Socio-spatial Segregation of New Migrants in Shenzhen, China

Rong Wu; Zhuolin Pan; Ye Liu; Zhigang Li

doi:10.13284/j.cnki.rddl.003149

Tropical Geography >

2019 , Vol. 39 >Issue 5: 721 - 731

DOI: https://doi.org/10.13284/j.cnki.rddl.003149

Socio-spatial Segregation of New Migrants in Shenzhen, China

Rong Wu ¹^,² ,
Zhuolin Pan ¹^,² ,
Ye Liu ^,¹^,² ,
Zhigang Li ³^,⁴

Expand

^1. School of Geography and Planning, Sun Yat-sen University, Guangzhou 510275, China
^2. Guangdong Key Laboratory for Urbanization and Geo-simulation, Guangzhou 510275, China
^3. School of Urban Design, Wuhan University, Wuhan 430070, China
^4. Hubei Residential Environment Research Center of Engineering and Technology, Wuhan 430070, China

Received date: 2018-12-22

Request revised date: 2019-05-01

Online published: 2019-11-08

Copyright

Fold

Abstract

Boosted by industrialization and urbanization, China’s economy has become more oriented to growth. Along with this trend, the “urban era” is emerging, and the gap between rich and poor is increasing sharply within China’s cities. Available living space is therefore being rapidly reconstructed, and social space continuously differentiated. On the basis of data from the Sixth National Census, this paper explores the socio-spatial differentiation of the new migrants in Shenzhen, a typical migrants’ city in China, through calculations of the dissimilarity index, the isolation index and the Location Quotient. In addition to applying a linear regression model, this paper also analyzes the factors influencing spatial differentiation of new migrants in Shenzhen and compares these with Guangzhou to explore the similarities and differences of socio-spatial differentiation and its influencing mechanism in different cities. The empirical analysis shows that, first, there are five types of social spaces in Shenzhen, including elite-stratum neighborhoods, working-class ghettos, retired-population neighborhoods, urban villages, and new-migrant neighborhoods. Second, the spatial distribution of new migrants is uneven at the city level: the intra-province migrants are more concentrated inside the special economic zone (SEZ) of Shenzhen (where Futian District, Luohu District, Nanshan District and Yantian District locate), while inter-province migrants concentrate outside the SEZ (where Baoan District, Longgang District, Guangming New District, Longhua New District, Pingshan New District and Dapeng New District locate). Third, the dissimilarity index between the new migrants and the local residents is 0.47 and the isolation index is 0.64 in Shenzhen, higher than the same indices in Guangzhou, which indicates a higher degree of isolation among new migrants in Shenzhen. Moreover, there are significant differences on the degree of isolation between the districts of the SEZ and those outside the SEZ. This situation mainly stems from the differences in the level of economic development and the industrial structure, which is different from the suburbanization of migrants dominated by market factors in other Chinese cities like Guangzhou. Fourth, the results of the linear regression model show that the effects of institutional factors (Hukou-account attributes) on the spatial pattern of new migrants have decreased, while the role of market factors is increasing in this regard, in line with the assumption of “transition to a market-oriented economy”. Besides, demographic characteristics have significant influence on the spatial pattern of new migrants, especially with regard to the effects of age and educational level. Fifth, by contrast, the spatial pattern of new migrants in Guangzhou is impacted not only by the dual influences of institutional and market factors but also by the age structure and marital status. The household registration system continues to exert influence on spatial patterns in Guangzhou. It can be seen that the socio-spatial differentiation of new migrants and its mechanism show a pattern of heterogeneity in different cities. At the leading edge of the reform and opening-up policy, Shenzhen reflects the characteristics of social space under the influence of China’s transformation of socialist market. After the reform and opening-up policy more than 30 years ago, the shifting influences of “system-market” factors and the effect of the transition are particularly evident in Shenzhen. Against the historical background of the government and the market’s influence, the socio-spatial pattern in urban China is gradually developing into a “market-oriented” model.

Key words： new migrants; socio-spatial segregation; residential segregation; Shenzhen; Guangzhou

Cite this article

Rong Wu , Zhuolin Pan , Ye Liu , Zhigang Li . Socio-spatial Segregation of New Migrants in Shenzhen, China[J]. Tropical Geography, 2019 , 39(5) : 721 -731 . DOI: 10.13284/j.cnki.rddl.003149

开放科学（资源服务）标识码（OSID）：

改革开放以来,面对经济全球化、地方财政短缺以及考核制度等多重压力,中国地方政府逐步以城市空间为载体,建立起中国城市的“增长主义”发展模式（张京祥等,2013）。2017年,全国城镇化率达到58.52%,在短短30年内已实现40%的增长（国家统计局,2018）。随着城镇化的快速推进,中国城市空间和人口规模逐渐扩大,各种“城市病”如空间无序蔓延、居住隔离、城中村爆炸性增长以及公共服务设施空间配置失衡等问题日益凸显,出现城市空间分化、转型与重构现象（Wu, 2007; Logan, 2008）：单位社区解体、旧城改造重建与商品房楼盘快速增长、保障房社区大量建设同步进行,诸如外来人口社区、“绅士化社区”、中产阶层社区、保障房社区、外国人社区等新的社会空间单元逐渐发展成型（阎云翔等,2016）。当前,城乡二元结构矛盾越发突出,日益扩大的城乡差异促进了乡—城迁移,外来人口逐渐成为影响中国大城市社会空间结构的核心因素（李志刚等,2014）,针对外来人口的社会空间研究也在不断涌现（Fan, 2007; Wu, 2008）。深圳作为中国典型的移民城市（毛夏等,2010）,至2017年底已有818.11万外来人口登记在案,占全市常住人口的65.3%（深圳统计局等,2018）。在此背景下,外来人口所面临的社会空间分异问题已成为制约深圳城市健康发展的重要因素。

