地理尺度下广州市职业空间分异特征研究

摘 要：以广州市从业人员的空间分异为研究切入点，通过尺度回归曲线和宏微观尺度比率研究社会空间分异的五个维度的尺度变化特征，结合等值线分布图分析从业人员在宏微观尺度中的空间分异模式。研究表明，空间分异中均匀性、集中性和集群性维度受尺度变化影响较大，向心性和接触性维度受尺度变化影响较小。国家机关、党群组织、企业事业单位负责人空间分布呈双峰结构，主要分布在中心圈层，集中性、向心性较高，接触性、集群性和均匀性维度较低；办事人员和专业技术人员空间分布呈单核心多次中心结构，主核心位于中心城区，集中性、向心性、均匀性较高，接触性和集群性较低；商业服务业人员空间分布呈双主峰结构，分布在中心城区和北部城区，空间分异五维度均较高；生产运输设备操作人员空间分布呈火山口结构，人口集中分布在中间圈层，接触性、集中性、集群性较高，均匀性、向心性较低；农、林、牧、渔、水利业生产人员呈盆地状结构，主要分布在最外圈层，除接触性维度较高外其他维度均较低。

关键词：从业人员；多维度；空间分异；尺度

中图分类号：K921.5 文献标识码：A

0 引言

中国改革开放30年，快速的经济发展促进产业升级和内部结构分化，全球性的资本流动和我国社会经济转型使得劳动市场重新被塑造。城市快速扩张和再城市化使得城市内部空间重组，市场化改革进一步加速了城市社会空间分异现象和空间建构路径的自我更新[1]。同时住房制度改革的深化使得原单位制的“职住统一体”向单一就业场所转化，住房消费市场进一步细分。原本的“单位制人”逐渐摆脱单位的束缚在市场上购买其自身社会经济能力相适应的住房[2]，职业的分化和贫富差距拉大使得阶层赋予空间特殊的社会属性，基于收入、职业等社会因素使得阶层被固定在特定空间上，并逐渐形成社会阶层分化的空间。由住房消费市场生产出来的阶层隔离空间不仅在空间上分离各阶层群体，而且拉大了社会群体的社会距离和心理距离，使得社会隔阂和不稳定因素增加。

早在20世纪80年代我国学者便开始社会空间分异的相关研究，虞蔚[3]、许学强[4]等学者首先对上海广州等大城市的城市内部社会结构进行了社会空间的研究，划分了社会区。随后学者开始引入社会空间分异指标来衡量社会空间分异程度[5]。冯健等[6]用信息熵、绝对分异指数、相对分异指数和隔离指数研究分析了北京社会空间分异；李志刚等[7]用差异指数、分异指数和隔离指数分析了广州市新移民居住空间分异。但是传统空间分异测量指数在衡量空间分异程度时存在许多缺陷[8]，空间分异测量指数均是以行政单元作为基本单元进行计算的，因此其不可避免地将面临“可塑性面积单元问题”[9-12]，比如邻里关系的定义、统计基本单元的大小及形状。传统空间分异测量指数忽略了统计基本单元的空间属性直接影响到指数的有效性和准确性[13]，特别是我国近代行政区划变动较大[14]，这种影响不容忽视。1991年Morrill提出基于邻域矩阵修正的差异性指数用以解决对统计基本单元邻里关系定义问题[15， 16]，随后Wong提出空间多样性指数[17]、基于面积周长比修正的空间分异指数[13]解决“可塑性面积单元问题”，将社会空间分异测量指数赋予空间形状属性。但并未能解决统计基本单元本身的局限性，即由统计基本单元的尺度大小带来的尺度效应问题。

