EN中文

地球信息科学学报 >

2023 , Vol. 25 >Issue 2: 354 - 367

DOI: https://doi.org/10.12082/dqxxkx.2023.220137

地理空间分析综合应用

企业投融资视角下福建省数字产业发展时空演化

  • 魏婧卉 , 1 ,
  • 吴升 1, 3 ,
  • 彭澎 , 2, 3, * ,
  • 陆锋 2, 3 ,
  • 徐阳 2
展开
  • 1.福州大学，数字中国研究院（福建），空间数据挖掘与信息共享教育部重点实验室，福州 350003
  • 2.中国科学院地理科学与资源研究所 资源与环境信息系统国家重点实验室，北京 100101
  • 3.政务大数据应用省部共建协同创新中心，福州 350003
* 彭 澎（1989— ），男，湖南岳阳人，博士，助理研究员，研究方向为交通地理信息科学、复杂网络分析。 E-mail:

魏婧卉（1996— ），女，福建南平人，硕士生，主要研究方向为复杂网络分析、经济地理。E-mail:

收稿日期: 2022-03-29

  修回日期: 2022-04-22

  网络出版日期: 2023-04-19

基金资助

中国科学院战略性先导科技专项(XDA23100500)

收起

Exploring the Digital Industry Development in Fujian Province: A Perspective of Enterprise Investment and Financing

  • WEI Jinghui , 1 ,
  • WU Sheng 1, 3 ,
  • PENG Peng , 2, 3, * ,
  • LU Feng 2, 3 ,
  • XU Yang 2
Expand
  • 1. Academy of Digital China (Fujian), Fuzhou University, Fuzhou 350003, China
  • 2. State Key Laboratory of Resources and Environmental Information System, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
  • 3. Fujian Collaborative Innovation Center for Big Data Applications in Governments, Fuzhou 350003, China
* PENG Peng, E-mail:

Received date: 2022-03-29

  Revised date: 2022-04-22

  Online published: 2023-04-19

Supported by

The Strategic Priority Research Program of the Chinese Academy of Sciences(XDA23100500)

Fold

摘要

数字经济是构建现代化经济体系的重要引擎。企业投资是拉动数字经济增长的重要因素。数字经济产业的发展决策，亟需洞察相关企业投融资的结构性特征及其时空演化模式。本文以“数字中国”的思想源头和实践起点——福建省为研究案例，基于2000—2021年的数字经济企业投融资数据，采用复杂网络分析和负二项回归模型等方法，以地级市为基本研究单元，探究了福建省数字经济企业投融资的空间特征及影响因素，结果表明：① 福建省数字经济企业的投融资规模呈增长趋势，投资来源由以非数字经济企业为主转变为以数字经济企业为主；② 省外投资占比逐步提升，省外投资由2000年的8.56亿元增长至2021年的288.08亿元，占比由11.59%增长至31.06%，融资金额在福建省内“东高西低”的空间分布格局愈发明显；③福州市始终是企业投资首选的福建省内城市，而随着时间的推移，厦门、泉州等枢纽中心不断浮现，集聚形成以其为核心的福厦泉走廊；④ 投融资影响因素中，政策和信息化发展环境对数字经济企业投融资联系具有显著促进作用，地理距离对数字产业投融资联系的影响日益弱化。最后，研究结合福建省数字产业发展的时空演化特征及其影响要素，提出政策建议，以期为“数字福建”建设和福建省数字经济的持续健康发展提供科学支撑。

关键词： 数字经济; 企业投融资; 时空演化; 网络分析; 福建省

本文引用格式

魏婧卉 , 吴升 , 彭澎 , 陆锋 , 徐阳 . 企业投融资视角下福建省数字产业发展时空演化[J]. 地球信息科学学报, 2023 , 25(2) : 354 -367 . DOI: 10.12082/dqxxkx.2023.220137

Abstract

The digital economy is an important engine for building a modern economic system. Corporate investment is an important factor driving the growth of the digital economy. The development and decision-making of the digital economy industry requires an urgent insight into the structural characteristics of the investment and financing of related companies and their temporal and spatial evolution patterns. This paper takes Fujian Province, the ideological source and practical starting point of "Digital China" as a research case, based on the investment and financing data of digital economy enterprises from 2000 to 2021, adopts complex network analysis and negative binomial regression model, and takes prefecture-level cities as the basic research unit to explore spatial characteristics and influencing factors of investment and financing of digital economy enterprises in Fujian Province. This research finds that: firstly, the investment and financing scale of digital economy enterprises in Fujian shows an increasing trend, and the source of investment has changed from non-digital economy enterprises to digital economy enterprises. Secondly, the proportion of inter-provincial of investment has gradually increased. Inter-provincial of investment increases from 856 million yuan in 2000 to 28.808 billion yuan in 2021, and the proportion increases from 11.59% to 31.06%. The amount of financing is "high in the east and low in the west". Thirdly, Fuzhou has always been the preferred city for corporate investment, but with the passage of time, Xiamen, Quanzhou, and other hubs continue to emerge, agglomerating to form the Fuzhou-Xiamen-Quan Corridor at its core. Fourthly, among the influencing factors, policies and the development environment of informatization have a significant role in promoting the investment and financing connection of digital economy enterprises, and the influence of geographical distance on the investment and financing connection of digital industry is gradually weakened. Finally, combined with the spatiotemporal evolution of the development of the digital industry in Fujian and its influencing factors, the paper puts forward policy suggestions, in order to provide scientific support for the construction of "Digital Fujian" and the sustained and healthy development of the digital economy in Fujian.

