中国实体经济韧性的测度及影响因素分析

摘 要：实体经济作为经济高质量发展的底座，其韧性既是保障经济平稳运行的迫切需求，也是新发展格局下推动经济转型升级的必然所在。基于中国2011—2021年的城市数据，利用GMM-SL-SAR-RE模型对221个城市的狭义实体经济韧性（RES1）和广义实体经济韧性（RES2）进行测度，结果表明： RES1和RES2的整体水平较高，高韧性和较高韧性的城市占比超过60%，其中省会城市、常住人口100万及以上规模城市处于领先地位；RES1和RES2的空间集聚特征存在显著差异，其中RES1呈现较为离散的分布特征，而RES2表现出显著的正向空间相关性。进一步考察RES2的空间特征可以发现，在长三角等经济关联密切的地区，已经形成了核心城市带动周围城市韧性提升的协同发展格局；而在京津冀、成渝城市群等核心城市与其他城市差距较为明显的地区，更多地表现出“虹吸效应”。对影响因素进行检验后发现，产业结构合理化、人力资本、创新能力、金融发展水平以及交通运输能力能够显著强化实体经济韧性，且城市间实体经济韧性存在着显著的正向空间外溢效应，形成了良性互动的发展格局。

关键词：实体经济韧性；GMM-SL-SAR-RE模型；影响因素

基金项目：国家社会科学基金重大项目（22amp;ZD180）；连云港市社会科学基金一般项目（24LKT0016）

作者简介：王儒奇，江苏海洋大学商学院讲师，经济学博士，从事数字金融与区域经济研究;陶士贵，南京师范大学商学院教授、博士生导师，法学博士，从事国际金融与金融制度研究。

中图分类号：F124 "文献标识码：A "文章编号：1671-6604（2025）01-0043-18

一、 引言

实体经济始终是中国经济发展的根基，是全面建设社会主义现代化国家的坚实基础【陈雨露.数字经济与实体经济融合发展的理论探索［J］.经济研究，2023（9）：22-30.】。党的二十大报告强调“坚持把发展经济的着力点放在实体经济上”对于构建现代化产业体系具有重要意义。作为经济发展的立身之本，中国实体经济自改革开放以来取得了令人瞩目的成就，其规模已经从1978年的3 522.46亿元飞速增长至2022年的1 039 574.89亿元，扩大了295倍，占整个GDP的比重始终超过80%【数据来源：《中国统计年鉴》和中经网统计数据库。】。不仅如此，中国作为唯一拥有联合国产业分类中全部工业门类的国家，有二百多种产品的产量位居世界首位，强大的工业生产力充分彰显出我国制造业已经成为推动全球经济发展的重要驱动力【裴长洪，倪江飞.把发展经济着力点放在实体经济上的理论与方法［J］.经济学动态，2023（9）：3-16.】。

然而，中国实体经济虽然拥有庞大的供给规模，但供给质量偏低、“大而不强”等问题依然突出。尤其是近年来，经济全球化进程遭遇“逆流”，部分国家在政治、经济以及科技等多个领域对中国实施打压、断供等制裁措施，这些制裁措施严重制约了中国高新科技的研发进程和国家产业链、供应链安全。回顾中国面对多次金融危机和国际贸易争端的经历，扎实的实体经济基础和较强的韧性正是中国有效抵御冲击负面影响、及时调整发展路径、避免经济“硬着陆”的关键保障。现如今，中国正面临百年变局加速演进、地缘政治局势紧张等多重外部压力，在此背景下，从“韧性”视角探究实体经济如何在日益复杂、不确定的外部环境中谋求发展，对增强中国实体经济抗风险能力、增强国家核心竞争力具有重要意义。

实体经济作为中国经济发展的根基，其韧性不仅能够提高实体产业的竞争力和发展潜力，还是国家面对外部冲击时仍能稳就业、保民生的重要能力。但遗憾的是，关于实体经济韧性的内涵目前尚无权威界定，关于实体经济韧性的定量研究更是鲜见，本研究依据实体经济的范畴，分别从狭义和广义两个层次来界定实体经济韧性，在此基础上，利用GMM-SL-SAR-RE模型对中国城市层面的实体经济韧性做出科学测度，深入分析实体经济韧性的发展特征及主要影响因素。本研究为增强地区经济风险抵抗力、实现产业转型升级等现实问题提供了全新的视角和思路，对推动国家实体经济的高质量、强韧性发展具有重要意义。

二、 文献综述

目前，理论界尚未重视实体经济韧性，但既有研究从经济韧性的内涵、测度方法及影响因素等维度进行了丰富讨论，为本文提供了诸多启示性思路。

（一） 经济韧性的内涵

韧性（Resilience）体现系统在受到冲击后维持原有状态或者恢复到冲击前状态的自我修复能力【HOLLING C S. Resilience and stability of ecological systems［J］. Annual review of ecology and systematics， 1973（1）：1-23.】，其概念的演变大致经历了由工程韧性到生态韧性，再到适应性韧性的过程【李连刚，张平宇，谭俊涛，等.韧性概念演变与区域经济韧性研究进展［J］.人文地理，2019（2）：1-7.】。随着全球化进程的不断加快，世界各国频繁地遭受了经济波动、灾害和气候变化、政策调整、金融危机和外部制裁等冲击，韧性的相关研究在经济学领域得到了长足发展。西蒙和马丁（Simmie amp; Martin）借鉴适应性韧性的思想，以一种动态变化的过程来研究经济韧性，将其理解为一个地区在受到冲击后的复杂适应过程，可以大致划分为重组、开发、维持和释放四个阶段【SIMMIE J， MARTIN R. The economic resilience of regions： towards an evolutionary approach［J］. Cambridge journal of regions， economy and society， 2010（1）：27-43.】。马丁在此基础上进一步梳理了相关研究，从脆弱性（表示区域经济系统受到冲击时的易受伤害性）、抵抗性（受冲击后的恢复速度）、适应性（受冲击后通过整合资源等途径适应新环境的能力）和恢复性（打破原有发展路径并迈向新发展路径的能力）四个维度对经济韧性作出了更为全面的解释【MARTIN R， SUNLEY P. On the notion of regional economic resilience： conceptualization and explanation［J］. Journal of economic geography， 2015（1）：1-42.】，得到了广泛的认可【DORAN J， FINGLETON B. US metropolitan area resilience： insights from dynamic spatial panel estimation［J］. Environment and planning a： economy and space， 2018（1）：111-132.】。简而言之，经济韧性可以被理解为一种固有属性，描述了区域经济系统在面对冲击（如市场变化、经济危机、外部制裁等）时的抵抗能力或者调整能力。

