EN中文

Economic geography >

2020 , Vol. 40 >Issue 1: 12 - 20

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.01.002

Characteristics and Influencing Factors of Spatial Distribution of Headquarters of Listed Firms in Beijing

  • ZHAO Jingping , 1, 2 ,
  • LU Minghua , 1, ※ ,
  • LIU Hanchu 3
Expand
  • 1. School of Resource Environment and Tourism，Capital Normal University，Beijing 100048，China
  • 2. The Affiliated School of Beijing University of Civil Engineering and Architecture，Beijing 102600，China
  • 3. Institute of Science and Development，Chinese Academy of Sciences，Beijing 100190，China

Received date: 2019-01-26

  Revised date: 2019-10-27

  Online published: 2025-04-25

Fold

Abstract

This paper used the spatial buffer analysis and Tobit model to explore the characteristics and influencing factors of spatial distribution of headquarters of listed firms in Beijing in 2015. Research indicated that: 1) The spatial distribution of headquarters of listed firms in Beijing was relatively concentrated. It was more even in the East-West direction,while in the North-South direction, the number of headquarters of listed firms in north of Chang'an Street was obviously more than that in south of Chang'an Street. The headquarters of listed firms within the fifth ring road distributed along the ring roads roughly, and showed distance decay characteristics. While headquarters of listed firms outside the fifth ring road extended along the radial highways to the suburbs. 2) Headquarters of listed firms of the same industry in Beijing tended to agglomerate. The distribution of headquarters of manufacturing listed firms was similar to that of the whole headquarters of listed firms. The distance decay characteristics of headquarters of manufacturing listed firms was more obvious. In addition,the spatial distribution of headquarters of listed firms of information transmission,software and information technology service industry (hereinafter referred to information industry) was highly concentrated. 3)It was found that the spatial distribution of headquarters of listed firms in Beijing was mainly affected by the factors such as location (within the second ring road,or between the second ring road and the fourth ring road),agglomeration, the number of employees in productive service industry and the distance to the nearest"985" institutions. 4) Comparing to different industries,we could find that the spatial distribution of headquarters of manufacturing listed firms was more influenced by factors about agglomeration and the policy factor. The distribution of headquarters of information listed firms was more influenced by factors about the distance to Tian'anmen and the nearest "985" institutions.

Key words： listed firms; geography of firms; headquarters; colleges and universities; Zhongguancun Science Park; manufacturing; Beijing

Cite this article

ZHAO Jingping , LU Minghua , LIU Hanchu . Characteristics and Influencing Factors of Spatial Distribution of Headquarters of Listed Firms in Beijing[J]. Economic geography, 2020 , 40(1) : 12 -20 . DOI: 10.15957/j.cnki.jjdl.2020.01.002

