數實融合、金融支持與產業鏈韌性

[摘要]隨著全球經濟邁入數字化和智能化的新紀元，數實融合已經成為推動產業結構轉型升級和提升產業鏈韌性的關鍵動力。基于2012—2022年中國30個省級行政區的面板數據，實證考察數實融合、金融支持與產業鏈韌性的作用機制，重點分析其門檻效應和空間溢出效應。采用熵值法構建產業鏈韌性評價體系，通過耦合協調度模型測度數實融合水平，并運用固定效應模型、門檻回歸模型及空間杜賓模型進行多層次檢驗。研究發現數實融合顯著提升產業鏈韌性，且存在區域異質性，東部地區受益最顯著，中西部次之，東北部效應微弱；數實融合對產業鏈韌性的影響具有非線性特征，存在雙重門檻效應；金融支持正向調節數實融合與產業鏈韌性的關系，金融支持力度越大，數實融合的邊際效應越強；數實融合具有顯著空間溢出效應，不僅能提升本地產業鏈韌性，還能通過技術擴散與資本流動輻射鄰近區域，但區域間“虹吸效應”可能導致發展不平衡。因此，建議地區定制化數實融合策略、優化金融支持體系、加強區域協同發展、推進政策與監管創新以及重視人才培養與技術創新，促進數實融合和金融支持對產業鏈韌性的積極作用。研究結論為深化數實融合、優化金融資源配置及促進區域經濟高質量發展提供了理論依據。

[關鍵詞]數實融合；產業鏈韌性；金融支持；門檻效應；空間溢出效應

一、 引言

全球經濟正快速進入數字化和智能化新紀元，技術與實體經濟的融合推動了產業結構的升級和優化，成為提升產業鏈韌性的新策略。但隨著產業鏈日益復雜，保持穩定性和靈活性面臨嚴峻挑戰。新冠疫情暴發和地緣政治沖突進一步暴露了全球供應鏈的易損性。這些挑戰要求我們在推動數實融合的同時，也要關注和解決由此帶來的全球供應鏈問題。確保經濟體系的穩定性和安全性，加強產業鏈韌性成為維護經濟體系穩定的核心議題[1]。學術界和政策制定者正在積極探索通過數字化與實體經濟的結合提升產業鏈韌性。金融支持在推動數實融合、紓解產業鏈中斷風險以及促進產業結構升級中發揮著關鍵作用。在此過程中，金融機構可以快速掌握企業資本需求與真實情況，為企業提供更為科學合理的金融方案，減少信貸資源錯配，提高資本要素配置水平[2]。合理的資源分配、有效的風險管理以及創新技術的應用變得關鍵。精準的金融投入可加速新技術應用，減輕企業轉型財務壓力，促進地區經濟平衡發展[3]。已有研究主要集中于探討數字經濟對產業鏈供應鏈韌性的提升[4]或金融支持對經濟增長的影響，而關于數實融合與金融支持如何共同影響產業鏈韌性的研究相對較少。深入研究這種交互作用對理解數字化轉型和金融支持在現代經濟中對產業鏈韌性的作用至關重要。

產業鏈韌性是評估區域經濟和產業成熟度的關鍵指標，具體體現在遭遇外部沖擊事件時維持穩定、快速復原和保持發展的能力。數字技術能夠優化生產流程、加速決策和加強適應性，在提升產業鏈韌性的過程中發揮著核心作用[5]。數字經濟為產業鏈現代化注入新動能進而推動產業結構優化升級[6]，對制造業產業鏈韌性具有顯著促進作用[7]。同時，金融支持深刻影響了產業鏈的順暢運作，它不僅為企業提供資金以采納先進的數字化工具，還為區域經濟的協同發展奠定了堅實基礎。金融與實體經濟出現背離造成經濟的波動性[8]，而數字金融可以通過賦能各行業提升產業鏈的適應力，促進新型生產力的發展，并推動經濟向高質量增長轉型，為中國的現代化建設貢獻重要力量[9]，顯著促進區域經濟韌性提升[10]。然而，現有研究對數實融合和金融支持如何影響產業鏈韌性，特別是對門檻效應和空間溢出效應的研究較少，且大多關注單一因素，忽略了兩者間的潛在互動及對區域經濟的溢出效應[11]。因此，深入探討該問題，不僅可以豐富理論層面，也可以為區域經濟的政策制定和治理提供實證支持。

本研究聚焦數實融合對產業鏈韌性的作用，包括潛在的門檻效應，以及金融支持在其中的調節作用；此外，通過空間杜賓模型，考察數實融合對產業鏈韌性的空間外溢效應及其機制。本文可能的邊際貢獻：構建數實融合、金融支持與產業鏈韌性的多維度作用機制模型，為理解區域經濟發展提供新視角；采用門檻效應模型和空間杜賓模型的方法系統驗證門檻效應與空間溢出效應的存在性及其特征；為區域政府和企業提供提升產業鏈韌性、優化金融資源配置的實證依據，助力區域經濟的高質量發展。

二、 理論分析與研究假設

1. 數實融合對產業鏈韌性的影響

數實融合意味著緊密結合了數字技術與實體經濟，通過大數據、人工智能、物聯網和區塊鏈等技術手段，對傳統產業結構進行升級，優化生產方式、價值創造和資源配置效率，其不僅助力數字化轉型[12]，還有利于推動“雙循環”模式。數實融合經歷了“新型實體企業—數字生態—新型實體經濟”的演變，宏觀上促進了新型實體經濟的快速發展，主要經歷了“技術滲透—協同發展—深度融合—融合創新”四個階段。中觀上，其優化了數字生態系統，促進了傳統產業的升級轉型，催生了新興產業和商業模式。在企業層面，其促進了新型實體企業的培育，提升了產業鏈供應鏈的韌性和安全性[13]。數實融合在推動產業轉型、深化產業鏈分工、構建產業集群以及激發經濟增長新動力方面發揮了積極作用[14]。綜上，本文提出假設1：

