摘 要：本文基于2012—2022年蘇州市的面板數(shù)據(jù)，采用熵值法和面板固定效應(yīng)回歸模型進行分析。結(jié)果顯示，數(shù)實融合顯著促進了蘇州制造業(yè)的產(chǎn)業(yè)升級，區(qū)域經(jīng)濟韌性起到中介作用。政府調(diào)控、科研教育投入和產(chǎn)業(yè)結(jié)構(gòu)的改善對數(shù)實融合與產(chǎn)業(yè)升級之間的關(guān)系具有顯著的調(diào)節(jié)效應(yīng)。據(jù)此，本文提出相應(yīng)建議：促進數(shù)字經(jīng)濟與實體經(jīng)濟的深度融合，增強區(qū)域經(jīng)濟韌性，并建立健全相關(guān)市場制度和法律體系，以確保產(chǎn)業(yè)升級的順利進行，僅供參考。

關(guān)鍵詞：數(shù)字經(jīng)濟與實體經(jīng)濟的融合；制造業(yè)產(chǎn)業(yè)發(fā)展；區(qū)域經(jīng)濟韌性；科教投入

中圖分類號：F127；F121.3 文獻標(biāo)識碼：A 文章編號：2096-0298（2025）02（b）--05

1 研究內(nèi)容

中國經(jīng)濟數(shù)字化新模式的發(fā)展，傳統(tǒng)制造業(yè)向數(shù)字化轉(zhuǎn)型的趨勢是大勢所趨。作為世界第一制造業(yè)大國，中國制造在轉(zhuǎn)型過程中對技術(shù)進步和經(jīng)濟環(huán)境有著重要影響。新時代以來，傳統(tǒng)制造業(yè)拉動經(jīng)濟增長的趨勢正在放緩。制造業(yè)產(chǎn)業(yè)發(fā)展成為經(jīng)濟新常態(tài)背景下解決經(jīng)濟增長的主要方式。數(shù)字經(jīng)濟與實體經(jīng)濟融合（以下簡稱數(shù)實融合），能夠為制造業(yè)產(chǎn)業(yè)發(fā)展提供要素支持。同時，工業(yè)5.0背景，為制造業(yè)的產(chǎn)業(yè)升級提供了發(fā)展框架和方向，也提出新的挑戰(zhàn)和問題。本文基于中國蘇州市的制造業(yè)現(xiàn)況，旨在探討數(shù)實融合對制造業(yè)的影響路徑，區(qū)域經(jīng)濟韌性在其中的作用。

根據(jù)國家統(tǒng)計局的《2023數(shù)字中國發(fā)展報告》，中國數(shù)字經(jīng)濟規(guī)模增長持續(xù)提升，2023年數(shù)字經(jīng)濟核心產(chǎn)業(yè)增加值估計超過12萬億元，占GDP比重10%左右；高技術(shù)制造業(yè)中，計算機、通信和其他電子設(shè)備制造業(yè)投資同比增長9.3%，增速比全部固定資產(chǎn)投資高6.3%，中國的制造業(yè)數(shù)字化轉(zhuǎn)型持續(xù)深化。數(shù)字經(jīng)濟轉(zhuǎn)型正在積極推進，中國數(shù)字經(jīng)濟發(fā)展水平有望不斷提升，與各行各業(yè)深度融合，推動中國制造業(yè)產(chǎn)業(yè)發(fā)展。

2 研究綜述

2.1 數(shù)字經(jīng)濟與實體經(jīng)濟的融合

已有研究表明，數(shù)字實體融合對高質(zhì)量經(jīng)濟發(fā)展具有顯著的直接和間接促進作用，且不同地區(qū)和經(jīng)濟發(fā)展水平存在顯著異質(zhì)性。

部分研究通過對數(shù)字經(jīng)濟發(fā)展程度的測算，從產(chǎn)業(yè)結(jié)構(gòu)合理化和升級角度評價了產(chǎn)業(yè)升級水平，并構(gòu)建了計量模型來驗證數(shù)字經(jīng)濟對帶動產(chǎn)業(yè)升級的貢獻。

