新冠肺炎疫情沖擊下長三角經(jīng)濟(jì)韌性及影響因素分析

魏 峰 殷文星 胡本田

（安徽大學(xué)經(jīng)濟(jì)學(xué)院，合肥 230000）

引 言

自2020年新冠肺炎疫情（下文簡(jiǎn)稱 “疫情”）爆發(fā)以來，全球經(jīng)濟(jì)發(fā)展變緩，就業(yè)形勢(shì)嚴(yán)峻。面對(duì)變幻莫測(cè)的外部環(huán)境，中國各地區(qū)都希望能抵御沖擊，使得經(jīng)濟(jì)系統(tǒng)最大限度降低損害，擺脫困境。而經(jīng)濟(jì)韌性是防護(hù)巨大沖擊的一個(gè)強(qiáng)大的支撐系統(tǒng)，提升經(jīng)濟(jì)韌性有利于增強(qiáng)經(jīng)濟(jì)系統(tǒng)抵抗沖擊的能力。因此在疫情背景下討論經(jīng)濟(jì)韌性對(duì)地區(qū)防范重大沖擊具有重要的現(xiàn)實(shí)意義。

城市群作為區(qū)域經(jīng)濟(jì)的研究范疇，越來越受到國內(nèi)外的高度關(guān)注。習(xí)近平同志在十九大報(bào)告中指出 “以城市群為主體構(gòu)建大中小城市和小城鎮(zhèn)協(xié)調(diào)發(fā)展的城鎮(zhèn)格局”。作為中國受關(guān)注度最高、區(qū)域經(jīng)濟(jì)發(fā)展最快的城市群之一，長三角城市群在我國現(xiàn)代化建設(shè)中擁有至關(guān)重要的地位。長三角城市群作為我國區(qū)域一體化的前列兵，在受到疫情沖擊后的區(qū)域經(jīng)濟(jì)韌性表現(xiàn)如何，如何提升長三角地區(qū)的經(jīng)濟(jì)韌性是需要深入探討的問題。提升長三角城市群的經(jīng)濟(jì)韌性以應(yīng)對(duì)未來的沖擊，將有助于中國 “長三角一體化”戰(zhàn)略的推進(jìn)。

1 文獻(xiàn)綜述

近年來，韌性的概念受到了許多學(xué)者的探討和完善。 1973年， 生態(tài)學(xué)家 Holling （1973）［1］第一次把韌性概念引入到生態(tài)學(xué)領(lǐng)域。隨著人們對(duì)韌性的理解不斷深入，近年來韌性成為社會(huì)各界的關(guān)注熱點(diǎn)，韌性概念也被引入到經(jīng)濟(jì)學(xué)領(lǐng)域，許多經(jīng)濟(jì)學(xué)家對(duì)其展開了深入研究。

在理論研究方面，學(xué)者將經(jīng)濟(jì)韌性的概念與其他學(xué)科韌性概念進(jìn)行了區(qū)分。首先，世界各地隨時(shí)都會(huì)遭受不同的經(jīng)濟(jì)沖擊，有的地方在沖擊后能夠快速恢復(fù)，而有的地方不能。那么是什么原因?qū)е铝诉@種異質(zhì)性引起了學(xué)術(shù)界的廣泛關(guān)注［2］。由于經(jīng)濟(jì)韌性的概念起初引用了生態(tài)學(xué)領(lǐng)域中生態(tài)韌性的多重均衡的思想，而均衡系統(tǒng)不隨時(shí)間而變動(dòng)，這與經(jīng)濟(jì)系統(tǒng)會(huì)隨時(shí)間變化而變化的動(dòng)態(tài)思想相矛盾。經(jīng)濟(jì)韌性也因此遭受到了許多批評(píng)之聲。 之后 Simmie 和 Martin （2010）［3］、 Folke 等（2010）［4］基于演化的角度， 強(qiáng)調(diào)韌性是一個(gè)連續(xù)的、動(dòng)態(tài)的、不斷進(jìn)行的過程，韌性并不一定意味著回到原有的狀態(tài)，而是可能轉(zhuǎn)變?yōu)橐粋€(gè)新的（理想的、更好的）狀態(tài)。這理清了經(jīng)濟(jì)韌性同其他領(lǐng)域韌性的區(qū)分。在此基礎(chǔ)上，經(jīng)濟(jì)韌性的理論部分不斷得到完善，演化特征也得到了廣泛地接受。此后對(duì)于經(jīng)濟(jì)韌性的概念，Wink （2014）［5］認(rèn)為區(qū)域經(jīng)濟(jì)韌性是一種避免、抵御或適應(yīng)危機(jī)以及應(yīng)對(duì)不良條件時(shí)的能力。 Martin和 Sunley （2015）［6］將區(qū)域經(jīng)濟(jì)韌性定義為區(qū)域經(jīng)濟(jì)系統(tǒng)面對(duì)各種沖擊時(shí)抵抗或者恢復(fù)發(fā)展?fàn)顟B(tài)的能力，它包含抵抗力、恢復(fù)力、重新定位和更新。借助演化的思想，李連剛等 （2019）［7］認(rèn)為經(jīng)濟(jì)韌性抵抗力主要表示區(qū)域經(jīng)濟(jì)體抵御各種沖擊而導(dǎo)致偏離了正常的發(fā)展軌道；恢復(fù)力主要表示區(qū)域經(jīng)濟(jì)體通過各種途徑使得經(jīng)濟(jì)體能夠恢復(fù)到初始的發(fā)展?fàn)顩r或者轉(zhuǎn)向一個(gè)更好的發(fā)展路線。

