世界银行预计，到2050年，仅发展中经济体的城市人口就将增加20多亿。发展中经济体的这一城市化进程非常重要，因为它涉及的人口数量和人类福祉发生实质性转变的机会(Bryan等人，2019年)。虽然城市化并不一定意味着增长，但这两个过程往往是紧密交织在一起的(Desmet和Henderson 2015)。
在发达经济体中，集聚越来越具有技能偏向性(Moretti 2012, Davis和Dingel 2019)。大城市的技能相对数量(以拥有大学学位的居民所占比例衡量)和技能相对价格(以大学工资溢价衡量)都更高。大城市对技能的相对需求更大，这暗示了聚集对生产技能的补充。在发展中经济体中，集聚是否也具有技能偏见?随着数十亿人城市化，经济活动的空间分布也会发生类似的变化吗?
回答这些问题的第一步看似简单:定义城市，以便研究城市间经济结果的变化。什么是城市?描述美国和其他发达经济体城市的研究通常使用由经济一体化定义的空间单位，而不是法律管辖权或行政边界。集聚力、通勤流量和其他经济联系并不局限于市、县或州的边界，因此使用这些边界来定义分析单位会使经济一体化的都市区域支离破碎。发达国家的统计机构将城市视为综合劳动力市场，绝大多数是根据通勤流量来定义大都市地区(Duranton 2015)。不幸的是，在发展中经济体，这种全国性的通勤流量数据往往是无法获得的。中国和印度的情况就是如此。在实践中，研究新兴市场城市的研究人员依赖于各种地理单位，经常使用城市的行政定义，而这些定义与发达国家研究的都市圈无法相提并论。
在最近的研究中(Dingel等人，2019年)，我们通过在夜间卫星图像中连续的光照区域的基础上聚合更精细的地理单元，为巴西、中国和印度构建了大都市区。我们的研究表明，这些以照明为基础的大都市地区与美国和巴西以通勤为基础的定义非常相似。在中国和印度，没有以通勤为基础的定义，以照明为基础的大都市人口遵循电力法，而行政单位则不遵循。我们使用都市圈的这些定义来研究在这些新兴市场的城市中技能的相对数量和价格是如何变化的。
定义大都市地区
我们提出了一种方法，将空间单元聚集到一个“大都市区”，该“大都市区”由夜间连续的灯光区域定义。算法的两个输入是该国夜间的卫星(光栅)图像和报告其社会经济特征的行政单位的形状文件。
图1为2000年中国东部沿海沿东海的部分海域的过程。图1的左面板将光栅图像中的光强描述为中国乡镇行政边界上的“热图”。接下来，我们选择比所选阈值更亮的连续区域来定义多边形，如面板1的中间面板所示。面板上最大的多边形对应的是上海市。最后，我们利用基于夜光的多边形与空间单元的交叉来构建都市圈。分配给一个轻多边形的空间单位的组合构成了都市区。图1的右面板描述了将我们的程序应用到中国乡镇的大都市区域。
图1根据夜晚的灯光聚集更小的单元来建造大都市区域
笔记:该图说明了我们将夜间灯光的卫星图像与行政空间单元相结合以构建都市圈的程序。这些面板描绘了2000年中国东部沿海的一部分。行政空间单位为乡镇。中间面板上的多边形是连续光照大于30的区域。将相交于这些多边形的城镇聚集在一起，就产生了右面板中所示的大都市区域。
定义图1中面板中多边形的光强阈值的选择并不是由经济理论或先前的实证研究确定的。为了解决这个问题，我们报告了各种光强阈值的结果，并检查它们是否对这种选择敏感。光强阈值的任意选择很可能是界定都市圈边缘的最重要因素。我们发现，我们研究的具体实证问题对光强阈值的选择并不敏感。然而，特别关注都市圈“城市边缘地带”的研究问题可能对这种选择更加敏感。
基于光和基于交换的定义是一致的
为了验证图1中描述的算法，我们将其应用于美国和巴西。由于这些国家的通勤数据都是可用的，我们可以将我们基于光线的方法与大都市地区基于通勤的标准定义进行比较。就美国而言，美国管理和预算办公室(OMB)通过将通勤联系足够紧密的县聚集在一起，定义了基于核心的统计区域(CBSAs)。对于巴西，我们应用Duranton(2015)的算法，通过聚合2010年人口普查数据中通勤联系达到或超过10%的城市，来定义大都市地区。
