Study on the separation of listed companies' headquarters from registered cities and their influencing factors
HU Guojian,1,2, JING Xingxing1,2, LU Yuqi,1,2,3,4, CHEN Yu1,2,3,4, LI Enkang1,2通讯作者:
收稿日期:2019-11-13接受日期:2020-06-30网络出版日期:2021-02-10
基金资助: |
Received:2019-11-13Accepted:2020-06-30Online:2021-02-10
作者简介 About authors
胡国建(1992-),男,江西九江人,博士研究生,研究方向为经济地理、企业地理。E-mail:
摘要
关键词:
Abstract
Keywords:
PDF (7035KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
胡国建, 金星星, 陆玉麒, 陈娱, 李恩康. 中国上市公司总部与注册地跨城市分离的格局、形成过程和影响因素. 地理研究[J], 2021, 40(2): 402-418 doi:10.11821/dlyj020190991
HU Guojian, JING Xingxing, LU Yuqi, CHEN Yu, LI Enkang.
1 引言
区位论一直是地理学和经济学研究的重要内容之一[1]。以杜能、韦伯和克里斯塔勒等人为代表的经典区位理论主要是单一地址研究,随着企业部门组织的复杂化和功能综合化,企业区位的研究视野逐渐扩展到多分部企业区位乃至跨国公司的全球企业区位[2],研究对象包括总部、研发中心、分支、子公司等。如Dubé利用离散选择模型(DCM)分析了加拿大魁北克的企业总部的选址决策,发现外界环境对于不同行业的选址影响存在明显差异[3];Sigler研究了澳大利亚上市公司的总部和分支机构的位置,并以此建立了澳大利亚城市的一般空间格局[4];胡璇研究了外资企业研发中心在上海市的集聚特征,发现其形成以张江、漕河泾为核心的成熟集聚区[5]。相比之下,注册地作为企业的基本属性之一,极少成为除合法性、司法进程和税收等法学研究之外其他学科的关注对象[6,7,8]。而世界各国均建立了将注册地作为核心登记信息之一的企业登记注册制度,如德国《商法典》和日本《商法》均规定有限责任公司在登记注册时必须提交包含企业所在地的公司章程[9]。在中国,注册地即企业营业执照上的“住所”。虽然极少成为地理学和经济学关注的直接对象,但注册地作为判定总部具体位置、所属城市乃至所在国家的基础数据出现在众多诸如企业选址与迁移、城市网络、企业治理和地区经济等文献中。例如,盛科荣等通过电子信息企业的注册地址构建了总部-分支网络并在此基础之上研究了中国的城市网络格局[10];陈冬华等在研究宗教传统对当地上市公司治理的影响时,使用注册地址定位公司总部的位置[11]。Hasan等在研究波兰银行对当地经济活动影响时所使用的计量模型中通过注册地址判断各县新增企业的数量[12]。Morkut?等用注册地址的前后变化代表总部的迁移并基于此研究了荷兰各个地区的人力资本在总部迁移中的作用[13]。其中,部分****对于将注册地址表征总部位置的前提——“总-注”位置的一致性有所提及,但由于直接研究对象不是注册地,这些讨论通常是未基于数据的定性描述且观点不一。如Laamanen等分析欧洲公司的总部跨境迁移时提到:“公司的总部位置通常就是其法定注册地(domicile)”[14],Clausing在研究跨国公司总部是否为税收政策的理想目标时提及:“可以将公司的注册地址(legal residence)作为衡量总部位置的标准”[15]。与之对立,Myro等指出西班牙企业的注册地和企业位置的“强烈分离(strong dissociation)”导致了注册地数据存在局限性[16];Zhao等在通过企业总部和分支数据研究中国城市网络时用企业注册地址代表总部位置,而对于“总-注”分离的企业则以运营总部位置为准[17]。
“总-注”位置关系的两种对立观点目前均没有实证研究的支持。而“总-注”位置的一致是相关研究数据有效性和结果可信性的基础,大部分将注册地作为总部位置的研究似乎也默认了两者的一致性。这一判断在《中华人民共和国公司法》中亦能找到依据,该法第七条规定:“公司营业执照应当载明公司的名称、住所、注册资本、经营范围、法定代表人姓名等事项”;同时第十条规定:“公司以其主要办事机构所在地为住所”,所以营业执照上的注册地应当也是企业总部位置。但实际情况如何,需要通过实证研究来回答,至少对于在注册地没有任何业务存在的离岸公司而言,“总-注”必定分离且大部分属于跨国分离。