H1：數實融合能夠顯著提升產業鏈韌性。

2. 數實融合對產業鏈韌性的門檻效應

門檻效應理論指出，當關鍵變量超過某個閾值時，其對結果變量的影響會顯著變化，這種非線性關系在經濟學和管理學研究中被廣泛應用[15]。在數實融合領域，已有研究表明數實融合對經濟韌性的影響具有雙重門檻效應[14]。不同的產業結構中，金融集聚對區域經濟韌性的正向影響具有異質性，具體體現為雙重門檻效應和邊際效應遞減等非線性關系[16]。杜林遠等[17]基于2006—2022年長江經濟帶107個城市的面板數據，采用調節效應模型、含交互項的面板門檻模型檢驗了產業鏈韌性、數字經濟、綠色發展三者之間的關聯機制，進一步證實了數實融合與產業鏈韌性之間的非線性關系。數字經濟只有突破一定規模后，才能有效發揮正向調節作用。

數實融合對產業鏈韌性具有非線性影響，原因可能有以下三點：第一，其通過規模經濟和智能化生產提高生產效率，促進產業鏈形成完善的數字化體系。第二，數實融合需要產業鏈各方進行系統性調整，一旦實現數字化轉型，產業鏈韌性將實現“跳躍式”增長。第三，產業鏈中的企業通過數字化轉型，利用數據反饋優化生產流程和風險管理，正向反饋機制進一步推動產業鏈韌性非線性增長。由此，本文提出假設2：

H2：數實融合對產業鏈韌性的影響具有非線性特征，存在顯著的門檻效應。

3. 金融支持在數實融合與產業鏈韌性之間的作用

金融支持在數實融合中發揮關鍵作用，通過風險投資、銀行信貸、保險等多種方式，增強產業鏈韌性。其不僅可以紓解企業面臨外部沖擊時的財務壓力，還能為技術創新提供資金支持。金融領域的創新及數字金融工具，基于區塊鏈的支付系統和虛擬貨幣，顯著增強資金在不同地區和行業間的流動性，從而積極助力產業鏈的協作效率提高，并且使企業增強應對突發事件的能力[18]。基于此，本研究提出假設3：

H3：伴隨金融支持力度的強化，數實融合對產業鏈韌性的促進作用將進一步加強。

4. 數實融合對產業鏈韌性的空間溢出效應

區域經濟學研究空間溢出效應，探討區域經濟活動、技術進步和效率提升如何通過區域交流推動鄰近區域增長。數實融合凸顯了這一效應，表現在數字技術廣泛應用、創新成果傳播和產業鏈緊密合作幾個層面。先進地區的數字化技術通過產業協作、知識共享和技術培訓等方式向周邊地區擴散，進而提升其他地區的生產效率和創新能力[19]。

數實融合的空間溢出效應得益于資本流動性。通過金融市場和資本投資，數字化技術能夠被跨地區推廣[20]。產業鏈的上下游合作和供應鏈網絡的重構對擴大空間溢出效應具有重要傳導作用。領先地區通過參與全球和國內供應鏈，促進其他地區的數字化技術引入，進而提升整體產業鏈的協同效應[21]。韓璐等[22]研究發現，產業的數字化轉型可以顯著促進產業鏈供應鏈韌性水平，且這一作用具有顯著的空間溢出效應。中國流通行業的數字化轉型正推動產業鏈向更深層次演進，特別是在東部沿海地區。中西部地區發展相對滯后，表明區域經濟發展不平衡。流通數字化與制造業韌性緊密相關，并有空間溢出效應，即一個地區的流通數字化不僅提升本地產業鏈韌性，還能正向影響鄰近區域，促進區域經濟協同。然而，這種外部推動力可能在一定程度上對本地產業鏈的韌性發展形成壓力或約束，尤其是在資源配置和協調機制尚不完善的情況下[23]。產業協同集聚與數字化經濟均顯著提升產業鏈韌性，并且二者對產業鏈韌性提升的空間溢出作用存在差異[24]。綜上，本文提出假設4：

H4：數實融合對產業鏈韌性存在正向的空間溢出效應。

三、 研究設計

1. 模型構建

本節分析省域數實融合和產業鏈韌性的相關關系，以中國不同省域為研究對象，采用2012—2022年11年的面板數據，設定以下實證模型對前文的研究假設進行檢驗。

針對假設H1，依據上文的相關分析，推斷數實融合和產業鏈韌性間存在顯著的正相關關系，參考戴魁早等[25]的研究，此處構建雙向固定效應模型：

[resit=β0+β1XTit+βcontrol+ηi+μt+εit] （1）

上述的模型中，[resit]表示2012—2022年不同省域的產業鏈韌性，[XTit]表示的是2012—2022年不同省域的數實融合，control表示的是控制變量，[ηi]表示個體固定效應，[μt]表示時間固定效應，[εit]表示隨機誤差項。

為進一步檢驗假設H2，本文參考趙濤等[26]的研究，將數實融合度視為門檻變量，構建門檻回歸模型如下：

[resit=η0+η1d1t×IT≤φ1+η2d2t×Iφ1≤T≤φ2+…+η1d1t×Iφn-1≤T≤φn+ηn+1dit×IT≤φn+ηiXit+εit] （2）

