EN中文

资源科学 >

2025 , Vol. 47 >Issue 9: 1839 - 1853

DOI: https://doi.org/10.18402/resci.2025.09.02

资源经济

数字经济要素驱动区域新质生产力提升的路径——基于黄河流域与长江经济带的对比

  • 张园园 ,
  • 孙燕芳
展开
  • 中国石油大学（华东）经济管理学院，青岛 266580
孙燕芳，女，河北容城人，教授，研究方向为项目投融资决策、宏观经济管理与可持续发展。E-mail:

张园园，女，山东潍坊人，博士研究生，研究方向为能源经济系统管理与政策分析。E-mail:

收稿日期: 2024-10-11

  修回日期: 2025-02-24

  网络出版日期: 2025-10-13

基金资助

山西省高质量发展研究课题项目(SXGZL2025081)

山东省社会科学规划研究项目(23CGLJ52)

收起

Pathways for enhancing regional new quality productive forces driven by digital economy elements: A comparison between Yellow River Basin and Yangtze River Economic Belt

  • ZHANG Yuanyuan ,
  • SUN Yanfang
Expand
  • School of Economics and Management, China University of Petroleum (East China), Qingdao 266580, China

Received date: 2024-10-11

  Revised date: 2025-02-24

  Online published: 2025-10-13

Fold

摘要

【目的】提升新质生产力是实现黄河流域与长江经济带经济转型和高质量发展的重要途径。本文旨在基于“技术-组织-环境”（Technology-Organization-Environment, TOE）分析框架下的数字经济要素复杂组态视角，对比探究两大区域新质生产力的提升路径。【方法】以2012—2022年黄河流域和长江经济带省份为样本，借助TOE理论框架，运用动态定性比较分析法（QCA），对比探究数字技术、数字组织和数字环境要素对两大区域新质生产力的协同效应。【结果】①单一数字技术、数字组织和数字环境要素均不构成黄河流域、长江经济带新质生产力的必要条件，需各要素协同联动。②黄河流域新质生产力提升的组态路径可归纳为3类，分别是“金融发展推动下的技术创新驱动型”“产业融合保障下的基础设施推动型”和“资源投入支持下的技术创新拉动型”。长江经济带新质生产力提升的路径有2类，分别为“资源投入助力下的技术创新推动型”和“数字技术-组织-环境协同型”。尽管两大区域在新质生产力的驱动路径上呈现出显著不同，但数字技术创新、数字资源投入和数实产业融合均发挥了核心作用。③组间分析结果表明，两大区域各条件组态在时间维度上具有一定的稳定性，组态解释力较强；组内分析结果显示，两大区域各省份实现新质生产力提升的路径呈现多元化，组态组内覆盖度存在区域差异。【结论】推动黄河流域、长江经济带的新质生产力提升需要在数字技术、数字组织与数字环境等多个层面形成合力，并依据各区域的具体情况制定差异化的路径，以最大化区域发展潜力。

关键词： 数字经济要素; TOE框架; 新质生产力; 动态定性比较分析; 组态路径; 黄河流域; 长江经济带

本文引用格式

张园园 , 孙燕芳 . 数字经济要素驱动区域新质生产力提升的路径——基于黄河流域与长江经济带的对比[J]. 资源科学, 2025 , 47(9) : 1839 -1853 . DOI: 10.18402/resci.2025.09.02

Abstract

[Objective] Enhancing new quality productive forces is a crucial pathway for achieving economic transformation and high-quality development in both the Yellow River Basin and the Yangtze River Economic Belt. This study aims to compare and explore the enhancement pathways of new quality productive forces in two regions from the perspective of complex configurations in digital economy elements under the TOE (Technology-Organization-Environment) analytical framework. [Methods] Using data from provinces in the Yellow River Basin and the Yangtze River Economic Belt from 2012 to 2022, and leveraging the TOE theoretical framework, this study employed dynamic qualitative comparative analysis (QCA) to compare and explore the synergistic effects of digital technology, digital organization, and digital environment elements on new quality productive forces in these two regions. [Results] (1) Single elements of digital technology, digital organization, and digital environment did not constitute necessary conditions for new quality productive forces in either the Yellow River Basin or the Yangtze River Economic Belt. The synergistic interaction among these elements was required. (2) The configuration pathways for enhancing new quality productive forces in the Yellow River Basin could be summarized into three types: “technology innovation-driven type supported by financial development”, “infrastructure-driven type guaranteed by industrial integration” and “technology innovation-pushed type supported by resource investment”. There were two pathways for improving new quality productive forces in the Yangtze River Economic Belt: “technology innovation-driven type supported by resource investment” and “digital technology-organization-environment synergy-type”. Although the two regions exhibited significant differences in their driving pathways, digital technology innovation, digital resource investment, and integration of the digital and real economy all played a central role. (3) The inter-group analysis results indicated that the conditional configurations of the two regions showed a certain degree of stability over time, with strong explanatory power. The intra-group analysis revealed that the pathways for enhancing new quality productive forces across provinces within both regions were diverse, and the coverage of configurations within groups showed regional differences. [Conclusion] To enhance new quality productive forces in the Yellow River Basin and the Yangtze River Economic Belt, it is essential to form synergies across multiple dimensions, including digital technology, digital organization, and digital environment, and to formulate differentiated pathways based on the specific conditions of each region to maximize regional development potential.

Key words： digital economy elements; TOE framework; new quality productive forces; dynamic qualitative comparative analysis; configuration pathways; Yellow River Basin; Yangtze River Economic Belt

