The Innovation Network and Urban Economic Resilience of the Guangdong-Hong Kong-Macao Greater Bay Area
-
摘要: 面对日趋复杂多变的内外部经济环境，在加快构建新发展格局的进程中，以创新驱动增强城市经济韧性的重要性愈发明显。基于WIPO专利匹配城市层面数据，实证考察创新网络对城市经济韧性的影响机制发现，粤港澳大湾区创新网络尤其是联合创新网络的形成有利于城市经济韧性的提升。为保证联合创新活动的持续稳定进行并助力韧性城市建设，建议构建“核心—边缘”、以点带面、等级清晰的联合创新网络，其中香港、深圳、广州等核心节点城市应加强联系并发挥主导作用，尤其是在数字经济等高科技领域，网络边缘城市需积极寻求同层级城市合作，并参与到核心城市主导的高技术含量创新中去。Abstract: Faced with the increasingly complex and changeable internal and external economic environment and undergoing the process of accelerating the construction of a new development pattern, the importance of enhancing urban economic resilience driven by innovation has become more and more obvious. Based on the city-level WIPO patent data, an empirical study of the impact mechanism of innovation networks on urban economic resilience finds that the formation of innovation networks in the Guangdong-Hong Kong-Macao Greater Bay Area, especially the joint innovation network, is conducive to the improvement of urban economic resilience. In order to ensure the continuous and stable progress of joint innovation activities and help the construction of resilient cities, it is recommended to build a joint innovation network with "core and periphery", "points promoting surface", and clear levels. Core cities such as Hong Kong, Shenzhen, and Guangzhou should strengthen connections and play a leading role, especially in high-tech fields such as digital economy. Periphery cities need to actively seek cooperation with cities at the same level and participate in high-tech innovation led by core cities.
-
经济波动与增长的研究是经济学的永恒话题。2000年至今，中国经济历经大大小小的挑战，如2003年非典疫情、2008年金融危机、2018年中美贸易战、2020年新冠肺炎疫情等。相较而言，非典疫情与中美贸易摩擦等事件均没有改变世界经济基本面，而2008年金融危机后，美国、日本等世界主要经济体经济增长疲软，贸易保护主义抬头，经济逆全球化趋势明显，加之2020年新冠肺炎疫情的重大冲击，世界经济下行压力持续增大。与此同时，中国经济也迈入新旧动能转换的新发展阶段。党的十九届五中全会明确提出要加快构建以国内大循环为主体、国内国际双循环相互促进的新发展格局，但这面临中国国内市场供需不匹配、科技领域“卡脖子”等诸多挑战。面对日趋复杂的内外部经济环境，研究如何提高经济短期内抵御危机冲击的能力，并快速构建长期的新型发展模式，具有重要的现实意义。
创新是第一生产力，是经济高质量发展、实现新发展格局的重要支柱。虽然中国科技实力经过多年持续发展已经在部分关键领域取得突破性进展，但总体而言，在原始创新能力、成果转化应用等方面与发达创新国家相比仍存在显著差距[1]，拥有很大的进步潜力。作为中国科技创新的先行区，粤港澳大湾区兼具港澳国际化、珠三角完整产业链、内地庞大消费市场的优势，正着力打造全球科技创新的新高地。在此进程中，如何持续优化粤港澳大湾区创新合作网络并助力构建韧性城市，是亟待研究的课题。
基于此，本文以2008年金融危机冲击为时间节点，在梳理创新网络对城市经济韧性影响机制的基础上，运用WIPO专利匹配城市层面数据，构建粤港澳大湾区创新网络，实证考察创新网络特征对城市经济韧性的直接效应以及城市金融环境、数字经济发展异质性对这一效率的影响。本文的边际贡献体现在三个方面：一是研究视角方面，从创新网络切入，将技术创新作为城市经济韧性的重要来源进行考察，并着重考虑城市间创新活动的联系，既把握了城市创新对本城市经济韧性的作用，又考察了基于网络的创新溢出效应；二是研究内容方面，鉴于港澳与珠三角的产业结构等各方面差异明显，进一步探讨了金融环境、数字经济与区位异质性下创新对城市经济韧性影响的不同；三是研究意义方面，以2008年金融危机冲击为背景，探讨创新对经济韧性的影响，能以史为鉴，助力2020年新冠肺炎疫情之后长期、持续的新发展经济格局的建立。
一. 文献综述与研究假设
一 文献综述
“韧性”最初为物理学概念，指材料在受到使其发生形变的力时吸收能量、避免折断的能力，后广泛应用于心理学、工程学、生态学等，并逐步由工程韧性、生态韧性发展为适应性韧性。Reggiani et al[2]最早将“韧性”概念引入经济学，学术界较为普遍认可[3-6]的经济韧性的定义由Martin和Sunley[7]提出：经济韧性为区域经济抵御冲击、恢复增长以及组织更新的能力，既包括区域经济面对外部冲击时的脆弱性与敏感性，也包括遭受冲击后经济系统重新组合自身资源、调整结构，从崩溃中恢复到新发展路径的能力，即经济的恢复并不是简单回复到冲击前的水平与结构，而是一个要素重组、产业转型升级的过程，更强调经济遭受冲击触底反弹后的自我修正。据此定义，经济韧性可以根据冲击作用阶段的不同而粗略划分为两个过程：冲击抵御期与恢复更新期。此外，根据经济韧性的来源不同，可以将韧性划分为适应性韧性与继承性韧性[8-10]。其中，适应性韧性是指采取新的保护措施、改变技术或制定新的政府救灾方案所产生的抵御冲击、恢复更新的能力；继承性韧性是指因经济系统自身结构所产生的相关能力。
作为经济健康、持续增长不可回避的话题，经济韧性的影响因素研究引起了学术界的广泛关注。经济韧性作为一个复杂的系统，其影响因素可涵盖企业生存的内外部、软硬环境以及全生命周期，Martin和Sunley总结认为其主要包括四个方面：产业结构相关特征；知识基础、金融结构、对外开放等外部因素；企业文化等内部因素；商业信心、预期等心理因素[7]。Martin等以法国为例，研究发现产业集聚可通过提升进出口企业的生存概率而提高经济韧性[11]。Pendall等通过对经济学等相关文献的研究，认为经济危机等外部冲击与产业衰退等内部扰动是促使区域韧性变化的重要因素[12]。Capello等以欧洲为案例探讨得出创新系统、城市规模等因素会显著影响区域经济韧性[13]。Brown和Greenbaum以美国俄亥俄州为例，研究发现产业结构的多样化有利于促进经济韧性的提升[14]。徐圆等以中国地级市为例，研究得出创新是产业结构多样化影响城市经济韧性发展的中介[6]。产业结构特征，如产业结构多样化与产业集聚，被认为是影响经济韧性的重要因素之一[14-15]。与此同时，产业结构变迁影响城市创新水平进而影响城市经济韧性的理论机制也被广泛接受，创新水平更高的经济体在遭受外部冲击后能更快速地结束崩溃，并通过知识溢出外部性对产业结构做出调整，促进经济恢复更新[16]。
创新网络是创新主体间构建的基于创新活动的联系。依据联系的紧密程度可分为强联系与弱联系；依据建立的方式可分为正式联系与非正式联系。强联系多发生于共同专业领域，有利于复杂知识的交流；弱联系多发生于不同领域交叉时，有利于形成“颠覆式”创新[17]。正式联系以正式的合同契约关系为基础，有助于企业间分摊创新成本并实现协同收益[18]；非正式联系相对于正式联系而言，主要依存于社会关系，有助于培养创新主体间的信任基础，加强正式联系。粤港澳大湾区创新网络节点城市之间的联系呈现多样化，同时涵盖强弱、正式与非正式联系，但由于创新联系向创新成果的转化这一过程离不开资金与平台的支持，所以本文探讨的创新网络为正式网络，创新主体多为企业、高校与科研院所。