式（2）中，T為門檻變量，[φ1]，[φ2]，···，[φn]為門檻值；I（·）為示性函數，當括號里內容為真時，函數取值為1，反之為0；其他字母含義同上。

為驗證假設H3，進一步分析金融支持的調節機制作用，構建如下模型：

[resit=β0+β1XTit+β2Finit+β3XTit×Finit+β∑Control+ηi+μt+εit] （3）

式（3）中，[XTit]代表不同省域的數實融合，[Finit]代表金融支持，[XT×Fin]是數實融合與金融支持的交互項。在調節效應中，重點關注數實融合與金融支持的交互項[XT×Fin]的結果，若[XT×Fin]的檢驗結果顯著為正，說明金融支持在數實融合提升產業鏈韌性中發揮著正向的影響，反之，則發揮負向影響。

針對假設H4，數實融合與產業鏈韌性在地區間存在空間關聯，宜采用空間計量模型來研究。本文采用適宜的空間計量模型來探討影響因素。基本的空間計量模型包括以下三種：空間誤差模型（SEM）、空間滯后模型（SAR）和空間杜賓模型（SDM）。在空間角度上對其影響因素進行研究，分別構建三種空間計量模型的一般形式，如下式所示：

[resit=α+βxit+μi+γt+εit，εit=λwεit+vit] （4）

[resit=α+ρWAHQit+βxit+μi+γt+εit] （5）

[resit=α+ρWAHQit+βxit+θWxit+μi+γt+εit] （6）

以上模型中，公式（4）代表空間誤差模型（SEM），公式（5）代表空間滯后模型（SAR），公式（6）代表空間杜賓模型（SDM）。其中[resit]為被解釋變量，[xit]表示i省第t年的影響因素[α]表示常數項，[μi、γt]分別代表地區效應和時間效應，[εit]代表隨機擾動項，[W]為構建的地理距離權重矩陣，[β]、[θ]為各變量系數，其分別代表各變量影響產業鏈韌性的程度，[λ]為空間誤差系數，[ρ]為空間自回歸系數。

2. 變量說明

（1）被解釋變量

產業鏈韌性（res）。本文從風險抵抗能力、調整適應能力與轉型進化能力三個維度搭建產業鏈韌性綜合評價指標體系，利用熵值法對各指標賦權。指標體系如表1所示。

表1" 產業鏈韌性指標體系

[指標體系 一級指標 二級指標 單位 指標屬性 產業鏈韌性 風險抵抗能力 勞動力 萬人 正向 工業增加值 億元 正向 調整適應能力 銀行業金融機構各項存款余額 億元 正向 全社會固定資產投資總額 億元 正向 地方一般預算支出 億元 正向 申請專利數 件 正向 轉型進化能力 城鎮人口所占比率 % 正向 規模以上高技術企業Ramp;D經費內部支出 萬元 正向 ]

（2）解釋變量

數實融合（XT）。目前，對數實融合的量化研究尚未形成統一標準，學者們多采用耦合協調度模型來計算數字經濟與實體經濟的融合水平[27]。本文利用熵值法，以互聯網普及率、互聯網相關產出、移動互聯網用戶數、互聯網相關從業人員及數字金融五個方面的數據綜合測度數字經濟發展水平（DE）；以實體經濟發展規模、實體經濟發展結構與實體經濟發展潛力三個方面的數據綜合測度實體經濟發展水平（RE），如表2所示；在此基礎上，采用耦合協調度模型得出數實融合度。這種方法能夠綜合考量數字經濟和實體經濟的多個維度，為量化數實融合程度提供科學的評估工具。計算公式如下：

[XT=C×αDE+βRE]" （7）

[C=（DE×RE）（DE+RE2）2]" （8）

上式中，XT代表數實融合水平，取值為0～1，數值越大，代表數實融合水平越高；DE表示數字經濟發展水平；RE代表實體經濟發展水平；[α]與[β]分別代表數字經濟與實體經濟的權重，[α]+[β]=1。C越接近0，各系統間的耦合度越小。

表2" 數實融合水平測度指標體系

[一級指標 二級指標 指標測度 數字經濟

發展水平（DE） 互聯網普及率 每百人互聯網寬帶接入用戶數（戶） 互聯網相關產出 人均電信業務總量（億元/人） 移動互聯網用戶數 每百人移動電話用戶數（戶） 互聯網相關從業人員 計算機服務和軟件業從業人員占城鎮單位從業人員比重（%） 數字金融 中國數字普惠金融指數 實體經濟

發展水平（RE） 實體經濟發展規模 第二產業占GDP比重（%） 規模以上工業企業利潤總額（億元） 規模以上工業企業數量（個） 人均社會消費品零售額（萬元/人） 實體經濟發展結構 實體經濟（金融業、房地產業除外）從業人員占比（%） 實體經濟發展潛力 規模以上工業Ramp;D經費支出（萬元） ]

（3）控制變量

經濟發展水平（gdp）。區域經濟發展水平能夠顯著影響產業鏈韌性。發達區域憑借健全的基礎設施（如高效交通、穩定能源、先進通信）優化生產效率和資源配置，降低外資企業運營成本，增強市場競爭力，吸引外資，激發區域活力。同時，穩定的市場環境可以提供高度安全性、加強可預測性，進一步降低風險投資的不確定性。本研究選用中國各地區GDP對數作為經濟發展水平指標，衡量其對產業鏈韌性的支持作用。

對外開放水平（open）。區域對外開放程度一般用外貿依存度（進出口總額/GDP）來衡量，反映區域經濟國際化程度及全球價值鏈位置和技術進步。對外開放可以促進區域生產能力提升和技術創新，優化產業結構。這些開放要素對區域經濟發展及產業調整具有重要參考意義。

城鎮化水平（urban）。該指標是評估區域發展的關鍵，反映了區域經濟的整體發展水平。高城鎮化率、內需擴大、社會服務改善三者和勞動力集中相關聯，共同推動區域經濟增長。本研究用城鎮常住人口比例衡量城市化發展，評估地區城鎮化的經濟表現和潛力。

