EN中文

地理科学进展 >

2023 , Vol. 42 >Issue 9: 1795 - 1808

DOI: https://doi.org/10.18306/dlkxjz.2023.09.011

研究论文

居住空间分异对城市公共服务供给的因果效应研究——以上海市为例

  • 卢婷婷 ,
  • 李志远
展开
  • 上海交通大学国际与公共事务学院，上海 200030

卢婷婷(1988— )，女，博士，副教授，博士生导师，主要从事城市规划、城市地理研究。E-mail:

收稿日期: 2023-02-13

  修回日期: 2023-05-02

  网络出版日期: 2023-09-27

基金资助

国家自然科学基金项目(42001175)

上海市哲学社会科学规划项目(2019ECK001)

收起

The causal effect of residential spatial segregation on the provision of public services: Evidences from Shanghai

  • LU Tingting ,
  • LI Zhiyuan
Expand
  • School of International and Public Affairs, Shanghai Jiao Tong University, Shanghai, 200030, China

Received date: 2023-02-13

  Revised date: 2023-05-02

  Online published: 2023-09-27

Supported by

National Natural Science Foundation of China(42001175)

Shanghai Planning Office of Philosophy and Social Science Project(2019ECK001)

Fold

摘要

促进城市空间均衡、充分发展，推动城市公共服务供给水平全面提升，是中国式现代化对城市治理提出的核心要求。论文以超大城市上海为例，围绕居住空间分异如何影响公共服务供给的问题，首先从城市治理最小行政单元的居/村委会尺度刻画了公共服务供给不均衡的空间格局，其次运用因果推断中的广义倾向值匹配方法分析基于住房产权的居住分异程度对公共服务供给程度的实际影响，最后进一步阐释政府部门与市场部门在不同场景公共服务供给中的差异性逻辑。研究发现：① 上海居住分异程度和公共服务供给程度在空间全局呈相反关系，且在中心聚集“低分异—高供给”的空间，在边缘聚集“高分异—低供给”的空间；② 居住分异对公共服务供给的影响在整体场景、分部门场景下均以显著的负向因果效应为主，即居住分异程度的加深将引起公共服务供给相对不足，但该影响在居住分异程度居中阶段均出现小幅度的正向波动变化；③ 相较于政府部门，市场部门主导的公共服务供给受到居住分异的负向因果效应作用更大。基于研究结论，论文从促进适度住房产权混合和社会融合、弥补边缘空间的公共服务资源不足、改善弱势社会群体的住房机会三方面提出城市治理建议。

关键词： 居住空间分异; 公共服务供给; 因果效应; 广义倾向值匹配; 上海市

本文引用格式

卢婷婷 , 李志远 . 居住空间分异对城市公共服务供给的因果效应研究——以上海市为例[J]. 地理科学进展, 2023 , 42(9) : 1795 -1808 . DOI: 10.18306/dlkxjz.2023.09.011

Abstract

Improving the quality of urban public service provision and promoting a balanced and sufficient development of urban space is one of the critical urban governance issues in the process of China's modernization. However, the relationship between residential segregation and public service provision remains under-researched. Using Shanghai as a case, this study examined the spatial pattern of diversified urban public service provision at the scale of the smallest administrative unit and employed a causal-effect analytical method—generalized propensity-score matching—to identify the actual impact of residential segregation on the public service provision respectively delivered by the public sector and the private sector. The study revealed that the global and local spatial associations between residential segregation and public service provision in Shanghai displayed an inversely distributed pattern. Residential segregation at the neighborhood (residential committee) scale showed a negative effect on the public service provision both overall and by sectoral divisions. Such correlation showed a positive fluctuation in the middle of the residential segregation spectrum. The positive treatment effect of residential segregation on the public service provision from the private sector is relatively weak. Based on these findings, this study offered three policy recommendations: promoting a moderate level of homeownership mix, bridging the gap in public services in relatively segregated neighborhoods, and improving housing opportunities for marginalized groups.

Key words： residential segregation; public service provision; casual effect; generalized propensity score matching; Shanghai

党的二十大指出，高质量发展是全面建设社会主义现代化国家的首要任务之一，其中，公共服务供给是城市治理的重要议题之一[1-2]。高质量发展目标不仅要求健全基本公共服务体系、提升公共服务水平，还要求践行公共服务发展的均衡性和可持续性内涵。当前，中国城市正面临公共服务供给不充分、不均衡的困境，并且引发了公民城市权利不平等的问题，已经受到政策制定者和学者的广泛关注[3⇓-5]。为此，各级政府高度重视将社区作为公共服务治理的基本空间单元，强调把资源、服务下沉到社区，推进均衡、平等的公共服务供给。例如上海市政府在“十四五”规划提出公共服务“公平均等”原则，一方面从国土空间规划层面将城市居民日常生活所需的公共服务功能纳入“15 min社区生活圈”规划，另一方面针对租赁住房、保障性住房等薄弱社区推出政策组合，以提升弱势群体的公共服务可达性[6-7]。
国际上，居住空间分异与公共服务供给分化是密切相关的空间现象[5,8]。居住分异(residential segregation)表征了空间内社会经济特征(如种族、收入、住房等)的区隔程度[9]。来自地理学和政治学的系列研究表明，在美国城市，种族居住分异程度越严重越可能出现公共服务供给匮乏和投资缺位的问题[10-11]；在社区尺度，少数族裔人口、海外移民人口聚集区无法吸引公共和市场投资，往往处于教育、就业等公共服务衰败的状态[12-13]。面对这一问题，部分欧美国家采纳了“居住混合”(residential mix)的规划政策，旨在通过降低居住分异程度达成社区空间内公共服务的跨群体共享[14]。例如在荷兰，政府鼓励在公共住房社区内增加开发私人住房，因为私人住房的入驻可以吸引资本投资于社区公共服务(包括商业型、普惠型等)，其中普惠型公共服务可以满足社区内公共住房居民的需求[15]。又如在美国，政府通过向公共服务缺失的贫困社区居民发放租赁住房的“代金券”，鼓励其迁居到相对富裕社区；通过混合居住，贫困居民可以获得使用相对富裕社区公共设施的机会[16]。虽然这些居住混合政策均试图通过降低居住分异应对社区公共服务不足的问题，但产生的效果并不相同[17-18]。因此，居住分异能否影响社区公共服务供给仍然是学界重要的争议。
近年来，中国学者开始关注居住分异及其引起的公共服务空间不平等问题。现有研究认为，转型发展以来，城市社会经济的加速分化重构了城市公共服务的空间秩序[19]。此外，不同群体对居住空间的竞争加剧了公共服务空间布局的差异化[20]。值得注意的是，中国城市住房产权与部分公共服务挂钩[21]，强化了住房与公共服务供给之间存在空间耦合过程[22]。然而，现有研究较少从产权维度检视居住分异对公共服务供给的影响，也鲜少研究关注政府部门公共服务供给与市场部门公共服务供给的差异。基于上述考虑，本文从俱乐部经济理论和集体消费理论视角出发，采用因果推断方法分析基于住房产权的居住分异对公共服务供给的影响，识别政府和市场部门公共服务供给的弱势空间，以期为超大城市社区公共服务高质量发展提供方案优化的科学依据。

