中国主要城市关联网络研究*

唐子来 李 涛 李 粲

1 引言

城市体系(urban system)始终是城市和区域研究的一个核心领域[1]。城市体系研究可以分为两种传统，分别是基于城市规模的研究传统(scale-based tradition)和基于城市功能的研究传统(function-based tradition)[2]。尽管基于规模和基于功能的世界城市体系可能部分重叠，但两种研究传统的因果逻辑显然不同，城市规模只是城市体系的表象，而城市功能则是城市体系的本质。

基于城市功能的城市体系研究又可以分为属性方法(attribute approach)和网络方法(network approach)。霍尔(P.Hall)的《世界城市》(The World Cities)被认为是基于属性方法的世界城市层级(world urban hierarchy)研究[3]。1970年代以来的经济全球化进程导致世界经济格局发生显著变化，几乎所有城市都纳入了全球经济网络。在社会科学领域，一些学者的研究成果对于经济全球化背景下的世界城市体系研究产生了重要的理论影响，包括世界体系理论[4～5]、新一轮的国际劳动分工[6～7]和跨国公司作为经济全球化的作用者[8～9]。世界城市体系和全球资本体系的关联性成为重要的研究视角，理论基础可以分为全球资本支配视角和全球资本服务视角，分别以弗里德曼(J. Friedmann)和萨森(S.Sassen)为代表人物。

1982年弗里德曼和沃尔夫(G.Wolff)提出世界城市形成(world city formation)作为一个研究议题[10]，1986年弗里德曼又提出了世界城市假说(the world city hypothesis)[11]。他认为，世界城市作为全球资本的“支点”(“basing points”for global capital)，既是跨国公司总部和金融机构的集聚地，也是全球交通和通讯枢纽，因而在全球经济中具有支配地位(command and control posts)。

萨森认为，在经济全球化进程中，制造和装配环节的空间扩散更为需要管理和控制环节的空间集聚，跨国公司的全球化战略更为依赖外部化的专业服务，特别是金融和高端生产性服务[12]。全球城市就是全球资本支配的服务中心，即为全球资本支配提供必要的专业服务，因而金融和高端生产性服务业是全球城市的关键产业。

尽管卡斯特尔(M.Castells)的网络社会理论(network society)和流通空间概念(space of flows)对于世界城市体系研究产生了重要影响[13]，由于传统数据来源都是以国家和城市为统计单元的属性数据(attribute data)，缺乏基于流通空间的城市之间关系数据(relational data)，包括城市之间的资本、信息、人员和产品等流通，世界城市体系的网络研究未能取得显著进展，受到许多学者的质疑[14]，被称为经验研究的“贫乏”(empirical deficiency)[15]。

2000年以来，以英国拉夫堡大学为基地的全球化和世界城市研究网络(Globalization and World Cities Research Network，GaWC)提出城市之间关系的关联网络模型(interlocking network model of inter-city relation)，标志着世界城市体系的网络研究取得了突破性进展。2000年以来世界城市体系的网络研究进展可以分为基于企业组织(corporate organization)和基于基础设施(infrastructure)的城市网络研究[16]。基于基础设施的城市网络研究又可以分为交通关联方法[17～18]和通讯关联方法[19～20]。

德鲁德(B.Durudder)认为[21]，基于企业组织的分析方法是城市关联网络研究的主流学派。正如泰勒(P.Taylor)所指出的[22]，城市关联网络的本质是城市之间的经济联系，企业是城市关联网络的作用者(agents)，众多企业的区位策略(location strategies)界定了城市关联网络(interlocking networks)。城市之间的企业关联网络作为间接表征(indirect measures)，隐含了城市之间的资本、信息、人员和产品等经济流通。

在基于企业关联网络的世界城市体系研究中，一系列经验研究分别受到弗里德曼和萨森的理论影响，采用企业总部—分支机构形成的企业内部跨国网络(intra-firm transnational networks)，连接所在城市形成世界城市体系。其中，奥尔德森(A.S.Alderson)和泰勒的研究成果是最为广泛引用的。依据弗里德曼的全球资本支配概念，奥尔德森等以财富500(Fortune Global 500)的全行业(all industrial sectors)跨国公司总部—分支机构网络为表征，采用社会网络分析方法(social network analysis)，识别和解析全球资本支配视角下的世界城市体系[23～24]。依据萨森的全球资本服务概念，GaWC的泰勒等以高端生产性服务业(advanced producer services)跨国公司总部—各级分支机构网络作为表征，采用企业关联网络分析方法，识别和解析全球资本服务视角下的世界城市体系[22，25～26]。

在经济全球化进程中，中国经济发展越来越纳入全球资本体系，中国城市体系和全球资本体系的关联网络获得广泛关注[27～29]。与此同时，全国层面和地区层面的城市关联网络已经成为重要的研究领域。基于企业关联网络的城市体系研究包括全国和地区层面的研究[30～32]、城市关联网络的地区比较研究[33～34]、城市关联网络的时空演化趋势[35～37]、城市关联网络的腹地划分[38～39]。基于交通关联网络的城市体系研究包括全国层面的城市关联网络[40～41]和地区层面的城市关联网络及其演化趋势[42～44]。

