图片来源：视觉中国
原文信息：
Chen, T., Gu, Y., & Zou, B. (2024). China’s commuting-based metropolitan areas. Journal of Urban Economics, 144, 103715.
何为都市圈（Metropolitan Areas, MAs）？在经济学家看来，MAs是核心城市和外围辐射区域所组成的城市功能地域，往往作为一个整体的劳动力市场而存在，欧美为代表的发达国家在划定MAs的时候一般都将通勤时间或距离等要素纳入考量。然而，大多数发展中国家采用行政单位来规定功能城市的界限。近年来，随着发展中国家城市化工业化步伐加快推进，基于行政管理的边界已经无法跟上不断扩张的城市区域，也无法反映出当地真实的经济发展状况。
因此，
如何才能基于现实情况和数据可获得性构建一个能够科学界定发展中国家都市圈的指标？
香港浸会大学陈婷副教授、北京大学汇丰商学院谷一桢副教授和美国普渡大学经济系Ben Zou助理教授近期发表的一篇文章China’s commuting-based metropolitan areas
利用智能手机位置的数据信息，首次划分了以通勤数据为界定标准的中国大都市圈
，发现MAs的规模分布遵循幂律分布，较大的MAs拥有更多的熟练工人和生产性企业，并提供更高的工资溢价；与美国、巴西和墨西哥等大国相比，中国MAs规模较小、通勤时间和距离较短，且受到已有行政边界的显著影响。本论文为未来研究城市内部劳动力流动、产业集聚与城市规模经济等问题提供了新颖且贴合实际的城市定义方式。
2.1 数据来源
作者使用的主要数据来源是中国所有乡镇对之间的通勤流量矩阵，总共包含了39764 个乡镇。中国某企业基于其为智能手机提供的数字地图和定位服务，结合使用基站、GPS、Wi-Fi和蓝牙信号收集个人移动设备的频繁位置信息。截至2017年11月，若智能设备在3个月内存在典型的白天和夜间位置，企业就会分别将其标记为“工作场所”和“家庭地址”并纳入数据集。
作者通过计算在乡镇内工作的人口数与在乡镇内居住且有工作（无论工作是否在乡镇内）的人口数之比，衡量乡镇专业化的程度和方向，若工作人数越多、比值越大，则该乡镇被视为具备工作功能的专业化区域，反之视为具备居住功能的专业化区域。
中国乡镇和县级层面的就业与通勤情况如表1所示。面板A显示，在专业化程度适中的乡镇中，分别有5206名和5372名劳动者在此居住和工作；以居住功能为导向的乡镇，其专业化比例小于0.82，以工作功能为导向的乡镇，其专业化比例大于1.33；大多数劳动者在同一个乡镇内部生活和工作，内部通勤比例的中位数为61%。面板B显示，由于县是更大的地理单元，并没有展现出地域专业化的特征。中国绝大多数劳动者都在同一个县内工作和生活。
2.2 验证数据质量和有效性
北京、上海等少数大城市会定期开展家庭出行调查，但样本量有限，因此想要在全国精细地理层次上构建可靠的通勤流十分困难，而基于智能设备位置测算出的通勤流量为研究提供了庞大样本量和清晰地理位置。
为了证明数据与官方数据的匹配度、增强可靠性，作者通过：
（1）对比国家人口普查提供的人口数与基于定位数据估算的乡镇县级层面的人口数量，发现二者高度相关且数值接近，具有准确性；
（2）对比人口调查中有关工作和居住的乡镇人口信息与基于定位数据计算得出的就业人数，发现二者在数量和分布上表现一致；
（3）匹配官方公布的乡镇GIS形状文件与通勤流量数据中的乡镇边界，证明定位数据在地理维度上具有准确性。
3.1 算法
