伴随着市场经济体制改革以及工业化、城市化的推进，中国城市社会空间快速分化^[1]。大规模、多样化的外来人口进入城市工作和生活，在收入、教育、职业等社会经济资源的获取等方面与本地人口存在显著差距，不同群体间的社会融合引发广泛关注^[2]。与此同时，随着住房市场化的推进，城市中原先相对同质的单位制住区结构逐步解体，商品房社区、动迁安置房社区、保障房社区等涌现，居住社区类型呈现多元化，且不同社区所能提供的居住空间和环境参差不齐^[3-5]。如今，社区已成为转型期中国城市社会空间分化的基本空间单元，如何通过提升社区治理促进多群体的社会融合显得尤为重要^{[2, 6]}。

社会融合(social cohesion)是一个双向的过程，更加强调不同社会人群之间的互相协调和适应，以及多种文化的互相适应和并存^{[2, 7]}。经济合作与发展组织(OECD)^[8]提出，一个融合的社会致力于提高所有社会成员的福祉，反对群体间的排斥和边缘化，提高社会成员的归属感和相互信任感，并为成员提供向上流动的机会。在此基础上，Fonseca等人^[9]提出社会融合内涵包括提高社会成员的福祉、归属感和自愿社会参与的过程，发展多元价值观和文化共存社区的过程，给予成员平等权利和机会的过程。早期西方学者多关注单向的融入过程，即少数族裔放弃文化根源，逐渐接受主流社会文化的同化适应过程^{[6, 7, 10]}。相应地，国内学者多偏重外来人口在城市社会由于制度和非制度障碍面临的融入问题^{[11, 12]}，而对于城市内不同群体之间双向社会融合的研究相对不足。但需要强调的是，外来人口单方面的融入(social integration)只是社会融合(social cohesion)的第一步^{[7, 13]}。近年来，随着城市外来人口间的异质性和多样性进一步增加，不同外来人口群体如乡城流动人口、城城流动人口^{[14, 15]}、新移民^[16]等融入城市社会的途径和难度存在差异。与此同时，外来人口流入规模的扩大在居住空间、就业机会、文化和生活方式等方面都对本地居民产生影响，本地居民需持续适应由此带来的生活变化。另一方面，在城镇化推进过程中，部分本地农村人转变为城市居民，但其思想观念和生活习惯等并没有随之改变，与其他城市居民群体的融合仍存在着一些障碍。因而，不同社会群体之间在同一城市空间内的碰撞和融合值得关注。

影响社会融合的因素可归纳为两个层级：微观个体和中观社区。研究发现，个体层级的受教育水平对社会融合的影响并不显著甚至会呈现出负向显著，政治面貌、家庭规模、居住时间显著影响社会融合，年龄、住房性质与社会融合无显著关联^[17-19]。户口是社会融合的重要影响因素，陆自荣和张颖^[19]发现本地居民融合感知最好，非农外来工次之，农民工最差。康雷等^[17]发现在北京，外地户口对社会融合的抑制影响显著，而Miao等^[18]基于上海的研究结果则显示上海本地户口对社会融合的抑制作用显著。社区作为城市居民生活的重要空间载体，是影响社会融合发展的重要场域^{[6, 20]}，但其对居民社会融合的影响仍需更系统的分析。已有研究关注到不同社区类型对外来人口社会融入的影响并发现，商品房社区、单位住房社区、保障房社区、老旧小区以及城中村中外来人口的社会(经济)融入存在显著差异^{[21, 22]}。尽管有学者分析了特定社区如保障房社区^[23]、低收入社区^[17]、城中村^[24]中不同居民群体的(社区)社会融合状况，但目前对城市内不同社区类型与社会融合关系的研究仍不足。此外，社区环境可以影响不同群体间互动和融合的意愿及程度，已有研究充分关注到客观建成环境，如密度^[25-27]、目的地可达性^[25-27]、多样性^[28]等对社会融合的影响。Hua等^[29]的实证研究则发现，客观建成环境对社会融合的影响并不显著，建成环境感知与居民社会融合显著正相关。另外，居住区位引发的社会效应也是城市研究的经典议题之一。王晶^[30]的研究发现厦门主城区对居民的社会融合程度产生显著抑制作用。可见，这些研究多关注社区层级某些因素对社会融合的影响，但由于个体或群体差异性，社区对不同群体的社会融合的影响机制可能不同。已有研究也发现，居住区位、居住隔离对社会融合的影响在不同群体间存在差异^{[30, 31]}。然而，目前关于社区特征特别是社区类型和社区建成环境对不同群体社会融合影响的异质性研究还比较缺乏。

