發布時間：2021-05-19所屬分類：農業論文瀏覽：1次
摘 要： 摘要：基于2010年北京市工商企業登記數據和第六次人口普查數據，從分行業視角對北京市城區職住空間結構及其類型區特征進行詳細實證分析。研究表明：北京市就業空間結構和居住空間結構均有3個主成分因子構成，其中就業空間結構包括綜合服務業、流通地產服務業
摘要：基于2010年北京市工商企業登記數據和第六次人口普查數據，從分行業視角對北京市城區職住空間結構及其類型區特征進行詳細實證分析。研究表明：北京市就業空間結構和居住空間結構均有3個主成分因子構成，其中就業空間結構包括綜合服務業、流通地產服務業與二產、高科技產業等主因子，居住空間結構則由一般服務業、流通生活服務業與二產、科技和教育產業等主因子構成，且不同城市就業與居住空間主因子的空間關聯強度存在差異。采用GIS分組分析方法可將北京城市居住和就業空間劃分為5種類型區，即流通生活服務業與二產居住集中區、流通生活服務業與二產職住綜合區、一般服務業職住綜合區、職弱住強型科教優勢區和職強住弱型科教優勢區。分析發現，北京城市居住和就業空間結構形成主要受到歷史力、市場力、政府力和個體力等因素共同作用。
關鍵詞：居住空間;就業空間;分組分析;北京
居住空間和就業空間是城市內部空間結構研究的兩個核心要素。20世紀80年代以來，伴隨城市土地有償使用制度、住房市場化改革、退二進三的產業政策引導、以及經濟全球化發展等諸多因素的相互交織，市場性力量對北京城市內部居住和就業空間結構的塑造作用越來越強。快速轉型期，北京城市內部居住和就業空間結構正在經歷劇烈、復雜的空間重構過程，傳統均質化的單位大院職住空間模式逐漸被瓦解，城市內部職住空間的異質性顯著增強[1,2]，且空間分離趨勢不斷加大[3~5]。因此，如何科學認識北京城市內部居住與就業空間結構特征成為亟待解決的關鍵性課題，這對明晰北京城市空間的職住功能和優化調整城市內部職住空間結構等具有重要現實意義。
類型區劃分是對具有相似屬性特征空間單元的分類概括，旨在尋找不同類型空間單元所面臨的共性特征和問題，它是加強區域或城市內部空間治理的重要決策依據。由于研究單元的空間尺度不同，通常類型區分析的對象也存在較大差異。在國家和區域層面，已有研究重點關注生態區劃、經濟區劃、城市職能類型和主體功能區等內容[6~9];在城市內部層面，主要關注城市社會區、產業地域空間模式和居住環境類型區等議題[10~12]。城市空間結構類型區或模式研究是地理與規劃學科研究的經典課題。20世紀二三十年代，以伯吉斯、霍伊特和哈里斯等為代表的芝加哥城市社會學派，把北美城市空間結構歸納為同心圓模式、扇形模式和多核心模式等不同模式[13]，為城市空間結構類型研究奠定了理論基礎。隨著因子生態方法在國外城市社會空間結構領域的成熟運用，進一步推動了城市社會區研究的不斷深入[14~16]，但是對傳統因子生態分析方法的改進研究卻鮮有報到。
居住空間結構主要反映城市社會空間特征。國內城市社會空間結構研究從1980年代末期開始迅速增加[17]，大量的實證研究結果表明，居民從業行業屬性是影響中國城市社會空間結構的重要變量[18,19]。魏立華等[20]還重點關注了廣州市不同行業從業人員的居住空間分異特征。就北京案例而言，顧朝林[21,22]和馮健[23,24]等學者均對北京城市社會空間結構進行過詳細研究，并總結出城市社會區類型。就業空間結構則是城市經濟空間的重要表征。有學者分別基于經濟普查數據[25]和企業空間點要素數據[26]，從不同視角探討了深圳市的就業空間結構類型區特征。也有學者分別對北京城市的產業功能格局整體特征與模式[27]以及生產性服務業的地域空間結構進行過總結和機理闡釋[11]。近年來，還有學者利用大規模問卷調查數據,嘗試從個體視角揭示不同社會屬性居民的職住空間結構特征[28]。這些研究豐富了中國城市內部職住空間結構特征的科學認識，但大多數研究卻把城市居住和就業空間相互割裂進行單獨討論，關于城市職住空間結構的綜合研究還尤為缺乏，也因此阻礙了對城市居住和就業空間結構特征的全面認識。
