开放科学(资源服务)标识码(OSID)：
Academic circles and the government are highly concerned about how to reduce the risks caused by uncertainty and improve the ability of the economy to withstand shocks. According to a review of the literature, the majority of research support the positive influence of industrial related variety on regional economic resilience, but how does this effect occur? Can the transmission mechanism be the innovation ecosystem symbiosis? The above questions are in great need of in-depth investigation.
This study follows the path of "industrial related variety—innovation ecosystem symbiosis—economic resilience". It analyzes regional economic resilience with the GDP as the direct indicator and measures industrial related variety with the indicator of location entropy. The innovation ecosystem symbiosis is measured by the synergetic degree model of the compound system. Then, the study constructs a dynamic panel data model to examine the impact of industrial related diversity on regional economic resilience, and uses systematic GMM methods to estimate the model; by further applying the mediating effect model, the study investigates how industrial related variety affects economic resilience via the innovation ecosystem symbiosis. The contributions of this study can be summed up into two parts: firstly, it empirically investigates the transmission mechanism between industrial related variety and economic resilience; and secondly, it contributes to the research domain about the economic and social value of the innovation ecosystem symbiosis.
The main conclusions of this paper are as follows. Theoretically, industrial related variety can enhance regional economic resilience through innovation ecosystem symbiosis. It can also encourage the clustering of various innovation actors, promote communities of interest, improve the allocation efficiency of innovation resources, optimize the innovation environment, release and stimulate innovation potential and thus improve economic resilience. Empirically, the results of the mediating effect model show that the mediating effect of regional innovation ecosystem symbiosis in the relationship between industry related variety and regional economic resilience is significant, and the above-mentioned transmission mechanism is evident. In terms of economic resilience, the industry related variety can be seen as the "healthy body" and the innovation ecosystem symbiosis as the "strong mind", and they should be integrated to enhance regional economic resilience. It is recommended that an efficient market and an effective government should be created and cooperated to optimize the layout of industry related variety and enhance regional economic resilience. With regard to the question of how to enhance economic resilience by deepening the