EN中文

PROGRESS IN GEOGRAPHY >

2021 , Vol. 40 >Issue 8: 1257 - 1268

DOI: https://doi.org/10.18306/dlkxjz.2021.08.001

Articles

Change and influencing factors of China’s cross-regional investment network structure

  • JIAO Jingjuan , 1 ,
  • ZHANG Qilin 1 ,
  • WU Yuyong 1 ,
  • JIANG Runze 1 ,
  • WANG Jiao'e , 2, 3, *
Expand
  • 1. School of Economics and Management, Beijing Jiaotong University, Beijing 100044, China
  • 2. Key Laboratory of Regional Sustainable Development Modeling, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 3. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China

Received date: 2021-01-20

  Request revised date: 2021-05-03

  Online published: 2021-10-28

Supported by

National Natural Science Foundation of China(41701126)

National Natural Science Foundation of China(71872010)

National Natural Science Foundation of China(42071147)

Beijing Undergraduate Training Program for Innovation and Entrepreneurship(S202110004204)

Copyright

Copyright reserved © 2021
Fold

Abstract

With the increasing economic interaction between cities, capital flow across regions has gradually become a key factor affecting the regional economic disparities. Cross-regional enterprise investment is regarded as the micro embodiment of capital flows. It is of great significance to explore the characteristics of cross-regional enterprise investment for reducing regional economic disparities. Thus, this study examined the cross-regional investment network using the cross-regional investment data of Chinese listed companies in 1998-2018, and analyzed the characteristics of the spatial evolution of China's cross-regional investment network and its influencing factors at the national and regional levels. The results show that: the spatial agglomeration trend of node centrality in China's cross-regional investment network at the national and regional levels is obvious and the cities with high node centrality are mainly concentrated in the five major urban agglomerations. There are obvious hierarchical structure, spatial heterogeneity, and path dependence of the cross-regional investment network; the net investment inflows and outflows are mainly in the eastern region, and the investment activities tend to develop toward the central and western regions; the influence of city economic development level, industrial structure, and financial environment varies across regions and types of cities with different population scales.

Key words： cross-regional investment; capital flows; corporate linkage; centrality

Cite this article

JIAO Jingjuan , ZHANG Qilin , WU Yuyong , JIANG Runze , WANG Jiao'e . Change and influencing factors of China’s cross-regional investment network structure[J]. PROGRESS IN GEOGRAPHY, 2021 , 40(8) : 1257 -1268 . DOI: 10.18306/dlkxjz.2021.08.001

改革开放以来,中国区域经济发展呈现出“收敛—发散—收敛”的过程,且东部与中部、西部地区的发展差距持续扩大[1,2]。目前,已有学者从自然条件、经济基础、经济政策、资本流动等方面解析中国区域差异形成和扩大的原因[3,4,5,6,7],认为无论从短期还是从长期分析,资本流动都是经济增长的重要影响因素,也是导致区域差距形成和扩大的重要原因[7]。企业异地投资是资本流动的微观体现,因此,探讨企业异地投资行为的空间演化特征及影响因素,有助于了解中国资本流动的特征,也可为缩小中国区域差异和实现区域协调发展提供支撑。
目前,国内外关于企业投资区位决策的研究主要集中在外商企业[8,9]、制造业[10,11,12,13]和服务业企业区位选择的研究[14,15]等方面。其中,外商企业区位选择的研究主要集中在国家、区域、城市等中宏观层面的区位选择问题[16,17];制造业和服务业区位选择的研究则主要集中在城市内部企业微观区位选择问题,部分研究开始关注城市层面企业区位选择问题[11,14],相关研究主要是从城市个体进行研究,而忽略了城市之间的关联关系。此外,部分研究开始从异地投资视角探讨企业在中观层面的区位选择问题,主要是从企业总部—分支机构关系[18,19,20]、企业间投资事件的发生次数[21,22]、企业所有权关系[23,24]和企业投资额[25]等关联关系进行评价,在此基础上,利用复杂网络方法分析和评价企业异地投资网络的节点中心性空间格局、演化特征及影响因素。国内外研究主要集中在利用上市公司关联网络、城市间企业投融资次数等对城市网络结构特征、空间格局、演化模式和影响因素进行分析[18,26-29]。研究发现全国层面的企业关联网络具有明显的空间指向、路径依赖、层级结构和核心—边缘结构等[27,28,29],且其形成受到政府和市场的双重作用[29];胡国建等[25]利用福建省上市公司投资额数据,研究发现福建省的投资形成了以厦门和福州为双中心的格局,地区经济发展水平、人口规模、进出口额等均为影响投资的关键因素。
综上所述,现有研究主要集中在利用总部—分支机构关系或投资事件次数对全国层面资本流动空间格局或短期空间演化特征的解析,为本文的顺利开展提供了借鉴与支撑,但在以下方面仍有待拓展：(1) 从网络构建方法来看,已有研究主要利用分支机构或交易事件的数量关系反映城市联系,较少关注分支机构与交易事件规模大小这一重要因素,而这可能导致城市间差距缩小、发达城市在网络中地位模糊等问题[29],无法反映真实的联系强度[25],从而不能真正揭示城市在网络中的权力与地位; (2) 从研究视角上,关于国内企业投资区位选择的研究主要侧重于静态视角和短时间内的动态视角研究;(3) 在网络演化影响因素研究方面,已有研究主要从全国尺度或特定省份或地区进行实证分析,而忽视了地区间的差异性。为此,本文基于中国上市公司投资数据反映城市间资本流动,构建1998—2018年城市异地投资网络,利用真实投资额代替分支机构数量和交易事件次数表征城市联系强度,分别从全国和3大地区层面分析与评价中国异地投资网络结构演化与影响因素,以期为中国实现区域协调发展和空间结构优化调整提供借鉴。

