EN中文

热带地理 >

2023 , Vol. 43 >Issue 8: 1512 - 1522

DOI: https://doi.org/10.13284/j.cnki.rddl.003722

金融地理

中国城市间风险投资网络结构演化及影响因素

  • 卢秦 , 1, 2, 3 ,
  • 叶玉瑶 , 1, 2 ,
  • 李苑君 1, 2 ,
  • 吴康敏 1, 2 ,
  • 刘郑倩 1, 2
展开
  • 1. 广东省科学院广州地理研究所，广州 510070
  • 2. 广东省遥感与地理信息系统应用重点实验室/广东省地理空间信息技术与 应用公共实验室，广州 510070
  • 3. 广东工业大学，建筑与城市规划学院，广州 510090
叶玉瑶（1980—），女，四川乐山人，博士，研究员，主要研究方向为城市群空间演化与空间治理，（E-mail）。

卢秦（1997—），女，贵州遵义人，硕士，主要研究方向为城市地理与区域发展，（E-mail）；

收稿日期: 2022-12-23

  修回日期: 2023-05-06

  网络出版日期: 2023-08-14

基金资助

国家社会科学基金重大项目——新型基础设施推动粤港澳大湾区经济发展与机制运行一体化研究(21&ZD107)

收起

Evolution and Influencing Factors of Venture Capital Network Structure among Chinese Cities

  • Qin Lu , 1, 2, 3 ,
  • Yuyao Ye , 1, 2 ,
  • Yuanjun Li 1, 2 ,
  • Kangmin Wu 1, 2 ,
  • Zhengqian Liu 1, 2
Expand
  • 1. Guangzhou Institute of Geography, Guangdong Academy of Sciences, Guangdong Open Laboratory of Geospatial Information Technology and Application, Guangzhou 510070, China
  • 2. Guangdong Provincial Key Laboratory of Remote Sensing and Geographical Information System, Guangdong Open Laboratory of Geospatial Information Technology and Application, Guangzhou 510070, China
  • 3. School of Architecture and Urban Planning, Guangdong University of Technology, Guangzhou 510090, China

Received date: 2022-12-23

  Revised date: 2023-05-06

  Online published: 2023-08-14

Fold

本文亮点

鉴于现有风险投资网络研究对其长期动态演化特征和影响因素的认知还不够全面，以2000—2018年中国城市间风险投资流数据构建中国城市风险投资网络，借助复杂网络分析、GIS空间技术分析以及构建多元线性回归模型等方法，对全国城市间风险投资网络的空间演化特征及影响因素进行探讨。研究发现：1）城市间风险投资联系趋于紧密，全国风险投资网络的集聚程度出现上升，但投资方/融资方网络空间结构皆趋于扁平化，存在去中心化趋势；2）城市间风险投资联系整体上由东部沿海轴线向中西部扩张，表现出明显的路径依赖和距离衰减特征，网络核心节点城市也呈现数量扩张与权力转移的倾向；3）城市的创业基础水平、风投行业发展水平、金融环境和城市可达性等因素均对全国风险投资网络空间结构呈现差异化的影响，进一步表明了多维邻近性、城市经济与路径依赖等多种关键机制在风险资本网络构建与区域资本中心的形成与演变中的重要推动作用。

本文引用格式

卢秦 , 叶玉瑶 , 李苑君 , 吴康敏 , 刘郑倩 . 中国城市间风险投资网络结构演化及影响因素[J]. 热带地理, 2023 , 43(8) : 1512 -1522 . DOI: 10.13284/j.cnki.rddl.003722

Highlights

Inter-city Venture Capital (VC) exchange is a micro-embodiment of the cross-regional flow of innovative elements such as capital and technology, and also an important driving force for shaping the network of VC cities. Compared with other types of investment activities, VC has more advantages in promoting the development of innovative industries, especially high-tech industries, and then driving urban economy and regional development; hence, it is widely regarded as a "catalyst" for economic growth and technological innovation. The study of VC networks is helpful in understanding the financial activity links between cities across the country and provides key support for further rational allocation of financial resources between cities. The existing research rarely uses the actual investment amount of VC transaction events between cities to construct the city network. The analysis of the continuous dynamic evolution research and the influencing factors of the overall spatial network structure over a long period of time needs to be strengthened. To compensate for the shortcomings in the above research, this study uses the data of China's inter-city VC flow between 2000 and 2018 to construct the Chinese urban VC network. The long-term spatial evolution characteristics and overall network structure influencing factors of the national inter-city VC network are discussed based on complex network analysis, GIS spatial technology analysis, multiple linear regression model, and so on. This study derives the following results: (1) The connection between cities tends to be closer, and the agglomeration degree of the national VC network increases, displaying obvious characteristics of high aggregation and small-world network. However, the cyber spatial structure of investors/start-ups tends to be flattened, there is a trend of decentralization. (2) The VC connection between cities has expanded from the eastern coastal axis to the central and western regions as a whole, exhibiting obvious characteristics of path dependence and distance attenuation. Additionally, the VC connection continues to sink from the three major urban agglomerations to other marginal cities, and the core node cities of the network also display a tendency of quantitative expansion and power transfer. (3) The city's entrepreneurial foundation, VC industry development level, financial environment, and urban accessibility all have differentiated impacts on the spatial structure of the national VC network. Moreover, the aforementioned are affected by various mechanisms such as multi-dimensional proximity, urban economy, and path dependence, which promote the construction of national and regional VC networks and the formation and evolution of regional capital centers.