网络的联系是溢出效应的关键来源之一[19]。创新网络中创新主体的广泛联系促使大量知识与信息流动与扩散，从而产生知识的外部性，催生新的创新成果，并且不同的网络环境对于节点城市发现知识、吸收转化知识与传递知识将产生差异性的影响[20]；反之，创新主体也可以通过提高与其他主体的“接近”程度、占有“中介机会”来控制网络中的知识信息资源，降低知识在网络中的流动频率，以达到自身增值的目的[21-22]。但这并不一定会降低创新网络的整体创新水平，比如，当节点存在个体差异[23]时，不同类别的创新主体拥有不同的诉求，创新能力较弱的城市为谋求发展，与创新能力强的城市合作时更看重技术交流而非短期收益；创新能力较强的城市与能力弱的城市合作，则可能更看重收益而非技术创新；创新实力相当的城市合作，则更可能旨在进行知识交流、突破关键技术、共享创新成果。
二 研究假设
创新作为发展的第一驱动力，作用于经济韧性的各个阶段，并能有效提升城市经济韧性。城市遭受危机冲击前，创新水平较高的城市往往拥有较高的技术水平、产业结构与生产效率，同时伴随着更激烈的市场竞争，市场中的企业不断面临小挑战并通过调整组织管理模式、投入更高的研发成本而具有更高的继承性韧性[11]。在城市遭受危机冲击后，创新水平更高的城市能更快速地通过技术支持复工复产转产、拓展市场，从而解决产业链、销售链崩溃的问题，并进一步转型升级，步入更稳定、可持续的新型发展路径，拥有更强的适应性韧性[16]。创新网络相对于创新而言，在强调创新活动对城市经济韧性影响的基础上，还强调网络城市之间创新活动的联系对经济韧性的影响，而创新网络组织结构主要通过“成本—收入”效应与知识溢出效应作用于城市经济韧性(见图 1)。
“成本—收入”效应主要来源于网络成员间的相互联系。由于创新网络内的成员正式与非正式的联系，各网络节点之间构成一个相互作用的系统，系统内创新要素的流动强度显著高于系统外的创新主体[24]。创新网络成员间的关系可分为强关系与弱关系，强关系有利于高技术创新，而弱关系多发生于存在差异的成员间，更有利于颠覆性创新的发生[25]。城市间长期的创新合作可以加强网络成员间的信任，增加技术重叠成员间新技术与新产品的合作开发，从而提高创新效率、降低创新成本并共享创新收益。当遭受外部冲击时，在一定程度上，部分网络联系的断裂并不影响整个创新网络的正常运转，而颠覆性创新有利于形成新兴经济模式，从而支持城市的经济活动正常运转，增强了城市经济韧性。
作为一种无意识、非正式、未补偿的知识流动，知识溢出使得知识并不为知识创造者完全专有，但知识创造者所处网络地位的不同可以在一定程度上影响知识转移与扩散的方向和质量；创新网络内价值知识的分享，更有利于各节点获得竞争优势。并且，基于地理学第一定律，越“近”的事物间信息与知识传播交流成本越低且频次越高[26]，更有利于个人层面传播的隐性知识的溢出[27]。城市创新合作的过程中知识信息交流所产生的外部性(溢出)能进一步提升创新的效率[28]，激发城市群创新活力，促进创新向生产力转化，推动产业转型升级与新经济发展，提升城市经济韧性。在此基础上，提出研究假设1：
H1 创新网络有利于提升城市经济韧性。
创新网络由各个创新节点与节点间的联系构成，创新节点可大可小，最常见的创新主体主要是企业与城市。创新节点由于知识溢出效应而对其他节点的创新产生影响[29]，其中在创新网络中居于中心地位的节点为核心节点。作为知识溢出的中心，核心节点可影响其他节点的创新活动，甚至可控制整个网络的建构与创新任务的分配[30]；而非核心节点(主要为中小规模)则主要通过获取核心节点的知识溢出，提升创新能力与网络等级，以逐渐摆脱核心节点的控制。合理的创新网络结构能提升网络的整体创新绩效[31]。创新网络各节点城市与其他城市联系的特征，可以用网络节点中心度指标衡量。
度数中心度越高表明该城市与其他城市的创新活动联系越为紧密、互动越为频繁。此时城市间可通过分摊创新成本并共享创新成果来提升城市创新效率，从而营造城市创新氛围。同时，创新主体间互相信任且密切的知识信息交流与协作可产生高质量的知识溢出，容易形成高技术含量创新[32]，进而推动产业快速转型升级，提升城市经济韧性。
接近中心度越高表明该城市与其他城市的创新活动联系越有效率，但同时也可能说明该城市处于创新网络的边缘。此时该城市由于经济实力与创新资源有限，可通过寻求与其他同层次城市的创新合作，或加入更高层次的城市主导的创新活动，降低创新成本，丰富创新成果，提高协作效率，增强知识溢出外部性，推进城市经济韧性提升。
中间中心度越高表明该城市在创新网络中核心地位越高，对其他城市创新活动的主导作用越强。此类城市更倾向于与同层级城市开展联合创新或主导低层级城市创新。与同层级城市合作创新主要是受知识溢出驱动，能够促进高质量知识技术的传播，有利于攻克技术难关，形成高技术创新；主导低层级城市创新主要受收益驱动，主导方由于知识、信息等优势可进一步压缩成本、提高收入。二者均有利于创新活动的发生，并促使经济韧性提升。
在此基础上，提出研究假设2：
H2 不同创新网络特征的城市提升经济韧性的路径不同。
二. 研究设计
一 数据来源
本文研究样本为2008—2019年粤港澳大湾区11个城市，主要包括城市创新、产出、就业、贸易等方面的数据。经济韧性与控制变量原始指标来源于《广东省统计年鉴》《香港统计年鉴》《澳门统计年鉴》与各地级市统计年鉴，港澳涉及货币计量的指标，如GDP等，均以年平均汇率换算成人民币计量；为更详细地探讨不同类型的创新对经济韧性的影响，本文构建了整体创新与联合创新两类网络，其中整体创新网络数据来自各统计年鉴，联合创新数据来自世界知识产权组织专利数据库(WIPO)，通过检索申请人所在省市并以专利公开日为时间节点确定两两城市间联合专利的数量。
二 变量设计
1 被解释变量
本文被解释变量为城市经济韧性。经济作为一个复杂的系统，其韧性的内涵与测度仍处于不断演化的过程，学术界使用较为普遍的测度方式主要有三种：构建指标体系、构建单指标与构建计量模型进行反事实估计。除构建指标体系容易产生混淆因果的问题外，单指标测度与计量模型反事实估计在方法上各有优劣：单指标测度简便易行、经济含义明显，主要以地区产值与就业的相对变化率评价地区经济的韧性水平，不足在于过于简洁、信息量少；构建计量模型进行反事实估计实现起来更为复杂，但拥有更扎实的经济理论基础，并可以包含更多的信息。本文同时运用后两种测度方式测量粤港澳大湾区的城市经济韧性，基准分析运用GMM估计系数测算的经济韧性，城市就业变量构建的单指标韧性作为稳健性检验。参考Doran和Fingleton[33]与徐圆等[5]的做法，以静态凡登定律为基础，构建劳动与产出增长之间的计量模型，并考虑到经济存在惯性，当期经济的发展形势作为下一期经济发展的基础，对下一期经济的增长具有重要意义，所以粤港澳大湾区遭受2008年金融危机前经济的发展趋势估计模型如式(1)所示。
lnlaborfit=α+ρlnlaborfi,t−1+τlnGDPit+δit (1) 其中，i为地区，t为年份，GDP为地区生产总值，代表地区产出水平，laborf为地区就业人员数，代表地区劳动参与水平，laborfi, t-1为劳动参与水平的时间滞后项(滞后一期)，α为截距项，δit为残差项。使用GMM模型进行估计，参数估计值如表 1所示，根据过度识别(P=0.994 6)与扰动项自相关性检验(0.876 1)，估计结果有效。
表 1 粤港澳大湾区2000—2007年经济趋势参数估计值参数 估计值 Z值 α 0.623 266 4*** 6.04 ρ 0.581 867 4*** 11.96 τ 0.207 146 8*** 6.11 注：***、**、*分别代表p < 0.01、p < 0.05、p < 0.1。 在此基础上，借鉴Martin等[34]提出的方法，粤港澳大湾区城市经济韧性的测度方式如式(2)与式(3)所示。
Resiresi=(△lresi−Δˆlresi)|Δˆlresi| (2) Resireci=(△lreci−△ˆlreci)|△ˆlreci| (3) 其中，Resiires表示城市i冲击抵御期的经济韧性，Δlires表示冲击抵御期城市i就业人数的变化，Δˆlresi表示冲击抵御期城市i反事实就业人数的变化，可由GMM模型估计(resi_g)或以全国就业人数变动情况为基准(resi_i)获得[11, 35-36]。同理可得恢复更新期相关变量的含义。采用GMM反事实模拟计算出的韧性值为正时，表明该城市遭受冲击后能快速转危为安、危中求机，比未发生危机的情况获得更高的经济增长；采用全国平均水平为基准计算出的韧性值为正时，表明该城市遭受危机时相较于全国平均水平而言，经济下滑得更少且恢复得越快，简言之，韧性值围绕0左右波动，是一个正向指标。
2008年金融危机自2008年9月从美国拉开序幕，金融风险在国际间传导、蔓延。中国出口增长速度于2008年11月份出现了2000年以来首次负增长，国内生产总值增长率从2007年的14.2%下降到2008年的9.6%、2009年的9.2%，至2010年后经济开始恢复，增长率达到10.4%，2011年后中国经济逐渐步入“后危机时代”。基于此，本文将2008—2010年作为金融危机冲击的抵御阶段，2011—2019年作为危机后的恢复更新阶段。
2 解释变量
本文的解释变量为城市创新网络，包括粤港澳大湾区城市群总体创新网络与联合创新网络两大类；联合创新网络以联合创新专利数为联系构建，总体创新网络以城市创新引力模型矩阵建立。引力模型广泛用于度量区域间的联系，计算公式如式(4)所示。
Lij=√PiRi×√PjRjDij (4) 其中，i与j均代表城市，且i≠j，Lij为城市i与城市j之间的创新活动联系紧密程度，该计算公式得到的联系是无方向、对称的矩阵，Lij等于Lji，可简化后续中心度指标的计算。P为城市专利申请总量，R为城市R&D从业人员数，D为城市间地理距离。经济活动中常用的距离为最短陆路交通距离，但创新活动主要与高层次人才相关，对于陆路交通的依赖程度低，并且在数据收集的过程中发现，联合创新活动多发生于地域上的邻近地区，基于此，本文最终选择了城市间地理距离进行测度。
