作者：Yuhei Miyauchi, Kentaro Nakajima, Stephen Redding
了解经济活动的空间集中是经济学中最核心的挑战之一。传统的城市理论强调生产决策和工人在工作场所和住所之间的通勤成本，然而，在城市地区发生的大部分出行与通勤无关，而是与非贸易服务的消费有关，例如去餐馆、咖啡馆、酒吧、购物中心、文化场所和其他服务场所。Glaeser等人(2001)的一篇开创性论文就介绍了“消费城市”这一概念。
这一领域的研究面临两个关键挑战，即非通勤出行测量能力有限，以及缺乏一个被广泛接受的消费出行理论模型。为此，我们的新论文(Miyauchi et al. 2021)为理解消费和工作场所在经济活动空间分布上发挥的作用提供了新的理论和证据。
我们将智能手机数据（包括高频位置信息）与空间分类的人口普查数据结合起来，测量东京大都市区内的通勤和非通勤出行。在我们的实证结果的指导下，我们建立了一个量化的城市模型，其中包括了工作场所和消费场所的可进入性。我们利用该模型评估了消费可得性在解释所观察到的经济活动的空间变化中的作用，纳入消费可得性对于评估观察到的交通基础设施改善的影响具有定量意义。
我们首先使用智能手机数据来提供东京大都市区精准的出行数据。我们的数据来自日本一个主要的智能手机地图应用程序（Docomo Chizu NAVI），它每五分钟记录每台设备的GPS位置。2019年7月，该数据覆盖约54.5万用户，拥有14亿个数据点。如果用户15分钟内在100米范围内没有移动，那么我们就称该用户在这一位置“停留”了。
图1显示了我们以东京涩谷市明治神社为例，从2017年12月到2018年2月的数据中记录的“停留”。每个红色矩形对应一个25米×25米的网格单元，红色阴影越深，该网格单元格中停留的数量就越大。这些网格单元被叠加在附近的卫星照片上。在这张照片中，图像左上方被树木环绕的建筑是明治神宫的主要建筑。
从这张照片上可以看出几个特点。首先，可以在极其精细的空间分辨率水平上观察到城市内部的出行。第二，在将神社周围的林区（左侧）与城市繁荣地区（右侧）分开的道路上，停留的密度有一个明显的间断，这表明停留的密度准确地反映了出行的密度。第三，在这个林区的中间，“停留”紧紧地集中在从公路到神社主楼的道路上，再次证实了我们的数据能够捕捉到城市中的主要出行路径。
通过使用我们的智能手机数据，我们将每个匿名用户的家庭位置定为他们最常去的地点，他们的工作场所定为他们第二常去的地点，去往其他地点的非通勤出行，则使用按部门分列的就业人口普查数据分配为不同类型。我们验证了我们的智能手机通勤数据，表明它们与官方人口普查数据的数据高度相关。我们还证明，它们表现出的模式与其他使用通勤数据的研究结果一致，包括Ahlfeldt等人（2015）和Heblich等人（2020）。
一旦我们的智能手机数据与人口普查的通勤数据进行了验证，我们发现，仅仅关注这些通勤出行，会对出行模式产生误导。首先，非通勤出行比通勤出行更频繁，如图2所示。因此，仅仅关注通勤出行，大大低估了城市地区的出行量。
其次，我们表明，这些非通勤出行与非贸易服务的可得性密切相关，这与我们的模型一致，即将它们视为消费非贸易服务的出行。
第三，我们发现非通勤出行的目的地相比通勤出行，离家更近，出行量和出行时间在绝对值上也大于通勤出行，因此，非通勤出行的空间格局，与通勤出行的空间格局并不是很相似。
第四，我们表明出行路径在数据上有相关：非通勤出行发生在家庭和工作之间的旅程中，突出了联合建模通勤和非通勤出行的相关性。
这些来自智能手机数据的发现，表明了消费出行的重要性，这一结论与来自大数据的新证据一致，如信用卡交易(如Allen等人2020年)和Yelp餐厅数据(如Glaeser等人2018年和Davis等人2019年)。
为了解释我们在智能手机数据中观察到的模式，我们开发了一个包含通勤和消费出行的内部城市结构定量理论。我们认为一个城市是由一组离散的街区组成的，具有不同的生产率、设施、建筑面积供应和交通连接。消费者的偏好被定义为对贸易品、各种不同类型的非贸易服务和居住面积的消费。贸易品和非贸易服务是利用劳动力和商业空间生产的。我们假设员工选择地点的决定是嵌套的。
2、观察每个工作场所和部门的生产率，并选择工作地点。
3、观察每个地方提供的非贸易服务的质量，并选择在哪里消费这些非贸易服务；
4、消费这些非贸易服务路径的不同尝试，并选择采取哪条途径（例如，在家工作-消费-回家与在家消费-回家）。
在做出这些选择时，员工会考虑到他们对周围地点的预期访问。人员流动意味着员工必须从所有人口稠密的地方获得相同的期望效用。
该模型提出了用于通勤和非通勤的扩展重力方程，为观测数据提供了良好的近似。我们使用这些扩展的重力方程来估计理论上一致的出行可得性度量。直观地说，我们利用数据中观察到的出行和模型的结构来揭示就业和消费地点的相对吸引力。从模型的人员流动条件出发，我们推导出一个地点相对吸引力的充分统计量，它包含了居住人口份额和建筑面积的价格。从统计上来说，地点相对吸引力可以分解为出行可得性的衡量和住宅设施的残差。
如果我们模型只包含工作场所，那么相关出行的贡献要大得多（相比同时包含工作场所和消费场所，对应贡献值是56%比37%），而住宅设施的剩余贡献则相应减少（44%比63%）。
综上所述，这种模式与下述观点是一致的：城市地区的许多经济活动集中在服务部门，而进入周边地区消费这些服务是员工选择居住地和工作场所的一个重要决定因素。
该模型可用于论证交通基础设施改进的反事实，如建造一条新的地铁线。除了通勤出行的初始份额外，这些反事实现在也将取决于非通勤出行的初始份额。
只关注通勤出行的框架通常低估了交通基础设施改善带来的福利收益，因为它们低估了因出行成本降低而受益的乘客出行数量。此外，由于通勤和非通勤出行的双边模式不同，这些框架对新的交通基础设施对经济活动空间分布的影响产生了不同的预测。
我们将模型对仙台市新地铁线路开通的反事实预测与数据中观察到的影响进行了比较。纳入消费途径产生的估计效果与观察到的数据相似。仅仅关注通勤旅行，会将交通改善带来的福利收益低估一半左右，因为城市地区的非通勤出行被大大低估了。
综上所述，我们的研究结果表明，获得消费机会和获得就业机会在理解经济活动的空间集中方面都发挥着核心作用。
最近有朋友问我们：为什么没有及时看到推文？因为微信改了推送规则，没有点“赞”或“在看”，没有把我们“星标”，都有可能出现这种状况。
加“星标”，不迷路！看完文章顺手点点“赞”或“在看”，就可以准时与我们见面了~
原文始发于微信公众号（城市数据派）：消费城市：来自智能手机数据的证据丨城市数据派
规划问道
