黄河流域城市经济韧性的时空分异及其驱动因素

梁静波，李倩倩

（1.信阳师范大学 商学院，河南 信阳 464000；2.江苏大学 财经学院，江苏 镇江 212013）

0 引言

黄河流域在我国经济社会发展中具有重要地位。2019 年，黄河流域生态保护和高质量发展被确定为重大国家战略。而在当前国内外日趋复杂的环境中，黄河流域发展面临重大挑战。经济韧性作为反映区域发展质量的重要指标，能较好地体现区域经济高质量发展的新诉求［1］，因此提高黄河流域城市经济韧性成为黄河流域实现高质量发展的重要途径。但黄河流域内部结构失衡、水资源短缺、生态环境脆弱、资源依赖严重、经济发展不充分等问题突出，一直阻碍着黄河流域的转型发展，尤其以资源为支撑的第二产业占比高，使得黄河流域经济发展易陷入产业结构低端、单一的锁定路径，造成流域内城市经济韧性较差。同时黄河流域横跨我国东中西三大板块，流域内城市发展条件、功能定位、资源环境承载约束等存在明显差异，使得各城市面对外部冲击时的反应程度有所不同，从而经济韧性表现出明显差异，这势必会加剧黄河流域经济高质量发展的非均衡性。换言之，黄河流域要想实现经济高质量协同提升和可持续发展，就要求流域内各城市均有良好的经济韧性基础。因此，本文基于黄河流域城市经济发展面临的现实问题，考察黄河流域城市经济韧性的时空分异特征，并对其驱动因素进行分析，以期推动黄河流域城市经济韧性协同提升、促进黄河流域高质量均衡发展。

1 文献综述

经济韧性的评价。对城市经济韧性进行科学合理的测度是开展研究的重要基础。现有研究中，经济韧性评价方法主要有单要素指标法和综合指标法。单要素指标法是选取一个能直观反映经济韧性高低的变量进行衡量，如就业率［2-4］、失业率［5，6］、GDP增长率［7-12］等。这种单要素评价方法要求所选指标对外部冲击敏感且能够反映区域经济韧性的绝大部分信息［13］，对指标的选择要求较高。然而不同经济体在发育程度、与外部联系和内部结构等方面存在明显差异，使得其面对危机的反应程度不同，单一指标或无法准确反映各个经济体的经济韧性。综合指标法可从多个角度构建指标体系对城市经济韧性进行评价，能在一定程度上弥补单一指标的不足，从而被众多学者采纳。如Wang 等从经济表现、公共观点、公共卫生、区域疫情管理和疫区人口信息5 个维度构建指标体系对中国286 个城市的经济韧性进行测度［14］；Man等从多样性、收支相关能力、创新环境、发展趋势、开放性5 个社会经济方面构建中国东北37 个城市的经济韧性评价体系［15］。

经济韧性的空间分异。众多学者已从不同层面证实我国经济韧性存在明显空间分布特征［16-19］。李连刚等对黄河流域91 个地级市经济韧性的进行研究发现，山东、山西南部和河南北部地区的城市经济韧性较低，陕西、宁夏和青海东部地区的城市经济韧性较高［20］。此外，个别学者进一步对经济韧性的空间差异及来源进行了探究。如黄杰等利用Dagum基尼系数对我国八大城市群经济韧性的空间差异及来源进行探究发现，中国八大城市群经济韧性的总体差异呈下降趋势，城市群间差异是主要差异来源［21］。

经济韧性的影响因素。当前，国内外学者广泛探讨了政策和制度环境［22］、社会资本和人力资本［23，24］、产业结构［4，25-29］、创新能力［30，31］、区位优势［32］、人口集聚［33］、文化［34］等因素对经济韧性的影响。如Kitsos等研究决定英国经济韧性高低的因素认为，具有良好初始经济条件、产业多样化以及较强创新精神的地区其经济韧性越强［35］。丁建军等对中国连片特困区经济韧性的影响因素分析发现，地理区位、人均固定资产投资等因素对连片特困区经济韧性存在显著影响［36］。黄若鹏等研究黄河流域中下游地区40 个城市经济韧性的影响因素发现，政府行政力、第三产业比重对经济韧性产生负效应，市场力对地区经济韧性具有显著正效应［37］。此外，也要学者对经济韧性空间分异的驱动因素展开研究。如Di Caro研究发现意大利经济韧性区域差异主要是经济多样性、贸易开放、金融约束、人力资本和社会资本等因素差异导致［24］；陈作任等发现东莞市樟木头和常平镇经济韧性产生差异的主要原因在于地方制度、技术变革、经济结构和劳动力结构等因素的不同［38］。

