The Configuration Paths of Digital-Green Synergy Driving Economic Resilience:An Empirical Analysis Based on Hybrid Dynamic QCA and Random Forest Methods

Liu Na1,2,Sun Minggui1

(1.Glorious Sun School of Business and Management,Donghua University,Shanghai 200051,China;2.School of Economics and Management,Zhoukou Normal University,Zhoukou 466001,China)

Abstract：The Chinese economy is now subject to recurrent disruptions arising from geopolitical tensions,environmental shocks,resource constraints,and rapid iterations of digital technology.This highlights an urgent need to enhance economic resilience,so as to ensure the long-term stability and development of the economy.In this context,digitalization and greening act as dual engines for boosting economic resilience,where digital technology empowers green transformation and green development guides digital innovation,collaboratively driving the economic system toward structural upgrading and high-quality development.

Nevertheless,existing literature predominantly focuses on economic resilience significance,the impact of digitalization on green development,digital-green synergy mechanisms and spatiotemporal patterns,and independent contributions of each dimension to resilience enhancement.However,theoretical analysis and empirical exploration of how their synergy drives economic resilience remain relatively underdeveloped.The use of digital devices relies on energy consumption represented by electricity,which may bring environmental burdens such as electronic waste.While digital technologies accelerate green development,they may induce resource crowding and energy rebound effects.Greening improves environmental quality,yet without digital support,its carbon-reduction efficiency and industrial transformation potential remain constrained.Furthermore,regional heterogeneity in resource endowments,technological foundations,and geographical advantages produces divergent digital-green synergy patterns.The coexistence of digital divides and green development gaps creates structural imbalances that weaken systemic shock absorption and adaptation capacity,ultimately hampering overall economic resilience improvement.Such complexity necessitates comprehensive investigation into how digitalization and greening interact synergistically to enhance economic systems' adaptive capacity and long-term sustainability.

Against this backdrop,this study constructs an analytical framework for understanding how digital-green synergy drives improvements in economic resilience,drawing upon Complex Adaptive Systems (CAS) theory to capture nonlinear interactions,feedback loops,and emergent dynamics.Methodologically,it employs dynamic qualitative comparative analysis (QCA) to identify the configurations associated with both high and low economic resilience,thus revealing the empirical manifestations of regional heterogeneity.It further applies a random forest regression model to rank the importance of conditioning variables and generate partial dependence plots,allowing for a more granular examination of interaction effects and threshold characteristics.This mixed-method approach supplements the limitations of traditional QCA and enriches the literature on economic resilience by integrating configurational and machine-learning perspectives.

The empirical results yield several key findings.First,neither digitalization nor greening alone constitutes a necessary condition for enhancing economic resilience,although both exhibit pronounced regional effects driven by differences in resource endowments,industrial structures,and technological bases.Second,five high-resilience configurations are identified and can be distilled into three archetypal models:a “digitalization and resource-environment optimization synergy” model,a “digitalization-led,low-carbon breakthrough” model,and a “green-led,digital-facilitated” model.These diverse pathways share a “multiple routes to the same outcome” characteristic,underscoring the equifinality of resilience formation.Third,in the temporal dimension,the consistency of high-resilience configurations has generally increased over time,reflecting a strengthening synergy effect.Spatially,while the five configurations display broad applicability,notable regional differences remain:the eastern and central regions show stronger alignment,whereas the western and northeastern regions face challenges due to weaker digital foundations and delayed green transitions.Fourth,both the QCA and random forest analyses indicate that improvements in economic resilience are not determined by digitalization or greening in isolation but depend on their complementary and mutually reinforcing interaction.The two dimensions operate through distinct yet synergistic mechanisms,producing a stronger integrated effect.

In light of these findings,the study proposes that regions should adopt differentiated strategies in light of their resource endowments,technological capabilities,and policy environments.They should select the most suitable synergy pathway to meet region-specific needs for resilience enhancement.Moreover,integrated governance should be strengthened:efforts should be made to optimize digital-green coordination models,establish robust monitoring and evaluation systems,and build institutional safeguards to ensure effective implementation.Such measures will comprehensively enhance the economy’s capacity to absorb shocks,adapt to disruptions,and undergo structural transformation—thereby sustaining and deepening economic resilience over the long term.

Key Words：Digital-Green Synergy; Digitalization; Greening;Economic Resilience; Dynamic QCA; Random Forest

DOI：10.6049/kjjbydc.D62025030759

开放科学(资源服务)标识码(OSID)：

中图分类号：F061.5;F49

文献标识码：A

文章编号：1001-7348(2025)22-0013-11

收稿日期：2025-03-21

修回日期：2025-06-18

基金项目：教育部人文社会科学研究规划基金项目(17YJA630087);河南省社会科学界联合会调研课题(SKL-2024-1740)

作者简介：刘娜(1994—),女,河南周口人,东华大学旭日工商管理学院博士研究生,周口师范学院经济与管理学院讲师,研究方向为战略与创新管理;孙明贵(1963—),男,山东莱州人,东华大学旭日工商管理学院教授、博士生导师,研究方向为战略与创新管理。

