2019.04:北京居民职住分离对生活满意度的影响*

来源:国家统计局科学研究所发布时间:2019-05-06 09:23

王琪延 曹 倩 高 旺

 

  内容摘要:文章运用Ordered Probit模型和Ordered Logit模型分析了职住分离对北京居民生活满意度的影响,并运用双变量空间自相关法测算了两者的空间相关特征。研究发现,职住分离对北京居民生活满意度有显著负影响,城区居民受影响程度大于城郊居民。女性、低年龄、单身群体的生活满意度受职住分离的影响更为显著。从空间来看,生活满意度与职住分离存在显著空间负相关关系,主要有高—低和低—高两种表现形式。从地理位置来看,呈高—低负相关的区域多分布在北京东部;呈现低—高负相关的区域多分布在北京西部。

 

  关键词:职住分离;生活满意度;Ordered Probit模型;Ordered Logit模型;空间自相关

  中图分类号:C913.9  文献标识码:A  文章编号:1004-7794201904-0019-06

  DOI: 10.13778/j.cnki.11-3705/c.2019.04.003

 

  一、引言

 

  随着城市化水平的提高以及外来人口压力的不断增大,北京市城市空间不断扩张,建成区面积从2000年的488平方公里增加到2016年的1420平方公里。城市规模的扩大使得居民可以选择在经济发达、工作机会较多的区域工作,在生活成本较低的区域居住,这使得北京市居民职住分离。职住分离不仅会增加居民的通勤时间,还会引发交通拥挤、社会隔离等问题[1]。探讨职住分离对北京居民生活满意度的影响,对了解北京居民职住分离情况以及相关政策的制定与实施具有重要参考作用。

 

  二、文献综述

 

  (一)职住分离的测算方法

 

  关于职住分离的测量方法,目前主要有基于职住人口、基于职住用地和基于通勤交通3种方法[2]。第一种基于职住人口,是用在一定地域范围内工作与居住的人数之比衡量职住分离。Cervero1989)认为,比值在0.8~1.2之内,该区域是职住平衡的,不存在职住分离[3]。第二种基于职住用地,是用居住用地与产业用地两者之比衡量职住分离。第三种基于通勤交通,是用通勤时间或距离来衡量职住分离。

 

  (二)北京居民职住分离情况

 

  根据城市空间结构理论,城市可分为同心圆模式、扇形模式和多核心模式[4]。随着城市化进程的快速发展,城市空间结构逐渐复杂,其职住空间问题如职住分离受到学术界的广泛关注。北京市是我国的首都,特大城市之一,其职住分离情况受到学者们的高度关注。柴彦威等(2017)利用北京城市806份通勤样本的调查数据,发现市场的力量和个体偏好对北京居民职住分离的影响逐渐突显,单位制度对城市空间结构的影响仍然存在[5]。魏海涛等(2017)基于北京交通发展研究中心在2013年实施的关于家庭居民交通行为的调查数据,发现北京居民平均通勤时间和距离分别为40.67分钟和9523.79米,平均职住比为0.572,形成居民职住分离的重要原因是就业人口与常住人口的空间分布差异[6]。张艳等(2018)基于北京市9个中低收入社区的600份样本调查数据,发现计划经济下再分配制度的残留与路径依赖和城市空间的结构性调整对转型期的城市中低收入者的职住关系影响显著[7]

 

  (三)职住分离对生活满意度的影响

 

  Dickerson et al2014)认为职住分离会使人们的工作和休息的时间缩短,降低了生活满意度和幸福感[8]Christian2012)基于美国时代调查数据,发现职住分离易造成大气污染,影响居民的健康,进而降低居民的主观幸福感[9]Martin et al2014)认为职住分离会使通勤者身心俱疲,降低居民的主观幸福感[10]。从通勤交通的角度,Stutzer et al2008)发现,德国员工的通勤时间对其生活满意度有负影响[11]Roberts et al2011)发现与男性相比,女性幸福感受通勤时间的负影响更大[12]。吴伟炯(2017)通过对广州市白领的追踪调查,发现未婚员工的通勤时间对生活满意度有负影响,已婚员工的通勤时间对生活满意度有曲线影响[13]

 

  三、数据来源与研究方法

 

  (一)数据来源与处理

 