1 公共服务供给的多元机制

公共服务供给以城市设施为载体，以社会公众为服务对象，旨在满足公共性的日常生活需求。伴随经济的新自由主义转型、城市治理的多主体协同转向，各国公共服务的供给主体与影响机制愈发多元化和复杂化。一方面，政府部门开始吸纳市场机构和社会资本参与公共服务供给，由此缓解政府财政支出压力、提高公共服务效率。另一方面，在多元主体作用下，公共服务供给的空间生产过程受到市场机制和政府机制的不同影响，形成差异化的空间格局。
针对公共服务供给的多主体性，现有研究主要采用俱乐部经济理论和集体消费理论阐释公共服务供给的市场机制和政府机制。首先，经济学家布坎南[23]用“俱乐部产品”(club goods，即准公共物品)的概念描述市场部门供给的公共物品，认为其具有低竞争性和高排他性。基于该理论，学者们指出市场部门或基于群体的消费偏好对公共服务进行空间配置，或将公共服务的使用条件区分为“平等进入”(equal access)和“选择性进入”(selective access)，通过降低使用者竞争与提高排他性程度来提升公共服务的供给效率[24-25]。换言之，在俱乐部经济理论逻辑下，市场部门为提高公共服务供给的有效性而限制经济条件较低居民的搭便车行为。因此，受市场机制主导的公共服务多基于差异性的消费能力形成不均衡的空间格局。
其次，地理学者卡斯特尔采用“集体消费”(collective consumption)理论阐释政府分配公共服务供所形成的空间不平等。卡斯特尔[26]认为公共服务“就其性质和规模而言，其组织和管理只能由集体供给”。但是，他指出政府看似在为所有人提供公共服务，实际上不可避免将一部分人排除在集体供给之外，由此产生了新的不平等[27]。在集体消费的理论基础上，桑德斯[28]进一步关注集体消费能力的来源，指出社区是否掌握政治资源、是否享有政府公共服务权利等因素将影响政府对公共服务供给的决策。因此，在政府机制下，政府权力行使的政治逻辑将形塑城市公共服务的空间生产。
伴随居住空间分化现象的全球蔓延，学界开始关注居住空间分异如何影响公共服务供给，如部分研究认为公共服务供给的质量差距取决于社区住房价格差异，且高房价社区更容易吸引具有最大正外部性的公共服务[29]；另一部分研究则强调社会阶层分化，认为拥有政治权力或社会资源的群体更容易为其所在社区争取公共服务资源[30]。市场化改革以来，中国社区尺度的公共服务供给格局已经出现明显演变，公共服务供给的特征与影响机制在不同住房产权之间表现出差异性[31-32]。计划经济时期，单位社区是城市居民获取公共服务的基本空间，公共服务的类型、品质、数量等特征取决于“单位能力”和“个体地位”，因此，公共服务供给呈现出单位住房之间分化以及单位住房与其他住房之间分化的状态[33-34]。伴随住房改革，社区公共服务的正外部性逐步内化于住房市场价格之中，公共服务供给的程度、品质差异与社区购买能力的强弱呈现相关性[35-36]。此外，政府针对不同居住用地的开发和更新规划了不同的公共服务配套要求，出现了郊区豪宅、保障房、市场主导的商品房、政府主导的安置房等住房空间之间的公共服务供给差异[37⇓-39]。
综上所述，已有研究指出，公共服务供给具有多元主体与多元机制，并探讨了种族、社会阶层分化等因素对公共服务供给的影响[10⇓⇓-13]。但是，鲜少研究从住房产权这一重要维度检视居住分异对公共服务供给的影响及其因果效应。部分研究指出，在中国城市转型发展的情境下，种族并非居住空间分异的显见特征，而住房产权是居住空间分异的核心要素[34,40]；此外，在中国城市，住房产权与部分公共服务挂钩，二者的空间生产过程存在耦合[35-36]。基于上述考量，本文以超大城市上海为例，分析基于住房产权的居住分异对公共服务供给的影响，具体包括以下问题：① 公共服务供给和居住分异的空间格局有何特征；② 政府部门和市场部门的公共服务供给有何差异；③ 基于住房产权的居住分异对分部门公共服务供给有何因果效应。

2 数据与方法

2.1 数据来源

本文选择超大城市上海为案例。上海实行“两级政府、三级管理、四级网格”的城市治理方式，将居/村委会作为行政的最小空间单位。本文以居/村委会辖区作为分析的空间单元(统称为社区)，分析最小行政单元的公共服务供给与单元内住房结构的关系。实证分析的数据来自两方面：一是2010年上海市第六次人口普查数据，涵盖上海市5432个社区、160项人口学相关信息，已有部分研究采用该尺度数据分析居住空间分异[34,38]；二是基于高德地图获取的2013年上海市POI (point of interest) 数据，涵盖上海市1048575条公共服务设施信息。本文首先基于社区空间单元内的住房产权类型形成代表住房产权结构的解释变量，其次基于社区空间内居民的性别、婚姻、健康、户口、收入、职业构成形成协变量。最后，本文将公共服务设施视为公共服务供给的载体，并基于用地性质分类，把属于公共服务用地的设施处理为政府部门公共服务供给，把属于商业服务用地的设施处理为市场部门的公共服务供给，以实现分部门场景下公共服务供给的严格划分。具体而言，本文依据国家标准《用地分类与规划建设用地标准》将POI数据整理为11种城市公共服务设施类型(包括文化、教育、体育、医疗卫生、公园广场、交通、商业、商务、娱乐康体、公共服务设施营业网点、其他服务)，并基于用地类型(包括公共服务设施用地、商业服务设施用地)将11类公共服务归纳为政府部门供给的公共服务和市场部门供给的公共服务，并基于空间坐标统计出5432个社区辖区内的公共服务供给，构成因变量。

