EN中文

地理研究 >

2025 , Vol. 44 >Issue 2: 378 - 399

DOI: https://doi.org/10.11821/dlyj020240406

研究论文

城市何以更加“韧性”——数字经济的赋能效应

  • 于斌斌 , 1, 2 ,
  • 王志刚 , 2
展开
  • 1.广东外语外贸大学经济贸易学院，广州 510006
  • 2.浙江工商大学经济学院，杭州310018
王志刚（2000-），男，福建仙游人，硕士研究生，主要研究方向为数字经济与新型城镇化。E-mail:

收稿日期: 2024-05-07

  录用日期: 2024-08-18

  网络出版日期: 2025-01-27

基金资助

国家自然科学基金项目(72073122)

收起

How cities can become more “Resilient”: The enabling effect of the digital economy

  • YU Binbin , 1, 2 ,
  • WANG Zhigang , 2
Expand
  • 1. School of Economics and Trade, Guangdong University of Foreign Studies, Guangzhou 510006, China
  • 2. School of Economics, Zhejiang Gongshang University, Hangzhou 310018, China

Received date: 2024-05-07

  Accepted date: 2024-08-18

  Online published: 2025-01-27

Fold

摘要

在经济不确定性加剧下，数字经济能发挥宏观经济“稳定器”和“加速器”的双重作用，是城市增强经济韧性的重要支撑。本文构建数字经济影响城市经济韧性的理论机制框架，并将中国上市公司数据与城市层面数据进行匹配，实证检验数字经济对城市经济韧性的赋能效应及作用机制。研究发现：① 数字经济会显著增强城市的冲击抵御力和恢复调整力，从而大幅提升了城市经济韧性，该研究结论经过一系列稳健性检验仍成立。② 结合shift-share分解法进行的间接机制检验结果表明，数字经济引发的城市产业结构专业化集聚削弱了城市经济韧性，但数字经济仍可以通过提升城市革新能力增强城市经济韧性，在行业层面和企业层面进行的进一步检验中，该结论仍成立。③ 受资源路径依赖和城市人口规模的影响，非资源型城市和大城市的数字经济更能显著影响城市经济韧性。④ 在恢复调整期，数字经济对邻近城市产生正向的空间溢出效应，并主要通过扩张发展邻近城市市场来提升邻近城市的经济韧性。上述研究结论为进一步发展数字经济和提升城市经济韧性提供了重要的经验证据。

关键词： 不确定性; 数字经济; 经济韧性; 空间溢出

本文引用格式

于斌斌 , 王志刚 . 城市何以更加“韧性”——数字经济的赋能效应[J]. 地理研究, 2025 , 44(2) : 378 -399 . DOI: 10.11821/dlyj020240406

Abstract

The digital economy can play the dual role of macroeconomic “stabiliser” and “accelerator” in the face of heightened economic uncertainty, and it is an important support for cities to enhance economic resilience. This paper constructs a theoretical mechanism framework of the digital economy affecting urban economic resilience, and matches the data of Chinese listed companies with city-level data to empirically test the empowering influence effect and the role mechanism of the digital economy on urban economic resilience. The study finds that: (1) The digital economy significantly enhances cities' shock resilience and resilience to adjustments, thereby substantially increasing their economic resilience, a finding that still holds after a series of robustness tests. (2) The results of the indirect mechanism test combined with the shift-share decomposition method show that the specialised agglomeration of urban industrial structure triggered by the digital economy has weakened the city's economic resilience, but the digital economy can still enhance the city's economic resilience by improving its innovation capacity, and this conclusion still holds true in further tests at the industry level and at the firm level. (3) The digital economy in non-resource cities and large cities more significantly affects the economic resilience of cities, influenced by resource path dependence and city population size. (4) During the recovery and adjustment period, the digital economy generates positive spatial spillovers to neighbouring cities and enhances the economic resilience of neighbouring cities, mainly through the expansion and development of their markets. The above conclusions provide important empirical evidence for further developing the digital economy and enhancing the economic resilience of cities.

Key words： uncertainty; digital economy; economic resilience; spatial spillover

1 引言

极端天气频发、重大卫生事件冲击以及地缘政治带来的国际局势动荡加剧了全球经济不确定性。例如，受新冠疫情和全球经济衰退的双重冲击影响，2020年的全球经济增长率为-4.3%，为第二次世界大战以来的最低增长速度。至2023年底，全球债务达到历史最高水平为313万亿美元，失业人数为1.89亿，平均通胀率约为6.9%，这说明全球经济仍受新冠疫情等负面因素的持续影响。而区域经济韧性正是指国家或地区抵御冲击的能力和从冲击以及冲击对城市未来行为和经济结构造成的“迟滞效应”中恢复并调整的能力。因此，这些负面因素的存在也是对全球各个国家或地区经济韧性的一次“大考”。相关研究发现，强劲的经济韧性不仅能在外部冲击到来时减少冲击伤害，推动经济迅速恢复，还能在未发生外部冲击时，给市场参与者释放积极信号，从而有效提振信心，促进经济健康发展[1⇓-3]。这意味着，增强经济韧性也是推动中国经济高质量、可持续发展的关键之举。正如国家发展和改革委员会于2022年在《求是》杂志发表的《大力推动我国数字经济健康发展》所述，数字经济是增强经济韧性的重要支撑[4]。具体而言，数字经济是指以数据资源作为关键生产要素、以现代信息网络作为主要载体、以信息通信技术融合应用、全要素数字化转型为重要推动力，促进公平与效率更加统一的新经济形态。如图1所示，中国数字经济这一新经济形态，其规模已从2014年的16.2万亿元上升到2022年的50.2万亿元，占GDP比例达41.5%，已超过第二产业占GDP的比例（39.9%）[5]。与此同时，在数字技术面临“卡脖子”问题以及新冠疫情、中美贸易战等诸多负面因素影响下，中国数字经济仍保持着10%以上的增速，显著高于GDP增速，并以此连续增长了11年。因此，数字经济充分发挥着宏观经济“稳定器”“加速器”的作用，正是中国经济韧性得以提高的直接原因。除此之外，数字经济还会通过数据“可视化”的特点对产业链要素流动进行实时监测，便于产业链上下游企业间实现更高效地沟通和交流。这将推动产业链上下游关系由简单线性模式向网络状产业链关系动态调整、演变，增强其抵御冲击能力。
图1 2014—2022年中国数字经济规模及其在GDP中占比的演变趋势

注：数据来源于中国信息通信研究院发布的《中国数字经济发展研究报告（2023年）》[5]。

Fig. 1 Evolutionary trends in the size of China's digital economy and its share of GDP (2014-2022)

需要指出的是，城市作为经济活动高度集聚的基本载体，其经济韧性是否强劲，将直接影响一个国家或地区整体经济的发展与稳定[6]。正因如此，党的二十大报告明确提出要打造“韧性城市”并将其作为完善城市化战略的重点内容。而聚焦到城市层面，数字经济在赋能并提高城市经济的冲击抵御力、恢复调整力等方面表现同样出色。一方面，数字经济可通过信息整合分析、资源合理配置去提高城市抵御冲击能力。例如，广州市的金融风险监测防控中心利用区块链、人工智能、大数据等技术手段对23万家企业进行全天候、多维度、广范围、深程度监控，从海量企业数据中筛选出高风险信息，及时发出预警并提供深度分析。2023年，该中心已提供并有效处置879条风险线索、240份风险提示函，于源头处成功化解金融风险的扩大和外溢，使城市冲击抵御力得以提升。而在金融风险得到有效监测防控的同时，各城市的金融机构也在利用数字技术为城市抵御冲击贡献力量。其中，杭州市杭州银行通过大数据构建小微企业精准画像，以实现贷款全流程风控，从而最大程度缩短贷款周期以化解企业现金流压力；而成都市新网银行则通过大数据精准识别市民金融需求，通过手机银行等方式向市民放款，仅2022年上半年，新网银行便为150多万成都市民放款，助力其缓解生活压力。另一方面，数字经济可通过推动城市中企业数字化转型和政府数字化改革来加速城市经济发展，从而提升城市恢复调整能力。例如，2020年，作为中国受新冠疫情冲击最早且最为严重的城市，武汉市发布《武汉市突破性发展数字经济实施方案》，试图通过发展数字经济加快自身经济恢复速度。截止2022年底，武汉市中小企业“上云用数赋智”7万余家，一体化政务服务平台可网办事项超90%。这将大幅增加武汉市企业生产效率和社会运转效率，并以此提高武汉市的竞争力和恢复速度。也正因此，到2023年，武汉市数字经济规模占GDP比例达48%，是武汉市经济发展的第一动力，成功推动武汉市GDP突破2万亿元，不仅使其彻底摆脱疫情影响，还通过经济结构优化调整使其经济发展水平优于过往。
综上所述，深入研究数字经济如何影响城市经济韧性，将有助于破解在经济不确定性加剧下中国经济高质量发展所面临的难题或困境。而学术界现已对城市经济韧性的定义和内涵进行深入探讨，主要分为工程韧性[7]、生态韧性[8]和适应性韧性[9]三种观点。其中，适应性韧性概念逐渐成为学术界关于城市经济韧性的主流观点，认为城市经济韧性应当反映的是城市在遭遇外部冲击时，城市应对冲击和对冲击的适应能力。本文对城市经济韧性的定义也是以此为基础进行阐释。在明晰定义的基础下，学者们还对影响城市经济韧性的因素进一步深入探讨，分别从产业结构[10]、创新激励[11]、政府政策[12,13]、人文环境[14]、社会资本[15,16]等角度进行讨论，使对城市经济韧性的剖析和研究上升至新的高度。然而，鲜有文献分析数字经济对城市经济韧性的影响机制。鉴此，本文将重点研究数字经济对城市经济韧性的赋能机制及作用路径，可能的边际贡献主要体现在：一是在研究视角上，从理论和实证两个维度系统解析数字经济对城市经济韧性的驱动机制，为如何提升城市经济韧性提供了一个新的研究角度。二是在机制分析上，从如何增强冲击抵御力和恢复调整力的直接作用机制以及产业结构效应和革新能力效应两条间接作用机制构建了一个关于数字经济驱动城市经济韧性提升的理论分析框架，并进一步揭示了数字经济驱动城市经济韧性中的作用机理及路径选择。三是在实证检验上，本文通过shift-share分解法对被解释变量进行拆解，由拆解出的分量作为机制变量进行机制检验。这种做法更加直接明显地反映机制变量与被解释变量之间的关系，也是对中介效应误用滥用问题提供了一种新的检验思路。

