施雄天 李亚玲 余正勇 肖 懿
（云南大学工商管理与旅游管理学院，昆明 650500）
引 言工业发展对经济可持续发展和产业升级起重要的支撑作用［1］。但当前工业高质量发展水平还未形成明确的内涵概念，通过建立科学合理的长三角工业高质量发展水平评价体系，推动长三角地区工业高质量发展水平的全面提升，具有一定的现实和理论意义。
高质量发展是中国经济增长方式和路径的转变，是具有中国特色的体制机制的变革［2］。一些学者从本质内涵上剖析了高质量发展的决定因素、目标要求和战略路径［3，4］。目前学术界对高质量发展指标体系的构建及内涵并无统一的归纳总结，但都认为高质量发展具有丰富的内涵，且具有持续性、创新性等特征［5，6］。随着研究的不断深入，对高质量发展的研究逐渐深入到工业产业的发展。
目前对工业产业的发展主要集中在构建工业高质量发展评价指标体系，在五大发展理念基础上进行构建［7］。对指标体系的构建已取得了一定的成果，但对区域工业高质量发展水平的研究较少，且工业发展本身具有地域特色，测度工业高质量发展水平应符合城市自身发展水平。
对工业高质量发展的影响因素研究，目前主要集中在工业机器人、智能化、产业集聚等方面［8－10］。一般认为良好的创新环境系统能够提升工业能源利用效率。然而我国政府、高校、科研机构、工业企业等创新主体协同不足，创新环境系统成为阻碍工业高质量发展的主要原因［11，12］。对创新环境系统的研究最初分为外部环境和机构内部环境，后逐渐变为高校、企业及大众等其他社会组织互动形成的市场环境和社会环境。在创新环境系统设计方面，大多数学者根据“产学研” 的关系范畴选择螺旋结构模型进行研究［13，14］。本文基于长三角地区工业发展环境，选取普遍采用的γ－螺旋模式，构建工业高质量发展的创新环境，见图1。
图1 γ－多重螺旋模式的工业发展创新环境
基于已有研究，本文以长三角地区工业发展为研究对象，基于我国的五大发展理念和系统论双维视角构建长三角城市群工业高质量发展水平评价指标体系，探究长三角城市群工业高质量发展水平空间差异及动态演进，并探讨不同创新环境影响因素对长三角城市群工业高质量发展水平的影响，以此为长三角工业发展提供更为具体的建议。
1 研究设计1.1 指标体系构建及数据来源对五大发展理念维度指标体系构建如下： （1）创新维度。指标选取借鉴《中国制造2025》 中的相关指标； （2） 开放维度。结合长三角工业对外开放的深度和广度来构建开放维度指标； （3） 协调维度。高质量发展是协调的发展，缩小城乡收入差距是推动城乡协调发展的内生动力［15］。对于长三角城市群的工业来说，工业高质量发展需要惠及城乡发展，因此，协调维度考虑了城乡发展因素； （4） 绿色维度。绿色发展的核心是在经济、社会和环境方面实现可持续性［16］。借鉴《2021 中国城市绿色竞争力指数报告》 中的相关指标来构建； （5） 共享维度。借鉴孙冬营等［17］的研究来构建指标。
基于系统论，对三大发展维度指标体系构建如下： （1） 经济发展。基于产业组织理论，从技术创新、要素禀赋、产业结构优化等方面衡量产业发展的经济效率。选取创新、协调、开放维度来表征； （2） 绿色发展。从污染物排放和污染物处理两方面来衡量； （3） 社会发展。长三角工业发展需要关注民生，采用共享维度来衡量。各指标选取见表1。
表1 长三角城市群工业高质量发展双维测度指标体系
依据γ－多重螺旋模式，影响因素选取政府环境、社会环境、机构内部环境和市场环境，各指标说明见表2。参考姚金海和钟国辉［18］、金晓彤和路越［19］、丁焕峰等［20］的研究，构建长三角地区工业高质量发展水平创新环境影响因素指标体系，见表2。
表2 创新环境影响因素各指标说明
