新冠肺炎疫情沖擊下長三角經(jīng)濟韌性及影響因素分析

魏 峰 殷文星 胡本田

（安徽大學經(jīng)濟學院，合肥 230000）

引 言

自2020年新冠肺炎疫情（下文簡稱 “疫情”）爆發(fā)以來，全球經(jīng)濟發(fā)展變緩，就業(yè)形勢嚴峻。面對變幻莫測的外部環(huán)境，中國各地區(qū)都希望能抵御沖擊，使得經(jīng)濟系統(tǒng)最大限度降低損害，擺脫困境。而經(jīng)濟韌性是防護巨大沖擊的一個強大的支撐系統(tǒng)，提升經(jīng)濟韌性有利于增強經(jīng)濟系統(tǒng)抵抗沖擊的能力。因此在疫情背景下討論經(jīng)濟韌性對地區(qū)防范重大沖擊具有重要的現(xiàn)實意義。

城市群作為區(qū)域經(jīng)濟的研究范疇，越來越受到國內外的高度關注。習近平同志在十九大報告中指出 “以城市群為主體構建大中小城市和小城鎮(zhèn)協(xié)調發(fā)展的城鎮(zhèn)格局”。作為中國受關注度最高、區(qū)域經(jīng)濟發(fā)展最快的城市群之一，長三角城市群在我國現(xiàn)代化建設中擁有至關重要的地位。長三角城市群作為我國區(qū)域一體化的前列兵，在受到疫情沖擊后的區(qū)域經(jīng)濟韌性表現(xiàn)如何，如何提升長三角地區(qū)的經(jīng)濟韌性是需要深入探討的問題。提升長三角城市群的經(jīng)濟韌性以應對未來的沖擊，將有助于中國 “長三角一體化”戰(zhàn)略的推進。

1 文獻綜述

近年來，韌性的概念受到了許多學者的探討和完善。 1973年， 生態(tài)學家 Holling （1973）［1］第一次把韌性概念引入到生態(tài)學領域。隨著人們對韌性的理解不斷深入，近年來韌性成為社會各界的關注熱點，韌性概念也被引入到經(jīng)濟學領域，許多經(jīng)濟學家對其展開了深入研究。

在理論研究方面，學者將經(jīng)濟韌性的概念與其他學科韌性概念進行了區(qū)分。首先，世界各地隨時都會遭受不同的經(jīng)濟沖擊，有的地方在沖擊后能夠快速恢復，而有的地方不能。那么是什么原因導致了這種異質性引起了學術界的廣泛關注［2］。由于經(jīng)濟韌性的概念起初引用了生態(tài)學領域中生態(tài)韌性的多重均衡的思想，而均衡系統(tǒng)不隨時間而變動，這與經(jīng)濟系統(tǒng)會隨時間變化而變化的動態(tài)思想相矛盾。經(jīng)濟韌性也因此遭受到了許多批評之聲。 之后 Simmie 和 Martin （2010）［3］、 Folke 等（2010）［4］基于演化的角度， 強調韌性是一個連續(xù)的、動態(tài)的、不斷進行的過程，韌性并不一定意味著回到原有的狀態(tài)，而是可能轉變?yōu)橐粋€新的（理想的、更好的）狀態(tài)。這理清了經(jīng)濟韌性同其他領域韌性的區(qū)分。在此基礎上，經(jīng)濟韌性的理論部分不斷得到完善，演化特征也得到了廣泛地接受。此后對于經(jīng)濟韌性的概念，Wink （2014）［5］認為區(qū)域經(jīng)濟韌性是一種避免、抵御或適應危機以及應對不良條件時的能力。 Martin和 Sunley （2015）［6］將區(qū)域經(jīng)濟韌性定義為區(qū)域經(jīng)濟系統(tǒng)面對各種沖擊時抵抗或者恢復發(fā)展狀態(tài)的能力，它包含抵抗力、恢復力、重新定位和更新。借助演化的思想，李連剛等 （2019）［7］認為經(jīng)濟韌性抵抗力主要表示區(qū)域經(jīng)濟體抵御各種沖擊而導致偏離了正常的發(fā)展軌道；恢復力主要表示區(qū)域經(jīng)濟體通過各種途徑使得經(jīng)濟體能夠恢復到初始的發(fā)展狀況或者轉向一個更好的發(fā)展路線。

