摘 要：改革开放以来，伴随着城市化率的快速攀升，住房负担和公共服务对人口集聚的影响日益凸显。采用面板门槛模型，讨论了2007—2016年中国三大城市群48个城市的住房负担和公共服务与人口集聚的关系。结果表明：住房负担和公共服务对人口集聚具有显著的门槛效应，并存在明显地区差异。一方面，住房负担与人口集聚正相关，但在一二线城市为边际效应递减，而在三四线城市表现出先增后减的倒U形特征；另一方面，公共服务同样与人口集聚正相关，在一二线城市表现为边际效应递减，而在三四线城市表现为边际效应递增。因此，为促进人口集聚，在不同城市应该采取差异化的人口吸引政策。一二线城市应该关注于降低住房负担，同时提高公共服务效率，三四线城市则应不断增加公共服务的供给。
关键词：住房负担；公共服务；人口集聚；门槛效应
引言
改革开放以来，中国经历了快速的城市化进程。1978年,中国改革初期的城市化率仅为17.9%，而截止2018年底，中国城市化率已上升为59.58%。值得注意的是，伴随着城市化率的提升，人口迁移的趋势也悄然变化。从全国第六次人口普查数据来看，2010年人口吸纳力最强的前五位城市依序为北京、上海、广州、深圳和东莞，共吸收24.74%的流动人口(夏怡然 等，2015)。然而，2017年国家统计公报数据却显示，深圳、广州、长沙、杭州、郑州等城市已取代北京、上海，成为新的人口加速流入区域①。为何人口集聚的流向发生了改变？其原因，虽然与个别特大城市的人口规模控制的行政因素有关，但是，与大城市房价高企、人口迁移成本增加、城市承载力饱和等因素也密切关联。这些，都有可能导致人口集聚的方向发生改变，进一步影响未来中国的城市化特征。因此，关注并研究当下中国城市人口集聚问题，刨析其背后的原因，无疑将有助于增强人们对现阶段城市化演化规律的认识，并提升政策引导的前瞻性。基于此，本文采用面板门槛模型，利用2007—2016年中国三大城市群48个城市数据进行研究。主要结论为：住房负担和公共服务对人口集聚具有显著的门槛效应。其中，住房负担与人口集聚正相关，但一二线城市的边际效用递减而三四线城市呈现先增后减的倒U型特征；公共服务也与人口集聚正相关，但一二线城市边际效应递减而三四线城市则边际效应递增，从而为实施差异化的人口集聚政策提供客观依据。
一、文献综述
“人往高处走”， 自古以来人口迁移的脚步从未停歇。Tiebout(1956)基于“用脚投票”理论，指出“理性人”的人口迁移决策服从“效用原则”。一些学者从贸易便利、产业多样性(diversity)等经济层面来研究(Krugman，1991)。大城市能提供充分的就业机会、较高的收入水平和更好的发展前景，不断吸引人口流入(王智勇，2018)。另一些学者从气候适宜性(Cheshire et al，2006)、公共服务(Partridge，2010)、生活便利性(urban amenities)等非经济角度探讨人口集聚的成因。其中，住房供给弹性、税收等一些不利因素逐渐引起学术界关注(Glaeser，2008)。不可否认，大城市通过提供就业机会，教育、医疗等优质的公共服务等，不断吸引着包括农民工在内的新市民群体“举家迁移”(陈忠斌 等，2018)。但是，逐渐攀升的房价不断加重着人口迁移负担。最终，“高房价下逃离北上广”成为许多人当下必须面对的现实问题。
(1)空气滤清器阻塞清洗空气滤清器芯子或清除指质滤芯上的灰尘，必要时应更换，以及检查机油平面是否正常。(2)排气管阻塞或接管过长，转弯半径太小、弯头过多清除排气管内积碳，重新排气接管，弯头不能多余三个，并有足够大的排气截面。
尽管数字印刷技术有着“小批量、多品种”的优势，但谈及关于盈利模式的问题时，各家企业老总也只是挠挠头，笑说“这个真不赚钱”。所以当走进东南文化这家以数字印刷见长的企业时，我们再次提出了这个问题，孙义也同我们分享了他的观点：
房价与人口流动存在着天然联系(王先柱 等，2017)。1998年中国开启住房市场化改革以来，房地产市场为改善居民居住条件、拉动投资和经济增长发挥了巨大作用(刘洪玉，2018)。贾洪文等(2012)发现房价与人口迁入存在正向格兰杰因果关系。邬思怡等(2017)发现房价上涨速度与城市扩张存在非线性关系，房价低速增长促进城市扩张，反之则有挤出效应。邹瑾等(2018)分级回归结果显示，人口老龄化与人口迁移对房价的影响随着城市级别上升而递减，人口结构与住房市场间存在结构性影响特征。徐腾等(2018)发现虽然一些城市的房价较高，但仍有大量人口迁入，从而人口迁移与房价上涨形成循环累积关系。
经变换可得：
综上，诸多研究已开始关注公共服务和住房负担对人口集聚的影响。但遗憾的是，现有研究多数从线性角度进行讨论，而对异质性、非线性问题的关注还远远不够，尤其缺乏对地区差异性、非均衡性等方面的讨论，进而难以得出更符合中国现实的结论及其政策启示。这成为我们采用门槛效应以及分样本研究的目的所在。
二、理论模型
假设有I个城市的N个消费者，地区i,i∈[1,I]，消费者(j,j∈[1,n]且消费者的年均可支配收入为Yij。可供消费商品X包含三类：一般消费品、住房负担(房价)和公共服务消费。就本文而言，主要讨论住房负担和公共服务，因此消费者收益在模型中抽象为人口迁移获得的公共服务，而成本则为住房负担。基于效用最大化和空间均衡条件(Spatial Equilibrium Condition) (Roback,1982；Glaeser, 2008)，当消费者在i地区的效用小于i′时，消费者将从城市i迁往i′，决策效用函数如下：
美宁：叔叔过世后，三万元存款，一万归你，另二万请你交给欧阳橘红。两间房子，一间给你，出租收点租金，补贴家用；另一间给欧阳橘红。家具等物品，全部归欧阳橘红……
(1)
s.t.Yij=cij+hpijhij
(2)
其中，α、β、δ分别表示一般消费品、住房和公共服务对消费者的效用贡献，hpij表示房价。消费者的间接效用函数为v(xij,hpij,sij)，i,j∈[1,I],i≠j。假设消费者空间流动的行动自由，则其在不同地区的效用应该均等，否则人口迁移将会持续，直至效用无差异化，并实现稳态。
教师在开展中长跑运动时，单一的以训练为主，没有合适的方式方法，无法引导学生去摆脱抵触情绪，所以学生的畏难心理日益严重，对中长跑运动的兴趣也直线下降。
v(ci,hpi,si)=v(cj,hpj,sj)
(3)
进一步，假设城市i住房供给量为Hi，则住房市场出清条件为：
(4)
公共服务是影响人口集聚的非经济因素(童玉芬 等，2015)。一方面，城市生活便利性、公共品供给和集聚经济等推动了城市增长，而另一方面交通拥挤、住房负担等则对人口集聚产生挤出效应(于静静 等，2017)。尤其，受儒家文化影响，中国百姓一直来格外重视教育。因此，优质教育资源是现阶段人口迁移的重要因素，由此引起的人口迁移十分普遍，也即现代版的“孟母三迁”(夏怡然 等，2015)。王伟同等(2016)指出大城市比小城市具备更加完善的基础设施，更具人口集聚优势。因此，仲晏晏(2018)认为中小城市应大力提升公共服务水平，创造更好的人口集聚环境。
(5)
命题1：住房负担与人口迁移效用负相关。房价涨幅越高，消费者效用越低，人口集聚动力越弱。
(10)式中，定义为公共服务对消费者的边际效用。联立(9)(10)并运用罗伊恒等式，可得公共服务对人口集聚的边际效率如(11)：
(6)
(7)
(7)中，定义为住房供给弹性，为住房需求弹性，根据罗伊恒等式，得出住房负担对人口集聚的边际效应如(8)所示：
(8)
