EN中文

PROGRESS IN GEOGRAPHY >

2025 , Vol. 44 >Issue 6: 1164 - 1177

DOI: https://doi.org/10.18306/dlkxjz.2025.06.006

Articles

Change and influencing factors of city network structure based on manufacturing supply chains: A case study of the Yangtze River Delta region

  • JIANG Kaile , 1, 2 ,
  • LIANG Shuangbo , 1, * ,
  • LIU Yao 1, 2, 3 ,
  • ZHOU Ling 1, 2
Expand
  • 1. State Key Laboratory of Lake and Watershed Science for Water Security, Nanjing Institute of Geography and Limnology, CAS, Nanjing 211135, China
  • 2. University of Chinese Academy of Sciences, Nanjing, Nanjing 211135, China
  • 3. School of Geography, Nanjing Normal University, Nanjing 210023, China

Received date: 2024-09-25

  Revised date: 2024-12-13

  Online published: 2025-06-25

Supported by

National Natural Science Foundation of China(42071163)

National Natural Science Foundation of China(42471214)

Fold

Abstract

Changes in the spatial organization of regional (city) production trigger the restructure of manufacturing supply chain networks, providing a new perspective for urban network research. Using the transaction data of the top five customers and suppliers of listed manufacturing companies in the Yangtze River Delta from 2001 to 2020, this study mapped intercity manufacturing supply chain networks, with cities as the unit of analysis. It employed the social network analysis method to study the process of change of these networks and used TERGM to investigate their influencing factors. The research found that: 1) There was significant spatial heterogeneity in manufacturing supply chain linkages, with the process of change exhibiting notable spatial and path dependencies. Connections with the eastern region were consistently the strongest, while those with the northeastern region were the weakest, and connections with the central region were consistently stronger than those with the western region. 2) The network demonstrated clear hierarchical and disassortative characteristics. Intercity connections have become increasingly tight, although competition among core nodes was intense, and the network scale first increased and then decreased. 3) In terms of internal network relationships, mutuality, transitivity, and three-party groups had a significant promoting effect on the development of the network. Regarding external network relationships, factors such as labor resources, technological levels, geographical distance, and economic proximity also played a significant role in network change. This study helps to gain some insights into the dynamic characteristics of the supply chain in the manufacturing sector of the Yangtze River Delta, providing a reference for formulating relevant policies and strategies.

Key words： city network; listed companies; temporal exponential random graph models (TERGM); manufacturing supply chains; complex network analysis; Yangtze River Delta

Cite this article

JIANG Kaile , LIANG Shuangbo , LIU Yao , ZHOU Ling . Change and influencing factors of city network structure based on manufacturing supply chains: A case study of the Yangtze River Delta region[J]. PROGRESS IN GEOGRAPHY, 2025 , 44(6) : 1164 -1177 . DOI: 10.18306/dlkxjz.2025.06.006

随着全球化、信息化和区域一体化的不断深入，供应链在制造业企业发展中扮演着愈发重要的角色。早期研究主要基于工业组织、企业战略、产品流动等视角，认为供应链是由供应、制造、仓储、配送、销售等环节相互交织作用而形成的复杂网络[1]。近年来，研究者逐渐认识到，供应链通过复杂网络关系将不同国家和区域紧密联系在一起，能够反映区域间的经济联系，揭示不同地区在生产中的地位和角色[2-3]。这种联系不仅表现在国家层面，还构建了一个多层次、动态演变的城市网络，为城市网络的研究提供了条件[4]。
Geddes[5]在《城市的进化》一书中首次提出了“世界城市”的概念。20世纪60年代以来，随着全球化和信息化的发展，研究者逐渐认识到世界城市不再是孤立的实体，而是通过复杂的网络关系与其他城市相连接。城市研究领域逐渐形成“网络范式”，“网络范式”从宏观层面解释了“世界城市”如何通过全球网络发挥影响力。Hall[6]和Friedmann[7]分别从特征功能、资本技术控制的视角深化和拓展“世界城市”的概念。Sassen[8]从高端生产性服务控制的视角出发，强调了全球城市作为信息和服务的枢纽，通过提供高端服务来维持和推动全球资本主义的发展。90年代以后，Castells[9]提出了“流动空间理论”，揭示了城市间的经济、信息和人流等多维度的联系，城市网络研究的关系视角开始从“地方空间”向“流动空间”转变。2000年以来，以Taylor等学者为代表的英国拉夫堡大学全球化与世界城市研究小组(GaWC)在城市网络领域作出了开创性的贡献，将“流动空间”理论与全球城市及世界城市理论相结合，提出连锁网络模型，掀起了城市网络研究的浪潮[10-11]。GaWC重点关注高级生产性服务企业，利用企业间关系数据对城市网络开展了大量实证研究，实现了从企业联系的角度刻画城市联系的新视角，揭示了全球城市网络的结构和功能。国内学者对城市网络的关注开始于20世纪80年代，随着改革开放的不断推进，国内学者开始使用“流”来理解和研究城市[12]。此后，学者开始系统梳理西方的城市网络理论，并引入到国内的地理学研究[13]。
除高级生产性服务业，不同学者还关注物流企业[14]、独角兽企业[15]、高新技术企业[16]等，从供应链分工、特征演化、空间格局、影响因素及其效应等方面开展分析，通过企业空间分布及关系网络分析城市间的关系和特征。随着信息技术和移动通信的发展，城市间的联系也愈发多样化。为反映城市间多方面的关系，城市网络研究视角和数据源不断丰富。除了企业联系数据之外，学者们还利用国际交易电话[17]、跨国移民[18]、交通设施联系[19]、社交网络平台互动和打卡[20]、知识和技术联系[21-22]、物流[23]等数据开展城市网络研究，这些多元数据奠定了城市网络研究多元视角的基础。通过这些多样的数据，研究者们构建了城市间的交通网络、人口流动网络、社交网络、创新网络、物流网络等，并对网络嵌入和网络结构产生的经济[24]、创新[25]、环境效应[26]等进行分析，不仅揭示了城市网络的多层次和多维度特性，还拓展了城市网络研究的理论基础和应用范围。
尽管研究视角和研究数据越来越多元化，但企业关系依然是城市网络研究的主流[27-28]。近年来，一些学者关注到企业供应链关系的城市网络。如陈肖飞等[29]利用汽车企业分布构建供应链网络，运用社会网络分析、空间分析等方法研究了城市网络特征；刘清等[30]以苹果手机为例，构建了基于供应商名单的城市网络；梁双波等[31-32]基于物流企业的组织关系和空间分布，构建了长三角地区的供应链网络。目前基于供应链的城市网络研究主要利用企业关系数据，而利用订单数据进行的研究相对较少[33]。过去的研究要么是总部—分支，要么是供应商名单，但由于总部—分支机构和供应商名单数据缺少彼此间交易金额，尚不能真实刻画彼此间生产消费金额情况。制造业企业供应链数据为研究提供了新的思路，目前学者已经利用制造业企业供应链开展了较多研究，包括企业网络结构特征及演化过程[34]、供应链网络韧性[35]、供应链管理和优化方案[36]，及其对企业绩效[37]、运营风险[38]、企业创新[39]等方面的影响。但基于制造业企业供应链构建城市网络的研究较少，因此，本文基于制造业企业订单构建城市网络，考虑权重和实际交易联系，更接近实际的业务运作情况，能较客观地揭示城市间不同行业的供应链关系。
长三角地区的地区生产总值约占全国的1/4，是中国经济重要的增长极和最具活力的区域之一，制造业门类齐全、一体化程度高。本文以长三角地区三省一市为案例，利用2001—2020年A股上市公司年报公布的前5位供应商和客户数据，分析城市网络演化情况。长三角地区通过其独特的地理位置和经济优势，形成了辐射全国的制造业供应链网络。这种网络不仅体现为区域内城市间紧密的经济联系，也表现为区域外城市与长三角之间的制造业供应链互动。本文重点关注网络结构特征和演化，并回答三个方面的问题：在全国和区域尺度上长三角城市网络整体联系发生怎样的变化；长三角内部城市网络节点、边和社群特征有哪些变化；影响长三角城市网络演化的主要因素有哪些。本文的创新点主要包括：① 基于制造业企业间供应链上下游的资金联系，开展城市网络结构演化研究，能够更为客观地反映和刻画现实状况，这与以往利用总部—分支机构或供应商名单数据开展的城市网络相关研究存在很大的不同，为城市网络研究提供了新的视角；② 引入时间指数随机图模型(TERGM)，可以更好地定量刻画内部关系和外部关系在城市网络演化中的重要作用，能够深入揭示城市网络的动态演化机制；③ 以长三角为案例，揭示不同区位、不同规模城市在区域制造业生产网络中的演化过程，并分析其影响因素，可为其他地区制造业生产网络的建设与优化调整提供参考借鉴。

