基于城际创业投资联系的中国城市网络结构和组织模式

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

钱肖颖^,¹^,²^,³^,⁴^,⁵, 孙斌栋^,¹^,²^,³^,⁴^,⁵

1.华东师范大学中国行政区划研究中心,上海 200241

2.崇明生态研究院,上海 202162

3.华东师范大学未来城市实验室,上海 200241

4.华东师范大学中国现代城市研究中心,上海 200062

5.华东师范大学城市与区域科学学院,上海 200241

The spatial structures and organization patterns of China's city network based on inter-city startup investments

QIAN Xiaoying^,¹^,²^,³^,⁴^,⁵, SUN Bindong^,¹^,²^,³^,⁴^,⁵

1. Center for Studies of Administrative Division of China, East China Normal University, Shanghai 200062, China

2. Institute of Eco-Chongming, Shanghai 202162, China

3. Future City Lab, East China Normal University, Shanghai 200062, China

4. The Center for Modern Chinese City Studies, East China Normal University, Shanghai 200062, China

5. School of Urban and Regional Science, East China Normal University, Shanghai 200241, China

通讯作者: 孙斌栋（1970-）,男,河北阜平人,教授,博士生导师,主要从事城市地理与经济地理研究。E-mail: bdsun@re.ecnu.edu.cn

收稿日期:2019-11-25接受日期:2020-05-18网络出版日期:2021-02-10

基金资助:

国家社会科学基金重大项目.17ZDA068

Received:2019-11-25Accepted:2020-05-18Online:2021-02-10
作者简介 About authors
钱肖颖（1992-）,男,江苏苏州人,博士研究生,主要从事经济地理学方向研究。E-mail: qianxy77@163.com

摘要
鉴于现有的城市网络研究尚没有关注企业间投资这一最重要的经济行为之一,所得认知不全面,本文基于城际创业投资联系这一全新视角,刻画了中国城市网络的结构和组织模式,以丰富城市等级和距离衰减作用下的城市网络研究。从节点看,城际创业投资空间分布不均,高度集中在超大城市和直辖市。从联系看,城际创业投资具有明显的层级性,形成以京沪深为顶点的三角形框架,同时城际投资联系的距离衰减特征不充分,高等级城市不受距离约束,尤其是以京沪深为核心的三大城市群间的远距离联系,在1200 km左右形成投资“热岛”。从子网络看,城际创业投资可分成7个社区,社区分布具有“大集聚、小分散”特征,不同社区内部的组织模式各异,主要包括“单中心”模式、“一核多副”模式、“两核多副”模式和“多中心”模式。本文的创新点不仅在于填补了企业间投资网络研究的空白,还与企业总部分支网络进行了比较,结果发现城际创业投资的距离衰减特征强于企业总部分支网络,而等级联系特征则弱于企业总部分支网络。。
关键词： 城市网络;投资联系;空间结构;组织模式;社区分析;中国

Abstract

The multi-level perspective city network is of great significance in understanding spatial interaction and linkages. Based on inter-city startup investments data, this study offers a new perspective to identify the spatial structure of China's city networks from node- to linkage-level, and further explore the organization patterns from sub-network-level. This study can deepen the understanding of city network structure under the effects of city hierarchy and distance decay. The results are shown as follows. At the node-level, the distribution of startup investments is uneven and highly concentrated in megacities and municipalities. Moreover, the rank-size distribution of startup investments tends to be more monocentric than that of population and GDP. At the linkage-level, first, the city network based on startup investments has an obvious hierarchical structure, and the connections between Beijing, Shanghai and Shenzhen are the strongest and form a triangular framework. Second, inter-city startup investments are mainly flowing within the same industry, and the service industry owns the most outflows and inflows. Third, inter-city startup investments display distance decay, but high-hierarchy cities can break the distance constraint. For example, the linkages are close between the three urban agglomerations with Beijing, Shanghai and Shenzhen as the cores. At the sub-network-level, seven communities are identified through community analysis, and we suggest that the community boundaries have two spatial characteristics including administrative district economy and the spillovers from high-hierarchy cities. Additionally, the organization patterns of communities are various, including single-core; single-core and multi-pairs; double-core and multi-pairs; and multi-core patterns. Compared with the existing research for other perspectives of city network, there are two new findings in our study.

