EN中文

地理研究 >

2024 , Vol. 43 >Issue 12: 3191 - 3214

DOI: https://doi.org/10.11821/dlyj020240078

研究论文

长江经济带城市群城市关联网络格局及影响机制——基于高铁站区承接企业视角

  • 汪德根 , 1, 2 ,
  • 翟云利 , 2 ,
  • 赵美风 3 ,
  • 王悦 2
展开
  • 1.苏州大学中国特色城镇化研究中心，苏州 215006
  • 2.苏州大学建筑学院，苏州 215123
  • 3.天津师范大学地理与环境科学学院，天津 300387
翟云利（1997-），男，山东淄博人，博士研究生，主要研究城镇化与高铁站区空间效应。E-mail:

汪德根（1973-），男，安徽歙县人，博士，教授，博士生导师，主要研究城乡发展与区域规划。E-mail:

收稿日期: 2024-01-23

  录用日期: 2024-06-06

  网络出版日期: 2024-12-09

基金资助

国家社会科学基金项目(22BJL058)

苏州大学新型城镇化与社会治理协同创新中心研究项目

收起

Network patterns and influence mechanisms of city linkages in the urban agglomeration of the Yangtze River Economic Belt: From the perspective of undertaking enterprises in high-speed railway station areas

  • WANG Degen , 1, 2 ,
  • ZHAI Yunli , 2 ,
  • ZHAO Meifeng 3 ,
  • WANG Yue 2
Expand
  • 1. Research Center of Chinese Characteristic Urbanization, Suzhou University, Suzhou 215006, China
  • 2. School of Architecture, Soochow University, Suzhou 215123, China
  • 3. School of Geographic and Environmental Sciences, Tianjin Normal University, Tianjin 300387, China

Received date: 2024-01-23

  Accepted date: 2024-06-06

  Online published: 2024-12-09

Fold

摘要

高铁站区具有促进交通、产业、城市融合发展的重要作用，已成为城市产生经济联系及其空间关联的重要载体。本文以长江经济带五大城市群为研究单元，构建高铁站区与城市间“总-分”企业视角下隶属联系网络模型，采用社会网络分析、GIS空间分析等方法刻画高铁站区承接企业视角下长江经济带城市群城市关联网络格局，并进一步利用地理探测器模型揭示网络形成的影响机理。研究发现：高铁站区承接企业视角下，① 长江经济带城市关联网络整体呈“多核心放射状”空间格局，总体连通性和集中性较强，廊道效应明显，中西部网络发育不够完备，呈现出“东密西疏”网络格局特征；网络小团体特征较为明显，中部城市群“内联外拓”和东、西部城市群“内强外弱”的网络特性明显；② 长江经济带城市群群际网络呈“跨桥状”联系格局，城市群群内城际关联网络格局表现出“强强联系”“梯度联系”“邻近联系”三种特征；③ 长江经济带城市关联网络的出度节点空间分布呈“高等级零星点缀，低等级众多遍布”格局特征，而入度节点呈“高等级族群成片，低等级串珠成线”空间分异格局特征；④ 城市群关联网络格局受城市能级、站区营商环境、站区基础设施、站区开发程度、站-城联系度5个维度因子交互作用的影响，其中，内部可达性、城市等级、站点区位和政府优惠政策等因子对高铁站区承接城市关联网络格局形成的作用力明显。

关键词： 高铁站区; 关联企业; 城市关联网络; 影响机理; 长江经济带

本文引用格式

汪德根 , 翟云利 , 赵美风 , 王悦 . 长江经济带城市群城市关联网络格局及影响机制——基于高铁站区承接企业视角[J]. 地理研究, 2024 , 43(12) : 3191 -3214 . DOI: 10.11821/dlyj020240078

Abstract

High-speed railway station areas play an important role in promoting the integration of transportation, industry and urban development, and have become an important carrier for cities to generate economic ties and their spatial associations. This paper takes the five major urban agglomerations in the Yangtze River Economic Belt (YREB) as the research unit, constructs the affiliation network model from the perspective of “total-sub” enterprises between high-speed rail station areas and cities, adopts the methods of social network analysis and GIS spatial analysis to portray the affiliation network pattern of the urban agglomerations in the YREB in the perspective of the enterprises undertaking high-speed rail station areas, and further utilizes the geographic detector model to reveal the role mechanism of the network formation. The results found that: (1) The overall network of cities in the YREB shows a “multi-core radial” spatial pattern, with strong connectivity and concentration, obvious corridor effect, and the network in the central and western parts of the country is not developed enough. The network pattern is characterized by “dense in the east and sparse in the west”; the characteristics of small groups in the network are more obvious, and the network characteristics of “inward connection and outward expansion” in the central urban agglomeration and “strong inside and weak outside” in the eastern and western urban agglomerations are obvious; (2) The inter-group network of the urban agglomerations in the YREB under the viewpoint of the high-speed railway station area undertaking enterprises is presented in the form of “inter-group network”. (2) The inter-city network of the urban agglomerations from the perspective of enterprises receiving high-speed rail station areas shows a “bridge-crossing” linkage pattern, and the network pattern of inter-city links within the urban agglomerations shows “strong linkage”, “gradient linkage” and “neighboring linkage”. (3) The spatial distribution of out-degree nodes of the urban association network from the perspective of the high-speed railway station area receiving enterprises is characterized by a pattern of “high-grade scattered dots, low-grade numerous”, while the in-degree nodes are characterized by a pattern of “high-grade clusters, and low-grade clusters”. High-grade clusters become pieces, and low-grade beads become lines; (4) The pattern of urban agglomeration association network under the perspective of high-speed rail station area receiving enterprises is affected by the interaction of five dimensional factors, namely, city level, station area business environment, station area infrastructure, station area development degree, and station-city linkage, among which, the factors such as internal accessibility, city level, station location, and government preferential policies have a significant influence on the urban agglomeration association network. Among them, internal accessibility, city grade, station location and governmental preferential policies play an obvious role in the formation of the network pattern of city connections in the high-speed railwaystation area.

Key words： high-speed rail station area; affiliated enterprises; city linkage network; influence mechanisms; Yangtze River Economic Belt

1 引言

作为领跑世界高铁网络建设的国家，中国已拥有世界范围内最大的高铁网络和高铁站区集群[1]。发达的交通网络是构筑城市群功能关联骨架、加速资源要素跨区域自由流动和优化配置的重要依托[2⇓-4]，而高铁网络在满足都市圈、城市群便捷通勤和快速通达等要求基础上[5,6]，极大促进了城市群经济的优势互补和高质量发展[2]。2021年，《现代综合交通枢纽体系“十四五”发展规划》提出，要依托重点城市群着力推进辐射区域、联通全国的综合交通枢纽集群发展，发挥中心城市引领作用，强化城市间协作与快速联系，提高区域协同发展水平。一方面，高铁网络改善了城市群内边缘城市的区位条件，使中心城市腹地范围及自身影响力进一步扩大，城市间联系随之增强，进而改变着城市群传统的空间结构[2,7]；另一方面，城市高铁站区内汇聚的人流、物流和信息流可依托高铁“时空压缩”效应加速城市间劳动力和资本等生产要素的流动效率，从而成为带动城市高质量发展的新型空间[3,4]。由此，作为城市新型产业集聚空间和连接高铁、城市网络的门户角色，高铁站区具有促进交通、产业、城市融合发展的重要作用，成为促进城市间相互作用及其空间关联的重要载体[8,9]。
高铁站区在带动城市群新型城镇化发展[10]、加强城市群一体化效应和重塑城市群空间格局[11,12]等方面发挥了引擎作用。以城市群内的高铁网络为依托，高铁站区与城市间通过人口流动、企业流动等动态“流”的交往方式，逐渐形成了与劳动分工密切相关的城市空间关联网络，且随着技术、资本和劳动力等生产要素的自由流动，企业生产空间组织逐渐复杂化，企业通过创建子公司等形式不断强化城市群城际空间功能联系、优化城市关联网络、完善城市体系[13⇓-15]。城市群内总部-分支企业间因存在垂直或水平分工关系，则引致总部城市和分部城市可以依托高铁网络在高铁站区间进行高效的产业梯度转移[16]。因此，高铁站区与城市群间总部-分支企业的内部联系能反映城市功能联系的方向性[17]，对城市网络形成具有重要影响[18⇓⇓⇓-22]。总之，高铁站区承接企业视角下总部-分支企业联系作为城市网络形成和发展的基础[23,24]，不仅能促进城市群内生产要素合理流动，实现资源和要素共享，还能增强城市群内不同层次城市间的垂直沟通与合作，加快城市群内部城市的分工协作以及城市群之间的联系协调发展。
然而，高铁站区承接企业视角下城市群城市关联网络格局重塑尚未成为国内外学术研究焦点。首先，国内学者发现高铁站区集群可以连接不同城市之间的资本市场、商品市场和劳动力市场。高铁网络“时空压缩”效应减少了城际联系的时间成本，提高了设站城市的市场可达性，强化城际联系强度，并对要素的空间分布、经济活动和产业区位等产生重大影响[25]，而高铁站区集群则通过高铁网络提高城市间企业的生产和交换效率，为城市群创造了经济效益[26]。其次，国外研究发现，高铁站区承接企业视角下城市群产业转移可以促进城市内的产业结构升级。依据梯度转移理论，城市群中产业发展落后地区或欠发达地区，可利用高铁站区依托于高铁网络承接来自其他城市的产业，通过设立分支企业等方式实现产业分工[27]。
综上，依托高铁站区建立的城市群企业关联网络对城市、城市群产业空间结构调整发挥出“催化剂”作用。但高铁站区已有研究主要关注高铁站区周边产业的空间布局和结构特征，较少从高铁站区承接企业视角下城市间的企业关联网络角度来分析城市以及区域之间的经济联系；而关于城市群企业联系研究，研究对象多选取中国500强企业以及上市公司等大型企业，较少关注城市群内的中、小型企业间发生的联系，因此，研究尺度也较少深入到中、小型企业联系频繁的县域尺度。而国务院颁布的《关于推进以县城为重要载体的城镇化建设的意见》明确指出：位于城市群范围内的县城应通过产业与功能的承接和转移，提高周边大、中城市与县城的互联互通水平。基于此，本文以长江经济带城市群和高铁站区为研究对象，通过社会网络分析和GIS空间分析构建城市群群际、群内县及县级以上城市与高铁站区承接企业的关联网络，刻画高铁站区承接企业视角下城市群城市关联网络整体结构、层级结构和节点特征，利用地理探测器分析高铁站区承接企业视角下城市关联网络形成的机理，以期促进高铁站区集群在推动长江经济带沿江产业从东部向中西部、从中心城市向腹地布局和转移过程中发挥独特优势。

