文献来源：Ahlfeldt, G. M., Pietrostefani, E., 2019. The economic effects of density : A synthesis. Journal of Urban Economics, 111, 93-107.
摘要
本文综述了密度的经济学效应。我们考虑了从工资、创新、租金、各种便利设施、提供公共服务的成本、与交通和环境相关的结果到健康和福祉等结果的347个密度弹性估计。这些估计中有100多个以前没有发表过，是作者应要求提供的，或从辅助分析中公布的结果推断出来的。我们提供了16个不同结果变量的密度弹性的原始估计，这些变量属于证据基础薄弱、不一致或不存在的类别。随着对证据基础的质量和数量的批判性讨论，我们提出了一套弹性的估计结果。将它们应用到一个大致对应于普通高收入城市的情景中，我们发现密度似乎是一个与积极的外部福利效应相关的净舒适性。密集政策可能会增加福利，但分配效应可能是倒退的，特别是在居民不能移动、住房供应缺乏弹性的情况下。
一、引言
城市地区经济活动的集中程度令人震惊，因为它们仅占世界土地面积的2.7%(联合国，2014年)(Grump，2010；Liu等，2014)。然而，规划者和政策制定者一致认为，至少在平均水平上，城市内部和城市地区的密度更高是可取的(Boyko和Cooper，2011；OECD，2012)。大多数国家推行的政策都隐含或明确地旨在促进“紧凑的城市形态”，反映了人们的担忧，即不受监管的经济市场将无法对用途和基础设施提供高效和公平的分配(IAU-IDF，2012年；Holman等，2014)。然而，很难确定政策辩论中盛行的这一规范性声明能在多大程度上得到证据的证实(Neuman，2005)。
据我们所知，还没有试图综述关于密度的经济影响，并从更广泛的角度比较各种成本和收益的证据。似乎可以公平地说，主导的“紧凑型城市”政策模式——旨在塑造未来几十年城市人口的栖息地——并没有充分的证据。我们做出了四项贡献来解决文献中的这一空白。
我们的第一个贡献是对关于密度的经济影响的量化文献进行了独特的总结。我们的证据基础包含347项估计(来自180项研究)，对密度对一系列结果的影响，包括可获得性(工作可获得性、私人和公共服务的可及性)、各种经济结果(生产力、创新、空间价值)、各种环境结果(开放空间保护和生物多样性、减少污染、公共服务的效率、健康、安全、社会公平、交通(交通便利、可持续的模式选择)以及自我报告的幸福感。
虽然证据基础与一篇论文(AhlFeldt和Pietrostefani，2017)共享，但这两篇论文中提出的结果是相互排斥的。在配文中，我们分析了各种紧凑的城市特征(包括形态特征和土地利用组合)的影响，为探索充分的证据而限制了对定性结果的解释。在本文中，我们将重点放在定量比较上，因此，我们的分析仅限于可以表示为密度弹性估计的结果。对于100多个案例，我们进行粗略的计算，将结果转换为可比的指标，或者获得以前没有从相关作者那里发表的结果。借用元分析研究中的技术，我们根据所使用的方法、自发表以来调整的引文或分析的地理环境等特征来分析类别内的异质性。在某些情况下，我们做出了诚然雄心勃勃的假设，将在工程和医学研究等领域发表的成果转化为一种与经济学和相关学科的惯例兼容的格式。
我们的第二个贡献是在证据基础薄弱或不一致的情况下提供原始的弹性估计。我们基于一致的计量经济学框架和经合组织的数据提供透明的密度弹性估计，这些数据参考了16个不同的结果变量(来自10个结果类别)。对于某些结果，如保留绿地的密度弹性，我们的估计是没有先例的。我们提供了密度相对于城市规模的弹性的估计，这有助于更好地比较分析密度和城市规模的影响的研究结果。为了协调密度对工资、租金和各种设施影响的证据，我们还提供了建筑成本密度弹性的新估计。
我们的第三个贡献是将这一广泛的证据基础浓缩为一组15个特定类别的密度弹性估计。具体到每一类，我们要么推荐我们证据库中弹性估计的加权平均数(通过调整后的引文)，要么是来自高质量原始研究论文的估计，或者是我们的原始估计之一。除了建议的弹性，我们还对证据基础的质量和数量进行了关键的讨论，强调了进一步研究的优先领域。在可获得性和覆盖面方面，以一致的格式紧凑地列报各种密度弹性估计数是独一无二的，是从事密度效应定量解释的研究的便利来源。
我们的第四个贡献是将密度的经济效应货币化。对于15个结果类别中的每一个，我们计算了在大致对应于发达国家平均大都市地区的情景下，密度每增加1%所产生的影响的人均现值(PV，以5%的贴现率计算)。为此，我们将我们推荐的密度弹性估计与非市场商品的几种估值结合起来，如时间、犯罪和死亡风险或污染等。货币等价物允许对密度的成本和收益进行新的核算，以及密度在广泛的舒适和不舒适类别中的净影响如何与基于成本-收益差异的生活质量估计相一致。
我们的分析揭示了密度带来的可观收益和成本。对数点密度的增加导致(括号中的对数点效应)更高的工资(0.04)、更高的租金(0.15)和更低的平均车辆里程(0.06)，但也会导致更高的污染浓度(0.13)和更低的平均速度(0.12)。对于其他结果，现有的估计更好地解释为数据中的关联，因为因果解释将建立在一个强有力的假设基础上，即密度的差异是由对结果没有同时影响的因素决定的。对数点密度的增加与(括号中的对数点效应)更高的专利活跃度(0.21)、消费品种价值(0.12)、绿地保护(0.28)以及较低的汽车使用量(0.05)、能源消耗(0.07)、犯罪率(0.085)和提供当地公共服务的成本(0.17)相关。然而，密度也与更高的建筑成本(0.55%)、技能工资差距(0.035)、死亡风险(0.09%)以及较低的自我报告幸福感(0.004)有关。
