辽宁省数字经济与城市韧性协调发展时空演化特征与驱动力

侯鑫宇，李雪铭，2，宋 瑞，刘 贺，宋依珊

（1.辽宁师范大学 地理科学学院，辽宁 大连 116029；2.辽宁师范大学 海洋可持续发展研究院，辽宁 大连 116029）

0 引言

数字经济反映着时代潮流，决定着未来的发展。国家“十四五”规划中提出“加快数字化发展，建设数字中国”，数字产业成为重塑区域经济地理的重要力量［1］。党的二十大报告中指出，要加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群［2］，为数字经济的未来发展指明了方向，也将其上升为国家战略。在此背景下，数字经济成为学界关注的热点。

学者们从不同角度对数字经济展开了研究，已取得不菲的成果。从研究领域看，主要集中于数字经济的空间异质性及影响因素［3］、数字经济对社会工作和企业生产的影响［4］、数字经济对经济增长的作用机制［5］、数字经济对碳排放的影响［6］、数字经济与经济高质量增长的理论架构分析［7］及数字经济评价体系及应用领域［8］等，但上述研究大多是从经济学视角展开，从地理学层面探究数字经济与城市的作用关系研究较少；从研究尺度看，绝大部分研究主要以全国省域［9］以及长三角城市群［10］、长江经济带［1］等大区域为主，缺乏省域内部的研究；从研究区域看，以往研究多关注经济及信息发达的东部沿海以及大城市群，对于数字信息较为落后的东北、中西部地区涉及较少。

城市韧性是指城市系统在面对冲击或压力时能够保持原状或迅速达到期望的程度，具有韧性的城市能够适应各种变化、具有改变限制适应能力的功能［11］。自从2002 年倡导地区可持续发展国际理事会将城市韧性作为议题首次提出后，世界范围内便掀起了城市韧性的研究热潮［12］，经过二十余年的发展，国内外均已形成了较为完整的体系，主要集中于城市韧性概念和特征的界定［13］、指标的建立以及韧性评估［14］与空间分异［15］等。数字经济对城市发展的影响广泛而深刻，信息化背景下数字经济已成为现代城市韧性研究中不容忽略的一点，但已有研究主要基于传统经济和技术背景，且大多单独针对城市韧性系统，缺少对数字化背景下城市韧性同数字经济相结合的研究。

数字经济是较少受到新冠疫情冲击的产业之一，在新冠疫情背景下焕发了其强大的生命力，它逆势而上，帮助城市降低了疫情的影响，甚至达到比之前更优的状态。可见，数字经济极大地提升了城市韧性。数字经济如此巨大的优势，相信在后疫情时代，数字经济仍具有可观的发展前景。在数字经济与城市韧性方面，现有研究虽有关注数字经济与城市经济韧性间的关系［16，17］，但数字经济与城市韧性的关系并不仅限于经济方面，而是全方位的。综上，现有关于数字经济和城市韧性的研究多针对单一主体，鲜有实证研究基于省内市域尺度探究数字经济与城市韧性之间的关系。因此，本文以2012—2020年辽宁省14 个地级市为样本，运用熵值法、耦合协调模型、马尔科夫链等方法研究数字经济与城市韧性综合水平发展及二者耦合协调度的时空格局及动态演变过程，并使用地理探测器分析其影响因素，最后提出针对性建议，以期提升辽宁省的城市综合发展水平。

1 研究区概况与数据来源

1.1 研究区概况

辽宁省位于中国东北地区，作为东北地区唯一的沿海省份，南邻黄、渤海两大海域，下辖14 个地级市，其中两个副省级城市。全国第七次人口普查数据显示，辽宁省总人口4 259.1 万人，与第六次普查相比，减少了115.5 万人，年均增长率为－0.27%，全省14 个地级市中，仅沈阳与大连两市人口增加，是中国仅有的4 个人口负增长的省份之一。2021年，辽宁省GDP总量为27 584.1 亿元，排名全国第17 位，东北地区第1 位。近年来，辽宁省因产业结构重型化、民营经济发展缓慢、政策体制僵化、资源枯竭等原因，人口大量外流，城市韧性较弱。根据中国信息通信研究院发布的《中国数字经济发展报告（2021 年）》，辽宁省2021 年数字经济总体规模已超过1 万亿元。数字经济成为振兴辽宁、提升城市韧性的重要力量。