在實證研究中，多數(shù)學者對經(jīng)濟韌性進行測度并做出影響因素分析。 Martin（2012）［8］利用就業(yè)水平的變化，測算了英國各地區(qū)的經(jīng)濟韌性。Bergeijk等（2017）［9］把經(jīng)濟韌性表示為金融危機導致世界各國貿(mào)易量的降低量。陳奕瑋和丁關良（2020）［10］通過綜合評價指標體系法測度了我國264個城市的經(jīng)濟韌性。王奇珍和朱英明 （2021）［11］測算了2008年金融危機以來中國城市的經(jīng)濟韌性，并做了影響因素研究。 鞏燦娟等 （2022）［12］研究了2011～2018年中國三大城市群經(jīng)濟韌性的時空演變及影響因素。陳平安 （2022）［13］通過人口集聚的視角探究了城市經(jīng)濟韌性。在疫情沖擊下的論文較少，韓愛華等 （2021）［14］對疫情下中國省域的經(jīng)濟韌性進行測度并做了部分影響因素分析；曾冰 （2021）［15］對疫情下的省域經(jīng)濟韌性進行了測度。

綜上所述，本文認為經(jīng)濟韌性是一個地區(qū)在應對給定沖擊時的抵抗能力與恢復或實現(xiàn)路徑突破能力。已有文獻對區(qū)域經(jīng)濟韌性的理論研究比較完善，但實證研究仍有許多不足。主要表現(xiàn)在以下兩個方面：（1）當前研究對經(jīng)濟韌性的空間關聯(lián)性探究較少；（2）當前疫情在全球肆虐，少有文獻對疫情沖擊下的經(jīng)濟韌性展開探討，對具體城市經(jīng)濟韌性的研究更是鳳毛麟角。研究的區(qū)域不夠具體，就不能很好地捕捉到當?shù)亟?jīng)濟系統(tǒng)的動態(tài)，更難以觀察不同城市存在的異質性。因此基于地級市的數(shù)據(jù)對各區(qū)域經(jīng)濟韌性進行觀測和分析是很有必要的。鑒于此，本文選取長三角城市群中心區(qū)26個地級市，從抵抗力和恢復力兩個角度測度其在應對突發(fā)的新冠肺炎疫情時的經(jīng)濟韌性特征，考慮了空間相關性，并做影響因素分析。

2 研究方法與數(shù)據(jù)來源

2.1 研究方法

2.1.1 經(jīng)濟韌性測度方法

目前度量經(jīng)濟韌性的方式主要有兩種，一種是構造多種指標綜合權重來測度，一種是核心變量的敏感性指數(shù)法。綜合指標體系法通過一系列的指標體系來測度經(jīng)濟韌性， Briguglio等 （2006）［16］最早使用了此種方法。但是此種方法并沒有一個學術界公認的指標和各指標所賦予的權重。而且有些情況表明已有的研究所選擇的指標體系在測度區(qū)域經(jīng)濟韌性的應用中并不精準［17］。

近年來相關文獻開始選擇敏感性指標體系法，通常考慮沖擊前的一年的就業(yè)或者產(chǎn)出作為基期，發(fā)生沖擊后與前一期的差值變化度量經(jīng)濟韌性。許多文獻采用了反事實條件下的數(shù)據(jù)指標進行測算［14，18，19］。 此法通過沖擊后某個地區(qū) GDP 或就業(yè)人口和趨勢值的差異來衡量經(jīng)濟韌性水平。故本文使用敏感性指數(shù)法測度經(jīng)濟韌性。借鑒Martin（2012）［8］使用就業(yè)水平度量了經(jīng)濟韌性水平，構建了抵抗力的敏感性指數(shù)：

其中βr是一個 “敏感性指數(shù)”，E代表就業(yè)水平，ΔE／E是就業(yè)水平的百分比變化，r為地區(qū)水平，N為全國水平。

Martin這種測算方式被眾多學者所認可，如Faggian等 （2018）［20］參考此種測算方式測算了意大利地區(qū)金融危機后的經(jīng)濟韌性，修改后的模型為：

其中SI代表敏感性指數(shù)，Er為地區(qū)（r）的總就業(yè)人數(shù)，En為全國總就業(yè)人數(shù)，時期t為衰退時期，時期t-1為衰退前時期，該指數(shù)類似于總就業(yè)的 “區(qū)位商”，因此以1為中心。

