2. 北京师范大学 地理科学学部, 北京 100875;
3. 中央党校 全国党校教师进修学院, 北京 100091;
4. 鲁东大学 环渤海发展研究院, 烟台 264025
2. Faculty of Geographical Science, Beijing Normal University, Beijing 100875, China;
3. College of Further Education, Party School of the Central Committee of C. P. C, Beijing 100091, China;
4. Development Research Center of the Region Encircling the Bohai Sea, Ludong University, Yantai 264025, China
国家相继提出并实施了非首都功能疏解和京津冀协同发展战略,设立并规划建设雄安新区,这些战略举措实施的一个重要出发点即是推进北京部分产业向外转移、缓解北京城市功能过度集中及职住空间错位问题。剖析北京都市区就业空间分异,识别对职住空间错位影响显著的产业,对落实相关战略举措并破解北京城市发展难题有重要现实意义。
就业空间分异与职住空间错位联系密切,但如何建立二者间的逻辑关系并进而识别对职住空间错位影响显著的产业仍需深入研究。城市的生长必然伴随着产业的空间转移以及随之而来的城市空间重构,在这一过程中,不同行业空间转移的顺序、方向及其对就业人口居住地迁移的影响存在较大差异[1],如制造业的就业人口会伴随郊区化而向外迁移[2],而服务业则更大程度上吸纳新近职住区位决策的人口[3]。在居住粘性、劳动力结构、家庭协同居住区位选择等多重因素的共同影响下,导致了职住空间错位的行业差异。国外学者认为,职住空间错位是城市空间结构演变[4]、城市产业空间转移[5]、种族歧视[6]以及福利制度[7]等多重因素共同作用的结果。宋金平等研究认为北京居住就业空间错位是由郊区化过程中郊区就业岗位提供不足,产业和居住人口空间转移不同步所致[8]。Boustan等研究发现不同行业特征人口的职住空间错位现象有所差异[9],盛明洁以北京低收入大学生为例试图构建就业空间分异与职住空间错位的逻辑关系[10]。但如何通过更为简明可行的方法筛选对职住空间错位影响显著的主要产业或行业仍有待尝试。
北京都市区就业空间分异和职住空间错位问题突出。改革开放以来,北京都市区城市规模迅速扩张,不同产业在空间上有序转移[11],进而带来就业结构升级和空间格局演化[12, 13]。对应地,不同产业就业发生空间分异,不同经济社会属性居民的居住和就业发生空间分异和集聚,进而出现了职住分离程度及其对职住空间错位影响程度的差异[14, 15]。同时,北京居民职住空间错位现象极为突出,尤其在郊区化过程中被动调整的逆通勤群体职住通勤距离长,生活工作便利性差[16]。目前,正在推进的非首都功能疏解战略旨在通过产业空间转移实现居住人口的空间再分布。识别对职住空间错位有显著影响的行业并圈定其就业空间对于北京都市区职住空间结构优化有重要参考价值。
2 数据来源与研究方法 2.1 研究区域与数据来源参考既有关于北京都市区社会空间分异[17]、职住空间结构[18]以及经济空间结构[12]等问题的研究,本文的北京都市区由北京功能圈层划分中的中心城区(西城、东城)、近郊区(海淀、朝阳、丰台、石景山)以及远郊区(门头沟、昌平、顺义、通州、大兴、房山)组成。
居住人口数据为全国第六次人口普查(2010年)分街乡常住人口数量,就业人口和就业单位数据为北京市全国第三次经济普查(2013年)分行业街乡统计。结合街乡区划调整和研究需要,对“三经普”提供的研究区256个街乡91个行业中类的数据合并整理,得到223个街乡18个行业大类的就业人口和就业单位数据。
2.2 研究方法 2.2.1 就业区位熵区位熵反映事物的优势程度,如在地区产业评价中使用产业区位熵反映某种产业的专业化程度。这里构建就业区位熵用来反映各行业地区间的就业差异。计算公式为:
式中:LQij表示i产业j地区的就业区位熵;qij为i产业j地区的就业人口数量,qi为i产业所有地区的就业人口总数量;Qi表示背景区域i产业的就业人口数量,Q为背景区域所有产业的就业人口总数量。
