EN中文

地理科学进展 >

2023 , Vol. 42 >Issue 3: 438 - 451

DOI: https://doi.org/10.18306/dlkxjz.2023.03.003

研究论文

北京对外投资与吸引投资的时空特征及影响因素的比较研究

  • 王子安 ,
  • 卢明华 , *
展开
  • 首都师范大学资源环境与旅游学院，北京 100048
*卢明华(1978— )，女，江苏丹阳人，副教授，博士，主要研究方向为企业地理、产业地理。E-mail:

王子安(1998— )，男，北京人，硕士生，主要研究方向为产业地理。E-mail:

收稿日期: 2022-08-08

  修回日期: 2022-12-28

  网络出版日期: 2023-03-27

基金资助

国家自然科学基金项目(41971156)

国家自然科学基金项目(42071148)

收起

A comparative study on the temporal and spatial characteristics and influencing factors of Beijing’s outward investment and inward investment

  • WANG Zi'an ,
  • LU Minghua , *
Expand
  • College of Resource Environment and Tourism, Capital Normal University, Beijing 100048, China

Received date: 2022-08-08

  Revised date: 2022-12-28

  Online published: 2023-03-27

Supported by

National Natural Science Foundation of China(41971156)

National Natural Science Foundation of China(42071148)

Fold

摘要

随着北京总部经济的蓬勃发展和非首都核心功能疏解的持续推进，北京与国内其他城市的资本流动得到了越来越多的关注。论文利用2000—2019年北京与全国地级及以上城市对外投资和吸引投资数据，揭示北京对外投资和吸引投资的时空特征，并利用地理加权回归(GWR)模型分析投资影响因素的空间分异特征。研究发现： ① 北京对外投资与吸引投资规模均呈现出先增加再减少的趋势，且对外投资一直大于吸引投资，北京是资本净输出区；北京对外投资和吸引投资均以服务业为主，对外投资的制造业总额和比重均大于吸引投资。② 北京对外投资与吸引投资空间范围不断扩大，对外投资的空间分布范围更广，分层现象更加明显；北京对外投资目的地以东部沿海城市和省会城市为主，近期更注重对中西部城市和北京周边城市的投资；北京吸引投资来源地较为稳定，主要是省会城市、东部沿海城市和北京周边城市。对外投资与吸引投资的重点区域非常类似。③ 北京对外投资与吸引投资的空间集中程度高但呈现下降趋势，吸引投资空间集中程度更高；近期北京对外投资分布呈现空间正相关分布，吸引投资呈现随机分布；对外投资形成了京津冀、长三角、山东半岛三大高—高集聚区；吸引投资形成了长三角、珠三角两大高—高集聚区。④ 对外投资与吸引投资均受到经济发展规模差异、产业结构水平差异的影响，影响效果存在明显的空间异质性；对外投资还会受到交通通达性和劳动力成本差异的影响，吸引投资还会受到经济开放程度差异的影响。论文完善了对外投资目的地与吸引投资来源地的对比研究，丰富了投资地理研究。

关键词： 企业投资; 对外投资; 吸引投资; 地理加权回归; 北京

本文引用格式

王子安 , 卢明华 . 北京对外投资与吸引投资的时空特征及影响因素的比较研究[J]. 地理科学进展, 2023 , 42(3) : 438 -451 . DOI: 10.18306/dlkxjz.2023.03.003

Abstract

With the vigorous development of Beijing's headquarters economy and continuous promotion of the relief of noncapital core functions, capital flows between Beijing and other cities in China have received increasingly attention. Using the data of Beijing's outward investment and inward investment at prefecture-level and above cities from 2000 to 2019, this study examined the temporal and spatial characteristics of Beijing's outward investment and inward investment, and analyzed the spatial differentiation characteristics of investment influencing factors using a geographically weighted regression (GWR) model. The research found that: 1) Beijing's outward investment and inward investment first increased and then decreased, outward investment had always been greater than inward investment, and Beijing was a net capital export area. Beijing's outward investment and inward investment were mainly in the service sector, and the total amount and proportion of manufacturing in outward investment were greater than that of inward investment. 2) The spatial scope of Beijing's outward investment and inward investment continued to expand, the spatial distribution of destinations of outward investment was wider than inward investment, and the stratification phenomenon was more obvious. Beijing's outward investment was mainly in eastern coastal cities and provincial capital cities. Recently, more attention had been paid to the investment in central and western cities and cities around Beijing. The origin city of inward investment was stable, mainly provincial capital cities, eastern coastal cities, and cities around Beijing. The key cities of outward investment and inward investment were similar. 3) Beijing had a high degree of spatial concentration of outward investment and inward investment but showed a downward trend, and the degree of spatial concentration of inward investment was even higher. Recently, Beijing's outward investment had shown a positive spatial association, and inward investment had shown a random distribution. The high-high agglomeration areas of outward investment were the Beijing-Tianjin-Hebei, Yangtze River Delta, and Shandong Peninsula regions, and the high-high agglomeration areas of inward investment were the Yangtze River Delta and Pearl River Delta regions. 4) Beijing's outward investment and inward investment were both affected by differences in economic development scale and industrial structure, but there was an obvious spatial heterogeneity in the effects of influence. Outward investment was also affected by differences in transportation accessibility and labor costs, and inward investment was also affected by differences in economic openness. The research has improved the comparative study of outward investment destinations and inward investment sources, and enriched the study of investment geography.

