夜间经济发展的南北差异——来自气温的解释

李玖灵 谢宝剑

一、引言

伴随着城市工业化进程的加快，企业逐渐成为容纳就业的主要场所，城市居民原先较为自由的工作时间也被规律的“朝九晚五”所替代，对于绝大多数上班族来说，一天的闲暇时间主要集中在晚上(Brabazon and Mallinder，2007)。受制于上班时间的约束，加之新自由主义(Neoliberalism)的兴起，城市居民开始更多地在晚上进行休闲娱乐活动，极大刺激了城市的夜间消费。夜间消费作为居民消费的重要构成部分，仍有较大的增长潜力。发展夜间经济、刺激夜间消费有助于进一步释放国内市场的需求潜力，促进“双循环”新发展格局的形成。作为刺激内需的重要举措，各地政府纷纷出台相应政策以支持当地的夜间经济发展。2019年4月，上海市颁布了《关于本市推动夜间经济发展的指导意见》，要求打造具有“国际范”和“上海味”的夜生活集聚区，推动上海市夜间经济发展。2019年7月，北京市颁布了《北京市关于进一步繁荣夜间经济促进消费增长的措施》，明确提出要在全市形成一批管理规范、各具特色的“夜京城”地标。2019年8月，广州市印发了《广州市推动夜间经济发展实施方案》，提出打造“广州之夜”品牌，并计划打造30个夜间经济集聚区。2021年10月,商务部发布的《培育国际消费中心城市总体方案》中进一步提出“培育壮大新型消费，积极发展夜间经济，规划建设商旅文体融合的夜间消费集聚区”。

在各类政策的支持下，各地的夜间经济发展如火如荼，但值得注意的是，我国夜间经济发展的区域差异较大，整体呈现南强北弱的空间发展格局。与南方城市火热的夜间经济相比，北方城市的夜晚则稍显冷清(1)资料来源：《2019年Q3中国主要城市交通分析报告》。。据阿里研究院发布的《数字点亮夜经济(2019)》显示：夜间经济活跃度最高的十座城市分别是深圳、广州、长沙、成都、西安、重庆、武汉、杭州、上海和北京，前十里面仅有西安、北京两座北方城市，南方城市的夜间经济活跃度明显高于北方城市(2)资料来源：《数字点亮夜经济(2019)》。。与当下经济发展南强北弱的现状相吻合，夜间经济的发展也呈现南强北弱的空间特征。由于夜间经济与当地经济发展水平有着较高的关联性，因此从直觉上看，夜间经济南强北弱的空间格局是由南北经济固有差距所导致的。但从现实情况来看，北京、天津2019年GDP总量虽位列全国前十，但其夜间经济发展却滞后于南方城市，与其庞大的经济体量并不匹配。而长沙、武汉等南方城市虽然经济体量不如北京、天津，但夜间经济活跃度却位居前十，这说明经济发展水平并非决定夜间经济发展的唯一因素。目前学者多从体制机制改革、市场化水平、文化差异、管制逃避等方面讨论南北差距的形成(盛来运等，2018；杜宇、吴传清，2020；赵子乐、林建浩，2017；丛胜美等，2022;宋盛楠，2021)，却忽略了最直观的自然条件差异。除了经济因素以外，自然因素是否也是导致南北夜间经济发展差距的客观原因？经济因素和自然因素对夜间经济发展的影响到底有多大？这是本文感兴趣并试图研究的问题。考虑到气温对夜间经济活动可能存在影响，同时也是南北在自然条件方面差异的主要体现，因此本文尝试从南北气温差异的视角切入，分析气温对夜间经济发展的影响机制，并以此对南北夜间经济发展失衡的现象进行解释。

目前关于夜间经济的实证研究较少，实证的主要难点在于如何度量夜间经济。在阿里研究院发布的《数字点亮夜经济(2019)》以及中国社科院发布的《2019年Q3中国主要城市交通分析报告》中，均使用网络大数据(如POI数据、外卖数据等)对中国主要城市的夜间经济进行测度。而现有文献也主要以各平台发布的夜间经济场所数据，对夜间经济进行测度，即一个地区的夜间经济场所越多，则表明该地区的夜间经济越繁荣(柳富满等，2022；唐洁等，2022)。考虑到POI数据能够精确获取夜间经济场所的数量与详细信息，同时也具备较强的时效性，因此本文借助数据爬虫技术，从高德地图获得与夜间经济场所相关的POI数据，用以测算夜间经济的发展程度，同时借助OLS、2SLS等方法，对气温如何影响夜间经济发展进行实证检验。文章可能的创新与边际贡献体现在以下两点：(1)结合经济地理与地理学的常用技术方法，利用爬虫技术筛选与夜间经济相关的兴趣点(POI)数据，构造相应变量来衡量城市的夜间经济发展水平，分析夜间经济的南北差距。(2)以南北气温差异为切入点，分析气温影响夜间经济的作用渠道，并实证检验气温与夜间经济发展的关系，为分析夜间经济的南北差异提供新的视角。

