张济婷
, 周素红
中山大学地理科学与规划学院,广东省城市化与地理环境空间模拟重点实验室,广州 510275
ZHANG Jiting, ZHOU Suhong
通讯作者:
收稿日期: 2017-09-4
修回日期: 2017-12-7
网络出版日期: 2018-03-15
版权声明: 2018 《地理研究》编辑部 《地理研究》编辑部
基金资助:
作者简介:
作者简介：张济婷（1993- ）,女,广东韶关人,硕士,研究方向为城市地理学。E-mail:429833178@qq.com
展开
摘要
职住关系是城市研究领域重要的议题之一。体制改革后中国社会分层结构特殊,检验不同阶层居民在职住地选择偏好的差异,有助于理解居民职住格局形成的内部机制。利用广州市入户问卷调查、建成环境和人口普查等数据,采用两步聚类和多项logistic回归,对广州市居民进行阶层划分,对比居民职住模式的群体差异及其影响因素。结果表明：职住决策时,体制外工薪阶层追求低生活成本,受职住地建成环境影响显著;体制内阶层习惯于传统单位制下社会关系密切的社区,受邻里环境影响显著,还受个人属性影响;无固定工作者决策自由和平衡程度高,受少量建成环境因素影响。研究有助于了解居民职住格局形成的制度性机制,为优化居民职住格局提供思路。
关键词：
Abstract
Job-housing relationship is one of the most important topics in urban studies. Because of the institutional transformation in China, people who work inside-system or live in urban areas may enjoy more welfare than those who work outside-system or live in rural areas, which makes the social differentiation unique. Dividing people into groups based on attributes related to institutional transformation and investigating what influences different groups' different job-housing situations can help to understand the internal mechanism of how the job-housing situations form in urban China. Mainly according to the result data of a questionnaire with a sample size of 1029, which was finished in Guangzhou in 2016, with the help of the point of interest and the road distribution data of Guangzhou in 2014, as well as the sixth census data of Guangzhou, two-step cluster and multinomial logistic regression are employed to figure out the mechanism. After clustering, three typical job-housing models were defined according to job-housing distance as well as the location of working and living place, and three social groups were defined according to residents' socioeconomic status. And then multinomial logistic regression was employed to compare the different reasons that influence different groups' job-housing situation. The results show that compared to the job-housing balance group, the outside-system group who have steady jobs try to achieve the highest comfort and convenience with the lowest living cost and they are willing to bear long commute for better living condition, so their job-housing models are influenced by the built environment mostly. When it comes to inside-system group, different from the outside-system group, on the one hand, they live in the unit community in the past, so they are used to the close-knit communities, and influenced by community environment obviously, on the other hand, they are influenced by social characters obviously, including marital status and the number of students in the family. The group of people without steady jobs are those who engage in business or have retired and get an informal job again. They have the highest freedom while deciding where to work and where to live, so their decisions about job-housing location are only slightly influenced by some factors about built environment, and the job-housing balance ratio of this group is the highest. This research tries to figure out the mechanism of how different social groups determine their job-housing location in the context of China's unique institutional transformation, and act as references to urban planners and policy makers while putting forward some advice to optimize it.
Keywords：
19世纪末,霍华德在《明日的田园城市》中指出,当城市发展超过一定规模后,需要发展内部设施配置齐全的新城,使居民的“工作就在住宅的步行距离之内”,这就是就业—居住平衡理念的最初萌芽[1];沙里宁在20世纪提出“有机疏散理论”,认为应把个人日常的生活和工作集中布置以减少交通量;芒福德把霍华德的思想进一步阐述,提出了城市内部功能间的“平衡”概念。20世纪80年代美国郊区化快速发展,就业和可支付住房在空间上的不匹配导致远距离通勤从而带来交通拥堵,职住平衡这一专业术语正式形成并被应用在城市规划及政策制定中,以塞韦罗为代表的学者们认为职住平衡是解决拥堵问题的有效措施[2,3]。同时,也有学者认为除职住不平衡外还有其他因素导致交通拥堵,例如住房政策、房屋价格、设施分布等导致的过剩通勤[4]。
对职住平衡进行研究,首先要明确平衡的界定及其测度方法。概念上,职住平衡是指在给定地域范围内,居民中劳动者的数量和就业岗位的数量大致相等[5],其测度一般采用就业—居住比率,即给定范围内就业岗位数量与家庭数量之比[2,5]。这种测度方式存在两方面的局限,一是地域范围尺度左右测度结果,范围越小,平衡程度越低;二是测度采用的是集计数据,可能存在表面各区职住平衡但居民并非在居住地所在区域工作,各区之间通勤频繁,交通压力依旧存在的状况。因此,后期研究转向从个体出发,以避免尺度对测度结果的影响以及采用集计数据带来的结果偏差,这类研究多用个体居住、就业地区位和通勤特征表征职住模式,目的是了解城市结构与职住模式的互动机制[6],通勤特征则包括通勤距离或时间[7]、通勤方式[8,9]、通勤成本[10]等,但这些指标反映的是职住关系的某一侧面,难以形成对职住状况的总体认识,例如职住地都在中心的平衡和职住地都在郊区的平衡对城市的作用不同。因此本文尝试综合居住、就业地区位和通勤特征,概括出几种职住模式,以获取对居民职住关系的相对全面的了解。
居民职住模式是在城市政策制度背景下形成的,在探究影响职住模式的因素时加入对制度、政策等因素的考虑将更有利于揭示其形成机制。不同于市场力量占主导的西方国家,中国经历了1978年的体制改革,其城市居住与就业空间关系同时受计划经济体制遗留效应和市场力量的影响;与此同时,随着单位制改革以及住房、医疗、养老、就业等一系列的变革,中国形成了独特的社会分层体系。不同群体职住模式及其影响因素有差异[11,12,13],已有文献对转型背景下中国特殊社会阶层职住模式影响因素[14,15,16],宏观制度性因素对居民职住模式的影响[17,18],单位制度、单位大院的空间烙印和房屋福利政策对居民职住模式的影响[17],个体户籍等制度属性对居民职住模式的影响[19,20]等方面进行了探究;国外的对比研究多从种族角度出发。对中国各阶层职住模式及其影响因素的对比研究将有助于了解现状职住模式形成的制度性机制。
在城市政策制度大背景下,居民在职住决策时主要考虑经济成本因素,如城市经济学中的住房选择模型所述,居民在进行住房选择时,会对住房质量与通勤成本进行权衡,如果选择宽敞的住房,就要搬到郊区居住,同时承受长距离通勤。对这类因素的研究已十分广泛,但将经济和制度因素同时纳入考虑,并对职住不平衡现象群体差异及造成这些差异的原因进行的研究较为缺乏。
综上,国内外关于职住平衡的测度方式从集计数据向个体数据转变,有通过个体数据探究群体差异的趋势,但能够综合考虑职住距离、职住地特征等决定个体职住关系各项因素的测度方式尚不成熟;经历了体制改革的中国,社会阶层分异异于西方国家,对体制转型背景下当今中国社会各阶层职住格局及其影响因素的对比研究相对缺乏。那么,既然体制转型带来了中国特有的社会群体分异,这些群体的职住格局会不会存在差异?影响这些差异产生的因素又是什么?鉴于此,本文将从个体出发,以几种职住模式汇总决定居民职住格局的各项因素,同时以个体社会经济属性划分社会阶层,进而探究不同阶层人群职住不平衡差异及其影响因素。