综上所述，城市体系的研究进展可以归纳为：从基于城市规模的研究传统到基于城市功能的研究传统和从基于城市属性的分析方法到基于城市网络的分析方法(图1)。城市规模只是城市体系的表象，而城市功能则是城市体系的本质。在基于功能的城市体系研究中，属性方法强调城市体系的层级特征，而网络方法则注重城市体系的关联特征。在城市关联网络研究中，企业关联网络成为主流学派，而基础设施网络(城市之间的交通或信息网络)受到多种因素的影响，只是在一定程度上体现了城市之间的经济联系。基于企业关联网络的城市体系研究又可以分为全行业的资本支配视角和高端生产性服务业的资本服务视角，分别采用不同类型企业的内部关联网络(公司总部和分支机构在各个城市的分布格局)，由此识别和解析城市体系。对照城市体系研究进展的谱系图解，本文基于城市功能的研究传统，从全行业的资本支配视角，采用企业关联网络的总部—分支法，识别和解析中国主要城市关联网络的基本特征。

图1 城市体系研究进展的谱系Fig.1 Pedigree chart of progress in urban system analysis

表1 本研究涵盖的40个主要城市Tab.1 40 major cities in China covered by the analysis

2 研究思路

2.1 城市清单

如表1所示，本研究涵盖40个主要城市，包括4个直辖市、5个计划单列城市、27个省会城市和4个经济强市(2014年地区生产总值位于全国前20位的苏州、无锡、佛山、唐山)，涉及国家第十三个五年规划纲要划示的各级城市群(图2)。

2.2 数据来源

本研究采用企业关联网络作为城市关联网络的间接表征，以2014年国家工商总局的注册企业数据库为基础，共计涉及近116400条企业区位数据。首先，运用access和excel软件，通过编写程序，将企业数据转译成为标准条目，包括企业名称和所在城市等；然后，通过关键词方式，搜索公司总部和分支机构的区位信息；最后，通过人工识别方式，增补程序搜索不能涵盖和匹配的企业信息。原始数据存在少量注销企业的冗余数据，占总样本数比例较低(约3%)，不再做进一步甄别。

图2 国家第十三个五年规划纲要划示的各级城市群Fig.2 The hierarchy of city clusters designated by the 13th Five-Year Plan of National Economic and Social Development

2.3 分析方法

借鉴国际研究经验[23～24]，基于企业区位数据，采用总部—分支法，分析城市之间关联网络，可以概括为三种关联、两个层面和两类数据。城市的外向关联(outdegree connectivity)指企业总部所在城市与企业分支机构所在城市的关联，表征城市的外向辐射能力，又称为网络实力(network power)；城市的内向关联(indegree connectivity)指企业分支机构所在城市与企业总部所在城市的关联，表征城市的内向集聚能力，又称为网络声誉(network prestige)；城市的总关联(total connectivity)则是外向关联和内向关联之和。

无论是外向关联、内向关联还是总关联都包括两个地域层面，分别是一个城市与另一城市的关联和一个城市与研究范围内所有其他城市的合计关联。同时，无论是外向关联、内向关联还是总关联也都涉及两类数据，分别是绝对关联值和相对关联度。为了便于比较分析，通常将研究范围内的最大绝对关联值定义为100，各个城市的相对关联度以最大关联值的百分比进行标准化处理。

因此，城市关联网络包含三种关联，每种关联包含两个层面，每个层面包含两类数据。外向关联包括一个城市与另一城市的外向关联值和外向关联度、一个城市与所有其他城市的合计外向关联值和合计外向关联度；内向关联包括一个城市与另一城市的内向关联值和内向关联度、一个城市与所有其他城市的合计内向关联值和合计内向关联度；总关联包括一个城市与另一城市的总关联值和总关联度、一个城市与所有其他城市的合计总关联值和合计总关联度。

2.4 研究内容

基于企业关联网络，对于中国40个主要城市关联网络的基本特征进行识别和解析，包括城市关联网络的层级(hierarchy)、格局(configuration)、方向(directionality)和腹地(hinterworld)维度。

3 城市关联网络的层级分析

3.1 城市合计总关联度的层级分析

如表2和图3所示，一个城市与研究范围内所有其他城市的合计总关联度排序呈现出显著的层级特征。北京和上海位于第一层级，深圳和广州位于第二层级，其他城市的合计总关联度依次递减，但难以划分明确的层级。城市的合计总关联度表明了一个城市在城市关联网络中的总体地位，与该城市的总体经济实力是显著相关的。无可争议地，北京和上海是国家首位中心城市，深圳和广州是国家次级中心城市。这与4个全球城市排行榜[45～48]的中国上榜城市排名也是基本一致的(表3)。如同伦敦、纽约、东京和巴黎是全球四大城市，北京、上海、深圳和广州则是中国四大城市。