Keywords：city network;investment linkages;spatial structure;organization model;community analysis;China

PDF (4221KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
钱肖颖, 孙斌栋. 基于城际创业投资联系的中国城市网络结构和组织模式. 地理研究[J], 2021, 40(2): 419-430 doi:10.11821/dlyj020191023
QIAN Xiaoying, SUN Bindong. The spatial structures and organization patterns of China's city network based on inter-city startup investments. Geographical Research[J], 2021, 40(2): 419-430 doi:10.11821/dlyj020191023

1 引言

随着互联网等现代通讯技术和现代交通工具的发展,城市生产方式和空间组织模式发生巨大变革,人员、货物、资金、信息等要素在城市之间流动愈加频繁^[1]。城市不再是一个孤岛,而是彼此相互联系的整体^[2]。城市网络概念应运而生,指相似或互补的城市间形成的具有水平或垂直联系的网络体系,强调专业化分工和外部性^[3]。Castells提出“流空间”概念,推动了城市网络研究的深入,城市研究领域出现“网络”转型,从传统的“地方空间”转向“流空间”^[4]。城市间的要素流动会受到城市等级和地理距离的共同影响,表现出不同的结构特征和组织模式^[5]。一般而言,城市间的联系会受到地理距离的约束发生距离衰减,但高等级的城市却能克服距离约束而与其他城市产生紧密联系。

目前,国内外实证研究从多个视角刻画城市网络,集中在基础设施、企业组织和文化技术3个方面。具体来看,基础设施主要通过电信^[6]、互联网络^[7,8]、交通网络^[9,10,11]来刻画城市联系。企业组织主要通过企业内总部分支联系^[12,13]和企业间分工合作联系^[14,15]来反映城市联系。社会网络主要通过科研^[16]和专利合作^[17,18]及个人社交^[19]等来表现城市联系。

企业组织是城市网络的重要表达方式,企业在扩展业务、改善经营、生产分工等的过程中往往会与其他城市产生联系,创造或扩大了企业所在城市之间的交流,促进城市网络的发展^[20]。由于企业内部联系数据相对容易获取,如APS企业^[21,22]和大企业总部分支^[23,24]数据等被广泛用于中国城市网络研究。而企业间联系数据由于较难获得,目前基于企业间联系的城市网络研究仍非常匮乏,主要使用问卷调查的企业间合作关系^[14,25]、APS企业间服务关系^[15,26]和电影产业中企业项目合作关系数据^[27],这些数据涵盖企业范围较少、数据量小,因此对反映中国城市网络可能存在偏差。

创业投资是最重要的企业联系之一,却至今没有得到城市网络研究的关注。创业投资指企业通过对新创企业进行股权投资,包括在本行业投资以实现企业规模扩大,或在其他行业投资以实现企业范围经济、降低经营风险^[28]。创业投资可分为创立期、起步期、扩张期、成熟期4个阶段,创立期和起步期占总投资的三分之一,且比例呈上升趋势^[29]。创业投资除了反映企业间的资金流动,还隐含了信息、技术、设备、人力、经营文化等企业运营所需的对外输出^[30,31],能够很好的刻画城市网络。同时,创业投资受到市场规模、关键资源和交易成本的影响^[12],因此对城市等级和地理距离十分敏感,城市等级决定了企业获得关键资源和市场规模的潜力,而距离会影响投资的交易成本^[32],因此基于投资联系的城市网络更容易^[15,30]受到城市等级和地理距离的相互影响,研究企业间投资联系对完善现有城市网络理论具有重要意义。此外,企业投资一直是国民经济发展的重要驱动力,相较外资投资,国内企业投资增长迅猛^[28],因此促进企业城际投资在促进地区发展和缩小区域差异方面具有重要政策意义。

鉴于企业间投资的重要性和研究的相对不足,本文从城际创业投资联系这一新视角,从节点、联系、子网络层面对城市网络的空间结构和组织模式进行分析和解读,希冀获取不同于以往其他视角网络研究的新发现。

