一个新模型利用智能手机数据，分析大东京都市圈经济活动的空间差异。
该研究同时考虑通勤和非通勤出行，以更好地理解这一差异。
研究人员认为，仅关注通勤会对出行模式形成误导性的描述。
理解经济活动的空间集中是经济学中最核心的挑战之一。传统城市理论强调生产决策，以及工人往返于工作地与居住地之间的通勤成本。然而，城市地区内发生的大量出行并非与通勤有关，而是与非贸易服务的消费有关，例如前往餐厅、咖啡馆和酒吧、购物中心、文化场所及其他服务场所的出行。提出“消费型城市”这一理念的开创性论文是Glaeser等人（2001）的研究。
该领域研究面临的两大关键挑战，一是衡量非通勤出行的能力有限，二是缺乏被广泛接受的消费出行理论模型。在一篇新论文（Miyauchi等人，2021）中，我们就消费与工作场所可达性在理解经济活动空间分布中的作用，提出了新的理论并提供了证据。
我们将包含高频位置信息的智能手机数据与空间细分的人口普查数据相结合，以衡量大东京都市圈内的通勤和非通勤出行。基于实证发现，我们构建了一个同时纳入工作场所可达性和消费可达性的定量城市模型。我们利用该模型评估消费可达性在解释经济活动可观察空间差异中的作用。纳入消费可达性对于评估交通基础设施改善的实际影响具有重要的定量意义。
我们首先利用智能手机数据，对大东京都市圈内的出行提供精细尺度的证据。数据来自日本一款主要的智能手机地图应用（Docomo Chizu NAVI），该应用每五分钟记录一次每台设备的GPS位置。2019年7月，数据覆盖约54.5万名用户，共计14亿个数据点。我们使用“停留”来衡量用户到访的每个地点，即在15分钟内移动范围不超过100米。
图1展示了我们数据中记录的明治神宫（位于东京涩谷区）的“停留”情况，时间为2017年12月至2018年2月。每个红色阴影矩形对应一个25米乘25米的网格单元。红色阴影越深，表示该网格单元内的停留次数越多。这些网格单元叠加在该区域的卫星照片上。在该照片中，图像左上方被树木环绕的建筑是明治神宫的主殿。
图1 东京涩谷区明治神宫周边的停留示例
从该图中可以看出几个特点。第一，城市内的移动可以在极其精细的空间分辨率下被观察到。第二，在将神社周围林地（左侧）与开发区域（右侧）分隔开的道路处，停留密度出现了急剧的不连续，这表明停留数据准确地反映了移动密度。第三，在这片林地中央，停留点紧密集中在从道路通往神社主殿的小路沿线，再次证实了我们的数据能够捕捉城市中的主要移动路径。
利用智能手机数据，我们将每位匿名用户的居住地确定为其最常到访的地点（由地理上相邻的停留点组成的群组定义），并将其工作地确定为其第二常到访的地点。其他地点的非通勤出行则根据按行业细分的人口普查就业数据，划分为不同类型。我们通过证明智能手机通勤测量结果与官方人口普查数据的测量结果高度相关，对其进行了验证。我们还证明，它们呈现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）的研究。
在智能手机数据通过人口普查通勤数据验证之后，我们发现，仅关注这些通勤出行会对出行模式形成误导性的描述。首先，如图2所示，非通勤出行比通勤出行更为频繁。因此，仅集中于通勤出行会大幅低估城市地区内的出行总量。
图2 工作地及其他地点的停留频率（不含居住地）
第二，我们发现，这些非通勤出行与非贸易服务的可获得性密切相关，这与我们将其视为前往消费非贸易服务的出行的模型相一致。
第三，我们发现，非通勤出行的目的地比通勤出行的目的地更靠近居住地，出行流量对出行时间的反应在绝对值上大于通勤出行。因此，非通勤出行的空间格局不能很好地用通勤出行的格局来近似。
第四，我们表明出行链是数据的一个相关特征：非通勤出行发生在居住地与工作地之间的途中，这凸显了对通勤与非通勤出行进行联合建模的必要性。
这些来自智能手机数据、表明消费出行之重要性的发现，与来自新型大数据来源的证据相一致，包括信用卡交易（例如Allen等人，2020）以及Yelp餐厅数据（例如Glaeser等人，2018年，以及Davis等人，2019）。
为解释智能手机数据中观察到的规律，我们提出了一个城市内部结构的定量理论，该理论同时纳入通勤和消费出行。我们考虑一个由一组离散街区构成的城市，这些街区在生产率、公共服务设施、建筑面积供给和交通联系方面各不相同。消费者偏好由可贸易商品的消费、多种不同类型的非贸易服务以及居住建筑面积共同定义。可贸易商品和非贸易服务利用劳动力和商业建筑面积生产。我们假设工人的区位决策是嵌套的。
工人观察到以下特质性因素：
