我国省域新经济新动能：统计测度、空间格局与关联网络_程开明.pdf

第 40 卷第 3 期 统计研究 Vol.40，No.3 2023 年 3 月 Statistical Research Mar.2023 我国省域新经济新动能：统计测度、空间格局与关联网络*程开明 吴西梦 庄燕杰 内容提要：我国经济转向高质量发展阶段后，发展新经济培育新动能势在必行。本文从数字能力、经济活力、知识实力、创新动力和潜能助力5个维度构建新经济新动能综合指标体系，借助PPIPM模型进行权重设置，测算20142019年我国31个省（区、市）的新经济新动能指数，利用修正的引力模型考察省域新经济新动能的空间关联强度，采用社会网络分析呈现新经济新动能关联网络的整体形态、内部结构与演进态势。结果显示，我国省域新经济新动能呈东高西低的空间分布特征和先收敛后发散的动态趋势，形成以“高高”和“低低”聚集为主的空间格局；地区之间的新经济新动能联系东密西疏，省域新经济新动能的对外辐射和吸纳能力逐步提升，北京、四川等省份大概率占据结构洞位置，表现出明显的发展优势。结论对于推动我国新经济新动能的持续健康协调发展具有启示意义。关键词：新经济；新动能；PPIPM模型；引力模型；社会网络分析 DOI:10.19343/ki.111302/c.2023.03.002 中图分类号：C813，F012 文献标识码：A 文章编号：10024565(2023)03001814 *基金项目：国家社会科学基金重大项目“大数据背景下我国新经济新动能统计监测与评价研究”（18ZDA125）。Chinas Provincial New Economy and New Impetus:Statistical Measurement,Spatial Pattern and Association Network Cheng Kaiming Wu Ximeng Zhuang Yanjie Abstract:Chinas economy has entered a stage of high-quality development,with the new economy and new impetus being a significant part and a strong driving force.This article builds a new economy and new impetus index(NENII)from the dimensions of digital ability,economic vitality,knowledge strength,innovation power,and potential assistance,and uses the PPIPM model to set weights and calculates the NENII in 31 provinces of China from 2014 to 2019.The modified gravity model is used to measure the provincial spatial correlation strength,and social network analysis is further used to show the overall form,internal structure and evolution trend of the association network.Results show that the development of the new economy and new impetus of 31 provinces in China exhibits a“high-east,low-west”pattern and the convergence-to-divergence dynamic trend;the whole country has formed a distribution pattern dominated by“low-low”and“high-high”aggregation forms.The inter-regional connections are close in the east and sparse in the west;radiation and absorption