黃河流域城市經濟韌性的時空分異及其驅動因素

梁靜波，李倩倩

（1.信陽師范大學 商學院，河南 信陽 464000；2.江蘇大學 財經學院，江蘇 鎮江 212013）

0 引言

黃河流域在我國經濟社會發展中具有重要地位。2019 年，黃河流域生態保護和高質量發展被確定為重大國家戰略。而在當前國內外日趨復雜的環境中，黃河流域發展面臨重大挑戰。經濟韌性作為反映區域發展質量的重要指標，能較好地體現區域經濟高質量發展的新訴求［1］，因此提高黃河流域城市經濟韌性成為黃河流域實現高質量發展的重要途徑。但黃河流域內部結構失衡、水資源短缺、生態環境脆弱、資源依賴嚴重、經濟發展不充分等問題突出，一直阻礙著黃河流域的轉型發展，尤其以資源為支撐的第二產業占比高，使得黃河流域經濟發展易陷入產業結構低端、單一的鎖定路徑，造成流域內城市經濟韌性較差。同時黃河流域橫跨我國東中西三大板塊，流域內城市發展條件、功能定位、資源環境承載約束等存在明顯差異，使得各城市面對外部沖擊時的反應程度有所不同，從而經濟韌性表現出明顯差異，這勢必會加劇黃河流域經濟高質量發展的非均衡性。換言之，黃河流域要想實現經濟高質量協同提升和可持續發展，就要求流域內各城市均有良好的經濟韌性基礎。因此，本文基于黃河流域城市經濟發展面臨的現實問題，考察黃河流域城市經濟韌性的時空分異特征，并對其驅動因素進行分析，以期推動黃河流域城市經濟韌性協同提升、促進黃河流域高質量均衡發展。

1 文獻綜述

經濟韌性的評價。對城市經濟韌性進行科學合理的測度是開展研究的重要基礎?，F有研究中，經濟韌性評價方法主要有單要素指標法和綜合指標法。單要素指標法是選取一個能直觀反映經濟韌性高低的變量進行衡量，如就業率［2-4］、失業率［5，6］、GDP增長率［7-12］等。這種單要素評價方法要求所選指標對外部沖擊敏感且能夠反映區域經濟韌性的絕大部分信息［13］，對指標的選擇要求較高。然而不同經濟體在發育程度、與外部聯系和內部結構等方面存在明顯差異，使得其面對危機的反應程度不同，單一指標或無法準確反映各個經濟體的經濟韌性。綜合指標法可從多個角度構建指標體系對城市經濟韌性進行評價，能在一定程度上彌補單一指標的不足，從而被眾多學者采納。如Wang 等從經濟表現、公共觀點、公共衛生、區域疫情管理和疫區人口信息5 個維度構建指標體系對中國286 個城市的經濟韌性進行測度［14］；Man等從多樣性、收支相關能力、創新環境、發展趨勢、開放性5 個社會經濟方面構建中國東北37 個城市的經濟韌性評價體系［15］。

經濟韌性的空間分異。眾多學者已從不同層面證實我國經濟韌性存在明顯空間分布特征［16-19］。李連剛等對黃河流域91 個地級市經濟韌性的進行研究發現，山東、山西南部和河南北部地區的城市經濟韌性較低，陜西、寧夏和青海東部地區的城市經濟韌性較高［20］。此外，個別學者進一步對經濟韌性的空間差異及來源進行了探究。如黃杰等利用Dagum基尼系數對我國八大城市群經濟韌性的空間差異及來源進行探究發現，中國八大城市群經濟韌性的總體差異呈下降趨勢，城市群間差異是主要差異來源［21］。

經濟韌性的影響因素。當前，國內外學者廣泛探討了政策和制度環境［22］、社會資本和人力資本［23，24］、產業結構［4，25-29］、創新能力［30，31］、區位優勢［32］、人口集聚［33］、文化［34］等因素對經濟韌性的影響。如Kitsos等研究決定英國經濟韌性高低的因素認為，具有良好初始經濟條件、產業多樣化以及較強創新精神的地區其經濟韌性越強［35］。丁建軍等對中國連片特困區經濟韌性的影響因素分析發現，地理區位、人均固定資產投資等因素對連片特困區經濟韌性存在顯著影響［36］。黃若鵬等研究黃河流域中下游地區40 個城市經濟韌性的影響因素發現，政府行政力、第三產業比重對經濟韌性產生負效應，市場力對地區經濟韌性具有顯著正效應［37］。此外，也要學者對經濟韌性空間分異的驅動因素展開研究。如Di Caro研究發現意大利經濟韌性區域差異主要是經濟多樣性、貿易開放、金融約束、人力資本和社會資本等因素差異導致［24］；陳作任等發現東莞市樟木頭和常平鎮經濟韌性產生差異的主要原因在于地方制度、技術變革、經濟結構和勞動力結構等因素的不同［38］。

