2. 空军勤务学院 飞行保障指挥系, 徐州 221000;
3. 中国城市规划设计研究院, 北京 100044
2. Department of Flight Support Command, Air Force Logistics College, Xuzhou 221000, China;
3. China Urban Planning and Design Institute, Beijing 100044, China
随着经济全球化和信息化的推进,区域及城市的形态与功能发生明显变化,地域空间组织由静态的等级模式向动态的网络模式转变。Castells认为随着网络社会的兴起,区域之间的权利分配更多的是由网络支配,而不再是传统的等级化[1]。企业联系、交通联系、信息联系是区域网络研究的重要内容,其中企业联系能够呈现更为复杂的区域网络。企业联系涉及企业异地投资,企业异地投资能推动区域网络形成,使得城市间联系日益紧密,进而促进城市群协同发展,助力各城市合理地整合、分配资源,完善城市功能定位。京津冀协同发展已上升为国家战略,各城市之间要实现更高水平的一体化,推进产业升级转移,必须要加强企业之间的联系。京津冀城市群的各城市间经济发展水平差异较大,为分析特大型中心城市向周边地区投资提供了典型的案例。
目前利用企业数量建立企业网络进行分析的研究较多,利用企业投资建立产业投资网络,分析网络演变特征及行业差异的研究较少。产业投资网络现有研究主要利用企业股权投资、创业风险投资数据,采用社会网络分析法,分析产业投资网络特征、节点城市地位、区域投资格局及演变等。国内外研究发现投资网络存在明显空间集聚性,美国创业风险投资网络在硅谷更加密集[2],南美油气投资网络的最中心城市是里约热内卢[3];国内主要集中在京津冀、长三角和珠三角地区[4],北京和上海为核心节点[5],京津冀城市群表现为单核辐射轮轴型网络[6]。产业投资网络演变研究更关注其扩散趋势,内部投资扩散呈现邻近扩散为主、跳跃扩散为辅的特征[7],对外投资扩散呈现中心城市等级扩散再向其周边城市邻近扩散的态势[8, 9],跨行政地域性的联系有所加强[10]。京津冀城市群产业投资网络在演变过程中时空分布的不均衡性缓慢降低,三中心(北京、天津和唐山)对周边城市具有一定的带动作用[11],产业投资扩散呈现行业异质性[12]。影响因素方面,基于城市投资空间特征的影响因素研究较多,关注城市投资联系的影响因素研究较少,现有研究认为行政区划、市场容量、经济发展包括外向型经济等因素对城市联系影响较大[10, 11, 13-18]。
已有的产业投资网络演变特征及影响因素研究并不多,且存在一些问题亟需解决。首先,已有研究主要利用企业数量分析企业网络特征,或利用投资分析城市投资空间特征,基于投资的产业投资网络特征研究较少;其次,已有研究多是针对城市的全行业或某一行业产业投资网络特征,对不同行业产业投资网络进行对比研究较少;最后,已有对产业投资网络的影响因素的研究多为产业投资与城市属性的相关性研究,较少分析城市间投资联系的影响因素。本文利用2000—2019年工商企业注册数据库中的企业投资信息构建京津冀城市群产业投资网络,实证分析产业投资网络演变特征、行业差异及影响因素,更注重企业间资金流动特征,强调城市投资联系,将丰富产业投资网络研究,并为京津冀协同发展提供政策建议。
2 数据及方法 2.1 数据来源研究数据来源于2000—2019年工商企业注册数据库中的企业投资新增数据,该数据包含投资城市、被投资城市、投资数量、投资金额、行业分类等。本文产业投资是指一个城市投向另一城市全行业或某一行业的投资总额,提取2000、2010、2019年各城市、各行业的企业投资新增数据,以京津冀城市群的地级市为基本空间单元进行归并,构建不同时间节点的全行业、制造业、科学研究与技术服务业产业投资网络。影响因素部分,大部分解释变量数据来自2001、2011、2020年的《中国城市统计年鉴》;城市间公路距离来源于百度地图。
2.2 研究方法 2.2.1 社会网络分析采用社会网络分析方法研究产业投资网络特征及演变,包括网络密度、中心度、核心—边缘结构等分析,分别针对节点联系紧密度、网络中心地位、网络空间结构进行对应研究[19-25]。
网络密度。网络密度用来揭示网络结构中各节点联系的紧密度,网络密度越高,节点的联系越紧密。
中心度。点出度表示节点的输出程度,可以刻画节点对网络的带动和辐射能力;点入度表示节点的输入程度,可以刻画节点对网络的接受和吸引能力。中心度为点出度和点入度之和,用来测度同等规模网络中节点的重要性程度,中心度越高的点,越可能在网络中处于主导的地位。点出度与点入度的差值能够反映城市的投资类型,差值若为正数,则该城市企业投资主要以输出为主;差值若为负数,则该城市企业投资以输入为主。