2.2.2 就业—居住偏离度指数就业—居住偏离度指数用来度量地区居住和就业活动在空间上的配置关系,反映了地区职住空间错位的强度。既有研究使用该指标研究了上海[19]、芜湖[20]、乌鲁木齐[21]等不同地域不同类型城市的职住空间错位情况。计算公式为:
式中:Yij表示i年份j街乡就业人口数量,Yi表示i年份北京都市区就业人口数量;Rij为i年份j街道居住人口数量,Ri为i年份北京都市区就业人口数;Zij即是i年份j街乡就业—居住偏离度指数。
2.2.3 职住空间错位产业识别模型职住空间错位是地区就业人口与居住人口规模不对等的结果,就业—居住偏离度指数表征的地区职住空间错位强度是地区各行业职住空间错位程度的加总。职住空间错位与行业就业人数和就业区位熵均可能存在关联。基于此,为了保证以上假设的严谨性,以就业—居住偏离度指数为因变量,以各行业就业区位熵和就业人数为释变量分别构建多元线性回归模型,对比两个模型的结果验证假设并识别职住空间错位行业。回归模型分别为:
式中:β0为常数项;i表示行业;LQij为j地区i行业的就业区位熵。
式中:β0为常数项;i表示行业;ln EPij为j地区i行业的就业人口数量的常对数。
3 就业空间分异分析从区县和街乡两个尺度探讨研究区就业空间分异状况。基于行业法人单位数量和就业区位熵探讨区县尺度产业空间结构及就业空间分异的总体特征,进而基于街乡分行业就业区位熵对各行业就业优势地区进行小尺度空间展示并分类。
3.1 区县尺度的产业空间结构与就业空间分异行业法人单位数量的空间分布能够反映各行业在空间上的集中程度和差异,整理各区县各行业法人单位数量(表 1),分析其分布的优势地区:采矿业仅分布在房山和顺义;制造业在大兴、通州、顺义、昌平等地区分布较为集中;电气水的生产供应业主要集中在昌平、房山、通州等地区;建筑业分布相对均衡,但朝阳和丰台比重大;批发零售业各地均有大量分布,但朝阳和海淀具有比较优势;朝阳、大兴、丰台等地的交通运输仓储业单位数量大;朝阳、海淀的住宿和餐饮业优势明显;海淀的信息技术产业具有绝对优势,朝阳、昌平也有一定分布;朝阳、海淀、西城在金融业上具有明显优势;朝阳和海淀的房地产业占有率高;租赁和商务服务业、水利环境和公共设施管理业、居民服务业、教育业、卫生业、文化体育娱乐等行业分布相似,朝阳和海淀分布较多,东城和西城次之;科学研究和技术服务业在朝阳、海淀和丰台等地区分布数量大;公共管理、社会保障组织业在西城、东城、朝阳、海淀等几个地区的分布数量相当,房山和大兴等地也有一定数量分布。
由于不同行业法人单位吸纳就业人口能力存在差异,从而导致地区法人单位数量与就业人口优势度间的不完全对等性。同时,居民职住空间错位与地区产业空间结构和行业就业规模均有密切联系。为此,计算地区行业就业区位熵,选择高值(≥2)地区并可视化(图 1)。将图 1与各行业法人单位数量地区分布作对比,发现二者总体上一致性较好,但个别行业在一些地区的就业优势未能体现。如:昌平的制造业、科研研究以及教育业,石景山的电气水的生产供应业,顺义的交通运输仓储业,门头沟、丰台、房山等地区的水利环境和公共设施管理业以及居民服务等产业具有就业人口优势。
综上分析发现,从中心城区向外扩展,研究区各行业空间分布表现了显著的梯度性特征。东城、西城以及邻近的海淀和朝阳集中分布了金融、现代商务、高端零售、技术研发等资金、人才、技术密集型的现代服务业;海淀、朝阳以及具有交通区位优势的丰台、石景山和昌平的部分地区分布了相当比例的教育、医疗、信息技术、文化创意、公共管理等文化科技和社会管理类行业;居民服务、公共保障、房地产、仓储运输等行业的就业则在丰台、石景山、大兴、昌平、房山等近郊区表现出较大优势;建筑业、制造业、采矿业以及水电燃气供应业则主要分布在远郊区。总体来看,表现出由高端商务、零售和生产性服务业转变为低端生产性服务业和生活服务业,再转变为制造业的圈层结构特征。
3.2 街乡尺度的就业空间分异为了能够更加直观地呈现就业空间分异特征,揭示行业从城市中心区向外围地区演变的原因,进行街乡尺度的就业空间分异分析。对各行业大类具有就业优势的街乡进行可视化表达(图 2)。结合北京都市区的圈层结构以及不同产业区位选择的基本要求,可将各行业大类分为四种类型。