在兩種經(jīng)濟的融合研究中，通過使用數(shù)字經(jīng)濟在實體經(jīng)濟中的占比來衡量兩者的整合程度，發(fā)現(xiàn)數(shù)字經(jīng)濟與實體經(jīng)濟的整合發(fā)展系統(tǒng)通過創(chuàng)新增長模式、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、提升制造能力和拓展應(yīng)用領(lǐng)域，顯著提升了經(jīng)濟發(fā)展的質(zhì)量和效益。

同時，在數(shù)實融合測度研究中，主要集中于行業(yè)層面，Meng（2023）采用投入產(chǎn)出法測算了中國工業(yè)部門各行業(yè)數(shù)實融合程度。他們的研究揭示了不同工業(yè)部門之間數(shù)字經(jīng)濟與實體經(jīng)濟融合水平的差異[1]。

Fei（2024）基于已有研究，根據(jù)耦合協(xié)調(diào)度構(gòu)建了中國現(xiàn)有的數(shù)字經(jīng)濟與實體經(jīng)濟融合體系，并基于此評價了中國不同地區(qū)和省份的融合發(fā)展水平的現(xiàn)狀[2]。

2.2 制造業(yè)產(chǎn)業(yè)發(fā)展影響因素

Cheng（2024）以京津冀地區(qū)為研究對象，實證分析了數(shù)字經(jīng)濟發(fā)展水平能夠推動制造業(yè)升級水平，此外，外商直接投資、經(jīng)濟發(fā)展、行業(yè)規(guī)模以及科技投入等因素也能促進京津冀地區(qū)制造業(yè)整體的升級[3]。

Tanina Anna（2022）論證了數(shù)字化技術(shù)對俄羅斯的制造業(yè)水平與經(jīng)濟效應(yīng)的影響，通過實證研究發(fā)現(xiàn)數(shù)字化技術(shù)對俄羅斯制造業(yè)升級的影響最為顯著[4]。Wu（2023）分析了數(shù)字經(jīng)濟與三大類制造業(yè)（勞動密集型、資本密集型、技術(shù)密集型）融合對碳排放的影響機制，并實證檢驗了數(shù)字經(jīng)濟與三大制造業(yè)融合的影響機制，驗證了數(shù)字經(jīng)濟與技術(shù)密集型制造業(yè)的深度融合有助于促進碳減排[5]。

2.3 區(qū)域經(jīng)濟韌性

在數(shù)字經(jīng)濟與區(qū)域經(jīng)濟韌性的相關(guān)研究中，Cao（2024）論證了數(shù)字經(jīng)濟通過促進創(chuàng)新和創(chuàng)業(yè)活動及提升社會安全水平，間接增強了城市經(jīng)濟韌性，并在模型中表現(xiàn)為中介效應(yīng)[6]。Silvia（2017）以意大利為研究對象，論證了產(chǎn)業(yè)間的相關(guān)性、不同產(chǎn)業(yè)所依賴的知識和技術(shù)類型的多樣性、產(chǎn)業(yè)結(jié)構(gòu)、創(chuàng)新能力對區(qū)域經(jīng)濟韌性的影響[7]。Guo（2023）的研究揭露了數(shù)字化程度對區(qū)域經(jīng)濟韌性的影響，數(shù)字化對城市經(jīng)濟韌性的積極影響主要通過提高區(qū)域勞動力素質(zhì)和全要素生產(chǎn)率來實現(xiàn)，隨著人口密度的增加，數(shù)字化程度與經(jīng)濟韌性之間呈現(xiàn)倒U型關(guān)系[8]。Wang（2018）采用阻力敏感度、工業(yè)用地面積、區(qū)域經(jīng)濟聯(lián)系等阻力指標(biāo)評價TLB工業(yè)經(jīng)濟在2008年金融危機和2018年中美貿(mào)易沖突期間的抵抗能力。引入阻力敏感性和自主創(chuàng)新能力來評估兩輪沖擊后的恢復(fù)能力，并基于熵權(quán)法評估綜合經(jīng)濟韌性[9]。