1 引言

在2024年1月31日的中共中央政治局第十一次集体学习会议上，习近平总书记对新质生产力作出了系统性阐释，指出其特点是创新、关键在质优、本质是先进生产力，并进一步强调发展新质生产力是推动高质量发展的内在要求和重要着力点。不同于传统生产力，新质生产力由技术革命性突破、生产要素创新性配置、产业深度转型升级而催生，展现出强大的引领作用，为推动区域发展提供了重要动力支撑。新质生产力诞生于数字技术广泛应用及数字化需求持续增长的数字经济时代[1]。数字经济依托信息技术、互联网等前沿技术，深刻改变了传统经济模式，催生了新产业、新模式和新动能，为新质生产力发展提供强大动力。在这一背景下，如何加强原创性和颠覆性技术创新，推动传统产业转型升级，培育壮大战略性新兴产业和未来产业，发挥赋能效应提升新质生产力水平，成为区域经济发展中亟待解决的重要课题。
党的二十届三中全会强调，要健全因地制宜发展新质生产力体制机制，引导各地区充分结合实际探索符合自身特点的新质生产力发展路径。黄河流域与长江经济带是体现我国南北经济差异的典型代表区域[2]，同时也是国家战略实施的重点区域，新质生产力成为两大区域未来的重要发展方向，既体现了因地制宜的现实需求，也契合了国家战略目标。长江经济带依托其发达的经济基础、完善的产业结构和创新生态，在数字经济和新质生产力的发展上走在前列；相较之下，黄河流域则由于传统产业比重较大、基础设施相对滞后以及创新资源不足，在数字经济发展和新质生产力培育中面临较大挑战。基于两大战略区域在发展定位、空间特征、资源配置等方面存在的显著差异，对比分析其新质生产力的提升路径具有重要的现实意义，可以揭示数字经济要素在不同战略区域的作用效果与作用机制，明确区域间新质生产力发展的差异化路径及其成因。这不仅有助于因地制宜发展新质生产力，还为其他区域提供可借鉴的经验，契合了区域重大战略和区域协调发展战略的需求。
作为符合新发展理念的先进生产力质态，如何推动新质生产力的发展已成为当前的重要议题。目前，学术界围绕新质生产力的理论内涵、测度及发展路径等方面展开了广泛研究。在理论内涵方面，洪银兴[3]指出，宏观上可将新质生产力概括为新科技、新能源和新产业以及这3个方面融合发展的数字经济。周文等[4]从“新”和“质”两个方面把握新质生产力的内涵特征，认为新质生产力是坚持创新驱动、实现关键性和颠覆性技术突破而产生的生产力。在此基础上，学者构建了新质生产力的指标体系，并进行了相关测度与分析[5-8]。在新质生产力发展路径的探索上，学者也进行了深入研究，指出要从强化制度保障，构建创新网络体系，优化生产要素创新性配置入手[9]，通过加大顶层布局力度，发展新产业，促进传统产业转型升级，发挥知识产权优势来加快新质生产力的发展[10]。此外，数字经济能够为新质生产力发展赋能[11,12]。已有研究还从数字基础设施、数字技术创新、数字金融发展和数实融合等角度出发，考察其对新质生产力的影响。如卢江等[13]、姚树洁等[14]分别基于城市和企业数据，实证检验了数字基础设施建设对新质生产力发展的影响。段钢等[15]研究发现企业数字技术创新能够显著促进新质生产力发展。朱波等[16]、崔耕瑞[17]则通过定量分析探究了数字金融发展对区域新质生产力的影响及作用机制。程赛楠等[18]认为，数字经济与实体经济融合发展能够提升新质生产力，且呈现多维异质性影响。
通过梳理相关文献发现，学者围绕新质生产力的内涵、测度和发展路径等进行了诸多研究，为本文的进一步探索奠定了基础。然而，现有新质生产力相关研究多集中于全国层面或某一特定地理单元，针对黄河流域和长江经济带之间的横向差异化比较不足。此外，关于数字经济对新质生产力影响的研究多局限于单一维度，尚缺少基于组态（多因素组合）视角对其复杂因果关系的探讨。鉴于此，在已有研究的基础上，本文从组态视角出发，结合TOE分析框架，探索数字经济驱动黄河流域与长江经济带新质生产力提升的多因素协同驱动机制。
针对当前战略区域研究中数字经济多要素协同驱动新质生产力的机制探讨不足的现状，本文以2012—2022年黄河流域与长江经济带省份为研究对象，借助“技术-组织-环境”（Technology-Organization-Environment, TOE）框架分析数字经济相关要素驱动区域新质生产力发展的复杂因果机制，采用动态定性比较分析方法（Qualitative Comparative Analysis，QCA）寻找提升黄河流域与长江经济带新质生产力的组态路径，并进行两大区域路径的对比分析。本文的贡献主要在于：①基于组态视角，为研究新质生产力提供了新的分析框架和方法，能够更加系统地挖掘影响新质生产力发展的数字经济要素之间的复杂因果关系，丰富了新质生产力的研究成果；②根据黄河流域与长江经济带各省数字经济发展相关要素表现出的差异，对比探究数字经济多要素驱动两大区域新质生产力提升的组态效应，有助于两大区域因地制宜和分类施策，为其错位发展和联动发展新质生产力提供了多元化路径；③借助动态QCA方法，引入时间因素分析两大区域新质生产力问题，揭示了时间维度下数字经济要素对新质生产力影响的动态演化机理，深化了动态组态理论的相关研究。

2 研究框架

“技术-组织-环境”理论框架从技术、组织和环境层面提取影响因素，广泛应用于多个领域。数字经济发展过程中，数字技术、数字组织和数字环境因素相互影响，共同驱动新质生产力提升。鉴于TOE理论框架对该研究的适用性，从技术、组织和环境层面，构建数字经济要素驱动黄河流域和长江经济带新质生产力提升的分析框架（图1）。
图1 研究框架

Figure 1 Research framework

数字技术，包括数字基础设施和数字技术创新。作为数字生产力的物质基础，数字基础设施是影响新质生产力发展的关键因素[13]。数字基础设施显著提升了企业的信息处理效率和数据存储能力，从而有效提高生产效率。同时，数字基础设施的完善为企业创新提供了支撑，加快了新技术的应用和推广[14]，带动新质生产力发展。数字技术创新通过引入新技术、新模式和新动能，优化生产流程并降低生产成本[15]，推动传统产业向高附加值、高技术含量转型，促进新兴产业的发展，从而带动地区产业转型升级和新质生产力提升。
数字组织，包括数字人才支持和数字资源投入。数字组织的构建离不开数字人才的引进与培育以及数字资源的有效投入。组织通过引进和培养具备前沿技术知识与技能的数字化人才，推动企业产品与服务的创新，进而提升生产效率。数字资源的投入能够反映区域科技研发的投入水平[19]，政府科技资金投入能够鼓励企业和科研机构开展创新活动，促进技术突破与成果转化，提升企业的技术能力，推动地区新质生产力发展。
数字环境，包括数字金融发展和数实产业融合。数字金融突破了金融服务在地域和时间上的限制，提高了融资便利性[17]，有效改善企业的融资条件，尤其为高技术、高附加值产业提供了精准有效的金融支持，促进了创新项目的实施，为新质生产力发展提供有力保障。数实产业融合通过数字经济与实体经济的深度结合，加强了信息流通和资源共享[18]。同时，不同产业间的协作日益深化，通过数据共享与业务协同，实现了全产业链的优化布局，从而有效推动了新质生产力的持续提升。

3 研究设计

3.1 动态定性比较分析法

组态视角下，数字技术、数字组织和数字环境对两大区域新质生产力的影响并非相互独立。然而，传统计量方法仅能分析单一变量的“净效应”，难以揭示变量间的复杂因果关系。定性比较分析（QCA）则基于集合论思想，探讨多个要素之间存在的多重并发因果关系，用来揭示变量的条件组合如何导致特定结果的出现[20,21]。然而，静态QCA一般用于截面数据分析，忽略了时间因素对条件组态的影响[22,23]，存在较大的局限性。相较于静态QCA，动态QCA方法可以更好地分析条件组态的动态演化过程，并揭示存在的时间效应和案例效应。因此，要研究数字要素组合对两大区域新质生产力的并发协同效应，采用动态QCA方法更具有适用性。借鉴面板数据集合论研究[24]，本文利用R语言，实现QCA面板数据的分析。

3.2 样本选择与数据来源

本文以黄河流域9个省份（青海、甘肃、宁夏、内蒙古、四川、山西、陕西、河南和山东）和长江经济带11个省份（上海、江苏、安徽、浙江、江西、湖北、湖南、重庆、云南、贵州和四川）为研究对象，以2012—2022年为样本期间，结果变量数据来源于《中国科技统计年鉴》、企业年报、国家统计局、工业和信息化部及相关的数据统计网站等，条件变量数据来源于《中国统计年鉴》《北京大学数字普惠金融指数》、国家统计局、国家知识产权局、CSMAR、各省份统计年鉴和政府工作报告等。本文将收入、支出等涉及价值形态的变量以2012年为基期进行平减，以消除价格因素的影响。此外，针对部分缺失数据，采用线性插值法进行补充。

3.3 变量测度与校准

3.3.1 结果变量

参考韩文龙等[25]的研究，本文从新劳动者、新劳动资料、新劳动对象、新技术、生产组织和数据要素6个维度构建新质生产力指标体系，并利用熵权-TOPSIS法测算得到黄河流域、长江经济带新质生产力，以此作为结果变量。在各维度中，“新技术”维度权重最高，涵盖研发人员数、研发经费投入和发明专利申请数等5项指标，突出科技创新的核心地位。“新劳动资料”和“新劳动对象”包括机器人安装密度、集成电路数量和新能源发电比重等体现生产资料升级的关键指标。“数据要素”和“生产组织”分别占比0.123和0.116，反映数字化和组织变革在新质生产力中的作用。“新劳动者”权重为0.028，以新兴产业员工总数衡量人力资本升级。具体测量指标如表1所示。
表1 新质生产力评价指标体系