社会空间分异的概念表征城市社会中“被接纳”与“被排斥”的居民逐渐分离的问题,以及中层阶级人口逐渐收缩的情况（Walks, 2001）,已发展出多种研究范式：以人类学、社会区和因子生态学为代表的传统范式;以行为研究、种族文化研究为代表的行为研究范式;以关注政府制度和行为为代表的制度研究范式（Marcuse et al., 2002）。其中,社会学领域的“芝加哥派”是传统范式的代表,其核心思想是将城市视为脱离社会的独立实体,建立城市空间的理想性结构模型（Park et al., 1984）;而行为学派则将研究视角投向居民择居过程中的个体选择,从中揭示居住空间结构的形成过程（Brown et al., 1970）。如Ball（1986）通过对家庭型、事业型、消费型和社区型4类家庭生活方式的研究,探索其迁居的区位指向。Iceland等（2008）聚焦于美国城市中不同种族的移民群体,通过计算其空间同化度,发现在外国出生的西班牙裔、亚洲人和黑人比在本地出生的群体成员具有更高的居住隔离度;与关注个体选择的行为学派不同,制度主义将城市社会空间分异归因于国家或政府行为及其所制定的相关制度（Van Kempen, 1994）。进入新世纪,这3类研究范式逐渐呈现2方面转向：一方面,积极探讨后福特经济条件下发达国家城市社会空间结构的特征,比较工业社会、后工业社会城市社会空间结构的异同;另一方面,结合“后殖民主义”批判,更多地将发展中国家的城市纳入实证研究范围（徐旳等,2009）。

国内针对社会空间分异的研究多采用社会区分析、因子生态分析和区位熵等方法,主要探讨“北上广”等大城市的社会空间结构及其形成机制。如冯健等（2018）采用因子生态分析和空间统计方法,结合空间分异指数,探讨了北京社会空间重构的特征与趋势,并指出行政、市场与社会力量共同推动了社会空间的演化;李志刚等（2006）采用“五普”居民委员会尺度的数据,对转型期上海的城市空间重构与分异问题展开研究,发现基于社会经济属性的社会空间分异现象不明显,但住房分异现象突出;吴启焰等（2013）通过对南京旧城区社会空间分异的研究,发现相对于上海、北京和广州而言,南京的制度性力量显示了强劲的路径依赖特征、学习性与适应性;魏立华等（2006）关注了广州在社会经济转型期出现的城中村、大学城和“华南板块”等若干“新社会空间”类型,发现“新自由主义”经济发展策略及其政府的企业化行为、市场力量的强大与投机是城市社会空间演进的内在动力。此外,亦有学者从公共服务设施（申庆喜等,2018）、住房（陈宏胜等,2014）等视角展开研究,不断丰富并深化中国城市社会空间结构研究。

随着社会经济的快速发展,城市社会空间分异问题日益突出（王春兰等,2018）。外来人口作为城市社会中的弱势群体,多年来一直受到学者的关注,研究的重点从早期的人口迁移和流动的成因、特征以及趋势（付磊等,2008）,到近期开始关注外来人口在目的地城市内部的空间分布特征及其影响机制。如吴明伟等（2005）从外来人口聚居区的形成背景、现状特征和问题等多方面入手,将其划分为“缘聚型聚集区”和“混居型聚集区”;林李月等（2014）发现外来人口的居住空间不仅存在集聚现象,而且具有明显的集聚中心;赵美风等（2018）研究发现,外来人口聚居区主要受到经济、交通、制度和空间溢出效应等外部驱动力以及个体的家庭生命周期、社会经济地位、人口迁移特征和基本公共服务需求等内部驱动力的影响;周春山等（2016a）探讨了深圳农民工集聚空间演变的特征及其影响机制,发现农民工集聚空间分布演变主要受到住房因素、就业机会、交通条件、社会网络和城市规划的共同影响;欧顺仙等（2016）以深圳富士康为例,探讨了新生代农民工的社会空间流动轨迹及其影响因素;李志刚等（2011）深入研究了广州湖北籍外来人口聚居而成的“湖北村”,将其视为一种“乡缘社区”,同时发现市场化背景下中国城市新移民的社会隔离正不断转化为明显的空间分异（李志刚等,2014）;Liu等（2012）通过探讨中国新移民的社会网络和空间分异格局,展现了新生代移民社会网络与老一代移民的空间差异。

可以看出,城市外来人口的社会空间分异问题正成为研究热点。对比国内外研究发现,目前国内研究存在以下不足之处：1）国内研究视角多集中于“北上广”等城市,而深圳作为中国典型的移民城市,针对其外来人口的研究尚显不足。2）随着城市外来人口的不断增加及其社会经济水平的提升,外来群体内部也逐渐出现分化,而现有研究主要将外来人口作为整体进行探讨,忽视了对不同社会经济背景下不同类型的外来人口研究,尤其对城市新移民的研究较少;3）现有研究多针对单一城市的社会结构和空间分异问题,缺乏对不同城市外来人口社会空间分异机制的对比。鉴于此,以中国典型移民城市深圳为案例地,通过因子分析、聚类分析方法分析其新移民的空间分布格局与特征,并测算新移民空间分异的程度,在此基础上采用线性回归模型探讨新移民聚居区的影响因素,同时与广州市进行对比,探析不同城市社会空间分异及其影响机制的异同,以期丰富现有研究并实证中国城市社会空间理论。

1 研究区概况、数据与研究方法

研究区域为2010年深圳市下辖的6个行政区（福田区、罗湖区、南山区、盐田区、宝安区和龙岗区）和4个新区（光明新区、龙华新区、坪山新区和大鹏新区）。回顾深圳的发展历史,1982年起修筑的经济特区管理线（即“二线”）将深圳分为“关内”（包括福田区、罗湖区、南山区和盐田区）和“关外”（包括宝安区、龙岗区、光明新区、龙华新区、坪山新区和大鹏新区）（林宇川等,2011）。由于国家政策的大力支持以及毗邻香港的优越区位条件,关内逐渐发展起总部经济和高端服务业,吸纳了大量人才,经济发展和城市建设迅猛;而关外在改革开放初期以发展工业和低端服务业为主,并且由于“二线关”的设置所导致的行政割据,关外地区发展远远滞后于关内（林宇川等,2011;Hao et al., 2013; Hao, 2015）。尽管近十年来经济特区管理线已“名存实亡”并于2018年初被正式撤销,但多年来的政策与制度倾斜导致了深圳关内外地区社会经济发展的不均衡,发展差距一直延续至今。

采用第六次全国人口普查街道尺度的数据进行分析,该数据普查登记对象为普查标准时点在中华人民共和国境内的自然人以及在中华人民共和国境外但未定居的中国公民,不包括在中华人民共和国境内短期停留的港澳台居民和外籍人员。研究区范围内下辖57个街道办事处以及龙岗大工业区,总面积为1 996.85 km²,人口总数为1 035.838 2万人。其中,本文将新移民定义为：在深圳市居住≤4 a且无深圳市户籍的外来人口。在深圳市六普数据中,新移民总数为613.531 0万人,占全市人口的59.23%。