数据来源于2017年中国人民大学休闲经济研究中心对北京居民进行的问卷调查,问卷为自填式结构问卷,由被调查者亲自填写,内容真实有效。问卷调查了居民的个人基本信息、生活、家庭和工作情况。个人基本情况包括性别、年龄等;生活情况包括居住所在区、生活满意度;家庭情况包括家庭有无照料的人;工作情况包括周就业时间、工作所在区、平均通勤时间(双程)等。在保证有效、科学的情况下,从中抽取1430份有业者的问卷,具体的样本结构如表1所示。

 

  (二)研究方法

 

  1.Ordered Probit模型和Ordered Logit模型。

 

  调查数据中的因变量生活满意度为有序离散型变量,不宜使用OLS回归。Ordered Probit模型(OP模型)和Ordered Logit模型(OL模型)是用来分析有序离散型变量的两种重要方法,因此分别建立OP模型和OL模型进行分析。生活满意度c*的影响因素方程的一般形式如下:

 

   1

 

  式(1)中,N为样本量,是影响因变量c*的一组观测值;为未知系数,为误差项。无法观测的潜在变量,与可观测变量ci的关系如下:

 

            2

 

  

式(2)中,为不同生活满意度的阈值,V=7

1       样本结构

变量

变量赋值

均值

标准差

最小值

最大值

生活满意度

1=非常不满意;2=不满意;3=不太满意;4=一般;5=大体满意;6=满意;
7=
非常满意;

4.27

1.40

1

7

平均通勤时间(小时)

1=12=1~23=2~34=3

1.77

0.87

1

4

性别

0=女;1=

0.45

0.50

0

1

年龄(岁)

1=192=20~243=25~294=30~395=40~496=50

3.36

1.20

1

6

婚姻状况

0=单身;1=已婚

0.48

0.50

0

1

受教育程度

1=小学及没上过学;2=初中;3=高中;4=大学;5=研究生

3.73

0.74

1

5

家庭有无照料的人

0=无;1=有(在外);2=有(在家)

0.66

0.87

0

2

周就业时间(小时)

1=152=15~343=35~424=43~485=49~596=60

2.80

1.05

1

6

居住区

1=东城区;2=西城区;3=海淀区;4=朝阳区;5=石景山区;6=丰台区;
7=
大兴区;8=通州区;9=门头沟区;10=密云区;11=房山区;12=昌平区;
13=
顺义区;14=平谷区;15=怀柔区;16=延庆区

5.82

3.57

1

16

工作区

同上

4.75

3.09

1

16

 

  假设服从于标准正态分布,模型为OP模型,具体形式如下:

            (3

 

 

  假设服从于逻辑分布,模型为OL模型,具体形式如下:

             4

 

 

  两个模型的基本思路相同,但误差项的假设不同,同时使用两个模型进行分析可以更好地检验分析结果的稳定性。

 

  2.双变量空间自相关法。

 

  采用双变量空间自相关法探讨职住分离与生活满意度的空间特征。空间自相关分为全局空间自相关和局部空间自相关,前者是用来描述整个研究区域中所有要素之间的显著性、平均关联程度和空间分布模式;后者是用于识别不同空间单元上可能存在的空间关联模式,以反映要素的空间集聚和分异特征[14]。常用Morans I指数描述全局空间自相关,计算公式为:

 

           5

 

 

常用Local Moran’s I指数描述局部空间自相关,计算公式为:

 

 

                6

 

 

式(5)、式(6)中,zizj分别表示单元a和单元b的属性值,n是空间单元数量,Wij是邻接单元ij的权重阵,其形式如下:

                  7

 

为反映多个变量之间的空间相关性,Anselin2002)在Moran’s I指数的基础上进一步拓展了双变量空间自相关[15],具体公式为:

               8

 

 

  式(8)中,是空间单元a的属性k的值,是空间单元b的属性m的值,分别为属性k的平均值和方差,分别为属性m的平均值和方差。

 

  四、实证分析

 

  (一)职住分离对生活满意度的描述分析

 

  2017年北京居民的平均生活满意度为4.27,处于一般水平以上;双程平均通勤时间为1.77小时,通勤时间较长。以通勤时间衡量居民的职住分离情况可以得出,随着通勤时间的增加,职住分离程度不断加重,居民的生活满意度持续下降。对两者进行Spearman相关分析,得到相关系数为–0.092,在1%水平上显著,说明两者具有显著负相关关系。

 

  (二)职住分离对生活满意度的影响分析

 

