2019.04:北京居民職住分離對生活滿意度的影響*

王琪延　曹　倩　高　旺

 

　　內容摘要：文章運用Ordered Probit模型和Ordered Logit模型分析了職住分離對北京居民生活滿意度的影響，並運用雙變量空間自相關法測算了兩者的空間相關特徵。研究發現，職住分離對北京居民生活滿意度有顯著負影響，城區居民受影響程度大於城郊居民。女性、低年齡、單身群體的生活滿意度受職住分離的影響更為顯著。從空間來看，生活滿意度與職住分離存在顯著空間負相關關係，主要有高—低和低—高兩種表現形式。從地理位置來看，呈高—低負相關的區域多分布在北京東部；呈現低—高負相關的區域多分布在北京西部。

 

　　關鍵詞：職住分離；生活滿意度；Ordered Probit模型；Ordered Logit模型；空間自相關

　　中圖分類號：C913.9　　文獻標識碼：A　　文章編號：1004-7794（2019）04-0019-06

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

 

　　一、引言

 

　　隨著城市化水平的提高以及外來人口壓力的不斷增大，北京市城市空間不斷擴張，建成區面積從2000年的488平方公裡增加到2016年的1420平方公裡。城市規模的擴大使得居民可以選擇在經濟發達、工作機會較多的區域工作，在生活成本較低的區域居住，這使得北京市居民職住分離。職住分離不僅會增加居民的通勤時間，還會引發交通擁擠、社會隔離等問題[1]。探討職住分離對北京居民生活滿意度的影響，對了解北京居民職住分離情況以及相關政策的制定與實施具有重要參考作用。

 

　　二、文獻綜述

 

　　（一）職住分離的測算方法

 

　　關於職住分離的測量方法，目前主要有基於職住人口、基於職住用地和基於通勤交通3種方法[2]。第一種基於職住人口，是用在一定地域範圍內工作與居住的人數之比衡量職住分離。Cervero（1989）認為，比值在0.8~1.2之內，該區域是職住平衡的，不存在職住分離[3]。第二種基於職住用地，是用居住用地與產業用地兩者之比衡量職住分離。第三種基於通勤交通，是用通勤時間或距離來衡量職住分離。

 

　　（二）北京居民職住分離情況

 

　　根據城市空間結構理論，城市可分為同心圓模式、扇形模式和多核心模式[4]。隨著城市化進程的快速發展，城市空間結構逐漸複雜，其職住空間問題如職住分離受到學術界的廣泛關注。北京市是我國的首都，特大城市之一，其職住分離情況受到學者們的高度關注。柴彥威等（2017）利用北京城市806份通勤樣本的調查數據，發現市場的力量和個體偏好對北京居民職住分離的影響逐漸突顯，單位制度對城市空間結構的影響仍然存在[5]。魏海濤等（2017）基於北京交通發展研究中心在2013年實施的關於家庭居民交通行為的調查數據，發現北京居民平均通勤時間和距離分別為40.67分鐘和9523.79米，平均職住比為0.572，形成居民職住分離的重要原因是就業人口與常住人口的空間分布差異[6]。張豔等（2018）基於北京市9個中低收入社區的600份樣本調查數據，發現計劃經濟下再分配製度的殘留與路徑依賴和城市空間的結構性調整對轉型期的城市中低收入者的職住關係影響顯著[7]。

 

　　（三）職住分離對生活滿意度的影響

 

　　Dickerson et al（2014）認為職住分離會使人們的工作和休息的時間縮短，降低了生活滿意度和幸福感[8]。Christian（2012）基於美國時代調查數據，發現職住分離易造成大氣汙染，影響居民的健康，進而降低居民的主觀幸福感[9]。Martin et al（2014）認為職住分離會使通勤者身心俱疲，降低居民的主觀幸福感[10]。從通勤交通的角度，Stutzer et al（2008）發現，德國員工的通勤時間對其生活滿意度有負影響[11]。Roberts et al（2011）發現與男性相比，女性幸福感受通勤時間的負影響更大[12]。吳偉炯（2017）通過對廣州市白領的追蹤調查，發現未婚員工的通勤時間對生活滿意度有負影響，已婚員工的通勤時間對生活滿意度有曲線影響[13]。

