Spatial-temporal evolution and influencing factors of China's urban network from the perspective of manufacturing supply chain

doi:10.3969/j.issn.1004-9479.2026.05.20240887

Abstract

Abstract:

This paper builds urban supply network from the perspective of value chain. Based on the data of supply chain concentration in 2013, 2016, 2019 and 2022, this paper explores the spatial-temporal evolution characteristics and the influencing factors of manufacturing urban supply network by complex network research method. Following are the results: ① The development of the overall network tends to be balanced, the tightness and stability of the network are enhanced. The trade accessibility is improved, and it has a certain "small world", but this nature is being gradually broken. ② The eastern region is in the core leading position in the network, the central and western regions are in the periphery of the network as a whole. The capital cities of the central and western regions become important "bridges" connecting the east, central and western regions. ③ The supply network of the manufacturing industry initially forms a "rhombus-like" supply pattern with the four major urban agglomerations of Beijing-Tianjin-Hebei, Yangtze River Delta, Guangdong-Hong Kong-Macao and Chengdu-Chongqing as the apex. After the pattern is weakened, it is further highlighted and develops into a "T-shaped" pattern. The network presents a complicated evolution process, and appears the characteristics of "east-leading - central catch-up-east-central-western linkage development". ④ Degree of openness to the outside world, potential of market development, optimization of industrial structure, level of economic development and spatial geographical distance are the main influencing factors in the evolution of manufacturing supply network pattern, and the influence of urban geographical location is gradually weakening.

Key words: supply network, urban network, supply chain concentration, complex network, manufacturing

摘要：

本文以制造业为例从价值链视角构建城市供应网络，基于2013年、2016年、2019年和2022年供应链集中度数据，运用复杂网络等分析方法，探究中国制造业供应网络的时空演化特征及影响机制。研究发现：①整体网络发展趋向均衡化，网络紧密性、稳定性逐步增强，贸易通达性提高，具有一定的“小世界”特性，但该性质正在被逐步打破。②东部地区在网络中处于核心主导地位，中、西部地区整体处于网络的边缘位置，中西部地区的省会城市成为连接东、中、西部的重要桥梁。③我国制造业城市供应网络初始形成以京津冀、长三角、粤港澳、成渝四大城市群为顶点的“类菱形”供应格局，该格局先被削弱后又进一步凸显，并向“丁字形”格局发展；网络呈现复杂化的演化过程，出现“东部领衔-中部追赶-东中西部联动式发展”的特征。④对外开放程度、市场发展潜力、产业结构优化、经济发展水平及地理空间距离是制造业供应网络格局演化的主要因素，但地理空间距离的影响力逐渐减弱。

关键词: 供应网络, 城市网络, 供应链集中度, 复杂网络, 制造业

Hailin GONG, Huaying KANG. Spatial-temporal evolution and influencing factors of China's urban network from the perspective of manufacturing supply chain[J]. World Regional Studies, 2026, 35(5): 83-99.

龚海林, 康华莹. 制造业供应链视角下中国城市网络时空演化及影响因素[J]. 世界地理研究, 2026, 35(5): 83-99.

Figures/Tables 11

Tab.1 Assignment table

供应商集中度 $A$	企业 $i$ 所在城市 $P a i$	供应商所在城市 $P c i$	客户集中度 $B$	企业 $i$ 所在城市 $V a i$	客户所在城市 $V b i$
75%< $A$ ≦100%	3	5	75%< $B$ ≦100%	5	3
50%< $A$ ≦75%	2	4	50%< $B$ ≦75%	4	2
25%< $A$ ≦50%	1	3	25%< $B$ ≦50%	3	1
0< $A$ ≦25%	1	1	0< $B$ ≦25%	1	1

