长三角城市群城市经济韧性测度与时空分异特征分析

李慧媛，王子敏

（南京邮电大学 经济学院，江苏 南京 210023）

一、引言

城市作为经济和社会发展的重要载体，正逐步从孤立的点状城市演变为相互关联紧密的城市群[1]。城市群的集聚力、创新力和经济效益，成为推动区域发展的重要引擎。通过对城市群经济韧性的研究，能够帮助提升城市抵御外部冲击和内部挑战的能力，促进经济稳定增长、优化资源配置及全面协调可持续发展。改革开放以来，长三角地区在应对台风、暴雨等自然灾害和金融危机等突发事件时，展现出高度的自如性和灵活性，为经济发展做出巨大贡献[2]。因此，深入探究长三角城市群城市经济韧性的时空分异特征和驱动因素具有重要意义。

从现有研究看，在研究尺度上，国内外已有较多学者对不同地区的城市经济韧性进行了测度[3-5]，但其研究的时空尺度范围仍相对较小。在建设韧性城市时，需要考虑公平性，提高一个城市的韧性不应以降低其他城市的韧性为代价。在城市经济韧性的测算方法上，国内外学者基本采用多指标综合评价模型[6-9]，就具体的准则层而言学术界尚未达成共识，主要分为两类：第一类，从生态、经济、社会、工程四方面构建指标体系[6]，该指标体系更全面地考虑了城市韧性的多样性；第二类从风险恢复压力、适应调节状态、治理转型响应三方面选取指标[10]，该指标体系则更关注城市在应对风险和变化时的能力。

现有文献为本文提供了有益的借鉴，鉴于此，本文从以下几个方面对现有研究进行延伸：第一，充分考虑城市在面临不同挑战时需要具备的多方面能力，建立更全面的综合评价模型，对长三角城市群城市经济韧性进行测度，并利用Dagum 基尼系数分解法分析区域差异及其来源；第二，运用K-Means聚类法和ArcGIS 软件描述长三角城市群城市经济韧性的分布动态和时空演变规律；第三，通过计算莫兰指数探究经济韧性的空间集散程度；第四，运用空间杜宾模型进行影响因素分析，从而为制定相关政策和发展战略提供理论依据和决策参考。

二、研究设计

（一）数据来源

在2006—2020 年期间，选取长三角城市群27个城市为样本，主要数据来源包括《中国区域经济统计年鉴》《中国城市统计年鉴》及《中国统计年鉴》等。同时，本文对原始数据进行了必要的数据清洗和缺失值填充，并对相关数据采取了对数化处理。

（二）指标选取

从城市冲击反应、修复力、新增长能力三个维度中选取12 项指标，构建长三角城市群各城市的经济韧性综合评价指标体系（见表1）。

表1 长三角城市群城市经济韧性评价指标体系

1.冲击反应。选取GDP、财政自给率、金融机构存贷比、就业水平四项指标。地区生产总值表明地区经济发展状况。财政自给率的高低能够反映一个地区或国家财政健康程度和经济可持续性。金融机构存贷比反映经营策略差异和流动性风险。就业水平是衡量人口的再就业和创业能力。

2.恢复力。选择对外依存度、人均可支配收入、工业总产值以及第三产业所占比例四项指标。外贸依存度的增加会导致经济不稳定性的上升，它通常被视为负面指标。人均居民可支配收入能够衡量地区居民富裕程度。工业总产值和第三产业占GDP 比重表征经济系统中二、三产业的具体发展状况，合理的产业结构使城市能够有效应对各种不确定性因素。

3.新增长能力。选择要素配置能力、消费能力、教育支出、科技支出四项指标。要素配置能力体现市场的资源配置效率和竞争优势。消费能力表征个人和家庭的经济实力和市场需求。教育支出代表城市未来人口的素质和发展潜力。科技支出表示地区政府对科技创新发展的重视程度，投入水平越高，科技创新的能力也会越高。

（三）构建城市经济韧性评价指标体系

参考现有城市经济韧性测算的相关文献，并结合数据可得性，从冲击反应、恢复力和新增长能力三个层面构建评价指标体系。为避免主观因素的影响，采用熵权法对指标的权重予以计算。计算得到的各指标权重如表1 所示。

