新質生產力視角下戰略性新興產業發展水平測度與區域差異研究

收稿日期收稿日期：2024-09-01" 修回日期：2024-10-31

基金項目基金項目：教育部人文社會科學研究一般項目（19YJC630009）；浙江省高校重大人文社科項目（2021QN015）；浙江省哲學社會科學規劃課題項目（22LLXC05Z）；浙江省社會科學界聯合會研究課題項目（2025N063）；寧波文化研究工程項目（WH24-2-7）

作者簡介作者簡介：陳虹（1982—），女，浙江寧波人，寧波財經學院工商管理學院副教授、碩士生導師，研究方向為產業經濟、企業管理；胡善貴（1975—），男，安徽懷寧人，博士，寧波財經學院成人與繼續教育學院教授、博士生導師，研究方向為數字產業化。

摘要摘 要：發展戰略性新興產業是加快形成新質生產力的重要著力點。基于新質生產力理論視角，構建戰略性新興產業發展水平測度指標體系，涵蓋科學技術創新、產業市場規模及政策環境支持三大維度，并采用熵權TOPSIS法和空間自相關模型對我國30個省（市、區）戰略性新興產業發展水平及區域差異進行量化評估與空間相關性分析。結果表明，我國戰略性新興產業存在顯著區域集聚現象，東部沿海和長江沿岸地區發展水平顯著領先，西北、邊疆地區相對滯后，區域間差異顯著。通過全局莫蘭指數分析發現，我國戰略性新興產業發展具有正向空間自相關性，區域發展不平衡現象依然存在。由此，提出制定差異化區域政策、激勵中西部地區戰略性新興產業發展，以及建立跨區域合作與資源共享機制等建議，以促進新質生產力形成和區域均衡發展。

關鍵詞關鍵詞：戰略性新興產業；發展水平測度；區域差異；新質生產力；熵權TOPSIS法

DOIDOI：10.6049/kjjbydc.2024090001

開放科學（資源服務）標識碼（OSID）""""" 開放科學（資源服務）標識碼（OSID）：

中圖分類號中圖分類號：F061.5

文獻標識碼：A

文章編號文章編號：1001-7348（2024）23-0063-11

0 引言

2023年9月7日，習近平總書記在黑龍江主持召開新時代推動東北全面振興座談會時強調“積極培育新能源、新材料、先進制造、電子信息等戰略性新興產業，積極培育未來產業，加快形成新質生產力，增強發展新動能”。戰略性新興產業是以核心技術為基礎，滿足國家重大發展需求，對經濟社會全局發揮重大引領作用的先導性產業［1-2］。因其具有創新性、先導性、全局性以及長遠性特征，與未來產業共同成為培育新質生產力的核心載體［3］。

當前，全球經濟競爭加劇，新質生產力受到廣泛關注［4］。新質生產力不僅是基于高科技、高效率、高創新的生產力形態，而且能夠反映現代生產力發展中技術進步、資源優化配置和創新能力提升等深層次變革。生產力是推動社會進步的決定性力量，而新質生產力是新科技革命背景下，基于科技創新驅動的新生產力形式。

新質生產力主要體現在3個核心要素即創新鏈、生產鏈和價值鏈集成與互動中［5］。創新鏈代表技術研發與應用，貫穿從基礎研究到技術轉化的全過程［6］；生產鏈體現為新型生產方式和模式形成，包括數字化、智能化等新技術在生產過程中的廣泛應用；價值鏈體現為全球化背景下產業鏈、供應鏈優化與提升。新質生產力的核心特點在于，它能夠通過技術創新、資源重組和高效生產模式大幅度提高勞動生產率，進而推動社會整體生產力躍升。

本文基于新質生產力視角構建戰略性新興產業發展水平測度指標體系，對我國戰略性新興產業區域差異進行實證分析，探討戰略性新興產業區域分布與發展水平，揭示其在新質生產力形成過程中的關鍵作用。

1 文獻綜述

（1）戰略性新興產業發展策略與路徑研究。學者們探討了戰略性新興產業發展規律、未來趨勢和演進特征［7-8］，提出創新鏈、產業鏈、資金鏈、人才鏈“系統性提升、融合式創新、市場化推動、引領性發展”策略［9］。有學者認為，融合集群發展是壯大戰略性新興產業的重要形式［10-11］，數字技術驅動是戰略性新興產業高質量發展的實現路徑［12］。為探討戰略性新興產業發展質量，學者們對中部五省戰略性新興產業現狀進行了評估和競爭力預測［13]，采用PSM-DID模型評估國家級戰略性新興產業集群對城市高質量發展的影響［14］，并基于地區、行業異質性視角分析戰略性新興產業集聚對長江經濟帶經濟增長的影響［15］。

