于愛水 張繼如 于得水

摘 要：基于2011—2020年中國內(nèi)地30個省份面板數(shù)據(jù)，采用二次動態(tài)加權(quán)法測算創(chuàng)新全要素生產(chǎn)率的連續(xù)動態(tài)演變特征，并借助時空分異模型探究創(chuàng)新全要素生產(chǎn)率時空差異。結(jié)果發(fā)現(xiàn)：①中國多數(shù)省份創(chuàng)新全要素生產(chǎn)率隨時間推移呈穩(wěn)定上升趨勢；②創(chuàng)新資源、知識創(chuàng)新、協(xié)同創(chuàng)新、創(chuàng)新政策、創(chuàng)新環(huán)境在不同省份表現(xiàn)出較大差異；③不同樣本期內(nèi)，影響創(chuàng)新全要素生產(chǎn)率的子系統(tǒng)有所差別，其中創(chuàng)新資源對創(chuàng)新全要素生產(chǎn)率的作用強度波動較大，知識創(chuàng)新對創(chuàng)新全要素生產(chǎn)率同樣表現(xiàn)為促進作用，且作用強度遠(yuǎn)大于創(chuàng)新資源；④知識創(chuàng)新、協(xié)同創(chuàng)新、創(chuàng)新政策對全國創(chuàng)新全要素生產(chǎn)率提升均具有顯著正向促進作用，創(chuàng)新環(huán)境效應(yīng)表現(xiàn)出東部促進、中西部作用不明顯的空間分布格局。據(jù)此，提出實施差異化導(dǎo)向型政策、優(yōu)化區(qū)域要素資源配置、主動加入全球創(chuàng)新網(wǎng)絡(luò)等措施，以提升中國創(chuàng)新能力與水平。

關(guān)鍵詞：創(chuàng)新全要素生產(chǎn)率；時空差異分解；二次加權(quán)因子分析；動態(tài)演變趨勢

DOI：10.6049/kjjbydc.2022090437

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

中圖分類號：F204

文獻標(biāo)識碼：A

文章編號：1001-7348（2024）08-0011-11

0 引言

高質(zhì)量發(fā)展源于創(chuàng)新，創(chuàng)新為高質(zhì)量發(fā)展提供持續(xù)動力。2021年《政府工作報告》指出：“必須將創(chuàng)新擺在國家發(fā)展全局與現(xiàn)代化建設(shè)的核心位置?！绷?xí)近平總書記在中共二十大報告中指出：“必須堅持科技是第一生產(chǎn)力、人才是第一資源、創(chuàng)新是第一動力，深入實施科教興國戰(zhàn)略、人才強國戰(zhàn)略、創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，開辟發(fā)展新領(lǐng)域新賽道，不斷塑造發(fā)展新動能新優(yōu)勢。”實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略就是將科技創(chuàng)新作為全面創(chuàng)新的關(guān)鍵，圍繞產(chǎn)業(yè)化方向與現(xiàn)代化需求導(dǎo)向，形成助推經(jīng)濟增長與高質(zhì)量發(fā)展的動力源泉。加快各領(lǐng)域創(chuàng)新，堅持將創(chuàng)新視作引領(lǐng)發(fā)展的第一動力，走中國特色自主創(chuàng)新道路，既是實現(xiàn)“兩個一百年”奮斗目標(biāo)的關(guān)鍵，也是助力中華民族偉大復(fù)興中國夢的動力源泉。尤其是伴隨著經(jīng)濟進入高質(zhì)量發(fā)展階段，我國已邁入“劉易斯拐點”，若要防止資本報酬遞減并順利跨越“中等收入陷阱”，需要不斷優(yōu)化創(chuàng)新要素配置，激活創(chuàng)新要素生產(chǎn)活力，提高創(chuàng)新全要素生產(chǎn)率，進而推動經(jīng)濟增長。創(chuàng)新全要素生產(chǎn)率在一定程度上可有效判斷各類創(chuàng)新要素投入對產(chǎn)出增長的貢獻程度，是衡量經(jīng)濟體增長質(zhì)量和潛力的一個重要指標(biāo)（柳卸林等，2021）。因此，展開創(chuàng)新全要素生產(chǎn)率評價研究，對于我國持續(xù)保持創(chuàng)新活力以及提高創(chuàng)新能力具有重要意義。但不可忽視的是，中國創(chuàng)新全要素生產(chǎn)率處于持續(xù)動態(tài)變化狀態(tài)^[1]。剖析中國創(chuàng)新全要素生產(chǎn)率增長時空差異，厘清差異形成和演變的內(nèi)在機理，可為中國創(chuàng)新全要素生產(chǎn)率提升提供決策參考。那么，如何連續(xù)測度中國創(chuàng)新全要素生產(chǎn)率的動態(tài)演變過程及時段特征？中國創(chuàng)新全要素生產(chǎn)率是否存在區(qū)域性差異？若絕對增長水平存在較大差異，區(qū)域創(chuàng)新全要素生產(chǎn)率增速差異是否較為顯著？解決上述問題，不僅可以從連續(xù)、動態(tài)視角拓展測度創(chuàng)新全要素生產(chǎn)率的方法，還能為政府相關(guān)部門制定創(chuàng)新全要素生產(chǎn)率提升政策提供借鑒。

1 文獻綜述

目前，學(xué)術(shù)界對創(chuàng)新全要素生產(chǎn)率展開測度與分析的文獻較少，但涉及創(chuàng)新與全要素生產(chǎn)率的相關(guān)研究成果頗豐。就創(chuàng)新而言，由于創(chuàng)新內(nèi)涵較豐富，學(xué)界從多個維度圍繞創(chuàng)新這一主題展開研究。第一，在科技創(chuàng)新層面，姜玉梅等^[2]基于TVP-VAR模型，實證分析科技創(chuàng)新驅(qū)動經(jīng)濟高質(zhì)量增長的時變特征，發(fā)現(xiàn)科技創(chuàng)新驅(qū)動經(jīng)濟高質(zhì)量增長經(jīng)歷基礎(chǔ)創(chuàng)新、增量創(chuàng)新、技術(shù)體系變革及技術(shù)經(jīng)濟模式變革4個階段；劉波和李湛^[3]研究指出，中國城市群科技創(chuàng)新資源配置效率表現(xiàn)出波浪式上升態(tài)勢，且中心城市對科技創(chuàng)新存在集聚擴散效應(yīng)；孫青（2022）研究發(fā)現(xiàn)，適度財政縱向失衡可提升地區(qū)科技創(chuàng)新水平，而過度財政縱向失衡則會阻礙科技創(chuàng)新。第二，在創(chuàng)新要素層面，郝漢舟等^[4]通過構(gòu)建創(chuàng)新要素、綠色技術(shù)創(chuàng)新能力與市場化評價指標(biāo)體系評價創(chuàng)新要素集聚水平，發(fā)現(xiàn)創(chuàng)新要素集聚通過綠色技術(shù)創(chuàng)新促進產(chǎn)業(yè)升級；王素素等^[5]研究發(fā)現(xiàn)，中國創(chuàng)新要素集聚水平雖然整體偏低，卻表現(xiàn)出逐步向好趨勢；張冕和俞立平^[6]綜合采用面板數(shù)據(jù)模型、門檻模型分析創(chuàng)新要素投入偏向效應(yīng)和特征，發(fā)現(xiàn)我國高技術(shù)產(chǎn)業(yè)研發(fā)要素投入總體向資本偏向發(fā)展。除此之外，還有諸多學(xué)者從創(chuàng)新績效^[7-8]、創(chuàng)新能力^[9]、創(chuàng)新政策（張杰，2021）等方面展開分析。