实证研究主要采取因子分析法、聚类分析法等计量方法,对深圳社会区类型、社会空间结构进行划分;选取社会空间分异测度中常用的分异指数、隔离指数和区位熵等进行测算（Massey et al., 1993）,实现指数之间的比照和参考;在此基础上,以新移民在各街道单元的区位熵指数作为因变量,采用线性回归模型分析新移民聚居区的影响因素。

1）分异指数ID（the Index of Dissimilarity）的公式为（Duncan et al., 1955）：

（1） $\text{ID}=0.5\times \sum{\left[ \left| \left( \frac{{{x}_{i}}}{{{x}_{\text{all}}}} \right)-\left( \frac{{{y}_{i}}}{{{y}_{\text{all}}}} \right) \right| \right]}$

式中：x_i为空间单元i中类别为x的人数;x_all为类别x的总人数;y_i为空间单元i中类别为y的人数;y_all为类别y的总人数。分异指数ID用于测算不同群体之间的空间分布差异程度,其分布区间为[0, 1],ID<0.3表明空间分异程度低,ID>0.6表明空间分异程度高。分异指数用于测算深圳市新移民的分异情况（Massey et al., 1993）。

2）隔离指数II（the Index of Isolation）的公式为：

（2） $\text{II}=\sum{\left[ \left( \frac{{{x}_{i}}}{{{x}_{\text{all}}}} \right)\times \left( \frac{{{x}_{i}}}{{{T}_{i}}} \right) \right]}$

式中：T_i为空间单元i的总人口数。集中指数II用于衡量绝对集中程度,II的分布空间为[0, 1],II<0.3表明集中程度低,II>0.6表明集中程度高。隔离指数用于测算深圳市的新移民隔离情况（Denton et al., 1988）。

3）区位熵：又称专门化率,由哈盖特首先提出并运用于区位分析之中（Haggett et al., 1977）。该方法用于衡量某一区域要素的空间分布情况,反映区域要素空间的集中度以及某一区域在高层次区域的地位和作用。公式为：

（3）LQ=（x_i/T_i）/（x_all/T_all）

式中：T_all为深圳市的总人口数。当LQ（Location Quotient）>1时意味着某一区域要素的空间集中性较高,LQ>1.2时意味着某一区域要素的空间集中性程度很高（狄乾斌等,2013）。

2 深圳新移民的社会空间分异特征

选取第六次全国人口普查中家庭人口结构、社会经济地位和住房条件等62个主要指标进行因子分析,提取累积方差贡献率>75%的5个主因子,根据各主因子在各街道的得分,采用聚类分析法对各街道进行聚类分析,将结果与实地考察进行综合判定,最终将深圳市划分为5类社会阶层聚居区：Ⅰ离退休人口聚居区、Ⅱ工薪阶层聚居区、Ⅲ精英阶层聚居区、Ⅴ本地村镇人口聚居区和Ⅳ新移民聚居区（图1）。

显示原图|下载原图ZIP|生成PPT

图1 深圳市社会区类型

Fig.1 The social areas of Shenzhen

从图2可看出,深圳市新移民主要分布在关外地区,关内地区的新移民数量较少。新移民数量最多的街道集中分布在3个区域,分别为：宝安区的民治街道、龙华街道、石岩街道、西乡街道和沙井街道区域,龙岗区的坂田街道、平湖街道、横岗街道和坪山街道等周边区域,罗湖区的东门街道、桂园街道和翠竹街道区域。此外,在福田区的沙头街道、福田街道以及南山区的海山街道也有新移民集中分布。同时,通过比较户口登记为省内其他县市的新移民（以下简称为“省内新移民”）与户口登记为省外的新移民（以下简称为“省外新移民”）的分布,发现省内新移民多集中在关内及近郊地区,而省外新移民空间分布多为关外远郊。整体上,新移民在郊区的空间分布符合“差序格局”：由关内到关外,“省内新移民”减少而“省外新移民”增加。

显示原图|下载原图ZIP|生成PPT

图2 2010年深圳新移民空间分布（a. 新移民;b. 省内新移民;c. 省外新移民）

Fig.2 Spatial distribution of Shenzhen’s migrants in 2010 (a. new migrants; b. intra-province migrants; c. inter-province migrants)

通过比较分异指数与隔离指数（表1）,发现隔离指数（新移民对比总人口数）更能直观地表达新移民的隔离程度。由表1可知：1）深圳新移民的隔离指数为0.64（>0.6）,说明深圳市新移民的隔离程度高;同时,基于相同的街道尺度,广州市新移民的隔离指数为0.56,<0.64（深圳市）,深圳市作为典型的移民城市,其新移民的隔离程度要高于广州市;2）对比深圳各区新移民的隔离程度,发现隔离度最高的是宝安区和龙岗区,其次是福田区、盐田区和南山区,而罗湖区的隔离度最低,表明深圳各区的新移民空间隔离程度存在一定差异。

表1 深圳与广州各区分异指数与隔离指数

Tab.1 Index of dissimilarity and index of isolation in Shenzhen and Guangzhou

区域	分异指数（ID）	隔离指数（II）
深圳市	0.47	0.64
罗湖区	0.15	0.39
福田区	0.32	0.50
南山区	0.26	0.45
宝安区	0.30	0.74
龙岗区	0.22	0.61
盐田区	0.18	0.46
广州市	0.48	0.56
荔湾区	0.32	0.38
越秀区	0.38	0.35
海珠区	0.52	0.54
天河区	0.45	0.58
白云区	0.41	0.64
黄埔区	0.41	0.65
番禺区	0.37	0.52
花都区	0.51	0.51
南沙区	0.51	0.59
萝岗区	0.52	0.68

注：广州市数据来源于文献（李志刚等,2014）。

自20世纪90年代以来,宝安区发展迅速并成为关外城市发展核心;同时,深圳市工业由关内向关外搬迁,为新移民提供了较多的就业岗位,而关外的低生活与住房成本也吸引了一大批新移民。此外,部分新移民聚居在工厂提供的宿舍区,与本地居民的居住空间存在明显差异,因此宝安区新移民的空间隔离度高。龙岗区的情况与宝安区类似。而福田区地处深圳中心城区,作为“金融CBD”以及政治、文化、娱乐和国际展览中心,聚集了大量拥有本地户籍的城市中产人群,但同时也为新移民提供了大量生活服务类就业岗位,且这些服务类从业者可以在附近城中村租赁廉价住房。因此,整体上福田区土地利用存在着两极分化：既有中高档住宅和写字楼,也有中低房价的城中村,新移民的空间隔离度与分异度均处于较高水平,但并未超过0.6的阈值。