產業結構高級化（ais）。產業升級指標不僅可以捕捉經濟發展初期的產業結構變化，而且能夠更廣泛地覆蓋經濟發展中期和后期階段的產業升級情況。這個指標涵蓋第一、第二和第三產業，可以更全面地揭示產業升級的深遠影響和核心要素。基于此，本研究將產業升級指標納入控制變量。

基礎設施建設（road）。交通網絡涵蓋海陸空多種途徑，是衡量區域交通便利性的核心指標。發達的交通基建可以提高物流效率，滿足貨運需求，減少成本和時間，深度影響外商投資。本文采用公路里程數對數作為基礎設施指標。

技術市場發展水平（tech）。區域科技進展水平體現在技術市場成熟度，包括研發、技術交易和人才等方面。成熟的技術市場具有高創新力、方案解決能力，可以有效吸引外資。它顯示了區域在研發、技術應用、轉移和價值創造上的能力，可以影響外資企業運營。本文采用研發支出占該比率界定技術市場發展水平。

表3" 變量設計

[變量類型 變量符號 變量名稱 衡量方式 數據來源 被解釋變量 res 產業鏈韌性 熵值法計算所得 國家統計局 解釋變量 XT 數實融合 熵值法計算所得 Wind數據庫 調節變量 Fin 金融支持 地方政府貸款余額/GDP 國家統計局 控制變量 gdp 經濟發展水平 Ln（GDP+1） 國家統計局 road 基礎設施建設 Ln（公路里程數+1） 國家統計局 tech 技術市場發展水平 地區研發支出總額/GDP 科技統計年鑒 ais 產業結構高級化 第三產業增長率/第二產業增長率 國家統計局 urban 城鎮化水平 城鎮人口數/年末常住人口數 國家統計局 open 對外開放水平 地區進出口總額/GDP 國家統計局 ]

3. 數據來源、描述性統計分析

本研究利用2012—2022年中國省市數據進行實證分析，數據來源包括《中國統計年鑒》等官方年鑒和Wind數據庫。為提高數據可比性，對相關控制變量進行了對數轉換。

通過描述性統計分析，初步掌握樣本中各變量的統計特征，包括最大值、最小值、平均值和標準差，以了解不同省域的數實融合、產業鏈韌性和控制變量特征，結果見表4。

表4" 描述性統計

[Variable Obs Mean Std. Dev. Min Max res 330 .110 .133 .020 .744 XT 330 .276 .126 .087 .703 gdp 330 9.908 .882 7.606 11.673 road 330 2.504 .850 .255 3.518 tech 330 .019 .029 0 .161 ais 330 .503 .087 .356 .831 urban 330 .608 .117 .388 .893 open 330 .407 .413 .019 1.902 ]" 根據表4可得，不同省域數實融合的均值為0.276，標準差為0.126，最小值0.087，最大值0.703，表明數實融合水平整體較低且存在較大差異。產業鏈韌性的均值為0.11，標準差為0.133，最小值和最大值分別為0.02、0.744，顯示產業鏈韌性在不同省域間也存在差異。

四、 結果及分析

1. 基準回歸結果分析

為驗證數實融合對產業鏈韌性的正向影響，本研究采用固定效應模型，首先在不控制其他變量的情況下，對自變量和因變量進行回歸分析，隨后引入控制變量進行回歸分析，結果詳見表5。

表5" 基準模型擬合結果

[ （1） （2） res res XT 1.220*** 1.200*** （0.112） （0.114） gdp -0.039 （0.050） road -0.136*** （0.049） tech 0.650* （0.345） ais -0.038 （0.152） urban -0.688*** （0.240） open -0.147*** （0.034） Constant -0.226*** 0.985** （0.031） （0.469） Prov FE Yes Yes Time FE Yes Yes Obs 330 330 R-squared 0.873 0.915 ]注：***、**、*分別表示在1%、5%、10%的水平上顯著，括號內為標準誤，下同

模型擬合結果顯示，數實融合對產業鏈韌性有顯著正向影響。表5列（1）為僅考慮數實融合的回歸結果，其回歸系數為1.22，表明數實融合每增加一單位，產業鏈韌性提升1.22單位，且在1%水平上顯著。列（2）加入省域控制變量后，模型擬合度提高，數實融合的回歸系數調整為1.2，同樣在1%水平上顯著，說明數實融合每增加一單位，產業鏈韌性提升1.2單位。因此，假設H1得到驗證。

2. 異質性檢驗

在經過上述的基準回歸檢驗后，得出數實融合對產業鏈韌性具有正向影響關系。為進一步判斷不同地區的影響是否存在差異，本文對地區進行異質性檢驗，利用空間經濟地理的劃分手段，將我國劃分為中部、西部、東部和東北部4個區域進行檢驗，得到如表6所示的地區異質性檢驗結果。

表6" 區域異質性檢驗

[ （1） （2） （3） （4） 東部 中部 西部 東北部 XT 1.036*** 0.852*** 0.816*** 0.308 （0.225） （0.206） （0.143） （0.366） gdp -0.286 0.043 -0.096** -0.003 （0.226） （0.090） （0.038） （0.063） road -0.259* 0.036 -0.069** 0.010 （0.133） （0.053） （0.027） （0.045） tech -1.673 0.936* 0.186 -0.022 （1.616） （0.492） （0.166） （0.111） ais -1.560** 0.222 -0.028 0.052 （0.651） （0.237） （0.100） （0.068） urban 0.040 -2.314*** 0.093 -0.566 （0.590） （0.478） （0.185） （0.369） open -0.181** 0.131 -0.003 -0.016 （0.078） （0.136） （0.036） （0.047） Constant 4.335* 0.450 0.939*** 0.334 （2.572） （0.863） （0.349） （0.757） Prov FE Yes Yes Yes Yes Time FE Yes Yes Yes Yes Obs 110 66 121 33 R-squared 0.920 0.956 0.918 0.986 ]

