长三角高质量发展的空间动态演变与一体化趋势

郑瑞坤，汪 纯

（湖北工业大学 理学院，湖北 武汉430068）

一、问题提出

2019 年12 月，中共中央、国务院印发了《长江三角洲区域一体化发展规划纲要》（以下简称《纲要》），明确提出将长三角区域一体化上升为国家战略。实施长三角一体化发展战略，是引领全国高质量发展、完善我国改革开放空间布局、打造我国发展强劲活跃增长极的重大战略举措［1］。

长三角地区（包括江苏、浙江、上海与安徽三省一市）在过去40多年的改革开放中，发展成为我国经济最具活力、开放程度最高、创新能力最强的区域之一，对带动整个国家经济快速发展发挥了重要的支撑与引领作用。随着中国特色社会主义进入新时代，我国经济已经由高速增长阶段转向高质量发展阶段，对长三角而言，如何适应新的国家区域发展战略，在建设本区域高质量一体化过程中发挥对全国经济高质量发展的引领示范功能，是当前该地区面临的重大问题。

这一问题受到了长三角三省一市政府部门的高度重视，各省市纷纷出台了如何推动区域高质量一体化发展的政策方案，同时也引起了社会各界的强烈反响，各种宣传报道见诸于社交媒体。但相关学术研究稍显滞后，目前相对集中的讨论主题涉及：①长三角高质量发展水平的测度。比如，郭文慧、雷良海（2020）通过构建经济高质量发展水平的指标评价体系，采用二次熵值法对长三角40 个地级市的经济高质量发展水平进行了综合评价［2］；田鑫（2020）利用2018 年长三角26 个城市数据，采用因子K均值法评估分析了长三角26个城市的经济高质量发展水平［3］；王青等（2020）利用2006—2018年长三角26 个城市数据，采用主成分分析方法测度了经济高质量发展水平［4］。②推动长三角高质量一体化发展的路径研究。路径研究是目前学术界讨论较多的话题，但以定性分析为主，定量研究较为少见，一些学者比如滕堂伟、欧阳鑫（2019）运用随机前沿模型方法测度了长三角41 个城市2000—2017 年的城市效率，通过分析城市效率的影响因素探测长三角高质量一体化的发展路径［5］；姚鹏等（2020）通过构建长三角一体化评价指标体系测度一体化程度，进而提出区域高质量一体化发展的路径建议［6］。

从上述文献研究主题来看，长三角高质量发展有关问题的学术讨论还处于早期阶段。由于“高质量发展”是一个复合指标，对“高质量发展”进行测评是定量分析的前提，也是深入研究长三角高质量发展路径的基础，目前学者们将其作为关注的重点，体现了基础作用，但指标体系尚在讨论中，暂未形成高度统一的衡量体系，且从学者们呈现出来的指标体系看，侧重于“高质量”，对“一体化”把握不够。事实上，在《纲要》中，“一体化”与“高质量”是最为突出的两个关键词，它们具有整体性，这种整体性表现出长三角区域一体化是高质量的一体化，两者不可分割。正因为如此，在路径分析上就要求高质量发展体现出“一体化”所具有的空间特性，显然，上述文献缺乏围绕“高质量”发展的空间分布动态演变导致的一体化路径变化的研究。

本研究也对高质量发展水平进行测评，但不同于现有文献的是，本研究目的在于借助高质量发展测评数据分析长三角27个城市高质量发展水平的空间动态演变轨迹，并通过构造空间统计模型探讨长三角高质量一体化在不同影响因素作用下未来可能的运行轨迹，以此进一步判断长三角高质量一体化发展趋势，为长三角高质量一体化变动趋势提供一个实证分析结论。

在此背景下，本研究的贡献主要体现在：①根据《纲要》要求，将“一体化”与“高质量”深度融合构建了测评长三角高质量发展水平的指标体系，实现了从测评“高质量发展”到测评“高质量一体化发展”的转变，更加有利于长三角区域高质量一体化有关问题的定量研究；②为考察长三角高质量发展的一体化路径，结合分布动态学（马尔科夫链方法）与空间计量方法，分析了当前长三角高质量发展的空间演变轨迹，对比研究了在有无影响因素作用下未来长三角高质量发展一体化可能的空间演变轨迹，为长三角不同城市如何在长三角高质量一体化发展过程中走向一体化提供了一种分析方案。

二、研究设计

本研究拟在测评长三角地区高质量发展水平的基础上探究高质量发展进程中高质量发展的空间分布动态演变轨迹与一体化趋势。为完成长三角地区高质量发展的空间分布动态演变与一体化趋势的分析，首先需要从理论上设计两部分研究方案：第一部分是设计测评长三角高质量发展水平的指标体系与测评方法；第二部分是设计模拟空间分布动态演变的方法以及测度一体化趋势的方法。

