制造業資金鏈韌性評價及障礙因子診斷

【中圖分類號】F272 【文獻標識碼】A 【文章編號】1004-0994（2025）14-0118-6

一、引言

制造業是實體經濟的基礎，是國家經濟命脈所系，也是現代化產業體系建設的重要領域。資金鏈作為制造業運行的“血液系統”，其穩定性直接關系到產業鏈協同效率與創新動能轉化。然而，在全球價值鏈加速重構與“鏈式競爭”泛政治化的雙重沖擊下，我國制造業正面臨前所未有的資金鏈風險挑戰。在此背景下，中央經濟工作會議將“保鏈穩鏈”上升為統籌發展與安全的核心戰略，提升制造業資金鏈韌性因此成為應對產業鏈升級受阻與外部技術封鎖等問題的重要策略。

“韌性”一詞最初作為物理學的基本概念，用以衡量材料在塑性變形和破裂過程中所吸收的能量（谷城和張樹山，2023）。在資金鏈情境中，韌性被視為企業對資金的管理能力。當前我國制造業資金鏈韌性面臨兩重現實困境：第一，供應鏈政治化沖擊正以非線性方式侵蝕資金周轉效率，企業所面臨的應收賬款與存貨盤活壓力不斷增大。第二，技術密集型產業因“斷供風險溢價\"導致的融資周期延長，與勞動密集型產業在供應鏈區域化中的融資排斥效應，共同加劇了資金鏈修復能力的“馬太效應”。因此，構建資金管理能力與供應鏈韌性適配的多維評價體系，科學評估我國制造業資金鏈韌性水平，對新發展格局下防范制造業系統性風險具有重要意義。

二、文獻綜述

制造業資金鏈韌性研究作為企業風險管理的核心議題，圍繞其展開的系統性理論建構與實證探索尚處于起步階段。既有研究主要圍繞資金鏈斷裂、風險預警機制及韌性測度等維度展開，形成了以下三方面研究脈絡。

一是針對資金鏈斷裂風險的研究范式。國內學者多從資金鏈斷裂誘因切入。如王江（2005）認為庫存增加、價值泡沫和資本運作等是導致企業資金鏈斷裂的重要原因。楊毓（2009）則強調外部環境變化、盲目擴張、隨意擔保等是導致企業資金鏈斷裂的主要原因。隨著研究的逐步深人，學者們開始通過定量分析以識別企業資金鏈的風險因素。張金昌和范瑞真（2012）構建了包含長期資金需求保障率、應收賬款回收率、相對存貨周轉次數及分配利潤占比等指標的評估體系。李富芝和吳君民（2012）將該評估體系拓展至房地產行業資金鏈斷裂的預警研究。王婷等（2013）則通過案例分析驗證了部分指標的顯著預警效能。基于此，張金昌等（2015）進一步整合動態與靜態分析維度，系統檢驗了資金鏈斷裂預警指標體系的效度與漸進性特征，證實既有指標可顯著提升預警能力。

二是有關資金鏈韌性的研究。“韌性”這一概念可追溯至物理學與生態學領域。在物理學語境中，韌性特指材料塑性變形和破裂過程中吸收能量的力學特性。Holling（1973）將其引入生態學后，“韌性\"演化為自然系統應對外部擾動時維持穩態或快速復原的能力。隨著理論的演進，Reggiani等（2002）提出經濟韌性可作為解釋區域經濟沖擊響應差異的關鍵要素，強調不同經濟體在衰退沖擊中恢復能力的異質性。Martin（2012）在此基礎上構建適應性韌性分析框架，確立脆弱性、可恢復性、適應性與創新性四維研究范式。聚焦資金鏈韌性的研究則相對匱乏，現有研究多聚焦于供應鏈韌性分析框架。如何茜茜等（2024）通過全球價值鏈嵌入視角，揭示了工業機器人應用對制造業供應鏈韌性的影響機制。宋躍剛和王紫琪（2024）則基于新質生產力維度，實證檢驗了其對產業鏈韌性的提升效應。楊春華等（2021）基于利益相關者理論，以上汽集團為例剖析了外部沖擊下的資金鏈壓力傳導機制，并評估了企業資金鏈韌性。

