長三角新質生產力涌現的動態識別與驅動因子捕捉

摘" "要：因地制宜發展新質生產力是實現高質量發展的必然選擇。本文以2013年、2017年、2022年長三角地區41個城市為例，運用多時點SNA與QCA探究長三角地區城市新質生產力的演變格局與異質性驅動路徑。研究發現：首先，長三角地區新質生產力網絡密度隨時間推移逐漸增大，關聯度逐漸增強且趨于穩定，空間上逐步形成以上海、蘇州、無錫、杭州、南京為核心的聯系網絡；其次，個體中心性分析表明中心城市仍然存在新質生產要素層面的虹吸效應，進一步用多時段QCA抓取了數字政策、科技人才、技術創新、產業升級、數字金融五大要素促進城市新質生產力的多樣化組態；最后，通過對比三個時段間組態演化發現，科技人才和數字金融在各時段內始終扮演著重要角色，其余驅動因子也在各時段組態中展現出異質性驅動作用。研究為捕捉區域視角下新質生產力的演化規律，深化對各時段長三角新質生產力多重因素間復雜互動的認識，以及因地制宜培育和發展新質生產力提供了借鑒。

關鍵詞：新質生產力；長三角；多時點SNA；組態分析；多時段QCA

中圖分類號：F830" 文獻標識碼：A" 文章編號：1674-2265（2024）10-0065-13

DOI：10.19647/j.cnki.37-1462/f.2024.10.007

一、引言

“新質生產力由技術革命性突破、生產要素創新性配置、產業深度轉型升級而催生，以勞動者、勞動資料、勞動對象及其優化組合的躍升為基本內涵，以全要素生產率大幅提升為核心標志，特點是創新，關鍵在質優，本質是先進生產力”（黃群慧和盛方富，2024；胡洪彬，2023）[1，2]。要素增長理論認為新型生產要素往往出現在以科技、知識、技術為主導的經濟發達地區。長三角作為我國經濟的動力源區域，從黨中央、國務院2019年印發的《長江三角洲區域一體化發展規劃綱要》，到2021 年4月科技部等國家六部委聯合印發的《長三角G60科創走廊建設方案》，標志著長三角地區高端化、智能化、綠色化協同發展有了政策支撐。長三角地區以高效的產業分工協作、高端的生產技術集聚、高水平的對外開放格局以及高度的區域協調發展，為生產要素的變革提供了多重積累（何志浩等，2024；崔茂森和劉榮慶，2024）[3，4]。與此同時，新質生產力概念的提出，不僅要求經濟發展新常態下創新驅動發展能力、產業競爭力、社會生產力水平的總體躍升，更要求以點帶面，以經濟發達地區帶動欠發達地區，彌合區域發展不平衡、不充分的問題（余博和潘愛民，2022；李菲菲和張學軍，2023）[5，6]。鑒于此，本文試圖回答以下關鍵問題：長三角地區新質生產力涌現程度如何？長三角地區新質生產力聯系程度如何？長三角地區新質生產力涌現的驅動機制是什么？對以上問題的分析，對于把握經濟高質量發展背景下我國區域新質生產力發展進程、剖析新質生產力驅動機制、探索長三角地區新質生產力的輻射作用具有現實意義。

本文基于馬克思主義生產力三要素理論，從新質勞動者、新質勞動對象、新質勞動資料三個維度構建城市新質生產力水平指標評價體系，使用修正的引力模型和社會網絡分析方法捕捉長三角地區新質生產力發展網絡演進關系，并探尋新質生產力的涌現動因，在動因識別的基礎上借助NCA（必要條件分析）和QCA（定性比較分析）組態分析長三角地區新質生產力發展的異質性驅動機制，并針對性地提出各城市新質生產力發展水平的提升路徑。本文的邊際貢獻有：第一，將新質勞動者、新質勞動資料和新質勞動對象共同納入分析框架，深入剖析長三角地區各城市新質生產力發展的短板及潛力，為探討長三角地區新質生產力發展問題提供新的切入點；第二，借助修正引力模型抓取樣本間的新質生產力關聯關系，對長三角地區新質生產力發展水平進行特征事實分析，為動態識別長三角地區新質生產力差異化發展提供理論依據；第三，采用必要條件分析方法和多時段QCA組態分析方法，探討數字政策、科技人才、技術創新、產業升級和數字金融交互作用下各時段內長三角地區促進新質生產力的多種聯動路徑，為精準施策、提升長三角地區新質生產力發展水平提供參考。

二、文獻梳理與理論探討

以數據要素與科技創新為表征的新質生產力是先進生產力的新質態，能夠極大地推動人類社會生產方式、生活方式以及產業結構的變革。相較于傳統生產力，新質生產力本質上是以算力為代表的新質態的生產力（劉志彪等，2023）[7]，是以科技創新為主導，實現關鍵性顛覆性核心技術突破的生產力（周文和葉蕾，2024）[8]。就其本質而言，新質生產力屬于馬克思主義生產力范疇，在傳統三要素基礎上更強調高素質勞動者、新介質勞動資料和新料質勞動對象，是傳統生產力的躍遷（蒲清平和向往，2024）[9]。新質生產力的核心內涵在于數字技術催生出的具有更高素質和數字技能的勞動者和以信息化、智能化為介質的勞動資料，勞動對象的作用范圍也得到擴展，不再局限于傳統領域的自然界物質和傳統意義上的生產要素。因此，本文認為新質生產力是以科技創新為主導的生產力形態，是數字化、智能化、高效化的生產方式和生產要素的組合，是傳統生產力的躍遷。培育和發展新質生產力，重點在“新”，關鍵在“質”，發展在“產”，落腳在“力”，四個層次相互作用、相互聯系、相互貫通。