（二） 经济韧性测算的相关研究

目前，经济韧性的测算方法大致可分为四类，分别为综合评价法、核心变量法、时间序列模型方法以及因果推断的反事实估计法。

1. 综合评价法。综合评价法主要是指从多个维度选择衡量韧性的指标，通过熵值法或主成分分析法等合成衡量经济韧性的综合指标。例如：从经济稳定和社会发展等多个维度构建经济韧性的指标体系【BRIGUGLIO L， CORDINA G， FARRUGIA N， et al. Economic vulnerability and resilience： concepts and measurements［J］. Oxford development studies， 2009（3）：229-247.】；从规模韧性、制度韧性以及结构韧性等六个维度综合测算国家（或地区）的经济韧性【杜直前.数字全球价值链参与对经济韧性的增强效应研究［J］.经济学家，2023（4）：33-43.】。虽然综合评价法看起来具有覆盖面大、内容丰富的独特优势，但由于指标体系的构建存在着较强的主观性，并且尚未出现公认且权威的指标选取原则，所以该方法测算出的经济韧性并未得到一致认可【孙久文，孙翔宇.区域经济韧性研究进展和在中国应用的探索［J］.经济地理，2017（10）：1-9.】。

2. 核心变量法。正是由于综合评价法存在着一定的缺陷，既有研究尝试利用核心变量法来衡量经济韧性。该方法主要是评估反映某一地区经济发展应对外部冲击的关键变量，大多使用地区GDP增速、就业或失业情况等指标。例如：有学者使用就业率测算了金融危机对欧洲区域韧性的影响【DAVIES S. Regional resilience in the 2008—2010 downturn： comparative evidence from European countries［J］. Cambridge journal of regions， economy and society， 2011（3）：369-382.】；还有学者基于英国部分地区的数据，通过计算实际和预期就业间的相对变化关系来衡量韧性【MARTIN R， SUNLEY P， GARDINER B， et al. How regions react to recessions： resilience and the role of economic structure［J］. Regional studies， 2016（4）：561-585.】；陈安平通过对比各城市和全国层面的就业变化，分别计算出各城市在抵抗期和恢复期的韧性【陈安平.集聚与中国城市经济韧性［J］.世界经济，2022（1）：158-181.】。应该说，核心变量法虽然能够避免构建指标体系的主观性，但单一维度的指标很难体现出韧性的复杂性。

3. 时间序列模型方法。该方法针对时间序列数据，并利用脉冲响应等模型来构建经济变量对外部冲击的反应函数，进而测度宏观层面的经济韧性。有研究者利用英国的季度就业数据分别测算了地区抵御力和恢复力，并使用似不相关回归模型证明了外部冲击会对地区发展产生长期的影响【FINGLETON B， GARRETSEN H， MARTIN R. Recessionary shocks and regional employment： evidence on the resilience of UK regions［J］. Journal of regional science， 2012（1）：109-133.】；刘晓星等基于时变脉冲响应函数构建了中国宏观经济韧性对金融市场系统性风险的反应函数，为测算和评估中国宏观经济韧性提供了全新的视角【刘晓星，张旭，李守伟.中国宏观经济韧性测度——基于系统性风险的视角［J］.中国社会科学，2021（1）：12-32.】。虽然时间序列法具有较强的科学性和严谨性，但对数据的要求较为苛刻，大部分研究很难获取与其主题相关的长时段数据，所以多用于宏观层面的韧性研究。

4. 反事实估计法。该方法利用经济体受到外部冲击前的相关数据，反事实地计算出理想状态下（未受到冲击时）的经济数据，通过对比实际数值和反事实数值测算出一个地区的经济韧性。

（三） 经济韧性的影响因素研究

一个国家（或地区）的韧性是一系列复杂因素共同影响下的结果，虽然某些影响因素在一定程度上具有普遍的全系统性质，但不同地区韧性的影响因素也必然表现出因地而异的特征。因此，与韧性的测度方式相类似，既有文献内有关韧性的决定因素也会因研究的侧重点、研究方法或研究样本的不同而存在差异。本部分在归纳并梳理相关文献的基础上，主要从产业结构、人力资本、技术创新、金融发展、基础设施建设以及国家和区域政策六个维度来深入分析经济韧性的影响因素。

