关于制造业中虚拟集聚的复杂网络特征及其驱动路径的研究 张青、 王新平、 苏畅、 刘家琪

《Systems》：Research on the Complex Network Characteristics and Driver Paths of Virtual Agglomeration in Manufacturing Qing Zhang, Xinping Wang, Chang Su and Jiaqi Liu

　　摘要 在数字经济时代，制造业超越了地理空间，构建了虚拟网络。揭示虚拟集聚的复杂网络特征和驱动路径对于加速制造业的数字化具有重要意义。首先，本文解释了虚拟集聚的形成机制，并提出了虚拟集聚的模型；此外，本文还识别了复杂的网络特征。最后，本文基于“技术-组织-环境”（Technology–Organization–Environment，简称TOE）理论构建了一个驱动路径框架，并使用模糊集定性比较分析（fuzzy set qualitative comparative analysis，简称fs/QCA）来识别这些路径。研究结果表明，技术平台基础在提升虚拟集聚水平方面发挥着核心作用。不同的组织和环境条件组合也具有积极影响。本研究为城市根据当地条件加速虚拟集聚提供了理论支持和实践参考。

1. 引言
虚拟集聚是指企业通过互联网平台共享资源和协作的一种新形式[1]。在数字经济时代，新一代信息技术渗透到实体经济中，加速了制造业从地理集聚向虚拟集聚的演变[2]。企业的供应链结构和协作机制发生了变化。通过工业互联网平台进行协作的企业的虚拟集聚特征仍然具有重要意义[3]。虚拟集聚放大了地理集聚的正面外部性，实现了企业之间的实时和低成本信息交流。同时，制造资源在各个城市和行业之间得到整合和共享，减少了信息不对称性。虚拟集聚不仅促进了微观层面的企业合作，还推动了城市的协调发展。企业的虚拟合作加快了不同城市间跨区域集聚网络的建设。制造业中不同城市之间的联系变得越来越紧密和灵活。然而，制造业中的虚拟集聚如何形成以及它如何增强发展优势，已成为推动数字经济时代制造业高质量发展的重要课题。关于虚拟集聚的现有文献可以分为三类。

首先，一些作者定义了虚拟集聚的内涵。虚拟集聚的形成源于威尔逊（Wilson）在1967年提出的网络空间（cyberspace）概念[4]。虚拟平台集中了供需主体，促进了多样化产品的生产，并促进了长尾效应（long-tail effect）的形成[5,6]。帕西亚恩特（Passiante）和塞昆多（Secundo）指出，虚拟集聚是供应商、分销商和服务提供商等各方在网络空间中合作与竞争的过程[7]。苏米塔（Sumita）等人从分散性（dispersion）和技术依赖性（technological dependence）两个维度定义了虚拟团队[8]。分散性指的是虚拟工作安排中参与者之间的各种形式距离，包括虚拟工作者的空间和时间分布。技术依赖性指的是个体在工作中对通信工具的依赖程度及其使用情况。虚拟集聚实体在网络空间中表现出信息上的接近性[9]。然而，现有文献尚未从复杂网络的角度充分解释制造业中的虚拟集聚是如何形成的。

其次，一些文献侧重于衡量虚拟集聚的水平。现有的衡量视角包括城市、行业和企业。在城市层面，赵（Zhao）和班（Ban）利用经合组织（OECD）的投入产出数据和中国第一次工业企业普查数据，通过份额转移方法（share shift method）计算了数字服务的渗透率，然后将行业数据加权到地级城市层面，以衡量制造业的虚拟集聚水平[10]。刘（Liu）和王（Wang）认为，可以通过衡量城市层面的信息传输、计算机服务和软件行业的集聚情况来评估虚拟集聚[11]。张（Zhang）和鲁（Ru）使用社会网络分析方法对中国制造业29个子行业的虚拟集聚水平进行了测量[12]。在企业维度方面，任（Ren）和梁（Liang）基于行业集中度（industry concentration）和赫芬达尔指数（Herfindahl index）衡量了企业的虚拟集聚水平[13]。宁（Ning）提出，企业通过跨空间协同创新（cross-spatial collaborative innovation）构建虚拟网络[14]。然而，很少有学者关注制造业中虚拟集聚的复杂网络分析。