2.4 綜述總結(jié)

本文在已有研究的基礎(chǔ)上進行創(chuàng)新，希望為理論研究和實證分析提供新的參考。蘇州是中國制造業(yè)的代表性城市，本文以蘇州市為研究區(qū)域，探究數(shù)實融合對蘇州制造業(yè)產(chǎn)業(yè)升級的影響機制，同時采用熵值法進行耦合協(xié)調(diào)調(diào)度評估，以滿足實證結(jié)果的穩(wěn)定性和可靠性。文章引入多種調(diào)節(jié)變量，對數(shù)實融合對制造業(yè)產(chǎn)業(yè)升級的影響路徑進行探索。

3 研究設(shè)計

3.1 數(shù)據(jù)來源

本文采用2012—2022年蘇州統(tǒng)計年鑒的面板數(shù)據(jù)，探討數(shù)字經(jīng)濟與實體經(jīng)濟融合對蘇州制造業(yè)升級的復(fù)雜影響。通過手動整理，利用插值法補充部分缺失數(shù)據(jù)，相關(guān)地區(qū)經(jīng)濟指標(biāo)來源于國家統(tǒng)計局與統(tǒng)計年鑒、省市級統(tǒng)計年鑒。

3.2 變量解釋與描述

3.2.1 解釋變量定義：數(shù)字經(jīng)濟與實體經(jīng)濟融合的測度

數(shù)字經(jīng)濟與實體經(jīng)濟的融合（數(shù)實融合）是本文的核心解釋變量，其測度需兼顧多維指標(biāo)與動態(tài)交互性。我們采用了熵值法，這是一種基于信息熵原理的客觀賦權(quán)方法，能夠有效評估各指標(biāo)的權(quán)重。

具體而言，我們從數(shù)字基礎(chǔ)設(shè)施、數(shù)字化制造、數(shù)字金融服務(wù)和數(shù)據(jù)要素驅(qū)動四個方面構(gòu)建了數(shù)字經(jīng)濟的指標(biāo)體系。在數(shù)實融合的測度體系構(gòu)建中。本文參考Sun（2024）的貢獻，采用熵值法評估數(shù)字經(jīng)濟與實體經(jīng)濟的發(fā)展階段[10]。熵值法在對制造業(yè)升級系統(tǒng)各指標(biāo)賦權(quán)后，計算出綜合發(fā)展指數(shù)。

如表1所示（數(shù)字經(jīng)濟amp;實體經(jīng)濟）：具體而言，數(shù)字經(jīng)濟子系統(tǒng)的指標(biāo)涵蓋數(shù)字基礎(chǔ)設(shè)施（21.28%）、數(shù)字化制造（54.1%）和數(shù)字金融服務(wù)數(shù)據(jù)要素驅(qū)動（24.61%）。其中，數(shù)字化制造的高權(quán)重（54.1%）反映了蘇州作為制造業(yè)強市的特征，其智能制造平臺、工業(yè)互聯(lián)網(wǎng)應(yīng)用及數(shù)字化生產(chǎn)流程的滲透率對融合程度具有決定性影響。

實體經(jīng)濟的測度則聚焦農(nóng)業(yè)（8.21%）、工業(yè)（23.7%）、建筑業(yè)（16.12%）、運輸郵政電信業(yè)（13.37%）、批發(fā)零售業(yè)（15.01%）和住宿餐飲業(yè)（14.7%）。工業(yè)占比最高，符合蘇州以制造業(yè)為核心的產(chǎn)業(yè)結(jié)構(gòu)特征。