innovation ecosystem symbiosis, this paper suggests to strengthen the symbiotic development of innovation ecosystem from the perspectives of clustering of multiple innovation actors, improving allocation efficiency of innovation resources and improving innovation environment. In addition, it is necessary to strengthen the protection of intellectual property rights, curb unfair competition by law, and prevent the innovation subjects from falling into vicious competition.
开放科学(资源服务)标识码(OSID)：
“黑天鹅”和“灰犀牛”事件正深刻影响经济韧性与活力。中国经济形势复杂严峻，从国际环境看，影响全球经济和产业发展的风险性与不确定性因素增加，如逆全球化思潮、技术霸凌、贸易保护主义、新冠疫情等；从国内环境看，中国正处于“三期叠加”阶段，经济下行压力巨大。全国GDP增长率从2017年的6.9%持续下降至2020年的2.3%，失业率从3.9%上升至5.2%。2021年中国继续深耕科技创新驱动，经济展现出强大韧性，GDP增长率回升至8.1%，失业率也降至5.1%。凡事预则立，不预则废。经济韧性关乎经济体发展潜力、抵抗力、恢复力和创造力。降低不确定性风险，提高经济抗冲击能力，是学界和政府高度关注的课题。现有文献从经济韧性概念[1]、测度[2]和影响因素[3]等方面作了深入研究，为经济韧性研究奠定了扎实基础。
产业是保持经济发展韧性的重要载体，创新是提升经济韧性的核心动力。目前，我国面临经济与科技联系不够紧密、关键核心技术“卡脖子”问题突出、环境资源约束趋紧等痛点，严重影响和制约经济韧性的可持续发展。因此，产业链与创新链深度融合是增强我国经济韧性的必然路径。在产业链端，本文将以产业相关多样性为研究突破口。产业相关多样性被认为是影响经济韧性的关键因素之一[4,5]。产业相关多样性是指产业间存在较强投入产出关系或技术关联[6]。随着数字经济的发展，数字技术不断赋能产业升级，也进一步加快了产业链重塑，加深了产业间横向分工协作及纵向上中下游的技术关联，产业相关多样性进一步得到巩固。根据定义，产业相关多样性融合了专业性和多样性，在产业体系内形成较强的经济技术联系，有利于缩短技术和知识认知距离，促进技术交流和知识溢出，培育新增长路径，促进区域产业转型，进而增强经济韧性。在创新链端，本文将以创新生态系统共生性为研究突破口。创新生态系统(Innovation Ecosystem)由一系列创新种群(如企业、高校、科研院所、市场中介组织和政府等)组成，通过物质流(如人力资本)、能量流(如知识资本等)和信息流(如市场信息)实现种群之间及其与创新环境之间的交换，以维持系统稳定与高效(李万等，2014)。基于创新生态系统及共生理论，创新生态系统共生性被定义为：创新生态系统内的创新种群以创新资源为媒介，在一定时空范围内实现相互作用，并与创新环境相互适应与匹配，实现结网共存、相互协调的现象[7]。
相比经济韧性，产业相关多样性发展是“健体魄”，创新生态系统共生性是“强头脑”，二者相互依存、彼此融合。产业相关多样性缩短了产业间技术距离、深化了投入产出关系，通过集聚创新种群、提高创新资源配置效率、优化创新环境等强化创新生态系统共生性，增强区域经济韧性。因此，本文遵循“产业相关多样性—创新生态系统共生性—经济韧性”的作用路径，以GDP为直接指标，测算2011-2019年区域经济韧性；运用区位熵指标分解方法计算产业相关多样性，多维度构建区域创新生态系统共生性评价模型，并运用复合系统协同度模型测算创新生态系统共生性。最后，运用系统GMM和中介效应模型探究产业相关多样性如何通过创新生态系统共生性影响区域经济韧性。本文的边际贡献主要有两点：一是实证探索了产业相关多样性与经济韧性间的传导机制；二是充实了创新生态系统共生性的经济社会价值研究。
韧性(Resilience)起源于拉丁文，原意是指系统或个体从冲击或扰动中反弹的能力[8]。起初，韧性研究多聚焦物理学领域，后经Holling[9]引入生态学。Reggiani等[10]将韧性研究引入区域经济研究中，认为经济体应对冲击扰动的表现与韧性息息相关。目前，区域经济韧性在国际和国内研究中仍处于初步阶段，本文将主要围绕区域经济韧性的概念、测度和影响因素展开文献述评。
经济领域中的韧性属于演化韧性，它摒弃了均衡观点，认为系统有着非均衡演化特质[11]。这符合经济系统发展规律，即经济系统处于持续发展状态中而非均衡状态中，它会不断调整自身结构以适应外在的冲击扰动，进而形成系统可持续发展能力。基于演化韧性，Martin等[1]从4个层面较为全面地定义了经济韧性，分别为：①抵御冲击、吸收冲击的能力；②受冲击后恢复的速度和程度；③重新整合内外部资源、调整自身结构、适应新环境的能力；④经济路径创造能力。李连刚等[12]认为，经济韧性包含抵抗冲击扰动的能力、恢复到原始路径的能力、创造新路径能力；曾冰等[13]从抵御力、恢复力、再组织力和更新力4个维度定义经济韧性。在经济韧性的定义中，危机抵抗能力和适应恢复能力是经济韧性的两大重要特征。
国内外有关经济韧性的测度方法主要集中为两类。一类是敏感性分析法，测度指标一般选取就业人数和GDP。该类方法计算简单，使用方便，为众多研究者所采用，如Martin[1]、郭将等[5]和刘逸等[14]。但单一指标测度方法相对片面，容易产生偏误，故有学者开始探索使用指标体系法来综合测度经济韧性，如张振等[15]、朱金鹤等[16]等，但是该方法尚存在指标权重缺乏共识、因果混淆等不足。
在经济韧性影响因素方面，产业相关多样性[17]不可忽视。产业相关多样性兼顾专业化和多样性，认为相关多样性使得拥有不同技术的相关产业易形成空间集聚，这不仅利于技术联系紧密的产业间获得技术支持，而且多样性还有助于保障不同领域的产业间能够相互协作，促进技术和知识溢出，增强经济系统的适应能力和学习能力[18]。彭荣熙等[4]和郭将等[5]的研究均表明，产业相关多样性可显著提升经济韧性。
基于研究目的，本文主要从创新生态系统共生理论、共生性测度和共生性社会价值3个层面对区域创新生态系统共生性研究进行述评。
