Dynamics and Mechanisms of the Spatial Structure of Urban Network in China：A Study Based on the Corporate Networks of Top 500 Public Companies

SHENG Kerong; WANG Yunjing; FAN Jie

doi:10.15957/j.cnki.jjdl.2019.11.011

2019 , Vol. 39 >Issue 11: 84 - 93

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.11.011

Dynamics and Mechanisms of the Spatial Structure of Urban Network in China：A Study Based on the Corporate Networks of Top 500 Public Companies

SHENG Kerong ^,¹ ,
WANG Yunjing ¹ ,
FAN Jie ²

Expand

1. School of Economics，Shandong University of Technology，Zibo 255000，Shandong，China
2. Institute of Geographic Sciences and Natural Resources Research，Chinese Academy of Sciences，Beijing 100101，China

Received date: 2019-01-28

Revised date: 2019-04-25

Online published: 2025-04-17

Fold

Abstract

Over the past few years, fragmentation of production has renewed interest in the place and role of cities within regional economic system. Through the lens of corporate network of China’s top 500 public companies in 2016, the evolution characteristics and its mechanisms of the spatial structure of urban network from 2005 to 2015 were examined. Three conclusions are drawn. First, the degree of city linkage in China has been significantly enhanced, but the network relationship exhibits obvious spatial orientation, path dependence and hierarchical structure characteristics, which leads to the evolution of the spatial structure presenting a "core-periphery" mode. Second, economic scale, political status, knowledge capital and network facilities have significantly positive effects on network structure evolution, outdegree activity, indegree popularity and outdegree popularity have profound effects on degree centrality evolution, and reciprocity, 2-paths, transitive triplets and the link patterns formed in history are also important factors influencing network links. Third, preferred linkage, network closure and network proximity, which can be interpreted the observable results of sharing key resources and reducing transaction costs in production fragmentation, are the basic dynamic mechanisms, while the path dependence mechanism, stemming from the agglomeration economy in the location selection of enterprise value chain, tends to strengthen the urban network pattern formed historically. This paper will deepen the understanding of the evolution law of urban network, and provide scientific reference for the adjustment of urbanization policy and urban governance system in China under the network development environment.

Key words： urban network; evolution mechanisms; China’s top 500 public companies; geographical proximity; agglomeration economy; path dependence; "core-periphery" mode

Cite this article

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[J]. Economic geography, 2019 , 39(11) : 84 -93 . DOI: 10.15957/j.cnki.jjdl.2019.11.011

改革开放以来，一大批大型本土企业成长为中国产业经济的重要支撑力量。与此同时，这些大型企业越来越多地将原本垂直一体化的产品价值链分割为不同的环节、区段并将其分散布局在不同的城市。生产分割（production fragmentation）深刻地改变了中国城市体系的组织方式，建立在产品价值链分工基础上的中国城市网络日益浮现^[1-2]。在这种背景下，基于企业网络视角的中国城市网络组织规律的研究引起了学术界的关注^[3]。相对于“交通流”、“信息流”视角的城市网络研究，基于大型企业组织视角的城市网络空间格局往往呈现不同的特征，这个视角的研究将为加强不同类型城市网络的综合比较分析奠定基础，也将为经济（企业）地理和城市地理的学科融合提供一个新颖的分析框架^[2]。

相关的研究沿着两个脉络展开：大量的文献集中在基于横截面数据对城市网络结构特征解析方面，如王成等、赵新正等、蒋小荣等分别基于不同类型企业网络研究了全国层面上城市网络的空间格局^[4⇓-6]，路旭等、李仙德则分别解析了珠三角和长三角地区的城市网络联系特征^[7-8]；另一些学者开始关注城市网络动态过程的研究，如吴康系统研究了中国城市网络空间结构的演化特征^[9]，赵渺希等、朱查松等分别剖析了京津冀和长三角地区城市功能联系的演化过程^[10-11]。但是城市网络空间结构在本质上是一个动态过程，前者无法获得城市网络演化规律的有洞察力的结果，后者还主要停留在对城市网络格局的统计性描述阶段。总体来看，基于企业网络视角的城市网络研究正处在发展阶段，客观上要求加强一般演化规律的归纳和发育机理的识别，为建立城市网络空间结构的演化模式奠定基础。

基于以上考虑，本文利用2016年中国上市公司500强企业网络构和隶属联系模型建起2005、2010和2015年3个时期的中国城市网络，解析生产分割环境下中国城市网络空间结构的演化特征，采用二次指派程序（quadratic assignment procedure，QAP）和随机行动者模型（stochastic actor-oriented models，SAOMs）定量识别城市网络演化的影响因素和动力机制，并讨论流动空间中城市网络空间结构演化机理和传统场所空间中“点—轴”系统模式发育机理的区别。本文期待为建立和完善城市网络理论体系提供借鉴，并为网络发展环境下中国城市化政策和治理模式的修订提供参考。

1 数据与方法

1.1 城市网络的构建

本文基于2016年中国上市公司500强企业数据，采用公司总部—分支机构的“隶属联系模型”来识别界定城市间链接关系^[12]。本文中上市公司500强企业名单来自“财富中文网”，企业样本涵盖了金融、石油、房地产、汽车、计算机、零售、家电、化学等中国经济的主要行业，500强企业总营业收入占到当年全国GDP的41.35%。企业分支机构的数据主要根据“启信宝”网站提供的关系族谱数据整理（该网站提供了分支机构的行业类型、注册时间等信息），部分在港交所和境外上市的企业分支机构数据来自公司年报。本文中的城市样本为中国大陆294个地级行政区——包括三沙市之外的292个地级市，以及香港特别行政区（86家上市公司的总部基地）和昌吉回族自治州（特变电工股份有限公司的总部所在地）。最后在城市层面将这500家企业形成的城市邻接矩阵进行加总，建立起2005、2010和2015年3个时期的294×294的有向多值城市网络矩阵。