2 研究区概况

长江经济带地跨中国东、中、西三大区域，是全国综合实力最强、战略支撑作用最大的区域之一。国务院发布的《关于依托黄金水道推动长江经济带发展的指导意见》（简称《意见》）和《长江经济带发展规划纲要》（简称《纲要》）明确指出：长江经济带要以沿江综合立体交通走廊为支撑，推动各类要素跨区域有序流动和合理配置，为东中西协调发展奠定基础。因此，促进上中下游城市群产业合理流动和分工协作，强化中心城市与周边中小城市及县域的联系，是推动长江经济带产业高质量发展的首要任务。
本文选取《长江经济带发展规划纲要》中的沪、苏、浙、皖、湘、赣、鄂、川、渝、黔、滇等9省2市作为主要研究区域，根据《长江三角洲城市群发展规划》《长江中游城市群发展规划》《成渝城市群发展规划》《黔中城市群发展规划》和《滇中城市群发展规划》以及《长江三角洲区域一体化发展规划纲要》中提及的规划范围，将长江经济带的长三角、长江中游和成渝3个国家级城市群，以及黔中和滇中2个区域性城市群共82个地市级单元（包括2个直辖市、76个地级市、4个自治州），358个县及县级市作为研究对象。在此基础上，以高铁站区为基准，根据车站等级、站台规模、运营时间以及所属线路等指标，在县及县级以上行政单元中选取一个具有代表性的高铁站点作为研究对象，包括省会城市（含直辖市）、地级市、县和县级市。特别说明，省会城市和地级市是将城市市辖区合并为“市区”，视作地市级单元考虑，不包括其属下的县和县级市；另外，州府所在地城市视为地市级单元，本文共选取了212个高铁设站城市，其中，直辖市及省会高铁站共11个，地级市高铁站61个，县及县级市高铁站140个（图1）。
图1 研究区域

Fig. 1 Study area

3 研究方法与数据来源

3.1 高铁站区承接企业视角下城市关联网络原理

高铁站区作为城市网络联系重要“交通节点”，已成为城市参与对外经济联系的直接窗口，而高铁站区承接企业所形成关联是城市间相互作用的“因”，其他要素流动是企业间联系的“果”[23]。首先，两个城市A与B间的企业为实现人、物、资本、技术等要素的垂直或水平分工，以城市间的企业总部（O）-分支（D）联系路径为载体，以城市A为例，城市A充分利用高铁网络“时空压缩”效应，将城市内总部企业（OA）的分支企业（DA）布局在城市B的高铁站区[25]，进而与城市B产生联系（图2a）。其次，在城市群中城市内企业总部与高铁站区内的分支企业存在着生产、供应和销售等方面的关系，不同城市与高铁站区集群产生的空间联系则能反映出城市群内产业分工和要素流动，充分体现了高铁网络促进城市间的连通性及其功能性[28]，进而形成高铁站区嵌入于城市网络中的企业网络（图2b）。因此，根据高铁站区与城市间的企业总部-分支机构测度城市关联度已成为城市网络研究的重要手段[20,29]。高铁站区作为城市间联系的重要媒介，可为企业间联系提供便捷和高效的空间传导路径，高铁站区所在城市与其他城市间的企业联系是反映城市间关联网络的重要指标（图2）。
图2 高铁站区承接企业视角下的城市、城市群城市关联网络

Fig. 2 Networks of urban linkages in cities and urban agglomerations driven by high-speed rail station areas

因此，本文基于企查查企业数据，借鉴“总部-分支机构”方法，用隶属联系模型建立总部所在城市与分支机构（分公司）所在高铁站区之间的关系，进而探讨城市间的联系。考虑到流的方向，将城市间的网络关联强度设定为：
V i j = R i j + R j i ( i ≠ j )
式中：Vij为城市i与设站城市j之间的企业联系总量，即城市关联强度；Rij为城市i向高铁站区j所在城市输出的企业联系量；Rji为高铁站区j所在城市吸引城市i的企业联系量。

3.2 网络指标测度

3.2.1 网络密度

网络密度可以测度网络中节点连接的密集程度，其值越大，网络中各成员间的关系越紧密，区域内城际联系越密切[14]。具体公式为：
D = ∑ i = 1 n ∑ j = 1 n R i j n n - 1
式中：D为网络密度，取值为[0,1]；Rij为引力矩阵中第i行第j列的引力值，即城市网络关联强度；n为网络节点数。

3.2.2 网络中心度

网络中心度（性）指个体处于网络中心的程度，反映该点在网络中的重要性，包括度数中心度、中间中心度和接近中心度[30]。其中，度数中心度能测算某个体在网络中与其他个体进行直接连接的路径数量，从而反映其在网络中的重要程度，值越高说明该点在整体网络中拥有的权力与话语权越高，其又分为外向度数中心度、内向度数中心度，即出度和入度。在有向城市网络中，出入度能表征城市的辐射与承接能力，出度中心度是衡量城市节点对外发出联系的能力，表现为辐射能力；入度中心度是反映城市节点吸引外界联系的能力，表现为承接能力。本文采用出度和入度来表征城市网络中心性。具体公式为：
R O i = ∑ j = 1 n R i j ； R D j = ∑ i = 1 n R j i
式中：ROi为城市i向高铁站区j输出的企业数量总和，即城市i的出度；RDj为高铁站区j接收城市i的企业数量总和，即城市j的入度。

3.2.3 网络分派指数

网络分派指数（E-I指数）反映了一个大网络中小团体网络特征。当E-I指数接近于1时，说明区域内城市网络密度明显低于区域外部城市网络密度，关联网络主要发生在区域外部；当E-I指数接近于0时，说明区域内城市网络密度与区域外部城市网络密度接近；当E-I指数接近于-1时，说明区域内城市网络密度明显高于区域外部城市网络密度，网络小团体特征明显。本文通过E-I指数检验城市网络中特定区域所形成的网络“边界效应”是否显著[31]。具体公式为：
E - I = ρ E L - ρ I L ρ E L + ρ I L = e R C i / n - k n - k - 1 / 2 - i R C i / k k - 1 / 2 e R C i / n - k n - k - 1 / 2 + i R C i / k k - 1 / 2
式中：E-I为网络分派指数，取值范围为[-1,1]； ρ E L为区域外部联系网络密度； ρ I L为区域内部联系网络密度； e R C i为区域对外联系总量； i R C i为区域内部联系总量；n为网络节点数量；k为区域内网络节点数量。

3.2.4 位序-规模分析法

位序-规模法则用来分析城市规模与城市排序之间关系，其理论重点在于城市发展的两个动力，即集聚力和扩散力[32,33]。本文运用该方法探讨城市网络中心度的分布格局和发展动向，具体公式为：
l n P r = l n K - α l n r
式中：r为城市的位序；Pr为第r位城市的网络中心度（出度和入度）；K为规模最大城市的网络中心度（出度和入度）； l n K为城市网络中最高等级城市在位序-规模分析坐标系中纵轴上的截距。 α是回归线的斜率，其绝对值接近于1，说明城市网络发展越均衡；绝对值大于1，说明网络向首要城市集聚，大城市突出而中小城市发展较慢；绝对值小于1，说明规模分布较为分散，大城市发展缓慢而中小城市发展较好。

3.3 影响因素选取与模型构建

本文以长江经济带高铁站区企业总部-分支网络构建城市关联网络，那么，城市网络关联格局的形成会受到高铁自身属性、高铁站区环境、城市经济发展水平、企业区位选择等相关因素的共同影响。相关研究表明，高铁站区的产业发展与城市等级、人口规模、GDP、三产占比、站点区位及开发程度等要素密切相关[4,34⇓-36]；市场规模与潜力、政策制度、基础设施等也是影响企业区位选择的重要因素[37,38]。
因此，本文以城市关联网络入度作为因变量，选取城市能级（ζ1）、站区营商环境（ζ2）、站区基础设施（ζ3）、站区开发程度（ζ4）、站-城联系度（ζ5）等5个维度20个因子作为解释变量（表1）。
表1 解释变量定义及说明

Tab. 1 Definition and description of explanatory variables

变量类型 变量名称 指标计算方法
城市能级
（ζ1）		 市场规模（X1） 设站城市国内生产总值（GDP/亿元），划分4个等级
城市等级（X2） 依据国务院《关于调整城市规模划分标准的通知》，将设站城市分为超大城市、特大城市、I型大城市、II型大城市、中等城市、I型小城市和II型小城市7个等级，并以最低等级对县级城市进行赋值
产业结构（X3） 设站城市第三产业增加值/GDP（%），划分4个等级
优惠政策（X4） 设站城市是否有省级开发园区和国家级开发园区，有国家级开发园区的赋值为2，省级的赋值为1，其他为0
站区营商环境
（ζ2）		 对外开放水平（X5） 高铁站区外资及中外合资企业数占企业总数的比值（%），划分4个等级
融资便利程度（X6） 高铁站区金融机构数量占企业总数的比重（%），划分4个等级
技术创新水平（X7） 高铁站区高新技术产业数量占企业总数的比重（%），划分4个等级
站区基础设施
（ζ3）		 居住环境（X8） 高铁站区商务住宅、住宿等数量占POI总数的比重（%），划分4个等级
教育文化（X9） 高铁站区科教文化设施数量占POI总数的比重（%），划分4个等级
医疗服务（X10） 高铁站区医疗设施数量占POI总数的比重（%），划分为4个等级
娱乐休闲（X11） 高铁站区休闲娱乐场所数量占POI总数的比重（%），划分4个等级
餐饮购物（X12） 高铁站区餐饮购物设施数量占POI总数的比重（%），划分4个等级
生活服务（X13） 高铁站区生活服务设施数量占POI总数的比重（%），划分4个等级
站区开发程度
（ζ4）		 土地功能混合度（X14） H = - ∑ i n p i l n p i
式中：H为土地功能混合度；Pi为高铁站区第i类POI数量占总POI数量的比例；n为站点地区内POI类别的总数[35,36]，划分4个等级
地价（X15） 高铁站区新房交易价格均值（元/m2）[35]，划分4个等级
运营时长（X16） 高铁站统计期始到统计期末的年份数（年）
站-城联系度
（ζ5）		 外部可达性（X17） 运用ArcGIS网络分析法和OD成本矩阵测算高铁站加权平均出行时间[6]
内部可达性（X18） D = L M
式中：D为路网密度（km/km2）；L为道路长度（km），M为高铁站区面积（km2）。本文用路网密度表征站区内部可达性，并划分4个等级
站点区位（X19） Q = d S
式中：Q为距离指数；d为高铁站到城市中心的地理距离（km）；S为城市建成区的面积（km2）[34]，划分4个等级
车站等级（X20） 根据《全国铁路车站等级核定办法》，将高铁站划分为特等站、一等站、二等站、三等站、四等站、五等站6个等级，依次赋值6~1

