企业作为产业发展和经济活动运行的核心主体,其经济联系和链式集聚是区域旅游产业凝聚成群和竞争力提升的关键载体[1]。据统计,2023年度全国代表性文旅集团合计签约投资重大文旅项目143个,已公布的94个项目合计投资额约达2 970亿元,两个及以上集团战略合作共同投资、跨界投资趋势明显;文旅企业间重大资产收购并购事件频发,以收购股权、收购景区资产、股权置换为主要形式的文旅企业跨区域整合加速。可见,旅游企业投资尤其是异地投资行为正向着跨地域、跨行业、复杂化趋势发展。揭示旅游企业异地投资网络的复杂性结构特征及其驱动机制,成为解析区域旅游产业集群规律与竞争优势提升的重要议题。
当前,人、物、资本和信息等要素在“全球-地方”等多尺度实现流动,全球-地方网络交织耦合的现象十分明显[2-3]。20世纪末,Barabási等和Watts等分别提出无标度网络模型和小世界网络模型,构建起复杂网络理论的基本框架[4-5]。随后,复杂性科学理论与方法被广泛应用于全球-地方的复杂要素流动网络中[6]。投资网络是区域经济网络的重要组成部分,企业异地投资网络被看作区域经济相互作用的微观表现。学者们从微观企业投资联系着手,构建起企业-城市-区域跨尺度网络映射逻辑及复杂性结构分析的框架,如以制造企业[7-8]、金融企业[9]、新基建企业[10]和物流[11]等为研究对象,分析多尺度投资网络的时序演化、关联效应演变及投资行为空间演化特征。在数据方面,重点以上市企业投资额[12]、企业股权关联数据[13]、企业间投资联系数据[9]和总部-分支机构数据[14]等构建经济联系网络。学者们通过节点的度及度分布、密度、空间格局、介数等描述网络的结构特征[13,15-16],通过网络的等级层次性、小世界性、无标度性等特点表征经济联系网络的复杂性[16]。在复杂网络形成与演化驱动机制方面,部分学者通过多元线性回归模型、空间面板计量模型、模糊集定性比较分析法(fs QCA)及负二项回归模型等方法,对企业异地投资网络形成的驱动因素进行探讨[17-18],揭示城市经济属性、城际关系、社会经济、网络内生动力等因素对网络的驱动机制[19-20]。
总的来看,以企业投资这一实质性要素流动为载体,开展区域经济交互格局和结构演化的研究框架已较为成熟,但围绕旅游企业投资行为的区域经济空间规律探讨仍不充分,尤其是旅游企业投资集散机制的不明确,使得空间视域下旅游投资的内在逻辑和规律尚未得到解释。事实上,旅游企业作为区域旅游经济发展的重要载体,通过跨区域投资布局所形成的投资网络,正逐渐成为区域旅游经济结构演化的根本动力。而揭示旅游企业异地投资的结构和时空演化规律,对于解析区域旅游经济空间结构、优化旅游经济空间布局和促进区域旅游经济网络生长发育具有重要支撑作用。因此,本文基于旅游企业异地投资数据及复杂网络分析方法,量化旅游企业跨城投资网络的复杂性特征;构建驱动机制理论分析框架,尝试从纯结构效应、行动者-关系效应及外部网络效应3个方面揭示异地投资网络的驱动机制,以期为旅游企业投资行为的区位选择提供指引,为进一步优化区域旅游经济空间格局和旅游业现代化产业体系建设提供决策依据。
1 关于旅游企业异地投资行为及驱动机制的理论探讨
企业异地投资是企业通过市场内部化机制跨越空间限制的行为。企业通过投资、合作、并购等方式,与其他企业进行资源配置、信息交流和技术共享等互动,形成深度的横纵向合作关系,进而实现市场拓展、竞争力提升、整体盈利能力提升等效益。旅游企业的异地投资,通常指旅游企业在其注册地之外的其他地区进行投资活动,包括但不限于设立分支机构、收购或兼并当地企业、投资当地旅游项目等。其中,旅游企业作为旅游投资活动的发动者、决策者,是异地投资行为的主体[21],投资客体则是其投资的异地旅游项目及相关企业资产[22]。在旅游企业异地投资活动中,一般采用产业布局、运营输出、投资合作等形式将其资金、技术、管理经验等投入到异地旅游项目或相关资产中,旨在拓展市场、获取资源或提升品牌影响力等。企业异地投资网络是企业与被投资企业之间的经济互动行为表征。旅游企业异地投资网络则是在旅游企业对外投资过程中所形成的复杂城际旅游经济联系。一方面,旅游企业投资行为本身就隐含着复杂的信息流动、资源配置、合作强度等旅游经济联系信息[23];另一方面,投资联系具有强带动作用,资金流带动城际间技术流、知识流、人流等多元要素流动[24]。因此,旅游企业异地投资网络映射并重塑着区域旅游经济空间结构。