   选择性别、年龄等人口学变量、家庭情况变量以及工作情况变量为控制变量,和用EViews10分析软件,运用OP模型和OL模型分析职住分离对生活满意度的影响,具体结果如表2所示。职住分离对全体、城区和城郊居民的生活满意度的影响在统计上均显著为负,说明职住分离程度越严重,居民生活满意度越低。从OL模型来看,三者职住分离的OL估计系数分别为–0.163、–0.133和–0.215,将其取自然指数得到exp(–0.163=0.850exp(–0.133=0.875exp(–0.215=0.807。这说明在其他条件一样的情况下,职住分离每增加1个单位,三者的生活满意度降低1个单位的概率分别增加85.0%87.5%80.7%。可以看出,城区居民生活满意度受职住分离的负影响强于城郊居民。两种方法结果接近,而且各个模型的似然比统计量均通过检验,表明这些模型总体上可信。

 

    进一步进行职住分离对生活满意度的影响的异质性分析。把样本分别按性别、年龄、婚姻状况分类,对男性、女性、低年龄(39岁及以下)、高年龄(40岁及以上)、单身(未婚、离异、丧偶)、已婚的群体进行模型分析。由于Logit模型更好解释,在许多极端观测分布时优于Probit模型[16],只用OL模型进行异质性分析,结果如表3所示。分性别来看,职住分离对女性生活满意度有显著负影响,对男性生活满意度无显著影响。受传统观念的影响,女性比男性更顾家,她们倾向于就近择业,对职住分离的容忍度较小。分年龄来看,职住分离对低年龄群体的生活满意度有显著负影响,对高年龄群体无显著影响。相较于低年龄群体,高年龄群体工作较稳定、收入较高,有车的比例高,职住分离对他们生活满意度的影响较小。分婚姻状况来看,职住分离对单身群体的生活满意度有显著负影响,对已婚群体无显著影响。各模型的似然比统计量均通过检验,可知这些模型总体上可信。

 

  (三)职住分离与生活满意度空间相关特征

 

  1.各区职住分离与生活满意度情况。

 

  笔者分别用职住比和平均通勤时间来测算北京各区的职住分离程度。各区职信比=本区工作人数/本区居住人数。不同职住比表现为不同形式的职住分离。北京市各区职住分离与生活满意度情况如图1所示。由图1可见,从生活满意度来看,城区居民的生活满意度相差较小,城郊居民则差异明显。从职住比来看,城区职住比较高,城郊职住比较低,即城区工作人数多于居住人数,城郊相反。从平均通勤时间来看,各区平均通勤时间较长,城郊居民的平均通勤时间高于城区居民。可以看出,北京居民的职住分离已经形成,主要表现为居民在城郊居住,在城区工作。不同区的职住分离存在明显差异,首都功能核心区和城市功能拓展区主要表现为在本区工作人数远大于居住人数,居民平均通勤时间较短;城市发展新区和生态涵养发展区则相反,主要表现为在本区工作人数远小于居住人数,居民平均通勤时间长。从地理位置来看,西部地区职住比较低,通勤时间较长,东部地区相反。

 

2       职住分离对生活满意度的影响

影响因素

总体

城区

城郊

OP

OL

OP

OL

OP

OL

职住分离

平均通勤时间

–0.092***

–0.163***

–0.072*

–0.133**

–0.133**

–0.215**

控制变量

性别

–0.049

–0.087

–0.020

–0.040

–0.106

–0.160

年龄

0.010

0.009

0.062*

0.092

–0.114**

–0.189**

婚姻状况

0.130*

0.224*

0.114

0.237

0.175

0.224

受教育程度

–0.088**

–0.137**

–0.044

–0.069

–0.184***

–0.289**

家庭有无照料的人

–0.080**

–0.133**

–0.125***

–0.217***

0.013

0.043

周就业时间

–0.070***

–0.111**

–0.083**

–0.132**

–0.050

–0.088

N

1430

1430

976

976

454

454

R2

0.008

0.007

0.010

0.010

0.014

0.012

LR statistic

38.100

33.600

35.090

32.737

21.466

18.303

ProbLR statistic

0.000

0.000

0.000

0.000

0.003

0.011

注:******分别表示在10%5%1%水平上显著。

 