三是有關資金鏈韌性水平的測度。現有關于資金鏈韌性水平的測度研究相對匱乏，其本質可類比于資金鏈的財務預警機制構建。學界主要聚焦于企業財務預警體系的構建。如張艷秋（2012）從償債能力、現金獲取能力、盈利質量、財務彈性與結構分析五個維度篩選關鍵現金流量指標，構建房地產業現金流財務預警模型，并驗證了其財務危機預測效能。聶麗潔等（2011）以制造業上市公司為樣本，在融合傳統財務預警指標的基礎上，構建了基于現金流的危機預警指標體系。梁飛媛（2005）則選取機械設備行業數據，通過現金流指標構建典則判定模型與Fisher線性判定模型，實現預測效能的對比驗證。上述研究成果在財務預警指標體系的建構邏輯與方法論層面，為本研究提供了重要的參考范式。

既有文獻存在以下三方面的研究局限：一是研究視角呈現資金鏈斷裂風險與韌性評估的二元割裂，未能將韌性評估納入風險防控的完整閉環。二是現有韌性測度體系多側重短期償付能力評估，缺乏對動態適應性與結構穩定性的系統考量。三是實證分析多局限于行業案例或截面數據，難以揭示資金鏈韌性在時空維度上的演化規律。本文可能的邊際貢獻主要有兩點：第一，通過構建包含承壓能力、回彈能力、再發展能力和供應鏈韌性四維度的資金鏈韌性評價指標體系，科學評估制造業資金鏈韌性。第二，基于制造業上市公司面板數據，實現韌性水平的動態量化，結合核密度估計揭示其分布特征與行業異質性，并通過障礙度模型識別關鍵制約因素，最終形成“測度一診斷一優化\"的系統解決方案，以期為制造業資金鏈風險評估提供新的理論視角和決策依據，對完善企業風險治理體系具有重要的實踐價值。

三、研究設計

（一）指標體系構建

資金鏈韌性的本質是企業在動態風險環境中維持“資金供給一資金需求\"動態平衡的能力。聶麗潔等（2011）基于盈利能力、償債能力與融資約束指標，構建了制造業財務危機預警的靜態監測框架；張艷秋（2012）通過償債能力、收益質量與現金結構分析，揭示了資金流動性管理的動態調節機制；楊春華等（2021提出的“承壓一回彈”二維模型，進一步整合了短期抗壓與中期修復能力，為剖析制造業資金鏈抗風險能力提供了重要的理論基礎。在此基礎上，借鑒生態韌性理論中“抵抗一恢復一適應\"的演化邏輯（楊明和林正靜，2021），本文將資金鏈韌性解構為承壓能力（風險沖擊下的資金緩沖能力）、回彈能力（財務失衡后的修復效率）、再發展能力（轉型升級的資本支撐力）以及供應鏈韌性（產業鏈協同的資金穩定性）等四種核心能力，構建多維度評價指標體系，如表1所示。

（二）研究方法

1.熵值法。本文利用熵值法計算制造業資金鏈韌性評價指標體系中各指標的權重，以便分析不同指標對制造業資金鏈韌性的影響程度，并運用線性加權法計算制造業資金鏈韌性水平。計算公式如下：

第一步，對正向指標、負向指標和適度指標的數據分別進行標準化處理。

正向指標：

X_ij^'=（X_ij-minX_ij）/（maxX_ij-minX_ij）+0.001

負向指標：

X_ij^'=（maxX_ij-X_ij）/（maxX_ij-minX_ij）+0.001

適度指標。若適度指標的最佳區間為[a，b]，則：

M=max{a-minX_ij，maxX_ij-b}，

第二步，計算第i個企業在第j項指標中所占比重。

第三步，計算第j項指標的信息熵。

第四步，計算信息效用值。

第五步，計算評價指標權重。

第六步，計算制造業資金鏈韌性水平。

2.核密度估計。核密度估計屬于非參數估計法，通

過探究研究對象分布曲線的位置、形狀、分布延展性，直觀解釋其動態演變及行業差異。假設f Π（Π_X） 是制造業資金鏈韌性 的密度函數，具體公式如下：

其中：N為觀測值數； x_i 為獨立同分布的觀測值； Π_X^- 為均值；h為帶寬； K（?） 為核函數。

3.障礙度模型。障礙度模型可以通過計算制造業資金鏈韌性評價指標的障礙度來分別探尋限制其韌性發展的短板、弱項，便于制定針對性的解決措施。具體的計算公式如下：

其中： W_ij 是指各個指標的權重; X_ij 是指各個指標標準化值; （1-X_ij） 表示第i個企業第j項指標的偏離度； O_ij 是指單項指標對制造業資金鏈韌性發展水平的障礙度，障礙度越大，說明該指標對資金鏈韌性的制約作用越大。

