中國城市房地產(chǎn)企業(yè)網(wǎng)絡(luò)的結(jié)構(gòu)特征

紀(jì)宇凡，戴 靚，丁子軍，周 騰

（南京財(cái)經(jīng)大學(xué) 公共管理學(xué)院，江蘇 南京 210023）

城市網(wǎng)絡(luò)作為城市間各種實(shí)體流和虛擬流的集合，已成為當(dāng)前人文地理學(xué)者探索城市系統(tǒng)空間組織模式和區(qū)域差異的一條重要途經(jīng)。不同于傳統(tǒng)中心地對城市自身規(guī)模等存量屬性的重視，網(wǎng)絡(luò)范式強(qiáng)調(diào)城市如何在“流動(dòng)空間”中通過與其他城市的聯(lián)系來獲取外部資源要素（即“借用規(guī)?！保?，以獲得自身發(fā)展的能力［1-3］。隨著科技和經(jīng)濟(jì)對時(shí)空的壓縮，網(wǎng)絡(luò)化發(fā)展模式使得城市空間加速重構(gòu)，城市在不同功能網(wǎng)絡(luò)中的中心性成為新時(shí)期城市研究的焦點(diǎn)問題。

房地產(chǎn)業(yè)是我國第三產(chǎn)業(yè)的龍頭，是國民經(jīng)濟(jì)的支柱產(chǎn)業(yè)之一。國家統(tǒng)計(jì)局?jǐn)?shù)據(jù)顯示，2020 年房地產(chǎn)業(yè)對國內(nèi)生產(chǎn)總值的貢獻(xiàn)率為7.34%。房地產(chǎn)企業(yè)是房地產(chǎn)市場的組織者與參與者，具有空間與經(jīng)濟(jì)的雙重屬性，其戰(zhàn)略布局和網(wǎng)絡(luò)化發(fā)展是獲取戰(zhàn)略資產(chǎn)、增強(qiáng)競爭力的有效手段，也會(huì)影響城市經(jīng)濟(jì)的總體格局［4］。一方面，房地產(chǎn)企業(yè)在異地網(wǎng)絡(luò)的再嵌入過程，可為其打開新的“區(qū)位窗口”，接觸更多的客戶與供應(yīng)商，吸引資金、技術(shù)和市場信息等資源，擴(kuò)大市場占有率，提升企業(yè)整體績效；另一方面，企業(yè)分支機(jī)構(gòu)的跨城設(shè)立可促進(jìn)總部所在城市的資金流、人才流、信息流、知識(shí)流、技術(shù)流等進(jìn)入其他城市，刺激當(dāng)?shù)禺a(chǎn)業(yè)的創(chuàng)新發(fā)展，從而提高城市的綜合實(shí)力與全局影響力。既有的城市企業(yè)網(wǎng)絡(luò)研究集中關(guān)注金融企業(yè)［5］、獨(dú)角獸企業(yè)［6］、生產(chǎn)性服務(wù)企業(yè)［7］、上市企業(yè)［8］等，雖然房地產(chǎn)業(yè)對社會(huì)經(jīng)濟(jì)發(fā)展意義重大，但對我國房地產(chǎn)企業(yè)的網(wǎng)絡(luò)組織及區(qū)域差異的研究尚不多見。

從企業(yè)網(wǎng)絡(luò)到城市網(wǎng)絡(luò)，是企業(yè)總部分支組織關(guān)系在地理空間上的投影。該投影過程需實(shí)現(xiàn)“點(diǎn)對點(diǎn)”到“面向面”的轉(zhuǎn)換，通常有企業(yè)總部—分支隸屬聯(lián)系法和企業(yè)總部—分支鏈鎖網(wǎng)絡(luò)法。隸屬聯(lián)系法（Ownership Linkages Model）是基于企業(yè)總部和各個(gè)分支機(jī)構(gòu)的位置信息，將每條總部與分支的組織關(guān)系直接解譯為總部所在城市與分支所在城市之間的要素流聯(lián)系。例如，Alderson、Beckfield、Jessica［9］以世界500 強(qiáng)企業(yè)的母子關(guān)系為依據(jù)，分析了全球城市資本支配能力的差異及其在企業(yè)版圖中核心與邊緣的結(jié)構(gòu)特征；趙渺希、李海燕［10］基于長三角地區(qū)的全行業(yè)企業(yè)名錄，通過企業(yè)組織的隸屬聯(lián)系識(shí)別所屬城市間的地域聯(lián)系，揭示了2001—2017 年長三角企業(yè)間的網(wǎng)絡(luò)交互發(fā)展格局；馬麗亞、修春亮、馮興華［11］通過2017 年東北三省上市的母子企業(yè)聯(lián)系信息，探究了企業(yè)空間發(fā)展的集聚特征與多中心態(tài)勢；李雨婕、肖黎明［12］采用企業(yè)—城市網(wǎng)絡(luò)轉(zhuǎn)譯的隸屬聯(lián)系模型，研究了我國綠色金融企業(yè)網(wǎng)絡(luò)的結(jié)構(gòu)特征及其影響因素。隸屬聯(lián)系方法可以較直觀地刻畫城市要素的顯性流動(dòng)，側(cè)重于反映城市的企業(yè)資本支配能力［13］。

