毛成希

（華中科技大學(xué)經(jīng)濟(jì)學(xué)院 湖北·武漢 430070）

0 引言

十四五規(guī)劃強(qiáng)調(diào)，我國完善城鎮(zhèn)化空間布局需要推動城市群一體化發(fā)展、建設(shè)現(xiàn)代化都市圈、優(yōu)化提升特大超大城市中心城區(qū)功能，反映了我國逐漸認(rèn)識到基于地理區(qū)位優(yōu)勢的大城市的不斷壯大是經(jīng)濟(jì)發(fā)展的客觀規(guī)律。但國民對于大城市的認(rèn)識不足以及恐懼，還只是剛剛開始轉(zhuǎn)變，例如2007年才正式停止，于1989年頒布的《城市規(guī)劃法》強(qiáng)調(diào)嚴(yán)格控制大城市規(guī)模；媒體，文藝界乃至學(xué)界用“城市病”一詞概括城市發(fā)展過程中出現(xiàn)的交通擁堵、環(huán)境污染、熱島效應(yīng)、房價高企甚至一些新詞匯，如“青少年問題”、“城市冷漠”、網(wǎng)癮與缺乏室外活動等歸結(jié)于城市發(fā)展（譚縱波，2020）。其中一些往往存在邏輯漏洞，例如肥胖問題，在鄉(xiāng)村也同樣存在，甚至可能更加嚴(yán)重（柳倩，高雋泓，2021）；無法否認(rèn)的事實是，即使城市存在如此多的“弊端”，中國每年向大城市，以及東部較為發(fā)達(dá)地區(qū)流動的人口，是十分龐大的；《中國流動人口發(fā)展報告2016》的數(shù)據(jù)顯示，2015年流動人口規(guī)模約2.4億，東部地區(qū)流動人員占比74.7%，2015年流向中心城市的跨省流動人口占全國跨省流動人口的比例為54.9%。

城市規(guī)模的擴(kuò)大，往往使得一些問題從總量上看起來較為嚴(yán)重，但從人均的福利角度和效率來說，很多結(jié)論卻恰好相反。例如，一項關(guān)于我國城市研究發(fā)現(xiàn)，盡管城市的熱島效應(yīng)可能帶來高溫?zé)崂?，但一般高溫死亡率與城市化程度是負(fù)相關(guān)的(Qing Wang et al.,2020)；從環(huán)保角度來看，城市人口集聚反而能降低人均排污量，并促進(jìn)新移民提高環(huán)保知識水平（鄭怡林，陸銘，2018）；而城市擁堵以及相應(yīng)的工作通勤時間，隨著城市人口規(guī)模擴(kuò)張，并沒有大幅提高（李杰偉，陸銘，2018）。

以優(yōu)質(zhì)教育和醫(yī)療資源為代表的公共服務(wù)，也是大城市對移民的一大重要吸引力；但如部分大城市的大型醫(yī)院出現(xiàn)的排隊長，看病難現(xiàn)象，讓人們質(zhì)疑人口規(guī)模過大會帶來公共資源緊張，但另一方面，大城市人口集聚可能催生網(wǎng)絡(luò)問診，家庭醫(yī)院等新意義上的公共服務(wù)，以及更便捷的公共交通系統(tǒng)，因此，城市人口規(guī)模與公共服務(wù)便利性的關(guān)系如何是值得進(jìn)一步探討的。本文利用滴滴發(fā)展研究院等公布的“城市發(fā)展指數(shù)報告”中“公共服務(wù)便利性得分”這一指標(biāo)，以計量方法分析其與城市人口規(guī)模之間的關(guān)系。發(fā)現(xiàn)在控制了人均GDP，流動人口比重等變量后，在所有城市組別中兩者呈現(xiàn)負(fù)相關(guān)；在把樣本城市分為人口凈流入組和凈流出組后，發(fā)現(xiàn)在凈流出組系數(shù)絕對值更大且顯著負(fù)，凈流入組中系數(shù)絕對值較小且不顯著，進(jìn)一步的機(jī)制探討發(fā)現(xiàn)，城市人口增加伴隨的職住平衡的惡化部分解釋了便利性得分的下降；而大城市中居民更偏向使用公共汽（電）車出行緩解了得分的下降，對人口凈流出組來說，市轄區(qū)和下轄縣市的公共資源不平等部分解釋了其與凈流入城市的系數(shù)上的差別。