事实上,从有关新闻报道、司法裁定书等途径可以了解到,除离岸公司外的中国其他企业“总-注”的空间分离现象已经不是“稀有事件”。毫无疑问,该现象会如Myro所言导致注册地址数据存在局限性并使得有关研究结论与现实产生偏差,而偏差的程度取决于“总-注”分离的空间尺度、具体研究内容以及对研究结果造成偏差的企业数量[16]。其中,空间分离尺度对研究结果的影响需结合研究内容综合判定,例如总部与注册地在城市内部分离的企业不会对将城市作为节点的城市网络研究结果造成偏差,却会影响城市内部产业空间布局的有关研究。“总-注”分离现象除了对学术研究存在重要影响外,对企业监管、税收和司法等社会经济层面亦是如此,例如:① “总-注”分布在不同的登记机关辖区会导致注册地的管理部门难以行使管理职权,而总部所在地的管理部门不是其法律所属的管理机关(即使在同一登记机关辖区内分离,也会加大监管风险和行政成本,降低政府工作效能)。② 部分企业为了规避税费将注册地设在开发区和工业园区等税收优惠地区,总部却位于其他地区,造成国家税收损失;而总部不在注册地经营也是造成税务登记信息失真的原因之一;在发票管理上,企业在注册地领用发票,生产经营、财务均在其他地区,使得纳税人认定和发票供应的管理难度和风险上升。③ 由于法律规定不明和实践做法不一,“总-注”分离的企业常会引起司法纠纷,其中以法院管辖权归属问题最为典型,此外还会造成法院文书送达困难、生效裁判执行受阻等困扰。
“总-注”分离本质上是企业选址决策的结果,形式上包括两种可能:第一,企业初始的选址就将总部与注册地设在不同地点。第二,成立时总部与注册地位置一致,而后由于两者的非一致性迁移(再选址)所导致。其中,选址是企业最重要的微观活动之一[18],经济地理学家长期致力于解释企业在给定的市场、集聚经济和可达性等条件和约束下最佳位置的选择过程[3,19,20],相关研究已经相当成熟。与其类似,企业迁移的有关研究也较为充分,研究内容以迁移动因[13,21,22]、区位选择[18,19,23]和迁移绩效为主[24,25]。但以上两类文献都极少涉及企业注册地及其与总部的分离现象,目前仅潘峰华等在研究中国上市企业总部的迁址中对其有所分析但并未深入[26]。
综上,本文以中国A股上市公司为例,对其“总-注”在跨省和省内跨市尺度上的分离格局进行研究;再结合年报的追踪,确认和细述“总-注”跨城市分离的形成过程;最后,通过Logistic模型分析不同因素对“总-注”跨城市分离的影响。通过研究,一方面为政府部门的立法和决策提供参考,另一方面希望引起****对企业“总-注”分离现象及其影响的关注。
2 研究对象与研究方法
2.1 研究对象
根据中国行政区划,可将A股上市公司“总-注”的空间分离划为跨省分离、省内跨市分离、市内跨区分离和区内分离4个级别,本研究聚焦于跨省分离和省内跨市分离的上市公司,不考虑城市内部的分离。主要考量如下:① 企业“总-注”跨城市分离会影响城市的GDP和就业等重要指标,且在纳税、监管和法律等方面所产生的影响大于在城市内部的分离。② 在分析影响因素时,宏观的跨市分离和微观的市内分离差别较大,如“总-注”的跨城市分离涉及到城市间的博弈,而总部的临时迁移所导致的“总-注”分离通常发生在城市内部。后续研究将关注上市公司“总-注”在城市内部的分离现象。2.2 数据来源和数据处理
2.2.1 Wind金融终端 Wind金融终端汇集整理中国境内各上市企业公开披露的资讯,在数据库端将文本内容数据化[27]。通过Wind获取截至2018年7月13日中国3533家A股上市公司的总部和注册地位置,对比发现有1110家“总-注”分离的上市公司(图1),其中跨省分离和省内跨市分离的公司分别占上市公司总数的5.01%和2.97%。此外有29家上市公司拥有两个总部,其中有21家公司至少一个总部与注册地跨城市分离。由于双总部的上市公司情况特殊,3.3节中将其单独描述。图1
新窗口打开|下载原图ZIP|生成PPT图1A股上市公司总部和注册地址分离的级别及其数量
Fig. 1The different scales of separation between headquarters and registered address of A-share listed companies and its number
本文还通过Wind金融终端收集上市公司的年龄、行业、组织形式、员工数、营业收入、是否曾重组、是否曾ST以及获得的政府补助等信息和数据,用以分析不同影响因素对上市公司“总-注”跨城市分离的影响。
2.2.2 上市公司年报 年报是上市公司每年定期出版、对外公开的刊物,包含了总部地址(办公地址)和注册地址信息,本文通过总部和注册地在历年年报中的变化来探究“总-注”跨城市分离的形成过程。由于全部上市公司历年的年报众多且每份年报多达数百页,完全收集的工作量巨大,所以年报的收集对象仅限于282家“总-注”跨城市分离的上市公司。通过巨潮资讯网(http://www.cninfo.com.cn/cninfo-new/index)共收集到3484份年报(缺少三六零和药明康德的年报),抽取其中总部和注册地的位置并按地级行政单元归并,对比发现282家上市公司的地址(总部和注册地)共经历了286次跨城市迁移。