三、实证分析

（一）长三角城市群城市经济韧性综合测度结果分析

由表2 可知：（1）从整个长三角城市群层面看，城市经济韧性测度水平在2006—2020 年期间，整体呈上升趋势。尽管时间序列上综合测度水平存在升降波动，但最后由2006 年的0.146 3 上升到2020年的0.217 8。（2）就市域层面而言，总体来看上海市经济韧性水平最大，均值为0.627 9。苏州市的城市经济韧性水平在整体上仅次于上海市，为0.373 4，与上海市仍有一定差距。杭州市的经济韧性水平为0.340 4，其次是南京市与无锡市。池州市的经济韧性水平仅为0.109 1，是27 市中经济韧性水平最低的城市。在城市经济韧性水平低于长三角平均值的17 个城市中，包括江苏省的镇江市、扬州市、泰州市和盐城市，浙江省的嘉兴市、金华市、台州市、湖州市和舟山市，安徽省的铜陵市、合肥市、芜湖市、马鞍山市、安庆市、滁州市、宣城市和池州市。

表2 长三角城市群城市经济韧性综合测度水平

（二）长三角城市群城市经济韧性水平差异化特征分析

运用Dagum 基尼系数分解法[11]对长三角地区城市经济韧性在2006—2020 年期间的空间差异进行测算和分解，图1 绘制了长三角城市群在样本期内经济韧性水平总体差异变化趋势。结果表明，虽然2011 年Dagum 基尼系数整体呈现出一定程度的降低态势，但长三角城市群韧性水平的总体差异在较长的时间范围内呈现了平稳上升的趋势，Dagum基尼系数由2006 年的0.134 上升至2020 年的0.266，年均上升1.047%，表明长三角城市群城市经济韧性水平的总体差距在逐渐增大。

图1 2006—2020 年长三角城市群城市经济韧性总体差异变化趋势

究其原因主要有三方面：（1）资源聚集效应。核心城市如上海、杭州等拥有丰富的资源，资源的集聚形成了城市的竞争优势，能够吸引更多的投资、人才，形成良好的产业链和创新链，进一步促进城市经济的增长和韧性的提升；而其他相对较小的城市由于资源有限，难以有效吸引和集聚资源，导致其经济韧性相对较弱。（2）产业结构转型差异。一些城市在经济发展中积极推进产业结构的转型升级，加大对高科技、高附加值产业的发展支持，投入更多的资源用于科技研发、创新孵化和高端制造等领域，从而提升了其产业竞争力和经济韧性。然而，其他城市仍然依赖于传统产业或低附加值产业，缺乏创新能力和高端产业的支撑，导致其经济韧性水平相对较低。（3）城市规模与网络效应。大城市由于其较大的规模和更为完善的基础设施，能够提供更多的商业机会和就业机会，从而吸引了更多的企业和人才涌入，形成了良性循环的网络效应。相比之下，小城市由于规模较小，往往难以形成强大的网络效应，限制了其经济韧性的提升。因此长三角地区城市间经济韧性水平的总体差距在逐渐增大。

图2 绘制了江苏省、浙江省和安徽省三省韧性水平差异的演变趋势。从各省韧性水平差异大小来看，考察期内，江苏省、浙江省和安徽省Dagum 基尼系数的均值分别为0.138 0、0.112 1 和0.110 7。由此可见，安徽省内经济韧性水平的差异最大，浙江省次之，江苏省最小。从各省经济韧性水平差异的变化趋势来看，三省的Dagum 基尼系数整体上均呈现了不同程度的上升趋势。

