ID133-基于就业空间分布的城市居民通勤成本对住房需求的影响从空间不匹配的视角

1、基于就业空间分布的城市居民通勤成本对住房需求的影响从“空间不匹配”假说的视角高鋆1 虞晓芬1（1. 浙江工业大学经贸学院，浙江杭州）摘要：利用通勤成本与住房成本的理论均衡关系，实证分析杭州居民通勤成本对住房需求的影响，结果显示，通勤时间每增加1分钟，住房单位成本就相应地下降0.3%，可见杭州“空间不匹配”有存在的可能性。进一步对通勤时间影响因素实证分析，结果表明，居住区位偏好、接送小孩、家庭成员的通勤时间都会影响个人通勤时间，因此，通勤时间的长短不能直接作为居住与就业空间不匹配的判定标准，但如何剥离其他因素的影响以建立空间不匹配的判定标准仍有待后续研究。关键词：通勤成本；住房成本；空间不匹配T

2、he Influence of Urban Residents Commuting Cost to Housing Demand Based on the Employment Space Distribution: From the Perspective of Spatial Mismatch HypothesesGAO Jun1 YU Xiaofen1(1. College of Business Administration, Zhejiang University of Technology, Hangzhou , China )Abstract: This paper empiri

3、cally analyzes the influence of urban residents commuting cost to housing cost. The results shows that housing cost will decline 0.3%, once commuting cost increasing 1 min, which is evidence to the possibility of Spatial Mismatch Hypotheses existence. By analyzing the influence factors to commuting

4、time empirically, we find that peoples preference to residential locations, child shuttle, commuting time of other family members will effect ones commuting time. So it is not a correct way to comment spatial mismatch or not only by the long commuting time. But how to exclude the other factors to ga

5、in the criteria to SMH is still a big problem that needs more research.Key words: Commuting Costs; Housing Costs; Spatial Mismatch第一作者：高鋆（1985年2月17日），女，浙江湖州人，浙江工业大学经贸学院在读博士生。主要研究方向：不动产投资、城市经济学。电子信箱：1 引言居住空间和就业空间是城市居民日常活动的主要载体，它们之间的相互关系是影响城市布局结构和居民行为决策的重要因素，通勤作为纽带，被众多学者用来解释两者之间的这一

6、关系。而由Kain在1968年提出的“空间不匹配”假说（Spatial Mismatch Hypotheses）首次从黑人劳动力就业障碍的角度为上述关系提供了一个新的解读渠道。他指出，大规模产业转移（工作岗位的郊区化）和种族隔离是造成内城黑人失业率高、收入水平低和出行成本高的主要原因1，即内城黑人的就业障碍是美国城市居住与就业空间关系的现实表征。此后，国外的相关研究把该理论视为居住与就业空间关系及由此产生的弱势群体就业障碍的合体，都旨在解决弱势群体的就业问题，内容涉及假说的检验2,3、不匹配程度的度量4、城市空间结构模型的构建5,6、人口迁移和产业转移对空间匹配的影响7以及如何解决就业障碍的政

7、策性研究8等。相比之下，国内的相关研究更侧重于利用该理论所反映的居住与就业空间关系来解释现行城市规划、城市发展模式的弊端，或通过这些弊端在居住区位选择、个人就业决策、住房需求等方面对居民造成的影响来检验该假说在中国成立与否，有关弱势群体就业问题9的成果相对较少，具体的分析方法也仍以城市居民通勤为主。目前，国内学界一致肯定“空间不匹配”问题的存在。从经济学角度，郑思齐等实证分析了北京市居民通勤成本与住房成本之间的相关性，回归结果证明通勤成本的上升会抑制住房需求，空间不匹配有其存在的可能性10。从地理角度，孟繁瑜等从通勤距离、通勤方式和通勤费用等方面分析了北京市居民的通勤行为特征，认为北京存在双重