2 理论机制分析

2.1 直接作用机制

2.1.1 数字经济对城市冲击抵御力的作用机制

首先，与传统经济相比，数字经济能够通过提高城市冲击预警能力来加强城市冲击抵御力。数字经济依托互联网、物联网、大数据等数字技术实现对不同行业和领域的覆盖和渗透。截止至2023年，仅5G应用便已覆盖97个国民经济大类中的71个。在此基础上，城市信息技术企业助力城市构建数字预警系统，从各个行业、领域收集到大量可能对城市经济造成风险的信息，如企业倒闭率、行业就业率、疫情传播等实际情况，并以数字化形式进行准确实时的量化统计，从而对潜在的外部冲击进行智慧预警和趋势研判，从而赋能城市经济韧性。相关信息一旦发生异常波动，数字预警系统就会即时反应，并高效组织资源予以应对，以此降低外部冲击对城市经济所造成的负面影响[17]。针对金融风险等对城市经济直接造成影响的领域，数字预警系统可以利用大数据技术，从客户信息、账户信息、交易信息中挖掘、分析风险特征，进行风险监测和预警，从而提高企业抗风险能力，进而增加城市经济韧性。另外，在生产安全、公共安全、自然灾害等方面，数字预警系统同样能够通过实时监测燃气管网泄漏、城市内涝、桥梁病害等指标参数建立统一的数字化系统进行风险监测和研判预警，以降低乃至避免对城市经济造成负面冲击。随着数字技术的发展迭代，现有智能大模型如华为的盘古气象大模型在天气预报的精度和速度更是远超传统数值预报方法，只需10秒便可完成以往需要使用3000台高性能计算机服务器花费5小时的台风路径预测，这进一步提高了城市冲击预警能力[18]。不仅如此，数字预警系统还能通过微博、抖音、今日头条等数字平台及时向社会发出准确权威的预判信息，使居民、企业、政府充分了解灾害，为积极应对灾害形成思想共识。这也有利于降低由外部冲击引发的社会动荡，以此增强城市经济韧性。
其次，与传统经济相比，数字经济可以通过增强城市应急处理能力来提高城市冲击抵御力。当城市面临黑天鹅、灰犀牛等突发事件时，城市金融体系能否抵御压力并迅速识别受波及企业并给予资金支持是阻断风险外溢的关键[19]。而数字金融能够迅速搜集企业信息，甄别企业优劣和受波及程度，并精准协助相关企业解决突发事件所带来的资金链风险[20]。这既避免了简单采取补贴政策所导致的“大水漫灌”，又改善了由商业银行等传统金融机构主导下中小微企业所面临的融资难、融资贵的“窘境”，切实缓解了不确定事件对城市冲击瞬间所带来的损失[21,22]。不仅如此，在面对特大暴雨、洪水、台风等极端天气影响时，线上教学、异地办公、线上消费等数字经济新型业态和模式的快速发展，也为城市经济运营提供了诸多替代选择。例如，在新冠肺炎期间，云教学、云办公、云消费等数字化手段成功推动城市经济逆势增长。因此，本文提出如下研究假设：
H1：数字经济会提高城市冲击抵御力。

2.1.2 数字经济对城市恢复调整力的作用机制

经济发达程度会影响城市竞争力和吸引力，尤其是经济高质量发展的城市能够吸引更加优质的资源禀赋，以此助力城市恢复调整；而社会稳定程度则会影响城市资源配置效率，社会和谐稳定的城市更容易通过调整资源配置，加速城市调整经济结构速度。而数字经济恰能通过激发经济活力和维持社会稳定来提高城市恢复调整力。在经济层面，首先，数字经济会提高货币流动性并以此激发城市经济活力，助力城市经济恢复。城市经济低迷难以恢复的根本原因之一在于货币流动性低，即资产资源难以通过“货币化”进行流动以发挥经济刺激作用，提高城市经济活跃度。而在数字经济时代，支付宝、微信支付等在线支付形式使人们支付模式由“纸币化”转向“无纸化”，支付模式的优化和支付习惯的转变提高了城市居民的支付频率和支付金额[23]。以移动支付为例，2022年，中国移动支付业务便达1585.07亿笔，业务对应金额则为499.62万亿元，为提高中国货币流动性做出巨大贡献。花呗、京东白条等数字金融产品的出现，更是缓解了城市居民的流动性约束，使消费者实现跨期平滑，进而释放被压抑的消费需求，为城市经济注入活力。随着数字技术进一步发展，法定货币也有借助区块链等技术推动货币数字化的趋势。而数字货币通过可追踪性提高了中央银行监测货币流动能力，并实时了解货币的流向和流量，从而有助于动态调整经济低迷期间的货币政策[24]。这弥补了传统货币政策不可监督不可控制的缺陷，通过增强货币政策效应来激发城市经济活力。其次，数字经济能够改善城市营商环境，通过吸引优质企业为城市注入活力，以促进城市经济快速恢复。数字经济改变了不同主体之间的互动方式，并构建了平等对话的新型营商环境。在新型营商环境中，城市利用大数据等数字技术实现高效的需求感知和服务推送，把“人找政策”变为“政策找人”，有效提高了营商环境质量[25]。而在城市恢复过程中，高质量营商环境会提高城市对优质企业的吸引力，从而为城市注入活力，使城市更好更快地恢复到往日水平。
在社会方面，其一，数字经济为失业居民提供就业机会，避免大规模居民失业导致社会动荡，影响城市经济恢复速度。在数字经济时代，电商客服、外卖骑手、网络主播等新型就业入行门槛较低[26,27]。因此，在城市经济低迷期间，失业的城市居民可迅速通过职业转换，脱离失业状态。不仅如此，城市居民还可利用此类就业的工作时间灵活特性特征，在工作闲暇期间寻找其他更适合自己的工作。这意味着，数字经济所创造的此类新型就业使城市实现冲击软着陆。其中，2021年，数字平台就创造就业约2.4亿，为当年约27%的中国适龄劳动人口提供了就业机会[28]。这不仅增强了整体社会的信心和预期，并以此助力中国城市逐渐摆脱国际地缘政治动荡和新冠疫情的负面影响，还使城市经济结构得以借外部冲击进行调整，使其更加适合城市和城市居民发展。其二，数字经济重塑公共服务体系，通过发挥“缓冲器”作用来减少城市恢复时间和难度。“互联网+医疗”“互联网+教育”“互联网+养老”等模式正在重塑城市的基本公共服务体系。在此基础上，数字技术还能进一步优化公共服务的使用过程和使用体验，降低时间成本和使用门槛，以此提高公共服务水平和居民参与度。而一旦城市受到外部冲击，新型基本公共服务体系能够为城市居民兜底。这将避免城市居民因不可控因素导致其生活水平大幅降低，缓解冲击给城市和城市居民带来的负面影响。因此，数字技术优化后的新型公共服务体系将提供“缓冲器”作用，避免城市整体水平过度下降，减少城市恢复时间和难度。因此，本文提出如下研究假设：
H2：数字经济会提高城市恢复调整力。

2.2 间接作用机制

2.2.1 数字经济驱动城市经济韧性提升的产业结构效应

数字经济深入渗透工业生产和管理各阶段，将生产要素数字化并实时传导，以此增强生产要素的响应与匹配能力，实现对资源的优化整合[29,30]。这不仅促使城市工业减排增效，还会更新优化工业产品，发挥工业的“经济稳定器”作用，从而增强城市经济韧性。首先，数字经济会促使城市工业减排增效，推动城市新型工业化发展。在生产流程上，工业企业通过使用CAD、BIM、3D打印等应用软件和数字技术，在降低生产过程排放的同时，缩短产品开发周期，以提高生产效率[31]。在企业运营中，工业企业借助数字财务系统和办公软件，对各环节信息收集分析，实时调整生产计划，有效协调企业内部“人财物”与外部需求，以实现减排增效[32]。这将有效改善甚至扭转城市为实现减排增效目标而进行“退二进三”或“腾笼换鸟”行为，避免城市过早“去工业化”[33]。因此，城市工业的“经济稳定器”作用能够有效发挥，从而提高城市经济韧性 ① 。其次，数字经济助力工业企业更新优化产品，推动城市工业的数字化转型。近年来，居民的消费需求逐渐从“用得上”转向“用得好”，对产品提出了多元化、个性化、高品质的要求。这使得城市中的工业企业需要借助工业物联网等模式升级更新自身产品，从“模仿创造”走向“自主研发”，以避免被市场所淘汰。例如，有些企业利用大数据等技术分析消费者需求的多维数据，以识别消费者消费习惯与偏好，并针对性设计新产品，从而满足消费者个性化、差异化需求[29]。而转型升级后的城市工业，能够吸引更加优质的生产要素，其“经济稳定器”作用更能抵御城市所面临的外部冲击。不仅如此，多元化、个性化、高品质的产品要求还会催生出多种新兴经济形态，促进产业结构的多样化发展，从而通过投资组合作用提高城市经济韧性 ② 。
需要指出的是，数字经济在促进新型工业化发展和产业结构多样化的同时，也会推动城市产业专业化集聚，而这会阻碍产业结构多样化的进一步发展，最终导致城市经济韧性受到抑制 ③ 。其一，城市主导产业通过数字化转型提高自身竞争力，挤占城市其他产业生存空间，从而推动城市产业专业化集聚。城市主导产业往往更有意愿和能力进行数字化转型，以期利用数字经济能够整合分析产业和市场信息等优点来降低生产成本，提高企业竞争力[34]。这使得城市中其他产业难以与主导产业竞争优质资源禀赋，逐步被淘汰挤出，使城市朝产业专业化集聚方向发展[35]。而城市产业专业化集聚虽有利于城市在经济增长阶段迅速崛起，但也会导致产业结构单一化[36]。对于产业结构单一的城市而言，其主导产业一旦受到较大冲击，高度相关的产业结构会产生连锁反应，迅速传导并扩大冲击所带来的负面影响。而已投入的机器、时间、服务等形成的沉没成本，则会让企业不愿转向新路径[37,38]。因此，城市短期将难以恢复且难以寻找替代性产业对城市经济结构进行调整。这将导致城市经济由于主导产业低迷而发生灾难性崩溃，恢复时间也相应较长，其城市经济韧性较为脆弱[1,37,38]。其二，数字经济对资源配置效率的提高，使优质生产要素快速集中到城市主导产业，以推动城市专业化集聚。数字经济的高度共享和开放的特征将打破上下游以及行业内外的信息壁垒，降低资源搜寻成本，并通过数字技术提高匹配效率，最终促使资源配置效率提升。以劳动力为例，发展壮大的城市主导产业可以通过数字平台吸纳更多相关领域的专业人才。这能够为劳动力的各种专业能力匹配市场需求，以此提高相关行业的专业化集聚水平。然而，这也会导致主导产业受到某类特定冲击时降低了“减震器”作用，使得受冲击的主导产业要素无法迅速转移到其他产业，无法对城市经济结构进行调整，从而抑制城市经济韧性[39]。因此，本文提出如下研究假设：
H3：数字经济通过产业结构效应影响城市经济韧性存在不确定性。