注：除特殊说明外，各指数均用自然间断点法进行分级处理。

地理探测器最早用来识别疾病环境风险因子[39]，随后作为探测和利用空间分异性以及揭示其背后驱动力的一种重要方法，运用于区域经济、土地利用、公共健康、城市规划、生态环境、农业生产、旅游发展等领域[40]。它的优势在于既可探测数值型数据，也可探测定性数据，还可以探测两因子的交互作用以及交互的强度、方向、线性与否[39]。本文使用地理探测器的因子和交互探测模块探测变量的空间分异性，结果均用q值度量。公式如下：
q = 1 - ∑ i = 1 K N i σ i 2 N σ 2
式中：q为探测因子的影响力；K为探测因子X的分层，用i=1,2,…,K来表示；N和σ2分别表示研究区域内的单元数和高铁站区承接城市企业入度的方差，则Ni和σi2则表示i层的单元数和高铁站区承接城市企业入度的方差[39]。q值介于[0,1]，表示因子解释了100×q%的变量，q值越大表明因子的影响作用越强，对变量的解释力越强，反之越弱。其中，交互探测表征两个影响因子对于高铁站区承接企业的交互影响关系，判断两个因子交互作用对高铁站区承接企业的影响相比较于单个因子的影响是更强化还是更弱化。交互探测表达式为：若q(A∩B)<min(q(A),q(B))，表明因子A和B交互后非线性减弱；若min(q(A),q(B))<q(A∩B)<max(q(A),q(B))，表明A和B交互后单线性减弱；若q(A∩B)>max(q(A),q(B))且q(A∩B)<q(A)+q(B)，表明A和B交互后互相增强；若q(A∩B)>q(A)+q(B)，表明A和B交互后非线性加强；若q(A∩B)=q(A)+q(B)，表明A和B相互独立。测度结果通过Geo Detector计算得出。

3.4 数据来源与处理

本文行政区划数据来源于全国地理信息资源目录服务系统（http://www.webmap.cn）提供的1∶100万全国基础地理信息数据，铁路、水系等数据来源于OpenStreetMap（简称OSM）开源地图，高铁站等点数据通过百度地图坐标拾取确定其空间位置，以上数据均统一投影为WGS_1984_UTM_Zone_50N，进行坐标转换、地图投影等空间化处理。企业数据通过国家企业信用信息公示系统（https://www.gsxt.gov.cn/）和企查查数据平台（https://www.qcc.com/）获取212个高铁站区的工商注册企业数据库，并分别统计212个高铁站区建成后截止到2022年的累计成立企业数据，以探讨基于高铁站区承接企业组织关系的城市网络关联格局。
关于高铁站区承接企业的影响范围界定，国家发改委颁布的《关于推进高铁站周边区域合理开发建设的指导意见》指出，大城市初期应重点开发新建高铁车站周边2000 m以内区域并可适当控制预留远期发展空间，而中小城市不宜过高预估高铁带动作用。国内学者利用“三个圈层”结构理论，实证研究了大城市和县域高铁站对周边地区土地、产业等要素的影响范围[3,4,35,41]，其中，大城市高铁站区影响范围的圈层半径为3000 m左右[3,4,41]，而县域高铁站点等小城市高铁站区影响范围的圈层半径一般为1000 m[35]。因此，依据《关于推进高铁站周边区域合理开发建设的指导意见》所建议高铁站周边2000 m，并赋予1000 m的缓冲区的高铁站区开发建设的指导意见，以及参考已有研究成果，本文将直辖市、省会城市和地级市高铁站区的研究范围设定为3000 m，县域及县级市城市高铁站区的研究范围设定为1000 m。
城市和县域的社会、经济、人口等数据来源于中国统计信息网《中国城市统计年鉴（2023）》（http://www.stats.gov.cn）及国民经济与社会发展统计公报。影响因素所涉及的社会和经济等数据来源于《中国城市统计年鉴（2023）》《中国县域统计年鉴（2023）》《中国城市建设统计年鉴（2023）》等统计资料；POI数据通过高德地图爬取，包含企业实体的名称、经纬度、类别、地址等属性信息，并进行坐标转换、地图投影（统一投影为WGS_1984_UTM_Zone_50N）等空间化处理；开发区数据来源于中国开发区网（http://dz.china.com.cn）及《中国开发区年鉴（2022）》；房价数据来源于安居客官网（http://www.anjuke.com/）。

4 高铁站区承接企业视角下长江经济带城市群城市关联网络空间格局特征

4.1 关联网络整体特征

运用ArcGIS自然断裂点分级法，将长江经济带城市群城市网络联系强度划分为“强、较强、一般、较弱、弱”等5个层级（图3），并结合网络密度分析方法刻画高铁站区承接企业视角下的城市关联网络格局。图3显示，长江经济带5大城市群城市关联网络结构呈“多核心放射状”格局特征，连通性和集中性较强，廊道效应明显，但中西部网络发育不够完备。具体表现为，① 网络密度值呈明显的廊道效应，即沿沪汉蓉高铁线和沪昆高铁线呈“由东向西”递减趋势；② 长三角城市群是网络密度高值区，成为长江经济带“多核心放射状”网络格局的“主核心”，城市群内部区域表现出强的城际联系；③ 长江中游城市群是长江经济带“多核心放射状”网络格局的“次核”，以武汉为中心的城际联系较强，起着连接东部与西部地区的纽带作用，而中心城市南昌和长沙与周边地区的联系相对较弱；④ 成渝城市群和黔中城市群是长江经济带“多核心放射状”网络格局中的西部地区城市联系网络的核心，与长江中游和长三角城市群表现出一般的强度联系，但与其他城市群联系相对较弱；⑤ 滇中城市群网络密度值最低，内外联系均最弱，呈“孤岛”现象（图3）。从整体来看，直辖市、省会城市和地级市等城市内高铁站区承接企业的联系网络较为稠密，网络密度值达0.142，而县和县级市高铁站区承接企业的联系网络较为稀疏，网络密度值仅为0.050，表明直辖市、省会城市和地级市等城市高铁站区在承接企业网络中承担核心角色，但县和县级市内高铁站区在长江经济带承接企业网络中的地位需要进一步完善。
图3 长江经济带城市群城市关联网络整体特征

Fig. 3 Overall characteristics of city linkage networks in the Yangtze River Economic Belt urban agglomerations

4.2 关联网络层级结构

4.2.1 城市群群际关联网络特征

从城市群群际关联网络特征来看，随着网络联系强度层级的降低，“跨桥状”的城市群快速联系网络格局得以强化，长三角、长江中游、成渝和黔中城市群的核心城市成为“跨桥状”网络的重要支撑点（图4）。其中，东部长三角城市群向中部长江中游城市群共设立725家企业分公司，占群际联系总强度的30%；向西部成渝、黔中和滇中3个城市群分别投资了483家、156家和29家企业分支，联系强度值为668，占群际联系总强度的27%。可见，高铁站区承接企业视角下长江经济带产业由东向西梯度转移建立联系的特征明显。
图4 长江经济带城市群际网络特征

Fig. 4 Inter-city network characteristics of the Yangtze River Economic Belt

从关联网络层级来看：① 强联系强度的群际城市网络主要依托于沪汉蓉高铁，使长三角和长江中游城市群的核心城市上海和武汉成为群际网络的核心枢纽（图4），网络联系强度值最高（209），其中，上海总→武汉分占比98%，而武汉总→上海分占比2%，表明以上海为核心的长三角城市群向以武汉为核心的长江中游城市群的产业区域间梯度转移联系特征明显。② 较强联系强度的群际城市网络主要依托沪汉蓉、成贵、渝贵和沪昆等高铁线，形成以长三角、成渝、黔中城市群的核心城市为重要支撑点的“跨桥状”框架（图4），群际网络联系强度介于37~84之间，发生关系的节点数共8个，具体包括上海→重庆（上海总→重庆分占比93%，以下相同表达）、上海→成都（占比93%）、上海→绵阳（占比98%）、上海→贵阳（占比96%）、杭州→武汉（占比75%）、南京→武汉（占比80%）、重庆→贵阳（占比83%）、成都→贵阳（占比88%）。可见，长三角城市群与成渝城市群联系最为紧密，与黔中和长江中游城市群的联系次之，表现出由高梯度的东部地区向低梯度的中西部地区转移联系；同时，成渝城市群和黔中城市群的联系也较为紧密，表现为由高梯度的国家级城市群向低梯度的区域性城市群建立联系。③ 一般联系强度的群际城市网络覆盖面明显扩大，发生关系的节点数量有25个，呈“缝合状”城市网络格局，群际网络联系强度值介于17~36之间。其中，重庆、成都、上海、武汉、贵阳、南昌、长沙、杭州、昆明、南京等核心城市成为该级网络的主要节点，具有较强的中心性与控制力，尤以武汉为核心，呈现出产业梯度转移联系的“缝合”效应，一方面承接东部城市群城市的产业转移，如宁波→武汉（占比67%）、苏州→武汉（占比86%）；另一方面向西部城市群城市实现产业转移，如武汉→重庆（占比51%）。此外，以昆明为核心的城市网络初次形成，按联系强度由高到低依次为昆明→贵阳（占比94%）、昆明→重庆（占比73%）、上海→昆明（占比91%）。④ 较弱联系强度和弱联系强度的群际城市网络联系强度值分别介于6~16和1~5之间，这两个层级的东、中部地区城市联系愈加稠密，城市网络“跨桥状”格局进一步强化（图4）；较弱联系和弱联系层级网络节点数量分别有40个和286个，中小城市间联系明显增强，尤其是滇中城市群的网络联系密度得到一定提升。