企业作为重要的行为主体，对城市经济发展和全球城市建设意义重大。作为企业的决策和控制中心，企业总部的分布关系到大都市区在城市体系中的地位。北京作为京津冀世界级城市群的核心城市，总部经济是其城市产业升级、品位提升的重要动力引擎和战略选择。2016年北京市总部企业实现营业收入9.4万亿元，以占比不足1%的企业数量创造了全市67.8%的营业收入，是首都经济重要支撑[1]。北京市“十三五”规划指出，将北京建设为世界高端企业总部聚集之都，发挥在京总部企业引领带动作用，依托总部人才、资本、技术、管理等优势资源，提高全球配置资源能力和控制力[2]。企业在城市内部的区位受到城市规划和城市发展的影响，同时，企业也是重塑城市空间格局的重要力量。随着北京进一步发展总部经济，未来企业总部布局仍是城市空间结构优化的重点。上市公司作为公司的重要组成部分，具有较强的知名度和透明度。因此，把握北京上市公司总部的空间分布规律和影响因素对于城市发展战略和空间规划具有重要借鉴作用。
公司是企业的一种。公司地理研究公司的空间结构、空间行为及其与环境的关系[3]。公司总部是公司地理的重点研究内容，国内外学者均开展了探讨。国外学者主要对城市之间的企业总部空间分布及其影响因素进行了深入研究，他们发现企业总部倾向于集中在大城市[4-7]，人才[8-9]、资本[9]、知识溢出[8]、服务集群[9]、财务制度和监管制度[9]、路径依赖[10]、国际金融市场[10]、股权集中度[10]、人口规模[11]、城市等级[12]、城市体系[13]、规模经济[14]和城市经济潜力[15]等对企业区位影响较大。一些学者也对城市内部的企业分布进行了积极研究，发现一些企业已经出现郊区化趋势[16]，企业规模与企业到城市中心的距离负相关[17]，且不同类型的企业分布在城市的不同地区[18]。
国内学者对制造业、高新技术产业、物流产业、批发产业和创意产业的企业在城市内部的分布进行了多方面探索，发现同类型产业的企业在城市内部倾向于集聚[19-22]，并且倾向于沿交通线分布[22-24]，一些城市的企业布局出现郊区化的趋势[25]，还有一些企业的空间分布呈现单核或是多核的空间分布模式[26-27]。学者们除了关注不同行业企业的空间分布特征外，还关注企业内部不同部门的空间分布特征，他们重点关注了企业总部在城市内部的分布。研究发现：随着生产片段化的发展，企业总部功能和生产、销售功能日益分离[28-29]，总部向城市中心集聚[30-34]，并且倾向于布局在交通便利的地方[32-33]；而且企业总部开始出现郊区化的趋势[29,35-36]。目前国内学者主要运用负二项回归模型、Tobit模型以及条件Logit模型等探讨企业空间分布的影响因素。有的研究从诸如交通[31-32]、政策[32,36]、集聚因素[32]等城市属性出发，研究企业空间分布影响因素。还有一部分研究从企业自身的特征包括公司类型[30]、行业[30,33]、设立时间[30,33]、企业形象[31]、企业规模[33]、所有制条件[33]等方面，分析企业空间分布影响因素。
以上研究成果为本文提供了丰富的经验借鉴，但总体来看还存在一些不足。首先，空间尺度方面，学者们对包括跨国公司总部在内的企业总部开展了从全球、国家、省域到城市尺度的一系列研究，但聚焦城市内部、特别是以街道单元为基础的微观层面研究还不多见。其次，国内对于城市内部的企业总部空间分布研究主要集中在上海，而对北京的研究较为少见，尤其是不同行业的上市公司总部空间分布特征及影响因素的比较研究更为少见。北京作为全国的金融管理中心和科技创新中心，具有雄厚的金融资本，智力资源居全国第一，远超全国其他城市。金融条件和智力资源是影响企业总部布局的关键因素。因此，北京是深入探究企业总部空间布局规律及关键因素作用机制的典型案例地，这有助于进一步丰富城市内部的企业地理相关理论。基于此，本研究将基于北京310个街道单元，利用2015年上市公司年度报告等数据，对北京上市公司总部空间分布特征及影响因素进行分析。

1 数据来源及研究方法

1.1 数据来源

本文研究的上市公司为A股上市公司，其行业分类按照《上市公司行业分类指引》（2012年修订版）进行划分，上市公司的地址采用办公地址。截至2015年12月31日，北京共有上市公司265家（总部均在北京），其中主板市场139家，中小板市场46家，创业板市场80家。从总市值来看，北京上市公司总市值为167 301.1亿元，其中，主板市场总市值145 515.16亿元，中小板市场总市值8 892.23亿元，创业板市场总市值12 893.71亿元（表1）。北京上市公司数量占全国的9.43%，总市值占全国的28.70%。北京上市公司总市值占比明显大于数量占比，说明北京上市公司平均规模大，在全国占有重要地位。
表1 北京上市公司与全国上市公司基本情况比较（2015年）

Tab.1 A comparison of the basic situation between Beijing listed firms and National listed firms

上市公司数量（家） 上市公司市值（亿元）
北京 全国 北京占全国的比重（%） 北京 全国 北京占全国的比重（%）
A股主板 139 1 540 9.03 145 515.16 422 331.19 34.46
A股中小板 46 777 5.92 8 892.23 104 740.23 8.49
A股创业板 80 492 16.26 12 893.71 55 892.03 23.07
全部A股 265 2 809 9.43 16 7301.10 582 963.45 28.70
北京上市公司从行业分布来看，制造业公司最多，达98家，占全部上市公司数量的36.98%；排名第二的信息业上市公司有54家，占比为20.38%；第三名建筑业上市公司只有18家。上市公司数量在10家以上的行业有7个，除上述三个行业外，还有房地产业（16家），批发和零售业（14家），金融业（13家）和采矿业（12家）（表2）。
表2 北京不同行业上市公司数量