2.3 影响因素的计量方法
Logistic回归模型是研究影响因素与因变量之间关系的常用方法[28],通过二元Logistic回归模型分析不同影响因素对上市公司“总-注”跨城市分离的影响,以及在跨省分离和省内跨市分离中影响程度及显著性的差异。二元Logistic回归方程公式如下:式中:P为因变量,是自变量因子相对于某一事件的发生概率,取值范围为[0, 1],xk为自变量因子,k为自变量个数,βk为偏回归系数,反映自变量因子xk对因变量的影响程度,α为常数项[28]。
3 上市公司“总-注”跨城市分离模式与形成过程
3.1 “总-注”跨城市分离模式研究
3.1.1 跨省分离 “总-注”跨省分离的上市公司共有177家,图2是177家公司“总-注”分布的对应关系。可以发现:总部主要集中在少数经济发达的省市,位于直辖市、省会城市和计划单列市的总部占全部的92.09%;注册地的分布较为分散且所在城市相对不发达,位于直辖市、省会和计划单列市的占比仅为49.15%。具体来看,总部分布在24个省级行政区的33个城市,其中北京和上海的总部数量合计占比达66.67%,其次是广东、浙江和江苏等经济强省。注册地分散在大陆全部的31个省级行政单元的96个城市,省级层面以浙江(22家)、江苏(17家)、湖北(11家)、黑龙江(9家)、辽宁(9家)和山东(9家)分布的较多,城市层面以宁波(7家)、大连(6家)、苏州(5家)和哈尔滨(5家)分布的较多,而北京和上海分别仅有1家和5家注册地。图2
新窗口打开|下载原图ZIP|生成PPT图2177家上市公司总部与其注册地址的对应关系
Fig. 2Correspondence between the headquarters of 177 listed companies and their registered addresses
按中国四大经济分区统计,总部和注册地在中国东部、西部、中部、东北地区的分布数量依次为157家、11家、6家、3家和83家、40家、28家、26家,说明总部的区域分布比注册地更加极化。
从对应关系来看,总部位于北京的上市公司,其注册地的分布较为分散;而总部位于上海的公司,其注册地主要分布在浙江、江苏、福建和安徽等相邻或相近的地区;其他省市的总部较少,其注册地没有呈现明显的分布规律。反之,注册地位于安徽、福建、广东、河北、黑龙江、江苏、辽宁、内蒙古、山东、陕西、天津、新疆、浙江和重庆等12个省市的上市公司,其总部主要集中在北京和上海,而注册地位于甘肃、海南、湖北、湖南、吉林、山西、上海、四川和西藏等9个省市的上市公司,其总部的分布较为分散。
3.1.2 省内跨市分离 有105家上市公司的“总-注”省内跨市分离(图3),共涉及21个省级行政单元,其中分布在广东、浙江、四川、福建和江苏的公司数量较多,占总数的59.05%,而甘肃、辽宁、内蒙古、青海和西藏没有“总-注”省内跨市分离的上市公司。
图3
新窗口打开|下载原图ZIP|生成PPT图3105家上市公司总部与其注册地址的对应关系
Fig. 3Correspondence between the headquarters of 105 listed companies and their registered addresses
具体来看,总部和注册地分别分布在38个城市和80个城市。其中,总部在浙江、四川、江西等省会首位度高的省份(以2017年GDP计算)通常集中于省会城市;而在广东、福建和江苏等省会首位度较低的省份,总部的分布相对分散;唯一例外的是山东,其总部全部集中在省会首位度中最低的济南市。位于省会或计划单列市的总部占比达83.81%,拥有2家及以上总部的20个城市中,仅东莞为普通地级市;相比之下,注册地主要分布在普通地级市,位于省会和计划单列市中的注册地占比仅为7.62%。整体上,上市公司“总-注”的省内跨市分离与跨省分离的特征类似,即总部主要分布在少数经济发达的地区,注册地分布的城市较多且相对不发达。
3.1.3 双总部的上市公司 统计的上市公司中存在有两个总部或两个注册地的特殊情况,其中有两个注册地的上市公司共3家,均与其总部位于同一城市(可能是“一照多址”的情况),故本文不再细述。拥有两个总部的29家上市公司中,有21家公司至少有一个总部与注册地不在同一城市(表1),可以将其分为三类:① 申万宏源等15家公司,有一个总部与注册地不在同一城市,另一个总部与注册地位置一致。② 紫光学大等5家公司,有一个总部与注册地不在同一城市,另一个总部与注册地在城市内部分离。③ 苏宁环球,两个总部均不在注册地的城市。
Tab. 1
表1