在實(shí)證研究中，多數(shù)學(xué)者對(duì)經(jīng)濟(jì)韌性進(jìn)行測(cè)度并做出影響因素分析。 Martin（2012）［8］利用就業(yè)水平的變化，測(cè)算了英國各地區(qū)的經(jīng)濟(jì)韌性。Bergeijk等（2017）［9］把經(jīng)濟(jì)韌性表示為金融危機(jī)導(dǎo)致世界各國貿(mào)易量的降低量。陳奕瑋和丁關(guān)良（2020）［10］通過綜合評(píng)價(jià)指標(biāo)體系法測(cè)度了我國264個(gè)城市的經(jīng)濟(jì)韌性。王奇珍和朱英明 （2021）［11］測(cè)算了2008年金融危機(jī)以來中國城市的經(jīng)濟(jì)韌性，并做了影響因素研究。 鞏燦娟等 （2022）［12］研究了2011～2018年中國三大城市群經(jīng)濟(jì)韌性的時(shí)空演變及影響因素。陳平安 （2022）［13］通過人口集聚的視角探究了城市經(jīng)濟(jì)韌性。在疫情沖擊下的論文較少，韓愛華等 （2021）［14］對(duì)疫情下中國省域的經(jīng)濟(jì)韌性進(jìn)行測(cè)度并做了部分影響因素分析；曾冰 （2021）［15］對(duì)疫情下的省域經(jīng)濟(jì)韌性進(jìn)行了測(cè)度。

綜上所述，本文認(rèn)為經(jīng)濟(jì)韌性是一個(gè)地區(qū)在應(yīng)對(duì)給定沖擊時(shí)的抵抗能力與恢復(fù)或?qū)崿F(xiàn)路徑突破能力。已有文獻(xiàn)對(duì)區(qū)域經(jīng)濟(jì)韌性的理論研究比較完善，但實(shí)證研究仍有許多不足。主要表現(xiàn)在以下兩個(gè)方面：（1）當(dāng)前研究對(duì)經(jīng)濟(jì)韌性的空間關(guān)聯(lián)性探究較少；（2）當(dāng)前疫情在全球肆虐，少有文獻(xiàn)對(duì)疫情沖擊下的經(jīng)濟(jì)韌性展開探討，對(duì)具體城市經(jīng)濟(jì)韌性的研究更是鳳毛麟角。研究的區(qū)域不夠具體，就不能很好地捕捉到當(dāng)?shù)亟?jīng)濟(jì)系統(tǒng)的動(dòng)態(tài)，更難以觀察不同城市存在的異質(zhì)性。因此基于地級(jí)市的數(shù)據(jù)對(duì)各區(qū)域經(jīng)濟(jì)韌性進(jìn)行觀測(cè)和分析是很有必要的。鑒于此，本文選取長三角城市群中心區(qū)26個(gè)地級(jí)市，從抵抗力和恢復(fù)力兩個(gè)角度測(cè)度其在應(yīng)對(duì)突發(fā)的新冠肺炎疫情時(shí)的經(jīng)濟(jì)韌性特征，考慮了空間相關(guān)性，并做影響因素分析。

2 研究方法與數(shù)據(jù)來源

2.1 研究方法

2.1.1 經(jīng)濟(jì)韌性測(cè)度方法

目前度量經(jīng)濟(jì)韌性的方式主要有兩種，一種是構(gòu)造多種指標(biāo)綜合權(quán)重來測(cè)度，一種是核心變量的敏感性指數(shù)法。綜合指標(biāo)體系法通過一系列的指標(biāo)體系來測(cè)度經(jīng)濟(jì)韌性， Briguglio等 （2006）［16］最早使用了此種方法。但是此種方法并沒有一個(gè)學(xué)術(shù)界公認(rèn)的指標(biāo)和各指標(biāo)所賦予的權(quán)重。而且有些情況表明已有的研究所選擇的指標(biāo)體系在測(cè)度區(qū)域經(jīng)濟(jì)韌性的應(yīng)用中并不精準(zhǔn)［17］。

近年來相關(guān)文獻(xiàn)開始選擇敏感性指標(biāo)體系法，通常考慮沖擊前的一年的就業(yè)或者產(chǎn)出作為基期，發(fā)生沖擊后與前一期的差值變化度量經(jīng)濟(jì)韌性。許多文獻(xiàn)采用了反事實(shí)條件下的數(shù)據(jù)指標(biāo)進(jìn)行測(cè)算［14，18，19］。 此法通過沖擊后某個(gè)地區(qū) GDP 或就業(yè)人口和趨勢(shì)值的差異來衡量經(jīng)濟(jì)韌性水平。故本文使用敏感性指數(shù)法測(cè)度經(jīng)濟(jì)韌性。借鑒Martin（2012）［8］使用就業(yè)水平度量了經(jīng)濟(jì)韌性水平，構(gòu)建了抵抗力的敏感性指數(shù)：

其中βr是一個(gè) “敏感性指數(shù)”，E代表就業(yè)水平，ΔE／E是就業(yè)水平的百分比變化，r為地區(qū)水平，N為全國水平。

Martin這種測(cè)算方式被眾多學(xué)者所認(rèn)可，如Faggian等 （2018）［20］參考此種測(cè)算方式測(cè)算了意大利地區(qū)金融危機(jī)后的經(jīng)濟(jì)韌性，修改后的模型為：

其中SI代表敏感性指數(shù)，Er為地區(qū)（r）的總就業(yè)人數(shù)，En為全國總就業(yè)人數(shù)，時(shí)期t為衰退時(shí)期，時(shí)期t-1為衰退前時(shí)期，該指數(shù)類似于總就業(yè)的 “區(qū)位商”，因此以1為中心。