Key words： digital economy; enterprise investment and financing; spatio-temporal evolution; network analysis; Fujian

1 引言

数字经济是指以数据资源作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动[1]。随着数字技术向国民经济的各个领域渗透，数字经济已成为构建现代化经济体系的重要引擎。开展数字产业发展的时空演化研究，有助于把握数字经济发展趋势和规律，推动我国数字经济健康发展。
当前，学者们多采用企业作为研究对象，选择企业数据库[2]、统计年鉴数据[3]、企业专利数据[4]等作为研究数据来源，利用描述性统计以及核密度估计[5]、空间自相关分析[6]、聚类分析[7]等空间计量模型，开展不同类型产业发展的时空演化过程研究。郑艳婷等[2]基于中国工业企业数据库，采用空间自相关等方法，分析产业转移背景下的长江中游制造业时空分布格局，发现制造业的空间分布逐渐由向核心城市集聚演化为向城市群外城市集聚。韩会然等[5]利用批发企业数据库，借助核密度估算和Ripley's K(d)函数分析发现北京的批发企业呈现空间集聚，且集聚范围不断向外扩张。然而，上述研究仅关注城市个体而忽略了企业之间的关联关系。针对这一研究不足，学者们通过构建企业“总部-分支”结构[8]、产业链联系[9]、企业投资联系[10]来表征产业联系，借助复杂网络分析方法揭示空间演化特征。叶磊等[11]研究发现，基于百强物流企业的“总部-分支”构建的长江三角洲物流产业关联网络，呈现以上海为龙头、以浙江和江苏为两翼的关联格局，但基于企业总部-分支所构建的产业联系过度强调总部控制地位，而掩盖产业内部网络的横向联系。基于企业投资关系的产业联系可克服这一不足，其强调企业间的相互作用，不存在控制与受控的关系，能够更好地反映城市在产业发展过程中扮演的角色。
数字产业作为传统经济与互联网深度融合的产物，其发展时空演化格局受到不同的因素影响。学者们从全国、区域等尺度通过对全行业企业、上市企业等开展研究，发现企业投资受到地区经济发展水平、产业结构、制度邻近性、市场规模、空间距离、创新能力、基础设施水平等因素的影响[10⇓⇓⇓⇓⇓⇓-17]。这些研究成果有助于认识企业投资区位选择的动力机制，同时，也为刻画数字经济企业投融资联系的影响因素、不同时期的影响因素的差异性提供了很好的理论和实践参考。
“数字福建”是习近平在2000年担任福建省省长时做出的重大战略决策，也是“数字中国”的思想源头和实践起点。20多年来“数字福建”建设已融入经济、政治、文化、社会、生态等各个方面[18]。受益于建设“数字福建”的战略决策，福建省数字经济快速发展。2021年全省数字经济增加值达2.3万亿元，占地区生产总值比重约47%[19]。数字经济产业的发展决策，亟需洞察相关企业投融资的结构性特征及其时空演化模式。因此，本文基于福建省数字经济企业投融资数据，利用统计分析和复杂网络分析方法，分析“数字福建”建设20多年来（2000—2021年），福建省数字产业发展的时空演化特征模式，分析企业投融资联系的影响因素，以期为“数字福建”建设和福建省数字经济的持续健康发展提供科学支撑。

2 数据来源和研究方法

2.1 研究数据和投资网络构建

2.1.1 研究数据

本文采用“企查查”（https://www.qcc.com/）网站提供的企业间投资数据（包括企业经营范围、所属行业、投资企业名称、融资企业名称、投资额、投资年份等）（表1），经处理后得到2000—2021年福建省数字经济企业投融资数据。具体流程如图1所示。
表1 企业投融资原始数据示例

Tab. 1 An example of investment and financing raw data

投资企业名称 投资企业
地址		 投资企业
所属行业		 投资企业
经营范围		 融资企业名称 融资企业地址 融资企业
所属行业		 融资企业
经营范围		 投资金额
/万元		 投资
年份
福州爱派克电子有限公司 福州市马尾区快安延伸区 信息传输、软件和信息技术服务业 电子计算机软件开发、销售…… 福建顶点软件股份有限公司 福建省福州市鼓楼区铜盘路软件大道89号 软件和信息技术服务业 电子计算 机软件开发…… 720 2000
浙江银江智慧交通集团有限公司 福建省福州市台江区茶亭街道 科学研究和技术服务业 计算机系统集成软件开发…… 福建银江智慧城市信息技术有限公司 福建省福州市台江区茶亭街道 科学研究和技术服务业 智能交通产品的技术开发、技术服务…… 1000 2010
吉林省领商科技有限公司 长春市南关区新发路 科学研究和技术服务业 系统集成、软件开发… 福建众合智慧信息科技有限公司 福建省平潭县潭城镇红山居委会 信息传输、软件和信息技术服务业 网络技术开发、技术推广… 1000 2015
…… …… …… …… …… …… …… …… …… ……
图1 数据处理流程

Fig. 1 Flow chart of data processing

首先，本文对原始数据进行清洗，主要包括剔除原始数据中的空缺、重复及不合理数据，建立企业投融资数据库；其次，本文采用国家统计局在2021年发布的《数字经济及其核心产业统计分类（2021）》[1]中有关数字产品制造业、数字产品服务业、数字技术应用业、数字要素驱动业等详细分类标准，与企业投融资数据库中企业经营范围和所属行业进行逐一匹配，筛选出2000—2021年存在融资行为的各类福建省数字经济企业；再次，本文根据投资企业和融资企业地址信息，将企业投资类型划分为3种类型。即① 本市投资：福建省内某地级市企业对同一地级市其他企业的投资；② 省内投资：福建省内某地级市企业对另一地级市企业的投资；③ 省外投资：省外企业对福建省企业的投资（由于数据获取困难，本次研究不包括香港、澳门和台湾）。最后，本文按照城市投资关系，累加投资金额得到数字经济企业投资的城市矩阵，支持城市间的投融资网络分析。

2.1.2 投融资网络构建

本文在数字经济企业投融资的城市矩阵基础上，分别构建省内和省外的城市间投融资网络，如图2所示。图2(a)为城市-企业投融资逻辑关系；如图2(b)以城市作为节点单元，将一个城市的所有企业合并，建立以城市为基本单元的投融资网络 G = V ,   E ,   W。其中， V = { v 1 ， v 2 ， v 3 ， … ， v n}表示城市节点集合， n表示城市数量； E={ e 11 ， e 12 ， e 13 ， … ， e 1 j ， … ， e i j}表示城市间关系的集合，若节点 v i和 v j之间存在连接，则 e i j = 1，否则 e i j = 0； W表示节点 v i和 v j之间连边的权重，用投资额来表示。
图2 投融资网络形成示意

Fig. 2 Schematic diagram of investment and financing network

2.2 研究方法

本文采用复杂网络分析指标，从投融资结构和网络结构2个方面，分析福建数字经济企业投融资的时空演化特征；企业投融资受到多方面因素的影响，本文采用负二项回归模型分析企业投融资联系的影响因素。

