我國高技術產業高質量發展水平省域差異、障礙因子診斷及時空演變分析

摘 要：推動高技術產業高質量發展是促進我國經濟邁向高質量發展階段的重要支撐，因此探索我國高技術產業高質量發展水平的提升路徑具有重要的現實意義。基于熵權TOPSIS模型測算我國省域高技術產業高質量發展水平，運用障礙因子診斷模型、Dagum基尼系數、馬爾科夫鏈法等，研究高技術產業高質量發展水平的障礙因子和時空演變規律。結果表明：①高技術產業高質量發展水平整體呈現“東部＞中部＞西部＞東北”的區域格局；②專業化集聚、多樣化集聚、競爭集聚位居高技術產業高質量發展障礙因子排名前列，說明產業集聚并非在所有情況下都能自動轉化為高質量發展的動力；③高技術產業高質量發展水平的空間差異主要源于四大區域間的差異，組間差異和超變密度是總體差異的主要來源；④高技術產業高質量發展水平呈現明顯的“俱樂部趨同”現象，在空間溢出效應下，中低、中高、高類型的高技術產業高質量發展水平更容易發生“等級鎖定”。

關鍵詞：高技術產業；高質量發展；熵權TOPSIS；障礙因子診斷；Dagum基尼系數；馬爾科夫鏈

0 引言

全球科技革命和產業變革給中國帶來了新的發展機遇。全面推動高技術產業高質量發展對經濟增長和國際影響力提高、創新和技術升級、國家信息安全可控等至關重要。高技術產業的發展影響一個國家的自主創新能力和核心競爭力。但我國高技術產業仍存在創新能力不足、核心技術對外依賴、區域發展不均衡、產業集聚水平不高、人員管理能力不足等問題。因此，在新時代高質量發展的背景下，推動高技術產業的高質量發展成為當前產業發展和科技進步的必然選擇。

目前，學術界在高技術產業高質量發展領域的研究主要聚焦于發展路徑的探討和效率的評估兩個方面。在路徑探索方面，鄧菁和肖興志［1］從財政扶持的角度，探索高技術產業技術創新和資源合理配置的路徑；張鐘方和侯立軍［2］從數字產業化角度，探索高技術產業研發效率的提升路徑；袁小慧等［3］從現有理論出發，探索高技術產業發展的動力機制。在效率評估方面，對于高技術產業創新效率的評估方法，已有文獻中使用較多的是DEA方法［4-6］和SFA方法［7］，從效率分解角度探究高技術產業創新效率提高的路徑。學者們對于高技術產業高質量發展的路徑探索和效率測度已取得了一定的研究成果。具體而言，路徑探索為高技術產業高質量發展提供了一定的概念性框架，但缺少關于區域的針對性研究；效率測度主要用投入產出來衡量高技術產業的發展水平，指標選取帶有學者的主觀判斷，且容易忽視環境、社會等方面的影響。因此，對于高技術產業高質量發展，缺少從社會福利、可持續發展等綜合性評價角度來全面展現我國不同區域高技術產業高質量發展水平的研究。

在高質量發展背景下，已有研究從創新、協調、綠色、開放、共享新發展理念角度，對特定產業的高質量發展進行了探討［8-15］。在產業經濟學領域，產業的規模通常被視為衡量其發展水平的一個重要標準［16］。根據規模經濟和集聚經濟理論，大規模發展能促進產業群的形成，從而提升資源配置的集中度和經濟效益［17］。已有研究結合汽車產業、文旅產業和新興產業等，從生產效率、競爭力、技術創新和產業協作等多個角度，驗證了區域產業規模對產業發展的作用［18-20］。而區域產業規模與高質量發展又存在密切關系。產業規模可影響區域發展在經濟建設、市場政策制定、創新文化、社會民生建設和生態環境等多個方面的表現。在新發展理念的基礎上，綜合考慮產業規模，可以更全面地評價產業高質量發展水平。因此，產業規模在推動產業發展的過程中扮演著重要角色。然而，為了全面評估一個產業的高質量發展水平，必須將產業規模與其他關鍵指標結合起來。目前，關于中國省級高技術產業高質量發展水平的研究也相對較少。

綜上，本文基于新發展理念，并納入產業規模這一因素，構建我國省域高技術產業高質量發展水平的綜合評價體系，旨在對中國省域高技術產業高質量發展水平進行全面評估。其中，利用熵權TOPSIS法測度我國省域高技術產業高質量發展水平，運用Dagum基尼系數分析高技術產業高質量發展水平的省域差異，運用障礙因子診斷模型進一步識別高技術產業高質量發展的阻力因素，運用馬爾科夫鏈法分析高技術產業高質量發展水平的時空演變。研究我國省域高技術產業高質量發展水平不僅可以拓展產業經濟學、發展經濟學等的理論邊界，還有助于了解高技術產業發展的省域差異、障礙因素以及時空演變特征，具有一定的理論意義；在實踐層面有助于為各地方政府制定針對性政策提供依據。