1. 产业结构对经济韧性的影响研究。在考察产业结构对经济韧性的影响时，相关文献大多从专业化和多样化两个维度展开。其中，专业化产业结构对部分地区（如资源型城市等）来说是合理必要的，但专业化引致的单一产品结构放大了其暴露于特定冲击的风险，导致其抵抗冲击的能力较差，韧性偏低【郑江淮，金晟男.从专业化到多样化：出口产品构成与经济韧性［J］.国际经贸探索，2023（10）：4-21.】。具体而言，高度专业化地区的各类核心资源主要集中在主导产业上，制度架构往往也会依据主导产业来设计。当该类型地区主要产业遭遇某类特定冲击时，由于缺少其他产业发挥“减缓器”作用，围绕主导产业的设备和劳动力等要素无法被吸收，冲击引起的负面影响将迅速扩散至整个区域。相较于专业化产业结构，多样化产业结构能够更好地分散风险，并利用关键创新产品的技术扩散效应削弱负面冲击，然而，也有学者强调过度的多样化产业结构可能会导致产业冗余，不利于韧性的提升【贺灿飞，盛涵天.区域经济韧性：研究综述与展望［J］.人文地理，2023（1）：1-10.】。因此，在讨论产业结构与经济韧性间的关系时，要打破传统比较优势的思维禁锢，探寻产业专业化与多样化间的平衡点【徐圆，张林玲.中国城市的经济韧性及由来：产业结构多样化视角［J］.财贸经济，2019（7）：110-126.】。

2. 人力资本对经济韧性的影响研究。作为灵活的主体，“人”可以通过发挥自身的能动性影响地区发展，并在韧性培育过程中发挥不可替代的作用。对于一个国家或地区而言，高素质人才是建设人才强国，强化经济韧性的重要保障。既有研究表明，具有较高人力资本水平的地区，一般会拥有较高的经济福利【刘智勇，李海峥，胡永远，等.人力资本结构高级化与经济增长——兼论东中西部地区差距的形成和缩小［J］.经济研究，2018（3）：50-63.】。换言之，人力资本作为地区发展的关键要素，对于推动经济增长、优化经济效率以及提升经济质量均发挥了积极作用【钞小静，沈坤荣.城乡收入差距、劳动力质量与中国经济增长［J］.经济研究，2014（6）：30-43.】。不仅如此，人力资本还将对经济韧性产生不可或缺的积极作用。马丁认为人力资本有利于催生更具动态能力的新兴产业，并推动相关行业的复苏，进而为地区经济的转型创造机遇【MARTIN R. Regional economic resilience， hysteresis and recessionary shocks［J］. Journal of economic geography， 2012（1）：1-32.】。有学者提出人力资本是修复经济发展薄弱环节以及增强经济韧性的重要动力【LIU L， MENG Y X， WU D S， et al. Impact of haze pollution and human capital on economic resilience： evidence from prefecture-level cities in China［J］. Environment， development and sustainability， 2023，25：13429-13449.】。综上所述，当地区经济发展面临瓶颈时，高素质人才能够利用自身的专业技能优势，对潜在风险进行预测并设计应对方案，在地区经济韧性建设过程中彰显了不可替代的价值。

3. 技术创新对经济韧性的影响研究。技术创新既是实现规模扩张到高质量发展转变的核心动力，同时也是决定经济适应力和恢复力的关键因素，所以创新活跃度较高地区往往具有较强的韧性【CLARK J， HUANG H I， WALSH J P. A typology of “innovation districts”： what it means for regional resilience［J］. Cambridge journal of regions， economy and society， 2010（1）：121-137.】，并且能够更快地从危机中恢复。有学者进一步从资源基础理论和动态能力理论的视角出发，解释了中小企业内部资源对自身创新能力和风险抵御能力的积极作用【DO H， BUDHWAR P， SHIPTON H， et al. Building organizational resilience， innovation through resource-based management initiatives， organizational learning and environmental dynamism［J］. Journal of business research， 2022，141：808-821.】。苏任刚等提出，创新创业活动能够有效提升经济韧性，且地方政府的合作性竞争和抱团式发展有助于进一步释放创新创业活动产生的强化效应【苏任刚，赵湘莲，房银海.创新创业发展、政府赋能与城市经济韧性［J］.科学学与科学技术管理，2023（10）：93-113.】。因此，技术创新（尤其是“硬科技创新”）是实现产业结构转型升级的根本动力【柳卸林，葛爽.探究20年来中国经济增长创新驱动的内在机制——基于新熊彼特增长理论的视角［J］.科学学与科学技术管理，2018（11）：3-18.】，更是强化地区经济韧性的动力源泉。

4. 金融对经济韧性的影响研究。金融作为现代经济的核心，同样会对实体经济的健康、高速发展产生重要影响，尤其是随着经济一体化和金融全球化趋势日益增强，金融资源及相关要素在地区实体经济建设过程中的作用愈发突出。目前，学术界的主流观点认为，拥有相对完善、合理、有序金融系统的国家或地区，能够更好地应对经济危机【DAVIES S. Regional resilience in the 2008—2010 downturn： comparative evidence from European countries［J］. Cambridge journal of regions， economy and society， 2011（3）：369-382.】，以金融业或数字技术等高技术产业为主导的地区往往具有较高的韧性【孙久文，孙翔宇.区域经济韧性研究进展和在中国应用的探索［J］.经济地理，2017（10）：1-9.】。金融对经济韧性的影响主要体现在国家相关金融政策的有效性和金融对复工复产的支持效率上，其中以银行为代表的传统金融机构，可以通过规模效应和结构效应充当风险上升时期的“稳定器”【宫晓莉，熊熊，张维.我国金融机构系统性风险度量与外溢效应研究［J］.管理世界，2020（8）：65-83.】，并在整体上提升地区应对负面冲击的调整能力。

5. 基础设施建设对经济韧性的影响研究。既有研究主要从公路、铁路等交通设施和互联网、5G、人工智能等新型基础设施建设两个维度展开。一方面，完善的交通基础设施是保障经济发展的基础，有利于促进知识、技术以及劳动力等要素在更广阔空间范围内的合理配置，对地区经济增长和效率提升产生了重要作用【JIAO J J， WANG J E， ZHANG F N， et al. Roles of accessibility， connectivity and spatial inter-dependence in realizing the economic impact of high-speed rail： evidence from China［J］. Transport policy， 2020，91：1-15.】。另一方面，随着数据要素的重要性日益提升，与之配套的新型基础设施建设正成为强化经济韧性和推动经济高质量发展的重要保障【任保平，张倩.中国式现代化新征程中高质量数字基础设施建设的新要求和实现路径［J］.求是学刊，2023（2）：48-56.】。