核心—边缘结构。核心—边缘结构是指不考虑城市投资额的绝对规模,从城市间相对联系层面量化各城市在产业投资网络中的地位,把大于等于0.1的城市归于核心区,在0.01—0.1间的城市归于半边缘地区,小于等于0.01的城市归于边缘区。
2.2.2 QAP分析QAP分析可以判断多个解释变量矩阵与被解释变量矩阵的回归关系,用于解释关系数据的影响因素[13-16]。将原始矩阵的解释变量、被解释变量所对应的元素进行标准的多元回归分析后,随机置换被解释变量的各行各列,重复多次回归,得到各影响因素的系数与所占比例的分布关系,估计各统计量的标准误差。
3 京津冀城市群产业投资网络演变特征 3.1 产业投资规模呈阶段性增长,空间范围扩大2000—2019年,京津冀城市群的产业投资总额从2000年的287.64亿元增长到2019年的5904.45亿元,呈现阶段性增长趋势(图 1)。2000—2003年投资总额较低,趋势上先降低后增加,增长率从2001年的-61.1% 增长至2003年的162%;2004—2011年投资总额从156.1亿元增加至1653.26亿元,增长率呈现波浪式增长,在2011年(140%)达到高峰;2012—2019年投资额呈现持续增长,从1246.1亿元增加至5904.45亿元,增长率在0—50% 范围内浮动,由于基数较大所以增长更明显。
京津冀城市群由13个地级市组成,理论上产业投资最多可拥有156条(13×12)路线,但是事实上并非每两个城市间都有投资产生。从网络密度来看,2000年为38.46%,2010年为68.59%,2019年为90.38%;2000—2019年间,京津冀城市群网络密度明显提升,说明涉及的城市明显增多,产业投资空间范围更加广泛。
3.2 产业投资格局从单核辐射网络演变为“双层三角联动辐射网络”从节点城市的中心地位来看,2000年北京(第三等级)中心度较高,其次为天津、保定(均为第二等级);2010年北京(第四等级)、天津(第三等级)中心度较高,其次是石家庄、唐山、廊坊(均为第二等级);2019年,北京、天津、石家庄、保定(均为第五等级)中心度最高,其次是唐山(第四等级);2000—2019年,各城市的中心度等级均有提高,其中天津、石家庄、唐山的提升幅度较大,说明各城市产业投资规模均有明显增加,经济规模较大的城市提升幅度更大(图 2)。从城市投资联系来看,2000年,北京与保定、北京与天津、北京与石家庄(均为第三等级)间的产业投资较多,数额较大的产业投资都是与北京建立的;2010年,北京与天津(第四等级)间的产业投资较多,北京与唐山、北京与石家庄、石家庄与天津、石家庄与唐山、天津与唐山(均为第三等级)也较多,数额较大的产业投资打破仅和北京建立联系的格局;2019年,北京与天津、北京与保定(均为第五等级)间的产业投资最多,北京与石家庄、石家庄与唐山、石家庄与保定、北京与唐山、天津与石家庄(均为第四等级)也较多,产业投资在北京、天津、保定、石家庄、唐山的内部联系基础上向外辐射。总体来说,2000—2019年,北京、天津、石家庄、保定在网络中处于中心地位,这与北京、天津、石家庄的行政中心地位相匹配,同时与保定的国家级新区河北雄安新区设立相符合,京津冀城市群产业投资从以北京为核心的单核辐射网络逐步演变成以北京、天津、保定为第一层顶点,石家庄、唐山为第二层顶点的“双层三角联动辐射网络”。
2000—2019年,京津冀城市群产业投资网络存在明显的核心—边缘结构(表 1)。北京、天津一直是核心区;保定在2000、2019年都是核心区,但在2010年是半边缘区;石家庄在2000、2010年是半边缘区,在2019年提升为核心区;唐山从2000年的边缘区,提升到2010、2019年的半边缘区;边缘区大多数城市节点核心度有所提高,节点核心度基尼系数从2000年的0.566,下降至2010年的0.471,再至2019年的0.443,说明节点核心度差异逐步缩小,核心—边缘结构的极化现象有所减弱。总体来看,产业投资网络存在明显核心—边缘结构,极化现象逐步减弱;核心区以经济发展水平较高(北京、天津)或政策高度支持(保定)的城市为主,边缘区以经济不发达(衡水、承德)或距离北京较远(邢台、邯郸)的城市为主,边缘区城市与核心区城市的产业投资相对差距明显缩小,京津冀城市群的产业投资更加均衡化,与承接北京非首都功能疏解的目标相吻合。