1 数据与方法

1.1 数据来源与处理

城市间的联系归根结底是企业间的联系[29],考虑到上市公司往往拥有雄厚的资金,对地方经济发展影响较大[18,30],同时其数据资料受到严格监管与审计,相对较为完备[31],因此,本文选择全国A股上市公司为研究对象。上市公司投资数据来源于国泰安经济金融研究数据库上市公司关联交易数据(https://www.gtarsc.com/),该数据包括交易公告时间、公司名称、关联方企业名称及所在地、关联方企业注册资本等信息。部分缺失的企业所在地和注册资本等补充数据来源于同花顺(http://www.51ifind.com/)、天眼查(https://www.tianyancha.com/)等。基于数据的可获取性和确保样本量足够,本文选择1998、2003、2008、2013和2018年5个时间点进行研究,该研究期内涉及子公司、合营公司和联营公司数据135783、258和2073条。需要说明的是,关联交易原始数据中并没有直接给出上市公司异地投资额数据,本文采用注册资本乘以控股比例作为上市公司异地投资金额[32],以反映城市之间的资本流动情况①(① 虽然在理论上股权比例与出资比例可以不一致,但在实际中两者差异通常较小,因此本文利用注册资本乘以控股比例表征上市公司投资下属公司的投资金额,以此代表资本的真实流动。)。为保证数据的可比性,以人民币为基准统一异地投资额的货币单位,选用2018年为基期并利用CPI剔除了通货膨胀率的影响。城市经济社会统计数据等均来源于《中国城市统计年鉴》和《中国区域经济统计年鉴》。

1.2 城市异地投资有向网络构建

城市异地投资网络是基于企业跨城市投融资关系构成的城市网络空间结构,以城市间有向投资来衡量城市联系强度,该网络由城市节点和城市间联系构成,可反映城市间企业关联关系[29]。本文选择具有上市公司母公司、子公司、合营公司和联营公司(下文简称为母子公司)的直辖市和地级行政单元(包括4个直辖市、288个地级市、7个地区、30个自治州及3个盟,不包含海南、台湾、香港、澳门、赤峰市、省直辖行政单位与生产建设兵团辖区等)②(② 考虑到港澳台地区、省直辖行政单位(如济源市)与生产建设兵团辖区的行政面积、经济总量等与地级行政单元差异较大,因此剔除母子公司位于这些地区的样本;考虑到海南省大部分地区是省直辖行政单位,故剔除母子公司位于海南省的样本;赤峰由于2003年数据存在争议,故将其剔除。)为研究范围,根据上市公司异地投资的数据,构建基于企业投资关系的城市异地投资有向网络G(N, E, W),其中,N表示上市公司及其关联公司所在的直辖市和地级行政单元,E表示由上市公司及其关联公司所在城市构成的城市对,W表示城市间上市公司异地投资额,反映城市关联强度,即城市间资本流动强度。
此外,借鉴复杂网络中心性分析方法[33],本文采用加权入度、加权出度和加权度3个节点中心性评价指标分别反映城市在异地投资网络中的资本流入、资本流出和资本总量等特征。根据加权入度和加权出度,可以将城市划分为资本流出型和资本流入型2种。其中,资本流出型城市代表流出资本大于流入资本,即该类城市存在资本净流出;资本流入型城市代表流入资本大于流出资本,即该类城市存在资本净流入。

1.3 回归模型构建和变量选取

根据区位论和新经济地理学相关理论以及实证研究,不难发现,劳动力、资本、技术等资源要素,市场规模、市场化程度等市场情况,以及集聚经济、规模经济等是影响企业投资微观区位选择的关键因素[34,35,36,37]。本文主要关注企业投资区位选择所反映的资本流动特征及其影响因素,在此基础上,根据相关研究[25,27-29]、数据的可获取性和模型共线性、内生性等检验③(③ 为保证估计结果的可信度,利用方差膨胀因子VIF进行多重共线性检验,其VIF均低于10,均不存在多重共线性;利用单位根进行平稳性检验,所有指标均为平稳序列,不会产生“伪回归”问题。),本文选择分别代表城市经济发展水平、产业结构特征、政府干预能力、金融环境特征、劳动力密集程度和上市公司集聚特征的指标作为自变量,选择反映城市资本流入、流出和总量的加权入度、加权出度和加权度为因变量(表1),建立如下面板回归模型：
ln y i , t = α 1 + β 1 lngd p i , t + β 2 lnse c i , t + β 3 lnth i i , t + β 4 lnpe f i , t + β 5 lnd l i , t + β 6 ln p i , t + β 7 lnnu m i , t + ε i , t
表1 变量定义与解释

Tab.1 Definition and description of variables

变量 变量定义 样本个数 均值 标准差
被解释变量 lnindegree 加权入度(元)的对数值 1660 16.840 9.539
lnoutdegree 加权出度(元)的对数值 1660 9.999 12.717
lnvalue 加权度(元)的对数值 1660 17.914 9.032
解释变量 lngdp 地区生产总值(亿元)的对数值 1660 7.007 1.181
lnsec 第二产业占比(%)的对数值 1660 -0.833 0.282
lnthi 第三产业占比(%)的对数值 1660 -0.995 0.256
lnpef 政府支出占GDP比重(%)的对数值 1660 -1.953 0.721
lndl 金融机构存贷余额占GDP比重(%)的对数值 1660 0.699 0.925
lnp 人口密度(万人/km2)的对数值 1660 5.245691 1.508262
lnnum 上市公司数量(个)的对数值 1660 5.583735 18.88539