（2）戰略性新興產業發展評價體系研究。考慮到戰略性新興產業具有帶動力強、綜合效益優等特性［16］，僅采用描述性分析方法無法全面反映發展實際，學者們嘗試通過構建多種模型、多指標體系對發展水平進行測度。例如，利用投入產出模型測度我國戰略性新興產業發展進程［17］；運用余弦相似度和灰色模糊綜合評價模型量化戰略性新興產業創新能力［18］；使用面板分位數估計方法探討資源集聚對戰略性新興產業創新生態系統的促進作用［19］。現有研究從收益質量、盈利能力、成長能力、償債能力4個方面測度中國城市戰略性新興產業發展質量［20］；從創新投入能力、 創新產出能力、創新保障能力和創新動態能力4個維度評價戰略性新興產業子行業創新策源能力［21］；從自主創新投入、技術獲取改造、創新成果產出、創新環境支撐和政策扶持5個方面衡量中國各省級行政區戰略性新興產業創新能力［22］。

以上成果為我國戰略性新興產業發展路徑、城市影響、創新能力研究奠定了基礎，但關于戰略性新興產業發展水平評價體系尚無系統性論述，鮮有學者將省域樣本作為研究對象。本文基于新質生產力視角測度產業發展水平，揭示其在國家科技創新與生產方式變革過程中的關鍵作用。

2 研究設計

2.1 理論分析及指標體系構建

戰略性新興產業發展與新質生產力密切相關。借鑒余仙梅等［23，26］、孫理軍等［24］、陳文鋒等［25］的研究成果，遵循指標體系設計的科學性、可獲得性和可運算性原則，本文基于科學技術創新、產業市場規模、政策環境支持3個維度構建我國戰略性新興產業發展水平測度指標體系（見表1）。

（1）科學技術創新層面的指標選取。習近平總書記指出：“新質生產力是創新起主導作用，具有高科技、高效能、高質量特征，符合新發展理念的先進生產力質態［27］。”戰略性新興產業需要具有前瞻性、顛覆性、引領性的關鍵核心技術支撐［28］，作為獨立的生產力元素，科學技術離不開研發投入。資本投入與創新能力呈現正相關關系［29］，且上述關系可能拉大不同區域間創新能力差距［30］。此外，技術創新能力與技術要素交互對產業質量具有正向影響［31］。參考冉征和鄭江淮［32］的做法，本文選取購買境內技術經費支出、高技術產業新產品開發經費支出、有效發明專利數、高等學校博士研究生在校人數4個指標評價科學技術創新層面的戰略性新興產業發展水平。

（2）產業市場規模層面指標選取。戰略性新興產業是培育新質生產力的核心載體［33］。產業市場規模能夠反映地區戰略性新興產業發展程度，間接體現該地區經濟活力與市場需求。產業市場規模表現為省級及以上重點產業集群和園區主導產業規模［34］，相關領域企業集群對企業績效、經濟表現和創新行為具有積極影響［35］。高新技術企業數量增長不僅體現為較高的技術創新活躍度，也是產業市場繁榮的重要標志。技術市場成交額和高技術產業營業收入能夠直觀體現戰略性新興產業市場需求情況。因此，本文選擇高新技術企業數量、技術市場成交額、高技術產業營業收入3個指標，反映產業發展活躍度和市場對新技術的接受程度。

（3）政策環境支持層面指標選取。新質生產力形成離不開政府支持，政策環境支持在戰略性新興產業發展過程中發揮重要作用，政府政策能夠有效緩解“市場失靈”帶來的影響。經費支出結構高級化和支出強度會影響戰略性新興產業發展速度，政府一般公共預算支出對新興產業發展發揮引領作用［36］。因此，本文選擇Ramp;D人員/當地人口數、Ramp;D經費內部支出、一般公共預算支出（科學技術支出）3個指標，以此量化政策對戰略性新興產業的扶持力度與效果。

2.2 研究方法及模型構建

2.2.1 研究方法

本文采用熵權TOPSIS法對戰略性新興產業發展進行量化評估，該方法兼具熵權法的客觀權重分配和TOPSIS法的綜合評價優勢，且對樣本數據無特殊要求，能夠對戰略性新興產業各評價指標進行排序，使評價結果貼近實際。

