Journal of Northeastern University(Social Science) ›› 2025, Vol. 27 ›› Issue (5): 61-73.DOI: 10.15936/j.cnki.1008-3758.2025.05.007
Previous Articles Next Articles
Ping SUN, Zhen HU
Received:
2024-08-03
Online:
2025-09-25
Published:
2025-10-16
CLC Number:
Ping SUN, Zhen HU. Which Open Ecology of Public Data Promotes the Development of High-level New Quality Productive Forces? A Dynamic QCA Analysis Based on the Provincial Panel Data[J]. Journal of Northeastern University(Social Science), 2025, 27(5): 61-73.
提升路径 | 组态类型 | 数据发布者 | 数据使用者 | 数据受益者 |
---|---|---|---|---|
单一群体主导 | 发布者供给驱动型 | 1 | 0 | 0 |
使用者需求驱动型 | 0 | 1 | 0 | |
受益者需求驱动型 | 0 | 0 | 1 | |
部分互利共栖 | “发布者—使用者”供需驱动型 | 1 | 1 | 0 |
“发布者—受益者”供需驱动型 | 1 | 0 | 1 | |
“使用者—受益者”需求驱动型 | 0 | 1 | 1 | |
完全互利共栖 | “发布者—使用者—受益者”供需驱动型 | 1 | 1 | 1 |
提升路径 | 组态类型 | 数据发布者 | 数据使用者 | 数据受益者 |
---|---|---|---|---|
单一群体主导 | 发布者供给驱动型 | 1 | 0 | 0 |
使用者需求驱动型 | 0 | 1 | 0 | |
受益者需求驱动型 | 0 | 0 | 1 | |
部分互利共栖 | “发布者—使用者”供需驱动型 | 1 | 1 | 0 |
“发布者—受益者”供需驱动型 | 1 | 0 | 1 | |
“使用者—受益者”需求驱动型 | 0 | 1 | 1 | |
完全互利共栖 | “发布者—使用者—受益者”供需驱动型 | 1 | 1 | 1 |
准则层 | 一级指标 | 二级指标 | 三级指标 | 衡量方式 | 属性 |
---|---|---|---|---|---|
劳动者 | 劳动生产率 | 经济产出 | 人均GDP | GDP/总人口(A1) | 正 |
经济收入 | 人均工资 | 在岗职工平均工资(A2) | 正 | ||
就业结构 | 第三产业就业比重 | 第三产业就业人数/总就业人数(A3) | 正 | ||
劳动者素质 | 文化程度 | 高等教育人数占比 | 人均受教育平均年限(A4) | 正 | |
培育经费 | 教育经费强度 | 教育支出/财政总支出(A5) | 正 | ||
知识积累潜能 | 在校学生结构 | 在校学生数/人口总数(A6) | 正 | ||
劳动者精神 | 创新精神 | 创新人力投入 | RD人员全时当量(A7) | 正 | |
创业精神 | 创业活跃度 | 每百人新创企业数(A8) | 正 | ||
劳动 对象 | 新兴产业 | 信息化水平 | 企业信息化水平 | 电子商务交易活动企业数/企业总数(B1) | 正 |
未来产业 | 机器人安装密度 | 工业机器人安装数×(工业就业人数/全国总就业人数)(B2) | 正 | ||
生态环境 | 绿色生态 | 绿色资源 | 森林覆盖率(B3) | 正 | |
环境保护力度 | 环境保护支出/政府公共财政支出(B4) | 正 | |||
绿色生产 | 污染防治质量 | 化学需氧量排放/GDP(B5) | 正 | ||
二氧化碳排放/GDP(B6) | 正 | ||||
绿色发明成果 | 绿色专利申请数/专利申请数(B7) | 正 | |||
劳动 资料 | 物质生产资料 | 基础设施 | 传统基础设施 | 公路里程(C1) | 正 |
铁路里程(C2) | 正 | ||||
数字基础设施 | 光纤长度(C3) | 正 | |||
人均互联网宽带接入端口数(C4) | 正 | ||||
能源利用 | 能源消耗强度 | 能源消耗量/GDP(C5) | 负 | ||
污染防治潜力 | 废气治理设施处理能力(C6) | 正 | |||
无形生产资料 | 科技创新水平 | 人均专利数量 | 专利授权数量/总人口(C7) | 正 | |