更经常被引用或使用更严格方法的研究，发现(在规范意义上)不太积极的密度效应。随着时间的推移，估计也变得不那么积极，可能反映了采用更严格方法的趋势。虽然需要更多的证据来证实我们的发现，但我们的分析揭示了密度弹性估计中的地理异质性的一些见解。对于非高收入国家，估计的工资密度弹性为0.08，平均是高收入国家的两倍。模式选择不太可能随着密度的变化而变化，而密度在能源消耗方面的收益似乎更大。与其他发达国家相比，美国的人口密度与更大的技能工资差距和更高的犯罪率有关，而不是更低。我们对文献的回顾还表明，密度对租金的影响可能不是对数线性的。每平方公里人口密度每增加1,000人，租金的密度弹性估计就增加0.063。在密度对工资的估计效应中，我们没有发现类似的非线性，这表明凸性成本导致了钟形的净聚集收益曲线(Henderson，1974)。
在我们的说明性情景中，密度每增加1%，工资和租金的人均现值(无限长，5%的贴现率)将增加280美元(税后190美元)和347美元。汇总所有福利和非福利类别的货币等价物，我们会发现一个明显的正值，但没有“补偿差额”(租金效应-税后工资效应)那么大。虽然密度似乎是一个净便利设施，但我们不可否认的不完美的核算也表明，租金上涨的部分原因可能是除了令人愉快的便利设施外，提供空间的成本更高。政策引导的密集化可能会带来总的福利收益。然而，租房者和首次购房者可能会有附带的净成本。由于技能工资差距的扩大，这种影响增加了潜在的倒退分配影响。
我们的分析统一了经济学文献中关于经济活动的空间组织的重要线索。我们提供了关于生产(例如Combes等人，2012)和消费方面(例如Couture，2016)的集聚效益大小的明确比较，城市形态对创新的影响(例如Carlino等人，2007)，住房租金(例如Combes等人，2018)，生活质量(例如Albuy and Lue，2015)，驾驶距离(Duranton and Turner，2018)，道路速度(Couture等人，2018)，公共支出削减(例如Hortas-Rico和Sole-Olle，2010)，能源消耗(Glaeser和Kahn，2010年)、技能工资差距(Baum-Snow和Pavan，2012年)和自我报告的幸福感(Glaeser等人，2016年)，以及经济学文献中仍未得到充分研究的一系列密度对结果的影响。我们的调查结果还具有重要的政策影响，因为它们表明致密化政策可能是有效的，但不一定是公平的。
关于这一雄心勃勃的综合的局限性，有一些话是应该说的。文献面临的根本挑战是将密度的影响与决定密度的未观察到的因素分开。如上所述，因果解释通常需要一个强有力的识别假设，即同期密度不是对结果有直接影响的内生因素。此外，对于基于个人、企业和单位的结果(例如，工资、创新、租金、福利)，收集的密度弹性估计通常会考虑组合效应。总体而言，量化结果最适合于评估长期适用于个别城市(而不是一个国家的所有城市)的致密政策的效果。与工资和模式选择相比，其他结果的证据基础普遍不发达。虽然对于某些类别的选定的高质量投稿是可用的，但证据的性质充其量也只能是其他类别的初步证据。在城市绿地、收入不平等、健康和幸福这四个类别中，任何量化解释都存在重大不确定性。我们将这些结果视为进一步研究密度影响的优先领域。一般来说，现有的证据基础包括点估计，因此密度的异质性跨背景和密度分布仍然是未来研究和综述的关键领域。
本文的其余部分安排如下。在第二部分，我们介绍了密度的起源和一些有助于解释密度效应的辅助估计。在第三部分，我们阐述了证据基础是如何收集和分类的。第四部分按结果和属性对证据进行了总结。第五部分讨论了我们最初的密度弹性估计。第6部分将证据(包括我们最初的估计)概括为15个特定于结果的密度弹性估计。第7部分讨论了密度增加的货币等价物。最后的第八部分结束了。我们还提供了内容补充材料1，其中包含额外的结果和解释，对于那些希望在进一步研究中使用我们的量化结果(弹性和货币等价物)的人来说，这是必不可少的。
二、文献综述
2.1 密度的起源
在这一部分中，我们提供了一些理论背景和辅助的经验分析，这些分析将指导对证据基础的解释。
表1的第一栏汇总了按经合组织城市功能区(FUA)划分的人口密度分布，并将美国与世界其他地区进行了比较。虽然美国城市的平均密度相对较低，但在这两个样本中，变异系数约为1的差异同样惊人。表1中另一个值得注意的发现是，美国FUA内的密度变化大约是FUA间变化的2.5倍。
经济理论为这种密度的巨大变化提供了一系列解释。在一个没有内部或外部规模经济的世界里，密度自然是由一个地点的基本生产力和舒适价值产生的。肥沃的土壤、温和的气候或通航的河流等外生地理特征吸引了经济活动，导致了城市的发展。经典的城市经济学模型预测，较大的城市将更加密集，因为城市内部的正交通成本限制了城市的横向扩张(Brueckner，1987)。因此，城市增长推高了城市的平均租金，导致空间利用率降低，并在消费方面产生替代效应。由于更高的建筑变得有利可图，更密集地使用土地和供应方的替代效应，更高的租金导致了密集。在城市内部，密度更高，靠近理想的地点(如CBD)，那里的租金特别高，以抵消交通成本的影响。交通运输创新(例如，大规模生产的汽车)允许水平扩张，在其他条件相同的情况下，降低城市密度。