2.2.1 复杂网络分析

（1）网络密度。网络密度能够反映投融资网络的整体紧密度，计算公式为：
D = 2 L n n - 1
式中： D为网络密度；L为网络中节点联系对数；n为网络中节点数量。
（2）聚类系数。聚类系数分为节点聚类系数和平均聚类系数，用来衡量投融资网络的集聚程度。节点聚类系数是节点i与所有相邻节点之间实际的连边数占最大连边数的比重；平均聚类系数为所有节点聚类系数的均值。计算公式为：
C i = 2 e i n i n i - 1
式中： C i为节点聚类系数；ni为节点i所拥有的邻居数；ei为节点i的所有邻居节点之间的实际连接边数。聚类系数的取值范围为[01]，数值越大则网络聚类程度越高，反之越低。
（3）节点中心性。在有向网络中，度值包括入度和出度，入度为流入该节点的边数，出度为流出该节点的边数，可从不同角度衡量节点在网络中的地位和权力；中介中心性表示网络中一个节点位于其他任意2个节点的最优路径上的概率，可用于衡量节点在网络中的控制力，可代表网络在全局范围内的效率。本文分别利用点度（出度、入度）和中介中心性（式（3））衡量投资网络中节点的辐射和辐合能力，及投融资网络对节点的依赖程度。
B c i = ∑ u ≠ w ⊂ V σ u w i σ u w
式中：V表示网络中节点集合； u和 w为任意2个节点； σ u w表示所有任意2个节点之间的最优路径数，而 σ u w ( i )则表示这些最优路径中，经过节点i的数目。

2.2.2 企业投融资联系的影响因素分析模型

对于因变量为离散非正态的计量数据，通常使用泊松回归分析来展示解释变量与被解释变量之间的相互关系及影响程度。基本模型公式如下：
L n λ i = a 0 + β i x i + γ i j
式中：因变量的观测值服从参数为λ的泊松分布，要求因变量的期望和方差相等，但实际数据往往难以满足这一条件，为克服这一限制衍生出负二项回归模型。由于本文被解释变量（城市间投融资强度）为非零整数，且数据过度离散，因此采用的负二项模型公式如下：
Y i j = a 0 + β 1 x 1 + … + β k x k + β k + 1 C O N T R O L + γ i j
式中：Yij为城市间投融资强度；Xk为核心解释变量；CONTROL为控制变量；a0为常数项；γij为随机误差项。本文参考当前学者的研究成果[20⇓⇓⇓⇓⇓-26]，从信息化发展环境和政策环境分析数字经济企业投融资的影响因素。其中信息化发展环境包括网络基础设施、产业基础、技术基础3个核心解释变量，政策环境包括政策支持、政府补贴、试验区建设3个核心解释变量。在控制变量上选择城市经济发展水平、教育环境、地理邻近性等，各变量的含义和测算方式见表2。
表2 企业投融资联系影响因素分析模型的主要变量及测算方式

Tab. 2 Main variables and measurement methods of the influencing factors of investment and financing linkage analysis model

变量名称 测算方式
自变量 城市投资强度 投融资城市间投融资强度
信息化发展环境 网络基础设施 融资城市的每万人互联网用户数量
产业基础 投融资城市间的信息传输、计算机服务和软件业从业人员数差值
技术基础 投融资城市间的上市公司的数字高新技术应用渗透程度差值
政策环境 政策支持 融资城市政府出台数字经济相关政策的数量
政府补贴 融资城市的科学技术支出
试验区建设 融资城市的国家级数字经济试验区的数量之和
控制变量 城市经济发展水平 融资城市的人均GDP
地理邻近性 投融资城市间的地理直线距离
教育环境 投融资城市间的每万人大学数绝对差值

3 结果及分析

3.1 投融资结构演化特征

首先，本文统计了福建省数字经济企业投资来源及投资金额变化情况（图3）。福建省数字经济企业投资金额呈现出阶段性的增长趋势，从2000年的25.90亿元增长至2021年的927.36亿元。其中，2001年企业投融资迎来小高潮，但很快市场趋于饱和，开始呈现小幅下降趋势，到2005年恢复增长并基本保持稳定；从2011年开始，企业投融资呈现出较快增长趋势；特别是，在2015年福建省密集出台一系列扶持数字经济发展的有关政策，到2017年“数字经济”首次出现在政府工作报告中，再到首批数字福建大数据研究所启动建设、中央批准首届数字经济建设峰会在福州举办等，这一系列政策倾向吸引投资开始大规模进入福建，数字经济企业投融资进入高速发展期，从2011年的133.06亿元高速增长到2019年的903.88亿元，核心产业平均增速显著高于同期GDP与工业增加值增速。但受疫情影响，2020年至今增速明显放缓。
图3 2000—2021年福建省企业投资来源及投资金额

Fig. 3 The source and the amount of investment by enterprises in Fujian from 2000 to 2021

从投资来源看，不同来源的企业投资增长趋势略有差异，本市投资所占的比例仍然保持着最大，但是，省外投资比例呈现出不断增加的趋势。具体来说，2000—2021年本市投资金额由22.50亿元增长至524.06亿元，占比由87.31%减少至56.51% ，省内投资由0.29亿元增长至115.21亿元，占比由1.10%增长至12.42%，省外投资由3.00亿元增长至288.08亿元，占比由11.59%增长至31.06%。
从投资企业类型看（图4），投资金额来源由以非数字经济企业为主转变为以数字经济企业为主。2004年前投资来源主要是非数字经济企业，投资占比在73.1%~83.2%之间；2004—2013年，来自数字经济企业的投资占比提升，与非数字经济企业基本相当；2014—2021年，来自数字经济企业的投资占比快速超过非数字经济企业，说明数字经济企业已经开始自我“造血”，告别“借鸡生蛋”的发展阶段。
图4 2000—2021年不同类型企业在福建省的投资金额

Fig. 4 The investment amount of different types of investment enterprises in Fujian from 2000 to 2021