capacity has gradually increased.Provinces such as Beijing and Sichuan have a high probability of occupying structural holes and have development advantages.The conclusion has enlightenment for the sustainable,healthy and coordinated development of Chinas new economy and new impetus.Key words:New Economy;New Impetus;PPIPM Model;Gravity Model;Social Network Analysis 第 40 卷第 3 期 程开明等：我国省域新经济新动能 19 一、引言 近年来，新经济形式接连涌现，新动能蓬勃释放。新冠疫情蔓延使得部分传统行业遭受沉重打击，但远程办公、生鲜电商等新业态逆势成长，共享员工、互联网医疗等新模式层出不穷，新旧动能的转换升级随之加快。2022年1月，国务院印发“十四五”数字经济发展规划，要求加快数字化发展，打造数字经济新优势，培育壮大新动能。新经济新动能催生出新的生产生活方式，为我国经济高质量发展塑造新优势。新经济新动能已成为经济高质量发展的重要主题，准确把握其现实特征及发展趋势对实现经济转型升级和2035年远景目标具有重要意义。目前关于新经济、新动能的研究较为丰富，但多停留于内涵界定、对策建议等定性层面，有关定量测度的文献还较少（邵明振等，2021），原因可能在于新经济具有综合性特征，新动能较为抽象而难以直接衡量。已有的测度指标体系往往只关注新经济（曾五一等，2017；张雪玲和陆秋夏，2019）或新动能（柴士改和李金昌，2021），很少把两者结合起来考察，研究对象也多为部分重点城市或区域，未对全国省域新经济新动能发展进行系统测算与分析。现实中新经济和新动能紧密关联，新经济能够有效培育新动能，新动能则能够激发新经济的发展动力，两者共同反映经济发展的新态势（李金昌和洪兴建，2020）。基于此，科学构建新经济新动能指数，测度我国省域新经济新动能的发展态势、时空演进及关联网络特征，成为社会各界期待解决且具有重要学术价值的议题。本文通过编制新经济新动能指数，考察省域新经济新动能发展水平、空间格局及关联网络。创新之处在于：构建我国新经济新动能测度指标体系，基于PPIPM模型设置指标权重，进而编制新经济新动能指数准确反映省域新经济新动能发展态势；引入修正的引力模型揭示省域新经济新动能的联系强度，探测各省份在网络体系中的地位与作用。二、新经济新动能的测度基础（一）新经济新动能的内涵演进 国际上对于新经济的内涵并未达成一致认识，其定义往往受到时代背景的影响。“新经济”一词最早出现于美国商业周刊1996年12月发表的一组文章中，用以描述由信息技术革命带动、以高新科技产业为龙头的经济，具有经济持续增长、低失业、低通胀和低赤字等特征。Scott（2016）认为，新经济是以知识经济为基础，由新技术革命引起的经济增长方式、经济结构以及经济运行规则等方面的变化。随着新一轮科技与产业革命以及供给侧结构性改革的推进，新经济在我国掀起新的热潮。国家统计局将新经济活动主要概括为“三新经济”即新产业、新业态和新商业模式，分别侧重于新的经济活动性质、新的服务载体形态和新的要素组合模式。当然，也有“四新经济”的说法，即在“三新”的基础上加入“新技术”。李晓华（2018）将以现代数字技术为基础，通过网络协同、平台支撑、数据支撑、数据驱动协调各类经济活动的平台经济作为新经济的重要内容。概括起来，对新经济的表述和理解存在一定的共性，即现阶段的新经济是一种新的经济形态，以创新为核心驱动力，以人才为基础，以技术为支撑，伴随着新观念的产生、新要素的出现和数字化的新基建而发展，广泛存在于三大产业之中（李金昌和洪兴建，2020）。当然，基于新技术、新需求对传统经济进行改造升级，也可能产生新经济。无论如何定义，新经济的源头在于“新”，一切带来经济增长的新手段都可以被称为新经济。新经济的出现改变了传统的生产、管理、营销和消费方式，对人才培养和人力资源管理都将产生颠覆性的重大影响（曾五一等，2017）。大力发展新经济是适应20 统计研究 2023 年 3 月 生产力发展和贯彻新发展理念的客观要求，是推动旧动能转换为新动能、实现经济高质量发展的必然选择（师博和张冰瑶，2018）。