［提要］ 随着国内外发展形势的持续变化，城市抵御、吸收外部冲击的能力不断引发社会各界的讨论和关注，提升城市经济韧性已成为政府治理工作的一个重要方面。本文基于我国地级市及以上城市面板数据，通过构建面板向量自回归模型（PVAR）来研究数字经济、创业活跃度和经济韧性的动态关系。
关键词：数字经济；PVAR模型；经济韧性
中图分类号：F49；F299.2 文献标识码：A
收录日期：2022年11月28日
引言
经历了40多年高速发展，目前我国正处于由经济高速增长向经济高质量发展转型的关键时期。然而新冠肺炎疫情的爆发却突然摁下了我国经济发展的“暂停键”，致使我国社会不可避免地遭受到严重冲击，实体经济发展受到重大影响，大量工业企业迫于国内外形势纷纷停产和裁员，企业生存变得更加艰难，生产经营和社会正常运转受到重大影响。在这种背景下，城市经济系统在面对不确定性的外部冲击时所具备的抵御冲击和抗风险能力突显得尤为重要。目前，这一问题正在引起政府的重视，“经济韧性”一词在近期政府报告多次出现，并不断引起专家学者们的讨论。
由于不同城市所处地理位置、资源禀赋和地区经济发展水平的差异，使得我国各城市的经济韧度存在非均衡特征。不同城市面对外部冲击时所表现出来的韧性强度存在较大差异：政治治理和基础设施建设较好的城市在遭到外部负向冲击时的经济波动幅度较小，且能够在较短时间内恢复正常运转状态；但经济系统韧性较差和发展缓慢的城市表现却恰恰相反，这类城市对于外部冲击的反应往往会出现较大幅度波动，且由于自身恢复能力问题，会导致恢复时间长等问题。如何提升区域和城市经济系统韧性、实现经济可持续稳定发展已成为我国社会当前亟须解决的一个重要问题。随着互联网技术的更新换代，大数据、人工智能、物联网和云计算等新一代信息技术不断涌出，使得数字经济能够在实体经济处境艰难的情况下仍逆势增长，期间不断吸引中小企业的加入，并持续对其进行技术渗透。这对加快和促进传统企业的转型和城市产业结构的升级具有重要的作用，有利于增强经济系统韧性和应对风险的能力。
一、文献综述
“韧性”一词源于物理学概念，是指当系统受到外部因素冲击时，具有恢复到初始形态的能力。随着研究的不断深化，其内涵也逐渐被应用到经济学、社会学等领域。在经济学研究领域，Reggianni（2002）认为韧性通常是指系统抵御、吸收、调整以及成功从实体遭受冲击前状态中恢复过来的能力。经济韧性则是指经济主体遭受冲击后在短期内恢复原始状态并持续发展的能力。
已有研究表明，数字经济是影响经济韧性的重要因素。数字经济凭借数字技术的强渗透性、强扩散性和易复制性等优势，将人才、知识和信息等资源集聚于网络平台，利用技术实现线上线下市场的相互结合和再扩大，从而产生规模效应、知识技术溢出等正外部效应。数字经济带来的正外部性，首先可以通过多元化信息来源提高企业对风险的敏感性，提前着手准备应对外部环境变化带来的负面冲击，从而有效提高城市经济系统抵御和吸收冲击的能力；其次，知识和技术溢出效应能够提升企业管理水准和产品技术占比，有效提高区域和企业内部的资源整合能力与创造力，从而加快经济系统遭到冲击后的恢复能力和速度；最后，数字经济发展带来的平台型交易市场，基于传统市场融入了大量技术因素，突破了传统企业发展的众多限制，城市管理和企业经营变得更加灵活，从而使经济系统的适应性和可变化性得以提升，城市经济韧性增强。此外，数字经济在我国社会的蓬勃发展，使得大数据和人工智能技术在金融领域得到深度应用，对改善整体资源配置起到积极影响，间接助力地区产业结构布局和工业企业的发展，提高城市对外部环境变化的抵御、吸收和消化能力，从而促进城市经济韧性的提升。
二、研究设计
（一）模型构建。本文以我国2012～2018年地级市及以上城市的面板数据为研究对象，分析数字经济、创业活跃度与经济韧性之间的动态关系，模型构建如下：
yi，t=α0+■αiyi，t-j+γi+θt+εi，t
其中，yi，t表示核心变量；i和t分别为地区和年份；yi，t-j为滞后j期的核心变量，j为滞后期数；α0为截距项向量，αi表示滞后变量的参数估计矩阵；γi和θt分别为个体、时间固定效应；εi，t为误差项。
（二）变量选取。经济韧性指标（RES）：本文经济韧性指数的计算以地级市的实际GDP为基础，参考Martrin（2016）方法计算而得。具体计算公式为：
RES■■=■
其中，Y■■和Y■■分别为城市i在t和t-j年的指标；Y■■和Y■■为本国在t和t-j年的指标。