注：由于加权入度、加权出度、加权度和上市公司数量有0值,故在加上0.00001进行平移变换后取对数值。

式中： α 1 为常数项; β 1 , β 1 ,…, β 7 为各自变量回归系数; ε i , t 为随机干扰项; ln y i , t 代表 i 城市在 t 年的加权入度、加权出度或加权度的对数值; lngd p i , t 为城市 i 在 t 年的地区生产总值对数值; lnse c i , t 以及 lnth i i , t 为 i 城市在第 t 年的第二、三产业占比对数值; lnpe f i , t 为 i 城市在 t 年的公共财政支出占GDP比重对数值; lnd l i , t 为 i 城市在 t 年的金融机构各项存贷余额占GDP比重对数值; ln p i , t 为 i 城市在 t 年的人口密度对数值; lnnu m i , t 为 i 城市在 t 年的上市公司个数对数值。各指标的含义及选择依据如下：
(1) 经济发展水平,采用地区生产总值(GDP)进行衡量,该指标也可反映地方市场发展和基础设施建设等情况。通常情况下,一个城市GDP越高,企业发展所面对的机会可能越大(如产品市场更加庞大),同时所受到的物理约束可能越少(如生产性基础设施更加完善),本土企业发展水平可能越高且地方市场对异地企业的吸引可能越大。
(2) 产业结构特征,采用二三产业比重进行衡量。上市公司作为投资主体通常会选择投资与其主营业务相关的企业,以降低企业间信息不对称和投资风险。目前,中国上市公司主要集中在第二(66.88%)及第三产业(30.58%),且归属于二三产业上市公司发生投资事件数量占总量的比重分别为54.2%和43.1%,这表明归属于二三产业上市公司均为异地投资的主要参与者。从集聚经济视角,企业通常倾向于向二三产业发展较好的城市进行投资。
(3) 政府干预能力,选择公共财政支出占GDP的比重进行衡量。其中,城市公共财政支出反映政府对社会资源的分配能力以及政府参与社会经济活动的程度,适当的政府干预能促进市场良好运行,为企业投资创造良好的市场环境。
(4) 金融环境特征,采用金融机构存贷余额占GDP的比重进行衡量,该指标可反映出地方资本进入金融行业的意愿,而高意愿可能减少当地融资约束,既能吸引异地投资,又使本地企业更容易具备对外投资的能力。
(5) 劳动力密集程度,选择人口密度进行衡量,密集的人口在提供大量劳动力的同时也创造了市场需求。
(6) 企业集聚特征,采用上市公司数量进行反映。企业区位选择表现出明显的地理邻近性和集聚性,即企业倾向于在本地或者距离相对较近的城市进行投资,以降低企业区位选择的信息成本和实现集聚经济。通常情况下,一个地区上市公司数量越多,该地区同类型企业集聚态势越明显,会吸引更多的投资。

2 异地投资网络的空间结构及演化

2.1 节点中心性的空间格局及演化

(1) 异地投资网络规模不断扩大,节点中心性“东—中—西”空间分异特征显著,且差异性呈扩大趋势(图1和表2)。1998年中国异地投资网络中城市节点数和参与投资的城市对数分别为185个和453对,到2018年增加至332个和8427对,分别增长了79.46%和17.60倍;与此同时,参与投资的金额由1998年的0.64亿元增加到2018年的126.34亿元,投资规模扩大了196.41倍。从3大地区看,2018年东部地区加权度均值为263.17亿元,分别为中部地区和西部地区的2倍和13倍,整体上呈现出明显的东中西递减格局;而中部地区加权度在1998—2018年增速最高,增长了343倍,其次是东部(256倍),西部地区最低(68倍),这表明东部和中部地区差距有所降低,而与西部地区的差距有所扩大。全国层面上节点中心性空间格局明显增加,其变异系数从1998年的2.42增长到2018年的5.44。
图1 1998—2018年中国异地投资网络节点加权度及类型的空间格局

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(2019)1827号的标准地图制作,底图无修改。下同。

Fig.1 Spatial distribution of node weighted centrality in China's cross-regional investment network of listed companies, 1998-2018

表2 1998—2018年全国和3大地区加权度的统计特征

Tab.2 Statistical characteristics of weighted centrality at the national and regional levels, 1998-2018

区域 加权度 1998年 2003年 2008年 2013年 2018年
全国 平均值/亿元 0.64 5.27 18.26 38.90 126.34
标准差/亿元 1.56 27.12 107.46 212.14 686.67
变异系数 2.42 5.15 5.88 5.45 5.44
东部 平均值/亿元 1.02 7.75 28.90 101.11 263.17
标准差/亿元 2.19 28.31 129.36 379.83 967.47
变异系数 2.15 3.65 4.48 3.76 3.68
中部 平均值/亿元 0.37 7.00 24.01 14.54 130.06
标准差/亿元 0.63 37.46 13.77 32.29 765.80
变异系数 1.66 5.35 5.74 2.22 5.89
西部 平均值/亿元 0.29 1.17 4.37 11.29 20.21
标准差/亿元 0.45 2.46 22.65 29.18 63.11
变异系数 1.53 2.10 5.18 2.59 3.12
(2) 异地投资网络呈现明显的“核心—边缘”结构,投资较高的城市主要集中在5大城市群地区(图1和表3)。城市间异地投资额主要集中在加权度前10位的城市,其资本占比由1998年的49.62%波动上升至2018年的78.72%,这些城市多位于长三角、长江中游、京津冀、成渝和珠三角城市群地区。其中,北京、上海、深圳、武汉虽然一直位于异地投资网络加权度前10位,但与以往利用分支机构或交易事件次数构建网络的研究相比[28,29],其在网络中的地位明显降低,并让位于苏州、嘉兴、九江等城市,这可能是因为北京、上海、深圳、武汉具有投融资次数多而规模小的特点,仅利用数量关系表征城市联系,无法准确识别投融资次数少而规模大的城市在网络中的地位。此外,2018年位于西部地区的白银市首次进入加权度前10位,主要原因为该市白银有色集团股份有限公司、甘肃上峰水泥股份有限公司等上市公司对安徽、浙江、新疆等地进行了大规模投资。
表3 1998—2018年城市加权度中心性排名前10位城市

