中國互聯網企業風險投資網絡及區位影響因素

苑詩晨，匡愛平，吳明宇,2，汪明峰

（1.華東師范大學 a.中國現代城市研究中心；b.城市與區域科學學院，上海 200241；2.北京電控產業投資有限公司，北京 100027）

自1994年中國正式接入國際互聯網以來，互聯網產業迅速發展，特別是近年來移動支付、共享經濟、在線教育與醫療等新興業態不斷涌現，重塑了城市與區域的運行規則、生產組織和發展模式，互聯網行業已成為中國“新經濟”發展的中堅力量。除了國家和各級政府宏觀政策的大力支持，互聯網企業的投融資戰略協同也對互聯網產業發展起重要的推動作用（武氏玄絨 等，2019）。互聯網企業通過建立投資部門，以風險投資的方式不斷深耕產業鏈條、擴建生態圈系統，參與到各行各業中小企業的發展中，多次掀起全國范圍的互聯網投資創業浪潮（劉婷婷 等，2021）。以“互聯網+”融合傳統經濟要素發展的新路徑為城市與區域發展提供新的機會窗口（吳明宇 等，2020），分析互聯網企業風險投資網絡結構與區位選擇成為透視區域“新經濟”發展態勢的重要切入點。

中國已形成以北京、上海、深圳、廣州等城市為核心節點的風險投資網絡（汪明峰 等，2014；Wu et al., 2022），風險投資活動在城市間呈現一定的流動性和網絡性特征，但向心性仍很強、本地化傾向顯著（方嘉雯 等，2017；趙玉萍 等，2020）。在區位選擇及其影響因素方面，風險投資的資本傾向于流向發展機會多、投資回報率高的地區（Pan et al., 2016）。雖然聯合投資和社會關系網絡可以在一定程度上克服距離的影響（Fritsch et al., 2008），但風險投資活動仍具有較強的距離依賴性（Martin et al., 2005）。此外，本地偏好（Fu et al., 2020）、地方政策（Sunley et al., 2005）和交通條件（杜德林等，2022）等也是重要的影響因素。

當前，互聯網頭部企業已成為私募股權市場最活躍的投資者之一（杜靈恩 等，2016），互聯網企業為擴大自身產業生態圈，正深刻重塑既有的風險投資網絡（戎珂 等，2018）。中國“新經濟”繁榮的背后，蘊含著以BAT（百度、阿里、騰訊）等大企業為核心、新興互聯網創業企業不斷涌入的互聯網產業格局（劉剛，2019）。雖然，風險投資與互聯網產業相互吸引，二者具有高度的地域耦合性（黃筱彧 等，2018；Li et al., 2022）。但目前關于互聯網經濟影響下風險投資網絡的空間特征、互聯網企業的區位動態和機制等話題還較少被關注。互聯網經濟與風險投資的聯合強化了“新經濟”活動的流動性（馬驥 等，2009），但作為知識和技術驅動型的典型行業，互聯網投資根植于地方環境并具有一定的路徑依賴性（Zhang, 2013），其區位選擇機制相較于傳統行業風險投資活動更加復雜。綜上，互聯網經濟影響下的風險投資網絡具有怎樣的空間特征？其演化過程和機制如何？這些是“新經濟”時代下經濟地理學亟需回答的問題。基于此，本文擬通過整理2001—2019 年中國各地級及以上城市（未包含港澳臺地區）互聯網企業的風險投資事件，考察互聯網企業的風險投資網絡空間格局和發展過程；探討互聯網經濟下風險投融資活動的集聚與擴散效應；結合演化經濟地理和產業區位等相關理論，使用負二項回歸模型檢驗互聯網企業風險投資的區位因子，以期深入理解互聯網企業行為的空間格局和決策機制，進而豐富互聯網時代的“新經濟”產業研究。