基于此，我们考察住房负担对人口集聚的影响，对式(3)中房价求导可得：
受当时时尚杂志上大量美图的吸引以及视觉大环境的影响，时尚元素开始越来越多地进入到人像摄影的创作中，占据了摄影镜头。很多片子在走时尚化的路线时，更注重形式、构成、光影的变化，时尚、唯美、精致的视觉感成了主角。
同理，考察公共服务对人口集聚的影响，对式(3)中公共服务求导：
(9)
(10)
学生乙：沿高把三角形剪成两个小等腰三角形，拼成一个边长为8÷2=4的正方形，如图3，原三角形面积等于正方形面积，列式为(8÷2)×(8÷2)=16（平方厘米）。
(11)
命题2：公共服务与人口迁移效用正相关。公共服务水平越高，则消费者效用越高，人口集聚动力越强。
三、指标体系、模型设定及数据处理
(一)指标体系
进一步，我们从已有研究基础、数据可获取性等因素出发，确定指标设计原则如下：(1)住房负担从商品房零售价与人均可支配收入比值来衡量(李拓 等，2015)。(2)公共服务从教育、医疗、文化、市政设施四个方面衡量，具体指标包括每万人拥有公共汽车、人均城市道路面积、公共财政支出、科学技术支出、教育支出、移动电话年末用户数、图书馆藏书量、居民生活用水及用电用气量，医院数及医生数，高校在校师生数(尹鹏 等，2015)；(3)人口集聚从人口密度、城镇人口比重、城市化水平等三方面衡量。
(二)模型设定
1.GMM模型
首先，本文采用动态面板模型及系统GMM方法进行模型估计。考虑到可能存在的异方差及主成分结果负值问题，进行了对数化处理和标准化处理，具体为：
(12)
进一步，分别住房负担和公共服务角度出发构建GMM模型：
(13)
(14)
对总样本门槛效应检验结果表明，住房负担(HPIR)适宜单一门槛模型，公共服务(PS)适合双重门槛分析。
2.门槛模型
本文原始数据源于2008—2017年《中国城市统计年鉴》及各省市统计年鉴。由于公共服务与人口集聚为间接指标，需通过主成分方法进行测算。因篇幅限制，仅列出样本期2016年得分及排名，如表1所示。
(15)
将公共服务水平作为门槛变量，设定模型如下：
(16)
式(15)(16)中，λ1、λ2分别表示对应的门槛值，I为指示函数，按照门槛值进行样本分段，δij为各样本城市的个体效应，μij表示随机扰动项。
(三)数据处理
其次，将住房负担作为门槛变量，设定模型如下：
有关中风的发病机理,历代著作较多,气虚血瘀、肝阳上亢与本病的病机有一定的关系[6]。遵循益气活血,疏通经络,滋阴补阳,熄风开窍等法,能够使患者元气得以补充,脾胃得健,肝气得充,最终恢复患者的生理及形体功能,从而提高患者的精神健康水平。中医在康复过程中具有不可或缺的作用。中医康复疗法可促进患者中枢神经系统的恢复,降低神经功能损伤[7]。中医康复学的特点是在整体观念、辨证论治等理论指导下,实现整体康复、辨证康复。
表12016年公共服务、人口集聚得分及排名
公共服务得分及排名人口集聚得分及排名2016年2016年城市得分排名城市得分排名城市得分排名城市得分排名北京 2631宁波 7.9714北京 118.791宁波 24.7416天津 102.356嘉兴 -40.4535天津 101.398嘉兴 -8.8735石家庄 17.713湖州 -40.1434石家庄 -11.6736湖州 7.0224唐山 -22.4519绍兴 -25.3521唐山 8.9321绍兴 20.618秦皇岛 -34.4528金华 -36.330秦皇岛 7.522金华 -3.6532邯郸 -28.5723舟山 -38.6131邯郸 -19.9939舟山 51.0513邢台 -42.1237台州 -35.1329邢台 -60.5447台州 -11.7937保定 -12.3717合肥 23.7311保定 -35.8743合肥 