主要包括金融业、租赁和商务服务业、住宿和餐饮业以及部分高端零售业(图 2a)。金融业集中分布在西城金融街、东城朝阳门、朝阳建外、海淀羊坊店等街乡。租赁和商务服务业在朝阳建外、三里屯、呼家楼,西城西长安街、德胜、展览路,东城安定门、和平里、东华门,丰台东铁匠营、右安门等街乡优势明显。住宿和餐饮业虽然在各区中心地段均有大量分布,但以东城、朝阳、西城和海淀等地区最为密集,东城东直门、前门,朝阳三里屯、团结湖,西城大栅栏、什刹海,海淀紫竹院、学院路、万寿路等街乡的就业人数具有比较优势。以大型商场为主要形式的高端零售业与住宿和餐饮业表现出相似的特征,朝阳建外、左家庄、三里屯和西城金融街、东城东华门、海淀中关村是其主要集聚地。总之,以上各行业在中心城区一定空间内高度聚集或密集分布,少数街乡的就业区位熵优势突出,其原因是该类行业对人才、市场、信息、技术等要素有较高要求,集中布局以获取集聚效益。
3.2.2 中心城区为主近郊区集聚就业的文化科技型服务业主要包括信息技术服务业、科学研究与技术服务业、房地产业以及教育业、卫生和社会工作、文体娱乐业、公共管理社会保障组织等行业(图 2b)。
信息技术服务业在海淀中关村、朝阳建外、西城金融街、东城北新桥等中心城区街乡具有明显的数量优势,在海淀上地、朝阳酒仙桥、石景山苹果园、丰台新村等近郊地区也形成了较大规模的集聚地。科学研究与技术服务业在海淀中关村、北下关,朝阳小关、亚运村,西城展览路等中心城区街乡分布着大量就业人口,与此同时,包括海淀清华园、上地,朝阳奥运村、大望京,丰台新村、卢沟桥以及昌平沙河、城北等在内的街乡也具有就业优势。房地产业在东城东四、西城金融街、朝阳朝外、海淀中关村等中心城区街乡的就业人数具有显著优势,而在近郊的海淀四季青、朝阳大屯、昌平东小口、大兴亦庄、顺义天竺以及房山拱辰等街乡也分布有大量就业人口。
教育业的就业人口在中心城区的东城和平里、西城展览路、朝阳和平街、海淀学院路分布较多,近郊的朝阳三间房、海淀清华园、丰台卢沟桥、大兴清源、石景山苹果园也有大量分布。卫生和社会工作行业则以东城东华门、西城什刹海、朝阳呼家楼、海淀学院路为优势街乡,近郊的朝阳大望京和崔各庄、海淀香山和青龙桥、石景山八角、昌平回龙观、大兴林校路等街乡就业人口也占有较大比例。东城东华门、西城金融街、朝阳三里屯、海淀羊坊店等中心城区街乡以及稍处外围的朝阳大屯、劲松,丰台卢沟桥、大红门以及石景山苹果园等街乡成为文体娱乐业就业比例较大的街乡。公共管理社会保障组织业在中心城区的东城东华门、西城西长安街、朝阳朝外和六里屯以及外围的海淀万柳和羊坊店、丰台丰台镇、大兴兴丰路、石景山八角等街乡就业人口较多。
以上各行业中心城区就业为主、近郊集聚就业特征鲜明,其原因是,它们虽然对人才、市场、信息等要素有一定要求,但当某一个特定要素满足时就会集聚性生长。由此,这些行业虽然中心城区就业人口仍占有较大比重,但在近郊区交通便利的少数街乡集中分布。此外,教育、卫生和公共管理业政府导向性鲜明,政府机构密集的中心城区和其他区县的政府所在地就业人口数量大。
3.2.3 近郊就业为主的传统服务业和生活服务业主要包括建筑业、批发零售业、交通运输仓储业、居民服务业等四个行业大类(图 2c)。建筑业在中心城区也有一定规模人口分布,但与其他行业相比不具有显著优势,而近郊的朝阳东坝、高碑店,丰台卢沟桥、花乡,石景山苹果园、鲁谷,昌平北七家、沙河,海淀四季青和大兴西红门等街乡就业人口规模庞大,且呈环状分布在中心城区外围。批发零售业方面,非首都功能疏解的实施使得大中型批发市场持续外迁,低端批发零售业的就业人口逐步转移至近郊地区,丰台新村花乡和大红门、顺义天竺和南法信、昌平回龙观和沙河、大兴西红门、石景山苹果园以及门头沟永定等街乡就业人口规模较大。交通运输仓储业与批发零售业相似,近郊的海淀田村路、朝阳王四营、石景山五里坨、房山城关、通州马驹桥、丰台卢沟桥和南苑以及顺义天竺和南法信等街乡已经发展成为服务北京乃至华北地区的物流仓储基地。居民服务业在中心城区有一定数量的从业人口,但位于近郊的朝阳八里庄、丰台卢沟桥、石景山苹果园、海淀上地、房山良乡、顺义南法信、昌平东小口以及大兴黄村等街乡的就业规模更大。综上,受国家政策调控和行业本身性质的共同影响,如占地面积大,除交通条件外,对信息、技术、人才等要素要求不高,就业人口收入水平相对较低,对中心城区的高住房成本支付能力有限,这类行业以近郊就业为主。
