中国经济韧性的时空格局演变及其影响因素*

赵剑霆 谭晶荣 陈 林

一、引言

改革开放以来，中国的经济发展取得了举世瞩目的成就，但在发展过程中，1997年东南亚金融危机、2008年全球金融危机以及2020年新冠肺炎疫情等外部冲击对中国经济产生的巨大影响仍令人心有余悸。因此，关于如何定义中国经济发展过程中对于外部冲击的抵抗性与恢复性，即经济韧性，以及如何提升中国经济在面对冲击时的表现等相关研究具有重要意义。

我国幅员辽阔，各地区的生产力发展水平、技术水平、经济和社会发展基础差异很大，形成东、中、西三大经济发展区域。其中，东部地区尤其是东南沿海地区经济发展较快，高新技术产业集聚，第三产业占生产总值的比重较大；中西部地区则逐渐接受着发达地区转移来的劳动密集型、资源密集型产业。在高新技术产业发达的东部地区，经济冲击通过当地经济传递得更快，但它们具备通过要素重组来吸收这种冲击的能力；而中西部地区由于产业布局不够全面，即使它们不太容易受到外部冲击的影响，但它们吸收当地冲击的能力也较弱，因此受到微小的外生冲击时也会因缺乏韧性而导致当地经济衰退。综上，探究中国不同区域的经济韧性的时空演化格局及其影响因素的跨省域空间溢出具有重要意义。

在经济韧性的影响因素方面，国内外学者众说纷纭，本文重点梳理了价值链角度和产业集聚角度的有关文献。关于韧性和价值链位置的关系，主流研究共有两种观点：一种认为供应链上游行业经营波动对产出的影响会逐级放大到下游行业(Acemoglu et al.，2012;Barrot et al.，2016;Carvalho et al.，2016)，上游企业的流动性危机也会通过供应链传递给下游行业，减少下游行业的商业信用(Coricelli & Masten，2004)；另一种观点则认为上下游企业间的信息不对称可能导致上游企业过度预判外生冲击对下游需求的影响，在出现需求紧缩信号时过度降低产能，在出现需求扩张信号时过度提高产量，从而导致下游企业的需求波动会逐级放大影响到上游企业(Lee et al.，1997;Lee et al.，2015;Forrester et al.，1997)。

关于韧性和产业集聚的关系，李琳和曾巍(2016)认为地理邻近性有利于生产要素、产品跨地区流动和知识外溢，也有利于各产业间互动，促进区域的合理分工，形成稳定的产业链，推动区域经济的共同发展。彭荣熙等(2021)分析了中国东部沿海城市的经济韧性和产业结构的时空分异特征，认为经济复杂度和产业关联程度能显著提升城市长期经济韧性；胡志强等(2021)构建计量模型考察了专业化、多样性、相关多样性、非相关多样性等不同产业集聚类型对工业韧性的影响，并认为多样且关联的产业结构更有利于提高区域经济对不利扰动的抵抗力和恢复力。

现有文献对经济韧性的测算及其影响因素进行了广泛探索，但仍有其局限性：一是大部分研究都以长三角地区、京津冀地区或某省市等区域为研究主题，少有以全中国各地区作为研究对象的，缺乏普适性；二是有关经济韧性的影响因素研究大多局限于单一因素的影响，尚无文献从行业集聚、价值链位置同时出发研究它们对经济韧性的影响。基于此，本文试图从2020年5月中共中央政治局常委会会议提出的关于“深化供给侧结构性改革，充分发挥我国超大规模市场优势和内需潜力，构建国内国际双循环相互促进的新发展格局”入手，分别从国内循环和国际循环两个角度分析。在国内循环角度，本文借用社会网络分析法相关理论，提出了区域行业中心化程度的测度，并以此表示省级区域内所有行业的集聚程度；在国际循环角度，本文构建了行业平均上游度指标来衡量区域嵌入国际价值链的位置。本文将分析上述因素对区域经济韧性的影响，以期给出提升区域韧性的一般方法。

