引言

当前，全球经济形势复杂多变，区域经济发展面临着诸多不确定性风险的冲击和影响，各种因素不断考验着城市的应对能力和经济韧性。在这一背景下，党的二十大报告对增强城市韧性提出要求，提升区域韧性已成为国家发展的重要战略方向。在此背景下，增强经济韧性、提升系统抗风险能力不仅是中国经济应对冲击的基础保障，更是驱动其实现高质量增长、结构优化与动力变革的关键所在。

数字经济与实体经济的深度融合，催生了数据这一关键要素，其重要性已并肩土地、劳动、资本和技术等传统生产要素，其重要性日益凸显。数据要素不仅能够优化资源配置、提升生产效率，还能通过创新驱动发展，为经济增长注入新的动力。2024年，中国数据生产量达到41.06 ZB，同比增长25%，中国已成为全球重要的数据大国之一。如此庞大的数据资源，为城市经济韧性提升提供了新的可能性。本文依托“国家级大数据综合试验区”设立准自然实验展开研究，深入探讨大数据发展对城市经济韧性的影响。

在此背景下，本文以大数据综合试验区建设作为政策冲击，利用多时点双重差分（DID）模型实证检验了大数据综合试验区建设对城市经济韧性的影响，以及对作用效果进行异质性分析，以期更好的理解数据要素在经济韧性中的作用。

一、文献综述

根据已有文献，本文的文献综述主要从以下两方面展开：一是关于经济韧性的界定、测度及影响因素的研究；二是关于国家级大数据综合试验区政策的相关研究。

（一）关于经济韧性的相关研究

韧性的概念最早源自物理和工程领域，随后被应用于生物学和心理学等学科，内涵不断延申和扩展。韧性这一概念被Reggiani等引入到经济学领域，并提出了“经济韧性”这一概念，并将其定义为经济系统受到外界冲击后的抵抗和恢复到原先状态的能力。随着对经济韧性研究的不断深入，学术界对经济韧性的定义也进一步拓展，但关于该概念说法尚未达成一致，本文借鉴Martin对区域经济韧性的定义，该学者认为经济韧性是指一个经济体在面对市场、环境等外部因素的冲击时，能够通过重新配置资源要素和调整原有系统结构，以恢复其增长路径或寻求新的发展路径的性质和能力，其主要包括抵抗力、恢复力、调节力和更新力四个维度，后续学者的研究也大多数从这四个维度展开。近年来，学者们多将指标归纳为三个方面，其中丁建军等将指标体系设计为抵抗和恢复能力、适应和调整能力以及创新和转型能力。

关于经济韧性的测算，学者们主要采用以下三种办法。首先是综合指标评价法，该方法的核心在于构建一个由高度相关指标组成的评价体系，以全面捕捉经济韧性的多个维度，从而保证评估的准确性与可靠性。Briguglio等最早采用一揽子指标体系的方法来测度经济韧性。张辽和姚蕾从抵抗与恢复能力、适应与调节能力和转型与发展能力等维度构建了中国278个市级的经济韧性。其二是单一指标测度法，通常直接采用GDP、就业人数等传统经济指标进行衡量。此法虽简便直观，但难以全面捕捉经济韧性的多维内涵，被认为有失片面。其三为反事实推断法，其核心思路是通过比较经济变量在遭受冲击后的真实增长路径与假设未受冲击的“反事实”路径之间的差异，来量化经济韧性水平。

从影响因素看，产业结构、创新环境、技术水平及社会资本等是学界考察经济韧性时关注的主要因素。Brown和Greenbaum从城市的产业结构出发，研究经济韧性的影响因素，学者认为一个城市的经济韧性强度与城市的多样化产业结构息息相关，如果一个城市拥有多样化的产业结构，那么也能够拥有更高的经济发展水平，城市的各行各业也会有更加光明的发展前景。周明生和王珍珠在后续的研究中也证明了产业结构是影响经济韧性的重要因素。

