區域創新生態系統能否提高產業鏈韌性：來自黃河流域的時空非平穩性檢驗

摘" 要：采用空間面板杜賓模型和時空地理加權回歸模型實證檢驗2010—2021年黃河流域城市區域創新生態系統耦合協調度與產業鏈韌性之間的空間溢出效應及時空異質性。研究發現：①考察期內，區域創新生態系統耦合協調度與產業鏈韌性逐年提升，呈現出下游gt;中游gt;上游的發展格局；②區域創新生態系統耦合協調度與產業鏈韌性的全局莫蘭指數均為正值，整體集聚效應未發生明顯改變，以高—高集聚和低—低集聚為主；③區域創新生態系統難以有效推動本地產業鏈抵抗力和恢復力增長，從而制約產業鏈韌性提升，而鄰近城市區域創新生態系統價值流的空間溢出能夠增強產業鏈抵抗力和恢復力進而提升產業鏈韌性；④時空非平穩性分析結果表明，區域創新生態系統耦合協調度對產業鏈韌性、抵抗力和恢復力的正向驅動作用逐年減弱；2021年區域創新生態系統耦合協調度對城市產業鏈抵抗力和恢復力影響的強弱異質性，使其對產業鏈韌性的正向驅動作用由東向西逐級遞減，并對甘肅、寧夏等城市的產業鏈韌性產生負向影響。

關鍵詞關鍵詞：黃河流域；區域創新生態系統；產業鏈韌性;時空非平穩性

DOI：10.6049/kjjbydc.YX202305123

開放科學（資源服務）標識碼（OSID）""""" 開放科學（資源服務）標識碼（OSID）：

中圖分類號：F061.5

文獻標識碼：A

文章編號：1001-7348（2024）16-0061-11

收稿日期：2023-05-19" 修回日期：2023-07-29

基金項目：山東省社科規劃重大理論和現實問題協同創新研究專項（22BCXJ02）

作者簡介：張峰（1989—），男，山東濟南人，博士，山東理工大學管理學院教授，研究方向為系統工程與工業工程；魏巍（1999—），男，河南南陽人，山東理工大學管理學院碩士研究生，研究方向為管理系統工程；陳嘉偉（1998—），男，山東東營人，山東理工大學管理學院碩士研究生，研究方向為管理系統工程；宋勝磊（1998—），男，山東濰坊人，山東理工大學管理學院碩士研究生，研究方向為區域經濟。本文通訊作者：魏巍。

0" 引言

提高產業鏈韌性對促進經濟高質量發展和維護產業體系安全穩定至關重要，產業鏈韌性穩定提升離不開創新生態系統的有效支撐，尤其在創新生態系統推動產業轉型升級與創新績效累積作用愈發關鍵的趨勢下，持續提升創新生態系統耦合協調水平尤為關鍵。對于黃河流域國家重大發展戰略實踐更是如此，當前黃河流域上、中、下游產業鏈發展差距較大，下游省份已形成先進的產業集群，上游省份卻陷入能源資源型產業轉型困境［1］。因此，通過創新生態系統驅動產業鏈韌性提升成為黃河流域生態保護和高質量發展戰略實施的必然路徑。在區域一體化發展戰略背景下，厘清創新生態系統對產業鏈韌性的影響機理，以及系統價值流的空間交互能否有效支撐產業鏈韌性有序發展成為亟需破解的命題，同時客觀判斷各地區資源稟賦不同造就創新生態系統對產業鏈韌性影響的時空異質性，也是推動黃河流域高質量發展的重要問題。

1" 文獻綜述

創新生態系統是指一定時空范圍內創新主體與創新環境間基于物質、能量和信息流動，相互依存、相互作用形成的動態系統［2］。關于創新生態系統研究的演進脈絡大致可分為3個階段，即由創新到創新系統再到創新生態系統［3］。與靜態創新系統（由與知識、技術相關的組織構成）相比，創新生態系統是創新理念的進一步延伸。區域創新生態系統（RIE）作為新的研究方向，學者們主要從以下方面展開探討：一是RIE發展水平測度。學者們從生態位適宜度、耦合協調度、系統運行效率等方面構建多維評價指標體系［4-5］，采用綜合評價法、數據包絡分析法測算RIE發展水平。依據創新生態系統概念，指標體系中的創新主體由企業、高校等研發機構組成，創新環境包含經濟、文化、對外開放等方面，而對于兩者之間的能量、物質流動，學者們依據研究單元所在地理區位的不同納入包含技術、信息、資本等要素的子系統，以完善RIE評價指標體系［6］。二是RIE驅動機理。學者們重點關注RIE內部子系統的耦合協調機制以及不同系統之間的協同演化路徑［7］。有關RIE影響機制的研究較少，已有研究表明，在省域、城市群等不同空間維度上，RIE能正向驅動地區創新績效累積、產業協同集聚、經濟高質量發展、數字經濟水平提升等［8-10］。

產業鏈韌性提升是現代化產業體系建設的重要驅動因素，也是中共二十大作出的重大決策部署。已有關于產業鏈韌性的實證研究主要聚焦以下幾個方面：一是產業鏈韌性的內涵與測算。產業鏈韌性由經濟韌性演化而來，二者概念大體相同［11-12］。學者將產業鏈韌性概述為受到外部干擾時的維穩能力、快速調整到原有水平的恢復能力以及發現增長新路徑的能力［13］。Martin［14］的“4R”理論將韌性特征概括為抵抗能力、恢復能力、更新能力和再定位能力。在此基礎上，學者們構建多維評價指標體系［15］，采用綜合評價法測算產業鏈韌性［16］，或者以產業多樣化指數、區域創新能力指代產業鏈韌性［17］。二是產業鏈韌性提升機理?？紤]到產業鏈韌性與經濟發展格局的緊密聯系，學者們深入探討大變局［18］、雙循環［19］、雙碳政策［20-21］等時代背景下工業［16］、船舶業［22］等產業鏈韌性提升路徑并提出相應對策建議。已有文獻表明，數字金融［17］、鏈長制［23］等與產業鏈韌性之間存在非線性關系。