2017年1月，国务院办公厅印发关于创新管理优化服务培育壮大经济发展新动能加快新旧动能接续转换的意见指出，新动能是指以技术创新为引领，以新技术新产业新业态新模式为核心，以知识、技术、信息、数据等新生产要素为支撑的经济发展新动能。学术界对新动能内涵的理解主要包括单因素说、双因素说和多因素说三种观点（盛朝迅，2020）：单因素说认为新动能形成的核心是创新；双因素说认为新动能主要来自供需双因素，即“创新形成”和“消费形成”两大领域，或产业结构和生产方式双因素；多因素说认为新动能不仅来自创新，还来自改革、消费、开放、企业家精神、各类新主体、新制度等。基于历史与逻辑视角来看，每次工业革命孕育的颠覆式技术变革都推动了新旧动能的根本性转换（宁朝山，2019），当前的新动能是以新技术、新产业、新业态、新模式为核心，以知识、技术、信息、数据等新生产要素为支撑，促进产业智慧化、跨界融合化和品牌高端化（余东华，2018）。新动能前提在于“新”，这个“新”是创新；新动能核心在于“动”，这个“动”是动力；新动能目的在于“能”，这个“能”是能量（柴士改和李金昌，2021）。可见，新动能的核心也是创新，不仅包括技术层面的创新，还涵盖社会经济运行特征的创新、思想创新和制度创新等，由创新催生的经济发展动力都属于新动能的范畴。总体来看，新经济孕育新动能，新动能助推新经济。发展新经济有利于适应经济新常态的要求，推动传统动能转型升级和新动能加速成长，促进经济高质量发展。培育新动能意味着要深入推进供给侧结构性改革，加快发展新技术、新产业、新业态、新模式，带动需求侧提质升级，助推新经济发展。同时，新经济和新动能的内涵都有效体现了创新、协调、绿色、开放、共享的新发展理念。（二）新经济新动能的测度方法 国际上对新经济统计的研究经历了对网络经济、信息经济、分享经济、数字经济等不同新型经济形态的探索过程。欧盟新经济统计信息系统从信息通信技术（ICT）与全球化、创新、特征与表现、宏观经济、能力和策略、扶持政策与设施6个方面构建指标体系探究新经济发展状况，该研究主要集中于数字经济，并未给出系统的方法来指导新经济测度；美国信息技术与创新基金会从知识型工作、全球化、经济活力、数字经济和创新能力5个方面构建美国州级新经济指数，对美国50个州的新经济发展情况进行测度，指标体系主要围绕新经济本身特征（张美慧，2017）。中国新经济指数（New Economy Index，简称NEI）是我国首个以实时公开大数据挖掘来量化新经济发展的指数，估算了新经济在整个经济中的重要性，但评估对象仅局限于部分城市，不能全面反映我国新经济发展的整体情况。部分学者也试图构建新经济指标体系探讨新经济发展状况。北京大学杨开忠等（2003）最早推出中国区域新经济指数报告，根据知识型职业、全球化、经济动态和竞争、向数字经济的转型、创新能力5大类共15个指标构建指标体系，测度新经济品质和发展潜力。基于新经济的内涵特征，张雪玲和陆秋夏（2019）从新要素、新载体和新模式三个维度甄选26个指标构建新经济发展评价指标体系。Shen等（2016）认为新经济部门具有人力资本和技术密集、固定资本比率相对较低的特征，确定了新经济包含的9个行业，通过从互联网收集的大数据来识别新兴经济企业，构造新经济指数来描述新经济部门的增长模式。也有学者针对特定区域的新经济新动能进行了探讨，利用综合指标体系分别考察了我国东部和西部的新经济发展现状，开展区域间新经济发展的差异比较（姚鹏和张其仔，2019；徐娟和代杨龙，2018）。对新动能指数编制的研究相对较少。国家统计局（2018）从网络经济、经济活力、创新驱动、第 40 卷第 3 期 程开明等：我国省域新经济新动能 21 转型升级和知识能力5个层面，采用分层等权法，结合29个二级指标构建新动能指数，直观反映经济新动能的发展趋势与进程。郑江淮等（2018）从需求侧、供给侧及结构转换视角，基于柯布道格拉斯生产函数，通过对全要素生产增长的分解出构建出近似替代全要素生产率的新动能指数，对我国经济增长新旧动能转换的进展进行评估。何强（2019）以能力基础、农业现代化、产业融合和发展成效为一级指标，采用9个二级指标构建农村经济发展新动能指数，考察了我国农村经济新动能发展态势。柴士改和李金昌（2021）从投入和产出两个方面构造包括10个二级指标、23个三级指标、62个四级指标的经济增长新动能指标体系，对全国新动能的投入指数、产出指数及分项指数进行了测算。