中國區(qū)域經(jīng)濟(jì)韌性的質(zhì)量評價與影響因素分析

朱 琳

（北京師范大學(xué)政府管理學(xué)院，北京 100875）

0 引言

2020 年年初新型冠狀病毒肺炎疫情（簡稱新冠肺炎疫情）全面暴發(fā)，讓中國乃至世界經(jīng)濟(jì)“停擺”，形成巨大的風(fēng)險性沖擊。經(jīng)過新冠肺炎疫情持續(xù)三年的沖擊，盡管其負(fù)面影響至今仍存，但中國經(jīng)濟(jì)能夠快速回歸正常軌道，將負(fù)面沖擊降至最低，表現(xiàn)出了極大的經(jīng)濟(jì)韌性。2022年中央經(jīng)濟(jì)工作會議指出，中國經(jīng)濟(jì)韌性強(qiáng)、潛力大、活力足。因此，對于此輪疫情沖擊期間的中國經(jīng)濟(jì)韌性進(jìn)行測度與分析具有極大理論與現(xiàn)實意義。韌性（Resilience）在工程物理學(xué)中表示物體在塑性與斷裂過程中吸收能量的能力；后來被應(yīng)用于經(jīng)濟(jì)學(xué)領(lǐng)域，城市（區(qū)域）經(jīng)濟(jì)韌性則被定義為抵御風(fēng)險沖擊和駕馭不確定性的發(fā)展能力[1]。

本文將對2020—2021 年的季度經(jīng)濟(jì)數(shù)據(jù)進(jìn)行評估，利用韌性模型測度中國省域經(jīng)濟(jì)韌性系數(shù)，再用動態(tài)偏離份額分解（shift-share）模型對區(qū)域經(jīng)濟(jì)韌性的質(zhì)量進(jìn)行評價，并在此基礎(chǔ)上進(jìn)行綜合性比較；在此基礎(chǔ)上，使用地理探測器模型從產(chǎn)業(yè)結(jié)構(gòu)、創(chuàng)新驅(qū)動與資本支持三個維度對區(qū)域經(jīng)濟(jì)韌性的空間影響因素進(jìn)行分析。本文的邊際貢獻(xiàn)在于：（1）研究內(nèi)容的創(chuàng)新。在借鑒已有理論模型對新冠肺炎疫情沖擊下的經(jīng)濟(jì)韌性進(jìn)行測度之外，還使用shift-share 模型將經(jīng)濟(jì)韌性拆分為產(chǎn)業(yè)分項與結(jié)構(gòu)性分項，實現(xiàn)了對中國經(jīng)濟(jì)韌性的質(zhì)量評價。（2）研究框架的創(chuàng)新。對于經(jīng)濟(jì)韌性的影響因素，運用空間計量模型從產(chǎn)業(yè)、創(chuàng)新、資本三個層面構(gòu)建了更加完善的分析框架，為以后經(jīng)濟(jì)韌性影響因素的研究提供了更全面的研究視角。（3）研究工具的創(chuàng)新。由于疫情沖擊的時間周期較短，該時期經(jīng)濟(jì)數(shù)據(jù)屬于典型短面板樣本，本文將地理探測器模型引入?yún)^(qū)域經(jīng)濟(jì)韌性的實證研究中，為以后短期沖擊下的空間計量經(jīng)濟(jì)分析提供了更加多元的研究工具。

1 研究設(shè)計

1.1 樣本選擇與數(shù)據(jù)說明

由于新冠肺炎疫情對區(qū)域經(jīng)濟(jì)發(fā)展具有季度性影響差異，因此本文采用中國31 個省份（不含港澳臺）2020—2021年的季度數(shù)據(jù)作為韌性測度樣本。將2019年年底至2022 年年初的GDP 同比增速進(jìn)行比較可以發(fā)現(xiàn)，新冠肺炎疫情對經(jīng)濟(jì)的沖擊始于2020 年第一季度，并使得GDP同比增速的負(fù)向表現(xiàn)持續(xù)到第二季度。從第三季度中期開始GDP 同比增速開始轉(zhuǎn)為正值，直至2021 年第一季度全國經(jīng)濟(jì)增速已經(jīng)基本恢復(fù)至疫情發(fā)生前的水平。

