朱 琳

（北京師范大學(xué)政府管理學(xué)院，北京 100875）

0 引言

2020 年年初新型冠狀病毒肺炎疫情（簡(jiǎn)稱新冠肺炎疫情）全面暴發(fā)，讓中國(guó)乃至世界經(jīng)濟(jì)“停擺”，形成巨大的風(fēng)險(xiǎn)性沖擊。經(jīng)過(guò)新冠肺炎疫情持續(xù)三年的沖擊，盡管其負(fù)面影響至今仍存，但中國(guó)經(jīng)濟(jì)能夠快速回歸正常軌道，將負(fù)面沖擊降至最低，表現(xiàn)出了極大的經(jīng)濟(jì)韌性。2022年中央經(jīng)濟(jì)工作會(huì)議指出，中國(guó)經(jīng)濟(jì)韌性強(qiáng)、潛力大、活力足。因此，對(duì)于此輪疫情沖擊期間的中國(guó)經(jīng)濟(jì)韌性進(jìn)行測(cè)度與分析具有極大理論與現(xiàn)實(shí)意義。韌性（Resilience）在工程物理學(xué)中表示物體在塑性與斷裂過(guò)程中吸收能量的能力；后來(lái)被應(yīng)用于經(jīng)濟(jì)學(xué)領(lǐng)域，城市（區(qū)域）經(jīng)濟(jì)韌性則被定義為抵御風(fēng)險(xiǎn)沖擊和駕馭不確定性的發(fā)展能力[1]。

本文將對(duì)2020—2021 年的季度經(jīng)濟(jì)數(shù)據(jù)進(jìn)行評(píng)估，利用韌性模型測(cè)度中國(guó)省域經(jīng)濟(jì)韌性系數(shù)，再用動(dòng)態(tài)偏離份額分解（shift-share）模型對(duì)區(qū)域經(jīng)濟(jì)韌性的質(zhì)量進(jìn)行評(píng)價(jià)，并在此基礎(chǔ)上進(jìn)行綜合性比較；在此基礎(chǔ)上，使用地理探測(cè)器模型從產(chǎn)業(yè)結(jié)構(gòu)、創(chuàng)新驅(qū)動(dòng)與資本支持三個(gè)維度對(duì)區(qū)域經(jīng)濟(jì)韌性的空間影響因素進(jìn)行分析。本文的邊際貢獻(xiàn)在于：（1）研究?jī)?nèi)容的創(chuàng)新。在借鑒已有理論模型對(duì)新冠肺炎疫情沖擊下的經(jīng)濟(jì)韌性進(jìn)行測(cè)度之外，還使用shift-share 模型將經(jīng)濟(jì)韌性拆分為產(chǎn)業(yè)分項(xiàng)與結(jié)構(gòu)性分項(xiàng)，實(shí)現(xiàn)了對(duì)中國(guó)經(jīng)濟(jì)韌性的質(zhì)量評(píng)價(jià)。（2）研究框架的創(chuàng)新。對(duì)于經(jīng)濟(jì)韌性的影響因素，運(yùn)用空間計(jì)量模型從產(chǎn)業(yè)、創(chuàng)新、資本三個(gè)層面構(gòu)建了更加完善的分析框架，為以后經(jīng)濟(jì)韌性影響因素的研究提供了更全面的研究視角。（3）研究工具的創(chuàng)新。由于疫情沖擊的時(shí)間周期較短，該時(shí)期經(jīng)濟(jì)數(shù)據(jù)屬于典型短面板樣本，本文將地理探測(cè)器模型引入?yún)^(qū)域經(jīng)濟(jì)韌性的實(shí)證研究中，為以后短期沖擊下的空間計(jì)量經(jīng)濟(jì)分析提供了更加多元的研究工具。

1 研究設(shè)計(jì)

1.1 樣本選擇與數(shù)據(jù)說(shuō)明

由于新冠肺炎疫情對(duì)區(qū)域經(jīng)濟(jì)發(fā)展具有季度性影響差異，因此本文采用中國(guó)31 個(gè)省份（不含港澳臺(tái)）2020—2021年的季度數(shù)據(jù)作為韌性測(cè)度樣本。將2019年年底至2022 年年初的GDP 同比增速進(jìn)行比較可以發(fā)現(xiàn)，新冠肺炎疫情對(duì)經(jīng)濟(jì)的沖擊始于2020 年第一季度，并使得GDP同比增速的負(fù)向表現(xiàn)持續(xù)到第二季度。從第三季度中期開始GDP 同比增速開始轉(zhuǎn)為正值，直至2021 年第一季度全國(guó)經(jīng)濟(jì)增速已經(jīng)基本恢復(fù)至疫情發(fā)生前的水平。

