EN中文

地理科学进展 >

2024 , Vol. 43 >Issue 7: 1261 - 1272

DOI: https://doi.org/10.18306/dlkxjz.2024.07.001

研究论文

中国城市新质生产功能网络结构及其影响因素研究——以战略性新兴产业为例

  • 赵梓渝 , 1 ,
  • 袁泽鑫 1 ,
  • 王士君 2 ,
  • 魏冶 2
展开
  • 1.青岛大学旅游与地理科学学院，山东 青岛 266071
  • 2.东北师范大学地理科学学院，长春 130024

赵梓渝(1986— )，男，吉林长春人，博士，教授，硕士生导师，主要从事城市网络研究。E-mail:

收稿日期: 2024-05-12

  修回日期: 2024-05-31

  网络出版日期: 2024-07-23

基金资助

国家自然科学基金项目(42001176)

国家自然科学基金项目(42171198)

教育部人文社会科学研究项目(20YJCZH241)

山东省自然科学基金项目(ZR2020QD009)

收起

Structure and influencing factors of urban new quality productive function network in China: A case study of strategic emerging industries

  • ZHAO Ziyu , 1 ,
  • YUAN Zexin 1 ,
  • WANG Shijun 2 ,
  • WEI Ye 2
Expand
  • 1. School of Tourism and Geography Science, Qingdao University, Qingdao 266071, Shandong, China
  • 2. School of Geographical Sciences, Northeast Normal University, Changchun 130024, China

Received date: 2024-05-12

  Revised date: 2024-05-31

  Online published: 2024-07-23

Supported by

National Natural Science Foundation of China(42001176)

National Natural Science Foundation of China(42171198)

Youth Foundation of Humanities and Social Sciences of Ministry of Education(20YJCZH241)

Youth Foundation of Natural Science Foundation of Shandong Province(ZR2020QD009)

Fold

摘要

基于新质生产力形成背景，论文以战略性新兴产业中的智能制造、生物医药和绿色环保行业为例，利用截至2023年企业对外投资数据构建中国城市新质生产功能网络，应用社会网络分析方法，开展网络空间结构特征与影响因素研究。研究发现：① 与以往城市网络研究相比较，新质生产功能网络未出现明显的“菱形结构”，中高强度联系呈现出以北京为核心的放射型空间特征；② 影响因素结果表明，省际边界对三种网络均产生了显著的负向影响，但地理距离的负向作用未发生在智能制造网络中，在中国重大区域高速交通基础设施建设的影响下，地理距离对于要素空间流动的抑制作用相对弱化，但行政壁垒仍然发挥着显著影响；③ 城市节点属性变量在三个细分网络中影响效应存在差异，体现出不同行业发展尤其是在异地投资的空间选择行为中，对目标城市发展水平与功能特征的针对性要求。研究揭示了新质生产力形成背景下中国城市网络空间结构的变化特征，丰富了城市地理学积极响应国家发展重大战略需求的研究视角，对于完善新发展背景下中国城市体系空间结构演化一般规律的科学认识具有学术意义。

关键词： 新质生产力; 新质生产功能; 城市网络; 城市功能网络; 战略性新兴产业

本文引用格式

赵梓渝 , 袁泽鑫 , 王士君 , 魏冶 . 中国城市新质生产功能网络结构及其影响因素研究——以战略性新兴产业为例[J]. 地理科学进展, 2024 , 43(7) : 1261 -1272 . DOI: 10.18306/dlkxjz.2024.07.001

Abstract

Based on the background of the formation of new quality productivity, this study took intelligent manufacturing, biomedicine, and green environmental protection industry in strategic emerging industries as examples, constructed new quality productive function networks by using enterprise foreign investment data up to 2023, and applied the social network analysis method to examine the spatial structure characteristics and influencing factors of urban new quality productive function networks in China. The findings are as follows: 1) Compared with previous urban network studies, the networks of new quality productive function do not show a "diamond structure", and the medium and high intensity network links are radiation-type spatial connections with Beijing at the core. 2) The results of influencing factor analysis show that provincial boundaries have a negative impact on all three kinds of networks, but the negative effect of spatial distance does not occur in the intelligent manufacturing network. Due to the construction of major regional high-speed transportation infrastructure in China, the impact of spatial distance on intercity investment in new quality productive function networks is relatively weak. However, administrative barriers and the hindrance effect of provincial boundaries still play a significant role. 3) The study distinguished the impact of socioeconomic-related variables on the spatial structure of urban networks in the cities where investments are sent and the cities where investments are received, and found that the impact of different variables in these networks are significantly different, reflecting the differences in the development of different industries, especially in the spatial choice behavior of foreign investment. This study revealed the changing characteristics of China's urban network spatial structure in the context of the formation of new quality productivity, which has academic significance for improving the scientific understanding of the general law of the evolution of spatial structure of China's urban system in the context of new development. Empirical cases enrich the research topics of new quality productivity. This study provides a research perspective for urban geography to actively respond to the major strategic needs of national development and the main battlefield of service economy.

Key words： new quality productivity; new quality productive function; urban network; urban function network; strategic emerging industries

2023年9月7日，习近平总书记在主持召开新时代推动东北全面振兴座谈会时指出：“积极培育新能源、新材料、先进制造、电子信息等战略性新兴产业，积极培育未来产业，加快形成新质生产力，增强发展新动能。”新质生产力由此提出。生产力跃迁是人类文明发展的内生引擎与根本动力，科技的进步必然伴随着生产力发展水平的提升，中国通过新质生产力回应当前全球第4次工业革命和新一轮科技革命。新质生产力形成背景下，中国城市体系空间结构将呈现出何种新的形态、其影响因素将呈现出何种新的特征?
研究对象的特征演进，导致城市体系研究的理论基础由等级制的中心地理论向强调网络关系的中心流理论转变[1]。城市网络是城市间由功能联系所引起的要素流动进而形成网络结构的城市地域系统空间组织形式，其外在表现是地理要素在城市间流动的网络关系，内在驱动机制和本质是城市间的功能关系与联系。
伴随着生产分割的深化，基于生产分工协作的企业间联系成为城市间经济联系的主要形式，并深刻影响着城市跨尺度功能关系的演变[1]。以新质生产功能联系为代理人的城市网络正处于形成阶段，在从传统国民经济支柱产业的生产功能网络到新质生产功能网络的转变过程中，城市新质生产功能网络研究，是系统揭示中国城市体系空间结构演化地理过程的关键科学问题，是全球工业革命与科技革命背景下，基于中国发展实践的城市网络空间结构演化一般规律的科学探索，也是城市地理学面向“加快形成新质生产力”的国家经济发展重大战略的学术响应。