Tab.3 Top 10 cities ranked by the weighted centrality in China's cross-regional investment network, 1998-2018

排序 1998年 2008年 2018年
加权度 净流入 净流出 加权度 净流入 净流出 加权度 净流入 净流出
1 深圳 湛江 广州 苏州 苏州 黄石 嘉兴 九江 嘉兴
2 广州 梅州 深圳 黄石 天津 武汉 九江 盐城 苏州
3 上海 株洲 上海 武汉 重庆 北京 苏州 武汉 珠海
4 北京 苏州 惠州 北京 大庆 深圳 盐城 阜阳 北京
5 湛江 天津 北京 天津 广州 大连 武汉 鹰潭 白银
6 武汉 武汉 运城 重庆 上海 芜湖 珠海 上海 深圳
7 惠州 绍兴 延边 上海 长沙 南宁 北京 成都 安庆
8 梅州 巴音郭楞 泰安 深圳 南京 济南 上海 天津 广州
9 西安 聊城 无锡 大庆 成都 昆明 深圳 南京 乌鲁木齐
10 杭州 沈阳 潍坊 长沙 沈阳 嘉兴 白银 合肥 大连
(3) 资本净流入和净流出城市仍主要位于东部地区,但投资活动存在向中部和西部扩展的趋势(图1)。具体分析,1998年东部、中部和西部资本净流入城市占全国资本净流入城市比重分别为44%、32%和24%,而2018年比重分别变化为26%、30%和44%;1998年东部、中部和西部资本净流出城市占全国净流出城市比重分别为45%、32%和23%,而2018年则变化为40%、35%和24%,中部和西部投资活动呈现扩大趋势。此外,资本净流出和净流入城市数量增长比率分别在中部和西部地区取得最高值,这表明资本净流出开始向中部地区城市转移,而资本净流入开始向西部地区城市转移。从资本净流入前10位的城市分析(表3),部分非省会城市(如九江、盐城、鹰潭)对投资吸引的能力在逐渐变强,但整体上吸引投资规模较高的城市仍主要集中在中部和东部地区。资本净流出前10位的城市也主要集中在东部沿海地区或西部省会城市。

2.2 城际关联度的空间演化

(1) 异地投资网络表现出明显的层级结构和空间集聚特征。根据异地投资网络中城市关联度(城市异地投资规模)选择1亿、10亿、100亿和1000亿元作为分界点,将1998—2018年中国异地投资网络划分为5种类别(图2和表4)。投资规模100亿元级、1000亿元级及以上的城市对数量由1998年的0个增加为2018年的7个,占2018年发生投资城市对的0.09%,而其投资规模占2018年投资总规模的72.39%,这些城市对主要位于5大城市群内部城市之间或位于不同城市群的城市之间。2018年投资规模低于1亿元级的城市对有7458个,占发生投资城市对的88.52%,而其投资规模仅占5.28%。与1998—2013年相对比,中国异地投资网络空间集聚特征不断加剧,到2018年不足0.1%的城市对占有超过70%的投资额,且这些城市对空间上主要集中在5大城市群内部及城市群之间。
图2 1998—2018年中国异地投资网络空间格局

注：图例中流向表示以某点为端点,顺时针方向曲线表示该点为起点,曲线另一个端点为终点(如图例箭头所示);逆时针方向曲线表示该点为终点,曲线另一个端点为起点。

Fig.2 Spatial pattern of China's cross-regional investment network of listed companies, 1998-2018

表4 不同投资额规模的城市对数量占比及其投资规模占比

Tab.4 Proportion of the number and investment scale of city pairs over the total by different investment scales (%)

层级 1998年 2003年 2008年 2013年 2018年
投资城市
数量占比		 投资额
占比		 投资城市
数量占比		 投资额
占比		 投资城市
数量占比		 投资额
占比		 投资城市
数量占比		 投资额
占比		 投资城市
数量占比		 投资额
占比
1 98.01 69.58 95.57 27.69 92.38 11.48 89.91 10.69 88.52 5.28
2 1.99 30.42 4.18 20.66 7.06 14.90 9.11 19.79 10.33 11.63
3 — — 0.12 3.89 0.40 11.41 0.83 17.29 1.07 10.69
4 — — 0.12 46.76 0.12 21.97 0.12 24.61 0.05 5.30
5 — — — — 0.04 40.24 0.02 27.62 0.04 67.09