第三，一些文献侧重于揭示虚拟集聚的驱动路径。现有文献主要研究虚拟集聚的创新效应[15]和绿色效应[16,17]。关于如何提升虚拟集聚水平的综合性建议仅出现在政策建议部分。一些学者还从组织视角[18]和环境视角[19]探讨了基于虚拟集群的社区的影响条件。然而，仍缺乏足够的实证证据来支持虚拟集聚如何促进发展。

本文旨在阐明制造业中虚拟集聚的形成机制，并分析其复杂的网络特征。进一步构建了虚拟集聚的影响条件框架，并识别了驱动路径。在方法应用方面，社会网络分析不仅可以测量整体网络密度和节点中心性，还可以进一步分析网络结构特征。“技术-组织-环境”（TOE）框架可以全面解释制造业中虚拟集聚的影响条件。模糊集定性比较分析（fs/QCA）方法可以识别多个因素同时产生增强效应的真实场景。因此，本文采用上述方法和理论进行研究。本文的潜在创新包括三点：首先，本文基于数字经济范式理论分析了虚拟集聚的形成机制；其次，从宏观城市维度构建了虚拟集聚网络，描述了网络的总体、个体和结构特征；第三，基于TOE框架，本文回顾了虚拟集聚的影响条件，并使用模糊集定性比较分析方法识别驱动路径。

本文的其余部分安排如下：第2节是理论分析，第3节是研究设计，第4节分析复杂网络的特征，第5节是路径分析，第6节是结论、建议和局限性。

2. 理论分析
2.1 虚拟集聚的形成机制
数字经济范式指的是由技术创新驱动的主导技术集群的转变，加速了新产品、新服务和新产业的创造，从而改变了原有的生产模式、组织管理和经济增长方式[20]。主导技术集群是现有技术的新型组合。佩雷斯（Perez）提出，新的经济范式主要发生在三个关键领域：首先，新的低成本要素出现在经济领域，使价格更低、供应更充足、应用更广泛；其次，通用技术加速了其他领域的创新；最后，新的主导技术集群改变了企业的组织方式，从而提高了组织效率。数字经济范式的形成是复杂集体动态学习的结果。

空间经济学理论揭示了地理集聚的现象及其原因。然而，与地理集聚相比，虚拟集聚高度依赖于数字技术。集聚载体已经从物理空间转变为网络空间。因此，地理集聚理论难以解释虚拟集聚的形成。随着信息技术的不断创新和发展为数字技术集群，虚拟集聚作为一种新的形式出现，并与实体经济深度融合。它在成本、创新和组织原则方面具有新的优势。因此，数字经济范式理论成为分析虚拟集聚形成的理论基础。

首先，新一代信息技术集群是支持虚拟集聚的核心技术集群。数字技术集群包括以计算机和通信技术为代表的基础技术、以移动互联网和物联网为代表的连接技术，以及以大数据为代表的大数据处理技术。首先，计算机和通信技术为万物互联（Internet of Everything）提供了基本支持，加速了数据元素的产生和数据价值的提取[21]。其次，连接技术形成了网络平台，为虚拟集群中的信息交流提供了新的媒介[22]。最后，大数据处理技术收集数字信息，进行内容挖掘和预测分析。这三种技术通过“基础—连接—数据”（foundation—connection—data）的传输机制实现了集聚载体的虚拟化和数据的价值化[23]。

根据数字经济范式理论，本文将虚拟集聚定义为“来自相同或不同地理空间、相同或不同行业的制造企业在互联网平台上聚集，以加速数据形式的资源流动和共享，从而提高资源分配效率的过程”。图1展示了制造业中的虚拟集聚模型。

2.2 虚拟集聚的驱动路径
每项社会活动都是由多种条件共同作用的结果。单一条件很难充分解释复杂的经济行为。1990年，托尔纳茨基（Tornatzky）和弗莱舍尔（Fleischer）提出了TOE框架，用于分析影响企业或组织采用新技术的条件。技术、组织和环境被认为是影响新技术应用的三个方面。技术条件倾向于分析技术与企业组织结构、应用能力和盈利能力之间的兼容性[24]。组织条件涉及组织规模、沟通机制、不同类型的机构以及多样化的资源储备。环境条件包括组织所处的市场竞争环境、外部公众关注等因素[25]。

