長三角城市群貿易韌性綜合評價及時空演化特征研究

孫玉婷，常志朋，2

（1.安徽工業大學商學院，安徽馬鞍山，243002；2.安徽工業大學復雜系統多學科管理與控制安徽普通高校重點實驗室，安徽馬鞍山，243002）

如何減少外部不確定性風險對我國貿易增長的消極影響，實現區域外向型經濟的高質量發展已逐步成為學界關注的重點問題。近年來，區域韌性概念逐步成為不同空間尺度下評價區域發展質量和可持續性的重要指標，為解釋區域經濟抵御外部風險沖擊和經濟復蘇能力差異性提供了新視角。

20 世紀70 年代加拿大生態學家Holling 最早將韌性概念引入生態學領域，具體表現為系統在受創后能否迅速自我修復的能力［1］。隨著時代的發展，韌性的概念被應用到更加廣闊的領域，涉及工程學、社會學以及經濟學等。賀燦飛等（2019）提出區域韌性是指在外部擾動下，區域經濟通過各種要素再組織進行自我恢復、更新、轉型的能力［2］；除了經濟韌性的研究，部分研究會測量城市工業韌性并分析其空間特征［3］；出口貿易韌性也逐漸成為學者研究的熱點，賀燦飛等人（2019）指出相關多樣化的產業結構可能降低城市-產業出口韌性［4］。

長三角地區對中國出口貿易的發展做出了巨大的貢獻，疫情發生后，長三角地區在2021 上半年實現貨物貿易進出口總額65 229 億元，同比增長23.0%，占我國貨物貿易進出口總額的比重為36.1%。長三角地區貿易能夠從外部沖擊中迅速恢復，作為抵御外部風險沖擊的出口貿易韌性在其中起到了至關重要的作用。因此，準確、科學地測度域內城市的出口貿易韌性并提高長三角地區貿易韌性可以為國內其他地區帶來經驗。目前，關于區域貿易韌性研究成果較少且存在不足：第一，對于測算貿易韌性時，構建的指標較為單一可能導致測算不精準；第二，研究對象多從宏觀角度出發，較少從城市群的角度出發分析貿易韌性；第三，較少文獻分析疫情沖擊對貿易韌性的影響。為此，本文將以長三角城市群為研究對象，構建城市貿易韌性評價指標體系，采用馬田系統、突變級數模型、探索性空間分析等方法來深入分析長三角城市群的貿易韌性水平及空間特征。

一、研究對象與指標體系構建

性；第二階段為突發風險后的恢復能力，表現出區域經濟從沖擊中恢復的速度和程度；第三階段為區域經濟完成恢復后的自我調整能力，即一個區域的經濟在遭受沖擊后會調整自身的經濟結構來適應新的外部環境；第四階段為區域經濟的重新定位能力，即一個區域的經濟改變原有的經濟增長模式，創造新的發展路徑的長期適應能力。區域貿易韌性是區域韌性的一個組成部分，根據現有研究，本文將長三角城市群貿易韌性分為抵抗能力、恢復能力、再組織能力和創新能力四個維度，構建的指標體系具體見圖2。

（一）研究對象與數據來源

本文以長三角城市群為研究對象，根據《長江三角洲區域一體化發展規劃綱要》，選取27 個城市，具體如圖1 所示。本文數據選取的時間范圍為2008—2020 年，主要來源于《中國城市統計年鑒》、各省市統計年鑒以及各市統計公報。

（二）指標體系構建

Martin［5］將區域韌性劃分為四個不同的階段，分別賦予四種不同的能力：第一階段為遭遇風險時的抵御能力，反映出區域經濟系統的脆弱性和敏感

根據貿易韌性的四維能力，參考丁建軍等人［6］對經濟韌性作用于內外沖擊的過程描述，繪制長三角地區貿易系統在遭遇內外部沖擊時的反應過程，如圖3 所示，e1、e2、e3分別代表三種類型的風險，T0時刻是貿易經濟遭遇風險時，T0-T1時段是貿易經濟遭遇風險后，抵抗與再組織能力發揮作用，減緩風險帶來的負面影響，T1-T2時段是貿易韌性的恢復與創新能力幫助長三角城市貿易經濟恢復原有水平或者實現新的發展路徑。對于不同貿易韌性水平的城市在受到沖擊時，導致對內外部沖擊的反應程度存在差異，主要有三種結果：實現新的發展路徑、恢復原有水平但未實現新的“路徑創造”、貿易經濟處于持續衰退中。