本文通过实现第一部分设计方案获得长三角各城市高质量发展水平的测度数据，然后围绕所获得的高质量发展指数数据，利用第二部分设计方法分析长三角高质量发展的空间分布动态演变与一体化趋势。

（一）长三角高质量发展指数测度模型

1.测评指标体系构建

高质量发展是我国在供给侧结构性改革与新的社会主要矛盾背景下建设现代化经济体系提出来的，国内学者从不同视角讨论了高质量发展内涵及其特征，李金昌等（2019）将其归纳为三类，分别是以“五大发展理念”和社会主要矛盾为视角、以经济高质量发展为视角以及以区分狭义广义或微观宏观的不同要求为视角［7］。这三类视角实际上是将高质量置于经济社会、宏观经济与微观经济层面来进行界定的。诚然，高质量会在经济社会的各个层面表现出来，但作为一种经济发展阶段，其内涵与外延需切合阶段论性质。从阶段论出发，经济由“速度型”转入“质量型”发展，是一种以生产为主型的发展阶段过渡至生产与生活并重且最终转入以生活为主型的发展阶段，用高质量发展概括这种经济发展阶段，应该表现为国民经济的生产与生活消费不断向好，且达到一个较高水准的状态，该状态要求经济在生产与生活上具备协同力、驱动力、稳定力、保障力和引领力。因而，定义高质量发展为国民经济在生产与生活上的协同力、驱动力、稳定力、保障力和引领力不断向好，且达到一个较高水准的状态。

对于长三角高质量发展而言，理论上应不失高质量发展的一般内涵特征，但作为区域层面的高质量发展，又应该具有区域经济发展阶段特征，其最大特征体现在“区域一体化”上。因而，定义长三角高质量发展为在“一体化”目标下区域生产与生活上的协同力、驱动力、稳定力、保障力和引领力不断向好，且达到“一体化”较高水准的状态。

根据上述高质量发展的内涵，设计长三角高质量发展指标体系的整体方案为：①采集《纲要》中关于长三角一体化与高质量发展的战略定位、基本原则与发展目标，初步勾勒出长三角高质量发展指标体系的层次结构；②运用网络爬虫与文本数据挖掘方法，提取与高质量发展有关的新闻文本数据关键词，形成词云图，以词云图中各词出现的频率确定一个与高质量发展有关的词框架结构，探索社会各界对于高质量发展的认识；③梳理现有文献关于高质量发展指标体系的研究成果，获取学术研究的支撑。目前已有学者围绕五大发展理念构建了高质量发展指标体系［8-11］，此外一些学者主要从以下维度展开研究：基于经济、社会和生态环境质量三大领域［12］；基于增长的基本面、社会成果两个层面［13］；基于经济结构优化、创新驱动发展、资源配置高效等十个子系统［14］；基于经济增长、创新驱动、生态文明和人民生活高质量四个方面［15］；基于经济活力、创新效率、绿色发展、人民生活、社会和谐五个层面［16］；基于高质量供给与需求、发展效率、经济运行、对外开放五个维度［17］；基于经济发展动力、新型产业结构、交通信息基础设施、绿色发展、开放性、协调性及共享性等方面［18］；基于发展的基本面、社会成果与生态成果三个维度［19］。最终确立的长三角高质量发展测评指标体系见表1所列。

表1 长三角高质量发展指标体系

续表1

2.测评方法

对于权重的设计，考虑目前长三角各城市高质量发展均呈现出一定差异，拟采用熵权法进行赋权，首先根据三级指标数据本身的离散性测得其权重，再合成二级指标权重，最后合成一级指标权重，具体计算步骤为：

（1）计算第j项指标下第i个城市第t年的样本值（归一化后数据（1））占该指标的比重：

其中:T= 6 年；n= 27 个城市；m=58 个指标；i=1,2,…,n,j=1,2,…,m；Xitj*是第i个城市第t年第j个指标的归一化数据。

（2）计算第j项指标的熵值：

（3）计算信息熵冗余度（差异）：

（4）计算各项指标的权重：

对于指数计算，由于指标体系中各指标间相关程度不高，拟采用线性综合法来合成各级指数以及高质量发展综合指数，用以表示长三角生产与生活在“五力”作用下的高质量发展程度。计算式为：

（二）长三角高质量发展的空间动态演变与一体化趋势模型

1.空间动态演化模型

鉴于Markov 链方法可以描述各随机变量分布的内部动态演进趋势，本文拟采用Markov 链的思想构造长三角高质量发展的空间动态演变模型。

假设随机过程{HQit, }t∈T具有“无后效性”，状态空间记为S={1,2,3} ，其中，命名高质量发展指数的“低水平状态”= 1、“中水平状态”= 2、“高水平状态”= 3，它们符合一阶马尔科夫链性质，且具有平稳的转移概率。P为高质量发展水平的状态转移概率矩阵，具体为：