6. 国家及区域政策对经济韧性的影响研究。凯恩斯主义认为，当国家（地区）经济发展遭受冲击或处于萧条时，政府部门可以运用相关的政策工具进行合理调整，以期创造就业机会并保持经济增长，进而恢复甚至超越原有的发展水平。应该说，国家及地方政府的政策作为补充工具，能够通过科学决策，有效抵御不利冲击的影响【OKAFOR L E， KHALID U， BURZYNSKA K. Does the level of a country’s resilience moderate the link between the tourism industry and the economic policy response to the COVID-19 pandemic？［J］. Current issues in tourism， 2022（2）：303-318.】。戴维斯（Davies）利用区域韧性概念考察了经济衰退对欧洲各地区的影响，发现政治决策和既有体制框架会直接影响当地在衰退时期的抵抗力和恢复力【同①.】。里欧和詹莫埃纳（Rios amp; Gianmoena）利用贝叶斯模型平均算法证明了政府质量是欧洲国家提高经济恢复能力的关键驱动力【RIOS V， GIANMOENA L. The link between quality of government and regional resilience in Europe［J］. Journal of policy modeling， 2020（5）：1064-1084.】。卢现祥等认为在中国式分权体制下，撤县设区政策在推动城镇化的同时，还会导致城市规模扩张和发展导向的改变，最终对经济韧性产生正向和负向作用交互的复杂影响【卢现祥，许诚，张峰.撤县设区对城市经济韧性的影响研究［J］.财政研究，2023（3）：63-77.】。

梳理相关研究成果可以发现，经济韧性的相关话题受到了学者们的重点关注，但仍存在着一些不足，主要体现在：一方面，虽然有研究重点关注了经济韧性，但尚未细化到实体经济韧性层面。尽管部分学者已经明确实体经济是高质量发展的底座，并从增长、效率、质量以及数字化转型等维度对实体经济展开了深刻讨论，但是这些研究尚未从韧性的视角考察实体经济。另一方面，尚未有文献对实体经济韧性展开定量研究。区别于经济韧性测度时常用的综合评价法，指标体系中的许多子指标都无法细化到实体经济层面，所以应兼顾数据的可得性和测算过程的科学性，对中国实体经济韧性做出具体测度。综上所述，本文研究中国实体经济韧性的测度及影响因素主要存在以下创新之处：第一，结合经济韧性和实体经济发展相关理论，对实体经济韧性的理论内涵做出科学界定，并利用凡登定律和GMM-SL-SAR-RE模型对城市层面的实体经济韧性做出测度；第二，深入考察实体经济韧性的市域差异，根据自然断点法的分级结果，对当前中国实体经济韧性的整体水平和空间集聚特征做出判定，预期为统筹地区实体经济韧性协调发展提供参考；第三，将空间效应纳入影响因素的研究框架，实证分析各类因素对实体经济韧性的影响效应，能够为精准识别实体经济韧性的驱动因素，更好地推动中国实体经济强韧性发展提供可靠的实证依据。

三、 实体经济韧性的测度及分析

关于实体经济韧性，考虑到目前尚无权威的内涵界定，本文在明晰实体经济【实体经济主要指创造了真实社会财富的经济活动，具体表现为产品生产、流通、销售的过程，实体经济部门涵盖了第一产业、第二产业和第三产业剔除金融和房地产业以外的部分，其中制造业是核心。】内涵的基础上，依据实体经济范畴，将其定义为区域实体经济系统在面对冲击时维持自身稳定，并逐步恢复到冲击前状态甚至实现新发展的能力。本研究以我国221个城市（未考虑西藏、港澳台等数据缺失严重或者行政区划发生过变动的地区）为研究样本，通过考察2011—2021年数据情况，利用产出和就业两个最能反映实体经济兴衰的统计指标，选取反事实估计法并利用GMM-SL-SAR-RE模型对实体经济韧性做出测度。

（一） 数据来源与测算过程

为了能够在充分考虑制造业核心地位的同时，又避免仅使用传统制造业（或工业）来衡量实体经济发展的局限性，本文参考黄群慧【黄群慧.论新时期中国实体经济的发展［J］.中国工业经济，2017（9）：5-24.】的研究分别从狭义和广义两个层次来测算中国城市层面的实体经济韧性。其中，狭义实体经济主要指制造业；广义实体经济包括了第一产业、第二产业以及除金融业和房地产业外的其他服务业，通过计算各城市GDP减去金融业和房地产业增加值得到。在此基础上，本文利用实体经济产出和对应行业的就业数据，基于反事实估计法分别测算出两个层次实体经济的韧性。在实际测算过程中，考虑到城市层面的制造业数据不可得，因此本文在测算狭义实体经济韧性（RES1）时，使用城市工业增加值和对应行业的就业人数作为替代指标。广义实体经济韧性（RES2）所需的金融业和房地产业增加值数据通过手动检索各地级市年鉴获得，GDP和就业数据来自中经网数据库【在计算实体经济韧性的过程中，GDP、工业、金融业和房地产业增加值等已按照价格指数进行了平减；因部分城市在统计第三产业时并未公布各细分行业的增加值（或少量年份公布），所以在测算RES2时剔除了部分城市样本，最终保留221个城市。】。