表2 40个主要城市的合计总关联度Tab.2 Total connectivity degree of 40 major cities

图3 40个主要城市的合计总关联度示意Fig.3 Diagram showing total connectivity degree of 40 cities

3.2 城市之间总关联度的层级分析

如表4所示，城市之间总关联度可以分为五个层级。国家首位中心城市之间形成1对关联(北京—上海)，位于第一层级的高关联度(总关联度为100.0)；国家首位中心城市和国家次级中心城市之间、国家次级中心城市之间形成5对关联(北京—深圳、北京—广州、上海—深圳、上海—广州、深圳—广州)，位于第二层级的中高关联度(总关联度为50.5～55.9)；第三层级的中关联度(总关联度为10.0～36.3)包含32对城市关联，北京—其他城市和上海—其他城市占了绝大多数，其次是深圳—其他城市和广州—其他城市，再次是经济大省内部主要城市之间关联；第四层级的中低关联度(总关联度为5.0～9.9)包含45对城市关联，国家中心城市—其他城市仍然占据绝对主导地位，其次是经济大省内部主要城市之间关联；第五层级的低关联度(总关联度为0～4.9)包含697对城市关联，包括国家中心城市和经济实力较弱城市的关联、经济实力较强城市之间的跨省关联、经济实力较弱城市之间的关联。

表3 4个全球城市排行榜的中国上榜城市的全球排名Tab.3 Global ranks of Chinese cities listed in four global city indexes

表4 各个层级的城市关联对数之和与总关联度之和及其占比Tab.4 Sub-sum of city-dyads and total connectivity degree at different levels and their percentages at all levels

需要强调的是，尽管前4个层级的合计城市关联对数之和仅占关联城市对数总和的10.7%，但总关联度之和却占40个城市总关联度总和的71.7%。相反，尽管第五层级的城市关联对数占关联城市对数总和的89.3%，但总关联度之和仅占40个城市总关联度总和的28.3%。可见，城市之间总关联度也呈现出显著的层级特征。

4 城市关联网络的格局分析

在城市关联网络的层级分析基础上，可以将40个主要城市之间关联网络(图4)归纳为4种格局类型。首先，4个国家中心城市之间的6对关联位于第一和第二层级，形成多心关联格局(图5)。其次，4个国家中心城市与36个其他城市之间的144对关联在第三和第四层级占据绝对主导地位，形成放射关联格局(图6)。再次，经济大省内部2个主要城市之间的7对关联位于第三和第四层级，包括原四川省的成都—重庆、江苏省的南京—苏州和苏州—无锡、浙江省的杭州—宁波、福建省的福州—厦门、山东省的济南—青岛、辽宁省的沈阳—大连，形成局部关联格局(图7)。最后，其他城市之间的623对关联位于第五层级，形成散布关联格局(图8)。

对于中国5大城市群(包括京津冀、长三角、珠三角、长江中游和成渝城市群)的研究发现，城市群层面上的城市之间关联网络也呈现类似格局。以长江中游城市群(包括湖北省、湖南省、江西省)的关联网络为例(图9)，首先是地区主次中心城市(武汉、长沙、南昌)之间形成多心关联格局(图10)；其次是3个省会城市和省内其他城市之间形成放射关联格局、省会城市和省内主要城市之间形成局部关联格局(图11)，如湖北省的武汉—宜昌、湖南省的长沙—株洲、江西省的南昌—九江；再次是省内和跨省的其他城市之间形成散布关联格局(图12)。

5 城市关联网络的方向分析

奥尔德森等认为，城市关联网络不仅显示层级特征，而且具有方向特征，城市之间关联往往是不对称的[23～24]。城市的外向关联是企业总部所在城市发至企业分支机构所在城市的关联，城市的内向关联是企业分支机构所在城市接收企业总部所在城市的关联。城市的合计总关联较高，表明其在城市关联网络中的影响较大；反之，则表明其在城市关联网络中的影响较小。城市的合计外向关联显著大于合计内向关联，显示其在城市关联网络中作为企业总部所在地的外向辐射作用，又称为城市的网络实力；城市的合计内向关联显著大于合计外向关联，显示其在城市关联网络中作为企业分支机构所在地的内向集聚作用，又称为城市的网络声誉。

5.1 城市的总体关联方向

城市i的关联方向指数Di=(城市i的合计外向关联-城市i的合计内向关联)/(城市i的合计外向关联+城市i的合计内向关联)。Di趋向0，表示合计外向关联和合计内向关联基本相等；Di趋向1，表示合计外向关联显著大于合计内向关联；Di趋向-1，表示合计内向关联显著大于合计外向关联。