在研究产业投资网络整体特征的基础上,分别以各城市对外投资和接受投资总额为研究对象,从“输出”和“输入”两方面探讨各城市在产业投资网络中的投资类型。从点出度和点入度的差值来看(表 2),2000年,北京、秦皇岛、承德、衡水以输出为主,保定、天津、石家庄、廊坊以输入为主;2010年,北京、石家庄、唐山以输出为主,天津、保定、沧州、承德以输入为主;2019年,北京、石家庄以输出为主,保定、天津、唐山、沧州以输入为主。2000—2019年,北京始终有大规模资本净流出,为“大规模输出型”城市,发挥首都、全国性金融管理中心对外投资的辐射作用;石家庄从小规模资本净流入变为资本净流出,为“小规模输出型”城市,发挥河北省省会城市对外投资的辐射作用;天津、保定始终有大规模资本净流入,唐山在2000、2019年有资本净流入且2019年规模较大,均为“大规模输入型”城市,发挥政策重点城市接受投资的吸引作用;张家口、沧州、廊坊、邢台始终有小规模资本净流入,秦皇岛从资本净流出变为小规模资本净流入,均为“小规模输入型”城市,发挥京津冀协同发展各城市接受投资的吸引作用;衡水、承德、邯郸企业资本流入和流出较为接近且都较小(三年的点出度与点入度差值均在-50 —50范围内),为“小规模均衡型”城市,与其他城市相互联系不多。综合来看,北京、天津、石家庄对其他城市影响较大,保定、天津、石家庄受其他城市影响较大,投资输出始终以大城市为主,投资输入的城市范围逐步扩大且趋于多样化。
产业投资网络存在行业差异,利用企业投资的所属大类进一步探究京津冀城市群产业投资网络的行业异质性。2000—2019年间平均比重较高的行业有制造业(17.78%),租赁和商务服务业(13.35%),金融业(13.23%),科学研究和技术服务业(12.34%)、房地产业(10.12%)。制造业投资占全行业投资的比重位列所有行业第一位,是产业投资网络的最重要组成部分;科学研究与技术服务业投资需要城市具备较高的科技创新能力,是京津冀协同发展中具有较大潜力和上升空间的行业。本文选取制造业、科学研究与技术服务业,作为典型行业进行具体分析。
4.1 制造业:等级辐射网络制造业投资比重是所有行业中最高的,属于波浪式提升行业。2000—2019年,制造业产业投资网络的网络密度由2000年的16.67% 增加至2019年的43.59%,投资空间范围有明显提升。从节点城市来看,2000年,北京、天津(均为第三等级)的中心度较高;2010年,北京、天津、保定、石家庄(均为第四等级)的中心度较高;2019年,北京、唐山、天津、保定、石家庄(均为第五等级)的中心度较高,其他中小城市均有较大提升;制造业企业投资具有明显的等级扩散特征,即制造业企业投资先集聚在大城市(北京、天津),由大城市扩散到中等城市(石家庄、保定、唐山)、再到其他小城市。从城市投资联系来看,2000年,北京与天津投资最多,北京与邯郸、北京与保定其次;2010年,北京与天津、北京与衡水、石家庄与衡水、唐山与天津、北京与廊坊、北京与保定、北京与石家庄的投资较多,投资开始向中小城市扩散,逐步均衡化;2019年,北京与天津、北京与唐山、北京与保定、北京与张家口间的投资最多,有多组城市投资额达到第四等级,第三等级投资额多存在于河北省经济发展较弱的城市间;北京与天津间的投资额始终最高,城市间投资额均有较大幅度提升且具有等级特征,即大城市间投资联系持续加深,大城市与中小城市投资联系紧随其后,中小城市间投资联系最弱。综合来看,制造业投资空间范围扩大,北京始终为点出度最高的城市,天津始终为点入度最高的城市,产业投资具有明显的等级扩散特征,呈现从北京到天津,再到石家庄、保定、唐山,最后至其他城市的等级辐射网络(图 3)。
科学研究与技术服务业投资比重较高,属于大幅增长行业。2000—2019年,科学研究与技术服务业的网络密度增长幅度相较制造业更大,由2000年的9.62% 增加至2019年的62.82%。从节点城市来看,2000年,北京、保定(均为第三等级)的中心度较高;2010年,北京、天津(均为第四等级)、石家庄(第三等级)的中心度较高;2019年,北京、保定、天津、石家庄、邢台(均为第五等级)的中心度较高;北京的中心度、点出度和点入度始终最高,且点出度远高于点入度,说明北京对城市群其他城市辐射能力显著。从城市投资联系来看,2000年,北京与天津、保定间的投资最多,北京与秦皇岛、唐山、廊坊的产业投资其次;2010年,北京与天津、石家庄间的投资最多,北京与保定、秦皇岛、邯郸,石家庄与衡水间投资其次;2019年,北京与天津、廊坊、邢台、保定间投资最多;规模较大的投资联系大多基于北京建立,河北省各城市间联系较弱,投资数额较小。综合来看,2000—2019年,科学研究与技术服务业投资空间范围有所扩大,北京具有最强对外辐射能力,产业投资范围主要向东南部扩展,形成以北京为核心的单核辐射网络(图 4)。