（二）大数据试验区的相关研究

大数据试验区作为中国落实大数据发展战略、促进数字经济发展的重要举措，为研究数字经济提供了新的视角。已有研究主要从经济效应、创新效应、环境效应和出口效应四个层面考察了大数据试验区的实施效果。经济效应层面，学者们重点关注地区全要素生产率的提高和城市增长质量的提升。陈新欣指出大数据试验区试点政策显著促进了城市经济增长，苏锦旗等基于多期DID模型，发现数据试验区设立可以通过提升市场交易效率和城市生产效率对区域经济高质量发展产生积极影响。在创新效应方面，部分学者认为大数据试验区的建立有利于加快知识与信息技术跨区域扩散，培育创新增长极，推动地方创新能力的提升。崔建军等发现国家大数据综合试验区对于战略性新兴企业、重污染企业以及东部地区企业的绿色技术创新活动具有更加显著的促进作用。在环境效应层面，大数据综合试验区的建设可以显著降低雾霾污染和碳排放水平，从而显著改善环境绩效。姚树俊和孙铁丹进一步指出大数据综合试验区政策通过固定资产合理投资、产业进行绿色技术创新以及劳动者投身绿色产业等途径，提高了城市碳减效果。在出口效应方面，学者们发现大数据综合试验区对FDI数量和质量均有显著促进作用。

综上所述，国家级大数据综合试验区的建立，有效驱动了区域经济增长、技术创新、全要素生产率提升与环境改善。然而，尽管大数据试验区的建设已经取得了一系列成果，但学术界对于大数据试验区设立与区域经济韧性之间逻辑关联的研究还相对较少。因此，本文旨在探讨国家级大数据综合试验区的设立与区域经济韧性之间的内在逻辑关系。

二、实证方案设计

（一）计量模型设定

1. 基准模型构建

本文设定了如下模型对大数据试点政策对经济韧性的影响进行检验：

为被解释变量，即区域经济韧性水平，下标和分别表示城市和年份；是常数项；为试点政策的虚拟变量，即核心解释变量；是大数据综合试验区设立对经济韧性的影响系数，是本文主要关注的估计系数；是一系列控制变量；是控制变量的估计系数；是时间固定效应；是城市固定效应；是随机误差项。

（二）指标构建

1. 被解释变量：城市经济韧性（res）

本文从抵抗力、恢复力和发展力等维度，构建如下经济韧性评价指标体系。

目标层	一级指标	二级指标	测度指标	指标属性
城市经济韧性	抵抗力 恢复力 发展力	经济水平 产业基础 外贸依存度 社会保障 消费能力 地方财政支撑力投资规模 金融支持 产业高级化水平 创新水平 地方财政教育事业支出	地区生产总值 第二产业产值占总产值比例 第三产业产值占总产值比例 进出口总额占GDP的比重 三大保险的参保人数与总人口的比值 社会消费品零售额占GDP比重 地方财政支出额社会固定资产投资额 年末金融机构存贷比 第三增加值/第二增加值（产业高级化指数） 科技支出占财政支出比重 发明专利授权数教育支出占财政支出比重	正向 负向 正向 负向 正向 正向 正向 正向 正向 正向 正向 正向

2. 核心解释变量：大数据综合试验区建设政策（did）

本文选用大数据综合试验区试点城市这一虚拟变量作为核心解释变量，根据国务院在2015年和2016年分两批公布的“国家级大数据综合试验区”示范城市名单，如果城市i入选了该示范名单，则属于实验组城市，在入选当年及之后年份的did变量取1；反之，未入选城市则属于对照组城市，did变量取值为0。结合研究样本，本文最终得到了57个城市作为该政策的实验组，其余227个城市作为对照组。

3. 其余控制变量

为排除其他因素的干扰，参考相关研究，本文在实证模型中加入如下控制变量：交通基础设施发展水平（road），用人均城市道路面积表示，取对数处理；城市通达性(fre)，采用公路货运量对数值衡量；工资水平（wage），用在岗职工平均工资表示，本文进行取对数处理；城镇化率（urb）用城镇常住人口占总常住人口之比表示；互联网普及率（inte），互联网宽带接入用户占年末常住人口之比表示.