Martin 等 （2016）［19］對之前方法的利與弊進行了探討，并做了一定的修正。修正后的測算敏感性指數(shù)的公式為：

其中Resisr和Recovr分別表示抵抗力和恢復力，分別表示衰退期和恢復期的就業(yè)水平變化，為如果沒有沖擊時預期的就業(yè)水平變化。如對于2008年金融危機，可設置2008～2009年為經(jīng)濟衰退期，2009～2011為經(jīng)濟恢復期。

本文測度經(jīng)濟韌性的方法主要借助于式 （1）～（4）。本文敏感性指數(shù)定義設置如下：

其中βresist為抵抗力指標，βrecover為恢復力指標，Er為r地區(qū)全社會就業(yè)總人數(shù)和GDP，En為全國就業(yè)總人數(shù)，t為時間，取2020年和2021年； （Er，t）預測為若沒有疫情沖擊時r地區(qū)在t年應有的就業(yè)人數(shù)和GDP， （En，t）實際為疫情沖擊下r地區(qū)的實際就業(yè)人數(shù)和GDP。根據(jù)定義，方程 （5）以1為中心，方程 （6）以0為中心，若βresist大于1則該地區(qū)比整個國家更有抵抗力，小于1則該地區(qū)抵抗力小于整個國家，受到的影響更大。當前主要測算經(jīng)濟韌性的指標是就業(yè)水平和GDP。許多文獻使用就業(yè)水平來衡量，最具代表性的是Matin的研究，許多研究都借鑒他的方式，也有許多文章使用 GDP 進行衡量。 Davies［21］和 Brakman 等［22］使用這兩種指標從不同角度衡量了經(jīng)濟韌性。本文同時用兩種指標來測算經(jīng)濟韌性，使用就業(yè)人數(shù)指標測度了2020年抵抗力，使用GDP指標測度2020年、2021年的恢復力。同時本文參考Faggian等 （2018）［19］的方式，利用上述抵抗力和恢復力公式將地區(qū)經(jīng)濟韌性分為4組，如表1。

表1 經(jīng)濟韌性類型

2.1.2 空間相關性分析

由于空間單元之間不是相互獨立存在的，長三角城市群不同城市之間可能存在空間關聯(lián)性。相鄰城市的經(jīng)濟韌性水平可能會影響到本市的經(jīng)濟韌性水平。故有必要對城市之間的經(jīng)濟韌性指標進行空間相關性檢驗。

（1）空間權重矩陣的選擇

本文同時構建了3種權重矩陣。地理距離矩陣（W1）構建如下：

其中dij表示i城市與j城市之間的距離，通過相應城市的經(jīng)緯度坐標計算得到。

經(jīng)濟距離矩陣（W2）構建如下：

經(jīng)濟和地理距離嵌套矩陣（W3）構建如下：

其中λ表示W(wǎng)1和W2所占的重要性程度，這里取λ＝0.5。此矩陣同時考慮地理和經(jīng)濟的因素，具有綜合性。本文所有空間權重矩陣在計算時皆標準化處理。

（2） Moran's I與Geary's C指數(shù)

為對經(jīng)濟韌性指標進行全面的空間相關性檢驗，分別采用全局自相關和局部自相關指數(shù)進行分析，全局相關性采用Moran's I與Geary's C指數(shù)進行計算，其計算公式分別如下：

莫蘭指數(shù)的取值一般在［-1，1］，大于0時代表空間正相關，小于0時代表空間負相關；吉爾里指數(shù)一般在［0，2］（2非嚴格上限），小于1時代表空間正相關，等于1表示不相關，大于1時代表空間負相關。

如果要考察某個城市與相鄰的城市的空間聯(lián)動效應，可以使用局部Moran's I，具體構建如下：

2.1.3 經(jīng)濟韌性影響因素分析

地理探測器是近年來探究空間分異性，并探測出背后驅動力的新的統(tǒng)計學方法。地理探測器在假設方面比傳統(tǒng)計量模型少，無線性假設，有明確的物理含義，近年來在自然科學、社會科學等領域得到廣泛應用［23］。其因子探測器板塊是檢測某個因子多大程度解釋了因變量的空間分異。使用q值大小來衡量，公式為：

q值的取值在［0，1］，越大表示因子解釋力越強。h＝1，…，L為分類數(shù)。Nh和N分別是類h和所有類的單元數(shù)。和σ分別是類h和所有類的因變量值的方差。