针对企业投资网络特征及驱动机制,地理学主要关注企业投资流入地环境对资本的影响机制。区位论和新经济地理学相关理论以及相关实证研究已表明,资本、技术、市场化程度、集聚经济、规模经济等显著影响企业异地投资的区位选择[12]。但上述因素仅涉及投资流入地的属性因子,对于投资流出地与流入地之间的关系、投资网络的内生结构影响机制缺乏探讨。事实上,中国企业异地投资网络形成与演化过程既受到网络内生结构变量(如聚敛性、传递性等)的影响[21],如前期已有相关产业发展配套条件、已有企业合作/投资关系的城市间的合作更具优势;也受到城市经济、政治等城市属性变量的作用,如经济规模较大的城市拥有较大的市场厚度[20],其吸引投资和资本流动的能力更强;还与经济、地理、文化、制度等多维邻近性因素相关[25]。地理邻近减少信息交流壁垒/降低贸易成本[26],制度邻近性意味着一致的经济政策和相似的投资经营环境[27],企业异地投资行为易受投资来源地和目的地之间经济关系的影响,倾向于在经济联系密切的城市之间产生关联[25],而文化邻近性使投资企业与被投资企业黏合更紧密。基于此,本文将网络结构变量(纯结构效应)、城市属性变量(行动者-关系效应)及城际关系变量(外部网络)三者纳入企业异地投资网络的演化机制中,构建旅游企业异地投资网络驱动机制分析框架(图1),在选取典型变量的基础上,建立指数随机图模型(exponential random graph model,ERGM),通过估计、诊断、仿真、比较等步骤实现对各种影响因素的参数估计与统计推断,解释网络的形成与演化机制。
2 数据来源与研究方法
2.1 数据来源
以《国家旅游及相关产业统计分类(2018)》为依据,参照左冰等[28]对旅游企业的筛选条件,选取全国A股、新三板、新四板及主营业务范围为“旅游出行”“旅游住宿”“旅游餐饮”“旅游游览”“旅游购物”“旅游娱乐”“旅游综合服务”“旅游辅助服务及政府旅游管理服务”的企业,形成涵盖265家企业的旅游企业名录,并根据名录进一步获取企业对外投资信息。
旅游企业对外投资信息的获取及处理过程如下:1)在国泰安经济金融研究数据库中查询A股、新三板上市企业年报,提取旅游企业对外投资数据,包括投资企业成立时间、投资企业名称及所在地、投资数量、投资金额及行业分类等。2)新四板及主营旅游业务的未上市企业的年报尚未公布,故通过企查查(https://www.qcc.com)平台获取。3)为避免数据缺失,旅游企业所在地、被投资企业所在地和投资资本等数据通过同花顺(https://www.51ifind.com)、启信宝(https://www.qixin.com)网站获得(因港澳台地区旅游企业的对外投资数据难以获取,故不纳入本研究范畴)。4)在国家企业信用信息公示系统中核实被投资企业的经营状态,对于已注销或吊销的旅游企业,仅保留其在存续期间的投资记录。在对旅游企业经营地址校对的过程中,发现总部注册所在地与经营所在地存在差异的占比仅为2.11%,无差异占比97.89%。去除部分投资数据空白值及异常值,筛选出具有异地投资联系的旅游企业986对。依据中国旅游企业起步发展阶段、提质升级阶段、黄金发展阶段的发展历程,同时考虑经济发展阶段性、政策环境变化及数据可获取性等因素,以2008—2012年、2013—2017年、2018—2023年3个时间段作为研究阶段。本文所需的经济、社会等其他数据均来源于各地级市国民经济和社会发展统计公报、《中国交通年鉴》及《中国城市统计年鉴》,部分缺失值采用线性插值法补充。表1为代表性的样本数据。