表6顯示，數實融合對各區域產業鏈韌性影響不同。東部地區受益于發達的數字經濟和完整產業鏈，產業鏈彈性和抗風險能力顯著增強。相比之下，中西部地區數實融合較慢，產業鏈結構單一，產業鏈韌性提升有限。東北部地區因經濟和產業轉型緩慢，數實融合對產業鏈韌性正面影響不顯著。因此，須持續加強數實融合，推動產業鏈韌性均衡發展。針對東北部特殊情況，應制定特定政策，促進產業結構升級，進一步增強產業鏈韌性。

3. 內生性檢驗

分析數實融合對省域產業鏈韌性的影響時，須考慮內生性問題，這可能導致回歸分析結果偏差。內生性可能由未納入模型的變量引起，這些變量影響數實融合和產業鏈韌性，或產業鏈韌性對數實融合有反向影響。為解決內生性問題，本文采用工具變量法，使用解釋變量的一階滯后項作為工具變量。若工具變量檢驗結果顯著，說明滯后的因變量不受內生性影響，可以確保模型穩健。內生性檢驗結果見表7。

表7" 工具變量內生性檢驗

[ （1） （2） XT res IV 0.463*** （0.054） XT 1.623*** （0.123） gdp 0.137*** -0.092*** （0.026） （0.012） road -0.062*** -0.010 （0.023） （0.010） tech 0.063 1.452*** （0.163） （0.221） ais 0.279*** -0.010 （0.076） （0.071） urban 0.024 -0.118** （0.118） （0.047） open 0.011 -0.080*** （0.017） （0.027） Constant -1.209*** 0.679*** （0.245） （0.094） Obs 300 300 R-squared 0.982 0.833 LM Test — 49.637*** Wald Test — 147.347*** ]

內生性檢驗結果顯示，數實融合的一階滯后變量的回歸系數為0.463，且在1%的顯著性水平上正相關。而第二階段數實融合的回歸系數值為1.623，在1%的顯著性水平上正相關，其數實融合對產業鏈韌性的影響顯著為正，未發生不顯著或顯著性符號改變等變化，并且LM Test和Walk Test的顯著性均小于5%，即說明不存在過度識別和遺漏工具變量的情況，因此本文所建立模型不存在內生性問題。

表8" 動態面板模型擬合結果

[ （1） （2） res res XT 1.847*** 0.919** （0.303） （0.393） L.XT 0.491* （0.264） L2.XT 0.890* （0.531） gdp -0.247*** -0.157*** （0.052） （0.039） road1 0.062* 0.046 （0.034） （0.038） tech 3.114*** 0.661 （0.953） （0.609） ais -0.293 0.486 （0.321） （0.327） urban -0.107 -0.124 （0.218） （0.315） open -0.019 0.030 （0.070） （0.073） Constant 1.928*** 0.875* （0.555） （0.482） Obs 300 270 Prov FE Yes Yes Time FE Yes Yes AR1 0.979 0.983 AR2 0.047 0.062 Hansen Test 0.659 0.488 ]" 本文進一步對上述模型采用GMM模型進行擬合估計，驗證內生性問題。解釋變量在滯后一階和滯后二階的動態模型中AR1均大于0.1，AR2值均小于0.1，并且模型的Hansen檢驗的值均大于0.000，說明模型建立在滯后一階和二階下均不存在內生性問題，動態模型不存在內生，即模型不存在內生性問題。

4. 穩健性檢驗

為了確保數實融合對產業鏈韌性影響的研究結果穩健可靠，本部分采用替換變量法進行穩健性檢驗。采用地區從業人數衡量產業鏈韌性，進行未加入控制變量和加入控制變量下的穩健性研究，得到的穩健性檢驗結果如表9所示。

表9" 替換被解釋變量穩健性檢驗

[ （1） （2） res res XT 7.241*** 5.279*** （1.108） （1.339） gdp 0.898 （0.583） road 0.746 （0.570） tech 7.090* （4.057） ais 2.828 （1.789） urban 5.401* （2.824） open -1.181*** （0.404） Constant 10.800*** -3.781 （0.307） （5.512） Prov FE Yes Yes Time FE Yes Yes Obs 330 330 R-squared 0.932 0.936 ]

從上述的替換被解釋變量穩健性檢驗結果可以看出，數實融合的回歸系數值為5.279，在1%的顯著性水平上正相關，同時控制變量與上述的基準模型結果相比，數實融合的顯著性均通過檢驗，說明本文建立的模型假設通過，進一步證明上述回歸結果穩健。替換變量穩健性檢驗的所有回歸結果均顯示穩健，表明數實融合確實能增強產業鏈韌性，與先前結果一致，研究結果可靠。

5. 門檻模型

數實融合作為解釋變量，通過固定效應模型顯示對產業鏈韌性有正向影響。鑒于數實融合和產業鏈韌性發展的多階段性，本文將數實融合程度作為門檻變量，運用門檻模型進行檢驗，驗證其多階段影響變化的假設。

