中國棉花產業鏈韌性評估及影響因素分析

摘要：【目的】分析中國棉花產業鏈韌性水平及影響因素，為棉花產業發展提供參考。【方法】基于韌性理論，從抵御能力、更新能力、恢復能力和政府力量4個維度構建棉花產業鏈韌性評價指標體系，采用基于熵權法-虛擬最優解逼近理想解排序法和灰色關聯度的動態評價模型測度2007―2022年中國棉花產業鏈韌性水平。采用地理信息系統空間分析技術探討中國棉花產業鏈韌性水平的空間演變特征。采用Tobit回歸模型探究棉花產業鏈韌性的影響因素。【結果】2007―2022年中國棉花產業鏈韌性水平整體呈先升高后降低趨勢；2007―2016年為平穩增長期；2017―2021年為加速提升期；2022年韌性水平有所降低，為挑戰恢復期。2007―2022年，棉花產業鏈韌性高值區和較高值區增多，較低值區減少；新疆、甘肅、山東、湖北的棉花產業鏈韌性水平呈上升態勢。對外開放水平和政府財政支持水平對棉花產業鏈韌性水平有顯著正向影響；科技創新水平和交通基礎設施水平對棉花產業鏈韌性有正向影響；棉花價格對棉花產業鏈韌性具有負向影響。【結論】中國棉花產業鏈韌性水平總體呈波動上升態勢且空間格局變化較大。要繼續實施棉花目標價格政策，加大科技創新力度，促進基礎設施建設，以不斷提升中國棉花產業鏈韌性。

關鍵字：產業鏈；韌性；棉花；測度；影響因素

Resilience assessment and influencing factor analysis of cotton industrial chain in China

Zhang Jiao1， 2， Su Yang1， 2*， Liu Weizhong1， 2， Ayinaxi Jiawudati1， Xu Lina1， Qin Sixue1

（1. College of Economics and Management， Xinjiang Agricultural University， Urumqi 830052， China; 2. Agricultural and Rural Development Research Center of Key Humanities and Social Sciences Bases of Universities in Xinjiang Uygur Autonomous Region， Urumqi 830052， China）

Abstract： [Objective] This research aims to analyze the resilience level and its influencing factors of China's cotton industrial chain， and to provide reference for the development of cotton industry. [Methods] Based on the resilience theory， a evaluation index system for resilience of cotton industrial chain was constructed from four dimensions of resistance capability， recovery capability， update capability， and government power. And a dynamic evaluation model based on entropy weight-virtual optimal solution technique for order preference by similarity to an ideal solution （TOPSIS） and grey relational analysis was used to measure the resilience level of cotton industrial chain in China from 2007 to 2022. The spatial evolution characteristics of resilience level of cotton industrial chain in China were studied by using the geographic information system （GIS） spatial analysis techniques. Tobit regression model was used to explore the influencing factors of cotton industrial chain resilience. [Results] From 2007 to 2022， the resilience level of China's cotton industrial chain showed a trend of increasing first and then decreasing. In 2007－2016， it was a stable growth period; 2017－2021 was an accelerated growth period; and in 2022， the resilience level decreased， which is a challenging recovery period. From 2007 to 2022， the number of high and higher resilience value area of cotton industrial chain increased， while the number of lower value area decreased. The resilience levels of cotton industrial chain in Xinjiang， Gansu， Shandong， and Hubei were increasing. The levels of opening to the outside world as well as government support showed significant positive impact on the resilience of cotton industrial chain. The impact of scientific and technological innovation level and transportation infrastructure level on the resilience of cotton industrial chain were positive; while the impact of cotton price level was negative. [Conclusion] The resilience level of China's cotton industrial chain is on the rise in general， and the spatial pattern has changed greatly. It is necessary to continue to implement the cotton target price policy， strengthen scientific and technological innovation， and promote infrastructure construction to continuously enhance the resilience of China's cotton industrial chain.

Keywords： industrial chain; resilience; cotton; measure; influencing factors

產業鏈韌性是指從產業“上游－中游－下游”表現出的抵御“堵鏈”和“斷鏈”風險的能力。2024年1月，習近平總書記在主持中共中央政治局第十一次集體學習時強調，“要圍繞發展新質生產力布局產業鏈，提升產業鏈供應鏈韌性和安全水平”[1]。黨的二十大報告也提出“著力提升產業鏈供應鏈韌性和安全水平”的戰略目標，對產業鏈延鏈補鏈、提質增效提出了更高要求[2]。棉花是中國產業鏈最長的大田經濟作物，商品率在95%以上，它既是我國重要的經濟作物和戰略物資，也是緩解能源壓力的適宜生物質能源原料[3-4]。近年來，中國棉花主產區逐漸向西北方向轉移[5]。2023年新疆棉花種植面積約占全國總植棉面積的84.98%，棉花產量約占全國棉花總產量的90.99%[6]。這種集中化使得中國的棉花生產更容易受到世界棉花市場波動的影響[7]，中國棉花產業鏈需要更強的抵抗能力與韌性水平[2]。

當前，中國承受著發達國家棉紡織產業回流和發展中國家棉紡織產業分流的雙重壓力，棉花產業鏈供應鏈處于不穩定、不確定的國際環境中，面臨著技術封鎖、中間品斷供和產業外移等多重挑戰，缺鏈、短鏈、斷鏈和堵鏈等風險突出。因此，增強中國棉花產業鏈韌性，對維護國內經濟安全，應對外部風險挑戰，加快實現中國式現代化具有重要意義。