Tab.2 The number of listed firms in different industries in Beijing

行业 数量（家）
制造业 98
信息业 54
建筑业 18
房地产业 16
批发和零售业 14
金融业 13
采矿业 12
电力、热力、燃气及水生产和供应业 9
租赁和商业服务业 6
文化、体育和娱乐业 5
农、林、牧、渔业 4
科学研究和技术服务业 4
交通运输、仓储和邮政业 3
住宿和餐饮业 3
水利、环境和公共设施管理业 3
综合 2
教育 1
总计 265
本文北京上市公司的企业名录来自于证监会网站（http://www.csrc.gov.cn/pub/newsite），北京上市公司企业名录中有企业办公地址等信息，公司行业类型等详细信息来源于巨潮资讯网（http://www.cninfo.com.cn/search/search.jsp）。各街道数据来自于北京第三次经济普查数据。

1.2 研究方法

缓冲区分析。空间缓冲区分析是指以点、线、面等实体为基础，自动建立其周围一定宽度范围内的缓冲区多边形图层，然后进行该图层与目标图层的叠加，进而分析得到所需结果。它是用来解决邻近度问题的空间分析工具之一。
Tobit模型。Tobit模型是指因变量在正值上总体呈现连续分布，却又含有一部分取值为0的观察值的模型。在本文中，有相当数量街道的上市公司数量为0，因此，虽然上市公司数量的总体分布散布于一个正数范围内，但在数字0上却相当集中。这种情况下一般采取截尾回归模型，Tobit模型就是适应于该数据类型的模型。本文以北京310个街道为基本空间单元，建立Tobit模型探讨上市公司总部空间分布的影响因素，涉及上市公司总部、制造业上市公司总部、信息业上市公司总部分布的影响因素。以落入各街道的上市公司总部数量作为被解释变量，模型如下：

Y = Y * = X β + ε , Y > 0 0 , Y = 0

式中： Y为因变量； Y *为受限因变量；X为自变量；β为回归系数；ε为误差项，且满足正态分布。

2 北京上市公司总部空间分布特征

2.1 集聚于主要产业园区

北京上市公司总部地理集中度①为0.68，分布比较集中。其在东西方向上较为均匀，而南北方向上，长安街及其延长线（图中黑色直线）以北总部数量明显多于长安街以南（图1）。
图1 北京上市公司总部空间分布点状图

Fig.1 The spatial distribution plot chart of headquarters of listed firms in Beijing

从主要街道上市公司总部数量来看（图2，表3）：①花乡、亚运村以及将台上市公司总部数量最多，各有11家。通过实地调研，国家级开发区丰台总部基地以及中关村国家自主创新示范区丰台园东区（中关村国家自主创新示范区以下简称中关村示范区）都位于花乡，而中关村示范区朝阳园电子城东区刚好位于将台附近。②清河、西北旺、北下关、学院路、中关村、西长安街、上地、北太平庄、花园路、崔各庄上市公司总部数量大于5家。其中，中关村下辖的西北旺产业基地位于西北旺镇，中关村示范区海淀园涉及清河、北下关、学院路、中关村、上地、北太平庄、花园路。③台湖、展览路、八里庄、苹果园、亦庄、三里屯、左家庄、和平里、甘家口、南邵、苏家坨、海淀以及新街口分别有3~5家上市公司总部。其中，苹果园交通枢纽商务区（隶属于中关村示范区石景山园）位于苹果园，中关村示范区亦庄园位于亦庄，中关村示范区昌平园位于南邵。
图2 北京上市公司总部街道分布详图

Fig.2 The details chart of distribution of headquarters of listed firms in main substricts in Beijing

表3 北京上市公司总部主要街道分布统计

Tab.3 Distribution statistics of headquarters of listed firms in main subdistricts in Beijing

街道 数量（家） 街道 数量（家）
花乡 11 台湖 5
亚运村 11 展览路 5
将台 11 八里庄 5
清河 9 苹果园 5
西北旺 9 亦庄 4
北下关 7 三里屯 4
学院路 7 左家庄 4
中关村 7 和平里 4
西长安街 6 甘家口 4
上地 6 南邵 4
北太平庄 6 苏家坨 4
花园路 6 海淀 4
崔各庄 6 新街口 3
本文还选取了北京上市公司数量排名前两位的制造业和信息业，分别分析其分布特征。研究发现，相同行业的上市公司总部倾向于集聚。北京制造业上市公司总部数量最多（98家），其地理集中度为0.74，空间分布比较集中（图3）。从数量来看，花乡有6家制造业上市公司总部。亚运村、将台、清河、西北旺、花园路均有5家制造业上市公司总部。八里庄、中关村、苹果园、来广营、学院路、北太平庄、北下关、回龙观、四季青、新街口、台湖、南邵以及双井分别有2~4家制造业上市公司总部（表4）。
图3 北京制造业上市公司总部空间分布点状图

