創新要素與經濟韌性的空間效應研究

朱琳 董藩

收稿日期：2022-08-23? 修回日期：2022-11-12

基金項目：國家自然科學基金面上項目（71441002）；北京師范大學社科橫向項目（SKHX2020456）

作者簡介：朱琳（1990-），女，天津人，博士，北京師范大學政府管理學院博士研究生，研究方向為應用經濟；董藩（1967-），男，吉林白山人，博士，北京師范大學政府管理學院教授、博士生導師，研究方向為城市經濟。本文通訊作者：董藩。

摘? 要：以2018—2021年風險沖擊期為樣本，使用空間計量模型與地理探測器模型，分析創新要素對中國經濟韌性的影響，并使用Shift-Share分解法將經濟韌性劃分為區域經濟韌性與產業韌性，將創新要素分解為效率變動、技術變動、創新投入與創新產出四個變量，進行經濟韌性的空間效應檢驗。研究結果顯示：①中國經濟韌性存在空間相關性，經濟水平越接近的區域，其經濟韌性表現越相似；②整體而言，創新發展能夠顯著提升中國經濟韌性，并且這種影響具有顯著的空間溢出效應；③分產業而言，科技創新對第二產業韌性的增強作用明顯高于其它產業，第三產業韌性的空間溢出效應最顯著，第一產業韌性的增強主要依賴于規?；l展帶來的效率提升而非技術進步。

關鍵詞關鍵詞：經濟韌性；創新要素；全要素生產率；空間效應；地理探測器

DOI：10.6049/kjjbydc.2022080635

開放科學（資源服務）標識碼（OSID）????? 開放科學（資源服務）標識碼（OSID）：

中圖分類號：F061.5

文獻標識碼：A

文章編號：1001-7348（2024）02-0057-11

0? 引言

經濟韌性是對抗風險沖擊的有力支撐，是經濟高質量發展的重要體現。2022年《政府工作報告》強調，“繼續優化經濟結構與區域布局，增強經濟發展韌性”。韌性（Resilience）在工程物理學中表示物體在塑性與斷裂過程中吸收能量的能力，后來引入生態學研究領域，表示生態系統在其結構發生變化前吸收擾動的閾值[1]。當延伸至社會領域后，基于系統動態演化視角的區域韌性則被定義為城市系統應對外界壓力、擾動所表現出來的改變、適應和轉型能力[2]，而演化經濟地理學理論則將城市系統微觀化于區域經濟范疇內，由此城市（區域）經濟韌性被定義為抵御風險沖擊和駕馭不確定性的發展能力[3]。

提升經濟韌性、構建韌性城市，已經成為中國經濟實現高質量發展的重要一環。然而理論界針對中國經濟韌性的測度及影響因素研究起步較晚：早期研究中僅使用經濟彈性作為經濟韌性的代理變量，且一般采用DEA方法對中國各省域經濟韌性進行探索性測度[4]；隨著經濟韌性測度模型的逐漸統一[5]，中國學者開始深入探究國家經濟韌性的核心影響因素。其中，大多數研究聚焦于分析產業集聚、多樣性與區域經濟韌性關系。如徐媛媛等[6]使用GDP作為地區敏感度指數，對中國城市的經濟韌性進行測度并分析產業多樣性與經濟韌性的關系；馮苑等[7]將城市經濟韌性進行分解，分析產業結構與城市競爭力對經濟韌性的貢獻度。上述研究均表明，經濟集聚有助于提升區域經濟韌性，然而進一步將經濟聚集分解為相關多樣性與無關多樣性后，研究結果表明，產業相關多樣性是促進經濟韌性提升的關鍵要素[8]。當前中國經濟從高速增長轉向高質量發展階段，中共二十大報告強調“堅持創新在我國現代化建設全局中的核心地位”。但是，理論界針對創新要素與經濟韌性關系的研究有限。如徐圓等[9]將專利數量作為創新產出的代理變量，研究發現，創新能力是產業相關多樣性提升中國經濟韌性的中介變量；程廣斌等[10]進一步借助中介效應模型分析得出，創新能力通過優化資源配置和增強人才儲備顯著提升城市經濟韌性。

通過梳理已有中國經濟韌性影響因素與作用機理相關研究，可以將其研究脈絡簡單概括為經濟聚集→產業相關多樣性→創新能力→經濟韌性，然而創新能力代理變量的選擇較狹窄（普遍選擇專利數量或企業研發投入），而且在測度經濟韌性時也往往忽視產業結構異質性的干擾。本文的邊際貢獻在于：①從宏觀與微觀兩個層面選擇4個關鍵指標作為創新要素的代理變量，更加深入地分析創新驅動對經濟韌性的影響；②為剔除產業結構異質性對經濟韌性測度結果的干擾，使用Shift-Share法將產業韌性從經濟韌性中分離出來，并就創新要素對不同產業韌性的影響程度進行比較；③首次對自2018年開始的貿易摩擦以及2020年爆發的新冠肺炎兩個重大風險沖擊事件下的中國經濟韌性進行測度，并使用空間計量模型與地理探測器模型對其影響因素進行空間效應檢驗。

1? 變量設定：經濟韌性測度模型與創新要素指標選取

1.1? 經濟韌性測度模型

當前理論界采用的經濟韌性評價模型主要分為多維指標系統評價模型與單維變量彈性評價模型兩種[11]。其中，多維指標系統評價模型涵蓋經濟穩定性、經濟效率、治理體系和社會發展等多元維度以對區域經濟韌性進行綜合測度。這種多維度評價模型能夠避免單變量沖擊帶來的結果偏誤，使度量結果具有全面性和穩健性，因此區域經濟智庫普遍采用該類測度方法進行持續性研究。但是由于多維指標選取、權重確定及測度方法存在差異，導致研究結論不一致，無法比較不同模型之間的測度結果，使得該研究模型在理論分析時準確性不高[12]。因此，大多數區域經濟理論研究采用單維變量彈性評價模型進行經濟韌性測度與評價。

單維變量模型通常選擇就業率或經濟產出作為核心指標，并借鑒經濟學中的彈性測度模型，研究沖擊發生時該經濟變量變化程度。在單變量模型中，經濟韌性與經濟彈性具有相似性，測度的均是相對波動量而非絕對值。例如當沖擊發生后區域經濟變量下降幅度小于整體經濟變化幅度時，則表明該地區經濟韌性較強。Martin[5]最早使用敏感指數與平均就業增長率進行評價，區域經濟韌性度β可以表示為：

