一座城的经济活动，能用新注册企业画出来吗？
论文名片｜Lei Dong、Xiaohui Yuan、Meng Li、Carlo Ratti、Yu Liu，A gridded establishment dataset as a proxy for economic activity in China，Scientific Data 8, 5（2021）。原论文 · 数据描述论文。
想象你正在比较两个街区：夜间灯光一样亮，一个是制造业园区，另一个是商务办公区。灯光可以告诉你哪里有人造照明，却很难告诉你经济活动的类型，也很难区分亮度已经饱和的市中心街区。城市统计年鉴又太粗，往往只给全市一个数。
这篇论文换了一种观察对象：把企业注册记录放到地图上，看看每年哪里有新企业、属于什么行业。得到的不是每个街区的 GDP，而是一套可以长时间比较、细到城市内部的企业新设活动代理指标。
先说结论
- GED 覆盖中国大陆 2005—2015 年约 2555 万条企业新设记录，以经纬各 0.01°的网格汇总，并区分三次产业。
- 在 2015 年城市尺度的回归中，企业数量对 GDP、财政收入和就业的拟合均优于夜间灯光；与灯光结合还能提高拟合。但这不等于已经验证每个网格的经济产出。
- 注册地址不必然是经营地址。地图的精细程度也不等于每条地址的定位精度：小城市匹配到门牌或兴趣点的比例明显较低。
- 数据中的年份是注册年份，企业状态则取自 2018 年。它不能直接用于逐年还原企业注销数量或每年存续企业总数。
把企业放进地图，先要决定数的是什么
原始数据来自国家企业信用信息公示系统，企业名称目录来自天眼查。研究收集了 8370 万条注册记录，先去掉 5780 万条个体工商户记录。这类记录不仅经营规模通常较小，注册地址也常只到村镇，难以可靠定位。清洗后保留 25,545,850 条企业记录。
这里的 establishment 被操作化为企业注册记录，不能机械理解成每一个实体门店，也不能理解成每个工作岗位。大公司与小公司都各计一条；员工数和营业额在原始数据里没有记录。
论文表 1 把行业归为第一、第二、第三产业。企业还按 2018 年采集时的状态区分为存续、注销和其他。这个状态标签没有改变企业归属的注册年份。例如，一家 2010 年注册、2017 年注销的企业仍归入 2010 年的新设记录，不能把它当成 2010 年的注销事件。
为了避免重名街道被定位到别的城市，流程先从地址、登记机关等字段推断城市，再调用高德地图做地理编码（geocoding，即把地址转换成坐标）。约 3%的记录无法识别对应城市或区县。坐标从 GCJ-02 转成 WGS84 后，再汇入经纬各 0.01°的网格。
图 1｜一份企业名录怎样变成可比较的空间数据？
本图没有字母子图。上排依次为收集注册信息、排除个体工商户、添加行业及经营状态标签；沿箭头进入下排，先提取城市与地址，再做地理编码、坐标转换和网格汇总。底部标出减少地址歧义、验证定位、交叉验证三个质量环节。来源：原论文 Fig. 1。
数量对得上，是否就说明记录完整？
2015 年数据中有约 485 万家新设企业，官方报告折算全年约 445 万家，数据与官方之比为 109.2%。作者提出，官方可能扣除了当年注册又注销的企业，而本数据保留了注册事件。这个超过 100%的比例提醒我们：所谓覆盖率同时受到统计口径影响，不能读成超额发现了真实企业。
图 2｜这套数据在时间和网格尺度上呈现什么分布？
（a）横轴为年份，纵轴为当年新设企业数，单位为百万；彩线区分三次产业，黑线为总量，虚线为官方报告，总量增长主要伴随第三产业增长。
（b）横轴为年份，纵轴为 GED 与官方报告的数量比，曲线围绕 1 以上波动；它比较的是两个统计来源，不能独自证明逐条记录无遗漏。
（c）横轴为网格企业数的常用对数，纵轴为累积分布的常用对数；红、蓝分别对应 2015、2005 年，并给出对数正态拟合。少数企业极密集的网格处于尾部，后续微观分析需要留意。来源：原论文 Fig. 2。
2015 年的空间分布显示，企业新设集中在东部沿海及主要城市群。和一片亮到顶的夜间灯光相比，直接计数仍能区分市内网格。但企业注册集中可能也来自注册优惠政策，而非同等强度的现场生产和就业。
图 3｜全国分布之外，能否看到城市内部差异？
（a）中国大陆总体分布；颜色图例对应网格企业数，暖色表示更多。
（b）京津冀局部放大，展示城市群内集聚及网格差异。
（c）珠三角局部放大，揭示不同城市及其内部的密集区。三幅图都是 2015 年新设企业记录的地理汇总，不是 GDP 热力图。来源：原论文 Fig. 3。
网格画得细，地址真的定得准吗？
研究选取北京、长沙和鞍山，分别抽样 10,000 条地址检查定位。高德返回的匹配层级中，达到门牌或兴趣点（POI）的比例，北京约 88%、长沙约 77%、鞍山约 48%；若把村、镇层级也算进去，比例升为约 96%、95%、84%（表 4）。后一个标准更宽松，不能把两个比例都称为同样的定位准确率。
另一项检查用百度地图重新编码同一批地址。按照其置信指标所对应的规则，误差小于 1000 米的比例分别为 93.1%、92.2%、74.1%。这仍是地图服务返回指标的检验，并非逐家实地核查；北京优于鞍山的差异也说明，误差不能在全国一概而论。