二、经济韧性的测度及其时空格局特征

(一)经济韧性的测度

1.经济韧性评价指标体系

现有文献对区域经济韧性的测算大致包含四种方法。第一种方法是“一篮子”指标体系法。Briguglio等(2006)通过构建“一篮子”指标体系的方法来测度经济韧性，也有一些智库如英国地方经济战略中心(Centre for Local Economic Strategies，CLES)(1)如McInroy N，Longlands S.Productive Local Economies：Creating Resilient Places[R]. CLES-Centre for Local Economic Strategies. Manchester，2010.、奥雅纳工程顾问(ARUP)(2)如Index C R. City Resilience Framework[R]. The Rockefeller Foundation and ARUP，2014.、英国公共政策研究所(The Institute for Public Policy Research，IPPR)(3)如Cox E，Broadbridge A，Raikes L. Building Economic Resilience?An Analysis of Local Enterprise Partnerships’ Plans[R].IPPR.倾向这一测算方法，分别使用了多种指标体系来评估区域经济韧性。第二种方法是分析一个区域经济冲击前后的核心变量，通常选取就业人数和GDP两个变量，但单一的指标体系往往不能全面地反映问题。第三种方法是构建可计算的一般均衡模型(computable general quilibrium, CGE)，但其参数的不精确性以及模型较强的假设往往会使得结论受到质疑。第四种方法来源于Martin等(2016)基于对区域经济韧性的四个研究维度的相关定义所给出的韧性测量方法，并根据外生冲击前后全体样本的平均总产出增长率来预测各个组成部分的产出增长率，但由于本文选取的样本数据为不连续的中国31个省(区、市)(4)由于本文内容涉及大量省级数据，为行文及阅读方便，以下“省(区、市)”简称省份。本文研究不包括香港、澳门和台湾地区。的投入产出表，此方法难以实际应用。根据数据可获得性和匹配度，权衡之下本文最终选择采用构建指标体系对区域经济韧性进行评价。

2.经济韧性评价方法

在评价方法上，现有做法主要包括综合评分分析法、层次分析法、熵值法、因子分析法、主成分分析法、模糊综合评价法等，这些指标体系评价方法根据权重赋值的不同可以分为客观权重法和主观权重法。相比之下，客观权重法能有效避免主观性带来的估计偏差，而客观权重法中争议最小、应用最为广泛的是熵值法，因此本文拟用熵值法评价区域经济韧性。

Martin(2012)在系统总结相关文献后给出了区域经济韧性的四个研究维度，分别是抵御冲击、吸收冲击的能力，冲击后恢复的速度和程度，区域经济系统在冲击后重新整合内部资源、调整自身结构适应新的外部环境的能力，以及区域经济路径创造的能力。本文结合Martin等(2016)对韧性的四个整体分类及Cowell(2013)、Bristow(2010)的延展定义，构建了区域经济韧性的评价指标体系(见表1)。

表1 区域经济韧性评价指标体系

熵值法的主要思想是根据不同指标的变异程度来赋予不同指标权重，以此来保证权重能更加客观、真实、科学地反映各个指标的重要程度。

首先，构建经济韧性的评价指标特征矩阵如下：

(1)

其中，xij表示第i个省份第j个指标的数值，m为省份个数，n为指标个数，即i=1,2,…,m,j=1,2,…,n。

其次，在进行熵值法权重计算之前，还需对指标数据进行进一步的处理。不同指标之间量纲差异较大，为了使结果更加科学可信，本文采取极差法对经济韧性的各项指标进行了无量纲化处理。

正向指标的极差法：

yij=[xij-min(xj)]/[max(xj)-min (xj)]

(2)

负向指标的极差法：

yij=[max(xj)-xij]/[max(xj)-min(xj)]

(3)

其中，yij是对xij进行极差法无量纲化后的结果。根据熵值法的计算公式，第i个省份第j个指标占该指标在所有省份中的比重为：

(4)

计算第j个指标的信息熵ej为：

(5)

则第j个指标的信息效用值dj为：

dj=1-ej

(6)

第j个指标的权重wj计算为：

(7)

最后，运用熵权值加权计算各省份经济韧性水平综合评价得分：

(8)

本文采用的经济韧性评价指标均来自国泰安数据库，部分缺失值采用插值法补齐。2002年、2009年和2017年的区域经济韧性构成指标权重分布如表2所示。经统计，权重在三个统计期间均超过0.1的有入境旅游人数总计、当年累计发明专利数和外商投资企业年底投资总额三项指标。这表明上述指标拥有较大的离散程度对区域韧性的综合评价影响较大。其余指标权重基本保持在0.1以下，对综合评级的影响较小。