尺度问题主要产生于地理现象的异质性与系统的等级性，而隔离现象不仅具有异质性而且具有等级性，从社区到城市甚至到民族国家隔离无处不在[18]。地理尺度从本体论、认识论到实践论三个层次可以分为现实尺度、分析尺度和实践尺度三个层面[19]。本文所指的尺度主要是指分析尺度，指社会空间分析中的统计基本单元的尺度大小，而非分析单元的行政级别。在我国行政单元划分中，同一级别的行政单元面积相差很大[14]，传统社会空间分异研究仅注重对行政单元选取说明，对各统计单元的尺度范围大小存在严重忽略。同时，传统空间分异测量研究均基于统计基本单元的基础上，基于社区尺度、街道尺度或者区镇尺度层面社会空间分异都不可避免地需要面对尺度分析单元的约束，基本单元越大，其空间分异测量指数越小。学者们为了解决社会空间分异中的尺度问题均选择街道尺度，甚至居委会和社区尺度进行研究[1，6，7]，以规避尺度效应对社会空间分异测量指数的影响。小尺度的选取能在很大程度上得到更精准的结果，但将导致其结果不具备统一评估的标尺，缺乏和其他研究的对比性。Reardon[20]认为不同尺度下的社会空间分异具有不同的空间模式及机理，仅对单一尺度下的社会空间分异测算很难理解整个城市的社会空间分异模式。因此，进行多尺度的空间分异研究不仅可以为不同地区之间社会空间分异的对比奠定基础，特别是对同一行政级别下各行政单元大小差异颇大时提供归一化方法，还可以更好地理解各尺度下的社会空间分异模式。

1 数据与研究方法

1.1 数据来源

本文分析的基础数据为广州市第六次人口普查数据及广州市2010年街道级别行政区划数据，从业人员分类采取国家人口普查职业分类标准分为7类：国家机关、党群组织、企业事业单位负责人（以下简称国家机关等机构负责人）；专业技术人员；办事人员和有关人员（以下简称办事人员）；商业、服务业人员；农、林、牧、渔、水利业生产人员；生产运输设备操作人员及有关人员（以下简称为生产运输设备操作人员）；不便分类的其他从业人员。由于第七类从业人员人数过少，甚至某些街道为0，将影响整体计算结果，因此剔除不便分类的其他从业人员。

本文共构建1公里到10公里以1为级差十个类型的尺度单元网格。尺度单元构建主要步骤：①计算出每个街道单元的各职业人口密度；②将广州市街道行政地图划分为500m*500m的小格网；③根据格网与街道相交后的面积与街道的职业人口密度相乘得出该网格的职业人口数； ④合并500m*500m的小格网得到1公里到10公里各级别尺度网格；⑤将合并的网格人口数据求和得到合并后的网格人口数。

1.2 空间分异指标

本文采用Massey总结归纳的社会空间分异测度的五个维度指标[21]：均匀性维度（Evenness）、接触性维度（Exposure）、集中性维度（Concentration）、向心性维度（Centralization）和集群性维度（Clustering）作为本次研究空间分异测度的维度。

（1） 均匀性维度指标。均匀性维度指标用来表示某一或多个人口群体在大都市地区各细分空间单位（如人口普查片区）中的分布情况。本文采用按共有边长及周长面积比修正隔离指数IS（s）衡量均匀性维度，其表达式如下[22]：

式中，P 指整个研究区域中x人口所占的百分比，Pi 空间细分片区单元i中x所占的百分比，Pj空间细分单元j中x所占的百分比，A 指整个研究区域的面积，Ai空间细分单元i的面积，Aj空间细分单元j的面积，bij是指空间细分单元i和j的公共边界长度，xi指空间细分单元i中的x群体的总人数，xj指空间细分单元j中的X群体的总人数，X指整个研究区域中X群体的总人数，ti指空间细分单元i中的总人口，tj指空间细分单元j中的总人口，T指整个研究区域的总人数。修正隔离指数IS（s）的取值范围为[0，1]，数值越大代表空间分布越不均匀。

（2） 接触性维度指标。接触性维度指标指在单位空间里，同组个体之间（单组）或异组个体之间（组间）的潜在接触的可能性。本文主要采用孤立指数xPx衡量接触维度指标[23]，其公式如下：

式中，各项参数的代表含义同公式（1），孤立指数xPx取值范围为[0，1]，其数值越大接触到同组个体可能性越大，接触到异组个体的可能性越小。

（3） 集中性维度指标。集中性维度指标指的是某一群体所占用的空间大小。一个群体占用的空间越小，它的集中性就越高。本文采用量差指数DEL衡量集中性维度指标[24]，其公式如下：

