EN中文

地球信息科学学报 >

2022 , Vol. 24 >Issue 1: 141 - 152

DOI: https://doi.org/10.12082/dqxxkx.2022.210435

地理空间分析综合应用

中国城市网络核心-边缘结构演化及影响因素研究——基于制造业企业网络视角

  • 王传阳 ,
  • 盛科荣 , * ,
  • 张杰
展开
  • 山东理工大学经济学院,淄博 255012
* 盛科荣（1977― ）,男,山东日照人,博士,教授,硕士生导师,主要从事城市地理和区域可持续发展等领域的研究。E-mail:

王传阳（1999― ）,男,山东临沂人,硕士生,主要从事区域经济和城市网络等领域的研究。E-mail:

收稿日期: 2021-07-28

  修回日期: 2021-09-15

  网络出版日期: 2022-03-25

基金资助

国家自然科学基金项目(41771173)

版权

版权所有,未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。
收起

Dynamics and Determinants of the Core-Periphery Structure of Urban Network in China: A Study based on the Corporate Network of Manufacturing

  • WANG Chuanyang ,
  • SHENG Kerong , * ,
  • ZHANG Jie
Expand
  • School of Economics, Shandong University of Technology, Zibo 255012, China
* SHENG Kerong, E-mail:

Received date: 2021-07-28

  Revised date: 2021-09-15

  Online published: 2022-03-25

Supported by

National Natural Science Foundation of China(41771173)

Copyright

Copyright reserved © 2022
Fold

摘要

基于制造业企业网络视角的城市网络核心—边缘结构的研究将加深对城市网络演化规律的理解。利用2020年中国制造业500强企业网络数据和隶属联系模型构建城市网络,研究了中国城市网络核心—边缘结构的演化特征,定量测度了核心—边缘结构的影响因素,并根据国际生产折衷理论解析了城市网络地位分异的动力机制。研究发现: 2005—2020年,核心区块的城市数量逐渐增加,主要由直辖市、经济特区以及东、中部地区的省会城市组成,这些城市通过互惠性的链接关系形成了凝聚子群,网络权力较为集中;边缘区块的城市则主要位于中、西部地区,城市间经济联系相对稀疏,整体网络结构并不稳定,城市的发展受到了网络资本的约束。关键资源、基础设施和区位优势是影响中国城市网络地位的决定性因素,择优选择、网络邻近和路径依赖构成了中国城市网络核心—边缘结构演化的动力机制,这将进一步增强核心城市的网络地位。在网络环境下,城市间的差距趋于扩大,城市网络地位的提升取决于城市在网络中的影响力,中国城市化政策需要做出相应调整。

关键词： 中国制造业企业500强; 隶属联系模型; 核心—边缘结构; 演化特征; 国际生产折衷理论; 动力机制; 路径依赖; 流动空间

本文引用格式

王传阳 , 盛科荣 , 张杰 . 中国城市网络核心-边缘结构演化及影响因素研究——基于制造业企业网络视角[J]. 地球信息科学学报, 2022 , 24(1) : 141 -152 . DOI: 10.12082/dqxxkx.2022.210435

Abstract

With the increase of economic interaction between cities, the spatial division of functions within firms has gradually become an important feature of production over the past 30 years. Meanwhile, the number of branches of China's top 500 manufacturing companies has expended rapidly, which develops into the production network of manufacturing industry in China. As the basic carrier of the elements flow, through the lens of manufacturing enterprises can objectively reflect the differences of cities' network position. However, the core-periphery structure of urban network based on the manufacturing corporate network has been rarely studied so far. Hence, this paper aims to analyze the core-periphery structure and its determinants of unban network for developing urban network theory and improving urbanization policy in China. First, data on headquarter and branch locations of China's top 500 manufacturing companies in 2020 are subjected to ownership linkage model to approximate the urban network, resulting a 290×290 valued urban network. Then the influence factors are examined by using 2 types of econometric models, i.e. pooled logit model and pooled probit model. Finally, according to the eclectic paradigm of international production, this paper tentatively put forward a new evolution characteristic of core-periphery structure under the network environment for further discussion. Four conclusions are drawn: (1) The number of core cities has expanded from 17 to 28, which are mainly constituted by municipalities, special economic zones, and capital cities in eastern and central regions of China. The core block is a cohesive subgroup composed of spatially dispersed but functionally connected cities, and the spatial distribution of structural holes is consistent with core cities; (2) The relationship between the core and periphery blocks has been strengthened, cities in the periphery block are mainly concentrated in central and western regions of China. However, the intercity linkages focus primarily on the core block, which leads to an unstable network structure; (3) Key resources, location conditions, and industrial structure are the key factors affecting the position of China's urban network. The improvement of human capital, knowledge base, infrastructure, and FDI will highly improve the odds of cities' membership in the core block; (4) Selecting superior actors, geographical proximity, and path dependence are the dynamic mechanisms in the evolution of core-periphery structure of China's urban network, which will further strengthen the network position of core cities. The results demonstrate that the network position of cities is closely related to their influence or power in the unban network, so China's urbanization policy need to be adjusted accordingly.