2.2 变量测度

本文的变量测度如表1所示。首先，本文采用香农多样性指数(Shannon Diversity Index，简称多样性熵)计算社区空间内的公共服务类型丰富程度，由此反映公共服务质量，并基于公共服务所属的用地类型形成总体公共服务供给、政府部门公共服务供给、市场部门公共服务供给3组因变量。其次，采用香农均匀度指数(Shannon Equitability Index，简称相对熵)计算社区空间内基于住房类型的居住分异程度，作为处理变量。
表1 核心变量汇总

Tab.1 Measurement of key variables

变量名 内容
因变量
公共服务供给(总体) 基于《用地分类与规划建设用地标准》形成的文化、教育、体育、医疗卫生、公园广场、交通、商业、商务、娱乐康体、公共服务设施营业网点、其他服务11类公共服务的多样性熵
公共服务供给(政府) 基于《用地分类与规划建设用地标准》，属于公共服务设施用地内文化、教育、体育、医疗卫生、公园广场、交通6类公共服务的多样性熵
公共服务供给(市场) 基于《用地分类与规划建设用地标准》，属于商业服务设施用地内商业、商务、娱乐康体、营业网点、其他服务5类公共服务的多样性熵
处理变量
居住分异程度(RSD) 基于租赁廉租住房、租赁其他住房、自建住房、购买商品房、购买二手房、购买经济适用房、购买原公有住房、其他住房8类住房类型的分异值
协变量
中等收入行业# 批发和零售业，租赁和商务服务业，教育，文化、体育和娱乐业，公共管理和社会组织5类从业人口占社区总人口的比例
高收入行业# 信息传输、计算机服务和软件业，金融业，科学研究、技术服务和地质勘查业3类从业人口占社区总人口的比例
最低生活保障 收入来源包含最低生活保障金的人口占社区总人口的比例
公职部门负责人 国家机关、党群组织、企事业单位负责人占社区总人口的比例
已婚 已婚(不包含离婚或丧偶)人口占社区总人口的比例
非本地户口 非本地户口人口占社区总人口的比例
郊区 社区位于外环线以外区域=1，社区位于外环线以内区域=0

注：#根据《2013年中国统计年鉴》中上海市按行业分城镇单位就业人员平均工资排序，划定平均工资水平前3位的行业作为高收入行业、平均工资水平居中5位的行业作为中等收入行业。

以往研究中多样性熵及相对熵多用于衡量群体或其他要素的混合程度[41-42]。其中，多样性熵 H的计算公式如下：
H = - ∑ i = 1 n p i × l n   p i
式中： p i是第 i类公共服务占全部公共服务的比例。 H范围处在区间 [ 0 ,   l n   n ]， H越大代表该空间内的公共服务供给类型越丰富；当 H = 0时，该空间内的公共服务供给为零或类型单一。
相对熵 E H的计算公式如下：
E H = H l n   S
式中： S是住房产权类型数。 E H范围处在区间 [ 0 ,   1 ]， E H越大则空间单元内的产权类型越混合；当 E H = 1时，空间单元内的住房类型完全均匀分布； E H = 0时，空间单元内的住房类型单一。
为了分析阐述的逻辑顺畅，本文通过变换相对熵计算公式衡量居住分异(RSD)：
R S D = 1 - E H
R S D取值范围处在区间 [ 0 ,   1 ]， R S D越大则该空间的居住分异程度越高。

2.3 空间相关性分析方法

本文分别采用双变量全局莫兰指数(Bivariate Moran's I, BMI)和双变量局部莫兰指数(Bivariate local Moran's I, BLMI)分析处理变量与因变量的空间联系。其中，BMI计算公式为：
B M I = ∑ i ∑ j w i j y j × x i ∑ i x i 2
式中： x i是空间 i的居住分异程度， y j是相邻空间 j的公共服务供给， w i j是空间 i 、 j的空间关系权重。
BLMI的计算公式为：对空间 i有
B L M I i = c x i ∑ j w i j y j
式中： c为恒定的比例因子。
BMI和BLMI的z检验式为：
z I = I - E I S I ,   S I = V a r I ,   I = B M I B L M I i
在计算BMI和BLMI时，使用一阶“皇后相邻”法测度空间邻接关系，并对双变量作标准化处理，排列数设定为999。针对BLMI，在0.05的显著性水平上，社区空间自身居住分异程度与邻近社区空间的公共服务供给赋值高低分为高—高、低—低、低—高、高—低4种情形。例如，当自身居住分异程度及邻近社区空间公共服务供给均为高值时，记为高—高。

