中国经济不确定性的时空演变及影响因素分析

苏芳，齐乐萌，宋妮妮，苗志娟

（陕西科技大学经济与管理学院，陕西 西安 710021）

0 引言

经济不确定性是指人们对未来可能经济状况的不确定［1］，是新时期经济地理学研究的前沿热点之一。近年来，我国经济恢复基础尚未牢固，疫情变化和世界经济形势仍然复杂严峻，经济环境呈现不确定、不稳定、不平衡的状态［2，3］。同时，我国不同地区间经济发展水平、金融市场规模和政策制度保障等各不相同［4］，加之幅员辽阔，受区域内和区域间经济基础和经济发展水平等因素的影响，受到不确定性冲击的宏观经济存在明显的空间差异性［5］。因此，辨明我国不同地区经济不确定性的空间属性及其关联特征，探明区域经济不确定性的影响因素，制定具有针对性的宏观经济调控方案，引导各地区正确规避经济不确定性可能引发的风险，这对解决我国经济发展的不平衡不充分问题具有实践意义。

经济不确定性这一概念最早由Bloom 提出，他认为经济不确定性能够降低实际GDP 增速，造成经济的进一步衰退［6］。该想法一经提出就引发了学术界对经济不确定性的研究热潮，并被广泛应用于不同领域。目前，针对经济不确定性的研究主要集中在以下3 个方面：①经济不确定性的测度。经济不确定性测度存在多种选择，实证研究中较常用的是从不确定性定义出发，认为波动率可以作为不确定性的一个代理变量，并主要通过寻找替代指标，如股票市场波动率［7］、GDP波动率［8］、专家预测的不一致性［9］、调查数据［10］、主流媒体新闻报道［11］和外生环境冲击［12］等对其进行间接测度［13］。除此之外，Jurado 等［14］提出将宏观经济中能获得的所有信息进行整合后，通过高维数据动态因子模型对不确定性进行综合测度。②经济不确定性的影响效应。对于宏观经济运行而言，研究表明经济不确定性会降低实际GDP增速［15］，并认为在其冲击下经济产能大幅下降的原因在于经济不确定性提高与经济增速下降之间存在自我强化机制［16］。也有学者从微观企业层面探讨了经济不确定性对银行风险承担［17］、企业投资［18］、财务管理［19］等的影响。③经济不确定性的区域差异。为了进一步明确经济不确定性的区域性差异，现有研究采用全局向量自回归模型和面板向量自回归模型等方法［20，21］分析市域、省域和区域等不同层面经济政策不确定性对宏观经济波动［21］、城市经济发展［22］、消费及投资［23］等的影响，研究发现经济政策不确定性对投资行为在不同区域存在显著差异［23］。

总体来看，现有研究大多关注经济政策不确定性的区域差异，对宏观经济不确定性的相关研究较少，且已有研究多限于单一尺度，较少从多尺度出发探明经济不确定性的现状及发展趋势。此外，从空间视角探究中国经济不确定性时空演变规律的相关研究较为缺乏，对造成经济不确定性区域差异的影响因素尚未明确。鉴于此，本文从省域和区域尺度出发，采用泰尔指数、空间自相关等方法分析了我国31 个省份2005—2019 年经济不确定性的区域差异及时空分布特征，并借助Tobit模型分析了经济不确定性的影响因素，旨在为理解我国经济波动，优化政策组合，实现区域内和区域间宏观经济调控提供理论参考与借鉴。

1 研究方法

1.1 经济不确定性测度

本文以我国31 个省份作为研究区域（因为数据收集不便，所以本文研究区域未包含香港特别行政区、澳门特别行政区和台湾地区），并按照国家统计局的统计惯例将其划分为东部地区（包含北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南）、中部地区（包含山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南）和西部地区（包含内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆、西藏）。考虑到研究区域范围的广泛性和研究时段的宽泛性，本文借鉴Baum和Talavera 的相关分析，利用GARCH 模型（Generalized autoregressive conditional heteroskedasticity model，GARCH）估计宏观经济变量的条件方差，以此替代指标作为经济不确定的代理变量，从而简化数据计算过程，增强本研究的可操作性［24，25］。此外，本文从经济不确定的定义出发，利用经济金融变量的波动率间接衡量经济不确定性，并参考王义中等［26］的研究方法，将中国实际GDP变化率作为衡量经济不确定性的代理指标，再通过广义自回归条件异方差模型GARCH（1，1）计算实际GDP变化率的条件方差。GARCH（1，1）模型公式为：