Key words： China's top 500 manufacturing companies; ownership linkage model; core-periphery structure; evolution characteristics; the eclectic theory of international production; dynamic mechanism; path dependence; space of flows

1 引言

改革开放以来,随着交通和通讯成本的大幅度降低,资本、信息、技术的流动日益频繁,传统的“场所空间”正在向“流动空间”转变[1]。一方面,越来越多的企业投资突破了地理距离的限制,产品价值链的生产分割成为企业生产的重要特征,企业的生产网络基本成型。其中,制造业对中国城市经济发展依然十分重要,根据南方财富网的报告,2020年中国制造业500强企业的总营业收入为37.43万亿元,占当年中国GDP的36.84%。公司总部位于142个地级行政区,分支机构几乎遍及中国所有地级城市。另一方面,城市的发展已经跨越了自身的边界,通过网络将各个城市紧密的连接起来,形成了城市网络[2]。随着城市逐渐作为城市网络的节点而存在,城市的命运往往与城市在网络中的地位息息相关[3]。因此,传统的城市体系正在向以企业产品价值链分工网络为基础的城市网络体系转变。
基于企业网络视角的城市网络研究已经引起了学术界的广泛关注[4]。西方国家在这一领域的研究较早,目前主要形成了链锁网络模型和隶属联系模型这两类将企业网络投影为城市网络的转译模型[5,6]。近些年,国内学者基于企业网络视角在城市网络领域也开展了大量的研究,围绕上市公司[7,8]、高级生产性服务业[9]、制造业[10,11,12]、物流业[13]、金融服务业[14]等企业及其部门联系构建城市网络,从不同行业对城市网络的空间结构、权力地位等特征进行了实证研究。这些研究均加深了对城市网络发展规律的理解,但是其中为数不多的基于制造业企业视角的研究主要针对汽车零部件产业[10]、电子信息产业[11]、装备制造业[12]等子行业,亟需针对制造业全行业视角的研究。
核心-边缘结构是区域经济发展不平衡的重要特征。自Friedmann[15]提出核心-边缘结构以来,该议题一直是地理学研究的热点问题。早期的研究主要基于场所空间的视角,依托核心-边缘理论,定性地识别核心区域和边缘区域,在流动空间环境下的解释力度不足。近年来,一些学者从不同行业、不同空间尺度揭示了城市网络核心-边缘结构的空间特征,如李仙德[7]基于上市公司视角解析了长三角地区城市网络的核心-边缘结构特征,唐承辉等[13]基于物流企业视角揭示了中国城市网络多核心、非均衡的特征,盛科荣等[8]基于中国上市公司500强视角揭示了中国城市网络地位“核心-半边缘-边缘”的结构特征。但是现有的文献缺乏对核心-边缘结构微观机理的研究,并且相关研究主要围绕城市网络地位和权力来识别城市网络的核心-边缘结构,对核心区域和边缘区域的分析不足。因此,城市网络核心-边缘结构影响因素的识别及其作用机理的研究,将加深对城市网络空间结构的理解,并为未来城市治理提供科学参考。
基于以上考虑,本文基于2020年中国制造业500强企业网络视角,研究了中国城市网络核心-边缘结构的演化特征及其影响因素。首先根据中国制造业500强企业网络数据构建城市网络,利用核心-边缘结构模型识别不同时期的核心城市与边缘城市,并从多角度分析核心-边缘结构的演化特征;接着利用混合Logit回归模型和混合Probit回归模型测度了核心-边缘结构的影响因素,在产品价值链分割的基础上分析了中国城市网络核心-边缘结构的演化机理;最后,尝试性的讨论了场所空间和流动空间环境下核心-边缘结构演化的差异。本文揭示了制造业企业网络视角下城市网络核心-边缘结构的演化特征及其动力机制,研究结果对于加深城市网络组织规律的理解和城市网络理论体系的构建具有重要参考价值。

2 研究方法与数据来源

2.1 城市网络的构建

本文基于2020年中国制造业500强企业总部-分支机构数据,采用Alderson等[5]提出的隶属联系模型来界定城市间链接关系,即如果位于城市i的公司总部在城市j有n个存在投资关系的分支机构,则认为城市i向城市j发送了n条链接关系。制造业500强企业名单来自南方财富网（http://www.southmoney.com/）,企业样本基本涵盖了中国制造业的全部行业,总营业收入为37.43万亿元,占当年中国GDP的36.84%。其中,金属冶炼和金属制成品加工行业共140家,营业收入占比为24.51%;汽车、医疗、锅炉、电力电气等设备制造业和零售业共99家,营业收入占比为17.04%;石油、煤炭以及其他燃料制造加工业共30家,营业收入占比为10.63%;化工和化学制品制造业共47家,营业收入占比为8.31%;其他制造业（航空航天、兵器制造、食品加工、家用电器、半导体材料、纺织等）共184家,营业收入占比为32.13%。相较于单一行业视角的城市网络研究,本文基于制造业全行业企业的研究能够更加直接、全面地揭示中国城市网络的核心-边缘结构①(①单一行业视角的制造业企业大多集中于特定城市,例如化工和化学制品制造业企业主要位于无锡、烟台等城市,石油、煤炭以及其他燃料制造加工业企业主要位于东营、北京等城市。因此,基于全行业视角的制造业企业网络研究能够更加直观的揭示中国城市网络的核心—边缘结构。)。企业分支机构数据主要通过网络爬虫技术从企查查网站（https://www.qcc.com/）获得,共计16 838家,包含了分支机构的注册地址、成立时间、隶属行业等信息,同时根据各个公司的年报数据进行了补充和校正,确保数据的完整性和可靠性。城市样本为中国大陆290个地级市（由于数据获取困难,本次研究不包括香港、台湾和澳门）。基于公司总部对外投资分支机构的时间,建立起2005、2010、2015和2020年4个时期的290×290的城市网络有向权重矩阵,矩阵中的数值代表对应城市间链接关系的强度。

2.2 核心与边缘区块的识别方法

2.2.1 离散模型
目前最为常见的核心-边缘结构模型由Borgatti等[16]提出,本文根据其核心-边缘结构的离散模型来识别不同城市的网络地位。首先将1作为临界值对权重网络进行二值化处理,得到观测矩阵;然后找到一个最为接近观测矩阵的模式矩阵,从而识别核心区块和边缘区块。模式矩阵和观测矩阵的接近程度由式（1）和式（2）进行衡量。
ρ = ∑ i , j a ij δ ij
δ ij = 1 如果 c i = 核心并且 c j = 核心 0 如果 c i = 边缘并且 c j = 边缘 · 其他情况
式中: c i（ c j）表示城市i（j）属于核心区块或边缘区块; a ij表示观测矩阵中城市i和城市j的联系; δ ij表示在模式矩阵中城市i和城市j之间是否存在联系。由于核心区块与边缘区块的联系难以确定准确的密度值,通常将核心区域与边缘区域外的非对角线区域看成缺失值（.）。这一模型属于核心-边缘联系缺失模型[17],通过寻找使核心区块密度最大并且边缘区块密度最小的模式矩阵,让观测矩阵和模式矩阵的相关系数ρ最大,从而识别中国城市网络的核心-边缘结构。
2.2.2 连续模型
核心-边缘结构的连续模型可以测量城市的核心度,从而识别城市的网络权力。连续模型的模式矩阵可以定义为:
δ ij = c i c j
式中: c i（ c j）是由每个城市节点的核心度组成的非负向量。核心度的取值范围是 0,1,城市的核心度越接近1,说明城市在网络中的权力越大。