如表5所示，作为国家主次中心城市，北京、上海和深圳的关联方向指数显著大于0，表明合计外向关联明显大于合计内向关联，这意味着企业总部所在地的外向辐射能力明显大于企业分支机构所在地的内向集聚能力，在全国层面的城市关联网络中处于主导地位。作为国家次级中心城市，广州的关联方向指数接近0，表明合计外向关联和合计内向关联基本相等。尽管无锡和厦门的关联方向指数略大于广州，天津和宁波的关联方向指数也接近广州，但无论是合计外向关联还是合计内向关联都明显低于广州，表明其在城市关联网络中的影响较小。其他城市的关联方向指数都是显著小于0，表明企业分支机构所在地的内向集聚能力显著大于企业总部所在地的外向辐射能力，在全国层面的城市关联网络中处于从属地位。

图4 40个主要城市之间的关联网络示意Fig.4 Diagram of interlocking network among 40 major cities

图5 国家中心城市之间的多心关联格局Fig.5 Polycentric configuration of interlocking network among central cities at the national level

图6 国家中心城市和其他城市之间的放射关联格局Fig.6 Radiant configuration of interlocking network between national central cities and other cities

图7 经济大省内部主要城市之间的局部关联格局Fig.7 Localized configuration of interlocking network between core cities in economically strong provinces

图8 其他城市之间的散布关联格局Fig.8 Scattered configuration of interlocking network among other cities

图9 长江中游城市群的关联网络示意Fig.9 Diagram of interlocking network of cities in the Middle Yangtze River Region

图10 长江中游城市群地区主次中心城市之间多心关联格局Fig.10 Polycentric configuration of interlocking network among central cities at the regional level

图11 长江中游城市群省会城市和省内其他城市之间放射关联格局、省会城市和省内主要城市之间局部关联格局Fig.11 Radiant configuration of intra-province network between provincial capitals and other cities and localized configuration of intra-province network between provincial capitals and major cities

图12 长江中游城市群省内和跨省的其他城市之间散布关联格局Fig.12 Scattered configuration of trans- and intra-province network among other cities

基于40个城市的合计外向关联和合计内向关联矩阵，可以分为4种城市类型(图13)。其一，北京和上海的合计外向关联和合计内向关联都是最高的，而且合计外向关联显著大于合计内向关联；其二，深圳和广州的合计外向关联和合计内向关联都是很高的，深圳的合计外向关联显著大于合计内向关联，广州的合计外向关联和合计内向关联基本持平；其三，成都、杭州、苏州、南京的合计内向关联较高，而且显著大于合计外向关联；其四，其他城市的合计外向关联和合计内向关联都是较低的，绝大部分城市的合计内向关联显著大于合计外向关联。当然，第三类型城市和第四类型城市之间的边界是相对模糊的。尽管天津归入第四类型城市，但其合计外向关联显著高于第三类型城市，而合计内向关联则显著低于第三类型城市，并且合计外向关联和合计内向关联基本持平，关联方向指数接近广州。

5.2 城市之间的关联方向

研究显示，一个城市在城市关联网络中处于主导地位(合计外向关联显著大于合计内向关联)还是从属地位(合计内向关联显著大于合计外向关联)是尺度敏感的(scale-sensitive)。区域中心城市和省会城市在全国层面的城市关联网络中可能处于从属地位，但在所在区域层面和所在省域层面的城市关联网络中处于主导地位。无论在全国层面还是地区层面的城市关联网络中，两城之间外向关联和内向关联的比值也是各不相同的，取决于两者的相对经济实力。一个城市与另一城市的外向关联显著大于内向关联，意味着该城市在两城关联网络中处于主导地位；反之，则处于从属地位。当然，如果两城之间关联强度过小，则会出现随机现象。

在全国层面，成都和重庆的合计外向关联显著小于合计内向关联，合计外向关联度和合计内向关联度的比值分别为0.37和0.56，总体上处于从属地位；在成渝地区层面，成都和重庆的合计外向关联显著大于合计内向关联，合计外向关联度和合计内向关联度的比值分别为1.56和1.35，而绵阳、德阳和宜宾的合计外向关联度和合计内向关联度的比值分别为1.00、0.43和0.29，表明成都和重庆在成渝地区的主导地位(表6)。可见，成都和重庆发挥向外连接全国网络和向内辐射区域腹地的“两个扇面”作用(图14)。

如表7所示，成都与各个城市的外向关联和内向关联的比值也是各不相同的。成都与北京、上海、深圳和广州(国家主次中心城市)的外向关联和内向关联的比值分别为0.12、0.12、0.14和0.24，明显处于从属地位。成都与南京(经济相对发达的省会城市)的外向关联和内向关联的比值为0.38，表明成都在两城关联网络中处于从属地位；成都与昆明和贵阳(经济相对落后的省会城市)的外向关联和内向关联的比值分别为2.05和2.91，表明成都在西南区域处于主导地位。