2.2.2 模型構建

具體模型構建步驟如下：

（1）數據標準化。根據評價指標特性，本文采用極值法對指標進行標準化處理。

正向指標：yij=xij－minxijmaxxij－minxij （1）

負向指標：yij=maxxij－xijmaxxij－minxij（2）

（2）計算評價指標比重，公式如下：

Pij=yij∑mi=1yij（0≤Pij≤1）（3）

（3）計算相應指標熵值，公式如下：

ej=－k∑mi=1pijlnpijk＞0，0≤eij≤1 （4）

（4）計算各評價指標權重，公式如下：

Wj=1－eij∑nj=1gj0≤Wj≤1（5）

（5）根據權重建立加權矩陣，公式如下：

V=Wj×rij（6）

（6）根據加權矩陣計算正負理想解：

正理想解：V+=V1+，V2+，…，Vn+=maxiVij|j=1，2，…，n（7）

負理想解：V－=V1－，V2－，…，Vn－=miniVij|j=1，2，…，n （8）

（7）計算評價對象與正理想解及負理想解的歐氏距離，公式如下：

Si+= ∑nj=1Vij－Vj+2i=1，2，…，n（9）

Si－= ∑nj=1Vij－Vj－2i=1，2，…，n（10）

（8）計算貼進度，即各地戰略性新興產業發展水平評價值，公式如下：

Ci=S－S－+S+（i=1，2，…，n）（11）

其中，Ci介于0～1之間。Ci值越大，表示戰略性新興產業發展水平越高。

3 戰略性新興產業發展水平實證測度

3.1 數據來源

根據數據獲取可得性和完整性，本文選取全國30個省（市、自治區）2013—2022年面板數據（未包含港澳臺地區和西藏），數據主要來源于《中國統計年鑒》《中國科技統計年鑒》《中國高技術產業統計年鑒》以及各省統計年鑒等官方資料。對于缺失年度的數據，本文采用插值法補齊。

3.2 指標權重

本文利用熵權法測算戰略性新興產業發展水平測度指標權重（見表2），其中，科學技術創新層面的權重是0.462 1，產業市場規模層面的權重是0.298 4，政策環境支持層面的權重是0.239 5。

3.3 戰略性新興產業發展水平總體評價

3.3.1 貼近度分析

本文通過計算正理想解與負理想解，并利用歐氏距離得到各地區戰略性新興產業發展指數與理想解的貼近度（見表3）。由貼近度結果可知，華東地區戰略性新興產業發展水平領先，西北地區（陜西除外）、沿邊地區戰略性新興產業總體發展速度較慢。

3.3.2 時序演進分析

戰略性新興產業發展時序演進分析結果如圖1所示。由圖1可知，2013年以來，我國戰略性新興產業發展取得顯著成效，戰略性新興產業綜合評價指數呈現高速增長趨勢，由2013年的0.042 6提升至2022年的0.110 8，漲幅高達160.09%。

其中，科學技術創新指數由2013年的0.025 1提升至2022年的0.072 9，漲幅高達190.44%。通過構建生產要素協同機制與新質生產力培育機制，戰略性新興產業不斷發展壯大，從而加速創新成果產業化。

我國戰略性新興產業市場規模指數由2013年的0.058 8提升至2022年的0.159 9，漲幅高達171.94%。其增長得益于全國加大高技術產業支持力度，尤其《國務院關于促進國家高新技術產業開發區高質量發展的若干意見》等一系列政策激發市場活力，促使高新技術企業數量持續增長，技術市場成交額和高技術產業營業收入得以穩步增加。

我國戰略性新興產業政策環境支持指數由2013年的0.070 8提升至2022年的0.164 2，漲幅高達131.92%。原因在于，新興產業發展能夠促使創新鏈和人才鏈有效匹配。國家加大對高新技術人才的引進與培養力度，利用市場機制培育復合型創新人才，從而夯實戰略性新興產業發展基礎。由此，提高基礎研究、應用研究和試驗發展經費投入以及一般公共預算支出，能夠加快戰略性新興產業科技成果轉化速度。

3.3.3 空間格局分析

2013—2022年各省份戰略性新興產業發展水平均值如圖2所示。由圖2可知，戰略性新興產業發展水平大致呈現“東強西弱”的空間格局，高水平地區大多位于東部沿海經濟發達地區。由此說明，東部地區經濟實力雄厚，能夠吸引創新資源，進而為戰略性新興產業發展奠定良好基礎。此外，南方地區戰略性新興產業發展水平高于北方地區，特別是長江沿岸地區處于較高水平，即我國戰略性新興產業發展水平呈現“南高北低”的分布特征。