2.3 网络结构的测度方法

2.3.1 个体网络指标
本文选取中介中心度和结构洞有效规模来衡量城市网络中各节点的网络位置和权力。中介中心度的测量方法如下:
C B ( i ) = ∑ k ∑ l [ g kl ( i ) / g kl ]
式中: g kl表示城市k和城市l之间最短路径的数量; g kl ( i )代表连接城市k和l并经过城市i的最短路径数量。中介中心度反映了城市对网络中资本流动的桥接能力。结构洞有效规模等于网络中的非冗余因素,有效规模越高说明城市拥有的网络资本越丰富。
2.3.2 整体网络指标
平均路径长度和聚类系数常被用来测量网络中的可达性和聚集性。平均路径长度是连接任意2个点之间最短路径的平均长度,公式如下:
L = 2 n ( n - 1 ) ∑ d ij
式中: d ij为节点i到节点j的平均路径距离。聚类系数是关于局部网络结构的指标,该指标有两种界定方式:平均局部密度和传递性比率。根据平均局部密度计算出来的聚类系数等于各个点密度系数的均值;根据传递性比率计算出来的聚类系数等于封闭三方组数量与三方组总量之比。相对较小的平均路径长度和相对较大的聚类系数表明城市网络具有小世界特征。

2.4 核心-边缘结构影响因素的计量方法

本文的被解释变量为二值变量:核心区块的城市赋值为1,边缘区块的城市赋值为0。因此,本文采用混合Logit回归模型（PLM）和混合Probit回归模型（PPM）来测度城市网络核心-边缘结构的影响因素。混合Logit回归模型基于“逻辑分布”的累计分布函数,而混合Probit回归模型基于“标准正态”的累计分布函数（CDF）, 2种模型相互补充。混合Logit回归模型和混合Probit回归模型的表达式为:
P y it = 1 | x it , β = e x it ' β 1 + e x it ' β
P y it = 1 | x it , β = ∫ - ∞ x it ' β 2 π - 1 / 2 e - x 2 / 2 d x
式中: y it是一个二值变量（ y it=1表示城市i在t时期为核心城市; y it=0表示城市i在t时期为边缘城市）; x it是t时期城市i的解释变量组成的向量; β为有待估计的系数。
城市节点之间存在密切的资本和经济联系,传统混合Logit模型和混合Probit模型得到的标准误将不再有效。非参数自助法（Nonparametric Bootstrap）无需对模型做出样本独立性的假设,比较适合城市网络环境下的回归分析。其具体步骤如下:① 将原始样本看作总体有放回的随机抽样,得到的新样本被称作“自助样本”;② 根据“自助样本”进行回归分析并得到拟合系数;③ 重复上述过程400次,得到拟合系数的抽样分布和样本方差,以此进行显著性判断。

3 中国城市网络核心-边缘结构的演化特征

3.1 核心城市主要位于高级别行政区,边缘城市主要位于中西部地区

通过核心-边缘结构离散模型识别的核心区块如表1所示。可以发现,核心区块城市的数量正在逐年上升。2005—2020年,核心区块城市的数量从17个增加到28个,同时61%的核心区块城市的核心度得到了提高。在这个过程中,除南京、苏州和绍兴外,曾经位于核心区块的城市会继续保持其核心地位,这表明核心城市的演化可能受到路径依赖机制的影响。值得注意的是,核心城市主要集中在中部和东部地区,大多由直辖市、省会城市和经济特区组成②(②云浮、南阳、温州、绍兴、无锡这些核心城市的出现主要是因为拥有较高的对外投资,具有较强的资源控制能力,但这些城市的入度值较低,吸引对外投资的能力较弱,例如云浮市的出度值为321,入度值却只有2。),而中西部地区城市网络地位普遍较低,其中兰州、西宁、乌鲁木齐、银川、太原等省会城市位于边缘区块,并且2020年仍有127个中西部城市的核心度为0,在网络中位于更边缘的位置。此外,2020年28个核心城市共包含246家公司总部以及9158家分支机构,263个边缘城市共包含254家公司总部以及7680家分支机构。上述结果表明,核心-边缘结构的演化可能受到城市区位和政治资源的影响。通过对中国城市网络拓扑结构的进一步研究发现,中国城市网络平均路径长度由2005年的2.551下降为2020年的2.176,根据局部密度和传递性计算出来的聚类系数分别从2005年的2.490和0.615增加为2020年的4.209和1.185,这意味着城市网络小世界特征愈发明显。其中北京、上海、深圳等核心城市为企业总部的聚集地,这些城市与大量边缘城市存在网络联系,核心城市与边缘城市之间的联系日益密切。
表1 2005—2020年中国城市网络核心城市

Tab. 1 Core cities in China's urban network from 2005 to 2020

年份 核心城市 总计/个
2005 北京、沈阳、上海、南京、无锡、苏州、杭州、宁波、温州、济南、青岛、烟台、武汉、广州、深圳、重庆、成都 17
2010 增加 天津、绍兴、南昌、长沙、昆明 20
减少 南京、苏州
2015 增加 合肥、厦门、珠海、云浮、南京、苏州 25
减少 绍兴
2020 增加 南阳、株洲、西安 28
减少 无