交互作用探測板塊是探測不同解釋因子共同作用是否會增強或減弱對因變量的解釋力。

2.2 數(shù)據(jù)來源

本文基于長三角城市群中心區(qū)26市2000～2019年的全社會就業(yè)人數(shù)與GDP指標對2020年的全社會就業(yè)人數(shù)和2020年與2021年的GDP指標進行反事實的預測，進而測算2020年、2021年不同城市在疫情沖擊下的經(jīng)濟韌性指標。數(shù)據(jù)均來自于2000～2021年 《中國城市統(tǒng)計年鑒》、長三角城市群各省（區(qū)、市）的統(tǒng)計年鑒和統(tǒng)計公報。

3 結果與分析

3.1 經(jīng)濟韌性空間布局

本文使用灰色預測模型［24，25］對2020年的全社會就業(yè)人數(shù)，2020年和2021年的GDP指標進行預測。就業(yè)人數(shù)屬于人口預測，故使用灰色Verhulst模型進行預測比較合理。結果表明，基本上后驗差比值c＜0.35，小誤差概率p＞0.35。而GDP指標使用 GM（1，1）和基于背景值優(yōu)化的 GM（1，1）預測效果整體都不如Verhulst模型的預測效果好，Verhulst模型除了對滁州、宣城、杭州三市的預測結果不太理想之外，其他市的預測結果很可觀，后驗差比值全部小于0.1，小誤差概率皆為1。利用Verhulst模型對滁州、宣城兩市預測效果不太理想，但使用基于背景值優(yōu)化的GM（1，1）模型預測效果比較可觀，故此兩市使用基于背景值優(yōu)化的GM（1，1）模型進行預測。而杭州市利用以上3種灰色預測模型效果皆不理想，故考慮根據(jù)1970～2019年杭州GDP 數(shù)據(jù)， 使用ARIMA（2，2，0）模型對杭州2020年、2021年GDP指標進行預測，預測效果較為可觀。

本文分別計算了2020年的抵抗力與2020年、2021年的恢復力，通過計算得出2020年、2021年長三角26市的經(jīng)濟韌性指標，如表2所示。

表2 長三角城市群經(jīng)濟韌性測度結果

從整體上看，長三角城市群的經(jīng)濟韌性整體上呈現(xiàn)一定的異質性。江蘇省的城市整體上抵抗力強，大多數(shù)在1以上；2020年的恢復力有向好的趨勢，2021年大多數(shù)城市已經(jīng)恢復。浙江省的城市抵抗力也比較好，2020年恢復力也有部分大于0，有較強的恢復趨勢，2021年大多也恢復到更好的水平。安徽省的城市抵抗力較弱，全部低于1且恢復力也較弱，2020年恢復力全部低于0，2021年有部分城市恢復至較好的水平。將2021年相對于2020年經(jīng)濟韌性恢復力的提升作為韌性恢復。可以看出，基本上韌性恢復都是大于0的，說明恢復力在往良好的方向發(fā)展。

從抵抗力的角度來看，江蘇、浙江的城市抵抗力較強，安徽省的城市抵抗力較弱。整體有一半的城市都大于1。江蘇省僅鹽城市的抵抗力小于1，其他市皆大于1。說明江蘇省作為經(jīng)濟強省，對突發(fā)的疫情沖擊具有較好的抵抗能力。浙江省的金華市具有很強的抵抗能力，可能是因為金華市主導產(chǎn)業(yè)如茶、醫(yī)藥、食品、農(nóng)業(yè)等對于疫情沖擊的反應較小，此類產(chǎn)業(yè)依然能夠維持就業(yè)水平。安徽的城市經(jīng)濟韌性都較弱，僅合肥市和蕪湖市稍強一些。其中銅陵和池州抵抗力最弱，不到全國抵抗力的一半。可能是互聯(lián)網(wǎng)行業(yè)較少，而實體經(jīng)濟較多，疫情的沖擊導致許多人失業(yè)。上海市作為一個國際大都市，有較多的外來人口。在疫情沖擊時，這并不利于疫情防控，還會增加境外輸入的隱患。在境外輸入的數(shù)據(jù)中，上海的境外數(shù)據(jù)是第一位，故上海在疫情的沖擊下抵抗力表現(xiàn)沒有想象的樂觀，為0.953。