式中：mt为宏观经济变量的对数一阶差分；et为误差项；ht为通过GARCH 估计所得误差项的条件方差。本文首先对所选数据进行一阶自回归分析，再根据模型得到变量的条件方差作为我国经济不确定性的替代指标，所涉及数据均来源于国家统计局官网和各省份统计年鉴。

1.2 区域差异测度

本文通过泰尔指数测度我国经济不确定性的区域差异程度，将区域差异分解为区域内差异和区域间差异，并对区域间贡献率进行计算。泰尔指数值越大，表明经济不确定性的区域差异越大，计算公式为：

式中：n 为地区数；yi为第i 个地区GDP占全国GDP的比例；EUi为第i 个地区经济不确定性占全国经济不确定性总和的比例；Tb和Tw分别为区域间和区域内经济不确定性差异。对泰尔指数做进一步分解，将我国经济不确定性的总体差异分解将为东部、中部和西部地区的区域内差异与区域间差异，具体公式详见相关文献［27］。

1.3 空间自相关分析

全局空间自相关法可从区域整体上体现我国省域之间经济不确定性的空间分布，在空间自相关检验过程中通常使用莫兰指数（Moran′s I）测度某个省份经济不确定性在其相邻省份之间的相似性或差异性［28］。本文通过莫兰指数对我国经济不确定性的时空特征进行评价，计算公式为：

1.4 Tobit回归模型

本文运用广义自回归条件异方差模型所测定的经济不确定性值在0—1 之间，在这种情况下，使用普通最小二乘法进行回归会使得最终参数的估计值趋向于0，从而导致估计值不可用。基于此，本文引入针对受限制连续变量提出的Tobit 模型［29］，更合理地对经济不确定性的影响因素进行回归分析。Tobit模型的基本形式为：

式中：Y 为经济不确定性；β0为常数项；βn为各变量回归系数；i 为各省份的编号；t 为t 时期，具体为本文样本区间2005—2019 年；ε为随机误差项。此外，由于自变量所包含数据的规模较大，为减少样本中的异方差现象，首先将部分数据进行对数化处理，所涉及各省（自治区、直辖市）社会经济数据来自于各省份历年的统计年鉴。

2 中国经济不确定性的时空演变分析

2.1 经济不确定性的变化趋势

如图1 所示，2005—2019 年我国经济不确定性呈现出较为频繁的波动趋势，东部、中部、西部地区变化趋势与全国整体波动性基本保持一致，总体上呈现连续性先增后降的“倒U 型”。具体来看：2005—2007 年我国经济不确定性在波动中不断提升，经济不确定性值由0.016 增加至0.017，增幅为6.25%，并在2011 年达到近15 年峰值；东部、中部、西部地区经济不确定性值呈现阶段性上升，中部地区经济不确定性值上升最为显著，增幅为22.44%，西部次之，东部地区在此期间经济不确定性值低于全国总体得分，且在2005—2007 年间整体上呈现下降的趋势，降幅为12.94%。2011—2015 年，经济不确定性波动的下降趋势显著，经济不确定性值下降至0.007，降幅达58.82%。在此期间，东部、中部、西部地区更是呈现连续下降的趋势，中部地区的下降幅度最大，其经济不确定性值由0.019 下降至0.006，降幅为66.75%，东部地区和西部地区的经济不确定性值分别下降了56.32%和52.48%。2015—2019年，我国经济不确定性延续前一阶段的下降趋势，但下降速度有所减缓，全国经济不确定性值下降至0.005，降幅为31.51%；东部和西部地区不确定性值呈连续下降的趋势，而中部地区在波动中下降，降幅仅为25.21%。究其原因，在2008 年遭受全球金融危机冲击后，我国在2009—2010 年间最大限度地采取了较为积极的财政政策来抵御经济风险。但从宏观环境来看，世界经济仍处于后危机时期的低迷阶段，国内经济所面临的外部性打击仍然严峻，从而导致2011 年以前我国整体经济不确定性增加。自2014年之后，国内经济增长出现阶段性转换，我国经济发展开始呈现新常态，经济增速在趋于平缓的同时保持稳中前进，国内市场潜力也得到进一步激发，这也增强了我国经济社会发展的平稳性和可持续性，其经济不确定性程度开始显著下降。从总体上来看，2005—2019 年我国东部、中部、西部与全国经济不确定性波动保持高度相关性，西部地区经济不确定性均值最高，中部地区次之，东部地区经济不确定性指数最低，使得经济不确定性状况始终保持“西高东低”的分布格局。