1 数据与方法

1.1 研究数据及处理

本文研究区域为长三角三省一市，核心数据是长三角制造业上市公司与前五大客户及供应商的交易订单。首先根据上市公司地址获取历年长三角地区的制造业上市公司，通过上市公司历年的年报数据梳理2001—2020年前五大客户及供应商的名称、交易金额信息等。使用企查查获取企业的地址信息，剔除国外企业、空缺数据和个人客户，获得有效数据14514条，其中长三角内部客户和供应商数据7681条，长三角外部客户和供应商数据6833条。为规避不规范披露、政策和经济环境变化的影响，对数据按照2001—2005、2006—2010、2011—2015、2016—2020年4个时段分别进行求和。城市生产总值、专利申请量、年末单位从业人口等数据来源于历年《中国城市统计年鉴》和各省市统计年鉴。

1.2 研究方法

1.2.1 社会网络分析方法

制造业供应链网络是上市公司与其上下游客户、供应商之间通过信息流、物流和资金流等相互作用而形成的复杂网络结构，主要体现为供应链节点间网络联系强度和方向的变化。利用制造业上市公司采购销售金额、次数，基于图论原理，构建以城市为节点的制造业供应链网络，引入社会网络相关方法进行测度和分析，具体如表1所示。城市供应链网络为有向加权网络，故选取加权出度、加权入度、加权中心度分析节点特征；选取网络平均度、平均路径长度、加权平均度、层级性、匹配性分析网络整体联系特征。
表1 社会网络分析方法指标

Tab.1 Indicators of the social network analysis method

指标 公式 含义 表征
加权出度 C o u t ( i ) = ∑ j = 1 n R o u t i j Rout(ij)为城市i销售到城市j的金额 衡量节点对下游城市的辐射供应能力
加权入度 C i n ( i ) = ∑ j = 1 n R i n ( i j ) Rin(ij)为城市i采购自城市j的金额 衡量节点接受上游城市供应的能力
加权中心度 C i = C o u t i + C i n ( i ) Cout(i)为加权出度，Cin(i)为加权入度 衡量节点在供应链网络中的综合地位
平均路径长度 x = 2 N N - 1 ∑ i ≠ j d i j N为节点数，dij为节点i与节点j之间的连线 反映城市之间供应联系的畅通程度，该指标越小说明网络中各节点城市越容易开展合作
加权平均度 w - D ( i ) = 1 N ∑ i = 1 N C i C i表示节点i的加权中心度，N为网络中节点的数量 反映城市之间平均资金联系程度，该指标越大，供应链网络越发达
网络平均度 d - = 1 N ∑ i = 1 N k i k i表示节点i与其他城市的直接连接数量，N为网络中节点的数量 衡量网络节点中心度的平均水平，该指标越大，供应链网络越发达
层级性 k i = a ( k i * ) b ki表示节点i与其他城市的直接连接数量， k i *表示该连接数量在网络中的排序位次，a为常数项，b为度分布的斜率，且a<0 层级性指标用来测量网络内部是否存在层级结构。通过拟合节点度分布的幂律曲线的斜率来表示层级性。斜率越大，表示网络内部的层级结构越明显
匹配性 A s s = ρ ( k i , k i ¯ ) = c o v ( k i , k i ¯ ) σ k i σ k i ¯ ki表示节点i与其他城市的直接连接数量， k i ¯为节点i直接相连的所有相邻节点的平均度值； ρ表示相关系数， c o v表示协方差， σ表示标准差 正相关表示网络联系具有同配性，即中心度相近的节点之间倾向连接；负相关表示中心度高的节点与中心度低的节点间倾向连接，即异配性。ASS值范围为-1~1，绝对值越大表示倾向性越强

1.2.2 社群探测识别

社群探测与识别模型是基于网络节点间的关系模式，通过分析节点之间的拓扑距离，将节点归类到不同的社群中。社群结构能够有效识别网络局部的集聚特性。模块度(Modularity Q)是衡量社群划分结果质量的标准，其表达式如下：
Q = 1 2 m ∑ i , j A i j - k i k j 2 m σ ( C i ,   C j )
式中：Q是模块度，值越大表明社团划分结果越优，值越低则表明划分的社团结构特征不够显著。在实际的复杂网络分析中，Q值通常取值在0.3~0.7之间；m为网络中边的总数；ki是节点i的度值；kj是节点j的度值；Aij为矩阵元素，若节点i与节点j相连，那么Aij=1，否则Aij=0。函数σ(Ci, Cj)取值定义：如果i和j在同一个社团，即Ci=Cj，那么该函数值为1，否则为0。

1.2.3 时变指数随机图模型(TERGM)

相较于传统的引力模型，指数随机图模型通过捕捉网络中的依赖性结构来建模网络关系，能够全面剖析自组织属性、行为者属性、外部环境嵌入性等多维度因素对网络演化的影响[40-42]。本文基于时变指数随机图模型(TERGM)分析供应链网络演化的影响因素。相比于ERGM，TERGM能够考虑网络中的时间依赖特征，更适用于时间序列的网络演化分析，其表达式如下：
P θ Y t = y t | Y t - 1 , … , Y t - k = e x p θ   s ( y t , y t - 1 , … , y t - k ) ∑ y * ϵ y t e x p θ   s ( y * , y t - 1 , … , y t - p )
式中：Yt表示在时间t的网络；Yt-1​,…,Yt-k表示在t之前的k个时间点的网络数据，即通过这些先前的网络数据来分析当下网络的变化；θ是参数向量，用于权衡不同的网络统计量；s(yt,yt-1,…,yt-k)包含网络yt及其前几个时间点的协变量。

2 网络结构演化特征

2.1 网络整体特征演化

近20年来，伴随制造业生产网络的发展和基础设施网络的完善，长三角与上下游供应链节点联系发生明显变化(图1)，突出表现为以下几方面特征：
图1 2001―2020年长三角城市网络演化

注：基于自然资源部标准地图服务网站审图号为GS(2023)2767号的标准地图制作，底图边界无修改。

Fig.1 Change of city network of the Yangtze River Delta (YRD) during 2001-2020

(1) 从全国尺度看，长三角制造业供应链与全国城市的联系有明显的空间异质性(表2)。总体上长三角与东部地区(包括长三角省市)的供应链联系最强，其次是中部地区、西部地区和东北地区，近20多年来采购和销售总金额分别为16907.67亿元、1383.97亿元、1171.20亿元和882.64亿元。其中，安徽和江苏的制造业供应链与区外城市联系特征一致，联系强度依次均是东部、中部、西部和东北地区；上海对外联系强度依次为东部、西部、中部和东北地区，浙江对外联系强度则依次为东部、东北、西部和中部地区。从4个不同的时间段看，长三角与东部地区(包括长三角省市)的供应链联系始终最强，与东北地区的联系始终最弱，与中部地区联系始终高于西部。
表2 2001—2020年长三角与全国联系总金额

Tab.2 Total monetary value of connections between the YRD and the rest of China during 2001-2020 (亿元)

东北地区 东部地区 西部地区 中部地区
安徽 39.63 1941.18 122.26 535.29
江苏 155.44 4334.70 334.37 375.98
上海 39.39 5906.17 287.64 151.43
浙江 648.18 4725.61 426.93 321.27
长
三
角		 2001—2005年 0 38.99 1.32 10.32
2006—2010年 61.47 2741.09 166.79 261.65
2011—2015年 548.87 10259.65 720.52 770.96
2016—2020年 272.31 3867.93 282.57 341.03
总计 882.64 16907.67 1171.20 1383.97
(2) 从省域尺度看，区外的北京、广东和山东均始终位列长三角制造业供应链联系前10位，但长三角与各省市联系也有明显不同。安徽省制造业供应链联系在区外主要集中在环渤海(北京、天津、山东)；江苏制造业供应链联系在区外主要集中在环渤海(北京、山东)和广东；上海制造业供应链联系在区外主要集中在环渤海(北京、山东)、广东及长江中上游(重庆、湖北)；浙江的区外联系则主要集中在环渤海(辽宁、北京、山东)、吉林、广东(图2a)。从长三角内部看(图2b)，上海、江苏和浙江与各自省内的制造业供应链联系均最强分别达到4247.84亿元、2266.51亿元和2138.63亿元，安徽与省内制造业供应链联系较少，为460.45亿元。上海―浙江、上海―江苏、江苏―安徽、浙江―江苏的制造业供应链联系均较强，分别为1252.59亿元、862.67亿元、752.68亿元和730.7亿元；上海―安徽、浙江―安徽的制造业供应链联系均偏弱，分别为204.17亿元和200.43亿元。
图2 2001—2020年长三角各省市与区外、区内联系

Fig.2 Connections within and outside the YRD during 2001-2020

(3) 分析“全国—长三角内部—城市本地”的链接资金结构占比，发现供应链布局本地化特征突出，区域化本土化布局态势形成。统计显示(表3)，2015年以前发生在同一城市内部的供应链网络联系强度均最高，三个时间段的金额分别为25.17亿元、1322.97亿元和5023.5亿元，制造业供应链本地化生产配套特征突出。但在2016—2020年，区内同城市内部供应链发生金额为1091.32亿元，开始低于城市间供应链金额。随着长三角一体化不断推进，企业对外投资不断增多，日益便捷的交通、互联网等缩短了供应链的距离成本，城际供应链的比重迅速提升，制造业供应链区域化本土化态势形成。长三角城市与全国其他城市间的制造业供应链金额首次在2016年后上升到首位，达到2057.74亿元；长三角内部城市间的制造业供应链金额也首次跃升到第二位，达到1614.77亿元。
表3 长三角城市网络资金结构变化

Tab.3 Capital structure changes of the city network in the YRD (亿元)

类型 2001—2005年 2006—2010年 2011—
2015年		 2016—2020年
区内同城市内部供应链 25.17 1322.97 5023.50 1091.32
区内不同城市间供应链 8.23 866.04 3164.68 1614.77
区内—区外城市间外供应链 17.24 1041.99 4111.82 2057.74
(4) 从全国范围内的城际联系层级看，网络呈现明显的极化特征，长三角外部高等级城市对占比呈现先下降后上升的趋势，长三角内部高等级城市对以跨省城市对为主。对城市与城市间制造业供应链联系规模的统计分析发现(表4)，100亿元级以上供应链联系的数量和占比总体呈上升态势，2016—2020年分别累计达到7对和0.86%；10亿元级及以下供应链联系的数量和占比仍具有绝对优势，2016—2020年占比虽然比2001—2005年有所降低，但仍高达91.16%。从层级结构变化看，低于2亿元级别的供应链数量下降较为突出，占比呈持续下降态势，从2001—2005年的94.03%变为2016—2020年的67.85%；(2, 10]亿元、(10, 20]亿元、(100, 200]亿元级的供应链联系占比均呈持续上升的态势；(20, 50]亿元、(50, 100]亿元、200亿元级以上的供应链联系占比总体上升，但有一定波动。
表4 2001―2020年长三角内外城际联系规模分等级统计

Tab.4 Statistics of hierarchical inter-city link scales within and outside the YRD during 2001-2020

资金量/亿元 2001—2005年 2006—2010年 2011—2015年 2016—2020年
数量 占比/% 数量 占比/% 数量 占比/% 数量 占比/%
>200 0 0 0 0 2 0.13 1 0.12
(100, 200] 0 0 1 0.13 6 0.39 6 0.74
(50, 100] 0 0 1 0.13 14 0.91 3 0.37
(20, 50] 0 0 11 1.42 50 3.25 21 2.58
(10, 20] 0 0 22 2.85 69 4.48 41 5.03
(2, 10] 4 5.97 156 20.18 345 22.40 190 23.31
(0, 2] 63 94.03 582 75.29 1054 68.44 553 67.85
前10大城市对中，外部供应关系数量先降后升，省内城市对极少(表5)。2001—2005年，资金流前10的城市对有6对为长三角外部供应关系，前4大城市对都为长三角外部供应。2006—2010年，资金流前10对城市有4对为长三角外部供应。2011—2015年，资金流前10的城市对中，外部供应数量没有发生变化，有4对为长三角外部供应。2016—2020年，资金流前10对城市有7对为长三角外部供应。仅2011—2015年出现同省内的供应关系，为杭州―宁波城市对。总体来看，前10大城市对中，上海与其他城市的供应链关系数量不断下降。
表5 长三角区域内外前10大城际供应链金额联系

Tab.5 Top 10 intercity supply chain city-pairs within and outside the YRD

序号 2001—2005年 2006—2010年 2011—2015年 2016—2020年
城市对 联系/亿元 城市对 联系/亿元 城市对 联系/亿元 城市对 联系/亿元
1 上海—武汉 3.47 北京—上海 166.99 北京—上海 543.10 蚌埠—北京 408.72
2 济南—南京 3.31 南通—上海 82.47 上海—绍兴 291.47 宁波—长春 171.16
3 上海—天津 2.59 南京—上海 46.67 杭州—上海 198.18 常州—铜陵 170.78
4 北京—南京 2.23 杭州—上海 38.44 蚌埠—北京 179.87 北京—无锡 152.13
5 苏州—温州 1.24 宁波—苏州 33.12 大连—杭州 171.39 南京—铜陵 69.82
6 柳州—上海 1.23 杭州—南京 30.30 杭州—嘉兴 128.39 北京—苏州 55.24
7 上海—襄阳 1.15 宁波—上海 29.93 南通—上海 113.67 铜陵—无锡 55.05
8 上海—芜湖 0.95 蚌埠—北京 28.58 宁波—上海 113.66 北京—杭州 46.33
9 杭州—淮北 0.84 北京—滁州 27.93 杭州—宁波 111.32 杭州—柳州 43.92
10 上海—无锡 0.62 绍兴—香港 27.63 北京—无锡 109.22 佛山—铜陵 36.96
(5) 从总体网络的拓扑特征来看(表6)，网络的复杂性、规模和效率都有了明显的提升，城市间的联系不断加强，长三角内部城市联系越发紧密，一体化程度不断加深。早期长三角地区的供应链网络较为简单，节点间连接稀疏。随着时间推移，网络复杂性和节点间的紧密性显著增加，网络规模和效率提升明显。但并未形成紧密互联的网络，网络中的潜在连接较少被利用，只有少数核心节点在网络中发挥重要作用。网络中的节点趋向于形成紧密连接的小集群，网络具有异配性特征，即高度连接的节点倾向于与低度连接的节点相连，核心城市的辐射带动作用明显。
表6 2001―2020年长三角城市网络特征

Tab.6 Characteristics of city network in the YRD during 2001-2020

时段 网络平均度 加权平均度 内部网络密度 平均路径长度 聚类系数 匹配性
2001―2005年 3.22 1.10 0.23 2.06 0.08 -0.48
2006―2010年 8.25 16.65 0.47 2.44 0.24 -0.33
2011―2015年 12.42 48.62 0.54 2.43 0.22 -0.40
2016―2020年 8.70 24.68 0.46 2.49 0.24 -0.40

2.2 网络节点特征演化

以城市为单元构建城市间制造业供应链网络，从全国尺度下分析长三角制造业供应链网络中的城市节点层级特征、空间分布以及演化过程，研究发现：
(1) 供应链节点呈现典型的金字塔结构，演化过程具有明显的空间依赖和路径依赖特征，网络发育以沿海和沿长江经济带扩张为主(图1)。核心城市主要位于长三角内部，长三角内城市的等级层次相对固化，上海、南京、苏州、杭州、无锡等始终为高等级城市，上海始终保持最大的供应链订单金额。在长三角外部城市中，武汉、北京、天津、广州、深圳、柳州等城市的等级较高。2001―2005年长三角外部资金额最高的城市为武汉，此后北京为长三角外部加权中心度最高的城市。长春受益于汽车产业的发展，2016―2020年也迅速发展成为高等级节点。
(2) 上海始终是网络加权出度和加权入度最高的城市(表7)。从加权出度来看，不同时期加权出度前10名的城市基本上都为长三角内部城市，仅北京在2016―2020年加权出度进入了前10名。长三角内部城市中，上海、杭州、无锡、南京、苏州的加权出度地位稳定，在不同阶段均进入前10名。从加权入度来看，长三角内部城市的占比提升明显。2001―2005年加权入度前10名中有4个城市来自长三角外部，此后除北京在不同时期均进入前10名外，仅香港在2011―2015年和长春在2016—2020年加权入度进入前10名。北京在加权入度中的地位较为稳定，是下游产业链的集聚地。2001―2005年，济南是长三角外部加权入度最高的城市，此后北京始终是长三角外部加权入度最高的城市。
表7 长三角内外前10大城市加权出度和加权入度变化

Tab.7 Changes in weighted out-degree and weighted in-degree of top10 cities within and outside the YRD

序号 2001—2005年 2006—2010年 2011—2015年 2016—2020年
加权出度 加权入度 加权出度 加权入度 加权出度 加权入度 加权出度 加权入度
城市 值 城市 值 城市 值 城市 值 城市 值 城市 值 城市 值 城市 值
1 上海 14.83 上海 11.09 上海 1292.11 上海 1034.72 上海 4660.96 上海 3564.64 上海 1001.28 上海 938.39
2 南京 9.99 无锡 7.21 杭州 284.30 北京 304.90 杭州 1391.39 杭州 1599.09 无锡 669.68 北京 526.71
3 无锡 7.75 芜湖 5.48 南京 203.66 南京 199.06 无锡 727.59 北京 972.10 宁波 386.01 无锡 478.58
4 芜湖 5.13 杭州 4.34 无锡 176.10 杭州 190.27 南京 490.40 南京 580.04 杭州 277.88 铜陵 331.75
5 绍兴 2.93 南京 3.66 苏州 159.34 苏州 124.15 苏州 453.81 绍兴 486.87 苏州 262.74 杭州 251.34
6 杭州 1.58 济南 3.31 合肥 145.15 无锡 97.94 宁波 422.87 无锡 473.92 蚌埠 245.19 苏州 207.42
7 合肥 1.25 武汉 2.97 绍兴 143.42 合肥 96.29 绍兴 342.53 苏州 357.91 北京 239.84 绍兴 204.01
8 苏州 14.83 天津 2.59 台州 129.56 绍兴 79.63 常州 277.74 嘉兴 236.13 常州 179.48 蚌埠 197.28
9 温州 9.99 北京 2.23 宁波 96.29 台州 75.15 合肥 255.94 铜陵 197.63 镇江 165.25 长春 183.17
10 南通 7.75 南通 1.32 常州 59.63 南通 72.72 台州 235.89 香港 191.22 南京 154.99 宁波 139.98