表1两个总部且至少一个总部与注册地不在同一城市的上市公司
Tab. 1
上市公司 | 注册地 | 总部1 | 总部2 | 上市公司 | 注册地 | 总部1 | 总部2 |
---|---|---|---|---|---|---|---|
申万宏源 | 乌鲁木齐 | 乌鲁木齐(同) | 北京 | 宝新能源 | 梅州 | 梅州(同) | 广州 |
中视传媒 | 上海 | 上海(同) | 北京 | 洁美科技 | 湖州 | 湖州(同) | 杭州 |
中钢国际 | 吉林 | 吉林(同) | 北京 | 大秦铁路 | 大同 | 大同(同) | 太原 |
帝龙文化 | 杭州 | 杭州(同) | 北京 | 新奥股份 | 石家庄 | 石家庄(同) | 廊坊 |
雅百特 | 盐城 | 盐城(同) | 上海 | 紫光学大 | 厦门 | 厦门(异) | 北京 |
GQY视讯 | 宁波 | 宁波(同) | 上海 | 海德股份 | 海口 | 海口(异) | 北京 |
精工钢构 | 六安 | 六安(同) | 上海 | 洲际油气 | 海口 | 海口(异) | 北京 |
西藏城投 | 拉萨 | 拉萨(同) | 上海 | 五矿资本 | 长沙 | 长沙(异) | 北京 |
深南股份 | 南通 | 南通(同) | 深圳 | 成飞集成 | 成都 | 成都(异) | 洛阳 |
光启技术 | 杭州 | 杭州(同) | 深圳 | 苏宁环球 | 吉林 | 南京 | 上海 |
紫金矿业 | 漳州 | 漳州(同) | 厦门 |
新窗口打开|下载CSV
从A股上市公司来看,“总-注”分离和跨城市分离的公司数量占比分别达31.45%和7.98%(不含双总部和双注册地的公司),一定程度上说明中国企业“总-注”分离的现象已经较为普遍。而世界银行《2019年营商环境报告》显示中国实有企业高达3434.64万户[29],在庞大的基数下,“总-注”分离的企业数量及其影响不容小觑。
3.2 “总-注”跨城市迁移模式研究
前文提到,总部与注册地的分离是企业选址决策的结果,而形成过程无非两种:① 企业成立时将总部和注册地设在不同地点。② 成立时“总-注”一致,之后由于两者的非一致性迁移所导致。通过收集和对比3484份年报中“总-注”的位置发现两者跨城市分离的282家公司基本属于第二种情况,这些公司的“总-注”在上市之初(首次公开募股)几乎都位于同一城市,之后两者共经历了286次的跨城市迁移,导致它们分布在不同城市。286次迁移中仅有6组总部和注册地(合计12次迁移)同时迁入新城市,其他均为总部与注册地的非一致性迁移。具体来看(图4),2002—2017年,上市公司地址的跨城市迁移频次整体呈上升趋势,平均增长率与A股上市公司总数的增长率相似。286次迁移中有9次是公司的多总部迁移,由于数量少且不便归纳,将其单独区分:亿阳信通的总部在2012年由两个合并为一个,美好置业、亿利洁能和民生控股的总部均经历了“合-分-合”的过程,并导致总部和注册地由同一城市变为跨省分离。值得一提的是,3.1.3节中拥有两个总部的公司可能正处在“分”的阶段,未来可能合并为一家总部。剩余的277次地址跨城市迁移中有91.33%的迁移导致上市公司的“总-注”跨城市分离,包括由不分离到分离和由分离到再次分离两类;而仅有8.66%的迁移结果是总部和注册地在同一城市。图4
新窗口打开|下载原图ZIP|生成PPT图4286次总部和注册地址跨城市迁移的时间分布及其影响
注:历年上市公司总数不包括目前已退市的公司
Fig. 4The time distribution and impact of 286 cross-city migrations of headquarters and registered addresses
3.2.1 跨省迁移 277次地址迁移(包括总部和注册地)中分别有200次跨省迁移和77次省内跨市迁移。图5是跨省迁移流及各省地址净流入量,可以看出,跨省迁移的迁出地涉及含香港特别行政区在内的30个省级行政单元(共85个城市),其中浙江、四川、山东、广东和上海的地址迁出频次较多。迁入地集中在26个省级行政单元(共46个城市),其中以北京和上海的最多,合计占比达53.00%,其次是广东、浙江和江苏。从上市公司地址净流入量来看,仅北京、上海、广东和云南为正,河南、陕西、江西和内蒙古的地址迁出量和迁入量相同,其他省份均为上市公司地址的净迁出地。
图5
新窗口打开|下载原图ZIP|生成PPT图52002—2017年上市公司地址在各省之间的流动情况
Fig. 5Movement of addresses of listed companies between provinces from 2002-2017