作者采用Duranton（2015）的迭代聚类算法，根据空间单位间的通勤流量大小，将空间单位对进行分组。如果在一个空间单位A居住但在另一个空间单位B工作的劳动者比例超过了预先确定的阈值，那么就将这两个空间单位划分为一类（A+B）。聚类后，空间单位对的通勤流量将进行更新，再根据相同的标准进行新一轮聚类操作，当没有单位可以聚类则终止操作。
3.2 不同阈值下的乡镇级集群
作者生成了一系列聚类集合，并将阈值分别设置为2%、5%、10%、15%、20%、25%和30%。
表2中的面板A展示了不同阈值下各个集群的规模大小。当阈值为2%时，约39000个乡镇形成了9261个集群。其中，人口数量超过1000万的集群有19个，在500万到1000万间的集群有14个，在100万到500万间的集群有79个。当阈值从2%提高到30%时，满足聚类条件的乡镇对减少，更多乡镇只能单独存在，聚类数量增加至34071个。因此，阈值越低，越容易形成规模大、数量少的集群；阈值越高，越容易形成规模小、数量大的集群。
面板B特别展示了人口超过10万的集群特征。当阈值为2%时，1343个集群的人口数和面积分别占全国总人口的85%和总面积的56%；当阈值为10%时，占比分别下降至82%和39%；当阈值增加至30%时，占比最终下降至46%和7%。这进一步说明高阈值下的集群数量虽然多，但集群影响力都在逐步下降，区域间的紧密程度和范围都受到了高阈值的限制。
3.3 选择合适阈值
根据上述不同阈值所划分的集群特征，作者最终选择了10%的阈值作为中国MAs的划分标准，最终划分结果与实际情况相吻合。
表3展示了排名前15的中国MAs的具体数据，可以发现部分地区基于通勤数据划分的MAs与传统的行政边界存在偏离现象。具体而言，北京MAs范围已经延伸到了邻近省份，最终人口数和面积分别比北京全市大12%和40%；重庆MAs比重庆全市的人口数和面积都要小；上海MAs特征与上海全市的行政区划较为接近。
4.1 不同国家间MAs的比较
作者对美国、墨西哥和巴西这3国都采用相同的聚类算法和10%的阈值对其MAs进行划分。
对比发现，各国MAs规模分布都遵循一定规律（Zipf’s law）且较为稳定：城市规模分布呈现对数线性关系，人口规模排名靠前的城市，其人口数量相对较多。此外，规模较大的MAs内部技能份额和工资水平都更高。例如，表4显示，巴西和美国的城市规模每扩大1%，城市中大学学历人口占总人口的比例分别增加0.013和0.051；墨西哥城市规模每扩大1%，城市工资水平大约提高0.09%。
4.2 中国通勤距离较短
中国劳动者在MAs内平均通勤时间为17分钟，63%的人通勤时间都在15分钟以内，93%的人在半个小时以内；绝大多数人的通勤方式选择了非机动交通。此外，作者估算出中国劳动者平均通勤距离为3.9公里，非农劳动者平均通勤距离约5公里，超过80%的人都在同一乡镇工作和居住。上述数据都低于美国、巴西和墨西哥的通勤数据。
4.3 行政边界效应明显
中国绝大多数劳动者都不存在跨县通勤的现象。为了明确距离和行政边界在劳动者通勤中的作用，作者设定引力模型展开分析。结果显示，距离对通勤行为有着显著的负面影响，无论城市层级高低，行政区划边界均会对通勤行为产生消极作用。
4.4 层级性强
在表3列出的人口规模排名前15的中国MAs中，除了深圳被独立设置为经济特区之外，其余城市均为直辖市或省会城市，且地级市中最大的MAs也是由其内部的核心城区所组成。这表明在中国行政等级较高的地区，人口规模也相应较大，这种行政级别与城市规模间的相互联系在中国历史和世界各国（除了美国）中均普遍存在。
4.5 整体规模较小
基于乡镇层面和县级层面的通勤流量，作者将中国MAs的人口集中度与其他国家城市集群进行比较，发现在两种层级数据下中国MAs的整体规模（人口数和总面积）均小于其他国家。例如，中国最大的15个MAs人口数相加后只占全国人口的18%，总面积仅占2%，而美国最大的15个MAs占全国人口的41%，总面积占8%。