图2 2006—2020 年长三角城市群三省城市经济韧性省内差异变化趋势

图3 绘制了长三角城市群省市间城市经济韧性水平差异的变化趋势，从考察期内省市间Dagum基尼系数的均值来看，省市间城市经济韧性差距由大到小排序分别是上海市与安徽省（0.6340）、上海市与浙江省（0.4565）、上海市与江苏省（0.4437）、江苏省与安徽省（0.2761）、浙江省与安徽省（0.2612）、江苏省与浙江省（0.1338）。结果表明，上海市与安徽省的经济韧性差异最大，江苏省与浙江省经济韧性差异最小。从三省一市两两组成的六对差异曲线变化趋势来看，尽管在不同年份省市间经济韧性的差距次序出现了交替变化，但各省市间经济韧性的差距逐渐趋于稳定。

图3 2006—2020 年长三角城市群城市韧性区域间差异变化趋势

图4 绘制了长三角城市群城市经济韧性差异来源贡献率的演变趋势，结果表明，长三角城市群的年平均贡献率分别为43.50%、15.75%和40.76%。三省一市经济韧性的差异主要来源于区域间的差异、超变密度以及区域内的差异，这些因素共同作用导致城市的经济韧性表现出不同的特征。

图4 2006—2020 年长三角城市群城市经济韧性差异来源及贡献的变化趋势

（三）长三角城市群城市经济韧性水平空间演变特征分析

本文选取2006 年、2010 年、2015 年和2020 年作为时间节点，对长三角城市群的27 个城市进行经济韧性空间分异特征和演变规律的研究。通过采用K-Means 聚类法，将这27 个城市的经济韧性水平值划分为低度、中度、较高和高度四个韧性水平区。表3 详细呈现了在2006 年、2010 年、2015 年和2020年这四个时间点上，长三角城市群中各城市的经济韧性空间演变结果。

表3 2006—2020 年长三角城市群城市经济韧性水平空间分布

表4 城市经济韧性水平Moran's I 指数

研究结果显示，长三角城市群呈现出以上海市为核心的“中心外围”格局。靠近上海的城市经济韧性水平较高，而外围城市的韧性水平相对较低。在2006 年，仅有上海市被认定为高韧性城市，杭州市、无锡市和温州市属于中韧性城市，而其他23 个城市则属于低韧性城市。然而，到了2020 年，低韧性城市的数量减少至7 个。总体来看，长三角城市群中较高韧性和高韧性城市的数量增加，而低韧性城市的数量减少，表明城市经济韧性的发展呈现出空间均衡性和一体化程度增强的趋势。

（四）长三角城市群城市经济韧性水平空间集散特征分析

莫兰指数是一种用于衡量整体空间自相关性的指标。当莫兰指数超过0 时，表示空间呈现出显著的正相关关系，莫兰指数越大则表明空间相关性越高，呈现出强烈的空间聚集现象。当莫兰指数等于0时，表明空间属性具有随机性质。一般而言，莫兰指数大于0.3 表示存在较强的正向相关性，反之则表示较强的负向相关性。

在长三角城市群的研究中，本文选取2006—2020年15 个年度的莫兰指数作为特征量进行分析。研究发现，在样本考察期内，长三角27 个城市的城市经济韧性呈现出一定的空间相关性和集聚特征。随着区域间经济社会联系的逐渐加强，莫兰指数增大表明城市经济韧性的空间相关性逐渐显著，反映了城市间相互影响和依赖关系的加强，推动了整个长三角城市群在经济韧性方面的共同发展。

利用ArcGIS 软件，本文得到2006—2020 年之间长三角城市群的城市经济韧性LISA 集聚结果，具体（见表5）。在5%显著性水平下，观察到四种城市经济韧性的空间关联模式，分别为高高集聚、高低集聚、低高集聚和低低集聚。这些模式在不同城市中呈现出各自的特征和趋势。相对而言，低高集聚和高低集聚的情况较为罕见，而高高集聚和低低集聚的现象相对较为普遍。这种集聚模式的存在揭示了城市经济韧性在空间上的异质性和相互影响，为深入理解城市群体间的经济韧性差异提供了强有力的空间分析工具。

表5 长三角城市群城市经济韧性LISA 集聚结果

1.东部沿海地区是高高集聚区域的主要区域，其中包括上海市和苏州市等城市。这类城市以及其相邻城市具有较高的城市经济韧性水平，随着时间的推移，高高集聚类型的城市数量逐渐减少。