Fig.3 The spatial distribution plot chart of headquarters of manufacturing listed firms in Beijing

表4 北京制造业上市公司总部主要街道分布统计

Tab.4 Distribution statistics of headquarters of manufacturing listed firms in main subdistricts in Beijing

街道 数量（家） 街道 数量（家）
花乡 6 学院路 3
亚运村 5 北太平庄 2
将台 5 北下关 2
清河 5 回龙观 2
西北旺 5 四季青 2
花园路 5 新街口 2
八里庄 4 台湖 2
中关村 3 南邵 2
苹果园 3 双井 2
来广营 3
信息业上市公司总部（54家）地理集中度为0.98，空间分布高度集中（图4）。除6家上市公司总部外，其余全部位于长安街以北。空间分析发现：信息业上市公司总部主要集中于亚运村、西北旺、中关村、上地、将台、崔各庄、清河、苏家坨、北下关、和平里以及北太平庄。以上街道分别拥有2~4家信息业上市公司总部（表5）。
图4 北京信息业上市公司总部空间分布点状图

Fig.4 The spatial distribution plot chart of headquarters of information listed firms in Beijing

表5 北京信息业上市公司总部主要街道分布统计

Tab.5 Distribution statistics of headquarters of information listed firms in main subdistricts in Beijing

街道 数量（家） 街道 数量（家）
亚运村 4 清河 2
西北旺 4 苏家坨 2
中关村 3 北下关 2
上地 3 和平里 2
将台 3 北太平庄 2
崔各庄 3
可见，全部上市公司总部、制造业上市公司总部以及信息业上市公司总部集中分布于北京西北郊区，并且在中关村、亚运村、清河、西北旺、北下关、北太平庄、将台都有分布。制造业上市公司总部与全部上市公司总部分布格局更为相似，而信息业上市公司总部空间分布高度集中。

2.2 分布在主要交通干线附近

五环内上市公司总部大致沿环路集聚，五环外上市公司总部则沿着放射状高速向郊区延伸（图5、图6）。基于地铁线路以及主要交通干线的缓冲区分析表明，北京主要地铁及交通干线沿线500 m和1 000 m缓冲区内的上市公司总部数量分别为163和215家，占全部上市公司数量的61.51%和81.13%。上市公司总部集中在重要交通干线附近，有利于吸引高素质的专业化人员，便于企业及时联系供应商和客户，及时获取专业化服务和市场信息。
图5 沿主要交通干线500 m缓冲区分析

Fig.5 Distribution map in 500 m buffer zone along the main traffic trunk line

图6 沿主要交通干线1 000 m缓冲区分析

Fig.6 Distribution map in 1000 m buffer zone along the main traffic trunk line

2.3 呈现距离衰减的分布规律

北京上市公司总部呈现出距离衰减的分布规律。如果以天安门城楼为城市中心点，每隔1 km的整数倍为半径绘制同心圆，求得各圆环内单位面积上市公司总部的密度，并绘制到中心点的距离—密度散点图（图7）。可以发现，上市公司总部密度呈现出从中心向外围递减的趋势，在城市中心点1 km范围内上市公司密度最大值达到0.64家/km2，然后依次向外递减，在距离中心点10 km处，上市公司总部密度下降到0.1家/km2左右。
图7 总部到天安门城楼的距离与密度变化图

Fig.7 Distance and density change map of headquarters to Tian'anmen

根据拟合的指数曲线，上市公司总部的密度与该公司到中心点的距离呈指数递减趋势。制造业上市公司总部距离衰减曲线和全部上市公司总部较为相似。不同的是，在距离中心点5 km处，制造业上市公司总部密度就下降到了0.1家/ km2左右。而信息业上市公司距离衰减曲线变化相对较小。