注：1~5级分别表示1亿元级以下、1亿元级、10亿元级、100亿元级、1000亿元级及以上。

(2) 上市公司在异地投资方面表现出明显的路径依赖性,但同时也存在向其他未发生过投资事件的城市扩张的行为。1998、2003、2008和2013年存在异地投资的城市对中分别有82.56%、73.86%、79.71%和79.19%仍在2018年存在异地投资,说明上市公司在进行投资区位选择时倾向选择向已发生过上市公司投资事件的城市进行投资,即上市公司异地投资存在路径依赖特征,该特征可能源于明显的惯性、规模效应递增、技术邻近性、市场邻近性等因素[38,39,40]。这些城市对在空间上主要位于东部内部以及东部与中部、西部地区城市之间;在1998—2018年期间共有20个城市对均存在异地投资,多位于5大城市群内部或不同城市群城市之间。同时,5大城市群内部及城市群之间投资规模比重由1998年的55.02%增长至2018年的83.88%。
此外,异地投资同时也开始向其他未发生过投资事件的城市扩张,即一些上市公司开始对未发生上市公司投资事件的城市进行投资。具体分析,城市异地投资开始由东部地区城市之间向3大地区与中部城市之间转变,东部地区城市之间投资规模占比由1998年的55.36%降低为2018年的31.28%,而3大地区与中部城市之间的投资规模由1998年的20.02%增加为2018年的58.82%,表现出“中部崛起”的异地投资格局。此外,城市异地投资开始向5大城市群与其他城市间转移,其投资路径比重从1998年的31.13%增长至2018年的49.51%。这一特征可能与政策出台、市场准入变化、城镇化程度改变、区域受限程度存在差异等因素相关[41]。例如,中部崛起政策实施后,2008年共有264个东部、西部地区城市与中部地区城市之间的投资路径首次出现,相较于2003年首次出现的173个投资路径增长了52.6%。此外,东部地区土地等要素成本上升使中部地区城市具有低成本优势[42]。

3 城际异地投资网络结构的影响因素

3.1 影响因素的总体回归分析

本文首先利用Hausman检验,对固定效应和随机效应进行选择,模型P值均小于0.05,采用固定效应;其次,利用White检验和DW检验,发现模型存在异方差和序列自相关,使用面板数据广义最小二乘方法消除其影响。然后,利用Hausman检验和过度识别检验,选择滞后一期GDP作为当期GDP的工具变量,对模型内生性进行检验,结果表明滞后一期GDP为严格外生的工具变量,且模型存在内生性,故选择工具变量法对模型进行估计(表5)。
表5 中国城市异地投资网络节点中心性的影响因素分析回归结果

Tab.5 Influencing factors of the node weighted centrality of cross-regional investment network in China

模型 全国 东部地区 中部地区 西部地区
加权入度 加权出度 加权度 加权入度 加权出度 加权度 加权入度 加权出度 加权度 加权入度 加权出度 加权度
ln gdp 7.3127*** 6.6617*** 6.6038*** 1.0428 13.0912*** 2.7076** 7.3366*** 5.6427*** 5.7866** 8.8366*** 3.9362** 7.5986***
ln sec -4.4173** -4.8706* -4.8170*** 10.0345*** -11.0943* 6.2606** -11.2398** 7.2785** -9.0824** -5.6972* -3.3343 -5.7634**
ln thi 0.8608 2.3525 1.0254 9.1262*** -8.1672* 4.3809** 0.0647 5.0093* -0.9663 1.3692 2.9022 2.3083
ln pef 3.8031*** 2.1749*** 2.8601*** 3.7004*** -2.1491 2.3529*** 5.1842*** 1.9695* 3.3355** 4.4567*** 1.1678 3.4158***
ln dl 0.6882*** 0.6306*** 0.7019*** -0.7799 10.5647*** 0.8709 -3.0049* 5.0931*** 0.3828 0.7403*** 0.5145** 0.6710***
ln p -0.0564 -0.8838 -0.4163 -0.6886 -4.2191** -1.2637 0.9379 2.0404** -1.1144 6.9989* 1.5167 8.1742**
ln num -0.0531*** -0.0197 -0.0413*** 0.0113 -0.0381* 0.0118 -0.2859** -0.0187 -0.1842 -0.3899*** 0.0885 -0.3271***
常数 -28.4494*** -28.6674** -22.5656*** 41.6279*** -88.6413*** 21.4348* -34.3872 -26.9380* -15.9171 -66.1353*** -23.3737 -63.0045***
样本 1328 1328 1328 392 392 392 416 416 416 520 520 520
N 332 332 332 98 98 98 104 104 104 130 130 130

注：***、**、*分别表示P<0.01、P<0.05、P<0.1。

根据回归结果可知,经济发展水平(ln gdp)对全国加权入度、加权出度和加权度均有显著的正向影响,且对加权入度的弹性系数最高,这表明城市经济发展水平越高越有利于吸引上市公司进行投资,且其对资本的吸引度高于其资本流出的程度。政府干预能力(ln pef)对异地投资的影响表现出与经济发展水平类似的特征,即城市政府干预能力越强则对资本吸引程度越高,且其弹性高于资本流出的弹性。而第二产业(ln sec)占比对加权入度、加权出度和加权度均有显著的负向影响,且其对加权出度的弹性系数最高,这表明城市二产比重越高则城市资本外流越多,且其资本流出的程度高于对资本的吸引程度。上市公司数量(ln num)对加权入度和加权度的影响在1%的显著性水平下为负,意味着上市公司聚集程度较低的城市对资本的吸引程度越高。而第三产业比重(ln thi)和人口密度(ln p)对城市异地投资均无显著影响。整体上,经济发展水平对城市异地投资的影响最大,其次是第二产业占比、政府干预能力和企业集聚程度等,即城市经济发展水平越高、政府干预能力越强、第二产业比重和上市公司集聚程度越低对城市异地投资的影响越大,尤其是对城市资本流入的吸引程度越高。

