北京周边的穷邻居,上海周边的富亲戚?
这个传说有没有道理呢?
在回答这个问题以前,我们不妨先看看北京周边是不是穷、上海周边是不是富。
我们以GDP总量和人均GDP来衡量城市的贫富程度。为了较为公平地比较京沪对周边城市的影响,我们定义了“环北京城市群”,将京津冀全境、山西全省、辽宁部分地区、内蒙古部分地区纳入其内,使得环北京城市群的规模与长三角城市群同为41个城市(含直辖市和地级市)。
这82个城市落在地图上是这样的:
下面回到正题。我们先来比较一下两个城市群的GDP总量(由于部分城市GDP数据缺失,每个城市群各选取33个城市):
(说明:GDP总量指数是每个城市的GDP总量与首位城市的比值(2015年)。例如苏州的GDP总量是上海的56%。)
显然,从GDP总量来看,两大城市群都是“1+1+39”的模式,即1个首位城市、1个第二首位城市、39个非首位城市。在两个城市群中,第二首位城市(天津、苏州)的GDP总量均为首位城市(北京、上海)的60%-70%;从第三位的城市往后,GDP总量随排名迅速衰减,但显然,环北京城市群的GDP总量衰减更快。
我们再来比较一下人均GDP:
(说明:人均GDP指数是每个城市的人均GDP与首位城市的比值(2015年)。例如天津的人均GDP是北京的1.09倍。)
从人均GDP的角度,两个城市群的差异更加明显。北京的人均GDP略低于天津,第三位城市的人均GDP不及北京的70%。而上海的人均GDP则沦落到第七位(前六依次是苏州、无锡、南京、杭州、常州、镇江)。长三角城市群的人均GDP并没有像环北京城市群那样的骤减,而是均匀减少。
综上所述,无论从GDP总量还是人均GDP的角度,环北京城市群中的城市都是远远落后于北京天津的。长三角城市群的发展程度则相对均衡,上海有着苏州、杭州、南京、宁波等多个与之经济实力相当的小伙伴。
“北京周边穷邻居,上海周边富亲戚”基本是事实。
事实上,不仅环北京城市群和长三角城市群差异极大,而且北京和上海在各自城市群中的扮演的角色也很不一样。
首先,北京与城市群的联系强度远高于上海。
我们基于2017年的人口流动数据(主要是商务人口流动和旅游探亲),计算了城市群中每个城市对首位城市(北京或上海)的联系度,并以排名的形式表示。结果如下图所示:
(说明:环北京城市群对北京联系程度第一位13%的含义为,40个城市中,有13%也就是5个城市对外联系最多的城市是北京(全国范围内);同理,有18%也就是7个城市对外联系第二多的城市是北京。)
可以看到,对首位城市联系程度在第1-3位的城市,环北京城市群占31%,长三角城市群则仅为21%;联系程度在第1-5位的城市,环北京城市群占64%,长三角城市群则仅为36%。
各城市对首位城市的联系程度排名落在地图上如下图所示:
可以看到,总体来说,与首位城市在地理位置上接近的城市、以及邻近省的省会城市,对首位城市的联系度更强。只不过在长三角,联系程度在空间上的衰减更快一些。
总体而言,北京与环北京城市群的联系度大大高于上海与长三角城市群的联系度。
其次,环北京为单中心城市群,长三角为多中心城市群。
我们统计了每个城市在其所属城市群中的联系度排名进入top5的次数,以此作为其中心指数。该指数越高,表明该城市与城市群的联系越密切。结果请看下面两个图:
可以看到,北京的中心指数一骑绝尘,高达25;排第二的沈阳的中心指数约为北京的一半;天津仅排到第7位,中心指数只有北京的五分之一。
再来看看长三角的情况。我们发现上海并没有表现出统治性的中心地位:合肥在前、苏杭南京在后,差距均在毫厘之间。
综上所述,环北京城市群只有唯一的绝对中心,长三角则呈现为多中心的特征;与之对应的,环北京城市群与北京的联系程度也远高于长三角城市群与上海的联系程度。
那么,是不同的城市群形态造成“北京穷了周边,上海富了周边”吗?
一般认为,地区间差异受到劳动力转移和资本流动的影响。许召元、李善同(国务院发展研究中心)通过数学模拟进一步提出,地区差距受到拥挤成本、资本的外部性及居民技能差异的影响。当资本的外部性较大或者拥挤成本较小时,劳动力转移可能促使地区差距不断扩展;当拥挤成本较大或者劳动力的技能水平存在较大的差异时,劳动力流动会促进地区经济逐渐收敛。
上面这段话简单翻译一下就是:城市群与首位城市的差距是扩大还是缩小,取决于:
1, 钱是否继续向首位城市流动?
2, 人是否继续向首位城市流动?
3, 流向首位城市的都是什么人?