根據新質生產力的研究進路，本文梳理出數字政策、科技人才、技術創新、產業升級、數字金融五個維度的影響因子。從五大因子的作用主體性來看：第一，數字經濟作為新興經濟形態，對經濟發展具有倍增作用。數字經濟以其強大的創造力和驅動力，通過緩解需求不足、供給過剩和預期偏弱的三重約束來為新質生產力的形成和發展提供強勁效能（張森和溫軍，2024）[10]。數據要素作為數字經濟的要素表征，能夠滲透到生產、交換、分配、消費環節，與土地、資金、勞動力等傳統生產要素結合，發揮其乘數效應，進而催生生產力的新質態（劉志彪等，2023）[7]。目前新質生產力涌現最大的阻礙由生產關系滯后所帶來，重構以生產力新形態為表征的數字要素政策支持體系能夠強化新要素、新業態之間的競相融合，突破制約數字化生產力發展和新要素生態系統建設的政策障礙和體制瓶頸，推動生產要素持續涌現（劉淑春，2019）[11]。第二，技能結構升級是高素質人才區別于普通勞動者最顯著的特征。高素質科技人才不僅擁有操縱先進機械設備的能力，還具備對復雜數據和信息的處理能力（徐政和張姣玉，2024）[12]。新質生產力是以產業結構升級作為主要路徑，以知識運用和信息處理為核心，以高素質科技人才專業的知識結構和靈活的技能運用來深度推進產業結構升級，持續為新質生產力賦能（令小雄等，2024）[13]。第三，戰略性新興產業、未來產業是新質生產力的具象化表現。戰略性新興領域是新一代高技術群孕育催化、衍生發展的領域，高科技創新是其顯著特征（曾紹龍等，2024）[14]。技術的研發、應用與持續優化成為新質生產力持續涌現的源泉，因此，科學技術作為第一生產力，能夠加速新業態、新要素持續融合發展，進而提升區域新質生產力發展水平（張弛和張彩云，2023）[15]。第四，產業結構調整升級是科技創新助力微觀企業發展的直接作用渠道，新型勞動資料賦能實體經濟發展，企業生產產品由低附加值向高附加值轉型，并利用數字技術推動產業分工與協作，由此催生出數字化情境下生產模式、管理模式的新質態（羅爽和肖韻，2024）[16]。產業結構升級將使企業由勞動、資源導向型轉向技術導向型，并通過技術擴散和產業關聯效應實現數字技術與產業系統全鏈條融合，從而孕育具有創新屬性和成長特征的新質生產力（宋培等，2024）[17]。第五，要素新質態的培育具有較高的不確定性，面臨技術風險、市場風險等多重風險。一方面，數字金融依托大數據、多模態等技術增強了金融中介的信息搜集能力，實現借款人與貸款人需求的精準匹配，從而形成雙向利好（李瑞晶，2022）[18]；另一方面，數字金融能夠吸收中小散戶等長尾群體資金，減輕信貸扭曲，進而緩解經濟主體的融資約束，降低創新者的風險承擔，提高了經營流程與制造能力提升優化的意愿，促進了新質生產要素的涌現（劉偉等，2023）[19]。基于此，提出以下假設：

數字政策、科技人才、技術創新、產業升級和數字金融能夠賦能城市新質生產力發展水平的提升。

三、研究方法

（一）變量選取

區別于傳統的生產力三要素，新質生產力主張“以新促質”和“以質育新”，前者強調生產力以“新”為起點、以“質”為落腳點，后者強調生產力螺旋式上升的持續革新進化過程。首先，從勞動力視角來看，新質勞動者是人類文明演進的必然結果，勞動力這一基本生產要素總是沿著從“低級”到“高級”的路徑不斷演進。隨著勞動者受教育水平不斷提高，加之數字經濟賦能，勞動力的要素屬性得到進一步拓展，勞動力的價值也不斷提高，勞動力要素對其他生產要素的替代效應逐漸增強，要素投入結構不斷優化，生產效率不斷提高，從而促進生產力的涌現。其次，從勞動資料視角來看，工業革命中勞動工具的每一次改進都極大地推動著生產效率的提高，以數字為表征的勞動工具的出現使信息傳遞的網絡和系統得以優化，使得信息在不同經濟主體之間快速、準確傳遞，市場的透明度和決策效率得以提升，并引導生產要素由勞動密集型向知識密集型轉變，孕育出了新產業、新動能、新優勢。最后，勞動對象是蘊含了使用價值的物質資料，是勞動者利用勞動資料進行加工的客體，數字化時代，勞動對象逐步從傳統的自然界物質轉化為復雜的、虛擬的、智能數字化的新質勞動對象，其外延和內涵也在不斷延伸，釋放出巨大效能，促進新質生產力的形成。因此，借鑒韓文龍等（2024）[20]、朱富顯等（2024）[21]的研究，從新質勞動者、新質勞動資料和新質勞動對象三個維度構建新質生產力指標體系（見表1），共包含20個子指標。鑒于數據可得性，選取2013年、2017年和2022年長三角地區41個城市的截面數據為研究對象。數據來自《中國能源統計年鑒》《中國環境統計年鑒》《中國城市統計年鑒》，地理數據來源于百度地圖。為了減少樣本損失，缺失數據使用插值法進行處理，最后采用熵權法進行指標賦權。借鑒吳文生等（2024）[22]的指標構建方法測算新質生產力發展水平，并挑選出長三角城市2013年、2017年、2022年新質生產力得分與本文所構建指標得分進行皮爾遜相關性系數檢驗，發現兩者的相關系數為0.82，且在1%的水平上顯著，證實了本文指標的穩健性。

