地方国有企业数量时空演变特征及其影响因素分析

蔚丽杰，王志宝，庞玉建

（1.山东师范大学 地理与环境学院，山东 济南 250358；2.山东省济宁生态环境监测中心，山东 济宁 272000）

0 引言

作为中国经济的支柱，国有企业在建设社会主义市场经济、巩固社会主义制度等方面具有不可替代的战略性作用。新中国成立以来，国有企业促进了中国快速实现工业化和现代化。随着一系列国有企业改革的推进，中国国有企业正逐渐向着更好更多元方向快速发展。目前，国有企业的发展规划和布局对增强国有企业实力、提升国家经济实力具有深远的意义。2021年，中国国有企业营业总收入达到75.56万亿元，利润总额达到4.52万亿元［1］。

现有关于国有企业的研究主要侧重于企业改革、企业创新、市场竞争等方面。怎样改革、如何改革成为当下讨论的热点。研究层面多居于宏观［2］和微观层面改革［3］，认为提高自生能力是国有企业改革的根本方法［4］。从制度入手，改革中国特色现代国有企业制度［5］，建立以产权制度为基础、公司治理为核心、三项制度为重点的现代化企业制度是现阶段国有企业改革的紧迫任务［6］；鼓励国有企业积极参与国内外市场竞争［7］；受市场竞争的影响［8］，通过放权，促进国有企业的创新［9］，改变国有企业创新效率损失情况［10］，大幅度增加国有企业创新动力和效率［11］。

在企业空间分布研究中，“区位论”是最早关于企业空间分布的理论，认为运费、劳动费和集聚（分散）区位是决定生产场所布局的影响因素［12］。现有研究大多从视角、空间分布、区位选择等方面分析企业的区域与布局差异。除传统研究方法外，地理探测 器［13，14］和 大 数 据［15-17］等 也 逐 渐 引 入 到 企 业 的 布局研究中。空间分布、企业区位选择、企业异质性一直是关注重点。利用计量工具进行可视化分析，发现高速网络交通通达水平的提高是导致波士顿周围制造业向外围地区扩散的重要因素［18］；中心地城市空间功能转变使得美国和澳大利亚的制造业从城市中心向郊区运动［19，20］；以北京原料药企业的外迁为例，在新古典经济学方法下讨论制度对工业企业区位选择的影响［21］；对特定产业集群调查发现，在集群区域的周围都会存在专业化的市场，集群的出现会使生产要素自由流动并降低开支成本［22］；在异质性企业区位选择理论及演进过程中，通过归纳区位内生选择的作用机理和选择效应，总结在区位选择下的最优化问题［23］。研究视角从传统制造业升级的分布、影响因素、集聚分散及特点［24-26］向现代的不同区域和不同类型的创新产业企业［27-29］、高新技术企业的集群化转移［30］和空间分布格局［31］、现代服务业［32-35］等方向转变。少量研究从地理学的角度探讨了中央国有企业的空间布局受到内部推力和外部拉力的影响，区域内政策强度与中央国有企业的数量存在正相关性，且其变动与政策调整具有一致性［36，37］。

总体而言，基于国有企业的特有属性，多倾向于从管理学、经济学角度探究其内部结构、组织构成和发展状况，鲜有从经济地理学的角度进行时空演变等方面的研究。从经济地理学视角分析国有企业的空间分布特征，探究支撑国有企业发展的有利因素，既能进一步完善相关企业发展理论，又能为国有企业的发展和空间布局提供决策参考。

综上，本文基于2009—2019年中国31个省份数据，运用空间探索分析方法，分析中国地方国有企业的时空分布及演变特征，并通过空间计量模型分析其影响因素，尝试在时空维度上对地方国有企业发展格局进行探索，以丰富我国经济地理学、企业地理学的相关研究。

1 研究方法和数据来源

1.1 研究方法

空间自相关模型：空间自相关可以观察地方国有企业在全局和局部空间的关联关系，能够揭示在全国范围内国有企业分布的集聚与分散情况。全局Moran's I指数用于判断国有企业空间分布在区域内是否存在集聚，Moran's I∈［-1，1］。在给定的显著性水平下，Moran's I＞0表示国有企业分布呈现集聚趋势；Moran's I＜0表示国有企业分布呈现离散趋势；Moran's I＝0表示国有企业随机分布，不存在空间自相关。全局Moran's I的公式为：