最近的模型反映了向以知识为基础的城市经济的转变(Michaels等人，2013)，具有集聚外部性(Lucas和Rossi-Hansberg，2002；AhlFeldt等人，2015)，使密度成为生产力和效用的原因和结果。这类模型的特点是多重均衡，因此城市可能是密集的单中心城市，也可能是多中心分散的城市。然而，由于集聚导致的路径依赖，当代经济地理往往遵循过去重要的特征，例如农业用地适宜性(Henderson等人，2018年)或港口地点(Bleakley和Lin，2012年)。同样，历史城市特有的紧凑的单中心城市结构被认为对大约一个世纪前已经很大的城市的冲击(例如自然灾害或交通创新)更具弹性，当时外部回报和大规模生产的汽车可能开始变得越来越重要(AhlFeldt和Wendland，2013)。
在实践中，也是本文政策维度的核心，密度也是由各种土地使用法规决定的，例如城市发展边界、保护政策，以及高度、容积率和地块大小法规，这些法规通常都有其历史渊源(McMillen和McDonald，2002；Siodla 2015)。关于历史在城市经济学研究中的作用的全面回顾，请参见Hanlon和Heblich(2018)。
鉴于密度的内生性，将密度对经济结果的影响与区位基本面的影响分开是一项识别挑战。像由于外生政治原因导致城市分裂这样的自然实验是罕见的(AhlFeldt等人，2015)。通常很难找到可信的密度工具，尽管一些研究人员利用地质学作为一个可能影响经济活动分布的因素，而不是对感兴趣的经济结果产生影响(Combes等人，2010年)。我们的解读是，在很大程度上，这些文献含蓄地利用了密度的大部分空间差异植根于历史的观点。下面概述的许多结果都是信息性的，因为密度是由过去相关的因素决定的，对今天的经济结果产生的直接影响有限。
2.2 密度和城市规模
城市规模和密度之间的关系对于解释我们的证据基础至关重要。鉴于上面讨论的理论联系，文献提到实际密度，即按城市地理规模归一化的人口，以及城市规模，即总人口，这一点可能并不令人惊讶。
一些研究人员试图理清密度和城市规模的影响(Chesshire和Magrini，2009)。这种分离的核心是不同类型的集聚经济以不同的空间分辨率运作(Rosenthal和Strange，2001)。分离城市规模和密度的影响相当于分离不同集聚经济(和不经济)的影响，其中一些是远距离运行的(因此城市规模很重要)，而另一些则更局限于本地化(因此密度很重要)。虽然将密度和城市规模的影响分开是有趣的，但这也是具有挑战性的，因为一个综合城市地区的地理规模不能无限增长，这意味着密度和城市规模不能独立变化。
我们对文献的解读是，在大多数通过城市间(而不是城市内)比较来确定密度效应的研究中，城市人口随着城市密度的变化而隐含地变化(反之亦然)。这里回顾的城市间比较的证据应该从这个角度来解释，因为如果存在真正的独立于密度的城市规模效应，旨在改变人口密度同时保持人口不变的紧凑城市政策可能会导致较小的影响。例如，如果劳动力市场共享带来的生产率提高在城市规模上运行，通勤距离相对较长，而不会出现空间衰退，那么在保持人口不变的情况下增加密度不会提高生产率。令人放心的是，城市间和城市内研究(保持人口不变)的估计往往非常相似，条件是我们进行以下调整。
为了将文献中估计的城市规模弹性转换为密度弹性估计，我们使用了来自多国Fua-Level数据集(OECD，2016)的密度相对于城市规模的弹性估计：
其中Ai,c是城市i在c国的地理面积，Pi是土地面积，是国家固定效应。城市规模的密度弹性被确定为
与使用密度的对数作为因变量相比，这种估计策略避免了当人口出现在方程两边时所产生的内生性问题。我们对a的首选估计是0.57，这意味着城市规模的密度弹性为α=0.43。因此，如果潜在的经济机制相同，我们预计密度弹性估计值将略高于人口弹性估计值的两倍。我们注意到，我们对a的估计与Combes等人对法国城市的0.7估计大致一致(2018)。与公式估算有关的细节、估算结果和用于标准化文献中报告的结果的各种转换在补充材料1的第2节中报告。
2.3 密度和供应面
如上所述，城市密度的正规模弹性是城市经济需求侧和供给侧相互作用的结果。大城市的租金越高，密度就越高。更高的密度反过来又意味着提供空间的成本更高，从而推高了租金。因此，从理论上讲，较大的城市预计会更密集，租金也会更高，后者是建设成本上升的因果关系。经验证据大体上符合这些预期。赫尔斯利和斯特兰奇(2008)提供了大城市拥有更高建筑的轶事证据。Gourko和Saiz(2006)表明，在人口密集的地区建造标准住房的成本更高，即使在控制了地理差异(高山和高山)、监管制度(住房许可证、监管闲聊)和劳动力市场条件(例如工资、成立工会)之后也是如此。根据Ellis(2004)的说法，中层叠层公寓的建造成本是单户独立住宅的两倍。AhlFeldt和McMillen(2018)估计，对于小型结构(五层及以下)，建筑成本的高度弹性为0.25，对于较高的结构，弹性甚至更高。然而，据我们所知，目前还没有关于密度对建筑成本的影响的估计，这些影响反映了建筑类型组成的变化(结构效应)以及建筑同等单元成本的变化(位置效应)。
为了证实我们对证据基础的解释，我们因此对(单位)建筑成本的密度弹性提供了新的估计。我们将Emporis的建筑微观数据集与2010年美国人口普查和美国社区调查(ACS)的人口和面积数据结合在一起。在另一种方法中，我们使用Ellis(2004)的特定结构类型的建筑成本估计和美国建筑协会(Rgues等人，2017)关于结构类型组成的信息来创建建筑成本指数。该指数只反映建筑成本因结构类型组成(结构效应)而产生的变化。这一指标的估计密度弹性可以与Gourko和Saiz(2006)的标准住宅成本的估计密度弹性(区位效应)相结合，以给出总密度效应的估计。
