流动人口空间融合特征及影响因素研究—

Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 61, No. 6 (Nov. 2025)

流动人口空间融合特征及影响因素研究——以深圳市为例

1.武汉大学城市设计学院, 武汉 430072; 2.Department of Built Environment, Eindhoven University of Technology, Eindhoven 5612AE; 3.同济大学建筑与规划学院, 上海 200092; 4.西影集团西安 XR 电影产业基地管理办公室, 西安 710000; 5.北京大学深圳研究生院城市规划与设计学院, 深圳 518055; †通信作者, E-mail: yuegong@whu.edu.cn

摘要采用截至 2015 年 12 月的深圳市管理人口数据库中流动人口数据, 使用空间回归模型, 从居住小区尺度, 分析流动人口空间融合的特征和影响因素。结果表明, 深圳市流动人口是小区居民的主体, 且群体分异明显, 农村流动人口具有数量优势; 租赁住房是深圳市流动人口空间融合的重要方式; 已婚状态、受教育时长和农业户籍居民比例对空间融合有显著的正向促进作用, 但是居留时长对空间融合没有显著影响; 与公共住房相比, 商品房和小产权房小区更便于流动人口实现空间融合。在流动人口迁入地城市, 政府有必要完善房屋租赁市场管理制度, 提高流动人口城市自有住房比例, 以便促进社会空间融合。

流动人口的城市融入是新型城镇化的重要组成, 但在迁入地城市中, 这种融入面临经济和政策等多重壁垒。从“以人为核心”的新型城镇化视角, 安居乐业是流动人口城市融入的重要表征, 并且流动人口应与本地人口享有平等的城市居住空间。流动人口空间融合是社会融合的重要维度, 在社会融合的过程中, 空间融合体现为流动人口居住环境的改善以及与本地居民居住分布的趋同。因此, 研究流动人口空间融合对推动新型城镇化有重要作用。深圳是著名的流动人口聚集城市, 《深圳市统计年鉴(2021)》显示, 截至 2020 年末, 深圳年末常住人口为 1763.38 万人, 非户籍常住人口的占比高达71%。选择深圳为案例进行研究, 对推动流动人口的空间融合有重要意义。

解释空间融合的理论可以追溯到芝加哥社会学派提出的空间同化(spatial assimilation)[1]。经典的空间同化理论提出, 当经济状况提升时, 少数族裔会迁入白人中产阶级社区, 实现空间同化[1–3]。社会学家 Douglas Massey 认为空间同化是社会融合的重要组成部分: 虽然移民依赖同族的支持网络, 选择居住在移民集聚区, 但随着经济社会地位的提升, 会迁往生活环境、教育水平、就业途径和社会声望等条件更好的社区, 最终放弃自身的文化习惯, 适应迁入地国家或地区[2–4]。此后的相关理论大多以此为基础进行改进。有学者提出“分层同化理论”来解释新移民复杂的同化状况: 不同于第一代移民面临的社会背景和文化冲突, 美国新移民产生 3 种不同类型的同化结果(复制父辈而与白人中产阶级同化、向下层同化而长久贫困、实现社会经济地位提升但保留原有社会价值观)[5]。另外, 分层同化理论指出, 部分少数族裔群体在住房和就业上面临多种障碍, 且主流白人群体为保持社会距离, 往往制定各种歧视条例, 使少数族裔在白人社区相较于购置, 更难租赁房产, 导致各族裔群体及其居住社区被有序分层[6–9]。“种族飞地理论”认为, 移民社区提供了便利的服务设施和丰富的社会资源, 为继续受益, 移民宁可继续居住在移民社区之中[10]。

与西方移民相似, 我国流动人口也形成于工业化、城市化的大背景中[11]。但是, 与西方研究的不同之处在于, 我国流动人口社会融合的研究大致划分为社会、经济、文化和心理等维度, 很少关注空间维度[12–16]。我国的农村流动人口多居住在城中村和宿舍中, 他们向商品房和公共住房的迁居是一种向更好条件社区的空间同化行为。我国研究的语境采用“融合”(integration)而非“同化”一词[13,16], 反映流动人口与户籍人口相向转变, 即在社会和经济等维度上变得更像对方群体, 同时融合一词与城乡一体化的政策相符。因此, 本文采用空间融合来表征我国流动人口在空间维度上的社会融合。