基于以上分析，將2020 年前兩季度作為新冠肺炎疫情沖擊期，而從2020 年第四季度開始可以認(rèn)定為全國(guó)層面的經(jīng)濟(jì)復(fù)蘇期。為使得單變量評(píng)價(jià)模型的測(cè)度結(jié)論具有觀測(cè)顯著性，本文選擇沖擊期內(nèi)省級(jí)經(jīng)濟(jì)數(shù)據(jù)作為經(jīng)濟(jì)韌性測(cè)度的主要樣本。然而樣本期間新冠肺炎疫情的發(fā)生并非全國(guó)性的，而是具有強(qiáng)烈的區(qū)域特征，因此，為避免疫情沖擊的地域異質(zhì)性對(duì)韌性測(cè)度結(jié)論的干擾，本文選擇將樣本區(qū)間拉長(zhǎng)至復(fù)蘇期以對(duì)區(qū)域經(jīng)濟(jì)韌性進(jìn)行度量修正。在本文的實(shí)證分析中，均選擇沖擊期至復(fù)蘇期（2020年第一季度至2021年第四季度）作為實(shí)證檢驗(yàn)區(qū)間，所有實(shí)證分析均選擇31個(gè)省份的季度數(shù)據(jù)所構(gòu)成的面板數(shù)據(jù)進(jìn)行檢驗(yàn)，數(shù)據(jù)來(lái)源于Wind數(shù)據(jù)庫(kù)。

1.2 經(jīng)濟(jì)韌性的測(cè)度模型設(shè)計(jì)

在Martin（2012）[2]的模型的基礎(chǔ)上，后續(xù)研究對(duì)經(jīng)濟(jì)韌性的抵抗力指數(shù)進(jìn)行了修正，構(gòu)建區(qū)域經(jīng)濟(jì)韌性度表達(dá)式βL=(EL，t/EL，t-1)/(ΔEN，t/EN，t-1)，其中，Et設(shè)定為沖擊期的就業(yè)水平，Et-1設(shè)定為危機(jī)沖擊之前的就業(yè)水平，L和N依然分別表示區(qū)域?qū)用婧腿珖?guó)層面[3]。

由于就業(yè)水平指標(biāo)缺乏季度數(shù)據(jù)，因此本文使用GDP作為替換變量。在使用GDP進(jìn)行韌性測(cè)度的模型選擇方面，Lagravinese（2015）[4]也為了解決Martin（2012）[2]的模型中韌性標(biāo)尺與符號(hào)不一致的問(wèn)題，構(gòu)建了修正版模型：

其中，(ΔGDPt+k)預(yù)期表示按照全國(guó)平均增速所預(yù)期的區(qū)域經(jīng)濟(jì)水平，因此該修正模型中區(qū)域經(jīng)濟(jì)韌性β表示該區(qū)域在沖擊測(cè)度區(qū)間(t+k)中實(shí)際經(jīng)濟(jì)水平與按照全國(guó)平均增速所預(yù)期的經(jīng)濟(jì)水平的變動(dòng)比率，若β＞0，則該地區(qū)經(jīng)濟(jì)水平優(yōu)于沖擊期間的全國(guó)平均水平，表明該地區(qū)的經(jīng)濟(jì)韌性較為強(qiáng)勁。

根據(jù)以上單變量彈性評(píng)價(jià)系統(tǒng)修正模型，選擇GDP作為評(píng)價(jià)指標(biāo)，構(gòu)建中國(guó)省域經(jīng)濟(jì)韌性測(cè)度模型：

其中，resL表示省份L的區(qū)域經(jīng)濟(jì)韌性，表示區(qū)域L在沖擊發(fā)生初始點(diǎn)t的GDP，表示在沖擊周期(t+k)內(nèi)的全國(guó)范圍的經(jīng)濟(jì)增長(zhǎng)率，因此表示按照全國(guó)平均增速g所預(yù)期的區(qū)域L的GDP。區(qū)域?qū)嶋HGDP 增長(zhǎng)率和全國(guó)平均經(jīng)濟(jì)增長(zhǎng)率均為根據(jù)國(guó)家統(tǒng)計(jì)局所公布的季度GDP數(shù)據(jù)（該數(shù)據(jù)從Wind數(shù)據(jù)庫(kù)獲?。┻M(jìn)行計(jì)算得出。

1.3 經(jīng)濟(jì)韌性的shift-share分解

對(duì)于區(qū)域間經(jīng)濟(jì)韌性差異的內(nèi)在機(jī)制研究，可以使用shift-share 模型進(jìn)行份額分解。本文借鑒馮苑等（2020）[5]的分解方法對(duì)新冠肺炎疫情下省域經(jīng)濟(jì)韌性的結(jié)構(gòu)進(jìn)行拆分，進(jìn)而對(duì)區(qū)域經(jīng)濟(jì)韌性的質(zhì)量進(jìn)行評(píng)價(jià)。