4.2.2 城市群内城际网络特征

图5显示，长江经济带城市群内部城际网络联系表现出“强强联系”格局（核心城市间联系）、“梯度联系”格局（核心城市-地级市-县）、“邻近联系”格局（核心城市对周边邻近城市联系）等三种特征。① 强联系网络呈现出“邻近联系”格局，空间近邻效应显著。强联系城市网络的联系强度范围介于211~543之间，长三角城市群以上海、南京、合肥和杭州4个核心城市构成网络的最强核心，发生关系的节点数共7个，按联系强度由高到低依次为上海→宁波（占比99%）、南京→镇江（占比99%）、合肥→芜湖（占比99%）、杭州→宁波（占比91%），宁波、芜湖和镇江分别作为紧邻上海、杭州、合肥、南京等核心城市的3个地级市节点，因紧邻核心城市更有利于发生关联，呈现出“邻近联系”特征，空间近邻效应显著（图5）。长江中游城市群中的核心城市武汉与其距离较近的城市孝感产生强联系网络联系，空间近邻效应显著。成渝城市群中核心城市成都与绵阳、邛崃、眉山等3个邻近城市构成强联系，呈现出显著的空间邻近效应特征。黔中和滇中城市群暂未形成强联系格局。② 较强联系网络呈现出“强强联系”“邻近联系”和“梯度联系”并举的网络格局。较强联系城市网络的联系强度范围介于114~210之间，城市网络形态呈现出“强强联系”“邻近联系”和“梯度联系”格局并存特征（图5）。在长三角城市群，较强联系网络发生关系的节点数共17个，一方面，由上海、杭州和宁波三市构成的三角形闭合网络，已形成“强强联系”格局；另一方面，省会城市作为该级网络的最强核心，对周边县市呈现出放射状的“邻近联系”网络格局，如上海→昆山（占比98%）、合肥→马鞍山（占比99%）、合肥→安庆（占比100%）、杭州→金华（占比97%）、南京→丹阳（占比96%）等。在长江中游城市群，核心城市武汉与周边城市联系数量增加，辐射范围进一步扩展，既呈现出“邻近联系”格局，如武汉→黄石（占比99%），又表现出核心城市（武汉）→地级市（宜昌、荆州）（占比88%）→县级市（赤壁）（占比100%）等“梯度联系”格局。在成渝城市群，较强联系网络增加至7条，一方面表现出成都-重庆的“强强联系”格局，另一方面呈现“邻近联系”格局，既以成都为核心向邻近县（崇州、大邑、蒲江等）扩散，也表现出核心城市（成都）→地级市（乐山、泸州、内江）（占比99%）→县（崇州、大邑、蒲江）（占比99%）的“梯度联系”格局。黔中城市群较强联系网络共3条，均与省会城市贵阳密切相连，形成贵阳→遵义（占比94%）、贵阳→开阳（占比100%）、贵阳→息烽（占比99%）的“邻近联系”格局。滇中城市群仅表现出省会城市昆明与地级市玉溪之间的“邻近联系”格局特征。③ 一般、较弱和弱联系网络以“梯度联系”网络格局为主，等级扩散趋势明显。一般、较弱和弱联系联系城市网络的联系强度值分别介于56~113、18~55、1~17之间，城市关联整体网络化程度较高，主要表现为“梯度联系”网络格局（图5）。在长三角城市群，一般联系网络中心城市向边缘城市发散总量为886，马鞍山东站、金华站、芜湖站和常州北站等地级市高铁站区、昆山等县级市高铁站区积极承接核心城市产业转移，成为该级网络的主要节点；较弱联系网络中诸暨、肥西、丹阳和长丰等县及县级市高铁站区受核心城市的扩散作用较强，成为核心城市企业分公司的主要承接地，弱网络联系层级中长三角城市群核心城市向地级市高铁站区设立分支企业250家，向县与县级市高铁站区设立分支企业176家。在长江中游城市群，一般联系网络中武汉和南昌成为网络的主导者，分别辐射到宜昌东站和宜春站等地级市高铁站区；较弱联系网络核心城市-边缘城市的辐射总量为355，占群内部该级网络联系总强度的17%，“梯度联系”网络格局明显，德安、永修和赤壁等县级单元成为南昌、武汉产业转移的主要承接地，弱联系网络层级中岳阳东站、衡阳东站、孝感东站等地级市高铁站区等主要承接来自长沙的企业分支，共青城站和永修站等县域高铁站区主要承接来自九江市的企业分支设立。在成渝城市群，一般联系网络呈现出以成都为中心的放射状发散格局，辐射总量为374，等级扩散特征显现；较弱联系网络核心城市与边缘城市之间的联系进一步加强，崇州站和大邑站等县级高铁站区成为成都和重庆等核心城市企业的承接地。弱联系网络中长宁站、江油站等县级高铁站区主要承接来自宜宾、成都等地级市的分支企业。在黔中城市群，一般联系网络表现出“梯度联系”网络格局，较弱联系网络层级中贵阳对外联系能力得到了凸显，开阳站、息烽站、凯里南站和贵定北站等高铁站区成为贵阳总部企业的重要承接地，弱联系网络中龙里北站、息烽站等高铁站区承接来自贵阳、遵义等地级市的分支企业。滇中城市群暂未形成一般联系网络，城际联系以弱联系层级为主，表现为“梯度转移”网络格局，曲靖北站高铁站区承接了来自昆明的14家分支企业，而玉溪站高铁站区则承接了来自曲靖的3家分支企业。
图5 长江经济带群内城际网络格局特征

Fig. 5 The characteristics of inter-city network pattern in the Yangtze River Economic Belt group

4.2.3 非城市群城市关联网络特征

长江经济带城市群外部城市与城市群内部城市的联系网络格局整体上呈现东部强、中西部弱的网络特征（图6）。具体来看，① 东部地区群外城市到长三角、长江中游、成渝、黔中和滇中5个城市群的联系强度分别为488、37、18、11和5，呈阶梯状递减趋势，高层级网络均发生在区域内部，空间邻近效应显著。其中，强联系网络为淮安→南京南站；较强联系网络节点有12个，分别为蚌埠→芜湖站、徐州→南京南站、蚌埠→宣城站、黄山→绩溪北站、淮安→盐城站、宿迁→南京南站、徐州→盐城站、徐州→镇江站、淮安→镇江站，徐州是该级网络控制性和中心性最高的城市；一般联系网络节点增至49个，表现为“北密南疏”的网络格局，南京和合肥是网络的核心节点。② 中部地区群外城市到长三角、长江中游、成渝、黔中和滇中5个城市群的联系强度分别为26、119、9、14和0（图6）。其中，较强联系网络联系有3个，分别为吉安→峡江站、怀化→长沙南站、吉安→南昌西站，均为与长江中游城市群之间的联系，中部城市群外城市与西部地区黔中城市群和成渝城市群也有着较为密切的联系，怀化→贵阳北站、赣州→成都东站间的联系强度分别为4和2。③ 西部地区群外城市到长三角、长江中游、成渝、黔中和滇中5个城市群的联系强度分别为21、26、94、59和26，高等级网络主要指向成渝和黔中城市群，而滇中城市群网络联系较弱（图6）。其中，强联系网络有3条，分别为黔中城市群的六盘水→贵阳北站、成渝城市群的北川（北川羌族自治县）→绵阳站和滇中城市群的保山→昆明南站；较强联系网络节点增加为20个；重庆、成都、昆明、贵阳和绵阳成为吸引西部地区群外城市的重要节点；一般联系网络跨区域特征显现，节点数量为41个，尤其是贵州六盘水成为联系长江中游和长三角城市群的重要节点。
图6 长江经济带城市群与非城市群的城市关联网络特征

Fig. 6 Characteristics of urban correlation network between urban agglomeration and non-urban agglomeration in the Yangtze River Economic Belt

4.3 关联网络小团体特征

为进一步探讨长江经济带城市网络小团体特征是否显著，本文对5大城市群的网络E-I指数和联系强度进行计算，结果显示（表2），长三角、长江中游、成渝、黔中和滇中5个城市群的E-I指数分别为-0.961、-0.883、-0.983、-0.994和-0.999，表明5个城市群的群内网络密度大于群外网络密度，且均通过了95%显著性水平检验。整体上，中部城市群呈“内联外拓”的网络特性，即中部城市群网络小团体特征相对较弱，外拓倾向更加明显；东、西部城市群呈“内强外弱”的网络特性，即内部联系密度较强，而对外联系密度相对较弱。从联系强度来看，长江中游城市群的群内联系和群外联系的差距最小，分别为2220和1131，群内外网络密度差异也较小，反映出长江中游城市群在长江经济带网络资源配置中占据承接东、西部地区的重要地位；相比较，滇中城市群内的群内密度远远大于群外网络密度，网络小团体特征明显，亟需依托高铁站区等增加与群外城市的联系。
表2 长江经济带城市群网络分派指数特征

Tab. 2 Characteristics of E-I index of urban agglomerations in the Yangtze River Economic Belt

城市群 E-I指数 群内城市网络 群外城市网络
联系强度 网络密度 联系强度 网络密度
长三角 -0.961* 7927 0.3983 1000 0.0080
长江中游 -0.883* 2220 0.1348 1131 0.0083
成渝 -0.983* 2655 0.5364 824 0.0045
黔中 -0.994* 394 0.8473 579 0.0026
滇中 -0.999* 238 0.7933 92 0.0004

