EN中文

热带地理 >

2026 , Vol. 46 1 - 15

DOI: https://doi.org/10.13284/j.cnki.rddl.20250783

长江经济带跨城风险投资的网络结构与运行机制

  • 赖秭妍 , 1, 2, 负 ,
  • 徐炜 1, 2, 负 ,
  • 仲欣雨 1, 2, 负 ,
  • 戴靓 , 1, 2, 3, *, 负
展开
  • 1. 南京财经大学 公共管理学院，南京 210023
  • 2. 南京财经大学 智能政务服务研究院，南京 210023
  • 3. 浙江省城市治理研究中心，杭州 311121
戴靓（1989—），女，江苏镇江人，副教授，硕士生导师，主要从事城市网络与区域发展研究，E-mail：

负责思路设计、分析框架和模型建立、论文修改与校对

收稿日期: 2025-11-06

  修回日期: 2026-03-22

  网络出版日期: 2026-06-01

基金资助

国家自然科学基金项目（42271212）；2025年江苏高校“青蓝工程”优秀教学团队（“双术”融合的公共管理教学团队）（苏教师函[2025]16号）；南京财经大学大学生创新创业训练项目（X2025103270108）

版权

版权所有 © 2026 热带地理编辑部
收起

Network Structures and Operational Mechanisms of Intercity Venture Capital Investments in the Yangtze River Economic Belt

  • Ziyan Lai , 1, 2 ,
  • Wei Xu 1, 2 ,
  • Xinyu Zhong 1, 2 ,
  • Liang Dai , 1, 2, 3, *
Expand
  • 1. School of Public Administration, Nanjing University of Finance & Economics, Nanjing 210023, China
  • 2. Institute for Intelligent Government Services, Nanjing University of Finance & Economics, Nanjing 210023, China
  • 3. Center for Zhejiang Urban Governance Studies, Hangzhou 311121, China

Received date: 2025-11-06

  Revised date: 2026-03-22

  Online published: 2026-06-01

Copyright

Copyright © 2026 Tropical Geography. All rights reserved.
Fold

摘要

文章聚焦于2006—2022年长江经济带的跨城风险投资流，构建出6个时间截面的有向加权网络，从微观节点层级、中观组团分类、宏观拓扑属性层面分析其网络结构特征；并运用指数随机图模型从内生结构效应、城市属性效应、外部情境效应探讨其运行机制。研究发现：1）上海始终是长江经济带的风险投资核心，杭州、南京、武汉、成都、重庆紧随其后；投资组团与省域或区域行政边界高度契合，形成了长三角强势组团、成渝双核组团、长江中游多中心组团与云贵新兴组团；2）长江经济带跨城风险投资网络的核心—边缘分异突出，呈现异配性，网络投资规模与城际投资强度整体提升，互惠性与小世界性不断强化，网络结构亦逐步优化；3）长江经济带跨城风险投资及演化的内生运行机制从早期以互惠机制和择优依附机制为主演化到后期传递闭合机制凸显的多方博弈；外生运行机制中，城市的全球化、市场化、城市化水平均促进跨城风险投资，但全球化和城市化的作用在下降而市场化的作用在加强；城市间地理和组织邻近对跨城风险投资的推动也在弱化。

关键词： 风险投资; 网络仿真; 运行机制; 指数随机图模型; 长江经济带

本文引用格式

赖秭妍 , 徐炜 , 仲欣雨 , 戴靓 . 长江经济带跨城风险投资的网络结构与运行机制[J]. 热带地理, 2026 : 1 -15 . DOI: 10.13284/j.cnki.rddl.20250783

Abstract

Cross-regional venture capital investments are crucial drivers for reshaping urban and regional economies, and their structural characteristics and operational mechanisms are popular topics in economic and urban geography. Based on intercity venture capital flows in the Yangtze River Economic Belt from 2006 to 2022, directed and weighted networks were constructed at six time points, and the network structural characteristics were analyzed from the perspectives of micro-node hierarchy, meso-cluster classification, and macro-topological attributes. Subsequently, the underlying operational mechanisms of intercity venture capital flows were further explored through the lenses of endogenous structural, urban attribute, and external contextual effects using exponential random graph models. The results showed that (1) Shanghai has consistently remained the core of venture capital networks in the Yangtze River Economic Belt, followed by Hangzhou, Nanjing, Wuhan, Chengdu, and Chongqing. Investment clusters are highly aligned with provincial or regional administrative boundaries, forming a strong cluster in the Yangtze River Delta, a dual-core cluster in Chengdu and Chongqing, a multicenter cluster in the middle reaches of the Yangtze River, and emerging clusters in Yunnan and Guizhou. (2) The core-periphery differentiation of intercity venture capital networks in the Yangtze River Economic Belt is prominent. The overall investment scale and intercity investment intensity of the networks increased, reciprocity and small-world characteristics were continuously strengthened, and network structures were gradually optimized. (3) The endogenous operational mechanisms of intercity venture capital flows in the Yangtze River Economic Belt evolved from reciprocal and preferential attachment mechanisms in the early stage to a later triadic closure mechanism driven by multiparty games. Regarding the exogenous operational mechanisms, the globalization, marketization and urbanization of cities promoted intercity venture capital flows, however, the roles of globalization and urbanization were decreasing whereas the role of marketization was increasing; the driving force of geographical and organizational proximity between cities to intercity venture capital flows was also decreasing. Based on these empirical findings, this study proposes policy recommendations for optimizing financial resource allocation and promoting coordinated regional development through network agglomeration and diffusion, urban functional division and interaction, and intercity barrier breaking and integration. Departing from existing research, this study systematically aligns network structural analysis with operational mechanisms across the micro-, meso-, and macro-levels, constructing an integrated multiscale analytical framework and a simulation methodology for complex networks. The applicability of this framework is validated through empirical investigation of intercity venture capital networks in the Yangtze River Economic Belt with the aim of deepening our understanding of intercity venture capital investment mechanisms while providing insights for research on other urban networks.

Key words： venture capital; network simulation; operational mechanism; exponential random graph model; Yangtze River Economic Belt

风险投资（Venture Capital）专业性强、运作精细，是重要的投资工具。其通过筛选项目、分散风险、强化管理、及时蜕资的闭环运作，一方面为创新者创业提供关键支撑，另一方面帮助投资人获得合理回报，从而实现双方共赢（马铭晨等，2023）。中国的风险投资行业起步于20世纪80年代，后受益于社会经济的高速发展，风投机构迅速成长扩张，风险投资逐渐成为中国多层次资本市场的重要部分，大量中国上市企业在创业期都得到风险投资的支持（陈思 等，2017）。与此同时，跨地域的投资促进了城市和区域的发展（Wei et al., 2010）在形塑城市之间的关系中起关键作用（Zhang et al., 2011）。
城市间要素流动与空间关联格局是城市地理研究的主要议题（张维阳 等，2025）。Castells提出的“流空间”（Space of Flows）理论，为解析资本等要素流动所驱动的区域空间结构重组提供了关键理论框架（Castells, 2009）。近些年，随着中国区域协调发展战略的推进和城市间要素流动增强，空间联系不断从垂直走向扁平并更加多样，城市网络化发展趋势愈发明显（冷炳荣 等，2014）。在此背景下，风险投资作为一种高效的资本流动形式，其运作行为体现“流空间”的特征。一方面，风险投资活动在地理空间和行业层面高度集中（Leinbach & Amrhein, 1987; Florida et al., 1990），呈现城市的导向性。这些城市汇聚创新资源，加之地理邻近效应可有效地控制风险投资成本以及降低其风险（Langeland, 2007）。另一方面，跨区域网络化的投资行为可促进资源的优化配置，更让中小城市得以突破本地发展瓶颈（Pan et al., 2016）。自2016年《长江经济带发展规划纲要》（中共中央，2016）实施以来，区域一体化发展强化了城市间的协同联动，发挥了核心城市的带动作用。长江经济带依托黄金水道串联11省市，2024年该地区GDP达63万亿元，在全国占比46.8%，人口为6.08亿人，占全国的43.2%，为中国社会经济发展提供重要支撑。区域内城市间频繁的资本要素流动，是探索一体化与城市网络发育程度的有效视角。然而，既有研究多聚焦于单一城市群或是静态网络结构，对长江经济带这一横跨东中西三大城市群且内部发展梯度分异的国家战略区域，目前尚缺乏对其跨城风险投资的系统性分析。风险资本如何在不同行政层级、发展水平、地理空间中实现网络化流动与配置，其形成与演化是否受到网络自组织的内生结构动力与地区禀赋、城际关系等外生情境因素的驱动，仍有待深入探究。因此，本文基于2006—2022年CVSource数据库中的跨城风险投资事件，以长江经济带118个城市为节点、城际风险投资频次为权重，构建6个时间截面的有向加权网络，综合运用社会网络分析与指数随机图模型，探究跨城风险投资的网络结构与运行机制，以期为促进区域资本流动、破除行政壁垒提供实践参考。