提升棉花產業鏈韌性水平，首先要對其進行科學有效的評估，并對韌性水平的影響因素進行有效甄別。關于產業鏈韌性的測度方法已有較多研究報道。王澤宇等[8]基于逼近理想解排序法（technique for order preference by similarity to an ideal solution， TOPSIS）和灰色關聯度分析（grey relational analysis， GRA）的動態評價模型，從抵御能力、恢復能力、再組織能力以及更新能力等方面構建指標體系，探究中國海洋船舶產業鏈韌性表現。桑晶等[9]基于抵御能力、恢復能力、再組織能力和政府力量4個維度對飼料業產業鏈韌性進行了測度。還有學者借鑒經濟韌性的研究方法，采用核心變量法、綜合評價法和投入產出法研究產業鏈韌性[10]。關于產業鏈韌性，已有研究主要認為科技創新、數字經濟、智慧物流等是關鍵影響因素[11-14]。

通過梳理文獻發現，關于產業鏈韌性的測度方法尚未統一；國內外圍繞產業鏈韌性演變規律和影響機制的研究也較少，關于棉花產業鏈韌性的相關研究更鮮見。本研究基于熵權法-虛擬最優解TOPSIS和GRA的動態評價模型評價我國棉花產業鏈韌性，探討棉花產業鏈韌性演變趨勢；借助地理信息系統（geographic information system， GIS）空間分析技術探究棉花產業鏈韌性的空間分布特征，為探究棉花產業鏈韌性的空間分布特征提供了新視角；基于Tobit回歸模型探討棉花產業鏈韌性的影響因素，分析了其作用機制和影響程度。綜上所述，本研究在研究對象、研究方法和影響因素分析等方面均體現出創新性，填補了現有研究的空白，可為棉花產業在復雜多變的環境中實現韌性發展提供理論參考。

1 研究方法

1.1 棉花產業鏈韌性水平測度方法

1.1.1 研究樣本。參考趙晨曉等[15]的研究，考慮將西北內陸棉區（新疆維吾爾自治區、甘肅省）、黃河流域棉區（河北省、河南省、山西省、陜西省、山東省）和長江流域棉區（江蘇省、湖北省、湖南省、安徽省、江西省）這3個棉花主產區作為研究樣本。由于近年來山西省、陜西省及江蘇省的棉花種植規模不斷縮小，2022年這3個省的植棉面積之和僅占全國棉花種植面積的0.15%[16]，加上這3個省棉花成本收益等相關數據缺失較多，故不納入研究范圍。綜上所述，最終將研究樣本確定為新疆、甘肅、河北、河南、山東、湖北、湖南、安徽、江西共9個棉花主產省（區）。考慮數據可得性，將研究時期確定為2007―2022年。

1.1.2 評價指標體系構建。根據適應性理論，學界通常將產業鏈韌性定義為產業鏈在適應外部沖擊過程中所表現出的維持鏈條穩定運行、修復斷裂及升級發展的能力。考慮到棉花產業鏈的特殊性及政府在應對國際打壓、推動內部提升方面的重要作用，本研究參考借鑒桑晶等[9]的思路，從抵御能力、更新能力、恢復能力和政府力量4個維度（共計21個指標）構建評價指標體系，詳見附表1，相關數據來自文獻[16-20]。

1.2 動態評價模型

基于熵權法-虛擬最優解TOPSIS和GRA的動態評價模型對棉花產業鏈韌性各維度發展能力評價指數和總體水平進行測度[21]，具體計算步驟如下：

1.2.1 熵權法。①數據歸一化。對各個指標數據進行歸一化處理，避免量綱對數據處理造成影響。對于正向指標：

uij＝（1）

對于負向指標：

uij＝（2）

式中，uij表示第i個決策單元的第j個指標歸一化之后的數值，xij表示第i個決策單元的第j個指標歸一化之前的數值，maxx1j， x2j，……， xmj為第j個指標的最大值，minx1j， x2j，……， xmj為第j個指標的最小值，m為決策單元的總數。

②計算指標比重。

pij＝" " " " " " " " " " " " " " " " " " " " " " " "（3）

式中，pij表示第i個決策單元的第j個指標的比重。

③計算信息熵。

ej＝－kpijln（pij）" " "（4）

式中，k＝1/lnm ，滿足ej＞0，ej表示第j項指標的熵值。

④計算信息熵冗余度。

gj＝1－ej" （5）

式中，gj表示第j項指標的信息熵冗余度。

⑤計算指標權重。

wj＝" "（6）

計算結果需滿足∑wj＝1，0≤wj≤1。式中，wj表示第j項指標的權重。

1.2.2 構建模型。第1步，對原始數據進行標準化處理。對于正向指標，標準化處理公式為：

yij＝xij /" （7）

式中，yij是第i個決策單元的第j項指標標準化處理后的數值。xij為第i個決策單元的第j項指標標準化處理前的數值。對于負向指標數據的標準化處理，將指標值取倒數，并用公式（7）求得。

第2步，確定各評價指標的權重。1.2.1中由熵權法確定的權重為wj＝w1， w2，……， wn。

第3步，計算加權評價矩陣。通過對標準化處理后的評價矩陣Y＝（yij）m×n賦權，得到加權評價矩陣Z＝（Zij）m×n，計算公式為：

Zij＝wj×yij" " "（8）

第4步，計算加權評價矩陣的正負理想解。正理想解是最大化正向指標并最小化負向指標的解決方案，而負理想解是最小化正向指標并最大化負向指標的解決方案。對加權評價矩陣Z＝（Zij）m×n，確定正理想解Z＋＝Z， Z， ……， Z，負理想解Z－＝Z， Z， ……， Z，則：