當(dāng)考慮產(chǎn)業(yè)結(jié)構(gòu)對(duì)經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)度的差異后，區(qū)域經(jīng)濟(jì)韌性模型可以從式（2）改寫為式（3）：

更進(jìn)一步，將式（3）中的函數(shù)Ⅱ進(jìn)行變換可以得到式（4）：業(yè)的產(chǎn)出增長(zhǎng)率，而

將式（4）代入式（3）的函數(shù)I之中，并將代入后的函數(shù)I的分子進(jìn)行shift-share轉(zhuǎn)換，其表達(dá)式如下：

式（5）是區(qū)域經(jīng)濟(jì)韌性測(cè)度模型的分子部分經(jīng)過(guò)shift-share 轉(zhuǎn)換的結(jié)果，該式將區(qū)域經(jīng)濟(jì)韌性分解為產(chǎn)業(yè)分項(xiàng)和結(jié)構(gòu)性分項(xiàng)兩個(gè)部分，最終分解測(cè)度函數(shù)見式（6）:

一方面，結(jié)構(gòu)性分項(xiàng)表示此次風(fēng)險(xiǎn)沖擊對(duì)不同產(chǎn)業(yè)之間的影響幅度與不同產(chǎn)業(yè)在區(qū)域經(jīng)濟(jì)結(jié)構(gòu)中的權(quán)重的偏離程度，由于不同經(jīng)濟(jì)沖擊對(duì)不同產(chǎn)業(yè)的影響存在差異，因此結(jié)構(gòu)性分項(xiàng)占比較高的區(qū)域經(jīng)濟(jì)韌性會(huì)在面對(duì)不同外生沖擊時(shí)表現(xiàn)出較大的波動(dòng)程度，故結(jié)構(gòu)性分項(xiàng)是區(qū)域經(jīng)濟(jì)韌性的不穩(wěn)定因素；另一方面，產(chǎn)業(yè)分項(xiàng)表示風(fēng)險(xiǎn)沖擊過(guò)程中各個(gè)產(chǎn)業(yè)的實(shí)際增長(zhǎng)率相對(duì)于全國(guó)各產(chǎn)業(yè)平均增長(zhǎng)率的變動(dòng)量，由于產(chǎn)業(yè)產(chǎn)出增長(zhǎng)是經(jīng)濟(jì)增長(zhǎng)的基礎(chǔ)與保障，因此區(qū)域經(jīng)濟(jì)韌性中的產(chǎn)業(yè)分項(xiàng)是保持經(jīng)濟(jì)韌性持續(xù)強(qiáng)勁的關(guān)鍵。

1.4 經(jīng)濟(jì)韌性影響因素的指標(biāo)選取與研究方法

1.4.1 指標(biāo)選取

經(jīng)濟(jì)韌性是區(qū)域經(jīng)濟(jì)質(zhì)量在外生沖擊下的顯性表現(xiàn)，而已有研究表明，產(chǎn)業(yè)結(jié)構(gòu)、生產(chǎn)效率和要素集聚是經(jīng)濟(jì)質(zhì)量的有效支撐，并會(huì)對(duì)于經(jīng)濟(jì)韌性存在顯著影響。

第一，在“產(chǎn)業(yè)結(jié)構(gòu)類”的影響因素方面，本文選擇產(chǎn)業(yè)集中度與產(chǎn)業(yè)結(jié)構(gòu)升級(jí)作為區(qū)域經(jīng)濟(jì)韌性影響因素。其中,產(chǎn)業(yè)集中度普遍選擇區(qū)域經(jīng)濟(jì)密度（Density）作為衡量變量，采用地區(qū)生產(chǎn)總值（萬(wàn)元）與對(duì)應(yīng)地區(qū)的建設(shè)用地面積（平方公里）的比值來(lái)反映經(jīng)濟(jì)活動(dòng)在單位空間內(nèi)的集中程度；產(chǎn)業(yè)結(jié)構(gòu)升級(jí)普遍選擇使用空間向量測(cè)定法測(cè)度的Moore結(jié)構(gòu)系數(shù)（Moore）作為衡量變量[3]。

其中，Moore表示產(chǎn)業(yè)結(jié)構(gòu)升級(jí)系數(shù)；GDPi，t表示第t期第i產(chǎn)業(yè)的產(chǎn)出值。

第二，在“生產(chǎn)效率類”的影響因素方面，本文選擇全要素生產(chǎn)率和創(chuàng)新投入作為生產(chǎn)效率的代理變量。其中，對(duì)全要素生產(chǎn)率（TFPch）的測(cè)度使用Malmquist-Luenberger指數(shù)函數(shù)計(jì)算；創(chuàng)新投入普遍選擇R＆D投入作為其代理變量，因此本文選擇區(qū)域研發(fā)投入占GDP的比重作為創(chuàng)新投入（RD）的代理變量。

