【空间经济学】十维空间模型的基本原理和功能扩展|盛洪

十维空间模型的基本原理和功能扩展

——2020115日在既交防疫又要交易研讨会上的发言

盛洪

我就不再就这个模型本身多说了。我现在想说的是,这个模型有巨大的开发潜力,它的用途可以更进一步地推广。

这是我的一篇论文“交易与城市”。我们这个模型的基本原理在这篇文章里都讲了,当然很多技术细节可能还需要具体去研究、具体去开拓,基本逻辑是这个逻辑。这是在《制度经济学研究》2013年第3期上登的一篇论文,我这也给出了链接。这在我的博客上都有,包括中文和英文的,上面这个链接是中文的(https://wordpress.com/read/blogs/123184735/posts/174),下面链接是英文的(https://wordpress.com/read/feeds/108245147/posts/2868018358)。

背后这些理论的文献,我们开发这个模型的基础是什么?

一是空间经济学,主要是藤田昌久和克鲁德曼等人的《空间经济学——城市、区域与国际贸易》,非常经典,克鲁德曼在这方面写了很多东西,应该说这本书还是比较经典的,这也是有中文的。

还有一本书是康芒斯的《制度经济学》,这本书其实比较难读。这本书有一句话特别关键,能理解我们这个模型。他说制度的基本单位就是交易,这最重要。我们这个模型的基本单位就是交易。那么,交易的同时又是空间经济学的基本单位,这个很重要。它是制度的基本单位,又是空间经济学的基本单位,都是交易。

所以说,由于以交易为单位,所以我们这个模型可以做到同时用空间经济学和制度经济学进行分析,这是很重要的。

还有一本书是我主编的,就是《现代制度经济学》。其中有科斯、诺思、张五常这些人的经典论文,这就不用多说了。交易费用理论、制度影响效率等等。我就简单介绍一下这些,不多说,因为大家都是很有学问的人了,可以去看。

第二,讲一讲我们为什么能够扩展?

刚才讲过这个模型的核心概念是交易,它又是一个分析的基本单位,也是我们计算的基本单位,所以这是基于交易的,这是第一个概念。

第二个概念,影响交易频率的其实是集聚,即集聚程度。反过来一个词是“人口密度”,人口密度越高,交易频率越高,人和人之间交往的可能性越大。

也就是说,只要符合交易,只要符合集聚,不仅是人和人的商品交易,任何的交易和任何人和人之间通过交易的集聚都可以用这个模型来研究和分析。所以我后面讲的很多都是交易或集聚,比如说分工、城市、感染、信息或互联网。刚才讲因为城市最大的特点实际上是集聚,集聚带来的结果是交易频率的上升,这是很重要的,所以跟交易也是有关的。

感染也是,我们涉及到了新冠疫情。为什么能用这个模型去研究新冠疫情呢?病毒是通过人们之间的交往,也可以叫交易(Transaction)来传染,很简单。信息也是如此,也是人和人之间交往,不见得是在现实空间中交往,而且是在网络空间上交往。信息也是,虚拟城市的道理是一样的,在互联网上的集聚形成的。

所以我们的功能扩展可以有很多方面,一是公共防疫可以扩展,还有信息传播可以扩展,还有互联网的估值可以扩展。同时,还有一个很有意思的事情,一个集聚同时带来的拥挤外部性,实体城市肯定是有拥挤外部性的,开车也好,坐车也好,会拥挤。拥挤外部性跟地租相关,其实它是所谓当事人的地租。当然还有另外一个地租,那个地租实际上是级差地租,是不同地块之间销售额的差额,是土地所有者的地租,那个可能会更复杂。我是在城市边缘区域居住,然后每天乘车到城市中心上班呢,还是住在城市里?这是一个替代,这样也可以估计房价和地价。

我就介绍几个扩展。一个扩展,我是在新冠疫情暴发不久就写了一篇文章,“既要防疫又要交易”。我是在《FT中文网》上发的,后面这两个链接都是在我博客上的链接(https://wordpress.com/read/blogs/123184735/posts/968),也翻译成英文了(https://nestofspring.net/2020/02/15/spatial-economics-we-need-transactions-while-epidemic-prevention/)。

这个分析依据实体交易和感染之间的共同特征,其实就是人之间的互动,它又帮助你去交易和分工,说白了是帮助你赚钱;另一方面呢,又帮助病毒去感染你,这两者是一个东西。关键在于,我们现在想的是怎么样能够又要赚钱,又要保持交易、保持分工,又不要被感染,其实这是这篇文章的思路。

这篇文章当时做这个模拟分析。我们是模拟武汉。武汉到了23号封城的时候,我们假设人和人的互动只是原来的1%,那么GDP马上就下来了,这是能看出来的,只有原来可能不到1%了。这是感染人数的指数,这些都是指数,都不是实际的绝对数。到封城以后呢,假如不封城,指数就这么快涨涨到这了。封城以后就慢了,涨到这了,这是当时的分析。