但本文發(fā)現(xiàn)的遠(yuǎn)不能稱為人口對公共服務(wù)便利性的因果關(guān)系，在大城市中還有不少人為的規(guī)劃不合理等因素造成了這種不便，有待未來文獻(xiàn)進(jìn)一步考察。

1 文獻(xiàn)綜述與機(jī)制探討

1.1 文獻(xiàn)綜述

“公共服務(wù)便利性”指標(biāo)分?jǐn)?shù)，是利用滴滴收集的所有城市出租車，專車出行訂單中，終點為學(xué)?；蜥t(yī)院等公共基礎(chǔ)設(shè)施的訂單所占的比例來衡量的：比例越高，在一定程度上反映了公共服務(wù)設(shè)施步行可達(dá)性越低①，即到最近的公共設(shè)施的平均距離越遠(yuǎn)，或步行越困難，但這個指標(biāo)并不完全客觀，例如，前往大城市中心醫(yī)院治病的不少是短期內(nèi)的外地人口，相比于本地常住人口其是否更可能乘坐出租車？此外，該指標(biāo)會受到公共質(zhì)量分布不平衡的影響，例如在小城鎮(zhèn)中，即便存在更多社區(qū)醫(yī)院、診所和醫(yī)療室，但如果其質(zhì)量較差，當(dāng)?shù)鼐用襁€是會考慮前往市區(qū)的大醫(yī)院。

與公共服務(wù)便利性相關(guān)的英文文獻(xiàn)，較多探討城市自身如何提高公共服務(wù)可達(dá)性：一篇關(guān)于比利時根特市的研究發(fā)現(xiàn)，公共服務(wù)設(shè)施開放時間的重新安排可以提高其可得性(Tijs Neutens et al.)；還有一些文獻(xiàn)研究了從城市環(huán)路中心到外圍，公共綠地的可得性，發(fā)現(xiàn)處于城市中心會更容易尋找到綠地(Jiamin Zhang et al.,2021)；還有文獻(xiàn)針對公共服務(wù)便利性指標(biāo)的測量提出了新方案，如加入對出行的主觀評價(IgnacioTiznado-Aitkenetal.,2021)。我國相關(guān)文獻(xiàn)，較多在探討公共服務(wù)的供給對于人口流動的影響，研究發(fā)現(xiàn)勞動力也愿意為更好的公共服務(wù)而發(fā)生流動，即“用腳投票”（夏怡然，陸銘，2015，孟母三遷）；也有研究發(fā)現(xiàn)在城市適當(dāng)空間位置布局的優(yōu)質(zhì)公共服務(wù)有利于吸引人口集聚，人口密度增加（姚永玲，王帥，2014）。筆者認(rèn)為缺乏衡量公共服務(wù)便利性的數(shù)據(jù)指標(biāo)可能是使得相關(guān)文獻(xiàn)偏少的原因之一，滴滴報告利用其出租車、專車出行的大數(shù)據(jù)提出了一種在城市層面計算該指標(biāo)的方法。

另一類研究考察了通勤行為與城市人口規(guī)模之間的關(guān)系：利用美國大城市區(qū)數(shù)據(jù)的研究發(fā)現(xiàn)即使城市人口規(guī)模擴(kuò)大一倍，平均通勤時間只增加約13%（Kahn,2010）。

城市的住宅、商圈、企業(yè)和公共服務(wù)設(shè)施不僅會改變?nèi)丝诹鲃蛹?，其分布本身也受人口集聚影響，那些發(fā)生產(chǎn)業(yè)集聚的地理區(qū)位往往伴隨著更多公共服務(wù)設(shè)施（姚永玲，王帥，2014）。因此，筆者認(rèn)為，本論文所希望研究的人口規(guī)模與公共服務(wù)便利性變動特征，與人口規(guī)模和通勤時間這一問題有一定的相似性，下面的機(jī)制探討主要借鑒了李杰偉，陸銘在2018年的研究。

1.2 機(jī)制探討

用所有出行訂單中終點為學(xué)校醫(yī)院等公共設(shè)施的比例來作為公共服務(wù)可得性的衡量指標(biāo)，一方面反映了離最近公共設(shè)施距離的遠(yuǎn)近，另一方面則是以其他出行工具（步行，公共交通）前往的難易程度。