对比制造业和科学研究与技术服务业产业投资网络,对京津冀城市群的产业投资行业异质性进行分析。首先,与全行业、制造业相比,科学研究与技术服务业的增长幅度最大,极化现象最为明显,说明科技研究与技术服务业投资更有选择性、集聚化趋势更明显。其次,制造业投资等级扩散特征更为明显,形成大城市优先发展、带动周围城市共同发展的趋势。最后,产业投资格局方面,全行业呈现“双层三角联动辐射网络”,制造业呈现等级辐射网络,科学研究与技术服务业呈现单核辐射网络。
5 京津冀城市群产业投资网络的影响因素分析为探寻京津冀城市群产业投资网络演变的影响因素,选择2000、2010、2019年的产业投资网络作为被解释变量,建立对应年份城市间各属性值网络作为解释变量。影响因素指标构建基于以下理论依据:已有研究认为企业投资并购双方偏好于经济基础雄厚、金融市场繁荣的地区[14],地区生产总值是重要的经济规模指标,通过乘积处理后构建生产总值网;金融机构年末存贷款是重要的金融市场指标,通过乘积处理后构建金融机构年末存贷款网,验证是否城市的经济规模和金融市场越大越容易促进企业投资的形成。已有研究发现相同类型城市之间的合作更加明显和密集[19],产业相似度是城市间产业结构差异的重要衡量指标,观察产业结构相似的城市是否能促进投资;对于制造业、科学研究与技术服务业而言,分别用第二产业/第三产业增加值比重差值网表示其产业结构差异。劳动力成本是企业投资需要考虑的重要部分,而已有研究大多认为劳动力成本对产业投资网络的形成影响较小[10, 16],利用在岗职工平均工资差值网,考量劳动力成本差异是否促进了资本流动。已有研究发现FDI和行政边界均对金融资本流动具有显著影响[13],利用FDI差值网表征城市间的对外开放差异,观察对外开放差异较小的城市间是否更易产生资本流动;京津冀协同发展的过程需要打破行政界线,引入虚拟变量1和0分别表示两地级市属于不同省或一个省,形成行政界线1-0网络衡量省份边界对产业投资的影响。科研创新是企业发展的重要组成部分,已有研究认为创新能力与企业间投资有一定相关性[11],利用R&D内部经费支出差值网来衡量城市科研创新能力差异,验证科研创新能力差异能否促进企业投资。地理邻近可以为企业投资减少交通成本[16],城市间公路行驶距离形成的网络可以衡量城市间的空间距离,探究交通联系对企业投资的影响。综上所述,从8个方面出发分别构建相应年份8个网络,经过取对数处理后作为QAP分析的解释变量(表 3)。
首先利用QAP相关分析,对解释变量和被解释变量进行相关性检验,计算结果均通过显著性检验,具有一定解释力。进一步利用QAP回归方法,选择5000次随机置换,整体回归结果较为理想,具体结果见表 4。
从全行业的回归结果来看,行政界线(2010年0.319,2019年0.401)、劳动力成本(2000年0.247,2019年0.243)、科研创新(2010年0.145,2019年0.302)、金融市场(2010年0.098,2019年0.302)、经济规模(2000年0.034,2019年0.170)对产业投资网络影响通过显著性检验且方向为正。结论如下:①企业投资更倾向于不同省份的城市间。京津冀协同发展的背景下,政府通过建立产业园区、制定优惠政策鼓励大批北京、天津的企业向河北投资,行政界线对企业投资联系呈正向影响的结论符合政策背景,同时也对应了北京、天津与其他城市企业投资联系较多的现实。②劳动力成本差异是促进企业投资的巨大推动力。企业投资从企业自身出发是为获取更大的收益,这也就决定了企业需要最大程度节约成本,“输出型”城市提供更多资金的同时“输入型”城市提供更为廉价的劳动力,城市间劳动力成本的差异为企业投资创造了条件。③科研创新差异是企业投资的重要契机。其他城市与北京、天津在科研与技术方面具有较大差距,技术梯度差可以促进企业投资,实现京津冀协同发展。④经济规模和金融市场较大的城市间企业投资也较多。经济规模较大的城市具有雄厚的资金基础、较大的投资市场,更易产生规模效应,北京作为全国性金融管理中心,利用其已有金融市场推动京津冀城市间的资金流动,促进企业投资。
