北京市低收入人群的居住空间分布、演变与聚居类型研究谌丽 （1. 中国科学院区域可持续发展分析与模拟重点实验室，北京100101；1,2,3，张文忠1,2 ，党云晓1,2,3，余建辉1,2,32. 中国科学院地理科学与资源研究所，北京100101；3. 中国科学院研究生院，北京100039）摘要：本文以北京市各街区的低收入人群为研究对象，以2005年和2009年北京市大规模居民调查问卷为基础数据，综合运用数理统计、空间自相关分析和因子生态分析方法揭示北京市低收入群体的属性特征及其空间分布的特点、变化与聚居类型。
研究发现：北京市低收入人群中低龄与高龄人口、中低学历及从事劳动密集型行业的人所占比重较高。
从空间分布来看，低收入占比较高的街区单元主要分布在城市边缘郊区，并随着城市建设出现向外发展的趋势；与2005年相比，2009年北京市低收入人口出现了初步集聚化特征，西北五环外街道的低收入集聚强度不断提高，同时二环内的低收入集聚强度也有所增加；受CBD 快速发展和奥运建设影响，北京市东部和北部的低收入人群比例大幅度降低。
最后，本文总结出三类具有代表性的低收入人群聚居类型，分别为本地型、流动型和新移民型。
关键词：低收入人群；空间分布与演变；聚居类型；北京1 引言城市社会居住空间分异是城市地理学研究的重要领域之一，随着全球化的发展，国际上的全球城市正在不断呈现出越来越细分化、破碎化和多中心化的社会空间，在此背景下，对日益多样化、破碎化和细分化的城市空间分异进行研究具有重要意义[1]。
西方城市社会地理学者历来特别关注对差异和不平等以及基于它们的城市空间结构模式的研究。
Marcuse 认为西方发达国家的后福特主义城市已经分化为以下一些分隔的城区：高级住宅区、绅士化城区、城郊区、租屋城区和被遗弃的城区（即城市贫困人口的集中区），并且被遗弃的城区规模不断扩大，意味着贫民窟化现象越来越普遍[2]。
这种城市贫困在空间上的集中将会带来各种弊端[3]，首先体现在贫困率高的邻里与其他邻里会出现显著的地理隔离。
如法国二战后大规模集中建设的社会房屋造成了20世纪80年代以来严重的居住隔离，并导致了社会骚乱[4]。
地理隔离进一步加剧了与其他社会阶层的社会隔离，不同社会群体之间缺乏积极的联系，使得弱势群体被主流社会抛弃，被其他社会群体排斥[5]，并减少了他们工作和进步的机会。
居住隔离导致的社会隔离引起弱势群体的社会资本缺乏，即一系列人们共有的并允许他们协作的非正式价值观和规范的缺乏[6]20世纪90年代中后期以来，中国在经济体制转轨和市场竞争加剧的转型背景下，居民贫富分化呈现加速态势，相当数量的居民陷入贫困境况。
随着城市传统的单位制居住模式被打破，以及快速的城市化进程，城市空间结构发生了演变，部分大城市居住隔离现象逐渐显现。
如冯健等，从而使弱势群体远离整个社会。
[7]基金项目：国家自然科学基金项目（40971077）。
在研究1990年北京的郊区化进程中发现，北京市区的富人居住区主要集中在亚运村、中关村、燕莎附近，郊外的富人居住区集中在亚运村北部、西山地区、京顺路、顺义、机场路沿线，而贫困人口相对集中的区域位于城南的宣武、丰台和崇文3区；马清裕第一作者：谌丽（1985-），女，四川绵阳人，研究方向是城市与区域发展等。
Email:cleo_li@通讯作者：张文忠（1966-），男，内蒙古呼和浩特市人，博士，研究员。
研究方向是城市和区域发展等。
Email:zhangwz@ 网络出版时间：2011-10-25 11:04网络出版地址：/kcms/detail/11.1848.p.20111025.1104.018.html等1999年的研究发现宣武、丰台、崇文三区贫困人口与其他区相比相对较多[8]；《奥运会与北京流动人口》课题组指出在1996～2000年中由外省市来京的外来流动人口有61.9%居住在近郊区[9]。
余建辉等[10]根据大规模居民调查问卷将调查人群分为即低潜力差现状型人群、高潜力差现状型人群、高潜力中现状型人群、中潜力中现状型人群和高潜力优现状型人群，并指出低潜力差现状型人群在通州、黑庄户等街道聚集。
其他学者对上海[11]、广州[12]、南京[13]相较而言，西方地理学者对城市贫困人口的居住空间集聚现象及其后果的研究已经比较成熟，而中国地理学者对城市社会地理的研究侧重于分析城市总体社会空间结构，对城市贫困人口的研究近十年才逐渐兴起。
这些研究主要利用分街道的人口普查数据研究户籍贫困人口、流动人口或低保人口的总体空间分布特征等大城市的社会空间分异研究也纷纷表明，城市贫困人口的空间集聚正在形成，而且边缘化、郊区化的趋势明显。
[14,15,16]；部分学者在普查数据的基础上结合典型案例区小型抽样调查，分析低收入人群的社会经济特征和低收入集聚区的空间模式[8,17,18,19,20,21]。
还有一些学者从社会学[22,23]和城市规划[24]的角度梳理和阐释了城市贫困问题的产生机理。
但是，由于普查数据时效性较差，较难反映居民生活近况，而对典型区域的抽样研究又难以全面反映城市状况[25]基于上述原因，鲜有研究采用调查数据分析低收入人群在城市的空间分布演变趋势，更难以探寻低收入聚居区的内部分异特征。
事实上，由于城市贫困人口的社会经济特征不同，有困难企业职工、下岗工人、待业青年、孤寡老人以及外来务工的农民等等，其聚居的区位、环境、住房条件等也具有不同的特征。