图1 2005—2019 年我国总体经济不确定性值的变化趋势Figure 1 Trends of China′s overall economic uncertainty from 2005 to 2019

2.2 经济不确定性的区域差异

本文利用泰尔指数对我国经济不确定性地区间和地区内差异进行了进一步分解，计算得出各区域经济不确定性的泰尔指数和泰尔分解指数（图2）。其中，区域间差异指的是东部、中部、西部之间的差异，区域内差异则指的是东部、中部、西部地区内各省份之间的经济不确定性差异。由图2a 所示，2005—2019 年我国经济不确定性的区域差异波动较大，泰尔指数虽然呈现先增大后减小的趋势，但数值从0.316 增加至0.356，增幅为11.23%。此外，泰尔指数表明我国经济不确定下的区域间差异和区域内差异的变化趋势和全国保持一致，区域内差异总体上大于区域间差异，尤其在2007—2018 年间最为显著。此后，区域间差异开始大于区域内差异。如图2b所示，2005—2019 年区域内贡献率大于区域间贡献率，其平均贡献率分别为55.23%和44.77%，东部、中部、西部区域间变化趋势差别较大。2010—2014年，东部和西部地区泰尔指数均呈现下降的趋势，而中部地区则在波动中增加，泰尔指数的增幅达41.03%；2014—2019 年，我国中部地区变化相对稳定，东部和西部地区间差异则呈现明显的反向变化，东部地区泰尔指数降幅为49%，而西部地区增幅为29.24%。由此可见，我国中部地区经济不确定性差异较小，东部地区的区域差异得到了更好的收敛。因此，经济不确定性的区域差异研究既要考虑我国东部、中部、西部地区的区域间差异，更要重视地区内各省份之间的差异性。

图2 2005—2019 年我国经济不确定性总差异的泰尔指数分解Figure 2 Theil index decomposition of total differences in national economic uncertainty from 2005 to 2019

2.3 经济不确定性的时空演变

经济不确定性的时空格局：为了较直观地反映区域间经济不确定性的空间分布特征，本文结合所选样本时间，以2005 年、2012 年和2019 年为时间点对研究区间进行了划分，将省域尺度不同时期的经济不确定性进行了比较。根据各时间段经济不确定性测度值，使用自然断点法进行分区，具体划分为低值区、较低值区、中值区、较高值区和高值区五大区域；数值越高，说明该区域经济不确定性程度越高，区域经济受到不确定性因素的影响越大（图3）。

图3 2005—2019 年我国经济不确定性各值区空间分布Figure 3 Spatial distribution of each value area of China′s economic uncertainty from 2005 to 2019

如图3 所示，我国经济不确定性的空间分布变化较大。①2005—2012 年，55%的省份经济不确定性值变化为更高值等级，26%的省份经济不确定性值降为较低值等级，表明在该时期各省份经济不确定性变化显著，且主要表现为增加态势，在向更高值级转移的省份中有47%表现为跨值级转移。②2012—2019 年，36%的省份经济不确定性值为较低值等级，32%的省份经济不确定性值向更高值级转移，表明在该时期内各省份经济不确定性变化态势显著，且主要表现为降低态势，其中72%的省份为跨值级向较低值转移。总体上，2005—2019 年我国经济不确定性程度在不同时期的变化趋势剧烈但各不相同，中部地区经济不确定性程度表现相对稳定且以中、低值区为主，东部地区以较低值区为主转为以低值为主，西部地区以较低值为主转为中、高值为主。