综上可见，近年来国内外对有关经济韧性的研究日趋完善，尤其对于我国经济韧性的研究逐渐增多，且研究角度也呈多样化趋势，但仍存在以下尚需补充的地方：①在经济韧性研究尺度方面，鲜有学者考察流域层面上的经济韧性，对黄河流域沿线省份内城市的研究更是少数。黄河流域作为中国重要的经济区域，当前重要发展战略是实现高质量发展，黄河流域城市经济韧性时空分异研究对其高质量均衡发展具有重大影响，值得深入探索。②在经济韧性空间差异研究方面，运用泰尔指数方法研究经济韧性的空间差异无法衡量样本间交叉重叠问题，并要求所考察样本必须满足正态分布。Dagum基尼系数及其分解方法可以有效弥补这两项缺点，但尚未有学者采用此方法研究黄河流域城市经济韧性的空间差异。③对于经济韧性影响因素的研究，多数学者关注的仍是影响因子对经济韧性的抑制或促进作用，并未关注造成经济韧性时空分异的驱动因素，对黄河流域城市经济韧性时空分异驱动因素的研究更为稀少。

2 研究区域概况、研究方法与数据来源

2.1 研究区域概况

黄河流域在空间上包括黄河流经的青海、甘肃、四川、陕西、内蒙古、宁夏、山西、河南和山东9 个省（自治区）。参考孙久文等的研究［39］，并考虑数据可获得性，最终确定包括青海、甘肃、陕西、内蒙古、宁夏、山西、河南以及山东8 个省（自治区）内的78 个地级市为本文研究对象。此外，借鉴秧玉洁等研究中对黄河流域的地区划分方法［40］，并结合《黄河年鉴》分别以内蒙古河口镇和河南省桃花峪作为上中游和中下游分界线，将黄河流域划分为上、中、下游（图1）。其中上游地区包括：西宁、兰州、嘉峪关、金昌、白银、武威、张掖、酒泉、定西、陇南、呼和浩特、包头、鄂尔多斯、巴彦淖尔、乌兰察布、乌海和宁夏自治区各市。中游地区包括：天水、平凉、庆阳，三门峡、洛阳、焦作、陕西省各市和山西省各市。下游地区包括：郑州、开封、平顶山、安阳、鹤壁、新乡、濮阳、许昌、漯河、南阳、商丘、信阳、周口、驻马店以及山东省各市。

图1 黄河流域研究区位Figure 1 Research Location of the Yellow River Basin

2.2 经济韧性指标体系

城市经济韧性主要指一个城市经济系统在遭受外部冲击之后，其经济恢复、调整和创造新增长路径的能力。参考已有研究［36，41-44］，从抵抗与恢复能力、适应与调整能力、创新与转型能力3 个维度构建黄河流域城市经济韧性评价指标体系（表1）。具体来说，抵抗与恢复能力主要包括人均GDP、城镇居民人均可支配收入、城镇登记失业人口占比、HHI指数（赫芬达尔-赫希曼指数）和外贸依存度，分别反映城市的经济发展水平、居民风险抵抗能力、就业体系抵抗能力、产业结构多样化和外贸依存度。其中，失业人口占比、HHI指数和外贸依存度为负向指标。HHI指数以三次产业占比的平方和表示，外贸依存度采用进出口总额占GDP 的比重衡量。因单位不同，将以美元为单位的进出口总额指标按每年平均汇率折算成人民币。适应与调整能力由人均财政支出、财政自给水平、固定资产投资占GDP比重、人均社会消费品零售额和金融机构存款余额占GDP 比重构成，分别反映政府资源调配能力、政策扶持力度、城市投资规模、市场规模大小和城市金融发展水平，均为正向指标。其中，财政自给水平用财政收入与财政支出的比值衡量。创新与转型能力由教育事业费占财政支出比重、产业高级化、每万人专利授权量、科学技术支出占财政支出比重和每万人在校大学生数构成，分别反映政府教育投入水平、产业结构优化程度、科研投入力度、技术创新能力和城市人力资本水平。

表1 黄河流域城市经济韧性综合评价指标体系Table 1 Comprehensive evaluation index system for urban economic resilience in the Yellow River Basin

2.3 研究方法

熵值法。熵值法是依据每个指标她据所包含信息量的具体情况客观地确定每个指标的权重大小，而信息量是由指标数据的相对变化程度决定的。指标数据相对变化越大，则指标信息效用价值越大，在评价中重要性越强，权重也就越大，反之权重越小［45，46］。对比主观赋权法，熵值法能够避免人为赋权导致的权重偏差问题［47］。而对比其他客观赋权法，熵值法不仅解决了指标体系复合指标间信息交叉、叠加等问题，而且可以克服因异常值导致的权重偏离正常区间的局限［48，49］。基于此，本文采用传统熵值法对2005—2020 年黄河流域78 个城市的经济韧性进行测算。由于各指标的量纲不同，因此采用极差标准化法对每年原始数据进行标准化处理，具体计算公式为：

探索性空间数据分析（ESDA）方法。该方法主要包括全局空间自相关和局部空间自相关。根据Tobler提出的地理学第一定律，任何事物之间都是相关的，并且距离的不同其空间上的相关性也不同［50］。因此，本文依据空间邻接矩阵，利用Stata16软件探讨黄河流域城市经济韧性的空间集聚性。