為驗證數實融合作為門檻變量對產業鏈韌性是否存在門檻效應，以及存在的門檻個數，本文首先對門檻變量的門檻個數進行檢驗，得到如表10所示的門檻效應檢驗結果。

表10" 門檻效應檢驗結果

[因變量 門檻變量 假設檢驗 RSS MSE F-test Prob XT XT 單一門檻 0.4524 0.0014 98.88 0.0020 XT XT 雙重門檻 0.3367 0.0011 109.59 0.0580 XT XT 三重門檻 0.3244 0.0010 12.08 0.4340 ]" 從表10可以看出，在數實融合值存在一個門檻變化值時，殘差平方和（RSS）為0.4524，均方誤差（MSE）為0.0014，F統計量的值為98.88，P值為0.0020，小于5%的顯著性水平，即拒絕原假設，初步說明存在一個顯著門檻效應。

當進一步驗證數實融合作為門檻變量是否存在雙重門檻時，RSS減少至0.3367，MSE為0.0011，F統計量的值為109.59，但P值增加到0.0580，小于10%的顯著性水平，拒絕原假設，進一步說明該模型存在兩個顯著的門檻效應。

在驗證數實融合是否存在三重門檻時，RSS降至0.3244，MSE為0.0010，F統計量為12.08，但P值為0.4340，遠超10%顯著性水平，不拒絕原假設，表明不存在三個門檻值。因此，數實融合作為門檻變量時，模型僅存在雙重門檻。因此，假設H2得到驗證。

根據表11的門檻效應檢驗，模型顯示兩個門檻值：0.4424和0.5781。當數實融合值低于0.4424時，產業鏈韌性提升0.299單位；在0.4424至0.5781之間時，提升0.551單位；超過0.5781時，提升0.845單位。因此，數實融合值大于0.5781時對產業鏈韌性影響最大，低于0.4424時影響最小。

表11" 門檻模型回歸擬合

[ （1） res gdp 0.113*** （0.031） road -0.086** （0.040） tech 1.340*** （0.254） ais -0.033 （0.090） urban -0.397** （0.166） open -0.066*** （0.023） XT（XT[≤]0.4424） 0.299*** （0.106） XT（0.4424lt;XT[≤]0.5781） 0.551*** （0.096） XT（XTgt;0.5781） 0.845*** （0.091） Constant -0.637*** （0.220） Obs 330 R-squared 0.794 ]" 為探究數實融合作為門檻變量時，產業鏈韌性是否存在動態門檻效應，以及門檻前后變化的數量，首先檢驗門檻變量的個數，結果見表12。在數實融合值小于0.4424時，其回歸系數值為0.477，小于5%的顯著性水平，即數實融合每提高一單位水平，產業鏈韌性提高0.477單位水平；在數實融合值大于0.4424時，其回歸系數值為0.439，小于5%的顯著性水平，即數實融合每提高一單位水平，產業鏈韌性提高0.439單位水平。

表12 動態門檻模型回歸擬合

[ （1） res L.res 0.806*** （0.062） below_thres_MB 0.477*** （0.154） above_thres_MB 0.439*** （0.136） gdp 0.113** （0.056） road1 0.426*** （0.137） tech 1.097*** （0.409） ais -0.491*** （0.145） urban -1.419** （0.611） open -0.113*** （0.040） Constant -1.149** （0.456） Prov FE Yes Time FE Yes Obs 300 ]

6. 調節機制

為了進一步探討數實融合對產業鏈韌性的影響機制，本文通過調節機制檢驗模型，考察金融支持在數實融合和產業鏈韌性之間的調節作用。表13為調節機制的回歸分析結果。

表13" 調節效應機制檢驗

[ （1） （2） res res XT 1.311*** 2.114*** （0.122） （0.169） Fin 0.176** 0.877*** （0.087） （0.175） XT[×]fin 4.724*** （0.733） gdp 0.006 -0.059 （0.062） （0.059） road -0.143*** -0.090* （0.052） （0.050） tech 1.036*** 0.821** （0.364） （0.342） ais -0.124 -0.355** （0.176） （0.169） urban -0.604** -0.131 （0.268） （0.261） open -0.140*** -0.168*** （0.035） （0.033） Constant 0.471 0.710 （0.579） （0.543） Prov FE Yes Yes Time FE Yes Yes Obs 330 330 R-squared 0.911 0.923 ]

列（1）為金融支持（fin）作為調節因素。結果顯示，數實融合顯著提升產業鏈韌性，回歸系數為1.311，顯著性1%。金融支持的回歸系數0.176，1%水平上的回歸結果顯著，表明其對產業鏈韌性有積極影響。列（2）中，數實融合與金融支持交互項的回歸系數為4.724，1%水平上的回歸結果顯著，證實金融支持正向調節數實融合與產業鏈韌性關系，增強金融支持可放大數實融合的正面影響。由此，假設H3得到驗證。

7. 空間溢出效應模型

本文首先采用拉格朗日乘數（LM）檢驗來確定空間計量模型的基礎類型。若普通LM檢驗不顯著，則推薦使用普通OLS模型；若兩者均顯著，則依據穩健LM檢驗的顯著差異來選擇最合適的空間計量模型。具體檢驗結果見表14。

表14" LM檢驗

[ LM Test Statistic p-value W1 Moran’s I " " 4.963 " " 0.000 LM-error " "18.887 " " 0.000 Robust LM-error " "25.185 " " 0.000 LM-lag " " 0.002 " " 0.964 Robust LM-lag " " 6.300 " " 0.012 ]

表14顯示，Moran’s I、LM-error和Robust LM-error在1%水平上顯著，Robust LM-lag在5%水平上顯著，說明數實融合對產業鏈韌性有顯著的空間滯后和誤差效應，不適用OLS模型，宜采用空間誤差或滯后模型。鑒于穩健LM檢驗顯著，本文選擇使用空間杜賓模型分析數實融合對產業鏈韌性的影響。

區分隨機效應和固定效應模型分析應用空間杜賓模型至關重要。通過Hausman檢驗選擇模型，拒絕原假設時用固定效應，否則用隨機效應。為確保合理性，還需驗證模型穩定性，防止簡化。LR檢驗和Wald檢驗用于評估，詳細結果見表15。