1 研究設計

1.1 指標體系構建及數據來源

本文從新發展理念和規模維度構建我國省域高技術產業高質量發展水平綜合評價體系，各維度指標選取理由如下：①創新維度。高技術產業高質量發展強調技術創新，鼓勵高技術企業進行創新，推動技術進步，提高產業的技術含量和附加值。因此，借鑒一些學者［21-22］的指標選取方法，從技術創新、創新投入和創新后備力量等方面來反映創新維度。②開放維度。隨著全球化的不斷深入，高技術產業越來越依賴國際合作與交流，且開放維度能夠反映一個國家或地區在全球高技術產業中的參與度和影響力。在中外創新體系互動和融合的共同推動作用下，我國高技術產業的技術水平得到了極大提升［23］。結合對外開放的深度和廣度，選取外貿環境、技術引進、人才引進、進出口貿易等指標來反映開放維度。③協調維度。在構建高技術產業高質量發展的協調維度指標體系時，重點關注產業結構優化和社會發展的平衡性。選擇區域第二產業和第三產業增加值占地區生產總值的比重作為指標，反映了產業結構優化與綜合進步的重要性。第二產業增加值占生產總值比重體現了高技術產業的經濟貢獻和成熟度，而第三產業增加值占生產總值比重上升則代表著更高的技術水平和創新能力。此外，考慮到技術創新與城鄉收入差距的緊密關系，及人口老齡化對高技術產業勞動力市場和消費需求的影響，將城鄉收入差距和城區常住人口老人撫養率選作衡量城鄉協調的指標。這兩個指標不僅揭示了技術普及率和市場潛力，也反映了高技術產業需要適應人口結構變化，才能推動經濟增長和社會進步［24-25］。通過綜合考量這些指標，可以更準確地評估地區在推進高技術產業高質量發展中的表現，特別是在促進產業平衡、結構優化以及提升社會包容性方面的進步。因此，本文選取區域協調和城鄉協調這兩項來反映高技術產業高質量發展的協調維度。④綠色維度。鑒于依靠投入大量資源進行發展的方式已變得不可持續，中國實現高質量發展的關鍵在于綠色化轉型［26］。因此，本文選取高技術產業效率及環保等方面的指標來反映綠色維度。⑤共享維度。強大的通信網絡是信息技術、電子商務等高技術產業發展的基礎，選取移動互聯網寬帶接入用戶數和移動電話年末用戶數來表示基礎設施指標；而城鄉人均可支配收入、醫生數量和公共交通車輛等指標反映了社會福利和經濟發展的均衡性，這種共享有利于提高公眾對高科技產品和服務的可及性與可承受性，從而為高技術產業創造更廣闊的市場。⑥規模維度。高技術產業高質量發展與產業規模密切相關。高技術產業的規模擴張有利于產業群的形成，從而能夠有效優化資源配置和提高經濟效益［27］。一般而言，一個地區的產業規模越大，產業集聚的概率就越高，表明產業規模與產業集聚之間存在正相關關系［28］。因此，在規模維度中納入產業集聚指標是合理的。同時，參考徐丹和于渤［29］、袁永和邱丹逸［30］的研究，從產業規模、產業運行支持規模、產業集聚等角度反映規模維度。各項具體指標介紹見表1。

現有研究主要將產業集聚分為專業化集聚、多樣化集聚和競爭集聚等3類。因此，本文嘗試在高技術產業高質量發展指標體系的規模維度中加入3種類型的產業集聚。與傳統的單一測量產業集聚相比，3種類型的產業集聚測度能更加精確地捕捉高技術產業的特點和需求，從而完善了現有的產業發展理論框架；同時，也為產業高質量發展指標體系的構建提供了新的思路和方向。其中，專業化集聚表示同一行業內企業的集聚，這種集聚有利于知識的擴散和創新的發展［31］；多樣化集聚表示互補性企業的集聚，這也有助于知識的傳播和創新的激發［32］；競爭集聚涉及企業間的相互競爭，這種競爭環境有助于推動企業創新［33］。對于高技術產業集聚的衡量，參考一些學者的方法［34-35］，具體計算公式如下。

專業化集聚計算公式為：

（1）

多樣化集聚計算公式為：

（2）

式（1）—（2）中：Sji表示i省（區、市）高技術產業中j產業就業人數占該地區高技術產業就業人數的比重；Si表示高技術產業中j產業就業人數占全國高技術產業j產業就業人數的比重。

競爭集聚計算公式為：

（3）

式（3）中：[Aggi]表示高技術產業集聚程度，[Comi]表示市場競爭程度。其中，[Aggi=Bir/Nir/∑Bir/∑Nir]，[Bir]和[Nir]分別表示i省（區、市）高技術產業的企業數量和員工數量；[Comi]的計算參考劉勝和顧乃華［36］的做法，用城鎮職工平均工資取對數來衡量。

依據《高技術產業統計年鑒》中對高技術產業的分類，選取電子與通信設備制造、計算機與辦公設備制造、醫藥制造、航空航天器及設備制造、醫療器械及儀器儀表制造等5個高技術產業的數據來衡量3種類型的產業集聚。

選取2013—2020年我國30個省（區、市）高技術產業的數據為樣本（由于西藏、港澳臺數據缺失，故在統計時剔除這些樣本）。由于2021年數據缺失嚴重，故2021年及之后的數據不納入統計范圍。部分缺失數據通過咨詢統計局獲得或采用插值法進行補充。數據均來源于《高技術產業統計年鑒》《中國科技統計年鑒》《中國環境統計年鑒》《中國統計年鑒》和EPS數據庫。

