复杂性 复杂性 1099 - 0526 1076 - 2787 Hindawi 10.1155 / 2020/8859706 8859706 研究文章 位置的空间集聚的特征和原因分析上市公司:一个实证研究中国的长江经济带 孟 得雨 1 https://orcid.org/0000 - 0002 - 2054 - 7623 魏 Guoen 2 https://orcid.org/0000 - 0003 - 2924 - 786 x 太阳 Pingjun 3 李 花椒 1 管理学院 青岛农业大学 青岛266109年 中国 qau.edu.cn 2 地理与海洋科学学院 南京大学 南京210023 中国 nju.edu.cn 3 地理科学学院 西南大学 重庆400700 中国 southwest.edu 2020年 10 12 2020年 2020年 12 9 2020年 14 11 2020年 28 11 2020年 10 12 2020年 2020年 版权©2020得雨濛et al。 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。

加强城市发展活力和优化配置区域工业因素需要综合分析的上市公司,如整体分销网络,集聚演化趋势,工业化布局,和驱动机制。使用1624年a股上市公司在中国的长江经济带作为研究领域,本研究综合趋势面分析(TSA),探索性空间数据分析(ESDA),标准差椭圆(SDE)和空间回归模型方法。主要结果如下:(1)的总体数量规模的上市公司长江经济带取得了显著增长,但位置选择的空间差异依然存在。空间配置形成一个层次城市分布格局与长江三角洲地区的集聚核心和省会城市为支点。(2)上市公司加快长江三角洲地区的扩张。成都、武汉、长沙等中西部省会城市逐渐增加该地区的吸引力。高和新低城市群集聚的主要形式。(3)有显著差异的位置选择上市公司不同专业化水平,形成一个相对不同的疏远高价值分布结构在不同行业类型。(4)知识溢出的水平、城市规模、水平和政策支持是主要因素影响上市公司的位置选择过程在长江经济带。低级城市网络很少有上市公司、城市规模和知识溢出水平显著的总部经济发展的决定因素。 For high-level city network, along with the level of knowledge spillovers and policy support, globalization level has an important contribution to the shaping of the location advantages of attracting the layout of listed companies.

 中国国家自然科学基金 41501173 西南大学 SWU019020 1。介绍

随着跨境贸易和新兴技术革命的兴起,主导生产要素投入已逐渐从资本和劳动力转移到创新,技术,和信息。上市公司越来越多地提供关键支持,区域组织参与全球市场竞争的新常态下经济发展。这些企业已成为一种新型的“马车”,在现代国民经济和促进可持续发展起到了主要的作用指导技术开发。他们也基本在整合科技发明,促进产业升级,满足社会发展需求的区域产品开发链( 1]。上市公司是一个以市场为导向的现代企业形成的各种生产要素的集聚。它反映了水平的资本证券化和直接融资能力的特定区域,在某种程度上,代表了一个国家或地区的主导地位在全球分工体系和国际创新模式( 2, 3]。

影响区域政策的调整和企业经营战略的变化,上市公司的位置选择和分布规律在新兴发展中国家的代表,近年来中国一直在持续地变化。这导致了产业创新力量和生产集聚模式的变化和创造了一个激励影响地区生产要素的优化配置和奖励机制。空间集聚研究地点上市公司尤为重要新兴经济体的增长时期资本市场( 4]。密度的进化和发展,规模和操作性能主流研究领域分析上市公司的空间集聚,使用各种方法,例如核密度( 5)、空间自相关( 6),基尼系数( 7),和区位商 8]。大部分研究集中于国家,国家、省级( 2, 9)和没有足够的重视,新城市的吸引力形式的变化(例如,城市群、大城市和经济腰带)位置选择的上市公司。此外,适应城市化的快速发展和城市新兴国家的分级系统是复杂和困难的。因此,与多个方法建立一个全面的分析框架研究是至关重要的位置空间集聚的上市公司新的城市群。

随着所带来的机遇和挑战新兴经济体的产业结构的转换,在城市发展和上市公司的基本角色升级的工业园区不断改进;最近的研究集中在加强区域位置对上市公司的吸引力和传动机构的分析上市公司的位置选择 10, 11]。城市地理位置,经济繁荣,知识溢出效应,以出口为导向的经济规模是总部的空间布局的关键元素。社会学和管理的内部和外部的结构元素(例如,企业家的投资动机,政策支持,创新奖励的企业,和示范驾驶规模集聚效应)也被视为重要组成部分( 6, 12]。的驱动机制研究,地理空间元素的影响上市公司的空间集聚的位置很难使用传统方法分析,如最小二乘回归和面板托比特书回归。因此,探索空间依赖的驱动力的位置选择上市公司有必要优化上市公司的布局结构和制定招商策略的工业园区和区域加强位置的吸引力。

研究区是长江经济带(YEB),在中国经济密度最高的地区之一,涵盖11个省级行政区,即上海、江苏、浙江、安徽、江西、湖北、湖南、四川、重庆、云南、贵州(图 1)。该地区的总经济价值高和相当大的工业部门 13, 14]。创新和创造力的充满活力的氛围已经形成一个空间经济集群的上市公司基于国家中心城市(如上海、武汉、重庆、成都)和城市群(如长江三角洲,长江中游城市群的,和成渝城市群)( 15]。地区差异的位置选择的上市公司和地区总部经济发展的“路径依赖效应”越来越明显,将挑战城市要素资源的分配和YEB地区产业的可持续发展 7]。因此,衡量上市公司的空间集聚演化,探索位置选择的驱动机制成为一个重要的基础上促进工业合理布局的因素,实现整体YEB地区的经济可持续发展。