继Rozenfeld等人(2011)之后，我们比较了不同聚集方案的原木人口和原木土地面积，以表明我们基于光的方法与这些基于交换的定义一致。从图2的左面板可以看出，美国cbsa与基于夜光的cbsa之间的对数种群相关性约为0.98，对光强阈值的选择相对不敏感。同样，图2的右面板显示，在巴西，基于照明和通勤的大都市地区的对比得出，在所有报告的光强阈值下，人口的相关性超过97%。与土地面积的相关性较弱，但仍相当高，约为0.8。这种较低的相关性是自然的，因为这些都市圈的定义可能在包括或排除外围县或直辖市方面有所不同，这些县或直辖市通常人口密度较低，物理面积较大。
图2比较以照明为基础和以通勤为基础的都市圈的人口和土地面积
笔记:左图描述了2010年美国人口普查中，由夜间连续照明区域定义的大都市地区与377个omb定义的人口超过10万的核心统计区域(CBSAs)之间的原木人口和原木土地面积的相关性。右图描述了巴西照明大都市区与2010年通勤流量定义的大都市区之间的相关性，阈值为10% (Duranton 2015)。样本被限制在人口超过10万的大都市地区。两个面板中的水平轴改变了在我们的程序中用来定义大都市区域的光强度阈值。
与管理定义的对比
由于印度和中国没有全国性的通勤数据，所以之前对这些经济体的城市化研究采用了行政单位。中国有一个城市行政单位的层级:省级城市、副省级城市、省会城市、地级市和县级市(Chan 2010)。虽然研究地级市以上的单位比较方便，但也存在一些不足。省级和地级市既包括大量的农村地区，也包括不同的城市地区，但不一定与地级市的城市核心在经济上相结合(Chan 2007)。此外，经济一体化的都市地区不需要被包含在一个县之内。例如，广州和佛山这两个地级市相距仅18英里，并共享地铁线路。
印度也出现了类似的问题。印度分为邦、区和分区。此前大多数关于印度城市化的研究都是研究各区的城市人口。由于印度的一个地区大约是美国一个县的两倍大，一个地区内的城镇不需要在经济上整合。同时，这种方法将跨越多个地区的城市区域分割开来。
我们发现，这些行政空间单位与我们的基于光的算法在中国和印度产生的大都市区域之间有相当大的反差。这些差异很大，足以影响关于人口和经济活动在空间上分布的结论。重要的是，我们以夜光为基础的程序产生的最大都市圈对应的是珠江三角洲，这是一个行政碎片化的城市区域，跨越东莞、佛山、广州和深圳，没有主导的中心城市，而是“几个原始中心随着时间的推移跨越边界合并”(世界银行集团2015年)。这个多辖区的城区，由于其性质没有出现在地级市的数据中，是4000多万居民的家园。
要说明以照明为基础的都市区和行政单位之间的对比，有一种方法是观察由此产生的城市大小分布。齐普夫城市定律(大于L的城市数量与1/L成正比)是在许多国家和时期都成立的经验规律(Gabaix和Ioannides 2004)。中国和印度似乎是明显的例外:Chauvin、Glaeser、Ma和Tobio(2017)指出，中国地级市和印度地区的城市人口不符合齐普夫定律。图3中显示的秩-大小图是log-二次图，而不是log-线性图。Chauvin等人(2017)对这种偏差提出了许多潜在的解释，直到“中国和印度可能被更好地视为大洲而不是标准国家”的可能性。另一个可能的解释是，这一发现仅仅是用来描述中国和印度城市大小分布的地理单位的统计人工产物。
图3带有行政单位的城市大小分布
笔记:这两个面板取自Chauvin等人(2017)的图2。
当使用基于夜间灯光的都市圈测量时，中国和印度的都市规模分布都可以用幂律很好地描述，而且这种拟合对用来构建都市圈的光强阈值不是很敏感。图4描述了中国和印度的城市规模分布，使用我们的算法定义的都市区域，光强阈值为30。对于中国和印度，秩-规模关系非常符合对数线性幂律规范。Chauvin等人(2017)发现的对数二次型似乎主要是由于他们对地理单位的选择。当使用我们基于夜光的方法来构建都市圈时，这些新兴经济体的城市规模分布表现出与发达经济体城市系统相同的规律。
图4中国和印度的城市大小分布以照明为基础
笔记:该图描述了人口超过10万的中国(上面的面板)和印度(下面的面板)都市圈的排名-规模关系。这些大都市区是由连续夜间灯光强度大于30的城镇(中国)或街道(印度)聚集而成。
