城市影响力与共享经济发展——基于滴滴出行用户渗透率的经验证据

宋孟起，杨 依

(1.首都经济贸易大学 经济学院，北京 100070；2.北京第二外国语学院 商学院，北京 100024)

依托于多边线上平台而出现的经济形式，统称为共享经济或分享经济。共享经济创造性地将技术、制度与组织相结合，改善了询价成本与信息不对称状况，提升了资源配置效率。如成立于2014年的滴滴出行2019年已跃升成为我国市值第6位的民营企业，市场份额超过70%(1)参见艾瑞咨询发布的《2019年中国共享经济行业及用户研究报告》。。根据国家信息中心数据，2019年我国共享经济市场交易规模为32828亿元，比上年增长11.6%(2)参见我国国家信息中心发布的《中国共享经济发展年度报告(2019)》。。2015年，中央十八届五中全会公报中首次出现“分享经济”概念，2016—2020年，“共享经济”连续5年出现在《政府工作报告》中。2020年《政府工作报告》指出：“发展平台经济、共享经济，更大激发社会创造力。”[1]

以往的文献[2-4]主要立足于监管规制、商业模式或者福利效应研究共享经济。学界已普遍认可共享经济通过经济与技术手段降低了交易费用，使消费者变为产消者，增加了全社会的福利，即“共享经济产生经济效益”[5-6]。然而，共享经济是全新的经济范式，它依赖于城市本身的发展，不能仅仅将其看作依托于互联网的社会闲置资源再分配[7]。本研究将共享经济的发展作为城市影响力提升所带来的结果，并以滴滴出行(以下简称“滴滴”)为例，探究其用户渗透率对城市影响力水平的依存关系。

一、理论假说

自共享经济在我国快速扩张以来，许多文献与公共媒体讨论了共享经济对城市发展的单向影响，多将其视为产生纯粹增量的经济活动，对共享经济本身的发展路径则缺乏关注[2,8-9]。本研究基于以上不足，将共享经济的产生与发展归结为三条路径：技术变革、产业竞争与需求诱导。

其一，技术变革。伴随智能终端与移动互联网的普及，共享经济在我国应运而生。共享经济的产生与发展，多被看作闲置资源的整合利用，其通过移动互联网自动满足甚至创造潜在需求。虽然技术条件是共享经济的物质基础，但其产生也离不开其赖以生存的城市社会条件。有学者[10]认为，有些共享经济分析过度强调技术，或者只是严格要求对闲置资源进行利用，如果能做到不增加新资源，理论上的共享经济或许更好，但很难立即做到。

其二，产业竞争。交通出行方面，我国城市公共交通及巡游出租车服务主要由国企或准国企提供。汽车租赁业务在改革开放前已存在，虽然伴随旅游业的发展，汽车租赁业务近年来保持近20%的年增长率(3)参见上海交通大学我国发展研究院2019年发布的《滴滴“城市发展指数”报告》。，但其仅满足长途的、中长期的、有目的有计划的旅游或商务出行需求，难以对共享出行形成有效替代。共享出行在我国出现不足十年，不是基于竞争而产生的新业态。因此，把共享经济仅仅看作由于产业竞争与经营压力而出现的商业模式创新的观点不尽合理。

其三，需求诱导。城市日益增长的出行需求与传统出行服务发展的相对滞后，是推动共享经济发展的核心要素。就共享出行而言，其产生与发展主要基于如下历史原因与我国社会发展现实：第一次和第二次工业革命的技术基础设施，为城市扩张了人口容量，提升了生产与物流效率，并促进了人口在城市的集聚与就业。如今，移动互联网甚至物联网为城市发展构建起虚拟的网络，使大多数经济组成部分的边际成本几乎降为零。以共享出行来看，消费者的中短途出行需求不断提升且多元化，城市私营企业便顺应此需求，开始提供基于个体需求的出行服务，共享出行由此诞生。2012年以来，我国城市人口快速增长，居民的需求日益多元化，这与城市服务水平提高相对缓慢的矛盾加速了滴滴等共享企业的扩张。罗兰贝格咨询公司指出，我国大城市消费者的个人出行需求不能得到有效满足。以北京市为例，2003年至2019年，北京市常住人口增加近800万，十几年间出租车数量一直停滞在六万多辆(4)参见国家统计局城市社会经济调查司发布的《中国城市统计年鉴2020》。，增长极其缓慢。因此，共享出行不是城市发展的推动者，而是城市影响力提升的获益者，城市消费者需求的扩张诱发了共享出行的渗透发展。综上观点，本研究提出如下假说：