6 城市关联网络的腹地分析

研究表明，城市关联网络的腹地分布既呈现出基于地理邻近的区位特征，又显示了基于经济实力的层级特征，取决于地理邻近和经济实力之间的均衡关系。一方面，在经济实力相似的情况下，地理区位较为邻近，城市之间关联强度较大；反之，则关联强度较小。另一方面，在地理邻近相似的情况下，经济实力较高，城市之间关联强度较大；反之，则关联强度较小。例如，苏州和上海之间的空间距离显著小于苏州和北京之间的空间距离，因而苏州和上海之间的关联强度显著高于苏州和北京之间的关联强度；又如，尽管上海和苏州之间的空间距离显著小于上海和北京之间的空间距离，但北京的经济实力显著大于苏州，因而上海和北京之间的关联强度显著高于上海和苏州之间的关联强度。可见，城市之间的关联腹地是不对称的。尽管城市A是城市B的首位关联城市，但城市B未必是城市A的首位关联城市，可能城市C才是城市A的首位关联城市。如上所述，上海是苏州的首位关联城市，但苏州并不是上海的首位关联城市，北京才是上海的首位关联城市。基于城市之间关联强度，可以识别和解析城市关联网络的腹地分布(表8)。

京津冀、长三角和珠三角作为世界级城市群，城市关联网络的腹地分布具有一定的相似性。其一，国家中心城市的第一关联城市都是另一国家中心城市。北京和上海互为第一关联城市，深圳的第一关联城市是上海，广州的第一关联城市是深圳。其二，北京和上海作为国家首位中心城市，既是所在城市群的所有其他城市的第一关联城市，也是其他城市群的绝大部分城市的第一或第二关联城市。北京既是所在城市群的所有其他城市(天津、石家庄、唐山)的第一关联城市，也是其他城市群的22个城市的第一关联城市和8个城市的第二关联城市；上海既是所在城市群的所有其他城市(杭州、南京、合肥、苏州、宁波、无锡)的第一关联城市，也是其他城市群的6个城市的第一关联城市和19个城市的第二关联城市。可见，北京的关联腹地大于上海，而且形成明显的地域差异。其三，深圳和广州作为国家次级中心城市，既是所在城市群的其他城市的第一或第二关联城市，也是其他城市群的部分城市的第二关联城市。深圳既是所在城市群的其他城市(广州和佛山)的第一和第二关联城市，也是其他城市群的4个城市的第二关联城市；广州既是所在城市群的其他城市(佛山和深圳)的第一和第二关联城市，也是其他城市群的3个城市的第二关联城市。其四，京津冀、长三角和珠三角地区内部的关联网络较为发达。在京津冀地区，天津是北京的第四关联城市、石家庄的第三关联城市和唐山的第二关联城市，石家庄是唐山的第四关联城市；在长三角地区，苏州是上海的第四关联城市、南京的第三关联城市和无锡的第二关联城市，南京是苏州的第三关联城市、无锡和合肥的第四关联城市，杭州是宁波的第二关联城市，而宁波则是杭州的第四关联城市；在珠三角地区，佛山是广州的第四关联城市。

表5 40个主要城市的合计外向关联和合计内向关联以及关联方向指数Tab.5 Directionality index of 40 major cities based on total degree of outward connectivity and total degree of inward connectivity

图13 40个主要城市的合计外向关联和合计内向关联矩阵Fig.13 Matrix of total degree of outward connectivity and total degree of inward connectivity of 40 major cities

表7 成都与其他主要城市的外向关联和内向关联的比值Tab.7 Ratio of degree of outward connectivity to degree of inward connectivity between Chengdu and other major cities

图14 成都发挥向外连接全国网络和向内辐射区域腹地的“两个扇面”作用Fig.14 Chengdu’s degree of outward and inward connectivity in national and regional network

成渝、山东半岛、海峡西岸和辽中南城市群作为经济实力较强的双核省区(成渝地区是原四川省)，城市群的两个核心城市之间形成较为紧密的关联网络，具有一定的相似性。在成渝地区，成都的第一和第二关联城市分别是北京和重庆，而重庆的第一和第二关联城市分别是成都和北京；在山东半岛地区，济南和青岛的第一和第二关联城市都是国家中心城市(北京或上海)，但这两个城市互为第三关联城市；同样，在辽中南地区，沈阳和大连的第一和第二关联城市都是国家中心城市(北京和上海)，但这两个城市互为第三关联城市；在海峡西岸地区，福州和厦门的第一和第二关联城市都是国家中心城市(上海和北京)，但福州是厦门的第二关联城市(与北京并列)，厦门是福州的第三关联城市。

长江中游城市群是跨省区域，武汉、长沙和南昌的前四位关联城市都是国家中心城市，武汉和长沙互为第五关联城市，武汉和长沙分别是南昌的第六和第七关联城市，表明武汉、长沙和南昌之间关联网络已经基本形成。哈长、北部湾和兰西城市群作为经济实力较弱的跨省区域，城市关联网络的腹地分布具有一定的相似性。在哈长地区，哈尔滨和长春的第一和第二关联城市都是国家中心城市(北京和上海)，第三关联城市都是相邻辽中南城市群的核心城市沈阳，显示沈阳在东北三省的影响腹地，也表明哈尔滨和长春之间关联较弱；在北部湾地区，南宁和海口的前四位关联城市都是国家中心城市，海口只是南宁的第十关联城市(六城并列)，南宁只是海口的第十一关联城市(两城并列)，表明南宁和海口尚未形成紧密关联，因为海南省原是广东省的组成部分；在兰西地区，除了国家中心城市的显著影响，兰州是西宁的第二关联城市，而西宁则是兰州的第五关联城市，表明兰州和西宁之间关联网络基本形成，但兰州的地区影响显著大于西宁，形成主次结构的跨省区域。