Table 1 Evaluation indicator system for new quality productive forces

维度 指标 指标权重
新劳动者 新兴产业员工总数 0.028
新劳动资料 机器人安装密度 0.050
集成电路数 0.097
移动用户数 0.014
新劳动对象 新能源发电比重 0.014
特高压输电线路数 0.033
新能源利用效率 0.071
新材料产值 0.062
新材料企业数 0.039
新技术 高技术企业的研发人员数 0.061
高技术企业的研发经费投入 0.063
高技术企业的研发机构数 0.076
高技术企业的发明专利申请数 0.082
高技术企业的新产品销售收入 0.071
生产组织 电子商务交易的企业数 0.034
人工智能企业数 0.057
工业污染治理完成投资额 0.025
数据要素 移动互联网接入流量 0.056
数据交易所数量 0.067

3.3.2 条件变量

借鉴已有研究[26]，本文从数字技术、组织、环境3个层面选取条件变量：
（1）技术层面包含数字基础设施和数字技术创新2个条件变量：①数字基础设施，参考钞小静等[27]的做法，以政府工作报告中新型数字基础设施相关词频占比来衡量；②数字技术创新，选取人工智能专利申请数作为数字技术创新指标。
（2）组织层面包括数字人才支持和数字资源投入2个条件变量：①数字人才支持，由信息传输、软件和信息技术服务业就业人员占比表示；②数字资源投入，参考王淑英等[19]的研究，采用地方政府科学技术支出占一般公共预算支出的比重表示。
（3）环境层面包含数字金融发展和数实产业融合2个条件变量：①数字金融发展，采用各省数字普惠金融指数衡量；②数实产业融合，产业融合反映了数字经济与实体经济的融合程度，由熵值法和耦合评价模型计算得到数实产业融合水平。

3.3.3 变量校准

运用QCA方法需对结果和条件变量进行校准，将每个样本案例赋予各自的隶属度。鉴于缺乏明确的校准依据，本文参考已有研究[20]，采用直接校准法对结果变量和条件变量进行校准。借鉴杜运周等[28]，陶克涛等[29]，王颖等[30]的做法，将结果变量和条件变量的完全隶属、交叉点和完全不隶属点分别设定为样本数据的95%、50%、5%分位数值。此外，为避免校准后交叉点等于0.5的样本丢失，将0.5的真值调整为0.501[26]。黄河流域和长江经济带各变量的校准锚点如表2所示。
表2 变量校准

Table 2 Variable calibration

变量 黄河流域校准 长江经济带校准
完全隶属 交叉点 完全不隶属 完全隶属 交叉点 完全不隶属
新质生产力 0.197 0.083 0.034 0.291 0.109 0.045
数字基础设施 0.004 0.002 0.001 0.005 0.003 0.001
数字技术创新 4840.200 397.000 18.600 11041.000 1229.000 90.000
数字人才支持 0.027 0.014 0.009 0.043 0.016 0.011
数字资源投入 0.026 0.012 0.006 0.053 0.024 0.009
数字金融发展 361.969 259.950 92.850 410.280 276.910 100.130
数实产业融合 0.504 0.251 0.106 0.667 0.338 0.201

4 结果与分析

4.1 数字经济要素单个条件必要性

在对条件组态进行分析前，首先需要对单个条件变量进行必要性分析。参考已有研究[29]，一致性被用来检验必要条件，当条件变量的一致性水平大于0.9，即可认为该条件变量是构成结果的必要条件。此外，在QCA面板数据分析中，还需借助一致性调整距离来判断汇总一致性水平是否可靠和稳定。当一致性调整距离大于0.2时，表明汇总一致性较不可靠，需进一步探究该条件的必要性。表3、表4分别为黄河流域、长江经济带各条件变量的必要性分析结果。可以发现，对于黄河流域与长江经济带高与非高新质生产力，各条件变量的汇总一致性水平普遍较低，均小于0.9，初步判断不存在构成两大区域高与非高新质生产力的必要条件。然而，值得注意的是，在黄河流域，数字基础设施、数字技术创新、数字人才支持、数字资源投入、数字金融发展和数实产业融合存在组间一致性调整距离大于0.2的情况；同时，长江经济带数字基础设施、数字技术创新、数字人才支持、数字资源投入、数字金融发展和数实产业融合也存在该情况。这一结果表明，可能存在时间效应，因此需进一步结合各年份的组间一致性和覆盖度展开判断。
表3 黄河流域单变量必要性分析

Table 3 Univariate necessity analysis for Yellow River Basin

变量 高新质生产力 非高新质生产力
汇总一致性 汇总覆盖度 组间一致性
调整距离		 组内一致性
调整距离		 汇总一致性 汇总覆盖度 组间一致性
调整距离		 组内一致性
调整距离
数字基础设施 0.733 0.739 0.369 0.217 0.514 0.561 0.572 0.287
~数字基础设施 0.564 0.517 0.433 0.385 0.761 0.755 0.294 0.220
数字技术创新 0.772 0.875 0.143 0.392 0.379 0.465 0.245 0.787
~数字技术创新 0.528 0.440 0.373 0.549 0.898 0.810 0.030 0.245
数字人才支持 0.675 0.676 0.207 0.399 0.566 0.613 0.215 0.535
~数字人才支持 0.614 0.566 0.328 0.514 0.701 0.700 0.079 0.440
数字资源投入 0.768 0.777 0.147 0.472 0.513 0.561 0.185 0.647
~数字资源投入 0.566 0.518 0.222 0.486 0.797 0.788 0.049 0.308
数字金融发展 0.803 0.759 0.129 0.154 0.525 0.537 0.621 0.196
~数字金融发展 0.510 0.498 0.659 0.378 0.764 0.808 0.197 0.206
数实产业融合 0.844 0.838 0.083 0.413 0.459 0.493 0.185 0.682
~数实产业融合 0.489 0.455 0.222 0.633 0.849 0.855 0.072 0.332

注：“~”表示逻辑运算“非”。下同。

表4 长江经济带单变量必要性分析

Table 4 Univariate necessity analysis for Yangtze River Economic Belt

变量 高新质生产力 非高新质生产力
汇总一致性 汇总覆盖度 组间一致性
调整距离		 组内一致性
调整距离		 汇总一致性 汇总覆盖度 组间一致性
调整距离		 组内一致性
调整距离
数字基础设施 0.705 0.673 0.373 0.252 0.571 0.637 0.531 0.313
~数字基础设施 0.619 0.553 0.316 0.301 0.706 0.736 0.316 0.305
数字技术创新 0.862 0.885 0.166 0.181 0.447 0.535 0.569 0.554
~数字技术创新 0.547 0.459 0.275 0.433 0.804 0.885 0.102 0.117
数字人才支持 0.785 0.832 0.185 0.245 0.437 0.540 0.512 0.587
~数字人才支持 0.566 0.463 0.211 0.471 0.864 0.824 0.079 0.335
数字资源投入 0.834 0.806 0.079 0.410 0.411 0.463 0.414 0.727
~数字资源投入 0.444 0.392 0.094 0.685 0.828 0.853 0.072 0.384
数字金融发展 0.840 0.761 0.173 0.147 0.528 0.558 0.629 0.316
~数字金融发展 0.513 0.482 0.572 0.233 0.774 0.849 0.418 0.185
数实产业融合 0.806 0.869 0.060 0.215 0.467 0.522 0.486 0.572
~数实产业融合 0.501 0.446 0.121 0.539 0.883 0.917 0.072 0.181
进一步对组间一致性调整距离大于0.2的变量组合进行分析，本文选取部分典型结果进行展示。对于黄河流域（表5），情况3（非高数字技术创新-高新质生产力）和情况6（非高数实产业融合-高新质生产力）的组间一致性水平均小于0.9，说明不构成黄河流域新质生产力的必要条件。虽然情况2（非高数字基础设施-高新质生产力）和情况4（非高数字人才支持-高新质生产力）个别年份组间一致性大于0.9，但其覆盖度均小于0.5，也不存在必要条件。此外，识别出高数字基础设施-高新质生产力、非高数字金融发展-高新质生产力和非高数字基础设施-非高新质生产力组合，其个别年份组间一致性大于0.9且覆盖度大于0.5，对这3种情况进行散点图检验[31,32]。发现1/3以上的案例点分布在对角线以上，并未通过必要性检验。以上分析说明：数字技术、数字组织和数字环境中，单一要素难以驱动黄河流域高与非高新质生产力，需要多要素协同联动发挥作用。因此，有必要对所有条件变量进行组态分析。同样地，对于长江经济带（表6），情况5（高数字人才支持与非高新质生产力）组间一致性小于0.9，情况4（高数字技术创新与非高新质生产力）个别年份组间一致性大于0.9，但覆盖度小于0.5，表明以上情况不构成长江经济带新质生产力的必要性条件。进一步发现，高数字基础设施-高新质生产力、高数字基础设施-非高新质生产力、非高数字基础设施-非高新质生产力、高数字金融发展-非高新质生产力和非高数字金融发展-非高新质生产力存在个别年份组间一致性大于0.9且覆盖度大于0.5，其散点图1/3以上的案例点分布在对角线以上，不能据此判断为必要条件。因此，在评估数字经济要素对新质生产力的驱动效应时，需充分考虑多个变量间的联动关系。
表5 2012—2022年黄河流域组间一致性调整距离大于0.2的变量组合