不同于隸屬聯(lián)系法，鏈鎖網(wǎng)絡(luò)法（Interlocking Network Model）認(rèn)為只要企業(yè)組織架構(gòu)足夠緊密，要素資源不僅可以在總部和分支間垂直傳遞，還能在不同分支機(jī)構(gòu)間水平流動(dòng)［14］。例如，不同地區(qū)分公司可通過正式或非正式的關(guān)系推動(dòng)經(jīng)濟(jì)活動(dòng)、知識(shí)技術(shù)和創(chuàng)新文化的跨部門流轉(zhuǎn)。這種方式的互動(dòng)覆蓋面更大、涉及內(nèi)容更廣，所有企業(yè)均存在建立聯(lián)系的可能性。基于該邏輯，世界城市與全球化研究組GaWC提出鏈鎖網(wǎng)絡(luò)模型，將不同等級(jí)的企業(yè)部門對應(yīng)于其所在城市的服務(wù)價(jià)值，通過服務(wù)價(jià)值的乘積來衡量兩個(gè)城市間最大可能的企業(yè)聯(lián)系強(qiáng)度。而后，鏈鎖網(wǎng)絡(luò)模型受到學(xué)者們的青睞。如，Derudder、Cao、Liu［15］基于175 家高端生產(chǎn)性服務(wù)企業(yè)的全球區(qū)位選擇和鏈鎖網(wǎng)絡(luò)模型，分析了中國城市融入世界城市網(wǎng)絡(luò)的路徑與演化規(guī)律；曹前、沈麗珍、甄峰［16］通過中國百強(qiáng)互聯(lián)網(wǎng)企業(yè)部門機(jī)構(gòu)信息，探索了中國互聯(lián)網(wǎng)企業(yè)的空間布局與城市網(wǎng)絡(luò)的結(jié)構(gòu)特征；周曉艷、侯美玲、李霄雯［6］創(chuàng)建了“城市獨(dú)角獸企業(yè)服務(wù)值”，以表征獨(dú)角獸企業(yè)在城市的服務(wù)價(jià)值，進(jìn)而探究了新經(jīng)濟(jì)時(shí)代中國城市獨(dú)角獸企業(yè)的創(chuàng)新發(fā)展路徑和網(wǎng)絡(luò)特征。鏈鎖網(wǎng)絡(luò)法可以較全面地模擬城市要素流動(dòng)的所有可能性，側(cè)重于反映城市的企業(yè)資本服務(wù)能力［13］。

綜上所述，隸屬聯(lián)系法重視總部與分支之間的實(shí)際聯(lián)系數(shù)量，但未考慮不同分支機(jī)構(gòu)間的潛在可能互動(dòng)，因此運(yùn)用該方法構(gòu)建的城市企業(yè)網(wǎng)絡(luò)需要選擇的企業(yè)樣本和涉及的城市區(qū)域盡可能全面和無偏。本文重點(diǎn)關(guān)注了中國Top100 房地產(chǎn)企業(yè)的空間網(wǎng)絡(luò)格局，其企業(yè)總部并未覆蓋大部分城市，且房地產(chǎn)企業(yè)分支機(jī)構(gòu)間的互動(dòng)較多，因此采用鏈鎖網(wǎng)絡(luò)法更符合數(shù)據(jù)特征和研究目標(biāo)。在此背景下，本文基于2021 年中國Top100 的房地產(chǎn)企業(yè)總部和分支機(jī)構(gòu)信息，采用鏈鎖網(wǎng)絡(luò)模型構(gòu)建城市間的企業(yè)網(wǎng)絡(luò)，分析中國房地產(chǎn)業(yè)服務(wù)網(wǎng)絡(luò)的空間格局與區(qū)域差異，以期為差別化的房地產(chǎn)管理與城市規(guī)劃提供參考。