城市人口規(guī)模擴(kuò)大伴隨公共服務(wù)便利性下降的一種可能性是，假如城市仍然是單中心或少數(shù)幾個距離很近的中心，人口增長引起城市外圍擴(kuò)張，新增加的人口居住在郊外，而郊外的公共服務(wù)設(shè)施沒有配套地增加，缺乏與城市中心連通的公共交通設(shè)施（李杰偉，陸銘，2018），或者這些設(shè)施不能滿足基本需求，例如2017年之前，北京的回龍觀和通天苑，由于“先開發(fā)，后規(guī)劃”的模式，就業(yè)環(huán)境和居住服務(wù)配套設(shè)施落后，當(dāng)?shù)鼐用窬歪t(yī)上學(xué)路上出行困難。

第二，新增加人口所在區(qū)域人口密度低于城市中心。一項基于出行大數(shù)據(jù)的觀察發(fā)現(xiàn)，在北京、上海、成都等大城市人口密度越高的地區(qū)，反而生活服務(wù)可達(dá)性越高②。

最后，沒有出現(xiàn)新的出行方式，例如地鐵，輕軌，共享單車等。或者原有出行方式變得更困難了，比如有些城市中心區(qū)域，人行道被機(jī)動車擠占，或者設(shè)計過窄，使得步行變得困難。

當(dāng)研究對象變?yōu)槎鄠€城市時，上述假設(shè)未必成立。陸銘等人測算的城市人口密度對人口規(guī)模的對數(shù)彈性為0.59（李杰偉，陸銘，2018）；而且，人口規(guī)模達(dá)到一定程度時，修建諸如地鐵，輕軌和投放共享單車會產(chǎn)生規(guī)模效應(yīng)，降低人均成本，我國對城市申報開通軌道交通的條件也對地鐵負(fù)荷強(qiáng)度有較為明確的要求③。

政府規(guī)劃的人為干預(yù)也會帶來不便,例如在城市中心用寫字樓來代替老化的住宅區(qū),造成就業(yè)過度集中，住宅區(qū)遠(yuǎn)離市中心，由于公共服務(wù)設(shè)施往往向集中就業(yè)區(qū)域靠攏，導(dǎo)致從居住地前往最近公共服務(wù)的距離增加。例如北京市的百所特色學(xué)校，或品牌小學(xué)絕大多數(shù)在東城、西城、海淀、朝陽和豐臺的中心城區(qū)，七成的重點初中在東城、西城和海淀區(qū)，“三甲”醫(yī)院大部分在城六區(qū)（姚永玲，王帥，2014;Lu et al.,2017），居民對優(yōu)質(zhì)公共服務(wù)的需要，可能使得他們愿意花費更多的通勤時間和更長的距離前往這些中心區(qū)域。

綜合上述討論，我們發(fā)現(xiàn)人口規(guī)模擴(kuò)大帶來的影響存在正反多方面可能機(jī)制，其總的影響如何，需要在中國城市中進(jìn)行實證檢驗。

2 變量說明與基本數(shù)據(jù)描述

2.1 變量說明

公共服務(wù)便利性指數(shù)，是一個從零分到十分的指標(biāo)，其構(gòu)建過程如下：統(tǒng)計當(dāng)年第i個城市所有訂單中公共服務(wù)目的地占比，記為vi，vmin和vmax代表所有城市中該指標(biāo)的最小值和最大值，該指數(shù)和公共服務(wù)便利性往往成反比，故可以計算如下：

此得分是核心的被解釋變量。

核心解釋變量是城市人口規(guī)模。由于該統(tǒng)計數(shù)據(jù)存在兩套指標(biāo)，一是戶籍人口，即登記了本地戶籍的人員都算在本地；一是常住人口，只以居住在本地時間超過六個月人口計算，由于我國戶籍制度的存在，在人口流出地區(qū)，戶籍人口大于常住人口，人口流入地區(qū)則相反④。對本地公共服務(wù)有需要的應(yīng)該是常住人口（也包括部分旅游和就醫(yī)人員），因此人口規(guī)模用該數(shù)據(jù)衡量，另一個可行的代理變量是就業(yè)人口，但由于公共服務(wù)還包括針對未成年人與在校大學(xué)生的教育系統(tǒng)，采用就業(yè)人口進(jìn)行解釋可能有一定偏誤。

其他主要的控制變量，參照陸銘，李杰偉（2014）的做法，包含了人均GDP，是否是省會城市或直轄市以及第三產(chǎn)業(yè)就業(yè)人數(shù)占全部就業(yè)人數(shù)的比例。

由于滴滴報告并未說明是否只統(tǒng)計了市轄區(qū)的訂單，但考慮到東部發(fā)達(dá)地區(qū)的部分市轄縣也有完善的交通系統(tǒng)，以上變量本文使用地級市級別的數(shù)據(jù)。

