地理集聚、互聯網發展程度與公司價值

孟佶賢 任慧平

內容提要： 隨著信息化時代的來臨，以公司為主體開展的經濟活動“聚集”和“分散”不僅與地理位置有關，也與其對通信技術的依賴程度息息相關。本文采用我國滬深A股2010-2017年上市公司數據，探討地理集聚產生的“向心力”對公司價值的影響機制，以及互聯網發展帶來的“離心力”對其造成的沖擊，并分析互聯網發展程度在地理集聚提升公司價值路徑中的中介效應。結果表明：地理集聚是公司價值提升的關鍵途徑，并在不同行業中表現出異質性，絕大多數傳統行業的公司可以通過地理集聚獲益，而對互聯網發展依賴程度較大的高新技術行業、金融業和部分傳統行業的公司價值卻無法通過地理集聚獲得提升;互聯網發展程度對地理位置提升公司價值的路徑具有中介效應，且對于大部分傳統行業而言，互聯網發展程度在地理位置對公司價值提升的路徑中發揮著中介作用。

關鍵詞： 地理集聚;互聯網發展程度;公司總部位置;公司價值;中介效應

中圖分類號：F276.6? 文獻標識碼：A? 文章編號：1001-148X（2021）05-0094-09

在新經濟地理學研究框架下，地理集聚現象可以使公司獲利，集聚帶來的成本節約促使產業或經濟規模報酬遞增。由于對通信技術和面對面交流的需求程度不同，信息技術在不同形態公司中扮演的角色不盡相同，對互聯網發展依賴程度不同的企業可能表現出對地理位置不同的敏感程度，公司是否有必要根據地理位置設立總部取決于其能否通過地理集聚提升自身價值。所以，有必要在異質性檢驗中考察地理集聚在不同行業中的作用是否相同。本文采用我國A股上市公司數據，考察公司總部地理集聚現象對公司價值的提升作用，并使用公司總部所在地區的互聯網普及率作為互聯網發展程度的代理變量，考察其在地理位置對公司價值提升路徑中的中介效應。

一、研究假設的提出

一般認為地理集聚可以通過多種路徑為企業發展帶來優勢， Almazan等（2010）的研究表明產業的地理集聚可以增加公司兼并收購的可能性，并為企業帶來更寬松的財務環境[1];金麗國（2006）強調了地理集聚帶來的交通成本下降和技術、知識溢出優勢[2]。通過總結美國市場規律，Baran和Wilson（2018）發現地處中心城市的上市公司更容易分享經濟集聚帶來的紅利，從而獲得較高的公司估值[3]。因此，可以預計公司總部的地理集聚能夠為公司帶來積極的影響，故提出假設1：

假設1：在控制其他因素影響后，公司總部的地理集聚可以顯著地提升公司價值。

地理集聚對經濟活動產生的“向心力”和互聯網發展對經濟活動產生的“離心力”之間的博弈會在不同的行業、部門或經濟活動中產生不同的作用，如Liu（2002）的研究表明信息時代的產業可以劃分為“軟部門”（可數字化產品）和“硬部門”（物質產品），二者之間的形態差異源自對通信和電子技術的依賴程度不同[4]。由此可見，上述兩種力量的博弈在很大程度上取決于不同行業、企業或部門對互聯網技術或面對面生產、接觸的需求的不同。因此，根據對互聯網發展依賴程度的明顯差異，本文將不同的公司分為大部分傳統行業和對互聯網發展程度依賴更高的新興行業以及部分傳統行業。對于大多數傳統行業企業來說，可以預計地理集聚仍然能提升公司價值，而對于對互聯網發展程度依賴較高的新興行業企業來說，已無法通過地理集聚獲利，故提出假設2：

假設2： 大部分傳統行業和新興行業的地理集聚現象對公司價值的影響表現出異質性，地理集聚的“紅利”在新興行業中已被削弱。

互聯網和信息技術的飛速發展致使對高科技信息技術依賴程度較高的經濟活動逐漸脫離傳統地理集聚的束縛而產生“離心力”，并逐漸減少對地理集聚的依賴[4-5]。互聯網技術可以通過“虛擬整合”的方式，使企業共享網絡技術、市場信息和專家等單個企業稀缺的資源[5]。具體來說，企業可以通過“虛擬集聚”形成網絡聯結，這樣就減弱了企業對地理位置的依賴[6]。隨著互聯網和通信技術的快速發展，越來越多的經濟活動可以通過網絡溝通而非實體接觸進行，使得地理位置在經濟活動中的作用被削弱。我國信息和通信技術以及相關基礎設施的分布極不均衡，這種不均衡在一定程度上與城市的發展程度以及經濟活動的密度有關[7]，互聯網發展程度等地區通信基礎設施建設情況會對公司價值產生影響，部分效應是通過當地互聯網發展程度發揮作用的。這種傳導路徑在傳統行業中表現更為明顯，而在新興行業和部分傳統行業中卻表現不同，故提出假設3：