如果钱继续向首位城市流动、高技能劳动力继续向首位城市流动,则区域间差距会进一步扩大;反之,如果钱开始流入到较小的城市、或大量低技能劳动力流向首位城市,则区域间差距会缩小。
延续这种思路,要回答北京上海对周边的影响为何不同,我们需要知道,在过去、现在和未来,人和钱会继续流向北京上海吗?
简单地,我们以“城市间收入差”作为城市吸引人才和资本的综合衡量。
如果劳动力或者资本在A城市比B城市有更高的收益,会吸引劳动力和资金向A城市流动,使得两者之间的差异会进一步扩大。
我们综合考虑了不同城市间的平均工资水平、生活成本(包括房价)等多种因素,分别计算了北京和上海与其区域城市的收入差指标,结果请看下图:
可以看到,从2010到2015年,北京相比环北京城市群的收入差总体呈现上升趋势,从劳动力和资本的角度来说,北京这座城市仍有大量的进入空间。
再来看上海。上海相比长三角城市群的收入差一度降到了水面以下(收入差小于1),落后于江苏、浙江,直到2015年才略有回升,在区域内有了相对竞争优势。
因此,我们可以看到,北京仍是环北京地区就业和投资的首选;而在长三角,许多其他城市已经具有可以与上海竞争的人才和资本吸引力。
那么,流向北京上海的都是什么人?
我们以学历来近似表征居民的技能水平。由于低学历人群难以准确识别(例如,我们无法判断一个初中学历的人是在校学生、还是具有初中学历的从业人员),本文只探讨高学历人群的流动情况。
由于无法获得外来人口的学历结构,我们只好使用替代性指标:高等人才吸引力指数。该指标的含义是城市中受过高等教育的常住人口数量,与高等院校在校生的数量之比。某城市的该指标越高,说明该城市不仅能留住本市毕业的高等人才,还可以争夺到毕业于其他城市的高等人才;该指标越低,则说明该城市的高等人才流失越严重。结果如下图所示:
可以看到,尽管北京上海都是所属城市群中高等人才吸引力最强的,但北京对高等人才吸引力远远高于天津、沈阳、保定等其他城市,而上海与苏州、宁波等城市的差距则相对较小。换句话说,北京对城市群高等人才的“抽血”能力比上海更强!
至此,我们基本可以得出以下判断:
1,高等人才和资本在过去、现在和可预见的未来都由环北京城市群乃至全国向北京流动,北京与环北京城市群的差距很可能进一步扩大; 2,长三角已显现出“多核”特征,上海与苏州、杭州等城市将展开对人才和资本的激烈竞争。
从这个角度来理解的话,我们对于“千年大计”的雄安新区的设立,是不是有了新的认识呢?
注释:
1. 本研究由 城市数据团 与 滴滴媒体研究院 合作完成,作者为 团支书。本文封面由滴滴媒体研究院提供,正文中的数据可视化由数据团成员 AuAg 完成。
2. 本文的主要数据来源包括中国统计年鉴、各城市统计年鉴、滴滴城际交通数据、腾讯位置大数据、百度地图数据等。
3. 本文主要的参考文献为 许召元,李善同. 区域间劳动力迁移对地区差距的影响[J]. 经济学(季刊), 2008(8)1:53-76.
END
投稿和反馈请发邮件至holly0801@163.com。转载大数据公众号文章,请向原文作者申请授权,否则产生的任何版权纠纷与大数据无关。
上一篇: 研究说明:荷兰的环城地区
推荐阅读
-
北京周边的穷邻居,上海周边的富亲戚?
