林春艳，乔文

（山东财经大学统计与数学学院，济南 250014）

0 引言

党的二十大报告指出，高质量发展是全面建设社会主义现代化国家的首要任务。尤其是当前国际竞争格局发生重大变化，制造业高质量发展的使命与任务更加凸显，加快制造业高质量发展成为保障产业链、供应链安全稳定，构建新发展格局的必由之路，也是实现我国经济高质量发展的根本支撑。随着我国经济进入新常态，区域发展分化加速，如何进一步深入贯彻新发展理念，积极将“碳达峰”“碳中和”等刚性约束，以及5G、人工智能等新兴科技转化为促进发展的外部动力，从而推动实现高质量发展成为人们关注的焦点，并将持续成为今后一段时期的研究热点。因此，把握我国制造业高质量发展现状，并深入考察制造业高质量发展的时空格局演化趋势，对全面、系统加快推进制造业高质量发展具有一定的现实意义。

时空演化一般被认为是时间上的发展和空间上的分布及差异演变特征[1]。对制造业高质量发展进行时空演化研究需要刻画其发展水平及空间差异，前提是要对发展水平进行测度，而测度之前要明确制造业高质量发展的内涵，沿此思路梳理文献。第一，关于高质量发展的内涵界定。国内学者王珺（2017）[2]较早对高质量发展进行了解读，认为高质量发展要求整个供给体系都要有活力、有效益、有质量；邵景均（2018）[3]认为高质量发展要很好地满足人民日益增长的美好生活需要；李金昌等（2019）[4]提出高质量发展是经济活力、创新效率、绿色发展、人民生活、社会和谐的综合体现。第二，关于制造业高质量发展测度的研究。高质量发展指标体系构建存在多样性和复杂性，以往研究多集中在创新驱动、产业结构升级、绿色发展等方面[5—7]，也有部分学者以新发展理念作为主要评价维度，但是缺乏生产质量、品牌和质量效益方面的考量；且人才方面多考虑研发人员数量，缺少人才待遇、人才智力水平等方面的考量，本文围绕这部分指标做了重要补充，并在创新驱动中考量了新产品研发相关指标，结构优化中考量了高端产业相关指标，丰富了制造业高质量发展的评价体系。赋权方法上主要有熵权法[8]、德尔菲法、层次分析法[9]等，集中于单层次对指标赋权的静态分析，缺乏多层次赋权及考虑时间权重的动态评价。本文选取二阶段熵值法来实现各级指标的多维分层次赋权，同时引入时序加权平均算子（TOWA）增加时间赋权，从动态视角分析制造业高质量发展实力。第三，关于制造业高质量发展区域差异的研究。部分学者研究发现，我国制造业发展总体呈“东强西弱”的态势[7,8]；曲立等（2021）[9]通过泰尔指数研究发现，地区内差异是造成区域总体差异的主要原因，其中东部地区区域内差异最大。但是，少有研究对制造业区域差异的演变规律进行探讨。

鉴于此，本文聚焦制造业高质量发展，基于30个省份2008—2019年的面板数据，采用二阶段熵值法、时序加权平均算子（TOWA）、Dagum基尼系数及其分解方法和Kernel密度估计方法对我国制造业发展水平、区域差异的时空演化进行全面研究，以厘清我国制造业发展现状及问题，为推动高质量发展提供稳健的数据支撑和决策参考。

1 研究设计

1.1 指标体系构建

制造业高质量发展内涵丰富，需采用复合指标进行评价。结合制造业高质量发展的内涵，构建指标体系如表1所示。

表1 制造业高质量发展综合评价指标体系及指标权重

（1）创新驱动。党的十九届六中全会通过的《决议》①全名为《中共中央关于党的百年奋斗重大成就和历史经验的决议》，简称《决议》。强调，坚持实施创新驱动发展战略，要强化国家战略科技力量。这就要求通过创新投入带动产出，提升基础研发能力。创新投入通过指标X1至X4来衡量，创新产出用X5至X9来衡量。

（2）质量为先。重视产品质量，必须提高生产效率，走以质取胜的道路。劳动生产率的提升是创新型制造业发展的重要体现，技术引进和设备改造的最终目的也是为了提升产品质量、优化生产，因此可以间接反映质量水平。此外，X13可以反映质量品牌建设，X11和X12可以反映质量效益水平。