就全要素生產(chǎn)率而言，國內(nèi)外學(xué)者對全要素生產(chǎn)率進行大量研究并漸成體系。一是全要素生產(chǎn)率測度。An等^[10]采用隨機前沿分析法（SFA）測算中國內(nèi)地30個省份全要素生產(chǎn)率；李紅艷等（2022）基于DEA-Malmquist評價法，實證得出黃河流域農(nóng)業(yè)全要素生產(chǎn)率整體偏低，但增速明顯高于全國平均水平的結(jié)論；周祎慶和聶元昆（2022）研究發(fā)現(xiàn)，我國綠色全要素生產(chǎn)率整體呈平穩(wěn)上升態(tài)勢；趙玉林和陳泓兆^[11]采用SYS-GMM模型測算制造業(yè)細(xì)分行業(yè)綠色全要素生產(chǎn)率，發(fā)現(xiàn)基礎(chǔ)創(chuàng)新、產(chǎn)品創(chuàng)新和工藝創(chuàng)新有助于促進綠色全要素生產(chǎn)率提升。二是全要素生產(chǎn)率影響因素。孫向偉和丁成日^[12]考察科研創(chuàng)新產(chǎn)出對城市全要素生產(chǎn)率的影響發(fā)現(xiàn)，科技經(jīng)費投入、科研產(chǎn)出對全要素生產(chǎn)率的影響顯著為正；郭秋秋和馬曉鈺^[13]探討數(shù)字經(jīng)濟對城市綠色全要素生產(chǎn)率的影響發(fā)現(xiàn)，綠色創(chuàng)新水平、產(chǎn)業(yè)結(jié)構(gòu)對城市綠色全要素生產(chǎn)率具有間接影響；史丹和孫光林^[14]實證檢驗大數(shù)據(jù)對制造業(yè)企業(yè)全要素生產(chǎn)率的影響，指出企業(yè)創(chuàng)新、要素配置、數(shù)據(jù)賦能、資本優(yōu)化等因素對制造業(yè)企業(yè)全要素生產(chǎn)率具有正向影響；彭有為等（2022）從靜態(tài)和動態(tài)兩個方面挖掘中國高技術(shù)產(chǎn)業(yè)全要素生產(chǎn)率深層次因素，發(fā)現(xiàn)剝離外部環(huán)境和隨機擾動項后，純技術(shù)效率是提升全要素生產(chǎn)率的主要原因。

通過上述文獻梳理可知，現(xiàn)有研究多從農(nóng)業(yè)、綠色等視角探究全要素生產(chǎn)率，缺乏對創(chuàng)新全要素生產(chǎn)率的系統(tǒng)性分析。并且，針對中國創(chuàng)新全要素生產(chǎn)率的研究較少，缺乏科學(xué)合理的度量指標(biāo)，尤其是針對創(chuàng)新全要素生產(chǎn)率時空演變特征分析較少。本文主要貢獻在于：①在合理界定創(chuàng)新全要素生產(chǎn)率內(nèi)涵的基礎(chǔ)上，從創(chuàng)新資源、知識創(chuàng)新、協(xié)同創(chuàng)新、創(chuàng)新政策和創(chuàng)新環(huán)境5個方面構(gòu)建評價指標(biāo)體系進行科學(xué)測度；②從時空演化視角出發(fā)，對創(chuàng)新全要素生產(chǎn)率的時空格局演化特征進行系統(tǒng)性分析，可為勾勒中國創(chuàng)新格局提供科學(xué)參考。

2 創(chuàng)新全要素生產(chǎn)率評價指標(biāo)體系構(gòu)建

立足于可獲取性、實用性和客觀性原則，借鑒相關(guān)學(xué)者研究^[15-16]，并參考《中國區(qū)域創(chuàng)新能力評價報告》《中國創(chuàng)新城市評價報告》《歐洲創(chuàng)新報告》等權(quán)威報告遴選的經(jīng)典指標(biāo)，選取創(chuàng)新資源、知識創(chuàng)新、協(xié)同創(chuàng)新、創(chuàng)新政策、創(chuàng)新環(huán)境5個二級指標(biāo)以及19個三級指標(biāo)測度創(chuàng)新全要素生產(chǎn)率。

（1）創(chuàng)新資源。創(chuàng)新資源是創(chuàng)新過程中所需人力、物力、財力等投入要素的集合，也是創(chuàng)新全要素生產(chǎn)率提升的基礎(chǔ)。一方面，創(chuàng)新資源具備有價值、稀缺性、不可模仿與替代等優(yōu)勢特征，能夠為中國創(chuàng)新全要素生產(chǎn)率逐年攀升帶來長期競爭優(yōu)勢^[17]；另一方面，創(chuàng)新資源是助力知識創(chuàng)新、協(xié)同創(chuàng)新的核心動能，能夠保證知識創(chuàng)新、協(xié)同創(chuàng)新持續(xù)運轉(zhuǎn)，進而提高創(chuàng)新全要素生產(chǎn)率。創(chuàng)新資源包括每萬人R&D人員全時當(dāng)量、具有本科及以上學(xué)歷人數(shù)占常住人口數(shù)量比重等5個三級指標(biāo)。

（2）知識創(chuàng)新。知識創(chuàng)新包括基礎(chǔ)研究和應(yīng)用研究，其既是新技術(shù)和新發(fā)明的動力源泉，也是促進技術(shù)進步與經(jīng)濟持續(xù)增長的革命性力量，能夠為中國創(chuàng)新全要素生產(chǎn)率提升提供不竭動力^[18]。創(chuàng)新資源是創(chuàng)新全要素生產(chǎn)率的基礎(chǔ)支撐，知識創(chuàng)新則是助力創(chuàng)新全要素生產(chǎn)率提升的根本途徑，能夠為協(xié)同創(chuàng)新、創(chuàng)新政策和創(chuàng)新環(huán)境提供有效引導(dǎo)。知識創(chuàng)新包括基礎(chǔ)研究與應(yīng)用研究經(jīng)費支出占GDP的比重、每萬人有效發(fā)明專利擁有數(shù)等3個三級指標(biāo)。

（3）協(xié)同創(chuàng)新。協(xié)同創(chuàng)新是以知識創(chuàng)新增值為核心，以政府、知識生產(chǎn)機構(gòu)、第三方中介機構(gòu)、企業(yè)等為參與主體，為實現(xiàn)重大科技創(chuàng)新而進行大跨度整合的創(chuàng)新模式^[19]。協(xié)同創(chuàng)新通過促進地區(qū)內(nèi)各主體發(fā)揮自身能力優(yōu)勢，實現(xiàn)資源、優(yōu)勢互補，加速技術(shù)推廣與產(chǎn)業(yè)化，是支撐中國創(chuàng)新全要素生產(chǎn)率提升的重要“催化劑”。協(xié)同創(chuàng)新包括R&D經(jīng)費支出中來自國外資金的比重、R&D經(jīng)費支出中來自企業(yè)的比重等3個三級指標(biāo)。