基于社会网络(SNA)分析框架与相关文献处理方式，节点在网络中相对地位的主要观测指标为中心度，包括度数中心度、接近中心度与中间中心度。度数中心度(degre)描述了与网络中节点城市创新活动有直接联系的城市的数量，没有考虑对其他节点的影响或控制。度数中心度越大，该节点与其他节点的联系越广泛。接近中心度(close)描述了网络中节点城市创新活动多大程度上不受其他城市影响或控制。接近中心度越大，该节点越可能处于网络的边缘，但同时也表明，其与其他城市的创新联系“距离”短、效率高。中间中心度(betwe)描述了网络中节点城市创新联系多大程度上居于其他两个城市之间，是一种控制能力指数。中间中心度值越高，表明该节点越处于网络的核心位置，对整体网络影响越大。
3 控制变量
城市经济韧性作为一个复杂的系统，根据已有研究，其影响因素主要有五个方面。第一，人力资本水平。人才特别是高素质人才一般拥有相对稳定且较高的收入，刚需在消费中占比较低。当经济遭受不可预见冲击时，这一群体的消费水平受影响程度较低，并且能为经济的后续恢复提供支持，所以人力资本水平与城市经济韧性之间理论上呈正相关关系。由于数据限制，以劳动力总量进行衡量(labor)。第二，市场繁荣情况。本区域内市场的繁荣、多层次且旺盛的商品需求与供给，有利于解决经济遭受冲击后企业复工复产面临的原材料短缺、产品滞销等问题，以城市社会消费品零售总额度量(sale)。第三，对外依存程度。对外市场的紧密联系同理可加强产业链的稳定性，但对区域外市场的依赖也可能加速风险传导并受到区域政策的不确定性影响，以进出口总额衡量(port)。第四，产业结构类型。各产业由于自身特性对不同的经济冲击反应程度不同，例如，2003年非典疫情的冲击后，第三产业增速相对于2002年下滑约1个百分点，而第二产业增长约3个百分点，以第三产业增加值与第二产业增加值之比衡量(istr)。第五，资源利用效率。城市遭受非预见性冲击后，资源陷入短缺，此时地区对资源的利用效率越高，城市经济越容易恢复发展，以城市绿色全要素生产率衡量(tfp)。tfp的测度运用了EBM模型，投入要素为固定资产(永续盘存法)与就业人员数，期望产出为地区GDP，非期望产出为工业废水、工业废气、碳排放量与PM2.5。
为保证经济数据拥有更优良的统计特征，本文借鉴已有文献的做法[37-38]，对控制变量中的总量指标进行了对数化处理，主要变量的统计描述见表 2。
表 2 主要变量统计描述Variables Obs Mean Std. Dev. Min Max resi_g 132 -0.315 7 0.944 7 -5.734 9 1.064 8 resi_i 132 11.879 3 9.148 6 -2.393 1 30.442 9 degre_b 132 0.351 5 0.266 6 0.000 0 0.800 0 close_b 132 0.484 0 0.147 5 0.200 0 0.714 0 betwe_b 132 0.033 2 0.066 6 0.000 0 0.333 0 degre_s 132 0.725 4 0.435 2 0.000 0 1.582 0 close_s 132 0.836 9 0.296 7 0.333 0 1.464 0 betwe_s 132 0.031 1 0.055 5 0.000 0 0.385 0 ln_labor 132 5.641 2 0.889 0 3.440 1 6.988 2 ln_port 132 6.393 2 1.476 5 3.485 5 9.380 1 ln_sale 132 7.227 1 0.945 5 5.123 4 9.148 7 ln_istr 132 0.445 9 1.134 9 -0.634 9 3.253 5 tfp 132 1.024 2 0.031 1 0.970 4 1.088 1 pdens 132 0.212 9 0.391 4 0.021 5 1.359 5 ldiv 132 0.227 5 0.231 5 0.025 9 0.670 9 lwav 132 0.213 1 0.214 6 0.022 9 0.800 6 sbg 132 228.05 110.42 53.60 520.33 pmob 132 1.514 3 0.593 9 0.472 8 2.748 7 local 132 0.181 8 0.387 2 0.000 0 1.000 0 三 模型设定
为探讨上述研究假说，本文构建如式(5)所示的基准计量模型。
Resiit=β0+β1,itcentit+θ∑Xit+ωi+νt+δit (5) 其中，i代表城市，t代表时间，centit表示城市i第t年的创新网络中心度，既包括总体创新网络的度数中心度(degre_s)、接近中心度(close_s)与中间中心度(betwe_s)，还包括联合创新网络的三大中心度变量(degre_b、close_b、betwe_b)；Resiit表示该城市经济韧性，包括抵御期韧性与恢复更新期韧性；∑Xit为一系列控制变量的集合，具体内容如前文所示；β、θ为待估参数，δit为随机误差项；ωi与vt分别为城市与时间固定效应，用以排除地区与时间层面不变、不可观测因素的影响。
三. 实证结果分析
一 基准回归结果分析
从基准模型出发，为提高模型估计结果的可靠性，首先运用wald检验、Wooldridge检验与pesaran检验分别对模型的组间异方差、组内自相关与组间同期相关问题进行了检验，发现模型存在显著的组间异方差与组内自相关，不存在组间同期相关。基于此，后文将运用广义最小二乘法(GFLS)对模型进行估计，以消除误差项的异方差与自相关问题。同时，为避免产生多重共线性并更清晰地探讨不同网络结构对城市经济韧性的影响，将逐一把三大中心度指标纳入模型进行回归。
粤港澳大湾区城市整体创新网络组织结构对经济韧性的影响见表 3。三大中心度对城市经济韧性的影响系数均为正，除接近中心度在10%的显著性水平下不显著以外，度数中心度与中间中心度均在5%的显著性水平下呈显著影响。根据三大中心度测度的内容与整体创新网络构建的实质可知，整体创新网络对城市经济韧性的影响主要通过溢出效应传导。第一，与其他城市创新活动联系的加强有利于本城市经济韧性的提高。与其他城市创新活动联系的加强有利于接受其他城市的创新溢出，而创新所带来的外部性有利于推动本城市产业的转型升级，从而提升经济韧性。第二，城市可通过提升在创新网络中的相对核心程度来加强城市经济韧性。换言之，城市创新能力的提升及对网络其他城市的溢出效应可以显著加强城市经济韧性。因为，城市在创新网络中核心程度的提高不仅要求自身创新能力的提升，还要求其对网络其他节点城市创新活动的带动。核心节点创新能力的提升通过创新联系的传导，强化整体区域的创新氛围，经知识的外部性作用，优化区域产业结构，从而提升城市经济韧性。第三，位于创新网络外围的城市提升与其他城市创新活动联系的效率可提高本城市经济韧性。位于创新网络外围的节点城市由于自身创新水平有限或与其他城市联系不足，创新活动多在城市内部循环，处于低水平的稳定状态，此时应向外加强与其他城市创新活动的联系，重视创新活动的效率，从而提升城市创新水平，加强城市经济韧性。
表 3 粤港澳大湾区城市整体创新网络组织结构对经济韧性的回归结果Variables (1)
degre_(1)(2)
close_(2)(3)
betwe_(3)degre_s 0.941**
(2.46)close_s 1.172
(1.44)betwe_s 4.487***
(2.76)ln_labor 0.539**
(2.13)0.425*
(1.69)0.348
(1.48)ln_port -0.160
(-1.57)-0.120
(-1.17)-0.008
(-0.08)ln_sale -0.379
(-1.39)-0.231
(-0.84)-0.300
(-1.19)ln_istr 0.034
(0.23)-0.061
(-0.40)-0.175
(-1.60)tfp 1.512
(0.62)1.337
(0.54)0.443
(0.18)Constant -2.109
(-0.81)-2.753
(-1.05)-1.086
(-0.41)Observations 132 132 132 City FE YES YES YES Year FE YES YES YES 注：括号内为Z统计量，***、**、*分别代表p < 0.01、p < 0.05、p < 0.1，表 4同。 表 4 粤港澳大湾区城市联合创新网络组织结构对经济韧性的回归结果Variables (1)
degre_(1)(2)
close_(2)(3)
betwe_(3)degre_b 1.652***
(3.16)close_b 3.293**
(2.41)betwe_b 4.636***
(3.53)ln_labor 0.588**
(2.37)0.583**
(2.23)0.359
(1.56)ln_port -0.123
(-1.30)-0.191*
(-1.78)-0.049
(-0.53)ln_sale -0.514*
(-1.86)-0.404
(-1.44)-0.298
(-1.24)ln_istr 0.044
(0.32)0.043
(0.28)-0.176
(-1.64)tfp 1.363
(0.57)0.836
(0.34)1.646
(0.69)Constant -1.417
(-0.55)-1.918