1 文献综述与分析框架

1.1 文献综述

关于风险投资网络的研究已取得较丰富成果。在研究对象上，学者往往聚焦于长三角（赵玉萍 等，2020）、粤港澳（张晓晴 等，2021）以及京津冀（方嘉雯 等，2017）等市场化程度较高的核心城市群，虽能较精准地揭示市场经济驱动下风险投资的集聚性与网络化规律，但在应用于如长江经济带这类内部发展梯度显著、政策与市场多重力量交织的国家战略区域时，现有分析框架还难以系统阐释跨层级、跨行政边界的资本网络是如何在区域异质性和制度复杂性共存的情境中被协同塑造并实现其动态演化。
既有文献主要采用复杂网络、空间分析以及社会网络等方法，对风险投资网络的结构特征、社群特征以及时空演变规律进行刻画。如钱肖颖等（2021）从城际创业投资视角，剖析了中国风险投资中心的形成过程与投资网络的组织模式；金永红等（2021）基于长时序联合投资网络系统，揭示了中国风险投资网络具有小世界性与无标度性等复杂结构特征。也有研究对城际投资影响因素进行探析，如汪明峰等（2014）定性分析了地理邻近、政府引导、全球化、市场化因素对城际风险投资网络的塑造；卢秦等（2023）、焦敬娟等（2021）采用多元回归等计量模型，定量检验了地区经济发展水平、金融环境、创新能力、产业结构以及城市可达性等对风险投资网络的作用；孙茜等（2022）运用二次指派程序，从多维邻近性视角揭示了经济、制度与社会邻近对风险投资网络及其与技术创新网络间耦合关系的影响。此类研究虽能有效揭示影响城际风险投资网络的基本驱动因素，但其均是建立在城际风险投资关系相互独立的假设上，未充分考虑网络连接之间的结构依赖性，即新的投资关系往往受到既有网络构型的促进或制约作用（Du et al., 2024）。
城市间风险投资流强度往往通过企业间投资事件频次（Fang, 2018；汪传江，2019）、上市企业所有权关系（Ma et al., 2011; Pan et al., 2017; Li & Feng, 2019）、企业投资金额（胡国建 等，2018；焦敬娟 等，2021）、联合投资关系（罗吉 等，2017）等进行表征，多数研究采用无向二值网络，未能充分刻画投资关系的方向性与关联强度的异质性。在影响机制探究上，学者基于资源禀赋理论解析地区经济发展水平、产业结构、创新创业基础、金融环境、政策支撑等因素（汪明峰 等，2014；Pan et al., 2016），也从演化经济地理视角探讨地理、制度、社会、认知等多维邻近对风险投资网络的影响（Shi et al., 2022）。随着社会网络和复杂网络在城市研究中的应用，学者逐渐突破网络关系的相互独立性假设，关注结构依赖的内生动力。如Vinciguerra等（2010）在欧洲城际Internet互动关系中发现，择优依附效应（星型结构）是驱动网络整体呈现“核心—边缘”结构和异配性的重要微观机制；桂钦昌等（2022）也在全球科学合作网络中发现，网络的全局特征源于局部构型的反复涌现与叠加，网络自组织的内生动力不可忽视。在方法上，学者多使用（空间）计量模型和QAP模型，但这些方法难以有效捕捉网络复杂性、无标度性等底层内生结构动力，因此需进一步借助生成性网络模型和仿真模拟技术（Ducruet & Beauguitte, 2014），其中指数随机图模型（Exponential Random Graph Model, ERGM）被广泛运用于系统剖析网络形成的内外生动力机制。如杨文龙等（2018）通过ERGM模拟验证了网络自组织动力（互惠性、三角传递性）、国家特征和外生情境因素（空间邻近性）在“一带一路”沿线国家投资关系中起重要作用；孙宇等（2021）运用多值ERGM揭示了长三角城市创新网络中凝聚子群的发育受到路径依赖驱动并呈现出自我强化的演化特征；覃雄合等（2023）基于ERGM解析了内生结构效应、行动者—关系效应和外生网络效应对全球跨境并购网络的影响。上述研究为分析跨城风险投资的运行机制提供了微观视角，但仍存在重网络模拟轻结构分析的问题，导致模拟变量设定与结构特征分析之间存在脱节。因此，亟需构建从格局分析到机制揭示的综合性分析框架，以系统考察跨城风险投资网络的演变规律及其底层动力。

1.2 分析框架

本文基于资源禀赋理论、多维邻近理论、社会网络理论以及复杂网络多尺度性，在借鉴国家间投资网络、全球跨境并购网络以及现有城市网络的实证研究（戴靓 等，2023；钟无双 等，2024； 赵林 等，2025）的基础上，从微观节点层级、中观组团分类、宏观拓扑属性层面分析网络结构特征，进而构建与之对应的城市属性效应、外部情境效应、结构依赖效应维度的网络仿真模拟，以探讨行动者—关系机制、组团集聚机制和网络局部选择机制对长江经济带跨城风险投资的影响（图1）。
图1 长江经济带跨城风险投资运行机制的分析框架

Fig.1 Analytical framework for the operational mechanisms of cross-city venture capital flows in the Yangtze River Economic Belt

微观层面，学者通常聚焦风险投资网络中城市节点的层级特征，发现其与城市自身的禀赋属性密切相关，如全球化、市场化和城市化等因素，即社会网络所关注的行动者（节点）的属性特征如何影响网络关系的形成。中观层面，学者主要探寻风险投资网络中的凝聚子群、社区结构等特征，发现其也受城市之间的地理邻近、组织邻近、制度邻近、社会邻近等二元关系影响，即经济地理所关注的多维邻近性如何影响城市间的集聚与组团。宏观层面，学者逐步研究网络整体的拓扑，如互惠性、无标度性、小世界性等复杂网络特征，发现网络的全局结构是由底层的局部构型不断重复和大量涌现所致，通常包括双边的互惠关系、一对多的星型构型、三方传递性和多重连接性。微观和中观结构特征所对应的影响因素往往被实证研究所检验，但宏观结构特征所对应的内生结构因素却易被忽视、难以被传统的（空间）计量模型检验。因此，本研究基于2006—2022年跨城风险投资事件数据，将社会网络分析方法与指数随机图仿真模拟结合，构建有向加权的跨城风险投资网络与“宏观—中观—微观”多尺度分析框架，系统追踪长江经济带跨城风险投资网络的演化特征，识别影响网络结构变迁的关键因素，揭示其内外生的运行机制，从而为深化区域资本协同、提升整体创新效能提供理论支撑与政策建议。