（4）創(chuàng)新政策。政府創(chuàng)新政策具有較強的探索性和嘗試性特征，是中國創(chuàng)新全要素生產(chǎn)率提升的重要保障^[20]。創(chuàng)新政策實施既為知識創(chuàng)新、協(xié)同創(chuàng)新開展與創(chuàng)新環(huán)境營造提供制度保障，又通過處理好財政政策與貨幣政策的關(guān)系促進創(chuàng)新全要素生產(chǎn)率提升。創(chuàng)新政策包括政府R&D支出占GDP的比重、技術(shù)支出占一般財政預(yù)算支出比重等5個三級指標(biāo)。

（5）創(chuàng)新環(huán)境。無論是知識創(chuàng)新、協(xié)同創(chuàng)新的開展，抑或是創(chuàng)新政策的制定，均離不開創(chuàng)新環(huán)境的不斷優(yōu)化。換言之，創(chuàng)新環(huán)境是支撐中國創(chuàng)新全要素生產(chǎn)率提升的重要載體。尤其是在中國技術(shù)發(fā)展突飛猛進的背景下，中國創(chuàng)新環(huán)境愈發(fā)趨向良好和包容，持續(xù)為創(chuàng)新全要素生產(chǎn)率提升賦能。良好的創(chuàng)新環(huán)境可為高技術(shù)產(chǎn)業(yè)發(fā)展?fàn)I造良好的市場環(huán)境，為創(chuàng)新全要素生產(chǎn)率快速提升注入動能。創(chuàng)新環(huán)境包括促進行為主體不斷創(chuàng)新的區(qū)域環(huán)境、調(diào)節(jié)功能強的區(qū)域創(chuàng)新系統(tǒng)兩個三級指標(biāo)。

根據(jù)上述分析，圍繞指標(biāo)選取原則，最終形成創(chuàng)新全要素生產(chǎn)率評價指標(biāo)體系，如表1所示。

3 研究方法

3.1 “縱橫向”拉開檔次法

創(chuàng)新全要素生產(chǎn)率是隨時間變化表現(xiàn)出不同屬性特征的系統(tǒng)工程，子系統(tǒng)時序變化會引致相關(guān)指標(biāo)根據(jù)不同時間節(jié)點進行適當(dāng)調(diào)整，因此需要采用動態(tài)化處理方式評估創(chuàng)新全要素生產(chǎn)率各項指標(biāo)。由于靜態(tài)測度法難以綜合測度創(chuàng)新全要素生產(chǎn)率動態(tài)演變特征，因此亟需引入動態(tài)測度法。本文借鑒郭國峰等^[21]的“縱橫向”動態(tài)拉開檔次法解決上述問題?！翱v橫向”拉開檔次法主要具有兩方面優(yōu)勢：一是可從橫向上表現(xiàn)出中國不同省份間創(chuàng)新全要素生產(chǎn)率差異；二是可從縱向上體現(xiàn)出各省份創(chuàng)新全要素生產(chǎn)率2011—2020年的總體發(fā)展規(guī)律。“縱橫向”拉開檔次法能夠最大程度上反映研究對象的總體差異，解決三維數(shù)據(jù)權(quán)重問題，并從時空視角揭示研究對象規(guī)律，具體實施步驟如下：

首先，對需要測度的時間t₁，t₂，…，t_n段內(nèi)n個測度主體u₁，u₂，…，u_n進行綜合測度；其次，根據(jù)各測度主體m個測度指標(biāo)y₁，y₂，…，y_m的初始數(shù)據(jù)建成初始化三維數(shù)據(jù)矩陣y_ij（t_k）（i=1，2，...，n;j=1，2，...，m;k=1，2，...，N）。其中，由于數(shù)據(jù)類型與初始數(shù)據(jù)量綱不一致，且數(shù)據(jù)間差異較大，故先對初始數(shù)據(jù)進行預(yù)處理。若數(shù)據(jù)類型與初始數(shù)據(jù)一致，則對初始數(shù)據(jù)實施無量綱化與標(biāo)準(zhǔn)化處理，得到完善的數(shù)據(jù)矩陣u_ij（t_k），即u_ij（t_k）=y_ij－y_j（t-_k）/s_j（t_k）（i=1，2，...，n;j=1，2，...，m;k=1，2，...，N）。其中，s_j（t_k）為標(biāo)準(zhǔn)差；y_j（t-_k）代表樣本平均值；最后，“縱橫向”拉開檔次法需要確定測度模型。測度模型為常見的數(shù)學(xué)表達(dá)形式，一般會將測度模型集結(jié)成測度值以有效獲取研究對象的綜合權(quán)重。加之所構(gòu)測度指標(biāo)具有較強的關(guān)聯(lián)性，因此本文采用線性加權(quán)集結(jié)方式進行測算。假設(shè)w_j為指標(biāo)未知權(quán)重系數(shù)，則將被測度對象i在t_k時刻的綜合測度值u_i（t_k）設(shè)定為：

在解決上式未知權(quán)重系數(shù)w_j值的基礎(chǔ)上，“縱橫向”拉開檔次法可最大程度上反映各權(quán)重系數(shù)的總差異值，即確保測度值數(shù)據(jù)矩陣u_i（t_k）差異最大化、總體離差平方和δ²最大化，公式如下：

值得注意的是，式 （2）中均對所有指標(biāo)的初始數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，分別得到樣本方差、平均值為1和0，并得到如下公式：

對此，δ²可進一步簡化為：

在權(quán)重系數(shù)w取值約束下，當(dāng)w^TH_w取最大值時，w取值即為權(quán)重系數(shù)，公式如下：

maxw^TH_w

綜上所述，采用“縱橫向”拉開檔次法雖然可獲得各評價主體在不同時間段內(nèi)的測度值，卻無法獲取測度主體的全部測度值，故難以展現(xiàn)研究主體整體發(fā)展情況，亦無法解決各測度主體在不同時間段的權(quán)重系數(shù)。對此，進一步將二次加權(quán)法引入模型，在動態(tài)測度法的基礎(chǔ)上求解時間權(quán)重系數(shù)。

二次加權(quán)法能夠反映時間對研究對象的影響作用，以此確定第t_k時刻的權(quán)重系數(shù)w_k。參考相關(guān)學(xué)者研究成果，利用“厚今薄古”法確定時間權(quán)重系數(shù)^[22]，即距離現(xiàn)期愈近權(quán)重愈大，距離現(xiàn)期愈遠(yuǎn)權(quán)重愈小。因此，第t_k時刻在時間段［t₁，t_N］內(nèi)的時間權(quán)重系數(shù)為：

解決時間權(quán)重難題后，便能獲取被測對象在［t₁，t_N］時間段內(nèi)的總測度值，以探究被測對象在固定時間內(nèi)的規(guī)律。對此，構(gòu)建被測對象i測度值T_i的具體表達(dá)公式：