1.2 城市网络发育机理的计量方法

在基于企业网络构建的城市网络中，城市链接关系的生长发育是产品价值链区位选择动态过程的宏观表现形式。从这个意义上说，政治资源、市场规模、地理区位、交易成本等那些在微观上影响产品价值链空间布局的因素从根本上决定着城市网络的演化特征^{[13⇓⇓-16]}。另一方面，社会网络的大量研究也揭示同类性（homophily）、邻近性（proximity）、偏好依附（preferential attachment）等机制深刻影响着组织间合作关系的概率^{[17⇓⇓-20]}。基于上述考虑，本文通过二次指派程序（QAP）^[21-22]和随机行动者模型（SAOMs）^[23]两个相互补充的计量模型来识别生产分割环境下中国城市网络空间结构演化的影响因素和动力机制。其中，QAP程序能够对权重网络进行计量分析，能够解析城市属性对城市间链接强度和关系广度的影响机理，但是不能够揭示内生网络结构效应的影响机理；SAOMs只能定量识别二值邻接关系网络的影响因素，因此该模型不能揭示城市间链接强度的影响因素，但是可以解析内生网络结构效应的影响以及城市属性变量对链接关系广度的影响。QAP分析基于Ucinet软件实现^[24]，SAOMs分析基于R程序扩展包R Siena（3.2）实现。

1.2.1 二次指派程序

QAP回归模型中被解释变量分别为2010和2015年城市网络有向多值关系矩阵。QAP回归模型中选取了三类解释变量（表1）：一是城市属性特征，包括经济规模（GDP）、政治权力（capital）和知识资本（knowledge），用以检验择优链接机制对城市网络空间结构的影响；二是地理空间效应，包括空间距离（distance）、航空设施（passenger）、电信设施（telecom）和东部地区虚拟变量（east），用以检验网络邻近效应对城市间链接关系发育的影响；三是时间滞后变量（2005lag），仅包括2005年的城市网络有向多值关系矩阵，用以检验偏好依附效应在中国城市网络关联格局演化中的作用。香港的数据来自2011和2016年《香港统计年刊》，其他城市属性数据均来自《中国城市统计年鉴》^[25]。综合考虑数据获取的限制及运算简洁性的要求，本文选取了城市度数等级体系上截尾部分的263个城市作为QAP的分析样本。QAP回归分析建立在城市属性关系矩阵的基础上。本文中，capital和east两个变量按照最小值方法分别转换为城市属性关系矩阵，即在一对城市中只要有一个城市的属性编码为0，则在该属性关系矩阵中这对城市对应的关系值标记为0，否则标记为1；GDP、knowledge、distance、passenger和telecom 5个变量首先进行二值化处理（高于平均值的数值重新标记为1，低于平均值的数值标记为0），然后重复上述方法转换为属性关系邻接矩阵。

表1 QAP回归模型中变量设定

Tab.1 Variables in QAP regression models

指标	构建方法
GDP	市辖区地区生产总值（亿元）
capital	直辖市、省会城市、计划单列市和香港均赋值为1，其他城市赋值为0
knowledge	市辖区万人科学研究、技术服务人数与全市人均地方财政科学技术支出（元）的乘积
distance	城市之间的直线距离（km）
passenger	全市民用航空客运量（万人）
telecom	全市电信业务收入（亿元）
east	东部地区的城市被编码为1，其他地区的城市编码为0

注：东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南等11个省（市）。

1.2.2 随机行动者模型

在SAOMs中，被解释变量为2005、2010和2015年三个时期的城市网络矩阵。①综合考虑SAOMs的收敛性和简洁性要求，本文选取了度中心性分布体系中的上截尾部分城市构成的子网络作为分析样本——在多次试验后，上截尾部分城市最终确定为2005年城市度数高于11的115个城市。②由于R Siena（3.2）中被解释变量只能是二值关系邻接矩阵，本文以1为截断值对作为权重矩阵的子网络进行了二值化处理——高于1的值重新编码为1，低于1的值编码为0。最终，SAOMs中的被解释变量确定为115×115的二值网络矩阵。

在SAOMs中，网络演化过程被目标方程（objective function）和速度方程（rate function）两个函数所刻画。在演化目标方程中，解释变量分为五种类型（表2）。一是网络基本效应，包括密度效应（density）和互惠链接（reciprocity）2个变量。其中，密度效应反映了城市网络链接关系发育的基本倾向；互惠链接是大量社会网络关系的重要特征，本文预计互惠链接效应对城市网络关系生长具有正向影响。二是度中心性效应，包括出度扩张效应（outdegree activity）、入度聚敛效应（indegree popularity）和出度聚敛效应（outdegree popularity）3个变量，用以检验偏好依附机制对城市网络中心性演化特征的影响。三是三方关系效应，包括2-路径（transitive ties）、传递三方组（transitive triplets）和循环三方组（3-cycles）3个变量，用以检验三方关系特别是网络闭合机制（作为行动者共享网络资源和应对不确定性环境的结果）对城市网络演化可能产生的影响。四是地理区位效应，仅包括作为协关系变量（dyadic covariate）的城市欧式距离矩阵，用以检验流动空间环境下地理距离对城市网络关系的影响。城市欧式距离矩阵进行了最大值标准化处理，并划分为0~9共10个等级。五是行动者—关系效应，包括发送者效应（covariate ego）、接收者效应（covariate alter）和趋同效应（连续属性变量的covariate similarity以及分类属性变量的same covariate）3个变量，用以考察城市属性特征对城市发出、接收关系的倾向或者城市间链接关系格局的影响。城市属性变量选取了经济规模（GDP）、政治资源（capital）和东部地区虚拟变量（east），数据来源和定义方法与QAP回归模型中相同，GDP变量进行了最大值标准化处理。