注:表中的增加和减少都是相对于上一时期核心区块城市的变化。由于数据获取困难,本次研究不包括香港、台湾和澳门。

3.2 核心城市间多为互惠联系,边缘城市间缺乏网络联系

根据图1可以看出,2005—2020年,城市间的网络链接有明显增加,总体上城市权力变得更加集中,但山东半岛城市群的城市权力有所分散。其中核心城市间的链接关系主要集中在京津冀城市群、长江三角洲城市群、珠江三角洲城市群、山东半岛城市群和川渝城市群的主要城市之间。这表明,地理上分散的核心城市通过互惠性的网络链接形成了凝聚子群,与Friedmann[15]提出的传统的核心-边缘模式有所不同。此外,整体网络联系由长距离经济联系组成,分布广泛且数量众多的边缘城市主要与核心城市存在网络链接关系。2005年,链接强度大于2的城市对的平均距离为630 km,边缘区块城市间的网络链接关系占总链接关系的13.91%;2020年,链接强度大于2的城市对的平均距离为713 km,边缘区块城市间的网络链接关系占总链接关系的9.54%。从上述结果可以看出,城市之间的经济联系已经超越了地理距离的限制,但是网络链接过分依赖核心城市,边缘城市之间缺乏经济联系,整体网络结构并不稳定。
图1 2005年和2020年中国城市网络空间格局（链接强度大于2）

注:该图基于自然资源部标准地图服务网站下载的审图号为GS(2020)4619号的标准地图制作,底图无修改。由于数据获取困难,本次研究不包括香港、台湾和澳门。

Fig. 1 The spatial structure of urban network in China in 2005 and 2020 (links above 2)

3.3 核心城市与结构洞分布相匹配,边缘城市发展受网络资本限制

通过对结构洞有效规模和中介中心度的进一步研究发现,核心城市与结构洞分布趋于一致,边缘城市的发展受到网络资本的限制。一方面,2005年和2020年有效规模前十的城市均属于核心城市,并且拥有较高的中介中心度（表2）,这表明占据结构洞的城市更有可能演化为核心城市。其中北京的有效规模和中介中心度远高于其他城市,承担着全国资源桥接枢纽的职能;上海、杭州、深圳等核心城市也承担着部分资源桥接的职能;云浮、南阳、温州的有效规模提升明显,但中介中心度相对较低,表明这些城市拥有丰富的非冗余链接,但资源桥接能力较弱。另一方面,2005—2020年,Zipf指数由1.08下降为1.01（图2）,其中286个城市的有效规模有所提升,但是上截尾城市的有效规模提升普遍高于末尾边缘城市。这意味着,有效规模的分布收敛于Zipf法则,并且平凉、鸡西、广安等这些位于网络最边缘位置的城市往往缺乏网络资本,发展速度缓慢,而占据结构洞位置的核心城市可以凭借其拥有的资源控制优势和信息优势进一步强化自身的网络区位优势。城市网络地位的提升取决于其在网络中的影响力,核心—边缘结构可能会在未来持续存在。
表2 2005年和2020年中国城市网络有效规模前10位城市统计值

Tab. 2 Statistics of top 10 cities of effective size in China's urban network in 2005 and 2020

排名 2005年 2020年
城市 有效规模 中介中心度 城市 有效规模 中介中心度
1 北京 136.49 13 150.85 北京 174.40 12 351.35
2 上海 63.57 4606.56 云浮 111.30 503.36
3 温州 55.18 956.91 无锡 106.35 1775.17
4 杭州 50.73 2349.92 杭州 104.14 2630.90
5 深圳 47.67 3037.17 广州 97.58 2137.33
6 无锡 43.91 1109.75 深圳 96.28 3355.09
7 青岛 42.34 1327.72 南阳 92.66 342.92
8 武汉 39.22 1337.50 上海 92.63 4319.51
9 广州 35.49 766.98 温州 70.99 478.76
10 成都 35.15 2246.21 青岛 61.79 1296.77

注:由于数据获取困难,本次研究不包括香港、台湾和澳门。

图2 2005年和2020年中国城市网络位序—有效规模分布

注:由于数据获取困难,本次研究不包括香港、台湾和澳门。

Fig. 2 Rank-effective size of urban network in 2005 and 2020

4 中国城市网络核心—边缘结构的影响因素

4.1 变量选取

Dunning[18]提出的国际生产折衷理论对国际直接投资的动机进行了综合性的论述,本文根据国际生产折衷理论尝试着提出一个城市网络地位的分析框架（图3）,用以识别城市网络地位的影响因素。公司总部倾向于设立在那些拥有资源禀赋优势的大城市,随着公司规模的不断扩大,企业会在技术、管理经验、金融资本和原材料市场上处于优势地位,从而拥有所有权优势。那些拥有所有权优势的企业为了降低不完全竞争和政府政策的不确定性所带来的风险,也为了更好的配置资源和巩固所有权优势,将部分交易环节纳入到了企业的管理之中,企业便拥有了内部化优势。国际生产折衷理论认为只有企业同时具有内部化优势和所有权优势,才会根据其他地区的区位优势和经济规模开展对外投资,进行跨地区的生产活动。在这个过程中也逐渐导致了中国城市权力的分级,形成了日益复杂的核心—边缘结构。城市网络又根据技术扩散、研发共享、市场扩大等方式提高了经济运行效率,进一步推动了企业网络的发展,形成了企业网络和城市网络的交互作用。
图3 城市网络地位分析框架