綜上可見，近年來國內外對有關經濟韌性的研究日趨完善，尤其對于我國經濟韌性的研究逐漸增多，且研究角度也呈多樣化趨勢，但仍存在以下尚需補充的地方：①在經濟韌性研究尺度方面，鮮有學者考察流域層面上的經濟韌性，對黃河流域沿線省份內城市的研究更是少數。黃河流域作為中國重要的經濟區域，當前重要發展戰略是實現高質量發展，黃河流域城市經濟韌性時空分異研究對其高質量均衡發展具有重大影響，值得深入探索。②在經濟韌性空間差異研究方面，運用泰爾指數方法研究經濟韌性的空間差異無法衡量樣本間交叉重疊問題，并要求所考察樣本必須滿足正態分布。Dagum基尼系數及其分解方法可以有效彌補這兩項缺點，但尚未有學者采用此方法研究黃河流域城市經濟韌性的空間差異。③對于經濟韌性影響因素的研究，多數學者關注的仍是影響因子對經濟韌性的抑制或促進作用，并未關注造成經濟韌性時空分異的驅動因素，對黃河流域城市經濟韌性時空分異驅動因素的研究更為稀少。

2 研究區域概況、研究方法與數據來源

2.1 研究區域概況

黃河流域在空間上包括黃河流經的青海、甘肅、四川、陜西、內蒙古、寧夏、山西、河南和山東9 個?。ㄗ灾螀^）。參考孫久文等的研究［39］，并考慮數據可獲得性，最終確定包括青海、甘肅、陜西、內蒙古、寧夏、山西、河南以及山東8 個?。ㄗ灾螀^）內的78 個地級市為本文研究對象。此外，借鑒秧玉潔等研究中對黃河流域的地區劃分方法［40］，并結合《黃河年鑒》分別以內蒙古河口鎮和河南省桃花峪作為上中游和中下游分界線，將黃河流域劃分為上、中、下游（圖1）。其中上游地區包括：西寧、蘭州、嘉峪關、金昌、白銀、武威、張掖、酒泉、定西、隴南、呼和浩特、包頭、鄂爾多斯、巴彥淖爾、烏蘭察布、烏海和寧夏自治區各市。中游地區包括：天水、平涼、慶陽，三門峽、洛陽、焦作、陜西省各市和山西省各市。下游地區包括：鄭州、開封、平頂山、安陽、鶴壁、新鄉、濮陽、許昌、漯河、南陽、商丘、信陽、周口、駐馬店以及山東省各市。

圖1 黃河流域研究區位Figure 1 Research Location of the Yellow River Basin

2.2 經濟韌性指標體系

城市經濟韌性主要指一個城市經濟系統在遭受外部沖擊之后，其經濟恢復、調整和創造新增長路徑的能力。參考已有研究［36，41-44］，從抵抗與恢復能力、適應與調整能力、創新與轉型能力3 個維度構建黃河流域城市經濟韌性評價指標體系（表1）。具體來說，抵抗與恢復能力主要包括人均GDP、城鎮居民人均可支配收入、城鎮登記失業人口占比、HHI指數（赫芬達爾-赫希曼指數）和外貿依存度，分別反映城市的經濟發展水平、居民風險抵抗能力、就業體系抵抗能力、產業結構多樣化和外貿依存度。其中，失業人口占比、HHI指數和外貿依存度為負向指標。HHI指數以三次產業占比的平方和表示，外貿依存度采用進出口總額占GDP 的比重衡量。因單位不同，將以美元為單位的進出口總額指標按每年平均匯率折算成人民幣。適應與調整能力由人均財政支出、財政自給水平、固定資產投資占GDP比重、人均社會消費品零售額和金融機構存款余額占GDP 比重構成，分別反映政府資源調配能力、政策扶持力度、城市投資規模、市場規模大小和城市金融發展水平，均為正向指標。其中，財政自給水平用財政收入與財政支出的比值衡量。創新與轉型能力由教育事業費占財政支出比重、產業高級化、每萬人專利授權量、科學技術支出占財政支出比重和每萬人在校大學生數構成，分別反映政府教育投入水平、產業結構優化程度、科研投入力度、技術創新能力和城市人力資本水平。

表1 黃河流域城市經濟韌性綜合評價指標體系Table 1 Comprehensive evaluation index system for urban economic resilience in the Yellow River Basin

2.3 研究方法

熵值法。熵值法是依據每個指標她據所包含信息量的具體情況客觀地確定每個指標的權重大小，而信息量是由指標數據的相對變化程度決定的。指標數據相對變化越大，則指標信息效用價值越大，在評價中重要性越強，權重也就越大，反之權重越?。?5，46］。對比主觀賦權法，熵值法能夠避免人為賦權導致的權重偏差問題［47］。而對比其他客觀賦權法，熵值法不僅解決了指標體系復合指標間信息交叉、疊加等問題，而且可以克服因異常值導致的權重偏離正常區間的局限［48，49］?；诖?，本文采用傳統熵值法對2005—2020 年黃河流域78 個城市的經濟韌性進行測算。由于各指標的量綱不同，因此采用極差標準化法對每年原始數據進行標準化處理，具體計算公式為：

探索性空間數據分析（ESDA）方法。該方法主要包括全局空間自相關和局部空間自相關。根據Tobler提出的地理學第一定律，任何事物之間都是相關的，并且距離的不同其空間上的相關性也不同［50］。因此，本文依據空間鄰接矩陣，利用Stata16軟件探討黃河流域城市經濟韌性的空間集聚性。