2.2.2 数字经济驱动城市经济韧性提升的革新能力效应

数字经济打破了物理距离对知识交流和传播的限制，使信息的交换和传播效率得以加快，并从政府和企业两个维度提高城市革新能力[30,40]。一方面，政府通过数字化改革强化政府管理效能，以此增强城市经济韧性；另一方面，企业数字化转型有利于优化企业适应能力，从而提升城市经济韧性。首先，政府通过与信息技术企业合作对治理体系进行重构，提高城市运行效率。在数字经济时代，政府借助各类现代化信息网络技术和数据驱动，促进部门协同、条块联动与跨界整合，使治理体系由政府单向管理转向内外互动协同，对治理体系实现创新乃至重构[41]。在新型数字化治理体系下，政府通过微博、抖音、小红书等数字平台的评论区、留言区等多元化渠道获取信息，并对此类信息进行加工处理和分析研判。政府就此可了解到最新民意需求并精准及时地满足群众合理诉求，以最小成本最快速度解决城市隐患和问题，使城市经济韧性得以提高[25,42]。而政府通过数字平台对群众合理诉求的及时响应，将激励群众参与社会治理的积极性，形成正反馈效应。截至2022年底，全国一体化政务服务平台的实名用户超过10亿人，国家政务服务平台注册用户数超过8.08亿人，总使用量超过850亿人次。因此，数字经济切实提高了城市运行效率和城市居民满意度，使城市经济韧性得以增强。其次，数字经济能够提高政府监管效能，降低不法行为对城市经济造成的冲击。政府通过招标，委托信息技术企业运用物联网、人工智能、虚拟现实等数字技术构建智慧监管平台，由传统线下监管转向智慧监管[43]。而智慧监管平台会对违法违规行为自动识别、主动报警、远程取证固证和远程执法，极大程度提高了政府监管效率。这种自动化、精细化的监管模式能够降低不法行为对城市发展的危害性，以此提高城市冲击抵御力。不仅如此，智慧监管平台还会根据职责将监管任务分发到相关部门，并要求该部门在指定时间内作出响应。这有助于消除“九龙治水”的弊端，解决监管交叉、互相推诿等问题，以落实监管的方式提高城市经济韧性。
与此同时，企业作为城市系统个体，也会通过数字化转型实现组织创新和技术创新来提高企业抵御冲击和恢复调整的能力，进而增强城市经济韧性。其一，数字经济推动企业形成新型组织体系，使其能够根据外部环境变化进行调整，以此提高城市经济韧性。数字经济会推动企业组织模式由传统的科层垂直组织系统向扁平化组织模式演变，并打破明确的组织边界，形成新型企业组织体系。新型组织体系打破了企业内部不同环节、不同模块、不同部门之间的“数据孤岛”，在提高管理效率的同时也促进了各部门之间的思维碰撞，从而推动更符合产品定位和用户需求的技术创新。因此，新型组织体系使企业更具自我协调和自我组织能力，能适应外界环境的变化并适时调整。而当企业都提高了其自身抵抗危机能力和恢复调整能力时，城市整体经济韧性也会随之提升[44]。其二，数字经济对企业创新效率的提高，使企业能够迅速调整自身定位并形成新的竞争力，助力城市城市经济韧性提升。物联网和互联网技术的融合发展突破了原有物理距离等客观因素对企业发展创新的限制[45]。企业就此能够通过互联网等载体学习借鉴同行经验，并在此基础上运用人工智能、机器学习、大模型等数字技术提高技术创新效率和降低技术创新成本[46]。因此，企业受冲击后有机会通过研发新技术调整自身发展定位和产品定位，从而发展新的市场并形成新的比较优势，助力城市调整经济结构和产业发展水平。例如，在高新技术领域，企业能通过3D打印复制和替代部分分工环节，减少原来实体经济生产的任务细分，实现协同制造、缩短产品周期并提高生产效率[47]。这使得企业在受冲击时能够迅速调整产品研发方向，以此增强企业自身和城市竞争力。因此，本文提出如下研究假设：
H4：数字经济通过革新能力效应提高城市经济韧性。
综上所述，数字经济对城市经济韧性的影响机制见图2。
图2 数字经济影响城市经济韧性的机制图

Fig. 2 Diagram of the mechanisms by which the digital economy affects the economic resilience of cities

3 研究设计

3.1 变量说明

3.1.1 被解释变量：城市经济韧性（UER）

本文参考Martin等的研究[2]，将经济周期划分为冲击抵御期和恢复调整期两个阶段。相对应的城市经济韧性则同样分为冲击抵御力（Resis）和恢复调整力（Recov），并将二者分别定义为公式（1）和公式（2）：
R e s i s i ,   t = Δ m i s - Δ m i s e Δ m i s e
R e c o v i ,   t = Δ m i c - Δ m i c e Δ m i c e
Δ m i = m i t + k - m i t ,   Δ m i e = m i t ∙ g t + k
式中： R e s i s i ,   t为城市i在第t年的冲击抵御力； Δ m i s和 Δ m i s e分别为冲击抵御期内城市i实际经济变化和反事实经济变化； R e c o v i ,   t为城市i在第t年的恢复调整力； Δ m i c和 Δ m i c e为恢复调整期内城市i实际经济变化和反事实经济变化；反事实 Δ m i e为以整体生产总值变化率为基础所预期的各城市地区生产总值变化量； g t + k为整体生产总值变化率。公式（3）反映的是在不同阶段城市实际经济变化和反事实经济变化的具体计算公式。其中，若公式（1）和公式（2）测度的城市经济韧性值为零，则表明该城市生产总值实际变动量与基于国家产出变动的反事实变动一致；若为正值，该城市的冲击抵御力或恢复调整力更强；若为负值，则表明该城市的冲击抵御力或恢复调整力更差。本文所研究的数据为2008—2021年的面板数据，其中，冲击抵御期为2008—2009年，恢复调整期为2010—2021年。这样划分是因为2008年的国际金融危机导致中国经济增长受挫，直到2009年第三季度经济才逐渐回暖，进入至恢复调整期[3]。而2008年恰是中国数字经济迅猛发展的年份。2008年，中国以2.14亿的宽带网民数跃居世界网民规模第一[48]。与此同时，中国还拥有1218.8万个域名数和1.58亿个IPv4地址数量，所拥有数量分别为世界第一和世界第二。而这样的网民规模和网络基础资源，使得中国网络贸易得到繁荣发展，其中，仅B2B电子商务交易规模便达2.96万亿元，年增长率更是高达39.4%。中国数字经济开始对经济发展产生影响，进而影响中国和城市的经济韧性。而本文之所以选择2010-2021年作为恢复调整期，则是考虑到更长的样本周期能够更加准确反映2008年金融危机冲击后城市恢复情况以及对处理冲击所带来的“迟滞效应”进行各种调整的结果。此外，为剔除新冠疫情冲击造成回归结果较大偏误的可能性，本文在稳健性检验部分进行样本周期调整及分析，在此不做赘述。

3.1.2 解释变量：数字经济（DE）

本文认为，数字经济的主要发展途径为数字产业化部分和产业数字化部分。而无论是数字产业化还是产业数字化，其微观基础均为企业。因此，采用城市中的企业数据构建城市数字经济指标更能真实反映城市数字经济发展水平。而上市公司对于城市经济发展具有主导和引导作用，即上市公司不仅是城市经济发展的主要动力，还会为城市中其他非上市公司树立标杆，引导非上市公司学习借鉴其发展模式和转型路径。此外，上市公司企业年报需要公开且受相关利益方监督，其文本真实性较为可靠。因此，本文采用2008—2021年上市公司企业年报中与数字经济相关的关键词词频统计结果并匹配到城市用以衡量城市数字经济发展水平。具体操作步骤如下：首先，通过Python分词处理及人工识别，最终筛选得到160个数字经济相关词汇，这些词汇构成了本文的数字经济术语词典。其次，本文把上述数字经济术语词典中160个词汇扩充到Python软件包的“jieba”中文分词库，在去除停顿词后，统计上述词汇在年报全文中出现的次数。再次，考虑到年报文本长度的差异，在提取得到每家上市公司每年年报中各个关键词的出现频率后，本文参考袁淳等的方法[49]，通过数字经济相关词汇频数总和除以年报语段长度并乘以1000，以表示企业数字经济发展水平。最后，将企业数据匹配到城市层面并进行加总，得到城市每年数字经济发展水平。具体数字经济相关关键词见表1。
表1 关于数字经济的关键词及分类