1879年德贝里提出“共生”概念，并将其定义为：“不同种属在不同获益关系中生活在一起”[19]。随着共生理论的不断完善以及交叉学科的发展，共生理论边界逐渐拓展至社会科学领域。袁纯清[20]最早将共生理论引入经济学领域，并提炼了共生三要素，分别为共生单元、共生模式和共生环境[21]；温兴琦等[22]和张小燕[7]拓展了共生概念，融入共生基质、共生平台等。创新生态系统种群间的互利合作行为符合共生理论范畴[7]。共生性是创新生态系统的核心特征，也是创新生态系统形成和演化的重要条件与保障。共生性既强调创新种群间的相互依赖，又强调创新种群与创新资源、创新环境间的相互作用。因此，创新生态系统共生是以自然生态系统为隐喻，系统内的创新种群、创新资源和创新环境之间相互关联、相互作用，从而使系统呈现出一定的共生状态。
创新生态系统共生性测度研究方法主要有Lotka-Volterra模型[23]、复合系统协同度模型(李晓娣等，2019)和生态位适宜度模型[24]等。3种模型各有侧重。其中，Lotka-Volterra模型偏向于测算创新生态系统的共生模式，如寄生共生、偏利共生和互惠共生等；复合系统协同度模型基于系统学和协同学，着重研究系统要素之间的协同发展程度；生态位适宜度模型则基于生态位理论，研究种群现有生态位与最优生态位之间的贴合程度。复合系统协同度模型中的协同思想与创新生态系统共生性具有一定的理论匹配度和衔接性。创新生态系统共生是创新种群、创新资源和创新环境等子系统通过相互作用、相互协调而呈现出共生状态。复合系统的协同思想强调各子系统间协调发展，故运用复合系统协同度模型测度创新生态系统共生性具有一定合理性。
创新生态系统共生性的社会价值主要体现在：第一，创新生态系统共生性对区域创新的价值。现有研究表明，创新生态系统共生性有助于正向驱动地区科技创新发展(李晓娣等，2019)，并且能够显著提升知识创新效率和产品创新效率[25]；第二，创新生态系统共生性对区域经济的价值。甄美荣等[26]和刘洪久等[27]的研究均表明，创新生态系统共生性与区域GDP、高科技产业产值具有强正相关性。
现有文献针对创新生态系统的共生理论及测度研究成果颇丰，但在社会价值方面缺乏创新生态系统共生性对区域经济韧性的影响分析。 “十四五”期间，面对“双循环”新发展格局，创新生态系统应具备高水平、强适应性、开放式等特征，服务于区域经济高质量发展，致力于增强区域经济韧性[28]。因此，本文尝试拓展创新生态系统的社会价值，探究创新生态系统共生性能否有助于增强区域经济韧性。
Jacobs[29]认为，产业结构多样性有助于通过技术交流和知识溢出对经济发展与产业转型产生正外部性。然而，产业多样性不应仅关注“量”，还要关注产业间的相互联系和技术距离[30]。因此，Frenken[17]基于产业多样性，首次提出产业相关多样性(Related variety)和产业无关多样性(Unrelated variety)概念。产业相关多样性是指存在较强投入产出联系或技术关联的产业[6]，强调拥有技术关联的不同产业间的空间集聚[31]。随着数字经济发展，数字技术不断赋能产业升级，进一步加快产业链重塑，促进了产业间横向分工协作、纵向上中下游的技术关联，产业相关多样性正进一步得到巩固。产业相关多样性缩小了产业技术和知识认知距离，有利于促进知识、技术的融合创新，形成创新发展新路径。
产业相关多样性的测度方法主要是区位熵法。Frenken[17]运用区位熵测度了意大利的产业相关多样性水平，研究表明，产业相关多样性有利于经济发展。国内学者孙晓华和柴玲玲[32]、李福柱和厉梦泉[33]借鉴区位熵思想，分别基于二级和三级产业数据测算了我国产业相关多样性水平，研究表明，产业相关多样性有助于区域经济发展和工业劳动生产率增长；Rocchetta & Mina [34]对区位熵测度方法进行了拓展，结合专利数据测算了产业间技术距离，从侧面反映了产业相关多样性。
现有研究大多肯定了产业相关多样性对区域经济增长[32]、劳动生产率[33]、经济韧性[34,35]的积极作用，但是产业相关多样性是通过何种传导机制影响经济韧性的？创新生态系统共生性能否构成该传导机制？上述问题值得深入探讨，也将是本文研究重点和创新点。
中国经济发展需时刻警惕“黑天鹅”和“灰犀牛”事件。经济韧性唯有打破既定路径依赖和锁定，方能实现新的创新突破。这一突破过程有赖于产业多样性发展，尤其是产业相关多样性的发展。当外界环境受到扰动时，产业相关多样性可通过较强的技术关联促进技术交流、实现知识溢出，引致新的创新路径，增强经济韧性。在此影响过程中，创新生态系统共生性至关重要，影响路径见图1。
图1 产业相关多样性、创新生态系统共生性与经济韧性的关系
Fig.1 Industrial related variety, innovation ecosystem symbiosis and economic resilience
现有研究普遍认为产业结构的相关多样性对经济韧性提升有积极作用[34,35]，具体如图2所示。
图2 产业相关多样性对经济韧性的影响路径
Fig.2 Pathways of industrial related variety to economic resilience
从宏观的产业结构视角看，产业相关多样性一方面有助于互补性和关联性产业在某区域集聚，形成一定规模的产业协同集聚效应。在此集聚过程中，区域内部一般性和科研性基建设施、供应链配套设施得以完善[36]，从而有助于企业降低交易成本，将时间、财力专注于产品和服务研发，从而有助于提升创新效率，带动产业结构转型升级，提升抵御冲击、吸收冲击的能力。另一方面，当面临经济波动和冲击时，相关多样性产业可凭借其结构调整优势，通过相关产业的生产满足市场需求，保障市场和经济稳定。
从中观的产业技术视角看，产业相关多样性有助于技术交流和知识溢出。产业相关多样性可追溯至Jacobs[29]的外部性理论。产业相关多样性缩短了产业间技术距离，便于产业间交流与协作，有效推进技术交叉融合，促进新知识和新技术产生。另外，在面对经济外部扰动时，相关性产业可利用技术相似性实现并购、重组，提升经济资源再整合、结构再调整能力，帮助经济迅速从波动中恢复平稳。
从微观的生产要素视角看，以人力资本要素为例，当经济体面对危机扰动时，企业不可避免地会通过裁员降低运营成本，而失业率过高、人力资本流失必然会影响区域经济的稳定发展。劳动力为了再就业，需要通过培训进行一定的技能转换与升级。产业相关多样性在一定程度上确保了劳动技能的相似性[5]。对于劳动力而言，可通过较低的转换成本实现再就业；对于企业而言，吸纳具备相似技能背景的员工可降低企业用工成本。原有技能与新岗位技能要求匹配，优化了再就业与再生产匹配度，一来有助于提高经济受冲击后的恢复速度，二来人力资本的提升有助于开启新的路径创造。