地理位置的地图YEB地区。

基于区域协调发展和企业管理的概念构建的分析框架”模式evolution-typical alienation-driving机制,“趋势面分析(TSA),探索性空间数据分析(ESDA),标准差椭圆(SDE)和位置系数模型(LQM)是用来分析空间凝聚体的位置特征的上市公司。GIS技术和空间回归模型用于分析空间集聚的驱动机制,影响上市公司从整体的角度来看,“典型的地区”(区域城市网络的分层系统基于上市公司的数量)。本研究拟重点解决两个研究问题:(1)的空间集聚的演化特征的位置选择YEB地区上市公司;(2)明确探索城市网络的关键因素与不同尺度YEB地区上市公司吸引和培养上市公司。通过解决这些问题,本研究旨在提供一个基础完全理解的空间偏好和时间变化的位置选择YEB地区的上市公司,并提供有针对性的建议改善上市公司的网络化布局YEB地区以及不同级别的城市网络在提高上市公司的吸引力和形状位置工业集聚的区位优势。

 2。材料和方法 2.1。研究方法

本研究采用“模式evolution-typical alienation-driving机制”框架(图 2),是由两个主要组件:(1)模式进化和(2)典型的异化和驱动机制。在模式演化分析,上市公司研究的空间集聚特征的整体分销网络,集聚演化趋势,工业化布局使用GIS空间插值、趋势面分析、探索性空间数据分析方法,标准差椭圆和区位商。为典型的异化和驱动机制分析,基于聚类分布的上市公司,“典型的地区”分为两种类型,低级城市网络和一些上市公司高层网络与大量的上市公司,这是作为城市的基础,不同尺度的上市公司采取有针对性的战略发展总部经济。OLS模型、空间滞后模型、空间误差模型用来分析空间集聚的驱动机构的上市公司对整个地区和“典型地区。“每个方法的研究思想和功能如图 2。

研究思路框架。

 2.1.1。趋势面分析

趋势面是一种近似的处理结果。这种方法适合观察点的趋势线形式的梯度在正交平面上形成的趋势<我talic> X轴和<我talic> Y轴,可以模拟空间分布趋势的差异南北和东西方向的上市公司。公式如下: (1) z 我 x 我 , y 我 = T 我 x 我 , y 我 + ε 我 , (在哪里<我talic> x 我,<我talic> y 我)是平面空间坐标;<我talic> x和<我talic> y代表了东西和南北方向在地理空间中,分别。<我talic> z 我(<我talic> x 我,<我talic> y 我)是上市公司的数量。<我talic> T 我(<我talic> x 我,<我talic> y 我)代表的上市公司数量的趋势值的范围。趋势面工具在ArcGIS软件是用于描述观测值的趋势( 16]。

 2.1.2。探索性空间数据分析

(1)全局空间自相关。全局空间自相关方法用于分析上市公司的空间集聚。全球莫兰我指数能反映地理要素分布的空间自相关,这是由以下表达式: (2) 莫兰的 我 = ∑ 我 = 1 n ∑ 我 = 1 n W 我 j x 我 − x ¯ x j − x ¯ ∑ 我 = 1 n x j − x ¯ 2 ∑ 我 = 1 n ∑ j = 1 n W 我 j , 在哪里<我talic> 我和<我talic> j在该地区的上市公司的数量和<我talic> W ij是一个空间权重矩阵。莫兰的我价值观在范围之内的[1]。当价值是正的,观察在空间分布呈正相关,值是负的,相关性是负的。当该值为0,观测值的分布是随机的。

(2)局部空间自相关。可以使用局部空间自相关,全面反映空间集聚的区域差异性。在这项研究中,我们使用本地莫兰我测试的区域变异性的上市企业的空间集聚,给定的表达式 (3) 当地莫兰 我 = x 我 − x ¯ 年代 2 ∑ j = 1 n W 我 j x j − x ¯ , 年代 2 = 1 n ∑ 我 = 1 n x 我 − x ¯ 2 。

积极的索引值表明region-adjacent单位是接近一个聚集相似的值。指数为负时,相邻的单位是异构的。

 2.1.3。标准差椭圆

该方法主要包括三个要素:角<我talic> θ长轴标准差,极震区标准差,用于反映地理集中的程度,主要分布方向,重心的迁移方向YEB地区的上市公司。重心坐标的公式 (4) X ¯ w = ∑ 我 = 1 n w 我 x 我 ∑ 我 = 1 n w 我 , Y ¯ w = ∑ 我 = 1 n w 我 y 我 ∑ 我 = 1 n w 我 , 这样,(<我talic> x 我 y 我)是省级单位和的空间位置<我nline-formula> w 我 是省级的空间重量单位。