二、气温与夜间经济发展

(一)夜间经济的产业形态及影响因素

1.夜间经济的产业形态

夜间经济指的是从下午6点到次日凌晨6点的相关经济活动，以餐饮、休闲娱乐等服务业为主(Beer，2011)。夜间经济一词最早来自20世纪70年代的欧洲，当时欧洲各国为提振市区商业活力，纷纷出台相应政策鼓励城市夜晚经济活动的开展(毛中根等，2020)。虽然夜间经济一词属于“舶来品”，但夜间的经济活动在我国古已有之，早在唐朝，广州、扬州等大城市就已出现夜市的雏形，而宋朝则是夜市发展最为兴盛的时代，“夜市直至三更尽，才五更又复开张，如耍闹去处，通宵不绝”等诗词足以体现当时夜市的繁华(赵迎芳，2022)。

经济属性是夜间经济的根本属性。作为一种经济活动，夜间经济的产业形态深受学界关注。早期学者比较关注酒精、娱乐等与夜间经济相关的产业(Hobbs et al.，2005；Measham and Moore，2009)，随着夜间经济的发展，学者开始重新审视夜间经济的产业形态。Rowe and Lynch(2012)根据夜间经济的内涵，将夜间发生的购物、表演、餐饮、展览等活动通通纳入夜间经济范畴。唐洁等(2022)以及柳富满等(2022)国内学者则认为夜间经济的产业形态主要包括餐饮、购物、娱乐休闲、文艺表演等。事实上，笔者认为一切与夜间经济活动相关的产业，都应纳入夜间经济的讨论范畴。根据我国夜间经济的主要产业形态，我们将夜间经济涉及的几类产业划分为餐饮、休闲娱乐、表演、生活配套四大类(如表1所示)。

表1 夜间经济的主要产业形态

2.夜间经济发展的影响因素

影响夜间经济发展的因素有很多，根据目前研究，我们认为夜间经济发展的影响因素大致可分为三类。

一是经济因素。首先，经济发展水平越高的城市，其居民消费水平也越高，夜间消费能力越强(Roberts，2006)。其次，城市经济发展水平越高，越有利于业态发展的多样性，多元化的业态能够吸引更多消费者，提振夜间经济活力(Roberts and Eldridge，2007)。最后，经济发展水平越高的地区，其第三产业越为发达，根据配第—克拉克定理，随着经济发展水平的提高，劳动力会逐渐从第二产业流向第三产业(王俊豪，2016)，这能为夜间经济发展提供充足的劳动力。

二是城市软硬件环境。城市软硬件环境对夜间经济发展的影响体现在以下几个方面：(1)基础设施建设。完备的基础设施如交通、照明等可为居民夜间出行提供便利(Eldridge and Roberts，2008)，丰富的文化基础设施以及公园绿地等能为夜间经济的发展提供空间载体。(2)政策环境。良好的营商环境能为夜间经济发展提供土壤，刺激相关企业的生产与供给。(3)治安环境。夜晚是违法犯罪事件的高发期，城市居民夜间出行的意愿很大程度上受当地治安环境的影响，发展夜间经济需要维持良好的治安环境(Sheard，2011)。

三是自然因素。目前关于自然因素能否影响夜间经济发展的研究并不多，但关于自然因素影响个体消费行为的文献已有不少。高维和、张婕琼(2020)提出天气因素(如气温、日照、降水等)可以改变消费者的心理及生理状态，影响消费者的情绪及认知，进而直接或间接地影响个体消费行为；Stulec(2013)的研究发现天气因素对个体的消费方式以及消费渠道有显著影响；Steele(1951)的研究证明，气温与日照时长对百货公司的销售额有一定影响；Agnew and Thornes(2010)的研究发现恶劣天气会改变消费者的消费选择和偏好；Conlin et al.(2007)发现天气因素对消费者的购买及退货决策存在显著影响。

虽然目前关于自然因素如何影响夜间经济发展的文献并不多，但种种证据显示，自然因素对消费者的消费行为存在影响，而以休闲娱乐、餐饮为代表的消费正是夜间经济的主要产业形态，因此有必要对自然因素如何影响夜间经济发展做进一步讨论。考虑到南北夜间经济发展存在巨大差距，而气温又是南北差异最大的自然因素之一，因此文章以此为切入点，尝试分析气温在夜间经济发展中的作用，为夜间经济南强北弱的现象提供解释。

(二)气温影响夜间经济发展的机制分析

目前关于气温如何影响夜间经济发展的观点多属于经验之谈，未对其中机制进行系统探讨。在此，我们充分参考经济学、生物学、地理学、心理学的相关研究成果，尝试从以下四个角度剖析气温影响夜间经济发展的作用机制。

