地方國有企業數量時空演變特征及其影響因素分析

蔚麗杰，王志寶，龐玉建

（1.山東師范大學 地理與環境學院，山東 濟南 250358；2.山東省濟寧生態環境監測中心，山東 濟寧 272000）

0 引言

作為中國經濟的支柱，國有企業在建設社會主義市場經濟、鞏固社會主義制度等方面具有不可替代的戰略性作用。新中國成立以來，國有企業促進了中國快速實現工業化和現代化。隨著一系列國有企業改革的推進，中國國有企業正逐漸向著更好更多元方向快速發展。目前，國有企業的發展規劃和布局對增強國有企業實力、提升國家經濟實力具有深遠的意義。2021年，中國國有企業營業總收入達到75.56萬億元，利潤總額達到4.52萬億元［1］。

現有關于國有企業的研究主要側重于企業改革、企業創新、市場競爭等方面。怎樣改革、如何改革成為當下討論的熱點。研究層面多居于宏觀［2］和微觀層面改革［3］，認為提高自生能力是國有企業改革的根本方法［4］。從制度入手，改革中國特色現代國有企業制度［5］，建立以產權制度為基礎、公司治理為核心、三項制度為重點的現代化企業制度是現階段國有企業改革的緊迫任務［6］；鼓勵國有企業積極參與國內外市場競爭［7］；受市場競爭的影響［8］，通過放權，促進國有企業的創新［9］，改變國有企業創新效率損失情況［10］，大幅度增加國有企業創新動力和效率［11］。

在企業空間分布研究中，“區位論”是最早關于企業空間分布的理論，認為運費、勞動費和集聚（分散）區位是決定生產場所布局的影響因素［12］。現有研究大多從視角、空間分布、區位選擇等方面分析企業的區域與布局差異。除傳統研究方法外，地理探測 器［13，14］和 大 數 據［15-17］等 也 逐 漸 引 入 到 企 業 的 布局研究中。空間分布、企業區位選擇、企業異質性一直是關注重點。利用計量工具進行可視化分析，發現高速網絡交通通達水平的提高是導致波士頓周圍制造業向外圍地區擴散的重要因素［18］；中心地城市空間功能轉變使得美國和澳大利亞的制造業從城市中心向郊區運動［19，20］；以北京原料藥企業的外遷為例，在新古典經濟學方法下討論制度對工業企業區位選擇的影響［21］；對特定產業集群調查發現，在集群區域的周圍都會存在專業化的市場，集群的出現會使生產要素自由流動并降低開支成本［22］；在異質性企業區位選擇理論及演進過程中，通過歸納區位內生選擇的作用機理和選擇效應，總結在區位選擇下的最優化問題［23］。研究視角從傳統制造業升級的分布、影響因素、集聚分散及特點［24-26］向現代的不同區域和不同類型的創新產業企業［27-29］、高新技術企業的集群化轉移［30］和空間分布格局［31］、現代服務業［32-35］等方向轉變。少量研究從地理學的角度探討了中央國有企業的空間布局受到內部推力和外部拉力的影響，區域內政策強度與中央國有企業的數量存在正相關性，且其變動與政策調整具有一致性［36，37］。

總體而言，基于國有企業的特有屬性，多傾向于從管理學、經濟學角度探究其內部結構、組織構成和發展狀況，鮮有從經濟地理學的角度進行時空演變等方面的研究。從經濟地理學視角分析國有企業的空間分布特征，探究支撐國有企業發展的有利因素，既能進一步完善相關企業發展理論，又能為國有企業的發展和空間布局提供決策參考。

綜上，本文基于2009—2019年中國31個省份數據，運用空間探索分析方法，分析中國地方國有企業的時空分布及演變特征，并通過空間計量模型分析其影響因素，嘗試在時空維度上對地方國有企業發展格局進行探索，以豐富我國經濟地理學、企業地理學的相關研究。

1 研究方法和數據來源

1.1 研究方法

空間自相關模型：空間自相關可以觀察地方國有企業在全局和局部空間的關聯關系，能夠揭示在全國范圍內國有企業分布的集聚與分散情況。全局Moran's I指數用于判斷國有企業空間分布在區域內是否存在集聚，Moran's I∈［-1，1］。在給定的顯著性水平下，Moran's I＞0表示國有企業分布呈現集聚趨勢；Moran's I＜0表示國有企業分布呈現離散趨勢；Moran's I＝0表示國有企業隨機分布，不存在空間自相關。全局Moran's I的公式為：