注：*表示显著性检验P<0.05。

4.4 关联网络节点空间格局特征

4.4.1 出度中心性

图7a显示，长江经济带关联网络的出度中心性节点空间分布呈“高等级零星点缀，低等级众多遍布”格局特征，5个层级的城市数量分别为6∶7∶9∶62∶452。其中，高等级节点主要集中在长三角城市群，处于支配地位；成渝和长江中游城市群次之，黔中和滇中城市群的城市出度中心性最弱。
图7 长江经济带城市网络出度中心性

Fig. 7 Out-degree centrality of urban network in the Yangtze River Economic Belt

具体来看，第一层级出度中心性主要分布在长三角、长江中游和成渝等3个城市群的核心城市，其中，上海和成都，出度值分别为2655和2149。上海是长江经济带中出度最大城市，出度值占比15.56%，成为网络权力的核心；成都的出度值仅次于上海，占比12.60%，位居第二位，南京（出度值1133）、合肥（出度值1123）、武汉（出度值1121）、杭州（出度值1079），出度值占比均大于5.00%，这些城市在关联网络中占据主导地位。第二层级出度中心性主要分布在黔中、长江中游、长三角、成渝等4个城市群的7个主要城市：南昌（出度值418）、苏州（出度值383）、贵阳（出度值359）、重庆（出度值319）、昆明（出度值258）、长沙（出度值248）、宁波（出度值233），出度值占比分别为2.45%、2.24%、2.10%、1.87%、1.51%、1.45%和1.37%，表明这些城市对整体出度网络影响较大。第三层级和第四层级出度中心性节点分布广，以地级市为主；第五层级出度中心性节点分布最广，以县和县级市城市为主。
从城市出度位序-规模来看（图7b），长江经济带城市出度网络中心性线性回归方程的齐夫指数 α值为-1.442，其绝对值显著大于1，且通过了1%的显著性水平检验，R2为0.953，拟合度较高，表明城市网络中的规模分布较为集中，呈帕累托分布模式，即核心城市和大城市的出度位序规模超前，而中小城市和县城的出度位序规模相对滞后。出度中心性较强的城市多是直辖市和省会等高行政级别城市以及GDP排名靠前城市，具有明显的行政中心指向和经济中心指向，成为网络核心城市，而出度中心性较小的城市数量多且分布广。

4.4.2 入度中心性

由图8a可知，长江经济带关联网络的入度中心性节点空间分布呈“高等级族群成片，低等级串珠成线”格局特征，5个层级的城市数量分别为3∶14∶11∶37∶119。其中，长三角城市群以宁波站、镇江站、芜湖站和南京南站为中心，长江中游城市群以汉口站和孝感东站为中心，成渝城市群以重庆北站和绵阳站为中心，黔中城市群以贵阳北站为中心，滇中城市群以玉溪站为中心等分别形成了5个族群成片格局特征，低等级入度中心性节点在5个城市群均以高铁线为指向形成串珠成线格局特征。
图8 长江经济带城市网络入度中心性

Fig. 8 In-degree centrality of urban network in the Yangtze River Economic Belt

具体来看，第一层级入度中心性节点城市主要分布在长三角城市群的宁波、镇江、芜湖，表明宁波站、镇江站、芜湖站成为长江经济带城市群中吸引分公司最多的3个高铁站区，在网络中居中心位置，拥有较大的权力。其中，宁波站成为1197家企业“走进来”的首选地和入度值最大的高铁站区，主要承接省会城市杭州的企业转移；镇江站吸引819家企业分公司入驻，居于第二位，主要承接省会城市南京的企业转移；芜湖站吸引818家分公司入驻，主要承接省会城市合肥的企业转移。第二层级入度中心性节点站区有14个，主要分布在长三角、长江中游、成渝和黔中等4个城市群。第三层级入度中心性节点城市有11个，5个城市群均有分布，其中，长三角城市群的昆山南站承接了225家企业分公司设立，成为长三角城市群吸引外来投资的首选县级市，在入度网络中处于中心地位。核心城市高铁站区有成都东站，地级市高铁站区有泸州站、乐山站和内江北站，这些高铁站区成为分公司的主要聚集地，其吸引投资能力较强，对整体入度网络影响较大。第四层级和第五层级入度中心性节点城市有37个，分散在5个城市群。从入度位序-规模来看（图8b），长江经济带城市网络入度线性回归方程 α值为-1.919，且通过了1%的显著性水平检验，R2为0.816，拟合度较高；齐夫指数 α的绝对值大于1，与出度值相比，网络的集中力量稍减弱，表明中间位序节点城市有所增多，但网络整体规模分布仍呈现集中态势。

5 高铁站区承接企业视角下长江经济带城市群城市关联网络格局的影响机理

5.1 地理探测器分析结果

高铁站区承接企业视角下城市群城市网络关系起源于城市内企业总部和高铁站区分支企业之间的经济联系，众多分支企业的区位选择连接起了城市间的关联网络空间格局[42]。因此，本文采用高铁站区承接分支企业入度作为因变量，通过地理探测器工具的因子分析方法，识别哪些因素对高铁站区承接城市群企业联系网络入度的空间异质性的作用最为突出。地理探测器因子探测q值结果为：内部可达（0.529）>城市等级（0.370）>优惠政策（0.287）>站点区位（0.275）>市场规模（0.274）>车站等级（0.264）>技术创新（0.218）>地价（0.171）>融资便利（0.125）>生活服务（0.088）>运营时长（0.087）>土地功能（0.073）>娱乐休闲（0.054）>产业结构（0.051）>对外开放（0.049）>居住环境（0.045）>医疗服务（0.044）>科教文化（0.043）>餐饮购物（0.039）>外部可达（0.014），均位于[0,1]区间，表明本文所选探测因子对高铁站区承接企业具有不同程度的解释效果。其中，内部可达和城市等级的q值居于前2位，分别属于站-城联系度（ζ5）和城市能级（ζ1）等2个维度，表明这2个维度均有影响因子对高铁站区承接企业的作用明显。由于交互作用能更清楚地揭示各因素共同作用下的影响力是否受其他因素的制约，以及是否可增强高铁站区诱发城市空间关联的能力，本文进一步对11个影响因子进行交互分析（表3）。
表3 影响因素交互作用探测结果

Tab. 3 Geodetector interaction detection results

影响因素 内部
可达		 城市
等级		 优惠
政策		 站点
区位		 市场
规模		 车站
等级		 技术
创新		 地价 融资
便利		 生活
服务		 运营
时长		 土地
功能		 娱乐
休闲		 产业
结构		 对外
开放		 居住
环境		 医疗
服务		 科教
文化		 餐饮
购物		 外部
可达
内部可达 0.53***
城市等级 0.64 0.37***
优惠政策 0.57 0.40 0.29***
站点区位 0.66 0.53 0.47 0.28***
市场规模 0.59 0.42 0.32 0.44 0.27***
车站等级 0.65 0.41 0.36 0.41 0.33 0.26***
技术创新 0.62 0.47 0.40 0.45 0.36 0.37 0.22***
地价 0.57 0.47 0.34 0.39 0.38 0.32 0.41 0.17***
融资便利 0.61 0.58 0.46 0.36 0.48 0.47 0.38 0.37 0.13***
生活服务 0.56 0.44 0.36 0.32 0.32 0.37 0.33 0.31 0.21 0.09***
运营时长 0.60 0.51 0.38 0.33 0.40 0.39 0.35 0.33 0.22 0.20 0.09**
土地功能 0.55 0.39 0.30 0.32 0.34 0.29 0.27 0.36 0.27 0.19 0.21 0.07***
娱乐休闲 0.58 0.45 0.36 0.31 0.34 0.37 0.28 0.29 0.17 0.15 0.17 0.14 0.05**
产业结构 0.55 0.38 0.29 0.31 0.33 0.28 0.26 0.21 0.19 0.18 0.23 0.17 0.12 0.05**
对外开放 0.67 0.42 0.33 0.34 0.34 0.36 0.27 0.26 0.20 0.32 0.19 0.18 0.16 0.13 0.05
居住环境 0.63 0.47 0.37 0.34 0.31 0.36 0.27 0.29 0.18 0.13 0.14 0.11 0.11 0.12 0.16 0.04*
医疗服务 0.56 0.48 0.34 0.34 0.35 0.35 0.32 0.31 0.21 0.14 0.17 0.13 0.10 0.12 0.30 0.09 0.04*
科教文化 0.61 0.43 0.32 0.32 0.35 0.34 0.27 0.34 0.19 0.14 0.16 0.13 0.12 0.14 0.11 0.12 0.12 0.04*
餐饮购物 0.59 0.45 0.37 0.33 0.35 0.34 0.35 0.27 0.21 0.17 0.22 0.15 0.14 0.10 0.16 0.12 0.12 0.13 0.04*
外部可达 0.55 0.44 0.38 0.32 0.30 0.32 0.38 0.25 0.14 0.12 0.19 0.15 0.10 0.09 0.09 0.11 0.11 0.13 0.06 0.01