风险投资对象通常是新兴的、高科技和高成长潜力的新创企业，故风险资本（Venture Capital, VC）又称“创业资本”（成思危，1999；金永红 等，2020）。与其他类型的投资活动相比，风险投资能有效促进创新型行业尤其是高新技术产业的发展，进而带动城市经济和区域发展，因此风险投资被广泛认为是经济增长的“助推器”和科技创新的“催化剂”（汪明峰 等，2014；杜德斌，2015；Lerner et al., 2020）。自上世纪风险投资行业兴起以来，全球风险投资市场规模不断扩大，风险投资也逐渐成为学术界备受关注的研究对象（杜德林 等，2022）。进入21世纪以后，风险投资更是在中国持续稳定的高速经济增长和逐步完善的资本市场催生下，逐渐成为中国多层次资本市场的重要组成部分（徐晓红 等，2016）。风险投资由于其金融工具属性而受到越来越多的创业者和投资者的青睐，大量中国上市企业在创业时期都得到了风险投资的支持。风险资本频繁的跨区域流动也体现了城市间资金和技术等科创要素的互动配置，推动了城市结点成网和风险投资网络在时间和空间上的动态演变。因此，准确把握中国城市间风险投资网络空间结构演化规律及其影响因素，有助于了解全国城市间资本流动的时空特征，可为城市间金融资源的合理配置提供支撑。
目前，国内外学者对风险投资空间分布及其区位特征（Florida et al., 1993；徐宜青 等，2016；林晓 等，2019）、风险资本流动与风险投资网络（Castilla, 2003; Jin et al., 2016; Natdanai et al., 2021）和风险投资空间格局的影响因素（张玉华 等，2014；黄晓 等，2015）等方面展开了深入细致的研究。其中，围绕风险投资网络的分析可归纳为以下3点：1）在网络构建上，城市间风险投资网络主要基于企业间投资事件次数（Fang, 2018；汪传江，2019；彭勇 等，2020）、上市企业所有权关系（Ma et al., 2011; Pan et al., 2017; Li et al., 2019）和企业投资额（胡国建 等，2018；焦敬娟 等，2021）等数据进行构建，在此基础上采用空间分析和复杂网络分析等方法对其节点中心性格局、演化特征及影响因素等进行探析。2）在时间演化上，关于风险投资的研究主要侧重于静态视角分析（庄德林 等，2020；钱肖颖 等，2021）和短时间内的动态视角（Pan et al., 2016；叶雅玲 等，2020）研究，而对长时间序列的动态演化特征的认识还不够全面。3）在研究尺度上，学者们主要对京津冀、长三角和粤港澳等城市群（Fang, 2018；赵玉萍 等，2020；Wu et al., 2022）和北京、上海等城市（徐宜青 等，2016；林晓 等，2019）内部的风险投资企业区位分布以及网络联系特征展开了系列研究。此外，部分学者对风险投资网络结构的影响因素进行了定性描述（汪明峰 等，2014；Pan et al., 2016;Wu et al., 2022），提出全球化、市场化和政府引导是形塑这一新兴网络的主要力量；部分实证研究对上市企业间异地投资所形成的空间网络结构影响因素进行了分析，认为其形成受到地区经济发展水平、产业结构、人口规模和进出口额等因素的影响（胡国建 等，2018；叶雅玲 等，2020；焦敬娟 等，2021）；其他研究对初创公司通过风险投资形成的城市创投网络结构和组织模式进行了探讨（钱肖颖 等，2021），并对分阶段创投城市网络结构的影响因素进行了分析（庄德林 等，2020）。总体而言，对风险投资网络的研究主要通过企业微观视角，对投融资主体间的网络关系和地位及其对企业绩效和区域发展等产生的影响作用进行探讨（王曦，2009；Jääskeläinen et al., 2014；杜德林 等，2022）；而从城市宏观视角切入的研究重点揭示投资活动的空间集聚性和网络结构等，对网络结构影响因素和作用机制的探讨仍有待补充。因此，基于城市视角的风险投资网络结构研究对完善现有风险投资网络理论具有重要意义。
综上所述，现有研究主要通过投资事件的数量关系与投资主体组织关系来构建城市风险投资网络，并集中于城市群和城市尺度对其网络结构和短期动态演化特征进行解析，为本研究提供了一定参考与支持，但仍有一些不足有待拓展：1）以往研究往往运用城市间投资事件次数而非城市间真实的风险投资金额构建网络，而投资事件次数难以反映城市间真实的资本联系强度，因此可能导致核心城市与边缘城市间的真实差距被缩小和地位模糊等问题（胡国建 等，2018；叶雅玲 等，2020；焦敬娟 等，2021）。2）此前的研究主要集中于部分时间断面的对比研究和短时间内的动态演化分析，对较长时间段内的连续动态演化研究较少。3）已有研究主要对初创企业风险投资形成的城市创业投资网络结构和组织模式以及不同投资阶段网络影响因素进行分析，而忽视了整体空间网络结构影响因素的分析。因此，本研究基于风险投资事件数据来衡量城市间资金流动，构建2000—2018年长时间序列的城市风险投资网络，利用城市间风险投资的真实投资额表征城市联系强度，从全国尺度分析和揭示中国城市间风险投资网络演化特征及其影响因素，以期为引导中国城市间金融要素的合理流动和促进区域协调发展提供借鉴。

1 数据与方法

1.1　数据来源与处理

本研究所用的风险投资数据来自投中集团的CVSource数据库 1，它包含了目前中国最完整的数据（Zhang, 2011）。数据涵盖2000—2018年中国的风险投资事件，数据属性包括风险投资机构名称、地址，接受风险投资企业（初创企业）名称、地址，投资金额等。
舍弃无法确定投资来源或去向以及未披露投资金额的数据，最终得到2000—2018年全国尺度共19 218条投资事件数据，共涉及307个城市，涉及投资金额39 007.66亿元。由2000—2018年全国风险投资交易事件数量和金额的增长情况（图1）看，全国风险投资交易事件具有显著的阶段性特征。亦有研究表明，2009年中国创业板的正式启动，对主板市场形成了重要补充，极大地激发了中小型企业的创新创业活力，进一步推动了风险资本市场的快速发展（Pan et al., 2016; Wu et al., 2022）。由此，为深入理解全国风险投资网络的演变态势，本研究以2009年为时间节点将样本数据分为2000—2009、2010—2018年2个阶段进行对比分析（Wu et al., 2022）。
图1 2000—2018年中国城市间风险投资事件次数及总金额变化

Fig.1 Changes in the number and total amount of venture capital events between cities in China from 2000 to 2018