与我国流动人口空间融合相关的研究主要探讨居住社区(如迁居情况、居住分异和住房特征)。迁居情况指移民是否搬家、搬入社区和住房类型[17]。居住分异探讨流动人口和户籍人口空间分布不均现象, 农村流动人口多居住在城中村和工厂宿舍, 户籍人口多居住在商品房等小区[18–19]。住房特征指移民住房所有权, 如住房自有比例[20]。这些研究多数基于人口普查和个人调查数据, 使用多元线性回归和结构方程模型等。模型的因变量可分为迁居、居住分异状况和住房所有权 3 类, 自变量可分为个人特征、城市特征、社会联系、自我感知和外部力量等。其中, 个人特征主要包括家庭情况和经济资本等, 对个体的社会融合最具基础性。受经济收入水平限制, 移民往往选择相对廉价、集聚的住房, 群体与廉价房屋的空间集聚高度相关[21–22]。个体的社会经济地位提升导致的经济融合, 是其空间融合的首要条件。城市特征同样影响流动人口的融合[23]。流入地较高的流动人口比例、群体间收入差距、物价水平和社会保障门槛都在一定程度上制约人口融合[24–25]。乡土社会网络在初期对移民提升社会经济地位和快速适应环境有重要作用[26–27], 当移民降低对其依赖程度并改善在流入地的社会网络[28–29](如增加与本地人的社会交往)后, 能更好地开展城市生活[30–31]。流动人口迁入后常面临多维度的差异或歧视[32], 加上高房价对住房选择的制约, 由此形成的居住分异或隔离阻碍了他们与当地居民的社会交往和空间融合[33]。制度因素是阻碍流动人口社会融合的关键因素。城乡二元体制下, 户籍制度及相关的各项社会福利制度阻碍流动人口的城市融入和社会融合[34–35]。农村流动人口的融合水平显著低于城市流动人口[36–37], 因此需要在研究和实践上继续推动农村流动人口的空间融合。

现有研究存在三方面的不足。1)相较于较多的社会融合研究[11,15], 较少关注我国流动人口的空间维度融合。虽然对迁居和住房所有权的部分研究与空间融合有关, 但很少直接聚焦流动人口迁入小区的空间融合。国外有研究者对移民在居住区的比例展开分析, 发现移民在移民飞地中和迁出飞地的比例受到家庭构成和配偶特征影响[18], 可为我国流动人口空间融合研究提供借鉴。2)多围绕农民工群体展开研究[21–22,25], 对其他类型流动人口关注较少; 在空间尺度上以街道或区为主, 较少采用邻里及其内部的尺度。3)在评估不同因素对空间融合的影响时, 多采用传统计量经济模型[14,21], 忽略空间相关性导致的误差。基于上述背景, 本文以深圳市为案例, 采用居住小区的微观尺度数据和空间回归模型, 探讨深圳市流动人口空间融合特征和影响因素, 以期推动流动人口社会融合研究。

1 数据与研究方法

1.1 数据来源及预处理

本研究使用的数据集包括深圳市织网工程库数据、房价数据和 POI (兴趣点)数据。

深圳市织网工程库数据由深圳市社会治安综合治理管理委员提供, 以建筑物和构筑物为基本统计单元, 记录居民的个人信息, 包括来深时间和户籍所在地等。数据预处理通过 MySQL 数据库管理系统完成, 包括删除错误值、无效值和缺失值。

考虑到个人收入的私密性, 本文使用“小区二手房交易价格”来表征小区居民的经济状况, 房价数据来自“乐有家” “安居客” “房天下”等平台, 采取这些平台的平均房价作为房价数据。有研究表明, 住房价格能够表征住房拥有者的社会经济状况[38], 房地产网站的小区二手房交易价格数据较为充分, 其均价能够反映小区居民社会经济的平均状况。本研究共提取 3296 个居住小区的数据, 包括 2581 个商品房小区、662 个小产权房小区和 53 个公共住房小区。正规商品房指经正规的土地流转和地产商开发后在房地产交易市场具有完全产权的小区。小产权房小区包括村民自建房和军产房, 前者特指在原农民集体所有土地上, 由享有所有权的集体单独或者联合地产开发商而建设的住房, 不具有合法的产权证书。军产房是在军用土地上建设, 并由军队或者地方办法房屋产权证的住房。公共住房是由政府或相关机构建设并提供的住房类型, 通常具有政策性租赁或低成本购买的特点。深圳在 2020 年之前的公共住房包括保障性住房(如公共租赁房和经济适用房)和政策性住房(如人才住房)。