我国新经济快速发展，新动能蓬勃释放，对新经济新动能的统计监测及评估逐渐成为一个热点领域。目前，多数研究以整个国家或部分重点城市、区域为对象，测算新经济或新动能的发展，将新经济和新动能结合起来进行全国分省份的测度较少；对新经济新动能空间格局的探讨较少，仅见钞小静等（2021）利用Moran I指数和Markov链刻画我国新经济发展水平的时空演进趋势，使用Dagum基尼系数及空间收敛模型分析新经济发展的区域差异特征。新经济与新动能无疑是相互促进的：一方面发展新经济的目的是培育新动能，促进经济转型升级；另一方面新动能是激发新经济发展的动力源，新经济依靠新动能（李金昌和洪兴建，2020）。因此，在厘清新经济和新动能关系的基础上，有必要构建指标体系从省域层面综合测算新经济发展和新动能培育状况，考察省域新经济新动能发展的优势与短板、未来发展趋势，进而以其为基础解析省域新经济新动能的空间格局及关联网络特征，得到有价值的结论，为未来新经济新动能的健康协调发展提供参考。三、新经济新动能指数编制（一）指标体系构建 新经济是一个综合性的概念，以现代信息技术为基础，以互联网为平台，以数据为资源，以新运行模式、新发展态势为体现，展现经济发展新活力。可见，“数字能力”是新经济发展的坚实基础和技术保障，“经济活力”是对新经济成长特征的有效反映和集中体现。新动能则相对于旧动能，以知识为支撑要素，突出创新驱动效应，为新经济发展创造适宜的内外部环境。可知，“知识实力”是新动能的源头所在，不断激发新思想、新构想，进而驱动科技创新；科技创新促进新产业、新业态、新商业模式的涌现，形成“创新动力”；与外部环境有关的基础设施、环保意识、生活成本、就业状况、城乡差距等因素则影响着新动能释放的巨大潜能，构成“潜能助力”。图1 新经济新动能测度指标体系框架 遵循科学性、系统性和可行性等原则，按照层次性结构，以“数字能力、经济活力、知识实力、创新动力、潜能助力”5个维度作为测度新经济新动能的一级指标。其中，“数字能力”与“经济活22 统计研究 2023 年 3 月 力”侧重于对“新经济”的测度，“知识实力”“创新动力”和“潜能助力”侧重于对“新动能”的测度。考虑到一级指标的实际内涵，结合指标的代表性和数据可得性，最终选取30个二级指标构建我国新经济新动能指标体系，具体见表1。表1 我国新经济新动能指标体系及指标权重 一级指标 一级指标权重 二级指标 指标属性 二级指标权重 数字能力 0.2272 1.数字经济增加值占地区生产总值比重 正向 0.0276 2.互联网普及率 正向 0.0450 3.人均移动互联网接入流量 正向 0.0414 4.有电子商务交易活动的企业比重 正向 0.0253 5.大数据发展指数 正向 0.0303 6.进入互联网全国100强的企业数 正向 0.0357 7.进入云计算全国100强的企业数 正向 0.0220 经济活力 0.2058 8.第三产业增加值占地区生产总值比重 正向 0.0202 9.高技术产品出口额占商品出口总额比重 正向 0.0299 10.技术市场成交额占地区生产总值比重 正向 0.0261 11.软件业务收入占第三产业增加值比重 正向 0.0255 12.快递业务收入占第三产业增加值比重 正向 0.0338 13.电子商务销售额占第三产业增加值比重 正向 0.0444 14.创业服务就业人数占全部就业人员比重 正向 0.0258 知识实力 0.1772 15.人均受教育年限 正向 0.0261 16.进入武书连全国大学排行榜100强的学校数 正向 0.0420 17.每万人科技论文数 正向 0.0258 18.信息传输、软件和信息技术服务业就业人员比重 正向 0.0472 19.科学研究和技术服务业就业人员比重 正向 0.0362 创新动力 0.2367 20.每万人国内专利申请授权数 正向 0.0281 21.每万人R&D人员全时当量 正向 0.0445 22.每万人R&D项目（课题）数 正向 0.0437 23.R&D经费投入强度 正向 0.0387 24.地方财政支出中科学技术支出占比 正向 0.0356 25.新产品销售收入占主营业务收入比重 正向 0.0461 潜能助力 0.1531 26.每万人拥有公共交通车辆数 正向 0.0387 27.生活垃圾无害化处理率 正向 0.0229 28.居民消费价格指数 逆向 0.0389 29.城镇登记失业率 逆向 0.0459 30.