我国经济不确定性的空间分布格局变化明显。2005—2012 年，各省份经济不确定性的变化程度明显，低值区省份的数量保持不变，高值区数量有所增加。其中，高值区省份的分布格局由内蒙古点状分布转为四川—贵州—重庆片状分布，低值区则由黑龙江、新疆、甘肃转为山西、北京、浙江、广东点状分布。整体上，2005—2012 年各省份的经济不确定性呈上升趋势，西部地区经济不确定性的上升最为明显。2012—2019 年，我国各地区经济不确定性下降明显，低值区省份数量保持不变，而较低值区省份数量明显增加。其中，四川、重庆由高值区转为中值区，且与湖北、湖南、河南、青海形成片状分布。此外，形成了甘肃—内蒙古—辽宁—吉林低值区和山西—河北—北京—山东—江苏较低值区。总体上，西部地区的西藏、云南、四川等省份的经济不确定性程度较严峻，而东部地区的经济不确定性程度相对较低，我国经济不确定性呈现“西高东低”的分布格局。究其原因，经济不确定性的表现程度与地区经济发展程度密不可分，东部地区经济发展起步早、对外开放程度高，其经济积累和发展经验高于中西部地区省份，能够更加积极完成自身产业结构变革，有效应对面临的内外部风险，因此东部地区的经济不确定性程度较低。

经济不确定性的空间分异特征：考虑到空间效应的影响，本文通过空间自相关分析进一步探究了我国各地区经济不确定性的空间分异特征。首先对2005 年、2012 年和2019 年各省份经济不确定性的全局莫兰指数进行计算，结果如表1 所示。从全局莫兰指数来看，全局莫兰指数均大于0，且通过显著性检验，反映出我国经济不确定性存在显著的空间正相关性，空间集聚力较强。从趋势上看，2005—2019年全局莫兰指数呈现较为明显的上升趋势，表明全国经济不确定性的空间集聚程度在不断加剧。

表1 我国经济不确定性全局自相关Moran′s I指数及检验值Table 1 Moran′s I index and test value of global autocorrelation of Economic uncertainty in China

为了更清晰地看出经济不确定性在省域的局部分布和聚集情况，本文通过LISA聚类图对我国各省份经济不确定性的局部异质性进行了展示（图4）。LISA聚类图中，高和低分别表示高经济不确定性省份和低经济不确定性省份，高—高说明高值与高值空间相关，即高经济不确定性省份与其邻省的经济不确定性也高。如图4a所示，2005 年只有高—高类型区和低—高类型区通过了5%的显著性检验，高—高类型区主要分布在内蒙古、吉林、陕西、天津、北京和山东6 个省份，低—高类型区集中分布在宁夏、山西、河北和辽宁4 个省份。2012 年以高—高类型区和低—低类型区为主，天津转为高—低类型区，低—高类型区在甘肃和广西两省呈零星点状分布。2019年，分布于低—低类型区的省份数量增加了62.5%，且片状分布于东北部地区；高—高类型区在四川、重庆、贵州和湖南4 省呈片状集聚；宁夏转为高—低类型区，新疆转为低—高类型区。总体上，2005—2019 年我国各省份经济不确定性的局部分布模式以高—高类型区和低—低类型区为主，低—高类型区次之，高—低类型区数量最少，表明在相邻省份间的经济不确定性具有较高的相似性特征。

图4 2005—2019 年中国经济不确定性的LISA聚类Figure 4 LISA cluster diagram of China′s economic uncertainty from 2005 to 2019

2005—2019 年的空间自相关变化可以进一步反映出我国各省份经济不确定性的空间分布特征。①东部低值区扩散效应明显，且区域间经济不确定性差异逐渐减小，部分省份由高—高类型区转为低—低类型区。例如，山东省在2005 年处于高—高类型区，而2012 年转变为低—低类型区，与其相邻的江苏省和浙江省也在2012 年进入低—低类型区。②中部地区大部分省份经济不确定性的空间集聚不显著，变化不明显，但山西和河北两个省份受周围省份的影响变化较大，在2005—2019 年期间由低—高类型区转为低—低类型区。③西部地区省份由于自身经济发展水平较低，其经济不确定性的空间集聚状况相对稳定，受其他省份辐射效应较小，但区域间经济不确定性差异较大。具体的，2005 年西部地区整体的空间集聚不显著，2012—2019 年云南、四川、重庆3 省份先后进入高—高类型区，新疆、广西两省份在此期间也转为低—高类型区。新经济地理学模型提出经济的空间溢出效应是指一个区域对另一个区域提供发展可能性或者形成发展限制性的现象；孙晓露等［30］指出区域经济增长不仅依靠其内在因素，同时受到周边地区经济增长的关联带动作用的影响，例如周边区域市场竞争、技术扩散、风险共担与成果共享等。因此，低经济不确定性地区的省份可以利用经济发展的空间溢出效应，通过区域合作对降低周边省市经济不确定性起到促进作用；高经济不确定性地区的省份则可以通过与邻近省份进行交流合作，利用其经济优势的辐射带动作用降低自身的经济不确定性。