表2 SAOMs中的网络效应和假设检验

Tab.2 Network effects and testing hypothesis in SAOMs

网络效应[SIENA代码]	公式	假设检验
密度效应[density]	$∑ j x i j$	城市网络关系是否为随机过程的结果?
互惠链接[recip]	$∑ j x i j x j i$	城市i和j之间是否存在互惠性链接关系?
出度扩张效应[outActSqrt]	$x i + x i +$	是否出度值较高的城市倾向于发送更多的关系?
入度聚敛效应[inPopSqrt]	$∑ j x i j x + j$	是否入度值较高的城市倾向于接收更多的关系?
出度聚敛效应[outPopSqrt]	$∑ j x i j x j +$	是否出度值较高的城市倾向于接收更多的关系?
2-路径[transTies]	$∑ h x i h m a x j x i j x j h$	城市网络中是否具有较多传递性链接关系?
传递三方组[transTrip]	$∑ j, h x i h x i j x j h$	城市网络链接关系是否具有传递性闭合倾向?
循环三方组[cycle3]	$∑ j, h x i j x j h x h i$	城市网络链接关系是否具有循环闭合倾向?
地理距离协关系变量[X]	$∑ j x i j w i j$	地理距离是否制约着城市之间发送关系的倾向?
发送者效应[egoX]	$∑ j x i j v i$	是否属性值X较高的城市倾向于发送更多关系?
接收者效应[altX]	$∑ j x i j v j$	是否属性值X较高的城市倾向于发送接收关系?
趋同性（连续变量）[simX]	$∑ j x i j s i m i j - s i m ¯$	是否属性值X相似的城市间倾向于建立更多联系?
趋同性（分类变量）[sameX]	$∑ j x i j I v i = v j$	是否类型X相同的城市间倾向于建立更多联系?

注：x代表城市的网络关系状态，i和j代表城市节点， $x i j$ =1表示城市i向城市j发出链接关系， $x i j$ =0表示不存在城市i向城市j的链接关系；v和w分别代表属性变量和地理距离协关系变量（dyadic covariates）； $s i m i j$ 的表达式为 $1 - v i - v j / ∆$ ，其中 $∆ = m a x i j v i - v j$ ；如果 $v i = v j$ ，则 $I v i = v j = 1$ ，否则 $I v i = v j = 1$ 。

2 中国城市网络空间结构的演化特征

2005—2015年，中国城市网络空间结构演化呈现出4个显著特征：

一是城市网络的关联程度显著增强，网络链接关系向纵深方向发展（图1）。城市间有向链接关系数量从2005年的4 887条分别增长到2010年的7 702条和2015年的12 896条——已经存在链接关系的1 596对城市之间增加了6 112条有向链接关系，占到网络新增有向连接关系总数的73.558%；“深圳→贵阳”、“南京→南通”等原先缺乏联系的1 339对城市之间建立起2 197条有向链接关系，占新增链接关系比重的26.442%。城市网络的密度和可达性不断提升，网络平均密度、路径长度、紧凑度（compactness）和离散度（breadth）分别由2005年的0.0509、2.362、0.152、0.848变化到2010年的0.0705、2.242、0.178、0.822和2015年的0.1347、2.022、0.196、0.804。凝聚子群的数量和规模也在日益增长——3-派系的数量由2005年的27个增加到2015年的32个，4-派系由9个增长到37个，5-派系由9个增加到30个，6（及以上）-派系由10个增加到42个。总体来看，2005—2015年，中国城市网络链接关系在自我加强的同时向更加宽广的地理空间拓展。

显示原图|下载原图ZIP|生成PPT

图1 2005和2015年中国城市网络关联格局（连接强度大于10）

注：该图基于自然资源部标准地图（审图号为GS（2016）2892 号）绘制，底图无修改。

Fig.1 The linkage patterns of urban network in China in 2005 and 2015（links above 10）

二是城市网络演化具有空间指向和路径依赖特征，传统核心城市发挥着主导作用。网络中心性较高的城市大多数是区域城市群的核心城市和传统意义上的权力中心^[26]，如京津冀城市群的北京、天津、石家庄，长三角城市群的上海、南京、杭州，珠江三角洲城市群的香港、广州、深圳，山东半岛城市群的济南、青岛，辽中南城市群的沈阳、大连，海峡西岸城市群的福州、厦门，成渝城市群的成都、重庆（图1）。进一步分析表明，凝聚子群也主要由传统城市体系中上截尾部分的城市组成：北京、上海、香港、广州、深圳、南京、武汉等核心城市之间建立起大量互惠性的链接关系，而绝大多数的中小城市之间缺乏网络联系；北京—上海、北京—深圳、上海—深圳、上海—杭州等城市对成为大多数派系的组成部分，推动城市网络上截尾部分呈现出周围较密集封闭、多个子群共享相同底边的结构。这种城市网络空间指向性格局呈现路径依赖的特征：2005年度数较高的城市在2015年也具有较高的中心性，2005和2015年出度、入度、度数的相关系数分别为0.9865、0.9773、0.9903；2005年链接强度较高的城市对在2010和2015年持续保持着较高的链接强度，2005和2010年、2010和2015年城市间链接强度的相关系数分别为0.9750、0.9451。