综上，基于现有社会融合相关研究的成果，本文使用2018年“上海市居民住房和生活空间调查”问卷数据，采用多元线性回归模型，在关注个体特征的基础上，着重分析社区特征，包括社区类型、社区主客观建成环境和区位，对居民社会融合的影响；通过加入交互项，剖析社区特征对不同群体影响的异质性。本研究有利于加深对不同社区类型居民社会融合及其影响机制的理解，同时为从社区层级促进居民社会融合提供实证依据和政策建议。

本研究数据来源于研究团队2018年收集的“上海市居民住房与生活空间调查”，调查对象为在调研社区居住6个月以上、18—65岁的户主(或配偶)。该调查采用多阶段、按规模大小成比例的概率抽样法。首先从上海建成区13个区中^①，根据各街道/乡镇常住人口规模随机等距选取32个街道/乡镇作为初级抽样单元；然后从每个选定的街道/乡镇中，根据所辖居委会常住人口规模排序随机抽取1个居委会；在每个选定的居委会中，按小区名称排序后随机选取1—2个小区；再从每个小区随机抽取约35户家庭进行入户访问。本次调查共回收1127份问卷，本研究使用的有效问卷数量为1038份，抽样街道如图 1所示。

图 1(Fig. 1)

图 1 调研社区分布 Fig.1 Distribution of the Sampled Neighbourhoods

表 1展示了样本的基本信息。抽样的社区类型以商品房社区为主，其次为动迁安置房社区，老公房社区和保障房社区中的样本数量较少。不同类型社区内居民的社会经济属性存在明显差异。从出生队列来看，四类社区中，1970前出生的居民在老公房社区内占比最大，年轻世代中的80后在保障房社区内的比例最高。从婚姻和生育状况来看，商品房社区内在婚和育有子女的居民比例最低。不同社区居民的受教育程度也有所差异，商品房社区居民整体受教育程度最高，动迁安置房社区居民整体受教育程度最低。党员在四个类型社区内的比例差异较小。本地人口和外来人口占比在不同社区差异较大，保障房社区内外来人口数量约是本地人口的两倍，而其他三类社区内的居民均以本地人口居多，其中老公房社区本地人口比例最高，近77%。从出生时户口性质来看，动迁安置房社区中出生时为农村户口居民的占比最大，老公房社区中出生时为农村户口居民的占比最小。

表 1(Tab. 1

表 1 调研社区居民样本特征 Tab.1 Profiles of the Samples in Different Neighbourhoods

表 1 调研社区居民样本特征 Tab.1 Profiles of the Samples in Different Neighbourhoods

社会融合由多指标进行测度已得到广泛认同^[32-35]。居民间形成的社会网络或社会联系与个体的社会资本紧密相关^[32]，且社会资本的积累和转化过程是本地人口和外来人口相互关系的构建过程，有利于加快居民的社会融合进程^[2]。居民间的信任、互助、亲近程度是社会融合的常用指标^[26]。我们选取问卷中相对应的问题“您与居住地居民关系的描述”，含三个子问题：“我与其乐意相互帮助”(X₁)、“我与其相处融洽”(X₂)、“我认为其值得信任”(X₃)，回答选项包括非常不同意、比较不同意、一般、比较同意和非常同意，分别赋值1至5。此外，归属感和满意度也被认为是衡量融合水平的重要内容^[19]。我们选取衡量归属感的具体问题“您对目前居住地的归属感评价”(X₄)，回答选项有非常没有归属感、没有归属感、一般、有归属感、非常有归属感，分别赋值1至5。再次，我们选取衡量满意度的具体问题“您对目前居住地的满意程度”(X₅)，回答选项有非常不同意、不同意、比较不同意、一般、比较同意、同意和非常同意，分别赋值1至7。我们对社会融合选用指标进行了信度和效度检验。就信度而言，数据的整体Cronbach's α值为0.785，基于标准化项的Cronbach's α值为0.782，大于0.7，这说明整体量表的可靠性较好即通过信度检验。同时，效度分析利用KMO和Bartlett球形检验，结果显示KMO值为0.779，大于0.7，Bartlett球形检验的显著性值为0.000，小于0.05，这说明选取的指标适合因子分析，效度较好。