3       职住分离对生活满意度影响的异质性分析

影响因素

低年龄

高年龄

单身

已婚

职住分离

通勤时间

–0.129

–0.183**

–0.156***

–0.166

–0.171**

–0.113

控制变量

性别

-

-

–0.110

–0.127

0.188

–0.456***

年龄

0.005

0.040

-

-

–0.228***

0.215***

婚姻状况

–0.040

0.421***

0.086

1.023*

-

-

受教育程度

–0.182*

–0.079

–0.027

–0.203*

–0.064

–0.075

家庭有无照料的人

–0.179**

–0.095

–0.094

–0.291*

0.022

–0.274***

周就业时间

–0.104

–0.110

–0.086*

–0.171

–0.166**

–0.020

N

650

780

1227

203

749

681

R2

0.007

0.009

0.004

0.015

0.009

0.017

LR statistic

16.444

24.882

16.010

12.395

23.646

39.692

ProbLR statistic

0.012

0.000

0.014

0.054

0.001

0.000

注:******分别表示在10%5%1%水平上显著。

 

王琪延 图2

                           1 北京市各区职住分离与生活满意度情况

 

  2.双变量全局空间自相关。

 

  从空间角度探讨职住分离与生活满意度的关系。采用GeoDa建立空间权重矩阵,进行生活满意度与职住分离程度的双变量全局空间自相关分析。一方面,由于用职住比来衡量职住分离表现的不是线性关系,因此根据职住比将职住分离定义为二分变量,参考前人经验,当该区职住比在0.8~1.2之间时,认为该区不存在职住分离,记为0,否则记为1。另一方面,为统一比较,根据平均通勤时间将职住分离定义为二分变量,由于不同城市居民对通勤时间的长短的感知不同,不能用一个绝对值如45分钟来统一衡量多个地区的职住分离,因此选择平均值这一相对值为临界点,即当该区居民平均通勤时间小于北京居民平均通勤时间时,则认为该区不存在职住分离,记为0,否则记为1。经测算,按职住比来看,两者的Morans I指数为–0.258,在95%的置信度下显著;按通勤时间来看,两者的Morans I指数为–0.248,在95%的置信度下显著。Morans I指数的数学期望E[I]为–0.067。两者的结果接近,可以说,生活满意度与职住分离程度存在显著地空间负相关性。

 

  3.双变量局部空间自相关。

 

  在z检验的基础上(p=0.05),绘制双变量LISA聚集图,对两者进行双变量局部空间自相关。如图2所示,两变量存在显著负相关关系,主要有高—低负相关和低—高负相关两种表现形式。

 

  在首都功能核心区中,按通勤时间,东城区、西城区生活满意度与职住分离程度均表现为高—低负相关。在城市功能拓展区中,按职住比,石景山区生活满意度与职住分离程度表现为低—高负相关。在城市发展新区中,按职住比,通州区生活满意度与职住分离程度表现为高—低负相关;按通勤时间,房山区生活满意度与职住分离程度表现为低—高负相关。在生态涵养发展区中,按职住比,怀柔区、平谷区生活满意度与职住分离程度表现为高—低负相关,延庆区生活满意度与职住分离程度表现为低—高负相关;按通勤时间,平谷区生活满意度与职住分离程度表现为高—低负相关,延庆区生活满意度与职住分离程度表现为低—高负相关。整体来看,生活满意度与职住分离呈高—低负相关的区域分布在北京东部,呈现低—高负相关的区域分布在北京西部。北京市西部地区群山环绕,东部多是平原地区,而且东部地区经济发展水平明显高于西部地区,综合因素的结果使得北京西部地区居民平均通勤时间较长,职住比过低,职住分离程度较高。过长的通勤时间耗费了居民更多的精力和体力,降低了居民的生活满意度;北京东部地区居民平均通勤时间较短,职住比更为合适,职住分离程度较低,居民有更多的时间用于工作和休闲娱乐,生活满意度较高。

 

王琪延 图3

                           2 生活满意度与职住分离的局部空间自相关

 

  五、结论及建议

 

  文章分析了职住分离对北京居民生活满意度的影响,并探讨了两者的空间相关关系。研究发现,北京居民的职住分离已经形成,主要表现为在城区工作、在城郊居住。职住分离对北京居民生活满意度有显著负影响,城区、女性、低年龄、单身群体的生活满意度受职住分离的影响更为显著。生活满意度与职住分离具有显著的空间负相关性,在北京东部呈高—低负相关,在西部则相反。

 