3.2 影响因素的差异性回归分析

为探讨不同地区城市异地投资网络的影响因素,参考3.1节模型选择过程,采用固定效应模型对除中部加权出度外,东中西部地区加权入度、加权出度和加权度等进行回归分析,采用随机效应模型对中部加权出度进行回归分析(表5)。
城市异地投资网络的影响因素在不同地区存在较大差异。其中,经济发展水平对3大地区资金流入和资金流出(除东部资金流入)均具有显著正向影响,政府干预能力和金融环境对三大地区资金流入均具有显著正向影响,且对中部资金流出也具有显著正向影响;第二产业比重对东部地区资金流入有正向影响,对其资金流出有负向影响,而在中部地区呈现出相反的情况;第三产业占比对东部资金流入和中部资本流出有显著正向影响,而对东部资金流出有显著负向影响;劳动力密集程度对东部地区资金流出有负向影响,而对中部资金流出和西部资金流入有显著正向影响;上市公司数量对东部资金流出有负向影响,而对中部和西部资金流入有负向影响。此外,与全国层面城市资本总量主要受经济发展水平的影响所不同,东部和中部地区主要受产业结构调整影响最大,西部地区受人口密度影响最大,究其原因,可能是西部地区人口密度较大的城市,如重庆和成都,多为直辖市或省会城市,对上市公司异地投资具有较高的吸引力。

4 结论与讨论

本文利用中国上市公司企业异地投资数据,构建1998—2018年中国异地投资网络,从节点中心性和城市关联度等方面探讨了中国异地投资网络的空间演化,并基于节点中心性采用固定效应模型和随机效应模型对投资网络的影响因素进行了分析。研究发现：
(1) 从节点中心性分析,异地投资规模不断扩大,节点中心性呈现出明显的东中西地带性规律和“核心—边缘”结构,且投资规模较高的城市主要集中在5大城市群地区。节点中心性前10位的城市异地投资规模占比不断提升,即投资规模呈现出向少数城市集聚的趋势,资本集聚程度不断加深,与叶雅玲等[29]和蒋小荣等[43]的发现相似,但与盛科荣等[28]有所不同。此外,虽然北京、上海、深圳和武汉等城市在城市网络中的地位一直位于前10位,但与基于分支机构或交易事件次数研究相比[28,29],其在投资网络的地位明显降低,这可能是因为已往的研究未考虑投资规模,进而导致无法准确识别具有投融资次数少但投资规模大的城市在网络中的地位。此外,虽然资本净流入和净流出城市仍主要集中在东部地区,但投资活动开始向西部和中部扩展,东部、中部与西部地区城市之间投资规模明显增长。因此,从区域协调发展视角,未来中国应该重点加强和改善中小城市的投资环境,以便吸引更多的投资,缩小与核心城市的差异,实现协调发展。
(2) 从城际关联网络分析,中国异地投资网络表现出明显的层级结构和空间集聚特征,其网络空间演化表现出明显的路径依赖性,同时也开始向其他未发生过投资事件的城市扩张。具体而言,2018年城市异地投资网络中不足0.1%的城市对占有超过70%的投资规模,且这些城市对主要集中在5大城市群内部和城市群之间,而近90%的城市对投资规模仅占总量的5%左右。此外,上市公司选择投资区位时,倾向于向已经发生过投资事件的城市进行投资,表现出一定的路径依赖特征,与盛科荣等[28]的结论基本一致,但差异在于同时也会选择向一些没有发生过上市公司投资事件的城市进行投资,表现出一定的路径突破特征。
(3) 影响城市异地投资的影响因素在全国及3大地区存在较大差异。经济发展水平,政府干预能力,金融环境对全国层面资本流动均有促进作用,且对其对资本的吸引程度高于其资本流出的影响程度。其中,经济发展水平对全国和三大地区资本流动有促进作用,而产业结构、政府背景、金融环境、人口情况及上市公司聚集特征在各层面上表现出不同。其中,产业结构对东部地区资本流动的影响较为显著,政府干预能力对中部地区异地投资的影响较大,而金融环境和人口密度在西部地区的投资活动中起到了更为重要的作用。因此,为缩小中国区域经济差异和实现区域协调发展,未来中国应该优化中部地区的经济发展水平和政府干预能力,就西部地区而言,除经济发展水平和政府干预能力之外,中国政府还应优化其金融环境,从而改善中西部地区的投资环境,缩小东部与中西部地区投资差异。同时,从全国层面加强对中部和西部地区政策倾斜,以促进区域协调发展。
本文主要侧重于从企业关联视角,采用上市公司投资数据,探讨中国异地投资网络的空间演化和影响因素,是以微观企业关联关系探讨资本流动空间演化的宏观问题。本文的不足主要表现在以下2个方面：一是本文不能够反映非上市企业的投资决策行为,随着非上市公司在国民经济发展中地位的提升,未来的研究将增加对非上市公司资本流动特征的研究,以期为中国区域协调发展提供支撑;二是本文未考虑不同行业上市公司在异地投资上所表现出的异质性,未来的研究将从细分行业视角对中国异地投资网络进行深入研究。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
陈东, 樊杰. 区际资本流动与区域发展差距: 对中国银行间信贷资本流动的分析[J]. 地理学报, 2011,66(6):723-731.

[ Chen Dong, Fan Jie. Interregional capital flows and regional development gap: Analysis of the inter-bank credit flows. Acta Geographica Sinica, 2011,66(6):723-731. ]

[2]
董雪兵, 池若楠. 中国区域经济差异与收敛的时空演进特征[J]. 经济地理, 2020,40(10):11-21.

[ Dong Xuebing, Chi Ruonan. Characteristics of the temporal and spatial pattern of the economic disparity and convergence between different regions in China. Economic Geography, 2020,40(10):11-21. ]

[3]
Lu D D, Fan J. Regional development research in China: A Roadmap to 2050 [M]. Beijing, China: Science Press, 2010.

[4]
杨晓光, 樊杰, 赵燕霞. 20世纪90年代中国区域经济增长的要素分析[J]. 地理学报, 2002,57(6):701-708.