Tab. 1 Keywords and classifications on the digital economy

数字技术 数字技术应用 互联网商业模式 智能制造 信息系统
大数据、文本挖掘、数据可视化、异构数据、增强现实、混合现实、虚拟现实、内存计算、融合架构、亿级并发、EB级存储、云计算技术、分布式计算、身份验证、投资决策辅助系统、图像理解、智能金融合约、流计算、语义搜索、认知计算、差分隐私技术、图计算、智能数据分析、区块链、语音识别、深度学习、智能机器人、机器学习、征信、信息物理系统、绿色计算、类脑计算、多方安全计算、生物识别技术、自然语言处理 移动互联、移动支付、NFC支付、智能能源、金融科技、量化金融、数据管理、数据网络、数据平台、数据中心、数字控制、数字技术、数字网络、数字智能、第三方支付、云计算、物联网、自动驾驶、数字货币、Fintech、开放银行、数据挖掘、数据科学、数字通信、网联、数字终端、云服务、数字金融、数字营销、数字化、人脸识别、云平台、云IT、云生态、互联网金融 移动互联网、工业互联网、互联网解决方案、B2C、互联网行动、互联网业务、互联网应用、互联网营销、互联网商业模式、电商、互联网生态、线上线下、线上和线下、线上到线下、O2O、B2B、C2C、C2B、智能穿戴、智能家居、智能客服、互联网平台、智能环保、商业智能、互联网医疗、互联网技术、互联网思维、电子商务、产业互联网、数字营销、互联网移动、互联网战略、智能医疗、智慧农业、互联网模式、无人零售、智能交通、智能投顾、智能营销、智能电网、互联网＋、智能文旅 高端智能、工业智能、智能控制、智能终端、智能管理、智能工厂、智能制造、智能仓储、智能设备、智能生产、智能系统、智能化、自动监测、自动监控、工业云、一体化、集成化、未来工厂、集成系统、自动生产、移动智能、智能物流、集成控制、自动检测、智能网联、智能技术、虚拟制造、自动控制、生产制造执行系统、生命周期管理、集成解决方案、智能故障诊断、数控、虚拟化、智能移动 信息共享、信息管理、信息集成、信息软件、信息系统、信息网络、信息终端、信息中心、工业信息、工业通信、信息化、网络化

3.1.3 机制变量

由理论机制可知，本文主要间接机制变量为产业结构效应和革新能力效应。其中，城市产业结构效应是否具有韧性，主要取决于城市产业结构多样化程度和城市产业生产效率。在产业结构效应中，城市工业结构决定了工业所能发挥的“稳定器”作用程度，并会对城市产业生产效率产生影响；产业结构多样化程度则决定城市能否能够通过投资组合的方式降低城市面对冲击的脆弱性 ④ [50,51]。在革新能力效应中，政府数字化改革和企业数字化转型，均会提高城市革新能力，从而使城市能够在冲击后的恢复调整阶段出现新的生产活动，形成新的比较优势，提高城市竞争力。这将引领城市进入新一轮的增长轨道，从而摆脱外部冲击带来的负面影响[11]。因此，本文运用shift-share分解法将城市整体经济韧性分解为产业结构韧性与革新能力韧性，并以此反映数字经济通过产业结构效应和革新能力效应对整体城市经济韧性造成的影响。Shift-share分解法标准公式如下：
Δ M i = M i t + k - M i t = ∑ j M i j s × G j t + k + ∑ j M i j t - M i j s × G j t + k + ∑ j M i j t × G i j t + k - G j t + k ,   ∑ j M i j s × G j t + k = ∑ j M i j t × G i j t + k
因此，公式（4）可以转变为公式（5）：
Δ M i = M i t + k - M i t = ∑ j M i j t × G j t + k + ∑ j M i j t - M i j s × G j t + k + ∑ j M i j t × G i j t + k - G j t + k
式中：j表示产业；M表示整体生产总值； M s表示以整体层面为标准的各城市产业应占份额； G j t + k、 G i j t + k、 G t + k分别表示整体层面j产业、i城市j产业与整体生产总值变化率。对公式（5）进行转换计算，可将城市经济韧性（UER）分解为产业结构韧性（UIR）与革新能力韧性（UCR），最终结果所示如下：
Δ M i - ∑ j M i j t × G t + k ∑ j M i j t × G t + k （ U E R ） = ∑ j M i j t - M i j s × G j t + k ∑ j M i j t × G t + k （ U I R ） + ∑ j M i j t × G i j t + k - G j t + k ∑ j M i j t × G t + k （ U C R ）
式中：UER为城市经济韧性，反映的是城市抵御冲击和冲击过后恢复调整的能力；UIR为产业结构韧性，反映了城市产业结构效应对城市的冲击抵御力和恢复调整力影响的程度；UCR为革新能力韧性，反映了城市革新能力效应对城市的冲击抵御力和恢复调整力影响的程度。
此外，本文进一步从行业层面和企业层面重新构建城市的产业结构韧性和革新能力韧性，以增加机制检验结果的稳健性。其中，在革新能力韧性方面，本文采用寇宗来、刘学悦测度的创新指数进行衡量[52]。该创新指数通过专利更新模型评估每类专利的平均价值并进行加总获得城市创新指数。而企业的专利数量和质量是企业竞争力和革新能力的护城河，其数值的变动能够在一定程度上反映企业抵御冲击和适应能力，进而从企业层面体现城市革新能力韧性程度。在产业结构韧性方面，本文参考于斌斌的研究方法[36]，并结合本文理论机制部分，从产业结构比例和产业生产效率两个角度构建产业结构韧性，具体方法如公式（7）~公式（9）所示：
O P i ,   t = O C i ,   t O R i ,   t
A G G i ,   t = 1 / ∑ i L j ,   i ,   t / S i ,   t L j ,   t
U I R i ,   t = O P i ,   t × A G G i ,   t
式中： O P i ,   t表示t年城市i的劳动生产率； O C i ,   t表示t年城市i的产值； O R i ,   t表示t年城市i的就业人数； A G G i ,   t表示城市产业结构多样化程度； L j ,   i ,   t表示t年i城市j行业的就业人数； S i ,   t表示t年城市i的土地面积； L j ,   t表示t年全国j行业的就业人数； U I R i ,   t表示产业结构韧性，由产业结构多样化程度和城市劳动生产率两部分构成，其中，由于 A G G i ,   t数值较大，对其取对数。

3.1.4 控制变量

为了尽量避免遗漏变量导致的结果偏差，本文控制了以下变量：① 金融发展水平（FL）。在受到冲击时，金融部门通过自身与各行业的紧密联系将冲击传导到各行业，推动危机迅速蔓延并演变成系统性风险，增加经济的不稳定性[40]。本文使用年末金融机构各项存贷款约占地区生产总值比例表示城市金融发展水平。② 市场规模（MS）。市场规模越大的经济体越能消化冲击不利影响，也越容易依赖自身市场规模实现调整[10]。本文以社会消费品零售总额的对数进行测度。③ 城市化率（UR）。城市化程度越高的城市越容易形成多样化产业结构，越有利于增强城市经济韧性[53]。本文采用城镇人口占常住人口比例进行测度。④ 人力资本水平（HL）。高素质劳动力更容易通过学习转换行业和岗位，助力城市经济转型，从而降低城市经济受到冲击的影响[3]。本文以地区教师人数进行测度。⑤ 集聚程度（AD）。人口密度高的城市劳动力市场相对活跃，更容易吸纳所需类型劳动力流入，从而提高城市经济韧性[51]。本文借鉴孙久文和孙翔宇的做法[13]，采用各城市人口总量与占地面积的比值进行度量。

3.2 模型设定

根据上述理论机制和现有研究，本文构建以下实证模型：
U E R i ,   t = α 0 + β D i g i t i ,   t + θ X i ,   t + μ i + δ t + ε i ,   t
式中： U E R i ,   t表示城市i在第t年的经济韧性，包括城市冲击抵御力（Resis）和城市恢复调整力（Recov）； D i g i t i ,   t是城市i在第t年的数字经济发展水平； X i ,   t为影响城市经济韧性的其他控制变量； μ i表示城市固定效应； δ t表示年份固定效应； ε i ,   t表示随机误差项。

3.3 数据来源

2008—2021年相关企业年报数据来自深圳证券交易所、上海证券交易所官方网站。城市GDP、城市各产业增加值、城市年末金融机构各项存贷款、城镇人口、城市常住人口、城市教师人数、城市人口密度则均来源于《中国城市统计年鉴》。部分缺失数据或来源于各省或城市统计年鉴，或通过插值法填补。由于本文变量所涉及的数据仅更新到2021年，并且部分城市数据缺失严重，因此本文选择2008—2021年作为样本跨期，并剔除了数据严重缺失的城市，最终确定为中国251个地级及以上城市的面板数据。各变量的描述性统计见表2。
表2 变量的描述性统计

Tab. 2 Descriptive statistics of variables

变量 符号 观测值 均值 标准差 最小值 最大值
城市经济韧性 UER 3514 0.090 2.908 -125.381 15.613
数字经济 DE 3514 4.497 19.921 0.000 376.985
金融发展水平 FL 3514 2.442 1.354 0.560 42.418
市场规模 MS 3514 15.580 1.071 5.472 19.013
城市化率 UR 3514 0.561 0.153 0.174 1.000
人力资本 HL 3514 0.596 1.087 0.009 7.568
集聚程度 AD 3514 0.046 0.034 0.000 0.265

4 实证结果分析

4.1 基准模型回归分析

表3分别展示了数字经济在全样本期、冲击抵御期和恢复调整期对城市经济韧性的估计结果。在全样本期，数字经济的回归系数为正，并通过了1%水平下的显著性检验。这意味着数字经济会显著提高城市经济韧性。同时，在冲击抵御期和恢复调整期，数字经济的回归系数均通过了5%水平下的显著性检验且均为正。这说明，一方面，数字经济能够使城市提高冲击抵御力，减少受到外部冲击时的瞬时影响；另一方面，数字经济还能促进城市在外部冲击过后更快更好地恢复到原有状态，甚至借助外部冲击所造成的“迟滞效应”，调整原有资源配置模式，使其更加合理化，更有利于城市长期发展。基准回归结果表明假设H1和H2成立。
表3 基准模型的估计结果

Tab. 3 Estimation results of the baseline model

全样本期
（2008—2021）		 冲击抵御期
（2008—2009）		 恢复调整期
（2010—2021）
DE 0.009***（0.003） 0.062**（0.026） 0.007**（0.004）
FL -2.509***（0.485） -0.139（0.112） -2.630***（0.424）
MS -0.288（0.310） 0.093（0.131） -0.387（0.322）
UR -0.105（1.182） 0.215（1.647） -0.759（1.648）
HL 0.118（0.199） 0.742***（0.153） -0.495（0.308）
AD -0.317（8.477） -12.366（32.059） -2.152（8.704）
常数项 10.666*（5.725） -0.9793（2.797） 13.610**（5.979）
时间固定效应 是 是 是
城市固定效应 是 是 是
N 3514 502 3012
R2 0.598 0.920 0.622

