基于PSR模型的贵州地级州市经济韧性评估研究

■ 贾 岩，张明贤

（六盘水师范学院，贵州 六盘水 553000）

“韧性”最早应用于机械学，用于描述金属物质在外力撞击下恢复到原来形态的能力。之后被霍林引入到生态学领域，以此来定义生态系统稳定的恢复能力。随后韧性这一概念被学者们更广泛地应用于其他领域。城市作为复杂的巨系统是人类主要集聚地，城市化进程中出现的诸多城市问题，促使“韧性”思想作为城市研究的新角度在灾害、气候变化、经济、基础设施等方面都进行了探索[1]。其中区域经济韧性的研究经历了初期的概念界定，逐渐深入到对区域经济韧性研究范畴与内容的探讨。国内大量关于韧性的研究在2013年洛克菲勒基金会面对全球启动了100个韧性城市的实践[2]。之后，在国内区域经济发展不均衡长期存在下，对具体区域进行经济韧性量化研究存在一定现实意义[3]。张振[4]对东北地区34个地级城市经济韧性进行测度，通过定量研究分析经济韧性影响因素,在经济韧性溢出效应中获得提高经济韧性的策略。万膑莲等[5]对地震重灾区汶川的灾后经济韧性进行评价，分别就汶川与其他区域以及自身灾前灾后的对比，来研究经济发展的脆弱性问题并提出优化策略。目前学者们渴求用定量研究方法开展对区域经济韧性的研究，试图构建一种科学、准确评估经济韧性的体系，形成区域经济韧性的实用性应用测量模型。前人丰富的研究成果是本研究重要的理论基础，但目前学界仍没有制定出科学的评估体系，缺少欠发达地区经济韧性的研究，基于这一现状，本文以贵州各州市作为研究对象，以期为科学评估经济韧性提供多样可参考实例。

一、数据来源与整理

数据选自2019年贵州省各地级州市的城市统计年鉴、国民经济社会发展公报、贵州省第七次人口普查部分数据，并通过政府工作报告和文献资料对部分指标的年鉴数据进行了佐证。全国层面的数据来源于2000—2020年中国统计年鉴。受疫情影响自2020年以来各地区经济相关统计数据变动频繁，变化幅度大，从数据的角度对地区经济韧性的常规判别不利，所以本研究在对贵州各州市进行评估中选取2019年统计数据作为研究样本，介于各州市人口、行政区面积存在总量差异，为保障测度结果的准确性，将选取的部分指标进行人均和计算增速处理。对2000年、2005年、2010年、2015年、2020年全国层面经济韧性评估的面板数据筛选和处理与各州市标准保持一致，同一套评估标准中对象具有可对比性。

二、指标体系

指标体系的构建在以往的评估研究中是最重要的环节之一，也是存在主要争议的部分。不同的研究学者出于对结果准确性的考量，有选择国内生产总值作为唯一评估指标，也有除经济相关指标外融入有代表性的社会指标构成多元体系进行评估，单一指标构建下的体系较为纯粹但缺乏综合信息的反映，多元指标构建下的体系虽然弱化了经济相关数据对结果的影响，但是区域各系统之间原本就相互作用而非独立存在。介于本研究的对象是贵州省地级州市，经济韧性水平受多元因子影响较深，因此本研究选择多指标的形式构建测度体系。借助生态学领域发展较为成熟的压力-状态-响应（PSR）模型（压力层指受外部干扰冲击前经济系统自身存在的脆弱性程度；状态层指受外部干扰冲击时经济系统的抵抗与恢复能力；响应层指受外部干扰冲击后地区创新转型能力）。从三个维度选取共14个指标构建了贵州地级州市经济韧性的评估体系（见表1），指标的选择借鉴了国内研究学者丁建军等[6]的相关研究。

表1 经济韧性评估指标体系

三、研究方法

（一）TOPSIS法

TOPSIS法又称优劣解法，通过测度多元指标下目标到正负理想解之间的欧氏距离来确定评估对象的结果指数，具体步骤如下。

1.依据构建的指标体系收集数据形成原始矩阵：

其中，Xij为第i个评估对象的第j项指标对应的原始数据；m代表指标总和，m=14；n代表评估对象数，n=9。

2.由于正向与负向指标同时存在，首先对原始矩阵进行正向化处理：Qij=max-Xij。

3.为消除指标间的量纲影响，对正向化矩阵进行无量纲标准化处理，方法包括极差变化法、向量归一化法、归一化法等，从结果来看不同方法得到的标准化矩阵有差异，而且对各州市经济韧性排序结果影响较大。极差变化法、向量归一化法对正向与负向指标不能做明确区分，即忽略指标的差异性。由于本研究原始数据既存在负向指标又存在负数，所以选择归一化法，但前提需要处理负数数据：Z'ij=Qij-minQij。