注：*、**、***分别表示在10%、5%、1%水平上显著。

从长江经济带城市群关联网络入度的影响因子来看，高铁站区的内部可达性（X18）对高铁站区承接分支企业入度变化的解释力最强，q值为0.53，其次为城市等级（X2）和优惠政策（X4），q值均为0.37和0.29，站点区位（X19）位于第4位的关键影响因子，其中，内部可达性（X18）和站点区位（X19）均反映了高铁站区与所在城市的站-城联系度（ζ5），站-城关系越密切的高铁站区越容易吸引其他城市的总部企业在其中设立分支企业，站-城关系紧密的高铁站区往往位于城市中心高密度开发区，拥有便利的交通条件，便于高铁站区企业与城市产生密切的联系；城市能级维度（ζ1）的影响力居第二，除城市等级（X2）和优惠政策（X4）外，市场规模（X1）等影响因子的影响力均十分显著，且影响也较为突出，q值为0.27；站区营商环境（ζ2）的影响力居第三，技术创新（X7）、融资便利（X6）和对外开放水平（X5）等影响因子为高铁站区提供了优渥的营商环境，便于吸引其它城市的总部企业将分支企业设立在高铁站区之内；而高铁站区的基础设施（ζ3）和开发强度（ζ4）等2个维度分别为分支企业提供了良好的服务条件和较多的功能需求，使高铁站区内的分支企业设立数量大量增加。
表3显示，内部可达、城市等级、优惠政策、站点区位、市场规模和车站等级等20个影响因子两两共同作用后的影响力均显著大于单因子影响力。① 站-城联系维度（ζ5）的内部可达和站点区位等两个影响因子作用最强，且两者与对外开放等反映营商环境的因子交互作用最为明显，内部可达与对外开放交互后的因子影响力为0.67，站点区位与内部可达性交互后的因子影响力为0.66，说明便捷的站-城关系和便利的营商环境共同决定着高铁站区承接企业的能力。② 城市能级维度（ζ1）的城市等级和优惠政策等2个影响因子解释力最强，其中，城市等级与站城联系维度的内部可达因子交互后影响力为0.64，优惠政策与内部可达交互后的影响力为0.57，较高于两者与其余因子间的交互作用。③ 站区营商环境（ζ2）维度的技术创新和融资便利因子影响力最强，两者与站区开发维度的内部可达和城市等级等2个因子交互后作用力显著增强，技术创新与内部可达交互后因子影响力为0.62，融资便利与城市等级交互后影响力为0.58。④ 高铁站区开发强度（ζ4）维度的地价和土地功能因子影响力最强，两者与内部可达的交互后作用力增强最明显，交互后影响力分别为0.57和0.55。⑤ 高铁站区的基础设施（ζ3）维度的生活服务因子影响力最大，与内部可达交互后影响力为0.56。
总之，站-城联系度（ζ5）是高铁站区承接城市群城市关联网络形成最重要的维度，对长江经济带不同层级网络的作用效果均十分显著，且影响力最为突出，其中，内部可达性因子（X18）起到决定性的影响作用；其次，高铁站区所在城市的城市能级（ζ1）的影响居第二位，影响力较为突出，城市等级（X2）、市场规模（X1）和优惠政策（X4）等因子影响力均较大；站区基础设施（ζ3）和高铁站区开发强度（ζ4）的作用效果较为显著，城市群内部的高铁站区基础设施和开发强度不够完善，尚不能为分支企业在高铁站区的设立提供良好的服务保障条件。

5.2 影响机理分析

基于地理探测器分析结果，进一步构建长江经济带城市群城市关联网络格局的影响机理框架（图9）。总体来看，高铁站区承接企业视角下城市群城市关联网络格局受城市能级（ζ1）、站区营商环境（ζ2）、站区基础设施（ζ3）、高铁站区开发程度（ζ4）、站-城联系度（ζ5）等5个维度因子交互作用影响。
图9 高铁站区承接企业视角下长江经济带城市群城市关联网络的影响机理

Fig. 9 The mechanism of urban correlation network of urban agglomeration in the Yangtze River Economic Belt driven by high-speed railway station area

5.2.1 站-城联系度（ζ5）是高铁站区承接企业视角下城市关联网络格局形成的根本力

站-城联系维度（ζ5）的内部可达和站点区位是2个关键影响因子，且两者与对外开放等反映营商环境的因子交互作用最为明显，内部可达与对外开放交互后的因子影响力为0.67，站点区位与内部可达性交互后的因子影响力为0.66，这说明便捷的站-城关系和便利的营商环境共同决定着高铁站区承接企业的能力。站-城联系维度（ζ5）中内部可达性（X18）、站点区位（X19）和车站等级（X20）等3个因子均是高铁站区承接企业下长江经济带城市群城市网络联系强度的关键性指标，且影响效果十分显著，影响力分别居于第1、第4和第6位。尤其是，内部可达性（X18）成为影响高铁站区承接城市关联网络形成的首要影响因子（图9），“时空压缩最后一公里”作用显著降低高铁站区与设站城市（母城）间交易活动的时间成本[43⇓-45]，引发要素流动方向和布局发生改变，进而导致城市、城市群产业空间格局的重组，成为高铁站区承接企业视角下城市群城市关联网络格局形成的根源。

5.2.2 城市能级（ζ1）是高铁站区承接企业视角下城市关联网络格局形成的催化力

城市能级维度（ζ1）的城市等级和优惠政策等2个影响因子解释力最强，其中，城市等级与站-城联系维度下的内部可达因子交互后影响力为0.64，优惠政策与内部可达交互后的影响力为0.57，较高于两者与其余因子间的交互作用。城市能级维度（ζ1）中城市等级（X2）、政府优惠政策（X4）、市场规模（X1）和产业结构（X3）等4个因子是影响城市群城市网络联系强度的决定性指标，影响力分别居于第2、第3、第5和第14位。设站城市的社会经济发展条件作为高铁站区和城市建设的重要物质基础，在城市发展中占据重要地位[46]，直接影响着企业经营投资等决策行为，是企业区位选择的“催化剂”，对高铁站区承接企业视角下城市关联网络格局的形成具有催化作用（图9）。具体来看，城市等级（X2）、政府优惠政策（X4）和市场规模（X1）深刻影响着城市选择向其它城市高铁站区内设立分支企业，通常核心城市拥有更好的优惠政策制度优势，而政府为建设高铁站区，出台优惠税收和土地政策等吸引企业布局，则能吸引更多高素质劳动力和投资导向型的资本向城市和高铁站区集聚，针对高铁站区的政策优惠力度越大，吸引企业入驻就越强；而核心城市内的企业随着劳动力和资本积累到一定程度，就会产生溢出效应[44]，不断向周边市、县扩散劳动力和资本，从而扩大中、小城市的市场经济规模，进而将政策优势转化为网络竞争优势，以推动城市群城市关联网络的形成。

5.2.3 站区营商环境（ζ2）是高铁站区承接企业视角下城市关联网络格局形成的诱导力

站区营商环境（ζ2）维度的技术创新和融资便利因子影响力最强，两者与站区开发维度下的内部可达和城市等级等2个因子交互后作用力显著增强，充分反映营商环境对高铁站区承接企业的诱导作用。站区营商环境维度（ζ2）中技术创新水平（X7）、融资便利程度（X6）和对外开放水平（X5）等3个因子是影响城市群城市网络联系强度的重要指标，影响力分别居于第7、第9和第15位。具体来看，首先，优质的营商环境对吸引企业入驻具有显著的正向效应[47]，不仅激发市场活力，还能在信息流共享、资本集聚、投资成本降低等因素作用下，吸引更多企业集聚，从而产生空间集聚效应，诱导城市关联网络格局的形成（图9）；其次，随着土地使用成本逐渐被纳入到企业的固定成本中，地价成为影响企业区位选择和再选择的一个重要因素，较低的地价能显著降低企业生产成本[35]；第三，由于虹吸效应，高铁站区建设能加快该城市从周边城市攫取资源和人才的速度，然而，随着高铁站区人口和产业的不断积累，土地成本上升会促使企业和人才通过高铁网络转移到附近成本较低的城市，进而推动城市间关联网络的形成。

5.2.4 站区基础设施建设（ζ3）是高铁站区承接企业视角下城市关联网络格局形成的保障力

高铁站区的基础设施（ζ3）维度的生活服务因子影响力最大，与内部可达交互后影响力为0.56。站区基础设施维度中生活服务（X13）、娱乐休闲（X11）、居住环境（X8）、医疗服务（X10）、餐饮购物（X12）和教育文化（X9）等6个因子影响着高铁站区承接企业视角下城市群城市网络联系的形成，影响力分别居于第10、第13、第16、第17、第18和第19位。具体来看，完善的基础配套有效地提升高铁站区内的产业承载能力，为高铁站区企业交流与合作提供便利[48]，便于从业人员工作和生活，尤其居住环境较好的高铁站区更能对企业人员提供较好的生活保障，实现劳动力的梯度转移，进而推动企业在高铁站区内基础设施差异较大的城市间产生联系，成为高铁站区承接城市关联网络格局的基本保障（图9）。

5.2.5 站区开发程度（ζ4）是高铁站区承接企业视角下城市关联网络格局形成的触媒力

高铁站区开发强度（ζ4）维度的地价和土地功能因子的影响力最强，两者与内部可达的交互后作用力增强最明显，交互后影响力分别为0.57和0.55。站区开发程度维度中地价（X15）、运营时长（X16）和土地功能混合度（X14）等3个因子均是影响高铁站区承接城市群城市网络联系强度的重要指标，影响力分别为第8、第11和第12位。具体来看，高铁站区作为城市用地组成部分以及城市对外联系的触媒点，其周边地区的城市用地和功能增长速度比城市其他地区的用地增长速度快[49]，具有成为多样化城市功能集聚空间的巨大潜力。而对高铁站区内土地进行混合有效地使用和密集式开发，进而更加高效地组织高铁站区内分支企业的设立和布局，对城市群城市关联网络的形成发挥触媒力作用（图9）。