βL=（ΔEL/EL）/（ ΔEN/EN）（1）

其中，E是就業人數，（ΔEL/EL）和（ ΔEN/EN）分別表示地區（Local）與全國（Nation）就業水平變化率，因此經濟韌性表示為沖擊期區域就業水平波動率與全國就業水平波動率的相對變化程度，如果β＞1則表明相對全國來說，該地區就業率波動程度整體表現較好，可以認定該區域對經濟沖擊具有較高抵抗韌性。但以上模型是以1為經濟韌性標尺的，評估結果存在符號不一致的問題[5]，使得模型測度結果易產生偏誤。后續研究中Lagravinese[13]將Martin的經濟韌性模型進行修正，重新構建了經濟韌性指數模型，如式（2）。

βL=［（ΔEt+k）實際-（ΔEt+k）預期］（ΔEt+k）預期（2）

其中，（ΔEt+k）預期表示按照全國平均增速預期的區域就業率水平，因此該修正模型中的區域經濟韌性β表示在沖擊測度區間（t+k）該區域實際就業水平相對按照全國平均增速預期就業水平的變化率，若β＞0則表示該地區就業水平高于沖擊期全國平均水平，即該地區經濟韌性較強。

以上模型的核心指標均為就業水平，該指標用于經濟韌性研究缺乏適用性，原因是中國以公有制經濟占主導，國有企業肩負部分社會職能，使得其在沖擊期內的失業率依然保持較低水平，這與以往選擇歐洲地區作為樣本的研究結論存在顯著差異，因此選擇就業率指標無法有效體現外生風險發生期間中國經濟遭受的沖擊以及經濟韌性表現。與此同時，在研究新冠疫情期間經濟韌性時發現，新冠疫情對服務業的沖擊較大，而服務業中的靈活用工占比較多，因此由疫情沖擊造成的實質性就業率銳減無法通過就業統計數據證實?；谝陨戏治隹芍?，就業水平指標在研究貿易摩擦及新冠疫情沖擊下的中國經濟韌性時略顯失靈，因此本文以經濟產出（GDP）作為核心指標進行區域經濟韌性測度。在已有的中國區域經濟韌性研究中，學者們也普遍選擇GDP作為單變量彈性系統評價模型的核心研究變量[14]。將Martin [5]和Lagravinese [13]的模型進行綜合并將GDP納入表達式，可以構建中國區域經濟韌性測度模型，如式（3）。

RESL=［（ΔGDPt+k）實際-（ΔGDPt+k）預期］（ΔGDPt+k）預期=［ΔGt+kL-GtL×gt+kN］GtL×gt+kN（3）

其中，RESL表示省域L的區域經濟韌性，GLt表示區域L在沖擊初始期t的地區生產總值，gNt+k表示在沖擊測度周期（t+k）內的全國平均經濟增長率，因此（ΔGLt+k）預期表示按照全國平均增速g預期的區域L的GDP水平。

產業發展是經濟增長的基礎，但是不同產業面對風險沖擊的韌性表現不盡相同。如果設定產業i在沖擊初始期t時刻的產值為Git，占經濟總產出GDP的比重為nt%，那么在沖擊測度期（t+k）內整體經濟增速（gt+k）與產業i增速（git+k）的關系可以使用Shift-Share分離法表示，如式（4）。

gt+l=Gt+kint+k%－Gtint%Gtint%=nt%nt+k%×Gt+kiGti－1=nt%nt+k%×gt+ki+nt%nt+k%－1（4）

通過式（4）可以發現，當某產業在沖擊初始時刻t的GDP占比較大而當風險沖擊對該產業的負向沖擊大于其它產業時，必然導致該產業的GDP占比下降（即nt+k%/nt%＜1），使得地區整體經濟表現好于該產業發展（也即gt+k＞git+k）。將式（4）帶入式（3）并通過計算可得，區域經濟韌性不僅與產業增速相關，而且與產業結構存在相關性，這可能是因為產業結構差異對區域經濟韌性測度形成干擾。以新冠疫情沖擊為例進行說明：假設A省域的第三產業占比極高、B省域的第一、二產業占比較高，在新冠疫情沖擊下第三產業產值下降幅度遠大于第一、二產業，因此即使A省域第三產業的抵抗力強于B省域，但由于其占比較高而最終顯示A省域的經濟韌性低于B省域。

以上分析表明，當外生風險對不同產業存在異質性沖擊時，則產業結構會對區域經濟韌性測度產生干擾，即當某地區各產業韌性均強于其它地區時，由于遭受沖擊最嚴重的產業在該地區經濟結構中占比較大，進而出現該地區經濟韌性整體低于全國均值的測度結果。為了更加準確地測度創新要素對區域經濟韌性的空間影響效應，需要對區域經濟的產業韌性進行單獨測度并作為核心研究變量納入后續實證模型中，故構建區域產業韌性的測量模型如式（5）所示：

RESi，L=［（ΔGDPt+ki）實際-（ΔGDPt+ki）預期］（ΔGDPt+ki）預期=［ΔGt+ki，L-Gti，L×gt+ki，N］Gti，L×gt+ki，N （5）

其中，RESi，L表示地區L的i產業韌性，Gi，Lt表示區域L在沖擊初始點t的i產業經濟發展水平，ΔGi，Lt+k表示區域L在沖擊周期（t+k）內的i產業生產總值變化幅度，gi，Nt+k表示在沖擊周期（t+k）內的i產業在全國范圍內的經濟增長率，因此（ΔGi，Lt+k）預期表示區域L中產業i按照全國平均增速預期的發展水平。

1.2? 創新要素指標選取

已有研究表明，由于創新驅動的本質是為科技進步帶來生產效率提升，進而驅動經濟總量增長與質量提升，因此創新驅動在宏觀層面上表現為全要素生產率提升，在微觀層面上表現為社會創新要素增加。因此，本文中的創新驅動變量需要從宏觀與微觀兩個層面進行考量。