Fig. 3 A conceptual framework for urban network position analysis

根据上述分析框架,本文选取了人力资本、制造业初创企业、创新水平、信息化水平、路径依赖、产业结构、外资水平、区位可达性和政治资源9种解释变量（表3）。其中,人力资本采用全市科研综合技术从业人员数来衡量;制造业初创企业采用城市在全国中小企业股份转让系统挂牌上市的新三板企业数来衡量;创新水平采用2000年以来累计专利申请量来衡量;信息化水平采用全市互联网宽带接入用户数来衡量;路径依赖采用2000年的城市网络地位来衡量,核心区块的城市赋值为1,边缘区块的城市赋值为0;产业结构采用城市拥有的高技术产业上市公司的主营业务收入之和占第二产业增加值的比重来衡量;外资水平采用当年实际使用外资金额衡量;区位可达性采用全市航空客运量和公路客运量的总和来衡量;政治资源采用城市行政级别的虚拟变量来衡量,北京作为首都赋值为4,天津、上海和重庆3个直辖市赋值为3,省会城市和计划单列市赋值为2,其他城市赋值为1。
表3 变量说明

Tab. 3 Source and description of variables

变量 名称 含义 数据来源
human 人力资本 全市科研综合技术从业人员（万人） 《中国城市统计年鉴》[19]
start-up 制造业初创企业 城市在全国中小企业股份转让系统挂牌上市的新三板制造业企业数量 全国中小企业股份转让系统（http://www.neeq.com.cn/）
innovation 创新水平 累计专利申请数（自2000年以来） 佰腾网（https://www.baiten.cn/）
informatization 信息化水平 全市互联网宽带接入用户数（万人） 《中国城市统计年鉴》[19]
netlag2000 路径依赖 2000年的城市网络地位 根据2000年城市网络核心-边缘结构赋值0、1
structure 产业结构 城市拥有的高技术产业上市公司的主营业务收入之和占第二产业增加值的比重 万德数据库（http://www.wind.com.cn/）
FDI 外资水平 当年实际使用外资金额（万美元） 《中国城市统计年鉴》[19]
passenger 区位可达性 全市航空客运量与公路客运量的总和（万人） 《中国城市统计年鉴》[19]
capital 政治资源 城市的全国行政级别 根据城市行政级别赋值1~4

4.2 计量结果

本文基于2004、2009、2014和2018年的4期网络面板数据对中国城市网络核心-边缘结构的影响因素进行回归分析。为了避免异方差的问题,除政治资源和路径依赖外其余变量均作对数化处理。同时为了避免内生性的问题,解释变量均选用滞后期的数据。由于部分城市属性数据的缺失,回归部分城市样本数量缩减为251个。初步分析发现部分变量之间存在较高的相关性,例如专利申请数量和制造业初创企业数量的相关系数为0.80,取对数后专利申请量和互联网宽带接入用户数的相关系数为0.89,为了避免多重共线性的问题,本文将部分变量分别引入模型进行回归分析,回归结果如表4所示。模型1、模型2、模型3为Logit模型的回归结果,模型4、模型5、模型6为Probit模型的回归结果。根据表4可以看出,Logit模型和Probit模型的回归结果基本一致,说明各解释变量对于制造业网络的核心-边缘结构具有稳健影响。分析结果如下:
表4 城市网络地位的回归结果

Tab. 4 Results from the regressions on city network status

Pooled Logit Model Pooled Probit Model
模型1 模型2 模型3 模型4 模型5 模型6
human 0.753***
(0.238)		 0.348***
(0.134)
start-up 0.764**
(0.317)		 0.325*
(0.167)
innovation 0.623***
(0.178)		 0.312***
(0.0855)
informatization 0.682***
(0.258)		 0.640**
(0.280)		 0.386***
(0.126)		 0.377***
(0.138)
netlag2000 1.336***
(0.408)		 0.729***
(0.217)
structure 8.353***
(3.099)		 4.151**
(1.686)
capital 1.503***
(0.408)		 1.226***
(0.401)		 0.836***
(0.201)		 0.677***
(0.199)
FDI 0.552**
(0.268)		 0.580**
(0.290)		 0.831***
(0.245)		 0.305**
(0.129)		 0.281**
(0.137)		 0.417***
(0.123)
passenger 0.645**
(0.296)		 0.838***
(0.323)		 1.005***
(0.294)		 0.347**
(0.139)		 0.440***
(0.156)		 0.517***
(0.141)
常数 -16.52***
(2.868)		 -19.26***
(3.427)		 -23.37***
(3.248)		 -8.779***
(1.382)		 -9.961***
(1.758)		 -11.88***
(1.818)
Pseudo R2 0.6165 0.6649 0.6085 0.6139 0.6633 0.6006
Wald chi2 102.99*** 92.84*** 93.16*** 93.43*** 75.17*** 73.10***
样本量 1004 1004 1004 1004 1004 1004