从制造业和科学研究与技术服务业的回归结果分析产业投资网络的行业异质性,经济规模(2000年0.213,2010年0.337,2019年0.299)、金融市场(2000年0.092,2010年0.103,2019年0.156)、对外开放(2000年-0.112)、产业结构(2010年-0.213,2019年-0.132)、交通联系(2019年-0.052)对制造业产业投资网络有影响,科研创新(2010年-0.313,2019年-0.317)、行政界线(2000年0.261,2010年0.114,2019年0.235)、对外开放(2010年-0.109,2019年-0.273)、交通联系(2000年-0.142,2019年-0.092)对科学研究与技术服务业产业投资网络有影响。结论如下:①经济规模、金融市场对制造业企业投资,行政界线对科学研究与技术服务业企业投资同样产生正向影响,与全行业保持一致。②制造业、科学研究与技术服务业企业投资多发生在对外开放差异较小、交通联系密切的城市间。在模型2、3中FDI差值网和公路距离均通过显著性检验且为负向,说明对外开放差异越小、公路距离近的城市间具有更为密切的投资联系,城市获得投资的机会越多,投资更为便利。③制造业企业投资偏向于产业结构相近的城市间,说明制造业对第二产业基础的要求较高,相似的产业结构能吸引更多的制造业投资。④科学研究与技术服务业企业投资多流动在具备相同科研创新能力的城市间。R&D内部经费支出差值网在模型3中显示是负向的,与全行业相反,说明科学研究与技术服务业企业投资更多地发生在科研创新差异较小的城市间,这是由于行业的高技术属性决定的。
6 结论与讨论京津冀城市群产业投资的规模和空间范围均不断扩大,从以北京为核心的单核辐射网络逐步演变为北京、天津、保定为第一层顶点,石家庄、唐山为第二层顶点的“双层三角联动辐射网络”。产业投资网络存在明显核心—边缘结构,极化现象逐步减弱;核心区以经济发展水平较高或政策高度支持的城市为主,边缘区以经济不发达或距离北京较远的城市为主。北京为“大规模输出型”城市,石家庄为“小规模输出型”城市,天津、保定、唐山为“大规模输入型”城市,沧州、廊坊、张家口、秦皇岛、邢台为“小规模输入型”城市,衡水、承德、邯郸为“小规模均衡型”城市。产业投资网络存在行业异质性,科技研究与技术服务业的企业投资更有选择性、更为集中,核心—边缘结构的极化现象最为明显,呈现以北京为核心的单核辐射网络;制造业企业投资等级扩散特征更明显,呈现等级辐射网络。产业投资网络是多种影响因素综合作用的结果,从以经济规模和劳动力成本影响为主演变为行政界线、劳动力成本、科研创新、金融市场、经济规模多种因素共同作用。与全行业相同的是,经济规模、金融市场同样促进制造业投资联系;行政界线同样促进科学研究与技术服务业投资联系;与全行业相反的是,科研创新差异过大不利于科学研究与技术服务业投资联系。除此之外,制造业、科学研究与技术服务业投资均发生在对外开放差异较小、交通联系密切的城市间;制造业投资流动在产业结构相似的城市间。
不同城市的投资类型具有较大的差异,经济地位不能完全决定产业投资网络地位,政府政策、科研创新等也发挥着重要作用,为实现京津冀协同发展,淡化产业投资网络地位与经济地位的不平衡,地方政府(尤其是中小城市政府)应该采用政策鼓励、产业园区建设等措施吸引其他城市的企业投资;提供符合地区特色的劳动力扶持政策,降低劳动力成本;应在努力提升经济规模的基础上,与科研创新能力高的城市建立企业联系,形成合理产业分工。再者,产业投资的行业异质性决定了其网络演变趋势的不同,需针对不同行业确立合理的城市功能定位。制造业为主的城市(保定、唐山等)应将提升经济规模作为发展重心,与相似产业结构的城市建立更密切的企业联系,发展优势产业;科学研究与技术服务业为主(北京、天津、保定等)的城市应着重加强科研创新投入,积极搭建科技企业孵化器、技术创新研发平台和工程研究中心;同时,两类城市均应提升资本吸引能力,外资与内资同步发展;提升交通设施建设水平,致力于缩减距离成本。
本文在已有相关研究提出的核心—边缘结构、单核辐射轮轴型网络等结论基础上提出京津冀城市群产业投资网络从以北京为核心的单核辐射网络演变为“双层三角联动辐射网络”;进一步分析行业异质性,提出了制造业的等级辐射网络,科学研究与技术服务业的单核辐射网络;并探讨产业投资网络中城市间投资联系的影响因素及其行业异质性。但文章还存在不足之处,首先,只是选取了京津冀城市群为代表性区域进行分析,对京津冀城市群在全国的地位以及与全国其他地区的联系研究不足;其次,研究数据仅涉及企业异地投资,未研究城市内部投资,对影响因素部分行政界线指标分析有影响;最后,文章主要利用企业投资汇总数据分析,未来应加强企业实地调查,从企业本身出发深入探讨微观尺度企业投资网络特征,并论述其内在机制。
[1] |