4年間各省份戰略性新興產業發展狀況如表4所示。表4顯示，廣東、江蘇及北京等地區戰略性新興產業呈現較高的發展水平，其中廣東尤為突出，其在發展過程中發揮引領作用，為其它地區提供了寶貴經驗。較高水平地區主要集中于浙江、上海、山東等沿海地區，上述地區戰略性新興產業發展水平逐年提升。與此同時，西部諸省和海南省戰略性新興產業發展水平較低，轉型升級的任務較重，亟需明確發展方向和目標。

4 戰略性新興產業發展水平區域差異分析

4.1 各地區戰略性新興產業發展水平分析

根據上文數據，本文通過計算準則層最優距離和最劣距離得出準則層相對貼近度，并采用2013—2022年各省（市、自治區）綜合得分（貼近度）均值測算戰略性新興產業發展水平（見表5），缺失數據采用插值法補齊。

由表5可知，戰略性新興產業發展水平綜合得分最高地區是廣東（0.485 6），得分最低地區是青海（0.003 4）。東部地區（如廣東、北京、江蘇、浙江、上海等）戰略性新興產業發展質量較高，邊疆地區（如青海、新疆、內蒙古、海南等）戰略性新興產業發展質量較低。上述結果說明，各地區技術創新、市場規模、政策支持差距有待進一步縮小。因此，需要結合各區域實際情況優化戰略性新興產業布局，提供更有力的政策支持。

各地區戰略性新興產業發展水平時序演進結果如圖3所示。由圖3可知，各地區戰略性新興產業發展水平均有較大提升。其中，中部地區戰略性新興產業發展水平增幅最大，由2013年的0.026 7提升至2022年的0.100 3，漲幅高達275.66%，這主要得益于國家對中部地區的支持力度加大。東部地區和西部地區漲幅居中，由0.088 8提升至0.216 1，由0.014 2提升至0.040 4，分別累計提升143.36%和184.51%。東北地區戰略性新興產業發展水平漲幅較小，僅54.8%，綜合指數從2013年的0.025 0提升至2022年的0.038 7。需要注意的是，2013年以后，西部地區逐漸趕超東北地區，2022年西部地區綜合指數已超越東北地區，位居全國第3。原因在于，東北地區發展長期依賴傳統重工業和資源型產業，產業結構調整短時間內難以實現，隨著國家對西部地區支持政策不斷完善，西部地區呈現較快增長速度。

圖4顯示，在科學技術創新層面，評價指數最高地區是東部地區（0.157 7），最低地區是西部地區（0.022 4），兩地區評價指數比值為7∶1。在產業市場規模層面，東部地區（0.295 6）排名第一，其次是中部地區（0.169 5），西部地區（0.062 2）和東北地區（0.046 2）排名靠后，各地區評價指數比值為6.4∶3.7∶1.4∶1。在政策環境支持層面，整體排名情況與產業市場規模層面相似，東部地區（0.318 0）評價指數全國領先，西部地區（0.057 6）和東北地區（0.041 2）排位靠后，三地區評價指數比值為7.7∶1.4∶1。整體而言，東部地區在技術創新、產業規模和政策支持等方面均領先于其它地區；中部地區科學技術創新與東部地區存在較大差距；與東北地區相較，西部地區在產業市場規模和政策環境支持方面評價指數較高，證明西部大開發戰略能夠有效提升西部地區產業規模并改善政策環境。

4.2 各地區科學技術創新指標分析

圖5顯示，科學技術創新指標得分最高地區是廣東（0.449 8），得分最低地區是青海（0.000 6），2013—2022年廣東排名均居第一位。主要原因在于，截至2022年，廣東購買境內技術經費支出達到109.32億元，高技術產業新產品開發經費支出達到2 834億元，有效發明專利數有351 610件，高等學校博士研究生在校人數27 913人，各項數據均處于全國領先。當前，廣東省“十大”戰略性支柱產業主要布局在粵港澳大灣區。其中，深圳正加快建設材料基因組大科學裝置等高端研發基礎設施，構筑戰略性新興產業和未來產業發展高地。

北京（0.179 3）、江蘇（0.124 3）科學技術指標得分僅次于廣東，是中國科技創新體系較為完整的地區。北京構建“以新一代信息技術為引擎，以生物、節能環保、新材料、新能源汽車為突破，以新能源、航空航天、高端裝備制造為先導”的戰略性新興產業格局。“北京智造”“北京服務”相融合，2024年上半年，北京高技術制造業和高技術服務業投資分別增長53.5%、13.6%。以科技研發、新能源、新技術為代表的經濟增長，成為推動江蘇經濟高質量發展的“新引擎”。青海（0.001 2）、寧夏（0.001 1）、海南（0.002 6）等地區指標得分較低，原因在于，青海、寧夏、海南等地區高新技術產業發展規模偏小，尚未形成產業鏈帶動效應。