表1 样本数据Tab.1 Sample data |
| 企业名称 | 总部所 在地 | 被投资 企业名称 | 被投资企业 所属地区 | 成立 日期 | 状态 | 注销 日期 | 投资额/ 万元 |
|---|---|---|---|---|---|---|---|
| 君亭酒店集团 股份有限公司 | 杭州市 | 宁波奉化夜泊君 亭酒店有限公司 | 宁波市 | 2018-11-13 | 存续 | 100 | |
| 黄山旅游集团 有限公司 | 黄山市 | 北京市文化科技融资 租赁股份有限公司 | 北京市 | 2014-07-25 | 存续 | 10 000 | |
| 金陵饭店股份 有限公司 | 南京市 | 贵州贵宁达酒店管 理股份有限公司 | 贵阳市 | 2020-12-09 | 存续 | 400 | |
| 华天酒店集团 股份有限公司 | 长沙市 | 北京东方华天餐饮 管理有限公司 | 北京市 | 2005-05-25 | 注销 | 2022-03-21 | 350 |
| 中国康辉旅游 集团有限公司 | 北京市 | 抚远东极康辉国际 旅行社有限公司 | 抚远市 | 2018-07-20 | 注销 | 2020-01-13 | 12 |
注:由于研究涉及的旅游企业数量较多,为便于分析和展示,仅选取具有代表性的旅游企业进行列举。 |
2.2 研究方法
2.2.1 旅游企业异地投资网络的构建
资本在城市间的有序流动不仅是经济网络的重要表现形式,也是实现相对稀缺要素资源优化配置的重要机制。因此,本文参考焦敬娟等[12]对城市异地投资网络的构建方法,将旅游企业所在城市作为基点,以各城市旅游企业异地投资资本总量表征城市节点加权中心度,再以城市间旅游企业异地投资额表征城市间联系强度,将旅游企业间的投资关系转换为城市间的旅游经济联系,构建出中国旅游企业异地投资网络。此网络为有向加权网络。
2.2.2 社会网络分析
社会网络分析是依托数理模型和图论理论,探讨社会行动者之间互动关系及其所形成网络结构的一种研究方法。该方法有两种基本视角,分别为关系取向和位置取向。关系取向侧重行动者之间的社会性关系,如密度、强度、对称性、规模等体现特定的行为和过程;而位置取向侧重于社会关系的模式化,相关分析通过Gephi软件得以实现。本研究采用网络边、网络节点数、网络密度、平均聚类系数、平均路径长度测度旅游企业异地投资网络的总体特征,用加权入度、加权出度来测度投资网络的节点特征,相关计算公式参考文献[29]。
2.2.3 指数随机图模型(ERGM)
指数随机图模型(ERGM)是一种专门针对网络关系型数据的统计模型,能够有效揭示网络关系形成的原因和机制[30]。模型统计量包含网络构型、节点协变量、边协变量。参考杨文龙等[29]对ERGM的变量描述,将统计变量对应投资网络中的纯结构效应、行动者-关系效应和外部网络效应。其中,纯结构效应包括边效应(edg)、闭合三角结构(gwe)、开放三角结构(gwd)、出入三星(X1、X2),以检验企业异地投资网络产生的基本效应、扩张性、聚敛性与开放性是否显著。行动者-关系效应包括趋同效应、接受效应和发出效应。参考文献[31-32],本文选取旅游资源禀赋(X3)、旅游市场规模(X4)、基础设施水平(X5)、政府支持水平(X6)、要素集聚与扩散水平(X7)、产业结构状况(X8)、对外开放程度(X9)指标来表征城市间经济关系、产业结构特征和投资环境状况;通过人均地区生产总值测度对外投资(X10)或吸引投资(X11)的倾向,来考察投资网络是否存在接受效应和发出效应。外部网络效应采用修正引力模型测度,城市旅游经济联系强度(X12)表征经济邻近性[33]、城市间是否相邻(X13)表征地理邻近性、是否在同一城市群(X14)表征制度邻近性、是否属于同一方言区(X15)表征文化邻近性,构建4个虚拟变量由邻接表转化为矩阵。最终构建的ERGM模型为