式中，各项参数代表含义同公式（1），量差指数DEL取值范围为[0，1]，其数值越大，群体占用空间越小，集中性越高。

（4） 集群性维度指标。集群性维度指标用于衡量某群体的集聚程度。群体占用相邻的空间细分单位，从而在城市中形成被包围的“飞地”，群体占用的相邻空间越多，其集群性越大。本文采用绝对集群性指数ACL衡量集群性维度指标[25]，其公式如下：

式中，cij指邻里矩阵，其余参数代表含义同公式（1）。集群性指数ACL的取值范围为[0，1]，其数值越大集群性越大。

（5） 向心性维度指标。向心性维度指标表示某一群体所在地点距离都市中心或中心商业区的远近程度，本文采用广州市体育中心作为都市中心，绝对向心指数ACE来衡量向心性维度，其公式如下：

式中，空间细分单元按到市中心的距离升序排序，Xi-1指从单元1到i的X群体的累计百分比，Si指从单元1到i的面积累计百分比。绝对向心指数ACE取值范围为[-1，1]，数值越大距离市中心越近。

1.3 隔离指数尺度回归曲线与尺度比率

尺度回归曲线即空间分异指数在不同尺度下的数值变化曲线[26]。如图1所示，图1（1）为A、B、C三个群体的空间分异尺度回归曲线，图1（2）和图1（3）分别为微观尺度和宏观尺度视角下三个群体的空间横截面人口比率分布图。空间分异尺度回归曲线的斜率表示尺度对空间分异的影响程度，如图1（2）中基于微观尺度空间A群体与B群体横截面形态完全不同，其均匀性程度表现出明显差异，A的均匀性远小于B。但随着尺度单元扩张，如图1（1）所示，A群体与B群体的微观差异逐渐被尺度抹平，A群体的回归曲线的斜率绝对值要远大于B群体，A群体空间分异受尺度影响较B群体大，最后A、B群体逐渐变成相同的空间分异状态，如图1（3）所示。空间分异尺度回归曲线斜率的绝对值可以用于反映空间分异指标在尺度测算中对尺度变化的敏感度。

空间分异尺度回归曲线的截距指在（理想状态下的）最小尺度分析单元的空间分异程度，被用作表示为没有尺度影响下的空间分异程度，如图1（1）A群体与C群体虽然拥有相同的尺度变换率（斜率），A群体和B群体在大尺度空间拥有相同的形态（交点），但它们三者的回归曲线的截距不同，因此在最小分析尺度单元视角下A、B、C三个群体依然具有不同的空间分异程度和空间形态，如图1（2）。

尺度比率指在宏观尺度下的空间分异指数与微观空间下的空间分异指数的比值，尺度比率可以表现出在尺度上升过程中空间分异及各维度变化状况，其公式如下：

式中，ISmac代表宏观尺度下的分异指数；ISmic代表微观尺度下的分异指数。尺度比率越接近1说明宏观空间环境和微观空间环境的分异程度越接近，在空间中存在一个“广域的”空间分异，从微观到上升宏观尺度变化较小；尺度比率越接近0说明宏观空间环境与微观空间环境的分异程度差异越大，空间分异主要以短距离微观空间为主，在宏观空间尺度下这种分异逐渐消亡。尺度比率与1的差值表示在尺度上升中所被抹平的微观空间的空间差异，即相当于图1（2）中ABC横截面曲线的小锯齿。

2 各维度空间分异指数回归系数比较

对空间分异五维度指标与网格单元尺度长度做线性回归拟合，尺度长度采用公里为单位，结果如表1所示，社会空间分异五维度中向心性维度的回归方程的校正后的R平方在0.09到0.34，回归方程不显著，向心性维度与尺度并不存在线性关系，主要是因为其表示空间位置关系，随着尺度大小变化并非呈现规则的线性规律。其余四个维度均匀性维度指标、接触性维度指标、集中性维度指标和集群性维度指标的校正后的R平方均在0.7以上，拟合所得回归方程均显著，构建回归方程有效。