为考虑居住地特征对流动人口空间融合的影响, 本研究使用 POI 数据, 利用地理坐标信息统计小区周边服务半径范围内的服务设施数量。由于织网工程数据库的统计时间是 2015 年底, 因此我们选取 2016 年深圳的 POI 数据, 将其和小区坐标信息一同导入 ArcGIS 平台, 用设置缓冲区半径的方式计算小区周边各类型服务设施的数量。依照城市规划管理法规, 将交通设施, 即公交站点和地铁站点的服务半径分别设置为 300 和 500m; 教育设施方面, 将幼儿园、小学和中学的服务半径分别设置为 300, 500 和 1000m; 将医疗、商业设施和风景名胜的服务半径均设置为 1000m。

1.2 研究方法

1.2.1 ArcGIS空间分析

本研究使用 ArcGIS10.2 进行空间自相关分析。空间自相关是一种用于度量空间数据中一个变量在地理空间上分布模式的统计方法, 可以判断空间数据是否存在某种规律的集聚现象。全局 Moran’s I是用来衡量全局空间自相关的指标, 从整体上反映空间数据集中每个数据点与其他数据点之间的相互关系, 计算公式为

其中, N是观测值的总数; xi和 xj是观测点 i和 j的属性值; width=11.25,height=13.15

是所有观测值的均值; wij是空间权重矩阵中元素 i与 j之间的权重, 表示地理空间上的相邻或者相互作用的强度。全局 Moran’s I的取值范围为[−1, 1], I<0 表示空间负相关, I>0 表示空间正相关, I=0 表示不存在空间相关性。

局部指示空间关联指数(local indicators of spa-tial association, LISA)是用来度量局部空间自相关的指标, 可以揭示临近空间单元之间属性特征值的相似性或相关性, 计算公式为

其中, LISA(Ii)为空间单元的 LISA 值, Zi和 Zj是标准化的观测值, wij为空间权重。Ii>0 表示区域空间单元 i 与相邻空间单元的观测属性存在较强的空间正相关, 呈局部空间集聚; Ii<0 表示存在空间负相关, 呈局部空间离散[39]。通过 LISA 指数, 可将空间相关分为 4 种集聚类型(高–高、低–低、高–低和低–高): 高–高和低–低类型指示同质性, 即相似值聚集在一起; “高–低”和“低–高”类型指示异质性, 即高值和低值的不规则分布。

1.2.2 空间滞后模型与空间误差模型

流动人口多居住在城中村和工厂宿舍, 而小区中户籍人口比例相对较高。研究发现, 户籍人口和流动人口居住邻近或在同一社区时, 社会互动和融合程度更高[40]。当更多的流动人口居住在小区中, 有更多机会与户籍居民交往和互动时, 空间融合程度更高, 更有利于其他维度的社会融合。西方国家城市空间同化的部分研究采用社区中少数族裔移民在社区居民中的比例来测度同化程度[41], 因此本文选取小区中流动人口占居民总人数的比例作为因变量, 用来表征空间融合。已有研究证明, 教育、收入、职业、制度和人口特征是影响移民社会融合的主要因素[13,21,29,42], 因此本文从人口属性、受教育程度、制度、经济收入水平、职业特征和居住小区等层面选取测量指标(表1)。

本研究使用空间回归模型展开分析。相邻区域的流动人口数据可能相互影响, 呈现空间自相关特征。传统的 OLS 模型会忽略这种空间相关性, 导致模型的残差项可能存在空间自相关性, 进而造成OLS 估计量不是最优的和有效的。空间回归模型考虑到数据之间的空间关联性, 能更好地捕捉数据的空间特征, 从而提高模型的准确性和可靠性。此外, 流动人口在不同的区域可能表现出不同的空间特征, 即存在空间异质性。空间回归模型通过引入空间权重矩阵或空间误差项来量化这种空间异质性的影响, 从而更好地拟合数据和解释模型结果。

空间滞后模型和空间误差模型用于研究变量在空间上的关联性和影响程度。空间滞后模型(Spa-tial Lag Model)探究变量在空间上是否存在溢出效应, 即一个地区的某一变量不仅受到与自身相关自变量影响, 还会受到相邻地区同一变量影响, 其计算公式[43]为

其中, Y为因变量;X是 n×k维的自变量矩阵;W是 n× n维的空间权重矩阵; WY为 Y的空间滞后项; β 为自变量的回归系数; ε 为随机误差项; ρ 是空间滞后系数, 表示指定对象的相邻空间对象对其的空间扩散或外溢的贡献程度, 其显著时表示因变量之间存在空间依赖性。

空间误差模型(Spatial Error Model)通过不同空间对象的空间协方差反映误差过程, 用于测度临近的居住区由于因变量的误差扰动对本居住区流动人口空间融合的影响程度, 计算公式[43]为