3 北京上市公司总部空间分布的影响因素分析

3.1 变量选取

关于公司总部区位选择的影响因素，研究认为公司总部偏好人才、信息、金融等高级生产要素，往往分布在具有便利交通运输[28,31,32]、完备通讯信息网络[28]、高素质专业人才[28]、优惠政策的地方[32,36]，并接近行政中心[28]、接近金融机构汇集地[28]。而且公司总部倾向于集聚在一起，以便利用集聚经济[32,36]。在区位因素方面，首先，上市公司总部需要与其分支机构保持频繁的沟通联系，并与国内重要节点城市保持密切联系。因此，总部经常分布在机场周围，本文将街道中心到北京首都国际机场的最短距离（Airport）引入模型（表6）。到火车站点的距离表征了企业在经营过程中人流以及物流的便利性。因此，除了到机场距离外，本文还将街道中心到最近火车站点的距离（Railway station）引入模型。其次，上市公司总部倾向于集聚在市中心，到市中心的距离也是影响企业总部分布的重要因素。因此，街道中心到天安门城楼的距离（Center）被纳入模型。再次，作为企业的生产经营中心和经济核算中心，上市公司总部必然有许多会计、保险等高端金融服务需求，到金融街的距离（Financial street）尤为重要。最后，本文以环线为界，将北京分成二环以内（东城西城），二环到四环之间（海淀朝阳），四环到六环之间以及六环以外四部分。并将四个部分分别设置虚拟变量Ring1、Ring2、Ring3和Ring4。如果位于该区域，则取值为1，否则为0。
表6 解释变量定义

Tab.6 Definition of explanatory variables

因素类型 变量符号 指标解释
区位条件 Airport 到首都国际机场的距离
Railway station 到最近火车站点的距离
Center 到天安门城楼的距离
Financial street 到金融街的距离
Ring1 二环以内区位为1，否则为0
Ring2 二环到四环之间区位为1，否则为0
Ring3 四环到六环之间区位为1，否则为0
Ring4 六环以外区位为1，否则为0
智力条件 College985 到最近的“985”院校的距离
集聚经济 Agg 2 km缓冲区总部数量
Npi 街道内部本行业从业人员数量
Empl 街道内部生产性服务业从业人员数量
政策 Eda 国家级开发区，有则赋值为1，否则为0
智力条件方面，根据以往研究[32]，上市公司总部需要获取高素质专业化的人力资源，因此会倾向于接近高等学校以获取专业化的人力资源。本文将街道中心到最近“985”院校的距离（College985）纳入模型。集聚因素方面，本文引入街道中心2 km缓冲区内的上市公司总部数量（以下简称2 km缓冲区总部数量）（Agg）探讨其对上市公司总部的影响。进一步，不同行业上市公司总部在选址时会考虑街道内部本行业的产业基础，因此，本文在模型中引入了街道内部本行业从业人员数量（Npi）。本文还尝试将街道内部生产性服务业从业人员数量（Empl）纳入模型。总部在发展过程中需要各类生产性服务业企业提供的高级服务，总部往往集聚在生产性服务业企业众多的地区。政策方面，本文采用政策因素（Eda），即街道是否位于国家级开发区来衡量政策因素的作用，位于国家级开发区赋值为1，否则为0。

3.2 计量结果分析

表7第1列引入全部上市公司总部样本。第2列、第3列分别从行业角度选择北京上市公司数量排名前两位的制造业和信息业样本。由于街道数据的限制，北京310个街道中，最后进入分析模型的有280个。
表7 北京上市公司总部分布影响因素的Tobit模型逐步回归结果

Tab.7 Stepwise regression results of Tobit model of influencing factors of distribution of headquarters of listed firms in Beijing

全部 制造业 信息业
Ring1 -2.427**
Empl 0.0000236***
Agg 0.193*** 0.137*** 0.115**
College985 -0.0720*** -0.0553** -0.207**
Ring2 -2.120** -1.524*
Eda 1.090*
Airport -0.104*
Npi 0.000023* 0.000015**
Center -0.142**
N 280 280 280
Pseudo R2 0.1544 0.1382 0.2052
LRchi2 100.77 58.71 41.74
p 0.0000 0.0000 0.0000