其中：nij为样本考察期内高质量发展水平的第i种状态转变为第j种状态的次数；ni为第i种状态出现的总次数。由于转移概率是非负的，且过程一定会转移至某种状态，所以转移矩阵具有以下性质：

如果其在第t期的高质量发展水平分布状态为Ft，那么经过l期的高质量发展水平分布状态就表现为：

故而，基于Markov 链模式构造的空间动态演化模型，能够分析出长三角地区不同城市的高质量发展水平空间分布动态及其演变趋势。

2.一体化趋势影响因素分析模型

为了探测长三角高质量发展水平的影响因素以及预测在这些影响因素作用下长三角高质量一体化的发展趋势，本研究先建立了空间计量模型，然后基于空间计量模型结果预测在这些影响因素作用下的高质量发展水平，再采用空间动态演化模型对预测的长三角27个城市高质量发展水平状态转移情况进行分析，并与未考虑影响因素作用的情况进行对比，进而判断一体化趋势。

根据空间杜宾模型（SDM）在描述变量空间特性上的优越性，拟采用空间杜宾模型探寻长三角高质量发展水平的影响因素及空间效应，空间杜宾模型的一般形式为：

其中：Yit为被解释变量；Xit为解释变量（包括控制变量）；ρ为空间回归系数；β和θ为待估计参数；ai代表个体固定效应，λt代表时间固定效应；εit代表随机误差项；Wij为空间权重矩阵的第i行第j列元素。

对于空间权重的设计，目前常用的空间权重矩阵主要有地理距离矩阵、经济距离矩阵以及经济地理复合矩阵，考虑经济距离权重的局限性，本研究主要基于地理距离与经济地理复合角度构造了邻接矩阵、反距离平方矩阵以及经济地理复合矩阵三种空间权重矩阵。

（1）根据长三角地区在空间上比邻，将空间权重矩阵设定为简单的二进制邻接矩阵——Queen邻接矩阵。假定两个地区存在共同边界或顶点时才会发生空间关联性，空间权重矩阵的第i行第j列元素为：

Queen 邻接矩阵是一个对称矩阵，为了减少区域间的外在影响，将空间权重矩阵进行行标准化，故而每行元素之和等于1。

（2）反距离平方权重矩阵是从定量的角度刻画空间相邻性，考虑了距离的相对大小，经济体之间的相互影响将会随着距离的增加而减弱，具体为：

其中，dij为两地地理中心位置之间的距离，可以根据经纬度测算得到，本研究中城市中心位置即该地理区域质心的坐标，可采用stata软件中的gencentroids（）函数计算得到。假设计算得到两个城市的地理坐标分别为A(xi,yi)、B(xj,yj)，需要计算两点之间的实际距离，则两点的直角坐标为A(Rcosxicosyi,Rsinxicosyi,Rsinyi) 、B(Rcosxjcosyj,Rsinxjcosyj,Rsinyj)，其中R为地球半径，则A、B两个城市之间的实际距离为：

（3）前述两种空间权重矩阵都是属于地理权重矩阵，本研究考虑到基于经济增长水平建立的经济距离空间权重矩阵中各元素所表征的两个空间单元之间的相互影响强度是相同的，与现实情况明显不符，在现实中经济发展水平较高的地区对发展水平较低水平地区产生更强的空间影响与辐射作用，比如上海对宣城的影响强度明显比宣城对上海的影响强度大，因此，本研究基于经济和地理复合角度构建了一种嵌套的空间权重矩阵，具体形式为：

基于上述三种空间权重矩阵，对长三角高质量指数进行空间相关性检验，并从中选取最适合后续建立空间面板杜宾模型的空间权重矩阵，然后利用式（8）分析长三角高质量发展水平的影响因素，并预测在这些影响因素的作用下长三角高质量的未来发展水平，再次利用空间动态演化模型预测长三角一体化趋势。

三、实证分析

（一）长三角高质量发展指数测度

1.数据来源

本研究以《纲要》规定的长三角27个中心区城市（2）为研究对象，考虑2012年党的十八大提出五大发展理念后，直至2017 年党的十九次全国代表大会首次提出高质量发展新表述，这期间是长三角高质量发展的前期基础时期，因此选取2012—2017年作为样本期。

长三角高质量发展水平测算数据以及相关影响因素的数据来源于2013—2018 年《中国城市统计年鉴》、2013—2018 年27 个城市的统计年鉴、2013—2018 年中国城乡建设数据库、2012—2017年27 个城市的统计公报、2012—2017 年27 个城市的环境状况公报、2012—2017 年各省科技进步统计监测结果与科技统计公报、中国空气质量在线监测分析平台以及相关部门权威网站。