第三，在“要素集聚類”的影響因素方面，在新冠肺炎疫情沖擊期間,勞動(dòng)力要素受到限制，因此資本要素的集聚成為疫情沖擊下經(jīng)濟(jì)韌性的最重要影響因素[6]。由于金融與財(cái)政支出是占比最高的資本要素，因此本文選擇社會(huì)融資總額占GDP 的比重作為區(qū)域金融支持的代理變量（Fin），選擇地方財(cái)政支出占GDP 的比重作為區(qū)域財(cái)政支持的代理變量（Gov）。

1.4.2 研究方法

由于疫情影響具有空間相關(guān)性，因此若使用傳統(tǒng)線性回歸模型對(duì)其影響因素進(jìn)行分析將會(huì)導(dǎo)致檢驗(yàn)結(jié)果出現(xiàn)偏誤，但是由于本文選取的樣本期限過(guò)短而導(dǎo)致空間滯后及空間誤差模型均不具有顯著性，因此使用對(duì)樣本數(shù)量及假設(shè)條件要求相對(duì)較低的地理探測(cè)器模型（Geo Detector Model）進(jìn)行實(shí)證分析與檢驗(yàn)[7]。其計(jì)量模型如下：

其中，h表示被解釋變量的分層，h=1，2，…，L；N和Nh分別表示樣本總量與第h層的樣本數(shù)量，σ2和則分別表示樣本方差與第h層的樣本方差。因此SSW 則表示不同分層上的樣本方差之和，SST代表全部樣本的總方差。在式（8）中，q∈[0,1]為地理探測(cè)器模型的驅(qū)動(dòng)因子解釋力，q取值越接近1，表明該因子對(duì)被解釋變量（區(qū)域經(jīng)濟(jì)韌性）的影響力越強(qiáng)。

2 實(shí)證分析

2.1 經(jīng)濟(jì)韌性的測(cè)度結(jié)果分析

根據(jù)式（2）的單變量彈性評(píng)價(jià)系統(tǒng)模型對(duì)2020 年新冠肺炎疫情沖擊期（2020年第一季度至第二季度）的經(jīng)濟(jì)數(shù)據(jù)進(jìn)行測(cè)度，結(jié)果顯示（見表1）:中國(guó)大多數(shù)省份經(jīng)濟(jì)韌性指數(shù)為正，均能有效抵抗新冠肺炎疫情的沖擊，這也顯示了中國(guó)整體經(jīng)濟(jì)韌性較為強(qiáng)勁。將區(qū)域經(jīng)濟(jì)韌性按照東部、中部、西部地區(qū)省份的順序進(jìn)行排列后可以發(fā)現(xiàn)，由于新冠肺炎疫情主要暴發(fā)于中部與東部地區(qū)省份，因此西部地區(qū)省份整體表現(xiàn)出經(jīng)濟(jì)韌性較強(qiáng)。盡管東部地區(qū)省份遭受沖擊較大，但是其整體表現(xiàn)優(yōu)于中部地區(qū)。

表1 新冠肺炎疫情沖擊期內(nèi)的省域經(jīng)濟(jì)韌性測(cè)度表（2020年Q1—Q2）

根據(jù)中國(guó)疾控中心所統(tǒng)計(jì)的新冠肺炎疫情確診病例數(shù)據(jù)（截至2020年9月），疫情暴發(fā)最為嚴(yán)重的5個(gè)省份為湖北、廣東、河南、浙江與湖南，但其中僅有湖北韌性指數(shù)為負(fù)，另外韌性指數(shù)為負(fù)的省份還包含黑龍江、天津、海南、上海、內(nèi)蒙古、遼寧、新疆等省份。由此可知，新冠肺炎疫情在病理學(xué)層面的沖擊程度與經(jīng)濟(jì)層面的沖擊程度存在較大差異，因此需要剔除疫情在區(qū)域異質(zhì)性方面對(duì)經(jīng)濟(jì)韌性的干擾。更進(jìn)一步對(duì)經(jīng)濟(jì)韌性指數(shù)為負(fù)的8 個(gè)省份在經(jīng)濟(jì)復(fù)蘇期（2020年第四季度至2021年第四季度）的經(jīng)濟(jì)數(shù)據(jù)進(jìn)行測(cè)度，結(jié)果顯示僅湖北與海南兩個(gè)省份在復(fù)蘇期的經(jīng)濟(jì)韌性指數(shù)為正，其中湖北作為最早經(jīng)濟(jì)停擺也是病例數(shù)量最多的省份遭受的疫情沖擊最大，然而得益于中國(guó)迅速啟動(dòng)的疫情防控應(yīng)急機(jī)制與防治措施，湖北迅速?gòu)?fù)工復(fù)產(chǎn)，在疫情沖擊后經(jīng)濟(jì)迅速回升，表現(xiàn)出極大的經(jīng)濟(jì)韌性；海南作為第三產(chǎn)業(yè)占比極高的省份，新冠肺炎疫情對(duì)于旅游業(yè)的沖擊相對(duì)于其他產(chǎn)業(yè)更為嚴(yán)重，因此使得海南在沖擊期間顯示出經(jīng)濟(jì)韌性不足，但是在疫情之后放開國(guó)內(nèi)旅行而對(duì)國(guó)際旅行限制的背景下，海南第三產(chǎn)業(yè)出現(xiàn)爆發(fā)式增長(zhǎng)，反而在復(fù)蘇期間表現(xiàn)出極大的經(jīng)濟(jì)韌性。