表15" 矩陣模型檢驗

[ 檢驗方法 Statistic p_value W1 Hausman 檢驗 25.71 0.0006 LR-time 189.08 0.0000 LR-ind 68.01 0.0005 Wald-spatial-lag 83.14 0.0002 Wald-spatial-error 75.10 0.0001 ]

根據表15，Hausman檢驗統計量為25.71，顯著拒絕原假設，表明固定效應模型更適合本文。空間杜賓模型的LR檢驗結果顯著，不退化為空間滯后模型，且同樣不退化為空間誤差模型。Wald檢驗進一步確認了空間杜賓模型的適用性，因此選擇該模型進行分析。

表16列示了空間杜賓模型的回歸結果。分析顯示，空間自回歸系數ρ顯著為負，表明本地區產業鏈韌性對周邊地區有負面影響，這可能源于經濟水平相似區域間的虹吸效應和競爭。模型的高對數似然值表明其合理性和穩定性。數實融合系數顯著為正，說明數實融合能提升區域內產業鏈韌性；其空間交互項系數也為正，表明對周邊區域有正面溢出效應。分解空間效應后，數實融合度的直接效應顯著正向，證實其能顯著增強本區域產業鏈韌性，并通過空間溢出效應提升周邊地區產業鏈韌性，從而提高整體產業鏈韌性水平。

通過分析，數實融合不僅提升本地產業鏈韌性，還能正面影響周邊地區。領先地區可能成為經濟增長極，擴散先進經驗和技術，緩解區域不平衡，增強經濟活力，促進產業鏈韌性的協同增長。綜上，假設H4得證。

表16" SDM模型擬合結果

[ res res res res res x Wx 直接效應 間接效應 總效應 XT 0.925*** -1.199** 1.064*** -1.181*** -0.117 （0.109） （0.549） （0.113） （0.233） （0.224） gdp -0.065 1.740*** -0.166** 0.845*** 0.679*** （0.065） （0.316） （0.077） （0.152） （0.110） road -0.163*** -0.675** -0.135*** -0.195 -0.330** （0.044） （0.332） （0.046） （0.141） （0.133） tech 1.149*** 8.776*** 0.786** 3.218*** 4.004*** （0.297） （1.961） （0.317） （0.908） （0.859） ais 0.147 5.151*** -0.118 2.265*** 2.147*** （0.160） （0.941） （0.168） （0.426） （0.399） urban -0.552** -2.822* -0.427* -0.982 -1.409** （0.238） （1.633） （0.249） （0.728） （0.679） open -0.138*** 0.152 -0.159*** 0.169** 0.010 （0.029） （0.168） （0.032） （0.080） （0.075） Rho -1.486*** -1.486*** -1.486*** -1.486*** -1.486*** （0.236） （0.236） （0.236） （0.236） （0.236） Sigma 0.001*** 0.001*** 0.001*** 0.001*** 0.001*** （0.000） （0.000） （0.000） （0.000） （0.000） Prov FE Yes Yes Yes Yes Yes Time FE Yes Yes Yes Yes Yes Obs 330 330 330 330 330 R-squared 0.078 0.078 0.078 0.078 0.078 ]

五、 結論與建議

1. 結論

本研究采用2012—2022年中國30個省級行政區的面板數據，通過熵值法搭建了產業鏈韌性評價體系，并運用耦合協調度模型評估數實融合的協同效應。同時，還構建了基準回歸、門檻效應和空間計量模型，進一步深入分析了數實融合對產業鏈韌性的影響和金融支持的調節作用。得到如下結論：第一，數實融合顯著提升了產業鏈韌性，穩健性檢驗后結果依然顯著；第二，不同區域受影響程度相應不同，東部地區受益最大，中西部次之，東北地區幾乎無影響；第三，門檻效應分析表明，數實融合對產業鏈韌性的影響存在雙重門檻效應；第四，金融支持正向調節數實融合與產業鏈韌性的關系，金融支持力度越大，正面影響越顯著；第五，數實融合具有正向空間溢出效應，不僅提升了區域內產業鏈韌性，也對周邊區域產業鏈韌性產生了積極影響。

2. 建議

針對研究結論，本文提出以下策略以增強數實融合和金融支持對產業鏈韌性的正向積極作用：第一，定制區域數實融合策略。東部地區可以通過加強技術創新，推進產業鏈協同，進一步擴大影響力；中西部區域應加強數字化轉型，推進基礎設施建設，促進地方政府與企業的數字化合作，著眼于特色產業，強化資源整合能力；東北地區須加大政策支持，推動產業智能化和數字化轉型。第二，優化金融支持體系。鼓勵金融機構開發適應數實融合需求的金融產品，如綠色信貸、供應鏈金融，降低融資成本。建立專項基金支持企業數字化轉型，加強對技術創新企業的風險投資和融資擔保。推廣數字金融至欠發達地區，減少資本配置的區域差異。第三，推動區域協同發展。促進東部與中西部資源共享和技術合作，構建跨區域產業鏈協同網絡。促進區域政策協調，通過財政支持和稅收激勵，縮小地區間在數實融合與產業鏈韌性建設上的差異。第四，政策與監管創新推進。制定明確的產業政策和戰略，確定數實融合的重點領域和發展目標。建立動態監測和評價機制，跟蹤數實融合進展及其對產業鏈韌性的影響，提供科學依據，推動政策調整。規范數據使用和保護，為企業數實融合提供安全高效的環境。第五，重視人才培養與技術創新。加強技術領域人才培養，促進高校與企業合作，確保數實融合的人力資源供給。支持企業在人工智能、大數據、物聯網等技術領域進行研發，為產業鏈韌性提升提供技術支持。

參考文獻：

[1] GEREFFI G.What Does the COVID-19 Pandemic Teach Us about Global Value Chains？ The Case of Medical Supplies[J].Journal of International Business Policy，2020，3（3）：287.