8、城市空间失配现象11。周素红等以广州市保障性住房居民为对象，研究该群体的居住-就业选择行为规律及成因，内容涉及空间重构与区位再选择12。但需要指出的是，造成通勤成本高（包括通勤时间长、通勤距离远或通勤费用高）的原因除了居住与就业空间不匹配以外，还有交通系统的便利程度、私家车停车问题、接送小孩以及居民居住区位偏好等，因此，理论上不能单纯以通勤成本高来证明假说成立。此外，上述研究主要针对北京、上海、广州等直辖市，杭州在城市规模和人口规模上都远小于北京、上海，与广州基本相当 各城市统计年鉴显示，2009年北京全市户籍人口为1245.88万人，全市面积16410.54平方公里；上海全市户籍人口1400

9、.70万人，全市面积6340.50平方公里；广州市区户籍人口为645.83万人，市区面积为3843.43平方公里；杭州市区户籍人口为429.44万人，市区面积3068平方公里。，“空间不匹配”问题是否在规模相对较小的城市也同样存在？加之考虑到近年来杭州城市扩张多以综合体、大学城、卫星城等为依托，规划上居住空间与就业空间并进的组团式城市发展模式是否真的能避免“空间不匹配”问题的发生？基于上述种种疑问，本文立足于杭州，以杭州市就业空间分布为基础，尝试通过分析典型区域居民通勤成本（包括通勤时间和通勤费用）对住房需求的影响来探讨“空间不匹配”存在于相对小规模城市的可能性，并进一步明确交通系统的便利程度

10、、私家车停车问题、接送小孩以及居民居住区位偏好等因素与通勤成本之间的关系，以期从实证上证明当前假说的判定标准存在缺陷。2 研究方法与数据来源杭州旧有基础设施和建筑物的耐久性使城市空间结构的改变存在着明显的历史依赖路径，而城市扩张过程中居住空间较就业空间更向城市外围延伸的现实使得居住区郊区化趋势相当明显，与此同时，各级中心受到集聚经济、规模经济、比较优势的影响，经济活动在空间上聚集形成多个商圈，就业空间分布呈现出集聚性，这些特征都为现阶段杭州居住空间与就业空间分离奠定了现实基础。考虑到通常情况下，就业空间容量较低（高）区域的居民就近工作的机会少（多），需要承受的通勤成本在理论上要高于（低于）其他

11、区域，这使得不同就业空间容量区域的居民在居住区位选择时对住房成本与通勤成本之间的权衡有所不同。因此，対就业空间容量不等的各级区域进行代表性地研究能有效反映城市整体的居住与就业空间关系，本文具体通过对典型区域住房成本与通勤成本、家庭特征等因素进行回归分析来论证。2.1 研究范围的选取根据浙江工业大学房地产研究所于2008年6月-2009年初进行的“杭州市经营性公建规模与空间分布”课题研究发现，在以西湖为中心、0.5km为间隔生成的16个同心环中，杭州市主城区经营性公建分布总体上呈现由核心向外围梯度递减的格局，集聚与分散并存（见图1）。该研究的基础调研涵盖了六城区除学校、医院以外的商务办公楼、行政

12、办公楼（政府管理部门）、金融中心、酒店宾馆（大型）、公共活动中心、大型商业和专业市场7大类公共建筑和沿街底商，几乎囊括了杭州市绝大多数就业点，因此，图1也等价地反映出杭州市就业空间分布的容量密度特征。本文在就业空间容量不等的各级圈层选定延安路区段、湖墅南路区段、文三西路区段和滨江区作为研究范围（见图1），对各区段及周边的居民进行问卷调查。其中，延安路和湖墅南路区段发展相对成熟，以老小区为主；文三西路和滨江区发展起步晚，以新小区为主。图1 杭州市主城区就业空间容量密度图2.2 问卷设计与调查数据说明本次调查问卷的内容主要包括居民基本信息、居住与就业区位选择以及日常通勤三大块。为了准确掌握居民的住