式中：n为空间单元个数，即省区数量（n＝31）；xi和xj分别表示在空间单元i和j中的国有企业数量为研究区域内部所有单元的国有企业的平均数值；wij为i、j区域的空间权重系数，体现空间单元i、j区域在空间中的关系。在空间内如果邻接则为1，否则为0；S为空间权重矩阵之和。

式中：n为空间单元个数（n＝31）；xi和xj分别为属性x在空间单元i和j上的值；wij为空间单元i和j之间的空间权重。

空间计量模型：最小二乘法模型（OLS）仅考虑各研究因素之间的关系，并不考虑空间联系、空间依赖和空间异质性对研究的影响。基于最小二乘法模型，本文又将空间计量模型运用到研究中。空间计量模型是将区域间的相互关系引入到计量模型中，通过空间权重矩阵，对经典回归模型进行更好的拟合。考虑到相邻地区国有企业情况可能会对本地区国有企业数量产生影响，本文选用空间滞后模型（Spatial Lag Model，SLM）和空间误差模型（Spatial Error Model，SEM）来讨论变量之间的关系。

空间滞后模型：表示一个变量不仅受到自身的解释变量的影响，还会受到其他空间的同一变量的空间溢出效应的影响。计算公式为：

式中：Y为被解释变量矩阵；X为解释变量矩阵；ρ为空间自回归系数；β为参数向量；W为空间矩阵（主对角线元素全为0，也表示不同空间中的同一变量的相关性）；ε为随机扰动项。

空间误差模型：该模型用于表示其他遗漏变量对空间个体存在空间相关性，或者随机误差项对空间个体之间也存在空间相关性。空间扰动项会与空间总体相关，即：某空间的变动会同空间效应影响到其他空间。计算公式为：

式中：ε为随机扰动项；λ为空间误差系数；u为正态分布的随机误差项。

1.2 数据来源

考虑到政策对国有企业分布产生影响，早期相关政策都以国家层面为主，少有省份对国有企业规划与安排，无法衡量在国家和省级双重影响下对国有企业分布产生的影响。故选择2009年作为本文的研究时限起点。本文选取中国31个省份（研究区域范围未包含我国香港特别行政区、澳门特别行政区和台湾地区）2009—2019年的国有企业数量作为研究样本。

相关数据主要来自《中国国有资产监督管理年鉴（2010—2019年）》《中 国 财 政 年 鉴（2010—2020年）》《中国高新技术产业统计年鉴（2010—2019）》《中国统计年鉴（2010—2020年）》。地方国有企业数量数据来自《中国财政年鉴（2010—2020年）》；中央所属国有企业情况数据来源于国资委官方网站（http：//www.sasac.gov.cn/）；政策数据来自中国知网政府文 件（https：//r.cnki.net/kns/brief/result.aspx？dbprefix＝gwkt）检索。

2 国有企业时空演变特征

2.1 时空演变特征

通过对2009—2019年中国国有企业总数、中央国有企业数量和地方国有企业数量统计分析（图1）发现，中国国有企业数量始终保持着较为平稳的增长趋势，中央国有企业数量逐渐趋于稳定，地方国有企业数量保持稳步增长。2009年，中国国有企业数量约有11.1万户，到2019年已超过20万户，其年均增加率达到6.93%/年。2009年，地方国有企业数量约为8.6万户，2019年增至15.5万户，年均增加率约为6.07%/年。2009年，中央国有企业数量为2.5万户，2019年已超过6万户，年均增加率达到9.51%/年。在中国国有企业组成中，地方国有企业户数始终保持着绝对优势。2009年地方国有企业比重最高，占中国国有企业总数的77.48%。随着中央国有企业的占比不断增加，地方国有企业的占比持续降低，在2014年达到最低，占比为65.84%。中央国有企业的占比从2009年的22.52%增长到2014年的33.55%，达到最高值。随着近几年企业重组和兼并，中央国有企业数量增长速度逐渐放缓。2019年，中央国有企业总数达6.2万户，占比约为28.57%。

图1 2009—2019年全国、中央和地方国有企业汇编企业户数Figure 1 The scale of enterprise households compiled by national，central and local SOEs，2009-2019

选取2009、2014和2019年3个时间节点的地方国有企业分布情况，并尝试将其划分为4个阶段：当某省份的地方国有企业数量处于0—2800户时，认为该省份处于第一阶段；当某省份的地方国有企业数量处于2801—5600户时，认为该省份处于第二阶段；当某省份的地方国有企业数量处于5601—8400户时，认为该省份处于第三阶段；当某省份的地方国有企业数量超过8400户时，认为该省份处于第四阶段（表1）。