2.4327张家口 -49.740芜湖 -23.9820张家口 -7.3734芜湖 4.2326承德 -51.8143马鞍山 -52.9144承德 -35.7642马鞍山 4.7525沧州 -40.6736铜陵 -53.2345沧州 -76.5348铜陵 -0.7428廊坊 -39.2532安庆 -50.7941廊坊 -53.346安庆 -46.2845衡水 -54.8747滁州 -51.442衡水 -32.5841滁州 -35.9444上海 244.992池州 -54.8246上海 112.424池州 -1.0129南京 104.265宣城 -56.6748南京 98.169宣城 -12.8438无锡 -3.315广州 172.33无锡 31.4715广州 113.913常州 -10.7416深圳 137.894常州 57.712深圳 115.352苏州 34.398珠海 23.4212苏州 40.8414珠海 102.637南通 -20.4618佛山 24.6810南通 -4.8733佛山 107.96盐城 -30.5624江门 -42.8638盐城 -1.0430江门 7.3423扬州 -31.5626肇庆 -47.1739扬州 18.0219肇庆 -24.4740镇江 -34.3327惠州 -26.422镇江 13.9820惠州 22.4117泰州 -40.1233东莞 29.149泰州 -2.9531东莞 90.6910杭州 68.957中山 -31.2425杭州 60.4311中山 109.735
表1中，从公共服务来看，北京和上海一直位于公共服务前两名，而滁州、宣城基本位于最后两名，地区差距和两极分化现象明显。从人口集聚来看，北京、上海、深圳和广州位于人口集聚前4名，而邢台、沧州和保定的排名靠后，同样表现出稳定的两极分化状态。
图1中住房负担与人口集聚存在一种正相关，但随着住房负担不断增加，最终在坐标轴右侧出现人口集聚的“天花板效应”。图2中，公共服务与人口集聚间也同样呈现显著的非线性关系，且大部分城市的公共服务水平仍然较低。
图1住房负担与人口集聚分布散点图
图2公共服务与人口集聚分布散点图
四、实证分析
(一)总样本分析
其中，i=1,2,3…,48，代表样本城市；t=1,2,3…,10，表示样本时间。pop为人口集聚，popit-1表示人口集聚滞后一期水平并纳入解释变量。HPIR代表住房负担，PS代表公共服务。二次项用于刻画变量之间的非线性关系。此外，在计量模型中加入GDP、小学生人数(PUPIL)、财政收入(FR)等控制变量。εα表示误差项。
表2总体样本回归结果
解释变量系统GMM(1)(2)门槛模型(3)(4)L.POP0.685∗∗∗(0.0139)0.620∗∗∗(0.00408)HPIR2-0.0563∗∗∗(0.00432)P S20.563∗∗∗(0.0234)HPIR0.176∗∗∗(0.0190)0.120∗(0.063)PS0.605∗∗∗(0.0219)0.453∗∗∗(8.44)HPIR_10.398∗∗∗(2.55)HPIR_20.198∗∗(2.17)PS_10.186(1.23)PS_20.799∗∗∗(7.76)PS_31.440∗∗∗(6.48)PGDP0.0203∗∗∗(0.00436)0.0342∗∗∗(0.00142)0.142∗∗∗(8.92)0.0886∗∗∗(5.36)PUPIL0.0331∗∗∗(0.00257)0.132∗∗∗(0.00194)0.0324∗(1.77)0.00565(0.38)FR-0.0331∗∗∗(0.00257)-0.0295∗∗∗(0.00126)0.0365(3.00)-0.0102(-0.86)Constant0.498∗∗∗(0.0407)0.771∗∗∗(0.0118)-0.699∗∗∗(-5.45)-0.371∗∗∗(-2.97)Observations432432480480R-squared0.3690.603Number of id48484848