本文使用TOE框架，基于以下三个考虑因素来识别虚拟集聚的驱动路径：首先，虚拟集聚是数字技术应用的一种新形式；其次，不同城市中新技术的采用程度受到多种内部和外部条件的影响；TOE框架本质上是一个多因素综合分析框架，具有系统性和高普遍性，有助于全面识别影响条件；最后，不同条件对虚拟集聚的影响既不是单一的也不是线性的。技术、组织和环境要素之间也存在相互作用。因此，本文构建了虚拟集聚驱动路径的TOE框架，如图2所示。

2.2.1 技术条件
实现虚拟集聚的重要途径之一是应用数字技术集群。同时，技术条件的影响取决于制造业应用数字技术的程度[26]。工业互联网是数字技术集群与制造业整合的重要工具[27]。互联网平台减少了信息不对称性和协调成本，体现了科斯定理（Coase’s theorem）的重要理论见解，即“降低交易成本是组织转型的核心驱动力”。此外，根据内生增长理论和创新系统理论，资本在技术应用中起着重要作用[28]。科技支出通过支持研究和创新、建设数字基础设施以及培养人才，增强了地区吸收技术的能力[29]。

2.2.2 组织条件
组织条件包括工业发展的基础和政府引导。根据发展经济学中的“生产力决定生产关系”原则，经济水平决定了产业结构和技术应用能力[30]。经济水平较高的城市能够更好地为虚拟集聚提供产业支持。同时，根据商业增长理论，坚实的工业基础可以形成更完整的配套产业链[31]。产业链提供的支持降低了跨地区企业之间的协作成本，从而提高了虚拟集聚的水平。此外，经济基础强大的城市具有地理集聚优势，可以提供线下和线上的双重集聚支持。在数字经济时代，虚拟集聚需要政府和市场的共同努力。政府制定的特殊政策打破了行政壁垒和制度约束。高效的政府可以加速产业的数字化转型。此外，关于数字技术创新和数字产业发展的政府政策提高了协作效率。

2.2.3 环境条件
环境条件是提升虚拟集聚水平的重要驱动力，包括竞争和需求的影响。同行竞争压力对城市虚拟集聚水平有两种影响。首先是负面的“挤出效应”：其他城市的虚拟集聚水平越高，它们吸引的资源就越多，这可能会抑制该城市自身虚拟集聚的发展。其次是正面的“溢出效应”：同行竞争压力有助于形成“竞争追逐效应”和“示范学习效应”[32]。竞争压力通过技术溢出效应推动虚拟集聚的发展[33]。目前，城市间的同行竞争压力促使企业向数字化转型并加速技术创新，“溢出效应”超过了“挤出效应”[34]。另一方面，互联网的发展带来了以用户为中心的新概念、粉丝经济和平台思维，消费者成为产业链的重要组成部分，对生产和交易产生重大影响。强烈的公众需求为虚拟集聚提供了重要的外部动力。