-
《京沪公园使用大数据报告》解读城市公园新机遇-Part One 公园基本情况 1 城市公园分布 城市公园分布广泛,主要集中在中心城区和郊区的居住密集区 根据公开数据,北京市注册公园数为403个(2016年),上海市为165个(2015年)。基于腾讯地图,找到京沪两地所有公园的位置点信息,将它们画在地图上,可以发现,城市公园分布广泛,并且主要集中在中心城区和郊区的居住密集区。 公园数量数据来源:北京-《瞭望东方周刊》,上海-2016年上海市统计年鉴; 公园位置点信息来源:腾讯地图POI数据; 2 人均公园绿地面积 北京北部、上海东北部人均公园绿地面积较多 数据显示,截至2015年年末,北京的人均公园绿地面积为13.6平方米/人,上海则为7.6平方米/人。从各区人均公园绿地面积的数据可以看出,受区域面积和人口数量的双重制约,城市中心区的人均公园绿地面积通常较小。北京人均公园绿地面积较多的地区主要是在北部,而上海则是在东北部。 数据来源:北京市园林局网站,2016年上海市统计年鉴 Part Two 公园受欢迎程度 1 网络热度 哪些公园是“网红”? 樱花季促成玉渊潭公园和顾村公园最热! 根据腾讯位置大数据,春季时,在我们选取的几个公园中,用户通过社交分享最多的公园,北京是玉渊潭公园,上海是顾村公园。这两个公园的热度远远领先其他公园,成为当之无愧的“网红”公园。玉渊潭公园和顾村公园在春季都有樱花节活动,京沪两地的植物园在春季也有较高的网络热度。 注:社交分享包括微信朋友圈、QQzone等社交工具中的签到信息 2 公园吸引力程度 公园有多吸引人? 部分大型公园超50%的游客来源于10公里外 公园的吸引力可以用到访者居住地到公园的直线距离的中位数来衡量。根据腾讯位置大数据分析,京沪两地都是知名公园吸引力较大。以北京颐和园和上海辰山植物园为例,50%的游客来源于20.3公里和17.6公里以外。热度最高的北京玉渊潭公园和上海顾村公园也有较高的吸引力。 3 外地游客比例 只有知名公园有外地游客? 社区公园仍有5~10%的外地游客到访 颐和园作为全国景点,毫不意外,外地游客比例高达40%,远超京沪其他公园。上海的公园中,人民公园的外地游客比例达到19%,可能与其临近旅游热点南京路和人民广场有关。总的来说,本身就是景点或临近人群聚集地的公园外地游客比例高。通常意义上社区公园主要服务于当地居民,而数据显示,京沪的社区公园仍有5~10%的外地游客到访。 Part Three 公园使用情况 1 工作日和周末人流量对比 北京奥林匹克森林公园超200%, 上海辰山植物园周末游客增幅达170% 大型的综合公园、主题公园、郊区公园周末人流量都有至少50%的增长,北京的奥林匹克森林公园、南海子郊野公园,上海的辰山植物园、顾村公园,周末游客增幅达到了100%以上。一些距离工作区较近的公园如上海陆家嘴中心广场公园、北京CBD历史文化公园,周末时人流量则出现了明显下降。 2 人流量随时间变化 上海的周末人流高峰期更晚更集中 上海中心型公园、主题型公园和郊区公园的高峰期在周末更为集中,并会发生明显推迟,到14~15点才达到人流量高峰。而北京的公园在上午10~12点期间就进入了高峰期,在15~16点也有一个高峰期。 Part Four 位置大数据带来的启示 1 建立合理的公园体系结构 丰富体系结构:大型公园和小微公园结合,优化空间利用率 公园的使用情况可以用空间利用效率衡量,即“到访人数/公园面积” 。从数据来看,京沪两地空间利用效率高的公园都是中小型公园,而大型公园的空间利用效率则较低; 考虑到安全、环境等管理成本,大型公园多采取收费、围合等管理模式,这会降低公园的空间利用率,可进一步研究费用高低、范围设定和利用率的关系,优化空间利用率; 合理的城市公园体系还需要与就业中心结合的公园以及服务社区的公园。在空间资源日益紧张的大城市,除了在郊区新建大型公园外,在城市中心区新建更多的微型、小型公园也是不错的选择。 2 混搭多种功能区域 混搭区域功能:城市公园选址宜与多种功能区域搭配,关注慢行设施 城市公园可以和工作区、商圈、公共活动区等多种区域相结合。公园在工作日可服务于区域就业、商务人士,在周末也可以服务市民休闲和社会活动。有利于凝聚人气,更大地发挥公园的功能。如上海的徐家汇公园,周边是写字楼聚集区,又是商圈,同时又有大量居民区,周末的空间利用效率相比于工作日反升8%;。 关注公园周边慢行设施的设计,方便游客步行到达。结合热力图和三维地图可以看出,徐家汇公园东西两侧的汇金广场、港汇广场、徐家汇国际大厦、宛平宾馆、上海财政局等是公园使用者集聚程度最高的地区。五洲国际广场、均瑶国际广场虽然距离较远,但是沿肇嘉浜路到徐家汇公园较为便捷,也在步行范围内,所以也同样具有较高互动性。可见便利的慢行设施可以增强公园和周边的互动。 3 位置大数据优化公园服务 优化公园服务:根据到访人群来源判断服务偏向,提供精准服务 通过位置大数据,可以识别出公园的服务偏向,判断公园的使用是否符合预期,及时优化公园内部及周边服务设施。服务偏向可以根据到访过公园的游客工作或居住在公园周边2公里内的占比判断。如北京的北小河公园、上海的彭浦公园等服务周边的居住人群更多,这些公园可以考虑多配备小广场、健身器材、儿童游乐场等设施;而北京的CBD历史文化公园、上海的西康公园服务工作人群更多,则可以考虑多进行绿化并配备长椅等休闲设施。 4 位置大数据助力公园管理 助力公园管理:位置大数据提供精准宣传和功能评估依据 在“互联网+”日益发达的今天,位置大数据可以帮助有意发展旅游产业的城市公园: