EN中文

经济地理 >

2025 , Vol. 45 >Issue 7: 126 - 135

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.07.013

产业经济与创新发展

国内大循环视角下中国城市生产网络结构演化与影响因素

  • 周建平 , 1, 2 ,
  • 徐维祥 , 1, 2, ※ ,
  • 郭加新 1, 2 ,
  • 刘程军 3 ,
  • 徐静 4
展开
  • 1.浙江工业大学 经济学院，中国浙江 杭州 310023
  • 2.浙江工业大学 现代化产业体系研究院，中国浙江 杭州 310023
  • 3.浙江工业大学 之江学院，中国浙江 绍兴 312030
  • 4.华洋·浙江工业大学创新研究院，中国浙江 杭州 310023
※徐维祥（1963—），男，博士，教授，博士生导师，研究方向为产业经济。E-mail:

周建平（1995—），男，博士，助理研究员，研究方向为区域经济。E-mail：

收稿日期: 2024-12-17

  修回日期: 2025-07-08

  网络出版日期: 2025-08-28

基金资助

国家社会科学基金后期资助项目(24FJYB075)

浙江省社会科学界联合会研究课题(2025B079)

教育部人文社会科学规划基金项目(22YJC790073)

教育部人文社会科学规划基金项目(23YJA790069)

浙江省属高校基本科研业务费专项资金(GB202502011)

收起

Evolution and Influencing Factors of Urban Production Network Structure from the Perspective of Domestic Circulation

  • ZHOU Jianping , 1, 2 ,
  • XU Weixiang , 1, 2, ※ ,
  • GUO Jiaxin 1, 2 ,
  • LIU Chengjun 3 ,
  • XU Jing 4
Expand
  • 1. School of Economics，Zhejiang University of Technology，Hangzhou 310023，Zhejiang，China
  • 2. Institute for Industrial System Modernization，Zhejiang University of Technology，Hangzhou 310023，Zhejiang，China
  • 3. Zhijiang College，Zhejiang University of Technology，Shaoxing 312030，Zhejiang，China
  • 4. Huayang-Zhejiang University of Technology Innovation Research Institute，Hangzhou 310023，Zhejiang，China

Received date: 2024-12-17

  Revised date: 2025-07-08

  Online published: 2025-08-28

Fold

摘要

打通城市间生产要素流动的堵点已成为推动国内大循环畅通的关键路径。文章通过分析2012、2015和2017年城市层面的投入产出数据，运用社会网络分析方法、模体分析方法、随机游走网络聚类算法及指数随机图模型，探究了中国城市生产网络的结构特征和影响因素。 结果表明：①中国城市生产网络具有明显的区域异质性特征，多中心分布趋势明显。东部城市在网络中占核心地位，而且沿海发达地区与内陆地区建立了紧密的产业链合作关系。②生产网络社团的群落特性突出，如珠三角、长三角和环渤海等区域网络连接尤为紧密。从微观结构来看，聚集型模块结构成为网络内生形成的主要模式。③网络节点属性中的河流密度、公路交通、政府支持、数字技术创新、工业智能化和产业升级对生产网络的形成表现出积极作用，而且生产网络的形成与空间邻接性、文化距离和创新合作网络存在显著的依赖关系。

关键词： 城市生产网络; 国内大循环; 网络结构; 文化距离; 工业智能化; 数字技术创新; ERGM模型

本文引用格式

周建平 , 徐维祥 , 郭加新 , 刘程军 , 徐静 . 国内大循环视角下中国城市生产网络结构演化与影响因素[J]. 经济地理, 2025 , 45(7) : 126 -135 . DOI: 10.15957/j.cnki.jjdl.2025.07.013

Abstract

Breaking through the bottlenecks in the flow of production factors between cities has become a key path to promote the smooth circulation of the domestic economy. By analyzing the latest input-output data at the city level, this study explores the structural characteristics and influencing factors of China's urban production network based on social network analysis methods, model analysis methods, random walk network clustering algorithms, and exponential random graph models (ERGM). The following conclusion can be drawn: 1) Urban production networks have obvious regional heterogeneity characteristics, with a clear trend of multi center distribution. Eastern cities occupy a central position in the network, and developed coastal areas have established close industrial chain cooperation with inland areas. 2) The community characteristics of production network communities are prominent, with particularly tight network connections in regions such as the Pearl River Delta, Yangtze River Delta, and Bohai Rim. From a microscopic perspective, clustered modular structures have become the main mode of endogenous network formation. 3) The river density, road traffic, government support, digital technology innovation, industrial intelligence, and industrial upgrading in the attributes of network nodes have a positive effect on the formation of production networks, and the formation of production networks is significantly dependent on spatial adjacency, cultural distance, and innovation cooperation networks.

Key words： urban production network; domestic economic cycle; network structure; cultural distance; industrial digitalization; digital technology innovation; ERGM model