Key words： enterprise investment; outward investment; inward investment; geographically weighted regression; Beijing

北京作为中国的首都，定位为“政治中心、文化中心、国际交往中心、科技创新中心”，综合实力强，在全国的地位举足轻重。国务院于2015年和2019年分别批复并同意了《北京服务业扩大开放综合试点总体方案》和《全面推进北京服务业扩大开放综合试点工作方案》，旨在推进北京服务业的扩大开放，发挥北京的示范引领作用。2020年，在北京设立了中国(北京)自由贸易试验区，鼓励国内外服务业企业在京落地发展。2020年，全年新设企业18.6万家，其中科技型企业7.6万家。总计超过4.5万家外商投资企业在京设立，有4000多家企业总部在京落户，其中跨国公司总部接近200家。北京发展总部经济的优势明显，与其他地区的企业互投影响着北京甚至全国的经济发展趋势。自“非首都功能疏解”提出以来，北京有序向全国各地进行制造、零售、批发、运输、仓储等行业的企业迁移，城市间的资本交流日益密切，企业投资的空间格局产生了巨大的变化。因此，探究北京对外投资与吸引投资的时空特征及影响因素，可以更好地协调北京与其他地区的关系，促进各地区共同发展、均衡发展。
企业投资区位选择及影响因素一直是国内外经济地理学的研究重点[1]。学者们主要关注国家尺度的吸引外商直接投资(FDI)和对外直接投资(OFDI)的相关研究。吸引外商直接投资方面，国外的相关研究开始较早，从刻画FDI的空间特征向影响因素分析进一步拓展[2⇓⇓-5]；少部分学者关注到FDI来源国的相关影响因素研究[6-7]。改革开放以后，中国学者开始对外商直接投资进行研究，研究内容以外商在华直接投资的空间特征和影响因素分析为主[8⇓-10]。也有学者利用外商直接投资数据，研究不同功能环节投资的空间特征及影响因素[11⇓⇓-14]。对外直接投资方面，学者关注对外直接投资的空间格局及影响因素[15-16]，还通过对外投资数据研究跨国公司的海外职能[17]及不同功能环节投资的空间格局[18]等。随着中国经济的发展，更多的中国企业走出去，国内学者关于对外直接投资的研究也越来越多，刻画国内企业对外投资的空间结构与影响因素[19⇓-21]。近年来，“一带一路”是国内学者研究的热点区域[22⇓-24]。
受制于数据获取，国家内部的城际投资相关研究较少。有关国内某一区域对外投资的研究，主要是利用企业直接投资数据分析对外投资、产业转移的时空动态特征及行业特征[25⇓⇓⇓⇓⇓⇓-32]。学者们认为，区域间投资是一个不断增长的过程，与经济规模成正比，与距离成反比[33]。学者主要利用空间计量模型[25]、条件Logit模型[26]、Tobit模型[27]、普通最小二乘法(OLS)模型[28]等方法进行分析，发现产业基础、政策环境、创新能力、市场吸引力、集聚效应、成本因素、对外开放度等对跨区域投资有促进作用，而时间距离、产业结构对跨区域投资具有负向作用，且投资影响因素存在行业异质性[26]。有关国内某一区域吸引投资的研究，主要是利用直接投资数据研究中西部承接东部产业转移，重点关注投资目的地的空间特征，很少关注投资的来源地[34⇓⇓-37]。还有部分学者利用投资数据，构建城市网络[38⇓⇓-41]，以流空间视角探索城市空间组织形式。
可见，国内相关研究主要关注跨区域对外投资或区域承接产业投资，吸引投资来源地研究很少，尚没有对外投资与吸引投资的比较研究。同时，学者较少关注投资影响因素的空间异质性。针对以上不足，本文利用2000—2019年北京与全国地级及以上城市的企业对外投资和吸引投资数据，揭示北京对外投资和吸引投资的时空特征，并利用地理加权回归(GWR)模型分析投资影响因素的空间分异特征。

1 数据来源与研究方法

1.1 数据来源

本文研究空间单元为全国地级及以上城市(不含港澳台)，共352个。企业投资数据来源于2000—2019年工商企业注册数据库中的企业投资新增数据。影响因素数据主要来源于2020年《中国城市统计年鉴》，缺失的数据使用各地区的统计年鉴及统计公报数据进行补充。在空间特征分析部分，根据北京市的自身发展阶段，以2014年京津冀协同发展战略的提出为时间节点，将2000—2019年分为2000—2014、2015—2019年2个阶段，考虑到2个阶段时间跨度差异较大，每个阶段的投资额采用各年新增投资额的均值。

1.2 研究方法

1.2.1 基尼系数

基尼系数是用来衡量国家或地区居民收入差异大小的指标。本文采用基尼系数来衡量北京对外投资和吸引投资的集中程度，其一般公式为：
G = 1 n W n ∑ i = 2 n ∑ j = 1 i - 1 Q i - Q j
式中： G为北京市对外投资与吸引投资的基尼系数， n为地区总数， W n为 n个地区投资总额， Q i、 Q j分别为投资额由低到高排序第 i、 j个地区的投资额。然而在基尼系数计算的过程中，相邻点始终存在1/ n的间隔，所以有限的数据是无法构成一个完美的曲线的，参考高技[42]的计算方法，将曲线用近似的直线代替。

1.2.2 空间自相关

根据地理学第一定律，地理事物或属性在空间分布上都是相互关联的，且距离越近联系越多。首先，本文选取全局Moran's I进行空间自相关分析，探究北京对外投资和吸引投资是否存在空间集聚。Moran's I指数为正说明存在正相关关系；为负则存在负相关关系。公式如下：
I = n ∑ i = 1 n ∑ j = 1 n w i , j z i - z - z j - z - / ∑ i = 1 n ∑ j = 1 n w i , j ∑ i = 1 n z i - z - 2
式中： I为空间自相关指数， n为地区总数， w i , j是地区 i和地区 j的空间权重， z i、 z j分别为地区 i、 j的投资额， z -为 z i的平均值。
同时为了进一步刻画北京对外投资和吸引投资的集聚区，使用局部Moran's I进行局部空间自相关分析，公式如下：
I i = ( z i - z - ) ∑ j = 1 , j ≠ i n w i , j z j - z - / ∑ j = 1 , j ≠ i n ( z j - z - )
式中： I i为地区 i的局部空间自相关指数， z i、 z j分别是地区 i、 j的投资额， z -为 z i平均值， w i , j是地区 i和地区 j的空间权重。

1.2.3 地理加权回归

地理加权回归是在传统最小二乘法(OLS)模型的基础上优化而来的，更加关注局部自变量与因变量的关系，被广泛运用于影响因素的空间异质性讨论[43]。进行局部的参数估计，能够更好地诠释地理位置在模型中的重要性，其公式如下[44]：
y i = β 0 u i , v i + ∑ i = 1 k β i u i , v i x i j + ε i
式中： y i为地区 i的被解释变量， ( u i , v i )为地区 i的地理坐标， β i为地区 i的参数且随着区位的变化而变化， x i j为解释变量，k为地区数， ε i为随机误差项。