注：全样本门槛值分别为HPIR(0.169)、PS(0.287,0.372)。***、**、*分别表示在1%、5%和10%的显著性水平
模型(1)(2)为GMM实证结果。HPIR2和PS2等二次项系数都在1%水平上显著，表明研究对象之间存在非线性特征。其中，住房负担HPIR2系数显著为负，表明住房负担与人口集聚存在倒U形关系。表明在城市化初期，住房负担与人口集聚同时上升，但随着住房负担进一步加剧对人口集聚显现出阻碍作用。同理，当公共服务水平达到并超过门槛值后，才显著发挥出对人口集聚的推动作用。这，可以从近年来城市间的“抢人竞赛”结果中得到验证。虽然，多个城市相继出台各类人才的吸引政策，但毫无悬念，最终的赢家普遍仍是大城市，因为其公共服务水平更加完善。另外，L.POP为人口集聚滞后一期值，系数分别为0.685和0.620，且都在1%水平上显著，表明人口集聚具有正向惯性，前期人口迁移会带来更多的人口集聚。模型(3)式将住房负担作为单一门槛变量，结果发现，住房负担的影响系数在门槛值0.169水平之下和之上的影响系数分别为0.398和0.198，并分别在1%和5%水平上显著。表明在较低分住房负担情况下，住房负担与人口集聚正相关，但是，随着住房负担加大，其对人口集聚的促进作用开始减弱，也意味着人口集聚对住房负担的厌恶程度开始增加。模型(4)式以公共服务为双重门槛变量,结果表明:当公共服务水平低于第一个门槛值时，其对人口集聚的促进作用并不显著，而随着公共服务不断提升并分别迈过第一个、第二个门槛值0.287、0.372后，其对人口集聚的促进作用不断增强，影响系数分别达到0.799和1.440，且都在1%的水平上显著。与假设2相符。控制变量结果发现，PGDP的估计系数为正，表明经济发展与人口集聚正相关，良好的经济基础也是吸引人口集聚的重要原因。另外，小学生人数的估计系数为正，由于小学生人数与流动人口规模密切相关，与现实相符。财政收入的估计系数为负，表明财政收入会增加居民税收负担，加重生活成本，导致居民“用脚投票”(Tiebout,1956)。
(二)分样本分析
针对中国经济发展的地区差异，本文按照国家统计局及其他相关来源分类标准②，将总样本细分为21个一二线城市和27个三四线城市，进行门槛效应的统计检验。统计结果表明：住房负担适合双重门槛模型，而公共服务适合单一门槛模型。门槛模型回归结果如表3。
模型(5)(6)为一二线城市门槛回归。结果表明，一二线城市住房负担和公共服务对人口集聚的影响都呈正相关关系。然而，随着住房负担水平不断升高，其对人口集聚的影响系数不断减弱，从0.134逐步递减为0.07、0.007。进而表明，当前对于中国大城市而言，住房负担已相对处于高位，并在一定程度上已消耗掉人口集聚的“红利期”，继续攀升则极可能引发人口集聚的挤出效应。同时，公共服务在单一门槛值0.379之下的影响系数为0.578，然而，随着公共服务水平进一步升高，其对人口集聚的影响并不显著。这反映出，目前一二线城市的公共服务水平虽然较高，但囿于户籍限制等障碍性因素，导致公共服务难以真正实现均等化，压抑了公共服务效率的提升。以北京市为例，作为全国的政治中心和文化中心，虽集聚诸多的高校、医院、大型场馆等公共服务资源，但仍未能有效满足市民日常生活需求，教育难、住房难、看病难、出行难等诸多民生问题，最终，不得不进行非首都功能性疏解，以解决公共资源过度拥挤、非均衡和效率低下等问题。可见，如何提升公共服务公平性、普惠性？仍将是未来国内诸多城市必须面对的严峻问题。