1.2　网络构建与分析

风险投资网络属于有向加权网络，参考相关研究（黄晓东 等，2021；焦敬娟 等，2021），以各城市风险投资资本总量来表征城市节点加权中心度，以城市间风险投资事件涉及的风险投资金额表征城市间联系强度，构建中国城市风险资本流动网络。
社会网络分析法是综合运用图论和数学模型针对关系型数据进行量化分析的方法，目前在地理学和经济学等学科领域被广泛引入并使用，不少学者采用社会网络分析方法对企业、人流和物流等（Li et al.， 2019；宗会明 等，2020；古恒宇 等，2021）方式构建的城市网络展开了研究，是当前研究城市网络的主流范式。
因此，本研究主要运用社会网络分析方法（Borgatti et al., 1999；刘军，2009），重点引入网络密度、网络平均集聚系数和网络中心势等指标对风险投资网络整体结构属性进行测度（黄晓东 等，2021；高鹏 等，2022）。进一步采用核心—边缘结构分析模型计算网络节点的核心度，该方法根据节点联系的相对紧密程度将节点分为核心和边缘两大区块，进而根据节点所在区块辨析城市在网络中的等级关系和权力地位（刘乐 等，2022；张杰 等，2022）。

1.3　回归模型构建和变量选取

风险投资网络结构是由风险投资机构和初创企业两大微观主体在多种因素的共同作用下，通过两者之间的双向选择行为所建构起来。因此，影响风险投资机构和初创企业区位选择，以及促进或阻碍两者之间发生投资行为的因素都将是形塑整个风险投资网络结构的重要力量。而人口、资本和技术等资源，市场化水平的高低、市场规模的大小以及集聚经济和规模经济等效应都影响着投资机构和企业的区位选择（Pan et al., 2019；焦敬娟 等，2021），风险性高低和信息的不对称性等因素所导致的成本差异（Wray, 2012；杜德林 等，2022）则决定了两者之间投资关系的建立。
因此，参考已有研究（胡国建 等，2018；庄德林 等，2020；叶雅玲 等，2020；焦敬娟 等，2021），本研究选取影响风险投资机构与初创企业区位选择的因素，以及塑造城市风险投资网络空间组织过程的因素，并充分考虑数据的可获取性和模型共线性等检验，采用2018年城市网络点出度、点入度和加权度的对数值作为被解释变量，选择城市经济发展水平、产业结构、金融环境、企业发展基础、风投行业发展基础和城市可达性的相应代理变量取对数值作为解释变量。为避免异方差性问题，将各变量取对数后利用Stata软件进行普通最小二程法（OLS）回归分析，并将所有解释变量滞后一期。构建回归模型如下：
l n   y i = α 0 + α 1 l n   g d p i + α 2 l n   s e c i + α 3 l n   t h i i + α 4 l n   f i n a n i + α 5 l n   s t a r t u p i + α 6 l n   v c i + α 7 l n   h s r i + ε i
式中： α 0是常数项； α 1，……， α 7是各变量回归系数； ε i是随机干扰项； l n   y i代表i城市在2018年的加权出度、加权入度或加权度取对数值； l n   g d p i为地区生产总值取对数值； l n   s e c i和 l n   t h i i为第二、三产业占比取对数值； l n   f i n a n i为年末金融机构存贷余额占GDP比重取对数值； l n   s t a r t u p i为城市新增企业数量取对数值； l n   v c i为城市风险投资机构数量取对数值； l n   h s r i为城市高铁经停班次取对数值。具体指标的含义及数据来源和处理过程如表1。
表1 风险投资网络结构影响因素分析的变量定义与解释

Table 1 Variable definition and interpretation of influencing factors analysis of venture capital network structure

变量 变量定义 数据来源 处理过程

被解

释变

量

 ln outdegree 加权出度/亿元 CVSource数据库 城市投出风险资本总和的对数值
ln indegree 加权入度/亿元 CVSource数据库 城市接收风险资本总和的对数值
ln value 加权度/亿元 CVSource数据库 城市投出和接收风险资本总和的对数值

解释

变量

 ln gdp 地区生产总值/亿元

《中国城市统计年鉴》

（http：//www.stats.gov.cn/）

 各城市gdp统计数据的对数值
ln sec 第二产业占比/% 各城市第二产业占比统计数据的对数值
ln thi 第三产业占比/% 各城市第三产业占比统计数据的对数值
ln finan 金融机构存贷余额占GDP比重/% 各城市金融机构存贷余额统计数据占该城市gdp比重的对数值
ln startup 城市新增企业数量/个 爱企查（https：//aiqicha.baidu.com/） 各城市新增企业数量总和的对数值
ln vc 城市风险投资机构数量/个 CVSource数据库 各城市风险投资机构总和的对数值
ln hsr 高铁经停班次数/次

《全国铁路旅客列车时刻表》

（https：//www.12306.cn/index/）

 各城市年度高铁经停班次统计数据的对数值

2 城市风险投资网络的空间结构及演化

2.1　网络整体结构演变分析

2000—2009年中国城市间风险投资网络中城市节点数和参与投资的城市对数分别为198个和577对，到2010—2018年增加至305个和2 079对，分别增长了54.04%和原来的2.6倍；风险投资联系涉及金额由2000—2009年的4 365.30亿元增加到2010—2018年的34 642.36亿元，前后投资规模扩大为原来的近8倍；网络密度也由0.014 7上升至0.022 2（表2）。这表明城市间风险投资联系趋于紧密，越来越多的城市主动/被动参与到全国风险投资网络中。但与全国人流、物流、交通流等城市网络的快速增长态势相比（宗会明 等，2020；古恒宇 等，2021；杨浩然 等，2022），全国风险投资网络的多项网络统计指标增长幅度相对仍较低，发展趋势缓慢。
表2 2000—2018年全国风险投资网络结构的统计特征量

Table 2 Statistical characteristics of national venture capital network structure from 2000 to 2018