1 數據來源與研究方法

1.1 數據來源

數據主要源于IT 桔子互聯網企業數據庫①https://www.itjuzi.com，該數據庫包含較為完整的互聯網行業企業數據，提供風險投資事件的數據統計，已被應用到相關領域的研究中（Yang et al., 2019；段呂晗 等，2019；劉婷婷 等，2021）。風險投資事件信息主要包括投融資雙方的企業名稱、所屬地區、所屬行業，以及投資事件的時間、階段、輪次、金額等信息。從該數據庫篩選中國2019年之前成立、且進行過5次以上風險投資活動的互聯網企業（不含港、澳、臺地區），經過數據清洗，最終獲得共包含172家互聯網企業、5 254起投資事件的數據庫。

在區位影響因素數據中，普通高等院校、人均地區生產總值、第三產業占總產值比例數據源于相應年份的《中國城市統計年鑒》（國家統計局城市社會經濟調查司，2013；2016；2018）；2015 和2017年的國家級眾創空間數據來自于國家科技部公布的《國家備案眾創空間名單》（科學技術部火炬高技術產業開發中心，2015；2017），由于《國家備案眾創空間名單》于2015 年首次發布，2012 年國家級眾創空間數據以《2013 年中國火炬統計年鑒》（科學技術部火炬高技術產業開發中心，2013）中的國家級科技企業孵化器代替；民用航空客運數據源根據攜程網站②https://flights.ctrip.com/online/channel/domestic整理而得。

1.2 研究方法

1.2.1 網絡構建 根據企業間的風險投資行為構建中國各城市間的聯系網絡。不同階段的風險投資規模不同：天使期投資，融資規模在100 萬～1 000 萬之間；擴張期投資，融資規模在1 000 萬至數億之間；融資期投資，融資規模達到10 億以上。借鑒GaWC小組探討城市間的經濟聯系的方法，構建城市聯系強度的評價指標（Taylor et al., 2002），將處于天使期投資的聯系權重賦值為1，處于擴張期投資的聯系權重賦值為2，處于上市融資期的聯系權重賦值為3。最后，計算投資聯系的總值，其表達式為：

式中：R(a，b)為a城市向b城市投資的聯系強度；Via表示來自a城市的互聯網企業向b城市展開某一階段投資的數量；Wia表示來自a城市的i互聯網企業投資規模的權重值；GR(a，b)表示a和b兩城市間的聯系強度，數值越大表示a、b間的聯系越緊密。構建中國互聯網企業風險投資網絡后，采用社會網絡分析方法測度城市間聯系的入度和出度（彭勇 等，2020）。

1.2.2 回歸模型 考慮到數據具有超離散性，選擇負二項回歸模型探究互聯網風險投資企業空間區位的影響因素（段呂晗 等，2019）。回歸模型為：

式中：Xi是解釋變量；βi是變量的回歸系數；K代表超離散程度，服從均值為0、方差為α的伽馬分布，若α越大，探究對象的超離散程度就會越強；λi是被解釋變量Yi的估計參數，Yi服從泊松分布，具體表示為：

2 投融資網絡空間格局演化分析

從時間尺度上看，近20年來中國互聯網企業的風險投資發展迅速，大致可以劃分為3個階段（圖1）。2001—2012 年為初始發展階段，起步較晚，跨度長，增長緩慢。2013—2016 年為快速發展階段，投資事件數量急劇增長，并于2016 年達到峰值，該階段以BAT 為代表的互聯網企業已較為成熟，同時，新興互聯網企業大量涌現，為投資市場注入活力。2017—2019年進入調整發展階段，投資數量呈負增長，特別是2018—2019年，互聯網投資市場進入“寒冬期”。

圖1 2001—2019年中國互聯網企業投資總量與占比Fig.1 The total investment and proportion of Internet enterprises in China from 2001 to 2009

2.1 投資企業的時空演變特征

少數互聯網企業是風險投資的主導者。截至2019年，中國互聯網風險投資總量的近50%來自排名前十位的互聯網企業（圖2），具有顯著的“派系”特征。特別是2015年之后，雖然風險投資總量呈下降趨勢，但由互聯網企業發起的風險投資數量占全行業風險投資總量的比例反而有所上升（圖3），表明中國互聯網企業對國內風險投資市場的發展起到日益重要的作用，互聯網中小企業的再融資更加依賴于行業巨頭的風險資本。