Tab.1 Assignment table

供应商集中度 $A$	企业 $i$ 所在城市 $P a i$	供应商所在城市 $P c i$	客户集中度 $B$	企业 $i$ 所在城市 $V a i$	客户所在城市 $V b i$
75%< $A$ ≦100%	3	5	75%< $B$ ≦100%	5	3
50%< $A$ ≦75%	2	4	50%< $B$ ≦75%	4	2
25%< $A$ ≦50%	1	3	25%< $B$ ≦50%	3	1
0< $A$ ≦25%	1	1	0< $B$ ≦25%	1	1

Tab.2 Topological indicators of manufacturing urban supply network

年份	节点数	连接数	网络密度	网络等级度	平均聚类系数	平均路径长度
2013	160	1 328	0.296 2	0.120 0	0.233	2.552
2016	167	1 258	0.234 4	0.104 1	0.221	2.621
2019	132	1 156	0.487 2	0.102 5	0.299	2.398
2022	129	1 220	0.555 3	0.045 9	0.275	2.373

Tab.3 Top 15 cities in terms of degree centrality

2013年			2016年			2019年			2022年
城市	点出度	点入度	城市	点出度	点入度	城市	点出度	点入度	城市	点出度	点入度
北京	545	660	北京	483	539	北京	610	1144	北京	575	1405
上海	606	574	上海	422	420	上海	713	820	上海	638	892
深圳	384	339	深圳	245	221	苏州	390	308	苏州	496	447
成都	294	242	杭州	236	216	深圳	264	227	深圳	320	339
杭州	204	232	成都	156	197	成都	291	156	宁波	359	281
苏州	212	188	武汉	81	202	无锡	299	145	成都	323	202
天津	186	183	无锡	139	118	宁波	160	241	杭州	311	200
武汉	99	206	苏州	151	105	杭州	143	229	合肥	234	172
绍兴	150	114	天津	88	163	青岛	198	159	南京	218	153
重庆	132	127	长沙	125	109	西安	180	154	无锡	217	145
沈阳	106	129	烟台	144	90	南京	158	146	西安	215	126
潍坊	90	120	青岛	122	107	天津	156	148	广州	93	228
青岛	115	87	济南	62	137	武汉	115	170	嘉兴	171	127
南京	90	112	宁波	78	88	南通	124	130	烟台	219	69
无锡	126	75	唐山	83	82	岳阳	92	143	青岛	145	133
均值	94.2		均值	77.83		均值	127.65		均值	144.39

Tab.4 Top 15 cities in terms of closeness centrality

排名	2013		2016		2019		2022
排名	城市	接近中心度	城市	接近中心度	城市	接近中心度	城市	接近中心度
1	上海	0.596 2	北京	0.579 7	上海	0.633 2	上海	0.621 9
2	北京	0.589 4	上海	0.555 6	北京	0.633 2	苏州	0.603 9
3	成都	0.534 5	杭州	0.547 9	苏州	0.560 0	北京	0.601 0
4	杭州	0.530 8	深圳	0.529 8	无锡	0.538 5	宁波	0.543 5
5	苏州	0.518 4	成都	0.503 1	杭州	0.527 2	成都	0.541 1
6	深圳	0.509 9	无锡	0.501 6	成都	0.522 8	杭州	0.534 2
7	无锡	0.503 2	宁波	0.495 4	宁波	0.510 1	南京	0.529 7
8	重庆	0.495 2	烟台	0.493 8	南京	0.504 0	深圳	0.527 4
9	天津	0.482 9	苏州	0.492 3	天津	0.502 0	无锡	0.523 0
10	南京	0.479 9	淄博	0.481 9	深圳	0.498 0	烟台	0.520 8
11	长春	0.468 3	青岛	0.480 5	常州	0.496 1	常州	0.516 5
12	青岛	0.466 9	潍坊	0.477 6	长沙	0.494 1	济南	0.502 0
13	台州	0.466 9	唐山	0.470 6	青岛	0.492 2	青岛	0.500 0
14	唐山	0.465 5	济南	0.469 2	烟台	0.490 3	广州	0.490 2
15	宁波	0.464 1	台州	0.469 2	镇江	0.488 4	南通	0.484 5
	均值	0.385 0	均值	0.388 4	均值	0.417 3	均值	0.428 6

