您好,欢迎访问三七文档
北京社会区分析摘要:本文利用北京街道一级调查数据进行的北京市城市社会区分析。运用主成分分析和因子分析两种方法,对14个社会经济变量进行分析从而提取出影响北京市社会空间结构的4个主因子,并且将北京市划分为9类和5类社会区来进行聚类分析从而得到不同类型的社会区域。最后借助回归模型,来考察因子空间分布态势是否具有一定的结构特征。结果表明,在14个社会经济变量中土地利用强度、邻里变量、社会经济地位、种族因子是北京社会区分析的四个主要因子。土地利用强度近似于环形模式,邻里因子呈现出较好的扇形分布。社会经济地位因子同时具有环形和扇形的分布态势,种族因子既不呈环带分布也不呈扇形分布。关键词:北京;社会区分析;主成分分析;因子分析;聚类分析;1引言由于城市社会区分析方法的复杂化,很少有人从事这方面的研究,所以有关社会主义城市的社会区分析更是罕见。自1978年经济改革,尤其是1984年城市改革(包括城市土地利用改革和住房改革等方面)以来,中国的城市景观发生了巨大的变化,许多大城市逐渐从子给自主的工作单位邻域系统向更加多元化的城市空间转变。进行社会区分析有助于我们理解城市的居住分异,是一种研究城市内部社会空间结构的重要工具[1]。城市社会区的概念最早由赛克和威廉姆于1949年在《洛杉矶的社会区》一书中提出。总的来说,城市社会区分异研究的文献主要来自发达国家,尤其北美地区。中国城市社会区分异的研究起步较晚,许学强等最早运用因子生态学的方法对广州市1984年的城市社会空间结构进行分析,薛凤旋对北京市1990年社会区分异的研究,郑静等、王兴中分别对广州市、西安市1990年社会区分异进行了研究,刘贵利、顾朝林也对城市社会区分异的研究方法进行了比较系统的归纳。进入21世纪以后,近年来从人文生态学视角对大城市土地利用变化、社会空间演变的研究更趋活跃。鲁奇等分析了北京百年城市土地利用变化;周尚意等探讨了交通廊道对城市社会空间的侵入影响;冯健、周一星对北京1982~2000年都市区社会空间结构演变作了研究;顾朝林等应用街道级调查数据对北京城市社会区进行了分析[2]。一般来说城市内部居住空间结构研究是从社会经济地位、家庭状况与种族状况等三个侧面划分和认识城市中的社会区。2研究区域与数据采集本文基于顾朝林等应用街道级调查数据对北京城市社会区进行分析的数据来进行的社会区分析。2.1研究区域本次研究区域为北京城八区的连续城市化地区,由107个乡镇、街道,不包括外围的两个区以及城八区边缘的23个乡镇,最后确定为107个乡镇的街道边界的shape文件以及各乡镇街道的属性文件。(图1)。2.2数据采集由于本文是基于顾朝林等应用街道级调查数据对北京城市社会区进行分析的数据来进行的社会区分析。所以本研究数据主要是来自《基于GIS的数量方法与应用》一书。3北京社会区主成分分析、因子分析、聚类分析主成分分析和因子分析用于减少数据的变量数,聚类分析用于减少其样本数。3.1主成分分析主成分分析是设法将原来众多具有一定相关性(比如P个指标),重新组合成一组新的互相无关的综合指标来代替原来的指标[2]。主成分分析,是考察多个图1北京社会区的研究区图1北京社会区分析的研究区变量间相关性一种多元统计方法,研究如何通过少数几个主成分来揭示多个变量间的内部结构,即从原始变量中导出少数几个主成分,使它们尽可能多地保留原始变量的信息,且彼此间互不相关.通常数学上的处理就是将原来P个指标作线性组合,作为新的综合指标。在本研究中,我们利用spss中的降维操作来进行主成分分析[1]。并且根据特征值大于1的标准保留了土地利用强度、邻里变量、社会经济地位、种族这4个因子(表1)。这4个因子大约解决了总方差的70%。说明这个因子的个数是适合的。主成分特征值方差比例累计方差比例14.92310.35160.351622.15950.15420.505931.47990.10570.611641.29040.09220.703850.88230.06300.766860.82860.05920.826070.69290.04950.875580.59030.04220.917690.39960.02850.9462100.27420.01960.9658110.16810.01200.9778120.14720.01050.9883130.10330.00740.9957140.06080.00431.00003.2因子分析在算法上,主成分分析和因子分析很类似,不过,在因子分析中所采用的协方差矩阵的对角元素不在是变量的方差,而是和变量对应的共同度(变量方差中被各因子所解释的部分)[3]。因子分析法就是寻找这些公共因子的模型分析方法,它是在主成分的基础上构筑若干意义较为明确的公因子,以它们为框架分解原变量,以此考察原变量间的联系与区别。也就是说因子分析就是从大量的数据中“由表及里”、“去粗取精”,寻找影响或支配变量的多变量统计方法。求出主因子解后,各个主因子的典型代表变量不很突出,还需要进行因子旋转,通过适当的旋转得到比较满意的主因子。