（三）数据来源与描述性统计

本文多用数据来源于《中国城市统计年鉴》、各市统计公报，部分缺失值采用线性插值法等进行补充。在剔除部分城市样本后本文主要考察国家大数据综合实验区政策对284个城市经济韧性的影响，以上数据样本可以充分反映每个城市的经济发展情况。由表2可以看出，城市经济韧性（res）平均值为0.250，标准差为0.0600，最大值和最小值为0.720和0.100，说明不同城市的经济韧性水平存在较大差异。

Variable	N	Mean	SD	Min	Max
res	3976	0.250	0.0600	0.100	0.720
did	3976	0.120	0.320	0	1
road	3976	2.830	0.440	0.310	4.120
fre	3976	9.030	0.890	2.640	12.59
wage	3976	10.99	0.420	9.530	12.40
urb	3976	0.560	0.150	0.180	1.010
inte	3976	2.650	2.400	0	88.74

四、实证结果与分析

（一）基准回归结果分析

表3汇报了国家大数据试验政策对经济韧性的基准回归。其中，由列（1）可知，did的估计系数为0.0074，且在1%水平上显著。考虑到其他因素也会对经济韧性产生影响，在列（2）至列（5）中引入控制变量，结果表明引入控制变量后，did的估计系数依然在1%水平上显著为正。这说明了大数据综合试验区建设对城市经济韧性产生了显著的提升效应。这可能是因为大数据试验区通过促进技术创新和应用，提高城市的生产效率和竞争力，从而增强经济韧性。同时，试验区可能推动试点城市产业结构向更高端、更可持续的方向发展，提高城市的适应能力和抗风险能力。

变量	(1)	(2)	(3)	(4)	(5)	(6)
did	0.0074***	0.0075***	0.0073***	0.0080***	0.0081***	0.0080***
road	(4.5656)	(4.6378) 0.0042***	(4.5322) 0.0042***	(4.9416) 0.0043***	(5.0020) 0.0043***	(4.9078) 0.0043***
fre		(2.7278)	(2.7720) -0.0023***	(2.7940) -0.0028***	(2.8351) -0.0027***	(2.8187) -0.0027***
wage			(-2.6780)	(-3.2164) 0.0187***	(-3.1270) 0.0188***	(-3.1397) 0.0187***
urb				(4.2734)	(4.3013) -0.0100	(4.2674) -0.0098
inte					(-1.1958)	(-1.1740) -0.0002
系数	0.2515***	0.2408***	0.2606***	0.0720	0.0747*	(-1.0517) 0.0765*
时间固定	(211.1835)	(58.5466)	(30.8042)	(1.6026)	(1.6614)	(1.6991)
时间固定(是否)	Yes	Yes	Yes	Yes	Yes	Yes
个体固定	Yes	Yes	Yes	Yes	Yes	Yes
观察值	3976	3976	3976	3976	3976	3976
R2	0.8953	0.8955	0.8957	0.8962	0.8963	0.8963

注：括号里的是t值，* p<0.1，** p<0.05，*** p<0.01。

（二）平行趋势检验

双重差分方法前提是要满足平行趋势假设，即大数据综合试验区建设前，实验组和对照组的城市经济韧性变化趋势无显著差异。结果显示，政策实施前，两组城市的经济韧性变化趋势无显著差异，满足使用DID方法的前提。而在政策实施后，处理效应系数显著为正且逐年增大，标志着该政策有效提升了城市经济韧性，且效应持续增强，表明国家大数据试验政策能够显著提升经济韧性。

（三）安慰剂检验

本文采用随机抽样方法构造“伪政策虛拟变量”，以基准回归模型重新估计，检验随机产生的“国家级大数据综合试验区”政策是否具有真实效果。从图2结果可知，伪系数集中于零且呈正态分布，证实了基准结果的非偶然性。此结果排除了不可观测因素的严重干扰，通过了稳健性检验，为主要结论提供了坚实支撑。

（四）稳健性检验

为了增强基准回归结果的可靠性，本文还采用倾向得分匹配、删除直辖市、缩尾处理、删除特殊年份和替换被解释变量等方式进行了稳健性检验。

1. 倾向得分匹配（PSM-DID）

为进一步检验上文结论的稳健性，本文运用PSM-DID模型进行进一步检验。图3呈现的是采用kdensuty命令绘制的倾向得分匹配后的密度函数图。从中可以看出，匹配后的实验组和对照组存在较大重合区域，显示实验组与对照组的得分分布存在广泛重叠，表明匹配效果良好。在此基础上，我们进一步对匹配样本进行双重差分估计。结果如表4的列（1）所示，did的系数为0.0076，在1%的水平上显著为正，与基准回归结果基本一致，表明基准回归结果稳健。