1 文献综述

1.1 新质生产力

自新质生产力被提出以来，相关学科及领域对此密切关注、深入研究。在定性研究方面，相关学者围绕新质生产力的理论内涵、内在逻辑、实现路径开展了广泛研究[2⇓⇓⇓-6]。首先，从理论内涵来看，新质生产力是以科技创新为主导、实现关键性颠覆性技术突破而产生的生产力[2⇓-4]；其次，从内在逻辑来看，新质生产力的提出源于中国经济发展取得的显著绩效以及对生产力发展规律的深刻认识，同时也源于当前中国发展环境的深刻变化及其对生产力发展带来的新挑战[4]；最后，从实现路径来看，部分学者关注到新质生产力与经济高质量发展之间的理论内在关联和理论关系逻辑[2,5]。例如，在以信息技术革命为代表的科技革命的驱动下，生产力的发展和生产关系的变革将是必然。新质生产力本质上是以“算力”为代表的新质态的生产力[6]，在数字经济发展背景下，数字技术与新要素的结合创造了生产力发展的新形态。
在定量研究方面，部分学者基于新质生产力的内涵、构成要件等，运用熵值法等方法，构建了新质生产力的指标评价体系，对中国不同产业、地区的新质生产力发展水平的时空演进与驱动因素开展定量研究[7⇓-9]，并发现，新质生产力在中国省域之间呈现梯度提升和发展不均衡特点，新质生产力具有显著的集聚效应，主要表现为低—低集聚和高—高集聚，并具有时空收敛性特征[7]；东部地区新质生产力水平发展增速高于中西部地区[8]。

1.2 城市网络

完整的城市网络是城市地域系统内部的人、物、信息和资金等所有要素联系的总和，即所有功能网络叠加而成的全局网络。显然，现实中无法完整获取到城市间全部的功能联系，因此，已有研究通过不同城市功能联系网络映射城市网络、基于不同视角开展城市网络研究。例如，基于企业分支机构相关信息[10⇓-12]、交通流与人口流动[13⇓-15]、知识合作或专利技术转移[16-17]等，这些研究不仅支撑起城市网络领域的研究，而且对于城市地理学与其他分支学科开展交叉研究具有重要贡献，例如前述研究视角，可分别视为城市地理学与经济地理学、交通地理学、创新地理学等学科的学科交叉研究。此外，近年来基于多元代理人的城市网络研究日益受到重视，以弥补单一视角下城市网络研究代表性不足的问题。学者基于企业联系、科研合作、人口流、信息流、金融流等视角开展多元城市网络研究[18-19]。研究发现，多元视角下城市网络在空间组织上表现出相似稳定性和多元差异性的统一，不同要素流下城市网络拓扑结构差异性和相似性并存[20-21]。
此外，在影响因素与影响机制方面，城市网络的形成同时受到外生驱动因素和内生驱动因素的共同作用，其外生驱动因素包括：经济规模、产业结构、对外联系、创新水平、行政等级等，内生驱动因素包括：择优链接、路径依赖、多维邻近(如地理邻近、社会邻近、制度邻近、技术邻近)等[11,16,22]。相关研究发现如：在宏观层面，中国城市网络是一个嵌入中国独特语境的复杂结构，全球化和分散化两个交织的过程塑造了网络的空间格局[23]；在区域层面，黄河流域城市网络结构演变的影响因素包括区位条件、交通基础设施、产业结构、政府支持强度、科技创新[24]；中国内陆融入全球化进程对中国城市的连通性产生了重大影响，并导致中西部城市在中国城市网络中的显著崛起[23]，而路径依赖机制是塑造中国西部城市网络拓扑结构演化的主要驱动力[20]。
综合以上研究，一方面，尽管新质生产力得到了多学科的紧密关注和大量阐述分析，但相关研究主要聚焦于新质生产力的内涵阐释、内在逻辑、实现路径等理论要素层面，缺乏实证研究的支持和探索，现有以新质生产力水平测度为主的实证研究显然不足以支撑该研究议题的深入研究；另一方面，以新质生产功能为代表的企业组织联系所构建的城市网络，其空间结构特征与影响因素较以往城市网络实证研究存在差异，例如，与企业分支机构网络、制造业生产网络、创新知识网络等已有研究中常见城市网络的异同等。由此可见，这一研究有助于更为全面地了解城市网络空间结构特征及其影响因素。

2 研究数据与研究方法

2.1 研究数据

如何开展从新质生产力空间格局到城市网络空间结构的关系映射，是开展研究的关键问题。基于习近平总书记在主持召开新时代推动东北全面振兴座谈会时指出：“积极培育新能源、新材料等战略性新兴产业”的指导思想，培育战略性新兴产业和未来产业是形成新质生产力的基础与抓手。本文以战略性新兴产业中的智能制造、生物医药、绿色环保三个细分行业为例，利用截至2023年底企业对外投资数据构建城市网络，开展从新质生产功能网络到城市网络的空间映射；应用社会网络分析方法，开展中国城市新质生产功能网络的结构特征及其影响因素研究。
战略性新兴产业是以重大前沿技术突破和重大发展需求为基础，对经济社会全局和长远发展具有重大引领带动作用的产业。基于中国“十四五”规划纲要(《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》)，中国战略性新兴产业包括：新一代信息技术、生物技术、新能源、新材料、绿色环保等产业。因此，本文选取智能制造、生物医药、绿色环保三个战略性新兴产业细分行业的百强企业构建城市新质生产功能网络，以探究不同细分行业城市新质生产功能联系及其影响因素的差异性。其中，智能制造行业排名来自硅谷动力2023年11月发布的“2023年度智能制造100强”；生物医药行业排名来自时代数据推出的“2022中国生物医药百强榜”；环保行业排名根据2021年沪深AB股上市企业中环保行业市值的前100名整理得出。
企业可以通过对外投资掌握其他企业股权，进而实现自身的市场扩张、技术转移和知识溢出，同时可以反映出资本流向、产业关联等城市生产功能的联系，随着企业的不断壮大，其对外投资行为也会经历持续变化，为城市网络构建提供了良好的视角和科学的依据(图1)。因此，企业对外投资数据可以作为构建城市新质生产功能网络的依据。
图1 基于企业对外投资的新质生产功能网络构建