Z＝Zij｜j＝1，2，…，n＝

（ Z， Z， ……， Z）" " （9）

Z＝Zij｜j＝1，2，…，n＝

（Z， Z， ……， Z）" " （10）

式中，Z表示第j個指標的最大值，Z表示第j個指標的最小值。Z＋表示由各指標的最大值組成的正理想解，Z－表示由各指標的最小值組成的負理想解。

第5步，計算各方案到正負理想解的歐式距離（di）。

d＝" （11）

d=" （12）

式中，d為各決策與正理想解的歐式距離，d為各決策與負理想解的歐式距離。

第6步，計算各方案與正理想解的灰色關聯度。首先，根據加權評價矩陣計算各評價方案的指標數據與正理想解的絕對差值（△），計算公式為：

△＝yij－y" （13）

計算與正理想解的灰色關聯系數（ξ）：

ξ＝（△＋ρ△）/

（△＋ρ△）" （14）

式中，ρ為分辨系數（0＜ρ＜1），一般取0.5。

計算各評價方案與正理想解的灰色關聯度（r）：

r＝∑ξ"（15）

第7步，對各評價方案與正理想解的歐式距離和灰色關聯度分別進行歸一化處理。

D＝" （16）

R＝" （17）

式中，D與R分別為歐式矩陣與灰色關聯度歸一化之后的數據。

第8步，計算相對貼近度。

Li＝αD＋（1－α）R" （18）

式中，Li為各決策單元的綜合貼近度（即棉花產業鏈韌性評價值），該值越大表明韌性越強；α為自由參數且取值為0～1，本研究中的取值為0.5。

1.3 GIS空間分析技術

為進一步明確中國棉花產業鏈韌性的空間異質性，利用Arcmap 10.4軟件，基于自然斷點分類法，將棉花產業鏈的韌性水平劃分為6類，分別是低值區、較低值區、中值區、較高值區、高值區及未研究區，對2007年、2016年及2022年的棉花產業鏈韌性進行可視化表達。

1.4 棉花產業鏈韌性影響因素分析方法

1.4.1 影響因素選取。基于棉花產業鏈韌性測度結果，借鑒已有研究[14]，從宏觀經濟和政府調控角度選取棉花價格水平、對外開放水平、科技創新水平、交通基礎設施水平和政府財政支持水平共5個影響因素進行分析（表1）。

具體而言，棉花價格波動易導致“棉賤傷農，棉貴傷紡”的情形，進而影響棉花產業鏈韌性，因此合理的棉花價格才能促進棉花產業鏈協同發展，提升棉花產業鏈韌性[22]。選取棉花平均出售價格表征棉花價格水平。對外開放水平可體現外部環境，對外開放水平越高的區域，其對外部資本市場的適應能力越強[23]，能快速有效應對外來風險。選取進出口額與國內生產總值（gross domestic product， GDP）的比值表征對外開放水平。科技創新水平能夠反映區域創新環境，在科技創新能力強的地區，產業鏈上各主體能夠快速制定應對策略[24]，促進棉花產業鏈韌性提升。用專利申請受理數量衡量科技創新水平。完善的交通基礎設施能夠優化物流網絡、提升物流效率，保障各節點連接順暢，提升全要素生產效率[25]，確保棉花產業鏈的穩定性，進而促進產業鏈提升韌性，本研究采用各地區的貨運量衡量交通基礎設施水平。政府財政支持水平體現政府在不同地區的財政投資情況，差異越大，城市間聯系越多[26]，越有利于產業鏈上各主體實現空間集聚，建立穩定的生產聯系，發揮各主體間的協作能力，有效助力棉花產業鏈韌性提質增效。選取地方財政一般預算支出與GDP的比值衡量政府財政支持水平。

1.4.2 Tobit回歸模型。由于棉花產業鏈韌性水平取值在0～1，因此選擇Tobit回歸模型分析棉花產業鏈韌性的影響因素，回歸模型如下：

Y＝Yit" " " "if" " " "Y＞0" 0" " " " "if" " " Y≤0" "（19）

Y＝αit＋β１ＣＰit＋β2OSit＋β3RDit＋β4TILit＋β5DGIit＋εit（20）

式中，Yit為可觀測變量，Y為潛變量；i表示省（區），t代表年度；α為截距，β是各自變量的影響系數；ε是殘差項。

1.4.3 穩健性檢驗。為檢驗結果的穩健性，在Tobit回歸模型（Model 1）的基礎上，分別采用替換被解釋變量和替換回歸模型的方式，對比不同情景下棉花產業鏈韌性影響因素結果是否趨于一致。首先，選用基于熵權法的GRA-TOPSIS評估模型（Model 2）重新測度棉花產業鏈韌性水平，替換被解釋變量，得到模擬結果。其次，以普通最小二乘法回歸模型（Model 3）替換Tobit模型，得到模擬結果，模型如下：

Yit＝αit＋γ１ＣＰit＋γ2OSit＋γ3RDit＋γ4TILit＋γ5DGIit＋εit（21）

式中，Yit為被解釋變量，i表示省（區），t代表年度；α為截距，γ是各自變量的影響系數；ε是殘差項。

2 結果與分析

2.1 中國棉花產業鏈韌性水平評價結果分析

基于熵權法-虛擬最優解TOPSIS和GRA的動態評價模型，計算出2007―2022年新疆、山東、江西、河北、湖北、湖南、安徽、河南、甘肅9個省（區）棉花產業鏈韌性值平均為0.557，各省（區）棉花產業鏈均存在一定韌性，但韌性水平存在差異（表2）。