全局空间自相关通常用全局Moran's I 指数测算，用以表示在空间上处于邻近位置的某一属性值的相似程度，可反映空间序列数据整体集聚情况，计算公式为：

式中：n为城市个数；i和j为区域内不相同的城市；xi、xj分别为i、j 城市经济韧性值；为黄河流域全部城市经济韧性的平均值；wij为空间邻接矩阵，若i城市和j 城市相邻，则wij为1，若不相邻，则wij为0；I的取值范围是［-1，1］，I ＞0 表示具有空间正相关，具有集聚效应，I ＜0 表示空间负相关，存在扩散效应。

通常采用标准化统计量Z 值对Moran's I 指数进行检验，计算公式为：

式中：E（I）为Moran's I 的数学期望；Var（I）为方差；Z（I）为Moran's I 的显著性。当Z（I）＞0 且显著时，呈正空间自相关；当Z（I）＜0 且显著时，呈负空间自相关。

局部空间自相关为进一步明确黄河流域范围内高水平和低水平经济韧性城市空间集聚的具体位置，本文利用局部Moran's I指数识别，计算公式为：

式中：Ii为第i个城市的局部Moran's I指数值；在Moran's I 指数显著的情况下，根据Moran's I 指数的显著性和Z 检验结果可得到4 种集聚关系：若Moran's I和Z（I）均大于0，此时呈“高—高”集聚，研究城市与相邻城市经济韧性均为高水平；若Moran's I 大于0 但Z（I）小于0，此时为“低—高”集聚，研究城市经济韧性为低水平，相邻城市经济韧性为高水平；若Moran's I 和Z（I）均小于0，此时为“低—低”集聚，研究城市和相邻城市的经济韧性均为低水平；若Moran's I小于0 但Z（I）大于0，此时为“高—低”集聚，研究城市经济韧性为高水平，相邻城市经济韧性为低水平。

Dagum基尼系数。现有文献主要采用传统基尼系数、变异系数和泰尔指数等方法对空间差异进行分析。传统基尼系数和变异系数只能对区域差异进行简单描述而不能对其来源进行分解，泰尔指数虽能对差异来源进行分解，却无法衡量样本间交叉重叠问题，同时还要求所考察样本必须满足正态分布［51］。而Dagum基尼系数及其分解方法在衡量空间差异时既不要求样本满足正态分布，又能对空间差异来源进行分解［24］。基于此，为探究黄河流域城市经济韧性的空间差异及其来源，本文依据Dagum提出的基尼系数及其按子群分解观点［52］，测量黄河流域城市经济韧性空间差异和来源。基尼系数G计算公式为：

式中：yji、yhr为j、h地区内城市的经济韧性；表示78 个城市的经济韧性均值；k 为划分的地区个数；n为城市个数；nj、nh为j、h 地区内的城市个数；G是总体基尼系数；j、h为划分的不同地区；i、r为地区内不同城市。

Dagum将总体基尼系数G 分解为区域内差异贡献Gw、区域间差异贡献Gnb、超变密度贡献Gt，且满足G ＝Gw＋Gnb＋Gt，计算公式为：

式中：Gjj为j地区基尼系数；Gjh为j和h 地区的区域间基尼系数；Pj＝nj／n，Sj＝nji／n，j ＝1，2，…，k；Djh为j和h地区间经济韧性的相对影响；djh为区域间经济韧性差值，表示j和h地区中所有yji-yhr＞0样本加总的数学期望；Pjh为超变一阶矩，表示j 和h地区中所有yhr-yji＞0 样本加总的数学期望；Fj、Fh表示地区j、h累积密度分布函数。

地理探测器。该方法是探测空间分异性，并能揭示其背后驱动因素的一种统计方法，已被广泛应用于经济增长、人口老龄化、城镇化等经济社会领域［53-57］。与传统的统计方法相比，地理探测器具有对自变量间的共线性免疫的优点［58］，其不仅可以探析出各因素的驱动作用大小，还可以对因素间的交互作用进行分析［59］。鉴于此，本文采用地理探测器中的因子探测和交互作用探测考察黄河流域城市经济韧性时空分异的驱动因素及驱动因素间的交互作用。因子探测用于探测因子对因变量空间分异的解释程度，是通过引入决定力指标值来探究黄河流域城市经济韧性时空分异驱动因素的解释力大小，计算公式为：

式中：q是驱动因素的解释力，l ＝1，2，…，L 为分类的数目；Nl和N 分别为层l 和全区样本个数；和σ2分别为层l 和全区的方差。q 取值范围为［0，1］，q值越大说明驱动因素对黄河流域城市经济韧性时空分异的解释力越高。

交互作用探测是评估两个因子共同作用时对因变量的解释力是否高于或低于单个因子的解释力，亦或这些因子对因变量的影响是彼此独立的。评估的方法是通过比较单因素Xj和Xp及两者叠加后的q值，即比较q（Xj）、q（Xp）和q（Xj∩Xp）的大小，进而判断因素Xj和Xp交互作用的类型，并评估这种交互作用是否会增强或减弱对黄河流域城市经济韧性时空分异的解释程度。若表示为q（Xj∩Xp）＜min（q（Xj），q（Xp）），则两因子间的交互作用为非线性减弱；若表示为min（q（Xj），q（Xp））＜q（Xj∩Xp）＜max（q（Xj），q（Xp）），则为单因子非线性减弱；若max（q（Xj），q（Xp））＜q（Xj∩Xp）＜q（Xj）＋q（Xp），则交互作用是双因子增强；若q（Xj∩Xp）＝q（Xj）＋q（Xp），则Xj和Xp相互独立；若q（Xj∩Xp）＞q（Xj）＋q（Xp），则是非线性增强。