式中：n為空間單元個數，即省區數量（n＝31）；xi和xj分別表示在空間單元i和j中的國有企業數量為研究區域內部所有單元的國有企業的平均數值；wij為i、j區域的空間權重系數，體現空間單元i、j區域在空間中的關系。在空間內如果鄰接則為1，否則為0；S為空間權重矩陣之和。

式中：n為空間單元個數（n＝31）；xi和xj分別為屬性x在空間單元i和j上的值；wij為空間單元i和j之間的空間權重。

空間計量模型：最小二乘法模型（OLS）僅考慮各研究因素之間的關系，并不考慮空間聯系、空間依賴和空間異質性對研究的影響。基于最小二乘法模型，本文又將空間計量模型運用到研究中。空間計量模型是將區域間的相互關系引入到計量模型中，通過空間權重矩陣，對經典回歸模型進行更好的擬合。考慮到相鄰地區國有企業情況可能會對本地區國有企業數量產生影響，本文選用空間滯后模型（Spatial Lag Model，SLM）和空間誤差模型（Spatial Error Model，SEM）來討論變量之間的關系。

空間滯后模型：表示一個變量不僅受到自身的解釋變量的影響，還會受到其他空間的同一變量的空間溢出效應的影響。計算公式為：

式中：Y為被解釋變量矩陣；X為解釋變量矩陣；ρ為空間自回歸系數；β為參數向量；W為空間矩陣（主對角線元素全為0，也表示不同空間中的同一變量的相關性）；ε為隨機擾動項。

空間誤差模型：該模型用于表示其他遺漏變量對空間個體存在空間相關性，或者隨機誤差項對空間個體之間也存在空間相關性。空間擾動項會與空間總體相關，即：某空間的變動會同空間效應影響到其他空間。計算公式為：

式中：ε為隨機擾動項；λ為空間誤差系數；u為正態分布的隨機誤差項。

1.2 數據來源

考慮到政策對國有企業分布產生影響，早期相關政策都以國家層面為主，少有省份對國有企業規劃與安排，無法衡量在國家和省級雙重影響下對國有企業分布產生的影響。故選擇2009年作為本文的研究時限起點。本文選取中國31個省份（研究區域范圍未包含我國香港特別行政區、澳門特別行政區和臺灣地區）2009—2019年的國有企業數量作為研究樣本。

相關數據主要來自《中國國有資產監督管理年鑒（2010—2019年）》《中 國 財 政 年 鑒（2010—2020年）》《中國高新技術產業統計年鑒（2010—2019）》《中國統計年鑒（2010—2020年）》。地方國有企業數量數據來自《中國財政年鑒（2010—2020年）》；中央所屬國有企業情況數據來源于國資委官方網站（http：//www.sasac.gov.cn/）；政策數據來自中國知網政府文 件（https：//r.cnki.net/kns/brief/result.aspx？dbprefix＝gwkt）檢索。

2 國有企業時空演變特征

2.1 時空演變特征

通過對2009—2019年中國國有企業總數、中央國有企業數量和地方國有企業數量統計分析（圖1）發現，中國國有企業數量始終保持著較為平穩的增長趨勢，中央國有企業數量逐漸趨于穩定，地方國有企業數量保持穩步增長。2009年，中國國有企業數量約有11.1萬戶，到2019年已超過20萬戶，其年均增加率達到6.93%/年。2009年，地方國有企業數量約為8.6萬戶，2019年增至15.5萬戶，年均增加率約為6.07%/年。2009年，中央國有企業數量為2.5萬戶，2019年已超過6萬戶，年均增加率達到9.51%/年。在中國國有企業組成中，地方國有企業戶數始終保持著絕對優勢。2009年地方國有企業比重最高，占中國國有企業總數的77.48%。隨著中央國有企業的占比不斷增加，地方國有企業的占比持續降低，在2014年達到最低，占比為65.84%。中央國有企業的占比從2009年的22.52%增長到2014年的33.55%，達到最高值。隨著近幾年企業重組和兼并，中央國有企業數量增長速度逐漸放緩。2019年，中央國有企業總數達6.2萬戶，占比約為28.57%。

圖1 2009—2019年全國、中央和地方國有企業匯編企業戶數Figure 1 The scale of enterprise households compiled by national，central and local SOEs，2009-2019

選取2009、2014和2019年3個時間節點的地方國有企業分布情況，并嘗試將其劃分為4個階段：當某省份的地方國有企業數量處于0—2800戶時，認為該省份處于第一階段；當某省份的地方國有企業數量處于2801—5600戶時，認為該省份處于第二階段；當某省份的地方國有企業數量處于5601—8400戶時，認為該省份處于第三階段；當某省份的地方國有企業數量超過8400戶時，認為該省份處于第四階段（表1）。