關于專利存量的計算，借鑒Popp（2002）[23]、史丹等（2023）[24]的方法，采用發明專利存量來衡量城市創新積累水平。計算方法為：

[Tit=s=0tPATi.s=exp[-β1（t-s）]{1-exp[-β2（t-s）]}]" " （1）

其中，[T]表示時間[t]城市[i]的專利存量，[PAT]表示授予專利的總數量，[β1]、[β2]分別表示知識的衰減率和擴散率，[s]表示從授予專利到當前時間的時間距離。[β1]和[β2]分別設置為10%和25%。

（二）研究方法

1. 修正引力模型。參照已有的研究成果（余海華，2021；劉英恒太和楊麗娜，2021）[25，26]，構建如下模型：

[Wm，n=Km，n×FmGmTm×FnGnTnL2m，n]" "（2）

[Km，n=TmTm+Tn]" " （3）

[Lm，n=lm，ngm-gn]" "（4）

其中，[Wm，n]表示[m]城市對[n]城市的新質生產力聯系強度；[Fm]、[Fn]分別表示城市[m]和城市[n]的常住人口；[Gm]、[Gn]分別表示城市[m]和城市[n]的GDP總量；[Tm]、[Tn]分別表示城市[m]和城市[n]的新質生產力指數；[Km，n]表示[m]市在[m]、[n]兩市的新質生產力發展中的貢獻率；[lm，n]表示[m]市和[n]市的空間地理距離；[gm]、[gn]分別為[m]市和[n]市的人均GDP水平；[Lm，n]表示[m]市和[n]市間的經濟地理距離。

2. 社會網絡分析法（SNA）。社會網絡分析法是從底層邏輯剖析樣本的整體形態、特征和結構的方法。具體來說，該方法關注社會網絡中行動者（如個人、組織或群體）之間的關系模式，以及這些關系如何影響網絡的整體結構和功能。本文運用 UCINET6.0、NETDRAW 軟件對長三角新質生產力進行網絡整體結構分析、個體中心性分析和空間聚類分析。

3. 組態分析。QCA方法雖然能夠定性地判斷單個因素對新質生產力發展的必要性，但在定量描述必要性程度上存在局限。因此，將NCA與QCA方法結合起來使用，有助于更深入地探討問題。首先，通過NCA方法來檢驗五大因素是否是構成新質生產力的必要條件，再利用fsQCA（模糊集定性比較分析）來驗證這一必要條件分析的穩健性。其次，從組態視角出發，運用fsQCA探索不同條件組合對新質生產力結果的影響路徑，從而揭示五大因素如何通過復雜的因果機制影響新質生產力發展。最后，考慮到前因條件的動態變化，將時間維度納入QCA分析中。參考Vis等（2013）[27]的研究方法，根據下文社會網絡的結果選擇時間節點，將2011—2013年劃分為時段1，2014—2017年劃分為時段2，2018—2022年劃分為時段3。通過這種方式，可以探究不同時間節點下條件和組態的變化規律，以及這些變化是如何發生以及為何發生的。通過這種綜合分析方法，可以更全面地理解區域因素對新質生產力的影響，以及這種影響如何隨著時間和條件的變化而變化。

四、長三角新質生產力網絡結構特征

（一）網絡結構整體特征分析

計算結果如表2所示，長三角新質生產力網絡密度由2013年的0.137增加到2017年的0.206，2022年新質生產力網絡密度數值增加到0.217，趨于穩步增長狀態，可能的原因是2013—2017年是長三角地區以數字化、智能化為代表的新型生產要素快速萌發期，樣本城市間聯系逐步增多。經過新質要素的積累，到2022年，樣本城市的網絡密度趨于峰值。此外，網絡密度的絕對數較低，表明各城市新質生產要素交換水平仍有較大上升潛力，且這三年長三角新質生產力空間網絡的關聯性接近于1，說明城市間新質要素的關聯度較高且網絡結構較為穩定。