2 研究方法和数据来源

2.1 研究方法

2.1.1 位序规模分布系数城市位序规模分布原本用来反映区域内城市人口规模的空间分布特征。本文为了反映全国创业投资的空间结构特征,测度上沿用Burger等的做法,以每个城市投资总量（流出和流入资金总和）的位序规模分布测度全国的投资多中心程度^[33],其公式如下：

\ln N_{i} = C - q \ln R_{i}

式中：

N_{i}

是i城市的投资总量;

R_{i}

为城市排序;q为取绝对值的回归系数,q越大,表明核心城市在城市间功能联系的地位越突出,区域越趋向于单中心首位分布。

2.1.2 社区分析社区分析（community）用来反映网络的局部集聚特征,社区内城市联系强,社区间联系弱。本文根据城际创业投资联系的强弱,采用Louvain社区分析算法将全国划分为若干城市组团^[34],并采用“模块度”指标对划分结果进行评价^[35],这一指标被多项研究所使用。该指标比较了社区内部联系密度与社区间联系密度的相对大小,模块度值越高,表示网络划分的结果越好,模块度越低,表示当前网络的社区结构不突出,一般值高于0.5时,表明结果良好。具体公式如下：

Q = \overset{n}{\sum_{m = 1}} [\frac{l_{m}}{L} - {(\frac{d_{m}}{2 L})}^{2}], m \leq n

式中：n表示计算出的社区数量;L表示网络中投资总额;

l_{m}

表示第m个社区内部的投资金额;

d_{m}

表示社区m中与各节点相关联系数量之和。

2.2 数据来源

本文创业投资指企业创立期投资,即对新注册企业进行股权投资,占新企业注册金的比重。创业投资数据来自企查查网站（https://www.qichacha.com/）,该网站是企业大数据交互平台,网站企业数据来源于国家企业信用信息公示系统（http://www.gsxt.gov.cn/）,包含中国所有注册企业（包括在位和已注销企业）,并提供准确及时和完整的企业信息,目前不少研究使用了企查查网站中的企业数据^[28]。

最终获得的2017年所有登记的企业投资数据涵盖中国315个地级市,具体包括投资企业和被投资企业的名称、地址和企业属性,以及投资金额。首先,为了防止可能存在的统计错误和异常值,对数据进行了检查,并随机抽取了200条投资数据与国家企业信息查询系统进行人工验证,结果一致,最后获得企业间投资数据187129条。其次,本文将企业间投资金额在城市节点上累加,使其变成315×315地级市间的投资矩阵。最后,本文将发生在同一城市内的投资数据剔除,仅保留城市间的投资数据,城市间投资占总投资的38%。

本文还进一步使用企业总部分支数据,与创业投资联系结论进行比较。企业总部分支数据来自2017年企查查企业名录数据（https://www.qichacha.com/）,并根据赵渺希等对企业数据的处理方法计算获得^[36]。

3 中国城市网络的结构特征

3.1 城市节点

首先,本文将城际创业投资汇总到城市,得到城市投资的流出、流入和流动总量,利用自然断点法将城市投资量分为6个等级（图1a）,结果显示,城市创业投资空间分布不均,大部分城市投资总量低于平均值,属于低值范围0~94的城市达218,而高值范围1065~11040的城市仅15个,资金流出流入也有相似的特征。京沪深是资金主要流出地,占总流出的54%,长三角地区是资金主要流入地,资金流入最多的前五位城市分别为杭州、宁波、嘉兴、芜湖和上海全在长三角。与企业总部分支网络相比,长三角在创业投资网络中有更高的地位。如在企业总部分支网络中,长三角占企业总部和企业分支的比重分别为10%和12%;而在创业投资网络中,长三角占投资总量、资金流出和流入量的比重分别为19%、15%和24%。

图1

新窗口打开|下载原图ZIP|生成PPT
图1中国城际创业投资的空间分布

注：此图基于国家自然资源部标准地图服务系统的标准地图（审图号：GS(2020)4615号）绘制,底图无修改。
Fig. 1The distribution of cities' startup investments in China

