文献来源：Theys, T., Deschacht, N., Adriaenssens, S., & Verhaest, D. (2018). The evolution of inter-regional spatial mismatch in the USA: The role of skills and spatial structure. Urban Studies.
摘要：关于空间不匹配的文献往往侧重于城市或当地劳动力市场的不匹配。本文着眼于当地劳动力市场之间的空间不匹配。使用美国数据，作者研究了1980年至2010年间地区间不匹配的演变以及这种演变在不同技能水平上的变化。由于作者期望劳动力市场中供需的空间结构在这一地理层面发挥核心作用，因此作者开发了空间不匹配指数的扩展，因为标准版本的指数没有考虑这种空间结构。作者的研究结果表明，空间不匹配在过去几十年中一直在增加，这主要归因于空间结构效应。区域间空间不匹配主要影响低技能工作和工人：作者的研究结果表明，相对于高技能工人，低技能工人的空间不匹配程度比率从1980年的二增加到2010年的接近四。
一、研究背景
多年来，许多作者通过不同的方法论方法对空间错配假说进行了检验。大量的文献证实，就业机会在劳动力市场结果中扮演着重要的角色。一些论文解释了为什么距离工作机会的距离会对劳动力市场(少数族裔)工人的机会产生有害影响，这些机制的共同主题是，对于工人和企业来说，搜索和通勤成本随着距离的增加而增加。目前，空间不匹配和工作可达性仍然是重要的主题。除了一些例外，现有文献主要关注区域内空间错配和解决(相对)短距离空间错配的有效政策(即在当地劳动力市场内)。区域间日益扩大的空间不匹配问题将需要使用其他类型的政策，而且更加难以解决。
本文在考虑人口和就业分布空间结构的基础上，提出了空间错配指数的扩展，分析了1980 - 2010年美国区域间空间错配的演变过程。利用大都市统计区域的就业和人口数据，作者研究了空间错配程度的演变是否符合Moretti(2012)关于区域间错配日益加剧的说法。由于这种“大分化”将对低技能工人产生不相称的影响，作者分别计算了整体人口和高技能和低技能人口的价值。然后将空间错配的变化分解为就业分布变化和人口分布变化两部分。
二、研究方案
（1）空间错配指数（SMI）
文献中比较直接的测量空间错配的方法之一是空间错配指数(SMI)。它比较了若干地区单位(如大都市区内的县)上的就业和人口分布，隐式地假设一个地区单位内的人口只能获得该单位内的就业。这些分布越不均匀，空间错配指数的值越大。为了分析区域间空间错配随时间的演变，作者发展了空间错配指数(SMI)的一个扩展，它比较了被划分为n个区域单元的区域内的工作和工人的分布。如果ji是i区域的工作数量单位,pi是i区域的人口规模，j和p是整个地区的总就业人数和人口规模,SMI表示了每个区域单位中人口与就业的份额比较的加总：
（2）距离加权的空间错配指数（DSMI）
首先，作者计算si，即每个区域单位的人口与就业的比例之差，与计算SMI的第一步相同，正si表示相对的人口过剩。然后，每个si都由消除不匹配的努力来加权，后者由从相对过剩的区域单元(起点)到相对短缺的单元(目的地)的距离d来度量。作者假设需要移动的群体通过最小化总移动距离来理性地移动，其中sij是移动者从起点i到终点j的比例，而dij是这些面积单位之间的标准化距离。然后，计算DSMI就变成了一个最小化问题:
其中，
。
（3）数据
本研究的主要分析是在美国城市统计区域(MSAs)的水平上进行的，而数据来自几个县级的来源。做出这一选择的主要原因是时间上的一致性:在作者考虑的时间段(1980-2010年)，MSAs的定义和描述发生了重大变化，但县的情况则要小得多。因此，作者使用2015年MSAs的定义和描述，并使用美国经济分析局(Bureau of Economic Analysis)的数据将各县与这些MSAs联系起来。具体来看，就业数据来自县商业模式数据库,并对低技能(低于高中学历)和高技能(至少四年的大学)进行了区分；每个MSA的位置数据来自美国人口普查局，并使用Stata模块vincenty计算这些区域的中心点之间的距离。
