本文基于布达佩斯140万台移动设备的细粒度时空数据与企业行政记录,比较2020年开放期和宵禁期的工作场所出勤变化,识别工作场所依赖的行业、企业、社会经济与空间决定因素。研究发现,企业生产率、行业构成和工作地点距离是重要解释变量;知识密集型服务及高生产率企业更容易转向远程办公,而初级、制造业、商业等行业更依赖现场出勤。女性占比高、收入结构多元的地点具有更高的工作场所依赖,且这一关系在城市中心附近最为显著,形成面向女性及低收入服务劳动者的“服务陷阱”。
报告的核心概念是“工作场所依赖”(Workplace Dependence,WPD),即在远程办公被广泛允许之后,某个地点仍然需要实体到岗的程度。作者把WPD视为远程办公潜力的反面:远程办公能力越强,限制期间现场工作人数下降越明显;反之,若人数保持稳定甚至增加,则说明该地点或其产业功能更依赖实体劳动。
全文最重要的结论是:工作场所是否持续存在,不仅由行业决定,也由城市位置、企业生产率、白天人口的性别结构和收入结构共同决定。中心区域的高生产率、知识密集型办公地点在宵禁期间大量“空心化”,而外围制造、物流、商业等地点更具实体依赖性;但中心仍然残留了大量女性占多数、收入更加多元、面向消费者和其他办公人群提供线下服务的劳动者,由此形成作者所称的城市核心“服务陷阱”(service trap)。
作者首先将COVID-19视为一场非计划的远程办公实验。高技能、高收入、男性占比较高的行业更容易转向居家或混合办公,而需要面对面服务、照护、零售、制造和物流的劳动者则缺乏这种选择,并承担更高的健康风险和通勤成本。
这一变化并非只影响个人,也改变了城市经济系统。中心城区原本依靠办公人群支撑的零售、餐饮、交通、商业地产和社会交往受到冲击;与此同时,外围居住区因居民在家工作而获得更多本地消费,形成所谓“甜甜圈效应”(Donut Effect)。该概念指城市中心活动减少、外围活动相对增加的空间重构。
作者进一步强调,城市中心具有双重属性:一方面集中高生产率企业和高技能工作,另一方面也是不同收入群体进行社会接触、消费和共享城市设施的场所。因此,当远程能力较强的白领离开中心,而面向客户的服务劳动者仍然留在中心时,中心的社会混合并不一定增加,反而可能被削弱。
既有研究通常根据职业分类推断“哪些工作可以在家完成”,或依赖问卷调查分析远程办公意愿,但这类方法难以直接观察具体地点和企业在实际限制期间是否仍然有人到岗。本文的创新在于从“工作场所一侧”测量远程办公残余,即观察哪些地点和产业在限制期间仍保留实体工作活动。
研究使用布达佩斯约140万台移动设备的纵向定位数据,将2020年9月至10月的开放期与2020年11月至12月的严格宵禁期进行比较。11月11日开始实施晚上8点宵禁、学校转为线上教学,为识别实体工作依赖提供了相对清晰的外部冲击。
移动数据来自Magyar Telekom,以约100米级空间网格和小时频率记录设备活动,并根据访问频率识别工作地点和居住地点,同时提供匿名化的性别、收入和行为分类信息。企业数据来自OPTEN,覆盖2018—2020年的企业注册信息,包括企业数量、行业和收入/雇员等信息。
布达佩斯共有178,374家注册企业,其中29,409家雇员超过3人的企业被纳入匹配;它们与34,516个H3六边形中的8,861个地点匹配。平均每个匹配地点约有3家公司和89名雇员,但分布显著右偏,意味着少数核心地点聚集了大量企业和就业。
作者使用2018年企业数据,主要是为了避免将疫情期间供应链冲击、企业关闭和就业流失误认为正常的企业空间结构。
报告将地点 (i) 的工作场所依赖定义为:
[ WPD_i=N^{curfew}_i-N^{open}_i ]
