廣東省上市公司總部的空間分布及其影響因素研究

婁洪武

(江西理工大學 土木與測繪工程學院, 江西 贛州 341000)

0 引言

自改革開放以來,我國在經濟上的發展進入了一個全新時代,尤其是近二十年來,經濟的發展完全進入了一個超高速發展階段。最為顯著的是東南沿海的各大城市。廣東省地處珠江三角洲經濟帶,是我國經濟最為發達的省份之一。其轄內多個城市均是我國改革開放時期最早對外開放的地區,在經濟方面一直都領先于全國其他地市。上市公司數量的多少能直接體現一個地區經濟發展情況[1],上市公司的聚集有利于形成規模優勢,實現各方面的資源整合,提高各行業的技術效率,能夠促進該地區各方面產業的整體發展,從而帶動地區經濟的發展[2]。然而,在經濟的迅猛發展這一段黃金時期,上市公司總部數量的不斷增多,省內各種各樣的問題也隨之浮現,因此,對于上市公司的發展對人地關系的影響的研究是十分有意義的。

地理學對于區位的研究由來已久,很多學者圍繞產業聚集的相關話題展開了許多的研究[3],上市公司也是企業的一種,公司總部區位分布是公司地理的重點研究內容,很多學者對于公司總部分布的空間結構、空間行為、行業類別及其與環境的關系都展開了研究[4-5]。早年間,王緝慈、賀燦飛、杜德斌等學者的研究奠定了中國產業聚集及空間格局的理論基礎[6-8],后來傅鈺、楊闊等人對于傳統企業與新興企業的空間分布規律的各種影響因素都有了一定的研究[9-10],趙靜平、盧明華等對京津冀地區上市公司總部空間位置分布影響因素有深入的見解。

1 數據來源及方法

1.1 數據來源

本次研究對象為廣東省的A股上市公司,上市公司數據來自國泰君安數據服務中心,部分數據來自炒股軟件同花順,其他地理要素數據來自中國統計年鑒,廣東省統計年鑒,其行業按照《上市公司行業分類指引》(2012年修訂版)進行劃分,上市公司地址為其總部所在辦公地址,坐標數據來源于百度地圖坐標拾取平臺。部分數據來自《中國證券期貨統計年鑒》《廣東省統計年鑒》。

1.2 研究方法

此次研究利用的主要研究方法有：標準差橢圓分析法、地理加權回歸(geographically weighted regression,GWR)模型。

標準差橢圓分析法適用于區域屬性數據空間分布特征[11],本文用此方法來分析廣東省上市公司2009、2014、2019年這3年的分布特征。此方法最早由Lefever提出,橢圓由四部分組成：橢圓圓心、短軸、長軸、旋轉角。橢圓中心表示分布重心,長軸和短軸分別表示公司總部在主要方向和次要方向上偏離重心的程度[12],橢圓面積的大小用于判斷公司分布的離散程度,面積越大說明分布越離散,反之說明公司分布更趨近于重心[13]。

設數據集所有中心坐標分別為(x1,y1),(x2,y2)…(xn,yn)則標準差橢圓的指向為tanθ,最大標準差距離δx和最小距離δy為其長軸和短軸,見式(1)～式(3)。

(1)

地理加權回歸模型是對線性回歸模型的一個拓展[14],其最重要的是將數據的地理位置引入回歸參數中,通過相鄰觀測值的子樣本數據信息對局部地理位置進行回歸估計,本文主要是用此方法探究各影響因素在不同地理位置空間的變異特征及其規律。地理加權回歸模型設定如下：

(4)

式中,yi為n×1維被解釋變量;xik為n×k維解釋變量矩陣;βk(ui,vi)為因素k在回歸點i的回歸系數;k為自變量個數;(ui,vi)表示第i個觀察點的經緯度坐標;εi為分布的隨機誤差項。