城市影响力的扩张对共享出行的发展具有显著的促进作用。

二、实证模型与描述统计

(一)实证模型

滴滴出行用户渗透率(以下简称“用户渗透率”)作为衡量共享出行发展的重要指标，是本研究的被解释变量。为增强结果的稳健性，本研究同时使用城市订单量与城市订单收入作为被解释变量的代理表达。借鉴既有文献[11-12]的研究方法，本研究构建城市影响力对用户渗透率的模型为

peni=β0+β1infi+β2Xi+εi,

(1)

其中：被解释变量peni是城市i的用户渗透率；infi为城市影响力，是本研究的核心解释变量；Xi为控制变量。本研究的控制变量包含以下6项：gdpi表示城市i的人均GDP；roadi表示城市i的全年公路客运量；quai表示城市居民出行质量；crei表示城市交通出行信用；trai表示城市通行路况；seri表示公共服务便利性。

为剔除变量单位差异及异方差的影响，上述所有变量都经过标准化处理。经过标准化处理的变量，最大值为10，最小值为0。处理方式[13]为

(2)

(二)变量测度

直接法根据滴滴注册用户(乘客)数在城市总常住人口中所占的比重来衡量用户渗透率，本研究主要采用这种测度方式。直接法测度结果在某些情况下会受到质疑，原因是注册账户不能完全代表所衡量城市的实际乘车人次。注册用户存在一定的“僵尸账户”，甚至存在部分用户受广告营销影响而注册，历史实际乘车次数不超过1次的现象。因此，本研究使用滴滴的“城市总订单量ord”与“城市总成交额gmv”衡量用户渗透率，将此结果与直接法测度结果进行对比，考察用户渗透率测度方式的不同是否影响了估计结果。

本研究选择我国社会科学院城市与竞争力研究中心2019年发布的《中国城市竞争力报告》的数据衡量城市发展水平，在稳健性检验部分采用《滴滴“城市发展指数”报告》中行业角度设计的城市影响力度量方式，从而考察城市影响力测度方式的改变是否影响了实证结果。

(三)数据与描述性统计

本研究使用的大部分数据来自《滴滴“城市发展指数”报告》的原始数据集，人口、道路交通状况等数据来自《中国城市统计年鉴》与各省(自治区、直辖市)统计年鉴。城市影响力相关数据来自我国社会科学院城市与竞争力研究中心2019年发布的《中国城市竞争力报告》(5)参见我国社会科学院2019年发布的《中国城市竞争力报告》。。因山西省各地市公路客运量数据缺失，故将该省公路客运量按各地市GDP省内占比分摊；拉萨等部分城市因数据缺失而被剔除。本研究包含207个地市样本的截面数据。

表1为描述性统计。由表1可知，全样本的用户渗透率均值为1.7855，其中东部地区最高，为2.4999，中部地区最低，为1.2262。城市影响力全样本均值为1.3744，其中东部地区最高，为1.5011，中部地区最低，为1.1082。

表1 描述性统计

三、基础回归结果

表2为基础回归结果。它报告了式(1)的参数估计结果。对被解释变量无论采用何种测度方式，城市影响力都与用户渗透率存在显著的正相关关系，这证实了假说。例如，在表2第(1)列直接法测度中，参数估计值为0.6774，即城市影响力每提升1%，滴滴对该城市的用户渗透率将提升0.6774%。评估这一结果经济意义的另一角度是间接法。表2第(2)列显示，城市影响力每提升1%，滴滴在该城市的订单量将提升0.7256%。这种关系实际反映了滴滴在我国各城市发展壮大阶段的扩张趋势。与实证研究一致，截至2017年，滴滴订单量达74.3亿单(6)参见上海交通大学我国发展研究院2019年发布的《滴滴“城市发展指数”报告》。，2014—2018年，世界百强城市中，我国城市数量由7个增长到20个(7)参见我国社会科学院2019发布的《中国城市竞争力报告》。。

表2 基础回归结果

OLS估计结果可能由于存在内生性而不一致。以第(1)列为例，选取北京与邢台两个城市。二者地理位置接近，用户渗透率与城市影响力北京的位于75%分位以上，邢台的位于25%分位以下。两城市的城市影响力inf的差距为5.8112-1.1738=4.6374，系数0.6774意味着城市影响力导致两城市的用户渗透率拟合值相差约3.1413点。而两者用户渗透率真实观测值pen的差距为6.3705点，相差超过1倍。换言之，如果表1中的因果关系是成立的，将邢台的城市影响力提升到北京的水平，邢台的用户渗透率可以显著提高，但与北京相比仍有差距。

