EN中文

经济地理 >

2024 , Vol. 44 >Issue 10: 108 - 116

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.10.011

产业经济与创新发展

基于头部企业的城市数字经济网络空间结构及其影响因素

  • 陈博 , 1, 2 ,
  • 朱华晟 , 1, ※ ,
  • 代嘉欣 1 ,
  • 刘若彬 1
展开
  • 1.北京师范大学 地理科学学部，中国 北京 100875
  • 2.西安建筑科技大学 管理学院，中国陕西 西安 710055
※朱华晟（1974—），男，博士，教授，研究方向为产业集群与区域发展、创新与创业地理。E-mail：

陈博（1992—），男，博士，研究方向为数字经济、区域创新与发展。E-mail：

收稿日期: 2024-03-04

  修回日期: 2024-10-12

  网络出版日期: 2024-11-29

基金资助

国家自然科学基金项目(42071152)

收起

China's Urban Digital Economic Network and Its Influencing Factors：From the Perspective of Top-tier Digital Enterprises

  • CHEN Bo , 1, 2 ,
  • ZHU Huasheng , 1, ※ ,
  • DAI Jiaxin 1 ,
  • LIU Ruobin 1
Expand
  • 1. Faculty of Geographical Science，Beijing Normal University，Beijing 1000875，China
  • 2. School of Management，Xi'an University of Architecture and Technology，Xi'an 710055，Shaanxi，China

Received date: 2024-03-04

  Revised date: 2024-10-12

  Online published: 2024-11-29

Fold

摘要

文章利用2020年中国新经济500强企业数据，运用社会网络分析和负二项回归方法，刻画中国城市数字经济网络结构特征，并探讨了其影响因素。结果表明：①数字经济网络分布呈现东密西疏的不均衡特征，形成了以“北京—上海—深圳”为顶点的三角形网络骨架。②数字经济网络具有极化与扁平化共存的特征，网络联系的地域性较弱。③城市出度、中介中心度呈现明显的“核心—边缘”结构，其中北京是网络的支配与控制中心，深圳、上海和杭州为次级核心城市。入度相对均衡，基本遵循工业经济时代的城市等级体系。④行政级别、经济发展水平、数字技术、市场以及产业政策对城市网络度具有正向影响，且对数字经济发展水平不同的城市的影响存在明显差异。

关键词： 数字经济; 网络中心度; 头部企业; 空间结构; 城市等级; 产业政策

本文引用格式

陈博 , 朱华晟 , 代嘉欣 , 刘若彬 . 基于头部企业的城市数字经济网络空间结构及其影响因素[J]. 经济地理, 2024 , 44(10) : 108 -116 . DOI: 10.15957/j.cnki.jjdl.2024.10.011

Abstract

Based on the data of China's top 500 enterprises in 2020,this paper employs the methods of social network analysis and negative binomial regression to depict the structure of China's digital economy network and explore its influencing factors. The results show that: 1) The distribution of the digital urban network exhibits an unbalanced characteristic which is dense in the east of China and sparse in the west of China,and form a triangle network skeleton with Beijing-Shanghai-Shenzhen as the apex. 2) The urban digital economy network shows characteristics of both polarization and flattening,with weak regionality in network connections. 3) Out-degree and betweenness centralities display a clear core-periphery structure,with Beijing as the dominant and control center of the digital economy network,Shenzhen,Shanghai and Hangzhou as secondary core cities. In-degree centrality is relatively balanced,basically following the urban hierarchy of the industrial economy era. 4) Administrative level,economic development level,digital technology,market and industrial policies have a positive impact on urban network degree,and the impact on cities with different levels of digital economy development is significantly different.

Key words： digital economy; central degrees of network; top-tier enterprises; spatial structure; city level; industrial policy

