学术研究报告

一、 研究作者与发表信息

本研究由赖国书（国网福建省电力有限公司营销服务中心）、赵昊（厦门大学王亚南经济研究院）、郭晔（厦门大学王亚南经济研究院、经济学院、大数据金融交叉实验室）和吴国耀（国网福建省电力有限公司营销服务中心）合作完成。该研究以论文形式于2025年8月21日在学术期刊《系统工程理论与实践》（Systems Engineering—Theory & Practice）上进行了网络首发。论文标题为《产业链视角下的行业韧性测度与网络关联效应——来自行业日度用电量数据的经验证据》。

二、 研究的学术背景

本研究属于经济学、特别是产业经济学与复杂系统科学交叉领域的研究，核心关注点是“产业链韧性”（Industrial Chain Resilience）。在全球不确定性风险增加的背景下，提升产业链供应链韧性与安全水平已成为中国国家战略层面的重要议题。然而，既有研究大多集中于宏观或区域层面的经济韧性（Economic Resilience），对产业链这一生产网络（Production Network）内部韧性的微观形成机理，特别是从节点（行业）韧性到网络关联韧性的系统性规律，尚缺乏深入的探讨。

研究的理论基础在于：产业链由多个行业通过投入产出关系构成，其韧性依赖于两个关键维度。一是节点属性，即单个行业的韧性（Industry Resilience），包括其抵御冲击（抵抗力韧性）和恢复产能（恢复力韧性）的能力。二是网络特征，即行业之间因投入产出关联而产生的韧性溢出效应（Spillover Effect）。识别行业韧性差异的来源、刻画韧性在网络中的传导路径，对于精准施策、提升整体产业链安全具有重大意义。

本研究旨在揭示产业链韧性的系统性形成规律。具体目标包括：1）利用高频数据测度产业链中各个行业的韧性水平，并探究其影响因素；2）构建行业韧性的关联网络，识别生产网络中的关键行业；3）检验投入产出关系是否是驱动韧性网络关联效应的内在机制。为实现这些目标，研究团队选取了一个独特且具有优势的数据源——行业日度用电量数据，并以福建省28个行业作为实证案例进行分析。

三、 研究的详细工作流程

本研究遵循“韧性测度—关联网络—机制分析”的逻辑框架，包含三个主要步骤。

第一步：行业韧性的测度。 此步骤的目标是量化每个行业在面对外部冲击时的抵抗力和恢复力。

1. 数据准备与处理：

   • 研究对象与样本量：研究使用了福建省28个行业自2019年1月1日至2022年12月11日的日度用电量数据。数据由国网福建电力营销服务中心提供，确保了权威性。
   • 冲击变量：以福建省2020年1月1日至2022年12月11日的新冠肺炎日度新增确诊人数作为外部负面冲击的代理变量。
   • 数据处理：为消除规模差异、季节效应、节假日效应、周末效应和气温影响对用电量的干扰，研究对原始日度用电量数据进行了复杂的预处理。首先，计算各行业每日用电量相对于2019年日均基数的变化率。其次，构建回归模型，从用电量变化率中剔除长期趋势、月份虚拟变量、节假日虚拟变量、周末虚拟变量和日平均气温的影响。最终得到28个“调整后的日度用电量”时间序列，作为衡量行业产能波动的纯净指标。

2. 模型构建与韧性计算：

   • 研究方法：研究采用了时变参数向量自回归模型（TVP-VAR）来估计每个行业的调整后用电量对新冠疫情冲击的动态反应。之所以选择TVP-VAR，是因为它能捕捉冲击反应的时变特征，适应新冠疫情不同阶段冲击强度和政策环境的变化。
   • 韧性指标构建：对于每个行业，从TVP-VAR模型中提取其用电量对疫情冲击的时变脉冲响应函数（Impulse Response Function）。随后，根据响应函数的形态特征，构建两个韧性指标：
     • 抵抗力韧性（Resistance Resilience）：定义为脉冲响应函数在冲击后达到的最小值（即谷底深度）。该值越大（负向偏离越小），表明行业抵御冲击、维持产能的能力越强。
     • 恢复力韧性（Recovery Resilience）：定义为脉冲响应函数从谷底反弹并收敛到一个接近零的阈值所需的时间。所需时间越短，表明行业适应性恢复的速度越快。
   • 结果产出：最终，为28个行业分别计算出了一系列时间点上的抵抗力韧性值和恢复力韧性值，并进行了归一化处理以便比较。