本文试图基于2005年、2009年的大规模一手调查数据，分析低收入人群居住空间的分布特征及演变趋势，并对低收入聚居类型进行划分，以探讨具有针对性的解决城市贫困问题的方法。
论文将从以下几方面展开：首先，通过比较低收入样本和总体样本的社会经济特征勾画北京市低收入人群的概貌；其次，对比2005年和2009年低收入人群的空间分布差异，总结北京市低收入人群居住空间的分布特点和演变特征，并通过空间自相关分析，讨论北京低收入人群是否存在集聚的现象；最后，利用因子生态分析方法，根据2009年的低收入人群属性数据划分低收入人群的聚居类型。
，在一定程度上制约了城市贫困人口研究的发展。
2.数据与方法 2.1研究区域与数据课题组于2005年和2009年实施了北京市居民社会属性及居住环境调查，研究范围包括城八区内全部共129个街道和远郊区中具有代表性的回龙观、天通苑、通州新城、亦庄新城、大兴黄村五个大型居住区。
每个街道按总人口的千分之一比例分布问卷，采用等距随机抽样、方便抽样、交通控制配额抽样相结合的方法，控制调查对象为居住半年以上的居民，不包括短期停留的群体。
各发放11000份和10000份问卷，各回收有效问卷7647份和5089份，平均有效率为60.7%。
通过对调查主体的性别、年龄、区域分布等特征进行分析，结果表明样本符合控制要求，合格问卷的数量和分布结构满足抽样设计和研究要求。
与以往用于同类研究的数据相比，本样本数据作为一份多时段、全覆盖式的北京市中心城区的微观问卷数据，其独特优势在于，它包含了居民详细的收入、年龄、家庭人口、学历、住房条件等微观行为主体的属性信息。
如何从不同属性的样本中界定贫困人口还是一个备受争议的问题。
本文为了调查的便利，所指称的低收入人群根据其家庭收入来进行划分，问卷中“家庭月收入”一项的选择设置为“3000元以下”、“3000元至4999元”、“5000元至9999元”、“10000元至14999元”、“15000元至19999元”和“2万元以上”五个级别，其中家庭月收入在3000元以下被认为是低收入人群，则2005年和2009年分别获得有效的低收入样本2043份和734份，分别占总样本的26.72%和14.85%（表1）。
由于家庭月收入3000元以下的低收入人群比例降低，为了使每个基本空间单元都有充足的样本，本文对相邻的2-3个街道进行了合并，得到47个研究区域（图1）。
表1 全体样本家庭月收入特征家庭月收入2005年2009年人数(人) 有效占比(%) 人数(人) 有效占比(%)3000元以下2043 26.72 734 14.853000元-4999元2919 38.17 1406 28.455000元-9999元2087 27.29 1922 38.891-1.5万元420 5.49 639 12.93图1 北京47个研究分区的空间分布Fig.1 Spatial distribution of our survey areas in Beijing2.2研究方法2.2.1空间自相关分析方法空间自相关分析是地理学中常用的空间分析方法，包括全局自相关指数Global Moran I （GMI）和局部自相关指数Local Moran I，可以定量测度变量的空间集聚态势，识别区域经济的“热点区”的分布[26]。
本文将低收入人群在47个基本空间单元的分布比例作为观测值，利用arcgis软件，采用反距离空间准则和欧氏距离计算方法，进行全局和局部空间自相关分析。
其中全局自相关指数Global Moran I （GMI ）是对观测值空间模式的整体定量描述。
GMI 定义为：21()()()n nijijij inii w x x xx n I S x x ≠=−−=−∑∑∑ （1）式中，n 是样本总数，x i 和x j 分布是位置i 和j 处的观测值，即某一人群在本街道所占人数比例，x 是观测值x i 在所在位置的平均，W ij 是空间权重矩阵(n ×n )，S 0是空间权重矩阵W ij 在全局空间随机分布的样本中，也可能存在局部空间自相关的观测值，这一方法可用于检验局部地区是否存在相似或相异的观察值聚集在一起。
区域i 的局部莫兰指数用来度量趋于i 和它邻域的关联程度，定义为：中所有元素之和。
Global Moran I 指数处于-1到1之间，在显著水平（P 值小于0.1）下，接近1时表明具有相似的属性集聚在一起；接近-1时表示具有相异的属性集聚在一起，接近于0表示属性随机分布。
iji j I w Z Z ′=∑ （2）式中：Z i 、Z j 为观测值的标准化形式；W ij 表示空间权重矩阵的任一元素，目的是定义空间对象的相互邻接关系，便于把GIS 数据库中的相关属性数据放到所研究的地理空间上来分析对比。
在显著水平下（p 值小于0.05），当I i 为正表示一个高值被高值所包围（高—高），或者是一个低值被低值所包围（低—低）；当I i 2.2.2因子生态分析方法为负，表明一个低值被高值所包围（低—高），或者一个高值被低值所包围（高—低）。
本文的兴趣点是低收入人群集聚的区域，即高—高集聚区。
城市地理学中经常利用统计资料进行因子分析，通过综合因子的聚类来对观察对象进行分类并加以研究，多用于城市内部社会空间结构的研究和社会区的划分，可以概括性地描述城市社会现象在地域上所呈现出的复杂形式[27]尽管利用因子生态法解释城市居住空间分异受到了许多批评，例如容易受到研究变量和分析单元等因素的影响、不能阐释产生分异的原因等等。