交通运输和信息通信技术的快速发展，使得城市之间人口、货物和信息流动频繁，城市体系结构由等级化向网络化过渡，城市发展不再仅取决于自身规模，也依赖与其他城市之间的联系，城市网络是一个处于不断变化过程之中的动态系统[1]。在工业化时代，交通流是塑造城市网络的主要动力，区位优势明显的港口、交通枢纽城市迅速崛起成为网络中心[2]。1990年代之后，信息技术发展迅速，信息流成为城市之间相互作用的重要力量，传统基于物理链接的城市格局正在不断地解构与重构[3-4]。美国作为互联网的发源地，其学者最先关注信息技术对城市空间的影响，Townsend基于基础设施研究节点城市信息网络的连通性和可达性，结果表明信息访问可达性存在空间不均衡特征，旧金山成为互联网时代美国城市网络新的中心[5]；Zook认为电子商务能够促进“边缘城市”嵌入全球网络，为中小城市的发展创造了条件[6]。随着互联网技术革命浪潮席卷至我国，中国互联网城市网络结构得到关注，汪明峰等发现中国互联网基础设施相较于美国更趋于均衡，节点可达性遵循原有的城市等级体系[7]；安同良等认为互联网的发展加深了发达国家经济活动空间上的不均衡，但逆转了中国企业的进一步聚集，说明互联网对经济地理格局的影响存在空间差异[8]。
当前，人工智能、大数据、区块链以及云计算等数字技术推动了新一轮科技革命和产业变革，全球范围由工业经济加速迈向数字经济[9]。2022年，中国数字经济规模达50.2万亿元，占GDP的比重为41.5%，稳居全球第二，已成为中国经济增长的新引擎[10]。数字技术引发的新一轮产业革命深刻地改变着经济空间组织模式，这可能导致中国城市网络结构发生变动，进而重塑中国经济地理格局。城市网络中心性的空间分异主要归因于企业追求丰富关键资源、广阔市场空间与低廉运营成本的择优选择机制[11]。一方面，数据成为数字经济的关键生产要素，其能够穿透空间距离和行政边界的阻碍进行广泛传播，从而加速“距离死亡”。数字技术扩大了要素、商品流动和知识溢出的空间范围，不断将城市关系塑造成更加开放的网络型结构[12]，市场与低廉运营成本会促使中小城市积极融入全国城市网络[13]，使得网络结构更加趋于扁平化。另一方面，数字经济作为创新型经济，技术、人才等关键资源的非均匀分布促使中心城市的集聚经济被数字技术不断强化[14]，使网络结构更加趋于极化。当网络结构走向扁平化时，数字经济发挥共享效应，城市之间可以更加公平地利用数字技术、数据要素等资源，中国区域发展会更加均衡；反之，数字经济可能会增大区域发展差距。但是，已有文献对数字经济如何影响中国城市网络结构关注不够，仅少量研究使用重力模型探索中国城市之间的数字经济联系[15-16]。
企业是城市网络形成的关键参与者，大量相关研究使用先进生产性服务业（APS）、财富500强、制造业等企业内部关联构建城市网络[17-19]。数字经济企业作为数字经济活动的重要主体，为了获取关键要素、接近市场以及降低运营成本等，会选择在不同的城市建立总部和分支机构，总部通常是数据处理中枢，负责收集与整合组织内部数据，然后向分支机构传递有利于市场决策的有效信息[20]，因此数字经济企业内部要素流动成为构建数字经济网络的重要载体。其中，掌握海量数据资源的头部企业凭借广阔的市场和强大的数字技术力量在收集和利用数据资源方面占据绝对优势[21]，并且可以利用网络规模效应打造数字生态体系，不断加强其资源调配能力。换言之，数字经济头部企业内部的多种要素在城市间流动可以在一定程度上反映中国城市数字经济网络。
鉴于此，本文使用中国数字经济500强企业的内部关联数据，运用网络分析等方法回答如下问题：①数字经济是否改变了中国城市网络结构?②数字经济企业内部关联构建的中国城市数字经济网络呈现什么特征?③哪些因素影响城市数字经济网络空间结构?本文不仅丰富了数字经济影响城市网络结构的实证研究，研究结果也有助于认识数字经济如何重塑中国经济地理格局。

1 研究数据与方法

1.1 研究数据

本文采用的数字经济头部企业数据来自2020年中国企业评价协会发布的《中国新经济500强榜单》① 。该榜单的遴选条件与数字经济高度相关[22]，上榜企业的经营活动内容[23]与宽口径数字经济内涵的基本一致，可以分为数字产业化企业和产业数字化企业两类，前者主要包括105家信息传输、软件和信息技术服务业企业，88家计算机、通信和其他电子设备制造业企业；后者主要包括156家先进制造业企业，70家数字赋能的新型生活服务业企业，其余为广泛使用数字技术的线上教育、数字金融、数字传媒等企业[22]。