Martin 等 （2016）［19］對(duì)之前方法的利與弊進(jìn)行了探討，并做了一定的修正。修正后的測(cè)算敏感性指數(shù)的公式為：

其中Resisr和Recovr分別表示抵抗力和恢復(fù)力，分別表示衰退期和恢復(fù)期的就業(yè)水平變化，為如果沒有沖擊時(shí)預(yù)期的就業(yè)水平變化。如對(duì)于2008年金融危機(jī)，可設(shè)置2008～2009年為經(jīng)濟(jì)衰退期，2009～2011為經(jīng)濟(jì)恢復(fù)期。

本文測(cè)度經(jīng)濟(jì)韌性的方法主要借助于式 （1）～（4）。本文敏感性指數(shù)定義設(shè)置如下：

其中βresist為抵抗力指標(biāo)，βrecover為恢復(fù)力指標(biāo)，Er為r地區(qū)全社會(huì)就業(yè)總?cè)藬?shù)和GDP，En為全國就業(yè)總?cè)藬?shù)，t為時(shí)間，取2020年和2021年； （Er，t）預(yù)測(cè)為若沒有疫情沖擊時(shí)r地區(qū)在t年應(yīng)有的就業(yè)人數(shù)和GDP， （En，t）實(shí)際為疫情沖擊下r地區(qū)的實(shí)際就業(yè)人數(shù)和GDP。根據(jù)定義，方程 （5）以1為中心，方程 （6）以0為中心，若βresist大于1則該地區(qū)比整個(gè)國家更有抵抗力，小于1則該地區(qū)抵抗力小于整個(gè)國家，受到的影響更大。當(dāng)前主要測(cè)算經(jīng)濟(jì)韌性的指標(biāo)是就業(yè)水平和GDP。許多文獻(xiàn)使用就業(yè)水平來衡量，最具代表性的是Matin的研究，許多研究都借鑒他的方式，也有許多文章使用 GDP 進(jìn)行衡量。 Davies［21］和 Brakman 等［22］使用這兩種指標(biāo)從不同角度衡量了經(jīng)濟(jì)韌性。本文同時(shí)用兩種指標(biāo)來測(cè)算經(jīng)濟(jì)韌性，使用就業(yè)人數(shù)指標(biāo)測(cè)度了2020年抵抗力，使用GDP指標(biāo)測(cè)度2020年、2021年的恢復(fù)力。同時(shí)本文參考Faggian等 （2018）［19］的方式，利用上述抵抗力和恢復(fù)力公式將地區(qū)經(jīng)濟(jì)韌性分為4組，如表1。

表1 經(jīng)濟(jì)韌性類型

2.1.2 空間相關(guān)性分析

由于空間單元之間不是相互獨(dú)立存在的，長三角城市群不同城市之間可能存在空間關(guān)聯(lián)性。相鄰城市的經(jīng)濟(jì)韌性水平可能會(huì)影響到本市的經(jīng)濟(jì)韌性水平。故有必要對(duì)城市之間的經(jīng)濟(jì)韌性指標(biāo)進(jìn)行空間相關(guān)性檢驗(yàn)。

（1）空間權(quán)重矩陣的選擇

本文同時(shí)構(gòu)建了3種權(quán)重矩陣。地理距離矩陣（W1）構(gòu)建如下：

其中dij表示i城市與j城市之間的距離，通過相應(yīng)城市的經(jīng)緯度坐標(biāo)計(jì)算得到。

經(jīng)濟(jì)距離矩陣（W2）構(gòu)建如下：

經(jīng)濟(jì)和地理距離嵌套矩陣（W3）構(gòu)建如下：

其中λ表示W(wǎng)1和W2所占的重要性程度，這里取λ＝0.5。此矩陣同時(shí)考慮地理和經(jīng)濟(jì)的因素，具有綜合性。本文所有空間權(quán)重矩陣在計(jì)算時(shí)皆標(biāo)準(zhǔn)化處理。

（2） Moran's I與Geary's C指數(shù)

為對(duì)經(jīng)濟(jì)韌性指標(biāo)進(jìn)行全面的空間相關(guān)性檢驗(yàn)，分別采用全局自相關(guān)和局部自相關(guān)指數(shù)進(jìn)行分析，全局相關(guān)性采用Moran's I與Geary's C指數(shù)進(jìn)行計(jì)算，其計(jì)算公式分別如下：

莫蘭指數(shù)的取值一般在［-1，1］，大于0時(shí)代表空間正相關(guān)，小于0時(shí)代表空間負(fù)相關(guān)；吉爾里指數(shù)一般在［0，2］（2非嚴(yán)格上限），小于1時(shí)代表空間正相關(guān)，等于1表示不相關(guān)，大于1時(shí)代表空間負(fù)相關(guān)。

如果要考察某個(gè)城市與相鄰的城市的空間聯(lián)動(dòng)效應(yīng)，可以使用局部Moran's I，具體構(gòu)建如下：

2.1.3 經(jīng)濟(jì)韌性影響因素分析

地理探測(cè)器是近年來探究空間分異性，并探測(cè)出背后驅(qū)動(dòng)力的新的統(tǒng)計(jì)學(xué)方法。地理探測(cè)器在假設(shè)方面比傳統(tǒng)計(jì)量模型少，無線性假設(shè)，有明確的物理含義，近年來在自然科學(xué)、社會(huì)科學(xué)等領(lǐng)域得到廣泛應(yīng)用［23］。其因子探測(cè)器板塊是檢測(cè)某個(gè)因子多大程度解釋了因變量的空間分異。使用q值大小來衡量，公式為：

q值的取值在［0，1］，越大表示因子解釋力越強(qiáng)。h＝1，…，L為分類數(shù)。Nh和N分別是類h和所有類的單元數(shù)。和σ分別是類h和所有類的因變量值的方差。