当今世界正处于动荡的变革期，曾助力中国经济深度融入全球经济体系的要素禀赋和经济优势正面临减退风险。在此背景下，加快构建以国内大循环为主体、国内国际双循环相互促进的新发展格局，是党中央积极面对当前形势做出的重大战略决策。而以国内大循环为主体的新发展格局构建的核心在于产业要素循环。因此，需要优化国内生产网络，增强产业链供应链自主可控能力[1]，确保经济循环的顺畅[2]。与此同时，城市已成为国内及国际双循环中的关键节点[3]，应充分打通城市间生产、流通、消费和分配环节的堵点。本文从国内大循环的角度出发，分析城市生产网络的结构特征及其影响因素，这对于国内市场循环结构的优化具有重要的现实意义。
随着双循环新发展格局这一构想被提出，区域经济学及地理学者开始广泛关注双循环相关研究：①国内国际双循环发展水平的测算。科学测度国内国际双循环及其对中国经济增长的贡献，有助于理解和认识构建新发展格局[4]。现有文献主要使用投入产出模型[5]、结构分解模型[4]等对双循环发展水平进行分析。②双循环发展的影响机制。学者们在政府政策[3]、市场化水平[6]、技术创新[7]等维度展开分析。③网络视角下双循环发展特征。学者们主要通过投入产出数据展开分析，如有学者识别部门冲击在双循环生产网络中的传播与衰减特征[1]，也有学者探讨中国“外循环”前向依赖网络特征[8]。
与此同时，学者对生产网络的研究也不断增加[9]，主要从以下方面展开：①在生产网络的特征及布局方面，主要从全球生产网络[10]、产品生产网络[11]以及“区域—产业”二维制造业生产网络[12]等视角展开分析。②在生产网络的影响因素方面，胡翠等[13]通过对人工智能作用的分析，发现随着工业机器人应用程度上升，全球生产网络结构更加均衡；赵晓斐等[14]从数字化影响出发，发现制造业投入数字化通过降低交易成本、延长生产长度和释放消费潜力3条途径显著提高了国内生产网络关联水平。③在生产网络的影响效应方面，学者们主要从生产网络福利效应[15-16]、经济影响效应[17]、技术溢出效应[18]等视角展开分析。
从现有研究演进脉络来看，针对双循环的研究范式正经历从“地方空间”框架向网络“流空间”视角的转变，基于生产网络维度解构城市循环体系已成为经济地理领域重要的突破方向。现有双循环相关文献主要聚焦于区域或城市节点展开双循环发展水平测算、影响机制探讨、实现路径及发展模式分析[5-6,19]，而对国内大循环的网络化解析仍显薄弱。特别是在新发展格局下，城市生产网络的空间组织形态深刻影响着要素配置效率与产业升级路径，其结构演化与演化机制的研究具有重要理论价值。通过文献的系统梳理发现，当前研究存在以下亟待突破的缺口：一方面，国内大循环作为经济系统自我迭代升级的重要载体[20]，其特有的结构特征尚未在现有分析框架中得到充分阐释；另一方面，城市作为生产要素空间流转的关键枢纽，其网络节点功能与空间互动效应对畅通国内大循环的战略支点作用没有得到充分探讨。此外，现有文献中的影响因素研究偏重城市节点属性，对网络内生演化规律与外生网络影响的实证探讨也有待完善。值得注意的是，中间品流通网络呈现出生产环节的产业技术关联与空间分工的结构特征[12]，能够映射出区域经济系统的循环机制，为解构城市生产网络提供了独特的分析视角。因此，本文基于城市层面的中间品投入产出数据，剖析国内大循环视角下生产网络的结构及特征，并从网络内部结构、网络节点属性以及外生网络效应等方面探究城市生产网络形成的影响因素，以期为优化国内大循环格局、推动城市分工与要素流转的政策提供有益的科学支撑。

1 研究方法、变量设定与数据来源

1.1 研究模型

1.1.1 城市生产网络构建

经济学的生产网络模型从广义和狭义两个层次分别定义了生产网络[12]。其中，广义的生产网络是指一个包含多个生产者和消费者之间相互联系和相互依赖的复杂网络系统，包括中间产品与最终产品在内的全部产品的生产、交换以及消费积累情况。狭义的生产网络则更侧重于描述一个特定产业或企业内部的生产关系和流程，不同的生产环节和部门之间相互协作，共同完成产品或服务。本文参考相关研究[12,21]做法，主要关注中间品的投入产出网络。中间品作为生产过程中的半成品，其网络特征可以反映出城市间的产业链条和分工情况，其流动性则可以反映出生产过程的分布和流动。计算公式如下：
P r o d u c t i o n i j = I g 11 I g 12 … I g 1 n I g 21 I g 22 … I g 21 … … … … I g n 1 I g n 2 … I g n n
式中： P r o d u c t i o n i j表示城市i与城市j之间的联系值；n表示研究的城市总数； I g表示中间品投入值。

1.1.2 网络中心度计算模型

网络的结构中心性主要是基于社会网络分析方法中的中心度测度方法计算得到的。其中，度数中心度是一种能直观反映节点中心性的指数，它是根据网络中节点连接数来确定的；接近中心度是根据节点在网络中与其他节点距离来判断的，该测度可以反映节点与其他节点的联系程度；中间中心度可以反映节点在网络中对资源控制的能力，如果某节点处于许多其他点的最短途径上，可认为该点的资源控制能力较高。具体公式参考相关文献[22]。

1.1.3 模体分析法

模体分析能够挖掘网络的局部结构信息以及节点集之间元素的交互模式，探究网络中的微观组成模式。在模体分析中，Z值能够判断某一模体在真实网络中的重要性，其计算公式[23]如下：
Z i = N r e a l i - N r a n d i σ r a n d i
式中： N r e a l i表示模体i在实际网络中出现的次数； N r a n d i表示模体i在随机网络中出现的次数； σ r a n d i表示标准差。

1.1.4 随机游走网络聚类算法

随机游走网络聚类算法是基于图论的算法，依靠模拟随机游走过程来探索网络结构的聚类特征。该算法的基本思想是随机游走更有可能停留在高密度的节点群组内，因为在这些群组内有更多的路径可以游走。在城市网络分析中，该算法可以帮助我们理解城市之间如何形成紧密的群组或社区，而相比与其他网络聚类算法，其在聚类速度和聚类精度上具有明显优势。具体公式参考相关文献[23]。