(-0.73)-2.310
(-0.91)Observations 132 132 132 City FE YES YES YES Year FE YES YES YES 为更深层次、精准地探讨粤港澳大湾区城市间创新活动的实际合作网络情况，本文基于城市间的合作专利数量建构了联合创新网络，并对城市经济韧性进行FGLS回归分析，详细结果见表 4。联合创新网络三大中心度对城市经济韧性的影响系数均在5%的显著性水平下显著为正，影响力最高为中间中心度，最低为度数中心度。根据三大中心度测度的内容与联合创新网络的实质可知，联合创新网络对城市经济韧性的影响主要通过成本与收入效应传导。第一，城市间的联合创新有利于城市经济韧性提升。城市间创新活动的合作可以降低各自的创新成本，提高创新效率，扩大实践范围，更有利于创新向生产力转化，从而促进产业转型升级，提升城市经济韧性。第二，城市在网络中越处于核心地位，合作创新对韧性的正向作用越强。这可能与联合创新中的主导城市紧密相关，联合创新网络中越核心的城市，其对于其他城市的控制越强，可通过自身强有力的创新水平主导创新并获取更多的利益、更多的知识外部性，从而加强城市经济韧性。第三，城市间联合创新效率的提高有利于经济韧性的提升。处于联合创新网络边缘、与其他城市合作创新活动较少的城市，可通过寻求网络层级相似的城市相互合作，丰富与其他城市合作创新的数量，重点提高合作效率，相对于寻求与更高层级的城市合作，更有利于创新产出、产业结构优化以及城市经济韧性加强。
二 稳健性检验
1 内生性问题
计量模型产生内生性问题的原因主要有遗漏变量、选择偏误、双向因果、测量误差等，而由于经济韧性是一个复杂的系统，城市创新网络组织结构与经济韧性之间很可能存在互为因果的关系，从而造成内生性问题，此时直接采用OLS回归所得结果是有偏且不一致的。如城市合作创新网络度数中心度的提升、密度的提升，可加强城市的创新氛围，活跃企业创新活动，促使创新成果向生产力转化，从而促进地区产业转型升级，提升城市经济韧性。反之，经济韧性较高的城市相应的产业结构更趋高级化与合理化，地区营商环境更优，拥有更透明、完备、丰富的政策、市场与要素支持，更有利于创新活动的进行，从而形成更合理的创新网络结构。基于此，本文将运用工具变量与两阶段最小二乘法(2sls)对基准模型进行估计。鉴于经济韧性的复杂性，经济类变量均不适合作为工具变量，借鉴其他相关文献处理方式[6, 39]，本文使用文化、地理与历史数据作为城市创新网络中心度的工具变量，分别是方言分化指数(ldiv)、地形起伏度(lwav)与1984年城市人口密度(pdens)。方言分化指数来源于徐现祥等[40]所提供的数据，香港、澳门数据由使用非粤语的人口比例补齐①；地形起伏度数据根据封志明[41]所提供方法测算得出；1984年城市人口密度等基础数据均来自《中国城市统计年鉴》与港澳该年的统计年鉴。不同的区域文化氛围培育差异化的经济创新模式[42]，二者具有高度相关性，但同时地区文化对区域经济韧性不存在直接影响；地形起伏度通过影响区域的发展变迁而影响区域创新，但仍然与短期的经济韧性不相关；1984年城市人口密度作为后期创新活动的要素基础，与2008年之后的创新活动密切相关，但由于时间较长，并不影响现今经济韧性；三者均大致满足工具变量的基本条件。
工具变量估计结果如表 5所示。根据Anderson LM统计量、Sargan-Basman统计量与Cragg-Donald Wald F统计量可知，工具变量设定正确，不存在识别不足、过度识别与弱工具变量问题，回归结果有效。基于此，与GLS模型的回归结果相比，三大中心度指标除显著性增强外，系数的符号相同、数值相对变大但变化幅度相近，表明在控制内生性问题后，城市联合创新网络对经济韧性的影响仍然显著，并且GLS模型回归结果对影响程度存在低估，所以基准模型所估计的参数稳健。
表 5 工具变量估计结果Variables (1)
degre_(1)(2)
close_(2)(3)
betwe_(3)degre_b 5.103***
(5.96)close_b 14.127***
(5.31)betwe_b 11.251***
(4.64)ln_labor 1.165***
(3.84)1.473***
(4.09)0.427*
(1.69)ln_port -0.237**
(-2.13)-0.595***
(-3.92)-0.021
(-0.20)ln_sale -1.522***
(-4.18)-1.628***
(-3.94)-0.678**
(-2.38)ln_istr 0.585***
(3.20)0.895***
(3.62)-0.120
(-1.01)tfp 1.959
(0.70)0.039
(0.01)2.457
(0.94)Constant 1.488
(0.49)1.011
(0.31)-1.599
(-0.57)Observations 132 132 132 R-squared 0.039 0.086 0.154 City FE YES YES YES Year FE YES YES YES Anderson LM 56.360 0
(0.000 0)12.470 0
(0.005 9)38.580 0
(0.000 0)Sargan 2.436 1
(0.297 3)4.400 4
(0.110 8)0.111 9
(0.738 0)Cragg-Donald Wald F 36.7383
(0.000 0)23.931 0
(0.000 0)5.6458
(0.004 6)注：括号内为Z统计量，三大检验括号内为P值，***、**、*分别代表p < 0.01、p < 0.05、p < 0.1。 2 更换城市经济韧性测度方式的回归结果
为进一步检验基准回归结果的稳健性，使用联合创新中心度指标对城市就业人口数量测度的城市经济韧性指标进行回归，回归结果如表 6所示。相对于基准回归的系数，变更韧性测度方式后，三大中心度指标系数显著性增强，但系数符号与相对大小均未改变，表明联合创新对城市经济韧性呈显著正向影响的结论是稳健的。
表 6 更换城市经济韧性测度方式的回归结果Variables (1)
degre_(1)(2)
close_(2)(3)
betwe_(3)degre_b 28.266***
(5.94)close_b 53.760***
(4.14)betwe_b 60.645***
(4.85)Constant 5.434
(0.23)-3.827
(-0.15)-11.845
(-0.49)Observations 132 132 132 City FE YES YES YES Year FE YES YES YES 注：括号内为Z统计量，***、**、*分别代表p < 0.01、p < 0.05、p < 0.1；上述回归控制变量与基准回归一致，表 7、表 8同。 表 7 城市金融发展水平的调节效应回归结果Variables (1)
degre_(1)(2)
close_(2)(3)
betwe_(3)degre_b 1.349**
(2.53)db_sbg -0.006*
(-1.65)close_b 2.862***
(3.28)cb_sbg -0.012**
(-2.07)betwe_b 3.764*
(1.95)bb_sbg -0.020
(-1.37)sbg 0.004**
(2.43)0.005***
(3.55)0.003**
(2.36)Constant 0.523
(0.20)1.994
(0.75)-0.703
(-0.27)Observations 132 132 132 City FE YES YES YES Year FE YES YES YES 表 8 城市数字经济发展水平的调节效应Variables (1)
degre_(1)(2)
close_(2)(3)
betwe_(3)degre_b 0.323
(0.71)db_pmob -1.796***
(-4.19)close_b -0.607
(-0.77)cb_pmob -3.315***
(-4.51)betwe_b 3.454***
(2.71)bb_pmob -4.307**
(-2.36)pmob 1.638***
(8.89)1.777***
(9.49)1.438***
(8.70)Constant -0.617
(-0.30)-0.343
(-0.17)-0.306
(-0.15)Observations 132 132 132 City FE YES YES YES Year FE YES YES YES 四. 异质性分析
一 金融环境异质性
城市联合创新网络结构对城市经济韧性的影响可能因城市金融发展水平的不同而存在差异。联合创新网络对经济韧性的影响主要通过“成本—收入”效应传导，若城市金融业发达(如香港)，企业资金来源渠道广，资金成本低，在开展创新活动时可能更倾向独自研发、独享成果，而不会选择联合研发。此时，城市间联合创新网络结构松散，但并不影响城市经济韧性的增强，可能导致二者之间相关性降低。针对这一问题，本文在基准模型的基础上加入度量城市金融发展水平的变量(sbg)——金融机构存贷款余额与GDP之比，并设定如式(6)所示的调节效应模型。
Resiit=λ0+λ1,itcentit+λ2,itsbgit+λ3,itcentit×sbgit+θ∑Xit+ωi+νt+δit (6) 其中，cent×sbg包括db_sbg、cb_sbg、bb_sbg，分别代表城市联合创新网络度数中心度、接近中心度和中间中心度与城市金融发展水平的交互项，λ为待估参数，其他变量与前文设定一致。