假設3：公司總部所在地區的互聯網發展程度在地理集聚對公司價值的提升路徑中具有部分中介效應，且在不同類型的行業間表現不同。

二、研究模型、分析指標和研究樣本的選取

（一） 研究模型的設定

1. 地理集聚對公司價值的影響

本文運用我國滬深A股上市公司2010-2017年的面板數據，對地理位置和公司價值進行多元線性回歸，以驗證地理集聚現象對公司價值的影響，回歸方程如下：

Tobin′s Qi，t=α1+β1·Geoi，t+γ1·∑Controlsi，t+∑Industry+∑Year+εi，t （1）

其中，下標i表示公司，t為年份。因變量為托賓Q值，代表公司價值， 自變量Geo表示地理位置，為了排除其他因素的影響，加入表征公司重要特征的主要控制變量（Controls），同時引入行業（Industry）和年份（Year）虛擬變量，εi，t為殘差項。

2.互聯網發展程度的中介效應檢驗

互聯網和通信技術等相關的基礎設施在我國不同的地區間分布極不均衡，這在一定程度上與經濟活動的空間密度有關。公司所在城市越靠近中心城市，其互聯網發展程度也越高[8]。因此，在地理集聚提升公司價值的路徑中，公司所在地區的互聯網發展程度也起到了一定的解釋作用。 為了分析解釋變量地理位置、中介變量互聯網發展程度以及被解釋變量公司價值之間的關系，本文借鑒Baron和Kenny（1986）[9]、溫忠麟等（2004）[10]提出的中介效應檢驗程序， 在回歸方程（1）的基礎上構造如下逐步回歸方程：

Interneti，t=α2+β2·Geoi，t+γ2·∑Controlsi，t+∑Industry+∑Year+εi，t （2）

Tobin′s Qi，t=α3+β3·Geoi，t+η·Interneti，t+γ3·∑Controlsi，t+∑Industry+∑Year+εi，t （3）

其中，Internet表示公司總部所在地區的互聯網發展程度，文中用互聯網普及率作為其代理變量，其余變量的定義方式與前文一致。事實上，上述的回歸方程（1）、（2）和（3）共同構成了完整的中介效應檢驗過程。具體地，中介效應檢驗的第一步為前文的方程（1），在該方程檢驗地理位置對公司價值直接影響的基礎上，模型（2）用于檢驗地理位置對中介變量互聯網發展程度的作用，模型（3）用于檢驗控制了互聯網發展程度之后地理位置對公司價值的影響。每一個回歸方程中都包含相同的控制變量、行業和年份虛擬變量，在依次對上述三個方程的回歸系數進行檢驗之后，可通過Sobel檢驗得出中介效應占總效應的比值。這種方法不僅能得到解釋變量、中介變量和被解釋變量的具體傳導路徑，還可以計算出中介效應在總效應中所占的比例。為了直觀反映上述檢驗步驟，圖1刻畫了中介效應檢驗的流程。

（二）變量選取

1. 被解釋變量

本文選取托賓Q值衡量公司價值，借助公式“（股權市值+凈債務市值）/（資產總計-無形資產凈額-商譽凈額）”計算，它反映的是公司市場價值與重置成本的比值，可以有效地將企業的市場數據和財務數據相結合，從而很好地預測企業未來的發展潛力。

2.解釋變量

地理集聚的優勢源于公司地理位置的空間鄰近性，本文設計了以下三個代理變量來表示上市公司總部所在城市的地理位置（Geo）：

（1） 中心城市（Center）。上市公司的數目在一定程度上代表了這一地區的經濟活動密度，即地理集聚的程度。本文將每年上市公司總部所在城市分組計數并排序，得出歷年上市公司數量最多的10個城市作為中心城市。若公司總部所在地在某年被認定為中心城市，那么認為該公司地處中心，Center變量取1，否則取0。 經過梳理，在樣本時間范圍內排名進入前10的城市共有 12個， 其中北京市、深圳市、上海市、杭州市、廣州市、南京市、成都市、蘇州市的上市公司數量在樣本期內都處于前10位，而寧波市、武漢市、天津市、重慶市只在部分年份進入中心城市排名榜單的前10位。