1.气温影响户外经济活动

气温通过影响户外的夜间经济活动，对夜间经济发展产生影响。户外的经济活动离不开温暖的气候，过于寒冷的地区并不适合过多的户外经济活动。按照室内与室外对夜间经济场所进行分类，室内包括餐厅、KTV、酒吧、商场等，由于室内场所有暖气，其正常运营受气温影响较小。而以室外为载体的夜间经济包括路边烧烤、夜间市集、夜间旅游、传统庆典等，此类形态的夜间经济受气温影响较大。以我国的东北地区为例，冬季气温动辄零下50摄氏度，以室外场景为依托的夜间经济难以开展，而南方城市气候温暖，更适合室外夜间经济的发展，这也是南方城市夜间经济产业形态更为丰富的原因。

2.气温影响睡眠

气温通过影响城市居民的夜间睡眠，间接影响城市居民的夜间活动习惯，进而对夜间消费和夜间经济产生影响。Okamoto-Mizuno et al.(1999)与Tsuzuki et al.(2015)的研究发现，个体在夏季的睡眠质量最差，具体表现为睡眠时间缩短、惊醒次数增加，这种现象与较高的室内温度密切相关。Haskell et al.(1981)认为在高温环境下，人们通过调整被子与衣物来调节体感温度的余地较小，导致睡眠质量较差。Xiong et al.(2020)通过对悉尼48个家庭进行追踪调查，发现家庭成员的睡眠质量与卧室温度负相关，估算结果显示卧室温度每升高1开氏度，研究对象的睡眠时间将减少1.036%，其中积极睡眠(REM)时间将减少1.647%。

种种证据表明，气温与个体的睡眠质量密切相关，气温越低，个体的睡眠质量越好，越容易入睡，而气温越高越不利于睡眠。而夜晚的气温会随着时间的推移不断降低，直至凌晨达到最低，因此越靠近后半夜，相对较低的气温更有利于睡眠。我们推断：相对于北方城市，生活在高温区域的南方城市居民，晚上会选择气温更低、更为舒适的后半夜入睡；而在气温较高、难以入眠的前半夜更倾向于外出活动与消费，进而形成了一种异于北方城市的夜间活动习惯，对城市的夜间消费和夜间经济产生影响。根据《2020年中国睡眠指数报告》，居民晚上入睡时间最早的城市是伊春与哈尔滨，除黄冈和宁波外，早睡前十名均为年均气温较低的北方城市(见表2)。在晚睡城市前十名中，新疆的喀什与乌鲁木齐晚睡是受时区影响，没有太多参考价值，但其他八个晚睡城市均为年均气温较高的南方城市。

表2 早睡与晚睡城市前十名

资料来源：作者根据《2020年中国睡眠指数报告》整理得来。

3.气温影响居民外出意愿

气温通过影响居民外出意愿，从而对夜间经济产生影响。在气温适宜的春季、夏季，城市居民会在晚饭过后外出纳凉、散步，而在气温寒冷的冬季，居民的夜间外出意愿则会大大降低。韩西丽、罗阳(2020)分析了气温对北京地铁客流量的影响，结果发现：当气温大于30摄氏度时，北京地铁客流量显著增加；而在气温低于0摄氏度时，北京地铁客流量明显减少。这说明在低温条件下，城市居民的外出活动频次显著减少。此外，已有研究证明气温会对个人情绪产生影响，间接影响居民的夜间外出意愿。Howarth and Hoffman(1984)发现随着气温的升高，个体的焦虑情绪会得到释放；Murray et al.(2010)认为较高的气温能显著改善个体情绪、刺激消费；Jasper et al.(2017)通过对选民投票行为进行研究，发现气温上升与积极的集体行动之间存在联系。

4.气温影响空气质量

气温通过影响空气质量，从而对夜间经济发展产生影响。现有研究表明，以气温为代表的气象因素对空气质量存在显著影响，气温高的地区或者气温高的季节，空气污染会显著减少(李小飞等，2012；赵敬国等，2013)。当地表气温较高时，地表附近空气密度小，大气的稳定程度低，在热力对流的作用下污染物会随着气流向外扩散、稀释，污染物浓度得以降低。而当地表气温较低时，更容易出现逆温天气，即气温会随着高度的上升而上升，此时的大气较为稳定，不利于污染物的扩散。因此寒冷的北方城市更容易出现雾霾天气，而温暖的南方城市空气质量则相对更好。夜间经济的发展，尤其是以室外环境为载体的夜间活动，受空气质量的影响较大，相对于雾霾漫天的日子，月朗星稀的好天气更能激发消费者的夜间活动热情。

综上，我们认为：气温通过影响户外经济活动、居民睡眠、居民外出意愿以及空气质量，从而对夜间经济发展产生影响，气温越高越有利于夜间经济发展，而南方城市温暖的气侯条件无疑比北方更适合发展夜间经济，这也是当前夜间经济发展南强北弱的客观原因。