1.2 数据来源

本文选取的研究样本为2012—2020 年间辽宁省14 个地级市的面板数据。研究所采用的数据主要源自2013—2021 年《辽宁省统计年鉴》《中国城市统计年鉴》《中国城市建设统计年鉴》，以及2012—2020 年辽宁省各市国民经济和社会发展统计公报，PM2.5数据来自加拿大达尔豪斯大学大气成分分析组，中国数字普惠金融指数数据来源于北京大学数字金融研究中心和蚂蚁金服集团［18］，创新创业指数数据来源于国家发展研究院与龙信数据平台。行政边界数据来源于国家基础地理数据库。为了消除不同市域间人口规模差异的影响、反映地理学以人为本的核心理念，通过整理统计年鉴和公报数据，将指标采用人均处理，部分计算结果保留两位小数。

2 研究方法

2.1 指标体系构建

目前关于数字经济层面的测度研究较少，且大多集中于省级层面，结合城市层面数据的可获得性，本文参考赵涛等的研究［19］，从互联网发展和数字普惠金融两方面对数字经济综合发展水平进行测度，具体包括5 项指标。

城市韧性方面，参考相关研究成果［14，20－22］，基于压力—状态—响应（P—S—R）框架，从3 个维度构建城市韧性评价指标体系，共20 个指标。其中压力指自然过程或人为活动对城市系统施加的压力，共6 个指标；状态指城市系统在面对压力时自身的状态，共7 个指标；响应指城市系统为适应并应对变化而具有的自我调适的能力［23］，共7 个指标（表1）。

2.2 权重确定与系统综合评价

熵值法是客观赋权的一种常见方法，能够有效避免设定权重的主观性。本文利用熵值法计算数字经济与城市韧性各指标权重，并在其基础上分别计算二者的综合得分，具体步骤与公式见文献［24］。

2.3 耦合协调度模型

“耦合”一词来源于物理学，在地理学中用来解释复杂地理系统之间的相互作用、相互影响的现象、过程等［25］。探究辽宁省数字经济与城市韧性之间的耦合关系，构建模型如下：

式中：C为耦合度；U1、U2分别为熵值法计算出的数字经济与城市韧性综合得分；T 为协调度；α、β分别代表数字经济与城市韧性的系统贡献值，本文认为二者重要性相同，因此α、β都取0.5；D为两系统的耦合协调度。参考相关研究成果［26］，并结合本文实际情况，将D值以0.4、0.6、0.8 为临界值将耦合协调度划分中度失调、濒临失调、基本协调、高度协调4 种类型。

2.4 马尔科夫链

在事件演变的过程中，若每次状态转移都只受前一次状态的影响，而不受过去状态的影响，即状态转移不具有后效性，此种状态转移过程就称为马尔科夫过程［27］。具体到数字经济与城市韧性间的耦合协调程度，其演变程度也存在着“无后效性”，是一种马尔科夫过程。马尔科夫链通过构造一个状态转移矩阵来描述区域内某种现象随时间变化从一种状态转移到另一种状态的概率分布，以此刻画研究对象动态演进的过程［28］。计算公式如下：

式中：Pij为各城市耦合协调度由t年份Ei状态转移到t ＋1 年份Ej状态的概率；Nij表示研究期内耦合协调度由t年i状态转移到t ＋1 年j 状态的数量总和；Ni表示研究期内耦合协调度处于i 状态的数量总和。

2.5 地理探测器

地理探测器是探测空间分异性，并揭示其背后驱动力的一种地理统计学方法，在分析各种现象的驱动力和影响因子以及多因子交互作用等领域得到了广泛应用。地理探测器包括4 个探测器：分异及因子探测器、交互探测器、风险探测器和生态探测器。地理探测器无线性假设，能够客观地探测出自变量与因变量的解释程度［29］。本文运用地理探测器中的因子探测器，探究影响数字经济与城市韧性耦合协调度的各个因子，识别影响数字经济和城市韧性两系统耦合协调的关键指标。因子探测的计算公式如下：