2.4 数据来源

在确定样本期时，由于2005 年之前年份的地级市数值缺失比较严重，为保证研究结果的可靠性，故本文研究期间确定为2005—2020 年。所用数据主要来源于2006—2021 年《中国城市统计年鉴》和各省的省级统计年鉴、地级市统计年鉴，部分数据来源于国家相关部门年度统计公报、各地市国民经济和社会发展统计公报和政府工作报告等，个别缺失数据根据具体情况使用均值法或插值法补全。为使指标可比，全部指标均采用比例数据。

3 时空分异特征及分析

3.1 时间分布特征

2005—2020 年黄河流域整体及上中下游地区的城市经济韧性结果如图2 所示。从城市经济韧性水平值来看，下游地区城市经济韧性最高，且高于黄河流域整体城市经济韧性均值；上游地区和中游地区的城市经济韧性较低，且低于黄河流域整体城市经济韧性均值。从演变趋势上看，2005—2020 年间黄河流域整体及上中下游地区的城市经济韧性均呈波动上升态势。具体来说，黄河流域整体城市经济韧性均值由2005 年0.234 4 波动上升到2020 年0.319 6，年均增幅为2.09%。三大地区中，下游和中游地区城市经济韧性增速较快，其城市经济韧性增速高于黄河流域整体城市经济韧性提升速度，城市经济韧性均值分别由2005 年0.2614 和0.200 6快速上升到2020 年0.369 7 和0.280 7，年均增幅分别为2.34%和2.27%。上游地区城市经济韧性增速较慢，且低于黄河流域整体城市经济韧性增速，其城市经济韧性均值由2005 年0.239 3 快速上升到2020 年0.298 0，年均增幅仅1.47%。总体来看，黄河流域城市经济韧性在样本期内提升明显，但同时流域内城市经济韧性不平衡问题也逐渐凸显，下游地区城市经济韧性较高且提升速度也较快，这将导致与其他地区间差距扩大，不利于黄河流域城市经济韧性协同发展。

图2 2005—2020 年黄河流域城市经济韧性变化Figure 2 Changes of urban economic resilience in the Yellow River Basin，2005 -2020

3.2 空间分布特征

本文选取2005 年、2010 年、2015 年及2020 年4个时间点，借助ArcGIS软件中的自然间断点分级法将黄河流域78 个城市经济韧性分为低值、较低值、较高值和高值四级，并将其可视化表达（图3）。2005 年，黄河流域低、较低、较高、高经济韧性类型的城市分别为36、28、10、4 个，低经济韧性和较低经济韧性城市占比最高，分别占46.15%和36.00%。高经济韧性类型的城市分别为太原市、呼和浩特市、济南市和东营市。2010 年，低、较低、较高、高经济韧性类型的城市分别有31、24、10、13 个。相较2005 年，低和较低经济韧性城市数量减少，较高经济韧性城市类型数量没有变化、高经济韧性城市数量增加，其中巴彦淖尔市和金昌市由较低经济韧性城市变成低经济韧性城市。2015年，低、较低、较高、高经济韧性类型的城市分别有34、25、11、8 个，低经济韧性城市数量最多，占比43.59%。相较2010 年，低和较低经济韧性城市数量增加，同时较高经济韧性城市数量也有所增加，高经济韧性城市数量有所减少，包头市、鄂尔多斯市、淄博市、东营市、烟台市由高经济韧性城市变为较高经济韧性城市。2020 年，低、较低、较高、高经济韧性类型的城市分别有31、30、11、6 个，低经济韧性城市最多，占比39.74%。相较2015 年，低和高经济韧性城市数量减少，较低经济韧性城市数量增加，较高经济韧性城市数量没有变化。

图3 2005、2010、2015、2020 年黄河流域城市经济韧性空间分布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 年省会城市中太原市、呼和浩特市和济南市一直为高经济韧性城市；郑州市和西安市2010 年由较高经济韧性城市转为高韧性城市并一直处于高经济韧性城市状态，而兰州市在2010 年转为高经济韧性城市后又在2020 年变为原来的较高经济韧性城市；西宁市则仅有2010 年转为较高经济韧性城市，其他年份均为较低经济韧性城市；银川市在4 个年份中较为稳定，一直为较高经济韧性城市。总体而言，黄河流域城市经济韧性在空间分布上具有显著差异性，高经济韧性和较高经济韧性的城市主要集中为省会城市及其周边地区的城市，如太原、呼和浩特、济南、郑州、兰州等，且大体位于黄河下游地区；低和较低经济韧性城市范围最大，主要集中在兰西城市群和关中城市群周围，大体位于黄河中上游地区，呈片状分布。