2. 删除直辖市和省会城市

考虑到四个直辖市和省份城市在政策和经济方面拥有特别的优势，这种独特性可能会对回归分析的结果造成一定的影响。因此，本文尝试剔除直辖市和省份城市样本值，回归结果如表4（2）列所示。核心解释变量的估计系数依然显著为正，表明前文的基准回归结果稳健。

3. 缩尾处理

为了排除极端异常值对估计效应的潜在影响，本文将被解释变量进行1%分位数的双边缩尾处理。具体估计结果见表4列（3），did的回归系数均在1%的水平上显著为正，这说明在排除极端异常值后，本文的估计结果依然稳健。

变量	(1) PSM-DID	(2) 删除直辖市	(3) 缩尾处理
did	0.0076*** (0.002)	0.0074*** (0.002)	0.0099*** (0.002)
变量	控制	控制	控制
系数	0.064 (0.047)	0.0849* (0.045)	0.0501 (0.046)
时间固定	固定	固定	固定
个体固定	固定	固定	固定
观察值	3,900	3,920	3,976
R2	0.887	0.8540	0.878

注：括号里的是聚类标准误，* p<0.1，** p<0.05，*** p<0.01。

（五）异质性检验

1. 行政等级异质性

城市的行政等级也可能影响大数据综合试验区建设的政策效果，导致数字经济发展的减排效应存在差异。本文将研究样本划分为中心城市和外围城市。由表5前两列的回归结果表明，大数据综合试验区建设能够显著提升外围城市的经济韧性水平，但对中心城市的影响并不显著。外围城市在数字化建设方面起步较晚、基础薄弱，数字基建存在较大提升空间。大数据综合试验区落地后，一方面能为其锚定清晰发展路径，另一方面可精准供给基建、资金等关键要素，在提效增能和产业培育等维度释放显著效能。

2. 地理区位异质性

为考察国家大数据试验区政策效果的地理异质性，本文将全样本划分为东部、中部与西部进行分组回归。表5结果显示，该政策对东、中部试点城市的经济韧性具有显著正向影响，但对西部城市的影响在统计上不显著。这一差异可能源于东中部地区通常具备更为雄厚的经济基础、先进的数字基础设施等优势，能够为促进数据要素开发利用奠定坚实基础，使大数据综合试验区建设发挥出更明显的政策效果。而西部地区的网络基础设施较为落后，创新人才缺失，导致大数据综合实验区建设对于该地区城市经济韧性的提升作用较弱。

	(1)		(2)
变量	中心城市	外围城市	东部	中部	西部
did	0.0066 (1.4609)	0.0078*** (4.4674)	0.0098*** (4.4476)	0.0124*** (4.2104)	0.0018 (0.5248)
变量	控制	控制	控制	控制	控制
系数	-1.0129*** (-4.1172)	0.1169*** (2.5864)	0.2714*** (3.2045)	-0.1359* (-1.9459)	0.1541* (1.7727)
时间固定	固定	固定	固定	固定	固定
个体固定	固定	固定	固定	固定	固定
观察值	490	3486	1400	1400	1176
R2	0.302	0.161	0.220	0.241	0.133

注：括号里的是t值，* p<0.1，** p<0.05，*** p<0.01。

五、研究结论与政策建议

为探究国家级大数据综合试验区设立是否能够促进城市经济韧性的提升，本文以2010-2023年地级城市的面板数据，实证检验了国家级大数据试验区对经济韧性的影响，研究发现，国家级大数据综合试验区的设立有助于城市经济韧性的提升，上述结论在经过多个稳健性检验后依旧成立。其次，交通基础设施、工资水平的发展对城市经济韧性有显著的正向影响，而城市通达性的提高可能会降低城市经济韧性。最后，异质性检验发现，国家级大数据综合试验区设立对于外围城市、东部和中部地区有着更为显著的城市韧性提升驱动力。