2.测算结果

在具体测算高质量发展指数时，首先对指标进行了归一化处理，然后采用熵权与线性综合法（式（1）-（5））测算高质量发展指数，测算结果见表2所列。

表2 显示，2012—2017 年，长三角27 个城市的高质量发展水平不高，高质量发展水平最高的上海2017 年也只达到56.89%，这与我国经济刚由高速增长转向高质量增长阶段的论断相吻合，但整体呈上升趋势，反映出高质量发展具有稳步提升的基础，高质量发展是长三角未来经济发展的趋势所在。从空间维度看，上海在长三角高质量发展中依然显示出龙头地位特征，对长三角高质量一体化的引领作用突出，6年来高质量发展水平一直保持在50%以上，高质量发展进入中等水平状态；杭州与南京高质量发展水平紧随其后，体现出南北两翼的性质，但相比较而言，由于苏州高质量水平仅次于上海，在上海—南京的北翼发挥了重要作用，南京的高质量发展水平要高于杭州；其他城市，特别是安徽省的一些城市高质量发展水平相对较低，个别地区还不到30%。显而易见，长三角地区高质量发展水平空间差异大，非均衡发展是样本期内长三角高质量发展的典型特征。

表2 2012—2017年长三角地区高质量发展指数 单位：%

（二）长三角高质量发展的空间动态演进分析

为了进一步了解长三角地区高质量发展的空间分布动态演进规律，本研究采用前述空间动态演化模型进行分析。考虑直接将数据离散化太过主观，首先采用K均值聚类算法将2012—2017年长三角各城市高质量发展指数变量的状态空间划分为3类，即“低水平状态”=1（聚类中心为25.75%）、“中水平状态”= 2（聚类中心为36.96%）、“高水平状态”=3（聚类中心为49.10%）（3），结果如图1所示。

从图1可以看出，2012—2017年长三角地区27个城市高质量发展水平出现了状态转移现象：“低水平状态”的城市个数减少，2017年较2012年减少了3 个；“中水平状态”城市个数先增加后减少，最终2017 年较2012 年增加了2 个；“高水平状态”的城市个数增加暂时有限，2017 年较2012 年只增加了1个。

图1 长三角各城市高质量发展水平状态空间聚类

针对高质量发展水平的转移现象，为了更加明晰2012—2017年长三角高质量发展各个水平状态之间发生转移的方向与概率，本文根据式（6）计算了在样本考察期内长三角27个城市所处的三种高质量发展水平状态之间的转移概率及其路径，具体见表3所列和如图2所示。

表3 2012—2017年长三角高质量发展Markov链状态转移概率矩阵分布

从表3状态转移概率分析，样本期内长三角地区27 个城市维持在现有状态的概率较大，状态转移仅发生在相邻状态之间，不存在跨状态转移的情况。但值得关注的是，虽然高质量发展水平由低层次向上一层次递进的可能性较大，但存在高质量发展水平回流的现象，即相对高层次的高质量发展水平可能会向低一层次转移，这可从图2获得更加清晰的判断。

图2 长三角高质量发展水平状态转移

图2显示，第t+1期较第t期来说，长三角27个城市高质量发展维持低水平状态的概率为89%，同时转向中水平的可能性为11%；仍然保留中水平的概率为94%，同时向低水平或者高水平状态转移的概率均为3%；保持自身高水平状态不变的可能性高达96%，但有4%的概率降到下一级发展状态。

根据上述状态转移矩阵，以2017 年的状态为基准，本研究对2018—2020 年和2025 年长三角高质量状态转移情况进行预测。在进行预测之前，首先对状态转移概率矩阵的预测精度进行测算与验证说明。对于预测精度，理论上转移概率是根据事件发生概率实际计算出来的，本身就具有精确性，为了使预测结果更具有说服力，本研究以2012 年的占比分布作为初始分布，然后基于状态转移概率对2013—2017 年的3 种状态占比分布进行预测估计，并采用均方误差衡量占比分布估计值与真实值之间的差异程度来进一步说明状态转移概率矩阵的预测精度结果见表4所列。

表4 2013—2017年长三角高质量发展水平状态占比分布

表4显示，根据2013—2017年长三角高质量发展水平状态占比分布的真实值与估计值计算的三种水平状态的均方误差均接近于0，说明估计值与真实值之间的差异非常小，由此进一步证明了状态转移概率矩阵的预测精度很高。以2017年的状态为基准，对2018—2020 年和2025 年长三角高质量状态转移情况进行预测的具体结果见表5所列。