2.高低集聚区域包括南京市和合肥市。这两座城市分别为江苏省和安徽省的省会城市，它们拥有得天独厚的发展潜力，因此其城市经济韧性水平明显高于周边城市，形成了明显的高低负向关联模式。

3.低高集聚区域指的是其相邻城市的韧性水平较高，但城市自身的韧性水平相对较低，从而形成了一个凹陷区域。在2005 年和2020 年，嘉兴市是唯一的低高集聚城市。

4.低低集聚区域主要分布在安徽省，包括马鞍山市、芜湖市、铜陵市、池州市和安庆市等城市。这些城市以及其相邻城市的城市经济韧性水平较低，随着时间的推进，低低集聚城市数量减少，在空间上分布也更分散。

城市经济韧性空间关联模式的演变结果对了解长三角城市群的城市经济韧性分布和演化具有重要意义。

四、影响因素分析

（一）空间权重矩阵构建

为研究各主体在空间中的相互依赖关系，首先需要构建空间权重矩阵。然而，目前对于空间矩阵的选取缺乏明确指导。考虑到长三角城市群的空间地理特征，本文选择构建地理距离权重矩阵，将距离的倒数作为衡量标准。在构建这一矩阵时，默认本地区与本地区之间不存在相邻关系，因此得到的矩阵可以被描述为逆距离矩阵。通过这一方法，能够更准确地捕捉各城市在空间上的互动程度。

（二）影响因素选取

为描述各城市经济韧性的情况，将城市经济韧性计算结果作为被解释变量，参考前人文献[12-14]，综合考虑长三角地区经济韧性测度结果与时空分异特征，选取人均社会固定资产投资、实际使用外资金额、每百人公共图书馆藏书、国际互联网用户数、财政支出占GDP 比重、可吸入细颗粒物年平均浓度6 项指标为解释变量，其描述性统计如表6 所示。

表6 影响因素描述性统计

（三）模型检验

为考察解释变量间是否具有多重共线性，采用Stata 17 计算各个变量的容忍度值。表7 结果显示：解释变量的方差膨胀系数均未达到5，说明解释变量之间的共线性较弱。

表7 多重共线性检验

LM 检验是确定是否选择空间模型的重要依据。采用Stata 17 进行LM 检验。从表8 结果可以观察到，LM 检验的结果多在5%显著性水平的情况下显著。综合考虑LM 检验和Moran's I 检验的结果，在研究城市经济韧性时，空间效应的重要性不容忽视，因此采用空间杜宾模型。

表8 LM 检验结果

为探究空间杜宾模型是否会演化成空间滞后模型或空间误差模型，采用LR 检验进行验证。表9显示，地理权重矩阵下的空间杜宾模型是本文较为合适的选择，该模型不会受到空间滞后和空间误差的影响，保持了其稳定性。

表9 LR 检验结果

（四）空间杜宾模型回归结果分析

由于豪斯曼检验为负值，本文选择采用固定效应空间杜宾模型进行回归分析，表10 中详细呈现了SDM 回归的结果。研究发现，投资水平、文化建设、社会信息化程度、行政调控力和环境治理对地区城市经济韧性建设都表现出显著的正向影响。这意味着在这些方面的增加投入和提升水平有助于提高城市的经济韧性。然而，对外开放水平的系数为负，这可能是因为城市需要在开放和保护之间寻求平衡。一些城市在追求外部联系和发展机遇的同时，会忽视自身的内部规划和建设，导致城市基础设施和资源的不足，从而引发相应的韧性问题。

表10 空间杜宾回归结果

为了检验各变量是否具有空间溢出效应，本文将空间杜宾模型的回归结果进行空间效应分解。通过这一方法，能够深入理解各变量在空间中的作用机制。具体而言，同一区域内解释变量与被解释变量之间的关系可用直接效应表达，而其他地区的解释变量对本地区的被解释变量的影响为间接效应。该分解方法有助于深入理解变量在空间中的作用机制[15]，表11 展示了效应分解结果。