  为降低居民职住分离程度,提高其生活满意度,满足其对美好生活的需要,针对北京居民的职住空间结构,提出以下3点建议。第一,加快产城融合,科学规划居住区、商业区、产业园区的布局,优化城市空间结构,平衡各区的就业和居住功能,降低其职住比。第二,扩建地铁,新增公交车线路,建立完善的交通系统,重点提高西部山区公共交通承载能力。第三,疏解首都功能核心区功能,降低其职住比;加快城市发展新区与生态涵养发展区的经济发展,吸引居民就地工作,提高其职住比,缓和各区职住分离情况。

 

注释

*基金项目:国家社会科学基金重点项目促进中国休闲产业转型升级研究(项目编号:17ATJ003)。

 

参考文献

  宋金平,王恩儒, 张文新, 等. 北京住宅郊区化与就业空间错位[J]. 地理学报, 20074: 387-396.

  任媛,赵晓萍, 钟少颖. 大城市职住分离的理论阐释与平衡路径——基于文献的评论[J]. 经济体制改革, 20181: 53-58.

  Cevero R. The Jobs-Housing Balance and Regional Mobility[J]. Journal of the American Planning Association 1989 55: 136-150.

  顾朝林,刘佳燕. 城市社会学[M]. 2. 北京: 清华大学出版社, 2013.

  柴彦威,张艳, 刘志林. 职住分离的空间差异性及其影响因素研究[J]. 地理学报, 2011 662: 157-166.

  魏海涛,赵晖, 肖天聪. 北京市职住分离及其影响因素分析[J]. 城市发展研究, 2017 244: 43-51.

  张艳,刘志林. 市场转型背景下北京市中低收入居民的住房机会与职住分离研究[J]. 地理科学, 2018 381: 11-19.

  Dickerson A Hole A R Munford L A. The Relationship between Well-Being and Commuting Revisited: Does the Choice of Methodology Matter.[J]. Regional Science and Urban Economics 2014 495: 321-329.

  Christian T. Trade-offs between Commuting Time and Health-Related Activities[J]. Journal of Urban Health 2012 895: 746-757.

  Martin A Goryakin Y Suhrcke M. Does Active Commuting Improve Psychological Well-Being. Longitudinal Evidence from Eighteen Waves of the British Household Panel Survey[J]. Preventive Medicine 2014 6912: 296-303.

  Stutzer A Frey B S. Stress that doesnʹt Pay: the Commuting Paradox[J]. The Scandinavian Journal of Economics 2008 1102: 339-366.

  Roberts J Hodgson R Dolan P. “Itʹs Driving her Mad: Gender Differences in the Effects of Commuting on Psychological Health[J]. Journal of Health Economics 2011 305: 1064-1076.

  吴伟炯. 破解“通勤悖论”: 通勤时间如何影响幸福感[J]. 心理学报, 2017 4911: 1449-1459.

  Anselin L. The Local Indicators of Spatial Association—LISA[J]. Geographical Analysis 1995 272: 93-115.

  Anselin L Syabri I Smirnov O. Visualizing Multivariate Spatial Correlation with Dynamically linked Windows[C]// Anselin L Rey S. New Tools for Spatial Data Analysis: Proceedings of the Specialist Meeting. Santa Barbara University of California 2002.

  廖福挺. 解释概率模型: LogitProbit以及其他广义线性模型[M]. 周穆之, 译. 上海: 上海人民出版社, 2015.

 

  作者简介:

  王琪延,男,1959年生,河北衡水人,1999年毕业于中国人民大学统计学院,获经济学博士学位,现为中国人民大学休闲经济研究中心主任、教授,中国人民大学统计学院博士生导师,研究方向为经济统计。

  曹倩,女,1991年生,江苏徐州人,2016年毕业于常州大学商学院,获管理学硕士学位,现为中国人民大学统计学院在读博士研究生,研究方向为经济统计。

  高旺,男,1987年生,河北石家庄人,2015年毕业于中南大学数学与统计学院,获理学硕士学位,现为中国人民大学统计学院在读博士研究生,研究方向为应用统计。

 

  (责任编辑: 孙娜娜)

 

相关附件
相关文章
  • 联系我们
  • 服务条款
  • 网站地图
  • 微观数据申请
  • wgsjsys@stats.gov.cn
  • 中国统计资料馆
  • 数据咨询电话:
  • 010-68576320
版权所有:国家统计局
地址:北京市西城区月坛南街57号(100826)
京ICP备05034670号   网站标识码bm36000002   联系方式:010-68783311