200次地址跨省迁移中,东部、中部、西部和东北地区分别有80.77%、90.91%、80.00%和100.00%的上市公司地址迁向东部地区,使得东部地区迁移后的地址数量占比由迁移前的52.00%上升至84.50%。同时,中部、西部和东北地区在迁移后为数不多的上市公司地址中有64.52%来源于东部地区。值得注意的是,东北地区和中西部地区之间几乎没有地址迁移联系(仅有1次奥瑞德光电股份有限公司的总部从重庆迁入哈尔滨)。3.2.2 省内跨市迁移 依据各省的面积大小和迁移复杂程度将上市公司地址的省内跨市迁移流的可视化分三种比例(图6)。可以看出,77次地址省内跨市迁移涉及19个省,共有63个迁出城市和35个迁入城市。迁移流在湖北、四川和浙江等省会首位度高的省份主要流向省会城市,而广东、江苏等省会首位度低的省份,迁移流的指向相对复杂,但主要都流向经济强市。
图6
新窗口打开|下载原图ZIP|生成PPT图62002—2017年上市公司地址在各省内部的流动情况
Fig. 6Movement of listed companies' addresses within provinces from 2002-2017
3.2.3 总部和注册地迁移的区别 277次上市公司的地址迁移中,总部和注册地的迁移特征截然不同(表2):① 总部的迁移次数及其涉及的公司数量远高于注册地。② 总部迁移流具有集聚性,迁入城市远少于迁出城市;而注册地的迁入城市略多于迁出城市。③ 总部迁移中的跨省迁移比例远高于注册地迁移。④ 总部迁移以上行迁移为主;注册地迁移以下行迁移为主。
Tab. 2
表2
表22002—2017年上市公司的总部迁移模式和注册地迁移模式对比
Tab. 2
迁移特征 | 迁移频次 | 涉及公司 | 迁出城市-迁入城市 | 跨省迁移-省内跨市迁移 | 上行迁移-平行迁移-下行迁移 |
---|---|---|---|---|---|
总部迁移 | 247次 | 212家 | 121座-51座 | 181次-66次 | 182次-42次-24次 |
注册地迁移 | 30次 | 27家 | 26座-28座 | 19次-11次 | 6次-9次-15次 |
新窗口打开|下载CSV
设北京和上海为第一级城市,其他直辖市、计划单列市和省会为第二级城市,其他地级行政区为第三级城市(图7)。可以看出,总部的上行迁移高达181次,平行迁移和下行迁移分别仅有42次和24次,说明等级高的城市对上市公司总部的吸引力大。与之相反,注册地的迁移以下行迁移为主(15次),平行迁移和上行迁移分别仅有8次和6次。由于迁移频次的差距悬殊,上市公司地址的跨城市迁移整体表现为总部迁移的特征。
图7
新窗口打开|下载原图ZIP|生成PPT图72002—2017年上市公司总部和注册地迁移前后的城市等级
Fig. 7City ranking of listed companies' headquarters and domiciles before and after relocation, 2002-2017
综上所述,上市公司绝大部分的“总-注”跨城市分离并非企业成立时的选址决策,而是因为总部与注册地非一致性的跨城市迁移所导致,总部和注册地跨城市迁移特征与两者跨城市分离特征吻合。上市公司往往将总部迁向经济更为发达的城市,以获得更优越的区位条件。这与其他****的研究结论一致,如Davis的研究发现企业总部倾向迁往商务服务更加多元化以及总部更加集中的城市[30],Aarland的研究表明企业总部往往会迁移到大城市,以获取迁入地的商业服务优势[20]。北京和上海居于中国城市体系的最顶端,是大陆国际化程度最高的城市,因此成为了总部跨省迁移的主要流入地;省会和计划单列市通常在劳动力、教育、基础设施、生产性服务业等方面领先于省内其他城市,所以成为总部省内跨市迁移的主要流入地。相比之下,涉及注册地迁移的文献极少,其中潘峰华等的研究与本文有较强的对比意义[26]。与本文一致的是,研究都显示注册地的迁移频次远远少于总部。不同的是,潘峰华等的研究显示注册地的空间格局和迁移指向与总部具有相似性,都倾向于分布和指向经济发达的大城市;而本文的研究显示注册地与总部相比分布的省市相对不发达,且迁移指向上截然相反(图7)。本文认为,注册地更重要的是其法律和税收意义,城市经济发达与否对其影响较小;相反,经济欠发达地区的各种优惠政策(如补贴、减免赋税等)对注册地吸引力更大。因此,“总-注”跨城市分离的上市公司为了兼顾区位优势和政策优惠,通常将总部迁至发达城市,而注册地则设在相对欠发达城市。
4 上市公司“总-注”跨城市分离的影响因素分析
上市公司“总-注”跨城市分离主要由两者的跨城市迁移导致,但参考国内外****对于企业迁移的研究,可以推断企业“总-注”跨城市分离现象背后的机制十分复杂[14,21,26,31-33]。主要是因为:① “总-注”跨城市的迁移和分离涉及到两个城市,这些城市的政治、经济和文化等环境条件都可能会对“总-注”跨城市分离产生影响。② “总-注”跨城市分离和迁移的阻力因素众多,如迁出地的厂房和设备等沉没成本、迁入地所需要的资金投入和员工的本地关系网络等[34]。③ 企业内部因素的影响,如企业不同属性和企业主的信息收集与决策能力。④ “总-注”不同级别的空间分离,其影响因素及其作用强度可能不同。鉴于此,参考Laamanen等研究[14,22,25,32],主要关注不同企业属性对上市公司“总-注”跨城市分离的影响。除此之外,也考虑注册地城市夜间灯光强度和政府补贴的影响。