Castells M. Toward a sociology of the network society[J]. Contemporary Sociology, 2000, 29(5): 693-699. DOI:10.2307/2655234 |
[2] |
Castilla E J. Networks of venture capital firms in silicon valley[J]. International Journal of Technology Management, 2003, 25(1/2): 113-135. DOI:10.1504/IJTM.2003.003093 |
[3] |
Francoso M S, Breul M, Hiratuka C. The spatial organization of oil and gas investments in south America: An analysis based on communities[J]. Nova Economia, 2019, 29(3): 795-815. DOI:10.1590/0103-6351/4756 |
[4] |
胡国建, 陆玉麒. 基于企业视角的城市网络研究进展、思考和展望[J]. 地理科学进展, 2020, 39(9): 1587-1596. [Hu Guojian, Lu Yuqi. Progress, thoughts, and prospect of urban network research based on enterprise perspective[J]. Progress in Geography, 2020, 39(9): 1587-1596.] |
[5] |
汪明峰, 魏也华, 邱娟. 中国风险投资活动的空间集聚与城市网络[J]. 财经研究, 2014, 40(4): 117-131. [Wang Mingfeng, Wei Yehua, Qiu Juan. Spatial agglomeration and urban network of venture capital investment in China[J]. Journal of Finance and Economics, 2014, 40(4): 117-131.] |
[6] |
王伟, 张常明, 王梦茹. 中国三大城市群产业投资网络演化研究[J]. 城市发展研究, 2018, 25(11): 118-124, 2, 161. [Wang Wei, Zhang Changming, Wang Mengru. Research on the evolution of industrial investment network of China's three major urban agglomerations[J]. Urban Development Studies, 2018, 25(11): 118-124, 2, 161. DOI:10.3969/j.issn.1006-3862.2018.11.024] |
[7] |
蔡高明, 李志斌, 王东宇, 等. 中原城市群产业投资网络结构特征分析[J]. 城市发展研究, 2017, 24(12): 16-21, 91. [Cai Gaoming, Li Zhibin, Wang Dongyu, et al. A Study on characteristics of the investment network of central plains city group[J]. Urban Development Studies, 2017, 24(12): 16-21, 91. DOI:10.3969/j.issn.1006-3862.2017.12.003] |
[8] |
徐宁, 李仙德. 上海上市公司对外投资网络演变及其影响因素研究[J]. 地理科学进展, 2020, 39(4): 553-566. [Xu Ning, Li Xiande. Evolution of Shanghai listed companies' outward investment network and its determinants[J]. Progress in Geography, 2020, 39(4): 553-566.] |
[9] |