3. 研究设计
3.1. 研究方法
3.1.1. 社交网络分析方法
社交网络分析方法适用于研究实体之间的复杂联系。虚拟集聚打破了传统上通过专业化和多样化进行的地理集聚分类，呈现出混合集聚的特征。公司之间的联系日益频繁。首先，本文通过天眼查网站收集公司所在城市的供应链数据，然后利用这些数据构建城市层面的虚拟集聚网络。网络中的节点代表不同的城市，供应链合作则体现了城市间的虚拟集聚。本文的虚拟集聚网络是一个无向加权网络，集聚载体是互联网平台。网络规模衡量了网络的总体水平，节点加权中心性衡量了个体层面。加权度分布特征、小世界属性、社区检测、鲁棒性和子网衡量了结构特征。不同年份的网络规模变化反映了动态特征。
① 总体规模：本文使用所有边权重的总和来衡量网络规模，计算公式如下：
????????????????=∑????=1???? （1）
其中，??代表网络中的边，??代表边的数量，????代表每条边的权重，????????????????代表所有边的总权重。
② 个体层面：每个城市的虚拟集聚水平通过节点中心性来衡量，计算公式如下：
????=∑????=1,??≠????????? （2）
其中，??代表城市，??代表与??形成虚拟集聚连接的城市，??代表城市数量，???????代表??与??之间的虚拟集聚权重，????代表城市??的加权中心性。
③ 网络结构特征：
第一点描述了加权度分布特征。本文结合线性等宽分箱直方图和互补累积质量函数（CCMF）来分析数据。由于节点加权度是一个离散变量，首先使用线性等宽分箱直方图展示数据分布模式，以避免对数分箱导致的小值区域过于密集、大值区域过于稀疏的偏差。在此基础上，本文使用CCMF形式的拉伸指数分布来拟合实证数据，以确保模型与累积分布数据的一致性。拉伸指数分布的CCMF定义如下：
???(??)=?????????(?(????)??) （3）
其中，??是加权度的阈值，??是形状参数，??是尺度参数。当?? =1时，模型退化为指数分布；当?? <1时，分布呈现重尾特征，表明网络中存在枢纽城市节点。
其次，小世界属性用于描述网络的整体连通效率。本文定义的城市网络是一个加权网络，加权聚类系数和加权平均最短路径分别由公式（4）和（5）给出：
????=1???∑????=11?????(?????1)?∑??,??∈????,??其中，????是全局加权聚类系数，????和????分别代表节点的加权度和无权重度，????代表节点??的邻居集合，???????代表节点??和??之间的权重。
????=2???(???1)?∑1≤??≤??≤???????????∑??∈???????????(??,??)1??????? （5）
其中，????是加权最短路径，1???????代表节点??和??之间的距离，权重越大，距离越短。分别计算真实网络和随机网络的平均最短路径值。当??????????????? ??????????????????????且??????????????? < = ?????????????????????时，表明网络具有小世界特征。
第三，本文使用社区检测方法来识别虚拟集聚网络的社区特征。在同一社区内，城市间的联系频繁，而社区外的城市间联系稀疏。本文使用Louvain算法进行社区分析，模块度值的计算公式如下：
??=12????∑??,??(?????????????????2???)????(????,????) （6）
其中，??的范围是（0, 1）。当?? >0.3时，表明网络具有社区结构。???????代表城市??和??的虚拟集聚权重，????和????分别代表两城市的加权度，??代表网络中所有边的权重总和，??是一个指示函数。如果城市属于同一社区，???(????,????)的值为1；否则为0。
第四，鲁棒性用于衡量网络稳定性，即网络在受到随机或针对性攻击时是否仍能保持连通性。
最后，本文将虚拟集聚网络按地区划分为三个子网络：东部地区、中部地区和西部地区。

3.1.2. 定性比较分析方法
网络特征分析有助于明确城市间的虚拟集聚水平及其差异。在此基础上，为了加速提高城市的虚拟集聚水平，本文进一步确定了提升虚拟集聚水平的路径。基于TOE框架，影响虚拟集聚的条件复杂多样，因此需要一种多条件分析方法。定性比较分析方法具有识别多种条件复杂相互作用的优势[35]。在不同组合中，某些条件可能表现出稳定特征，这些条件成为推动经济活动的核心因素。因此，本文采用定性比较分析方法来探索制造业中虚拟集聚的驱动路径。QCA方法主要包括清晰集QCA（cs/QCA）、模糊集QCA（fs/QCA）和多值QCA（mv/QCA）。其中，前两种方法适用于样本相互独立的情况，第三种方法可以处理样本在不同路径中重复出现的情况。此外，fs/QCA兼具定性和定量分析的双重属性，因此本文选择fs/QCA方法来识别驱动路径。

3.2. 变量选择和数据来源
3.2.1. 结果变量
本文将供应链数据汇总到城市层面，然后构建虚拟城市集聚网络。虚拟集聚水平通过每个城市在网络中的连接数量来衡量。

3.2.2. 条件变量
本文从技术、组织和环境三个维度选择了六个条件变量，其测量指标见表1。结果变量的数据来自不同城市的上市制造企业的供应链数据。条件变量来源于《地级市统计年鉴》、《2024年中国前500家工业互联网企业》以及地级市政府的政策文本数据。由于《地级市统计年鉴》的数据仅更新至2023年，因此本研究使用2023年的地级市数据。在将企业数据汇总到城市层面时，由于企业供应链数据并未覆盖所有地级市，因此仅讨论涉及的城市的数据。

3.2.3. 描述性统计
变量的描述性统计结果见表2。不同城市的公共外部需求标准误差相对较小，而其他条件变量和虚拟集聚水平的标准误差相对较大。这一结果表明，不同城市的虚拟集聚面临的内外部发展环境存在显著差异。