4.1 变量的假设和赋值
考虑到自变量对“总-注”的跨省分离和省内跨市分离的影响可能不同,将Logistic模型分为两组,组一和组二中因变量的“1”分别为“总-注”跨省分离和省内跨市分离的上市公司,“0”为“总-注”位置一致的上市公司(2390家)。由于因变量中“1”和“0”的数量差距悬殊,预测概率会被严重低估[35],对此,王瑛等通过将因变量中“1”的数量乘以4倍来解决[28]。本文则通过Excel的Randbetween函数,首先在“总-注”位置一致的公司中5次随机且不重复抽取177家公司,分别作为组一因变量中的“0”执行5次Logistic模型;同理,5次随机且不重复的抽取105家“总-注”位置一致的公司,分别作为组二因变量中的“0”执行5次Logistic模型(前5次抽取的885家公司和后5次抽取的525家公司之间可重复)。自变量选择4类9个指标。4.1.1 公司基本属性 包括公司年龄,所属行业和组织形式3个指标。Brouwer等指出企业在制度、文化和人际关系的地方嵌入性可能随着企业年龄的增加而加深[36],因此假设企业年龄和上市公司的“总-注”跨城市分离成负相关。所属行业影响企业的资产构成,Henderson等认为制造业企业的地址分离会导致巨大协调成本[23],而第三产业的沉没成本通常低于以制造业为代表的第二产业(由于注册地迁移次数极少,不区分总部和注册地的迁移成本),因此假设所属行业和上市公司“总-注”跨城市分离成正相关。将A股上市公司的组织形式分为国有企业和非国有企业(包括民营企业、中外合资企业和集体企业)两类,假设国有企业,特别是地方国有企业带有强烈的地域色彩,“总-注”跨城市分离的概率低。
4.1.2 公司规模 吴波等的实证研究表明企业规模与总部迁移绩效存在显著负相关,规模越大的企业在迁移时所面临的复杂性越高,且在迁出地的脱嵌与嵌入地的嵌入过程中难度都更大,导致搬迁更加耗费资源和时间[24];Brouwer等的研究也都显示规模越大的企业根植性越强[36,37]。因此假设企业规模越大,“总-注”跨城市分离的概率越低。企业规模指标选取中国《企业规模划分标准》中最常用的两个指标——企业从业人员和营业收入。
4.1.3 公司稳定程度 包括是否重组和是否被特别处理(简称ST (1 包括:*ST(公司经营连续三年亏损,退市预警);ST(公司经营连续二年亏损,特别处理);S*ST(公司经营连续三年亏损,退市预警且还没有完成股改);SST(公司经营连续二年亏损,特别处理且还没有完成股改)。))。潘峰华等的研究表明重组是中国上市公司总部迁移的重要原因,上市公司被另一家非本地企业所收购或者控股后,其总部或者注册地可能迁至新的控股股东所在地[26];被ST的上市公司通常为了避免退市和摆脱ST的负面声誉影响进行公司战略的调整,如朱滔研究发现众多的上市公司在ST后被接管[38],此时发生地址迁移的可能性提升。所以假设经历过重组和ST的上市公司更有可能“总-注”跨城市分离。
4.1.4 注册地城市夜间灯光强度 依据上文的研究,大部分上市公司早期的“总-注”位置一致,后期为了更好的区位条件,将总部迁至发达城市[39],注册地则仍在原城市或迁往等级更低的城市。而城市DMSP/OLS夜间灯光数据综合表征了城市人类活动的广度与强度,且与生产总值、扩展面积、人口规模、能源消费、城市化水平等各类城市规模评估指标存在显著正向相关关系[40],因此假设注册地城市的DMSP/OLS夜间灯光数据值越低,上市公司的“总-注”跨城市分离的可能性越高。夜间灯光数据来源于网站https://www.ngdc.noaa.gov/。
4.1.5 政府补贴 补贴、税收减免等地方优惠政策通常对企业十分有吸引力,如陈伟鸿认为招商力度、优惠政策的差异加快了企业迁移的步伐[41],用企业获得的政府补贴额度代表政府优惠政策力度,假设“总-注”跨城市分离的上市公司获得的政府补贴更高。
表3是各个变量的赋值和定义,方差膨胀因子检验显示全部变量的VIF值远低于10,不存在多重共线性问题。
Tab. 3
表3
表3变量的赋值和方差膨胀因子
Tab. 3
变量名称 | 变量赋值(指标数据截至2017年) | VIF |
---|---|---|
因变量 | ||
“总-注”是否跨城市分离 | 0=“总—注”位置一致;1=“总-注”跨省/省内异市分离 | |
自变量 | ||
公司年龄 | 连续变量 | 1.117 |
所属行业 | 1=第一产业;2=第二产业;3=第三产业 | 1.044 |