其次,本文将城市投资汇总到不同的城市人口规模（图1b）和城市等级（图1c）,结果显示,投资主要集中大城市和直辖市,人口大于500万的城市占投资总量的69%,其中人口超过1000万的超大城市分别占投资总量、资金流出和流入量的31%、47%和15%;直辖市和省会城市占了总投资额的53%,尤其是4个直辖市,分别占资金总流量、资金流出和资金流入的28%、10%和45%。

最后,分别计算全国的城市资金流动总量、资金流出、资金流入、人口和GDP的位序规模分布指数。结果显示,资金流动总量的位序规模指数为1.91,资金流入为1.82,资金流出为2.23,远大于人口的0.72和GDP的0.92,表明城市创业投资相较于人口和GDP分布具有更加显著的单中心首位分布特征。

3.2 城市联系

首先,根据自然断点法,本文将城市间的投资联系分为4个级别（图2）,发现其具有明显的层级性,形成以京沪深为顶点的三角形框架,具体结果如下：

图2

新窗口打开|下载原图ZIP|生成PPT
图2不同层级的中国城际创业投资网络

注：此图基于国家自然资源部标准地图服务系统的标准地图（审图号：GS(2020)4615号）绘制,底图无修改。
Fig. 2Hierarchies of network based on intercity startup investment in China in 2017

一级联系：共7对联系,占投资总量的15.8%,分别是北京→宁波、北京→芜湖、深圳→杭州、北京→杭州、上海→杭州、北京→嘉兴和上海→金华。连接指向上表现为以北京、上海和深圳为辐射中心,长三角地区为主要投资承接地。

二级联系：共38对联系,占投资总量的22.8%,如北京→上海、上海→宁波、深圳→上海、上海→北京、上海→嘉兴。其中,资金流动高度集中在东部地区,东部城市之间占21对,东部到中部有10对,东部到西部有4对,中西部城市间的投资联系仅有3对。成渝加入到城市网络中,构成以京沪深（广）成（渝）为顶点的“菱形”结构,在菱形结构内,又形成了以武汉、郑州、南京、长沙为节点的若干子网络,而东北等外围区域通过较少的联系与菱形区域连接。

三级联系：共135对联系,占总投资总量的25.1%。投资网络明显扩大,由东南沿海地区迅速扩展到东北、西南和西北地区,哈尔滨、昆明、南宁、乌鲁木齐等边缘核心城市加入,中西部的武汉、重庆、南昌、合肥、郑州、成都等城市迅速结网,成为区域性核心城市。

四级联系：共3236对联系,占投资总量的36.3%,覆盖了全国306个节点,新增大量西部节点,网络节点分布相对均衡,多边联系增多,联系规模较小,呈现复杂的网络化形态。西部和东北地区偏远省份内部联系较弱,更多与京沪深等高等级中心城市发生联系。

此外,本文发现一级联系以北京→宁波、北京→芜湖、北京→杭州等距离较远城市间的联系为主,而非北京→天津或上海→苏州、深圳→东莞等临近地区联系。主要有两方面原因,一方面杭州、宁波和芜湖拥有适合创业的市场环境,是2017年创业投资流入前四的城市,分别占总投资的10.7%、8.8%和4.8%,承接投资能力强,商务服务业和金融业是资金的主要流入部门,这些地区不仅吸收来自周边中心城市的资金,同时吸引其他地区资金流入;另一方面,北京作为中国政治中心和金融监管中心,是上市公司和投资机构的聚集地,辐射能力显著大于上海和深圳,2017年其流出资金是上海和深圳的2.4倍和2.6倍,商务服务和金融业是其主要流出部门,由于商务服务业和金融业受距离约束较小,市场因素是主导因素^[16],因此北京优先选择了较远但市场潜力较大的长三角地区,而非临近城市,打破了距离约束。