均匀性维度指标、接触性维度指标、集中性维度指标和集群性维度指标的拟合方程的回归系数的平均值分别为-4.83×10-2、-2.67×10-3、-4.33×10-3、-4.5×10-3，标准差分别为3.55×10-2、1.51×10-3、1.03×10-3、1.87×10-3。均匀性维度指标受尺度变化影响最大，其尺度变化率（回归系数绝对值）是其他三个维度的数十倍之多，网格基本单元尺度每增加1公里均匀性指标将减少0.048，考虑到均匀性指标的取值范围为[0，1]，其影响至少产生4.8%以上的变幅。但六类从业人员均匀性维度的回归系数具有最大平均值同时其标准差要远远大于其他维度，对于不同的职业均匀性维度指标的尺度影响相差巨大，如专业技术人员均匀性指标回归系数远大于其他维度，而农、林、牧、渔、水利业生产人员均匀性维度指标的回归系数则与其他三个维度并无明显差距。接触性维度指标尺度变化率最小，其整体上受尺度变化影响最小，集中性维度指标和集群性维度指标则介于两者之间。究其原因主要由于各维度指标中尺度单元大小的影响不同，可以看出除了向心性维度其他各维度与最小统计单元面积呈线性负相关关系，由于均匀性维度表示的是各最小统计单元之间的差异，因此受尺度影响最大，而接触性维度由于描述各统计单元内部的差异情况，相对来说受尺度影响最小；集中性维度指标和集群性维度位于两者之间，两者分别表示人口在单元中的集中程度及各单元中同类人口的集群程度，因此相对接触性维度其受尺度影响较大，向心性维度表示中心的位置，因此和最小统计单元面积大小无关，随着单元尺度的变化向心性基本保持不变。

回归方程的常数项代表尺度大小接近极小值时各维度的指标数值，因此可以看作对斜率归一化后的值，各群体的方程常数项可以作为社会空间分异标准化数值的呈现。对从业人员的回归方程常数项进行分析，均匀性维度指标、接触性维度指标、集中性维度指标和集群性维度指标四个维度常数项均值分别为0.373、0.258、0.616、0.199，标准差分别为0.173、0.146、0.179、0.131。对从业人员来说，均匀性维度和集中性维度两个维度指标差异最大，为主要影响特征。

3 各从业人员空间分异模式及尺度变化特征

本文采用克里金空间插值法构建广州市各从业人员人口比率等值线分布图，并结合社会空间分异五维度指标研究从业人员空间分异模式。但是仅用微观尺度或宏观尺度绘制空间分布图都有缺陷，宏观空间分布图能够很好地把握整体的分布特征但忽视局部特征抹去内部的细节性差异，微观尺度空间可以表现出细节上差异但受细节影响太大较难总结出整体的分布特征，因此本文采用宏观和微观相结合来分析空间模式，并用尺度比率分析研究从业人员在宏微观空间尺度下的变化特征。

3.1 国家机关、党群组织、企业事业单位负责人

国家机关、党群组织、企业事业单位负责人的空间分异五维度指标尺度变化比率如图2所示，其向心性维度指标与集中性维度指标的尺度比率均在0.9以上，从宏观单元（10km）到微观单元（1km）的变化幅度分别为0.70%、7.86%，受尺度影响较小；均匀性维度指标、接触性维度指标和集群性维度指标的尺度比率均在0.8以下，宏微观变化幅度分别为25.56%、22.54%、29.30%，受尺度影响较大。

国家机关、党群组织、企业事业单位负责人的空间分布模式如图3所示，其空间分布特征为核心双峰结构，人口主要集中在中心城区和南部城区偏北的一块，其向心性和集中性较高，宏微观尺度集中性维度指标分别为0.74、0.68，向心性维度指标均为0.8。在微观尺度空间分布较破碎，人口多集中在中部城区，北部与南部城区人口分布比例较低，均匀性较差，其均匀性维度指数为0.39，表现为中等不均匀，随着尺度上升，宏观尺度均匀性维度指标下降为0.29。