2 北京对外投资与吸引投资的时空特征

北京对外投资与吸引投资的规模均呈现出先增加再减少的趋势(图1)，且对外投资一直高于吸引投资。对外投资方面，从2000年的1796.94亿元增加到2016年的46057.25亿元；之后的2017、2018年对外投资额分别减少至38246.49亿元、24305.27亿元，2019年小幅回升到25874.89亿元。其中，2002年、2016年有较大幅度的增长，增长率高达235.56%和196.84%。吸引投资方面，从2000年的185.4亿元增加到2016年的9075.70亿元；2017、2018年分别减少到7296.08亿元和3696.79亿元，2019年回升至5082.26亿元。其中，2014年增幅最为明显，增长率达到了193.64%。北京对外投资额始终大于吸引投资额，两者差值在2016年达到最大，为36981.55亿元，近年来差距有缩小趋势，但相比2015年前仍有较大差距，说明北京是资本净输出区域。分行业计算对外投资与吸引投资额的比重(图2)，可以发现：一是北京对外投资与吸引投资的行业结构都更偏重于服务业，尤其是吸引投资；二是北京对外投资与吸引投资制造业比重在2016年以前均存在先增加后减小、服务业比重波动上升的趋势，在2016年之后制造业比重有所回升、服务业比重下降，且对外投资的产业结构变化幅度更大。
图1 2000—2019年北京对外、吸引投资规模及增长率

Fig.1 Scale and growth rate of Beijing's outward investment and inward investment during 2000-2019

图2 2000—2019年北京对外、吸引投资制造业、服务业比重变化

Fig.2 Changes in the proportion of manufacturing and service industries in Beijing's outward investment and inward investment during 2000-2019

2.1 投资空间范围不断扩大，分层现象趋于明显

北京对外投资与吸引投资涉及的区域逐渐增多，对外投资的城市数量从2000年的190个增加到2019年的350个，吸引投资的城市数量从2000年265个增加到2019年的337个。本文通过自然断裂法将对外投资和吸引投资城市分为5个层级，由高到低将5个层级定义为：高投资额城市、中高投资额城市、中等投资额城市、中低投资额城市、低投资额城市，并且通过ArcGIS软件刻画北京对外、吸引投资的空间分布特征。
从对外投资目的地来看(图3)，2000—2014年，北京对外投资呈现初步的分层现象，高投资额及中高投资额城市均出现空缺，上海市远高于其他城市，是唯一一个中等投资额城市，天津、深圳、成都、广州、西安、武汉、乌鲁木齐、南京、昆明、重庆、沈阳11个城市为中低投资额城市，其他339个城市为低投资额城市，其中包括三沙、昆玉2个城市未接受到北京的投资。2015—2019年相比第一阶段，对外投资区域扩大，分层现象更加明显。上海、深圳、宁波、成都属于高投资额城市，是北京对外投资的重点区域。天津、武汉、杭州、芜湖、南京、济南市为中高投资额城市，是北京对外投资次重点区域。同时还分别包括24、38、279个中等投资额、中低投资额、低投资额城市，其中仅有果洛藏族自治州没有受到北京的投资。总体来看，2000—2019年，北京对外投资空间范围不断扩大，都是以东部沿海城市和省会城市为主，近期更注重对中西部城市和北京周边城市的投资。
图3 北京对外投资空间分布

注：本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)4630号的标准地图制作，底图无修改。下同。

Fig.3 Spatial distribution of Beijing's outward investment

从吸引投资来源地来看(图4)，2000—2014年北京吸引投资呈现出初步的分层现象，高投资额城市空缺，上海、深圳为中高投资额城市，天津、合肥、海口、保定为中等投资额城市，还存在21个中低投资额城市和324低投资额城市，其中16个城市未对北京进行投资。2015—2019年，吸引投资的区域继续扩大，且接受中西部的投资逐渐增加。上海、深圳为高投资额城市，天津、武汉、海口、南京、拉萨、杭州、成都、河源、重庆、合肥为中高投资额城市，分别有18、26、295个城市为中等投资额、中低投资额、低投资额城市，其中有14个城市未对北京进行投资。总体来看，北京吸引投资较为稳定，随着投资额逐年增多，对北京投资的城市变化较小，主要是省会、东部沿海城市和北京周边的城市，其中上海、深圳一直是对北京投资最多的城市。
图4 北京吸引投资空间分布

Fig.4 Spatial distribution of Beijing's inward investment

通过对比北京对外投资和吸引投资的空间分布，可以发现，北京对外投资的分布范围更广，涉及的城市更多，分层现象更加明显，且大部分城市吸引北京投资额高于对北京的投资额。第一阶段的分层效果相对弱些，吸引投资涉及更多非省会城市且未投资城市较多。到了第二阶段，北京对外投资与吸引投资的重点区域大部分保持一致，主要分布在长三角、珠三角、成渝、长江中游、山东半岛等城市群附近。两者最大差别是北京对外投资还以京津冀城市群为重点区域。

2.2 投资空间集中程度高但呈现下降趋势，吸引投资空间集中程度更高

用基尼系数测度北京对外投资和吸引投资的空间集中程度，可见二者的投资空间集中程度均很高(图5)。对外投资方面，2000—2004年，基尼系数在0.91~0.96之间波动，说明北京对外投资的空间集中程度很高；2005—2019年，基尼系数波动下降，从2005年的0.92，降低到2019年的0.79，下降趋势明显，北京对外投资的区位分布趋向分散。吸引投资方面，2000—2013年，基尼系数略有下降，最高为0.95，最低为0.91，北京吸引投资的空间集中程度很高，且随时间变化较小；2014—2019年，基尼系数波动变化，2014、2016和2019年分别达到0.94、0.94和0.93，可见北京吸引投资仍然是非常集中的。从整体上看，北京吸引投资的空间集中程度变化不大，且绝大多数年份空间集中程度高于对外投资。
图5 2000—2019年北京对外、吸引投资基尼系数

Fig.5 Gini coefficient of Beijing's outward investment and inward investment during 2000-2019

