指标和方法

对城市和地区变化的研究充满了由数字构成的观点。但是证据的使用受到理论的极大影响,所以,提出的问题是否正确会影响结论。学术界、咨询师以及政府本能地渴望让自己的主张清晰而又毋庸置疑这也会影响结论。

想象一下典型的城市发展报告。首先,它会分列出发展和衰落的城市,然后(在更深奥的学术版报告中)回顾这两类地方的差异,推断出因果关系(DeVol、Bedroussian and Klowden,2011)。在这个例子中,发展的城市是人口增长和国内生产总值(GDP)增长的某种组合,而在那些衰落的城市,其人口及GDP增长率或者它们在全国GDP所占的份额则缓慢上升或下降。这种研究可以大致描绘出城市系统的概貌。例如,如果我们读到,发展的地区既温暖又成本低廉,而其他地区天气寒冷又成本高昂(或者它们具有舒适性,或好或坏的商业气候,等等),我们就是在做关于增长与变化的因果陈述。然而,那些发展的地区可能分属两个不同的群组:人均GDP增长的群组和人均GDP不增长的群组。加入这一点告诉我们城市发展中还有更深层的生产率模式。此外,一些人口数量减少的地方可能人均GDP在上升。如果人口增长,人均GDP的增长表明高生产率活动正在落户该城市地区;如果人口减少,既可能意味着同样的结果,也可能意味着人口减少快于就业岗位减少,但生产率本身并没有提高。虽然城市人均GDP增长不多,但增长依然会带来GDP和城市GDP占全国GDP份额的大幅绝对增长。

值得指出的是,通过敏锐地挖掘、分析数据,我们可以梳理出不同的故事,把人(家庭与劳动力)和产业相结合的故事。但是我们可以再做进一步分析,当区域经济变得资本更加密集但没有创造就业,且移民迁入数量没有增加太多时,人均GDP可能会增加。而当经济变得更加劳动密集型时,人均GDP也可能增加,但是只限于劳动力成本可以转移到产品的价格上的那些产业,这种转移源于因产品质量或稀缺性带来的创新租金,如同在本章前面描述的马歇尔-阿罗经济中一样。在前一种情况下,人均收入相对不会很高;而后一种情况下则会很高。让我们进一步研究最后这个指标,如果人均收入上升,部分原因可能是人口下降快于劳动力下降,而同时就业岗位没有向外迁移;或者是因为经济中的工作岗位或产业在创新、产品质量或生产率上有所提高。

要着手找出工作岗位和人的变化模式,以及这些变化背后可能存在的因果关系,必须考虑许多因素。甚至这些因素的组合也只不过是梳理因果关系和发展动态这一艰难工作的开始。如上文所述,对城市和地区系统的真正理解,只能依据其中基准或者知道它们在某个系统中所处的位置概念。为此,我们通常需要思考城市的趋同或分化,或者更简单地思考与某些类别城市(比如参照国的所有城市)相比,另一些城市是如何达到某个指标的。分析师可以用β表示整体系统这样的基准(一个地方相对于另一个地方的变化有多快,或者变化率指标),或者用σ表示系统本身是否在缩小或扩大其方差。因此,人口、GDP、人均GDP、人均收入以及它们与系统均值的差距等等,都有σβ维度,将这两个维度相结合可以进一步阐明变化的原因和模式。

价格和数量的跨地区均值回归是局部的、非线性的,并取决于时间因素,因为它受制于无形的上限以及额外的空间上可选择的“向上”(创新)冲击。向上和向下冲击的空间选择性与要素流动性等系统动态有关,但也有本地要素,比如,一方面是干中学的成本和拥堵成本,另一方面是下降螺旋。因为存在如此多可能的相互作用,所以城市发展指标存在多种可能的组合。其结果是,城市和地区的发展是一个潜在的12维统计问题,主要涉及四个方面:人口、产出(GDP)、人均GDP(生产率)和收入。这反过来表现为三种方式:水平、变化率和变化的质量。

引入更多这样的维度会进一步减少我们能使用的样本;如果我们增加了用来互相核对的维度数量,工作就无法开展。数据使用的困难不仅涉及有限数据的内部一致性,也涉及外部有效性和一致性。反过来,外部有效性需要关于变化的时间序列信息,以便对核对“断点”趋势进行合理性检验,二者都与它们可能的不同原因有关。与许多一般的发展经济学领域一样,在城市和地区发展领域,有数据表明存在大规模(但仍然是有限的)的重复过程(许多人决定迁移;企业对要素价格做出反应等),而我们最善于发现这些行为共同发生众多的边际再调整。但新经济地理学和一些历史知识表明,在经济地理中可能会有决定性的事件和转折点,对此我在第二章和第三章解释现代阳光地带的出现时已有过论述。集聚经济往往具有循环和非线性的特征,除非某种重大的新生力量,如生产或运输中的技术变化等,突然带来了破坏性影响。我们的数据集没有包含“事件和冲击”;而只有持续关注这些破坏性力量,我们才能超越关注边际变化的倾向,将转折点纳入“非正常冲击”的黑盒子里。一个理想的数据集既应该结合包含集聚的形成和锁定方面的信息,连同其他各种时间地点冲击、突破性技术、偏好的急剧转换等“关键事件”,又包含这些力量带来的广泛而又为数众多的反应和调整(Davis and Weinstein,2002)。

没有哪个数据集能够做到这一点,即使有,若无大量艰苦的工作、敏锐的分析以及对混乱状态的容忍,任何计量经济学也无法处理这么多维度的有限数据(Morck and Yeung,2011)。我们需要技术手段甄别不可靠选项,并有力地引导数据导向的研究者穿行于混乱之中。爱德华·利莫尔(Edward Leamer,2010,1983)一直以来大力主张计量经济学的运用,特别是对结果及其可靠性的解释要立足现实。他认为,一系列更强大的技术手段,如工具变量、非参数方法、一致的标准误差以及随机试验,从某些方面看,只不过造成了更深层次的问题。这个问题表现为试图运用这些技术手段从有限的数据中得出结论,以证实研究人员的先入之见,即世界从根本上是渐进的,根据可靠的法则有规律地运行。在之前的几章中,我广泛考察了数据背后的城市和地区变化过程和事例,并论证了经济的空间发展并非如计量经济学论述的那样。正如利莫尔等人(如Abrams,1982;North,2005)呼吁的,要建立一个符合现实的分析框架解释城市和地区变化,这既需要运用理论、模型和数据,并使用外部校准的方式对这些解释进行三角定位,运用城市和地区变化过程的广泛知识,这些知识可能超出数据集的严格范围,最重要的是,应当对人类行为做出符合现实的假设。