全局空間自相關通常用全局Moran's I 指數測算，用以表示在空間上處于鄰近位置的某一屬性值的相似程度，可反映空間序列數據整體集聚情況，計算公式為：

式中：n為城市個數；i和j為區域內不相同的城市；xi、xj分別為i、j 城市經濟韌性值；為黃河流域全部城市經濟韌性的平均值；wij為空間鄰接矩陣，若i城市和j 城市相鄰，則wij為1，若不相鄰，則wij為0；I的取值范圍是［-1，1］，I ＞0 表示具有空間正相關，具有集聚效應，I ＜0 表示空間負相關，存在擴散效應。

通常采用標準化統計量Z 值對Moran's I 指數進行檢驗，計算公式為：

式中：E（I）為Moran's I 的數學期望；Var（I）為方差；Z（I）為Moran's I 的顯著性。當Z（I）＞0 且顯著時，呈正空間自相關；當Z（I）＜0 且顯著時，呈負空間自相關。

局部空間自相關為進一步明確黃河流域范圍內高水平和低水平經濟韌性城市空間集聚的具體位置，本文利用局部Moran's I指數識別，計算公式為：

式中：Ii為第i個城市的局部Moran's I指數值；在Moran's I 指數顯著的情況下，根據Moran's I 指數的顯著性和Z 檢驗結果可得到4 種集聚關系：若Moran's I和Z（I）均大于0，此時呈“高—高”集聚，研究城市與相鄰城市經濟韌性均為高水平；若Moran's I 大于0 但Z（I）小于0，此時為“低—高”集聚，研究城市經濟韌性為低水平，相鄰城市經濟韌性為高水平；若Moran's I 和Z（I）均小于0，此時為“低—低”集聚，研究城市和相鄰城市的經濟韌性均為低水平；若Moran's I小于0 但Z（I）大于0，此時為“高—低”集聚，研究城市經濟韌性為高水平，相鄰城市經濟韌性為低水平。

Dagum基尼系數?，F有文獻主要采用傳統基尼系數、變異系數和泰爾指數等方法對空間差異進行分析。傳統基尼系數和變異系數只能對區域差異進行簡單描述而不能對其來源進行分解，泰爾指數雖能對差異來源進行分解，卻無法衡量樣本間交叉重疊問題，同時還要求所考察樣本必須滿足正態分布［51］。而Dagum基尼系數及其分解方法在衡量空間差異時既不要求樣本滿足正態分布，又能對空間差異來源進行分解［24］?；诖?，為探究黃河流域城市經濟韌性的空間差異及其來源，本文依據Dagum提出的基尼系數及其按子群分解觀點［52］，測量黃河流域城市經濟韌性空間差異和來源?；嵯禂礕計算公式為：

式中：yji、yhr為j、h地區內城市的經濟韌性；表示78 個城市的經濟韌性均值；k 為劃分的地區個數；n為城市個數；nj、nh為j、h 地區內的城市個數；G是總體基尼系數；j、h為劃分的不同地區；i、r為地區內不同城市。

Dagum將總體基尼系數G 分解為區域內差異貢獻Gw、區域間差異貢獻Gnb、超變密度貢獻Gt，且滿足G ＝Gw＋Gnb＋Gt，計算公式為：

式中：Gjj為j地區基尼系數；Gjh為j和h 地區的區域間基尼系數；Pj＝nj／n，Sj＝nji／n，j ＝1，2，…，k；Djh為j和h地區間經濟韌性的相對影響；djh為區域間經濟韌性差值，表示j和h地區中所有yji-yhr＞0樣本加總的數學期望；Pjh為超變一階矩，表示j 和h地區中所有yhr-yji＞0 樣本加總的數學期望；Fj、Fh表示地區j、h累積密度分布函數。

地理探測器。該方法是探測空間分異性，并能揭示其背后驅動因素的一種統計方法，已被廣泛應用于經濟增長、人口老齡化、城鎮化等經濟社會領域［53-57］。與傳統的統計方法相比，地理探測器具有對自變量間的共線性免疫的優點［58］，其不僅可以探析出各因素的驅動作用大小，還可以對因素間的交互作用進行分析［59］。鑒于此，本文采用地理探測器中的因子探測和交互作用探測考察黃河流域城市經濟韌性時空分異的驅動因素及驅動因素間的交互作用。因子探測用于探測因子對因變量空間分異的解釋程度，是通過引入決定力指標值來探究黃河流域城市經濟韌性時空分異驅動因素的解釋力大小，計算公式為：

式中：q是驅動因素的解釋力，l ＝1，2，…，L 為分類的數目；Nl和N 分別為層l 和全區樣本個數；和σ2分別為層l 和全區的方差。q 取值范圍為［0，1］，q值越大說明驅動因素對黃河流域城市經濟韌性時空分異的解釋力越高。

交互作用探測是評估兩個因子共同作用時對因變量的解釋力是否高于或低于單個因子的解釋力，亦或這些因子對因變量的影響是彼此獨立的。評估的方法是通過比較單因素Xj和Xp及兩者疊加后的q值，即比較q（Xj）、q（Xp）和q（Xj∩Xp）的大小，進而判斷因素Xj和Xp交互作用的類型，并評估這種交互作用是否會增強或減弱對黃河流域城市經濟韌性時空分異的解釋程度。若表示為q（Xj∩Xp）＜min（q（Xj），q（Xp）），則兩因子間的交互作用為非線性減弱；若表示為min（q（Xj），q（Xp））＜q（Xj∩Xp）＜max（q（Xj），q（Xp）），則為單因子非線性減弱；若max（q（Xj），q（Xp））＜q（Xj∩Xp）＜q（Xj）＋q（Xp），則交互作用是雙因子增強；若q（Xj∩Xp）＝q（Xj）＋q（Xp），則Xj和Xp相互獨立；若q（Xj∩Xp）＞q（Xj）＋q（Xp），則是非線性增強。