社会融合的五个测度指标通过探索性因子分析法得到两个新生成因子F₁和F₂，将F₁和F₂按方差贡献率为权重进行计算，归一化后生成综合性指标进行表示，取值范围均为0—1，数值越高表明融合程度越高。同时两个新生成主因子F₁和F₂根据旋转后的因子载荷情况(如表 2)分别命名为社会关系维度和心理认同维度。F₁社会关系维度主要由“我与其乐意相互帮助”(X₁)、“我与其相处融洽”(X₂)和“我认为其值得信任”(X₃)3项指标构成，载荷值分别为0.898、0.907和0.894；F₂心理认同维度主要由“您对目前居住地的归属感评价”(X₄)和“您对目前居住地的满意程度” (X₅)代表，载荷值分别为0.872和0.717。用同样的方法进行转换得到两个子维度的具体分值。

表 2(Tab. 2

表 2 社会融合各维度指标的因子载荷 Tab.2 Rotated Factor Loading Matrix of Social Cohesion Indices

表 2 社会融合各维度指标的因子载荷 Tab.2 Rotated Factor Loading Matrix of Social Cohesion Indices

本研究采用多元线性回归模型分析上海居民社会融合的影响因素，将社会融合度作为因变量，基于已有社会融合的相关研究，从个体和社区两个层级共选取18个因素作为自变量。个体特征包括出生队列、性别、婚姻状况、生育状况、受教育程度、政治面貌、出生时户口所在地和户口性质、住房性质、共同居住的家人数量以及社区居住时间。社区特征包括社区类型、社区建成环境和社区区位。

社区特征变量的具体说明见表 3。结合调查社区情况，本研究中的社区类型包括商品房社区、老公房社区、动迁安置房社区和保障房社区。社区建成环境包括建成环境感知和客观建成环境。结合已有文献^{[5, 36]}和调查问卷的数据，本研究中的建成环境感知具体通过道路可达感知、环境品质感知、公共空间感知三个感知维度衡量。三个感知维度得分由各维度下的具体问题衡量，各具体问题回答有非常不符合、比较不符合、一般、比较符合和非常符合，分别赋值1至5，反向指标进行反向赋值；将环境感知各指标赋值、加总平均后得到该居民对居住社区的某感知维度得分。此外，本研究中客观建成环境包括客观可达性和物业管理水平。我们也尝试放入居住社区1 km以内其他服务设施的数量来反映客观建成环境，但结果显示这些变量间的共线性较强，因此未加入后续分析。对于社区区位，结合上海的实际空间发展情况，区位分为外环以外、中环—外环、内环—中环、内环以内四组。为避免自变量数量级不同带来的影响，在进行多元回归前，我们通过归一化将自变量(连续变量)的取值转换到0—1之间。

表 3(Tab. 3

表 3 社区层级变量的描述说明 Tab.3 Description of Neighbourhood-level Variables

表 3 社区层级变量的描述说明 Tab.3 Description of Neighbourhood-level Variables

上海市社区居民整体社会融合及各子维度的社会融合得分在不同社会经济特征居民间存在差异(图 2a)。与其他世代出生的居民相比，1970—1979年出生的居民的整体社会融合及心理认同子维度得分更高，1990—1999年出生的居民的社会关系子维度得分更高。女性的整体社会融合和社会关系维度水平高于男性，心理认同维度水平低于男性。在婚群体的整体及各子维度社会融合均高于单身群体。育有子女样本的整体社会融合及子维度中社会关系维度得分均比未育样本高，但心理认同维度得分低于未育样本。本科以下学历人群的整体社会融合更好，本科及以上学历人群的心理认同度更高。拥有党员身份的居民社会融合水平更高。不同户口的居民间的社会融合及各子维度水平也存在差异，与外来人口相比，上海本地人口在社会关系方面具有显著优势，但在心理认同维度和整体社会融合与外来人口差别不大。出生时户口性质为农村的居民整体社会融合及各子维度得分低于城镇居民。拥有自有产权住房的群体在整体社会融合及各子维度表现均更好。