[ Yang Xiaoguang, Fan Jie, Zhao Yanxia. Factors of production in regional economic growth of China in the 1990s. Acta Geographica Sinica, 2002,57(6):701-708. ]

[5]
Bao S M, Chang G H, Sachs J D, et al. Geographic factors and China's regional development under market reforms, 1978-1998[J]. China Economic Review, 2002,13:89-111.

[6]
王凤荣, 苗妙. 税收竞争、区域环境与资本跨区流动: 基于企业异地并购视角的实证研究[J]. 经济研究, 2015,50(2):16-30.

[ Wang Fengrong, Miao Miao. Tax competition, regional environment and inter-regional capital flow: An empirical research based on the perspective of inter-province M&A. Economic Research Journal, 2015,50(2):16-30. ]

[7]
郭金龙, 王宏伟. 中国区域间资本流动与区域经济差距研究[J]. 管理世界, 2003(7):45-58.

[ Guo Jinlong, Wang Hongwei. Research on China's interregional capital flow and regional economic gap. Management World, 2003(7):45-58. ]

[8]
贺灿飞, 魏后凯. 新贸易理论与外商在华制造企业的出口决定[J]. 管理世界, 2004(1):27-38, 155.

[ He Canfei, Wei Houkai. The new trade theory and factors deciding export by foreign manufacturers in China. Management World, 2004(1):27-38, 155. ]

[9]
Amiti M. New trade theories and industrial location in the EU: A survey of evidence[J]. Oxford Review of Economic Policy, 1998,14(2):45-53.

[10]
杨凡, 杜德斌, 段德忠, 等. 城市内部研发密集型制造业的空间分布与区位选择模式: 以北京、上海为例[J]. 地理科学, 2017,37(4):492-501.

[ Yang Fan, Du Debin, Duan Dezhong, et al. The intra-metropolitan location of R&D-intensive manufacturing in Beijing and Shanghai. Scientia Geographica Sinica, 2017,37(4):492-501. ]

[11]
赵浚竹, 孙铁山, 李国平. 中国汽车制造业集聚与企业区位选择[J]. 地理学报, 2014,69(6):850-862.

[ Zhao Junzhu, Sun Tieshan, Li Guoping. Agglomeration and firm location choice of China's automobile manufacturing industry. Acta Geographica Sinica, 2014,69(6):850-862. ]

[12]
Kosfeld R, Titze M. Benchmark value-added chains and regional clusters in R&D-intensive industries[J]. International Regional Science Review, 2017,40(5):530-558.

[13]
Jiao P, Jiang M H. A spatial statistic and spatial econometric analysis for co-agglomeration of FDI in producer services and FDI in manufacturing industry[J]. Information Technology Journal, 2014,13(17):2682-2689.

[14]
李佳洺, 孙威, 张文忠. 北京典型行业微区位选址比较研究: 以北京企业管理服务业和汽车制造业为例[J]. 地理研究, 2018,37(12):2541-2553.

[ Li Jiaming, Sun Wei, Zhang Wenzhong. Comparative study on micro-scale location choice of typical industries: The case study of management service and automobile manufacturing in Beijing. Geographical Research, 2018,37(12):2541-2553. ]

[15]
崔喆, 沈丽珍, 刘子慎. 南京市新街口CBD服务业空间集聚及演变特征: 基于微观企业数据[J]. 地理科学进展, 2020,39(11):1832-1844.

[ Cui Zhe, Shen Lizhen, Liu Zishen. Spatial agglomeration characteristics of service industry in Xinjiekou CBD of Nanjing City and change: Based on micro enterprise data. Progress in Geography, 2020,39(11):1832-1844. ]

[16]
喻世友, 万欣荣, 史卫. 论跨国公司R&D投资的国别选择[J]. 管理世界, 2004(1):46-54, 61.

[ Yu Shiyou, Wan Xinrong, Shi Wei. Country choice of R&D investment by multinational corporations. Management World, 2004(1):46-54, 61. ]

[17]
胡志强, 苗长虹, 华明芳, 等. 中国外商投资区位选择的时空格局与影响因素[J]. 人文地理, 2018,33(5):88-96.

[ Hu Zhiqiang, Miao Changhong, Hua Mingfang, et al. Spatio temporal patterns and location factors of FDI in China. Human Geography, 2018,33(5):88-96. ]

[18]
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 the three provinces of the northeastern China based on headquarter-affiliate enterprises connection. Scientia Geographica Sinica, 2019,39(7):1129-1138. ]

[19]
Taylor P J, Derudder B, Faulconbridge J, et al. Advanced producer service firms as strategic networks, global cities as strategic places[J]. Economic Geography, 2014,90(3):267-291.

[20]
张旭, 余方正, 徐良佳. 基于文化产业企业网络视角的中国城市网络空间结构研究[J]. 地理科学进展, 2020,39(1):78-90.

[ Zhang Xu, Yu Fangzheng, Xu Liangjia. Spatial structure of urban networks in China based on the perspective of cultural industry enterprise networks. Progress in Geography, 2020,39(1):78-90. ]

[21]
彭勇, 汤宗健. 中国风险投资的区域网络特征评价[J]. 统计与决策, 2020,36(10):144-148.

[ Peng Yong, Tang Zongjian. Evaluation on China's regional network characteristics of venture capital. Statistics & Decision, 2020,36(10):144-148. ]

[22]
汪传江. 中国城市间投资网络的结构特征与演化分析: 基于企业并购视角[J]. 工业技术经济, 2019,38(2):87-96.

