廣東省上市公司空間分布自相關(guān)性分析

唐慶輝,李 黎,滿 旺

(1.中國人民解放軍32022部隊，湖北 武漢 430070;2.廈門理工學院計算機與信息工程學院，福建 廈門 361024)

空間不均衡是一種普遍現(xiàn)象，在不同領(lǐng)域和地區(qū)都普遍存在，黨的十九大報告鮮明指出：“中國特色社會主義進入新時代，我國社會主要矛盾已經(jīng)轉(zhuǎn)化為人民日益增長的美好生活需要和不平衡不充分的發(fā)展之間的矛盾”。在經(jīng)濟領(lǐng)域，這種不均衡尤為明顯。在市場經(jīng)濟條件下，區(qū)域間經(jīng)濟發(fā)展失衡也會制約經(jīng)濟發(fā)展和可持續(xù)發(fā)展，因此研究經(jīng)濟發(fā)展的空間不均衡或空間差異具有重要意義。

資本市場是重要的資源配置平臺，以股票市場為代表的資本市場是國家金融體系的重要組成部分。改革開放以來，我國資本市場規(guī)模迅速擴張，從1990-2018年5月，國內(nèi)滬深上市公司數(shù)量達到3 000余家，已經(jīng)成為我國國民經(jīng)濟的重要組成部分，為其所在區(qū)域的經(jīng)濟發(fā)展提供了有力支撐。上市公司的可持續(xù)發(fā)展，對國家的資本市場、區(qū)域經(jīng)濟金融，乃至整個國民經(jīng)濟的可持續(xù)發(fā)展，都有著舉足輕重的影響[1]。國內(nèi)已有學者注意到上市公司的空間分布特征與空間差異。如房地產(chǎn)行業(yè)上市公司[1]、旅游行業(yè)上市公司[2-3]、文化產(chǎn)業(yè)上市公司[4]等空間分布特征，上市公司總體空間分布體征[5-9]等，并試圖探討上市公司分布規(guī)律，探討資本的空間配置機制[10]。但上市公司的空間聚集與自相關(guān)等特性未得到關(guān)注。為此，本文使用莫蘭指數(shù)(Moran’s I)研究上市公司數(shù)量和總資產(chǎn)的全局和局部自相關(guān)性，同時利用Getis-OrdGi統(tǒng)計量對上市公司的數(shù)量和總資產(chǎn)進行熱點分析。研究了上市公司數(shù)量的自相關(guān)性與總資產(chǎn)的自相關(guān)性，并研究了上市公司數(shù)量和總資產(chǎn)的空間分布特征。

1 研究數(shù)據(jù)和方法

1.1 研究區(qū)簡介

廣東省地處我國東南沿海，面積占全國的1.9%，是我國東南門戶，也是改革開放的前沿，改革開放四十年來，經(jīng)濟總量不斷增長，2016年常駐人口占全國人口總量的8%， GDP占到全國的10.3%，而且占比呈進一步增長趨勢。港粵澳大灣區(qū)的建設(shè)，更是為廣東經(jīng)濟發(fā)展帶來新的機遇。但是廣東省內(nèi)依然存在嚴重的發(fā)展不平衡問題，經(jīng)濟發(fā)展水平差異巨大，2000年時廣州市的GDP是云浮市的18倍，到2016年變?yōu)?5倍，省內(nèi)的不均衡進一步加劇。截止2018年5月份，廣東(含深圳)共計有581家上市公司，占全國上市公司總數(shù)的16.5%。

1.2 數(shù)據(jù)來源

研究數(shù)據(jù)來自于中國統(tǒng)計年鑒、廣東省統(tǒng)計年鑒(2016、2017年)、中國證券期貨年鑒、中國上市公司年鑒、中國證券監(jiān)督管理委員會、中國各省市的年度報告以及新浪財經(jīng)等證券相關(guān)網(wǎng)站。對于應(yīng)用于空間分析的數(shù)據(jù)如上市公司的總資產(chǎn)，公司數(shù)量以及GDP，均可運用空間統(tǒng)計學來進行空間自相關(guān)分析，得到各地區(qū)上市公司時空分布情況。上市公司數(shù)據(jù)在Python環(huán)境下，使用TuShare包進行爬取，為了更好的對比，上市公司數(shù)據(jù)盡量采取GDP同年份數(shù)據(jù)，共收集廣東省上市公司的數(shù)量565個。由于近年 來證監(jiān)會加快了上市公司審核步伐，上市公司數(shù)量一直持續(xù)增加。為方便分析匹配年度GDP等，該年度之后的新上市公司不列入統(tǒng)計，如分析2017年的GDP及上市公司時，2018年度新上市公司不參與分析計算。