Fig.1 Construction of new quality productive function network based on enterprises' foreign investment

利用战略性新兴产业中百强企业与被投资企业的投资关系界定中国城市新质生产功能网络联系。通过企查查(https://www.qcc.com/)平台收集榜单中企业基本信息及其对外投资的企业数据，利用机器筛选和人工筛选相结合的方式，删除注销、吊销、撤销、停业、休止活动、已告解、已终止营业地点等企业后，将企业对外投资的认缴出资额以城市为单位进行加总(图1)，最终获得城市新质生产功能网络T：
T = 0 T 12 ⋯ T 1 ( n - 1 ) T 1 n T 21 0 ⋯ T 2 ( n - 1 ) T 2 n ⋮ ⋮ ⋮ ⋮ ⋮ T ( n - 1 ) 1 T ( n - 1 ) 2 ⋯ 0 T ( n - 1 ) n T n 1 T n 2 ⋯ T n ( n - 1 ) 0
式中：Tij为城市i到城市j的产业关联强度，通过城市间企业对外投资认缴出资额加和衡量；n为城市总数。

2.2 研究方法

2.2.1 网络结构特征分析

基于网络密度、集聚系数、平均路径长度等社会网络分析方法对网络的结构特征进行定量测度。网络密度是网络中实际存在的边数和可容纳的边数上限的比值，衡量网络节点之间联系的密集程度。网络密度的值介于0~1，越接近0则说明网络联系越松散，越接近1则说明网络连接越紧密。
ρ = m n ( n - 1 )
式中：ρ表示网络密度，n表示节点数量，n-1表示理论上存在关系数量的最大值，m表示实际存在的关系数量。
集聚系数反映城市新质生产功能网络中节点与其他相邻节点间相互连接的程度，集聚系数越高，表示该节点附近发生的集聚效应越明显。
C i = 2 L i k i ( k i - 1 )
式中：Ci表示集聚系数，ki表示节点i邻居节点的数量，Li表示节点i所有邻居节点实际存在的连边数量。
平均路径长度用来表示城市新质生产功能网络中两节点之间最短路径长度的平均值。
$L=\frac{2}{N(N-1)} \sum_{i \geqslant j} d_{i j}$
式中：L表示平均路径长度，N表示网络中的节点数，dij表示节点i和节点j之间的距离。

2.2.2 网络结构的影响因素

指数随机图模型(exponential random graph model, ERGM)是一种依赖网络数据来拟合实际观测网络结构的统计方法，通过指数形式来研究网络结构，能够对影响网络结构生长发育的各种因素进行综合分析和定量检验，其基本思想为网络中一对关系出现的概率取决于其他关系是否出现。ERGM的一般表达式为：
$\operatorname{Pr}(Y=y \mid \theta)=\frac{1}{c} \exp \left[\sum_{H} \theta_{H} g_{H}(y)\right]$
式中： P r Y = y θ表示观测网络y在所有可能的网络集合Y中出现的概率；c=c(θ)为标准化常数，以确保所有概率取值之和为1；H为影响观测网络边形成的因素，gH(y)是该因素的网络统计量，θH为该因素的参数估计，估计参数的大小和方向表明因素H对观测网络的影响程度和趋势。
然而，ERGM仅能分析二值网络中关系形成的原因，不能解释关系强度为何存在差异。网络关系强化表现为新质生产功能网络城际对外投资关系的建立和关系强度的增加，多值指数随机图模型(valued exponential random graph model, VERGM)在ERGM的基础上考虑边的权重，能够研究加权网络中影响网络关系强化的因素。因此，本文利用VERGM研究城市新质生产功能网络中各因素对于城市新质生产功能联系强度的影响，其公式如下：
P r h , g Y = y ; θ = h y e x p θ T g y k h , g θ ( y ∈ ϒ )
式中：Prh,g(Y=y; θ)表示观测网络y在所有可能的网络集合Y中出现的概率， ϒ代表所使用的加权网络集合，kh,g(θ)是概率之和处于0~1之间的归一化常数，g(y)代表解释变量，θ为待估参数向量；由于VERGM在参数估计中存在计算复杂度随网络边强度变化呈现指数增长问题，因此模型引入参照分布项h(y)来压缩样本空间。
本文通过网络结构效应、外生网络效应和节点属性效应，开展中国城市新质生产功能网络结构特征的影响因素分析(表1)，具体而言：
表1 变量选取及其说明

Tab.1 Variable selection and description

效应 变量名称 变量含义 变量说明 预期效应
发送者效应
(流出地O)		 接收者效应
(流入地D)
网络结构效应 mutual 互惠性 探究城市间双向资金流动对网络结构的影响 -
外生网络效应 distance 驾车距离 探究距离衰减效应对网络结构的影响 -
boundary 省际边界 探究行政边界对城市网络结构的影响 -
节点属性效应 second_inc 第二产业增加值 反映工业发展水平 - +
thr_sec 第三产业与第二产业比值 反映产业结构差异 + +
per_GDP 人均GDP 反映地方经济发展水平 + +
im_export 进出口总额 反映对外开放程度 + -
firm 高新企业数量 反映科技发展及应用水平 + -
loan 年末贷款总额 反映资金充裕程度 + -
1) 网络结构效应。已有研究证明，网络结构演化受到网络自身微观结构的影响[25]。本文通过加入互惠性(mutual)来反映新质生产功能网络中资金在城市间的双向流动及其对网络关系的演化起到何种作用，即接收投资是否会促进城市向外投资及其对网络整体结构的影响。
2) 外生网络效应。距离与时间成本和经济成本密切相关，影响着城市之间投资关系的发生与强度的变化。考虑到相对于航空出行的直线距离，公路与铁路的出行距离相近，而且二者出行所占比例均明显高于航空，因此通过高德地图获取城市间的实际驾车距离(distance)，以衡量城际网络关系发生的空间成本。跨省资本流动会受到不同省份间政策差异的影响，因此加入省界(boundary)变量来考察其对新质生产功能网络结构的影响。
3) 节点属性效应。新质生产力的发展依赖于稳固的工业基础，因此，本文选取第二产业增加值(second_inc)来反映地区工业发展水平。新质生产力是创新起主导作用的先进生产力质态，经济基础为新质生产力发展提供了必要的条件和保障，良好的产业结构为创新提供了更多的机遇与挑战，本文通过加入人均GDP(per_GDP)和第三产业与第二产业比值(thr_sec)来反映经济发展水平与产业结构对城市新质生产功能网络的影响[26]。对外开放程度同样影响着经济发展质量[27]，本文通过加入进出口总额(im_export)来反映对外开放程度。科技发展及应用水平、资金充裕程度是影响创新发展的重要因素，本文通过高新企业数量(firm)和年末贷款总额(loan)反映城市的科技发展水平与资金充裕程度[28]。指标数据来源于企业投资信息对应年份的《中国城市统计年鉴》、各地级市历年统计年鉴、国民经济和社会发展统计公报。