城市金融发展水平的调节效应回归结果如表 7所示。三大中心度指数与金融发展水平的交互项系数均为负，除金融发展水平与中间中心度交互项的系数在10%的显著性水平下不显著外，其余两项均在10%的显著性水平下显著。这较好地印证了金融环境的优化能通过降低企业创新资金成本从而打断联合创新网络对城市经济韧性的影响传导，并且主要会降低与同层级城市合作创新的倾向，而对创新网络结构中下一层级的联合创新活动影响不显著。也即，城市金融水平的发展会因创新成本的下降而降低等级度低的创新网络对经济韧性的影响，但不会阻碍“核心—边缘”结构的创新网络对城市经济韧性的传导。这表明“成本—收入”效应与知识溢出效应对维系等级度低的创新网络均十分重要，而“核心—边缘”结构的创新网络主要通过知识溢出效应对城市韧性进行传导。
二 数字经济发展异质性
不同的城市联合创新网络组织结构对城市经济韧性的影响可能因城市数字经济发展水平的不同而存在差异。数字经济的发展有利于企业精准捕捉市场需求、拓宽市场范围，从而使企业快速从危机冲击中复工复产，提升整体经济韧性。数字经济作为经济转型升级的导向之一，对于技术的需求层次与创新企业的实力要求较高，低水平的联合创新无法满足数字经济创新的需要，核心城市的创新引领十分重要。针对这一问题，本文在基准回归方程中加入了度量城市数字经济发展水平的变量——移动电话用户数(pmob)，并构建了如式(7)所示的调节效应模型。
Resiit=γ0+γ1,itcentit+γ2,itpmobit+γ3,itcentit×pmobit+θ∑Xit+ωi+νt+δit (7) 与金融发展水平异质性回归模型类似，其中cent×pmob包括db_pmob、cb_pmob、bb_pmob，分别代表三大中心度指标与城市数字经济发展水平的交互项，γ为待估参数，其他变量与前文设定一致。
城市数字经济发展水平的调节效应回归结果如表 8所示。城市数字经济的发展对城市经济韧性呈显著的正向影响，并同时削弱了城市联合创新网络度数中心度、接近中心度与中间中心度对经济韧性的影响。由三大中心度指标的显著性水平可知，此时城市间主要通过“核心—边缘”的创新网络结构进行联合创新，并且城市所处层级越高，联合创新活动带来的经济韧性增长幅度越大。结论符合本文理论预期。
三 区位异质性
香港与澳门在产业、营商环境等各个方面与珠三角九市存在显著的差异，有理由认为港澳与珠三角九市的联合创新网络结构会对城市经济韧性产生不同影响。香港2019年服务业占比达到94%，澳门第三产业占比达到95.69%，而珠三角九市第三产业平均占比仅为57.08%，产业结构方面存在显著差异。同时，香港、澳门2019年人均GDP分别为4.87万美元与8.41万美元，均处于世界前列，经济实力显著优于珠三角九市中的大部分城市。粤港澳大湾区内部城市之间经济发展的差距决定了联合创新网络的等级发展，是否同等层级的城市间联合创新对于提升双方的城市经济韧性更为有效？针对这一问题，本文在基准回归方程中加入了地区虚拟变量——local，设定港澳为1、珠三角九市为0，并构建了如式(8)所示的调节效应模型。
Resiit=g0+g1,itcentit+g2,itlocalit+g3,itcentit×localit+θ∑Xit+ωi+νt+δit (8) 与前文异质性回归模型类似，其中，cent_local包括db_local、cb_local、bb_local，分别代表三大中心度指标与地区虚拟变量的交互项，g为待估参数，其他变量与前文设定一致。
区位异质性的调节效应回归结果如表 9所示。local变量在5%的显著性水平下显著，表明港澳与珠三角九市的联合创新网络结构对城市经济韧性的影响存在显著差异，同时负的系数表明，相对于港澳地区，珠三角九市联合创新活动对经济韧性的影响更大，港澳地区与同一层级的城市(如深圳、广州)合作创新，并科学分工，加强创新效率，将更有利于其经济韧性的提升。据此可知，粤港澳大湾区城市群联合创新活动的长期持续发展更倾向于建构以点带面、“核心—边缘”的联合创新网络。
表 9 区位异质性的调节效应回归结果Variables (1)
degre_(1)(2)
close_(2)(3)
betwe_(3)degre_b 1.122*
(1.93)db_local -0.489
(-0.23)close_b 2.199**
(2.40)cb_local 3.968**
(1.99)betwe_b 1.782
(1.35)bb_local 58.536**
(2.48)local -1.591*
(-1.65)-1.629**
(-2.16)— Constant -1.352
(-0.52)-1.400
(-0.56)-1.936
(-0.75)Observations 132 132 132 Year FE YES YES YES 注：括号内为Z统计量，***、**、*分别代表p < 0.01、p < 0.05、p < 0.1；上述回归控制变量与基准回归一致；由于港澳接近中心度指标数值均约等于0，所以此处回归系数omitted。 五. 结论与政策建议
本文以2008年金融危机冲击为例，在梳理创新网络对城市经济韧性影响机制的基础上，运用WIPO专利匹配城市层面数据，构建粤港澳大湾区创新网络，实证考察创新网络特征(度数中心度、接近中心度、中间中心度)对城市经济韧性的直接效应以及城市金融环境、数字经济发展、区位异质性的影响，得出六点结论。第一，创新网络主要通过“成本—收入”效应与溢出效应对城市经济韧性产生影响。第二，粤港澳大湾区创新网络，尤其是联合创新网络的发展有利于城市经济韧性的提升。第三，处于创新网络核心地位的城市更倾向于与同层级城市进行创新合作，或主导下一层级城市的创新活动，进而增强城市经济韧性。第四，处于边缘地位的城市出于“成本—收入”的权衡更倾向于与同层级城市合作，出于发展的目的需要参与到核心城市的创新活动中去，进而增强城市经济韧性。第五，“核心—边缘”结构的创新网络主要通过知识溢出效应(而非金融水平发展等造成的“成本—收入”效应)对城市经济韧性进行传导。第六，数字经济等高技术创新支撑的发展模式需要核心城市主导，且“核心—边缘”结构的创新网络有利于经济韧性的提升。
面对复杂的内外部经济环境，粤港澳大湾区如何通过优化创新网络结构促进城市韧性的提升并助力新发展格局的构建？基于上述结论，本文提出三点建议。
第一，加强粤港澳大湾区城市创新活动的联系。提高创新网络内各城市的创新活力，加强创新主体间的强联系与弱联系，强化知识溢出效应，促进创新成果的落地，形成新经济发展模式，提升城市经济韧性。应在充分发挥“一国两制”独特优势的基础上，基于《粤港澳大湾区发展规划纲要》的指引，加强科技创新长远协同发展的统筹规划。通过三地共建专业学会定期交流制度、合办国际化院校、发挥各级各类“众创空间”等平台的功能等措施，加强湾区内各城市创新人才交流，优化政策协同，密切项目合作。促进湾区内大型创新基础设施共建共享，合作建设大型科创会展中心与宿舍等功能性基础设施，突破港澳土地资源的局限，优化空间利用，为项目合作提供硬件支持。
第二，提升粤港澳大湾区城市联合创新的效率。强化创新网络内各城市通过共担“成本—共享”收益与技术支持等方式进行创新活动的联合，从要素流动、政策支持等方面畅通核心城市技术创新的合作，科学化核心城市与非核心城市联合创新活动的分工，弱化内部不良竞争，促进创新向生产力的转化，推进产业转型升级，提升城市经济韧性。应完善粤港澳大湾区内部城市的创新合作政策，解决城市间规则不衔接、资格不互认、标准不统一、知识产权跨境合作体系不完备等问题，促进人力资本等创新要素在城市间的高效流动。支持港澳加入国家科技成果转化示范区，促进创新链、产业链“两链衔接”，推动粤港澳大湾区产学研一体化发展，提高科技向生产力的转化效率。以发挥各城市比较优势为导向，结合港澳的国际化与内陆完善的产业链、庞大市场，提高城市间科技创新结构的互补性，减少同质化竞争，提升资源利用效率，高效打造国际科创中心。
第三，强化粤港澳大湾区“核心—边缘”的创新网络。准确把握与利用创新网络中不同等级的城市参与到创新活动的特征，构建粤港澳大湾区“核心—边缘”结构的创新网络，加强核心城市的知识溢出效应。通过提升金融发展水平与营商环境等措施，活跃非核心城市的创新活动，以点带面，全面提升城市经济应对风险的能力。应明确香港、广州、深圳三个城市在粤港澳大湾区创新网络中的核心地位以及肇庆、江门等城市的相对边缘地位。加强核心城市在科技创新活动中的引领作用，强化边缘城市的创新成果转化功能，促使广深港澳科技创新走廊向珠江两岸城市延伸，形成“9+2”等级结构清晰的大尺度科创联系网络。以核心城市为中心，合作攻关共性关键技术，构建5G、人工智能、网络空间科学与技术等高端产业集群，加速地区产业转型升级。
① 香港、澳门的方言分化指数分别为：0.074 1、0.116 0。
-
表 1 粤港澳大湾区2000—2007年经济趋势参数估计值
参数 估计值 Z值 α 0.623 266 4*** 6.04 ρ 0.581 867 4*** 11.96 τ 0.207 146 8*** 6.11 注：***、**、*分别代表p < 0.01、p < 0.05、p < 0.1。 
下载: 导出CSV
表 2 主要变量统计描述