式中, μ 为随机误差项向量, λ 为空间回归残差之间的空间相关性强度系数。

2 深圳市流动人口空间融合程度分析

2.1 数据描述性分析

织网工程库的原始数据库中共记录 19067562 人的信息(其中深圳户籍人口 1987243 人, 占 10.42%), 去除异常值和空值后, 共计 9147792 人(其中深圳户籍人口 845555 人, 占 9.24%)。去除临时建筑、城中村或其他非居住用途建筑的居住数据, 提取全市3296 个居住小区, 得到 2693850 人的数据(其中深圳户籍人口 613315 人, 占 22.77%)。

如表1 所示, 深圳住房小区的平均流动人口比例达到 73.70%, 说明在深圳各类住房小区中存在大量的流动人口, 并在一定程度上实现空间融合。其中, 44.16%的流动人口从农村移居来深圳, 这一数据揭示农村向城市的人口流动趋势。流动人口的平均受教育时长为 11.59 年, 大致相当于高中文化水平。在流动人口的职业特征上, 服务业和工业的占比较高。此外, 小区周边的各类服务设施数量存在较大的差异, 可能影响流动人口的居住选择和空间融合程度。

2.2 空间自相关分析

空间自相关分析选取流动人口占小区居民总人数比例、农村流动人口占居民总人数比例以及城市流动人口占总人比例作为分析对象。如表2 所示, 所有的 Moran’s I值均通过显著性检验且为正值, 说明流动人口空间融合呈现显著的空间正相关性。图 1 展示局部空间自相关分析结果, 表明城市流动人口和农村流动人口的高–高集聚区位于不同的地区。具体而言, 城市流动人口的高集聚区主要位于深圳市南部的市中心地区(曾是深圳的“关内”范围), 多属于发展较好的区域; 农村流动人口的分布则较为分散, 集中于原“关外”地区。这种区域分布的差异性可能反映城市内部发展不均衡的现状。

商品房小区在深圳全市范围内均有分布(图 2), 集中于罗湖、福田、南山、宝安、龙华和龙岗的中心地区。小产权房主要分布在罗湖、福田、南山、宝安、龙华和龙岗, 同时在这些地方形成集聚区。相比之下, 公共住房则呈现全市范围内分散分布的特点, 没有形成明显的集中区域。

2.3 空间融合程度分析

通过比较商品房、小产权房和公共住房小区流动人口的人口特征, 可以更好地分析 3 类小区流动人口的空间融合程度。从表3 可以看出, 商品房小区的流动人口数量最多, 其次是小产权房小区, 最少的是公共住房小区。在小区流动人口占总人口比例方面, 小产权房小区最高(90.28%), 其次是商品房(70.18%), 公共住房小区最低(59.11%), 反映小产权房小区对流动人口的集聚能力强于其他类型小区。在农村流动人口占比方面, 小产权房小区同样最高, 表明该类型小区可为农村流动人口提供更多的居住机会; 商品房小区的农村流动人口比例最低。在已婚流动人口比例方面, 商品房小区最高, 其次是公共住房, 小产权房小区最低, 可能与不同类型小区的居住稳定性和家庭友好环境有关。在受教育程度方面, 公共住房小区中的流动人口平均受教育时间最长, 为 11.81 年, 其次是商品房小区的11.73 年, 小产权房小区则为 11.06 年。在居住方式上, 大部分的流动人口选择租赁住房。其中, 小产权房小区中超过 90%的流动人口采用租住方式, 公共住房和商品房小区的租赁比例分别为 73.39%和60.58%。同时, 自购房比例的排序与租赁房屋相反, 说明不同类型的住房小区提供的购房或租赁机会存在显著差异。在从事行业方面, 商品房小区的流动人口更多地从事服务业, 小产权房和公共住房小区的流动人口则主要从事工业, 占比分别达到27.76%和 30.89%。居住在商品房小区和公共住房小区的流动人口普遍具有更高的教育水平和更强的经济基础, 同时这些小区的城市流动人口比例也较高。相反, 小产权房小区主要吸引农村流动人口, 这些人口的教育背景和经济基础相对较低。这种差异可能反映不同住房政策和市场条件对流动人口选择住宿地点的影响。

此外, 本研究提取 169 个城中村共计 847004 人的数据来展开分析。结果显示, 95%以上为流动人口, 且以农村流动人口为主, 这一比例远高于商品房和公共住房小区, 也略高于小产权房小区, 表明在我国各类居住社区中, 城中村是流动人口最主要的居住社区。与城中村相比, 流动人口较难迁入社会经济条件较好的小区。流动人口从城中村向 3 类小区(商品房、公共住房和小产权房)的迁移不仅是向拥有更多户籍人口社区的迁入, 也是他们实现空间融合的过程, 反映流动人口在城市空间中的动态分布及其对更好居住条件的追求。