新产品经济投入 | 新产品开发经费/GDP(C8) | 正 | |||
数字化水平 | 数字经济 | 数字经济指数(C9) | 正 | ||
企业数字化 | 企业数字化水平(C10) | 正 |
准则层 | 一级指标 | 二级指标 | 三级指标 | 衡量方式 | 属性 |
---|---|---|---|---|---|
劳动者 | 劳动生产率 | 经济产出 | 人均GDP | GDP/总人口(A1) | 正 |
经济收入 | 人均工资 | 在岗职工平均工资(A2) | 正 | ||
就业结构 | 第三产业就业比重 | 第三产业就业人数/总就业人数(A3) | 正 | ||
劳动者素质 | 文化程度 | 高等教育人数占比 | 人均受教育平均年限(A4) | 正 | |
培育经费 | 教育经费强度 | 教育支出/财政总支出(A5) | 正 | ||
知识积累潜能 | 在校学生结构 | 在校学生数/人口总数(A6) | 正 | ||
劳动者精神 | 创新精神 | 创新人力投入 | RD人员全时当量(A7) | 正 | |
创业精神 | 创业活跃度 | 每百人新创企业数(A8) | 正 | ||
劳动 对象 | 新兴产业 | 信息化水平 | 企业信息化水平 | 电子商务交易活动企业数/企业总数(B1) | 正 |
未来产业 | 机器人安装密度 | 工业机器人安装数×(工业就业人数/全国总就业人数)(B2) | 正 | ||
生态环境 | 绿色生态 | 绿色资源 | 森林覆盖率(B3) | 正 | |
环境保护力度 | 环境保护支出/政府公共财政支出(B4) | 正 | |||
绿色生产 | 污染防治质量 | 化学需氧量排放/GDP(B5) | 正 | ||
二氧化碳排放/GDP(B6) | 正 | ||||
绿色发明成果 | 绿色专利申请数/专利申请数(B7) | 正 | |||
劳动 资料 | 物质生产资料 | 基础设施 | 传统基础设施 | 公路里程(C1) | 正 |
铁路里程(C2) | 正 | ||||
数字基础设施 | 光纤长度(C3) | 正 | |||
人均互联网宽带接入端口数(C4) | 正 | ||||
能源利用 | 能源消耗强度 | 能源消耗量/GDP(C5) | 负 | ||
污染防治潜力 | 废气治理设施处理能力(C6) | 正 | |||
无形生产资料 | 科技创新水平 | 人均专利数量 | 专利授权数量/总人口(C7) | 正 | |
新产品经济投入 | 新产品开发经费/GDP(C8) | 正 | |||
数字化水平 | 数字经济 | 数字经济指数(C9) | 正 | ||
企业数字化 | 企业数字化水平(C10) | 正 |
条件变量 | 高新质生产力发展 | 非高新质生产力发展 | ||||||
---|---|---|---|---|---|---|---|---|
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 | |
高政策准备力度 | 0.702 | 0.703 | 0.070 | 0.326 | 0.516 | 0.562 | 0.203 | 0.535 |
非高政策准备力度 | 0.562 | 0.517 | 0.099 | 0.471 | 0.727 | 0.726 | 0.185 | 0.372 |
高平台建设水平 | 0.706 | 0.679 | 0.139 | 0.362 | 0.543 | 0.566 | 0.110 | 0.530 |
非高平台建设水平 | 0.549 | 0.525 | 0.133 | 0.503 | 0.692 | 0.719 | 0.151 | 0.417 |
高数据发布质量 | 0.770 | 0.740 | 0.110 | 0.308 | 0.508 | 0.531 | 0.110 | 0.516 |
非高数据发布质量 | 0.512 | 0.490 | 0.064 | 0.571 | 0.751 | 0.78 | 0.113 | 0.394 |
高开发利用程度 | 0.683 | 0.704 | 0.275 | 0.390 | 0.479 | 0.536 | 0.203 | 0.571 |
非高开发利用程度 | 0.550 | 0.493 | 0.328 | 0.453 | 0.735 | 0.716 | 0.133 | 0.358 |
高公众需求强度 | 0.822 | 0.812 | 0.212 | 0.190 | 0.443 | 0.476 | 0.290 | 0.571 |
非高公众需求强度 | 0.470 | 0.437 | 0.313 | 0.548 | 0.825 | 0.834 | 0.142 | 0.340 |