三、实证设计

(一)模型设定

目前关于夜间经济的实证文章较少，可供参考的模型并不多，为检验气温对夜间经济发展的影响，我们构建以下基准回归模型：

lnyi=α+βlntemperaturei+γxi+εi

(1)

在公式(1)中，下标i代表不同的城市，y代表城市的夜间经济发展水平，temperature表示城市的年均气温，x是一组控制变量，以控制其他因素对夜间经济的影响。由于年均气温并不会随时间发生大的变化，同时考虑到一系列控制变量如政府干预程度、地区经济发展水平等对夜间经济的影响要在一段时间后才能显现，所以文章选择滞后两期的解释变量进行回归。同时，气温是一个相对外生的解释变量，受人类活动的影响较小，在控制了其他变量之后，内生性问题也能得到较大程度的缓解。

(二)变量选取

1.夜间经济发展水平(y)

研究夜间经济的一大难点在于如何度量夜间经济，该用何种指标作为夜间经济发展水平的代理变量。提起夜间经济，多数人会联想到夜间灯光、夜间照明设施是夜间经济发展的基础，同时夜间经济的发展也会影响一个地区的夜间灯光亮度，因此夜间灯光与夜间经济发展水平有一定联系。但夜间灯光亮度并不能完全衡量一个地区的夜间经济发展水平，夜间经济的产业形态以第三产业为主，而一个地区的夜间灯光亮度则主要反映该地区的整体经济发展水平(刘华军、杜广杰，2017；张浩然，2017；秦蒙等，2019)，夜间灯光除受第三产业影响外，还受其他经济活动的影响，如第二产业发展和市政照明设备投入都会影响城市的夜间灯光亮度。此外，夜间灯光还受到一些非经济因素的影响，比如植被、建筑格局以及气候环境都会影响城市的灯光亮度(Levin and Zhang，2017)，因此我们认为以夜间灯光亮度作为夜间经济发展水平的代理变量存在较大缺陷。

考虑到夜间灯光数据中包含的一些非夜间经济要素无法有效剥离，本文使用与夜间经济相关的兴趣点(POI)数据构造夜间经济发展水平的代理变量。POI(Point of Interesting)指的是电子地图上任何可以代表真实地理实体的点状地理空间数据，包含了名称、地址和经纬度等信息(薛冰等，2019)。一个酒吧、一个夜总会乃至一栋大厦显示在电子地图上就是一个POI点，如果在电子地图上搜索某个城市的酒吧，最后弹出100个POI点，那就说明该城市有100个酒吧。利用POI数据研究城市的产业空间格局、公共设施分布以及城市整体演化方向是经济地理和地理学科常用的技术方法，本文希望借助这种典型的经济地理和地理学科做法，以POI数据为基础，构造夜间经济发展水平的代理变量。由于选取的POI数据均和城市的夜间经济活动高度相关，所以此类数据比夜间灯光更能代表城市的夜间经济水平。考虑到与夜间经济相关的地点与场所主要涉及休闲、娱乐和餐饮行业，因此文章提取了酒吧、迪厅、夜总会、KTV、洗浴推拿场所、音乐厅、剧场、体育赛事、文艺演出、肯德基、麦当劳、7-11便利店共计12种类型的POI数据。

酒吧、迪厅、夜总会、KTV、洗浴推拿场所主要在夜间营业，是城市居民夜间娱乐消遣的主要场所，与城市夜间经济发展水平高度契合。而考虑到文艺演出(如演唱会、歌剧表演等)、体育赛事(如职业篮球、足球比赛)一般在晚上进行，所以此类数据在一定程度上也能代表城市的夜间经济发展水平(3)体育赛事的相关POI点是指举办专业体育赛事的相关场所，如举办专业篮球、足球赛事的体育馆。文艺演出的相关POI点是指举办演出、演唱会的相关场所，如剧院、音乐厅等。。餐饮与购物也是夜间经济的重要组成部分，但国内各大电子地图服务提供商提供的POI数据并不包含餐厅与商场的营业时间，无法判断此类设施是否在夜间营业，所以文章选取24小时营业的麦当劳、肯德基与7-11便利店作为替代。利用爬虫技术获取相应的POI数据后，我们以城市为单位，对该城市中所有与夜间经济相关的POI点进行加总，除以城市总人口计算该城市夜间经济场所的POI密度(个/万人)，以此作为该城市夜间经济发展水平的代理变量。此外，我们还计算了POI数量与城市行政区面积的比值(个/平方公里)，以人口计算的POI密度表示城市每万人中拥有的夜间经济场所，而以行政区面积计算的POI密度则代表城市每平方公里上的夜间经济场所数量。

2.核心解释变量及控制变量

城市气温(Temperature)：气温是本文的核心解释变量，以样本城市2018年的年平均气温进行衡量。气温是一个相对外生的变量，文章以气温作为核心解释变量也在较大程度上缓解了内生性问题。