2.3 近期对外投资呈现空间正相关分布，吸引投资呈现随机分布

对北京对外投资和吸引投资进行全局自相关分析，计算得出北京对外投资的Moran's I的得分，2个阶段分别为0.006和0.026，Z得分分别为1.34和4.30。其中仅有2015—2019年通过了1%的显著性检验，表明北京对外投资在2000—2014年具有随机性，而2015—2019年具有显著的空间正相关性。北京吸引投资的Moran's I的得分分别为0.009和0.003，Z得分分别为2.15、1.09。从得分可以看出，仅有第一阶段通过了5%的显著性检验，表明北京吸引投资在2000—2014年具有显著的空间正相关性，而2015—2019年显著性减弱，呈现随机分布。可以发现，北京对外投资与吸引投资的空间相关性变化截然相反，对外投资在第二阶段空间相关性显著增强，呈现空间正相关分布；吸引投资正相关显著性减弱，呈现随机分布。
对北京对外投资和吸引投资进行局部空间自相关分析，绘制LISA图(图6、图7)。可以看出，北京对外投资的高—高集聚区主要分布在京津冀、长三角、山东半岛城市群附近，且第二阶段在长三角附近明显增多；吸引投资的高—高集聚区主要分布在长三角、京津冀、山东半岛、珠三角城市群附近，但在第二阶段京津冀、山东半岛附近减少，珠三角附近增多。对外投资的低—低集聚区主要分布在中西部，第二阶段增加了东北地区；吸引投资的低—低集聚区，主要分布在中部地区，在第二阶段增加了内蒙古部分地区。
图6 北京对外投资LISA图

Fig.6 LISA of Beijing's outward investment

图7 北京吸引投资LISA图

Fig.7 LISA of Beijing's inward investment

3 北京对外投资与吸引投资的影响因素的空间异质性分析

3.1 影响因素变量选取

为探究北京对外投资与吸引投资影响因素的空间差异特征，本文采用地理加权回归模型进行分析。对2019年新增对外投资和吸引投资进行全局自相关分析，得到 Moran's I得分分别为0.071和0.037，Z得分分别为4.119和2.273，分别通过了1%和5%的显著性检验，表明2019年北京对外投资和吸引投资存在显著的空间正相关，具有空间异质性，可使用地理加权回归的方法探究其影响因素。
结合相关理论和已有研究成果[45⇓-47]，本文认为与北京的要素差异是城际间投资产生的直接原因，且与北京的差异越小，投资的可能性越大，投资量越大。本文选取影响因素包括经济发展规模差异、经济开放程度差异、产业结构水平差异、交通通达性等共计8项变量(表1)。
表1 北京对外、吸引投资影响因素的指标选择

Tab.1 Indicators for the influencing factors of Beijing's outward investment and inward investment

影响因素 指标选取 定义
经济发展规模差异 GDP 各城市地区生产总值与北京地区生产总值的差值(万元)
经济开放程度差异 实际使用外资额 各城市实际使用外资额与北京实际使用外资额差值(万美元)
产业结构水平差异 第三产业与第二产业比值 各城市第三产业增加值与第二产业增加值的比值和北京第三产业增加值与第二产业增加值的比值的差值
交通通达性 铁路时间距离 距离北京的最短铁路行驶时间(h)
创新能力差异 专利授权量 各城市的有效专利授权量与北京有效专利授权量的差值(件)
政策环境差异 国家级经济技术开发区数量 各城市拥有的国家级经济技术开发区的数量与北京拥有的国家级经济技术开发区数量的差值(个)
劳动力成本差异 在岗职工年平均工资 各城市在岗职工年平均工资与北京在岗职工年平均工资的差值(万元)
劳动力素质差异 本专科在校生数量 各城市本专科在校生数量与北京本专科在校生数量的差值(人)
(1) 经济发展规模差异。较大的经济发展规模可以有更多的资金支持，同时为企业的发展提供更好的经营环境，利于企业及时了解市场动态与消费者的反馈，及时调整经营策略，更有力地抵御未知风险。经济发展规模相似的城市之间的资本要素流动更加密切，所以企业投资理论上会选择经济发展规模较大、差异较小的城市进行投资。选取GDP的差值表征经济发展规模差异，预期结果为负。
(2) 经济开放程度差异。实际使用外资额高的城市，开放程度高，具有良好的产业基础和投资环境，对国内投资也有一定的吸引力。与北京经济开放程度差异小的城市，具有较好的产业基础和投资环境，投资联系更密切。选取实际使用外资额差值表征经济开放程度差异，预期结果为负。
(3) 产业结构水平差异。通过一个地区的产业结构水平，可以看出地区经济发展方向和发展质量。企业投资一定会选择产业发展方向符合企业发展需求的城市进行投资。北京以服务业为主导，与北京产业结构相似的城市，相互投资的可能性更大。选取第三产业与第二产业比值的差值表征产业结构水平差异，预期结果为负。
(4) 交通通达性。交通通达性会影响企业投资的时空成本，较好的交通通达性可以为企业节约时间成本、资金成本，方便联系与管理，有利于进行投资。选取铁路时间距离表征交通通达性差异，预期结果为负。
(5) 创新能力差异。创新能力体现了区域科技发展水平的高低，较高的创新能力可以为企业提供高技术，为企业发展带来机遇。北京作为全国技术创新中心，创新能力强，与北京创新能力相似的城市，可以进行的资本联系更为广泛。本文选取专利授权量的差值表征创新能力差异，预期结果为负。
(6) 政策环境差异。良好的政策环境可以为企业提供稳定的市场、良好的经营环境和税收优惠。北京作为大量企业总部的集聚地，政策环境优异，与北京政策环境差异小的城市，具有较好的经营环境，两地企业进行相互投资的可能性更大。本文选择国家级经济技术开发区的数量差值表征城市发展所处的政策环境差异，预期结果为负。
(7) 劳动力成本和劳动力素质差异。劳动力成本和劳动力素质对于不同类型企业的区位选择有不同的影响。劳动密集型的企业更偏向于在劳动力成本较低的区域进行投资，而资本、技术密集型企业为了追求高素质劳动力对劳动力成本较高的区域进行投资。北京对外投资、吸引投资主要是以服务业为主，会选择劳动力素质较高、劳动力成本较高、与北京差异较小的地区。本文选择在岗职工年平均工资和本专科在校生数量的差值分别表征劳动力成本和劳动力素质差异，预期结果为负。
8项影响因素均通过多重共线性检验(VIF<10)，进一步对其进行显著检验(表2)。为了更好地构建GWR模型，剔除不显著的影响因素。在构建北京对外投资的GWR模型时，剔除经济开放程度差异、创新能力差异、政策环境差异和劳动力素质差异4项影响因素，原因可能是北京对外投资是以疏解非首都功能为主要目的，对投资环境、创新能力、劳动力素质等关注较少，更会注重投资目的地与投资项目的适配性。剔除政策环境差异，原因可能是国家级经济技术开发区的数量对政策环境的表征具有局限性。
表2 北京对外投资、吸引投资影响因素的OLS回归结果