1.2 研究方法

①城市数字经济网络构建。本文利用新经济500强企业内部关联建立数字经济网络。首先通过企业官方网站和“启信宝”网站获取企业总部及其分支机构的空间位置信息，然后选择在中国2个及以上地级市拥有分支机构的企业。数据、知识等要素作为数字经济企业核心机密，通常属于垂直关系范畴[24]。因此，本文运用总部—分支机构关联模型识别城市间链接，联系强度如下：
F i j = ∑ w · f i j
式中： F i j为城市间基于数字经济企业的联系度； f i j为数字经济企业总部所在 i城市向 j城市设立分支机构从而产生的要素流动，反之则为 f j i； w为企业不同部门之间联系强度的权重，采用3个强度分级量化企业部门之间联系强度：研发部门、区域总公司、科技子公司作为核心部门，其与总部联系最为密切，因此将关系强度赋值为2，承担销售、生产的一般性公司会记录销售与生产过程中的数据，然后反馈给总部，这对企业创新等具有重要影响，但相对而言，技术与知识流动较为松散，因此关系强度赋值为1，与企业主营业务不相关的子企业例如房地产公司，关系强度赋值为0。
②社会网络分析。社会网络分析为刻画网络结构、节点特征等提供了丰富的指标。本文采用网络密度解析数字经济整体网络结构特征，采用出度、入度、度中心度以及中介中心度反映节点城市在网络中的位置[25]。出度表示城市内数字经济企业向其他城市建立分支机构的规模。入度表示城市吸引其他城市分支机构的规模。度中心度则是城市向外扩散和吸引分支机构的总和。中介中心度表示城市担任其他2个城市最短路径桥梁的次数。
O i = ∑ j F i j
O j = ∑ i F j i
N i = O i + O j
C B i = ∑ j n ∑ k n g j k i / g i k
式中： O i表示数字网络中城市的出度； O j表示入度； N i表示度中心度； C B i表示中介中心度； g j k为城市 j和城市 k之间存在的捷径数目； g j k i / g i k表示 i城市处于城市 j和城市 k捷径上的概率。
③负二项回归。因变量是网络中心度，数值为不服从正态分布的非负整数，可考虑采用泊松或负二项回归模型。其中，泊松回归模型的约束条件是因变量的均值等于它的方差，而网络中心度具有过度分散的特征，方差明显大于均值，所以泊松模型不适用。相比之下，负二项回归模型在拟合过度离散变量时表现更优，因此本文采用负二项回归模型进行网络中心度影响机理分析[26]。负二项分布的概率密度函数表达式为：
p r Y = y μ , α = F α - 1 + y τ α - 1 + τ y + 1 · α - 1 α - 1 + μ α - 1 μ μ + α - 1 y
式中： Y为因变量，即城市的度中心度； τ是Gamma积分，其设定了积分参数阶乘； μ=E（y）是期望函数； α为Gamma分布的离散参数，当 α趋向于0时，数据不存在过度离散问题，负二项接近泊松分布，当 α > 1且显著时，负二项回归模型更适合对数据的拟合。

2 中国城市数字经济网络空间结构

本文分别从整体网络特征和节点个体网络特征2个层面探索中国城市数字经济网络结构。根据社会网络分析方法[25]，各节点城市的网络特征主要通过出度、入度和中介中心度3项指标进行刻画。

2.1 整体网络结构特征

中国城市数字经济整体网络结构呈现出2个显著特征：一是覆盖范围广，网络中涵盖了306个城市，占全国地级行政单元的90%以上，全国绝大部分城市融入网络；二是网络密度低，使用网络中实际存在边的数量与可能存在边的数量之比计算网络密度，结果仅为0.023，说明多数城市之间尚未建立直接联系。
数字经济网络相较于利用APS企业[17]、财富500强企业[18]、上市公司[19]等企业数据建构的网络呈现更加极化与扁平化共存的特征。极化体现在北京的中心地位更强，在网络中处于绝对的主导地位，出度、中介度高值城市非常少；扁平化主要体现在网络中缺乏区域性核心城市，大部分城市直接与北京链接嵌入网络。为了更加直观地呈现网络整体结构，本文使用ArcGIS软件实现网络可视化（图1），并运用自然断裂法基于联系强度将网络划分为4个等级，发现网络结构还具有以下特征：
图1 中国数字经济有向联系网络