1.2 双维测度模型设定几何平均法有利于抑制极端值的影响，一定程度上能解决合成综合指数法的不足。本文用几何平均法计算长三角地区工业高质量发展水平的双维综合指数。计算步骤如下：
（1） 对初始数据进行正向、负向的标准化处理。对标准化处理后的数据进行幅度为A（A＞0）的平移处理，得到Tkij。
（2） 利用熵值法计算各单维权重和二级指标权重，并计算信息熵和差异化系数，公式表示为：
其中，Ej表示第j个指标熵值；Gj表示第j个指标差异化系数；Wj表示第j个指标权重；k表示该指标年份数；n表示城市数量；Yij为第i个城市第j个指标的标准化后值；t表示第t年；。
（3） 利用式（3） 和式（4） 计算单层维度Tij和单层综合指数Tn，ij，公式表示为：
1.3 Tobit 模型Tobit 回归模型具体公式表示为：
其中，M1、M2 表示下限、上限，一直设定为0、1；β为参数向量；xi、yi表示解释变量（相关因素）、被解释变量（长三角城市群工业高质量发展水平）；表示潜变量；εi～N（0，δ2）。
1.4 改进后的STIRPAT 模型改进后的STIRPAT 模型能避免指数分解法研究角度局限、分解的影响因素固定等问题； 另外也能解决结构分解法无法进行时序比较的问题。具体公式为：
其中，y代表长三角城市群工业高质量发展水平，X1 代表政府环境，X2 代表社会环境，X3代表机构内部环境，X4 代表市场环境，a代表模型系数，b、c、d、f代表影响因素系数，e代表误差项。
对式（2） 进行对数化处理，得到公式：
1.5 数据来源与说明本文数据包含长三角地区4 个省（市）共41个城市，时间跨度为2011 ～2022 年。数据来源于EPS 数据库、长三角各城市统计局官网及统计年鉴等，少部分缺失数据采用插值法进行补充。
2 长三角城市群工业高质量发展水平双维测度结果分析2.1 双维测度结果有效性检验为保证双维测度的有效性，参考韩春蕾等［21］的有效性检验方法，分别对测度结果进行事前检验和事后检验。
事前检验主要是判断不同测度方法的结果是否存在一致性。检验结果显示，单一度量的ICC值为0.989； 平均度量的ICC 值为0.910，表明双维测度的结果具有高度一致性。
事后检验主要是判断测度方法组合后的结果与组合前的结果是否存在一致性。检验结果显示，Pearson 相关系数分别为0.941、0.932，且均通过了1%以上水平的显着性检验，说明双维综合测度结果与各单维测度结果具有极高的相关性。
综上，说明本文构建的双维测度是有效的。
2.2 长三角城市群工业高质量发展双维测度时间趋势分析绘制长三角城市群各维度综合指数变化趋势图，见图2。从五大发展理念维度变化趋势来看，绿色维度远远领先于其他4 个维度，年平均增速约为1.08%，说明长三角地区工业绿色发展成效显着，绿色发展水平的提升对长三角工业高质量发展水平起了重要的拉动作用。从开放维度来看，年平均降幅约为2.42%，阻碍了长三角工业高质量发展水平的提升。史丹和李鹏［22］研究认为，工业发展质量主要得益于资源环境等指标的提升，由于国际市场低迷等不利因素影响，开放发展对工业发展的贡献率较小，这与本文研究得出的结果基本一致。
图2 长三角城市群工业高质量发展水平综合指数变化趋势
从三大发展维度变化趋势来看，整体上呈现缓慢增长的趋势，其中经济发展维度年均增速最小，为0.11%。结合五大发展理念维度的分指数可知，创新维度年平均增速为3.52%，而开放和协调维度的增速分别为－2.42%、0.76%，说明开放维度对工业经济发展维度起了抑制作用，而创新维度对工业经济发展维度起重要的推动作用。
从各维度变化趋势对比可知，整体上双维综合指数曲线与五大发展理念维度曲线及三大发展维度曲线变化趋势存在一致性，都呈现缓慢波动上升的趋势。
