《Sustainability》:Spatiotemporal Transition Characteristics and Influencing Factors of New-Quality Productive Forces Development in China Based on Random Forest Model
编辑推荐:
新质生产力(New-Quality Productive Forces, NQPFs)为理解创新驱动发展、数字赋能和绿色转型如何共同支持可持续区域发展提供了重要的概念视角。本研究从地理学视角出发,基于生产力三要素:劳动者(laborers)、劳动资料(mean
新质生产力(New-Quality Productive Forces, NQPFs)为理解创新驱动发展、数字赋能和绿色转型如何共同支持可持续区域发展提供了重要的概念视角。本研究从地理学视角出发,基于生产力三要素:劳动者(laborers)、劳动资料(means of labor)和劳动对象(objects of labor),构建了新质生产力的多维评价体系。利用中国31个省级行政单位2012-2022年的面板数据,研究人员整合了熵权法(Entropy Weight Method)、标准差椭圆(Standard Deviation Ellipse, SDE)、探索性时空数据分析(Exploratory Spatiotemporal Data Analysis, ESTDA)、障碍度模型(Obstacle Degree Model)和随机森林模型(Random Forest Model),考察了新质生产力的时空演变和影响机制。结果表明:(1)研究期间中国新质生产力稳步增长,但整体水平仍相对较低,区域差异持续扩大。空间上呈现明显的“东高西低”格局,华南和华东保持领先地位,广东和江苏形成双核增长结构。(2)空间重心始终位于胡焕庸线东南侧,扩张方向大致与该线平行,表明空间格局相对稳定。ESTDA结果进一步揭示了显著的正空间自相关(positive spatial autocorrelation)、强时间惯性(temporal inertia)和局部空间转换中明显的路径依赖(path dependence)。(3)高技术人才供给、创新创业活力和生态治理能力构成了制约新质生产力发展的主要内部瓶颈。外部因素分析表明,经济规模和人口规模是新质生产力发展的主要预测因子,而政府干预、开放程度、城市化和产业结构表现出不同程度的非线性和区域异质性。这些发现丰富了新质生产力的地理学解释,为制定差异化的区域创新政策和生产力转型战略提供了实证依据。
在全球经济增长动能重构、数字技术快速扩散以及绿色低碳转型加速的背景下,将区域经济从传统要素驱动转向创新引领、数字赋能、绿色高效的可持续发展模式,已成为区域经济学和经济地理学的核心议题。传统增长模式依赖土地、资本和劳动力的大量投入,虽在特定发展阶段支撑了经济扩张,但也加剧了资源消耗、环境压力和区域发展不平衡。随着新一轮科技革命和产业变革的深化,区域竞争优势越来越取决于人力资本、知识积累、研发能力、数字基础设施和绿色治理能力。“新质生产力”(New-Quality Productive Forces, NQPFs)概念为理解区域生产力转型提供了分析透镜,其核心命题是科技创新作为引领力量,超越传统经济增长模式,形成高科技、高效能、高质量特征的先进生产力形态。然而,现有研究存在理论边界不够清晰、地理视角和动态空间分析不足、方法相对静态和线性等局限。为此,研究人员以中国31个省级行政单位为样本,构建了基于劳动者、劳动资料和劳动对象三要素的多维分析框架,系统考察了2012-2022年新质生产力的时空演变与影响机制。论文发表在《Sustainability》。
研究人员主要使用了以下关键技术方法:基于熵权法(Entropy Weight Method)构建新质生产力综合评价指标体系;采用标准差椭圆(Standard Deviation Ellipse, SDE)分析空间重心迁移与方向演化;运用探索性时空数据分析(Exploratory Spatiotemporal Data Analysis, ESTDA)中的LISA时间路径和LISA时空跃迁方法揭示局部空间关联的动态特征;通过障碍度模型(Obstacle Degree Model)诊断内部核心制约因素;引入随机森林模型(Random Forest Model)识别外部因素的非线性关联,并采用留一省交叉验证(leave-one-province-out cross-validation, LOPO-CV)和SHAP(SHapley Additive exPlanations)方法增强模型解释性。数据来源涵盖中国国家统计局官网、统计年鉴等,缺失值采用线性插值补充。
**3.1. 数据预处理与综合NQPF指数的稳健性检验**
通过价格调整、规模异质性处理、缺失值处理、归一化方法、权重方案及指标重叠测试,综合NQPF指数对替代预处理和构建方案保持稳健,表明该指数反映的是区域综合能力,兼顾规模基础、结构特征与质量效率属性。