本文基于2010年北京城市工商企業登記數據和第六次人口普查數據，借助因子生態方法思想，對北京城市居住和就業空間結構特征進行綜合分析，并采用分組分析方法對傳統的城市空間結構類型區識別方法進行改進，以期能夠為北京城市職住空間結構優化調整提供科學支撐。
1研究方法與數據來源
1.1數據來源
本文研究區范圍為北京市主城區和近郊重點鄉鎮、新城地區，包括中心城六區、通州新城、亦莊新城和黃村、回龍觀和天通苑等遠郊鄉鎮地區，共轄133個街道或鄉鎮。
城市就業空間結構主要探討城市內部的產業空間結構特征。由于第二次全國經濟普查數據時間為2008年，與2010年全國人口普查數據存在一定的時間差，且街道尺度的分行業經濟普查數據難以獲取，因此選取2010年北京市工商企業登記數據作為就業數據來源，以保證職住空間結構分析的研究年份相互吻合，增加研究結論的可信度。研究區共有487713個企業點位信息，鑒于農業、采礦業、電力、熱力的生產和供應業和國際組織等4個行業類型的各街道平均企業數量較少(<10個)，故將其剔除，最終剩下16個行業大類的487157個有效企業數據，并在ArcGIS10.1中進一步計算出各街道的不同行業類型的企業數量。城市居住空間結構主要反映城市內部不同行業從業人員的社會空間結構特征。數據來源于2010年北京市人口普查年鑒的長表數據。同就業數據處理類似，過濾從業人口數量較少的農業、采礦業、電力、熱力的生產和供應業和國際組織等4個行業類型，得到每個街道16個行業類型的從業人口特征。最終分別獲得133×16的北京城市居住與就業行業類型數據矩陣作為本研究的數據基礎。
1.2研究方法
1)因子分析。因子分析方法是提取城市內部空間結構因子的有效方法，已被廣泛應用于城市社會空間結構和產業空間結構研究。因子分析方法的核心則是利用降維技術把城市空間結構的多變量提取成少數主要因子的過程，可以將城市地域空間的相對復雜社會經濟現象進行概擴總結，最終得到一種相對簡化明晰的地域空間結構模式[11]。
2)空間自相關分析。本研究還采用全局空間自相關方法計算北京城市居住和就業空間結構主因子的空間關聯效應，用以檢驗各主因子的空間單元屬性與鄰近空間單元屬性值的相關性[29]。全局空間自相關的最常用測度指標為Moran’sI值，可通過Z得分來檢驗原假設成立與否，其取值范圍在[-1,1]之間。當I>0，表示研究對象為空間集聚模式，即空間單元屬性值與鄰近空間單元屬性呈現相同的變化趨勢;I<0,表示研究對象為空間分散模式，即空間單元屬性值與鄰近空間單位屬性呈現不同的變化趨勢;I=0，表示研究對象為空間隨機模式，表示間單元屬性值與鄰近空間單位屬性不具有相關性。
1.3北京市居住和就業分布基本特征描述
對北京城市內部街道各行業企業與從業人口數量基本特征的描述統計分析可得(表1)：從就業空間分布來看，街道平均企業數量分布較多的行業分別為批發和零售業、科學研究、技術服務和地質勘查業、租賃和商務服務業等行業類型，其中信息傳輸、計算機服務和軟件業、科學研究、技術服務和地質勘查業、金融業等行業類型的地理集中度相對較高。
從居住空間分布來看，街道平均從業人口數量較多的行業分別為批發和零售業、制造業、信息傳輸、計算機服務和軟件業等行業類型，其中信息傳輸、計算機服務和軟件業、建筑業、批發和零售業等行業類型的地理集中度相對較高。