1.1.5 ERGM模型

在网络统计学领域，指数随机图模型（ERGM）受到了地理学及经济学者的关注与青睐。作为社会网络分析的新兴工具，该方法专注于揭示网络关系的形成机制，并打破了传统统计方法中的独立性假设，巧妙地融合了多样化的微观网络结构，以探究网络之间错综复杂的依存关系。它通过最大伪似然估计法来拟合模型，经过一系列的评估、模拟、诊断、比较及优化步骤，不断对模型参数进行修正。相比于传统计量模型，该模型对于分析网络关联数据的影响因素具有一定的优势，能综合分析网络结构组织、网络节点属性以及外生网络的影响。ERGM的基本形式[24]如下：
P θ Y = y = 1 k e x p ∑ H θ H g H y
式中：设定随机图 G = ( V , E )， Y i j = Y j t表示V中节点i和j之间存在一条边，H表示一种构型，其定义为G的一个节点子集中节点之间可能的边的集合； g H y = ∏ y i j ∈ H y i j。

1.2 数据来源

本文所用的城市间投入产出表来源于CEADs数据库，最新数据跨度为2012、2015和2017年。需要说明的是，一方面该数据以中国省际间投入产出表、中国海关数据库和中国各城市统计年鉴等数据为依托，运用熵值模型构建而成[25]，在国内城市层面的投入产出表发布中较为完整和可靠，能够反映特定时段内经济活动的基本规律；另一方面，该数据的时间间隔较为合理，既能够反映出短期内经济变化的动态，又能避免过于依赖单一年度数据导致的偶然性误差。同时，2012—2017年是中国经济转型的关键期，该时期的投入产出数据能够有效揭示经济结构变动、产业融合及政策调整对城市生产网络结构的影响，因而在参考相关研究[12,26]做法并考虑数据可得性及国内网络分布均衡性后，使用2012、2015和2017年的273个城市作为研究对象。影响因素变量数据主要来源于《中国城市统计年鉴》以及各省份的统计局网站；工业机器人数据来源于IFR数据库。

2 城市生产网络格局演化与结构特征

2.1 网络格局演化特征

为了更为清晰展示中国各城市之间生产网络的空间关联特征，根据自然断点法将中国各城市之间中间品投入值分为强联系、较强联系、一般联系、较弱联系及弱联系5个等级，绘制2012、2015和2017年中国城市生产网络图（图1）。从中看出，2012年中国各城市之间生产网络呈现出多中心结构，而且中心城市向外部散射的特征明显，强联系主要分布于各城市群地区，较强联系与强联系具有一定的空间依赖性。具体来说，城市生产网络的强联系主要集中在东部沿海地区，关联特征较为简单，但较强联系的结构更为复杂，表现出东中西协同分布特征。2015年，强联系逐步向中西部拓展，这表明沿海发达地区作为中国出口产品的主要生产基地，与内陆地区形成了密切的上下游协作关系。如长三角、珠三角等地通过大量获取中西部地区的原材料和中间产品，进行深度加工后再出口到海外市场。到2017年，城市间生产网络的东中西联系交织特征更为明显，虽然东部地区仍然是复杂网络的集聚地，但是京津冀地区、长三角地区、粤港澳大湾区、长江中游和成渝城市群形成了稳固的“钻石型”结构特征，城市间的生产要素资源的空间流动性不断增强。总体而言，城市间生产网络表现出如下特征：①生产网络格局逐渐呈现出分工趋势，东中西各城市的联系逐渐加深；②“一带一路”建设对生产网络形成新的格局影响，通过基础设施建设和产业合作，中西部地区加工制造业得到发展，与沿海地区的贸易联系更加频繁。这加快了内陆省份与外部市场的融合进程。
图1 中国城市生产网络演化

注：基于自然资源部标准地图服务网站下载的审图号为GS（2020）4618的标准地图制作，底图边界无修改。

Fig.1 Evolution pattern of urban production network

2.2 网络中心度趋势特征

本文基于Ucinet软件计算城市间生产网络的中心度，然后利用趋势面分析法探究网络中心度的空间分异趋势。由图2可知：①从城市生产网络的度数中心度趋势看，2012年东西方向上表现出自东向西逐渐下降的趋势，在南北方向上则表现出倒“U”型趋势，但演变至2017年，南北方向上表现出自南向北的下降趋势。可能原因是，以深圳、东莞等城市为代表的高新技术产业聚集区，产生更多高新技术和精密加工的中间品需求，带动了这些地区与相关上下游城市间的中间品流通量不断增长。而且这些核心城市导入大量外资，承接更高端产业链环节，与外围城市形成分工，由此导致南部的网络度数中心度位势更高。②从接近中心度趋势看，2012年的核心城市的趋势分布较为明显，占据主导地位，但演变至2017年，其他城市逐渐崛起，二、三线城市纷纷崛起为区域性中心，这反映了中国制造业向中西部地区的转移，也使得更多城市被纳入生产价值链中。③从中间中心度趋势看，2012年南北方向及东西方向上的趋势均较为平缓，但演进至2017年，北京、重庆、上海、杭州、宁波、郑州、深圳、绍兴、苏州、佛山等城市的中间中心度排前十位，反映出这些城市在生产网络中对资源要素的控制的能力较强。
图2 中国城市生产网络中心度分布演变

