城市经济解密︱MIT最新研究表明高档餐厅与高尔夫球场的活动频率可以预测美国城市经济增长（下）

我们从Cuebiq获得手机轨迹数据，并进一步将出行手机数据与Foursquare的兴趣点进行匹配，从而识别活动。首先，我们从单个轨迹的脉冲信号中提取停留。脉冲信号序列在空间上被限制在小区域内，运用Hariharan和Toyama(2004)的算法进行检测。如果连续的脉冲信号与质心的最大距离不超出漫游距离（在本文中定义为50米）就会聚集在一起。在确定停留后，我们使用合理的持续时间范围（定义为5分钟-1天）进一步过滤停留。在根据距离和持续时间标准提取停留后，我们通过将其与Foursquare提供的最近的POI进行匹配，将停留归类为活动。为了避免将停留归因于遥远的POI，我们只选择100米半径内最近的地方。活动的位置和类别是通过Foursquare根据他们的使用条款和条件运用他们的公共搜索API获得的。表一总结了波士顿、芝加哥和迈阿密的出行网络统计数据。三个城市的访问数量、场地数量、用户数量、活动持续时间和工作日活动比例相似。

出行活动呈长尾分布。表二描述了按频率排序的前30名活动。不出所料，最频繁的活动是访问办公室、住宅区和汽车店。总的来说，我们观察到大约560万的工作访问和460万的住宅访问；在所有前30名的活动中，观察到的访问数量都在100万的量级。

表三显示了社会人口投入数据和两种经济产出数据——家庭收入中位数和财产价值。对比这三个城市，无论是平均水平还是在50%的百分位上，波士顿和芝加哥的家庭收入中位数和财产价值中位数均高于迈阿密。迈阿密的人口年龄比波士顿和芝加哥要大，因为迈阿密的中位数年龄为42.8岁，而波士顿和芝加哥的中位数年龄分别为39.1岁和37.4岁。波士顿的城市居民受教育程度较高，42.2%的波士顿人口拥有高等教育学位，而芝加哥和迈阿密的这一比例分别为33.4%和28.6%。

我们的样本约占这三个城市普查人口的2.61%(波士顿占1.54%，芝加哥占3.82%，迈阿密占4.68%)。在图二 a-c中，我们将自己的数据集得出的人口估计数与2012-2016五年美国社区调查(ACS)得出的波士顿、芝加哥和迈阿密每个人口普查区的人口数据进行比较。值得注意的是，这三个城市的样本人口与普查人口之间的相关性都是中等偏高的，波士顿的相关性系数为-0.7，芝加哥为-0.66，迈阿密为-0.58。这一观察结果有力证明了我们的样本对总体的稳健代表性。

鉴于我们研究的主要重点是预测大都市地区的经济产出，确保我们的用户样本和实际人口之间的经济属性差异不会带来任何偏差是至关重要的。图二 d和e比较了每个城市的收入和财产价值分布，这些数据同时来自于人口普查和我们的智能手机用户样本。值得注意的是，我们观察到这些分布之间有很强的一致性，但迈阿密除外。在我们的样本中，迈阿密的财产价值分布在高财产价值范围内显示出向较低价值的轻微转移。为了减轻异常值的潜在影响，我们通过排除异常值样本进行稳健性检验，并严格评估由此产生的结果，如本篇的第五部分。