基于以上分析，將2020 年前兩季度作為新冠肺炎疫情沖擊期，而從2020 年第四季度開始可以認(rèn)定為全國層面的經(jīng)濟(jì)復(fù)蘇期。為使得單變量評價模型的測度結(jié)論具有觀測顯著性，本文選擇沖擊期內(nèi)省級經(jīng)濟(jì)數(shù)據(jù)作為經(jīng)濟(jì)韌性測度的主要樣本。然而樣本期間新冠肺炎疫情的發(fā)生并非全國性的，而是具有強(qiáng)烈的區(qū)域特征，因此，為避免疫情沖擊的地域異質(zhì)性對韌性測度結(jié)論的干擾，本文選擇將樣本區(qū)間拉長至復(fù)蘇期以對區(qū)域經(jīng)濟(jì)韌性進(jìn)行度量修正。在本文的實證分析中，均選擇沖擊期至復(fù)蘇期（2020年第一季度至2021年第四季度）作為實證檢驗區(qū)間，所有實證分析均選擇31個省份的季度數(shù)據(jù)所構(gòu)成的面板數(shù)據(jù)進(jìn)行檢驗，數(shù)據(jù)來源于Wind數(shù)據(jù)庫。

1.2 經(jīng)濟(jì)韌性的測度模型設(shè)計

在Martin（2012）[2]的模型的基礎(chǔ)上，后續(xù)研究對經(jīng)濟(jì)韌性的抵抗力指數(shù)進(jìn)行了修正，構(gòu)建區(qū)域經(jīng)濟(jì)韌性度表達(dá)式βL=(EL，t/EL，t-1)/(ΔEN，t/EN，t-1)，其中，Et設(shè)定為沖擊期的就業(yè)水平，Et-1設(shè)定為危機(jī)沖擊之前的就業(yè)水平，L和N依然分別表示區(qū)域?qū)用婧腿珖鴮用鎇3]。

由于就業(yè)水平指標(biāo)缺乏季度數(shù)據(jù)，因此本文使用GDP作為替換變量。在使用GDP進(jìn)行韌性測度的模型選擇方面，Lagravinese（2015）[4]也為了解決Martin（2012）[2]的模型中韌性標(biāo)尺與符號不一致的問題，構(gòu)建了修正版模型：

其中，(ΔGDPt+k)預(yù)期表示按照全國平均增速所預(yù)期的區(qū)域經(jīng)濟(jì)水平，因此該修正模型中區(qū)域經(jīng)濟(jì)韌性β表示該區(qū)域在沖擊測度區(qū)間(t+k)中實際經(jīng)濟(jì)水平與按照全國平均增速所預(yù)期的經(jīng)濟(jì)水平的變動比率，若β＞0，則該地區(qū)經(jīng)濟(jì)水平優(yōu)于沖擊期間的全國平均水平，表明該地區(qū)的經(jīng)濟(jì)韌性較為強(qiáng)勁。

根據(jù)以上單變量彈性評價系統(tǒng)修正模型，選擇GDP作為評價指標(biāo)，構(gòu)建中國省域經(jīng)濟(jì)韌性測度模型：

其中，resL表示省份L的區(qū)域經(jīng)濟(jì)韌性，表示區(qū)域L在沖擊發(fā)生初始點t的GDP，表示在沖擊周期(t+k)內(nèi)的全國范圍的經(jīng)濟(jì)增長率，因此表示按照全國平均增速g所預(yù)期的區(qū)域L的GDP。區(qū)域?qū)嶋HGDP 增長率和全國平均經(jīng)濟(jì)增長率均為根據(jù)國家統(tǒng)計局所公布的季度GDP數(shù)據(jù)（該數(shù)據(jù)從Wind數(shù)據(jù)庫獲取）進(jìn)行計算得出。

1.3 經(jīng)濟(jì)韌性的shift-share分解

對于區(qū)域間經(jīng)濟(jì)韌性差異的內(nèi)在機(jī)制研究，可以使用shift-share 模型進(jìn)行份額分解。本文借鑒馮苑等（2020）[5]的分解方法對新冠肺炎疫情下省域經(jīng)濟(jì)韌性的結(jié)構(gòu)進(jìn)行拆分，進(jìn)而對區(qū)域經(jīng)濟(jì)韌性的質(zhì)量進(jìn)行評價。