高需求回应能力 | 0.835 | 0.782 | 0.159 | 0.204 | 0.500 | 0.508 | 0.281 | 0.521 |
非高需求回应能力 | 0.475 | 0.467 | 0.316 | 0.521 | 0.786 | 0.838 | 0.238 | 0.276 |
条件变量 | 高新质生产力发展 | 非高新质生产力发展 | ||||||
---|---|---|---|---|---|---|---|---|
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 | |
高政策准备力度 | 0.702 | 0.703 | 0.070 | 0.326 | 0.516 | 0.562 | 0.203 | 0.535 |
非高政策准备力度 | 0.562 | 0.517 | 0.099 | 0.471 | 0.727 | 0.726 | 0.185 | 0.372 |
高平台建设水平 | 0.706 | 0.679 | 0.139 | 0.362 | 0.543 | 0.566 | 0.110 | 0.530 |
非高平台建设水平 | 0.549 | 0.525 | 0.133 | 0.503 | 0.692 | 0.719 | 0.151 | 0.417 |
高数据发布质量 | 0.770 | 0.740 | 0.110 | 0.308 | 0.508 | 0.531 | 0.110 | 0.516 |
非高数据发布质量 | 0.512 | 0.490 | 0.064 | 0.571 | 0.751 | 0.78 | 0.113 | 0.394 |
高开发利用程度 | 0.683 | 0.704 | 0.275 | 0.390 | 0.479 | 0.536 | 0.203 | 0.571 |
非高开发利用程度 | 0.550 | 0.493 | 0.328 | 0.453 | 0.735 | 0.716 | 0.133 | 0.358 |
高公众需求强度 | 0.822 | 0.812 | 0.212 | 0.190 | 0.443 | 0.476 | 0.290 | 0.571 |
非高公众需求强度 | 0.470 | 0.437 | 0.313 | 0.548 | 0.825 | 0.834 | 0.142 | 0.340 |
高需求回应能力 | 0.835 | 0.782 | 0.159 | 0.204 | 0.500 | 0.508 | 0.281 | 0.521 |
非高需求回应能力 | 0.475 | 0.467 | 0.316 | 0.521 | 0.786 | 0.838 | 0.238 | 0.276 |
组合情况 | 组间一致性/ 覆盖度 | 年份 | |||||
---|---|---|---|---|---|---|---|
2019 | 2020 | 2021 | 2022 | 2023 | |||
情况1 | 高政策准备力度与非高新质生产力发展 | 组间一致性 | 0.493 | 0.417 | 0.527 | 0.464 | 0.655 |
组间覆盖度 | 0.501 | 0.478 | 0.563 | 0.558 | 0.679 | ||
情况2 | 高开发利用程度与高新质生产力发展 | 组间一致性 | 0.826 | 0.814 | 0.797 | 0.739 | 0.619 |
组间覆盖度 | 0.758 | 0.758 | 0.713 | 0.728 | 0.565 | ||
情况3 | 高开发利用程度与非高新质生产力发展 | 组间一致性 | 0.349 | 0.547 | 0.561 | 0.467 | 0.479 |
组间覆盖度 | 0.637 | 0.493 | 0.462 | 0.515 | 0.647 | ||
情况4 | 非高开发利用程度与高新质生产力发展 | 组间一致性 | 0.796 | 0.456 | 0.398 | 0.508 | 0.614 |
组间覆盖度 | 0.543 | 0.509 | 0.496 | 0.459 | 0.443 | ||
情况5 | 高公众需求强度与高新质生产力发展 | 组间一致性 | 0.961 | 0.583 | 0.900 | 0.777 | 0.903 |
组间覆盖度 | 0.729 | 0.840 | 0.900 | 0.851 | 0.773 | ||
情况6 | 高公众需求强度与非高新质生产力发展 | 组间一致性 | 0.588 | 0.334 | 0.484 | 0.330 | 0.479 |