各地点公共设施偏好，并据此选择居住地；各工作地及行业的生产率，并据此选择工作地；各地点所提供非贸易服务的质量，并据此选择消费这些非贸易服务的地点；以及消费这些非贸易服务各路线的偏好冲击，并据此选择采用哪条路线（例如，家-工作-消费-回家与家-消费-回家）。
在做出上述每一项选择时，工人会考虑其对周边地点的预期可达性。人口流动性意味着，工人在所有有人居住的地点必须获得相同的预期效用。
该模型推导出适用于通勤和非通勤出行的扩展引力方程，这些方程能够很好地近似观察到的数据。我们利用这些扩展引力方程估计一个在理论上自洽的出行可达性指标。直观而言，我们利用数据中观察到的出行以及模型结构，揭示各地点在就业和消费方面的相对吸引力。根据模型的人口流动性条件，我们推导出一个衡量地点相对吸引力的充分统计量，该统计量同时纳入居住人口比例和建筑面积价格。这一地点相对吸引力的充分统计量可以分解为我们的出行可达性指标与居住公共设施的残差项。
将同时纳入消费与工作场所可达性的模型，与仅考虑工作场所可达性的特例相比较，我们发现，一旦考虑消费可达性，出行可达性的贡献显著增大（56%，而非37%），居住公共设施残差项的贡献则相应减小（44%，而非63%）。
综合来看，这一格局与以下观点相一致：城市地区的大部分经济活动集中于服务业，而前往周边地点消费这些服务的可达性，是工人选择居住地和工作地的重要决定因素。
该模型可用于对交通基础设施改善进行反事实分析，例如新建地铁线路。除通勤出行的初始份额外，这些反事实分析现在还将取决于非通勤出行的初始份额。
仅关注通勤出行的分析框架通常会低估交通基础设施改善带来的福利收益，因为它们低估了从出行成本降低中受益的乘客出行次数。此外，由于通勤与非通勤出行的双边格局不同，这些框架对新交通基础设施如何影响经济活动的空间分布，会得出不同的预测。
我们将模型对仙台市新开通地铁线路的反事实预测与数据中观察到的实际影响进行了比较。纳入消费可达性所得出的估计效应，与观察数据中的效应相似。仅关注通勤出行，由于大幅低估了城市地区内的非通勤出行，会使交通改善的福利收益低估约一半。
综合来看，我们的研究结果表明，消费机会的可达性与就业机会的可达性，在理解经济活动的空间集中方面都发挥着核心作用。
参考文献
Ahlfeldt, G, S Redding, D Sturm和N Wolf（2015），“The economics of density: Evidence from the Berlin Wall”，Econometrica 83(6): 2127–89。
Allen, T, S Fuchs, S Ganapati, A Graziano, R Madera和J Montoriol-Garriga（2020），“Is tourism good for locals? Evidence from Barcelona”，Dartmouth College，未刊稿。
Davis, D R, J I Dingel, J Monras和E Morales（2019），“How segregated is urban consumption?”，Journal of Political Economy 127(4): 1684–738。
Glaeser, E L, J Kolko和A Saiz（2001），“Consumer city”，Journal of Economic Geography 1(1): 27–50。
Glaeser, E L, H Kim和M Luca（2018），“Using traditional and digital data sources together in economic research”，VoxEU.org，1月17日。
Heblich, S, S Redding和D Sturm（2020），“The making of the modern metropolis: Evidence from London”， Quarterly Journal of Economics 135(4): 2059–133。
Miyauchi, Y, K Nakajima和S J Redding（2021），“Consumption access and the spatial concentration of economic activity: Evidence from smartphone data”，CEPR Discussion Paper 15839。