2.3 双维测度区域差异分析将长三角各城市工业高质量发展水平双维综合指数均值水平划分为4 个等级，见表3。其中，一类地区中，上海市排名第一； 二类地区中，江苏省城市占比50.0%； 三类地区中，安徽省城市占比44.4%； 四类地区中，安徽省城市占比78.5%。长三角4 个省（市）之间差距显着，整体上呈现“上海＞江苏＞浙江＞安徽”，这与目前长三角经济发展水平基本一致。
表3 长三角城市群工业高质量发展水平双维综合指数均值水平划分
3 长三角城市群工业高质量发展水平空间差异分析3.1 总体空间差异和及其指数分解对上述4 类地区工业高质量发展水平的基尼系数和贡献率进行测度，结果见图3。从时间演变趋势来看，整体上长三角工业高质量发展水平的基尼系数呈现波动式上升的趋势，说明城市群差异呈现扩大趋势； 组间基尼系数在0.18 ～0.25之间，远高于组内基尼系数，说明长三角城市群工业高质量发展水平组间差异相对较大，组内差异较小，导致长三角城市群工业高质量发展水平差异的主要原因是组间差异。对基尼系数贡献率进行分解，发现组间贡献率作用最大，而超变密度的贡献率几乎为0。
图3 组内基尼系数及贡献率变化趋势
3.2 组内空间差异与动态演进长三角城市群工业高质量发展水平组内基尼系数差异，见图4。从演进趋势来看，一类地区的工业高质量发展水平的组内空间差异基尼系数相对较大，自2011 年以来，虽然呈现波动，但总体上曲线呈现“上扬” 的趋势，表明一类地区组内工业高质量发展水平分化在加剧； 二类地区组内差异基尼系数曲线波动较小； 三类地区组内差异基尼系数曲线波动较大，整体上呈现下降趋势，说明经分化后逐渐形成一批工业高质量发展水平相对较低的城市； 四类地区组内差异基尼系数曲线波动较大，从2016 年达到组内基尼系数最大值后，出现快速下降的趋势，说明2016 年后四类地区工业高质量发展水平差距不断缩小。
图4 组内基尼系数变化趋势
3.3 组间空间差异与动态演进长三角城市群工业高质量发展水平组间基尼系数差异与动态演进，见图5。其中，一类地区和三类地区、一类地区和四类地区组间基尼系数均超过0.30，说明这两组的组间差异远大于其他组的组间差异。从演进趋势来看，所有组间基尼系数曲线无特别明显的波动，仅存在差异变化速率的不同。不同类型地区之间的组间差异从大到小排序为： 一类地区和四类地区的组间差异最大； 其次是一类地区和三类地区组间差异； 接着是二类地区和四类地区、一类地区和二类地区、三类地区和四类地区； 二类地区和三类地区组间差异最小。从一类地区和其他3 类地区的组间基尼系数变化趋势来看，3 条曲线都呈现上升趋势，说明一类地区和其他3 类地区工业高质量发展水平分化在不断加剧，高质量发展的工业企业逐渐向上海、苏州、杭州等一类城市集聚，呈现出越来越明显的工业高质量发展水平极化的趋势。
图5 组间基尼系数变化趋势
4 长三角城市群工业高质量发展水平动态演进分析4.1 长三角城市群工业高质量发展水平传统核密度动态分布绘制长三角城市群工业高质量发展水平传统核密度动态分布图，见图6。整体上长三角工业高质量发展水平曲线呈现“主峰＋侧峰” 分布，但随着时间推移，侧峰高度逐渐出现下降且与主峰距离缩短，说明整体上长三角城市群工业高质量发展水平极化趋势不明显。从江苏的核密度曲线来看，主峰高度在增加，且主峰由“扁平” 逐渐变为“尖窄”，说明江苏省各城市双维综合指数水平差异在缩小，双维综合指数水平相同或者相近的城市数量变多。从浙江的核密度曲线来看，核密度曲线变化明显，覆盖宽度先变宽后缩窄，说明浙江省各城市双维综合指数水平分布集中，地区间差异缩小。从安徽的核密度曲线来看，存在明显的“右拖尾” 现象，且主峰中心线往左偏移，说明安徽省城市群双维综合指数水平内部存在差异，且差异在扩大。