Tab.5 Top 15 cities in terms of betweenness centrality

排名	2013年		2016年		2019年		2022年
排名	城市	中介中心度	城市	中介中心度	城市	中介中心度	城市	中介中心度
1	上海	4 533.91	北京	6 113.61	北京	3 782.54	上海	3 048.86
2	北京	3 744.98	上海	4 971.76	上海	3 497.30	北京	2 685.70
3	成都	2 418.17	成都	2 165.08	成都	1 078.41	苏州	1 793.09
4	杭州	1 938.84	深圳	2 129.19	杭州	980.79	宁波	1 271.87
5	重庆	1 587.55	杭州	1 999.75	苏州	937.56	成都	871.86
6	深圳	1 545.58	烟台	1 088.06	济南	612.49	杭州	863.17
7	苏州	1 044.54	石家庄	992.51	无锡	592.56	深圳	738.13
8	武汉	863.83	苏州	988.82	深圳	576.35	西安	518.53
9	天津	816.97	青岛	978.32	沈阳	548.65	武汉	479.45
10	郑州	803.53	天津	914.06	石家庄	510.28	天津	407.33
11	南京	801.32	长沙	901.08	天津	506.56	南京	399.22
12	长春	662.06	无锡	871.70	武汉	494.60	无锡	369.38
13	广州	626.63	唐山	757.04	西安	485.44	济南	362.58
14	济南	612.57	武汉	717.55	宁波	443.40	烟台	345.89
15	石家庄	566.56	济南	696.00	烟台	402.71	郑州	340.10
	均值	231.65	均值	254.77	均值	173.55	均值	171.64

Tab.6 Top 15 cities in terms of structural hole

2013年				2016年				2019年				2022年
城市	有效规模	效率	限制度	城市	有效规模	效率	限制度	城市	有效规模	效率	限制度	城市	有效规模	效率	限制度
上海	76.00	0.91	0.09	北京	79.23	0.94	0.06	北京	73.40	0.92	0.07	上海	73.23	0.89	0.10
北京	71.87	0.91	0.08	上海	69.79	0.93	0.07	上海	70.67	0.91	0.09	北京	64.52	0.91	0.09
成都	52.79	0.93	0.09	杭州	50.97	0.89	0.10	杭州	43.73	0.89	0.11	苏州	55.87	0.87	0.12
杭州	50.05	0.86	0.15	深圳	47.70	0.92	0.09	苏州	40.39	0.84	0.15	宁波	46.52	0.83	0.16
深圳	44.02	0.86	0.13	成都	40.23	0.94	0.08	宁波	34.54	0.84	0.14	杭州	38.70	0.81	0.15
重庆	40.02	0.91	0.1	苏州	37.32	0.89	0.10	石家庄	34.51	0.93	0.10	深圳	36.22	0.81	0.16
苏州	38.21	0.87	0.14	长沙	35.81	0.94	0.11	天津	34.40	0.84	0.15	天津	33.34	0.90	0.12
南京	36.61	0.89	0.11	武汉	33.58	0.88	0.11	青岛	33.45	0.86	0.12	广州	32.17	0.85	0.14
无锡	35.62	0.91	0.12	天津	32.87	0.91	0.10	成都	33.16	0.83	0.17	济南	30.63	0.81	0.19
广州	33.58	0.91	0.10	青岛	29.79	0.88	0.12	深圳	32.23	0.81	0.16	成都	30.04	0.72	0.30
郑州	31.92	0.91	0.11	烟台	29.01	0.85	0.14	无锡	32.15	0.82	0.15	无锡	29.81	0.81	0.15
天津	31.83	0.88	0.13	沈阳	28.88	0.88	0.11	广州	26.36	0.85	0.13	烟台	28.97	0.81	0.15
武汉	29.24	0.89	0.15	宁波	27.14	0.85	0.14	沈阳	26.04	0.87	0.15	南京	28.17	0.76	0.20
济南	28.04	0.91	0.12	济南	26.84	0.81	0.15	西安	24.99	0.81	0.18	青岛	27.85	0.84	0.13
台州	26.87	0.90	0.10	唐山	24.53	0.88	0.14	南京	23.26	0.8	0.19	常州	26.14	0.82	0.16
均值	12.40	0.89	0.30	均值	11.28	0.89	0.29	均值	12.19	0.85	0.28	均值	13.40	0.85	0.23