1.2 熵權TOPSIS法

本文采用熵權TOPSIS法對我國省域高技術產業高質量發展水平進行測度。與傳統的測算方法如熵值法、層次分析法（AHP）、灰色關聯法等相比，熵權TOPSIS法更適用于綜合多個指標的量化測度。該方法不需要主觀賦權，能減少主觀因素對結果的影響，且通常測算產生的是一組排序的結果，便于直觀理解和比較［37-39］。熵權TOPSIS法的原理是先利用熵權法確定各指標權重，再利用TOPSIS法對高技術產業高質量發展水平進行測度評價，計算步驟如下。

第一步，先對高技術產業高質量發展各指標數據進行標準化處理。

正向指標：

（4）

逆向指標：

（5）

式（4）—（5）中：[Yij]表示第i個省（區、市）第j個指標標準化后的值；[maxXj]表示第j個指標的最大值；[minXj]表示第j個指標的最小值。

第二步，利用熵值法計算各指標權重，并計算信息熵和差異化系數。具體公式為：

（6）

（7）

（8）

式（6）—（8）中：[Ej]表示第j個指標的熵值；[Gj]表示第j個指標的差異化系數；[Wj]表示第j個指標的權重；m表示評價指標數量；n表示評價對象數量。

第三步，將熵值帶入標準化矩陣，得到標準化后的數據并組成決策矩陣；隨后測算正、負理想解，同時測算各評價對象與正、負理想解的距離。具體公式為：

（9）

式（9）中：正理想解[Q+ij=maxQ1j，Q2j，…，Qnj]；負理想解[Q?ij=minQ1j，Q2j，…，Qnj]。

第四步，根據公式[Fi=D?i/D+i+D?i]計算評價對象與理想解的相對貼近度。[Fi]即高技術產業高質量發展水平，其越接近于1，說明高技術產業高質量發展水平越高。

1.3 障礙因子診斷模型

障礙因子診斷模型可用于評估高技術產業高質量發展評價體系中各指標的阻礙程度。參考時朋飛等［39］的研究，高技術產業高質量發展水平障礙因子診斷的計算公式如下：

（10）

式（10）中：[Pij]為障礙度，表示第i個指標第j年對高技術產業高質量發展水平的阻礙程度。

1.4 Dagum基尼系數

利用Dagum基尼系數對高技術產業高質量發展水平進行區域差異性分析。參考楊桐彬等［40］的研究，將基尼系數分解，進一步分析省域間和省域內差異并測算超變密度。Dagum基尼系數及其分解計算公式如下：

（11）

式（11）中：G表示高技術產業高質量發展水平的總體基尼系數；[yij]表示第i個區域j省（區、市）的高技術產業高質量發展水平；k為區域個數；n為省（區、市）個數；[μ]為各個區域高技術產業高質量發展水平的均值；[Gii]為第i個區域的基尼系數；[Gim]為第i個和第m個區域間的基尼系數；[Dim]為第i個和第m個區域間高技術產業高質量發展水平的相對影響；[dim]為區域間高技術產業高質量發展水平的差值；[pim]為第i個和第m個區域中[ymr?yij]gt;0樣本值加總的數學期望。

1.5 馬爾科夫鏈法

在研究省域綜合評價水平的時空演化方面，時間演化分析使用較多的是核密度估計法［41］，空間演化分析使用較多的是莫蘭指數法［42］或利用Arcgis自然斷點法從地圖上進行分析［43］。而相比于這些方法，馬爾科夫鏈方法一方面可以通過統計測試來驗證結果的穩定性和顯著性，有助于確保研究的可信度；另一方面能夠分析產業的歷史依賴性和狀態轉移概率，有助于更深入地了解產業的發展趨勢和演化機制。參考一些學者［41，44］對馬爾科夫鏈方法的使用，本文從時間和空間的演變來分析高技術產業高質量發展水平的演化特征。

時間層面，用四分位數法把時間序列中的觀測值離散成k種類型，構建k*k狀態轉移矩陣P，以此來反映我國高技術產業高質量發展水平不同時期不同類型的轉移情況。具體公式為：

（12）

空間層面，考慮到我國高技術產業高質量發展水平存在溢出效應，通過相鄰省（區、市）的高技術產業高質量發展水平來劃分高質量發展水平的滯后等級。

1.6 空間自相關

通過測算Moran's I來檢驗我國各省（區、市）高技術產業高質量發展水平分布是否在空間上具有相關性。Moran's I的計算公式為：

（13）

（14）

式（13）—（14）中：[S2=1ni=1nYi?Y]且[Yˉ=1ni=1nYi]，[Yi]和[Yj]分別表示地區i和j高技術產業高質量發展水平觀測值；[Wij]為空間權重矩陣；[Ki]和[Kj]分別表示i省（區、市）和j省（區、市）樣本期間人均實際生產總值的平均值。

2 結果分析

2.1 我國高技術產業高質量發展水平測度結果

我國30個省（區、市）高技術產業高質量發展水平測度結果見表2。整體來看，2014—2016年我國高技術產業高質量發展水平呈下降態勢；而2017年后變化趨于平穩，說明2017年后高技術產業高質量發展水平處于穩定狀態。從不同區域來看，東部地區的高技術產業高質量發展水平顯著領先于中部、西部和東北地區，東北和西部的發展水平相對較低。具體來看，廣東省高技術產業高質量發展水平位居榜首，而北京、江蘇、浙江和上海等東部省（區、市）位列前五。這進一步證明了東部地區高技術產業高質量發展水平的領先地位。排名靠后的省（區、市）有內蒙古、遼寧、河北、貴州、廣西和黑龍江，大部分位于西部和東北地區，說明西部和東北地區高技術產業發展薄弱且不具有競爭力。高技術產業高質量發展水平均值最高的是廣東（40.86），最低的是黑龍江（2.78），前者是后者的14.70倍，說明在2013—2020年間各省（區、市）高技術產業高質量發展水平差異較大。