 2.1.4。区位商的专业化水平

区位商方法是用来测量位置选择上市公司偏好不同的专业化水平的行业分类下YEB地区( 8]。我们使用上市公司的总营业收入数据的测量指标和整个行业分为劳动密集型产业、资本密集型产业和技术密集型产业基于Dongcai行业分类。具体分类规则如下:上市公司在家用电器、食品和饮料、服装和纺织品、贸易和零售、轻工制造业属于劳动密集型产业。上市公司在房地产、钢铁、公用事业、基础化工、建材、有色金属、交通被归类为资本密集型产业。上市公司在国防军事工业、机械设备、计算机、汽车、医学生物学和计算机网络是属于技术密集型行业。

 2.1.5节讨论。回归分析模型

全面回归模型来分析影响因素的空间集聚特征YEB地区上市公司和“典型地区。”的方法包括使用OLS模型、空间误差模型(SEM),和空间滞后模型(SLM)并选择最优模型的基础上,拟合优度,施瓦兹的标准,和Akaike信息标准。OLS模型是传统的基于最小二乘法的回归模型。SEM关注难以察觉的变量之间的空间相关性,可以检测错误条件之间的空间相互影响。SLM强调邻里效应和关注的是忽略了空间因变量之间的相互依存和可以检测空间距离对行为的影响( 17]。OLS模型的公式不介绍了。SLM,公式如下: (5) y = σ w 我 j y 我 + x 我 β + ε 我 , ε 我 ∼ N 0 , σ 2 我 , 在哪里<我talic> y是上市公司的数量在城市;<我talic> x是影响上市公司的布局影响因素;<我talic> β回归模型的系数,与空间集聚的影响因素解释力的上市公司;和<我talic> ε是一个随机错误。

SEM给出的表达式 (6) y = x 我 β + λ w 我 j ε j + μ 我 , 在哪里<我talic> λ的参数和残差之间的空间相关性强度<我talic> μ 我是一个随机扰动项。

 2.2。数据源

在这项研究中,所有的a股上市公司(2008年704家企业,1624家公司2017年)沿着YEB总共126个城市地区使用的分析,研究从2008年到2017年。研究起点(2008)恰逢全球金融危机的开始,分析的空间集聚特征和原因YEB地区上市公司在金融危机时期。地市级城市作为研究的基本地理单元。属性信息、证券代码、行业类别,和城市主要是从上市公司的选择,风,在中国和CSMAR数据库,并附加相应的公司的空间信息。额外的数据空间分布影响因素来自城市统计年鉴和统计公报。

 3所示。结果 3.1。的时空演化的位置空间集聚的上市公司 3.1.1。总体布局网络分析

数据 3和 4目前上市公司的空间集聚沿着YEB区域在不同的省份和地区。上市公司主要集中在长江三角洲地区,形成一个层次区域布局网络长江三角洲地区集聚的核心,长江作为主要的链接,和省会城市为支点。为给定的研究期间,YEB地区的上市公司的数量迅速增长,从704年2013年2008年和1097年到1624年的2017人。在长江三角洲地区,上市公司占63.2%(2008),67.9%(2013),71.6%(2017)的研究区域。上海,江苏,浙江有领导YEB地区总部经济的可持续发展。相比之下,贵州、重庆、云南、江西、和其他中西部省份经济发展相对缓慢的上市公司少。这表明,上市公司的位置选择YEB地区具有显著的地区差异,总部设在各省的经济发展是不平衡的。在长江三角洲地区总部经济一直积极扩张,可能由于经济实力等因素的优势和经济外部性。上市公司的规模在省会城市也显著增长。2008年,上海和杭州的前沿的上市公司的数量。 By 2017, the listed companies in Chongqing, Chengdu, Changsha, Wuhan, Nanjing, and other provincial capital cities have increased in magnitude from the third echelon to the second echelon. This suggests that as the provincial capital cities continue to siphon resource elements (e.g., technology, labor services, and capital), the location’s attractiveness is increasing for listed companies.

上市公司的分配的省份YEB地区早在2008年,2013年和2017年。

上市公司的分销网络在城市YEB地区在2008年(a), 2013 (b)和(c) 2017。

图 5显示了上市公司的分布趋势。YEB地区上市公司表现出下面的空间分布趋势:“公司的数量是西南高东北低。“东西方向提出了u型结构两端和中间倾斜。结果还表明,随着时间的推移,东部地区的上升势头已经减速。上市公司的总体数量规模在中部和西部地区比东部较弱的地区,但是这种差距明显缩小。在南北方向,倾斜线从南到北,斜率的价值随着时间的推移逐渐减少。这表明上市公司的总体数量规模大于北部地区在南部地区,这种差异随时间减少。这个收缩规模差距的北部和南部地区可能与浙江总部经济的快速发展和湖南两省。