4.3 各地區產業市場規模指標分析

產業市場規模指標得分最高地區是廣東（0.505 0），得分最低地區是新疆（0.001 9）（見圖6）。2022年廣東高新技術企業數量達到13 276個，技術市場成交額和高技術產業營業收入保持較高水平。新疆高新技術企業數量有80個，寧夏僅有60個，由此可見，高新技術企業數量不足會嚴重制約當地高新技術產業發展。

在東部沿海地區，浙江6類生產性服務業法人總數僅占廣東的66%。中部地區，安徽緊盯集聚化、集群化、融合化發展方向，培育了一批戰略性新興產業集群。截至2022年，江蘇6 000多家戰略性新興產業企業在資本市場和專業領域表現突出，為全省貢獻超過一半的上市公司以及80%以上的國家級專精特新“小巨人”企業。

4.4 各地區政策環境支持指標分析

政策環境支持指標得分最高地區是廣東（0.638 2），得分最低地區是青海（0.007 5）。其中，2022年廣東Ramp;D人員占當地總人口的4‰，Ramp;D經費內部支出達到1 835.48億元，一般公共預算支出（科學技術支出）達到983.78億元，處于全國領先。江蘇啟動總規模500億元的省級戰略性新興產業母基金，確立省級母基金“耐心資本”的定位，積極引導資金流向，支持戰略性新興產業發展。相比之下，2022年青海Ramp;D人員占當地總人口比例、Ramp;D經費內部支出、一般公共預算支出（科學技術支出）指標處于全國最低水平，推動戰略性新興產業發展存在較大困難，具體見圖7。

5 進一步分析

5.1 空間相關性檢驗

本文采用莫蘭指數（Morans'I）衡量各省份戰略性新興產業發展水平，探討戰略性新興產業是否存在空間相關性。空間自相關模型可揭示變量間空間關聯性和集聚特征，其中包括全局空間自相關和局部空間自相關［37-38］。

（1）全局空間自相關。全局空間自相關常用于分析觀測值間的空間相關性，但不能指明聚集區域，通用全局空間自相關統計指標為全局莫蘭指數。莫蘭指數通常介于-1～1之間，若Morans'I＞0，則表示存在正空間自相關，即相似值聚集在一起；若Morans'I＜0，則表示存在負向空間自相關，即相似值彼此遠離；若Morans'I=0，則表示地區間無空間依賴性。莫蘭指數絕對值越大，相關性越強，具體公式如下：

I=∑ni=1∑nj=1wijxi－xxj－xS2∑ni=1∑nj=1wij（12）

其中，S2=∑ni=1xi－xn為樣本方差，wij為空間權重矩陣（i，j），用于測量區域i與區域j之間的距離。

（2）局部空間自相關。采用局部空間自相關方法能夠深化對空間局部特征與變化的理解，精確標識具體集聚區域，深入分析特定地點與周圍區域的空間關系，識別熱點或冷點區域，以及任何潛在空間異質性或聚集模式。局部莫蘭指數計算公式如下：

I'=xi－x∑nj=1wijxj－xS2（13）

由局部莫蘭指數計算結果可知，局部空間自相關的局部特征可被劃分為4種模式：高高（HH）型，表示高數值區域與周邊高數值區域集聚；低高（LH）型，表示低數值區域被高數值區域包圍；高低（HL）型，表示高數值區域被低數值區域包圍；低低（LL）型，表示低數值區域與周邊低數值區域集聚。以上分類能夠準確揭示空間數據中的局部特征及變化。

5.2 空間相關性分析

本文采用全局莫蘭指數測算2013—2022年我國戰略性新興產業發展水平空間相關性，結果如表6所示。結果顯示，我國戰略性新興產業發展水平的全局莫蘭指數均通過顯著性檢驗，表明各省（市、自治區）戰略性新興產業發展水平存在顯著正向空間相關性。

本文基于全局莫蘭指數，利用局部莫蘭指數對2022年我國戰略性新興產業發展的空間效應作進一步分析，結果見圖8。由圖8可知，我國戰略性新興產業具有顯著集聚現象，在地理空間上呈現較強的依賴性。具體而言，東部地區和東南地區集中在高高集聚區，區域間差異較小，說明地區輻射帶動作用較強；海南處于低高集聚區，觀測點值較低，但其鄰近點值較高，說明當地被高值包圍；西北地區戰略性新興產業處于較為落后位置，說明該地區整體發展不佳，區域間差異較大，存在分布不均衡現象。

