長三角城市群城市經濟韌性測度與時空分異特征分析

李慧媛，王子敏

（南京郵電大學 經濟學院，江蘇 南京 210023）

一、引言

城市作為經濟和社會發展的重要載體，正逐步從孤立的點狀城市演變為相互關聯緊密的城市群[1]。城市群的集聚力、創新力和經濟效益，成為推動區域發展的重要引擎。通過對城市群經濟韌性的研究，能夠幫助提升城市抵御外部沖擊和內部挑戰的能力，促進經濟穩定增長、優化資源配置及全面協調可持續發展。改革開放以來，長三角地區在應對臺風、暴雨等自然災害和金融危機等突發事件時，展現出高度的自如性和靈活性，為經濟發展做出巨大貢獻[2]。因此，深入探究長三角城市群城市經濟韌性的時空分異特征和驅動因素具有重要意義。

從現有研究看，在研究尺度上，國內外已有較多學者對不同地區的城市經濟韌性進行了測度[3-5]，但其研究的時空尺度范圍仍相對較小。在建設韌性城市時，需要考慮公平性，提高一個城市的韌性不應以降低其他城市的韌性為代價。在城市經濟韌性的測算方法上，國內外學者基本采用多指標綜合評價模型[6-9]，就具體的準則層而言學術界尚未達成共識，主要分為兩類：第一類，從生態、經濟、社會、工程四方面構建指標體系[6]，該指標體系更全面地考慮了城市韌性的多樣性；第二類從風險恢復壓力、適應調節狀態、治理轉型響應三方面選取指標[10]，該指標體系則更關注城市在應對風險和變化時的能力。

現有文獻為本文提供了有益的借鑒，鑒于此，本文從以下幾個方面對現有研究進行延伸：第一，充分考慮城市在面臨不同挑戰時需要具備的多方面能力，建立更全面的綜合評價模型，對長三角城市群城市經濟韌性進行測度，并利用Dagum 基尼系數分解法分析區域差異及其來源；第二，運用K-Means聚類法和ArcGIS 軟件描述長三角城市群城市經濟韌性的分布動態和時空演變規律；第三，通過計算莫蘭指數探究經濟韌性的空間集散程度；第四，運用空間杜賓模型進行影響因素分析，從而為制定相關政策和發展戰略提供理論依據和決策參考。

二、研究設計

（一）數據來源

在2006—2020 年期間，選取長三角城市群27個城市為樣本，主要數據來源包括《中國區域經濟統計年鑒》《中國城市統計年鑒》及《中國統計年鑒》等。同時，本文對原始數據進行了必要的數據清洗和缺失值填充，并對相關數據采取了對數化處理。

（二）指標選取

從城市沖擊反應、修復力、新增長能力三個維度中選取12 項指標，構建長三角城市群各城市的經濟韌性綜合評價指標體系（見表1）。

表1 長三角城市群城市經濟韌性評價指標體系

1.沖擊反應。選取GDP、財政自給率、金融機構存貸比、就業水平四項指標。地區生產總值表明地區經濟發展狀況。財政自給率的高低能夠反映一個地區或國家財政健康程度和經濟可持續性。金融機構存貸比反映經營策略差異和流動性風險。就業水平是衡量人口的再就業和創業能力。

2.恢復力。選擇對外依存度、人均可支配收入、工業總產值以及第三產業所占比例四項指標。外貿依存度的增加會導致經濟不穩定性的上升，它通常被視為負面指標。人均居民可支配收入能夠衡量地區居民富裕程度。工業總產值和第三產業占GDP 比重表征經濟系統中二、三產業的具體發展狀況，合理的產業結構使城市能夠有效應對各種不確定性因素。

3.新增長能力。選擇要素配置能力、消費能力、教育支出、科技支出四項指標。要素配置能力體現市場的資源配置效率和競爭優勢。消費能力表征個人和家庭的經濟實力和市場需求。教育支出代表城市未來人口的素質和發展潛力?？萍贾С霰硎镜貐^政府對科技創新發展的重視程度，投入水平越高，科技創新的能力也會越高。

（三）構建城市經濟韌性評價指標體系

參考現有城市經濟韌性測算的相關文獻，并結合數據可得性，從沖擊反應、恢復力和新增長能力三個層面構建評價指標體系。為避免主觀因素的影響，采用熵權法對指標的權重予以計算。計算得到的各指標權重如表1 所示。