组间覆盖度 | 0.458 | 0.466 | 0.446 | 0.404 | 0.607 | ||
情况7 | 非高公众需求强度与高新质生产力发展 | 组间一致性 | 0.285 | 0.629 | 0.445 | 0.456 | 0.541 |
组间覆盖度 | 0.403 | 0.494 | 0.484 | 0.378 | 0.412 | ||
情况8 | 高需求回应能力与非高新质生产力发展 | 组间一致性 | 0.436 | 0.382 | 0.415 | 0.660 | 0.578 |
组间覆盖度 | 0.450 | 0.458 | 0.486 | 0.503 | 0.621 | ||
情况9 | 非高需求回应能力与高新质生产力发展 | 组间一致性 | 0.454 | 0.562 | 0.597 | 0.268 | 0.477 |
组间覆盖度 | 0.439 | 0.484 | 0.525 | 0.413 | 0.433 | ||
情况10 | 非高需求回应能力与非高新质生产力发展 | 组间一致性 | 0.818 | 0.914 | 0.963 | 0.560 | 0.711 |
组间覆盖度 | 0.812 | 0.762 | 0.780 | 0.966 | 0.955 |
组合情况 | 组间一致性/ 覆盖度 | 年份 | |||||
---|---|---|---|---|---|---|---|
2019 | 2020 | 2021 | 2022 | 2023 | |||
情况1 | 高政策准备力度与非高新质生产力发展 | 组间一致性 | 0.493 | 0.417 | 0.527 | 0.464 | 0.655 |
组间覆盖度 | 0.501 | 0.478 | 0.563 | 0.558 | 0.679 | ||
情况2 | 高开发利用程度与高新质生产力发展 | 组间一致性 | 0.826 | 0.814 | 0.797 | 0.739 | 0.619 |
组间覆盖度 | 0.758 | 0.758 | 0.713 | 0.728 | 0.565 | ||
情况3 | 高开发利用程度与非高新质生产力发展 | 组间一致性 | 0.349 | 0.547 | 0.561 | 0.467 | 0.479 |
组间覆盖度 | 0.637 | 0.493 | 0.462 | 0.515 | 0.647 | ||
情况4 | 非高开发利用程度与高新质生产力发展 | 组间一致性 | 0.796 | 0.456 | 0.398 | 0.508 | 0.614 |
组间覆盖度 | 0.543 | 0.509 | 0.496 | 0.459 | 0.443 | ||
情况5 | 高公众需求强度与高新质生产力发展 | 组间一致性 | 0.961 | 0.583 | 0.900 | 0.777 | 0.903 |
组间覆盖度 | 0.729 | 0.840 | 0.900 | 0.851 | 0.773 | ||
情况6 | 高公众需求强度与非高新质生产力发展 | 组间一致性 | 0.588 | 0.334 | 0.484 | 0.330 | 0.479 |
组间覆盖度 | 0.458 | 0.466 | 0.446 | 0.404 | 0.607 | ||
情况7 | 非高公众需求强度与高新质生产力发展 | 组间一致性 | 0.285 | 0.629 | 0.445 | 0.456 | 0.541 |
组间覆盖度 | 0.403 | 0.494 | 0.484 | 0.378 | 0.412 | ||
情况8 | 高需求回应能力与非高新质生产力发展 | 组间一致性 | 0.436 | 0.382 | 0.415 | 0.660 | 0.578 |
组间覆盖度 | 0.450 | 0.458 | 0.486 | 0.503 | 0.621 | ||
情况9 | 非高需求回应能力与高新质生产力发展 | 组间一致性 | 0.454 | 0.562 | 0.597 | 0.268 | 0.477 |
组间覆盖度 | 0.439 | 0.484 | 0.525 | 0.413 | 0.433 | ||
情况10 | 非高需求回应能力与非高新质生产力发展 | 组间一致性 | 0.818 | 0.914 | 0.963 | 0.560 | 0.711 |
组间覆盖度 | 0.812 | 0.762 | 0.780 | 0.966 | 0.955 |
关系组合 | 东部地区 | 中部地区 | 西部地区 |
---|---|---|---|
高政策准备力度与 高新质生产力发展 | 天津、上海、浙江、福建、海南 | — | 贵州 |