城市经度(Longitude)：我国的经济发展东强西弱，东南沿海地区的经济更为发达，西部则稍为滞后。同时我国的西部地区多为少数民族聚集区，文化上存在一定差异，为控制东部、西部经济和文化差异对夜间经济发展的影响，文章选取样本城市的地理经度(Longitude)作为控制变量。

城市日照时长(Sunshine)：Czeisler et al.(1986)指出长时间的强光照射会改变个体睡眠的昼夜节律，增加夜晚的入睡难度，造成个体昼夜节律周期(Circadian Pacemaker)的延迟。Lambert et al.(2003)以及 Nilsson(2009)指出阳光照射会改变人体的血清素和褪黑素水平，对个体的情绪和睡眠产生影响。考虑到日照对睡眠以及情绪的影响可能改变个体的夜间活动习惯，进一步影响夜间经济发展，模型加入样本城市2018年的全年日照时长作为控制变量。

城市降雨量(Rain)：以样本城市2018年均降水量衡量该城市的降水情况。Parsons(2001)以及Agnew and Thornes(2010)发现在雨量增加的季节，购物中心的销售额会出现明显的下降。Gebhart and Noland(2014)以及曹小曙等(2019)的研究发现降雨量与城市公共交通工具的使用频次之间存在显著的负向关系。种种证据表明降水对城市居民的夜间出行有较大影响，城市居民在雨天会尽可能地减少外出，所以降雨量与城市的夜间经济发展可能存在负向联系。

人均GDP(GDP)：文章以样本城市的人均GDP衡量城市的经济发展水平。夜间经济的南北差距可能是由固有经济发展水平差异导致的，忽略经济发展水平可能会导致严重的内生性问题，因此要对人均GDP进行控制。

政府干预程度(Government)：政府干预对城市夜间经济发展的具体效应并不明确。一方面政府可以通过改善与夜间经济相关的基础设施供给，为夜间经济发展提供更好的外部环境。另一方面，政府过多的干预与管制也有可能带来一系列的资源错配问题，对夜间经济发展产生不利影响。本文参照宋文月、任保平(2020)的做法，以地方一般公共预算支出与GDP总量之比作为地方政府干预程度的代理变量。

产业结构(Structure)：产业结构以样本城市的第三产业占比表示。夜间经济主要指的是与夜间娱乐、休闲有关的一系列活动，涉及的行业以服务业为主，因此夜间经济发展与当地的第三产业密切相关。

滨海城市(Coastal)：相对于内陆城市，滨海城市在发展夜间经济方面可能具有一定的自然环境优势。如果城市是滨海城市则定义虚拟变量Coastal=1，如果是内陆城市则取Coastal=0。

省会城市(Provincial)：省会城市具有较强的地域代表性，具备其他地级市所不具备的一些服务功能。同时，作为省政府所在地，受相关政策及管制的影响也较大，因此在夜间经济发展方面可能表现出一些异于其他城市的特征。如果该城市为省会城市，取Provincial=1，否则取Provincial=0。

人均公园绿地面积(Park)：人均公园绿地面积用公园绿地面积与人口之比表示。公园作为夜间活动发生的主要或辅助场所，为城市居民的夜间休闲、娱乐提供了空间，会直接或间接地影响夜间经济发展。

每万人拥有的公交车数量(Bus)：交通基础设施是城市居民夜间外出活动的基础(Sibirskaya et al.，2015)，在交通基础设施相对匮乏的地区，居民的夜间出行受限，活动多局限于住宅附近，不利于夜间经济发展。由于公交车是大多数城市居民外出的首选交通工具，因此文章以每万人拥有的公交车数量衡量城市交通基础设施的便利程度。

城市建设用地占比(Building)：城市建设用地占比以城市建设用地与城市面积之比表示。城市的土地分为建设用地与非建设用地，其中建设用地包括了居民用地、商业服务业设施用地、公共管理与公共服务用地等，而城市的夜间商业活动主要以城市的建设用地为载体，因此建设用地占比与夜间经济发展可能存在联系。

(三)数据说明

考虑到数据的可获得性，文章以中国的地级市和直辖市作为研究对象，剔除港澳台以及数据不全的城市(4)如果年平均气温低于0摄氏度，则无法对数据进行取对数处理，考虑到年平均气温低于0摄氏度的城市较少，因此删除这部分样本。，最终剩下269个城市样本。POI数据来自高德开放平台，数据爬取时间为2020年。在高德地图的数据分类体系中，城市POI数据分为三个级别，其中第一级包含了汽车维修、餐饮服务、购物服务、生活服务等20个大类，第二级、第三级是这二十大类下面的子类，每种子类都有相应的编码。为避免数据获取过程中可能出现的交叉重复问题，本文直接选择第三级子类中的酒吧、迪厅、夜总会、KTV、洗浴推拿场所、音乐厅、剧场、体育赛事、文艺演出、肯德基、麦当劳、7-11便利店进行数据爬取。考虑到数据的可获得性以及解释变量对夜间经济发展的作用可能存在滞后，因此选取滞后两期的解释变量。城市的地理经度及纬度数据来自高德地图，2018年的气温、日照、降水数据来自国家气象科学数据中心与各地级市的统计年鉴。2018年的人均GDP、地方一般公共预算支出、第三产业占比、公园绿地面积、公交车数量以及建成区面积数据来自《中国城市统计年鉴》和《中国城市建设统计年鉴》。除了滨海城市(Coastal)和省会城市(Provincial)两个虚拟变量以外，其余变量均取对数处理。