2.4 因果效应分析方法

本文采用广义倾向值匹配(generalized propensity score matching, GPSM)进行分析。倾向得分匹配(propensity score matching, PSM)是因果推断的重要方法，该方法通过构建“反事实”分析，有效避免选择性偏差和混合性偏差的问题[43-44]。因为PSM模型通常仅接受0、1型处理变量，无法应用于连续型变量，所以本文无法采用PSM细化识别随着居住分异程度的线性变化引起的公共服务供给差异。
相较于PSM模型，近年来学者们提出的GPSM满足处理变量为多元或连续型变量时的处理效应估计[45-46]。假设随机样本中的个体 i对于处理变量 t ( t ∈ Τ )存在潜在结果 Y i t，GPSM将 Y i t解释为个体 i在受到处理水平 t时的剂量反应，将 E [ Y i t ]解释为平均剂量反应，将 t在不同取值时 Y i t的差异解释为处理效应，即处理变量强度变化引起的因果效应。本文采用GPSM方法评估城市社区空间单元内的居住分异对公共服务供给的影响机制，实际上是将传统观点所关注的居住分异的维度和社会经济分化特征降维至广义倾向得分值，并基于此更准确地识别处理变量与因变量之间的“净效应”，而通过构建这种反事实分析有助于弥补传统因果推断方法易出现的遗漏变量问题。基于此方法，本文构建一个与“高居住分异程度”社区(处理组)的主要特征趋近一致的“低居住分异程度”社区(控制组)，并将处理组和控制组内的社区相互匹配，使得配对社区除居住分异程度以外的其余主要特征尽量相似，借助控制组近似替代处理组的“反事实”，进而比较两组社区的公共服务供给差异，以此估计居住分异程度对公共服务供给的实际影响效应。
参照Hirano等[45]的研究，本文第一步基于条件概率密度函数估计处理变量 t的广义倾向得分，第二步构建因变量 Y i的条件期望模型，最后计算平均剂量反应和处理效应。在估计广义倾向得分前，GPSM要求弱可忽略性假设成立[47]，即
Y ( t ) ⊥ T | X ,   ∀ t ∈ Τ
其次，需要对连续处理变量 T进行转化，因为Hirano等[45]提出的GPSM模型要求 T满足正态分布假定，实际应用中难以实现。学者为此提出利用广义线性模型(GLM)替代一般线性回归估计倾向函数[47-48]，从指数型分布族(Exponential Family Distribution)指定 T的分布以及检索广义倾向得分，使GPSM模型满足处理变量非正态分布情形下的估计。尤其当处理变量 T为分数形式，即 T ∈ [ 0,1 ]时，如人群占比、分异指数等，Guardabascio等[47]提出采用最大化伯努利对数似然函数(Maximum Bernoulli Log-likelihood Function)估计 T的条件概率密度，通过建立Fractional Logit回归模型估计广义倾向得分。本文处理变量社区居住分异程度(RSD)取值恰好处在 [ 0 ,   1 ]区间，因此，采用Fractional Logit模型估计广义倾向得分。即对于社区 i，有
E T i | X i = F β ' X i ≡ e x p β ' X i 1 + e x p β ' X i
式中： T i是社区 i的居住分异程度， X i是社区 i的社会经济维度的特征向量， β '是 X i的系数行向量。
将伯努利对数似然函数定义为
l i β ≡ T i l o g F β ' X i + 1 - T i l o g 1 - F β ' X i
则估计的广义倾向得分， R i ^为
R i ^ = F β ' X i T i × 1 - F β ' X i 1 - T i
随后，本文根据处理变量 T i和估计的广义倾向得分 R i ^构建因变量 Y i的条件期望模型（ Hirano等[45]指出 Y i的条件期望模型形式灵活，但一般不超出三阶多项式。本文采用三阶形式使得结果更为稳健，其他形式的模型拟合并不改变研究结论。），即
E Y i | T i , R i ^ = α 0 + α 1 T i + α 2 T i 2 + α 3 T i 3 + α 4 R i ^ + α 5 R i ^ 2 + α 6 R i ^ 3 + α 7 T i R i ^
式中： R i ^是社区 i的估计的广义倾向得分， Y i为社区 i的公共服务供给程度， α 0为常数项， α k ( k = 1,2 , … , 7 )为系数。
最后，在上式基础上，本文将 T i替换为给定处理值 t，将 R i ^替换为估计函数 r ^ t , X i，估计 t的平均剂量反应函数 φ t和处理效应函数TE(t)②（② 本文对给定处理变量T在区间 [ 0.09,1 ]上以0.01为步长设定92个处理水平值，处理效应 T E ( t )代表着每改变0.1单位的处理水平引起的剂量反应的增减。），即
φ t = 1 N ∑ i = 1 N [ α 0 ^ + α 1 ^ t + α 2 ^ t 2 + α 3 ^ t 3 + α 4 ^ r ^ t , X i +                           α 5 ^ r ^ t , X i 2 + α 6 ^ r ^ t , X i 3 + α 7 ^   t   r ^ t , X i ]
T E t = φ t + 0.1 - φ t ( t = 0.09,0.10,0.11 , … , 0.99,1 )
式中： N为社区总数， r ^ t , X i是基于Fractional Logit模型的估计函数， T E t为在给定处理水平值的分割区间下所产生的处理效应。
具体而言，平均剂量反应是指处理变量(社区的居住分异程度)在特定处理水平上因变量(社区的公共服务供给程度)的期望，处理效应是指因变量(社区的公共服务供给程度)受到处理变量(社区的居住分异程度)变化的因果效应。此外，考虑到社区空间可能存在邻近单元间的相互作用，本文基于皇后相邻的空间权重矩阵，将社区的空间邻近关系纳入上述因果效应模型进行进一步检验。

3 实证分析

3.1 描述性统计分析与空间分析

表2展示了本文的描述性统计结果。首先，上海公共服务供给在社区尺度存在明显差异，总体公共服务供给和分部门公共服务供给一致表现为均值不高但波动较大的特征。从平均水平看，社区公共服务类型较单一，但在不同社区之间公共服务供给不均衡的现象十分明显。部分社区的公共服务多样性程度高达全市均值的2.4倍，例如位于上海火车站、人民广场和中山公园等核心商圈内的社区，周边公共服务设施种类极为丰富。其次，对比分部门公共服务供给，在平均水平上，由市场供给的公共服务多样性高于由政府部门供给的公共服务多样性(约1.8倍)。值得注意的是，部分社区获得更为充分的政府公共服务供给，约为全市平均水平的5倍。例如仁恒滨江园社区，位于陆家嘴金融核心功能区，自浦东开发以来政府公共服务建设投入巨大，是标志型的优质居住空间。再次，上海社区尺度居住分异程度相对较高，均值达到0.575。伴随住房产权改革深化和住房供给制度迭代，城市空间由商品房、保障性住房、房改房等多元化住房类型构成，并且趋向于不均衡的发展。例如部分空间住房类型极为单一、与其他住房明显区隔，达到相对熵的极大值，而部分空间住房混合趋近均匀(相对熵值为0.091)。
表2 核心变量的描述性统计结果

Tab.2 Descriptive statistics of key variables

变量 N 均值 标准差 最小值 最大值
公共服务供给(总体) 5432 0.846 0.534 0 2.001
公共服务供给(政府) 5432 0.357 0.485 0 1.735
公共服务供给(市场) 5432 0.627 0.446 0 1.535
居住分异程度 5432 0.575 0.184 0.091 1.000
中等收入行业 5432 0.014 0.007 0 0.167
高收入行业 5432 0.003 0.003 0 0.048
最低生活保障 5432 0.002 0.004 0 0.047
公职部门负责人 5432 0.003 0.008 0 0.500
已婚 5432 0.066 0.017 0 1.000
非本地户口 5432 0.436 0.222 0 1.000
郊区 5432 0.503 0.500 0 1.000
图1展示了双变量全局莫兰指数结果。整体层面上，上海居住分异与总体公共服务供给、政府部门公共服务供给以及市场部门公共服务供给均呈现负向空间联系。相较而言，居住分异与市场部门公共服务供给的负向关系更强(Moran's I=-0.09)，与总体公共服务供给的负向关系次之(Moran's I= -0.072)，与政府部分公共服务供给的负向关系相对弱(Moran's I=-0.025)。该结果表明，政府通过主导公共服务设施用地供给了相对较丰富、均衡的城市公共服务；而市场部门出于价格机制和选择性机制考虑，提供的公共服务具有更大的差异性。
图1 上海居住分异与公共服务供给的全局莫兰指数