綜上所述，當前RIE相關研究側重于對生態位適宜度、耦合協調度等的測度，缺乏對RIE空間溢出效應和時空異質性的探究。RIE作為一個開放系統，不同地區RIE運行過程中價值流（信息、技術、人才等創新資源要素）的輸入或輸出必然引致空間效應產生。同時，在產業鏈韌性的實證研究中，鮮有文獻探討RIE驅動產業鏈韌性提升的具體機制，以黃河流域為背景考察二者關聯的文獻更是不足。鑒于此，本文以2010—2021年黃河流域79個地級市為研究對象（依據2021年國務院印發的《黃河流域生態保護和高質量發展規劃綱要》，黃河流域涉及魯、豫、陜、晉、寧、青、川、甘和內蒙古9省區共91個地級行政區，剔除部分數據不可得地區，最終選取79個地級市作為研究單元，將魯、豫歸為下游，晉、陜歸為中游，寧、青、川、甘和內蒙古歸為上游），以創新群體、創新資源、創新潛力和創新環境4個子系統的耦合協調度衡量RIE發展水平，以產業鏈抵抗力與恢復力衡量產業鏈韌性，綜合運用探索性空間數據分析、空間面板杜賓模型和時空地理加權回歸模型考察RIE對產業鏈韌性影響的空間溢出效應和時空非平穩性。

本文邊際貢獻如下：①將產業鏈韌性、抵抗力和恢復力納入同一研究框架，系統剖析RIE對產業鏈韌性的提升機制；②基于空間面板杜賓模型識別RIE驅動產業鏈韌性提升的空間機理；③基于時空地理加權回歸模型識別不同時空維度下RIE對產業鏈韌性的影響機制進而提出相應建議。

2" 模型構建與指標說明

2.1" 黃河流域RIE耦合協調機理及測度

2.1.1" 黃河流域RIE耦合協調機理

從系統論角度看，創新生態系統穩定運行不僅依賴于創新群體的行為活動和創新資源的有序支持，而且受創新潛力和創新環境的間接影響，各要素之間只有建立相互依賴和耦合共生的關系，才能推動整個創新生態系統動態演化，如圖1所示。具體而言，創新群體作為創新活動的行為主體，是人才、技術提供的重要源泉所在，在創新生態系統中處于核心位置，與創新資源之間存在利用與被利用的關系，即創新資源通過創新群體的處理轉化，在輸出社會經濟效益的同時，也進一步調控創新資源的再配置水平。理想的創新活動既具有高邊際產出特性，又兼具持續性特點。因此，在創新生態系統不斷運行過程中，如何高效培育和釋放創新潛力是持續支撐創新群體開展各類創新活動的關鍵因素。事實上，創新潛力與創新資源、創新環境具有密不可分的關系，豐裕的創新資源和良好的創新環境能夠為培育創新潛力提供便利的基礎條件；創新群體的創新活動離不開特定創新環境，尤其當二者之間形成良性互動關系時，創新活動又反作用于創新環境，為營造更加和諧有序的創新環境提供不懈動力。由此可見，合理量化識別創新群體、創新資源、創新潛力與創新環境之間的耦合關系，對推動區域創新生態系統發展尤為重要。

2.1.2" 黃河流域RIE耦合協調度測算

基于創新生態系統內涵并結合數據可得性，構建黃河流域RIE評價指標體系，見表1。其中，數字化水平由每百人互聯網寬帶接入用戶數、計算機和軟件業從業人員占比、人均電信業務總量、每百人移動電話用戶數4個指標通過熵權法求得；人力資本水平以在校大學生人數與常住人口的比值衡量；城鎮化水平以城鎮人口與常住人口的比值表征；環境規制以當期單位產值污染排放強度表示，單位產值污染排放強度=（工業廢水排放量+工業二氧化硫排放量+工業煙（粉）塵）/城市總產值；勞動力水平以就業人數的對數值表示；產業結構由第三產業與第二產業的比值衡量；對外開放程度以進出口總額與GDP的比值表征。指標數據來源于《中國城市統計年鑒》及各城市統計年鑒，少量缺失數據采用插值法填充。

本文使用耦合協調度模型評估黃河流域RIE發展水平。在對各項指標正向標準化處理后，采用熵權法加權求和得到4個子系統的發展指數，再測算各子系統的耦合協調度，以評估黃河流域RIE協調水平。具體公式如下：

sij=Sij－minSijmaxSij－minSij（1）

ej=－1ln（n）∑ni=1sij∑ni=1sijln（sij∑ni=1sij）（2）

Wj=（1－ej）/∑mj=1（1－ej）（3）

ut=∑mj=1Wjsij（4）

式中，sij為正向標準化處理后的實測指標，Sij為地區i指標j的原始數據，n為指標個數，ej為指標j的信息熵，Wj為指標權重，ut為子系統發展指數。

耦合協調度D由耦合度C和綜合協調系數T組成，用于反映事物間的協調發展水平，公式如下：

C=4u1×u2×u3×u4u1+u2+u3+u441/4（5）

T=au1+bu2+mu3+nu4（6）

D=C×T（7）

式中，u1、u2、u3、u4分別為4個子系統發展指數；a、b、m、n為待定系數且滿足a+b+m+n=1，a=b=m=n。借鑒相關研究，將耦合協調度D分為4類，如表2所示。