2.4 數據來源

在確定樣本期時，由于2005 年之前年份的地級市數值缺失比較嚴重，為保證研究結果的可靠性，故本文研究期間確定為2005—2020 年。所用數據主要來源于2006—2021 年《中國城市統計年鑒》和各省的省級統計年鑒、地級市統計年鑒，部分數據來源于國家相關部門年度統計公報、各地市國民經濟和社會發展統計公報和政府工作報告等，個別缺失數據根據具體情況使用均值法或插值法補全。為使指標可比，全部指標均采用比例數據。

3 時空分異特征及分析

3.1 時間分布特征

2005—2020 年黃河流域整體及上中下游地區的城市經濟韌性結果如圖2 所示。從城市經濟韌性水平值來看，下游地區城市經濟韌性最高，且高于黃河流域整體城市經濟韌性均值；上游地區和中游地區的城市經濟韌性較低，且低于黃河流域整體城市經濟韌性均值。從演變趨勢上看，2005—2020 年間黃河流域整體及上中下游地區的城市經濟韌性均呈波動上升態勢。具體來說，黃河流域整體城市經濟韌性均值由2005 年0.234 4 波動上升到2020 年0.319 6，年均增幅為2.09%。三大地區中，下游和中游地區城市經濟韌性增速較快，其城市經濟韌性增速高于黃河流域整體城市經濟韌性提升速度，城市經濟韌性均值分別由2005 年0.2614 和0.200 6快速上升到2020 年0.369 7 和0.280 7，年均增幅分別為2.34%和2.27%。上游地區城市經濟韌性增速較慢，且低于黃河流域整體城市經濟韌性增速，其城市經濟韌性均值由2005 年0.239 3 快速上升到2020 年0.298 0，年均增幅僅1.47%?？傮w來看，黃河流域城市經濟韌性在樣本期內提升明顯，但同時流域內城市經濟韌性不平衡問題也逐漸凸顯，下游地區城市經濟韌性較高且提升速度也較快，這將導致與其他地區間差距擴大，不利于黃河流域城市經濟韌性協同發展。

圖2 2005—2020 年黃河流域城市經濟韌性變化Figure 2 Changes of urban economic resilience in the Yellow River Basin，2005 -2020

3.2 空間分布特征

本文選取2005 年、2010 年、2015 年及2020 年4個時間點，借助ArcGIS軟件中的自然間斷點分級法將黃河流域78 個城市經濟韌性分為低值、較低值、較高值和高值四級，并將其可視化表達（圖3）。2005 年，黃河流域低、較低、較高、高經濟韌性類型的城市分別為36、28、10、4 個，低經濟韌性和較低經濟韌性城市占比最高，分別占46.15%和36.00%。高經濟韌性類型的城市分別為太原市、呼和浩特市、濟南市和東營市。2010 年，低、較低、較高、高經濟韌性類型的城市分別有31、24、10、13 個。相較2005 年，低和較低經濟韌性城市數量減少，較高經濟韌性城市類型數量沒有變化、高經濟韌性城市數量增加，其中巴彥淖爾市和金昌市由較低經濟韌性城市變成低經濟韌性城市。2015年，低、較低、較高、高經濟韌性類型的城市分別有34、25、11、8 個，低經濟韌性城市數量最多，占比43.59%。相較2010 年，低和較低經濟韌性城市數量增加，同時較高經濟韌性城市數量也有所增加，高經濟韌性城市數量有所減少，包頭市、鄂爾多斯市、淄博市、東營市、煙臺市由高經濟韌性城市變為較高經濟韌性城市。2020 年，低、較低、較高、高經濟韌性類型的城市分別有31、30、11、6 個，低經濟韌性城市最多，占比39.74%。相較2015 年，低和高經濟韌性城市數量減少，較低經濟韌性城市數量增加，較高經濟韌性城市數量沒有變化。

圖3 2005、2010、2015、2020 年黃河流域城市經濟韌性空間分布Figure 3 Spatial distribution of urban economic resilience in the Yellow River Basin in 2005，2010，2015 and 2020

2005 年、2010 年、2015 年和2020 年省會城市中太原市、呼和浩特市和濟南市一直為高經濟韌性城市；鄭州市和西安市2010 年由較高經濟韌性城市轉為高韌性城市并一直處于高經濟韌性城市狀態，而蘭州市在2010 年轉為高經濟韌性城市后又在2020 年變為原來的較高經濟韌性城市；西寧市則僅有2010 年轉為較高經濟韌性城市，其他年份均為較低經濟韌性城市；銀川市在4 個年份中較為穩定，一直為較高經濟韌性城市?？傮w而言，黃河流域城市經濟韌性在空間分布上具有顯著差異性，高經濟韌性和較高經濟韌性的城市主要集中為省會城市及其周邊地區的城市，如太原、呼和浩特、濟南、鄭州、蘭州等，且大體位于黃河下游地區；低和較低經濟韌性城市范圍最大，主要集中在蘭西城市群和關中城市群周圍，大體位于黃河中上游地區，呈片狀分布。