综上所述，本文提出假设如下：
H1：产业相关多样性对经济韧性有正向促进作用。
产业相关多样性可从创新种群、创新资源和创新环境3个方面优化创新生态系统共生性，具体如图3所示。
(1)产业相关多样性有助于各创新种群形成共享效应，降低交易成本[37]。首先，创新生态系统构建充分考虑了地方现存的具有较强经济技术联系的产业集群，有助于更好地利用现有科技服务和科技设施，提升创新生态系统运作效率，降低建设成本；其次，产业相关多样性有助于促进创新生态系统上、中、下游和横向关联的产业链、创新链协同升级，畅通多层联动、跨主体的区域创新生态系统，这将有助于缩短知识和技术的认知距离，促进知识溢出和技术交流，降低搜寻成本和学习成本；最后，产业相关多样性有助于创新种群间通过跨区域和跨组织协作，共享劳动力与基础设施，降低生产成本。同时，产业相关多样性促使创新种群形成利益共同体，降低协作谈判成本与履约成本等。交易成本的降低，有助于提升创新迭代效率，优化系统共生性。
图3 产业相关多样性对创新生态系统共生性的影响路径
Fig.3 Pathways of industrial related variety to innovation ecosystem symbiosis
(2)产业相关多样性的Jacobs外部性有助于互补性技术、知识等创新资源溢出，减少资源错配[38]，提高创新资源配置效率，优化创新生态系统共生性。在创新生态系统中，创新链上不同创新种群借助各自的异质性创新资源，在相互协作中促进知识溢出和技术扩散。产业相关多样性有助于创新链和产业链上、下游创新种群共享创新要素，如人才、技术、信息等，降低创新种群的信息搜寻等交易成本，促进上下游和横向产业链间的知识传播、技术扩散和信息传递，降低资源错配带来的机会成本和沉没成本，提高行业或企业创新和生产效率，提升创新生态系统共生性。
(3)产业相关多样性有助于形成产业协同集聚效应[39]，从制度和生态上优化创新环境。一方面，产业协同集聚要求各创新种群渗透式协作，企业需要参与到知识和技术的研发过程中，高校也需要积极投入到市场信息搜寻和成果转化过程中，因此各创新种群将会在有序的制度安排下形成一个利益共同体，抵御“搭便车”等行为引致的创新动力不足等风险，优化创新环境。另一方面，产业协同集聚有利于降低“污染避难所”效应[40]，落实“绿水青山就是金山银山”，从生态上优化创新环境。
综上所述，本文提出如下研究假设。
H2：产业相关多样性有助于提升创新生态系统共生性。
创新生态系统通过创新种群多样性、创新资源异质性和创新环境包容性等特征，助力经济韧性提升，具体如图4所示。
图4 创新生态系统共生性对经济韧性的影响路径
Fig.4 Pathways of innovation ecosystem symbiosis to economic resilience
(1)创新种群多样性有助于提升区域经济韧性。从创新链视角看，区域创新生态系统的创新种群覆盖创新链上游创新生产者、中游创新中介者和下游创新消费者[41]。各创新种群通过深化与创新链、产业链上下游协同关系，弥补各自的薄弱环节，提升产业链和创新链运作效率，建立竞争优势。从组织学习视角看，多样性的创新种群可通过跨组织学习交流和协作，实现新知识获取、转移和再创造，从而促进各创新种群内部的知识积累和技术创新，最终为经济韧性提供源源不断的创新“血液”。从开放式创新视角看，各创新种群在基础研究、产品开发、产品市场化等方面各有所长，通过协作能够最大程度地提高创新成功率，聚集各方优势，降低创新风险。当经济受到外部侵扰时，多元化的创新种群能够通过跨组合、跨区域的上下游协作，迅速产生新知识势能以抵御和缓冲部分负面冲击[42]，维护经济系统稳定。
(2)创新资源的异质性有助于增强经济韧性。根据资源异质性理论(党兴华等，2010)，从内部看，区域创新生态系统拥有多元化、异质性创新种群，每个创新种群都拥有独特的创新资源。高校、科研机构等创新生产者拥有雄厚的智力资源、科研经费和先进的科研设备；孵化器等创新中介者拥有连接创新价值链上下游的信息资源；企业等创新消费者由于直接面向市场，拥有市场需求等信息资源，可助力科研成果实现再创新和再增值。从外部看，创新种群通过跨组织和跨区域协作，一是可以促进知识传播，使更多创新种群共享知识，避免知识的重复创造，实现效益最大化；二是可以促进技术扩散，使得技术等创新资源不断积累与多元化连接，形成资源禀赋优势。综上，丰富的创新资源和复杂的资源网络连接结构可以确保经济系统在受到外界冲击扰动时拥有足够的缓冲性，提升系统内部结构与功能转型或重构的再组织力，避免经济脆弱性导致系统崩溃。
(3)创新环境的包容性有助于强化区域经济韧性。创新环境一般可分为硬环境和软环境，其中，硬环境有信息化等基础性硬件设施，软环境则包含对信息共享、知识交流和技术扩散具有激励与推动作用的营商环境，还包括勇于创新的社会文化环境等。创新环境的主要功能是促进知识和技术在区域内通过正式或非正式交流、溢出、扩散或转移，降低知识和技术交易成本[43]，使得更多的创新要素成为创新投入，为经济韧性提供支撑。创新环境开放包容，一方面能促使新兴产业和创新人才集聚，为区域经济发展提供源动力；另一方面有利于保障创新种群获得更多试错空间，不断丰富知识和技术积累。当创新环境有利于产生新发展路径时，该区域应对外部扰动和危机的能力也会增强。换而言之，创新环境开放包容性的意义在于能够帮助创新种群整合内外部创新资源，助力新路径突破，快速恢复经济发展。
综上所述，本文提出如下研究假设。
H3：创新生态系统共生性有助于增强经济韧性，即共生性越强，经济韧性越强。
从创新生态系统共生结构视角切入，产业相关多样性可通过创新种群、创新资源和创新环境3个子系统影响经济韧性，具体如图5所示。首先，产业相关多样性有利于企业、高校、科研院所等创新种群集聚到特定地区，形成高能级创新种群集聚效应。由于存在较强的投入和产出关系，处在创新价值链上中下游的高校、科研院所、中介组织和企业等创新种群会自适应地动态聚集以方便技术交流和知识溢出，降低交易成本。高能级创新种群集聚效应有利于增强经济面临冲击时的抵抗力和恢复力。其次，产业相关多样性有利于提高创新资源配置效率。产业相关多样性体现在产业间具有较强的经济技术关联性，有助于提高生产要素流通与重组效率，避免生产资源和创新资源的重复建设与浪费，创新资源潜力得以最大化释放。创新资源的高效配置有利于提升经济受到冲击后进行资源再整合、结构再调整的能力，提升经济再组织能力。最后，产业相关多样性有利于优化创新环境。在投入产出联系和技术关联的加持下，经济主体通过价值共创形成更广泛的利益共同体，一来可规避技术风险、合作风险和市场风险；二来可减少由“搭便车”引致的创新效率低下问题，优化创新环境，进而有利于提高经济路径创造能力，提升经济再创新能力。由此，本文提出如下研究假设。