三是城市网络呈现持续的分层结构特征，但是网络中心势趋于下降（表3）。本文构建首位度、10城市指数、赫芬达尔—赫希曼指数（Herfindahl-Hirschman Index）3个指标测度中国城市网络中心性的演化特征^①。分析结果揭示了一个明显集中但缓慢下降的中心性体系：3个测度指标分别由2005年的0.1665、0.5397、0.0543演化为2015年的0.1459、0.5064、0.0496，其中出度的3个测度指标分别由0.2662、0.7412、0.1331演化为0.2352、0.7176、0.1323，入度的3个测度指标分别由0.0793、0.3381、0.021演化为0.0704、0.2953、0.0173。城市链接关系格局的演化也呈现类似的特征。链接强度最大的前20个城市对的链接关系总量占比由2005年的22%下降到2010年的19%和2015年的18%。凝聚子群分析结果进一步揭示了链接关系层级分化的演化特征。2005年的城市网络存在4种分区：4-核子群由北京、上海、福州、厦门等9个城市构成，3-核子群由13个城市构成——包括4-核的9个城市以及杭州、嘉兴、昆明、沈阳等度数较低的4个城市，以此类推，2-核子群有21个城市，1-核子群由34个城市；2015年的城市网络演化为5种分区：5-核子群由16个城市组成——包括2005年的4-核子群以及新进入的烟台、长沙、杭州和济南等7个城市，4-核子群主要由2005年的3-核子群吸纳郑州、佛山、大连、青岛等城市演化而来，3-核子群包含了36个城市，2-核子群包含了47个城市，1-核子群包含了79个城市。

表3 中国城市网络的层级分化

Tab.3 Hierarchical differentiation of urban network in China

2005年		2015年		2005年		2015年
城市	度数（%）	城市	度数（%）	城市对	关系数量（%）	城市对	关系数量（%）
北京	1 617（16.65）	北京	4 052（14.59）	香港—广州	113（2.46）	香港—上海	277（2.15）
香港	1 073（11.05）	香港	3 579（12.89）	北京—上海	113（2.46）	香港—北京	238（1.85）
上海	730（7.52）	上海	1 676（6.03）	香港—北京	94（2.05）	香港—广州	229（1.78）
深圳	550（5.66）	深圳	1 534（5.52）	香港—上海	88（1.92）	北京—上海	214（1.66）
广州	364（3.75）	广州	860（3.10）	香港—深圳	69（1.50）	香港—深圳	170（1.32）
武汉	210（2.16）	杭州	553（1.99）	北京—深圳	58（1.26）	北京—深圳	143（1.11）
杭州	195（2.01）	南京	472（1.70）	北京—武汉	43（0.94）	香港—天津	123（0.95）
南京	189（1.95）	武汉	461（1.66）	香港—天津	41（0.89）	香港—杭州	110（0.85）
天津	160（1.65）	天津	452（1.63）	北京—天津	41（0.89）	北京—天津	108（0.84）
重庆	154（1.59）	福州	425（1.53）	深圳—上海	40（0.87）	深圳—北京	96（0.74）

四是城市的网络地位不断分化，网络关系空间结构呈现“核心—边缘”演化特征。本文以3为截断值对城市网络矩阵进行二值化处理，在此基础上开展核心—边缘结构分析^[24]。表4报告了分析结果，分析结果揭示了一个日趋有序化和复杂化的中国城市网络“核心—边缘”结构体系。2005—2015年，核心地位的城市数量由22个增长到26个：北京、福州、广州、杭州等15个城市始终位于首位者地位，但是大同、鄂尔多斯、抚顺、青岛等7个城市退出核心地位，而保定、成都、嘉兴、重庆等11个城市进入核心序列。核心地位的城市形成凝聚子群并主导着网络关系的发育——2005和2015年核心地位城市内部的网络密度分别为0.210和0.292，远高于核心→边缘的网络密度（0.022和0.052）、边缘→核心的网络密度（0.001和0.007）以及边缘地区城市内部的网络密度（0.000和0.001）。进一步根据blocked adjacency matrix的分析结果将边缘地区的城市分为中介人（同时接收和发送关系的城市）、接收者（仅仅接收关系的城市）和孤立者（与外界缺乏联系的城市）3种地位类型。中介人地位的城市由12个增长到34个，潍坊、青岛、佛山、昆明等22个城市进入中介人序列，表明随着企业网络的演化，越来越多的城市提升了自己的网络权力和地位。位于接收者地位的城市由49个增长到121个，而孤立者地位的城市由211个下降为114个，表明越来越多的城市进入城市网络，从而发展成为城市网络中的节点（表4）。