總體來看，2007―2021年中國棉花產業鏈韌性值呈上升趨勢，2022年略有降低。基于時間維度按照韌性增速可以將我國棉花產業鏈發展歸納為3個階段：平穩增長期、加速提升期和挑戰恢復期。

平穩增長期（2007―2016年）：該階段中國棉花產業鏈韌性呈穩定增長態勢，增速（較上一年度的增幅，下同）為0.30%～1.77%。原因可能是國家于2007年啟動棉花良種推廣補貼項目[27]，有效促進了棉花增產、棉田增效、棉農增收，為這一階段棉花產業發展提供了穩定優惠的政策環境；從2011―2013年的棉花臨時收儲政策，再到2014年棉花目標價格政策[ 28-30]，極大地推動了棉花生產、加工、流通和紡織全產業鏈健康發展；此外，由于生產技術不斷改進，使棉花生產降本增質，有利于棉花產業平穩發展。

加速提升期（2017―2021年）：該階段中國棉花產業鏈韌性總體呈加速增長趨勢，增速提升至3.2%～8.5%。其中2017―2018年增速強勁，可能是供給側結構性改革、技術創新與研發投入、智能制造和數字化轉型等極大地提高了棉花種植、加工和紡織等各個環節的效率和質量，為棉花產業鏈韌性加速提升奠定了基礎。2018―2021年，由于中美貿易摩擦、美國制裁新疆棉等系列事件對中國棉花產業鏈造成了巨大沖擊，致使原有的加速發展態勢有所放緩。

挑戰恢復期（2022年至今）：受全球經濟波動、氣候變化和貿易摩擦等多重因素影響，棉花產業鏈面臨前所未有的挑戰。一是全球棉花供應受到沖擊，價格波動加劇；二是后疫情時代企業經營困難，紡織業需求放緩；三是西方國家經濟制裁影響中國棉花進出口，降低了棉農種植意愿。一些企業開始通過技術創新、產業升級等方式尋求突破，以適應復雜多變的市場環境。

2022年中國棉花主產省（區）棉花產業鏈韌性總體水平由高到低排序為：新疆、山東、湖北、甘肅、河北、湖南、安徽、河南、江西（表2）。在國家戰略方針的引導下，新疆棉花產業發展迅速，同時作為“一帶一路”核心區，新疆區位優勢明顯，光熱條件較好，產業基礎較為扎實，棉花產業鏈韌性水平居首位[31]。山東作為我國重要的棉花生產、消費和紡織品服裝出口大省，棉花產業配套能力強，棉花產業鏈韌性水平僅次于新疆。江西受制于棉花種植面積不斷減少、棉花生產成本持續攀升以及機械化水平低等因素，棉花產業鏈韌性水平居末位。

2007―2022年，全國棉花產業鏈韌性各維度能力水平差異明顯。抵御能力的評價指數整體呈先升高后降低趨勢，恢復能力、更新能力與政府力量的評價指數呈波動上升趨勢（圖1）。抵御能力方面，雖然棉花種植面積與產能在不斷擴大，但是市場波動較為劇烈，產業鏈之間的協同合作還有待加強。恢復能力方面，棉花作為重要的紡織原料，其市場需求一直保持穩定增長；同時，棉花供應鏈韌性也得到了進一步提升，能夠在面對外部沖擊時迅速調整，保障生產和供應的穩定。更新能力方面，國內不斷加強技術創新與科技進步，促進棉花產業創新，突破關鍵技術難題，為提高棉花產業鏈韌性提供更有力的支撐。政府力量方面，政府對棉花產業的支持力度不斷加大，出臺了一系列政策措施（如實施棉花目標價格政策、加強棉花市場調控、推動棉花產業轉型升級等）推動棉花產業發展。

2.2 棉花產業鏈韌性值的空間格局分析

從數量來看，2007―2022年，棉花產業鏈韌性高值區由1個增加到2個，較高值區由1個增加到2個；中值區保持2個不變；較低值區從4個下降到2個；低值區保持1個不變（圖2）。總體呈現出產業鏈韌性高值區、較高值區不斷增多，較低值區逐漸減少的特征。

具體來看，2007―2022年，新疆、甘肅、山東、湖北的棉花產業鏈韌性水平呈上升態勢。新疆棉花產業鏈韌性水平由中值區發展到高值區，韌性水平明顯提升。新疆作為我國重要的棉紡產業基地，2022年棉花種植面積占全國總植棉面積的83.2%；此外，新疆實現了棉田規范化種植到紡紗一體化生產經營，強大的生產能力和運行機制有效提升了棉花產業鏈韌性。甘肅棉花產業鏈韌性水平由低值區一躍進入較高值區，原因可能是該省充分利用當地的資源地理優勢，著力提升產業鏈對市場需求的適應能力和產業鏈整體的競爭力，加之近些年中央財政補貼資金大幅增加，棉農收入水平也得到較大提升，為甘肅棉花產業鏈發展注入了源源不斷的動力。山東因棉花產業鏈基礎雄厚、鏈條完整、創新體系完備和集群效應明顯，棉花產業鏈韌性水平由2007年的中值區發展為2016年的較高值區，到2022年成功躋身高值區，產業鏈韌性水平總體呈穩步上升態勢。湖北棉花產業鏈韌性水平從較低值區發展為較高值區，源于該省積極種植優質高產棉花品種，優化棉花區域布局，著力增強棉花產業的競爭力和抵御市場風險的能力。