新兴市场的集聚具有技能偏向性
在适当地定义了这些都市圈之后，我们转而研究巴西、中国和印度的集聚是否具有技能偏见。对于每个国家，我们用四种教育程度来描述技能在大都市地区的分布。根据Davis和Dingel(即将发布)，我们将城市中每种技能的对数人口与该城市的对数总人口进行回归，以估计特定技能的“人口弹性”。Davis和Dingel(即将出版)的理论模型表明，技术水平较高的群体具有较高的人口弹性。
我们对这些人口弹性的经验估计在技能方面确实是单调增加的。在巴西，人口弹性范围从技能最低的“未上学”群体的低于0.93到大学毕业生的超过1.16。也就是说，一个比巴西大都市地区大10%的城市，大学毕业生却多11.6%，但未受教育的居民只多9.3%。在中国，以乡镇为基础的大都市地区的人口弹性范围从小学或较低教育程度的人口的小于0.91到大学或大学教育程度的人口的大于1.31。在印度，教育程度在这样的粒状空间单位中是无法获得的，但我们发现人口弹性在0.96到1.03之间。简而言之，在这三个新兴市场中，较大的城市拥有更多的技术人口。
名义工资的空间差异也表明，集聚具有技能偏向性。最近在发达经济体的一项发现是，较大的城市展现出较高的技能相对数量和较高的技能相对价格(Baum-Snow和Pavan 2013年，Davis和Dingel 2019年)。我们在巴西发现了类似的模式。巴西大学工资溢价的人口弹性在4%到5%之间，超过了2000年美国大都市地区估计的3%的弹性(Davis和Dingel 2019年)。大城市对大学毕业生更大的相对需求暗示着，在美国和巴西，技术含量更高的工人特别受益于集聚的生产率提升效应。
结论
发展中经济体的城市系统是否表现出与发达经济体相似的空间模式?要回答这个问题，需要定义与发达经济体相当的大都市地区。为了避免与一体化经济实体不相对应的行政单位的陷阱，并避免在中国和印度等地缺乏通勤数据，我们使用卫星图像来构建大都市地区。由于卫星图像覆盖了全球，而且分辨率越来越高，我们定义大都市地区的方法应该有助于在许多不同背景下对城市化和当地劳动力市场的研究。
参考文献
鲍姆-斯诺，N和R帕万(2013)，“不平等与城市规模”，《经济与统计评论》95(5): 1535 - 1548。
Bryan, G, E Glaeser和N Tsivanidis(2019)，“发展中国家的城市”，NBER工作文件26390。
陈坤伟(2007)，《中国城市研究的误解与复杂性:定义、统计与启示》，欧亚地理与经济48(4): 383 - 412。
陈坤伟(2010)，“中国城市化的基础与政策”，中国的审查10(1): 63 - 93。
Chauvin, J P, E Glaeser, Y Ma和K Tobio(2017)，“富国和穷国的城市化有什么不同?”巴西、中国、印度和美国的城市”，城市经济学杂志98: 17 - 49。
丁格尔(2019)，《空间知识经济》，美国经济评论109(1): 153 - 170。
戴维斯，D R和J I Dingel(即将出版)，《城市的比较优势》，国际经济杂志。
Desmet, K和J Henderson(2015)，“国家内部发展的地理”，区域与城市经济手册卷5 b。
丁格尔、J I、A Miscio和D R戴维斯(2019年)，《发展中经济体中的城市、灯光和技能》，城市经济学杂志．
杜兰顿，G(2015)，“描绘大都市区域:通过通勤模式测量空间劳动力市场网络”，在企业间网络的经济学，东京:日本107-133。
Gabaix, X和Y Ioannides(2004)，“城市规模分布的演化”，在区域与城市经济手册卷4.1:2341 - 2378。
莫雷蒂,E (2012),新的工作地域。
Rozenfeld, H D, D Rybski, X Gabaix和H A Makse(2011)，“城市的面积和人口:从不同的角度看城市的新见解”，美国经济评论101(5): 2205 - 25所示。
世界银行集团(2015)，东亚不断变化的城市景观:衡量十年的空间增长世界银行。