2.3 社群探测与识别

通过社群探测(cluster detection)识别长三角制造业供应链网络的“社群”结构(图3)。社群内城市彼此之间的联系相对紧密，而不同社群的城市之间联系相对稀疏。4个阶段的模块度分别为0.62、0.33、0.34和0.47。2001—2005年的网络较为简单，社群划分效果最好，随着网络复杂性的增加，社群划分的效果有所下降。由于长三角内部核心节点之间竞争较为激烈，上海、杭州、南京始终未处于同一社群。
图3 2001―2020年长三角城市网络的“社群”结构

Fig.3 "Community" structure of the city network in the YRD during 2001-2020

(1) 上海社群：2001—2005年，上海社群所包含的城市80%集中在长江经济带，如江苏、湖北、浙江等；2006—2015年，上海社群的范围逐渐向外扩展，包含的城市涉及较远的省份，如广东、吉林、河南、山东等；2016—2020年，上海的影响力范围扩张到更远地区，在内蒙古、辽宁、吉林、甘肃、山西和台湾都具有较强的控制力。
(2) 南京社群：南京社群所包含的城市节点早期主要在北方地区，随后逐渐向南扩展。2001—2005年，南京的社群节点相对集中，大部分都分布在北方地区。2006年以后，南京在长三角内的影响力不断加强。2011—2015年，南京社群包含了合肥、无锡，区外的南京社群城市主要分布在山西、甘肃、河北、内蒙古、黑龙江等。然而2016—2020年南京地位有所下降，社群节点数量下降明显，节点的分布较为分散。
(3) 杭州社群：杭州社群包含的城市始终主要在浙江省内，与安徽、江苏的联系逐渐加强。2001—2005年，杭州社群的节点主要分布在浙江省和长三角以外地区，但与长三角其他省份的联系较弱。此后始终保持着在浙江省内部的控制力，并且与江苏和安徽的联系不断加强。苏州与山东、广东地区始终联系紧密，在2001—2005、2016—2020年与合肥属于同一社群。
(4) 一些长三角边缘节点形成小社群。这类节点往往与核心节点联系较弱，在整个供应链网络中分割形成独立的小社群，节点数量少，资金规模小。2001—2005年，连云港社群相对独立，仅包含临沂、西宁两个城市；2006—2010年，安庆、铜陵、绍兴与外部节点组成小社群，与长三角内的其他城市没有产生联系；2011—2015年，池州、黄山和镇江，淮南、六安和阜阳，徐州和扬州，分别与外部节点形成3个独立的社群；2016—2020年，徐州是独立社群，与长三角内其他城市均不属于同一社群，社群内仅有中卫一个节点。

3 网络演化影响因素分析

城市间供应链网络的本质是供需关系。供需关系包括内、外两个方面，内部关系描述上游供应城市和下游客户城市之间的网络结构依赖特征对供应链资金流动的影响，对应于ERGM的互惠效应、结构依赖效应；外部关系描述上下游城市之间的区际人文社会关系特征对供应链资金流动的影响，对应于ERGM的外部网络效应，包括城市节点属性和城市边属性两个方面(表8)。城市属性特征主要考虑了经济发展水平、技术水平、劳动力水平等因素，从而反映城市的经济实力、创新能力和劳动力供给情况。经济实力强的城市往往拥有更多的资本投入、更完善的基础设施，并且市场规模大，消费水平高。创新能力强的地区在产品研发、生产技术和生产效率方面具有优势。劳动力供给充足的地区能够满足制造业企业对劳动力的需求，生产成本往往具有优势。城市的经济水平使用GDP总量表示，城市的技术水平使用专利申请总量表示，城市的劳动力水平使用年末单位从业人员数表示。在边属性协变量中，认为地理邻近性、经济邻近性、制度邻近性、语言邻近性等能显著影响城市间的合作与要素流动[43-45]。地理距离会对供应链物流效率和成本等方面产生影响，从而约束上市公司对供应商和客户选择。较近的地理位置可以降低运输成本和时间，提高物流效率。地理邻近还可以促进面对面的交流与互动，增强信任和合作关系。经济邻近的区域通常拥有相近的人力资本、产品需求和消费水平，从而对城际供应合作有着显著的影响。制度邻近为双方城市的合作提供了相同的制度和法规，使双方城市具有相似补贴政策、招商引资的力度、市场化程度，从而促进企业间的合作。语言邻近性影响着主体的沟通和信息交流，从而影响供应链的选择。
表8 TERGM变量设定及解释

Tab.8 Variables of TERGM and description

变量类型 指标 变量名 内涵解释
边数 edges 捕捉网络中边存在的总体倾向。如果edges的系数为负，这表明在网络中形成连接的总体倾向较低；如果为正，则表明形成连接的总体倾向较高
互惠效应 mutual 互惠连接，表示如果节点A连接到节点B，那么节点B也连接到节点A的概率
结构依赖效应 传递三元组 ttriple 指在时变网络中，三个节点之间形成三角形结构的倾向
传递性 transitiveties 传递性连接，表示如果节点A连接到节点B，节点B连接到节点C，那么节点A连接到节点C的概率
闭合三元组 ctriple 表示在一个时间步长内形成三角形结构的倾向
时间依赖效应 稳定性 memory 时间依赖效应表示网络在当前时间点的状态依赖于过去时间点的状态，检查前一个网络和当前网络之间的边和非边是否稳定
节点属性 劳动力水平 lab_level 劳动力水平，表示节点的劳动力水平特征
经济水平 eco_level 表示城市节点的经济发展水平特征
技术水平 tech_level 表示城市节点的技术水平特征
边属性 地理距离 geo_distance 表示节点之间的地理距离
制度邻近性 ins_prox 表示节点之间在制度上的相似程度
语言邻近性 lin_prox 表示节点之间在语言上的相似程度
经济邻近性 eco_prox 表示节点之间在经济上的相似程度
长三角制造业供应链网络路径依赖过强，时间稳定性在一定程度上与节点属性存在共线性，因此将节点属性和时间稳定性分开进行回归，分别逐个加入传递三元组、传输性、闭合三元组三个结构依赖变量(表9)。
表9 TERGM结果