创业活跃度（CRT）：该数据来自北京大学企业大数据研究中心编制的中国区域创新创业指数。数字经济指数（DIG）：参考黄群慧（2019）和赵涛（2020）的方法，从互联网发展水平和数字金融两个维度进行测度。
三、实证分析
（一）数据和模型检验
首先，在构建面板自回归（PVAR）模型前，需要检验数据是否平稳。本文选用LLC和ADF-Fisher方法对研究数据进行检验。根据检验结果，同根检验中经济韧性、创业活跃度和数字经济调整后的t检验值依次为-23.384、-77.313、-32.061，且均显著，通过了LLC检验；异根检验中，三者的P、Z、L*、Pm四个统计量的P值也均显著。因此，可认为序列数据是平稳的。
其次，分析数据协整性。本研究利用Kao和Pedoni检验对变量数据进行协整分析。结果显示，Kao检验的ADF统计量的值为-7.1812，相伴概率为0.000，说明序列变量间存在协整关系；Pedroni检验的MPP、PP和ADF统计量的值分别为11.147、-30.304、-32.0006，且均显著。因此，有理由认为RES、CRT和DIG存在长期均衡关系，适合构建PVAR模型。
再次，确定模型的滞后阶数。本文参照Love的做法，通过比较信息准则值，来确定最优滞后阶数。由Stata17的测算结果，MBIC在滞后1期时最小，MAIC在滞后1期时最小，MQIC在滞后2期时最小，故滞后1期为最优选择。
最后，检验模型整体的稳定性。以最大限度保证模型分析结果的有效性。因为全部特征根均位于单位圆内，所以本文构建的PVAR模型是稳定的。
（二）系数估计。在确保模型稳定后，即可对模型进行系数估计。为尽可能消除个体和时间效应，本文分别采用前项差分法（Helmert）和组内均值法进行处理，然后对模型参数进行GMM估计。
分析估计结果可得：（1）当RES作为被解释变量时，数字经济（DIG）和创业活跃度（CRT）的滞后1期估计系数分别为0.841和0.015，且均显著。但滞后1期经济韧性（RES）的系数为0.538且显著。这说明滞后1期的DIG和CRT对当期RES具有显著促进作用，而经济韧性却对自身存在负向作用。（2）对于创业活跃度（CRT），滞后1期的DIG的估计系数为11.131且显著，说明数字经济对创业活跃程度具有较大的正向影响。滞后1期的CRT对自身当期的系数为-0.041。滞后1期的RES的估计系数为0.1063但不显著，表明经济韧性对当期创业活跃度为正但作用不明显。（3）对于数字经济（DIG）而言，滞后1期的RES、CRT和DIG的估计系数分别为-0.0089、-0.0027和-0.1821，并分别在10%、5%和1%的水平上显著，说明滞后1期的经济韧性、创业活跃度和数字经济本身会抑制当期数字经济发展。
为进一步分析数字经济、创业活跃度和经济韧性之间的短期动态关系，本文利用Wald系数约束检验三者的Granger原因。经检验可知：CRT和RES互为Granger原因，在5%的显著性水平下，前者是后者增强的Granger原因，同样显著性水平下，RES也是CRT的Granger原因。DIG与RES也互为Granger原因，在1%的显著性水平下，DIG是RES的Granger原因，同样是DIG的格兰杰原因。DIG发展是CRT的单向Granger原因。
（三）脉冲响应分析。PVAR模型作为一种非理性模型，其系数变化往往难以解释，学者们常通过脉冲响应来分析变量间的动态关系，更直观地观察变量波动情况。本文通过脉冲响应函数来考察数字经济、创业活跃度和经济韧性受到变量冲击后的反应情况。检验结果如下：
1、经济韧性冲击响应。对于经济韧性而言，其自身冲击使其表现出较大幅度变化并迅速到达峰值，但紧接着出现下降，并在第一期末时达到谷值，于第二期收敛为零。当创业活跃度受到经济韧性变化冲击时，作用始终为正，在第一期达到作用效果的峰值后便缓慢降低，于第六期收敛至零值附近。总体来说，经济韧性的正向冲击对创业活跃度具有长期正向作用，但效果偏弱。数字经济在受到经济韧性变化冲击后未出现大幅度波动的状况，仅在前几期具有微弱的负向作用，但稍后便向零收敛。
2、创业活跃度冲击响应。对于来自创业活跃度变化的冲击，对经济韧性在前三期表现出负效应。在第一期负向作用达到最大，随后开始反转，负向影响逐渐减弱并在第三期后开始表现出微弱的正向作用，并保持此关系。当创业活跃度受到自身变化冲击时，呈现出较强的正向作用且在第零期效果最大，此后多期的作用效果以边际递减的形式逐渐减弱，并在第十期冲击效果收敛为零。对于数字经济而言，创业活跃度的冲击对其产生的作用影响始终为负。自第零期开始，对数字经济的负向冲击效果不断增强，但前三期的增速逐步减慢，直到第三期末负向效果达到最大，然后开始持续减弱，但在第十期仍存在较弱的负向效应。