Fig.1 Results of Moran's I for residential segregation and urban public service provision

局部层面上，居住分异与总体公共服务供给存在典型分化的空间(图2a)。其中，“低分异—高供给”的空间分布集中在中心地区，“高分异—高供给”的空间分布由近郊向新城辐射。该空间分布格局与上海放射型城市发展、住房改革深化、郊区居住用地开发三因素紧密相关。首先，上海的商业中心一直位于中心城区，高品质公共服务空间以此为核心聚集；而中心城区经历多轮次住房改革，住房供应结构相对多元化，呈现出住房产权混合的空间特征。其次，新城规划以优质的公共服务供给引导吸引人口和产业发展，因此聚集了公共服务供给丰富的空间。再次，郊区因低廉的居住用地价格吸引住房规模化开发，因此，聚集了居住分异度高的同质性社区，类似于典型的西方郊区居住空间。相反，城市远郊及边缘地区多表现为“高分异—低供给”的空间特征，同时存在少量“低分异—低供给”的空间。边缘区域高度居住分异的可能原因是住房类型单一(例如自建房)，或是形成居住分异的人口基础不足(例如农业人口)。公共服务开发和投入的缺失也导致边缘区域的公共服务供给品质较低。
图2 上海居住分异与公共服务供给的空间关系分布

Fig.2 Distribution of the spatial relationship between residential segregation and urban public service provision

本文进一步将公共服务供给总体的空间分布(图2a)分别与政府部门公共服务供给(图2b)、市场部门公共服务供给(图2c)的空间分布进行对比。相较于总体公共服务供给场景，在政府部门公共服务供给场景下，“低分异—低供给”的空间、“高分异—低供给”的空间明显减少，且主要集中在城市边缘空间。此外，我们认为居住分异与市场部门公共服务供给的空间关系更接近其与总体公共服务供给的空间关系。但是，在市场部门公共服务供给场景下，边缘地区的“高分异—低供给”分化更加明显；而中心区域“低分异—高供给”的空间更加聚集。由此可见，由于基本公共服务均等化的政策效应，政府部门公共服务供给在城市不同分异程度的社区空间低值差距较小，体现了集体消费的政府行政逻辑；市场部门公共服务供给的“高中心—低边缘”分布更为显著，体现了俱乐部经济的市场逻辑。

3.2 基于广义倾向值匹配模型的处理效应分析

基于上述分析可见，社区空间单元内公共服务供给和居住分异程度的空间分布特征各异，难以据此识别居住分异对于公共服务供给的作用。因此，本文采用GPSM的因果分析方法，进一步分析居住分异对公共服务供给的影响。首先，采用Fractional Logit回归模型估计协变量与处理变量间的关系。如表3所示，社区的人口学社会经济属性与居住分异程度显著相关。其中，中等收入行业人员占比(B=-16.803, P<0.001)和高收入行业人员占比(B=-27.001, P<0.001)均对居住分异程度具有显著负向效应。该结果表明中高收入行业从业人员占比越高的居住空间，其居住分异程度越低。这一现象与北美典型的中产阶级门禁社区相反。在北美，中产阶层居民通常排斥其他种族和其他阶层群体的迁入以维持社区住房的同质性，形成相对隔离的空间。而在中国城市，中产人群多元化、拥有更为丰富的住房选择，并未形成相对隔离的居住空间。相反，与居住分异呈现显著正向关系的变量为最低生活保障人员占比、公职部门负责人占比、已婚人口占比、非本地户口人口占比、郊区区位。以公职部门负责人占比为例，先前研究发现，具有较高级别的公职部门人员在单位房改革时期获得更好的住房分配，或者基于个人资源较早进入住房市场，因此，该群体呈现出以原公有住房居住或商品房居住为主的空间分布，形成居住分异程度较高的社区[30,34]。从空间区位而言，位于郊区的社区居住分异程度显著高于位于市中心的社区。这可能因为相对郊区，城市中心区域原公有住房、早期商品房、租赁住房等供应类型丰富，住房混合程度较高。
表3 居住分异的Fractional Logit回归结果

Tab.3 Results of fractional logit regression on residential segregation

变量 系数 鲁棒标准误
中等收入行业 -16.803*** 1.906
高收入行业 -27.001*** 4.830
最低生活保障 12.223*** 2.853
公职部门负责人 12.688** 3.657
已婚 10.206*** 1.237
非本地户口 0.300*** 0.052
郊区 0.135*** 0.022
常数 -0.300*** 0.083
N 5432
AIC 0.944
对数伪似然函数值 -2556.591

注：***、**、*分别表示P<0.001、P<0.01、P<0.05。下同。

在Fractional Logit模型基础上，本文计算居住分异的广义倾向得分，即社区居住分异程度取特定值的概率，并基于此进行匹配。倾向值匹配的效果取决于是否通过平衡特性(balancing property)检验，这既要求合理的协变量选择，也要求处理变量的区间分割使样本得到合适的分组和分段，进而使得处理变量的取值和因变量在特定取值水平上的潜在结果彼此独立[49]。对于连续性处理变量，则需要进一步进行广义倾向得分细分。本文的平衡特性检验结果如表4所示。处理变量细分的临界值分别为0.196、0.385、0.564，并在4组区间内按广义倾向得分(GPS)均值指数分为6段。此时大多数协变量在处理水平区间内未呈现显著差异，仅有变量中等收入行业在区间(0.564, 1]，非本地户口分别在区间(0.564, 1]、(0.196, 0.385]内具有显著差异。根据双侧t检验，广义倾向得分匹配结果在0.01显著性水平上满足平衡特性。
表4 广义倾向得分匹配(GPSM)平衡条件检验

Tab.4 Balance test of general propensity score matching (GPSM)