从两种分析的结果中，我们得出结论：0.04-0.07代表了美国建筑成本密度弹性的保守范围。这一估计是一个粗略估计，其中包括与密度有关的所有结构效应和区位效应(包括可能是密度的原因或影响的监管、地质和劳动力市场条件的差异)。密度对建筑成本的影响的详细讨论见补充材料1。我们将在审查密度对租金、工资和康乐设施影响的证据时再讨论这一参数。
三、经验基础
3.1 收集
根据Stanley(2001)审查的元分析研究的标准最佳实践方法，本文的文献检索分几个阶段进行。本文不施加任何地理限制(针对研究区域)，并考虑了不同的地理层面(从微观地理尺度到跨区域比较)。
首先，本文在学术数据库(Econlit、Web of Science和Google Scholar)和专家研究机构工作论文系列(NBER、CEPR、CESIfo和IZA)中对特定类别的关键字(结果和经验观察变量的组合)的各种组合进行260次单独搜索。其次，本文通过对引文树的分析来扩展相关的研究线索。第三，本文要求研究网络中的大学推荐相关研究(通过个人邮件和社交媒体上流传的电话)，并添加本文以前知道的或在自由搜索中出现的研究。本文跟踪添加证据的阶段，以控制由于潜在的选择性研究网络而产生的偏见。为了防止发表偏见，本文明确考虑以编辑后的书籍章节、博士论文、报告、参考期刊或学术工作论文系列发表的研究(也对其他类型的出版物开放)。这一过程在本文补充材料1以及AhlFeldt和Pietrostefani(2017)中有更详细的描述，产生了268项相关研究，其中包括473项概念上不同的分析。我们通常保留同一研究的多个估计(分析)，如果它们涉及不同的因变量或地理区域。
出版物中明确报道的对弹性估计的限制使样本减少了约50%，只剩下127项研究中的242项分析。然而，我们做出了一些努力来增加证据基础。我们使用上述城市规模相对于密度的估计弹性，从已报道的城市规模弹性估计中推断出密度弹性估计。同样，如果结果被报告为水平、半弹性或图形说明中的估计边际效应，则我们进行粗略计算以近似密度弹性估计。我们还做了一些调整，以允许在类别内进行一致的解释。例如，假设Cobb-Douglas住房生产函数(Epple等，2010年)和土地份额为0.25(Combes等，2018；AhlFeldt等，2015)，我们将对地价密度弹性的估计转换为对住房租金密度弹性的估计。最后，一些作者好心地应要求提供了密度弹性估计，这在他们的论文中没有报道(例如Couture，2016；Tang，2015；Albuy，2008)。通过这种方式，我们将量化证据基础增加了100多个估计，达到180项研究中的347项分析。最终的定量样本与完整样本(268项研究中的473项分析)在一系列特征上具有可比性，我们将在接下来的小节中介绍(参见补充材料1第2节)。
为确保证据的可比性而进行的各种调整的更完整讨论见补充材料1第2节。补充材料1提供了研究的完整清单以及以下各节介绍的编码属性。
3.2 贡献
我们选择一种量化的方法来综合我们广泛而多样的证据基础。与大多数定量文献综述一样，我们使用统计方法来检验现有的经验性结果是否在研究的选定属性(如地理背景、数据或使用的方法)中存在系统性差异。因此，我们将回顾研究的结果和各种属性编码为变量，可以使用统计方法进行分析。
元分析研究的典型方法是在一个非常具体的文献链中分析研究结果。接受荟萃分析的结果往往是在相对类似的计量分析中估计的参数。在这种情况下，收集有关计量经济学设置的具体信息是有用的。相比之下，我们的分析范围要广泛得多。我们的目标是综合各种结果类别中密度对经济影响的证据。我们考虑从不同的文献中进行研究，这些文献自然使用非常不同的实证方法。因此，我们收集的信息在某种程度上更具一般性，包括以下属性：
1)结果类别，15个类别的一个(详情见表A1，补充材料1第1节)
2)因变量，如工资、地价、犯罪率
3)研究区域，包括大陆和国家
4)出版地点，如学术期刊、工作论文、书籍章节、报告
5)学科背景，如经济学、区域科学、规划等
6)向证据基础添加分析的阶段(1-3)(见表A2)
7)分析期间
8)分析的空间尺度，即城市内与城市间
9)由地方经济增长中心使用的科学马里兰州量表(SMS)定义的方法方法(2016)变量可以采用以下值：
1.探索性分析(如图表)。此分数不是原始SMS的一部分
2.无条件相关性和OLS与有限对照
3.全面对照的横断面分析
4.很好地利用时空变异控制时期和个体的影响，例如差异差异或面板方法
5.利用看似合理的外生变异，例如通过使用工具变量、不连续性设计或自然实验
6.保留给随机对照试验(不在证据库中)
10)自发表以来的累积引文数，我们使用Scopus的每项研究的年度引文计数生成的引文累积数。对于非期刊出版物，我们使用谷歌学者的数据来推算引文索引。出人意料的是，我们基于研究的指数与期刊质量密切相关，这是通过SNIP(每篇论文的来源标准化影响)得分(Scope，2016)和SCImago期刊排名(Scimago，2017)来衡量的。详细讨论见补充材料1。
值得指出的是，在目前的情况下，更高的短信分数并不一定意味着更高的证据质量。虽然利用看似合理的外生变异(SMS4)来将密度的影响与未观察到的区位基本面分开肯定是可取的，但如果控制是潜在的内生的，那么拥有更多的协变量集(SMS2)是否会改善分析就不那么清楚了。在文献中经常发现的一个令人担忧的例子是，包括了多种变量，这些变量反映了城市紧凑度的不同程度，如人口密度、建筑密度和就业中心。同样，如果最有可能是外生的密度变化的部分是横截面的，则纳入空间固定效应(SMS3)不会改善识别，因为它是由历史决定的(见第2.1节中的讨论)。考虑到这些模糊性，我们首选的衡量证据基础中弹性的指标是引文指数，它反映了一项分析在研究界产生的影响。