3.2 兼顧均衡性與功能性的組合集結(jié)模式

為使二次加權(quán)法測算結(jié)果更加貼近實際，參考郭亞軍^[23]提出的兼顧均衡性有序加權(quán)幾何平均算子（owga）和功能性有序加權(quán)平均算子（owa）組合集結(jié)模式，構(gòu)建如下公式：

owa－owga=λ₁owa+λ₂owga??? （9）

是在owa算子基礎(chǔ)上計算的評價值方差，?₂是根據(jù)算子得到的評價值方差。

3.3 時間差異分解模型

為測度中國創(chuàng)新全要素生產(chǎn)率區(qū)域差異在時間維度上的縱向變化特征，參考LMDI（Logarithmic Mean Divisia Index）因素分解法構(gòu)建時間差異分解模型，公式如下：

式（10）中，F(xiàn)_i代表i省份創(chuàng)新全要素生產(chǎn)率指數(shù)；S_i代表創(chuàng)新資源；I_i代表知識創(chuàng)新；Z_i代表協(xié)同創(chuàng)新；C_i代表創(chuàng)新政策；X_i代表創(chuàng)新環(huán)境。

假定時間由t－1發(fā)展到t，全要素生產(chǎn)率變化量ΔF^t－1，t能夠分解成5個驅(qū)動效應(yīng)：

其中：

其中，ΔF^t－1，t_S為創(chuàng)新資源效應(yīng)，反映創(chuàng)新資源對創(chuàng)新全要素生產(chǎn)率的貢獻；ΔF^{t－1，t}_I為知識創(chuàng)新效應(yīng)，反映知識創(chuàng)新對創(chuàng)新全要素生產(chǎn)率的貢獻；ΔF^t－1，t_Z為協(xié)同創(chuàng)新效應(yīng)，反映協(xié)同創(chuàng)新對創(chuàng)新全要素生產(chǎn)率的貢獻；ΔF^t－1，t_C為創(chuàng)新政策效應(yīng)，反映創(chuàng)新政策對創(chuàng)新全要素生產(chǎn)率的貢獻；ΔF^t－1，t_X為創(chuàng)新環(huán)境效應(yīng)，反映創(chuàng)新環(huán)境對創(chuàng)新全要素生產(chǎn)率的貢獻。

3.4 空間差異分解模型

假設(shè)有兩個地區(qū)分別用R₁與R₂表示，兩地區(qū)創(chuàng)新全要素生產(chǎn)率差異ΔF^R₁^－R₂表示為：

式（17）中，F(xiàn)^R₁、F^R₂分別表示R₁地區(qū)與R₂地區(qū)的創(chuàng)新全要素生產(chǎn)率；F^R_1i、F^R_2i分別表示R₁地區(qū)與R₂地區(qū)的i產(chǎn)業(yè)全要素生產(chǎn)率。

隨后，將公式（17）轉(zhuǎn)換為：

式（18）中，S^R_1i、S^R_2i分別代表R₁與R₂地區(qū)創(chuàng)新全要素生產(chǎn)率指數(shù)中的創(chuàng)新資源情況；I^R_1i、I^R_2i分別代表R₁與R₂地區(qū)的知識創(chuàng)新情況；Z^R_1i、Z^R_2i分別代表R₁與R₂地區(qū)的協(xié)同創(chuàng)新情況；C^R_1i、C^R_2i分別代表R₁與R₂地區(qū)的創(chuàng)新政策情況；X^R_1i、X^R_2i分別代表R₁與R₂地區(qū)的創(chuàng)新環(huán)境情況。結(jié)合上述分析，創(chuàng)新全要素生產(chǎn)率地區(qū)差異ΔF^R₁^－R₂可分解為5個驅(qū)動效應(yīng)：

其中，ΔF^R₁^－R_2G主要反映地區(qū)創(chuàng)新全要素生產(chǎn)率指數(shù)對全國創(chuàng)新全要素生產(chǎn)率提升的貢獻；ΔF^R₁^－R_2S代表創(chuàng)新資源效應(yīng)，用于反映地區(qū)創(chuàng)新資源差異對創(chuàng)新全要素生產(chǎn)率提升的貢獻；ΔF^R₁^－R_2I代表知識創(chuàng)新效應(yīng)，用于反映地區(qū)知識創(chuàng)新差異對創(chuàng)新全要素生產(chǎn)率提升的貢獻；ΔF^R₁^－R_2Z代表協(xié)同創(chuàng)新效應(yīng)，用于反映地區(qū)協(xié)同創(chuàng)新差異對創(chuàng)新全要素生產(chǎn)率提升的貢獻；ΔF^R₁^－R_2C代表創(chuàng)新政策效應(yīng)，用于反映地區(qū)創(chuàng)新政策差異對創(chuàng)新全要素生產(chǎn)率提升的貢獻；ΔF^R₁^－R_2X代表創(chuàng)新環(huán)境效應(yīng)，用于反映地區(qū)創(chuàng)新環(huán)境差異對創(chuàng)新全要素生產(chǎn)率提升的貢獻。

4 實證檢驗

4.1 數(shù)據(jù)說明

本文選取2011—2020年中國內(nèi)地30個省份（西藏地區(qū)由于數(shù)據(jù)缺失嚴(yán)重，故未納入統(tǒng)計）面板數(shù)據(jù)，所選數(shù)據(jù)均來源于《中國科技統(tǒng)計年鑒》《中國統(tǒng)計年鑒》以及各省份統(tǒng)計年鑒。為保證數(shù)據(jù)精準(zhǔn)性、可靠性，針對部分地區(qū)缺失數(shù)據(jù)，利用均值插補法補齊。

4.2 創(chuàng)新全要素生產(chǎn)率綜合評價

在一次因子研究的基礎(chǔ)上，對創(chuàng)新全要素生產(chǎn)率5個維度指標(biāo)進行二次因子加權(quán)分析，最終得到中國內(nèi)地30個省份創(chuàng)新全要素生產(chǎn)率綜合評價數(shù)據(jù)，結(jié)果如表2所示。由表2可知，我國多數(shù)省份2011—2020年創(chuàng)新全要素生產(chǎn)率處于穩(wěn)定上升態(tài)勢，山東、云南、遼寧、貴州和重慶呈現(xiàn)下滑趨勢。這是因為，上述省市存在較大技術(shù)缺口，未縮小與經(jīng)濟發(fā)達(dá)地區(qū)技術(shù)前沿差距，從而導(dǎo)致本地區(qū)創(chuàng)新全要素生產(chǎn)率分值較低。從平均值排名看，排名靠前的是上海、北京、浙江、廣東、江蘇、天津。其中，北京創(chuàng)新全要素生產(chǎn)率從2016年開始便居于領(lǐng)先地位。另外，上海、廣東、天津、浙江經(jīng)濟較為發(fā)達(dá)，基礎(chǔ)設(shè)施較為完善，故創(chuàng)新全要素生產(chǎn)率綜合排名同樣靠前。

4.3 混合算子動態(tài)綜合評價

考慮到時間越近，數(shù)據(jù)對創(chuàng)新全要素生產(chǎn)率的影響作用越大，故依據(jù)“厚今薄古”原理并參考相關(guān)學(xué)者研究成果^[24-25]，選取時間度λ=0.3，先測算時間權(quán)重，結(jié)果如表3所示。在此基礎(chǔ)上，運用Lingo軟件求解線性規(guī)劃方程。