（2） 地理距離（Distance）。對于總部位于非中心城市的上市公司，根據Haversine公式[11]，本文使用上市公司總部所在地級市的經緯度來計算所在城市與其距離最近的中心城市之間的地理距離（單位為公里）。得出到各中心城市的地理距離后，將與該公司總部所在城市距離最近的中心城市的地理距離加1并取對數，該對數值被定義為地理距離。

（3） 偏遠城市（Remote）。對每一個年份的樣本，計算非中心城市樣本中距離最近中心城市地理距離的中位數，并將地理距離大于中位數的城市定義為偏遠城市，即偏遠城市變量取1，相應地，若距離中心城市地理距離小于中位數，則該變量取0。

3.中介變量

本文選取互聯網發展程度作為中介變量，并使用互聯網普及率作為它的代理變量進行實證分析。互聯網普及率是有關互聯網發展研究的常用指標[8]，反映了互聯網在某一地區人群中使用的廣泛程度。互聯網普及率越高表明該地區網絡基礎設施建設越完善，經濟活動密度也相應更高。因此，本文用公司總部所在地互聯網普及率表征互聯網發展程度，將其作為中介變量的代理來探究互聯網發展程度是否在地理集聚和公司價值的關系中具有中介效應，以此考察互聯網發展程度與地理集聚對于上市公司價值提升的作用機制。

4.控制變量

本文選取的控制變量有：銷售收入（Sales），當年銷售收入的對數;資產負債率（Leverage）， ?當年總負債與總資產的比值;無形資產（Intangibles），無形資產與總資產的比值;研發支出（R&D），研發支出與總資產的比值。

（三）數據來源

本文選取滬深A股2010-2017年上市公司數據作為研究樣本。為構建與公司總部集聚相關的變量，通過搜索引擎收集公司所在地級市的經緯度數據;表征公司價值的托賓Q值從國泰安數據庫（CSMAR）中獲得;省級互聯網普及率由中經網的數據匯總而成;其余公司財務數據均來自萬得（Wind）金融數據庫。對樣本進行如下篩選：（1） 剔除ST和*ST上市公司，因為這兩類公司表現出財務或其他方面的異常，已不能準確反映公司價值;（2） 刪除上市當年的觀測值;（3） 刪除含有缺失項的數據。最終保留了18537個公司-年份觀測值。

三、計量結果及分析

（一）描述性統計

由于資產負債率和托賓Q值具有明顯的雙側拖尾特征，對其進行1%的雙邊縮尾處理，表1報告了主要變量的描述性統計特征。由表1可知托賓 Q的均值為3.02，大于其中值2.24，這說明該連續變量的分布呈現右偏的特征。此外，樣本中超半數的中心城市變量小于均值。上述統計結果也從側面印證了上市公司通過地理集聚獲利的可能，即處于中心城市或者非偏遠城市的上市公司更有可能具有較高的公司價值。

表2報告了各個變量在全樣本中的非中心城市和中心城市、非中心城市樣本中的偏遠城市和鄰近城市（即偏遠城市變量取0的城市）中的樣本均值t檢驗的結果。 面板A的檢驗結果表明非中心城市公司的托賓Q均值比中心城市低，且該變量在上述兩個樣本中的均值差在1%的顯著性水平上顯著。中介變量互聯網普及率的均值在非中心和中心城市樣本中分別是51.17%和65.73%，且均值差在1%的顯著性水平上顯著，說明兩個樣本總體上在互聯網普及率方面有著顯著的差異，即中心城市的互聯網普及率高于非中心城市;在控制變量方面，銷售收入、資產負債率、無形資產及研發支出在兩個樣本中均表現出顯著的差異。在非中心城市樣本中，面板B的檢驗結果表明偏遠城市樣本的托賓Q均值低于鄰近城市，且均值差在1%的顯著性水平上顯著;在地理距離方面，偏遠城市和非偏遠城市與中心城市的距離均值分別為6.29和 4.73，且均值差在1%的顯著性水平上顯著;中介變量互聯網普及率均值在偏遠城市和非偏遠城市樣本中分別為48.74%和53.70%，兩個樣本的均值差在1%的顯著性水平上顯著，說明互聯網普及率在兩個樣本中有著顯著的差異，即偏遠城市的互聯網普及率要顯著地低于鄰近城市。由此，地理位置差異在導致公司價值差異的同時，地理位置不同的公司所在地區的互聯網普及率也有著明顯的差異，地理位置越偏遠的公司其所在地區的互聯網普及率也會隨之下降。這一現象也在很大程度上印證了地理位置能夠部分通過互聯網的發展程度對公司價值產生影響。為了更充分地驗證這一假設，我們還需要進一步做相關的回歸分析和中介效應檢驗。