需要注意的是，北京市各街道平均企業數與平均從業人口數按大小排序存在不一致，主要與不同行業類型企業的規模大小和可吸納就業人數等因素差異有關。另外，就業企業和從業人口分布的地理集中度差異結果表明，同一行業從業人員的就業空間和居住空間的空間集聚程度不同，這也是導致北京城市內部職住空間功能錯位的重要因素。
2北京城市居住和就業空間結構分析
2.1北京城市就業空間結構分析
在進行因子分析前，首先對原始數據進行KMO和Bartlett的檢驗。結果顯示，KMO和Bartlett球形檢驗的卡方值分別為0.889、3304.195，對應顯著性為0.000，表明原始變量存在顯著的相關性，適合采用進行因子分析。采取特征根>1作為遴選標準，因子分析結果共得到3個主成分因子，累計貢獻率達到84.872%，能較好的解釋原始變量的大部分信息。表2為方差最大化旋轉后的因子載荷系數矩陣。對3個主成分因子特征詳細分析可得(表2，圖1)。
1)“綜合服務業”因子
就業第1主成分因子為“綜合服務業”因子，其特征根與貢獻率分別為10.518、65.736%。該主因子主要與批發和零售業，住宿和餐飲業，金融業，房地產業，租賃和商務服務業、居民服務和其他服務業，教育，衛生、社會保障和社會福利業，文化、體育和娛樂業，公共管理和社會組織等行業企業空間分布存在較高的正相關。就業F1主成分因子得分越高，表明該街道的綜合服務業的企業分布數量越多。空間自相關分析結果顯示，該主成分因子的Moran’sI值為0.469，表明綜合服務業因子分布也具有相對較強的空間趨同性。
綜合服務業得分分布具有明顯的城市中心趨向，高值區主要集中在城市四環道路以內的中心區域和外圍少數區域性服務中心街道，并呈現出“東部北部多、西部少”的斜楔狀空間格局。其中，得分較高街道均位于城市三環道路以內，包括建國門外、東華門、金融街、展覽路等街道。另外，萬壽路、月壇、新街口、望京和通州城區等街道得分也相對較高。
2)“流通地產服務業與二產”因子
就業F2主成分因子為“流通地產服務業與二產”因子，其特征跟與貢獻率分別為1.837、11.484%。該主因子主要與制造業、建筑業、交通運輸、倉儲和郵政業、批發和零售業、房地產業、水利、環境和公共設施管理業等行業企業空間分布具有高度的相關性。就業F2主成分因子得分越高，說明該街道的流通地產服務業與二產等行業企業分布數量越多。空間關聯效應分析表明，該主成分因子的Moran’sI值最低為0.317，表明該類型企業分布的空間集聚程度相對較低，不及服務業空間分布趨同特征明顯。
流通地產服務業與二產因子得分則呈現出明顯“中心低邊緣高”的空間特征，反映出其郊區化分布特征比較明顯。高值區主要位于南城的三環以外地區，并在通州城區形成高得分的孤島，代表性街道為東鐵匠營、盧溝橋、花鄉和黃村等街道。流通地產服務業與二產等行業企業分布逐漸向城市外圍轉移，主要受到城市地價、退二進三產業政策和環境規制等因素影響。
3)“高科技產業”因子
就業F3主成分因子為“高科技產業”因子，其特征根和貢獻率分別為1.224、7.651%，該主因子主要表征信息傳輸、計算機服務和軟件業、科學研究、技術服務和地質勘查業2個變量。就業F3主成分因子得分越高，則代表信息傳輸、計算機服務和軟件業、科學研究、技術服務和地質勘查業等行業企業空間分布數量越多，該街道的科技與信息服務功能越突出。從空間關聯強度來看，該主成分因子的Moran’sI值最高為0.500，表明高科技產業類型企業的空間集聚強度最強，與鄰近街道分布數量具有較強的相似性，可能與高科技產業對集聚經濟追求動力更加強烈有關。
相關期刊推薦：《地理科學進展》主要刊登地理學及其分支學科的最新研究成果，反映國內外地理學最新研究動態。發表論文的領域為資源與環境、全球變化、可持續發展、區域研究及地理信息系統等方面的成果與新技術。主要欄目有論文、綜述、專家論壇、研究方法、學術動態、成果報道、重大課題進展、院系介紹及書評、書訊等。讀者對象為地理科學研究人員，高等院校地理系和相關學科師生，規劃、經濟、農、林、水利、環保、地質、氣象等部門或機構的管理人員。