特征量统计 2000—2009年 2010—2018年
节点数/个 198 305
联系对数/对 577 2 079
涉及投资额/亿元 4 365.30 34 642.36
网络密度 0.014 7 0.022 2
网络平均聚集系数 0.394 0.631
出度网络中心势 0.028 0.020
入度网络中心势 0.009 0.008
对网络集聚指标进行测量，发现其中的平均聚集系数由0.394增至0.631，表明全国风险投资网络联系的集聚程度出现上升，表现出明显的高聚集性和小世界网络特征；出度（投资方）网络中心势由0.028下降至0.020；入度（融资方）网络的中心势由0.009下降至0.008，表明全国风险投资网络投资方/融资方网络结构皆趋于扁平化，存在去中心化趋势。进一步比较出度（投资方）网络和入度（融资方）网络发现，出度网络中心势在两个阶段均大于入度网络中心势，这表明出度网络的联系集中程度远大于入度网络，风险投资机构集中于少数中心城市，而接收融资的初创企业在地理空间分布上较为分散。

2.2　风险投资网络联系演化

利用ArcGIS软件对城市间风险投资联系进行可视化，并利用自然断裂点分级方法将其分为5级（图2）。整体上风险投资联系明显由以北京—上海、深圳—上海为主导的东部沿海轴线向以北京—深圳和北京—拉萨、喀什为主导的中西部轴线进行扩张。对两个时段的加权中心度和城市联系对Top10（表3）进行对比分析，发现城市间风险投资网络表现出明显的路径依赖特征。北京和上海之间的资本联系最强，始终主导风险投资网络，中心度高的城市也始终占据网络核心地位；前10的城市联系对中有7对是延续原有的投资路径，仅有3对即拉萨→北京、深圳→上海和喀什→北京是新创造的路径，说明风险投资具有明显的路径依赖特征。拉萨、喀什与北京之间由较弱联系转变为强联系，这可能是由于风投数据的局限性，部分投资事件总投资额缺失被剔除，降低了部分发达城市之间的联系强度；同时，拉萨和喀什地区相较于东部发达城市的初创企业更少，从而更倾向于将资本投放到拥有更多优质投资项目且金融环境较好，长期以来政治和经济联系更紧密的首都北京。
图2 2000—2018年中国城市间风险投资网络空间格局

注：1）基于自然资源部地图技术审查中心标准地图服务网站下载的审图号为GS（2019）1697号标准地图制作，底图边界无修改。2）图例中的流向表示以某点为端点，顺时针方向曲线表示该点为起点，曲线另一个端点为终点（如图例箭头所示）；逆时针方向曲线表示该点为终点，曲线另一个端点为起点。

Fig.2 Cyber-spatial pattern of venture capital between cities in China from 2000 to 2018

表3 2000—2018年中国城市间风险投资加权中心度和联系对Top10

Table 3 China's inter-city venture capital weighted centrality and linkage pair TOP10 from 2000 to 2018

排

名

 加权中心度 联系城市对
2000—2009年 2010—2018年 2000—2009年 2010—2018年
1 北京 北京 上海→北京 上海→北京
2 上海 上海 北京→上海 北京→上海
3 香港 深圳 香港→上海 深圳→北京
4 深圳 杭州 香港→北京 北京→深圳
5 南京 香港 北京→深圳 香港→北京
6 广州 天津 北京→呼和浩特 北京→杭州
7 杭州 广州 上海→广州 拉萨→北京
8 呼和浩特 苏州 北京→广州 深圳→上海
9 成都 拉萨 北京→杭州 喀什→北京
10 苏州 南京 北京→成都 北京→广州
进一步将不同距离的城市投资联系涉及金额加总，结果显示（图3、表4），两个阶段的城市风险投资联系都具有明显的长距离联系和距离衰减特征。总体来看，投资额主要集中在1 000~2 400 km以内，但是投资联系在该距离范围内先下降，然后在1 200~1 400和2 200~2 400 km左右形成两个显著的“高峰”，而该距离范围恰好是以北京、上海和深圳为主导的三大城市群之间的距离；该距离范围内的投资比重由2000—2009年的82.43%降至2010—2018年的67.72%，说明风险投资联系由三大城市群之间不断下沉至其他城市，因而在该距离范围外的投资联系都有小幅上升；此外，1 000 km内的短距离投资主要发生于三大城市群内部城市之间及城市群周边地区，2 400 km以上主要发生于三大城市群与西北和东北地区之间的投资联系。
图3 城市间风险投资联系的距离衰减特征

Fig.3 Distance attenuation characteristics of venture capital linkages between cities

表4 不同距离范围的城市间风险投资额占比变化

Table 4 Changes in the proportion of venture capital investment between cities in different distance ranges

距离/km 投资额占比/%
2000—2009年 2010—2018年
<1 000 15.81 22.96
1 000~2 400 82.43 67.72
>2400 1.76 9.31

2.3　网络区块的扩张与分化

由核心—边缘分析结果可知（表5），两个时段处于核心地位和边缘位置的城市数量都有所增长，但其核心度普遍是降低的，这可能意味着城市网络权力的分布逐渐由处于绝对主导地位的单中心格局逐渐转向功能性的多中心格局。
表5 2000—2018年城市间风险投资网络的核心―边缘结构

Table 5 The core-periphery structure of inter-city venture capital network from 2000 to 2018

地

位

 2000—2009年 2010—2018年
数量/个 城市 数量/个 城市

核

心

 13

香港（0.42）、上海（0.41）、北京（0.40）、深圳（0.39）、南京（0.26）、杭州（0.25）、广州（0.18）、

天津（0.16）、苏州（0.15）、拉萨（0.14）、成都（0.13）、无锡（0.11）、哈尔滨（0.11）

 22 北京（0.30）、深圳（0.29）、上海（0.28）、杭州（0.24）、天津（0.23）、广州（0.22）、宁波（0.21）、南京（0.20）、香港（0.19）、苏州（0.19）、拉萨（0.19）、珠海（0.18）、福州（0.17）、嘉兴（0.16）、西安（0.15）、武汉（0.15）、重庆（0.14）、厦门（0.14）、成都（0.13）、长沙（0.12）、乌鲁木齐（0.12）、青岛（0.12）

边

缘

 185

济南（0.10）、绍兴（0.10）、昆明（0.09）、宁波（0.10）、青岛（0.10）、长沙（0.06）、乌鲁木齐（0.06）、合肥（0.06）、南昌（0.05）、郑州（0.04）、