三、實證分析

（一）長三角城市群城市經濟韌性綜合測度結果分析

由表2 可知：（1）從整個長三角城市群層面看，城市經濟韌性測度水平在2006—2020 年期間，整體呈上升趨勢。盡管時間序列上綜合測度水平存在升降波動，但最后由2006 年的0.146 3 上升到2020年的0.217 8。（2）就市域層面而言，總體來看上海市經濟韌性水平最大，均值為0.627 9。蘇州市的城市經濟韌性水平在整體上僅次于上海市，為0.373 4，與上海市仍有一定差距。杭州市的經濟韌性水平為0.340 4，其次是南京市與無錫市。池州市的經濟韌性水平僅為0.109 1，是27 市中經濟韌性水平最低的城市。在城市經濟韌性水平低于長三角平均值的17 個城市中，包括江蘇省的鎮江市、揚州市、泰州市和鹽城市，浙江省的嘉興市、金華市、臺州市、湖州市和舟山市，安徽省的銅陵市、合肥市、蕪湖市、馬鞍山市、安慶市、滁州市、宣城市和池州市。

表2 長三角城市群城市經濟韌性綜合測度水平

（二）長三角城市群城市經濟韌性水平差異化特征分析

運用Dagum 基尼系數分解法[11]對長三角地區城市經濟韌性在2006—2020 年期間的空間差異進行測算和分解，圖1 繪制了長三角城市群在樣本期內經濟韌性水平總體差異變化趨勢。結果表明，雖然2011 年Dagum 基尼系數整體呈現出一定程度的降低態勢，但長三角城市群韌性水平的總體差異在較長的時間范圍內呈現了平穩上升的趨勢，Dagum基尼系數由2006 年的0.134 上升至2020 年的0.266，年均上升1.047%，表明長三角城市群城市經濟韌性水平的總體差距在逐漸增大。

圖1 2006—2020 年長三角城市群城市經濟韌性總體差異變化趨勢

究其原因主要有三方面：（1）資源聚集效應。核心城市如上海、杭州等擁有豐富的資源，資源的集聚形成了城市的競爭優勢，能夠吸引更多的投資、人才，形成良好的產業鏈和創新鏈，進一步促進城市經濟的增長和韌性的提升；而其他相對較小的城市由于資源有限，難以有效吸引和集聚資源，導致其經濟韌性相對較弱。（2）產業結構轉型差異。一些城市在經濟發展中積極推進產業結構的轉型升級，加大對高科技、高附加值產業的發展支持，投入更多的資源用于科技研發、創新孵化和高端制造等領域，從而提升了其產業競爭力和經濟韌性。然而，其他城市仍然依賴于傳統產業或低附加值產業，缺乏創新能力和高端產業的支撐，導致其經濟韌性水平相對較低。（3）城市規模與網絡效應。大城市由于其較大的規模和更為完善的基礎設施，能夠提供更多的商業機會和就業機會，從而吸引了更多的企業和人才涌入，形成了良性循環的網絡效應。相比之下，小城市由于規模較小，往往難以形成強大的網絡效應，限制了其經濟韌性的提升。因此長三角地區城市間經濟韌性水平的總體差距在逐漸增大。

圖2 繪制了江蘇省、浙江省和安徽省三省韌性水平差異的演變趨勢。從各省韌性水平差異大小來看，考察期內，江蘇省、浙江省和安徽省Dagum 基尼系數的均值分別為0.138 0、0.112 1 和0.110 7。由此可見，安徽省內經濟韌性水平的差異最大，浙江省次之，江蘇省最小。從各省經濟韌性水平差異的變化趨勢來看，三省的Dagum 基尼系數整體上均呈現了不同程度的上升趨勢。

圖2 2006—2020 年長三角城市群三省城市經濟韌性省內差異變化趨勢

圖3 繪制了長三角城市群省市間城市經濟韌性水平差異的變化趨勢，從考察期內省市間Dagum基尼系數的均值來看，省市間城市經濟韌性差距由大到小排序分別是上海市與安徽?。?.6340）、上海市與浙江?。?.4565）、上海市與江蘇?。?.4437）、江蘇省與安徽省（0.2761）、浙江省與安徽省（0.2612）、江蘇省與浙江?。?.1338）。結果表明，上海市與安徽省的經濟韌性差異最大，江蘇省與浙江省經濟韌性差異最小。從三省一市兩兩組成的六對差異曲線變化趨勢來看，盡管在不同年份省市間經濟韌性的差距次序出現了交替變化，但各省市間經濟韌性的差距逐漸趨于穩定。