3.2.4 远郊就业为主的保障性服务业和生产制造业主要包括采矿业、制造业、电气水的生产供应业、水利环境和公共设施管理业(图 2d)。采矿业仅分布在房山周口店、河北、史家营以及顺义的大孙各庄等少数街乡。制造业分布较广,但远郊的通州张家湾和台湖、顺义天竺和牛栏山、昌平城北和沙河、大兴亦庄和北臧村等街乡就业人口比重大。电气水的生产供应业主要分布在远郊区的丰台新村、石景山广宁、房山城关、通州梨园、顺义城区以及昌平城区等地区。水利环境和公共设施管理业在丰台南苑和卢沟桥、昌平城南和十三陵、房山长阳、门头沟永定等街乡就业优势突出。在历史上“退二进三”以及近年来非首都功能疏解政策的影响下,采矿业和制造业已经转移至城市外围地区;电气水的生产供应业以及水利环境和公共设施管理业的分布则受自身特点和劳动对象的影响。
4 职住空间错位行业的识别 4.1 参数估计及可靠性检验回归结果显示(表 2),基于就业区位熵和就业人数标准化数据分别构建的模型能够解释北京都市区街乡尺度职住空间错位现象。首先,两个模型的R2分别达到0.598和0.648,调整R2有所降低,拟合效果总体较好。其次,方差膨胀因子(VIF)均小于临界值10.0,表明多重共线性不显著,参数估计结果可靠。最后,从通过显著性检验的变量数量看,两个模型均有9个变量有较高显著水平。表明模型构建可靠性高,达到了预期研究目标。
对比以就业区位熵和就业人数为因变量分别构建的回归模型,从R2看,就业人数模型拟合更好,但方差膨胀因子(VIF)表明就业区位熵模型的多重共线性可能性更低。因此,将两个模型相结合进行行业分类和识别。
根据两个模型变量的参数估计数值和属性特征,可将18个行业分为5类。①与职住空间错位呈现显著负向关系的行业,包括采矿业(LQ1,EP1)、交通运输仓储业(LQ6,EP6)、租赁和商务服务业(LQ11,EP11)、公共管理社会保障组织业(LQ18,EP18)等4个行业。参数估计为负值,说明这些行业的就业人口数量越多,职住空间错位程度往往越低,也表示这些行业就业人口职住匹配效果较好,较大比例为职住接近。②与职住空间错位呈负相关关系,但未通过模型显著性检验的行业,主要有制造业(LQ2,EP2)、电气水的生产和供应业(LQ3,EP3)、建筑业(LQ4,EP4)、水利环境和公共设施管理业(LQ13,EP13)以及文体娱乐业(LQ17,EP17)等5个行业,这类行业职住匹配较好,总体上未导致地区职住空间错位现象。③与职住空间错位存在正相关关系但未通过模型显著性检验的行业为卫生和社会工作业(LQ6,EP16),表示该行业对地区职住空间错位状况有一定负向影响。④与职住空间错位具有不确定性关系的行业,主要有住宿和餐饮业(LQ7,EP7)、房地产业(LQ10,EP10)以及科学研究与技术服务业(LQ12,EP12),这类行业可能在不同地区对职住空间错位产生了不同方向的影响,从而导致与职住空间错位的关系不明确。⑤与职住空间错位存在显著性正向关系的行业,包括批发和零售业(LQ5,EP5)、信息技术服务业(LQ8,EP8)、金融业(LQ9,EP9)、居民服务业(LQ14,EP14)、教育业(LQ15,EP15)等5个行业。这些行业街乡就业人口越多就业空间错位现象往往越严重,是导致研究区街乡尺度职住空间错位可能性较大的行业。
4.3 职住空间错位行业分析 4.3.1 信息传输、软件和信息技术服务业回归结果显示,该行业对地区职住空间错位影响最为显著,其就业人口空间错位最为严重。该行业就业人口数量及空间分布的特征为:就业人口规模大(90.7万人),少于批发零售业、租赁和商务服务业、科学研究与技术服务业以及制造业,居第5位;分布地区广,除门头沟、房山、大兴和昌平少数远郊区边缘街乡外,其他街乡均有分布;就业分布以中心城区为主,近郊区集聚分布。
分析发现,信息技术服务业就业集聚地与北京都市区主要就业中心地一致性较高,是导致职住空间错位的主要行业之一。鉴于该行业对集聚效应要求高,虽然并未列入非首都功能疏解行业名录,但可以借鉴中关村科技园的建设经验,总结近年来近郊上地、大望京、西北旺等信息产业基地建设的经验,加快回龙观、亦庄等初具规模且居住人口密集地区的建设,吸引更多就业人口至近远郊地区,进而逐步缓解该行业的职住空间错位状况。