3.2 专业技术人员

专业技术人员空间分异向心性维度指标与集中性维度指标的尺度比率均在0.9以上， 宏微观变化幅度分别为1.17%、6.04%，受尺度影响较小；接触性维度指标宏微观变化幅度为11.63%，尺度比率在0.8到0.9之间，受尺度影响程度中等；均匀性维度指标和集群性维度指标的尺度比率在0.8以下，宏微观变化幅度分别为24.03%、26.33%，受尺度影响较大。

专业技术人员空间分布特征为单核心多次中心结构，人口主要分布在中心城区，周围环绕着四个次级中心，其向心性和集中性较高，但由于多个次中心存在，其空间分布较均匀，宏微观尺度集中性维度指标分别为0.70、0.66，向心性维度指标分别为0.79、0.78，均匀性维度指标分别为0.29、0.22。

3.3 办事人员

办事人员空间分异向心性维度指标、集中性维度指标和接触性维度指标的尺度比率均在0.9以上，宏微观变化幅度分别为0.89%、5.13%、10.09%，受尺度影响较小；均匀性维度指标和集群性维度指标的尺度比率均在0.8以下，宏微观变幅分别为26.45%、22.74%，受尺度影响较大。

办事人员的空间分布特征和专业技术人员一样，亦为单核心多次中心结构，人口主要分布在中心城区，四周环绕着多个次级中心，其向心性和集中性较高，空间分布较均匀，宏微观尺度向心性维度指标分别为0.78、0.77，集中性维度指标分别为0.67、0.64，均匀性维度指标分别为0.23、0.17。

3.4 商业服务业人员

商业服务业人员空间分异向心性维度指标、集中性维度指标和接触性维度指标的尺度比率均在0.9以上， 宏微观变化幅度分别为0.31%、4.38%、4.93%，受尺度影响较小；均匀性维度指标和集群性维度指标的尺度比率在0.8到0.9之间，宏微观变化幅度分别为16.03%、16.67%，受尺度影响程度中等。商业服务业人员空间分异整体受尺度变化影响较小。

商业服务业人员的空间分布特征为双峰结构，一个核心位于中心城区的西部，一个核心位于北部城区的西部。位于中心城区的核心区其微观特征为多个群簇较均匀分布组成的破碎状集聚点，在宏观尺度下各集聚点连接成片形成一个中心单峰。商业服务业人员的向心性和集中性较高，空间分布较均匀，宏微观尺度的集中性维度指标分别为0.67、0.64，均匀性维度指标分别为0.25、0.21，向心性维度指标均为0.76。

3.5 农、林、牧、渔、水利业生产人员

农、林、牧、渔、水利业生产人员向心性维度指标和均匀性维度指标宏微观变化幅度分别为4.79%、6.86%，尺度比率均在0.9以上，受尺度影响较小；接触性维度指标和集中性维度指标的宏微观变化幅度分别为12.65%、13.00%，尺度比率在0.8到0.9之间，受尺度影响程度中等；集群性维度指标宏微观变化幅度达38.70%，尺度比率在0.7以下，其受尺度影响非常大。

农、林、牧、渔、水利业生产人员的空间分布特征为盆地状结构，农业人口主要集中在南部城区和北部城区，中部城区形成一块以珠江为中心的农业人口“空白带”。其空间上分布十分不均匀，分布较分散，集中性低，宏微观尺度的集中性维度指标分别为0.28、0.24，均匀性维度指标分别为0.70、0.65，向心性维度指标均为0.09。

3.6 生产运输设备操作人员

生产运输设备操作人员向心性维度指标、集中性维度指标和接触性维度指标的宏微观变化幅度分别为0.87%、7.78%、8.24%，尺度比率在0.9以下，受尺度影响较小；集群性维度指标的宏微观变化幅度为19.88%，尺度比率在0.8到0.9之间，受尺度影响程度中等；均匀性维度指标的宏微观变化幅度为21.26%，尺度比率均在0.8以下，受尺度影响较大。

生产运输设备操作人员的空间分布特征为火山口结构，最内圈层人口比率极低形成中心洼地，中间圈层人口比率最高，再外层人口比率又逐步下降。其宏微观尺度的均匀性维度指标分别为0.36、0.29，集中性维度指标分别为0.57、0.53，其空间分布较不均匀，集中性较高。