二、長三角城市群貿易韌性綜合評價

（一）基于馬田系統的指標權重測度

本文采用馬田系統計算指標權重，馬田系統是20 世紀90 年代初日本著名質量工程學家田口玄一博士提出的一種多元數據模式識別方法，它將馬氏距離和田口方法相結合［7］。該方法的一個重要功能是可以利用基于馬氏距離的信噪比測度屬性集在分類過程中的重要程度，即屬性集對MTS 能夠正確判斷類別的貢獻［8］。具體步驟如下：

1.構建異常樣本矩陣

設Yi(i= 1,2,…,m) 為城市貿易韌性水平，xp(p= 1,2,…,n)為城市韌性指標，則城市貿易韌性綜合評價問題可用矩陣形式A［9］表示為：

將城市貿易韌性評估矩陣A設定為異常樣本，根據A構建正常矩陣B如下：

2.計算馬氏距離

對矩陣A進行標準化處理，(xp)和(xp)分別是正常樣本xp的均值和標準差，zi(xp)是異常樣本標準化后的值，具體公式如下：

接下來，利用標準化后的數值計算異常樣本的馬氏距離，其中，p表示指標總數量，Zi= (zi(x1)，zi(x2)，…，zi(xn))T，i= 1，2，…，m，ziT為zi的轉置矩陣，S為正常樣本的協方差矩陣，S+是S的廣義逆矩陣，具體公式如下：

3.計算貿易韌性指標權重

使用正交表和信噪比來確定貿易韌性指標的權重。本文在實驗中采用二水平的正交表Lq(2p)測度貿易韌性指標的影響對區域貿易的影響程度，其中q表示實驗次數，p表示參與試驗的特征變量個數，將p個變量分配到前p列中，正交表的每一行都會生成一個基準空間，即對應于每一行中水平為“1”的特征變量作為多維變量的一維參與基準空間的生成，其中“1”表示使用該變量，“2”表示不使用該變量。一般常用的二水平正交表有L4( 23)、L8( 27)、L16( 215)、L20( 219)、L32(231)，本文共有16 個指標，所以選用L20( 219)，將16 個指標分布在前16列，安排正交實驗。

信噪比是有用信息（信號）同有害信息（干擾）的比值，主要分為望目特性信噪比、望小特性信噪比以及望大特性信噪比，本文采用望大特性信噪比，公式如下：

其中，ηq表示第q次試驗的信噪比，表示異常樣本的馬氏距離，m為長三角城市群數量。以2020年為例，將正交表和信噪比列為表1 所示。

信息增益（Gain）反映了信噪比中變量的重要程度，通常利用信噪比計算得出，計算公式如下：

其中，+表示貿易韌性指標參與所有試驗的信噪比均值，-表示貿易韌性指標未參與試驗的信噪比均值，信息增益圖如圖4 表示：

圖4 信息增益圖

接下來，計算城市貿易韌性指標的權重，因為權重w(xp) ∈(0,1)，而信息增益Gainp∈(-∞, +∞)，所以使用Sigmoid 函數進行轉換，σ∈(0, +∞)為函數的權值，當σ→+∞時，Sigmoid 函數圖像越接近跳躍式函數圖像，σ越小Sigmoid 函數曲線越平坦［10-11］。公式如下：

最后，對區域貿易韌性評價指標的轉化結果進行歸一化處理φ(xp)歸一化處理，得到指標權重為：

由于計算出的是每個年份的指標權重，需要得出統一的權重值，引入時間權重向量，設H=(h1,h2,…,hk)為時間權重向量，，ht表示第t個時間段的權重，時間權重體現了決策過程中對不同時間段樣本的重視程度［12］。根據“厚古薄今”思想，越靠近當今的信息越重要，越有利于評價結果［12-13］，所以賦予最近時間段的權重較大，賦予較遠時間段的權重較小，得出最終的權重值如圖5所示。

圖5 貿易韌性指標體系權重圖

（二）基于突變級數貿易韌性水平測度

本文選用突變級數模型來計算貿易韌性指標具體值。突變理論是法國數學家Rene Thom 所創立，用于研究不連續變化的現象，突變級數模型是在突變理論的基礎上發展起來的一種綜合評價方法［14］。根據突變級數法的建模思想，首先以突變理論和模糊數學相結合生成突變模糊隸屬函數，再由歸一公式進行綜合量化運算，最終求出總的隸屬函數［15］。具體步驟如下：

1.確定突變系統函數類型

由于本文貿易韌性指標體系的每一層級的指標有4 個，根據突變系統選擇規則，確定選擇蝴蝶突變系統。對蝴蝶突變系統的勢函數進行一次和二次求導得到f'(x)和f″(x)，通過聯立f'(x) = 0 和f″(x) = 0 消去x，求得突變模型的分歧集方程，進而推導出歸一分歧方程，具體公式如表2 所示。