河北、河南和湖南的棉花產業鏈韌性水平呈波動態勢。河北的棉花產業鏈韌性水平由2007年的高值區回落到2016年的較低值區，隨后韌性水平又有所提升，2022年處于中值區。原因可能在于河北的棉花種植面積持續縮減，棉花產量難以滿足當地紡織企業需求，造成棉花全產業鏈協調融合能力不足。河南的棉花產業鏈韌性水平由2007年的較低值區發展為2016年的中值區，2022年又回落為較低值區，與河北相比其波動較小。原因可能在于河南的棉花產業鏈缺乏“獨角獸”企業，產業集聚程度不高、公共服務平臺建設滯后、產業鏈發展不平衡等問題突出，不利于棉花產業鏈的優化升級。湖南的棉花產業鏈韌性水平由2007年的較低值區回落到2016年的低值區，隨后韌性水平又有所提升，2022年處于中值區。原因可能在于湖南棉花產業組織化程度低、產業鏈脫節和植棉方式傳統等，制約了棉花產業鏈韌性的提升。

江西的棉花產業鏈韌性水平由2007年的較高值區一路跌落至2022年的低值區，究其原因可能是江西棉花產業規模偏小，產業集群整體實力不強，缺乏“鏈主型”龍頭企業，對棉花產業鏈的支撐作用有限。安徽棉花產業鏈韌性水平保持在較低值區不變。

2.3 棉花產業鏈韌性影響因素分析

利用Tobit基準回歸模型（Model 1）探討棉花價格水平、對外開放水平、科技創新水平、交通基礎設施水平及政府財政支持水平對棉花產業鏈的影響（表3）。棉花價格水平與棉花產業鏈韌性負相關（β1＝－0.011，P＜0.1）。棉花價格的合理上漲有利于保障棉農收益，但是過度上漲會增加紡織企業的原材料成本，降低企業的盈利能力；此外，棉花價格上升可能導致下游產品價格上漲，降低消費者購買力，抑制紡織品需求，進而降低棉花產業鏈韌性。

對外開放水平與棉花產業鏈韌性正相關（β2＝0.053，P＜0.01）。棉花作為大宗農產品，受國際市場環境影響較大。高水平的對外開放，有助于推進生產國際化，促進產業鏈融合發展，增強國內外市場開拓能力，形成創新能力更強、應對市場風險能力更強的產業鏈，增強抵御能力，有效提升棉花產業鏈韌性和安全水平。

科技創新水平與棉花產業鏈韌性正相關（β3＝0.000 1，P＞0.1）。科技創新有利于推動棉花產業結構優化升級，打造棉花產業鏈新優勢，實現棉花產業鏈價值提升，強化棉花產業鏈各環節的更新能力與恢復能力，提高棉花產業鏈韌性。

交通基礎設施水平與棉花產業鏈韌性正相關（β4＝0.005，P＞0.1）。完善的交通基礎設施能夠加快推進現代物流體系建設，促進生產和供應鏈條緊密銜接，增強抵御能力，有效維護棉花產業鏈安全穩定。

政府財政支持水平與棉花產業鏈韌性正相關（β5＝0.050，P＜0.05）。政府財政支持能夠促進產業鏈上各主體實現空間集聚，建立穩定的生產聯系，推進棉花產業鏈的整合與優化，提高棉花產業鏈的競爭力與效率，提升棉花產業鏈韌性。

Model 2和Model 3分別是基于熵權法的GRA-TOPSIS評估模型和普通最小二乘法回歸模型的穩健性檢驗結果（表4），檢驗結果與Model 1的一致，即對外開放水平、政府財政支持水平、科技創新水平、交通基礎設施水平與棉花產業鏈韌性正相關；棉花價格水平與棉花產業鏈韌性負相關。

3 結論與對策建議

3.1 結論

從時間維度來看，2007―2021年我國棉花產業鏈韌性水平整體呈上升態勢，2022年略有降低；韌性水平在4個維度的發展存在差異，具體表現為抵御能力的評價指數先升后降，更新能力、恢復能力和政府力量的評價指數均呈波動上升趨勢。

從空間維度來看，2007―2022年棉花產業鏈韌性高值區、較高值區不斷增多，較低值區逐漸減少。新疆、甘肅、山東、湖北的棉花產業鏈韌性水平呈上升態勢；河北、河南和湖南的棉花產業鏈韌性水平呈波動態勢；江西的棉花產業鏈韌性水平呈現逐步下降趨勢；安徽的棉花產業鏈韌性水平保持在較低值區不變。

從影響因素來看，對外開放水平和政府財政支持水平對棉花產業鏈韌性具有顯著正向影響；科技創新水平、交通基礎設施水平對棉花產業鏈韌性具有正向影響，但并不顯著；棉花價格水平對其有顯著負向影響。

3.2 對策建議

一是繼續實施棉花目標價格政策，穩定棉花價格。棉花目標價格的實施在保障棉農收入、促進市場流通、改善棉花質量等方面發揮著重要作用。應繼續以生產成本加合理收益的作價原則確定目標價格水平。確定合理收益需要綜合考慮棉花產業發展需要、市場形勢變化和財政承受能力等因素。通過適度干預棉花價格，把防范和化解風險放在突出位置，防止價格大幅波動對棉花產業鏈造成沖擊，形成棉農增收、棉業增效、紡織行業受益的多贏局面。