基于公式（2）計算OWGA算子、OWA算子所改進升級的混合算子，得到中國內(nèi)地30個省份創(chuàng)新全要素生產(chǎn)率的綜合值，結(jié)果如表4所示。由表4可知，在綜合考慮時間因素及評價對象功能性、均衡性之后，之前排在首位的北京變?yōu)榈诙唬瑥V東由第二位升至第一位?！吨袊鴧^(qū)域創(chuàng)新能力評價報告》發(fā)布的數(shù)據(jù)顯示，2021年廣東省科技企業(yè)孵化器數(shù)量新增51家，研發(fā)投入較上年增長38.09%，研究與試驗發(fā)展全時人員當(dāng)量增加5.31%。這表明，廣東尤為重視基礎(chǔ)研究，強化創(chuàng)新載體搭建，為區(qū)域創(chuàng)新要素生產(chǎn)率提升奠定了堅實基礎(chǔ)。浙江、天津、重慶、福建、遼寧創(chuàng)新全要素生產(chǎn)率排名出現(xiàn)下降，分別為第5、15、12、13和20名。原因可能在于，上述省市技術(shù)市場交易額排名降幅較大，且規(guī)模以上研發(fā)人員數(shù)量、專利申請數(shù)量、科技企業(yè)孵化金額等指標(biāo)值均有不同程度下降，從而造成區(qū)域創(chuàng)新全要素生產(chǎn)率下降。

4.4 中國創(chuàng)新全要素生產(chǎn)率時空分解分析

4.4.1 時間分解分析

基于上述所構(gòu)時間分解模型，對中國創(chuàng)新全要素生產(chǎn)率逐年進行分解分析，得到時序變化驅(qū)動下的估計結(jié)果，如表5所示。若結(jié)果為正值，表明中國創(chuàng)新全要素生產(chǎn)率得到顯著提升，反之亦反。由表5可知，除2011年外，其余年份創(chuàng)新資源對創(chuàng)新全要素生產(chǎn)率均產(chǎn)生促進效應(yīng)，平均指數(shù)達(dá)1.379 9，說明創(chuàng)新資源豐富程度影響創(chuàng)新全要素生產(chǎn)率。從縱向演變趨勢看，創(chuàng)新資源的促進作用較為明顯，說明全國范圍內(nèi)創(chuàng)新資源分布與開發(fā)程度對創(chuàng)新全要素生產(chǎn)率的影響走勢較為穩(wěn)定。2011—2020年，知識創(chuàng)新對創(chuàng)新全要素生產(chǎn)率的影響同樣表現(xiàn)為促進作用，且作用強度遠(yuǎn)大于創(chuàng)新資源，是提升創(chuàng)新全要素生產(chǎn)率的主要因素。分時間段發(fā)現(xiàn)，2011—2018年知識創(chuàng)新平均指數(shù)為1.242 1，創(chuàng)新全要素生產(chǎn)率平均水平呈上下波動趨勢；2019-2020年，知識創(chuàng)新的促進效應(yīng)開始下降，平均促進效應(yīng)指數(shù)為1.115 5，且影響作用呈降低態(tài)勢。知識創(chuàng)新主要由每萬人專利擁有數(shù)與單位科研人員發(fā)表技術(shù)論文表征，既能反映全國有效發(fā)明專利擁有數(shù)，又能彰顯我國對創(chuàng)新投入、創(chuàng)新產(chǎn)出與創(chuàng)新成效的重視。受新冠肺炎疫情沖擊以及國外技術(shù)貿(mào)易壁壘限制，國內(nèi)專利發(fā)明與科技論文數(shù)增速有所放緩，引致創(chuàng)新全要素生產(chǎn)率開始下滑。2011—2020年協(xié)同創(chuàng)新表現(xiàn)出先促進后抑制效應(yīng)，即2011—2018年協(xié)同創(chuàng)新顯著促進國內(nèi)創(chuàng)新全要素生產(chǎn)率提升，但2019-2020年協(xié)同創(chuàng)新影響效應(yīng)有所下降。這主要是因為，新冠肺炎疫情導(dǎo)致國外資金難以順利注入國內(nèi)研發(fā)機構(gòu)，從而阻滯國內(nèi)技術(shù)創(chuàng)新與研發(fā)，導(dǎo)致創(chuàng)新全要素生產(chǎn)率下降。創(chuàng)新政策對中國創(chuàng)新全要素生產(chǎn)率的影響表現(xiàn)為顯著促進作用，平均促進指數(shù)為1.761 4，表明創(chuàng)新政策是保障國內(nèi)創(chuàng)新全要素生產(chǎn)率提升的主要因素。由縱向演變趨勢可知，創(chuàng)新政策與創(chuàng)新環(huán)境影響效應(yīng)走勢存在較強的正相關(guān)性，相關(guān)系數(shù)高達(dá)0.911 3，說明創(chuàng)新政策與創(chuàng)新環(huán)境為我國創(chuàng)新全要素生產(chǎn)率提升提供了強有力支撐。此外，從總效應(yīng)看，由于能產(chǎn)生負(fù)面抑制效應(yīng)的因素較少，所以中國創(chuàng)新全要素生產(chǎn)率整體表現(xiàn)出遞升態(tài)勢。

4.4.2 空間分解分析

僅了解時序特征無法全面揭示創(chuàng)新全要素生產(chǎn)率總體變化規(guī)律，可能會導(dǎo)致結(jié)果存在一定偏差，從而難以為國家持續(xù)創(chuàng)新提供理論依據(jù)。因此，為深入分析我國創(chuàng)新全要素生產(chǎn)率演變規(guī)律，需要從空間角度進一步探究創(chuàng)新全要素生產(chǎn)率的省際貢獻度及演變規(guī)律^[26]。為此，對中國內(nèi)地30個省份進行分解，探究創(chuàng)新資源、知識創(chuàng)新、協(xié)同創(chuàng)新、創(chuàng)新政策、創(chuàng)新環(huán)境驅(qū)動創(chuàng)新全要素生產(chǎn)率提升的空間分布特征與演化規(guī)律。

