图片来源：网络

原文信息：

Gaetani, R., Huang, N., Li, J., & Yang, Y. (2026). Are cities losing innovation advantages? Online versus face-to-face interactions. The Economic Journal, 136(674), 655-685.

01

2020 年初 COVID-19 大流行的爆发，极大地减少了城市中面对面互动的机会。与此同时，远程办公（WFH）实践的普及，得益于线上交流工具的可获得性日益增强，这些工具旨在为面对面互动提供可行的替代方案。这些工具有效地连接了属于同一正式网络的人们，并为远距离合作开辟了新的可能性。然而，它们能否产生与城市密度所提供的相当的、非正式知识交流的机会——从而持久地侵蚀城市优势，这一点尚不明确。

COVID-19 如何影响了密集地区的创新优势？利用美国专利商标局的全部专利申请数据，本文发现，在 2020-2021 年，新颖发明产出的密度溢价相比疫情前水平下降了 18.5% 至 22.9%。关于本地流动性的智能手机数据表明，本地互动频率的下降可以解释这一效应的很大一部分。尽管 COVID-19 导致密集地区的创新优势出现暂时性衰退，但城市密度在促进思想交流和重组方面的作用不太可能被线上交流永久取代。

本文提出了一个简要的理论框架，用以说明本地互动强度如何随人口密度变化，这种变化如何产生创新密度溢价，以及针对本地互动的限制如何导致密度溢价下降。该模型关注的是居住在给定地点的代表性发明人的创新成果。

02 

在本节中，检验 COVID-19 引起的面对面互动频率大幅下降是否会导致新发明新颖性内容的减少。文章表明，创新密度溢价，即人口更密集的地区产生更新颖发明的程度，在疫情爆发后显著下降。

3.1实证框架

研究设计是一个连续型双重差分，其中处理强度由本地人口密度给出，处理时间与 COVID-19 爆发时间一致：

其中，代表创新程度，定义为在CSD 和年份提交的专利申请新颖性分布的第或第百分位数值。核心系数捕捉了人口密度对数值（）与一个虚拟变量（）交互项的影响，该虚拟变量在申请年份为2020年或之后取值为1，否则为0。的负估计表明，与人口密度较低的地点相比，人口密度较高的地点在COVID-19爆发后创新程度下降更为明显。纳入CSD固定效应（捕捉影响本地创新程度的时不变特征）和年份固定效应（捕捉平均创新程度随时间的变化）。

其中，是2011年至2021年间的年份集合。该设定类似于方程(5)，但包含了与人口密度交互的单独年份虚拟变量。因而能够估计样本期内每年密度对创新程度影响的单独系数。图2绘制了估计系数及相应的置信区间，其中本地创新程度以本地新颖性分布的第（上图）或第（下图）百分位数值衡量。创新密度溢价在COVID-19之前是稳定的，早期年份的系数都没有显著不同于2019年的系数。从2020年开始，密度溢价出现显著下降。这些结果证实，不存在随人口密度系统变化的本地创新程度趋势，这表明表1中的主要结果很可能由2020年初COVID-19的爆发所解释。

本节考察支撑主要的可能机制。疫情期间的社交距离减少了密集地区面对面思想交流的机会，这可以部分解释创新密度溢价的下降。社交距离影响了工作场所正式的面对面会议以及餐厅等其他会面场所的非正式互动。原则上，这两类面对面互动都可能对思想交流和最终的创新成果产生影响（Andrews，2019；Atkin 等，2022；Emanuel 等，2023）。相对于低密度地点，高密度地点的面对面互动（无论是在工作场所还是非正式场合）下降幅度明显更大。随后计算两类互动强度的特定地点变化，并表明这些变化解释了前一节中记录的部分观察到的创新密度溢价下降。

4.1衡量工作场所及非正式场合的面对面互动

使用社会距离度量数据集，计算给定地点中通勤上班人群比例的每日度量，并估计了在 COVID-19 大流行期间，随着远程办公的广泛采用，这一比例如何变化。具体而言，构建四个替代的工作场所面对面互动强度度量，反映了关于数据中观察到的出行模式如何反映这些互动程度的不同假设。

对于每个 CSD 和每天，这四个度量定义为：（1）手机用户中位出行距离等于 0km 的比例，（2）中位出行距离不超过 2km 的比例，（3）全天待在家的比例，以及（4）全职在非居住地工作的比例。第一、第二和第三个度量应随着远程办公变得更加普遍而增加，而第四个度量应减少，因此预期第四个度量与前三个度量呈负相关。