变量 处理水平区间分割
(0.090, 0.196] (0.196, 0.385] (0.385, 0.564] (0.564, 1]
均值差异 标准差 均值差异 标准差 均值差异 标准差 均值差异 标准差
中等收入行业 <0.001 0.001 <0.001 <0.001 <0.001 <0.001 -0.001** <0.001
高收入行业 0.001 <0.001 <0.001 <0.001 <0.001 <0.001 <0.001 <0.001
最低生活保障 -0.001 0.001 <0.001 <0.001 <0.001 <0.001 <0.001 <0.001
公职部门负责人 <0.001 0.001 <0.001 <0.001 <0.001 <0.001 <0.001 <0.001
已婚 -0.003 0.002 <0.001 <0.001 <0.001 <0.001 -0.001 0.001
非本地户口 0.072 0.054 0.044*** 0.010 -0.006 0.007 -0.017** 0.006
郊区 -0.116 0.082 -0.015 0.016 -0.009 0.011 0.013 0.011
N 669 1573 1758 1432
最后，本文分别以总体公共服务供给、政府部门公共服务供给、市场部门公共服务供给作为因变量，基于条件期望模型进行因果机制分析。表5结果显示，居住分异程度(RSD)、GPS及其二次、三次或交互项作为自变量在不同水平上呈现显著性。为深入刻画居住分异与公共服务供给之间的作用关系，本文进一步基于条件期望模型估计给定处理水平上的平均剂量反应和处理效应。
表5 条件期望模型结果

Tab.5 Results of the conditional expectation model

变量 公共服务供给(总体) 公共服务供给(政府) 公共服务供给(市场)
系数 标准误 系数 标准误 系数 标准误
RSD -1.900* 0.966 -2.156* 0.885 -0.975 0.802
RSD2 4.488** 1.491 4.266** 1.366 3.232** 1.238
RSD3 -2.599** 0.817 -2.246** 0.748 -1.924** 0.678
GPS -17.877* 7.273 -26.530*** 6.663 -4.159 6.037
GPS2 22.153+ 11.458 36.562** 10.498 2.470 9.512
GPS3 -8.914 6.008 -16.303** 5.505 0.444 4.987
RSD×GPS -0.842 0.761 -0.590 0.698 -1.262* 0.632
常数 5.863*** 1.543 7.040*** 1.414 2.392+ 1.281
N 5432 5432 5432
调整R2 0.039 0.020 0.048

注：+表示P<0.1。下同。

其中，居住分异对于总体公共服务供给的平均剂量反应和处理效应分别如图3所示。整体上，随着处理水平上升，平均剂量反应呈“先下降后上升再下降”的演变趋势。可见，居住分异程度低的社区，其总体公共服务供给更为丰富；社区空间内住房趋近高度分异状态时，总体公共服务供给多样性低；当社区RSD值居中时，总体公共服务供给多样性出现较小幅度回升。此外，处理效应表现为“先增后减”的“倒U型”曲线。当处理水平从初始值上升至0.35左右时，负向处理效应持续减弱，即此时居住分异程度每提高0.1单位将负向影响总体公共服务供给，但负向效应逐渐缩小；而在处理水平区间[0.35,0.65]内，每提升0.1单位的居住分异将正向影响总体供给；当处理水平超过0.65后，处理效应函数不断下降，即在高度分异下每提升0.1单位的居住分异将负向影响总体供给，并且负向效应逐渐增强。总而言之，居住分异对总体公共服务供给具有波动性负向因果效应，且负向影响占主导地位。
图3 居住分异对公共服务供给(总体)的影响

Fig.3 Effects of residential segregation on public service provision (total)

此外，居住分异程度对于政府部门公共服务供给的平均剂量反应和处理效应如图4，而对于市场部门公共服务供给的平均剂量反应和处理效应见图5。整体而言，分部门公共服务供给的平均剂量反应均呈现“先下降后上升再下降”的变化趋势，与总体供给情形相对一致。但是，分部门情境下居住分异程度的平均剂量反应并不相同。一方面，观察居住分异对于政府部门公共服务供给平均剂量反应的最小值和极小值差距可见，处于中等程度居住分异的社区和处于高度分异的社区，所能接收到的政府部门公共服务供给差异不大，且公共服务多样性低。另一方面，观察平均剂量反应的正向波动可见，虽然居住分异对于市场部门公共服务供给的正向处理效应较弱，但市场部门供给的多样性仍高于政府部门供给的多样性。此外，居住分异对政府和市场供给的处理效应均表现为“倒U型”曲线，在以负向处理效应为主的同时，分别在[0.40,0.75]、[0.35,0.65]处理水平区间上居住分异对公共服务供给产生正向影响。但二者的处理效应有所不同。其中政府供给的公共服务在低居住分异区间内多样性水平下降速度较快，即处理效应较强，而在高居住分异区间内公共服务多样性下降速度较慢，即处理效应较弱。相反，市场部门的公共服务供给多样性在居住分异较低时下降速度较慢，即处理效应相对更弱，而在高居住分异区间内下降速度较快，即处理效应相对更强。总体而言，社区居住分异程度对分别来自政府和市场部门的公共服务供给多样性具有波动性负向因果效应，且以负向影响为主导。
图4 居住分异对公共服务供给(政府部门)的影响

Fig.4 Effects of residential segregation on public service provision (the public sector)

图5 居住分异对公共服务供给(市场部门)的影响

Fig.5 Effects of residential segregation on public service provision (the private sector)

3.3 空间溢出效应的分析

考虑到空间变量在邻近社区单元之间的相互作用，本文在GPSM的条件期望模型基础上运用空间滞后方法，将公共服务供给在社区空间的空间关系作为变量纳入模型中进行控制。表6展示了居住分异程度与广义倾向得分及二者二次、三次和交互项对不同场景下公共服务供给的回归结果。三组模型结果表明，空间滞后项均呈现出显著正向的影响，说明公共服务供给在邻域社区空间之间存在正向溢出，即某社区空间的公共服务供给程度可能受到邻近社区的公共服务供给程度的正向作用。居住分异程度显著负向影响政府部门的公共服务供给，居住分异的二次项和三次项对所有场景下的公共服务供给存在显著因果效应，其中居住分异的二次项对3种场景下公共服务供给有显著正向作用，居住分异的三次项对3种场景下公共服务供给有显著负向作用。可以认为，在控制空间溢出效应后，社区内基于住房产权的居住分异程度对其公共服务供给仍然存在明显的负向效应。
表6 空间滞后模型结果

Tab.6 Results of the spatial lag models

变量 公共服务供给(总体) 公共服务供给(政府) 公共服务供给(市场)
系数 标准误 系数 标准误 系数 标准误
Wy(空间滞后项) 0.511*** 0.017 0.358*** 0.019 0.493*** 0.017
RSD -1.428 0.875 -1.777* 0.847 -0.569 0.732
RSD2 2.942* 1.351 3.181* 1.307 1.993+ 1.130
RSD3 -1.642* 0.740 -1.629* 0.716 -1.128+ 0.619
GPS -20.843** 6.589 -26.535*** 6.375 -10.727+ 5.511
GPS2 30.147** 10.382 38.023*** 10.044 15.362+ 8.685
GPS3 -14.537** 5.444 -17.726*** 5.267 -7.215 4.554
RSD×GPS -0.329 0.690 -0.258 0.667 -0.934 0.577
常数 5.420*** 1.398 6.595*** 1.353 2.942* 1.169
N 5432 5432 5432
R2 0.211 0.103 0.207