Tab.2 OLS regression results of influencing factors of Beijing's outward investment and inward investment

变量 对外投资 吸引投资
经济发展规模差异 -0.691*** -0.989***
(-3.214) (-5.364)
经济开放程度差异 -0.059 -0.313**
(-0.313) (-1.992)
产业结构水平差异 -0.120** 0.084***
(-2.909) (-3.294)
交通通达性 -0.249** -0.058
(-3.981) (-0.978)
创新能力差异 0.165 0.220
(1.057) (1.418)
政策环境差异 -0.056 0.025
(-0.606) (0.384)
劳动力成本差异 -0.169*** -0.063
(-2.916) (-1.048)
劳动力素质差异 -0.112 0.219
(-1.046) (0.367)
常数项 0.001 0.024
(0.025) (0.827)
R2 0.606 0.764

注：括号中为t统计量；***、**、*分别表示P<0.01、P<0.05、P<0.1。

在构建北京吸引投资的GWR模型时，剔除交通通达性、创新能力差异、政策环境差异、劳动力成本差异和劳动力素质差异5项影响因素。原因可能是北京作为首都，具有很强的区位优势，不论区域创新能力、劳动力成本、劳动力素质高低的城市，都会选择条件更好的北京进行投资，寻求更多的发展机会，同时受交通距离的影响小。剔除政策环境差异因素，原因也可能是国家级经济技术开发区的数量对政策环境的表征具有局限性。

3.2 GWR模型的结果与分析

3.2.1 对外投资的影响因素的空间异质性分析

北京对外投资方面，利用ArcGIS进行普通最小二乘法(OLS)线性回归，得到模型结果R2为0.612，调整后的R2为0.607，AICc值为628.980。然后运行地理加权回归(GWR)，得到模型结果R2为0.744，调整后的R2为0.705，远高于OLS模型，AICc值为565.840，小于OLS模型且差值大于3，说明地理加权回归能够比最小二乘法更好地解释北京对外投资的影响因素。通过GWR模型可以得到每个影响因素的回归系数，对回归系数的最大值、最小值、平均值等进行统计，可以更好地分析回归结果(表3)。对残差项进行空间自相关检验，为随机分布，说明残差不存在空间自相关，模型不存在关键的遗漏变量。通过结果可以看出，北京对外投资的影响因素解释力从大到小为：经济发展规模差异、交通通达性、产业结构水平差异和劳动力成本差异。对各项回归系数进行可视化，得到系数空间分布图(图8)。
表3 北京对外投资影响因素GWR运算结果

Tab.3 Calculation results of GWR of influencing factors of Beijing's outward investment

解释变量 最大值 最小值 系数绝对
平均值		 正值占比/% 负值占比/%
经济发展规模差异 -0.40 -3.25 0.8500 0 100.00
产业结构水平差异 0.12 -0.51 0.1352 7.17 92.83
交通通达性 0.29 -2.00 0.4600 4.78 95.22
劳动力成本差异 0.12 -0.48 0.1351 9.22 90.78
图8 北京对外投资影响因素GWR回归系数空间分布

Fig.8 Spatial distribution of coefficients of GWR of influencing factors of Beijing's outward investment

(1) 经济发展规模差异对北京对外投资具有显著的负向影响，且系数绝对平均值最大，为0.85，是最重要的影响因素。所有区域均为负值，说明经济发展规模差异越小的城市，北京市对其投资越多。系数的绝对高值区，分布在北部地区，对经济发展规模的差异更为敏感，且这种现象向南减弱，受经济发展规模差异的影响减小。
(2) 交通通达性对北京对外投资在95.22%的地区为负向影响，即时间距离越近的城市，北京对其投资越多。系数绝对平均值为0.46，系数绝对值从北京向四周逐渐减小，说明北京对外投资空间衰减现象明显，交通通达性的解释力也随着时间距离的增加而减小，且在较远的部分地区为正向影响。
(3) 产业结构水平差异对北京对外投资在92.83%的区域为负向影响，即产业结构水平差异越小的城市，北京对其投资越多。系数绝对平均值为0.1352，系数绝对值从东部沿海向内陆降低，说明北京在东部沿海的投资更注重产业结构的相似性，产业结构差异的影响效果较弱的低值区主要分布在东北、西北地区。
(4) 劳动力成本差异对北京对外投资在90.78%的地区为负向影响，即劳动力成本差异越小的城市，北京对其投资越多。系数绝对平均值为0.1351，影响最弱，系数高值区主要分布在中西部地区，低值区分布在东北、西北部分地区。北京市对外投资主要是以服务业为主，投资偏向于选择高水平劳动力，企业追求更好的劳动力市场，所以在劳动力成本差异较大的中西部地区更为敏感。

3.2.2 吸引投资的影响因素的空间异质性分析

北京吸引投资方面，OLS回归得到模型R2为0.745，调整后的R2为0.743，AICc值为474.422。然后运行地理加权回归(GWR)，得到模型R2为0.828，调整后的R2为0.815，均大于OLS模型，AICc值为390.480，小于OLS模型且差值大于3，说明地理加权回归能够比最小二乘法更好地解释北京吸引投资的影响因素。对GWR模型回归系数进行统计(表4)，并对残差项进行空间自相关检验，为随机分布。通过结果可以发现，北京吸引投资的影响因素解释力从大到小为：经济发展规模差异、经济开放程度差异、产业结构水平差异。对各项回归系数进行可视化，得到系数空间分布图(图9)。
表4 北京吸引投资影响因素GWR模型运算结果

Tab.4 Calculation results of GWR of influencing factors of Beijing's inward investment