3 结果分析

3.1 城市新质生产功能网络结构特征

图2展示了基于智能制造、生物医药、绿色环保百强企业对外投资的中国城市新质生产功能网络的空间结构特征。总体上，在三个城市网络中，无论是高强度还是高密度的功能联系，均呈现出明显的“东密西疏”的空间分布特征。具体而言，首先，在智能制造行业城市网络中，高强度网络路径以北京为中心呈放射状分布，例如，北京—上海、北京—成都、北京—重庆等，而低强度关系路径呈现出以广州、深圳为核心的集聚—扩散的空间分布格局，这其中既有以广州、深圳为资本来源地的放射型关系路径，也有以广州、深圳为资本集聚地的集聚型关系路径。其次，基于生物医药的城市网络呈现出中长距离跨区域的关联特征，其中关系路径向上海集聚的特征尤为明显，绝大部分的生产功能网络关系分布在以京津冀、长三角、珠三角城市群为顶点所覆盖的三角形国土空间范围内。最后，绿色环保行业网络中，高强度的城市关系呈现出以北京为中心的放射状分布，这与智能制造行业相同，但绿色环保行业的高强度城际联系更为密集。从红色箭头的分布来看，三个行业中，绿色环保相对于其他两个行业，城际联系的空间分布更为均匀和密集，网络密度明显更高，同时南北方联系密切，尤其是北京和广州、深圳之间的联系。
图2 基于不同行业对外投资的新质生产功能网络

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)4619号的标准地图制作，底图边界无修改。

Fig.2 New quality productive function network based on foreign investment of different industries

与以往中国城市网络研究结论对比，城市新质生产功能网络的空间结构特征既存在相同或相近之处，同时也展示出了新的结构特征。一方面，与以往研究结论相同的是，本文中以智能制造和绿色环保为代表的新质生产功能网络中，高强度的空间联系呈现以北京为核心的放射状结构。在已有高新技术、智能制造等具有新质生产力特征产业的城市网络研究中，发现城市网络空间联系的分布呈现出放射状的空间特征、“东密西疏”空间差异[29]和京沪在网络中的核心地位[21]。同时，城市新质生产功能网络的城市联系呈现出区域性、跨区域性的大尺度的空间特征。这一结论与赵梓渝等[30]基于模块化生产方式转变的研究背景，提出中国汽车产业集群的空间组织呈现出“超越地方”的跨区域集群网络结构的研究结论相一致。
另一方面，与以往研究结论不同的是，已有基于人口流动[31]、独角兽企业联系[32]、物流专利权利转移[33]、先进制造业投资[34]等视角的研究，指出中国城市网络存在“菱形”空间结构特征。然而在本文中，三个城市新质生产功能网络均未展示出“菱形结构”的空间分布特征。这些相近案例研究中的异同结论表明，以战略性新兴产业及其内部不同细分行业、先进制造业、未来产业等不同新质生产力的代表性产业与行业，其所构成的城市网络的空间结构与以往城市网络结构存在较为明显的差异，需要后续研究进行揭示与比较。
表2统计了城市新质生产功能网络结构特征的部分指标。平均加权度代表了每个城市对外投融资的规模，智能制造产业网络中平均加权度最大，表明智能制造网络中城市间平均资金流动强度最大，平均每个城市关联资本128443.949万元，而生物医药产业网络中城市间平均资金流动强度最小。绿色环保投资网络的网络密度、平均聚类系数远高于生物医药和绿色环保，平均路径长度低于另外两个网络，呈现出明显的城际联系密集、连通性高的特征。
表2 新质生产功能网络结构分析

Tab.2 Analysis of new quality productive function network structure

指标 智能制造 生物医药 绿色环保
平均加权度/万元 128443.949 37082.934 59517.106
网络直径 4 6 5
网络密度 0.004 0.005 0.010
平均聚类系数 0.092 0.111 0.304
平均路径长度 2.326 2.548 2.252

3.2 影响因素分析

本文通过网络关系的强化来衡量自变量对于网络关系建立和关系强度增加的影响，同时通过区分发送者效应和接收者效应，揭示影响城市资金流出(对外投资)和资金流入(吸收投资)的因素(表3)。互惠性(mutual)反映了网络中资金在城市间的双向流动对新质生产功能网络结构所起的作用，即城市间的相互投资这一微观网络结构是否会促进城市新质生产功能网络中投资强度的增加。结果显示，智能制造、生物医药的互惠性对网络结构的强化具有负向作用，表明城市网络资金更多可能是在城市间单向流动而非双向流动。
表3 新质生产功能网络结构影响因素分析

Tab.3 Analysis of influencing factors of new quality productive function network structure

