1、地 理 研 究GEOGRAPHICAL RESEARCH第42卷 第2期2023年2月Vol.42,No.2February,2023沿黄三大城市群城市网络结构演化特征与驱动因素王文杰，胡述聚，苗长虹，刘新宇（河南大学黄河文明与可持续发展研究中心暨黄河文明省部共建协同创新中心，开封 475001）摘要：基于20002020年全行业企业总部-分支关系大数据，融合社会网络分析、多维邻近、空间分析等方法，从节点类型、层级关联、社区划分及影响因素4个方面揭示了沿黄三大城市群城市网络空间格局、时空演化及其驱动因素。研究发现：城市网络节点强度空间极化显著并具有层级性。山东半岛城市群网络结构发育最成熟，一、
2、二层级城市占比高，中原城市群次之，关中平原城市群最低。城市网络轴线及其层级特征显著，网络关联程度东强西弱，并随时间演化而逐步增强。形成以青岛、济南、郑州、西安为中心的星形放射状骨架，但城市群之间横向跨界联系较弱。青岛、济南、郑州、西安的中心度-中介中心度形成“高-高”组合，是城市群网络的“中枢”和“桥梁”。城市网络社区受边界阻隔效应、邻域效应和外溢效应影响，总体形成“三大一小”的社区结构和“先集聚、后融合”的演变趋势。地理邻近、制度邻近、社会邻近对城市网络发育具有正向作用，产业邻近发挥负向抑制作用。关键词：城市群；城市网络；网络演化；驱动因素；黄河流域DOI:10.11821/dlyj0202
3、209601 引言20世纪80年代开始，跨国公司迅速扩张，全球经济一体化进程加快，人流、物流、资金流、技术流等在全球城市间快速流动，推动着新型国际劳动地域分工体系的形成，地区间、城市间竞争、分工与合作日益深化1。90年代后，伴随着信息通讯技术的发展，新的生产方式和空间组织模式出现，城市等级和职能分工体系发生深刻变革，以等级规模为核心的中心地模式快速向开放、流动、多中心的网络化模式转变2，在此背景下城市网络日益成为城市地理学、人文地理学和城市规划等学科关注的热点。学者们已经从引力模型视角、交通视角、信息流视角和企业等视角3展开了大量的实证研究。引力模型是早期学者们测度城市间联系最常用的模型4。交
4、通视角多基于航空客流5、公路铁路客流2等数据揭示城市网络联系。信息流数据类型丰富，在实证研究中微博关系数据6、腾讯QQ关系数据7、百度搜索指数8等数据是较常用的数据源。此外，也有学者从创新与合作关系9、人口迁移流动10方面为城市网络研究贡献成果。虽然城市网络的研究视角较多，但企业联系被视为是城市网络形成和演化的微观基础11，很多学者认为城市间的要素流动只是城市联系的外在表现，企业联系才是要素流动的根本原因12,13，因此企业组织视角是国内外城市网络研究的主流视角。收稿日期：2022-09-06；录用日期：2022-11-25基金项目：国家自然科学基金项目（42171186）；中国博士后科学基金
5、项目（2021M690886）作者简介：王文杰（1995-），女，河南项城人，硕士研究生，主要研究方向为经济地理与区域发展。E-mail:通讯作者：苗长虹（1965-），男，河南鄢陵人，博士，教授，博士生导师，研究方向为经济地理与空间规划。E-mail:534-549页2期王文杰 等：沿黄三大城市群城市网络结构演化特征与驱动因素企业视角的城市网络研究主要沿用链锁网络模型、隶属联系模型、分区核心（城市）算法模型等表征城市间的企业联系14。Taylor及其领导的“全球化与世界城市网络研究小组”（GaWC）首创了链锁网络模型，但该模型存在无法计算城市的中心性和冗余联系等缺陷。Alderson等依据行
6、业企业的所有权关系数据构建了隶属联系模型15。Henan-man等提出替代性的分区核心（城市）算法模型16。数据选取方面，已有研究主要基于高级生产性服务业17、500强企业18、上市公司19等代表性企业数据构建城市网络，或基于金融企业14、物流企业20等数据研究特定行业的网络结构。空间尺度方面，国外学者注重全球和跨国等大空间尺度上的城市网络研究，国内学者更关注国家和区域层面，长三角21、京津冀22、粤港澳大湾区23等地区是国内城市网络研究的热点区域。研究内容上，企业视角的城市网络研究多关注网络格局分析以及多元视角下的网络结构对比研究24。在影响因素和驱动机制研究方面，学者们多基于定性分析25、