解释变量 最大值 最小值 系数绝对
平均值		 正值占比/% 负值占比/%
经济发展规模差异 -0.18 -1.12 0.72 0 100.00
经济开放程度差异 0.05 -0.51 0.21 18.77 81.23
产业结构水平差异 0 -0.35 0.08 0.36 99.64
图9 北京吸引投资影响因素GWR模型回归系数空间分布

Fig.9 Spatial distribution of coefficients of GWR of influencing factors of Beijing's inward investment

(1) 经济发展规模差异是北京吸引投资最重要的影响因素，系数绝对平均值为0.72，且均为负值，说明经济发展规模越相似的城市，北京吸引其投资越多。系数向四周递减，离北京越近，经济发展规模差异的影响越大。
(2) 经济开放程度差异对北京吸引投资在81.23%的地区为负向影响，系数绝对平均值为0.21，即开放程度越高，与北京越相似，北京吸引其投资越多。这种影响在北京周边地区效果最弱，而距离越远的地区，效果越明显。
(3) 产业结构水平差异对北京吸引投资的影响在99.64%的地区为负向，系数绝对平均值为0.08，解释力最弱，说明产业结构水平越相似的城市，北京吸引其的投资越多。系数绝对值由东部沿海向西北方向递减，影响力逐渐减弱。

3.2.3 影响因素的对比分析

通过对比北京对外投资和吸引投资影响因素的空间分异特征，可以发现，尽管北京对外投资和吸引投资的投资目的不同，但空间分布存在着相似之处。北京对外投资和吸引投资均会受到经济发展规模差异、产业结构水平差异的影响，两项影响因素作用方向和空间分异规律保持一致，影响强度略有不同。说明城市发展过程中，北京与绝大多数城市之间的产业投资是相互进行的，经济发展规模差异和产业结构水平差异同时影响着资本的双向流动。影响因素在不同地区的解释力大小不同，原因主要是区域间要素存在差异。不同点是，北京市对外投资还会受到交通通达性和劳动力成本差异的影响，更偏向于对时间距离较近、劳动力成本较高的区域进行投资；吸引投资会受到对外开放程度差异的影响，开放程度越高，与北京越相似，北京越能吸引其更多的投资。因此，各地区在经济发展、产业结构升级优化的过程中，既会提高承接北京产业转移的能力，吸引更多的北京企业投资，同时也会增加企业向北京的投资。

4 结论与讨论

本文揭示了2000—2019年北京对外投资和吸引投资的时空特征，并利用地理加权回归(GWR)探究了2019年北京对外投资和吸引投资的影响因素。得出以下结论：① 北京对外投资与吸引投资规模均呈现出先增加再减少的趋势，且对外投资一直大于吸引投资，北京是资本净输出区；北京对外投资和吸引投资均以服务业为主，对外投资的制造业总额和比重均大于吸引投资。② 北京对外投资与吸引投资空间范围不断扩大，对外投资空间分布范围更广，分层现象趋于明显。北京对外投资以东部沿海城市和省会城市为主，近期更注重对中西部城市和北京周边城市的投资。北京吸引投资较为稳定，主要接受来自省会城市、东部沿海城市和北京周边城市。对外投资与吸引投资的重点区域非常类似。③ 北京对外投资与吸引投资的空间集中程度高但呈现下降趋势，吸引投资空间集中程度更高。近期北京对外投资呈现空间正相关分布，吸引投资呈现随机分布。对外投资形成了以京津冀、长三角、山东半岛三大高—高集聚区；而吸引投资形成了长三角、珠三角两大高—高集聚区。④ 对外投资与吸引投资均受到经济发展规模差异、产业结构水平差异的影响，但影响效果存在明显的空间异质性。同时，对外投资还受到交通通达性和劳动力成本差异的影响，吸引投资还受到经济开放程度差异的影响。
本文使用的是全行业数据，部分结论与现有研究存在相同之处[26-27]。北京对外投资存在制造业比重下降、服务业比重提高，呈现升级趋势。在空间上，北京市对外投资符合沿着“东部沿海地区—中西部地区”的顺序梯度进行的研究结论。北京对外投资影响因素也符合相关结论[26,41]，如北京对外投资以服务业为主，会偏向于经济发展规模大、产业结构水平高，并且与北京差距小的地区进行投资，同时还会受制于时间距离的影响。与现有研究的不同之处体现在吸引投资的空间格局和影响因素部分，不同于其他学者对于吸引投资目的地的研究，本文关注投资来源地的研究，发现吸引投资来源地的空间分布和影响因素与对外投资目的地具有相似之处。
为促进北京与其他城市的资本流动，实现产业转移、产业优化升级，通过本文的研究可以得出以下几点建议：第一，若要提高对北京的产业投资，鼓励资本流动，以获得更多的知识、信息、资源，就要强化城市自身的能力，提高经济发展规模和开放程度，优化产业结构。第二，各地区若要吸引更多北京产业投资，在增强自身硬实力的同时，需要积极搭建产业承接平台，承接北京产业转移。只有形成自身的比较优势，才能获得更多企业的青睐。第三，产业转移是双向的，各地区在产业升级调整、建设产业园区时，要结合自身区位优势，重点关注各自区域内产业投资的影响因素，发展优势产业，避免过度追捧热门产业，最终造成产业流失、产业园衰落等诸多问题。
本文基于地级及以上城市进行研究，受制于数据获取的难度，部分数据存在缺失，在时空特征部分采用的是时间序列，而影响因素分析选择的是时间节点，并未探究影响因素的变化过程；有些影响因素选择的指标也存在不足，如劳动力素质、政策环境因素，本文选择的本专科在校生数量、国家级经济技术开发区数量具有片面性，对总量的表征不够精确。同时，由于篇幅限制，本文尚未进行投资产业异质性分析，有待未来进一步完善。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
魏后凯. 现代区域经济学[M]. 北京: 经济管理出版社, 2006.

[Wei Houkai. Modern regional economies. Beijing, China: Economy & Management Publishing House, 2006.]

[2]
Bagchi-Sen S, Wheeler J O. A spatial and temporal model of foreign direct investment in the United States[J]. Economic Geography, 1989, 65(2): 113-129.

DOI

[3]
Hoang H H, Goujon M. Determinants of intra-region and extra-region foreign direct investment inflow in ASEAN: A spatial econometric analysis[J]. Applied Spatial Analysis and Policy, 2019, 12(4): 965-982.