2 方法与数据

2.1 长江经济带跨城风险投资网络的构建

根据2016年中共中央政治局批复的《长江经济带发展规划纲要》（中共中央，2016），长江经济带涉及11个省市（上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、贵州、云南）的118个城市。以这些城市为节点，边为有向的投资关系，边权重为两城间跨城风险投资的次数，构建有向加权的长江经济带跨城风险投资网络。风险投资事件数据来自CVSource投中数据库①，将机构层面的投资关系映射至城市维度。该风险投资数据库包含2000年以来的风险投资事件，投资和融资机构名称、地址、投资时间、金额、轮次、行业等信息。鉴于数据库中大量企业未披露具体的投资金额，本研究采用投资次数刻画投资机构（投资方）与初创企业（融资方）之间的关联。由图2可见，2006年以前跨城风投处于低位孕育阶段；2006年之后，投资频次开始增长。继2006—2009年的平稳增长后，2009—2013年开始加速上升；随后在2013—2016年跨城风投显著扩张并达到峰值；2016年起投资频次逐步回落，至2019年跌至阶段性低谷；2019—2022年呈现小幅回升与调整态势。据此可将长江经济带跨城风险投资分为6个阶段：缓慢孕育阶段（2000—2006年）、初步起势阶段（2006—2009年）、波动上涨阶段（2009—2013年）、爆发增长阶段（2013—2016年）、回落低谷阶段（2016—2019年）、理性调整阶段（2019—2022年）。因此，以2006年为起始年，选取2009、2013、2016、2019年4个关键拐点年，以及考虑间隔期的一致性，以2022为末期年，考察长江经济带跨城风险投资的网络结构与运行机制。
图2 2000—2022年长江经济带跨城风险投资变化

Fig.2 Changes of cross-city venture capital investments in the Yangtze River Economic Belt during 2000-2022

2.2 社会网络分析

在可视化2006—2022年长江经济带风险投资网络的基础上，首先，通过投资强度、融资强度、中心性考察城市的节点层级。投资强度是节点投资频次的总和，体现城市的辐射能力和影响力；融资强度是节点引资频次的总和，体现城市的引资能力和吸引力；中心性是投资与引资强度之和，反映城市集聚风险资本的规模及其在网络中的资本调度能力。其次，通过“社区探测”将节点聚类成不同组团，使同一组团内的投资强度远大于不同组团间的强度。最后，通过网络密度、平均度、度中心势、互惠性、最短路径长度、全局聚集系数、度相关性等指标，测度网络整体的拓扑属性（戴靓 等，2024）。

2.3 网络仿真模拟

在众多生成式网络仿真模拟方法中，指数随机图模型因对结构依赖关系的强解释力和对节点类型的强包容性，成为模拟城市网络的理想方法。因而本文采用指数随机图模型将外生的行动者—关系效应、外部情境效应和内生的结构依赖效应有机结合，分析网络在节点、组团和全局层面所呈现出相应特征的底层逻辑与运行机制，公式（覃雄合 等，2023）为：
$ {P}_{r}(Y=y)=\frac{1}{K (\theta )}\text{exp}\{{\theta }_{\alpha }{Z}_{\alpha }(y)+{\theta }_{\beta }{Z}_{\beta }(y,x)+{\theta }_{\gamma }{Z}_{\gamma }(y,g)\} $
式中：$ {P}_{r}(Y=y) $表示模拟网络y实现真实网络Y的概率；1/$ K (\theta ) $是确保最终概率范围在0~1的标准化常量；$ {Z}_{\alpha }\left(y\right) $表示内生网络结构的统计量，即局部构型；$ {Z}_{\beta }\left(y,x\right) $表示网络节点属性的统计量，$ {Z}_{\gamma }\left(y,g\right) $表示网络外部情境的统计量；$ {\theta }_{\alpha } $、$ {\theta }_{\beta } $、$ {\theta }_{\gamma } $是对应统计量的待估参数，其显著性及数值反映统计量对网络形成的影响程度。若统计量参数值为正（负）且显著，说明该变量会促进（抑制）网络关系的形成。

3 长江经济带跨城风险投资的网络结构分析

3.1 宏观网络结构特征

从时空格局看，长江经济带跨城风险投资流东密西疏，逐步由东部核心极化转向多中心支撑的跨区域联动发展（图3）。网络发展早期（2006年），以上海为唯一核心城市，参与跨城风险投资的城市仅有28个，且投资流基本集中在各省的省会之间，较为松散稀疏。初步起势阶段（至2009年），东部的南京、杭州以及中部的武汉开始崛起，成为仅次于上海的核心力量，跨城风险投资联系从42条增至105条。爆发增长阶段（至2016年），受区域协调发展战略和城市群规划的影响，东部的无锡、合肥、常州、宁波，中部的长沙、南昌，西部的成都、重庆、贵阳、昆明等城市的跨城风险投资流相继发展壮大，长三角与成渝、长江中游、黔中城市群之间的跨区域风险投资凸显，构成长江经济带风险投资流的主干（马海涛 等，2022）。此后，网络规模出现一定收缩，跨城风险投资联系从2016年的495条减少到2019年的407条，参与城市也从99个降至86个。这主要受到多重因素叠加影响：1）中美贸易持续升级，外部不确定性增加，导致跨境与跨区域资本趋于谨慎（余振 等，2018）；2）2017—2018年间国内金融去杠杆政策不断收紧，风险投资行业募资难度加大，投资节奏有所放缓；3）2019年新冠疫情爆发，经济活动受阻，进一步抑制跨城投资行为（谷军健 等，2024），上述全球化波动、市场行情变化、国内政策调整以及突发公共卫生事件，共同导致网络进入回落低谷阶段。2019—2022年为理性调整阶段，内部呈现先降后升趋势。2019年后，随着国内疫情防控常态化、稳增长政策持续发力，并伴随注册制改革、北交所设立等资本市场改革举措落地，风险投资退出渠道不断拓宽，市场信心逐渐恢复。至2022年，跨城风险投资联系增至585条，由此可见，长江经济带跨城风险投资的演化并非由单一经济基本面驱动，而是受到全球化进程波动、资本市场行情变化以及当下政策导向的综合作用。
图3 2006—2022年长江经济带跨城风险投资网络

Fig.3 Cross-city venture capital networks in the Yangtze River Economic Belt during 2006–2022

从拓扑结构看，长江经济带跨城风险投资规模波动上升，但网络密度尚未达到0.2，即实际跨城投资联系不足20%，网络相对稀疏，投资流联系不够多元和丰富。与此同时，网络表现出异配性特征，即小城市更倾向于与大城市直接建立投资联系，导致少数节点占据整个网络大部分投资流，大部分小节点与相似规模、相似层级的城市间缺乏广泛和深度链接，跨城风险投资网络具有择优依附偏好，因而呈现较明显的核心—边缘结构。网络度中心势呈下降趋势，入度中心势、出度中心势分别从2006年的0.256、0.043波动式下降至2022年的0.046、0.028，表明区域内跨城风险投资正在经历去中心化。从各年份的入度中心势高于出度中心势可知，引资能力强的城市比投资能力强的城市更集中，说明去中心化在资本流动的不同方向上也存在异质性，即后续模拟时需区分投资流入的聚敛性与投资流出的扩张性2种效应。总体而言，这种扁平化的发展趋势与投资流局部的互惠性和集聚性息息相关。网络的互惠性由2006年的11.5%上升至2022年的33.8%，体现基于信任的双向投资行为逐渐增加，协作互促机制得以发挥。此外，网络的最短路径长度由2006年的2.567下降至2022年的2.282，全局集聚系数从2006年的0.118上升至2022年的0.543，城际风投网络凝聚性与连通性稳步提升，“小世界性”愈发明显，网络整体韧性增强。这些宏观结构的动态变化在一定程度上受底层局部构型自组织自演化的驱动（周建平 等，2021）。