东半壁店小流域内垃圾主要为村庄、设施大棚区及工业企业区的生活、生产垃圾。随着近年新农村建设的大力投入，流域内实施垃圾密闭化、无害化管理，对垃圾进行分类处理，生产垃圾统一运到镇垃圾填埋场回填；生活垃圾统一运到镇垃圾压缩转运站进行压缩后运往安定垃圾消纳场消纳。
乔十二郎不知他真实意图，只好含糊地抱拳施礼。赵大人最后走到秦铁崖面前，并不施礼，而是背着双手，昂首挺胸正色道：“本官乃刑部尚书赵凤洲。”
表3一、二线和三四线城市回归结果
一二线城市(5)(6)三四线城市(7)(8)HPIR0.279∗∗∗(2.15)0.0605(0.64)PS0.268∗∗∗(4.77)0.238∗∗∗(-3.23)HPIR_10.134∗∗∗(0.90)0.164(0.59)HPIR_20.070∗∗∗0.81)0.690∗∗∗(2.75)HPIR_30.007∗∗∗(0.10)0.193∗(1.92))PS_10.578∗∗(2.55)-0.265(-0.57)PS_20.0534(0.72)0.727∗(1.96)PGDP0.0260(1.13)0.0366(1.35)0.144∗∗∗(9.22)0.135∗∗∗(7.54)PUPIL0.211∗∗∗(8.78)0.0656(1.56)0.00371(0.20)-0.0212(-0.17)FR-0.143∗∗∗(4.33)-0.0622∗∗(-2.53)-0.0623∗∗∗(-5.64)-0.0447∗∗∗(-3.78)Constant0.00626(0.02)-0.962∗∗∗(-4.23)-0.126(-0.94)-0.240(-1.62)Observations210432480480R-squared0.6510.5340.3330.603Number of id21212727
注：一二线城市门槛值分别为HPIR(0.093,0.19)、PS(0.379)；三四线城市门槛值分别为HPIR(0.102,0.164)、PS(0.144)。***、**、*分别表示在1%、5%和10%的显著性水平
模型(7)(8)为三四线城市实证结果。(7)中当住房负担低于第一个门槛值时，影响不显著，而在第一个门槛值和第二个门槛值之间时，影响系数为0.69且在1%水平上显著，而在第二个门槛值以上递减为0.193，且在10%水平上显著。进而表明，现阶段三四线城市的住房负担对人口集聚的正向关系表现为先增后减，相比较一二线城市而言，其门槛效应相对滞后。同时，(8)中公共服务仅在第一个门槛值0.14之上时，其影响系数为0.727且在10%水平上显著。这表明，在三四线城市，公共水平的增加仍然有助于显著提升人口集聚。
从控制变量来看， GDP对一二线城市的人口集聚作用有限，而对三四线城市的作用明显。这表明，一二线城市的人口集聚动力已从就业、收入等经济因素转向非经济因素如文化、公共服务等。相比较，产业和经济因素等仍是促进三四线城市人口集聚的关键原因。另外，财政收入对人口集聚同样具有明显的挤出作用，遵循“用脚投票”法则。综上，GMM模型和门槛模型回归结果趋于一致，证实本文实证结果的稳健性。
五、总结
综上，中国改革开放以来的城市化进程，成就显著，书写了人类大规模人口迁移的灿烂篇章。本文选择2007—2016年中国三大城市群48个城市，采用门槛模型进行了实证分析。结果发现：从住房负担来看，虽然其与人口集聚存在正向关系，但从一二线城市来看，随着住房负担门槛不断提高，两者间的正向关系逐步减弱，而三四线城市则呈现先增后减的倒U形特征；从公共服务来看，其与人口集聚正相关，但一二线城市具有显著的边际递减效应，三四线城市则表现为边际效应递增。政策启示如下：