其中,(N^{open}_i)是开放期工作时间的现场人数,(N^{curfew}_i)是宵禁期现场人数。负值表示现场人数下降,意味着地点较容易转向远程工作;正值则意味着现场劳动得以保持或增加。
该指标有一个重要解释边界:WPD的正负变化既可能来自远程办公能力,也可能来自法律规定的停业、行业需求变化、季节性或疫情造成的企业关闭。因此,作者在回归中控制了行业、基准工作活动、企业生产率、地点距离和空间工作模式,以尽量分离这些因素。
图1a将地点划分为三个工作节律类别:
图1a中,开放期与宵禁期曲线的差异揭示了不同地点对限制措施的响应。日班地点在工作日白天出现明显下降,说明其办公功能更容易远程化;周末班地点在宵禁期间部分时段反而表现出较高活动,说明工业和非标准工作功能不但没有同步消失,甚至可能因活动转移或其他运营安排而增加。
图1b把这三个聚类映射到布达佩斯空间上。日班和混合班主要集中在城市中心及其周边,周末班更多位于外围,这支持了城市中心办公、外围工业的空间分工,但也显示中心内部并非完全同质,存在不同节律的微观区域。
图1c显示工作活动与企业数量的对数关系整体为正,相关系数为0.475,(R^2=0.226),且 (p<0.001)。这意味着企业较多的地点通常有更高的移动设备工作活动,从而为移动数据作为经济活动代理变量提供了并发效度支持。混合班地点的相关性最强,(r=0.493),日班为0.411,周末班仅0.235,说明工业和外围地点的企业数量与移动活动之间关系更不稳定,可能因为其活动更加异质或存在轮班、物流和非固定工作模式。
图2a显示三类地点在48小时周期内的WPD变化。日班地点在工作日早上约8点至下午早期出现最深的负值,最低约为-2以上,说明中心办公地点在宵禁期间现场人数下降最明显。混合班地点的变化较为波动,工作日夜间仍有一定活动;周末班地点在工作日白天的WPD接近零或为正,显示其实体依赖最强。
图2b的雷达图比较了三类地点的标准化特征。日班地点具有较高生产率,但距离中心较近、女性比例较低,且WPD明显偏低;混合班地点企业数量和行业熵较高,反映多企业、多行业集聚;周末班地点距离中心较远、女性比例和WPD较高,具有外围工业和商业活动特征。
这里的“行业熵”是Shannon entropy,数值越高表示企业在不同产业之间分布越均衡,地点越多元;数值越低则表示地点被少数行业主导。收入熵采用相同思想衡量白天人口的低、中、高收入多样性。
回归模型将所有变量标准化,因此系数代表解释变量增加一个标准差时,WPD变化多少个标准差,便于比较不同变量的相对影响。
主要结果如下:
图中“Day Shift cluster”的系数约为-0.381,是最强的负向空间类别效应,说明控制行业、社会经济变量和基准活动后,办公型地点仍有额外的现场活动下降。
图4a是行业类别、地点位置、性别和收入分层的热力图。总体上,第一产业和第二产业的WPD高于第三产业;第三产业中的金融保险业(NACE K)下降最显著,符合金融活动较容易远程办公的判断。多数行业中,女性比例更高、低收入劳动者更多的地点具有更高WPD。
图4b显示女性比例的边际效应随距离中心增加而下降。中心附近,女性占多数地点的WPD显著较高;越接近外围,该关系越弱,甚至可能转为负向。
图4c对收入熵呈现相同模式:中心附近收入多元化与WPD正相关,距离中心越远,这一正向关系逐渐减弱并转负。
这一结果构成“服务陷阱”的核心证据:中心区域本身聚集了高远程办公潜力的行业,但中心的女性占多数、收入多元地点仍然必须维持线下服务,以支撑已经可以远程办公的白领和企业客户。外围地点的实体活动则更多由土地利用和产业技术条件决定,例如制造、物流和工业生产,而不是由白天人口的性别和收入构成决定。
OLS模型的 (R^2=0.354),可以解释约35.4%的WPD空间差异。Moran’s I为0.682且显著,说明相邻六边形的回归残差仍存在很强的正空间相关,即相邻地点具有共同但模型未充分捕捉的因素。