從2020年恢復力的角度來看，大多城市恢復力為負。因2020年為疫情突發(fā)的第一年，故大多數(shù)城市2020年的恢復力小于0，但是有整體向好的趨勢。無錫、蘇州、寧波、金華已經(jīng)從疫情的沖擊下恢復過來，復產(chǎn)復工現(xiàn)象一派向好。上海的恢復力水平為-0.026，有向好的趨勢。考慮到上海許多工人來自外地，2020年初期無法回到工作崗位，一定程度上影響其恢復力水平。鹽城、揚州、嘉興、安慶、池州的恢復力皆小于-0.05，將會在一個較長的恢復周期內難以回到正常水平。其中揚州、嘉興、池州恢復力小于-0.06，恢復情況較糟糕。

從2021年的恢復力情況可以看出，大多數(shù)城市已經(jīng)從疫情的沖擊中恢復過來，從2020年恢復力大于0的城市只有4個增加到17個。此時長三角經(jīng)濟發(fā)展速度達到疫情前或更高的水平，僅有南通、揚州、嘉興、臺州、安慶、滁州、池州、宣城的恢復力為負，且有向好的趨勢。已經(jīng)沒有城市的恢復力低于-0.05，可見恢復力之快。安徽的城市因抵抗力較弱相對受到的沖擊更大，但合肥、蕪湖為安徽省經(jīng)濟發(fā)展較為快速的城市，可以看到已經(jīng)恢復到一個較優(yōu)的水平。整體上可以看出在中國政府的帶領下，上下能夠積極應對疫情的突然沖擊。兩年間可以大幅的降低疫情帶來的損害，有效的做到疫情防控，給長三角的經(jīng)濟發(fā)展塑造了良好的動力方向。

將長三角2020年的城市經(jīng)濟韌性分為以下4個類別，如表3所示。可以看到，整體上分類具有一定的異質性，江蘇和浙江省都有高抵抗／快速恢復的城市，這離不開兩省對疫情防控措施的積極推進。但安徽省的各市具有一定的同質性，普遍情況下經(jīng)濟韌性較弱。可能是安徽省實體經(jīng)濟較為廣泛，較易受疫情沖擊的影響并難以短期恢復。而江蘇、浙江大數(shù)據(jù)、互聯(lián)網(wǎng)、金融行業(yè)等應用較為廣泛，疫情期間可以居家辦公，能夠一定程度地抵抗疫情的突然沖擊。

表3 2020年長三角城市群經(jīng)濟韌性類型情況

3.2 經(jīng)濟韌性空間相關性

（1） 全局相關性

考慮到疫情的沖擊對區(qū)域經(jīng)濟韌性具有空間的交互作用。故分別使用3種權重矩陣，對全局相關性的抵抗力和恢復力分別進行了相關性檢驗（結果表略）。整體上2020年和2021年長三角城市群的經(jīng)濟韌性具有顯著的空間效應。說明在疫情沖擊下長三角相鄰各市的抵抗力具有一定的協(xié)同互助的效應，各市有著同心協(xié)力，共同抗擊疫情的良好聯(lián)動力。

分析2020年的經(jīng)濟韌性空間相關性，在3種權重矩陣下，2020年的抵抗力不論是莫蘭指數(shù)還是吉爾里指數(shù)都在1%的水平下正向顯著；恢復力的莫蘭指數(shù)也是顯著的，只有地理矩陣下吉爾里指數(shù)不顯著。對于恢復力而言，聯(lián)動效應沒有抵抗力那么顯著，但也有一定程度的關聯(lián)，只是這種聯(lián)動效應相對較弱。

對于2021年的恢復力空間相關性。從地理距離矩陣角度來看，不論是莫蘭指數(shù)還是吉爾里指數(shù)都表示恢復力并不顯著；從經(jīng)濟距離矩陣來看，莫蘭指數(shù)在10%水平正向顯著，吉爾里指數(shù)在5%水平下顯著，說明2021年的恢復力依然具有一定程度的經(jīng)濟差異空間相關性。但是對比相關性程度可以看出，2021年比2020年恢復力相關性要弱。從經(jīng)濟地理嵌套矩陣上也能看出這一點，可能是因為2021年各城市基本恢復到之前或更好的經(jīng)濟發(fā)展水平，整體上的地理空間的恢復力關聯(lián)性已經(jīng)不再體現(xiàn)。經(jīng)濟距離上，依然有著一定程度的高-高型集聚和低-低型集聚的空間正相關特征，經(jīng)濟發(fā)達的城市依然有著更加相似的恢復力。

