职业关系网络如何影响城市经济转型？

本文来自微信公众号：集智俱乐部（ID：swarma_org），作者： 鄢鹏高，标题图来自视觉中国

导语：

在人工智能迅速发展的背景下，城市经济如何转型，成为一个重要的问题。在7月3的AI&Society十七期学术沙龙中，城市科学领军学者José Lobo，分享了关于城市、技术与就业市场的一系列研究，重点提及一项2013年的工作。在这项工作中，研究者构建了主导职业之间的相互依赖关系网络，并分析了职业网络对城市经济自身变革的难易程度的影响。

美国的大部分社会经济生活都发生在城市地区，或者更确切地说，发生在近400个大都市统计区。这些大都市统计区占该国产量的90％以上，占其人口的84％以上。这些大都市可以提供哪些商品和服务，以及它们提供的程度，主要取决于价值创造过程中所积累的技术，技能和隐性知识。因此，经济体转向新活动的难易程度在很大程度上取决于其目前的技术和技能组合。本文将通过分析大都市统计区级别的职业数据，对美国城市经济转型问题提出明确的结构视角。

论文题目：

Urban Economies and Occupation Space: Can They Get “There” from “Here”?. PLOS ONE 8(9): e73676.

论文地址：

https://doi.org/10.1371/journal.pone.0073676

主导职业——城市的名片

一说到纽约，我们就会想起它繁华的金融业，同样的，我们会想起硅谷的计算机硬件和软件业、西雅图的航空航天制造业，以及波士顿的高等教育业。城市因为它的主导职业（产业）而盛名在外，因为这些职业刻画了一个城市的基本面貌，它们是城市的名片。

然而，对于那些不如纽约、硅谷著名的城市，如何去刻画它们的城市名片呢？基于这个问题，研究者提出了位置商（location quotient——LQ）这个指标，用于衡量城市中每个职业的地位。位置商LQ>1表示某职业的数目高于全国的平均水平，这表明该城市可能存在一些利于该职业发展的特定因素，例如劳动力技能的符合度和可用性，基础设施、地理属性、自然禀赋以及历史的偶然性。位置商LQ越大，该职业的主导地位越强。

主导职业之间的相互依赖

基于位置商LQ指标，我们能够评价城市中各个职业的地位，因此我们可以得到每个城市中相应的主导职业，那么这些主导职业之间是否存在联系呢？这种联系有什么特点呢？基于此，研究者对主导职业之间的相互作用进行了量化研究。

研究者基于条件概率模型，提出了职业之间的相互依赖性（interdependency - ζ）指标，该指标量化了职业之间的相互影响。相互依赖性ζ为正数表明，在同一城市中，两个职业有可能同时成为主导职业；反之，相互依赖性ζ为负数表明，在同一城市中，两个职业不太可能同时占主导地位；更为极端地，当相互依赖性ζ=-1时，表明两个职业绝不会在同一城市同时成为主导职业。

图1（论文原图1A）

为了更加清晰的说明这种相互依赖性，研究者使用2010年的数据，提取了400个大都市统计区的主导职业，调查了这些 大都市统计区中的主导职业结构，它们的相互依赖性ζ直方图如图1所示。直方图表明大多数的职业具有正的相互依存关系，但是仍然有31.2%为负的关系，而且有约3.8%的相互依赖性ζ为-1。该图还显示大多数相互依赖性相对较弱，如零点附近的峰值所示。从图中我们惊讶地发现，尽管城市是个人和企业的聚集地，但城市地区的许多主导职业之间并没有强烈的相互作用。

图2（论文原图1B）

图2以矩阵形式展示了787个职业之间的相互依赖性，这些职业简单的按照美国劳工统计局（BLS）代码进行了分组排序，例如，矩阵的前33行/列对应于管理业，下一个30行/列对应于商业和金融业。从图中我们发现，沿着对角线存在一些暗绿色区域（表示强烈的正依赖性），这表明同一分类组中的一些职业密切相关，这是和常识相符的。但是我们也观察到非对角线的暗绿色区域，这些表明不同职业类别的职业之间存在强烈的正依赖性。除此之外，沿着对角线的白色和红色带，呈现了较弱或负的相互依赖性。正是这些依赖性决定了职业空间的结构。

职业空间——结构和特点

为了揭示不同职业之间的依赖关系，研究者构建了职业空间的网络结构，如图3所示。图中节点代表不同职业，其颜色对应于图左侧的职业代码，节点的尺寸大小代表由该职业主导的城市的数目；图中的边代表节点之间存在相互依赖性，边的长度越短，相互依赖性越高。

图3（论文原图1C）

从图中可以看出，大多数职业只在少数大都市统计区（小节点）中占主导地位 ，而且其中的许多稀有职业都在相同的大都市统计区中占主导地位，它们表现很强的正依赖性，这些节点形成了职业空间的核心。除此之外，普通职业（较大的节点）与其他职业的相互作用相对较弱，它们大都位于网络的外围。总的来说，这些主导职业形成了一个相当密集的，具有强正相互依赖的网络。值得注意的是，教育业是具有最高正向依赖的职业之一，这揭示了它们在城市经济中的重要性。