表2 部分年份区域经济韧性构成指标权重

续表

(二)经济韧性的时空格局演化

1.区域经济韧性的时间演化特征

本文将31个省份的经济韧性水平按年求均值，发现经济韧性水平整体在0.15～0.25之间波动，在2006年、2009年、2014年和2017年有较为明显的下滑(5)本文在处理数据时进行了极差化处理，经济韧性水平已经与经济规模的变化无关，因此不能简单假定随着社会发展经济韧性会逐步提高，图1中出现的韧性的上下波动系正常现象。(见图1)。《平稳中增长——2005年秋季中国对外贸易形势报告》(6)平稳中增长——2005年秋季中国对外贸易形势报告[J].国际贸易,2005(11):4-7.指出，当年中国对外贸易70%以上的商品供大于求，并且不得不依靠投资增长和国际市场来消化，同时重要能源、原材料以及土地等关键生产要素“瓶颈”的存在，难以支撑持续的投资高增长，而依靠国际市场则必然受到全球资源供给和需求状况的双重制约。故此，笔者推测2006年经济韧性的下降系经济结构中的深层矛盾所致；2009年的韧性下降应归因于2008年的全球金融危机带来的一系列产业结构、金融稳定、消费者预期等中长期经济因素的不利影响；2014年的韧性波动或因2013年下半年以来积极的财政政策扩张力度不够、稳健的货币政策宽松力度不足导致的投资面临资金约束、融资成本居高不下等；2017年初特朗普上台后大幅调整美国对华政策的基本前提、框架和互动方式，并计划发动中美贸易争端，使得中美走向对抗与冲突的风险显著上升(吴心伯，2020)。上述导致经济韧性水平波动的影响因素可以归纳为内在的结构性因素和外来的冲击性因素，下文也将进一步实证分析内外因素对经济韧性的影响。

图1 2002～2017年中国经济韧性水平的变化情况

将区域经济韧性分为抵御冲击、冲击恢复、适应新环境和区域经济路径创造四种能力，研究发现四种能力随时间的变化趋势与整体经济韧性变化趋势大体吻合，且根据熵值法的结果，冲击恢复能力和抵御冲击能力在四项影响因素中占据主导地位，这也符合对经济韧性的传统定义(Hassink，2010)。

2.区域经济韧性的空间演化特征

本文计算了2002～2017年全国31个省份的经济韧性变化情况，由于篇幅限制在文中仅显示2002年、2009年和2017年的各省份的经济韧性(见表3)。本文将经济韧性水平按大小分为三类：韧性大于0.2的省份称为高经济韧性；韧性大于0.1且小于等于0.2的省份称为中经济韧性；韧性小于等于0.1的省份称为低经济韧性。不难发现，(1)东部地区经济韧性总体较高但有下降趋势，浙江、山东、上海、广东、江苏、北京6省(市)始终保持高经济韧性，天津和辽宁在2002～2009年间经历了从高经济韧性地区转为中经济韧性地区的下降；(2)中部地区省份较多呈现中经济韧性且基本保持不变：安徽、湖北、湖南始终保持中经济韧性，江西的经济韧性在2009～2017年间发生了增长，黑龙江的经济韧性在2002～2009年间发生了下降，内蒙古在经历了2009年的经济韧性上升后又在2017年重新降为低经济韧性地区；(3)西部地区普遍经济韧性较低，但部分省份正在逐渐赶超：云南、新疆、宁夏、贵州、甘肃、青海6省(区)的经济韧性在三个窗口期都较低，重庆、陕西的经济韧性均在2009～2017年间发生了不同程度的增长；(4)整体来说区域经济韧性存在东强西弱的东西部差异，但差异正在逐步缩小。

