地方國有企業(yè)數(shù)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(xué) 地理與環(huán)境學(xué)院，山東 濟(jì)南 250358；2.山東省濟(jì)寧生態(tài)環(huán)境監(jiān)測中心，山東 濟(jì)寧 272000）

0 引言

作為中國經(jīng)濟(jì)的支柱，國有企業(yè)在建設(shè)社會主義市場經(jīng)濟(jì)、鞏固社會主義制度等方面具有不可替代的戰(zhàn)略性作用。新中國成立以來，國有企業(yè)促進(jìn)了中國快速實(shí)現(xiàn)工業(yè)化和現(xiàn)代化。隨著一系列國有企業(yè)改革的推進(jìn)，中國國有企業(yè)正逐漸向著更好更多元方向快速發(fā)展。目前，國有企業(yè)的發(fā)展規(guī)劃和布局對增強(qiáng)國有企業(yè)實(shí)力、提升國家經(jīng)濟(jì)實(shí)力具有深遠(yuǎn)的意義。2021年，中國國有企業(yè)營業(yè)總收入達(dá)到75.56萬億元，利潤總額達(dá)到4.52萬億元［1］。

現(xiàn)有關(guān)于國有企業(yè)的研究主要側(cè)重于企業(yè)改革、企業(yè)創(chuàng)新、市場競爭等方面。怎樣改革、如何改革成為當(dāng)下討論的熱點(diǎn)。研究層面多居于宏觀［2］和微觀層面改革［3］，認(rèn)為提高自生能力是國有企業(yè)改革的根本方法［4］。從制度入手，改革中國特色現(xiàn)代國有企業(yè)制度［5］，建立以產(chǎn)權(quán)制度為基礎(chǔ)、公司治理為核心、三項(xiàng)制度為重點(diǎn)的現(xiàn)代化企業(yè)制度是現(xiàn)階段國有企業(yè)改革的緊迫任務(wù)［6］；鼓勵國有企業(yè)積極參與國內(nèi)外市場競爭［7］；受市場競爭的影響［8］，通過放權(quán)，促進(jìn)國有企業(yè)的創(chuàng)新［9］，改變國有企業(yè)創(chuàng)新效率損失情況［10］，大幅度增加國有企業(yè)創(chuàng)新動力和效率［11］。

在企業(yè)空間分布研究中，“區(qū)位論”是最早關(guān)于企業(yè)空間分布的理論，認(rèn)為運(yùn)費(fèi)、勞動費(fèi)和集聚（分散）區(qū)位是決定生產(chǎn)場所布局的影響因素［12］?，F(xiàn)有研究大多從視角、空間分布、區(qū)位選擇等方面分析企業(yè)的區(qū)域與布局差異。除傳統(tǒng)研究方法外，地理探測 器［13，14］和 大 數(shù) 據(jù)［15-17］等 也 逐 漸 引 入 到 企 業(yè) 的 布局研究中?？臻g分布、企業(yè)區(qū)位選擇、企業(yè)異質(zhì)性一直是關(guān)注重點(diǎn)。利用計(jì)量工具進(jìn)行可視化分析，發(fā)現(xiàn)高速網(wǎng)絡(luò)交通通達(dá)水平的提高是導(dǎo)致波士頓周圍制造業(yè)向外圍地區(qū)擴(kuò)散的重要因素［18］；中心地城市空間功能轉(zhuǎn)變使得美國和澳大利亞的制造業(yè)從城市中心向郊區(qū)運(yùn)動［19，20］；以北京原料藥企業(yè)的外遷為例，在新古典經(jīng)濟(jì)學(xué)方法下討論制度對工業(yè)企業(yè)區(qū)位選擇的影響［21］；對特定產(chǎn)業(yè)集群調(diào)查發(fā)現(xiàn)，在集群區(qū)域的周圍都會存在專業(yè)化的市場，集群的出現(xiàn)會使生產(chǎn)要素自由流動并降低開支成本［22］；在異質(zhì)性企業(yè)區(qū)位選擇理論及演進(jìn)過程中，通過歸納區(qū)位內(nèi)生選擇的作用機(jī)理和選擇效應(yīng)，總結(jié)在區(qū)位選擇下的最優(yōu)化問題［23］。研究視角從傳統(tǒng)制造業(yè)升級的分布、影響因素、集聚分散及特點(diǎn)［24-26］向現(xiàn)代的不同區(qū)域和不同類型的創(chuàng)新產(chǎn)業(yè)企業(yè)［27-29］、高新技術(shù)企業(yè)的集群化轉(zhuǎn)移［30］和空間分布格局［31］、現(xiàn)代服務(wù)業(yè)［32-35］等方向轉(zhuǎn)變。少量研究從地理學(xué)的角度探討了中央國有企業(yè)的空間布局受到內(nèi)部推力和外部拉力的影響，區(qū)域內(nèi)政策強(qiáng)度與中央國有企業(yè)的數(shù)量存在正相關(guān)性，且其變動與政策調(diào)整具有一致性［36，37］。