相较于综合指标法和测算GDP增长率等方法，反事实估计法能够更加精准和客观地对实体经济韧性做出评价。当一个地区（城市）面临重大冲击时，产出和就业两个变量能够最直观地体现出地区抗风险能力【CAPELLO R， CARAGLIUY A， FRATESI U. Spatial heterogeneity in the costs of the economic crisis in Europe： are cities sources of regional resilience？［J］. Journal of economic geography， 2015（5）：951-972.】。因此，本文借鉴既有研究思路【徐圆，张林玲.中国城市的经济韧性及由来：产业结构多样化视角［J］.财贸经济，2019（7）：110-126.】，以Dixon-Thirlwal循环因果模型为基础，利用静态凡登定律构建实体经济增长与就业（实体行业）之间的回归方程，在此基础上进一步考虑因变量的前期惯性和空间滞后效应，通过GMM-SL-SAR-RE模型测算出反事实就业水平。最后，通过对比现实就业和反事实就业计算出实体经济韧性，具体的计算过程如下：

首先，根据传统的静态凡登定律（Verdoorn Law），构造式（1）所示的线性回归方程。其中，yit为城市i第t年的实体经济就业水平，以广义实体经济韧性（RES2）为例，使用城市的年末单位从业人员总数减去金融业和房地产业的从业人员数得到；xit为城市i第t年的实体经济产出（城市GDP减去金融业和房地产业的增加值）；α为常数项；β为产出对就业的影响系数；it为随机误差项。

其次，考虑到城市就业水平存在时间滞后效应，即前一期的就业会对当期的就业产生一定影响，所以将滞后一期的实体经济就业水平引入式（1）的静态模型；此外，城市的就业水平可能还会存在空间外溢效应，即一个城市的就业水平会受到周边城市的影响，因此，进一步将实体经济就业水平的空间滞后项加入式（1），得到式（2）所示的回归方程。其中，α，β，yit和xit的含义与式（1）一致，yit-1为城市i第t-1年的实体经济就业水平，γ为t-1年就业的影响系数，Wijlnyit-1项为实体经济就业的空间滞后项，ρ为空间滞后项的系数，Wij为空间距离矩阵。

GMM-SL-SAR-RE模型的参数估计结果如下页表1所示。

从表1的估计结果可知，参数β1和β2分别为0.064和0.067，且通过1%的显著性检验，说明RES1和RES2的研究样本均符合凡登定律中劳动生产率与产出增长间存在正向关系的假设；参数γ1和γ2分别为0.916和0.923，且均在1%的水平下显著，表明前一期的实体经济行业就业会对当期的就业水平产生显著的正向影响；参数ρ1和ρ2分别为0.042和0.012，表明中国城市间的实体行业就业存在着空间相关性，即一个城市的实体行业就业水平会对邻近城市产生积极的影响。比较来看，狭义和广义层次就业水平GMM-SL-SAR-RE模型的拟合方程，无论是参数的显著性还是作用方向，均具有较高的一致性。

再次，假设各城市在面对冲击时能够保持自身的产出增长率与国家层面相同，利用国家产出增长率测算各城市的理论产出水平，并结合式（2）计算出相应的反事实就业水平，具体计算过程如式（3）和式（4）所示，其中gNt为当年的国家实体经济增长率，xit为每个城市各年份实体经济产出的反事实序列，β为此项的系数；y︿it表示反事实就业水平，α为常数项，y︿it-1为t-1年的反事实就业水平，γ为此项的系数；ρ、Wij和it与前文相同。

RESit=yit/y︿it（5）

最后，依据式（5）分别计算出各城市狭义和广义层次的实体经济韧性。其中，RESit为城市i第t年的实体经济韧性，yit表示城市i第t年的实体经济就业水平。若RESitgt;1说明城市i的实体经济就业水平高于平均水平，表明该城市抵御冲击的能力更强或者说能更快地恢复到正常水平，具有较强的实体经济韧性；反之，若RESitlt;1则说明该城市的实体经济韧性相对较弱。

（二） 实体经济韧性的整体水平判定

本文选用反事实估计法分别测算出2011—2021年狭义实体经济韧性（RES1）和广义实体经济韧性（RES2），据此整理出各城市在样本考察期内的实体经济韧性均值，并结合自然间断点分级法将韧性划分为四个等级：第一等级表示实体经济韧性很高，第二等级为较高，第三和第四等级分别为一般和较低。其中，第一和第二等级城市的实际就业水平大于GMM-SL-SAR-RE模型估算出的反事实就业水平，即实体经济韧性大于1，表示该部分城市具有较强的韧性；而第三和第四等级城市的韧性小于1，实体经济韧性相对较弱，具体的统计结果如表2所示。

1. 实体经济韧性整体呈现较高水平。首先，根据RES1的计算结果可知，经济韧性很高的城市共93个，占全部研究样本的42.08%，主要包括：北京、天津、上海和重庆四个直辖市；福州、太原等省会城市以及无锡、苏州、宁波和厦门等相对发达城市。其次，有51个城市的实体经济韧性属于较高水平，占样本的23.08%，主要包括沈阳、南京、杭州和广州等省会城市；青岛、南通、嘉兴等东部沿海城市以及中西部地区的部分城市。最后，RES1处于一般和较低档次的城市数量分别为59和18个，分别占26.70%和8.14%，这两部分多为中部地区的城市，表明中部城市的实体经济韧性相对较低，仍然有很大的提升空间。

从RES2的统计结果来看，有65个城市的韧性属于第一等级，占全部研究样本的29.41%，虽然数量明显少于RES1，但大部分样本仍为直辖市、省会和相对发达城市。韧性属于第二等级的城市数量为77个，占总样本的34.84%，与RES1存在区别的样本多为天津、无锡、宁波等虽具有较高韧性，但未能达到很高韧性的城市。第三和第四等级的城市数量共79，占总样本的35.74%，虽然韧性处于后两个等级的城市总数量与RES1较为接近，但绝大多数城市属于第三层次，仅有两个城市属于较低水平。