Variables Obs Mean Std. Dev. Min Max resi_g 132 -0.315 7 0.944 7 -5.734 9 1.064 8 resi_i 132 11.879 3 9.148 6 -2.393 1 30.442 9 degre_b 132 0.351 5 0.266 6 0.000 0 0.800 0 close_b 132 0.484 0 0.147 5 0.200 0 0.714 0 betwe_b 132 0.033 2 0.066 6 0.000 0 0.333 0 degre_s 132 0.725 4 0.435 2 0.000 0 1.582 0 close_s 132 0.836 9 0.296 7 0.333 0 1.464 0 betwe_s 132 0.031 1 0.055 5 0.000 0 0.385 0 ln_labor 132 5.641 2 0.889 0 3.440 1 6.988 2 ln_port 132 6.393 2 1.476 5 3.485 5 9.380 1 ln_sale 132 7.227 1 0.945 5 5.123 4 9.148 7 ln_istr 132 0.445 9 1.134 9 -0.634 9 3.253 5 tfp 132 1.024 2 0.031 1 0.970 4 1.088 1 pdens 132 0.212 9 0.391 4 0.021 5 1.359 5 ldiv 132 0.227 5 0.231 5 0.025 9 0.670 9 lwav 132 0.213 1 0.214 6 0.022 9 0.800 6 sbg 132 228.05 110.42 53.60 520.33 pmob 132 1.514 3 0.593 9 0.472 8 2.748 7 local 132 0.181 8 0.387 2 0.000 0 1.000 0
下载: 导出CSV
表 3 粤港澳大湾区城市整体创新网络组织结构对经济韧性的回归结果
Variables (1)
degre_(1)(2)
close_(2)(3)
betwe_(3)degre_s 0.941**
(2.46)close_s 1.172
(1.44)betwe_s 4.487***
(2.76)ln_labor 0.539**
(2.13)0.425*
(1.69)0.348
(1.48)ln_port -0.160
(-1.57)-0.120
(-1.17)-0.008
(-0.08)ln_sale -0.379
(-1.39)-0.231
(-0.84)-0.300
(-1.19)ln_istr 0.034
(0.23)-0.061
(-0.40)-0.175
(-1.60)tfp 1.512
(0.62)1.337
(0.54)0.443
(0.18)Constant -2.109
(-0.81)-2.753
(-1.05)-1.086
(-0.41)Observations 132 132 132 City FE YES YES YES Year FE YES YES YES 注：括号内为Z统计量，***、**、*分别代表p < 0.01、p < 0.05、p < 0.1，表 4同。
下载: 导出CSV
表 4 粤港澳大湾区城市联合创新网络组织结构对经济韧性的回归结果
Variables (1)
degre_(1)(2)
close_(2)(3)
betwe_(3)degre_b 1.652***
(3.16)close_b 3.293**
(2.41)betwe_b 4.636***
(3.53)ln_labor 0.588**
(2.37)0.583**
(2.23)0.359
(1.56)ln_port -0.123
(-1.30)-0.191*
(-1.78)-0.049
(-0.53)ln_sale -0.514*
(-1.86)-0.404
(-1.44)-0.298
(-1.24)ln_istr 0.044
(0.32)0.043
(0.28)-0.176
(-1.64)tfp 1.363
(0.57)0.836
(0.34)1.646
(0.69)Constant -1.417
(-0.55)-1.918
(-0.73)-2.310
(-0.91)Observations 132 132 132 City FE YES YES YES Year FE YES YES YES
下载: 导出CSV
表 5 工具变量估计结果
Variables (1)
degre_(1)(2)
close_(2)(3)
betwe_(3)degre_b 5.103***
(5.96)close_b 14.127***
(5.31)betwe_b 11.251***
(4.64)ln_labor 1.165***
(3.84)1.473***
(4.09)0.427*
(1.69)ln_port -0.237**
(-2.13)-0.595***
(-3.92)-0.021
(-0.20)ln_sale -1.522***
(-4.18)-1.628***
(-3.94)-0.678**
(-2.38)ln_istr 0.585***
(3.20)0.895***
(3.62)-0.120
(-1.01)tfp 1.959
(0.70)0.039
(0.01)2.457
(0.94)Constant 1.488
(0.49)1.011
(0.31)-1.599
(-0.57)Observations 132 132 132 R-squared 0.039 0.086 0.154 City FE YES YES YES Year FE YES YES YES Anderson LM 56.360 0
(0.000 0)12.470 0
(0.005 9)38.580 0
(0.000 0)Sargan 2.436 1
(0.297 3)4.400 4
(0.110 8)0.111 9
(0.738 0)Cragg-Donald Wald F 36.7383
(0.000 0)23.931 0
(0.000 0)5.6458
(0.004 6)注：括号内为Z统计量，三大检验括号内为P值，***、**、*分别代表p < 0.01、p < 0.05、p < 0.1。
下载: 导出CSV
表 6 更换城市经济韧性测度方式的回归结果
Variables (1)
degre_(1)(2)
close_(2)(3)
betwe_(3)degre_b 28.266***
(5.94)close_b 53.760***
(4.14)betwe_b 60.645***
(4.85)Constant 5.434
(0.23)-3.827
(-0.15)-11.845
(-0.49)Observations 132 132 132 City FE YES YES YES Year FE YES YES YES 注：括号内为Z统计量，***、**、*分别代表p < 0.01、p < 0.05、p < 0.1；上述回归控制变量与基准回归一致，表 7、表 8同。
下载: 导出CSV
表 7 城市金融发展水平的调节效应回归结果
Variables (1)
degre_(1)(2)
close_(2)(3)
betwe_(3)degre_b 1.349**
(2.53)db_sbg -0.006*
(-1.65)close_b 2.862***
(3.28)cb_sbg -0.012**
(-2.07)betwe_b 3.764*
(1.95)bb_sbg -0.020
(-1.37)sbg 0.004**
(2.43)0.005***
(3.55)0.003**
(2.36)Constant 0.523
(0.20)1.994
(0.75)-0.703
(-0.27)Observations 132 132 132 City FE YES YES YES Year FE YES YES YES
下载: 导出CSV
表 8 城市数字经济发展水平的调节效应
Variables (1)
degre_(1)(2)
close_(2)(3)
betwe_(3)degre_b 0.323
(0.71)db_pmob -1.796***
(-4.19)close_b -0.607
(-0.77)cb_pmob -3.315***
(-4.51)betwe_b 3.454***
(2.71)bb_pmob -4.307**
(-2.36)pmob 1.638***
(8.89)1.777***
(9.49)1.438***
(8.70)Constant -0.617
(-0.30)-0.343
(-0.17)-0.306
(-0.15)Observations 132 132 132 City FE YES YES YES Year FE YES YES YES
下载: 导出CSV
表 9 区位异质性的调节效应回归结果
Variables (1)
degre_(1)(2)
close_(2)(3)
betwe_(3)degre_b 1.122*
(1.93)db_local -0.489
(-0.23)close_b 2.199**
(2.40)cb_local 3.968**
(1.99)betwe_b 1.782
(1.35)bb_local 58.536**
(2.48)local -1.591*
(-1.65)-1.629**
(-2.16)— Constant -1.352
(-0.52)-1.400
(-0.56)-1.936
(-0.75)Observations 132 132 132 Year FE YES YES YES 注：括号内为Z统计量，***、**、*分别代表p < 0.01、p < 0.05、p < 0.1；上述回归控制变量与基准回归一致；由于港澳接近中心度指标数值均约等于0，所以此处回归系数omitted。