[ Wang Chuanjiang. Analysis of structural characteristics and evolution of China's cross-city investment network: Based on the perspective of mergers and acquisitions. Journal of Industrial Technological Economics, 2019,38(2):87-96. ]

[23]
Li Z R, Feng Z. Mapping urban networks through inter-firm investment linkages: The case of listed companies in Jiangsu, China[J]. Sustainability, 2019,12(1):89. doi: 10.3390/su12010089.

[24]
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 and Its Applications, 2011,390(4):749-759.

[25]
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. Enterprise's cross-region investment pattern and its determinants: A case study of Fujian listed firms. Economic Geography, 2018,38(9):138-146. ]

[26]
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.

[27]
盛科荣, 杨雨, 孙威. 中国城市网络中心性的影响因素及形成机理: 基于上市公司500强企业网络视角[J]. 地理科学进展, 2019,38(2):248-258.

[ Sheng Kerong, Yang Yu, Sun Wei. Determinants and mechanisms of degree centrality in the urban network in China: A study based on corporate networks of the largest 500 listed companies. Progress in Geography, 2019,38(2):248-258. ]

[28]
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 Yunjing, 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. Economic Geography, 2019,39(11):84-93. ]

[29]
叶雅玲, 林文盛, 李振发, 等. 中国城市间投融资网络结构及其影响因素[J]. 世界地理研究, 2020,29(2):307-316.

[ Ye Yaling, Lin Wensheng, Li Zhenfa, et al. Spatial structure and influencing factors of urban investment and financing network in China. World Regional Studies, 2020,29(2):307-316. ]

[30]
熊瑶, 黄丽. 粤港澳大湾区城市网络的时空演化: 基于企业组织关系视角[J]. 世界地理研究, 2019,28(5):83-94.

[ Xiong Yao, Huang Li. Spatio-temporal evolution of urban network in the Guangdong-Hong Kong-Macao Greater Bay Area: Based on listed company organization relations. World Regional Studies, 2019,28(5):83-94. ]

[31]
夏立军, 陆铭, 余为政. 政企纽带与跨省投资: 来自中国上市公司的经验证据[J]. 管理世界, 2011(7):128-140.

[ Xia Lijun, Lu Ming, Yu Weizheng. Political ties and inter-provincial investment: Empirical evidence from China's listed companies. Management World, 2011(7):128-140. ]

[32]
马光荣, 程小萌, 杨恩艳. 交通基础设施如何促进资本流动: 基于高铁开通和上市公司异地投资的研究[J]. 中国工业经济, 2020(6):5-23.

[ Ma Guangrong, Cheng Xiaomeng, Yang Enyan. How does transportation infrastructure affect capital flows: A study from high-speed rail and cross-region investment of listed companies. China Industrial Economics, 2020(6):5-23. ]

[33]
焦敬娟, 王姣娥. 海航航空网络空间复杂性及演化研究[J]. 地理研究, 2014,33(5):926-936.

[ Jiao Jingjuan, Wang Jiao'e. Spatial structure and evolution of Hainan Airlines Network: An analysis of complex network. Geographical Research, 2014,33(5):926-936. ]

[34]
Zademach H-M, Rodríguez-Pose A. Cross-border M&As and the changing economic geography of Europe[J]. European Planning Studies, 2009,17(5):765-789.

[35]
方忠权. 广州会展企业空间集聚特征与影响因素[J]. 地理学报, 2013,68(4):464-476.

[ Fang Zhongquan. The agglomeration characteristics and influencing factors of exhibition enterprises in Guangzhou. Acta Geographica Sinica, 2013,68(4):464-476. ]

[36]
Mariotti S, Piscitello L, Elia S. Local externalities and ownership choices in foreign acquisitions by multinational enterprises[J]. Economic Geography, 2014,90(2):187-211.

[37]
王士君, 浩飞龙, 姜丽丽. 长春市大型商业网点的区位特征及其影响因素[J]. 地理学报, 2015,70(6):893-905.

[ Wang Shijun, Hao Feilong, Jiang Lili. Locations and their determinants of large-scale commercial sites in Changchun, China. Acta Geographica Sinica, 2015,70(6):893-905. ]

[38]
Boschma R A, Frenken K. Evolutionary economics and industry location[J]. Review of Regional Research, 2003,23(2):183-200.

[39]
Boschma R. Proximity and innovation: A critical assessment[J]. Regional Studies, 2005,39(1):61-74.

[40]
贺灿飞. 区域产业发展演化: 路径依赖还是路径创造?[J]. 地理研究, 2018,37(7):1253-1267.

[ He Canfei. Regional industrial development and evolution: Path dependence or path creation? Geographical Research, 2018,37(7):1253-1267. ]

[41]
曹广忠, 陈昊宇, 边雪. 2000年以来中部地区城镇化的空间特征与影响因素[J]. 城市发展研究, 2012,19(7):22-28.

[ Cao Guangzhong, Chen Haoyu, Bian Xue. On spatial disparity and determinants of urbanization in the middle area of China since 2000. Urban Development Studies, 2012,19(7):22-28. ]

[42]
杨亚平, 周泳宏. 成本上升、产业转移与结构升级: 基于全国大中城市的实证研究[J]. 中国工业经济, 2013(7):147-159.

[ Yang Yaping, Zhou Yonghong. Costs rising, industrial transfer and structural upgrading: Empirical research based on the Chinese cities data. China Industrial Economics, 2013(7):147-159. ]

[43]
蒋小荣, 杨永春, 汪胜兰, 等. 基于上市公司数据的中国城市网络空间结构[J]. 城市规划, 2017,41(6):18-26.

[ Jiang Xiaorong, Yang Yongchun, Wang Shenglan, et al. Spatial structure of Chinese intercity network based on the data of listed companies. City Planning Review, 2017,41(6):18-26. ]

Options
Outlines

/

〈 〉