式中：N和σ2分别为整个区域样本单元数和方差；Nh和σ2h则是第h类影响因素的样本量和方差；L为第h类影响因素的分类个数；q代表驱动因子X对城市韧性与数字经济耦合协调度Y 的解释力，q的值域为［0，1］，q值越大，表示解释能力越强。

本文首先将驱动指标导入ArcGIS10.4 软件中，运用自然断裂点方法，对其进行分类离散化处理，转换为类型变量；然后通过地理探测器模型，测度各指标对数字经济与城市韧性耦合协调度驱动力的大小。

3 结果及分析

3.1 数字经济与城市韧性综合得分时空分异

3.1.1 时序分析

数字经济与城市韧性综合得分在研究年份均呈上升态势，二者的增长趋势却差别较大（图1）。数字经济综合得分起始水平较低，上升速度远大于城市韧性综合得分，年均增长率达到22.32%，反观城市韧性得分，年均增长率仅有5.05%。2012 到2019 年城市韧性得分均高于数字经济综合得分，但二者的差距持续缩小，到2020 年，数字经济综合得分（0.526）反超了城市韧性综合得分（0.520）。总体年份，城市韧性综合得分（0.417）仍大于数字经济综合得分（0.265）。

图1 2012—2020 年辽宁省数字经济与城市韧性综合得分Figure 1 Composite score of digital economy and urban resilience in Liaoning Province，2012－2020

二者在研究年份均呈上升态势，但增长速度差异较大。城市韧性综合得分呈缓慢波动上升趋势，整体增长幅度不大，年均增长率为5.05%，2012—2014 年从0.351 增长到0.395，到2016 年降低到0.386，之后又持续上升到2020 年的0.520。2017年后增长速度较前期有明显加快。数字经济得分呈现持续快速上升态势，综合得分从2012 年的0.105增长到2020 年的0.526，增长了5 倍，年均增长率达到22.32%。得分呈现明显的阶段性特征，2012—2016 年为基础起步阶段，辽宁省数字经济基础较差，信息基础设施不完善，此阶段开始大规模进行基础设施建设和相关人才的培养，数字经济得分较快增长。2017 年，党的十九大召开，为城市和数字经济都提供了明确的发展指向，加之数字经济发展首次进入政府工作报告，使得城市韧性和数字经济在2017 年后得以迅猛发展，增长速度远超其他阶段，尤其是数字经济，在2017—2020 年得分从0.251 增长到0.526，短短4 年间就翻了一番，年均增长率近28%，进入快速发展阶段。

3.1.2 空间分异

从空间分布看，2012—2020 年城市韧性和数字经济综合得分均具有显著的“核心极化特征”（图2），具有较强的一致性。最高值都出现在大连，其次是沈阳；最低值都出现在朝阳，其次为铁岭。城市韧性方面，沈阳、大连两个副省级市差距不大，韧性综合得分分别为0.655、0.685，领先于省内其他12个地级市，呈现出明显的双核空间格局特征。朝阳、铁岭、葫芦岛得分最低，不到0.3，盘锦在普通地级市里得分最高，达到0.555，其余8 个城市的韧性都在0.3—0.5 之间。最高值的大连与最低值的朝阳差距为0.436。数字经济方面，大连市作为东北地区最大的沿海开放城市，对外开放程度与信息化程度高，数字经济发展程度自然也较高，为整个省内的高值中心（0.557），沈阳作为辽宁省省会、国家工业重镇，为次中心（0.382），但距离大连仍有一定差距，朝阳、铁岭得分最低，在0.2 以下，其余10 个城市差距甚小，在0.216—0.261 之间。最高值与最低值差为0.373。辽宁省内数字经济的地区绝对差距小于城市韧性的差距主要同辽宁省内数字经济普遍水平不高有关。

图2 2012—2020 年辽宁省城市韧性与数字经济综合得分空间分布Figure 2 Spatial distribution of urban resilience and digital economy composite score in Liaoning Province，2012－2020

