EN中文

经济地理 >

2021 , Vol. 41 >Issue 11: 56 - 64

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.11.007

城市地理与新型城镇化

基于网络关注度的中国城市家政服务需求时空演变及影响因素

  • 鄢继尧 , 1, 3 ,
  • 赵媛 , 1, 2, 3, ※ ,
  • 许昕 4 ,
  • 崔盼盼 1, 3 ,
  • 祝孔超 1, 3
展开
  • 1.南京师范大学 地理科学学院，中国江苏 南京 210023
  • 2.南京师范大学 金陵女子学院，中国江苏 南京 210097
  • 3.江苏省地理信息资源开发与利用协同创新中心，中国江苏 南京 210023
  • 4.南京邮电大学 人口研究院，中国江苏 南京 210042
※赵媛（1963—），女，江苏南京人，教授，博士生导师，研究方向为能源地理与人口地理。E-mail：

鄢继尧（1997—），男，四川成都人，博士研究生，研究方向为经济地理与区域规划。E-mail：

收稿日期: 2021-03-27

  修回日期: 2021-07-22

  网络出版日期: 2025-04-17

基金资助

国家社会科学基金项目(20BSH116)

收起

Spatiotemporal Evolution and Influencing Factors of Urban Domestic Service Demand in China：Based on Network Attention

  • YAN Jiyao , 1, 3 ,
  • ZHAO Yuan , 1, 2, 3, ※ ,
  • XU Xin 4 ,
  • CUI Panpan 1, 3 ,
  • ZHU Kongchao 1, 3
Expand
  • 1. School of Geographic Science，Nanjing Normal University，Nanjing 210023，Jiangsu，China
  • 2. Jinling College，Nanjing Normal University，Nanjing 210097，Jiangsu，China
  • 3. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application，Nanjing 210023，Jiangsu，China
  • 4. Population Research Institute，Nanjing University of Posts and Telecommunications，Nanjing 210042，Jiangsu，China

Received date: 2021-03-27

  Revised date: 2021-07-22

  Online published: 2025-04-17

Fold

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—外围”特征。②中国城市家政服务需求呈“东—中—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、居民消费与收入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。

关键词： 城市家政服务需求; 收入水平; 居民消费; 人口规模; 经济发展水平; 网络关注度

本文引用格式

鄢继尧 , 赵媛 , 许昕 , 崔盼盼 , 祝孔超 . 基于网络关注度的中国城市家政服务需求时空演变及影响因素[J]. 经济地理, 2021 , 41(11) : 56 -64 . DOI: 10.15957/j.cnki.jjdl.2021.11.007

Abstract

Domestic service industry plays an important role in improving people's life quality,promoting employment,and expanding domestic demands. Based on the domestic service demand data collected by Baidu Index,this paper measures the spatiotemporal evolution characteristics of domestic service demand in 285 cities of China from 2012 to 2018 at multiple scales,and uses multiple linear regression model to quantitatively explore its influencing factors. The results are as follows: 1) Urban domestic service demand in China is increasing year by year from 2012 to 2018,and the regional difference is narrowing,which could be divided into two stages: "rapid growth stage" and "high stability stage". At the same time,the demand for urban domestic service is dominated by low and medium-low type, and shows an obvious "core-periphery" characteristics with the central city as the core. 2) The domestic service demand in cities of China presents declining trend from the eastern China to the western China. The intraregional difference is always greater than that of the interregional. The domestic service demand shows an inverted pyramid cluster growth characteristics at different types of urban agglomerations,which the order from high to low is the national-level urban agglomerations,the regional-level urban agglomerations,the provincial-level urban agglomerations,the areas surrounding the urban agglomerations,and forms a hierarchical structure at different-tier cities,which the order from high to low is first-tier cities,new first-tier cities,second-tier cities,third-tier cities,fourth-tier cities,fifth-tier cities. 3) Supply and demand conditions affect the demand of domestic service together. The economic development level and industrial structure affect the supply scale and quality of domestic services,while the population size,residents' consumption and income level affect the demand scale and residents' payable ability. Finally,this paper discusses how to improve the domestic service consumption demand and expand domestic demand,in order to provide theoretical basis and practical reference for promoting the quality and capacity of domestic service industry and implementing the strategy of expanding domestic demand.