2. 省会城市的实体经济韧性高于其他城市。根据表2大致可以看出，大部分省会城市的实体经济韧性处于很高或相对较高的水平，为了更加准确地判断省会城市和其他城市间的韧性是否存在明显差距，本文依据各样本城市两个层次韧性的计算结果，分别整理出省会城市和其他城市的韧性均值。可以发现，省会城市的RES1和RES2分别为1.073和1.059，均高于全样本的均值；而其他城市的RES1和RES2分别为1.034和1.023，低于全国平均水平。出现这一结果的可能原因是，中国的直辖市和省会城市往往具有较高的行政级别或较大的城市规模，在政治、经济等诸多领域都存在着明显优势；而其他城市大多围绕省会处于相对次要的地位，当地实体经济在面临发展危机或外部冲击时的抵抗和调整能力相对较弱，所以实体经济韧性的平均水平低于直辖市和省会城市。

3. 常住人口100万及以上规模城市处于领先地位。中国幅员辽阔，不同城市在经济基础、创新能力等方面存在着显著的差异，这些差异大多和城市等级高度相关，哪怕是在同一省份（自治区）内，各城市间的实体经济韧性也可能会存在明显的差距。为了避免仅按省会和一般城市划分的局限性，本节根据《第七次全国人口普查超大、特大城市人口基本情况》【根据2014年印发的《国务院关于调整城市规模划分标准的通知》：城区常住人口1 000万以上城市为超大城市；500万～1 000万为特大城市；300万～500万的为Ⅰ型大城市；100万～300万的为Ⅱ型大城市；50万～100万的为中等城市；50万以下的为小城市。在分组时为避免样本量过少，将Ⅰ型和Ⅱ型大城市合并为大城市，将中等城市和小城市合并为中小城市。】将样本划分为超大城市、特大城市、大城市及中小城市，可以发现：（1） 中国的RES1和RES2在整体上呈现出超大城市＞特大城市＞大城市＞中小城市的发展特征；（2） 超大城市的RES1和RES2分别为1.112和1.085，特大城市的RES1和RES2分别为1.082和1.049，大城市的RES1和RES2分别为1.048和1.035，上述样本的测算结果高于全样本均值，处于相对领先地位；（3） 中小城市的RES1和RES2分别为1.027和1.019，低于全国平均水平。应该说，大城市汇聚了国内大量的优质资源、先进技术和高端人才，已经形成了更加完善且具有综合性优势的区域经济系统，能够更加合理与高效地配置资源，较好地抵御冲击和挑战，表现出了更强的实体经济韧性；而中小城市的实体经济基础较为薄弱，在很多方面都要依赖相对发达城市的支持，自身的风险抵抗力相对薄弱。

（三） 实体经济韧性的空间集聚特征分析

考虑到邻近城市在发展过程中可能会存在空间相关性，为了验证上述具有较高韧性的城市究竟能否对周围城市产生带动作用，本节将通过计算各城市的全局和局部莫兰指数，进一步考察实体经济韧性的空间集聚特征。

1. 空间全局自相关分析。“地理学第一定律”指出任何事物间都会存在一定的空间依赖性，为了检验“领先”城市的实体经济韧性是否会对邻近城市产生空间外溢效应，依据式（6）计算各城市2011—2021年实体经济韧性的空间莫兰指数。式（6）中，n为空间单元数，Yi和Yj表示i和j的属性值，Y为所有单元的均值，S2为方差，Wij为空间权重矩阵，由于本节的考察重点是临近城市间的空间集聚特征，故选取空间邻接矩阵。

Moran’s I=∑ni=1∑nj=1Wij（Yi-Y）（Yj-Y）S2∑ni=1∑nj=1Wij（6）

一方面，从表3所知RES1的Moran’s I指数除了在2015—2018年具有负相关特征外，其余年份均未能通过显著性检验，表明中国城市制造业韧性在空间上呈现出一定的离散特征，未表现出显著的空间相关性和集聚特征。另一方面，RES2的Moran’s I指数在2011—2021年间均显著为正且整体上表现出稳步上升的趋势，充分说明RES2存在显著的正向空间相关性，且随着时间的推移逐步增强。由此可见，虽然RES1和RES2在整体发展特征上表现出较强的相似性，但二者的空间相关性存在着明显差距，由于RES1在空间上表现为离散而非相关特征，故后续研究中涉及实体经济韧性空间集聚特征的进一步分析仅围绕RES2展开。

2. 空间局部自相关分析。本节进一步测算了2011—2021年RES2的局部Moran’s I指数发现，实体经济韧性的空间分布呈现出相对稳定的集聚特征【限于篇幅，局部Moran’s I指数散点图未列示，备索。】。首先，长三角和珠三角城市群作为我国城市经济关联最为密切的地区，区域内城市的实体经济韧性普遍较高，且核心城市能够对周围城市产生显著的辐射和扩散效应，逐渐形成了“高-高”集聚型（H-H）发展格局。其次，安徽（淮南、铜陵、马鞍山等）、河南（三门峡、南阳、信阳等）、四川（资阳和德阳）等实体经济发展水平相对落后的地区，在遭遇突发外部冲击时往往会缺乏足够的风险抵抗力和自主调整能力，实体经济韧性明显低于周围的绝大多数城市，所以呈现出低韧性城市被高韧性城市环绕的“低-高”集聚型（L-H）分布特征。再次，东北地区作为中国的老工业基地，虽然曾为国家的工业发展做出过巨大贡献，但随着传统产业的衰落，其发展动能不足等问题愈发突出，当地实体经济发展的吸引力和竞争力逐渐下降，难以应对当前的诸多经济风险，韧性普遍偏低，表现为“低-低”集聚型（L-L）分布特征。最后，北京和天津两个直辖市具有较高的实体经济韧性，而京津冀城市群内其他城市的韧性较低，故呈现出高韧性城市被低韧性城市包围的“高-低”集聚型（H-L）的分布特征。与之相类似的，重庆、成都作为成渝城市群乃至整个西部地区的重要经济增长极，自身实体经济韧性高于周围其他城市，同样表现出“高-低”集聚型（H-L）特征。