6 结论与讨论

（1）高铁站区承接企业视角下长江经济带城市关联网络整体呈“多核心放射状”空间格局，网络总体连通性和集中性较强，廊道效应明显，但中西部网络发育不够完备，沿沪汉蓉和沪昆两条高铁干线呈“由东向西”递减趋势。长三角城市群网络密度值最高，长江中游城市群核心城市武汉起着联系东部与西部城市群的纽带作用，而核心城市长沙、南昌与周边城市联系相对较弱，成渝城市群和黔中城市群是长江经济带西部地区城市联系网络的核心，滇中城市群网络发育不够完备，成为网络“孤岛”。此外，东部和西部城市群呈“内强外弱”的网络小团体特性，而长江中游城市群的边界被削弱，呈“内联外拓”的网络小团体特性。
（2）高铁站区承接企业视角下长江经济带群际网络总体呈“跨桥状”城市关联格局。长三角、长江中游和成渝等城市群的中心城市是各级网络的主导者；长三角与成渝城市群联系最为紧密，与黔中和长江中游城市群也有较紧密联系；黔中与成渝城市群的联系较为紧密；滇中城市群对外联系相对较弱。从群内网络特征看，强联系网络呈现出“邻近联系”格局，空间近邻效应明显；较强联系网络呈现出“强强联系”“邻近联系”“梯度联系”并举的网络格局；较弱联系网络以“梯度联系”网络格局为主，等级扩散趋势明显。
（3）高铁站区承接企业视角下长江经济带城市关联网络出度中心性节点空间分布呈“高等级零星点缀，低等级众多遍布”格局特征；出度网络中心性较强的城市具有明显的行政中心指向和经济中心指向，规模分布较为集中，上海和成都是城市网络权力的最强核心。入度中心性节点空间分布呈“高等级族群成片，低等级串珠成线”格局特征；与出度值相比，城市入度网络中间位序节点数量有所增多，集聚力量稍减弱，但整体网络分布仍呈集中态势。
（4）高铁站区承接企业视角下长江经济带城市群城市关联网络格局受城市能级、站区营商环境、站区基础设施、站区开发程度和站-城联系度等5个维度因子交互作用的影响；其中，站-城联系度是城市关联网络格局形成的根本动力；城市能级是城市关联网络格局形成的“催化剂”，具有催化力作用；优质的营商环境对城市网络形成具有诱导作用；站区基础设施建设是城市关联网络格局形成的基本保障；而站区开发程度对城市关联网络格局的形成起到触媒作用。
目前，长江经济带城市群网络的研究多基于交通流、企业联系、经济联系和人口迁移等主流视角展开，本文立足于高铁站区及其内部分支企业审视长江经济带城市与高铁站区间的总部-分支关联网络，并关注于中小企业间的联系，全面系统地揭示高铁站区承接企业视角下长江经济带城市群城市关联网络格局，并探讨其影响机制，为高铁站区承接下的企业区位选择及城市网络化研究提供新的研究视角。但本文尚未对高铁站区承接企业视角下城市关联网络格局演变特征深入研究，未考虑行业类型网络格局特征，以后将围绕这些领域进一步开展研究。

真诚感谢匿名评审专家在论文评审中所付出的时间和精力，专家对本文高铁站区承接企业网络研究思路、企业数据分析方法、研究尺度选取、结果分析、结论梳理方面的修改意见，使本文获益匪浅。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
王健. 中国式现代化和平发展的内生逻辑与时代要求. 社会科学, 2022, (12): 12-19.

[Wang Jian. The endogenous logic and requirements of the times within the peaceful development path of Chinese modernization. Journal of Social Sciences, 2022, (12): 12-19.] DOI: 10.13644/j.cnki.cn31-1112.2022.12.011.

[2]
王士君, 廉超, 赵梓渝. 从中心地到城市网络: 中国城镇体系研究的理论转变. 地理研究, 2019, 38(1): 64-74.

DOI

[Wang Shijun, Lian Chao, Zhao Ziyu. From central place to city network: A theoretical change in China's urban system study. Geographical Research, 2019, 38(1): 64-74.] DOI: 10.11821/dlyj020180468.

[3]
王丽. 高铁站区产业空间发展机制: 基于高铁乘客特征的分析. 经济地理, 2015, 35(3): 94-99.

[Wang Li. Space development mechanism of the industry in regions of HSR stations: Based on the characteristics of high-speed rail passengers. Economic Geography, 2015, 35(3): 94-99.] DOI: 10.15957/j.cnki.jjdl.2015.03.014.

[4]
王少剑, 莫惠敏, 吕慧妮, 等. 区位因素影响下高铁站区产业结构特征: 基于POI数据的实证分析. 地理学报, 2021, 76(8): 2016-2031.

DOI

[Wang Shaojian, Mo Huimin, Lv Huini, et al. Industrial structure of high-speed railway station areas under the influence of location: Empirical evidences from POI data. Acta Geographica Sinica, 2021, 76(8): 2016-2031.] DOI: 10.11821/dlxb202108014.

[5]
王兰. 高速铁路对城市空间影响的研究框架及实证. 规划师, 2011, 27(7): 13-19.

[Wang Lan. Research framework of high-speed railway impact on urban space. Planners, 2011, 27(7): 13-19.] DOI: 10.3969/j.issn.1006-0022.2011.07.003.

[6]
汪德根, 范子祺, 赵美风. 长江经济带主要城市群2h出行交通圈格局特征. 地理研究, 2022, 41(5): 1388-1406.

DOI

[Wang Degen, Fan Ziqi, Zhao Meifeng. Spatial pattern of 2h travel circle of major urban agglomerations in the Yangtze River Economic Belt. Geographical Research, 2022, 41(5): 1388-1406.] DOI: 10.11821/dlyj020210386.

[7]
黄洁, 钟业喜, 李建新, 等. 基于高铁网络的中国省会城市经济可达性. 地理研究, 2016, 35(4): 757-769.

DOI

[Huang Jie, Zhong Yexi, Li Jianxin, et al. Economic accessibility of provincial capital cities in China based on the presence of high-speed rails. Geographical Research, 2016, 35(4): 757-769.] DOI: 10.11821/dlyj201604013.

[8]
Wang Degen, Xu Yinfeng, Zhao Meifeng. Spatial differentiation and influence mechanism of the connection-distribution performance of urban high-speed railway hub in the Yangtze River Economic Belt. Journal of Geographical Sciences, 2022, 32(12): 2475-2502. DOI: https://doi.org/10.1007/s11442-022-2057-7.

[9]
李晓江. 站城融合之思考与认识. 城市交通, 2022, 20(3): 5-7.

[Li Xiangjiang. Discussion and insights on station-city integration. Urban Transport of China, 2022, 20(3): 5-7.] DOI: 10.13813/j.cn115141/u.2022.0302.

[10]
刘梅, 赵曦. 城市群网络空间结构及其经济协调发展: 基于长江经济带三大城市群的比较分析. 经济问题探索, 2019, (9): 100-111.

[Liu Mei, Zhao Xi. The spatial network structure of urban agglomeration and its economic-coordinated development: Based on the comparative analysis of the three urban agglomerations in the Yangtze River Economic Belt. Inquiry into Economic Issues, 2019, (9): 100-111.]

[11]
方创琳. 中国城市群研究取得的重要进展与未来发展方向. 地理学报, 2014, 69(8): 1130-1144.

DOI

[Fang Chuanglin. Progress and the future direction of research into urban agglomeration in China. Acta Geographica Sinica, 2014, 69(8): 1130-1144.] DOI: 10.11821/dlxb201408009.

[12]
蒋金亮, 鲁嘉颐, 戈大专, 等. 长三角地区城市经济网络的时空演化特征. 长江流域资源与环境, 2023, 32(1): 24-39.

[Jiang Jinliang, Lu Jiayi, Ge Dazhuan, et al. Research on Spatial-temporal evolution characteristics of urban economic networks in Yangtze River Delta. Resources and Environment in the Yangtze Basin, 2023, 32(1): 24-39.] DOI: 10.11870/cjlyzyyhj202301003.

[13]
杨雨, 盛科荣. 中国城市网络关联格局的演变及影响因素: 基于企业网络视角. 世界地理研究, 2021, 30(6): 1208-1218.

DOI

[Yang Yu, Sheng Kerong. Evolution and influencing factors of urban network linkage patterns in China: From the perspective of enterprise network. World Regional Studies, 2021, 30(6): 1208-1218.] DOI: 10.3969/j.issn.1004-9479.2021.06.2019128.

[14]
宋琼, 赵新正, 李同昇, 等. 多重城市网络空间结构及影响因素: 基于有向多值关系视角. 地理科学进展, 2018, 37(9): 1257-1267.

DOI

[Song Qiong, Zhao Xinzheng, Li Tongsheng, et al. Spatial structures and influencing factors of multiple urban networks based on the perspective of directed-multivalued relation. Progress in Geography, 2018, 37(9): 1257-1267.] DOI: 10.18306/dlkxjz.2018.09.008.

[15]
刘可文, 袁丰, 潘坤友. 长江三角洲不同所有制企业空间组织网络演化分析. 地理科学, 2017, 37(5): 651-660.

DOI

[Liu Kewen, Yuan Feng, Pan Kunyou. Evolution analysis of different ownership enterprises spatial organization network in the Yangtze River Delta. Scientia Geographica Sinica, 2017, 37(5): 651-660.] DOI: 10.13249/j.cnki.sgs.2017.05.002.

[16]
陈建军. 中国现阶段的产业区域转移及其动力机制. 中国工业经济, 2002, (8): 37-44.

[Chen Jianjun. Industrial regional transferring at China current stage and its power mechanism. China Industrial Economics, 2002, (8): 37-44.] DOI: 10.3969/j.issn.1006-480X.2002.08.005.

[17]
Derudder B. On conceptual confusion in empirical analyses of a transnational urban network. Urban Studies, 2006, 43(11): 2027-2046. DOI: 10.1080/00420980600897842.

[18]
Taylor P J. Leading world cities: Empirical evaluations of urban nodes in multiple networks. Urban Studies, 2005, 42(9): 1593-1608. DOI: 10.1080/00420980500185504.

[19]
Taylor P J. Specification of the world city network. Geographical Analysis, 2001, 33(2): 181-194. DOI: 10.1111/j.1538-4632.2001.tb00443.x.

[20]
Alderson A S, Beckfield J. Power and position in the world city system. American Journal of Sociology, 2004, 109(4): 811-851. DOI: 10.1086/378930.

[21]
Rozenblat C, Pumain D. Firm linkages, innovation and evolution of urban systems. Cities in Globalization Practices Policies & Theories, 2007: 130-156. DOI: 10.4324/9780203962978.

[22]
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. 地理学报, 2019, 74(4): 694-709.

DOI

[Zhao Xinzheng, Li Qiuping, Rui Yang, et al. The characteristics of urban network of China: A study based on the Chinese companies in the Fortune Global 500 list. Acta Geographica Sinica, 2019, 74(4): 694-709.] DOI: 10.11821/dlxb201904006.

[23]
胡国建, 陆玉麒. 基于企业视角的城市网络研究进展、思考和展望. 地理科学进展, 2020, 39(9): 1587-1596.

DOI

[Hu Guojian, Lu Yuqi. Progress, thoughts, and prospect of urban network research based on enterprise perspective. Progress in Geography, 2020, 39(9): 1587-1596.] DOI: 10.18306/dlkxjz.2020.09.015.