（三）數據來源

本研究選取 2014～2023 年滬深A股制造業上市公司作為初始樣本，剔除ST、 企業以及關鍵變量連續三年缺失及異常值樣本，最終保留1012家制造業上市公司構成平衡面板數據集，時間跨度為10年，合計10120個觀測值。針對部分企業存在的少量非連續缺失值，采用平均增長率法和插值法進行填充，相關數據來自國泰安（CSMAR數據庫。

四、研究結果與分析

（一）制造業資金鏈韌性綜合水平及發展態勢

2014～2023 年我國制造業資金鏈韌性測度結果顯示（見圖1），整體水平均值為0.100，呈現先升后降的波動趨勢。其中2016年達到峰值0.114，這主要受益于供給側結構性改革推動的產能優化與債務風險緩釋。2018年后進人下行通道，2020年受到疫情沖擊韌性值短暫回升至0.095，高于2019年的0.092，反映出我國制造業在應急政策支持下的短期承壓能力。2022年后加速下滑，2023年降至觀測期最低值0.086，較峰值下降 24.6% ，這表明外部沖擊對制造業資金鏈的影響已從周期性供需擾動，逐步演變為技術封鎖、產業鏈脫鉤等深層次結構性風險的長期固化。

各維度上，承壓能力作為風險抵御的核心維度，觀測期內波動較為顯著：從2014年的0.058逐步下滑至2023年的0.040，十年間降幅達 31.0% ；在2017年出現陡降，較上年下降 19.0% ，2018年繼續下降 12.8% ，此后五年始終低于0.058。可以看出，其數值波動軌跡與國際貿易環境惡化趨勢高度同步。2018年中美貿易摩擦升級導致承壓能力驟降，2023年歐美供應鏈“去中國化\"策略進一步施壓，這表明外部政治經濟壓力已突破傳統風險緩沖機制的承載閾值。與之形成對比，回彈能力長期停滯在0.002～0.003 區間，僅在2020年短暫升至0.003，但次年即回落至基準水平，表明恢復機制存在系統性缺陷。也就是說，系統承壓閾值被突破后，恢復機制未能同步激活。這種“抗壓一恢復”的能力斷層，本質上反映了制造業風險防控體系的“預警一響應\"機制失配。再發展能力波動較大，2018年達到0.031的高點后驟降，2019年跌至0.015，之后有所回升但未達之前高點，2023年回升到0.021。2018年在政策推動下再發展能力升至0.031的峰值，但隨后因技術封鎖導致研發周期延長與綠色轉型成本激增，2022年驟降至0.013，反映出政策驅動型投資與市場自生能力間的協同脫節。供應鏈韌性在2016年達到0.032的高點后持續下降至2023年的0.023，在2018年有短暫回升，但整體趨勢向下，十年間降幅達 14.8% ，其背后是供應鏈節點依賴風險的顯性化與產業鏈信用耦合機制的弱化，典型表現為樣本企業前五大供應商集中度均值攀升，應付賬款展期能力持續下降，形成“越依賴越脆弱”的惡性循環。

進一步分析發現，多重風險因子的交互作用弱化了制造業資金鏈韌性。地緣政治沖突通過供應鏈中斷傳導至營運資本占用增加，間接抑制研發再投資能力；技術封鎖倒逼的國產替代雖提升了短期承壓能力，卻以犧牲長期資本回報率為代價；而疫情后全球需求收縮與利率上行周期的疊加，則使重資產行業的債務展期壓力陡增。這種“沖擊疊加一傳導放大一修復遲滯”的負向機制，導致制造業資金鏈安全邊界持續收窄。

（二）制造業資金鏈韌性水平的行業特征

借鑒武宵旭等（2021）、梁樹廣等（2023）對我國制造業的分類方法，本文將30個細分行業分為勞動密集型、技術密集型與資本密集型三類，由于本研究時間跨度較大，只保留2014年、2017年、2020年和2023年行業資金鏈韌性特征分布，各行業分類依據與特征分布詳見表2。