1 研究方法和數(shù)據(jù)來源

1.1 房地產(chǎn)企業(yè)的確定

本文選取2021 年Top100 的中國房地產(chǎn)企業(yè)為研究對象，企業(yè)名單是依據(jù)房天下公布的2021 年中國 房 地 產(chǎn) 百 強(qiáng) 企 業(yè) 榜 單（https：//fdc. fang. com/top/baiqiang.html）。該排行綜合考慮了房地產(chǎn)企業(yè)短期抗風(fēng)險(xiǎn)能力（經(jīng)營風(fēng)險(xiǎn)、財(cái)務(wù)風(fēng)險(xiǎn)、外部風(fēng)險(xiǎn)、其他風(fēng)險(xiǎn)）、土地儲(chǔ)備（城市投資吸引力、土地宗數(shù)、土地儲(chǔ)備規(guī)劃建筑面積、土儲(chǔ)總成交金額、平均溢價(jià)率）、銷售項(xiàng)目（城市投資吸引力、項(xiàng)目銷售面積、項(xiàng)目銷售均價(jià)、項(xiàng)目銷售金額、上市面積）、財(cái)務(wù)情況（資產(chǎn)負(fù)債率、有息債務(wù)占比、短期有息債務(wù)/總有息債務(wù)、EBITDA利息保障倍數(shù)、經(jīng)營活動(dòng)產(chǎn)生的現(xiàn)金流量凈額/總負(fù)債、凈負(fù)債率、凈利潤率、流動(dòng)比率、存貨周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率）等指標(biāo)。

1.2 中國房地產(chǎn)企業(yè)服務(wù)網(wǎng)絡(luò)的構(gòu)建

城市—企業(yè)二模網(wǎng)絡(luò)賦值：在鏈鎖網(wǎng)絡(luò)模型中，首先要建立由n 個(gè)（本文中n = 100）房地產(chǎn)企業(yè)及其區(qū)位布局所涉及的m 個(gè)城市（以地級(jí)行政區(qū)劃單元為統(tǒng)計(jì)口徑）構(gòu)成的m× n 的企業(yè)服務(wù)價(jià)值矩陣V。矩陣中的元素Vij為服務(wù)價(jià)值系數(shù)，表征企業(yè)j在城市i中的服務(wù)能力與重要程度。本文在參考相關(guān)研究，咨詢領(lǐng)域?qū)＜液驮L談相關(guān)企業(yè)負(fù)責(zé)人的基礎(chǔ)上，企業(yè)服務(wù)價(jià)值系數(shù)以0—4 五標(biāo)度賦值，衡量企業(yè)在不同城市服務(wù)能級(jí)的差別。具體賦值規(guī)則為：如果一個(gè)房地產(chǎn)企業(yè)在某城市沒有設(shè)立任何機(jī)構(gòu)，則服務(wù)價(jià)值系數(shù)為0；如果在某城市設(shè)有辦事處、經(jīng)銷部、經(jīng)營部、服務(wù)部、事業(yè)部等規(guī)模較小或功能較為單一的機(jī)構(gòu)，則服務(wù)價(jià)值系數(shù)為1；如果在某城市設(shè)有一個(gè)分公司等具有一定規(guī)模且從事經(jīng)營活動(dòng)的機(jī)構(gòu)，則服務(wù)價(jià)值系數(shù)為2；如果在一個(gè)城市設(shè)有的分公司數(shù)量不止一個(gè)，或該分公司為區(qū)域性公司（即具有“域外能力”），則服務(wù)價(jià)值系數(shù)為3；如果某城市擁有一個(gè)房地產(chǎn)企業(yè)的總部，則服務(wù)價(jià)值系數(shù)為4。