H4：产业相关多样性通过创新生态系统共生性进而影响经济韧性，即创新生态系统共生性是产业相关多样性与经济韧性之间的中介变量。
由于惯性或部分调整，前期经济韧性会对当期经济韧性的表现产生影响，故需考虑将经济韧性的滞后项作为解释变量之一，进而与产业相关多样性共同构建动态面板数据。本文将采用系统GMM方法对模型进行估计。
基于上述理论假设，构建如下动态面板数据模型：
ERi,t=α0ERi,t-1+α1RVi,t+αiCi,t+μi+νt+εi,t
(1)
其中，ERi,t为区域经济韧性，RVi,t为产业相关多样性，Ci,t为控制变量，μi为个体效应，νt为时间效应，εi，t为随机扰动项。
为进一步厘清理论分析中产业相关多样性对区域经济韧性的影响机制，运用中介效应逐步回归法[44]，以创新生态系统共生性(SEi,t)为中介变量，建立如下递归方程。
SEi,t=β0SEi,t-1+β1RVi,t+βiCi,t+μi+νt+εi,t
(2)
ERi,t=λ0ERi,t-1+λ1RVi,t+λ2SEi,t+λiCi,t+μi+νt+εi,t
(3)
检验过程中，需逐步检验α1，β1，λ2的显著性。若α1，β1，λ2均显著，说明中介效应显著；若α1显著，β1，λ2至少有一个不显著，则需要运用Bootstrap检验β1×λ2的显著性，若β1×λ2不显著，说明中介效应不显著，若β1×λ2显著，说明中介效应显著，继续检验λ1的显著性，若λ1不显著，说明直接效应不显著，只有中介效应；若λ1显著，说明直接效应显著，当β1×λ2和λ1同号时，存在部分中介效应[45]。
图5 创新生态系统共生性的中介作用
Fig.5 Mediating role of innovation ecosystem symbiosis
3.2.1 被解释变量：区域经济韧性(ER)
对于区域经济韧性(ER)，借鉴Martin[1]和刘逸等[14]提出的经济韧性测度方法，以GDP为直接指标，计算公式为：
(4)
其中，
是各省份在t和t-1时期的
为全国在t和t-1时期的GDP。ERit>0时，表示数值越大，经济韧性越强；ERit<0时，表示数值的绝对值越大，经济韧性越弱[14]。
3.2.2 解释变量：产业相关多样性(RV)
参考孙晓华等[32]的做法，借鉴2003年《中国城市统计年鉴》中产业划分，产业数目为19类，具体见表1中的“小类部门”一栏。一般而言，产业大类可划分为第一产业、第二产业和第三产业。然而，对于第三产业服务业而言，此种划分可能过于笼统。因此，参考联合国标准产业分类，进一步将服务业细分为生产性服务业、消费性服务业、流通性服务业和社会性服务业，具体见表1。
表1 产业分类
Tab.1 Industrial classification
大类部门小类部门第一产业农林牧渔业第二产业采矿业、制造业、电力燃气及水的生产和供应业、建筑业生产性服务业金融业、房地产业、租赁和商务服务业消费性服务业住宿餐饮业、居民服务和其它服务业、文化体育和娱乐业流通性服务业交通运输仓储及邮政业、信息传输计算机服务和软件业、批发和零售业社会性服务业科学研究技术服务资质勘探业、水利环境和公共设施管理业、教育、卫生社会保障和社会福利业、公共管理和社会组织
运用各行业年末从业人员数计算产业相关多样性，具体公式如下。
(5)
(6)
其中，Pi,j是i省(市)第t年工业部门某2级产业j年末从业人员数占地区年末从业人员总数的比重，Pj,k是i省(市)第t年工业部门某2级产业j的3级产业k年末从业人员数占地区年末从业人员总数的比重。
3.2.3 中介变量：创新生态系统共生性(SE)
根据前文对创新生态系统共生性的阐述，本文从创新种群、创新资源和创新环境3个方面构建创新生态系统共生性评价指标体系，具体见表2。第一，创新种群。借助创新价值链，创新种群主要由创新生产者、创新中介者和创新消费者构成[41]，三者功能各有侧重。创新生产者主要包括高等院校和高新技术企业，负责创新研发；创新中介者有科技企业孵化器，主要承担桥梁作用，为上游和下游创新种群提供一系列服务支持；创新消费者一方面是创新成果的消化者，另一方面由于其直接面向市场，了解市场前沿需求和动态，因此也是创新需求的反馈者，有助于实现产品和服务的再创新。第二，创新资源。创新生态系统中的创新活动有赖于创新资源。其衡量指标一般有研发资源，如研发人员全时当量、研发经费内部支出等。同时，还包括全社会固定资产投资、地方财政科学技术支出等一般性创新资源。第三，创新环境。常见的创新环境有经济环境、营商环境、信息化环境、教育环境等。技术作为重要的生产要素，技术市场完善与否直接关系到技术转移和成果转化效率，进而对创新生态系统的畅通运作至关重要。
表2 创新生态系统共生性评价指标及权重
Tab.2 Evaluation indicators of innovation ecosystem symbiosis and their weights
共生要素衡量指标具体指标权重创新种群创新生产者高新技术企业数量(个)0.308高等院校数量(个)0.268创新中介者国家级科技企业孵化器数量(个)0.312创新消费者规模以上工业企业数量(个)0.112创新资源一般经费资源全社会固定资产投资(亿元)0.262地方财政科学技术支出(亿元)0.254研发资源地区研发人员全时当量(人年)0.210研发经费内部支出(万元)0.273创新环境经济环境各地区人均GDP(元)0.206营商环境市场化指数(分)0.203技术市场环境技术合同成交金额(万元)0.180信息化环境互联网使用总户数(万户)0.200教育环境一般公共预算教育经费(亿元)0.212
参考孟庆松和韩文秀[46]复合系统协调度模型，本文将区域创新生态系统视为一个复合系统s={s1,s2,s3}。创新种群、创新资源和创新环境子系统的序参量为X={xij,(i=1,2,3;j=1,2,…,n)}。当序参量为正向指标时，其数值愈大，系统有序度就愈高；反之，当序参量为逆向指标时，其数值愈大，则有序度越低。
第一步，计算共生要素si序参量分量的有序度为：
(7)
其中，αij,βij分别为序参量的上限和下限。eij(xij)值越大，表明序参量分量xij对系统有序度的贡献越大。
第二步，计算共生要素子系统序参量有序度。
(8)
各序参量权重可采用相关系数法得到。鉴于指标间具有一定相关性(或称关联性)，可根据全部指标相关矩阵的内部依存结构确定权重。具体步骤如下：