13、房成本和通勤成本，有关住房所有权、住房总价（或月租金）、住房性质、住房面积、个人通勤的去（返）程时间、家庭成员通勤的去（返）程时间、通勤方式、通勤费用、停车问题、接送小孩等都被囊括在调查范围内；同时为了了解居民的居住区位选择偏好，问卷针对过往家庭搬迁情况以及在工作地点附近购买自住房的意愿等内容设计了若干问题。本次调查共发放问卷561份，回收559份，其中有效问卷522份，回收有效率为93.4%。由表1的样本属性特征可知，调查群体涵盖了杭州各阶层的人群，具有很好的代表性，但由于调查对象必须是居住在所选研究范围内的从业者，学生、老人、失业或无业者都被排除在外，因此居民在年龄、职业等属性特征上会存在

14、一定的趋同。表1 调查对象属性特征属性结构比例性别男女51.5%48.5%年龄25岁以下25-30岁31-40岁41-50岁50岁以上4.2%31.4%32.2%27.8%4.4%最高学历初中及以下高中/中专大专/本科硕士及以上16.9%32.0%34.9%16.3%家庭结构未婚单身已婚无小孩已婚有小孩已婚有小孩和老人其他28.0%17.8%35.1%13.2%5.9%职业国家公务员/事业单位企业高管私营企业主公司职员专业技术人员工人/服务员教师自由职业者其他3.3%9.0%3.8%30.5%20.7%20.3%5.4%1.7%5.4%家庭年总收入1.5万及以下1.5-3万3-5万5-7万7-

15、10万10-15万15-30万30-50万50万以上0.2%8.0%17.4%16.9%19.4%14.2%16.7%5.7%1.5%3 有关居民通勤成本对住房需求影响的实证分析通勤成本和住房成本的理论均衡关系在于：假设区位对居民的最重要影响在于其与工作地点的距离，而绝大多数工作机会都集中在城市中心，由于通勤成本的存在，居民愿意为土地支付的租金会随着土地与市中心的距离增加而减少10。因此，居住区位郊区化所带来的低住房成本是以高通勤成本为代价的，理论上住房成本与通勤成本呈负相关关系。虽然本文研究的各区域分别处于城市的不同方位、不同设施环境，彼此之间相对独立，但总体上它们分布于城市的各个圈层，与城

16、市中心的距离各有不同，且区域间就业空间规模和通勤成本差异较大，理论上这些都会反映在通勤成本与住房成本的关系上。因此，本文以上述理论关系为出发点，住房单位成本（包括住房单价和单位月租金）作为因变量，通勤成本、家庭特征和住房特征作为自变量进行简单的多元线性回归。其中，通勤成本包括通勤时间和通勤费用两个指标 通勤距离的长短也可以衡量通勤成本的高低，但由于实际通勤距离与通勤路线的选择有关，测算难度较大，相关研究中用居住地与工作地之间的直线距离代替通勤距离的方法则不够准确，因此本研究只选择通勤时间和通勤费用来代表通勤成本。，由于两者存在明显的相关性 Pearson相关性检验显示，样本通勤时间与通勤费用在

17、10%水平上显著相关。，因此分别对它们进行回归，以检验通勤时间和通勤费用各自对住房成本的影响。模型的具体形式如下：其中，HPRICE为居民的住房单位成本（元/平方米或元/平方米月），COMT在不同的模型中分别代表居民的家庭单程平均通勤时间 家庭单程平均通勤时间为家庭内部所有就业者单程通勤时间的平均值。（COMT-time，分钟/天）和个人通勤费用 个人通勤费用为被调查者一天的通勤费用总和，包括去程和返程。（COMT-cost，元/天），X为居民的其他特征，包括家庭特征（年龄、家庭人数、家庭月总收入）和住房特征（住房所有权、住房性质、配套设施满意度）。表2 通勤成本-住房需求模型相关变量描述变量

18、描述均值（标准差）个人及家庭特征AGE年龄（岁）35.62（8.76）HHSIZE家庭人数（人）2.38（1.13）LN(INCOME)家庭月总收入（元，取对数）8.88（0.78）住房特征HOUSE-RENT是否是自有房（0/1变量）0.54（0.50）HPROPERTY是否是商品房（0/1变量）0.75（0.44）FSATISFACTION配套设施满意度（1=非常满意；2=比较满意；3=一般；4=比较不满意；5=不满意）2.60（0.82）LN(HPRICE)住房单位成本（元/平方米或元/平方米月，取对数）6.83（3.30）通勤特征COMT-time每日家庭单程平均通勤时间（分钟）34.