表3 部分年份中国各省份经济韧性水平的变化情况

续表

为揭示经济韧性的空间集聚特征，本文将局域莫兰指数散点图表格化，结果如表4所示。不难看出，在本文调查的窗口期内，中国31个省份的经济韧性空间集聚特征以H-H(high-high)型和L-L(low-low)型集聚为主导， H-H型集聚主要出现在东部地区，而L-L型集聚主要出现在西部地区，且省份个体的空间集聚特征类型基本保持稳定，表明东西部发展不平衡现象仍然存在，西部地区普遍经济韧性较弱。2017年与2012年相比，L-L型集聚和L-H(low-high)型集聚的省份数量发生了明显变化：L-L型集聚从16个降低到12个，降幅为25%；L-H型集聚从5个增加到了8个，增幅为60%。随着中国社会发展、技术进步，山西、湖北、重庆、陕西、宁夏脱离了L-L型集聚的类型，且经济韧性的地区差距正在逐渐缩小。

表4 2002年和2017年不同空间集聚特征类型包含的省份变化情况

三、中国经济韧性的影响因素测度

根据文献综述的分析，价值链位置和产业集聚程度对区域经济韧性具有重要影响。因此，本文分别使用行业上游度和行业中心化程度量化表示上述指标，缺失年份的数据采用插值法补全。

(一)行业上游度

用省级行业平均上游度(upstraight)表示经济体在国际循环中的价值位置。上游度指数是基于全球价值链的概念进一步完善之后提出的，通常用于衡量某一行业在整个产业链中从原材料到最终产品的相对位置。简而言之，即是某行业的产品与最终产品之间的距离。上游度指数越大说明该行业处在产业链越上游的位置，与最终产品的相对距离越远。随着全球价值链参与程度的不断提高，上游度指数对国内生产率具有经济意义上的积极影响(Winkler，2011)；另外，外来冲击也会随着全球价值链从上至下传导并被逐级放大，形成“瀑布效应”(Acemoglu et al.，2012;杨洁等，2021)。本文根据Antràs等(2012)的方法，构建中国各省份42个行业的上游度指数并计算了省级行业平均上游度，试图分析行业平均上游度对各省份经济韧性的影响。

定义封闭经济体中行业i的上游度为Ui:

(9)

其中，aij是直接消耗系数，是行业j的1单位价值产出需要消耗的行业i产品价值；Yi和Yj分别是i行业和j行业的总产出；Ui和Uj分别是i行业和j行业的行业上游度；n是行业总数；i,j=1,2,…,n。

将式(9)矩阵化可得：

U=1+RU

(10)

其中，1是所有元素都为1的n×1的列向量。

经过矩阵变换可得：

U-RU=1

(11)

U=(I-R)-1×1

(12)

(13)

(二)行业中心化程度

网络中心性是社会网络分析方法的一个重点研究领域，是衡量网络节点在网络中重要程度的关键变量。一般而言，网络中心性用来考察行动者在网络中枢纽的重要程度和对资源获取与控制的程度(Burt，1995)，直接反映了节点在网络中的控制能力以及中心地位。在社会网络分析中，点度中心性(degree centrality)、接近中心性(betweenness centrality)和中介中心性(closeness centrality)等指标常用于测度节点在社会网络中所起的作用以及所处的地位(Freeman, 1978;Borgatti, 2005;Tutzauer, 2007)。在本文关于经济韧性的影响因素研究中，高中心度意味着地区主体处于贸易的中心位置，与较多的地区发生了贸易关系，进而说明该地区充当着其他地区对外贸易枢纽的角色，对整个贸易网络具有较高的控制力。因此，网络中心度高的地区在贸易方面有着较高的经济韧性。而贸易伙伴数量的多寡与地区产业竞争力呈正相关，这可能是更频繁的先进技术接触、更广阔的市场前景和更激烈的市场竞争所带来的好处。此外，高中心度意味着某地区在网络中的“中心”地位，其他地区对该地区的产业具有较高的依赖性。

本文借助Tutzauer(2007)的做法，拓展了社会网络分析方法并应用于投入产出表的分析，构建中国各省份42个行业的行业中心化指数，并根据行业总产出加权平均得到了各个省份的平均行业中心化程度，试图分析行业平均中心化度对各省份经济韧性的影响。

本文从中心强度和中心熵两个角度来衡量投入产出表中某一行业的中心化程度，并在计算行业中心度时加入对行业净产出的计量(Han & Goetz，2019)，即采用了行业增值的概念来衡量行业综合影响。

(1)借用Wasserman和Faust(1994)、Barrat等(2004)的做法，使用销售端和购买端的差计量了行业i的中心强度(industry strength, IS)：

(14)