变量 智能制造 生物医药 绿色环保
估计值 标准误差 估计值 标准误差 估计值 标准误差
sum -15.457*** 1.849 -6.548*** 1.126 -9.813*** 0.957
nonzero -2.802*** 0.118 -4.192*** 0.091 -2.943*** 0.064
mutual -0.218** 0.093 -0.164*** 0.064 0.047 0.079
distance 0.012 0.030 -0.045** 0.021 -0.093*** 0.016
boundary -0.425*** 0.092 -0.491*** 0.057 -0.205*** 0.046
D_second_inc 0.103 0.096 -0.055 0.053 0.140*** 0.037
D_thr_sec -0.003 0.043 0.043* 0.023 0.088*** 0.027
D_per_GDP 0.056 0.090 -0.016 0.054 -0.061* 0.034
D_im_export 0.005 0.033 0.015 0.020 -0.018 0.012
D_firm 0.244*** 0.055 0.042 0.035 0.033 0.022
D_loan 0.115* 0.069 0.241*** 0.040 0.034 0.029
O_second_inc 0.126 0.104 -0.045 0.063 0.580*** 0.070
O_thr_sec 0.115*** 0.036 -0.001 0.023 0.210*** 0.019
O_per_GDP 0.401*** 0.102 -0.342*** 0.062 -0.032 0.063
O_im_export 0.211*** 0.038 0.105*** 0.023 -0.215*** 0.020
O_firm 0.113* 0.068 -0.035 0.037 0.571*** 0.040
O_loan -0.112 0.072 0.385*** 0.045 -0.245*** 0.047
AIC -594969 -590644 -586958
BIC -594804 -590479 -586793

注：sum和nonzero分别为边权总和和非零边数的统计，为模型自带变量，不具有对因变量的解释意义。***、**、*分别表示P<0.01、P<0.05、P<0.10。下同。

驾车距离(distance)对于生物医药、绿色环保的网络关系强化产生了显著的负向作用，但对于智能制造网络的影响不显著。省际边界(boundary)对三个行业的城市网络的关系强化均产生了显著的负向作用，跨省资本流动会受到不同省份间政策差异的影响，省级行政区划的政策约束与制度壁垒显著阻碍了新质生产功能网络的强化。平均地，智能制造、生物医药、绿色环保三个行业中，跨省的新质生产功能网络强化的概率比同省分别低34.62%(即1-e-0.425)、38.80%(即1-e-0.491)、18.54%(即1-e-0.205)。两项结果表明，随着信息化、中国重大区域高速交通基础设施的建设，地理距离对于城市新质生产功能网络关系强化的影响相对弱化，但省际边界所代表的行政约束与制度壁垒及其导致的边界阻碍效应，严重抑制了网络关系强化。
本文通过接收者效应(D)和发送者效应(O)区分城市的属性数据。接收者衡量了作为企业对外投资的资本流动目的地属性特征对于城市网络结构的影响；发送者衡量了资本流出的来源地属性特征对于城市网络结构的影响。总体上，不同变量对于不同行业所构建的新质生产功能网络关系强化的影响，在显著性和正负效应方面呈现出差异性，体现出不同行业发展尤其是在异地投资的空间选择行为中所反映出的行业差异，即对于城市发展不同特点的需求的差异。
具体而言，智能制造行业是信息技术、制造技术和人工智能技术综合应用的行业，旨在实现制造过程的自动化和数字化，具有智能化、精细化和高投入的行业特性。高新企业数(firm)作为接收者和发送者变量时，均对网络关系的强化产生正向作用，即高新企业的规模推动了城市智能制造行业的异地对外投资，同时也将吸引其他城市本行业投资的进入。平均地，在接收者和发送者效应中，该指标每增加1%，新质生产功能网络关系强化的概率分别增加27.63%(即e0.244-1)、11.96%(即e0.113-1)。此外，年末贷款总额(D_loan)作为接收者变量时，将促进网络关系的强化，即智能制造行业更趋向于向金融行业发展水平高、资金充裕的城市进行投资。从表2的加权平均度中心性来看，智能制造明显高于生物医药与绿色环保，因此智能制造属于高资金投入的行业，对投资企业目的地的金融贷款行业发展水平要求相对更高；三产与二产之比(O_thr_sec)、人均GDP(O_per_GDP)、进出口总额(O_im_export)作为发送者变量时，促进了城市对外投资行为。
生物医药行业融合了生物技术和医药产业的特征，具有高投入性、高技术性、高风险性的行业特性。年末贷款总额(loan)作为接收者和发送者变量时，均对网络关系的强化产生正向作用，即城市金融业发展水平将推动生物医药行业对外投资，同时也将吸引其他城市本行业投资的进入。平均地，在接收者和发送者效应中，年末贷款总额每增加1%，新质生产功能网络关系强化的概率分别增加27.25%(即e0.241-1)、46.96%(即e0.385-1)。此外，三产与二产之比(D_thr_sec)作为接收者变量、进出口总额(O_im_export)作为发送者变量时将促进网络关系的强化，而发送者的人均GDP(O_per_GDP)将抑制网络关系的强化。这表明，在生物医药网络中，经济发展水平高的城市更不倾向于对外发送投资。
绿色环保行业是涵盖了可再生能源、清洁交通、环境治理等领域的综合性行业，具有高投入和高技术性的行业特性。第二产业增加值(second_inc)和三产与二产之比(thr_sec)在接收者和发送者效应中均对网络关系强化具有正向影响，即第二产业增加值高和三产与二产之比大的地区越容易发生绿色环保行业的资金流动。此外，在发送者效应中，高新企业数(O_firm)对网络关系的强化产生了显著的促进作用，即高新企业规模大的地区更容易发生对外投资行为；进出口总额(O_im_export)、年末贷款总额(O_loan)对网络关系的强化产生了显著的阻碍作用，即对外开放程度、金融发展水平和资金充裕程度的增加将降低地区绿色环保行业的对外投资行为。在接收者效应中，人均GDP(D_per_GDP)对网络强化具有负向作用，即较高的人均GDP阻碍了绿色环保行业吸收外来投资。
为保证回归结果的可靠性，选择强度中位数以上的行业对外投资构建城市网络，并应用ERGM进行稳健性检验(表4)。结果表明，回归结果具有稳健性。地理距离对于智能制造网络关系形成的影响不显著，对于生物医药、绿色环保网络的关系形成产生显著的负效应，省际边界对于三个城市网络的关系形成均产生显著的负效应。在节点属性效应中，城市统计变量基本保持了结果的一致性。
表4 ERGM回归结果