（3）绿色发展。党的十八大以来我国经济方针的一条主线就是坚持绿色发展，减少污染物排放，推动落实碳达峰、碳中和目标。以X16至X19构成的环境二级指标，能够反映出城市在治理环境上的主要投入情况和成果。

（4）结构优化。以智能高端为主攻方向，除了加强传统制造业的改造提升，推动产业融合；还要培育高端产业，优化产业结构。结构优化包括结构融合和结构升级两方面，结构融合通过X20和X21来反映，而结构升级通过X22和X23来衡量。

（5）人才为本。以人才为本，加强人才队伍建设，才能全面调动人才的主观能动性。这不仅需要壮大人才队伍，还要提高人才待遇，吸引高端人才加入，建立健全科学合理的用人机制，为创新提供强有力的人才支撑。因此，该维度可通过X24至X26来衡量。

1.2 研究方法

1.2.1 二阶段熵值法

熵值法一般以宏观数据为基础，不受主观判断影响，有一定的科学性和客观性，目前广泛应用于经济发展[10]等领域。熵值法的原理是根据原始数据的信息熵来测算指标权重，熵值越小权重越大，说明该指标越重要。制造业高质量发展水平需采用复合指标进行评价，本文采用二阶段熵值法，通过逐层赋权及多维度加权的算法进行测度。因篇幅原因，具体计算公式见崔蓉和李国锋（2021）[11]的研究。

1.2.2 时序加权平均算子

时序加权平均算子（TOWA）是一种动态综合评价方法，由郭亚军等（2007）[12]提出并应用。基本思想是使时间权向量的各时间分量间差异最小化，进而使时间权向量的熵最大，用数学语言描述如下：

其中，wi为时间权向量；f(wi)为其熵，该值越小，说明时间权向量wi包含的信息量越大；λ为时间信息量，取值范围为[0，1]，该值越小说明越重视近期数据。

结合数据变化情况，参考顾国达和马文景（2021）[13]的研究，设定λ为0.3，进行动态评价。通过Python对该优化模型求解，各年份时间权重见表2。

表2 时间权重计算结果

1.2.3 Dagum基尼系数及其分解方法

Dagum基尼系数及其分解方法的原理是将总体基尼系数分解为区域间差异、区域内差异和超变密度三个部分。这种方法能够弥补泰尔指数小样本、异方差和分布不对称性的缺陷。本文将研究对象分成四大地区②其中，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、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。，利用Dagum基尼系数及其分解方法来分析制造业高质量发展的区域差异问题。具体测算过程参考Dagum（1997）[14]的研究。

1.2.4 Kernel密度估计方法

Kernel密度估计方法是研究空间非均衡分布的重要工具之一，是从数据本身出发，用来估计未知的密度函数、描述随机变量分布特征的一种非参数检验方法，故可以用来估计制造业高质量发展指数的分布情况。计算公式为：

其中，f(x)为随机变量X的概率密度函数；K(∙)为核函数；xi为观测值；n为观测值的个数；xˉ为均值；h为带宽，h越大，核估计方差越小，则曲线越平滑。

1.3 数据说明

样本数据主要来自历年《中国统计年鉴》《中国科技统计年鉴》《中国工业统计年鉴》、各省份统计年鉴、国泰安数据库、EPS数据库、中经网及World Brand Lab等。研究对象共30个省份（不含西藏和港澳台），为保持样本完整性，采用插值法及类推法补齐个别缺失数据。

2 制造业高质量发展水平的时空演化特征

2.1 时序变化特征

为揭示制造业高质量发展时序变化特征，运用二阶段熵值法逐步计算确定一、二级指标的权重（见表1），进一步测度制造业高质量发展指数（见表3、图1），发现2008—2019年总体呈上升态势。

图1 2008—2019年全国及四大板块制造业高质量发展指数变动

表3 各省份制造业高质量发展总指数年度测算结果

从时间趋势来看，我国制造业高质量发展进程可大致分为扩张期、培育期、提升期三个阶段。（1）扩张期（2008—2014年），我国制造业规模大幅扩张拉动高质量发展水平显著提高，制造业增加值由1.48万亿美元快速增长到3.48万亿美元，高质量发展指数由0.231增长至0.352，年均增速达到7.27%。（2）培育期（2015—2017年），随着我国经济发展进入新常态，制造业增长方式由粗放式规模速度型向集约式质量效率型转变。在此时期我国制造业高质量发展表现出明显的增速换挡特征，高质量发展指数仅由0.354增长至0.368，年均增速滑落至1.49%。（3）提升期（2018—2019年），随着2017年“高质量发展”的提出，党中央、国务院更加重视经济社会高质量发展，制造业高质量发展得到进一步强化，前期出台的一系列支持制造业新动能培育、供给侧结构性改革的政策效应逐渐显现，高质量发展指数由0.389增长至0.411，年均增速回升至5.68%。