城乡人均可支配收入比 逆向 0.0067（二）数据来源 根据20142019年我国31个省（区、市）的面板数据进行分析，31个省份的“数字经济增加值”借鉴许宪春和张美慧（2020）、叶胥等（2021）的做法，从数字化基础设施、数字化交易和数字化载体三个维度确定数字经济包含的行业范围，计算相应行业的调整系数，在此基础上估算各省份的数字经济增加值。“大数据发展指数”取自国家信息中心发布的中国大数据发展报告。“人均受教育年限”根据各省人口抽样调查数据加权计算，6岁及6岁以上人口中小学、初中、高中、大专及以上人口的教育年限分别以6年、9年、12年、16年计。“进入互联网全国100强的企业第 40 卷第 3 期 程开明等：我国省域新经济新动能 23 数”“进入云计算全国100强的企业数”“进入武书连全国大学排行榜100强的学校数”根据对应排行榜，结合企业或学校所属省份计数。其他指标的数据主要来源于20152020年的中国统计年鉴 中国科技统计年鉴 中国劳动统计年鉴 中国价格统计年鉴和中国宏观经济数据库、中华人民共和国工业和信息化部官网、中商情报网等，部分指标的缺失值采用插补法进行处理。（三）权重设置及指数计算 指标权重设置包含时间、指标和方案三个维度，可看作动态多指标决策（DMADM）问题。金菊良等（2004）将投影寻踪模型与多指标决策问题的理想点法相结合，提出基于投影寻踪的理想点法新模型（PPIPM），基本思想是直接利用DMADM的决策矩阵信息，把具有方案、时间和指标的三维决策矩阵通过某种组合投影到低维子空间，寻找使投影指标函数达到最优的投影值，并根据投影值对决策方案集进行优劣排序。传统多元统计方法处理多维数据时，可能存在“维数祸根”或稳健性差等缺陷，而投影寻踪是一种稳健有效的综合评价方法，且计算量相对较小，无需对数据分布作出假定，但降维过程中会造成部分信息损失。PPIPM建模过程包括建立决策矩阵、矩阵规范化、确定理想决策矩阵、构造投影指标函数和优化投影指标函数5个具体步骤。为保证数据在地区维度上横向可比、时间维度上纵向可比，采用极差法对面板数据进行标准化处理，即 正向指标：minmaxminkijkijkijkijkijaabaa=（1）逆向指标：maxmaxminkijkijkijkijkijaabaa=（2）其中，bkij为标准化处理后的指标值，akij代表指标的原始取值，k为备选决策方案，i为年份，j为指标。将31个省（区、市）作为样本对象，30个二级指标20142019年的取值作为原始数据，运用PPIPM模型，借助MATLAB的加速遗传算法（RAGA）求得最佳投影向量，并将最佳投影向量中各指标权重占所有指标权重之和的比重作为最终的二级指标权重，具体见表1所示。进一步根据综合指数法计算新经济新动能总指数（NENII）和分项指数，即 1100nkijjjNENIIb w=（3）式中，bkij为标准化处理后的指标值，wj为第j个指标对应的权重。据此得到20142019年我国31个省份的新经济新动能总指数，以及数字能力、经济活力、知识实力、创新动力和潜能助力等5个分项指数。四、新经济新动能发展特征解析（一）新经济新动能的总体特征 20142019年我国新经济新动能指数从23.61提高到31.62，呈现出稳步上升趋势。全国31个省份新经济新动能指数的差距较大，2019年11个省份的指数高于全国平均水平，20个省份的指数低于全国平均水平，说明多数省份的新经济新动能发展还有相当潜力，具体见表2所示。北京、上海、广东、浙江、江苏等地的新经济新动能指数值名列前茅，而一些省份的新经济新动能发展仍处于起步阶段。从5大分项指数来看，省份之间差异较大，在领先省份的拉动下，超过三分之二省份的分项指数均低于全国分项指数的平均水平。24 统计研究 2023 年 3 月 表2 2019年全国和省份新经济新动能总指数及分项指数 地区 总指数 数字能力 经济活力 知识实力 创新动力 潜能助力 全国 31.6204 9.2564 4.6029 4.0980 6.3810 7.2821 北京 84.5598 21.4007 13.1917 17.2832 21.5380 11.1462 上海 58.2782 14.9124 12.6894 9.6456 14.6976 6.3332 广东 51.0813 15.8228 8.6535 5.1143 14.2028 7.2878 浙江 46.9088 12.6037 6.2897 