長三角新質生產力網絡如圖1—圖3所示。圖中節點間連線的密集程度反映了城市之間新質生產力的聯系強度。經過比較發現，在選取的三個關鍵時間節點上，蘇州市、南京市、無錫市、杭州市以及上海市與其他城市在新質生產力方面的聯系均呈現出持續且顯著的強度，充分說明了這些城市在區域新質生產力的發展上處于關鍵位置且始終保持著緊密聯系。同時，合肥市、常州市近幾年與其他城市新質生產力的聯系逐漸緊密。此外，2013年連線密度高的城市主要集中在無錫市、蘇州市、上海市等，隨后逐漸向長三角部分城市移動，帶動長三角邊緣城市新質生產力發展。聯系實際，自“十二五”以來，江蘇省強調以科技、教育與人才優勢來構筑自身發展的戰略優勢，為新質生產要素涌現提供了要素前提。而浙江省較早提出以互聯網為核心的信息引領發展，“十三五”以來加大產業傾斜力度，產業結構由勞動力密集型逐漸向技術密集型轉變，并在科技創新方面實現了新的突破，自主創新能力顯著提升。進一步由網絡圖可知，安徽省各城市網絡呈現出時空交錯的復雜特征，原因在于安徽省是長三角新質生產力的后發地，“十三五”期間安徽省緊緊圍繞制造強省戰略目標，積極采取措施彌補制造業發展中存在的薄弱環節，提出以科技創新為核心、成果轉化作為關鍵環節，促進制造業高質量發展。其中，以合肥市為代表的城市近年來積極引進高新技術企業，優化城市產業布局，加強產業鏈協同，推動形成具有地方特色的新能源產業集群和半導體制造等優勢產業。因此，以省會合肥市為代表的安徽省大部分城市從社會網絡的邊緣地帶逐步向內靠攏。如2013年處在邊緣地帶的安慶市、蚌埠市、淮北市等地，在2022年與其他地區新質生產力的網絡聯系逐步增強，并處于中間位置。

（二）個體中心性分析

1. 度數中心度。度數中心度衡量的是一個節點在網絡中直接連接的程度。具有高度數中心度的節點直接連接的邊數較多，通常被認為在網絡中具有較高的影響力。在一個有向網絡中，一個節點的出度和入度可以分別表示其度數中心度。新質生產力度數中心度計算結果見表3。對比新質生產力點出度發現，蘇州市、無錫市、南京市的點出度一直處于高位，對各城市新質生產力發展的輻射能力較強，在長三角各城市的新質生產力發展中具有重要地位。同時，近年來上海市、杭州市、常州市等城市點出度呈現追趕之勢，對長三角新質生產力發展的帶動作用逐步增強。比較點入度可以看出，蘇州市、上海市、南京市、杭州市、無錫市等城市新質生產力點入度居于較高水平，說明這些城市新質生產力聚集能力很強。另外，比較2022年各城市點出度與點入度發現，蘇州市、上海市、無錫市、南京市點出度和點入度數值較高，說明以上四個城市新質生產力輻射能力和聚集能力都較強，對長三角地區新質生產力發展發揮了重要作用。

對比各年長三角地區新質生產力發展凈輻射量，上海市、蘇州市、無錫市、南京市、杭州市等主要中心城市凈輻射量為負，說明這些城市存在對新質生產要素的“虹吸效應”。而觀察長三角外沿區域，合肥市凈輻射量數值由2013年的0降為2022年的-4，其余外沿城市凈輻射量基本為正。原因可能在于合肥市將城市創新作為發展定位，為高新技術企業落地提供政策優惠，依托中國科學技術大學、合肥工業大學等高等院校和科研院所，為新質生產力發展積聚力量，空間上呈現出對二、三線城市小范圍的虹吸效應，其余城市則因為合肥市的虹吸呈現出新質生產力的被迫外溢。除此之外，安徽省長期區域發展不平衡，皖北地區更是地處長三角邊緣，受到長三角一體化戰略的裨益較少，加之產業結構單一，傳統能源依賴度大，高素質人才匱乏，新質生產力發展水平存在較大的提升空間。

2. 中介中心度。中介中心度衡量的是一個節點在網絡中作為中介的程度。具有高中介中心度的節點在網絡中連接其他節點的最短路徑上扮演著重要的角色，可以控制信息或資源的流動。因此，中介中心度高的節點通常也被認為在網絡中具有較強的影響力。如表4所示，2013年、2017年和2022年蘇州市和無錫市的中介中心度均在100以上，位列樣本城市之首，說明蘇州市、無錫市對其他地區的新質生產力發展擁有較強的控制能力，扮演著新質生產力資源流動和配置的橋梁和紐帶作用。此外，上海市、南京市、杭州市等城市的控制能力也較強。揚州市、合肥市、宣城市、湖州市、金華市中介中心度數值上升幅度較大，對新質生產要素的調撥與配置能力顯著提升。衢州市、黃山市、麗水市、連云港市、舟山市、淮北市等城市中介中心度較低，甚至中介中心度數值為零，新質生產力中介中心度居于長三角各城市末位，中介能力較弱。

3. 接近中心度。在一個連通網絡中，節點的接近中心度越高，表示該節點與其他節點之間的平均距離越短，更容易與其他節點進行快速的信息傳遞和資源流動。因此，接近中心度高的節點往往在網絡中具有較高的影響力和地位。如表4所示，蘇州市、無錫市接近中心度數值居于樣本城市前列，說明蘇州市、無錫市與長三角各城市建立了穩固的新質生產力聯系，是絕對中心行動者。綜合中介中心度特征事實可以推斷，蘇州市、無錫市依托發達的制造業①，為新質生產力的涌現提供了肥沃的經濟土壤。

此外，觀察三個年度長三角地區新質生產力接近中心度發現，上海市、蘇州市、無錫市、南京市等地區在新質生產力方面展現出了顯著的中心度數值，表明這些城市在新質生產力的形成和發展中扮演著重要的角色。這些城市具有高度的自主性，其新質生產力的發展受其他城市的影響較小，更多地依賴于自身的創新能力和資源配置效率。總體來說，2013年，各城市接近中心度均在50以上，且差距較小，說明不同等級、不同類型的城市在區域內各有定位和功能，共同構成一個有機整體，沒有邊緣行動者。其中，2013年接近中心度均值為55.389，2017年接近中心度均值為58.527，2022年接近中心度均值增加到59.108，說明近幾年長三角新質生產力水平發展關系愈加緊密，發展迅速的城市能夠帶動周邊落后城市發展，提升其新質生產力水平。