上市公司的趋势分布在2008年(a), 2013 (b)和(c) 2017。

 3.1.2。空间集聚演化分析

(1)上市公司的增长趋势进化分析。图 6显示数量增长的进化趋势转移上市公司基于增量减法的综合部门和自然断点分类方法。城市YEB地区分为四类:不变区域(0),增长缓慢(1 - 15),快速增长(15-45),和极端的增长(45 - 90)。增长结构而言,我们发现,上市公司的数量增长结构YEB地区相对稳定,与大多数分为不变或增长缓慢。不变区域的面积的比例是51.9%,2008 - 2013和2013 - 2017年的时间,而那些增长缓慢的比例分别为44.3%和38.9%,分别。的空间特征,转移规模分类显示显著的区域异质性。快速增长和极端的增长主要集中在长江三角洲地区,上海和杭州是核心,形成核心的外围结构增量梯度衰减。这反映了城市梯度差异和年级的核心边缘扩散效应位置的吸引力。中西部地区经济增长缓慢的城市空间支离破碎。随着时间的推移,上市公司的数量规模增加了在许多城市,包括成都、武汉、长沙,趋势进化模式的上市公司在中部和西部地区逐渐形成集聚的省会城市。

上市公司数量增长趋势的分类YEB地区2008 (a)和(b) 2017。

(2)空间集聚的趋势分析和浓度范围的上市公司。表 1总结了全球自相关指数的变化,和图 7提出了局部自相关的进化趋势,空间重心。空间集聚的演化分布,结果显示显著的空间集聚趋势,与高新低城市群分布在东部和西部地区,分别。在全球自相关分析,全球莫兰的索引值为2008,2013年和2017年是0.128,0.228,和0.283,分别。的<我talic> z以及价值观已经成为更重要的,这反映了不断增加的空间浓度YEB地区的上市公司。在当地自相关分析,我们采用自然断点的方法来组织城市分为四种类型根据当地莫兰我指数:高(HH)聚集,新低(LL)聚集,高低(HL)聚集,低(LH)聚集。HH和LL YEB地区城市群是占主导地位的集聚类型,分布在东部和西部地区,分别。拥有充满活力的教育和金融、技术和信息领域,长江三角洲地区具有较强的地理的吸引力,形成HH集聚区在上海,杭州,南京,正逐渐蔓延至南方。由于经济基础的薄弱位置条件和工业商业环境在云南和四川南部,西部地区整体发展总部经济的限制,和相对稳定的会集聚群体已经形成。此外,镇江、泰州、扬州、马'anshan,宣城,和其他城市组成了LH集群由于相对差距与高价值领域的业务和金融环境。受到可能的影响因素,如行政区划、地形隔离,和疲软的工业合作的中部和西部地区,武汉、长沙、成都、贵阳、昆明,和其他省会城市与其他城市的联系不足。总部经济仍然疲弱的空间扩散效应,形成一个HL集聚与分散分布。

全球莫兰我空间集聚指数的上市公司在YEB地区。

2008年 2013年 2017年
莫兰的我 0.129 0.228 0.283
Σ(<我talic> 我) 0.00059 0.00073 0.0008
Z(<我talic> 我) 5.616 8.699 10.323

请注意。σ(<我talic> 我)是方差。

分类、空间集聚空间重心(国网公司)和标准差椭圆YEB地区上市公司(SDE) 2008 (a) (b) 2013, (c) 2017。

空间重心的演变而言,上市公司的发展中心从西部向东部沿海,转移和迁移的速度逐渐放缓。30.46°之间的空间重心改变-30.52°N和116.25°-117.19°E和沿着“western-central-eastern”在安庆城的方向,安徽。重心的迁移速度下降从10.45公里/年(2008 - 2013)到9.28公里/年(2013 - 2017)。标准差椭圆移向东随着空间重心的迁移,并从606750公里面积减少2538234公里2。空间重心是椭圆的中心由高浓度的上市公司在该地区,和它的运动可以反映出高价值的延伸方向组与大量的上市公司。空间重心逐渐向东移动和椭圆范围继续向东传播,全面显示有吸引力的优势创造的经济强度高,金融服务水平,技术创新环境在东部沿海地区仍是上市公司在强化阶段。与此同时,上市公司的空间重心的迁移速度东已经减慢,这是符合的结论是,东部地区的上升趋势的空间分布趋势分析已经放缓,表明,政策的基础上改进结构和区域发展环境、中西部地区仍将有机会表现出逐渐优化的空间集聚竞争优势的竞争在未来上市公司。

 3.1.3。工业化的空间演化位置布局的上市公司

图 8反映上市公司之间的空间集聚特征与不同的专业化水平使用区位商的方法从不同的行业类型和逆距离加权(IDW),和传说中的指数反映了上市公司在每个地区的专业化水平。结果表明,劳动密集型的上市公司与专业化水平逐渐从珠链分布扩散成片状分布模式。2008年,有三个主要的珠链,即Chengdu-Mianyang, Changsha-Zhuzhou-Xiangtan-Yueyang,和长江三角洲地区南京、上海和宁波为中心。2017年,片状高价值集聚区域长江三角洲逐渐形成,与上海、杭州和南京为核心和宁波,苏州,和其他地方的侧翼。向外扩张的趋势和集成在Chengdu-Mianyang Chongqing-Guiyang连锁店持续增加,符合中国的高质量的劳动力迁移的趋势(即。,转移到东部沿海和省会城市)和劳动密集型企业的转型向高专业化的长江三角洲。