注：基于自然资源部标准地图服务网站下载的审图号为GS（2023）2763号的标准地图绘制，底图无修改。图2~图4同。

Fig.1 Directed contact networks of the Chinese digital economy

①网络密度空间不均衡。整体网络呈现东密西疏的空间格局，东部地区的网络密度远远大于中西部地区，联系强度较高的网络主要集中在以“北京—上海—深圳”为顶点的三角形区域。中国城市数字经济核心网络并未表现出在金融业、高级生产性服务业以及制造业视角下的“菱形结构”[17-19]，表明西部地区在培育具有全国影响力的数字经济企业方面尚有明显劣势，这会限制西部地区城市从网络中获取数据资源的能力，从而导致东西部地区之间数字经济发展更加不均衡。
②网络构建以核心节点联系为主。联系强度较高的网络主要由远距离核心城市之间的联系构建。比如北京—广州、北京—上海和北京—深圳等，“强强联合”成为城市之间互动的主要模式。而区域内城市间联系普遍较弱，数字经济企业在空间扩张过程中，往往可以突破地域空间和行政边界的限制，导致区域性中心城市对周边地区的溢出效应减弱。
③网络等级与联系数量呈位序—规模分布。城市间的连线数量随着网络层级的降低而迅速增加，只有1.3%的联系属于第一层级网络，86%的联系处于第四层级。少数城市之间具有密切的联系，大部分城市间的联系较弱，表明大规模的资源网络共享发生在少数城市之间，大部分城市处于网络边缘，能够共享的资源相对较少。
④网络极化与扁平化共存特征显著。网络呈现明显的核心—边缘结构，全国性中心城市少，但对网络的控制力强，具有明显的极化特征。网络中缺乏区域性核心城市，大部分城市越过原有的区域性核心城市，直接与全国性核心城市建立联系嵌入网络，网络呈现出扁平化特征。

2.2 城市节点中心度空间分布特征

2.2.1 出度中心度

出度是城市对外辐射的直接体现，反映城市在网络中的支配能力。数字经济网络中城市出度的值域区间为[0,2445]，出度空间格局呈现出明显的核心—边缘结构（图2）。出度首位度、十一城市指数、变异系数、赫芬达尔—郝希曼指数分别为2.48、1.56、8.81、0.23，说明城市间出度的差异较大，出度峰值集中在少数城市，高出度城市呈现沿海岸线分布的特征。根据出度值将城市划分为5个层级，其中：北京作为中国数字经济企业总部最集中的地方，出度占比为41.10%，远高于其他城市，在支配网络资源过程中占据绝对主导地位；深圳、杭州和上海为第二层级城市，出度占比分别为16.51%、14.86%和11.23%，具有较强的网络支配能力；中西部地区城市的出度值明显偏低，大部分城市出度值为0，这些城市位于网络边缘，没有支配网络资源的能力，属于被动地加入数字经济网络。
图2 中国数字经济网络城市出度空间分布

Fig.2 Spatial distribution of out-degree of cities in the Chinese digital economy network

总而言之，网络支配能力主要集中在少数城市，排名前10的城市出度占比高达90%以上，大多数城市没有建立城市间合作关系的主动权。出度较高的城市在构建联系的过程中会遵循“择优连接”原则，不利于自身发展的城市会被排除在网络之外，鲜有企业总部集聚的城市就需要创造适宜数字经济发展的外部环境来吸引其他城市的分支机构，这是低出度城市提升网络中心度的主要方式之一。此外，杭州、长沙、乌鲁木齐等城市的辐射能力相较于工业经济时代得到显著提升[15-17]，杭州甚至超越上海成为长三角支配网络资源能力最强的城市，反映出数字经济已经对区域竞争格局产生深远的影响。

2.2.2 中介中心度

中介中心度可以反映城市在网络中的桥接能力，该值越高的城市通常对整个网络的控制力越强，类似于交通枢纽城市。中国城市数字经济网络中介中心度值域区间为[0,9423]，同样具有明显的核心—边缘空间特征（图3）。中介中心度首位度、十一城市指数、变异系数、赫芬达尔—郝希曼指数分别为2.38、1.70、9.12、0.25，说明城市之间中介中心度的差异更大，具有更强的首位度特征，网络资源的控制权集中在更少的城市。通过划分城市层级发现，北京的中介中心度遥遥领先于其他城市，占比为43.55%，是全国性网络桥接中心。上海、深圳的中介中心度占比分别为8.23%、13.56%，是次级桥接中心，具有较强的网络控制能力。80%以上的城市，中介中心度为0，对于数字经济网络没有控制能力，边缘城市之间目前还没有找到“抱团取暖”的协同发展路径。
图3 中国数字经济网络城市中介中心度空间分布

Fig.3 Spatial distribution of betweenness centrality of cities in the Chinese digital economy network

极少数城市拥有高中介中心度，一般性城市直接与全国性核心、次核心节点城市联系进入网络，网络中缺乏足够的区域性核心节点，这导致数字经济的相关要素进一步向少数城市集中，从而使数字经济发展也更加集聚。但这种依托结构洞的桥接联系是拓展新合作对象和获取新信息的潜在来源，边缘城市直接与结构洞连接，有助于拓展合作路径。需要注意的是，武汉、郑州等交通枢纽城市均不是区域性核心城市，这反映出数字经济正在改变原有的城市等级体系，交通枢纽城市不一定会成为数据、信息控制中心。