表1 2009—2019年中国地方国有企业汇编企业户数Table 1 The scale of local state-owned enterprises in China，2009-2019

整体来看，各省份地方国有企业数量分布存在较大差异，地域分布呈现“东密西疏”特点。2009年，绝大多数省份都处于第一和第二阶段，其中河北、内蒙古、辽宁等17个省份处于第一阶段，北京、天津、山西等12个省份处于第二阶段，第一阶段和第二阶段占比分别为54.84%和38.71%。处于第一阶段的省份主要分布在东北、中部和西部地区，仅有海南属于东部地区。处于第三阶段和第四阶段的省份主要分布在东部沿海地区。2014年，处于第一阶段的省份数量减少，辽宁、安徽、重庆和云南由第一阶段升至第二阶段；黑龙江的国有企业数量出现减少，由第二阶段降至第一阶段；处于第二阶段的省份数量未发生变化，但存在内部省份变动；处于第三阶段的省份数量增至3个，分别是北京、浙江和山东；原处于第三阶段的广东升至第四阶段。2019年，处于第一阶段的省份减少至7个，仅有吉林、海南、西藏、甘肃、青海、宁夏和新疆，所占比重降至22.58%；处于第二阶段的省份数量增至14个，新增的省份分别是河北、内蒙古、黑龙江、江西、湖北、湖南和贵州。山西、江苏、福建、四川和陕西由第二阶段升至第三阶段；处于第四阶段的省份数量增至4个，除上海和广东外，新增加了浙江和北京，占比由原先的6.45%增至12.90%。

2.2 全局空间相关特征

利用GeoDa12.0计算2009—2019年中国地方国有企业的集聚情况。选择距离权重矩阵来考察地方国有企业数量分布的空间关联特征，采用Moran's I指数，对地方国有企业分布的全局空间相关性进行检验，结果如表2所示。2009—2019年，Moran's I指数在0.246—0.341区间内波动变化，P值都明显低于0.05，说明Moran's I均通过了显著性检验，地方国有企业在分布上存在相对集聚的现象，即地方国有企业数量分布较多的省份和地方国有企业数量分布较少的省份在空间上存在相对聚集。2009—2012年，全局Moran's I指数处于0.297—0.341之间，存在小幅度的波动上升变化趋势。2013—2014年，出现了小幅度波动上升。2015—2017年，全局Moran's I指数由0.308快速降至0.246，但2018—2019年全局Moran's I指数处于稳定状态，始终保持在0.260左右。整体来看，2009—2019年，中国31个省份的地方国有企业集聚情况虽然存在波动，但总体上保持稳定。

表2 2009—2019年地方国有企业分布的Moran's I估计值Table 2 Moran's I estimate value of the distribution of local state-owned enterprises，2009-2019

2.3 局部空间相关特征

按照局部空间自相关方法，结合ArcGIS10.2计算中国地方国有企业的Getis—Ord指数值，分成7级（图2）。

图2 2009—2019年中国地方国有企业分布冷热点Figure 2 Cold and hot spots distribution of local state-owned enterprises in China，2009-2019

地方国有企业热点区域主要分布在我国东部沿海地区，主要集中在上海、安徽、江苏、湖北、河南、山东等省份，冷点区域主要集中在我国西部内陆及边远地区，主要涉及青海和西藏两省区。从3个阶段来看，热点地区范围呈现出先缩小后稳定的特点，而冷点地区呈现随机化的特点。2009—2019年，热点地区从北京、天津、河北、山西、山东、河南、湖北、安徽、江苏、上海10个省份逐渐减少为山东、河南、湖北、安徽、江苏、上海6个省份，北京、天津、河北和山西4个省份在2014年退出热点地区，安徽在2019年由0.99置信水平转变为0.95置信水平。热点地区的变动反映出湖北、河南、安徽、江苏、上海、山东等省份在地方国有企业发展方面的实力和未来的潜力。这说明东部地区在地方国有企业空间布局和地方国有企业数量方面发挥了重要作用。冷点地区主要分布在我国西部地区，且冷点程度在不断变化，冷点地区范围及数量存在波动。2009年，只有青海为冷点地区；2014年，西藏也成为冷点地区，冷点地区范围增加；2019年，冷点地区范围缩小，青海退出冷点地区，仅有西藏仍为冷点地区。整体来看，地方国有企业分布冷热点区域范围逐渐稳定，多区域内部变动，中国地方国有企业在空间分布上已形成集聚模式，且持续稳定发展。