人口密度變量，筆者考慮了使用市轄區(qū)密度，第一是為了剔除少數(shù)幾個大部分面積人口稀少的地區(qū)（如錫林郭勒盟）的影響，第二，市轄區(qū)有部分政府業(yè)務(wù)等下轄縣不能直接辦理，需要前往市轄區(qū)。

另一個控制變量是該城市流動人口的比例，用常住人口中非本地戶籍比例代替。受戶籍制度的制約，大中城市里沒有本地戶籍的流動人口無法完全享受到戶籍人口相同的公共服務(wù)，例如義務(wù)教育。一項對北京市打工者的抽樣調(diào)查顯示，農(nóng)民工進(jìn)城但其子女卻留在家鄉(xiāng)的占了大多數(shù)（呂紹青，張守禮，2001），這些人對公共服務(wù)的需要可能低于城市落戶人群，在一定程度上會“虛假地”抬高便利性的得分。

由于統(tǒng)計年鑒中城市年末總?cè)丝诮y(tǒng)計的是戶籍人口；而人均GDP則是利用年中的常住人口來計算的，因此常住人口考慮使用當(dāng)?shù)禺?dāng)年GDP除以人均GDP代表常住人口⑤。

2.2 數(shù)據(jù)來源與基本描述

城市年平均戶籍人口，各產(chǎn)業(yè)從業(yè)人口比例，和市區(qū)面積，人均GDP等源于2015年《中國城市統(tǒng)計年鑒》的數(shù)據(jù)，因為滴滴報告利用的是2017年的數(shù)據(jù)，這樣可能有利于緩解反向因果關(guān)系帶來的內(nèi)生性問題。銅陵市的常住人口，年鑒與統(tǒng)計局給出數(shù)據(jù)不一致，故剔除，興安盟，錫林郭勒盟，喀什地區(qū)數(shù)據(jù)不完整，被剔除，少部分缺失數(shù)據(jù)由筆者從各省市統(tǒng)計局網(wǎng)站搜集而來⑥，總計207個城市。

表1展示了公共服務(wù)便利性與城市常住人口的散點圖；三亞市作為一個人口并不算大的旅游城市，獲得了最高的便利性得分，原因可能，作為一個以休閑旅游為主要吸引力的城市，其投入了較多的共享單車，共享電車，一定程度上減少了中短距離通行對出租車的需求，并且以全年旅游最高峰日需求總量的95%作為交通設(shè)施供給校核的標(biāo)準(zhǔn)⑦。周口市得分最低；人口超過1200萬的幾個特大城市都取得了高于擬合線之上的分?jǐn)?shù)。

表1：人口與城市散點圖

此外，大多數(shù)城市常住人口集中在300萬到800萬，而這一密集區(qū)域呈現(xiàn)出負(fù)相關(guān)關(guān)系。但人口大于800萬的城市，沒有出現(xiàn)明顯的正相關(guān)或負(fù)相關(guān)趨勢，表明可能存在其他因素干擾性。

最后，可以大致觀察到，位于擬合線以上的城市多為東部沿海省份城市，也包括西部部分旅游城市（如麗江、拉薩），擬合線靠下方則出現(xiàn)了較多中部城市，這也印證了滴滴城市報告中提到的“中部塌陷”現(xiàn)象。

但是，僅僅從單一變量的散點圖中不能推斷兩者的關(guān)系，一些中間變量，例如人均GDP，既影響著人口數(shù)量（通過流動人口），也通過改變通行方式影響著公共服務(wù)可得性，需要對此類變量進(jìn)行控制（見圖Ⅰ）。

圖Ⅰ：揭陽市部分衛(wèi)星地圖

3 基本計量回歸分析

要從理想的自然實驗中探討兩者的因果關(guān)系，需要假設(shè)這個城市除了人口規(guī)模發(fā)生變動以外，個人偏好，技術(shù)水平，地理環(huán)境等都保持不變，而且公共服務(wù)的提供建立在知道每個人對其的需求上。但如陸銘等強(qiáng)調(diào)的，我們在無法獲得較好的面板數(shù)據(jù)，只能利用橫截面數(shù)據(jù)情況下，這種關(guān)系只能視為一種相關(guān)關(guān)系；此外，由于涉及的城市地理跨度巨大，一些潛在的地理影響因素難免會影響可得性（筆者認(rèn)為可能有海拔和山地因素，比如拉薩下轄縣多河谷，又多為自然保護(hù)區(qū)域，交通方式受限）。因此，本文的計量分析，包括中間因素的探討，只能視為一種相關(guān)性，不過這種相關(guān)也可能讓我們發(fā)現(xiàn)幾個重要因素，或許是人口的特征變化，出行偏好的變化，也可能是政府城市規(guī)劃特征等，為未來研究提供幾個具體思路。