表2" 耦合協調類型劃分標準Table 2" "Classification standards of coupling coordination types

耦合協調度耦合協調類型

0≤Dlt;0.3低度耦合協調水平

0.3≤Dlt;0.5中度耦合協調水平

0.5≤Dlt;0.8高度耦合協調水平

0.8≤Dlt;1極度耦合協調水平

2.2" 產業鏈韌性指標構建及測算

目前，關于產業鏈韌性內涵的普遍認識是，產業體系在應對重大危機沖突下維穩、抗干擾的抵抗能力，以及以創新和技術改革為動力尋求產業鏈發展新路徑進而打破危機狀態并快速還原至原有水平的恢復能力。因此，本文從產業鏈抵抗力和恢復力兩個維度對產業鏈韌性進行描述。

產業鏈抵抗力以產業多樣化指數（Indiv）表征。按照產業生態系統理論，通常認為存在多樣性的系統具有較強的抵御沖擊能力和風險分散能力。原因在于，多樣化的產業結構在技術、人才、信息等資源要素外部溢出、資源互補及接收受沖擊企業資源并轉化為新生產力等方面具有優勢，能夠顯著緩解危機到來時因區域產業單一造成的區域鎖定現象，增強產業鏈的維穩、抗干擾能力。據此，本文參考李勝會等［15］的思路，采用赫希曼—赫芬達爾指數（HHI）衡量產業多樣化（Indiv），其值越大表明產業多樣化程度越低，則產業鏈抵抗力越弱。具體公式如下：

HHI=∑Niφ2i（8）

Indiv=1HHI=1/∑Niφ2i（9）

式中，φ2i表示第一、二、三產業增加值占地區生產總值的比重，i=1、2、3。數據來源于《中國城市統計年鑒》。

產業鏈恢復力以區域創新創業指數（IRIEC）表征。一般認為，產業生態系統受到較大沖擊破壞后，要恢復到原有創新能力，需要注入新的創新動能，尤其需要新增創新成果和提高創新產出。因此，本文從企業創建行為、投資活動和創新產出3個維度綜合反映區域創新創業水平，且在量化上重點考慮新增企業數量、新增投資和新增專利產出等核心因素。測算方法參照Dai等［24］的思路，公式如下：

Xij=log（Zij）（10）

xij=Xij－XijStd（Xij）（11）

IRIECit=P（∑nj=1wj×xij）（12）

式中，Zij為原始數據，xij為標準化處理后的數據，Xij為均值，Std為標準差，wj為指標權重，IRIEC由加權指數所在分位數求得。

產業鏈韌性通過熵權TOPSIS法計算得出，該方法能在充分利用原始數據的基礎上精確反映各城市產業鏈韌性。首先，借助式（1）～（3）將產業多樣化指數和區域創新創業指數正向標準化處理后得到Xij，并求得權重wj，進而構建由n行m列組成的標準化矩陣Zij，公式如下：

Zij=Xij∑nk=1Xij2（13）

然后，采用歐氏距離計算各地區產業多樣化指數、區域創新創業指數與最優、最劣向量之間的差距。最后，計算各地區產業鏈韌性Ai，公式如下：

D+i=∑mj=1wjZ+j－zij2（14）

D－i=∑mj=1wjZ－j－zij2（15）

Ai=D－iD+i+D－i（16）

式中，D+i、D－i分別表示地區i的正理想解距離和負理想解距離，Z+j、Z－j分別為第j個指標的最優方案值和最劣方案值。

需要說明的是，在產業鏈韌性測度中，本文主要從區域整體層面對黃河流域產業發展狀態進行量化，因而樣本范圍以區域總體數據為主。其中，產業多樣化指數是基于第一、二、三產業增加值比重變化得到的赫芬達爾指數。考慮到既有統計資料未對產業鏈恢復力各測算指標的細分產業數據進行直接統計，在測算時選取第一、二、三產業中新增企業注冊數量、新增風險投資企業數量、專利相關指標等進行總體統計。此外，本文未單獨剖析區域內重大突發性事件（如新冠疫情、美國實體清單等）對產業鏈韌性的沖擊，主要原因在于：一方面，本文重點剖析創新生態系統對產業鏈韌性的影響；另一方面，從產業鏈韌性的內涵及量化需求看，重大突發性事件造成的沖擊通過作用于產業鏈韌性評價指標數值，進而從測算結果呈現出的韌性狀態屬性中刻畫產業鏈抵抗力和恢復力。

2.3" 探索性空間數據分析

探索性空間數據分析（ESDA）能夠從全局和局部觀測事物的空間關聯性與差異性。全局莫蘭指數（Global Moran's I）用于衡量研究區域內各單元之間的空間集聚程度，0lt;Moran's IG≤1表示空間分布正向相關，－1≤Moran's IGlt;0表示空間分布負向相關，Moran's IG=0表示空間分布不存在相關性。局部相關檢驗則引入LISA圖，以衡量各城市的局部空間集聚特征。具體公式如下：