Tab.9 Results of the TERGM model

变量 模型1 模型2 模型3 模型4
edges -3.20 * -3.51 * -3.54 * -26.64 *
mutual 1.70 * 1.70 * 1.70 * 0.02 *
ttriple 0.10 * 0.10 * 0.08 * -1.98E-04 *
transitiveties 3.62E-01 * 0.37 * 0.04 *
ctriple 0.03 * 1.35E-03 *
memory 53.15 *
lab_level 8.61E-04 * 8.77E-04 8.88E-04 *
eco_level -1.86E-10 -1.29E-10 -9.25E-11
tech_level -3.36E-03 * -3.60E-03 * -3.88E-03 *
geo_distance 接近于0 -1.24E-03 -1.37E-03 * 4.60E-05 *
ins_prox 0.04 * 接近于0 1.97E-01 * 0.01 *
lin_prox 接近于0 接近于0 接近于0 1.54E-03 *
eco_prox -0.19 * -0.12 * -0.11 * -2.56E-03 *

注：*表示在99%置信水平下显著。

在网络内部关系方面，互惠性、传递性和三元组对网络的发育具有明显的促进作用。边数的系数全部为显著的负值，表明在控制其他变量的情况下，形成边的概率低于随机预期，即没有其他因素作用时，两个节点之间形成连接的可能性较低。互惠性回归系数都为显著正值，意味着增加互惠链接关系时，其他城市之间形成供应链关系的概率显著高于随机预期，这种双边互惠性有助于整体供应链网络格局的演化发展。当不考虑时间依赖效应时，传递三元组表现为显著正值。当考虑时间依赖效应时，传递三元组表现为显著负值，主要由于时间依赖效应与传递三元组存在较强的共线性。传递性和闭合三元组的系数全部为显著的正值，对网络发育的促进作用较为显著。时间依赖效应具有最高的系数值，并且通过了显著性检验，城市间的既有供应链关系“路径依赖”对供应链网络演化发展促进作用最为强烈。
从网络外部效应来看，不同因子的影响存在显著差异。城市劳动力水平的系数表现为正值。经济水平对供应链网络演化的影响较小，基本都不显著。技术水平的系数表现出较为稳定的显著负值，技术水平差距大的地区产业链上下游分工差异较大，生产互补性较强，易于开展供应链的合作。地理距离的系数以负为主，地理距离越远，供应链运输成本越高，不利于开展制造业生产合作。制度邻近性的系数总体为正，但作用较弱。语言邻近性仅在模型4中表现为正相关，其他模型中都接近0。由于长三角区域的语言差异较小，并且随着一体化程度的加深，省市之间的行政壁垒相对较弱，制度邻近性和语言邻近性发挥的作用并不明显。经济邻近性全部表现为显著负值，意味着经济规模相近的城市不利于开展供应链合作，这与异配性网络的结果是一致的。

4 结论与讨论

本文以2001―2020年长三角地区制造业上市公司与前五大供应商、客户的交易订单为核心数据，构建了城市间制造业供应链网络，综合运用多种数理模型分析了“全国—长三角”城市网络的空间分布、演化特征和影响因素，得到以下结论：
(1) 城市网络联系具有明显的空间异质性特征，演化过程具有明显的空间依赖和路径依赖特征，网络发育以沿海和沿长江经济带扩张为主。从全国来看，长三角与东部地区的联系始终最强，与东北地区的联系始终最弱，与中部地区联系始终高于西部。从区域内外部来看，供应链布局本地化特征突出，与区域外部的联系占比提升明显。
(2) 网络的层级性明显，节点层级呈现典型的金字塔结构，城际链接层级表现出明显的“马太效应”。从节点层级来看，长三角内城市的等级层次相对固化，上海、南京、苏州、杭州、无锡等始终为高等级城市，上海始终保持最大的供应链订单金额。从链接层级来看，高等级供应链联系的数量和占比总体呈上升态势，网络极化特征明显。
(3) 网络异配性特征明显，城市间联系逐渐紧密，但核心节点竞争激烈，网络规模呈现先上升后下降的变化过程。网络的匹配性在-0.48~-0.33之间，核心节点倾向于与边缘节点连接。上海、杭州、南京三个核心节点始终没有处在同一社群，竞争较为激烈。尽管网络平均度和加权平均度在2016—2020年有所下降，但总体呈现上升趋势。
(4) 从影响因素看，时间依赖效应是影响网络演化最重要的因素。在网络内部关系方面，互惠性、传递性和三元组对网络的发育具有明显的促进作用。网络外部关系方面，劳动力水平、技术水平、地理距离、经济邻近性也对网络演化具有显著的作用。边数的系数全部为显著的负值，表明在控制其他变量的情况下，形成边的概率低于随机预期。
20世纪90年代以来，学界在城市网络联系领域开展了诸多创新性探索，但受制于真实的企业“流”数据获取等方面的困难，以往研究往往利用公司总部—分支机构数量并通过加权的方式来测算城市联系，可能与城市真实“联系”和“关系”存在偏差[46]。此外，目前的研究在分析城市网络的影响因素时较少考虑路径依赖的影响，多使用静态模型进行分析。本文使用上市公司前五大供应商和采购商交易数据构建城市间的制造业供应链网络，分析城市网络结构的演化及其影响因素，能够更加客观地反映城市间的“流”联系，为城市网络研究提供了新的视角。
然而，本文也存在以下不足：① 由于年报数据只能反映上市公司前五大供应商和采购商，且研究中暂未考虑供应商、采购商在整个企业网络中的比重关系，可能存在样本偏差，未来可以考虑增加招投标数据、典型企业访谈等来进一步完善研究；② 研究将所有上市公司作为一个整体，对所有制造业供应链进行测算，针对不同行业供应链开展的城市网络研究需要进一步细化和深化；③ 由于长三角不同城市间上市公司数量存在较大差异，这会在一定程度上影响研究精度，未来可以考虑引入非上市公司间的招投标数据、大型企业总部与分支机构数据进行综合测算。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Houlihan J B. International supply chain management[J]. International Journal of Physical Distribution and Materials Management, 1985, 15(1): 22-38.

[2]
Ngoc N, Viet D, Tien N, et al. Russia-Ukraine war and risks to global supply chains[J]. International Journal of Mechanical Engineering, 2022, 7(6): 633-640.

[3]
何明珂. 新阶段全球半导体供应链重构及其思考[J]. 北京工商大学学报(社会科学版), 2023, 38(1): 62-76.