接下來我們通過計量回歸的方法具體分析數(shù)量關(guān)系，需要控制的變量依次為人均GDP，三產(chǎn)占比，人口密度，是否為省會城市；被解釋變量簡稱為“得分”，解釋變量采用了其自然對數(shù)。結(jié)果如表2所示：

表2：便利性得分與人口規(guī)模等變量回歸結(jié)果

回歸（1）當(dāng)中，采用對數(shù)常住人口作為主要解釋變量，在所有城市的集合中，其系數(shù)顯著為負(fù)，但結(jié)合表Ⅰ的結(jié)果，分組討論可能是必要的。

回歸（2）表明在全國范圍內(nèi)，該城市的第三產(chǎn)業(yè)的比重幾乎無法解釋該城市的公共服務(wù)便利性（即使依據(jù)常住人口分組之后，筆者發(fā)現(xiàn)仍然不顯著）；關(guān)于服務(wù)業(yè)比重的一個誤區(qū)是，觀察到世界上發(fā)達(dá)國家普遍有更高的第三產(chǎn)業(yè)占比，會認(rèn)為人為提高服務(wù)業(yè)比重就是實現(xiàn)“現(xiàn)代化”，但在一個國家內(nèi)部的城市，由于地理區(qū)位的優(yōu)勢不同，一個城市地區(qū)的優(yōu)勢產(chǎn)業(yè)不一定是服務(wù)業(yè)，違背地理等自然因素和市場力量的城市規(guī)劃不能帶來所謂的產(chǎn)業(yè)現(xiàn)代化，而如果政府沒有更高效地提供公共產(chǎn)品，公共服務(wù)便利性也不會得到提升。

回歸（3）顯示了一個城市的2017年的服務(wù)便利性水平與其在2015年擁有的流動人口比例高度正相關(guān)，故可能存在公共服務(wù)便利性對人口規(guī)模的反向因果關(guān)系。但本文限于作者能力，無法探討具體的因果關(guān)系和具體的系數(shù)的含義，主要試圖發(fā)現(xiàn)兩者的相關(guān)性；在接下來的回歸中控制流動人口比例，也只能一定程度減少反向因果關(guān)系帶來的系數(shù)偏誤（我們尚且不知道真實的系數(shù)方向是否為正）。

回歸（4）和（5）是為了討論下述問題：一個城市是否人口凈流出（入）和其自身公共服務(wù)便利性是高度相關(guān)的，但在人口凈流出和流入流出相對穩(wěn)定的城市里，常住人口與便利性得分的關(guān)系，與人口凈流入的城市里的關(guān)系是否相同？該問題的答案也許能幫助回答不同規(guī)模的城市面對人口流出（特別是勞動力流出時）如何合理規(guī)劃城市，提供優(yōu)質(zhì)公共服務(wù)。

常住人口與便利性得分的關(guān)系在凈流入組和另一組的系數(shù)方向相同，表明都擁有負(fù)相關(guān)關(guān)系，但在人口凈流入城市組的系數(shù)，絕對值小于人口凈流出組，該系數(shù)只在凈流出組顯著。雖然便利性得分這一指標(biāo)無法給我們提供直觀的圖景，而且即便小城市相對大規(guī)模城市有更高的便利性，大城市的服務(wù)質(zhì)量和多樣性卻是更勝一籌。凈流入組中，當(dāng)人口翻一番時，便利性得分僅下降0.3分，用一個不恰當(dāng)?shù)膶Ρ葋碚f，相當(dāng)于人口約500萬的貴陽市和人口約1000萬的武漢市之間的區(qū)別——從直觀感受上并不明顯。

此外，市轄區(qū)人口密度，三產(chǎn)比重在兩組都不顯著，其他變量的斜率系數(shù)在兩組都有相同的方向。人均GDP對便利性得分的正的邊際影響，在人口凈流出組更高，但流動人口比率在人口凈流出組不再顯著，雖然依舊為正。在人口凈流入組，是否為省會城市帶來的正的提升較小，但在人口凈流出組這一差距拉大了。

從模型解釋力的角度，在人口凈流入組，所選取的變量可以解釋得分變動的33%，但在中小城市組卻只能解釋21%的變動。因此，可能有其他因素，例如地理特征或政府的城市規(guī)劃發(fā)生著更大作用，下文將予以討論。