為更直觀地觀察四大區域①和全國的高技術產業高質量發展狀況，繪制各區域的高技術產業高質量發展水平變化趨勢圖（見圖1）。從四大區域整體發展水平來看，呈現“東部＞中部＞西部＞東北”的趨勢。從變化趨勢來看，2014—2016年各區域高技術產業高質量發展水平均呈現下滑的趨勢，自2017年后各區域發展水平趨于平穩，特別是西部地區，在2018年后其高技術產業高質量發展水平還有小幅提升。從初始水平來看，西部地區初始水平高于全國均值水平，但由于其在經濟運行、科技基礎、人才隊伍等方面薄弱，逐步落后于全國均值水平，且2014—2016年下降幅度較大；中部初始水平較低，但隨著政策的傾斜，2016年后整體呈現上升趨勢；東部地區初始水平遠高于全國均值水平，雖然曲線呈緩慢增長態勢，但提升空間有限，需要更長的緩和期。從全國均值水平曲線來看，中部、西部和東北均低于全國均值水平，仍有很大的提升空間，各曲線表現出“追趕效應”。

為分析高技術產業高質量發展水平一級指標影響權重的變化情況，對2013—2020年高技術產業高質量發展水平一級指標指數變化進行分析，具體如圖2所示。在分析高技術產業高質量發展的主要指標時，可以觀察到以下趨勢：在規模、創新、開放、綠色、共享和協調這6個一級指標中，規模指標的表現最為突出，其次是創新，然后依次是開放、綠色、共享和協調。在2013—2020年間，所有指標的波動幅度都相對較小。特別是規模和創新指標，除了2016年和2020年創新指標略微領先外，其他年份都是規模指標處于領先地位。這表明在中國高技術產業的高質量發展中，規模和創新兩個要素發揮了關鍵的支撐作用。

隨后，通過障礙因子診斷模型對高技術產業高質量發展水平的基礎指標進行診斷。表3展示了2013—2020年我國高技術產業高質量發展水平的前５個障礙因子及其障礙度。從表3中可以看出，各障礙因子的出現頻率并不一致。從各年度障礙因子出現的頻率來看，高技術產業競爭集聚出現的頻率最高，隨后依次是高技術產業專業化集聚、高技術產業多樣化集聚、高技術產業年末從業人員、高技術產業開發項目數、科普圖書出版總冊數、每萬人擁有公共交通車輛、互聯網普及率、工業標準煤消耗等，而科技館數量、高技術產業上繳稅費僅出現1次。由此可知，高技術產業競爭集聚是阻礙高技術產業高質量發展的主要因素，且2013—2019年始終處于障礙因子排名的前4位，說明下一階段的高技術產業高質量發展需要關注競爭集聚。與此同時，高技術產業專業化集聚和多樣化集聚也是高技術產業高質量發展過程中需要格外關注的因素。高技術產業年末從業人員的權重位居前10，對高技術產業高質量發展水平的貢獻較大。這表明在高技術產業高質量發展過程中，需要注意高技術產業人員結構，以增強發展的穩定性。此外，雖然科技館數量、高技術產業上繳稅費等障礙因素只出現了一次，但仍須提防這些因素的反彈。

從每一年的主要障礙因子來看，2013—2017年高技術產業競爭集聚一直居于障礙因子排名的前3位，2016—2020年高技術產業專業化集聚和多樣化集聚一直居于障礙因子排名的前2位。產業集聚在傳統上被認為是經濟增長的催化劑，但在高度集中的環境中，可能會造成資源過度競爭、創新能力受限和區域發展不平衡等問題，說明了產業集聚并非在所有情況下都能自動轉化為高質量發展的動力。從政策背景來看，2013年科技部出臺了《創新型產業集群試點認定管理辦法》，開啟了試點探索階段；2013—2017年為推進階段，2014年批復了22個創新型產業集聚試點，2017年批復了39個試點；2017年后是創新型產業集聚的高質量發展階段，2020年頒布了《關于深入推進創新型產業集群高質量發展的意見》。而這些試點大多圍繞國家高新區的布局進行建設，成為區域高技術產業發展的重要載體。據此，從2017年開始我國的高技術產業高質量發展進入了一個穩定階段，這一現象可能源于發展策略的轉變：起初處于試點推廣的初級階段，隨后逐步進入基于試點經驗的總結和分類指導階段。這種策略轉變可能導致發展效果出現延遲，從而觀察到2017年之后高技術產業高質量發展水平未發生明顯浮動。

2.2 我國高技術產業高質量發展水平省域差異分析

通過Dagum基尼系數來分析高技術產業高質量發展水平的省域差異，測度結果見表4和表5。為了更直觀地把握2013—2020年我國高技術產業高質量發展水平的總體情況及省域差異，繪制出高技術產業高質量發展水平演變差異圖（見圖3）。