Table 5 Combinations of variables with inter-group consistency adjustment distance greater than 0.2 in Yellow River Basin, 2012-2022

情况 因果组合 指标 2012年 2013年 2014年 2015年 2016年 2017年 2018年 2019年 2020年 2021年 2022年
1 X1/Y 组间一致性 0.274 0.252 0.590 0.751 0.822 0.721 0.618 0.798 0.931 0.919 0.773
组间覆盖度 0.857 0.912 0.716 0.638 0.674 0.763 0.575 0.761 0.749 0.796 0.835
2 ~X1/Y 组间一致性 1.000 1.000 0.802 0.827 0.705 0.569 0.698 0.525 0.289 0.275 0.398
组间覆盖度 0.252 0.314 0.354 0.427 0.494 0.884 0.766 0.804 0.915 0.932 0.748
3 ~X2/Y 组间一致性 0.879 0.880 0.768 0.689 0.641 0.606 0.548 0.457 0.368 0.337 0.327
组间覆盖度 0.267 0.341 0.351 0.329 0.381 0.650 0.499 0.563 0.588 0.604 0.553
4 ~X3/Y 组间一致性 1.000 0.948 0.846 0.795 0.728 0.677 0.640 0.513 0.469 0.429 0.415
组间覆盖度 0.313 0.485 0.456 0.426 0.488 0.795 0.658 0.683 0.714 0.760 0.762
5 ~X5/Y 组间一致性 1.000 1.000 1.000 0.981 0.933 0.698 0.505 0.333 0.225 0.139 0.074
组间覆盖度 0.244 0.326 0.388 0.446 0.529 0.892 0.735 0.896 0.981 1.000 0.845
6 ~X6/Y 组间一致性 0.690 0.662 0.573 0.551 0.538 0.572 0.502 0.458 0.416 0.396 0.356
组间覆盖度 0.245 0.311 0.315 0.311 0.374 0.704 0.537 0.608 0.619 0.633 0.581
7 ~X1/~Y 组间一致性 0.986 0.990 0.888 0.798 0.759 0.619 0.537 0.643 0.442 0.477 0.666
组间覆盖度 0.817 0.765 0.819 0.872 0.875 0.566 0.580 0.691 0.782 0.727 0.573

注：Y表示新质生产力，X1、X2、X3、X5和X6分别表示数字基础设施、数字技术创新、数字人才支持、数字金融发展和数实产业融合。下同。

表6 2012—2022年长江经济带组间一致性调整距离大于0.2的变量组合

Table 6 Combinations of variables with inter-group consistency adjustment distance greater than 0.2 in Yangtze River Economic Belt, 2012-2022

情况 因果组合 指标 2012年 2013年 2014年 2015年 2016年 2017年 2018年 2019年 2020年 2021年 2022年
1 X1/Y 组间一致性 0.294 0.265 0.441 0.836 0.920 0.768 0.793 0.742 0.865 0.765 0.633
组间覆盖度 0.700 0.604 0.602 0.592 0.519 0.718 0.621 0.595 0.671 0.815 0.937
2 X1/~Y 组间一致性 0.125 0.164 0.262 0.611 0.818 0.776 0.696 0.883 0.954 1.000 0.782
组间覆盖度 0.865 0.965 0.850 0.782 0.738 0.659 0.628 0.690 0.525 0.462 0.440
3 ~X1/~Y 组间一致性 0.956 0.932 0.877 0.681 0.466 0.667 0.580 0.482 0.402 0.599 0.889
组间覆盖度 0.797 0.766 0.788 0.882 0.903 0.723 0.763 0.645 0.678 0.525 0.479
4 X2/~Y 组间一致性 0.131 0.173 0.222 0.362 0.443 0.604 0.590 0.665 0.842 0.911 0.756
组间覆盖度 0.628 0.643 0.672 0.727 0.667 0.577 0.600 0.558 0.514 0.398 0.320
5 X3/~Y 组间一致性 0.096 0.284 0.314 0.399 0.415 0.504 0.496 0.566 0.743 0.894 0.781
组间覆盖度 0.681 0.652 0.680 0.683 0.642 0.532 0.573 0.531 0.522 0.439 0.343
6 X5/~Y 组间一致性 0.077 0.172 0.241 0.400 0.447 0.744 0.820 0.934 0.997 1.000 1.000
组间覆盖度 0.982 0.889 0.888 0.849 0.803 0.671 0.658 0.604 0.502 0.346 0.302
7 ~X5/~Y 组间一致性 1.000 0.978 0.959 0.918 0.889 0.852 0.592 0.461 0.405 0.400 0.310
组间覆盖度 0.789 0.819 0.834 0.847 0.832 0.858 0.951 0.964 0.959 0.959 0.960

4.2 新质生产力提升的条件组态充分性

运用R语言进行动态QCA面板数据的分析，探究驱动黄河流域、长江经济带新质生产力提升的组态路径。参考现有研究并结合本文的样本规模，将案例频数阈值设置为1，将原始一致性阈值设定为0.8[33,34]，PRI一致性阈值设置为0.75[35]。

4.2.1 黄河流域新质生产力驱动路径的汇总结果

由表7可知，黄河流域高新质生产力总体一致性为0.960，高于0.8，说明条件组态可视为黄河流域高新质生产力的充分条件组态。总体覆盖度为0.723，表明条件组态可以解释72.3%的黄河流域高新质生产力案例。其中，存在6条能够产生黄河流域高新质生产力的条件组态，呈现“多重并发”的特征。在6种组态中，单个解的一致性均超过0.9，组态分析充分有效。同时，单个组态的组间、组内一致性调整距离均小于0.2，说明组态结果具有较好的稳定性。根据6条组态路径中的核心条件，可将其归纳为以下3类：第一类为“金融发展推动下的技术创新驱动型”，对应组态S1a、S1b和S1c，其核心条件集中在数字技术创新和数字金融发展；第二类为“产业融合保障下的基础设施推动型”，涵盖组态S2a和S2b，以高数字基础设施、非高数字人才支持和高数实产业融合为核心条件；第三类为“资源投入支持下的技术创新拉动型”，即组态S3，核心条件包括高数字技术创新、非高数字人才支持和高数字资源投入。
表7 黄河流域高新质生产力的组态

Table 7 Configurations of high new quality productive forces in Yellow River Basin