交互作用探測(cè)板塊是探測(cè)不同解釋因子共同作用是否會(huì)增強(qiáng)或減弱對(duì)因變量的解釋力。

2.2 數(shù)據(jù)來源

本文基于長三角城市群中心區(qū)26市2000～2019年的全社會(huì)就業(yè)人數(shù)與GDP指標(biāo)對(duì)2020年的全社會(huì)就業(yè)人數(shù)和2020年與2021年的GDP指標(biāo)進(jìn)行反事實(shí)的預(yù)測(cè)，進(jìn)而測(cè)算2020年、2021年不同城市在疫情沖擊下的經(jīng)濟(jì)韌性指標(biāo)。數(shù)據(jù)均來自于2000～2021年 《中國城市統(tǒng)計(jì)年鑒》、長三角城市群各省（區(qū)、市）的統(tǒng)計(jì)年鑒和統(tǒng)計(jì)公報(bào)。

3 結(jié)果與分析

3.1 經(jīng)濟(jì)韌性空間布局

本文使用灰色預(yù)測(cè)模型［24，25］對(duì)2020年的全社會(huì)就業(yè)人數(shù)，2020年和2021年的GDP指標(biāo)進(jìn)行預(yù)測(cè)。就業(yè)人數(shù)屬于人口預(yù)測(cè)，故使用灰色Verhulst模型進(jìn)行預(yù)測(cè)比較合理。結(jié)果表明，基本上后驗(yàn)差比值c＜0.35，小誤差概率p＞0.35。而GDP指標(biāo)使用 GM（1，1）和基于背景值優(yōu)化的 GM（1，1）預(yù)測(cè)效果整體都不如Verhulst模型的預(yù)測(cè)效果好，Verhulst模型除了對(duì)滁州、宣城、杭州三市的預(yù)測(cè)結(jié)果不太理想之外，其他市的預(yù)測(cè)結(jié)果很可觀，后驗(yàn)差比值全部小于0.1，小誤差概率皆為1。利用Verhulst模型對(duì)滁州、宣城兩市預(yù)測(cè)效果不太理想，但使用基于背景值優(yōu)化的GM（1，1）模型預(yù)測(cè)效果比較可觀，故此兩市使用基于背景值優(yōu)化的GM（1，1）模型進(jìn)行預(yù)測(cè)。而杭州市利用以上3種灰色預(yù)測(cè)模型效果皆不理想，故考慮根據(jù)1970～2019年杭州GDP 數(shù)據(jù)， 使用ARIMA（2，2，0）模型對(duì)杭州2020年、2021年GDP指標(biāo)進(jìn)行預(yù)測(cè)，預(yù)測(cè)效果較為可觀。

本文分別計(jì)算了2020年的抵抗力與2020年、2021年的恢復(fù)力，通過計(jì)算得出2020年、2021年長三角26市的經(jīng)濟(jì)韌性指標(biāo)，如表2所示。

表2 長三角城市群經(jīng)濟(jì)韌性測(cè)度結(jié)果

從整體上看，長三角城市群的經(jīng)濟(jì)韌性整體上呈現(xiàn)一定的異質(zhì)性。江蘇省的城市整體上抵抗力強(qiáng)，大多數(shù)在1以上；2020年的恢復(fù)力有向好的趨勢(shì)，2021年大多數(shù)城市已經(jīng)恢復(fù)。浙江省的城市抵抗力也比較好，2020年恢復(fù)力也有部分大于0，有較強(qiáng)的恢復(fù)趨勢(shì)，2021年大多也恢復(fù)到更好的水平。安徽省的城市抵抗力較弱，全部低于1且恢復(fù)力也較弱，2020年恢復(fù)力全部低于0，2021年有部分城市恢復(fù)至較好的水平。將2021年相對(duì)于2020年經(jīng)濟(jì)韌性恢復(fù)力的提升作為韌性恢復(fù)。可以看出，基本上韌性恢復(fù)都是大于0的，說明恢復(fù)力在往良好的方向發(fā)展。

從抵抗力的角度來看，江蘇、浙江的城市抵抗力較強(qiáng)，安徽省的城市抵抗力較弱。整體有一半的城市都大于1。江蘇省僅鹽城市的抵抗力小于1，其他市皆大于1。說明江蘇省作為經(jīng)濟(jì)強(qiáng)省，對(duì)突發(fā)的疫情沖擊具有較好的抵抗能力。浙江省的金華市具有很強(qiáng)的抵抗能力，可能是因?yàn)榻鹑A市主導(dǎo)產(chǎn)業(yè)如茶、醫(yī)藥、食品、農(nóng)業(yè)等對(duì)于疫情沖擊的反應(yīng)較小，此類產(chǎn)業(yè)依然能夠維持就業(yè)水平。安徽的城市經(jīng)濟(jì)韌性都較弱，僅合肥市和蕪湖市稍強(qiáng)一些。其中銅陵和池州抵抗力最弱，不到全國抵抗力的一半。可能是互聯(lián)網(wǎng)行業(yè)較少，而實(shí)體經(jīng)濟(jì)較多，疫情的沖擊導(dǎo)致許多人失業(yè)。上海市作為一個(gè)國際大都市，有較多的外來人口。在疫情沖擊時(shí)，這并不利于疫情防控，還會(huì)增加境外輸入的隱患。在境外輸入的數(shù)據(jù)中，上海的境外數(shù)據(jù)是第一位，故上海在疫情的沖擊下抵抗力表現(xiàn)沒有想象的樂觀，為0.953。