0 引言

经济韧性作为经济系统动态适应能力的重要表征,事关国家经济长期稳定发展[1]。经济韧性不仅体现为面对外部冲击时经济系统的抗压与恢复能力,也表现为长期适应调节与创新转型的能力[2]。随着数字经济快速发展和生态文明建设深入推进,数字化与绿色化成为提升经济韧性的双重引擎[3]。其中,数字化是以数字设备建设为基础,依托人才和技术创新,通过深度应用数字技术,推动产业数字化转型,释放经济增长新动能;绿色化则着眼于资源环境约束的现实挑战,通过高效利用能源,提升环境治理水平,推动产业低碳转型,夯实经济系统的稳定性与持续发展能力[4]。数字化是赋能绿色转型的手段,绿色化是引领数字化发展的目标,两者并驾齐驱,推动经济转型升级、迈向高质量发展。

现有研究主要围绕经济韧性的重要性[5]、数字化对绿色化的影响[6]、双化协同机制及其时空特征[4]以及单一维度对经济韧性的促进作用等方面展开[7-8],对双化协同驱动经济韧性提升的理论分析和实证探索相对较少。数字设备使用依赖于以电力为代表的能源消耗,可能带来电子废弃物等环境负担[9],数字技术促进绿色发展的同时也伴随资源挤占与能源回弹效应[10]。绿色化能改善环境质量,但缺乏数字化支持时,其减排降碳效率和产业转型路径受到约束[11]。同时,地区间资源禀赋、技术基础、区位优势的不同导致双化协同模式存在差异,易引发数字“鸿沟”与绿色发展差距,形成结构性失衡,削弱经济系统面对冲击的抵抗和适应能力,进而抑制经济韧性整体提升[12-13]。

因此,迫切需要深入探讨双化协同驱动经济韧性提升的作用路径及区域差异。具体为,在双化协同驱动下经济韧性能否提升?主要组态路径有哪些?不同组态路径间是否存在时空差异?路径中条件变量的交互效应如何体现?不同区域如何识别适合其发展的经济韧性提升路径?基于此,本文从复杂适应系统理论出发,构建双化协同驱动经济韧性提升的分析框架,利用动态QCA方法识别驱动经济韧性提升的组态路径,揭示区域差异的现实表现,并进一步运用随机森林回归模型得出条件变量的重要性排序及其中依赖关系,深入挖掘路径要素间的交互作用[14],弥补传统QCA方法的不足,以丰富经济韧性研究视角,为推动经济系统适应复杂环境、实现高质量发展提供理论支持和实践参考。

1 理论分析与研究框架

1.1 复杂适应系统理论

复杂适应系统理论由Holland(1995)提出,强调在由多个相互作用的适应性主体构成的动态系统中,不同主体面对外部环境变化时能够通过自适应、学习与合作的动态行为,形成复杂反馈,展现出非线性、自组织和涌现等特征,进而实现结构调整和系统优化[15]。经济韧性本质上是复杂适应系统的核心表现,本文将基于该理论构建双化协同驱动经济韧性提升的分析框架。原因在于:第一,契合理论情境。经济系统具备高度复杂性与动态演化特征,面对数字技术迅速发展、资源短缺及环境压力等多重外部冲击时,其需要通过不断增强自身学习性和适应能力来维持长期稳定发展,进而通过创新与转型实现高质量发展[16]。第二,符合主体特性。经济系统中政府、企业、科研机构等主体根据资源与能力禀赋自主选择适宜的双化路径,通过学习、合作推动资源共享与创新互动。数字化提高经济系统的效率与灵活性,绿色化强化系统可持续性,二者深度融合,进一步增强自身创新性与转型能力[17]。第三,耦合总体特征。经济系统中适应性主体之间存在复杂反馈的非线性关系,微小变化也可能引发系统级突变。面对冲击时,不同主体通过差异化路径实现迅速适应,并涌现出多样化发展模式[18],与QCA组态分析高度契合。数字化提升了经济系统感知与反馈能力,绿色化降低了生态脆弱性并强化系统适应能力,二者协同共同构成经济韧性提升的实现路径。

1.2 研究框架

(1)数字化发展的经济韧性驱动机制。数字化通过提高资源配置效率、增强信息反馈能力、驱动产业创新升级等途径,从根本上增强经济韧性。数字化借助大数据、物联网和人工智能等技术工具与手段,促进能源、物资、人才等要素的跨区域流动和资源配置优化,显著降低资源获取与交易成本,促使经济系统面对外部冲击时能迅速调配资源、稳定运行[19]。数字技术的广泛应用提高了市场主体的环境变化感知与响应速度,增强经济系统的适应与调节能力。此外,数字产业发展不断强化创新驱动效应,催生新产业、新业态和新商业模式,持续拓展经济系统增长空间与技术边界,从而显著提升区域经济创新与转型能力,为经济韧性持续提升提供内生动力。

(2)绿色化发展的经济韧性提升路径。绿色化通过提升资源利用率、增强环境适应能力和完善低碳循环制度,系统性提升经济韧性;绿色化通过推进产业低碳、清洁化转型,有效缓解环境与气候变化带来的经济风险,增强经济系统面对外界变化的适应与自我保护能力;绿色化借助可再生能源与循环经济模式,有效降低对单一不可再生资源的过度依赖,通过构建多元、稳定的资源供给体系,显著增强经济系统应对资源价格剧烈波动和供应中断风险的抵抗力。以“双碳”目标为核心的绿色政策体系,通过强化对高污染、高耗能行业的制度约束,引导企业进行绿色技术改造与产业升级,推动循环型产业体系构建,从而为经济韧性的中长期提升提供制度保障与转型动能。