3.2 投资关系网络结构演化特征

图5所示为2000—2021年福建省投融资企业网络的结构特征变化，大致可分为3个阶段：① 第一阶段（2000—2010年），网络节点数和网络联系对数呈现波动式增长，年均增长率分别为13.3%和23.7%，其中2004年和2009年出现小幅下降；② 第二阶段（2011—2017年），网络节点数和网络联系对数均飞速增长，年均增长率分别为38.2%和35.3%；③ 第三阶段（2018—2021年），网络节点数和网络联系对数稳步上涨，但增速逐渐放缓，年均增长率分别为2.6%和4.8%。2005、2011和2017年是投资金额和投资网络联系对数增长较快的3年，2000年和2021年是目前数据支撑分析的最早年份和最新年份，能够反映福建数字经济在各阶段的投资状况。因此本文选取这5个年份，以地级市为单元，从本市投资、省内投资和省外投资3个角度分析投资关系网络结构演化特征，结果表明：本市投资为均衡型投资；省内投资逐渐显现连接对称性和区域指向性；省外投资空间分布不均，网络以北京为绝对辐射中心，呈现明显的层级分布。
图5 2000—2021年福建省投融资网络结构特征

Fig. 5 structural characteristics of investment and financing networks in Fujian from 2000 to 2021

图6所示为2000—2021年不同年份，福建省各城市的数字经济企业融资的空间分布格局以及各类投资份额，融资空间分布呈现出东高西低态势。本文采用自然断点法，按照城市融资金额大小划分为6个层级，从融资金额空间分布看，福州市始终是企业投资首选福建省内城市；随着时间的推移，投资高度集中于福州市、厦门市和泉州市，福厦泉走廊日益凸显。从投资份额占比可以看出，2000—2011年，大部分城市均以本市投资为主，而到了2017年之后，省外企业对福建数字产业的发展发挥了至关重要的带动作用，尤为突出的是厦门市、龙岩市和南平市；泉州市、莆田市的本市投资和省外投资并重，宁德市、三明市的3种投资趋于均衡。接下来具体分析本市投资、省内投资和省外投资的演化特征。
图6 福建省城市融资金额及投资份额

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(2019)3333号的标准地图制作，底图无修改。

Fig. 6 The amount and investment share of urban financial in Fujian

（1）本市投资
图7所示为本市投资中行业间的投资联系变化。其中，本市投资中数字经济同行业投资增长较快，占比由2000年的38.6%提升至2021年的49.5%。投向4个行业的投资额在本市投资占比均未超过30%，没有出现主导性行业，表现出均衡型特征。此外，来自非数字经济企业的投资占比逐年减少。
图7 2000—2021年福建省本市投资中行业间的投资联系变化

Fig. 7 Evolution in investment linkages between industries among local investment in Fujian from 2000 to 2021

（2）省内投资
表3为福建省内投融资网络密度值和平均聚类系数值的变化情况，二者均呈现出增长趋势。其中，网络密度由2000年的0.23增长至2021年的0.62，表明省内投融资网络中各城市之间的投融资关系不断增强；平均聚类系数由2000年的0.11增长至2021年的0.76，大于相同规模随机网络的平均聚类系数，也验证了城市之间投融资关系更为紧密这一显著变化趋势。2005年厦门市、莆田市、泉州市具有较高聚类系数，2011年除莆田市、泉州市聚类系数有所下降以外，其他城市聚类系数明显增大，城市间的聚类系数差距缩小，省内投融资网络聚集程度提升，表明省内城市之间的投资联系呈现出显著紧密的趋势。这一趋势也能从节点的度值反映出来，其中，莆田市、龙岩市、宁德市等出度/入度值在2000年均为0，而到2021年分别增加到4/4、2/3、4/5。
表3 福建省内投融资网络密度和平均聚类系数变化

Tab. 3 Changes in Density and average Cluster Coefficient of intra-provincial investment and financing network in Fujian

指标 2000年 2005年 2011年 2017年 2021年
网络密度 0.23 0.31 0.33 0.58 0.62
平均聚类系数 0.24 0.39 0.69 0.75 0.76
表4为福建省内投融资网络指标值变化情况。从中介中心性的计算结果上看，2011年前福州市的中介中心性远超其他城市，在网络中具有绝对控制力；2017年厦门市的中介中心性显著提升，由“单核主导”向“双核引领”转变，中介中心性的不均衡程度有所缓解。2000年厦门市和福州市分别为网络中出度和入度最高的城市；2005年后，福州市和泉州市、厦门市成为出度和入度最高的城市，福州市具有较强的辐射带动和资源支配能力，是投融资网络的辐射中心，泉州市和厦门市具有强吸引力，吸收了大量的资金，是网络中的辐合中心。
表4 福建省内投融资网络指标变化情况

Tab. 4 Changes in intra-provincial investment and financing network indicators in Fujian

城市 聚类系数 中介中心性 出度/入度
2000年 2005年 2011年 2017年 2021年 2000年 2005年 2011年 2017年 2021年 2000年 2005年 2011年 2017年 2021年
福州 0.050 0.048 0.143 0.411 0.385 0.071 0.357 0.482 0.167 0.167 1/3 6/6 7/5 8/7 8/7
厦门 0.500 0.500 0.667 0.464 0.405 0 0 0 0.167 0.167 2/0 5/4 5/5 7/6 7/7
莆田 0 0.500 0 1.000 1.000 0 0 0 0 0 0/0 1/2 1/2 3/4 4/4
三明 0 0 1.000 0.850 0.850 0 0 0 0.009 0.009 0/1 4/3 3/3 3/5 6/5
泉州 0 0.500 0.350 0.524 0.464 0 0.018 0.089 0.060 0.060 1/2 3/3 5/3 6/7 6/8
漳州 0.500 0 1.000 0.633 0.725 0 0 0 0.027 0.027 1/0 1/2 2/3 6/3 6/4
南平 0 0 1.000 0.917 0.896 0 0 0 0 0 1/0 1/2 3/3 4/3 6/4
龙岩 0 0 0 1.000 1.000 0 0 0 0 0 0/0 1/0 0/0 2/3 2/3
宁德 0 0 1.000 1.000 0.850 0 0 0 0 0 0/0 1/1 0/2 3/4 4/5
图8所示为省内投融资网络变化情况，省内投融资联系强度呈现不断增长的趋势，投融资关系数量由2000年的39次共1.27亿元上升至2021年的387次共115.21亿元，投融资联系明显增强。省内投融资网络逐渐显现连接对称性和以福州市为核心的区域中心性。2000年福州市仅是南平市和三明市的首位投资目的地，是泉州市的首位投资来源地，在2011年福州市的区域中心性得到明显的提升，成为南平市、三明市、泉州市、莆田市的投资首选地，成为宁德市、厦门市、三明市、莆田市的首位投资来源地，辐射范围向南扩张；早期仅有福州市-厦门市、福州市-泉州市、福州市-三明市等5对联系对形成双向投资联系，在2017年后省内投融资网络连接对称性迅速提升，沿海城市之间均已形成双向闭环投资联系，双向投资比例由2000年的由14.2%提升至82.2%。南平市、三明市、龙岩市、宁德市（下文简称南三龙宁）的企业投资中，投往沿海地区企业的占比在80.6%~100%之间，南三龙宁4个城市之间的投资交互作用并不强，大量资金投向沿海地区；但沿海地区对南三龙宁的投资额占比在8.6%~24.7%之间，表现出弱阶梯式的投资联系。
图8 福建省内投融资网络变化情况