4 结论与讨论

4.1 空间分异指数尺度变化特征差异巨大

通过对广州市从业人员的社会空间分异探讨发现，传统的社会空间分异五个维度受尺度单元大小变化影响程度差异很大，其中均匀性维度受尺度影响最大，均匀性表示各细分片区（统计基本单元）的分布状况，因此随着细分单元的尺度扩大，被吞并的细分单元抹平了其内部的差异性以整体性表现出来，其受尺度扩张影响最大。集中性维度和集群性维度表示群体的空间集聚性，随着细分单元的尺度扩大，集聚性逐渐被周围其他群体占主导的单元稀释掉，因此集中性和集群性受尺度扩张影响程度也较大。接触性维度表示单位空间里同组个体之间的潜在接触的可能性，随着细分单元的尺度扩大，空间分布较均匀和集中性较小的地区接触性指标变化幅度较小，而集中性较大、空间分布不均匀的地区其接触性指标变化幅度较大。向心性维度指距离都市中心或中心商业区的远近程度，表示为一种位置关系，随着细分单元的尺度扩大其位置变动较小，而且呈非线性变动，受尺度影响最小。

4.2 从业人员空间分异模式

广州市从业人员空间分布主要可以划分为三个圈层：第一圈层为核心圈层，主要分布在广州市的经济行政主中心和各个次中心，主要为国家机关等机构负责人、办事人员、专业技术人员和商业服务业人员，代表着经济权利的“精英阶级”，其空间分异特点是空间分布较均匀，向心性和集中性较高。第二圈层为中间圈层，主要分布在中心城区周围的近郊区，起到回避地价竞争同时起到连接第一圈层和第二圈层的作用，该圈层主要为代表着底层工人群体的生产运输设备操作人员，空间分异特点为均匀性、集中性和向心性都比第一圈层人员低，其与商业服务业人员在空间上均呈连片式分布，接触性和集群性较高。第三圈层为边缘圈层，主要分布在远离中心城区的远郊区，其经济水平最低，代表着第一产业的农、林、牧、渔、水利业生产人员，其空间分异特点为集中性和向心性非常低，空间分布极不均匀，人口主要分布在增城、从化和南沙等地的地广人稀地区。

4.3 从业人员空间分异宏微观差异

不同从业人员在不同单元尺度中存在很大差异，国家机关等机构负责人、专业技术人员空间分异主要体现在微观尺度上，分布较集中且破碎。商业服务业人员、生产运输设备操作人员、农林牧渔水利业生产人员的空间分异则更多体现在宏观尺度上连片分布，商业服务业人员在城市中心，生产运输设备操作人员在城市近郊区，农林牧渔水利业生产人员分布在城市远郊区，其内部的微观尺度差异相对较小。城市从业人员的空间分异也是城市内部社会经济的一种映射。从业人员宏观尺度的空间分异可以看成城市经济体的联系和功能分区，空间分异越大则各类经济体联系越少，产业结构越碎片化，而内外圈分异程度高低也体现了同心圆结构模式的清晰程度。而从业人员在微观空间上表现的社会空间分异更像“精英与平民”的分割，精英之间不断地结合并与大众之间相互区隔[27]，权力精英、经济精英与知识精英集中在“规训空间”中[28]。因此社会经济地位相对较高的国家机关等机构负责人、专业技术人员其空间分异程度在微观层面表现更为明显。

社会空间分异的测度不仅存在着尺度效应，而且在不同地理尺度单元下其表现出来的模式和意义是完全不同的。社会空间分异是一种特定的人群在特定尺度下表现出来的结果，其尺度不限于行政单元等级还包括了地理尺度及其测量的基本单元大小。因此，基于尺度衡量的社会空间分异指标在社会空间分异研究中具有不可忽略的作用。

参考文献：

[1] 吴启焰，吴小慧，Guo C，et al. 基于小尺度五普数据的南京旧城区社会空间分异研究[J]. 地理科学，2013， 33（10）： 1196-1205.

