2018 年计量经济学会弗里希奖授予论文《密度经济学：柏林墙的启示》，对城市经济学研究有什么启示？第1页

divinites 网友的相关建议:

谢邀。城市内的经济活动是高度不均衡的。即便是在大都市，如北京和上海，有灯红酒绿，花天酒地的地方，也有恬静自如，冷清自许的角落。这些经济活动让城市变得更加的多彩，也从内在决定了城市的规模和城市的内部结构。甚至于——也决定了交通规划，税收等国家大计。

而题目中的这篇文章: The Economics of Density: Evidence from he Berlin Wall 就解释了城市经济活动的内生机理，同时用柏林墙的建成和倒塌之间的历史范围内，柏林的经济活动数据进行了验证。

以前也有研究城市经济学的，最早的模型很简单，就是假设城市是单中心的，有一个CBD，然后工作人员独立的决定住在离CBD多远的地方。和这篇文章相比，自由度就太小了。这篇文中的模型建构了一个多中心的，每个中心都有自己不同特征的城市的内在结构，然后依然保持模型的可解性，同时和贸易理论里面常用的引力模型保持了一致。

当然，最主要的贡献，还是本篇文章开了城市内经济活动分析的先河。之前的经济分析往往是基于地域和城市间的，但是这篇文章用高超的建模技巧，对城市内部的经济活动，地域特征，人员流动进行了内生化，相当于用一个非常一般化的框架提供了解释城市内部地价、经济活动和人力流动的工具。大部分的经济学论文其实并没有太多能让人一眼看上去『哇，原来是这样』的因素，这篇文章模型的技巧非常有可圈点之处，但是门槛较高。同时还用柏林墙的建成和倒塌做了验证——当然结果符合理论模型的预测，不然也不会发表了^_^

下图就是文中柏林的地价变化，越深的地方价格越高。我们可以明显的看到，在东西柏林分界之后，西柏林的地价迅速非常显著的影响，从1936到1986，地价发生了非常有意思的变化，按照文中的说法，就是地价的梯度发生了变化，变得更加均匀了。而到了2006年两德合一，柏林墙一拆，又有一定程度的逆转。

这些都是我们肉眼能观察到的现象，道理用文字表述出来，也大约能明白是怎么回事。而这篇文章的厉害之处，就是用一个内在的数理的、可以用数据代入估计和验证的理论模型把这一切表达了出来。让我们可以用这个模型去分析其他城市的人口和经济活动的变迁。

题外话： Econometrica这本杂志是计量经济学学会的会刊，一般刊登的都是较为抽象化的经济和计量的理论。而城市经济学本身属于具体的领域，其领域内的顶级刊物是Journal of Urban Economics. 一般来说，以具体领域为出发点能发表在Econometrica上面的，要比抽象的理论发表难度更难一些，这也从侧面说明了这篇文章的一些价值。

wagonqq 网友的相关建议:

我的理解跟最高票答案有点不太一样。[捂脸]

众所周知，在空间经济、城市经济、区域经济、甚至经济增长文章中，agglomeration 虽然存在广泛争议，但也似乎被很多经济学家默认存在--尽管存在的具体形式有所不同。从理论模型的角度来讲，无论具体形式如何，往往会导致多重均衡，这也许在求解析解上面会带来些难度，但是计算机方面的发展，让数值解多重均衡变得越来越轻松方便，也让对多重均衡的经济学讨论变得越来越没那么受关注。一项很有名的研究中，Allen Arkolakis (2014)的讨论了不同参数值(不同形式的agglomeration强度)对于均衡存在性、唯一性(多重性)。

然而，多重均衡的存在对结构估计的打击，在某种程度上面来说，是致命的。结构估计的识别要求从观测到的数据与模型中未观测到的变量之间是one-to-one mapping。在大多数，并非所有，情况下，唯一均衡可以保证做到这一点；相应地，在绝大多数的情况下，多重均衡将破坏这个识别。部分地得益于数据，作者们聪明地绕过对均衡多重性的讨论，在充分利用所得数据中含有的变量的基础上，识别了这个模型。如果跟踪最近10-15年的区域、城市，特别是贸易的文献，会发现这篇文章建模技巧并不怎么富有新意，而在识别上面的心思可谓妙到颠毫。

我们可以把这种工作标记为THE state-of-the-art structural spatial。以前在知乎上看到有人说这类工作有越弄越复杂，向传统CGE靠拢的趋势。我只能说，这绝对是一个严重的误解。CGE中的参数值几乎完全不知道来源，甚至可能对参数值组合下的均衡多重性都缺乏严谨的讨论，更别提模型、参数值的识别了。那类工作对数据的拟合肯定没太大问题，只是可以找到很多不同组合的参数，它们同样可以拟合好数据，不同组合的参数对延伸的预测和福利估计也可能存在明显差异。而state-of-the-art spatial models的任务(之一)是将参数值的识别、估计更科学化，并兼具拓展性和可讨论性，从而对福利变化的估计，在保持微观基础的条件下，也更明朗化。

识别之后才是估计的问题。估计就不仅需要数据可得，还要求数据中变量的variation足够好，构建的矩条件针对相应参数具有足够多的信息和灵敏度。作者们充分利用柏林城的分割和再融合两起准自然实验带来的数据中重要变量的variation，主要是各变量在地理上的梯度分布的变化。长达几十年的跨度，很容易相信经济活动的重新分布是由模型中的(长期)机制而非其他短期的调整导致的。他们发现柏林城的分割导致了原先靠近CBD的区域经历的地价下降更明显；而柏林城再度融合，尽管没有带来更好的variation，相对梯度也没有回到分裂之前情形，但是正好隐隐指向多重均衡存在的可能性。显然，无论是分割还是回归，数据里的variation都是不错的。即便作者们没有做sensitivity和informativeness的分析，还是很容易让读者相信他们的结果。

文章的结果当然是存在显著的集聚效应，基于参数值，作者们还提供了一系列有趣的政策实验，比如提高公共交通效率会导致当地城市的经济活动分布发生什么变化，会吸引劳动力从其他城市流入等等。在执行结构估计之前，他们还做了一些reduced-form的检验，我觉得对这部分的结果也没必要太费笔墨，作为读者我也不会特别严肃认真对待。毕竟Adão, Kolesár, Morales (2019)都说了，传统的treatment都没怎么考虑地理上经济活动之间的correlation或者说是network effect，这些复杂的关系，往往不是reduced form的一个回归就可以说得清楚的。

(本来还有好多话要讲，回头一看发现写得可读性太差了。研究小弱我还是乖乖搬砖去了。。。)

REFERENCE

Aão, Rodrigo, Michal Kolesár, Eduardo Morales (2019), "Shift-Share Designs: Theory and Inference," Chicago Booth Working Paper.

2018 年计量经济学会弗里希奖授予论文《密度经济学：柏林墙的启示》，对城市经济学研究有什么启示？的其他答案点击这里