1.2.1? 宏觀層面的創新要素指標選取

在宏觀層面上，全要素生產率（TFP）作為分析經濟增長來源與路徑的重要工具，有助于識別當前經濟增長是屬于投入增長型還是效率增長型，因此眾多宏觀研究中選擇TFP作為創新驅動的代理變量。全要素生產率的測算方式主要包括參數法與非參數法兩種。其中，參數法主要基于索洛殘差理論設定生產函數，通過計算產出增長率并剔除要素投入增長的殘差值得出數值；非參數法主要基于數據包絡分析法（Data Envelopment Analysis， 簡稱DEA模型），通過線性規劃計算生產前沿。由于不需要構建具體的生產函數模型，因此該方法具有評價結果不受投入產出指標量綱影響的優勢[15]。在使用DEA模型進行TFP測度時，普遍選擇Malmquist-Luenberger指數函數，通過構造經濟系統的生產可能性邊界，利用方向性距離函數計算每個生產決策單位與可能性邊界之間的距離，進而計算決策單位的投入產出效率，計算模型表示如式（6）所示。

TFPt+1i=dt+1i（xt+1i，yt+1i）dti（xti，yti）×dti（xt+1i，yt+1i）dt+1i（xt+1i，yt+1i）×dti（xti，yti）dt+1i（xti，yti）（6）

其中，i和t分別表示地區與時刻，因此TFPit+1表示地區i在t+1時刻的全要素生產率變化率。其中，x和y分別表示投入與產出，因此dit（xit， yit）表示地區i在時刻t生產可能性邊界的距離函數。式（6）等號右邊第一項dit+1（xit+1， yit+1）/dit（xit， yit）表示從時刻t到時刻t+1由于投入產出規模變動帶來的效率變化，第二項則為剔除規模報酬可變干擾后純粹由技術進步帶來的經濟產出增長。因此，式（6）等號右邊兩項可以重新表示如下：

TFPt+1i=EFFCHt+1i×TECHCHt+1iEFFCHt+1i=dt+1i（xt+1i，yt+1i）dti（xti，yti）TECHCHt+1i=dti（xt+1i，yt+1i）dt+1i（xt+1i，yt+1i）×dti（xti，yti）dt+1i（xti，yti）（7）

基于式（7）分析可知，全要素生產率來源包括效率提升與技術進步。由于本文是要探究創新要素與經濟韌性的空間關聯，若使用全要素生產率作為創新要素的代理變量則會存在規模報酬變化下效率變動對最終結果的干擾，因此將全要素生產率分解為效率變動指數（EFFCH）和技術變動指數（TECHCH）并共同作為空間效應研究的核心解釋變量。

1.2.2? 微觀層面的創新要素指標選取

在微觀層面上，創新驅動可以理解為區域創新要素增長量，其中，創新要素具有投入與產出兩個維度。其中，創新要素投入體現為該地區創新方面的投入總量及變化，普遍選擇R&D從業人員數量或者R&D投入資本作為代理變量；創新要素產出體現為該地區創新成果數量，往往選擇專利申請量作為衡量指標，為剔除重復性創新對測度結果的干擾，普遍選擇專利授權量作為代理變量。

在投入維度上，以往研究大多直接選擇投入變量或產出變量作為創新要素的代理變量，在進行實證分析時進行對數化處理以使回歸結果更加平穩。但是這種直接選擇方式僅考慮了創新要素在該地區的絕對性聚集，忽視了相對規模的變化，因此本文借鑒白俊紅等[16]的研究，構建創新要素的空間聚集指數，表示如下：

RDIL=ln（EMPR&D）×ln（EMPR&D/POPL）（8）

其中，RDIL為地區L的創新投入要素聚集指數，表示地區L從事R&D的就業人口數量（EMPR&D）及其與該地區人口規模（表示POPL）的比值，因此該指標能夠較真實地反映各省域創新投入要素的相對規模與絕對規模變化。

在產出維度上，專利授權量往往被作為創新產出的度量指標，但是發明專利、實用新型專利與外觀設計專利在創新價值方面存在顯著差異，因此單純選擇專利總量代表區域創新產出水平會存在較大誤差。針對專利價值差異問題，寇宗來等[16]構建了專利更新模型并評估了每類專利的平均價值。借鑒該成果，本文通過設定不同類型專利的權重指標，進而根據專利權重對不同地區專利授權數量進行修正，最后將修正后的變量帶入式（3）計算創新產出要素聚集指數（INN），具體表示為：

INNL=ln（PIL）×ln（PIL/CL）PIL=∑（ni%×Patenti，L）（9）

其中，Patenti，L表示地區L第i種類型專利的授權量，ni%為根據寇宗來等[16]的專利更新評估模型獲得的該類型專利價值權重，因此PIL就是修正后的地區L專利授權量。式（9）中地區L的創新產出要素聚集指數（INNL）可以理解為修正后的該地區專利授權量（PIL）與占該地區企業總數（CL）的比值。

綜上，本研究選擇創新投入要素聚集指數（RDIL）與創新產出要素聚集指數（INNL）作為創新驅動微觀代理變量，納入空間效應模型，研究其與區域經濟韌性的空間關聯性。

2? 研究設計

2.1? 樣本數據選擇

根據上文區域經濟韌性測度模型的分析可知，經濟韌性表示以沖擊發生時點為基期，分析風險沖擊后區域經濟波動相對全國經濟波動平均水平的偏離程度。自2018年以來全球單邊主義盛行、中美貿易摩擦加劇，不確定性加大，加之2020年爆發的新型冠狀病毒肺炎疫情（簡稱“新冠疫情”）讓中國乃至世界經濟急速停擺，形成巨大的風險性沖擊。因此，本研究擬選擇2018-2021年為中國經濟韌性測度區間。

單變量彈性系數評價模型特征決定了只有當沖擊波動達到一定強度后才使用該模型測度區域經濟韌性。因此，經濟韌性的測度區間需要基于韌性波動進行確認，而經濟韌性測度變量通常涵蓋經濟增長（GDP）和就業率兩個方面。

首先，基于經濟增長（GDP）層面進行樣本期的沖擊觀察。圖（1a）顯示，中美貿易摩擦沖擊期前后以及新冠疫情沖擊使得中國經濟增長出現顯著停滯，這輪沖擊無論是波及范圍還是影響程度均達到了可觀測范圍，但是僅從GDP變化無法確認2018-2019年間沖擊對中國經濟波動的影響程度?；诖?，進一步選擇GDP（不變價）同比增長率作為觀測數據，見圖（1b），可以發現，中美貿易摩擦使得2018年的中國經濟增長率出現較大幅度下降，盡管2019年經濟增速下行趨勢放緩，但是2020年的新冠疫情沖擊再一次讓經濟增速出現斷崖式下跌。在2020年底至2021年初的疫情平復期，中國經濟增速出現大幅上揚，表現出較強的經濟韌性。