總體而言，基于國有企業(yè)的特有屬性，多傾向于從管理學(xué)、經(jīng)濟(jì)學(xué)角度探究其內(nèi)部結(jié)構(gòu)、組織構(gòu)成和發(fā)展?fàn)顩r，鮮有從經(jīng)濟(jì)地理學(xué)的角度進(jìn)行時空演變等方面的研究。從經(jīng)濟(jì)地理學(xué)視角分析國有企業(yè)的空間分布特征，探究支撐國有企業(yè)發(fā)展的有利因素，既能進(jìn)一步完善相關(guān)企業(yè)發(fā)展理論，又能為國有企業(yè)的發(fā)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(shù)據(jù)，運(yùn)用空間探索分析方法，分析中國地方國有企業(yè)的時空分布及演變特征，并通過空間計(jì)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(yè)發(fā)展格局進(jìn)行探索，以豐富我國經(jīng)濟(jì)地理學(xué)、企業(yè)地理學(xué)的相關(guān)研究。

1 研究方法和數(shù)據(jù)來源

1.1 研究方法

空間自相關(guān)模型：空間自相關(guān)可以觀察地方國有企業(yè)在全局和局部空間的關(guān)聯(lián)關(guān)系，能夠揭示在全國范圍內(nèi)國有企業(yè)分布的集聚與分散情況。全局Moran's I指數(shù)用于判斷國有企業(yè)空間分布在區(qū)域內(nèi)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(yè)分布呈現(xiàn)集聚趨勢；Moran's I＜0表示國有企業(yè)分布呈現(xiàn)離散趨勢；Moran's I＝0表示國有企業(yè)隨機(jī)分布，不存在空間自相關(guān)。全局Moran's I的公式為：

式中：n為空間單元個數(shù)，即省區(qū)數(shù)量（n＝31）；xi和xj分別表示在空間單元i和j中的國有企業(yè)數(shù)量為研究區(qū)域內(nèi)部所有單元的國有企業(yè)的平均數(shù)值；wij為i、j區(qū)域的空間權(quán)重系數(shù)，體現(xiàn)空間單元i、j區(qū)域在空間中的關(guān)系。在空間內(nèi)如果鄰接則為1，否則為0；S為空間權(quán)重矩陣之和。

式中：n為空間單元個數(shù)（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(quán)重。

空間計(jì)量模型：最小二乘法模型（OLS）僅考慮各研究因素之間的關(guān)系，并不考慮空間聯(lián)系、空間依賴和空間異質(zhì)性對研究的影響。基于最小二乘法模型，本文又將空間計(jì)量模型運(yùn)用到研究中?？臻g計(jì)量模型是將區(qū)域間的相互關(guān)系引入到計(jì)量模型中，通過空間權(quán)重矩陣，對經(jīng)典回歸模型進(jìn)行更好的擬合。考慮到相鄰地區(qū)國有企業(yè)情況可能會對本地區(qū)國有企業(yè)數(shù)量產(chǎn)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(guān)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(yīng)的影響。計(jì)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(shù)；β為參數(shù)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(guān)性）；ε為隨機(jī)擾動項(xiàng)。