注:括号中为拟合系数的标准差,***、**、*分别代表在1%、5%和10%的水平上显著。

在混合Logit模型和混合Probit模型中,政治资源、创新水平的回归系数均显著为正,说明政治资源、创新水平是中国城市网络核心-边缘结构形成的重要影响因素。政府在当地的经济管理中扮演着十分重要的角色,特别是在控制国有企业以及制定产业和技术政策方面[20]。大多数的国有企业集中在一些重要的部门,例如能源、基础设施、金融行业等,并且较高行政级别的城市可以与政策制定者保持紧密的联系。此外,技术是控制资源空间分配的关键要素,创新水平的提高可以使得企业更好的享有知识溢出带来的好处[18]。拥有较高行政等级、创新水平的城市能够吸引更多的投资和制造业总部。制造业企业对关键资源的需求和城市关键资源的差异导致了城市网络地位的分化,也说明中国城市网络核心-边缘结构受到择优选择机制的影响。
制造业初创企业对城市的网络地位具有明显的促进作用。那些拥有更多初创企业的城市往往伴随着较多的金融活动,如风险投资和股权融资,这对于企业家们具有很高的吸引力。因此,初创企业数量较多的城市往往也伴随着较为丰富的企业家活动[21]以及人才和资金的聚集,更有可能成为核心区块;而制造业初创企业数量较少的城市往往缺乏良好的营商环境,难以吸引大型制造业企业的设立,因此政府需要通过吸引资金、人才、技术等措施提高当地的创业水平,从而提升城市的网络地位。
人力资本的系数在模型3和模型6中均显著为正,说明城市吸引人才的能力对于城市网络的核心-边缘结构具有显著的影响。城市吸引人才的能力存在明显的区域差异[22],人才密集的城市通常具有较多的高校和科研院所,有助于技术的传播和扩散,而缺乏人力资本的城市往往缺乏经济活力。因此,人才在空间上的流动导致了城市竞争能力的差异,能够吸引人才聚集的城市往往更具有发展潜力,在未来更有可能成为核心城市。
信息化水平和区位可达性的系数在混合Logit模型和混合Probit模型中均显著为正,说明信息化水平和区位可达性对核心区块的形成具有显著影响。新经济地理学认为,任何制造业产品的跨地区生产和销售都存在着一定的运输成本[23,24],良好的交通条件可以降低中间产品的价格和运输成本,从而有利于制造业企业的聚集。此外,制造业企业的发展依赖知识技术在企业和个人之间的转移和扩散,信息与通讯技术（ICT）的发展扩展了企业传统的面对面交流方式,提高了知识溢出的效率,毫无疑问也促进了制造业的生产和聚集[25,26]。正是因为交通成本的降低和信息与通讯技术的发展,才使得中国城市网络核心-边缘结构的出现成为可能,这同时也说明中国城市网络核心-边缘结构的形成可能受到网络邻近效应的影响。
FDI的回归系数在模型（1）—（6）中均显著为正,表明外资水平对城市的网络地位具有稳健的促进作用。在中国40多年来的改革开放进程中,外商投资在地区制造业发展初期发挥了重要的作用,帮助城市快速获得了原始资本的积累。同时,外资也提高了当地的知识溢出效应和技术创新水平[27,28],促进了许多地区制造业核心区块的形成,如珠江三角洲地区[29]。而对于那些外资相对匮乏的城市来说,它们在获取地区发展资源、管理技术和市场经验时处于相对劣势地位,难以与其他城市产生经济联系,因此需要政府采取一定的吸引外资的措施来改善城市的经济环境,从而减少与核心区块城市之间的差距。
产业结构的回归系数显著为正,说明高技术产业占比对于城市网络地位具有显著的正向影响。高技术企业的聚集能够有效的促进知识溢出,因此制造业高技术企业存在明显的聚集现象[30]。制造业高技术企业通常也是资本和技术密集型产业,能够帮助城市从网络中获取技术、资金和优秀的管理人才,从而提高城市成长为核心区块的概率。相反,产业结构中缺乏高技术企业的城市可能面临发展动力不足的问题,难以实现经济的快速增长,在城市网络中将会持续位于边缘区块。
2000年的城市网络地位在混合Logit模型和混合Probit模型中均显著为正,说明那些在历史上存在较多链接关系的城市之间倾向于进一步提高链接关系的强度,进而影响着城市的网络地位,而那些曾经缺乏经济联系的城市之间也将继续维持着较少的链接关系。对于制造业企业来说,一旦生产活动的某个环节在特定城市展开,会在当地产生聚集经济,包括知识溢出、更低的中间产品价格、更好的工业基础设施和更优秀的劳动力人才。这将会吸引更多同类型的生产活动在当地聚集,在这个积累循环的过程中,城市将会获得更高的权力和地位。

4.3 讨论

分析结果表明,流动空间环境下城市网络空间结构的核心-边缘演化模式相对于传统区域发展过程中的经典理论所刻画的现象发生了显著变化,表现出以下4点新特征:
（1）核心区块以“核心群岛”的形式存在。Friedmann[15]提出的核心-边缘模型认为核心是由城市或城市群以及周围区域组成,核心以核心区域的形式存在。但在城市网络环境下,由于交通成本和通讯成本的大幅度降低,企业可以在更大空间范围内配置资源、发展生产,不同区域的核心城市通过企业间经济联系紧密结合起来,从而使得核心区块以跨地区的核心城市组成的凝聚子群形式存在。
（2）垂直专业化水平大幅度增加。在场所空间中,企业的经济活动往往集中在城市内部,城市间的经济联系大多为产业间联系。但在流动空间中,企业的生产分割导致城市职能专业化,城市不再专门化于最终产品的生产,产业间联系逐渐被产业内联系所取代。此外,核心也并非是同质区域,相反是在功能上的异质区域,例如公司总部主要聚集在北京、上海等大城市,济南、青岛等核心城市则属于专业化的制造业基地。
（3）城市地位受到网络邻近效应的影响。在“点-轴”系统理论[31]中,核心城市之间基于地理邻近形成了发展轴,在此基础上构成了各类经济区域。但在城市网络环境下,城市网络具有小世界的网络特征,城市间具有很高的网络可达性,网络邻近逐渐成为主导资本流动的重要动力。因此,核心城市间的经济联系更多的建立在网络邻近的基础上,缺乏网络联系的城市则在全国城市网络中位于边缘地位。
（4）城市地位受到网络资本的影响。在场所空间环境中,城市获取资源的范围相对有限,地区经济发展受限于所处环境的经济条件。但在流动空间环境下,城市的发展不仅依赖于传统的要素禀赋,所处网络的空间位置同样会影响到城市获取信息利益和控制利益的能力,这就使得网络资本在城市的生长发育过程中愈发重要。