表11 空间杜宾模型效应分解结果

在上述结果中，行政调控力对城市经济韧性水平的影响程度最为显著。行政调控力的提升能够为城市在紧急情况下提供有效的响应能力。例如，当自然灾害发生时，高效的行政调控力能够迅速指导城市组织应急抢救工作，将损失降至最低。这强调了行政调控力在城市经济韧性建设中的关键作用，为城市面对各类挑战时的灵活性和抗压能力提供支持。

五、结论与启示

（一）结论

本文以城市韧性理论为出发点，从冲击反应、恢复力和新增长能力三个维度出发，选择12 个具体指标构建长三角城市群的城市经济韧性综合评价体系，并进行测度，在此基础上探究各城市经济韧性的时空演化特征。经过深入分析，得出如下结论：

一是长三角城市群城市经济韧性整体上呈现上升趋势，上海市的城市经济韧性综合测度指数最高，苏州市紧随其后。池州市的韧性综合测度指数最低，17 个城市的综合测度指数低于长三角平均水平。其中，江苏省有4 个、浙江省有5 个、安徽省有8 个。

二是浙江省和江苏省内韧性水平的不平衡程度相对较小，安徽省差异相对较大。上海市与安徽省之间经济韧性水平的差异最大，江苏省与浙江省经济韧性水平的差异最小。在长期趋势上，各省市间经济韧性的不平衡性差异逐渐趋于稳定。

三是通过K-Means 聚类法对城市经济韧性水平进行分类，结果表明长三角城市群的城市经济韧性呈现出以上海市为核心的“中心外围”格局。离上海市较近的城市具有较高的城市经济韧性水平。城市经济韧性的发展空间均衡性和一体化程度都得到了增强，中高韧性等级城市的数量增多，低韧性城市的数量减少。

四是长三角城市群的城市经济韧性具有明显的空间相关性。然而，突发公共卫生事件对城市经济韧性的影响导致其集聚程度有所降低，原先高高集聚和低低集聚模式逐渐演变成多样的类型。较高城市经济韧性水平的城市主要分布在长三角城市群东部沿海地带，而城市经济韧性水平较低的城市则主要分布在长三角城市群西部地区。

五是研究结果显示，投资、文化建设、社会信息化程度、行政调控力和环境治理对城市经济韧性具有显著的正向影响。

（二）对策

为提高长三角城市群的韧性水平，可以采取以下具体对策：

一是加强城市规划和土地利用管理：通过科学的城市规划，实现对城市用地的合理安排，从而提高城市的空间布局和抗灾能力。在规划过程中，必须全面考虑自然灾害和气候变化的风险因素，使得城市在面临灾害冲击时能够更加灵活、有序地应对。包括制定相应的防灾预案和建筑规范，以确保城市的建筑结构和基础设施具备足够的韧性和适应性。

二是加强基础设施建设：完善的基础设施是提升城市经济韧性的基石。通过增加对交通、能源、水务等基础设施的建设和改善，可以提升城市的运转效能和灾害应对能力。例如，在交通基础设施方面的改善可以确保紧急救援队伍迅速到达灾区，提高灾害时的人员疏散效率。同时，对水务和能源基础设施的加强也有助于保障城市正常运转，减轻灾害对城市生活和经济的冲击。

三是建立高效的紧急响应机制：为提高长三角城市群的经济韧性水平，需要建立健全的应急管理体系。包括设立高效的应急指挥中心，以实现快速响应和协调各方资源。完善灾害预警体系是防范灾害风险的关键一步，通过先进的监测技术提前发现潜在威胁，为城市采取及时有效的防范措施提供有力支持。提高救援力量的组织和应急资源的储备，能够在灾害事件发生时快速展开救援行动，最大程度降低损失。

四是提高社会参与度：鼓励公民积极参与城市建设和应急响应是提高城市经济韧性的重要措施。引导居民和社区组织参与灾害风险评估，促进防护设施建设，以及提升社区自救能力，能够有效减轻灾害对城市的影响。与民众加强沟通与合作，建立起更加紧密的社会网络，不仅可以提高信息传递的效率，还能增强社会的凝聚力。这种协同努力有助于城市更好地应对各种挑战。