考慮到研究期限為10年，本文采用等距劃分標(biāo)準(zhǔn)，將2011—2020年劃分為3個時間段，即2011—2013年、2014—2016年和2016-2020年。在此基礎(chǔ)上，綜合分析3個時間段內(nèi)創(chuàng)新資源、知識創(chuàng)新、協(xié)同創(chuàng)新、創(chuàng)新政策、創(chuàng)新環(huán)境驅(qū)動創(chuàng)新全要素生產(chǎn)率提升的空間分布特征與動態(tài)演變規(guī)律。表6列示了中國創(chuàng)新全要素生產(chǎn)率分解因素變化的空間分布結(jié)果。時間分解因素結(jié)果表明，創(chuàng)新資源、知識創(chuàng)新、創(chuàng)新政策、創(chuàng)新環(huán)境是促進創(chuàng)新全要素生產(chǎn)率提升的主要因素，協(xié)同創(chuàng)新效應(yīng)表現(xiàn)出先促進后抑制態(tài)勢。為全面把握我國創(chuàng)新全要素生產(chǎn)率區(qū)域分布特征，本文將驅(qū)動效應(yīng)分解到中國內(nèi)地30個省份。從創(chuàng)新資源視角看，2011—2013年，除安徽、青海、新疆、寧夏、內(nèi)蒙古外，其余省份創(chuàng)新資源對創(chuàng)新全要素生產(chǎn)率均呈現(xiàn)正向促進作用。其中，促進作用較大的6個省份分別為上海、北京、江蘇、浙江、廣東、湖北，總計占創(chuàng)新資源效應(yīng)的29%。不難發(fā)現(xiàn)，這些省份主要集中于經(jīng)濟發(fā)達(dá)與資源要素集聚區(qū)。2014—2016年，山東、湖南創(chuàng)新資源對創(chuàng)新全要素生產(chǎn)率提升的驅(qū)動作用下降，而福建、河南、江蘇、廣東與浙江驅(qū)動效應(yīng)提升，總計占創(chuàng)新資源效應(yīng)的24%。同時，黑龍江創(chuàng)新資源驅(qū)動效應(yīng)由正轉(zhuǎn)負(fù)，成為唯一抑制創(chuàng)新全要素生產(chǎn)率提升的省份。原因在于，黑龍江創(chuàng)新人才流失、專利數(shù)量持續(xù)減少，導(dǎo)致該地區(qū)創(chuàng)新全要素生產(chǎn)率下降。

（1）從知識創(chuàng)新入手，2011—2013年，知識創(chuàng)新對全國創(chuàng)新全要素生產(chǎn)率提升發(fā)揮顯著正向促進作用，其中江蘇、北京、廣東、湖北、四川、湖南影響作用較大，總計占知識創(chuàng)新效應(yīng)的26%。2014—2016年，知識創(chuàng)新促進效應(yīng)較強省份主要包括江蘇、上海、廣東、浙江、安徽、湖北，總計占32%。進入第3階段，知識創(chuàng)新總效應(yīng)緩慢下降，降幅為19%，其中福建、安徽、湖南、新疆、湖北等省份影響作用較大。這說明，各省份知識創(chuàng)新驅(qū)動創(chuàng)新全要素生產(chǎn)率提升的空間分布漸趨穩(wěn)定，知識創(chuàng)新驅(qū)動全國創(chuàng)新全要素生產(chǎn)率提升的影響差距逐漸縮小。

（2）從協(xié)同創(chuàng)新效應(yīng)看，2011—2013年協(xié)同創(chuàng)新效應(yīng)顯著促進全國創(chuàng)新全要素生產(chǎn)率提升，其中作用較強省份包括北京、廣東、廣西、上海、湖南、江蘇，總計占知識創(chuàng)新效應(yīng)的31%。從中可見，在協(xié)同創(chuàng)新促進效應(yīng)較強省份，知識創(chuàng)新促進效應(yīng)也較顯著。2014—2016年，協(xié)同創(chuàng)新促進效應(yīng)省份變?yōu)榻K、湖南、上海、四川、福建、廣東，總體占比為27%。2017—2020年，協(xié)同創(chuàng)新效應(yīng)同知識創(chuàng)新總效應(yīng)走勢一致，表現(xiàn)出較強的抑制作用，導(dǎo)致創(chuàng)新全要素生產(chǎn)率下降，降幅為21%。由表6可知，我國協(xié)同創(chuàng)新影響效應(yīng)在空間集中度上表現(xiàn)出先促進后抑制趨勢。這表明，我國創(chuàng)新主力仍集中在東部地區(qū)，造成協(xié)同創(chuàng)新效應(yīng)空間分布從分散走向集中。

（3）從創(chuàng)新政策效應(yīng)看，2011—2013年創(chuàng)新政策對全國創(chuàng)新全要素生產(chǎn)率提升存在正向促進作用，其中北京、江蘇、上海、廣東、浙江等省份影響較大，總計占創(chuàng)新政策效應(yīng)的25%。2014—2016年，創(chuàng)新政策促進效應(yīng)較強省份主要包括北京、上海、浙江、江蘇、廣東、安徽，總計占31%。過渡至3個階段，創(chuàng)新政策總效應(yīng)提升速度加快，增幅高達(dá)44%，其中湖北、北京、江蘇、廣東等省份促進作用最明顯。這主要是因為，國家為提振經(jīng)濟發(fā)展水平和增強技術(shù)創(chuàng)新能力，陸續(xù)出臺了諸多支持創(chuàng)新的政策。在創(chuàng)新政策的支持與指引下，我國創(chuàng)新全要素生產(chǎn)率始終保持穩(wěn)定提升態(tài)勢。

（4）從創(chuàng)新環(huán)境看，2011—2013年，創(chuàng)新環(huán)境對全國創(chuàng)新全要素生產(chǎn)率的提升作用呈現(xiàn)東部地區(qū)顯著、中西部地區(qū)不顯著的空間分布格局。東部地區(qū)多數(shù)省份創(chuàng)新環(huán)境影響作用較大，主要包括北京、天津、河北、廣東、江蘇、上海，總計占41%；中西部地區(qū)中部省份創(chuàng)新環(huán)境對當(dāng)?shù)貏?chuàng)新全要素生產(chǎn)率提升有一定促進作用，包括湖北、湖南、四川、重慶，總計占創(chuàng)新環(huán)境效應(yīng)的14%。2014-2016年，創(chuàng)新環(huán)境效應(yīng)影響較強省份主要包括北京、上海、廣東、廣西、江蘇，總計占創(chuàng)新環(huán)境效應(yīng)的36%。進入第3個階段，東部創(chuàng)新環(huán)境對省域創(chuàng)新全要素生產(chǎn)率的影響作用較為顯著。

5 結(jié)論與建議

5.1 研究結(jié)論

本研究主要利用二次加權(quán)因子分析法對中國創(chuàng)新全要素生產(chǎn)率進行分項，引入OWGA算子和OWA算子改進升級的混合因子對中國創(chuàng)新全要素生產(chǎn)率進行綜合評價，運用LMDI法探究中國創(chuàng)新全要素生產(chǎn)率提升水平，同時剖析創(chuàng)新資源、知識創(chuàng)新、協(xié)同創(chuàng)新、創(chuàng)新政策、創(chuàng)新環(huán)境的時空差異驅(qū)動效應(yīng)，得出如下結(jié)論：

（1）創(chuàng)新全要素生產(chǎn)率動態(tài)測度。我國多數(shù)省份創(chuàng)新全要素生產(chǎn)率隨時間推移呈現(xiàn)穩(wěn)定增長態(tài)勢，僅少數(shù)省份因為資金缺乏、生產(chǎn)設(shè)備陳舊、交通不暢等問題使創(chuàng)新全要素生產(chǎn)率出現(xiàn)下滑。