以上實(shí)證結(jié)果顯示，在新冠肺炎疫情沖擊期中國(guó)經(jīng)濟(jì)整體韌性強(qiáng)勁的背景下，黑龍江、天津、上海、內(nèi)蒙古、遼寧、新疆這5個(gè)省份表現(xiàn)為經(jīng)濟(jì)缺乏韌性。然而新冠肺炎疫情對(duì)經(jīng)濟(jì)的沖擊不僅有區(qū)域異質(zhì)性，還有產(chǎn)業(yè)異質(zhì)性，即新冠肺炎疫情對(duì)第三產(chǎn)業(yè)的沖擊程度大于第二產(chǎn)業(yè)，而對(duì)第一產(chǎn)業(yè)的沖擊最小，這說(shuō)明不同地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)差異也會(huì)導(dǎo)致經(jīng)濟(jì)韌性的差別——例如A 省份的第三產(chǎn)業(yè)占比極高，B省份第一、二產(chǎn)業(yè)占比較高，在新冠肺炎疫情沖擊下,第三產(chǎn)業(yè)的下降幅度遠(yuǎn)大于第一、二產(chǎn)業(yè)，因此即使A省份第三產(chǎn)業(yè)的抵抗力強(qiáng)于B省份，但由于其占比較高而最終依然顯示A省份的經(jīng)濟(jì)韌性低于B省份。Martin等（2016）[8]在其研究中選擇就業(yè)水平作為測(cè)度指標(biāo)，由于勞動(dòng)力要素可以在不同產(chǎn)業(yè)之間進(jìn)行流動(dòng)，因此該模型不需要剔除產(chǎn)業(yè)結(jié)構(gòu)差異對(duì)經(jīng)濟(jì)韌性的影響。然而本文所選擇的測(cè)度指標(biāo)為GDP，由于不同地區(qū)之間產(chǎn)業(yè)結(jié)構(gòu)短期內(nèi)發(fā)生調(diào)整的可能性極低，因此需要剔除結(jié)構(gòu)性因素對(duì)經(jīng)濟(jì)韌性的干擾，進(jìn)而對(duì)經(jīng)濟(jì)韌性質(zhì)量進(jìn)行評(píng)價(jià)。

2.2 經(jīng)濟(jì)韌性的shift-share分解結(jié)果分析

根據(jù)式（6）的shift-share 分解模型對(duì)樣本數(shù)據(jù)進(jìn)行分解，將區(qū)域經(jīng)濟(jì)韌性的產(chǎn)業(yè)分項(xiàng)與結(jié)構(gòu)性分項(xiàng)的測(cè)度結(jié)果呈現(xiàn)于下頁(yè)表2。其中，在表1中區(qū)域經(jīng)濟(jì)缺乏韌性（經(jīng)濟(jì)韌性指數(shù)為負(fù)）的省份之中，在表2 里僅有上海的產(chǎn)業(yè)分項(xiàng)為正，這說(shuō)明上海作為科技經(jīng)濟(jì)金融中心，其第三產(chǎn)業(yè)占比較高，而由于新冠肺炎疫情對(duì)第三產(chǎn)業(yè)的負(fù)面影響大于其他產(chǎn)業(yè)，使得上海由于結(jié)構(gòu)性因素顯示為韌性缺乏；但是上海在沖擊過(guò)程中各產(chǎn)業(yè)的負(fù)向變化程度均顯著小于全國(guó)均值，體現(xiàn)為較高質(zhì)量的強(qiáng)勁經(jīng)濟(jì)韌性。但在其他經(jīng)濟(jì)韌性為負(fù)的省份之中，其產(chǎn)業(yè)分項(xiàng)也均為負(fù)數(shù)，因此需要按照上文所述剔除新冠肺炎疫情沖擊的區(qū)域異質(zhì)性因素對(duì)韌性結(jié)果的干擾，選擇經(jīng)濟(jì)復(fù)蘇期的樣本數(shù)據(jù)進(jìn)行分解測(cè)度，結(jié)果顯示，僅有湖北在復(fù)蘇期內(nèi)的產(chǎn)業(yè)分項(xiàng)為正，再次表明在韌性質(zhì)量視角下，湖北的經(jīng)濟(jì)韌性依然強(qiáng)勁；然而盡管海南在復(fù)蘇期內(nèi)的經(jīng)濟(jì)韌性指數(shù)為正，但是當(dāng)對(duì)其進(jìn)行分解后發(fā)現(xiàn)，無(wú)論是在疫情沖擊期還是在復(fù)蘇期，其產(chǎn)業(yè)分項(xiàng)均為負(fù)值，可以認(rèn)定為其經(jīng)濟(jì)韌性質(zhì)量較差。

