《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》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《北京上市公司总部空间分布特征及影响因素》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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

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。