在表2中，我们按选定的属性列出了本综述中所包括的分析的分布情况(如上所述，一项研究可以包括多项分析)。虽然我们的证据基础在某种程度上覆盖了世界上大多数地区，包括全球南部，但高收入国家，特别是来自北美的研究非常集中。绝大多数研究都发表在学术期刊上。在学科背景方面，证据基础是多样化的，其中经济学是最常见的学科，约占30%。
在图1中，我们说明了出版年限的分布，研究周期，以及所使用的方法类型，根据短信。总体而言，证据是最近的，绝大多数研究都是在过去15年内发表的，反映了学术界对这一主题日益增长的兴趣。大多数研究使用的是20世纪80年代以后的数据。显然大多数研究都在短信息系统上得了两分或两分以上，这意味着通常至少会有一些尝试将密度效应与其他效应区分开来，通常包括未观察到的固定效应和周期效应。区分在发表的中位数年(2008年)之前或之后发表的研究，揭示了朝着更严格的方法发展的趋势，这些方法在短信中得了3到4分。
四、文献中的密度弹性估计
4.1 根据结果分类的结果
在表3中，我们总结了我们证据库中的量化结果。我们努力将弹性估计压缩到有限数量的结果组中。由于证据基础中的结果多种多样，我们经常报告每个结果类别有一个以上的弹性，我们将在论文的其余部分中提到(由ID表示)。在整篇文章中，所有的结果都是这样表达的，即积极的价值意味着在相关文献中通常被认为是规范意义上的积极的经济影响。
考虑到结果的多样性，我们不会在这里讨论每个结果，而是让感兴趣的读者来挑选他们的相关性发现。然而，我们注意到，在证据库的数量(N)和基本证据的质量(以及其他属性)方面存在很大差异，我们敦促在审议证据时考虑到这些差异。值得注意的是，不仅当证据基数很小(小N)时，而且当证据基础不一致时也是如此。一个有用的指标是标准差(SD)，它与平均值相比很大，比如减少污染。我们还注意到，表3中总结的结果一般不能解释为因果估计，因为在许多情况下，估计的密度效应可能会捕捉到相关区位基本面的影响。对于一组选定的结果组(每个类别一个)，我们在补充材料1的第4节中对证据的数量和质量进行了关键的讨论。我们在表3中报告了由我们的引文索引加权的平均弹性。感兴趣的读者将在补充材料1的第2节中找到使用替代加权方案的结果。
4.2 按原因分类的结果
对于证据基础中异质性来源的集合分析，我们对特定类别的弹性估计进行归一化，以便它们在表3所列的结果组内具有零平均值和单位标准差。图2显示，密度弹性估计在发表的年份、引用指数和SMS得分中趋于下降。这种模式与图1中显示的越来越流行的更严格的方法是一致的。
在图3中，我们说明了归一化弹性估计的分布如何在选定的属性中变化。在每个小组的底部，我们报告(双面的)Kolmogorov-Smirnov检验统计数据和显着性水平。我们发现，在发表地点(期刊的正弹性较低)和引文指数(指标值较高的正弹性较低)方面的分布存在显著的统计学差异，这可能反映了发表的偏见或同行评审的质量。平均而言，来自高密度环境的估计弹性更大。
表4给出了同时控制图3中考虑的所有属性的多变量分析的结果。我们首先使用归一化估计密度弹性作为结果进行合并回归。发表在学术期刊上会使估计的弹性降低0.4个标准差。此外，引文指数每增加一个标准差，估计的弹性就会减少0.09个标准差。高短信分的条件性效应不显著，但得分估计为负。因此，与图2和图3一致，总体印象是较高的质量与较不积极的密度弹性估计相关。
在表4的其余列中，我们执行Meta分析(Stanley和Jarrell，1989；Melo等人，2009)，对一些更具代表性的结果类别的原始弹性估计进行分析。第一个有趣的发现是，一旦我们控制了固定效应，我们发现非高收入国家工资的估计密度弹性大约是高收入国家的两倍(第3列)。值得注意的是，这种影响是从一项涵盖巴西、中国和印度的多国研究中发现的，除了美国(Chauvin等，2016年)，这就是为什么我们不增加进一步的控制来节省自由度的原因。然而，非高收入国家的无条件引用加权平均数是0.08(来自9项分析)，证实了相对于高收入国家的100%溢价(见补充材料1表A11b，高收入国家和非高收入国家的平均弹性估计数表)。
第二个重要的发现是，如果研究区域的人口密度每平方公里增加1,000人，租金的估计密度弹性平均增加0.063。这一效应与法国城市最近的证据在质量和数量上是一致的。Combes等(2018)显示，估计的弹性可以从小城市地区的0.205到巴黎大小的城市地区的0.378不等。使用表4第(4)栏中的0.063--估计，这相当于每平方公里增加2,750名居民，而这又相当于从格勒诺布尔或伦斯等城市(1,000人/平方公里)到巴黎(3,700人/平方公里)(人口统计，2018年)。与Glaeser和Gottlieb(2008)一致，我们没有发现密度对工资估计密度弹性的类似影响。因此，密度成本的增加而不是生产率增长的减少抑制了集聚收益，导致了钟形的净集聚收益曲线(Henderson，1974)。