其次，基于就業率層面進行樣本期的沖擊觀察。從就業率指標而言，無論是中美貿易摩擦還是新冠疫情沖擊期間，由于中國是以公有制經濟為主體，該體制優勢使得中國就業率受到的經濟影響較小，根據就業率波動確定樣本觀察期可能存在較大誤差。因此，本研究借鑒馮苑等[7]的研究思路，以常住人口增加和減少分別定義區域擴張與收縮，通過區域擴張與收縮情況劃定風險沖擊觀察期。利用WIND數據庫中的城市常住人口數據，計算2016—2021年的擴張城市占比，見圖2。結果顯示，在2018年貿易沖突爆發時擴張城市占比從77.2%快速下降至70.6%，伴隨其后的產業結構調整，擴張城市占比又快速上升至75%左右，基本恢復至沖突發生前水平，但是新冠疫情的沖擊使得大量城市人口外移返鄉，2020—2021年擴張城市占比顯著下降至70%以下。

綜上，無論是從經濟增長還是人口擴張視角，在貿易摩擦疊加新冠疫情的影響下，2018—2021年經濟增長均呈現明顯的波動趨勢，達到了可觀測的外生沖擊標準，因此本研究選擇的測度區間是合理的。

2.2? 空間計量模型

由于經濟韌性與創新要素在空間層面是可以自由流動的，因此應當構建空間計量模型對空間關聯性進行實證檢驗。首先，設定空間權重矩陣并確定空間自相關檢驗模型，若確定檢驗變量存在空間自相關性，再通過構建空間計量檢驗模型進行關聯因子的實證檢驗。

2.2.1? 空間權重矩陣設定與空間相關性檢驗

構建合適的空間權重矩陣是進行空間特征檢驗的基礎，基于傳統地理科學的空間權重矩陣更多是以地理空間相鄰作為關聯空間劃分的標準。但是經濟流動，尤其是創新要素流動是可以低成本跨空間流動的，因此若僅以地理空間相鄰為劃分依據則忽略了經濟發展水平差異對相鄰地區的影響。

借鑒趙培陽等[17]的研究方法，通過使用區域人均GDP差值作為預測地區經濟距離的指標，構建空間經濟權重矩陣，其表達式如式（10）所示。

Wi，j1PGDPi－PGDPj（ifi≠j）0??? （if? i=j） （10）

其中，PGDP表示樣本觀察期人均GDP的算術平均值，則（PGDPi- PGDPj）表示地區i與地區j的人均GDP差值，代表兩區域的空間經濟距離。因此，空間經濟權重矩陣（Wi，j）使用區域經濟距離代替地理距離，重新構建“0-1”鄰近空間矩陣。

在確定空間權重矩陣后需要構建空間相關性模型，用以檢驗核心變量在空間分布上是否存在自相關性，這是分析空間溢出效應的前提?？臻g自相關模型通常使用統計量莫蘭指數（Moran' I）表示如式（11）。

Moran'I=∑ni=1∑nj=1WijRESi－RESRESj－RESS2∑ni=1∑nj=1Wij（11）

式中，RES是根據單變量彈性評價系統模型測算的區域經濟韌性指數，S2是樣本方差，Wi，j是確定的空間經濟權重矩陣。i與j均表示區域，n表示研究區域總數。Moran' I∈[-1 ， 1]，當取值為正時表明研究變量存在空間自相關，即空間經濟距離相鄰的區域，其經濟韌性也具有正相關性；反之，當I取值為負時，表明經濟韌性存在空間負相關，即韌性低值區與經濟高值區相鄰。

2.2.2? 空間計量檢驗模型構建

采用經典計量經濟學中的線性回歸模型會導致檢驗結果偏誤，因此需要構建空間計量檢驗模型。在不考慮自變量空間自相關的情形下，普遍采用空間滯后模型（SARM）和空間誤差模型（SEM），如式（12）所示。

RESi，t=β0+ρ×∑nj=1Wi，jRESj，t+β1×EFFCHit+β2×TECHCHit+β3×RDIit+β4×INNit+∑mn=5βn×Controls+θ1×∑nj=1Wi，jEFFCHj，t+θ2×∑nj=1Wi，jTECHCHj，t+θ3×∑nj=1Wi，jRDIj，t+θ4×∑nj=1Wi，jINNj，t+∑mn=5θn×∑nj=1Wi，jControlsj，t+εitεit=λ×Wεit+μ，μ～N0，σ2I（12）

式中，核心解釋變量分別為全要素生產率的效率變動指數（EFFCH）、全要素生產率的技術變動指數（TECHCH）、創新投入要素聚集指數（RDI）和創新產出要素聚集指數（INN），Controls為一系列控制變量。此外，θ=0表示不考慮自變量的空間自相關，若同時λ=0則該模型為空間滯后模型（SARM），若ρ=0則該模型為空間誤差模型（SEM）。但當自變量的空間自相關也具有顯著性時，空間檢驗模型中需要引入自變量的空間滯后項（即θ≠0，λ=0），則該空間計量模型屬于空間杜賓誤差模型（SDM）。

在進行空間面板模型選擇時，通常先采用LM進行檢驗，然后采用Wald檢驗和LR檢驗分別對原假設H10： θ=0與H20： θ+ρ=0進行檢驗。若H10成立則采用空間滯后模型（SARM），若H20通過檢驗則采用空間誤差模型（SEM），若兩個原假設均未成立則選擇空間杜賓模型（SDM）。

空間計量模型的控制變量（Controls）可以參考現有區域經濟韌性研究進行確定：①經濟密度（Agg）：經濟集聚效應能夠通過產業分工與規模經濟優勢提升外部風險抵御能力[18]，采用區域生產總值（萬元）與區域建設用地面積（平方公里）的比值度量，以反映經濟活動在單位空間內的集聚程度；②開放度（Open）：以貿易摩擦為代表的外生沖擊是通過國際市場傳導形成的，而對外開放帶來的產業結構多樣化有利于增強抵抗力，因此區域經濟開放程度與經濟韌性關系較復雜，本模型采用進出口總額占GDP的比重表示區域開放程度；③行政干預（Gov）：基于中國的公有制經濟主體地位特征，使得風險沖擊發生后行政部門能夠顯著干預資源再配置并進行結構性調整，進而影響區域經濟韌性，本模型采用政府財政支出占區域GDP的比重度量行政干預程度；④金融發展水平（Fin）：金融業既能夠通過杠桿效應放大外生風險的負面沖擊，也能夠通過優化資源配置提升區域應對風險沖擊的抵抗能力，因此金融發展水平與區域經濟韌性關系也是復雜的，故采用區域新增社會融資總額占地區國內生產總值的比例度量。