6 結語

6.1 結論

（1）本文通過測度區域產業水平差異，實證了新質生產力與戰略性新興產業的緊密聯系。東部地區較高的發展水平反映出新質生產力在科技創新、市場擴展和政策支持方面的綜合作用，中西部地區發展滯后凸顯出新質生產力要素不足。因此，推動新質生產力發展，特別是在中西部欠發達地區，是縮小區域間差距的關鍵舉措。

（2）區域發展差異顯著，呈現較強的集聚效應。我國戰略性新興產業發展具有顯著區域差異，東部沿海地區和長江沿岸地區發展水平較高，尤其是廣東、北京和江蘇等省（市）在科技創新和市場規模方面遙遙領先。同時，中西部及邊疆地區，如新疆、青海等地發展相對滯后。區域間不平衡發展凸顯出產業集聚效應，東部地區產業鏈條和創新體系較為完善，能夠吸引更多技術與資本，而中西部地區面臨技術資源不足和政策支持不足問題。

（3）通過分析全局和局部莫蘭指數發現，我國戰略性新興產業發展呈現顯著正向空間自相關性，區域間集聚效應較強。由此表明，不同地區戰略性新興產業發展受鄰近地區影響較大，東部地區高水平產業集聚，西北及邊疆地區產業發展較為滯后，呈現出區域間發展不均衡的持久性和復雜性。

6.2 政策建議

（1）制定差異化區域發展政策。為有效解決地區間發展不平衡問題，政府部門應制定差異化政策。例如，提供稅收優惠，降低企業運營成本，激勵創新活動與資本注入；創立特別科研基金，旨在支持地方高校、研究機構開展與地方產業密切相關的研發活動；建立技術轉移辦公室，促進高校和企業技術交流，加速科技成果轉化應用。

（2）優化中西部地區戰略性新興產業激勵政策。為加快中西部地區戰略性新興產業發展，地方政府應以發展新質生產力為切入點，制定相關激勵措施，具體包括為企業提供初創階段和擴張階段的財政補貼，以及研發稅收優惠等。

（3）建立健全跨區域合作與資源共享機制。跨區域合作是縮小地區間發展水平差距的重要途徑。通過設立跨省市產業園區共享科技創新資源，構建地區間戰略聯盟或創新網絡。將產業園區打造為技術交流和商業合作平臺，引導東部地區資本流向中西部地區，支持地區間人才交流計劃和聯合研發項目，從而提高戰略性新興產業整體實力和創新能力。

6.3 不足與展望

本文存在以下不足：首先，研究樣本僅涵蓋全國30個省（市、自治區），未考慮港澳臺及西藏地區，未來可以進一步擴大樣本范圍，以提升研究結論的普適性。其次，本研究主要依賴面板數據，缺乏對動態變化和政策效果的實時評估，可能影響結論的時效性。未來可以結合環境、社會文化等多維度數據，進一步提升分析深度與廣度。同時，未來可以探討大數據技術在產業發展評估中的應用，實現更精準的動態監測，進而提出更具針對性的政策建議。

參考文獻參考文獻：

［1］ 習近平在黑龍江考察時強調牢牢把握在國家發展大局中的戰略定位奮力開創黑龍江高質量發展新局面［N］.人民日報，2023-09-09（01）.

［2］ 王鵬.深刻理解習近平總書記關于發展戰略性新興產業的重要論述［J］.上海經濟研究， 2024， 43（4）： 5-13.

［3］ 王宇.以新促質：戰略性新興產業與未來產業的有效培育［J］.人民論壇，2024，33（2）：32-35.

［4］ 王鵬.深刻理解習近平總書記關于發展戰略性新興產業的重要論述［J］.上海經濟研究，2024，43（4）：5-13.

［5］ 顧麗敏.創新鏈驅動戰略性新興產業融合發展：理論邏輯與機制設計［J］.現代經濟探討，2024，43（3）：80-86.

［6］ 張輝，唐琦.新質生產力形成的條件、方向及著力點［J］.學習與探索，2024，46（1）：82-91.

［7］ 張弛，張彩云.戰略性新興產業的理論基礎與演進特征［J］.學習與探索，2023，45（5）： 134-146.

［8］ 宋大偉.新階段我國戰略性新興產業發展思考［J］.中國科學院院刊， 2021， 36 （3）： 328-335.