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(2019)3333号的标准地图制作，底图无修改。

Fig. 8 Changes in intra-provincial investment and financing network in Fujian

（3）省外投资
图9为福建省外投融资网络变化情况。省外投资的空间分布不均，大多联系对低于平均值，网络以北京为绝对辐射中心，逐渐呈现层级式分布特征。
图9 福建省外投融资网络变化

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、澳门和台湾。

Fig. 9 Changes in inter-provincial investment and financing network in Fujian

如图9(a)所示，2000年，共有北京市、上海市等6个城市对福州市进行投资，北京市、石家庄市等2个城市对莆田市进行投资，投资来源地呈分散化分布，投资的额度相对较小，其中最大的仅有1.15亿元；到2005年（图9(b)），投融资联系增加至24对，但投资的规模和投资的额度仍然较小，没有包括第一层级和第二层级额度的投资额度，投资来源地主要集中于福建周边省份。需要注意的是，此时融资的城市增加为5个，包括厦门市、泉州市、漳州市等。
到2011年（图9(c)），投资规模和投资额度呈现小幅增长，共形成33对投融资联系对，最大投资额达到9.58亿元。北京市→福州市、上海市→福州市构成最强联系，第二层级进一步向南扩张，第三、四层级的联系城市具有明显的“门户性”，主要为长江三角洲、珠江三角洲、京津冀地区的城市。进一步分析可以发现，福建的融资通道形成明显的地域分工，表现出路径依赖性。北京市拥有中国最多的互联网平台，是国家金融管理中心，互联网金融行业和数字媒体行业资源高度集聚于此，数字要素驱动业中互联网平台、互联网金融等行业发展需要这些市场资源的支持，因此北京市成为福建数字要素驱动业的主要投资来源地。上海市的高新技术企业占比位居全国第二，深圳市拥有华为、腾讯等大型互联网企业，高新、互联网企业是支持数字技术创新能力提升的主力军，而数字技术应用业中软件开发、信息技术服务等行业的发展需要通过提升数字技术创新能力的方式来实现，因此上海市、深圳市成为福建数字技术应用业的主要投资来源地。
到2017年（图9(d)），外省投资规模显著增长，覆盖面明显扩大，形成了包括北京市→福州市、成都市→泉州市、北京市→厦门市等共159对投融资联系对，投资额度大幅增长，最大投资额达87.3亿元，所有的城市均获得投资。第一层级投融资规模增大，联系数量增加至9对，连接指向上北京市是绝对辐射中心，福州市、厦门市和泉州市是主要辐合中心，总体呈现向长三角地区深度拓展、西南地区外延的特征，值得注意的是，近年来数字经济发展环境良好的贵阳市、成都市，也成为了福建数字经济企业的热门投资城市；第二层级投融资空间发生变迁，出现路径上的突破，相对分散的分布于上海周边的南京市、苏州市、杭州市等长江三角洲城市，以及东莞市、珠海市、广州市等珠江三角洲城市，呈现出多元化趋势；第三层级、第四层级增加了大量规模较小的联系，形成更为复杂的网络联系。总的来看，北京市的辐射中心地位凸显，厦门市和泉州市迅速崛起，成为新的融资高地，投融资辐合中心由单核（福州市）逐渐向多中心（福州市、厦门市和泉州市）演进，联系指向上为跨越式投融资与接触式投融资联系并存。
到2021年（图9(e)），省外对福建投资的规模进一步扩大，投融资联系对增加至178对，但最大投资额有所回落，仅为76.4亿元。第一层级投融资联系数量增加至15对，呈现珠三角地区外延的特征；第二层级稳定增长，增加了与较远省会城市的联系，其他层级的投资联系基本保持稳定。总的来看，上海市和深圳市的投资金额基本与北京持平，仅北京市对福州市和泉州市的融资金额超过上海市和深圳市，福建对北京市的投融资依赖度逐渐降低，上海市和深圳市开始挑战北京市的绝对辐射中心地位。
比较省内投融资网络（图8）和省外投融资网络（图9）发现，福州、厦门、泉州不仅是省内投融资网络中的增长极，也是跨省投融资网络中的枢纽，具有高度的空间同配性。

3.3 数字经济企业投融资联系的影响因素

在福建省数字经济企业投融资网络时空演化特征分析基础上，本文进一步分析了福建省数字企业投资联系的影响因素。
本文首先运用方差膨胀因子诊断法对回归模型进行多重共线性检验，计算结果显示方差膨胀系数（VIF）均小于4.18，表明可忽略解释变量间的多重共线性威胁。其次对模型进行异方差检验，由于White检验结果中P值为0.001，说明模型存在异方差性，因此选择稳健标准误进行估算。最后，为了提升估算结果的稳健性，采用层次回归分析方法，依次引入核心解释变量和控制变量。其中，模型1只考虑政策环境因素；模型2在模型1的基础上加入控制变量；模型3只考虑信息化发展环境因素；模型4在模型3的基础上加入控制变量；模型5则引入所有变量。模型5的结果更加客观和准确，模型1—模型4可作为参照。为进一步分析不同时期各因素的影响是否存在差异，又将数字经济发展分为阶段一（2000—2005年）、阶段二（2006—2011年）、阶段三（2012—2017年）、阶段四（2018—2021年），模型6、模型7、模型8、模型9分别对应4个阶段的回归分析结果。回归分析结果如表5所示。
表5 负二项回归分析结果（投融资联系）