4 结论与讨论

本文基于俱乐部经济理论和集体消费理论构建公共服务供给逻辑的整合性框架，在居/村委会行政辖区尺度上探讨基于住房产权类型的居住空间分异对不同场景公共服务供给的因果效应。以超大城市上海为例，本文运用BMI、BLMI的方法识别了居住分异与公共服务供给的空间关系，并运用GPSM模型识别居住分异对公共服务供给的实际因果效应，得出以下研究结论：
(1) 上海居住分异和公共服务供给的空间分布在整体上呈负向关系，其中，居住分异程度与市场部门公共服务供给的负向关系最强，与总体公共服务供给的负向关系次之，与政府部门公共服务供给的负向关系最弱。从局部区域来看，中心地区和近郊区(特别是新城周边)为优势区域，以“低居住分异—高公共服务供给”空间为主体，伴有部分“高居住分异—高公共服务供给”空间；边缘地区以“高居住分异—低公共服务供给”的空间为主体，且有少量“低居住分异—低公共服务供给”的空间分布。
(2) 居住分异与不同主体的公共服务供给的局部空间关系存在差异。整体而言，政府部门公共服务供给在各社区空间相对较为平均；在城市边缘地区，“高居住分异—低市场公共服务供给”的空间分化相对明显；在城市中心区域，“低居住分异—高市场公共服务供给”的空间分化相对明显。
(3) 上海社区空间单元内中高收入行业人员占比对居住分异具有显著负向相关性；低保人群、公职部门负责人、已婚人口、非本地户口占比以及郊区区位对居住分异程度呈现显著的正向相关性。
(4) 居住分异对公共服务供给的影响以显著的负向因果效应为主。在整体上，社区空间内居住分异程度的提升将引起公共服务供给的下降。换言之，在产权混合的社区，公共服务的供给更丰富；在产权高度分异的社区，公共服务的供给更匮乏。但是，在中等程度的居住分异下，公共服务供给程度出现小幅度提升的趋势。这可能是因为中心城区和近郊地区的部分空间是居住分异和公共服务供给的“高—高”空间集聚区。
(5) 分部门场景下公共服务供给受到居住分异的影响存在差异。市场部门公共服务供给受到居住分异程度影响的正向因果效应相对微小；政府部门公共服务供给在中等程度居住分异场景中逼近最低水平。
本文研究表明，市场部门达成高质量公共服务供给的条件是居民的强“付费能力”，呼应了基于俱乐部经济理论的研究结果[24-25]。社区的公共服务供给类似于俱乐部物品，空间单元内的住房产权结构作为一种购买能力形塑着社区吸引市场投资、获得公共服务供给的水平。除市场机制外，郊区新城规划、单位住房制度等因素也影响政府部门公共服务供给。核心区的单位房社区和近郊区的商品房社区具有发展优势，即便处于高分异水平，这些行政单元仍能基于规划、土地等行政因素的倾斜获取高质量的公共服务供给。这种居住分异对公共服务供给影响的正向波动为集体消费理论的行政影响机制提供了证据[28-29]。
本文的结果进一步强调住房产权在当前中国社会空间分化机制中的关键作用，呼应了住房产权视角下的研究发现[34,36,38]。在中国城市转型过程中，基于住房产权的居住分异通过市场机制和政府机制两种逻辑形塑着公共服务供给的微观分配。对比公共服务供给的两种机制，居住分异对市场部门公共服务供给的影响更强，对政府部门公共服务供给的影响表现出更大的张力。换言之，在双重机制作用下，公共服务供给的不均衡主要体现为“上限”而非“下限”，即政府机制为各行政单元兜底，但政府与市场均进行选择性供给，使得核心空间与边缘空间之间的差距较大。
城市公共服务供给对提升城市居民的获得感、幸福感和安全感具有现实意义。当前，城市公共服务供给出现了社会公平性缺失、空间分布不均衡的突出问题，迫切需要地方政府部门主动承担解决问题的职责，改善公共服务供给不平等，提升基层社区治理能力。本文从居住分异视角解释公共服务供给差异的潜在成因，结合本文的研究结论提出以下治理建议：① 适度提倡高度分异社区的住房混合和社会融合。通过提高居住混合程度促进公共服务正向效应外溢和机会均等。② 持续推进边缘地区公共服务供给提升。通过扩大政府部门公共服务投入、有效发挥市场部门积极性，或引入第三部门力量参与等措施，加快公共服务设施建设，逐步完善边缘地区的公共服务，促进公共服务供给的空间均衡。③ 关注改善城市弱势群体或边缘群体的住房机会和居住选择权利。秉持公平正义的价值原则，积极探索保障性住房配建、租购同权等政策措施，改善弱势群体的住房机会，促进公共服务供给的社会公平。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
张序, 劳承玉. 公共服务能力建设: 一个研究框架[J]. 理论与改革, 2013(2): 25-29.

[Zhang Xu, Lao Chengyu. Public service capacity building: A research framework. Theory and Reform, 2013(2): 25-29. ]

[2]
习近平. 高举中国特色社会主义伟大旗帜为全面建设社会主义现代化国家而团结奋斗: 在中国共产党第二十次全国代表大会上的报告[EB/OL]. 2022-10-25 [2023-04-30]. http://www.gov.cn/xinwen/2022-10/25/content_5721685.htm

[Xi Jinping. Hold high the great banner of socialism with Chinese characteristics and strive in unity to build a modern socialist country in all respects:Report to the 20th National Congress of the Communist Party of China. 2022-10-25 [2023-04-30]. http://www.gov.cn/xinwen/2022-10/25/content_5721685.htm

[3]
Massey D S. Residential segregation and neighborhood conditions in US metropolitan areas[J]. America Becoming: Racial Trends and Their Consequences, 2001, 1(1): 391-434.

[4]
湛东升, 张文忠, 谌丽, 等. 城市公共服务设施配置研究进展及趋向[J]. 地理科学进展, 2019, 38(4): 506-519.

DOI

[Zhan Dongsheng, Zhang Wenzhong, Chen Li, et al. Research progress and its enlightenment of urban public service facilities allocation. Progress in Geography, 2019, 38(4): 506-519. ]

DOI

[5]
王春兰, 杨上广. 上海社会空间结构演化: 二元社会与二元空间[J]. 华东师范大学学报(哲学社会科学版), 2015, 47(6): 30-37, 165.