能代表经济活动，证据在哪个尺度上成立？
研究把 2015 年新设企业数汇总到城市，与同年的 GDP、财政收入和就业人数比较，并排除年鉴数据缺失的城市。模型 1 用企业总数解释各指标；模型 2 把三次产业的数量分别放入回归，两者均采用对数。作为基线，夜间灯光也在城市边界内汇总。
拟合优度采用调整后的 R²：数值越高，表示这组城市数据中回归能够解释的差异越多。企业总数模型对 GDP、财政收入、就业的调整后 R² 分别为 0.782、0.817、0.761；灯光单独模型分别为 0.749、0.710、0.708。进一步区分产业，前者提高到 0.812、0.860、0.787。把产业分项与灯光结合，三项分别达到 0.847、0.868、0.813。
这支持两类数据提供互补信息，不能解释成企业注册增加必然引起财政收入增加，也不是对未见城市进行预测的准确率。
图 4｜企业注册和灯光，分别解释了哪些城市差异？
（a、b、c）横轴为新设企业数的常用对数，纵轴依次为 GDP、财政收入、就业的常用对数；散点是城市，图中同时报告企业总数与三次产业分项模型的调整后 R²。
（d、e、f）横轴改为夜间灯光的常用对数，纵轴依次对应同三项指标；图内列出灯光单独、加入企业总数、加入三次产业企业数的拟合结果。不能只凭散点线条，把三种多变量模型误读成同一个一元回归。来源：原论文 Fig. 4。
市级相关还留下一个问题：网格尺度也有合理结构吗？研究将北京企业网格与手机数据估计的人口网格匹配，只分析人口密度不低于每平方公里 1000 人的区域。人口与企业数呈超线性关系，幂律指数约为 1.16：在这组空间比较中，人口较多的网格，企业数平均增加得更快。
这是一项与城市标度理论相容的有效性检查，并非证明每个网格的真实产值，也不是北京人口增长 1%必定带来企业增长 1.16%的时间因果关系。
图 5｜人口较密集的城市网格，是否也汇集更多企业？
（a）北京人口空间分布，颜色图例单位为千人。
（b）企业空间分布，颜色图例单位为千家；横纵轴仍为经纬度，不能把两幅图的颜色数值直接等同。
（c）横轴为人口、纵轴为企业数，均取常用对数；拟合斜率为 1.16，括号中报告 0.027。点之间的空间关联支持超线性模式，不能识别其成因。来源：原论文 Fig. 5。
真正使用时，还要守住哪些口径？
主文件一行是一个网格在某注册年份的汇总，含网格中心坐标、企业总数、行业分项及状态分项（表 2）。没有注册记录的网格—年份组合不写入文件。用作完整空间面板前，应先建立所需网格与年份集合，区分缺行与其他来源的数据缺失。论文还提供 2005、2010、2015 年未聚合数据，便于改变分析尺度。
省级汇总表 3 描述的是全期企业数量及网格分布，不能把其网格均值当作全省任一地方的典型经营密度。行政区名称对应 2019 年边界，和其他年份统计资料连接时需处理区划变化。经纬网格也不等面积：赤道附近约为 1.1 × 1.1 公里，北京约为 0.85 × 1.1 公里；跨纬度比较密度时必须用实际面积。
最难靠技术消除的误差来自注册地址与经营地址分离。税收优惠区可能吸纳大量注册企业，部分网格超过一万家。作者建议微观分析可考虑上限截断或对数变换，但这些处理只能减弱极端值影响，无法自动找回企业真正经营的位置。历史地名变更、没有企业规模信息，以及被排除的个体工商户，也共同限定了 GED 能回答的问题。
一句话总结
企业注册能把经济新设活动画得更细、追得更久，但这张图测的是企业登记的空间分布，不能直接替代每个街区的产出、就业或真实经营现场。
核心来源
- Dong, L., Yuan, X., Li, M., Ratti, C. & Liu, Y.（2021）原论文及完整图表，Scientific Data 8, 5。本文图 1—5 均源自该论文。
- GED 数据集。
- 论文所列预处理与验证代码。
作者介绍
- Lei Dong：论文署名单位为北京大学遥感与地理信息系统研究所、MIT Senseable City Laboratory 和 QuantUrban；承担研究实施、数据分析和论文写作。
- Xiaohui Yuan：署名 QuantUrban，参与研究设计。论文披露其与 Lei Dong 为该公司共同创始人。
- Meng Li：署名 QuantUrban，参与数据分析。
- Carlo Ratti：署名 MIT Senseable City Laboratory，参与研究设计。
- Yu Liu：署名北京大学遥感与地理信息系统研究所，参与研究设计并为通讯作者之一。
延伸思考
以下是 AI 基于论文结果所作的延伸，不属于原论文结论。
如果一个园区的企业注册迅速增长，手机估计的工作人口却没有同步增长，这不应立即被归为其中一份数据错误。它也可能揭示注册地与经营地正在分离。可以把企业注册、工作日白天人口、夜间灯光三种信号对齐：只在注册上突增的网格，先检查注册地址政策；三种信号共同变化的网格，再研究实际开发和就业变化。
这里需要额外区分时间顺序。企业注册往往早于正式经营，人口和用电变化可能滞后。若用注册当年的同步相关筛选异常，就可能把正在建设的真实新园区误判成空壳集聚。一个更可检验的问题是：注册增加之后的几年内，哪些地方出现了持续的工作人口增长，哪些地方始终只有名录变长？