（2）局部相關性

為更直觀地感受經(jīng)濟韌性指標的空間相關性，本文使用經(jīng)濟地理距離嵌套矩陣分別繪制了2020年抵抗力和恢復力、2021年恢復力的莫蘭指數(shù)散點圖，如圖1所示。橫坐標表示經(jīng)濟韌性指標標準化后的觀測值，縱坐標為該空間單元的“滯后值”。

圖1 經(jīng)濟地理嵌套矩陣下經(jīng)濟韌性指標散點圖

可以看出，三張圖整體上一、三象限的點占據(jù)較多。大多數(shù)城市2020年抵抗力和恢復力都在第一、第三象限的正相關區(qū)域，表現(xiàn)為高-高聚集和低-低聚集。進一步地說明了2020年抵抗力和恢復力具有顯著的空間正向溢出效應。這也比較符合實際情況，相鄰地區(qū)的抵抗力與恢復力越弱，受到疫情的影響越大，也必將會影響到本市的疫情防控效果。2021年的恢復力相對2020年來說空間溢出效應已經(jīng)沒有那么明顯，分布在二、四象限的城市也相對較多。2021年大多數(shù)城市已經(jīng)恢復到疫情前或更好的水平，此時疫情的惡劣影響有所緩解，相對2020年，各地陸續(xù)復產(chǎn)復工。所以此時各地應對疫情沖擊的經(jīng)濟韌性水平的空間關聯(lián)性也相對變弱。

為具體分析哪些城市呈現(xiàn)正相關的空間聯(lián)動性，將高-高型和低-低型匯總于表4。可以看出，2020年抵抗力和恢復力的高-高集聚的城市大多分布在江蘇和浙江，抵抗力的低-低集聚的城市全部在安徽省。直觀的說明了安徽省整體的抵抗力較弱。2020年抵抗力指標的高-高集聚和低-低集聚的城市共有22個，占研究城市總和的84.6%，恢復力指標的高-高集聚和低-低集聚的城市共有17個，占研究城市總和的65.4%；2021年恢復力指標的高-高集聚和低-低集聚的城市共有15個，占研究城市總和的60%。也進一步證實了長三角城市的抵抗力和恢復力的地區(qū)差異比較顯著，的確存在空間相關性。

表4 經(jīng)濟地理嵌套矩陣下經(jīng)濟韌性空間分布

3.3 影響因素分析

（1）影響因素選取

區(qū)域經(jīng)濟韌性受到諸多因素的影響，如產(chǎn)業(yè)結構、政府管理、創(chuàng)新水平、勞動力狀況、區(qū)域發(fā)展基礎等［6，8，19］。 結合相關文獻的研究、 長三角發(fā)展特征以及本文的研究目的，本文從衛(wèi)生事業(yè)水平、產(chǎn)業(yè)組成、對外開放程度、政府管理、勞動力環(huán)境、區(qū)域發(fā)展基礎、城市建設、人口因素、文化因素以及科技創(chuàng)新水平10個方面探究2020年長三角地區(qū)在疫情沖擊下城市經(jīng)濟韌性的影響因素。

選取衛(wèi)生技術人員占總人口比重（X1）表示衛(wèi)生事業(yè)水平。選取第二產(chǎn)業(yè)占GDP比重（X2）、第三產(chǎn)業(yè)占GDP比重（X3）、第三產(chǎn)業(yè)占第二產(chǎn)業(yè)比重（X4）及規(guī)模以上工業(yè)企業(yè)數(shù)（X5）表示產(chǎn)業(yè)組成。選取進出口總額占GDP比重（X6）表示對外開放程度。選取固定資產(chǎn)投資額占GDP比重（X7）、固定資產(chǎn)投資增長率（X8）、人均公共預算支出（X9）來表示政府管理。選取城鎮(zhèn)失業(yè)率（X10）、失業(yè)參保人員（X11）來表示勞動力環(huán)境。

選取人均GDP（X12）、區(qū)位條件（X13）來表示區(qū)域發(fā)展基礎，其中區(qū)位條件用隸屬于上海市、江蘇省、浙江省、安徽省的城市分別賦值4、3、2、1。選取城鎮(zhèn)化率（X14）、城市建設用地面積（X15）表示城市建設。選取人口密度（X16）、常駐人口（X17）來表示人口因素。選取博物館數(shù)（X18）來表示文化因素。選取專利授權數(shù)（X19）來表示科技創(chuàng)新水平。