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(guān)性，或者隨機(jī)誤差項(xiàng)對空間個體之間也存在空間相關(guān)性?？臻g擾動項(xiàng)會與空間總體相關(guān)，即：某空間的變動會同空間效應(yīng)影響到其他空間。計(jì)算公式為：

式中：ε為隨機(jī)擾動項(xiàng)；λ為空間誤差系數(shù)；u為正態(tài)分布的隨機(jī)誤差項(xiàng)。

1.2 數(shù)據(jù)來源

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

相關(guān)數(shù)據(jù)主要來自《中國國有資產(chǎn)監(jiān)督管理年鑒（2010—2019年）》《中 國 財 政 年 鑒（2010—2020年）》《中國高新技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒（2010—2019）》《中國統(tǒng)計(jì)年鑒（2010—2020年）》。地方國有企業(yè)數(shù)量數(shù)據(jù)來自《中國財政年鑒（2010—2020年）》；中央所屬國有企業(yè)情況數(shù)據(jù)來源于國資委官方網(wǎng)站（http：//www.sasac.gov.cn/）；政策數(shù)據(jù)來自中國知網(wǎng)政府文 件（https：//r.cnki.net/kns/brief/result.aspx？dbprefix＝gwkt）檢索。

2 國有企業(yè)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(yè)總數(shù)、中央國有企業(yè)數(shù)量和地方國有企業(yè)數(shù)量統(tǒng)計(jì)分析（圖1）發(fā)現(xiàn)，中國國有企業(yè)數(shù)量始終保持著較為平穩(wěn)的增長趨勢，中央國有企業(yè)數(shù)量逐漸趨于穩(wěn)定，地方國有企業(yè)數(shù)量保持穩(wěn)步增長。2009年，中國國有企業(yè)數(shù)量約有11.1萬戶，到2019年已超過20萬戶，其年均增加率達(dá)到6.93%/年。2009年，地方國有企業(yè)數(shù)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(yè)數(shù)量為2.5萬戶，2019年已超過6萬戶，年均增加率達(dá)到9.51%/年。在中國國有企業(yè)組成中，地方國有企業(yè)戶數(shù)始終保持著絕對優(yōu)勢。2009年地方國有企業(yè)比重最高，占中國國有企業(yè)總數(shù)的77.48%。隨著中央國有企業(yè)的占比不斷增加，地方國有企業(yè)的占比持續(xù)降低，在2014年達(dá)到最低，占比為65.84%。中央國有企業(yè)的占比從2009年的22.52%增長到2014年的33.55%，達(dá)到最高值。隨著近幾年企業(yè)重組和兼并，中央國有企業(yè)數(shù)量增長速度逐漸放緩。2019年，中央國有企業(yè)總數(shù)達(dá)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(yè)匯編企業(yè)戶數(shù)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(jié)點(diǎn)的地方國有企業(yè)分布情況，并嘗試將其劃分為4個階段：當(dāng)某省份的地方國有企業(yè)數(shù)量處于0—2800戶時，認(rèn)為該省份處于第一階段；當(dāng)某省份的地方國有企業(yè)數(shù)量處于2801—5600戶時，認(rèn)為該省份處于第二階段；當(dāng)某省份的地方國有企業(yè)數(shù)量處于5601—8400戶時，認(rèn)為該省份處于第三階段；當(dāng)某省份的地方國有企業(yè)數(shù)量超過8400戶時，認(rèn)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(yè)匯編企業(yè)戶數(shù)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(yè)數(shù)量分布存在較大差異，地域分布呈現(xiàn)“東密西疏”特點(diǎn)。2009年，絕大多數(shù)省份都處于第一和第二階段，其中河北、內(nèi)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(qū)，僅有海南屬于東部地區(qū)。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(qū)。2014年，處于第一階段的省份數(shù)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(yè)數(shù)量出現(xiàn)減少，由第二階段降至第一階段；處于第二階段的省份數(shù)量未發(fā)生變化，但存在內(nèi)部省份變動；處于第三階段的省份數(shù)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(shù)量增至14個，新增的省份分別是河北、內(nèi)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(shù)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(guān)特征