3.2 中观组团分类特征

从组团归属看，长江经济带跨城风险投资由起初的兼具本地组团与远程跨区域核心组团发展为高度囿于省域或城市群边界的细分组团（图4），反映地理邻近与组织邻近在组团形成与演化中发挥的作用日益凸显。在缓慢孕育阶段末期的2006年，除了形成小规模的江苏、安徽、四川等地域性组团，较为明显的是跨度较大的东中西远程交互组团（图4-a中的组团1）。经历了初步起势（图4-b）、波动上涨（图4-c）和爆发增长（图4-d）的10年发展与扩张，加入跨城风投的城市不断增多，其与本地高能级城市的链接加强，以地理邻近、围绕核心城市发展起来的地域性组团逐步扩容。2016年，随着《关于依托黄金水道推动长江经济带发展的指导意见》（国务院，2014）的发布，以上海、南京、杭州为核心的长三角组团内部联系日益紧密，并沿长江黄金水道向上游延伸，东中西远程核心组团城市增多、范围扩大，如东部长三角核心区联动中部的长沙、西部的成都、重庆、贵阳、昆明等城市共同发展（图4-d中的组团1），体现“黄金水道”枢纽功能的强化，直接引导风投资本沿江布局，促进跨区域主干网络的成形；而本地组团也愈发跨越行政界限形成区域性组团，如湖南湖北相互协同的局面，成为长江经济带中部崛起的主要力量（图4-d中的组团5）。随即在回落低谷（图4-e）和理性调整（图4-f）后，组团结构呈现对外联动收缩、对内提质增效的发展趋势。一方面，横跨整个长江经济带的东中西远程组团受到成渝、长江中游等国家级城市群发展规划的影响，逐渐调整为以城市群为界的长三角强势组团、成渝双核组团、长江中游多中心组团。另一方面，中西部地区越来越多的边缘城市依托省会发挥桥头堡的作用，参与到风投网络，如以贵阳为核心，整合毕节、遵义、六盘水、黔南州、黔东南州、黔西南州等城市，构成云贵新兴组团（图4-f中的组团6）。由此可见，高能级城市间的制度邻近和不同能级城市间的地理邻近和行政边界效应共同影响该区域的跨城风险投资组团变迁。
图4 2006—2022年长江经济带跨城风险投资组团

注：该图基于国家测绘地理信息局下载的审图号GS（2023）2767的标准地图制作，底图无修改。

Fig.4 Cross-city venture capital clusters in the Yangtze River Economic Belt during 2006–2022

3.3 微观节点层级特征

从节点层级看，长江经济带城市的跨城风险投资强度、融资强度、中心性与其行政等级、经济发展水平密不可分。由表1可知，上海作为中国长期的经济中心和国际金融中心，凭借国内外风险投资机构的高度集聚优势（钱肖颖 等，2021），始终处于城际风投网络的核心位置，其风投资本的吸引力、影响力、整合力常年居于首位，持续作为长江经济带风险投资的核心枢纽，发挥资本集聚与辐射的关键作用。在初步起势阶段（2006—2009年），无锡、杭州、苏州、南京等长三角城市依托地理邻近与经济发展成为仅次于上海的核心节点；而武汉、重庆等中西部省会仅为三级节点，资源集聚度与网络影响力相对滞后。在波动上涨和爆发增长（2009—2016年）阶段，随着区域交通互联互通与产业梯度转移，武汉、成都等中西部省会排名实现跃升，宁波、合肥等新兴节点逐步崛起，风险投资网络逐步由沿海向内陆深度渗透。从阶段性回落至低谷到理性调整阶段（2019—2022年），宁波、合肥排名进一步上升，与成都、武汉形成第二层级协同节点；同时位于西部地区的贵阳在2022年首次位列投资强度第八位、从被动接收资本的零散节点，成长为西南地区风险投资的新兴支撑核心。总体上，长江经济带风险投资市场的资本流通，主要由高能级城市构成的少数核心投资节点所主导，各地区的省会城市作为区域中心，一方面与以上海为代表的长三角东部高能级城市突破地理距离限制，形成高强度跨区域联系；另一方面与地理邻近的省内城市维持紧密关联，形成“全球管道—本地翁鸣”式相互交织的投资结构（曹湛 等，2022）。由此可见，长江经济带跨城风险投资既受到城市本地的市场、资源、区位因素影响，也受到外部城市能级、资本流动通道甚至全球化的影响，形成核心引领、多级联动、梯度扩散的投资格局。
表1 2006—2022年长江经济带城际风险投资流排名前十的城市

Table 1 Top-10 Cities in cross-city venture capital flows in the Yangtze River Economic Belt during 2006–2022

排名 2006年 2009年 2013年 2016年 2019年 2022年
中心性 投资
强度		 融资
强度		 中心性 投资
强度		 融资
强度		 中心性 投资
强度		 融资
强度		 中心性 投资
强度		 融资
强度		 中心性 投资
强度		 融资
强度		 中心性 投资
强度		 融资
强度
1 上海 上海 上海 上海 上海 上海 上海 上海 上海 上海 上海 上海 上海 上海 上海 上海 上海 上海
2 无锡 无锡 无锡 杭州 杭州 杭州 杭州 杭州 杭州 杭州 杭州 杭州 杭州 杭州 杭州 杭州 杭州 杭州
3 杭州 杭州 杭州 苏州 苏州 苏州 苏州 苏州 苏州 苏州 武汉 苏州 苏州 苏州 苏州 苏州 南京 苏州
4 苏州 苏州 苏州 武汉 武汉 武汉 南京 南京 成都 武汉 苏州 武汉 南京 宁波 南京 南京 苏州 南京
5 南京 南京 南京 无锡 无锡 无锡 成都 成都 南京 南京 南京 南京 武汉 南京 武汉 合肥 宁波 成都
6 武汉 武汉 南通 南京 长沙 成都 常州 武汉 常州 成都 宁波 成都 宁波 武汉 成都 宁波 合肥 合肥
7 重庆 重庆 武汉 长沙 南京 南京 宁波 宁波 无锡 宁波 成都 无锡 成都 合肥 合肥 成都 成都 无锡
8 南通 长沙 嘉兴 成都 成都 长沙 武汉 常州 宁波 重庆 重庆 重庆 合肥 成都 宁波 无锡 贵阳 武汉
9 嘉兴 成都 重庆 嘉兴 嘉兴 重庆 无锡 长沙 重庆 无锡 嘉兴 宁波 无锡 无锡 无锡 武汉 武汉 宁波
10 长沙 常州 台州 重庆 重庆 合肥 重庆 无锡 武汉 长沙 合肥 长沙 长沙 嘉兴 长沙 常州 无锡 常州

4 长江经济带跨城风险投资的运行机制分析

4.1 内外生动力变量设定

综上可知，影响跨城风险投资的因素既有外生的城市属性、情境因素，也有内生的结构依赖。其中，结构依赖是网络内生的自组织自演化机制，包括基础的边增长机制、双边的互惠机制和高阶的择优依附机制、三包闭合机制或多重连接机制（Snijders et al., 2006）。在结构依赖因素中，首先，边变量（edges）代表城际风险投资产生的基准倾向，在ERGM中用以控制网络规模，类似于回归模型中的截距项。其次，从网络互惠性的提升可看出，双向互利是推动跨城投资的重要动力，因而在模型中设定mutual变量。再次，从网络的核心边缘结构和异配性可推测，城市间的投资关系受择优依附的影响，Hunter（2007）指出几何加权度分布是表征逆择优依附趋势的统计量，当其估计参数显著为负时，意味着存在择优依附机制。在有向网络中，可将其细分为对应投资流扩张性的gwodegree变量和对应于引资流聚敛性的gwidegree变量（李鲁奇 等，2024）。最后，网络集聚性的强化可推测是城市间的投资关系受到局部三角构型的驱动所致，因而在模型中设定闭合三角构型（gwesp）和开放三角构型（gwdsp）变量（罗超亮 等，2023）。
考虑外内生变量数量的平衡和模型的收敛性，借鉴于瀚辰等（2019）的研究，将城市层面的多重因素凝练为全球化、市场化、城市化，分别采用实际利用外商投资额（fdi）（汪明峰 等，2014）、风险投资机构数（firm）（Shi et al., 2022）、城市从业人员数（uemp）（安頔 等，2024）衡量，并通过发送者关系效应nodeocov和接收者关系效应nodeicov统计量纳入ERGM，以区分其对投资和引资各自的影响。相关数据来自各省份/城市的统计年鉴、统计公报以及CVSource数据库。
从组团变化可看出，跨城风险投资存在明显的省界效应、行政壁垒和距离衰减，为量化这些因素的影响，本文设定地理邻近（geo）、组织邻近（pro）和制度邻近（adm）变量。地理邻近是用10减去城市间地理距离的对数而得（段德忠 等，2018），再通过网络协变量edgecov（geo）纳入ERGM；组织和制度邻近均是二元变量，可通过网络趋同性变量nodematch（pro）纳入ERGM，前者是两城同省则为1，反之为0，后者是两城同属高能级城市（直辖市、省会、副省级城市）则为1，反之为0。因外生的社会邻近与内生的三角构型存在一定的概念重叠（Dai et al., 2023），所以未被纳入模型考察。最终，变量设定如表2所示。
表2 指数随机图模型变量