另外,盐田、南山和罗湖的新移民隔离指数均<0.5,且分异指数均<0.3。其中,盐田区地处深圳东部,区域内旅游产业繁荣、第二产业发展较弱,以本地居民为主,新移民与本地居民毗邻而居,因此新移民与本地常住人口的空间分异度低;而南山区作为“科技CBD”,全国近50所精英大学在深圳的分支机构都设置在南山,科技人才逐渐成为深圳新移民的主要力量。同时,南山区良好的居住环境吸引了大量的本地人口,因此新移民与本地常住人口的空间分异度并不高;罗湖区的情况则有所不同,作为深圳传统的老城区,土地利用功能混合,人口密度高且以本地常住人口为主,新移民多选择与本地常住人口混居,因此两者空间分异度低,新移民的空间隔离度也较低。

3 深圳新移民社会空间分异的影响因素

为实证新移民的聚居机制,通过计算深圳市新移民在各街道单元的区位熵（LQ）指数对“新移民聚居区”进行界定。根据LQ指数的含义,将街道分为两类：新移民聚居区（LQ指数>1）和非新移民聚居区（LQ指数<1）。最终得到新移民聚居区18个,非新移民聚居区40个,并以LQ指数为因变量,采用最小二乘法（OLS）建立线性回归模型。

3.1 变量选择

从表2可知,深圳市新移民以中青年为主,>45岁人口仅占15.1%;同时,深圳新移民以已婚者居多,比例超过50%;但新移民平均受教育水平相对较低,仅21.0%的新移民拥有高等教育背景。从制度因素来看,新移民群体中有20.8%为集体户。从市场因素来看,新移民的个人收入主要来源于劳动收入,比例达70.3%;此外,由于制度和身份的差异,大部分新移民依旧被排斥在住房保障制度之外（周林刚,2007;Chan et al., 2008）,超过50%的新移民为市场性租房。从住房因素来看,>110 m²户数仅3%,表明新移民住房以中小户型为主。

表2 变量基本情况

Tab.2 The in-use variables %

因素	变量	指标	均值	最小值	最大值	方差
人口因素	年龄结构	>45岁人口比例	15.1	6.3	27.8	5.0
	婚姻状况	已婚人口比例	54.3	36.4	64.8	5.9
	教育水平	受高等教育人口比例	21.0	4.1	62.1	13.7
制度因素	户口类型	集体户比例	20.8	7.6	74.4	10.0
市场因素	收入来源	劳动收入比例	70.3	50.3	97.7	9.6
市场因素	物权类型	市场性租房比例	55.4	17.2	84.0	15.7
住房因素	住房面积	>110 m²户数比例	3.0	0	11.5	2.4

基于已有对社会空间分异影响因素的研究（兰宗敏等,2010）,并结合“六普”街道尺度数据,从人口、制度、市场和住房4个维度探讨深圳新移民居住分异的影响因素,相关因素的指标化及其确定依据为：

人口因素包括3个指标：年龄结构、婚姻状况和教育水平（见表2）。由于深圳市新移民以中青年为主,因此年龄结构采用“>45岁人口比例”;婚姻作为家庭生命周期的重要维度,是影响个人住房选择乃至群体聚居的重要因素（Clark, 2008）,在婚姻状况方面,本文采用“已婚人口比例”;而教育水平则采用“受高等教育人口比例”进行测度。

制度因素采用户口类型这一指标,选取“集体户比例”（见表2）。以往研究也有选用“非农业户口比例”来衡量制度因素（李志刚等,2014）,但是由于本文的新移民包括来自农村和城市的新移民,且2000年以来的户籍改革使得国内部分省份已经取消了非农户籍/农业户籍的区分,因此本文不选用“非农业户口比例”。

市场因素主要采用2个指标：收入来源和物权类型（见表2）。个人收入来源主要由2部分组成：劳动收入与资产性收入,其中劳动收入更多地受市场因素调节,而资产性收入易受制度因素影响（Daudey et al., 2007）,如单位住房私有化之后的租赁收入,故收入来源采用“劳动收入比例”。物权类型采用“市场性租房比例”,该指标不仅可以间接表征收入水平,同时也可以体现住房市场化的程度,与新移民的住房选择密切相关。

住房因素是影响新移民择居的重要维度,受高房价影响,新移民租住或购房面积较小,故选取“>110 m²户数比例”来代指住房条件（见表2）。

对所有模型进行共线性检验,若VIF值<3,则满足线性回归条件。其中,只包含各维度的模型均通过共线性检验,而在综合模型中,自变量之间存在明显的共线性关系,因此采用逐步回归方法（Stepwise OLS）建模。