Tab.4 ERGM regression results

变量 智能制造 生物医药 绿色环保
估计值 标准误差 估计值 标准误差 估计值 标准误差
edges -36.105*** 4.764 -30.851*** 4.091 -34.765*** 2.960
mutual 0.449 0.356 0.233 0.324 -0.099 0.318
distance -0.095 0.106 -0.304*** 0.094 -0.441*** 0.073
boundary -0.892*** 0.293 -1.506*** 0.240 -0.684*** 0.194
D_second_inc 0.228 0.269 -0.039 0.210 0.572*** 0.144
D_thr_sec 0.069 0.128 0.347*** 0.103 0.442*** 0.103
D_per_GDP 0.167 0.262 -0.029 0.220 0.012 0.129
D_im_export -0.002 0.099 0.083 0.080 -0.053 0.047
D_firm 0.529*** 0.170 0.054 0.136 0.044 0.086
D_loan 0.275 0.198 0.786*** 0.163 0.109 0.114
O_second_inc 0.180 0.263 0.224 0.227 1.358*** 0.195
O_thr_sec 0.378*** 0.114 0.387*** 0.098 1.034*** 0.068
O_per_GDP 1.003*** 0.264 -0.726*** 0.245 0.319* 0.188
O_im_export 0.575*** 0.094 0.275*** 0.085 -0.445*** 0.069
O_firm 0.014 0.168 -0.303** 0.140 0.916*** 0.132
O_loan -0.159 0.201 1.077*** 0.168 -0.379** 0.152
AIC 2197 2757 4713
BIC 2353 2912 4868

注：edges为模型自带变量，不具有对因变量的解释意义。

4 结论与讨论

4.1 结论

本文通过中国战略性新兴产业的三个细分行业：智能制造、生物医药、绿色环保行业的百强企业对外投资信息构建城际关系网络，开展中国城市新质生产功能网络的空间结构特征及其影响因素研究，主要结论如下：
(1) 在空间结构方面，相对于以往基于企业分支机构、交通流与人口流动、知识合作或专利技术转移等城市网络研究，城市新质生产功能网络的中高强度网络联系呈现出以北京为中心的长距离、跨区域的放射型空间联系特征，这一格局与以往“菱形结构”存在明显区别。
(2) 通过社会网络分析方法，基于网络结构效应、外生网络效应、节点属性效应三个方面，探究以网络关系形成和关系强度增加为衡量的网络强化的影响因素。其中，外生网络效应研究结果表明，以驾车距离为代表的地理距离，对于生物医药和绿色环保行业的网络强化产生显著的负向作用，但对智能制造企业网络结构未产生显著的影响。同时，三个细分行业的城市新质生产功能网络的关系强化均受到省际边界的显著负向影响。这表明，随着信息化、中国重大区域高速交通基础设施的建设，地理距离对于城市新质生产功能网络空间联系的制约作用相对弱化，但省际边界的阻碍效应仍然是制约中国城市新质生产功能网络关系强化的重要因素，反映出行政壁垒、制度壁垒、政策差异性与约束性、地方竞争等因素对于中国城市新质生产功能网络关系强化的抑制作用。
(3) 区分了社会经济相关指标在资金发送城市与接收城市的影响差异。不同节点属性变量对于不同行业所构建的城市新质生产功能网络关系强化的影响，在显著性和正负效应方面呈现出差异性，体现出不同行业发展尤其是在异地投资的空间选择行为中，对于目标城市发展水平、特定功能或特征的针对性要求，这一结果启示地方政府可以通过专精化、差异化的产业发展路径，积极融入中国城市新质生产功能网络的资本联系与生产分工协作中。

4.2 讨论

生产力革新是推动社会经济发展历史进程的根本，新质生产力是以新科技革命为先导、以新产业形态为支撑的一种生产力形态，是中国面向全球第4次工业革命、新一轮科技革命的回应，新质生产力的形成、建设与布局势必将对以城市网络为代表的中国城市体系空间结构产生深刻影响。本文以智能制造、生物医药、绿色环保三个战略性新兴产业细分行业为例，开展中国城市新质生产功能网络结构特征及其影响因素研究，是对于新发展背景下中国城市体系空间结构与城市地域系统组织结构演化一般规律的科学认识，是城市地理学研究对于国家发展重大战略需求和服务经济主战场的积极响应，也是城市网络研究视角扩展的有益探索。
本文也存在一些不足。战略性新兴产业及本文所选择的智能制造、生物医药、绿色环保三个行业，显然只是新质生产力的代表性产业与行业之一，无法全面揭示城市新质生产功能网络的全貌。同时，新质生产力除了包含战略性新兴产业、未来产业等先进生产力质态外，同样包括利用新兴技术赋能传统行业、实现生产要素创新性配置与产业深度转型升级的先进生产力质态。由此可见，未来研究在关注战略性新兴产业、未来产业的同时，将进一步关注到新技术在传统行业中的应用，尤其是助力传统行业摆脱传统经济增长方式的情境下城市新质生产功能网络的空间关联与影响机制。
另外，在研究数据方面，一方面，基于企查查获取的企业对外投资数据反映的是企业间的投资关系，这显然不能完全代表城市之间的生产关系和生产功能，因此，本文只是从投融资角度开展城市新质生产功能网络结构及其影响因素研究；另一方面，本文基于企业注册地信息的数据也存在部分企业实际生产地址与注册地址不符的情况，这将导致研究结果可能出现部分偏差。对此，未来研究将采用多元数据丰富城市新质生产功能网络的研究，以更为全面地透视和揭示中国城市新质生产功能网络结构及其影响因素。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
王士君, 廉超, 赵梓渝. 从中心地到城市网络: 中国城镇体系研究的理论转变[J]. 地理研究, 2019, 38(1): 64-74.

DOI

[Wang Shijun, Lian Chao, Zhao Ziyu. From central place to city network: A theoretical change in China's urban system study. Geographical Research, 2019, 38(1): 64-74.]

DOI

[2]
周文, 许凌云. 再论新质生产力: 认识误区、形成条件与实现路径[J]. 改革, 2024(3): 26-37.

[Zhou Wen, Xu Lingyun. Further discussion on new quality productive forces: Misunderstandings, formation conditions, and implementation paths. Reform, 2024(3): 26-37.]

[3]
蒋永穆, 乔张媛. 新质生产力: 逻辑、内涵及路径[J]. 社会科学研究, 2024(1): 10-18, 211.

[Jiang Yongmu, Qiao Zhangyuan. New quality productivity: Logic, connotation and path. Social Science Research, 2024(1): 10-18, 211.]

[4]
高帆. “新质生产力”的提出逻辑、多维内涵及时代意义[J]. 政治经济学评论, 2023, 14(6): 127-145.