武汉（0.04）、西安（0.04）等

 283

喀什（0.10）、常州（0.10）、合肥（0.09）、绍兴（0.09）、伊犁哈萨克（0.90）、

金华（0.09）、哈尔滨（0.09）、无锡（0.08）、东莞（0.08）、芜湖（0.08）、石河子（0.08）、南宁（0.07）、新余（0.07）、九江（0.07）、宜春（0.07）、温州（0.07）等

注：括号中的数值为Ucinet软件的Core/Periphery模块计算得到的城市核心度。

具体而言，核心地位的城市数量从2000—2009年的13个扩张到2010—2018年的22个，并且前一阶段处于核心地位的城市倾向于始终在网络中维持着核心地位，表现出强烈的路径依赖特征，这也可能意味着拥有风险投资行业发展基础的城市能够不断巩固其在网络中的核心地位；2000—2009年核心地位的城市包括上海、北京、深圳、南京等13个城市，2010—2018年的核心城市中增加了宁波、珠海、福州等9个城市，风险投资网络的权力中心仍主要分布于4大城市群和部分省会城市，更多的中西部和东北地区城市处于网络的边缘位置，但网络枢纽节点逐渐在向边缘城市扩张。
另外，占据核心位置的城市间还表现出等级次序的分化与权力转移的特征，北京和上海在网络中的核心度明显高于其他核心城市，这主要得益于北京是中国的权力中枢、国有资本和各类人才的主要集聚地，而上海则长期以来是中国的经济中心和国际金融中心，且两者都设有中国证监会和证券交易所，吸引集聚了国内众多的风险投资金融机构，是承担着全国性金融服务枢纽功能的城市（Pan et al., 2016）；香港作为全球最大的离岸金融中心之一，是全球风险投资的重要平台，早期在中国风险投资网络中占据核心位置，但后期核心地位有所下降，而毗邻香港的深圳则发展为全国风险投资网络中心，这主要是因为2009年在深圳设立了中国证券市场创业板，这些资本和资源促进了深圳市风险投资行业的迅猛发展，最终实现与香港之间在中国风险投资网络中部分网络权力的转移，但香港在中国风险投资网络中仍占据重要位置。

3 城市风险投资网络结构的影响 因素

3.1　影响因素的回归分析

根据回归结果（表6），整体上城市创业基础对城市风险资本集聚程度的影响最大，其次是风险投资行业发展基础、金融环境、第三产业占比和城市可达性等，即城市创业和风投行业发展基础越好、金融环境越好；第三产业占比和城市可达性越高，则代表其吸纳、输出和集聚风险资本的能力越大，尤其对城市吸引资金流入有更高的正向促进作用。
表6 中国城市间风险投资网络结构的影响因素分析回归结果

Table 6 Regression results of analysis of influencing factors of venture capital network structure between cities in China

变量 ln outdegree ln indegree ln value
ln gdp -0.930** 0.109 -0.290
ln sec 0.420 1.316* 1.384*
ln thi -0.887 3.297*** 3.327**
ln finan 0.974** 0.675** 0.755**
ln startup 0.141*** 0.108*** 0.127***
ln vc 0.983*** 0.224* 0.517***
ln hsr -0.189 0.131** 0.125**
常数项 9.081 -22.235*** -17.252***
样本量/个 82 204 212
R 2 0.675 0.529 0.581

注： *表示10%水平显著，**表示5%水平显著，***表示1%水平显著；所有解释变量的VIF（方差膨胀因子）均低于10，说明模型不存在多重共线性问题。

具体来看，经济发展水平加权入度和加权度没有明显影响，但对加权出度有显著的负向影响，这表明城市经济发展水平越高，跨区域资本输出的能力越低。第二产业占比对加权入度和加权度都有显著的正向影响，但对加权出度却没有显著影响，这表明城市第二产业占比越高其吸引资本的能力越大。第三产业占比表现出与第二产业类似的特征，对加权入度和加权度分别在1%和5%的水平上具有显著的正向影响，即第三产业占比越高则对资本吸引程度越高，而且其对资本的吸引程度明显高于第二产业。金融环境水平对全国加权入度、加权出度和加权度均有显著的正向影响，即越好的金融环境水平则资本输出能力和对资本吸引程度都将越高。初创企业发展基础同样对加权入度、加权出度和加权度具有显著影响，并且在3个回归方程中的系数均在1%的水平上显著为正，表明城市的创业基础环境越好越能利用集聚效应带动初创企业和风投机构的入驻发展，继而为城市吸引、输出和积累更多的资本。风投行业发展基础对加权出度和加权度均在1%水平上显著为正，说明城市风投行业发展越好，城市输出风投资本的能力越强。城市可达性对加权入度和加权度有显著的正向作用，这表明城市交通基础设施水平越高越能够促进风险资本的集聚。

3.2　关键影响机制分析

本研究的回归结果表明，创业基础、金融环境和城市可达性等因素对风险投资网络结构具有显著性影响，在一定程度上也表明了多维邻近性、城市经济与路径依赖等多种机制是塑造风险投资网络结构的重要动力，这些关键机制推动全国和区域的风险资本网络构建与区域资本中心的形成与演变。“邻近性”是风险投资行为的显著特征（Zhang, 2011；林晓 等，2019），这种“邻近性”不仅意味着地理上的邻近，还包括其他多个维度如制度邻近、市场邻近、技术邻近等（Jääskeläinen et al., 2014；贺灿飞，2018），投资者通常将“邻近性”作为重要准则来选择投资对象以降低投资风险和成本（Zook, 2002）。多维邻近性解释了为何北京、上海和深圳等主要资本中心城市之间形成了更为紧密的跨区域资本联系（Pan et al., 2019）。此外，城市经济和路径依赖推动着金融中心的形成，北京、上海、深圳和香港都是国际知名的金融城市，集聚了全国主要的金融企业与金融从业者，人才、企业和金融服务等要素高度的集聚产生了极大的马歇尔本土经济效应。在路径依赖的强化下，这种集聚效应不断加深它们在全国尺度的专业化效应，推动当地的金融服务领域技术溢出与创新，从而不断推动金融中心地位与资本市场的形成与发展（贺灿飞，2018；Wu et al., 2022）。