[2] 魏立华，丛艳国，李志刚，等. 20世纪90年代广州市从业人员的社会空间分异[J]. 地理学报，2007，162（4）： 407-417.

[3] 虞蔚. 西方城市地理学中的因子生态分析[J]. 国外人文地理，1986（2）：36-39.

[4] 许学强，胡华颖，叶嘉安. 广州市社会空间结构的因子生态分析[J]. 地理学报，1989， 44（4）：385-399.

[5] 李志刚，吴缚龙. 转型期上海社会空间分异研究[J]. 地理学报， 2006， 61（2）：199-211.

[6] 冯健，周一星. 转型期北京社会空间分异重构[J]. 地理学报， 2008， 63（8）：829-844.

[7] 李志刚，吴缚龙，肖扬. 基于全国第六次人口普查数据的广州新移民居住分异研究[J]. 地理研究，2014， 33（11）： 2056-2068.

[8] 石恩名，刘望保，唐艺窈. 国内外社会空间分异测度研究综述[J]. 地理科学进展，2015，34（7）：818-829.

[9] Wong D W. Spatial dependency of segregation indices[J]. The Canadian Geographer/Le Géographe canadien， 1997， 41（2）：128-136.

[10] Wong D W. Spatial decomposition of segregation indices： a framework toward measuring segregation at multiple levels[J]. Geographical Analysis， 2003， 35（3）：179-194.

[11] Reardon S F， O’sullivan D. Measures of spatial segregation[J]. Sociological Methodology，2004，34（1）： 121-162.

[12] Wong D. The modifiable areal unit problem （MAUP）[M]. The SAGE Handbook of Spatial Analysis. SAGE Publications London. 2009：105-123.

[13] Wong D W. Implementing spatial segregation measures in GIS[J]. Computers， Environment and Urban Systems， 2003， 27（1）：53-70.

[14] 朱建华，陈田，王开泳，等. 改革开放以来中国行政区划格局演变与驱动力分析[J]. 地理研究，2015，34（2）：247-258.

[15] Morrill R L. On the measure of geographical segregation[C]. Geography Research Forum，1991， 11（1）： 25-36.

[16] Hong S-Y， O'sullivan D， Sadahiro Y. Implementing spatial segregation measures in R[J]. PloS one，2014， 9（11）： 113-147.

[17] Wong D W. Modeling local segregation： a spatial interaction approach[J]. Geographical and Environmental Modelling， 2002， 6（1）：81-97.

[18] Kaplan D H， Holloway S R. Scaling ethnic segregation： causal processes and contingent outcomes in Chinese residential patterns[J]. GeoJournal， 2001， 53（1）：59-70.

[19] 刘云刚，王丰龙. 尺度的人文地理内涵与尺度政治―基于1980年代以来英语圈人文地理学的尺度研究[J]. 人文地理， 2011（3）：1-6.

[20] Reardon S F， Matthews S A， O’sullivan D， et al. The geographic scale of metropolitan racial segregation[J]. Demography， 2008， 45（3）：489-514.

[21] Massey D S， Denton N A. The dimensions of residential segregation[J]. Social Forces， 1988， 67（2）： 281-315.

[22] Wong D W. Spatial indices of segregation[J]. Urban Studies， 1993， 30（3）：559-572.

[23] Bell W. A probability model for the measurement of ecological segregation[J]. Social Forces， 1954， （32）：357-364.

[24] Duncan O D， Cuzzort R P， Duncan B. Statistical geography： problems in analyzing areal data[J]. Statistical Geography： Problems in Analyzing Areal Data， 1961， 56（296）： 1011-1013.

[25] White M J. Segregation and diversity measures in population distribution[J]. Population Index， 1986， 52（2）：198-221.

[26] Lee B A， Reardon S F， Firebaugh G， et al. Beyond the census tract： Patterns and determinants of racial segregation at multiple geographic scales[J]. American Sociological Review， 2008， 73（5）：766-791.

[27] Zukin. Landscapes of power： from detroit to Disney World[M]. London： University of Califormia Press， 1993.

[28] 宋伟轩. 隔离与排斥―封闭社区的社会空间分异[M]. 北京： 中国建筑工业出版社， 2013.