注：●代表核心条件存在，•代表边缘条件存在；$\otimes$代表核心条件缺失，代表边缘条件缺失。下同。

（1）金融发展推动下的技术创新驱动型
组态S1a表明，以高数字技术创新和高数字金融发展为核心条件，互补高数字基础设施和高数实产业融合为边缘条件可以产生黄河流域高新质生产力。该组态的一致性达到了0.974，覆盖度的结果显示该路径能够解释约57%的案例。组态S1a意味着当数字技术创新和数字金融发展相协调的情况下，如果同时关注数字基础设施和数实产业融合的优化，将实现高新质生产力。企业和科研机构不断开展技术创新，并将创新成果转化和应用，有效促进区域新质生产力持续发展。数字基础设施为数字创新和新质生产力提供重要支撑，而外部数字环境条件，如数字金融发展和数实产业融合可以为提升新质生产力提供良好的保障。覆盖案例包含河南、山东和陕西等。
在S1b组态中，高数字技术创新和高数字金融发展为核心条件，互补非高数字人才支持、非高数字资源投入和非高数实产业融合能够实现高黄河流域新质生产力水平。该组态的一致性为0.983，原始覆盖度为0.254，唯一覆盖度为0.023。该组态表明，数字技术创新和数字金融发展对新质生产力具有显著推动作用。在这两个条件高度发展的情况下，可以有效缓解数字人才、资源投入及产业融合不足所带来的限制，助力区域新质生产力发展。该组态包含的黄河流域省份主要为甘肃。
组态S1c表明高数字技术创新和高数字金融发展为核心条件，结合高数字人才支持、高数字资源投入和高数实产业融合为边缘条件将实现高新质生产力。组态S1c意味着，在数字技术创新与区域数字金融发展较为成熟的情况下，若同时具备充足的数字人才、高效的资源投入及强大的数实产业融合能力，将有效推动黄河流域省份实现高新质生产力的目标。该组态主要以山东和四川为代表。山东和四川两省份经济发展、科技创新水平持续增强，区域内信息化就业人员数量和数字资源投入显著增长，同时外部数字环境条件优越，各数字要素协同作用，共同推动了新质生产力水平的提升。
（2）产业融合保障下的基础设施推动型
组态S2a显示，以高数字基础设施、非高数字人才支持和高数实产业融合为核心存在条件，辅以高数字技术创新为边缘条件能够促使黄河流域的省份产生高新质生产力。组态的一致性为0.988，且该组态能够解释35.7%的案例。该组态意味数字基础设施和数实产业融合对新质生产力的作用较为突出，是实现高新质生产力的关键因素。同时，高数字技术创新协同推动新质生产力的提升，能够有效破除数字人才支持不足的制约。政府制定相关政策，推动数字基础设施建设，为发展新质生产力提供坚实保障。同时，鼓励企业开展技术创新，加速技术成果的应用和转化，推动数实产业的深度融合，为新质生产力的提升注入活力。处于该组态下的黄河流域省份有河南。
在组态S2b中，高数字基础设施、非高数字人才支持和高数实产业融合为核心条件，互补高数字资源投入和高数字金融发展能够推动新质生产力提升。该组态意味着在数字基础设施和数实产业融合发展较好的情况下，即使地区数字人才支持较差，如果数字资源投入和数字金融发展水平较高，同样能够达到高新质生产力的目标。典型案例是山西，该省加速推进5G、工业互联网、数据中心等新型基础设施建设，并提出建设区域级数字产业集聚区，加大财政资金对核心产业和重大项目的支持力度，同时通过优化政策环境为数字金融发展提供保障。通过这些数字要素的系统整合，山西新质生产力稳步提升。
（3）资源投入支持下的技术创新拉动型
组态S3表明高数字技术创新、非高数字人才支持和高数字资源投入为核心条件，结合非高数字金融发展和高数实产业融合边缘条件将实现高新质生产力。组态的一致性为0.958，原始覆盖度为0.281。即使在数字人才支持和数字金融发展较差的省份，如果对数字技术创新和数字资源投入足够重视，同时辅以高水平的数实产业融合，同样可以实现高新质生产力。该组态强调了数字资源投入及技术创新的重要性，尤其是在数字人才支持和数字金融发展相对薄弱的条件下，技术层面的创新、组织层面的资源投入以及数实产业融合成为弥补外部短板、突破发展瓶颈的关键路径。

4.2.2 长江经济带新质生产力驱动路径的汇总结果

由表8可得，长江经济带新质生产力提升的条件组态有3条。在3种组态中，单个解的一致性均超过0.9，表明组态分析充分有效。此外，总体一致性为0.959，覆盖度为0.726，表明这3种组态可以解释72.6%的长江经济带高新质生产力案例。此外，单个组态的组间与组内一致性调整距离均低于0.2，意味着汇总一致性结果的解释力较强。根据3条组态路径中的核心条件，将其归纳为2类，将组态H1命名为“资源投入助力下的技术创新推动型”，组态H2a和H2b命名为“数字技术-组织-环境协同型”。
表8 长江经济带高新质生产力的组态

Table 8 Configurations of high new quality productive forces in Yangtze River Economic Belt

变量 资源投入助力下的技术创新推动型 数字技术-组织-环境协同型
H1 H2a H2b
数字基础设施 $\otimes$
数字技术创新 ● ● ●
数字人才支持 •
数字资源投入 ● ● ●
数字金融发展 •
数实产业融合 • ● ●
一致性 0.963 0.960 0.959
PRI 0.911 0.922 0.920
原始覆盖度 0.483 0.660 0.665
唯一覆盖度 0.013 0.012 0.044
组间一致性调整距离 0.041 0.034 0.030
组内一致性调整距离 0.128 0.136 0.136
总体一致性 0.959
总体PRI 0.923
总体覆盖度 0.726
（1）资源投入助力下的技术创新推动型
组态H1一致性水平为0.963，这意味着该组态有96.3%的可能性实现高新质生产力。此外，原始覆盖度为0.483，表明该组态可以解释约48.3%的新质生产力发展案例。在这条路径下，以数字技术创新和数字资源投入为核心存在条件，辅以非高数字基础设施和高数实产业融合为边缘条件能够促使产生高新质生产力。该路径表明，在区域数字资源投入和数字技术不断创新的环境下，结合良好的数实产业融合环境，即使缺乏数字基础设施的支持，仍然可以实现高新质生产力。处于该路径的典型案例是江苏和湖北等。此外，可以发现，该条组态中存在的核心条件与黄河流域高新质生产力组态S3相同，但边缘条件不同。
（2）数字技术-组织-环境协同型
在H2a组态中，高数字技术创新、高数字资源投入和高数实产业融合为核心条件，互补高数字人才支持可以导致高新质生产力水平。该组态的一致性水平为0.960，原始覆盖度为0.660。该路径意味着当数字技术创新、数字资源投入和数实产业融合较强的条件下，如果进一步加强数字人才支持，能够实现区域高新质生产力。覆盖案例包含上海、江苏和浙江等省份。江浙沪地区凭借先进的数字技术条件和优越的资源投入，已成为中国数字技术创新的核心区域，整体水平位居全国前列。数字经济与实体经济的深度融合为地区新质生产力提升注入了强大动力，此外，江浙沪地区还具备成熟的数字组织体系。组态H2a所揭示的路径凸显了数字技术创新、数字资源投入和数实产业融合的核心作用，以及数字人才支持的辅助作用。通过这些数字要素的系统整合和协同作用，新质生产力稳步提升。
H2b组态与H2a组态具有相同的核心条件，但以高数字金融发展作为边缘条件。组态H2表明在数字技术创新、数字资源投入和数实产业融合水平较高的情况下，若同时关注数字金融发展的提升，将促使产生高新质生产力。具体来说，数字技术的持续创新和数字资源投入的不断增加，是推动长江经济带新质生产力发展的关键因素。数字技术加速了生产流程的自动化和智能化，充足的数字资源投入为企业和产业发展提供了有力支持。同时，数实产业的深度融合推动了产业链的升级和新兴产业的发展，数字金融的发展为企业提供了更多的融资渠道。该条路径强调了数字技术、数字组织和数字环境要素的互动匹配，充分体现了多种数字要素对新质生产力的协同提升作用。