3.3 空間集聚特征

通過全局Moran's I 指數測算黃河流域城市經濟韌性的空間相關性特征（表2）。

表2 黃河流域城市經濟韌性全局Moran's I指數值Table 2 Global Moran's I index values of urban economic resilience in the Yellow River Basin

由表2 可知，樣本期內黃河流域城市經濟韌性Moran's I指數均通過了5%的顯著性檢驗。從靜態角度看，2005—2020 年Moran's I 指數均為正值，表明黃河流域城市經濟韌性存在正空間自相關性，即經濟韌性水平接近的城市在空間上呈現出集聚趨勢，經濟韌性高的城市之間相鄰，經濟韌性低的城市之間相鄰。從動態角度看，黃河流域城市經濟韌性的Moran's I指數在經歷兩輪“上升—下降”趨勢后呈持續增長狀態。具體來說，Moran's I指數值先由2005年的0.174 短暫上升到2006 年的0.214 后開始下降，到2008 年Moran's I 指數值下降到0.171，2009 年轉呈上升趨勢，到2011 年Moran's I 指數值上升到0.223，此后再次出現下降趨勢，Moran's I指數值降至2016 年最小值0.136，隨后呈快速上升趨勢。綜合以上分析可以看出，黃河流域城市經濟韌性經歷了多次“集中—分散”的演變趨勢，但最終呈集聚趨勢，且總體上集聚趨勢增強?？赡茉蛟谟邳S河流域城市經濟韌性提升過程中，空間位置上的鄰近為要素、信息、產業等的相互流動和共享提供了便利，經濟韌性高的城市可以對周邊城市起到“示范效應”，從而使城市經濟韌性接近城市在空間上形成集聚。

為進一步了解2005—2020 年黃河流域城市經濟韌性的局部空間相關性，運用局部Moran's I 指數，通過Stata16 軟件形成2005、2010、2015 和2020年Moran's I散點圖（圖4），以識別局部空間上的高低集聚現象。由圖4 可知，4 個年份中“高—高”集聚區和“低—低”集聚區的城市數量最多，其次是“低—高”集聚區，“高—低”集聚區城市數量最少。具體來說，黃河流域經濟韌性分布在“高—高”集聚區的城市主要有濟南、青島、威海、煙臺、東營、日照、呼和浩特和包頭。這些城市在空間位置上鄰近，可以發揮濟南、青島、呼和浩特等大城市的“涓滴效應”助推經濟增長，并通過深化跨區域的聯動發展，完善跨區域協同治理格局，形成區域內高水平的城市經濟韌性。城市經濟韌性“低—低”集聚區的城市主要有固原、天水、平涼、南陽、周口和駐馬店。這些城市經濟基礎薄弱，同時在區位、交通和資源等方面不具備明顯優勢，形成城市經濟韌性發展的“洼地”。城市經濟韌性“高—低”集聚區城市如蘭州、西安和太原等“虹吸效應”大于“輻射效應”，致使周邊城市經濟韌性提升較為緩慢，形成了“低—高”集聚區。

圖4 黃河流域78 個城市莫蘭散點圖Figure 4 Moran scatter map of 78 cities in the Yellow River Basin

4 空間差異特征及分析

4.1 總體差異及趨勢

黃河流域城市經濟韌性的總體差異大小及其演變趨勢如圖5 所示。

圖5 2005—2020 年黃河流域城市經濟韌性的總體差異Figure 5 Overall difference in economic resilience of cities in the Yellow River Basin，2002 -2020

從水平值看，樣本考察期內黃河流域城市經濟韌性的總體差異介于0.186 2—0.298 9 之間，表明黃河流域城市經濟韌性存在顯著的空間差異。從演變趨勢看，樣本期內黃河流域城市經濟韌性總體差異明顯呈波動下降趨勢。具體而言，黃河流域城市經濟韌性的總體差異由2005 年樣本期內最大值0.298 9下降到2008 年的0.244 6，年均下降6.47%；在經歷短暫的下降后，2009 年黃河流域城市經濟的總體空間差異開始上升，其差異值到2015年上升到0.2607，年均增長0.92%；此后黃河流域城市經濟韌性的總體空間差異再次出現下降趨勢，到2020 年差異值下降為0.186 2，達到樣本期內最小?？傮w來說，黃河流域城市經濟韌性的總體空間差異相比考察初期有所下降，總體差異明顯縮小。

4.2 區域內差異及趨勢

黃河流域城市經濟韌性的區域內差異大小及其演變趨勢如圖6 所示。從水平值看，上游地區城市經濟韌性的區域內差異最大，其差異均值為0.261 6，地區內部城市經濟韌性不均衡現象明顯；其次是下游地區城市韌性的區域內差異，其差異均值為0.258 7；中游地區城市韌性的區域內差異最小，其差異均值僅為0.200 3。從演變趨勢看，樣本考察期內上游、中游和下游地區城市經濟韌性的區域內差異均呈縮小趨勢，其中下游地區城市經濟韌性的區域內差異下降速度最快，其差異值由2005 年0.322 8下降到2020 年0.150 1，年均下降4.98%。上游地區的區域內差異下降速度次之，其差異值由2005 年的0.299 6 下降到2020 年的0.188 7，年均降幅為3.04%。中游地區的區域內差異下降速度在三個地區內最慢，其差異值由2005 年的0.232 1下降到2020 年的0.171 4，年均降幅僅為2.00%。綜合以上分析可以看出，各地區內城市經濟韌性差異均在縮小，這有助于地區內城市經濟韌性的協同提升。