當(dāng)考慮產(chǎn)業(yè)結(jié)構(gòu)對經(jīng)濟(jì)增長貢獻(xiàn)度的差異后，區(qū)域經(jīng)濟(jì)韌性模型可以從式（2）改寫為式（3）：

更進(jìn)一步，將式（3）中的函數(shù)Ⅱ進(jìn)行變換可以得到式（4）：業(yè)的產(chǎn)出增長率，而

將式（4）代入式（3）的函數(shù)I之中，并將代入后的函數(shù)I的分子進(jìn)行shift-share轉(zhuǎn)換，其表達(dá)式如下：

式（5）是區(qū)域經(jīng)濟(jì)韌性測度模型的分子部分經(jīng)過shift-share 轉(zhuǎn)換的結(jié)果，該式將區(qū)域經(jīng)濟(jì)韌性分解為產(chǎn)業(yè)分項和結(jié)構(gòu)性分項兩個部分，最終分解測度函數(shù)見式（6）:

一方面，結(jié)構(gòu)性分項表示此次風(fēng)險沖擊對不同產(chǎn)業(yè)之間的影響幅度與不同產(chǎn)業(yè)在區(qū)域經(jīng)濟(jì)結(jié)構(gòu)中的權(quán)重的偏離程度，由于不同經(jīng)濟(jì)沖擊對不同產(chǎn)業(yè)的影響存在差異，因此結(jié)構(gòu)性分項占比較高的區(qū)域經(jīng)濟(jì)韌性會在面對不同外生沖擊時表現(xiàn)出較大的波動程度，故結(jié)構(gòu)性分項是區(qū)域經(jīng)濟(jì)韌性的不穩(wěn)定因素；另一方面，產(chǎn)業(yè)分項表示風(fēng)險沖擊過程中各個產(chǎn)業(yè)的實際增長率相對于全國各產(chǎn)業(yè)平均增長率的變動量，由于產(chǎn)業(yè)產(chǎn)出增長是經(jīng)濟(jì)增長的基礎(chǔ)與保障，因此區(qū)域經(jīng)濟(jì)韌性中的產(chǎn)業(yè)分項是保持經(jīng)濟(jì)韌性持續(xù)強(qiáng)勁的關(guān)鍵。

1.4 經(jīng)濟(jì)韌性影響因素的指標(biāo)選取與研究方法

1.4.1 指標(biāo)選取

經(jīng)濟(jì)韌性是區(qū)域經(jīng)濟(jì)質(zhì)量在外生沖擊下的顯性表現(xiàn)，而已有研究表明，產(chǎn)業(yè)結(jié)構(gòu)、生產(chǎn)效率和要素集聚是經(jīng)濟(jì)質(zhì)量的有效支撐，并會對于經(jīng)濟(jì)韌性存在顯著影響。

第一，在“產(chǎn)業(yè)結(jié)構(gòu)類”的影響因素方面，本文選擇產(chǎn)業(yè)集中度與產(chǎn)業(yè)結(jié)構(gòu)升級作為區(qū)域經(jīng)濟(jì)韌性影響因素。其中,產(chǎn)業(yè)集中度普遍選擇區(qū)域經(jīng)濟(jì)密度（Density）作為衡量變量，采用地區(qū)生產(chǎn)總值（萬元）與對應(yīng)地區(qū)的建設(shè)用地面積（平方公里）的比值來反映經(jīng)濟(jì)活動在單位空間內(nèi)的集中程度；產(chǎn)業(yè)結(jié)構(gòu)升級普遍選擇使用空間向量測定法測度的Moore結(jié)構(gòu)系數(shù)（Moore）作為衡量變量[3]。

其中，Moore表示產(chǎn)業(yè)結(jié)構(gòu)升級系數(shù)；GDPi，t表示第t期第i產(chǎn)業(yè)的產(chǎn)出值。

第二，在“生產(chǎn)效率類”的影響因素方面，本文選擇全要素生產(chǎn)率和創(chuàng)新投入作為生產(chǎn)效率的代理變量。其中，對全要素生產(chǎn)率（TFPch）的測度使用Malmquist-Luenberger指數(shù)函數(shù)計算；創(chuàng)新投入普遍選擇R＆D投入作為其代理變量，因此本文選擇區(qū)域研發(fā)投入占GDP的比重作為創(chuàng)新投入（RD）的代理變量。