李哲睿, 甄峰, 傅行行. 基于企业股权关联的城市网络研究——以长三角地区为例[J]. 地理科学, 2019, 39(11): 1763-1770. [Li Zherui, Zhen Feng, Fu Xingxing. Mapping urban network through interfirm investment relationship: A case study of Yangtze River Delta[J]. Scientia Geographica Sinica, 2019, 39(11): 1763-1770.] |
[10] |
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. [Li Xiande. 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] |
[11] |
Fang J W. An analysis of the differentiation rules and influencing factors of venture capital in Beijing-Tianjin-Hebei urban agglomeration[J]. Journal of Geographical Sciences, 2018, 28(4): 514-528. DOI:10.1007/s11442-018-1487-8 |
[12] |
刘骁啸, 吴康. 功能疏解背景下京津冀中部核心区产业投资网络演化研究[J]. 地理科学进展, 2020, 39(12): 1972-1984. [Liu Xiaoxiao, Wu Kang. Change of industrial investment networks in the central core area of Beijing-Tianjin-Hebei region under the background of non-capital function dispersal[J]. Progress in Geography, 2020, 39(12): 1972-1984.] |
[13] |
季菲菲, 陈雯, 魏也华, 等. 长三角一体化下的金融流动格局变动及驱动机理——基于上市企业金融交易数据的分析[J]. 地理学报, 2014, 69(6): 823-837. [Ji Feifei, Chen Wen, Wei Yehua Dannis, et al. Changing financial flow patterns and driving mechanisms of financial flows under the integration of the Yangtze River Delta: An analysis of the financial transaction data of listed companies[J]. Acta Geographica Sinica, 2014, 69(6): 823-837.] |
[14] |
吴加伟, 陈雯, 袁丰, 等. 中国企业本土并购双方的地理格局及其空间关联研究[J]. 地理科学, 2019, 39(9): 1434-1445. [Wu Jiawei, Chen Wen, Yuan Feng, et al. The geographical distribution and evolution mechanism of domestic merger and acquisition in China[J]. Scientia Geographica Sinica, 2019, 39(9): 1434-1445.] |
[15] |
Wójcik D. Cross-border corporate ownership and capital market integration in Europe: Evidence from portfolio and industrial holdings[J]. Journal of Geographical Sciences, 2002, 2(4): 455-491. |
[16] |
周悦颜. 基于企业网络的京津冀地区城市联系特征及影响因素[D]. 北京: 首都师范大学, 2021: 71-72. [Zhou Yueyan. Characteristics and Influencing Factors of Urban Connection in Beijing-Tianjin-Hebei Region Based on Enterprise Network[D]. Beijing: Capital Normal University, 2021: 71-72.]