山西中部城市群的太原、中原城市群的郑州、关中平原城市群的西安、呼包鄂榆城市群的呼和浩特、天山北坡城市群的乌鲁木齐的前四位关联城市都是国家中心城市，呈现出基于经济实力的层级特征；太原的第四关联城市还包括天津(与广州并列)，郑州、西安、呼和浩特和乌鲁木齐的第五关联城市分别为武汉、成都、天津、西安，表现了基于地理邻近的区位特征。

在滇中城市群、黔中城市群和拉萨城市圈，除了国家中心城市的显著影响，成都和重庆的影响也是十分明显的。成都是昆明的第三关联城市，成都和重庆都是贵阳的第四关联城市，成都和重庆还是拉萨的第二关联城市(与上海和深圳并列)，表明成都和重庆在西南区域和西藏地区具有重要的影响力。同样，西安是银川的第三关联城市、兰州的第四关联城市和西宁的第五关联城市(与广州并列)，兰州是西宁的第二关联城市和银川的第四关联城市，表明西安和兰州在西北区域具有一定的影响力。

7 结语

本文基于城市功能的研究传统，从全行业的资本支配视角，采用企业关联网络的总部—分支法，识别和解析中国40个主要城市关联网络的基本特征，包括层级、格局、方向和腹地维度。本文验证了城市关联网络是城市体系研究的重要方法，而企业关联网络则是城市关联网络的有效表征。城市体系研究不仅要关注地理上的邻近性(geographical proximity)，更要强调功能上的关联性(functional connectivity)；不仅要关注城市作为场所空间(space of places)的邻近性，更要强调城市在流通空间(space of flows)中的关联性。城市关联网络的本质是城市之间的经济联系，而企业是城市关联网络的“作用者”，众多企业的区位策略界定了城市之间的关联网络。

无论是一个城市与其他所有城市的合计总关联度还是城市之间的总关联度，城市关联网络都呈现出显著的层级特征。一个城市的合计总关联度表明其在关联网络中的总体地位，北京和上海位于第一层级，深圳和广州位于第二层级，其他城市的合计总关联度依次递减，但难以划分明确的层级。

城市关联网络的格局特征可以归纳为四种类型，首先是4个国家中心城市之间的6对关联形成多心关联格局，其次是4个国家中心城市与36个其他城市之间的144对关联形成放射关联格局，再次是经济大省内部2个主要城市之间的7对关联形成局部关联格局，最后是其他城市之间的623对关联形成散布关联格局。研究还发现，城市群层面上的城市关联网络也呈现类似格局。

基于城市关联网络的方向特征，可以分为四种城市类型。其一，北京和上海的合计外向关联和合计内向关联都是最高的，而且合计外向关联显著大于合计内向关联；其二，深圳和广州的合计外向关联和合计内向关联都是很高的，深圳的合计外向关联显著大于合计内向关联，广州的合计外向关联和合计内向关联基本持平；其三，成都、杭州、苏州、南京的合计内向关联较高，而且显著大于合计外向关联；其四，其他城市的合计外向关联和合计内向关联都是较低的，绝大部分城市的合计内向关联显著大于合计外向关联。当然，第三类型城市和第四类型城市之间边界是相对模糊的。研究还显示，一个城市的关联方向是尺度敏感的，区域中心城市和省会城市在全国层面的城市关联网络中可能处于从属地位，但在所在区域层面和所在省域层面的城市关联网络中处于主导地位。

城市关联网络的腹地分布既呈现出基于地理邻近的区位特征，又显示了基于经济实力的层级特征，取决于地理邻近和经济实力之间的均衡关系。研究发现，城市关联网络的腹地和层级之间具有显著的相关性，北京和上海的关联腹地最大，而且形成明显的地域差异，其次是深圳和广州，其他城市的关联腹地依次递减。有些城市的影响腹地呈现出明显的区域特征，如沈阳在东北区域、成都和重庆在西南和西藏区域、西安和兰州在西北区域的影响腹地。需要指出的是，城市之间的关联腹地是不对称的。尽管城市A是城市B的首位关联城市，但城市B未必是城市A的首位关联城市，可能城市C才是城市A的首位关联城市。

限于篇幅，本文只是简要介绍了中国40个主要城市关联网络的基本特征，未来的研究拓展工作包括三个方面，其一是采用更为详尽的企业区位数据(如经济普查数据)进行城市关联网络的优化研究，其二是基于不同产业部类(如生产性服务业、制造业、生活性服务业等)进行城市关联网络的分类研究，其三是对于城市关联网络的演化趋势进行定期研究。