第三，在“要素集聚類”的影響因素方面，在新冠肺炎疫情沖擊期間,勞動力要素受到限制，因此資本要素的集聚成為疫情沖擊下經(jīng)濟(jì)韌性的最重要影響因素[6]。由于金融與財政支出是占比最高的資本要素，因此本文選擇社會融資總額占GDP 的比重作為區(qū)域金融支持的代理變量（Fin），選擇地方財政支出占GDP 的比重作為區(qū)域財政支持的代理變量（Gov）。

1.4.2 研究方法

由于疫情影響具有空間相關(guān)性，因此若使用傳統(tǒng)線性回歸模型對其影響因素進(jìn)行分析將會導(dǎo)致檢驗結(jié)果出現(xiàn)偏誤，但是由于本文選取的樣本期限過短而導(dǎo)致空間滯后及空間誤差模型均不具有顯著性，因此使用對樣本數(shù)量及假設(shè)條件要求相對較低的地理探測器模型（Geo Detector Model）進(jìn)行實證分析與檢驗[7]。其計量模型如下：

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(shù)量，σ2和則分別表示樣本方差與第h層的樣本方差。因此SSW 則表示不同分層上的樣本方差之和，SST代表全部樣本的總方差。在式（8）中，q∈[0,1]為地理探測器模型的驅(qū)動因子解釋力，q取值越接近1，表明該因子對被解釋變量（區(qū)域經(jīng)濟(jì)韌性）的影響力越強(qiáng)。

2 實證分析

2.1 經(jīng)濟(jì)韌性的測度結(jié)果分析

根據(jù)式（2）的單變量彈性評價系統(tǒng)模型對2020 年新冠肺炎疫情沖擊期（2020年第一季度至第二季度）的經(jīng)濟(jì)數(shù)據(jù)進(jìn)行測度，結(jié)果顯示（見表1）:中國大多數(shù)省份經(jīng)濟(jì)韌性指數(shù)為正，均能有效抵抗新冠肺炎疫情的沖擊，這也顯示了中國整體經(jīng)濟(jì)韌性較為強(qiáng)勁。將區(qū)域經(jīng)濟(jì)韌性按照東部、中部、西部地區(qū)省份的順序進(jìn)行排列后可以發(fā)現(xiàn)，由于新冠肺炎疫情主要暴發(fā)于中部與東部地區(qū)省份，因此西部地區(qū)省份整體表現(xiàn)出經(jīng)濟(jì)韌性較強(qiáng)。盡管東部地區(qū)省份遭受沖擊較大，但是其整體表現(xiàn)優(yōu)于中部地區(qū)。

表1 新冠肺炎疫情沖擊期內(nèi)的省域經(jīng)濟(jì)韌性測度表（2020年Q1—Q2）

根據(jù)中國疾控中心所統(tǒng)計的新冠肺炎疫情確診病例數(shù)據(jù)（截至2020年9月），疫情暴發(fā)最為嚴(yán)重的5個省份為湖北、廣東、河南、浙江與湖南，但其中僅有湖北韌性指數(shù)為負(fù)，另外韌性指數(shù)為負(fù)的省份還包含黑龍江、天津、海南、上海、內(nèi)蒙古、遼寧、新疆等省份。由此可知，新冠肺炎疫情在病理學(xué)層面的沖擊程度與經(jīng)濟(jì)層面的沖擊程度存在較大差異，因此需要剔除疫情在區(qū)域異質(zhì)性方面對經(jīng)濟(jì)韌性的干擾。更進(jìn)一步對經(jīng)濟(jì)韌性指數(shù)為負(fù)的8 個省份在經(jīng)濟(jì)復(fù)蘇期（2020年第四季度至2021年第四季度）的經(jīng)濟(jì)數(shù)據(jù)進(jìn)行測度，結(jié)果顯示僅湖北與海南兩個省份在復(fù)蘇期的經(jīng)濟(jì)韌性指數(shù)為正，其中湖北作為最早經(jīng)濟(jì)停擺也是病例數(shù)量最多的省份遭受的疫情沖擊最大，然而得益于中國迅速啟動的疫情防控應(yīng)急機(jī)制與防治措施，湖北迅速復(fù)工復(fù)產(chǎn)，在疫情沖擊后經(jīng)濟(jì)迅速回升，表現(xiàn)出極大的經(jīng)濟(jì)韌性；海南作為第三產(chǎn)業(yè)占比極高的省份，新冠肺炎疫情對于旅游業(yè)的沖擊相對于其他產(chǎn)業(yè)更為嚴(yán)重，因此使得海南在沖擊期間顯示出經(jīng)濟(jì)韌性不足，但是在疫情之后放開國內(nèi)旅行而對國際旅行限制的背景下，海南第三產(chǎn)業(yè)出現(xiàn)爆發(fā)式增長，反而在復(fù)蘇期間表現(xiàn)出極大的經(jīng)濟(jì)韌性。