Key words： urban domestic service demand; income level; resident consumption; population size; economic development level; network attention

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[1]。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[2]。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[3]，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 Manas Alcon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[5]；Anne Flipo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[6]。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[7-8]；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Wang Y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%~12%[9]；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[10-11]。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[12]。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亟需解决的现实问题。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[13]。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[14-15]、区域经济[16-17]、社会舆情[18-19]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[20-21]。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[22-23]。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[24]。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[1]。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[23]。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[8]，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[15]，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

1.2.1 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）。
表1 中国城市家政服务需求时空分异的解释变量

Tab.1 Explanatory variables of urban domestic service demand in China

因素 解释变量
供给条件 居民服务、修理与其他服务业城镇从业人员数（X1）
人均GDP（X2）
人均财政收入（X3）
第三产业占GDP比重（X4）
区域创新创业指数（X5）
需求条件 常住人口数（X6）
灯光指数（X7）
城镇居民可支配收入（X8）
人均社会消费品零售额（X9）
在岗职工平均人数（X10）
从业人员高级度（X11）
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[26]。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[27]。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[10,28]。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[29]，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[30]，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。

1.2.2 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[31]，并讨论不同地区影响因子的差异。回归模型为：
Y = β 0 + β 1 X 1 + β 2 X 2 + ⋯ + β 11 X 11 + ε
式中：Y为城市家政服务需求；β0为常数项；β1、β2、···、β11为回归系数；X1、X2、···、X11为表1中影响因子的观测值；ε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]。

1.2.3 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[26]；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。

2 中国城市家政服务需求时空分异特征

2.1 城市家政服务需求时序演进特征

运用泰尔指数测度城市家政服务需求的区域差异。计算2012—2018年285个城市家政服务需求与泰尔指数（图1）。图1显示，2012—2018年中国家政服务需求呈逐年上升趋势，区域差异表现为波动性下降的变化特征，具体可分为两个阶段。
图1 2012—2018年中国城市家政服务需求变化趋势

Fig.1 The temporal evolution of urban domestic service demand in China from 2012 to 2018

①2012—2016年：该阶段家政服务需求迅猛增长，由2012年的1 117.22万次上升至2016年的3 691.93万次，年均增长率高达34.83%；区域差异在波动中缩小，泰尔指数由2012年的0.5028下降至2016年的0.3199。这主要是由于党的十八大以来居民收入、消费水平持续提升，2016年全国城镇居民人均可支配收入、人均消费支出比2012年增长了39.3%、26.2%。与此同时，地区收入差异也在不断缩小，使得居民对家政服务等改善型需求不断增加，地区间差异不断缩小。除此之外，2013年12月、2015年10月中国开始实施单独二孩政策和全面二孩政策[33]，加之老龄化程度的逐渐加深，使居民对家政服务的需求更加旺盛。
②2016—2018年：该阶段家政服务需求尽管增长率较低，年均增长率为1.43%，但始终保持在高位；与此同时，区域差异变动也较小，泰尔指数由2016年0.3199上升至2018年的0.3490。这主要是因为该阶段居民收入、消费水平继续提升，中等收入人群规模持续扩大，居民精神上和服务上的潜在需求进一步转换为实际需求，家政服务需求始终保持在高位。

2.2 城市家政服务需求空间分异特征

2.2.1 总体分布特征

根据2012—2018年城市家政服务需求测度结果，利用自然断点法分为低、中低、中高、高需求4种类型（图2）。从图2可以看出，低需求类型的城市占比尽管从2012年的59.30%下降到2018年的55.44%，但仍占据了半壁江山。2018年，中低、中高、高需求的城市分别占27.72%、12.28%、4.56%，呈现金字塔状分布格局，表明中国城市家政服务需求主要集中在部分城市，低、中低需求的城市数量多、范围广，有较大的拓展空间。
图2 2012—2018年中国城市家政服务需求空间分布