四、 实体经济韧性的影响因素分析

（一） 影响因素选取及分析

除了上述在文献综述部分重点提及的六大影响因素外，虽鲜有文献直接考察对外开放程度对韧性的潜在影响，但在现实情境下，开放度较高地区在更加便捷地获取自身所需的外资和技术的同时，也更容易受到国际市场的负面影响，实体经济在遭遇外部经济冲击时受到的损失更大，故本文还将实证检验对外开放程度对实体经济韧性的影响。

（二） 模型设定与变量含义

基于上述分析，本文在测算了实体经济韧性的基础上，构建式（7）所示的回归模型，实证检验产业结构合理化（STRit）、人力资本（HUMit）、创新能力（INNit）、金融发展水平（FINit）、交通运输（TRAit）、政府干预（GOVit）、对外开放程度（OPENit）对实体经济韧性的影响强度。其中，RESit包括狭义实体经济韧性（RES1）和广义实体经济韧性（RES2），α0为常数项，α1至α7为产业结构合理化等七个因素的影响系数，Fecity和Feyear分别表示城市和年份固定效应，εit表示随机误差项。各变量的测度方式如表4所示。

RESit=α0+α1STRit+α2HUMit+α3INNit+α4FINit+α5TRAit+

α6GOVit+α7OPENit+Fecity+Feyear+εit（7）

（三） 回归结果分析

本节根据模型（1）分别测算了产业结构、人力资本、创新能力、金融发展水平等因素对中国狭义实体经济韧性（RES1）和广义实体经济韧性（RES2）的影响，且逐步控制了年份因素和城市因素。由表5中列（3）和（6）的结果可知，STR项的系数分别为-0.055 2和-0.032 5且至少通过5%的显著性检验，由于利用泰尔指数计算出的产业结构合理化是一个逆向指标，该结果表明产业结构合理化能够提升各产业内及不同产业间的资源利用效率，增强各产业的边际生产力，有利于在地区实体经济系统遭遇冲击时提供更具多样化、丰富性的产出，显著增强地区实体经济的风险抵抗能力。列（6）中HUM项的系数为0.424 2且显著，表明人力资本水平每提升1个单位将推动RES2提升0.424 2个单位，即充沛的人力资本将会对实体经济韧性产生显著的促进作用。创新能力（INN）对RES1和RES2的系数分别为0.005 6和0.002 8，且均通过检验，说明创新能力可以显著增强当地的抗干扰能力和自主调整能力。列（6）中FIN项的系数为0.013 6且在1%水平下显著，表明金融发展水平每提升1个单位将促进RES2提升0.013 6个单位，良好的金融市场和金融水平不仅能够为城市发展提供稳定的资本支持，还可以为实体企业（尤其是中小企业）提供更为多样化的融资渠道，充分调动了企业参与实体经济活动的积极性并强化当地市场主体的风险抵抗能力，为提升实体经济韧性提供了坚实的保障。列（6）中TRA项的系数显著为正，表明良好的交通运输能力能够更好地应对非预期冲击，在促进实体经济强韧性、可持续发展方面产生了不可或缺的作用。政府干预（GOV）对狭义实体经济韧性（RES1）和广义实体经济韧性（RES2）的影响均显著为负，说明政府的过分干预可能会导致区域锁定，在一定程度上抑制实体经济增长效率并削弱韧性，不利于新的增长路径形成，且容易对实体经济韧性产生负面影响。列（6）中OPEN项显著为负，表明开放度较高和对外资依赖度较高的城市虽然能够便捷地获取所需的技术和资金，但同时也更容易受到国际市场的负面影响，地区实体经济可能会在外部冲击中遭受更大的损失。

（四） 进一步探索

当前，以高新技术为核心的全球制造业竞争愈发激烈，中国在大力发展实体经济的过程中，还应积极开展跨区域交流合作，才能更好地应对全球经济竞争中潜在的挑战。因此，在实证检验实体经济韧性的影响因素时自然不能忽视样本城市间的空间相关特征，空间计量模型为解决上述问题提供了一个非常好的思路。对此，本文设定式（8）所示的空间杜宾模型，其中，∑7i=1βiControlsit用于表示式（7）中实体经济韧性的七个主要因素，ρ为空间滞后系数，用于刻画存在空间关系城市间实体经济韧性的交互影响强度，Wij表示一个N×N维度且对角线元素均为0的标准化权重矩阵，用于识别城市间的空间关系，为提升结果的稳健性共设置了四类矩阵。由于前文的结果表明RES1在空间上表现为离散而非相关特征，所以本节仅考察RES2的空间外溢效应。

RESit=ρWijRESit+∑7i=1βiControlsit+∑7i=1γiWijControlsit+Fecity+Feyear+εit（8）

由下页表6可知，四类矩阵下的空间系数ρ分别为0.253 4、0.327 0、0.139 8和0.275 3，均通过显著性检验，充分证明了各城市间的实体经济韧性存在着较强的空间相关性，即本城市的实体经济韧性较高，那么与之存在空间关联城市的韧性也相对较高，彼此间存在着显著的正向作用。LR检验后发现，四类矩阵下的LR-lag和LR-error统计量均通过检验，说明SDM模型在本文的研究情景下不可退化为SAR或SEM模型。各影响因素的作用方向和前文基本保持一致，进一步提高了研究结果的稳健性。

五、 结论与建议

本文选取2011—2021年中国城市数据，以Dixon-Thirlwal循环因果模型和静态凡登定律为基础，利用GMM-SL-SAR-RE模型分别估算出狭义实体经济韧性（RES1）和广义实体经济韧性（RES2），并实证检验了实体经济韧性的影响因素，主要结论如下：