3、数字经济冲击响应。当数字经济水平发生变化，其对经济韧性产生的冲击在第一期为负且持续增强，此后随时间推移负向作用不断减弱，在第七期滞后完全消失。对创业活跃度而言，数字经济水平的变化会对其产生持续为正的促进作用。前三期数字经济对创业活跃度的正向作用随时间呈现不断上升趋势，并在此出现拐点，随后效应逐渐转弱但仍为正，整体呈倒“U”型变化。对于数字经济的冲击，其自身能够迅速做出反应并呈现出正向效果。在该过程中，其反应迅速并在当期达到了冲击效果的峰值且相对较大，并在之后多期中始终保持为正。这说明数字经济冲击对自身的当期和滞后期均会产生持续的正向作用。
为评估变量之间的相对重要性，本文采用方差分解研究了不同变量的结构冲击贡献率。根据方差分解结果：（1）RES、CRT和DIG三个变量对其自身的贡献率均远超其他两个变量，说明三者均存在自我增强机制。（2）对经济创业活跃度而言，除了自身的影响外，对其贡献度的大小依次为数字经济、经济韧性。其中，数字经济对它的影响随着时间变化而不断增强，但经济韧性对它的贡献率却始终不变，其值恒定为0.0001。（3）对于数字经济，其对自身的影响会随时间而逐渐减弱，但保持较大贡献率，创业活跃度和经济韧性的贡献度相对较低。在前四期，经济韧性和创业活跃度对数字经济的影响均在不断增强，且前者作用效果要略强于后者。自第五期起，经济韧性的贡献率不再变化，保持为0.007，但创业活跃度贡献率持续变大并实现反超。
（四）稳健性检验。为检验前文分析结果的稳健性，本文接下来将利用就业指标测算城市经济韧性指数，重复前文步骤来检验两者的动态关系。经重新估计后对比可发现，虽然数字经济对整体经济韧性存在微弱的负向影响，但对就业韧性具有持续的正向作用。当前，随着数字技术对我国传统行业渗透，一定程度上冲击了原有的社会经济结构，并改变了人们的消费偏好和习惯，去中心化发展模式不仅改变了就业方式，同时还创造出了新的就业岗位。城市数字经济水平变化冲击有利于本地区增强创业活跃程度，且具有边际效应递减特征。但是后者的提高对前者却具有效用递减的负向作用，整体起到调节两者平衡的作用。这可能是因为城市创业活动增加会积累较多的不确定性，甚至破坏微妙的经济结构平衡从而造成经济波动所引起的。就业韧性对创业活跃度和数字经济分别起到负向减弱和正向增强的滞后作用。
四、研究结论
本文以我国2012～2018年278个地级市及以上城市的面板数据作为研究样本，从创业活跃度视角分析了数字经济发展对城市经济韧性的影响，主要结论有：数字经济水平的提高会对创业活跃度具有显著促进作用，大致呈现出先增后减的倒“U”型变化趋势，但是后者的提高对前者却未能起到显著的促进作用；数字经济在初期可能会对城市经济系统的韧性产生微弱负向影响，但会随时间很快消失并逐渐转为正向促进；此外，数字经济还会通过创业活跃度对城市经济韧性的提高起到间接作用。
（作者单位：青岛科技大学经济学与管理学院）
主要参考文献：
［1］Martin Ron，Sunley Peter.On the notion of
regional economic resilience：Conceptualization and
explanation［J］.Journal of Economic Geography，2015.15（01）.
［2］刘逸，纪捷韩，张一帆，杨宇.粤港澳大湾区经济韧性的特征与空间差异研究［J］.地理研究，2020（09）.
［3］姜南，李鹏媛，欧忠辉.知识产权保护、数字经济与区域创业活跃度［J］.中国软科学，2021（10）.
［4］郭峰，王靖一，王芳，孔涛，张勋，程志云.测度中国数字普惠金融发展：指数编制与空间特征［J］.经济学（季刊），2020（04）.
［5］戚聿东，刘翠花，丁述磊.数字经济发展、就业结构优化与就业质量提升［J］.经济学动态，2020（11）.
［6］徐璋勇，朱睿.金融发展对绿色全要素生产率的影响分析——来自中国西部地区的实证研究［J］.山西大学学报（哲学社会科学版），2020（01）.
［7］田杰，谭秋云，陈一明.数字普惠金融、要素扭曲与绿色全要素生产率［J］.西部论坛，2021（04）.
［8］张聪颖，畅倩，霍学喜.信息化对区域贫困治理的影响［J］.中国人口·资源与环境，2021（06）.
|