(3)双化协同的理论逻辑与复合效应分析。双化协同驱动经济韧性提升并非简单的数字化与绿色化叠加,而是在二者深度互动基础上形成的非线性复杂反馈机制与复合增效过程。数字化发展过程中绿色导向不断深化,绿色转型过程中数字赋能愈发凸显,双化协同发展的现实需求成为推动经济韧性提升的关键机制[20]。然而,不同地区因资源禀赋与发展阶段不同,呈现出多样化协同路径:①数字化、绿色化均衡发展。数字基础设施完备、绿色产业体系较成熟地区,双化之间既是输出端也是接收端,形成良性循环的动态平衡,协同提升经济系统整体的抗冲击和转型能力。②数字化赋能绿色转型。数字经济领先而绿色基础相对薄弱的地区通过将数字技术和工具广泛应用于能源管理、环境监测与产业循环领域中,实现资源高效配置与生态治理精细化管控,构建出低碳闭环的经济结构,显著提升绿色发展效率与可持续性,增强经济系统面对资源环境冲击的韧性[21]。③绿色化引领数字化发展。生态资源丰富但数字化发展相对滞后的地区依托绿色政策提供的制度保障,加速数字化技术和工具的落地应用[22]。明确的绿色发展目标与严格的环境约束推动数字技术不断创新和应用扩散,提供了具体的应用场景与产业发展方向,推动数字产业结构升级与功能重构,形成绿色导向型数字经济新格局,持续增强经济系统的转型韧性与适应能力。

双化协同发展不仅能够放大双化的单一效应,而且展现出复合增效的加总效应,全面提升经济系统整体的抵抗与恢复、适应调节与创新转型的能力。因此,本研究基于复杂适应系统理论,从组态视角深入分析双化协同如何形成多元化的经济韧性提升模式,并探讨其在应对经济不确定性时发挥的关键作用。本文构建理论模型如图1所示。

2 研究设计

2.1 研究方法

基于复杂适应系统理论,经济韧性是数字化与绿色化共同作用的结果。QCA集合定性与定量分析优势,探究多因素组态对结果的影响,适合对因果复杂现象的分析[23]。本文借鉴Garcia-Castro &Ario[24]提出的动态QCA分析法,揭示不同双化条件组合对经济韧性的驱动路径。首先,通过NCA检验条件变量是否为单一必要条件[25-26],判断其瓶颈标准,并用动态QCA检验必要条件分析结果的稳健性,增强必要性判断的科学性[27]。其次,从组态汇总、组间与组内一致性及覆盖度等出发,借助一致性调整距离捕捉时空维度的组态变化规律,揭示不同条件组合对经济韧性的差异化影响[24]。最后,引入随机森林回归模型,对条件变量进行重要性排序,通过偏依赖图识别阈值特征,结合热力图揭示变量间的非线性交互关系,进一步验证动态的QCA结果。

2.2 样本选择

本文研究时间段为2014-2023年,覆盖中国数字化转型与绿色发展政策密集出台和深入推进的关键阶段,选取中国内地30个省份(西藏因数据不全而未纳入)面板数据,探究双化协同驱动经济韧性提升的组态路径。数据主要来源于CSMAR、CNRDS、《中国统计年鉴》及各省份统计年鉴等。针对部分年份个别值缺失问题,采用线性插值法基于相邻年份趋势进行估算,以最小化对分析结果的干扰并提升组态识别的准确性与稳健性。

2.3 变量测量与数据来源

2.3.1 结果变量

经济韧性是衡量区域经济发展过程中复杂反馈、涌现现象以及自组织并存等非线性动态过程的重要指标[28]。本文参考魏敏等[29]的方法,从抵抗与恢复能力、适应与调节能力、创新与转型能力3个层面,选取包括人均GDP在内的15个指标,通过熵值法计算各指标权重,客观反映指标数据的变异程度与信息量,避免主观判断带来的偏误,以评估近十年中国内地30个省份的经济韧性综合得分,具体如表1所示。

2.3.2 条件变量

基于数字化与绿色化的理论内涵及其对经济韧性的影响,本文参考李旭辉等(2024)的做法,界定数字化包括数字设备、技术支撑和数字产业3个子条件,绿色化由资源节约、环境保护和低碳循环3个子维度构成[4]。每个条件变量下设二级指标,采用归一法进行无量纲化处理,再加权平均,得到一级指标得分。数值越高,表示指标得分越高。由于资源节约与碳排放强度为反向指标,本文对该变量进行反向处理,以便于解释后续组态分析结果。

数字化维度中,数字设备作为经济系统联通的基础性载体,其打破时空限制,是实现信息要素流通和信息传导的重要物质基础。本文选取移动通信普及率和网络基础设施接入情况度量,数值越高,表明地区数字基础设施越完备,经济系统信息流通与资源配置能力越强,应对外部冲击的响应与恢复的能力越强;技术支撑通过人才储备与技术创新促进知识外溢,是推动经济系统自组织与持续创新升级的核心动力;数字产业是数字化成果的直接体现,本文选取研发强度、数字效益与技术生产水平分别衡量数字产业发展规模、产业效率和资源调度弹性对经济系统创新与转型能力的促进作用。