利用GeoDa12.0計(jì)算2009—2019年中國地方國有企業(yè)的集聚情況。選擇距離權(quán)重矩陣來考察地方國有企業(yè)數(shù)量分布的空間關(guān)聯(lián)特征，采用Moran's I指數(shù)，對地方國有企業(yè)分布的全局空間相關(guān)性進(jìn)行檢驗(yàn)，結(jié)果如表2所示。2009—2019年，Moran's I指數(shù)在0.246—0.341區(qū)間內(nèi)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(yàn)，地方國有企業(yè)在分布上存在相對集聚的現(xiàn)象，即地方國有企業(yè)數(shù)量分布較多的省份和地方國有企業(yè)數(shù)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(shù)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(xiàn)了小幅度波動上升。2015—2017年，全局Moran's I指數(shù)由0.308快速降至0.246，但2018—2019年全局Moran's I指數(shù)處于穩(wěn)定狀態(tài)，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(yè)集聚情況雖然存在波動，但總體上保持穩(wěn)定。

表2 2009—2019年地方國有企業(yè)分布的Moran's I估計(jì)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(guān)特征

按照局部空間自相關(guān)方法，結(jié)合ArcGIS10.2計(jì)算中國地方國有企業(yè)的Getis—Ord指數(shù)值，分成7級（圖2）。

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

地方國有企業(yè)熱點(diǎn)區(qū)域主要分布在我國東部沿海地區(qū)，主要集中在上海、安徽、江蘇、湖北、河南、山東等省份，冷點(diǎn)區(qū)域主要集中在我國西部內(nèi)陸及邊遠(yuǎn)地區(qū)，主要涉及青海和西藏兩省區(qū)。從3個階段來看，熱點(diǎn)地區(qū)范圍呈現(xiàn)出先縮小后穩(wěn)定的特點(diǎn)，而冷點(diǎn)地區(qū)呈現(xiàn)隨機(jī)化的特點(diǎn)。2009—2019年，熱點(diǎn)地區(qū)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(diǎn)地區(qū)，安徽在2019年由0.99置信水平轉(zhuǎn)變?yōu)?.95置信水平。熱點(diǎn)地區(qū)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(yè)發(fā)展方面的實(shí)力和未來的潛力。這說明東部地區(qū)在地方國有企業(yè)空間布局和地方國有企業(yè)數(shù)量方面發(fā)揮了重要作用。冷點(diǎn)地區(qū)主要分布在我國西部地區(qū)，且冷點(diǎn)程度在不斷變化，冷點(diǎn)地區(qū)范圍及數(shù)量存在波動。2009年，只有青海為冷點(diǎn)地區(qū)；2014年，西藏也成為冷點(diǎn)地區(qū)，冷點(diǎn)地區(qū)范圍增加；2019年，冷點(diǎn)地區(qū)范圍縮小，青海退出冷點(diǎn)地區(qū)，僅有西藏仍為冷點(diǎn)地區(qū)。整體來看，地方國有企業(yè)分布冷熱點(diǎn)區(qū)域范圍逐漸穩(wěn)定，多區(qū)域內(nèi)部變動，中國地方國有企業(yè)在空間分布上已形成集聚模式，且持續(xù)穩(wěn)定發(fā)展。