本文选取广州老八区作为研究范围,利用2010年人口普查数据,采用因子生态分析法进行社会区分析,将研究区划分为五大类社会区,并选择各类社会区中的典型街区共11个街区进行问卷调研。广州城市扩张带来的职住不平衡问题已十分明显[21],老八区曾经历体制转型以及外来人口大量涌入的历史时期,社会分异现象明显,因此将其作为研究区域具有代表性。数据来源于广州市2016年入户调查问卷数据、2014年兴趣点（Point of Interest,POI）以及路网分布数据和广州市第六次人口普查数据。
其中居民职住地及个人社会经济属性数据来源于2016年1月在广州市中心城区随机派发的入户调查问卷,共回收1029份,筛选出对本研究有效信息完整的样本,共987份（图1）。987份样本中,男性略多于女性,未婚者约为已婚者的两倍,本市非农户口和三口之家占绝大多数,个人月收入集中在1500~4999元,平均年龄为40岁,各类住房均有涉及,其中商品房占比最大。建成环境数据源于2014年广州市POI及路网分布数据,POI分为党政机关、政法团体,科研开发、教育机构,医疗卫生、保健福利等15个大类,65个中类以及更多的小类。先将广州市中心城区划分为若干500 m×500 m的网格,再分别计算各网格内各类POI数量来表征该网格各类设施的密度,用各网格内POI种类小类数来表征土地利用混合程度。广州市中心位置基于广州市第六次人口普查数据计算得出。
职住不平衡的测度方式包括表征空间错位程度的空间错位指数、职住人口分布关系,以及表征居住与就业分离程度的居住地与就业地之间的距离和通勤时间等。职住距离测量方便且弹性较小,因此本文以职住距离表征职住分离程度。人口或就业中心通常被作为城市中心,中国城市的就业和人口中心位置吻合,但就业中心难以精确测量,一方面选取产值、就业人口或是企业量为指标算出的中心存在差异,另一方面部分非正规就业者没被纳入经济普查,而人口普查数据更为可靠,因此选取街道口径统计的常住人口密度计算广州的中心。即通过GIS热点分析得出两个高人口密度街道集聚区,分别选取其人口密度最高的龙津街道和大东街道,作为广州的中心。进而计算就业和居住地分别到距离较近中心的距离表征职住地的空间特征,代表职住空间错位格局。用以上三个变量聚类得出广州市居民的职住模式。
职住模式受建成环境、房屋属性、邻里环境、社会属性和个人偏好的影响（表1）。其中建成环境要素复杂而多样,一般可被概括为“3D”,即密度（Density）、混合度（Diversity）和设计（Design）[23],后来又有学者补充了到中心的距离（Distance to center）、目的地可达性（Destination accessibility）和到交通设施的距离（Distance to Transit）三个维度,并表示当其他变量被控制时人口和就业密度对居民出行行为影响不大[24],因此本文用POI种类代表混合度、交叉口密度代表设计、道路密度代表目的地可达性、公交站密度代表到交通设施可达性,没有采用密度指标。建成环境主要影响居民生活成本及便利度。房屋属性通过因子分析归结为主要代表住房年代和搬入时间的房屋新旧程度,代表房屋面积和居民房屋产权数量的房屋规模两个变量,房屋属性影响居民生活舒适度,居民将之与成本进行权衡进行职住决策[25,26]。邻里环境表征小区邻里关系,通过因子分析归结为两个表征邻里关系密切程度的变量和一个表征居住和就业稳定性的变量,主要影响居民生活舒适度,习惯于单位小区的体制内人群可能倾向于社会环境更融合的社区。个人属性由年龄、婚姻状况、是否户主、家庭学生人数表征的社会属性,和用择居原因表征的个人偏好构成,社会属性直接[27]或通过影响个人偏好间接对职住决策产生影响[18,28]。
社会经济地位（Socioeconomic Status）划分社会阶层,教育、收入和职业决定个体的社会经济地位,单位性质、住房类型、户籍体现制度遗留效应[29,30],且上述因素均在已有研究中均曾表现出对职住格局的显著影响[17,18,31],因此用这6个因素进行聚类,对社会阶层进行划分,确定转型背景下的中国社会分异结构。
表1 自变量指标体系
Tab.1 Index system of the independent variables
| 类别 | 指标 |
|---|---|
| 建成环境 | 混合度（POI种类） |
| 设计（交叉口密度） | |
| 目的地可达性（道路密度） | |
| 交通设施可达性（公交站密度） | |
| 房屋属性 | 房屋新旧程度（住房年代和搬入时间） |
| 房屋规模（房屋面积和房屋产权数量） | |
| 邻里环境 | 邻里关系密切度（邻里融合程度、熟人数量） |
| 稳定性（换工作次数和搬家次数） | |
| 个人属性 | 社会属性（年龄、婚姻状况、是否户主、家庭学生人数） |
| 个人偏好（择居原因） |
文章采用两步聚类、因子分析以及多项logistic回归三种方法进行分析。其中两步聚类同时处理多个不同类型的变量,且能自动判断最适合的类别数。决定人群社会阶层属性以及职住格局属性同时包括连续和离散两种类型,且研究前对人群和职住模式的类别数并不确定,两步聚类正好适用。因子分析能够从变量群中提取有代表性的共性因子,影响居民职住决策的因子众多,通过因子分析减少变量,便于进行回归及结果解释。
多项logistic回归实际与多重线性回归有很多相似之处,不同点主要体现在前者因变量为离散型分类变量,且自变量同时可以是离散的或连续的,回归结果为自变量对样本以因变量进行分组的组间比较。对居民职住模式产生影响的自变量也同时包括连续和离散两种类型,且作为因变量的职住模式为离散型变量,多项logistic回归的方法恰好适用于这种状况,且其结果可以帮助探究影响不同社会阶层人群职住不平衡的因素差异。
用单位性质、住房类型、职业、学历、户籍和收入六个变量,采用两步聚类的方法对所有样本进行聚类,总结出三个社会阶层,聚类质量好,本文所需的987个样本中这三个阶层分别有198个、546个和243个（表2）。
表2 各阶层人群属性特征
Tab.2 Characteristics of each social class
| 人群 分类 | 无固定 工作者 | 体制外 工薪 | 体制内 | 合计 | 人群 分类 | 无固定 工作者 | 体制外 工薪 | 体制内 | 合计 | ||
|---|---|---|---|---|---|---|---|---|---|---|---|
| 受教育 程度 | 初中及以下 | 112 | 12 | 13 | 137 | 房屋性质 | 商品房 | 106 | 342 | 111 | 559 |
| 高中 | 73 | 435 | 163 | 671 | 经济适用房 | 13 | 33 | 35 | 81 | ||
| 本科及以上 | 13 | 99 | 67 | 179 | 廉租房 | 0 | 15 | 3 | 18 | ||
| 户籍 | 本地非农 | 149 | 409 | 178 | 736 | 公租房 | 1 | 16 | 4 | 21 | |
| 本地农业 | 5 | 16 | 9 | 30 | 员工宿舍 | 17 | 58 | 48 | 123 | ||
| 外地非农 | 20 | 74 | 35 | 129 | 已购公房 | 15 | 54 | 21 | 90 | ||
| 外地农业 | 24 | 47 | 21 | 92 | 拆迁安置房 | 5 | 8 | 7 | 20 | ||
| 单位种类 | 公有 | 40 | 33 | 240 | 313 | 自建住房 | 40 | 16 | 14 | 70 | |
| 非共有 | 158 | 513 | 3 | 674 | 其他 | 1 | 4 | 0 | 5 | ||
| 1000~1499 | 5 | 1 | 0 | 6 | 职业 | 白领 | 11 | 307 | 0 | 318 | |
| 个人月 收入（元） | 1500~2999 | 33 | 17 | 11 | 61 | 技术工人 | 2 | 84 | 14 | 100 | |
| 3000~4999 | 97 | 208 | 81 | 386 | 体力劳动者 | 9 | 139 | 26 | 174 | ||
| 5000~6999 | 7 | 224 | 96 | 327 | 非固定工作 | 176 | 16 | 0 | 192 | ||
| 7000~8999 | 14 | 72 | 37 | 123 | 机关人员 | 0 | 0 | 203 | 203 | ||
| 9000~12000 | 0 | 20 | 12 | 32 | |||||||
| 12000以上 | 42 | 4 | 6 | 52 | 合计 | 198 | 546 | 243 | 987 | ||
其中一类社会阶层职业以非固定工作为主,受教育程度低,收入两极分化,统计发现其平均年龄达到55.08岁,高于其他两个阶层41.53岁和39.05岁的平均年龄,可见此阶层为无固定工作的退休者,命名为无固定工作者。二类社会阶层为非公有单位从业人员,有固定的工作,且职业以白领、技术工人与非技术工人为主,月收入水平中等偏上,命名为体制外工薪阶层。三类社会阶层居民具有明显的体制内特征,从业人员以公有单位（国家机关、集体与事业单位等）为主,月收入水平与二类相似,在住房上员工宿舍和经济适用房都占有一定的比例,命名为体制内阶层。
用职住距离、居住地和就业地分别到城市中心的距离三个变量,采用两步聚类的方法对筛选出的987个样本进行聚类,总结出3种职住模式,聚类质量好（表3）。其中一类模式职住均在中心区,职住距离短,命名为中心平衡模式。二类模式职住地均在近郊区,就业地到人口中心的距离较居住地更远,职住距离长,命名为为职住近郊模式。三类模式在中心区就业,外围区居住,职住距离长,命名为职内住外模式。
表3 三类职住模式特征
Tab.3 Characteristics of the three job-housing models
| 变量 | 职住模式 | |||
|---|---|---|---|---|
| 中心平衡模式 | 职住近郊模式 | 职内住外模式 | 所有样本 | |
| 职住距离（km） | 2.28 | 8.43 | 8.38 | 4.76 |
| 就业地到人口中心距离（km） | 2.90 | 15.78 | 3.54 | 3.87 |
| 居住地到人口中心距离（km） | 3.86 | 8.78 | 7.54 | 5.43 |
| 样本数量（个） | 586 | 57 | 344 | 987 |
| 样本占比（%） | 59.37 | 5.78 | 34.85 | 100.00 |
职住近郊和职内住外模式职住距离长,为职住不平衡模式;中心平衡模式职住距离最短,且居住地与就业地到人口中心的距离相当,符合职住平衡的内涵。因此在下一步回归中将以中心平衡模式为参考类别,与其他类别进行比较。
对社会阶层和职住模式交叉制表（表4）,发现职住模式上,中心平衡人数最多,职内住外次之,职住近郊最少。其中中心平衡模式的体制外工薪阶层比例最低;职内住外模式主要来源于体制外工薪阶层,可解释为体制外阶层享受住房保障的可能性小,自行购买住房或租房就要对住房成本考虑更多,因此会倾向于用长距离通勤换取同样质量低价格住房,形成典型的职内住外不平衡模式;职住近郊模式主要来源于体制外工薪阶层,无固定工作者次之,体制内阶层最少,这和就业地分布有很大关系,体制内单位多位于中心区,形成职住近郊模式的可能性小。社会阶层上,无固定工作者职住平衡程度最高,体制外工薪阶层平衡程度最低,体制内阶层平衡程度处于前二者之间。