4.3.2 批发和零售业回归参数表明,批发零售业对于职住空间错位的影响仅次于信息技术服务业,与职住空间错位存在显著的正相关关系。该行业就业人数和空间分布的特征为:就业人口规模大(145.6万人),各行业中就业规模最大;该行业门类多且服务于居民日常生活,就业分布更为广泛,所有街乡均有分布;空间差异显著,高端零售集聚于中心城区核心地段,低端批发分布在近郊区。
分析发现,该行业就业人口主要分布在北京都市区的就业集聚地,且就业人口的经济收入普遍不高,对中心城区的高住房成本支付能力有限,大比例人口居住在外围地区,职住空间错位严重。批发零售业是北京非首都核心功能疏解的重点行业,随着大型批发市场的外迁和零售行业的整治,该行业的职住空间错位现象会逐步缓解。
4.3.3 金融业回归结果显示,金融业是研究区职住空间错位人口的重要来源。这一结论与既有相关研究结果基本一致[13]。该行业就业人口规模不大(37.7万人),在18个行业中位居第12位。就业分布上,地区就业人数和区位熵差异巨大,少数街乡优势极为突出,就业人口高度集中在中心城区的少数街乡及近远郊区县的主要城区。
金融业就业人口高度集中在少数街乡,虽然从业人员收入较高,但集聚地区商业经济发达,地价贵房价高,居住成本大,大部分就业人口无法实现职住接近。北京致力于建设成为世界城市,金融业的地位举足轻重,不仅要大力发展,而且要继续强化其空间集聚。因此,解决该行业职住错位的难度极大。伴随着北京房价上涨的趋势逐步得到控制以及住房制度改革的推进,就近居住可能会逐步解决,进而缓解职住分离现象。
4.3.4 居民服务、修理和其他服务业回归结果表明,居民服务业是职住空间错位人口的来源行业。从就业人数和空间分布看,该行业特征鲜明:就业人口规模不大(20.7万人),在18个行业中列第15位;就业空间较为分散,除顺义、房山、门头沟等区县的部分边缘街乡外,其他街乡均有分布;就业区位熵普遍不高,属于弱势就业群体。
该行业的职住空间错位主要是由职业特征造成的。从业人员收入低,无力承担中心城区的高住房成本,中心城区的就业人口大部分居住于近远郊住房成本较低的地区,远距离通勤普遍。解决这类群体的职住错位问题难度极大。预期随着就业市场、住房保障体系以及收入分配制度的逐步完善,部分中心城区就业的人群才可能逐步实现职住接近。
4.3.5 教育业虽然回归参数显著性水平不高,但依然表明教育业与北京都市区职住空间错位存在正相关性,是职住空间错位从业人员的来源行业之一。该行业就业人口规模和空间分布的特征为:就业规模较大(51.5万人),在18个行业中居第9位;就业分布空间范围大,几乎所有街乡均有就业人员分布,其原因是该行业为公共服务性行业;就业区位熵地区差异明显,中心城区以及各区县建成区具有一定优势。
相比其他行业,教育业的职住空间错位程度较弱。虽然北京各级公立教育机构通过房改房和周转房建设实现了部分人员的职住接近,但仍有相当比例的人口就业于各类教育培训机构,是职住空间错位人员的主要来源。当前,北京非首都功能疏解已经将教育业列入其中,随着部分教育资源外迁、优质教育机构合作办学以及教育资源均衡布局的推进,该行业职住空间错位状况有望逐步缓解。
5 结论与讨论 5.1 结论本文分析了北京都市区就业空间分异,识别了职住空间错位的主要行业,主要结论为:①北京都市区就业空间分布呈现了显著的梯度性和圈层结构特征:从中心城区向外延伸,分布的行业由高端商务、零售和生产性服务业转变为低端生产性服务业和生活服务业,再转变为制造业;②产业集聚特征鲜明,各地区主要产业的性质差异大;就业行业在空间上可分为4种类型:中心城区集中就业的高端零售和生产性服务业、中心城区为主近郊区集聚就业的文化科技型服务业、近郊就业为主的传统服务业和生活服务业、远郊就业为主的公共保障性服务业和生产制造业;③批发零售业、信息技术服务业、金融业、居民服务业以及教育业等5个行业与职住空间错位存在显著正向关系,是职住空间错位人口的主要来源行业。本文的主要创新和贡献为:建立了就业空间分异与职住空间错位间的逻辑关系,以就业-居住偏离度指数为因变量、就业区位熵和就业人数为释变量,构建了职住空间错位行业识别模型并尝试识别了北京都市区的职住空间错位行业。