3 國有企業(yè)數(shù)量分布的影響因素

3.1 指標(biāo)選取

現(xiàn)有研究多從社會、經(jīng)濟(jì)、創(chuàng)新、基礎(chǔ)設(shè)施等［38-43］方面分析企業(yè)集聚的影響因素。因此，本文從社會、人口、經(jīng)濟(jì)、創(chuàng)新、基礎(chǔ)設(shè)施5個層面，并考慮到國有企業(yè)的數(shù)量與政策等因素之間存在密切關(guān)系，最終選取國有企業(yè)政策（GP）、總撫養(yǎng)比（DR）、勞動力比重（LR）、國內(nèi)生產(chǎn)總值（GDP）、人均專利（PP）、城鎮(zhèn)化率（UR）和汽車貨運(yùn)水平（LY）7個指標(biāo)來探究影響地方國有企業(yè)數(shù)量分布的因素（表3）。為了直觀了解數(shù)據(jù)的基本信息，對影響地方國有企業(yè)數(shù)量的影響因素進(jìn)行描述性統(tǒng)計(jì)（表4）。與此同時，對模型中選用的被解釋變量國有企業(yè)數(shù)量（SOE）和解釋變量GP、DR、LR等，進(jìn)行散點(diǎn)圖擬合（圖3）發(fā)現(xiàn)，國有企業(yè)政策（GP）、經(jīng)濟(jì)發(fā)展水平（GDP）、城鎮(zhèn)化水平（UR）等因素之間呈現(xiàn)比較明顯的相關(guān)性關(guān)系，勞動力比重（LR）等部分變量的相關(guān)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(jī)制，選擇對各影響因素取對數(shù)處理，并通過建立模型的方法研究影響系數(shù)和方向情況。

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

表3 指標(biāo)選取與選取依據(jù)Table 3 Index and its selection basis

表4 變量的描述性統(tǒng)計(jì)Table 4 Descriptive statistics of variables

2009—2019年的Moran's I指數(shù)顯示，中國地方國有企業(yè)在空間分布上總體呈現(xiàn)顯著性的集聚狀態(tài)。因此，在討論地方國有企業(yè)數(shù)量的影響因素時，考慮社會、人口、經(jīng)濟(jì)、創(chuàng)新和基礎(chǔ)設(shè)施5個方面因素的同時，也應(yīng)考慮到空間效應(yīng)對地方國有企業(yè)數(shù)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(guān)系［44，45］。

3.2 結(jié)果分析

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

表5 模型估計(jì)結(jié)果Table 5 Model estimation results

在不考慮空間各變量相互作用的情況下，運(yùn)用傳統(tǒng)OLS進(jìn)行回歸對國有企業(yè)影響因素進(jìn)行分析，結(jié)果如表5所示。從表5可見，在OLS模型結(jié)果中，國有企業(yè)政策、人均專利和國內(nèi)生產(chǎn)總值通過了檢驗(yàn)。國有企業(yè)政策通過10%的顯著性檢驗(yàn)，人均專利在5%的顯著性水平下通過了檢驗(yàn)，國內(nèi)生產(chǎn)總值在1%的顯著性水平下通過了檢驗(yàn)。在考慮空間的相互作用后，影響地方國有企業(yè)數(shù)量的主要因素依次為國有企業(yè)政策、總撫養(yǎng)比、勞動力、國內(nèi)生產(chǎn)總值和汽車貨運(yùn)水平。

國有企業(yè)政策發(fā)揮著具有影響力的正向作用。國有企業(yè)政策回歸系數(shù)為正，通過了1%的顯著性檢驗(yàn)，說明企業(yè)政策會對國有企業(yè)產(chǎn)生正相關(guān)，即：國有企業(yè)政策數(shù)每增加1%，國有企業(yè)數(shù)量會增加0.04%。隨著國有企業(yè)改革的深入，相關(guān)指導(dǎo)性政策也相繼出臺，由具有普適性的宏觀指導(dǎo)政策轉(zhuǎn)向具有地區(qū)針對性的微觀政策。政策的出臺更有具體性和執(zhí)行性，能夠?yàn)閲衅髽I(yè)提供詳細(xì)化的指導(dǎo)意見，為國有企業(yè)更好布局提供指引和方向。同時，通過企業(yè)重組整合、專業(yè)化推進(jìn)、并購重組等方法，增強(qiáng)國有企業(yè)的核心競爭力并提升資源配置效率。