4.2.3 两大区域新质生产力驱动路径的组间结果

由表7、表8可知，黄河流域、长江经济带各组态的组间一致性调整距离均小于0.2，表明不存在明显的时间效应，在研究期间内较为稳定，组态结果具有较强的适用性。进一步观察黄河流域各组态在2012—2022年的一致性变化趋势（图2a），发现6个条件组态的一致性维持在0.80~1.00之间，均大于0.75。可以发现，组态S1a、S2a和S2b在2012—2015年的组间一致性总体呈现先下降、后上升的态势，而组态S1b和S1c在这一时期呈现“上升、下降、再上升”态势，但总体一致性水平均在0.92~1.00之间波动。除组态S1a和S1c，组态S1b、S2a和S2b在研究后期稳定维持在1的水平，其中，组态S1b和S2a在2022年略微下降，但整体仍保持较高的一致性。进一步来看，2012年，组态S3的一致性最低，但随着时间推移，该组态一致性大幅提高，且2017年及以后一致性保持在1，说明组态S3对黄河流域高新质生产力的解释力不断增强。由图2b发现长江经济带各组态一致性均在0.9以上，一致性水平较高。整体来看，各组态在研究期间的一致性变化趋势较为一致。仅在2012—2014年，H2a的一致性变化趋势与其他两个组态相反；在2017—2020年，组态H1的一致性变化与其他两个组态呈现出明显的分化趋势。2020年及以后，组态H1的一致性水平为所有组态最高，说明在此期间组态H1对长江经济带高新质生产力的解释力度较强。
图2 2012—2022年各组态组间一致性变化趋势

Figure 2 Trends of inter-group consistency for each configuration, 2012-2022

4.2.4 两大区域新质生产力驱动路径的组内结果

组内一致性则是基于省份层面进行分析，评估各条件组态是否为结果的充分条件[36]。黄河流域、长江经济带各组态的组内一致性调整距离均低于0.2（表7、表8），意味着不存在显著的案例效应，不同省份在研究期间内的组态具有一定稳定性。整体结果表明，尽管各省份条件组态并不一致，多种数字要素组合均可实现高新质生产力。此外，可以发现，黄河流域、长江经济带组内一致性调整距离高于组间一致性调整距离，表明案例效应相较于时间效应更为显著，因此在分析两大区域各条件组态对新质生产力提升的影响时，要突出强调各省份的实际情况。
在此基础上，为深入理解不同组态路径的空间分布特征，本文进一步考察其覆盖度的区域差异。具体来看，黄河流域不同区域各组态的覆盖度情况如表9所示。总体来说，黄河流域中游地区在“金融发展推动下的技术创新驱动型”路径的覆盖度最高。然而，除S1b外，下游地区也表现出较高覆盖度。上游地区经济发展较好的省份如四川，也具有较高的覆盖度，表明这些区域在数字金融发展和技术创新水平上具有明显优势，助推发展新质生产力。第二类“产业融合保障下的基础设施推动型”路径主要分布在黄河流域中游和下游地区。相比于上游地区，中、下游地区凭借较为雄厚的经济基础，数字基础设施建设更加完善，数实产业融合能力也更为突出，为提升新质生产力提供了良好条件。黄河流域下游地区在第三类“资源投入支持下的技术创新拉动型”路径的覆盖度最高，可能的原因是下游较之上游资源投入更为丰富，较之于中游技术创新生态系统更加成熟。从表10长江经济带区域覆盖度均值可以看出，“资源投入助力下的技术创新推动型”和“数字技术-组织-环境协同型”路径所能解释的案例主要集中于中游和下游地区。与长江经济带下游和中游地区相比，上游地区经济发展相对滞后，数字资源投入不足，数字技术创新和产业融合面临较大障碍，导致数字技术、组织和外部环境要素的协调受限。
表9 黄河流域各组态覆盖度均值

Table 9 Mean coverage of each configuration in Yellow River Basin

区域 金融发展推动下的技术创新驱动型 产业融合保障下的基础设施推动型 资源投入支持下的技术创新拉动型
S1a S1b S1c S2a S2b S3
上游地区 0.473 0.411 0.387 0.359 0.272 0.262
中游地区 0.716 0.341 0.528 0.404 0.440 0.239
下游地区 0.580 0.093 0.493 0.397 0.329 0.374
表10 长江经济带各组态覆盖度均值

Table 10 Mean coverage of each configuration in Yangtze River Economic Belt

区域 资源投入助力下的
技术创新推动型		 数字技术-组织-环境协同型
H1 H2a H2b
上游地区 0.263 0.355 0.380
中游地区 0.635 0.733 0.812
下游地区 0.518 0.775 0.763

4.3 稳健性检验

为保证研究结论的可靠性，本文对黄河流域和长江经济带高新质生产力的条件组态进行稳健性检验。具体采用以下两种方式：①将原始一致性阈值由0.80提高至0.85，得到的两大区域高新质生产力组态与原结果完全一致；②将PRI一致性阈值由0.75提高至0.78，产生的两大区域新组态与原路径完全一致。检验表明本文研究结果可靠。

4.4 两大区域新质生产力提升的组态路径对比分析

在两大区域的新质生产力提升路径中，黄河流域展现了6条组态路径，按照核心条件归为3类；而长江经济带有3条，归纳为2类。在黄河流域的4条组态路径（S1a、S1b、S1c和S3）以及长江经济带的3条组态中，数字技术创新均作为核心条件出现；在黄河流域的S3组态和长江经济带的3条组态中，数字资源投入均为核心条件存在；同时，数实产业融合在黄河流域的S2a、S2b和长江经济带的H2a和H2b路径中也作为核心条件存在。可以看出，数字技术创新、数字资源投入和数实产业融合是推动两大区域新质生产力的共同核心因素。然而，数字要素表现上的差异，使得两大区域的新质生产力提升路径有所不同。对比分析发现，黄河流域“产业融合保障下的基础设施推动型”路径显示，数字基础设施对新质生产力提升发挥了关键作用；而在长江经济带的组态路径中，数字基础设施则处于边缘条件缺失状态。在黄河流域，数字金融发展在“金融发展推动下的技术创新驱动型”路径中作为核心条件存在，成为推动新质生产力的关键因素；相比之下，长江经济带的组态路径中，数字金融发展仅作为边缘条件存在。因此，对于黄河流域，若依托完善的数字基础设施建设和成熟的数字金融发展，将对新质生产力的培育产生显著影响。

5 结论与政策启示

5.1 结论

以2012—2022年黄河流域与长江经济带省份为研究对象，基于TOE理论构建数字经济要素驱动新质生产力的分析框架，运用动态定性比较分析法，对比分析数字技术、数字组织和数字环境要素协同作用下两大战略区域新质生产力的差异化提升路径。主要结论如下：
（1）数字技术、数字组织和数字环境要素均无法单独构成两大区域高/非高新质生产力的必要条件。该结果支持了新质生产力发展具有多重并发性的特征，即单一数字要素无法决定其新质生产力的发展，必须依靠多维度要素的系统协同与组合联动才能实现新质生产力显著提升。
（2）黄河流域与长江经济带在新质生产力的提升路径上表现出明显的区域异质性。黄河流域存在3类组态路径，分别是“金融发展推动下的技术创新驱动型”“产业融合保障下的基础设施推动型”和“资源投入支持下的技术创新拉动型”；而长江经济带则主要包括“资源投入助力下的技术创新推动型”和“数字技术-组织-环境协同型”2类路径。尽管路径类型有所不同，数字技术创新、数字资源投入与数实产业融合在两大区域中均发挥了核心作用，说明这些要素是推动新质生产力提升的共性关键机制。
（3）从时间维度看，两大区域组态的组间一致性均低于判别阈值，未呈现显著的时间效应，表明各路径在不同时期均保持较强稳定性，且组态解释力普遍较高；从空间维度看，组内一致性调整距离也低于临界值，不存在明显案例效应，且各省份在达成新质生产力目标中具备多元实现路径。进一步从区域分布来看，不同组态所覆盖的案例存在一定的地区聚集特征，其解释力也存在显著的地区差异。