注：基于自然资源部标准地图服务系统审图号为GS(2019)1697的标准底图制作，底图无修改。

Fig.2 The spatial distribution of urban domestic service demand in China from 2012 to 2018

从空间分布来看，城市家政服务需求以国家中心城市为核心，呈现出明显的“核心—外围”特征，以致难以实现整体层面上的“俱乐部趋同”。2012、2015、2018年北京、天津、深圳、广州、上海、苏州、杭州、武汉、成都、重庆、西安、郑州等12个城市均为高需求类型，这些城市主要为经济发展水平高的国家中心城市；中高需求城市基本分布在高需求城市外围，以山东、河北、辽宁、江苏、浙江、福建、广东等东部沿海省份的较发达城市为主，还有部分为中西部地区的省会城市；中低需求城市又主要分布在中高需求城市外围，研究期内分布范围逐渐扩大，长江中游地区得到明显提高；低需求的城市广泛分布于中国大部分地区，以中、西部为主，分布范围有一定程度的缩小，湖北、湖南、江西、四川等省份城市有一定提高，其他省份城市依旧维持其低需求格局，研究期内无明显改变。

2.2.2 三大地区差异

中国城市家政服务需求呈现出“东—中—西”阶梯式递减态势，但地区间差异正逐步缩小，由2012年的0.0924下降到2018年的0.0538。具体来看，2012年东、中、西部地区城市家政服务需求的均值分别为6.16、3.15、2.15万次，随着中、西部地区经济发展水平的不断提升，中部、西部地区城市家政服务需求快速上升，年均增长率分别为23.11%、27.66%，增长幅度明显高于东部地区。2018年东、中、西部地区家政服务需求均值分别达到16.34、10.97、9.29万次，中西部地区家政服务需求日趋接近，且与东部地区的差异也在缩小。
进一步对泰尔指数进行分解发现（图3），地区内差异始终高于地区间差异，东、中、西三大地区内部城市之间的差异比重格局基本保持稳定，泰尔指数总体呈现出东部—西部—中部依次递减态势，均值分别为0.1668、0.1182、0.1026，表明东部地区内城市家政服务需求差异最大。
图3 2012—2018年中国三大地区城市家政服务需求泰尔指数及其分解

Fig.3 The Theil index and its decomposition of urban domestic service demand in three regions of China from 2012 to 2018

2.2.3 各等级城市群分布特征

2012—2018年，不同等级城市群家政服务需求均有所上升，但各等级城市群家政服务需求的均值呈现出“国家级>区域级>地方级>城市群外”的集群增长特征（图4）。国家级城市群家政服务需求均值始终最高，由2012年的5.64万次上升至2018年的19.04万次，年均增长率为22.47%。其中，2012年京津冀城市群均值最高，2015年珠三角城市群家政服务需求均值超越京津冀城市群，并始终保持在首位。值得注意的是，成渝城市群自2011年成立以来，成都、重庆经济发展水平与日俱增[34]，形成“双轮驱动”促使家政服务需求迅速提升，年均增长率高达30.67%，2015年时超越长江中游城市群（表2）。区域级城市群家政服务需求均值仅次于国家级城市群，从2012年的4.63万次上升至2018年的15.16万次，但由于辽中南、天山北坡、哈长城市群需求提升较慢，区域级城市群年均增长率最小（21.87%）。地区级城市群城市依靠“西部大开发”的优势，家政服务需求提升明显，年均增长率为24.81%，均值由2012年的3.15万次上升到2018年的11.9万次，其与区域级城市群的差距愈来愈小，有追赶态势。城市群外城市2012年家政服务需求最低（1.61万次），但其年均增长率最高，达26.1%，与区域级城市群的差距也逐渐缩小。
图4 2012—2018年中国不同等级城市群家政服务需求均值及其增长率