［9］ 王海南，王禮恒，周志成，等.“四鏈”深度融合下戰略性新興產業高質量發展戰略研究［J］.中國工程科學，2024，26（1）：1-12.

［10］ 顧麗敏.創新鏈驅動戰略性新興產業融合發展：理論邏輯與機制設計［J］.現代經濟探討，2024，43（3）：80-86.

［11］ 白素霞.我國戰略性新興產業融合集群發展的優勢、挑戰與對策研究［J］.中國國情國力，2024（2）：26-30.

［12］ 黃先海，黨博遠，宋安安，等.新發展格局下數字化驅動中國戰略性新興產業高質量發展研究［J］.經濟學家，2023，35（1）：77-86.

［13］ 李鐸，郝健棋.實現戰略性新興產業高質量發展優勢比較與路徑選擇——基于安徽、河南等中部五省數據比較與分析［J］.價格理論與實踐，2023，43（10）：47-51，97.

［14］ 宋琪，劉佳琪. 國家級戰略性新興產業集群對城市高質量發展的影響——基于PSM-DID的實證研究［J］.現代管理科學， 2024， 43（1）： 44-54.

［15］ 李太平，顧宇南.戰略性新興產業集聚、產業結構升級與區域經濟高質量發展——基于長江經濟帶的實證分析［J］. 河南師范大學學報（哲學社會科學版）， 2021， 48 （1）： 78-87.

［16］ 陳憲. 戰略性新興產業發展態勢探究［J］.人民論壇， 2023， 32（21）： 22-25.

［17］ 王馨培，高艷云，李國榮.中國戰略性新興產業進程指數構建及評價［J］.統計學報，2024，5（2）：53-63.

［18］ 薛昱，張文宇，雷家骕.基于復雜網絡分析的區域戰略性新興產業創新能力評價［J］.科學決策，2020，27（4）：49-66.

［19］ 石璋銘，徐道宣.集聚促進戰略性新興產業創新生態系統發展的實證分析［J］.科技進步與對策，2018，35（23）：92-98.

［20］ 王卉彤，劉傳明，劉笑萍. 中國城市戰略性新興產業發展質量測度及時空特征分析［J］.城市發展研究， 2019， 26 （12）： 130-136.

［21］ 李星，戚湧. 戰略性新興產業創新策源能力評價及障礙因子診斷研究［J］.科學管理研究， 2023， 41 （4）： 56-63.

［22］ 邵云飛，穆榮平，李剛磊.我國戰略性新興產業創新能力評價及政策研究［J］.科技進步與對策， 2020， 37 （2）： 66-73.

［23］ 余仙梅，譚曉麗.粵港澳大灣區戰略性新興產業高質量發展水平測度［J］.技術與創新管理，2023，44（3）：255-261.

［24］ 張永安，鄔龍.戰略性新興產業生命周期規律及產業轉化研究——基于技術推動的視角［J］.工業技術經濟，2014，34 （8） ：3-8.

［25］ 陳文鋒，劉薇.區域戰略性新興產業發展質量評價指標體系的構建［J］.統計與決策，2016，32（2）：29-33.

［26］ 余仙梅，譚曉麗.粵港澳大灣區戰略性新興產業高質量發展水平測度［J］.技術與創新管理，2023，44（3）：255-261.

［27］ 習近平在中共中央政治局第十一次集體學習時強調：加快發展新質生產力扎實推進高質量發展［N］.人民日報，2024-02-02（01）.

［28］ 蔣文能，凌榮安，秦強，等.戰略性新興產業的內涵、機理及政府介入［J］.經濟與社會發展，2013，11（4）：1-6.

［29］ 盧現祥，王素素，盧哲凡.研發投入結構是否影響企業創新能力［J］.福建論壇（人文社會科學版），2022，42（5）：39-52.

［30］ 胡浩然，宋顏群.經濟一體化與中國省際創新差距收斂［J］.產經評論，2023，14（4）：129-143.

［31］ 孫理軍，張蔓，高倩.戰略性新興產業要素稟賦、技術創新能力與產業發展質量的關系［J］.科技管理研究，2022，42（9）：1-7.

［32］ 冉征，鄭江淮.新型創新治理政策與企業創新能力提升——基于創新型試點城市政策的分析［J］.產業經濟研究，2023，22（1）：115-128.

［33］ 王宇.以新促質：戰略性新興產業與未來產業的有效培育［J］.人民論壇，2024，33（2）：32-35.

［34］ 陳春林.江西省戰略性新興產業發展評價與選擇的實證研究［J］.江西科學，2022，40（1）：186-195.