另外，人口凈流出組中有一個極端值重慶，是全國人口最大的城市，有著多達(dá)26個市區(qū)和8個縣等，盡管其總體人口凈流出，但在城市內(nèi)部，市區(qū)因為接納了下轄縣和鄉(xiāng)鎮(zhèn)流入的人口，主要是凈流入地，而不發(fā)達(dá)的縣鄉(xiāng)可能有更多的向外流出人口；筆者在凈流出組剔除了重慶，系數(shù)方向不變，不過常住人口前面的系數(shù)絕對值增大到了0.73，因為重慶有著較高的得分。

4 機(jī)制探討

本文想要回答的應(yīng)該是在所有城市組中，常住人口的增加為何伴隨便利性得分的下降，但分組之后發(fā)現(xiàn)，在人口流出城市組，該效應(yīng)變得更加顯著（特別是剔除重慶市之后），下文首先對案例進(jìn)行探討，然后用計量方法，討論可能的作用機(jī)制。

案例分析：廣東省揭陽市。公共服務(wù)便利性得分為1.05分，年中常住人口約為604萬人，人均GDP31255元；為了控制經(jīng)濟(jì)發(fā)展水平，筆者選取了人均GDP在29000到32000元的一些城市做參考，內(nèi)蒙古的興安盟得分是5.28，人口約160萬人，山西的晉中得分為6.41，人口332萬人。筆者認(rèn)為可能有以下幾點因素導(dǎo)致了分?jǐn)?shù)偏低，第一，截至2017年，揭陽市尚且沒有開通地鐵，而輕軌的開通處于規(guī)劃階段⑧。第二，從人口和公共服務(wù)分布來看，揭陽市的核心城區(qū)榕城區(qū)與揭東區(qū)，距離下轄的兩個縣都較遠(yuǎn)，截至2020年，榕城區(qū)常住人口為53萬人，揭西縣則有67萬人；而衛(wèi)星地圖上看到，榕城區(qū)的市政府為核心的約10公里范圍內(nèi)就有四家大醫(yī)院，兩所中學(xué)；而揭西縣建筑最密集區(qū)域沒有一家較大的醫(yī)院。部分公共服務(wù)的分布不均，下轄縣的居民來到市區(qū)就醫(yī)上學(xué)，辦理政務(wù)等遇到道路不熟的問題，就有更大可能采用出租車等出行方式，進(jìn)而導(dǎo)致了便利性得分偏低。

另外，市轄區(qū)密度對反映整個地級市的人口分布特征幫助有限。該市轄區(qū)密度是用戶籍人口予以計算，不代表常住人口的密度。揭陽市市轄區(qū)的人口密度達(dá)到了約2000人/平方千米，但其容納的人口相對于全市來說較小，而自身又集中了最多的公共資源。再加上該市大多數(shù)區(qū)域還是山林，向分散的鄉(xiāng)鎮(zhèn)提供優(yōu)質(zhì)資源成本很高，加上該市也是戶籍人口大于常住人口的凈流出地區(qū)；在人口大規(guī)模流動依然是主要趨勢的當(dāng)下，或許讓鄰近的深圳珠海廣州等大城市吸收更多的就業(yè)人口，留下的人口再進(jìn)一步集中居住可能是一種更優(yōu)的解法。

下文對可能的機(jī)制予以計量方法上的探討：

表3：職住平衡度與人口的關(guān)系

表4：職住平衡度的解釋力

表5：人均公汽出行次數(shù)與人口的關(guān)系

（1）大城市更嚴(yán)重的職住分離帶來的居住地和公共服務(wù)設(shè)施距離較遠(yuǎn)。一個城市的職住分離現(xiàn)象不僅帶來了主要就業(yè)地和居住地的距離拉長或者出行不再便利，還可能因為公共服務(wù)往往集聚在就業(yè)區(qū)域附近，帶來了公共服務(wù)可得性的下降。職住分離現(xiàn)象可能由政策引起，例如一項對重慶的研究顯示，公共租賃住房的政策性搬遷增加了通勤距離和時間（李小廣，邱道持等，2013），而公共租賃住房主要是針對中低收入層級和外來務(wù)工者，如果沒有配套的公共交通，他們的出行就更可能依靠出租車等。

職住分離度的衡量利用了滴滴發(fā)展報告的指標(biāo)，該指標(biāo)由早高峰相對速度、早高峰相對出行距離、早高峰相對出行時間三個指標(biāo)加權(quán)得來。