为解决这一问题,作者使用空间误差模型(SEM),将空间依赖放入误差项中。主要系数在SEM中保持实质不变,说明生产率、产业类型、性别、距离中心和工作节律等结论并非完全由空间聚集造成。
附录表S4比较了主回归、女性比例—距离交互、收入熵—距离交互以及仅含单一企业地点的稳健性模型;表S5提供逐步回归;表S6提供SEM估计;表S7报告OLS残差的Moran’s I。这些表格的作用是检验模型设定、样本筛选和空间相关性,而非提供额外的核心经济结论。
图S1显示主要变量大多具有明显右偏:企业数量、工作活动和生产率集中在低值区间,少数地点具有极高值;WPD则大部分集中在零附近,同时存在较长的负尾和正尾。这种分布解释了作者为何采用对数转换、标准化和稳健标准误。
图S2和图S3展示家庭和工作场所人数的幂律分布,说明城市活动具有“少数超大节点、大量小节点”的集中特征。图S4显示交通活动与工作活动总体正相关,但高交通地点的工作活动差异明显扩大;图S5则进一步显示工作活动在工作日白天达到峰值,并且高交通地点往往对应较高工作人数。
图S6的相关矩阵显示,WPD与基准工作活动相关系数约为-0.51,与距离中心约为0.22,与高收入人口比例约为-0.38;行业熵与企业数量的相关性较高,约为0.71,提示企业规模和行业多样性之间存在一定共线性,需要谨慎解释单个系数。
图S7显示企业数量最集中于城市中心和主要交通/商业走廊;图S8显示开放期工作活动同样集中于中心区域;图S9则显示WPD在中心若干微区域表现为较强负值,而外围存在较多接近零或正值地点。这三张地图直观支持了“中心办公撤出、外围实体活动保持”的空间叙事。
图S10的K-means肘部图显示从1类增加到3类时惯性下降明显,之后下降趋缓,因此选择3个工作节律类别具有经验上的合理性;图S11展示了每个地点的个体曲线和聚类均值,说明三类并非纯粹由少数异常值驱动,而是具有相对稳定的时间模式。
第一,研究只能使用2020年6月以后数据,无法与真正的疫情前基准进行比较。因此,开放期本身可能已经包含一部分远程办公转型,尤其是信息通信行业,导致开放期到宵禁期的差异低估了完整的疫情冲击。
第二,开放期并非完全无干扰的正常时期。作者选择9月至10月,是因为9月开学、活动相对恢复,同时避免将疫情期间岗位消失与远程办公混为一谈;但这仍然无法完全排除疫情风险、企业裁员和行为适应的影响。
第三,性别变量由订阅人信息推断,只包含二元男女类别,且电话账户持有人未必是实际使用者,因此女性人数可能被低估,也无法覆盖完整性别谱系。
第四,研究地点是密集、历史上高度单中心化的布达佩斯。对于多中心或高度依赖汽车的城市,远程办公可能不是把活动推向单一外围,而是分散到多个郊区节点,因此距离中心的线性效应未必具有普遍性。
第五,WPD是地点层面的观察指标,不能直接等同于个人层面的“被迫到岗”。女性比例高的地点与WPD正相关,支持职业性别分工解释,但该研究并未直接观察每个个体的职业、工资、照护责任或远程办公偏好,因此不能将地点层面的关系完全解释为个人因果关系。
报告的政策含义不是简单地减少中心公共交通或办公地产,而是建议城市规划者同时关注外围本地中心、交通、零售和公共服务。外围工业及商业地点在远程办公冲击下更具韧性,且居家办公者可能增加本地购物和食品消费,从而支持更多多中心化、混合用途的城市节点。
总体而言,本文的结论可以概括为三层:
因此,作者的总体判断是:远程办公不只是改变个人在哪里工作,也重新安排了城市中谁被迫留下、哪些地点继续运转以及不同收入群体在哪里相遇。城市核心的空心化与外围活动的维持同时发生,但其社会后果并不对称——高远程能力人群获得了更多空间弹性,而低收入、女性占比较高的服务劳动者仍承担城市中心实体经济的维系成本。
2608.07588.pdf