[Gao Fan. The logic, multidimensional connotation and current significance of "new quality productivity". China Review of Political Economy, 2023, 14(6): 127-145.]

[5]
纪玉山, 代栓平, 杨秉瑜, 等. 发展新质生产力推动我国经济高质量发展[J]. 工业技术经济, 2024, 43(2): 3-28.

DOI

[Ji Yushan, Dai Shuanping, Yang Bingyu, et al. Developing new quality productivity and promoting high-quality economic development. Journal of Industrial Technology and Economy, 2024, 43(2): 3-28.]

[6]
刘志彪, 凌永辉, 孙瑞东. 新质生产力下产业发展方向与战略: 以江苏为例[J]. 南京社会科学, 2023(11): 59-66.

[Liu Zhibiao, Ling Yonghui, Sun Ruidong. The direction and strategy of industrial development under the new productivity: Taking Jiangsu Province as an example. Nanjing Journal of Social Sciences, 2023(11): 59-66.]

[7]
王珏, 王荣基. 新质生产力: 指标构建与时空演进[J]. 西安财经大学学报, 2024, 37(1): 31-47.

[Wang Jue, Wang Rongji. New quality productivity: Index construction and spatiotemporal evolution. Journal of Xi'an University of Finance and Economics, 2024, 37(1): 31-47.]

[8]
卢江, 郭子昂, 王煜萍. 新质生产力发展水平、区域差异与提升路径[J/OL]. 重庆大学学报(社会科学版), 2024-03-08 [2024-04-09]. http://kns.cnki.net/kcms/detail/50.1023.c.20240306.1451.002.html.

[Lu Jiang, Guo Zi'ang, Wang Yuping. Levels of development of new quality productivity, regional differences and paths to enhancement. Journal of Chongqing University (Social Science Edition), 2024-03-08 [2024-04-09]. http://kns.cnki.net/kcms/detail/50.1023.c.20240306.1451.002.html.]

[9]
朱富显, 李瑞雪, 徐晓莉, 等. 中国新质生产力指标构建与时空演进[J]. 工业技术经济, 2024, 43(3): 44-53.

DOI

[Zhu Fuxian, Li Ruixue, Xu Xiaoli, et al. Construction and spatiotemporal evolution of new productivity indicators of China. Journal of Industrial Technological and Economics, 2024, 43(3): 44-53.]

[10]
钟无双, 唐可欣, 张维阳, 等. 基于ML-ERGM的长三角“城市—企业”分层网络及其形成机制研究[J]. 地理科学进展, 2024, 43(4): 674-684.

DOI

[Zhong Wushuang, Tang Kexin, Zhang Weiyang, et al. Multilevel "city-firm" networks in the Yangtze River Delta and its formation mechanism: A study based on the ML-ERGM model. Progress in Geography, 2024, 43(4): 674-684.]

DOI

[11]
刘乐, 盛科荣, 张杰, 等. 金融网络嵌入对中国城市创业活力的影响研究[J]. 地理科学进展, 2022, 41(12): 2244-2257.

DOI

[Liu Le, Sheng Kerong, Zhang Jie, et al. The impact of financial network embedding on entrepreneurial vitality of cities in China. Progress in Geography, 2022, 41(12): 2244-2257.]

DOI

[12]
张维阳, 唐可欣, 刘雨. 中国金融企业全球扩张的城际关联网络演变研究[J]. 地理科学进展, 2023, 42(11): 2143-2154.

DOI

[Zhang Weiyang, Tang Kexin, Liu Yu. Evolution of intercity network shaped by global expansion of Chinese financial enterprises. Progress in Geography, 2023, 42(11): 2143-2154.]

DOI

[13]
Gu X Y, Tang X Y, Chen T, et al. Predicting the network shift of large urban agglomerations in China using the deep-learning gravity model: A perspective of population migration[J]. Cities, 2024, 145: 104680. doi: 10.1016/j.cities.2023.104680.

[14]
王姣娥, 杜德林, 金凤君. 多元交通流视角下的空间级联系统比较与地理空间约束[J]. 地理学报, 2019, 74(12): 2482-2494.

DOI

[Wang Jiao'e, Du Delin, Jin Fengjun. Comparison of spatial structure and linkage systems and geographic constraints: A perspective of multiple traffic flows. Acta Geographica Sinica, 2019, 74(12): 2482-2494.]

DOI

[15]
赵梓渝, 魏冶, 王士君, 等. 有向加权城市网络的转变中心性与控制力测度: 以中国春运人口流动网络为例[J]. 地理研究, 2017, 36(4): 647-660.

DOI

[Zhao Ziyu, Wei Ye, Wang Shijun, et al. Measurement of directed alternative centricity and power of directed weighted urban network: A case of population flow network of China during "Chunyun" period. Geographical Research, 2017, 36(4): 647-660.]

DOI

[16]
曹湛, 戴靓, 杨宇, 等. 基于“蜂鸣—管道”模型的中国城市知识合作模式及其对知识产出的影响[J]. 地理学报, 2022, 77(4): 960-975.

DOI

[Cao Zhan, Dai Liang, Yang Yu, et al. Knowledge collaboration patterns of Chinese cities and their impacts on knowledge output: An empirical study based the "buzz-and-pipelines" model. Acta Geographica Sinica, 2022, 77(4): 960-975.]

DOI

[17]
盛科荣, 王传阳, 刘乐, 等. 中国城市知识网络嵌入与科技企业孵化的交互影响研究[J]. 地理研究, 2023, 42(1): 34-52.

DOI

[Sheng Kerong, Wang Chuanyang, Liu Le, et al. The interplay between knowledge network embededness and technology enterprise incubation of cities in China. Geographical Research, 2023, 42(1): 34-52.]

DOI

[18]
Zhang W Y, Derudder B, Wang J H, et al. An analysis of the determinants of the multiplex urban networks in the Yangtze River Delta[J]. Tijdschrift voor Economische en Sociale Geografie, 2020, 111(2): 117-133.

[19]
赵金丽, 张学波, 任嘉敏, 等. 多元流视角下黄河流域城市网络空间结构及其影响因素[J]. 地理科学, 2022, 42(10): 1778-1787.