绿色化维度中,选择能耗水平、水资源利用率衡量资源节约水平,能够有效揭示区域经济系统发展的长期适应性与资源约束下的发展潜力;环境保护包括绿化指数、无害处理与污水处理率,能够有效体现经济系统应对生态环境挑战的能力;低碳循环则通过碳排放强度、循环利用率衡量,反映区域在优化能源结构和实现物质代谢闭环方面的成效。

3 数据分析与研究结果

3.1 数据校准

鉴于组态分析强调变量间的非线性关系与多重因果路径,为满足其对变量标准化的特定要求,本文采用Ragin[30]提出的直接校准法,将所有变量转化为0～1之间的隶属度分数。其中,完全隶属、交叉点和完全不隶属的3个校准点,分别设定为案例样本描述性统计结果的上四分位数(75%)、中位数与下四分位数(25%),用以表征各案例在特定条件下的集合归属程度。同时,为避免模糊隶属案例被剔除,参考杜运周等[31]的研究,将0.500的隶属分数统一调整为0.501。

3.2 单一条件必要性分析

3.2.1 基于NCA的单一条件必要性分析

NCA方法不仅能够识别某条件是否为结果的必要条件,而且能量化必要条件的效应量,即瓶颈水平,用于衡量条件变量达到特定结果所需的最低水平[25-26]。效应量(d值)取值范围为0～1,数值越大表示该条件变量对结果的约束作用越强。NCA方法中,本文参考Dul[25]的研究,采用CR和CE两种方法估计效应量,此时必要条件需满足两个条件,即当效应量(d)不小于0.1且蒙特卡洛仿真置换检验显示效应量显著时P小于0.05。根据基于NCA方法的必要条件分析可得,6个条件变量均未满足d≥0.1且p值显著的标准,表明任何单一条件变量不能决定经济韧性的提升。瓶颈水平分析显示,经济韧性由低向高的演进过程中,数字设备、技术支撑与低碳循环的瓶颈值显著上升,体现出对高韧性水平的约束作用,说明经济韧性提升依赖于双化协同推进,而非单一必要条件所能决定。

3.2.2 基于动态QCA的单一条件必要性分析

本文进一步采用基于QCA的必要条件分析进行稳健性检验。在截面数据的QCA分析中,必要条件的判断标准为汇总一致性系数大于0.9且汇总覆盖度大于0.5,该标准同样适用于面板数据的动态QCA分析[32]。基于Garcia-Castro&Ario[24]的建议,引入BECONS调整距离和WICONS调整距离衡量面板数据的一致性变化。当组间或组内一致性调整距离大于0.2时,仅说明存在时间或地区效应,即因果关系在不同时间或个体之间并不稳定,不能直接用于判断是否为必要条件[24]。据表2所示,各条件的汇总一致性均未超过0.9,表明不存在单一必要条件,同时,16种因果组合的组间一致性调整距离超过0.2,表明具有潜在的时间效应。

如表3所示,只有2014-2015年低数字设备与低经济韧性之间的一致性大于0.9且覆盖度超过0.5,表明此阶段数字设备不足是导致低经济韧性的显著约束条件。这是因为,受“互联网+”等政策推动,2015年后数字基础设施持续完善,该条件变量的一致性与覆盖度逐年下降,说明数字设备不足已不再构成引致低经济韧性的必要条件。该趋势体现了数字化发展从基础设施建设转向深度应用的阶段性特征,也反映出经济系统适应性提升与政策实施效果的累积。从时间维度来看,各条件变量均未构成影响经济韧性变化的单一必要条件。

组内一致性调整距离均大于0.2,表明经济韧性与各条件变量之间存在显著的地区效应[33]。按照《中国统计年鉴》的地域分布,将我国省份划分为东部、中部、西部与东北地区。其中,数字设备对经济韧性具有广泛重要性,覆盖省份最多。东部地区数字化水平对其经济韧性具有系统性支撑作用,但在绿色化水平上表现不显著;中西部地区的必要性条件具有区域特征,部分变量适用性低,尤其是数字产业与资源节约的关联性较弱,反映出数字化与绿色化发展不均衡;东北地区整体的必要性条件较少,显示出数字化和绿色化发展滞后,对经济韧性影响不明显。多个变量在不同地区的组合情况也不尽相同,例如技术支撑在东中部影响较显著,西部仅在四川省具备影响力,显示出其作用发挥受制于区域产业基础与创新能力。因此,各条件变量虽在特定区域重要,但整体呈现出高度差异性,不构成普适性的必要条件。综上,通过NCA与动态QCA分析,不存在驱动经济韧性提升的单一必要条件。

3.3 条件组态的充分性分析

3.3.1 汇总结果

本文通过动态QCA对条件组态进行充分性分析,采用一致性阈值0.80、PRI阈值0.70以及频数阈值1构建真值表[31]。在组态分析时不预设变量方向,以中间解为主、简单解为辅,识别核心与边缘条件,从而揭示不同条件组合对经济韧性提升的影响(张明等,2019)。表4为整体组态分析结果,显示有5条高经济韧性组态,其一致性系数最小为0.944,总体一致性系数为0.940,高于可接受的最低标准0.8,总体覆盖度为0.628,构成了高经济韧性结果的充分条件。进一步将5条高经济韧性组态提炼为3种模式,即数字化推进与资源环境优化协同型(M1)、数字化主导与低碳循环重点突破型(M2)以及绿色化引领与数字设备发展助推型(M3)。