组织形式 | 0=非国有企业;1=国有企业 | 1.112 |
员工数(万人) | 连续变量 | 3.002 |
营业收入(百亿元) | 连续变量 | 2.850 |
是否重组 | 0=无重组记录;1=有重组记录 | 1.132 |
是否ST | 0=无ST记录;1=有ST记录 | 1.193 |
注册地城市夜间灯光强度 | 连续变量 | 1.053 |
获得政府补助(亿元) | 连续变量 | 1.115 |
新窗口打开|下载CSV
4.2 模型结果
Logistic模型结果如表4所示,5次跨省分离模型和5次省内跨市分离模型的平均内戈尔科R2分别为0.42和0.20。Tab. 4
表4
表4Logistic模型输出结果
Tab. 4
模型编号 | 成立 年份 | 所属 行业 | 组织 形式 | 员工数 (万人) | 营业收 入(百亿) | 是否 重组 | 是否 ST | 注册地城市 夜间灯光强度 | 2017年政府 补助合计 | 常量 | |
---|---|---|---|---|---|---|---|---|---|---|---|
跨省 分离 模型 | 模型1 | -0.003 | 0.685** | -0.803* | 0.341 | -0.061 | 2.051*** | 1.433*** | -0.158*** | -0.111 | -1.904* |
模型2 | 0.019 | 0.696** | -0.481 | -0.287 | 0.193 | 1.525*** | 0.964** | -0.095** | 0.331 | -2.518*** | |
模型3 | -0.018 | 0.638* | -0.546* | -0.277 | 0.067 | 1.613*** | 1.387*** | -0.171*** | 0.204 | -1.134 | |
模型4 | 0.044 | 0.659** | -0.862** | -0.370* | 0.247* | 1.516*** | 1.206*** | -0.117*** | 2.977* | -2.902*** | |
模型5 | 0.025 | 0.633* | -0.510 | 0.140 | -0.032 | 1.537*** | 0.968** | -0.137*** | 1.726* | -2.373*** | |
省内 跨市 分离 模型 | 模型1 | 0.013 | 0.036 | -0.460 | 0.204 | -0.009 | 0.621* | 0.145 | -0.161*** | -0.219 | 0.250 |
模型2 | 0.016 | 0.172 | -0.942* | 0.309 | 0.054 | 0.565* | 0.747 | -0.165*** | -0.290 | -0.071 | |
模型3 | -0.007 | 0.054 | -0.643* | 0.748* | 0.040 | 0.913** | -0.046 | -0.137*** | -0.096 | 0.206 | |
模型4 | 0.022 | -0.140 | -0.525 | 0.129 | -0.034 | 0.794* | 1.360* | -0.130*** | -0.602 | 0.272 | |
模型5 | -0.034 | 0.346 | -0.841* | 0.489 | 0.019 | 1.237*** | 0.475 | -0.162*** | -0.044 | 0.257 |
新窗口打开|下载CSV
4.2.1 公司基本属性 上市公司年龄对“总-注”跨省和省内跨市分离的影响不显著。所属行业在跨省分离模型中均显著,第三产业比第二产业更倾向于“总-注”跨省分离,但所属行业在省内跨市分离模型中的显著性差。这是因为不同产业间迁移成本的差距和迁移距离成正相关,上市公司在省内短距离迁移时,迁移成本的差距及其影响较小。组织形式在跨省分离模型和省内跨市分离模型中各有3次显著,均和因变量呈负相关,说明国有上市公司“总-注”跨城市分离的可能性小于非国有上市公司。
4.2.2 公司规模 公司员工数和营业收入在10次模型中的显著性均较差,分别仅有2次显著和1次显著,且两个指标对上市公司是否跨城市分离的正负影响不统一。
4.2.3 企业稳定程度 公司重组和ST与因变量均呈正相关,说明稳定性较差的上市公司更有可能“总-注”跨城市分离。特别是公司重组的影响系数大,10次模型均显著。整体上,两个指标在跨省分离模型中的影响系数和显著性都高于省内跨市分离模型。
4.2.4 注册地城市的夜间灯光强度 注册地城市的夜间灯光强度几乎全部在0.001水平上与因变量显著负相关。说明公司注册地城市的规模等级越低,“总-注”跨城市分离的可能性越高。