专业化的空间集聚水平的上市公司三种主要工业类型(a、d、g) 2008;(b、e、h) 2013;2017 (c、f i)。

高资本密集型的上市公司与专业化水平倾向于聚集在长江三角洲地区,形成一个布局结构多集中在东部比西部。2008 - 2017年,受长江三角洲一体化战略和地区资本因素配置管理经验,资本密集型的上市公司越来越多的聚集在长江三角洲地区,逐渐形成一个集群分布模式与上海为核心和杭州、宁波、嘉兴、苏州的系列支持。在中西部地区,只有成都,重庆,长沙,鹰潭,其他地方有相对高的专业化,表现出明显的偏振分布特征。

技术密集型上市公司与专业化水平蜷缩在省会城市和城市群和大都市地区周围的扩散加速。2008年,高度专业化上市公司表现出一个支离破碎的模式,只有位于中心城市,如成都、长沙、杭州、南京和上海。2013年,分布面积高度专业化水平的技术密集型上市公司形成以武汉城市圈为湖北省边界。2017年,支离破碎的结构改变,高价值的地区在东部地区向南和向西扩张,覆盖长江三角洲的城市群。由于跨界合作技术密集型企业,创建一个高度专业化集群技术密集型的上市公司在成渝城市群。城市群和大都市地区已经成为技术密集型的首选上市公司与专业化水平。

 3.2。影响上市公司位置空间集聚驱动机构

上市公司的生产经营需要储备大量的科技人才( 18),城市工业经济的规模很大程度上决定了区域产业链的完善程度( 19),经济开放的程度和地理位置影响企业对外贸易合作的便利和跨国经营 7]。此外,地方财政支持的力量和政策环境决定了基础设施的现代化程度和政策激励,影响上市公司的运营成本 5]。在此基础上,我们选择的因素影响上市公司的位置空间集聚,例如城市规模、全球化水平,技术输入、知识溢出和政策支持。使用以下参数:区域GDP,实际利用外资总额支出科技、高等教育机构的数量和总一般行政费用。虚变量,基于城市行政级别(地市级城市的“1”,“2”为省会城市,“3”为中央直辖市),被用来反映地理位置参数。指标的细节提出了表的总结 2。得到了这些指标的数据主要来自2017年中国统计年鉴》和《中国城市统计年鉴》,以省、市、市统计年鉴。分析分部传动机构,我们“典型地区”分为低级城市网络(0-20)和高级城市网络(20 - 300)基于城市上市公司的数量(见图 4)。空间集聚的驱动因素的综合分析可以实现对YEB地区和“典型的地区,“为了澄清城市网络的关键要素与不同数量的上市公司实现总部经济发展。

在模型中使用的驱动因素的细节。

驱动因素 定义 指示器
城市 在某种程度上,影响着上市公司的生存和发展环境 国内生产总值
全球化 影响企业开展跨境合作的便利在技术、资本、生产、操作、和劳务 实际利用外资
技术 在某种程度上,决定了产业转型和产品的缓解上市公司的力量 科学技术支出总额
知识 影响企业的production-university-research合作和创新的氛围 普通高等学校的数量
政策 影响公司的布局和业务战略的顺利实施 公众政府的预算支出
位置 一个城市的管理水平直接关系到资源元素的浓度和地区社会和经济活动 行政级别

请注意。“城市”是城市规模;“全球化”是全球化水平;“技术”是指技术输入;“知识”是指知识溢出的水平;“政策”是政策支持的水平;和“位置”指的是地理位置。

表 3总结了SLM和SEM回归分析的计算结果。OLS回归模型配合很差(<我talic> R平方是小;AIC和SC都大于SLM和SEM),主要是因为它未能考虑上市公司的空间维度的影响。SLM和扫描电镜结合延迟和错误条件的框架可以解释上市公司的空间分布之间的关系和各种驱动因素。结果表明,在整个地区和“典型地区”,SLM和SEM都是重要的在0.1%的水平。扫描电镜的对数似值和AIC和SC值小于SLM;扫描电镜的<我talic> R2也比较好。这些发现表明,空间布局上的不确定因素的影响,上市公司不能忽视,SEM是更适合在解释上市公司的空间分布的影响因素,因此用于后续分析。

SLM和SEM的结果每个维度的回归分析。

水平的数量
SLM 扫描电镜
一个 b c 一个 b c
城市 19.385<我nline-formula> ∗ ∗ ∗ 7.334<我nline-formula> ∗ ∗ ∗ 12.247<我nline-formula> ∗ ∗ 20.756<我nline-formula> ∗ ∗ ∗ 7.654<我nline-formula> ∗ ∗ ∗ 8.344<我nline-formula> ∗
全球化 1.862<我nline-formula> ∗ −0.982<我nline-formula> ∗ 7.399<我nline-formula> ∗ 2.527<我nline-formula> ∗ −0.966<我nline-formula> ∗ 14.32<我nline-formula> ∗ ∗
技术 −17.336<我nline-formula> ∗ ∗ ∗ −3.901<我nline-formula> ∗ ∗ −24.783<我nline-formula> ∗ ∗ ∗ −20.327<我nline-formula> ∗ ∗ ∗ −3.66<我nline-formula> ∗ ∗ −27.073<我nline-formula> ∗ ∗ ∗
知识 27.995<我nline-formula> ∗ ∗ ∗ 5.541<我nline-formula> ∗ ∗ ∗ 35.974<我nline-formula> ∗ ∗ ∗ 29.737<我nline-formula> ∗ ∗ ∗ 5.055<我nline-formula> ∗ ∗ ∗ 37.815<我nline-formula> ∗ ∗ ∗
政策 15.732<我nline-formula> ∗ ∗ ∗ 2.575<我nline-formula> ∗ ∗ 21.291<我nline-formula> ∗ ∗ 17.225<我nline-formula> ∗ ∗ ∗ 2.999<我nline-formula> ∗ ∗ 15.471<我nline-formula> ∗ ∗
位置 −15.657<我nline-formula> ∗ ∗ ∗ 2.332<我nline-formula> ∗ ∗ −26.892<我nline-formula> ∗ ∗ −17.931<我nline-formula> ∗ ∗ ∗ 1.953<我nline-formula> ∗ ∗ −21.025<我nline-formula> ∗ ∗
平方 0.928 0.732 0.951 0.935 0.735 0.956
对数似 −387.062 −186.632 −75.277 −383.633 −186.396 −74.6621
另类投资会议 790.125 389.265 166.554 781.267 386.793 163.324
SC 811.508 408.992 174.11 799.977 404.054 169.935
N 107年 88年 19 107年 88年 19

