上海
摘要:基于百度指数采集到的家政服务需求数据，整合地区、城市群、城市等多种尺度，对2012 2018年中国285个地级及以上城市家政服务需求的时空演变特征进行测度，并采用多元线性回归模型定量探测其影响机制。结果表明:①2012-2018年中国城市家政服务需求逐年上升，区域差异缩小，可分为“迅猛增长”“高位稳定”两个阶段。同时，家政服务需求以低、中低类型为主，以中心城市为核心，呈现出明显的“核心一外围”特征。②中国城市家政服务需求呈“东一中一西”阶梯式递减态势，地区内差异始终大于地区间差异。不同类型城市群具有“国家级>区域级>地区级>城市群外”倒金字塔式集群增长特征，形成了“一线>新一线>二线>三线>四线>五线城市”的等级结构。③供给、需求条件共同影响家政服务需求。经济发展水平和产业结构影响家政服务的供给规模和质量，人口规模、居民消费与收人水平影响家政服务需求规模和居民支付能力。最后对如何提升家政服务等改善型消费需求、扩大内需进行了讨论，以期为促进家政服务业提质扩容和实施扩大内需战略提供理论依据和实践参考。
改革开放以来，特别是党的十八大以来，随着我国居民收入水平不断提高，“三孩”生育政策推进实施和老龄化程度不断加深，家政服务已日渐成为新时代满足人民日益增长的美好生活需要的重要载体之一。据中国家庭服务业协会调查显示，2018年1.9亿户城镇家庭中约15%的家庭需要家政服务。2020年10月，党的十九届五中全会明确指出要“形成强大国内市场，构建新发展格局”。同年5月，商务部指出将从三方面扩大内需、促进消费，其中之一就是要重点发展家政服务业。在此背景下，定量测度城市居民家政服务需求，有利于深入实施扩大内需战略，对于推动形成以国内大循环为主体、国内国际双循环相互促进的新发展格局具有重要意义。
目前，国内外学者从不同视角对家政服务需求进行研究。国外学者主要通过问卷调查对家政服务需求进行测度，并对家政服务需求的影响因素进行探讨，如Sven Illeris发现家政服务需求随无子女和单亲家庭数量的上升而增加}4} ; Elena ManasAlcon等对西班牙家政服务需求分析发现，家庭收入、教育程度、妇女工作环境等会对家政服务需求产生影响;Anne Flip。等发现高收入家庭的家政服务需求随年龄和收入的上升而增加，降低税收对家政服务需求有促进作用。国内学者的研究主要集中在两个方面:一是从宏观层面定性分析家政服务的供需矛盾，发现家政服务数量和质量供给都无法满足日益增长的需求.二是基于调研数据定量分析不同尺度的家政服务需求问题。如W angY依托中国健康与营养调查数据库计算中国家庭每周家务劳动市场价值，发现中国家庭的家务劳动时间与美国家庭相同时，家政服务市场的需求将增加8%一12%}9传杨毅晨、吴莹分别基于调研数据研究发现上海、长春市家政服务供需矛盾需求十分突出。还有学者基于人口宏观管理与决策信息系统数据研究得到，2018年我国家政服务需求量为4 560万次，预计2 035年将达13 889万次。总体上看，现有成果囿于问卷调查覆盖范围较小、问卷数量有限等原因，对全国各城市居民家政服务需求尚缺乏系统的研究，如何测度全国各城市家政服务需求，针对需求差异提供家政产品成为PJ}需解决的现实问题。近年来，互联网的高速发展和网络信息的不断增多，为家政服务需求测评提供了新的切入点。《第47次中国互联网络发展状况统计报告》显示，截至2020年12月，中国网民规模达9.89亿，其中77.8%使用搜索引擎获取信息，搜索引擎已成为居民日常获取信息的重要途径。学者们也利用百度指数、谷歌趋势等搜索引擎的网络关注度大数据进行研究，为旅游地理、区域经济、社会舆情等领域的研究提供了新的视角。网络关注度是居民需求和行为在虚拟空间上的直观体现，一定程度上能反映居民对某一事物、现象的关注程度，与居民的现实社会行为密切相关。一川。尽管其受地区互联网普及与覆盖率等的限制，但仍能在较大程度上体现居民的需求特征，尤其是在分析时间变化规律，以及需求量大小的横向对比中，具有较高的可信度。 2019年，《国务院办公厅关于促进家政服务业提质扩容的意见》中明确指出要大力发展“互联网+家政”等新业态，互联网日渐成为中国家政服务业创新发展的主要动力和重要支撑f2al0在互联网的时空拉伸效应下，互联网不仅是刺激居民家政服务需求、预订家政服务产品的重要诱因，更是家政服务市场形成和发展的重要驱动因素[’〕。因此，利用占据搜索引擎市场80%以上的百度指数能较好衡量城市居民家政服务需求。
鉴于此，本文基于百度指数采集到的家政服务需求数据，以中国大陆地级及以上城市为研究对象，整合地区、城市群与城市等多种尺度，对中国城市家政服务需求的时空演变特征进行分析，并综合供给和需求条件进行系统性的影响因素探究，为促进家政服务业提质扩容，进一步扩大内需提供理论依据和实践参考。
1研究方法与数据来源
1.1城市家政服务需求测度
本文采用百度指数获取到的网络关注度数据对中国城市家政服务需求进行测度。百度指数是依托百度搜索引擎的数据共享平台，不仅可提供各时段被检索关键词在全国各地的网络关注度，还可提供与所检索关键词相关性极强的若干关键词，解析用户的相关需求。由于家政服务分类较多，使用单一关键词难以全面衡量家政服务需求，因此要选取多个有代表性的关键词进行叠加分析。以往研究主要采用主观选词法进行选择，本文采用需求图谱中的相关词热度大小和相关文件中对家政服务的定义确定关键词，以避免主观确定关键词带来的人为偏差。