2 廣東省內上市公司概況

截至2019年底,全國(港澳臺地區除外)A股上市公司總數為3 749,廣東省內上市公司總部的總數為全國之最,達到612家,占比16.24%,與全國其他地區上市公司的規模相比,無論是數量還是規模均在全國占優勢地位。尤其是該地區位處沿海,航海事業發達,境內鐵路公路數量極多,交通便利。作為改革開放中引進外資的先行者,擁有著優惠的國家政策扶持,加上地理優勢,廣東省內各地區經濟在最近數十年來都處于一個飛速發展的階段,轄內各種產業蓬勃發展,上市公司數量急劇增多。從2009年的220家上市公司歷經十多年的發展達到目前擴充近3倍的規模。與此同時,上市公司的不同行業的數量也出現了極度不平衡的現象。從行業結構上分析,廣東省內上市公司最多的行業是制造業占比56.37%,排名第二的是信息傳輸、軟件和信息服務業,達到全省的17.65%,與之相比采礦業、教育業在境內上市公司一個都沒有,而數量最少的則是住宿、餐飲行業,僅有兩家,占比0.33%。由此可見,省內各行業上市公司的分布極度不平衡。各行業在全省所占比例如表1所示。

表1 行業分類表

3 廣東省上市公司總部空間分布特征

3.1 廣東省上市公司總部的空間分布

在改革開放的時代引領下,由于廣東省地勢優越,同時有國家的大力扶持,數十年來經濟飛速發展,省內出現了深圳、廣州兩座超大城市,經濟發展遠超其他城市,上市公司數量在全國都是名列前茅,但由于地理位置的差異性,也有河源、清遠等比較落后的城市,城市經濟蕭條落后,上市公司數量較少,省內產業分布極其不均衡。

如表2所示,省內存在深圳、廣州兩大超級城市,上市公司在全省所占百分比分別為48.37%、17.48%,已經超過全省上市公司總量的一半,而茂名市、云浮市等全市內都只有一家上市公司。

表2 各地級市上市公司總部數量

由圖1可以看出,清遠市、河源市、汕尾市等全市內更是一家上市公司都沒有,整體分布呈現出以深圳、廣州為中心的雙核分布格局。由此可見,廣東省內的經濟、人文、資源等在省內的分布極其不平衡。

圖1 廣東省上市公司總部分布[審圖號為粵S(2020)006號]

如圖2、圖3所示,2009、2014、和2019年廣東省內上市公司總部分布的重心分別是(113.91,22.81),(113.95,22.80),(113.97,22.82)。2009年及2014年的重心都位于深圳市光明區、2019年重心位于東莞市臨深片區,隨著時間逐漸向西遷移,逐漸向雙核之外發展,整體呈聚集性形態,但從總體來看,廣東省上市公司總部重心變化較輕微,一直都保持著以廣州、深圳雙核帶動周邊的發展模式,整體上一直保持著“西南-東北”的分布模式,是廣東省上市公司總部空間分布的主導方向。如圖2所示,2009年的橢圓面積最大,長軸與短軸的差值也最大,說明相比2014、2009年兩年上市公司的總部分布更加分散,而后面兩年的橢圓面積逐步減小,說明從2009年到2019年這10年來,廣東省上市公司總部的整體分布呈現出愈加集中的現象,同時,分布的重心始終距離廣州、深圳較近。總而言之,廣東省內部上市公司總部的分布呈現出極大的不平衡性,始終圍繞著廣州、深圳這兩大超級城市發展,同時,分布的重心也無明顯的大區域移動,都表明其空間分布趨于聚集。

圖2 標準差橢圓[審圖號為粵S(2020)006號]

圖3 橢圓重心分布

3.2 廣東省上市公司總部的聚集性分析

通過上文對廣東省上市公司總部方向分布上的測度,然后利用GeodDa計算出2009、2014、2019年廣東省內上市公司聚集水平的全局Moran′s I,分別為0.386、0.419、0.435,均在1%的水平上通過顯著性檢驗,而且數值越來越大,說明其聚集性越來越強,與上文所得的結果一致,同時進一步表現出上市公司總部并不是完全隨機分布的,其明顯是有很大的聚集性,而且這種聚集性發展在逐步加強。

4 廣東省上市公司空間分布的影響因素分析

本文研究的是上市公司總部的空間分布通過對其方向分布以及聚集性的分析,發現其整體的空間分布具有異質性,故而對其影響因素的分析采用地理加權回歸(geographically weighted regression,GWR)模型進行實證。本次研究采用的是2019年廣東省上市公司,研究樣本為廣東省內各地級市。

4.1 變量的選取

根據以往的研究,學者們對于企業區位的分布主要是通過其所屬城市的各方面屬性探討其分布特點,學者們認為城市交通、人口、經濟、規劃以及城市的規模等因素對企業分布的影響很大。