19、46（17.97）COMT-cost每日个人通勤费用（元）11.91（21.16）表3 通勤成本-住房需求模型估计结果模型1：COMT= COMT-time模型2：COMT= COMT-cost自变量系数估计值（t统计量）系数估计值（t统计量）C2.828（9.080）*C2.783（8.958）*AGE0.005（1.406）AGE0.004（1.295）HHSIZE0.038（1.421）HHSIZE0.039（1.478）LN(INCOME)0.063（2.076）*LN(INCOME)0.035（1.119）HOUSE-RENT6.446（126.612）*HOUSE-RENT6.45

20、9（125.772）*HPROPERTY0.183（3.516）*HPROPERTY0.183（3.523）*FSATISFACTION-0.051（-1.872）*FSATISFACTION-0.045（-1.668）*COMT-time-0.003（-2.213）*COMT-cost-0.002（-1.546）F统计量3086.340F统计量3096.961R20.977R20.977调整后R20.976调整后R20.977样本数522样本数522注：“*”、“*”、“*”分别表示1%、5%、10%置信水平下显著模型的估计结果如表3所示，两个模型总体上都很显著，拟合优度都在97%以上。从回

21、归结果我们可以发现：1）通勤成本对住房需求存在显著影响，且该影响主要表现在通勤时间上，与通勤费用关系不大，通勤时间每增加1分钟，住房单位成本就下降0.3%。因此，随着与城市中心（就业中心）距离的增加，通勤成本也相应增加，人们在收入约束下愿意支付的住房价格会下降，反过来讲，为保证住房需求，城市边缘地区的住房必须以较低的价格来吸引居民，以补偿他们在通勤成本上的支出，否则，住房需求将会受到影响。2）模型1的估计结果显示，家庭月总收入每上涨1%，住房成本相应地上涨6.3%，这符合收入高的家庭可承受高价房的现实。再结合考虑通勤成本，就可以理解为什么城市边缘区通常都会成为低收入入家庭的聚居区。而根据模型2

22、的估计结果，收入与住房需求之间不存在显著相关性，这有悖于普遍受认可的收入约束对家庭支出的影响。3）两个模型中，周边配套设施满意度（FSATISFACTION）都在90%置信度下显著，与住房单位成本呈负相关关系，可见配套设施越完善的区位，住房价格越高；住房所有权（HOUSE-RENT）和住房性质（HPROPERTY）都在99%置信度下显著，且与住房成本正相关，表明总体上自有房和商品房的单位成本要高于其他住房，这些都与实际情况相符。此外，年龄（AGE）和家庭人数（HSIZE）在两个模型中都不显著，因此可以认为这两个指标对住房需求的影响不大。4 通勤时间影响因素实证分析通勤时间与住房成本之间的负相关

23、关系只能证明“空间不匹配”在杭州有存在的可能性，正如引言中所指出的，通勤时间还受到交通系统的便利程度、私家车停车问题、接送小孩以及居民居住区位偏好等因素的影响。相关研究表明，影响城市通勤时间的因素主要有三方面：工作机会（包括劳动者本人和配偶当前工作机会的位置以及未来工作机会的预期位置）、住房机会（包括住房供给的空间格局和数量，以及住房面积和成本，特别是可支付住房的空间布局和可得性）和城市公共服务设施的空间分布（包括学校、公园、绿地、医院等）13。因此，厘清居住与就业空间不匹配以外因素与通勤时间的相关性是改进目前假说成立与否的判定标准的基础与突破口。本文对通勤时间影响因素的分析不以建立完善的影响