|
[17] |
谢专, 张佳梁, 张晓波. 京津冀的产业结构现状、变迁与空间资本流动——来自工商注册数据的证据[J]. 人口与发展, 2015, 21(5): 24-33. [Xie Zhuan, Zhang Jialiang, Zhang Xiaobo. The structure of production and capital flows in Beijing-Tianjin-Hebei: Evidence from firm registry database[J]. Population and Development, 2015, 21(5): 24-33.] |
[18] |
盛科荣, 张杰, 张红霞. 上市公司500强企业网络嵌入对中国城市经济增长的影响[J]. 地理学报, 2021, 76(4): 818-834. [Sheng Kerong, Zhang Jie, Zhang Hongxia. Network embedding and urban economic growth in China: A study based on the corporate networks of top 500 public companies[J]. Acta Geographica Sinica, 2021, 76(4): 818-834.] |
[19] |
王成. 山东省城市网络特征及演化过程探析——基于企业集团公司关联网络的分析[D]. 北京: 首都师范大学, 2015: 17-18. [Wang Cheng. Analysis on the Characteristics and Evolution Process of Urban Network in Shandong Province: An Analysis Based on the Association Network of Enterprise Groups[D]. Beijing: Capital Normal University, 2015: 17-18.]
|
[20] |
马丽亚, 修春亮, 冯兴华. 基于母子企业联系的东北三省城市网络特征[J]. 地理科学, 2019, 39(7): 1129-1138. [Ma Liya, Xiu Chunliang, Feng Xinghua. Urban network characteristics in three provinces of the northeastern China based on headquarter-affiliate enterprise connection[J]. Scientia Geographica Sinica, 2019, 39(7): 1129-1138.] |
[21] |
李艳, 孙阳, 姚士谋. 基于财富中国500强企业的中国城市群城市网络联系分析[J]. 地理研究, 2020, 39(7): 1548-1564. [Li Yan, Sun Yang, Yao Shimou. Urban network linkages of Chinese urban agglomerations based on an analysis of the Fortune China's top 500 enterprises[J]. Geographic Research, 2020, 39(7): 1548-1564.] |
[22] |
赵新正, 李秋平, 芮旸, 等. 基于财富500强中国企业网络的城市网络空间联系特征[J]. 地理学报, 2019, 74(4): 694-709. [Zhao Xinzheng, Li Qiuping, Rui Yang, et al. The characteristics of urban network of China: A study based on the Chinese companies in the Fortune Global 500 list[J]. Acta Geographica Sinica, 2019, 74(4): 694-709.] |
[23] |
赵渺希, 魏冀明, 吴康. 京津冀城市群的功能联系及其复杂网络演化[J]. 城市规划学刊, 2014(1): 46-52. [Zhao Miaoxi, Wei Jiming, Wu Kang. Functional linkages in the Beijing-Tianjin-Hebei conurbation region and the evolution of the complex networks[J]. Urban Planning Forum, 2014(1): 46-52.] |
[24] |
盛科荣, 王云靓, 樊杰. 中国城市网络空间结构的演化特征及机理研究——基于上市公司500强企业网络视角[J]. 经济地理, 2019, 39(11): 84-93. [Sheng Kerong, Wang Yunliang, Fan Jie. Dynamics and mechanisms of the spatial structure of urban network in China: A study based on the corporate networks of top 500 public companies[J]. Economic Geography, 2019, 39(11): 84-93.] |
[25] |
张永波, 张峰. 基于企业投资数据的京津冀科技创新空间网络研究[J]. 城市规划学刊, 2017(S2): 72-78. [Zhang Yongbo, Zhang Feng. A research on the spatial technological innovation network of Beijing-Tianjin-Hebei region based on the enterprise investment data[J]. Urban Planning Forum, 2017(S2): 72-78.] |