下面的單變量回歸以職住平衡度作為被解釋變量。結(jié)果顯示，在人口凈流出或流動穩(wěn)定的城市中，人口增加并沒有伴隨職住平衡度的顯著下降，即職住分離的加劇。而人口凈流入組系數(shù)顯著為負(fù)，而且經(jīng)濟(jì)顯著性意義上，人口從100萬增加到1600萬的時，職住平衡度下降2.3分。

為了進(jìn)一步說明職住分離的加劇是否能，以及多大程度上能解釋凈流入組的得分下降現(xiàn)象，我們可以在最開始的回歸中加入職住平衡度，觀察原先系數(shù)的變化和R2是否增加。

加入職住平衡度減小了人口凈流入組城市的常住人口系數(shù)的絕對值，雖然解釋度R2沒有多少上升。說明原本觀察到的人口與便利性的負(fù)相關(guān)一部分是因為常住人口越大的城市往往職住平衡度越低，而職住平衡度與便利性得分是正相關(guān)的。但在凈流出組這一效應(yīng)恰好相反，筆者認(rèn)為可能是因為在該組職住平衡度在不同人口城市中變化不大。

（2）從通行方式視角。正如陸銘，李杰偉指出的，大城市中雖然伴隨著不合理規(guī)劃帶來的通行困難增加的問題，例如部分城中村居民搬遷之后離商業(yè)就業(yè)中心較遠(yuǎn)，但大城市自身也會帶來解決方案——如更便利的公共交通系統(tǒng)，但大城市市民是否會愿意更多地采用該系統(tǒng)出行？

已有文獻(xiàn)采用了城市抽樣調(diào)查獲取的出行比例數(shù)據(jù)（陸銘，李杰偉，2014），但筆者沒能獲得2015年該數(shù)據(jù)的值，因此間接利用城市統(tǒng)計年鑒中城市全年公共汽（電）車客運總數(shù)除以該市常住人口，反映城市年人均公共汽電車出行次數(shù)。不可否認(rèn)，對那些旅游城市來說，這個數(shù)據(jù)不能完全反映本地居民的需要，但旅游人員對這種出行方式的偏好也意味著公交系統(tǒng)本身出行質(zhì)量較好，偏誤是有限的。

表6：人均公汽出行次數(shù)便利性得分的關(guān)系

表7：人均公汽出行次數(shù)的解釋力

下面對全體城市組和人口凈流入組，凈流出組分別考察了人均公汽出行次數(shù)與常住人口數(shù)量，以及出行次數(shù)與便利性得分的關(guān)系。

可以看到，不同組別中都顯示著人口越多的城市，居民利用公汽出行次數(shù)越高，而更高的次數(shù)伴隨著更高的便利性得分，下表在表1基礎(chǔ)上加入了人均公汽出行次數(shù)，結(jié)果如下：

結(jié)果與我們所設(shè)想的相同，常住人口對數(shù)前面的系數(shù)絕對值相較于沒有加入出行次數(shù)時更大。人口規(guī)模更大的城市因為居民更多轉(zhuǎn)向公共汽（電）車緩解了公共服務(wù)可得性的緊張。但我們還未能探索這種負(fù)相關(guān)關(guān)系的其他成因，以及兩個分組之間的系數(shù)差別是什么其他因素造成的。

前一個問題可以從多個角度提供思路，例如大城市中街區(qū)尺度的擴(kuò)大，兩個街區(qū)之間缺乏步行通道，使得大城市中步行到達(dá)公共設(shè)施變得更加困難；傳統(tǒng)的封閉式社區(qū)管理，盡管在特殊時期的視角下，會帶來一些管理上的便捷，也帶來了讓行人行車?yán)@遠(yuǎn)路的問題；人行道和自行車道被車行道擠占；不合理的紅綠燈設(shè)置帶來的交通擁堵等等。不過，這些問題不一定是人口擴(kuò)張必然帶來的，私以為合理的規(guī)劃和大數(shù)據(jù)的應(yīng)用是能夠緩解這些所謂的矛盾的。