Table 2 Variables of exponential random graph models

网络结构类型统计量变量解释
宏观
拓扑
属性		基础项边edges产生城际投资的基准倾向
内生
结构
效应		互惠性mutual城市间产生相互投资的倾向
扩张性gwodegree城际投资关系呈星形分布的倾向
聚敛性gwidegree城际融资关系呈星形分布的倾向
闭合三角构型gwesp拥有共同邻居的城市产生直接风险投资形成闭合三角形的倾向
开放三角构型gwdsp城市之间通过共同邻居产生间接风险投资形成开放三角形的倾向
中观
组团
分类		外部
情境
效应		网络协变量edgecov（geo）地理邻近促进城际风险投资
网络同配性nodematch（pro）组织邻近促进城际风险投资
nodematch（adm）制度邻近促进城际风险投资
微观
节点
层级		城市
属性
效应		发送者效应nodeocov（fdi）全球化、市场化、城市化水平高的城市更容易发出风险投资
nodeocov（firm）
nodeocov（uemp）
接收者效应nodeicov（fdi）全球化、市场化、城市化水平高的城市更容易接收风险投资
nodeicov（firm）
nodeicov（uemp）
将所有内外生动力变量纳入ERGM的一般表达式，即式（1），得到长江经济带跨城风险投资网络的仿真模拟公式为：
$\begin{split} &P_r\left(Y=y\right)\sim{\theta}_0\mathrm{edges}+{\theta}_1\mathrm{mutual}+{\theta}_2\mathrm{gwo{\mathrm{degree}}}+{\theta}_3\mathrm{gwi\\&{\mathrm{degree}}}+{\theta}_4\mathrm{gwesp}+{\theta}_5\mathrm{gwdsp}+{\theta}_6\mathrm{nodeocov}\left\mathrm({\mathrm{fdi}}\right)+\theta_7\mathrm{no\\&{\mathrm{deocov}}\left({\mathrm{firm}}\right)}+\theta_8\mathrm{nodeocov\left(emp\right)}+\theta_9\mathrm{nodeicov}\left({\mathrm{fdi}}\right)+\\&\theta_{10}\mathrm{nodeicov\left(firm\right)}+\theta_{11}\mathrm{nodeicov\left(emp\right)}+\theta_{12}\mathrm{edgecov\\&\left({\mathrm{geo}}\right)}+\theta_{13}\mathrm{nodematc\text{h}\left(pro\right)}+\theta_{14}\mathrm{nodematc\text{h}\left(adm\right)} \end{split}$
式中：θ0~θ14代表各变量的拟合参数。ERGM的仿真模拟可运用R语言statnet程序包中的ergm函数实现，参数估计需采用马尔可夫蒙特卡罗极大似然法；参数的显著性通过t检验完成，模型拟合度通过赤池信息准则（AIC）与贝叶斯信息准则（BIC）评价，二者数值越小，模型拟合优度越高。

4.2 仿真模拟的结果分析

对2006—2022年6个时间段的风险投资网络进行ERGM模拟，最后均达到收敛，结果如表3所示。
表3 指数随机图模型的拟合结果

Table 3 Regression results of exponential random graph models

变量2006年2009年2013年2016年2019年2022年
edges-16.245***（1.838）-16.620**（6.309）-12.781**（4.681）-15.516***（2.400）-16.879**（5.387）-10.036**（3.240）
mutual6.427***（0.572）10.812***（2.134）8.095**（2.541）7.510***（1.483）6.314***（0.623）5.681***（1.086）
gwodegree-1.909***（0.438）-0.604***（1.181）-2.370*（1.207）-0.835*（0.772）-1.746*（2.071）-0.323*（0.964）
gwidegree-2.307***（0.441）-1.097***（1.103）-4.740**（2.882）-0.470**（0.771）-0.900**（1.267）-0.114*（1.362）
gwesp0.100（0.351）0.009（0.411）0.156***（0.330）0.293***（0.198）0.418***（0.392）0.359***（0.021）
gwdsp-0.059（0.263）-0.002（0.124）-0.299**（0.081）-0.025**（0.025）-0.175**（0.041）-0.098**（0.177）
edgecov（geo）2.636***（0.161）3.528***（0.557）2.512***（0.367）2.685***（0.159）2.217***（0.506）2.210***（0.237）
nodematch（pro）1.639***（0.378）1.875***（1.273）1.683***（1.011）1.533***（0.426）0.182***（1.015）0.403***（0.850）
nodematch（adm）-0.979***（0.225）-2.504**（0.854）-0.868**（0.609）-0.833**（0.275）-1.570**（0.542）-1.439**（0.476）
nodeocov（fdi）0.054*（0.076）0.330*（0.385）0.271**（0.300）0.185**（0.113）0.056**（0.285）0.026*（0.130）
nodeicov（fdi）0.194*（0.083）0.517*（0.365）0.092**（0.358）0.024**（0.122）0.008**（0.181）0.001*（0.159）
nodeocov（firm）0.001*（0.000）0.021*（0.022）0.028**（0.009）0.021*（0.001）0.029*（0.004）0.026*（0.003）
nodeicov（firm）0.001**（0.000）0.024**（0.013）0.039***（0.010）0.031**（0.000）0.037***（0.001）0.037***（0.002）
nodeocov（emp）0.986***（0.164）0.635***（0.783）1.096***（0.632）1.220***（0.217）1.105*（0.455）0.660*（0.335）
nodeicov（emp）0.656***（0.162）1.441***（0.757）0.415***（0.590）1.091***（0.207）0.916*（0.429）0.497*（0.377）
AIC881.830160.819910.883735.590972.9801416.255
BIC974.906250.2081004.453843.2911076.4351523.650
Log Likelihood-427.915-65.409-440.441-352.795-471.490-693.127