以上實證結(jié)果顯示，在新冠肺炎疫情沖擊期中國經(jīng)濟(jì)整體韌性強(qiáng)勁的背景下，黑龍江、天津、上海、內(nèi)蒙古、遼寧、新疆這5個省份表現(xiàn)為經(jīng)濟(jì)缺乏韌性。然而新冠肺炎疫情對經(jīng)濟(jì)的沖擊不僅有區(qū)域異質(zhì)性，還有產(chǎn)業(yè)異質(zhì)性，即新冠肺炎疫情對第三產(chǎn)業(yè)的沖擊程度大于第二產(chǎn)業(yè)，而對第一產(chǎn)業(yè)的沖擊最小，這說明不同地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)差異也會導(dǎo)致經(jīng)濟(jì)韌性的差別——例如A 省份的第三產(chǎn)業(yè)占比極高，B省份第一、二產(chǎn)業(yè)占比較高，在新冠肺炎疫情沖擊下,第三產(chǎn)業(yè)的下降幅度遠(yuǎn)大于第一、二產(chǎn)業(yè)，因此即使A省份第三產(chǎn)業(yè)的抵抗力強(qiáng)于B省份，但由于其占比較高而最終依然顯示A省份的經(jīng)濟(jì)韌性低于B省份。Martin等（2016）[8]在其研究中選擇就業(yè)水平作為測度指標(biāo)，由于勞動力要素可以在不同產(chǎn)業(yè)之間進(jìn)行流動，因此該模型不需要剔除產(chǎn)業(yè)結(jié)構(gòu)差異對經(jīng)濟(jì)韌性的影響。然而本文所選擇的測度指標(biāo)為GDP，由于不同地區(qū)之間產(chǎn)業(yè)結(jié)構(gòu)短期內(nèi)發(fā)生調(diào)整的可能性極低，因此需要剔除結(jié)構(gòu)性因素對經(jīng)濟(jì)韌性的干擾，進(jìn)而對經(jīng)濟(jì)韌性質(zhì)量進(jìn)行評價。

2.2 經(jīng)濟(jì)韌性的shift-share分解結(jié)果分析

根據(jù)式（6）的shift-share 分解模型對樣本數(shù)據(jù)進(jìn)行分解，將區(qū)域經(jīng)濟(jì)韌性的產(chǎn)業(yè)分項與結(jié)構(gòu)性分項的測度結(jié)果呈現(xiàn)于下頁表2。其中，在表1中區(qū)域經(jīng)濟(jì)缺乏韌性（經(jīng)濟(jì)韌性指數(shù)為負(fù)）的省份之中，在表2 里僅有上海的產(chǎn)業(yè)分項為正，這說明上海作為科技經(jīng)濟(jì)金融中心，其第三產(chǎn)業(yè)占比較高，而由于新冠肺炎疫情對第三產(chǎn)業(yè)的負(fù)面影響大于其他產(chǎn)業(yè)，使得上海由于結(jié)構(gòu)性因素顯示為韌性缺乏；但是上海在沖擊過程中各產(chǎn)業(yè)的負(fù)向變化程度均顯著小于全國均值，體現(xiàn)為較高質(zhì)量的強(qiáng)勁經(jīng)濟(jì)韌性。但在其他經(jīng)濟(jì)韌性為負(fù)的省份之中，其產(chǎn)業(yè)分項也均為負(fù)數(shù)，因此需要按照上文所述剔除新冠肺炎疫情沖擊的區(qū)域異質(zhì)性因素對韌性結(jié)果的干擾，選擇經(jīng)濟(jì)復(fù)蘇期的樣本數(shù)據(jù)進(jìn)行分解測度，結(jié)果顯示，僅有湖北在復(fù)蘇期內(nèi)的產(chǎn)業(yè)分項為正，再次表明在韌性質(zhì)量視角下，湖北的經(jīng)濟(jì)韌性依然強(qiáng)勁；然而盡管海南在復(fù)蘇期內(nèi)的經(jīng)濟(jì)韌性指數(shù)為正，但是當(dāng)對其進(jìn)行分解后發(fā)現(xiàn)，無論是在疫情沖擊期還是在復(fù)蘇期，其產(chǎn)業(yè)分項均為負(fù)值，可以認(rèn)定為其經(jīng)濟(jì)韌性質(zhì)量較差。