第三个相关发现是，对于非高收入国家，可持续模式选择的密度弹性估计要低得多。一种可能的解释与发展中国家工资的巨大估计密度弹性相一致，即间接收入效应与直接密度效应相反。虽然紧凑的城市形态在其他方面可能有利于其他方式，但城市化程度较高的地区收入较高，提高了自驾游的负担能力。第四，从探索城市内部变化的研究中发现，能源消耗减少的平均估计密度弹性要大得多。在这方面，值得注意的是，非高收入国家的能源消费减少的引用加权无条件平均密度弹性为0.16，远大于高收入国家。鉴于人数较少(来自非高收入国家的两项估计)，很难区分城市内影响和非高收入国家影响。在城市内部，人口密度通常与多户住宅的份额有更强的相关性，多户住宅往往更节能。这种关系在发展中国家可能尤其牢固，因为在发展中国家，高密度往往意味着正规住房，而不是非正规住房(Henderson等人，2016年)。
五、原始密度弹性估计
尽管上面总结的密度的数量效应的证据是丰富的，对于生产率或模式选择等结果是合理一致的，但对于许多其他结果，证据较少，不太一致。为了丰富一些欠发达类别的证据基础，我们利用经合组织城市功能区和区域统计数据库的数据以及以下回归模型，提供了一些透明的弹性估计：
其中，yi,c是国家c中城市i的产出，Pi，Ai，uc是人口、地理面积和国家固定效应，如等式(1)，Gi为GDP。估计系数是β，它给出了控制人均国内生产总值和未观察到的跨国异质性的结果的估计密度弹性。如果人口或面积构成因变量的一部分，我们使用国家人口密度分布中的(Ln)排名作为工具来测量人口密度。表5总结了主要结果。各种型号规格的全部估算结果载于补充材料1(第3节)。
我们发现幸福感和人口密度之间存在负关联，这种关联似乎在各国之间比在国内更明显。尽管如此，结果仍然支持文献中发现的单一可比结果(Glaeser等，2016)。我们的结果进一步支持了证据基础中的平均研究结果，即创新(专利数量)增加了密度和犯罪率，能源消耗(碳排放)和平均道路速度降低了密度。
与表3中报告的证据基础中的平均弹性相冲突，我们发现污染浓度在密度较高的城市更高。在地方一级，将污染源集中在空间的影响超过减少总排放量的影响(由于更短的汽车行程和更节能的住房)。最近的两项研究证实了我们的估计(Carozzi和Roth，2018；Borck和Schrauth，2018)。此外，我们的结果一致地表明，收入不平等在密度上增加。我们的结果在定性和定量上与Baum-Snow等人一致(参见补充材料1第3.3节中报告的美国城市的结果)。(2017年)。但这与综述后的文献形成了一些反差，这些文献的结果喜忧参半，许多研究指出，经济密度越高，不平等程度越低。为了协调证据，我们注意到证据基础包含了几个城市范围内的案例研究，但我们的比较是跨经济领域的。在城市内部(隔离)和城市之间(技能互补)，影响公平维度的机制似乎是不同的，但需要进一步的研究来证实这一直觉。我们注意到，密度对犯罪的影响在统计学上微不足道(条件是国家固定影响)，掩盖了美国和非美国城市的异质性。与Glaeser和Sacerdote(1999)一致，我们发现美国城市的犯罪率密度增加，而其他经合组织国家的情况正好相反(见补充材料1)。
我们对绿色覆盖率和人口密度之间关系的估计是史无前例的。绿色密度相对于人口密度的弹性在定性上取决于分析的空间层次。在区域一级(行政区划)，空间单位涵盖城市和农村。负弹性估计很可能反映出，人口的增加意味着更大的城市份额，而非城市土地的损失。经济功能区被设计成只覆盖城市地区。正弹性估计可能反映出，在一个城市化地区，不断增加的人口密度为城市公园和郊区森林保留了空间。因为我们在本文中关注的是城市形态的影响，所以后者是我们首选的估计。我们注意到，根据国家固定影响估计的相对较大的弹性是由美国各城市估计的可疑的大弹性(>1.4)推动的，而世界其他地区的国家内弹性估计与排除固定影响的横断面模型的基线弹性估计一致。因此，在这种情况下，我们倾向于保守的非固定效应模型。不出所料，人均绿地面积对人口的弹性估计为负值。我们的首选弹性估计(−0.283)与估计的绿地价值相对于人口密度0.3时的弹性大小大致相同，这表明拥堵(用户数量)和绿地价值以大致相同的速度增长。
六、建议的弹性估计
在表6中，我们将量化证据(包括我们的原始估计)概括为我们为每个结果类别提供的推荐密度弹性估计。具体到每个类别，我们要么建议引用加权平均数，如表3所示，跨越我们证据库中的弹性估计，要么是来自高质量原始研究论文的估计，要么是我们的原始估计之一。选定的专用分析使用了全面的数据，并在研究设计中做出了明智的选择，即它们避免了对内生变量的过度“过度控制”，并利用了看似合理的外生变量。一般来说，我们更喜欢证据基础中的引文加权平均数以及来自专门的高质量原始研究论文的估计，而不是我们的原始估计。如果证据基础薄弱或不一致，特别是如果建议的弹性估计与我们最初对经合组织数据的分析一致，我们也更倾向于来自专门的高质量论文的估计，而不是证据库中的加权平均。
我们的目标是提供不同类别的密度效应的紧凑和可访问的比较。基准结果最好理解为指的是高收入国家。在可能的情况下，我们在表6中承认了各国之间的差异。然而，我们希望提醒读者，我们可能会忽略具体背景的显著异质性。此外，证据库的质量和数量在不同类别之间高度不同。我们强烈建议在进一步研究中应用表6中报告的任何弹性估计之前，参考补充材料1中的第4节，其中提供了关于每个建议的弹性估计的来源与证据基础的质量和数量的讨论。简而言之，我们看到了足够的证据，认真地将密度的影响与相关的未观察到的基本面的影响分开，从而可以对以下类别进行因果解释：1：工资和生产率；3：租金；4：车辆行驶里程；10：减少污染；12：平均车速。对于其他类别，估计的弹性更好地解释为数据中的关联。我们强调，密度对收入不平等、城市绿化、健康和自我报告的幸福感的影响存在显著的不确定性。一般来说，建议的弹性最好理解为描述包括合成效果在内的基于区域的效果。