第二步：行业韧性关联网络的构建。 此步骤旨在探索不同行业的韧性水平之间是否存在统计上的领先-滞后关系（即溢出效应），并识别网络中的核心节点。

1. 研究方法：研究采用格兰杰因果检验（Granger Causality Test）与网络拓扑（Network Topology）分析相结合的方法。
2. 网络构建流程：
   • 首先，针对任意两个行业（i和j）的韧性指标（分别针对抵抗力和恢复力），建立向量自回归（VAR）模型并进行格兰杰因果检验。
   • 然后，根据检验结果，构建两个有向邻接矩阵：
     • 抵抗力韧性溢出矩阵：如果行业i的抵抗力是行业j的抵抗力的格兰杰原因，则矩阵中对应元素为1，否则为0。
     • 恢复力韧性溢出矩阵：定义方式同上，针对恢复力韧性。
   • 最后，将这两个矩阵视为有向网络（Directed Network）的邻接矩阵。在网络中，节点代表行业，有向边代表一个行业的韧性对另一个行业的韧性存在显著的溢出效应。

第三步：行业韧性网络关联效应的机制分析。 此步骤旨在实证检验第一步中发现的韧性关联，是否由行业间实际的投入产出关系所驱动。

1. 数据基础：使用《中国地区投入产出表-2017》中的福建省投入产出表数据，来刻画行业间的技术经济联系。
2. 机制变量构建：
   • 计算了行业i对行业j的客户重要性（行业j消耗行业i产出的比例）。
   • 计算了行业j对行业i的供应商重要性（行业i消耗行业j产出的比例）。
   • 将两者平均，得到衡量行业j对行业i在供应链上整体重要性的指标。
   • 基于这些重要性指标，构造了多个空间权重矩阵（W），用以在模型中精确量化行业间的投入产出关联强度。
3. 实证检验模型：采用空间自回归模型（Spatial Autoregressive Model, SAR）进行检验。模型的核心设定为：一个行业的韧性水平，不仅取决于其自身特征，还与其在投入产出网络中相关联的其他行业的韧性水平有关。模型控制了行业固定效应和时间固定效应。如果空间自回归系数显著为正，则证明投入产出关系越紧密的行业，其韧性水平的同步性或传导性越强，从而验证了投入产出关系是韧性网络关联的内在驱动机制。

四、 研究的主要结果

结果一：行业韧性水平存在显著异质性，且受产业链结构特征影响。 对28个行业韧性均值的分析显示，不同行业的抵抗力和恢复力差异巨大。 * 抵抗力韧性最强的行业包括信息传输、软件和信息技术服务业（数字化程度高、办公灵活）、农林牧渔产品和服务业、水的生产和供应业（资源密集型，需求稳定）。最弱的行业是石油炼焦业、住宿和餐饮业以及专用设备制造业，它们被识别为产业链中的潜在“薄弱环节”。 * 恢复力韧性最强的行业是仪器仪表制造业（技术密集、调整灵活）、农林牧渔产品和服务业等。最弱的包括石油炼焦业、专用设备制造业和文化体育娱乐业（恢复依赖于社会活动全面复苏）。 * 影响因素分析进一步揭示了结构性原因： 1. 上游度（Upstreamness）：上游行业（如基础原材料）抵抗力更强；下游行业（贴近最终需求）恢复力更强；中游行业（受上下游挤压）两者均较弱。 2. 网络中心度（Network Centrality）：处于生产网络中心位置、与更多行业有联系的行业（高中心度），其抵抗力和恢复力在大部分时间都显著优于边缘行业（低中心度）。这表明网络连接提供了资源调配和风险分散的优势。 3. 外需依赖度：主要依赖国内市场的行业，其韧性水平普遍高于高度依赖国际市场的行业。这凸显了外部需求波动对行业稳定性的重要影响。