交叉表卡方检验的Pearson卡方和似然比卡方值均为0.000,小于0.05的显著性水平,说明各阶层的职住模式分布存在显著差异,有必要探究影响不同群体职住模式的因素是否也存在差异。
表4 不同阶层人群职住模式分布
Tab.4 Distribution in job-housing models of each social class
| 职住模式 | 社会阶层 | ||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 无固定工作者 | 体制外工薪 | 体制内 | 合计 | ||||||||||||
| A | B | C | A | B | C | A | B | C | A | B | C | ||||
| 中心平衡 | 137 | 69 | 24 | 295 | 54 | 50 | 154 | 63 | 26 | 586 | 59 | 100 | |||
| 职住近郊 | 14 | 7 | 24 | 34 | 6 | 60 | 9 | 4 | 16 | 57 | 6 | 100 | |||
| 职内住外 | 47 | 24 | 14 | 217 | 40 | 63 | 80 | 33 | 23 | 344 | 35 | 100 | |||
| 合计 | 198 | 100 | 20 | 546 | 100 | 55 | 243 | 100 | 25 | 987 | 100 | 100 | |||
对总体样本及各类人群进行多项logistic回归,选取中心平衡模式作为参考类别,模型拟合度均较好（表5）。对于所有样本,建成环境影响显著,相对于其他两种模式,就业地交叉口密度、职住地公交站点密度和职住地POI种类数越高,居住地道路密度越低,居民越可能属于中心平衡模式。可解释为交叉口和公交站密集且混合度高的地方环境复杂,便于非机动车低速短距离通勤;公交站密集的建成环境适合公交出行,受公交线路限制职住距离不会太长;POI种类数多意味着土地利用混合度高,能够同时提供居住和就业地的可能性大,更可能职住平衡;道路密集的居住地不利于长距离机动车通勤行为的发生。相对于职内住外模式,住房面积小、邻里关系差的样本更可能属于中心平衡模式,可解释为居民以长距离通勤换取更大更舒适的房屋和更亲密的邻里环境。未婚人群生活尚未稳定,属于理想的中心平衡模式的可能性小。个人偏好方面,相对于职住近郊模式,居民会为了价格便宜、上班方便、交通方便和安全而选择中心平衡模式。
无固定工作者从事“非固定工作”的比例最高,他们不受体制因素、工作时间限制,职住决策随意度高,受少量因素影响。显著因素主要是建成环境,表现为相对于职住近郊模式,交叉口和公交站密度高的样本更可能属于中心平衡模式;相对于职内住外模式,职住地混合度高的样本更可能属于中心平衡模式。此外,相对于职内住外模式,房屋规模小和非未婚状态的样本更可能属于中心平衡模式。可见无固定工作者职住模式仅受少量影响生活便捷和舒适程度的因素影响。
体制外工薪阶层几乎受所有建成环境因素影响,且方向与所有样本相同。差别一方面体现在婚姻状况影响不显著,另一方面体现在个人偏好中仅价格便宜和设施完善生活便利两个因素显著。可解释为体制外工薪阶层多为体力劳动者或一般白领,享受政策性福利的可能性较低且收入和地位较低,故对生活成本和便利度以及影响这两方面的建成环境因素考虑最多,为了便宜的住房和便利的生活可以承受长通勤距离。
体制内阶层的显著影响因素集中在邻里环境和个人属性,建成环境对其职住模式的影响不显著。邻里环境和个人属性主要影响其在中心平衡模式和职内住外模式之间的权衡,具体表现为相对于职内住外模式,居住地邻里关系密切样本更可能属于中心平衡模式,但相对于中心平衡模式,住区熟人和亲人数量多的样本更可能属于职内住外模式;相对于其他两种模式,学生人数多或未婚的样本更可能属于中心平衡模式,相对于中心平衡模式,年龄小的样本更可能是职内住外模式;偏好上,体制内阶层会为了上班和交通方便选择现在的居住地从而属于中心平衡模式。对于邻里环境的影响可解释为体制内阶层社会归属感来源于单位,居住地位于单位大院或者同事较多的小区,因此习惯了人际关系融洽紧密的邻里环境,故倾向于留在邻里关系融洽的中心区居住,但当住区熟人和亲人数量多时,也不介意到远离中心的住区居住。对于个人属性的影响可解释为体制内阶层生活相对有保障、工作规律、下班后进行其他活动的时间多,因此在职住决策时更多地对邻里生活的舒适度以及家庭成员生活的便利性进行考虑,故会因为上班和交通方便或可能是为便于家中学生在中心区就学而选择中心平衡模式。可见体制内阶层因其特殊性及职业特征,职住决策主要受邻里环境和个人属性影响。
将上述结果汇总成为各阶层人群决策机制（图2）,总体来说中心平衡的样本数量最多,广州市居民职住格局比较乐观。关注两种不平衡模式,主要来源于体制外工薪阶层,他们对生活成本及居住条件考虑较多,受建成环境影响显著;有部分职内住外模式来自体制内阶层,其职住决策同时考虑生活成本及社区归属感。
表5 Logistic回归结果汇总表
Tab.5 Results of Logistic regression
| 样本类型 | 自变量 | 职住近郊 | 职内住外 | |||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| B | Sig. | B | Sig. | |||||||||||||
| 所有样本（参考类别为“中心平衡模式”,伪R2 Cox和Snell=0.350, Sig.=0.000） | 建成环境 | 就业地 | 交叉口密度 | -0.13 | 0.01** | -0.01 | 0.00** | |||||||||
| 公交站密度 | -0.36 | 0.03** | -0.07 | 0.07* | ||||||||||||
| POI种类 | -0.01 | 0.02** | 0.00 | 0.12 | ||||||||||||
| 居住地 | 道路密度 | 0.49 | 0.12 | 0.48 | 0.00** | |||||||||||
| 公交站密度 | -0.34 | 0.08* | -0.17 | 0.02** | ||||||||||||
| POI种类 | -0.02 | 0.03** | -0.01 | 0.00** | ||||||||||||
| 房屋属性 | 房屋年代 | 0.15 | 0.57 | 0.18 | 0.11 | |||||||||||
| 房屋规模 | 0.29 | 0.20 | 0.34 | 0.00** | ||||||||||||
| 邻里环境 | 邻里（成分1） | 0.04 | 0.82 | -0.10 | 0.24 | |||||||||||
| 邻里（成分2） | 0.06 | 0.74 | 0.17 | 0.03** | ||||||||||||
| 稳定性 | -0.09 | 0.67 | 0.04 | 0.66 | ||||||||||||
| 个人属性 | 社会属性 | 出生年份 | 0.00 | 0.87 | 0.00 | 0.38 | ||||||||||
| 学生人数 | 0.27 | 0.33 | 0.05 | 0.75 | ||||||||||||
| [户主] | -0.20 | 0.62 | -0.06 | 0.72 | ||||||||||||
| [非户主] | 0.00b | . | 0.00b | . | ||||||||||||
| [婚姻状况=未婚] | 14.08 | 0.00** | 15.03 | 0.00** | ||||||||||||
| [婚姻状况=已婚] | 14.99 | . | 14.99 | . | ||||||||||||
| [婚姻状况=离异或丧偶] | 0.00b | . | 0.00b | . | ||||||||||||
| 个人偏好 | [择居原因=1] | -2.46 | 0.08* | 0.36 | 0.78 | |||||||||||
| [择居原因=2] | -2.10 | 0.25 | -1.45 | 0.38 | ||||||||||||
| [择居原因=3] | -2.62 | 0.10 | 0.99 | 0.44 | ||||||||||||
| [择居原因=4] | -3.13 | 0.03** | 0.56 | 0.66 | ||||||||||||
| [择居原因=5] | -1.99 | 0.15 | 0.64 | 0.61 | ||||||||||||
| [择居原因=6] | -2.70 | 0.07* | -0.39 | 0.76 | ||||||||||||
| [择居原因=7] | -2.80 | 0.05* | -0.42 | 0.74 | ||||||||||||
| [择居原因=8] | -2.58 | 0.13 | -0.08 | 0.95 | ||||||||||||
| [择居原因=9] | -1.63 | 0.28 | 0.41 | 0.75 | ||||||||||||
| [择居原因=11] | 0.00b | . | 0.00b | . | ||||||||||||
| 无固定工作者（参考类别为“中心平衡模式”, 伪R2 Cox和Snell=0.410,Sig.=0.000） | 建成环境 | 就业地 | 交叉口密度 | -0.96 | 0.08* | 0.00 | 0.99 | |||||||||
| 公交站密度 | -1.60 | 0.09* | 0.06 | 0.55 | ||||||||||||
| POI种类 | 0.02 | 0.53 | -0.01 | 0.08* | ||||||||||||
| 居住地 | 道路密度 | -0.12 | 0.91 | 0.06 | 0.84 | |||||||||||
| 公交站密度 | 0.22 | 0.72 | 0.05 | 0.73 | ||||||||||||
| POI种类 | -0.07 | 0.10 | -0.02 | 0.02** | ||||||||||||
| 房屋属性 | 房屋年代 | -1.05 | 0.26 | 0.26 | 0.18 | |||||||||||
| 房屋面积 | 0.20 | 0.82 | 0.46 | 0.03** | ||||||||||||
| 邻里环境 | 邻里（成分1） | 0.97 | 0.14 | 0.34 | 0.16 | |||||||||||
| 邻里（成分2） | 0.13 | 0.80 | -0.15 | 0.54 | ||||||||||||
| 稳定性 | -0.79 | 0.24 | 0.07 | 0.75 | ||||||||||||
| 无固定工作者（参考类别为“中心平衡模式”, 伪R2 Cox和Snell=0.410,Sig.=0.000） | 个人属性 | 社会属性 | 出生年份 | 0.08 | 0.21 | 0.00 | 0.84 | |||||||||
| 学生人数 | 1.62 | 0.23 | 0.30 | 0.48 | ||||||||||||
| [户主] | -0.77 | 0.59 | -0.34 | 0.43 | ||||||||||||