Panel A显示了整个样本的一些描述性统计。除2000年至2010年的就业总人数外，人口总数和就业总人数都在逐年增加，低技能工人在人口中所占的比例随时间急剧下降，而高技能工人所占的比例则朝着相反的方向发展。Panel B显示了样本中378个大都市区域的人口、就业份额与变化的描述性统计。
三、实证检验
表2报告了每十年低技能、高技能和总人口的DSMI。通过比较不同人口群体的总数值，作者可以看到，低技能人群的dsm始终高于高技能人群和总人口数。看看时间的变化，作者看到总人口和高技能人口经历了相反的结果。DSMI在整个人口的每一个时期都在逐步增加，高技能人群的DSMI在每一个时期都在下降。在过去三十年中，人口整体和低技能人群的空间错配增加了，而高技能人群的空间错配减少了。与1980年的高技能人群相比，低技能人群与高技能人群之间的空间错配已经从两倍增加到2010年的近四倍。
在Moretti(2012)提出的框架中，作者假设就业分配的冲击在这一演变过程中发挥了重要作用，低技能和高技能工作从低技能工人数量较多的地区转移到高技能工人数量较多的地区。此外，考虑到高技能工人的流动性更高，作者也可以预期这一群体会追随合适工作的流动，而低技能工人的情况就不那么乐观了。为检查这些期望的有效性,作者将DSMI的变化分解为两部分:一部分是归因于就业分布的变化，第二部分归因于人口分布的变化。就业转移通过一个时期的人口数据和下一个时期的就业数据来衡量，人口转移通过计算DSM指数变化与就业转移之间的差额来衡量。这些分解的结果如表3所示。
从结果来看，作者可以看到，在整个时期内，如果人口分布保持在1980年的水平，那么就业分布的变化将导致人口分布的严重分化。然而，人口分布的同时变化设法在一定程度上抵消了这一影响，尽管造成的空间错配的变化仍然是积极的。分开来看这几十年，作者发现结果更加微妙，表明就业和人口分布的变化在这段时期内部分重合，尽管这些结果仍然显示出与就业转移的强烈背离效应。对于高技能人群，就业转移的影响为正，但接近于零，说明1980年至2010年的就业岗位从高技能人群中转移。然而，这一差距相当小，而且在过去30年人口分布的变化足以弥补这一差距，从而导致了DSMI测量的两种分布之间的总体收敛。不同年代的研究结果再次显示出一种更为微妙的演变。每十年的DSMI、SMI和D值如表4所示。
将SMI和DSMI进行比较，可以发现两个指数的值和演变之间存在着很大的差异，例如1980年至1990年低技能人口的变化，用DSMI来衡量，这种变化要明显得多。更重要的是，SMI报告整个期间的空间错配从6.5%下降到5.7%。然而，根据DSMI，空间错配实际上增加了一倍。不考虑位置驱动的失配会导致对空间失配的某些演化的显著低估。
四、结论
作者研究了Moretti(2012)提出的两个论点:第一，美国地区之间的空间错配程度在过去的几十年中有所上升，第二，这种增长主要影响了低技能人群。由于预期劳动力供求的空间结构将发挥关键作用，作者开发了一个距离加权空间错配指数(DSMI)来检验这些假设。
关于第一个问题，SMI和DSMI的结果有所不同。虽然SMI报告了空间错配的少量减少，但DSMI显示了显著的增加。这种差异说明了在分析中包括距离度量的重要性，并加强了位置驱动因素发挥关键作用的观点。对高技能和低技能人群的研究结果表明，总体水平上升掩盖了技能的变化：1980年至2010年间，高技能人群的空间错配有所减少，而低技能劳动者的空间错配有所增加。2010年，低技能人才面临的空间错配几乎是高技能人才错配的4倍，而1980年这一比例仅为现在的两倍。通过将两组的DSM分解为SMI和距离，作者发现这两个因素都导致了它们之间差距的增大。对就业和人口冲击的分解表明，1980年至2010年期间就业分配的变化与1980年低技能劳动力的分布有很大的差异，但同时发生的人口变动在一定程度上抵消了这种差异。1980年至1990年和1990年至2000年之间每十年的变动很大，这意味着在这些时期开始时，低技能工作不断地从低技能人口的所在地移走。对于高技能人才来说，1980年至2010年就业分布变化的影响是发散的，但影响较小，而同时发生的人口分布变化导致就业与人口分布的趋同。
综上所述，作者的研究结果证实了这两种观点:1980年至2010年，区域间空间错配总体呈上升趋势，低技能人群受到了不成比例的影响，而高技能人群的空间错配程度同时也在下降。
作者：南开大学经济与社会发展研究院2017级博士生 申占恒
核稿：周玉龙 编辑：刘萌