4.6 存在政策扭曲现象
4.6.1 户籍政策
户籍政策限制了国内人口流动和跨区域通勤，一些公共部门岗位仅面向持有本地户籍的人员开放，而这种歧视政策会拉大本地和外来务工人员的工资差异，从而影响外来人员的就业选择偏好和通勤行为。
4.6.2 社会福利与社会保障政策
许多社会保障政策和社会福利是由雇主提供且通常与工作地挂钩。例如，医疗保险只能在当地药店和医疗机构使用，住房公积金贷款在购买外地房屋时也存在较大限制，因此人们在选择岗位时将福利因素纳入考量，劳动者更倾向于留在本地就业，进而影响跨区域通勤和人口流动。
4.6.3 财政政策与公共基础设施建设
中国各地政府虽然利用地方财政积极建设公交网络，但由于政府间在财政征收和使用上相对独立，导致交通网络很少跨越行政边界，限制通勤行为。
4.6.4 土地使用政策
耕地保护配额在分配给各级地方政府后，开发商和企业要将一块农业用地转换为城市用地需要克服多重行政障碍，这种配额制度限制了中国MAs的进一步扩大。
作者采用其他4种方法划分中国MAs并矩形化为县级边界：基于行政规划的3种划分（直辖市和地级市、市辖区、市辖区和县级市）；参照Dingel et al.（2021）的方法，利用夜间灯光影像进行划分。表7列（1）和列（2）的结果显示矩形化对MAs分布和原始划分影响较小。
5.1 对比不同划分方法
表7列（3）显示，将直辖市和地级市视为MAs时，人口规模与排名的对数线性拟合约为0.8，表明城市规模差异较大且分布不均匀；列（4）显示，将直辖市或地级市的市辖区视为MAs时很可能会遗漏外围潜在区域，最后结果不达预期；列（5）在市辖区的基础上将县级市也划分为独立MAs后，MAs涵盖了全国54%的人口和65%的非农业就业，展现出来的经济结构更为复杂；列（6）基于夜间灯光划分MAs后发现，这种方法虽然能捕捉到其他遗漏区域，但也可能因为灯光的干扰而识别出过多较小的MAs，最终效果可能不如用通勤流量或行政规定的划分方式。
5.2 技能溢价
作者运用成年人口中高校毕业生所占比例衡量技能水平。表9行1表明当城市规模增加1倍，技能份额将增加5个百分点。这表明较大城市能够提供更多高级的工作机会、更好的教学资源，在吸引高技能人才方面具有相当的优势。
5.3 高技能职业岗位分布
作者将管理、技术及相关专业的岗位定义为高技能岗位。表9行2表明当城市人口增加1倍，高技能职业岗位占比将增加1.9个百分点，这意味着在MAs中高技能人才拥有更多工作机会，对高素质人力资本的吸引力较大。
5.4 移民规模
中国人口流动规模较大，具有普遍性。表9行3显示MAs人口规模每增加1倍，移民比例将增加7.7个百分点，大城市对移民具有更强的吸引力。
5.5 工资溢价
表9行4显示，工资对城市规模的弹性为0.063。基于通勤流量划分的MAs的工资溢价较其他划分方式低，弹性为0.074~0.134。
在加入高校毕业生、高技能岗位和移民规模后，表9行5结果显示，城市规模系数仍为显著为正，但较行4数值有所下降。这表明工资溢价很可能是“高素质人才-高技能岗位”的自我选择所产生的匹配结果。
5.6 企业全要素生产率
表9行6表明企业全要素生产率对城市规模的弹性在0.046~0.094之间，这表明大城市可以通过规模经济、知识溢出等独有因素提高企业全要素生产率。
5.7 住房价格
作者采用Combes et al.（2019）的方法估计城市规模对住房价格的影响。表9行7显示，市中心房价对人口规模的弹性在0.36~0.53之间，城市规模对住房价格有明显影响。