注：Standard errors in parentheses，p*<0.05，p**<0.01，p***<0.001。

3.2.1 全部上市公司总部分布的影响因素

在全部上市公司总部样本中，可以看到，模型的R2为0.1544，说明模型的拟合效果较为一般，但是R2并不是检验一个模型是否显著的标准。在Tobit模型中应该更多地关注卡方统计量，即LR chi2的结果。可以看到全部总部模型中，卡方的统计量为100.77，对应的p值为0.0000，远小于0.05，说明模型显著成立。该模型中，二环以内区位（Ring1），二环到四环之间区位（Ring2），2 km缓冲区总部数量（Agg），到最近“985”院校的距离（College985）以及生产性服务业从业人员数量（Empl）5个变量通过了检验进入模型。4个环线虚拟变量（Ring1，Ring2，Ring3，Ring4）中有Ring1和Ring2进入模型，其系数分别为-2.427和-2.120。在0.01的显著水平下通过检验，说明在控制其他因素的情况下，二环以内及二环到四环之间的上市公司总部数量要分别低于其他地方2.427和2.120家，城市的中心位置相对不重要。2 km缓冲区总部数量（Agg）的系数为0.193，在0.001的显著水平下通过检验，说明上市公司总部的集聚有利于吸引新的上市公司总部的入驻。到最近的“985”院校的距离（College985）系数为-0.0720，在0.01的显著水平下通过检验，说明到最近的“985”院校的距离越近，上市公司总部的数量越多，每接近1 km，数量增加0.0720家。街道生产性服务业从业人员数量（Empl）的系数为0.0000236，在0.001的显著水平下通过检验，说明生产性服务业从业人员数量每增加1万人，上市公司总部的数量将会增加0.236家。

3.2.2 制造业以及信息业上市公司总部分布的影响因素

在制造业上市公司总部分布的模型中，可以看到，模型的R2为0.1382，说明拟合效果一般。卡方的统计量为58.71，对应的p值为0.0000，远小于0.05，说明模型显著成立。该模型中，二环到四环之间区位（Ring2），政策因素（Eda），2 km缓冲区总部数量（Agg），到最近“985”院校的距离（College985）以及街道内本行业从业人员数量（Npi）5个变量通过了检验进入模型。二环到四环之间区位（Ring2）的系数为-1.524，在0.05的显著水平下通过检验，说明在二环到四环之间的制造业上市公司总部数量要低于其他地方1.524家，说明城市中心的位置对制造业上市公司来说不重要。政策因素（Eda）的系数为1.090，在0.05的显著水平下通过检验，说明新的制造业上市公司总部倾向于布局在国家级开发区内部。2 km缓冲区总部数量（Agg）的系数为0.137，在0.001的显著水平下通过检验，说明新的制造业上市公司总部倾向跟其他已经存在的上市公司总部布局在一起。到最近“985”院校的距离（College985）的系数为-0.0553，在0.01的显著水平下通过检验，说明与最近的“985”院校的距离越近，制造业上市公司总部的数量越多，每接近1 km，数量增加0.0553家。街道内部本行业从业人员数量（Npi）的系数是0.000023，在0.05的显著水平下通过检验，说明街道内部制造业从业人员每增加1万人，制造业上市公司总部数量增加0.23家。
在信息业上市公司总部分布的模型中，可以看到，模型的R2为0.2052，说明拟合效果较为一般。卡方的统计量为41.74，对应的p值为0.0000，远小于0.05，说明模型显著成立。该模型中，到最近“985”院校的距离（College985）、到天安门城楼的距离（Center）、2 km缓冲区总部数量（Agg）、到首都国际机场的距离（Airport）以及街道内部本行业从业人员数量（Npi）5个变量通过检验进入模型。其中，到最近的“985”院校的距离的系数为-0.207，在0.01的显著水平下通过检验，说明信息业上市公司总部倾向于靠近“985”院校，与“985”院校每接近1 km，信息业上市公司总部将增加0.207家。到天安门城楼的距离（Center）的系数为-0.142，在0.01的显著水平下通过检验，说明与市中心距离每接近1 km，信息业上市公司总部数量将增加0.142家。2 km缓冲区总部数量（Agg）的系数为0.115，在0.01的显著水平下通过检验。到首都国际机场的距离（Airport）系数为-0.104，说明每接近首都国际机场1 km，信息业上市公司总部的数量增加0.104家。街道内部本行业从业人员数量（Npi）的系数是0.000015，在0.01的显著水平下通过检验，说明街道内部信息业从业人员数量每增加1万人，信息业上市公司总部增加0.15家。