图6 传统核密度动态分布
4.2 长三角城市群工业高质量发展水平无条件核密度动态分布绘制长三角城市群工业高质量发展水平无条件核密度动态分布图，见图7。密度等高线集中于＋45 度对角线附近，说明从第t年到第t＋3 年三角城市群工业高质量发展水平的分布状态变化较小； 从＋45 度对角线来看，双维指数在0 ～0.5 区间，呈现高－高、低－低的空间正相关性，且等高线向右上方偏移； 从－45 度对角线来看，双维指数在0.5 以上，等高线向左下方偏移，说明当本市双维综合指数达到较高水平，可能受到来自城市群内其他城市的负向空间静态溢出效应的影响。
图7 无条件核密度动态分布
4.3 长三角城市群工业高质量发展水平空间条件静态核密度分布绘制长三角城市群工业高质量发展水平空间条件静态核密度分布图，见图8。从核密度等高线形态上呈现平行于y轴的趋势，表明第t年长三角城市群内其他城市双维指数水平对第t＋3 年本市双维综合指数水平的影响不明显； 波峰位于＋45 度对角线正上方，说明长三角城市群双维综合指数具有向高水平转变的趋势。
图8 空间条件静态核密度分布
4.4 长三角城市群工业高质量发展水平空间条件动态核密度分布为分析长三角城市群工业高质量发展水平是否具有空间动态效应，在空间滞后3 年条件下，第t年城市群内其他城市双维综合指数对第t＋3年本市双维综合指数分布动态的影响，见图9。核密度等高线形态上分布于＋45 度对角线附近，本市与城市群其他城市的双维综合指数呈现正向的空间动态溢出效应； 波峰上呈现单峰分布，且处于＋45 度对角线上方，说明双维综合指数具有向高水平转变的趋势。
图9 空间条件动态核密度分布
5 创新环境影响因素对长三角城市群工业高质量发展水平的影响Tobit 回归结果见表4。
表4 创新环境影响因素Tobit 回归结果
政府环境的影响。政府环境对浙江省工业高质量发展水平不显着，说明政府经费支持并没有对浙江省工业高质量发展产生显着的影响，可能原因在于浙江省政府科技支持对工业企业研发资金的投入产生“挤出效应”，导致产生低质量的工业创新产出。而政府环境对其余省份工业高质量发展水平作用显着，说明政府科技支持能够提升地方工业企业的创新、弥补创新活动经费不足等问题，从而促进工业高质量发展水平的提升。
社会环境的影响。社会环境对长三角城市群工业高质量发展水平影响均显着，说明基础设施水平对长三角城市群工业高质量发展水平有显着的提升作用，这与徐佳宾和孙晓谛［23］的研究结论一致，认为我国城市道路、互联网等基础设施促进工业效率的提升。对于长三角城市群来说，基础设施的建设主要是围绕经济发展为核心，基础设施的提升满足创新型发展需要，能为工业高质量发展提供便捷。
机构内部环境的影响。机构内部环境对长三角城市群工业高质量发展水平影响均显着，说明产学研结合水平提升对工业高质量发展产生显着的推动作用，机构内部环境水平的提高能为长三角工业的生产与制造水平、人才队伍管理、技术创新等方面带来提升。因此，机构内部环境的改善对长三角城市群工业高质量发展水平有重要的支撑作用。
市场环境的影响。市场环境对长三角城市群工业高质量发展水平影响均显着，说明市场环境水平的提升能推动长三角城市群工业高质量发展水平的提升。
本文在改进后的岭回归基础上，运用通径分析对相关系数进行分解。
对岭回归方程进行拟合，见图10 并在岭迹曲线趋向平稳状态时，选择决定系数K（K＝0.05）。回归方程的拟合优度（R2）为0.85，在80%水平以上，说明岭回归方程拟合效果较好。
图10 岭迹图及决定系数变化