（二）主要變量的相關性分析

表3報告了主要變量之間Pearson相關系數的檢驗結果。中心城市、地理距離和偏遠城市兩兩之間的相關系數絕對值都超過了0.3，說明這些地理位置的代理變量的相關性較高。這一現象是合理的，因為地處中心城市的公司地理距離變量取0，非中心城市樣本的公司地理距離變量大于0，并且非中心城市樣本中越是偏遠的城市距離中心城市的地理距離就會越遠。除此之外，其余控制變量的相關系數絕對值大多在0.3以下，通過了相關系數檢驗，這說明本文對回歸方程形式的設定可以在很大程度上避免共線性問題。

（三）全樣本回歸

首先，對本文使用的面板回歸模型進行F檢驗，結果拒絕了混合回歸的原假設;其次，采用霍斯曼檢驗（Hausman Test）在隨機效應和固定效應之間進行選擇，該檢驗拒絕了隨機效應的原假設。因此，可利用固定效應模型進行回歸分析，并且報告穩健標準誤的t值，以避免異方差的影響。回歸模型（1）旨在考察地理位置對公司價值的影響，相關固定效應估計的結果在表4中列出，其中的三個回歸分別表示地理位置的三個代理變量對公司價值產生的影響。在加入其他控制變量以及年份和行業的虛擬變量之后，中心城市與托賓Q值的回歸系數為0.264，并且在1%的顯著性水平上顯著，說明總部位于中心城市的公司價值比處于非中心城市的公司價值顯著地高0.264個單位。類似地，地理距離與托賓Q值的回歸系數為-0.046，并且在1%的顯著性水平上顯著，說明公司總部所在地理位置與中心城市的距離每增加1%，公司價值就會降低0.046個單位;偏遠城市變量與托賓 Q值的回歸系數為-0.159， 該回歸系數在1%的顯著性水平上顯著，說明總部位于偏遠城市的公司價值比非偏遠城市的公司價值顯著地低0.159個單位。將上述三個結果匯總就可以明晰地理位置和公司價值之間的內在聯系，即總部位于中心城市或者距離中心城市的地理距離較近將會顯著地提升公司價值。這一結果驗證了地理集聚現象對中國市場的適用性，即上市公司總部的地理集聚現象可以使公司獲利;即使互聯網、通信技術飛速發展，地理集聚在公司價值提升路徑中仍然起到了關鍵的作用。

（四）不同行業的異質性檢驗

考慮到不同行業公司對地理位置和互聯網發展程度的依賴程度不同，很可能會造成公司價值提升路徑的異質性。本文對絕大多數傳統行業（制造業、批發和零售業以及電力、熱力、燃氣及水生產和供應業）和對互聯網發展依賴程度較高的高新技術行業和一部分傳統行業（信息傳輸、軟件和信息技術服務業、金融業和房地產業、交通運輸、倉儲和郵政業）進行分組檢驗，以此探究公司總部的地理集聚現象對提升公司價值在不同行業中的適用性，結果在表5中列出。（1） 對于大部分傳統行業的企業來說，地理位置代理變量的回歸系數符號及其顯著性都與全樣本回歸結果保持一致，即公司總部集聚可以顯著提升公司價值;（2） 在對互聯網發展依賴程度較大的新興行業以及部分傳統行業中，地理位置與托賓 Q值的回歸系數并沒有表現出上述規律，即回歸系數不顯著。據此可以得出結論：對互聯網發展依賴程度較高的行業并不能通過公司總部的集聚來提升公司價值，與大多數的傳統行業表現出了異質性。在依賴于地理集聚的“向心力”和依賴于互聯網及通信技術的“離心力”的博弈過程中，不同行業的表現也不盡相同：對于大多數傳統行業的企業，公司總部仍然會呈現出地理集聚的狀態，這種集聚對公司價值的提升能夠起到積極作用，而對于更加依賴互聯網運作的信息技術服務業、金融業、房地產以及交通運輸行業，公司價值的提升已經愈發地表現出不依賴于傳統地理集聚的特征，這就驗證了假設2。