第一，依据自然断点法将中国221个城市的实体经济韧性划分为高、较高、较低和低四个等级后发现RES1和RES2的整体水平较高，高韧性和较高韧性的城市数量超过60%，占据主导地位，呈现出良好的发展状态，其中直辖市、省会、超大和特大城市的韧性明显处于领先地位。第二，RES1和RES2的空间集聚特征表现出显著的差异，其中RES1呈现出较为离散的分布特征，而RES2在样本考察期内表现出显著的正向空间相关性，且相关性随着时间的推移不断增强。第三，进一步考察RES2的空间异质性发现，在长三角和珠三角等城市经济关联密切的地区，已经形成了核心城市带动周围城市韧性共同提升的区域协调发展格局；而在京津冀、成渝城市群等核心城市与其他城市差距较为明显的地区，更多地表现出“虹吸效应”；东北地区和部分中部城市的实体经济韧性相对较低，在空间上表现为“低-低”集聚型（L-L）分布特征，仍有较大的提升空间。第四，影响因素检验后发现，产业结构合理化、人力资本、创新能力、金融发展水平以及交通运输能力能够显著强化实体经济韧性，但过分的政府干预和过高的对外开放程度不利于韧性的提升，城市间实体经济韧性存在着显著的正向空间外溢效应，形成了良性互动的发展格局。

针对上述研究结论，本文提出如下建议：

1. 重视强韧性发展思想，推动实体经济发展由追求速度向韧性转变。现阶段，中国省会城市、常住人口100万及以上规模城市的实体经济韧性处于领先地位，而其余城市的实体经济建设仍主要持有数量优先的发展理念，韧性还有很大的提升空间。对此，国家在制订实体经济发展战略时，应该从顶层设计、长效机制规划等多个维度出发，真正打造全面强化实体经济韧性的制度框架及保障体系。地方政府在制订产业发展规划和专项发展计划时，应主动摒弃“重数量，轻质量”的政绩观，因地制宜地制订科学合理、行之有效的强韧性发展路径，推动中国实体经济发展由高速度向强韧性转变。

2. 多措并举，稳步提升实体经济韧性。首先，中央政府应把握产业结构升级对实体经济韧性的导向作用，在坚持“稳中求进”发展思想的基础上，着力提升产业结构的合理化；地方政府应坚决避免“一刀切”，因地制宜发展特色产业并推动产业结构升级。其次，建立统一、规范、有序的人力资源市场体系，完善地区间就业服务信息的共建共享机制，积极引导高素质劳动力进入具有较大发展前景的优质实体行业，为实体经济建设注入更多的活力。再次，主动破除创新进程中的体制障碍，通过制订研发补贴政策、提高自主研发试错容忍度以及建立客观公正的评价体系等途径，为创新活力和研发能力的提升提供更有力支持。最后，坚持把更多优质金融资源用于低碳环保、生物医药、智能制造等研发密集型产业的发展，提高金融对实体经济的服务效率，逐步增强实体经济的风险抵抗力和适应调整力。此外，还应进一步完善交通基础设施建设，并警惕政府干预和对外开放程度的负面影响，通过减少政府干预资源配置力度和加强对外资企业的监管等措施，降低其对实体经济韧性的负面作用。

3. 开展跨区域交流合作，在整体上提高实体经济韧性。随着城市间实体经济关联的日益加深，为了进一步增强实体经济韧性的空间外溢强度，各地政府应结合自身的资源禀赋和城市定位制订相应的发展战略，加强地区间生产要素流动，构建以点带面、区域协同的地区实体经济发展格局。其中，省会城市和发达城市应在更高目标上推进实体经济建设，努力对标国际一流水平，将自身的优质资源和先进经验向周围的中小城市辐射。“发展中”城市则应充分抓住“智慧城市”等国家战略带来的机遇，把建设具有较强韧性的实体经济作为地方政府经济活动的核心，主动增加与周围地区或具有关联产业地区的交流与合作，打破实体经济发展的区域边界和壁垒，进而在整体上提高中国的实体经济韧性。

（责任编辑： 赵文青）

Measurement and Influencing Factors of China’s Real Economy Resilience

Wang Ruqi1， Tao Shigui2

（1. School of Business， Jiangsu Ocean University， Lianyungang 222005;

2. School of business， Nanjing Normal University， Nanjing 210023， China）

Abstract： As real economy is the foundation of high-quality economic development， its resilience is not only a must to ensure the smooth operation of economy， but also an inevitable driving force for economic transformation and upgrading in the new development pattern. Based on the data of urban China from 2011—2021， this paper uses the GMM-SL-SAR-RE model to measure the resilience of both the narrow real economy （RES1） and the broad real economy （RES2）， and analyzes its overall level， spatial agglomeration characteristics and influencing factors. The results show that： （1） The overall level of RES1 and RES2 is relatively high， with over 60% of the cities having high resilience， led by provincial capital cities， those with a permanent population of 1 million or more; （2） There is a notable difference in the spatial clustering characteristics between RES1 and RES2， with RES1 exhibiting more discrete distribution features while RES2 a significant positive spatial correlation; （3） In areas with close economic ties such as the Yangtze River Delta， a collaborative development pattern as is revealed by further investigation of the spatial characteristics of RES2， has been formed where the core city helps increase the resilience of the surrounding cities， while in areas like the Beijing-Tianjin-Hebei and Chengdu-Chongqing urban agglomerations where the gap between the core cities and others is more pronounced， the “siphon effect” is more noticeable; （4） As for testing the influencing factors， rationalization of industrial structure， human capital， innovation capability， financial development and transportation capacity can significantly enhance the resilience of the real economy， and there is a significant positive spatial spillover effect among Chinese cities’ real economic resilience， forming a benign interactive development pattern.

Key words： real economy resilience; GMM-SL-SAR-RE model; influencing factor