Moran's IG=∑ni=1∑nj=1wij（xi－x-）（xj－x-）S2∑ni=1∑nj=1wij（17）

LISA=Xi－X-S2∑nj=1wij（Xj－X-）（18）

式中，n代表城市數，xi、xj分別表示城市i和j的屬性值，x-為屬性值的平均值，S2為屬性值的方差，wij為反距離空間權重矩陣。

2.4" 空間面板杜賓模型

為探究黃河流域RIE耦合協調度對產業鏈韌性的空間溢出效應，構建如下空間面板杜賓模型：

Yi，t=α0+ρW·Yi，t+δ1W·Xi，t+α1·Xi，t+δ2W·coni，t+α2·coni，t+μi+φt+εi，t（19）

式中，Yi，t為被解釋變量，W為空間權重矩陣，Xi，t為解釋變量，coni，t為控制變量，α0為截距項，α1、α2分別為解釋變量和控制變量的回歸系數，ρ為被解釋變量的空間自回歸系數，δ1、δ2為解釋變量與控制變量空間交互項的彈性系數，μi表示個體固定效應，φt表示時間固定效應，εi，t為隨機擾動項。

此外，空間面板杜賓模型需要通過Moran's I、LM、Hausman、LR檢驗。其中，Moran's I用于空間自相關檢驗，LM-error、LM-lag檢驗用于判斷是否存在空間誤差或空間滯后，二者均存在則采用Hausman檢驗判斷固定效應是否優于隨機效應，然后使用LR-lag、LR-error檢驗判斷空間面板杜賓模型能否簡化為空間面板誤差模型或空間面板滯后模型，最后以LR模型檢驗時間固定、空間固定或雙固定模型的優劣。

2.5" 時空地理加權回歸模型

時空地理加權回歸模型（GTWR）在地理加權回歸模型基礎上加入時間維度，能更好地處理時空非平穩性，使估計結果更為有效。因此，本文采用該模型分析不同時空維度下RIE耦合協調度對產業鏈韌性、抵抗力及恢復力的影響，如式（20）。

Yi=β0（ui，vi，ti）+∑pk=1βk（ui，vi，ti）Xik+εi（20）

式中，Yi為觀測值，ui，vi為第i個觀測點的經緯度，ti為時間參數，ui，vi，ti為第i個觀測點的時空坐標，β0為回歸常數，βk為第i個觀測點第k個自變量的回歸系數，εi為殘差。

2.6" 指標說明

本文將產業鏈韌性、抵抗力及恢復力均作為被解釋變量，以剖析黃河流域RIE耦合協調度對產業鏈韌性的影響機制。解釋變量RIE耦合協調度（D）由式（7）計算得出。為盡可能縮小遺漏變量產生的誤差，考慮到金融、政策、對外開放與產業鏈韌性之間的非線性關系，引入以下控制變量：①金融發展水平（fin），在資本投入方面對產業鏈抵抗力與恢復力產生影響，以金融業從業人員與常住人口的比值衡量；②對外開放程度（fdi），外部資金、技術等要素的進入有利于增強產業鏈恢復力，進而影響產業鏈韌性，以各城市當年外商實際投資額的對數值表示；③工業化水平（ind），工業本身具備的生產彈性和抗沖擊能力有利于產業鏈韌性提升，以各城市工業增加值與GDP的比值表征；④政府干預度（gov），產業鏈韌性的提升離不開政府支持，但政府過度干預可能影響區域創新能力，進而影響產業鏈韌性，以地方財政支出占GDP的比值衡量。

3" 實證分析

3.1" RIE耦合協調度與產業鏈韌性的時序演化

圖2描繪了分別由式（7）（16）得出的2010—2021年黃河流域RIE耦合協調度和產業鏈韌性值。結果顯示，考察期內黃河流域RIE耦合協調度分布在0.2～0.4區間且波動幅度較小，絕大部分城市的RIE處于中、低度耦合協調水平，個別城市處于高度或極度耦合協調層次。隨著時間推移，更多城市進入中度耦合協調水平，均值和中位數均呈逐年增長態勢，說明創新驅動發展戰略的實施使黃河流域各城市在激發創新潛力，推動創新主體與創新資源、環境深度融合方面取得顯著成效。與RIE耦合協調度相比，考察期內產業鏈韌性的增長趨勢較為明顯，期初韌性值在0.5～0.6區間，期末則處于0.6～0.8區間，表明黃河流域產業結構優化和區域創新能力提高推動了產業鏈韌性提升。

分地區看，上、中、下游RIE耦合協調度和產業鏈韌性的走勢與流域整體趨勢基本一致。在RIE耦合協調度方面，上、中、下游的累計增長率分別為15%、19%、20%，呈現出下游領先、中游追趕、上游相對落后的格局。中、下游地區RIE耦合協調的高速發展離不開區域內充足的創新資源稟賦和優越的經濟發展環境，上游地區受制于地理區位，RIE子系統存在短板，難以實現高度耦合協調。在產業鏈韌性方面，下游地區產業結構成功轉變為集約型，使其處于領先地位。隨著西部大開發戰略的實施、高新技術產業的進入以及東部省份的知識、技術溢出，推動上游四省產業鏈韌性提升，極大縮小了中、上游地區之間的差距。

3.2" RIE耦合協調度與產業鏈韌性的空間相關性

3.2.1" 全局空間相關性

根據式（17）測算2010—2021年黃河流域RIE耦合協調度和產業鏈韌性的全局莫蘭指數，以分析二者之間的空間關聯性，結果見表3?？疾炱趦?，黃河流域RIE耦合協調度和產業鏈韌性的Moran's I均為正值且在1%水平上通過顯著性檢驗，表明二者在空間分布上存在正向相關性，即區域內更容易形成高—高集聚和低—低集聚。在時序變化上，RIE耦合協調度在0.27附近小幅波動，2019年驟然下降可能是由于新冠疫情等打破了RIE子系統的良性發展態勢。產業鏈韌性的集聚程度呈波動上升態勢，可能是因為產業鏈韌性高值城市產業結構轉型升級過程中的空間溢出帶動周圍城市產業鏈韌性的提升，使得空間正向集聚增強。