2.4 我国经济不确定性的影响因素

经济不确定性影响因素较多，参考既有文献的研究成果，本文所选择的变量包括：①经济发展水平。地区经济发展水平是经济基础的体现，本文选用居民消费水平和失业率进行衡量［31-33］。②城镇化水平。为了观察不同城镇化程度对经济不确定性的影响［34］，本文选用城镇人口与总人口比重来表征城镇化水平。③对外开放度。进出口贸易是对外经济关系的主体，可以此探究不同省域对外开放度对经济不确定性的影响［35］，本文选择进出口贸易总额进行衡量。④社会保障水平。一般而言，社会保障体系的完善程度与地区经济发展保持着良性互动，但在两者长期磨合到协调适应期间对经济不确定性产生着一定影响［36］，本文通过财政支出中的社会保障支出与地区生产总值的比值对社会保障水平进行计算。⑤交通设施建设。交通设施建设是地区交通运输通达性的标志，也是保证地区经济长期持续稳定发展的重要基础［37］，本文选用交通线路总里程和交通线路总货运量进行衡量。⑥科技水平。科技投入可反映地方政府对科技发展的重视程度，科技投入越高，表明该地区经济的可持续发展性更强［38］，本文选择地方财政科学技术支出、信息传输计算机服务和软件业全社会固定资产投资表征地区的科技水平。

基于此，本文首先利用LLC 对数据进行单位根检验。该检验假设面板数据中存在单位根，检验结果表明，各变量P值均小于0.05，说明在本组面板数据中不存在单位根，进一步排除了分析过程中的“伪回归”问题。其次，在单位根检验的基础上再进行ADF协整检验。结果显示，P值同样均小于0.05，说明在本组面板数据中存在协整关系且变量之间有长期均衡关系。为了探究各影响因素指标之间是否存在多重共线性，在进行回归之前对所选指标进行方差膨胀因子检验（表2）。结果显示，所有指标的方差膨胀因子均小于10，且容许度均大于0.1，可见所选指标之间不存在多重共线性。第三，进行经济不确定性影响因素的Tobit回归分析，具体回归结果见表3。

表2 方差膨胀因子检验Table 2 Variance inflation factor test

表3 经济不确定性影响因素的Tobit回归分析结果Table 3 Tobit regression analysis results of f actors affecting economic uncertainty

（续表3）

经济发展水平对经济不确定性的影响：本文采用居民消费水平和城镇失业率作为经济发展水平的表征值。居民消费水平对经济不确定性的影响在中部省份样本中不显著，说明在该区域居民消费水平没有对经济不确定性造成很大程度的影响；对于全国和东部地区而言，居民消费水平与经济不确定性呈现显著负相关关系，居民消费水平每提高1%，经济不确定性将分别降低0.240%和0.492%；对于西部地区而言，居民消费水平与经济不确定性呈正相关，居民消费水平每提高1%，经济不确定性将增加0.077%。究其原因，居民消费水平这两项指标都是地区总体经济规模的反映，值越高，代表地区经济实力雄厚，居民的生活质量和消费水平居于较高水平。因此，在面对同一程度的经济风险时，经济发达省份往往能够以其强大的经济实力对可能发生的经济波动做出及时且充分的反应。我国东部地区较中西部地区而言，经济发展成效显著，城市居民的金融投资理念、消费行为有较强的前瞻性，对风险的消化能力较强；而中部地区不显著和西部地区显著负相关的原因在于城市居民自身消费能力较弱和个人观念较落后，无法准确把握最新的市场信息。此外，城镇失业率对东部地区的影响并不显著，与全国、中部和西部都呈现出显著正相关。对地区经济而言，失业率在某种程度反映了地区经济发展疲软，同时失业人员增多除了影响失业者自身收入外，也可能对社会稳定造成威胁，这些负面影响加剧了中西部地区乃至全国经济的不确定性。而我国东部地区城市经济活力强，大、中、小型企业为地区人口提供了充足的就业机会和岗位，失业率较低。因此，保持地区经济稳步增长，采取积极的就业政策显得十分迫切。