高平台建设水平与 高新质生产力发展 | 北京、上海、江苏、浙江、广东 | 江西 | 陕西、新疆 |
高数据发布质量与 高新质生产力发展 | 北京、江苏、浙江、广东 | 江西、河南 | 陕西、新疆 |
高开发利用程度与 高新质生产力发展 | 北京、江苏、浙江、山东、广东 | 河南 | 陕西、新疆 |
高公众需求强度与 高新质生产力发展 | 北京、江苏、浙江、山东、广东 | 河南 | 四川、新疆 |
高需求回应能力与 高新质生产力发展 | 北京、江苏、浙江、山东、广东 | 江西 | 陕西、新疆 |
关系组合 | 东部地区 | 中部地区 | 西部地区 |
---|---|---|---|
高政策准备力度与 高新质生产力发展 | 天津、上海、浙江、福建、海南 | — | 贵州 |
高平台建设水平与 高新质生产力发展 | 北京、上海、江苏、浙江、广东 | 江西 | 陕西、新疆 |
高数据发布质量与 高新质生产力发展 | 北京、江苏、浙江、广东 | 江西、河南 | 陕西、新疆 |
高开发利用程度与 高新质生产力发展 | 北京、江苏、浙江、山东、广东 | 河南 | 陕西、新疆 |
高公众需求强度与 高新质生产力发展 | 北京、江苏、浙江、山东、广东 | 河南 | 四川、新疆 |
高需求回应能力与 高新质生产力发展 | 北京、江苏、浙江、山东、广东 | 江西 | 陕西、新疆 |
检验方法 | 条件变量 | 平均值 | 标准差 | 卡方/F | 显著性 |
---|---|---|---|---|---|
单因素方差分析 | 政策准备力度 | 0.733 | 0.236 | 2.210 | 0.143 |
Kruskal-Wallis秩和检验 | 平台建设水平 | 0.739 | 0.292 | 2.622 | 0.270 |
数据发布质量 | 0.761 | 0.294 | 4.346 | 0.114 | |
开发利用程度 | 0.743 | 0.311 | 2.907 | 0.234 | |
公众需求强度 | 0.764 | 0.231 | 2.189 | 0.335 | |
需求回应能力 | 0.747 | 0.235 | 2.486 | 0.289 |
检验方法 | 条件变量 | 平均值 | 标准差 | 卡方/F | 显著性 |
---|---|---|---|---|---|
单因素方差分析 | 政策准备力度 | 0.733 | 0.236 | 2.210 | 0.143 |
Kruskal-Wallis秩和检验 | 平台建设水平 | 0.739 | 0.292 | 2.622 | 0.270 |
数据发布质量 | 0.761 | 0.294 | 4.346 | 0.114 | |
开发利用程度 | 0.743 | 0.311 | 2.907 | 0.234 | |
公众需求强度 | 0.764 | 0.231 | 2.189 | 0.335 | |
需求回应能力 | 0.747 | 0.235 | 2.486 | 0.289 |
条件变量 | 高新质生产力发展 | 非高新质生产力发展 | |||||||
---|---|---|---|---|---|---|---|---|---|
M1 | M2 | M3 | M4 | M5 | |||||
S1 | S2 | S3 | S4 | NS1 | NS2 | NS3 | NS4 | NS5 | |
政策准备力度 | ⊗ | ● | ⊗ | ⊗ | ● | ● | |||
平台建设水平 | ⊗ | ● | ● | ⊗ | ⊗ | ● | ⊗ | ● | |
数据发布质量 | ⊗ | ● | ● | ⊗ | ⊗ | ⊗ | ⊗ | ||
开发利用程度 | ⊗ | ● | ⊗ | ⊗ | |||||
公众需求强度 | ● | ● | ● | ● | ⊗ | ⊗ | ⊗ | ⊗ | |
需求回应能力 | ● | ● | ● | ● | ⊗ | ⊗ | ⊗ | ⊗ | ⊗ |
一致性 | 0.943 | 0.897 | 0.917 | 0.905 | 0.955 | 0.954 | 0.968 | 0.969 | 0.968 |
原始覆盖度 | 0.304 | 0.535 | 0.297 | 0.317 | 0.296 | 0.517 | 0.251 | 0.225 | 0.231 |
唯一覆盖度 | 0.094 | 0.024 | 0.008 | 0.048 | 0.036 | 0.266 | 0.008 | 0.018 | 0.029 |
组间一致性调整距离 | 0.000 | 0.026 | 0.003 | 0.032 | 0.009 | 0.023 | 0.000 | 0.000 | 0.000 |