3.3 空间集聚特征

通过全局Moran's I 指数测算黄河流域城市经济韧性的空间相关性特征（表2）。

表2 黄河流域城市经济韧性全局Moran's I指数值Table 2 Global Moran's I index values of urban economic resilience in the Yellow River Basin

由表2 可知，样本期内黄河流域城市经济韧性Moran's I指数均通过了5%的显著性检验。从静态角度看，2005—2020 年Moran's I 指数均为正值，表明黄河流域城市经济韧性存在正空间自相关性，即经济韧性水平接近的城市在空间上呈现出集聚趋势，经济韧性高的城市之间相邻，经济韧性低的城市之间相邻。从动态角度看，黄河流域城市经济韧性的Moran's I指数在经历两轮“上升—下降”趋势后呈持续增长状态。具体来说，Moran's I指数值先由2005年的0.174 短暂上升到2006 年的0.214 后开始下降，到2008 年Moran's I 指数值下降到0.171，2009 年转呈上升趋势，到2011 年Moran's I 指数值上升到0.223，此后再次出现下降趋势，Moran's I指数值降至2016 年最小值0.136，随后呈快速上升趋势。综合以上分析可以看出，黄河流域城市经济韧性经历了多次“集中—分散”的演变趋势，但最终呈集聚趋势，且总体上集聚趋势增强。可能原因在于黄河流域城市经济韧性提升过程中，空间位置上的邻近为要素、信息、产业等的相互流动和共享提供了便利，经济韧性高的城市可以对周边城市起到“示范效应”，从而使城市经济韧性接近城市在空间上形成集聚。

为进一步了解2005—2020 年黄河流域城市经济韧性的局部空间相关性，运用局部Moran's I 指数，通过Stata16 软件形成2005、2010、2015 和2020年Moran's I散点图（图4），以识别局部空间上的高低集聚现象。由图4 可知，4 个年份中“高—高”集聚区和“低—低”集聚区的城市数量最多，其次是“低—高”集聚区，“高—低”集聚区城市数量最少。具体来说，黄河流域经济韧性分布在“高—高”集聚区的城市主要有济南、青岛、威海、烟台、东营、日照、呼和浩特和包头。这些城市在空间位置上邻近，可以发挥济南、青岛、呼和浩特等大城市的“涓滴效应”助推经济增长，并通过深化跨区域的联动发展，完善跨区域协同治理格局，形成区域内高水平的城市经济韧性。城市经济韧性“低—低”集聚区的城市主要有固原、天水、平凉、南阳、周口和驻马店。这些城市经济基础薄弱，同时在区位、交通和资源等方面不具备明显优势，形成城市经济韧性发展的“洼地”。城市经济韧性“高—低”集聚区城市如兰州、西安和太原等“虹吸效应”大于“辐射效应”，致使周边城市经济韧性提升较为缓慢，形成了“低—高”集聚区。

图4 黄河流域78 个城市莫兰散点图Figure 4 Moran scatter map of 78 cities in the Yellow River Basin

4 空间差异特征及分析

4.1 总体差异及趋势

黄河流域城市经济韧性的总体差异大小及其演变趋势如图5 所示。

图5 2005—2020 年黄河流域城市经济韧性的总体差异Figure 5 Overall difference in economic resilience of cities in the Yellow River Basin，2002 -2020

从水平值看，样本考察期内黄河流域城市经济韧性的总体差异介于0.186 2—0.298 9 之间，表明黄河流域城市经济韧性存在显著的空间差异。从演变趋势看，样本期内黄河流域城市经济韧性总体差异明显呈波动下降趋势。具体而言，黄河流域城市经济韧性的总体差异由2005 年样本期内最大值0.298 9下降到2008 年的0.244 6，年均下降6.47%；在经历短暂的下降后，2009 年黄河流域城市经济的总体空间差异开始上升，其差异值到2015年上升到0.2607，年均增长0.92%；此后黄河流域城市经济韧性的总体空间差异再次出现下降趋势，到2020 年差异值下降为0.186 2，达到样本期内最小。总体来说，黄河流域城市经济韧性的总体空间差异相比考察初期有所下降，总体差异明显缩小。

4.2 区域内差异及趋势

黄河流域城市经济韧性的区域内差异大小及其演变趋势如图6 所示。从水平值看，上游地区城市经济韧性的区域内差异最大，其差异均值为0.261 6，地区内部城市经济韧性不均衡现象明显；其次是下游地区城市韧性的区域内差异，其差异均值为0.258 7；中游地区城市韧性的区域内差异最小，其差异均值仅为0.200 3。从演变趋势看，样本考察期内上游、中游和下游地区城市经济韧性的区域内差异均呈缩小趋势，其中下游地区城市经济韧性的区域内差异下降速度最快，其差异值由2005 年0.322 8下降到2020 年0.150 1，年均下降4.98%。上游地区的区域内差异下降速度次之，其差异值由2005 年的0.299 6 下降到2020 年的0.188 7，年均降幅为3.04%。中游地区的区域内差异下降速度在三个地区内最慢，其差异值由2005 年的0.232 1下降到2020 年的0.171 4，年均降幅仅为2.00%。综合以上分析可以看出，各地区内城市经济韧性差异均在缩小，这有助于地区内城市经济韧性的协同提升。