表4 中国城市网络的核心—边缘结构

Tab.4 The core-peripheral structure in the urban network in China

地位	2005年		2015年
地位	城市名称	个数	城市名称	个数
核心	北京、上海、深圳、大连、福州、广州、杭州、济南、南京、宁波、厦门、苏州、天津、武汉、香港、大同、鄂尔多斯、抚顺、青岛、太原、长沙、长治	22	北京、上海、深圳、大连、福州、广州、杭州、济南、南京、宁波、厦门、苏州、天津、武汉、香港、保定、成都、邯郸、嘉兴、廊坊、南通、绍兴、温州、烟台、扬州、重庆	26
中介人	沈阳、石家庄、哈尔滨、长春、嘉兴、合肥、芜湖、黄石、襄阳、海口、绵阳、乌鲁木齐	12	沈阳、鞍山、太原、石家庄、长春、合肥、哈尔滨、昆明、唐山、宿迁、乌鲁木齐、芜湖、潍坊、青岛、佛山、海口、马鞍山、鄂尔多斯、三明、龙岩、南昌、鹰潭、郑州、济源、昆明、黄石、襄阳、长沙、惠州、揭阳、绵阳、西安、乌鲁木齐、拉萨	34
接收者	廊坊、唐山、锦州、辽阳、无锡、常州、南通、湖州、绍兴、金华、南昌、淄博、烟台、潍坊、宜昌等	49	临汾、抚顺、运城、锦州、张家口、云浮、淮安、盐城、湖州、贵阳、榆林、兰州、泉州、银川、淄博、威海、镇江、株洲等	121
孤立者	晋城、盘锦、铁岭、佳木斯、萍乡、九江、新余、黄冈等	211	通化、白山、安阳、鹤壁、保山、昭通、宣城、巴中、七台河、自贡等	114

3 中国城市网络空间结构的演化机理

表5和表6分别报告了QAP和SAOMs的分析结果。表5中2010和2015年QAP方程的R-square分别为0.673和0.896，表6中所有变量均收敛（t-ratio绝对值小于0.1），表明方程均取得了较好的拟合效果。QAP和SAOMs分析结果共同揭示了生产分割环境下中国城市网络空间结构的演化机理：

表5 中国城市网络演化机理的QAP回归结果

Tab.5 Parameter estimates of QAP regressions of urban network evolution in China

	2010年			2015年
	estimate	Proportion As arge	Proportion As mall	estimate	Proportion As arge	Proportion As mall
intercept	0.030979			0.017862
GDP	0.136118	0.025	0.975	0.074898	0.004	0.996
capital	0.684590	0.001	0.999	0.229219	0.002	0.998
knowledge	1.191708	0.001	0.999	0.199732	0.001	0.999
telecom	0.059971	0.064	0.936	0.061882	0.010	0.990
passenger	0.218588	0.018	0.982	0.133366	0.008	0.992
distance	-0.010307	0.997	0.003	-0.005484	0.993	0.007
east	0.102451	0.001	0.999	0.065492	0.001	0.999
2005 lag	0.617261	0.001	0.999	2.067167	0.001	0.999
R-square	0.673			0.896

注：estimate 为参数的拟合系数，Proportion As Large为随机重排实验中拟合系数大于实际观测值的概率，Proportion As Small为随机重排实验中拟合系数小于实际观测值的概率。

表6 中国城市网络演化机理的SAOMs分析结果

Tab.6 Parameter estimates of SAOMs of urban network evolution in China

	estimate	S.E.	t-ratio
Objective function
density	-0.3828	2.9766	-0.092
reciprocity	1.9647^*	0.2893	0.033
outdegree activity（sqrt）	1.2987^*	0.2726	0.037
indegree popularity（sqrt）	0.4410^*	0.1275	0.032
outdegree popularity（sqrt）	-0.9719^*	0.1778	0.030
transitive ties	2.7288^*	0.7960	-0.051
transitive triplets	0.2515^*	0.0486	0.016
3-cycles	-0.0419	0.0859	-0.039
distance （centered）	-0.3480^*	0.0569	-0.096
capital alter	1.8533^*	0.3559	0.021
capital ego	-0.2930	1.2853	0.060
same capital	-0.4488	0.2882	0.022
GDP alter	0.1030^*	0.0079	0.027
GDP ego	0.0036	0.0677	-0.000
GDP similarity	-2.9828^*	1.3768	0.005
east alter	-0.4512^*	0.2161	0.019
east ego	2.7496	7.4202	-0.058
same east	0.7325^*	0.2548	0.038
Rate function
effect GDP on rate	0.0072^*	0.0015	-0.027
effect capital on rate	1.3672^*	0.1201	-0.018
effect east on rate	0.4466^*	0.1351	-0.078
rate period 1	1.4181^*	0.0866
rate period 2	1.4315^*	0.0786

注：estimate为网络效应参数估计值；S.E.为参数估计值的标准误，参数估计值的绝对值大于两倍的标准误差代表相应的网络效应具有显著影响；t-ratio为模型收敛性指标，t-ratio的绝对值小于0.1代表参数收敛。

第一，择优链接机制是中国城市网络关联格局生长发育的内在动力。在QAP模型中，GDP、capital和knowledge变量的拟合系数均为正值且显著，说明综合考虑链接强度和广度的情况下，中国城市网络关系更多地发生在经济规模较大、政治资源丰富和知识资本密集的城市之间。在SOAMs中，GDP alter、capital alter、effect GDP on rate、effect capital on rate的系数为正值且显著，表明在不考虑链接强度的情况下，经济规模较大、政治资源丰富的城市倾向于在更大的地理范围内接收关系；GDP similarity的拟合系数为负值且显著，表明仅仅从链接广度的角度来看，经济规模差距较大的城市之间与期望值相比存在更多的链接关系。择优链接机制可以理解为企业价值链区位选择对关键资源依赖性的可观测结果：经济规模较大、政治资源丰富的城市拥有较大的市场规模、高素质的劳动力、更好信息和政策优势，将吸引更多的企业价值链区块、环节的集聚，这不仅导致了城市网络权力地位、城市间链接关系强度的等级分化，也导致了城市经济的职能分工——少数城市发展为网络中的命令和控制中心，另一些城市则发展成为制造业基地。这也意味着传统城市体系中的资源优势将进一步转化为网络竞争优势，在流动性空间里城市之间的发展差距倾向于进一步扩大。