Fig.2 Trend of multi centrality in production networks

2.3 网络聚类特征

本文使用R语言的igraph包中的随机游走算法，展开中国城市间生产网络的网络聚类分析，以此探究网络社团的结构特征。然后，基于Gephi软件将聚类结果进行可视化处理。由图3可知，从网络社团形态看，中国城市生产网络呈现出由一个大型网络社团与几个小型网络社团组成的特征。一方面，在社团组成上二、三线城市逐渐崛起，成为区域性中心。尽管大型网络社团的城市多达上百个，但在地理空间上高度分散，没有绝对的中心城市，任意两个城市通过中间品贸易存在潜在联系路径，这是由于中国地域辽阔，区域间形成产业联系，促成了紧密的跨区域关联。另一方面，网络具有复杂的社团群落结构，按照产业和位置可以划分出珠三角、长三角、环渤海等多个产业群落区域，网络在这些区域内部连接更加密集。这反映了地理近邻和产业关联是促成中间品贸易的两个关键因素。总体而言，2012—2017年中国城市间的中间品贸易网络日益复杂化，既保持高度开放性，同时依托产业联系形成区域小网络，网络范式呈现出从局域网到规模自由网络的转变。
图3 2012、2015和2017年中国城市生产网络的社团划分

Fig.3 Community division of urban production network in 2012, 2015, 2017

2.4 网络模体特征

本文利用模体分析方法对网络组织模式进行探究（表1）。结果显示，中国城市生产网络的微观结构整体变化较小，其中模体36、模体164、模体166、模体38以及模体6是生产网络的重要组成结构，除了模体166、模体38外，其他结构均为三节点开放式结构，这表明城市节点间供给传递是网络形成的关键模式。具体来看，模体36是出现频率最高的微观结构，平均出现频率均在0.500以上，而且P值为0，这表明该微观网络结构对城市生产网络形成具有重要的作用，这一结构主要表现出两个节点向另一个核心节点传导的特征，反映出城市生产网络中核心节点的聚集性是网络形成的重要因素。模体164出现的频率也较高，达到了0.170以上，但是P值为1.000，这表明该模体结构虽然是城市生产网络的重要组成，但对网络形成未发挥显著作用。模体166和模体38的结构表现出多节点相互传导的封闭特征，但是出现的频率相对较低。总体而言，城市生产网络的微观结构在保持变化，但是封闭式传导的模体结构出现频率仍然较低，以模体36为主导的聚集型模体结构是网络形成的重要内生力。
表1 城市生产网络模体结构及频率

Tab.1 Model structure and frequency of urban production network

ID Motif 2012年 2015年 2017年
Frequency p值 Frequency p值 Frequency p值
36 0.517 0.000 0.555 0.000 0.513 0.000
164 0.176 1.000 0.175 1.000 0.173 1.000
166 0.057 0.000 0.060 0.000 0.070 0.000
38 0.055 0.997 0.046 1.000 0.058 0.996
6 0.049 1.000 0.035 0.000 0.040 0.000
46 0.038 0.000 0.029 1.000 0.037 0.000
14 0.034 1.000 0.026 1.000 0.028 1.000
12 0.022 0.000 0.022 0.000 0.028 1.000
174 0.019 0.061 0.018 1.000 0.021 0.997
238 0.017 0.000 0.016 0.000 0.017 0.000

3 影响因素分析

3.1 城市生产网络形成的理论分析

3.1.1 网络内部结构对城市生产网络形成的作用

城市生产网络的内生结构是指网络内部各个构成要素自发形成的联系模式，网络结构的演化是由多重因素共同影响的，其中最为核心的是生产网络中各区域之间的相互作用关系。国内大循环强调在国内市场中实现资源的高效配置和自主创新的推动，这一大背景下，中国城市生产网络的形成更加依赖于国内各个节点的相互依存与协作。一些研究表明，网络的形成过程并非随机，而是受到现有网络结构的显著影响，导致最终形成的网络受特定微观构型的驱动[23]。这些结构源自网络内部的互动过程，构成了网络发展的内在动力，也被称为网络的自组织效应[27]。在网络内部结构中，城市节点之间通过合作、交易及信息流动等方式建立起复杂的联系，形成密集而复杂的网络结构，使得信息、资源及知识等要素能够在网络中快速流动。国内大循环视角下，城市生产网络的内生结构具有更强的适应性和灵活性。一方面，随着外部条件的变化，网络内的节点和链接会持续进行调整和优化，以满足新的生产要求和市场动态。另一方面，内生结构呈现出适应性调整的特性，能够根据国内大循环的需求变化，持续推动各个城市生产网络的效率提升与创新能力的提升。

3.1.2 网络节点属性对城市生产网络形成的作用

网络节点属性在城市生产网络的形成与演化中发挥着重要的作用。一方面，不同的节点具有差异化的属性，这决定了它们在网络中的角色和地位[28]。如经济规模较大、技术较先进的城市通常在网络中扮演核心角色。它们吸引着周边城市的资源汇聚，引领着产业升级和技术创新，是国内大循环中重要的枢纽节点。节点的属性不仅影响了节点自身的发展，也影响了整个网络的结构和功能[29]，与国内大循环中资源配置效率的要求相契合。另一方面，城市生产网络中节点的能力和资源具有互补性。具有不同能力和资源的城市节点通过合作和交流，能够实现资源和能力的共享和互补，从而提高整个网络的效率和创新能力[30]。因此，节点属性效应对城市生产网络的形成具有重要的驱动作用，它通过影响节点的角色定位、能力与资源的互补以及战略定位等方面，不断推动着城市生产网络的发展和优化。