數(shù)字經(jīng)濟與實體經(jīng)濟相互作用的量化可通過以下公式實現(xiàn)：

式（1）中：Ctde表示t時期數(shù)實融合程度，utd表示t時期經(jīng)濟發(fā)展水平，ute表示同一時間跨度內(nèi)實體經(jīng)濟發(fā)展水平?；诠剑?），本文構(gòu)建了數(shù)字經(jīng)濟與實體經(jīng)濟的耦合評價模型：

式（2）中：Srtde變量表示t時期數(shù)實融合程度，Ttds表示數(shù)字經(jīng)濟和實體經(jīng)濟的綜合水平，α和β是反映數(shù)字經(jīng)濟和實體經(jīng)濟重要性的系數(shù)。值得注意的是，約束α+β=1確保重要性分配均衡。融合值（標(biāo)記為Sr）介于0和1之間，量化了數(shù)字經(jīng)濟和實體經(jīng)濟之間的相互作用。該范圍內(nèi)的數(shù)實融合程度與此數(shù)值成正比。

通過耦合協(xié)調(diào)度模型（公式1-2）計算數(shù)實融合值（Sr），其范圍在0～1之間，數(shù)值越高表明融合程度越深。例如，2022年蘇州市Sr值為1.423，較2012年的1.415僅小幅提升，反映出融合進程已進入平穩(wěn)期，需通過結(jié)構(gòu)性改革突破瓶頸。

3.2.2 被解釋變量：制造業(yè)產(chǎn)業(yè)發(fā)展水平

本文借鑒Liu（2021）等的研究成果，同樣采用熵值法對變量制造業(yè)升級評估指標(biāo)賦權(quán)方法進行客觀指標(biāo)賦權(quán)計算[11]。具體表現(xiàn)如表1所示（制造業(yè)產(chǎn)業(yè)發(fā)展水平）。制造業(yè)產(chǎn)業(yè)發(fā)展水平的測度采用智能化（27.85%）、服務(wù)化（22.35%）、網(wǎng)絡(luò)化（20.36%）和環(huán)?；?9.43%）四大維度。智能化權(quán)重最高，體現(xiàn)了蘇州制造業(yè)向“智造”轉(zhuǎn)型的戰(zhàn)略導(dǎo)向，如蘇州工業(yè)園區(qū)內(nèi)規(guī)上企業(yè)智能化改造覆蓋率已達92%。服務(wù)化指標(biāo)則通過生產(chǎn)性服務(wù)業(yè)占比衡量，2022年蘇州制造業(yè)服務(wù)化收入占比提升至18.6%，但仍低于發(fā)達國家30%的平均水平，表明服務(wù)化潛力尚未充分釋放。環(huán)保指標(biāo)權(quán)重為負向（-29.43%），表明碳排放強度、單位產(chǎn)值能耗等逆指標(biāo)對綜合指數(shù)產(chǎn)生抑制作用。例如，蘇州2022年制造業(yè)碳排放強度同比下降7.3%，但鋼鐵、化工等高耗能行業(yè)仍占工業(yè)總能耗的65%，環(huán)?；D(zhuǎn)型壓力顯著。

3.2.3 中介變量

本文選取區(qū)域經(jīng)濟韌性作為中介變量，結(jié)合我國經(jīng)濟發(fā)展特點，選擇多種指標(biāo)建立綜合指標(biāo)體系，從多個維度評價區(qū)域內(nèi)經(jīng)濟韌性。本文參考張遼（2023）等關(guān)于區(qū)域經(jīng)濟韌性系統(tǒng)的研究[12]。從抵抗與恢復(fù)能力、適應(yīng)與調(diào)節(jié)能力和轉(zhuǎn)型與發(fā)展能力三個維度構(gòu)建多維指標(biāo)體系，并采用熵值法計算得到城市經(jīng)濟韌性綜合指數(shù)。