四、稳健性检验

(一)城市影响力测度的变更

参照《滴滴“城市发展指数”报告》，本研究采用两项指标的复合方式测度城市影响力。指标之一是城市一体化程度int，利用滴滴跨城订单占总订单的比重度量，因为跨城订单可以较好地衡量一个城市对周边城市的经济辐射力和影响力。指标之二是城市人口吸引力att，以春节过后各城市人口流入数量度量。该报告建议的权重是城市一体化程度为0.45，城市人口吸引力为0.55，所以城市影响力的测度方式为

peni=0.45inti+0.55atti。

(3)

对式(3)的估计结果显示，二者关系仍然显著(p=0.006)，且经济相关性由0.6774下降至0.3404。这证实了二者关系的显著性。

(二)地区异质性

我国经济与城市发展表现出显著的地区差异，东部地区发展较快，其次为中部，西部地区相对滞后，使用式(4)进行包含地区异质性的回归分析。根据国家发展改革委员会《国民经济和社会发展第七个五年计划》至今的划分标准，将地区虚拟变量D1、D2加入式(4)

peni=β0+β1infi+β2Xi+D1+D2+εi。

(4)

若城市属于东部地区，则D1取1，若城市属于中部(含东北)地区，则D2取1。对式(4)的估计结果显示，变量inf估计值为0.6762且在1%水平下显著，而地区虚拟变量D1与D2均不显著(t统计量分别为1.30与0.88)，所以这种相关关系不存在显著的地区异质性。

(三)内生性问题

简单的OLS回归分析表明，城市影响力与用户渗透率存在显著的正相关关系，但这不足以体现二者的因果关系。城市影响力的提升能带动共享出行的发展，共享出行渗透率的增加也在一定程度上提升了城市影响力。排除内生性的方法是寻找用户渗透率的外生影响因素，并使用工具变量法进行估计。

基于数据的可得性，将各城市常住人口人均绿地面积与城市影响力水平进行回归，结果显示，两者存在高度显著的关系(回归系数及其t统计量分别为0.30与3.77)。为克服弱工具变量导致2SLS估计的不一致，本研究对工具变量与内生变量的相关性进行检验，结果显示，二者高度相关且F统计量为12.20。因此，该工具变量具有理想的统计特征。

为进一步剔除外生性可能对结果产生的影响，根据上述地区异质性分析，我国城市的影响力客观上存在显著的地区差异，但地区虚拟变量对用户渗透率的关系不显著，故满足相关性与外生性。过度识别检验的结果也显示，若将城市常住人口人均绿地面积、地区虚拟变量D1与D2同时作为工具变量，则可以保证三者的外生性(p=0.4731)。

通过对比表3中OLS与两种IV方法的估计结果发现，使用LIML估计，变量的显著性与2SLS几乎保持一致。对比OLS基准回归，城市影响力的参数估计结果出现一定上升，这表明由于内生性的影响，城市影响力对用户渗透率的影响被低估。仍以北京与邢台为例，此时城市影响力导致两城市的用户渗透率inf的估计值相差4.6374，相对于OLS结果更加接近真实样本观测值之差。

表3 工具变量法估计结果

五、结论及政策建议

共享经济为城市消费者带来丰富且相对廉价的产品供给，从共享出行到共享住宿、共享教育与共享医疗。这些产品过去大多只由国企或准国企供给，而不是由新兴民营企业供给。本研究提供的实证证据表明，共享经济依赖于城市影响力的提升，而不是像前期文献中所主张的那样，仅依赖技术并产生纯粹的增量经济活动。以滴滴为例，本研究估计城市影响力的提升对用户渗透率会产生可量化的正向影响，这种影响不具有明显的地区差异。对共享经济的研究与评价，应当以城市发展及市场需求为根本，而不是过度强调技术的作用。

本研究的政策建议如下：不论是国家还是各地区各城市，制定适应新业态发展的宏观政策，不是仅仅强调监管，而是实现从监管向治理的转变。其一是加强城市硬实力的建设，如加快共享经济所需的基础设施、人力资源、公共环境建设；其二是促进城市软环境的提质升级，如建立由大规模单一中心向去中心化转变的营商环境与治理体系，建立鼓励个体间相互评价的社会信用体系。无论是面对短期冲击还是长期经济下行压力，共享经济都将为我国经济稳增长、稳就业、扩内需提供新的解决方案。随着新旧增长动能的转换，未来我国将会有更多城市与个体不断参与进来，使共享经济的发展道路愈发宽广。