　注：*** P<0.001；** P<0.01；* P<0.05；括号中的数值为稳健标准误。

从局部选择机制看，edges系数在每个年份均显著为负，这是现实网络呈现的共性，即跨城风险投资并非随机的，而是多种动力复杂博弈后具有成本的抉择。互惠性（mutual）在各年份都显著为正，表明跨城风险投资具有二元依赖性，形成双向交互的局面（杨文龙 等，2018）。但在2009年后互惠性系数逐渐下降，即早期风险投资网络依赖简单的互惠机制到后期逐渐被择优依附或三方闭合等机制弱化，但互惠效应仍存在。gwodegree和gwidegree系数均显著负，说明跨城风投确实存在择优链接偏好，但呈波动式下降趋势。在风投初期，随着越来越多中小城市加入，区域内的风投核心在邻域范围扩散资本影响力、提升网络控制力；而边缘城市也需强化与高层级城市的资本联系，来获得显示度的迅速提升以及未来更大的网络主导性。随着风投的深入发展，前期形成的风投网络逐步“社会化”，一对多、多对一的择优机制逐渐被愈发扁平化的多方博弈机制所替代。gwesp与gwdsp系数在2013年后逐步通过显著性检验，gwesp显著为正而gwdsp显著为负，说明长江经济带跨城风投三角结构倾向于从多重连接的开放走向三包传递的闭合，这与罗超亮等（2023）在中国城市投资网络中的发现一致，这种三角形结构使长江经济带的跨城风险投资格局形成多个内部联系密切的子群，逐步向复杂的投资集群发展。综上可知，在内生结构依赖中，互惠机制和择优依附机制是早期网络发展的主要动力因素，但随着区域跨城风险投资的演化，三包闭合的多方博弈力量凸显，促使网络往层级化的社群结构发展。
从组团集聚机制看，地理邻近（geo）系数显著为正，表明风投资本更倾向于在物理距离相近的城市间流动，但在2009年后该系数逐年下降，即地理邻近对风险投资的影响弱化。随着交通通信技术的发展，区域性市场一体化不断深化，跨城交互成本降低、投资信任度增强，使长距离的跨区域投资增多。组织邻近（pro）系数也显著为正，但2016年后这种省界壁垒下降明显，可能与此后城市群发展规划的推进有关，使风险投资不再囿于省内，而是扩散到城市群子区域。制度邻近（adm）呈负向显著，即区域内高能级城市间的资本流动仍少于核心与边缘城市之间的流动，从网络演化理论看，这符合风险投资网络发育尚未成熟阶段的典型特征：当网络处于稀疏（密度不足0.2）状态，大部分城市间缺乏直接联系，网络呈现显著的核心—边缘结构，资本流动以核心城市向边缘城市的梯度扩散和涓滴效应为主（卢秦 等，2023）。
从行动者—关系机制看，城市的全球化水平（fdi）对风险资本的流出与流入都具有正向显著促进作用，且在2009年后对投资流出作用更强烈。但该作用在2019年急剧下降，全球化的边际效应递减，这可能与新冠疫情的冲击有关，同时也受到以“国内大循环为主体、国内国际双循环相互促进”的新发展格局影响（谷军健 等，2024）。同样，城市的市场化（firm）水平也对风险资本产生积极影响。风险投资机构数越多，创新创业环境越优越，跨城风险投资和引资能力均会更强，但对城市的引资效应更突出。风险投资机构在城市的集聚，能推动资金、知识、信息等核心要素的流动与共享，从而创造更多风投机会。此外，反映城市化水平的城市从业人员数（emp）无论是在发送者效应还是接收者效应，都有显著促进作用，但其系数先上升后下降，这可能是由于随着城市化的深入推进，人口红利边际逐渐递减，风投热点更多聚焦于技术密集型产业与生产性服务业（毛毅翀 等，2023）。整体上，在城市属性效应中，全球化、市场化和城市化水平均促进长江经济带跨城风险投资，但全球化和城市化的作用在下降，而市场化的推动作用在加强。

5 结论与讨论

5.1 结论

本文通过VCsource的风险投资数据，揭示2006—2022年长江经济带跨城风险投资在微观节点、中观组团、宏观拓扑方面的时空格局演化，并运用指数随机图模型从城市属性效应、外部情境效应、结构依赖效应层面，探讨跨城风险投资的运行机制，得到的主要结论有：
1）长江经济带跨城风险投资流东密西疏，呈现核心—边缘结构。其演化过程表现为从以上海为单核心的松散网络，发展到南京、杭州、武汉等次级核心逐步崛起，再到长三角与成渝、长中游等城市群跨区域联动的多中心发展格局。网络密度仍偏低，但整体规模波动式上升，网络互惠性、集聚性与连通性逐步提升，使网络结构优化、区域韧性增强。
2）长江经济带跨城风险投资流从兼具江苏、安徽、四川等地域性组团与东中西远程交互组团的形态，经历着对外联动收缩、对内提质增效的过程，形成了长三角强势组团、成渝双核组团、长江中游多中心组团与云贵新兴组团。上海始终稳居网络核心枢纽地位；无锡、杭州、苏州、南京早期为次级核心；武汉、重庆等中西部省会逐步跃升；成都、宁波、合肥顺势崛起，后期与武汉、成都形成第二层级；贵阳成长为西南新兴支撑。
3）长江经济带跨城风险投资主要受行动者—关系机制、组团集聚机制、局部选择机制综合影响。局部选择机制从跨城风险投资早期以互惠机制和择优依附机制为主，演化到后期三包闭合机制凸显的多方博弈，促使网络往层级化的社群结构发展。组团集聚主要受地理邻近和组织邻近的推动，而行动者—关系机制主要表现为全球化、市场化、城市化显著促进长江经济带跨城风险投资，但全球化和城市化的作用在弱化，而市场化的作用在加强。

5.2 建议与展望

相比既有研究，本文从微观、中观、宏观层面将网络结构分析与运行机制探讨一一对应，综合构建了复杂网络多尺度分析框架和模拟方法，验证了其在长江经济带城际风险投资网络实证研究中的适用性，深化了对跨城风险投资运行机制的认知，并为区域协同发展提供政策参考，也为其他类型城市网络的研究提供借鉴。结合本研究结果，可提出3点政策启示：1）在集聚与扩散上，需充分重视互惠性、传递性等网络内在结构依赖对资本配置的基础性作用，通过政策引导建立更多双向投资关系，并借助合作伙伴引荐拓展联结，以增强网络稳定性，在区域内形成高效的风险共担体系；2）在分工与联动上，各城市应依据自身在网络中的比较优势，分别强化资本吸纳或对外投资功能，并通过政策扶持助力有潜力的节点实现功能转型，从而构建功能互补、联动发展的梯队格局；3）在破壁与融合上，核心是破除要素流动壁垒，通过统一规则、简化审批促进制度衔接，并加强交通与信息基础设施联通，以降低跨区域流动成本，引导资本在更广范围内高效配置。
囿于数据可得性等因素，本研究也存在一些不足。首先，鉴于数据库中大量企业未披露具体的投资金额，本研究未能纳入更多细节信息，未来可聚焦特定类型风投事件的投资金额、股权、行业等信息，对投资关系的权重进行精准量化，也对投资领域的差别进行精细对比；其次，由于本研究重点探讨3个层面因素的综合作用，尤其是容易被忽视的内生动力，且考虑到模型的收敛性，因而外生的节点变量和邻近变量上仅各自选择3个代表性指标，未来可建立囊括金融环境、人才技术、社会服务等层面的综合指标体系对外生动力进行更全面的探讨；最后，本研究对外界环境冲击及公共突发事件影响下风险投资网络进入回落低谷阶段的内在机制分析尚不充分，未来可采用可分离的动态指数随机图模型，从形成与解散的双重视角，系统解构风险投资网络在扩张期与收缩期的差异化驱动机制。

① http://www.cvsource.com.cn/

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
安頔, 胡映洁, 万勇. 中国城市信息流网络空间结构特征研究: 基于降噪处理与有向网络分析方法. 世界地理研究, 2024, 33 (1): 134- 148.

An Di, Hu Yingjie, and Wan Yong. Analysis on Characteristics of Urban Information Network Structure in China: A Method Based on Denoising and Directed Network. World Regional Studies, 2024, 33 (1): 134- 148.

Castells M. 2009. The Rise of the Network Society. London: Wiley-Blackwell.

曹湛, 戴靓, 杨宇, 彭震伟. 基于“蜂鸣—管道”模型的中国城市知识合作模式及其对知识产出的影响. 地理学报, 2022, 77 (4): 960- 975.

Cao Zhan, Dai Liang, Yang Yu, and Peng Zhenwei. Knowledge Collaboration Patterns of Chinese Cities and Their Impacts on Knowledge Output: An Empirical Study Based the "Buzz-and-Pipelines" Model. Acta Geographica Sinica, 2022, 77 (4): 960- 975.