圖2 排名前十的互聯網企業投資數量及占比Fig.2 The number and proportion of investment by the top 10 Internet companies

圖3 2001—2019年互聯網風險投資方企業數量與投資數量全國占比Fig.3 The number of Internet investors and the proportion of their investment in the country during 2001-2019

從投資方企業的空間分布（圖4）看，投資方企業高度集中在中國東部地區少數幾個大城市，中西部地區城市對外部地區的投資相對較少，具有顯著的非均衡性。2001—2019 年，北京、深圳、上海、杭州、廣州的互聯網企業風險投資總數分別位居前五名，合計風險投資數量占總量的92.93%。其中，北京保持其互聯網企業風險投資的領先優勢，深圳、上海、杭州等城市也以路徑依賴的方式實現比例增長。近年來，雖然上海、深圳等城市在互聯網風投公司數量上與北京縮小差距，但宏觀區域尺度上的地域差異幾乎沒有改變。

圖4 2001—2019年中國互聯網企業風險投資流出度空間分布Fig.4 Spatial distribution of venture capital outflow of Chinese Internet enterprises from 2001 to 2009

2.2 融資企業的時空演變特征

從空間分布上看（圖5），融資方企業的空間分布也具有較為顯著的非均衡特征，但與投資方企業的空間分布相比，集聚趨勢有所減弱。北京始終是中國互聯網企業風險投資流入的樞紐，截至2019年，約有45%的投資流入到北京，約85%流入到前五位城市。盡管互聯網企業風險資本在全國范圍呈現一定的擴散趨勢，但中西部地區仍處于較邊緣的位置，僅成都躋身風險投資流入前十的城市行列。同時，本地互聯網企業的存在吸引了初創企業的集中，降低了初創企業的進入壁壘，使得互聯網風險投資活動呈現顯著的本地化特征。

圖5 2001—2019年中國互聯網企業風險投資流入度空間分布Fig.5 Spatial distribution of venture capital inflow of Chinese Internet enterprises from 2001 to 2009

從融資方企業的所屬行業看（圖6），文娛傳媒、企業服務（包括IT服務、創業服務、法律服務等為企業發展提供專業性或通用性的服務行業）、游戲行業等行業是互聯網企業關注的主要領域，超過39%的風險投資活動屬于這三大技術領域，其中文娛傳媒類931 家、企業服務類687 家、游戲行業類452家。由于互聯網企業的風險投資更加注重與母公司發展戰略的協同，需考慮商業生態建設、成本節約、價值創造等多個方面（戎珂 等，2018），因此更傾向于投資收益高、規模大、創新性強的互聯網技術應用領域。

圖6 2001—2019年中國互聯網企業風險投資的行業分布Fig.6 Distribution of venture capital of Chinese Internet enterprises from 2001 to 2019

2.3 投融資網絡的核心-邊緣結構

近年來，基于互聯網風險投資的城市網絡聯系的分布逐漸廣泛（圖7）。初始階段（2001—2012 年）共涉及47 對投融資聯系，快速發展階段（2013—2015 年）共涉及153 對投融資聯系，調整發展階段（2016—2019年）共涉及182對投融資聯系。將城市互聯網風險投資矩陣導入Ucinet 軟件，運行得到的網絡相關度數值均在0.9 以上，表明中國互聯網企業風險投資網絡始終具有顯著的“核心-邊緣”特征。此外，參考已有文獻（徐宜青 等，2016），把核心度＞0.1的城市歸為核心城市，發現在各發展階段中，東部沿海地區少數幾個大城市構成核心地區，中西部絕大部分城市則處于相對邊緣的狀態（表1）。與傳統風險投資網絡相比，除了北京、深圳、上海等城市（Pan et al., 2016），杭州在網絡中的重要性也相對顯著。總體上，隨著城市間的聯系逐漸加深，中國互聯網企業風險投資網絡的空間發展路徑具有一定的路徑依賴特征，優勢地區間的聯系日益緊密，邊緣地區發展較為緩慢。