所以,很快就拿着这个模型做了这样一个模拟。当然现在看这个模型,我还是说我们这个模型又往前走了一步,原来模拟还有点缺陷。不过,告诉大家可以拿这个同时来模拟这两件事情,找出方法怎么样能够既要防疫又要交易,就是这个道理。

后来我又做了一个分析。当时我提了一个口号,“要把基本传染数降到1以下”。什么意思呢?基本传染数就是一个人传染多少人,当时钟南山团队讲大概基本传染数是3.77,即1个人传染3.77个人,那肯定是暴发式的。但要降到1以下就不一样了,这是做了一个比较。

拿武汉来作为例子,假如还是3.77,确实是迅速就传染开来了,暴发是12月底到1月,很快地这条曲线就往上跳,如图中蓝色曲线。假如是低于1呢?实际上是很平稳的,如图中橙色曲线。这是累计的感染人数。

下边这条线也是假设武汉的情形。如果在1月23日基本传染数降到0.94,即低于1,那么会是什么情况?它就会逐渐下降,这个横轴大概有361,代表361天。361天的时候累计的感染人数不断地下降,大家知道结果就是最后把病毒消灭掉了。但是不是马上消灭,不是速战速决,只要把基本传染数控制在1以下就是这个趋势。

所以,这也是引进的一个考虑。基本传染数是会变的。它实际上是等于自然因素系数乘以社会因素系数。自然因素系数基本上是和病毒本身的特性有关,它能够迅速地、非常灵敏地去从一个人跳到另一个人身上。社会因素也很重要,社会因素是什么?社会因素就是人和人的交往。也就是说,现代社会跟10世纪的社会相比,人和人之间的交往要多得多,因为现在人和人的交易频率要高得多,人口密度要高得多,所以这个社会因素系数也很重要。

我在这里强调,我们不能改变自然因素系数,但可以改变社会因素系数。假如我们认为钟南山说的3.77是对的,那我们现在做什么事呢?把交往频率降到正常水平的1/4,基本传染数就降为0.94,变成1以下了。

我们只要保证这一点,其实就能保证逐渐地使得基本传染数低于1,使得新冠病毒疫情被控制住。这是这篇文章,题目是“抗击新冠的适宜目标是将基本传染数降到1以下”,也是我的博客上都有的(https://wordpress.com/read/blogs/123184735/posts/1245)。链接也有英文的(https://wordpress.com/read/blogs/123351621/posts/529),我这放到ResearchGate上面,看的人很多,50多人。作为一个学术论文,这就算不少。

我现在坚信我这个构想特别对,是因为现在出现了无症状携带病毒,没办法,不知道,怎么办?你总得假设所有人都可能有,所以只能是用这种方法。

用这个模型做这个模拟,这个模拟提出了几个方法,在不降低交易频率,能保持GDP不变的情况下怎么能够降低基本传染数,同时能够控制住整个疫情,最后走向把病毒消灭掉。

这里就讲了有几种:

第一种最简单,减少不必要的交往,有时候没必要,跟朋友去逛街,百无聊赖,那都减少了,假设这可能减少了20%的交往。

第二种,尽量去用非面对面的交易,更多地依赖于网络,说白了这很简单,非面对面的。现在交易不见得非得是面对面的,完全可以通过网络。而实际上事实证明,据说新冠以来这些电子商务平台都赚大钱了。

所以就是这样,大家都能看得到,为了安全采用网购,快递送到你这个小区,搁到快递柜里了,到时候去取就完了。这是第二种方法。当然我这些都是模拟。这是100%的正常交易频率,这是在不减少任何交往的情况下,是垂直这条线。旁边浅绿色这条线就是“减少不必要的交往”,向右边倾斜了。

借重“非面对面的交易”,又往右倾斜了。再下一步就叫“不接触交易”,你不得不到零售店,不得不到饭馆吃饭,这些都是可以的。零售店可以自主结账,像超市可以自主结账。饭馆现在有自动送餐,大家都看到了饭馆有一个小机器人送餐,这些也都能做,也是在迅速发展。我看很多地方都有,包括咖啡厅或者饭馆很多都有自动送餐的,这样又减少了不少接触。

再有,到“保持社交距离”以后,大家看它这条感染人数指数线的变化已经是低于100%了,基本传染数是低于1了。这都是指数,趋势是往下降的,这条线是受感染人数的线,是往下降的。要是沿着这条线走,那肯定不断地往下走,最后受感染人数就没了。

而这个想法关键在于,我告诉大家我们不需要封城,不需要把小区给封上。当然这里还没有谈到戴口罩,刚才跟业进讨论了半天戴口罩。戴口罩更好,模型的方法之一有“戴口罩”,但没有输入数据。这很多也是假设的数据,但道理是这个道理。面对这样一个疫情不是那么严重,现在无论是中国还是外国一个最大的问题在于,一要防疫,饭馆就不开了,我们就失业了,就没有收入了。这两者之间的矛盾很大。而我们现在要解决这个矛盾。我们要用这种模型方法告诉大家,我用什么样的方法,假如有更多的经验数据的话就更好办了。我就告诉大家,其实这都是行为规则,我们采取什么样的行为规则能够保持原有的有效交易,同时要降低感染的概率,就是变成这个逻辑。