高的购买端IS代表一个行业从其他行业中购买了更高价值的中间产品，而高的销售端IS代表一个行业向其他行业输出了更高价值的商品和服务。一个有高IS水平的行业必定是参与社会生产经营活动规模较大、程度较深的行业，即是处在社会网络“中心”的行业。

为使回归结果更易阅读，在不影响回归判定的前提下本文对IS值进行了缩小107倍的数学处理。

(2)行业中心熵的(industry entropy, IE)算法参考了Tutzauer(2007)、Eagle等(2010)，通过计算销售端和购买端的差计量了行业中心熵之差来评价行业i的中心度。

(15)

式(14)、式(15)中wij是投入产出表中行业i向行业j转移的、用于行业j生产经营活动的中间品价值；n是行业总数。高的销售端IE表明它更均匀地、更多样化地向各种各样的消费者销售产品。一个有高IE水平的行业必定是参与社会生产经营活动关系较复杂的行业，也是处在社会网络“中心”的行业。

关于行业中心度的计算，我们用行业上游度类似的处理方法，按照行业总产出加权平均计算得到省级行业中心度。

(16)

其中，Yli是l省i行业当年的总产出价值，Cli分别是l省i行业当年计算所得的行业中心强度(IS)和行业中心熵(IE)。

四、中国经济韧性的影响因素分析及其溢出效应分解

(一)模型设定

在区域经济的有关研究中，空间因素往往起到重要的作用(洪国志等，2010)，在建立模型时忽视了空间相关性也会导致样本数据不能满足独立同分布的假定(Rey & Montouri，1999)。依据空间计量经济学的相关理论，本文设置了三种模型用于分析中国经济韧性的空间分布格局影响因素，分别是空间滞后模型(spatial lag model，SLM)、空间误差模型(spatial error model，SEM)和空间杜宾模型(spatial Durbin model，SDM)。

空间滞后模型主要考虑了经济主体的当期决策是否受到其邻近主体过去行为的影响，模型设定为：

(17)

其中，δ是空间自回归系数；wij是标准化处理前的空间权重矩阵第i行j列的数字；β1,β2,β3是各因素对区域经济韧性的影响系数；μi是个体固定效应；λt是时间固定效应；εit是随机误差项。

空间误差模型假定遗漏变量的影响被吸收进误差项中，从而导致了误差项的空间自相关。其模型设定为:

Rit=β1UPSit+β2ISit+β3IEit+μi+λt+γit

(18)

(19)

其中，γit是空间误差自相关项；λ是自相关系数。

行业上游度、行业中心强度和行业中心熵对经济韧性的影响应当是宏观的、整体的，这就意味着它们不仅会对本省份的区域经济韧性产生影响，同样会对相邻省份的区域经济韧性产生空间溢出效应。当假定遗漏变量与自变量相关，则最小二乘估计不再无偏，经过公式推导可化简为空间杜宾模型。空间杜宾模型既包含了内生交互项，也涵盖了外生交互项，模型设定为：

(20)

关于上述三种空间回归模型的选择，LeSage和Pace(2008)建议先考虑空间杜宾模型，只有空间杜宾模型实在不适用，同时相关检验又指向空间滞后模型或是空间误差模型，才可决定最终选择何种模型。

(二)空间计量模型适用性实证检验结果分析

依据上文对31个省份经济韧性指数的莫兰检验结果的报告，省域计量下区域经济韧性存在显著的正向空间溢出效应。关于SLM、SEM和SDM三种空间计量模型的选择，本文根据Anselin(2005)的做法，从空间杜宾模型(SDM)反推，分别采用沃尔德检验(Wald)和似然比检验(LR)进行检验看其是否能退化为空间误差模型(SEM)或空间滞后模型(SLM)。最后采用Hausman检验，观察随机效应模型和固定效应模型的适用性。上述检验的结果如表5所示。

表5 模型检验结果

本文采用Wald检验和LR检验分别对SDM能否退化成为SLM和SEM进行了检验。如果检验结果都显著，则拒绝SDM可以退化的原假设，认为不能从模型中剔除外生互动效应，空间异质项与自变量不相关；或剔除误差关联效应，认为遗漏变量与自变量不相关。如果拒绝Wald检验原假设且R-LMlag值显著，则SDM不能简化为SLM；如果拒绝LR检验原假设且R-LMlag值显著，则SDM不能简化为SEM。表5结果显示，两组模型的Wald检验与LR检验结果均都通过了5%水平上的显著性检验，同时拒绝原假设，认为SDM不能简化为SLM和SEM。