Tab. 5 Negative binomial regression results

全部样本 分阶段样本
模型1 模型2 模型3 模型4 模型5 模型6
（阶段一）		 模型7
（阶段二）		 模型8
（阶段三）		 模型9
（阶段四）
政府补贴 0.085**
(0.46)		 0.046
(0.27)		 - - 0.180**
(4.46)		 -0.173
(-1.24)		 0.437***
(3.50)		 -0.163
(-1.54)		 -0.204*
(-1.99)
政策支持 0.100***
(0.83)		 0.074***
(0.56)		 - - 0.300***
(3.29)		 0.624***
(1.96)		 0.522***
(5.41)		 0.255***
(2.27)		 0.195***
(1.57)
试验区建设 0.040*
(0.47)		 0.040**
(0.47)		 - - 0.630**
(3.70)		 0.164
(2.05)		 0.032
(1.41)		 1.291***
(4.74)		 0.991***
(3.54)
技术基础 - - 0.296***
(3.56)		 0.302***
(4.68)		 0.620***
(11.07)		 0.057*
(0.53)		 0.045*
(0.62)		 0.931***
(1.54)		 1.051***
(2.05)
产业基础 - - 0.060***
(3.42)		 0.058***
(2.57)		 0.250***
(3.68)		 0.103***
(6.34)		 0.590***
(12.38)		 0.572*
(9.62)		 0.162*
(5.96)
网络基础设施 - - 0.003***
(0.46)		 0.002
(0.28)		 -0.002
(-0.30)		 -0.005
(-0.43)		 0.004*
(1.95)		 -0.002
(-2.11)		 -0.006
(-2.51)
经济发展水平 - 0.017***
(1.26)		 - 0.028**
(1.46)		 0.034**
(1.39)		 0.257**
(2.58)		 1.036***
(3.19)		 0.079***
(4.48)		 0.154***
(5.63)
地理邻近性 - 0.00006***
(2.41)		 - 0.0007**
(3.96)		 -0.00002**
(-3.59)		 -0.005**
(-2.80)		 -0.001*
(-4.67)		 -0.0007*
(-6.16)		 -0.0006*
(-5.63)
城市教育环境 - 0.545***
(0.56)		 - 0.032
(0.34)		 0.014
(0.21)		 -0.80
(-0.69)		 -0.044
(-0.97)		 0.183**
(2.60)		 0.136**
(2.12)
截距 0.021 -6.268*** -1.848*** -2.513*** -3.810*** -6.588** -7.613** -15.155*** -12.621***
样本数 1359 1359 1359 1359 1359 150 205 482 522

注：***、**、*分别表示p<0.01、p<0.05、p<0.1。

模型5的结果表明：① 在信息化发展环境方面，技术基础的回归系数显著为正，表明越强的技术基础越有利于吸引企业进行投资。良好的技术基础一方面能够促进数字经济各行业合作，建立更多的投资联系渠道，另一方面能够加快企业投资转化为企业产能的进程；产业基础的回归系数显著为正，但对投资的吸引程度略低于技术基础，说明产业基础能够折射出数字经济产业的发展前景，投资更多流向了产业基础雄厚的城市，同时产业基础水平高的城市，需要注入更多的投资来驱动产业发展，对于投资的需求更大；此外，网络基础设施影响并不显著；② 在政策环境方面，政策支持的回归系数显著为正，说明数字经济相关政策的出台对推动产业发展和吸引企业投资具有重要作用，也说明政策制定是推动数字产业发展的重要支点；政府补贴的回归系数显著为正，说明政府资金支持一方面能够激发数字经济产业的投资活力，另一方面能够弥补企业的资金缺口，促进企业投资；试验区建设的回归系数显著为正，说明试验区为数字产业创新发展提供良好的环境和条件，有利于吸引投资，促进产业集聚发展。
模型6、模型7、模型8和模型9的结果表明，不同阶段数字经济企业投资的影响因素存在一定差异。从影响因素的作用强度分析，阶段一的关键性驱动因素为政策支持和产业基础，阶段二为产业基础、政策支持和政府补贴，阶段三、四为试验区建设、技术基础及政策支持。① 不同阶段下，技术基础对数字经济企业投融资联系均具有正向影响，但显著性不同。阶段一、二的技术基础虽对数字经济企业投融资具有正向影响，但显著性不强；而阶段三、四的技术基础对投融资具有显著正向影响。数字技术是数字化转型的引擎，“数字化”依赖于数字技术，因此技术基础对处于数字化转型阶段的阶段三、四的影响最为显著。② 试验区建设对阶段三、四的数字经济企业投融资联系具有显著正向影响，但对阶段一、二影响并不显著。阶段一、二时期的全国试验区建设水平相对较低，因此试验区建设的差异并未对投融资联系产生显著影响；而阶段三、四的试验区建设对投融资具有显著正向影响，说明试验区建设能够促进投融资联系，对数字产业发展具有拉动作用。
在控制变量方面，经济发展水平和地理邻近性分别存在显著正效应和负效应，说明良好的经济发展水平有利于提高城市的投资吸引力；而数字产业的投融资联系已经逐渐打破地理限制，地理距离的影响日益弱化，这进一步印证了“形成与长江三角洲、珠江三角洲、京津冀城市的跨越式投资联系”的研究结果。以往的研究发现远距离会增加企业投资的交易成本和运输成本，同时还有对企业管理效率产生影响，从而增加投资的不确定性。但随着互联网的普及，各项投资成本大大降低，有利于企业在全国范围内搜寻最佳投资对象，此外数字技术作为一种无形资产，天然不受投资距离的束缚，使得地理距离对数字经济企业投融资联系日益减弱。