图 2(Fig. 2)

图 2 个体和社区层级的整体社会融合及其各子维度特征 Fig.2 Characteristics of Social Cohesion and Its Dimensions at the Individual and Neighbourhood Level

不同特征社区的居民整体社会融合及各子维度的社会融合得分同样存在差异(图 2b)。从社区类型而言，保障房社区居民的整体社会融合水平最高，其次为老公房社区，再次为商品房社区，动迁安置房社区最低。从社会融合各子维度来看，在社会关系维度，保障房社区居民得分最高，商品房社区最低；在心理认同维度，老公房社区居民得分最高，保障房社区居民的最低。从社区建成环境来看，一方面，就建成环境感知而言，居民对居住社区的道路可达、环境品质以及公共空间的感知越好，居民整体社会融合得分越高。从社会融合各子维度来看，在环境感知方面，对道路可达感知程度不同的社区居民在社会关系维度上的得分无较大差异，高道路可达感知社区居民的心理认同维度得分最高；高环境品质感知社区居民在社会关系维度得分最高，低环境品质感知社区居民在心理认同维度得分最高；居住在高公共空间感知社区的居民在社会融合各子维度得分均最高。另一方面，就客观建成环境而言，客观可达性越好，居民整体社会融合水平越高，而物业管理水平低的社区内居民的整体社会融合更好。从社会融合各子维度来看，居住在可达性中等社区居民的社会关系维度得分最高，居住在低可达性社区居民的心理认同维度得分最高；居住在低物业管理水平社区居民在社会关系维度得分最高，居住在高物业管理水平社区居民的心理认同维度得分最高。从社区区位来看，居住在中环—外环居民的整体社会融合最高，居住在内环—中环居民得分最低。从社会融合各子维度来看，居住在内环以内居民在社会关系维度得分最高，居住在外环以外居民心理认同维度得分最高。

利用多元线性回归方法探析上海居民整体社会融合的影响因素。首先，模型1只纳入个体层级因素，模型2加入了社区层级因素；其次，在模型2的基础上，模型3引入居民出生时户口所在地和社区类型的交互项，模型4纳入居民出生时户口所在地和社区建成环境的交互项，以考察不同社区特征对不同群体社会融合产生的异质性影响。为了避免多重共线性，对每个社区建成环境感知变量进行了“对中”处理^{② [37]}。表 4为多元线性回归模型的结果，模型中所有自变量的方差膨胀因子(VIF)均小于6。

表 4(Tab. 4

表 4 多元线性回归模型结果 Tab.4 Multivariate Linear Regression on Social Cohesion

表 4 多元线性回归模型结果 Tab.4 Multivariate Linear Regression on Social Cohesion

模型1显示，在个体特征方面，居民的性别、生育状况、党员身份和出生时户口性质与其社会融合程度存在显著关联。女性比男性的社会融合水平更高，或与女性更强的交往能力和更高的融合意愿相关。育有子女的居民往往肩负着更大的生活压力，因此抑制了融合水平的提高。与已有文献一致^[18]，中共党员身份在本研究中显著影响社会融合，这可能是由于近年来基层党建工作的持续开展，党员常需在其中发挥模范作用，因而更主动参与社区及社会活动，这在一定程度促进了社会融合。较为意外的是，城镇户口对社会融合具有显著的负向作用。可能的原因是出生时为农村户口的居民往往有着邻里互助的习惯。与预期不同，出生时户口所在地在本研究中对社会融合并无显著影响。这一结果可能是与上海作为超大城市，对多样化的价值观和文化具有较大包容性有关。此外，居民的出生队列、婚姻状况、受教育程度、住房性质、共同居住的家人数量和社区居住时间与社会融合无显著关联。