由表4和圖3可知，我國高技術產業高質量發展水平的總體差異呈上升趨勢。具體來看，我國高技術產業高質量發展水平總體基尼系數從2013年的0.413上升到2020年的0.470，增幅13.8%，說明各省（區、市）高技術產業高質量發展水平差異不斷擴大。由圖3（a）可知，組間和總體基尼系數的變化趨勢是相似的，表明高技術產業高質量發展的總體差異很大程度是由組間差異造成的；而組內基尼系數的變化趨勢保持平穩，表明高技術產業高質量發展的組內差異維持不變；超變密度基尼系數曲線呈現“上升—下降—微弱上揚”的趨勢，表明不同省域間交叉重疊問題導致高技術產業高質量發展的總體差異略微變大。由圖3（b）可知，組內貢獻率、組間貢獻率和超變密度貢獻率之間呈現出一種相互替換的趨勢，而組間貢獻率始終高于組內貢獻率和超變密度貢獻率。這表明高技術產業高質量發展的空間差異主要源于4個主要區域之間的差異，所以縮小區域間的差異將成為未來發展的關鍵。

由圖3（c）可知，四大區域的組內差異存在地區異質性，中部、東北呈現波動式下降趨勢，西部呈現波動式上升趨勢，東部呈現平穩上升趨勢。結合表5可知，東北地區高技術產業高質量發展水平的基尼系數值在2013—2020年間下降最為顯著，從2013年的0.196降至2020年的0.139，降幅達到41.0%。這一變化表明東北地區高技術產業高質量發展水平經歷了內部均衡化過程。同時，東部地區的內部差異超過了中部和西部。這可能是因為東部既包含廣東、北京、江蘇、浙江、上海等高技術產業發展的領頭羊省（區、市），也有河北、海南等相對落后的省（區、市），存在較大的區域差異。值得注意的是，東北地區的波動較大，呈現出“快速上升—快速下降—穩定上升—再次下降”的趨勢，2015年的波峰達到0.492，遠高于2017年的低谷0.093。這反映出東北三省在高技術產業高質量發展方面缺乏穩定性。

由圖3（d）可知，四大區域的組間差異顯示出波動的特征；特別是中部與西部、西部與東北、東部與中部之間的差異，呈現出下降或波動下降的趨勢，且縮小幅度相對較大，表明這些區域間高技術產業高質量發展水平的差距正在逐漸減小，轉為更加平衡的發展模式。結合表5來看，東部和東北之間高技術產業高質量發展水平的組間基尼系數均值最高；西部和東北的組間差異最小，說明這兩個區域在高技術產業高質量發展方面相對接近。此外，從圖3（d）來看，東部和西部、東部和東北、中部和東北的組間基尼系數呈現上升或波動上升趨勢，且組間差距不斷變大，說明這些地區間高技術產業高質量發展的不平衡性正在增加。

2.3 我國高技術產業高質量發展水平時空演變分析

利用傳統馬爾科夫鏈方法對我國高技術產業高質量發展水平的時間動態轉移趨勢進行分析。根據觀測期內的綜合得分，將其劃分為4種類型：低類型（Ⅰ）、中低類型（Ⅱ）、中高類型（Ⅲ）和高類型（Ⅳ），并據此計算得到整個觀測期的一階馬爾科夫轉移概率矩陣，結果見表6。

由表6可知，主對角線最大值、最小值分別為0.792、0.569，且主對角線概率均大于非對角線概率。這表明高技術產業高質量發展水平類型保持不變的概率至少為56.9%，且表現出明顯的“俱樂部趨同”現象。此外，對角線兩端的值（0.792和0.741）高于中間的值（0.635和0.569）。這表明對于高技術產業高質量發展水平，屬于Ⅰ類型和Ⅳ類型的省（區、市）保持其原有等級的可能性相對較大，形成了一種低水平和高水平的“俱樂部效應”。具體來看，Ⅰ、Ⅱ、Ⅲ類型向上級轉移的概率分別為0.094、0.269、0.118；Ⅱ、Ⅲ、Ⅳ類型向下級轉移的概率分別為0.077、0.196、0.093。這表明高技術產業高質量發展是一個充滿波動和挑戰的過程。

接下來，進行空間自相關檢驗，檢驗結果見表7。結果表明，2016—2020年Moran's I指數均大于0，且至少通過了10%的顯著性水平檢驗，表明我國各省（區、市）高技術產業高質量發展水平在2016—2020年呈現明顯的空間正相關性。因此，本文有必要運用空間馬爾科夫鏈方法，從空間角度對高技術產業高質量發展水平進行分析。空間馬爾科夫鏈轉移概率矩陣測度結果見表8。

由表8可知，首先，4種不同的空間滯后類型所呈現的轉移概率矩陣各有差異。這表明在鄰近省（區、市）高技術產業高質量發展水平存在差異的情況下，本省（區、市）受到的影響及其轉變的可能性也因情況而異。其次，在Ⅱ、Ⅲ、Ⅳ類空間滯后類型的轉移概率矩陣中，對角線上的數值普遍高于非對角線的數值。這表明在空間溢出效應的影響下，Ⅱ、Ⅲ、Ⅳ類型的高技術產業高質量發展水平更易于保持當前等級，形成一種“等級鎖定”現象。即不同類型的省（區、市）在高技術產業高質量發展水平上存在一種穩定的差距，較高水平的省（區、市）保持領先，而較低水平的省（區、市）難以趕超。這就意味著政府需要進一步推動相對落后的省（區、市）實現跨越式發展，以降低不同省（區、市）在高技術產業高質量發展方面的不均衡性。最后，非對角線元素大部分為非零元素，說明高技術產業高質量發展水平存在向上轉移和向下轉移的可能，具有不穩定性。在相同的滯后條件下，不同等級受到的影響各異。以Ⅲ類滯后為例，Ⅰ、Ⅱ、Ⅲ類型向上轉移的概率分別為0.143、0.261和0.120，表明不同等級的轉移概率會受其所處滯后條件的影響。