假设指标体系有n个指标，其相关系数矩阵为：
(9)
令
将Mi归一化处理，即可得到指标权重。
(10)
第三步，假定初始时刻t0和另一时刻t1共生要素的有序度分别为
与
则复合系统的协同度为：
(11)
(12)
其中，参数θ表示创新生态系统共生性的发展方向，仅当ei1(X)-ei0(X)≥0时，即所有子系统的有序度t1高于有序度t0时，系统才处于良性共生演进状态。SE数值越大，表明创新生态系统共生性越强。
3.2.4 控制变量
王奇珍等[3]在研究我国城市经济韧性影响因素时，选取了基础设施发展、对外开放、科技发展和财政支持等因素。由于本文在构建创新生态系统共生性评价指标体系时，其涵盖了科技发展、财政支持等众多因素，为避免多重共线性，选择的控制变量有对外开放程度和市场潜力。“双循环”中的国内大循环绝非自我封闭和自给自足，而是基于国内循环在更大范围、更宽领域、更深层次对外开放，利用国际先进管理经验和技术提升我国经济韧性。因此，本文以外商投资总额表征对外开放程度。为更好地开展统计分析，本文对该数值进行对数变换预处理。另外，还选取以社会消费品零售总额增长率表征的市场潜力作为控制变量。社会消费品零售总额增长率越高，表明消费市场潜力愈大，越能够为抵御经济危机提供充足的缓冲空间，有助于经济恢复，提升经济韧性。本文数据均来自《中国统计年鉴》。
本文核心变量数据主要来源于《中国统计年鉴》和《中国工业统计年鉴》。样本时间跨度为2011-2019年，样本涵盖全国内地30个省市(西藏因数据不全，未纳入)。本文选用方差膨胀系数(VIF)检验多重共线性，结果显示，变量间不存在严重的共线性问题(VIF<5)。具体检验结果见表3。
为避免伪回归问题，首先对区域经济韧性、创新生态系统共生性和产业相关多样性等核心变量采用常用的LLC检验进行平稳性检验，以确保回归估计结果的有效性。同时，对变量进行协整关系检验。检验结果见表4。
单位根检验结果显示，核心变量一阶差分序列平稳(P<0.000)。协整检验中Pedroni检验统计量的p<0.000，强烈拒绝“不存在协整关系”的原假设，即区域经济韧性、创新生态系统共生性和产业相关多样性3个核心变量间存在长期稳定的均衡关系。
表3 各变量描述性统计和多重共线性检验结果
Tab.3 Descriptive statistics and multicollinearity test results
变量样本量平均值标准差最小值最大值VIF1/VIF区域经济韧性(ER)270-0.0920.670-4.2132.837——产业相关多样性(RV)2701.0910.1010.7751.2292.0100.498创新生态系统共生性(SE)2700.4430.277-0.1740.9891.8500.541对外开放程度(lnop)2706.5691.3693.3409.8802.0800.480市场潜力(rscg)27011.3743.793-0.30018.8101.7800.560
表4 单位根及协整检验结果
Tab.4 Unit root and co-integration test results
变量单位根检验统计值P值结论协整检验统计量统计值P值L.ER-11.4870.000平稳Modified Phillips-Perron t3.4500.000L.SE-9.0670.000平稳Phillips-Perron t-6.4910.000L.RV-14.8220.000平稳Augmented Dickey-Fuller t-8.5170.000
注： L.ER表示变量ER的一阶差分，下同
根据式(1)，构建动态面板数据模型以考察产业相关多样性对区域经济韧性的影响，并运用系统GMM方法进行模型估计，实证结果如表5中模型1所示。AR(1)、AR(2)和Sargan统计量的结果表明，模型估计符合要求。
表5 产业相关多样性对区域经济韧性影响的实证检验结果
Tab.5 Empirical test results of the impact of industrial related variety on regional economic resilience
变量模型1模型2模型3ERSEERL.被解释变量-0.022**0.853***-0.035**(0.048)(0.000) (0.012)RV0.689**0.376***0.312 (0.025)(0.000)(0.480)SE——0.309***——(0.000)lnop0.133***0.048***0.088**(0.000)(0.000)(0.035)rscg0.079***-0.004***0.088***(0.000)(0.000)(0.000)C-2.606***-0.535***-2.130***(0.000)(0.000)(0.008)Obs240240240AR(1)0.0070.0280.007AR(2)0.4610.1010.310sargan0.7620.6730.786
注：***，**和*分别表示在1%，5%和10%的水平上显著，括号内数字为相应的p值。下同
模型1中，产业相关多样性的回归系数为0.689，通过5%的显著性检验，表明产业相关多样性能够显著提升区域经济韧性，假设H1得以验证，即产业相关多样性有助于强化区域经济韧性，产业相关多样性越显著，经济韧性就越强。从控制变量来看，对外开放程度系数为0.133，通过1%的显著性检验，即对外开放可显著促进经济韧性提升。实践中我国始终抱有扩大高水平对外开放的决心，以积极态度参与对外合作，从而推动我国经济高质量发展。此外，市场潜力系数为0.079，通过1%的显著性检验，表明市场潜力可显著提升区域经济韧性，证明中国巨大的市场潜力是经济平稳运行的重要支撑。
根据式(2)和式(3)，构建中介效应模型，进一步考察创新生态系统共生性在产业相关多样性与区域经济韧性二者关系中的作用，并运用系统GMM方法进行模型估计，结果见表5中的模型2和模型3。AR(1)、AR(2)和Sargan检验结论同上。