2.2.3 入度中心度

入度是城市吸引网络资源的直接体现，城市数字经济网络入度值域范围为[2,244]，入度中心度首位度、十一城市指数、变异系数、赫芬达尔—郝希曼指数为1.09、0.36、1.53、0.01，表明城市间的入度差异较小。入度高值区的空间集中度也相对较低，高值城市主要分布在京津冀、山东半岛、长三角、长江中游、成渝、中原、海峡西岸以及珠三角等城市群。通过划分城市层级（图4），发现北京（3.64%）、上海（3.34%）、深圳（2.35%）、广州（2.30%）、成都（2.12%）、武汉（1.78%）处于第一层级，这几个城市分别位于中国经济菱形结构的4个顶点和中心。第二层级城市主要为省会城市，包括西安、郑州、重庆、合肥、南昌、哈尔滨、昆明、长春等，虽然这些城市的出度和中介中心度占比低，但具有较强的吸引网络资源的能力。中西部地区普通地级市入度值均较低，吸引分支机构的能力同样孱弱。
图4 中国数字经济网络城市入度空间分布

Fig.4 Spatial distribution of in-degree centrality of cities in the Chinese digital economy network

在上述分析基础上，本文进一步探讨3个中心度之间的空间相互关系。通过对两两中心度进行相关性分析，发现入度、中介中心度以及出度之间存在显著的相关性，入度与出度的相关系数为0.669（显著性水平为0.01），出度、入度与中介中心度的相关系数分别为0.967、0.727（显著性水平均为0.01）。城市如若拥有数字经济企业发展所需的关键资源，不仅会促使大量企业总部的集聚，还会吸引其他城市分支机构的进入，在此基础上发展成为网络资源相互交流的枢纽。

3 中国城市数字经济网络空间结构的影响因素

3.1 指标选取

本文采用度中心度表征因变量城市数字经济网络中心度[25]。度中心度是出度与入度之和，用于测量网络中某个城市与其他所有城市联系的紧密程度，度值越大说明城市嵌入网络愈深，从网络中获取关键要素的能力越强。出度、入度分别取决于数字经济企业总部和分支机构集聚的规模，也就是说，度中心度是数字经济企业集聚的宏观表现，数字经济企业区位选择的因素从根本上决定城市网络中心度，二者之间的影响机制可以相互转化。
数字经济网络中心度在很大程度上依赖于原来的城市等级体系，受到城市行政级别和经济发展水平的惯性影响。因为数字经济并不能完全脱离传统经济，后者为前者提供了数字基础设施以及各种高级生产要素，这是其吸引外来数字经济企业投资和本地企业崛起的重要因素。行政级别采用虚拟变量刻画，首都北京赋值为3，上海、天津和重庆3个直辖市以及省会城市赋值为2，一般城市赋值为1[30]。经济发展水平通过各城市人均GDP来衡量[31]。
数字经济依赖数字技术。根据Castells等的“流空间”理论[27]，信息化社会中心城市的本质是对信息和知识的控制，掌握最多数字技术的城市在控制信息和知识方面具有绝对优势。城市丰富的数字技术还可以推动数字产业化和产业数字化快速发展，催生更多的数字经济企业，也会吸引其他城市企业进行技术交流与合作。数字技术通过信息技术从业人员数量与城市人口的比重衡量[12]。
市场对数字经济企业创新具有重要意义。市场信息决定企业发展和产品创新的方向，具有明显的时效性特征，信息延迟会带来市场误判[18]，因此数字经济企业需要接近市场，庞大的市场还可以为数字经济企业提供更多的商业机会[28]，为本地数字经济企业崛起和吸引其他地区子公司提供土壤。城市内部市场潜力通过社会消费品零售额与人口比重衡量[12]，外部市场潜力用出口额与GDP比重表征[32]。
产业政策是落后地区发挥后发优势的重要手段。地方政府可以通过增加数字技术研发投入大力发展数字技术，为本地数字经济企业崛起夯实基础。政府还可以通过减税降费等一系列政策为数据价值创造提供更好的条件和服务，吸引各种数字经济相关要素资源汇集[29]，进而提升城市网络中心度。政府对数字经济的产业政策支持用科学技术支出与一般公共预算支出的比重表征。
金融发展水平也可能会对数字经济网络中心度有正向影响。发展数字经济资金需求大、风险高，金融市场能够为数字经济分散和转移风险提供工具，提高该行业的创业积极性。金融发展水平用贷款总额与GDP的比重表征。