[He Mingke. Reconfiguration of global semiconductor supply chain at the new stage and its thinking. Journal of Beijing Technology and Business University (Social Sciences), 2023, 38(1): 62-76. ]

[4]
王长建, 卢敏仪, 陈静, 等. 城市网络视角下华为手机全球价值链的建构与重构[J]. 地理科学进展, 2022, 41(9): 1606-1621.

DOI

[Wang Changjian, Lu Minyi, Chen Jing, et al. Construction and reconstruction of global value chain based on the perspective of urban networks: A case study of Huawei mobile phone suppliers. Progress in Geography, 2022, 41(9): 1606-1621. ]

DOI

[5]
Geddes P. Cities in evolution[M]. London, UK: Williams and Norgate, 1915: 51-68.

[6]
Hall P. The world cities[M]. New York, USA: McGraw-Hill, 1966.

[7]
Friedmann J. The world city hypothesis[J]. Development and Change, 1986, 17(1): 69-83.

[8]
Sassen S. The global city:New York London, Tokyo[M]. Princeton, USA: Princeton University Press, 1991: 1-16.

[9]
Castells M. The rise of the network society[M]. New York, USA: John Wiley & Sons, 2011.

[10]
Taylor P, Derudder B. World city network: A global urban analysis[M]. London, UK: Routledge, 2004: 4-6.

[11]
Burger M, Meijers E. Form follows function? Linking morphological and functional polycentricity[J]. Urban Studies, 2012, 49(5): 1127-1149.

[12]
姚士谋, 王德, 叶枫. 厦门经济特区经济辐射功能与发展趋势[J]. 地理学报, 1989, 44(2):140-146.

DOI

[Yao Shimou, Wang De, Ye Feng. On the radiation functions and developing tendency of Xiamen special economic zone. Acta Geographica Sinica, 1989, 44(2): 140-146. ]

DOI

[13]
马学广, 李贵才. 全球流动空间中的当代世界城市网络理论研究[J]. 经济地理, 2011, 31(10): 1630-1637.

[Ma Xueguang, Li Guicai. Study on world city network theory within global space of flow. Economic Geography, 2011, 31(10): 1630-1637. ]

[14]
葛迎遨, 杨山, 杜海波. 长三角城市快递物流联系网络及空间平衡格局研究[J]. 地理科学进展, 2024, 43(7): 1307-1319.

DOI

[Ge Ying'ao, Yang Shan, Du Haibo. Urban express logistics connection network and spatial balance pattern in the Yangtze River Delta. Progress in Geography, 2024, 43(7): 1307-1319. ]

DOI

[15]
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

[16]
范雅辰, 曹卫东, 陈枳宇, 等. 基于千强高新技术企业的中国城市创新网络研究[J]. 世界地理研究, 2021, 30(5): 1036-1047.

DOI

[Fan Yachen, Cao Weidong, Chen Zhiyu, et al. Research on China's urban innovation network based on top 1000 high technology enterprises. World Regional Studies, 2021, 30(5): 1036-1047. ]

DOI

[17]
Townsend A M. Network cities and the global structure of the Internet[J]. American Behavioral Scientist, 2001, 44(10): 1697-1716.

[18]
Beaverstock J V, Smith R G, Taylor P J, et al. Globalization and world cities: Some measurement methodologies[J]. Applied Geography, 2000, 20(1): 43-63.

[19]
莫辉辉, 王姣娥, 彭峥, 等. 机场群航线网络竞合评价方法及实证探讨: 以粤港澳大湾区世界级机场群为例[J]. 热带地理, 2022, 42(11): 1797-1805.

DOI

[Mo Huihui, Wang Jiao'e, Peng Zheng, et al. Co-opetition on airport agglomeration's air transport network: A case study of the Guangdong-Hong Kong-Macao Greater Bay Area. Tropical Geography, 2022, 42(11): 1797-1805. ]

DOI

[20]
吴炫, 杨家文. 流动量与关注度视角下的城市网络结构: 以广州、深圳为例[J]. 地理科学进展, 2019, 38(12): 1843-1853.

DOI

[Wu Xuan, Yang Jiawen. City network by mobility and attention indices: A comparison of Guangzhou and Shenzhen. Progress in Geography, 2019, 38(12): 1843-1853. ]

DOI

[21]
曹贤忠, 吕磊, 曾刚. 区域创新网络研究的重点领域及前沿方向[J]. 地域研究与开发, 2023, 42(4): 1-6, 43.

[Cao Xianzhong, Lyu Lei, Zeng Gang. Key areas and frontier directions of regional innovation network. Areal Research and Development, 2023, 42(4): 1-6, 43. ]

DOI

[22]
曹湛, 戴靓, 吴康, 等. 全球城市知识合作网络演化的结构特征与驱动因素[J]. 地理研究, 2022, 41(4): 1072-1091.

DOI

[Cao Zhan, Dai Liang, Wu Kang, et al. Structural features and driving factors of the evolution of the global interurban knowledge collaboration network. Geographical Research, 2022, 41(4): 1072-1091. ]

[23]
李秋萍, 马若飞, 邹丹, 等. 基于GPS轨迹数据的湖南省公路客运与货运网络结构比较[J]. 地理科学, 2023, 43(12): 2130-2138.

DOI

[Li Qiuping, Ma Ruofei, Zou Dan, et al. A comparative study on network structures of highway passenger and freight transport of Hunan Province based on GPS trajectory data. Scientia Geographica Sinica, 2023, 43(12): 2130-2138. ]

DOI

[24]
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.

DOI

[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. Acta Geographica Sinica, 2021, 76(4): 818-834. ]

DOI

[25]
马海涛, 徐楦钫, 江凯乐. 中国城市群技术知识多中心性演化特征及创新效应[J]. 地理学报, 2023, 78(2): 273-292.

DOI

[Ma Haitao, Xu Xuanfang, Jiang Kaile. The evolutionary characteristics and innovation effects of technological knowledge polycentricity in Chinese urban agglomerations. Acta Geographica Sinica, 2023, 78(2): 273-292. ]

DOI

[26]
刘禹圻, 孙铁山. 产业集聚对雾霾污染影响的溢出效应: 基于城市网络的视角[J]. 城市发展研究, 2024, 31(5): 8-13.

[Liu Yuqi, Sun Tieshan. Spillover effects of industrial agglomeration on haze pollution: From the perspective of urban network. Urban Development Studies, 2024, 31(5): 8-13. ]

[27]
丁乙宸, 黄亚平, 鲁仕维, 等. 长三角汽车制造产业链投资网络空间特征及影响因素[J]. 地理研究, 2024, 43(7): 1715-1734.