表2 省域經(jīng)濟(jì)韌性與分解測(cè)度結(jié)果

在對(duì)經(jīng)濟(jì)韌性指數(shù)大于0 的省份進(jìn)行質(zhì)量評(píng)價(jià)時(shí)發(fā)現(xiàn)，河北、山西、山東、江蘇、吉林等省份的分解測(cè)度結(jié)果中，產(chǎn)業(yè)分項(xiàng)與經(jīng)濟(jì)韌性的符號(hào)不一致，這表明以上省份的經(jīng)濟(jì)韌性質(zhì)量較差，盡管在新冠肺炎疫情沖擊下，其整體經(jīng)濟(jì)波動(dòng)高于全國(guó)平均水平，但究其本質(zhì)是由于疫情沖擊程度較為劇烈的產(chǎn)業(yè)在該區(qū)域占比較低，其各個(gè)產(chǎn)業(yè)本身的負(fù)向變化程度小于全國(guó)均值，因此這種結(jié)構(gòu)性因素所帶來(lái)的經(jīng)濟(jì)韌性是質(zhì)量較差的。

基于以上分析，借鑒Briguglio 等（2009）[9]關(guān)于區(qū)域經(jīng)濟(jì)韌性的劃分原則，可以對(duì)新冠肺炎疫情沖擊下的各省份經(jīng)濟(jì)韌性進(jìn)行劃分，結(jié)果見表3。

表3 基于區(qū)域經(jīng)濟(jì)韌性及其質(zhì)量的省域分類

其中，19 個(gè)省份在新冠肺炎疫情沖擊下經(jīng)濟(jì)表現(xiàn)富有韌性，湖北和上海通過(guò)復(fù)蘇期及韌性質(zhì)量修正后，也被認(rèn)定為區(qū)域經(jīng)濟(jì)富有韌性，這19 個(gè)省份無(wú)論是在人口規(guī)模還是經(jīng)濟(jì)體量方面均占到全國(guó)絕大比重，因此可以認(rèn)定在新冠肺炎疫情沖擊期間全國(guó)整體經(jīng)濟(jì)韌性強(qiáng)勁。

然而與此同時(shí)，另外12個(gè)省份區(qū)域經(jīng)濟(jì)缺乏韌性，其中河北、山西等6個(gè)省份盡管整體經(jīng)濟(jì)在新冠肺炎疫情期間顯得富有韌性，但由于其經(jīng)濟(jì)韌性質(zhì)量較差、持續(xù)性較弱，因此被認(rèn)定為缺乏韌性；而天津、內(nèi)蒙古等6個(gè)省份在新冠肺炎疫情沖擊期間以及沖擊后的復(fù)蘇期間，無(wú)論是經(jīng)濟(jì)韌性本身還是韌性質(zhì)量都低于全國(guó)平均水平，因此被認(rèn)定為區(qū)域經(jīng)濟(jì)韌性不足。

2.3 經(jīng)濟(jì)韌性的影響因素分析

2.3.1 影響因素的解釋力測(cè)度

由于地理探測(cè)器模型要求探測(cè)因子（自變量）不能使用連續(xù)性變量，因此使用ArcGIS 自然斷點(diǎn)分級(jí)法對(duì)探測(cè)因子進(jìn)行五級(jí)分類，將轉(zhuǎn)置后的樣本數(shù)據(jù)使用GeoDetector 2015進(jìn)行解釋力指數(shù)檢驗(yàn)，結(jié)果見表4。