3.9682 15.3417 8.7054 江苏 44.5638 11.5426 5.6161 7.2329 12.7041 7.4682 天津 41.3206 10.4332 7.7312 5.3083 11.3062 6.5418 湖北 34.0080 8.5587 4.5067 5.4191 8.1054 7.4181 陕西 33.4339 9.1977 6.6589 5.3118 5.2780 6.9876 重庆 32.8370 9.7266 6.2734 3.1252 6.8749 6.8370 安徽 32.5657 8.2532 4.0558 3.1387 9.0851 8.0330 福建 32.1685 11.3442 3.9010 2.9021 6.8086 7.2127 山东 31.1866 9.4103 4.7814 3.3670 6.6677 6.9602 四川 29.3644 8.7992 5.8645 3.7655 4.5524 6.3828 湖南 29.3474 7.9050 2.9490 3.5735 6.4489 8.4710 辽宁 28.0619 8.1967 4.6279 4.2909 5.0848 5.8617 江西 26.2236 7.8574 3.1370 2.2287 6.2832 6.7173 河南 25.5142 6.8999 4.4424 2.8025 4.6936 6.6758 吉林 25.3379 7.3762 2.9029 4.2493 4.8300 5.9794 山西 24.8279 7.7034 4.4033 2.2576 3.0000 7.4637 河北 24.6899 7.4538 2.8874 3.1050 4.2992 6.9446 宁夏 24.4664 8.6934 2.1796 2.3140 4.2460 7.0333 海南 24.0781 8.1936 3.4879 2.6879 2.0736 7.6351 贵州 23.9478 8.8993 3.2020 1.9089 3.1274 6.8102 青海 23.1329 8.8115 1.6167 2.5060 1.5751 8.6236 甘肃 22.2940 6.6206 2.5489 2.9942 2.5380 7.5923 云南 21.6672 7.0690 2.5090 2.8346 2.2860 6.9686 内蒙古 21.5633 7.6637 2.6688 2.8258 2.0036 6.4014 广西 21.4785 7.2513 3.1532 2.0486 2.8855 6.1399 黑龙江 21.4552 5.8003 2.0964 4.1159 2.6033 6.8394 新疆 21.3723 6.8614 1.5382 2.1079 1.3542 9.5106 西藏 18.4971 5.6880 2.1249 2.6046 1.3154 6.7642（二）新经济新动能的地区差异 将全国31个省份划分为东部、中部、西部和东北四大地区，分别计算各地区的新经济新动能指数。2019年东部地区的新经济新动能指数大幅领先，北京、广东、上海、江苏、浙江等东部省份在经济基础、科技创新、人才聚集等方面占有先发优势，为新经济发展和新动能培育奠定良好基础；中部地区新经济新动能发展大致处于全国平均水平；西部地区和东北地区的新经济发展则稍显落后。全国新经济新动能指数为31.62，仅有东部地区超过全国平均水平，其余三个地区的新经济新动能发展不甚理想，指数均低于全国平均水平。东部地区处于我国改革开放前沿，经济发展水平较高，基础设施建设较为扎实，具有良好的创 根据2011年国家统计局 东西中部和东北地区划分方法，东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南，中部地区包括山西、安徽、江西、河南、湖北和湖南，西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆，东北地区包括辽宁、吉林和黑龙江。第 40 卷第 3 期 程开明等：我国省域新经济新动能 25 业与就业环境，大量人力资源相继流入，在经济、信息、文化、创新等方面明显领先于其他地区。东部、中部和西部地区的各项分指数大致呈阶梯状下降态势，东北地区的“知识实力”较为领先，“创新动力”次之，“数字能力”“经济活力”和“潜能助力”较靠后。