| [非户主] | 0.00b | . | 0.00b | . | ||||||||||||
| [婚姻状况=未婚] | 21.01 | 0.99 | 16.11 | 0.00** | ||||||||||||
| [婚姻状况=已婚] | 22.69 | 0.99 | 16.73 | . | ||||||||||||
| [婚姻状况=离异或丧偶] | 0.00b | . | 0.00b | . | ||||||||||||
| 个人偏好 | [择居原因=1] | 0.00 | . | 0.00 | . | |||||||||||
| [择居原因=2] | 4.35 | 1.00 | 16.40 | 1.00 | ||||||||||||
| [择居原因=3] | 8.86 | 1.00 | 17.23 | 1.00 | ||||||||||||
| [择居原因=4] | 9.05 | 1.00 | 16.42 | 1.00 | ||||||||||||
| [择居原因=5] | 11.11 | 1.00 | 16.33 | 1.00 | ||||||||||||
| [择居原因=6] | 9.98 | 1.00 | 15.57 | 1.00 | ||||||||||||
| [择居原因=7] | 2.76 | 1.00 | 15.35 | 1.00 | ||||||||||||
| [择居原因=8] | 13.56 | 1.00 | 16.21 | 1.00 | ||||||||||||
| [择居原因=9] | -2.09 | 1.00 | 15.65 | 1.00 | ||||||||||||
| [择居原因=11] | 0.00b | . | 0.00b | . | ||||||||||||
| 体制外工薪 （参考类别为“中心平衡模式”,伪R2 Cox和Snell=0.463,Sig.=0.000） | 建成环境 | 就业地 | 交叉口密度 | -0.10 | 0.09* | -0.02 | 0.01** | |||||||||
| 公交站密度 | -0.32 | 0.24 | -0.10 | 0.10 | ||||||||||||
| POI种类 | -0.02 | 0.03** | 0.01 | 0.05* | ||||||||||||
| 居住地 | 道路密度 | 1.11 | 0.05* | 0.93 | 0.00** | |||||||||||
| 公交站密度 | -0.87 | 0.03** | -0.36 | 0.00** | ||||||||||||
| POI种类 | -0.02 | 0.09* | -0.02 | 0.00** | ||||||||||||
| 房屋属性 | 房屋年代 | 0.03 | 0.96 | 0.17 | 0.38 | |||||||||||
| 房屋面积 | 0.39 | 0.31 | 0.32 | 0.04** | ||||||||||||
| 邻里环境 | 邻里（成分1） | 0.16 | 0.53 | -0.13 | 0.28 | |||||||||||
| 邻里（成分2） | -0.22 | 0.52 | 0.21 | 0.09* | ||||||||||||
| 稳定性 | 0.06 | 0.86 | 0.20 | 0.14 | ||||||||||||
| 个人属性 | 社会属性 | 出生年份 | 0.00 | 0.98 | 0.00 | 0.44 | ||||||||||
| 学生人数 | 0.24 | 0.64 | 0.15 | 0.41 | ||||||||||||
| [户主] | 0.07 | 0.92 | 0.09 | 0.75 | ||||||||||||
| [非户主] | 0.00 | . | 0.00 | . | ||||||||||||
| [婚姻状况=未婚] | -0.63 | 0.56 | 0.36 | 0.32 | ||||||||||||
| [婚姻状况=已婚] | 0.00b | . | 0.00b | . | ||||||||||||
| [婚姻状况=离异或丧偶] | - | - | - | - | ||||||||||||
| 个人偏好 | [择居原因=1] | -3.70 | 0.05* | -0.62 | 0.70 | |||||||||||
| [择居原因=2] | -21.73 | . | -1.28 | 0.53 | ||||||||||||
| [择居原因=3] | -20.90 | 1.00 | 0.04 | 0.98 | ||||||||||||
| [择居原因=4] | -21.09 | 1.00 | 0.44 | 0.79 | ||||||||||||
| 体制外工薪 （参考类别为“中心平衡模式”,伪R2 Cox和Snell=0.463,Sig.=0.000） | [择居原因=5] | -3.51 | 0.06* | -0.14 | 0.93 | |||||||||||
| [择居原因=6] | -2.93 | 0.13 | -1.08 | 0.51 | ||||||||||||
| [择居原因=7] | -3.06 | 0.10 | -1.13 | 0.49 | ||||||||||||
| [择居原因=8] | -21.56 | 1.00 | -0.91 | 0.59 | ||||||||||||
| [择居原因=9] | -1.99 | 0.34 | -0.44 | 0.79 | ||||||||||||
| [择居原因=11] | 0.00b | . | 0.00b | . | ||||||||||||
| 体制内（参考类别为“中心平衡模式”,R2 Cox和Snell=0.453, Sig.=0.000） | 建成环境 | 就业地 | 交叉口密度 | -0.60 | 0.13 | -0.02 | 0.09* | |||||||||
| 公交站密度 | -0.16 | 0.72 | -0.05 | 0.59 | ||||||||||||
| POI种类 | 0.00 | 1.00 | 0.00 | 0.61 | ||||||||||||
| 居住地 | 道路密度 | 0.50 | 0.70 | -0.19 | 0.64 | |||||||||||
| 公交站密度 | -0.65 | 0.40 | -0.11 | 0.53 | ||||||||||||
| POI种类 | 0.00 | 0.94 | 0.00 | 0.44 | ||||||||||||
| 房屋属性 | 房屋年代 | 1.19 | 0.29 | -0.33 | 0.23 | |||||||||||
| 房屋面积 | -0.91 | 0.34 | 0.19 | 0.45 | ||||||||||||
| 邻里环境 | 邻里（成分1） | -0.99 | 0.22 | -0.72 | 0.00** | |||||||||||
| 邻里（成分2） | 0.01 | 0.99 | 0.31 | 0.06* | ||||||||||||
| 稳定性 | -0.51 | 0.42 | -0.08 | 0.70 | ||||||||||||
| 个人属性 | 社会属性 | 出生年份 | 0.01 | 0.84 | 0.05 | 0.03** | ||||||||||
| 学生人数 | -2.77 | 0.09* | -1.00 | 0.01** | ||||||||||||
| [户主] | -0.81 | 0.68 | -0.12 | 0.78 | ||||||||||||
| [非户主] | 0.00b | . | 0.00b | . | ||||||||||||
| [婚姻状况=未婚] | -6.42 | 0.04** | -1.32 | 0.04** | ||||||||||||
| [婚姻状况=已婚] | 0.00b | . | 0.00b | . | ||||||||||||
| [婚姻状况=离异或丧偶] | - | - | - | - | ||||||||||||
| 个人偏好 | [择居原因=1] | 0.47 | 0.84 | 0.56 | 0.46 | |||||||||||
| [择居原因=2] | 2.52 | 0.44 | -20.87 | . | ||||||||||||
| [择居原因=3] | 0.62 | 0.84 | 0.26 | 0.72 | ||||||||||||
| [择居原因=4] | -1.00 | 0.67 | -1.40 | 0.06* | ||||||||||||
| [择居原因=5] | -0.54 | 0.85 | -0.37 | 0.59 | ||||||||||||
| [择居原因=6] | -18.95 | 1.00 | -1.33 | 0.09* | ||||||||||||
| [择居原因=7] | -17.13 | 1.00 | -1.03 | 0.18 | ||||||||||||
| [择居原因=8] | -19.52 | . | -1.11 | 0.27 | ||||||||||||
| [择居原因=9] | 0.00b | . | 0.00b | . | ||||||||||||
| [择居原因=11] | - | - | - | - | ||||||||||||
本文通过聚类的方法将入户调查到的广州市居民划分为无固定工作者、体制内工薪和体制外阶层三个社会阶层,并将其职住格局总结为职住近郊、中心平衡和职内住外三种模式,对各阶层人群各类属性进行描述性统计,将可能影响居民职住模式的变量归纳为建成环境、房屋属性、邻里环境和个人属性四个方面,最后以职住模式为因变量分别对各社会阶层人群进行多项logistic回归,发现影响不同阶层人群职住决策进而影响其职住模式的因素存在差异。具体表现为：体制外工薪阶层在职住决策过程中偏重对建成环境因素的考虑,力求降低生活成本、提高生活便捷度;体制内阶层在职住决策过程中受到单位制度遗留效应的影响而对邻里环境考虑较多,同时更重视自己和家庭成员的生活质量;无固定工作者在职住决策过程中自由度最高,因此表现显著的因素少。
转型期广州体制内阶层属于职住中心平衡模式的比例较高,因为他们能享受在相对中心的公有住房、经济适用房和宿舍居住的福利,而且中心区上班、就学方便,他们也安于职住平衡的现状,预计将会保持这种平衡状态。无固定工作者职住决策受影响的因素少,但职住格局十分乐观。体制外工薪阶层是两种不平衡模式的主要来源,是优化职住格局的主要对象,他们主要居住在郊区商品房,且在职住地选择时考虑建成环境因素多,因此在近郊商品房楼盘周边规划能提供就业岗位的产业性用地,加上营造适宜短距离出行的环境,能缩短其通勤距离。
问卷经筛选后保留的样本不多是研究的一大不足,按职住模式进行分类后职住近郊模式样本量较少,在一定程度上影响结果的准确性。另外,研究过程中深入的访谈相对缺乏,因此在结果解释及机制分析上稍显欠缺,后续研究将考虑选取典型个体或人群进行深入访谈以完善并修正对结果解释及机制分析部分。
研究发现,存在职住不平衡现象的群体并不一定都是选择受限的弱势群体,也有为了寻求理想居住条件而不惜忍受长距离通勤的高收入阶层和部分中产阶级。那么现在处于职住不平衡状态的人群有什么样的社会经济属性,包括哪些类型的人群?分别是什么因素让他们甘愿忍受长距离通勤?这是后续研究值得深化的方面。
The authors have declared that no competing interests exist.