從2020年恢復(fù)力的角度來看，大多城市恢復(fù)力為負(fù)。因2020年為疫情突發(fā)的第一年，故大多數(shù)城市2020年的恢復(fù)力小于0，但是有整體向好的趨勢(shì)。無錫、蘇州、寧波、金華已經(jīng)從疫情的沖擊下恢復(fù)過來，復(fù)產(chǎn)復(fù)工現(xiàn)象一派向好。上海的恢復(fù)力水平為-0.026，有向好的趨勢(shì)。考慮到上海許多工人來自外地，2020年初期無法回到工作崗位，一定程度上影響其恢復(fù)力水平。鹽城、揚(yáng)州、嘉興、安慶、池州的恢復(fù)力皆小于-0.05，將會(huì)在一個(gè)較長的恢復(fù)周期內(nèi)難以回到正常水平。其中揚(yáng)州、嘉興、池州恢復(fù)力小于-0.06，恢復(fù)情況較糟糕。

從2021年的恢復(fù)力情況可以看出，大多數(shù)城市已經(jīng)從疫情的沖擊中恢復(fù)過來，從2020年恢復(fù)力大于0的城市只有4個(gè)增加到17個(gè)。此時(shí)長三角經(jīng)濟(jì)發(fā)展速度達(dá)到疫情前或更高的水平，僅有南通、揚(yáng)州、嘉興、臺(tái)州、安慶、滁州、池州、宣城的恢復(fù)力為負(fù)，且有向好的趨勢(shì)。已經(jīng)沒有城市的恢復(fù)力低于-0.05，可見恢復(fù)力之快。安徽的城市因抵抗力較弱相對(duì)受到的沖擊更大，但合肥、蕪湖為安徽省經(jīng)濟(jì)發(fā)展較為快速的城市，可以看到已經(jīng)恢復(fù)到一個(gè)較優(yōu)的水平。整體上可以看出在中國政府的帶領(lǐng)下，上下能夠積極應(yīng)對(duì)疫情的突然沖擊。兩年間可以大幅的降低疫情帶來的損害，有效的做到疫情防控，給長三角的經(jīng)濟(jì)發(fā)展塑造了良好的動(dòng)力方向。

將長三角2020年的城市經(jīng)濟(jì)韌性分為以下4個(gè)類別，如表3所示。可以看到，整體上分類具有一定的異質(zhì)性，江蘇和浙江省都有高抵抗／快速恢復(fù)的城市，這離不開兩省對(duì)疫情防控措施的積極推進(jìn)。但安徽省的各市具有一定的同質(zhì)性，普遍情況下經(jīng)濟(jì)韌性較弱。可能是安徽省實(shí)體經(jīng)濟(jì)較為廣泛，較易受疫情沖擊的影響并難以短期恢復(fù)。而江蘇、浙江大數(shù)據(jù)、互聯(lián)網(wǎng)、金融行業(yè)等應(yīng)用較為廣泛，疫情期間可以居家辦公，能夠一定程度地抵抗疫情的突然沖擊。

表3 2020年長三角城市群經(jīng)濟(jì)韌性類型情況

3.2 經(jīng)濟(jì)韌性空間相關(guān)性

（1） 全局相關(guān)性

考慮到疫情的沖擊對(duì)區(qū)域經(jīng)濟(jì)韌性具有空間的交互作用。故分別使用3種權(quán)重矩陣，對(duì)全局相關(guān)性的抵抗力和恢復(fù)力分別進(jìn)行了相關(guān)性檢驗(yàn)（結(jié)果表略）。整體上2020年和2021年長三角城市群的經(jīng)濟(jì)韌性具有顯著的空間效應(yīng)。說明在疫情沖擊下長三角相鄰各市的抵抗力具有一定的協(xié)同互助的效應(yīng)，各市有著同心協(xié)力，共同抗擊疫情的良好聯(lián)動(dòng)力。

分析2020年的經(jīng)濟(jì)韌性空間相關(guān)性，在3種權(quán)重矩陣下，2020年的抵抗力不論是莫蘭指數(shù)還是吉爾里指數(shù)都在1%的水平下正向顯著；恢復(fù)力的莫蘭指數(shù)也是顯著的，只有地理矩陣下吉爾里指數(shù)不顯著。對(duì)于恢復(fù)力而言，聯(lián)動(dòng)效應(yīng)沒有抵抗力那么顯著，但也有一定程度的關(guān)聯(lián)，只是這種聯(lián)動(dòng)效應(yīng)相對(duì)較弱。

對(duì)于2021年的恢復(fù)力空間相關(guān)性。從地理距離矩陣角度來看，不論是莫蘭指數(shù)還是吉爾里指數(shù)都表示恢復(fù)力并不顯著；從經(jīng)濟(jì)距離矩陣來看，莫蘭指數(shù)在10%水平正向顯著，吉爾里指數(shù)在5%水平下顯著，說明2021年的恢復(fù)力依然具有一定程度的經(jīng)濟(jì)差異空間相關(guān)性。但是對(duì)比相關(guān)性程度可以看出，2021年比2020年恢復(fù)力相關(guān)性要弱。從經(jīng)濟(jì)地理嵌套矩陣上也能看出這一點(diǎn)，可能是因?yàn)?021年各城市基本恢復(fù)到之前或更好的經(jīng)濟(jì)發(fā)展水平，整體上的地理空間的恢復(fù)力關(guān)聯(lián)性已經(jīng)不再體現(xiàn)。經(jīng)濟(jì)距離上，依然有著一定程度的高-高型集聚和低-低型集聚的空間正相關(guān)特征，經(jīng)濟(jì)發(fā)達(dá)的城市依然有著更加相似的恢復(fù)力。