（2）創(chuàng)新全要素生產(chǎn)率時空差異分解。一是時間分解。從縱向演變趨勢看，創(chuàng)新資源對創(chuàng)新全要素生產(chǎn)率的作用表現(xiàn)出波動性特征；知識創(chuàng)新對創(chuàng)新全要素生產(chǎn)率的影響同樣表現(xiàn)為促進作用，且作用強度遠(yuǎn)大于創(chuàng)新資源；協(xié)同創(chuàng)新表現(xiàn)出先促進后抑制效應(yīng)；創(chuàng)新政策與創(chuàng)新環(huán)境影響效應(yīng)走勢持續(xù)向上。二是空間分解?？臻g集中度最強且最顯著的是知識創(chuàng)新效應(yīng)，創(chuàng)新資源、協(xié)同創(chuàng)新、創(chuàng)新政策與創(chuàng)新環(huán)境效應(yīng)空間集中度呈現(xiàn)交錯分布態(tài)勢。東部地區(qū)除協(xié)同創(chuàng)新效應(yīng)下降外，其余四大驅(qū)動效應(yīng)均保持穩(wěn)定上升趨勢；中西部地區(qū)五大驅(qū)動效應(yīng)對區(qū)域創(chuàng)新全要素生產(chǎn)率的影響作用較弱。

5.2 政策建議

根據(jù)上述研究結(jié)論，本文提出如下政策建議：

（1）實施差異化、導(dǎo)向型政策。由上述結(jié)論可知，全國創(chuàng)新全要素生產(chǎn)率存在顯著時空差異，且創(chuàng)新全要素生產(chǎn)率五大子系統(tǒng)綜合得分較高省份多集中于東部地區(qū)。因此，為實現(xiàn)區(qū)域協(xié)調(diào)發(fā)展，改善區(qū)域創(chuàng)新資源要素使用效率和提升創(chuàng)新能力，亟需國家、地方政府實施差異化、導(dǎo)向型政策予以支撐，促進全國創(chuàng)新全要素生產(chǎn)率穩(wěn)定提升。針對不同地區(qū)，中央、地方政府部門要聯(lián)合起來印發(fā)與頒布針對性創(chuàng)新扶持政策，因地制宜地對相關(guān)科研人員給予資金支持，促進中國創(chuàng)新全要素生產(chǎn)率提升。

（2）優(yōu)化區(qū)域要素資源配置。由結(jié)論可知，創(chuàng)新全要素生產(chǎn)率在不同省份存在顯著差異。鑒于此，相關(guān)政府部門要不斷優(yōu)化區(qū)域資源要素配置，提高區(qū)域資源要素使用效率，解決區(qū)域創(chuàng)新發(fā)展結(jié)構(gòu)不平衡問題。相關(guān)政府部門應(yīng)深入探究區(qū)域人才、資金、信息等資源要素分布規(guī)律，借助信息平臺為各地區(qū)提供多元化資源配置方案，推進區(qū)域創(chuàng)新資源要素配置模式優(yōu)化與完善。另外，打破資源要素在空間層面的集聚與累積，優(yōu)化創(chuàng)新產(chǎn)業(yè)空間布局，形成以技術(shù)、創(chuàng)新為支撐的區(qū)域工具體系，加快資源要素在區(qū)域內(nèi)流動。

（3）積極主動加入全球創(chuàng)新網(wǎng)絡(luò)。政府應(yīng)積極統(tǒng)籌社會安全與發(fā)展，以全球視野參與國際創(chuàng)新，主動加入全球創(chuàng)新網(wǎng)絡(luò)，提升創(chuàng)新國際話語權(quán)。一方面，主動牽頭國際大科學(xué)工程，聯(lián)合其它國家不斷研發(fā)與攻關(guān)新興技術(shù)，提高創(chuàng)新能力；另一方面，構(gòu)建開放型創(chuàng)新生態(tài)體系，積極與其它國家開展創(chuàng)新交流與合作，將最新技術(shù)、創(chuàng)新方案納入開放生態(tài)體系，方便各國合理使用創(chuàng)新技術(shù)。

5.3 不足與展望

本文存在如下不足：①盡管指標(biāo)選取過程充分考慮了可能影響創(chuàng)新全要素生產(chǎn)率提升的各個環(huán)節(jié)，但未覆蓋創(chuàng)新全要素生產(chǎn)率所有維度，未來將進一步完善評價指標(biāo)體系，確保研究結(jié)果更加準(zhǔn)確；②從時間傳遞性與動態(tài)效率層面分析中國創(chuàng)新全要素生產(chǎn)率，未從效率、靜態(tài)等視角展開對比分析，未來將從效率、靜態(tài)層面分析與測度中國創(chuàng)新全要素生產(chǎn)率；③本文所關(guān)注的創(chuàng)新全要素生產(chǎn)率屬于大類，其內(nèi)部不同子行業(yè)之間創(chuàng)新邏輯存在諸多差異，未來將進一步拆分創(chuàng)新全要素生產(chǎn)率，比較創(chuàng)新全要素生產(chǎn)率對不同行業(yè)的異質(zhì)性影響；④由于創(chuàng)新全要素生產(chǎn)率影響因素涵括較廣，可能涉及人力資本、專利數(shù)量、技術(shù)進步等因素，未來將從上述視角進行補充與完善。

參考文獻：

[1] 謝謙，郭楊.數(shù)字技術(shù)、創(chuàng)新要素結(jié)構(gòu)優(yōu)化與企業(yè)全要素生產(chǎn)率[J].北京師范大學(xué)學(xué)報（社會科學(xué)版），2022，67（6）：134-144.

[2] 姜玉梅，孟慶春，李新運.區(qū)域科技創(chuàng)新驅(qū)動經(jīng)濟高質(zhì)量發(fā)展的績效評價[J].統(tǒng)計與決策，2021，37（16）：76-80.

[3] 劉波，李湛.中國科技創(chuàng)新資源配置體制機制的演進、創(chuàng)新與政策研究[J].科學(xué)管理研究，2021，41（4）：8-16.

[4] 郝漢舟，徐新創(chuàng)，左珂怡，等.創(chuàng)新要素集聚與產(chǎn)業(yè)升級：中介效應(yīng)和調(diào)節(jié)效應(yīng)研究[J].長江流域資源與環(huán)境，2022，31（11）：2357-2368.

[5] 王素素，盧哲凡，盧現(xiàn)祥.中國創(chuàng)新要素集聚水平測度、空間差異及形成機理[J].貴州財經(jīng)大學(xué)學(xué)報，2022，40（5）：1-12.

[6] 張冕，俞立平.創(chuàng)新要素投入偏向：機制、測度及其效應(yīng)研究——研發(fā)勞動力與研發(fā)資本之比合理嗎[J].數(shù)理統(tǒng)計與管理，2022，41（5）：883-898.

[7] 黃遠(yuǎn)浙，鐘昌標(biāo)，葉勁松，等.跨國投資與創(chuàng)新績效——基于對外投資廣度和深度視角的分析[J].經(jīng)濟研究，2021，67（1）：138-154.

[8] 易靖韜，曹若楠.流程數(shù)字化如何影響企業(yè)創(chuàng)新績效——基于二元學(xué)習(xí)的視角[J].中國軟科學(xué)，2022，36（7）：94-104.

[9] 崔新蕾，劉歡.國家創(chuàng)新型城市設(shè)立與區(qū)域創(chuàng)新能力[J].科研管理，2022，43（1）：32-40.

[10] AN KE，SHAN YIKE，SHI SHENG. Impact of industrial intelligence on total factor productivity[J].Sustainability，2022，14（21）：14535-14535.