2.3? 地理探測器模型

傳統空間計量模型可以較清晰地呈現單個創新因素對經濟韌性的空間影響效應，然而創新因素對經濟韌性的影響并非孤立的，在將影響因子進行組合并探究其疊加效應時，則對樣本期限提出了更高要求，即長區間樣本才會使得檢驗模型具有顯著性。由于本研究選取的樣本區間較短，在進行影響因素疊加效應分析時易導致經典空間計量模型的顯著性不強、擬合優度較差。鑒于此，本研究改為使用對樣本數量及假設條件要求較低的地理探測器模型，既能實現對單個因素空間效應的穩健性檢驗，又能夠探究影響因子的疊加組合效應。

地理探測器最初應用于地方性疾病與相關地理影響因素研究，由于相較于傳統計量方法，該模型在假設前提方面受到的制約較少，因此廣泛應用于城鎮化與經濟增長等經濟地理領域的研究[19]。本研究主要采用地理探測器模型中的因子探測模塊和交互探測模塊以識別影響區域經濟韌性的創新驅動因子及其交互作用。

因子探測模塊用于檢驗創新要素（影響因子）是否對區域經濟韌性（被解釋變量）的空間分布產生影響，通過比較該因子在不同分層上的方差之和與該因子在整體研究區域上的總方差，觀察該創新因素（影響因子）與經濟韌性（被解釋變量）的變化在空間層面是否具有顯著一致性，若具有一致性，則說明該創新因子對被解釋變量具有決定意義。其計量模型如下：

q=1－SSWSSTSSW=∑Lh=1Nhσ2hSST=Nσ2 （13）

其中，h表示被解釋變量的分層，h=1，2…，L；N和Nh分別表示樣本總量與第h層的樣本數量，σ2和σh2則分別表示樣本方差與第h層的樣本方差。因此，SSW表示不同分層上的樣本方差之和，SST代表全部樣本總方差。q∈[0 ， 1]，為地理探測器模型的驅動因子解釋力，q越接近于1表明該因子對被解釋變量（區域經濟韌性）的影響力越顯著。

為了更精確地檢驗兩個不同因子疊加后的影響效果，使用地理探測器模型中的因子交互探測模塊，具體方法是將兩個影響因子A和B的屬性進行空間疊加并形成組合后的新圖層。因此，新圖層（因子組合項）屬性是由影響因子A和B共同決定的，可以通過比較A和B在因子探測模型的影響力與新圖層的因子影響力，判斷兩個影響因子組合后的交互作用對被解釋變量的作用程度相對于單個影響因子的作用程度是強化還是弱化了，如果組合后的作用強度小于兩個影響因子的獨立作用（即q（A∩B）＜min{q（A）， q（B）}），則認為該種交互作用為非線性減弱；如果交互項的作用強度介于兩個影響因子的獨立作用之間（即min{q（A）， q（B）}＜q（A∩B）＜max{q（A）， q（B）}），則該交互作用為單因子非線性減弱；如果交互項的作用強度大于兩個影響因子的獨立作用強度（即q（A∩B）＞max{q（A）， q（B）}），則認定該交互作用為雙因子增強，但若交互項的作用強度大于兩個影響因子獨立作用強度之和（即q（A∩B）＞q（A）+q（B）），則認定該情形下的交互作用為非線性增強。

3? 實證分析

3.1? 空間效應實證檢驗

選擇2018-2021年區域經濟韌性與創新要素數據作為實證樣本，其中，區域經濟韌性相關數據來自《中國統計年鑒》和國泰安數據庫，而創新投入與產出要素數據來自《中國科技統計年鑒》《中國城市統計年鑒》以及WIND數據庫。樣本數據的描述性統計分析結果見表1。

為檢驗樣本期經濟韌性與產業韌性在空間經濟權重矩陣下是否存在自相關，對區域經濟韌性與產業韌性進行莫蘭指數（Moran' I）計算，結果見表2?？梢园l現，區域經濟韌性與產業韌性在大多數樣本期的Moran' I值均顯著為正，Z統計量普遍大于1.96，因此從整體上看經濟韌性與產業韌性為正向空間自相關。其中，2020年前由于貿易摩擦沖擊導致區域經濟韌性（RES）的空間自相關不顯著，但是在2020-2021年的新冠疫情沖擊期間則表現出較為顯著的正向空間自相關；在產業韌性方面，第一產業韌性（RES1）的空間自相關整體較弱，但是第二與第三產業韌性（RES2、RES3）在樣本期間均整體表現出顯著的正向空間自相關，其中，第二產業韌性表現尤其突出。

由于所選樣本為面板數據，因此進行空間計量回歸檢驗前需要對各變量進行平穩性檢驗。使用LLC、IPS和HT進行面板單位根檢驗發現，部分變量顯示為非平穩序列，因此需要對模型研究變量進行協整檢驗。使用Kao檢驗與Pedroni檢驗進行協整分析，結果見表3，可知，模型變量之間存在協整關系，因此可以使用樣本數據進行面板回歸檢驗。

在進行面板空間計量回歸前，空間計量模型的設定與選擇至關重要。不同類型的空間計量模型由于其驗證的空間傳導機制不同，導致其經濟學含義也有所差異。其中，空間面板誤差模型（PSEM）假定空間效應通過誤差項進行傳導，其表示的經濟韌性的空間溢出僅是隨機沖擊的結果；空間面板滯后模型（PSARM）也被稱為空間自回歸模型，其設定被解釋變量區域經濟韌性會通過空間作用對其它地區的經濟韌性產生外溢影響；而空間杜賓模型（PSDM）既考慮了因變量自身的空間溢出效應，也考慮了自變量的空間交互影響，即某區域的經濟韌性不僅受到本區域自變量的影響，而且受到其它區域經濟韌性與自變量的共同影響。