具體數(shù)據(jù)參考表1區(qū)域（經(jīng)濟韌性）。其中，抵抗與恢復(fù)能力包括地區(qū)生產(chǎn)總值增長率、固定資產(chǎn)投資增長率等，權(quán)重為26.5%；適應(yīng)與調(diào)節(jié)能力涵蓋產(chǎn)業(yè)結(jié)構(gòu)調(diào)整速度、勞動力市場靈活性等，權(quán)重為35.89%；創(chuàng)新與轉(zhuǎn)型能力則涉及專利申請數(shù)、高新技術(shù)企業(yè)數(shù)等，權(quán)重為37.62%。這些指標(biāo)綜合反映了蘇州地區(qū)經(jīng)濟在面對各種挑戰(zhàn)時的適應(yīng)性和創(chuàng)新能力。

3.2.4 調(diào)節(jié)變量

為了進一步探討數(shù)字經(jīng)濟與實體經(jīng)濟融合對制造業(yè)產(chǎn)業(yè)發(fā)展的影響路徑，本文引入多個調(diào)節(jié)變量。政府調(diào)控：本文以蘇州市地方財政支出占地區(qū)GDP的比重作為政府調(diào)控程度的替代指標(biāo)，記為Govt，以蘇州市地方財政支出占地區(qū)GDP的比重作為替代指標(biāo)，反映了政府在經(jīng)濟發(fā)展中的干預(yù)程度。產(chǎn)業(yè)結(jié)構(gòu)：采用第二產(chǎn)業(yè)和第三產(chǎn)業(yè)產(chǎn)值比重作為產(chǎn)業(yè)結(jié)構(gòu)的指標(biāo)，反映了蘇州產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化程度，記為Indt?？茖W(xué)教育投入：科教投入是指科教支出占地方公共預(yù)算支出的比重，反映一個城市的創(chuàng)新活力。加強科教投入可以優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，促進經(jīng)濟增長，提高城市的經(jīng)濟韌性，記為SciEdt。

3.3 模型構(gòu)建與分析

3.3.1 描述性統(tǒng)計

在回歸分析之前，對2012—2022年蘇州市統(tǒng)計數(shù)據(jù)進行分析，各變量統(tǒng)計結(jié)果如下：數(shù)字經(jīng)濟與實體經(jīng)濟融合的平均值為1.419，方差僅為0.002，表明其數(shù)值較為穩(wěn)定，波動極小。最大值為1.423，最小值為1.415，兩者相差甚微，整體數(shù)值集中在1.415～1.423，反映出數(shù)字經(jīng)濟與實體經(jīng)濟融合程度在樣本中表現(xiàn)較為一致，差異不大。

制造業(yè)產(chǎn)業(yè)發(fā)展的平均值為0.985，方差為0.008，同樣顯示出較小的波動性。最大值0.992與最小值0.966之間的差距也不大，說明制造業(yè)產(chǎn)業(yè)發(fā)展在樣本中的表現(xiàn)相對穩(wěn)定，各觀測值之間的差異有限，整體發(fā)展水平較為均衡。政府調(diào)控變量的平均值為1.062，方差0.061，相較于前兩個變量，其波動有所增大。最大值1.122與最小值0.932之間的差距為0.19，反映出政府調(diào)控在不同情況或時期存在一定差異，但整體仍處于相對合理的波動范圍內(nèi)。產(chǎn)業(yè)結(jié)構(gòu)變量的平均值高達308.355，方差達到152.651，波動幅度顯著。最大值551.419與最小值101.885之間差距巨大，表明產(chǎn)業(yè)結(jié)構(gòu)在樣本中存在極大的差異，不同地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)或不同產(chǎn)業(yè)之間的結(jié)構(gòu)差異明顯，部分樣本的產(chǎn)業(yè)結(jié)構(gòu)數(shù)值遠高于其他樣本，導(dǎo)致整體分布較為分散?？蒲薪逃度胱兞科骄禐?.236，方差0.02，波動相對穩(wěn)定。最大值0.266與最小值0.209之間的差距較小，說明科研教育投入在樣本中的表現(xiàn)較為一致，各觀測值之間的差異不大，整體投入水平較為均衡。區(qū)域經(jīng)濟韌性變量的平均值0.679，方差0.042，波動處于中等水平。最大值0.734與最小值0.626之間的差距為0.108，反映出區(qū)域經(jīng)濟韌性在不同區(qū)域或不同情況下的表現(xiàn)存在一定差異，但整體仍處于相對集中的范圍內(nèi)，各區(qū)域的經(jīng)濟韌性水平有一定波動，但差異不是特別極端。