Fig.4 Average demand and growth rate of domestic service in different level urban agglomerations in China from 2012 to 2018

表2 2012—2018年中国各城市群家政服务需求均值及其增长率

Tab.2 Average demand and growth rate of domestic service in different urban agglomerations in China from 2012 to 2018

城市群
地位		 所属
城市群		 2012
（万次）		 2015
（万次）		 2018
（万次）		 2012—2018
均增长率（%）
国家级 京津冀 9.934 22.673 24.951 16.590
长三角 6.894 17.89 21.910 21.254
珠三角 8.025 24.118 29.776 24.425
长江中游 3.261 8.509 12.682 25.405
成渝 2.944 9.741 14.655 30.670
区域级 哈长 4.709 11.834 14.330 20.382
辽中南 4.545 11.102 12.286 18.025
山东半岛 6.192 17.22 19.857 21.437
海峡西岸 5.525 14.458 17.966 21.716
中原 4.346 12.288 14.233 21.862
关中平原 3.259 9.918 12.533 25.166
北部湾 2.470 9.212 11.909 29.978
天山北坡 8.020 20.612 22.103 18.407
地区级 呼包鄂榆 3.357 10.521 11.371 22.551
兰西 2.089 8.475 11.545 32.962
滇中 4.494 13.438 16.639 24.380
黔中 2.857 9.394 13.900 30.174
晋中 4.937 12.074 13.740 18.600
宁夏沿黄 1.039 3.764 4.918 29.574
城市群外 1.612 4.872 6.478 26.095
由此可见，国家级城市群作为国家重点发展的地区，大量经济社会资源和人口集中在这些中心区域[35]，家政服务需求始终较高，“马太效应”明显；区域级城市群尽管家政服务需求在初期较高，但需求提升不明显；反而是地区级城市群和城市群外的城市家政服务需求增长最明显，具有巨大需求潜力。

2.2.4 不同等级城市分布特征

城市家政服务需求与城市等级呈现出明显的正相关，表现出“一线>新一线>二线>三线>四线>五线城市”的等级规模特征（图5）。2012年家政服务需求均值依次为24.02、14.42、9.17、3.66、2.2、1.07万次，2012—2018年各等级城市家政服务需求都有所提高，一线与新一线、二线与三线城市之间的差距相对减小，其他城市的差距变化不大，2018年6个等级城市家政服务需求的均值分别提升至64.46、44.09、27.85、14.36、8.87、4.25万次，但不同等级城市家政服务需求差距较大，呈现明显等级递减规律。原因在于，等级越高的城市，其庞大的人口数量、发达的经济、较高的消费能力等对居民家政服务需求提供了充足的动力[36]。
从增长率看，一线城市年均增长率最低（17.88%），但由于其在2012年家政服务需求就很高，尽管增长率最低，但始终保持着高位增长；新一线、二线城市次之，年均增长率分别为20.47%、20.33%；而三线、四线、五线城市的年均增长率最高，分别达25.56%、26.12%、25.75%，尽管这是由于基数较低导致的，但也在一定程度上说明三线、四线、五线城市的居民家政服务需求的上升潜力大。

3 城市家政服务需求的影响因素及作用机制

采用多元线性回归方法识别影响城市家政服务需求时空分异的关键因子，再以此为基础剖析各因子的作用机制。从表3可以看出，供给、需求条件中共有7个变量对城市家政服务需求的时空分异具有影响。供给条件中只有人均GDP和第三产业占GDP比重对城市家政服务需求具有影响，居民服务业、修理与其他服务业城镇从业人员数、人均财政收入、区域创新创业能力未对城市家政服务需求产生显著的影响；需求条件中起影响作用的因子是反映收入、消费能力的城镇居民可支配收入、人均社会消费品零售额和反映人口数量、结构的常住人口数以及在岗职工平均人数、从业人员高级度。从各因子影响系数来看，常住人口数在城市家政服务需求的时空分异中起决定作用，人均GDP、人均可支配收入、人均社会消费品零售额发挥着主导作用，其他因子的影响力相对较弱。
表3 城市家政服务需求影响因素的回归估计结果