首先，使用3種空間面板計量模型進行回歸比較，經過Hausman檢驗，確定空間計量檢驗均選擇固定效應。在3種空間計量模型中，被解釋變量無論是選擇區域經濟韌性（RES）還是產業韌性（RESi），因變量的空間項系數ρ和自變量交互項的空間系數θ均顯著不為零，通過Wald檢驗和LR檢驗，顯示其空間誤差系數λ顯著為零，因此排除空間面板誤差模型（SEM）。

其次，采用自然對數值（Log-L）對空間面板滯后模型（PSARM）和空間面板杜賓模型（PSDM）的擬合效果進行比較與檢驗，結果見表4。當選擇區域經濟韌性（RES）作為被解釋變量時，空間杜賓模型（PSDM）的擬合效果更優、回歸系數顯著的個數更多、模型解釋力（R2）更強；當選擇產業韌性（RESi）作為被解釋變量時，空間面板滯后模型（PSARM）的擬合效果更優。因此，選擇PSDM作為區域經濟韌性空間效應研究模型，而選擇PSARM作為產業韌性空間效應實證分析模型。

在表4的PSDM實證檢驗結果中，宏觀創新要素中的技術變動指數（TECHCH）與區域經濟韌性（RES）顯著正相關，而效率變動指數（EFFCH）的系數不顯著，表明全要素生產率（TFP）中由技術變革帶來的創新驅動相較于規模報酬帶來的效率變動更加能夠增強區域經濟韌性。在創新驅動的微觀代理變量中，創新投入要素（RDI）和創新產出要素（INN）與RES的相關性均顯著為正，證實創新要素確實能夠帶來區域經濟韌性的顯著提升。同時，控制變量中的區域經濟密度（Agg）和區域金融發展指數（Fin）也與區域經濟韌性顯著正相關，這也與已有研究中得出的 “區域經濟集聚會增強經濟韌性”和“金融投資增加會帶來區域經濟韌性提升”的結論一致[9]。

在表4的PSARM實證檢驗結果中，第一產業韌性（RES1）的空間效應系數ρ不顯著，且其自變量系數也不顯著，這是由于以農業為主的第一產業在受到外生風險沖擊時較難通過創新變革在短期內實現調整。當選擇第二產業韌性（RES2）作為被解釋變量時，盡管工業與建筑業的規模報酬效應更顯著，但是宏觀創新要素中的效率變動指數（EFFCH）對第二產業韌性的驅動效果不顯著，實證檢驗結果顯示宏觀指標中的技術變動指數（TECHCH）與微觀創新要素中的創新產出聚集指數（INN）系數顯著正相關，也證實了在風險沖擊期間創新發展確實是增強第二產業經濟韌性的重要驅動機制。表4的結果還顯示，區域經濟開放度（Open）對第二產業韌性具有負向作用，這是由于貿易摩擦首先爆發于國際貿易領域，進而傳導至中國的生產制造領域，因此區域經濟開放度越高，就越容易在外生沖擊中受到影響與干擾。而第三產業韌性（RES3）與效率變動指數（EFFCH）、技術變動指數（TECHCH）、創新投入要素（RDI）以及創新產出要素（INN）均顯著正相關，而且相較其它產業，其擬合優度更高、模型解釋力更強，表明任何形式的創新發展，無論是科技創新還是機制創新均能顯著提升第三產業經濟韌性，印證了數字經濟在消費、金融等第三產業的廣泛應用是中國經濟韌性提升的重要原因。

無論是在PSDM模型還是PSARM模型中，各創新要素的水平項和空間交互項系數對經濟韌性與產業韌性均有顯著影響，因此需要進一步分析作為自變量的創新要素對被解釋變量的空間溢出效應，即各地區的經濟韌性與產業韌性除受本地區創新要素作用外，還在多大程度上受到其它關聯地區創新要素的空間影響。

表5呈現的是不同核心自變量的直接效應、間接效應（空間溢出效應）和總效應的計量結果。其中，在產業韌性方面，由于第一產業韌性（RES1）的空間效應系數不顯著，且核心自變量的水平項系數也不顯著，因此表5僅反映了區域經濟韌性（RES）、第二產業韌性（RES2）和第三產業韌性（RES3）作為被解釋變量的空間溢出效應。

通過表5結果可知，宏觀創新要素中的效率變動指數（EFFCH）僅對第三產業韌性具有顯著的空間溢出效應，但其空間溢出效應占總效應的比重不足50%；宏觀指標中的技術變動指數（TECHCH）對區域經濟韌性與各產業韌性的直接效應以及空間溢出效應均顯著為正，并且空間溢出效應占總效應的比重超過50%，說明由技術變革帶來科技要素流動的空間溢出效應對中國經濟韌性提升具有重要貢獻。在微觀創新指標中，創新投入要素（RDI）與產出要素（INN）對經濟韌性以及產業韌性的空間效應均顯著為正，且超過50%的占比，再次印證了創新要素空間流動對中國經濟韌性的驅動價值。但通過第二產業與第三產業的比較可以發現，在創新要素（無論是宏觀指標還是微觀指標）對產業韌性的空間溢出方面，第二產業明顯弱于第三產業，說明以金融、科技等服務業為代表的第三產業主要通過創新要素的區際流動提升產業韌性。

3.2? 穩健性檢驗與因子交互檢驗

為進一步檢驗不同創新因素對經濟韌性的綜合影響，應該對創新變量的空間疊加效應進行分析。傳統空間面板計量模型在進行短面板數據疊加效應檢驗時效果不顯著，因此更換為對樣本條件要求較低的地理探測器模型對創新要素與經濟韌性的空間效應進行分析，這也是對前述空間效應研究結果穩健性的檢驗。

首先對研究模型中的自變量進行數據轉換，由于地理探測器模型要求探測因子（自變量）不能夠使用連續性變量，因此使用ArcGIS自然斷點分級法對探測因子進行五級分類；其次，分別計算各探測因子（創新要素指標）對區域經濟韌性與產業韌性的作用力指數，具體見表6，研究不同創新要素對中國經濟韌性的影響強度。