“潜能助力”衡量的是经济社会发展的外部环境，地区之间的差距并不明显。（三）新经济新动能的收敛性分析 考虑到地区内外部条件差异，选用收敛对20142019年31个省份新经济新动能发展的收敛性进行分析。收敛主要依据省域新经济新动能发展水平的标准差和变异系数来测度，如果存在收敛，意味着各省份的新经济新动能发展与全国平均水平的离差逐年降低，内部差异随时间逐渐缩小。收敛模型形式为：21111()()1nntiiiiI tI tnn=|（4）11()nttiiCVI tn=（5）其中，t为第t年的标准差，Ii(t)为第i个省份第t年的新经济新动能指数值，CVt为第t年的变异系数。表3 20142019年省份新经济新动能指数的收敛结果 2014 2015 2016 2017 2018 2019 标准差 12.5242 12.0304 12.2479 12.9961 12.8259 13.7012 变异系数 0.5305 0.4654 0.4580 0.4671 0.4329 0.4333 20142019年我国31个省份新经济新动能指数的标准差和变异系数的变化趋势并不恒定，标准差在波动中呈上升趋势，而变异系数在波动中呈下降态势。以变异系数为例，20142016年31个省份的新经济新动能指数差异逐年缩小；2016年“新经济”概念首次在政府工作报告中出现，各地加快新经济建设和新动能培育步伐；2017年省份之间的差距再次拉大，2018年差异有所缩小，2019年又略有上升。未来应进一步缩小地区之间的差异，促进地区新经济新动能协调发展。五、新经济新动能的空间格局（一）总体空间分布 为直观反映省份之间新经济新动能发展的差异及关联性，可从地理视角考察我国新经济新动能发展空间格局。从31个省份新经济新动能指数的空间分布可知，我国新经济新动能发展整体呈现东高西低的梯度发展格局，值得注意的是湖北、陕西和重庆虽处中西部地区，但新经济新动能发展水平较高。为整体反映我国省域新经济新动能指数的空间自相关性，采用全局Morans I系数加以测度。具体以Queen邻近规则构造空间权重矩阵，为避免海南成为孤岛，假定海南与广东、广西相邻。借助GeoDa软件计算得到20142019年我国新经济新动能发展的全局Morans I系数，见表4所示。20142019年我国新经济新动能指数的全局Morans I系数值均通过5%水平的显著性检验，说明新经济新动能发展存在明显的空间集聚特征。随着省域新经济新动能指数的不断提升，相近省份之间新经济活动的合作与竞争并存。沙璐.“新经济”首次写入政府工作报告EB/OL.中央政府门户网站,2016年3月5日,http:/ 5049380.htm.26 统计研究 2023 年 3 月 表4 20142019年我国新经济新动能发展的全局Morans I系数 年份 全局Morans I EI Z得分 P值 2014 0.2931 0.0333 3.3321 0.005 2015 0.3040 0.0333 3.4082 0.005 2016 0.2798 0.0333 3.1954 0.005 2017 0.2680 0.0333 3.0333 0.005 2018 0.2715 0.0333 3.0238 0.008 2019 0.2680 0.0333 3.0761 0.006 为进一步揭示省域新经济新动能指数的空间关联格局，采用局部Morans I系数测度局部空间自相关性，结合20142019年的LISA集聚图，以观测省域新经济新动能发展和周边省份的局部空间自相关性，发现多数省份新经济新动能发展的空间局部自相关性不显著，东部地区存在“高高”聚集区域，西部地区存在“低低”聚集区域。天津和上海一直属于“高高”聚集区域，是因为天津自身及与之相邻的北京、上海自身及与之相邻的江苏和浙江一直都是新经济新动能指数较高省份。江苏部分年份属于“高高”聚集区域，原因在于其自身新经济新动能发展虽较为领先，但周边既存在上海、浙江等高水平地区，又存在安徽等低水平地区。新疆一直属于“低低”聚集区域，西藏、青海、内蒙古和云南等部分年份也属于“低低”聚集区域，可见西部地区的新经济新动能发展水平总体较低，出现“低低”聚集现象。（二）空间关联特征 在分析地区之间的往来联系时，大量文献都是通过引力模型以及在引力模型的基础之上引入其他变量来开展分析（刘生龙和胡鞍钢，2011）。为探究我国省域之间新经济新动能发展的关联特征，本文同样采用引力模型来测度省域之间新经济新动能的联系强度。