Tab.3 Estimates of the regression equation on urban domestic service demand

解释变量 全国 东部 中部 西部
标准化
回归系数		 Sig. 标准化
回归系数		 Sig. 标准化
回归系数		 Sig. 标准化
回归系数		 Sig.
供给条件 人均GDP 0.2452 0.0001 0.2856 0.0001 0.1600 0.0026 0.1761 0.0144
第三产业占GDP比重 0.0728 0.0001 0.0385 0.1552 0.0576 0.0146 0.0094 0.7859
需求条件 城镇居民可支配收入 0.1485 0.0001 0.2002 0.0001 0.1514 0.0002 0.1272 0.0025
人均社会消费品零售额 0.2625 0.0001 0.2141 0.0001 0.2280 0.0001 0.2202 0.0001
常住人口数 0.2871 0.0001 0.3138 0.0001 0.1036 0.0076 0.0974 0.0001
在岗职工平均人数 0.0839 0.0038 0.0200 0.6562 0.3973 0.0001 0.7369 0.0001
从业人员高级度 0.0981 0.0001 0.1163 0.0001 0.0847 0.0001 0.1468 0.0001

注：模型因变量是城市家政服务需求，全国、东部、中部、西部地区R2分别为0.8166、0.8359、0.8017、0.7922，P值均为0.001。

3.1 供给条件：城市经济发展水平对家政服务需求起主导作用

从表3可以看出，人均GDP、第三产业产值占比对家政服务需求的影响系数分别为0.2452、0.0728，可见，城市经济发展水平对家政服务需求起主导作用。第三产业占GDP比重是经济发展水平在产业结构上的体现，产业结构越高级，其从业人员对生活品质的要求越高，对家政服务需求也有较大影响。但值得注意的是，作为家政服务供给重要表征变量的居民服务业、修理与其他服务业城镇从业人员数未对城市家政服务需求的时空分异产生显著影响，原因是目前我国家政服务供应远不能满足需求；同时人均财政收入、区域创新创业能力也未对城市家政服务需求产生显著影响，说明对家政服务业发展的财政支持力度仍相对偏低，营商环境所起的带动作用也较小。
图5 2012—2018年中国不同等级城市家政服务需求及其增长率

Fig.5 Average demand and growth rate of domestic service in different level cities in China from 2012 to 2018

3.2 需求条件：人口规模、居民消费与收入水平共同影响城市家政服务需求

表3显示，常住人口数量的影响系数为0.2871，高于其他因子，说明其对城市家政服务需求起决定作用。人均社会零售品消费额和城镇居民人均可支配收入的影响系数分别为0.2625、0.1485，居民消费水平对家政服务需求起着主导性作用，但居民收入水平相对于消费水平的影响力较弱。其原因在于家政服务作为改善型需求，是居民在基本生活得到较好满足后才会产生的，社会零售品消费高，说明居民对未来的收入预期较好、消费倾向高，家政服务等改善型需求就越旺盛。而居民收入水平的影响力相对较弱，在一定程度上也表明居民“消费不振”[37]，随着未来居民收入水平的不断提升，将收入用于实际消费的居民会越来越多。

3.3 区域差异：中部、西部地区家政服务需求有进一步发展的潜力

家政服务需求在不同地区的影响因素有一定不同（表3）。常住人口数对家政服务需求的影响系数随东—中—西递减，在岗职工平均人数对家政服务需求的影响系数则相反，其对东部地区的影响未通过显著性检验，而对中、西部地区的影响系数分别高达0.3973、0.7369。这一结果表明在经济发展水平较高的东部地区居民对家政服务的需求较高，而中、西部地区对家政服务需求的主要人群还是就业人员。除此之外，东部地区收入与消费水平影响系数的差额最小，仅为0.014，而中、西部地区两者间的差额依次递增，分别为0.0766、0.0930，说明中、西部地区的居民收入可能倾向于储蓄，以备不时之需，居民“消费不振”的现象更加突出。