二是促進國內國外雙循環，有效防范產業風險。把恢復和擴大國內消費規模擺在優先位置，通過擴大對外開放，加快補齊棉花產業鏈短板，促進國內外市場聯通，優化國際貿易渠道，降低對外依存度，形成以國內產業鏈為基礎、努力向國外中高端產業鏈延伸、內外兼顧的國內外產業鏈新布局，著力構建自主可控、安全高效的棉花產業鏈。

三是加大科技創新力度，推動棉花產業提質升級。緊緊圍繞棉花產業鏈高質量發展的重要任務，聚焦棉花產業鏈各環節，注重基礎研究和原始創新，進一步引導并鼓勵企業、高校、科研院所、社會機構等主體整合產、學、研等資源，在品種選育與種植、農機制造、加工銷售等方面開展核心技術攻關，破解棉花產業發展“卡脖子”問題，加快推進產業化應用和成果轉化，促進棉花產業整體升級。

四是強化交通基礎設施建設，提升棉花產業鏈流通效率。建立布局合理、技術先進、高效順暢的現代物流基礎設施網絡，促進信息交換與共享，大幅提升行業整體流通效率和規范化水平，為棉花產業鏈結構優化升級提供保障與支撐。

五是強化政府財政支持，提升棉花產業鏈穩定性。政府應持續推動產業集群建設，出臺相關政策，引導各類要素向集群合理流動和高效集聚；引導棉花產業科學有序轉移，實現棉花產業結構調整與升級；引導行業更好地融入雙循環發展格局，充分利用好“一帶一路”倡議等機遇，強化對外投資與商貿合作，保障棉花產業鏈穩定運行。

附件：

詳見本刊網站（http：//journal.cricaas.com.cn/）本文網頁版。

參考文獻：

[1] 新華網. 習近平在中共中央政治局第十一次集體學習時強調 加快發展新質生產力 扎實推進高質量發展[N/OL]. （2024-02-01） [2024-04-05]. http：//www.news.cn/20240201/05d8b78dd69-347ff8d0dafcb3372be88/c.html.

Xinhuanet. During the 11th group study session held by The Political Bureau of the Communist Party of China Central Committee， Xi Jinping stressed development of new productive forces， high-quality development[N/OL]. （2024-02-01） [2024-04-05]. http：//www.news.cn/20240201/05d8b78dd69347ff8d0d-afcb3372be88/c.html.

[2] 新華網. 習近平：高舉中國特色社會主義偉大旗幟 為全面建設社會主義現代化國家而團結奮斗——在中國共產黨第二十次全國代表大會上的報告[R/OL]. （2022-10-25） [2024-04-05]." http：//www.news.cn/politics/2022-10/25/c_1129079429.htm.

Xinhuanet. Xi Jinping： Hold high the great banner of socialism with Chinese characteristics and strive in unity to build a modern socialist country in all respects： report to the 20th National Congress of the Communist Party of China[R/OL]. （2022-10-25） [2024-04-05]. http：//www.news.cn/politics/2022-10/25/c_1129079429.htm.

[3] 陶云平. 棉花經濟效益的影響因素及競爭力提升——評《我國棉花國際競爭力研究》[J]. 棉花學報， 2022， 34（4）： 361.

Tao Yunping. Influencing factors of cotton economic efficiency and competitiveness enhancement： review of research on the international competitiveness of China's cotton[J]. Cotton Science， 2022， 34（4）： 361.

[4] 張蓓蓓， 耿維， 崔建宇， 等. 中國棉花副產品作為生物質能源利用的潛力評估[J/OL]. 棉花學報， 2016， 28（4）： 384-391[2024-04-05]. https：//doi.org/10.11963/issn.1002-7807.201604010.

Zhang Beibei， Geng Wei， Cui Jianyu， et al. Assessment of the biomass energy use potential of cotton byproducts in China[J/OL]. Cotton Science， 2016， 28（4）： 384-391[2024-04-05]. https：//doi.org/10.11963/issn.1002-7807.201604010.

[5] 馬春玥， 買買提·沙吾提， 姚杰， 等. 1950－2015年中國棉花生產時空動態變化[J/OL]. 地理學報， 2020， 75（8）： 1699-1710[2024-04-05]. https：//doi.org/10.11821/dlxb202008010.

Ma Chunyue， Mamat Sawut， Yao Jie， et al. Spatio-temporal changes of cotton production in China from 1950 to 2015[J/OL]. Acta Geographica Sinica， 2020， 75（8）： 1699-1710[2024-04-05]. https：//doi.org/10.11821/dlxb202008010.

[6] 國家統計局. 國家統計局關于2023年棉花產量的公告[EB/OL]. （2023-12-25） [2024-04-05]. https：//www.stats.gov.cn/sj/zxfb/202312/t20231225_1945745.html.

National Bureau of Statistics. Bulletin on the national cotton output in 2023[EB/OL]. （2023-12-25） [2024-04-05]. https：//www.stats.gov.cn/sj/zxfb/202312/t20231225_1945745.html.

[7] 錢靜斐， 宋玉蘭， 原瑞玲， 等. 開放條件下我國棉花產業安全問題及發展策略[J/OL]. 中國農業資源與區劃， 2020， 41（5）： 140-145[2024-04-05]. https：//doi.org/10.7621/cjarrp.1005-9121.20200517.

Qian Jingfei， Song Yulan， Yuan Ruiling， et al. China's cotton industry safety issues and development strategies under open conditions[J/OL]. Chinese Journal of Agricultural Resources and Regional Planning， 2020， 41（5）： 140-145[2024-04-05]. https：//doi.org/10.7621/cjarrp.1005-9121.20200517.