通過表6結果可知，各創新要素對區域經濟韌性與三大產業韌性的解釋力均在10%水平上顯著為正，表明在貿易摩擦沖突及新冠疫情沖擊期間創新驅動確實對中國經濟韌性提升具有顯著推動作用。通過比較各探測因子可知，無論是區域經濟韌性還是產業韌性，微觀創新指標RDI和INN的解釋力均強于宏觀創新指標EFFCH與TECHCH，其中，解釋力最強的為創新產出要素聚集指數INN，表明風險沖擊期間區域創新產出是地區經濟韌性的重要支撐。進一步將各產業韌性進行綜合比較，可以發現，對于第一產業韌性（RES1）而言，相較其它探測因子，效率變動指數（EFFCH）的提升作用更顯著，表明技術變革與創新產出對于以農業為主的第一產業韌性提升作用不大，但是由規?；l展帶來的效率提升更能增強第一產業經濟韌性；對于第二與第三產業韌性而言（RES2 和RES3），技術變動指數（TECHCH）、創新投入要素（RDI）與產出要素（INN）的解釋力度更大，說明創新發展主要通過提升第二及第三產業韌性進而驅動中國經濟韌性提升。其中，創新要素對第二產業韌性提升的影響力明顯強于其它產業。上述檢驗結果與前述PSARM空間計量模型的檢驗結果一致，即以RES2為被解釋變量時各自變量系數明顯高于以其它產業韌性作為被解釋變量的情形，表明科技創新發展對于以制造和建筑為主的第二產業韌性提升具有更顯著的效果。

由于本研究將創新驅動分解為宏觀與微觀層面的4種創新要素，因此需要綜合分析這些指標對經濟韌性的影響。本文利用地理探測器模型中的交互探測模塊，將各探測因子的影響指數進行疊加，以綜合比較創新要素指標疊加后的作用與單獨作用的差異，具體見表7。

表7結果顯示，兩兩影響因素之間的交互作用都呈現增強關系，其中，大部分表現為非線性增強，少部分表現為雙因子增強，沒有出現非線性與單因子減弱關系。在宏觀創新指標中，根據式（7）的計算結果，效率變動指數（EFFCH）與技術變動指數（TECHCH）的交互項即為全要素生產率（TFP），而在表7中二者交互疊加后的解釋力顯著提高并超過0.8，表明全要素生產率提升是經濟韌性增強的主要促進機制；在微觀創新指標中，創新投入要素（RDI）與創新產出要素（INN）交互疊加后的影響力也出現明顯的非線性增強，這是由于創新研發投入與產出本身就具有較強關聯性，再次印證了創新要素疊加越多對經濟韌性的解釋力就越強，表明科技投入與產出回報是中國經濟韌性提升的重要支撐。此外，將宏觀創新指標與微觀創新指標進行交互后發現，其結果表現為雙因子增強，雖然影響力增強幅度較小，但是再次證明創新驅動對經濟韌性提升具有積極作用，并證明本模型從宏觀與微觀兩個層面選擇的創新驅動代理變量具有統計學意義。

4? 結論與討論

本研究利用演化經濟地理學中的單變量彈性評價系統模型，對2018-2021年間的中國經濟韌性進行測度并分析其空間效應影響機制，實證檢驗創新驅動發展對經濟韌性的作用機理及影響程度。得出以下結論：

（1）中國的區域經濟韌性在經濟空間層面具有正向關聯性，也即經濟水平相近的地區，其經濟韌性表現也相似；為剔除地區產業結構異質性對區域經濟韌性測度結果的干擾，將經濟韌性分解為區域經濟韌性與產業韌性，其空間計量結果也表明經濟韌性具有空間關聯性。

（2）整體上，創新要素與經濟韌性顯著正相關，也即創新驅動是中國經濟韌性提升的重要支撐。同時，創新要素對經濟韌性的影響也呈現出顯著的空間效應，這也說明區域科技創新能夠提升本地區經濟韌性，并且科技要素在區域間的流動能夠提升中國經濟的整體韌性。

（3）在宏觀層面上，創新驅動表現為全要素生產率提升——全要素生產率越高的地區，其經濟韌性表現越好。將全要素生產率進行分解后發現，全要素生產率中的技術變動才是經濟韌性提升的主要助推器，而非規模報酬變化下的生產效率變動。

（4）在微觀層面上，創新投入與創新產出增長均可以顯著提升中國經濟韌性，但是創新驅動對不同產業韌性的影響程度與作用機理不盡相同。對于第一產業而言，科技創新并非為經濟韌性提升的關鍵，而規?；l展才是其抵抗經濟波動、提升經濟韌性的有效抓手；對于第二和第三產業而言，科技創新才是增強經濟韌性的關鍵所在，其中，科技創新對第二產業韌性的增強效應顯著高于第三產業。

以上研究結論對創新驅動背景下的經濟政策制定具有重要啟示。盡管經濟危機、突發公共事件、自然災害等事件無法完全避免，但是增強區域經濟韌性是對抗沖擊的有力支撐和有效途徑。首先，在當前構建“韌性城市”的背景下，尤其應當重視創新投入與科技政策在經濟韌性方面的重要價值，考慮到創新要素對經濟韌性的顯著空間效應，因此在創新發展過程中既要重視本區域的創新驅動，還應當重視科技要素（如人才、技術與資本）的跨區域流動。當前中央提出加強全國統一大市場建設對于鼓勵創新要素流動以及中國經濟韌性的整體提升均具有重要意義。其次，要堅持科技創新與制度創新雙輪驅動。盡管研究表明，科技創新比機制創新更能夠顯著提升中國經濟韌性，但是不同層面的創新對不同產業韌性表現出差異化影響。在當前以國內大循環為主體、國內國際雙循環相互促進的新發展格局下，需要各產業均衡發展、協同進步，因此在創新驅動發展過程中不能僅重視科技創新而忽視制度創新。最后，增強城市經濟韌性應當因地制宜。本研究結果表明，對于不同產業而言，其經濟韌性的影響因子不盡相同，因此應當根據區域要素稟賦與產業結構特性增強本區域經濟韌性。

參考文獻：

[1]HOLLING C S. Resilience and stability of ecological systems[J]. Annual Review of Ecology & Systematic， 1973， 4（1）：1-23.

[2]FOSTER K A . A case study approach to understanding regional resilience[D]. University of California， 2007.

[3]PENDALL R， FOSTER K A ， COWELL M . Resilience and regions： building understanding of the metaphor[J]. Cambridge Journal of Regions Economy and Society， 2009， 3（1）：71-84.

[4]張巖， 戚巍， 魏玖長，等. 經濟發展方式轉變與區域彈性構建——基于DEA理論的評估方法研究[J]. 中國科技論壇， 2012，28（1）：81-88.