4 结论与启示

4.1 结论

基于百度指数对2012—2018年中国多种尺度城市家政服务需求的时空格局及影响因素进行分析。主要结论如下：
①2012—2018年中国家政服务需求呈逐年上升的趋势，区域差异表现为波动性下降的变化特征，其中2012—2016年家政服务需求迅猛增长，2016—2018年尽管增长率较低，但家政服务需求始终保持高位。与此同时，城市家政服务以低或中低需求类型为主，以国家中心城市为核心，呈现出明显的“核心—外围”特征，难以实现整体层面上的“俱乐部趋同”。
②“地区—城市群—城市”视角下，东、中、西三大地区家政服务需求的地区间差异逐步减小，但仍呈现出“东—中—西”阶梯式递减态势。同时，地区内差异始终大于地区间差异，三大地区内部发展不均衡是制约家政服务需求提升的关键所在。各等级城市群家政服务需求存在“国家级>区域级>地区级>城市群外”倒金字塔递减的特点，“一线>新一线>二线>三线>四线>五线城市”的等级结构特征凸显，未来三线、四线、五线城市家政服务需求上升的潜力较大。
③中国城市家政服务需求的时空分异由供给、需求条件共同影响。经济发展水平和产业结构等供给条件影响家政服务的供给规模和质量，从而推动居民家政服务需求产生，影响家政服务需求的整体空间格局；人口规模、居民消费与收入水平等需求条件影响家政服务需求规模和居民支付能力。除此之外，中部、西部地区对家政服务需求以就业人员为主，其居民收入不一定用于消费，有进一步拓展的可能。

4.2 启示

2020年中央经济工作会议公报指出“要把扩大消费同改善人民生活品质结合起来”“扩大消费最根本的是促进就业”。刺激家政服务需求，提供家政服务供给既能提高人民生活品质，还能促进就业、优化收入分配结构、扎实推进共同富裕。通过对家政服务需求时空格局及其影响因素研究，可为实施扩大内需战略提供探索积累，也可为家政服务业提质扩容提供参考，实现需求牵引供给、供给创造需求的更高水平动态平衡。
①加强需求侧管理，释放消费增长潜力。第一，加强对中小城市的关注，采取多种措施刺激拉动居民消费升级。目前，一线、新一线等经济发展水平高的城市家政服务需求较高，而其他中小城市还较低，但这些城市家政服务需求增长率较高。这在一定程度上说明扩大内需的市场不只是经济发展水平高的城市，其他中小城市人口众多、潜在需求多，也有进一步发展的潜力。未来，可通过投放一些专门针对家政服务等改善型消费的消费券，以扩大服务消费、带动居民消费升级。第二，优化收入分配格局，差异化拓展市场空间。我国家政服务需求的空间差异正逐步减小，但区域不平衡性仍非常突出，未来，要继续优化收入分配格局，增加低收入者收入、扩大中等收入群体、调节过高收入，将不同群体间的市场需求差异转化为层次鲜明、梯次跟进、波浪推进的市场空间。第三，不断增进民生福祉，让居民有能力消费、敢消费。研究发现我国居民出现一定程度的“消费不振”，尤其是中西部地区居民“消费不振”现象更加突出。这除了受传统文化的影响外，还与我国社会保障体系不够健全有关。我国长期存在看病、上学、住房难的“三难”问题，这些关系民生福祉的问题若无法得到较好解决，居民就不敢消费。因此，未来要持续完善社会保障体系，出台辐射带动力强的政策措施，解除人民群众的后顾之忧，让居民有能力消费、敢消费。
②提升供给能力，以供给推动、创造需求。第一，提升供给对需求的适切性。目前我国家政服务供需尚不平衡，未来家政服务等改善型消费产品应精准对接居民多元消费需求，开发需求旺盛的适切性产品，扩大专业化、个性化、品牌化服务供给，提升服务品质，满足已有和潜在需求。第二，优化营商环境、提高财政支持力度。研究发现，目前财政收入、营商环境均未对家政服务需求产生影响，未来要进一步优化营商环境，鼓励社会主体勇于创新创业、培育行业品牌和竞争力，以吸引更多人员投身家政服务业，同时要进一步提高对家政服务等生活服务业的财政支持力度，减轻企业负担，提升家政服务的供给能力。
需要指出的是，本文利用网络大数据初步分析了中国城市家政服务需求，结果与中国经济发展格局吻合，也与《中国家政服务业发展报告（2018）》中对2018年中国居民家政服务整体需求量较为契合，为评价家政服务和其他消费需求提供了一种新视角。但本文也存在一些不足：①百度指数受互联网普及率等的限制，基于百度指数来测算家政服务需求，虽然有一定的相关度，但仍存在一定的局限性，今后可采用其他数据源进一步深化研究；②本文在影响因素分析中，由于难以获取各城市人口结构、家庭结构等数据，对社会因素的影响考虑有所欠缺，今后可基于第七次全国人口普查数据进一步探讨。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
赵媛, 鄢继尧, 熊筱燕. 开展家政服务企业第三方评估,助推家政服务业提质扩容[J]. 家庭服务, 2020(6):56-59.