3.2 结果分析

首先对经济发展水平、国内市场和国外市场3个有单位的自变量进行标准化处理以消除量纲，然后对自变量进行多重共线性检验，结果显示VIF值均小于7，自变量之间不存在多重共线性。最后使用负二项回归，探索自变量对因变量的影响。回归结果显示（表1），全样本和分样本模型的α值均通过LR检验且远大于0，网络中心度具有显著的过度离散特征，适合用负二项回归模型建模。通过全样本分析，回归结果表明：
表1 负二项回归结果

Tab.1 Negative binomial regression results

全样本 高水平 低水平
行政等级 1.445***（9.73） 1.454***（6.57） 1.442***（7.12）
经济发展水平 1.110***（3.51） 1.796***（4.20） -0.669（-1.25）
数字技术 26.182***（3.28） 36.428***（3.42） 0.133（0.01）
国内市场 0.989*（1.76） 2.487***（2.55） -0.104（-0.14）
国外市场 1.051*（1.85） -0.917（-1.31） 4.786***（4.84）
产业政策 7.272***（2.95） 3.327（1.12） 10.163***（2.50）
金融发展 0.011（0.20） 0.158（1.49） -0.053（-0.82）
常数 0.459***（3.48） 0.540***（2.77） 0.220（1.22）
lnalpha -1.456 -1.705 -1.677
alpha 0.233 0.182 0.187
LR 2240.33 1309.78 335.85

注：***、*分别代表显著性水平为1%、10%；括号里的数值为t检验值。

①行政等级对城市数字经济网络中心度存在正向影响且在1%水平显著。数字经济作为新型的经济形态，数字经济企业往往需要寻求政府支持或者获取有关政策信息，行政等级高的城市在政策制定方面更具优势。大学和科研机构也集中在行政等级高的城市，这可以为数字经济企业提供更多的人才支持。因此，企业会倾向于将总部安排在高行政级别政府的驻地，例如首都或者省会城市，从而使这类城市占据数字经济网络中心位置。
②经济发展水平对提升网络中心度起到显著的正向影响。数字经济企业经济活动和研发过程需要高速互联网、数据中心、云计算平台等新一代基础设施，经济发展水平高的城市有能力承担建设这些基础设施的成本，完善的数字基础设施成为经济发达地区吸引数字经济企业的关键。经济发达城市二、三产业占比更高，数字技术向传统产业渗透过程中往往具有由第三产业向第一产业逆向融合的特征。因此，经济发展水平高的城市通常会率先进行产业数字化转型，促使本地数字经济企业的崛起。
③数字技术正向影响网络中心度。大数据、人工智能以及云计算等数字技术是数字经济发展的基础和关键，数字技术要素丰富的城市能够推动数字产业化的快速发展。一方面，数字技术溢出能够催生更多数字产业相关的企业；另一方面，贮存大量数字技术的城市能够通过技术之间的组合进化产生新技术，这些新技术反过来又会促进数字产业的进一步发展。而对于产业数字化发展而言，数字技术资源充沛的城市更易于促使数字技术向传统产业的渗透，实现产业数字化转型，不仅能够加快产业数字化企业的发展，也为数字产业化企业提供更广阔的市场和更多的商业机会，从而形成正向循环。同时，数字技术丰富的城市会吸引其他城市企业进行技术交流与合作。
④国内外市场对网络中心度存在显著的正向影响。市场需求是数字经济企业区位选择的重要影响因素之一，市场决定了企业发展的方向和重点，数字经济企业需要随着消费者需求的变换相应地调整产品和服务的开发方向，满足市场需求以保持其竞争力，所以数字经济企业为了及时获取市场信息会接近市场。
⑤产业政策可以提高城市网络中心度。产业政策在数字经济发展中发挥关键作用，地方政府可以积极推广电子商务、智慧城市等，为数字经济企业提供更广阔的市场和更多的商业机会；可以通过建设数字经济产业园区、减税降费等政策促进数字经济企业集聚。此外，地方政府还可以成立数字经济创新中心、孵化中心等平台发展数字技术，为本地发展数字经济夯实基础，吸引其他城市的企业进行数字技术交流与合作。
⑥金融发展水平对网络中心度的影响没有通过显著性检验。可能原因是，面对数字经济企业的高风险创新活动，以银行为主导的金融机构为了控制风险融资会提出更苛刻的要求，因此数字经济企业更加依赖市场融资。
为深入探究数字经济高水平和低水平城市之间网络地位影响因素的异质性，本文根据《中国城市数字经济发展蓝皮书（2021）》中的数字经济城市分类体系，将一线、新一线和二线城市划分为数字经济高水平城市，将三线和四线城市划分为数字经济低水平城市。高水平城市通常是省会城市以及直辖市，具备明显的传统优势，低水平城市大多数为非省会城市，经济发展水平低，城市规模小，缺乏传统优势。本文继续采用负二项回归方法探索两类城市在网络中心度影响因素方面的差异。回归结果显示（表1）：
①数字经济发展高水平城市，行政等级、经济发展水平、数字技术以及国内市场对提升网络中心度存在正向影响，国外市场和产业政策则不会影响这类城市的网络中心度。
②数字经济发展低水平城市，行政等级、国外市场以及产业政策对提升网络中心度存在正向影响，数字技术、国内市场和经济发展水平则不存在影响。
总体而言，数字经济发展高水平城市的国内市场影响通过显著性检验，低水平城市则是国外市场的影响，这从侧面反映出低水平城市自身的消费能力不足，难以通过内部市场吸引数字经济企业集聚。数字技术仅对高水平城市起作用，产业政策则仅对低水平城市起作用，吸引其他地区分支机构是数字经济低水平城市嵌入网络的主要方式，说明数字经济企业分支机构向低水平城市扩散过程中更多是受到产业政策吸引，并不是为了数字技术合作。