4.运用归一化公式求得标准化矩阵：

5.定义各指标中最大值的向量：Z+=（Z1+,Z2+，Z3+…，Zm+）与最小值的向量：Z-=(Z1-,Z2-,Z3-…，Zm-)。

6.计算评估对象与最大值、最小值的欧氏距离：

7.计算各评估对象的归一化分数:

（二）灰色关联分析法

灰色关联分析法是邓聚龙教授提出的关于测度各要素对主目标贡献程度以及要素间关联程度的方法。原理是通过判别比较序列曲线与目标序列曲线的相似程度来确定要素间的关联和贡献程度[7]，通过求解关联系数求得关联度是内容核心。该方法同样需要对原始数据矩阵进行无量纲标准化处理，所以可以取TOPSIS法中标准化后的矩阵进行后续计算，步骤如下。

1.将经济韧性综合评估结果作为目标序列，计算与各比较序列的绝对差：

△Om（i）=|XO（i）-Xm（i）|i=1,2,3,…,n

式中 XO（i）为目标参考序列，Xm（i）为比较数列，△Om(max)、△Om(min)为绝对差矩阵最大值、最小值。

2.计算关联系数：

式中分辨系数ρ的使用是为了削弱△Om(max)值过大而影响结果的准确性，ρ的取值范围在0～1之间，通常取0.5。

3.计算关联度确定指标对于韧性结果的贡献程度：

四、结果分析

（一）综合评估结果分析

通过TOPSIS法对各项指标数据进行综合计算，得到2019年经济韧性综合测度得分（见表2），将数据转入ARCGIS软件进行空间分析，按照相等间隔对各州市综合结果进行等级划分(见图1)，全域经济韧性水平分为较弱、一般、较强三类，较弱经济韧性等级的城市最多，较强等级的城市只有贵阳。全域经济韧性发展异质性突出，区域不均衡的发展结构受趋势的影响更加明显。综上，全域经济韧性发展将长期处于不均衡发展阶段，整体发展水平较低。

图1 综合评估结果

表2 经济韧性综合评估结果

由2000—2020年面板数据获得全国经济韧性发展的平均水平，除2005年经济韧性的得分最低（0.181）外，其他阶段的得分均一路攀升，整体保持在一般韧性水平以上。以全国平均水平为标准进行对比分析（见图2），现阶段贵州各州市中只有贵阳到达全国平均水平以上，其余城市均未及2015年的全国平均水平（0.490）。从韧性理论的角度，贵州各州市的发展空间仍然很大。贵阳作为省会城市具有良好区位优势度，凭借贵州旅游产业经济与大数据产业的蓬勃发展与成功转型，在全域范围内成为强核心辐射带动周边城市发展，但同时形成的虹吸作用也非常明显，例如从城市区位上安顺核心区是域内与省会贵阳最近的城市，但是经济韧性的测度水平得分最低，可能受到贵阳虹吸影响，优质劳动力、资本、资源纷纷流向省会，城市经济发展动力严重不足。本轮分析中值得一提的是遵义、六盘水这样的传统工业城市，在为贵州经济发展作出过突出贡献方面得分虽排前三，但韧性得分较低，原因是部分污染严重的工业企业正在有计划地迁出或升级，城市经济的主要着力点在逐步转移。同时，传统工业城市由于发展惯性的存在继而抑制城市转型之路，这都是制约城市经济系统韧性发展的重要方面。

图2 各州市综合评仨结果与全国经济韧性面板数据对比

（二）分维度评估结果分析

压力层-状态层-响应层三维度评估结果（见附表1）中，除贵阳外各州市在不同维度的排序中变化很大，以遵义为例，压力层排序第九，状态层反而排序第二，排序的极大落差也说明各维度指标之间独立性较强。

附表1 分维度经济韧性评估结果

压力层衡量指标中，能源消费总量、失业率、人口老龄化均反映区域脆弱性程度，通过第七次人口普查数据得到贵州各州市已全部进入老龄化阶段，遵义、铜仁、黔东南老龄化程度最深，人口结构失衡走向老龄化的过程对经济社会的稳定与可持续发展带来挑战。从2019年能源消费总量来看，消费增速整体下降明显，遵义、六盘水能源消耗总量大，消耗总量是其他城市消耗总量的三倍以上，因此也成为造成遵义、六盘水城市经济系统脆弱性较强的关键所在，传统工业城市在脆弱性维度上对于综合韧性结果贡献度最低。