3.2.2" 局部空間相關性

本文繪制如圖3所示的LISA集聚圖，揭示黃河流域RIE耦合協調度與產業鏈韌性的局部空間異質特征。2010年和2021年黃河流域RIE耦合協調度以高—高集聚和低—低集聚為主，各城市集聚類型無明顯改變。山東省創新資源豐富且地處東部沿海，在人才吸引、外資引入等方面占據優勢，區域內形成高—高集聚。由于RIE子系統存在短板，棗莊和濮陽成為低—高集聚型城市。蘭州屬于高—低集聚型城市，其周邊的固原、慶陽、延安等城市為低—低集聚型，反映出蘭州等城市的虹吸效應對周邊城市的RIE耦合協調發展形成制約。產業鏈韌性的集聚類型變化較為明顯，空間效應顯著。期初以高—高集聚和高—低集聚為主，期末則以高—高集聚、高—低集聚和低—低集聚為主?？疾炱趦?，鄭州、濟南等城市的知識、技術溢出使高—高集聚型轉移至魯豫兩省交界處，鄂爾多斯、武威由高—低集聚型轉變為低—低集聚型，存在資源要素“被擴散”現象。2021年僅西安屬于低—高集聚型城市，可能是因為資源要素被迫轉移制約了產業鏈韌性的發展。

3.3" RIE耦合協調度對產業鏈韌性的空間溢出

3.3.1" 模型估計前檢驗

表4描述了方差膨脹因子VIF和單位根LLC檢驗結果。結果顯示，各變量的VIF值均小于2，LLC檢驗結果在1%水平上顯著，說明各變量之間不存在多重共線性，面板數據中未出現偽回歸問題，可進行參數估計。

3.3.2" 空間面板計量模型選擇

表5報告了被解釋變量的Moran's I、LM、LR等檢驗結果。以產業鏈韌性為例，Moran's I檢驗在1%水平上顯著，LM-err、LM-lag均拒絕原假設，滿足空間計量模型使用前提。Hausman檢驗通過表明固定效應比隨機效應更優，LR檢驗通過表明空間杜賓模型不會退化為空間誤差模型和空間滯后模型，雙固定模型優于時間固定或空間固定模型，最終選擇雙固定空間面板杜賓模型（SPDM）。依據檢驗結果，抵抗力和恢復力同樣選用雙固定SPDM模型。

3.3.3" 空間溢出效應分析

表6報告了SPDM模型中RIE耦合協調度對產業鏈韌性、抵抗力及恢復力的回歸結果。以經濟距離權重矩陣為例，空間自相關系數（rho）基本在10%水平上顯著為正，說明黃河流域產業鏈韌性、抵抗力及恢復力存在明顯的空間依賴性，一定程度上受RIE協調水平的影響。點估計結果與偏微分結果基本一致，考慮到點估計結果可能存在估計偏誤問題，而偏微分估計將總效應分解為直接效應和間接效應的結果更加客觀。因此，本文著重分析偏微分估計結果。

在本地效應方面，RIE耦合協調度對產業鏈韌性、抵抗力及恢復力直接效應的估計系數分別為-0.377、-1.011、-0.048，且在1%或10%水平上顯著，反映出RIE耦合協調度難以有效推動產業鏈抵抗力和恢復力增長從而形成“雙輪制約”機制，進而對產業鏈韌性產生顯著負向影響。可能歸因于：RIE價值流的輸出與當地產業結構密切相關，在政府和市場調控下，RIE價值流往往向優勢產業集聚，雖增強了優勢產業的恢復力，但會負向影響整體產業鏈恢復力。同時，地區內部RIE價值流單一，有利于相關產業集聚，但會削弱產業多樣化。在空間溢出方面，RIE耦合協調度對產業鏈韌性、抵抗力及恢復力間接效應的估計系數分別為3.102、1.514、0.909，且均在1%水平上顯著，意味著周邊地區RIE協調水平的提升能夠正向推動本地區產業鏈韌性、抵抗力及恢復力增長。原因在于：各地區資源稟賦不同，催生出不同優勢產業，相鄰地區的RIE價值流溢出并不相同，一方面能夠催生本地區相關產業，促進產業多樣化，增強產業鏈抵抗力；另一方面，能夠豐富區域創新資源要素，有利于外部企業進入和創新產品產出，進而增強產業鏈恢復力。產業鏈韌性、抵抗力及恢復力總效應的估計系數分別為2.725、0.502、0.861，表明RIE耦合協調度對三者的正向影響主要通過空間溢出效應而非直接效應實現。反距離權重矩陣（由兩城市之間地理距離的倒數構建）下的回歸結果與前文表述基本一致，證明模型穩健。

3.4" 時空異質性診斷

3.4.1" 模型擬合優度對比

模型擬合結果見表7。GTWR模型的R2值大于OLS、TWR和GWR模型，其AICc值和RSS值明顯較低，表明將時空屬性相聯系的GTWR模型更穩健，故選擇該模型分析RIE耦合協調度對產業鏈韌性、抵抗力及恢復力影響的時空非平穩性。