［35］ ABBASIHAROFTEH MILAD.Endogenous effects and cluster transition： a conceptual framework for cluster policy［J］.European Planning Studies， 2020，28（12）：2508-2531.

［36］ 高瑋，來源.支持江蘇戰略性新興產業發展財政政策研究［J］.地方財政研究，2021，18（5）： 43-47.

［37］ 鄧淑芬，朱佳翔，鐘昌寶.長三角城市群科技創新投入的空間關聯格局分析［J］.統計與決策， 2019，35 （15）： 105-108.

［38］ 肖松，鄒小偉，張永薇，等.我國五大城市群縣域科技創新效率空間分異與障礙因子分析［J］. 科技進步與對策，2024，41 （12）： 35-46.

責任編輯（責任編輯：張 悅）

英文標題

The Measurement of the Development Levels of Strategic Emerging Industries and Their Regional Disparities from the Perspective of New Quality Productive Forces

英文作者Chen Hong1 ，" Hu Shangui2

英文作者單位（1.College of Business Administration， Ningbo University of Finance and Economics; 2.College of Adult and Continuing Education， Ningbo University of Finance and Economics， Ningbo 315175， China）

英文摘要Abstract：The development of strategic emerging industries is a key approach to accelerating the formation of new-quality productive forces， which are essential in driving technological innovation， economic transformation， and sustainable growth. However， the current research lacks a comprehensive examination of the assessment frameworks for the developmental progress of strategic emerging industries. Furthermore， there is a scarcity of in-depth， scientifically grounded analyses that leverage the new quality productivity theory. Additionally， research utilizing provincial data as a starting point is relatively sparse. This study aims to measure the development levels of strategic emerging industries in China from the perspective of new quality productive forces and to underscore its critical role in the nation's scientific and technological innovation and analyze the regional disparities in their development.

A comprehensive evaluation index system is constructed， covering three dimensions： technological innovation， industrial market scale， and policy environment support. By utilizing the entropy-weight TOPSIS method and spatial autocorrelation models， the development levels and regional disparities of strategic emerging industries across 30 provinces in China are quantitatively assessed.

The results reveal a clear regional concentration pattern， with eastern coastal areas and the Yangtze River regions exhibiting significantly higher development levels than northwestern and border provinces. This indicates substantial disparities in the development of strategic emerging industries across China. Additionally， the Global Moran's Index confirms positive spatial autocorrelation， meaning that regions with higher development levels are often surrounded by similarly advanced regions. This highlights the persistent issue of regional imbalance， with advanced regions continuing to outpace lagging areas in technological and industrial growth.

Several key conclusions emerge from the analysis. First， regions with higher levels of technological innovation and strong policy support—such as Guangdong， Beijing， and Jiangsu—have made significant progress in fostering strategic emerging industries. These regions benefit from well-established innovation ecosystems， substantial government funding， and robust market demand. On the other hand， western and border provinces， such as Xinjiang and Qinghai， face significant challenges due to weaker innovation infrastructures， lower levels of industrial development， and less favorable policy environments. These disparities underscore the need for targeted policy interventions to bridge the development gap.

To address these challenges， this paper proposes several policy recommendations. First， differentiated regional policies should be developed to support the unique needs of underdeveloped areas， especially in central and western China. These policies could include tax incentives， direct subsidies for innovation， and special funding programs to enhance local technological capabilities and industrial growth. Second， cross-regional collaboration mechanisms should be established to promote resource sharing and technological transfer between more developed and less developed regions. This would facilitate more balanced development across regions and enable the diffusion of innovation to less advantaged areas. Finally， the creation of strategic industry clusters in underdeveloped regions， along with initiatives to attract and retain high-tech talent， would accelerate their integration into the national industrial landscape and foster new quality productive forces.

This study makes several contributions to the literature. First， it extends the theoretical framework of new quality productive forces by applying it to the measurement of strategic emerging industries' development levels. This perspective integrates technological innovation， industrial scalability， and policy support as key factors driving the growth of these industries. Second， it provides a robust empirical analysis of regional disparities in the development of strategic emerging industries across China， offering insights into the spatial patterns of industrial growth and regional innovation ecosystems. Third， the study's findings offer practical implications for policymakers aiming to foster more balanced regional development and to harness the potential of strategic emerging industries in driving national economic transformation.

By fostering innovation， bolstering market capabilities， and intensifying policy backing in regions that are lagging behind， China can achieve more balanced and sustainable growth in these critical industries.

英文關鍵詞Key Words：Strategic Emerging Industries; Development Level Measurement; Regional Disparities; New Quality Productive Forces; Entropy-weight TOPSIS Method