3.2.3 上市公司总部分布影响因素的行业异质性分析

制造业上市公司总部更加关注集聚因素以及政策因素。一般来说，制造业上市公司总部占地面积较大，需要集聚在一起从而与其他上市公司总部共享基础设施，因此，其对集聚因素的关注度比较高。同时，国家政策（产业园区）对制造业生产链以及生产成本影响较大。而信息业上市公司总部则更加关注到天安门城楼的距离以及到最近“985”院校的距离。这主要是由于信息业上市公司利润率比较高同时对人才以及信息沟通的速度要求更高，所以其更关注高素质人才，离科研院校近。总之，制造业上市公司总部喜欢布局在上市公司总部集聚的产业园区，而信息业上市公司总部则更喜欢靠近城市中心的位置，并且对人才的需求高。

4 结论与讨论

本文分析了北京上市公司总部在北京的空间分布特征及影响因素。研究发现：
①北京上市公司总部空间分布比较集中，北多南少，大致沿环路及高速公路分布，并且表现出距离衰减的分布规律。花乡、亚运村以及将台、清河、西北旺、北下关、学院路、中关村等地区上市公司总部数量分布较多。
②相同行业的上市公司总部倾向于集聚分布。北京制造业上市公司总部集中于花乡、亚运村、将台、清河、西北旺等地区，且表现出更明显的距离衰减特征。信息业上市公司总部涉及的主要街道有：亚运村、西北旺、中关村等。制造业上市公司总部与全部上市公司总部分布格局更为相似，而信息业上市公司总部空间分布高度集中。
③全部上市公司总部在选址时比较关注区位因素、集聚因素和智力条件等影响因素，具体为二环以内区位、二环到四环之间区位、2 km缓冲区总部数量、生产性服务业从业人员数量以及到最近“985”院校的距离。制造业上市公司总部对于集聚因素以及政策因素（主要指开发区）更加看重。而信息业上市公司总部更加关注到天安门城楼的距离以及到最近“985”院校的距离。制造业和信息业上市公司影响因素的不同主要是由其行业特性决定的。
本文对北京上市公司总部的研究印证了之前学者关于泛中关村地区是北京企业总部主要集聚区的论断。本文也印证了北京上市公司总部多中心分布、沿交通线分布的特征。由于研究的数据时间不同，与已有研究相比，金融街、建外街道（CBD所在街道）总部数量明显下降，亚运村总部数量明显上升。本文进一步总结了制造业与信息业上市公司总部空间分布特征的差异性。此外，本文还尝试从城市属性角度探讨北京上市公司总部空间分布的影响因素以及比较影响因素在制造业与信息业上的行业异质性。不足的是，由于街道层面影响因素指标选择有局限，本文在研究政策因素对上市公司总部空间分布的影响时只考虑了国家级开发区这一指标。此外，本文也未能做北京上市公司总部分布及影响因素的动态变化研究。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
黄爱光. 北京总部经济发展研究[J]. 时代经贸, 2018(10):8-15.

[2]
北京市发展和改革委员会. 北京市国民经济和社会发展第十三个五年规划纲要[M]. 北京: 社会科学文献出版社, 2016.

[3]
李小建. 公司地理论[M]. 北京: 科学出版社, 2012.

[4]
Strauss-Kahn V, Vives X. Why and where do headquarters move?[J]. Regional Science and Urban Economics, 2009, 39(2):168-186.

[5]
Ahnström L. Why are offices where they are? The search for factors determining the location of company headquarters[J]. Geojournal, 1984, 9(2):163-170.

[6]
Shilton L, Stanley C. Spatial patterns of headquarters[J]. Journal of Real Estate Research, 1999,17:341-364.

[7]
Tonts M, Taylor M. Corporate location,concentration and per-formance:large company headquarters in the Australian urban system[J]. Urban Studies, 2010, 47(12):2641-2 664.

[8]
Audretsch D B, Lehmann E E, Warning S. University spillovers and new firm location[J]. Research Policy, 2005, 34(7):1113-1 122.

[9]
Mahnke V, Ambos B, Nell P C, et al. How do regional headquar-ters influence corporate decisions in networked MNCs?[J]. Journal of International Management, 2012, 18(3):293-301.

[10]
Birkinshaw J. et al. Why do some multinational corporations re-locate their headquarters overseas[J]. Strategic Management Journal, 2006, 27(7):681-700.