24、因子体系为目标，主要从城市居民通勤行为规律出发，重在研究停车、接送小孩与通勤时间的关系，同时结合考虑交通设施、居住区位偏好、家庭特征等因素，进行多元线性回归。其中，COMT-time为居民的通勤时间，X表示影响通勤时间的各个因素，包括个人及家庭特征、住房特征、个人居住区位偏好、通勤特征。表4 通勤时间影响因素模型估计结果变量描述均值（标准差）系数估计值（t统计量）C常数项4.342（12.130）*个人及家庭特征GENDER性别（0/1变量）0.51（0.50）0.066（1.323）AGE年龄（岁）35.62（8.76）-0.006（-1.462）HHSIZE家庭人数（人）2.38（1.13

25、）0.007（0.232）LN(INCOME)家庭月总收入（元，取对数）8.88（0.78）-0.134（-3.627）*住房特征HOUSE-RENT是否是自有房（0/1变量）0.54（0.50）-0.068（-1.095）FSATISFACTION交通设施满意度（1=非常满意；2=比较满意；3=一般；4=比较不满意；5=不满意）2.40（1.18）-0.013（-0.591）居住区位偏好REMOVE是否为缩短通勤距离而搬迁过住所（0/1变量）0.36（0.48）0.024（0.402）PINTENTION是否愿意购买工作地附近的住房作为自住房（0/1变量）0.44（0.50）-0.112（-

26、2.114）*通勤特征LN(COMT-cost)每日个人通勤费用（元，取对数）1.54（1.26）0.060（1.605）*LN(COMT-time2)每日家庭其他成员单程通勤时间（分钟，取对数）34.46（17.97）0.057（3.250）*COMT-way是否以私家车或打的作为日常通勤方式（0/1变量）0.17（0.38）-0.817（-4.875）*PARK是否因私家车出行而需要自行解决停车问题（0/1变量）0.14（0.34）-0.039（-0.259）CHILD是否在通勤过程中需要接送小孩（0/1变量）0.24（0.43）0.135（2.047）*REIM是否可以报销通勤费用（0/

27、1变量）0.15（0.36）-0.015（-0.212）LN(COMT-time1)每日个人单程通勤时间（分钟，取对数）3.37（0.62）F统计量28.890R20.331调整后R20.329样本数522注：“*”、“*”、“*”分别表示1%、5%、10%置信水平下显著模型的估计结果表明，总体上模型显著，但拟合优度不高，为33%。根据各自变量系数的估计情况：1）个人居住区位偏好是影响通勤时间的重要因素，估计结果表明，愿意购买工作地附近住房的居民通勤时间相对较短，而购买意愿较低的居民通勤时间则相对较长。虽然在工作地附近购房的行为还受到除个人居住区位偏好以外的很多原因影响，如工作地附近的设施等，

28、但理论上，个人区位偏好的不同会导致通勤成本对不同群体的边际效益不同，进而影响居民对住房成本与通勤成本的权衡，对于更在意通勤成本的群体自然会比更在意住房成本的群体就近居住的可能性大，本文的实证结果也基本证明了这一结论。2）接送小孩与通勤时间呈正相关关系，表明接送小孩显著地加长了杭州居民的通勤时间。进一步分析显示，接送小孩的居民平均通勤时间比不接送小孩的要长约4分钟，且通勤时间超过50分钟的比例高达30.6%，比不接送的居民（18.6%）高出12个百分点。3）家庭成员的通勤时间每增加1%，个人通勤时间也会相应增加5.7%，这是因为居住区位选择是对所有家庭成员的通勤成本进行权衡后的折中结果，最终的通