Fig.1 Evolution of manufacturing urban supply network pattern

Tab.7 Core-edge structure of manufacturing urban supply network

年份	核心	半核心
2013	上海、北京、深圳、杭州、苏州、成都、常州、绍兴、曲靖、天津、青岛	宁波、烟台、重庆、潍坊、南通、株洲、福州、岳阳、无锡、沈阳、昆明、武汉、南京、蚌埠、郴州、南昌、大连、拉萨、珠海、唐山、银川、东营、兰州、金华
2016	上海、北京、杭州、烟台、无锡、曲靖、青岛、苏州、深圳、郴州、绍兴、厦门、长春	济南、南京、武汉、昆明、宁波、嘉兴、东莞、常州、牡丹江、长沙、台州、福州、成都、吉林、唐山、沈阳、淄博、潮州、绵阳、金华、洛阳、白银、大连、南通、银川、蚌埠、本溪
2019	上海、北京、苏州、深圳、无锡、成都、青岛、西安、烟台、芜湖、合肥、宁波、南京、台州、嘉兴、武汉、南通	昆明、镇江、杭州、威海、长沙、连云港、曲靖、天津、南充、重庆、绍兴、十堰、潍坊、内江、东莞、岳阳、福州、唐山、淄博、益阳、常州
2022	上海、苏州、北京、深圳、宁波、成都、杭州、南京、合肥、西安、无锡、烟台、青岛、嘉兴、衢州、南通	常州、哈尔滨、金华、石家庄、北海、六安、内江、岳阳、宝鸡、大连、绍兴、秦皇岛、镇江、唐山、济南、蚌埠、长沙、泰州、广州、连云港、南阳、天津、武汉、保定、平顶山

Fig.2 Driving mechanism of manufacturing urban supply network

Tab.8 Description of variables

变量	变量名称	指标
被解释变量	城市联系强度	城市关联矩阵（Y）
解释变量	对外开放程度	对外开放程度差异矩阵（Open）
	市场发展潜力	市场发展潜力差异矩阵（Potential）
	产业结构优化	产业结构优化差异矩阵（Industry）
	经济发展水平	经济发展水平差异矩阵（GDP）
	地理空间距离	城市邻接矩阵（Dis）
控制变量	城市发展规模	城市人口差异矩阵（Pop）
		在校学生差异矩阵（Edu）
		城市行政级别差异矩阵（Level）

Tab.9 QAP regression results

R 2

0.057 6^**

（0.023）

0.018 1

（0.139）

0.059 8^**

(0.020)

0.077 2^**

(0.015)

Potential

—0.064 8^***

（0.000）

—0.066 5^***

(0.000)

—0.074 6^***

(0.000)

—0.068 6^***

(0.000)

Industry

0.010 9

（0.201）

0.031 7^**

(0.012)

0.028 5^*

(0.051)

0.038 4^**

(0.021)

GDP

0.177 8^***

（0.000）

0.243 7^***

(0.000)

0.268 1^***

(0.000)

0.220 9^***

(0.000)

Dis

0.067 7^***

（0.000）

0.062 4^***

(0.000)

0.070 7^***

(0.000)

0.058 5^***

(0.000)

Pop

—0.003 0

（0.466）

0.035 2^***

(0.003)

—0.051 4^***

(0.004)

—0.051 0^***

(0.003)

