分析方法与变量

研究分两步进行。第一步，利用空间统计分析，识别境外人口的空间模式与集聚程度。这一分析分别在全市街镇、浦东村居两个尺度展开。首先，利用ArcGIS软件，基于G*统计量进行热点分析，识别具有统计显著性的高值（热点）和低值（冷点）的境外人口空间聚类（Clusters）。这一方法的Gi*计算公式如下：

其中，以上公式中，xj是第j个空间单元（街镇或村居）中境外人口占其总数的百分比。是所有空间单元境外人口占其总数的平均百分比。wi，j是单元i和单元j之间的空间接近权重，如果j在i的距离阈值范围d内，则编码为1；否则，为0（本研究距离阈值d为系统默认值）。n是空间单元的总数。每个空间单元的G*值即z得分。若具有统计显著性的正值z得分，则该单元及其邻近单元境外人口比例显著高于全区域的平均水平，为统计学意义上的热点；z值越高，高值聚类越紧密。若具有统计显著性的负值z得分，则该单元及其邻近单元境外人口比例显著低于全区域的平均水平，为统计学意义上的冷点；z值越低，低值聚类越紧密。

利用分异指数（Index of Dissimilarity）测量境外人口与境内人口空间分布差异，反映境外人口的空间集聚水平。其计算公式如下：(https://www.daowen.com)

其中，xi为空间单元i中境外人口数，X为境外人口总数；yi为空间单元i中境外人口数，Y为境外人口总数；k为空间单元总数。ID取值从0到100变化，ID越大，表明两个群体的空间分布差异越大（Massey & Denton，1988）。

第二步，利用回归分析方法研究影响境外人口的集聚因素。这一分析利用浦东新区村居尺度数据，构建两个回归模型：一是以境外人口的相对集聚水平为因变量进行OLS回归分析；二是村居单元是否为境外人口集聚区作为因变量（是=1，否=0）进行逻辑回归分析。研究的关键自变量为政府作用，将其操作化为3个指标，即该村居单元是否为政府规划建设的“国际社区”，以及是否在国际学校和国际医院（诊所）1公里覆盖范围内。后两个指标基于浦东新区国际学校和国际医院（诊所）分布，在ArcGIS软件中进行缓冲分析获得。

控制自变量以既有文献为依据，包含3类影响城市移民人口居住选择的因素。第一类因素是跨国社会关系，即移民在城市最初“落脚”地，往往与亲缘或地缘社会关系有关。同时，移民通过居住在较为成熟的移民社区，获得扎根城市的社会资本（Portes，1998）。本研究将该因素操作化为该空间单元是否为政策性外销房（在沪境外人口在放松管制前的合法居住地）。第二类因素是就业机会。对于全球城市而言，日益增长的高技术和低技术岗位的分布可能对国际移民居住地选择有重要影响（Sassen，1991；Bonacich et al.，2000）。模型中包含3个指标，即村居单元中不同类型单位数量（企业、政府及其他组织）、主要行业单位数量（制造业、金融、房地产）、境外企业数量（外资企业、港澳台企业）。相关数据来源为2013年第三次经济普查的数据。第三类因素是住房市场。考虑到上海市境外人员以较高教育水平的专业人士为主，假设该群体倾向于选择社会经济地位较高、居住环境较好的社区，而非既有文献中常见的廉价或非正规住房社区。这一因素操作化为2个指标，即村居单元人口受教育水平（大专以上学历人口占比）与平均租金水平（月租金大于3000元人民币/月住房比例）。相关数据来源为2010年第六次人口普查的数据。