（三）塊模型分析

本文采用塊模型探討長三角地區新質生產力關聯網絡中的聚類特征（以2022年為例），將長三角地區城市劃分為四個板塊（見表5）。

塊模型分析結果見表6，板塊內關聯數（71個）小于板塊間關聯數（285個），表明板塊整體的新質生產力溢出效應明顯。第一板塊主要由皖北和蘇北地區城市構成，顯示出較強的新質生產力溢出效應。該板塊接收其他板塊的關系數相對較少（61個），但溢出的關系數顯著較高（108個），同時板塊內部的溢出與接收關系數均為58個。表明該板塊不僅內部關聯緊密，也向其他板塊輸出新質生產力，因而被歸類為凈溢出板塊。第二板塊則集中了長三角南部的城市，其新質生產力表現活躍。該板塊的溢出關系數（75個）略大于接收數（41個），說明既對其他板塊產生溢出效應，也積極從其他板塊吸收先進生產力。這種溢出效應使得第二板塊在整體網絡結構中扮演了重要的角色，因而被稱為“經紀人”板塊。第三板塊位于長三角中部地區，該板塊城市均憑借自身產業鏈和地理位置優勢吸引了大量的優質資源。該板塊外部溢出關系數67個，外部接收關系數87個，基本持平，顯示出其雙向溢出的角色，即更多地作為新質生產力的中轉站，連接和促進了不同板塊之間的交流與合作。第四板塊由長三角經濟發達地區的城市組成，這些地區的經濟發展對新質生產力的發展起到了重要的推動作用。該板塊外部溢出關系數35個，外部接收關系數96個，接收關系數遠大于溢出關系數，表明新質生產力傾向于向這些發達地區匯聚，形成凈收益效應。需要注意的是，蘇州市被劃分到了第四板塊，而經濟體量與之相仿的無錫市被劃分到了第三板塊，其原因可能是蘇州經濟發展水平一直以來處于江蘇省領頭羊地位，產業結構較完整，且高校數量多，其創新成果能夠更好地通過產學研機構轉化為先進生產力，使得蘇州市的收益效應大于無錫市。

板塊間密度矩陣見表7，以2022年為例，將板塊密度與整體網絡密度（0.217）進行比較，對密度大于0.217的板塊間關系賦值為1，表示這些板塊間的新質生產力發展水平聯系緊密；反之，賦值為0，表示聯系相對較弱。從像矩陣中可以觀察到，第三和第四板塊表現尤為活躍。第三板塊與第四板塊沒有直接聯系，但其吸收來自第一、二板塊以及自身內部的新質生產力，并同時對四個板塊均產生溢出效應。這表明第三板塊在長三角地區的新質生產力流動中扮演著重要的中轉和橋梁角色。第四板塊對其他板塊均有較強的接收關系，自身內部存在城市間新質生產力的關聯關系，還對第二板塊產生明顯的溢出效應。這種單向流動的特性顯示了第四板塊在新質生產力發展中的核心地位。特別值得一提的是，第四板塊的成員包括上海市、寧波市、蘇州市和杭州市等經濟發達城市，這些城市憑借強大的新質生產力能力和虹吸效應，吸引來自其他板塊的資源，同時也存在溢出效應，反哺其他板塊。

（四）QAP檢驗

1. QAP（二次指派程序）理論基礎與相關性分析。根據前文理論分析，新質生產力是以數字技術為引領，以高技能人才為主體，依托產業結構升級的新型生產力（張林和蒲清平，2023）[28]。同時，新質生產力的發展也離不開政策引導和金融支持（潘方卉和陳淼，2024）[29]。因此，為探究新質生產力的空間關聯性，本文選取數字政策、科技人才、技術創新、產業升級、數字金融五個變量對新質生產力的相關性進行分析。其中，數字政策關注度采取相關詞頻衡量（李蘭冰和趙家未，2023）[30]，科技人才使用地方科技人員從業數量衡量，技術創新使用各城市的專利數量衡量，產業升級用第三產業與第二產業之比衡量，數字普惠金融用北京大學數字普惠金融指數衡量。構建差值矩陣如下：

[G=f（數字政策，科技人才，技術創新，產業升級，數字金融）]" " "（5）

其中，[G]代表長三角新質生產力發展的空間關聯網絡。借鑒李敬等（2014）[31]的做法，取各樣本時段的均值，計算樣本觀測值與均值之差，然后進行絕對值處理，構建數字政策差值矩陣、科技人才差值矩陣、技術創新差值矩陣、產業升級差值矩陣與數字金融差值矩陣。