表5 无影响因素下2018—2020年和2025年长三角高质量发展水平状态转移概率 单位：%

表5 预测结果显示，与2018—2019 年相比较，2020 年和2025 年呈现出如下趋势：长三角27 个城市高质量发展处于低水平状态的概率逐渐下降，低水平较大概率向中水平转移；与此同时，维持自身高水平状态的概率也逐渐下降，向中等水平靠拢的概率2025年达到23%，按此转移概率路径，长三角高质量发展维持在中等水平出现一体化的概率将会大大增强。

但与2012—2017 年状态转移情况相比，未来5年，高质量发展水平出现了跨状态转移现象，低水平发展地区有超过6%的概率能够直接进入高水平状态，这扩大了长三角高质量发展水平一体化的博弈路径，一体化是否具有其他趋势有待进一步挖掘。

（三）长三角高质量发展的空间影响因素分析

1.指标选取

鉴于前述长三角高质量发展的一体化是否具有其他趋势有待进一步挖掘的结论，利用空间模型分析在积极的经济引擎力作用下长三角高质量一体化趋势。

采用式（8）的空间面板杜宾模型分析高质量发展的空间经济引擎力。关于模型中具体体现经济引擎力变量的选择，主要依据《纲要》中长三角一体化的发展目标进行遴选。其中，生产方面的发展目标包括科创产业、基础设施、要素市场、公共服务等，这些目标必然会成为高质量发展的动力源，因此，将它们设成长三角高质量发展的空间影响因素。具体而言：

（1）基础设施。根据《纲要》，基础设施包括了交通、能源、水利和数字经济四个方面。数字经济是贯彻落实我国创新战略目标的中坚力量，能为未来经济发展注入新动能，目前数字经济正逐渐成为推动长三角区域高质量一体化发展的主力军，故基础设施主要选择数字经济方面的基础设施作为代表。丛屹、俞伯阳（2020）以数字基础设施（以互联网普及率表示）、数字业务规模（以快递业务量表示）、数字设备应用（以移动电话普及率表示）三个指标来代表不同地区数字经济的发展水平［20］。由于各个城市的快递业务量数据难以获取，本文仅从数字基础设施、数字设备应用两个方面考察数字经济水平对高质量发展的影响，数字基础设施指标用每千人互联网宽带用户数来表示，数字设备应用指标用人均移动电话用户数来表示。

（2）要素市场。《纲要》规划了人力资源市场、资本市场、土地市场和产权交易市场，考虑土地市场和产权交易市场近期难以实现，要素市场暂时设置劳动力投入、人力资本、资本存量三个变量考察资源配置对高质量发展的影响。人力资本水平采用教育年限法计算；劳动力投入采用年末城镇从业人员数表示；资本主要以固定资本代替，采用永续盘存法计算资本存量，以2012年为基期，折旧率参考张军等（2004）的研究，设为9.6%［21］。

（3）科创产业。科技创新产业协同发展有助于产业结构向高级化发展，因此设置产业结构高级化来反映科创产业情况，具体采用第三产业增加值与第二产业增加值比衡量产业结构高级化。

（4）公共服务。财政支出是促进我国经济发展转向高质量的助推器（刘金全、张龙，2019）［22］，采用财政支出代表公共服务水平，政府财政支出规模采用地方政府财政一般预算支出占地方GDP 的比重来表示。

另外，地区经济增长水平是高质量发展的基础，在一定程度上影响着高质量发展水平的高低，因此将其也纳入模型当中，选用人均GDP 反映经济增长水平。

故而，空间面板杜宾模型的具体实证分析模型设置为：

其中：HQit为第i个城市第t年的高质量发展指数，w为空间权重矩阵；ρ为空间回归系数；D1it、D2it、Lit、Kit、Git、PGDPit、Iit、HCit分别表示第i个城市第t年的数字基础设施、数字设备应用、劳动力投入、资本存量、政府财政支出规模、地区经济增长水平、产业结构高级化、人力资本；βi和θi为待估计参数；ai代表个体固定效应；λt代表时间固定效应；εit表示随机误差项。

2.高质量发展指数的空间自相关检验结果

在建立空间计量模型之前，首先检验各个城市之间的高质量发展指数是否存在全局空间自相关性。对于空间权重矩阵的设定，本研究基于地理权重与经济地理复合权重两种角度设定了三种空间权重矩阵（式（9）—式（12）），在相邻矩阵、反距离平方矩阵以及经济地理复合矩阵的作用下，检验结果见表6所列。

表6显示，在相邻矩阵、反距离平方矩阵以及经济地理复合矩阵三种不同空间权重矩阵的作用下，2012—2017 年长三角高质量发展指数的Moran"sI值的大小虽然存在一定差异，但均为正值，且都通过了1%的显著性水平检验，说明长三角各城市高质量发展水平存在显著的空间正相关性，即空间地理位置相近的城市高质量发展水平层级相似（高值相邻或低值相邻），空间集聚性明显，模型（13）的形式存在。