表2 常見突變函數類型及相關內容

2.取值準則

計算各層指標的相關系數矩陣，若同一指標層變量存在強相關關系，那么取變量的平均值作為指標值，若同一指標層的變量存在弱相關關系，則按照“大中取小”的原則取變量的最

小值作為指標值，具體韌性指標值如圖6 所示。從表中可以看出，上海、江蘇及浙江部分城市貿易韌性值的變化呈現“動態均衡”的狀態，貿易韌性有微小波動，但總體持平且處于高位狀態；安徽和江浙部分城市的貿易韌性總體上處于上升的狀態；2018 年中美貿易戰以及2019 年底新冠疫情暴發對城市群貿易韌性產生負面影響，在連續兩年危機沖擊下，總體來看，大部分城市貿易韌性先降后升，小部分城市貿易韌性值先升后降或者持續下降，其中，宣城和馬鞍山兩市韌性值保持持續上升。

圖6 長三角城市群貿易韌性水平

除測算韌性總值外，本文從不同維度分析長三角地區貿易韌性總體變化情況（圖7）。長三角城市群總體韌性值呈現緩慢平穩上升，到2020 年已處于中高韌性水平；貿易韌性不同維度的能力呈現不同演化特征，再組織能力數值最高，說明長三角城市群貿易調整功能和轉型的能力最強，能夠較好地適應經濟環境的變化；恢復能力數值最低，表明長三角城市群從危機中恢復原有水平的能力較弱；抵抗能力和創新能力差距不大且數值較高，表明長三角城市群抵抗風險和創造新的發展路徑的能力較強。

圖7 長三角城市群四個維度貿易韌性水平分布圖

三、長三角城市群貿易韌性時空演化分析

（一）時序演化特征

為分析長三角城市群貿易韌性的時序演化特征，選用核密度函數進行估計。核密度估計是在概率論中用來估計隨機變量的密度函數，屬于非參數檢驗方法之一。假設一組連續型隨機變量X的密度函數為f(x)，則公式如下：

其中，n為城市個數，hn為影響核密度曲線平滑程度的帶寬，K(?)為核函數，ui為i市的貿易韌性值。

由于2008 年、2018 年和2019 年分別發生了金融危機、中美貿易戰和新冠疫情，所以選取了2008年、2009 年、2014 年、2018 年、2019 年和2020 年六個年份，以用于更好地分析危機發生前后貿易韌性的變化（圖8）。結合圖1，總體上，從2008—2020年，核密度函數中心由2008 年集中于中低韌性到2020 年集中于中高韌性，說明自2008 年以來各城市的貿易韌性水平提升較為顯著；從曲線形態上來看，開口寬度逐漸縮小，表明長三角城市群各城市貿易韌性水平差距不斷縮小。從左圖得出，金融危機發生后，核密度函數由2008 年的尖峰型向2009年寬峰型發展變化，貿易韌性高峰值有所下降，且曲線開口寬度變大，城市貿易韌性水平差距變大；觀察右圖可得，2018 年中美貿易戰的發生使得2019 年核密度函數中心向左移動，略傾向于中低韌性水平，而2019 年新冠疫情的沖擊，核密度函數中心向中高韌性方向移動且轉變為尖峰型，說明對大部分城市而言，貿易韌性增強，高峰值有所上升。

圖8 長三角城市群貿易韌性核密度分布圖

（二）空間分異格局

根據Arcgis 自然斷點法，將長三角城市群的貿易韌性評價值劃分為低韌性（0.284 321～0.395 403）、中低韌性（0.395 404～0.478 704）、中高韌性（0.478 705～0.621 219）、高韌性地區（0.621 220～0.844 737）四個等級（圖9）。從選取的部分年份來看，2008 年城市群貿易韌性水平集中于低韌性和中低韌性地區，2020 年貿易韌性水平已轉變為集中于中高韌性地區。其中，2008 年金融危機發生后，貿易韌性增速放緩，2009 年整體貿易韌性值與2008 年持平，部分年份出現輕微下降；2018 年受中美貿易戰疊加新冠疫情影響，貿易韌性逆勢增長，其中南京由中高韌性區上升為高韌性地區，揚州、泰州、鹽城三市貿易韌性提高，成為中高韌性城市；從區域整體來看，貿易韌性高值區集中于上海、蘇南、浙北等地區，安徽省大部分城市處于低韌性和中低韌性水平。

圖9 長三角城市群貿易韌性總體變化圖

（三）空間關聯性分析

1.全局空間自相關

空間自相關是用來度量空間單元屬性值的平均集聚程度，分為全局空間自相關和局部空間自相關，全局空間自相關是檢驗長三角城市群整體空間的關聯性，主要通過Moran' I 指數進行分析，公式如下：