3.4.2" RIE耦合協調度影響的時間非平穩性

圖4是2010—2021年黃河流域RIE耦合協調度對產業鏈韌性、抵抗力及恢復力影響的回歸系數小提琴圖（去除部分P-valuegt;0.1）。結果顯示，考察期內黃河流域RIE耦合協調度對產業鏈韌性與恢復力的正向驅動作用呈逐漸減弱態勢，對產業鏈抵抗力的負向影響逐漸加深。2010—2014年，RIE耦合協調度在全局尺度上正向推動產業鏈韌性提升，2014年后部分城市表現為負向相關且負向型城市逐漸增多。對于產業鏈恢復力而言，RIE協調水平提升帶來的創新資源要素和創新環境有利于吸引外部企業進入和科技成果產出，提高區域創新創業能力，進而正向驅動產業鏈恢復力增長。影響程度下降可能是因為RIE價值流集聚僅增強了優勢產業的恢復力，而忽視了劣勢產業恢復力的提升，從而制約區域整體產業鏈恢復力增長。對于產業鏈抵抗力而言，絕大部分城市的RIE耦合協調度與產業鏈抵抗力表現為負向相關，期初的回歸系數均值為0.09，期末降至-0.26。原因可能是，RIE耦合協調度與產業鏈抵抗力間的正向溢出機制不完善，在推動產業集聚的同時，難以提高產業多樣性。

3.4.3" RIE耦合協調度影響的空間非平穩性

圖5將2021年黃河流域RIE耦合協調度對產業鏈韌性、抵抗力及恢復力影響的回歸系數進行可視化。結果顯示，2021年RIE耦合協調度在全局尺度上正向驅動產業鏈恢復力增長，除對鄭州、濟南、太原這一三角地區的產業鏈抵抗力產生正向影響外，RIE耦合協調度對其它城市的產業鏈抵抗力均為負向影響，這歸因于RIE價值流空間交互對區域內產業多樣化和創新創業能力影響的兩面性特征。同時，各地區迥異的資源稟賦使RIE耦合協調度對產業鏈抵抗力和恢復力產生異質性影響，這使得RIE耦合協調度對產業鏈韌性的正向影響由東向西逐級遞減，對鄭州、濟南、太原這一三角地區產業鏈韌性的正向影響最大，對甘肅、寧夏及周邊城市產業鏈韌性的影響則為負。

分地區看，上、中、下游的RIE耦合協調度對產業鏈抵抗力的回歸系數均值分別為-0.44、-0.06、-0.03，標準偏差分別為0.27、0.11、0.07；對產業鏈恢復力的回歸系數均值分別為0.53、0.28、0.26，標準偏差分別為0.18、0.06、0.02。這說明RIE價值流溢出造就下游地區較強的產業鏈抵抗力和恢復力，這可能是因為，下游地區較高水平的RIE耦合協調度所形成的虹吸效應使多種創新資源要素集聚，從而促進創新成果產出，提升區域創新能力，進而增強產業鏈恢復力。RIE耦合協調度對中游兩省產業鏈抵抗力和恢復力的影響較小，原因可能是，在下游省份虹吸效應和區域協同發展戰略下，部分創新資源要素被迫轉移，削弱了RIE耦合協調度對產業鏈恢復力增長的正向影響。在抵抗力方面，陜西省在“雙循環”“一帶一路”“十三五”規劃等政策推動下，著力推動制造業綠色轉型、戰略性新興產業發展以及現代服務業發展新體系構建，一系列舉措使地區內部產業體系得以完善，從而緩解RIE耦合協調度對產業鏈抵抗力的制約。山西省為提升產業多樣性，緊抓中部崛起戰略和“一帶一路”機遇，積極推行煤炭行業智能化、數字化轉型，主動向外生長，推動大數據、半導體、碳基新材料等戰略性新興產業發展。對于上游地區，脆弱的生態環境限制了規模產業發展和產業承載力，造成上游地區產業結構單一。加之RIE協調水平較低，對科技型企業和人才的吸引力不足，價值流輸出難以形成多樣化的產業體系，而RIE的運行會占據本地資源要素，從而進一步制約產業鏈抵抗力增長。但單一的產業結構能夠集聚大量創新資源要素，在產業受到外部沖擊時更容易恢復和重建。

4" 結論與政策啟示

4.1" 結論

采用耦合協調度模型測算2010—2021年黃河流域79個地級市的RIE耦合協調度，以產業鏈抵抗力和恢復力表征產業鏈韌性，運用空間面板杜賓模型和時空地理加權回歸模型深入剖析RIE耦合協調度對產業鏈韌性、抵抗力及恢復力的空間溢出效應及時空異質性特征，得出以下結論：第一，時序演化上，黃河流域及上、中、下游的RIE耦合協調度與產業鏈韌性均呈逐年上升趨勢，形成下游領先、中游追趕、上游相對落后的格局。同時，絕大部分城市的RIE耦合協調度處于中、低層次。第二，空間分布上，黃河流域RIE耦合協調度與產業鏈韌性具有顯著的正向空間相關性。LISA圖顯示，2010年和2021年RIE耦合協調度以高—高集聚和低—低集聚為主，產業鏈韌性的集聚類型變化較為明顯，以高—高集聚、高—低集聚和低—低集聚為主。第三，SPDM模型的直接效應顯示，RIE耦合協調度難以有效推動本地產業鏈抵抗力和恢復力增長從而形成“雙輪制約”機制，進而負向影響產業鏈韌性。間接效應顯示，RIE價值流的空間溢出能推動產業鏈韌性、抵抗力及恢復力增長。第四，時間非平穩性檢驗表明，考察期內RIE耦合協調度對產業鏈韌性和恢復力的正向驅動作用逐漸減弱，對產業鏈抵抗力的負向影響逐漸加強?？臻g非平穩性檢驗表明，2021年RIE耦合協調度對產業鏈韌性的正向影響由東到西逐級減弱，對甘肅、寧夏及周邊城市的產業鏈韌性產生負向影響，對產業鏈恢復力的正向影響強度依次為上游gt;下游gt;中游，對產業鏈抵抗力的負向影響強度依次為上游gt;中游gt;下游。