5.2 讨论本文从职住空间错位的视角识别了对其影响显著的行业,但这些行业是否需要全部疏解、如何疏解、向哪里疏解等问题需要更加全面深入地评判和研究。如:金融业虽然与职住空间错位存在显著正向关系,但就业规模相对其他产业并不庞大;信息技术服务业就业规模较大,但已出现外迁并集聚化布局的趋势。
北京的城市战略定位为“四个中心”,近期主要任务是疏解非首都功能。综合分析认为:①北京都市区产业空间结构是城市长期发展演变且多种因素共同作用的结果,城市职住空间错位问题极为复杂,与城市功能空间规划、城市道路建设、城市管理体制等诸多因素密切相关,需要综合评判和系统研究。②北京都市区的住房、交通及生态环境问题产生的重要原因是中心城区功能过度集中,一些行业职住空间错位严重,加剧了职住失衡,加重了交通负荷,这部分行业亟待向外围地区疏解转移。③不同行业对职住空间错位影响差异大,对于列入疏解范围的产业,应基于其就业规模、职住错位影响度、产业功能和联系等因素确定疏解次序、目标和路径。④从国外城市发展规律来看,产业疏解是一个长期过程,要发挥政府主导作用,构建区域对接、协商和运作体制,制定详实可行的操作方案,加强产业承接地的配套设施和成长环境建设,被疏解的产业才能在承接地不断成长,进而实现地区协同发展的目标。
[1] |
Cooke T W. Causality reconsidered:A note[J]. Journal of Urban Economics, 1978, 5(4): 538-542. DOI:10.1016/0094-1190(78)90009-8 |
[2] |
陈小晔, 孙斌栋. 上海制造业就业格局的演化及影响因素[J]. 人文地理, 2017, 32(4): 95-101. [Chen Xiaoye, Sun Bindong. Spatial structure and determinants of manufacturing employments in Shanghai metropolitan areae[J]. Human Geography, 2017, 32(4): 95-101.] |
[3] |
Arauzo Carod J M. Determinants of industrial location:An application for Catalan municipalities[J]. Papers in Regional Science, 2005, 84(1): 105-120. DOI:10.1111/pirs.2005.84.issue-1 |
[4] |
Smith T E, Zenou Y. Spatial mismatch, search effort, and urban spatial structure[J]. Journal of Urban Economics, 2003, 54(1): 129-156. DOI:10.1016/S0094-1190(03)00040-8 |
[5] |
Fernandez R M. Race, spatial mismatch, and job accessibility:Evidence from a plant relocation[J]. Social Science Research, 2008, 37(3): 953-975. DOI:10.1016/j.ssresearch.2008.03.006 |
[6] |
Petersen T, Saporta I. The opportunity structure for discrimination[J]. American Journal of Sociology, 2004, 109(4): 852-901. DOI:10.1086/378536 |
[7] |
Zenou Y. Urban search models under high-relocation costs. Theory and application to spatial mismatch[J]. Labour Economics, 2009, 16(5): 534-546. DOI:10.1016/j.labeco.2009.02.002 |
[8] |