有一个重要的附加弹性估计，这是由表6中报告的弹性估计隐含地确定的。假设所有市场都有完全的流动性和竞争，城市地区提供的所有好处和成本必须由工资和租金来补偿(Rosen，1979；Roback，1982)。一个地方的相对生活质量可以从居民愿意为了享受那里的生活而放弃的相对实际工资(税后收入和住房支出)中推断出来，即
其中dlnQ、dlnr和dlnw是生活质量、租金和工资(以自然对数表示)的差异，ρ是住房支出份额，T是1减去税率。生活质量对密度的弹性可表示为：
应用ρ=1/3和T=0.66的常规值(Albuy和Lue，2015)和表6中报告的弹性估计，得出的生活质量弹性估计值为0.04时，接近来自证据基础的引文加权平均值(0.03)。然而，我们必须注意到，在收集的生活质量弹性估计中有相当大的差异，包括负面影响(Chauvin等人，2016)和积极影响(Albuy和Lue，2015)。
七、货币等价物
为了对不同类别的密度效应进行定量比较，我们进行了一系列粗略的计算，以将密度增加1%所产生的影响表示为人均PV美元效应，假设范围无限，传统的贴现率为5%。我们总结了表7中的结果。由于信封背面计算中使用的大多数参数都与上下文相关，因此该表允许进行直接的调整。第(8)列的货币效应是弹性(3)、基值(5)、单位价值(7)的乘积，密度增加1%，与5%的贴现率成反比(例如，工资效应为0.04×35,000×1×1%/5%)。通过改变任何一个因素，就可以计算出特定于具体情况的货币等值。
表7中总结的做法是雄心勃勃的，但也有一些局限性。首先，货币等价物是指最接近高收入国家大城市地区的估计值。在为具体的机构背景得出结论时，我们强烈建议对补充材料1第5节所作的假设进行适用性评估。其次，表7中的结果不一定对应于政策导致的密度变化的短期影响。例如，保持发达地区不变的人口增加将增加人口密度，但不一定增加绿色密度。然而，在保持密度不变的情况下，人口增长的绿色密度将高于实际情况。第三，弹性所隐含的影响仅适用于边际变化，即它们不应用于评估极端变化(例如密度增加100%)在特定环境中可能产生的影响。第四，虽然对于不是真正基于区域的结果，我们理想地会应用扣除选择效应的密度效应，但文献只在生产率类别中提供了这样的估计。因此，为了跨类别的一致性，我们严格应用了表6中基于区域的影响的基线弹性。补充材料1的第5节提供了更详细的证据基础讨论，在进一步使用表7中建议的货币等价物之前，应该参考这些证据基础。
尽管有这些限制，表7提供了对密度效应的方向和相对重要性的新见解。密度对工资的影响是很大的，但平均而言没有对租金的影响那么大。密度产生的成本表现为更高的拥堵和更低的平均道路速度，然而，由于行程较短而减少的成本足以弥补这一成本。消费方面由于更多和更容易获得的消费种类而产生的集聚效益在数量上很重要，占生产方面(工资)集聚效益的三分之一以上。密度带来的其他与数量相关的好处包括在提供当地公共服务方面节省成本、保护绿色空间、降低犯罪率(在美国以外)和减少能源使用，这除了节省私人成本外，还创造了可观的社会效益(减少碳排放)。除了上述拥堵效应，密度的代价还表现为污染集中度增加、不平等、对健康的不利影响和幸福感降低。
鉴于我们在计算跨类别可比的特定类别的成本和收益估计方面已经走了很长的路，一个自然的问题出现了：密度的好处是否超过了成本，如果是的话，超出了多少？为了解决这个问题，我们在表8中进行了一个简单的核算。我们区分了私人(第1-5栏)和外部(第6栏)的成本和收益，居民没有直接体验到这些成本和收益，也很可能不会通过租金(例如对全球而不是对当地产生影响的碳排放的减少)来支付。为避免重复计算，我们在计算缩短平均行程(第4类)的收益时不包括汽油成本，因为这种节省的成本已经计入了减少的能源消耗(第11类)。此外，我们修正了消费福利(第5类)，以反映多样化带来的纯粹收益，而不是因缩短自驾游而节省的支出，后者已在第(4)类中逐项列出。由于健康影响在14中逐项列出，我们使用了Carozzi和Roth(2018)与密度相关的污染产生的健康成本估计，以将污染影响限制在宜人通道。可持续模式选择的外部影响(13)已在减少能源使用的外部效益(11)中逐项列出，因此不单独计算。在基线情景(Sum Row)中，我们假设公共服务由国家资助。在另一种核算方法中(如表格底部所示)，我们假设公共服务是由当地提供资金的，因此密度导致的成本节约完全转化为租金(通过较低的税收)。
标准的城市经济学框架建立在空间均衡假设的基础上，这意味着个人完全流动，所有市场上的竞争都是完美的。在这一框架下，租金反映了生产力和公用事业的资本化价值，因此租金和工资之和(第1栏)总计627美元。可解释为福利收益，可在第(6)栏中加上60美元的外部效应。空间均衡框架也是上述经济生活质量文献的理论基础，它通过补偿差异来推断特定地点的舒适度价值。在完全有弹性的需求下，租金的增长超过可支配收入的增长，必然反映出积极的生活质量效应。
如果流动性不是完美的或对地点的偏好存在异质性，租金将不仅反映需求方的条件(这里是便利设施)，还反映供应方的条件，因为当地的需求是向下倾斜的(Arnott和Stiglitz，1979)。密度的增加——或执行增加密度的政策——也可能会提高租金，因为提供空间的成本更高。这意味着，观察到的租金上涨不一定完全反映需求驱动的资本化效应，但在一定程度上潜在地反映了供应曲线斜率的空间差异(Hilber和Vermeulen，2016；Hilber，2017)。区分这些情景是出了名的困难，但将工资和租金所推断的生活质量影响与不同类别的总体福利影响进行比较是有意义的。如果核算是准确和完整的，需求是完全有弹性的，我们预计总的福利效应将等于生活质量效应。