5.2 政策启示

本文的研究结论为两大区域发展新质生产力提供以下政策启示：
（1）加强数字技术、数字组织和数字环境要素之间的协同互动。数字经济发展背景下，黄河流域与长江经济带新质生产力提升是技术、组织和环境3个层面要素相互作用的结果。因此，在制定发展政策时，不能局限于优化单方面要素，而是需要从“整体性”视角出发，全面把握相关要素，发挥数字技术、数字组织与数字环境要素对新质生产力的协同推进作用。
（2）重视数字技术创新、数字资源投入和数实产业融合的促进作用。在黄河流域提升新质生产力的4条路径和长江经济带的3条路径中，数字技术创新均作为核心条件存在，显示其在提升新质生产力中的关键作用。因此，应加大对数字技术创新的支持，推动前沿技术研发和成果转化，同时，可以加强两大区域在数字技术创新方面的交流合作，构建跨区域的技术研发联盟和协同创新网络。此外，数字资源投入和数实产业融合作为两大区域共同路径中的核心条件之一，亦对新质生产力提升至关重要。通过优化政策环境、加大资源投入以及推动数字经济与实体经济的深度融合，为区域新质生产力发展提供新动力。
（3）坚持因地制宜原则，制定差异化的新质生产力发展战略。两大区域上中下游地区经济基础、资源禀赋等条件不同，因此，需结合地区自身特点，探寻适应本地实际情况的发展模式。对于两大区域中游和下游地区，应充分释放其发展潜力，同时发挥辐射效应，带动上游地区发展。对于两大区域上游地区，则需要通过加大政策支持、引进培养数字人才和加强数字基础设施建设等，提升其在数字技术、组织和环境层面要素的综合竞争力，实现新质生产力的全面提升。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
周文慧, 王一珺, 陈丽佳. 组态视角下数字经济赋能区域新质生产力的驱动模式研究[J]. 云南财经大学学报, 2025, 41(1): 69-79.

[Zhou W H, Wang Y J, Chen L J. Research on the driving mode of digital economy empowering regional new quality productive forces from the perspective of configuration[J]. Journal of Yunnan University of Finance and Economics, 2025, 41(1): 69-79.]

[2]
樊杰, 王亚飞, 王怡轩. 基于地理单元的区域高质量发展研究: 兼论黄河流域同长江流域发展的条件差异及重点[J]. 经济地理, 2020, 40(1): 1-11.

DOI

[Fan J, Wang Y F, Wang Y X. High quality regional development research based on geographical units: Discuss on the difference in development conditions and priorities of the Yellow River Basin compared to the Yangtze River Basin[J]. Economic Geography, 2020, 40(1): 1-11.]

DOI

[3]
洪银兴. 新质生产力及其培育和发展[J]. 经济学动态, 2024, (1): 3-11.

[Hong Y X. New quality productivity and its cultivation and development[J]. Economic Perspectives, 2024, (1): 3-11.]

[4]
周文, 许凌云. 论新质生产力: 内涵特征与重要着力点[J]. 改革, 2023, (10): 1-13.

[Zhou W, Xu L Y. On new quality productivity: Connotative characteristics and important focus[J]. Reform, 2023, (10): 1-13.]

[5]
卢江, 郭子昂, 王煜萍. 新质生产力发展水平、区域差异与提升路径[J]. 重庆大学学报(社会科学版), 2024, 30(3):1-17.

[Lu J, Guo Z A, Wang Y P. Levels of development of new quality productivity, regional differences and paths to enhancement[J]. Journal of Chongqing University (Social Science Edition), 2024, 30(3): 1-17.]

[6]
刘建华, 闫静, 王慧扬, 等. 重大国家战略区域新质生产力的水平测度及差异分析[J]. 重庆大学学报(社会科学版), 2024, 30(4): 79-90.

[Liu J H, Yan J, Wang H Y, et al. Measurement and differential analysis of new quality productivity in major national strategic regions[J]. Journal of Chongqing University (Social Science Edition), 2024, 30(4): 79-90.]

[7]
刘建华, 闫静, 王慧扬, 等. 黄河流域新质生产力水平的动态演进及障碍因子诊断[J]. 人民黄河, 2024, 46(4): 1-7, 14.

[Liu J H, Yan J, Wang H Y, et al. The dynamic evolution of new quality productive forces level and diagnosis of obstacle factors in the Yellow River Basin[J]. Yellow River, 2024, 46(4): 1-7, 14.]

[8]
王珏, 王荣基. 新质生产力: 指标构建与时空演进[J]. 西安财经大学学报, 2024, 37(1): 31-47.

[Wang J, Wang R J. New quality productivity: Index construction and spatiotemporal evolution[J]. Journal of Xi’an University of Finance and Economics, 2024, 37(1): 31-47.]

[9]
王廷惠, 李娜. 新质生产力催生机制与发展路径: “技术-要素-产业”分析框架[J]. 广东社会科学, 2024, (4): 14-25, 284.

[Wang T H, Li N. The mechanism and development path of new quality productivity: A “Technology-Factor-Industry”(TFI) framework[J]. Social Sciences in Guangdong, 2024, (4): 14-25, 284.]

[10]
程恩富, 陈健. 大力发展新质生产力加速推进中国式现代化[J]. 当代经济研究, 2023, (12): 14-23.

[Cheng E F, Chen J. Vigorously advancing new quality productive forces and accelerating the Chinese modernization[J]. Contemporary Economic Research, 2023, (12): 14-23.]

[11]
焦勇, 齐梅霞. 数字经济赋能新质生产力发展[J]. 经济与管理评论, 2024, 40(3): 17-30.

[Jiao Y, Qi M X. Digital economy empowers the development of new quality productivity[J]. Review of Economy and Management, 2024, 40(3): 17-30.]

[12]
郎元柯, 范柏乃, 黄素勤. 数字经济对新质生产力的作用路径及政策效应: 基于产业生态的视角[J]. 社会科学家, 2024, (4): 107-116.

[Lang Y K, Fan B N, Huang S Q. The role pathways of the digital economy on new productivity and policy effects: Based on an industrial ecology perspective[J]. Social Scientist, 2024, (4): 107-116.]

[13]
卢江, 王煜萍, 郭子昂. 数字基础设施建设对新质生产力发展的影响[J]. 上海经济研究, 2024, (12): 16-29.

[Lu J, Wang Y P, Guo Z A. The impact of digital infrastructure construction on the development of new quality productivity[J]. Shanghai Journal of Economics, 2024, (12): 16-29.]

[14]
姚树洁, 蒋艺翅. 数字基础设施与企业新质生产力形成: 理论与实证[J]. 东北师大学报(哲学社会科学版), 2024, (5): 1-12.

[Yao S J, Jiang Y C. Digital infrastructure empowering the formation of new quality productivity in Chinese firms: Theory and empirical evidence[J]. Journal of Northeast Normal University (Philosophy and Social Sciences Edition), 2024, (5): 1-12.]

[15]
段钢, 刘贤铤, 闫伟男. 企业数字技术创新对其新质生产力发展的影响机制[J]. 科技管理研究, 2024, 44(15): 38-50.