下载: 导出CSV
-
[1] 吕薇, 马名杰, 戴建军, 等. 转型期我国创新发展的现状、问题及政策建议[J]. 中国软科学, 2018(3): 10-17. doi: 10.3969/j.issn.1002-9753.2018.03.002 [2] REGGIANI A, GRAAFF T D, NIJKAMP P. Resilience: an evolutionary approach to spatial economic systems[J]. Networks & spatial economics, 2002, 2(2): 211-229. http://dare.ubvu.vu.nl/bitstream/1871/3415/1/12220.pdf
[3] GONG H, HASSINK R. Exploring the clustering of creative industries [J]. European planning studies, 2017, 25(4): 583-600. doi: 10.1080/09654313.2017.1289154
[4] KITSOS A, CARRASCAL-INCERA A, ORTEGA-ARGILÉS R. The role of embeddedness on regional economic resilience: evidence from the UK [J]. Sustainability, 2019, 11(14): 1-19. http://www.researchgate.net/publication/334402871_The_Role_of_Embeddedness_on_Regional_Economic_Resilience_Evidence_from_the_UK
[5] 徐圆, 张林玲. 中国城市的经济韧性及由来: 产业结构多样化视角[J]. 财贸经济, 2019, 40(7): 110-126. doi: 10.3969/j.issn.1002-8102.2019.07.008 [6] 徐圆, 邓胡艳. 多样化、创新能力与城市经济韧性[J]. 经济学动态, 2020(8): 88-104. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXD202008006.htm [7] MARTIN R, SUNLEY P, TYLER P. Local growth evolutions: recession, resilience and recovery [J]. Cambridge journal of regions economy & society, 2015, 8(2): 141-148. http://www.researchgate.net/profile/Peter_Sunley/publication/279240405_Local_growth_evolutions_Recession_resilience_and_recovery/links/579c497608ae802facba5fc1.pdf
[8] ROSE A. Defining and measuring economic resilience to disasters [J]. Disaster prevention & management, 2004, 13(4): 307-314. doi: 10.1108/09653560410556528
[9] TIERNEY K J, RODRÍGUEZ H, QUARANTELLI E L, et al. Businesses and disasters: vulnerability, impacts, and recovery [J]. Handbooks of disaster research, 2007: 275-296. http://www.researchgate.net/publication/285837940_Businesses_and_disasters_vulnerability_impacts_and_recovery
[10] CUTTER S L. The landscape of disaster resilience indicators in the USA [J]. Natural hazards, 2016, 80: 741-758. doi: 10.1007/s11069-015-1993-2
[11] MARTIN R, SUNLEY P, GARDINER B, et al. How regions react to recessions: resilience and the role of economic structure [J]. Regional studies, 2016, 50(4): 561-585. doi: 10.1080/00343404.2015.1136410
[12] PENDALL R, FOSTER K A, COWELL M. Resilience and regions: building understanding of the metaphor [J]. Cambridge journal of regions economy and society, 2009, 3(1): 71-84. http://www.iurd.berkeley.edu/wp/2007-12.pdf
[13] CAPELLO R, CARAGLIU A, FRATESI U. Spatial heterogeneity in the costs of the economic crisis in Europe: are cities sources of regional resilience? [J]. Journal of economic geography, 2015, 15(5): 951-983. doi: 10.1093/jeg/lbu053
[14] BROWN L, GREENBAUM R T. The role of industrial diversity in economic resilience: an empirical examination across 35 years [J]. Urban studies, 2017, 54(6): 1347-1366. doi: 10.1177/0042098015624870
[15] ROCCHETTA S, MINA A. Technological coherence and the adaptive resilience of regional economies [J]. Regional studies, 2019, 53(10): 1421-1434. doi: 10.1080/00343404.2019.1577552
[16] BRISTOW G, HEALY A. Innovation and regional economic resilience: an exploratory analysis [J]. Annals of regional science, 2018, 60(2): 265-284. doi: 10.1007/s00168-017-0841-6
[17] CASTALDI C, LOS B, FRENKEN K. Related variety, unrelated variety and technological breakthroughs: an analysis of US state-level patenting [J]. Regional studies, 2015, 49(5): 757-781. doi: 10.1080/00343404.2014.940305?needAccess=true
[18] 彼得·迪肯. 全球性转变——重塑21世纪的全球经济地图[M]. 刘卫东, 等, 译. 北京: 商务印书馆, 2009: 203-230. [19] CORTINOVIS N, OORT F V. Between spilling over and boiling down: network-mediated spillovers, local knowledge base and productivity in European regions [J]. Journal of economic geography, 2019, 19(6): 1233-1260. doi: 10.1093/jeg/lby058
[20] 许小虎, 项保华. 社会网络中的企业知识吸收能力分析[J]. 经济问题探索, 2005(10): 18-22. doi: 10.3969/j.issn.1006-2912.2005.10.004 [21] COLEMAN J S. Foundations of social theory [M]. Cambridge, Mass: Harvard University Press, 1994: 993.
[22] BURT R S. Structural holes: the social structure of competition [M]. Cambridge, Mass: Harvard University Press, 2009: 779-781.