筆者對后一個問題進(jìn)行了一些嘗試，想法在于，對揭陽市的案例分析發(fā)現(xiàn)盡管部分人口凈流出地的市轄區(qū)集中著最好的公共資源，其下轄縣距離遠(yuǎn)，擁有的資源有限，而市轄區(qū)容納的人口相對于全市來說很小。這種資源不平等既可能造成便利性得分下降，也可能驅(qū)使下轄縣的人口遷移出去。一種反映醫(yī)療公共服務(wù)充裕度的指標(biāo)是人均的醫(yī)院床位數(shù)多少，筆者因此構(gòu)建了一個市轄區(qū)人均床位數(shù)和下轄縣市人均床位數(shù)之比的變量，加入到表2的原始回歸中，發(fā)現(xiàn)在人口凈流出組，常住人口對數(shù)的系數(shù)從-0.649提升到了-0.633，比較有限，盡管部分是因為公共服務(wù)不止包括醫(yī)療硬件設(shè)施，還有很多種類無法一一囊括。

5 結(jié)論與不足

上述內(nèi)容通過計量方法和案例探討發(fā)現(xiàn)了以下結(jié)論：第一，控制了人均GDP，是否為省會城市等變量后，在滴滴報告提供的所有地級市樣本組中，常住人口與公共服務(wù)便利性得分是負(fù)相關(guān)的；第二，在人口凈流入組中，這種負(fù)向作用有所緩和而且不顯著，而在人口凈流出組中，負(fù)向作用加大了；第三，城市人口增加伴隨的職住平衡的惡化部分解釋了便利性得分的下降；而大城市中居民使用公共汽（電）車出行比例的上升緩解了得分的下降；最后，在人口凈流出組中市轄區(qū)與下轄縣人均公共資源的差距部分解釋了其系數(shù)的絕對值比凈流入組中大。

但該結(jié)論并不意味著對大城市更糟糕，要限制大城市人口這一看法的支持。首先，這種負(fù)相關(guān)關(guān)系可能是城市街區(qū)，道路規(guī)劃的不合理帶來的；其次，大城市的公共服務(wù)質(zhì)量更加優(yōu)秀，而且也更有能力提供新的優(yōu)質(zhì)服務(wù)。十四五規(guī)劃中提及完善財政轉(zhuǎn)移支付和城鎮(zhèn)新增建設(shè)用地規(guī)模與農(nóng)業(yè)轉(zhuǎn)移人口市民化掛鉤政策，向人口流入地提供更多的公共服務(wù)設(shè)施，以及建設(shè)以人為核心的城鎮(zhèn)化，表明了大城市是能夠解決自己的問題，提供更好的公共服務(wù)的。

該研究也有很多不足，例如我們沒有考慮不同收入層級居民對公共服務(wù)的需求特征，他們通過何種出行方式到達(dá)公共服務(wù)設(shè)施；未來的研究，筆者認(rèn)為還需要弄清楚大城市的街區(qū)和交通規(guī)劃等如何影響了出行方式，是否造成了出行困難；以及向大城市的新移民就業(yè)和居住特征，在未來向中低收入移民提供的廉租房公租房該如何合理選址等問題。但無論如何，最重要的認(rèn)識到向充滿更多機(jī)遇的大城市遷移是一個長期不可逆的過程。

注釋

① 來自《滴滴“城市發(fā)展指數(shù)”報告》,上海交通大學(xué)中國發(fā)展研究院,東北財經(jīng)大學(xué)經(jīng)濟(jì)與社會發(fā)展研究院,滴滴發(fā)展研究院.

② 茅明睿《.大數(shù)據(jù)視角下帝都魔都的愛恨情仇》.北京城市象限科技有限公司CEO.

③ 《國家發(fā)展改革委關(guān)于加強(qiáng)城市軌道交通規(guī)劃建設(shè)管理的通知》.發(fā)改基礎(chǔ)〔2015〕49號.

④ 《當(dāng)我們談城市化時,陷入多少誤區(qū)》.文章作者為陸銘.

⑤ 由于是年中值,會與統(tǒng)計調(diào)查的年末值有區(qū)別,例如筆者用公式計算的北京市2015年年中常住人口約為2133萬人,當(dāng)年年末統(tǒng)計調(diào)查結(jié)果常住人口為2170.5萬人.

⑥ 比如紹興市沒有市轄區(qū)常住人口數(shù)據(jù),筆者用當(dāng)年的戶籍人口比重進(jìn)行了估算.

⑦ 中國城市規(guī)劃設(shè)計研究院.三亞市綜合交通規(guī)劃及老城區(qū)治理[Z].2010.

⑧ 2017年4月17日,揭陽市交通運輸局官網(wǎng)發(fā)布《海峽西岸城市群粵東地區(qū)城際鐵路網(wǎng)規(guī)劃社會穩(wěn)定風(fēng)險分析公眾參與公示》.