3.1.3 外生网络对城市生产网络形成的作用

在国内大循环框架下，内外部经济要素的联系至关重要。外生网络作为连接不同区域的纽带，突破了本地范畴，不仅成为地方发展的关键动力，还在城市生产网络的构建中发挥着重要作用。从空间邻接网络看，地理位置相近的城市之间，可以共享交通、物流等基础设施，降低生产成本和运输成本，从而提高生产效率[23]。这有助于促进城市间的产业协同和合作，形成更高效的生产网络。从创新邻近网络看，创新发展水平邻近可以促进不同城市间的技术交流和合作，推动新技术的研发和应用，为城市生产网络的发展注入新的活力[24]。从文化邻近网络看，文化邻近增强了城市间的文化认同和合作意愿，具有相似文化背景的城市之间，更容易建立信任和合作关系，共同推动城市生产网络的发展[31]。从经济邻近网络看，具有相似经济发展水平和经济结构的城市之间，更容易形成互补性的产业结构和合作模式，实现资源的优化配置和共享[32]。从高铁交通网络看，交通网络的完善压缩了城市间的时间距离，加速了生产要素的流通，让城市生产联系更为紧密。因此，外生网络相互作用、相互影响，共同推动了城市生产网络的形成和发展。城市生产网络形成的理论逻辑如图4所示。
图4 城市生产网络形成的理论逻辑

Fig.4 Formation logic of urban production network circulation

3.2 影响因素的变量设定

3.2.1 被解释变量

本文使用的被解释变量为城市间生产网络的关联关系。需要说明的是，在进行模型估计前参考相关研究[24]方法，将网络进行二值化处理。

3.2.2 解释变量

指数随机图模型中添加的变量可以为内生结构变量、节点属性、外部网络等多种影响因素[27]。本文所使用的解释变量见表2。
表2 城市生产网络的影响因素变量及说明

Tab.2 Explanation of the driving mechanism variables of urban production networks

驱动因素 结构变量 结构示意图 变量含义 机制 解释
内生结构变量 edges 边数 基础效应 类似于常数项
mutual 互惠性 互惠性 城市间是否倾向于形成交互关系
节点属性效应 river 河流密度 马太效应 河流密度大的城市是否越倾向于产生产业关联
altitude 城市海拔 马太效应 城市海拔高的城市是否越倾向于产生产业关联
highway 公路发展 马太效应 公路发展水平越高的城市是否越倾向于产生产业关联
population 人口密度 马太效应 人口密度高的城市是否越倾向于产生产业关联
govern 政府支持 马太效应 政府支持程度高的城市是否越倾向于产生产业关联
open 对外开放 马太效应 对外开放程度高的城市是否越倾向于产生产业关联
digital 数字技术创新 马太效应 数字技术创新水平高的城市是否越倾向于产生产业关联
intelligence 工业智能化 马太效应 工业智能化程度大的城市是否倾向于产生产业关联
indust 产业高级化 马太效应 产业高级化水平高的城市是否倾向于产生产业关联
entrepr 创业活跃度 马太效应 创业活跃度高的城市是否越倾向于产生产业关联
外生网络效应 space 空间邻接网络 外部网络依赖 生产网络与空间邻接关联网络是否具有依赖性
culture 文化距离网络 外部网络依赖 生产网络文化距离网络是否具有依赖性
economy 经济距离网络 外部网络依赖 生产网络与经济距离网络是否具有依赖性
innovate 创新协作网络 外部网络依赖 生产网络与创新协作网络是否具有依赖性
highrail 高铁交通网络 外部网络依赖 生产网络与高铁交通网络是否具有依赖性
从解释变量内生结构变量看，该变量指的是关联网络中能分析出影响城市间生产网络形成概率的特殊内生结构。本文考虑网络的边数、交互性对城市间生产网络的影响。
从解释变量节点属性效应看，基于相关文献[28-30]，本文选取了自然因素、经济社会因素以及产业发展因素。在自然因素方面，选取了河流密度及城市海拔，其中河流密度通过河流长度/城市面积（km/km2）来衡量，城市海拔使用城市平均海拔（m）来衡量。在经济社会因素方面，公路发展使用人均道路面积（km2/人）来表征，人口密度使用城市年末人口数量/城市面积（人/km2）来衡量，政府支持使用政府财政支出（亿元）来衡量，对外开放则通过城市当年实际使用外资金额（万美元）来衡量。在产业发展因素方面，数字技术创新水平使用城市数字经济领域专利数量（项）来表征，工业智能化主要通过城市工业机器人安装密度来衡量，产业高级化指数则参考相关文献[33]计算而得，创业活跃度使用城市每万人新增企业数量（个/万人）来衡量。
从解释变量外生网络效应看，本文选取了空间邻接网络、文化距离网络、经济距离网络以及创新协作网络来探究不同类型的网络与城市间生产网络之间的相互依赖性。其中，空间邻接网络主要根据城市间是否邻接来判断，文化距离网络主要基于相关文献[34]的方言数据进行构建，经济距离矩阵基于城市间的经济发展水平差距来判断，创新协作网络则参考相关文献[27]基于Web of Science的科研合作数据来构建，高铁交通网络主要基于城市间高铁所有路线最短通勤时间来构建。

3.3 影响因素结果分析

本文运用R语言中的statenet程序包进行指数随机图模型估计。表3展示了2012、2015和2017年的ERGM模型分析结果。需要说明的是，模型Ⅰ是包含内生网络结构及节点属性效应的变量，而模型Ⅱ则在模型Ⅰ的基础上加入了外生网络效应。
表3 ERGM模型结果