模型2显示，社区特征中社区类型、建成环境感知、客观建成环境和区位均与居民社会融合之间存在显著相关关系。在社区类型方面，与商品房社区相比，保障房社区对居民的社会融合产生显著正向作用。这可能是由于保障房社区居民在社会经济属性上相对均质，同类型社会群体更易较高频率地交往，且这类群体更依赖在社区层级进行社会资本的积累^{[5, 23, 38]}。在建成环境感知方面，与现有文献研究结果一致^[29]，建成环境感知与居民社会融合具有显著正相关关系。良好的公共空间感知可以提升居民的社会融合，因为公共空间是居民活动和交流互动的重要场所，提供居民融入社区生活的空间载体^[39]。较高的环境品质感知对居民社会融合存在显著的正向作用，可能是由于环境品质的改善能够提高居民在社区内生活交流等的意愿，从而提高社会融合水平。道路情况感知和客观建成环境中可达性均对社会融合产生正向显著影响。这说明主客观可达性均可反映居民日常生活的便捷程度，其会影响居民外出交往和社会参与的意愿和频率。物业管理水平与社会融合无显著关系。社会融合呈现出一定的空间差异，相比于其他区位的社区，外环以外社区促进居民获得更高的社会融合。在社区区位方面，已有研究发现，高阶层群体往往存在严重隔离，居住在外环以外的底层居民聚居现象明显^[30]，感知到的阶层差异较小，相对剥夺感更低；与此同时，居住在外环以外的居民生活节奏相对较慢，不同群体之间的社会交流机会更多、接纳程度更好，从而可能促进社会融合。此外，与模型1相比，在控制社区层级变量后，个体层级因素中生育状况的显著性消失，社区居住时间的显著性增强，表现出社区居住时间越长，居民的社会融合更好。

基于模型3和模型4交互项的交互作用图如图 3所示。图 3a表明，居住在同一社区类型内的本地人口和外来人口的社会融合预测值不同。动迁安置房社区内外来人口的社会融合水平显著低于本地人口。结合模型3中户口所在地和社区类型的交互结果可以得出，动迁安置房社区对外来人口的社会融合具有负向调节效应。这可能是因为这类社区中的本地居民可能因拆迁获得自有住房，过去多为农村邻居，在社会交往中具有明显的“内倾性”，形成了以原有本地人口为主的社会网络，对外来人口产生一定的排斥作用，从而拉大了与外来人口之间的社会距离，对外来人口的社会融合产生明显的负向影响^[40]。另一方面，该类社区的治理体系尚不完善，对社区内外来人口的管理和保障措施等尚且不足，这对外来人口融入社区及社会造成较大困难。在模型4中，社区环境品质感知、客观可达性和物业管理水平与户口所在地的交互作用显著，这进一步说明了社区环境的提升对本地人口和外来人口之间互动融合的重要性。由图 3b可见，相较于本地人口，环境品质感知的提高对于外来人口社区社会融合的提升作用显著，这可能是由于环境品质优势或提高外来人口对社区依恋程度。图 3c表明客观可达性的提高对本地人口的融合水平没有产生较大差异，但显著促进外来人口的融合感知。可能的解释是这给予外来人口更多的机会和渠道与外界群体互动，从而提升了他们对居住地的了解和认知。图 3d反映出，随着社区物业管理水平的提高，本地居民的社会融合不断增强，而外来人口的社会融合显著降低。物业管理水平较高的社区多为高档住宅且是封闭式管理，外来人口与其他群体的交往机会较少。这也反映出当下提高管理水平的物业管理公司并没有成为促进本地人口和外来人口互动融合的有效桥梁。

图 3(Fig. 3)

图 3 社区特征与户口所在地的交互作用图 Fig.3 Interaction Plots of Neighbourhood Characteristics and Hukou Affecting Social Cohesion

随着社会经济发展和人口大规模流动，城市内部人口构成的复杂性和多样性增加，对转型期中国城市居民的社会融合提出了挑战。社区作为城市居民日常生活的主要场域，是影响其社会融合水平的重要空间单元。本文利用2018年“上海居民住房与生活空间调查”数据，运用多元线性回归模型，探究不同社区特征对居民社会融合的影响，并进一步揭示不同社区特征特别是社区类型和社区建成环境对不同户口群体社会融合的异质性影响，得到以下主要结论：