29、勤时间往往会高于任何一方单独居住时的通勤时间。4）高收入家庭的日常通勤时间较短，月收入每增加1%，通勤时间相应下降13.4%，而收入对通勤的影响正是通过住房成本与通勤成本之间的负相关关系来实现的。5）私家车和打的这两种通勤方式能有效缩短通勤时间，但它们在很大程度上受收入水平和交通设施的限制；通勤时间随通勤费用的上升而加长，费用每上涨1%，时间就加长6%。6）交通设施满意度与通勤时间之间不存在显著关系，说明交通设施情况不是造成当前杭州居民通勤压力的主要因素；私家车停车问题与通勤时间之间也不存在显著关系，可见总体上杭州居民上下班停车较为方便，并没有因停车问题而显著加长通勤时间。5 结论与宏观意义本

30、文建立的通勤成本-住房需求模型的实证结果表明，杭州居民的住房需求是权衡住房成本与通勤成本后的结果，两者之间的负相关性说明高通勤成本必须以低住房成本作为补偿以保证家庭总支出在收入约束之内，因此，不同价格水平的住房对应了居民不同水平的通勤成本支出。而城市中住房价格总体由中心向边缘梯度递减的现实客观上为居住空间分异奠定了基础，即高收入群体聚居于城市中心，低收入群体聚居于城市边缘（尤其是配套设施不够完善的郊区），再加上就业空间的集聚，这些都导致低收入群体在忍受城市边缘不佳的居住环境的同时，又承受着高通勤压力。对此，城市宏观层面上可以通过改善交通设施如开通地铁等来缓解这一问题，但城市化背景下城市的不断扩

31、张无可避免地会持续加长通勤距离、增加通勤压力，只有通过构建合理的居住与就业空间关系才能从根本上降低通勤压力、控制通勤成本对住房需求的抑制作用，这正是“空间不匹配”理论研究的现实意义。但目前，国内对“空间不匹配”假说的检验不够严谨，尚未建立居住与就业空间不匹配的判定标准，只是单纯地利用通勤成本的高低做出描述性判断。本文从居民通勤行为规律的角度对通勤时间影响因素的实证结果说明，居民的居住区位偏好、接送小孩、家庭成员的通勤时间都会影响个人通勤时间的长短，相反，交通设施与通勤时间之间并没有存在显著的相关性。因此，简单以通勤时间的长短来判定居住与就业空间不匹配是不科学的，如何剥离影响通勤时间的其他因素成

32、为建立判定标准的关键，也可以采用通勤以外的其他渠道来实现，如直接建立理论上的居住与就业的最优空间关系来与现实情况比较等。杭州近几年的组团式发展模式避免了单中心城市同心圆式地无限扩张，但对于组团规模的控制以及组团间空间结构网络的构建仍是关键。实证结果显示，杭州市通勤成本对住房需求的影响主要取决于通勤时间，通勤时间每增加1分钟，住房单位成本就相应地下降0.3%，这说明杭州居住与就业空间不匹配有存在的可能性，它通过增加通勤时间来提高居民的机会成本，增加他们的精神压力，但对通勤费用的作用并不明显。一旦居住与就业空间过度分离，通勤成本对住房成本的边际效益会进一步加大，带来巨大的社会成本，如城市边缘居住区

33、成为“卧城”，工业园区、开发区等成为“死城”。本次调查发现，居民的单程平均通勤时间为34.46分钟，其中，单程通勤时间在50分钟及以上的居民占23.2%，40-50分钟的占13.6%。据美国2005年人口统计（Census Bureau）的数据，2005年美国居民的日平均通勤时间为25.1分钟，其中，费城地区的通勤时间最长，为38.3分钟；纽约其次，为34.2分钟；华盛顿第三，为33.4分钟，比杭州目前的单程平均通勤时间都要短或相近，可见杭州居民的通勤成本已经相当高，空间不匹配理论研究非常急迫。参考文献（References）：1 Kain J F. Housing Segregation, Negro Employment and Metropolitan Decentralization J. Quarterly Journal of Economics, 1968, (82): 175-198.2 Offner P, Saks D H. Quarterly Journal of Economics, 1971,191:147-603 Masters S H. Black-white Income Difference: Empirical Studies and Policy Im