其次,本文将不同距离的城际投资联系加总（图3）。结果显示,城际创业投资同时包含了距离衰减和等级联系特征。总体来看,92.2%的投资联系资金集中在1600 km以内,但是投资联系在该距离内呈现先下降,然后在1000~1600 km之间先增长后下降的过程。因此在1200 km左右具有一个显著的“热岛”,该范围恰好是以京沪深为核心的三大城市群之间的距离,考察该范围内的投资联系,发现三大城市群之间的投资联系占该范围内总投资的82.9%。分城市规模看,人口大于1000万的城市距离衰减特征较弱,“热岛”现象明显,56.3%的投资都集中在1000~1600 km之间;人口500~1000万的城市具有距离衰减特征,但在800 km左右也存在投资“热岛”;500万以下城市具有典型的距离衰减模式,这表明城市规模越大,城市投资受地理距离约束越小,而受城市等级影响越大。

图3

新窗口打开|下载原图ZIP|生成PPT
图3城际投资联系的距离衰减特征及与其他联系比较

Fig. 3Distribution of startup investment linkages by distance in China

与企业总部分支联系的距离衰减特征相比（图3）,基于创业投资的城际联系在500 km范围内更强,在600~1000 km内则较弱。同时,创业投资在1000~1600 km内的热岛效应也低于企业总部分支。这一差异与两者对成本的敏感性有关,理论上距离会增加企业对外联系的风险成本,而创业投资对风险成本的敏感性更高,受距离约束更大^[37]。

4 中国城市网络的组织模式

4.1 社区分析

社区分析反映了城市网络内部的集聚模式与功能结构,具有社区内部联系紧密,社区间联系少的特征,可用于探究区域子网络的组团特征。因此,本文基于创业投资联系数据,运用社区分析公式对中国地级市以上城市进行划分（图4）。总体来看,中国城市创业投资网络最终分为7个社区,模块度为0.32,社区分布呈现“大集聚,小分散”特征,较为混杂。

图4

新窗口打开|下载原图ZIP|生成PPT
图4中国城市网络的社区分析

注：此图基于国家自然资源部标准地图服务系统的标准地图（审图号：GS(2020)4615号）绘制,底图无修改。
Fig. 4Community analysis and dominant linkage of city network in China

具体来看,部分地区社区分布较为集聚,表现为两种特征,一是社区分布受到省级行政边界约束,呈现出明显的行政区经济特征,如社区6（湖北）、社区7（河南）。这是因为在中国“自上而下”和“强政府、弱市场”体制背景下,省内资金流动有利于避免政策壁垒、行政管理体系等因素的约束,降低交易成本,具有天然优势,导致省内投资优先于省际投资,省级行政边界成为了企业投资的分割边界;二是社区分布受高等级城市影响,呈现跨越省级行政边界的溢出效应,如社区1、社区2、社区3和社区4。这四个社区分别以北京、上海、深圳和成渝为核心,这些城市作为全国金融中心或商贸中心,城市等级性强,投资辐射范围广,使得其所在社区超越了省级行政边界,甚至城市群的边界。

此外,高等级城市影响还能打破距离约束,使社区呈现分散布局,如以京沪深为核心的社区1、社区2和社区3。由于部分省份缺乏具有影响力的中心,投资联系与京沪深更为紧密,如广西、云南、内蒙古、甘肃、新疆、西藏等,没有形成独立的社区,而是被京沪深所在的社区分割,社区分布较为混杂。

与企业总部分支网络的社区划分结果比,创业投资网络的社区特征更明显,范围更受距离约束。这一差别主要因为投资行为对市场规模的敏感性低于企业总部分支联系。企业设立分公司主要出于扩大市场目的,因而对城市等级具有一定门槛要求,优先考虑等级较高城市,受距离导致的交通成本和风险成本约束小。而投资行为相对灵活,可以根据市场规模调整投资比重,对城市等级的门槛比总部分公司低,为了减少投资中产生的交易成本,投资行为更偏向于邻近的高等级城市^[38]。

4.2 首位联系

由社区分析可知,社区分布同时具有集聚和分散特征,说明城市创业投资能够跨越地理距离束缚。因此,在距离衰减不充分情况下,本文使用首位联系来探究社区内的投资网络组织模式。首位联系表示某城市与其相互投资最大的城市间的联系,构成了城市网络中的主干^[11],首位联系数量是指城市拥有将其作为最大联系的城市数量,数量越多,表示城市在网络中越重要。如图5,线为首位联系,点为城市的首位联系数量,本文将首位联系数量大于10的城市定义为中心城市,3~9的城市为次中心城市,小于2的城市为节点城市。