高科技產業得分呈現出明顯的城市西北一隅集聚態勢，主要與城市西北部的海淀區以科教功能定位有關，同時境內擁有中關村和上地等高科技產業園區。其中，得分最高的街道主要包括中關村、海淀、北下關和上地等街道，同時紫竹院、甘家口、八里莊、學院路、花園路和北太平莊等街道得分也相對較高。
2.2北京城市居住空間結構分析
同就業空間結構分析處理類似，再次運用因子分析方法對16個行業類型的居住空間結構分析得到：北京市居住空間結構共包括3個主成分因子，累計貢獻率達到82.12%，表3為因子旋轉后的載荷矩陣。對北京市居住空間結構主因子詳細分析可得圖2。
1)“一般服務業”因子
居住F1主成分因子為“一般服務業”因子，其特征根與貢獻率分別為9.954、62.213%。該主成分因子主要與金融業、房地產業、租賃和商務服務業、衛生、社會保障和社會福利業、文化、體育和娛樂業、公共管理和社會組織等行業從業人口空間分布有關。如果街道的居住F1主成分因子得分越高，表明其所具有的一般服務業從業人員數量越多。從空間關聯效應來看，該主成分因子呈現出較強的空間正相關，Moran’sI值為0.392，但與就業F1主成分因子相比，其空間關聯效益卻要略弱一些。
一般服務業因子得分高值區呈現出“C”型空間結構，在城市西部、北部和南部均有高值區分布，而東部地區分布數量卻相對較少。對比可以看出，與就業空間結構中的“綜合服務業”企業分布相比，居住空間結構中的“一般服務業”從業人員分布明顯要更為分散。其中，得分較高街道主要集中在西二環至西四環附近和城市北部個別街道，包括月壇、萬壽路、廣安門外、盧溝橋和東小口等街道。
2)“流通生活服務業與二產”因子
居住F2主成分因子為“流通生活服務業與二產”因子，其特征根與貢獻率分別為2.157、13.478%。該主因子與就業F2主成分因子構成比較相似，主要與制造業、建筑業、交通運輸、倉儲和郵政業、批發和零售業、房地產業、水利、環境和公共設施管理業等行業從業人口分布有關，同時還與居民服務和其他服務業的從業人口分布保持較強的一致性。如果街道的居住F2主成分因子得分越高，表明其流通生活服務業與二產等行業的從業人口數量越多。在空間關聯效應方面，該主成分因子的Moran’sI值最低，僅為0.306，表明流通生活服務業與二產的從業人員居住空間集聚程度明顯要弱。
流通生活服務業與二產從業人員得分同樣呈現出“中心低邊緣高”的空間特征，高值區街道主要集中在四環道路外圍的街區，并在南城的三環與四環之間區域也廣有分布。其中，得分較高的街道主要包括花鄉、黃村、十八里店、平房、西北旺等街道。
3)“科技和教育產業”因子
居住F3主成分因子為“科技和教育產業”因子，其特征根和貢獻率分別為1.029、6.429%。該主因子主要反映信息傳輸、計算機服務和軟件業、科學研究、技術服務和地質勘查業和教育等行業從業人口分布特征。如果街道的居住F3主因子得分越高，則表明其科教和教育從業人口的分布數量越多。空間自相關分析表明，該主因子的空間關聯效益最強，Moran’sI值最大為0.575，說明科技和教育產業領域的從業人員在居住空間上具有最強的空間趨同性。
科技和教育產業從業人員主要在二環道路以外的城市北部區域明顯聚集，其中得分最高街道主要集中在學院路、回龍觀和東小口等3個街道。另外，西三旗、奧運村、清華園、紫竹院等街道的主成分因子得分同樣較高，意味著這些街道的科技和教育產業的從業人員分布數量也相對較多。——論文作者：湛東升1,2,3，張文忠1,2，孟斌4，黨云曉5，劉倩倩1,2,3
SCISSCIAHCI