圖3 2006—2020 年長三角城市群城市韌性區域間差異變化趨勢

圖4 繪制了長三角城市群城市經濟韌性差異來源貢獻率的演變趨勢，結果表明，長三角城市群的年平均貢獻率分別為43.50%、15.75%和40.76%。三省一市經濟韌性的差異主要來源于區域間的差異、超變密度以及區域內的差異，這些因素共同作用導致城市的經濟韌性表現出不同的特征。

圖4 2006—2020 年長三角城市群城市經濟韌性差異來源及貢獻的變化趨勢

（三）長三角城市群城市經濟韌性水平空間演變特征分析

本文選取2006 年、2010 年、2015 年和2020 年作為時間節點，對長三角城市群的27 個城市進行經濟韌性空間分異特征和演變規律的研究。通過采用K-Means 聚類法，將這27 個城市的經濟韌性水平值劃分為低度、中度、較高和高度四個韌性水平區。表3 詳細呈現了在2006 年、2010 年、2015 年和2020年這四個時間點上，長三角城市群中各城市的經濟韌性空間演變結果。

表3 2006—2020 年長三角城市群城市經濟韌性水平空間分布

表4 城市經濟韌性水平Moran's I 指數

研究結果顯示，長三角城市群呈現出以上海市為核心的“中心外圍”格局?？拷虾５某鞘薪洕g性水平較高，而外圍城市的韌性水平相對較低。在2006 年，僅有上海市被認定為高韌性城市，杭州市、無錫市和溫州市屬于中韌性城市，而其他23 個城市則屬于低韌性城市。然而，到了2020 年，低韌性城市的數量減少至7 個?？傮w來看，長三角城市群中較高韌性和高韌性城市的數量增加，而低韌性城市的數量減少，表明城市經濟韌性的發展呈現出空間均衡性和一體化程度增強的趨勢。

（四）長三角城市群城市經濟韌性水平空間集散特征分析

莫蘭指數是一種用于衡量整體空間自相關性的指標。當莫蘭指數超過0 時，表示空間呈現出顯著的正相關關系，莫蘭指數越大則表明空間相關性越高，呈現出強烈的空間聚集現象。當莫蘭指數等于0時，表明空間屬性具有隨機性質。一般而言，莫蘭指數大于0.3 表示存在較強的正向相關性，反之則表示較強的負向相關性。

在長三角城市群的研究中，本文選取2006—2020年15 個年度的莫蘭指數作為特征量進行分析。研究發現，在樣本考察期內，長三角27 個城市的城市經濟韌性呈現出一定的空間相關性和集聚特征。隨著區域間經濟社會聯系的逐漸加強，莫蘭指數增大表明城市經濟韌性的空間相關性逐漸顯著，反映了城市間相互影響和依賴關系的加強，推動了整個長三角城市群在經濟韌性方面的共同發展。

利用ArcGIS 軟件，本文得到2006—2020 年之間長三角城市群的城市經濟韌性LISA 集聚結果，具體（見表5）。在5%顯著性水平下，觀察到四種城市經濟韌性的空間關聯模式，分別為高高集聚、高低集聚、低高集聚和低低集聚。這些模式在不同城市中呈現出各自的特征和趨勢。相對而言，低高集聚和高低集聚的情況較為罕見，而高高集聚和低低集聚的現象相對較為普遍。這種集聚模式的存在揭示了城市經濟韌性在空間上的異質性和相互影響，為深入理解城市群體間的經濟韌性差異提供了強有力的空間分析工具。

表5 長三角城市群城市經濟韌性LISA 集聚結果

1.東部沿海地區是高高集聚區域的主要區域，其中包括上海市和蘇州市等城市。這類城市以及其相鄰城市具有較高的城市經濟韌性水平，隨著時間的推移，高高集聚類型的城市數量逐漸減少。