2. QAP相關性與回歸分析。由表8相關性分析可知，各變量系數值均顯著為負，其中科技人才差值矩陣與技術創新差值矩陣最為突出，說明科技人才與技術創新在長三角新質生產力發展的空間關聯網絡中占據重要地位。另外，產業升級差值矩陣、數字金融差值矩陣以及數字政策差值矩陣顯著為負，說明產業結構相似、數字金融水平相近以及數字政策發展程度類似的地區新質生產力發展的空間關聯性更強。基于此，對各影響因素進行回歸分析，考察長三角各地區新質生產力發展空間關聯矩陣的系數，檢驗回歸方程的變量顯著性。根據表8回歸分析結果，調整后的R2 為0.614，表明數字政策差值矩陣、科技人才差值矩陣、技術創新差值矩陣、產業升級差值矩陣與數字金融差值矩陣等五個變量對長三角新質生產力空間關聯特征有61.4%的共同解釋。結果表明，在1%的水平上顯著為負的變量有技術創新差值矩陣、產業升級差值矩陣、科技人才差值矩陣，表明技術創新水平、產業結構、人才關注度越相似的地區發展關聯性越強。數字金融在5%的水平上顯著，表明數字金融越相似的地方，空間發展越緊密。數字政策在10%的水平上顯著為負，表明政策支持力度越相似，長三角各地區新質生產力水平發展的空間關聯越強。

五、新質生產力區域涌現多時段QCA的組態分析

上文探討了影響因子對長三角新質生產力發展水平的整體效應，進一步地，這些因子的影響強度是否在同一城市的不同發展階段或是同一發展階段的不同城市中存在異質性？本部分在前文梳理出的五大因子基礎上，采用QCA 方法分別對不同城市時段1、時段2、時段3（時段劃分與上文相同）的異質性組態進行分析。

（一）數據校準

參考已有研究（Fiss，2011）[32]，將樣本數據的25%、50%和75%分位數值分別設置為完全不隸屬點、交叉點和完全隸屬點，采用直接校準法進行校準。結果如表9所示。

（二）實證分析

1. 必要條件分析。本部分用NCA（必要條件分析）方法進行分析，NCA提供了上限回歸（Ceiling Regression，CR）和上限包絡分析（Ceiling Envelopment，CE）兩種估計方法分別用于處理連續變量和離散變量，結果如表10所示。以時段2中的數字政策為例，其效應值大于0.1且在1%的水平上顯著，說明數字政策支持是提升新質生產力水平的必要條件。

各時段瓶頸水平分析結果如表11所示。以時段2中技術創新與新質生產力的關系為例：要達到30%的新質生產力水平，需0.1%水平的技術創新，其余條件不存在瓶頸水平。

進一步利用fsQCA軟件做必要條件分析，選擇0.9作為一致性閾值（王世權和王向淑，2024）[33]，結果如表12所示，發現各時段不存在產生高新質生產力水平的必要條件。值得一提的是，NCA是指在X的較低水平上X對Y是必要的；fsQCA是指滿足某種隸屬度的必要條件。由此可知，以數字政策為例，某一程度的數字政策支持力度是產生高新質生產力的必要條件，高數字政策支持力度不是產生高新質生產力的必要條件。

2. 充分組態分析。參考已有文獻的做法（Vis等，2013）[27]，設置原始一致性和PRI分別為0.8、0.7，案例頻數閾值設置為1，結果如表13所示，三個時段共產生７個條件組態，覆蓋度分別為0.252、0.363以及0.649，且一致性均高于0.8。下文具體分析各時段的組態特征：

（1）時段1組態分析。一是科技人才驅動型。組態1表明，科技人才發揮核心作用，產業升級和數字金融發揮輔助性作用。黃山市是該組態典型城市，技術創新水平和數字政策力度均較低，但產業升級、科技人才和數字金融水平較高，很大程度上推動了當地新質生產力發展。

二是產業升級—數字政策型。組態2表明：產業升級和數字政策發揮核心作用，數字金融發揮輔助性作用。這一組態以上海市、紹興市為代表，該類城市通常通過科技創新為企業帶來新的商業模式、產品和服務，為經濟發展注入新的動力，進而實現產業結構轉型升級，催生生產要素的新質態。

（2）時段2組態分析。一是技術創新—數字政策—數字金融驅動型。組態3表明：技術創新、數字政策和數字金融是推動新質生產力發展的關鍵驅動力。蘇州市作為典型案例，大力實施科技戰略平臺能級提升、創新主體培育壯大、產業技術攻堅突破等科技創新“八大工程”，持續深化產學研合作，促進全要素協同創新，讓創新資源向企業集聚，從而激發更強勁的創新活力。

二是技術創新—科技人才驅動型。組態4表明：技術創新和科技人才發揮核心作用，數字政策和數字金融發揮輔助作用。通過引入新技術、優化流程以及提高效率，企業能夠更加靈活地應對市場變化，提高生產效率和產品質量。科技人才的增加也為城市提供了更大的創新潛力，進一步促進了經濟的發展和新質生產力的提升。上海市、杭州市作為典型代表，圍繞高技術人才培育與應用，在高精尖技術領域取得了革命性突破，實現了生產要素創新性配置，高質量發展的新動能和新優勢正不斷集聚。

三是技術創新—產業升級—數字政策型。組態5表明：技術創新、產業升級和數字政策發揮核心作用。典型代表南京市作為中國近代工業的搖籃，將制造業作為發展新質生產力的重中之重，不僅統籌推進傳統產業升級，還壯大和培育新興產業和未來產業，為城市發展鍛造堅實基石。

（3）時段3組態分析。一是科技人才—數字金融驅動型。組態6表明：科技人才和數字金融發揮核心作用，產業升級發揮輔助作用。這一組態路徑下的典型城市是上海市和嘉興市。其中，嘉興市通過出臺一系列科技新政策，吸引科技人才，同時積極發展數字金融，提高全市新型研發機構建設質效，聚力增強科技創新動能。