[Duan G, Liu X T, Yan W N. The impact mechanism of enterprise digital technology innovation on the development of its new quality productive forces[J]. Science and Technology Management Research, 2024, 44(15): 38-50.]

[16]
朱波, 曾丽丹. 数字金融发展对区域新质生产力的影响及作用机制[J]. 财经科学, 2024, (8): 16-31.

[Zhu B, Zeng L D. Analysis of the impact and mechanism of digital finance development on regional new quality productive forces[J]. Finance & Economics, 2024, (8): 16-31.]

[17]
崔耕瑞. 数字普惠金融对新质生产力的影响研究[J]. 财经论丛(浙江财经大学学报), 2025, (4): 52-65.

[Cui G R. Research on the influence of digital inclusive finance on new quality productive forces[J]. Collected Essays on Finance and Economics, 2025, (4): 52-65.]

[18]
程赛楠, 冯珍. 数实融合对新质生产力的影响研究[J]. 北京理工大学学报(社会科学版), 2024, 26(6): 15-27.

[Cheng S N, Feng Z. Research on impact of integration of digital economy and real economy on new quality productivity[J]. Journal of Beijing Institute of Technology (Social Sciences Edition), 2024, 26(6): 15-27.]

[19]
王淑英, 刘雅静. 数字经济提升绿色全要素生产率的组态路径研究[J]. 财会月刊, 2024, 45(11): 109-115.

[Wang S Y, Liu Y J. Research on the configuration path of digital economy improving green total factor productivity[J]. Finance and Accounting Monthly, 2024, 45(11): 109-115.]

[20]
Ragin C C. Redesigning Social Inquiry: Fuzzy Sets and Beyond[M]. Chicago: University of Chicago Press, 2008.

[21]
Fiss P C. Building better causal theories: A fuzzy set approach to typologies in organization research[J]. Academy of Management Journal, 2011, 54(2): 393-420.

[22]
蒙克, 魏必. 反思QCA方法的“时间盲区”: 为公共管理研究找回“时间”[J]. 中国行政管理, 2023, (1): 96-104.

[Meng K, Wei B. Rethinking the “time blindness” of the qualitative comparative analysis: Bringing back “time” for public management research[J]. Chinese Public Administration, 2023, (1): 96-104.]

[23]
张放. 影响地方政府信息公开的因素: 基于省域面板数据的动态QCA分析[J]. 情报杂志, 2023, 42(1): 133-141, 207.

[Zhang F. Determinants of local governments’ information disclosure: A dynamic QCA analysis based on provincial panel data[J]. Journal of Intelligence, 2023, 42(1): 133-141, 207.]

[24]
Garcia-Castro R, Ariño M A. A general approach to panel data set-theoretic research[J]. Journal of Advances in Management Sciences & Information Systems, 2016, 2: 63-76.

[25]
韩文龙, 张瑞生, 赵峰. 新质生产力水平测算与中国经济增长新动能[J]. 数量经济技术经济研究, 2024, 41(6): 5-25.

[Han W L, Zhang R S, Zhao F. The measurement of new quality productivity and new driving force of the Chinese economy[J]. Journal of Quantitative & Technological Economics, 2024, 41(6): 5-25.]

[26]
张远记, 韩存. 数字经济驱动黄河流域高质量发展路径研究: 基于TOE框架的动态QCA分析[J]. 经济体制改革, 2024, (2): 25-32.

[Zhang Y J, Han C. Research on the path of high quality development of the Yellow River Basin driven by digital economy: Dynamic QCA analysis based on TOE framework[J]. Reform of Economic System, 2024, (2): 25-32.]

[27]
钞小静, 廉园梅, 罗鎏锴. 新型数字基础设施对制造业高质量发展的影响[J]. 财贸研究, 2021, 32(10): 1-13.

[Chao X J, Lian Y M, Luo L K. Impact of new digital infrastructure on high-quality development of manufacturing[J]. Finance and Trade Research, 2021, 32(10): 1-13.]

[28]
杜运周, 贾良定. 组态视角与定性比较分析(QCA):管理学研究的一条新道路[J]. 管理世界, 2017, (6): 155-167.

[Du Y Z, Jia L D. Configuration perspective and Qualitative Comparative Analysis (QCA): A new approach to management research[J]. Journal of Management World, 2017, (6): 155-167.]

[29]
陶克涛, 张术丹, 赵云辉. 什么决定了政府公共卫生治理绩效? 基于QCA方法的联动效应研究[J]. 管理世界, 2021, 37(5): 128-138, 156, 10.

[Tao K T, Zhang S D, Zhao Y H. What does determine performance of government public health governance? A study on co-movement effect based on QCA[J]. Journal of Management World, 2021, 37(5): 128-138, 156, 10.]

[30]
王颖, 刘艺扬. 什么样的制度产生高人力资本经济增长效应? 一个基于动态QCA方法的研究[J]. 科学学研究, 2024, 42(2): 289-299, 334.

[Wang Y, Liu Y Y. What kind of institution will promote high economic growth effect of human capital? Research based on dynamic QCA approach[J]. Studies in Science of Science, 2024, 42(2): 289-299, 334.]

[31]
刘进进, 顾爽. 城市数字生态变革提升政务服务效能的制度组态研究: 基于我国32个重点城市面板数据的动态QCA分析[J]. 城市问题, 2024, (7): 58-69.

[Liu J J, Gu S. Research on the institutional configuration of urban digital ecological reform for the enhancement of government service efficiency: Dynamic QCA analysis based on panel data of 32 key cities[J]. Urban Problems, 2024, (7): 58-69.]

[32]
戴海闻, 吴锐, 安雯雯, 等. 战略性新兴产业标准竞争战略组态及其演化路径研究: 基于动态QCA[J]. 软科学, 2024, 38(12): 36-42.

[Dai H W, Wu R, An W W, et al. Strategic configurations and their evolution pathways for standard competition in strategic emerging industries: A study based on dynamic QCA[J]. Soft Science, 2024, 38(12): 36-42.]

[33]
于清, 石焱文, 孙可欣, 等. 数据要素市场发展影响因素组态分析: 基于多中心治理的视角[J]. 科学学与科学技术管理, 2024, 45(4): 157-172.

[Yu Q, Shi Y W, Sun K X, et al. Configuration analysis of influencing factors on the development of data factor markets: A perspective based on multi-center governance[J]. Science of Science and Management of S.&T., 2024, 45(4): 157-172.]

[34]
孙燕芳, 张淑惠. 区域“创新-生态-经济”耦合协调发展的组态路径: 基于动态定性比较分析[J]. 资源科学, 2024, 46(3): 549-564.

DOI

[Sun Y F, Zhang S H. Combination path of regional innovation-ecology-economy coupling and coordinated development: Based on a dynamic qualitative comparative analysis[J]. Resources Science, 2024, 46(3): 549-564.]

[35]
罗公利, 王晓彤. 低碳城市创新能力的驱动机制研究: 基于fsQCA范式分析视角[J]. 科学学与科学技术管理, 2024, 45(5): 92-104.

[Luo G L, Wang X T. Research on the driving mechanism of innovation ability of low-carbon cities: Based on the fuzzy sets qualitative comparative analysis method[J]. Science of Science and Management of S.&T., 2024, 45(5): 92-104.]

[36]
方芳, 张立杰, 赵军. 制度组态视角下提升农业绿色全要素生产率的多元路径探析: 基于动态QCA的面板数据分析[J]. 中国农村经济, 2024, (2): 44-66.

[Fang F, Zhang L J, Zhao J. Multiple paths of agricultural green total factor productivity improvement from the perspective of institutional grouping: A panel data analysis based on dynamic QCA[J]. Chinese Rural Economy, 2024, (2): 44-66.]

Options
文章导航

/

〈 〉