3 流动人口空间融合影响因素分析

3.1 所有小区流动人口影响因素

本研究采用 Geoda 软件, 构建基于一阶邻域的rook 权重矩阵, 用来分析流动人口空间融合的影响因素, 结果如表4 所示。所构建的空间回归模型中, 空间滞后模型的解释能力(R2)为 0.82, 空间误差模型的 R2为 0.85, 后者显示出相对更高的解释能力。对比两个模型的回归结果可见, 尽管自变量和因变量的正负关系和显著性水平基本上一致, 但空间误差模型中工业和交通运输业的从业比例、医疗设施和风景名胜数量的回归系数未通过显著性检验。

以空间误差模型的结果为例, 已婚流动人口比例的回归系数为 0.47, 其与小区内流动人口比例正相关。这一结果表明, 婚姻状态对流动人口的空间融合起显著的正向作用。已婚的流动人口更可能在小区内稳定下来, 与当地社区建立更深层的联系。流动人口的平均年龄与空间融合负相关, 回归系数为−0.10, 说明小区内年龄较大的流动人口比例较低。这可能由以下两个原因引起: 首先, 年龄大的流动人口可能在人力资本方面处于不利地位, 难以通过提升社会经济状况来实现空间融合; 其次, 因家庭或经济原因, 年龄较大的流动人口可能更倾向于离开深圳寻找其他发展机会, 从而导致这一人群比例下降。此外, 流动人口平均来深时间的影响在模型中并不显著, 暗示尽管流动人口可能通过时间的积累增加自身的社会和经济资本, 但并不足以促使他们在居住小区中实现更深入的融合。

受教育程度方面, 流动人口平均受教育时间的回归系数为 0.15, 表示流动人口受教育时间的增加有利于他们的空间融合, 即较高学历的流动人口更易实现自身的空间融合。房价的回归系数为 0.04, 意味着小区房价越高, 居住在该小区的流动人口比例也越高。这一现象可以通过深圳市内部的区域特点来解释。1)深圳市“关内”区域拥有多样化的就业岗位, 吸引大量的流动人口聚集, 而这些地区的房价通常较高。许多房价较高的小区, 特别是商品房小区, 容纳了大量工作和生活在此的流动人口。2)深圳市“关外”地区房价较低, 也存在大量城中村。许多低收入的流动人口居住在这些城中村, 而非 3类居住小区。然而, 对于较高收入的流动人口(如城市户籍的流动人口), 自身较好的经济条件允许他们倾向于选择房价相对较高、质量相对较好的居住小区。这两个原因可能共同导致房价较高的小区中流动人口比例略微提升的趋势。

较高的租房比例反映流动人口相对紧张的经济状况。当租房比例增加时, 流动人口比例也随之增加, 表明租房是流动人口实现空间融合的主要方式之一。农村户籍流动人口比例的回归系数为 0.35, 即农村户籍流动人口的比例越高, 流动人口总体比例也越高。

在从事职业方面, 工业和服务业的回归系数均通过显著性检验。服务业的回归系数为正值, 说明服务业的聚集会推动流动人口的空间融合。这可能反映了服务业领域在城市中的活跃度和吸引力, 对流动人口的吸引力较大。在小区服务设施特征方面, 只有交通和商业设施呈显著正相关性, 意味着流动人口在实现空间融合的过程中, 更加看重小区周边交通和商业设施的便利程度。当小区周边这些设施数量增加时, 小区中居住的流动人口也会相应地增加, 可能因为流动人口的日常通勤更依赖公共交通设施, 而充足的商业设施可以大幅度提高生活便利性和舒适性, 因此倾向于选择拥有便利设施的居住地。需要注意的是, 职业、交通和商业设施的影响系数值都较小(0.04～0.07), 表明职业和设施因素对空间融合的影响相对有限。