四、实证结果分析

(一)夜间经济的南北差异

分别以人口和行政区面积计算不同城市的POI密度，排名前三十的城市如表3所示。不管以哪种方式计算POI密度，排名第一的城市都是深圳，此外前三十名中南方城市居多，北方城市较少，大部分城市来自长三角和珠三角。具体而言，在以人口计算的POI密度中，前三十名只有威海、青岛、沈阳、北京、大连、湖州、郑州七个北方城市，且排名较后；在以行政区面积计算的POI密度中，前三十名只有郑州、天津、北京、青岛、济南、廊坊、泰州、沈阳八个北方城市。

表3 POI密度排名前三十的城市

按照传统的南北划分方法，将样本城市按照省份归类为南方或北方，并计算该省份的平均POI密度(5)南方包括包括上海、江苏、浙江、安徽、福建、江西、湖北、湖南、广东、广西、海南、重庆、四川、贵州、云南、西藏；北方包括北京、天津、河北、山东、河南、山西、内蒙古、黑龙江、吉林、辽宁、陕西、甘肃、青海、宁夏、新疆。，图1、图2展示了剔除四个直辖市后的省份平均POI密度。在以人口计算的POI密度中，海南、浙江、江苏、广东、福建分列南方省份前五，辽宁、内蒙古、山东、河北、吉林分列北方省份前五。根据图1展示的结果来看，南方省份尤其是排名靠前的省份，其POI密度明显高于北方省份，但南方省份的内部差距较大，安徽、湖北、湖南等省份的POI密度并未明显高于北方省份。在以行政区面积计算的POI密度中，南方排名前五的省份变为广东、江苏、浙江、海南、福建，北方排名前五的省份变为山东、河南、河北、辽宁、山西(如图2所示)。由于部分北方省份地广人稀，因此在以行政区面积计算的POI密度中，南方省份的优势更加明显，POI密度整体高于北方省份不少。

为进一步验证夜间经济发展的南北差距，文章以POI密度作为因变量，利用OLS实证检验夜间经济发展的区域差异。构建虚拟变量South与East，如果样本城市位于南方省份，则South=1，否则South=0，如果样本城市位于东部省份，则East=1，否则East=0(6)东部地区包括北京、天津、河北、山东、辽宁、江苏、浙江、上海、广东、福建、海南；中西部地区包括内蒙古、吉林、黑龙江、山西、安徽、江西、河南、湖北、湖南、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。。此外，加入城市的日照强度、人均GDP、政府规模、城市建设用地占比、第三产业比重、省会城市、人均公园绿地面积、每万人拥有的公交车数量作为控制变量(除虚拟变量外，所有变量均取对数处理)。

图1 不同省份的平均POI密度(POI数量/人口) 单位：个/万人

图2 不同省份的平均POI密度(POI数量/行政区面积) 单位：个/平方公里

实证结果如表4所示。其中，模型(1)(3)中的因变量是以人口计算的POI密度，(2)(4)中的因变量是以行政区面积计算的POI密度。模型(1)(2)展示的结果表明，南方城市的POI密度显著高于北方城市，而模型(3)(4)展示的结果显示东部城市的POI密度要显著高于中西部城市。

表4 夜间经济的区域差异

综上，我国的夜间经济发展整体呈现南高北低、东强西弱的空间发展格局，夜间经济最发达的城市多集中在长三角与珠三角地区，这与我国当下的经济发展格局相吻合。为进一步分析夜间经济的南北差异到底是地区经济发展差异带来的，还是自然因素导致的，我们以气温作为自变量，通过OLS、分位数回归、2SLS等方法对于气温如何影响夜间经济发展这一问题进行系统研究。

(二)气温影响夜间经济的基准回归结果

根据基准回归模型，实证检验气温对夜间经济的影响，基准回归中使用的因变量均为以人口计算的POI密度，以行政区面积计算的POI密度留作后文稳健性检验使用。同时，为缓解潜在的异方差问题，文章使用稳健的标准误对基准回归模型进行参数估计，回归结果如表5所示。