4 结论与启示

研究利用城市间风险投资数据，构建2000—2018年中国城市间风险投资网络，分为2000—2009、2010—2018年两个时段进行对比分析，从网络整体结构演变和网络联系演化等角度研究了中国城市间风险投资网络，并采用多元线性回归模型对风险投资网络空间结构的影响因素进行分析。研究发现：
1）2000—2018年中国城市间风险投资联系网络中城市节点数、城市对数和投资总额均有较大增幅，风险投资网络密度也呈上升趋势，说明城市间风险投资联系趋于紧密，更多的城市主动或被动地参与到全国风险投资网络中。全国风险投资网络联系的集聚程度出现上升，但投资方/融资方空间结构皆趋于扁平化，存在去中心化趋势。因此，在中国风险投资规模整体呈现上升且不断延伸至中小城市的情况下，从区域协调发展角度出发，未来中小城市应更加注重其投资环境的营造和改善，以持续吸引投资缩小与发达城市间的发展差距。
2）城市间风险投资网络联系整体上明显由以北京—上海、深圳—上海为主导的东部沿海轴线向以北京—深圳和北京—喀什、拉萨为主导中西部轴线进行扩张，北京和上海始终主导全国风险投资网络，中心度高的城市也始终占据网络核心地位，风险投资具有明显的路径依赖特征。投资额主要集中在1 000~2 400 km范围内的以北京、上海和深圳为主要联系的三大城市群之间，但投资比重在该距离范围内有所下降，表明风险投资联系由三大城市群之间不断下沉至其他城市。位于核心和边缘地位的城市数量均有所增加，但城市的网络核心度存在普遍降低的现象，表明城市中心网络权力的分布由占据主导地位的单中心格局逐渐转向功能性的多中心格局。风险投资网络中处于核心节点的城市也偏向于长期维持其核心地位，表现出强烈的路径依赖特征。香港在中国风险投资网络中的核心地位有所下降，深圳逐渐发展为全国风险投资网络中心，实现与香港之间部分金融功能的转移。因此，从政府宏观调控出发，在考虑核心城市发挥辐射带动作用的基础上，可引导金融要素在城市间相对均衡地进行分布，以在更大空间尺度上获得集聚经济。
3）在城市风险投资网络空间结构的影响因素中，城市创业基础、风投行业发展基础、第三产业占比和金融环境等都对城市风险投资网络空间结构存在显著影响。其中，城市创业基础水平、风投行业发展基础、第三产业占比、金融环境和城市可达性是影响城市间风险投资网络空间结构的主要因素，第二产业占比对风险投资吸引和输出能力具有一定的促进作用，而城市经济发展水平对资本输出能力有一定的负向影响，并且其对城市资本吸引没有显著影响。回归结果一定程度上也表明多维邻近性、城市经济与路径依赖等多种机制是塑造风险投资网络结构的重要力量，推动着全国和区域的风险资本网络构建与区域资本中心的形成与演变。因此，依靠市场的自我配置能力是很难实现金融资源向网络中的边缘城市流动的，必须依靠国家层面的政策倾斜才能引导金融资源向下延伸。
研究得出以下启示：1）明确城市在全国风险投资网络中的地位，改善城市创新创业环境，提升创投要素资源配置能级，吸引风险投资机构和初创企业入驻形成聚集效应以吸引更多资本。2）在风险投资逐渐下沉至中小城市的进程中，顺应风险投资活动长距离联系的趋势，不断消除阻碍资本和技术等创新要素自由流动的壁垒，逐步形成各城市间的跨区域投资与创业项目的资金对接长效机制，扩大网络连通性，推动全国风险资本中心城市资源快速高效流动，从而使得各节点城市能够从城市风险投资网络的规模化效应中受益。3）改善城市对外交通网络基础设施，提升城市可达性，降低风险投资活动中信息、人员、资本和创新创业等要素资源的跨区域流动成本。
本研究仍存在以下2个方面的不足：一是无法反映风险投资企业对中国上市公司的投资行为，因此未来将扩大对上市公司风险资本流动特征的研究，以期更全面地了解中国城市间的风险投资联系特征；二是未考察不同行业间的风险投资分布差异反映到城市间投资网络上所表现出的异质性，未来的研究将尝试从更多细分行业视角对中国风险投资网络进行更深入细致的探析。

脚注

1 www.cvsource.com.cn

卢 秦：收集和处理数据，撰写和修改论文，以及论文图件和表格制作；

叶玉瑶：提出研究问题，指导论文撰写和修改；

李苑君：指导修改论文引言和部分文字表述；

吴康敏：指导修改论文部分内容文字表述；

刘郑倩：协助完善论文图件。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Borgatti S P, and Everett M G. 1999. Models of Core/Periphery Structures. Social Networks, 21(4): 375-395.

Castilla E J. 2003. Networks of Venture Capital Firms in Silicon Valley. International Journal of Technology Management, 25(1/2): 113-135.

成思危. 1999. 依靠风险投资推进高技术产业化. 中国科技产业，（10）：5-8.

Cheng Siwei. 1999. Promote the Industrialization of High Technology Relying on Venture Capital. Science & Technology Industry of China, (10): 5-8.

杜德斌. 2015. 全球科技创新中心：动力与模式. 上海：上海人民出版社.

Du Debin. 2015. Global Science and Technology Innovation Center: Power and Model. Shanghai:Shanghai People's Press.

杜德林，王姣娥. 2022. 基于空间视角的风险投资研究进展与展望. 地理科学进展，41（3）：477-487.

Du Delin, and Wang Jiao'e. 2022. Progress of Research on Venture Capital from the Spatial Perspective and Its Prospect. Progress in Geography, 41(3): 477-487.

Fang J W. 2018. An Analysis of the Differentiation Rules and Influencing Factors of Venture Capital in Beijing-Tianjin-Hebei Urban Agglomeration. Geogr. Sci., 28: 514-528.

Florida R, and Smith D F. 1993. Venture Capital Formation, Investment, and Regional Industrialization. Annals of the Association of American Geographers, 83(3): 434-451.