基于以上討論,本文將從交通便利性、人口數量、經濟發展情況、城市發展規模四個方面對上市公司的分布進行研究。于此,四個方向合理選擇指標,其中城市等級根據行政級別、城市發展規模等進行賦值,廣州作為省會城市賦值為3,深圳為特區發展城市賦值為2,東莞、中山等較為發達城市賦值為1.5,其他城市賦值為1。選取四項指標對其進行考量，各變量具體如表3所示。

表3 相關變量及具體指標

4.2 模型構建

考慮到各項指標數值差異過大,單位不一,為避免計算結果存在異方差,本文先對各項變量數值進行歸一化,然后再進行對數處理,盡量消除異方差的影響。故本文將研究模型設定如下：

(5)

4.3 實證結果

4.3.1全局OLS模型

在進行GWR模型計算之前,本文先用普通最小二乘法(ordinary least squares,OLS)模型初步測定各變量對于廣東省整體上市公司分布的影響,同時檢驗所選各個指標的合理性,利用2019年各項指標數據對其進行全局OLS回歸,分析結果如表4所示。

表4 全局普通最小二乘法回歸估計結果

回歸結果顯示，R2(決定系數)=0.646、調整R2=0.489 1、AICc(赤池信息準則)=22.563，得到的全局擬合效果一般,四項指標均對上市公司發展起正向作用,四個變量共線關系較低,所選指標較為合理,但只有地區生產總值和人口密度兩項指標在10%，其他兩項變量都不顯著。

4.3.2GWR模型

對于上市公司總部分布的影響,OLS模型只是對全局的一個“平均回歸”,并不能體現其局部空間分布各方面的影響因素,因此需要再利用GWR模型研究各個變量對上市公司空間分布的空間異質性。分析結果如表5所示。

表5 地理加權回歸模型系數

回歸結果顯示，R2=0.764、調整R2=0.642、AICc=20.074，同時從表5可以看出，變量的系數值具有明顯浮動,說明省內不同地區上市公司分布影響因素存在著顯著差異,而調整后的R2和AICc值明顯優于OLS模型,這充分說明GWR模型更適用于此次分析。

從最后結果可以看出，各個變量對于上市公司的發展都起正向作用,通過變量回歸系數的平均值,發現地區生產總值對于上市公司分布的影響最大,城市等級的影響最小,對于聚集中心廣州、深圳兩大超級城市四項指標的回歸系數都較大,從各個變量展開來看,在地區經濟發展水平方面,對深圳市影響最大(0.443 8),對茂名市的影響最小(0.163 3);從交通便利性來看,對梅州市的影響程度最大(0.213 3),對陽江市的影響程度最小(0.047 8);從地區常住人口來看,對深圳市的影響最大(0.462 7),對潮州市的影響最小(0.113 7),從城市等級來看,對全省整體的影響程度都比較低,其中對廣州市的影響最大(0.131 5),對東莞市的影響最小(0.037 2)。

總而言之,對廣東省內上市公司總部的分布情況,這四項指標都對其起正向作用,但是對省內不同地區的分布情況,每個變量對其影響程度不一,有很強的空間異質性。

5 結束語

本文以廣東省作為研究對象,首先利用標準差橢圓研究廣東省省上市公司總部從2009—2019年10年來的發展情況,同時也測度了其在省內的方向分布,再對廣東省2009、2014、2019年用空間自相關的方法,討論其空間分布的聚集性,最后基于以上結果利用GWR模型考察廣東省內上市公司總部空間分布的影響因素,最后得出以下結論：①廣東省內上市公司總部的分布方向大致為“西南—東北”,其十年來發展重心無明顯變化;②廣東省內上市公司總部具有很強的聚集性,以廣州、深圳為中心的雙核向周邊輻射發展的模式;③經濟發展水平、交通便利性、城市常住人口、城市等級都對廣東省內的上市公司發展起正向促進作用,只是基于不同地理位置,各項因素對不同地區的影響程度不一。其中，地區生產總值對深圳、廣州等超大城市影響最大,而交通便利性則對于梅州、河源等接近山區較為落后的城市影響程度最大,對其他沿海城市影響較小,而城市等級對于省會城市廣州影響比較大,相對而言,人口密度對于上市公司總部的分布比較平均,不同地區影響程度落差不大。總而言之,在這幾個因素的相互影響下,導致了廣東省內各地區上市公司發展的不平衡,造成了極大的地域差異性。