综合空间滞后模型和空间误差模型的结果, 我们发现深圳市的流动人口空间融合主要受婚姻状况、年龄、受教育程度和户籍影响, 小区周边环境设施和房价的影响相对较小。

3.2 3 类小区中流动人口空间融合影响因素

我们对 3 类小区展开进一步分析, 空间滞后模型和空间模型的结果如表5 所示。首先, 已婚流动人口比例对 3 类小区流动人口比例均呈正向作用, 说明婚姻对流动人口空间融合具有积极影响。在商品房小区中, 结婚对流动人口比例影响的回归系数高达 0.51。与之相反, 流动人口的平均年龄与流动人口比例负相关, 流动人口的平均年龄越大, 3 类小区的流动人口比例就越低。此外, 受教育时间与流动人口比例正相关, 但是公共住房小区的模型结果未通过显著性检验。这意味着流动人口受教育程度越高, 越能帮助他们融入商品房小区和小产权房小区。房价因素仅在商品房小区的模型中通过检验, 且与因变量为正相关关系。农村流动人口比例和租房流动人口比例对 3 类小区的流动人口比例均产生正向影响, 这一结果与所有小区的模型结果一致。特别是在租房流动人口中, 对流动人口进入商品房小区的融合作用最显著, 其回归系数达到 0.34。

在从事行业方面, 我们发现只有服务业在 3 类小区中通过显著性检验, 且均为正向关系。工业仅在商品房小区的模型中通过检验, 与因变量为负相关关系。交通运输业则在 3 类小区的模型中均未通过检验。在小区周边设施的影响上, 不同类型的小区受到不同设施影响: 商品房小区受到交通设施、医疗设施和商业设施影响, 小产权房小区只受到风景名胜影响, 所有设施对公共住房小区的影响均未通过显著性检验。

比较两个模型的结果可以发现, 空间误差模型的拟合优度相对更高。在自变量和因变量的正负关系上, 空间滞后模型和空间误差模型的结果和显著性基本上一致。只有商品房小区的工业从业流动人口比例、小区周边医疗设施数量以及公共住房小区的流动人口平均来深时间的显著性检验结果不一致。总体而言, 流动人口通过婚姻、租房和提升受教育程度等方式, 更容易进入商品房和小产权房小区, 实现空间融合。在美国等西方国家, 由于各种歧视条例, 使黑人和少数族裔移民在白人社区相较于购置, 更难租赁房产[6–8]。我国的流动人口通过租房更容易搬入小区, 与西方国家形成鲜明的对比。公共住房可能是由于学历和雇佣关系等政策准入门槛相对较高, 因此难以吸纳大量流动人口。

4 结论与讨论

本研究使用深圳市织网工程人口数据, 结合商品房交易和 POI 数据, 以邻里小区为研究单元, 分析流动人口空间融合特征, 同时采用空间滞后模型和空间误差模型分析个人特征、受教育程度、户籍制度、经济收入、职业特征和小区特征等因素对空间融合的影响, 得出以下 3 个结论。

1)深圳市流动人口在邻里小区中占据主体地位, 且呈现明显的群体分异。在小产权房小区、商品房小区和公共住房小区中流动人口的平均比例分别达到 90.28%, 70.18%和 59.11%。城市流动人口中, 老年人比例、受高等教育的群体比例高于农村流动人口。城市流动人口在工业领域的就业比例较低, 在其他行业的就业分布较为均衡; 农村流动人口在工业领域就业比例最高, 服务业次之, 商业的就业比例最低。

2)租赁住房在深圳市流动人口空间融合影响因素中占据主导地位。大多数流动人口以租房等形式促进居住空间融合, 较少以自有产权的方式融入小区, 明显不同于西方国家少数族裔居民主要通过购房实现空间融合的方式。

3)深圳市流动人口空间融合模式和影响因素具有明显的空间自相关特征。婚姻状况、户籍制度和受教育程度对空间融合有较大的影响。空间回归模型的结果显示, 流动人口的婚姻状况和受教育程度有助于空间融合, 从事行业和小区周边设施对部分小区具有影响, 但总体上影响不显著。

本研究存在以下不足。1)在流动人口迁入城市中, 深圳具有一定的特殊性, 其流动人口比例高于户籍人口, 类似的只有东莞等少数城市。“北上广”等超大城市的流动人口空间融合状况可能存在差异, 需要进一步探讨。2)由于数据限制, 本研究未考虑代际影响。未来的研究中可以收集并分析同一家庭不同代际的社会经济属性和住房变迁状况, 将有助于全面地理解流动人口融合的长期过程。3)本文采用居住区中流动人口比例作为因变量, 由于数据的缺乏, 流动人口来源地特征难以转化为以迁入地居住区为单元的平均值。未来的研究中可以考虑以个体为分析单元, 或在数据更全面的基础上, 进一步研究流动人口的空间融合特征。4)本文使用的数据截至 2015 年 12 月, 存在一定的时效性问题。尽管数据时间相对较早, 但鉴于流动人口受到城市排斥的长期制度惯性以及社会与空间融合进程的长期性, 本研究仍然可为理解这一复杂现象提供有益的分析框架和经验启示。未来的研究中应利用最新数据, 验证和补充本研究的结果, 并探讨政策调整、市场变化对流动人口融合的影响。