表6 长三角高质量发展指数全局相关性检验

由表6 可以得知，在三种空间权重矩阵中，基于邻接矩阵测算的Moran"sI值明显大于基于反距离平方矩阵以及经济地理复合矩阵测算的Moran"sI值，说明在邻接矩阵的作用下，2012—2017 年长三角27 个城市高质量发展指数的空间相关性更强，因此本研究选用邻接矩阵进行后续影响因素的空间效应分析。

3.长三角高质量发展空间影响因素分析结果

（1）模型选择与参数估计

在模型（13）建立过程中，为了降低异方差的影响，对所有变量取对数处理。采用Hausman检验方法识别空间模型的类型，针对前文选择的指标模拟了四个模型，四个模型的Hausman 检验对应的p值分别为0.509 4、0.230 9、0.937 9、0.960 2，均不能拒绝随机效应的原假设，因而四个模型均设定为随机效应模型更合适，模型结果见表7所列（4）。

表7 长三角高质量发展影响因素空间计量模型结果

续表7

表7 中，SDM_re_0 模型是全模型，包括了前述所选择的全部指标；由于SDM_re_0 模型显示人力资本不显著，将其剔除从而得到SDM_re_1模型；另外，为突出考察各城市公共服务水平对高质量的空间影响，将其从SDM_re_1模型中移除（5），分别获得SDM_re_2与SDM_re_3模型。观察4个模型结果可知，4 个模型拟合优度最小为0.892 9，说明模型拟合效果都较好；模型系数的符号在4个模型中正负方向一致，模型结果具有稳健性。但SDM_re_1 模型在剔除公共服务水平变量后，模型拟合优度降低，同时导致不少变量空间效应消失，说明公共服务水平对长三角各城市高质量发展具有重要作用，不能从模型中删除，且综合来看，SDM_re_1模型拟合优度最高，因此，选择SDM_re_1 模型进行后续分析。

从SDM_re_1 模型结果分析，除人力资本对本地高质量发展水平没有产生影响、传统劳动力资源对高质量发展作用为负外，其他经济变量均显著地促进了本地经济的高质量发展；数字基础设施、地区经济增长、政府财政支出等变量的空间回归系数为负，说明这些变量具有“虹吸效应”，很大程度上能够促使长三角高质量一体化发展进程中出现集群效应；产业结构优化的空间回归系数为正，反映出产业结构优化产生了空间溢出效应。但回归系数并不能详细完整反映出解释变量对被解释变量的影响作用，需通过进一步分解空间效应来测算。

（2）空间效应分解

为了充分分辨出SDM_re_1模型中回归系数所包含的交互信息，对空间效应进一步分解，分解结果见表8所列。

表8 长三角高质量发展影响因素空间效应分解结果

从表8分解结果来看：①数字基础设施的直接效应显著为正，说明每提高自身数字基础设施水平1%，能够有效促进本地区的高质量发展水平提高0.083 1%；间接效应显著为负，反映出数字基础设施规模越大，对相邻地区的高质量发展产生的“虹吸效应”更强，从前述长三角高质量发展空间动态演变来看，“虹吸效应”可能会促使高质量高水平地区规模进一步扩大；②数字设备应用的直接效应与间接效应都显著为正，数字设备应用水平每提高1%，不仅能使本地区高质量水平提升0.147 8%，对相邻地区高质量发展也能产生0.135 5%的溢出效应，可见，数字设备是长三角高质量一体化发展的重要驱动力，所产生的总效应达到了0.283 3 的水平；③资本存量与传统劳动力均只能对本地高质量发展产生效应，说明传统要素在高质量发展中，空间集聚与溢出效应有限，但与资本产生正向效应不同的是，传统劳动力对本地高质量发展产生负向效应，反映出在高质量发展过程中，生产要素质量的提高对经济高质量发展具有关键作用；④地区经济增长水平是本地高质量发展的重要引擎，在全部模型因素中效应最大，地区经济每增长1%，能够促使本地高质量发展水平提高0.242 4%，同时具有负外溢性，产生了很强的“虹吸效应”，这也是当前长三角地区经济增长水平高的城市质量发展水平也相应高的重要原因之一；⑤产业结构高级化是长三角27 个城市高质量发展的核心要素，对高质量发展水平的总效应达到0.351 8，不仅大大地提升了本地高质量发展水平，更是促进相邻城市高质量发展的重要动力源；⑥提高公共服务水平是长三角高质量一体化规划的重要方面，但模型结果显示，代表公共服务水平的政府财政支出规模只对本地高质量发展产生了较小的直接效应，对如何通过提高公共服务水平促进长三角地区高质量一体化还需要各城市间未来协商探讨。