模式M1中,组态1以数字设备、技术支撑、资源节约和环境保护为核心条件,数字产业为边缘条件,体现出在高复杂度环境中推动经济韧性提升需兼顾短期调节与长期转型的双重要求。这是因为,数字设备与技术创新有助于提升经济系统的风险感知和快速响应能力,资源节约与环境保护则能有效控制能耗和生态风险,确保经济系统可持续发展。数字产业虽为边缘条件,但是通过提供数据服务与智能方案能助力传统产业升级,间接增强经济系统恢复与转型能力,强化核心条件的作用。双化全要素的均衡发力强调数字建设与生态防线并重,是高资源负载区域提升系统性韧性的代表性路径。如江苏省建设的环境非现场监管平台与“环保脸谱”预警系统,实现了数字发展与绿色治理的深度融合,为类似地区提供了双化协同治理范式与经济韧性提升的路径参考。

模式M2中,组态2与组态3均以数字设备、技术支撑、数字产业和低碳循环为核心条件,区别在于组态2以资源节约为边缘条件,组态3以环境保护为边缘条件,形成数字主导下的差异化绿色支持体系,共同促进经济韧性提升。这是因为,数字化要素共同构建了高效能资源配置与创新快速响应体系,低碳循环作为绿色突破口,通过数字赋能实现废弃物资源化和再制造,降低资源依赖,缓解了碳约束压力,提升了经济系统灵活性与创新能力。组态2强调能源的高效利用,典型如上海市建设双碳数字平台以推进节能优化。组态3侧重环境保护、强化生态承载力,如浙江省凭借数字经济发展优势,以“绿色工厂+数字工业”推动绿色制造体系构建,实现环境治理与经济增长的双重目标,显著提升经济系统在环境约束下的适应调节与持续发展能力。该路径揭示数字经济发达地区可通过充分发挥技术优势、运用数字化手段破解绿色转型难题,实现优势放大、短板补齐的经济韧性提升结果。

模式M3中,组态4与组态5均以资源节约、环境保护与数字设备为核心条件,低碳循环为边缘条件,区别在于技术支撑是组态4的核心条件,数字产业为组态5的核心条件。该路径反映出绿色化引领下数字要素的差异性作用;资源节约与环境保护构成核心驱动力,能有效缓解资源约束、降低环境风险,为经济系统提供可持续发展基础;数字设备作为基础支撑,能提升信息感知与反馈调节能力,增强系统自组织与适应性。低碳循环虽然为边缘条件,但是通过废弃物资源化与能源循环利用能进一步释放绿色效应。其中,组态4依托技术支撑和数字设备提升信息调节与响应效率,如广东省推动“无废城市”建设,强化生态治理与数字经济融合,提升系统响应与转型能力,以有效应对高外向度的经济风险。组态5借助数字产业与数字设备联动促进产业转型。如福建省实施“山海联动”战略,坚持生态“高颜值”与经济高素质协同发展,促进数字生态产业协同,显著增强经济韧性。这些均表明生态优势地区通过绿色引领可倒逼数字转型,有效提升经济系统韧性与长期竞争力。

通过对比发现,如图2所示,驱动经济韧性提升的5条组态普遍体现出双化协同的共性特征:数字设备为所有高韧性组态的核心条件,技术支撑在多数组态中为核心条件,凸显数字基础设施与技术能力的基础性作用;绿色化条件中至少有一个是核心存在,反映出绿色发展在韧性提升中的不可替代性。路径差异具体表现为:一是主导要素各异,M1为均衡协同型,M2为数字主导型,M3为绿色引领型;二是要素组合多样化,除数字设备外,其他要素在不同组态中角色各异,体现出复杂适应系统中的结构弹性与路径依赖;三是实现机制多样化,分别通过全面均衡发展、数字主导与绿色突破、绿色引领与数字辅助等方式实现经济韧性提升。因此,数字化赋能绿色转型、绿色化引领数字化发展,双化协同是提升经济韧性的必要路径。处于不同发展阶段、资源禀赋各异的地区应选择自身适配的协同模式,以实现经济韧性提升。

3.3.2 组间结果

组间一致性用于衡量样本期间各条件组态是否构成结果的充分条件,反映面板数据中横截面的一致性水平。如表4所示,5条组态的组间一致性均大于0.90,明显超过0.8的一致性判断标准,组间一致性调整距离均小于0.2,说明上述组态在样本期间未表现出明显的时间效应。图3中,一致性水平在各年存在明显阶段性变化趋势,2014-2017年不同组态一致性波动较明显。其中,组态1起始值较低,可能是因为初期数字基础薄弱、绿色政策协同不足限制了经济韧性提升,但自2015年“互联网+”等政策出台后,各组态组间一致性逐年提高并趋于收敛,2016年供给侧结构性改革带来的结构性阵痛导致一致性出现短暂下滑,2017年后再次稳步提升。组态2、组态3(数字主导型)一致性水平较高,反映出以数字经济驱动资源重组与应变响应的作用机制逐步稳固。组态4、组态5(绿色引领型)增速更快,体现出数字经济与绿色低碳政策的叠加实施在经济韧性提升中发挥愈发重要的作用。然而,2023年出现一致性下降现象,反映出经济系统面临“双碳”目标约束趋严、国际环境波动以及产业深度融合出现阶段性瓶颈等问题,表明未来需进一步深化双化协同,提升经济系统持续创新与转型升级能力。