4. 复杂网络特征分析
4.1. 网络规模
本文使用由法国勒芒ATRIUM（缅因大学先进技术研究所）开发的Gephi 0.10.1软件绘制虚拟聚类网络。本文汇总了2023年中国288个地级市和自治州的数据。2023年，虚拟制造集聚网络中的加权边数为2645条。图3显示了2023年虚拟集聚水平最高的城市，其中北京和上海的虚拟集聚水平最高，深圳、成都和苏州的虚拟集聚水平略低于前两者，其他城市的虚拟集聚水平较低。

4.2. 个体层面
本文进一步使用ArcMap 10.8软件可视化不同城市的虚拟集聚活动。图5将不同城市的虚拟集聚水平分为五个等级，分别用红色、橙色、黄色、绿色和蓝色表示。虚拟集聚水平从红色逐渐降低到蓝色。如图5所示，当前不同城市的虚拟集聚网络主要集中在东部和中部地区。原因之一是西部地区的上市公司数量远低于东部和中部地区。根据中国上市公司协会的数据，截至2023年底，国内股票市场共有3608家上市公司，其中东部地区的广东、浙江和江苏分别有872家、702家和690家上市公司，占总数的40%。此外，东部和中部城市的数字化水平高于西部地区[36]。特别是东部城市，得益于开放的数字商业环境，加速了数字技术创新和数字基础设施建设，为制造企业构建跨区域虚拟集聚网络提供了优势[37]。

4.3. 结构特征
4.3.1. 加权度分布特征
本文使用拉伸指数模型分析节点的加权度分布特征，因为该模型能更好地捕捉小到中等度节点的快速衰减以及高权重节点的尾部趋势。加权度分布特征的分析结果如图6所示，拉伸指数模型的拟合参数值为?? = 11.04和?? = 0.58。形状参数?? <1表明虚拟集聚网络具有典型的重尾特征，网络中存在少数连接强度极高的城市节点。核心城市连接了供应链中的大量供应商和分销商[38]。这是因为核心城市具有更强的吸引力和辐射力，体现了“马太效应”。同时，由于服务能力和地理资源的限制，核心城市之间的连接无法无限扩展。因此，网络分布模式介于指数分布和幂律分布之间。此外，右侧图中的拟合结果显示，尾部观测值并未完全匹配拟合曲线，这种偏差源于虚拟集聚网络中高度枢纽节点的稀缺性，导致尾部估计值的统计波动，但这并不影响关于分布特征的整体结论。KS检验结果表明模型拟合得很好。图6显示了加权度分布特征的分析结果。

4.3.2 小世界特性
城市之间的虚拟集聚连接受到城市产业特征的影响。只有当两个城市的产业处于同一产业链上时，才会发生虚拟集聚。为了确保随机网络的组成符合城市产业分布的现实，本文仅研究权重分布对小世界特性的影响。因此，本文通过保持网络拓扑结构并随机打乱权重来生成随机网络。在权重分配过程中，每个边的权重值都是随机分配的，这一过程重复100次。计算了100个随机网络的加权聚类系数和加权平均路径长度，并使用这些指标的均值和标准差作为比较基准，以确保结果的稳定性。小世界特性测试的结果如图7所示。首先，真实网络的加权聚类系数约为随机网络的8.8倍，表明网络中的局部集聚程度远高于相同规模的随机网络。这一结论与当前城市间虚拟集聚网络的特征一致。城市间的虚拟集聚连接表现出局部集聚的特征以及紧密相关的元素。其次，真实网络的平均最短路径与随机网络基本相同，表明虚拟集聚资源、信息、物流等元素在城市间的传输效率相对较高。平均最短路径的结果表明，虚拟集聚打破了地理限制，加快了元素的空间共享，有助于中国加速推进“统一大市场”战略。最后，小世界商数远大于1，表明虚拟集聚网络是一种不同于地理集聚和随机网络的组织形式。中国城市的虚拟集聚网络不仅具有局部集聚的紧密性，还具有跨区域联系的便利性。

4.3.3 社区检测
社区检测结果如图8所示。网络被划分为8个社区，每个社区中的城市数量存在显著差异。社区检测结果的Q值为0.216，表明网络呈现出较弱的社区结构，传统地理邻近性的影响有所减弱。当前的虚拟城市集聚网络具有跨区域、边界模糊的特征，这与虚拟集聚打破地理障碍的现实世界特征相符。其中，最大的城市位于社区2、3、7和0中。社区2以上海为中心，社区3以北京为中心，社区7以苏州和南京为中心，社区0以深圳为中心。同时，图8中城市节点越大，该城市在虚拟集聚网络中的重要性越高。北京、上海和深圳的虚拟集聚地位相对较高。此外，城市之间的连线越粗，两者之间的虚拟集聚联系越紧密。