两地之间的新经济新动能引力强度受到省份发展差异的影响，往往呈现非对称特征，即领先省份对落后省份的引力强于落后省份对 领先省份的引力。为体现省域间新经济新动能引力的方向性，将引力常数K修正为参数Kij，根据式（6）计算得到省份i对省份j的新经济新动能引力值*ijG。*2ijijijijiijijI IGKDIKII=|=|+（6）式中，Ii、Ij分别表示省份i与省份j的新经济新动能发展水平，以两地的新经济新动能指数代表；Dij为省份i与省份j之间的地理距离。此外，定义某一省份对自身的新经济新动能引力值为0，即*0iiG=。根据式（6）计算出我国省域间新经济新动能的引力值，得到20142019年共6个3131非对称引力矩阵，进而以矩阵中元素的四分位数为界，各引力矩阵中的引力值可等分为强弱不同的4个区间。由此发现，弱引力关联多由西部省份发出，呈放射状发散至全国各地。原因在于受空间距离的影响，西部省份与外省交流的成本较高，限制了相互之间新经济新动能发展的合作，使得关联强度较低。次弱的引力连接是地理距离较远的省份之间或连接空间相近但新经济新动能发展较落后的省份，引力网络扩展范围较广，几乎遍及全国。较强的引力关联多出现在东部和中部地区，所连省份相距较近且新经济新动能发展水平较高。高强度引力关联由中部到东部逐渐密集，以北京、天津、上海、因篇幅所限，各省份新经济新动能局部集聚特征以附表1展示，详见统计研究网站所列附件。下同。因篇幅所限，省域新经济新动能的空间关联图以附图1展示。第 40 卷第 3 期 程开明等：我国省域新经济新动能 27 江苏等新经济新动能发达省份为主要辐射源，连接周边较发达省份，形成多中心驱动的新经济新动能高强度网络。得益于空间临近性带来的交流便利，相邻的发达省份之间几乎都存在着高强度的引力关联。为反映省域新经济新动能的吸引能力，将各省份对外部的新经济新动能引力值加总，进而得到20142019年我国省域新经济新动能引力总强度由大到小的排序结果。总体来看，东部沿海省份的排名普遍靠前，北京、天津、上海、江苏、浙江等地自身新经济新动能发展实力强，且周边省份的发展水平也较为领先，相互之间的吸引与辐射效应十分明显。河北自身的新经济新动能发展水平虽然不高，但因其环抱北京且与天津毗连，在总体引力关联网络中贡献巨大。得益于政府高度重视，贵州的新经济新动能发展水平提升较为明显。六、新经济新动能的关联网络解析 新经济活动的交融和新动能的传递在省份之间派生出双向作用力，本文将省域看作“节点”，省份之间的新经济新动能联系构成“边”，构建省域新经济新动能的关联网络。为消除省份之间的微弱关联，简化网络分布特征，在此利用（0，1）二值化矩阵构建有向的省域新经济新动能关联网络。以20142019年各省份新经济新动能引力强度的中位数（*0.000257143eG=）为阈值，得到二值化的省份新经济新动能引力矩阵：*1,0,ijeijijeGGGGG=（7）其中，1ijG=代表省份 i 对省份 j 存在较强的新经济新动能引力，0ijG=代表省份 i 对省份 j 较弱的新经济新动能引力或不存在新经济新动能引力。（一）网络整体形态 根据新经济新动能引力矩阵，利用UCINET6.0软件绘制我国省域新经济新动能关联网络图。20142019年网络密度分别为0.4048、0.4537、0.4703、0.4901、0.5265和0.5578，网络整体形态逐渐稠密，单向关联与双向关联并存，但仍存在较大的进步空间。北京、江苏、上海、湖北等地持续处于网络的中心位置，与多数省份存在有效关联，原因在于新经济新动能发展处于领先地位，具有模范带头作用，能够吸引其他省份与之合作交流。湖北地处中部，具有地理区位优势，能够相对便利地与多数省份开展新经济活动联系。云南、青海、海南等地持续处于网络的边缘位置，因其地理位置偏远，与其余省份的新经济活动往来受到限制，且新经济新动能发展水平较低，对外界的吸引能力弱，未来须加大新经济新动能支持力度，主动向外寻求合作机会，深度融入新经济新动能关联网络。（二）中心性分析 为进一步考察关联网络中节点间联系的方向差异，本文以度数中心度为代表进行新经济新动能关联网络的中心性分析。1.出度中心度和入度中心度的核密度估计。出度中心度和入度中心度从不同方向刻画节点间的联系，根据20142019年各省份在新经济新动能关联网络中的出度中心度和入度中心度，绘制核密度估计曲线见图2。首先，20142019年出度 因篇幅