(李吉桓、皮亚奇、贾宜如、刘梦彬、张泽同学参与了本项研究的数据分析和插图绘制，特此致谢！)

References)

1 BOURNE L S. Urban Systems: Strategies for Regulation[M]. Oxford：Oxford University Press，1975.

2 BEAVERSTOCK J V，SMITH R G，TAYLOR P J. A Roster of World Cities[J]. Cities，1999，16(6): 445-458.

3 HALL P. The World Cities[M]. London: Heinemann，1966.

4 WALLERSTEIN I. The Modern World System[M]. New York: Academic Press，1974.

5 WALLERSTEIN I. The Capitalist World-Economy[M].Cambridge: Cambridge University Press，1979.

6 FROBEL F，HEINRICHS J，KREYE O. The New International Division of Labour[M]. Cambridge: Cambridge University Press，1980.

7 HYMER S H. The Multinational Corporation and the International Division of Labour[M]//BHAGWATI J N.Economics and World Order. New York: Macmillan，1972:113-140.

8 HYMER S H. The Multinational Corporation: A Radical Approach[M]. Cambridge: Cambridge University Press，1979.

9 COHEN R B. The New International Division of Labor，Multinational Corporations and Urban Hierarchy[M]//DEAR M J，SCOTT A J. Urbanization and Urban Planning in Capitalist Society. New York: Taylor and Francis，1981:287-318.

10 FRIEDMANN J，WOLFF G. World City Formation: An Approach for Research and Action[J]. International Journal of Urban and Regional Research，1982(6): 309-344.

11 FRIEDMANN J. The World City Hypothesis[J]. Development and Change，1986，17(1): 69-83.

12 SASSEN S. The Global City：New York，London，Tokyo[M].NJ: Princeton University Press，1991.

13 CASTELLS M. The Rise of Network Society[M].Oxford:Blackwell，1996.

14 SHORT J R，KIM Y，KUSS M，et al. The Dirty Little Secret of World City Research[J]. International Journal of Urban and Regional Research，1996(20): 697-717.

15 TAYLOR P J. So-called “World City”: The Evidential Structure Within a Literature[J]. Environment and Planning A，1999，31(11): 1901-1904.

16 DERUDDER D. Mapping Global Urban Networks: A Decade of Empirical World Cities Research[J]. Geography Compass，2008，2(2): 559-574.

17 SMITH D A，TIMBERLAKE M. World City Networks and Hierarchies，1977-1997: An Empirical Analysis of Global Air Travel Links[J].American Behavioral Scientist，2001，44(10): 1656-1678.

18 DERUDDER B，WITLOX F. An Appraisal of the Use of Airline Data in Assessments of the World City Network[J].Urban Studies，2005，42(13): 2371-2388.

19 TOWSEND A M. Network Cities and the Global Structure of the Internet[J].American Behavioral Scientist，2001，44: 1697-1716.

20 MALECHI E. The Economic Geography of the Internet’s Infrastructure[J].Economic Geography，2002，78(4):399-424.

21 DERUDDER B. The Mismatch Between Concepts and Evidence in the Study of a Global Urban Network[M]//TAYLOR P J，DERUDDER B，SAEY P，et al. Cities in Globalization: Processes，Policies and Theories. London:Routledge，2007: 271-286.

22 TAYLOR P J. World City Network：A Global Urban Analysis[M].London：Routledge，2004.

23 ALDERSON A S，BECKFIELD J. Power and Position in the World City System[J]. American Journal of Sociology，2004，109(4): 811-851.

24 ALDERSON A S，BECKFIELD J，SPRAGUE-JONES J. Inter-city Relations and Globalization: The Evolution of the Global Urban Hierarchy，1981-2007[J].Urban Studies，2010，47(9): 1899-1923.

25 TAYLOR P J. Specification of the World City Network[J].Geographical Analysis，2001，33: 181-194.

26 TAYLOR P J，NI P，DERUDDER B，et al.Global Urban Analysis: A Survey of Cities in Globalization[M].New York: Earthscan，2011.

27 DERUDDER B，TAYLOR P J，HOYLER M，et al.Measurement and Interpretation of the Connectivity of Chinese Cities in the World City Network，2010[J].Chinese Geographical Science，2013，23(3): 261-273.

28 ZHAO M，LIU X，DERUDDER B，et al. Mapping Producer Services Networks in Mainland Chinese Cities[J].Urban Studies，2015，52(16): 3018-3034.

29 唐子来，李粲，李涛. 全球资本体系视角下的中国城市层级体系[J].城市规划学刊，2016(3)：11-20.TANG Zilai，LI Can，LI Tao. Interpretation of China’s Urban Hierarchy from the Perspective of Global Capital System[J].Urban Planning Forum，2016(3): 11-20.

30 唐子来，赵渺希. 经济全球化视角下长三角区域的城市体系演化：关联网络和价值区段的分析方法[J]. 城市规划学刊，2010(1): 29-34.TANG Zilai，ZHAO Miaoxi. Economic Globalization and Transformation of Urban System in the Yangtze River Delta Region: Interlocking Network and Value-Added Hierarchy[J].Urban Planning Forum，2010(1): 29-34.