數據分析顯示，勞動密集型行業韌性值呈現階梯式下降與結構分化特征，14個行業平均韌性值從2014年的0.111持續降至2023年的0.089，累計降幅達 19.8% 。其中金屬制品、機械和設備修理業從2014年的0.199斷崖式下跌至2023年的0.103，降幅達 48.2% ，側面反映出傳統維修業在智能制造升級中的邊緣化困境。與之形成鮮明對比，酒、飲料和精制茶制造業表現出顯著的抗周期特征，其韌性值從0.147微降至0.143，僅下降 2.7% ，終端消費剛性需求有效緩解了外部沖擊。2020年疫情期間，紡織服裝、服飾業較2017年下降 10% ，而農副食品加工業僅微降 2.5% ，反映出必需消費品行業的風險抵御優勢。

技術密集型行業呈現復雜波動特征，8個行業平均韌性值從2014年的0.107降至2023年的0.082，下降幅度為23.4% 。其中化學纖維制造業逆勢上升，2020年達到0.112的峰值，這與生物基纖維材料產業化進程直接相關。但計算機、通信和其他電子設備制造業的韌性值持續下降，反映出芯片斷供對產業鏈的持續性沖擊。值得注意的是，汽車制造業在2017年短暫回升至0.094后持續走低，2023年降至0.074，這表明新能源轉型中三電系統研發投入未能及時支撐其行業的資金鏈穩定性。

資本密集型行業表現出顯著分化特征，8個行業平均韌性值從2014年0.108降至2023年0.090。黑色金屬冶煉和壓延加工業在2017年達到0.134的峰值，其主要受益于供給側結構性改革帶來的產能出清紅利，但2023年驟降至0.091，暴露出“雙碳”目標下高耗能行業的轉型壓力。有色金屬冶煉和壓延加工業呈現逆周期增長，韌性值從2014年的0.100升至2023年的0.108，其與新能源產業對銅、鋰等金屬的需求擴張形成強關聯。

（三）制造業資金鏈韌性水平的動態演進

制造業全行業及分行業資金鏈韌性水平的核密度曲線顯示，觀測期內四類核密度分布均呈現主體區間左移趨勢，主峰高度抬升且峰寬收窄，表明行業整體資金鏈韌性水平呈系統性下降趨勢，但企業間資金鏈韌性水平差異逐步縮小。除資本密集型行業外，其余分布右拖尾延展性明顯收縮，高韌性企業占比顯著降低。在行業差異上，技術密集型行業分布左移幅度最大，勞動密集型行業在 2014～2016 年存在右側次峰，有兩極化趨勢，但2017年后次峰消融，單峰右偏形態主導，其他行業未觀測到兩極化現象，始終維持單峰分布形態。資本密集型行業右拖尾存在，保留部分高韌性企業集群，主峰高度在2017＼～2018年保持相同水平，顯示短期調整的階段性穩定狀態。

（四）制造業資金鏈韌性障礙度分析

由表3可以看出，盡管不同行業在資金鏈韌性水平上存在差異，但核心障礙因素存在顯著共性。第一，供應鏈資金回籠效率低下是行業普遍存在的問題。無論是勞動密集型、技術密集型還是資本密集型行業，應收賬款周轉率始終是最大的障礙因素。三類行業中該指標的障礙度多年保持在 56% 至 58% 之間，且無明顯下降趨勢。這反映出制造業整體面臨下游企業拖延付款的問題，尤其是中小企業在供應鏈中缺乏議價權，導致大量資金被占用。第二，短期償債壓力持續阻礙各行業發展。速動比率和流動負債占比在所有行業中均屬于位列前五的障礙因子。勞動密集型行業速動比率障礙度長期接近 9.3% ，技術密集型行業從 9.4% 升至 9.7% ，資本密集型行業雖有波動但始終高于 9% 。同時，流動負債占比障礙度普遍超過6.5% ，表明企業過度依賴短期借款維持經營的現象普遍存在。這種“借新還舊”的模式在經濟波動時極易引發資金鏈斷裂。第三，各行業庫存與生產節奏匹配度不足。存貨周轉率作為供應鏈管理的關鍵指標，在三類行業中均持續產生負面影響。勞動密集型行業2020年后該指標障礙度突破 10% ，技術密集型行業從2017年的 10.823% 降至2023年的 10.087% ，但資本密集型行業反而從2014年的 10.292% 升至2023年的 10.920% 。這說明不同行業雖采取不同的管理手段，但均未徹底解決庫存積壓與市場需求脫節的根本問題。在共性之外，三類行業也呈現局部差異：其一，勞動密集型行業受流動負債影響更突出，其速動比率與流動負債占比障礙度均為三類最高。其二，技術密集型行業速動比率惡化最快，可能與研發投人擠占流動資金有關。其三，資本密集型行業存貨問題惡化最顯著，反映出重資產模式調整難度更大。