本文以陽光城集團(tuán)股份有限公司為例，具體闡述以上服務(wù)價(jià)值系數(shù)賦值細(xì)則。在陽光城的官方網(wǎng)站（http：//www.yango.com.cn/webpage/ch/cms/contact/contact.html）的“聯(lián)系我們”中可以找到該公司在中國的機(jī)構(gòu)分布信息。如圖1 所示，陽光城集團(tuán)股份有限公司的“集團(tuán)總部”在上海，所以上海賦值為4；南粵區(qū)域公司和廣州公司所在城市均為廣州，蘭州公司和甘肅公司的所在城市均為蘭州，陜甘區(qū)域公司和陜西區(qū)域公司所在城市均為西安，津冀區(qū)域公司和天津公司所在城市均為天津，江蘇公司和蘇南區(qū)域公司所在城市均為蘇州，粵東深圳公司和粵東汕頭公司的所在城市均為汕頭，這些城市均存在兩個(gè)分公司，解譯為規(guī)模較大，則將廣州、蘭州、西安、天津、蘇州和汕頭賦值為3；其他公司所在的城市只有一個(gè)，所以這些城市賦值為2；因?yàn)闆]有發(fā)現(xiàn)網(wǎng)站上辦事處、營業(yè)部等稱呼，所以沒有城市賦值為1；對于沒有出現(xiàn)分支機(jī)構(gòu)的其他地級(jí)行政區(qū)劃城市，統(tǒng)一賦值為0。

圖1 陽光城公司的總部分支機(jī)構(gòu)信息Figure 1 Information of Sunshine City's headquarters and branches

每個(gè)企業(yè)的總部分支機(jī)構(gòu)信息需充分挖掘各類數(shù)據(jù)源，主要來資源企業(yè)官方網(wǎng)站，輔助來源是企查查、公司企業(yè)年報(bào)、檢索平臺(tái)、新聞咨訊、招聘信息等資料。企業(yè)部門類型、規(guī)模和職能分工信息絕大部分可通過企業(yè)名稱直接解譯，如“***營業(yè)部”、“***辦事處”、“***分公司”、“長三角公司”、“京津冀公司”等。此外，對信息不明的企業(yè)通過企業(yè)年報(bào)、電話咨詢和實(shí)地調(diào)研進(jìn)行深入了解，確保證數(shù)據(jù)的準(zhǔn)確性與可靠性。需要指出的是，每個(gè)企業(yè)在不同城市的服務(wù)價(jià)值系數(shù)是通過人工識(shí)別逐一賦值并交叉驗(yàn)證的方式完成，過程中剔除了注銷、吊銷、倒閉等在搜索年份內(nèi)消亡的分支機(jī)構(gòu)，且地址信息以實(shí)際辦公地址為準(zhǔn)，而非注冊地址。本文最終涉及到的城市有208 個(gè)，形成208 ×100 的城市—企業(yè)網(wǎng)絡(luò)矩陣。

二模網(wǎng)絡(luò)矩陣一?；队埃罕疚母鶕?jù)Taylor 的鏈鎖網(wǎng)絡(luò)模型和網(wǎng)絡(luò)投影算法［14］，將城市—企業(yè)的二模關(guān)系轉(zhuǎn)化為城市—城市的一模關(guān)系CDC（City Dyad Connectivity），計(jì)算公式為：

式中，CDCab，j表示城市a 和城市b 基于房地產(chǎn)企業(yè)j而產(chǎn)生的連接度；Vaj和Vbj分別表示房地產(chǎn)企業(yè)j在城市a和城市b 的服務(wù)價(jià)值系數(shù)；CDCab表示城市a和城市b 基于中國Top100 房地產(chǎn)企業(yè)而產(chǎn)生的連接度。

圖2 通過簡化的實(shí)例來闡述二模網(wǎng)絡(luò)一?；霓D(zhuǎn)化過程。圖2 的左邊是房地產(chǎn)企業(yè)A和房地產(chǎn)企業(yè)B在南京、蘇州、無錫的二模聯(lián)系網(wǎng)絡(luò)及其矩陣，右邊是這3 個(gè)城市通過企業(yè)A 和企業(yè)B 所產(chǎn)生不同強(qiáng)度的城際聯(lián)系網(wǎng)絡(luò)及其矩陣。以南京—蘇州的聯(lián)系為例，其CDC值為房企A產(chǎn)生的4×3 和房企B產(chǎn)生的2 × 4 的最大可能聯(lián)系值之和20；南京—無錫、蘇州—無錫兩個(gè)城市對的CDC也依次類推得12和14。最終，城市—企業(yè)3×2 矩陣轉(zhuǎn)化為城市—城市的3×3 矩陣。