总体而言, 本研究结果显示, 深圳市商品房仅容纳约 10%的流动人口, 约 70%以上的流动人口以租赁住房的方式实现空间融合。随着城市竞争和人才争夺愈趋激烈, 一方面政府有必要规范房屋租赁市场管理, 以便保持城市的吸引力, 另一方面, 自购住房仍然是流动人口实现融合的重要意愿, 政府在推动赋予产权的条件下, 应为更多扎根深圳的农村流动人口开辟安居通道。

[1] Park R E, Burgess E W. The city. Chicago: University of Chicago Press, 2019

[2] Gross A B, Massey D S. Spatial assimilation models: a micro-macro comparison. Social Science Quarterly, 1991, 72(2): 347–360

[3] Massey D S, Denton N A. Spatial assimilation as a so-cioeconomic outcome. American Sociological Review, 1985, 50(1): 94–106

[4] Massey D S, Mullan B P. Processes of Hispanic and black spatial assimilation. American Journal of Socio-logy, 1984, 89(4): 836–873

[5] Brown S K. Delayed spatial assimilation: multigenera-tional incorporation of the Mexican–origin population in Los Angeles. City & Community, 2007, 6(3): 193–209

[6] Pais J, South S J, Crowder K. Metropolitan hetero-geneity and minority neighborhood attainment: spatial assimilation or place stratification?. Social Problems, 2012, 59(2): 258–281

[7] Alba R D, Logan J R. Variations on two themes: racial and ethnic patterns in the attainment of suburban resi-dence. Demography, 1991, 28(3): 431–453

[8] Alba R D, Logan J R. Minority proximity to whites in suburbs: an individual-level analysis of segregation. American Journal of Sociology, 1993, 98(6): 1388–1427

[9] 刘炜, 刘梦姿, 龚岳, 等. 西方城市规划对居住分异的影响及其启示. 北京大学学报(自然科学版), 2024, 60(5): 945–956

[10] Schaake K, Burgers J, Mulder C H. Ethnicity at the individual and neighborhood level as an explanation for moving out of the neighborhood. Population Re-search and Policy Review, 2010, 29(4): 593–608

[11] 杨菊华. 中国流动人口的社会融入研究. 中国社会科学, 2015(2): 61–79

[12] 陈晶. 关于流动人口社会融合的几点争论——在“时间–空间–群体”维度上的探讨. 人口与社会, 2017(3): 23–32

[13] 吴玉锋, 雷晓康, 聂建亮. 从“结构”到“认知”: 社会资本与流动人口社会融合——基于 2014 年中国劳动力动态调查数据. 人口与发展, 2019, 25(5): 111–122

[14] 张文宏, 雷开春. 城市新移民社会融合的结构, 现状与影响因素分析. 社会学研究, 2008(5): 117–141

[15] 周皓. 流动人口社会融合的测量及理论思考. 人口研究, 2012, 36(3): 27–37

[16] 万思齐, 秦波, 唐杰. 流动人口的职业培训与城市融入——基于中国农村居民综合调查的分析. 城市发展研究, 2020, 27(12): 12–19

[17] South S J, Crowder K, Chavez E. Geographic mobility and spatial assimilation among US Latino immigrants 1. International Migration Review, 2005, 39(3): 577–607

[18] Ellis M, Wright R, Parks V. The immigrant household and spatial assimilation: partnership, nativity, and nei-ghborhood location. Urban Geography, 2006, 27(1): 1–19

[19] 龚岳, 曹吉阳. 人口城镇化视角下中国流动人口住房阶层研究. 热带地理, 2024, 44(3): 480–491

[20] Myers D, Lee S W. Immigrant trajectories into home-ownership: a temporal analysis of residential assimi-lation. International Migration Review, 1998, 32(3): 593–625

