業發展水平、技術進步、人力資本、數據要素和政府支持等因素綜合作用影響。其中，技術進步差異矩陣、人力資本差異矩陣和數據要素差異矩陣與新質生產力空間網絡差異矩陣顯著正相關。技術進步提高了生產效率和創新能力，人力資本提供了高素質的創新人才和智力支持，而數據要素優化了資源配置和管理效率，通過加強技術進步、提升人力資本素質和有效利用數據要素，各省份新質生產力水平有望顯著提升，推動區域經濟的協調和可持續發展。政府支持差異矩陣與新質生產力空間網絡差異矩陣顯著負相關，說明政策實施效果的不均衡、政策導向和重點的差異或政策的持續性和穩定性不足等因素，導致各省份在獲取政府支持方面存在顯著差異，進而加劇了省域間新質生產力發展的不平衡。

（二）政策建議

基于以上結論，本文提出如下建議：

第一，加強區域創新合作，推動全國范圍內科技資源共享和協同創新。要完善多中心區域創新體系，在中西部和東北地區布局區域科技創新中心，打造科技創新策源地，與東部地區形成協同創新網絡。聚焦地區發展需求和要素稟賦，結合區域特色和發展戰略，促進產學研合作，推動產業鏈和創新鏈精準對接，構建區域創新差異化發展路徑。加強科教資源統籌布局，推動科教資源向欠發達地區和中西部地區傾斜，加大教育資金投入，促進科教資源合理分布，推動創新要素向西部地區有序流動和高效匯集。

第二，構建全國統一的數據要素市場，提升數據資源的流動性和利用效率，縮小區域發展差距。要完善數據基礎設施，加強數據存儲、網絡和算力建設，推動全國一體化大數據中心協同創新體系，優化“東數西算”跨域大數據資源調度。促進數據要素流動，建立健全關于數據安全、交易流通、開放共享等的基礎性制度和標準，構建安全可靠的數據開放共享空間和數據交易市場，實現數據資源的整合共享。

第三，優化人力資本配置，構建區域人才共享機制，促進區域間的人才流動與合作。各地區應制定具有吸引力的人才引進政策，加強職業教育和培訓，提高本地勞動力的技能水平，滿足新質生產力發展對高素質人力資本的需求。搭建多元化、專業化的人才資源信息庫，建設人才共享交流平臺，實現區域人才信息互通互聯，發揮人才共享的協同效應，加強區域人才政策銜接。

第四，因地制宜發展新質生產力，促進區域均衡發展。要加快發展新質生產力，推動創新鏈與產業鏈耦合，突破前沿技術，強化區域聯動，催生新產業和模式，促進東西部協同發展。特別地，中部地區應充分利用其區位優勢和資源稟賦，優化產業結構，重點發展新興和高技術產業，推動中部省份間合作，形成區域協同發展機制，提升區域經濟競爭力；東北地區應利用科技教育資源優勢，以科技創新引領產業創新，推動科技成果轉化，減少對傳統產業的依賴，創造有利于新質生產力發展的環境；西部地區應加強區域創新資源的統籌布局，建設帶動能力強的區域科技創新中心，與東部地區形成協同創新網絡，構建大保護、大開放、高質量的發展格局。

參考文獻：

[1]胡洪彬.習近平總書記關于新質生產力重要論述的理論邏輯與實踐進路 [J].經濟學家，2023，（12）.

[2]姚樹潔，張小倩.新質生產力的時代內涵、戰略價值與實現路徑 [J].重慶大學學報（社會科學版），2024，30（01）.

[3]楊廣越.新質生產力的研究現狀與展望 [J].經濟問題，2024，（05）.

[4]盧江，郭子昂，王煜萍.新質生產力發展水平、區域差異與提升路徑 [J].重慶大學學報（社會科學版），2024，30（03）.

[5]王玨，王榮基.新質生產力：指標構建與時空演進[J].西安財經大學學報，2024，37（01）.

[6]雷學.中國新質生產力水平測度、區域差異分解及動態演進 [J].工業技術經濟，2024，43（06）.

[7]韓文龍，張瑞生，趙峰.新質生產力水平測算與中國經濟增長新動能 [J].數量經濟技術經濟研究，2024，41（06）.

[8]趙若男，宋香榮，陳海龍.新質生產力、新型工業化與高質量發展[J].金融與經濟，2024，（06）.