注：*、**、***分别表示在10%、5%、1%水平下显著；括号内数值为各统计量城市层面聚类标准误。

4.2 稳健性检验

4.2.1 内生性处理

本文参考杨刚强等的做法[54]，爬取了2008—2021年所有开通官方微博的公司，共计647014条微博开通信息，并匹配到城市层面，计算得出所有城市开通微博的公司总数，作为该城市数字经济的工具变量，以此缓解内生性问题。
在进行检验前，工具变量需先要满足“相关性”和“外生性”这两个条件。其中，“外生性”在实证上难以检验，尤其是本文中工具变量的个数等于内生变量的个数，在恰好识别的情况下无法从统计上检验工具变量的外生性[54]。因此，本文从理论角度进行阐述，即企业开通微博主要是基于企业自身利益出发，这与城市经济韧性关联度较弱。而工具变量的“相关性”可以直接被验证，通过比较Kleibergen-Paap rk Wald F统计量和10%的临界值大小即可。表4的 Kleibergen-Paap rk Wald F统计量结果可知，无论是在全样本期和恢复调整期，工具变量通过了检验，即存在相关性，但在冲击抵御期，工具变量未通过检验。表4的Kleibergen-Paap rk LM统计量结果则显示，在全样本期和恢复调整期，工具变量通过识别不足检验，但在冲击抵御期，工具变量未通过检验。这可能是因为，在冲击抵御期，开通微博的企业较少，导致其难以发挥工具变量应有作用。因此，本文主要考虑引入工具变量后，数字经济在全样本期和恢复调整期对城市经济韧性的影响。第一阶段回归结果表明，无论是全样本期还是恢复调整期，工具变量对数字经济存在显著影响；第二阶段回归结果表明，在引入工具变量后，在全样本期和恢复调整期，数字经济仍会导致城市经济韧性的提高，并分别通过了5%和10%水平下的显著性检验。这进一步佐证了基准回归结果的稳健性。
表4 基于工具变量的检验结果

Tab. 4 Test results based on instrumental variables

全样本期
（2008—2021）		 冲击抵御期
（2008—2009）		 恢复调整期
（2010—2021）
数字经济 城市经济韧性 数字经济 城市经济韧性 数字经济 城市经济韧性
工具变量 0.020***
（0.002）		 0.034
（0.030）		 0.019***
（0.001）
数字经济 0.008**
（0.004）		 0.227
（0.138）		 0.008*
（0.005）
控制变量 是 是 是 是 是 是
时间固定效应 是 是 是 是 是 是
城市固定效应 是 是 是 是 是 是
Kleibergen-Paap rk LM 5.22** 2.42 5.30**
Kleibergen-Paap rk Wald F 146.96 1.26 175.77
观测值数 3514 3514 502 502 3012 3012

注：全样本期、冲击抵御期和恢复调整期的10%临界值均为16.38。*、**、***分别表示在10%、5%、1%水平下显著；括号内数值为各统计量城市层面聚类标准误。

4.2.2 更换解释变量

首先，修正原始数字经济数据。考虑到上市企业中部分企业存在财务状况异常等状况，本文将ST样本进行剔除，并将剩余数据重新匹配到城市层面，以此衡量城市数字经济发展水平，估计结果如表5中的模型（1）、模型（4）和模型（7）。估计结果显示，在全样本期，替换原始数据后的数字经济仍会正向影响城市经济韧性，并且通过了1%水平下的显著性检验；在冲击抵御期和恢复调整期，其回归结果均通过了5%水平下的显著性检验且均为正。其次，更换数字经济测度方法。参考吴非等的研究[55]，本文将企业年报中的数字经济关键词词频匹配到城市层面，以词频总数衡量城市数字经济发展水平，估计结果如表5中模型（2）、模型（5）和模型（8）所示。结果显示，替换测度方法后的数字经济无论在全样本期还是在冲击抵御期和恢复调整期，对城市经济韧性影响均为正，并分别通过了5%、1%和5%的显著性检验。最后，构建数字经济指标体系，测量城市数字经济发展水平。参考戴翔等[56,57]，选取电信业务收入对数、移动电话普及率、人均互联网宽带接入用户数、科研支出占比、电信业务总量万元、人均国际互联网数等指标运用主成分分析法，构建了数字经济指标体系。在此基础上，本文测算了各城市的数字经济发展水平，并以此替换原有数字经济变量重新进行回归，估计结果如表5中模型（3）、模型（6）和模型（9）所示。结果显示，无论是全样本期还是冲击抵御期和恢复调整期，数字经济均会正向影响城市经济韧性，并分别通过了5%、10%和5%水平下的显著性检验。以上稳健性检验进一步佐证了基准回归结果的稳健性，即数字经济有利于城市经济韧性提升。
表5 更换解释变量的检验结果

Tab. 5 Test results for replacement of explanatory variables

全样本期（2008—2021） 冲击抵御期（2008—2009） 恢复调整期（2010—2021）
（1） （2） （3） （4） （5） （6） （7） （8） （9）
数字经济 0.009*** 0.005** 0.505** 0.060** 0.074*** 0.613* 0.007** 0.005** 0.458**
（0.003） （0.002） （0.238） （0.024） （0.023） （0.317） （0.004） （0.002） （0.214）
控制变量 是 是 是 是 是 是 是 是 是
时间固定效应 是 是 是 是 是 是 是 是 是
城市固定效应 是 是 是 是 是 是 是 是 是
观测值数 3514 3514 2942 502 502 494 3012 3012 2446
R2值 0.598 0.598 0.661 0.920 0.920 0.921 0.622 0.622 0.694

注：*、**、***分别表示在10%、5%、1%水平下显著；括号内数值为各统计量城市层面聚类标准误。

4.2.3 更改样本周期

由于新冠疫情影响，2020年后的城市经济韧性波动较大，所以部分学者研究城市经济韧性时，将周期划为2008—2019年[57]。因此，本文也将2019年后的数据进行删除，并重新测度数字经济对城市经济韧性的影响（表6）。结果显示，无论是在全样本期还是在冲击抵御期和恢复调整期，数字经济仍会正向影响城市经济韧性，并分别通过1%、5%和1%水平下的显著性检验。因此，无论是否受到新冠疫情影响，数字经济均有利于城市经济韧性提升。
表6 更改样本周期的检验结果

Tab. 6 Test results for changing the sample period

全样本期
（2008—2021）		 冲击抵御期
（2008—2009）		 恢复调整期
（2010—2021）
数字经济 0.020***
（0.005）		 0.062**
（0.026）		 0.019***
（0.005）
控制变量 是 是 是
时间固定效应 是 是 是
城市固定效应 是 是 是
观测值数 3012 502 2510
R2值 0.635 0.920 0.664

注：**和***分别表示在5%和1%水平下显著；括号内数值为各统计量城市层面聚类标准误。

4.3 机制检验

根据上述理论机制分析，本文发现数字经济可以通过产业结构效应和革新能力效应影响城市经济韧性。首先，本文运用shift-share分解法从城市经济韧性（UER）中拆解出产业结构韧性（UIR），并以此为被解释变量就数字经济如何通过产业结构效应影响城市经济韧性进行机制检验，结果如表7中模型（1）、模型（3）和模型（5）所示。结果显示，无论在全样本期还是在冲击抵御期和恢复调整期，数字经济均会对产业结构韧性存在负向影响，并且系数均通过1%水平下的显著性检验。这意味着，数字经济会通过推动城市产业专业化集聚削弱城市经济韧性，假设H3得到验证。之所以如此，是因为数字经济会助力城市主导产业进一步整合地方资源，推动城市向产业专业化集聚方向发展，导致城市产业结构较为单一。城市主导产业一旦受到较大冲击，短期将难以恢复且难以寻找替代性产业对城市经济结构进行调整，城市经济将由于主导产业低迷而发生灾难性崩溃，恢复时间也相应较长[1]。
表7 机制检验结果

Tab. 7 Mechanism test results

全样本期（2008—2021） 冲击抵御期（2008—2009） 恢复调整期（2010—2021）
UIR
（1）		 UCR
（2）		 UIR
（3）		 UCR
（4）		 UIR
（5）		 UCR
（6）
数字经济 -0.001*** 0.008*** -0.028*** 0.092*** -0.001*** 0.008***
（0.000） （0.002） （0.007） （0.032） （0.000） （0.002）
控制变量 是 是 是 是 是 是
时间固定效应 是 是 是 是 是 是
城市固定效应 是 是 是 是 是 是
观测值 3466 3463 480 480 2985 2982
R2值 0.262 0.302 0.675 0.918 0.261 0.304

注：***表示在1%水平下显著；括号内数值为各统计量城市层面聚类标准误。

其次，本文通过shift-share分解法从城市经济韧性（UER）中拆解出革新能力韧性（UCR），并以此为被解释变量就数字经济如何通过革新能力效应影响城市经济韧性进行机制检验，结果如表7中模型（2）、模型（4）和模型（6）所示。结果显示，无论在全样本期还是在冲击抵御期和恢复调整期，数字经济均会对革新能力韧性存在正向影响，系数均通过了1%水平下的显著性检验。这说明，数字经济会通过政府数字化改革和企业数字化转型两方面提升城市革新能力，使城市竞争力得以提高，并吸引优质资源禀赋流入，从而增强城市经济韧性，假设H4成立。具体而言，数字经济在城市面临冲击时，能够通过更加完善的数字政务平台对冲击实现精准识别、预警和处理，并通过更加灵活的企业组织模式使冲击在企业层面负面影响最小化；而在恢复和调整阶段，吸纳到优质资源禀赋的城市，不仅能借助优质资源禀赋进行恢复，还能够通过数字平台降低信息不对称问题，从而充分调动资源禀赋以使资源禀赋结构更加合理化，加速城市转型调整。
最后，考虑到shift-share分解法主要是从整体的产业产值和产值变化率构建产业结构韧性和革新能力韧性，存在一定误差，本文结合理论机制分析，从行业层面和企业层面重新构建城市的产业结构韧性和革新能力韧性并重新进行回归，以增加机制检验结果的稳健性。其中，产业结构韧性的机制检验结果如表8中模型（1）、模型（3）和模型（5）所示。其结果表明，无论是在全样本期，还是在恢复调整期，数字经济均会对产业结构韧性产生负向影响，且分别通过1%、5%水平下的显著性检验，与原机制检验结果基本一致；在冲击抵御期，数字经济虽会对产业结构韧性产生负向影响，但未通过显著性检验。这是因为，在全样本期和恢复调整期，数字经济通过推动产业结构专业化集聚形成的抑制作用大于数字经济促进新型工业化发展、提高城市劳动生产率形成的促进作用。在冲击抵御期，数字经济对产业结构韧性的负向影响不显著，可能是因为，数字经济发展水平尚处于初步发展阶段，数字经济对城市主导产业的赋能效应较弱，难以显著影响城市的专业化集聚。而革新能力韧性的机制检验结果如表8中模型（2）、模型（4）和模型（6）所示。其结果与原机制检验结果也基本一致，即无论是在全样本期，还是在冲击抵御期和恢复调整期，数字经济均会对革新能力韧性产生正向影响，且均通过1%水平下的显著性检验。这说明，数字经济会通过提高企业技术创新效率和降低技术创新成本，增加城市专利获取数量和价值，从而增强城市革新能力韧性。因此，在行业层面和企业层面所进行的机制检验，进一步佐证了原机制检验结果的稳健性。
表8 进一步机制检验结果