2.高低集聚區域包括南京市和合肥市。這兩座城市分別為江蘇省和安徽省的省會城市，它們擁有得天獨厚的發展潛力，因此其城市經濟韌性水平明顯高于周邊城市，形成了明顯的高低負向關聯模式。

3.低高集聚區域指的是其相鄰城市的韌性水平較高，但城市自身的韌性水平相對較低，從而形成了一個凹陷區域。在2005 年和2020 年，嘉興市是唯一的低高集聚城市。

4.低低集聚區域主要分布在安徽省，包括馬鞍山市、蕪湖市、銅陵市、池州市和安慶市等城市。這些城市以及其相鄰城市的城市經濟韌性水平較低，隨著時間的推進，低低集聚城市數量減少，在空間上分布也更分散。

城市經濟韌性空間關聯模式的演變結果對了解長三角城市群的城市經濟韌性分布和演化具有重要意義。

四、影響因素分析

（一）空間權重矩陣構建

為研究各主體在空間中的相互依賴關系，首先需要構建空間權重矩陣。然而，目前對于空間矩陣的選取缺乏明確指導。考慮到長三角城市群的空間地理特征，本文選擇構建地理距離權重矩陣，將距離的倒數作為衡量標準。在構建這一矩陣時，默認本地區與本地區之間不存在相鄰關系，因此得到的矩陣可以被描述為逆距離矩陣。通過這一方法，能夠更準確地捕捉各城市在空間上的互動程度。

（二）影響因素選取

為描述各城市經濟韌性的情況，將城市經濟韌性計算結果作為被解釋變量，參考前人文獻[12-14]，綜合考慮長三角地區經濟韌性測度結果與時空分異特征，選取人均社會固定資產投資、實際使用外資金額、每百人公共圖書館藏書、國際互聯網用戶數、財政支出占GDP 比重、可吸入細顆粒物年平均濃度6 項指標為解釋變量，其描述性統計如表6 所示。

表6 影響因素描述性統計

（三）模型檢驗

為考察解釋變量間是否具有多重共線性，采用Stata 17 計算各個變量的容忍度值。表7 結果顯示：解釋變量的方差膨脹系數均未達到5，說明解釋變量之間的共線性較弱。

表7 多重共線性檢驗

LM 檢驗是確定是否選擇空間模型的重要依據。采用Stata 17 進行LM 檢驗。從表8 結果可以觀察到，LM 檢驗的結果多在5%顯著性水平的情況下顯著。綜合考慮LM 檢驗和Moran's I 檢驗的結果，在研究城市經濟韌性時，空間效應的重要性不容忽視，因此采用空間杜賓模型。

表8 LM 檢驗結果

為探究空間杜賓模型是否會演化成空間滯后模型或空間誤差模型，采用LR 檢驗進行驗證。表9顯示，地理權重矩陣下的空間杜賓模型是本文較為合適的選擇，該模型不會受到空間滯后和空間誤差的影響，保持了其穩定性。

表9 LR 檢驗結果

（四）空間杜賓模型回歸結果分析

由于豪斯曼檢驗為負值，本文選擇采用固定效應空間杜賓模型進行回歸分析，表10 中詳細呈現了SDM 回歸的結果。研究發現，投資水平、文化建設、社會信息化程度、行政調控力和環境治理對地區城市經濟韌性建設都表現出顯著的正向影響。這意味著在這些方面的增加投入和提升水平有助于提高城市的經濟韌性。然而，對外開放水平的系數為負，這可能是因為城市需要在開放和保護之間尋求平衡。一些城市在追求外部聯系和發展機遇的同時，會忽視自身的內部規劃和建設，導致城市基礎設施和資源的不足，從而引發相應的韌性問題。

表10 空間杜賓回歸結果

為了檢驗各變量是否具有空間溢出效應，本文將空間杜賓模型的回歸結果進行空間效應分解。通過這一方法，能夠深入理解各變量在空間中的作用機制。具體而言，同一區域內解釋變量與被解釋變量之間的關系可用直接效應表達，而其他地區的解釋變量對本地區的被解釋變量的影響為間接效應。該分解方法有助于深入理解變量在空間中的作用機制[15]，表11 展示了效應分解結果。