（2）影響因素結果分析

使用自然斷點分級法對連續(xù)性的自變量離散化處理，分為5類。結果如表5所示。若不對q值進行顯著性檢驗，q值仍具明確的物理意義［24］。但出于對結論更加可靠性分析，本文依然列出統(tǒng)計學顯著性檢驗結果。為對比分析，將結果進行可視化處理，如圖2所示。分析疫情沖擊下的各影響因子對長三角地區(qū)抵抗力和恢復力的解釋力可以發(fā)現(xiàn)，影響因子對抵抗力和恢復力的解釋力有所差異。

圖2 影響因子q值對比

表5 影響因子q值探測結果

從抵抗力影響因素q值來看，X13＞X19＞X11＞X10＞X5＞X7＞X18＞X16＞X6＞X12＞X17＞X14＞X1＞X15＞X3＞X2＞X4＞X9＞X8。 區(qū)位條件對抵抗力的解釋力最高，達到了0.852，且在1%水平上顯著。說明長三角的城市中因省區(qū)的不同，城市抵抗力產(chǎn)生很大的空間分異性。固定資產(chǎn)投資額增長率對抵抗力解釋力最小，為0.137。大于0.5且統(tǒng)計意義顯著的有X13、X19、X11、X5、X7、X6、X12。說明區(qū)域發(fā)展基礎、科技創(chuàng)新水平、勞動力環(huán)境、產(chǎn)業(yè)組成、政府管理、對外開放程度是長三角疫情沖擊下抵抗力的主要決定因素。

從恢復力的影響因素q值來看，X3＞X1＞X4＞X6＞X9＞X14＞X5＞X12＞X11＞X15＞X16＞X19＞X7＞X10＞X17＞X18＞X13＞X8＞X2。 第三產(chǎn)業(yè)占 GDP 的比重對恢復力的影響最大，為0.544。而第二產(chǎn)業(yè)占GDP比重對恢復力影響最小。說明恢復力對第三產(chǎn)業(yè)的變化敏感性最強，第三產(chǎn)業(yè)占比較高的城市，恢復力往往也較快。也說明產(chǎn)業(yè)組成是影響恢復力的關鍵因素。大于0.4且統(tǒng)計意義顯著的有X1、X3、X4、X6，說明衛(wèi)生事業(yè)水平、產(chǎn)業(yè)組成、對外開放程度對長三角疫情沖擊下恢復力的解釋程度顯著較高。

對比同一因素分別對抵抗力和恢復力的影響作用可以發(fā)現(xiàn)，某些因素對抵抗力和恢復力的解釋力存在較大差異。從圖2中可以明顯看出這一點，如區(qū)位條件（X13），對抵抗力的解釋力最高，對恢復力的解釋力卻極小。因長三角各市隸屬省份不同，在疫情沖擊時，同一省份的各市抵抗力更為相似，但在恢復時長三角各省中各有經(jīng)濟發(fā)展恢復快速和緩慢的城市。所以區(qū)位條件對抵抗力和恢復力的解釋力產(chǎn)生較大的差異。也有一些影響因子對抵抗力和恢復力影響相差不大，如衛(wèi)生事業(yè)水平（X1），對抵抗力和恢復力都有一定的影響，這也比較符合疫情沖擊下的實際情況。

利用交互作用探測器探究多種因子的交互作用對抵抗力和恢復力的影響程度。運用Origin中熱力圖將各因子交互作用影響大小反應在圖3中。可以發(fā)現(xiàn)，影響因子對抵抗力和恢復力的影響并不是獨立存在的，任意兩個因子的交互作用皆大于單個因子對抵抗力和恢復力的解釋力，呈現(xiàn)雙因子或非線性增強效應。

圖3 不同影響因子對經(jīng)濟韌性指標影響的交互作用

從抵抗力的空間分布特征來看，X5∩X12是最主要的推動因素，達到了0.992。表明區(qū)域發(fā)展基礎和產(chǎn)業(yè)組成對抵抗力有很大的積極作用。大于0.95的還有X1∩X10、X1∩X12、X2∩X7、X3∩X12、X4∩X12、X5∩X6、X6∩X7、X6∩X8、X6∩X9、X6∩X13、X7∩X12、X8∩X12、X10∩X12、X12∩X17。其中X6和X12出現(xiàn)次數(shù)最多，進一步體現(xiàn)了區(qū)域發(fā)展基礎和對外開放程度對抵抗力的重要作用。