4 结论与讨论

4.1 结论

本文基于数字经济头部企业内部联系刻画中国城市数字经济网络结构，结果发现数字经济改变了中国城市网络结构，网络呈现出更加开放和极化的特征[7,17-19]，大多数城市融入网络，但是网络资源的控制权集中在更少数城市，这可能导致数字经济时代中国区域发展更加不均衡。在此基础上还得到以下结论：
①数字经济网络分布呈现东密西疏的空间不均衡特征，形成以“北京—上海—深圳”为顶点的三角形网络骨架，并未表现出在金融业、高级生产性服务业以及制造业视角下的“菱形结构”。
②城市出度、中介中心度呈现明显的首位分布特征，北京控制和支配网络的力度远大于其他城市，这意味着网络资源的控制权愈发集中在少数城市，城市之间存在获取网络资源的数字鸿沟。城市入度相对均衡，很大程度上仍遵循已有的城市等级体系。相较于工业经济时代，杭州、长沙、乌鲁木齐等城市的网络中心度得到明显提升。
③行政等级、经济发展水平、数字技术、国内外市场以及产业政策对城市数字经济网络中心度具有显著的正向影响，且对数字经济发展水平不同的城市的影响存在明显差异。数字技术对提升数字经济发展高水平城市的网络中心度具有非常重要的作用，对低水平城市则没有影响，产业政策可以提升数字经济发展低水平城市的网络中心度，但对高水平城市不产生作用。

4.2 讨论

首先，本文对中国发展数字经济具有一定的借鉴意义。结果显示西部地区城市没有成为数字经济网络骨干的顶点，这可能会导致西部地区在数字经济时代再度被边缘化。因此，西部地区应积极培育具有全国影响力的数字经济企业，同时还要广泛吸引其他地区头部企业的分支机构，避免出现因数字经济而扩大东、西部地区之间经济发展差距的情况。
其次，知识、技术以及数据等要素的高流动性增加了城市网络连通度在数字经济时代的重要性。数字经济发展落后的中小城市往往处于网络边缘，对于这类城市，地方政府应积极出台相关的产业政策，刺激中小城市在广泛的数字经济网络中寻找合适的产业资源和潜在市场，进而促进数字经济快速发展。数字经济发展水平高的城市则更应聚焦数字技术创新，这有利于其提升网络中心度，促进数字经济进一步发展。
此外，本文也存在一定的局限性。①由于总部与分支机构之间的具体联系强度难以准确衡量，本文仅通过分支机构的类型将其简单划分为两级，可能会强化或者弱化城市之间真实的联系强度。②本文仅使用单一年份数据，缺乏对城市数字经济网络的动态演化分析。在新型经济形态发展初期总会出现集聚的状况，但随着时间的推移，可能会出现扩散的趋势，未来可以跟踪研究城市数字经济网络，使数字技术对城市网络的影响更具普适性。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Berry B J L. Cities as systems within systems of cities[J]. Papers of the Regional Science, 1964, 13(1):146-163.

[2]
Ducruet C, Lee S W. Frontline soldiers of globalisation:Port-city evolution and regional competition[J]. GeoJournal, 2006,67:107-122.

[3]
Storper L M. The economic geography of the Internet age[J]. Journal of International Business Studies, 2001, 32(4):641-665.

[4]
Clark D. Book Review:Telecommunications and the City:Electronic Spaces,Urban Places[J]. Progress in Human Geography, 1997, 21(2):289.

[5]
Townsend A M. The Internet and the rise of the new network cities,1969-1999[J]. Environment and Planning B:Planning and Design, 2001, 28(1):39-58.