表2 省域經(jīng)濟(jì)韌性與分解測度結(jié)果

在對經(jīng)濟(jì)韌性指數(shù)大于0 的省份進(jìn)行質(zhì)量評價時發(fā)現(xiàn)，河北、山西、山東、江蘇、吉林等省份的分解測度結(jié)果中，產(chǎn)業(yè)分項與經(jīng)濟(jì)韌性的符號不一致，這表明以上省份的經(jīng)濟(jì)韌性質(zhì)量較差，盡管在新冠肺炎疫情沖擊下，其整體經(jīng)濟(jì)波動高于全國平均水平，但究其本質(zhì)是由于疫情沖擊程度較為劇烈的產(chǎn)業(yè)在該區(qū)域占比較低，其各個產(chǎn)業(yè)本身的負(fù)向變化程度小于全國均值，因此這種結(jié)構(gòu)性因素所帶來的經(jīng)濟(jì)韌性是質(zhì)量較差的。

基于以上分析，借鑒Briguglio 等（2009）[9]關(guān)于區(qū)域經(jīng)濟(jì)韌性的劃分原則，可以對新冠肺炎疫情沖擊下的各省份經(jīng)濟(jì)韌性進(jìn)行劃分，結(jié)果見表3。

表3 基于區(qū)域經(jīng)濟(jì)韌性及其質(zhì)量的省域分類

其中，19 個省份在新冠肺炎疫情沖擊下經(jīng)濟(jì)表現(xiàn)富有韌性，湖北和上海通過復(fù)蘇期及韌性質(zhì)量修正后，也被認(rèn)定為區(qū)域經(jīng)濟(jì)富有韌性，這19 個省份無論是在人口規(guī)模還是經(jīng)濟(jì)體量方面均占到全國絕大比重，因此可以認(rèn)定在新冠肺炎疫情沖擊期間全國整體經(jīng)濟(jì)韌性強(qiáng)勁。

然而與此同時，另外12個省份區(qū)域經(jīng)濟(jì)缺乏韌性，其中河北、山西等6個省份盡管整體經(jīng)濟(jì)在新冠肺炎疫情期間顯得富有韌性，但由于其經(jīng)濟(jì)韌性質(zhì)量較差、持續(xù)性較弱，因此被認(rèn)定為缺乏韌性；而天津、內(nèi)蒙古等6個省份在新冠肺炎疫情沖擊期間以及沖擊后的復(fù)蘇期間，無論是經(jīng)濟(jì)韌性本身還是韌性質(zhì)量都低于全國平均水平，因此被認(rèn)定為區(qū)域經(jīng)濟(jì)韌性不足。

2.3 經(jīng)濟(jì)韌性的影響因素分析

2.3.1 影響因素的解釋力測度

由于地理探測器模型要求探測因子（自變量）不能使用連續(xù)性變量，因此使用ArcGIS 自然斷點分級法對探測因子進(jìn)行五級分類，將轉(zhuǎn)置后的樣本數(shù)據(jù)使用GeoDetector 2015進(jìn)行解釋力指數(shù)檢驗，結(jié)果見表4。