Edu

—0.000 1

（0.542）

—0.017 3

(0.119)

—0.039 1^**

(0.016)

—0.049 1^***

(0.010)

Level

—0.053 8^***

（0.000）

—0.057 9^***

(0.000)

—0.067 8^***

(0.000)

—0.054 4^***

(0.000)

Tab.9 QAP regression results

解释变量

2013年

2016年

2019年

2022年

R 2

0.043

0.047

0.062

0.054

Open

0.057 6^**

（0.023）

0.018 1

（0.139）

0.059 8^**

(0.020)

0.077 2^**

(0.015)

Potential

—0.064 8^***

（0.000）

—0.066 5^***

(0.000)

—0.074 6^***

(0.000)

—0.068 6^***

(0.000)

Industry

0.010 9

（0.201）

0.031 7^**

(0.012)

0.028 5^*

(0.051)

0.038 4^**

(0.021)

GDP

0.177 8^***

（0.000）

0.243 7^***

(0.000)

0.268 1^***

(0.000)

0.220 9^***

(0.000)

Dis

0.067 7^***

（0.000）

0.062 4^***

(0.000)

0.070 7^***

(0.000)

0.058 5^***

(0.000)

Pop

—0.003 0

（0.466）

0.035 2^***

(0.003)

—0.051 4^***

(0.004)

—0.051 0^***

(0.003)

Edu

—0.000 1

（0.542）

—0.017 3

(0.119)

—0.039 1^**

(0.016)

—0.049 1^***

(0.010)

Level

—0.053 8^***

（0.000）

—0.057 9^***

(0.000)

—0.067 8^***

(0.000)

—0.054 4^***

(0.000)