表1 2001—2019年中國互聯網風險投資網絡核心城市Table 1 Internet venture capital network core city in China from 2001 to 2019

圖7 2001—2019年基于中國互聯網企業風險投資的城市網絡結構演化Fig.7 Evolution of urban network structure based on Chinese Internet enterprise venture capital from 2001 to 2019

為更加清晰地揭示互聯網風險投資的流向，理解互聯網企業風險投資特點。篩選出聯系強度在均值以上的城市對，并基于風險投資聯系強度界定城市間的關系：若城市a 對城市b 的投資總量占該階段a城市投資總量的5%以上，則認為城市a對城市b 有高投資傾向，相反則屬于低投資傾向。進一步地，根據兩城市間的投資傾向性，將城市間風險投資聯系劃分為相互投資型、單邊輻射型和低水平聯系型。其中，相互投資型指兩城市互為高投資傾向；單邊輻射型指僅單向的聯系具有高投資傾向；低水平聯系型指兩城市互為低投資傾向。

結果表明（表2）：1）除北京、上海和深圳之間保持著相互投資型的關系，絕大多數城市間的聯系為單邊輻射型。北京、上海、深圳、杭州市等東部大城市在城市對中處于優勢地位，互聯網企業高度集中在這些城市。創新創業要素流動性強，互聯網業態發展多元、互聯網市場活動較為活躍，能為風險投資者帶來較高的收益預期，在一定程度上降低投資的風險性。在“趨利避害”的前提下，風險投資優先選擇這些地區，進一步加劇中國互聯網經濟的非均衡性。

表2 2001—2019年中國互聯網企業風險投資網絡中的主要城市對聯系強度Table 2 The intensity of urban pairs in China's Internet enterprise venture capital network from 2001 to 2019

2）從投資時期看，初始發展階段，以北、上、杭、深等核心城市間的投資聯系占主導地位，其他地區基本處于弱聯系狀態。隨著中國互聯網經濟的快速發展，大連市、廈門市、南京市、合肥市、成都市、重慶市、長沙市等新興城市開始出現，并逐漸參與到全國的互聯網風險投資網絡中。可能是由于這些城市出現較為成功的互聯網企業，互聯網企業的投資行為使得上述城市參與到城市網絡中，但從聯系強度數值變化看，上述城市并沒有接收到來自一線城市的互聯網大企業風險投資，互聯網企業風險投資在城市間的流向特征仍表現為由投資能力較低的城市向投資能力較高的城市進行投資。

3）京津冀、長三角和珠三角是中國互聯網風險投資活動的主要發生地和關聯地。其中，京津冀地區城市間的聯系較弱，北京的“虹吸”效應十分明顯。作為全國互聯網投資網絡主要節點，北京風險投資機構和互聯網企業數眾多，本地互聯網投資偏好性顯著，盡管隨著時間發展，對外投資比例逐步增強，但對本地的互聯網投資比例仍保持在50%以上，城市群內部僅與天津之間存在較低水平的聯系。長三角地區內部投融資傾向性明顯，形成以上海為主樞紐、杭州為次樞紐，多城市參與的網絡結構。城市群內部風險投資活動較為活躍，這可能與地理鄰近性、地方經濟發展水平較高、歷史文化相似性有關（高鵬 等，2019）。在跨地區投資方面，杭州向北京、深圳三地展開大量投資的同時，也吸納部分來自廣州的投資；南京的風險投資主要流向上海和北京。在珠三角地區，深圳和廣州的互聯網產業和經濟發展優勢明顯，二者構成相互投資關系，區域內投融資網絡呈雙核心結構，跨區投資則主要流向北京。

3 投資區位選擇的影響因素

綜上，本研究得出中國互聯網投融資活動在空間上具有高度集聚的特征，大部分城市之間不存在聯系，呈現稀疏矩陣的特征。此外，已有研究發現，網絡密度越大表明網絡發育程度越高（郭衛東等，2023），本研究對各階段的網絡密度進行測算，結果分別為0.057 9（2001—2012 年），0.057 7（2013—2015 年）和0.055 1（2016—2019 年），密度較低，表明中國城市內部互聯網投融資拓撲結構發育尚不成熟，穩定的空間組合關系有待形成。因此，本研究主要聚焦于城市節點吸引或集聚互聯網投資活動的形成機制，即探討互聯網投資活動的區位選擇。