检验结果显示，模型2中产业相关多样性的回归系数为0.376，通过1%的显著性检验，表明产业相关多样性对区域创新生态系统共生性呈显著促进作用，即产业相关多样性越显著，越有助于提升区域创新生态系统共生性，假设H2得以验证。控制变量对外开放程度系数为0.048，表明对外开放可显著增强区域创新生态系统共生性。在双循环新发展格局下推动国内国际双向开放，打造对外开放新高地，有助于构建共生的创新生态系统。市场潜力并未显著对创新生态系统共生性产生正向作用。究其原因，可能是创新生态系统的共生性要求生产要素等资源能够得到优化配置，单一的市场潜力大不足以促进创新种群、创新资源和创新环境共生，需“大而有序”方可促进创新生态系统竞合共生。模型3中，中介变量创新生态系统共生性的回归系数显著为正，为0.309，表明创新生态系统共生性有助于增强区域经济韧性，假设H3得以验证。此外，产业相关多样的回归系数为0.312，未通过显著性检验，表明直接效应不显著，只有间接效应，验证了产业相关多样性通过区域创新生态系统共生性增强区域经济韧性的传导机制，假设H4成立。对外开放强度和市场潜力等控制变量的显著性及符号与模型1相同，此处不再赘述。
运用Bootstrap法检验中介效应的稳健性[45,47]，结果如表6所示。结果显示，间接效应的95%置信区间不含0，表明间接效应显著；直接效应的95%置信区间包含0，表明直接效应不显著。Bootstrap检验所得结论与逐步法结论一致。
表6 Bootstrap中介效应稳健性检验结果
Tab.6 Robust Bootstrap test results of mediation effect
项目95%的置信区间间接效应[0.229 , 1.329]直接效应[-1.341 , 0.501]
根据2011-2019年我国内地30个省市相关面板数据，以GDP为直接指标测算区域经济韧性，利用区位熵指标分解方法计算产业相关多样性，采用复合系统协同度模型测度区域创新生态系统共生性，运用系统GMM模型分析产业相关多样性对区域经济韧性的影响，在此基础上探究区域创新生态系统共生性对产业相关多样性与区域经济韧性二者关系的中介作用，得到如下研究结论：理论上，产业相关多样性可通过创新生态系统共生性增强区域经济韧性。由于存在较强的投入与产出关系以及较短的技术距离，产业相关多样性可促进高能级创新种群集聚，形成利益共同体，提高创新资源配置效率，优化创新环境，释放和激发创新潜能，进而提高经济抵抗力、恢复力、再组织力和再创新能力。这是本文的理论边际贡献和创新价值。实证中，中介效应模型检验结果表明，区域创新生态系统共生性在产业相关多样性与区域经济韧性关系中的中介效应显著，表明存在上述传导机制。因此，于经济韧性而言，产业相关多样性是“筋骨”，创新生态系统共生性是“心志”。有“筋骨”无“心志”，则“罔”。赋“筋骨”以“心志”，则“通”。
根据理论和实证研究结果，本文针对优化产业相关多样性布局、提升区域创新生态系统共生性、增强区域经济韧性的管理启示如下：
(1)围绕如何通过布局产业相关多样性增强经济韧性的问题，建议通过打造“有效的市场”和“有为的政府”[48]优化产业相关多样性布局，增强区域经济韧性。具体而言，首先遵循市场是资源配置主体的机制原则，根据“增长甄别与因势利导框架(GIFF)”六步法，甄别出区域经济体中具有潜在比较优势的产业，以比较优势产业为核心，利用市场机制因势利导，促进创新要素流动和集聚。同时，运用价值链分析法，考虑相关产业间的技术认知距离，围绕主导产业积极发展和完善上下游配套产业，促进上下游和横向关联产业与技术集聚，增强经济受冲击后的适应调整力和恢复能力。其次，各区域政府需基于地区产业比较优势出台相关产业政策以鼓励和培育多样化的产业结构，适度培育与现有主导产业存在逆经济周期差异的新兴产业，避免潜在风险在关联产业间蔓延。加强产业基础设施建设，不断完善有助于市场运行的各项制度，优化知识、技术等创新要素识溢出环境。
(2)围绕如何通过创新生态系统共生性增强经济韧性的问题，建议不断提升创新生态系统共生性。具体而言，针对创新种群，鼓励企业、大学和科研院所建立创新平台，依据人才培养、成果转化率等考核结果择优给予科研经费支持。大力支持行业龙头企业组建产业技术创新战略联盟，开展行业共性关键技术研究等，对创新成果产生经济社会效益的，采用后补助方式给予补贴。针对创新资源，各地区政府可通过建设国家级重大创新平台、建立协同创新联席会议制度、实施协同创新决策和专家咨询机制等方式集聚优质创新资源，有机整合创新资源并使其得到高效配置。通过项目协作等方式加强跨区域、跨主体创新资源对接，充分挖掘和利用各类创新资源。针对创新环境，在加强水、电、通信等一般基础设施建设的基础上，加强重点实验室、图书馆、信息服务网络中心等科技基础设施建设，为科技创新提供良好的科技基础保障。另外，要加大知识产权保护力度，以法律手段遏制不正当竞争行为，避免创新种群陷入恶性竞争，挫伤创新积极性。
[1] MARTIN R. Regional economic resilience, hysteresis and recessionary shocks [J]. Journal of economic geography, 2012, 12(1):1-32.
[2] 陈奕玮,丁关良.中国地级市城市经济韧性的测度[J].统计与决策,2020,36(21):102-106.
[3] 王奇珍,朱英明.中国城市经济韧性及影响因素研究[J].生态经济,2021,37(10):84-92.
[4] 彭荣熙,刘涛,曹广忠.中国东部沿海地区城市经济韧性的空间差异及其产业结构解释[J].地理研究,2021,40(6):1732-1748.
[5] 郭将,徐泽庆.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):40-47.
[6] 林耿,徐昕,杨帆.佛山市产业专业化、多样化与经济韧性的关系研究[J].地理科学,2020,40(9):1493-1504.
[7] 张小燕.我国创新生态系统共生性研究[D].哈尔滨：哈尔滨工程大学, 2020.
[8] ROSE A. Economic resilience to natural and man- made disasters: multidisciplinary origins and contextual dimensions [J]. Environmental hazards, 2007, 7(4):383-398.
[9] HOLLING C S. Resilience and stability of ecological systems [J]. annual review of ecology and systematics, 1973, 4(1):1-23.
[10] REGGIANI A, DE G T, NIJKAMP P. Resilience:an evolutionary approach to spatial economic systems [J]. Networks and spatial economics, 2002, 2(2):211-229.