表1主成分分析的特征值变量土地利用强度邻里变量社会经济地位种族情况公共服务设施密度0.88870.04670.18080.0574人口密度0.86240.02690.35180.0855就业率-0.85570.29090.17110.1058办公/零售业密度0.8088-0.00680.39870.2552住房价格0.7433-0.05980.1786-0.1815抚养比0.71000.1622-0.4873-0.2780家庭规模0.04100.9008-0.05010.0931流动人口比重0.04470.88790.0238-0.1441人均住房面积-0.52310.6230-0.05290.0275收入0.10100.14000.7109-0.1189自然增长率-0.25500.2566-0.62710.1390种族聚居情况0.0030-0.1039-0.12630.6324性别比-0.21780.2316-0.15920.5959工厂密度0.4379-0.14330.30810.5815所以在本研究中我们用方差最大法旋转法进行因子旋转,这样使变量在某个因子上的载荷最大,而在其他因子上的载荷最小(表2)列出了旋转后的因子结构。3.3聚类分析聚类分析又称群分析,是根据“物以类聚”的道理,对样品或指标进行分类的一种多元统计分析方法,它们讨论的对象是大量的样品,要求能合理地按各自的特性来进行合理的分类,没有任何模式可供参考或依循,即是在没有先验知识的情况下进行的[4]。本研究在spss中对北京区域图先聚为5类,后扩展到9类。每一类分别代表一个社会区。4因子空间特征本研究利用ArcGIS绘制了各个因子分布图。4.1土地利用强度表2社会区分析的因子载荷土地利用强度是最重要的变量,它解释了总方差的35.16%,主要由人口密度、公共服务设施密度、办公业和零售业密度、就业率、抚养比及住房价格6个变量构成。在我国土地使用制度改革初期阶段人多地少、耕地资源相对稀缺,工业化、城镇化快速发展,是我国的客观国情。所以土地利用强度是当代北京城市社会去分析的主因子。根据其影响分值归类后划分出5个等级。本研究在ArcGIS中制成了该因子空间分布图(图2)。4.2邻里变量邻里变量由流动人口比重、家庭人口数、人均住房面积3个变量构成,它解释了总方差的15.42%,并且邻里变量主要受流动人口影响。改革开放以来,北京作为我国的首都其发展速度可谓日新月异。特别是在增长快速、经济机会多的海淀区和制造业岗位多的石景山区吸引了大量的外来流动人口。本研究在ArcGIS中制成了该因子空间分布图(图3)。4.3社会经济地位社会经济地位包含了两个变量,即年人均收入水平、人口自然增长率。它解释了总反差的10.42%。从一般定义上来说,社会经济地位用来测量社会地位的综合状况。它以经济收入地位、社会教育地位和职业地位的综合值为指标,反映社会成员社会地位的高低。每个地位分五个等级,把各个地位的所得值加起来,图2土地利用强度因子分布图图3邻里变量因子分布图总分即为指标值。在本例中起作用主要在两个方面:一是两个内城街道高收入地区的浮现,二是中等收入和低等收入之间的分异。且其同时具有扇形和环形的分布态势。如图(4)。4.4种族种族包括了少数名族聚居区、性别比例、工业密度3个变量,它解释了总方差的9.22%。由图(5)知种族聚居点散布于全城,且在聚为5类是并咩有显现出种族因子的作用,还有在类型扩展到9类时才显现出其作用。5城市社会区在本研究中我们利用聚类分析方法根据107个街道的因子得分进行北京城市社会区的划分。图(6)为分5类。图(7)为分9类。6结论(1)在4个主要因子中土地利用强度是影响北京同心圆社会空间结构的主要因素,从城市中心区到近郊区再到远郊区,3个密度变量(人口密度、公共服务设施密度、办公业和零售业密度)的值随土地价格下降而衰减。邻里变量主要受到流动人口的影响。图4社会经济因子分布图图5种族因子分布图(2)在西方。社会经济地位是形成城市扇形模式的一个主导力量,家庭结构促成城市的环状结构,种族分布显示一种多中心状态[1]。但是在北京市中占主导地位的是土地利用强度,社会经济地位和种族因子的作用却不如西方那么明显。(2)北京的社会区表明:土地利用强度近似于环状模型,邻里因子为扇形分布,社会经济地位即呈现扇形有呈现出环形,种族因子是一种多中心模型。(3)在本次研究中,我们的研究区域去掉了一些边缘部分,原因是因为缺乏完整的数据。在一些发达国家,大部分城市的人口普查数据及对应的空间数据获取十分方便。而在类似与我国的这种发展中国家,可靠地数据来源常常成为城市社会区分析的巨大障碍。参考文献[1]基于GIS的数量方法与应用,王法辉著,商务印书馆出版[2]期刊论文基于主成分分析和神经网络的近红外光谱苹果品种鉴别方法研究,光谱学与光谱分析,200626(5)[3]主成分分析法与因子分析法的辨析,易跃明,梁戈夫,会计之友2010年第9期上[4]基于主成分和聚类分析的宁夏南部山区经济竞争力评价研究,方兴义,宁夏师范学院校级科研项目,20090806图6聚类分析(分5类)图7聚类分析(分9类)
本文标题:北京社会区分析论文
链接地址:https://www.777doc.com/doc-5531956 .html