(1) 个体特征对社会融合的影响有限。与现有研究一致^[18]，党员身份显著促进社会融合水平。与预期不同，出生时的户口所在地与社会融合无显著影响，城镇户口对社会融合产生显著抑制作用。此外，女性、未育有子女对社会融合的作用正向显著。

(2) 社区是影响居民社会融合的重要场域，社区特征显著影响居民社会融合水平。首先，社区类型不同会影响居民整体的社会融合程度，保障房社区中的居民社会融合水平显著较高。保障房社区一直以来都被认为是弱势群体社区，得到了学界的广泛关注。尽管保障房社区居民在经济水平方面表现出了劣势，但已有文献发现保障房社区内外来人口的社会文化融入具有优势^[21]，也有文献发现该类社区能有效改善外来租赁人口在当地社会的融入情况^[41]。Miao等^[18]基于上海的研究也指出社区的整体社会经济地位越低，居民的社会融合反而更好。另外，与现有文献结果一致^{[28, 29]}，本研究发现社区建成环境(包括道路可达感知、环境品质感知、公共空间感知和客观可达性)的改善对居民的社会融合具有积极影响。再次，已有研究认为同一城市内部社会融合存在空间差异^{[17, 30]}，本文进一步揭示居民社会融合程度随着社区区位中心到外围的变化而递减。

(3) 社区类型和社区建成环境对不同户口群体社会融合的影响存在异质性。一方面，动迁安置房社区对外来人口的社会融合存在显著负向调节作用。这可能是因为动迁安置房社区治理体系较为疏松，并且过去多为农村邻里的本地人口所形成的内倾性交往拉大了其与外来人口的距离^[40]。另一方面，不同社区建成环境特征对本地人口和外来人口社会融合的影响不同。相比于本地人口，社区环境品质感知、客观可达性对外来人口社会融合的促进作用更为显著。社区物业管理水平对不同群体存在异质性作用也得到进一步证实^[42]，对社会融合的异质性作用表现为促进本地人口而抑制外来人口的社会融合。

因此，针对研究结论，我们提出以下政策建议。首先，社区治理要着重提高人居环境品质，以实现社区建成环境对社会融合的促进作用。具体来说，可以从优化社区及周边公共空间和道路交通，积极改善社区环境品质，同时有效组织社区活动，增强不同社区群体间的互动来往等方面入手。其次，社区治理应促进不同治理主体之间的协商互动和协同行动，增强不同治理主体对公共事务的有效管理能力。其中，物业管理公司作为社区治理的三大主体之一，近年来数量和质量明显提升，反映了市场力量对社区治理的更多参与^[43]，但物业公司在提高管理水平时不应局限在社区设施日常管理上，还要注重调解和解决群体间纠纷和冲突等的能力。再次，在城市社区类型中，学者将更多的焦点放在保障房社区^{[23, 38]}，却忽视了基础设施老旧、混居现象显著的动迁安置房社区^[40]。动迁安置房内城市和农村两种社区治理体系的并存带来了管理混乱^[44]，政府应更加注重动迁安置房社区治理体系的现代化系统化转变，缩小本地人口和外来人口间的社会距离和隔阂。

本研究也存在一定局限性。首先，社会融合是一个非常复杂的问题，尽管已有学者^{[13, 14]}辨析了融合与融入的区别，但由于不同学者对此的理解存在差异，社会融合的测度也略有不同。未来可进一步厘清社会融合内涵，完善及丰富社会融合的测度。其次，不同社会经济属性的居民对居住社区具有较大的自选择性，可能会影响社区特征对社会融合产生的作用。此外，本文利用的截面数据仅能解释个体及社区特征和社会融合之间的相关关系。在未来的研究中，可进一步剖析个体及社区特征对社会融合影响的具体机理；同时可以纳入城市尺度的变量，深入探究不同规模或等级城市内社区特征是否会对不同群体的社会融合产生异质性影响。

注释：

①“上海市居民住房与生活空间调查”的关注对象为城市居民。金山区、奉贤区、崇明区这3个市辖区处于上海远郊，包含较多农村区域，社区建设和住房条件较为复杂，故不纳入调研区域范围。

② 对低次项减去样本均值后再构造交互项，同时将减去均值后的低次项代入回归模型。