3.2 控制变量与考察变量的检验结果

以人口因素作为控制变量,以制度因素、市场因素和住房因素作为考察变量,建立多个OLS回归模型分别考察不同因素对深圳新移民聚居的影响（表3）。

表3 影响因素回归模型

Tab.3 The results of regression for independent variables

指标		模型一（人口因素）			模型二（制度因素）			模型三（市场因素）			模型四（市场因素）			模型五（市场因素）			模型六（住房因素）
指标		B.	S.E.	Sig.	B.	S.E.	Sig.	B.	S.E.	Sig.	B.	S.E.	Sig.	B.	S.E.	Sig.	B.	S.E.	Sig.
控制变量	>45岁人口比例	-3.023^***	0.519	0.000	-2.954^***	0.526	0.000	-1.633^**	0.543	0.004	-2.674^***	0.582	0.000	-1.412^*	0.580	0.018	-3.373^***	0.523	0.000
	已婚人口比例	-0.831^*	0.357	0.024	-0.592	0.445	0.189	-0.367	0.324	0.262	-0.943^*	0.365	0.013	-0.458	0.334	0.176	-1.030^**	0.354	0.005
	受高等教育人口比例	-0.553^**	0.170	0.002	-0.537^**	0.172	0.003	-0.298	0.157	0.064	-0.441^*	0.190	0.024	-0.222	0.172	0.201	-0.731^***	0.182	0.000
考察变量	集体户比例	—	—	—	0.233	0.259	0.372	—	—	—	—	—	—	—	—	—	—	—	—
	劳动收入比例	—	—	—	—	—	—	1.360^***	0.303	0.000	—	—	—	1.329^***	0.304	0.000	—	—	—
	市场性租房比例	—	—	—	—	—	—	—	—	—	0.230	0.178	0.202	0.167	0.155	0.286	—	—	—
	>110 m²户数比例	—		—	—	—		—	—	—	—	—	—	—	—	—	2.467^*	1.079	0.026
常量		1.904^***	0.172	0.000	1.977^***	0.201	0.000	0.432	0.360	0.235	1.761^***	0.204	0.000	0.362	0.365	0.326	2.027^***	0.174	0.000
相关系数R		0.869	—	—	0.871	—	—	0.907	—	—	0.873	—	—	0.909	—	—	0.881	—	—
决定系数R²		0.755	—	—	0.758	—	—	0.822	—	—	0.762	—	—	0.826	—	—	0.777	—	—
校正决定系数R²_adj		0.741	—	—	0.740	—	—	0.809	—	—	0.744	—	—	0.809	—	—	0.760	—	—
剩余标准差S.E.		0.136	—	—	0.137	—	—	0.117	—	—	0.136	—	—	0.117	—	—	0.131	—	—

注：^*、^**和^***分别代表在5%、1%、0.1%显著水平上显著（双尾检验）。下表同。

从表3的模型一结果来看,校正决定系数较高（0.741）,说明该模型对于新移民聚居现象的解释力度较强;“>45岁人口”“已婚”和“高学历”3个因素对新移民聚居均有显著的负向影响,三者的系数分别为-3.023、-0.831和-0.553,说明这3类人口比例高的街道,其新移民集中程度较低。

从制度因素的检验结果来看,模型二表明控制变量如年龄结构和受教育水平对新移民聚居区的形成具有明显影响：>45岁人口比例越高,新移民聚居程度越低;同时,已婚人口比例也与新移民聚居呈负相关关系。而模型二的考察变量“集体户比例”所代表的户籍制度对新移民聚居的影响并不显著。此外,校正决定系数为0.740,与模型一相比几乎没有增加,表明户籍制度对新移民聚居现象的解释力度较弱。

从市场因素的检验结果来看,模型三、四和五的控制变量中,婚姻状况和受教育程度对新移民聚居的影响不稳定;年龄结构对新移民聚居的影响稳定且明显,系数在3个模型中分别为-1.633、-2.674和-1.412,影响最为突出,表明年龄结构是影响新移民聚居的最重要因素之一。从考察变量来看,模型四和五的结果表明：市场性租房比例对新移民聚居无显著影响,因此物权类型对新移民聚居现象的解释作用不具备统计学意义;而无论是单独考察劳动收入比例的影响还是同时考察劳动收入比例和市场性租房比例的影响,模型三和五的结果均表明,劳动收入比例对新移民聚居具有显著的正向影响。究其原因,主要因为新移民来深时间较短,并且多以劳动收入而非资产性收入为主,因此劳动收入比例越高,街道的新移民聚居程度越高。

从住房因素的检验结果来看,所有变量都与因变量新移民区位熵（LQ）显著相关。具体而言,中老年人、已婚人士和高学历人口比例较高的街道,其新移民聚居的程度较低。模型六的考察变量“>110 m²户数比例”的回归系数为2.467,表明住房面积与新移民聚居程度存在显著的正相关关系。究其原因,是由于深圳市新移民主要聚居在关外地区,关外有大量价格低、面积大的楼盘集中分布。同时,新移民往往选择以“合租”的形式来降低住房成本,因此多选择有较多房间数量的大户型租住。

3.3 总体模型

以人口因素作为控制变量,同时考虑制度因素、市场因素和住房因素对新移民聚居程度的影响（表4）。模型七为放入全部变量的线性回归模型,由结果可知：年龄结构、婚姻状况和受教育程度这3项控制变量都与新移民聚居程度显著相关,其中年龄结构的回归系数为-1.644,在所有控制变量中影响最为突出,中老年人的比例越高,该街道新移民聚居的程度越低;已婚比例和受教育程度也同样与新移民聚居程度呈负相关关系。

表4 深圳市新移民总体模型

Tab.4 The regression result of all migrant variables in Shenzhen

因素	指标	模型七			模型八
因素	指标	B.	S.E.	Sig.	B.	S.E.	Sig.
人口因素	>45岁人口比例	-1.644^**	0.569	0.006	-1.947^***	0.530	0.001
	已婚人口比例	-1.009^*	0.380	0.011	—	—	—
	受高等教育人口比例	-0.385^*	0.174	0.032	—	—	—
制度因素	集体户比例	-0.540	0.330	0.109	—	—	—
市场因素	劳动收入比例	1.676^***	0.419	0.000	1.618^***	0.278	0.000
市场因素	市场性租房比例	0.073	0.190	0.702	—	—	—
住房因素	>110 m²户数比例	2.008^*	0.967	0.043	—	—	—
模型检验	相关系数R	0.922	—	—	—	—	—
	决定系数R²	0.850	—	—	—	—	—
	校正决定系数R²_adj	0.829	—	—	—	—	—
	剩余标准差S.E.	0.111	—	—	—	—	—

考察变量方面,制度因素（P=0.109）和物权类型（P=0.702）作用不显著,而劳动收入比例和住房面积均对新移民聚居具有显著的正向影响,表明制度因素对新移民聚居的影响作用有所下降,而市场因素、住房因素和人口因素的影响作用增强。其中,市场因素中的劳动收入比例、住房因素中的住房面积（>110 m²户数比例）对新移民聚居都具有较大的影响;人口因素中的年龄结构（>45岁人口比例）、受教育水平（受高等教育人口比例）与婚姻状况（已婚人口比例）,均与新移民聚居区呈负相关关系。

值得注意的是,在总体模型中,制度因素“集体户比例”的系数为负值（但并不显著）,这与只包含制度因素和人口因素变量的模型结果相悖。究其原因,是因为自变量集体户比例和劳动性收入比例之间存在显著的共线性（VIF值为7.4）,其现实解释为“集体户籍人员一般无自有住房等财产性收入”。因此,采用逐步回归分析法（Stepwise OLS）消除自变量共线性的影响（见表4）。模型八为逐步回归模型,由结果可知,模型中存在强显著效应的仅有“劳动性收入比例”和“>45岁人口比例”2个变量,而“集体户比例”对模型的解释作用被“劳动性收入比例”所掩盖。总体而言,年龄结构和劳动收入比例对新移民聚居现象的解释作用较强。