在明確行業異質性特征的基礎上，進一步考察影響制造業整體資金鏈韌性的障礙因子。制造業全行業障礙度測算結果如表4所示，其資金鏈韌性水平主要受三大核心制約因素影響：供應鏈回款效率構成持續性瓶頸、短期償債能力存在結構性矛盾、系統性障礙呈現路徑依賴。首先，各行業面臨的共性困境集中體現在供應鏈回款效率上。應收賬款周轉率障礙度持續處于高位， 2014～ 2023年年均貢獻度達 57.019% ，且波動區間始終穩定在56.524%～57.546% ，下游占款問題已成為制約全行業發展的主要障礙。其次，承壓能力維度指標揭示短期償債策略失衡問題。速動比率、流動比率與流動負債占比三項指標合計障礙度穩定在 23.674%～25.043% 區間。其中，速動比率障礙度呈緩慢上升趨勢，由2014年的 9.401% 上升至2023年的 9.540% ；流動比率障礙度在2020年達到峰值 8.395% 后小幅回落至 8.328% ；流動負債占比在2020年突增至 7.168% 。三項指標的動態變化表明，企業普遍通過延長應付賬款周期維持流動比率穩定，但導致速動資產儲備持續消耗、短期債務風險實質性加劇。

進一步觀察發現，系統性障礙存在顯著的路徑依賴。2014～2023 年五大障礙因子合計占比始終高于 91.955% 。

盡管2017年通過降低流動負債占比使障礙度結構得到短期改善，但2020年外部沖擊導致短期債務壓力激增，至2023年系統回歸至原有演進軌跡。

五、結論與建議

（一）結論

本文通過構建制造業資金鏈韌性評價指標體系，基于 2014～2023 年制造業上市公司平衡面板數據，對我國制造業資金鏈韌性進行了科學評估，并揭示了我國制造業資金鏈韌性的動態演變規律及影響制造業韌性的核心障礙因子。研究發現：第一，制造業資金鏈韌性呈現“先上升一后下降”的波動下降趨勢，承壓能力降幅達31.0% ，回彈能力長期停滯于 0.002～0.003 區間，風險抵御與恢復機制存在顯著斷層。第二，行業異質性特征突出，勞動密集型行業韌性值降幅達 19.8% ，技術密集型行業受技術封鎖沖擊顯著，資本密集型行業表現出加速分化特征。第三，核密度曲線顯示全行業韌性水平系統性左移，企業間差異縮小但高韌性集群占比縮減。第四，障礙度模型揭示供應鏈回款效率、短期償債壓力與庫存周轉失衡是影響制造業資金鏈韌性的主要障礙因子，且系統性障礙呈現路徑依賴特征。

（二）建議

1.著力完善供應鏈信用穿透與資金協同機制。針對供應鏈環節資金沉淀與回款效率低下的核心矛盾，建議由政府主導建立跨區域、跨產業的信用信息共享平臺，打通產業鏈上下游企業的交易數據壁壘，實現商業信用信息的實時交互與動態評估。通過創新供應鏈金融工具，引導金融機構開發基于真實交易場景的融資產品，重點破解中小企業應收賬款積壓困境。同時建立商業信用聯合懲戒機制，對惡意拖欠貨款、違規占用資金等行為實施行業準入限制與融資成本加成，倒逼供應鏈資金流轉效率提升。

2.構建債務風險動態適配與長效防控體系。聚焦短期償債壓力與長期發展需求的動態平衡，建議推動金融機構設計期限結構彈性化、利率定價差異化的融資工具，對符合產業升級方向的企業提供中長期低成本資金支持。完善流動性壓力分級響應制度，建立涵蓋風險預警、應急周轉、債務置換的多層次緩釋框架，通過智能化監測系統實時追蹤企業速動比率、流動負債占比等關鍵指標，設定行業差異化預警閾值并動態調整干預策略，實現短期流動性安全與長期發展動能的有機銜接。