四、长三角高质量发展一体化趋势预测

从空间影响因素分析结果可以看出，长三角区域一体化规划发展的基础设施、要素市场、科创产业和公共服务对长三角地区高质量发展产生了不同的影响效应，在这些影响因素作用下，长三角高质量一体化趋势将会如何发展是值得进一步探究的问题。下文通过预测在上述影响因素的共同作用下2018—2020 年和2025 年长三角27 个城市高质量发展水平，进一步探测未来长三角高质量发展水平动态演变是否具备一体化趋势。

（一）影响因素趋势值预测方法

基于SDM_re_1 模型的解释变量，首先计算各解释变量的平均增长速度，然后预测2018—2020年和2025年相应解释变量的指标值，计算公式为：

运用式（14）可以预测2018年、2019年、2020年和2025年各影响因素的趋势值。

（二）高质量一体化趋势预测

1.空间分布动态演变预测

将根据式（14）计算的各解释变量预测值代入SDM_re_1模型，预测2018—2020年和2025年长三角27 个城市的高质量发展指数值，然后采用最小距离判别分析法判断2018—2020年和2025年各城市高质量发展水平所属状态空间，再以2017 年为基准，测算2018—2020 年和2025 年长三角高质量状态转移概率情况，结果见表9所列。

表9 有影响因素作用下2018—2020年和2025年长三角高质量发展状态转移情况 单位：%

为了更加直观看出长三角高质量发展的状态转移情况，本研究根据表9绘制了相应的状态转移图，具体如图3、图4、图5所示。

图3 2017年→2018年或2019年长三角高质量发展状态转移

图4 2017年→2020年长三角高质量发展状态转移

图5 2017年→2025年长三角高质量发展状态转移

从表9及图3、图4、图5可以看出，在各影响因素的作用下，①2017 年→2018 年长三角27 个城市高质量发展的状态转移情况与2017年→2019年一致，这个情况说明短时间内各影响因素难以充分发挥促进作用；2017年→2018年，27个城市维持高质量发展低水平和中水平状态的均为71.43%，仅有28.57%的可能向更高一层状态转移，高水平状态稳定性很强，不再发生转移。②2017年→2020年，长三角27个城市维持高质量发展低水平状态的城市大约为57.14%，有42.86%的城市可能向中水平状态转移；相反，维持中水平状态的城市大约有42.86%，有57.14%的城市可能向高水平转移；但只要达到了高水平状态，该城市的高质量发展将不会发生逆转，100%保持高水平发展。③相较于2017年→2020年，2017年→2025年，27个城市高质量发展处于低水平状态的概率大为降低，降至28.57%，大部分低水平状态的城市向中水平转移；而中水平状态的城市更是以高达92.86%的概率集中向高水平发展，只有约7.14%的城市可能维持在中水平状态；达到高水平状态的城市仍以100%的概率维持在高水平状态。

2.一体化趋势预测

基于上述空间动态演变状态的推算，预测2018—2020 年和2025 年长三角27 个城市高质量发展水平在有无影响因素作用下的分布，以探讨高质量发展一体化是否具备稳定趋势，详细结果见表10所列。

从表10 测算结果看，在没有影响因素的推动作用下，2018 年和2019 年相较于2017 年而言，低水平状态占比下降，中水平状态与高水平状态有所提高，变化幅度都比较小，未来5 年长三角27 个城市高质量发展水平大部分处于中等水平状态，占到了53.82%；但在加强数字经济基础设施建设、提高数字设备水平，促进产业结构高级化，稳定本地区经济增长水平，提升公共服务水平后，2018 年和2019 年的低水平状态占比均不及中、高水平状态的一半，中水平状态占比最高，其次是高水平状态，到2020 年高水平状态占比超过50%，中水平状态占比为33.33%，低水平占比仍然高于10%。再发展5 年，到2025 年，长三角27 个城市将有70.37%的比例处于高质量发展的高水平状态，低水平状态的城市大为减少，仅为7.41%，中高水平状态的城市达到92.59%的占比，高质量一体化趋势明显增强，显现出了高质量高水平的一体化趋势。

表10 2018—2020年和2025年长三角高质量发展水平状态占比分布 单位：%

由此可见，未来长三角27 个城市只要平稳提升上述各因素的发展水平，按照各自的平均增长率发展下去，就有很大可能促进长三角高质量发展水平由低水平状态→中水平状态→高水平状态转移，并维持高水平状态，最终形成长三角高质量高水平一体化发展局面。