表4 區(qū)域經(jīng)濟(jì)韌性的影響因素解釋力測度結(jié)果

表4 的結(jié)果顯示，產(chǎn)業(yè)結(jié)構(gòu)、創(chuàng)新驅(qū)動與資本支持均對經(jīng)濟(jì)韌性具有正向影響，其中，產(chǎn)業(yè)升級和全要素生產(chǎn)率對于區(qū)域經(jīng)濟(jì)韌性的正向驅(qū)動作用具有較強(qiáng)的顯著性，全要素生產(chǎn)率的解釋力相對更強(qiáng)，所以在中國經(jīng)濟(jì)從高速增長階段轉(zhuǎn)向高質(zhì)量發(fā)展階段之后，應(yīng)當(dāng)以TFP的提升來取代對GDP增加的追逐。另外，Moore結(jié)構(gòu)系數(shù)相較于產(chǎn)業(yè)集中度，無論是在影響因素解釋力還是在顯著性方面均表現(xiàn)更優(yōu)，這表明盡管產(chǎn)業(yè)集聚帶來的規(guī)模經(jīng)濟(jì)會帶來一定的經(jīng)濟(jì)優(yōu)勢，但更加重要的還是產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化與升級，這一點在選擇經(jīng)濟(jì)韌性中的產(chǎn)業(yè)分項作為被解釋變量時尤為明顯：當(dāng)剔除了結(jié)構(gòu)性因素干擾后，Moore結(jié)構(gòu)系數(shù)的解釋力極大提升（q統(tǒng)計量從0.3028提升至0.7440，通過1%水平上的顯著性檢驗），這說明產(chǎn)業(yè)升級是提升經(jīng)濟(jì)韌性的有力支撐。

與此同時，當(dāng)選擇產(chǎn)業(yè)分項作為被解釋變量時各探測因子解釋力的顯著性均有較大提升，這再一次表明了將產(chǎn)業(yè)分項作為經(jīng)濟(jì)韌性質(zhì)量評價指標(biāo)的有效性與合理性。其中，資本支持對于經(jīng)濟(jì)韌性質(zhì)量提升具有較顯著的正向影響，這說明在當(dāng)前抗擊疫情、經(jīng)濟(jì)復(fù)蘇的過程中，中國的金融工具與財政工具起到了巨大的支撐作用。因此在疫情持續(xù)、經(jīng)濟(jì)低迷的當(dāng)前，應(yīng)該繼續(xù)加大信貸投放力度、擴(kuò)大財政支出規(guī)模，進(jìn)一步利用財政與金融工具增強(qiáng)對外生沖擊的抵抗力，提升與優(yōu)化區(qū)域經(jīng)濟(jì)韌性。然而無論是選擇整體經(jīng)濟(jì)韌性還是產(chǎn)業(yè)分項，創(chuàng)新投入的解釋力均不具有顯著性，這是因為經(jīng)濟(jì)韌性主要體現(xiàn)的是在面對沖擊時的經(jīng)濟(jì)抵抗力，而創(chuàng)新投入更加關(guān)注的是長期性產(chǎn)出，這種時滯效應(yīng)較難在外生沖擊時較快體現(xiàn)出較大的經(jīng)濟(jì)韌性。

2.3.2 影響因素的交互測度

盡管區(qū)域創(chuàng)新投入對于當(dāng)期經(jīng)濟(jì)韌性的解釋力不強(qiáng)，然而經(jīng)驗表明創(chuàng)新投入越多的區(qū)域其產(chǎn)業(yè)升級水平相對越高，全要素生產(chǎn)率也表現(xiàn)為越高的增長率，因此接下來還需要更加具體地檢驗不同影響因素疊加之后對經(jīng)濟(jì)韌性質(zhì)量（產(chǎn)業(yè)分項）的影響效果。地理探測器模型中的因子交互探測模塊，其檢驗方法是將兩個影響因子（A和B）的屬性進(jìn)行空間疊加并形成組合之后的新圖層。因此這個新圖層（因子組合項）的屬性由影響因子A 和B 共同決定，這樣就可以通過比較A和B在因子探測模型的影響力與新圖層的因子影響力的不同，來判斷兩個影響因子組合后的交互作用對于被解釋變量（區(qū)域經(jīng)濟(jì)韌性）的作用程度相對于單個影響因子（A 或B）的作用程度是更強(qiáng)化還是更弱化。若組合項的作用程度比兩個影響因子的獨立作用程度更低（即q(A∩B)＜min{q(A),q(B)}），則將該種交互作用結(jié)果表示為“非線性減弱”；若交互項的作用程度介于兩個影響因子獨立作用程度之間（即min{q(A), q(B)}＜q(A∩B)＜max{q(A),q(B)}），則將該種交互作用結(jié)果表示為“單因子非線性減弱”；若交互項的作用程度大于兩個影響因子獨立作用程度（即q(A∩B)＞max{q(A),q(B)}），則認(rèn)定該交互作用結(jié)果為“雙因子增強(qiáng)”；但若交互項的作用程度大于兩個影響因子獨立作用程度之和（即q(A∩B)＞q(A)+q(B)），則認(rèn)定該種情形下的交互作用為“非線性增強(qiáng)”。