第二，路径依赖机制构成了中国城市网络权力地位、链接强度等级分化的基本动力。SAOMs中outdegree activity（sqrt）、indegree popularity（sqrt）的拟合参数均为正值且显著，分析结果提供了城市度中心性体系发育过程中存在偏好依附机制的经验证据，即历史上行动者在度中心性体系中的位置深刻影响着当前行动者的度中心性特征；outdegree popularity（sqrt）的参数为负值且显著，表明从城市网络空间扩张的角度来看，城市在更大地域范围内发送关系并不意味着在更大地域范围内接收关系。QAP模型中2005 lag变量在两个时期的回归方程中也均为正值且显著，说明那些历史上具有较多联系的城市之间也倾向于产生更多的链接关系。城市网络发育过程中的路径依赖机制可以理解为企业价值链区位选择过程中集聚经济的宏观表现形式：企业生产链某个环节、区段一旦在特定城市布局，在知识外溢、中间产品共享、生活指数成本降低等因素的作用下，循环累积的因果关系就开始发挥作用，会吸引更多的产业链环节的集聚，这个过程不仅导致了那些历史上具有较高出度或入度的城市获得了更高的权力或声誉，还进一步强化了城市之间原有的链接关系。

第三，互惠链接和网络闭合机制深刻影响着中国城市网络关联格局的演化过程。SAOMs中reciprocity和transitive ties的系数均为正值且显著，说明与随机网络相比，中国城市网络拥有更多的互惠性和传递性链接关系。Transitive triplets的系数为正值而3-cycles的拟合系数为负值，说明网络闭合是以传递性闭合而不是循环闭合的形式出现。表6进一步给出了城市网络三方组的统计数量及其演变特征，从表7可以清晰看出，除了循环闭合三方组“A←B←C，A→C”的数量基本为0以外，其余包含互惠关系、传递性关系和传递性闭合关系的三方组数量均有较大幅度增长，例如“A→B→C”、“A→B←C，A↔C”的数量分别由2005年的144个和58个增长到2017年的575个和204个。分析结果与前面出度聚敛效应的拟合结果相一致，这说明城市网络不仅存在全局的等级分化趋势，而且也存在着局部等级分化趋势。互惠链接和网络闭合机制可以理解为企业网络共享稀缺资源和降低交易成本的可观测结果：企业价值链区块与城市资源的空间匹配是生产分割过程中城市网络生长发育的微观基础，由于关键资源集中分布在少数城市，这意味着更多的链接关系将发生在这些城市之间，这些城市之间形成了越来多的三方关系。互惠链接和网络闭合机制构成了前面所观察到的城市网络凝聚子群生长发育的动力机制，也是中国城市网络复杂性和有序性的基础。

表7 中国城市网络三方组统计量的规模（链接数量截断值为3）

Tab.7 The number of triad motifs in the urban network in China（cut-off vale of links is 3）

三方组类型	数量（个）			三方组类型	数量（个）
三方组类型	2005年	2010年	2015年	三方组类型	2005年	2010	2015
A，B，C	280 954	271 514	260 567	A→B←C，A→C	96	168	302
A→B，C	15 033	19 818	23 402	A←B←C，A→C	0	0	2
A↔B，C	2 026	2 904	5 404	A↔B↔C	98	210	566
A←B→C	3 135	5 738	8 071	A←B→C，A↔C	27	25	61
A→B←C	19	52	163	A→B←C，A↔C	58	137	204
A→B→C	144	213	575	A→B→C，A↔C	8	19	39
A↔B←C	33	63	246	A->B↔C，A↔C	20	61	167
A↔B→C	955	1 671	2 785	A↔B↔C，A↔C	15	28	67

第四，网络邻近和地理区位塑造着中国城市网络关系的演化格局。在SAOMs中，distance变量的拟合系数为负值且显著，表明相对于随机网络而言，中国城市网络链接关系具有更远的地理距离（图2）；在控制capital和GDP效应的情况下，east alter的系数为负值而same east的系数为正值，说明东部地区的城市之间更容易发生链接关系，而中西部地区的城市更多地与政治资源丰富和经济规模较大的城市之间产生联系。在QAP中，distance的拟合系数均为负值且显著，再次验证了城市网络关系无关于空间距离的特性^①；telecom、passenger、east变量的拟合系数均为正值且显著，表明在考虑链接强度的情况下，那些具有更好网络基础设施、更优越地理区位的城市之间倾向于产生更多的链接关系。分析结果表明，随着场所空间（space of place）向流动空间（space of flows）转型，网络可达性取代了地理邻近性，成为城市经济联系的重要影响因素。在网络环境下，那些拥有关键资源的城市将得到更多的关注，传统城市体系中的资源优势将进一步转化为城市网络竞争力，这使得中国城市网络发育呈现出等级扩散、择优链接的特征。这也意味着，城市网络在给那些具有资源优势的城市带来更多发展机会的同时，也倾向于扩大城市间经济的发展差距。