五、结论与建议

本研究在采集《纲要》中关于长三角一体化与高质量发展的战略定位、基本原则与发展目标初步形成高质量发展指标体系层次结构的基础上，植入了新闻文本数据挖掘方法，并对现有高质量发展指标体系文献进行了梳理，最终构建了一个包含5个一级指数、13个二级指数、64个测度指标的长三角高质量发展指标体系，然后采用熵权与线性综合法测算了2012—2017年长三角27个城市高质量发展指数，在此基础上，将马尔科夫链方法与空间面板杜宾模型方法相结合，分析了长三角高质量发展的空间分布动态演化过程、影响因素及其空间效应，并对长三角高质量发展一体化趋势进行了预测，获得了如下研究结论：

（1）理论上分析，“高质量发展”是一个复合指标，指标体系的构建是对其开展定量分析的前提。我国经济“由高速增长阶段转向高质量发展阶段”的论断表明，评价高质量发展需要从阶段论角度出发构建指标体系，具体到长三角高质量发展，需要结合区域的“一体化”理解“高质量发展”的内涵与外延。而区域一体化高质量发展要求区域经济发展既具有稳定与保障经济平稳过渡到新阶段的能力，也要求具有驱动与协同经济共同迈向新阶段的能力，更要求具有引领全国高质量发展的能力，它们构成长三角高质量发展的测度内容。

（2）根据长三角高质量发展测度内容构建指标体系，对长三角2012—2017 年27 个城市的高质量发展水平进行测度。结果表明，区域内高质量发展水平普遍不高，空间差异显著，样本期内27个城市以大概率维持现有水平状态，只以较小概率在相邻状态之间发生转移，不存在跨状态转移现象。进一步的预测结果显示，在不考虑其他影响因素作用下，未来5年长三角27个城市高质量发展维持原水平状态的概率逐渐下降，出现了跨状态转移现象，转移的结果最终向中等水平靠拢，也就是说在不考虑其他因素的影响下，未来5年长三角高质量发展维持在中等水平出现一体化的概率较大。

（3）但通过构建空间效应模型进行分析，发现长三角区域一体化规划着力发展的基础设施、要素市场、科创产业、公共服务等方面对长三角高质量发展具有明显的空间滞后性。在这些经济引擎力空间作用下，未来5 年长三角27 个城市高质量发展处于低水平状态的概率大为降低，大部分低水平状态的城市向中水平转移；而中水平状态的城市更是以高达92.86%的概率集中向高水平发展，达到高水平状态的城市以100%的概率维持在高水平状态。可见，在加大经济作用力下，长三角高质量发展水平有望最终实现高质量高水平一体化发展。

针对以上实证结论，提出以下建议：

（1）从资源配置角度来看，传统劳动力对高质量发展产生了负向作用力，反映出高质量发展要创新生产要素的配置比，提高资源配置质量，提高劳动力效率、资本效率以及全要素生产率水平，而不是一味追求劳动力与资本规模。由于人力资本在空间模型中未能产生明显效应，未来长三角地区应该加大人力资本投入，落实“产学研”密切合作项目，另外提高义务受教育年限，培养高素质、专业型、技术型人才，充分体现出人力资本对高质量发展的促进作用。

（2）数字经济在高质量一体化发展中产生了重要的引擎作用，未来要加大数字基础设施建设，提高数字设备应用水平，增加科技、教育投入，培养数字技术人才，加快数字化技术在传统行业与产业中的渗透作用，促进产业升级，充分发挥数字经济、产业结构高级化对高质量发展的驱动作用。

（3）公共财政支出未能在高质量发展中产生显著的促进作用，而公共服务能力的互融互通是长三角高质量一体化的重要推手，需要引起长三角各地方政府高度关注。

注 释：

（1）在收集数据时发现指标体系中有6个指标（单位地区生产总值能耗、数字产业产值占比、科技进步贡献率、跨界河流断面水质达标率、铁路网密度、人均期望寿命）相对应的具体数据严重缺失，且无法采用常见的数据缺失处理方法进行填补，故而在具体测算中，暂时只采用58个指标参与计算。

（2）长三角27 个中心城市分别为：上海、南京、无锡、常州、苏州、南通、盐城、扬州、镇江、泰州、杭州、宁波、温州、嘉兴、湖州、绍兴、金华、舟山、台州、合肥、芜湖、马鞍山、铜陵、安庆、滁州、池州、宣城。

（3）2017 年处于低水平状态的城市有盐城、马鞍山、铜陵、安庆、滁州、池州、宣城；处于中水平状态的城市有南通、扬州、镇江、泰州、宁波、温州、嘉兴、湖州、绍兴、金华、舟山、台州、合肥、芜湖；处于高水平状态的城市有上海、南京、无锡、常州、苏州、杭州。

（4）关于模型的运行与检验，受文章篇幅限制，不具体展示。

（5）通过移除公共服务变量再建立模型，如果模型拟合效果更优，说明公共服务的作用有限。