3.3.3 组内结果

组内一致性是评估不同地区在各时间点条件变量与结果变量之间纵向一致性的重要指标,调整距离越小,意味着该组态在空间维度上具有更强稳定性。本文中驱动经济韧性提升的组态组内一致性调整距离均小于0.2,说明各组态的解释力在省份之间不存在明显差异。为反映各组态解释案例地区的分布情况,本文参考张放[27]的方法分析各组态组内覆盖度的差异,首先进行正态性与方差齐性检验,若满足条件则采用单因素方差分析,反之使用Kruskal-Wallis秩和检验。

虽然5条高经济韧性组态均通过方差齐性检验,但未满足正态性要求,因此采用Kruskal-Wallis秩和检验评估其组内覆盖度差异,以判断不同路径的区域适配性与稳定性[27]。结果显示,仅组态2的P值小于0.05,表明其在不同地区的解释效果存在显著差异,区域适配性有限。组态2解释的案例集中在东中部地区,受益于成熟的数字基础设施与较强的绿色技术支撑,而西部地区数字基础薄弱,东北地区因重工业占比高、资源环境压力大、数字吸纳能力弱,难以有效契合该路径。与传统认知不同,5条高经济韧性组态在中部地区的平均覆盖度普遍高于东部。可能的原因是,近年中部地区数字化与绿色转型政策加力以及区域内城市结构趋同,增强了路径适应性。东部地区组内一致性普遍较高,但由于地级市众多、发展模式多元化且已趋稳定,边际效应递减与路径差异化并存,导致平均覆盖度被稀释。西部与东北地区基础设施薄弱、绿色转型滞后,组态适用性整体偏弱。

3.4 稳健性测试

QCA是一种集合论方法,当改变模型参数不会改变研究结论的实质性解释时,视为原结论稳健[34]。将案例频数阈值从1调整至2,产生的4条组态与现有5条组态中的4条完全一致;将一致性阈值由0.80提升至0.85、PRI阈值从0.7提升至0.75,同时,调整校准锚点,将完全隶属、完全不隶属锚点分别调整为第85%分位数和第15%分位数,交叉点保持不变,得到的组态与现有组态一致,故通过稳健性检验。

4 进一步分析

动态QCA虽然可有效识别双化协同驱动经济韧性提升的多重因果路径,但存在3方面局限:一是将连续变量离散化为集合成员关系,可能造成信息损失,难以精准捕捉非线性关系;二是聚焦变量组合效应,难以清晰刻画单变量边际贡献及变量间的交互效应;三是变量校准依赖研究者主观设定的隶属度阈值,可能削弱结论稳健性。为弥补上述不足,本文引入随机森林回归模型,无需预设函数形式即可识别复杂非线性关系,并能通过特征重要性排序、偏依赖图与交互强度热力图,量化变量的独立贡献、阈值效应及交互作用。模型训练中采用8∶2数据集划分、五折交叉验证及网格搜索优化超参数,表现出较高预测精度,未见明显的过拟合,说明其捕捉结果变量与条件变量关系的能力较强,验证结果稳健性。图4为条件变量重要性分析结果,可以发现,技术支撑与数字设备为核心驱动要素,突出创新能力与基础设施建设对经济韧性提升的关键作用。尽管数字产业的重要性较低,但除技术支撑外,其余5个条件变量的重要性差距不显著,6个条件变量均对经济韧性提升贡献显著,即获得的结果与NCA、QCA分析结果高度一致。

图5直观展示经济韧性提升对各条件变量的偏依赖关系,揭示双化因素普遍具有正向影响,但表现出显著的非线性特征与阈值效应。多数变量在低水平阶段作用有限,突破特定阈值后正向驱动效应迅速增强,超过高阈值后普遍进入平台期,边际收益递减。具体为,数字化方面,初期的数字设备投资在短期内无法带来显著的经济回报,但其水平突破0.75后,信息流通效率显著带动韧性跃升,后期基础设施趋于饱和后,边际效益趋缓并进入平台期。技术支撑水平突破0.2后,知识溢出引发快速增强效应,但若缺乏制度或组织支撑,技术红利难以持续释放。数字产业发展水平提高到0.25后可借助平台效应提升抗冲击能力,达到0.45后曲线趋平,需依赖产业结构优化与数字治理维持韧性提升。绿色化方面亦然,资源节约、环境保护、低碳循环在早期以合规降本为主,对经济韧性贡献有限。当资源节约、环境保护水平超过0.85及低碳循环突破0.5后,节能红利与风险缓冲效应叠加,经济韧性显著跃升。因此,经济韧性的持续提升亟需从“增量扩张”转向“制度提质”,通过优化要素结构、完善协同机制与提升治理能力为其发展注入新动能。

本文进一步利用交互强度热力图探究条件变量间交互关系,量化变量协同对经济韧性的影响。图6显示,数字设备与资源节约、低碳循环,技术支撑与低碳循环、环境保护,数字产业与数字设备、资源节约等之间存在显著的交互作用,双化协同具备超越单一变量之和的增效能力,进一步印证了动态QCA识别出的组态路径。其中,技术支撑与低碳循环的协同作用最显著,契合低碳技术在绿色转型中发挥关键驱动作用的实际(见图7)。而数字产业与环境保护的交互效应相对较弱,源于数字产业在当前阶段仍高度依赖数据中心与通信基础设施等,其高能耗特性易产生环境负担。高强度交互变量可作为提升经济韧性的发力点,低强度组合则需依赖更广泛的要素互补与产业结构优化,以构建系统性驱动机制,推进双化协同转型。