 

　　三、數據來源與研究方法

 

　　（一）數據來源與處理

 

數據來源於2017年中國人民大學休閒經濟研究中心對北京居民進行的問卷調查，問卷為自填式結構問卷，由被調查者親自填寫，內容真實有效。問卷調查了居民的個人基本信息、生活、家庭和工作情況。個人基本情況包括性別、年齡等；生活情況包括居住所在區、生活滿意度；家庭情況包括家庭有無照料的人；工作情況包括周就業時間、工作所在區、平均通勤時間（雙程）等。在保證有效、科學的情況下，從中抽取1430份有業者的問卷，具體的樣本結構如表1所示。

 

　　（二）研究方法

 

　　1.Ordered Probit模型和Ordered Logit模型。

 

　　調查數據中的因變量生活滿意度為有序離散型變量，不宜使用OLS回歸。Ordered Probit模型（OP模型）和Ordered Logit模型（OL模型）是用來分析有序離散型變量的兩種重要方法，因此分別建立OP模型和OL模型進行分析。生活滿意度c*的影響因素方程的一般形式如下：

 

　　 （1）

 

　　式（1）中，，N為樣本量，是影響因變量c^*的一組觀測值；為未知係數，為誤差項。是無法觀測的潛在變量，與可觀測變量c_i的關係如下：

 

　　          （2）

 

　　

式（2）中，為不同生活滿意度的閾值，，V=7。

表1       樣本結構

變量	變量賦值	均值	標準差	最小值	最大值
生活滿意度	1=非常不滿意；2=不滿意；3=不太滿意；4=一般；5=大體滿意；6=滿意； 7=非常滿意；	4.27	1.40	1	7
平均通勤時間（小時）	1=≤1；2=1~2；3=2~3；4=≥3	1.77	0.87	1	4
性別	0=女；1=男	0.45	0.50	0	1
年齡（歲）	1=≤19；2=20~24；3=25~29；4=30~39；5=40~49；6=≥50	3.36	1.20	1	6
婚姻狀況	0=單身；1=已婚	0.48	0.50	0	1
受教育程度	1=小學及沒上過學；2=初中；3=高中；4=大學；5=研究生	3.73	0.74	1	5
家庭有無照料的人	0=無；1=有（在外）；2=有（在家）	0.66	0.87	0	2
周就業時間（小時）	1=≤15；2=15~34；3=35~42；4=43~48；5=49~59；6=≥60	2.80	1.05	1	6
居住區	1=東城區；2=西城區；3=海澱區；4=朝陽區；5=石景山區；6=豐臺區； 7=大興區；8=通州區；9=門頭溝區；10=密雲區；11=房山區；12=昌平區； 13=順義區；14=平谷區；15=懷柔區；16=延慶區	5.82	3.57	1	16
工作區	同上	4.75	3.09	1	16

 

　　假設服從於標準正態分布，模型為OP模型，具體形式如下：

　          　（3）

 

 

　　假設服從於邏輯分布，模型為OL模型，具體形式如下：

　          　 （4）

 

 

　　兩個模型的基本思路相同，但誤差項的假設不同，同時使用兩個模型進行分析可以更好地檢驗分析結果的穩定性。

 

　　2.雙變量空間自相關法。

 

　　採用雙變量空間自相關法探討職住分離與生活滿意度的空間特徵。空間自相關分為全局空間自相關和局部空間自相關，前者是用來描述整個研究區域中所有要素之間的顯著性、平均關聯程度和空間分布模式；後者是用於識別不同空間單元上可能存在的空間關聯模式，以反映要素的空間集聚和分異特徵[14]。常用Moran』s I指數描述全局空間自相關，計算公式為：

 

　　         （5）

 

 

常用Local Moran’s I指數描述局部空間自相關，計算公式為:

 

 

　        　      （6）

 

 

式（5）、式（6）中，，z_i和z_j分別表示單元a和單元b的屬性值，n是空間單元數量，W_ij是鄰接單元i和j的權重陣，其形式如下：

　　                （7）

 

為反映多個變量之間的空間相關性，Anselin（2002）在Moran’s I指數的基礎上進一步拓展了雙變量空間自相關^[15]，具體公式為:

　         　    （8）

 