（2）局部相關(guān)性

為更直觀地感受經(jīng)濟(jì)韌性指標(biāo)的空間相關(guān)性，本文使用經(jīng)濟(jì)地理距離嵌套矩陣分別繪制了2020年抵抗力和恢復(fù)力、2021年恢復(fù)力的莫蘭指數(shù)散點(diǎn)圖，如圖1所示。橫坐標(biāo)表示經(jīng)濟(jì)韌性指標(biāo)標(biāo)準(zhǔn)化后的觀測(cè)值，縱坐標(biāo)為該空間單元的“滯后值”。

圖1 經(jīng)濟(jì)地理嵌套矩陣下經(jīng)濟(jì)韌性指標(biāo)散點(diǎn)圖

可以看出，三張圖整體上一、三象限的點(diǎn)占據(jù)較多。大多數(shù)城市2020年抵抗力和恢復(fù)力都在第一、第三象限的正相關(guān)區(qū)域，表現(xiàn)為高-高聚集和低-低聚集。進(jìn)一步地說明了2020年抵抗力和恢復(fù)力具有顯著的空間正向溢出效應(yīng)。這也比較符合實(shí)際情況，相鄰地區(qū)的抵抗力與恢復(fù)力越弱，受到疫情的影響越大，也必將會(huì)影響到本市的疫情防控效果。2021年的恢復(fù)力相對(duì)2020年來說空間溢出效應(yīng)已經(jīng)沒有那么明顯，分布在二、四象限的城市也相對(duì)較多。2021年大多數(shù)城市已經(jīng)恢復(fù)到疫情前或更好的水平，此時(shí)疫情的惡劣影響有所緩解，相對(duì)2020年，各地陸續(xù)復(fù)產(chǎn)復(fù)工。所以此時(shí)各地應(yīng)對(duì)疫情沖擊的經(jīng)濟(jì)韌性水平的空間關(guān)聯(lián)性也相對(duì)變?nèi)酢?/p>

為具體分析哪些城市呈現(xiàn)正相關(guān)的空間聯(lián)動(dòng)性，將高-高型和低-低型匯總于表4。可以看出，2020年抵抗力和恢復(fù)力的高-高集聚的城市大多分布在江蘇和浙江，抵抗力的低-低集聚的城市全部在安徽省。直觀的說明了安徽省整體的抵抗力較弱。2020年抵抗力指標(biāo)的高-高集聚和低-低集聚的城市共有22個(gè)，占研究城市總和的84.6%，恢復(fù)力指標(biāo)的高-高集聚和低-低集聚的城市共有17個(gè)，占研究城市總和的65.4%；2021年恢復(fù)力指標(biāo)的高-高集聚和低-低集聚的城市共有15個(gè)，占研究城市總和的60%。也進(jìn)一步證實(shí)了長三角城市的抵抗力和恢復(fù)力的地區(qū)差異比較顯著，的確存在空間相關(guān)性。

表4 經(jīng)濟(jì)地理嵌套矩陣下經(jīng)濟(jì)韌性空間分布

3.3 影響因素分析

（1）影響因素選取

區(qū)域經(jīng)濟(jì)韌性受到諸多因素的影響，如產(chǎn)業(yè)結(jié)構(gòu)、政府管理、創(chuàng)新水平、勞動(dòng)力狀況、區(qū)域發(fā)展基礎(chǔ)等［6，8，19］。 結(jié)合相關(guān)文獻(xiàn)的研究、 長三角發(fā)展特征以及本文的研究目的，本文從衛(wèi)生事業(yè)水平、產(chǎn)業(yè)組成、對(duì)外開放程度、政府管理、勞動(dòng)力環(huán)境、區(qū)域發(fā)展基礎(chǔ)、城市建設(shè)、人口因素、文化因素以及科技創(chuàng)新水平10個(gè)方面探究2020年長三角地區(qū)在疫情沖擊下城市經(jīng)濟(jì)韌性的影響因素。

選取衛(wèi)生技術(shù)人員占總?cè)丝诒戎兀╔1）表示衛(wèi)生事業(yè)水平。選取第二產(chǎn)業(yè)占GDP比重（X2）、第三產(chǎn)業(yè)占GDP比重（X3）、第三產(chǎn)業(yè)占第二產(chǎn)業(yè)比重（X4）及規(guī)模以上工業(yè)企業(yè)數(shù)（X5）表示產(chǎn)業(yè)組成。選取進(jìn)出口總額占GDP比重（X6）表示對(duì)外開放程度。選取固定資產(chǎn)投資額占GDP比重（X7）、固定資產(chǎn)投資增長率（X8）、人均公共預(yù)算支出（X9）來表示政府管理。選取城鎮(zhèn)失業(yè)率（X10）、失業(yè)參保人員（X11）來表示勞動(dòng)力環(huán)境。

選取人均GDP（X12）、區(qū)位條件（X13）來表示區(qū)域發(fā)展基礎(chǔ)，其中區(qū)位條件用隸屬于上海市、江蘇省、浙江省、安徽省的城市分別賦值4、3、2、1。選取城鎮(zhèn)化率（X14）、城市建設(shè)用地面積（X15）表示城市建設(shè)。選取人口密度（X16）、常駐人口（X17）來表示人口因素。選取博物館數(shù)（X18）來表示文化因素。選取專利授權(quán)數(shù)（X19）來表示科技創(chuàng)新水平。