总体来看，辽宁省数字经济与城市韧性综合得分均呈近似“橄榄型”分布，即处于第一、第二以及第四梯队的城市数量偏少，大部分城市都处于中间第三梯队。无论是城市韧性还是数字经济，大连都处于辽宁省第一梯队；阜新、锦州、辽阳、营口、鞍山、丹东、本溪、抚顺8 市位于第三梯队；朝阳、铁岭两市则一直处于省内末尾。位于第二梯队的城市两者都只有1 个。

3.2 耦合协调度时空特征分析

本文测算2012—2020 年辽宁省数字经济与城市韧性耦合协调度值，2012—2020 年两者的耦合协调度均值为0.556，总体处于濒临失调阶段。耦合协调度均值在研究年份呈逐渐稳步上升态势，从2012 年的0.428 逐渐稳步上升到2020 年的0.719，耦合协调等级不断向高等级演变。2012—2017 年处于濒临失调阶段，2018—2020 年处于基本协调阶段。

数字经济与城市韧性耦合协调逐步增强并呈阶段式跨越，高等级占比不断扩大（图3）。耦合协调等级以2018 年为分水岭，在此之前，濒临失调占据主导地位，并且濒临失调和中度协调占比不断扩大，2017、2018 年濒临失调等级占比达到最大（85.7%）。2019—2020 年基本协调为主导发展类型，基本协调等级占比达到71.4%、85.7%。研究时段中度失调等级占比逐渐减少，直至2016 年消失，濒临失调等级占比先增大后减小，到2020 年也完全消失，基本协调等级占比逐渐增大，是唯一一直存在的类型，高度协调等级在2018 年开始出现，占比呈上升趋势。2012—2015 年中度失调、濒临失调、基本协调3 种等级并存，2016—2017 年仅存在濒临失调和基本协调两种等级类型，2018—2019 年濒临失调、基本协调、高级协调3 种等级并存，2020年仅存在基本协调、高度协调两种类型。

图3 2012—2020 年辽宁省数字经济与城市韧性耦合协调类型比例关系Figure 3 Proportionality of coupled coordination types of digital economy and urban resilience in Liaoning Province，2012－2020

选取2012、2016、2020 年3 个时间节点，探究耦合协调度空间演变趋势（图4）。2012 年辽宁省耦合协调类型等级整体偏低，地区差异大，全省只有大连处于基本协调阶段，是省内唯一的高值核心区，其余13 市中朝阳、铁岭、葫芦岛为中度失调阶段，沈阳、鞍山、本溪等10 市处于濒临失调阶段。经过4年的快速发展，2016 年沈阳紧跟大连脚步，也已处于基本协调阶段，全省耦合协调等级呈现出明显的双核特征，中度失调等级的三市也全面进入濒临失调阶段，其余城市等级未发生变化，全省已无中度失调类型，省内地区差异较2012 年有所缩小。2020年辽宁全省14 市耦合协调等级均同步提升一个等级，即在2016 年为基本协调等级的城市全部变为高度协调等级，之前为濒临失调等级的城市全部转变为基本协调等级，全省所有地市全部进入协调阶段，地区差异进一步缩小，全省数字经济与城市韧性耦合协调进入全新阶段。整体来看，2012—2020 年辽宁省数字经济与城市韧性耦合协调年度均值等级地区分布同2016 年一致，全省除大连、沈阳为基本协调等级外，其余12 市均为濒临失调等级，呈现以大连、沈阳为核心城市，其余城市为边缘区的核心—边缘结构。上述规律表明，辽宁省各地市数字经济与城市韧性耦合协调等级均不断提升，且2016—2020年提升幅度较2012—2016 年更快速，沈阳、朝阳、葫芦岛、铁岭4 市发展最为迅速，提升了两个等级，剩余10 市提升了一个等级。省内两个副省级城市的耦合协调度要高于其他城市，其中大连又较好于沈阳，两座城市在全省发挥了示范带动作用，即存在“极化与均衡并存”的空间格局，省内一直存在1—2个协调互动的城市，且这些城市主导着省内高度协调的全部以及基本协调的绝大部分，同时与省内第二梯度的其他城市保持着较大差距，其他梯队城市差距不大，且差异有逐渐缩小趋向均衡的趋势，但这种均衡并不是一成不变的，是从低级别均衡向高级别均衡演变。