4 结论与政策建议

4.1 结论

本文基于长时间尺度下福建省数字经济企业投融资数据，采用复杂网络分析和负二项回归模型等方法，分析了2000—2021年福建省数字经济产业发展的时空演化特征及其影响要素，研究发现：
（1）福建省数字经济企业投融资规模呈现出阶段性增长趋势，福建省密集出台的扶持“数字经济”的政策在一定程度上促进了数字经济的快速发展；企业投资来源由以原来的非数字经济企业为主，不断演化为以数字经济企业为主的投资模式；企业投融资呈现出结构性变化，外省投资占比逐步提升，省外投资由2000年的8.56亿元增长至2021年的288.08亿元，占比由11.59%增长至31.06%，本市投资比重逐步降低，融资金额“东高西低”的空间分布愈发明显。
（2）福州市始终是企业投资福建的首选城市，而随着时间推移，厦门、泉州等枢纽中心不断浮现，集聚形成福厦泉走廊；省外投融资网络以北京为绝对辐射中心，随时间呈现加速南移的趋势，逐渐从北京向上海和深圳扩展。与此同时，新的投资路径也在衍生，杭州、南昌等邻近省会城市和成都、贵阳等数字经济发展环境良好的城市逐渐成为新的投资来源。
（3）投融资影响因素中，政策和信息化发展环境对数字经济企业投融资联系具有显著促进作用，地理距离对数字产业投融资联系的影响日益弱化。但不同时期的数字经济企业投融资的影响因素存在一定的差异，前期主要依靠政策支持和产业基础推动投融资联系，后期产业基础促进效应不断减弱，而技术基础和试验区建设对投融资联系的促进作用不断增强，与政策支持共同推动数字经济企业投融资联系。

4.2 政策建议

通过分析福建省数字产业发展的时空演化特征及其影响要素，本文提出以下政策建议：
（1）福建省在政策上进一步扶持和鼓励福州、厦门、泉州等核心城市引进数字经济龙头企业和大力培育本土龙头数字企业，促进数字经济与实体经济的深入融合，加快传统产业的数字化转型，同时促进这些城市与宁德、三明等边缘城市的产业合作，加大数字经济发展水平较高地区的正向溢出效应。
（2）从2017年中央批准在福州举办“数字中国”建设峰会开始，福建省数字产业走上了高速发展的快车道，未来福建省需要进一步利用好这一宣传平台，推动本土数字企业走出去，同时吸引更多的外部投资来进一步带动福建省数字产业发展，尤其是西部发展相对较为缓慢南平、三明、龙岩等城市。
（3）以数字经济推动国民经济建设高质量发展，具体来说，福建省需要加快利用数字经济对传统产业进行全方位变革，同时提高产业结构的互补性，加强跨行业投融资，形成产业集群，从而最终提升福建产业的综合竞争力。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
中国国家统计局:《数字经济及其核心产业统计分类(2021)》, http://www.stats.gov.cn/tjsj/tjbz/202106/t202106 03_1818134.html.

[2]
郑艳婷, 王韶菲, 戴荔珠, 等. 长江中游地区制造业企业时空演化格局[J]. 经济地理, 2018, 38(5):117-125.

[ Zheng Y T, Wang S F, Dai L Z, et al. Spatial and temporal evolution of manufacturing in the middle reaches of the Yangtze River based on micro enterprise data[J]. Economic Geography, 2018, 38(5):117-125. ] DOI:10.15957/j.cnki.jjdl.2018.05.015

DOI

[3]
赵璐. 中国产业空间格局演化与空间转型发展态势[J]. 地理科学, 2021, 41(3):387-396.

DOI

[ Zhao L. Spatial pattern evolution and spatial transformation trend of industry in China[J]. Scientia Geographica Sinica, 2021, 41(3):387-396. ] DOI:10.13249/j.cnki.sgs.2021.03.003

DOI

[4]
张凯煌, 千庆兰, 陈清怡. 多尺度视角下中国新能源汽车产业创新空间格局及网络特征[J]. 地理科学进展, 2021, 40(11):1824-1838.

DOI

[ Zhang K H, Qian Q L, Chen Q Y. Multilevel spatial patterns and network characteristics of China's new energy vehicle industrial technological innovation[J]. Progress in Geography, 2021, 40(11):1824-1838. ] DOI:10.18306/dlkxjz.2021.11.003

DOI

[5]
韩会然, 杨成凤, 宋金平. 北京批发企业空间格局演化与区位选择因素[J]. 地理学报, 2018, 73(2):219-231.

DOI

[ Han H R, Yang C F, Song J P. Impact factors of location choice and spatial pattern evolution of wholesale enterprises in Beijing[J]. Acta Geographica Sinica, 2018, 73(2):219-231. ] DOI:10.11821/dlxb201802002

DOI

[6]
毕秀晶, 汪明峰, 宁越敏. 中国软件产业的空间格局及影响因素分析[J]. 经济地理, 2011, 31(1):84-89,122.

[ Bi X J, Wang M F, Ning Y M. Research on the distribution and determinants of software industry in China[J]. Economic Geography, 2011, 31(1):84-89,122. ] DOI:10.15957/j.cnki.jjdl.2011.01.023

DOI

[7]
胡伟, 陈晓东, 陈竹. 中国电子信息产业制造业区域发展差异及空间格局演变[J]. 区域经济评论, 2018(1):36-47.

[ Hu W, Chen X D, Chen Z. Regional development disparities and spatial pattern evolution of China's electronic information manufacturing industry[J]. Regional Economic Review, 2018(1):36-47. ] DOI:10.14017/j.cnki.2095-5766.2018.0016

DOI

[8]
赵渺希, 师浩辰, 王慧芹. 大都市区功能性多中心的产业集聚检验——以珠三角企业网络为例[J]. 地理研究, 2021, 40(12):3437-3454.

DOI

[ Zhao M X, Shi H C, Wang H Q. Examining the relationship of functional polycentricity and specialized industrial agglomeration in the metropolitan area of the Pearl River Delta[J]. Geographical Research, 2021, 40(12):3437-3454. ] DOI:10.11821/dlyj020210049

DOI

[9]
文嫮, 张强国, 粟旭. 基于中国电影产业价值链分工联系的城市网络研究[J]. 人文地理, 2019, 34(2):97-104.

[ Wen H, Zhang Q G, Su X. Study on the city network based on value chain division of Chinese film industry[J]. Human Geography, 2019, 34(2):97-104. ] DOI:10.13959/j.issn.1003-2398.2019.02.013

DOI

[10]
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[J]. 地理研究, 2021, 40(2):419-430.