4.3.4 鲁棒性
鲁棒性测试的结果如图9所示。当移除50%的核心节点时，鲁棒性下降到0.134；然而，当随机移除50%的节点时，网络鲁棒性仍保持在0.88。虚拟集聚网络既容易受到针对性攻击的影响，也能抵御随机攻击。这一结果与无标度特性一致。

4.3.5 子网特征
从区域角度进行的子网分析结果如图10所示。东部地区的虚拟集聚水平在区域内和区域间都最高，其次是中部地区，最后是西部地区。这一结果反映了各地区虚拟集聚发展的不平衡。

5. 路径分析
5.1 变量校准
在确定结果变量和条件变量后，fs/QCA方法需要重新校准每种类型的变量，将它们转化为集合论概念。校准需要为每个条件变量确定三种类型的值：完全隶属点、交叉点和完全非隶属点。本文选择了样本数据的第10、50和90百分位数进行校准。变量校准的结果见表3。

5.2 充分条件分析
在进行驱动路径分析之前，需要测试条件变量的“充分性”。如果每个单独的条件变量都不能产生预期的结果，可以使用fs/QCA方法来识别路径。表4中条件变量的一致性低于0.85，表明单个条件变量无法提高虚拟集聚的水平。同时，缺乏技术平台基础将导致虚拟集聚水平较低的结果。因此，本文不再讨论低虚拟集聚的影响条件。

5.3 条件配置分析
条件配置分析的案例研究涉及不同的城市。本文的案例数量较多，构成了一项大样本研究。为了识别主要的影响路径，本文将频率阈值设定为2。原始的一致性阈值为0.8，以确保结果中配置的充分识别。PRI一致性阈值为0.7，以避免因子集关系同时存在而导致的错误配置。使用fs/QCA 3.0软件获得了三种类型条件变量的复杂解、中间解和简单解。参考Ragin和Fiss提出的方法，根据重要性对不同组合的条件变量进行了分级[39]。本文报告了中间解和简化解的联合结果。如果某个条件同时出现在中间解和简化解中，则表示其为核心存在；如果只出现在其中一个解中，则表示为核心缺失；如果只出现在其中一个解中，则表示为边缘条件。表5显示了路径识别的结果。表5中的符号“?”表示条件变量存在且是高度重要的核心条件；符号“•”表示条件变量存在但重要性中等；符号“”表示条件变量是边缘缺失条件。空白表示条件变量的存在与否不影响结果。虚拟集聚有五条驱动路径，表中的解决方案一致性为0.853，表明在满足这五条路径的所有城市中，85.3%的城市表现出高水平的虚拟集聚。解决方案覆盖率为0.74，表明这五种路径可以解释74%的高水平虚拟集聚。解决方案一致性和覆盖率均高于临界值，表明实证分析是有效的。

5.3.1 技术–组织路径
这一结果在表5中显示为驱动路径1。驱动路径1表明，技术平台基础、技术资金支持、产业发展基础和政府关注的结合共同提升了虚拟集聚的水平。在这些条件中，技术资金支持和产业发展基础起到了核心促进作用。有20个案例城市可以通过驱动路径1来解释。其中，武汉最符合驱动路径1的特点。在技术维度上，武汉拥有两个被选为国家级工业互联网平台的“双交叉”平台，在中部地区数量上排名第一。在中国首批15个智能工厂试点中，武汉有两家企业入选。武汉的智能工厂数量与上海并列第一。此外，2023年武汉在科技上的支出是全国城市平均水平的七倍。在产业发展基础方面，武汉2023年的GDP在省级城市中名列前茅。

5.3.2 技术–组织–竞争路径
这一结果在表5中显示为驱动路径2和5。驱动路径2和5表明，技术平台基础和财政支持，以及来自邻近城市的虚拟集聚压力，有助于提升虚拟集聚的水平。此外，驱动路径2中的产业发展基础也起到了关键的促进作用。在驱动路径5中，政府关注的程度起到了促进作用，但其影响力不如驱动路径2中的产业发展基础。驱动路径2解释了20个案例城市。其中，上海在技术支持和财政支持、产业发展基础以及同行竞争压力方面均处于领先地位。2023年，上海在发展虚拟集聚方面面临的同行竞争压力高达100.7。这种高压促使上海不断加快新型虚拟集聚的建设。驱动路径5解释了12个案例城市。其中，洛阳作为东部地区的典型案例，在中部和西部地区的工业互联网平台建设中处于领先地位。此外，近年来洛阳政府加大了对制造业数字化和智能转型的重视，促进了城市虚拟集聚水平的提升。