3.1 指標選取

由于中國互聯網企業風險投資的演化發展在時間尺度上具有非均衡性，選取2012、2015 和2017年3個時間窗口，各研究單元獲得互聯網企業風險投資的總數量作為被解釋變量，從企業成長環境、投資鄰近性、交通可達性3 個方面選取7 項指標作為解釋變量（表3），采用負二項回歸方法分析中國互聯網企業風險投資在不同發展時期的區位選擇因素。

表3 互聯網企業風險投資影響因素的多重共線性（VIF）檢驗Table 3 Variance Inflation Factor (VIF) test of the influence factors of venture capital in Internet enterprises

互聯網企業關注被投資企業的發展潛力，其成長環境十分重要。本文嘗試從以下3個方面分析企業的成長環境：1）人才條件。互聯網行業作為知識密集型產業，人才集聚和知識溢出是創新型經濟活動產生的必要條件，其中高校人才是推動校企合作并進行創新研發的關鍵，因此采用普通高等院校數量反映地區人才條件；2）政策條件。減免稅收、提高融資扶持、營商氛圍營造等方面的積極政策導向，有助于促進互聯網新創企業的發育，國家對孵化器、眾創空間等配套服務設施的建設支持體現政府對互聯網產業的積極推動作用（Schwartz, 2013），因此選取擁有國家級眾創空間的數量反映政策環境；3）市場條件，滿足專業化的市場需求是互聯網企業迅速成長的關鍵（Zhen et al., 2014），特別是第三產業的良好發展意味著具有廣泛的互聯網技術應用市場，因此選取人均地區生產總值和第三產業占總產值比例反映市場條件。

對外交通聯系條件是影響投資風險和管理效率的重要因素。地理距離的增加會提高信息獲取的成本，而便捷的對外交通聯系條件有助于降低信息不對稱性、提高企業間管理效率，從而促進合作、降低風險（Colombo et al., 2019）。互聯網產業作為知識密集型產業，高級人才和管理精英的流動往往更依賴于航空運輸方式，城市間航線的增加便于管理層人員的互動（Shai et al., 2016），因此采用航空運輸的便捷程度度量某城市的對外交通聯系條件，若該城市擁有民航客運，則記為1，否則為0。

投資鄰近性是指企業依靠自身社會網絡關系進行風險投資的鄰近效應，這種基于企業網絡的投資聯合被認為是“替代”地理鄰近的有效途徑（Zhang, 2011）。一方面，互聯網企業可能傾向于在子公司所在地展開投資活動，另一方面，風險投資機構的大量集聚有利于開展聯合投資式的風險投資，形成新的協作網絡和社區（Watkins, 2010），進而吸引更多的投資活動。分別從是否擁有互聯網企業投資部門和擁有各類風險投資機構總量來測度投資鄰近性對互聯網企業風險投資區位的影響。

確定解釋變量之后，使用方差膨脹系數（Vari‐ance Inflation Factor, VIF）檢驗所選變量是否存在多重共線性，若VIF 值越接近1，則多重共線性程度越低，反之越高，若VIF值＞10，則表明存在嚴重的多重共線性。結果顯示（見表3），VIF值均遠小于10，表明所選指標不存在嚴重的多重共線性，可進一步展開回歸分析（表4）。

表4 中國互聯網企業風險投資的區位影響因素回歸結果Table 4 The result of the influence factors of venture capital location selection of Internet enterprises in China