P(Y=y)~θ0sum+θ1nodesqrtcovar+θ2nodecov(X1)+θ3nodecov(X2)+θ4gwe+θ5gwd+θ6nodecov(X3)+θ7nodecov(X4)+θ8nodecov(X5)+θ9nodecov(X6)+θ10nodecov(X7)+θ11nodecov(X8)+θ12nodecov(X9)+θ13nodecov(X10)+θ14nodecov(X11)+θ15edgecov(X12)+θ16edgecov(X13)+θ17edgecov(X14)+θ18edgecov(X15)。
式中:P(Y=y)表示y在Y中出现的概率;θ1~θ18表征纯结构效应、行动者-关系效应和外部网络效应影响投资网络形成的重要程度。
3 中国旅游企业异地投资的复杂性特征
3.1 空间结构复杂性演化
企业是城市间经济相互依赖的关键作用者,企业投资强调资本的活跃程度,能综合、全面地反映城市网络面貌[34]。从整体结构上(图2)看,2008—2012年旅游企业异地投资网络雏形初显,形成以北京、上海、广州及昆明为中心向外扩散的空间格局。2013—2017年,以单一城市中心辐射孕育出旅游企业异地投资网络的三角框架雏形结构,如“北京-上海-广州”“上海-深圳-昆明”“上海-西安-海口”等城市三角雏形结构趋势明显,投资行为由单一城市对外投资逐步转向多个城市相互链接构成的三角结构投资模式。值得注意的是,这种三角结构模式与已有研究中常见的菱形(钻石)结构存在一定差异。西安、海口、昆明等城市也日益成为中国旅游企业异地投资网络中的重要节点,其核心地位主要得益于丰富的旅游资源禀赋和较强的资源集聚优势, 从而使其能够产生虹吸效应,吸引和集聚省内外城市的要素资源流动,即充分吸引来自其他城市的投资。2018—2023年,三角构架趋于稳定,长距离、跨区域的城际投资联系更为显著。该阶段,投资联系紧密的城市大多处于政治、经济或文化中心,投资聚集地旅游发展起步早、市场环境趋于成熟且对外开放程度高、承接能力强,为城市投资提供便捷环境。
城市角色能有效反映企业在资本流动中的功能分工及网络地位。从表2可知,2008—2012年和2013—2017年旅游企业异地投资流入城市以桂林、西安、深圳、大连等城市为主,而北京、上海、海口等城市作为流出节点以强大的经济辐射能力和引领作用有效链接全国多数城市。2018—2023年,流入、流出城市多元化,投资外溢核心性城市节点集中在大城市或经济发达地区,投资接待主体迅速扩大,空间覆盖范围从东部沿海地区向中西部地区拓展,最终涵盖东、中、西部地区164个城市节点。
表2 2008—2023年投资净流入、流出排名前10位的城市Tab.2 Top 10 cities in terms of investment inflows and outflows from 2008 to 2023 |
| 排序 | 2008—2012年 | 2013—2017年 | 2018—2023年 | |||
|---|---|---|---|---|---|---|
| 净流入城市 | 净流出城市 | 净流入城市 | 净流出城市 | 净流入城市 | 净流出城市 | |
| 1 | 深圳 | 海口 | 桂林 | 北京 | 桂林 | 北京 |
| 2 | 桂林 | 南宁 | 西安 | 海口 | 西安 | 广州 |
| 3 | 昆明 | 北京 | 深圳 | 上海 | 昆明 | 海口 |
| 4 | 大连 | 上海 | 福州 | 南宁 | 深圳 | 上海 |
| 5 | 海口 | 深圳 | 郑州 | 广州 | 福州 | 南宁 |
| 6 | 张家口 | 三亚 | 昆明 | 南昌 | 郑州 | 杭州 |
| 7 | 北京 | 石家庄 | 海口 | 咸阳 | 保定 | 咸阳 |
| 8 | 淮安 | 长沙 | 大连 | 石家庄 | 海口 | 乌鲁木齐 |