表11 空間杜賓模型效應分解結果

在上述結果中，行政調控力對城市經濟韌性水平的影響程度最為顯著。行政調控力的提升能夠為城市在緊急情況下提供有效的響應能力。例如，當自然災害發生時，高效的行政調控力能夠迅速指導城市組織應急搶救工作，將損失降至最低。這強調了行政調控力在城市經濟韌性建設中的關鍵作用，為城市面對各類挑戰時的靈活性和抗壓能力提供支持。

五、結論與啟示

（一）結論

本文以城市韌性理論為出發點，從沖擊反應、恢復力和新增長能力三個維度出發，選擇12 個具體指標構建長三角城市群的城市經濟韌性綜合評價體系，并進行測度，在此基礎上探究各城市經濟韌性的時空演化特征。經過深入分析，得出如下結論：

一是長三角城市群城市經濟韌性整體上呈現上升趨勢，上海市的城市經濟韌性綜合測度指數最高，蘇州市緊隨其后。池州市的韌性綜合測度指數最低，17 個城市的綜合測度指數低于長三角平均水平。其中，江蘇省有4 個、浙江省有5 個、安徽省有8 個。

二是浙江省和江蘇省內韌性水平的不平衡程度相對較小，安徽省差異相對較大。上海市與安徽省之間經濟韌性水平的差異最大，江蘇省與浙江省經濟韌性水平的差異最小。在長期趨勢上，各省市間經濟韌性的不平衡性差異逐漸趨于穩定。

三是通過K-Means 聚類法對城市經濟韌性水平進行分類，結果表明長三角城市群的城市經濟韌性呈現出以上海市為核心的“中心外圍”格局。離上海市較近的城市具有較高的城市經濟韌性水平。城市經濟韌性的發展空間均衡性和一體化程度都得到了增強，中高韌性等級城市的數量增多，低韌性城市的數量減少。

四是長三角城市群的城市經濟韌性具有明顯的空間相關性。然而，突發公共衛生事件對城市經濟韌性的影響導致其集聚程度有所降低，原先高高集聚和低低集聚模式逐漸演變成多樣的類型。較高城市經濟韌性水平的城市主要分布在長三角城市群東部沿海地帶，而城市經濟韌性水平較低的城市則主要分布在長三角城市群西部地區。

五是研究結果顯示，投資、文化建設、社會信息化程度、行政調控力和環境治理對城市經濟韌性具有顯著的正向影響。

（二）對策

為提高長三角城市群的韌性水平，可以采取以下具體對策：

一是加強城市規劃和土地利用管理：通過科學的城市規劃，實現對城市用地的合理安排，從而提高城市的空間布局和抗災能力。在規劃過程中，必須全面考慮自然災害和氣候變化的風險因素，使得城市在面臨災害沖擊時能夠更加靈活、有序地應對。包括制定相應的防災預案和建筑規范，以確保城市的建筑結構和基礎設施具備足夠的韌性和適應性。

二是加強基礎設施建設：完善的基礎設施是提升城市經濟韌性的基石。通過增加對交通、能源、水務等基礎設施的建設和改善，可以提升城市的運轉效能和災害應對能力。例如，在交通基礎設施方面的改善可以確保緊急救援隊伍迅速到達災區，提高災害時的人員疏散效率。同時，對水務和能源基礎設施的加強也有助于保障城市正常運轉，減輕災害對城市生活和經濟的沖擊。

三是建立高效的緊急響應機制：為提高長三角城市群的經濟韌性水平，需要建立健全的應急管理體系。包括設立高效的應急指揮中心，以實現快速響應和協調各方資源。完善災害預警體系是防范災害風險的關鍵一步，通過先進的監測技術提前發現潛在威脅，為城市采取及時有效的防范措施提供有力支持。提高救援力量的組織和應急資源的儲備，能夠在災害事件發生時快速展開救援行動，最大程度降低損失。

四是提高社會參與度：鼓勵公民積極參與城市建設和應急響應是提高城市經濟韌性的重要措施。引導居民和社區組織參與災害風險評估，促進防護設施建設，以及提升社區自救能力，能夠有效減輕災害對城市的影響。與民眾加強溝通與合作，建立起更加緊密的社會網絡，不僅可以提高信息傳遞的效率，還能增強社會的凝聚力。這種協同努力有助于城市更好地應對各種挑戰。