3.3.2 回歸模型構(gòu)建

本文使用面板固定效應(yīng)回歸模型對數(shù)字經(jīng)濟和實體經(jīng)濟融合對制造業(yè)產(chǎn)業(yè)發(fā)展的影響進行實證檢驗，構(gòu)建如下回歸方程模型：

Iut=α1+α2Srtde+α3Govt+α4Indt+α5SciEdt+α6Regiont（3）

式（3）中：t表示年份；Iut表示蘇州市制造業(yè)的產(chǎn)業(yè)升級水平；Srtde表示數(shù)實融合程度；Govt表示政府調(diào)控；Indt表示產(chǎn)業(yè)結(jié)構(gòu)；SciEdt表示科研教育投入；Regiont表示區(qū)域經(jīng)濟韌性。系數(shù)值α2表示數(shù)字經(jīng)濟和實體經(jīng)濟融合對制造業(yè)產(chǎn)業(yè)發(fā)展的影響程度，如果該系數(shù)值大于0，表示數(shù)字經(jīng)濟和實體經(jīng)濟融合有利于提升制造業(yè)產(chǎn)業(yè)發(fā)展水平。

4 實證結(jié)果分析

4.1 基準回歸結(jié)果

回歸結(jié)果如表2所示，數(shù)實融合有利于制造業(yè)產(chǎn)業(yè)發(fā)展水平的提升，這不是制造業(yè)企業(yè)的生產(chǎn)模式的升級，而是對全產(chǎn)業(yè)鏈的智能化、服務(wù)化、網(wǎng)絡(luò)化、可持續(xù)化的協(xié)同升級。其中，政府調(diào)控（P=0.023*）產(chǎn)業(yè)結(jié)構(gòu)（P=0.015*）、科研教育投入（P=0.003**）的調(diào)節(jié)效應(yīng)表現(xiàn)為顯著，說明此類變量數(shù)實融合有助于制造業(yè)產(chǎn)業(yè)發(fā)展水平的提升。最終回歸方程模型的調(diào)整R2=0.967，P=0.002，DW=2.061符合標(biāo)準。最終回歸方程模型為：

Iut=166.754+140.292rtde+4.696Govt-42.7Indt+28.518 SciEdt-2.219Regiont（4）

4.2 中介效應(yīng)回歸結(jié)果

采用Bootstrap對區(qū)域經(jīng)濟韌性的中介效應(yīng)進行檢測，在此過程中，直接效應(yīng)為13.205，中介效應(yīng)值為-80.333，總效應(yīng)為-67.128，95% Boot CI為-1.277—0.001，95%區(qū)間并不包括數(shù)字0，說明區(qū)域經(jīng)濟韌性在數(shù)實融合影響制造業(yè)產(chǎn)業(yè)發(fā)展的關(guān)系中具有中介效應(yīng)。

5 結(jié)語

5.1 結(jié)論與建議

本文基于2012—2022年蘇州市制造業(yè)的面板數(shù)據(jù)，理論分析與實證檢驗相結(jié)合，驗證了數(shù)實融合對蘇州制造業(yè)的產(chǎn)業(yè)升級水平的影響路徑，并得出以下啟示：數(shù)實融合能夠顯著提升蘇州制造業(yè)的產(chǎn)業(yè)升級水平，在數(shù)實融合對制造業(yè)產(chǎn)業(yè)發(fā)展的過程中，政府調(diào)控、科技教育投入和產(chǎn)業(yè)結(jié)構(gòu)改善的調(diào)節(jié)作用必不可少。區(qū)域經(jīng)濟韌性是數(shù)實融合與制造業(yè)產(chǎn)業(yè)發(fā)展之間的重要中介因素。