表4 區(qū)域經(jīng)濟(jì)韌性的影響因素解釋力測(cè)度結(jié)果

表4 的結(jié)果顯示，產(chǎn)業(yè)結(jié)構(gòu)、創(chuàng)新驅(qū)動(dòng)與資本支持均對(duì)經(jīng)濟(jì)韌性具有正向影響，其中，產(chǎn)業(yè)升級(jí)和全要素生產(chǎn)率對(duì)于區(qū)域經(jīng)濟(jì)韌性的正向驅(qū)動(dòng)作用具有較強(qiáng)的顯著性，全要素生產(chǎn)率的解釋力相對(duì)更強(qiáng)，所以在中國(guó)經(jīng)濟(jì)從高速增長(zhǎng)階段轉(zhuǎn)向高質(zhì)量發(fā)展階段之后，應(yīng)當(dāng)以TFP的提升來(lái)取代對(duì)GDP增加的追逐。另外，Moore結(jié)構(gòu)系數(shù)相較于產(chǎn)業(yè)集中度，無(wú)論是在影響因素解釋力還是在顯著性方面均表現(xiàn)更優(yōu)，這表明盡管產(chǎn)業(yè)集聚帶來(lái)的規(guī)模經(jīng)濟(jì)會(huì)帶來(lái)一定的經(jīng)濟(jì)優(yōu)勢(shì)，但更加重要的還是產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化與升級(jí)，這一點(diǎn)在選擇經(jīng)濟(jì)韌性中的產(chǎn)業(yè)分項(xiàng)作為被解釋變量時(shí)尤為明顯：當(dāng)剔除了結(jié)構(gòu)性因素干擾后，Moore結(jié)構(gòu)系數(shù)的解釋力極大提升（q統(tǒng)計(jì)量從0.3028提升至0.7440，通過(guò)1%水平上的顯著性檢驗(yàn)），這說(shuō)明產(chǎn)業(yè)升級(jí)是提升經(jīng)濟(jì)韌性的有力支撐。

與此同時(shí)，當(dāng)選擇產(chǎn)業(yè)分項(xiàng)作為被解釋變量時(shí)各探測(cè)因子解釋力的顯著性均有較大提升，這再一次表明了將產(chǎn)業(yè)分項(xiàng)作為經(jīng)濟(jì)韌性質(zhì)量評(píng)價(jià)指標(biāo)的有效性與合理性。其中，資本支持對(duì)于經(jīng)濟(jì)韌性質(zhì)量提升具有較顯著的正向影響，這說(shuō)明在當(dāng)前抗擊疫情、經(jīng)濟(jì)復(fù)蘇的過(guò)程中，中國(guó)的金融工具與財(cái)政工具起到了巨大的支撐作用。因此在疫情持續(xù)、經(jīng)濟(jì)低迷的當(dāng)前，應(yīng)該繼續(xù)加大信貸投放力度、擴(kuò)大財(cái)政支出規(guī)模，進(jìn)一步利用財(cái)政與金融工具增強(qiáng)對(duì)外生沖擊的抵抗力，提升與優(yōu)化區(qū)域經(jīng)濟(jì)韌性。然而無(wú)論是選擇整體經(jīng)濟(jì)韌性還是產(chǎn)業(yè)分項(xiàng)，創(chuàng)新投入的解釋力均不具有顯著性，這是因?yàn)榻?jīng)濟(jì)韌性主要體現(xiàn)的是在面對(duì)沖擊時(shí)的經(jīng)濟(jì)抵抗力，而創(chuàng)新投入更加關(guān)注的是長(zhǎng)期性產(chǎn)出，這種時(shí)滯效應(yīng)較難在外生沖擊時(shí)較快體現(xiàn)出較大的經(jīng)濟(jì)韌性。

2.3.2 影響因素的交互測(cè)度

盡管區(qū)域創(chuàng)新投入對(duì)于當(dāng)期經(jīng)濟(jì)韌性的解釋力不強(qiáng)，然而經(jīng)驗(yàn)表明創(chuàng)新投入越多的區(qū)域其產(chǎn)業(yè)升級(jí)水平相對(duì)越高，全要素生產(chǎn)率也表現(xiàn)為越高的增長(zhǎng)率，因此接下來(lái)還需要更加具體地檢驗(yàn)不同影響因素疊加之后對(duì)經(jīng)濟(jì)韌性質(zhì)量（產(chǎn)業(yè)分項(xiàng)）的影響效果。地理探測(cè)器模型中的因子交互探測(cè)模塊，其檢驗(yàn)方法是將兩個(gè)影響因子（A和B）的屬性進(jìn)行空間疊加并形成組合之后的新圖層。因此這個(gè)新圖層（因子組合項(xiàng)）的屬性由影響因子A 和B 共同決定，這樣就可以通過(guò)比較A和B在因子探測(cè)模型的影響力與新圖層的因子影響力的不同，來(lái)判斷兩個(gè)影響因子組合后的交互作用對(duì)于被解釋變量（區(qū)域經(jīng)濟(jì)韌性）的作用程度相對(duì)于單個(gè)影響因子（A 或B）的作用程度是更強(qiáng)化還是更弱化。若組合項(xiàng)的作用程度比兩個(gè)影響因子的獨(dú)立作用程度更低（即q(A∩B)＜min{q(A),q(B)}），則將該種交互作用結(jié)果表示為“非線性減弱”；若交互項(xiàng)的作用程度介于兩個(gè)影響因子獨(dú)立作用程度之間（即min{q(A), q(B)}＜q(A∩B)＜max{q(A),q(B)}），則將該種交互作用結(jié)果表示為“單因子非線性減弱”；若交互項(xiàng)的作用程度大于兩個(gè)影響因子獨(dú)立作用程度（即q(A∩B)＞max{q(A),q(B)}），則認(rèn)定該交互作用結(jié)果為“雙因子增強(qiáng)”；但若交互項(xiàng)的作用程度大于兩個(gè)影響因子獨(dú)立作用程度之和（即q(A∩B)＞q(A)+q(B)），則認(rèn)定該種情形下的交互作用為“非線性增強(qiáng)”。