高鹏，宁越敏，何丹. 2022. 长三角地区多尺度城市网络空间演化及互馈效应研究. 地理科学，42（10）：1767-1777.

Gao Peng, Ning Yuemin, and He Dan. 2022. Spatial Evolution and Interaction Effects of Multi-Scalar Urban Networks in the Yangtze River Delta. Scientia Geographica Sinica, 42(10): 1767-1777.

古恒宇，沈体雁. 2021. 1995—2015年中国省际人口迁移网络的演化特征——基于异质性劳动力视角. 地理研究，40（6）：1823-1839.

Gu Hengyu, and Shen Tiyan. 2021. Evolution Patterns of China's Interprovincial Migration Networks between 1995 and 2015: Based on Labour Heterogeneity. Geographical Research, 40(6): 1823-1839.

国家统计局城市社会经济调查司. 2017. 中国城市统计年鉴. 北京：中国统计出版社.

Department of Urban Surveys National Bureau of Statistics of China. 2017. China City Statistical Yearbook. Beijing: China Statistics Press.

贺灿飞. 2018. 区域产业发展演化: 路径依赖还是路径创造?. 地理研究，37（7）：1253-1267.

He Canfei. 2018. Regional Industrial Development and Evolution: Path Dependence or Path Creation?. Geographical Research, 37(7): 1253-1267.

胡国建，陈传明，陈丽娟，王强，金星星. 2018. 企业跨区域投资格局及其影响因素：以福建上市企业为例. 经济地理，38（9）：138-146.

Hu Guojian, Chen Chuanming, Chen Lijuan, Wang Qiang, and Jin Xingxing. 2018. Enterprise's Cross-Region Investment Pattern and Its Determinants: A Case Study of Fujian Listed Firms. Economic Geography, 38(9): 138-146.

黄晓，陈金丹，于斌斌. 2015. 环境不确定性与本地投资偏好：基于中国本土VC样本的研究. 科学学与科学技术管理，36（9）：126-137.

Huang Xiao, Chen Jindan, and Yu Binbin. 2015. Environment Uncertainty and Local Bias: An Empirical Analysis of Chinese Venture Capital Investments. Science of Science and Management of S&T, 36(9): 126-137.

黄晓东，杜德斌，刘承良. 2021. 全球跨境并购网络的空间格局演化及形成机制. 地理学报，76（10）：2536-2550.

Huang Xiaodong, Du Debin, and Liu Chengliang. 2021. The Evolution Process and Growth Mechanism of Global Cross-Border M&A Network. Acta Geographica Sinica, 76(10): 2536-2550.

Jääskeläinen M, and Maula M. 2014. Do Networks of Financial Intermediaries Help Reduce Local Bias? Evidence from Cross-Border Venture Capital Exits. Journal of Business Venturing, 29(5): 704-721.

Jin Y H, Zhang Q, and Li S P. 2016. Topological Properties and Community Detection of Venture Capital Network: Evidence from China, Physica A: Statistical Mechanics and its Applications, 442: 300-311.

焦敬娟，张齐林，吴宇勇，江润泽，王姣娥. 2021. 中国异地投资网络结构演化及影响因素研究. 地理科学进展，40（8）：1257-1268.

Jiao Jingjuan, Zhang Qilin, Wu Yuyong, Jiang Runze, and Wang Jiao'e. 2021. Change and Influencing Factors of China's Cross-Regional Investment Network Structure. Progress in Geography, 40(8): 1257-1268.

金永红，汪巍，奚玉芹. 2020. 风险投资网络与区域创新能力研究. 软科学，34（11）：33-39.

Jin Yonghong, Wang Wei, and Xi Yuqin. 2020. Venture Capital Network and Regional Innovation Capability. Soft Science, 34(11): 33-39.

Lerner J, and Ramana N. 2020. Venture Capital's Role in Financing Innovation: What We Know and How Much We Still Need to Learn. Journal of Economic Perspectives, 34 (3): 237-61.

Li Z R, and Feng Z. 2019. Mapping Urban Networks through Interfirm Investment Linkages: The Case of Listed Companies in Jiangsu, China. Sustainability, 12(1): 89.

林晓，徐伟，杜德斌，杨凡. 2019. 上海市风险投资企业的空间分布与“技术—资本”地理邻近性. 地理学报，74（6）：1112-1130.

Lin Xiao, Xu Wei, Du Debin, and Yang Fan. 2019. Spatial Pattern and Technology-Capital Geographic Proximity of Venture Capital Firms in Shanghai. Acta Geographica Sinica, 74(6): 1112-1130.

刘军．2009. 整体网分析讲义．上海：格致出版社.

Liu Jun. 2009. Holistic Web Analysis Handout. Shanghai: Gezhi Press.

刘乐，盛科荣，张杰，王传阳. 2022. 金融网络嵌入对中国城市创业活力的影响研究. 地理科学进展，41（12）：2244-2257.

Liu Le, Sheng Kerong, Zhang Jie, and Wang Chuanyang. 2022. The Impact of Financial Network Embedding on Entrepreneurial Vitality of Cities in China. Progress in Geography, 41(12): 2244-2257.

Ma Y Y, Zhuang X T, and Li L X. 2011. Research on the Relationships of the Domestic Mutual Investment of China Based on the Cross-Shareholding Networks of the Listed Companies. Physica A: Statistical Mechanics and Its Applications, 390(4): 749-759.

Natdanai A, and Arnat L. 2021. Venture Capital Networks in Southeast Asia: Network Characteristics and Cohesive Subgroups. International Review of Financial Analysis, 76: 101752.

Pan F H, Zhao S X B, and Wójcik D. 2016. The Rise of Venture Capital Centres in China: A Spatial and Network Analysis. Geoforum, 75: 148-158.

Pan F H, Bi W K, Lenzer J, and Zhao S M. 2017. Mapping Urban Networks through Inter-Firm Service Relationships: The Case of China. Urban Studies, 54(16): 3639-3654.

Pan F H, and Yang B F. 2019. Financial Development and the Geographies of Startup Cities:Evidence from China. Small Business Economics, 52(3): 743-758.