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, 2007, 62(4): 387-396. [Song Jinping, Wang Enru, Zhang Wenxin, et al. Housing suburbanization and employment spatial mismatch in Beijing[J]. Acta Geographica Sinica, 2007, 62(4): 387-396.] |
[9] |
Boustan L P, Margo R A. Race, segregation, and postal employment:New evidence on spatial mismatch[J]. Journal of Urban Economics, 2009, 65(1): 1-10. DOI:10.1016/j.jue.2008.08.002 |
[10] |
盛明洁. 北京低收入大学毕业生就业空间分异——来自史各庄地区的实证研究[J]. 城市规划, 2016, 40(10): 52-58. [Sheng Mingjie. Spatial differentiation in employment of low-income graduates in Beijing:An empirical study on Shigezhuang area[J]. City Planning Review, 2016, 40(10): 52-58.] |
[11] |
焦新颖, 李伟, 陶卓霖, 等. 北京城市扩展背景下产业时空演化研究[J]. 地理科学进展, 2014, 33(10): 1332-1341. [Jiao Xinying, Li Wei, Tao Zhuolin, et al. Spatial and temporal evolutions of industries under the background of urban sprawl in Beijing[J]. Progress in Geography, 2014, 33(10): 1332-1341. DOI:10.11820/dlkxjz.2014.10.005] |
[12] |
孙铁山, 齐云蕾, 刘霄泉. 北京都市区就业结构升级与空间格局演化[J]. 经济地理, 2014, 34(4): 97-104. [Sun Tieshan, Qi Yunlei, Liu Xiaoquan. Changing in tra-metropolitan spatial distribution of employment with economic restructuring in Beijing metropolitan area[J]. Economic Geography, 2014, 34(4): 97-104.] |
[13] |
胡瑞山, 王振波, 仇方道. 基于普查单位的北京市就业中心识别与功能定位[J]. 人文地理, 2016, 31(4): 58-65. [Hu Ruishan, Wang Zhenbo, Qiu Fangdao. Identification and function orientation of employment centers in Beijing based on the census unit analyzing[J]. Human Geography, 2016, 31(4): 58-65.] |
[14] |
湛东升, 孟斌. 基于社会属性的北京市居民居住与就业空间集聚特征[J]. 地理学报, 2013, 68(12): 1607-1618. [Zhan Dongsheng, Meng Bin. Spatial clustering analysis of residential and employment distribution in Beijing based on their social characteristics[J]. Acta Geographica Sinica, 2013, 68(12): 1607-1618. DOI:10.11821/dlxb201312002] |
[15] |