对外开放度对经济不确定性的影响：对外开放度是衡量一个地区经济与世界经济融合程度的重要指标。从回归结果看，对外开放度与经济不确定性在全国层面回归系数为正；但从区域层面看，与东部和中部地区经济不确定性显著正相关，对西部地区无相关性，这是因为我国各区域基础条件不相同，经济发展水平较高的地区，国际交流更为密切。东部地区对外交流明显多于中西部地区，较高的对外开放度在给该地区带来巨大经济收益的同时，也增加了许多外部经济风险。对西部地区而言，由于整体对外交流相对较小，因此对外开放度对经济不确定性的影响并不显著，随着近年来“一带一路”倡议的提出和实行，对外开放水平也在进一步提高。

城镇化水平对经济不确定性的影响：随着我国改革开放的不断深入，城镇化已经成为推进经济稳步发展新的动力，一直以来被当作地区经济增速的主要指标之一。结果显示，城镇化水平与全国、西部地区和中部地区经济不确定性均呈现负向相关性，且均在0.05 的显著性水平之下，表明地区城镇化水平越高，经济不确定性指数则越低。我国正处于城镇化建设的新阶段，在国家政策的大力扶持之下，城市化率大幅提高，城市化和城镇化发展空前活跃，城市数量和人口数量增多，城镇化的快速推进将对地区经济产生了强大的拉动效应。其影响集中表现在促进区域消费总量增长，引导区域产业结构调整与升级，促进地区经济的平稳和快速增长等方面［39］，一定程度上降低了经济不确定性对地区经济发展所带来的负面影响，因此城镇化水平与经济不确定性之间呈现负向相关关系。但对于东部地区而言，城市在产业发展和基础设施完善方面发展态势良好，同时吸引并整合了许多其他地区包括劳动力在内的优势资源，进一步提高了地区整体发展的能力，其自身雄厚的经济基础能够应对经济不确定风险，因此城镇化水平在该地区对经济不确定性的影响并不显著。

社会保障水平对经济不确定性的影响：一方面，社会保障水平的高低事关民生利益，是衡量社会稳定和国家或地区长治久安的重要指标；另一方面，地区的经济规模与经济发展水平是社会保障发展程度的重要支撑和保障。随着我国社会保障体系的不断完善，社会保障水平理应为经济发展提供积极作用。但从实证结果来看，社会保障水平对于全国、东部和中部地区经济不确定性的影响并不显著，对西部地区经济不确定性呈负相关，这与假设相悖。可能的原因在于，社会保障水平是一个相对概念，其适度与否须与地区的经济发展水平相适应。社会保障制度能够保障人民群众的基本生活需要，帮助他们抵御未知的社会和个人财务风险，这对于地区经济稳定而言是正向的影响；相反，社会保障支出要与地区经济社会发展水平相适应，政府部门在制定和实行社会保障政策的过程中如果片面追求外延式扩张，就有可能增加区域的经济不确定性。

交通设施建设对经济不确定性的影响：无论是发展中国家还是发达国家都存在着经济不确定性，而空间距离的存在将增加这种不确定性。面对空间距离上的差异，各地区的交通设施建设和交通通达度等都为该地区的对外经济交流提供了基础条件。从实证结果来看，交通线路总里程、交通线路总货运量与全国经济不确定性之间呈现显著负相关。原因在于，交通线路总里程这一指标代表着该地区交通设施基础建设，总里程越高，说明该地区交通越便利，同等时间内该地区单位里程的总货运量越高，从很大程度上降低了因空间距离所产生的运输成本。此外，对于新疆、西藏和内蒙古等经济发展水平较低的西部地区省份而言，交通设施的改善更是有利于增强其与东部、中部经济发达省份之间的联系，进行区域之间的优势资源互补，从而更好地发挥各省份之间的经济辐射带动作用，共同规避经济不确定性带来的经济打击。