| [1] |
职住平衡的研究回顾及观点综述 .https://doi.org/10.3969/j.issn.1006-3862.2009.06.005 URL [本文引用: 1] 摘要
就业-居住平衡是西方城市规划界在与＂城市病＂做斗争的过程中形成的一种规划理念,并在20世纪80年代的美国转变为一些地方政府解决交通拥堵和空气污染的政策。从就业-居住平衡的涵义和测度开始,简要回顾了这一理念的形成和发展过程及其政策转向,重点梳理了西方学者对就业-居住平衡政策有效性和实现途径的不同观点,总结出其对中国城市空间结构研究和城市规划的启示,以期引起国内学者对这一问题的研究和讨论,共同为中国城市在市场化过程中的空间结构调整探索出一条具有中国特色的道路。
WuJing, Shen Fanbu. The study review of urban jobs-housing balance .https://doi.org/10.3969/j.issn.1006-3862.2009.06.005 URL [本文引用: 1] 摘要
就业-居住平衡是西方城市规划界在与＂城市病＂做斗争的过程中形成的一种规划理念,并在20世纪80年代的美国转变为一些地方政府解决交通拥堵和空气污染的政策。从就业-居住平衡的涵义和测度开始,简要回顾了这一理念的形成和发展过程及其政策转向,重点梳理了西方学者对就业-居住平衡政策有效性和实现途径的不同观点,总结出其对中国城市空间结构研究和城市规划的启示,以期引起国内学者对这一问题的研究和讨论,共同为中国城市在市场化过程中的空间结构调整探索出一条具有中国特色的道路。
|
| [2] |
Jobs-housing balancing and regional mobility .https://doi.org/10.1080/01944368908976014 URL [本文引用: 2] 摘要
Despite the steady migration of jobs to the suburbs over the past decade, many suburban residents commute farther than ever. In this article I attribute the widening separation of suburban workplaces and the residences of suburban workers to several factors: fiscal and exclusionary zoning that results in an undersupply of housing; rents and housing costs that price many service workers out of the local residential market; and several demographic trends, including the growth in dual wage-earner households and career shifts. Case studies of metropolitan Chicago and San Francisco confirm the displacing effects of high housing costs and housing shortages. In addition, data from over 40 major suburban employment centers in the United States show that suburban workplaces with severe jobs-housing imbalances tend to have low shares of workers making walking and cycling trips and high levels of congestion on connecting freeways. I argue that inclusionary zoning, tax-base sharing, fair-sharing housing programs, and a number of incentive-base programs could reduce hobs-housing mismatches and go a long way toward safeguarding regional mobility for years to come.
|
| [3] |
Jobs-housing balance revisited: Trends and impacts in the San Francisco Bay Area .https://doi.org/10.1080/01944369608975714 URL [本文引用: 1] 摘要
Abstract Regions in California have recently set jobs-housing balance targets, to relieve traffic congestion and improve air quality. Critics of such targets charge that many factors prevent people from living near their workplaces, and that market forces, left unobstructed, work to produce balance-that is, people and firms co-locate to reduce imbalances. This article examines changes in the ratios of jobs to employed residents in 23 large San Francisco Bay Area cities during the 1980s. Imbalances were found to have declined generally, mainly because dormitory communities in 1980 had attracted businesses by 1990. However, imbalances generally worsened in job-surplus cities, particularly in the Silicon Valley. The research also reveals little association between jobs-housing balance and self-containment. Several Bay Area cities are nearly perfectly balanced, yet fewer than a third of their workers reside locally, and even smaller shares of residents work locally. Restricted housing production, especially in fast-growing cities, has in many instances raised housing prices, displacing workers and increasing average commute distances. Eliminating barriers to residential mobility and housing production would allow more housing and jobs to co-locate in the future.
|
| [4] |
基于职住平衡与通勤的苏州城市职住空间结构特征 .https://doi.org/10.3969/j.issn.1006-0022.2015.03.014 URL [本文引用: 1] 摘要
就业与居住的空间平衡是城市规划考虑的重要课题。研究利用GIS空间分析技术,基于交通出行调查数据,从不同的空间尺度,采用平衡度指标、自足性指标以及平均通勤距离和通勤时间,测度苏州市职住空间的结构特征和职住平衡情况。研究认为,苏州市总体职住平衡处于合理范围,但由于苏州市的产业布局导致职住空间分异明显,随着城区一体化的发展,职住空间结构正在加速重组;在此基础上,研究从城市规划、城市交通和住房等城市发展政策方面提出优化苏州市职住平衡的建议,为苏州市城市规划和城市空间优化提供一定的参考。
Job-housing balance oriented Suzhou residential space structure study .https://doi.org/10.3969/j.issn.1006-0022.2015.03.014 URL [本文引用: 1] 摘要
就业与居住的空间平衡是城市规划考虑的重要课题。研究利用GIS空间分析技术,基于交通出行调查数据,从不同的空间尺度,采用平衡度指标、自足性指标以及平均通勤距离和通勤时间,测度苏州市职住空间的结构特征和职住平衡情况。研究认为,苏州市总体职住平衡处于合理范围,但由于苏州市的产业布局导致职住空间分异明显,随着城区一体化的发展,职住空间结构正在加速重组;在此基础上,研究从城市规划、城市交通和住房等城市发展政策方面提出优化苏州市职住平衡的建议,为苏州市城市规划和城市空间优化提供一定的参考。
|
| [5] |
Jobs-housing balance as public policy .
No abstract provided.
|
| [6] |
Urban spatial structure and commute duration: An empirical study of China .https://doi.org/10.1080/15568318.2015.1042175 URL [本文引用: 1] 摘要
Urban traffic is embedded in and fundamentally shaped by the spatial pattern of urban land use, such as city size, density, extent of polycentricity, and the relationship between employment and residential locations. Previous evidence, mainly from European and American cities, suggests that the duration of commute trips increases with city size and the spatial separation between jobs and housing. On the other hand, the influences of density and polycentricity are less clear. Using data from 164 cities in China, this study empirically analyzes the relationship between city average commute duration and multiple dimensions of urban spatial structure. Controlling for economic, demographic, and infrastructure characteristics, the authors find that commute duration correlates positively with city size and jobs-揾ousing separation but negatively with density and polycentricity. As one of the earliest studies on commute cost in the rapidly urbanizing and motorizing Chinese cities, this study can help Chinese decision makers improve urban economic and environmental efficiency through spatial planning and policy making. Specifically, compact, mixed-use, and polycentric spatial development may ease the burden of commute, and thus substitute for unnecessary infrastructure investment and energy consumption during a period of rapid urban expansion in China.
|
| [7] |
Methods to test the spatial mismatch hypothesis .https://doi.org/10.1111/j.1944-8287.2005.tb00281.x URL [本文引用: 1] 摘要
Abstract: The spatial mismatch hypothesis postulates that employment deconcentration within U.S. metropolitan areas goes some way toward explaining higher unemployment and lower wages among ethnic minority groups, since these groups are more likely to reside in central-city areas. However, little consensus has emerged on the importance of spatial mismatch in explaining disadvantage in the labor market. This article argues that conflicting evidence is the result of the variety of methods that have been used to test the spatial mismatch hypothesis. Moreover, it draws attention to a number of hitherto uncovered flaws in some of these methods that introduce systematic biases against finding evidence in support of the hypothesis. In light of these flaws, favored methods for future research are highlighted. Drawing on evidence from British conurbations that display similar spatial inequalities to U.S. metropolitan areas despite much smaller ethnic minority populations, the article contends that race does not lie at the heart of the spatial mismatch problem. Three areas in which the spatial mismatch hypothesis should be reconceptualized are identified: first, its emphasis should be on spatial, not racial, inequalities; second, it needs to differentiate between residential immobility and residential segregation, which are quite different; and third, it needs to recognize that the extent and the effect of spatial mismatch are distinct and should be measured separately.