图6 2005—2020 年黄河流域各地区的区域内差异Figure 6 Regional differences within different regions in the Yellow River Basin，2005 -2020

4.3 区域间差异及趋势

黄河流域城市经济韧性的区域间差异大小及其演变趋势如图7 所示。从水平值上看，上游和下游地区之间的城市经济韧性差异最大，其差异均值为0.269 0；其次是中游和下游地区之间的城市经济韧性差异，差异均值0.254 1；而上游和中游地区之间的差异最小，其差异均值为0.248 6。从演变趋势看，三大地区间城市经济韧性差异均呈下降趋势，其中，上游和下游地区之间城市经济韧性差异下降速度最快，其差异值由2005 年的0.316 0 下降到2020年的0.196 1，年均下降3.13%。上游和中游地区间的城市经济韧性差异下降较慢，其差异值由2005年的0.288 4 下降到2020 年的0.185 9，年均约下降2.89%。中游和下游地区之间城市经济韧性差异下降最慢，其差异值由2005 年的0.302 5 下降到2020 年的0.206 4，年均下降2.52%。综合以上分析可以看出，下游地区凭借较强的经济韧性与上游和中游地区拉开差距，导致其区域间差异较大。虽然其区域间差异呈下降趋势，但仍需关注下游地区与其他地区间的经济韧性差异。

图7 2005—2020 年黄河流域城市经济韧性的区域间差异Figure 7 Regional differences of urban economic resilience in the Yellow River Basin，2005 -2020

4.4 空间差异来源及贡献

黄河流域城市经济韧性空间差异来源的结果如表3 所示。

表3 黄河流域城市经济韧性的空间差异来源Table 3 The sources of spatial differences in urban economic resilience in the Yellow River Basin

从水平值看，样本期内超变密度对总体差异的年均贡献率为46.91%，对黄河流域城市经济韧性的总体差异贡献最大；区域内差异和区域间差异对总体差异的年均贡献率分别为32.68%和20.41%，差异贡献相对较小。从演变趋势来看，区域内差异和超变密度对总体差异的贡献率均表现出波动下降趋势，其差异贡献率分别由2005 年的33.19%和46.85%降至2020 年的30.33%和34.60%，年均降幅分别为0.60%和2.00%。区域间差异贡献率则表现出上升趋势，其差异贡献率由2005 年的19.96%升至2020 年的35.07%，年均上升3.83%；由此可见，尽管超变密度是黄河流域城市经济韧性空间差异的主要来源，但其贡献率有所下降，而区域间差异较快的增长速度是今后黄河流域城市经济韧性协同提升的重点。

5 驱动因素及分析

鉴于城市经济韧性指标体系中各指标均是评价黄河流域城市经济韧性的重要组成部分，各指标发展差异会对黄河流域城市经济韧性时空分异产生影响。因此本部分将指标体系中人均GDP（X1）、城镇居民人均可支配收入（X2）、失业人口占比（X3）、HHI指数（X4）、外贸依存度（X5）、人均财政支出（X6）、财政自给水平（X7）、固定资产投资占GDP比重（X8）、人均社会消费品零售总额（X9）、金融机构存款余额占GDP 比重（X10）、教育事业费支出占比（X11）、产业高级化（X12）、科学技术支出占比（X13）、每万人专利授权量（X14）和每万人大学生数（X15）15个指标作为驱动因子，借助地理探测器模型对黄河流域整体及上中下游地区城市经济韧性时空分异的驱动因素进行研究。利用地理探测器进行探测时，需要将这些指标的数值变量转换为类型量。本文利用ArcGIS软件中的自然间断点分类法进行离散化处理，使其转换为类型量，并将离散化后的指标作为自变量，将城市经济韧性值作为因变量，导入地理探测器模型中并运行。

5.1 因子探测分析

由表4 可知，从总体层面来看，各个因素解释力从高到低的排序依次为：人均社会消费品零售总额（0.783 1）＞每万人专利授权量（0.736 6）＞每万人大学生数（0.661 8）＞财政自给水平（0.653 5）＞城镇居民人均可支配收入（0.586 4）＞产业高级化（0.563 9）＞人均GDP（0.542 6）＞科学技术支出占比（0.526 5）＞HHI 指数（0.471 2）＞外贸依存度（0.376 3）＞失业人口占比（0.244 1）＞金融机构存款余额占GDP 比重（0.149 4）＞固定资产投资占GDP比重（0.073 0）＞人均财政支出（0.051 3）＞教育事业费支出占比（0.042 7）。解释力位居前四位的因素分别为人均社会消费品零售总额、每万人专利授权量、每万人大学生数和财政自给水平，其值均高于0.6，固定资产投资占GDP比重、人均财政支出和教育事业费占财政支出比重的解释力不足0.1，且这3 个因素对城市经济韧性空间分异的影响并不显著，这表明市场规模差异、城市技术创新能力差异、人力资本水平差异和政府政策扶持力度差异对黄河流域城市经济韧性空间分异的驱动作用较大，而城市投资规模差异、政府资源调配能力差异和教育投入水平差异在现阶段并不是导致黄河流域城市经济韧性空间分异的主要因素。