请注意。一个表明YEB地区;<我talic> b表明低级城市网络;<我talic> c显示高级城市网络。<我nline-formula> ∗ ∗ ∗ p < 0.01 ;<我nline-formula> ∗ ∗ p < 0.1 ;<我nline-formula> ∗ p < 0.05 。AIC准则意味着Akaike信息;SC的施瓦兹的标准。

整个地区而言,三大因素是知识溢出水平(<我talic> B= 29.737),城市规模(<我talic> B= 20.756)和水平的政策支持(<我talic> B= 17.225)。这表明,高校交付高质量的智力资源,为企业创新人才,上市公司的位置选择至关重要。城市规模积极影响地区经济实力、基础设施建设水平,消费市场容量,和现代服务水平,确保业务操作的可靠性。高水平的政策支持可以帮助政府项目的有效实施和市场操作。它还可以做出贡献的为企业提供金融支持,促进市场的公平竞争,并鼓励跨国合作战略。结果还表明,回归系数对技术发展水平和地理位置是−−20.327和17.931,分别。这表明,虽然技术输入和长沙的地理位置、武汉、成都、宁波、苏州、台州、和其他在长江三角洲城市外没有最优,上市公司的数量的巨大增长削弱了这两个因素的总体影响。

低级城市网络的一些上市公司,这两个主要因素是城市规模(<我talic> B= 7.654)和知识溢出水平(<我talic> B= 5.055)。这表明强烈依赖低级城市网络规模的城市。城市,特别是在中西部地区,应该优先考虑提高行业支持的能力和经济发展对总部经济的发展力量。知识溢出的影响是有关上市公司的智力资源和技术能力需求。在大多数城市的中部和西部地区,有限的资源在大学和高素质人才的相对稀缺性可以显著抑制城市的吸引力吸引集聚的上市公司。

高级城市网络与大量的上市公司,三大决定因素是知识溢出水平(<我talic> B级别(= 37.815),政策支持<我talic> B= 15.471),全球化水平(<我talic> B= 14.32)。随着产业结构的加速转型升级高级城市网络,industry-university-research合作需求,技术创新人才,教育资源越来越成为现代高端工业体系的关键。同样,强有力的政策支持的影响表明,政策有关城市群规划和城市建设有相当大的影响塑造高级城市的区位优势网络。优质的政府服务和工作效率的提高提供了重大贡献上市公司的商业环境。全球化水平的影响是著名因为高层城市网络有一个更高层次的专门化,强烈要求国际劳工和跨国技术合作。全球化的程度越高,越参与全球产业分工体系,可以帮助企业提高在海外市场的竞争力和市场知名度。

 4所示。讨论 4.1。总体布局结构分析

GIS空间插值和TSA方法被用来研究地点选择YEB地区上市公司的特点,显示了空间分布的网络与长江三角洲地区的上市公司为核心和下面的分布趋势:“公司的数量是西南高东北低,“类似于先前的研究的结果( 6, 8, 12]。验证这个差距在总部经济发展的东部和西部地区之间YEB地区和重申了长江三角洲的重要优势在吸引上市公司( 20.]。上市公司的规模在省会城市的重庆、成都、长沙、武汉、南京等城市迅速增加在研究结束的时期。这表明,区域发展战略和金融支持政策,基于所使用的省会城市为核心,已经取得了显著的结果加强上市公司的位置的吸引力。为了提高YEB地区总部经济,政府必须认识到上市公司空间位置选择过程的差异,帮助改善长江三角洲地区的经济辐射能力和省会城市周围的城市。

 4.2。空间集聚演化分析

研究结果表明,上市公司YEB地区有一个明显的“马太效应”。“上市公司长江三角洲地区作为他们总部的首选位置,其次是省会城市。位置在中西部地区其他城市的吸引力不够,形成严格的城市等级增长阶( 21]。空间自相关分析表明,上市公司的空间集聚YEB地区已经逐渐增加,表明城市大规模的上市公司有能力辐射经济活动和可以形成协调发展结构与周边城市。空间重心从西方转移到东方的海岸,但迁移的速度放缓。这些发现强调了力量培养和吸引东部地区的上市公司的总部。结果还表明,政府政策的转变,建设策略和资源再分配向中西部地区近年来增强竞争力和吸引力的地区总部经济的发展。行业的专业化水平的分布表明,上市公司高专业化倾向于聚集在东部城市,省会城市和城市群。因为现代城市系统往往能更好地解决区际资源分配和业务交互,他们更有可能加强专业发展的联合部队。