本文的政策启示如下：

第一，总结大数据试验区所取得的成功经验并逐渐推广。实证结果证明，国家级大数据试验区建设对城市经济韧性具有显著的积极影响。这一结果清晰地揭示了大数据综合试验区在提升城市经济韧性的重要作用。政府应当给予高度重视，加快国家级大数据试验区的建设。需针对外围城市等数字基建薄弱区域，持续推进5G基站、大数据中心等数字基础设施建设。依托新型基础设施构建的支撑体系，为数字经济发展筑牢底座，数字经济驱动城市韧性提升的目标方能顺利落地实现。

第二，各地政府可以增加对交通基础设施的投入，包括道路、铁路、航空等，以提高城市的物流效率和区域连接性，促进资源的高效配置。并通过税收、社会保障等手段，促进收入分配的公平性，减少收入差距，提高社会稳定性，为经济发展提供良好的社会环境。在提高城市通达性的同时，注重区域发展的平衡性，避免资源过度集中，促进区域经济的协调发展。

第三，针对外围城市政策效果更显著的特征，优先加大对5G基站、大数据中心等数字基建的资金与资源投入，制定“数字基建补短板”专项计划。同时，引导试验区内数字企业与外围城市传统产业深度融合，以数字化改造提升传统产业抗风险能力，强化经济韧性底层支撑。同时，研究发现东部和中部地区经济基础较好，大数据试验区的设立对这些地区的经济韧性提升作用更为明显。因此可以在东部和中部地区设立更多的大数据试验区，或者扩大现有试验区的范围和功能。鼓励这些地区的城市加强大数据技术创新和应用，推动传统产业数字化转型。例如，设立专项基金支持大数据与制造业、服务业等传统产业的融合项目，以此增强城市应对风险的抵御力。

参考文献：

1. [1] Reggiani A, De Graaff T, Nijkamp P. Resilience: An evolutionary approach to spatial economic systems[J]. Networks and spatial economics, 2002, 2(02):211-229.
2. [2] Martin R. Regional economic resilience, hysteresis and recessionary shocks[J]. Journal of economic geography, 2012, 12(01):1-32.
3. [3] 丁建军, 王璋, 柳艳红, 等. 中国连片特困区经济韧性测度及影响因素分析[J]. 地理科学进展, 2020, 39(06):924-937.
4. [4] 张辽, 姚蕾. 数字技术创新对城市经济韧性的影响研究——来自中国278个地级及以上城市的经验证据[J]. 管理学刊, 2023, 36(05):38-59.
5. [5] Brown L, Greenbaum R T. The role of industrial diversity in economic resilience: An empirical examination across 35 years[J]. Urban studies, 2017, 54(06):1347-1366.
6. [6] 周明生, 王珍珠. 产业协同集聚对城市经济韧性的影响[J]. 经济体制改革, 2024(05):41-50.
7. [7] 邱子迅, 周亚虹. 数字经济发展与地区全要素生产率——基于国家级大数据综合试验区的分析[J]. 财经研究, 2021, 47(07):4-17.
8. [8] 陈新欣. 大数据综合试验区建设对城市经济增长的影响研究[J]. 现代经济探讨, 2024(09):29-39.
9. [9] 苏锦旗, 唐诗瑶, 张营营. 国家级大数据综合试验区能否促进区域经济高质量发展——基于试点区政策的准自然实验[J]. 现代财经(天津财经大学学报), 2023, 43(10):56-73.
10. [10] 王今, 李均艳, 武建龙. 大数据综合试验区对区域科技创新能力的影响——基于多期DID的政策效应评估[J/OL]. 科学学研究, 1-21[2025-06-18]. https://doi.org/10.16192/j.cnki.1003-2053.20250120.001.
11. [11] 崔建军, 雍雁岚, 王少辉. 国家级大数据综合试验区与企业绿色技术创新[J]. 经济问题探索, 2023(12):37-59.
12. [12] 程云洁, 段鑫. 数字经济能促进城市减霾降碳吗?——基于八大国家级大数据试验区的准自然实证分析[J]. 软科学, 2024, 38(01):8-15.
13. [13] 姚树俊, 孙铁丹. 大数据发展对城市碳减排的影响研究——基于国家大数据综合试验区政策的准自然实验[J]. 首都经济贸易大学学报, 2025, 27(03):39-52.
14. [14] 耿伟, 王筱依, 王鑫源. 国家级大数据综合试验区与FDI流入——基于数量和质量的视角[J]. 国际经贸探索, 2023, 39(01):19-35.