表1 2009—2019年中國地方國有企業匯編企業戶數Table 1 The scale of local state-owned enterprises in China，2009-2019

整體來看，各省份地方國有企業數量分布存在較大差異，地域分布呈現“東密西疏”特點。2009年，絕大多數省份都處于第一和第二階段，其中河北、內蒙古、遼寧等17個省份處于第一階段，北京、天津、山西等12個省份處于第二階段，第一階段和第二階段占比分別為54.84%和38.71%。處于第一階段的省份主要分布在東北、中部和西部地區，僅有海南屬于東部地區。處于第三階段和第四階段的省份主要分布在東部沿海地區。2014年，處于第一階段的省份數量減少，遼寧、安徽、重慶和云南由第一階段升至第二階段；黑龍江的國有企業數量出現減少，由第二階段降至第一階段；處于第二階段的省份數量未發生變化，但存在內部省份變動；處于第三階段的省份數量增至3個，分別是北京、浙江和山東；原處于第三階段的廣東升至第四階段。2019年，處于第一階段的省份減少至7個，僅有吉林、海南、西藏、甘肅、青海、寧夏和新疆，所占比重降至22.58%；處于第二階段的省份數量增至14個，新增的省份分別是河北、內蒙古、黑龍江、江西、湖北、湖南和貴州。山西、江蘇、福建、四川和陜西由第二階段升至第三階段；處于第四階段的省份數量增至4個，除上海和廣東外，新增加了浙江和北京，占比由原先的6.45%增至12.90%。

2.2 全局空間相關特征

利用GeoDa12.0計算2009—2019年中國地方國有企業的集聚情況。選擇距離權重矩陣來考察地方國有企業數量分布的空間關聯特征，采用Moran's I指數，對地方國有企業分布的全局空間相關性進行檢驗，結果如表2所示。2009—2019年，Moran's I指數在0.246—0.341區間內波動變化，P值都明顯低于0.05，說明Moran's I均通過了顯著性檢驗，地方國有企業在分布上存在相對集聚的現象，即地方國有企業數量分布較多的省份和地方國有企業數量分布較少的省份在空間上存在相對聚集。2009—2012年，全局Moran's I指數處于0.297—0.341之間，存在小幅度的波動上升變化趨勢。2013—2014年，出現了小幅度波動上升。2015—2017年，全局Moran's I指數由0.308快速降至0.246，但2018—2019年全局Moran's I指數處于穩定狀態，始終保持在0.260左右。整體來看，2009—2019年，中國31個省份的地方國有企業集聚情況雖然存在波動，但總體上保持穩定。

表2 2009—2019年地方國有企業分布的Moran's I估計值Table 2 Moran's I estimate value of the distribution of local state-owned enterprises，2009-2019

2.3 局部空間相關特征

按照局部空間自相關方法，結合ArcGIS10.2計算中國地方國有企業的Getis—Ord指數值，分成7級（圖2）。

圖2 2009—2019年中國地方國有企業分布冷熱點Figure 2 Cold and hot spots distribution of local state-owned enterprises in China，2009-2019

地方國有企業熱點區域主要分布在我國東部沿海地區，主要集中在上海、安徽、江蘇、湖北、河南、山東等省份，冷點區域主要集中在我國西部內陸及邊遠地區，主要涉及青海和西藏兩省區。從3個階段來看，熱點地區范圍呈現出先縮小后穩定的特點，而冷點地區呈現隨機化的特點。2009—2019年，熱點地區從北京、天津、河北、山西、山東、河南、湖北、安徽、江蘇、上海10個省份逐漸減少為山東、河南、湖北、安徽、江蘇、上海6個省份，北京、天津、河北和山西4個省份在2014年退出熱點地區，安徽在2019年由0.99置信水平轉變為0.95置信水平。熱點地區的變動反映出湖北、河南、安徽、江蘇、上海、山東等省份在地方國有企業發展方面的實力和未來的潛力。這說明東部地區在地方國有企業空間布局和地方國有企業數量方面發揮了重要作用。冷點地區主要分布在我國西部地區，且冷點程度在不斷變化，冷點地區范圍及數量存在波動。2009年，只有青海為冷點地區；2014年，西藏也成為冷點地區，冷點地區范圍增加；2019年，冷點地區范圍縮小，青海退出冷點地區，僅有西藏仍為冷點地區。整體來看，地方國有企業分布冷熱點區域范圍逐漸穩定，多區域內部變動，中國地方國有企業在空間分布上已形成集聚模式，且持續穩定發展。