3 結論與啟示

本文的主要創新點有：一是從新發展理念維度和規模維度構建我國省域高技術產業高質量發展水平指標體系，并在規模維度內加入產業集聚指標，以全面評價我國省域高技術產業高質量發展水平；二是研究省域高技術產業高質量發展水平的障礙因素和區域差異，分析其發展的時空變化規律，有助于全面解析我國省域高技術產業高質量發展水平演變的真實情況。

根據測度結果，主要得到以下研究結論：①2014—2016年我國高技術產業高質量發展水平呈下降態勢；而2017年后高技術產業高質量發展水平處于穩定狀態，其原因可能是發展重點從試點推廣逐步轉變為總結試點經驗并進行分類指導，由此帶來的發展效應具有時滯性，進而導致2017年后高技術產業高質量發展水平未出現明顯浮動。從各省（區、市）高技術產業高質量發展水平來看，廣東、北京、江蘇、浙江和上海排名前五，且均屬東部地區；排名靠后的省（區、市）有內蒙古、遼寧、河北、貴州、廣西和黑龍江。四大區域高技術產業高質量發展水平整體呈現“東部＞中部＞西部＞東北”的格局。②從障礙因子來看，雖然不同年份障礙因子排名不同，但專業化集聚、多樣化集聚、競爭集聚始終處于障礙因子排名前列，說明產業集聚并非在所有情況下都能自動轉化為高技術產業高質量發展的動力。③高技術產業高質量發展水平的空間差異主要來自四大區域間的差異，組間差異和超變密度是總體差異的主要來源。其中，中部和西部、西部和東北、東部和中部高技術產業高質量發展水平差距不斷縮小，平衡發展態勢明顯。④從傳統馬爾科夫鏈來看，高技術產業高質量發展水平呈現明顯的“俱樂部趨同”現象，其中低水平趨同和高水平趨同的現象較明顯。從空間馬爾科夫鏈來看，在空間溢出效應下，Ⅱ、Ⅲ、Ⅳ類型的高技術產業高質量發展水平更容易發生“等級鎖定”。

基于以上研究結論，得到如下啟示：①促進高技術產業高質量發展的區域間平衡。發揮區域優勢條件，探索符合區域特性的高技術產業高質量發展路徑；同時注意加強對中部、西部和東北地區的支持，縮小其與東部地區的發展差距。②強化高技術產業集聚效應。由于專業化集聚、多樣化集聚、競爭集聚是阻礙高技術產業高質量發展的主要因素，因而需要加強對高技術產業集聚區的管理，通過政策引導、資金支持等方式，形成產業鏈條完整、規模效應顯著的高技術產業集群，從而促進高技術產業高質量發展。③推動高技術產業省域間協作。加強省域間高技術產業協作和資源共享，通過建立跨區域合作機制，促進技術、資本、人才等高技術產業要素在不同區域間的流動和優化配置。④依托創新驅動發展戰略，支持科技研發和創新活動。特別是要加大對高技術產業高質量發展水平屬于中低類型地區的技術和政策支持，促進其實現跨越式發展。

注釋：

① 東部地區：北京、天津、河北、山東、江蘇、上海、浙江、福建、廣東、廣西、海南；中部地區：河南、湖北、湖南、江西、安徽、山西、內蒙古；西部地區：重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆（由于西藏數據缺失，故未將西藏納入統計范圍）；東北地區：遼寧、吉林、黑龍江。

參考文獻：

［1］ 鄧菁，肖興志.高新技術產業高質量發展的財政扶持策略研究［J］.經濟與管理研究，2019，40（11）：96-111.

［2］ 張鐘方，侯立軍.數字產業化與高技術產業研發效率：基于隨機前沿方法的實證研究［J］.工程管理科技前沿，2023，42（4）：58-65.

［3］ 袁小慧，孟芊汝，范金.中國高技術產業高質量發展：動力機制與實證檢驗［J］.江海學刊，2020（4）：88-94，254.

［4］ 譚濤，李俊龍.我國高校科技成果轉化與區域高技術產業發展水平測度以及耦合協調度研究［J］.中國科學基金，2023，37（4）：682-691.

［5］ 艾慧，王政.高技術產業與高質量發展：基于分位數回歸的實證分析［J］.華南理工大學學報：社會科學版，2020，22（2）：60-71.

［6］ CHEN H，LIN H，ZOU W. Research on the regional differences and influencing factors of the innovation efficiency of China’s high-tech industries： based on a shared inputs two-stage network DEA［J］. Sustainability，2020，12（8）：3284.

［7］ LI L，LIU B，LIU W，et al. Efficiency evaluation of the regional high-tech industry in China： a new framework based on meta-frontier dynamic DEA analysis［J］. Socio-Economic Planning Sciences，2017，60：24-33.

［8］ PEI Y，ZHU Y，LIU S，et al. Industrial agglomeration and environmental pollution：based on the specialized and diversified agglomeration in the Yangtze River Delta［J］. Environment，Development and Sustainability，2021，23：4061-4085.