[5]MARTIN R . Regional economic resilience， hysteresis and recessionary shocks[J]. Journal of Economic Geography， 2012， 12（1）：1-32.

[6]徐媛媛， 王琛. 金融危機背景下區域經濟彈性的影響因素——以浙江省和江蘇省為例[J]. 地理科學進展， 2017， 36（8）： 986-994.

[7]馮苑， 聶長飛， 張東. 中國城市群經濟韌性的測度與分析——基于經濟韌性的shift-share分解[J]. 上海經濟研究， 2020，37（5）： 60-72.

[8]趙春燕， 王世平. 經濟集聚對城市經濟韌性的影響[J]. 中南財經政法大學學報， 2021，74（1）： 102-114.

[9]徐圓， 張林玲. 中國城市的經濟韌性及由來：產業結構多樣化視角[J]. 財貿經濟， 2019， 40（7）： 110-126.

[10]程廣斌， 靳瑤. 創新能力提升是否能夠增強城市經濟韌性[J]. 現代經濟探討， 2022，41（2）： 1-32.

[11]SILVA， DA J . City resilience framework：city resilience Index[M]. 2014.

[12]KITSOS A， CARRASCAL-INCERA A， ORTEGA-ARGILéS R. The role of embeddedness on regional economic resilience： Evidence from the UK[J].Sustainability， 2019， 11（14）： 3800.

[13]LAGRAVINESE， RAFFAELE. Economic crisis and rising gaps North-South： evidence from the Italian regions[J]. Cambridge Journal of Regions，Economy and Society， 2015， 8（2）：331-342.

[14]曾冰. 新冠肺炎疫情沖擊下中國省域經濟韌性發展評價[J]. 工業技術經濟， 2021，39（7）： 127-133.

[15]李思龍，郭麗虹. 市場依賴度、資本錯配與全要素生產率[J]. 產業經濟研究， 2018，17（2）： 103-115.

[16]寇宗來， 劉學悅. 中國城市和產業創新力報告[M]. 復旦大學產業發展研究中心研究報告， 2017.

[17]趙培陽， 吳海燕， 魯志國， 等. 粵港澳大灣區FDI與區域創新能力的空間特征分析[J]. 經濟問題探索， 2022，43（3）： 139-157.

[18]CAILNELLI G， et al. Industrial relatedness and regional resilience in the European Union[J]. Paper Regional Science， 2019， 98（2）： 755-778.

[19]WANG J， LI X， CHRISTAKOS G， et al. Geographical detectors -- based health risk assessment and its application in the neural tube defects study of the heshun region， China[J]. International Journal of Geographical Information Science， 2010， 24（1）： 107-127.

責任編輯（責任編輯：胡俊健）

英文標題The Spatial Effect of Innovation Factors and Economic Resilience

英文作者Zhu Lin，Dong Fan

英文作者單位（School of Government，Beijing Normal University， Beijing 100875，China）

英文摘要Abstract：It is vital to improve economic resilience and build resilient cities for China's high-quality economic development. Previous studies on the measurement and influencing factors of China's economic resilience have generally shown that innovation capability is an important influence on regional economic resilience. However， the proxy variable selection of innovation capability in previous studies was generally limited to the number of patents or R&D investment of enterprises）， and the interference of industrial structure heterogeneity on the result of resilience is often ignored in the measurement of economic resilience. Therefore， this paper selects four key indicators as the proxy variables of innovation elements from the macro and micro levels， and further analyzes the impact of innovation drivers on economic resilience; meanwhile，in order to eliminate the interference of industrial structure heterogeneity on the measurement results of economic resilience， this paper creatively uses the shift share method to extract industrial resilience from economic resilience， and compares the impact of innovation factors on different industrial resilience.

This study selects the period from the impact of Sino US trade friction in 2018 to the duration of the COVID-19 epidemic in 2021 as the sample interval for measuring China's economic resilience. It chooses a single dimensional variable elasticity evaluation model to measure the resilience of China's regional economy within the sample interval. However， the impact of different industries on economic resilience is ignored in the traditional economic resilience measurement model. When the impact of exogenous risks on different industries is heterogeneous， the weight of regional industrial structure will interfere with the measurement of regional economic resilience. Therefore， this paper uses the shift share decomposition method to divide the resilience characteristics into regional economic resilience and industrial resilience. In terms of the selection of innovation factor indicators， innovation drive is shown as the improvement of total factor productivity at the macro level and the growth of social innovation factors at the micro level. At the macro level， TFP is decomposed into the efficiency change index and technology change index， and they serve as the core explanatory variables of spatial effect research. At the micro level， the aggregation index of innovation input factors and the aggregation index of innovation output factors are selected as the micro proxy variables of innovation drive， and they are jointly incorporated into the spatial effect research model to study the spatial correlation between them and regional economic resilience.

Because regional economic resilience and innovation elements can flow freely at the spatial level， a spatial econometric model should be established to conduct empirical analysis and test on spatial relevance. First， the difference in? per capita GDP between regions is used as an indicator to predict the economic distance between regions to build a spatial economic weight matrix， and on this basis， a spatial autocorrelation test model is determined. The test shows that if the variables have spatial autocorrelation， the linear regression model in classical econometrics will lead to errors in the test results， so a spatial econometric test model needs to be built.By the spatial Dubin model and geographic detector model， the empirical tests confirm that （1） China's regional economic resilience has a spatial correlation， and the closer the economic level is， the closer its economic resilience will be; （2） on the whole， innovative development can significantly enhance China's economic resilience， and this impact has a significant spatial spillover effect; （3） in terms of the sub-industries， the direct effect of scientific and technological innovation on the resilience enhancement of the secondary industry is significantly higher than that of other industries， and the spatial spillover effect on the resilience of the tertiary industry is most significant. However， the resilience growth of the primary industry mainly depends on the efficiency improvement brought about by large-scale development rather than technological progress.

On the basis of the above research conclusions， this paper reveals the important role of scientific? technological development in the construction of resilient cities， and puts forward the innovative development policy driven by "scientific and technological innovation" and "institutional innovation"， and suggests that? regional economic resilience should be enhanced according to the regional factor endowment and industrial structure characteristics.

英文關鍵詞Key Words：Economic Resilience; Innovation Factor; Total Factor Productivity; Spatial Effect; Geographic Detector