图5

新窗口打开|下载原图ZIP|生成PPT
图5中国城市网络的首位联系

注：此图基于国家自然资源部标准地图服务系统的标准地图（审图号：GS(2020)4615号）绘制,底图无修改。
Fig. 5Dominant linkage of city network in China

总体来看,投资网络中的中心城市有8个,次中心城市有13个。中心城市分别为北京、上海、深圳、成都、杭州、郑州、广州、武汉。其中,京沪深成分别集合了78对、32对、26对和25对首位联系,占全部首位联系的52%,辐射能力强,能够打破距离的约束,是中国东西南北四大区域的主要首位联系汇合点;次中心主要为省会城市和副省会城市,其影响力有限,主要辐射周边节点城市,地理邻近性特征明显。从空间形态看,以不同中心城市为核心的城市网络的组织模式各异,可划分为“单中心”模式、“一核多副”模式、“两核多副”模式和“多中心”模式,具体空间内涵如下。

4.2.1 “单中心”组织模式 “单中心”模式以单个中心城市为核心,没有形成次中心,处于绝对主导地位,与周围近距离节点城市联系紧密（图6a）。任何城市不可能拥有支配其发展的所有资源,所以城市必须与其他城市通过交换获得关键资源以维系城市发展。“单中心”模式网络结构中,中心城市占主导地位,而外围地区较弱,高等级城市功能主要集中在中心城市,对生产要素具有强大的吸附和配置能力,企业投资主要发生在与中心城市之间,以获得关键资源,导致中心城市能够进一步巩固其优势地位。社区6和社区7都明显呈现出这一特征,分别以武汉和郑州为中心城市,连接邻近地区的其他节点城市,这些节点城市往往距离中心城市较近且受行政边界约束,仅有各别节点城市距离较远。

图6

新窗口打开|下载原图ZIP|生成PPT
图6中国区域城市投资网络的组织模式

Fig. 6Spatial organization patterns of regional city network in China

4.2.2 “一核多副” 组织模式 “一核多副”模式以单个中心城市为核心,连接一个或多个次中心城市和节点城市,等级联系明显,但水平联系较弱（图6b）。随着中心城市的不断增长,其辐射范围不断扩大,中心城市不受距离约束,但距离增加会导致投资的交易成本逐步扩大,为了减少交易成本带来的投资风险和不确定性,企业倾向于市场潜力大或已建立联系的城市进行合作^[39]。而节点城市通过这种“依赖”带来的功能溢出不断发育,逐步形成一个或多个次中心,但是由于次中心功能有限,只能辐射相邻的节点城市,难以与同等级次中心间形成水平联系。社区1和社区4都明显有这一特征,如社区1以北京为中心城市,连接太原、石家庄、青岛、合肥4个次中心城市,同时北京还连接周边和较远距离节点城市,不受距离约束;次中心城市主要连接相邻节点城市,联系范围被约束在省内,次中心城市间水平联系也较弱。以成都为核心的社区4与其类似。

此外,值得注意的是,社区1中,次中心城市离北京越近,其辐射的节点城市越少,如距离较近的石家庄的首位联系数量仅为3个,天津甚至没有成为次中心城市,而距离较远的太原、青岛和合肥分别为7个、9个和9个,这说明北京对资源支配过强,使得邻近次中心城市难以成长,使得周边地区出现“灯下黑”地带。

4.2.3 “两核多副”组织模式 “两核多副”模式包含两个中心城市和多个次中心城市,各级城市间的垂直和水平联系密切,网络结构特征明显（图6c）。表明在“一核多副”基础上,次中心城市进一步发育,功能逐渐与中心城市接近甚至超越,区域由单核心转化为双核心,而次中心城市升级后与原有中心城市仍保持密切联系。此外,次中心城市功能变强,推动了与其他同级城市间的水平联系。社区2和社区3具有这一显著特征,社区2以上海和杭州为双核心,南京为次中心城市,上海辐射范围最大,与中国东北、西南、西北节点城市均有联系,而杭州辐射力稍弱,仅与西部地区有少量联系,而南京主要辐射周边地区。以深圳和广州为双核心的社区3也有类似特征。