從恢復力的空間分布特征來看，X3∩X7最大，為0.926。產(chǎn)業(yè)組成和政府管理的共同作用是恢復力提升的重要基礎條件。同時X1∩X15與X3∩X7差異不大，為0.91，表明衛(wèi)生事業(yè)水平和城市建設對恢復力的提升也具有巨大積極作用。且X1與各因素的交互作用多在0.8以上，相較其他因素雙因子增強效應更加明顯。在其他幾種因子現(xiàn)有水平的基礎上，若能提升衛(wèi)生事業(yè)的水平，對疫情下長三角的恢復力有著更加明顯的積極作用。此外，q值大于0.9的還有X4∩X14，表明產(chǎn)業(yè)組成和城市建設的共同作用對恢復力的驅動作用也很明顯。

4 結論與建議

在全球各地遭受著疫情沖擊的背景下，區(qū)域經(jīng)濟韌性的探討越來越受到各界的廣泛關注。本文運用2000～2021年長三角城市群面板數(shù)據(jù)，利用反事實情況下的經(jīng)濟指標對長三角26市面對新冠肺炎疫情沖擊下的經(jīng)濟韌性指標進行測度并進一步分析其空間相關性特征與影響因素。

得出以下主要結論：（1）長三角城市群在面對疫情沖擊時有顯著的空間異質性。總體上，江蘇省和浙江省的經(jīng)濟韌性較強，安徽省的經(jīng)濟韌性較弱；（2）疫情對長三角城市群的經(jīng)濟沖擊是暫時的、可恢復的。至2021年底，僅兩年的時間內大多數(shù)的城市已經(jīng)恢復如疫情前或恢復到更好的水平，長三角區(qū)域經(jīng)濟特征表現(xiàn)出了較強的恢復能力；（3）從2020年的恢復力與2021年的恢復力不同可以看出，衰退和恢復是地區(qū)發(fā)展的時空動態(tài)演變的一部分，在區(qū)域間和區(qū)域內對連續(xù)衰退沖擊的恢復性方面也存在顯著差異，這與Martint等 （2016）［19］的研究結論一致； （4） 長三角城市群經(jīng)濟韌性整體具有空間正向關聯(lián)性，特別是2020年抵抗力的空間正向關聯(lián)性較為明顯，各城市間經(jīng)濟韌性呈現(xiàn)高-高集聚和低-低集聚的聯(lián)動效應。在疫情沖擊時，長三角各城市之間能夠一定程度的在政府的響應下同心協(xié)力，共同抗擊疫情，有效形成了 “長三角一體化”特征，為制造快速的恢復力奠定了堅實的基礎條件；（5）區(qū)域發(fā)展基礎、科技創(chuàng)新水平、勞動力環(huán)境、產(chǎn)業(yè)組成、政府管理、對外開放程度是長三角疫情沖擊下抵抗力的主要決定因素。衛(wèi)生事業(yè)水平、產(chǎn)業(yè)組成、對外開放程度是長三角疫情沖擊下恢復力的主要決定因素。

結合本文的分析，提出以下幾點建議以提升區(qū)域經(jīng)濟韌性：（1）提高失業(yè)保險政策的精準度，加大基礎設施建設，優(yōu)化市場的運行環(huán)境； （2）將抵抗力與恢復力形成有機結合。面對沖擊時人們更多的是關注區(qū)域的恢復能力，容易忽視抵抗力。而抵抗力可減少地區(qū)受沖擊的損傷程度，若能將抵抗力與恢復力協(xié)調整合，將能大大提升區(qū)域的經(jīng)濟韌性特征。通過優(yōu)化區(qū)域發(fā)展基礎等方式，實施更加積極的就業(yè)政策、提升區(qū)域創(chuàng)新能力等方式增強區(qū)域抵抗力；（3）關注區(qū)域的空間聯(lián)動性。各地貫徹實施政府的各種重要指示策略，積極響應政府的一致統(tǒng)領和號召，積極形成 “一股繩”的有利形勢，提升經(jīng)濟韌性；（4）產(chǎn)業(yè)組成和對外開放程度同時是抵抗力和恢復力的主要影響因素，區(qū)域在應對沖擊時可通過優(yōu)化此兩方面的因素更有效率的同時提高抵抗力和恢復力，快速提升經(jīng)濟韌性。