DOI

[Zhao Jinli, Zhang Xuebo, Ren Jiamin, et al. Spatial structure and influencing factors of urban network in the Yellow River Basin based on multiple flows. Scientia Geographica Sinica, 2022, 42(10): 1778-1787.]

DOI

[20]
杨亮洁, 俞啸, 杨永春, 等. 中国西部城市网络拓扑结构演化及结构效应[J]. 经济地理, 2023, 43(4): 51-62.

DOI

[Yang Liangjie, Yu Xiao, Yang Yongchun, et al. The spatiotemporal evolution and structural effects of city network topology in western China. Economic Geography, 2023, 43(4): 51-62.]

DOI

[21]
张浩然, 焦利民. 中国城市网络结构: 基于价值链视角和企业联系视角的比较分析[J]. 地理科学, 2023, 43(11): 1879-1889.

DOI

[Zhang Haoran, Jiao Limin. Urban network structure in China: A comparison based on the perspective of value chain and enterprise connection. Scientia Geographica Sinica, 2023, 43(11): 1879-1889.]

DOI

[22]
关皓明, 张雪莹, 浩飞龙, 等. 基于电影产业链分工的城市跨尺度网络功能分化及关联效应演变[J]. 地理学报, 2023, 78(10): 2425-2442.

DOI

[Guan Haoming, Zhang Xueying, Hao Feilong, et al. Evolution of urban cross-scale network function differentiation and correlation effect based on division of film industry chain. Acta Geographica Sinica, 2023, 78(10): 2425-2442.]

DOI

[23]
Zhang F, Ning Y M, Lou X Y. The evolutionary mechanism of China's urban network from 1997 to 2015: An analysis of air passenger flows[J]. Cities, 2021, 109: 103005. doi: 10.1016/j.cities.2020.103005.

[24]
陈肖飞, 杜景新, 李元为, 等. 高质量发展视角下黄河流域城市网络的结构演变与影响因素研究[J]. 人文地理, 2023, 38(1): 87-96.

[Chen Xiaofei, Du Jingxin, Li Yuanwei, et al. The structural evolution and influencing factors of urban network in the Yellow River Basin from the perspective of high-quality development. Human Geography, 2023, 38(1): 87-96.]

[25]
施响, 王士君, 王冬艳, 等. 中国市域间日常人口流动特征及影响因素[J]. 地理科学, 2022, 42(11): 1889-1899.

DOI

[Shi Xiang, Wang Shijun, Wang Dongyan, et al. Characteristics and influencing factors of daily population flow among cities in China. Scientia Geographica Sinica, 2022, 42(11): 1889-1899.]

DOI

[26]
秦伟山, 赵明明, 张义丰, 等. 中国健康城市建设的时空格局及其调控策略[J]. 地理学报, 2023, 78(11): 2883-2902.

DOI

[Qin Weishan, Zhao Mingming, Zhang Yifeng, et al. Spatiotemporal pattern and control strategy of healthy city construction in China. Acta Geographica Sinica, 2023, 78(11): 2883-2902.]

DOI

[27]
戴翔, 缪燕妮, 谈东华. 高水平开放提升经济发展质量的理论及证据[J]. 宏观质量研究, 2023, 11(6): 43-55.

[Dai Xiang, Miao Yanni, Tan Donghua. High level openness and high quality economic development: Theory and evidence. Journal of Macro-quality Research, 2023, 11(6): 43-55.]

[28]
宓泽锋, 邱志鑫, 尚勇敏, 等. 长三角区域创新集群的技术创新联系特征及影响探究: 以新材料产业为例[J]. 地理科学, 2022, 42(9): 1522-1533.

DOI

[Mi Zefeng, Qiu Zhixin, Shang Yongmin, et al. Technological innovation connection characteristics and influence of regional innovation cluster in the Yangtze River Delta: A case study of new material industry. Scientia Geographica Sinica, 2022, 42(9): 1522-1533.]

DOI

[29]
杨亮洁, 任娇杨, 杨永春, 等. 尺度重构视角下中国城市多元网络结构研究[J]. 经济地理, 2021, 41(9): 48-58.

[Yang Liangjie, Ren Jiaoyang, Yang Yongchun, et al. Multi-flow network characteristics of cities in China under the rescaling perspective. Economic Geography, 2021, 41(9): 48-58.]

[30]
赵梓渝, 王士君, 陈肖飞. 模块化生产下中国汽车产业集群空间组织重构: 以一汽—大众为例[J]. 地理学报, 2021, 76(8): 1848-1864.

DOI

[Zhao Ziyu, Wang Shijun, Chen Xiaofei. Beyond locality in restructuring the spatial organization of China's automobile industry clusters under modular production: A case study of FAW-Volkswagen. Acta Geographica Sinica, 2021, 76(8): 1848-1864.]

DOI

[31]
赵梓渝, 王士君. 2015年我国春运人口省际流动的时空格局[J]. 人口研究, 2017, 41(3): 101-112.

[Zhao Ziyu, Wang Shijun. A spatial-temporal study of inter-provincial migration pattern during Chinese Spring Festival travel rush. Population Research, 2017, 41(3): 101-112.]

[32]
周晓艳, 侯美玲, 李霄雯. 独角兽企业内部联系视角下中国城市创新网络空间结构研究[J]. 地理科学进展, 2020, 39(10): 1667-1676.

DOI

[Zhou Xiaoyan, Hou Meiling, Li Xiaowen. Spatial structure of urban innovation network based on the Chinese unicorn company network. Progress in Geography, 2020, 39(10): 1667-1676.]

DOI

[33]
孙春晓, 裴小忠, 刘程军, 等. 中国城市物流创新的空间网络特征及驱动机制[J]. 地理研究, 2021, 40(5): 1354-1371.

DOI

[Sun Chunxiao, Pei Xiaozhong, Liu Chengjun, et al. Spatial network characteristics and driving mechanism of urban logistics innovation in China. Geographical Research, 2021, 40(5): 1354-1371.]

DOI

[34]
马学广, 张钊, 蒋策. 基于先进制造业投资的中国城市网络空间联系与结构研究[J]. 人文地理, 2023, 38(3): 108-117, 154.

[Ma Xueguang, Zhang Zhao, Jiang Ce. Research on spatial connection and structure of chinese urban network based on advanced manufacturing investment. Human Geography, 2023, 38(3): 108-117, 154.]

Options
文章导航

/

〈 〉