表4 黄河流域城市经济韧性空间分异的驱动因素Table 4 Driving factors for spatial differentiation of urban economic resilience in the Yellow River Basin

分地区来看，导致城市经济韧性存在差异的主导因素各不相同。对于上游地区来说，人均社会消费品零售总额、每万人大学生数和城镇居民人均可支配收入的驱动力最大；对于中游地区，人均社会消费品零售总额、每万人专利授权量和每万人大学生数是主要驱动因素；对于下游地区而言，驱动因素排名前三的分别为每万人专利授权量、人均GDP和人均社会消费品零售总额。固定资产投资占GDP 比重、人均财政支出、教育事业费占财政支出比重和失业人口占比差异对上中下游地区城市经济韧性空间分异的影响均较低。综合以上分析来看，市场规模差异均是黄河城市经济韧性空间分异的关键驱动因素，因此，各地区在增强城市经济韧性的过程中应重点关注市场规模方面的差异，以促进黄河流域城市经济韧性的协同发展。

5.2 交互探测分析

在考察单因素对黄河流域整体城市经济韧性空间分异的影响强度后，进一步使用地理探测器的交互探测功能对黄河流域整体城市经济韧性时空分异驱动因素的叠加效应进行定量分析，探究各驱动因素间的交互作用并识别其交互作用类型。由图8 可知，黄河流域整体层面上，人均社会消费品零售总额、每万人专利授权量和每万人大学生数的交互作用对黄河流域整体城市经济韧性时空分异有着重要影响。上游地区中，固定资产投资占GDP比重与金融机构存贷款余额占GDP比重、每万人在校大学生数的交互作用均达到0.9 以上，分别跃居第1 和第2 位，这表明即使是单个驱动作用较弱的因素与其他因素交互后其驱动作用也有所增强。中游地区中，科学技术支出占比与其他因子交互作用较为明显，在前十的交互关系中占有6 项，且其与HHI 指数的交互作用居于首位，对中游地区城市经济韧性时空分异的解释力最强。下游地区中，每万人专利授权量与其他因子间的交互作用的解释力较强，在排名前10 的因子中占有7 项，对下游地区城市经济韧性时空分异具有比较重要的影响。此外，无论是黄河流域整体还是各地区内，任何两个驱动因素的交互作用均会增强单一因素对城市经济韧性时空分异的解释力，表现为非线性增强或双因子增强，表明黄河流域城市经济韧性时空分异是多个因素共同作用的结果。

图8 黄河流域及各地区驱动因素间的交互作用Figure 8 Interaction between driving factors in the Yellow River Basin and various regions

6 结论与政策建议

6.1 结论

本文以黄河流域78 个地级市为研究对象，以2005—2020 年为样本期，构建了城市经济韧性评价指标体系，使用熵值法计算得到黄河流域各城市的经济韧性水平值，分析了其时空分异特征，最后通过地理探测器模型探究了时空分异产生的驱动因素。主要结论如下：①从整体层面看，2005—2020 年黄河流域78 个地级市中，除呼和浩特、包头、济南、淄博和东营5 个城市经济韧性有所下降外，其他城市经济韧性均呈上升趋势，且驻马店、周口、商丘等城市经济韧性增长势头强盛。流域内城市经济韧性的极化趋势有所减弱，但仍存在较多低经济韧性的城市。从地区层面看，上中下游地区城市经济韧性均呈波动上升态势，但其发展速度不均衡，下游和中游地区城市经济韧性增速较快，上游地区城市经济韧性增速较慢。从分维度看，样本期内创新与转型能力在各地区均具有较强的表现力，强于另外两个维度的表现情况。此外，3 个维度在时间演变趋势上也各不相同，抵抗与恢复能力、创新与转型能力均呈上升趋势，但适应与调整能力则呈先降后升的趋势。②在空间分布上，黄河流域高经济韧性和较高经济韧性城市主要为太原、呼和浩特、济南、郑州、兰州等省会及周边城市，在空间位置上大多位于黄河下游地区；低和较低经济韧性城市的空间分布范围最大，主要集中在兰西城市群和关中城市群周围，位置上多位于黄河中上游地区。在空间集聚上，黄河流域城市经济韧性经历多次“集中—分散”趋势后最终呈集聚趋势，且主要为“高—高”集聚和“低—低”集聚。在空间差异上，黄河流域城市经济韧性总体差异呈波动下降趋势，超变密度是主要差异来源，但贡献率呈下降趋势。区域内差异贡献率次之，区域间差异贡献率最小，但在样本期内呈上升趋势。③在黄河流域整体层面上，人均社会消费品零售总额、每万人专利授权量、每万人大学生数、财政自给水平、城镇居民人均可支配收入5 个因素在整个样本期内均具有较强的驱动作用。产业高级化和科学技术支出占比的驱动作用逐渐增强。在各地区层面上，黄河流域上游和中游地区城市经济韧性时空分异主要受人均社会消费品零售总额因素差异的影响，下游地区城市经济韧性时空分异主要受每万人专利授权量因素差异的影响。无论是黄河流域整体还是上中下游地区，任何两个驱动因素的交互作用均会增强单一因素对黄河流域整体城市经济韧性时空分异的解释力。