通径分析结果，见表5。通径分析与Tobit 回归结果一致，影响因素均表现为正向。政府环境正向作用程度最大，说明政府科技经费支持能够为长三角工业高质量发展提供重要的推动力。政府环境因素主要通过社会环境、机构内部环境和市场环境促进长三角城市群工业高质量发展水平的提高，说明政府环境作为一个关键连接点，将其他环境影响转化为对工业高质量发展水平的促进作用，分析原因： 政府经费对交通、通信等基础投资产生影响，改善社会环境，为长三角工业发展提供良好条件； 政府支持有利于技术创新，为工业创新创造良好条件； 政策影响市场健康发展，进而影响工业产品生产和市场需求，对提升国内居民消费水平有间接促进作用。
表5 通径分析
市场环境的正向直接影响最大，政府环境、社会环境、机构内部环境主要通过市场环境再作用于长三角城市群工业高质量发展水平，说明市场环境作为一个连接点，将其他环境影响转化为对工业高质量发展的促进作用，分析原因： 市场环境反映市场需求和趋势，而政府环境通常会受到市场需求的影响，通过市场需求引导政府政策，以确保政策与市场需求保持一致，促进工业高质量发展； 市场环境通过引导工业产业发展、影响基础设施建设等方式，连接社会需求，进而推动工业高质量发展； 市场需求可以激发工业企业机构内部的创新和研发活动，从而提高工业技术水平和产品质量。
由此可见，政府环境因素和市场环境因素是提升长三角城市群工业高质量发展水平的重要中介因素。
基于上述实证结果，根据γ－多重螺旋模式从主体层、行为层、功能层、目标层构建长三角城市群工业高质量发展水平的创新环境组织框架，见图11。（1） 长三角工业创新环境需要多个共同体参与，为长三角工业创新环境目标的实现提供了充分的功能性和结构性的保障； （2） 长三角工业创新环境需要各个环境因素实现共同创新； （3）长三角工业创新环境需要实现工业技术创新、研发成果与资源共享、公共基础设施建设、人才引进与培养、工业产品竞争力提高等五大功能。同时，将工业技术创新成果有效的应用到工业各个领域中去，解决创新技术应用的“最后一公里”；（4） 长三角工业创新环境的最终目标是实现城市群工业高质量发展，推动产业创新生态圈的发展，最终促进各城市工业高质量发展。
图11 长三角城市群工业高质量发展水平的创新环境组织框架
6 结论与启示基于上述分析，本文得出以下结论： （1） 绿色发展水平的提升对长三角工业高质量发展水平起重要的拉动作用； 双维综合指数均值水平整体上呈现“上海＞江苏＞浙江＞安徽”； （2） 长三角城市群工业高质量发展水平区域差异主要来源于组间差异； （3） 江苏省和浙江省内部各城市双维综合指数水平差异在缩小，而安徽省则在扩大；长三角城市群工业高质量发展水平具有向高水平转变的趋势； （4） 政府环境因素和市场环境因素是提升长三角城市群工业高质量发展水平的重要中介因素。
基于以上结论，本文得到以下启示： （1） 加强长三角城市合作，促进工业高质量发展均衡。各城市需发挥特色优势，形成区域工业发展道路。对差异较大城市，需警惕负向溢出效应的风险。上海、苏州、杭州等城市应引领示范，采取协调发展战略； （2） 推动绿色协同发展政策，关注高耗能、高污染产业布局，精准控制排放。各地方政府要构建协同发展机制，解决“化工围江” 等共同问题，实现长三角城市群工业高质量发展；（3） 利用沿海城市的工业示范区、贸易试验区等优势，引导外资进入环境友好的投资项目。同时，加强国际产业交流合作，提升工业企业经济活力和国际竞争力，推动工业价值链向可持续发展、智能化、高端化延伸； （4） 注重创新环境的影响。把握政策与工业高质量发展的契合点，践行创新发展理念； 推动长三角工业发展“政产学研” 结合，提升创新环境协同度，激发不同创新主体参与； 建立长三角工业发展创新机制，为政府、高校、企业等创造协同条件，通过财政补贴、税收减免等方式促进灵活合作，高效使用创新资源。