陈思, 何文龙, 张然. 风险投资与企业创新: 影响和潜在机制. 管理世界, 2017 (1): 158- 169.

Chen Si, He Wenlong, and Zhang Ran. Venture Capital and Corporate Innovation: Impact and Potential Mechanisms. Journal of Management World, 2017 (1): 158- 169.

Dai L, Derudder B, Cao Z, and Ji Y. Examining the Evolving Structures of Intercity Knowledge Networks: The Case of Scientific Collaboration in China. International Journal of Urban Sciences, 2023, 27 (3): 371- 389.

DOI

戴靓, 曹湛, 马海涛, 纪宇凡. 中国城市知识合作网络结构演化的影响机制. 地理学报, 2023, 78 (2): 334- 350.

Dai Liang, Cao Zhan, Ma Haitao, and Ji Yufan. The Influencing Mechanisms of Evolving Structures of China's Intercity Knowledge Collaboration Networks. Acta Geographica Sinica, 2023, 78 (2): 334- 350.

戴靓, 丁子军, 马海涛, 曹湛, 王瑞霖. 粤港澳大湾区技术转移的空间关联与内生动力. 地理学报, 2024, 79 (6): 1503- 1520.

Dai Liang, Ding Zijun, Ma Haitao, Cao Zhan, and Wang Ruilin. Spatial Linkages and Endogenous Mechanisms of Technology Transfer in the Guangdong-Hong Kong-Macao Greater Bay Area. Acta Geographica Sinica, 2024, 79 (6): 1503- 1520.

段德忠, 杜德斌, 谌颖, 翟庆华. 中国城市创新网络的时空复杂性及生长机制研究. 地理科学, 2018, 38 (11): 1759- 1768.

Duan Dezhong, Du Debin, Chen Ying, and Zhai Qinghua. Spatial-Temporal Complexity and Growth Mechanism of City Innovation Network in China. Scientia Geographica Sinica, 2018, 38 (11): 1759- 1768.

Ducruet C and Beauguitte L. Spatial Science and Network Science: Review and Outcomes of a Complex Relationship. Networks and Spatial Economics, 2014, 14 (3/4): 297- 316.

DOI

Du D, Wang J, Li J, and Huang J. Evolution of China's Intercity Venture Capital Network: Preferential Attachment vs. Path Dependence. Cities, 2024, 148, 104874.

DOI

Fang J. An Analysis of the Differentiation Rules and Influencing Factors of Venture Capital in Beijing-Tianjin-Hebei Urban Agglomeration. Journal of Geographical Sciences, 2018, 28 (4): 514- 528.

DOI

方嘉雯, 刘海猛. 京津冀城市群创业风险投资的时空分布特征及影响机制. 地理科学进展, 2017, 36 (1): 68- 77.

Fang Jiawen and Liu Haimeng. How and Why Venture Capital Flows in the Beijing-Tianjin-Hebei Urban Agglomeration. Progress in Geography, 2017, 36 (1): 68- 77.

Florida R and Smith D F. Venture Capital, Innovation, and Economic Development. Economic Development Quarterly, 1990, 4 (4): 345- 360.

DOI

谷军健, 廖理, 张伟强, 袁伟. 疫情冲击下中国创业活跃度损失与韧性研究. 科学学研究, 2024, 42 (1): 158- 169.

Gu Junjian, Liao Li, Zhang Weiqiang, and Yuan Wei. The Loss and Resilience of Entrepreneurship in China under COVID-19 Pandemic. Studies in Science of Science, 2024, 42 (1): 158- 169.

桂钦昌, 杜德斌, 刘承良, 侯纯光. 基于随机行动者模型的全球科学合作网络演化研究. 地理研究, 2022, 41 (10): 2631- 2647.

Gui Qinchang, Du Debin, Liu Chengliang, and Hou Chunguang. The Evolution of the Global Scientific Collaboration Network: A Stochastic Actor-Oriented Model Approach. Geographical Research, 2022, 41 (10): 2631- 2647.

国务院. 2014. 关于依托黄金水道推动长江经济带发展的指导意见. (2014-10-10)[2025-09-28]. https://www.gov.cn/gongbao/content/2014/content_2758494.htm. [State Council. 2014. Guiding Opinions of the State Council on Promoting the Development of the Yangtze River Economic Zone Based on the Golden Waterway. (2014-10-10) [2025-09-28]. https://www.gov.cn/gongbao/content/2014/content_2758494.htm.]

State Council. 2014. Guiding Opinions of the State Council on Promoting the Development of the Yangtze River Economic Zone Based on the Golden Waterway. (2014-10-10) [2025-09-28]. https://www.gov.cn/gongbao/content/2014/content_2758494.htm.

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

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

Hunter D R. Curved Exponential Family Models for Social Networks. Social Networks, 2007, 29 (2): 216- 230.

DOI

焦敬娟, 张齐林, 吴宇勇, 江润泽, 王姣娥. 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, 2021, 40 (8): 1257- 1268.

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

金永红, 汪巍, 奚玉芹. 中国风险投资网络结构特性及其演化. 系统管理学报, 2021, 30 (1): 40- 53.

Jin Yonghong, Wang Wei, and Xi Yugin. Structure and Evolution of Venture Capital Network in China. Journal of Systems & Management, 2021, 30 (1): 40- 53.

Langeland O. Financing Innovation: The Role of Norwegian Venture Capitalists in Financing Knowledge-Intensive Enterprises. European Planning Studies, 2007, 15 (9): 1143- 1161.

DOI

Leinbach T R and Amrhein C. A Geography of the Venture Capital Industry in the US. The Professional Geographer, 1987, 39 (2): 146- 158.

DOI

冷炳荣, 杨永春, 谭一洺. 城市网络研究: 由等级到网络. 国际城市规划, 2014, 29 (1): 1- 7.

Leng Bingrong, Yang Yongchun, and Tan Yiming. City Network Studies: The Transformation of Research Perspective from Hierarchy to Network. Urban Planning International, 2014, 29 (1): 1- 7.

李鲁奇, 戴靓, 宓泽锋, 孔翔. 开发区资本再地域化的演化特征与形成机理: 以长三角核心区为例. 地理研究, 2024, 43 (12): 3175- 3190.

Li Luqi, Dai Liang, Mi Zefeng, and Kong Xiang. The Evolution Characteristics and Formation Mechanism of Capital Reterritorialization between Development Zones in the Core Area of Yangtze River Delta Region. Geographical Research, 2024, 43 (12): 3175- 3190.

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

DOI

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. 热带地理, 2023, 43 (8): 1512- 1522.

Lu Qin, Ye Yuyao, Li Yuanjun, Wu Kangmin, and Liu Zhengqian. Evolution and Influencing Factors of Venture Capital Network Structure among Chinese Cities. Tropical Geography, 2023, 43 (8): 1512- 1522.

罗超亮, 刘冰, 姜晖. “谁”在投资中国文旅创业板块: 基于“领投-跟投”关系的研究. 旅游学刊, 2023, 38 (1): 66- 80.

DOI

Luo Chaoliang, Liu Bing, and Jiang Hui. "Who" Invests in New Culture and Tourism Ventures in China? A Study on "Leader-Follower" Relationships in Venture Capital Syndication. Tourism Tribune, 2023, 38 (1): 66- 80.

DOI

罗吉, 党兴华. 我国风险投资网络社群识别、群间差异与投资绩效研究. 管理评论, 2017, 29 (9): 48- 58.

Luo Ji and Dang Xinghua. China's Venture Capital Network Communities Recognition, Differences between the Communities and Investment Performance. Management Review, 2017, 29 (9): 48- 58.

马海涛, 胡夏青. 城市网络视角下的中国科技创新功能区划研究. 地理学报, 2022, 77 (12): 3104- 3124.