[2] 黃瑞新.數實融合對中國式現代化的影響與機制研究[J].華東經濟管理，2024，38（10）：15-24.

[3] 張玉.金融支持與區域綠色發展的耦合分析研究——以江西省為例[J].環境科學與管理，2019，44（7）：172-176.

[4] 袁瀚坤，彭剛東，韓民春.數字經濟發展對產業鏈供應鏈韌性的影響研究[J].江南大學學報（人文社會科學版），2024，23（3）：22-34.

[5] YIN W， RAN W.Supply Chain Diversification， Digital Transformation， and Supply Chain Resilience： Configuration Analysis based on FSQCA[J].Sustainability，2022，14（13）：7690.

[6] 梁琳，金光敏.數字經濟賦能我國產業鏈韌性提升的路徑研究[J].齊魯學刊，2023（5）：129-138.

[7] 劉偉.數字經濟對制造業產業鏈韌性的影響研究[J].技術經濟與管理研究，2023（8）：45-50.

[8] 赫國勝，燕佳妮.財政分權下金融支持 實體經濟發展效率及區域差異研究——基于省際面板數據的實證分析[J].當代經濟管理，2020，42（3）：78-89.

[9] 劉學文，馬夢雪，譚學想.數字金融賦能農業現代化的機理研究：新質生產力與產業鏈韌性視角[J].農業經濟，2024（6）：9-11.

[10] 丁建軍，周傳輝.數字普惠金融的區域經濟韌性效應及機制[J].調研世界，2024（5）：53-63.

[11] 馬珂琦.數實產業技術融合對城鄉共同富裕的影響研究——基于新質生產力的中介效應檢驗[J].云南民族大學學報（哲學社會科學版），2024，41（4）：120-130.

[12] 董麗，趙放. 數字經濟驅動制造業產業鏈韌性提升的作用機理與實現路徑[J]. 福建師范大學學報（哲學社會科學版），2023（5）：33-42.

[13] 白新華，李國英.以數實融合提升產業鏈供應鏈韌性的現實思考[J].區域經濟評論，2023（6）：63-68.

[14] 羅公利，袁月凡，王璐.數實融合對經濟韌性的影響研究[J].調研世界，2024（8）：60-72.

[15] HANSEN B E.Threshold Effects in Non-dynamic Panels： Estimation， Testing， and Inference[J].Journal of Econo Metrics，1999，93（2）：345-368.

[16] 張振，付瓊.金融集聚能有效提升區域經濟韌性嗎？——基于產業結構的門限效應研究[J].暨南學報（哲學社會科學版），2022，44（9）：106-120.

[17] 杜林遠，高紅貴.長江經濟帶產業鏈韌性的綠色發展效應檢驗[J].統計與決策，2024，40（18）：132-137.

[18] YUAN H，FENG Y，LEE J，et al.The Spatial Threshold Effect and Its Regional Boundary of Financial Agglomeration on Green Development：A Case Study in China[J].Journal of Cleaner Production，2020（244）：118670.

[19] MHLANGA D.Block Chain Technology for Digital Financial Inclusion in the Industry 4.0，towards Sustainable Development？[J].Frontiers in Block Chain，2023（6）：1035405.

[20] CHENG S，MA W，LUO L，et al.Can the Development of Digital Economy Improve the Quality of Regional Investment？—Empirical Evidence from Chinese Cities[J].Economic Analysis and Policy，2023（80）：214-221.

[21] IFTIKHAR A，ALI I，ARSLAN A，et al.Digital Innovation，Data Analytics，and Supply Chain Resiliency：A Bibliometric-based Systematic Literature Review[J].Annals of Operations Research，2024，333（2）：825-848.

[22] 韓璐，叢林，趙君彥.產業數字化對產業鏈供應鏈韌性的影響及空間溢出效應研究[J].商業經濟研究，2024（4）：180-183.

[23] 郝愛民，任禛.流通數字化與制造業韌性的交互影響及空間溢出效應[J].科技管理研究，2022，42（18）：43-53.

[24] 李文龍，梁帆，魏曙光.產業協同集聚、數字經濟與產業鏈韌性提升研究[J].科學與管理，2024，44（3）：45-53.

[25] 戴魁早，黃姿，王思曼.數字經濟促進了中國服務業結構升級嗎？[J].數量經濟技術經濟研究，2023，40（2）：90-112.

[26] 趙濤，張智，梁上坤.數字經濟、創業活躍度與高質量發展——來自中國城市的經驗證據[J].管理世界，2020，36（10）：65-75.

[27] 郭晗，全勤慧.數字經濟與實體經濟融合發展：測度評價與實現路徑[J].經濟縱橫，2022（11）：72-82.

基金項目：本文系國家社科基金“風險投資、政府補貼對企業創新交互作用及可持續發展研究”（項目編號：19BJY027）階段性成果。

作者簡介：楊昀，女，彝族，博士，金陵科技學院商學院教授，MPAcc教育中心常務副主任，碩士生導師，研究方向為風險投資、政府補貼、資本市場、綠色金融、企業財務戰略等；金碧云，女，金陵科技學院商學院碩士研究生，研究方向為風險投資、政府補貼、資本市場、綠色金融、企業財務戰略等；嚴若菁，女，金陵科技學院商學院學生，研究方向為財務管理、資本市場、綠色金融、企業財務戰略等。

（收稿日期：2024-12-05" 責任編輯：魯文雯）