关于固定效应和随机效应的选择，在确定了使用SDM以后本文采用Hausman检验对固定效应和随机效应模型适用性进行了检验，结果如表5最后一行所示。结果显示，Hausman检验通过了1%的显著性检验，拒绝了随机分布的假设，认为应采用固定效应的SDM进行回归。在进一步选择时间固定效应和个体固定效应的问题上，由于本文的被解释变量区域经济韧性既包含了各省份的个体异质性，又包含了随时间变化而不随个体变化的政策、利率、国际环境等因素，故本文优先选择采用双固定效应模型进行回归。为谨慎起见，本文也同时进行了混合回归检验，并以时间固定效应回归和个体固定效应回归作为对照。

(三)空间杜宾模型估计结果分析

前面已经提到，本文宜采用双固定效应模型进行回归。通过对双固定效应、时间固定效应、个体固定效应和混合回归的结果(见表6)对比可知，双固定效应模型的Log-likelihood值为759.03，在同一行中最大，R2值为0.883，在同一行中也是最大的，表明双固定效应的模型更优，拟合优度更好。

表6 不同固定效应下空间杜宾模型的估计结果

续表

行业平均上游度的直接影响系数和空间滞后影响系数均显著为正，表明本省和相邻省份的行业上游度水平都能显著促进本省经济韧性水平的提升。行业上游度越高表明该行业产品离最终产品的距离越远，如根据测算结果，非金属矿采选业、水的生产和供应业、化学工业等都是有代表性的高上游度行业。一方面，上游行业的国际产业链位置决定了无论国际因素如何变化，都少有冲击能波及这些行业的原材料供给，使得它们在面对外来经济冲击时也更具韧性。另一方面，这类行业的最终产品都是维持社会经济运作的必需品，相对下游行业产品来说这类产品的需求价格弹性较小，不容易受到国际市场同类产品价格波动带来的影响。在行业上游度的空间溢出效应方面，上游行业大多属于资源密集型产业，而同一类资源禀赋优势往往存在于某个区域的多个省份当中。因此，相邻省份行业平均上游度的提升可能极大促进了相关地区间的上游产业集群发展，通过跨省的生产技术、投资资本和销售渠道的流通共享形成规模效应，从而降低行业成本，提高行业韧性。

行业中心强度的直接影响系数不显著，而空间滞后影响系数显著为正，表明首先，邻省的行业中心强度能显著促进本省经济韧性水平的提升。相邻省份行业中心强度的提升首先表现在相邻省份客运、货运量的提升，这就要求相邻省份建造更加畅通有效的运输基础设施，从而使本省的交通运输享受“搭便车”福利。其次，邻省行业中心强度的提升能有效加强本省和邻省间的产业合作，使得在面对外来冲击时能更大可能地保留产业链的完整。而对本省而言，自身的行业中心强度单纯代表了本省产业的生产经营规模，生产经营规模越大未必代表经济韧性就越强，还可能带来人员冗余等负面影响，因此本省的行业中心强度的直接影响系数不显著。

行业中心熵的直接影响系数和空间滞后影响系数均显著为正，表明本省和相邻省份的行业中心熵都能显著促进本省经济韧性水平的提升。行业中心熵代表了一个区域产业的平均联结广度，更高的行业中心熵水平代表了更宽广的销售渠道。即使在经济冲击中某些买家退出了市场，这些行业也有其他的卖家可以出售产品。对于高行业中心熵的行业来说，一个相对均匀的买家群体分布就像一个用于分散风险的平衡的投资组合，在面对经济冲击时显得更加具有韧性。相邻省份的行业中心熵同样会通过产业集聚、产业互补等方式辐射影响到本省，在面对经济冲击时具有高行业中心熵水平的相邻省份自身拥有更多的选择权，也有更大的概率同本省建立新的合作关系，因此能带动本省经济韧性的提升。