|
| [8] |
上海城市建成环境对居民通勤方式选择的影响 .https://doi.org/10.11821/dlxb201510010 URL [本文引用: 1] 摘要
伴随中国快速城市化与机动化进程,私人汽车拥有量不断增长,由此引起的交通拥堵和环境问题已成为制约中国城市可持续发展的难题。基于上海市区的居民通勤问卷调查数据,采用多项Logit模型检验了街道尺度城市建成环境对于居民通勤方式选择的影响,结果表明,在控制了其他因素后,提高居住地的人口密度、土地利用混合度与十字路口比重,可以减少小汽车通勤方式的选择,而就业地建成环境对居民通勤方式选择影响相对较弱;建成环境对通勤方式选择的影响会因个体的社会经济异质性而不同。这些结论为通过优化土地利用规划来优化居民通勤结构的城市交通和城市规划政策提供了启示。
Impact of urban built environment on residential choice of commuting mode in Shanghai .https://doi.org/10.11821/dlxb201510010 URL [本文引用: 1] 摘要
伴随中国快速城市化与机动化进程,私人汽车拥有量不断增长,由此引起的交通拥堵和环境问题已成为制约中国城市可持续发展的难题。基于上海市区的居民通勤问卷调查数据,采用多项Logit模型检验了街道尺度城市建成环境对于居民通勤方式选择的影响,结果表明,在控制了其他因素后,提高居住地的人口密度、土地利用混合度与十字路口比重,可以减少小汽车通勤方式的选择,而就业地建成环境对居民通勤方式选择影响相对较弱;建成环境对通勤方式选择的影响会因个体的社会经济异质性而不同。这些结论为通过优化土地利用规划来优化居民通勤结构的城市交通和城市规划政策提供了启示。
|
| [9] |
大城市街区土地利用特征与居民通勤方式研究: 以杭州城西为例 .Urban lang-use characteristics and commuter's travel pattern: A case study of west Hanghzou . |
| [10] |
社区建成环境和交通行为研究回顾与展望: 以美国为鉴 .Examining the relationship between neighborhood built environment and travel behavior: A review from the US perspective . |
| [11] |
Jobs/housing balance and employer-based travel demand management program returns to scale: Evidence from https://doi.org/10.1016/j.tranpol.2011.11.003 URL [本文引用: 1] 摘要
Research on environmental justice and social inclusion suggests that high-income wage earners may have better job access due to their greater choices in both housing and transportation markets. This study compares the jobs/housing balance and mode choice of different groups of employees of a large employer (27,113 employees) and those of the “reference groups” from comparable employees working for smaller employers in Los Angeles. Based on spatial and statistical analyses, this paper finds the following: a)Across all employee groups, a better jobs/housing balance was accompanied by higher income, as was likelihood to patronize Travel Demand Management (TDM) programs.b)Employees from the large employer had more options for carpooling and thus drove alone less, even after controlling overall housing stock, residential location, annual income, and/or commute time.c)Across all employee groups, good jobs/housing balance did not necessarily bring about green mode choice.d)Comprehensive TDM measures by the large employer significantly reduced employees’ dependence on driving, even in a region where autocommuting dominates. However, these measures were costly to implement.e)Different employee groups favor different TDM programs, and the patterns are marked by income. The above findings suggest that shared or consolidated TDM and housing programs, which pool smaller employers, might better promote green mode choice. Participating employers may also negotiate better deals for program implementation when these programs involve third-party transit agencies and contractors.
|
| [12] |
How does ignoring worker class affect measuring the jobs-housing balance? Exploratory spatial data analysis . |
| [13] |
基于“居住—就业”视角的南京市流动人口职住空间分离量化 .Quantitative analysis of the separation of residential and employment space of the floating population in Nanjing . |
| [14] |
转型背景下原单位职工迁居行为特征与机制: 以广州市海珠区江南中街为例 .The character and mechanism of former staff-living community residents migration: A case study in Jiangnan Zhong street, Guangzhou, China . |
| [15] |
转型期广州城市居民居住与就业地区位选择的空间关系及其变迁 .https://doi.org/10.11821/xb201002006 URL [本文引用: 1] 摘要
近年来，中国城市交通拥挤现象日渐突出，以交通基础设施建设为主导的单一交通供给已经很难满足交通日益增长的需求。交通需求管理成为解决交通拥挤问题的又一出路。因居民居住与就业地空间分离而产生的日常通勤是构成高峰小时交通需求的主要原因。以广州市为例．采用追溯式问卷调查的方式．调查分析1996—2007年居民居住与就业地区位选择与变迁．并探讨其影响因素和机制。研究发现，体制转型对居民居住与就业地选择产生重要的影响，计划经济体制下形成的街区，居民的居住地与就业地相对稳定；市场化改革后新建或改建的街区。居民搬家和换工作的频度较高。在1996．2007年期间．居民居住地与就业地距离总体上呈现增加趋势，以商品房小区最为明显，价格、环境与岗位属性是影响居民搬家和变换工作的主要原因．在与短距离通勤无法兼得的情况下．很多居民选择以长距离通勤为代价换取更好的居住与就业条件。其次．保障性住房政策下形成的典型街区内部居民分化明显，形成原住户、转售后的商品房住户、转租房住户等三类为主导的住户结构．前两者存在较明显的居住与就业空间不匹配现象。此外，区位和个人属性也影响着居民居住与就业地的选择两者的空间距离。在区位方面，城市中心区的就业吸引力仍较突出．靠近中心区的住户居住与就业距离较短．且呈近距离重新择居或择业：由于居住外迁和产业外迁而分别引发的长距离向心型和外向型通勤共同存在．尤其是前者：在个人属性方面．中等收入水平的阶层是搬家和变换工作相对频繁的阶层。宏观层面上城市居住与就业空间的不匹配、城市空间拓展、单一功能外迁下的用地结构、社会经济转型与政策性福利以及阶层分化背景下引发的个性化选择等是影响居17
The situation and transition of jobs-housing relocation in Guangzhou, China .https://doi.org/10.11821/xb201002006 URL [本文引用: 1] 摘要
近年来，中国城市交通拥挤现象日渐突出，以交通基础设施建设为主导的单一交通供给已经很难满足交通日益增长的需求。交通需求管理成为解决交通拥挤问题的又一出路。因居民居住与就业地空间分离而产生的日常通勤是构成高峰小时交通需求的主要原因。以广州市为例．采用追溯式问卷调查的方式．调查分析1996—2007年居民居住与就业地区位选择与变迁．并探讨其影响因素和机制。研究发现，体制转型对居民居住与就业地选择产生重要的影响，计划经济体制下形成的街区，居民的居住地与就业地相对稳定；市场化改革后新建或改建的街区。居民搬家和换工作的频度较高。在1996．2007年期间．居民居住地与就业地距离总体上呈现增加趋势，以商品房小区最为明显，价格、环境与岗位属性是影响居民搬家和变换工作的主要原因．在与短距离通勤无法兼得的情况下．很多居民选择以长距离通勤为代价换取更好的居住与就业条件。其次．保障性住房政策下形成的典型街区内部居民分化明显，形成原住户、转售后的商品房住户、转租房住户等三类为主导的住户结构．前两者存在较明显的居住与就业空间不匹配现象。此外，区位和个人属性也影响着居民居住与就业地的选择两者的空间距离。在区位方面，城市中心区的就业吸引力仍较突出．靠近中心区的住户居住与就业距离较短．且呈近距离重新择居或择业：由于居住外迁和产业外迁而分别引发的长距离向心型和外向型通勤共同存在．尤其是前者：在个人属性方面．中等收入水平的阶层是搬家和变换工作相对频繁的阶层。宏观层面上城市居住与就业空间的不匹配、城市空间拓展、单一功能外迁下的用地结构、社会经济转型与政策性福利以及阶层分化背景下引发的个性化选择等是影响居17
|
| [16] |
Spatial-temporal characteristics and factors influencing commuting activities of middle-class residents in Guangzhou city, China .https://doi.org/10.1007/s11769-016-0806-1 URL [本文引用: 1] 摘要
The middle class in metropolitan Chinese cities has become an important social group. With the rapid development of urbanization and constant advancement of suburbanization, the middle class has increasingly come to influence city traffic. Research into middle-class commuting activities thus has practical significance for improving traffic congestion and reducing the commuting burden in metropolitan cities. Based on a dataset formed by 816 completed surveys, this paper analyzes the commuting mode, time and distance of middle-class residents in Guangzhou City using the descriptive statistical method. The results indicate that private cars are the main commuting mode, followed by public transport. Meanwhile, middle-class residents mainly undertake medium-short time and medium-short distance commuting. The study subsequently uses multilevel logistic regression and multiple linear regression models to analyze the factors that influence commuting mode choice, time and distance. The gender, age, number of family cars, housing source and jobs-housing balance are the most important factors influencing commuting mode choice; housing, population density, jobs-housing balance and commuting mode significantly affect commuting time; and transport accessibility, jobs-housing balance and commuting mode are the notable factors affecting commuting distance. Finally, this paper analyzes what is affecting the commuting activities of middle-class residents and determines the differences in commuting activity characteristics and influence factors between middle-class and ordinary residents. Policy suggestions to improve urban planning and urban management are also proposed.