[24]
Zhao Miaoxi, Liu Xingjian, et al. Mapping producer services networks in Chinese mainland cities. Urban Studies, 2015, 52(16): 3018-3034. DOI: 10.1177/0042098014558541.

[25]
刘莉文, 张明. 高速铁路对中国城市可达性和区域经济的影响. 国际城市规划, 2017, 32(4): 76-81, 79.

[Liu Liwen, Zhang Ming. The impacts of high-speed rail on accessibility and regional economy in China. Urban Planning International, 2017, 32(4): 76-81, 79.] DOI: 10.22217/upi.2016.141.

[26]
孙伟增, 牛冬晓. 高铁网络带动区域经济高质量发展. 中国社会科学报, 2022-08-17(3).

[Sun Weizeng, Niu Dongxiao. High-speed rail network promotes high-quality development of regional economy. Chinese Social Sciences Journal, 2022-08-17(3).]

[27]
Shao S, Tian Z, Yang L. High-speed rail and urban service industry agglomeration: Evidence from China's Yangtze River Delta Region. Journal of Transport Geography, 2017, 64(3): 174-183. DOI: 10.1016/j.jtrangeo.2017.08.019.

[28]
程遥, 张艺帅, 赵民. 长三角城市群的空间组织特征与规划取向探讨: 基于企业联系的实证研究. 城市规划学刊, 2016(4): 22-29.

[Cheng Yao, Zhang Yishuai, Zhao Min. The spatial self-organization and planning agendas of the Yangtze River Delta's city cluster: Spatial analysis based on enterprise connection. Urban Planning Forum, 2016, (4): 22-29.] DOI: 10.16361/j.upf.201604003.

[29]
唐子来, 李涛. 长三角地区和长江中游地区的城市体系比较研究: 基于企业关联网络的分析方法. 城市规划学刊, 2014, (2): 24-31.

[Tang Zilai, Li Tao. A comparative analysis of urban systems in the Yangtze Delta region and the middle Yangtze region: An approach of firm-based interlocking network. Urban Planning Forum, 2014, (2): 24-31.] DOI: 10.3969/j.issn.1000-3363.2014.02.003.

[30]
黄晓东, 马海涛, 苗长虹. 基于创新企业的中国城市网络联系特征. 地理学报, 2021, 76(4): 835-852.

DOI

[Huang Xiaodong, Ma Haitao, Miao Changhong. Connectivity characteristics for city networks in China based on innovative enterprises. Acta Geographica Sinica, 2021, 76(4): 835-852.] DOI: 10.11821/dlxb202104005.

[31]
赵新正, 冯长安, 李同昇, 等. 中国城市网络的空间组织特征研究: 基于开发区联系的视角. 地理研究, 2019, 38(4): 898-910.

DOI

[Zhao Xinzheng, Feng Changan, Li Tongsheng, et al. Spatial organization characteristics of urban network in China: An analysis based on linkages between China's national-level development zones. Geographical Research, 2019, 38(4): 898-910.] DOI: 10.11821/dlyj020170982.

[32]
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. 地理科学进展, 2014, 33(12): 1587-1600.

DOI

[Li Xiande. Spatial structure of the Yangtze River Delta urban network based on the pattern of listed companies network. Progress in Geography, 2014, 33(12): 1587-1600.] DOI: 10.11820/dlkxjz.2014.12.002.

[33]
盛科荣, 杨雨, 孙威. 中国城市网络中心性的影响因素及形成机理: 基于上市公司500强企业网络视角. 地理科学进展, 2019, 38(2): 248-258.

DOI

[Sheng Kerong, Yang Yu, Sun Wei. Determinants and mechanisms of degree centrality in the urban network in China: A study based on corporate networks of the largest 500 listed companies. Progress in Geography, 2019, 38(2): 248-258.] DOI: 10.18306/dlkxjz.2019.02.008.

[34]
赵倩, 陈国伟. 高铁站区位对周边地区开发的影响研究: 基于京沪线和武广线的实证分析. 城市规划, 2015, 39(7): 50-55.

[Zhao Qian, Chen Guowei. Influence of HSR station location on the development of surrounding areas: A case study of Beijing-Shanghai HSR and Wuhan-Guangzhou HSR. City Planning Review, 2015, 39(7): 50-55.] DOI: 10.11819/cpr20150709a.

[35]
邹卓君. 高铁站区用地开发及其城市中心职能实现程度研究: 基于京沪、京广高铁的实证分析. 城市规划学刊, 2018, (4): 49-55.

[Zou Zhuojun. Land development of HSR station area and the formation of urban central function: A case study of Beijing-Shanghai HSR and Beijing-Guangzhou HSR. Urban Planning Forum, 2018, (4): 49-55.] DOI: 10.16361/j.upf.201804006.

[36]
张延吉, 游永熠, 朱春武, 等. 犯罪恐惧感与犯罪活动空间分布的匹配关系及其影响因素: 以北京市为例. 地理科学, 2022, 42(6): 1024-1033.

DOI

[Zhang Yanji, You Yongyi, Zhu Chunwu, et al. Spatial matching relationship between criminal activities and fear of crime and its influential factors: A case of Beijing. Scientia Geographica Sinica, 2022, 42(6): 1024-1033.] DOI: 10.13249/j.cnki.sgs.2022.06.008.

[37]
刘颖, 郭琪, 贺灿飞. 城市区位条件与企业区位动态研究. 地理研究, 2016, 35(7): 1301-1313.

DOI

[Liu Ying, Guo Qi, He Canfei. Urban characteristics and firms' location selection. Geographical Research, 2016, 35(7): 1301-1313.] DOI: 10.11821/dlyj201607007.

[38]
赵浚竹, 孙铁山, 李国平. 中国汽车制造业集聚与企业区位选择. 地理学报, 2014, 69(6): 850-862.

DOI

[Zhao Junzhu, Sun Tieshan, Li Guoping. Agglomeration and firm location choice of China's automobile manufacturing industry. Acta Geographica Sinica, 2014, 69(6): 850-862.] DOI: 10.11821/dlxb201406011.

[39]
王劲峰, 徐成东. 地理探测器: 原理与展望. 地理学报, 2017, 72(1): 116-134.

DOI

[Wang Jinfeng, Xu Chengdong. Geodetector: Principle and prospective. Acta Geographica Sinica, 2017, 72(1): 116-134.] DOI: 10.11821/dlxb201701010.

[40]
韩顺法, 徐鹏飞, 马培龙. 江苏非物质文化遗产的时空分布及其影响因素. 地理科学, 2021, 41(9): 1598-1605.

DOI

[Han Shunfa, Xu Pengfei, Ma Peilong. Temporal and spatial distribution of intangible cultural heritage and its influencing factors in Jiangsu province. Scientia Geographica Sinica, 2021, 41(9): 1598-1605.] DOI: 10.13249/j.cnki.sgs.2021.09.011.

[41]
王丽, 曹有挥, 刘可文, 等. 高铁站区产业空间分布及集聚特征: 以沪宁城际高铁南京站为例. 地理科学, 2012, 32(3): 301-307.

DOI

[Wang Li, Cao Youhui, Liu Kewen, et al. Spatial distribution and clusters of industry nearby high-speed rail station: The case of Nanjing station, Shanghai-Nanjing motor train. Scientia Geographica Sinica, 2012, 32(3): 301-307.] DOI: 10.13249/j.cnki.sgs.2012.03.008.

[42]
Taylor P J, Derudder B. World city network:A global urban analysis. 29 West 35th Sreet New York, NY, United States: Routledge, 2004: 183-185.

[43]
王缉宪, 林辰辉. 高速铁路对城市空间演变的影响: 基于中国特征的分析思路. 国际城市规划, 2011, 26(1): 16-23.

[Wang Jixian, Lin Chenhui. High-speed rail and its impacts on the urban spatial dynamics in China: The background and analytical framework. Urban Planning International, 2011, 26 (1): 16-23.] DOI: 10.3969/j.issn.1673-9493.2011.01.004.

[44]
张杰, 盛科荣, 王传阳. 中国城市间金融网络的空间演化及其影响因素. 热带地理, 2022, 42(6): 928-938.

DOI

[Zhang Jie, Sheng Kerong, Wang Chuanyang. Spatial evolution and underlying factors of the urban financial network in China. Tropical Geography, 2022, 42(6): 928-938.] DOI: 10.13284/j.cnki.rddl.003489.

[45]
周文竹, 阳建强. 交通导向的城际铁路站场地区空间发展机制. 城市规划, 2010, 34(11): 88-92.

[Zhou Wenzhu, Yang Jianqiang. Traffic-oriented spatial development mechanism of intercity railway station area. City Planning Review, 2010, 34(11): 88-92.]

[46]
宋飏, 王婷婷, 张瑜, 等. 东北三省企业空间格局演化与区位选择因素. 地理科学, 2021, 41(7): 1199-1209.

DOI

[Song Yang, Wang Tingting, Zhang Yu, et al. Spatial pattern evolution and impact factors of location choice of enterprises in Northeast China. Scientia Geographica Sinica, 2021, 41(7): 1199-1209.] DOI: 10.13249/j.cnki.sgs.2021.07.010.

[47]
马骁. 浙江省营商环境地区差异及对企业区位选择的影响. 金华: 浙江师范大学硕士学位论文, 2021: 33-38.

[Ma Xiao. Regional differences of business environment in Zhejiang province and their impact on the location choice of enterprises. Jinhua: Master Dissertation of Zhejiang Normal University, 2021: 33-38.] DOI: 10.27464/d.cnki.gzsfu.2021.000070.

[48]
曹阳, 李松涛. 高铁站区空间形态变化及其应对策略. 规划师, 2017, 33(12): 80-86.

[Cao Yang, Li Songtao. Study on the spatial form of high-speed railway station area. Planners, 2017, 33(12): 80-86.] DOI: 10.3969/j.issn.1006-0022.2017.12.013.

[49]
Wang S, Wang J, Liu X. How do urban spatial structures evolution in the high-speed rail era: Case study of Yangtze River Delta, China. Habitat International, 2019, 93(11): 1-15. DOI: 10.1016/j.habitatint.2019.102051.

Options
文章导航

/

〈 〉