圖2 從二模網(wǎng)絡(luò)到一模網(wǎng)絡(luò)的投影Figure 2 Projection from two- mode networks to one- mode networks

中國城市房企網(wǎng)絡(luò)指數(shù)計(jì)算：經(jīng)過二模矩陣一模投影轉(zhuǎn)換后，得到基于房地產(chǎn)企業(yè)聯(lián)系的無向且對稱的208×208 城市網(wǎng)絡(luò)矩陣，忽略矩陣的對角線值（即城市自身聯(lián)系，不考慮同一城市內(nèi)部的企業(yè)網(wǎng)絡(luò)），進(jìn)而計(jì)算出城市的房地產(chǎn)網(wǎng)絡(luò)指數(shù)，即全局網(wǎng)絡(luò)連接度GNC（Gross Network Connectivity），計(jì)算公式為：

式中，GNCa是城市a的全局網(wǎng)絡(luò)連接度。城市的全局連接度越高，其對外的經(jīng)濟(jì)輻射力和資本服務(wù)能力往往越強(qiáng)。

2 中國房地產(chǎn)企業(yè)服務(wù)網(wǎng)絡(luò)的空間結(jié)構(gòu)

2.1 中國房地產(chǎn)企業(yè)網(wǎng)絡(luò)的空間格局

基于房地產(chǎn)企業(yè)的總部分支機(jī)構(gòu)信息，構(gòu)建我國房地產(chǎn)百強(qiáng)企業(yè)城市服務(wù)網(wǎng)絡(luò)，利用ArcGIS 對其空間格局進(jìn)行可視化（圖3）。城市節(jié)點(diǎn)間連線的粗細(xì)與城際間房企聯(lián)系成正比，城市節(jié)點(diǎn)的大小與全局連接度成正比，節(jié)點(diǎn)大小和聯(lián)系強(qiáng)度的分級(jí)采用自然斷裂點(diǎn)法（Natural Breaks—Jenks），以使組間的差異最大化顯示。從圖3 可見，2021 年我國城市房地產(chǎn)企業(yè)聯(lián)系具有明顯的不均衡性，整體表現(xiàn)為以“胡煥庸線”為界形成東密西疏，由沿海向內(nèi)陸城市遞減的空間格局。具體而言，城市房企網(wǎng)絡(luò)呈現(xiàn)出“京—滬—廣—蓉”的鉆石型主干結(jié)構(gòu)，其通過南京、杭州、武漢、長沙等區(qū)域中心城市將京津冀、長三角、珠三角、成渝和長中游五大國家級(jí)城市群有效聯(lián)系起來，構(gòu)成了中國房地產(chǎn)企業(yè)城市網(wǎng)絡(luò)的“四梁八柱”［17］。同時(shí)，以國家級(jí)城市群為核心向其他地區(qū)輻射，向東北鏈接遼中南和哈長城市群，向西南聯(lián)系黔中和滇中城市群，向西北對接關(guān)中和天山北坡城市群，向沿海發(fā)展至海西和北部灣城市群，以此形成城際房地產(chǎn)資源流動(dòng)的主要通道。

圖3 基于100 強(qiáng)房地產(chǎn)企業(yè)的中國城市網(wǎng)絡(luò)Figure 3 China's intercity network based on Top100 real estate enterprises