显示原图|下载原图ZIP|生成PPT

图2 中国城市间关系数量和地理距离散点图

Fig.2 The scatter map of links against distance in China

4 相关讨论

根据上述分析结果，择优链接、网络邻近、偏好依附、互惠链接、网络闭合等构成了生产分割环境下城市网络空间结构的发育机理。在基于企业网络构建的城市网络中，这些机制反映了企业价值链生产分割中的资源依赖和交易成本的相互冲突。在这些演化机理中，择优链接是城市网络发育的第一推动力，这是企业价值链将不同环节与不同资源禀赋进行匹配的内在要求，它决定了城市网络关联格局的潜在规模；网络邻近和闭合机制效应源于交易成本的约束，网络可达性的增强将提高城市的网络地位和链接关系数量，而网络闭合倾向可以理解为城市间形成的2-路径间接联系导致一种直接关系的缩短路径行为的结果；偏好依附机制源于技术外溢、中间产品共享等集聚经济，城市网络趋于自我强化——那些拥有较高网络中心性的城市将形成更大的权力和声誉，拥有较高链接强度的城市点对之间将形成更多的链接关系。这四种机制相互作用，共同导致了中国城市网络空间结构的演化特征：城市网络随着时间的推进在不断扩张，越来越多的城市将凭借关键资源融入网络；那些拥有关键资源、优势区位的城市形成较高的网络中心性以及更加密集的链接关系，城市网络呈现持续的分层结构和空间指向性；城市网络地位不断分化，少数城市成为总部基地型城市并位于核心位置，另一些城市则成为制造业基地型城市并位于边缘地区。

本文的分析结果有助于流动空间和场所空间环境下区域发展空间结构演化机理差异性的讨论。根据本文的分析结果，城市网络空间结构的“核心—边缘”演化模式与传统区域发展过程中的“点—轴”系统模式^[28]存在4个方面的差别：

①集聚经济和范围经济。在传统场所空间中，集聚经济是主导区域发展空间结构的基本力量——在集聚经济的作用下少数具有优势的区位率先发展起来，成为带动区域发展的增长极；随着集聚成本的急剧增加，高位序的城市依次成为增长最快的城市^[29]。但是在流动空间中，企业追求范围经济所导致的生产分割成为城市网络空间结构生长发育的基本动力。网络作为企业获取关键资源的渠道、权力和控制工具而存在，那些具有资源、区位优势的城市成为网络发育的重要节点。

②地理邻近和网络邻近。在传统的场所空间中，地理邻近的城市之间倾向于建立更为密切的经济社会联系，社会经济客体呈现轴线扩散的特征，城市的发展机会取决于所处区域的发展环境^[28,30]。在流动空间环境中，城市间合作关系的概率受到潜在合作伙伴网络接近性的强烈影响，网络邻近的城市之间将建立起大量的互惠链接和三方关系。城市的发展机会条件依赖于网络可达性，这将进一步凸显城市的资源优势，也使得城市网络的发展具有更大的动态性特征。

③单（双）核结构和凝聚子群。在“点—轴”系统中占据主导地位的是区域内部少数几个核心城市，特别的，双核结构广泛存在于我国沿海、沿江甚至沿边地区，同时普遍存在于其他国家和地区^[31]。在核心城市的组织下，形成了建立在地理邻近性基础上的各具特色的经济区域。但是在城市网络关系中，占据主导地位的是超越地理邻近性、具有密切经济联系的若干城市构成的凝聚子群。城市腹地范围相互交织在一起，建立在功能联系基础上的经济区域日益显现。

④产业专业化和职能专业化。在场所空间中，企业价值链上下游环节大多集中在一起，每个城市都专业化于少数具有比较优势的最终产品的生产，城市间经济联系为最终产品的贸易联系（或产业间联系）。但是在流动空间里，企业价值链的生产分割重构了城市的经济功能——大城市成为公司总部的集聚地，中小城市则成为专业化的制造业基地；城市间的经济联系转化为中间产品的贸易联系（或产业内联系），城市间的竞争转变为对产业价值链区块、环节的竞争^[32]。

5 基本结论

本文基于2016年中国上市公司500强企业网络数据构建城市网络，系统解析了中国城市网络空间结构的演化特征及其发育机理。研究发现：

①中国城市网络空间结构呈现“核心—边缘”模式的演化特征。近10年来城市网络的关联程度显著增强，凝聚子群的数量和规模在日益增长，网络链接关系在自我加强的同时向更加宽广的地理空间拓展；城市网络演化具有空间指向和路径依赖特征，网络中心性较高的城市大多数是区域城市群的核心城市和传统意义上的权力中心，凝聚子群也主要由传统城市体系中上截尾部分的城市组成；城市网络中心性和链接关系格局呈现持续的分层结构特征，但是网络中心势呈现下降的趋势；城市的网络地位不断分化，呈现出一个日趋有序化和复杂化的中国城市网络“核心—边缘”结构体系。

②关键资源、发展基础、内生结构效应和区位条件是中国城市网络空间结构演化的关键因素。经济规模、政治权力、知识资本对城市网络地位和城市间链接关系强度具有显著正向影响，那些拥有关键资源的城市主导着网络空间结构的生长发育；出度扩张效应、入度聚敛效应和出度聚敛效应是塑造度中心性格局的重要因素，链接关系强度也受到历史上形成的链接关系格局的强烈影响；互惠链接、2-路径、传递三方组效应深刻影响着城市网络空间结构的演化特征，推动着城市网络凝聚子群的生长发育；电信、航空基础设施的改善将使得城市在网络中获得更大的优势，地理距离对城市网络关系的发育不存在显著影响。

③择优连接、路径依赖、网络闭合和网络邻近是中国城市网络空间结构生长发育的动力机制。择优链接机制可以解释为企业网络对关键资源依赖性的可观测结果，是城市网络生长发育最基本的推动力量；路径依赖机制来源于企业价值链区位选择中的集聚经济，倾向于进一步强化网络权力地位、链接强度等级分化格局；网络闭合机制是城市间共享关键资源、降低网络关系风险的直接结果，也是中国城市网络复杂性和有序性的基础；网络邻近效应来源于流动空间环境下交易成本的约束，它决定着城市网络关系的现实格局。这四种机理相互作用，共同塑造了城市网络空间结构的演化特征。

References

Publishing order | Descend order by publishing year | Descend order by cited within

[1]	李小建. 公司地理论[M]. 北京: 科学出版社, 1999.