1.3 研究方法

1.3.1 全局Moran’s I

全局自相關(guān)分析常用的是Moran’s I，表示空間聚集程度[10]。實質(zhì)上是將變量在某一位置的值與其他位置的值進行比較。Moran’s I的計算公式為

(1)

(2)

其中：d為Moran’s I計算的閾值范圍，超過設(shè)定的距離，將對指定距離之外的要素的影響會隨距離的減小而變?nèi)酰诰嚯x閾值之內(nèi)的影響則被視為是等同的。E(I)是I值的數(shù)學期望。

1.3.2 局部Moran’s I

局部Moran’s I的計算

(3)

其中：Zi和Zj是相應(yīng)的x值與均值的離差，也就是經(jīng)過標準化的x值；wi,j是行標準化的空間權(quán)重矩陣，則∑wi,j×Zj實際上就表示為取樣方單元i周邊各個區(qū)域單元標準化Z值的一個比例，然后再求和。得到的較高的局部Moran’s I表明，相似值既可以是高值也可能是低值，是聚集的；得到較低的局部Moran’s I表明差異值的聚集。

1.3.3 Getis-OrdGi統(tǒng)計量

Getis-OrdGi統(tǒng)計量是熱點分析的重要指數(shù)，在探測局部聚集程度和小范圍的不穩(wěn)定性上具有良好的性能。采用Getis-OrdGi統(tǒng)計量[8]來衡量上市公司屬性信息在空間上的聚集情況。

Getis-OrdGi統(tǒng)計量的計算公式為

(其中i≠j)。

(4)

式(4)中各項變量含義與公式(3)表達的意義相同。為了理解方便，最好是基于標準化的值來解釋Getis-OrdGi統(tǒng)計量的含義，標準化計算公式為

(5)

倘若P值為正，并且十分顯著，則表明位置i周圍各省上市公司的總產(chǎn)值相對較大，是高于均值的，屬于高值空間聚集類型，能夠反映出上市公司總產(chǎn)值高值和高值相鄰，可以稱之為上市公司總產(chǎn)值聚集的熱點區(qū)域；倘若P值為負，并且十分顯著，則表明位置i周圍各省上市公司總產(chǎn)值相對較小，是低于均值的，屬于低值空間聚集類型。能夠反映出該段時間內(nèi)上市公司總產(chǎn)值低值和低值相鄰，可以稱之為上市公司總資產(chǎn)聚集冷點區(qū)域。

2 廣東省上市公司空間分布

上市公司的發(fā)展是一個非常特殊復雜的過程，不論整體還是部分研究區(qū)域，從不同行業(yè)不同市場股份類型看，都具有個體差異性和不斷變化的特征。選取廣東省作為研究區(qū)域，因其經(jīng)濟發(fā)達，上市公司數(shù)量較多，具有較強的代表性。

2.1 全局自相關(guān)分析

借助ArcGIS軟件中自相關(guān)分析工具，得到了廣東省上市公司分布特征。關(guān)于廣東省以縣為研究單元上市公司總資產(chǎn)和公司數(shù)量的Moran’s I分別如圖1所示：

圖 1 廣東省上市公司數(shù)量的空間自相關(guān)報表Fig.1 Spatial autocorrelation report on the number of listed and report of total assets of listed companies in Guangdong province

如圖1(a)所示，經(jīng)過計算得出廣東省縣級區(qū)域公司數(shù)量的Moran’s I為0.51，Z(d)=7.44，表明其上市公司數(shù)量是有一定的正空間自相關(guān)。顯著性水平在1%的區(qū)間下聚集結(jié)果顯著，并且隨機產(chǎn)生此聚類模式的可能性小于1%。說明廣東省上市公司數(shù)量的分布是屬于聚集模式。也就是說呈現(xiàn)為高度集中分布，隨機產(chǎn)生此種模式的可能性幾乎沒有。

如圖1(b)所示，經(jīng)過計算得出Moran’s I為0.08，Z(d)=1.99。該Moran’s I接近于0，表明其空間的正相關(guān)程度并不明顯。顯著性水平在3%的區(qū)間下是聚集結(jié)果顯著，在隨機產(chǎn)生此聚類模式的可能性小于5%。說明廣東省上市公司總資產(chǎn)的分布在一定程度上是呈現(xiàn)聚集模式的。