下表面板 A 显示了 2019 年 1 月至 4 月四个变量的均值和标准误，面板 B 显示了 2020 年的情况。2019 年 1 月至 4 月期间，留在家中的概率保持稳定，但从 2020 年 3 月开始急剧增加，与美国 COVID-19 爆发的时间吻合。所有四个度量的统计数据表明，在 COVID-19 爆发后，工人们在工作场所的面对面会面机会急剧减少。

接下来，使用每周模式数据集来追踪餐厅和其他餐饮场所的访问次数和访客数量。该数据报告了每小时访问量和每周访客量。访问次数和访客数量的区别在于，一个访客可能多次访问同一场所并产生多次访问。为了捕捉导致社交互动的访问，将注意力限制在城市区域内的普查区块组中的场所，从而排除例如位于高速公路沿线的场所。如果普查区块组内位于城市化区域的人口比例超过其总人口的50%，将其视为城市区块组。最后，将访客和访问数据从普查区块组层面汇总到 CSD 层面。

通过汇总每小时访问量来计算每日访问量，并通过假设一周内七天基于报告的每周访客量的比率恒定来近似每日访客数量。下表面板 A 和 B 分别报告了 2019 年和 2020 年 1 月至 4 月每日访问量和每日访客数量的月度汇总统计。2019 年，每日访问量和每日访客数在四个月内保持稳定，但在 2020 年 3 月急剧下降。这两个度量的汇总统计表明，在 COVID-19 爆发后，访问餐饮场所的人数减少了。

其中代表CSD 的指示变量，在日期为2020年3月或4月时等于1，在2020年1月或2月时等于0。使用上述所有工作场所或非正式场合的面对面互动度量作为结果变量来估计该方程，特定地点的系数捕捉了COVID-19爆发后CSD 中面对面互动下降的幅度。

第二步，在第一步中估计的系数与疫情后虚拟变量的交互项作为额外的协变量加入：

与基准相比，系数的估计值下降将表明面对面互动的下降是创新密度溢价下降背后的一个促成机制。表2报告了四种工作场所面对面互动度量的结果。面板A和B分别显示了结果变量定义为新颖性分布第和第百分位数的情况。作为参考，第1列报告了表1中显示的基准结果。每个特定地点的潜在机制代理变量分别在第2到5列中单独加入。第6列显示了将所有度量作为额外协变量加入时的变化。

表3报告了两种非正式场合面对面互动度量的相应结果，面板A和B分别显示了结果变量定义为新颖性分布第和第百分位数的情况。第1列报告基准结果，第2列和第3列分别将访问餐厅的次数和访客数量作为渠道引入，第4列同时引入两个变量。

不出所料，工作场所和非正式场合互动强度的代理变量高度相关，并且可能至少部分由相同的基本力量驱动。重要的是，尽管两组代理变量对两类互动的负载不同，但这些代理变量解释主要结果的能力在数量上是可比的。这表明，疫情期间对面对面互动的限制，既通过减少工作场所思想交流的机会，也通过使在非正式场合与人见面变得更加困难，从而降低了密集地区新颖发明的潜力。

05 

通过面对面互动进行知识交流的机会通常被认为是经济活动，尤其是创新活动，倾向于集中在人口密集城市的主要原因之一。COVID-19 大流行严重限制了这些互动机会，同时促进了日益可用的线上交流工具的发展。这些新工具是否会持续侵蚀城市在创新方面的优势，是本文探索的目标。

虽然大流行的爆发并未影响专利数量上的密度溢价，但它对密集地区产生最具新颖性想法的能力产生了巨大的负面影响，而面对面互动的下降可以解释这种效应的很大一部分。一方面，这意味着密集城市在创新过程中暂时失去了部分优势。另一方面，这表明密度在促进知识流动和维持新颖想法创造方面所起的作用，无法被线上交流有效取代。

这些发现对后疫情时代企业内劳动力的空间组织具有直接影响。工人之间面对面互动的强度是否应恢复到疫情前水平，这个问题已被广泛讨论，尤其是在知识密集型行业的企业中。除了对公司内部合作和思想交流的影响之外，密度所促进的自发接触对于连接不同公司和领域、拥有多样化知识背景的工人至关重要，从而激发高度新颖发明的产生。这一过程所蕴含的巨大外部性为政策提高协调和效率开辟了空间。

推文作者：王佳玄。推文内容中若存在错误与疏漏，请批评指正！

 Abstract 

声明：推文仅代表文章原作者观点，以及推文作者的评论观点，并不代表香樟经济学术圈公众号平台的观点。