状态层衡量指标中，居民消费水平、固定资产投资总额、进出口总额、人均国民生产总值均反映区域经济活力，状态层结果是韧性评价的关键，而此层结果也显示各州市之间的差异最显著。六盘水、安顺的固定资产投资总额呈明显负增速，黔东南、黔西地区固定资产投资总额增幅大。状态层与经济发展水平密切相关，贵阳、遵义城市内部拉动内需的群体基数庞大，进出口货物总额占区域总进出口额的一半以上，人均国民生产总值是其他州市人均国民生产总值的2～3倍，在外部冲击过程中具有较强的地区经济系统调节与恢复能力。黔东南、黔西南旅游产业处于上升期，2019年旅游总收入增速分别是43.89%和29.3%，因此在本维度的评估结果中优于其他州市的表现。

1912年熊皮特在创立创新理论时提出“创新是经济发展的引擎”，因此创新能力成为评估地区经济韧性的重要单元。响应层中第三产业比重、能源利用效率、金融机构人民币各项贷款额体现经济转型升级能力的强弱，三种专利授权情况和科技投入额则可以衡量地区在科技创新领域的投入量以及存在的创新潜力，而科技创新又促进经济的高质量转型发展。本轮六盘水作为传统工业城市在能源利用效率中表现突出，政府为产业转型升级做了大量创新投入。贵阳作为省会城市，高校、科研院所众多，充分具备创新发展所需的科研人才与技术，同时依托大数据中心的利好政策创新转型能力最强。其余州市创新转型能力非常弱，这也是制约经济韧性发展的又一主要方面。

（三）灰色关联分析

在取得经济韧性评估结果后应用灰色关联分析法对各项指标进行关联测算，确定影响地区经济韧性结果的主要贡献指标。结果表明：能源消费总量贡献度最高（0.736），《十四五现代能源体系规划》中从三个方面对能源提出建设要求：一是能源安全；二是绿色生产消费方式；三是能源产业链的现代化。所以转变传统高耗能的产业现状是提高经济韧性的重要抓手。第三产业占比指标贡献度高（0.722）说明产业结构的合理性关乎地区经济长效发展，不断优化产业结构对增强地区经济韧性作用明显。社会消费品零售总额增速（指标贡献度为0.720）、失业率（指标贡献度为0.714）、固定资产投资总额（指标贡献度为0.712）反映地区内部消费水平、企业生产创收能力、经济活力，均作为重要指标影响地区经济韧性指数发展。结合各维度韧性发展情况，对于提升各州市的经济韧性水平具有针对性参考价值。

五、结论与讨论

本研究以贵州各地级州市作为样本，研究地区经济韧性发展水平与差异，同时对比全国平均水平，结论如下：（1）对矩阵进行标准化处理中，运用不同标准化方法对结果的判定是有明显影响的。为了结果的准确性需要结合原始数据特点以及不同方法的代入比较，最终确定标准化矩阵。（2）贵州整体经济韧性发展水平处于较弱等级，除贵阳外其他各州市未及2015年国家平均发展水平（0.490）。（3）全省经济韧性指数出现两极化趋势，最高韧性指数是最低韧性指数的三倍以上，区域不均衡的发展结构受趋势的影响更加明显，全域将长期处于经济韧性不均衡阶段。（4）遵义、六盘水传统型工业城市在评估中表现出较强脆弱性，能源消耗总量大，城市产业处于转型升级的关键时期。（5）经济系统的抵抗与恢复能力与经济发展水平关系密切，贵阳、遵义在该维度的测度中优势明显，城市经济系统抵抗与恢复能力较强。（6）灰色关联分析法在计算各指标关联度后明确了影响城市经济韧性的主要因素，可概括为常规能源的使用、产业结构、内部需求、就业状况及全社会再生产能力。（7）经济韧性评估结果与主要影响因素的判断结论可作为地区政府制定提升经济韧性策略的科学参考。

我国社会主要矛盾对象的转变牵引着经济发展方式的变化，如何在众多变化的外部环境下实现经济稳定有序发展关乎人民实现美好生活的向往。近些年，贵州乘着西部大开发战略，从旅游与大数据的产业视角逐步转型，域内社会经济飞速发展。但由于地区经济基础薄弱，从上述不同方法的定量分析中不难看出，经济韧性发展水平依旧较低，区域自主发展能力不足。学界关于经济韧性的评估过程、方法已经非常丰富，本研究旨在通过生态领域较成熟的模型通过跨学科的方式构建新的评估体系，虽然在指标选取、矩阵无量纲标准化方式的对比选择、明确城市经济韧性的主要影响因素过程中尽量做到科学合理，但由于部分地区统计工作相对滞后，部分数据统计口径存在差异，多处有力指标数据的获取较难，受数据不全影响替换成相近指标的情况也有发生，因此对本研究结论将在后续的社会脆弱性调查研究中继续进行验证。