[11]
Wheeler J O. The corporate role of large metropolitan areas in the United States[J]. Growth & Change, 1988, 19(2):75-86.

[12]
Semple R K. Recent trends in the spatial concentration of cor-porate headquarters[J]. Economic Geography, 1973, 49(4):309-318.

[13]
Strickland D, Aiken M. Corporate influence and the German urban system:headquarters location of German industrial corporations,1950-1982[J]. Economic Geography, 1984, 60(1):38-54.

[14]
Davis J, Hendersen V. The agglomeration of headquaters[J]. Regional Science and Urban Economics, 2008,38:445-460.

[15]
Wioletta Kilar. Spatial concentration of IT corporatin head-quarters[J]. Prace Komisji Geografii Przemyslu Polskiego Towarzystwa Geograficznego, 2014,25:56-80.

[16]
Aranya R. Location theory in reverse? Location for global production in the IT industry of Bangalore[J]. Environment and Planning A, 2008, 40(2):446-463.

[17]
Ó hUallacháin B, Leslie TF. Producer services in the urban core and suburbs of Phoenix,Arizona[J]. Urban Geography, 2007, 44(8):1581-1 601.

[18]
Hutton T A. Spatiality,built form,and creative industry devel-opment in the inner city[J]. Environment and Planning A, 2006, 38(10):1819-1 841.

[19]
刘青, 李贵才, 仝德, 等. 基于ESDA的深圳市高新技术企业空间格局及影响因素[J]. 经济地理, 2011, 31(6):926-933.

[20]
吴素春. 科技资源密集型城市高新技术企业空间分布研究——以武汉市为例[J]. 湖北社会科学, 2016(3):74-82.

[21]
韩会然, 杨成凤, 宋金平. 北京批发企业空间格局演化与区位选择因素[J]. 地理学报, 2018, 73(2):219-231.

DOI

[22]
罗蕾, 田玲玲, 罗静. 武汉市中心城区创意产业企业空间分布特征[J]. 经济地理, 2015, 35(2):114-119.

[23]
贺灿飞, 梁进社, 张华. 北京市外资制造企业的区位分析[J]. 地理学报, 2005, 60(1):122-130.

[24]
吕卫国, 陈雯. 制造业企业区位选择与南京城市空间重构[J]. 地理学报, 2009, 64(2):142-152.

[25]
高金龙, 袁丰, 陈雯. 转型期城市制造业空间重构过程与机理——以南京市为例[J]. 地理研究, 2017, 36(6):1014-1 028.

[26]
李长江, 余军合. 宁波市注塑机企业集群空间集聚特征分析[J]. 科技与管理, 2017, 19(4):53-60.

[27]
Wei Y D, Bi X, Wang M, et al. Globalization,economic restruc-turing,and locational trajectories of software firms in Shanghai[J]. The Professional Geographer, 2015, 68(2):211-226.

[28]
李国平, 卢明华. 北京高科技产业价值链区域分工研究[J]. 地理研究, 2002, 21(2):228-238.

[29]
卢明华, 李丽. 北京电子信息产业及其价值链空间分布特征研究[J]. 地理研究, 2012, 31(10):1861-1 871.

[30]
林善浪, 王健. 上海市金融服务业区位选择研究[J]. 上海金融, 2010(2):19-22.

[31]
王承云, 毛睿奕, 张婷婷. 上海跨国公司总部的空间集聚及影响因素[J]. 经济地理, 2010, 30(6):893-898.

[32]
王俊松, 潘峰华, 田明茂. 跨国公司总部在城市内部的空间分异及影响因素——以上海为例[J]. 地理研究, 2017, 36(9):1667-1 679.

[33]
王俊松, 潘峰华, 郭洁. 上海市上市企业总部的区位分布与影响机制[J]. 地理研究, 2015, 34(10):1920-1 932.

[34]
戴德胜, 姚迪, 刘博敏. 公司总部办公选址因子分析——以北京市总部办公分布为例[J]. 城市规划学刊, 2005(3):88-94.

[35]
许学强, 叶嘉安, 周春山, 等. 中国城市转型·发展·重构与规划教育[M]. 北京: 科学出版社, 2015.

[36]
Pan F, Guo J, Zhang H, et al. Building a “Headquarters Econo-my”:the geography of headquarters within Beijing and its implications for urban restructuring[J]. Cities, 2015,42:1-12.

Options
Outlines

/

〈 〉