组内一致性调整距离 | 0.000 | 0.068 | 0.018 | 0.063 | 0.136 | 0.154 | 0.009 | 0.000 | 0.000 |
解的一致性 | 0.899 | 0.946 | |||||||
解的覆盖度 | 0.711 | 0.697 |
条件变量 | 高新质生产力发展 | 非高新质生产力发展 | |||||||
---|---|---|---|---|---|---|---|---|---|
M1 | M2 | M3 | M4 | M5 | |||||
S1 | S2 | S3 | S4 | NS1 | NS2 | NS3 | NS4 | NS5 | |
政策准备力度 | ⊗ | ● | ⊗ | ⊗ | ● | ● | |||
平台建设水平 | ⊗ | ● | ● | ⊗ | ⊗ | ● | ⊗ | ● | |
数据发布质量 | ⊗ | ● | ● | ⊗ | ⊗ | ⊗ | ⊗ | ||
开发利用程度 | ⊗ | ● | ⊗ | ⊗ | |||||
公众需求强度 | ● | ● | ● | ● | ⊗ | ⊗ | ⊗ | ⊗ | |
需求回应能力 | ● | ● | ● | ● | ⊗ | ⊗ | ⊗ | ⊗ | ⊗ |
一致性 | 0.943 | 0.897 | 0.917 | 0.905 | 0.955 | 0.954 | 0.968 | 0.969 | 0.968 |
原始覆盖度 | 0.304 | 0.535 | 0.297 | 0.317 | 0.296 | 0.517 | 0.251 | 0.225 | 0.231 |
唯一覆盖度 | 0.094 | 0.024 | 0.008 | 0.048 | 0.036 | 0.266 | 0.008 | 0.018 | 0.029 |
组间一致性调整距离 | 0.000 | 0.026 | 0.003 | 0.032 | 0.009 | 0.023 | 0.000 | 0.000 | 0.000 |
组内一致性调整距离 | 0.000 | 0.068 | 0.018 | 0.063 | 0.136 | 0.154 | 0.009 | 0.000 | 0.000 |
解的一致性 | 0.899 | 0.946 | |||||||
解的覆盖度 | 0.711 | 0.697 |
条件变量 | 提高PRI阈值至0.750 | 提高频数阈值至2 | |||||
---|---|---|---|---|---|---|---|
S1 | S2 | S3 | S1 | S2 | S3 | S4 | |
政策准备力度 | ⊗ | ● | ⊗ | ● | ● | ||
平台建设水平 | ⊗ | ● | ⊗ | ● | ● | ||
数据发布质量 | ● | ● | ⊗ | ● | ● | ||
开发利用程度 | ● | ⊗ | ● | ⊗ | ⊗ | ● | ● |
公众需求强度 | ● | ● | ● | ● | ● | ● | ● |
需求回应能力 | ● | ● | ● | ● | ● | ● | ● |
一致性 | 0.953 | 0.924 | 0.919 | 0.939 | 0.917 | 0.919 | 0.905 |
原始覆盖度 | 0.256 | 0.303 | 0.475 | 0.287 | 0.297 | 0.475 | 0.464 |
唯一覆盖度 | 0.044 | 0.054 | 0.212 | 0.099 | 0.036 | 0.024 | 0.007 |
组间一致性调整距离 | 0.020 | 0.023 | 0.000 | 0.000 | 0.003 | 0.023 | 0.017 |
组内一致性调整距离 | 0.014 | 0.050 | 0.000 | 0.000 | 0.018 | 0.050 | 0.059 |
解的一致性 | 0.915 | 0.861 | |||||
解的覆盖度 | 0.607 | 0.734 |
条件变量 | 提高PRI阈值至0.750 | 提高频数阈值至2 | |||||
---|---|---|---|---|---|---|---|
S1 | S2 | S3 | S1 | S2 | S3 | S4 | |
政策准备力度 | ⊗ | ● | ⊗ | ● | ● | ||
平台建设水平 | ⊗ | ● | ⊗ | ● | ● | ||
数据发布质量 | ● | ● | ⊗ | ● | ● | ||
开发利用程度 | ● | ⊗ | ● | ⊗ | ⊗ | ● | ● |
公众需求强度 | ● | ● | ● | ● | ● | ● | ● |
需求回应能力 | ● | ● | ● | ● | ● | ● | ● |