 

　　式（8）中，是空間單元a的屬性k的值，是空間單元b的屬性m的值，和分別為屬性k的平均值和方差，和分別為屬性m的平均值和方差。

 

　　四、實證分析

 

　　（一）職住分離對生活滿意度的描述分析

 

　　2017年北京居民的平均生活滿意度為4.27，處於一般水平以上；雙程平均通勤時間為1.77小時，通勤時間較長。以通勤時間衡量居民的職住分離情況可以得出，隨著通勤時間的增加，職住分離程度不斷加重，居民的生活滿意度持續下降。對兩者進行Spearman相關分析，得到相關係數為–0.092，在1%水平上顯著，說明兩者具有顯著負相關關係。

 

　　（二）職住分離對生活滿意度的影響分析

 

   選擇性別、年齡等人口學變量、家庭情況變量以及工作情況變量為控制變量，和用EViews10分析軟體，運用OP模型和OL模型分析職住分離對生活滿意度的影響，具體結果如表2所示。職住分離對全體、城區和城郊居民的生活滿意度的影響在統計上均顯著為負，說明職住分離程度越嚴重，居民生活滿意度越低。從OL模型來看，三者職住分離的OL估計係數分別為–0.163、–0.133和–0.215，將其取自然指數得到exp（–0.163）=0.850，exp（–0.133）=0.875，exp（–0.215）=0.807。這說明在其他條件一樣的情況下，職住分離每增加1個單位，三者的生活滿意度降低1個單位的概率分別增加85.0%、87.5%和80.7%。可以看出，城區居民生活滿意度受職住分離的負影響強於城郊居民。兩種方法結果接近，而且各個模型的似然比統計量均通過檢驗，表明這些模型總體上可信。

 

    進一步進行職住分離對生活滿意度的影響的異質性分析。把樣本分別按性別、年齡、婚姻狀況分類，對男性、女性、低年齡（39歲及以下）、高年齡（40歲及以上）、單身（未婚、離異、喪偶）、已婚的群體進行模型分析。由於Logit模型更好解釋，在許多極端觀測分布時優於Probit模型[16]，只用OL模型進行異質性分析，結果如表3所示。分性別來看，職住分離對女性生活滿意度有顯著負影響，對男性生活滿意度無顯著影響。受傳統觀念的影響，女性比男性更顧家，她們傾向於就近擇業，對職住分離的容忍度較小。分年齡來看，職住分離對低年齡群體的生活滿意度有顯著負影響，對高年齡群體無顯著影響。相較於低年齡群體，高年齡群體工作較穩定、收入較高，有車的比例高，職住分離對他們生活滿意度的影響較小。分婚姻狀況來看，職住分離對單身群體的生活滿意度有顯著負影響，對已婚群體無顯著影響。各模型的似然比統計量均通過檢驗，可知這些模型總體上可信。

 

　　（三）職住分離與生活滿意度空間相關特徵

 

　　1.各區職住分離與生活滿意度情況。

 

　　筆者分別用職住比和平均通勤時間來測算北京各區的職住分離程度。各區職信比=本區工作人數/本區居住人數。不同職住比表現為不同形式的職住分離。北京市各區職住分離與生活滿意度情況如圖1所示。由圖1可見，從生活滿意度來看，城區居民的生活滿意度相差較小，城郊居民則差異明顯。從職住比來看，城區職住比較高，城郊職住比較低，即城區工作人數多於居住人數，城郊相反。從平均通勤時間來看，各區平均通勤時間較長，城郊居民的平均通勤時間高於城區居民。可以看出，北京居民的職住分離已經形成，主要表現為居民在城郊居住，在城區工作。不同區的職住分離存在明顯差異，首都功能核心區和城市功能拓展區主要表現為在本區工作人數遠大於居住人數，居民平均通勤時間較短；城市發展新區和生態涵養發展區則相反，主要表現為在本區工作人數遠小於居住人數，居民平均通勤時間長。從地理位置來看，西部地區職住比較低，通勤時間較長，東部地區相反。

 