本文通过更改训练集与测试集比例、误差置换变量重要性分析、SHAP值分析以及与XGBoost模型对比验证结果等方式进行多重稳健性检验,以进一步验证动态QCA与随机森林回归模型结果,实现动态QCA定性识别与机器学习量化分析的有效互补,增强研究结论的可靠性。结果显示,本文研究结论稳健。

5 结论与启示

5.1 研究结论

本文基于复杂适应系统理论,采用动态QCA与随机森林回归模型,以我国内地30个省份为样本,探究双化协同驱动经济韧性提升的路径。研究发现:第一,绿色化与数字化均非单一必要条件,但存在显著的地区效应,源于资源禀赋、产业结构及技术基础不同。第二,5条高韧性组态呈现3种模式,即数字化推进与资源环境优化协同型、数字化主导与低碳循环重点突破型、绿色化引领与数字设备发展助推型,体现了“殊途同归”特征。第三,时间维度上,驱动经济韧性提升的组态组间一致性整体上升,反映出双化协同效应增强。空间维度上,5条组态整体适用性强但区域差异显著,其中,东中部地区整体适配性较强,西部与东北地区因数字基础薄弱与绿色转型滞后面临挑战。第四,动态QCA的组态路径分析与随机森林回归模型的变量交互效应均表明,经济韧性提升并非由数字化或绿色化单一决定,而是依赖两者的协同作用,作用机制上各有侧重又互为补充,展现出更强的综合效应。

5.2 理论贡献

既有研究多从数字化或绿色化的单一维度探讨其对经济韧性的线性促进作用[7-8],忽略了经济系统本身作为复杂适应系统所具有的多要素交互、自组织调节与非线性演化特征。本文拓展了复杂适应系统理论在经济韧性研究中的应用,揭示出数字化与绿色化如何在动态环境中协同演进,形成应对不确定性与冲击的多样化适应路径,突破了单维线性视角的局限。与以往仅采用动态QCA方法探讨变量组合路径[27],或单独使用随机森林模型评估变量重要性的研究不同,本文创新性地融合两种方法,通过动态QCA识别双化协同驱动经济韧性提升的多路径模式,利用随机森林回归模型精准识别条件变量的重要性与交互效应,并运用偏依赖图与交互热力图展现其非线性规律、阈值特征与交互效应,有效弥补动态QCA在识别复杂作用机制方面的不足,增强了研究结论的科学性与稳健性。实践层面,现有文献仅提供泛化的政策建议,如强调数字基础设施、技术创新或者低碳转型对经济韧性的普遍有效性[35]。本文基于5条高经济韧性组态识别出3种协同模式,发现不存在单一最优路径,而是展现出多路径均衡状态,为不同区域根据资源禀赋、技术基础与政策环境选择适配的双化协同路径提供了方案。

5.3 实践启示

一是强化顶层设计,完善政策协同机制。政府应设立专门机构统筹政策制定、资源配置与技术推广,将双化协同纳入区域发展规划,破解政策碎片化难题。可重点围绕智慧城市、智慧能源等重点方向提供要素支持,推动政策从顶层设计走向实践落地,实现数字经济与绿色发展深度融合。二是坚持因地制宜,构建差异化发展路径。针对数字化推进与资源环境优化协同型区域,应同步推进数字经济发展与绿色技术创新,通过打造数字化绿色产业园区、建立双化协同示范项目等方式,推动数字赋能与生态治理深度融合;对于数字化主导与低碳循环重点突破型区域,东部地区应发挥数字技术优势,推动能源结构优化和产业绿色升级,中西部地区则可结合产业特色实现低碳循环重点突破;对于绿色化引领与数字设备发展助推型区域,应在夯实绿色基础上加快数字化转型。国家层面可出台“最佳实践”清单,支持区域试点并推广成功经验。三是健全监测评估,构建协同保障体系。各地区应建立双化协同监测系统并纳入地方政府绩效考核,提升政策响应精准性和执行力。同时,推动跨部门数据共享,搭建统一治理平台,强化制度保障与技术支撑,为提升经济韧性提供坚实基础。

5.4 不足与展望

(1)指标体系有待完善。受数据可得性约束,本文仅选取部分能代表数字化和绿色化的典型指标,而社会资本、制度环境、文化因素等未纳入分析框架。未来研究可进一步拓展指标体系,从而更加全面准确地刻画双化协同驱动经济韧性提升的具体路径与作用机制。

(2)方法论层面存在改进空间。随机森林回归模型能有效识别非线性关系,但受限于模型复杂性与“黑箱”特征,通常只能分析单变量效应或两变量交互,难以捕捉多元协同机制,并且无法阐明潜在因果链条与传导路径。未来研究可引入迭代随机森林探索高阶交互效应,结合复杂中介模型、结构方程模型等进行机制分析,将数据驱动的模式识别转化为理论驱动的机理阐释,增强研究解释力。

(3)情境分析有待细化。本文未针对技术风险、环境风险、市场波动、自然灾害等具体冲击类型展开差异化分析,不同风险情境可能导致双化协同驱动经济韧性提升的路径存在明显差异。未来研究可聚焦具体场景,考察数字化与绿色化协同作用的异质性表现,提出差异化治理策略以有效应对现实挑战,推动区域经济可持续发展。

参考文献：

[1] 蒋正云,刘庆芳,宋金平.中国区域经济韧性的格局特征及演化机制[J].经济地理,2023,43(6):1-12.