2.2 中國房地產(chǎn)企業(yè)機(jī)構(gòu)的空間布局

統(tǒng)計(jì)Top100 房地產(chǎn)企業(yè)的機(jī)構(gòu)數(shù)量可見，我國房地產(chǎn)企業(yè)總部與分支機(jī)構(gòu)總體上呈現(xiàn)出空間上分散但數(shù)量上集聚的特征（圖4）。圖4 中，城市群范圍界定參考《中華人民共和國國民經(jīng)濟(jì)和社會(huì)發(fā)展第十三個(gè)五年（2016—2020 年）規(guī)劃綱要》和方創(chuàng)琳、戴靚等學(xué)者的研究［18，19］。100 家企業(yè)總部分布于26座城市，多數(shù)為直轄市、省會(huì)城市和其他副省級(jí)城市，位于京津冀、長三角、珠三角和成渝四大城市群的城市匯聚了80%的房企總部，僅上海和北京兩個(gè)城市就吸引了30 家房地產(chǎn)企業(yè)總部。而房地產(chǎn)企業(yè)的1262 個(gè)分支機(jī)構(gòu)則分散于208 個(gè)城市，相較總部的大城市集聚特性，一些房地產(chǎn)企業(yè)的分支機(jī)構(gòu)設(shè)置于鞍山、瀘州、撫州和宿州等三四線城市。雖然企業(yè)分支機(jī)構(gòu)空間分布較為分散，但是京津冀、長三角、珠三角和成渝四大城市群擁有的分支機(jī)構(gòu)數(shù)量仍超過50%，房地產(chǎn)企業(yè)網(wǎng)絡(luò)指數(shù)排名前20 的城市擁有44%的分支企業(yè)。房地產(chǎn)企業(yè)總部有一定地緣性和先發(fā)性，更需考慮市場成熟度，而分支機(jī)構(gòu)的布局是行業(yè)外部市場競爭和企業(yè)擴(kuò)張策略的結(jié)果。

圖4 中國Top100 房地產(chǎn)企業(yè)的空間布局Figure 4 Spatial distributions of China's Top100 real estate enterprises

3 中國房地產(chǎn)行業(yè)服務(wù)能力的區(qū)域差異

3.1 中國城市房地產(chǎn)服務(wù)能力的差別特征

為探討網(wǎng)絡(luò)中城市房地產(chǎn)服務(wù)能力的異質(zhì)性，本文計(jì)算了我國208 個(gè)城市房地產(chǎn)企業(yè)網(wǎng)絡(luò)指數(shù)與其排名的關(guān)系（圖5）。

圖5 中國城市房地產(chǎn)企業(yè)網(wǎng)絡(luò)指數(shù)的位序規(guī)模Figure 5 Rank- size scatterplot of gross network connectivity of China's cities in the real estate enterprises network

由圖5 可知，城市房地產(chǎn)服務(wù)能力與其位序較好地符合y=46138x-1.139的冪律分布規(guī)律，擬合系數(shù)高達(dá)0.837。冪指數(shù)1.139，大于1，說明城市房地產(chǎn)企業(yè)網(wǎng)絡(luò)指數(shù)高值分布比較集中［20］。我國大城市的房地產(chǎn)服務(wù)能力強(qiáng)、中等序位服務(wù)能力的城市不多，首位度較高，房地產(chǎn)企業(yè)發(fā)展及其資源分布不均衡。

將GNC實(shí)際值與GNC最大值（上海的5287）的比值作為城市的相對GNC 值，由此列出相對GNC值不小于30%的城市（表1）。這27 個(gè)城市數(shù)量僅為13%，卻擁有50%以上的房企資源，城市間的等級(jí)性差距較大。具體而言，上海市的GNC值位列第一，房地產(chǎn)企業(yè)服務(wù)能力位居全國首位，這與其經(jīng)濟(jì)發(fā)展、交通區(qū)位密不可分。成都市位列第二，其絕對GNC值為3748，相對GNC值為71%。作為成渝經(jīng)濟(jì)區(qū)圈的中心，成都的經(jīng)濟(jì)、基礎(chǔ)設(shè)施和地理區(qū)位均居于西南地區(qū)城市前列。北京市作為全國的政治中心，位列第三，其絕對GNC 值為3422，相對GNC 值為65%。相對GNC為30%及以上的城市還包括南京、杭州和廣州等高能級(jí)城市，其中省會(huì)城市15 個(gè)，分別是成都、南京、杭州、廣州、武漢、西安、長沙、鄭州、沈陽、昆明、福州、合肥、南昌、濟(jì)南和貴陽；直轄市4 個(gè)，分別是上海、北京、天津和重慶；其他4 個(gè)副省級(jí)城市，分別是深圳、寧波、青島和大連。除此以外，蘇州、無錫、佛山和常州也位列前27 名，這4 大城市不屬于高能級(jí)城市，但地區(qū)生產(chǎn)總值均突破萬億大關(guān)，人均GDP超過10 萬元，屬于全國層面上的經(jīng)濟(jì)強(qiáng)市。27 座城市涉及12 個(gè)城市群，是所在城市群的首位城市或區(qū)域中心城市，分別是長三角、珠三角、長江中游、成渝、京津冀、遼中南、山東半島、滇中、關(guān)中、海西、黔中和中原城市群。其中，長三角城市群內(nèi)的城市占到近三分之一，可見城市群的房企服務(wù)能力是不均衡的。