| 9 | 长沙 | 南京 | 乌鲁木齐 | 深圳 | 上海 | 石家庄 |
| 10 | 张家界 | 太原 | 咸阳 | 厦门 | 大连 | 荆门 |
3.2 拓扑结构复杂性演化
中国旅游企业异地投资网络呈多中心化发展趋势。如图3所示,2008—2012年,北京、上海、深圳等城市属于旅游企业异地投资网络的核心城市,与网络中的城市联系占据城际经济联系的绝大比例,核心城市间也存在较强的投资联系。2013—2017年,随着城市节点数量和城际网络联系的增加,由前阶段较为稀疏的核心城市演化为北京、上海、深圳等多个城市为核心的多中心圈层结构;二、三圈层城市,如南京市、合肥市、武汉市,其投资流向核心城市的同时也吸纳来自边缘城市的投资。2018—2023年,投资网络多中心圈层结构进一步演化:总体上,旅游企业对外投资的波动幅度较小,城市间的绝对投资差异不大;二、三圈层城市数量明显增多,外围边缘城市逐渐向核心靠拢;三、四圈层以经济实力适中且旅游承载能力较弱的城市组成,旅游资源空间集聚性尚不明显。
中国旅游企业异地投资网络呈现出显著的“小世界性”特征。从表3可知,2008—2012年,中国旅游企业异地投资网络的平均聚类系数(0.157)远高于同等规模的随机网络(0.025)、平均路径长度(3.816)低于同等规模的随机网络(5.414),表明网络中的节点倾向于集聚成群,“小世界性”较为明显。2013—2017年,小世界性特征进一步强化。2018—2023,网络平均路径长度稍有下降,对外投资网络的连通度更高。旅游企业的异地投资行为有效促进了不同区域之间的资源流动与要素交换,跨城市的分工和协作并未削弱投资网络的整体凝聚力;相反,旅游企业异地投资网络仍保持高度的紧密性和高效性,展现出典型的小世界网络特征。这表明旅游企业在异地投资布局上具有较强的集聚效应与区域协调能力。
表3 2008—2023年中国旅游企业异地投资网络复杂性统计特征Tab.3 Statistics of Chinese tourism enterprises’ cross-regional investment network from 2008 to 2023 |
| 统计特征 | 统计指标 | 2008—2012年 | 2013—2017年 | 2018—2023年 |
|---|---|---|---|---|
| 网络规模 | 节点数 | 93 | 145 | 149 |
| 边数 | 133 | 238 | 229 | |
| 密度 | 0.021 | 0.020 | 0.021 | |
| 直径 | 9 | 7 | 8 | |
| 小世界性 | 平均路径长度 | 3.816(5.414) | 3.409(6.023) | 3.332(7.048) |
| 平均聚类系数 | 0.157(0.025) | 0.221(0.008) | 0.173(0.007) | |
| 无标度性 | 幂律分布R2 | 0.867 0 | 0.922 8 | 0.942 0 |
| 指数分布R2 | 0.861 7 | 0.900 5 | 0.881 5 |
注:括号内为同等规模随机网络的特征量统计。 |
中国旅游企业异地投资网络幂律分布拟合优度高于指数分布拟合优度,符合无标度性。高中心度节点显著,低中心度节点相对集中,反映出投资关系的非均匀性和不对称性。这表明,在2008—2023年,少数关键城市在资本流动和网络连接中占据主导地位,成为投资网络的核心,形成了“富人俱乐部”现象。整体来看,无标度特征反映了中国旅游企业异地投资网络的集中化趋势。
4 中国旅游企业投资网络的驱动机制
4.1 中国旅游企业投资网络ERGM模拟过程分析