DOI

[4]
Procher V. Agglomeration effects and the location of FDI: Evidence from French first-time movers[J]. The Annals of Regional Science, 2011, 46(2): 295-312.

DOI

[5]
Hill S, Munday M. The UK regional distribution of foreign direct investment: Analysis and determinants[J]. Regional Studies, 1992, 26(6): 535-544.

DOI

[6]
Thomas D E, Grosse R. Country-of-origin determinants of foreign direct investment in an emerging market: The case of Mexico[J]. Journal of International Management, 2001, 7(1): 59-79.

DOI

[7]
Grosse R, Trevino L J. Foreign direct investment in the United States: An analysis by country of origin[J]. Journal of International Business Studies, 1996, 27(1): 139-155.

DOI

[8]
李国平, 杨开忠. 外商对华直接投资的产业与空间转移特征及其机制研究[J]. 地理科学, 2000, 20(2): 102-109.

[Li Guoping, Yang Kaizhong. A study on the mechanism and character of the industrial and spatial transference of FDI in China. Scientia Geographica Sinica, 2000, 20(2):102-109.]

DOI

[9]
廖小东, 丰凤. 近10年外商在华直接投资的空间分异及成因分析[J]. 经济地理, 2012, 32(12): 112-116.

[Liao Xiaodong, Feng Feng. Study on spatial differentiation and its causes of FDI in China in recent 10 years. Economic Geography, 2012, 32(12): 112-116.]

[10]
曾国军. 外商直接投资在华区位选择的影响因素研究[J]. 学术研究, 2005(11): 38-42, 147.

[Zeng Guojun. Determinants of location choice of FDI to China's mainland. Academic Research Journal, 2005(11): 38-42, 147.]

[11]
Defever F. Functional fragmentation and the location of multinational firms in the enlarged Europe[J]. Regional Science and Urban Economics, 2006, 36(5): 658-677.

DOI

[12]
Enright M J. The location of activities of manufacturing multinationals in the Asia-Pacific[J]. Journal of International Business Studies, 2009, 40(5): 818-839.

DOI

[13]
贺灿飞, 肖晓俊. 跨国公司功能区位实证研究[J]. 地理学报, 2011, 66(12): 1669-1681.

[He Canfei, Xiao Xiaojun. Geography of multinational corporations in China: An empirical study of fortune global 500 multinational corporations in electronics and medical and chemical industries. Acta Geographica Sinica, 2011, 66(12): 1669-1681.]

DOI

[14]
Schiller D, Burger M J, Karreman B. The functional and sectoral division of labour between Hong Kong and the Pearl River Delta: From complementarities in production to competition in producer services?[J]. Environment and Planning A: Economy and Space, 2015, 47(1): 188-208.

DOI

[15]
Li S Y, Fabuš M. Study on the spatial distribution of China's outward foreign direct investment in EU and its influencing factors[J]. Entrepreneurship and Sustainability Issues, 2019, 6(3): 1280-1296.

[16]
Fu Y, Supriyadi A, Wang T. China's outward FDI in Indonesia: Spatial patterns and determinants[J]. Sustainability, 2018, 10(12): 4632. doi:10.3390/su10124632.

DOI

[17]
Meyer S P. Canada's multinationals: A study in outward foreign direct investment[D]. London, Canada: The University of Western Ontario, 1995.

[18]
汪胜兰, 蒋小荣, 杨永春. 中国境外投资企业功能区位的空间格局及其演化[J]. 地域研究与开发, 2020, 39(5): 1-7.

[Wang Shenglan, Jiang Xiaorong, Yang Yong-chun. Spatial pattern and evolution of the functional location of China's foreign investment enterprises. Areal Research and Development, 2020, 39(5): 1-7.]

[19]
余官胜, 林俐. 企业海外集群与新晋企业对外直接投资区位选择: 基于浙江省微观企业数据[J]. 地理研究, 2015, 34(2): 364-372.

DOI

[Yu Guansheng, Lin Li. Enterprises overseas cluster and foreign direct investment location choice of new entrants: An empirical research based on micro enterprises data in Zhejiang Province. Geographical Research, 2015, 34(2): 364-372.]

DOI

[20]
王茂军, 徐永平. 中国在美洲OFDI的基本特征与决定因素[J]. 地理学报, 2017, 72(8): 1373-1391.

DOI

[Wang Maojun, Xu Yongping. China's OFDI in America: Basic features and determinants. Acta Geographica Sinica, 2017, 72(8): 1373-1391.]

DOI

[21]
刘晓宁. 企业对外直接投资区位选择: 东道国因素与企业异质性因素的共同考察[J]. 经济经纬, 2018, 35(3): 59-66.

[Liu Xiaoning. Location choice of outward foreign direct investment: A study on host country factors and enterprise heterogeneity factors. Economic Survey, 2018, 35(3): 59-66.]

[22]
郑蕾, 刘志高. 中国对“一带一路”沿线直接投资空间格局[J]. 地理科学进展, 2015, 34(5): 563-570.

DOI

[Zheng Lei, Liu Zhigao. Spatial pattern of Chinese outward direct investment in the Belt and Road Initiative area. Progress in Geography, 2015, 34(5): 563-570.]

DOI

[23]
公丕萍, 宋周莺, 刘卫东. 中国与“一带一路”沿线国家贸易的商品格局[J]. 地理科学进展, 2015, 34(5): 571-580.

DOI

[Gong Peiping, Song Zhouying, Liu Weidong. Commodity structure of trade between China and countries in the Belt and Road Initiative area. Progress in Geography, 2015, 34(5): 571-580.]

DOI

[24]
张亚斌. “一带一路”投资便利化与中国对外直接投资选择: 基于跨国面板数据及投资引力模型的实证研究[J]. 国际贸易问题, 2016(9): 165-176.

[Zhang Yabin. The investment facilitation of "one belt one road" and choices of China's foreign direct investment: Empirical analysis based on cross-panel data and investment gravity model. Journal of International Trade, 2016(9): 165-176.]

[25]
王帅, 席强敏, 李国平. 北京制造业企业对河北投资的空间特征与影响因素[J]. 经济地理, 2015, 35(4): 90-98.