表1 相對全局網(wǎng)絡(luò)連通度值不低于30%的城市Table 1 Cities with relative gross network connectivity no less than 30%

3.2 中國城市群房地產(chǎn)服務(wù)能力的差別特征

為進(jìn)一步分析不同城市群房地產(chǎn)服務(wù)能力的異質(zhì)性，本文計(jì)算了城市群內(nèi)城市房地產(chǎn)企業(yè)網(wǎng)絡(luò)指數(shù)的基尼系數(shù)、平均值和首位度（表2）?；嵯禂?shù)可反映城市群內(nèi)部城市房企服務(wù)能力的異質(zhì)性與均衡性，其值介于0—1 之間，數(shù)值越大，則群內(nèi)差距越大。平均值可橫向比較不同城市群房地產(chǎn)服務(wù)能力的整體水平。首位度是城市群內(nèi)排名第一和第二城市GNC的比值，反映房地產(chǎn)資源要素在首位城市的集中程度。

表2 城市群房地產(chǎn)服務(wù)能力的統(tǒng)計(jì)指標(biāo)Table 2 Statistical indicators of real estate service capability of urban agglomerations

從基尼系數(shù)來看，京津冀、成渝、關(guān)中和山東半島城市群的基尼系數(shù)均大于0.6，城市群內(nèi)發(fā)展較為不均衡；蘭西、晉中、哈長和呼包鄂榆城市群基尼系數(shù)較低，均在0.3 以下，城市群內(nèi)發(fā)展較為協(xié)調(diào)；其他城市群的基尼系數(shù)在0.5 左右。結(jié)合平均值和首位度來看，長三角城市群GNC 平均值最大，基尼系數(shù)低于0.5，首位度為1.58。其中，上海、南京、蘇州和杭州4 個(gè)城市集中了城市群40%以上房地產(chǎn)企業(yè)資源，城市群整體處于相對均衡狀態(tài)，呈現(xiàn)出多中心發(fā)展態(tài)勢，這與多源流數(shù)據(jù)視角下長三角城市群 多中心 發(fā)育最 為成 熟 的 結(jié) 論 相 符［19，21，22］。珠 三 角城市群平均值稍次之，基尼系數(shù)低于0.4，首位度為1.28，廣州和深圳擁有整個(gè)城市群43%的城市房企資源，呈現(xiàn)出以廣州、深圳為雙核的形態(tài)多中心結(jié)構(gòu)。京津冀城市群基尼系數(shù)相對較大，但首位度較小，北京和天津吸收了60%房企資源，呈現(xiàn)出雙核發(fā)展格局。成渝城市群中成都和重慶占據(jù)了城市群76%的房企資源，也是基尼系數(shù)較大而首位度較小，與京津冀雙核類似，成渝雙核對周邊中小城市的帶動(dòng)作用遠(yuǎn)小于虹吸效應(yīng)。中西部城市群在吸引房地產(chǎn)企業(yè)入駐方面處于弱勢，更多資源集中在省會(huì)城市，如關(guān)中、滇中、天山北坡、黔中、中原城市群，其首位度均大于4，處于能級(jí)不高的單核發(fā)展階段。整體而言，長三角和珠三角城市群的房地產(chǎn)市場比較成熟，各城市房企發(fā)展相對均衡，而京津冀和成渝城市群存在大城市虹吸和核心極化態(tài)勢，中心城市未能拉動(dòng)周邊城市房地產(chǎn)業(yè)協(xié)同發(fā)展。