**3.2. 新质生产力演化的时空特征**
**3.2.1. 时空格局演化特征**
全国层面,NQPF指数从2012年的0.109增至2022年的0.227,整体水平仍较低。区域层面,华南(0.259)和华东(0.251)领先,区域间差距扩大。省域层面,广东(0.629)和江苏(0.540)最高,西藏、宁夏最低。空间上呈现“东高西低”格局,沿海省份向内地逐步扩展。重心位于胡焕庸线东南侧,扩张方向大致平行于该线,空间结构从分散沿海分布向带状集聚演化。
**3.2.2. 时空关联特征**
(1)LISA时间路径分析显示,东部地区局部空间关联结构变动更剧烈,西部地区相对稳定。大多数省份的LISA时间路径相对长度较短,表明局部空间结构具有较强时间惯性。曲折度大于1,表明非线性特征普遍存在。迁移方向中,45.16%的省份呈现协同运动,其中正协同型主要集中在内陆非边境地区。(2)LISA时空跃迁分析表明,类型I跃迁(无变化)概率最高(0.8516),表明局部空间关联结构具有强惯性,各省份在2012-2022年间空间跃迁有限。
**3.3. 影响因素分析**
**3.3.1. 内部影响因素**
障碍度模型结果显示,主要制约因素集中于高技术人才年均数量(A2)、单位面积工业废水处理设施数(C6)和当年创业服务人数(A3),表明高质量劳动力供给、创新创业活力和生态治理能力是内部核心瓶颈。
**3.3.2. 外部影响因素**
随机森林模型在OOB验证和LOPO-CV中表现良好。变量重要性排序显示,经济总量(X4)和人口规模(X5)是首要预测因子,产业结构(X6)贡献最低。SHAP分析进一步揭示,X4和X5高值主要产生正向贡献,政府干预(X3)高值以负向贡献为主。偏依赖图显示:(1)经济总量呈阶段性非线性,中位数转折点约2.2946(对数),低于此值NQPF预测值缓慢上升,之后显著陡峭。(2)人口规模转折点约2.1540,之后预测值大幅提升。(3)政府干预呈负向非线性,转折点约0.2967,低于此值下降较快,之后趋缓。(4)城市化率转折点约64.22%,呈先缓后陡再缓的阶梯式关联。(5)开放程度呈先降后升再平稳的“N”型模式,转折点约0.4129。(6)产业结构呈先升后平缓的弱非线性,转折点约1.0873。
**3.3.3. 稳健性检验与补充诊断**
LOPO-CV残差的年度Moran’s I均值为-0.2075,存在负空间自相关但无持续正聚类。XGBoost和支持向量回归在相同框架下表现与随机森林相当。一期滞后随机森林模型表现稳定,经济规模和人口规模仍为领先预测因子。双向固定效应空间面板模型显示经济规模与NQPFs显著正相关,其他变量系数因模型而异。
**讨论部分总结**:本研究揭示了新质生产力时空异质性、路径依赖与动态调整共存、以及非线性与阈值依赖的内外反馈机制。空间分化并非仅由经济规模驱动,而是制度质量、创新生态系统、政策执行能力和区域吸收能力共同作用的结果,符合核心-边缘理论。数字化并未自动消除传统地理格局,反而可能强化核心区优势。ESTDA方法深化了对NQPF空间集聚、扩散和转型动态的理解。随机森林模型揭示了外部因素的非线性、阶段依赖和边际递减关联,弥补了线性模型的不足。内部-外部耦合机制强调,NQPF的形成是人力资本、创新活力、绿色治理构成的内循环与规模-结构-政策构成的外循环协同演化的结果。政策启示包括:实施差异化区域发展战略、构建良性“人才-创新-绿色发展”循环、加强动态监测与跨区域治理。
**研究结论翻译**:
本研究考察了2012-2022年中国新质生产力(NQPFs)的时空格局、时空关联及影响机制。通过整合熵权法、标准差椭圆、探索性时空数据分析、障碍度模型和随机森林模型,揭示了省域NQPFs的空间分异、动态演变及内外约束。主要结论如下:中国NQPF发展具有显著时空分异特征。2012-2022年,全国、区域和省域层面NQPF均保持稳步增长态势,但整体水平仍较低,区域间和省际差距持续扩大。空间上,NQPF水平及其维度间协调性均呈现明显的“东高西低”格局,华南和华东持续领先,广东和江苏形成双核增长结构。研究期间,NQPF重心始终位于胡焕庸线东南侧的信阳附近,扩张方向大致平行于该线,表明空间方向相对稳定且日益增强。NQPF的时空关联反映了路径依赖与动态演化的共存。东部地区局部空间关联结构更具动态性,西部则相对稳定。大多数省份的局部空间结构表现出强时间惯性、有限的跃迁概率和明显的路径依赖特征。NQPF发展由内部瓶颈和外部非线性关联共同塑造。内部方面,高技能人才供给、创新创业活力和生态治理能力仍是主要制约因素。外部方面,经济规模和人口规模是随机森林、SHAP和一期滞后模型中最稳定的核心预测因子,经济规模在空间面板模型中仍保持显著正关联。相比之下,政府干预、开放程度、城市化和产业结构在不同模型设定中表现出不同程度的非线性、阶段依赖性和异质性。总体而言,替代机器学习算法、滞后模型和空间面板模型提供了部分一致且互补的稳健性证据。