3.2 回歸結果

普通高等院校數量的回歸系數不顯著，這可能是因為普通高等院校規模主要體現地區教育水平和人才儲量（黃筱彧 等，2018），更多地反映人才的總體規模而非互聯網專業人才規模。由于互聯網行業技術本身具有高度復雜性，對專業化技能要求較高，高度依賴IT、軟件等專業型的人才市場，部分地方高校并不能滿足互聯網企業發展的需求，信息化技術人才的培養有待加強。此外，由于高校人才的流動性較大（王一凡 等，2021），而互聯網企業高度集聚在東部沿海少數幾個城市，因此多重因素的高流動性可能加劇互聯網投資的集聚效應。

創新空間變量在模型三中表現為5%置信水平上顯著，且相關系數為正，表明其在互聯網風險投資的調整發展階段起積極的推動作用，創新創業環境是互聯網企業開展投資活動的主要區位選擇影響因素。當互聯網行業發展形勢不佳時，有效的政策調節能推動互聯網創業活動的進一步發展，孵化器的投入建設可以為互聯網創新創業提供基礎、運營、服務等方面的支持。如孵化器可以通過連接孵化企業與風險投資等金融機構媒介，提高各類主體間的資金往來流量與效率，并為在孵企業提供融資途徑的指導與咨詢服務，拓寬互聯網企業的融資渠道（王康 等，2019），提高互聯網企業的運作效率。

人均地區生產總值在3 個階段都具有顯著性，一方面，較高的人均GDP代表該地區經濟發展水平較高，風險投資主要集中在經濟富有活力、增長較快的城市和區域（汪明峰 等，2014）。另一方面，高人均GDP體現該地區具有較大的消費市場和生產市場，有利于互聯網技術與其他傳統產業相結合，推動多種新興業態的產生，進而促進生產效率的提高。同時，由于風險投資存在逐利性和風險性特征，當互聯網行業發展趨勢總體向好時，風險投資者投資信心與回報預期較高，可以降低風險投資者的預期風險，保障投資活動的開展。因此，人均生產總值高的地區成為互聯網行業創新創業的前沿陣地。

第三產業所占比例對互聯網企業風險投資具有顯著影響，相對于傳統農業和工業而言，互聯網行業在第三產業中的滲透率更強，互聯網技術在其中的應用場景更加廣泛，如零售、金融、保險、教育等服務行業的創新在很大程度上依賴于互聯網技術的發展（林玥希 等，2020）。當某一地區第三產業比例較高，意味著該地區互聯網企業進行業務拓展和探索的空間更大，能為互聯網風險投資創造盈利和取得回報的渠道更廣泛，因此第三產業發達的地區為互聯網企業投資提供了廣闊的市場。

互聯網企業的部門鄰近性始終具有正向顯著性，反映中國互聯網企業的本地投資偏好特征。中國互聯網企業傾向于對投資部門所在地進行風險投資，盡管風險投資具有網絡化和空間尺度擴張的特點，地理鄰近性仍是風險投資區位產生的重要影響因素（林曉 等，2019）。互聯網企業通過在不同地區設立投資部門，建立當地社會和信息網絡，有利于降低風險投資交易成本，加深對被投企業的了解，減少投資雙方的信息不對稱性，規避相關風險。

全行業的風險投資機構鄰近在快速發展階段（模型二）表現出5%水平上的正向顯著性，風險投資機構的集聚有助于開展聯合投資合作，促進資金、知識、信息等要素的流動，同時也提供了更多投資機會。但風險投資具有兩面性，風險投資者的進入有可能擾亂當地價值鏈和競爭秩序（Za‐demach, 2009），中國的互聯網風險投資環境和發展基礎有待健全。當風險投資的風口逐漸消退，風險投資的目標發生轉變，對互聯網企業的投資意愿下降，集聚的優勢可能會因此減弱，因此擁有各類風險投資機構總量在模型三中不顯著。

對外交通聯系條件在快速發展階段（模型二）和調節發展階段（模型三）具有正向顯著性，表明互聯網行業風險投資發展的中后期更加需要便利的交通條件。風險投資作為知識密集型服務業，投資雙方的共同管理和參與是風險投資活動的重要環節，面對面交流仍是展開投資活動的基本訴求。已有研究證實，在投資的后期管理階段，投資者與被投公司需要進行更加頻繁的會面，以航空為代表的高速交通運輸方式有助于打破地理距離的桎梏（Bernstein et al., 2016），這與本研究結果一致。