 4.3。驱动因素分析

相比以前的研究的结果发现区域经济规模的主要决定因素,我们的研究表明,知识溢出的水平已经成为了主要因素影响上市公司的位置选择YEB地区( 4]。这就意味着,在知识经济的时代,知识资源成为上市公司创造财富的关键因素,提高市场竞争力 22]。城市规模的重要影响和知识溢出水平低级城市网络表明,加强他们的工业建设能力和投资在科学和教育资源是吸引上市公司的空间集聚的关键。这支持了中国当前的优惠政策向中西部地区的发展。全球化被发现产生重大影响高层城市网络,这反映了一个至关重要的要求上市公司在东部地区跨国业务和合作。为了进一步发展总部经济为这个特殊的城市类型,产业链的垂直整合和扩展必须加强,和跨国发展战略必须实现改善国际分工地位。

 4.4。政策影响

在postepidemic时代,全球经济和金融格局正面临深度调整;YEB地区的上市公司也有许多问题,如不平衡空间集聚布局和重要的东部和西部之间的差距,这使得它迫切需要依靠上市公司,加快资源整合和产业创新,实现区域经济的协调发展和工业实力。(1)知识溢出水平,城市规模和水平的政策支持为整体地区起着重要的作用。城市YEB地区应加快建设school-enterprise production-education-research联盟和集成,加强在教育、金融投资,培养企业管理人才和技术研究团队。与此同时,政府应该关注全球金融市场的变化,加快国内金融体系的改革和创新,提供良好的政策环境对上市公司的发展。(2)知识溢出水平,政策支持的水平,和全球化布局做出突出贡献的上市公司高层城市网络。为代表的东部城市,上海,杭州,南京,应该在培养高端国际人才发展,创建一个高度有利的商业环境,推动工业国际化。同时,有必要融入国家的建设策略,如长江经济带和皮带和道路倡议,依赖于跨区域与城市工业园区加强联盟合作在提高辐射中西部地区,总部经济的主要影响。新兴城市的中西部地区,由重庆、武汉和成都,应该关注更多的工业园区和城市群的建设和加强合作的企业清单,跨区域操作,与边际城市和产业链建设,巩固自己的位置的吸引力。(3)城市规模和知识溢出水平是最关键因素培养和吸引上市公司的布局在低级城市网络为代表的中小城市在中部和西部地区。 These cities should focus on improving their own industrial capacity, vigorously connect with the construction strategy of urban agglomeration and metropolitan area, transform industrial comparative advantages into city economic advantages, actively cultivate their talent teams, improve basic conditions for regional development, and attract the industrial transfer and spatial layout of listed companies.

 5。结论

YEB本研究把所有a股上市公司为研究对象,建立了框架”模式evolution-typical alienation-driving机制,“探索空间集聚的发展和上市公司从2008年到2017年的驱动机制。一个集成的系统开发方法;它结合了趋势面分析,探索性空间数据分析,标准差椭圆,SEM回归,和SLM的回归分析。研究的主要结论如下。

的位置选择上市公司逐渐形成了一个空间分布在长江的联系网络,省会城市作为支点,长江三角洲地区作为集聚的核心。上市公司持续的布局的空间差异,显示下面的空间分布趋势:“公司的数量是西南高东北低。”

YEB地区形成了一个严格的城市等级增长秩序。上市公司的数量在大多数城市不变或增长缓慢。在中西部地区,转移规模的模式都在省会城市的发展逐渐形成。空间自相关分析表明,上市公司的空间集聚已变得更为明显。HH和LL城市群的主要集聚类型和发现YEB主要在东部和西部地区的区域。空间重心和椭圆的范围已经从西方转移到东部海岸,和高度专业化的位置选择上市公司三大产业类型之间的显示差异很大(即。劳动密集型、资本密集型和技术密集型)。

知识溢出水平、城市规模、水平和政策支持的主要驱动因素是吸引YEB地区的上市公司。低级城市网络与一些上市公司严重依赖城市规模和知识溢出水平。在高级城市网络,除了知识的溢出效应和政策支持,全球化的水平被发现是一个至关重要的驱动机制。

基于不平衡的空间集聚趋势显示YEB地区上市公司和主导因素影响上市公司在不同城市的分布网络,提出了有针对性的发展建议,如加快school-enterprise联盟和production-education-research一体化建设,依靠工业园区和城市群建设,加速跨区域合作,提高产业发展能力。

本研究仍有一些局限性,可以改善在将来的研究中。首先,我们对位置的空间集聚特征的分析上市公司没有考虑分布的元素,如智力资产、利润水平、债务结构。其次,由于数据采集困难,一些驱动因素被忽视,如地理地形、企业家的选择偏好,和区域市场状况。尽管有这些研究的限制,本研究能够建立的框架”模式evolution-typical alienation-driving机制”,探讨了关键因素吸引YEB地区上市公司在不同的水平。结果可以为地方政府提供一个有用的参考优化的条件吸引投资和城市基础设施的整体协调和可持续发展,促进总部经济YEB地区。