DOI

[Ding Yichen, Huang Yaping, Lu Shiwei, et al. Spatial characteristics and influencing factors of investment network in the automobile manufacturing industry chain of the Yangtze River Delta. Geographical Research, 2024, 43(7): 1715-1734. ]

[28]
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

[29]
陈肖飞, 杨洁辉, 王恩儒, 等. 基于汽车产业供应链体系的中国城市网络特征研究[J]. 地理研究, 2020, 39(2): 370-383.

DOI

[Chen Xiaofei, Yang Jiehui, Wang Enru, et al. The characteristics of China's urban network based on the supply chain system of automobile industry. Geographical Research, 2020, 39(2): 370-383. ]

[30]
刘清, 杨永春, 蒋小荣, 等. 基于全球价值链的全球化城市网络分析: 以苹果手机供应商为例[J]. 地理学报, 2021, 76(4): 870-887.

DOI

[Liu Qing, Yang Yongchun, Jiang Xiaorong, et al. An analysis of the multidimensional globalizing city networks based on global value chain: A case study of iPhone suppliers. Acta Geographica Sinica, 2021, 76(4): 870-887. ]

DOI

[31]
梁双波, 曹有挥, 吴威. 长江三角洲地区物流供应链时空演化及其影响因素: 基于国际货代企业数据的分析[J]. 地理研究, 2017, 36(11): 2156-2170.

DOI

[Liang Shuangbo, Cao Youhui, Wu Wei. Spatial-temporal evolution and influencing factors of logistics supply chain in the Yangtze River Delta: Based on international freight forwarding enterprises data. Geographical Research, 2017, 36(11): 2156-2170. ]

[32]
Liang S B, Cao Y H, Wu W, et al. International freight forwarding services network in the Yangtze River Delta, 2005-2015: Patterns and mechanisms[J]. Chinese Geographical Science, 2019, 29: 112-126.

[33]
陈刚, 王光辉, 郑满茵. 上市公司与客户联系视角下的中国城际网络结构时空演化研究[J]. 地球信息科学学报, 2023, 25(1): 223-238.

DOI

[Chen Gang, Wang Guanghui, Zheng Manyin. Research on the spatial temporal evolution of China's intercity network structure from the perspective of the relationship between listed companies and customers. Journal of Geo-information Science, 2023, 25(1): 223-238. ]

[34]
Hu J W, Gao S, Yan J W, et al. Manufacturing enterprise collaboration network: An empirical research and evolutionary model[J]. Chinese Physics B, 2020, 29(8): 088901. doi: 10.1088/1674-1056/ab96a8.

[35]
Shi X Q, Yuan X J, Deng D S. Research on supply network resilience considering the ripple effect with collaboration[J]. International Journal of Production Research, 2022, 60(18): 5553-5570.

[36]
李朝辉, 周声海, 万国华. 大型跨境消费电子品供应链的补货管理和库存优化[J]. 系统管理学报, 2022, 31(6): 1075-1083.

[Li Zhaohui, Zhou Shenghai, Wan Guohua. Replenishment management and inventory optimization in a large international consumer electronics supply chain. Journal of Systems and Management, 2022, 31(6): 1075-1083. ]

[37]
王金凤, 朱雅婕, 冯立杰, 等. 基于Meta分析的供应链网络嵌入性与协同创新绩效关系研究[J]. 技术经济, 2023, 42(6): 47-59.

[Wang Jinfeng, Zhu Yajie, Feng Lijie, et al. Research on the relationship between supply chain network embedding and collaborative innovation performance based on meta-analysis. Journal of Technology Economics, 2023, 42(6): 47-59. ]

[38]
陈雯, 范茵子. 企业供应链风险感知与合作关系稳定性[J]. 管理世界, 2024, 40(11): 209-228.

[Chen Wen, Fan Yinzi. Firm perception of supply chain risk and stability of cooperation. Journal of Management World, 2024, 40(11): 209-228. ]

[39]
Bellamy M A, Ghosh S, Hora M. The influence of supply network structure on firm innovation[J]. Journal of Operations Management, 2014, 32(6): 357-373.

[40]
Hunter D R, Handcock M S, Butts C T, et al. ERGM: A package to fit, simulate and diagnose exponential-family models for networks[J]. Journal of Statistical Software, 2008, 24(3): nihpa54860. doi: 10.18637/jss.v024.i03.

[41]
高思齐, 赵媛, 郝丽莎, 等. 基于TERGM的“一带一路”国家石油资源流动演化机理研究[J]. 地理研究, 2024, 43(5): 1051-1072.

DOI

[Gao Siqi, Zhao Yuan, Hao Lisha, et al. Research on the evolution mechanism of oil resource flow along the Belt and Road based on TERGM. Geographical Research, 2024, 43(5): 1051-1072. ]

[42]
戴靓, 曹湛, 马海涛, 等. 中国城市知识合作网络结构演化的影响机制[J]. 地理学报, 2023, 78(2): 334-350.

DOI

[Dai Liang, Cao Zhan, Ma Haitao, et al. The influencing mechanisms of evolving structures of China's intercity knowledge collaboration networks. Acta Geographica Sinica, 2023, 78(2): 334-350. ]

DOI

[43]
葛纯宝, 于津平, 刘亚攀. “一带一路”增加值贸易网络演变及其影响因素[J]. 财经论丛, 2022, 38(7): 15-24.

[Ge Chunbao, Yu Jinping, Liu Yapan. The evolution of value added trade networks along the "Belt and Road" and its influencing factors. Collected Essays on Finance and Economics, 2022, 38(7): 15-24. ]

[44]
程中海, 屠颜颍, 孙红雪. 中国与“一带一路”沿线国家制造业产业内贸易网络时空特征及影响因素研究[J]. 世界地理研究, 2022, 31(3): 478-489.

[Cheng Zhonghai, Tu Yanying, Sun Hongxue. Spatio-temporal characteristics and influencing factors of intra-industry trade network of manufacturing industries in China and countries along the "Belt and Road". World Regional Studies, 2022, 31(3): 478-489. ]

[45]
江凯乐, 梁双波. 长江经济带技术创新网络格局演化及其多维邻近性机制[J]. 长江流域资源与环境, 2023, 32(9): 1796-1805.

[Jiang Kaile, Liang Shuangbo. Evolution of technology innovation network and multi-proximity mechanism in Yangtze River Economic Belt. Resources and Environment in the Yangtze Basin, 2023, 32(9): 1796-1805. ]

[46]
徐刚, 王德, 晏龙旭. 国外世界城市网络实证研究: 进展、挑战与展望[J]. 国际城市规划, 2024, 39(5): 52-60.

[Xu Gang, Wang De, Yan Longxu. Empirical studies of world city networks abroad: Progress, challenges and directions for future research. Urban Planning International, 2024, 39(5): 52-60. ]

Options
Outlines

/

〈 〉