2.2 局部自相關(guān)分析及熱點分析

借助ArcGIS軟件中局部自相關(guān)分析工具，分析得到了廣東省上市公司空間分布自相關(guān)特征。廣東省上市公司總資產(chǎn)和公司數(shù)量的局部Moran’s I如圖2。

如圖2所示，紅色區(qū)域表明珠三角地區(qū)上市公司數(shù)量是高高(HH)聚集區(qū)域，其附近上市公司數(shù)量分布較多，主要聚集在廣州、深圳、東莞、佛山、中山、珠海地區(qū)。綠色區(qū)域表明高值聚集效果不顯著，清遠市為高低(HL)聚集區(qū)域，龍川縣、五華縣、陸河縣為低低(LL)聚集區(qū)域，該片區(qū)域沒有上市公司。

圖2 廣東省上市公司數(shù)量局部自相關(guān)分析及熱點分析圖Fig.2 Local autocorrelation analysis and hot spot analysis of listed companies in Guangdong province

圖3是廣東省上市公司總資產(chǎn)和公司數(shù)量的局部Getis-OrdGi標準化值，廣東省上市公司的總資產(chǎn)高值主要聚集在廣州、佛山、深圳、珠海，為高高(HH)聚集區(qū)域，空間正相關(guān)性極強。而他們附近的縣市區(qū)上市公司總資產(chǎn)與之差異性極大，呈空間負相關(guān)。

圖3 廣東省上市公司總資產(chǎn)局部自相關(guān)分析及熱點分析圖Fig.3 Local autocorrelation analysis and hot spot analysis of total assets of listed companies in Guangdong province

2.3 上市公司數(shù)量與GDP空間分布的對比分析

在全局范圍內(nèi)來看，廣東省上市公司數(shù)量的聚集是跟地域正相關(guān)的，上市公司數(shù)量越多的地區(qū)，附近地區(qū)上市公司數(shù)量就會相比其他地區(qū)要多。相應(yīng)的，上市公司的總資產(chǎn)是也是呈聚集分布的，但沒有公司數(shù)量的聚集程度顯著。

從局部角度來看，廣東省上市公司數(shù)量和總資產(chǎn)的高值均為聚集分布的地區(qū)是廣州、佛山、深圳、珠海。而東莞地區(qū)的上市公司數(shù)量與周圍高值相似，但是它的總資產(chǎn)并沒有它周圍縣市的值高，差異明顯。

此外，對比2017年廣東省上市公司數(shù)量及GDP的空間分布情況，如圖4所示。通過不同地級市之間的對比分析，可以看出上市公司的數(shù)量分布與地區(qū)GDP分布呈現(xiàn)出較為一致的分布，上市公司數(shù)量高的地域，GDP也明顯呈現(xiàn)相對較高的水平值[13]。其中，佛山、東莞上市公司數(shù)量GDP水平和上市公司數(shù)量之間的關(guān)系略有不同，與佛山、東莞所處位置有關(guān)，在粵港澳大灣區(qū)，上市公司更容易向中心城市集中。所以出現(xiàn)此現(xiàn)象并不影響整體分析。

圖 4 廣東省上市公司數(shù)量與GDP空間分布圖Fig.4 Line chart of number of listed companies and GDP in Guangdong province

3 結(jié)論

對廣東省的上市公司空間分布規(guī)律進行研究，發(fā)現(xiàn)上市公司的聚集分布形態(tài)整體與局部地區(qū)是存在差異的，這也恰好體現(xiàn)了局部空間的不穩(wěn)定性。

在空間分布上，廣東省的上市公司在廣州、深圳較為密集，該地區(qū)不管是政府政策還是經(jīng)濟水平及進出口貿(mào)易，相對于內(nèi)陸都有更大的優(yōu)勢。上市公司的分布格局是在經(jīng)濟發(fā)展水平、市場競爭活力、政府出臺的經(jīng)濟政策、區(qū)域產(chǎn)業(yè)結(jié)構(gòu)、科技水平和人才資源等因素綜合作用下形成的。所以，對于上市公司來說，選址于粵港澳大灣區(qū)確實有利于自身生產(chǎn)經(jīng)營及發(fā)展。此外，上市公司的數(shù)量分布、總資產(chǎn)與單元區(qū)域內(nèi)的GDP分布趨勢趨于一致，大致呈正相關(guān)，上市公司對地區(qū)的經(jīng)濟貢獻和推動具有不可忽視的作用。由此可以推測，一個區(qū)域的上市公司數(shù)量越多，則該地區(qū)的經(jīng)濟發(fā)達程度相對越好。