4.2.5 政府补贴 上市公司获得的政府补贴对因变量影响的显著性较差,仅在“总-注”跨省分离中有2次显著,而在省内跨市分离中均不显著且影响系数均为负值。
总的来说,公司的所属行业、组织形式、是否重组、是否ST和注册地城市夜间灯光强度等5个指标对因变量的影响与假设基本一致。同时,除了组织形式外,另外4个指标在两组模型中的显著性和影响系数差异较大。其中所属行业、是否重组和是否ST在跨省分离模型中的显著性和影响系数高于省内跨市分离模型,而注册地城市夜间灯光强度则相反。验证上文所述——企业“总-注”不同级别的空间分离,其影响因素及其作用强度可能不同。
5 结论与讨论
5.1 结论
企业总部与注册地的空间分离现象明显属于经济地理学的研究范畴。本文从跨省和省内跨市两个层面研究了中国A股上市公司“总-注”的跨城市分离格局,通过历年年报中的位置变化确认了两者跨城市分离的形成过程,并使用Logistic模型分析了不同影响因素对“总-注”跨城市分离的影响。主要结论如下:(1)“总-注”空间分离的上市公司占全部上市公司的三分之一左右,其中跨省分离和省内跨市分离的上市公司分别有177家和105家。“总-注”跨城市分离的上市公司倾向于将总部设在少数经济发达的城市,其中跨省分离的总部主要在北京和上海,省内跨市分离的总部主要在省会和计划单列市。与之相比,注册地主要分布的普通地级市。
(2)上市公司总部和注册地的非一致性迁移是导致两者跨城市分离的主要原因。其中,总部以上行迁移为主,迁入城市远少于迁出城市,在跨省迁移中主要迁入北京、上海和广东等东部地区,在省内迁移中主要迁入省会和计划单列市。而注册地以下行迁移为主,迁入城市略多于迁出城市,注册地的跨省和省内跨市迁移由于数量较少没有表现出明显的规律。由于总部和注册地的迁移频次差距悬殊,上市公司的地址迁移整体上表现为总部的迁移特征。
(3)所属行业、组织形式、是否重组、是否ST以及夜间灯光所反映的注册地城市规模对“总-注”的跨城市分离有不同程度的影响。同时,大部分影响因子在跨省分离和省内跨市分离的显著性以及作用强度上存在较大差异,说明在分析“总-注”分离的影响因素时需要区分空间分离的级别。
5.2 讨论
企业“总-注”分离不仅在企业、政府监管和税收等社会经济层面产生一系列的影响,更会造成有关学术研究的结论与现实存在偏差。例如以某城市的企业总部为研究对象时,会把注册地在该城市但总部在外地的企业纳入,同时总部在该城市但注册地在外地的企业又会被排除在外。因此,本文投入较多的工作量,分析了A股上市公司中的“总-注”跨城市分离格局、形成过程和影响因素,扩展和补充了经济地理学区位论。但本研究未来还需进一步完善,首先,论文就“总-注”跨城市分离及迁移现象一定程度上处于数据的描述阶段,未来将进一步对其规律和模式进行提炼;其次,企业“总-注”空间分离研究的空间尺度和影响因素需进一步扩展。其中企业“总-注”分离的空间尺度涵盖了宏观和微观,大可至全球范围的跨国分离(如阿里巴巴),小可至两栋相邻的大楼(如洪城水业);而影响因素不仅需要考虑到企业的属性影响,还要纳入总部和注册地所在地区的政治、经济和文化等区位条件以及企业决策层等诸多因素的影响,且在分析时需要进行稳健性检验和异质性分析,并在此基础上进行机理的探索。致谢
感谢评审专家对本文的概念辨析、行文逻辑和自变量选取方面提出的客观评价与建议。参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
,
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 2]
,
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
,
[本文引用: 1]
,
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
,
[本文引用: 2]
,
[本文引用: 3]
,
[本文引用: 1]
,
[本文引用: 2]
,
[本文引用: 1]
,
[本文引用: 2]
[本文引用: 2]
,
[本文引用: 2]
[本文引用: 2]
,
[本文引用: 2]
,
[本文引用: 2]
,
[本文引用: 2]
,
[本文引用: 2]
,
[本文引用: 2]
[本文引用: 2]
,
[本文引用: 2]
,
[本文引用: 4]
[本文引用: 4]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 3]
[本文引用: 3]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
DOI:10.1093/oxfordjournals.pan.a004868URL [本文引用: 1]
,
[本文引用: 2]
,
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]