运用R语言Statnet程序包的ERGM对旅游企业投资网络的驱动因素进行分析(表4)。在ERGM中通过加入变量建立模型1~13,模型1检验基础结构变量edg,相当于回归分析中的常数项[35]。模型2在模型1的基础上加入X1、X2、gwe及gwd 4个内生变量。模型3~11在模型1的基础上分别加入旅游资源禀赋(X3)、旅游市场规模(X4)、基础设施水平(X5)、政府支持水平(X6)、要素集聚与扩散水平(X7)、产业结构状况(X8)、对外开放程度(X9)、对外投资(X10)及吸引投资(X11)9个城市属性变量。模型12~15在模型1的基础上增加经济邻近、地理邻近、制度邻近以及文化邻近4个外生变量。模型16为综合内外生变量的回归结果。由于将三角结构变量纳入ERGM中,可能导致模型的衰退和参数估计不收敛,因此研究中进行分开估计。
表4 2008一2023年中国旅游企业投资网络驱动因素分析Tab. 4 Driving factors of Chinese tourism enterprises’ cross-regional investment network from 2008 to 2023 |
 |
注:***代表 P<0.01;**代表P<0.05;*代表 P<0.1;括号中的数值为标准误;BIC比AIC值越大,代表模型拟合度越优。 |
4.2 中国旅游企业投资网络ERGM拟合结果分析
就纯结构效应而言,edg作为解释关系发生的基准倾向[19],其估计值为负,表明建立且维持网络关系需要成本为依托,投资网络并不是随机形成的。X1和gwe的系数显著为正,而X2和gwd的系数显著为负,表明旅游企业投资倾向于闭合化发展。一方面,旅游企业更倾向与现有合作伙伴建立投资联系;另一方面,在与共同第三方企业进行投资互动时,投资企业往往会形成相似的投资需求,从而建立起投资联系,形成三角形架构。
就行动者-关系效应而言,旅游资源禀赋(X3)、旅游市场规模(X4)、政府支持水平(X6)、要素集聚与扩散水平(X7)及对外开放程度(X9)5个变量均显著为正,产业结构状况(X8)和基础设施水平(X5)变量不显著。旅游资源是地区旅游业发展的基础,地区旅游资源的多少通过资源丰度来衡量[36],企业进行对外投资决策时,更倾向与资源丰富的城市建立投资联系,这与前文空间结构演化特征相呼应。旅游市场规模反映旅游产业发展规模、市场需求程度及利润空间,巨大的人流、资金流和稳定的旅游收益吸引企业进行跨区域投资。苏建军等[37]运用计量模型对旅游产业投资驱动力进行分析时,也得到相似的结果。 政府支持在一定程度上是企业投资的关键保障,通过提供直接或间接的资金补充,降低企业投资成本和风险预期,提升企业投资意愿。城市间经济联系主要是多种要素流等“流体资源”相互作用[33],市场发育状况和资源流通扩散作用越强,说明城市间联系更为紧密。对外开放程度在一定程度上表征城市国际化水平、良好的投资发展环境以及强劲的产业吸引力,便于吸引地区间资本流通,提升企业在不同市场的竞争力,增强城市间的经济联系。从拟合结果看,产业结构状况和基础设施水平变量未通过显著性检验,说明产业结构单一削弱了市场活力,部分城市出现产业结构与旅游经济负相关现象[38]。旅游业的资源导向性使基础设施作用弱化,旅游企业商业模式以服务和体验为核心,投资决策倾向于短期内较快实现收益。对外投资(X10)和吸引投资(X11)代表发出效应与接受效应,变量均为正显著,表明人均地区生产总值是推动旅游企业对外投资的重要衡量标准,它在一定程度上反映城市的经济实力和发展水平,高人均地区生产总值的城市通常能为企业提供更优质的资源和服务,从而吸引更多投资。这与盛科荣等[19]得出的结果相吻合,即经济发达的城市有更高接受和发送链接的能力。