Tab. 8 Further mechanism test results

全样本期（2008—2021） 冲击抵御期（2008—2009） 恢复调整期（2010—2021）
UIR
（1）		 UCR
（2）		 UIR
（3）		 UCR
（4）		 UIR
（5）		 UCR
（6）
数字经济 -0.002*** 5.823*** -0.000 4.146*** -0.002*** 5.960***
（0.001） （0.625） （0.043） （1.155） （0.001） （0.716）
控制变量 是 是 是 是 是 是
时间固定效应 是 是 是 是 是 是
城市固定效应 是 是 是 是 是 是
观测值 2984 3514 480 502 2503 3012
R2值 0.676 0.962 0.992 0.990 0.682 0.966

注：***表示在1%水平下显著；括号内数值为各统计量城市层面聚类标准误。

4.4 异质性检验

自然资源条件会影响城市经济发展路径选择和发展速度，进而影响城市经济韧性。资源型城市通过围绕自身资源优势发展相关产业，并容易形成专业化集聚，在初期实现了经济迅速增长。这可能会导致资源型城市存在路径依赖，过于依赖自身资源的比较优势。即使进入数字经济时代，资源型城市也可能主要将数字技术用于发展资源型产业，进一步推动此类产业专业化集聚，导致城市产业结构较为单一，抵御冲击能力和恢复调整能力较低。因此，本文依据国务院出台的《全国资源型城市可持续发展规划（2013—2020年）》，将中国城市分为资源型城市和非资源型城市，进行分样本回归（表9）。结果显示，无论是全样本期，还是冲击抵御期和恢复调整期，资源型和非资源型城市的数字经济均对城市经济韧性起正向影响。但需要指出的是，资源型城市数字经济对城市经济韧性的正向影响均不显著，而非资源型城市数字经济对城市经济韧性的正向影响均通过了5%水平下的显著性检验。这可能是因为资源型城市存在路径依赖，数字技术常被用于发展传统资源型产业，进一步推动此类产业的专业化集聚，其单一的产业结构不利于城市经济韧性的提高。以唐山市为例，唐山市主导产业——精品钢铁产业2023年产值达到1976.7元，占唐山市工业增加值的42%，占全市GDP总量21.6%。唐山市的路径依赖导致《唐山市人民政府关于发展壮大战略性新兴产业集群和培育发展未来产业的意见》（唐政字[2022]67号）中提到发展大数据集群时，亦是优先选择钢铁制造业，试图利用大数据等数字技术进一步发展钢铁制造业这一主导行业。这虽然有利于发挥工业“稳定器”作用，但要素过度集中在主导产业使得唐山市在面临产能过剩无处消化、环保要求愈发严苛的大环境时，其经济仍受到较为严重的打击。也正因此，唐山市2011—2021年GDP增幅显著低于中国整体水平和河北整体水平 ⑤ 。因此，要发挥工业“稳定器”的前提依然是产业结构多样化，这是影响城市经济韧性的最重要因素之一。这也进一步佐证了产业结构效应的机制检验结果，即数字经济会推动城市产业专业化集聚，不利于城市产业结构多样化发展，从而抑制城市经济韧性提升。
表9 是否资源型城市的异质性检验结果

Tab. 9 Heterogeneity test results for resource-based or non-resource-based cities

全样本期（2008—2021） 冲击抵御期（2008—2009） 恢复调整期（2010—2021）
资源型 非资源型 资源型 非资源型 资源型 非资源型
数字经济 0.004
（0.073）		 0.008**
（0.003）		 0.218
（0.531）		 0.055**
（0.023）		 0.008
（0.073）		 0.008**
（0.004）
控制变量 是 是 是 是 是 是
时间固定效应 是 是 是 是 是 是
城市固定效应 是 是 是 是 是 是
观测值 1358 2156 194 308 1164 1848
R2值 0.212 0.736 0.880 0.934 0.203 0.759

注：**表示在5%水平下显著；括号内数值为各统计量城市层面聚类标准误。

此外，城市人口规模也会影响数字经济发展对城市经济韧性的效应程度。不同城市规模的数字基建水平、人力资本水平、市场规模等均存在差异，导致数字经济发展程度不同[58,59]。因此，不同城市规模的数字经济对城市经济韧性的影响也会存在明显异质性。根据城市人口规模的不同，本文将城市划分为大城市、中等城市和小城市 ⑥ 三种类型（表10）。结果显示，在全样本期，大、中等、小城市的数字经济均对城市经济韧性起正向影响，并且系数分别通过1%、5%和10%水平下的显著性检验；而在冲击抵御期和恢复调整期，虽然大、中等、小城市的数字经济同样对城市经济韧性起正向影响，但只有大城市的数字经济系数在冲击抵御期和恢复调整期分别通过5%和1%水平下的显著性检验。究其原因主要在于，城市的人口规模会影响隐性知识传递效率，从而影响城市革新能力和经济韧性[60]。《国家创新型城市创新能力评价报告2022》结果显示，排名前10的城市均为大城市。这也进一步证明大城市的人口规模和人口结构会使居民交流频率和交流质量提高，更有利于传递隐性知识。隐性知识传递效率的提高，不仅会使企业更容易学习借鉴其他企业数字化转型成功经验，还能使政府人员更容易把握数字化改革方向，从而促进城市革新能力提升。这使得大城市相较中小城市更容易突破过往经济发展路径的限制产生新的生产活动，从而可以更快摆脱冲击带来的负面影响。除此之外，城市人口规模越大越容易形成多样化产业结构，从而提高城市经济韧性。城市人口规模越大，其市场需求尤其是不可贸易品的需求越多样化。例如，话剧、音乐会、漫展等小众消费需求在大城市的人口基数下能够形成庞大的需求群体，推动相应产业的发展，从而实现产业结构多样化。最终使得大城市相较中小城市受冲击影响更小且恢复速度更快。该异质性检验也进一步佐证了机制检验结果。
表10 城市人口规模的异质性检验结果

Tab. 10 Heterogeneity test results for urban population size

全样本期（2008—2021） 冲击抵御期（2008—2009） 恢复调整期（2010—2021）
大 中 小 大 中 小 大 中 小
数字经济 0.007***
（0.002）		 0.056**
（0.021）		 0.243*
（0.132）		 0.047**
（0.022）		 0.301
（0.182）		 0.393
（0.292）		 0.007***
（0.003）		 0.033
（0.023）		 0.146
（0.146）
控制变量 是 是 是 是 是 是 是 是 是
时间固定效应 是 是 是 是 是 是 是 是 是
城市固定效应 是 是 是 是 是 是 是 是 是
观测值 1214 1761 539 174 246 82 1040 1515 457
R2值 0.322 0.239 0.872 0.940 0.910 0.896 0.320 0.228 0.882

注：*、**、***分别表示在10%、5%、1%水平下显著；括号内数值为各统计量城市层面聚类标准误。

4.5 进一步讨论：空间溢出

数字经济具有快速高效的信息传输能力，压缩了信息传递的时空距离，使其能够打破城市间地理距离的约束，经济活动不再局限于各城市内部。这不仅有效增强了城市间经济活动联系的广度与深度，还提高了城市内各种资源要素的空间相关性，从而一定程度上改变了区域经济的空间布局。因此，本文认为数字经济发展对城市经济韧性的影响不仅仅只局限于特定城市，还会通过空间溢出效应对邻近城市的城市经济韧性产生影响。为此，本文引入空间计量模型进行测度。
为确定空间计量模型的具体形式，本文对全样本期、冲击抵御期和恢复调整期的样本依次进行LM检验、LR检验和Hausman检验，以此判断面板数据模型是选择空间杜宾模型（SDM）、空间误差模型（SLM），还是空间滞后模型（SEM）。表11中的检验结果显示，在使用地理距离矩阵作为空间权重矩阵时，无论是全样本期，还是冲击抵御期和恢复调整期，样本均通过了LM检验、LR检验和Hausman检验。在此基础上，本文进一步进行Wald检验，判断SDM模型是否会退化SLM或SEM模型。检验结果表明无论是全样本期，还是冲击抵御期和恢复调整期，结果显示两者均显著拒绝原假设，即SDM模型不会退化。因此，本文选择固定效应条件下的空间杜宾模型（SDM）进行回归（表12）。
表11 空间计量模型检验结果

Tab. 11 Results of spatial econometric modelling tests

全样本期（2008—2021） 冲击抵御期（2008—2009） 恢复调整期（2010—2021）
LM(error)test 2077.132*** 2.5e+04*** 1478.504***
Roubst LM(error)test 1254.077*** 1.3e+04*** 898.694***
LM(lag)test 839.334*** 1.2e+04*** 597.673***
Roubst LM(lag)test 16.279*** 42.472*** 17.863***
Hausman test 160.80*** 129.52*** 181.53***

注：***表示在1%水平下显著；括号内数值为各统计量城市层面聚类标准误。

表12 空间计量模型回归结果

Tab. 12 Spatial econometric modelling regression results

全样本期（2008—2021） 冲击抵御期（2008—2009） 恢复调整期（2010—2021）
数字经济 0.009***
（0.003）		 0.049**
（0.024）		 0.008**
（0.004）
W*X 0.196*
（0.115）		 -7.884
（5.903）		 0.370***
（0.137）
直接效应 0.008**
（0.003）		 0.062
（0.156）		 0.005
（0.004）
间接效应 0.062
（0.041）		 -5.944
（38.329）		 0.118**
（0.047）
总效应 0.069*
（0.041）		 -5.882
（38.482）		 0.123***
（0.047）
控制变量 是 是 是
时间固定效应 是 是 是
城市固定效应 是 是 是
观测值数 3514 502 3012
R2值 0.097 0.037 0.025