［9］ 王林輝，袁禮.有偏型技術進步、產業結構變遷和中國要素收入分配格局［J］.經濟研究，2018，53（11）：115-131.

［10］ 詹花秀.論國內經濟大循環的動能提升：基于資源配置視角的分析［J］.財經理論與實踐，2021，42（3）：78-84.

［11］ 程俊杰，陳柳.長江經濟帶產業發展的結構協調與要素協同［J］.改革，2021（3）：79-93.

［12］ 張永生.為什么碳中和必須納入生態文明建設整體布局：理論解釋及其政策含義［J］.中國人口·資源與環境，2021，31（9）：6-15.

［13］ 吳迪.全球價值鏈重構背景下我國實現高水平對外開放的戰略選擇［J］.經濟學家，2023（2）：15-24.

［14］ 戴克清，陳萬明，王圣元.共享經濟驅動傳統產業創新升級路徑研究：多層次視角分析框架［J］.科技進步與對策，2018，35（14）：50-55.

［15］ 程廣斌，趙川，李祎.中國高技術產業創新效率的地區差異及動態演進［J］.統計與決策，2023，39（2）：173-178.

［16］ 顏銀根.貿易自由化、產業規模與地區工資差距［J］.世界經濟研究，2012（8）：28-36，87，8.

［17］ 劉沛罡，王海軍.高技術產業內部結構多樣化、專業化與經濟增長動力：基于省域高技術產業制造業、高技術產業服務業面板數據的實證分析［J］.產業經濟研究，2016（6）：46-56.

［18］ 高偉，胡瀟月.新能源汽車政策效應：規模抑或創新中介？［J］.科研管理，2020，41（4）：32-44.

［19］ 黃銳，謝朝武，李勇泉.中國文化旅游產業政策演進及有效性分析：基于2009—2018年政策樣本的實證研究［J］.旅游學刊，2021，36（1）：27-40.

［20］ 申俊喜，匡倩.生態視角下長三角地區戰略性新興產業高質量發展研究［J］.南京工業大學學報：社會科學版，2020，19（6）：73-85，112.

［21］ 程廣斌，趙川，李祎.中國高技術產業創新效率的地區差異及動態演進［J］.統計與決策，2023，39（2）：173-178.

［22］ 李培哲，菅利榮.區域高技術產業創新過程效率研究［J］.科學學研究，2022，40（4）：713-722，733.

［23］ 鄧峰，賈小琳.貿易開放、多渠道FDI與高技術產業綠色技術進步：基于中國省際數據的空間計量及VAR脈沖分析［J］.科技進步與對策，2020，37（23）：71-80.

［24］ WANG L M，WU X L，CHU N C. Financial development， technological innovation and urban-rural income gap：time series evidence from China［J］. PLOS ONE，2023，18（2）：e0279246.

［25］PARK C Y，SHIN K，KIKKAWA A. Demographic change，technological advance，and growth：a cross-country analysis［J］. Economic Modelling，2022，108：105742.

［26］ 金環，于立宏，徐遠彬.綠色產業政策與制造業綠色技術創新［J］.中國人口·資源與環境，2022，32（6）：136-146.

［27］ 汪曉文，倪鯤鵬，馬曉錦.區域視角下新興產業集聚與產業規模的關系研究［J］.貴州社會科學，2015（2）：110-118.

［28］ 楊武，田雪姣.中國高技術產業發展的科技創新驅動效應測度研究［J］.管理學報，2018，15（8）：1187-1195.

［29］ 徐丹，于渤.高技術產業集聚對區域創新能力的影響研究：基于長三角城市群的實證考察［J］.軟科學，2021，35（10）：1-8.

［30］ 袁永，邱丹逸.中國高技術產業高端化評價研究［J］.科技管理研究，2019，39（3）：86-91.

［31］ TVETERAS R，BATTESE G E.Agglomeration externalities， productivity，and technical inefficiency［J］.Journal of Regional Science，2006，6（4）：605-625.

［32］ PACI R，USAI S. The role of specialisation and diversity externalities in the agglomeration of innovative activities［J］. Rivista Italiana Degli Economisti，2000（2）：237-268.

［33］ HENDERSON V，KUNCORO A，TURNER M J.Industrial development in cities［J］.Journal of Political Economy，1995，103（5）：1067-1090.

［34］ 于斌斌，吳丹.生產性服務業集聚如何提升制造業創新效率？——基于集聚外部性的理論分析與實證檢驗［J］.科學決策，2021（3）：18-35.

［35］ 仵鳳清，施雄天.我國區域高技術產業高質量發展水平測度及區域差異分析［J］.科技管理研究，2023，43（18）：79-89.

［36］ 劉勝，顧乃華.行政壟斷、生產性服務業集聚與城市工業污染：來自260個地級及以上城市的經驗證據［J］.財經研究，2015，41（11）：95-107.

［37］ 李東芮，王梓豪，劉玲娜，等.東北地區城市經濟發展的時空格局演變分析［J］.城市發展研究，2023，30（5）：59-64.

［38］ 湯慧，鐵衛，鐘飛.中國環境治理水平的空間溢出效應研究［J］.統計與信息論壇，2022，37（8）：75-89.

［39］ 時朋飛，曹鈺晗，龍薈冰，等.我國旅游業高質量發展水平測度、空間分異及障礙因子診斷［J］.經濟地理，2023，43（2）：201-210.