（2）影響因素結(jié)果分析

使用自然斷點(diǎn)分級(jí)法對(duì)連續(xù)性的自變量離散化處理，分為5類。結(jié)果如表5所示。若不對(duì)q值進(jìn)行顯著性檢驗(yàn)，q值仍具明確的物理意義［24］。但出于對(duì)結(jié)論更加可靠性分析，本文依然列出統(tǒng)計(jì)學(xué)顯著性檢驗(yàn)結(jié)果。為對(duì)比分析，將結(jié)果進(jìn)行可視化處理，如圖2所示。分析疫情沖擊下的各影響因子對(duì)長三角地區(qū)抵抗力和恢復(fù)力的解釋力可以發(fā)現(xiàn)，影響因子對(duì)抵抗力和恢復(fù)力的解釋力有所差異。

圖2 影響因子q值對(duì)比

表5 影響因子q值探測(cè)結(jié)果

從抵抗力影響因素q值來看，X13＞X19＞X11＞X10＞X5＞X7＞X18＞X16＞X6＞X12＞X17＞X14＞X1＞X15＞X3＞X2＞X4＞X9＞X8。 區(qū)位條件對(duì)抵抗力的解釋力最高，達(dá)到了0.852，且在1%水平上顯著。說明長三角的城市中因省區(qū)的不同，城市抵抗力產(chǎn)生很大的空間分異性。固定資產(chǎn)投資額增長率對(duì)抵抗力解釋力最小，為0.137。大于0.5且統(tǒng)計(jì)意義顯著的有X13、X19、X11、X5、X7、X6、X12。說明區(qū)域發(fā)展基礎(chǔ)、科技創(chuàng)新水平、勞動(dòng)力環(huán)境、產(chǎn)業(yè)組成、政府管理、對(duì)外開放程度是長三角疫情沖擊下抵抗力的主要決定因素。

從恢復(fù)力的影響因素q值來看，X3＞X1＞X4＞X6＞X9＞X14＞X5＞X12＞X11＞X15＞X16＞X19＞X7＞X10＞X17＞X18＞X13＞X8＞X2。 第三產(chǎn)業(yè)占 GDP 的比重對(duì)恢復(fù)力的影響最大，為0.544。而第二產(chǎn)業(yè)占GDP比重對(duì)恢復(fù)力影響最小。說明恢復(fù)力對(duì)第三產(chǎn)業(yè)的變化敏感性最強(qiáng)，第三產(chǎn)業(yè)占比較高的城市，恢復(fù)力往往也較快。也說明產(chǎn)業(yè)組成是影響恢復(fù)力的關(guān)鍵因素。大于0.4且統(tǒng)計(jì)意義顯著的有X1、X3、X4、X6，說明衛(wèi)生事業(yè)水平、產(chǎn)業(yè)組成、對(duì)外開放程度對(duì)長三角疫情沖擊下恢復(fù)力的解釋程度顯著較高。

對(duì)比同一因素分別對(duì)抵抗力和恢復(fù)力的影響作用可以發(fā)現(xiàn)，某些因素對(duì)抵抗力和恢復(fù)力的解釋力存在較大差異。從圖2中可以明顯看出這一點(diǎn)，如區(qū)位條件（X13），對(duì)抵抗力的解釋力最高，對(duì)恢復(fù)力的解釋力卻極小。因長三角各市隸屬省份不同，在疫情沖擊時(shí)，同一省份的各市抵抗力更為相似，但在恢復(fù)時(shí)長三角各省中各有經(jīng)濟(jì)發(fā)展恢復(fù)快速和緩慢的城市。所以區(qū)位條件對(duì)抵抗力和恢復(fù)力的解釋力產(chǎn)生較大的差異。也有一些影響因子對(duì)抵抗力和恢復(fù)力影響相差不大，如衛(wèi)生事業(yè)水平（X1），對(duì)抵抗力和恢復(fù)力都有一定的影響，這也比較符合疫情沖擊下的實(shí)際情況。

利用交互作用探測(cè)器探究多種因子的交互作用對(duì)抵抗力和恢復(fù)力的影響程度。運(yùn)用Origin中熱力圖將各因子交互作用影響大小反應(yīng)在圖3中。可以發(fā)現(xiàn)，影響因子對(duì)抵抗力和恢復(fù)力的影響并不是獨(dú)立存在的，任意兩個(gè)因子的交互作用皆大于單個(gè)因子對(duì)抵抗力和恢復(fù)力的解釋力，呈現(xiàn)雙因子或非線性增強(qiáng)效應(yīng)。

圖3 不同影響因子對(duì)經(jīng)濟(jì)韌性指標(biāo)影響的交互作用

從抵抗力的空間分布特征來看，X5∩X12是最主要的推動(dòng)因素，達(dá)到了0.992。表明區(qū)域發(fā)展基礎(chǔ)和產(chǎn)業(yè)組成對(duì)抵抗力有很大的積極作用。大于0.95的還有X1∩X10、X1∩X12、X2∩X7、X3∩X12、X4∩X12、X5∩X6、X6∩X7、X6∩X8、X6∩X9、X6∩X13、X7∩X12、X8∩X12、X10∩X12、X12∩X17。其中X6和X12出現(xiàn)次數(shù)最多，進(jìn)一步體現(xiàn)了區(qū)域發(fā)展基礎(chǔ)和對(duì)外開放程度對(duì)抵抗力的重要作用。