4.2" 政策啟示

基于以上研究結論，并結合黃河流域生態區位的獨特性提出以下建議：

（1）基于宏觀視野統籌規劃，提高黃河流域RIE耦合協調度和產業鏈韌性發展水平。各地政府要因地制宜，充分利用區域資源稟賦補齊RIE子系統短板。山東創新資源要素充裕，經濟體量較大，應發揮領頭羊作用，積極推動科技創新基礎設施建設，在濟南、青島、煙臺等城市或依托高校搭建科技創新平臺，吸引科技型企業入駐，引導創新人才和資源集聚，使人才供給與市場需求相匹配。河南、山西和陜西創新資源稟賦略顯不足，可通過健全教育、醫療、住房等社會福利體系，防止人才流失，完善資源配置體系，發展省域副中心城市，以提高區域整體RIE協調水平。在環境規制范圍內放寬社會資本準入門檻，積極引入外部優秀企業和國際前沿產業共性技術，依據產業鏈發展方向部署資金鏈，提升產業鏈韌性。上游四省可構建綜合性、市場化的創新融資體系，著重引進光伏、水利等新能源產業創新要素，通過引入外資和前沿技術攻關產業鏈關鍵難點。此外，對科技創新的投資力度應與地區經濟體量相適應，避免資源冗余現象發生。

（2）構建全局協同發展網絡，健全RIE價值流的空間溢出機制，增強其推動產業鏈韌性提升的動力。RIE價值流空間交互是產業鏈抵抗力和恢復力增長的動力，政府需做好宏觀調控，確保要素全局增益型流動。考慮到城市經濟輻射范圍和行業壁壘的存在，以省會城市和高等院校為節點廣泛承載資源要素，通過地區規上企業構建局部價值流溢出網絡，在此過程中需完善產權、專利等法律法規，保障技術、信息等資源溢出的高效融通。下游地區可通過對口幫扶、共同開發等方式，打破地理區位限制，與上游省份建立直接聯系，推動上游協同創新網絡構建。中游省份可通過全局網絡與上、下游高校建立人才聯合培養、科技創新成果共享等機制，構筑共建共享的區域創新資源共同體。

參考文獻：

［1］" 王娟娟.雙循環視角下黃河流域的產業鏈高質量發展［J］.甘肅社會科學，2021，43（1）：49-56.

［2］" 王?；ǎ軡?，郭建杰，等.區域創新生態系統適宜度、雙元網絡與創新績效——一個有調節的中介［J］.管理評論，2023，35（3）：83-91.

［3］" GRANSTRAND O， HOLGERSSON M. Innovation ecosystems： a conceptual review and a new definition［J］.Technovation，2020，90（2）：1-12.

［4］" 孫麗文，李躍.京津冀區域創新生態系統生態位適宜度評價［J］.科技進步與對策，2017，34（4）：47-53.

［5］" 吳潔，劉燦，盛永祥，等.中國海洋創新生態系統協同發展測度與效應檢驗［J］.統計與決策，2023，39（8）：96-101.

［6］" WU Y X， YANG S S， LIU F N， et al. The security and driving factors of the innovative ecosystem： evidence from the Yellow River Basin［J］. International Journal of Environmental Research and Public Health，2023，20（3）：2482.

［7］" 孫艷艷，苗潤蓮，李梅，等.京津冀創新生態系統資源整合模式、路徑和機制研究［J］.中國科技論壇，2020，36（6）：112-122.

［8］" ROBERTSON J， CARUANA A， FERREIRA C. Innovation performance： the effect of knowledge-based dynamic capabilities in cross-country innovation ecosystems［J］. International Business Review，2023，32（2）：101866.

［9］" 武翠，譚清美.基于生態位適宜度的區域創新生態系統與產業協同集聚研究［J］.科技管理研究，2021，41（3）：1-9.

［10］" LIANG L， LI Y. How does government support promote digital economy development in China？ the mediating role of regional innovation ecosystem resilience［J］. Technological Forecasting amp; Social Change，2023，188（3）：122328.

［11］" REGGIANI A， GRAAFF T D， NIJKAMP P. Resilience：an evolutionary approach to spatial economic systems［J］.Networks and Spatial Economics，2002，2（2）：211-229.

［12］" BROWN L，GREENBAUM R T.The role of industrial diversity in economic resilience：an empirical examination across 35 years ［J］.Urban Studies，2017，54（6）：1347-1366.

［13］" 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，2022，40（1）：95-102.

［14］" MARTIN R.Regional economic resilience， hysteresis and recessionary shocks［J］.Journal of Economic Geography，2012，12（1）：1-32.

［15］" 李勝會，戎芳毅.知識產權治理如何提升產業鏈韌性——基于國家知識產權示范城市政策的實證檢驗［J］.暨南學報（哲學社會科學版），2022，44（5）：92-107.