3.針對行業異質性精準化提升資金鏈韌性。勞動密集型行業需重點強化供應鏈協同能力與庫存動態調節機制，通過產能共享平臺建設與通用設備標準化改造，降低生產節奏失配導致的資金占用風險；技術密集型行業應著力完善研發投人與資本循環的協同機制，推動知識產權證券化、技術入股分紅等新型權益工具的應用，形成創新成果轉化反哺資金鏈穩定的良性循環；資本密集型行業需側重綠色轉型與債務結構優化的聯動設計，建立高碳產能退出補償與低碳技術投資的資金銜接通道，通過綠色信貸定向支持與碳排放權資產化運作，破解生態約束下的債務展期困局。通過分類施策與系統協同，可有效彌合制造業資金鏈韌性演進中的結構性斷層，為產業鏈安全治理提供可持續的解決方案。

【主要參考文獻】

谷城，張樹山．產業鏈韌性水平測度、區域差異及收斂性研究［ J］．經濟問題探索，2023（6）：123 ～ 139．

何茜茜，高翔，黃建忠．工業機器人應用與制造業產業鏈供應鏈韌性提升——來自中國企業全球價值鏈嵌入的證據［ J］．國際貿易問題，2024（2）：71 ～ 89．

李富芝，吳君民．房地產企業資金鏈斷裂風險原因探析與實證檢驗［ J］．商業會計，2012（19）：99 ～ 100．

梁飛媛．基于現金流的財務危機預警系統實證研究——以機械設備行業為例［ J］．財貿經濟，2005（2）：23 ～ 27．

梁樹廣，臧文嘉，馮倩倩．公司創新鏈與資金鏈的耦合協調度及其驅動因子探究［ J］．財會月刊，2023（23）：111 ～ 119．

聶麗潔，趙艷芳，高一帆．基于現金流的財務危機預警指標體系構建研究——基于我國制造業上市公司數據［ J］．經濟問題，2011（3）：108 ～ 112．

宋躍剛，王紫琪．新質生產力與制造業產業鏈供應鏈韌性：理論分析與實證檢驗［ J］．河南師范大學學報（自然科學版），2024（5）：29 ～ 42+2．

王江．“資金鏈”斷裂： 理論解析與啟示［ J］．山東社會科學，2005（7）：38 ～ 42．

王婷，徐哲群，李佳樂等．從現金流量表看資金鏈斷裂——以ST天潤為例［ J］．會計之友，2013（28）：61 ～ 64．

武宵旭，韓永楠，葛鵬飛．中國制造業自主創新與全要素生產率的耦合協調性研究［ J］．經濟問題探索，2021（8）：141 ～ 154．

楊春華，酈浩成，陶曉琪等．基于關系治理的韌性資金鏈構建——以疫情下上汽集團為例［ J］．財會通訊，2021（22）：10 ～ 15．

楊明，林正靜．用創新生態理論和“四鏈”融合研究建設粵港澳大灣區國際科技創新中心［ J］．科技管理研究，2021（13）：87 ～ 93．

楊毓．企業資金鏈斷裂成因分析及對策建議［ J］．河北金融，2009（1）：18 ～ 21．

張金昌，范瑞真，胡天雨．企業資金鏈斷裂風險度量方法研究［ J］．經濟管理，2015（1）：190 ～ 199．

張金昌，范瑞真．資金鏈斷裂成因的理論分析和實證檢驗［ J］．中國工業經濟，2012（3）：95 ～ 107．

張艷秋．基于現金流量的企業財務預警實證研究——來自我國房地產業上市公司數據［ J］．北京聯合大學學報（人文社會科學版），2012（3）：124 ～ 128．

Holling C. S.. Resilience and stability of ecological systems［ J］．Annual Review of Ecology and Systematics，1973（1）：1 ～ 23．

Martin R.. Regional economic resilience， hysteresis and recessionary shocks［ J］．Journal of Economic Geography，2012（1）：1 ～ 32．

Reggiani A.， Graaff T. D.， Nijkamp P.. Resilience： An evolutionary approach to spatial economic systems［ J］．Networks and Spatial Economics，2002（2）：211 ～ 229．

（責任編輯·校對：李小艷 黃艷晶）