一致性 | 0.953 | 0.924 | 0.919 | 0.939 | 0.917 | 0.919 | 0.905 |
原始覆盖度 | 0.256 | 0.303 | 0.475 | 0.287 | 0.297 | 0.475 | 0.464 |
唯一覆盖度 | 0.044 | 0.054 | 0.212 | 0.099 | 0.036 | 0.024 | 0.007 |
组间一致性调整距离 | 0.020 | 0.023 | 0.000 | 0.000 | 0.003 | 0.023 | 0.017 |
组内一致性调整距离 | 0.014 | 0.050 | 0.000 | 0.000 | 0.018 | 0.050 | 0.059 |
解的一致性 | 0.915 | 0.861 | |||||
解的覆盖度 | 0.607 | 0.734 |
[1] | 魏益华, 杨璐维. 突发公共事件下政府数据开放与公共治理效率提升——基于四方演化博弈的分析[J]. 经济纵横, 2022(7): 69-77. |
[2] | 白雪洁, 艾阳, 娜梅雅. 以人民为中心推动高质量服务经济发展:内涵要求、理论逻辑与路径探索[J]. 经济纵横, 2024(10): 77-93. |
[3] | 陈保启, 靳福磊. 新型基础设施、数实融合与实体经济发展——来自国家“智慧城市”试点的证据[J]. 工业技术经济, 2024, 43(10): 52-62. |
[4] | 许中缘, 郑煌杰. 数据要素赋能新质生产力:内在机理、现实障碍与法治进路[J]. 上海经济研究, 2024(5): 37-52. |
[5] | 黄群慧, 盛方富. 新质生产力系统:要素特质、结构承载与功能取向[J].改革,2024(2):15-24. |
[6] | 金碚. 论新质生产力研究的经济学思维[J]. 西部论坛, 2024, 34(2): 1-8. |
[7] | 张夏恒, 刘彩霞. 数据要素推进新质生产力实现的内在机制与路径研究[J]. 产业经济评论, 2024(3): 171-184. |
[8] | 焦勇, 高月鹏. 数据要素赋能新质生产力涌现:供给创新与需求牵引的解释[J]. 新疆社会科学, 2024(4): 38-51. |
[9] | 任明, 王为久, 周文泓, 等. 数据要素市场化推进:进展、问题与对策[J]. 图书情报知识, 2024, 41(5): 25-35. |
[10] | 张林, 蒲清平. 新质生产力的内涵特征、理论创新与价值意蕴[J]. 重庆大学学报(社会科学版), 2023, 29(6): 137-148. |
[11] | 杨秀云, 韩奇. 公共数据开放能提升企业全要素生产率吗?[J]. 证券市场导报, 2023(12): 18-30. |
[12] | Dawes S S, Vidiasova L, Parkhimovich O. Planning and designing open government data programs: an ecosystem approach[J]. Government Information Quarterly, 2016, 33(1): 15-27. |
[13] | Zuiderwijk A M G, Janssen M, Choenni S, et al. Socio-technical impediments of open data[J]. Electronic Journal of E-government, 2012, 10(2): 156-172. |
[14] | 金碚. 试论经济学的域观范式——兼议经济学中国学派研究[J]. 管理世界, 2019, 35(2): 7-23. |
[15] | 管智超, 付敏杰, 杨巨声. 新质生产力研究进展与进路展望[J]. 北京工业大学学报(社会科学版), 2024, 24(3): 125-138. |
[16] | 郑磊, 刘新萍. 我国公共数据开放利用的现状、体系与能力建设研究[J]. 经济纵横, 2024(1): 86-92. |
[17] | 赵龙文, 方俊, 莫进朝. 以平台为核心的政府开放数据应用生态及价值共创研究[J]. 情报科学, 2022, 40(8): 56-63. |
[18] | Corsar D, Edwards P, Nelson J, et al. Linking open data and the crowd for real-time passenger information[J]. Journal of Web Semantics, 2017, 43: 18-24. |