[23] OZMEL U, REUER J J, GULATI R. Signals across multiple networks: how venture capital and alliance networks affect interorganizational collaboration [J]. Academy of management journal, 2013, 56(3): 852-866. doi: 10.5465/amj.2009.0549
[24] 覃成林, 刘丽玲. 粤港澳大湾区经济韧性分析——基于经济联系网络的视角[J]. 学术论坛, 2020, 43(6): 10-18. doi: 10.3969/j.issn.1004-4434.2020.06.003 [25] DUSCHL M. Firm dynamics and regional resilience: an empirical evolutionary perspective [J]. Industrial and corporate change, 2016, 25(5): 867-883. doi: 10.1093/icc/dtw031
[26] 万道侠, 胡彬, 李叶. 相关多样化、无关多样化与城市创新——基于中国282个地级城市面板数据的实证[J]. 财经科学, 2019, 4(5): 56-70. https://www.cnki.com.cn/Article/CJFDTOTAL-CJKX201905006.htm [27] 王伟光, 高宏伟, 白雪飞. 中国大企业技术创新体系本地化实证研究——基于地区层面的一种分析[J]. 中国工业经济, 2011, 4(12): 67-77. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201112008.htm [28] BISHOP P. Knowledge, diversity and entrepreneurship: a spatial analysis of new firm formation in Great Britain [J]. Entrepreneurship & regional development, 2012, 24(7): 641-660. http://m2proeadl.univ-paris1.fr/ExposesLocal13-14/Local%20Entrepreneurship%20Great%20Britain%20ERD%202012.pdf
[29] 王伟光, 冯荣凯, 尹博. 产业创新网络中核心企业控制力能够促进知识溢出吗?[J]. 管理世界, 2015, 4(6): 99-109. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201506010.htm [30] PERKS H, MOXEY S. Market-facing innovation networks: how lead firms partition tasks, share resource and develop capabilities [J]. Industrial marketing management, 2011, 40(8): 1224-1237. doi: 10.1016/j.indmarman.2011.10.005
[31] ARRANZ N, DE ARROYABE J C F. Can innovation network projects result in efficient performance? [J]. Technological forecasting & social change, 2012, 79(3): 485-497. http://d.wanfangdata.com.cn/periodical/8bcd606105859590b59a422f329ba631
[32] KATZ B, WAGNER J. The rise of innovation districts: a new geography of innovation in America [R]. Washington DC: Metropolitan policy program at brookings, 2014: 13-14.
[33] DORAN J, FINGLETON B. US metropolitan area resilience: insights from dynamic spatial panel estimation [J]. Environment and planning A: economy and space, 2018, 50(1): 111-132. doi: 10.1177/0308518X17736067
[34] MARTIN R, SUNLEY P. On the notion of regional economic resilience: conceptualization and explanation [J], Journal of economic geography, 2014, 15(1): 1-42.
[35] 冯苑, 聂长飞, 张东. 中国城市群经济韧性的测度与分析——基于经济韧性的shift-share分解[J]. 上海经济研究, 2020(5): 60-72. https://www.cnki.com.cn/Article/CJFDTOTAL-HSYJ202005007.htm [36] 郭将, 许泽庆. 产业相关多样性对区域经济韧性的影响——地区创新水平的门槛效应[J]. 科技进步与对策, 2019, 36(13): 39-47. https://www.cnki.com.cn/Article/CJFDTOTAL-KJJB201913005.htm [37] 孙伟增, 邓筱莹, 万广华. 住房租金与居民消费: 效果、机制与不均等[J]. 经济研究, 2020, 55(12): 132-147. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ202012008.htm [38] 赵春燕, 王世平. 经济集聚对城市经济韧性的影响[J]. 中南财经政法大学学报, 2021(1): 102-114. https://www.cnki.com.cn/Article/CJFDTOTAL-ZLCJ202101010.htm [39] 林伯强, 谭睿鹏. 中国经济集聚与绿色经济效率[J]. 经济研究, 2019, 54(2): 119-132. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201902009.htm [40] 徐现祥, 刘毓芸, 肖泽凯. 方言与经济增长[J]. 经济学报, 2015, 2(2): 1-32. https://www.cnki.com.cn/Article/CJFDTOTAL-TSJJ201502001.htm [41] 封志明, 唐焰, 杨艳昭, 等. 中国地形起伏度及其与人口分布的相关性[J]. 地理学报, 2007(10): 1073-1082. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGDE200802012.htm [42] 辜胜阻, 郑凌云, 张昭华. 区域经济文化对创新模式影响的比较分析——以硅谷和温州为例[J]. 中国软科学, 2006(4): 8-14. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGRK200604001.htm -
期刊类型引用(23)
1. 曹贤忠，吕磊. 长三角数字技术创新网络时空演化特征及其经济韧性效应研究. 地理科学进展. 2025(01): 1-16 . 
百度学术
2. 李勋，陈光宇. 人口集聚对城市经济韧性的影响研究. 工程管理科技前沿. 2025(01): 83-89 . 百度学术
3. 安培培，罗哲. 金融集聚对城市经济韧性的影响研究. 社科纵横. 2024(02): 33-45 . 百度学术
4. 周锐波，王睿瑄，周育红. 城市技术结构特征对经济韧性的影响——来自中国城市的经验证据. 新经济. 2024(04): 5-17 . 百度学术
5. 贾晓磊. 我国城市协同创新网络的测度及其空间特征研究. 山西经济管理干部学院学报. 2024(01): 35-42 . 百度学术
6. 陈文晖. 统筹推进粤港澳大湾区协同创新. 宏观经济管理. 2024(05): 60-66 . 百度学术
7. 周晓芳，潘佳怡. 基于多维流网格的超大城市韧性建设研究——以广州市为例. 新经济. 2024(05): 90-111 . 百度学术
8. 李泉，安培培. 科技创新对城市经济韧性的空间溢出效应研究——兼论金融集聚的调节作用. 河北科技大学学报(社会科学版). 2024(02): 8-18 . 百度学术
9. 彭迪云，周美楠，邓语宣. 产业空间关联网络对城市群经济韧性的影响——基于长江中游城市群数据的实证分析. 南昌大学学报(理科版). 2024(03): 295-306 . 百度学术
10. 丁锐，傅俊，朱宇琦，杜琳钰. 中国市域数字经济韧性的时空演化与影响因素分析. 地理与地理信息科学. 2024(04): 40-47 . 百度学术
11. 张惠雅. 粤港澳大湾区城市经济韧性度的分析与研究. 内蒙古科技与经济. 2024(17): 44-48 . 百度学术
12. 韩永辉，谭舒婷，沈晓楠. 澳门经济韧性演化、空间溢出与影响因素——基于粤港澳大湾区空间关联网络视角的研究. 华南师范大学学报(社会科学版). 2024(05): 106-122+208 . 百度学术
13. 刘成奎，王浩. 我国财政纵向转移支付与地方财政收入韧性研究. 地方财政研究. 2024(09): 13-25+35 . 百度学术
14. 李冉冉，崔蕊. 数字普惠金融对经济韧性的空间效应及影响效果研究. 甘肃金融. 2024(11): 9-19 . 百度学术
15. 段杰，郭亚楠，林如玉. 珠三角经济韧性影响因素及演化机理分析. 华南地理学报. 2024(03): 48-62 . 百度学术
16. 程振超，王倩. 滨海旅游业经济韧性测度与空间特征分析——基于沿海11个省(自治区、直辖市)的数据. 海洋开发与管理. 2023(05): 108-119 . 百度学术
17. 李淑芬. 金融集聚、创新创业活跃度与城市经济韧性. 经济经纬. 2023(04): 26-36 . 百度学术
18. 耿旭，李洪浩，邱惠亭. 粤港澳大湾区科技创新合作的研究热点与前沿——基于CiteSpace的可视化分析. 科技创新发展战略研究. 2023(05): 56-67 . 百度学术
19. 景慧，张林，孙永权. 高等教育与大型城市经济韧性协同发展实证研究. 长安大学学报(社会科学版). 2023(04): 66-81 . 百度学术
20. 张安伟，胡艳. 中国市域经济韧性结构分解与演变及其创新驱动机制. 经济地理. 2023(10): 23-33 . 百度学术
21. 冯文丽，樊钱涛，黄楷佳，施乐乐. 城市网络中心性对城市经济韧性的影响研究——基于上市公司联系的视角. 统计与管理. 2023(08): 4-18 . 百度学术
22. 李挥，黄燕玲. 数字经济助力粤港澳大湾区发展路径研究. 广东经济. 2022(12): 34-43 . 百度学术
23. 王钦，张林，孙永权. 中心城市金融集聚与经济韧性的耦合关联研究——基于国家中心城市、经济中心城市、区域中心城市的面板数据. 城市发展研究. 2022(12): 30-35 . 百度学术
其他类型引用(29)
计量
- 文章访问数: 848
- HTML全文浏览量: 387
- PDF下载量: 87
- 被引次数: 52