5.4 替代关系分析
基于五条不同的驱动路径，本文进一步分析了技术、组织和环境条件在促进虚拟集聚方面的差异化适应关系。

5.4.1 驱动路径1、2和3之间的替代关系
在这三条驱动路径中，技术资金支持和产业发展基础都在促进虚拟集聚水平方面发挥着核心作用，而技术平台基础也起到了边际促进作用。三条路径之间的替代关系如图11所示。当政府关注不足时，城市可以通过利用同行竞争压力或外部公共需求来替代它，从而提升虚拟集聚的水平。

5.4.2 驱动路径3和4之间的替代关系
在这两条驱动路径中，产业发展基础都起到了核心的促进作用。技术平台基础和外部公共需求也提供了支持。两条路径之间的替代关系如图12所示。当技术和财政支持的能力不足时，可以通过政府发布的制造业虚拟集聚政策刺激其他资本来源，从而加速虚拟集聚的发展。

5.5 区域异质性分析
本文将样本分为东部、中部和西部地区，并分析了在不同条件下驱动路径提升虚拟集聚水平的区域异质性。结果见表6。图6中符号的含义与图5中的含义一致。在东部地区的多个案例中，虚拟集聚水平的核心依赖变量是技术和财政支持。中部地区的城市依赖于互联网平台基础设施和产业发展基础。对于西方城市而言，技术、组织和环境条件都在促进虚拟集聚方面发挥着重要作用。其中，政府组织对西方地区虚拟集聚水平的促进作用大于东部和中部地区。尽管各地区在虚拟集聚水平提升方面存在显著差异，但与整体样本路径的吻合度仍然很高。在不同地区的大多数城市中，驱动路径涉及技术、组织和环境之间的复杂互动。这进一步证实了虚拟集聚水平的提升是多种条件共同作用的结果。表6展示了区域异质性分析的结果。

6. 结论、建议与局限性
6.1 结论
本文阐明了制造业中虚拟集聚的形成机制、复杂网络特征及其驱动路径。首先，本研究提出了虚拟集聚的概念，并在此基础上构建了虚拟集聚网络，分析了该网络的整体规模、个体层面和结构特征。最后，本文开发了一个TOE框架，并使用fs/QCA方法分析了驱动路径。进一步研究了路径中的变量替代关系以及区域异质性。从复杂网络的角度来看，本文丰富了关于虚拟集聚的研究。同时，这些发现为制造业中虚拟集聚的发展提供了理论支持和实践依据。

6.2 建议
首先，从技术层面增强虚拟集聚的优势非常重要。制造业应合理利用市场竞争的压力，将其转化为发展的动力；通过合理利用市场竞争带来的压力，可以将竞争压力转化为发展动力。提高各阶段的创新能力和资源配置效率，可以发挥竞争的积极外部性，制造企业可以增加对新技术创新的投资，并建立跨地区的协同创新联盟。
其次，从组织层面加强对虚拟集聚的支持。政府应出台更多多样化和具体的政策，推动制造业的数字化转型，为先进和高科技制造领域提供更多的政策和财政支持。
第三，从环境层面利用消费者需求来推动发展。更多供应商集中在工业互联网平台上会加剧不同实体之间的竞争。然而，这些平台上跨地理空间的需求信息聚合有助于形成规模经济。因此，企业应充分利用数字技术工具获取市场需求信息。此外，企业还可以进行定量市场研究。在收集到大量消费者数据后，企业必须快速处理这些信息，以最大化数据收集和分析的效率。

6.3 局限性
本文使用跨行政区域的供应链数据来构建城市虚拟集聚网络，以识别多种网络特征并提出增强虚拟集聚的路径。这项研究有助于丰富城市虚拟集聚的数据来源和路径研究。然而，由于数据来源单一，仍存在局限性。仅使用供应链数据难以分析多层网络特征。未来，我们将根据虚拟集聚的定义收集更多的统计数据和文本数据，从而丰富虚拟集聚的数据来源和测量分析。