圖6 2005—2020 年黃河流域各地區的區域內差異Figure 6 Regional differences within different regions in the Yellow River Basin，2005 -2020

4.3 區域間差異及趨勢

黃河流域城市經濟韌性的區域間差異大小及其演變趨勢如圖7 所示。從水平值上看，上游和下游地區之間的城市經濟韌性差異最大，其差異均值為0.269 0；其次是中游和下游地區之間的城市經濟韌性差異，差異均值0.254 1；而上游和中游地區之間的差異最小，其差異均值為0.248 6。從演變趨勢看，三大地區間城市經濟韌性差異均呈下降趨勢，其中，上游和下游地區之間城市經濟韌性差異下降速度最快，其差異值由2005 年的0.316 0 下降到2020年的0.196 1，年均下降3.13%。上游和中游地區間的城市經濟韌性差異下降較慢，其差異值由2005年的0.288 4 下降到2020 年的0.185 9，年均約下降2.89%。中游和下游地區之間城市經濟韌性差異下降最慢，其差異值由2005 年的0.302 5 下降到2020 年的0.206 4，年均下降2.52%。綜合以上分析可以看出，下游地區憑借較強的經濟韌性與上游和中游地區拉開差距，導致其區域間差異較大。雖然其區域間差異呈下降趨勢，但仍需關注下游地區與其他地區間的經濟韌性差異。

圖7 2005—2020 年黃河流域城市經濟韌性的區域間差異Figure 7 Regional differences of urban economic resilience in the Yellow River Basin，2005 -2020

4.4 空間差異來源及貢獻

黃河流域城市經濟韌性空間差異來源的結果如表3 所示。

表3 黃河流域城市經濟韌性的空間差異來源Table 3 The sources of spatial differences in urban economic resilience in the Yellow River Basin

從水平值看，樣本期內超變密度對總體差異的年均貢獻率為46.91%，對黃河流域城市經濟韌性的總體差異貢獻最大；區域內差異和區域間差異對總體差異的年均貢獻率分別為32.68%和20.41%，差異貢獻相對較小。從演變趨勢來看，區域內差異和超變密度對總體差異的貢獻率均表現出波動下降趨勢，其差異貢獻率分別由2005 年的33.19%和46.85%降至2020 年的30.33%和34.60%，年均降幅分別為0.60%和2.00%。區域間差異貢獻率則表現出上升趨勢，其差異貢獻率由2005 年的19.96%升至2020 年的35.07%，年均上升3.83%；由此可見，盡管超變密度是黃河流域城市經濟韌性空間差異的主要來源，但其貢獻率有所下降，而區域間差異較快的增長速度是今后黃河流域城市經濟韌性協同提升的重點。

5 驅動因素及分析

鑒于城市經濟韌性指標體系中各指標均是評價黃河流域城市經濟韌性的重要組成部分，各指標發展差異會對黃河流域城市經濟韌性時空分異產生影響。因此本部分將指標體系中人均GDP（X1）、城鎮居民人均可支配收入（X2）、失業人口占比（X3）、HHI指數（X4）、外貿依存度（X5）、人均財政支出（X6）、財政自給水平（X7）、固定資產投資占GDP比重（X8）、人均社會消費品零售總額（X9）、金融機構存款余額占GDP 比重（X10）、教育事業費支出占比（X11）、產業高級化（X12）、科學技術支出占比（X13）、每萬人專利授權量（X14）和每萬人大學生數（X15）15個指標作為驅動因子，借助地理探測器模型對黃河流域整體及上中下游地區城市經濟韌性時空分異的驅動因素進行研究。利用地理探測器進行探測時，需要將這些指標的數值變量轉換為類型量。本文利用ArcGIS軟件中的自然間斷點分類法進行離散化處理，使其轉換為類型量，并將離散化后的指標作為自變量，將城市經濟韌性值作為因變量，導入地理探測器模型中并運行。

5.1 因子探測分析

由表4 可知，從總體層面來看，各個因素解釋力從高到低的排序依次為：人均社會消費品零售總額（0.783 1）＞每萬人專利授權量（0.736 6）＞每萬人大學生數（0.661 8）＞財政自給水平（0.653 5）＞城鎮居民人均可支配收入（0.586 4）＞產業高級化（0.563 9）＞人均GDP（0.542 6）＞科學技術支出占比（0.526 5）＞HHI 指數（0.471 2）＞外貿依存度（0.376 3）＞失業人口占比（0.244 1）＞金融機構存款余額占GDP 比重（0.149 4）＞固定資產投資占GDP比重（0.073 0）＞人均財政支出（0.051 3）＞教育事業費支出占比（0.042 7）。解釋力位居前四位的因素分別為人均社會消費品零售總額、每萬人專利授權量、每萬人大學生數和財政自給水平，其值均高于0.6，固定資產投資占GDP比重、人均財政支出和教育事業費占財政支出比重的解釋力不足0.1，且這3 個因素對城市經濟韌性空間分異的影響并不顯著，這表明市場規模差異、城市技術創新能力差異、人力資本水平差異和政府政策扶持力度差異對黃河流域城市經濟韌性空間分異的驅動作用較大，而城市投資規模差異、政府資源調配能力差異和教育投入水平差異在現階段并不是導致黃河流域城市經濟韌性空間分異的主要因素。