5 结论与展望

本文基于2020年中国制造业500强企业网络数据和隶属联系模型构建城市网络,研究了中国城市网络核心-边缘结构的演化特征及其影响因素。研究发现:
（1）相较于其他“流”数据视角的城市网络研究,基于制造业企业视角的城市网络呈现出日益复杂的核心-边缘结构演化特征。2005—2020年,核心城市的数量不断增多,越来越多的城市转变为“流动空间”中的网络节点,除北京、上海、深圳等传统的制造业核心城市外,济南、青岛、重庆等城市也在制造业企业网络中处于核心地位,这充分说明了基于不同“流”数据视角的城市网络核心-边缘结构可能存在差异。不同于传统的核心-边缘结构模型,城市网络中的核心城市由一些在地理上分散但功能上紧密联系的城市组成。此外,占据结构洞位置的城市可以从跨地区的知识流动和资本流动中获得网络资本,有利于提升城市的网络地位。
（2）城市的关键资源、基础设施和区位优势是城市网络核心—边缘结构形成的重要因素。政治资源、创新水平和外资水平对于城市的网络地位有着显著的促进作用,拥有关键资源的城市主导着企业网络的生长发育;产业结构、外资水平也影响着城市的网络地位,历史上形成的制造业格局同样影响着城市网络空间结构的演化;网络可达性是城市网络地位提升的基础,地理距离不再是城市网络发育的限制因素;网络位置和地理位置也深刻影响着城市网络核心-边缘结构的演化特征。
（3）择优选择、网络邻近和路径依赖是城市网络核心—边缘结构形成的动力机制。择优选择机制是城市网络地位分化的内在动力,那些拥有区位优势的城市往往也拥有大量的网络链接;交通和通讯技术的发展加快了资本流动的速度,网络邻近效应是日益复杂的城市网络形成的基础;路径依赖机制则会进一步强化核心城市的网络地位,核心城市与边缘城市的经济差距趋于扩大。
本文的研究在一定程度上丰富了城市网络的研究视角,但也存在以下3个方面的问题有待于进一步的探讨:
（1）本文基于制造业全行业的企业网络研究虽然能够清晰的揭示当前中国城市网络的核心-边缘结构特征,但这也在某种程度上忽视了制造业子行业间的结构差异,未来的研究视角可以不断的细化和具体,并进一步完善对边缘区块城市的分析,这将有助于加深对城市网络地位分异和发育规律的理解。
（2）本文基于面板数据对城市网络核心-边缘结构影响因素的测度具有较高的解释力度,但如果从演化的视角来看,面板数据相对忽视了不同时间截面各影响因素作用效果的差异,难以揭示城市网络核心-边缘结构演化的微观过程,这个问题有待进一步的研究。
（3）本文中城市网络的构建基于制造业企业网络的视角,但是完整的城市网络是所有功能网络叠加而成的全局网络,包括城市体系内的人、物、信息以及资金等所有要素联系的总和,尽管制造业企业间的联系在城市经济活动过程中已经占据重要地位,但仍存在一些不足之处,期待后续研究的拓展和完善。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Castells M. The network society: A cross-cultural perspective[M]. Gloucestershire: Edward Elgar Publishing Limited, 2004. DOI: 10.4337/9781845421663.00001

DOI

[2]
甄峰, 刘晓霞, 刘慧. 信息技术影响下的区域城市网络:城市研究的新方向[J]. 人文地理, 2007, 22(2):76-80.

[ Zhen F, Liu X X, Liu H. Regional urban network influenced by information technology: New directions of urban studies[J]. Human Geography, 2007, 22(2):76-80. ] DOI: 10.3969/j.issn.1003-2398.2007.02.017

DOI

[3]
Burger M J, Meijers E J. Agglomerations and the rise of urban network externalities[J]. Papers in Regional Science, 2016, 95(1):5-15. DOI: 10.1111/pirs.12223

DOI

[4]
盛科荣, 张红霞, 佀丹丹. 基于企业网络视角的城市网络研究进展与展望[J]. 人文地理, 2018, 33(2):11-17.

[ Sheng K R, Zhang H X, Si D D. Progress and prospect of unban network research through the lens of corporate networks[J]. Human Geography, 2018, 33(2):11-17. ] DOI: 10.13959/j.issn.1003-2398.2018.02.002

DOI

[5]
Alderson A S, Beckfield J, Sprague-Jones J. Intercity relations and globalisation: The evolution of the global urban hierarchy, 1981-2007[J]. Urban Studies, 2010, 47(9):1899-1923. DOI: 10.1177/0042098010372679

DOI

[6]
Taylor P J. Leading world cities: Empirical evaluations of urban nodes in multiple networks[J]. Urban Studies, 2005, 42(9):1593-1608. DOI: 10.1080/00420980500185504

DOI

[7]
李仙德. 基于上市公司网络的长三角城市网络空间结构研究[J]. 地理科学进展, 2014, 33(12):1587-1600.

DOI

[ Li X D. Spatial structure of the Yangtze River Delta urban network based on the pattern of listed companies network[J]. Progress in Geography, 2014, 33(12):1587-1600. ] DOI: 10.11820/dlkxjz.2014.12.002

DOI

[8]
盛科荣, 杨雨, 孙威. 中国城市的网络地位及影响因素研究——基于上市公司500强企业网络视角[J]. 地理科学, 2020, 40(5):740-750.

DOI

[ Sheng K R, Yang Y, Sun W. Network position and underlying factors of cities in China: A study from corporate networks of the largest 500 public companies[J]. Scientia Geographica Sinica, 2020, 40(5):740-750. ] DOI: 10.13249/j.cnki.sgs.2020.05.008

DOI

[9]
路旭, 马学广, 李贵才. 基于国际高级生产者服务业布局的珠三角城市网络空间格局研究[J]. 经济地理, 2012, 32(4):50-54.

[ Lu X, Ma X G, Li G C. Spatial pattern of regional city network based on international advanced producer services' layout in Pearl River Delta[J]. Economic Geography, 2012, 32(4):50-54. ] DOI: 10.15957/j.cnki.jjdl.2012.04.009

DOI

[10]
王成, 王茂军, 柴箐. 城市网络地位与网络权力的关系——以中国汽车零部件交易链接网络为例[J]. 地理学报, 2015, 70(12):1953-1972.

DOI

[ Wang C, Wang M J, Chai Q. The relationship between centrality and power in the city network[J]. Acta Geographica Sinica, 2015, 70(12):1953-1972. ] DOI: 10.11821/dlxb201512008

DOI

[11]
武前波, 宁越敏. 中国城市空间网络分析——基于电子信息企业生产网络视角[J]. 地理研究, 2012, 31(2):207-219.