Tab.3 ERGM model results

变量 2012年 2015年 2017年
模型Ⅰ 模型Ⅱ 模型Ⅰ 模型Ⅱ 模型Ⅰ 模型Ⅱ
edges -3.035*** -3.266*** -3.098*** -3.333*** -2.817*** -3.118***
mutual 1.726*** 1.274*** 1.786*** 1.354*** 1.638*** 1.079***
river 0.135*** 0.102*** 0.095*** 0.052** 0.054*** -0.008
altitude 0.040** 0.041** -0.064*** -0.084*** 0.037** 0.033*
highway 0.045** 0.059*** 0.093*** 0.107*** 0.123*** 0.135***
population -0.084*** -0.124*** 0.060** 0.043* -0.077*** -0.112***
govern 0.229*** 0.257*** 0.300*** 0.342*** 0.295*** 0.341***
open 0.295*** 0.347*** 0.257*** 0.291*** 0.252*** 0.314***
digital 0.649*** 0.751*** 0.415*** 0.475*** 0.519*** 0.611***
intelligence 0.110*** 0.177*** 0.176*** 0.251*** 0.123*** 0.210***
indust -0.041** -0.034 0.142*** 0.179*** 0.111*** 0.165***
entrepr 0.002 0.010 -0.019 -0.031 -0.057*** -0.064***
space 2.093*** 1.996*** 2.109***
culture 1.238*** 1.272*** 1.566***
economy -0.049 0.086 0.393
innovate 0.0015*** 0.001*** 0.001***
highrail 0.001 0.001 0.001
AIC 48961 45187 49065 45388 50691 45975
BIC 49072 45344 49175 45544 50802 46127

注：***、**、*分别代表1%、5%、10%的显著性水平。

3.3.1 网络内部结构

在2012、2015和2017年的结果中，edges变量均通过1%显著性检验，该变量与回归模型中的常数项作用接近，反映出城市生产网络中节点形成关系的基本倾向；该变量显著则表明城市生产网络形成不具有随机性，而是具备明确的组织模式。Mutual变量系数为正，且通过了1%的显著性检验，该变量反映城市生产网络中节点是否倾向于形成交互关系，这表明城市生产网络的节点交互倾向是网络形成的重要驱动力，但在模型Ⅰ和模型Ⅱ中该变量系数具有一定的差异性，模型Ⅰ中的系数明显大于模型Ⅱ中的系数，可能原因在于在外生网络作用下，节点交互性在城市生产网络形成中的作用变小。

3.3.2 节点属性效应

从自然因素看，河流密度（river）在2012、2015和2017年回归中除了2017年的模型Ⅱ外，其他均通过了显著性检验，而且系数为正，这表明河流密度高的城市间更倾向于形成网络关系。一方面，河流密度高的城市交通更为便捷，货物能够借助水路实现快速、低成本的运输，进而推动了城市间的贸易与物流往来；另一方面，河流密度高的城市更具城市规模发展优势，通常具备更大的市场规模与消费需求，可实现规模经济效应，促进城市间的合作与分工。城市海拔变量（altitude）在3年回归中的结果不太稳定，其中在2015年的回归中系数显著为负，但是在2012和2017年的回归中该变量显著为正。
从经济社会因素看，公路发展（highway）在2012、2015和2017年的回归中均显著为正，这表明公路交通发展水平高的城市会更倾向于与其他城市形成生产网络关系。究其原因，完善的公路基础设施不仅能够显著降低企业之间的物流成本，提高区域间的经济协作效率，而且还有助于促进信息和人才的流动，进一步促进城市间的产业互动。人口密度（population）在2012和2017年的回归中均显著为负，这表明城市人口密度高反而会抑制城市间形成生产网络关系。这可能是因为高人口密度意味着高昂的土地和空间成本，企业和生产者需支付更高的租金和房价，从而增加企业成本和负担，降低企业竞争力和生产效率，进而抑制生产网络的形成。政府支持（govern）在所有模型均通过显著性检验，而且系数为正，这可能是因为政府支持推动基础设施建设以降低企业的运营成本和交易成本，推动城市间形成生产网络关系。对外开放（open）在所有模型中均显著为正，这表明对外开放程度高会促进城市间形成生产网络关系。通过与其他国家或地区的贸易和合作，城市可以接触到更广阔的市场，拓展销售渠道，增加产品和服务的需求，强化了城市间形成生产网络关系的动力。
从产业发展因素看，数字技术创新（digital）在所有模型中均显著为正，这表明数字技术的创新水平越高，越有助于城市间形成紧密的产业关联关系。究其原因，数字技术降低了企业间的信息搜寻成本和交易成本，促进了跨区域的市场拓展和合作机会，从而加强了城市间的产业关联。工业智能化（intelligence）在2012、2015和2017年的回归中均显著为正，这表明工业智能化水平会提升城市间形成中间品贸易关系的概率。工业智能化可以促进信息共享和协同合作，通过智能化的生产系统和数据分析，企业得以实时获取和共享生产数据、市场信息和供应链信息，这可以促进不同城市的企业之间建立合作关系。产业高级化（indust）则从2012年的负向作用转变为2017年的正向作用，可能是因为随着产业高级化水平的提升，不同城市会形成各自的专业化产业集群，每个城市在特定领域具备独特的技术、资源和经验优势。这使得城市间的合作可以实现专业化分工合作，提高整体效率和竞争力，使得生产网络加速形成。创业活跃度（entrepr）在2017年表现出显著的负向作用，这表明城市创业水平提升反而会抑制城市之间形成中间品贸易关系。城市创业水平提升可能导致资源的分散和竞争加剧。当多个城市都在争夺相同的资源，资源的供给可能会变得有限，从而限制了城市之间形成产业供给关系的发展。