结果二：行业韧性存在显著的网络关联效应，且核心行业溢出效应更强。 通过格兰杰因果网络分析发现，行业的抵抗力与恢复力并非孤立存在，而是在行业间形成了复杂的关联网络。处于网络中心、关联度高的行业（即核心行业），其韧性水平对其他行业的溢出效应更为显著。这意味着，核心行业在冲击抵御和恢复过程中扮演着“稳定器”或“发动机”的角色，其自身的韧性能够有效带动关联产业的韧性提升。这一发现将研究视角从单个节点延伸到了整个网络结构，强调了在制定政策时需要识别并支持这些关键性行业。

结果三：投入产出关系是驱动韧性网络关联的重要机制，且下游对上游的溢出更强。 空间自回归模型的实证结果提供了机制性证据： * 空间自回归系数在分别以客户重要性、供应商重要性和整体重要性为权重矩阵时，均显著为正。这确凿地证明，具有紧密投入产出关系的行业，其韧性水平确实存在显著的关联效应。 * 更为关键的发现是，下游行业对上游行业的韧性溢出效应，比上游对下游的溢出效应更为显著，尤其是在恢复力韧性方面。这一结果具有重要的政策含义：它表明需求侧的稳定与恢复（下游行业）对于保障整个产业链的安全与稳定具有更为关键的作用。下游行业需求韧性的提升，能够有效拉动上游供应商的产能恢复，从而形成良性循环。

五、 研究的结论与价值

本研究的核心结论是：产业链韧性是一个具有系统性特征的网络现象。它既根植于各行业异质性的节点韧性，又通过投入产出网络产生复杂的关联与溢出。研究证实，行业在产业链中的位置（上游度）、网络连通性（中心度）和市场取向（外需依赖度）是塑造其节点韧性的关键因素。更重要的是，研究揭示了韧性在产业链中传导的“需求侧驱动”机制，即下游行业韧性的提升对上游乃至整个网络的稳定具有更强的带动作用。

科学价值：本研究丰富了经济韧性和产业链韧性领域的文献。它将研究视角从宏观/区域层面下沉到行业微观层面，并创新性地将网络科学方法（格兰杰因果网络、空间计量模型）与高频大数据（日度用电量）相结合，为测度和分析复杂经济系统的韧性提供了新的方法论框架。研究明确了“节点属性”和“网络关联”两个维度的分析路径，并实证检验了投入产出关系的传导机制，深化了对产业链韧性形成规律的理论认识。

应用价值：研究结论为政府提升产业链供应链韧性与安全水平提供了精准、可操作的政策依据。 1. 识别与加固薄弱环节：应重点关注并支持那些已识别出的低韧性行业（如石油炼焦、专用设备制造等），防止其成为产业链“断点”。 2. 支持与强化核心枢纽：应对生产网络中的高中心度行业给予重点监测和支持，发挥其韧性“枢纽”的稳定和带动作用。 3. 实施需求侧牵引策略：政策制定应更加重视激发和保障下游终端产业的活力与韧性，通过稳定需求侧来有效拉动整个产业链的恢复与升级。例如，在应对冲击时，针对下游重点行业的扶持政策可能产生更大的全局性乘数效应。

六、 研究的亮点

1. 研究视角新颖：从产业链生产网络的系统视角出发，同时关注节点（行业）韧性和网络关联韧性，弥补了现有文献的不足。
2. 数据方法创新：开创性地利用高频、客观的行业日度用电量数据来测度行业产能波动，并以此为基础计算韧性指标，提高了测度的时效性和准确性。
3. 方法论融合：巧妙融合了时间序列分析（TVP-VAR）、格兰杰因果检验、复杂网络分析和空间计量经济学（SAR）等多种方法，构建了一个从测度、关联识别到机制检验的完整、严谨的实证分析链条。
4. 关键机制发现：实证发现了“下游需求侧韧性对上游供给侧具有更强溢出效应”这一重要机制，颠覆了单纯关注供应链安全的传统思路，强调了需求侧管理在提升产业链整体韧性中的核心地位，具有深刻的政策启示。

七、 其他有价值的内容

研究选取福建省作为案例具有典型性和推广价值。福建省产业结构完整，兼具传统优势产业和战略性新兴产业，且作为“一带一路”核心区连接国内外市场，其产业链韧性研究对全国具有借鉴意义。此外，文中对“网络首发”流程和意义的说明，也体现了当前学术出版的新模式。研究团队来自高校科研机构与电力行业企业，这种产学研结合的模式保障了数据获取的可靠性与问题研究的现实针对性。