使用經(jīng)濟(jì)韌性產(chǎn)業(yè)分項作為被解釋變量并將各影響因子進(jìn)行交互探測的結(jié)果（見表5）顯示，不同影響因素兩兩之間的交互作用都呈現(xiàn)了增強(qiáng)關(guān)系。其中，創(chuàng)新投入（RD）與產(chǎn)業(yè)結(jié)構(gòu)升級（Moore）和全要素生產(chǎn)率增長率（TFPch）的交互項均表示為非線性增強(qiáng)，表明將創(chuàng)新投入較多的區(qū)域與產(chǎn)業(yè)結(jié)構(gòu)升級或全要素生產(chǎn)率增速較快的地區(qū)進(jìn)行疊加之后，對于區(qū)域經(jīng)濟(jì)韌性的解釋力極大提升。這也證實了前文的推斷：盡管創(chuàng)新投入對于經(jīng)濟(jì)韌性具有時滯效應(yīng)，但是創(chuàng)新投入較多的地區(qū)往往也表現(xiàn)出產(chǎn)業(yè)結(jié)構(gòu)升級與全要素生產(chǎn)率的增長，而這些正是提高經(jīng)濟(jì)韌性的最有效支撐。與此同時，產(chǎn)業(yè)集聚（Density）與財政支持（Gov）的交互項也呈現(xiàn)“非線性增強(qiáng)特征，說明在產(chǎn)業(yè)集聚地區(qū)增加財政支持力度對于經(jīng)濟(jì)韌性提升的驅(qū)動效果更加明顯。盡管金融支持（Fin）和財政支持（Gov）的交互項的解釋力僅為雙因子增強(qiáng)，但是增強(qiáng)后的解釋力也接近90%，再一次表明在新冠肺炎疫情期間金融政策與財政支持是抵御外生沖擊、提升經(jīng)濟(jì)韌性極為有效的工具。

表5 對經(jīng)濟(jì)韌性產(chǎn)業(yè)分項的影響因素交互探測結(jié)果

3 結(jié)論

本文基于2020—2021 年的省級經(jīng)濟(jì)數(shù)據(jù)，采用單變量彈性評價系統(tǒng)模型對新冠肺炎疫情沖擊下的區(qū)域經(jīng)濟(jì)韌性進(jìn)行測度，并創(chuàng)造性地提出使用shift-share 分解模型對經(jīng)濟(jì)韌性進(jìn)行質(zhì)量評價。研究發(fā)現(xiàn)：面對新冠肺炎疫情沖擊時，中國大多數(shù)省份表現(xiàn)出較為強(qiáng)勁的經(jīng)濟(jì)韌性，其中，東部地區(qū)省份和西部地區(qū)省份的經(jīng)濟(jì)韌性表現(xiàn)優(yōu)于中部地區(qū)省份。在經(jīng)濟(jì)韌性測度與質(zhì)量評價基礎(chǔ)上，使用地理探測器模型從“產(chǎn)業(yè)結(jié)構(gòu)”“創(chuàng)新驅(qū)動”和“資本支持”三個維度研究區(qū)域經(jīng)濟(jì)韌性的影響因素，實證研究表明當(dāng)前金融支持與財政支持對于新冠肺炎疫情沖擊下的經(jīng)濟(jì)抵抗力提升具有顯著正向效果，而產(chǎn)業(yè)升級和全要素生產(chǎn)率的提升也是提升區(qū)域經(jīng)濟(jì)韌性的最有利支撐。