经济韧性的空间滞后系数为正但不显著，表明相邻省份之间的经济韧性水平并没有直接显著的互相影响。

(四)双固定效益空间杜宾模型的空间溢出效应分解分析

本文运用偏微分方程将双固定效应SDM模型的空间溢出效应进行分解，如表7所示。结果表明，行业上游度的间接效应系数是直接效应系数的约两倍，行业上游度的提升对相邻省份的经济韧性增长相较本省而言意义更大；行业中心强度的提升对相邻省份经济韧性有显著促进作用，但对本省的经济韧性提升并不显著，原因在于生产经营规模越大未必代表经济韧性就越强，但可以通过空间溢出效应加强相邻省份的经济韧性；行业中心熵的间接效应系数是直接效应系数的约三倍，行业中心熵的提升主要是通过产业集聚、产业互补等形式拉动某个经济区域内的协同发展从而促进本省的经济韧性增长，因此对本省的直接效应不如间接效应作用大。

表7 双固定效益空间杜宾模型的空间溢出效应分解结果

五、结论与讨论

(一)主要结论

在经济韧性的时间格局演化上，经济韧性总体保持了稳定。经济韧性水平整体在0.15～0.25之间波动，其中，入境旅游人数总计、当年累计发明专利数和外商投资企业年底投资总额在经济韧性指标构成中占主导位置。在2006年、2009年、2014年和2017年中国区域经济韧性有较为明显的下滑，其中2006年经济韧性的下降系经济结构中的深层矛盾所致；2009年的韧性下降应归因于2008年的全球金融危机带来的一系列产业结构、金融稳定、消费者预期等中长期经济因素上的不利影响；2014年的韧性波动来自财政政策、货币政策力度不够导致的投资面临资金约束、融资成本居高不下等影响；2017年美国对中国政策的变化，使得中美走向对抗与冲突的风险显著上升。

在经济韧性的空间格局演化上，经济韧性水平表现出了较为明显的东西部差异，高经济韧性地区普遍出现在东部，而低经济韧性地区普遍出现在西部，但这种差异具有逐渐缩小的趋势。根据对局域莫兰指数的分析，中国各省份的经济韧性空间集聚特征以H-H型和L-L型集聚为主导， H-H型集聚主要出现在东部地区，而L-L型集聚主要出现在西部地区，且各省份个体的空间集聚特征类型基本保持稳定。

空间计量模型检验结果表明，本省和相邻省份的行业上游度水平都能显著促进本省经济韧性水平的提升，且行业上游度水平对相邻省份的空间溢出效应大于对本省的直接效应；行业中心强度对本省的直接影响不显著，而相邻省份的行业中心强度能显著促进本省经济韧性水平的提升；本省和相邻省份的行业中心熵都能显著促进本省经济韧性水平的提升，且行业中心强度水平对相邻省份的空间溢出效应大于对本省的直接效应。

(二)政策建议

随着中国经济社会的发展，国内经历了产业结构调整、政策环境优化，成功抵御了国际金融危机的冲击和国际形势的动荡，这其中经济韧性始终发挥着维持国家经济稳定的重要作用。在从高速增长阶段转向高质量发展阶段的历史交汇期，维持和提高我国的经济韧性显得尤为重要。就本文选取的经济韧性有关指标而言，应提升教育财政支出，扩大人才储备，降低失业率，提高经济抵御冲击能力；加大固定资产投资，强化普及“两山”理念，提升冲击恢复能力；推进高水平对外开放，吸引外商投资，提高适应新环境的能力；鼓励创新制造和发明创新，提升区域经济路径创造能力。

本文的结论之一是区域平均行业上游度的提升能提高区域经济韧性。因此，一方面，政府应该坚持把发展经济的着力点放在实体经济上，将国内资本引入上游制造业中，防止经济整体“脱实向虚”；另一方面，应大力推动制造业转型升级，推动“中国制造”向“中国创造”转变，“中国速度”向“中国质量”转变，“中国产品”向“中国品牌”转变。

本文的计量结果表明，经济韧性的有关影响因素具有显著的空间溢出效应。这就启示我们应该大力推动区域经济带、区域经济一体化建设。通过发展区域经济一体化，整合区域内产业资源，发挥政府统一协调作用，对资源进行优化配置，提高公共服务供给水平，促进资源共享；打破行政区域的界限，按照市场化发展要求对行业内的各种资源进行优化整合，在推动全国统一大市场建设过程中提升区域的整体发展水平。