2.2 空间静态特征

空间维度上，静态发展水平呈“东高西低”“西快东慢”的区域特点，我国制造业发展存在明显的区域差距和异质性。

（1）“东高西低”。根据测度结果，东部地区整体水平要显著高于中部、东北及西部地区，如2019年东部地区制造业高质量发展指数为0.561，分别较中部、东北及西部地区高0.163、0.25和0.251，这跟曲立等（2021）[9]的研究结果一致。

（2）“西快东慢”。与我国经济长期表现出的“东快西慢”发展特征不同，在制造业高质量发展方面，虽然西部地区仍处于“追赶者”行列，但在2018—2019年，西部地区发展势头表现强劲，发展速度要显著高于经济综合实力较强的东部、中部和东北地区，西部地区制造业发展指数年均增速为6.26%，分别较东部、中部和东北地区高1.14、1.31和1.27个百分点。

需要注意的是，2017年以后东北地区制造业发展提升仍然不明显，新旧动能需及早得到转换，东北振兴亟须取得新突破。

2.3 空间动态特征

借助TOWA算子对上述结果进行“时间维”的二次集结，得到动态指数（见表4），分析各省份制造业发展优势和不足。空间维度上，制造业动态发展实力“东强西弱”，各省份制造业高质量发展驱动因素存在异质性。

表4 2008—2019年各省份制造业高质量发展的总体及各维度动态指数

分省份来看，动态总指数排在前列的为广东、江苏、浙江等东部地区省份，而西部地区的宁夏、甘肃、青海动态总指数较低。除了国家战略、地理位置等原因外，更多地与创新驱动力、质量效益水平、绿色发展程度、结构优化力度、人力资本强度等因素相关，新的增长动力使得东部地区省份引领全国制造业发展。比如，广东主要靠创新驱动与结构优化带动；江苏5个维度均排名前3位，各维度的优异表现拉动江苏发展水平不断提高，而浙江的动力主要来源于创新驱动及绿色发展。上海、天津和北京在结构优化方面存在一定短板，产业结构还需进一步优化升级；此外，天津的创新驱动和北京的绿色发展问题也需引起重视。

分维度来看，（1）创新驱动：广东、江苏、浙江和山东排名靠前，主要得益于经费投入和机构投入的绝对优势，资源禀赋带动技术领先，显著提升了创新驱动力；而宁夏、海南、青海等由于缺乏投资优势，因此创新驱动比较薄弱，存在较大提升空间。（2）质量为先：上海、江苏、北京排在前列，技术引进与设备改造推动产品质量改进，提升品牌价值，同时提高劳动生产率。（3）绿色发展：江苏、浙江、山东排在前列，保持制造业良好发展的基础上较为重视环境保护；反之，青海、内蒙古、甘肃等绿色发展薄弱，要重视发展与生态的协调统一。（4）结构优化：广东、四川、江苏等排在前列，其资源优势带动制造业与其他产业融合，高端产业发展推动产业结构升级，二者成为结构优化的源泉。（5）人才为本：北京、广东和江苏排在前列，均为东部地区经济发达省份，就业机会多、福利待遇高等优势都足以吸引人才的加入。

3 制造业高质量发展区域差异的时空演化特征

3.1 区域差异的测度和分解

3.1.1 总体差异及其演变

Dagum基尼系数分解结果如表5所示。可见，时间维度上，2014年之前总体差异下降，之后逐年上升，到2017年后又下降，这与前文制造业高质量发展的三个阶段相吻合，说明区域差距的存在影响了全国整体发展。基于TOWA算子的动态总体基尼系数为0.199，2008—2019年总体差异略有下降，说明国家发布的一系列区域协调发展政策初见成效，一定程度上缩小了区域间差异。从各部分贡献率来看，区域间差异是总体差异的主要来源，其次是区域内差异及超变密度。从时间角度来看，区域间差异贡献总体呈下降态势，超变密度和区域内差异呈上升态势。