为了给转基因食品的追踪机制的建立提供便利，应当构建严格的转基因食品标识制度，充分保护消费者的选择权、知情权。
一是加大对住房负担和公共服务的重视。近年来，全国多个城市出现“抢人竞赛”，对人才的渴求达到空前。但本文从人口迁移内在规律而言，要想真正实现人才“请进来”“留得住”，除简化各种行政负面清单及手续外，需持续降低住房负担、优化公共服务，提升居民获得感、幸福感和生活品质。二是加大对住房问题的民生扶持。贯彻执行党的十九大报告“房子是用来住的，不是用来炒的”政策精神，建立完善“高端有需求、中端有市场、低端有保障”的住房市场结构，构建“租购并举”住房制度。重点加大对一二线城市住房负担问题的解决力度，坚持“因城施策”“一城多策”，并在政策制定、执行和监督方面落到实处，真正实现住有所居，消除人口迁移的后顾之忧。三是针对不同城市采取差异化人才吸引政策。其中，一二线城市的公共服务重点在于效率提升，通过降低户籍门槛、租购同权等措施，实现公共服务均等化。而三四线城市重点在于增量优化。通过PPP、公私合营、公共服务均等化等途径加大公共服务供给，为人口集聚提供良好的硬件设施。
①数据来源：https://baijiahao.baidu.com/s?id=1597231677624058501&wfr=spider&for=pc。
②目前，各界对于城市等级划分并没有十分严格统一的定义。本文主要参考国家统计局和相关信息来源等两个口径进行城市等级划分，两种划分结果相对一致，形成局部与整体的关系。一是国家统计局对70个城市住宅销售价格调查的局部划分办法。其中一线城市特指北京、上海、广州、深圳；二线城市为省会城市、自治区首府城市和其他副省级城市；三线城市为除一二线城市之外的其他城市。二是源自《中国城市等级划分》(http://www.k1u.com/news/11516.html)等相关信息来源的整体划分办法。其中一线城市指在全国政治、经济等社会活动中处于重要地位并具有主导作用和辐射带动能力的大都市，在国家统计局标准基础上增加了天津；二线城市分为8个发达城市、15个中等城市和7个较弱城市；三线城市指具有战略意义或比较发达及经济总量较大的中等城市，多数为中东部地区省域内的区域中心城市、经济条件较发达的地级市。
参考文献:
陈忠斌,黄露露.2018.重购轻租还是租售并重:居住方式对农民工举家迁移影响的实证研究[J].经济经纬(1):41-46.
贾洪文,颜咏华,白媛媛.2012.人口迁移、金融集聚对房地产价格影响的实证研究:基于省级面板数据模型的分析[J].东北财经大学学报(5):78-83.
李拓,李斌.2015.中国跨地区人口流动的影响因素——基于286个城市面板数据的空间计量检验[J].中国人口科学(2):73-83.
刘洪玉.2018.房地产行业“从无到有”扮演了社会经济的重要角色[N].新华网10-24.
童玉芬,王莹莹.2015.中国流动人口的选择:为何北上广如此受青睐?——基于个体成本收益分析[J].人口研究(4):49-56.
王伟同,魏胜广.2016.人口向小城市集聚更节约公共成本吗[J].财贸经济(6):146-160.
王先柱,吴义东.2017.人口老龄化、出生率与房价——基于房地产市场的区域特征[J].华东师范大学学报(哲学社会科学版)(3):145-154,175-176.
王智勇.2018.人口集聚与区域经济增长——对威廉姆森假说的一个检验[J].南京社会科学(3):43-52.
邬思怡,张协奎,张练.2017.中国房价上涨对城市扩张的驱动效应研究:来自69个大中城市门限模型的经验证据[J].广东财经大学学报(3):16-27.
夏怡然,陆铭.2015.城市间的“孟母三迁”——公共服务影响劳动力流向的经验研究[J].管理世界 (10):78-90.