 数据可用性

研究数据用于支持本研究的发现可以从相应的作者。

 的利益冲突

作者宣称没有利益冲突有关的出版。

 确认

特别感谢将从EditX专业语言编辑服务。这项研究是由中国国家自然科学基金的项目批准号下41501173,西南大学的项目和人才引进计划,批准号SWU019020。

 Maditinos D。 Sevic Z。 Tsairidis C。 智力资本与企业绩效:希腊上市公司的实证研究 欧洲研究杂志》 2017年 3 145年 168年 大米 m D。 里昂 d . I。 地域的企业决策和控制:开发、应用程序和在总部位置研究未来的发展方向 地理指南针 2010年 4 4 320年 334年 10.1111 / j.1749-8198.2009.00319.x 2 - s2.0 - 77957121477 Garcia-Algarra J。 Bengoechea G·G。 Mouronte-Lopez m . L。 减少贸易不平等:一个基于网络的评估 复杂性 2020年 2020年 9 1593215 10.1155 / 2020/1593215 李 l 李 c . M。 戴 z . X。 研究时空变化和机制在中国的上市公司 测绘科学 2019年 44 324年 329年 赵 j . P。 陆 m . H。 空间分布的特点和影响因素的上市公司总部在北京 经济地理 2020年 40 12 20. 张 l 张 H。 杨 H。 空间分布模式的上市公司在中国的总部 可持续性 2018年 10 7 2564年 10.3390 / su10072564 2 - s2.0 - 85050262229 王 h·F。 张 X。 熊 X。 中国生物产业的空间集聚和变化趋势:基于上市公司的实证数据分析 经济地理 2018年 38 101年 107年 钟 y . X。 傅 Y。 郭 w·D。 空间格局演变和中国上市公司的驱动因素 Scientia Geographica中央研究院 2018年 38 485年 494年 欧盟 年代。 500强企业的空间分布地区、县匈牙利,重复分析 区域统计 2017年 7 148年 170年 顾 C。 胡 l 库克 i G。 在1949 - 2015年:中国的城市化进程和驱动力 中国地理科学 2017年 27 6 847年 859年 10.1007 / s11769 - 017 - 0911 - 9 2 - s2.0 - 85029448276 Manniste M。 Hazak 一个。 Listra E。 欧洲上市公司的股价反应全球信贷紧缩:类型学的赢家和输家 国际贸易经济学和金融杂志》上 2014年 2 478年 483年 10.7763 / ijtef.2011.v2.152 林 j . Y。 研究区域分布演化的特点,在中国上市公司的路径依赖 上海经济研究 2018年 37 43 徐 X。 杨 G。 棕褐色 Y。 刘 J。 胡 H。 生态系统服务的权衡,决定因素在中国长江经济带从2000年到2015年 科学的环境 2018年 634年 1601年 1614年 10.1016 / j.scitotenv.2018.04.046 2 - s2.0 - 85045579161 李 Y。 邵 H。 江 N。 城市空间格局的演变在长江经济带:基于多源遥感数据 可持续性 2018年 10 10.3390 / su10082733 2 - s2.0 - 85051085419 钟 Y。 林 一个。 他 l 周 Z。 元 M。 时空动态和城市土地利用扩张的驱动力:长江经济带的案例研究,中国 遥感 2020年 12 2 287年 10.3390 / rs12020287 王 H。 左 R。 比较研究的趋势面分析和spectrum-area多重分形模型来确定地球化学异常 《地球化学勘查 2015年 155年 84年 90年 10.1016 / j.gexplo.2015.04.013 2 - s2.0 - 84929956413 李 F。 王 X。 刘 H。 经济发展提高城市绿化吗?在中国289个城市的证据使用空间回归模型 环境监测和评估 2018年 190年 1 19 10.1007 / s10661 - 018 - 6871 - 4 2 - s2.0 - 85051852459 太阳 Z。 肖 l . P。 工业的特点,公司治理和公司的研发投资,证据从战略性新兴产业上市公司的股票在中国 经济管理杂志》 2015年 8 23 34 太阳 y . M。 孟 x W。 研究宏观经济环境、行业特点和零债务行为的上市公司 宏观经济学 2019年 2 33 45 李 J。 黄 X。 关颖珊 M.-P。 杨 H。 揣 X。 城市化对二氧化碳排放的影响效率的长江三角洲,中国 《清洁生产 2018年 188年 38 48 10.1016 / j.jclepro.2018.03.198 2 - s2.0 - 85052133590 Aksel E。 探索通过总部经济发展:土耳其的大型工业企业的空间分布及其对城市系统的影响 专业地理学家 2015年 68年 138年 148年 10.1080 / 00330124.2015.1059402 2 - s2.0 - 84949624358 Venanzoni G。 卡卢奇 M。 Salvati l 潜在的扩张模式和企业的空间分布在欧洲南部城市 城市 2017年 62年 50 61年 10.1016 / j.cities.2016.12.008 2 - s2.0 - 85007578836