注：*、**、***分别表示在10%、5%、1%水平下显著；括号内数值为各统计量城市层面聚类标准误。

如表12所示，在全样本期和恢复调整期，数字经济的空间滞后项的回归系数均显著为正，分别通过了10%和1%水平下的显著性检验，而冲击抵御期结果不显著。可能的原因是，数字经济在冲击抵御期（2008—2009年）处于初步发展阶段，数字产品和服务更倾向于抢占发展本城市市场，也因此尚未形成溢出渠道，产生溢出效应。其中，2008年，中国互联网普及率首次以22.6%的比例超过21.9%的全球平均水平；2009年，中国开始发放3G牌照，中国移动互联网市场刚刚起步。随着时间推移，在恢复调整期（2010—2021年），城市数字经济得到迅速发展，数字产品和服务开始扩张发展邻近城市市场。这一扩张行为也构成了数字经济溢出渠道。在公共部门领域，一方面，已积累一定经验的信息技术企业可以助力邻近城市更加迅速高效地构建数字预警系统，这将使得邻近城市更能抵御外部冲击；另一方面，此类企业能够更加精准有效地助力政府数字化改革，使城市在冲击过后得以更快恢复和调整。在私人部门领域，数字经济对沟通便捷性的提高，有利于邻近城市的企业学习先进成熟的数字化转型经验。这使得邻近城市的企业在面临外部冲击时，能通过更灵活的组织体系对负面冲击进行抵御应对，并利用数字技术提高创新效率和及时调整企业发展方向，从而促使企业恢复和调整。因此，在恢复调整期，城市数字经济将对邻近城市产生空间溢出影响，助力邻近城市提高城市经济韧性。但在整个经济周期当中，数字经济仍主要影响本城市的经济韧性，是城市提升自身经济韧性的重要因素。空间滞后效应拆解出的直接效应、间接效应和总效应也佐证了这一猜测。空间溢出回归结果表明，各地方政府在发展数字经济时，无需担忧会出现“为他人做嫁妆”的尴尬情况，从而影响城市数字经济发展速度。

5 主要结论与政策启示

在经济不确定性加剧的环境下，提高城市经济韧性将有助于中国应对外部冲击所带来的负面影响。本文构建了一个数字经济发展赋能城市经济韧性的理论分析框架，深入分析了数字经济如何直接影响城市的冲击抵御力和恢复调整力，以及如何通过产业结构效应和革新能力效应影响城市经济韧性。在此基础上，本文利用2008—2021年中国A股上市公司数据匹配至城市层面，实证分析了数字经济对城市经济韧性的赋能效应及作用机制。研究发现，数字经济发展会提升城市冲击抵御力和恢复调整力，从而增强城市经济韧性，该结论经过一系列稳健性检验后仍然成立。此外，本文还从行业、企业等不同层面对间接机制进行了检验，其结果显示：一方面，数字经济对城市产业专业化集聚的推动，会导致产业结构单一化，不利于城市经济韧性提升；另一方面，数字经济从政府和企业两个维度提升城市革新能力，并以此增强城市竞争力和经济韧性。在此基础上，本文通过城市资源禀赋和城市人口规模两个维度进行异质性检验，其检验结果表明：第一，不同样本期间的数字经济均会显著提升非资源型城市的经济韧性，资源型城市则均不显著；第二，城市人口规模越大，产业结构越多样化，革新能力越强，其数字经济对城市经济韧性的提升也越明显。异质性检验结果进一步佐证了机制检验结果，并着重强调了产业结构多样化对城市经济韧性的重要性。最后，本文进一步讨论数字经济空间溢出效应。估计结果表明，数字经济只有在扩张邻近城市市场时才会产生溢出渠道，因此数字经济主要在恢复调整期会对邻近城市产生正向的空间溢出效应。
从上述研究结论中可得到以下政策启示：首先，针对易外溢风险因素构建数字预警系统进行全面监督和及时干预，以此提高城市预警能力和冲击抵御能力。政府应针对疫情等易于外溢影响到其他城市的风险因素，建立省级层面乃至全国层面的一体化数字预警系统。一旦有城市发生此类风险，其他城市可以通过数字预警平台了解具体情况，及时采取行动给予助力并尽量避免其负面影响外溢，从而提高城市预警能力和冲击抵御能力。其次，制定数字经济相关产业政策，引导数字经济驱动城市产业结构多样化发展，从而提高城市经济韧性。城市，特别是资源型城市需避免主导产业通过数字赋能实现资源要素过度集聚，抑制经济韧性提升。地方政府应通过制定数字经济相关产业政策引导数字经济驱动不同产业相互渗透与垂直整合，促使新型产业诞生和发展以填补城市空白需求，并以此推动城市产业结构多样化，助力经济韧性提升。最后，构建数字化转型平台以破解中小企业“三转”难题，从而提升城市革新能力和经济韧性。地方政府应通过提供政策、资源和技术支持等方式推动中小企业数字化转型平台构建，以此破解城市中小企业数字化转型“不想转、不会转、不敢转”难题。而中小企业作为中国经济社会高质量发展的重要基础，一旦解决了“三转”难题，会极大程度增强城市革新能力，从而促进城市经济韧性提升。

匿名评审专家对本文研究背景、理论机制内容梳理和实证检验方面提供了宝贵的修改意见，使本文获益匪浅，特致以诚挚谢意。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Martin R, Sunley P. On the notion of regional economic resilience: Conceptualization and explanation. Journal of Economic Geography, 2015, 15(1): 1-42.

[2]
Martin R, Sunley P, Gardiner B, et al. How regions react to recessions: Resilience and the role of economic structure. Regional Studies, 2016, 50(4): 561-585.

[3]
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. 财贸经济, 2019, 40(7): 110-126.

[Xu Yuan, Zhang Linling. The economic resilience of Chinese cities and its origin: From the perspective of diversification of industrial structure. Finance & Trade Economics, 2019, 40(7): 110-126.]

[4]
国家发展和改革委员会. 大力推动我国数字经济健康发展. 求是, 2022, (2): 15-21.

[National Development and Reform Commission. Vigorously promoting the healthy development of China's digital economy. Seeking truth, 2022, (2): 15-21.]

[5]
中国信息通信研究院. 中国数字经济发展报告(2023年). http://www.caict.ac.cn/kxyj/qwfb/bps/202304/t20230427_419051.htm, 2024-05-07.

[China Institute of Information and Communications. China Digital Economy Development Report(2023). http://www.caict.ac.cn/kxyj/qwfb/bps/202304/t20230427_419051.htm, 2024-05-07.]

[6]
Yu B B, Zhou X R. Land finance and urban Sprawl: Evidence from prefecture-level cities in China. Habitat International, 2024, 148: 103074.

[7]
Holling C S. Resilience and stability of ecological systems. Annual Review of Ecology and Systematics, 1973, 4(1): 1-23.

[8]
Holling C S. Engineering resilience versus ecological resilience. Engineering Within Ecological Constraints, 1996, 31(1996): 32.

[9]
McGlade J, Murray R, Baldwin J, et al. Industrial resilience and decline: A coevolutionary framework. Complexity and Co-evolution: Continuity and Change in Socio-Economic Systems, 2006: 147-176.

[10]
Christopherson S, Michie J, Tyler P. Regional resilience: Theoretical and empirical perspectives. Cambridge Journal of Regions, Economy and Society, 2010, 3(1): 3-10.

[11]
Boschma R. Towards an evolutionary perspective on regional resilience. Regional Studies, 2015, 49(5): 733-751.

[12]
Whitley R. The institutional structuring of innovation strategies: Business systems, firm types and patterns of technical change in different market economies. Organization Studies, 2000, 21(5): 855-886.

[13]
孙久文, 孙翔宇. 区域经济韧性研究进展和在中国应用的探索. 经济地理, 2017, 37(10): 1-9.

[Sun Jiuwen, Sun Xiangyu. Research progress of regional economic resilience and exploration of its application in China. Economic Geography, 2017, 37(10): 1-9.]

[14]
Williams N, Vorley T, Ketikidis P H. Economic resilience and entrepreneurship: A case study of the thessaloniki city region. Local Economy: The Journal of the Local Economy Policy Unit, 2013, 28(4): 399-415.

[15]
Hauser C, Tappeiner G, Walde J. The learning region: The impact of social capital and weak ties on innovation. Regional Studies, 2007, 41(1): 75-88.

[16]
陆铭, 李爽. 社会资本、非正式制度与经济发展. 管理世界, 2008, (9): 161-165.

[Lu Ming, Li Shuang. Social capital, informal institutions and economic development. Management World, 2008, (9): 161-165, 179.]

[17]
任朝旺. 共享经济对城市经济韧性的影响机制及指标构建. 贵州社会科学, 2021, (8): 110-116.

[Ren Chaowang. Influence mechanism and indicator construction of sharing economy on urban economic resilience. guizhou social science, 2021, (8): 110-116.]

[18]
Bi K, Xie L, Zhang H, et al. Accurate medium-range global weather forecasting with 3D neural networks. Nature, 2023, 619(7970): 533-538.

[19]
王维国, 王际皓. 我国经济不确定性、金融不确定性与经济波动. 统计研究, 2023, 40(11): 29-39.

[Wang Weiguo, Wang Jihao. Economic uncertainty, financial uncertainty and economic fluctuations in China. Statistical Research, 2023, 40(11): 29-39.]

[20]
Cenni S, Monferrà S, Salotti V, et al. Credit rationing and relationship lending. Does firm size matter?. Journal of Banking & Finance, 2015, 53: 249-265.

[21]
Hodgman D R. The deposit relationship and commercial bank investment behavior. The Review of Economics and Statistics, 1961, 43(3): 257.

[22]
Dewatripont M, Maskin E. Credit and efficiency in centralized and decentralized economies. The Review of Economic Studies, 1995, 62(4): 541-555.

[23]
何宗樾, 宋旭光. 数字金融发展如何影响居民消费. 财贸经济, 2020, 41(8): 65-79.

[He Zongyue, Song Xuguang. How dose digital finance promote household consumption. Finance & Trade Economics, 2020, 41(8): 65-79.]

[24]
姚前. 法定数字货币的经济效应分析:理论与实证. 国际金融研究, 2019, (1):16-27.

[Yao Qian. Analysis of the economic effects of legal tender: Theory and empirical evidence. International Financial Research, 2019, (1):16-27.]