3 國有企業數量分布的影響因素

3.1 指標選取

現有研究多從社會、經濟、創新、基礎設施等［38-43］方面分析企業集聚的影響因素。因此，本文從社會、人口、經濟、創新、基礎設施5個層面，并考慮到國有企業的數量與政策等因素之間存在密切關系，最終選取國有企業政策（GP）、總撫養比（DR）、勞動力比重（LR）、國內生產總值（GDP）、人均專利（PP）、城鎮化率（UR）和汽車貨運水平（LY）7個指標來探究影響地方國有企業數量分布的因素（表3）。為了直觀了解數據的基本信息，對影響地方國有企業數量的影響因素進行描述性統計（表4）。與此同時，對模型中選用的被解釋變量國有企業數量（SOE）和解釋變量GP、DR、LR等，進行散點圖擬合（圖3）發現，國有企業政策（GP）、經濟發展水平（GDP）、城鎮化水平（UR）等因素之間呈現比較明顯的相關性關系，勞動力比重（LR）等部分變量的相關性情況并不特別顯著。因此，為了更好地判斷各影響因素的影響作用機制，選擇對各影響因素取對數處理，并通過建立模型的方法研究影響系數和方向情況。

圖3 各解釋變量與地方國有企業數量的擬合曲線Figure 3 Fitting curve of each variable and local state-owned enterprises'number

表3 指標選取與選取依據Table 3 Index and its selection basis

表4 變量的描述性統計Table 4 Descriptive statistics of variables

2009—2019年的Moran's I指數顯示，中國地方國有企業在空間分布上總體呈現顯著性的集聚狀態。因此，在討論地方國有企業數量的影響因素時，考慮社會、人口、經濟、創新和基礎設施5個方面因素的同時，也應考慮到空間效應對地方國有企業數量的影響。因此，本研究最終選擇最小二乘法模型（OLS）、空間誤差模型（SEM）和空間滯后模型（SLM）來探究它們之間的關系［44，45］。

3.2 結果分析

對各影響因素進行回歸與空間計量檢驗，結果表明空間計量模型擬合結果優于最小二乘法（OLS）。空間計量模型的擬合優度（R2）為0.997，而OLS模型的擬合優度（R2）0.876，這說明模型對解釋變量的解釋程度越高。空間計量模型自然對數似然函數值分別是47.926、36.120，明顯高于OLS模型的-2.599。在自然對數似然函數值方面，數值越大，選用的模型就越顯著。故而，空間滯后模型（SLM）優于空間誤差模型（SEM）。再根據拉格朗日乘數及其穩健情況下的乘數判斷，數值越大，擬合效果越好。SEM沒有通過顯著性檢驗，而SLM的數值大于SEM，且通過顯著性檢驗（表5）。因此，空間計量模型估計結果更優，而在空間計量模型中應選擇空間滯后模型（SLM）作為最優模型，以其系數結果作為參考和分析依據。

表5 模型估計結果Table 5 Model estimation results

在不考慮空間各變量相互作用的情況下，運用傳統OLS進行回歸對國有企業影響因素進行分析，結果如表5所示。從表5可見，在OLS模型結果中，國有企業政策、人均專利和國內生產總值通過了檢驗。國有企業政策通過10%的顯著性檢驗，人均專利在5%的顯著性水平下通過了檢驗，國內生產總值在1%的顯著性水平下通過了檢驗。在考慮空間的相互作用后，影響地方國有企業數量的主要因素依次為國有企業政策、總撫養比、勞動力、國內生產總值和汽車貨運水平。

國有企業政策發揮著具有影響力的正向作用。國有企業政策回歸系數為正，通過了1%的顯著性檢驗，說明企業政策會對國有企業產生正相關，即：國有企業政策數每增加1%，國有企業數量會增加0.04%。隨著國有企業改革的深入，相關指導性政策也相繼出臺，由具有普適性的宏觀指導政策轉向具有地區針對性的微觀政策。政策的出臺更有具體性和執行性，能夠為國有企業提供詳細化的指導意見，為國有企業更好布局提供指引和方向。同時，通過企業重組整合、專業化推進、并購重組等方法，增強國有企業的核心競爭力并提升資源配置效率。