[Wang Shuai, Xi Qiangmin, Li Guoping. The geographical characteristics & influencing factors of Beijing manufacture enterprises investment on Hebei. Economic Geography, 2015, 35(4): 90-98.]

[26]
卢明华, 周悦颜, 刘汉初, 等. 北京企业对河北直接投资的时空动态特征及影响因素[J]. 地理科学进展, 2020, 39(3): 389-401.

DOI

[Lu Minghua, Zhou Yueyan, Liu Hanchu, et al. Spatiotemporal dynamics and influencing factors of direct investment in Hebei Province by Beijing's enterprises. Progress in Geography, 2020, 39(3): 389-401.]

DOI

[27]
桑瑞聪, 刘志彪. 中国产业转移趋势特征和影响因素研究: 基于上市公司微观数据的分析[J]. 财贸研究, 2014, 25(6): 53-60.

[Sang Ruicong, Liu Zhibiao. The study of the trend and the influential factors of industry transference in China: Analysis on listed companies. Finance and Trade Research, 2014, 25(6): 53-60.]

[28]
宋渊洋, 黄礼伟. 为什么中国企业难以国内跨地区经营?[J]. 管理世界, 2014, 30(12): 115-133.

[Song Yuanyang, Huang Liwei. Why is it difficult for China enterprises to operate across regions in China? Management World, 2014, 30(12): 115-133.]

[29]
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 Guojian, Chen Chuanming, Chen Lijuan, et al. Study on the cross-regional investment pattern of enterprises and its influencing factors: Taking listed enterprises in Fujian as an example. Economic Geography, 2018, 38(9): 138-146.]

DOI

[30]
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. Urban Planning Forum, 2017(S2): 72-78.]

[31]
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. Population and Development, 2015, 21(5): 24-33.]

[32]
许欣. 北京企业对河北直接投资区位选择及影响因素研究[D]. 北京: 首都师范大学, 2017.

[Xu Xin. Location selection and influencing factors of direct investment in Hebei by Beijing enterprises. Beijing, China: Capital Normal University, 2017.]

[33]
陆大道. 京津冀城市群功能定位及协同发展[J]. 地理科学进展, 2015, 34(3): 265-270.

DOI

[Lu Dadao. Function orientation and coordinating development of subregions within the Jing-Jin-Ji urban agglomeration. Progress in Geography, 2015, 34(3): 265-270.]

DOI

[34]
叶琪. 我国区域产业转移的态势与承接的竞争格局[J]. 新疆财经, 2013(6): 38-45.

[Ye Qi. The transfer trend and undertaking competitive situation of China's regional industry. Finance & Economics of Xinjiang, 2013(6): 38-45.]

[35]
沈惊宏, 孟德友, 陆玉麒. 皖江城市带承接长三角产业转移的空间差异分析[J]. 经济地理, 2012, 32(3): 43-49.

[Shen Jinghong, Meng Deyou, Lu Yuqi. The analysis of spatial difference of Wanjiang demonstration zone undertaking the Yangtze River Delta's industry transfer. Economic Geography, 2012, 32(3): 43-49.]

[36]
张建伟, 苗长虹, 肖文杰. 河南省承接产业转移区域差异及影响因素[J]. 经济地理, 2018, 38(3): 106-112.

[Zhang Jianwei, Miao Changhong, Xiao Wenjie. Regional differences and influence factor of Henan's undertaking industrial transfer. Economic Geography, 2018, 38(3):106-112.]

[37]
张建伟, 赵建吉, 肖文杰, 等. 豫皖湘赣承接产业转移的空间计量经济分析[J]. 地理科学, 2019, 39(1): 140-146.

DOI

[Zhang Jianwei, Zhao Jianji, Xiao Wenjie, et al. Spatial econometric analysis of undertaking industrial transfer in Henan-Anhui-Hunan-Jiangxi region. Scientia Geographica Sinica, 2019, 39(1): 140-146.]

DOI

[38]
Santos Françoso M, 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

[39]
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. Urban Development Studies, 2017, 24(12): 16-21, 91.]

[40]
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. Urban Development Studies, 2018, 25(11): 118-124, 2, 161.]

[41]
李聪, 卢明华, 张金哲, 等. 京津冀城市群产业投资网络演变及影响因素研究[J]. 人文地理, 2022, 37(5): 162-170.

[Li Cong, Lu Minghua, Zhang Jinzhe, et al. Evolution and influencing factors of industrial investment network in Beijing-Tianjin-Hebei urban agglomeration. Human Geography, 2022, 37(5): 162-170.]

[42]
高技. Excel下基尼系数的计算研究[J]. 浙江统计, 2008(6): 41-43.

[Gao Ji. Study on the calculation of Gini coefficient. Zhejiang Statistics, 2008(6): 41-43.]

[43]
宗会明, 季欣. 1999—2018年重庆市主城区住宅用地空间演变特征及驱动因素研究[J]. 地理科学, 2021, 41(7): 1256-1265.

DOI

[Zong Huiming, Ji Xin. Spatial characteristics and driving factors of expansion of residential land use in Chongqing urban area from 1999 to 2018. Scientia Geographica Sinica, 2021, 41(7): 1256-1265.]

DOI

[44]
王少剑, 高爽, 陈静. 基于GWR模型的中国城市雾霾污染影响因素的空间异质性研究[J]. 地理研究, 2020, 39(3): 651-668.

DOI

[Wang Shaojian, Gao Shuang, Chen Jing. Spatial heterogeneity of driving factors of urban haze pollution in China based on GWR model. Geographical Research, 2020, 39(3): 651-668.]

DOI

[45]
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, 2020.

[Zhou Yueyan. Characteristics and influencing factors of urban connection in Beijing-Tianjin-Hebei region based on enterprise network. Beijing, China: Capital Normal University, 2020.]

[46]
王成. 山东省城市网络特征及其演化过程探析[D]. 北京: 首都师范大学, 2015.

[Wang Cheng. Analysis of the features and evolution of the urban network in Shandong Province. Beijing, China: Capital Normal University, 2015.]

[47]
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.

DOI

[Wu Jiawei, Chen Wen, Yuan Feng, et al. The geographical distribution and evolution mechanism of domestic merger and acquisition in China. Scientia Geographica Sinica, 2019, 39(9): 1434-1445.]

DOI

Options
文章导航

/

〈 〉