4.2.4 “多中心”组织模式 “多中心”组织模式没有很强的中心城市,由多个次中心城市构成,连接距离较近的节点城市,其彼此间可能存在水平联系,也可能相互独立（图6d）。当社区内各城市发展水平较为相似,中心城市辐射能力较弱,彼此间不存在显著的经济中心或增长极,从空间组织模式上看,整个区域属于低水平的多中心均衡状态。社区5具有这一显著特征。社区5以长春、沈阳和大连为次级首位城市,沈阳和大连间联系相对较多,长春相对独立,该区域整体投资无论从流出还是流入都较少,缺乏市场规模和关键资源的吸引力是导致该区域维持在低水平多中心的主要原因。

5 结论与讨论

城市网络研究的视角和尺度在不断丰富,但尚没有关注企业间投资这一最重要的经济行为之一。本文基于城际企业创业投资数据,从节点、联系和子网络3个层面对企业创业投资视角下的城市网络结构和组织模式进行解读。结果显示,从节点看,城市创业投资空间分布不平衡,高度集中在少数城市,超大城市和直辖市是投资网络的核心,具有相较于人口和经济更为显著的单中心首位分布特征;从联系看,城际投资联系具有明显的层级性,以京沪深为顶点,同时城市间的投资联系距离衰减特征不充分,高等级城市能够打破地理距离的束缚,尤其是以京沪深为核心的三大城市群间的联系,在1200 km左右形成投资“热岛”;从子网络看,根据社区分析,城际投资网络主要由7个社区构成,社区分布具有“大集聚,小分散”的特征,不同社区内部的组织模式各异,主要包括“单中心”模式、“一核多副”模式、“两核多副”模式和“多中心”模式。

本文基于企业间投资联系的中国城市网络分析,在一定程度上弥补了现有研究中关于宏观尺度资金流数据刻画城市网络的缺失,丰富了城市等级和距离衰减作用下城市网络的研究内容,同时也有了与以往城市网络研究不同的发现：① 企业投资网络中的距离衰减特征强于企业总部分支网络,但等级联系特征弱于企业总部分支网络;② 与企业总部分支网络相比,长三角在投资网络中体现出更高的地位,尤其是在承接创业投资上。

本文不足在于,创业投资联系只包含了企业成立时的初次投资,受限于数据来源和获取,一定程度上忽略了新企业成立后的用于企业扩张的投资联系。由于篇幅限制,本文也没有对更细空间尺度进行考察。未来的研究将基于县级单元尺度,考察中国城市网络空间结构和组织模式,为不同尺度空间关系带来新的视角和理论认知。

致谢

真诚感谢匿名评审专家在论文评审中所付出的时间和精力,评审专家对“距离衰减不充分”的观点,让本文得到了更客观的网络空间组织模式,使本文获益匪浅。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

Taylor P

, Hoyler

, Verbruggen

. External urban relational process: Introducing central flow theory to complement central place theory
Urban Studies, 2010,47(13):2803-2818. DOI: 10.1177/0042098010377367.

[本文引用: 1]

[2]

Dicken

, Kelly P

, Olds

, et al. Chains and networks, territories and scales: Towards a relational framework for analysing the global economy
Global Networks, 2001,1(2):89-112. DOI: 10.1111/1471-0374.00007.

[本文引用: 1]

[3]

Capello

. The City Network paradigm: Measuring urban network externalities
Urban Studies, 2000,37(11):1925-1945.

[本文引用: 1]

[4]

Castells

. Globalisation, networking, urbanisation: reflections on the spatial dynamics of the information age
Urban Studies, 2010,47(13):2737-2745. DOI: 10.1080/713707232.

[本文引用: 1]

[5]

Pan

, Bi

, Lenzer

, et al. Mapping urban networks through inter-firm service relationships: The case of China
Urban Studies, 2017,54(16):3639-3654. DOI: 10.1177/0042098016685511.

[本文引用: 1]

[6]

董超, 修春亮, 魏冶. 基于通信流的吉林省流空间网络格局
地理学报, 2014,69(4):510-519.