7、空间计量模型26、负二项回归27、二次指派程序（QAP）21等方法分析城市网络结构演化的影响因素和驱动机制。近年来，随着演化经济地理学的发展，网络结构异质性背后的邻近性机理也引发学者关注23，演化经济地理学融合地理邻近、制度邻近、组织邻近、语言邻近、认知邻近，从多维邻近视角探究网络的结构和演化28，能更加全面客观地揭示网络演化背后的动力机制29。现有研究也存在有待完善之处。首先，已有研究多关注网络结构及演化的分析，从多维邻近视角探讨城市网络结构演化影响因素的研究有待加强。其次，在数据选取上，企业视角的城市网络研究大多基于有限样本容量的上市公司、高级生产性服务业、500强企业作为研究对象，基于企
8、业大数据的研究较少。再次，在时间序列方面，已有研究大多基于单一年份截面数据或短时序数据分析城市网络的现状结构及其变化，缺乏长时间序列的城市网络演化研究。最后，在研究区域上，国内有关研究大多关注长三角、京津冀等区域，黄河流域城市网络研究近两年才引发学者关注，研究成果相对较少。在黄河流域生态保护和高质量发展上升为国家战略的大背景下，本文从企业视角出发，基于企查查大数据平台获取沿黄三大城市群20002020年的全行业企业总部-分支机构数据，以2000年、2010年、2020年为时间节点，分析三大城市群城市网络的结构及演化，并基于QAP回归分析从多维邻近视角剖析城市网络结构演化的影响因素。本研究不仅能
9、从多维邻近视角加深对城市网络结构演化的理论认知，而且对沿黄三大城市群的空间整合和协同发展具有重要的决策参考价值。2 研究区概况与数据来源2.1 研究区概况本文研究对象为山东半岛城市群、中原城市群和关中平原城市群。参考各城市群发展规划，并结合数据的可获得性，最终确定本文研究区范围，具体包括河南、山东全域以及安徽的蚌埠、淮北、阜阳、宿州、亳州，甘肃的庆阳、天水、平凉，河北的邯郸、邢台，山西的长治、临汾、运城、晋城，陕西的延安、西安、铜川、宝鸡、咸阳、渭南、商洛，共计7个省份的55个地级市。截至2020年底，研究区共有29247.08万人，GDP总值达171052亿元，国土面积共计547900 km
10、2。2.2 数据收集与处理基于企查查大数据平台（http:/ 理 研 究42卷洗，首先，剔除倒闭、注销、吊销及缺失注册资本等信息的企业。其次，为了突出关键信息，剔除注册资本小于50万元的企业，最终构建了由25798家总公司和68423家分支机构构成的企业总部-分支机构关系数据库（截止时间为2020年12月）。社会经济数据来自各省统计年鉴和中国城市统计年鉴。3 研究方法3.1 企业联系测度由于仅以城市间互设分支企业的数量测度城市间的企业联系强度会忽视企业规模因素对联系强度的影响，本文在企业联系测度过程中综合考虑企业数量和规模两个因素。具体来说，首先基于总公司在研究区内其他城市设立的分支机构数量，
11、构建总部-分支数量关系；再以公司注册资本为权重，对企业联系强度进行修正，最终形成5555的资本加权矩阵，具体步骤如下：首先确定分支机构权重。本文设定分支机构的重要性与其所属总公司的注册资本成正比。先通过极差标准化处理分支机构的权重W：Wij=Xij-XijminXijmax-Xijmin（1）式中：Xij为i行业j企业的注册资本数量；Xijmax和Xijmin分别为i行业中单个企业注册资本最大值和最小值；Wij介于0,1，值越大表示分支机构的重要性越强。其次计算城市间的有向企业联系：Cab=imjnWij（2）Cba=imjnWij（3）式中：Cab、Cba分别表示城市a到城市b以及城市b到城