[8] 王澤宇， 唐云清， 韓增林， 等. 中國沿海省份海洋船舶產業鏈韌性測度及其影響因素[J/OL]. 經濟地理， 2022， 42（7）： 117-125[2024-04-05]. https：//doi.org/10.15957/j.cnki.jjdl.2022.07.012.

Wang Zeyu， Tang Yunqing， Han Zenglin， et al. Resilience measurement and influencing factors of the marine ship industry chain in China's coastal areas[J/OL]. Economic Geography， 2022， 42（7）： 117-125[2024-04-05]. https：//doi.org/10.15957/j.cnki.jjdl.2022.07.012.

[9] 桑晶， 郭燕萍. 飼料業產業鏈韌性水平測度及影響因素[J/OL]. 飼料研究， 2024（2）： 183-188[2024-04-05]. https：//doi.org/10.13557/j.cnki.issn1002-2813.2024.02.034.

Sang Jing， Guo Yanping. Resilience measurement and influen-cing factors of the feed industry supply chain[J/OL]. Feed Research， 2024（2）： 183-188[2024-04-05]. https：//doi.org/10.13557/j.cnki.issn1002-2813.2024.02.034.

[10] 肖興志， 王振宇， 李少林. 產業鏈韌性測度方法研究進展[J]. 經濟學動態， 2024（4）： 144-160.

Xiao Xingzhi， Wang Zhenyu， Li Shaolin. Research progress on measurement methods of industrial chain resilience[J]. Economic Perspectives， 2024（4）： 144-160.

[11] 尹恒， 李輝， 張道遠. 中國制造業技術進步方向的識別與估計[J]. 經濟研究， 2023， 58（4）： 58-76.

Yin Heng， Li Hui， Zhang Daoyuan. Identification and estimation of the direction of technological change of Chinese manufacturing[J]. Economic Research Journal， 2023， 58（4）： 58-76.

[12] 胥玥雯， 楊森. 數字經濟對制造業產業鏈韌性的影響研究[J]. 產業創新研究， 2023（24）： 16-18.

Xu Yuewen， Yang Sen. Research on the impact of digital eco-nomy on the resilience of the manufacturing industry chain[J]. Industrial Innovation， 2023（24）： 16-18.

[13] Zhou Ji， Li Peigen， Zhou Yanhong， et al. Toward new-generation intelligent manufacturing[J/OL]. Engineering， 2018， 4（1）： 11-20[2024-04-05]. https：//doi.org/10.1016/j.eng.2018.01.002.

[14] 陳悅， 周永新， 鄭秀峰. 供應鏈金融生態賦能產業鏈韌性： 內在機制與實證檢驗[J]. 金融理論與實踐， 2023（11）： 13-23.

Chen Yue， Zhou Yongxin， Zheng Xiufeng. Supply chain finance ecology enables industrial chain resilience： internal mechanism and empirical test[J]. Financial Theory amp; Practice， 2023（11）： 13-23.

[15] 趙晨曉， 趙達君， 陳玉蘭. 目標價格政策對棉花綠色全要素生產率影響分析——基于12個棉花主產省面板數據的Malmquist-Tobit模型[J/OL]. 中國農機化學報， 2023， 44（11）： 258-264， 280[2024-04-05]. https：//doi.org/10.13733/i.jcam.issn.2095-5553.2023.11.036.

Zhao Chenxiao， Zhao Dajun， Chen Yulan. Analysis of impact of target price policy on green total factor productivity of cotton： based on the Malmquist - Tobit model of 12 major cotton-producing provinces' panel data[J/OL]. Journal of Chinese Agricultural Mechanization， 2023， 44（11）： 258-264， 280[2024-04-05]. https：//doi.org/10.13733/i.jcam.issn.2095-5553.2023.11.036.

[16] 國家統計局. 國家數據[DB/OL]. [2024-03-11]. https：//data.stats.gov.cn/easyquery.htm？cn=E0103.

National Bureau of Statistics. National data[DB/OL]. [2024-03-11]. https：//data.stats.gov.cn/easyquery.htm？cn=E0103.

[17] 中國機械工業年鑒編輯委員會， 中國農業機械工業協會. 中國農業機械工業年鑒[M]. 2007－2022. 北京： 機械工業出版社， 2008－2023.

China Machinery Industry Yearbook Editorial Committee， China Agricultural Machinery Industry Association. China agricultural machinery industry yearbook[M]. 2007-2022. Beijing： Machinery Industry Press， 2008-2023.

[18] 國家發展和改革委員會價格司. 全國農產品成本收益資料匯編[M]. 2007－2022. 北京： 中國統計出版社， 2008－2023.

Department of Price of National Development and Reform Commission. Compilation of cost and benefit data of national agricultural products[M]. 2007-2022. Beijing： China Statistics Press， 2008-2023.

[19] Wind數據庫. 中國各省（區）耕地面積（2008－2023）[DB/OL]. [2024-03-12]. https：//www.wind.com.cn/.

Wind database. Cultivated land area in each province （region） of China （2008-2023） [DB/OL]. [2024-03-12]. https：//www.wind.com.cn/.

[20] Wind數據庫. 棉花產業鏈上市公司年報（2008－2023）[DB/OL]. （2022-12-26） [2024-03-12]. https：//www.wind.com.cn/.

Wind database. Annual report of cotton industrial chain listed companies （2008-2023） [DB/OL]. （2022-12-26） [2024-03-12]. https：//www.wind.com.cn/.