[2] MARTIN R.Regional economic resilience,hysteresis and recessionary shocks[J].Journal of Economic Geography,2012,12(1):1-32.

[3] 谢华,张平淡.数字化绿色化协同转型的逻辑内涵[J].环境保护,2024,52(19):45-47.

[4] 李旭辉,陈梦伟,王经伟.省域数字化与绿色化协同发展评价、时空特征及其影响因素[J].经济地理,2024,44(7):126-134.

[5] 谭俊涛,赵宏波,刘文新,等.中国区域经济韧性特征与影响因素分析[J].地理科学,2020,40(2):173-181.

[6] 曹裕,李想,胡韩莉,等.数字化如何推动制造企业绿色转型——资源编排理论视角下的探索性案例研究[J].管理世界,2023,39(3):96-112,126.

[7] 朱金鹤,孙红雪.数字经济是否提升了城市经济韧性[J].现代经济探讨,2021,40(10):1-13.

[8] 张跃胜,张寅雪,邓帅艳.异质性环境规制与城市经济韧性——基于全国278个地级市的实证检验[J].贵州社会科学,2022,43(11):135-143.

[9] 戎珂.中国式现代化视阈下的数字中国建设[J].人民论坛,2023,32(17):12-16.

[10] 李强,唐幼明.信息消费何以提升城市数字化绿色化协同绩效[J].经济评论,2024,45(5):108-124.

[11] 陈军,尹芃.数字技术赋能生态环境治理:生成逻辑、运行机理与优化路径[J].中南民族大学学报(人文社会科学版),2025,45(2):123-135,186.

[12] 周杰琦,陈达,夏南新.人工智能对绿色经济增长的作用机制与赋能效果——产业结构优化视角[J].科技进步与对策,2023,40(4):45-55.

[13] 武祯妮,尹应凯,金铭.中国碳交易试点政策溢出效应下的区域间隐含碳排放转移责任研究[J].统计与信息论坛,2024,39(7):82-96.

[14] 钟玮,董淼.公司财务特征与企业ESG评分的内在关联——基于随机森林方法的识别预测探究[J].会计研究,2024,45(7):175-192.

[15] HOLLAND J H.Studying complex adaptive systems[J].Journal of Systems Science and Complexity,2006,19:1-8.

[16] 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.

[17] 刘同超.黄河流域数字经济与生态效率的耦合机制及演化特征[J].统计与决策,2025,41(3):123-128.

[18] 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.

[19] 张志,易恩文,王军.中国城市数字经济发展的资源配置效应[J].中国软科学,2024,39(7):110-121.

[20] 刘宇,梁栋,张硕.数字化与绿色化协同转型如何赋能高质量发展——来自中国上市公司的证据[J].中国流通经济,2025,39(1):25-38.

[21] 林颖,刘泽杰.数字经济对城市碳生产率的影响研究[J].经济问题探索,2025,46(1):154-171.

[22] 张芳,徐曼迟,谢其军,等.技术积累、政策协同与技术融合[J].科学学研究,2025,43(4):810-822.

[23] 吴艳,贺正楚.新质生产力影响产业升级的理论逻辑与组态路径:基于省级动态面板的QCA分析[J].云南民族大学学报(哲学社会科学版),2024,41(5):72-83.

[24] GARCIA-CASTRO R,ARIO M A.A general approach to panel data set-theoretic research[J].Journal of Advances in Management Sciences &Information Systems,2016,2(63-76):526.

[25] DUL J,VAN DER LAAN E,KUIK R.A statistical significance test for necessary condition analysis[J].Organizational Research Methods,2020,23(2):385-395.

[26] DUL J.Necessary condition analysis (NCA) logic and methodology of "necessary but not sufficient" causality[J].Organizational Research Methods,2016,19(1):10-52.

[27] 张放.影响地方政府信息公开的因素——基于省域面板数据的动态QCA分析[J].情报杂志,2023,42(1):133-141,207.

[28] 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.

[29] 魏敏,魏海湘.经济韧性测度及其对旅游经济的影响研究[J].中国海洋大学学报(社会科学版),2023,65(2):61-73.

[30] RAGIN C C.Redesigning social inquiry:fuzzy sets and beyond[M].Chicago:University of Chicago Press,2008.

[31] 杜运周,刘秋辰,程建青.什么样的营商环境生态产生城市高创业活跃度——基于制度组态的分析[J].管理世界,2020,36(9):141-155.

[32] SCHNEIDER C Q,WAGEMANN C.Set-theoretic methods for the social sciences:a guide to qualitative comparative analysis[M].Cambridge:Cambridge University Press,2012.

[33] 张吉昌,龙静,王泽民.什么样的制度环境有利于产生高创业活跃度——基于省域面板数据的动态QCA分析[J].科技进步与对策,2024,41(24):36-48.

[34] 曾光,李云鹏.“专精特新”中小企业创新质量提高路径研究——基于创新激励政策及营商环境优化视角[J].软科学,2025,39(2):93-100.

[35] 兰泽英,陈晓晖,刘洋,等.韧性发展视角下省域低碳经济绩效评估与区域网络治理影响[J].经济地理,2024,44(6):42-51.

(责任编辑：胡俊健)