[19] | Huber F, Wainwright T, Rentocchini F. Open data for open innovation: managing absorptive capacity in SMEs[J]. RD Management, 2020, 50(1): 31-46. |
[20] | 顾嘉琪, 袁莉. 基于公众需求的政府数据开放服务质量提升研究[J]. 情报杂志, 2020, 39(6): 196-202. |
[21] | Aldrich H E, Ruef M. Organizations evolving[M]. London: Sage, 2006: 243-247. |
[22] | 杜运周, 刘秋辰, 程建青. 什么样的营商环境生态产生城市高创业活跃度?——基于制度组态的分析[J]. 管理世界, 2020, 36(9): 141-155. |
[23] | 马克思.资本论:第1卷[M]//马克思, 恩格斯. 马克思恩格斯全集:第23卷.北京:人民出版社, 1972: 201-210. |
[24] | 任宇新, 吴艳, 伍喆. 金融集聚、产学研合作与新质生产力[J]. 财经理论与实践, 2024, 45(3):27-34. |
[25] | 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. |
[26] | 蒲清平, 向往. 新质生产力的内涵特征、内在逻辑和实现途径——推进中国式现代化的新动能[J]. 新疆师范大学学报(哲学社会科学版), 2024, 45(1): 77-85. |
[27] | 张涛. 新质生产力本身就是绿色生产力论析[J]. 思想理论教育, 2024(11): 35-42. |
[28] | 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. |
[29] | 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. |
[30] | 方锦程, 刘颖, 高昊宇, 等. 公共数据开放能否促进区域协调发展?——来自政府数据平台上线的准自然实验[J]. 管理世界, 2023, 39(9): 124-142. |
[1] | Long CHENG, Yaning PAN. The Logical Dimensions of Artificial Intelligence in Shaping New Quality Productive Forces [J]. Journal of Northeastern University(Social Science), 2025, 27(4): 128-135. |
[2] | Liwei ZHANG, Di ZHANG. Theoretical Logic, Strategic Focus and Key Pathways for New Quality Productive Forces to Empower the Comprehensive Revitalization of Northeast China [J]. Journal of Northeastern University(Social Science), 2025, 27(4): 1-9. |
[3] | XU Feng, YAO Mingming. Theoretical Logic and Practical Approach of Promoting High-Quality Industrial Development in Northeast China Through New Quality Productive Forces [J]. Journal of Northeastern University(Social Science), 2024, 26(6): 19-27. |
[4] | ZHANG Zhanbin, YAN Li. Promoting the Comprehensive Revitalization of Northeast China in the New Era with the Coordinated Development of New Quality Productive Forces and New Relations of Production [J]. Journal of Northeastern University(Social Science), 2024, 26(6): 9-18. |
Viewed | ||||||
Full text |
|
|||||
Abstract |
|
|||||