3.4 深圳市与广州市新移民影响因素的对比

同样以新移民区位熵（LQ）为因变量,以人口因素为控制变量,以制度因素、市场因素和住房因素为考察变量建立线性回归模型,分析广州新移民聚居的影响因素并其探讨与深圳的异同。表5结果显示,与深圳类似,年龄结构同样是影响广州新移民聚居的最重要因素,中老年人比例越多,新移民聚居程度越低。同时,婚姻状况对广州新移民聚居现象也具有显著影响,已婚人口比例越高,新移民聚居的程度也越高;而在深圳,已婚人口比例越高,新移民聚居的程度越低,体现出婚姻状况在深圳和广州两地不同的影响机制。从制度因素来看,集体户比例与广州新移民聚居存在显著的正相关关系,究其原因,可能与新移民群体中挂靠集体户籍较多的现象相关。与深圳相比,户籍制度对广州新移民聚居仍然具有显著的影响作用。从市场因素来看,与深圳的结果相比,劳动收入比例的影响不再显著,而物权类型对广州新移民聚居的影响更为显著,市场性租房比例越高,该地的新移民聚居程度越高,表现出住房市场化对新移民择居行为的影响,新移民在房价高企的一线城市置业难度往往更大。从住房因素来看,由于统计口径的不一致,选用“>120 m²户数比例”作为替代。结果表明,住房面积对广州新移民聚居具有显著的负向影响,大户型单位比例越高,新移民聚居程度越低,与深圳的实证结果相反。究其原因,主要由于广州市内建筑年代久远的老旧小区较多,住房市场仍然以中小户型为主。同时,广州住房价格高昂,新移民普遍存在住房困难问题,往往选择租住在老旧的中小户型住宅以节省住房成本。

表5 广州市新移民总体模型

Tab.5 The regression result of all migrant variables in Guangzhou

因素	指标	B.	S.E.	Sig.
人口因素	>45岁人口比例	-2.239^***	0.089	0.000
	已婚人口比例	0.797^***	0.101	0.000
	受高等教育人口比例	0.073	0.050	0.143
制度因素	集体户比例	1.331^***	0.105	0.000
市场因素	劳动收入比例	0.683	0.350	0.051
市场因素	市场性租房比例	1.322^***	0.034	0.000
住房因素	>120 m²户数比例	-0.104^**	0.041	0.010
模型检验	相关系数R	0.891	—	—
	决定系数R²	0.794	—	—
	校正决定系数R²_adj	0.793	—	—
	剩余标准差S.E.	0.287	—	—

总体而言,广州新移民聚居现象同样受到人口、住房等多方面因素的影响,但与深圳相比,广州新移民聚居同时受到制度因素和市场因素的双重影响,户籍制度的影响依然具有一定的历史延续性。同时,市场因素和住房因素对广深两地新移民聚居现象所产生的影响效果不同,体现出新移民空间分异及其影响机制的异质性。

4 结论与讨论

以中国典型移民城市深圳为案例地,对其新移民的社会空间分异问题展开实证,探讨新移民空间分布的整体格局与特征,同时对其分异程度进行测度,在此基础上系统考察新移民空间分异的影响因素,并与广州市进行对比。研究发现：

1）深圳市的社会空间存在五类人口因子,并通过聚类分析法得到五类社会阶层聚居区,分别为精英阶层聚居区、工薪阶层聚居区、离退休人口聚居区、本地村镇人口聚居区和新移民聚居区。

2）深圳新移民的空间分布符合“差序格局”：由关内（福田区、罗湖区、南山区和盐田区）到关外（宝安区、龙岗区、光明新区、龙华新区、坪山新区和大鹏新区）,呈现出“省内新移民”减少而“省外新移民”增加的特征。不同户口属地的新移民的空间分布存在差异,“省内新移民”较为明显地集聚在关内中心区的周边区域,而“省外新移民”则集中分布在关外区域。这与深圳市外来移民呈郊区化分布的研究结论（周春山等,2016a;杨高等,2019）一致。

3）深圳新移民的隔离指数为0.64,隔离程度较高,超过广州新移民的隔离指数（0.56）（李志刚等,2014）。从各区的隔离指数来看,关外的宝安和龙岗区的隔离指数均>0.6,且远高于关内4区的隔离指数。这表明深圳各区的新移民隔离程度存在一定差异,尤其体现在关内与关外两大区域。新移民社会空间的区域差异,主要源于经济特区管理线所造成的关内外经济发展水平和产业结构差异（张瑜等,2018）,不同于广州等大城市由市场因素所主导的外来人口郊区化蔓延（周春山等,2016b）。

4）制度因素对深圳新移民社会空间分异的影响不断减弱,市场因素的作用持续增强。与北上广等传统大城市不同,深圳人口结构具有明显的“倒挂”特征,外来人口比例远远高于本地居民比例,因此户籍因素对深圳新移民聚居的影响不再显著,而劳动收入比例成为解释深圳新移民聚居的主要因素。这表明深圳社会空间的演化机制符合“市场转型”理论（Wu, 2007）,市场正在取代制度成为决定资源分配的核心机制。

5）对比广州市,其新移民聚居现象同样受到人口、住房等多方面因素影响,但广州市的新移民聚居同时受到制度因素和市场因素的双重影响。同时,市场因素和住房因素对广州新移民聚居的影响与深圳有所不同,劳动收入比例的影响不再显著,物权类型对广州新移民聚居的影响更为显著,而住房面积则具有显著的负向影响。广州的社会空间演变更多受到城市发展历史以及行政与制度力量的影响,体现了中国新移民社会空间分异及其影响机制的异质性。