3.3.3 外生网络效应

从网络依赖性看，空间邻接网络（space）的系数显著为正，这表明城市生产网络与地理空间表现出较强的依赖性，即城市邻近意味着资源共享更加便利，城市之间可以共享劳动力、原材料、技术和市场等资源，从而提高生产效率和经济效益。而且资源共享的便利性促使城市生产网络的形成，加强了城市之间的依赖性。文化距离矩阵（culture）的系数显著为正，这说明城市生产网络与文化网络表现出较强的相关性。究其原因，城市生产网络的发展和运作需要有效的沟通和交流渠道，文化距离接近为城市生产网络提供了交流基础，能够促进城市间各个产业部门的合作和协调。经济距离矩阵（economy）未表现出显著作用。创新协作网络（innovate）表现出与生产网络之间存在显著的依赖性，两者相互促进和支持，通过合作和交流来推动创新和发展，这反映了创新网络和经济之间的紧密联系。高铁交通网络（highrail）变量系数未通过显著性检验，这表明城市生产网络与高铁网络未表现出显著的依赖性，可能是因为相较于公路运输，高铁网络的布局和发展可能滞后于区域经济结构的调整，在一定程度上未能与城市生产网络的需求形成有效匹配。

4 结论与讨论

4.1 结论

本文利用2012、2015和2017年城市层面的投入产出数据，深入分析了国内大循环背景下生产网络的结构和特性。在此基础上，通过中间品的投入产出关系，揭示了生产网络的结构特征，并从网络内部结构、节点特性以及外生网络效应等多个维度探讨了城市生产网络形成的影响因素。主要结论如下：①中国城市间的生产网络展现出多中心的格局，随着时间的推移，东、中、西部地区的协同分布特征日益凸显，且沿海发达地区与内陆地区之间形成了紧密的产业链合作关系。尽管如此，东部城市在网络中仍然占据着核心位置，对资源和要素的控制能力较强。②国内生产网络社团的群落特征明显，呈现出由大型网络社团与几个小型网络社团组成的特征，按照产业和位置可以划分出珠三角、长三角、环渤海等多个产业群落区域，网络在社团内部连接更加密集。而从微观结构来看，聚集型模体结构是网络形成的主要内生力。③从节点属性效应来看，自然因素、经济社会因素及产业因素均对生产网络形成产生影响，其中河流密度、公路交通、政府支持、数字技术创新、工业智能化及产业高级化的正向作用较为明显。针对外生网络效应，空间邻接网络、文化距离网络及创新协作网络与城市生产网络表现出显著的依赖性。

4.2 讨论

本文将国内大循环具象化为可观测的网络拓扑结构，构建“网络结构—影响因素”为体系的分析框架，通过城市层面投入产出数据的深度挖掘，系统解析了国内大循环中生产网络的空间分异规律以及影响因素。在理论方面，为丰富城市网络理论及流空间理论做出了贡献。已有许多研究关注了生产网络的演化与形成过程[10-11,13,35]，但在全球化受阻、国内市场日益重要的情况下，本文将研究视角从国内大循环视角切入，关注国内产业关联与区域分工，为推动国内大循环为主体的新发展格局的形成提供了理论依据和科学支撑。在研究发现上，本文揭示的城市生产网络空间分异规律与部分关于生产网络格局形成的研究结论接近[12-14]，但本文发现的网络形成影响因素中包含了网络内部结构、节点属性效应以及外生网络效应，该多维度解释框架为理解复杂城市生产网络的形成机制提供了更全面的理论解释。
同时，基于前文结论，为了优化生产网络的结构，提高城市生产流通效率和产业竞争力，本文提出如下建议：①强化跨区域产业链合作，推动多地区协调发展。一是需要制定政策鼓励沿海发达地区与内陆地区之间的产业链对接，通过财税优惠、产业引导基金等手段支持内陆地区的产业升级和技术改造，促进沿海地区的先进制造业和高技术服务业向内陆扩散；二是建立跨区域产业合作平台，促进信息共享、技术交流和人才流动，加强东中西部地区的协同发展，实现资源共享和优势互补。②完善区域性产业集群的培育，激发网络优化的内生动力。一是政府应通过扶持性政策促进不同区域产业集群的协同发展，推动珠三角、长三角、环渤海等地区产业集群的技术创新与信息共享；二是应鼓励地方政府和企业之间的合作，推动更加紧密的产业链条和创新链条的形成，以增强整体生产网络的竞争力；三是加强对创新型龙头企业的支持，鼓励其在生产网络中发挥技术引领作用。③优化城市基础设施建设，提升网络枢纽的综合服务能力。一是政府需优化对基础设施建设的投资，提升交通网络密度和便利性；二是政府应鼓励不同城市在空间、文化和创新等方面的合作，构建跨区域的创新协作平台，增强各区域之间的互利合作，促进生产网络的优化和升级，提升整个生产网络的效率和竞争力。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
王群勇, 李月, 薛彦. 国内国际双循环生产网络的冲击传播:特征与模拟[J]. 中国工业经济, 2023(7):26-45.

[2]
Bigio S, La'o J. Distortions in production networks[J]. The Quarterly Journal of Economics, 2020, 135(4):2187-2253.

[3]
李艳梅, 付丽媛, 迟远英. 北京绿色低碳循环发展与双循环新发展格局互动关系的实证研究[J]. 经济地理, 2024, 44(11):24-32,72.