［16］" 蔡烏趕，許鳳茹.中國工業韌性的測度及時空演變特征研究［J］.經濟體制改革，2022，40（6）：90-97.

［17］" 衛彥琦.數字金融對產業鏈韌性的影響［J］.中國流通經濟，2023，37（1）：71-82.

［18］" 肖興志，李少林.大變局下的產業鏈韌性：生成邏輯、實踐關切與政策取向［J］.改革，2022，39（11）：1-14.

［19］" RUAN S， CHOI S B. The technological innovation effect of industrial chain under the 'double cycle' pattern in the post epidemic era［J］. International Journal of Technology Management，2023，91（1）：68-81.

［20］" 李萌，何宇，潘家華.“雙碳”目標、碳稅政策與中國制造業產業鏈韌性［J］.中國人口·資源與環境，2022，32（9）：22-34.

［21］" LIN B Q， TENG Y Q. Decoupling of economic and carbon emission linkages： evidence from manufacturing industry chains［J］. Journal of Environmental Management，2022，322（15）：116081.

［22］" 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］.經濟地理，2022，42（7）：117-125.

［23］" 孟祺.鏈長制與產業鏈韌性：基于多期DID的實證檢驗［J］.新疆社會科學，2023，33（1）：55-64.

［24］" DAI R C， ZHU Z K， ZHANG X B. Index of regional innovation and entrepreneurship in China （IRIEC） ［DB/OL］.Peking University Open Research Data Platform.（2021-12-17）［2023-04-30］.https：//doi.org/10.18170/DVN/NJIVQB.

（責任編輯：陳" 井）

Can Regional Innovation Ecosystems Improve Chain Toughness？ A Test of Spatio-Temporal Non-Stationarity from the Yellow River Basin

Zhang Feng，Wei Wei， Chen Jiawei， Song Shenglei

（School of Management， Shandong University of Technology， Zibo 255000， China）

Abstract：The toughness of the industrial chain is crucial to the solid high-quality development of the economy and the maintenance of the security and stability of the industrial system， and this is especially true for the practice of ecological protection and high-quality development in the Yellow River Basin. The toughness of the industrial chain cannot be improved without the cumulative industrial transformation and innovation performance brought about by the operation of the regional innovation ecosystems （RIE）. Current research on RIE focuses on evaluating the suitability of its ecological location， coupling， coordination， etc.， but lacks an exploration of the spatial spillover effects and spatiotemporal heterogeneity of RIE. RIE is an open system， and the input or output of value flows from different cities' RIE inevitably leads to spatial effects. At the same time， in the empirical analysis of industrial chain toughness， there is little literature that explores the mechanisms through which RIE drives the growth of industrial chain toughness， and there is even less literature that examines the linkages between the two in the context of the Yellow River Basin.

Therefore， this paper takes 79 prefecture-level cities in the Yellow River Basin from 2010-2021 as the research object to measure the level of development of RIE by the coupled coordination of the four subsystems of the innovation community， innovation resources， innovation potential， and innovation environment. The toughness of the industry chain is referred to as resistance and resilience. This study comprehensively applies spatial measurement models， and integrates industry chain resilience， resistance and resilience into the same research framework to systematically analyze the enhancement mechanism of RIE on industry chain resilience， in the hope of providing timely and feasible suggestions for the high-quality development of the Yellow River Basin. Firstly， the entropy weight method and the coupled coordination degree model are used to measure the development level of RIE， and the entropy weight TOPSIS method is used to measure the toughness of the industrial chain. Secondly， the Moran's I analysis of the spatial agglomeration characteristics of RIE and industry chain toughness is made. Thirdly， the influence mechanism and spatial spillover effect of RIE on industry chain toughness are analyzed by spatial panel Durbin model（SPDM）. Fourthly， the spatio-temporal geographically weighted regression model（GTWR） is used to examine the spatiotemporal non-stationarity of the impact of RIE on industry chain toughness.

The degrees of coupling and coordination of RIE and industrial chain toughness have been increasing year by year， showing a development pattern of downstream gt; midstream gt; upstream. Meanwhile， both are spatially dominated by high-high agglomeration and low-low agglomeration. The SPDM model shows that it is difficult for RIE to promote the" toughness， resistance， and resilience of the local industrial chain， while the spatial spillover of RIE value streams from neighboring cities can enhance the toughness， resistance， and resilience of the industrial chain. The GTWR model shows a gradual weakening of the positive drive of the RIE coupling coordination degree on chain toughness and resilience and a deepening of the negative impact on chain resistance over time series changes. The spatially heterogeneous RIE coupling coordination degree positively drove the industry chain resilience at the global scale and negatively affected the industry chain resistance of other cities except for the positive impact on the industry chain resistance of the cities around Zhengzhou， Jinan， and Taiyuan， and the positive driving effect on the industry chain toughness decreased step by step from east to west and negatively affected the industry chain toughness of the cities in Gansu， Ningxia， and other regions in 2021.

Given the unique ecological location of the Yellow River Basin， the following suggestions are proposed based on the above research conclusions： firstly， it is essential to make an overall planning from a macro perspective to improve the development level of RIE coupling coordination and industrial chain resilience in the Yellow River Basin; secondly， because the spatial interaction of the RIE value stream is the driving force for the positive growth of the resistance and resilience of the industrial chain， it is pivotal to construct global collaborative development and improve the spatial spillover mechanism of the RIE value stream to enhance its driving force for promoting the resilience of the industrial chain.

Key Words：The Yellow River Basin; Regional Innovation Ecosystem; Industrial Chain Toughness; Spatio-temporal Non-stationarity