經(jīng)濟(jì)發(fā)展水平發(fā)揮著顯著且持久的正向作用。經(jīng)濟(jì)發(fā)展水平與企業(yè)發(fā)展的關(guān)系密不可分。經(jīng)濟(jì)發(fā)展水平在1%水平下顯著，且為正值，即：GDP每增加1%，國有企業(yè)數(shù)量會增加0.08%，這表明經(jīng)濟(jì)發(fā)展水平對國有企業(yè)具有促進(jìn)作用。地方國有企業(yè)的數(shù)量與經(jīng)濟(jì)發(fā)展水平有密切的關(guān)系，經(jīng)濟(jì)發(fā)展水平條件優(yōu)越，市場廣闊，地方國有企業(yè)數(shù)量就越多。經(jīng)濟(jì)發(fā)展水平、發(fā)展規(guī)模和發(fā)展速度的不同會對國有企業(yè)的發(fā)展?fàn)I造不同外部環(huán)境，積極的經(jīng)濟(jì)環(huán)境會助力于地區(qū)國有企業(yè)合理優(yōu)化布局，經(jīng)濟(jì)下行會給國有企業(yè)帶來挑戰(zhàn)。積極的經(jīng)濟(jì)發(fā)展水平對優(yōu)化國有企業(yè)資本布局起到促進(jìn)作用，能夠提高企業(yè)產(chǎn)品供給質(zhì)量、增強(qiáng)企業(yè)活力、提高企業(yè)話語權(quán)，同時能夠發(fā)揮好國有企業(yè)維護(hù)市場秩序的職能。經(jīng)濟(jì)壓力較大則會導(dǎo)致國有企業(yè)資源向優(yōu)勢企業(yè)集聚，落后企業(yè)將被市場淘汰，增加國有企業(yè)穩(wěn)定市場、提供社會保障的壓力，不利于國有企業(yè)的發(fā)展。

不同年齡的人口比重對地方國有企業(yè)發(fā)展存在不同的響應(yīng)?？倱狃B(yǎng)比與勞動力比重都通過了顯著性檢驗(yàn)，即：總撫養(yǎng)比增加1%，國有企業(yè)就會降低0.13%。社會勞動力負(fù)擔(dān)重的地區(qū)，不利于企業(yè)的發(fā)展，勞動力比重每增加1%，國有企業(yè)數(shù)量會提高0.03%?，F(xiàn)階段勞動力數(shù)量仍對國有企業(yè)產(chǎn)生影響，隨著時間推移，對勞動力的需求會由數(shù)量向質(zhì)量方面的轉(zhuǎn)變。勞動力數(shù)量和質(zhì)量的提升有助于擴(kuò)大國有企業(yè)規(guī)模、改善企業(yè)結(jié)構(gòu)、提高競爭力和科技能力。隨著高等教育和職業(yè)教育的普及與推廣，勞動力質(zhì)量和素質(zhì)遠(yuǎn)高于從前。高素質(zhì)勞動力會推動國有企業(yè)的發(fā)展，推動國有企業(yè)向知識、技術(shù)密集型轉(zhuǎn)變。隨著企業(yè)的發(fā)展與壯大，企業(yè)對勞動力的需要，尤其是高質(zhì)量、高學(xué)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(zhì)還是從勞動力質(zhì)量方面，都會對企業(yè)的發(fā)展起到推動作用。

現(xiàn)階段科技創(chuàng)新情況存在正向作用但不顯著?？萍紕?chuàng)新水平均為正向作用，但未通過顯著性檢驗(yàn)，可能是因?yàn)樗x指標(biāo)無法反映整體地區(qū)的科技發(fā)展水平情況；同時，科技創(chuàng)新的投入和成果產(chǎn)出需要時間，但不能忽視其對國有企業(yè)的影響。專利數(shù)量影響著國有企業(yè)在市場中的地位，進(jìn)而影響國有企業(yè)數(shù)量。近年來，國有企業(yè)已經(jīng)成為國家科技創(chuàng)新的主力軍，在航空航天、重型裝備制造業(yè)等領(lǐng)域取得亮眼成績。改變國有企業(yè)傳統(tǒng)經(jīng)營模式，提高生產(chǎn)效率，改變資源利用方式，提高發(fā)展質(zhì)量，對實(shí)現(xiàn)國有企業(yè)快速發(fā)展具有重要意義。同時，科技創(chuàng)新通過積累創(chuàng)新知識、增強(qiáng)企業(yè)對資源的把控能力等方式促進(jìn)企業(yè)的結(jié)構(gòu)升級。科技水平的提高可以促進(jìn)新興產(chǎn)業(yè)的產(chǎn)生與發(fā)展，加速落后和老舊企業(yè)退出市場，快速淘汰落后產(chǎn)能或創(chuàng)造新的產(chǎn)能，推動企業(yè)快速轉(zhuǎn)型與升級。地方國有企業(yè)積極投身市場參與競爭并主動創(chuàng)新，實(shí)現(xiàn)高質(zhì)量發(fā)展。