4 結論與討論

本文選取互聯網企業為研究對象，考察國家尺度上互聯網企業風險投資網絡的時空演化格局及區位因素，得到的主要結論為：

1）互聯網企業風險投資具有累積式發展的特點，投資企業與融資企業的集聚加劇了互聯網風險投資的空間極化。一方面，“派系”特征顯著，互聯網領先企業對中國互聯網經濟和風險投資市場的發展起突出的主導作用；另一方面，互聯網企業的風險投資供需雙方都存在明顯的空間集聚性，投資節點與融資節點分布具有相似性，少數幾個大城市的投資方企業以路徑依賴的方式增長。相對既有的、關于傳統風險投資網絡的研究（曾婧婧 等，2022），本研究發現在互聯網經濟影響下，風險投資活動呈現更加顯著的集聚態勢，尤其是投資方企業的分布。

2）從整體的空間結構看，互聯網企業風險投資網絡的空間格局具有顯著的“核心-邊緣”結構特征。風險投資本地化傾向顯著，投資企業與初創企業之間地理聯系緊密。通過對投融資城市的網絡密度進行測算，發現目前互聯網投融資網絡還在發育階段，尚不成熟，大部分城市之間無直接聯系，呈稀疏矩陣特征。北京、上海、深圳等城市處于核心樞紐的優勢地區，連通性最高，而邊緣地區的聯系增長緩慢，這與已有關于中國風險投資網絡空間結構的研究（孫勇 等，2021）具有一致性。與傳統風險投資網絡和其他城市網絡結構相比，杭州在互聯網風險投資網絡中的中心性也較強，這加劇了東部地區和中西部地區的差距。

3）影響中國互聯網企業風險投資區位選擇的因素在各個發展階段的表現具有差異性。并且與傳統的風險投資區位因子相比，互聯網風險投資對人才的專業對口性要求更高，普通高等院校人才的規模與互聯網風險投資不具有顯著的相關性。積極的政策調節和推動有利于互聯網風險投資的正向發展，市場因素和部門鄰近性始終是吸引互聯網風險投資的重要因素，交通可達性在投資后期階段具有顯著性。

綜上，互聯網風險投資網絡相比傳統風險投資網絡呈現更加集聚的特征。盡管一些新興的、由互聯網經濟推動崛起的城市逐漸加入到網絡中，但也只與個別城市產生投資聯系，大多數企業的投資地點較為單一，且具有明顯的大城市偏好，居于核心和主導地位的城市節點并未發生改變。互聯網技術極大地壓縮了時間和空間，但中國互聯網企業的風險投資活動具有空間和路徑依賴性，數字經濟時代的新經濟活動并非無邊界地“流動”，“中立空間”“開放的區位機會窗口”不能解釋中國互聯網風險投資的區位機制。未來還需關注由互聯網經濟帶來的區域差異擴大問題。本文為城市應對數字化影響的區域發展提供了啟示，如何有效配置要素資源促進互聯網新興經濟發展并減少區域差異，是亟待解決的理論與現實問題。

本文采用負二項回歸模型，從企業成長環境、投資鄰近性、交通可達性等方面，選取變量解釋互聯網企業風險投資區位選擇的影響，有利于深入考察互聯網經濟下的經濟活動區位影響，為理解互聯網企業風險投資變化及其區位影響因素提供了詳實的實證依據。但互聯網產業作為信息時代的新興產業，本文未能完全解釋其發生和發展的高度復雜性，未來應納入更多新經濟發展背景下的新區位因子。同時，本文主要采用定量的回歸模型進行分析，對于區位影響因素與互聯網投資區位的因果關系仍需更多質性研究作為支撐，考慮到互聯網企業與特定城市之間的交互作用具有一定的特殊性，未來可選取幾個城市作為案例研究區，采用問卷、訪談的質性研究方法，從更具“地方性”的關系視角，深入挖掘互聯網企業風險投資活動與地方發展的多尺度交互影響。