[2]
2019中国家政服务业商业模式与发展趋势探究[J]. 家庭服务, 2020(1):46-47.

[3]
Alessandra Cancedda. Employment in Household Services[M]. Ireland:Luxembourg, 2001.

[4]
Sven Illeris. Formal employment and inform work in household services[J]. The Service Industries Journal, 1989, 9(1):94-109.

[5]
Elena Manas Alcon, Patricia Gabaldon Wuinones,Luis Rubalcaba Bermejo. Houldhold services in Spain:Some key expanatory factors[J]. The Service Industries, 2002, 22(1):92-121.

[6]
Anne Flipo, Denis Fougere, Lucile Olier. Is the household demand for in-home services sensitive to tax reductions?The French case[J]. Journal of Public Economics, 2007(91):365-385.

[7]
孙学致, 王丽颖. 我国家政服务业规范化发展问题研究[J]. 经济纵横, 2020(5):115-120.

[8]
姜长云. 家庭服务业的产业特性[J]. 经济与管理研究, 2011(3):42-48.

[9]
Wang Yabing. Forecasting Chinese households’ demand from home production[J]. Economics Program Working Papers, 2013(1):1-31.

[10]
杨毅晨. 上海市家政市场研究[D]. 上海: 复旦大学, 2008.

[11]
吴莹. 长春市家政服务业的市场规模及成长性分析[J]. 经济地理, 2006, 26(6):1014-1017.

[12]
莫容. 中国家政服务业发展报告(2018)[M]. 北京: 中国社会劳动保障出版社, 2018.

[13]
中华人民共和国国家互联网信息办公室. 《第47次中国互联网络发展状况统计报告》全文[R/OL]. http://www.cac.gov.cn/2021-02/03/c_1613923423079314.htm,2021-02-03.

[14]
Padhi S S, Pati R K. Quantifying potential tourist behavior in choice of destination using Google Trends[J]. Tourism Management Perspectives, 2017,24:34-47.

[15]
阮文奇, 张舒宁, 李勇泉, 等. 中国赴泰旅游需求时空分异及其影响因素[J]. 旅游学刊, 2019, 34(5):76-89.

[16]
Mei Dawei, Xiu Chunlian, Feng Xinghua. Analysis on the evolution characteristics and driving factors of urban information network structure in China[J]. World Regional Studies, 2020, 29 (4):717-727.