References 47

[1]	葛顺奇,关乾伟,罗伟. 供应链配置与企业绩效表现:效率与稳定.世界经济研究,2022(04):32-46.
	GE S, GUAN Q, LUO W. Supply chain configuration and firm performance: Efficiency and stability. World Economy Studies, 2022 (04): 32-46.
[2]	赵可金,郎昆. 中美竞争下的供应链安全研究. 东北亚论坛, 2022, 31 (02): 19-39.
	ZHAO K, LANG K. On the supply chain security under China-U.S. competition. Northeast Asia Forum, 2022, 31 (02): 19-39.
[3]	LIN F, SHAW M. Reengineering the order fulfillment process in supply chain networks. International Journal of Flexible Manufacturing Systems, 1998, 10(3):197-229.
[4]	RODRIGUE J. The geography of global supply chains: Evidence from third-party logistics. Journal of Supply Chain Management, 2012, 48(3): 15-23.
[5]	孟德友,陈层层,柯文前. 网络化视阈下区域空间结构演化特征及基本分析法则——以河南省为例. 地理研究, 2023, 42(5): 1307-1325.
	MENG D, CHEN C, KE W. Evolutional characteristics and basic analytical principles of regional spatial structure in the perspective of networking: A case study of Henan province. Geographical Research, 2023, 42(5): 1307-1325.
[6]	陈刚,王启松,王光辉,等. 中国城市供应网络结构演化特征与影响机制. 经济地理, 2024, 44 (10): 24-33.
	CHEN G, WANG Q, WANG G, et al. Evolutionary characteristics and influencing factors of China's urban supply network structure. Economic Geography, 2024, 44 (10): 24-33.
[7]	韩刚,史修松,唐乐,等.基于交通流的江苏省城市网络结构与空间格局形变.世界地理研究,2022,31(01):85-95.
	HAN G, SHI X, TANG L, et al. Analysis on spatial structure and pattern deformation of urban network in Jiangsu province based on traffic flow. World Regional Studies, 2022,31(01):85-95.
[8]	邓楚雄,宋雄伟,谢炳庚,等.基于百度贴吧数据的长江中游城市群城市网络联系分析.地理研究,2018,37(06):1181-1192.
	DENG C, SONG X, XIE B, et al. City network link analysis of urban agglomeration in the middle Yangtze River basin based on the Baidu Post Bar data. Geographical Research, 2018,37(06):1181-1192.
[9]	王录仓,刘海洋,刘清.基于腾讯迁徙大数据的中国城市网络研究.地理学报,2021,76(04):853-869.
	WANG L, LIU H, LIU Q. China's city network based on Tencent's migration big data. Acta Geographica Sinica, 2021,76(04):853-869.
[10]	冯兴华,高紫媛,徐美海,等.基于专利技术转移的城市群创新网络结构及其组织模式.经济地理,2024,44(10):66-75.
	FENG X, GAO Z, XU M, et al. Structure and organizational model of innovation network in China's urban agglomerations based on the patent technology transfer. Economic Geography, 2024,44(10):66-75.
[11]	李培庆,赵新正,姜永青,等. 长三角多尺度城市网络联系特征及其对城市高质量发展的影响——基于企业总部-分支联系视角 . 世界地理研究, 2024, 33 (03): 147-160.
	LI P, ZHAO X, JIANG Y, et al. Multi-scale urban network connectivity characteristics in the Yangtze River Delta and its impact on high-quality urban development: A perspective on corporate headquarter-branch connections. World Regional Studies, 2024, 33 (03): 147-160.
[12]	王传阳,盛科荣,张杰. 中国城市网络核心-边缘结构演化及影响因素研究——基于制造业企业网络视角 . 地球信息科学学报, 2022, 24 (01): 141-152.
	WANG C, SHENG K, ZHANG J. Dynamics and determinants of the core-periphery structure of urban network in China: A study based on the corporate network of manufacturing. Journal of Geo-information Science, 2022, 24 (01): 141-152.
[13]	杨佩,杨永春,卢红.中国西北地区城市网络体系分析——基于民营企业布局.地域研究与开发,2014,33(05):55-58.
	YANG P, YANG Y, LU H. Urban network system based on privately managed enterprises'layout in Northwest China. Areal Research and Development, 2014,33(05):55-58.
[14]	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 (04): 835-852.
	HUANG X, MA H, MIAO C. Connectivity characteristics for city networks in China based on innovative enterprises. Acta Geographica Sinica, 2021, 76 (04): 835-852.
[15]	ALDERSON A, BECKFIELD J, SPRAGUE-JONES J. Intercity relations and globalisation: The evolution of the global urban hierarchy, 1981-2007. Urban Studies, 2010,47(9):1899-1923.