促進數(shù)字經(jīng)濟與實際經(jīng)濟的融合程度，這對制造業(yè)升級來說至關(guān)重要。隨著蘇州的數(shù)據(jù)中心和基站在內(nèi)的數(shù)字基礎(chǔ)設(shè)施的完善，合理的管理和布局可以提高效率并降低數(shù)字經(jīng)濟的成本。同時，提升人力資本等資源的新質(zhì)生產(chǎn)力要素的應(yīng)用，能夠有效提升相關(guān)產(chǎn)業(yè)的升級速度。此外，規(guī)范市場制度和完善法律制度，是數(shù)字經(jīng)濟與實體經(jīng)濟融合的重要保障，也是提升區(qū)域經(jīng)濟韌性的重要措施。

5.2 研究不足與展望

本文具有一定的局限性，受限于蘇州市的城市特殊性和樣本容量限制，所采用的橫截面數(shù)據(jù)不夠全面，并未考慮不同區(qū)域的異質(zhì)性，未來可以擴大研究范圍。針對數(shù)字經(jīng)濟與實體經(jīng)濟融合的測度只從宏觀層面進行，未來可以更加深入探索數(shù)實融合對個別企業(yè)的直接影響。

參考文獻

Meng S， Su H， Yu J. Digital Transformation and Corporate Social Performance： How Do Board Independence and Institutional Ownership Matter？ [J]. Frontiers in Psychology， 2022， 13.

Qian F. Coupling Coordination and Dynamic Analysis of the Integration and Development of Digital Economy and Real Economy [J]. Academic Journal of Business amp;amp; Management， 2024， 6（6）.

Cheng J， Wang Q. Research on the Influence of Digital Economy on the Upgrading of Manufacturing Industry in Beijing-Tianjin-Hebei Region of China [C]//Proceedings of the 3rd International Conference on Big Data Economy and Digital Management， BDEDM 2024， January 12-14， 2024， Ningbo， China. EAI， 2024.

Anna T， Marina I， Grigory K， et al. Model of State Support for The Digital Transformation of The Manufacturing Industry in Russian Regions [J]. International Journal of Technology， 2022， 13（7）： 1538.

Wu T， Peng Z， Yi Y， et al. The synergistic effect of digital economy and manufacturing structure upgrading on carbon emissions reduction： Evidence from China [J]. Environmental Science and Pollution Research， 2023， 30（37）： 87981-87997.

Cao L， Pan N， Lu Y， et al. Digital Innovation and Urban Resilience： Lessons from the Yangtze River Delta Region[J]. Journal of the Knowledge Economy， 2024.

Sedita S R， De Noni I， Pilotti L. Out of the crisis： an empirical investigation of place-specific determinants of economic resilience [J]. European Planning Studies， 2016， 25（2）： 155-180.

Tian Y， Guo L. Digital development and the improvement of urban economic resilience： Evidence from China [J]. Heliyon， 2023， 9（10）： e21087.

Wang Y， Xu J， Liu D， et al. Analysis and Comparison of the Industrial Economic Resilience in the Taihu Lake Basin under the 2008 Financial Crisis and the 2018 Sino-US Trade War [J]. Land， 2023， 12（2）： 481.

Sun G， Fang J， Li J， et al. Research on the impact of the integration of digital economy and real economy on enterprise green innovation [J]. Technological Forecasting and Social Change， 2024， 200： 123097.

Liu E， Wang Y， Chen W， et al. Evaluating the transformation of China’s resource-based cities： An integrated sequential weight and TOPSIS approach [J]. Socio-Economic Planning Sciences， 2021， 77： 101022.

張遼， 姚蕾. 數(shù)字技術(shù)創(chuàng)新對城市經(jīng)濟韌性的影響研究： 來自中國278個地級及以上城市的經(jīng)驗證據(jù)[J].管理學(xué)刊.2023，36 （5）：38-59.