孙铁山. 北京市居住与就业空间错位的行业差异与影响因素[J]. 地理研究, 2015, 34(2): 351-363. [Sun Tieshan. Spatial mismatch between residences and jobs by sectors in Beijing and its explanations[J]. Geographical Research, 2015, 34(2): 351-363.] |
[16] |
马昕琳, 柴彦威, 张艳. 基于GPS数据的北京郊区就业者工作与通勤行为特征研究——以上地信息产业园为例[J]. 人文地理, 2018, 33(2): 60-67. [Ma Xinlin, Chai Yanwei, Zhang Yan. Study on features of work and commuting behavior of suburb workers:A case of Shangdi area in Beijing[J]. Human Geography, 2018, 33(2): 60-67. DOI:10.3969/j.issn.1674-3237.2018.02.007] |
[17] |
冯健, 周一星. 北京都市区社会空间结构及演化(1982-2000)[J]. 地理研究, 2003, 22(4): 465-483. [Feng Jian, Zhou Yixing. The social spatial structure of Beijing metropolitan area and its evolution:1982-2000[J]. Geographical Research, 2003, 22(4): 465-483. DOI:10.3321/j.issn:1000-0585.2003.04.009] |
[18] |
刘碧寒, 沈凡卜. 北京都市区就业-居住空间结构及特征研究[J]. 人文地理, 2011, 26(4): 40-47. [Liu Bihan, Shen Fanbu. A study on the spatial characteristics of jobs-housing structure in Beijing[J]. Human Geography, 2011, 26(4): 40-47. DOI:10.3969/j.issn.1003-2398.2011.04.008] |
[19] |
孙斌栋, 潘鑫, 宁越敏. 上海市就业与居住空间均衡对交通出行的影响分析[J]. 城市规划学刊, 2008(1): 77-82. [Sun Bindong, Pan Xin, Ning Yuemin. Analysis on influence of job-housing balance on commute travel in Shanghai[J]. Urban Planning Forum, 2008(1): 77-82. DOI:10.3969/j.issn.1000-3363.2008.01.012] |
[20] |
焦华富, 胡静. 芜湖市就业与居住空间匹配研究[J]. 地理科学, 2011, 31(7): 788-793. [Jian Huafu, Hu Jing. Spatial match between employment and housing in Wuhu city, Anhui province of China[J]. Scientia Geographica Sinica, 2011, 31(7): 788-793.] |
[21] |
英成龙, 雷军, 段祖亮, 等. 乌鲁木齐市职住空间组织特征及影响因素[J]. 地理科学进展, 2016, 35(4): 462-475. [Ying Chenglong, Lei Jun, Duan Zuliang, et al. Characteristics of jobs-housing spatial organization in Urumqi city and influencing factors[J]. Progress in Geography, 2016, 35(4): 462-475.] |