表5 OLS回归结果

模型(1)只加入了部分控制变量，气温的估计系数在5%的水平上显著为正，表明年平均气温越高的城市，其夜间经济发展水平越高，与我们的猜想保持一致。与模型(1)相比，模型(2)(3)(4)在剔除部分数据不全的样本后，逐步加入了人均公园绿地面积(Park)、每万人拥有的公交车数量(Bus)以及城市建设用地占比(Building)作为控制变量，回归结果与模型(1)基本一致，各变量的显著性及符号并未发生明显改变。根据模型(4)的估计结果，年平均气温每升高1%，城市的夜间经济发展水平大约提高0.382%，表明气温是决定夜间经济发展的重要因素，气温偏高的南方城市在夜间经济发展方面存在一定的自然条件优势，这与目前夜间经济发展南强北弱的空间格局也较为契合。人均GDP的估计系数在四个模型中均显著为正，说明经济发展水平和夜间经济之间的确存在正向关联，以模型(4)为例，人均GDP每提高1%，夜间经济发展水平提高0.447%。

控制变量方面，模型(1)—(4)中城市的地理经度(Longitude)对夜间经济的影响均在1%的水平上显著为正，城市的地理经度越高说明该城市越靠近东部，表明东部城市的夜间经济发展水平要高于西部城市。日照时长(Sunshine)的估计系数均显著为正，说明日照能显著促进夜间经济的发展，可能的解释是：(1)强光照射会改变人体的褪黑素分泌水平，从而影响城市居民的夜间睡眠节律，进而对夜间经济产生影响；(2)日照时间越长，城市入夜的时间越晚，居民结束一天劳作并开始休息的时间相对更晚，从而对夜间经济产生影响。第三产业占比(Structure)与夜间经济发展水平高度相关，与我们的猜想也保持一致。人均公园绿地面积(Park)与每万人公交车数量(Bus)对夜间经济的影响均在1%的水平上显著为正，说明相关的城市基础设施建设有助于夜间经济发展。

(三)异质性分析

基准回归结果证明气温对城市夜间经济发展存在显著的正向影响，至少对于全样本来说的确如此。但对于不同样本，气温对夜间经济的影响可能存在异质性，为检验气温对夜间经济影响的异质性，我们在模型(1)(2)中加入了气温与南方(South)、东部(East)地区的交乘项，其中South与East为虚拟变量，具体取值与区域划分见本章第一节内容。此外，我们还在模型(3)中加入了市政公用设施建设投资与气温的交乘项，以分析市政公用设施建设投资对气温的调节效应。

表6 异质性分析(7)此处以及下文所有表格中的Controls均代表模型已经加入第三章提到的所有控制变量。

模型(1)的结果表明，气温的升高能显著促进夜间经济的发展，但气温对夜间经济的影响在南方、北方并不存在显著差异。模型(2)的结果显示，气温与东部地区交乘项的估计系数显著为负，意味着气温对东部发达地区夜间经济的影响要小于中西部欠发达地区。此外，模型(3)的结果表明：市政公用设施建设投资与气温交乘项的系数显著为正，说明在市政公用设施建设投资更高的地区，气温对夜间经济的影响更大，或者说相对于气温较低的北方城市，南方城市通过加大市政公用设施建设投入推动夜间经济发展的效果会更好。

为进一步揭示气温对夜间经济的异质性边际影响，我们选取常用的五个分位点，利用分位数回归分析气温对夜间经济的影响。估计结果显示(见表7)，随着分位数的增加，气温的分位数回归系数整体呈现下降的趋势，表明气温对夜间经济水平较低的区域影响更大，随着夜间经济发展水平的提高，气温对夜间经济的影响越来越小。这也从侧面说明，在夜间经济欠发达的中西部地区，固有的自然条件差异对夜间经济的影响更大。

表7 气温影响夜间经济的分位数回归

(四)内生性问题

方程(1)可能存在内生性问题，导致参数估计有偏。一方面，虽然气温是一个相对外生的变量，但各种研究已证明人类经济活动与气温变化密切相关，温室气体的排放以及城市化进程加快带来的热岛效应正是当下全球变暖的主要诱因。另一方面，尽管我们控制了地理经度、日照时长、降雨量等诸多与夜间经济相关的变量，但可能存在的遗漏变量问题依旧会导致气温的估计系数有偏。对此，本文考虑使用城市的地理纬度(Latitude)作为气温的工具变量，进一步缓解可能存在的内生性问题。城市的地理纬度是决定城市气温的重要因素，一般来说，城市的地理纬度越低，越靠近赤道，气温就越高；相反，城市的地理纬度越高，越远离赤道，气温就越低。因此以地理纬度作为工具变量符合相关性要求。此外，地理纬度是一个外生变量，仅仅反映城市的位置，而不受人类活动的影响。虽然有相关的研究显示：热带地区的农业生产率相对较低，经济发展受传染病的影响也更大(Bloom and Sachs，2008)。但在历史上的印加与阿兹特克文明均分布于热带地区，比同时期的温带地区要富裕的多，近些年来部分热带国家(如马来西亚、新加坡等)的经济增长速度也很快，因此无法证明低纬度热带地区的经济发展水平就滞后于高纬度的温带地区。在我国历史上，南方与北方的经济发展水平也发生过多次逆转，说明地理纬度并不是影响经济发展水平的决定性因素(张浩然，2017)，因此我们认为地理纬度作为工具变量满足外生性要求。