（五）互聯網發展程度的中介效應

不同行業中地理集聚對公司價值的影響不盡相同，造成這兩類行業區別的一大因素便是對互聯網和通信技術發展的依賴程度不同。 為了探究互聯網發展對地理集聚提升公司價值路徑的作用，本文以互聯網發展程度為中介變量、地理位置和公司價值分別為解釋變量和被解釋變量進行逐步回歸，結果如表6。面板 A、B、C分別報告了由中心城市、距離中心城市的地理距離以及偏遠城市作為地理位置的代理變量時，互聯網普及率在地理位置對公司價值影響路徑中的中介效應檢驗結果。

表6中回歸方程（1）在加入互聯網普及率變量之后，三個地理位置代理變量的回歸系數仍然在1%顯著性水平上顯著，但回歸系數的絕對值比單獨回歸時有所下降，說明互聯網普及率在中心城市及距離中心城市的短距離范圍內對公司價值的提升中起到了部分中介作用。通過Sobel檢驗可以得到三個方程的中介效應與總效應的比值分別為75.99%、89.39%和45.46%， 說明無論使用哪種地理位置的代理變量，互聯網普及率都能在地理位置影響公司價值的路徑中表現出顯著的中介效應。上述逐步回歸檢驗的結果表明：一方面，中心城市或與中心城市較近的地理距離對公司價值有著顯著的提升作用;另一方面，這種提升作用中的一部分原因可以由公司總部所在地區的互聯網發展程度來解釋，且中介效應占總效應的比例較高。

結合表5的異質性檢驗結果進一步對不同類型的企業進行中介效應檢驗，從表7可以看出互聯網普及率對傳統行業樣本中地理位置對公司價值的提升起到了顯著的中介作用，且中介效應與總效應的比值較高，結果與全樣本基本一致，說明地理位置對公司價值的提升很大程度上是通過互聯網普及率這一路徑實現的，由此可以發現地理位置、互聯網發展程度以及公司價值三者之間的聯系。對新興行業的企業來說，地理位置變得不再重要，將在新興行業中發揮重要作用的互聯網發展程度作為中介變量運用到全樣本乃至傳統行業企業的分樣本，可以證實該變量在地理位置提升公司價值方面的顯著中介效應; 同時，還能夠驗證我國企業公司價值提升的路徑差異，地理集聚僅能夠部分通過互聯網發展程度在傳統行業的公司價值提升中起到關鍵作用。所以，地理集聚和互聯網發展程度對公司價值的提升作用在不同的行業表現不同。

四、穩健性檢驗

（一）中心城市的不同定義方法

選擇不同數目的中心城市有可能造成結果的變動，為驗證前文結論的穩健性，本文重新定義中心城市變量以及對應的地理距離和偏遠城市變量，分別將上市公司數量排名前5和前20的城市定義為中心城市，地理距離變量和偏遠城市變量也做出相應的調整，在中心城市的不同定義下探究地理位置和公司價值之間的關系。表8報告了不同中心城市定義下地理位置和公司價值的回歸結果，當中心城市定義為上市公司數量排名前5和前20的城市時，中心城市與公司價值的回歸系數都為正（0.309和0.188），地理距離與公司價值的回歸系數都為負（-0.046和-0.035）且偏遠城市變量與公司價值的回歸系數也均為負（-0.204和-0.057）， 這些結果與前文的實證結論一致，即公司總部位于中心城市的公司價值比非中心城市的公司價值更高，并且距離中心城市更近可以提高公司價值。這些回歸系數均在1%的顯著性水平上顯著，雖然中心城市定義為上市公司數量排名前20時偏遠城市變量與公司價值的回歸系數的統計顯著性不高，但回歸系數的符號與預期一致，即都為負，并不影響結論。