彭勇，汤宗健. 2020. 中国风险投资的区域网络特征评价. 统计与决策，36（10）：144-148.

Peng Yong, Tang Zongjian. 2020. Evaluation on China's Regional Network Characteristics of Venture Capital. Statistics & Decision, 36(10): 144-148.

钱肖颖，孙斌栋. 2021. 基于城际创业投资联系的中国城市网络结构和组织模式. 地理研究，40（02）：419-430.

Qian Xiaoying, and Sun Bindong. 2021. The Spatial Structures and Organization Patterns of China's City Network Based on Intercity Startup Investments. Geographical Research, 40(2): 419-430.

Wray F. 2012. Rethinking the Venture Capital Industry: Relational Geographies and Impacts of Venture Capitalists in Two UK Regions. Journal of Economic Geography, 12(1): 297-319.

Wu K M, Wang Y, Zhang H O, Liu Y, Ye Y Y, and Yue X L. 2022. The Pattern, Evolution, and Mechanism of Venture Capital Flows in the Guangdong-Hong Kong-Macao Greater Bay Area, China. Geogr. Sci. 32: 2085-2104.

汪传江. 2019. 中国城市间投资网络的结构特征与演化分析：基于企业并购视角. 工业技术经济，38（2）：87-96.

Wang Chuanjiang. 2019. Analysis of Structural Characteristics and Evolution of China's Cross- City Investment Network: Based on the Perspective of Mergers and Acquisitions. Journal of Industrial Technological Economics, 38(2): 87-96.

汪明峰，魏也华，邱娟. 2014. 中国风险投资活动的空间集聚与城市网络. 财经研究，40（4）：117-131.

Wang Mingfeng, Wei Yehua, and Qiu Juan. 2014. Spatial Agglomeration and Urban Network of Venture Capital Investment in China. Journal of Finance and Economics, 40(4): 117-131.

王曦. 2009. 国内外风险投资网络理论研究综述. 科技管理研究，29（12）：311-313.

Wang Xi. 2009. A Review of Venture Capital Network Theory in Domestic and Overseas. Science and Technology Management Research, 29(12): 311-313.

徐晓红，潘峰华，夏亚博，曲亚霖，梁进社. 2016. 空间视角下国外风险投资的研究进展及启示. 地域研究与开发，35（2）：12-18.

Xu Xiaohong, Pan Fenghua, Xia Yabo, Qu Yalin, and Liang Jinshe. 2016. Progress of Research Abroad on Venture Capital from the Spatial Perspective and Its Implications. Areal Research and Development, 35(2): 12-18.

徐宜青，潘峰华，江小雨，曲亚霖，梁进社. 2016. 北京市风险投资的空间分布与合作网络研究. 地理科学进展，35（3）：358-367.

Xu Yiqing, Pan Fenghua, Jiang Xiaoyu, Qu Yalin, and Liang Jinshe. 2016. The Geography and Syndication Investment Networks of Venture Capital in Beijing. Progress in Geography, 35(3): 358-367.

杨浩然，王潇萌，张钦然，张凡，王姣娥. 2022. 基于航空和高铁流的中国城市网络格局及演化. 地理科学，42（3）：436-445.

Yang Haoran, Wang Xiaomeng, Zhang Qinran, Zhang Fan, and Wang Jiao’e. 2022. Pattern Characteristics and Dynamic Evolution of Urban Network Development in China Based on the Comparison between High-Speed Rail and Airlines flows. Scientia Geographica Sinica, 42(3): 436-445.

叶雅玲，林文盛，李振发，贺灿飞. 2020. 中国城市间投融资网络结构及其影响因素. 世界地理研究，29（2）：307-316.

Ye Yaling, Lin Wensheng, Li Zhenfa, and He Canfei. 2020. Spatial Structure and Influencing Factors of Urban Investment and Financing Network in China. World Regional Studies, 29(2): 307-316.

Zhang J. 2011. The Spatial Dynamics of Globalizing Venture Capital in China. Environment and Planning A, 43(7): 1562-1580.

Zook M A. 2002. Grounded Capital: Venture Financing and the Geography of the Internet Industry, 1994-2000. Journal of Economic Geography, 2(2): 151-177.

张杰，盛科荣，王传阳. 2022. 中国城市间金融网络的空间演化及其影响因素. 热带地理，42（6）：928-938.

Zhang Jie, Sheng Kerong, and Wang Chuanyang. 2022. Spatial Evolution and Underlying Factors of the Urban Financial Network in China. Tropical Geography, 42 (6): 928-938.

张玉华，李超. 2014. 中国创业投资地域集聚现象及其影响因素研究. 中国软科学，（12）：93-103.

Zhang Yuhua, and Li Chao. 2014. Analysis on Spatial Agglomeration and Its Influencing Factors of China's Venture Capital. China Soft Science, (12): 93-103.

赵玉萍，汪明峰，唐曦. 2020. 长三角一体化背景下的城市空间联系与规划：基于风险投资活动的研究. 城市规划，44（6）：55-64.

Zhao Yuping, Wang Mingfeng, and Tang Xi. 2020. Urban Spatial Connection and Planning under the Background of the Integration of the Yangtze River Delta: A Study Based on Venture Capital Activities. City Planning Review, 44(6): 55-64.

庄德林，王鹏鹏，许基兰，张菂. 2020. 中国创业投资城市网络空间结构演变研究——基于四大投资阶段的分析视角. 地理科学，40（8）：1256-1265.

Zhuang Delin, Wang Pengpeng, Xu Jilan, and Zhang Di. 2020. Spatial Structure Evolution of China's Venture Capital City Network: Based on the Analysis Perspective of Four Investment Stages. Scientia Geographica Sinica, 40(8): 1256-1265.

宗会明，吕瑞辉. 2020. 基于物流企业数据的2007—2017年中国城市网络空间特征及演化. 地理科学，40（5）：760-767.

Zong Huiming, and Lyu Ruihui. 2020. The Spatial Characteristics and Evolution of Chinese Urban Network Based on Logistics Enterprise Data in 2007-2017. Scientia Geographica Sinica, 40(5): 760-767.

Options
文章导航

/

〈 〉