表4 黃河流域城市經濟韌性空間分異的驅動因素Table 4 Driving factors for spatial differentiation of urban economic resilience in the Yellow River Basin

分地區來看，導致城市經濟韌性存在差異的主導因素各不相同。對于上游地區來說，人均社會消費品零售總額、每萬人大學生數和城鎮居民人均可支配收入的驅動力最大；對于中游地區，人均社會消費品零售總額、每萬人專利授權量和每萬人大學生數是主要驅動因素；對于下游地區而言，驅動因素排名前三的分別為每萬人專利授權量、人均GDP和人均社會消費品零售總額。固定資產投資占GDP 比重、人均財政支出、教育事業費占財政支出比重和失業人口占比差異對上中下游地區城市經濟韌性空間分異的影響均較低。綜合以上分析來看，市場規模差異均是黃河城市經濟韌性空間分異的關鍵驅動因素，因此，各地區在增強城市經濟韌性的過程中應重點關注市場規模方面的差異，以促進黃河流域城市經濟韌性的協同發展。

5.2 交互探測分析

在考察單因素對黃河流域整體城市經濟韌性空間分異的影響強度后，進一步使用地理探測器的交互探測功能對黃河流域整體城市經濟韌性時空分異驅動因素的疊加效應進行定量分析，探究各驅動因素間的交互作用并識別其交互作用類型。由圖8 可知，黃河流域整體層面上，人均社會消費品零售總額、每萬人專利授權量和每萬人大學生數的交互作用對黃河流域整體城市經濟韌性時空分異有著重要影響。上游地區中，固定資產投資占GDP比重與金融機構存貸款余額占GDP比重、每萬人在校大學生數的交互作用均達到0.9 以上，分別躍居第1 和第2 位，這表明即使是單個驅動作用較弱的因素與其他因素交互后其驅動作用也有所增強。中游地區中，科學技術支出占比與其他因子交互作用較為明顯，在前十的交互關系中占有6 項，且其與HHI 指數的交互作用居于首位，對中游地區城市經濟韌性時空分異的解釋力最強。下游地區中，每萬人專利授權量與其他因子間的交互作用的解釋力較強，在排名前10 的因子中占有7 項，對下游地區城市經濟韌性時空分異具有比較重要的影響。此外，無論是黃河流域整體還是各地區內，任何兩個驅動因素的交互作用均會增強單一因素對城市經濟韌性時空分異的解釋力，表現為非線性增強或雙因子增強，表明黃河流域城市經濟韌性時空分異是多個因素共同作用的結果。

圖8 黃河流域及各地區驅動因素間的交互作用Figure 8 Interaction between driving factors in the Yellow River Basin and various regions

6 結論與政策建議

6.1 結論

本文以黃河流域78 個地級市為研究對象，以2005—2020 年為樣本期，構建了城市經濟韌性評價指標體系，使用熵值法計算得到黃河流域各城市的經濟韌性水平值，分析了其時空分異特征，最后通過地理探測器模型探究了時空分異產生的驅動因素。主要結論如下：①從整體層面看，2005—2020 年黃河流域78 個地級市中，除呼和浩特、包頭、濟南、淄博和東營5 個城市經濟韌性有所下降外，其他城市經濟韌性均呈上升趨勢，且駐馬店、周口、商丘等城市經濟韌性增長勢頭強盛。流域內城市經濟韌性的極化趨勢有所減弱，但仍存在較多低經濟韌性的城市。從地區層面看，上中下游地區城市經濟韌性均呈波動上升態勢，但其發展速度不均衡，下游和中游地區城市經濟韌性增速較快，上游地區城市經濟韌性增速較慢。從分維度看，樣本期內創新與轉型能力在各地區均具有較強的表現力，強于另外兩個維度的表現情況。此外，3 個維度在時間演變趨勢上也各不相同，抵抗與恢復能力、創新與轉型能力均呈上升趨勢，但適應與調整能力則呈先降后升的趨勢。②在空間分布上，黃河流域高經濟韌性和較高經濟韌性城市主要為太原、呼和浩特、濟南、鄭州、蘭州等省會及周邊城市，在空間位置上大多位于黃河下游地區；低和較低經濟韌性城市的空間分布范圍最大，主要集中在蘭西城市群和關中城市群周圍，位置上多位于黃河中上游地區。在空間集聚上，黃河流域城市經濟韌性經歷多次“集中—分散”趨勢后最終呈集聚趨勢，且主要為“高—高”集聚和“低—低”集聚。在空間差異上，黃河流域城市經濟韌性總體差異呈波動下降趨勢，超變密度是主要差異來源，但貢獻率呈下降趨勢。區域內差異貢獻率次之，區域間差異貢獻率最小，但在樣本期內呈上升趨勢。③在黃河流域整體層面上，人均社會消費品零售總額、每萬人專利授權量、每萬人大學生數、財政自給水平、城鎮居民人均可支配收入5 個因素在整個樣本期內均具有較強的驅動作用。產業高級化和科學技術支出占比的驅動作用逐漸增強。在各地區層面上，黃河流域上游和中游地區城市經濟韌性時空分異主要受人均社會消費品零售總額因素差異的影響，下游地區城市經濟韌性時空分異主要受每萬人專利授權量因素差異的影響。無論是黃河流域整體還是上中下游地區，任何兩個驅動因素的交互作用均會增強單一因素對黃河流域整體城市經濟韌性時空分異的解釋力。