（二）Bootstrap方法檢驗中介效應

檢驗中介效應的方法有很多種， 其中Bootstrap方法可以通過從樣本中重復取樣來構建待檢驗系數的置信區間：如果間接效應系數的置信區間不包含0，則認為系數顯著。這種方法可以控制第一類統計錯誤的發生概率，在一定程度上改善了傳統的逐步回歸法和Sobel檢驗。按照Hayes和Scharkow（2013）提出的中介效應分析程序[12]，表9給出了利用非參數百分位Bootstrap法檢驗互聯網普及率中介效應（樣本量為5000，置信區間的置信水平為95%）的結果。采用與前文不同的中介效應檢驗方法，目的在于讓兩種不同的檢驗形成對照，并相互印證各自的檢驗結果，從而可以最大限度地保證結果的穩健性。由表9可知互聯網普及率在中心城市和公司價值之間的間接效應值為0.2403，且95%置信區間沒有包含0（0.2060，0.2747），表明互聯網普及率的中介效應顯著;類似地，互聯網普及率在地理距離或偏遠城市對公司價值影響路徑中的間接效應的值分別為-0.0464和-0.0789，且95%置信區間內不包含0，表明互聯網普及率在地理距離或偏遠城市和公司價值的影響中具有顯著的部分中介效應。該結論證明了互聯網普及率的中介效應，與前文中逐步回歸的檢驗結果相一致，驗證了本文結果的穩健性。

（三）細分傳統行業上市公司互聯網普及率的中介效應檢驗

表5關于行業異質性的回歸結果顯示大多數傳統行業的地理集聚效應十分明顯，這些行業中的上市公司可以通過公司總部的集聚來提升公司價值，而那些對通信網絡依賴程度較高的信息服務業、金融業、房地產、交通運輸業的公司并不能通過公司總部的集聚來提升公司價值，這一點與大多數傳統行業表現出了異質性。在引入互聯網普及率作為中介變量之后可以發現，互聯網的發展程度在全樣本公司地理位置對公司價值提升的路徑中起到了中介作用。在此基礎上對上述傳統行業中的各個細分行業再分別進行中介效應的檢驗，相關結果在表10中列出，面板 A、B、C分別報告了由中心城市、距離中心城市的地理距離以及偏遠城市作為地理位置的代理變量時，互聯網普及率在地理位置對傳統行業公司價值影響的中介效應檢驗結果。 從中介效應與總效應比值的結果來看，無論使用哪種地理位置的代理變量，互聯網普及率在表10中所列的三個不同行業公司位置對公司價值提升方面都呈現出顯著的中介效應，系數的方向和全樣本結果也基本一致，這說明互聯網發展程度確實對大多數傳統行業的公司價值提升發揮著積極作用，并且它是地理位置影響這些行業公司價值的重要中介渠道。因此，互聯網普及率在公司總部處于中心城市或鄰近中心城市的位置對大多數傳統行業公司價值的提升中起到了部分中介作用。

五、研究結論

本文使用2010-2017年中國滬深A股上市公司的面板數據分析了地理集聚現象對公司價值的提升作用，并探討了互聯網發展對其造成的沖擊。從總體上看，上市公司可以通過地理集聚實現公司價值的提升，處于不同地理位置的企業公司價值有所差異，這在一定程度上是由于不同地區的通信技術和網絡發展程度的差異造成的。相關網絡基礎設施建設的度量方法較多且難以量化，為此選取互聯網普及率作為不同地區信息技術發展程度的代理中介變量，做公司總部地理位置與公司價值提升方面的中介效應檢驗。結果表明互聯網普及率在地理集聚對公司價值的提升路徑中起到了部分中介作用。此外，考慮互聯網和通信技術飛速發展對公司地理集聚的反作用力，以及不同行業對其依賴程度的不同，本文還對包含制造業在內的絕大多數傳統行業和對互聯網發展程度較為依賴的信息傳輸、軟件和信息技術服務業、金融業、房地產業、交通運輸業等新興行業進行了異質性檢驗。相比于大部分傳統行業，檢驗結果表明新興行業已然無法通過地理集聚提升公司價值，互聯網普及率對公司地理位置提升公司價值的中介效應也具有異質性。