在市场化不断深化的影响下,深圳市新移民空间分异的演化与影响机制,折射出中国社会主义市场转型及其社会空间的影响效应。相比传统大城市广州,深圳市的社会空间分异特征,体现出计划经济体制下户籍要素对社会人口集聚、层化的约束逐渐弱化,制度因素（如管理线等）通过逐渐转化为经济与社会因素,对深圳新移民社会空间格局的塑造作用得以延续。然而,对于广州市而言,尽管市场因素对城市空间的影响增强,但原本基于城乡二元体制分割以及职业地位的住房不平等通过住房改革等被固化,并造成了不同社会群体如新移民与本地居民之间的制度性受益差异（李斌,2002;边燕杰等,2005）,因此制度因素对城市社会空间的影响更为显著。随着改革的不断深入,原有的二元体制分割与市场分化相互强化,形成叠加效应从而导致城市社会空间分化（吴开泽,2017）。可以看出,历经了30多年的改革开放和政治体制改革,这种“制度—市场”的此消彼长以及转型效应,在改革开放的窗口城市深圳体现尤为明显。此外,与西方国家类似,个人人口属性也是解释新移民聚居的显著要素,如年龄结构和教育水平的显著作用。改革开放和市场经济建设为中国城市发展提供了巨大机遇,城市社会空间分异在政府和市场合力影响的历史背景下,正逐渐朝向“市场驱动”转型与发展。

而市场逻辑下的增长主义在创造经济高速增长的“中国奇迹”的同时,也增加了社会转型、空间重构与环境问题下的不稳定因素——按照市场机制的要素分配,可能产生严重的要素集聚和社会空间极化,如美国的种族隔离和社会空间分异。长期来看,增长主义逻辑不利于中国经济社会的可持续发展,城市成为了矛盾最集中、最尖锐的场所,中国城市新移民的社会隔离正不断转化为空间分异问题,城乡二元已经转向城市内部二元,给城市居民的日常生活带来诸多压力,城市社会空间分异也成为了社会关注的焦点。因此,调节要素分配,建设公平、公正的社会人口流动机制,塑造和谐的社会空间是未来中国城市健康发展的重要任务。

References

Publishing order | Descend order by publishing year | Descend order by cited within

1	Ball M . 1986. The Built Environment and the Urban Question. Environment and Planning D: Society and Space, 4(4):447-464.

2	Brown L A and Moore E G . 1970. The Intra-Urban Migration Process: A Perspective. Geografiska Annaler, 52(1):1-13.

3	边燕杰, 刘勇利 . 2005. 社会分层、住房产权与居住质量——对中国“五普”数据的分析. 社会学研究,(3): 82-98, 243. [ Bian Yanjie and Liu Yongli . 2005. Social Stratification, Home Ownership, and Quality of Living: Evidence from China’s Fifth Census. Sociological Studies,(3): 82-98, 243.]

4	Chan K W and Buckingham W . 2008. Is China Abolishing the Hukou System?. The China Quarterly, 195:582-606.

5	Clark W A V . 2008. Changing Residential Preferences across Income, Education, and Age: Findings from the Multi-City Study of Urban Inequality. Urban Affairs Review, 44(3):334-355.

6	陈宏胜, 李志刚 . 2014. 快速城镇化下中国大城市房权分异研究. 地理学报, 69(12):1821-1832. [ Chen Hongsheng and Li Zhigang . 2014. Tenure-based Housing Segregation under Rapid Urbanization in Post-reform Urban China: A Case Study of Guangzhou. Acta Geographica Sinica, 69(12):1821-1832.]

7	Daudey E and Garcíapeñalosa C . 2007. The Personal and the Factor Distributions of Income in a Cross-Section of Countries. Journal of Development Studies, 43(5):812-829.

8	Denton N A and Massey D S . 1988. Residential Segregation of Blacks, Hispanics, and Asians by Socioeconomic Status and Generation. Social Science Quarterly, 69(4):797-817.

9	Duncan O D and Duncan B . 1955. Residential Distribution and Occupational Stratification. American Journal of Sociology, 60(5):493-503.

10	狄乾斌, 刘欣欣, 曹可 . 2013. 中国海洋经济发展的时空差异及其动态变化研究. 地理科学, 33(12):1413-1420. [ Di Qianbin, Liu Xinxin and Cao Ke . 2013. Spatial and Temportal Disparities of Marine Economic Development and Dynamic Changes in China. Scientia Geographica Sinica, 33(12):1413-1420.]

11	Fan C C . 2007. China on the Move: Migration, the State, and the Household. Journal of Regional Science, 50(3):797-798.

12	冯健, 钟奕纯 . 2018. 北京社会空间重构(2000—2010). 地理学报, 73(4):711-737. [ Feng Jian and Zhong Yichun . 2018. Restructuring of Social Space in Beijing from 2000 to 2010. Acta Geographica Sinica, 73(4):711-737.]

13	付磊, 唐子来 . 2008. 上海市外来人口社会空间结构演化的特征与趋势. 城市规划学刊,( 1):69-76. [ Fu Lei and Tang Zilai . 2008. The Social Spatial Structure of Floating Population in Shanghai and Its Evolution Since the Reform and Opening-up. Urban Planning Forum, ( 1):69-76.]

14	国家统计局. 2018. 中国统计年鉴. 北京: 中国统计出版社. [ National Bureau of Statistics. 2018. China Statistical Yearbook. Beijing: China Statistics Press. ]

15	Haggett P, Cliff A D and Frey A E . 1977. Locational Analysis in Human Geography. London: Edward Arnold.

16	Hao P, Geertman S, Hooimeijer P and Sliuzas R . 2013. Spatial Analyses of the Urban Village Development Process in Shenzhen, China. International Journal of Urban and Regional Research, 37(6):2177-2197.

17	Hao P . 2015. The Effects of Residential Patterns and Chengzhongcun Housing on Segregation in Shenzhen. Eurasian Geography and Economics, 56(3):308-330.

18	Iceland J and Scopilliti M . 2008. Immigrant Residential Segregation in U.S. Metropolitan Areas, 1990-2000. Demography, 45(1):79-94. DOI

19	Liu Y, Li Z and Breitung W . 2012. The Social Networks of New-Generation Migrants in China’s Urbanized Villages: A Case Study of Guangzhou. Habitat International, 36(1):192-200. DOI

20	Logan J . 2008. Urban China in Transition. Oxford: John Wiley & Sons.

21	兰宗敏, 冯健 . 2010. 城中村流动人口的时间利用以及生活活动时空间结构——对北京5个城中村的调查. 地理研究, 29(6):1092-1104.

22	[ Lan Zongmin and Feng Jian . 2010. The Time Allocation and Spatio-Temporal Structure of the Activities of Migrants in "Village in City": Surveys in Five “Villages in City” in Beijing. Geographical Research, 29(6):1092-1104.]

23	李斌 . 2002. 中国住房改革制度的分割性. 社会学研究,( 2):80-87. [ Li Bin . 2002. The Division Characteristic of Chinese Housing Reform System. Sociological Research, ( 2):80-87.]