[6]
Zook M A. Old hierarchies or new networks of centrality? The global geography of the internet content market[J]. American Behavioral Scientist, 2001, 44(10):1679-1696.

[7]
汪明峰, 宁越敏. 城市的网络优势——中国互联网骨干网络结构与节点可达性分析[J]. 地理研究, 2006(2):193-203.

[8]
安同良, 杨晨. 互联网重塑中国经济地理格局:微观机制与宏观效应[J]. 经济研究, 2020, 55(2):4-19.

[9]
许宪春, 张美慧. 中国数字经济规模测算研究——基于国际比较的视角[J]. 中国工业经济, 2020(5):23-41.

[10]
荆文君, 孙宝文. 数字经济促进经济高质量发展:一个理论分析框架[J]. 经济学家, 2019(2):66-73.

[11]
盛科荣, 张红霞, 佀丹丹. 中国城市网络中心性的空间格局及影响因素[J]. 地理科学, 2018, 38(8):1256-1265.

DOI

[12]
邓慧慧, 刘宇佳, 王强. 中国数字技术城市网络的空间结构研究——兼论网络型城市群建设[J] 中国工业经济, 2022 (9):121-139.

[13]
Goolsbee A. In a world without borders:The impact of taxes on Internet commerce[J]. The Quarterly Journal of Economics, 2000, 115(2):561-576.

[14]
Leamer E E, Storper L M. The Economic Geography of the Internet Age[J]. Journal of International Business Studies, 2001,32:641-665.

[15]
胡艳, 栗明钰, 唐睿. 长三角数字经济网络结构特征及影响因素[J]. 华东经济管理, 2022, 36(12):26-34.

[16]
赵放, 刘雨佳. 中国数字经济的联系强度,空间结构与发展策略[J]. 山西大学学报:哲学社会科学版, 2021, 44(4):99-108.

[17]
Zhao M, Liu X, Derudder B, et al. Mapping producer services networks in mainland Chinese cities[J]. Urban Studies, 2014, 52(16):3018-3034.

[18]
Zhao X, Su J, Chao J, et al. The character and economic preference of city network of China:A study based on the Chinese Global Fortune 500 Enterprises[J]. Complexity, 2020(1):4312578.

[19]
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):19-27.

[20]
戚聿东, 肖旭. 数字经济时代的企业管理变革[J]. 管理世界, 2020, 36(6):135-152.

[21]
许宪春, 胡亚茹, 张美慧. 数字经济增长测算与数据生产要素统计核算问题研究[J]. 中国科学院院刊, 2022, 37(10):1410-1417.

[22]
胡鞍钢, 王蔚, 周绍杰, 等. 中国开创“新经济”——从缩小“数字鸿沟”到收获“数字红利”[J]. 国家行政学院学报, 2016(3):4-13.

[23]
中国企业评价协会. 2020中国新经济企业500强发展报告[R/OL]. http://www.ceea500.org.cn/news/bangdannew/2020.

[24]
Ma D, Zhu Q. Innovation in emerging economies:Research on the digital economy driving high-quality green development[J]. Journal of Business Research, 2022,145:801-813.

[25]
刘军. 整体网分析:UCINET软件实用指南(第2版)[M]. 上海: 格致出版社/上海人民出版社, 2014.

[26]
胡良平. 过离散计数资料负二项分布模型回归分析[J]. 四川精神卫生, 2018, 31(5):399-404.

[27]
Castells M, Blackwell C. The information age:Economy,society and culture. Volume 1:The rise of the network society[J]. Environment and Planning B:Planning and Design, 1998,25:631-636.

[28]
张道涵, 马述忠. 从传统营商环境到数字营商环境:内涵,评估与影响[J]. 上海商学院学报, 2022, 23(5):3-16.

[29]
张敬文, 童锦瑶. 数字经济产业政策,市场竞争与企业创新质量[J]. 北京工业大学学报:社会科学版, 2023, 23(1):125-136.

[30]
盛科荣, 张红霞, 佀丹丹. 中国城市网络中心性的空间格局及影响因素[J]. 地理科学, 2018, 38(8):1256-1265.

DOI

[31]
Zhu H S, Su D, Yao F. Spatio-temporal differences in economicsecurity of the prefecture-level cities in Qinghai-Tibet Plateau region of China:Based on a triple-dimension analytical framework of economic geography[J]. International Journal of Environmental Research and Public Health, 2022, 19(17):10605.

[32]
汪彩玲. 地区外贸依存度的内涵及测算方法探讨[J]. 统计与决策, 2017(3):17-20.

Options
文章导航

/

〈 〉