本文著重討論地理集聚對經濟活動帶來的“向心力”和互聯網發展帶來的“離心力”在不同性質企業價值提升過程中的博弈情況。雖然互聯網發展使很多經濟活動的形態可以轉為“線上”模式，但地理集聚的優勢在很多傳統行業中依然難以被替代，它在提升公司價值方面發揮著重要作用。互聯網和通信技術給地理集聚所帶來的沖擊在不同類型的行業中表現不同，該差異源于行業或企業對于面對面接觸或技術互動的依賴程度的不同。對于面對面接觸需求更多的傳統行業來說，地理集聚仍然對公司價值提升起著關鍵作用;對于更依賴網絡溝通互動的新興行業來說，地理集聚的優勢則無法充分體現。總的來說，制造業企業或者對互聯網依賴程度較低的傳統行業企業，可以通過將公司總部設置在具有經濟集聚優勢的中心區域來提升公司價值;對互聯網和通信技術依賴程度較高的企業而言，公司價值較少受地理集聚的影響和限制，它們更應該著眼于通過技術創新來驅動公司價值不斷邁上新的臺階。

參考文獻：

[1]?? Almazan A.， De Motta A.， Titman S.， et al. Financial Structure， Acquisition Opportunities， and Firm Locations[J]. The Journal of Finance， 2010，65（2）： 529-563.

[2]? 金麗國.聚集經濟的微觀基礎——一個區位選擇的分析框架[J].數量經濟技術經濟研究，2006（4）：77-83.

[3] Baran L.， Wilson R. Whom You Connect with Matters： Director Networks and Firm Location[J]. Journal of Financial Research， 2018， 41（1）： 113-147.

[4] Liu W. Development of the Internet in China and Its Spatial Characteristics[J]. Knowledge， Industry and Environment： Institutions and Innovation in Territorial Perspective， 2002： 87-106.

[5] 劉衛東. 論我國互聯網的發展及其潛在空間影響[J]. 地理研究， 2002，21（3）： 347-356.

[6] 王如玉，梁琦，李廣乾.虛擬集聚：新一代信息技術與實體經濟深度融合的空間組織新形態[J].管理世界，2018，34（2）：13-21.

[7] 李坤望， 邵文波， 王永進. 信息化密度、信息基礎設施與企業出口績效——基于企業異質性的理論與實證分析[J]. 管理世界， 2015（4）： 52-65.

[8] 胡鞍鋼， 周紹杰. 中國如何應對日益擴大的 “數字鴻溝”[J]. 中國工業經濟， 2002（3）： 5-12.

[9] Baron R. M.， Kenny D. A.The Moderator-Mediator Variable Distinction in Social Psychological Research： Conceptual， Strategic， and Statistical Considerations[J]. Journal of Personality and Social Psychology， 1986，51（6）： 1173-1182.

[10] 溫忠麟，張雷，侯杰泰，等. 中介效應檢驗程序及其應用[J]. 心理學報， 2004，36（5）： 614-620.

[11] Uysal V. B.， Kedia S.， Panchapagesan V. Geography and Acquirer Returns[J]. Journal of Financial Intermediation， 2008，17（2）： 256-275.

[12]? Hayes A. F.， Scharkow M. The Relative Trustworthiness of Inferential Tests of the Indirect Effect in Statistical Mediation Analysis： Does Method Really Matter？ [J]. Psychological Science， 2013， 24（10）： 1918-1927.

Geographic Agglomeration， Internet Development Level and Corporate Value：

An Empirical Study Based on the Mediating Effect

MENG Ji-xian1， REN Hui-ping2

（1.Academy of Mathematics and Systems Science， Chinese Academy of Sciences， Beijing 100190， China;

2.Faculty of Economics and Business， KU Leuven， Leuven 3001，Belgium）

Abstract： With the advent of the information age， the “aggregation” and “dispersion” of economic activities carried out by companies are not only related to geographical location， but also closely related to their dependence on communication technology. Using the data of China′s Shanghai and Shenzhen A-share listed companies from 2010 to 2017， this paper discusses the impact mechanism of the “centripetal force” generated by geographical agglomeration on corporate value， as well as the impact of the “centrifugal force” brought by the development of the Internet， and analyzes the intermediary effect of the degree of Internet development on the path of geographical agglomeration to improve corporate value.The results show that geographical agglomeration is the key way to enhance corporate value， and shows heterogeneity in different industries. Most companies in traditional industries can benefit from geographical agglomeration， but the corporate value of high-tech industries， financial industries and some traditional industries that rely heavily on the development of the Internet can not be improved through geographical agglomeration;The degree of Internet development has an intermediary effect on the path of geographical location to enhance corporate value， and for most traditional industries， the degree of Internet development plays an intermediary role in the path of geographical location to enhance corporate value.

Key words： geographic agglomeration; Internet development level; corporate headquarters location; corporate value; mediating effect

（責任編輯：關立新）