DOI

[4]
王欠欠, 田野. 中国经济双循环的测度及增长结构分解[J]. 经济学动态, 2022(11):58-74.

[5]
黄仁全, 李村璞. 中国经济国内国际双循环的测度及增长动力研究[J]. 数量经济技术经济研究, 2022, 39(8):80-99.

[6]
刘程军, 陈亦婷, 陈秋驹, 等. 中国双循环协调发展水平演化及其驱动机制[J]. 经济地理, 2022, 42(11):1-8.

DOI

[7]
赵文举, 张曾莲. 创新驱动、 数字普惠金融与经济双循环互动效应实证研究[J]. 软科学, 2023, 37(1):1-8.

[8]
干春晖, 高录问, 蔡均. 中国“外循环”前向依赖网络结构特征及上游断裂风险传导路径研究[J]. 国际经贸探索, 2023, 39(9):49-64.

[9]
Carvalho V M, Tahbaz-Salehi A. Production networks:A primer[J]. Annual Review of Economics, 2019, 11(1):635-663.

[10]
刘维林. 新发展格局下全球生产网络与劳动报酬份额变动[J]. 经济研究, 2022, 57(10):86-102.

[11]
陈肖飞, 杜景新, 李元为, 等. GPN视角下华为手机生产网络特征与影响因素研究[J]. 地理研究, 2024, 43(1):51-65.

DOI

[12]
乔晓楠, 蒲佩芝, 李欣. 国内大循环中的制造业生产网络:结构、动因与影响[J]. 社会科学, 2023(12):137-150.

[13]
胡翠, 王宁. 工业机器人与全球生产网络演化——基于量化结构模型方法的研究[J]. 中国工业经济, 2024(1):93-111.

[14]
赵晓斐, 刘斌. 制造业投入数字化与国内生产网络关联[J]. 国际贸易问题, 2023(8):38-53.

[15]
张亮, 邱斌, 吴腊梅. 中国企业中间品全球采购的福利效应——基于企业异质性与国内生产网络的视角[J]. 国际贸易问题, 2023(12):18-37.

[16]
倪红福. 生产网络结构、减税降费与福利效应[J]. 世界经济, 2021, 44(1):25-53.

[17]
Atalay E. How important are sectoral shocks?[J]. American Economic Journal:Macroeconomics, 2017, 9(4):254-280.

[18]
刘维林, 程倩. 数字产业渗透、全球生产网络与非对称技术溢出[J]. 中国工业经济, 2023(3):96-114.

[19]
汪建新, 杨晨. 促进国内国际双循环有效联动的模式、机制与路径[J]. 经济学家, 2021(8):42-52.

[20]
张洪胜, 杜雨彤, 张小龙. 产业数字化与国内大循环[J]. 经济研究, 2024, 59(5):97-115.

[21]
Chen Q, Gao Y, Pei J, et al. China's domestic production networks[J]. China Economic Review, 2022, 72:101767.

[22]
王凯, 刘美伦. 中国省际共同富裕空间关联网络结构及驱动机制[J]. 经济地理, 2024, 44(7):1-12.

DOI

[23]
周建平, 刘程军, 徐维祥, 等. 电子商务背景下快递企业物流网络结构及自组织效应——以中通快递为例[J]. 经济地理, 2021, 41(2):103-112.

DOI

[24]
徐维祥, 周建平, 周梦瑶, 等. 长三角协同创新网络韧性演化及驱动机制研究[J]. 科技进步与对策, 2022, 39(3):40-49.

DOI

[25]
Zheng H, Többen J, Dietzenbacher E, et al. Entropy-based Chinese city-level MRIO table framework[J]. Economic Systems Research, 2022, 34(4):519-544.

[26]
冯晓华, 邱思远. 中国城市国内国际双循环测度及影响因素[J]. 地理学报, 2023, 78(8):2019-2040.

DOI

[27]
戴靓, 刘承良, 王嵩, 等. 长三角城市科研合作的邻近性与自组织性[J]. 地理研究, 2022, 41(9):2499-2515.

DOI

[28]
Park J, Barabási A L. Distribution of node characteristics in complex networks[J]. Proceedings of the National Academy of Sciences, 2007, 104(46):17916-17920.

[29]
唐晓彬, 张岩, 王亚男, 等. “一带一路”沿线国家贸易网络关联与群体影响机制研究[J]. 统计研究, 2023, 40(12):91-105.

[30]
Gong Y, Sun H, Wang Z, et al. Spatial correlation network pattern and evolution mechanism of natural gas consumption in China—Complex network-based ERGM model[J]. Energy, 2023, 285:129400.

[31]
孔翔, 胡泽鹏. 文化邻近对“一带一路”沿线国家间科研合作强度的影响[J]. 地理研究, 2022, 41(8):2092-2108.

DOI

[32]
郑江淮, 戴玮. 中国技术空间雁行式变迁缩小了地区经济差异吗——基于地区间技术邻近度的假说和实证[J]. 财贸经济, 2021, 42(12):133-149.

[33]
袁航, 朱承亮. 国家高新区推动了中国产业结构转型升级吗[J]. 中国工业经济, 2018(8):60-77.

[34]
刘毓芸, 徐现祥, 肖泽凯. 劳动力跨方言流动的倒U型模式[J]. 经济研究, 2015, 50(10):134-146,162.

[35]
杨志浩. 中间品贸易网络地位的节能效应——来自中国工业企业的证据[J]. 国际贸易问题, 2023(4):142-157.

Options
文章导航

/

〈 〉