Ma Haitao and Hu Xiaqing. Regionalization of Scientific and Technological Innovation in China: From the Perspective of Urban Network. Acta Geographica Sinica, 2022, 77 (12): 3104- 3124.

马铭晨, 吕拉昌. 风险投资与区域创新: 机制、路径与异质性——基于中国29个省的实证分析. 经济地理, 2023, 43 (3): 140- 149.

Ma Mingchen and Lyu Lachang. Venture Capital and Regional Innovation: Mechanism, Path and Heterogeneity: Based on Empirical Analysis of 29 Provinces in China. Economic Geography, 2023, 43 (3): 140- 149.

毛毅翀, 吴福象, 葛和平. 风险投资、专利权行政保护与关键技术创新. 科技进步与对策, 2023, 40 (11): 40- 50.

Mao Yichong, Wu Fuxiang, Ge Heping. Venture Capital, Patent Administrative Protection and Key Technological Innovation. Science & Technology Progress and Policy, 2023, 40 (11): 40- 50.

Ma Y, Zhuang X, and Li L. 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, 2011, 390 (4): 749- 759.

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

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

钱肖颖, 孙斌栋. 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, 2021, 40 (2): 419- 430.

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

覃雄合, 李梁荣, 黄晓东. 基于指数随机图模型的全球跨境并购网络结构特征与形成机制. 资源科学, 2023, 45 (9): 1693- 1709.

Qin Xionghe, Li Liangrong, and Huang Xiaodong. Structural Characteristics and Formation Mechanism of Global Cross-Border M&A Networks: Based on the Exponential Random Graph Model. Resources Science, 2023, 45 (9): 1693- 1709.

Shi S, Wong S K, and Zheng C. Network Capital and Urban Development: An Inter-Urban Capital Flow Network Analysis. Regional Studies, 2022, 56 (3): 406- 419.

Snijders T A, Pattison P E, Robins G L, and Handcock M S. New Specifications for Exponential Random Graph Models. Sociological methodology, 2006, 36 (1): 99- 153.

孙茜, 黄丽. 风险投资网络与绿色技术创新网络的时空耦合及其影响因素: 以长三角城市群为例. 热带地理, 2022, 42 (5): 716- 726.

Sun Qian and Huang Li. Spatial-Temporal Coupling of Venture Capital and Green Technology Innovation Networks and Its Influencing Factors: A Case Study of the Yangtze River Delta Urban Agglomeration. Tropical Geography, 2022, 42 (5): 716- 726.

孙宇, 彭树远. 长三角城市创新网络凝聚子群发育机制研究——基于多值ERGM. 经济地理, 2021, 41 (9): 22- 30.

Sun Yu and Peng Shuyuan. Development Mechanism of Cohesive Subgroups' Urban Innovation Networks in the Yangtze River Delta: Based on the Valued ERGM. Economic Geography, 2021, 41 (9): 22- 30.

Vinciguerra S, Frenken K, and Valente M. The Geography of Internet Infrastructure: An Evolutionary Simulation Approach Based on Preferential Attachment. Urban Studies, 2010, 47 (9): 1969- 1984.

汪传江. 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, 2019, 38 (2): 87- 96.

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

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

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

Wei D Y, Luo J, and Zhou Q. Location Decisions and Network Configurations of Foreign Investment in Urban China. The Professional Geographer, 2010, 62 (2): 264- 283.

杨文龙, 杜德斌. “一带一路”沿线国家投资网络结构及其影响因素: 基于ERGM模型的研究. 世界经济研究, 2018 (5): 80- 94,136-137.

Yang Wenlong and Du Debin. Investment Network Structure and Its Impact Mechanism of the Belt and Road Initiative Area. World Economy Studies, 2018 (5): 80- 94,136-137.

于瀚辰, 周麟, 沈体雁. 制造业企业区位选择集聚经济指向的空间效应. 地理研究, 2019, 38 (2): 273- 284.

Yu Hanchen, Zhou Lin, and Shen Tiyan. Location Selection and Spatial Effects of Agglomeration Economy in Manufacturing Enterprises. Geographical Research, 2019, 38 (2): 273- 284.

余振, 周冰惠, 谢旭斌, 王梓楠. 参与全球价值链重构与中美贸易摩擦. 中国工业经济, 2018 (7): 24- 42.

Yu Zhen, Zhou Binghui, Xie Xubin, and Wang Zinan. Participation in the Reconstruction of the GVCs and Sino-U. S. Trade Frictions. China Industrial Economics, 2018 (7): 24- 42.

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

张维阳, 谢海威, 唐可欣. 合作与流动: 基于两种城际风险投资关系的实证检验. 地理科学, 2025, 45 (9): 1910- 1922.

Zhang Weiyang, Xie Haiwei, and Tang Kexin. Collaboration and Flow: An Empirical Examination Based on Two Types of Intercity Venture Capital Relationships. Geographical Science, 2025, 45 (9): 1910- 1922.

张晓晴, 谭一帆, 徐维军. 粤港澳大湾区创业风险投资网络演化及影响因素研究. 南方经济, 2021 (1): 20- 36.

Zhang Xiaoqing, Tan Yifan, and Xu Weijun. Research on the Evolution and Influencing Factors of Venture Capital Network in Guangdong-Hong Kong-Macao Greater Bay Area. South China Journal of Economics, 2021 (1): 20- 36.

赵林, 汲中俊, 吴殿廷, 高晓彤. 黄河流域城市创新网络结构的演变特征及影响因素. 世界地理研究, 2025, 34 (5): 137- 150.

Zhao Lin, Ji Zhongjun, Wu Dianting, and Gao Xiaotong. Evolution Characteristics and Influencing Factors of Interurban Innovation Network Structure in the Yellow River Basin. World Regional Studies, 2025, 34 (5): 137- 150.

赵玉萍, 汪明峰, 唐曦. 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, 2020, 44 (6): 55- 64.

Zhao Yuping, Wang Mingfeng, and Tang Xi. 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, 2020, 44 (6): 55- 64.

中共中央, 国务院. 2016. 长江经济带发展规划纲要. (2016-09-11)[2025-07-20]. https://cjjjd.ndrc.gov.cn/gongzuodongtai/quanweifabu/guanfangfabu/201908/t20190801_943674.htm. [CPC Central Committee, State Council. 2016. Outlines Integrated Development of Yangtze River Delta (Yangtze River Economic Belt Development Plan). (2016-09-11) [2025-07-20]. https://cjjjd.ndrc.gov.cn/gongzuodongtai/quanweifabu/guanfangfabu/201908/t20190801_943674.htm.]

CPC Central Committee, State Council. 2016. Outlines Integrated Development of Yangtze River Delta (Yangtze River Economic Belt Development Plan). (2016-09-11) [2025-07-20]. https://cjjjd.ndrc.gov.cn/gongzuodongtai/quanweifabu/guanfangfabu/201908/t20190801_943674.htm.

钟无双, 唐可欣, 张维阳, 孙东琪, 戴靓. 基于ML-ERGM的长三角“城市—企业”分层网络及其形成机制研究. 地理科学进展, 2024, 43 (4): 674- 684.

Zhong Wushuang, Tang Kexin, Zhang Weiyang, Sun Dongqi, and Dai Liang. Multilevel “City-Firm” Networks in the Yangtze River Delta and Its Formation Mechanism: A Study Based on the ML-ERGM Model. Progress in Geography, 2024, 43 (4): 674- 684.

周建平, 刘程军, 徐维祥, 李露, 周梦瑶, 侯和宏. 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. 经济地理, 2021, 41 (2): 103- 112.

Zhou Jianping, Liu Chengjun, Xu Weixiang, Li Lu, Zhou Mengyao, and Hou Hehong. Logistics Network Structure of Express Delivery Companies and Their Self-Organization Effect under the Background of E-Commerce: Taking ZTO Express as an Example. Economic Geography, 2021, 41 (2): 103- 112.

Options
文章导航

/

〈 〉