從恢復(fù)力的空間分布特征來看，X3∩X7最大，為0.926。產(chǎn)業(yè)組成和政府管理的共同作用是恢復(fù)力提升的重要基礎(chǔ)條件。同時(shí)X1∩X15與X3∩X7差異不大，為0.91，表明衛(wèi)生事業(yè)水平和城市建設(shè)對(duì)恢復(fù)力的提升也具有巨大積極作用。且X1與各因素的交互作用多在0.8以上，相較其他因素雙因子增強(qiáng)效應(yīng)更加明顯。在其他幾種因子現(xiàn)有水平的基礎(chǔ)上，若能提升衛(wèi)生事業(yè)的水平，對(duì)疫情下長三角的恢復(fù)力有著更加明顯的積極作用。此外，q值大于0.9的還有X4∩X14，表明產(chǎn)業(yè)組成和城市建設(shè)的共同作用對(duì)恢復(fù)力的驅(qū)動(dòng)作用也很明顯。

4 結(jié)論與建議

在全球各地遭受著疫情沖擊的背景下，區(qū)域經(jīng)濟(jì)韌性的探討越來越受到各界的廣泛關(guān)注。本文運(yùn)用2000～2021年長三角城市群面板數(shù)據(jù)，利用反事實(shí)情況下的經(jīng)濟(jì)指標(biāo)對(duì)長三角26市面對(duì)新冠肺炎疫情沖擊下的經(jīng)濟(jì)韌性指標(biāo)進(jìn)行測(cè)度并進(jìn)一步分析其空間相關(guān)性特征與影響因素。

得出以下主要結(jié)論：（1）長三角城市群在面對(duì)疫情沖擊時(shí)有顯著的空間異質(zhì)性。總體上，江蘇省和浙江省的經(jīng)濟(jì)韌性較強(qiáng)，安徽省的經(jīng)濟(jì)韌性較弱；（2）疫情對(duì)長三角城市群的經(jīng)濟(jì)沖擊是暫時(shí)的、可恢復(fù)的。至2021年底，僅兩年的時(shí)間內(nèi)大多數(shù)的城市已經(jīng)恢復(fù)如疫情前或恢復(fù)到更好的水平，長三角區(qū)域經(jīng)濟(jì)特征表現(xiàn)出了較強(qiáng)的恢復(fù)能力；（3）從2020年的恢復(fù)力與2021年的恢復(fù)力不同可以看出，衰退和恢復(fù)是地區(qū)發(fā)展的時(shí)空動(dòng)態(tài)演變的一部分，在區(qū)域間和區(qū)域內(nèi)對(duì)連續(xù)衰退沖擊的恢復(fù)性方面也存在顯著差異，這與Martint等 （2016）［19］的研究結(jié)論一致； （4） 長三角城市群經(jīng)濟(jì)韌性整體具有空間正向關(guān)聯(lián)性，特別是2020年抵抗力的空間正向關(guān)聯(lián)性較為明顯，各城市間經(jīng)濟(jì)韌性呈現(xiàn)高-高集聚和低-低集聚的聯(lián)動(dòng)效應(yīng)。在疫情沖擊時(shí)，長三角各城市之間能夠一定程度的在政府的響應(yīng)下同心協(xié)力，共同抗擊疫情，有效形成了 “長三角一體化”特征，為制造快速的恢復(fù)力奠定了堅(jiān)實(shí)的基礎(chǔ)條件；（5）區(qū)域發(fā)展基礎(chǔ)、科技創(chuàng)新水平、勞動(dòng)力環(huán)境、產(chǎn)業(yè)組成、政府管理、對(duì)外開放程度是長三角疫情沖擊下抵抗力的主要決定因素。衛(wèi)生事業(yè)水平、產(chǎn)業(yè)組成、對(duì)外開放程度是長三角疫情沖擊下恢復(fù)力的主要決定因素。

結(jié)合本文的分析，提出以下幾點(diǎn)建議以提升區(qū)域經(jīng)濟(jì)韌性：（1）提高失業(yè)保險(xiǎn)政策的精準(zhǔn)度，加大基礎(chǔ)設(shè)施建設(shè)，優(yōu)化市場(chǎng)的運(yùn)行環(huán)境； （2）將抵抗力與恢復(fù)力形成有機(jī)結(jié)合。面對(duì)沖擊時(shí)人們更多的是關(guān)注區(qū)域的恢復(fù)能力，容易忽視抵抗力。而抵抗力可減少地區(qū)受沖擊的損傷程度，若能將抵抗力與恢復(fù)力協(xié)調(diào)整合，將能大大提升區(qū)域的經(jīng)濟(jì)韌性特征。通過優(yōu)化區(qū)域發(fā)展基礎(chǔ)等方式，實(shí)施更加積極的就業(yè)政策、提升區(qū)域創(chuàng)新能力等方式增強(qiáng)區(qū)域抵抗力；（3）關(guān)注區(qū)域的空間聯(lián)動(dòng)性。各地貫徹實(shí)施政府的各種重要指示策略，積極響應(yīng)政府的一致統(tǒng)領(lǐng)和號(hào)召，積極形成 “一股繩”的有利形勢(shì)，提升經(jīng)濟(jì)韌性；（4）產(chǎn)業(yè)組成和對(duì)外開放程度同時(shí)是抵抗力和恢復(fù)力的主要影響因素，區(qū)域在應(yīng)對(duì)沖擊時(shí)可通過優(yōu)化此兩方面的因素更有效率的同時(shí)提高抵抗力和恢復(fù)力，快速提升經(jīng)濟(jì)韌性。