[11] 趙玉林，陳泓兆.異質(zhì)性技術(shù)創(chuàng)新與綠色全要素生產(chǎn)率提升[J].財會月刊，2020，41（18）：145-152.

[12] 孫向偉，丁成日.高?？蒲挟a(chǎn)出對城市全要素生產(chǎn)率的影響研究[J].城市發(fā)展研究，2020，27（3）：132-140.

[13] 郭秋秋，馬曉鈺.數(shù)字經(jīng)濟對城市綠色全要素生產(chǎn)率的影響研究[J].現(xiàn)代管理科學(xué)，2022，41（5）：156-166.

[14] 史丹，孫光林.大數(shù)據(jù)發(fā)展對制造業(yè)企業(yè)全要素生產(chǎn)率的影響機理研究[J].財貿(mào)經(jīng)濟，2022，43（9）：85-100.

[15] ZHONG S， WANG H， WEN H， et al. The total factor productivity index of science and technology innovations in the coastal regions of China between 2006 and 2016[J]. Environmental Science and Pollution Research International，2020，28： 1-13.

[16] 武宵旭，韓永楠，葛鵬飛.中國制造業(yè)自主創(chuàng)新與全要素生產(chǎn)率的耦合協(xié)調(diào)性研究[J].經(jīng)濟問題探索，2021，42（8）：141-154.

[17] 解佳龍，熊曉雪.國家高新區(qū)創(chuàng)新資源集聚分異與空間極化格局[J].管理現(xiàn)代化，2022，42（6）：14-21.

[18] 楊坤，吳金玉，胡斌.創(chuàng)新網(wǎng)絡(luò)中知識協(xié)同演化機理模型及計算實驗分析[J].科技進步與對策，2020，37（8）：124-133.

[19] 徐維祥，周建平，周夢瑤，等.長三角協(xié)同創(chuàng)新網(wǎng)絡(luò)韌性演化及驅(qū)動機制研究[J].科技進步與對策，2022，39（3）：40-49.

[20] 陳強，沈天添.中國科技創(chuàng)新政策體系演變研究——基于1978—2020年157份政策文本的量化分析[J].中國科技論壇，2022，38（12）：35-46.

[21] 郭國峰，高一帆，張穎穎.基于縱橫向拉開檔次法的區(qū)域經(jīng)濟發(fā)展能力綜合評價研究——以我國中部六省科技創(chuàng)新能力為例[J].征信，2020，38（8）：18-22，83.

[22] 范巧，HUDSON DARREN.一種新的包含可變時間效應(yīng)的內(nèi)生時空權(quán)重矩陣構(gòu)建方法[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2018，35（1）：131-149.

[23] 郭亞軍.綜合評價理論、方法及應(yīng)用[M].北京：科學(xué)出版社，2007.

[24] 鄭堅，陳斌.基于時間權(quán)重序列的GM（1，1）初始條件優(yōu)化模型[J].控制與決策，2018，33（3）：529-534.

[25] 徐慧君，王忠，馬麗萍，等.改進Mini Batch K-Means時間權(quán)重推薦算法[J].計算機工程，2020，46（3）：73-78，86.

[26] KANG CHAOGUI，JIANG ZHUOJUN，LIU YU. Measuring hub locations in time-evolving spatial interaction networks based on explicit spatiotemporal coupling and group centrality[J].International Journal of Geographical Information Science， 2022， 36（2）： 360-381.

（責(zé)任編輯：王敬敏）

Continuous Dynamic Measurement and Decomposition of Temporal and

Spatial Differences of Innovation Total Factor Productivity in China

Yu Aishui¹，Zhang Jiru²，Yu Deshui³

（1.School of Government，Beijing Normal University，Beijing 100875， China；

2.School of Public Management， Inner Mongolia University，Hohhot 010021，China；

3.Wuhai Energy Co.， Ltd， National Energy Investment Group Co.， Ltd. Wuhai 016000，China）

Abstract：Innovation total factor productivity is an essential factor to enhance international competitiveness， and also the driving force for China′s economic growth. Confronted with the reality that the traditional production factors of labor and capital have a declining contribution to the national economic growth， China needs to rely more on the rise of innovation total factor productivity to promote industrial digitization and digital industrialization， and to help traditional energy-intensive industries upgrade in an innovative direction. However， prior research has little to say with regard to China′s innovation total factor productivity， and the in-depth discussion on the continuous dynamic measurement of total factor productivity of innovation and the decomposition of temporal and spatial differences are scarce.

The absence of relevant research is at odds with the importance attributed to China′s innovation total factor productivity. Then what are the continuous dynamic evolution process and time characteristics of China′s innovation total factor productivity？ Is there regional heterogeneity？? In order to answer the above questions， it is necessary to sort out relevant data and conduct an empirical test based on the development status of China′s innovation total factor productivity. Therefore， drawing on the panel data of 30 provinces from 2011 to 2020， this study uses the secondary weighted factor analysis method to conduct a sub-item and comprehensive evaluation of China′s innovation total factor productivity， and introduces the OWGA operator and OWA operator to implement the transformation and upgrading of mixed factors， with the aim to clarify its dynamic evolution process. In order to further reveal the vertical changes of the regional differences of China′s innovation total factor productivity in the temporal dimension， the LMDI factor decomposition method is used to explore the driving effect of temporal and spatial differences on innovation resources， knowledge innovation， collaborative innovation， innovation policy and innovation environment.

In terms of the dynamic measurement， the innovation total factor productivity of most provinces in China has shown a steady growth trend over time， while only a few provinces have experienced a decline in innovation total factor productivity due to a lack of funds， outdated production equipment and inconvenient transportation. In terms of the decomposition of temporal and spatial differences， the first is the temporal decomposition. The effect of innovation resources on innovation total factor productivity shows volatility， and the impact of knowledge innovation on the total factor productivity of innovation presents a promoting effect， and the effect intensity is far greater than that of innovation resources. Collaborative innovation shows the effect of promotion first and then inhibition， and there is a continuous upward trend of the impact of innovation policy and innovation environment . The second is spatial decomposition. The strongest and most significant spatial concentration is the effect of knowledge innovation， while the spatial concentration of innovation resources， collaborative innovation， innovation policy and innovation environment effects all present staggered distribution trends. In the eastern region， except for the decline of collaborative innovation effect， the other four driving effects have maintained a steady upward trend. The five driving effects in the central and western regions have a weak impact on regional innovation total factor productivity.

Compared with the existing literature， this paper makes a reasonable explanation of innovation total factor productivity， and then establishes an indicator system for scientific measurement based on a comprehensive consideration of innovation resources， knowledge innovation， collaborative innovation， innovation policy and innovation environment. Second， from the perspective of temporal and spatial evolution， this paper systematically analyzes the evolution of temporal and spatial patterns and temporal characteristics of innovation total factor productivity， and reveals the regional differences in China′s innovation total factor productivity. The paper sheds light on the continuous dynamic measurement and decomposition of temporal and spatial differences in innovation total factor productivity in China. The findings are conducive to further improving China′s innovation capability and levels， and? provide a reference for relevant government departments to formulate development strategies to improve innovation total factor productivity.

Key Words：Innovation Total Factor Productivity; Decomposition of Temporal and Spatial Differences ;Quadratic Weighted Factor Analysis;Dynamic Evolution Trend