3 国有企业数量分布的影响因素

3.1 指标选取

现有研究多从社会、经济、创新、基础设施等［38-43］方面分析企业集聚的影响因素。因此，本文从社会、人口、经济、创新、基础设施5个层面，并考虑到国有企业的数量与政策等因素之间存在密切关系，最终选取国有企业政策（GP）、总抚养比（DR）、劳动力比重（LR）、国内生产总值（GDP）、人均专利（PP）、城镇化率（UR）和汽车货运水平（LY）7个指标来探究影响地方国有企业数量分布的因素（表3）。为了直观了解数据的基本信息，对影响地方国有企业数量的影响因素进行描述性统计（表4）。与此同时，对模型中选用的被解释变量国有企业数量（SOE）和解释变量GP、DR、LR等，进行散点图拟合（图3）发现，国有企业政策（GP）、经济发展水平（GDP）、城镇化水平（UR）等因素之间呈现比较明显的相关性关系，劳动力比重（LR）等部分变量的相关性情况并不特别显著。因此，为了更好地判断各影响因素的影响作用机制，选择对各影响因素取对数处理，并通过建立模型的方法研究影响系数和方向情况。

图3 各解释变量与地方国有企业数量的拟合曲线Figure 3 Fitting curve of each variable and local state-owned enterprises'number

表3 指标选取与选取依据Table 3 Index and its selection basis

表4 变量的描述性统计Table 4 Descriptive statistics of variables

2009—2019年的Moran's I指数显示，中国地方国有企业在空间分布上总体呈现显著性的集聚状态。因此，在讨论地方国有企业数量的影响因素时，考虑社会、人口、经济、创新和基础设施5个方面因素的同时，也应考虑到空间效应对地方国有企业数量的影响。因此，本研究最终选择最小二乘法模型（OLS）、空间误差模型（SEM）和空间滞后模型（SLM）来探究它们之间的关系［44，45］。

3.2 结果分析

对各影响因素进行回归与空间计量检验，结果表明空间计量模型拟合结果优于最小二乘法（OLS）。空间计量模型的拟合优度（R2）为0.997，而OLS模型的拟合优度（R2）0.876，这说明模型对解释变量的解释程度越高。空间计量模型自然对数似然函数值分别是47.926、36.120，明显高于OLS模型的-2.599。在自然对数似然函数值方面，数值越大，选用的模型就越显著。故而，空间滞后模型（SLM）优于空间误差模型（SEM）。再根据拉格朗日乘数及其稳健情况下的乘数判断，数值越大，拟合效果越好。SEM没有通过显著性检验，而SLM的数值大于SEM，且通过显著性检验（表5）。因此，空间计量模型估计结果更优，而在空间计量模型中应选择空间滞后模型（SLM）作为最优模型，以其系数结果作为参考和分析依据。

表5 模型估计结果Table 5 Model estimation results

在不考虑空间各变量相互作用的情况下，运用传统OLS进行回归对国有企业影响因素进行分析，结果如表5所示。从表5可见，在OLS模型结果中，国有企业政策、人均专利和国内生产总值通过了检验。国有企业政策通过10%的显著性检验，人均专利在5%的显著性水平下通过了检验，国内生产总值在1%的显著性水平下通过了检验。在考虑空间的相互作用后，影响地方国有企业数量的主要因素依次为国有企业政策、总抚养比、劳动力、国内生产总值和汽车货运水平。

国有企业政策发挥着具有影响力的正向作用。国有企业政策回归系数为正，通过了1%的显著性检验，说明企业政策会对国有企业产生正相关，即：国有企业政策数每增加1%，国有企业数量会增加0.04%。随着国有企业改革的深入，相关指导性政策也相继出台，由具有普适性的宏观指导政策转向具有地区针对性的微观政策。政策的出台更有具体性和执行性，能够为国有企业提供详细化的指导意见，为国有企业更好布局提供指引和方向。同时，通过企业重组整合、专业化推进、并购重组等方法，增强国有企业的核心竞争力并提升资源配置效率。