[21] 汪明峰, 程红, 宁越敏. 上海城中村外来人口的社会融合及其影响因素. 地理学报, 2015, 70(8): 1243–1255

[22] 杨洋, 邱培媛, 马骁. 农村流动人口的居住模式, 空间分布与城市融合研究. 四川大学学报(哲学社会科学版), 2013(2): 112–120

[23] 杨成凤, 柏广言, 韩会然. 流动人口的城市定居意愿及影响因素——以安徽省为例. 世界地理研究, 2020, 29(6): 1136–1147

[24] 郭云贵. 就业与社交状况对流动人口社会融合的影响——以武汉市为例. 城市问题, 2016(8): 97–103

[25] 蔡禾, 曹志刚. 农民工的城市认同及其影响因素 ——来自珠三角的实证分析. 中山大学学报(社会科学版), 2009, 49(1): 148–158

[26] 田明, 彭宇. 流动人口城市融入的空间差异——以东部沿海 6 个城市为例. 城市规划, 2014, 38(6): 9–16

[27] 田明, 薄俊丽. 东部地区流动人口城市融入的比较研究. 人文地理, 2014, 29(1): 43–48

[28] 任远, 邬民乐. 城市流动人口的社会融合: 文献述评. 人口研究, 2006, 30(3): 87–94

[29] 田明. 地方因素对流动人口城市融入的影响研究. 地理科学, 2017, 37(7): 997–1005

[30] 刘传江, 周玲. 社会资本与农民工的城市融合. 人口研究, 2004, 28(5): 12–18

[31] 罗利佳, 周春山, 吴沛钊. 珠三角流动人口社会融入与生活满意度期望. 世界地理研究, 2020, 29(3): 608–620

[32] 王春光. 我国城市就业制度对进城农村流动人口生存和发展的影响. 浙江大学学报(人文社会科学版), 2006(5): 5–15

[33] 杨菊华. 新型城镇化背景下户籍制度的“双二属性”与流动人口的社会融合. 中国人民大学学报, 2017, 31(4): 119–128

[34] 陈云松, 张翼. 城镇化的不平等效应与社会融合. 中国社会科学, 2015(6): 78–95

[35] 马潇岚, 殷洁. 城市外来产业工人居住隔离与社会融合问题研究——基于河北省石家庄市的实证分析. 上海城市规划, 2016(2): 30–34

[36] 沈建法. 中国人口迁移, 流动人口与城市化——现实, 理论与对策. 地理研究, 2019, 38(1): 33–44

[37] 李涛, 任远. 城市户籍制度改革与流动人口社会融合. 南方人口, 2011, 26(3): 17–24

[38] Heyman A V, Sommervoll D E. House prices and rela-tive location. Cities, 2019, 95: 102373

[39] 崔娜娜, 冯长春, 宋煜. 北京市居住用地出让价格的空间格局及影响因素. 地理学报, 2017, 72(6): 1049–1062

[40] 阙槿楠, 龚岳, 赵国昌. 居住融合如何影响心理融合?. 北京大学学报 (自然科学版), 2022, 58(5): 897–908

[41] Zorlu A, Mulder C H. Location choices of migrant nest-leavers: spatial assimilation or continued segrega-tion?. Advances in Life Course Research, 2010, 15 (2/3): 109–120

[42] 刘炜, 杨杰, 龚岳. 基于大数据的中国城市工作人口的就业空间分异——以武汉市为例. 经济地理, 2022, 42(9): 78–86

[43] 郭远智, 周扬, 刘彦随. 中国农村人口外流的时空演化及其驱动机制. 地理科学, 2020, 40(1): 50–59

Spatial Assimilation Characteristics and Impact Factors of the Floating Population: The Case of Shenzhen

1. School of Urban Design, Wuhan University, Wuhan 430072; 2. Department of Built Environment, Eindhoven University of Technology, Eindhoven 5612AE; 3. College of Architecture and Planning, Tongji University, Shanghai 200092; 4. Administration Office of Xi’an XR Film Industry Base, Xiying Group, Xi’an 710000; 5. School of Urban Planning and Design, Peking University Shenzhen Graduate School, Shenzhen 518055; † Corresponding author, E-mail: yuegong@whu.edu.cn

Abstract This paper analyzes the characteristics and impact factors of spatial assimilation of the floating popu-lation from the neighborhood scale, using the 2015 population data in the Shenzhen managed population database. The results show that the floating population is the main group of residents in Shenzhen and clearly differentiated, and consists of a large proportion of rural migrants. Rental housing, marriage, education, and the proportion of residents with agricultural hukou have significant positive effects on spatial assimilation, but the duration of residence has no significant influence. Compared with public housing, commercial housing and restricted property housing are easier for the floating population to realize spatial assimilation. It is necessary for the government to improve the management of the rental housing market and increase the proportion of urban housing owned by the floating population in order to promote their socio-spatial integration.

Key words floating population; spatial assimilation; social integration; rental; Shenzhen

国家自然科学基金(42471275)和教育部人文社科规划基金(24YJAZH031)资助