DOI

[ Qian X Y, Sun B D. The spatial structures and organization patterns of China's city network based on inter-city startup investments[J]. Geographical Research, 2021, 40(2):419-430. ] DOI:10.11821/dlyj020191023

DOI

[11]
叶磊, 段学军. 基于物流企业的长三角地区城市网络结构[J]. 地理科学进展, 2016, 35(5):622-631.

DOI

[ Ye Lei, Duan Xuejun. Duan Xuejun. City network structure of the Yangtze River Delta region based on logistics enterprise network[J]. Progress in Geography, 2016, 35(5):622-631. ] DOI:10.18306/dlkxjz.2016.05.009

DOI

[12]
Ma Y Y, Zhuang X T, Li L X. Research on the relationships of the domestic mutual investment of China based on the cross-shareholding networks of the listed companies[J]. Physica A Statistical Mechanics & Its Applications, 2011, 390(4):749-759. DOI:10.1016/j.physa.2010.10.042

DOI

[13]
胡国建, 陈传明, 陈丽娟, 等. 企业跨区域投资格局及其影响因素——以福建上市企业为例[J]. 经济地理, 2018, 38(9):138-146.

[ Hu G F, Chen C M, Chen L J, et al. Enterprise's cross- region investment pattern and its determinants: A case study of Fujian listed firms[J]. Economic Geography, 2018, 38(9):138-146. ] DOI:10.15957/j.cnki.jjdl.2018.09.016

DOI

[14]
Battiston S, Rodrigues J F, Zeytinoglu H. The network of inter-regional direct investment stocks across Europe[J]. Advances in Complex Systems, 2007, 10(1):29-51. DOI:10.1142/S0219525907000933

DOI

[15]
庄德林, 王鹏鹏, 许基兰, 等. 中国创业投资城市网络空间结构演变研究——基于四大投资阶段的分析视角[J]. 地理科学, 2020, 40(8):1256-1265.

DOI

[ Zhuang D L, Wang P P, Xu Jilan, et al. Spatial structure evolution of China's venture capital city network: Based on the analysis perspective of four investment stages[J]. Scientia Geographica Sinica, 2020, 40(8):1256-1265. ] DOI:10.13249/j.cnki.sgs.2020.08.004

DOI

[16]
Li Z, Feng Z. Mapping urban networks through inter-firm investment linkages: The case of listed companies in Jiangsu, China[J]. Sustainability, 2019,12. DOI:10.3390/su12010089

DOI

[17]
Clare K. The essential role of place within the creative industries: boundaries, networks and play[J]. Cities, 2013, 34:52-57. DOI:10.1016/j.cities.2012.05.009

DOI

[18]
吴孝武, 段金柱, 王永珍, 等. 勇立潮头,建设“数字福建”——习近平总书记在福建的探索与实践·信息化篇[N]. 福建日报, 2017-8-28(4).

[ Wu X W, Duan J Z, Wang Y Z, et al. Bravely standing at the forefront and building a "digital Fujian" - General Secretary Xi Jinping's exploration and practice in Fujian, informatization[N]. Fujian Daily, 2017-08-28(4). ]

[19]
尹力. 接续推进数字福建建设以信息化驱动现代化[N]. 人民日报,2022-03-06(10).

[ Yin L. Continue to promote the construction of digital Fujian and drive modernization with informatization[N]. People's Daily, 2022-03-06(10). ]

[20]
刘淑春. 中国数字经济高质量发展的靶向路径与政策供给[J]. 经济学家, 2019, 246(6):52-61.

[ Liu S C. Targeting path and policy supply for the high quality development of China's digital economy[J]. Economist, 2019, 246(6):52-61. ] DOI:10.16158/j.cnki.51-1312/f.2019.06.006

DOI

[21]
刘婷婷, 汪明峰, 张英浩, 等. 中国互联网企业生存的时空格局及影响因素研究[J]. 地理科学进展, 2021, 40(3):410-421.

DOI

[ Liu T T, Wang M F, Zhang Y H, et al. Spatiotemporal pattern and determinants of internet firm survival in China[J]. Progress in Geography, 2021, 40(3):410-421. ] DOI:10.18306/dlkxjz.2021.03.005

DOI

[22]
杨路明, 施礼. “一带一路”数字经济产业聚集发展研究[J]. 中国流通经济, 2021, 35(3):54-67.

[ Yang L M, Shi L. The research on the development of industrial agglomeration of digital economy along the Belt and Road[J]. China Business and Market, 2021, 35(3):54-67. ] DOI:10.1 4089/j.cnki.cn11-3664/f.2021.03.006

DOI

[23]
温珺, 阎志军, 程愚. 数字经济与区域创新能力的提升[J]. 经济问题探索, 2019, 448(11):112-124.

[ Wen J, Yan Z J, Cheng Y. Digital economy and upgrading regional innovation capacity[J]. Inquiry into Economic Issues, 2019, 448(11):112-124. ] DOI:CNKI:SUN:JJWS.0.2019-11-010

DOI

[24]
许宪春, 张美慧. 中国数字经济规模测算研究——基于国际比较的视角[J]. 中国工业经济, 2020, 386(5):23-41.

[ Xu X J, Zhang M H. Research on the scale measurement of digital economy in China based on the perspective of international comparison[J]. China Industrial Economics, 2020, 386(5):23-41. ] DOI:10.19581/j.cnki.ciejournal.2020.05.013

DOI

[25]
王伟玲, 王晶. 我国数字经济发展的趋势与推动政策研究[J]. 经济纵横, 2019, 398(1):69-75.

[ Wang W L, Wang J. Research on trend and policy of digital economy development in China[J]. Economic Review Journal, 2019, 398(1):69-75. ] DOI:10.16528/j.cnki.22-1054/f.201901069

DOI

[26]
刘军, 杨渊鋆, 张三峰. 中国数字经济测度与驱动因素研究[J]. 上海经济研究, 2020, 381(6):81-96.

[ Liu J, Yang Y J, Zhang S F. Research on the measurement and driving factors of China's digital economy[J]. Shanghai Journal of Economics, 2020, 381(6):81-96. ] DOI:10.19626/j.cnki.cn31-1163/f.2020.06.008

DOI

Options
文章导航

/

〈 〉