鉴于此，本文选取百度用户在寻求家政服务或了解相关信息时搜索热度最高的“家政”“保姆”“家政服务”“家政公司”“钟点工”5个词以及《国务院办公厅关于促进家政服务业提质扩容的意见》中“月嫂”“育婴师”“护工”“家政保洁”4个主要家政服务分类作为关键词，收集2012-2018年各城市百度用户对这9个关键词逐日的整体(PC+移动)网络关注度数据，共收集到数据749.493万条，并将各城市9个关键词的数据相加，以此测度家政服务需求。需要说明的是，2018年中国大陆共有298个地级及以上城市，为保证空间连续性和便于分析，本文综合2012-2018年地级市变动情况，将个别时序上不统一的城市和网络关注度有缺失的城市进行剔除，最终选取285个地级及以上城市作为研究对象。
为探讨不同空间尺度家政服务需求的变化特征，按照中国经济地理发展格局和地域空间特征将中国大陆划分为三大地区、19个城市群和6个城市等级。三大地区包括东部、中部和西部地区;19个城市群参照《中国城市群地图集》的划分标准，分为五大国家级、八大区域级、六大地区级城市群;城市等级依据《2020城市商业魅力排行榜》，分为一线、新一线、二线、三线、四线和五线城市6个等级。
1.2影响因素与机制分析
变量设计
家政服务作为改善型需求，供给条件主导着供给质量，需求条件决定着市场规模，两者相互作用共同影响着家政服务需求。因此，本文从供给条件、需求条件两方面选择中国城市家政服务需求时空分异的解释因子(表1)。
①供给条件。家政服务的供给主体是家政服务从业人员，从业人员数越多，其能供给的服务数量越多。据此可将家政服务业从业人员数作为表征因素，但囿于各级统计年鉴中对“家庭服务业”这一行业小类的统计数据缺失较大，本文用“居民服务、修理与其他服务业”这一行业大类的城镇从业人员数替代。城市的经济发展水平、财政收入和社会营商环境一定程度上决定了家政服务的供给规模和能力。理论上，城市经济发展水平越高，家政服务需求越高，政府部门也更重视家政服务业发展，对其财政支持力度也会越强;此外，营商环境好的城市更吸引家政服务人员前来就业，刺激更多资本投入到家政服务业中[25}。因此，本文选取人均GDP、人均财政收入及涵盖企业家、投资、技术3个维度的区域创新创业指数来表征供给条件。与此同时，家政服务业在带动就业创业方面发挥重要作用，成为第三产业的重要部分之一，因此将第三产业占GDP比重作为供给条件的表征因素。
②需求条件。家政服务需求的主体是城市居民，城市人口越多，潜在需求也越多。据此将常住人口数和城镇化率作为表征因素。但囿于《中国城市统计年鉴》中未统计城镇化率，在各省(自治区、直辖市)的统计年鉴中也不能完整获取，因此使用灯光指数来代替城镇化率。此外，根据“马斯洛需求层次理论”，居民家政服务需求是在生存等基本需求得以满足后才会产生。随着居民收入水平、支付能力不断提升，“闲暇”的影子价格得以提高，促使家庭改变既有消费偏好，倾向于寻求“市场化”的家政服务[川。据此将城镇居民人均可支配收入、人均社会零售品消费额作为表征收入、消费的指标。此外，就业人员由于工作繁忙，对闲暇的追求更加迫切。根据家庭经济学理论，工作与闲暇具有一定的替代关系。当工资率提升时，居民便会倾向于增加工作时间或将更多时间用以闲暇，减少家务时间。近年来，中国就业人数明显增多，薪资上升也带来了收入效应和替代效应，激励居民减少家务时间，家政服务需求更加旺盛，因此将在岗职工平均人数作为表征就业人数的指标。同时，根据威廉·配第的理论，第三产业从业人员工资较第二、第一产业从业人员高，本文借鉴产业结构高级度的计算方式，用三次产业就业人数比重向量与对应单位向量之间的夹角大小表示从业人员高级度，以反映城市居民的工资率。
模型选择
理论上，中国城市家政服务需求受上述多个因素共同作用。因此，本文采用多元线性回归分析方法定量识别影响家政服务需求的具体因子.’〕，并讨论不同地区影响因子的差异。回归模型为:
Y=}o+/3,X,+/32X2+，二+/3oXo+“式中:Y为城市家政服务需求;/3c，为常数项/3}2}… 为回归系数;X,,凡、'X,.为表1中影响因子的观测值;二为随机误差。为避免部分解释变量之间可能存在相关关系导致的多重共线性问题，本文采用逐步回归法构建多元线性回归模型[32]0
数据来源
影响因素中常住人口数据来源于2013-2019年各省(自治区、直辖市)统计年鉴或统计公报;灯光指数来源于美国国家极轨环境卫星VIIRS传感器提供的2012-2018年夜间灯光辐射数据，采用不变目标区域法对异常值进行剔除，通过某区域内计算所得的DN总值除以栅格数得出各城市的灯光指数均值 ,区域创新创业指数来源于北京大学企业大数据研究中心，其结合技术、人、投资等领域构建指标体系，覆盖了城市各级企业，能够较好的体现城市营商环境。其它数据均来源于2013-2019年
《中国城市统计年鉴》“市辖区”数据，个别缺失数据通过各省(自治区、直辖市)统计年鉴进行补充。