二是科技人才—數字金融驅動型。組態7表明：科技人才和數字金融發揮核心作用，技術創新和數字政策發揮補充性作用。對比組態6，核心條件不變，產業升級可以替代技術創新和數字政策發揮輔助作用。以合肥市、蘇州市、南京市、銅陵市為典型代表，該類城市以科技人才發展為主要特征，更加強調經濟增長的質量、效益和可持續性，而技術創新為數字經濟提供創新動力，不斷推動數字技術進步，數字政策的相關倡議加強了科技創新體系建設和人才培養，為技術創新提供了有力保障，由此催生出生產力的新質態。

（4）多時段間區域組態演化分析。首先，觀察各時段中單個前因條件變化情況。一方面，在研究樣本區間內科技人才起到十分重要的作用。在四個時段組態中科技人才均為核心條件，說明科技人才在新質生產力發展中的穩定性和重要性。另一方面，在2017年之后數字金融的重要性開始顯現，作為輔助條件在時段1和時段2分別出現2次和1次；作為核心條件在時段2和時段3分別出現1次和2次。

其次，觀察各時段中前因條件間的相互關系。技術創新和數字政策的共同作用模式在演化過程中比較穩定，產生相互促進和增強的效果。數字政策為促進經濟結構升級和產業轉型搭建外部環境；技術創新可以帶來新的產品和服務，提高生產效率，降低生產成本，提高產品質量。數字政策是技術創新的重要驅動力之一，兩者緊密聯系，相互促進，共同推動新質生產力的發展。

再次，觀察各時段中組態的演化規律。科技人才和數字金融保持緊密的發展關系。在時段1的組態1中，核心條件為科技人才，輔助條件為產業升級和數字金融。在時段2中，組態1演化成組態4，產業升級的輔助條件弱化，技術創新增強為核心條件，數字政策轉變為輔助條件。組態4在時段3進一步演化成組態7，數字金融轉變為核心條件，技術創新轉變為輔助條件，這一演變過程恰恰說明了我國數字政策驅動的技術創新成為可持續發展和提升競爭力的基礎，逐漸與高質量發展進行融合，最后表征為以高質量發展反哺新質生產力的新常態。

最后，觀察各時段中特定城市實現高新質生產力的路徑。上海作為典型案例，其組態變化是從組態2變為組態4最后到組態7，數字政策和數字金融呈現穩定高態勢，技術創新和科技人才的重要性逐漸增加，雖然數字政策由發揮核心作用轉變為輔助作用，而數字金融由發揮輔助作用轉變為核心作用，但二者一直保持較高水平，在實現高新質生產力的路徑中發揮著較為穩定的作用。

六、結論與建議

（一）結論

本文聚焦區域新質生產力發展，深入探究長三角地區城市新質生產力演變的總體格局，從時間和空間維度探索各類空間單元的分布特征，并進一步探析新質生產力社會網絡生成的內在邏輯。研究發現，時間維度上長三角地區新質生產力網絡密度逐漸增大，關聯度逐漸增強且趨于穩定，空間上逐步形成以上海市、蘇州市、無錫市、杭州市、南京市為核心的聯系網絡。個體中心性分析發現，上海市、蘇州市、杭州市等城市聚集能力和輻射能力都較強，但凈輻射量為負值，蘇北、皖西、浙南等地區凈輻射量為正值，說明中心城市仍然存在新質生產要素層面的虹吸效應。塊模型分析發現板塊間溢出效應顯著，新質生產力主要是從長三角第一、二板塊向第三、四板塊涌入，進一步證實了虹吸效應的存在。QCA組態分析驗證了數字政策、科技人才、技術創新、產業升級、數字金融五大要素對城市新質生產力發展水平的驅動機制，時段1存在科技人才驅動型、產業升級—數字政策驅動型兩種組態；時段2存在技術創新—數字政策—數字金融驅動型、技術創新—科技人才驅動型和技術創新—產業升級—數字政策驅動型三種組態；時段3存在科技人才—數字金融驅動型和科技人才—數字金融驅動型兩種組態；科技人才和數字金融在各時段內始終扮演著重要角色，其余條件變量也在各時段組態中展現出不同的作用。

（二）建議

首先，加強經濟圈內城市的空間及經濟關聯。以交通運輸通道為依托推進長三角地區城市間的交流互通，加快生產要素的雙向流動。充分發揮上海市、南京市、杭州市等核心城市的中心輻射功能，加快傳統和新興基礎設施建設，打破行政、市場等壁壘，加強中心城市與周邊互聯互通，逐步發揮核心城市的溢出效應，推動整個區域的協調發展，讓新質生產要素充分涌現。推進江蘇省中部、安徽省東部和浙江省北部成為輻射先導區，并通過空間溢出效應帶動更外圍地區的發展，形成多層遞進式輻射效應。

其次，個性化識別長三角城市新質生產力驅動機制，精準施策。在保持經濟穩步增長的基礎上，著力補短板、拉長板、鍛新板，增強產業鏈供應鏈韌性和競爭力。但這并不意味著要忽視、放棄傳統產業，而是要利用長三角地區的資源優勢、產業基礎和科研條件，要運用新技術去改造提升傳統產業，同時因地制宜培育新產業、新動能、新模式，積極促進產業高端化、智能化、綠色化，擺脫我國在全球價值鏈中“低端鎖定”的困境。