[16]	TAYLOR P. Leading world cities: Empirical evaluations of urban nodes in multiple networks. Urban Studies, 2014, 42(9):1593-1608.
[17]	李哲睿,甄峰,傅行行.基于企业股权关联的城市网络研究——以长三角地区为例.地理科学,2019,39(11):1763-1770.
	LI Z, ZHEN F, FU X. Mapping urban network through inter-firm investment relationship: A case study of Yangtze River Delta. Scientia Geographica Sinica, 2019,39(11):1763-1770.
[18]	马海涛,方创琳.基于企业微观视角的城市区域生产网络空间组织研究——以粤东城镇群服装生产为例.地理科学,2011,31(10):1172-1180.
	MA H, FANG C. Spatial Organization of production networks in city-region based on enterprises relationship: A case of apparel production in urban agglomeration of Eastern Guangdong Province. Scientia Geographica Sinica, 2011,31(10):1172-1180.
[19]	王成,王茂军,柴箐.城市网络地位与网络权力的关系——以中国汽车零部件交易链接网络为例.地理学报,2015,70(12):1953-1972.
	WANG C, WANG M, CHAI Q. The relationship between centrality and power in the city network. Acta Geographica Sinica, 2015,70(12):1953-1972.
[20]	陈肖飞,杨洁辉,王恩儒,等. 基于汽车产业供应链体系的中国城市网络特征研究 . 地理研究, 2020, 39 (02): 370-383.
	CHEN X, YANG J, WANG E, et al. The characteristics of China's urban network based on the supply chain system of automobile industry. Geographical Research, 2020, 39 (02): 370-383.
[21]	刘清,杨永春,蒋小荣,等. 基于全球价值链的全球化城市网络分析——以苹果手机供应商为例 . 地理学报, 2021, 76 (04): 870-887.
	LIU Q, YANG Y, JIANG X, et al. An analysis of the multidimensional globalizing city networks based on global value chain: A case study of iPhone suppliers. Geographical Research, 2021, 76 (04): 870-887.
[22]	王雪微,范大龙,曹卫东. 中国汽车总部与零部件企业供应网络结构演化及影响因素 . 经济地理, 2023, 43 (02): 124-135.
	WANG X, FAN D, CAO W. Evolution and influencing factors of supply structure of China auto headquarter and auto supplier enterprises. Economic Geography, 2023, 43 (02): 124-135.
[23]	赵梓渝,王士君,陈肖飞,等. "全球—地方"视角下中国汽车生产网络的跨域关联与影响因素——一汽—大众案例 . 地理科学进展, 2022, 41 (05): 741-754.
	ZHAO Z, WANG S, CHEN X, et al. Cross-regional relatedness and influencing factors of China's auto-mobile production network from the perspective of "global-local": A case study of FAW-Volkswagen. Progress in Geography, 2022, 41 (05): 741-754.
[24]	梁双波,曹有挥,吴威. 长江三角洲地区物流供应链时空演化及其影响因素——基于国际货代企业数据的分析 . 地理研究, 2017, 36 (11): 2156-2170.
	LIANG S, CAO Y, WU W. Spatial-temporal evolution and influencing factors of Logistics Supply Chain in the Yangtze River Delta: Based on international freight forwarding enterprises data. Geographical Research, 2017, 36 (11): 2156-2170.
[25]	王列辉,张楠翌,林羽珊. 全球高端航运服务业的时空演化及影响因素分析 . 地理研究, 2021, 40 (03): 708-724.
	WANG L, ZHANG N, LIN Y. Spatial evolution and factors of global advanced maritime service industry. Geographical Research, 2021, 40 (03): 708-724.
[26]	安树伟,李瑞鹏. 东西差距还是南北差距?——1978年以来中国区域差距的演变与机理分析 . 中国软科学, 2023(04): 109-120.
	AN S, LI R. East-west disparity or north-south disparity: The evolution and mechanism of China's regional disparity since 1978. China Soft Science, 2023(04): 109-120.
[27]	YING L. Measuring the spillover effects: Some Chinese evidence. Papers in Regional Science, 2000, 79(1):75-89.
[28]	YING L. Understanding China's recent growth experience: A spatial econometric perspective. The Annals of Regional Science, 2003, 37(4):613-628.
[29]	赵正,王佳昊,冯骥. 京津冀城市群核心城市的空间联系及影响测度 . 经济地理, 2017, 37 (06): 60-66.
	ZHAO Z, WANG J, FENG J. Research on the spatial correlation of central cities in Beijing-Tianjin-Hebei urban agglomeration. Economic Geography, 2017, 37 (06): 60-66.
[30]	李磊,张贵祥. 京津冀城市群内城市发展质量 . 经济地理, 2015, 35 (05): 61-64.
	LI L, ZHANG G. The city development quality of Beijing-Tianjin-Hebei urban agglomeration. Economic Geography, 2015, 35 (05): 61-64.