［40］ 楊桐彬，朱英明，姚啟峰.中國城市群經濟韌性的地區差異、分布動態與空間收斂［J］.統計與信息論壇，2022，37（7）：45-60.

［41］ 施雄天，李博亞，戴麗莉，等.我國高新技術產業創新效率測度及時空演化分析［J］.技術與創新管理，2023，44（5）：541-551.

［42］ 王海燕，蘇博謙.高校科技創新與區域創新能力耦合協調的時空演化研究［J］.中國科技論壇，2023（9）：144-154，162.

［43］ 尹建軍，胡靜，黃宇瑄.長江中游城市群城市韌性時空演化特征及動態預測研究［J］.長江流域資源與環境，2023，32（11）：2312-2325.

［44］ 佟孟華，褚翠翠，李洋.中國經濟高質量發展的分布動態、地區差異與收斂性研究［J］.數量經濟技術經濟研究，2022，39（6）：3-22.

［45］ 邵漢華，王慶祥，何鏗輝.人口結構與區域科技創新差距的時空演化研究［J/OL］.科學學研究，2023：1-23［2023-12-07］.https：//doi.org/10.16192/j.cnki.1003-2053.2

0230615.006.

Provincial Difference， Obstacle Factor Diagnosis and Spatio-temporal Evolution Analysis of High-quality Development Level of China's High-tech Industry

Shi Xiongtian1， Yu Zhengyong1， Xiao Yi1， Chen Yang1， Dai Lili2

（1.School of Business Administration and Tourism Management， Yunnan University， Kunming 650500， China; 2. School of Business， University of Southampton， Southampton SO152UA， Britain）

Abstract： This paper delves into the high-quality development levels of China's high-tech industries， with a particular focus on regional disparities， impediments， and their temporal and spatial evolution. Against the backdrop of a global technological revolution and industrial transformation， high-tech industries play a crucial role in China's economic growth， international influence， innovation， technological advancement， and national security. However， China's high-tech industries face challenges such as insufficient innovation capabilities， reliance on external core technologies， and uneven regional development. Current academic research on the high-quality development of China's high-tech industries primarily concentrates on development pathways and efficiency assessments， yet offers an incomplete reflection on the comprehensive evaluations of high-tech industries， particularly lacking in targeted regional studies and considerations of environmental and social impacts. To more comprehensively assess the high-quality development level of provincial high-tech industries in China， this paper， based on the five development concepts of innovation， coordination， green， openness， and sharing， in conjunction with industrial scale， constructs an integrated evaluation system. This system encompasses multiple dimensions including innovation， openness， coordination， green development， sharing， and scale， thoroughly reflecting the high-quality development level of high-tech industries， covering aspects such as technological innovation， international cooperation， internal industry balance， socio-economic impacts， environmental governance， infrastructure sharing， and industrial scale. Furthermore， the paper distinguishes between specialized agglomeration， diversified agglomeration， and competitive agglomeration as the types of industrial clustering， providing new perspectives for understanding the characteristics and demands of high-tech industries and contributing to industrial development theory. Methodologically， the study employs the entropy weight TOPSIS method to measure the development level of provincial high-tech industries and uses obstacle factor diagnosis models， the Dagum Gini coefficient， and Markov chains to analyze the impediments to industrial development and their temporal and spatial evolution. The results show that from 2014 to 2016， the high-quality development level of China's high-tech industries showed a declining trend， stabilizing after 2017. The eastern region has led the development level of high-tech industries， with Guangdong Province ranking first， followed by eastern provinces such as Beijing， Jiangsu， Zhejiang， and Shanghai. In contrast， the development levels in the western and northeastern regions are weaker， highlighting regional disparities. Specialized agglomeration， diversified agglomeration， and competitive agglomeration rank among the top impediments to high-quality development in high-tech industries， indicating that industrial clustering does not automatically translate into high-quality development under all circumstances. Spatial disparities primarily arise from differences between the four major regions， with inter-group differences and hyperbolic density being the main sources of overall disparity. The development level of high-tech industries exhibits a club convergence phenomenon， where， under the spatial spillover effect， the development levels of mid-low， mid-high， and high types are prone to \"grade locking\". In summary， this paper provides a comprehensive analysis of the current status， existing problems， and temporal and spatial evolution of high-quality development in China's high-tech industries， offering theoretical support and policy guidance for the high-quality development of high-tech industries in China.

Key words： high-tech industry; high-quality development; entropy weight TOPSIS; obstacle factor diagnosis; Dagum gini coefficient; markov chain

（欄目編輯：朱可染）

收稿日期：2023-09-23

基金項目：國家社會科學基金項目“中國城市群的溢出效應時空演變與戰略深化研究”（18CJY013）；2024年度云南省教育廳科學研究基金項目“城鄉融合下民宿產業集群賦能鄉村振興的邏輯與長效機制構建研究”（2024Y077）；云南大學科研基金項目“數智異化下PaaS企業的創新生態系統治理研究”（KC3233830）。

作者簡介：施雄天（1997—），男，江蘇南通人，博士研究生，研究方向：科技創新管理；余正勇（1995—），男，云南昭通人，博士研究生，研究方向：產業經濟學；肖懿（1998—），男，云南昆明人，博士研究生，研究方向：科技創新管理；陳陽（2003—），女，新疆阿勒泰人，本科生，研究方向：科技創新管理；戴麗莉（1998—），女，江蘇南通人，碩士研究生，研究方向：科技創新管理。