科技水平对经济不确定性的影响：面对高速发展的信息化时代，通讯和信息传递等科技水平的提高都对经济发展起到了重要作用。地方财政科学技术支出和通信水平较高的地区相对于科技水平落后的地区，搜寻市场信息的渠道更为广泛，同时获得信息的时效性和真实性也较高，可以在极大程度上节省时间成本，帮助该区域有效应对经济市场纷繁复杂的挑战。结果表明，地方财政科学技术支出和信息软件业固定资产投资与经济不确定性之间均呈负向相关关系，但对于西部地区影响的显著性较低。一般来说，加大政府财政的科技投入有助于该地区科研环境的改善和科技水平的提升，信息传递技术的发展能够更好地帮助该地区管理、开发和利用信息。但对于西部地区而言，其对科学技术的重视程度低于全国平均水平，在一定程度上弱化了科技市场的作用。

3 结论与启示

面对日益复杂的世界经济环境，经济不确定性成为世界经济的主旋律，严重影响了我国经济的稳步发展。本文以我国31 个省份为研究区域，运用广义自回归条件异方差模型对2005—2019 年经济不确定性进行了测度，使用泰尔指数、全局空间自相关法测算了各省份经济不确定性的区域差异及时空演变，借助Tobit 模型分析了经济不确定性的影响因素，结论如下：①从经济不确定性的测度结果看，我国的总体经济不确定性指数在2005—2019 年呈较为频繁的波动趋势，东部、中部、西部地区变化趋势与全国整体波动性基本保持一致，总体上呈连续性先增后降的“倒U型”趋势，面临脆弱的世界宏观经济环境，我国经济不确定性风险有所下降。②从经济不确定性区域差异测度结果看：2005—2019 年经济不确定性的差异贡献率体现为区域内贡献率大于区域间贡献率，且区域间差异波动较大；中部地区经济不确定性差异较小，东部地区的区域差异得到了更好的收敛，经济不确定性指数与各地区经济发展、政策制定和抗击风险能力密切相关。③从经济不确定性时空分异特征看，西部地区的西藏、云南、四川等省份的经济不确定性程度较严峻，而东部地区的经济不确定性程度相对较低，我国经济不确定性呈“西高东低”的分布格局。从趋势上看，2005—2019年全局莫兰指数呈较为明显的上升趋势，表明全国经济不确定性的空间集聚程度在不断加剧，且各省份经济不确定性的局部分布模式以高—高类型和低—低类型区为主，低—高类型区次之，高—低类型区数量最少，表明在相邻省份间的经济不确定性具有较高的相似性特征。④通过对经济不确定性时空分布的影响因素分析，发现经济发展水平、对外开放度、城镇化水平、社会保障水平、交通设施建设和科技水平是影响区域间经济不确定性差异的主要因素，且各因素对于不同区域的影响各不相同。

基于以上结论，为避免经济不确定性区域差异及差异化进一步增强带来的风险，减少经济不确定性增加对经济运行可能产生的负面影响，想要保障我国整体经济在“新常态”下平稳运行，就要充分认识各种因素对于经济不确定性影响的差异性。从全国层面看，首先要深刻认识并防范经济不确定性对经济发展带来的负面影响，在追求经济增长的同时，最大程度地保证经济的稳步发展。此外，考虑到城镇失业率与经济不确定性之间的正向关系，政府要继续实施积极的就业政策，以缓解就业压力，降低城镇失业率，并以此作为降低经济不确定性的重要抓手。同时，要警惕对外开放过程中伴随的风险，在积极融入全球化浪潮的过程中更要对可能面临的不确定性做好充分的响应和准备。从空间自相关分析结果看出，我国不同地区间全域性的空间相关性与局域性的空间相关紧密相联。就各区域差异看，东部地区要建立健全风险预警机制，在保持自身发展优势的同时辐射带动其他区域的发展；中西部地区要转变发展思路，加强与其他地区的交流沟通，积极投身城镇化建设，完善地区内部的交通基础设施，缩短与发达地区之间的空间距离，并以科技发展作为地区经济发展新的增长点。本文从时间和空间维度对我国经济不确定性的时空演变过程进行了研究，利用Tobit模型对其影响因素进行了分析，为增强我国经济政策宏观调控的科学性、针对性与预见性提供了理论依据；但在对经济不确定性测量的过程中仅重点关注了对宏观经济变量的观测，未考虑股票市场波动、通货膨胀等影响因素，在后续研究中将继续丰富经济不确定性的内涵，对其影响因素进行更加充分的讨论。