|
| [17] |
职住分离的空间差异性及其影响因素研究 .https://doi.org/10.11821/xb201102002 URL [本文引用: 3] 摘要
制度转型与空间重构背景下,中国大城市的居住与就业空间关系发生明显变化,职住分离现象逐渐凸显。尽管城市地理学者逐步关注转型期城市居住与就业空间关系的变化对居民通勤行为的影响,然而深入探讨微观个体所承受的职住分离程度的差异性及其影响因素的实证研究仍然缺乏。基于对北京城市520户家庭、806个通勤样本的问卷调查数据,本文借助多元回归模型验证了居住区类型、家庭及住房状况、以及其他社会经济属性等居民职住分离程度差异性的影响,从而折射城市转型过程中宏观制度性及结构性因素（如土地市场化改革、住房政策、单位制度改革、城市空间扩展等）对个体日常生活经历差异性的影响。
Spatial differences of home-work separation and the impacts of housing policy and urban sprawl: Evidence from household survey data in Beijing .https://doi.org/10.11821/xb201102002 URL [本文引用: 3] 摘要
制度转型与空间重构背景下,中国大城市的居住与就业空间关系发生明显变化,职住分离现象逐渐凸显。尽管城市地理学者逐步关注转型期城市居住与就业空间关系的变化对居民通勤行为的影响,然而深入探讨微观个体所承受的职住分离程度的差异性及其影响因素的实证研究仍然缺乏。基于对北京城市520户家庭、806个通勤样本的问卷调查数据,本文借助多元回归模型验证了居住区类型、家庭及住房状况、以及其他社会经济属性等居民职住分离程度差异性的影响,从而折射城市转型过程中宏观制度性及结构性因素（如土地市场化改革、住房政策、单位制度改革、城市空间扩展等）对个体日常生活经历差异性的影响。
|
| [18] |
北京市职住空间错位对居民通勤行为的影响分析: 基于就业可达性与通勤时间的讨论 .https://doi.org/10.11821/xb201104003 URL [本文引用: 3] 摘要
基于问卷调查的非汇总数据、第五次人口普查和第一次经济普查数据,测度了北京城市124个街道的就业可达性,并作为职住空间错位的标度指标,讨论了职住空间错位与居民通勤时间之间的关系。研究发现:①北京城市中心区的就业可达性高于郊区,高就业可达性的街道主要集中在二环以内及东二环至东四环的东北一隅。②全体样本的回归分析发现,在控制社会经济属性与住房状况等条件下,街道就业可达性对通勤时间的影响并不显著,但就业可达性平方与居民通勤时间存在负向相关关系。③分收入组来看,中高收入组两变量影响均不显著,中低收入组和低收入组就业可达性对通勤时间的影响显著,表现为通勤时间与就业可达性为正向相关,与就业可达性平方为负向相关,说明一定的阈值范围内居住街道就业可达性的提高鼓励居民延长通勤时间,但超过一定阈值后则限制居民长时间通勤。该结果与西方城市研究的研究结论不同,反映出中国城市处于空间重构和转型期的独特性。但二者的共同点是低收入居民等弱势群体更容易受城市职住关系的结构性变化的制约,城市规划和住房政策应更加重视通过公共服务设施的空间配置消减低收入居民面临的空间障碍。
Job accessibility and its impacts on commuting time of urban residents in Beijing: From a spatial mismatch perspective .https://doi.org/10.11821/xb201104003 URL [本文引用: 3] 摘要
基于问卷调查的非汇总数据、第五次人口普查和第一次经济普查数据,测度了北京城市124个街道的就业可达性,并作为职住空间错位的标度指标,讨论了职住空间错位与居民通勤时间之间的关系。研究发现:①北京城市中心区的就业可达性高于郊区,高就业可达性的街道主要集中在二环以内及东二环至东四环的东北一隅。②全体样本的回归分析发现,在控制社会经济属性与住房状况等条件下,街道就业可达性对通勤时间的影响并不显著,但就业可达性平方与居民通勤时间存在负向相关关系。③分收入组来看,中高收入组两变量影响均不显著,中低收入组和低收入组就业可达性对通勤时间的影响显著,表现为通勤时间与就业可达性为正向相关,与就业可达性平方为负向相关,说明一定的阈值范围内居住街道就业可达性的提高鼓励居民延长通勤时间,但超过一定阈值后则限制居民长时间通勤。该结果与西方城市研究的研究结论不同,反映出中国城市处于空间重构和转型期的独特性。但二者的共同点是低收入居民等弱势群体更容易受城市职住关系的结构性变化的制约,城市规划和住房政策应更加重视通过公共服务设施的空间配置消减低收入居民面临的空间障碍。
|
| [19] |
Excess commuting in transitional urban China: A case study of Guangzhou .https://doi.org/10.1007/s11769-015-0793-7 URL [本文引用: 1] |
| [20] |
The jobs-housing relationship and commuting in Guangzhou, China: Hukou and dual structure .https://doi.org/10.1016/j.jtrangeo.2016.06.014 URL [本文引用: 1] 摘要
61Hukouis essential for labour and housing markets segmentations in Chinese cities.61Non-hukouresidents tend to have more balanced jobs-housing relationship.61Suburb enterprises and urban villages play roles in the balanced jobs-housing.
|
| [21] |
广州市过剩通勤的相关特征及其形成机制 .Related characteristics and mechanisms for excess commuting in Guangzhou . |
| [22] |
Travel demand and the 3Ds: Density, diversity, and design. Transportation Research Part D: Transport and
|
| [23] |
Travel and the built environment: A meta-analysis .https://doi.org/10.1080/01944361003766766 URL [本文引用: 1] 摘要
Some of today’s most vexing problems, including sprawl, congestion, oil dependence, and climate change, are prompting states and localities to turn to land planning and urban design to rein in automobile use. Many have concluded that roads cannot be built fast enough to keep up with rising travel demand induced by the road building itself and the sprawl it spawns. The purpose of this meta-analysis is to summarize empirical results on associations between the built environment and travel, especially nonwork travel.
|
| [24] |
居住与就业空间关系的决定机理和影响因素: 对北京市通勤时间和通勤流量的实证研究 .https://doi.org/10.3969/j.issn.1006-3862.2009.06.006 URL [本文引用: 1] 摘要
在中国城市增长和空间重构的过程中,＂居住—就业＂空间关系逐渐由＂职住合一＂向＂职住分离＂演变。基于城市空间结构及区位选择的经典理论和最近的理论创新,结合中国城市的制度环境特点,建立了对通勤时间影响因素进行分析的理论框架,并利用北京市的两套就业者微观样本实证研究了各种制度因素和市场因素（分为就业机会、公共服务设施和住房机会三大类）对通勤时间和通勤流量的影响机理。研究发现：相关理论能够较好地解释北京市的＂居住—就业＂空间关系。工作机会、住房机会和城市公共服务设施的空间布局是影响＂居住—就业＂空间关系和通勤时间的三个重要因素。同时中国城市中特有的历史路径依赖性和制度转型特点,增加了＂居住—就业＂空间关系的复杂性。论文认为,应致力于减少对劳动力自由选址的制度性约束,在促进产业用地充分集聚的同时,调整公共服务设施的空间布局,改变其过度集中于城市中心的现状,同时在交通便捷的区位提供符合当地劳动力住房需求的住房供给。
The determinants of jobs-housing spatial relationship in Beijing .https://doi.org/10.3969/j.issn.1006-3862.2009.06.006 URL [本文引用: 1] 摘要
在中国城市增长和空间重构的过程中,＂居住—就业＂空间关系逐渐由＂职住合一＂向＂职住分离＂演变。基于城市空间结构及区位选择的经典理论和最近的理论创新,结合中国城市的制度环境特点,建立了对通勤时间影响因素进行分析的理论框架,并利用北京市的两套就业者微观样本实证研究了各种制度因素和市场因素（分为就业机会、公共服务设施和住房机会三大类）对通勤时间和通勤流量的影响机理。研究发现：相关理论能够较好地解释北京市的＂居住—就业＂空间关系。工作机会、住房机会和城市公共服务设施的空间布局是影响＂居住—就业＂空间关系和通勤时间的三个重要因素。同时中国城市中特有的历史路径依赖性和制度转型特点,增加了＂居住—就业＂空间关系的复杂性。论文认为,应致力于减少对劳动力自由选址的制度性约束,在促进产业用地充分集聚的同时,调整公共服务设施的空间布局,改变其过度集中于城市中心的现状,同时在交通便捷的区位提供符合当地劳动力住房需求的住房供给。
|
| [25] |
北京住宅郊区化与就业空间错位 .https://doi.org/10.3321/j.issn:0375-5444.2007.04.005 URL [本文引用: 1] 摘要
北京从20世纪80年代末开始出现郊区化,其住宅郊区化特点尤为突出。北京市住宅郊区化的驱动力与西方城市的郊区化相比既有相似之处又有明显差异,相似之处是:都是城市化水平不断提高与社会进步的必然结果,以及土地有偿使用制度的实施和城市规划的引导;不同之处在于北京的住宅郊区化是一种被动的郊区化,居民本身并不想离开市区,但是旧城改造与市区内高昂的房价迫使居民不得不到郊区购房。随着住宅郊区化的大规模发展,北京也出现了居住与就业的空间错位问题,这种空间错位虽然与美国郊区化过程中空间错位有许多不同之处,但在本质上是一致的,都是出现居住与就业的空间分离,造成低收入阶层通勤的时间成本与经济成本增加,导致交通拥挤、社会隔离等社会问题。
Housing suburbanization and employment spatial mismatch in Beijing .https://doi.org/10.3321/j.issn:0375-5444.2007.04.005 URL [本文引用: 1] 摘要
北京从20世纪80年代末开始出现郊区化,其住宅郊区化特点尤为突出。北京市住宅郊区化的驱动力与西方城市的郊区化相比既有相似之处又有明显差异,相似之处是:都是城市化水平不断提高与社会进步的必然结果,以及土地有偿使用制度的实施和城市规划的引导;不同之处在于北京的住宅郊区化是一种被动的郊区化,居民本身并不想离开市区,但是旧城改造与市区内高昂的房价迫使居民不得不到郊区购房。随着住宅郊区化的大规模发展,北京也出现了居住与就业的空间错位问题,这种空间错位虽然与美国郊区化过程中空间错位有许多不同之处,但在本质上是一致的,都是出现居住与就业的空间分离,造成低收入阶层通勤的时间成本与经济成本增加,导致交通拥挤、社会隔离等社会问题。
|
| [26] |
国内外城市职住空间匹配研究综述 .A review of job-housing spatial matching of urban residents . |
| [27] |
转型期广州市居住迁移影响因素于户籍之间的比较 .https://doi.org/10.3321/j.issn:1000-0585.2007.05.022 URL [本文引用: 1] 摘要
住房制度改革以来,中国城市居住迁移率大规模增加,成为城市重构和社会空间分异的基础动力。利用生命历程理论,通过家庭问卷调查,本文使用事件史模型动态地模拟了居住迁移,并比较外来人口与本地人口居住迁移影响因素的差异。整体来看,1980年以来年均居住迁移率呈上升趋势,外来人口的年均居住迁移率要比本地人口高。住房性质、婚姻变化、工作变动、居住区位和年份等变量都显著影响居住迁移,反映了住房制度改革、住房市场和分配环境、家庭生命周期等因素对居住迁移的影响;但影响程度户籍间的差异明显,工作地区位的变动导致通勤成本的变化是外来人口居住迁移的最显著影响因子,而家庭生命周期和住房特征变量是本地人口居住迁移的最显著影响变量,反映了两者之间的本质差别。居住区位对本地人口的居住迁移影响显著,内圈层居民的迁移率相对较低,而居住区位变量对外来人口的影响相对较弱。
Comparison of influencing factors for residential mobility between different household register types in transitional urban China: A case study of Guangzhou .https://doi.org/10.3321/j.issn:1000-0585.2007.05.022 URL [本文引用: 1] 摘要
住房制度改革以来,中国城市居住迁移率大规模增加,成为城市重构和社会空间分异的基础动力。利用生命历程理论,通过家庭问卷调查,本文使用事件史模型动态地模拟了居住迁移,并比较外来人口与本地人口居住迁移影响因素的差异。整体来看,1980年以来年均居住迁移率呈上升趋势,外来人口的年均居住迁移率要比本地人口高。住房性质、婚姻变化、工作变动、居住区位和年份等变量都显著影响居住迁移,反映了住房制度改革、住房市场和分配环境、家庭生命周期等因素对居住迁移的影响;但影响程度户籍间的差异明显,工作地区位的变动导致通勤成本的变化是外来人口居住迁移的最显著影响因子,而家庭生命周期和住房特征变量是本地人口居住迁移的最显著影响变量,反映了两者之间的本质差别。居住区位对本地人口的居住迁移影响显著,内圈层居民的迁移率相对较低,而居住区位变量对外来人口的影响相对较弱。
|
| [28] |
当代中国社会的声望分层: 职业声望与社会经济地位指数测量 .