[25]
范合君, 吴婷, 何思锦. “互联网+政务服务”平台如何优化城市营商环境? 基于互动治理的视角. 管理世界, 2022, 38(10): 126-153.

[Fan Hejun, Wu Ting, He Sijin. How does “Internet+government service” platform optimize city's doing business environment? A study based on interactive governance perspective. Management World, 2022, 38(10): 126-153.]

[26]
Graetz G, Michaels G. Robots at work. The Review of Economics and Statistics, 2018, 100(5): 753-768.

[27]
Katz L F, Krueger A B. The rise and nature of alternative work arrangements in the united states, 1995-2015. ILR Review, 2019, 72(2): 382-416. DOI: 10.1177/0019793918820008.

[28]
中国信息经济学会,中山大学互联网创新与服务管理研究中心, 广州市大湾区现代产业发展研究院. 2023中国数字经济前沿: 平台创新与竞争. https://www.gov.cn/yaowen/liebiao/202305/content_6875458.htm, 2024-05-07.

[China Society for Information Economics, Research Centre for Internet Innovation and Service Management of Sun Yat-sen University, Modern Industrial Development Research Institute of the Greater Bay Area of Guangzhou. 2023 China's digital economy frontier: Platform innovation and competition. https://www.gov.cn/yaowen/liebiao/202305/content_6875458.htm, 2024-05-07.]

[29]
杨倜龙, 郭克莎. 数字经济对制造业发展的影响探析. 经济学家, 2023, (9): 55-65.

[Yang Tilong, Guo Kesha. Analysis of the impact of digital economy on the development of manufacturing industry. Economist, 2023, (9): 55-65.]

[30]
钞小静, 薛志欣. 新型信息基础设施对中国经济韧性的影响: 来自中国城市的经验证据. 经济学动态, 2023, (8): 44-62.

[Chao Xiaojing, Xue Zhixin. The impact of new information infrastructure on China's economic resilience-empirical evidence from Chinese cities. Economic Perspectives, 2023, (8): 44-62.]

[31]
张晴, 于津平. 投入数字化的减排增效效应: 来自中国制造业企业的经验检验. 科学学研究, 2023, 41(8): 1422-1432.

[Zhang Qing, Yu Jinping. Emission reduction and efficiency enhancement effect of input digitization: An empirical study of manufacturing enterprises in China. Studies in Science of Science, 2023, 41(8): 1422-1432.]

[32]
Khuntia J, Saldanha T J V, Mithas S, et al. Information technology and sustainability: Evidence from an emerging economy. Production and Operations Management, 2018, 27(4): 756-773.

[33]
于斌斌. 城市级别和市场分割对城镇化效率影响评价: 以中国285个地级及以上城市为例. 地理科学, 2022, 42(3): 476-486.

DOI

[Yu Binbin. Impact of urban administrative hierarchy and market segmentation on urbanization efficiency: Taking Chinese 285 prefecture-level cities as examples. Scientia Geographica Sinica, 2022, 42(3): 476-486.]

DOI

[34]
Yu B B. The impact of the internet on industrial green productivity: Evidence from China. Technological Forecasting and Social Change, 2022, 177: 121527.

[35]
黄群慧, 余泳泽, 张松林. 互联网发展与制造业生产率提升:内在机制与中国经验. 中国工业经济, 2019, (8): 5-23.

[Huang Qunhui, Yu Yongze, Zhang Songlin. Internet development and productivity growth in manufacturing industry: Internal mechanism and China experiences. China Industrial Economics, 2019, (8): 5-23.]

[36]
于斌斌. 生产性服务业集聚如何促进产业结构升级? 基于集聚外部性与城市规模约束的实证分析. 经济社会体制比较, 2019, (2): 30-43.

[Yu Binbin. How does producer service industry agglomeration promote industrial upgrading?: An empirical analysis based on agglomeration externality and urban scale constraints. Comparative Economic and Social Systems, 2019, (2): 30-43 ]

[37]
Malmberg A, Maskell P. Towards an explanation of regional specialization and industry agglomeration. European Planning Studies, 1997, 5(1): 25-41.

[38]
Maskell P. Localised learning and industrial competitiveness. Cambridge Journal of Economics, 1999, 23(2): 167-185.

[39]
Diodato D, Weterings A B R. The resilience of regional labour markets to economic shocks: Exploring the role of interactions among firms and workers. Journal of Economic Geography, 2015, 15(4): 723-742.

[40]
徐圆, 邓胡艳. 多样化、创新能力与城市经济韧性. 经济学动态, 2020, (8): 88-104.

[Xu Yuan, Deng Huyan. Diversification, innovation capability and urban economic resilience. Economic Perspectives, 2020, (8): 88-104.]

[41]
蔡跃洲. 中国共产党领导的科技创新治理及其数字化转型: 数据驱动的新型举国体制构建完善视角. 管理世界, 2021, 37(8): 30-46.

[Cai Yuezhou. STI governance and digital transformation under the leadership of the communist party of China: From the perspective of building & improving a new type of data-driven national system. Management World, 2021, 37(8): 30-46.]

[42]
Ansell C, Miura S. Can the power of platforms be harnessed for governance?. Public Administration, 2020, 98(1): 261-276.

DOI

[43]
王岭. 数字经济时代中国政府监管转型研究. 管理世界, 2024, 40(3): 110-126.

[Wang Ling. Research on the transformation of Chinese government regulation in the era of the digital economy. Management World, 2024, 40(3): 110-126.]

[44]
刘淑春, 闫津臣, 张思雪, 等. 企业管理数字化变革能提升投入产出效率吗. 管理世界, 2021, 37(5): 170-190.

[Liu Shuchuna, Yan Jinchenb, Zhang Sixuec, et al. Can corporate digital transformation promote input-output efficiency?. Management World, 2021, 37(5): 170-190.]

[45]
寇冬雪, 张彩云. 数字经济对全要素生产率的影响: 基于宏观视角与微观视角的印证. 重庆理工大学学报: 社会科学, 2023, 37(6): 17-33.

[Kou Dongxue, Zhang Caiyun. The impact of digital economy on total factor productivity: Evidence from macro and micro perspectives. Journal of Chongqing University of Technology: Social Science, 2023, 37(6): 17-33.]

[46]
张昕蔚. 数字经济条件下的创新模式演化研究. 经济学家, 2019, (7): 32-39.

[Zhang Xingwei. Research on evolution of innovation model under the condition of digital economy. Economist, 2019, (7): 32-39.]

[47]
洪银兴, 任保平. 数字经济与实体经济深度融合的内涵和途径. 中国工业经济, 2023, (2): 5-16.

[Hong Yinxing, Ren Baoping. Connotation and approach of deep integration of the digital economy and the real economy. China Industrial Economics, 2023, (2): 5-16.]

[48]
中国互联网络信息中心. 第22次中国互联网络发展状况统计报告. https://www.cnnic.net.cn/n4/2022/0401/c88-813.html, 2024-05-07.

[China Internet Network Information Centre. The 22nd Statistical Report on Internet Development in China. https://www.cnnic.net.cn/n4/2022/0401/c88-813.html, 2024-05-07.]

[49]
袁淳, 肖土盛, 耿春晓, 等. 数字化转型与企业分工:专业化还是纵向一体化. 中国工业经济, 2021, (9): 137-155.

[Yuan Chun, Xiao Tusheng, Geng Chunxiao, et al. Digital transformation and division of labor between enterprises: Vertical specialization or vertical integration. China Industrial Economics, 2021, (9): 137-155.]

[50]
Kemeny T, Storper M. Is Specialization good for regional economic development?. Regional Studies, 2015, 49(6): 1003-1018.

[51]
Cainelli G, Ganau R, Modica M. Industrial relatedness and regional resilience in the European Union. Papers in Regional Science, 2019, 98(2): 755-778.

DOI

[52]
寇宗来, 刘学悦. 中国城市和产业创新力报告2017. 上海: 复旦大学产业发展研究中心, 2017.

[Kou Zonglai, Liu Xueyue. China's city and industry innovativeness report 2017. Shanghai: Industrial Development Research Centre, Fudan University, 2017.]

[53]
周莉萍. 城市化与产业关系: 理论演进与述评. 经济学家, 2013, (4): 94-99.

[Zhou Liping. The Urbanisation-industry relationship: Theoretical evolution and review. Economist, 2013, (4): 94-99.]

[54]
杨刚强, 王海森, 范恒山, 等. 数字经济的碳减排效应: 理论分析与经验证据. 中国工业经济, 2023, (5): 80-98.

[Yang Gangqiang, Wang Haisen, Fan Hengshan, et al. Carbon reduction effect of digital economy: Theoretical analysis and empirical evidence. China Industrial Economics, 2023, (5): 80-98.]

[55]
吴非, 胡慧芷, 林慧妍, 等. 企业数字化转型与资本市场表现: 来自股票流动性的经验证据. 管理世界, 2021, 37(7): 130-144.

[Wu Fei, Hu Huizhi, Lin Huiyan, et al. Enterprise digital transformation and capital market performance: Empirical evidence from stock liquidity. Management World, 2021, 37(7): 130-144.]

[56]
戴翔, 马皓巍. 数字化转型、出口增长与低加成率陷阱. 中国工业经济, 2023, (5): 61-79.

[Dai Xiang, Ma Haowei. Digital transformation, export growth and low markup trap. China Industrial Economics, 2023, (5): 61-79.]

[57]
张亚丽, 项本武. 数字经济发展对中国市域经济韧性的影响效应. 经济地理, 2023, 43(1): 105-113.

DOI

[Zhang Yali, Xiang Benwu. The impact of digital economy development on urban economic resilience. Economic Geography, 2023, 43(1): 105-113.]

DOI

[58]
Yu B B. Urban spatial structure and total-factor energy efficiency in Chinese provinces. Ecological Indicators, 2021, 126: 107662.

[59]
Bao X Y, Yu B B. The impact of environmental regulation on corporate financial performance: An empirical study from China. Environment, Development and Sustainability, 2023, 25(12): 15003-15023.

[60]
梁文泉, 陆铭. 后工业化时代的城市:城市规模影响服务业人力资本外部性的微观证据. 经济研究, 2016, 51(12): 90-103.

[Liang Wenquan, Lu Ming. Cities in the post-industrial economy: Micro evidence that city size affects human capital externalities in the service sector. Economic Research Journal, 2016, 51(12): 90-103.]

Options
文章导航

/

〈 〉