表2       職住分離對生活滿意度的影響

影響因素		總體		城區		城郊
		OP	OL	OP	OL	OP	OL
職住分離	平均通勤時間	–0.092***	–0.163***	–0.072*	–0.133**	–0.133**	–0.215**
控制變量	性別	–0.049	–0.087	–0.020	–0.040	–0.106	–0.160
	年齡	0.010	0.009	0.062*	0.092	–0.114**	–0.189**
	婚姻狀況	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**
	家庭有無照料的人	–0.080**	–0.133**	–0.125***	–0.217***	0.013	0.043
	周就業時間	–0.070***	–0.111**	–0.083**	–0.132**	–0.050	–0.088
N		1430	1430	976	976	454	454
偽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
Prob（LR statistic）		0.000	0.000	0.000	0.000	0.003	0.011
註：*、**、***分別表示在10%、5%、1%水平上顯著。

 

表3       職住分離對生活滿意度影響的異質性分析

影響因素		男	女	低年齡	高年齡	單身	已婚
職住分離	通勤時間	–0.129	–0.183**	–0.156***	–0.166	–0.171**	–0.113
控制變量	性別	-	-	–0.110	–0.127	0.188	–0.456***
	年齡	0.005	0.040	-	-	–0.228***	0.215***
	婚姻狀況	–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
	家庭有無照料的人	–0.179**	–0.095	–0.094	–0.291*	0.022	–0.274***
	周就業時間	–0.104	–0.110	–0.086*	–0.171	–0.166**	–0.020
N		650	780	1227	203	749	681
偽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
Prob（LR statistic）		0.012	0.000	0.014	0.054	0.001	0.000
註：*、**、***分別表示在10%、5%、1%水平上顯著。

 

　　                         圖1　北京市各區職住分離與生活滿意度情況

 

　　2.雙變量全局空間自相關。

 

　　從空間角度探討職住分離與生活滿意度的關係。採用GeoDa建立空間權重矩陣，進行生活滿意度與職住分離程度的雙變量全局空間自相關分析。一方面，由於用職住比來衡量職住分離表現的不是線性關係，因此根據職住比將職住分離定義為二分變量，參考前人經驗，當該區職住比在0.8~1.2之間時，認為該區不存在職住分離，記為0，否則記為1。另一方面，為統一比較，根據平均通勤時間將職住分離定義為二分變量，由於不同城市居民對通勤時間的長短的感知不同，不能用一個絕對值如45分鐘來統一衡量多個地區的職住分離，因此選擇平均值這一相對值為臨界點，即當該區居民平均通勤時間小於北京居民平均通勤時間時，則認為該區不存在職住分離，記為0，否則記為1。經測算，按職住比來看，兩者的Moran』s I指數為–0.258，在95%的置信度下顯著；按通勤時間來看，兩者的Moran』s I指數為–0.248，在95%的置信度下顯著。Moran』s I指數的數學期望E[I]為–0.067。兩者的結果接近，可以說，生活滿意度與職住分離程度存在顯著地空間負相關性。

 

　　3.雙變量局部空間自相關。

 

　　在z檢驗的基礎上（p=0.05），繪製雙變量LISA聚集圖，對兩者進行雙變量局部空間自相關。如圖2所示，兩變量存在顯著負相關關係，主要有高—低負相關和低—高負相關兩種表現形式。

 

　　在首都功能核心區中，按通勤時間，東城區、西城區生活滿意度與職住分離程度均表現為高—低負相關。在城市功能拓展區中，按職住比，石景山區生活滿意度與職住分離程度表現為低—高負相關。在城市發展新區中，按職住比，通州區生活滿意度與職住分離程度表現為高—低負相關；按通勤時間，房山區生活滿意度與職住分離程度表現為低—高負相關。在生態涵養發展區中，按職住比，懷柔區、平谷區生活滿意度與職住分離程度表現為高—低負相關，延慶區生活滿意度與職住分離程度表現為低—高負相關；按通勤時間，平谷區生活滿意度與職住分離程度表現為高—低負相關，延慶區生活滿意度與職住分離程度表現為低—高負相關。整體來看，生活滿意度與職住分離呈高—低負相關的區域分布在北京東部，呈現低—高負相關的區域分布在北京西部。北京市西部地區群山環繞，東部多是平原地區，而且東部地區經濟發展水平明顯高於西部地區，綜合因素的結果使得北京西部地區居民平均通勤時間較長，職住比過低，職住分離程度較高。過長的通勤時間耗費了居民更多的精力和體力，降低了居民的生活滿意度；北京東部地區居民平均通勤時間較短，職住比更為合適，職住分離程度較低，居民有更多的時間用於工作和休閒娛樂，生活滿意度較高。