经济发展水平发挥着显著且持久的正向作用。经济发展水平与企业发展的关系密不可分。经济发展水平在1%水平下显著，且为正值，即：GDP每增加1%，国有企业数量会增加0.08%，这表明经济发展水平对国有企业具有促进作用。地方国有企业的数量与经济发展水平有密切的关系，经济发展水平条件优越，市场广阔，地方国有企业数量就越多。经济发展水平、发展规模和发展速度的不同会对国有企业的发展营造不同外部环境，积极的经济环境会助力于地区国有企业合理优化布局，经济下行会给国有企业带来挑战。积极的经济发展水平对优化国有企业资本布局起到促进作用，能够提高企业产品供给质量、增强企业活力、提高企业话语权，同时能够发挥好国有企业维护市场秩序的职能。经济压力较大则会导致国有企业资源向优势企业集聚，落后企业将被市场淘汰，增加国有企业稳定市场、提供社会保障的压力，不利于国有企业的发展。

不同年龄的人口比重对地方国有企业发展存在不同的响应。总抚养比与劳动力比重都通过了显著性检验，即：总抚养比增加1%，国有企业就会降低0.13%。社会劳动力负担重的地区，不利于企业的发展，劳动力比重每增加1%，国有企业数量会提高0.03%。现阶段劳动力数量仍对国有企业产生影响，随着时间推移，对劳动力的需求会由数量向质量方面的转变。劳动力数量和质量的提升有助于扩大国有企业规模、改善企业结构、提高竞争力和科技能力。随着高等教育和职业教育的普及与推广，劳动力质量和素质远高于从前。高素质劳动力会推动国有企业的发展，推动国有企业向知识、技术密集型转变。随着企业的发展与壮大，企业对劳动力的需要，尤其是高质量、高学历和高层次劳动力的需求将不断增加。因此，无论是从劳动力素质还是从劳动力质量方面，都会对企业的发展起到推动作用。

现阶段科技创新情况存在正向作用但不显著。科技创新水平均为正向作用，但未通过显著性检验，可能是因为所选指标无法反映整体地区的科技发展水平情况；同时，科技创新的投入和成果产出需要时间，但不能忽视其对国有企业的影响。专利数量影响着国有企业在市场中的地位，进而影响国有企业数量。近年来，国有企业已经成为国家科技创新的主力军，在航空航天、重型装备制造业等领域取得亮眼成绩。改变国有企业传统经营模式，提高生产效率，改变资源利用方式，提高发展质量，对实现国有企业快速发展具有重要意义。同时，科技创新通过积累创新知识、增强企业对资源的把控能力等方式促进企业的结构升级。科技水平的提高可以促进新兴产业的产生与发展，加速落后和老旧企业退出市场，快速淘汰落后产能或创造新的产能，推动企业快速转型与升级。地方国有企业积极投身市场参与竞争并主动创新，实现高质量发展。

基础设施对地方国有企业发展影响力水平并不明显。城镇化水平未通过显著性检验，即城镇化对国有企业数量不存在显著影响。国有企业因其自身的特殊性质，在布局和发展中会充分考虑对当地的影响力和带动水平，进而带动地方。因此，当地的城镇化水平高低与国有企业的发展没有显著性关联。汽车货运水平呈现负相关性：一方面是数据选取原因；另一方面是由于高铁、互联网、物流产业的发展，传统的汽车货物运输虽然仍占据物流交通的重要地位，但也受到其他交通方式的冲击。汽车货运对国有企业数量的影响情况越来越小，且公路的建设渐渐趋于饱和状态，汽车货运情况可能会影响国有企业布局，但在未来可能不再是影响国有企业数量及分布的决定性因素。

4 结论

本文以中国31个省份为研究区域，综合运用空间自相关、冷热点分析等方法探究了2009—2019年国有企业分布的时间和空间演变特征；基于各因素对国有企业数量的影响，本文运用空间滞后模型探究了各因素对国有企业发展的影响机制。主要结论如下：①全国和地方国有企业数量持续增加，中央国有企业数量增长趋于稳定。各省份国有企业数量存在较大差异，分布呈现“东密西疏”的特点。②国有企业冷热点地区分布相对集聚，热点区域主要位于东部沿海地区，集中在上海、安徽、江苏、湖北、河南、山东等省份；西部内陆及边远地区为主要冷点地区，涉及青海和西藏地区。热点地区经历了先缩小后稳定的变化过程，而冷点地区呈现内部随机化的特点。③国有企业政策、国内生产总值、劳动力比重对国有企业数量存在显著性的正向影响，总抚养比和汽车货运水平对国有企业数量存在负面影响。人均专利、城镇化率对国有企业数量没有表现出具有显著性的影响，国家政策的颁布和实施具有明显的时效性和滞后性，经济因素始终对国有企业数量存在显著性的正向影响。