[11] PENDALL R, FOSTER K A, COWELL M. Resilience and regions:building understanding of the metaphor [J]. Cambridge journal of regions, economy and society, 2010, 3(1):71-84.
[12] 李连刚,张平宇,谭俊涛,等.韧性概念演变与区域经济韧性研究进展[J].人文地理,2019,34(2):1-7，151.
[13] 曾冰,张艳.区域经济韧性概念内涵及其研究进展评述[J].经济问题探索,2018，39(1):176-182.
[14] 刘逸,纪捷韩,许汀汀,等.战略耦合对区域经济韧性的影响研究——以广东省为例[J].地理研究,2021,40(12):3382-3398.
[15] 张振,赵儒煜,杨守云.东北地区产业结构对区域经济韧性的空间溢出效应研究[J].科技进步与对策,2020,37(5):37-46.
[16] 朱金鹤,孙红雪.中国三大城市群城市韧性时空演进与影响因素研究[J].软科学,2020,34(2):72-79.
[17] FRENKEN K, VAN O F, VERBURG T. Related variety, unrelated variety and regional economic growth [J]. Regional studies, 2007, 41(5): 685-697.
[18] 胡晓辉.区域经济弹性研究述评及未来展望[J].外国经济与管理,2012,34(8):64-72.
[19] BARY A.D. Die erscheinung der symbiose [M]. Strassburg: Verlag von Karl J. Trübner, 1879.
[20] 袁纯清.共生理论—兼论小型经济[M].北京：经济科学出版社, 1998.
[21] 袁纯清.共生理论及其对小型经济的应用研究[D].长沙：湖南大学, 1997.
[22] 温兴琦,黄起海,BROWN DAVID.共生创新系统:结构层次、运行机理与政策启示[J].科学学与科学技术管理,2016,37(3):79-85.
[23] 张小燕,李晓娣.我国区域创新生态系统共生性分类评价[J].科技进步与对策,2020,37(12):126-135.
[24] 解学梅,刘晓杰.区域创新生态系统生态位适宜度评价与预测——基于2009-2018中国30个省市数据实证研究[J].科学学研究,2021,39(9):1706-1719.
[25] 张贵,吕长青.基于生态位适宜度的区域创新生态系统与创新效率研究[J].工业技术经济,2017，37(10):12-21.
[26] 甄美荣,江晓壮,杨晶照.国家级高新区创新生态系统适宜度与经济绩效测度[J].统计与决策,2020,36(13):67-72.
[27] 刘洪久,胡彦荣,马卫民.区域创新生态系统适宜度与经济发展的关系研究[J].中国管理科学,2013，30(21):764-770.
[28] 张其仔,叶振宇,崔志新,等.“十四五”时期我国区域创新体系建设的重点任务和政策思路[J].经济管理,2020，42(8):5-16.
[29] JACOBS J. The economy of cities [M]. Vintage, 1969.
[30] 睢博,张万里.相关多样性对企业创新的非线性影响——基于上市公司的PSTR实证研究[J].审计与经济研究,2019,34(1):117-127.
[31] 郭彦廷.产业相关多样性对城市经济韧性影响的实证研究[D].南昌：江西财经大学,2020.
[32] 孙晓华,柴玲玲.相关多样化、无关多样化与地区经济发展——基于中国282个地级市面板数据的实证研究[J].中国工业经济,2012，32(6):5-17
[33] 李福柱,厉梦泉.相关多样性、非相关多样性与地区工业劳动生产率增长——兼对演化经济地理学理论观点的拓展研究[J].山东大学学报(哲学社会科学版),2013，63(4):10-20.
[34] ROCCHETTA S, MINA A. Technological coherence and the adaptive resilience of regional economies [J]. Regional Studies, 2019, 53(10): 1421-1434.
[35] CAINELLI G, GANAU R, MODICA M. Does related variety affect regional resilience?new evidence from Italy [J]. The Annals of Regional Science, 2019, 62(3): 657-680.
[36] 陈奕玮,吴维库.产业集聚、产业多样化与城市经济韧性关系研究[J].科技进步与对策,2021,38(18):64-73.
[37] 卢现祥,朱巧玲.新制度经济学(第二版)[M].北京:北京大学出版社,2012.
[38] 林昀.产业集聚、资源错配与环境治理的协同效应分析[J].生态经济,2022,38(2):204-210.
[39] ELLISON G, GLAESER E L. Geographic concentration in U.S. manufacturing industries: a dartboard approach [J]. Journal of Political Economy, 1997(105):889-927.
[40] 刘耀彬，袁华锡，封亦代. 产业集聚减排效应的空间溢出与门槛特征[J]. 数理统计与管理，2018,37(2)：224-234.
[41] 武翠,谭清美.长三角一体化区域创新生态系统动态演化研究——基于创新种群异质性与共生性视角[J].科技进步与对策,2021,38(5):38-47.
[42] 梁林,赵玉帛,刘兵.国家级新区创新生态系统韧性监测与预警研究[J].中国软科学,2020,35(7):92-111.
[43] 尹希文. 中国区域创新环境对产业结构升级的影响研究[D].长春：吉林大学,2019.
[44] BARON R M, KENNY D A. The moderator-mediator variable distinction in social psychological research: conceptual, strategic, and statistical considerations [J]. Journal of Personality and Social Phycology, 1986,51(6):1173-1182.
[45] 温忠麟,叶宝娟.中介效应分析：方法和模型发展[J].心理科学进展,2014,22(5):731-745.
[46] 孟庆松,韩文秀.复合系统协调度模型研究[J].天津大学学报,2000，46(4):444-446.
[47] ZHAO X, LYNCH J G, Chen Q. Reconsidering baron and kenny: myths and truths about mediation analysis[J]. Journal of Consumer Research,2010,37(2):197-206.
[48] 林毅夫.新结构经济学：反思经济发展与政策的理论框架[M].北京:北京大学出版社,2014.