使用經(jīng)濟(jì)韌性產(chǎn)業(yè)分項(xiàng)作為被解釋變量并將各影響因子進(jìn)行交互探測(cè)的結(jié)果（見表5）顯示，不同影響因素兩兩之間的交互作用都呈現(xiàn)了增強(qiáng)關(guān)系。其中，創(chuàng)新投入（RD）與產(chǎn)業(yè)結(jié)構(gòu)升級(jí)（Moore）和全要素生產(chǎn)率增長(zhǎng)率（TFPch）的交互項(xiàng)均表示為非線性增強(qiáng)，表明將創(chuàng)新投入較多的區(qū)域與產(chǎn)業(yè)結(jié)構(gòu)升級(jí)或全要素生產(chǎn)率增速較快的地區(qū)進(jìn)行疊加之后，對(duì)于區(qū)域經(jīng)濟(jì)韌性的解釋力極大提升。這也證實(shí)了前文的推斷：盡管創(chuàng)新投入對(duì)于經(jīng)濟(jì)韌性具有時(shí)滯效應(yīng)，但是創(chuàng)新投入較多的地區(qū)往往也表現(xiàn)出產(chǎn)業(yè)結(jié)構(gòu)升級(jí)與全要素生產(chǎn)率的增長(zhǎng)，而這些正是提高經(jīng)濟(jì)韌性的最有效支撐。與此同時(shí)，產(chǎn)業(yè)集聚（Density）與財(cái)政支持（Gov）的交互項(xiàng)也呈現(xiàn)“非線性增強(qiáng)特征，說(shuō)明在產(chǎn)業(yè)集聚地區(qū)增加財(cái)政支持力度對(duì)于經(jīng)濟(jì)韌性提升的驅(qū)動(dòng)效果更加明顯。盡管金融支持（Fin）和財(cái)政支持（Gov）的交互項(xiàng)的解釋力僅為雙因子增強(qiáng)，但是增強(qiáng)后的解釋力也接近90%，再一次表明在新冠肺炎疫情期間金融政策與財(cái)政支持是抵御外生沖擊、提升經(jīng)濟(jì)韌性極為有效的工具。

表5 對(duì)經(jīng)濟(jì)韌性產(chǎn)業(yè)分項(xiàng)的影響因素交互探測(cè)結(jié)果

3 結(jié)論

本文基于2020—2021 年的省級(jí)經(jīng)濟(jì)數(shù)據(jù)，采用單變量彈性評(píng)價(jià)系統(tǒng)模型對(duì)新冠肺炎疫情沖擊下的區(qū)域經(jīng)濟(jì)韌性進(jìn)行測(cè)度，并創(chuàng)造性地提出使用shift-share 分解模型對(duì)經(jīng)濟(jì)韌性進(jìn)行質(zhì)量評(píng)價(jià)。研究發(fā)現(xiàn)：面對(duì)新冠肺炎疫情沖擊時(shí)，中國(guó)大多數(shù)省份表現(xiàn)出較為強(qiáng)勁的經(jīng)濟(jì)韌性，其中，東部地區(qū)省份和西部地區(qū)省份的經(jīng)濟(jì)韌性表現(xiàn)優(yōu)于中部地區(qū)省份。在經(jīng)濟(jì)韌性測(cè)度與質(zhì)量評(píng)價(jià)基礎(chǔ)上，使用地理探測(cè)器模型從“產(chǎn)業(yè)結(jié)構(gòu)”“創(chuàng)新驅(qū)動(dòng)”和“資本支持”三個(gè)維度研究區(qū)域經(jīng)濟(jì)韌性的影響因素，實(shí)證研究表明當(dāng)前金融支持與財(cái)政支持對(duì)于新冠肺炎疫情沖擊下的經(jīng)濟(jì)抵抗力提升具有顯著正向效果，而產(chǎn)業(yè)升級(jí)和全要素生產(chǎn)率的提升也是提升區(qū)域經(jīng)濟(jì)韌性的最有利支撐。