徐腾,姚洋.2018.城际人口迁移与房价变动——基于人口普查与百度迁徙数据的实证研究[J].江西财经大学学报(1):11-19.
尹鹏,李诚固,陈才,等.2015.新型城镇化情境下人口城镇化与基本公共服务关系研究——以吉林省为例[J].经济地理(1):61-67.
于静静,胡司琪,周京奎,2017.公共品供给、集聚经济与城市增长[J].经济经纬(11):7-12.
仲晏晏.2018.人口结构变化、经济金融化与房地产泡沫——基于中国省际面板数据研究[J].浙江金融 (2):19-26.
邹瑾,娄著盛.2018.老龄化、人口迁移与地区房价差异:基于不同层级城市面板数据的研究[J].经济经纬(11):22-29.
CHESHIRE P S, MAGRINI S. 2006. Population growth in European cities: Weather matters-but only nationally[J].Regional Studies,40(1):23-37.
GLAESER E L.2008.Cities,agglomeration and spatial equilibrium[M].Oxford:Oxford University Press.
KRUGMAN P.1991.Increasing returns and economic geography[J].Journal of Political Economy,99(3):484-499.
PARTRIDGE M.2010. The duelling models: NEG VS Amenity Migration in explaining US engines of growth[J]. Papers in Regional Science,89(3):513-536.
ROBACK J.1982.Wages,rents and the quality of life[J].Journal of Political Economy,90(3):1257-1278.
TIEBOUT C M. 1956. The pure theory of local expenditure[J].Journal of Political Economy,64(5):416-424.
HousingBurden,PublicServicesandPopulationAgglomeration—Empirical Analysis Based on 48 Cities of Three Major Urban Agglomerations in China
LI Wei-jun1,2
(1.SchoolofEconomics,FudanUniversity,Shanghai200433,China;2.SchoolofBusiness,AnhuiUniversityofTechnology,Maanshan243032,China)
Abstract:Since the reform and opening up, along with the rapid increase of urbanization rate, housing burden and public service show increasingly prominent impact on population agglomeration. This paper uses the panel threshold model to discuss the relation of housing burden and public service to population agglomeration in 48 cities in China’s three major urban agglomerations from 2007 to 2016. The results show that housing burden and public services have significant threshold effect on population agglomeration with significant regional differences. On the one hand, housing burden is positively correlated with population agglomeration. However, in first-tier and second-tier cities, it is diminishing in marginal effect, while in third-tier and fourth-tier cities, it shows an inverted u-shape feature of increasing first and then decreasing. On the other hand, public services are also positively correlated with population agglomeration, with diminishing marginal effect in first-tier and second-tier cities and increasing marginal effect in third-tier and fourth-tier cities. Therefore, to promote population agglomeration, differentiated population attraction policies should be adopted in different cities. First-tier and second-tier cities should focus on reducing the housing burden while improving the efficiency of public services, and third-tier and fourth-tier cities should continuously increase the supply of public services.
Keywords:Housing Burden; Public Services; Population Agglomeration; Threshold Effect
基金项目：国家自然科学基金面上项目 (71874001)；第11批中国博士后特别资助项目(2018T110327)
作者简介：李伟军(1976— )，男，河南郑州人，复旦大学在站博士后，副教授，硕士生导师，主要从事房地产经济学、金融学研究。
中图分类号：F272.92
文献标识码：A
文章编号：1006-1096(2019)05-0009-08
收稿日期：2018-08-01
(编校：家伟)
标签：人口论文; 城市论文; 公共服务论文; 住房论文; 负担论文; 社会科学总论论文; 人口学论文; 世界各国人口调查及其研究论文; 《经济经纬》2019年第5期论文; 国家自然科学基金面上项目(71874001)第11批中国博士后特别资助项目(2018T110327)论文; 复旦大学经济学院论文; 安徽工业大学商学院论文;