31 赵渺希，刘铮. 基于生产性服务业的中国城市网络研究[J].城市规划，2012(9)：23-38．ZHAO Miaoxi，LIU Zheng. Research on China’s City Network Based on Production Service Industry[J].City Planning Review，2012(9): 23-38.

32 李仙德. 基于企业网络的城市网络研究[D]．上海：华东师范大学，2012．LI Xiande. Enterprise-Based City Network Analysis[D].Shanghai:East China Normal University，2012.

33 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[J].城市规划学刊，2014(2): 24-31.TANG Zilai，LI Tao. A Comparative Analysis of Urban Systems in the Yangtze River Delta Region and the Middle Yangtze Region: An Approach of Firm-Based Interlocking Network[J]. Urban Planning Forum，2014(2): 24-31.

34 唐子来，李涛. 京津冀、长三角和珠三角地区的城市体系比较研究：基于企业关联网络的分析方法[J].上海城市规划，2014(6): 37-45.TANG Zilai，LI Tao. A Comparative Analysis of Urban Systems in the Beijing-Tianjin-Hebei Region，the Yangtze River Delta Region and the Pearl River Delta Region: An Approach of Firm-Based Interlocking Network[J]. Shanghai Urban Planning，2014(6): 37-45.

35 朱查松，王德，罗震东. 中心性与控制力：长三角城市网络结构的组织特征及演化[J]. 城市规划学刊，2014(4): 24-30.ZHU Chasong，WANG De，LUO Zhendong. Centrality and Power: A Method of Analyzing City Network Spatial Structure[J]. Urban Planning Forum，2014(4)：24-30.

36 赵渺希，魏冀明，吴康. 京津冀城市群的功能联系及其复杂网络演化[J]. 城市规划学刊，2014(1): 46-52．ZHAO Miaoxi，WEI Jiming，WU Kang.Functional Linkages in the Beijing-Tianjin-Hebei Conurbation Region and the Evolution of the Complex Networks[J].Urban Planning Forum，2014(1): 46-52.

37 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[J].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 Enetrprise Connectivity[J]. Urban Planning Forum，2016(4): 22-29.

38 赵渺希，唐子来. 基于网络关联的长三角区域腹地划分[J].经济地理，2010，30(3):371-376.ZHAO Miaoxi，TANG Zilai. A Network-Based Measurement for Urban Hinterland Area in Yangtze River Delta[J]. Economic Geography，2010，30(3):371-376.

39 李涛，周锐. 长三角网络腹地划分的关联测度方法比较[J]. 地理学报，2016，71(2):236-249.LI Tao，ZHOU Rui. Urban Hinterworld in Yangtze River Delta: Empirical Comparison of Two Network-Based Methods[J]. Acta Geograhica Sinica，2016，71(2):236-249.

40 周一星，胡智勇. 从航空运输看中国城市体系的空间网络结构[J].地理研究，2002，21(3):384-394.ZHOU Yixing，HU Zhiyong. Looking into the Network Structure of Chinese Urban System from the Perspective of Air Transportation[J]. Geographical Research，2002，21(3):384-394.

41 武廷海，张能. 作为人居环境的中国城市群：空间格局与展望[J].城市规划，2015(6): 14-25.WU Tinghai，ZHANG Neng. Spatial Pattern and Development of China’s Urban Agglomerations: An Interpretation of the Science of Human Settlements[J].City Planning Review，2015(6): 14-25.

42 罗震东，何鹤鸣，耿磊. 基于客运交通流的长江三角洲功能多中心研究[J]. 城市规划学刊，2011(2):16-23.LUO Zhendong，HE Heming，GENG Lei. Analysis of the Polycentric Structute of Yangtze River Delta Based on Passenger Traffic Flow[J].Urban Planning Forum，2011(2): 16-23.

43 陈建军，郑广建，刘月. 高速铁路对长江三角洲空间联系格局演化的影响[J].经济地理，2014，34(8): 54-60.CHEN Jianjun，ZHENG Guangjian，LIU Yue.The Spatial Connection Evaluation of Yangtze River Delta with the High-Speed Rail[J].Economic Geography，2014，34(8):54-60.

44 罗震东，朱查松，薛雯雯. 基于高铁客流的长江三角洲空间结构再审视[J].上海城市规划，2015(4): 74-80.LUO Zhendong，ZHU Chasong，XUE Wenwen. The Analysis on Spatial Structure of Yangtze River Delta Based on Passenger Flow of High-Speed Railway[J]. Shanghai Urban Planning，2015(4):74-80.

45 A T Kearney. Global Cities Index[R]. 2016.

46 Economist Intelligence Unit. Hot Spots: Benchmarking Global City Competitiveness[R].2012.

47 The Mori Memorial Foundation. Global Power City Index 2015[R].2015.

48 PwC. Cities of Opportunity 6[R]. 2015.