12、市a的企业联系强度；i为行业类型，i=1,2,3.20；j为i行业第j个分支机构，j=1,2,3,4n；Wij为i行业第j个分支机构的权重。然后企业联系强度加总。将城市a和b之间的有向企业联系强度加总，得到两城市之间的总联系强度。Ca-b=Cab+Cba（4）式中：Ca-b为城市a和城市b之间的总联系强度。3.2 城市网络结构测度社会网络分析是城市网络研究的主要方法之一。本文将通过中心度、中介中心度、网络密度等指标测度沿黄三大城市群的城市网络时空演化特征（表1）。3.3 多维邻近关系构建与QAP分析3.3.1 多维邻近关系构建演化经济地理学将网络形成机制归纳为地理邻近、制度邻近、组织邻近、认知
13、邻近和社会邻近28。借鉴多维邻近思想，本文分别用城市间的空间距离、省级行政区边界、企业合作基础、产业结构相似性表征地理邻近、制度邻近、社会邻近、产业邻近。地理邻近：地理学第一定律认为，相邻的事物关联更紧密，故位置邻近可能更利于建立网络联系。本文借鉴孙茜等的研究34，用ArcGIS测算沿黄三大城市群城市间的距5362期王文杰 等：沿黄三大城市群城市网络结构演化特征与驱动因素离，进行标准化处理，并用标准化后的倒数构建关联矩阵，用于表征地理邻近性。标准化方法如下：Gij=Max()dij-dijMax()dij-Min()dij（5）式中：dij是节点城市i和城市j之间的地理距离；Max()dij和
14、Min()dij分别是地理距离矩阵中的最大值和最小值；Gij取值范围是01。制度邻近：制度邻近性指主体受到非正式约束和正式规则制约的相似性35，相似的制度环境下能减少双方合作的不确定性，可能更利于建立企业联系。借鉴已有研究17，使用虚拟变量0和1表示制度邻近，如果两城市属于同一省份记为1，反之为0。社会邻近：社会邻近性的概念源于社会嵌入性理论，指行为主体之间的社会嵌入性与亲疏关系36。通常新的合作建立在原有的合作基础和信任关系上，可用于诠释路径依赖效应对网络的影响。本文参考马双等的测算方法9，基于5年前（1995年、2005年、2015年）的企业关联数据和杰卡德指数（Jaccard Index
15、），测算2000年、2010年、2020年城市间的社会邻近程度。Sij=CijAi+AJ-Cij（6）式中：Sij为城市i和j之间的社会邻近值；Ai和Aj分别为城市i和j5年前与研究区内其他城市的企业总部分支联系总条数；Cij为5年前城市i和j之间的企业总部分支联系条数。产业邻近：1979年联合国工业发展组织提出产业结构相似系数，用于测度地区间的产业相似度，已有学者将该系数运用于多维邻近研究中37。本文按照国民经济行业的20大类汇总研究区内55个城市的企业注册资本，得出产业邻近矩阵。计算公式为：表1社会网络指标及其含义Tab.1 Social network indicators and th
16、eir meanings指标中心度中介中心度网络密度网络直径平均路径长度模块度计算公式DCi=j=1NXij()ijDBi=j=1,t=1,jtiNKjt()iKjtD1=i=1Nj=1NXijN(N-1)D2=max()dijL=2N()N-1ijdijQ=r=1m|nrN-|Sr2N2公式解释与节点i相连的节点数量节点i作为其他两个节点之间最短路径的比例节点间实际联系数量占最大可能联系数量的比例网络中任意两节点间距离的最大值节点之间最短路径的均值实际网络与随机网络在社区内部的总边数和网络中总边数比例的差值指标含义节点在网络中的重要程度30节点对网络的控制能力21网络的紧密程度31测度网络规模大小32测度网络的连通性32测度网络社区划分质量，取值01，取值越大表示划分质量越好33注：i、j、t表示节点；N表示网络节点总数；Xij表示节点i和j间的联系数量；Kjt(i)表示节点i通过节点j和t之间的最短路径条数；Kjt表示节点j和t之间的最短路径数量；dij表示节点i和j间的距离；r表示社区；m为计算所得的网络社区数量；nr为第r个社区的城市数量；Sr为社区r中与各城市相联系的节点总数