[ Wu Q B, Ning Y M. China's urban network based on spatial organization of electronic information enterprises[J]. Geographical Research, 2012, 31(2):207-219. ] DOI: 10.11821/yj2012020002

DOI

[12]
朱艳硕, 王铮, 程文露. 中国装备制造业的空间枢纽—网络结构[J]. 地理学报, 2019, 74(8):1525-1533.

DOI

[ Zhu Y S, Wang Z, Cheng W L. The hub-network structure of China's equipment manufacturing industry[J]. Acta Geographica Sinica, 2019, 74(8):1525-1533. ] DOI: 10.11821/dlxb201908003

DOI

[13]
唐承辉, 马学广. 中国城市网络化物流联系空间格局与结构——基于快递网点数据的研究[J]. 地理科学进展, 2020, 39(11):1809-1821.

DOI

[ Tang C H, Ma X G. Spatial pattern and structure of networked logistics connection of cities in China based on express logistics branch data[J]. Progress in Geography, 2020, 39(11):1809-1821. ] DOI: 10.18306/dlkxjz.2020.11.003

DOI

[14]
Pan F H, Bi W K, Lenzer J, et al. Mapping urban networks through inter-firm service relationships: The case of China[J]. Urban Studies, 2017, 54(16):3639-3654. DOI: 10.1177/0042098016685511

DOI

[15]
Odell P R. Regional development policy: A case study of Venezuela[J]. Urban Studies, 1967, 4(3):309-311. DOI: 10.1080/00420986720080601

DOI

[16]
Borgatti S P, Everett M G. Models of core/periphery structures[J]. Social Networks, 2000, 21(4):375-395. DOI: 10.1016/S0378-8733(99)00019-2

DOI

[17]
刘军. 社会网络分析导论[M]. 北京: 社会科学文献出版社, 2004.

[ Liu J. An introduction to social network analysis. Beijing: Social Sciences Literature Publishing House, 2004. ]

[18]
Dunning J H. Trade, location of economic activity and the MNE: A search for an eclectic approach[M]. New York: Palgrave Macmillan, 1977. DOI: 10.1007/978-1-349-03196-2_38

DOI

[19]
国家统计局城市社会经济调查司. 中国城市统计年鉴[M]. 北京: 中国统计出版社, 2005- 2019.

[ Cities Socioeconomic survey office National bureau of statistics. China citystatistics yearbook[M]. Beijing: China Statistics Press, 2005- 2019. ]

[20]
Naughton B. China's economic policy today: The new state activism[J]. Eurasian Geography and Economics, 2011, 52(3):313-329. DOI: 10.2747/1539-7216.52.3.313

DOI

[21]
Pan F H, Yang B F. Financial development and the geographies of startup cities: Evidence from China[J]. Small Business Economics, 2019, 52(3):743-758. DOI: 10.1007/s11187-017-9983-2

DOI

[22]
王一凡, 崔璨, 王强, 等. “人才争夺战”背景下人才流动的空间特征及影响因素——以中国“一流大学”毕业生为例[J]. 地理研究, 2021, 40(3):743-761.

DOI

[ Wang Y F, Cui C, Wang Q, et al. Migration of human capital in the context of vying for talent competition: A case study of China's "first-class" university graduates[J]. Geographical Research, 2021, 40(3):743-761. ] DOI: 10.11821/dlyj020200437

DOI

[23]
Krugman P. Increasing returns and economic geography[J]. Journal of Political Economy, 1991, 99(3):483-499. DOI: 10.1086/261763

DOI

[24]
Fujita M. A monopolistic competition model of spatial agglomeration: Differentiated product approach[J]. Regional Science and Urban Economics, 1988, 18(1):87-124. DOI: 10.1016/0166-0462(88)90007-5

DOI

[25]
Hong J J, Fu S H. Information and communication technologies and the geographical concentration of manufacturing industries[J]. Urban Studies, 2011, 48(11):2339-2354. DOI: 10.1177/0042098010388956

DOI

[26]
Gaspar J, Glaeser E L. Information technology and the future of cities[J]. Journal of Urban Economics, 1998, 43(1):136-156. DOI: 10.1006/juec.1996.2031

DOI

[27]
Dunning J H. Location and the multinational enterprise: A neglected factor?[J]. Journal of International Business Studies, 1998, 29(1):45-66. DOI: 10.1057/palgrave.jibs.8490024

DOI

[28]
王然, 燕波, 邓伟根. FDI对我国工业自主创新能力的影响及机制——基于产业关联的视角[J]. 中国工业经济, 2010(11):16-25.

[ Wang R, Yan B, Deng W G. The impact of FDI on the independent innovation capability of Chinese indigenous industries—from the perspective of industrial linkages[J]. China Industrial Economics, 2010(11):16-25. ] DOI: 10.19581/j.cnki.ciejournal.2010.11.002

DOI

[29]
Yang C, Liao H. Industrial agglomeration of Hong Kong and Taiwanese manufacturing investment in China: A town-level analysis in Dongguan[J]. The Annals of Regional Science, 2010, 45(3):487-517. DOI: 10.1007/s00168-009-0305-8

DOI

[30]
杨洪焦, 孙林岩, 吴安波. 中国制造业聚集度的变动趋势及其影响因素研究[J]. 中国工业经济, 2008(4):64-72.

[ Yang H J, Sun L Y, Wu A B. Research on changing trend of China's manufacturing industrial agglomeration degree and its affecting factors[J]. China Industrial Economics, 2008(4):64-72. ] DOI: 10.19581/j.cnki.ciejournal.2008.04.008

DOI

[31]
陆大道. 区域发展及其空间结构[M]. 北京: 科学出版社, 1995.

[ Lu D D. Regional development and its spatial structure[M]. Beijing: Science Press, 1995. ]

Options
文章导航

/

〈 〉