图4 2012—2020 年辽宁省数字经济与城市韧性耦合协调等级空间分布Figure 4 Spatial distribution of coupled coordination levels of digital economy and urban resilience in Liaoning Province，2012－2020

3.3 耦合协调度的动态演变

构建马尔科夫转移链能够有效反映出各市耦合协调度状态随时间的转移态势。本文采用状态转移的频数近似估算状态转移的概率，参考侯孟阳等的研究［30］，建立传统马尔科夫转移矩阵（表2），对辽宁省各市数字经济与城市韧性耦合协调等级动态演进情况进行探究。

表2 2012—2020 年耦合协调度马尔科夫概率转移矩阵Table 2 Markov probability transfer matrix for coupled coordination degrees levels，2012－2020

从累计频次上看，2012—2020 年中度失调、濒临失调、基本协调、高度协调4 个等级累计频次依次为7、79、35、5，这说明辽宁省大部分城市仍处于转型发展期，仅有极个别城市近年来成为协调发展城市。据表可以看出耦合协调度的演变特征：①耦合协调等级演变类型较少，难以实现跨越式转移。2012—2020 年间辽宁省14 个地级市的耦合协调度演变仅存在两种情况，即维持现有等级或者向上提高一个等级，不存在等级降低以及等级跨阶段转移的情况，且转移也只发生在对角线两侧，表明各市的耦合协调等级是一个相对稳定持续的过程，短时间内几乎不可能发生跨越式演变；②具有较强的维持原有状态的稳定性，所有对角线上的元素值远远大于非对角线上的元素值，对角线上的最小值也达到了0.571 4，同非对角线上的值差距最小也达到了0.406 8。即无论在任何时期，辽宁省某市耦合协调度在当年属某种类型，在随后的年份仍属于这一类型的概率最少为57.14%，且等级越高，状态的稳定性越强；③耦合协调等级整体上具有向高等级方向转移的趋势。表中对角线上的数值逐渐增大，从中度失调的57.14%到濒临失调的83.54%，基本协调的91.3%，再到最终高级协调的100%，反映了辽宁省人居环境耦合协调等级存在向高等级收敛的可能性，即存在“俱乐部收敛”情况。

3.4 系统耦合协调驱动力

以各指标的离散值为自变量X，全部年份均值和2012、2016、2020 年3 个年份辽宁省数字经济与城市韧性耦合协调值为因变量Y，将数据导入地理探测器，运行后得到耦合协调值与各影响指标间的关系，根据q值筛选出排名前8 的影响指标（表3）。

表3 影响因素因子探测结果及排序Table 3 Influencing factors factor detector results and ranking___

通过频次统计法统计4 个时段内各影响因素出现的频次来反映各指标对耦合协调度的影响情况。结果显示，电信业务量（S3）、数字普惠金融（S5）、城市创新创业指数（X13）3 个指标在4 个时段内均有出现，是影响力最大的因子。社会消费品零售总额（X8）、每万人在校大学生数（X12）、每百人移动电话数（S2）、人均可支配收入（X9）4 个指标在4 个时段内出现了3 次，影响程度次之。

社会经济发展水平是数字经济与城市韧性耦合协调的主导性驱动。以社会消费品零售总额、人均可支配收入为代表的经济驱动不仅是城市韧性发展的前提，更是数字经济发展的保证。耦合协调系统的水平同经济水平有着极强的一致性。较高的经济基础一方面为数字经济发展提供必要的研发资本、信息基础设施、用户市场等多种条件，另一方面经济发展水平高的城市各类环境和基础设施较为完善，城市韧性也就高。辽宁省地区发展不平衡，经济发展水平高的沈阳、大连毫无疑问会成为省内两系统耦合协调的最高值区。

数字发展水平是数字经济与城市韧性耦合协调的本底性驱动。以电信业务量、数字普惠金融、每百人移动电话为代表的产业数字化和数字产业化是数字经济发展的基础和核心，数据已成为城市最重要的生产要素。数字化催生了新的产业和就业形态，推动了产业链的加速升级，信息要素的流转缩短了城乡之间的空间距离。数字化能提升政府决策的科学性，推动城乡公共服务的协同性以及均等化，使得公共服务更加普惠。此外，产业数字化和数字产业化可以通过提高资源的利用率、实时监测污染数据等方式促进城市生态环境的保护。