本文基于全国抽样调查数据 ,依据职业声望和社会经济地位指数测量 ,考查当代中国社会的声望分层状况。研究发现 ,在当前中国社会 ,决定人们声望地位的主要因素是教育、收入、权力、就业单位性质 ,以及是否从事受歧视职业 ;主导声望地位评价的标准是工业化社会的普遍主义价值 ;但同时 ,相互冲突的多元评价标准仍有可能存在。
Prestige stratification in the contemporary China: Occupational prestige measures and socio-economic index .
本文基于全国抽样调查数据 ,依据职业声望和社会经济地位指数测量 ,考查当代中国社会的声望分层状况。研究发现 ,在当前中国社会 ,决定人们声望地位的主要因素是教育、收入、权力、就业单位性质 ,以及是否从事受歧视职业 ;主导声望地位评价的标准是工业化社会的普遍主义价值 ;但同时 ,相互冲突的多元评价标准仍有可能存在。
|
| [29] |
当代中国社会阶层的分化与流动 .The divisions and changes of the contemporary Chinese social classes . |
| [30] |
基于社会属性的北京市居民居住与就业空间集聚特征 .https://doi.org/10.11821/dlxb201312002 URL [本文引用: 1] 摘要
制度转型期,中国城市居民社会空间发生了新的变化,居民居住和就业空间组织也变得更为复杂,并引起了广泛关注。基于2010年问卷调查数据,采用缓冲区、最近邻层次聚类和Ripley K函数等空间分析方法对北京城市不同社会属性居民的居住和就业空间分布特征进行实证分析。研究发现:①总体上,北京城市居民居住和就业空间圈层分异明显。在各圈层内部,不同人群的居住和就业空间分布比例亦存在相对差异;职住空间错位程度表明距市中心15 km左右是城市就业功能和居住功能主导地位转化的分界线;职住平衡度整体上呈现出由内圈层到外圈层递减的趋势,但高收入阶层和年轻白领的职住平衡度相对较低。②不同人群居住与就业空间集聚特征存在明显差异。一般平民居住和就业均呈散点状集聚;年轻打工族居住和就业集聚区域紧邻,主要集聚在四环以内的城市东部区域;高收入阶层居住呈现"小集中、大分散"集聚特征,就业集聚区多集中在四环以内的城市东部和西北部区域;年轻白领居住集聚区呈现城市西部条带状和东部散点状相结合特征,就业集聚区主要在中关村和CBD为中心的两条轴状区域。③不同人群居住和就业空间集聚的尺度特征较为相似,呈现随距离增加"先增后减"变化趋势,但距离阈值存在差异。表现为高收入群体居住空间可选范围较小,一般平民就业空间可选范围较小,而年轻白领居住和就业空间可选范围均较大。
Spatial clustering analysis of residential and employment distribution in Beijing based on their social characteristics .https://doi.org/10.11821/dlxb201312002 URL [本文引用: 1] 摘要
制度转型期,中国城市居民社会空间发生了新的变化,居民居住和就业空间组织也变得更为复杂,并引起了广泛关注。基于2010年问卷调查数据,采用缓冲区、最近邻层次聚类和Ripley K函数等空间分析方法对北京城市不同社会属性居民的居住和就业空间分布特征进行实证分析。研究发现:①总体上,北京城市居民居住和就业空间圈层分异明显。在各圈层内部,不同人群的居住和就业空间分布比例亦存在相对差异;职住空间错位程度表明距市中心15 km左右是城市就业功能和居住功能主导地位转化的分界线;职住平衡度整体上呈现出由内圈层到外圈层递减的趋势,但高收入阶层和年轻白领的职住平衡度相对较低。②不同人群居住与就业空间集聚特征存在明显差异。一般平民居住和就业均呈散点状集聚;年轻打工族居住和就业集聚区域紧邻,主要集聚在四环以内的城市东部区域;高收入阶层居住呈现"小集中、大分散"集聚特征,就业集聚区多集中在四环以内的城市东部和西北部区域;年轻白领居住集聚区呈现城市西部条带状和东部散点状相结合特征,就业集聚区主要在中关村和CBD为中心的两条轴状区域。③不同人群居住和就业空间集聚的尺度特征较为相似,呈现随距离增加"先增后减"变化趋势,但距离阈值存在差异。表现为高收入群体居住空间可选范围较小,一般平民就业空间可选范围较小,而年轻白领居住和就业空间可选范围均较大。
|
| [31] |
职住分离的度量方法与空间组织特征: 以北京市轨道交通对职住分离的影响为例 .https://doi.org/10.11820/dlkxjz.2011.02.009 Magsci [本文引用: 1] 摘要
基于问卷调查获取的万份调查数据，构建了以通勤时间/距离为基础数据的职住分离度量模型，即基于频数分布法的通勤时间/距离和基于不同时段/区段范围内居民分布结构的"职住分离强度指数"。根据上述判别模型与计算结果，发现：①各样本区居民通勤时间普遍增加，城市外围区轨道交通沿线居民通勤时间多数集中在40分钟以上，自购居民的通勤时间明显高于租住居民。②与非地铁沿线居民相比，轨道沿线居民的职住距离较高，以居住为主的大型外围区居民的通勤距离明显偏大。③郊区居民职住分离强度相对较大，通勤时间及其变化在远郊区、中心城区以及不同的样本区之间具有较为复杂的差异。④基于差异，简要分析了样本特殊性形成与发展的机理，并简要透析出与房地产价格、轨道交通、以及城市功能区之间的关系。
Measurement method and characteristics of spatial organization for jobs-housing misbalance: A case study of the effects of metro systems on jobs-housing misbalance in Beijing .https://doi.org/10.11820/dlkxjz.2011.02.009 Magsci [本文引用: 1] 摘要
基于问卷调查获取的万份调查数据，构建了以通勤时间/距离为基础数据的职住分离度量模型，即基于频数分布法的通勤时间/距离和基于不同时段/区段范围内居民分布结构的"职住分离强度指数"。根据上述判别模型与计算结果，发现：①各样本区居民通勤时间普遍增加，城市外围区轨道交通沿线居民通勤时间多数集中在40分钟以上，自购居民的通勤时间明显高于租住居民。②与非地铁沿线居民相比，轨道沿线居民的职住距离较高，以居住为主的大型外围区居民的通勤距离明显偏大。③郊区居民职住分离强度相对较大，通勤时间及其变化在远郊区、中心城区以及不同的样本区之间具有较为复杂的差异。④基于差异，简要分析了样本特殊性形成与发展的机理，并简要透析出与房地产价格、轨道交通、以及城市功能区之间的关系。
|
/
| 〈 |
|
〉 |