[21] Lang Kun， Gu Lijun， Chen Zhiying， et al. Ecological quality status evaluation of port sea areas based on EW-GRA-TOPSIS model[J/OL]. Sustainability， 2023， 15（11）： 8809[2024-04-05]. https：//doi.org/10.3390/su15118809.

[22] 劉光俊， 胡繼連. 山東省棉花價格波動特征及影響因素——基于ARCH類模型分析[J/OL]. 中國農業資源與區劃， 2016， 37（5）： 96-101[2024-04-05]. https：//doi.org/10.7621/cjarrp.1005-9121.20160515.

Liu Guangjun， Hu Jilian. The characteristics and influential factors of cotton price in Shandong-based on ARCH-type model[J/OL]. Chinese Journal of Agricultural Resources and Regional Planning， 2016， 37（5）： 96-101[2024-04-05]. https：//doi.org/10.7621/cjarrp.1005-9121.20160515.

[23] 陳曉東， 劉洋， 周柯. 數字經濟提升我國產業鏈韌性的路徑研究[J]. 經濟體制改革， 2022（1）： 95-102.

Chen Xiaodong， Liu Yang， Zhou Ke. Research on the path of digital economy to improve China's industrial chain resilience[J]. Reform of Economic System， 2022（1）： 95-102.

[24] 張杰， 陳容. 我國科技創新對經濟增長的支撐效應和途徑研究[J/OL]. 學術論壇， 2022， 45（3）： 36-47[2024-04-05]. https：//doi.org/10.16524/j.45-1002.2022.03.006.

Zhang Jie， Chen Rong. Research on the supporting effect and approach of our country's scientific and technological innovation to economic growth[J/OL]. Academic Forum， 2022， 45（3）： 36-47[2024-04-05]. https：//doi.org/10.16524/j.45-1002.2022.03.006.

[25] 高健飛. 智慧物流發展對產業鏈供應鏈韌性的影響研究[J]. 商業經濟研究， 2024（9）： 73-77.

Gao Jianfei. Research on the impact of smart logistics development on the industrial chain supply chain resilience[J]. Journal of Commercial Economics， 2024（9）： 73-77.

[26] 史玉芳， 牛玉. 關中平原城市群韌性空間關聯網絡及其影響因素研究[J/OL]. 干旱區地理， 2024， 47（2）： 270-280[2024-04-05]. https：//doi.org/10.12118/i.issn.1000-6060.2023.104.

Shi Yufang， Niu Yu. Resilience spatial correlation network and its influencing factors in Guanzhong Plain urban agglomeration[J/OL]. Arid Land Geography， 2024， 47（2）： 270-280[2024-04-05]. https：//doi.org/10.12118/i.issn.1000-6060.2023.104.

[27] 吳超. 對通脹壓力下河南省棉花良種補貼的思考[J/OL]. 棉花科學， 2012， 34（1）： 32-33[2024-04-05]. https：//doi.org/10.3969/j.issn.2095-3143.2012.01.009.

Wu Chao. Thoughts on subsidies for cotton varieties in Henan Province under inflation pressure[J/OL]. Cotton Sciences， 2012， 34（1）： 32-33[2024-04-05]. https：//doi.org/10.3969/j.issn.2095-3143.2012.01.009.

[28] 劉宇， 周梅芳， 鄭明波. 財政成本視角下的棉花目標價格改革影響分析——基于CGE模型的測算[J]. 中國農村經濟， 2016（10）： 70-81.

Liu Yu， Zhou Meifang， Zheng Mingbo. Analysis of the impact of cotton target price reform from the perspective of fiscal costs： calculation based on CGE model[J]. Chinese Rural Economy， 2016（10）： 70-81.

[29] 李偉. 新時代10年我國棉花產業政策環境概析[J/OL]. 中國棉花， 2023， 50（1）： 1-12[2024-04-05]. https：//doi.org/10.11963/cc20220194.

Li Wei. Brief analysis of the policy environment of China's cotton industry in the New Era Decade[J/OL]. China Cotton， 2023， 50（1）： 1-12[2024-04-05]. https：//doi.org/10.11963/cc20220194.

[30] 龍瑤， 宋玉蘭. 中國棉花補貼政策：歷史演變與未來趨勢[J/OL]. 中國棉花， 2023， 50（7）： 1-7[2024-04-05]." https：//doi.org/10.11963/cc20220226.

Long Yao， Song Yulan. China's cotton subsidy policy： historical evolution and future trend[J/OL]. China Cotton， 2023， 50（7）： 1-7[2024-04-05]. https：//doi.org/10.11963/cc20220226.

[31] 張杰， 杜珉. 新疆棉花目標價格補貼實施效果調查研究[J/OL]. 農業經濟問題， 2016， 37（2）： 9-16， 110[2024-04-05]. https：//doi.org/10.13246/j.cnki.iae.2016.02.002.

Zhang Jie， Du Min. Survey and research on the implementation effect of cotton target price subsidy in Xinjiang[J/OL]. Agricultural Economic Issues， 2016， 37（2）： 9-16， 110[2024-04-05]. https：//doi.org/10.13246/j.cnki.iae.2016.02.002.

（責任編輯：王小璐 責任校對：王國鑫）

第一作者簡介：張嬌（1992―），女，講師，碩士，805328114@qq.com。

*通信作者：398199494@qq.com

基金項目：新疆維吾爾自治區高校基本科研業務費項目：數字經濟視域下新疆棉花產業鏈韌性評估與提升路徑研究（2224GXKYJH）