 

　                         　圖2　生活滿意度與職住分離的局部空間自相關

 

　　五、結論及建議

 

　　文章分析了職住分離對北京居民生活滿意度的影響，並探討了兩者的空間相關關係。研究發現，北京居民的職住分離已經形成，主要表現為在城區工作、在城郊居住。職住分離對北京居民生活滿意度有顯著負影響，城區、女性、低年齡、單身群體的生活滿意度受職住分離的影響更為顯著。生活滿意度與職住分離具有顯著的空間負相關性，在北京東部呈高—低負相關，在西部則相反。

 

　　為降低居民職住分離程度，提高其生活滿意度，滿足其對美好生活的需要，針對北京居民的職住空間結構，提出以下3點建議。第一，加快產城融合，科學規劃居住區、商業區、產業園區的布局，優化城市空間結構，平衡各區的就業和居住功能，降低其職住比。第二，擴建地鐵，新增公交車線路，建立完善的交通系統，重點提高西部山區公共運輸承載能力。第三，疏解首都功能核心區功能，降低其職住比；加快城市發展新區與生態涵養發展區的經濟發展，吸引居民就地工作，提高其職住比，緩和各區職住分離情況。

 

注釋

*基金項目：國家社會科學基金重點項目「促進中國休閒產業轉型升級研究」（項目編號：17ATJ003）。

 

參考文獻

　　宋金平，王恩儒， 張文新， 等. 北京住宅郊區化與就業空間錯位[J]. 地理學報， 2007（4）: 387-396.

　　任媛，趙曉萍， 鍾少穎. 大城市職住分離的理論闡釋與平衡路徑——基於文獻的評論[J]. 經濟體制改革， 2018（1）: 53-58.

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

　　顧朝林，劉佳燕. 城市社會學[M]. 第2版. 北京: 清華大學出版社， 2013.

　　柴彥威，張豔， 劉志林. 職住分離的空間差異性及其影響因素研究[J]. 地理學報， 2011， 66（2）: 157-166.

　　魏海濤，趙暉， 肖天聰. 北京市職住分離及其影響因素分析[J]. 城市發展研究， 2017， 24（4）: 43-51.

　　張豔，劉志林. 市場轉型背景下北京市中低收入居民的住房機會與職住分離研究[J]. 地理科學， 2018， 38（1）: 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， 49（5）: 321-329.

　　Christian T. Trade-offs between Commuting Time and Health-Related Activities[J]. Journal of Urban Health， 2012， 89（5）: 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， 69（12）: 296-303.

　　Stutzer A， Frey B S. Stress that doesnʹt Pay: the Commuting Paradox[J]. The Scandinavian Journal of Economics， 2008， 110（2）: 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， 30（5）: 1064-1076.

　　吳偉炯. 破解「通勤悖論」: 通勤時間如何影響幸福感[J]. 心理學報， 2017， 49（11）: 1449-1459.

　　Anselin L. The Local Indicators of Spatial Association—LISA[J]. Geographical Analysis， 1995， 27（2）: 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. 解釋概率模型: Logit、Probit以及其他廣義線性模型[M]. 周穆之， 譯. 上海: 上海人民出版社， 2015.

 

　　作者簡介：

　　王琪延，男，1959年生，河北衡水人，1999年畢業於中國人民大學統計學院，獲經濟學博士學位，現為中國人民大學休閒經濟研究中心主任、教授，中國人民大學統計學院博士生導師，研究方向為經濟統計。

　　曹倩，女，1991年生，江蘇徐州人，2016年畢業於常州大學商學院，獲管理學碩士學位，現為中國人民大學統計學院在讀博士研究生，研究方向為經濟統計。

　　高旺，男，1987年生，河北石家莊人，2015年畢業於中南大學數學與統計學院，獲理學碩士學位，現為中國人民大學統計學院在讀博士研究生，研究方向為應用統計。

 

　　（責任編輯: 孫娜娜）