二、分析方法

二、分析方法

目前，居住隔离的分析主要有两种方法。第一种方法是指数分析法（index-based approach），在20世纪50年代出现，能通过单一数字的测度有效衡量某个城市或地区的隔离水平。此方法具有非空间性，会出现不同地区具有相等的分异性指数值，但其中社会群体的空间分布形态却大相径庭的情况。第二种方法是原始数据法（raw data approach），由约翰斯顿及其同事开发（Johnston et al.，2007，2009），特点在于将更多地理分析纳入隔离研究中。指数分析法着重衡量不同社会群体之间分离居住的程度，原始数据法则聚焦于不同群体居住在同一社区的混合程度，并基于居民组成的混合程度对居住区进行类别划分。后一种方法不再仅仅通过考察平均水平对隔离进行分析，而是识别出多种类型的居住混合与隔离模式。此外，即便不同国家人口普查对不同群体的定义标准有所差异，这一方法也能有效地进行跨越时空的横纵向比较。

本研究采用上述两种方法从不同角度对住房改革以后上海的社会经济隔离进行考察。首先，基于原始数据法，分析上海居住混合的空间分布。研究分别根据学历水平与户籍属性两个维度，采用马尔钦恰克等提出的标准，基于社区人口社会经济特征组成比例对居住区单元［居（村）民委员会］进行分类（Marcińczak et al.，2015）。具体分类标准如表3-1与表3-2所示。在此基础上，进一步分析2000年与2010年不同类型居住区的空间分布，以对比住房改革前后居住隔离的变化。

表3-1　根据人口学历特征组成划分的社区类型

说明：高等学历水平指本科及以上学历；中等学历水平指初中、高中或职业技术学校学历；低等学历水平指小学及以下学历。

表3-2　根据人口户籍特征组成划分的社区类型

(https://www.daowen.com)

其次，我们使用传统的指数分析法来衡量社会经济隔离水平。分异指数（index of dissimilarity，ID）的计算公式如下：

上式中，b与ω分别代表在空间单位i中少数群体的人口与多数群体的人口，B与W则分别代表整个地区内少数群体总人口与多数群体总人口。分异指数ID的值域在0到1之间，分异指数为0，代表两类人群在全市完全均匀分布；分异指数为1，代表两类人群完全隔离，居住空间毫无交集。尽管此方法确实有所不足，如学者们指出的棋盘问题（White，1983）、可塑性面积单元问题（Wong，1997）等，但此方法在隔离分析中最为广泛使用，并使得我们的数据结果能与其他国内外研究进行比较。就人口变动对分异指数的影响而言，这一指标与两个群体间的相对大小无关，但对于起初几乎没有少数群体的情况是合适的。学者通常使用非加权的估计表示某个地方的平均隔离水平，而使用加权估计对探究某一少数群体的隔离经历更具参考性。考虑到本文重点不在于特定群体的隔离研究，因而我们使用非加权估计进行分析（Logan et al.，2004）。

本文的指数分析共有两个步骤。第一步，进行描述性分析，以探究上海2000年至2010年间教育隔离与户籍隔离的总体变化。本文以居委会与村委会为计算单元，分别得到整个上海市域、中心城区及郊区的分异指数。外环线作为市中心与郊区的分界，而横穿外环的街道（或镇）统一认定为属于中心城区。2000年，中心城区共含117个街道（或镇）和2797个居（村）民委员会，郊区共含254个街道（或镇）和3540个居（村）民委员会。2010年，中心城区包含105个街道（或镇）和2701个居（村）民委员会，郊区范围内包含125个街道（或镇）和2731个居（村）民委员会。

第二步，考察居住隔离的空间不均衡性。通过居民委员会（或村民委员会）数据得到每一街道或乡镇的分异指数。根据利希特尔等人的研究，与邻里社区相比，相互竞争的地方或行政单元通过特定地方经济与人口发展过程，是影响居住隔离方面更为关键的空间尺度（Lichter et al.，2015）。在中国，乡级行政区（街道或乡镇）是最小行政单元，受到地方政府的财政预算支持（Li & Wu，2008）。因此，研究采用街道或乡镇的分异指数为因变量，进一步进行多元变量分析。

遵循已有研究惯例（Massey & Denton，1989；Iceland &Sharp，2013），本文采用面板数据混合估计模型来检验居住分异在不同时期、空间及群体间是否存在显著差异。研究将2000年和2010年所有街道（或乡镇）单元的教育和户籍两个维度的分异指数混合。通过设置年份虚拟变量（2000年与2010年）分析居住隔离随时间变化的趋势，设置区位虚拟变量（中心城区与郊区）分析居住隔离的空间差异，设置居住隔离维度虚拟变量（教育水平与户籍地）比较两个维度的相对重要性。同时，回归分析分别从全市、中心城区、郊区三个尺度以及2000年与2010年两个节点展开。