基礎(chǔ)設(shè)施對地方國有企業(yè)發(fā)展影響力水平并不明顯。城鎮(zhèn)化水平未通過顯著性檢驗(yàn)，即城鎮(zhèn)化對國有企業(yè)數(shù)量不存在顯著影響。國有企業(yè)因其自身的特殊性質(zhì)，在布局和發(fā)展中會充分考慮對當(dāng)?shù)氐挠绊懥蛶铀剑M(jìn)而帶動地方。因此，當(dāng)?shù)氐某擎?zhèn)化水平高低與國有企業(yè)的發(fā)展沒有顯著性關(guān)聯(lián)。汽車貨運(yùn)水平呈現(xiàn)負(fù)相關(guān)性：一方面是數(shù)據(jù)選取原因；另一方面是由于高鐵、互聯(lián)網(wǎng)、物流產(chǎn)業(yè)的發(fā)展，傳統(tǒng)的汽車貨物運(yùn)輸雖然仍占據(jù)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(yùn)對國有企業(yè)數(shù)量的影響情況越來越小，且公路的建設(shè)漸漸趨于飽和狀態(tài)，汽車貨運(yùn)情況可能會影響國有企業(yè)布局，但在未來可能不再是影響國有企業(yè)數(shù)量及分布的決定性因素。

4 結(jié)論

本文以中國31個省份為研究區(qū)域，綜合運(yùn)用空間自相關(guān)、冷熱點(diǎn)分析等方法探究了2009—2019年國有企業(yè)分布的時間和空間演變特征；基于各因素對國有企業(yè)數(shù)量的影響，本文運(yùn)用空間滯后模型探究了各因素對國有企業(yè)發(fā)展的影響機(jī)制。主要結(jié)論如下：①全國和地方國有企業(yè)數(shù)量持續(xù)增加，中央國有企業(yè)數(shù)量增長趨于穩(wěn)定。各省份國有企業(yè)數(shù)量存在較大差異，分布呈現(xiàn)“東密西疏”的特點(diǎn)。②國有企業(yè)冷熱點(diǎn)地區(qū)分布相對集聚，熱點(diǎn)區(qū)域主要位于東部沿海地區(qū)，集中在上海、安徽、江蘇、湖北、河南、山東等省份；西部內(nèi)陸及邊遠(yuǎn)地區(qū)為主要冷點(diǎn)地區(qū)，涉及青海和西藏地區(qū)。熱點(diǎn)地區(qū)經(jīng)歷了先縮小后穩(wěn)定的變化過程，而冷點(diǎn)地區(qū)呈現(xiàn)內(nèi)部隨機(jī)化的特點(diǎn)。③國有企業(yè)政策、國內(nèi)生產(chǎn)總值、勞動力比重對國有企業(yè)數(shù)量存在顯著性的正向影響，總撫養(yǎng)比和汽車貨運(yùn)水平對國有企業(yè)數(shù)量存在負(fù)面影響。人均專利、城鎮(zhèn)化率對國有企業(yè)數(shù)量沒有表現(xiàn)出具有顯著性的影響，國家政策的頒布和實(shí)施具有明顯的時效性和滯后性，經(jīng)濟(jì)因素始終對國有企業(yè)數(shù)量存在顯著性的正向影響。