2SLS回归结果如表8所示。模型(1)和模型(3)展示了第一阶段的回归结果，地理纬度(Latitude)估计系数均在1%的水平上显著为负，第一阶段回归的F值分别为110.009、137.614，Cragg-Donald Wald F检验值分别为145.218、172.599，因此我认为不存在弱工具变量问题。模型(2)与模型(4)展示的是第二阶段的回归结果，除估计系数大小发生改变外，各变量估计系数的方向与显著性和OLS基本一致。特别地，在模型(4)中气温的估计系数为0.484，说明气温每升高1%，夜间经济发展水平提高0.484%，高于OLS回归中的0.382%。人均GDP每提高1%，夜间经济发展水平提高0.436%，略低于OLS中的0.447%。

表8 2SLS回归结果

(五)稳健性检验

1.替换变量

在上文的实证分析中，我们使用以人口计算的POI密度作为因变量，为进一步验证回归结果的稳健性，我们将因变量替换为以行政区面积计算的POI密度，其他变量均保持不变，结果见表9的(1)(2)列。在替换变量后，气温的估计系数依旧显著为正，但估计系数明显增大，可能的原因是：西藏、新疆、内蒙古等低温地区地广人稀，城市面积过大而人口较少，以行政区面积替代人口计算的POI密度数值相对较小，在估计中放大了气温对夜间经济的影响。

2.剔除部分样本

长三角与珠三角作为中国经济最具活力的两大城市群，均坐落于秦岭—淮河以南。陆铭曾指出：“中国的南北发展差距被夸大了，如果不考虑长三角与珠三角，那么中国的南北经济发展差距并没有想象中的那么大”。为进一步排除南北经济整体水平差距对夜间经济发展的影响，文章将长三角、珠三角以及北京市、天津市从样本中剔除，重新对系数进行估计，结果见表9的(3)(4)列。

表9 稳健性检验

结果显示，气温估计系数的显著性与方向并未发生明显变化。在排除长三角、珠三角以及京津的影响后，其他地区的夜间经济发展水平依旧会随着气温的升高而提高，说明气温的确是影响夜间经济发展的客观因素。考虑到其他控制变量的系数符号与显著性均未发生明显改变，因此我们认为该估计结果是较为稳健的。

五、结论与启示

夜间经济的空间发展格局与目前南强北弱的经济发展特征相吻合，夜间经济发展南强北弱到底是受整体经济发展水平影响还是另有原因，南北固有的自然条件差异是否是导致夜间经济发展存在差距的客观因素？考虑到南北在自然条件上的差异主要体现在气温方面，文章以此为切入点，讨论了气温影响夜间经济的理论机制，并结合酒吧、迪厅、夜总会、KTV、洗浴推拿场所等与夜间经济相关的POI数据，构造夜间经济发展水平的代理变量进行实证检验。研究发现，我国的夜间经济整体呈现南强北弱、东高西低的空间发展格局。基准回归结果显示气温每升高1%，夜间经济发展水平提高0.382%。考虑到可能存在的内生性问题，文章选取地理纬度作为气温的工具变量，2SLS的估计结果显示：气温每升高1%，城市的夜间经济发展水平提高0.484%。控制变量的估计结果显示，日照强度、人均GDP、第三产业占比、公园绿地以及交通对夜间经济发展具有显著的促进作用。此外，异质性分析的结果还表明，气温对中西部欠发达地区的影响要大于东部发达地区，对高市政公用设施建设投资地区的影响要大于低投资地区，进一步的分位数回归结果表明气温对夜间经济欠发达地区的影响要大于发达地区。

气温属于一种较为外生的影响因素，在气温的影响下，南方城市在发展夜间经济方面可能存在一定的优势，在当前的政策支持下，这种优势可能会被放大，进一步拉大南北在夜间经济发展层面的差距，从而进一步加剧南北经济发展的失衡。因此我们要警惕夜间经济发展背后所隐藏的南北差距问题，尤其对于中西部欠发达地区以及夜间经济自身比较薄弱的地区，气温对夜间经济的影响相对更大，引起南北发展失衡的可能性也更大。对于北方城市来说，气温是无法改变的，但夜间经济的产业形态却可以改变。一方面，北方城市可进一步丰富以室内为载体的夜间经济业态，探索室内夜间经济发展的新模式；另一方面，也可根据季节的不同制定差异化的夜间经济扶持政策，打造可随季节变化的夜间经济模式。此外，公园绿地面积以及交通便利程度对夜间经济发展存在显著促进作用，建议北方城市进一步加强此类公共基础设施的建设投入，以弥补气候条件方面的劣势。