富裕的大都市——更独特的职业

图3展示了多个 大都市统计区综合的职业空间，那么具有不同生产力和财富水平的大都市区，它们分别位于职业空间的哪个区域呢？富裕的大都市有什么样的特征呢？

由于人均GDP能够衡量大都市统计区的生产率和财富水平，因此研究者根据2010年人均GDP将大都市统计区分为四类，在每一类中分别考虑其主导职业集合，主导职业集合指的是位置商LQ>1的职业集合。四个类别的职业空间如图4所示，我们发现，随着人均GDP的增加，主导职业集合逐渐朝着职业空间的核心区域靠拢，而且主导职业集合各职业的依赖性也逐渐增加。而且富裕的大都市统计区相对于贫穷的大都市统计区而言，它们的主导职业更为独特。

图4（论文原图2）

城市规模——高产还是多元

研究表明，城市的的规模对于城市的生产力，多样性和专业化程度有很强的关系。那么主导职业的相互依赖性和它们之间存在什么联系呢？

图5显示了规模（用员工总数来衡量）、人均GDP、以及具有负依赖性的主导职业占比（以下简称负依赖性占比）之间的三向关系。图5A表明人均GDP和大都市统计区规模成正相关，图5B表明负依赖性占比和大都市统计区规模成强负相关，图5C表明人均GDP和负依赖性占比成负相关。

图5（论文原图3）

从图5中我们可以推断，较大的城市更有效率，它们的主导职业都比较独特，并具有较低的负依赖性。在相似规模的城市中，具有较低负依赖性的城市往往人均GDP较高。因此，大都市统计区的生产力不仅取决于主导职业集合中包含的职业种类和职业数量，还取决于它们之间的相互依赖性。

职业空间的制约和权衡

生产力，以及主导职业集合的相互依存网络会限制城市未来的经济发展轨迹。从直觉上看，城市更有可能开发与现有主导职业集合中职业具有很强依赖的职业，该职业就会逐渐过渡成为主导职业。那么我们该如何衡量这种过渡潜力呢？为了量化这个概率，研究者提出了一个新的指标——过渡潜力（V）。

过渡潜力——非主导职业的逆袭

过渡潜力V衡量了非主导职业，在下一年度中会变成主导职业的潜力大小。图6A显示，具有更高过渡潜力的职业更有可能占据主导地位。但值得注意的是，虽然较高的过渡潜力有利于该职业占据主导地位，但是这种变化是否有效值得进一步商讨，我们将在下一节中说明。我们从图中还发现了一个有趣的现象，过渡潜力的影响似乎在3年后达到饱和；即使起始的年份不同，这种3年后饱和的模式也存在，显得异常稳健，如图6B所示。

图6（论文原图S7）

经济转型——先走哪步棋

城市的经济转型是一个复杂的问题，我们该如何去衡量经济转型的难度呢？基于此，研究提出了转型难度（θ）指标，该指标衡量了从原始的主导职业集合转型到新的主导职业集合的难度水平。图7展示了转型难度和相应生产率提高之间的关系：更难的转型通常与人均城市GDP的增长有关。然而这一趋势具有很高的不确定性。

图7（论文原图5A）

那么基于一系列与转型相关的过渡性职业，最有效的转型途径是什么？第一个需要转型的职业是什么？上述问题的候选职业应该具备以下两个属性：第一，容易过渡；第二，有助于其他职业进一步过渡。第一个属性可以由过渡潜力V来衡量，而第二个属性就显得略微复杂。基于此，研究者提出了一个新的指标K，该指标表示从给定职业到其他所有过渡职业的平均过渡概率。

图8（论文原图5B）

图8展示了中上层大都市统计区的主导职业集合（图4C）过渡到顶层大都市统计区的主导职业集合（图4D）的过程中，职业第一次过渡的可能性V和后续职业过渡可能性K的关系。从图中我们观察到一条帕雷托边界线，该边界线表明，更容易的第一次过渡似乎伴随着更难的后续过渡。

总结

结构视角增强了我们对城市经济的理解：主导职业的集合，以及这些职业之间的相互依赖关系，它们共同决定了城市经济可能的发展道路，以及这些道路的困难程度。

一个现存的行业很有可能将城市经济中的现有技能转化为职业，并创造一些具有不同技能的新职业。这些职业可能反过来吸引其他行业，从而引发不同的职业集合，这蕴含了一种“互惠的溢出效应”。

本文构建了一个研究城市经济的专业化，多样化和增长过程的工具，本文以GDP作为分析的核心指标，但是本文的框架可以扩展到其他问题上，例如环境质量、健康水平、犯罪率等，这些都可以作为核心指标进行分析。

本文来自微信公众号：集智俱乐部（ID：swarma_org），作者： 鄢鹏高，标题图来自视觉中国