4 結(jié)論與討論

本文基于2021 年中國Top100 房地產(chǎn)企業(yè)的總部分支布局，采用鏈鎖網(wǎng)絡(luò)模型構(gòu)建了我國城市房地企業(yè)服務(wù)網(wǎng)絡(luò)，從服務(wù)網(wǎng)絡(luò)空間結(jié)構(gòu)和服務(wù)能力區(qū)域差異的角度分析了我國城市房地產(chǎn)企業(yè)網(wǎng)絡(luò)的結(jié)構(gòu)特征，結(jié)論如下：①就空間格局而言，我國房地產(chǎn)企業(yè)網(wǎng)絡(luò)呈東密西疏的格局，“京—滬—廣—蓉”的菱形主干結(jié)構(gòu)將國家級(jí)城市群聯(lián)系起來，構(gòu)成了我國城市房地產(chǎn)企業(yè)網(wǎng)絡(luò)的“四梁八柱”，并通過鄰近擴(kuò)散和遠(yuǎn)程躍遷形成房企資源的城際流動(dòng)通道。②就企業(yè)分布而言，我國房地產(chǎn)企業(yè)呈現(xiàn)出空間上分散但數(shù)量上集聚的特征。總部更集聚于大城市和國家級(jí)城市群，分支機(jī)構(gòu)則相對分散布局，覆蓋眾多三四線城市，而數(shù)量上仍以大城市占優(yōu)勢，該布局與房地產(chǎn)業(yè)的外部市場競爭和企業(yè)戰(zhàn)略擴(kuò)張有關(guān)。③就服務(wù)能力而言，上海第一，成都次之，而后依次為北京、南京、蘇州等，房地產(chǎn)企業(yè)網(wǎng)絡(luò)指數(shù)與其位序符合系數(shù)大于1 的冪律分布，高值集中于少數(shù)高能級(jí)城市和經(jīng)濟(jì)強(qiáng)市。長三角城市群城市的房企服務(wù)能力最優(yōu)，珠三角城市群次之，兩大城市群房企資源分布較為均質(zhì)，呈現(xiàn)出多中心發(fā)展態(tài)勢；京津冀與成渝城市群發(fā)展不均衡，雖雙核發(fā)展，但對周邊城市的虹吸效應(yīng)大于帶動(dòng)輻射；中西部城市群的房企資源集中于省會(huì)城市，首位度較高，呈極化發(fā)展。

隨著場地空間逐步被流量空間取代，企業(yè)網(wǎng)絡(luò)成為城市間經(jīng)濟(jì)互動(dòng)聯(lián)系的重要載體。房地產(chǎn)業(yè)是當(dāng)前國民經(jīng)濟(jì)的支柱產(chǎn)業(yè)之一，以中國Top100 房地產(chǎn)企業(yè)組織網(wǎng)絡(luò)為基礎(chǔ)，探討我國城市網(wǎng)絡(luò)的空間結(jié)構(gòu)與區(qū)域差異具有理論意義和現(xiàn)實(shí)價(jià)值。城市房地產(chǎn)企業(yè)網(wǎng)絡(luò)指數(shù)（即全局連接度）可直觀反映該城市房地產(chǎn)企業(yè)的全局影響力和綜合競爭力，網(wǎng)絡(luò)指數(shù)越高，其對外經(jīng)濟(jì)輻射力和房企服務(wù)能力通常也越強(qiáng)。我國房地產(chǎn)業(yè)整體發(fā)展不平衡，是長期以來資源稟賦、市場驅(qū)動(dòng)和政策引導(dǎo)的共同作用結(jié)果，行為者包括中央政府、地方政府、房地產(chǎn)開發(fā)商、消費(fèi)者，投資者和投機(jī)者等，這使得房地產(chǎn)行業(yè)與其他行業(yè)有著不同的屬性關(guān)系，交易的參與者不僅僅是買方和賣方，各種利益交織在一起決定著房地產(chǎn)企業(yè)網(wǎng)絡(luò)結(jié)構(gòu)特征由多種因素驅(qū)動(dòng)。研究側(cè)重于分析我國城市房地產(chǎn)企業(yè)網(wǎng)絡(luò)的結(jié)構(gòu)特征，未定量解釋影響機(jī)制，是未來需要深入研究的方向。此外，涉及的房地產(chǎn)企業(yè)網(wǎng)絡(luò)是從資本服務(wù)角度構(gòu)建，而非資本支配角度，是側(cè)重于對各城市房地產(chǎn)發(fā)展?jié)摿Φ暮饬颗c對比，未來可進(jìn)一步對比研究我國城市房地產(chǎn)服務(wù)網(wǎng)絡(luò)和支配網(wǎng)絡(luò)的異同。