經濟發展水平發揮著顯著且持久的正向作用。經濟發展水平與企業發展的關系密不可分。經濟發展水平在1%水平下顯著，且為正值，即：GDP每增加1%，國有企業數量會增加0.08%，這表明經濟發展水平對國有企業具有促進作用。地方國有企業的數量與經濟發展水平有密切的關系，經濟發展水平條件優越，市場廣闊，地方國有企業數量就越多。經濟發展水平、發展規模和發展速度的不同會對國有企業的發展營造不同外部環境，積極的經濟環境會助力于地區國有企業合理優化布局，經濟下行會給國有企業帶來挑戰。積極的經濟發展水平對優化國有企業資本布局起到促進作用，能夠提高企業產品供給質量、增強企業活力、提高企業話語權，同時能夠發揮好國有企業維護市場秩序的職能。經濟壓力較大則會導致國有企業資源向優勢企業集聚，落后企業將被市場淘汰，增加國有企業穩定市場、提供社會保障的壓力，不利于國有企業的發展。

不同年齡的人口比重對地方國有企業發展存在不同的響應。總撫養比與勞動力比重都通過了顯著性檢驗，即：總撫養比增加1%，國有企業就會降低0.13%。社會勞動力負擔重的地區，不利于企業的發展，勞動力比重每增加1%，國有企業數量會提高0.03%。現階段勞動力數量仍對國有企業產生影響，隨著時間推移，對勞動力的需求會由數量向質量方面的轉變。勞動力數量和質量的提升有助于擴大國有企業規模、改善企業結構、提高競爭力和科技能力。隨著高等教育和職業教育的普及與推廣，勞動力質量和素質遠高于從前。高素質勞動力會推動國有企業的發展，推動國有企業向知識、技術密集型轉變。隨著企業的發展與壯大，企業對勞動力的需要，尤其是高質量、高學歷和高層次勞動力的需求將不斷增加。因此，無論是從勞動力素質還是從勞動力質量方面，都會對企業的發展起到推動作用。

現階段科技創新情況存在正向作用但不顯著。科技創新水平均為正向作用，但未通過顯著性檢驗，可能是因為所選指標無法反映整體地區的科技發展水平情況；同時，科技創新的投入和成果產出需要時間，但不能忽視其對國有企業的影響。專利數量影響著國有企業在市場中的地位，進而影響國有企業數量。近年來，國有企業已經成為國家科技創新的主力軍，在航空航天、重型裝備制造業等領域取得亮眼成績。改變國有企業傳統經營模式，提高生產效率，改變資源利用方式，提高發展質量，對實現國有企業快速發展具有重要意義。同時，科技創新通過積累創新知識、增強企業對資源的把控能力等方式促進企業的結構升級。科技水平的提高可以促進新興產業的產生與發展，加速落后和老舊企業退出市場，快速淘汰落后產能或創造新的產能，推動企業快速轉型與升級。地方國有企業積極投身市場參與競爭并主動創新，實現高質量發展。

基礎設施對地方國有企業發展影響力水平并不明顯。城鎮化水平未通過顯著性檢驗，即城鎮化對國有企業數量不存在顯著影響。國有企業因其自身的特殊性質，在布局和發展中會充分考慮對當地的影響力和帶動水平，進而帶動地方。因此，當地的城鎮化水平高低與國有企業的發展沒有顯著性關聯。汽車貨運水平呈現負相關性：一方面是數據選取原因；另一方面是由于高鐵、互聯網、物流產業的發展，傳統的汽車貨物運輸雖然仍占據物流交通的重要地位，但也受到其他交通方式的沖擊。汽車貨運對國有企業數量的影響情況越來越小，且公路的建設漸漸趨于飽和狀態，汽車貨運情況可能會影響國有企業布局，但在未來可能不再是影響國有企業數量及分布的決定性因素。

4 結論

本文以中國31個省份為研究區域，綜合運用空間自相關、冷熱點分析等方法探究了2009—2019年國有企業分布的時間和空間演變特征；基于各因素對國有企業數量的影響，本文運用空間滯后模型探究了各因素對國有企業發展的影響機制。主要結論如下：①全國和地方國有企業數量持續增加，中央國有企業數量增長趨于穩定。各省份國有企業數量存在較大差異，分布呈現“東密西疏”的特點。②國有企業冷熱點地區分布相對集聚，熱點區域主要位于東部沿海地區，集中在上海、安徽、江蘇、湖北、河南、山東等省份；西部內陸及邊遠地區為主要冷點地區，涉及青海和西藏地區。熱點地區經歷了先縮小后穩定的變化過程，而冷點地區呈現內部隨機化的特點。③國有企業政策、國內生產總值、勞動力比重對國有企業數量存在顯著性的正向影響，總撫養比和汽車貨運水平對國有企業數量存在負面影響。人均專利、城鎮化率對國有企業數量沒有表現出具有顯著性的影響，國家政策的頒布和實施具有明顯的時效性和滯后性，經濟因素始終對國有企業數量存在顯著性的正向影響。