6.2 政策建議

為促進黃河流域城市經濟韌性水平協同提升，實現流域高質量和可持續發展，本文基于研究結論提出以下建議：

第一，因地制宜，實施差異化提升策略。黃河流域上游地區生態環境脆弱，要在生態保護的前提下提升城市經濟韌性，因此可利用生態功能區這一優勢，在流域內積極開展生態產品和生態服務價值核算，制定包含水源、生態固碳、森林地票、生態旅游、特色農產品等在內的獨具地區特色的生態產品清單，并與市場交易相結合，從而將產品的生態價值有效轉化為經濟價值，切實促進上游經濟發展，提升上游地區城市經濟韌性。黃河流域中游地區非資源類產業占比低，產業發展嚴重失衡，地區經濟韌性最差，是提升的重點?？稍诹⒆悻F有資源類產業發展優勢的同時，向技術密集、資源精細加工業轉型，大力發展非資源類替代產業，形成特色優勢產業。同時延長產業鏈以打造資源深加工領先企業和產業集群，將資源優勢夯實為產業優勢，經濟優勢。黃河流域下游地區經濟韌性相對較好且提升速度也較快，要繼續保持這種優勢，可在立足國內大循環的基礎上促進流域內外“雙循環”。在區域內通過主動調整產業結構，加快新舊動能轉化步伐等促進產業向高級化方向發展，實現區域一體化水平提升。在區域外充分發揮地理優勢，加強與國內其他地區特別是東部沿海經濟發達城市之間的合作，努力尋找新發展模式提升城市經濟韌性。

第二，發揮溢出效應，助推韌性提升。黃河流域經濟韌性高的城市主要是省會城市，且黃河流域城市經濟韌性在空間上具有空間集聚和溢出效應，因此要充分發揮這些高經濟韌性城市對周邊經濟韌性較低城市的輻射帶動作用。通過完善不同城市之間的交通路網以及信息通訊網等確保高經濟韌性城市與低經濟韌性城市之間保持流暢的溝通和聯系。高經濟韌性城市要及時為低經濟韌性城市輸出資金、技術和管理經驗等，通過以傳輸經驗、重點專項幫扶等措施推動鄰域城市經濟韌性提升。此外，充分利用省會城市的經濟優勢和調配資源的能力為其周邊城市創造多樣化的產業基礎，加強城市與城市間的動態合作，以便在有城市遭受風險和沖擊難以維系經濟系統正常運轉時，經濟實力強的城市可依靠自身優勢及時統籌接收遭受沖擊城市的資源，快速形成新的生產力或發展出新的經濟競爭優勢來抵抗沖擊，從而降低危機的沖擊力。

第三，縮小區域差異，實現協同提升。黃河流域城市經濟韌性在空間上具有顯著差異，且區域間差異對總體差異的貢獻呈上升趨勢，因此在今后黃河流域城市經濟韌性協同提升過程中，要重點關注區域間差異，尤其是下游地區與中上游地區間的經濟韌性差異。這不僅需要進一步加快中上游地區城市經濟韌性的提升速度，而且需要下游地區發揮對中上游地區的帶動作用。具體來說，對于黃河流域中上游地區而言，轉變經濟發展方式，加快創新能力是提升城市經濟韌性的關鍵。黃河流域中上游大部分城市目前仍存在經濟產業結構不合理、經濟活力差和創新動力不足等問題，嚴重影響地區內經濟系統面對外部沖擊的抵抗能力。因此中上游城市可充分利用當前由數字經濟及信息化迅猛發展帶來的優勢，對其地區內產業結構重新進行調整。通過建設特色產業體系，并借助“一帶一路”建設契機，開辟向西開放的新模式，從而尋求新發展路徑，促進中上游地區經濟韌性提升。同時，黃河流域下游地區要積極向中下游地區進行產業轉移，帶動中上游地區城市經濟韌性快速提升。

第四，重點關注主導驅動因素，發揮有利交互作用。經濟系統的復雜性決定了不同因素差異均有可能導致城市經濟的抗風險能力以及恢復能力不同。影響上中下游地區城市經濟韌性時空分異的諸多因素中，市場規模、技術創新能力、人力資本水平、居民抗風險能力、產業結構優化程度等因素差異是關鍵驅動因素。因此，對于市場規模、技術創新能力、人力資本等較強的城市要繼續保持發展優勢。對于經濟韌性較低的城市需要政府通過加大轉移支付等方式增加居民的可支配收入，刺激消費，擴大市場規模，通過鼓勵發明專利，培養創新型人才等增強經濟的創新能力，以實現對經濟韌性較高城市的追趕。同時，充分利用各因素間交互作用大于各自驅動作用的優勢，尤其發揮驅動作用較強因子與其他因素間的合力作用，促進城市將技術優勢轉化為經濟優勢以實現城市經濟韌性協調發展。