表5 2008—2019年制造业高质量发展指数的总体差异来源及其贡献

3.1.2 区域内差异

由下页表6可知，空间维度上，各地区基于TOWA算子的动态总体基尼系数由小到大依次为东北、中部、西部及东部地区，表明东北地区区域内差异最小，而东部地区区域内差异最大。时间维度上，东部、中部地区区域内基尼系数在样本考察期内变大，反映出差异扩大，这可能是由于“优秀而离群者”（如广东、安徽等）虽然带动了整体水平上升，但仍不可避免地带来区域内差异的扩大；西部地区区域内基尼系数2008—2012年逐年缩小，后来略有波动但趋于稳定，总体呈下降态势；而东北地区区域内基尼系数变化趋势不稳定，其中2011年和2018年左右波动较大，在2016年达到最小。我国制造业高质量发展不充分不平衡问题依然显著，低水平与高水平地区间差距较大，尚有较大提升空间。

表6 2008—2019年制造业高质量发展指数基尼系数

3.1.3 区域间差异

表6还给出了区域间基尼系数，最大的是东-西，其基于TOWA算子的动态基尼系数达到0.222，说明东部、西部地区区域间差异最大；随后是东-东北（0.172）、东-中（0.158）、中-西（0.143）和西-东北（0.119）；最小的是中-东北（0.105），说明中-东北区域间差异最小。可以发现，东部地区与其他地区区域间基尼系数相对较大，说明其他地区与东部地区的区域间差异较大，这与前文结论一致。随着时间推移，各地区区域间基尼系数不稳定，表明各地区之间的差异在不同年份发生了变化。但是，整体来看，2008—2019年，东-中、东-东北、中-东北区域间基尼系数总体呈上升态势，说明以上区域间差异在扩大；而东-西、中-西、西-东北区域间差异总体呈现缩小态势。

3.2 区域制造业高质量发展的动态演进

为进一步了解考察期内制造业高质量发展的分布动态及演进规律，借助Kernel密度估计三维图，比较分析分布位置、波峰数量、分布形态、分布延展性等。

对于全样本（见图2），从分布位置来看，2008—2019年呈现中心向右移动趋势，说明我国制造业高质量发展水平在考察期内逐渐上升，这与前文分析相吻合。从波峰数量看，随着时间推移由单峰变为多峰，表明我国制造业高质量发展极化现象愈加严重。从分布形态来看，测度时间内密度曲线宽度增加，不同省份之间绝对差异呈现扩大趋势。从分布延展性来看，呈现右拖尾现象，且拖尾期逐渐延长，说明省份之间相对差异也有扩张趋势。因此，在省际差异较大的情况下，如何平衡各省份制造业高质量发展，是当前政府部门制定政策应关注的重点。

图2 全国制造业高质量发展指数核密度估计

对于四大地区（图略），从分布位置来看，各地区核密度曲线中心都呈现不同幅度的右移，说明随时间推移，各地区呈现不同程度的上升。从波峰数量看，西部、东北地区基本呈现单峰状态，而东部、中部地区由单峰变为双峰或多峰，说明这两个地区制造业高质量发展不稳定，变动频繁，存在极化现象，未来需注意区域内制造业均衡化发展。从分布形态来看，中部、西部地区核密度曲线宽度增加，说明这两个地区内绝对差异扩大，而东部、东北地区变化不明显。从分布延展性来看，东部、西部地区分布呈现右拖尾，中部地区呈现左拖尾，且拖尾期逐渐延长，说明相对差异有扩张趋势。东北地区不存在明显拖尾现象，相对差异无明显变化。

4 结论

本文从制造业高质量发展内涵出发，构建综合评价指标体系，借助二阶段熵值法、TOWA算子、Dagum基尼系数及其分解方法和Kernel密度估计方法，测度制造业高质量发展指数，探究2008—2019年我国制造业高质量发展水平及区域差异的时空演化特征，结果表明：（1）发展水平。时间维度上，样本考察期内呈上升态势，以2014年和2017年为转折点分为扩张期、培育期、提升期三个阶段，这与我国经济发展的路径一致；空间维度上，静态发展水平与动态发展实力“东高西低”，但发展速度“西快东慢”。（2）区域差异。时间维度上总差异略有下降，空间维度上总体差异主要来源于区域间差异，其中，东-西区域间差异最大，且东部地区区域内差异最大。（3）从分布动态演进来看，存在极化现象、绝对差异和相对差异问题，这也是制造业高质量发展不平衡的主要表现。