将新质生产力的“新”和“质”特征与生产力要素纳入评价指标体系,利用熵权法测算2011—2022年中国各省份的新质生产力发展水平,采用非线性Granger因果检验方法识别中国新质生产力的空间关联关系,运用社会网络分析方法和指数随机图模型分析了中国新质生产力空间关联的网络结构特征及其影响因素。结果表明:2011—2022年中国新质生产力水平得到了快速提升,东部沿海地区的新质生产力水平相对较高。在新质生产力空间关联网络中,东部地区省份主要扮演着“发动机”的角色,而中西部地区则主要接受来自高水平地区的空间溢出。新质生产力空间关联关系以单向传导为主,省份间“互惠互利”的协同发展局面尚未形成。提升经济发展水平、第三产业比例、市场化水平和对外开放程度将有利于新质生产力空间关联关系的形成。地理距离和经济距离上的邻近关系促进了省域间新质生产力空间关联关系的传导,在新质生产力水平相近的省份间形成了内部流通子群。

以中国八大综合经济区为研究区域,基于新型劳动者、新型劳动资料、新型劳动对象构建新质生产力指标体系,分别采用熵值法、核密度估计、Dagum基尼系数和条件β收敛模型,探究中国八大综合经济区新质生产力发展水平、动态演进、空间分异及其收敛性。结果表明:(1)2015—2022年中国八大综合经济区新质生产力发展水平均值呈现逐年增长趋势,东部沿海发展水平最高,西北地区发展水平最低;(2)各经济区内新质生产力发展水平绝对差异变大,相对差异逐渐缩小;子群间差异是八大综合经济区新质生产力发展差异的主要来源;(3)北部沿海、东部沿海、南部沿海、黄河中游、长江中游地区新质生产力发展存在条件β收敛特征;东北、西南、西北地区的β系数为负,但未通过统计学意义上的显著性检验,不存在显著条件β收敛效应。

采用熵值法对大运河文化带的新质生产力进行测算,并深入探究其时空分异特征。基于极限梯度提升算法-可解释机器学习(XGBoost-SHAP)模型对影响因素进行研究,以探讨影响因素之间的交互效应。结果表明:大运河文化带新质生产力发展水平呈现波动增长态势,相比于绿色生产力、 科技生产力,数字生产力占新质生产力比例更大。各地区新质生产力发展水平存在一定差异,北京、江苏、浙江部分地级市为新质生产力发展高峰,河南、安徽为新质生产力发展低谷,且2020年各地新质生产力水平均有所提升。其聚集效应沿大运河呈现“三角”分布现象,且表现出“两角聚集夹分异”的发展趋势。每百人移动电话用户数、全要素劳动生产率等为影响大运河文化带新质生产力水平的主导因素,且各个主导因素之间存在交互效应。