就外部网络效应而言,邻近性变量均通过显著性检验。经济邻近性(X12)对旅游企业异地投资网络有显著的正向影响,表明经济联系密切的城市间往往具备较高的产业协同效应和市场融合机制,为企业提供了完善的供应链体系及便利的投融资环境,这与前人研究结果中经济联系作用增强相印证[39]。在地理邻近性(X13)方面,旅游企业对外投资更容易产生在空间距离相近的城市间,相邻城市间信息交流更为便捷,降低了企业在投资过程中的时间、沟通、交易成本等。制度邻近性(X14)显著,表征相同城市群范围内的城市间有较强投资倾向,处于同一城市群内的城市通常在政策导向、法规和行政管理上具有一致性,这为企业提供了稳定的投资环境,降低政策风险。文化邻近性(X15)减少了跨文化管理中的沟通障碍,旅游企业在目标市场的适应性得以增强。文化距离深刻影响旅游企业投资的交易成本和搜寻成本,文化距离较小的城市间更容易建立商业联系和投资关系。
5 结论与讨论
5.1 结论
本文在构建旅游企业异地投资网络驱动机制理论分析框架的基础上,基于265家旅游企业的异地投资数据构建旅游企业异地投资网络,通过社会网络分析方法探讨网络结构的复杂性特征,并引入指数随机图模型对网络演化的驱动机制进行深入剖析,主要结论如下。
中国旅游企业异地投资网络呈现复杂的时空特征。在空间结构演变上,中国旅游企业异地投资网络逐渐形成以“北京-上海-广州”“上海-西安-海口”及“上海-深圳-昆明”等城市构建的三角结构框架;从城市节点方向性来看,由核心城市主导的辐射模式逐步向多中心、多层级扩散,投资流向从东部沿海扩展至中西部城市。在3个时段中均为投资流出型的城市有北京、上海、海口等,均为流入型的城市有西安、深圳、昆明等;在拓扑结构演变上,投资网络由简单随机的单核心圈层向复杂有序的多核心圈层演化。此外,中国旅游企业异地投资网络的“小世界”特性、无标度特征显著。
中国旅游企业异地投资网络的形成与演化受内生结构效应、行动者-关系效应和外部网络效应共同驱动。就内生结构效应而言,入三角和有向闭合三角关系对投资网络形成有重要影响,出三角和有向开放三角关系未发挥显著作用。就行动者-关系效应而言,旅游资源禀赋、旅游市场规模、政府支持水平、要素集聚与扩散水平及对外开放程度正向影响旅游企业异地投资的选择偏好,经济发展水平较高的城市具有更强的对外投资倾向,产业结构状况和基础设施水平发挥不同程度的作用。就外部网络效应而言,经济、地理、制度及文化邻近性对投资网络起推动作用,其中经济联系紧密、地理距离相近的城市间更易产生投资联系。制度邻近的作用仍然较大,同相邻城市投资优先于同城市群的投资。文化距离衰减能降低沟通成本和运营风险,提升企业间的异地投资意愿。
5.2 讨论
本文从旅游企业投资联系这一视角对异地投资网络演化的复杂性特征进行分析,并运用ERGM深入剖析了网络演化的驱动机制。在投资网络结构方面,本文发现旅游企业异地投资网络向三角形架构发展,形成多个三角网络形态。聚敛性和放射性较强的城市均位于中国经济发达地区,核心城市与弱半边缘、边缘城市的投资联系较弱。这与不同视角下对异地投资网络研究得出的“明显的层级结构和空间集聚特征”“投资网络密度增强”“投资网络符合无标度特征”等观点具有相似性[5,16]。旅游企业异地投资网络呈现“东西南北纵横”的地理格局,成三角形构架。而强半边缘城市也日益成为吸引力和驱动作用力的基点,投资网络中“枢纽”型城市日益增多,促使“核心-边缘”特征明显。此外,中国旅游企业异地投资网络结构演化深受旅游资源禀赋、旅游市场规模、政府支持水平、要素集聚与扩散水平、对外开放程度、网络自组织效应及多维邻近效应的影响。
本文仍存在一些不足之处。首先,随着企业国际化进程的加快,旅游企业海外投资已成为旅游产业发展的助推器,旅游企业跨国投资将带动国内外生产要素的流动,因此进行企业异国和国内异地投资的对比研究,有利于深入探讨国内外投资发展新趋势。其次,影响投资网络演化的纯结构变量众多,除聚敛性、扩张性、有向开放三角和有向闭合三角之外,互惠性、传递性等内生结构变量属性也可能发挥重要作用,在未来研究中可结合多重变量揭示内生机理。最后,本文仅从整体性角度揭示异地投资网络结构的复杂性特征,未对不同类型旅游企业投资网络的复杂性特征及驱动机制进行细化分析,未来可进一步对不同类型旅游企业的空间结构复杂性及其驱动机制进行系统探讨。