[31]	李万利,刘虎春,龙志能,等. 企业数字化转型与供应链地理分布 . 数量经济技术经济研究, 2023, 40 (08): 90-110.
	LI W, LIU H, LONG Z, et al. Enterprise digital transformation and the geographic distribution of supply chain. Journal of Quantitative & Technological Economics, 2023, 40 (08): 90-110.
[32]	王海,尹俊雅. 地方产业政策与行业创新发展——来自新能源汽车产业政策文本的经验证据 . 财经研究, 2021, 47 (05): 64-78.
	WANG H, YIN J. Local industrial policies and industry innovation and development:Empirical evidence from the new energy automobile industry policy text. Journal of Finance and Economics, 2021, 47 (05): 64-78.
[33]	李雯轩,李晓华. 全球数字化转型的历程、趋势及中国的推进路径 . 经济学家, 2022(05): 36-47.
	LI W, LI X. The history and trend of global digital transformation and China's promotion path. Economist, 2022(05): 36-47.
[34]	LI R, LU L, CUI T,et al. Assessing the attraction of cities on venture capital from a scaling law perspective. IEEE Access, 2021, 9(3):48052-48063.
[35]	王福君,沈颂东. 东北装备制造业区域合作的重点、模式与对策研究 . 东北师范大学学报(哲学社会科学版), 2011(03): 54-58.
	WANG F, SHEN S. The main point, model and counter measures of regional cooperation of northeast Equipment manufacturing industry. Journal of Northeast Normal University (Philosophy and Social Sciences), 2011(03): 54-58.
[36]	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 (06): 1208-1218.
	YANG Y, SHENG K. Evolution and influencing factors of urban network linkage patterns in China: From the perspective of enterprise network. World Regional Studies, 2021, 30 (06): 1208-1218.
[37]	GEREFFI G. Global value chains and international competition. Antitrust Bulletin, 2011, 56(1): 37-56.
[38]	FRITSCH U, GÖRG H. Outsourcing, offshoring and innovation: Evidence from firm-level data for emerging economies. Kiel Working Papers, 2013, 23(4):687-714.
[39]	AMITI M, ITSKHOKI O, KONINGS J. Importers, exporters, and exchange rate disconnect. American Economic Review, 2012, 104(7): 1942-1978.
[40]	SEKER M. Importing, exporting, and innovation in developing countries. Review of International Economics, 2012, 20(2): 299-314.
[41]	ZHAO Z, ZHANG K. FDI and industrial productivity in China: Evidence from panel data in 2001-2006. Social Science Electronic Publishing, 2015, 14(3): 656-665.
[42]	陈肖飞,韩腾腾,栾俊婉,等. 新创企业的时空分异与区位选择——基于中国汽车制造业的实证研究 . 地理研究, 2021, 40 (06): 1749-1767.
	CHEN X, HAN T, LUAN J, et al. Spatiotemporal heterogeneity in the locational choices of new firms in China: A case study of the automobile manufacturing industry. Geographical Research, 2021, 40 (06): 1749-1767.
[43]	HARRIS C D. The market as a factor in the localization of industry in the United States. Annals of the Association of American Geographers, 1954, 44(4): 315-348.
[44]	FUJITA M, KRUGMAN P, VENABLES A. The spatial economy: Cities, regions, and international trade. Mit Press Books, 2001, 1(1):283-285.
[45]	汪浩瀚,徐建军. 市场潜力、空间溢出与制造业集聚 . 地理研究, 2018, 37 (09): 1736-1750.
	WANG H, XU J. Market potential, spatial spillover and manufacturing industry agglomeration. Geographical Research, 2018, 37 (09): 1736-1750.
[46]	徐维祥,张筱娟,刘程军. 长三角制造业企业空间分布特征及其影响机制研究:尺度效应与动态演进 . 地理研究, 2019, 38 (05): 1236-1252.
	XU W, ZHANG X, LIU C. Spatial distribution pattern and influencing factors of manufacturing enterprises in Yangtze River Delta: Scale effects and dynamic evolution. Geographical Research, 2019, 38 (05): 1236-1252.
[47]	李志远,冯学钢,何静,等.中国旅游生态韧性空间关联网络结构及其驱动因素.地理研究,2024,43(05):1146-1165.
	LI Z, FENG X, HE J, et al. Spatial correlation network structure and driving factors of tourism ecological resilience in China. Geographical Research, 2024,43(05):1146-1165.