最后，將長三角地區新質生產力發展經驗進行推廣，使共性與個性協調發展。所謂共性是指長三角地區形成的可復制、可推廣的新質生產力的培育經驗，個性是要考慮我國區域經濟發展資源稟賦的差異，強調因地制宜發展新質生產力。其他地區在借鑒長三角地區成果經驗的基礎上，應抓住生產力發展的共性特征，結合當地的自然資源、經濟條件、社會環境和文化特征等實際情況，制定和實施適合本地區的新質生產力發展策略。

注：

①例如，蘇州市目前形成了電子信息、高端裝備、先進材料3個萬億級產業和納米新材料、生物醫藥、高端紡織3個國家先進制造業集群，擁有規上工業企業1.35萬家，規上工業總產值超4.4萬億元。

參考文獻：

[1]黃群慧，盛方富.新質生產力系統：要素特質、結構承載與功能取向 [J].改革，2024，（02）.

[2]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）.

[3]何志浩，張學波，吳江楠，盧冰坤.長三角地區推進共同富裕對經濟韌性的影響 [J].資源開發與市場，2024，40（04）.

[4]崔茂森，劉榮慶.數字經濟與綠色創新耦合協調度研究——以長三角地區城市為例 [J].華東經濟理，2024，38（05）.

[5]余博，潘愛民.數字經濟、人才流動與長三角地區高質量發展 [J].自然資源學報，2022，37（06）.

[6]李菲菲，張學軍.長三角區域經濟發展不平衡測度及影響因素分析 [J].金陵科技學院學報（社會科學版），2023，37（03）.

[7]劉志彪，凌永輝，孫瑞東.新質生產力下產業發展方向與戰略——以江蘇為例 [J].南京社會科學，2023，（11）.

[8]周文，葉蕾.新質生產力與數字經濟 [J].浙江工商大學學報，2024，（02）.

[9]蒲清平，向往.新質生產力的內涵特征、內在邏輯和實現途徑——推進中國式現代化的新動能 [J].新疆師范大學學報（哲學社會科學版），2024，45（01）.

[10]張森，溫軍.數字經濟賦能新質生產力：一個分析框架 [J].當代經濟管理，2024，46（07）.

[11]劉淑春.中國數字經濟高質量發展的靶向路徑與政策供給 [J].經濟學家，2019，（06）.

[12]徐政，張姣玉.新質生產力中的勞動者變革問題[J].理論探索，2024，（02）.

[13]令小雄，謝何源，妥亮，金喆威.新質生產力的三重向度：時空向度、結構向度、科技向度 [J].新疆師范大學學報（哲學社會科學版），2024，45（01）.

[14]曾紹龍，傅沁怡，紀曼.創新視域下新質生產力的理論內涵、現實基礎及挑戰與對策研究 [J].上海對外經貿大學學報，2024，31（05）.

[15]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，（05）.

[16]羅爽，肖韻.數字經濟核心產業集聚賦能新質生產力發展：理論機制與實證檢驗 [J].新疆社會科學，2024，（02）.

[17]宋培，白雪潔，李琳，艾陽.數字產業創新對產業結構現代化的影響研究[J].科學學研究，2024，42（01）.

[18]李瑞晶.數字金融、網絡中心性與區域創新水平——基于2011—2020年省級面板數據的實證分析 [J].金融理論與實踐，2022，（08）.

[19]劉偉，劉衛鎮，戴冰清.數字普惠金融能驅動企業雙元創新嗎？——來自滬深上市公司數據的經驗證據 [J].金融發展研究，2023，（05）.

[20]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）.

[21]朱富顯，李瑞雪，徐曉莉，孫家昌.中國新質生產力指標構建與時空演進 [J].工業技術經濟，2024，43（03）.

[22]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）.

[23]Popp D.2002.Induced Innovation and Energy Prices [J].American Economic Review，92（1） .

[24]史丹，葉云嶺，于海潮.雙循環視角下技術轉移對產業升級的影響研究 [J].數量經濟技術經濟研究，2023，40（06）.

[25]余海華.中國數字經濟空間關聯及其驅動因素研究 [J].統計與信息論壇，2021，36（09）.

[26]劉英恒太，楊麗娜.中國數字經濟產出的空間關聯網絡結構與影響因素研究 [J].技術經濟，2021，40（09）.

[27]Vis B，Woldendorp J，Keman H. 2013. Examining Variation in Economic Performance Using Fuzzy-Sets [J].Quality Quantity，47（4）.

[28]張林，蒲清平.新質生產力的內涵特征、理論創新與價值意蘊 [J].重慶大學學報（社會科學版），2023，29（06）.

[29]潘方卉，陳淼.數字金融與經濟高質量發展：雙向賦能還是單向驅動——基于時空交互視角 [J].金融發展研究，2024，（02）.

[30]李蘭冰，趙家未.數字經濟政策與企業全要素生產率：效應及機制 [J].蘭州大學學報（社會科學版），2023，51（06）.

[31]李敬，陳澍，萬廣華，付陳梅.中國區域經濟增長的空間關聯及其解釋——基于網絡分析方法 [J].經濟研究，2014，49（11）

[32]Fiss P C. 2011. Building Better Causal Theories：A Fuzzy Set Approach to Typologies in Organization Research[J].Academy of Management Journal，54（2） .

[33]王世權，王向淑.科技人才集聚的區域治理歸因——基于多時段QCA的組態分析 [J].科學學研究，2024，42（03）.