其中，n為城市個數，wij為空間權重矩陣，xi和xj為第i和第j個城市的觀察值。

計算2003—2019 年長三角城市群貿易韌性水平的全局Moran' I 指數，從表3 可以看出，Moran' I指數均為正值，且通過了p＜0.01 水平的顯著性檢驗，表明長三角城市群貿易韌性存在空間自相關性。Moran' I 指數呈現先升后降再升的趨勢，其中在2010 年達到峰值，說明長三角城市群貿易韌性的空間自相關性表現為“先增強后減弱再增強”的趨勢，2010 年后，空間異質性逐漸增強，而2020 年空間異質性開始減弱。

表3 長三角城市群貿易韌性的全局Moran'I 指數

2.局部空間自相關

局部空間自相關通常用局部Moran' I 指數即LISA 指數來測度，公式如下：

LISA 指數反映了長三角城市群貿易韌性局部地區空間關聯特征，從圖10 可以看出，高-高型地區由2008 年上海、蘇州、南通三市轉變為2020 年的上海、蘇州、南通、嘉興、湖州五市，說明上海都市圈具有較高貿易韌性水平；從2008 年到2020 年，低-低型地區總體在增加，且集中于安徽省的安慶、池州、銅陵、蕪湖等城市。低—高型區域主要在嘉興、湖州南通等地；高—低型區域在所示年份中集中合肥、南京兩市，表明作為省會城市的貿易韌性水平高于周邊城市，對周邊城市有輻射作用。

圖10 長三角城市群貿易韌性局部自相關分布圖

3.空間重心分析

重心遷移可以反映長三角城市群的整體性演變特征，重心的移動方向和距離可以揭示其貿易韌性的變化趨勢。計算公式如下，式中（ci，di）表示各城市的坐標，ui為貿易韌性值。

如圖11，分別計算部分年份的長三角地區重心距離，其中心變動范圍位于東經119.585°～119.663°和北緯30.844°～30.893°，以上年份均位于湖州市的西北部，長三角的中東部地區，這與該地區聚集貿易韌性較強的中心城市和省會城市有關。從重心的移動軌跡來看，2008—2020 年間，貿易韌性整體轉移方向為東北-西南-西北，其原因在于江蘇省重視蘇北地區的經濟發展，不斷給予政策支持，使得蘇北貿易韌性顯著提升，從而重心向東北轉移，2009 年以后，隨著安徽省積極融入長三角經濟區，使得省內合肥、蕪湖等城市的貿易韌性不斷增強，使得貿易韌性重心由東北轉向西南，2019 年長三角一體化全面推進，帶動安徽北部城市發展，重心向西北地區遷移。同時，從重心的移動幅度來看，2008—2014 年移動范圍最大，2014—2019 年移動范圍最小，2019—2020 年移動范圍又開始增大，呈現“初始較大—中間較小—末端增大”的變化表征。

圖11 長三角城市群貿易韌性重心遷移圖

四、結論與啟示

基于2008—2020 年長三角城市群數據，運用馬田系統和突變級數模型測度其貿易韌性水平，并基于核密度函數、探索性空間分析方法及重心分析方法描繪貿易韌性水平的時空演化特征，得到的結論如下：

第一，從不同維度看，貿易韌性不同維度的能力呈現不同演化特征，總體呈現緩慢上升的趨勢，其中再組織能力較強。第二，從時間變化看，2008—2020 年，長三角城市群貿易韌性水平總體呈現波動上升趨勢，核密度函數中心向右移動，說明2008 年以來各城市的貿易韌性水平提升較為顯著，其中2008 年和2018 年及2019 年外部風險的沖擊對貿易造成一定的危害，部分城市的貿易韌性水平出現輕微下降。第三，從空間格局看，區域貿易韌性整體存在顯著的空間相關性，且空間分布不平衡，其中，以上海為中心的蘇南、浙北等周邊城市的整體貿易韌性水平較高，合肥、南京等市對周邊城市的貿易韌性拉動作用有待進一步增強，安慶、池州、銅陵、蕪湖等城市由于自身空間溢出效應偏弱，仍處于相對低水平的聚集過程。但是，隨著安徽省不斷積極融入長三角經濟區，整體貿易韌性重心由東北向西南再向西北轉移。

根據以上結論，建議：從提升貿易韌性的恢復能力和創新能力出發，需著力提升長三角地區經濟實力，加快上海、南京、蘇州等經濟發達城市對周邊城市的經濟輻射作用，同時扶持安徽省經濟較弱的城市，以調整區域非均衡的空間格局；加強科研經費投入，強化科技人才支撐，增強貿易創新能力，促進長三角城市高質量開放水平提升；不斷優化產業結構，充分發揮第二產業和第三產業對貿易的推動作用。要以市場為導向，加快轉變外貿發展方式，著力優化出口主體結構、商品結構、市場結構和貿易結構。