[2]	宁越敏, 武前波. 企业空间组织与城市—区域发展[M]. 北京: 科学出版社, 2011.

[3]	盛科荣, 张红霞, 佀丹丹. 基于企业网络视角的城市网络研究进展与展望[J]. 人文地理, 2018, 33(2):11-17.

[4]	王成, 王茂军, 柴箐. 城市网络地位与网络权力的关系——以中国汽车零部件交易链接网络为例[J]. 地理学报, 2015, 70(12):1 953-1 972.

[5]	赵新正, 李秋平, 芮旸, 等. 基于财富500强中国企业网络的城市网络空间联系特征[J]. 地理学报, 2019, 74(4):694-709. DOI

[6]	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.

[7]	路旭, 马学广, 李贵才. 基于国际高级生产者服务业布局的珠三角城市网络空间格局研究[J]. 经济地理, 2012, 32(4):50-54.

[8]	李仙德. 基于上市公司网络的长三角城市网络空间结构研究[J]. 地理科学进展, 2014, 33(12):1 587-1 600.

[9]	吴康. 城市网络的空间结构及其演化研究[D]. 北京: 中国科学院大学, 2013.

[10]	赵渺希, 魏冀明, 吴康. 京津冀城市群的功能联系及其复杂网络演化[J]. 城市规划学刊, 2014(1):46-52.

[11]	朱查松, 王德, 罗震东. 中心性与控制力:长三角城市网络结构的组织特征及演化——企业联系的视角[J]. 城市规划学刊, 2014(4):24-30.

[12]	Alderson A S, Beckfield J. Power and position in the worldcity system[J]. American Journal of Sociology, 2004, 109(4):811-851.

[13]	Dicken P. Global Shift:Reshaping the Global Economic Mapin the 21st Century[M]. London: SAGE Publications Ltd, 2003.

[14]	Henderson J V, Ono Y. Where do manufacturing firms locatetheir headquarters?[J]. Journal of Urban Economics, 2004, 63(2):431-450.

[15]	Defever F. Functional Fragmentation and the location of multi-national firms in the Enlarged Europe[J]. Regional Science & Urban Economics, 2006, 36(5):658-677.

[16]	潘峰华, 夏亚博, 刘作丽. 区域视角下中国上市企业总部的迁址研究[J]. 地理学报, 2013, 68(4):449-463.

[17]	White D R, Reitz K P. Graph and semi-group homomorphismson networks of relations[J]. Social Networks, 1983, 5(2):193-234.

[18]	Robins G, Pattison P, Kalish Y, et al. An introduction to expo-nential random graph (p^*) models for social networks[J]. Social Networks, 2007, 29(2):173-191.

[19]	Liu X, Derudder B, Liu Y. Regional geographies of intercitycorporate networks:The use of exponential random graph models to assess regional network formation[J]. Papers in Regional Science, 2015, 94(1):109-126.

[20]	Bearman P. Generalized exchange[J]. American Journal of So-ciology, 1997, 102(5):1 383-1 415.

[21]	Mantel N. The detection of disease clustering and a general-ized regression approach[J]. Cancer Research, 1967, 59(2-3):209-220.

[22]	Hubert L J. Assignment Methods in Combinatorial Data Analy-sis[M]. New York: Dekker, 1987.

[23]	Snijders T A B, Van d B G G, Steglich C E G. Introduction tostochastic actor-based models for network dynamics[J]. Social Networks, 2010, 32(1):44-60.

[24]	刘军. 整体网分析讲义:UCINET软件实用指南[M]. 上海: 格致出版社, 2009.

[25]	中华人民共和国国家统计局. 中国城市统计年鉴[M]. 北京: 中国统计出版社, 2011—2016.

[26]	姚士谋, 陈振光, 朱英明. 中国城市群[M]. 合肥: 中国科技大学出版社, 2006.

[27]	Zhao M X, Derudder B, Huang J H. Examining the transitionprocesses in the Pearl River Delta polycentric mega-city region through the lens of corporate networks[J]. Cities, 2017, 60:147-155.

[28]	陆大道. 区域发展及其空间结构[M]. 北京: 科学出版社, 1995.

[29]	盛科荣, 孙威. 基于理论模型与美国经验证据的城市增长序贯模式[J]. 地理学报, 2013, 68(12):1 632-1 642.

[30]	刘君德, 靳润成, 周克瑜. 中国政区地理[M]. 北京: 科学出版社, 1999.

[31]	陆玉麒. 区域双核结构模式的形成机理[J]. 地理学报, 2002, 57(1):85-95.

[32]	贺灿飞, 肖晓俊, 邹沛思. 中国城市正在向功能专业化转型吗?——基于跨国公司区位战略的透视[J]. 城市发展研究, 2012, 19(3):20-29.

Options

Outlines

模态框（Modal）标题