24	李志刚, 吴缚龙 . 2006. 转型期上海社会空间分异研究. 地理学报, 61(2):199-211. [ Li Zhigang and Wu Fulong . 2006. Socio Spatial Differentiation in Transitional Shanghai. Acta Geographica Sinica, 61(2):199-211.]

李志刚, 刘晔, 陈宏胜 . 2011. 中国城市新移民的“乡缘社区”:特征、机制与空间性——以广州“湖北村”为例. 地理研究, 30(10):1910-1920.

[ Li

Zhigang

, Liu

and Chen

Hongsheng

. 2011. Characteristics, Mechanism, and Spatiality of Neo-migrants Home Place-based Communities in China: A Case Study of Hubei Village, Guangzhou. Geographical Research, 30(10):1910-1920.]

26	李志刚, 吴缚龙, 肖扬 . 2014. 基于全国第六次人口普查数据的广州新移民居住分异研究. 地理研究, 33(11):2056-2068. [ Li Zhigang, Wu Fulong and Xiao Yang . 2014. Residential Segregation of New Migrants in Guangzhou, China: A Study of the 6th Census. Geographical Research, 33(11):2056-2068.]

27	林李月, 朱宇, 梁鹏飞, 肖宝玉 . 2014. 基于六普数据的中国流动人口住房状况的空间格局. 地理研究, 33(5):887-898. [ Lin Liyue, Zhu Yu, Liang Pengfei and Xiao Baoyu . 2014. The Spatial Patterns of Housing Conditions of the Floating Population in China Based on the Sixth Census Data. Geographical Research, 33(5):887-898.]

28	林宇川, 冯健 . 2011. 深圳关内关外一体化过程中的边界效应及时空演变. 热带地理, 31(6):580-585. [ Lin Yuchuan and Feng Jian . 2011. Border Effect and Its Temporal-spatial Evolution in the Process of Regional Integration in Shenzhen. Tropical Geography, 31(6):580-585.]

29	Marcuse P and Kempen R V .2002. Of States and Cities: The Partitioning of Urban Space. Oxford: Oxford University Press.

30	Massey D S and Denton N A . 1993. American Apartheid: Segregation and the Making of the Underclass. Cambridge: Harvard University Press.

31	毛夏, 徐蓉蓉, 李新硕, 王煜, 李程, 曾波, 何宇华, 刘锦泉 . 2010. 深圳市人口分布的细网格动态特征. 地理学报, 65(4):443-453. [ Mao Xia, Xu Rongrong, Li Xinshuo, Wang Yu, Li Cheng, Zeng Bo, He Yuhua and Liu Jinquan . 2010. Fine Grid Dynamic Features of Population Distribution in Shenzhen. Acta Geographica Sinica, 65(4):443-453.]

32	欧顺仙, 肖扬, 李志刚 . 2016. 新生代农民工的社会空间流动研究——以深圳富士康为例. 城市规划, 40(4):69-74. [ Ou Shunxian, Xiao Yang and Li Zhigang . 2016. Social-spatial Mobility of New Migrant Workers: A Case Study on Foxconn, Shenzhen. City Planning Review, 40(4):69-74.]

33	Park R E, Burgess E W and Mckenzie R D . 1984. The City. Chicago: University of Chicago Press.

34	申庆喜, 李诚固, 刘仲仪, 胡述聚, 刘倩 . 2018. 长春市公共服务设施空间与居住空间格局特征. 地理研究, 37(11):2249-2258. [ Shen Qingxi, Li Chenggu, Liu Zhongyi, Hu Shuju and Liu Qian . 2018. Spatial Pattern of Public Service Facilities Space and Living Space in Changchun. Geographical Research, 37(11):2249-2258.]

35	深圳市统计局, 国家统计局深圳调查队. 2018. 深圳统计年鉴. 北京: 中国统计出版社. [ Statistics Bureau of Shenzhen and NBS Survey Office in Shenzhen. 2018. Shenzhen Statistical Yearbook. Beijing: China Statistics Press. ]

36	Van Kempen E T . 1994. The Dual City and the Poor: Social Polarisation, Social Segregation and Life Chances. Urban Studies, 31(7):995-1015.

37	Walks R A . 2001. The Social Ecology of the Post-Fordist/Global City? Economic Restructuring and Socio-spatial Polarisation in the Toronto Urban Region. Urban Studies, 38(3):407-447.

38	Wu F . 2007. China’s Emerging Cities: The Making of New Urbanism. London: Routledge.

39	Wu W . 2008. Migrant Settlement and Spatial Distribution in Metropolitan Shanghai. Professional Geographer, 60(1):101-120.

40	王春兰, 杨上广, 何骏, 刘陆雪 . 2018. 上海城市社会空间演化研究——基于户籍与职业双维度. 地理研究, 37(11):2236-2248. [ Wang Chunlan, Yang Shangguang, He Jun and Liu Luxue . 2018. On the Social Space Evolution of Shanghai: In Dual Dimensions of the Hukou and the Occupation. Geographical Research, 37(11):2236-2248.]

41	魏立华, 闫小培 . 2006. 转型期中国城市社会空间演进动力及其模式研究——以广州市为例. 地理与地理信息科学, 22(1):67-72. [ Wei Lihua and Yan Xiaopei . 2006. Studies on the Driving Forces and Model of Guangzhou Social Space in Socio-Economic Transition. Geography and Geo-Information Science, 22(1):67-72.]

42	吴开泽 . 2017. 房改进程、生命历程与城市住房产权获得(1980—2010年). 社会学研究, 32(5): 64-89, 243-244. [ Wu Kaize . 2017. Housing Reform, Life Course and Urban Housing Acquisition (1980-2010). Sociological Studies, 32(5): 64-89, 243-244.]

43	吴明伟, 吴晓 .2005. 我国城市化背景下的流动人口聚居形态研究. 南京: 东南大学出版社. [ Wu Mingwei and Wu Xiao . 2005. A Research on Floating Population Collectivity Morphology in the Background of Chinese Urbanization: A Case Study of Jiangsu Province. Nanjing: Southeast University Press.]

吴启焰, 吴小慧, Chen

Guo

, Hammel J

Daniel

, 刘咏梅, 刘丹 . 2013. 基于小尺度五普数据的南京旧城区社会空间分异研究. 地理科学, 33(10):1196-1205.

[ Wu

Qiyan

, Wu

Xiaohui

, Chen

Guo