6.2 政策建议

为促进黄河流域城市经济韧性水平协同提升，实现流域高质量和可持续发展，本文基于研究结论提出以下建议：

第一，因地制宜，实施差异化提升策略。黄河流域上游地区生态环境脆弱，要在生态保护的前提下提升城市经济韧性，因此可利用生态功能区这一优势，在流域内积极开展生态产品和生态服务价值核算，制定包含水源、生态固碳、森林地票、生态旅游、特色农产品等在内的独具地区特色的生态产品清单，并与市场交易相结合，从而将产品的生态价值有效转化为经济价值，切实促进上游经济发展，提升上游地区城市经济韧性。黄河流域中游地区非资源类产业占比低，产业发展严重失衡，地区经济韧性最差，是提升的重点。可在立足现有资源类产业发展优势的同时，向技术密集、资源精细加工业转型，大力发展非资源类替代产业，形成特色优势产业。同时延长产业链以打造资源深加工领先企业和产业集群，将资源优势夯实为产业优势，经济优势。黄河流域下游地区经济韧性相对较好且提升速度也较快，要继续保持这种优势，可在立足国内大循环的基础上促进流域内外“双循环”。在区域内通过主动调整产业结构，加快新旧动能转化步伐等促进产业向高级化方向发展，实现区域一体化水平提升。在区域外充分发挥地理优势，加强与国内其他地区特别是东部沿海经济发达城市之间的合作，努力寻找新发展模式提升城市经济韧性。

第二，发挥溢出效应，助推韧性提升。黄河流域经济韧性高的城市主要是省会城市，且黄河流域城市经济韧性在空间上具有空间集聚和溢出效应，因此要充分发挥这些高经济韧性城市对周边经济韧性较低城市的辐射带动作用。通过完善不同城市之间的交通路网以及信息通讯网等确保高经济韧性城市与低经济韧性城市之间保持流畅的沟通和联系。高经济韧性城市要及时为低经济韧性城市输出资金、技术和管理经验等，通过以传输经验、重点专项帮扶等措施推动邻域城市经济韧性提升。此外，充分利用省会城市的经济优势和调配资源的能力为其周边城市创造多样化的产业基础，加强城市与城市间的动态合作，以便在有城市遭受风险和冲击难以维系经济系统正常运转时，经济实力强的城市可依靠自身优势及时统筹接收遭受冲击城市的资源，快速形成新的生产力或发展出新的经济竞争优势来抵抗冲击，从而降低危机的冲击力。

第三，缩小区域差异，实现协同提升。黄河流域城市经济韧性在空间上具有显著差异，且区域间差异对总体差异的贡献呈上升趋势，因此在今后黄河流域城市经济韧性协同提升过程中，要重点关注区域间差异，尤其是下游地区与中上游地区间的经济韧性差异。这不仅需要进一步加快中上游地区城市经济韧性的提升速度，而且需要下游地区发挥对中上游地区的带动作用。具体来说，对于黄河流域中上游地区而言，转变经济发展方式，加快创新能力是提升城市经济韧性的关键。黄河流域中上游大部分城市目前仍存在经济产业结构不合理、经济活力差和创新动力不足等问题，严重影响地区内经济系统面对外部冲击的抵抗能力。因此中上游城市可充分利用当前由数字经济及信息化迅猛发展带来的优势，对其地区内产业结构重新进行调整。通过建设特色产业体系，并借助“一带一路”建设契机，开辟向西开放的新模式，从而寻求新发展路径，促进中上游地区经济韧性提升。同时，黄河流域下游地区要积极向中下游地区进行产业转移，带动中上游地区城市经济韧性快速提升。

第四，重点关注主导驱动因素，发挥有利交互作用。经济系统的复杂性决定了不同因素差异均有可能导致城市经济的抗风险能力以及恢复能力不同。影响上中下游地区城市经济韧性时空分异的诸多因素中，市场规模、技术创新能力、人力资本水平、居民抗风险能力、产业结构优化程度等因素差异是关键驱动因素。因此，对于市场规模、技术创新能力、人力资本等较强的城市要继续保持发展优势。对于经济韧性较低的城市需要政府通过加大转移支付等方式增加居民的可支配收入，刺激消费，扩大市场规模，通过鼓励发明专利，培养创新型人才等增强经济的创新能力，以实现对经济韧性较高城市的追赶。同时，充分利用各因素间交互作用大于各自驱动作用的优势，尤其发挥驱动作用较强因子与其他因素间的合力作用，促进城市将技术优势转化为经济优势以实现城市经济韧性协调发展。