第(3)栏报告的人均现值为100美元的舒适性效应是可观的，但小于第(2)栏的税后补偿差额(156美元)，这表明供应方的作用(只要需求在当地向下倾斜)。自我报告幸福感的作用是有争议的，因为它被视为个人公用事业的代理(Layard等，2008年)，或者被视为公用事业功能的组成部分，与商品和便利设施的消费进行交易(Glaeser等，2016)。事实上，如果我们将幸福效应排除在(不)福利类别之外，那么舒适性效应和生活质量效应更接近。同样，如果我们将地方公共服务视为完全由地方融资，那么差距就会缩小，这意味着节省下来的资金会转嫁给个人，并转化为租金。
为了评估来自供给侧的密度效应对租金的潜在相关性，我们假设住房结构价值的份额为75%(AhlFeldt等，2015；Combes等，2018)，并计算出密度增加1%对建筑成本影响的货币等值范围为0.04-0.07(建筑成本的估计密度弹性，见第2.3节)×35K美元(收入)×75%(结构价值份额)×33%(住房支出份额)×1%(密度变化)/5%(贴现率)=70-120美元。因此，如果需求是向下倾斜的，密度导致的住房供应成本增加是一个合理的解释，可以解释估计的舒适度和生活质量影响之间的差距。加强供应方论点的一个补充渠道是稀缺的土地租金，这是由于限制可用土地数量以增加密度的政策造成的(Gyouko等，2008；Mayer和Somerville，2000)。关于密度对建筑成本的影响的详细讨论见补充材料1第2.2节。
在第(4)和(5)栏中，我们改变了视角，询问政策导致的城市密度的边际增加将如何影响居民。由于密度的成本和收益会转化为租金，因此个人的净收益取决于住房保有权。考虑到第(5)栏的积极便利影响，房主可以立即获得平均收益，因为他们无需支付更高的租金就可以获得便利福利。如果他们搬到另一个地区，他们会放弃舒适的收益，但会受益于更高的住房价值。租房者将因更高的租金而获得负补偿，使其影响更加模糊(AhlFeldt和Maennig，2015)。房主的净收益是积极的，福利和工资的综合影响为291美元或更多(如果有税收节省，或者我们从福利影响中抽象出来)。如果我们计入福利影响并假设公共服务节省不会产生税收影响，租房者的净成本高达56美元。如果我们剔除福利效应，并允许通过降低税收将公共服务成本节约转嫁给租房者，净收益仍为负值，但接近于零。当然，另一方面，这对土地所有者有积极的外部好处，鉴于第4.2节中记录的密度对租金的非线性影响，在供应弹性市场中，对租户的影响可能是积极的。
总体而言，证据表明，密度是一种净舒适性。然而，这并不意味着每个人都一定会从密集化政策中受益。租房者可能是密集化的净输家，因为租金影响超过了便利设施的好处。如果个人对某些领域的依恋程度高于其他领域，则负净效应与对幸福感的负密度效应是一致的。如果人们愿意相信有强大的力量阻止租房者搬家，那么密度的供应限制效应可能会将租房者转移到较低的效用水平，这与对幸福(或幸福)的负面影响是一致的。然而，这是对证据的雄心勃勃的解释，因为不可能声称全面覆盖和完美衡量舒适效果。必须承认，密度的舒适性效应(第3栏)和生活质量效应(第2栏)之间的差异可能只是由于测量误差(如第3栏遗漏物品)。对按任期区分的密度的福祉影响的研究将会提供信息，但据我们所知，还没有进行。
八、结论
我们提供了密度对广泛结果范围的影响的第一个定量证据回顾。综合审查的证据和一系列原始估计，我们报告了15个不同结果类别的推荐密度弹性估计，以及密度效应的货币化价值，用于研究和政策分析。虽然密度的提高带来了可观的收益和成本，但对于发达国家的典型大城市来说，前者超过了后者。
总体而言，相关研究领域还有很多工作要做，以一致地将证据基础带到最发达的结果类别生产力和模式选择的数量和质量水平。对于所有其他类别，需要更多的研究——即使存在选定的高质量证据——以证实推荐的弹性。在这个阶段，围绕城市绿色、收入不平等、健康和福祉这四个类别的任何量化解释都存在重大不确定性。
随着研究的进展和证据库数量的增加，证据综述和元分析成为知识生成的一个更重要的方面。遗憾的是，这项审查的范围受到限制，因为常常无法将结果转化为可比的指标。为了扩大未来综述和荟萃分析的范围，我们鼓励研究人员通过密度弹性估计来补充他们首选结果的陈述，这些估计与本文收集的密度弹性估计相当。至少，需要提供完整的汇总统计数据，以便对报告的边际影响进行换算。阻碍跨研究比较的另一个特征是一次分析城市形态的一个以上方面的普遍做法，即同时使用多个空间变量，如人口密度、建筑密度和工作中心。理清紧凑城市形态的影响来源是很重要的。但是，如果城市形态的衡量标准在现实中是不同的，因为它们是同时确定的，那么很难在不同研究之间比较在其他同等条件下估计的条件边际影响。为了促进未来的审查和荟萃分析，我们鼓励研究人员用简单的模型来补充他们的差异化分析，这些模型专门考虑最传统的城市形态衡量标准，即密度。
我们提供的提示性证据表明，在发展中国家的城市，集聚的成本和收益可能更大。然而，由于来自非高收入国家的证据稀缺，我们无法评估我们的关键结果——密度是一种净宜人程度——是否适用于非高收入国家。摆在研究界面前的一个重要挑战是对不同背景下密度效应的异质性和密度分布本身产生更深层次的理解，这是推断最佳密度水平的必要条件。
来源：商科论文大讲坛
转自：“经管学术联盟”微信公众号
如有侵权，请联系本站删除！