[9]吳文生，榮義，吳華清.數字經濟賦能新質生產力發展——基于長三角城市群的研究 [J].金融與經濟，2024，（04）.

[10]洪田芬.新質生產力對現代化產業體系建設的影響——基于數據要素市場化的調節效應分析 [J].技術經濟與管理研究，2024，（05）.

[11]趙秋運，嚴佳佳.中國工業現代化、工業高質量發展與新質生產力 [J/OL].廣西社會科學，1-10[2024-08-21].

[12]Wellman B. 1983. Network Analysis：Some Basic Principles [J].Sociological theory.

[13]Scott J. 1988. Social Network Analysis [J].Sociology，22 （1）.

[14]Freeman LC. 2002. Centrality in Social Networks： Conceptual Clarification [J].Social Network：Critical Concepts in Sociology. Londres：Routledge，1.

[15]漆家森.基于機器學習的全球智能創新綜合評價研究 [D].北京外國語大學，2022.

[16]任宇新，吳艷，伍喆.金融集聚、產學研合作與新質生產力 [J].財經理論與實踐，2024，45（03）.

[17]羅良文，張鄭秋.中國城市產業智能化空間關聯網絡及其驅動機制 [J].財經研究，2024，50（01）.

[18]Borgatti SP，Mehra A，Brass DJ，Labianca G. 2009. Network Analysis in the Social Sciences [J].Science，323（5916）.

[19]劉敏，薛偉賢，趙璟.全球數字貿易中的競爭互補關系及其演化——基于社會網絡分析方法 [J].國際經貿探索，2021，37（10）.

[20]Matinju MH，Alizadeh H，Aghaie L V. 2023. Analysis of Social Network Effects on Water Trade in An Informal Water Market [J].Journal of Cleaner Production，425

[21]馬菁，曾剛，孫康.全球數字貿易網絡結構演化及影響因素分析 [J].地理科學，2024，44（03）.

[22]金燦陽，徐藹婷，邱可陽.中國省域數字經濟發展水平測度及其空間關聯研究 [J].統計與信息論壇，2022，37（06）.

[23]崔蓉，翟凌宇，孫亞男.中國數字經濟空間關聯網絡結構及其影響因素 [J].經濟與管理評論，2023，39（06）.

[24]閆春，丁一，劉新紅.數字經濟空間關聯及其與實體經濟發展的交互影響 [J].中國流通經濟，2024，38（04）.

[25]Salpeteur M，Calvet-Mir L，Diaz-Reviriego I， Reyes-García V. 2017. Networking the Environment：Social Network Analysis in Environmental Management and Local Ecological Knowledge Studies [J].Ecology and Society，22（1）.

[26]林明裕，崔興華.碳排放績效的空間關聯網絡結構及其形成機制——以長江經濟帶為例[J].中國環境科學，2024，44（05）.

[27]Jariego MI，Corral DFD. 2024. Editorial： Network-based Assessments and Interventions in the Marine Environment [J].Frontiers in Marine Science，11

[28]劉軍.社會網絡分析導論 [M]. 北京： 社會科學文獻出版社，2004.

[29]楊渝筱.數字經濟視域下區域經濟的產業升級轉型路徑 [J].中國集體經濟，2023，（21）.

[30]郜攀峰.技術進步、產業結構升級與城市經濟韌性 [J].中國流通經濟，2023，37（09）.

[31]蔡湘杰，賀正楚.新質生產力何以影響全要素生產率：科技創新效應的機理與檢驗 [J/OL].當代經濟管理，1-15[2024-07-17].

[32]危平，陳斌，趙允寧.綠色治理、技術進步與就業[J].當代經濟科學，2024，46（03）.

[33]李夢娜，周云波.數字經濟發展的人力資本結構效應研究 [J].經濟與管理研究，2022，43（01）.

[34]梁晴.數字要素驅動經濟高質量發展研究——兼對生產率悖論的再檢驗 [J].科技廣場，2022，（06）.

[35]李何波，劉渝琳，陳翊旻.數字要素參與是擴大中等收入群體的福音嗎——基于階層流動和收入差距雙重維度的經驗證據 [J].南開經濟研究，2023，（09）.

[36]劉如玉.政府支持、普惠金融與家庭收入增長 [J].首都經濟貿易大學學報，2023，25（06）.