DOI

[17]
Zhang Zuo, Tang Wenwu. Analysis of spatial patterns of public attention on housing prices in Chinese cities:A web search engine approach[J]. Applied Geography, 2016,70:68-81.

[18]
孙宇婷, 肖凡, 周勇, 等. 新型冠状病毒肺炎疫情公众关注度的时空差异与影响因素——基于百度搜索指数的分析[J]. 热带地理, 2020, 40(3):375-385.

DOI

[19]
刘维斯, 攸小瑾, 马晓薇, 等. 互联网搜索指数与埃博拉认知需求相关性分析[J]. 医学动物防制, 2020, 34(12):1146-1148,1151.

[20]
Huang Xiankai, Zhang Lifeng, Ding Yusi. The Baidu index uses in predicting tourism flows:A case study of the Forbidden City[J]. Tourism Management, 2017,58:301-306.

[21]
Sun Shaolong, Wei Yunjie, Tsui Kwok-Leung, et al. Forecasting tourist arrivals with machine learning and internet search index[J]. Tourism Management, 2019,70:1-10.

[22]
马丽君, 龙云. 基于网络关注度的湖南省居民旅游需求时空特征[J]. 经济地理, 2017, 37(2):201-208.

[23]
许艳, 陆林, 赵海溶. 乌镇景区网络关注度动态演变与空间差异分析[J]. 经济地理, 2020, 40(7):200-210.

DOI

[24]
鄢继尧, 赵媛, 熊筱燕, 等. 江苏省家政服务业发展区域差异及影响因素——基于网络大数据分析[J/OL]. 西华师范大学学报(自然科学版):1-10[2021-10-18]. http://kns.cnki.net/kcms/detail/51.1699.N.20211014.2209.008.html.

[25]
唐海秀. 促进我国家庭服务业发展的财税政策研究[D]. 北京: 财政部财政科学研究所, 2011.

[26]
陈颖彪, 郑子豪, 吴志峰, 等. 夜间灯光遥感数据应用综述和展望[J]. 地理科学进展, 2019, 38(2):205-223.

DOI

[27]
朱颖. 家务劳动社会化问题研究[J]. 重庆社会科学, 2019(11):101-109.

[28]
Nobuko Hara. Unpaid labor and the critique of political economy in home economics and new household economics[J]. The History of Economic Thought, 2016, 58(1):1-20.

[29]
Hugh Goodacre. The Economic Thought of William Petty[M]. London: Taylor and Francis, 2018.

[30]
王振波, 梁龙武, 王旭静. 中国城市群地区PM2.5时空演变格局及其影响因素[J]. 地理学报, 2019, 74(12):2614-2630.

DOI

[31]
韩艳红, 尹上岗, 李在军. 长三角县域房价空间分异格局及其影响因素分析[J]. 人文地理, 2018, 33(6):87-95.

[32]
喻忠磊, 唐于渝, 张华, 等. 中国城市舒适性的空间格局与影响因素[J]. 地理研究, 2016, 35(9):1783-1798.

[33]
张晓青, 黄彩虹, 张强, 等. “单独二孩”与“全面二孩”政策家庭生育意愿比较及启示[J]. 人口研究, 2016, 40(1):87-97.

[34]
姚作林, 涂建军, 牛慧敏, 等. 成渝经济区城市群空间结构要素特征分析[J]. 经济地理, 2017, 37(1):82-89.

[35]
方创琳. 中国城市群研究取得的重要进展与未来发展方向[J]. 地理学报, 2014, 69(8):1130-1144.

DOI

[36]
周阳. 国家中心城市:概念、特征、功能及其评价[J]. 城市观察, 2012(1):132-142.

[37]
朱国林, 范建勇, 严燕. 中国的消费不振与收入分配:理论和数据[J]. 经济研究, 2002(5):72-80,95.

Options
文章导航

/

〈 〉