城市社会活力水平是数字经济与城市韧性耦合协调的潜在驱动。以城市创新创业指数、每万人在校大学生数为代表的社会活力反映出城市的开放和活跃水平。城市具有良好的创新创业环境，有着潜在的大学生智库和年轻劳动力，会吸引各类企业、投资者、创新创业者的入驻，这也是城市实力不断增长的源泉。高活力的城市由于有着良好的发展机制体系，在未来的发展中也不会被淘汰。一个“宜居、韧性、智慧”的城市，必然是一个充满活力的城市。

4 结论、建议与讨论

4.1 结论与建议

本文以辽宁省14 个城市为研究对象，构建了数字经济与城市韧性的评价指标体系，并运用熵值法、耦合协调度模型、马尔科夫链及地理探测器探究了城市韧性与数字经济发展的时空演变特征及影响因子。主要结论如下：①2012—2020 年辽宁省数字经济与城市韧性综合得分均总体呈现上升态势，数字经济增速明显，呈现明显的阶段性特征，城市韧性得分一直缓慢增长。空间分布呈现出双核特征，且二者具有较强的一致性。②研究年份耦合协调度稳步增长，总体处于濒临失调阶段，各市耦合协调等级均有提升，低等级（中度失调、濒临失调）城市占比逐渐减少直至消失。耦合协调等级分布从单中心模式转变为双核心模式，地区差异逐渐缩小，但整体上仍呈现核心—边缘结构。存在“极化与均衡并存”的空间格局，且均衡是从低级别均衡向高级别均衡演变。③辽宁省大部分城市仍处于转型发展期，仅有极个别城市近年来成为协调发展城市。数字经济与城市韧性的耦合协调等级的状态转移具有稳定性，仅能保持不变或向上提升一个等级，难以形成跨越式迁移，存在“俱乐部”趋同现象。④数字经济与城市韧性耦合协调主要受到社会经济发展水平、数字化水平和城市活力3 个因素的驱动。其中，社会经济发展水平是主导性驱动，数字化水平是本底性驱动，城市活力是潜在驱动。

地理尺度的研究进展为政策的制定提供了路径选择，针对辽宁省数字经济与城市韧性发展提出如下建议。有针对性地加强省内中小城市的信息基础设施建设，夯实数字化转型与创新的物质基础，发挥沈阳、大连数字中心城市的溢出效应，推动省内数字化水平协调发展，不断缩小“数字鸿沟”。大力支持邻近城市形成数字产业集群，充分发挥数字经济不受时空限制的特点，加强地区之间技术合作与信息互通，加快形成省内城市间的经济、社会、信息的一体化网络，逐步推进“韧性城市群”的建设，增强区域抵御外来冲击的经济韧性与社会韧性［31］。改善城市创新创业质量，营造良好的营商环境，通过政策扶持，吸引优秀人才和优质企业扎根。推动省内高等教育资源配置优化，高等教育资源向中小城市倾斜，提高其高等教育水平，鼓励高校毕业生当地就业，优先留住本土人才，避免出现“死海效应”。促进城市韧性和数字经济协调稳定发展。同时，数字经济由于有着开放、共享的特点，在城市数字化转型的过程中，也要时刻关注信息安全、保护隐私，规避数字化可能带来的风险。

4.2 讨论

本研究还存在一定不足，未来需要围绕以下两个方面进行深化与完善：第一，由于数字经济相关研究以及普惠金融指数提出的时间较晚，数据获取难度较大，鉴于数据来源限制，从两个维度5 个指标建立了数字经济评价体系，后续研究应再进行全面的指标体系改进，且研究时间序列较短，不能反映地区较长尺度的发展过程，未来可考虑延长时间序列进行分析；第二，将地级市作为基础研究单元，能够反映省域尺度内部各地级市之间的差异性，但未必能够反映出各城市内部之间的差异性，未来可将研究单元尺度进一步缩小，探究其内部差异。