所以我说,这个研究还是很有价值、很有意义的。而且确实有很多国家或地区有类似的情况,例如瑞典、新加坡、台湾等等,相对来讲还是做的不错的。不像中国大陆这样,像武汉这种情况把小区都给封了,这是有问题的。

武汉百步亭在1月18日搞万家宴,大家都知道。他们辩解说“没有一个受感染的”,我认为那是胡说八道。但我们不能凭空去说,我也没证据,但根据模型分析、根据概率,结果应该是这样的。所以我觉得,拿这个模型做这样一个很简单的模拟。下边这个图就是百步亭万家宴的示意图,这个高度都是它的感染人数,所以突兀出来这一块,这也是做了一个分析。

这篇文章的题目是“武汉百步亭社区举行万家宴对病毒传染的影响模拟”。这也是有中文的文章(https://wordpress.com/read/blogs/123184735/posts/99)和英文的文章(https://wordpress.com/read/blogs/123351621/posts/488)。

下面这张图是最后做了一点对比,左边是不举行万家宴的,右边是举行万家宴的,做了一个对比。

另一个扩展,是对要素报酬的预测。比如我们用这个模型规划10年,下面左边这张图是规划的基期,右边这张图是终期,两个相隔10年。大家看到肯定它的体量、规模是不一样的,人口密度、高度,也可能是GDP的密度,按单位面积的那么一个量叫“密度”。那么,10年以后发展成这个样子了。

我刚才说拥挤外部性,就相当于地租对应的一个概念,我们是完全可以来预测10年以后房价的变化是什么样。这都是指数了,因为没有具体数据。将来我们要具体的,有经验的数据,比如这个城市的具体数据输入进去,才能有后面的结果。现在我们都是假设,所以我们说指数是这样。这两个数值现在都是往上跳的,蓝线是最高房价,10年后涨得更高了。红色的是平均房价,10年以后平均房价是往上涨的。

劳动报酬变化也是这样的,因为我们现在就是按照经济学最简单的假设,三要素(土地、劳动、资本)。我能知道土地报酬,也能通过某些经验因素知道劳动报酬,将增加值减去这两项就是资本报酬。刚才国栋讲,我们能够知道投资回报,比如说对于一个区域投资,一个综合开发的区域或者商业中心,完全可以做到对资本报酬的预估。资本回报也在变,也就是说,这个模型能做到对于要素报酬的估计和要素报酬变化的预测。

再有,对电子零售额的预测。我刚才讲,我们网上比如像淘宝、京东、当当、亚马逊,都叫虚拟城市,体现的就是集聚,只不过这种集聚不是实体空间中的集聚,是在网上的集聚。很简单,你就看浏览量是多少,这个指标跟实体空间中的集聚和密度性质是完全一样的。所以我们这个模型完全可以做到,挪过来就可以预测网上的一些变化。

当然,这篇文章刚才国栋也提到过,题目叫《移动互联网的经济史性质》,这是在2017年在《学术界》上发的。这蓝色的柱子是当时已经发生的数据,我们做的这个回归公式的数据依据,所以它肯定吻合很好。主要要看2015年之后的数,即那些绿色的柱子,因为那只是依据到2015年数据的回归,在此之后估计也不是特别准。那天我看了一下,到了2019年,估计误差好像是6%以下。这很不错了。我现在仍然要谨慎地说这是蒙的。因为我一直不太相信预测,当时也没有想要给预测,只是想说明一个问题。我一看这个公式还是挺棒的,就是回归,你可以先回归,然后你可以再调整。所以你去搞一个函数的话,其实也是在调,这个参数高点、这个参数低点。没法把它当回事儿,因为这个东西你说弄准了那都是小概率,好像还准儿点,跟大家说一下。

刚才国栋说的前海产业规划的数字也特别近,也挺奇怪,因为那都可以回头看当时的那个规划,数字摆在那了。这是2017年的文章,大家可以到那去看,一看居然这个数字差不多。所以我只能说这个模型和这个思路的潜力非常大,能够扩展到对虚拟空间的,因为它只要具有集聚性质就能拿来做分析,甚至能做某些预测,所以讲的是这个意思。

好,我就讲到这,谢谢大家!

作者: flourish378

经济学家,儒家。

发表评论

Fill in your details below or click an icon to log in:

WordPress.com 徽标

您正在使用您的 WordPress.com 账号评论。 注销 /  更改 )

Google photo

您正在使用您的 Google 账号评论。 注销 /  更改 )

Twitter picture

您正在使用您的 Twitter 账号评论。 注销 /  更改 )

Facebook photo

您正在使用您的 Facebook 账号评论。 注销 /  更改 )

Connecting to %s