[Wang Chunlan, Yang Shangguang. The socio-spatial structure transformation in Shanghai: A dualistic society and a dualistic space. Journal of East China Normal University (Humanities and Social Sciences), 2015, 47(6): 30-37, 165. ]

[6]
上海市政府. 上海市国民经济和社会发展第十四个五年规划和二〇三五年远景目标纲要[EB/OL]. 2021-04-08 [2023-04-30]. https://www.ndrc.gov.cn/fggz/fzzlgh/dffzgh/202104/P020210408555377736049.pdf

[Shanghai Municipal Government. The 14th Five-Year Plan for national economic and social development of Shanghai and the outline of the five-year vision. 2021-04-08 [2023-04-30]. https://www.ndrc.gov.cn/fggz/fzzlgh/dffzgh/202104/P020210408555377736049.pdf

[7]
上海市规划和国土资源管理局. 上海市十五分钟社区生活圈规划导则[EB/OL]. 2016-09-02 [2023-04-30]. https://hd.ghzyj.sh.gov.cn/zcfg/ghss/201609/P020160902620859461081.pdf

[Shanghai Planning and Land Resources Administration. Shanghai planning guidance of 15-minute community-life circle. 2016-09-02 [2023-04-30]. https://hd.ghzyj.sh.gov.cn/zcfg/ghss/201609/P020160902620859461081.pdf

[8]
Bharathi N, Malghan D, Mishra S, et al. Residential segregation and public services in urban India[J]. Urban Studies, 2022, 59(14): 2912-2932.

DOI

[9]
Massey D S. Reflections on the dimensions of segregation[J]. Social Forces, 2012, 91(1): 39-43.

DOI PMID

[10]
Trounstine J. Segregation and inequality in public goods[J]. American Journal of Political Science, 2016, 60(3): 709-725.

DOI

[11]
Trounstine J. The geography of inequality: How land use regulation produces segregation[J]. American Political Science Review, 2020, 114(2): 443-455.

DOI

[12]
Ellis M, Wright R, Parks V. Work together, live apart? Geographies of racial and ethnic segregation at home and at work[J]. Annals of the Association of American Geographers, 2004, 94(3): 620-637.

DOI

[13]
Phillips D. Ethnic and racial segregation: A critical perspective[J]. Geography Compass, 2007, 1(5): 1138-1159.

DOI

[14]
Lees L. Gentrification and social mixing: Towards an inclusive urban renaissance?[J]. Urban Studies, 2008, 45(12): 2449-2470.

DOI

[15]
Bolt G, Van Kempen R, Van Weesep J. After urban restructuring: Relocations and segregation in Dutch cities[J]. Tijdschrift voor Economische en Sociale Geografie, 2009, 100(4): 502-518.

DOI

[16]
Katz L F, Kling J R, Liebman J B. Moving to opportunity in Boston: Early results of a randomized mobility experiment[J]. The Quarterly Journal of Economics, 2001, 116(2): 607-654.

DOI

[17]
Graham E, Manley D, Hiscock R, et al. Mixing housing tenures: Is it good for social well-being?[J]. Urban Studies, 2009, 46(1): 139-165.

DOI

[18]
Bosch E M, Ouwehand A L. At home in the oasis: Middle-class newcomers' affiliation to their deprived Rotterdam neighbourhood[J]. Urban Studies, 2019, 56(9): 1818-1834.

DOI

[19]
冯云廷. 居住隔离、邻里选择与城市社区空间秩序重构[J]. 浙江社会科学, 2018(9): 70-76, 157.

[Feng Yunting. Residential segregation, neighborhood selection and urban community space restructuring. Zhejiang Social Sciences, 2018(9): 70-76,157. ]

[20]
李斌, 张贵生. 居住空间与公共服务差异化: 城市居民公共服务获得感研究[J]. 理论学刊, 2018(1): 99-108.

[Li Bin, Zhang Guisheng. Differentiation between living space and public service: A study on urban residents' sense of public service acquisition. Theory Journal, 2018 (1): 99-108. ]

[21]
张传勇, 罗峰, 黄芝兰. 住房属性嬗变与城市居民阶层认同: 基于消费分层的研究视域[J]. 社会学研究, 2020(4): 104-127, 243.

[Zhang Chuanyong, Luo Feng, Huang Zhilan. Evolution of Chinese urban housing attributes and residents' class selfidentity: From the perspective of consumption stratification. Sociological Studies, 2020(4): 104-127, 243. ]

[22]
高喆, 邱嘉怡, 余家怡, 等. 学区对住宅价格的影响及其社会空间重构研究: 以武汉市武昌区为例[J]. 地理科学进展, 2022, 41(4): 609-620.

DOI

[Gao Zhe, Qiu Jiayi, Yu Jiayi, et al. Influence of school districts on housing prices and the effect on socio-spatial restructuring: Taking Wuchang District of Wuhan City as a case. Progress in Geography, 2022, 41(4): 609-620. ]

DOI

[23]
Buchanan J M. An economic theory of clubs[J]. Economica, 1965, 32: 1-14. doi: 10.2307/2552442.

[24]
Demsetz H. The private production of public goods[J]. The Journal of Law and Economics, 1970, 13(2): 293-306.

DOI

[25]
Goldin K D. Equal access vs. selective access: A critique of public goods theory[J]. Public Choice, 1977, 29: 53-71.

DOI

[26]
Castells M. Theory and ideology in urban sociology[M]. London, UK: Routledge, 2013: 60-84.

[27]
Castells M. Advanced capitalism, collective consumption, and urban contradictions: New sources of inequality and new models for change[M]// Lindberg L, Crouch C, Alford R. Stress and contradiction in modern capitalism. Toronto, Canada: Lexington Books, 1975: 175-197.

[28]
Saunders P. Social theory and the urban question[M]. London, UK: Routledge, 2003.

[29]
Kirby A, Knox P, Pinch S. Public service provision and urban development[M]. London, UK: Routledge, 2017.

[30]
Logan J R, Bian Y J, Bian F Q. Housing inequality in urban China in the 1990s[J]. International Journal of Urban and Regional Research, 1999, 23(1): 7-25.

DOI

[31]
高军波, 余斌, 江海燕. 城市公共服务设施空间分布分异调查: 以广州市为例[J]. 城市问题, 2011(8): 55-61.

[Gao Junbo, Yu Bin, Jiang Haiyan. Spatial distribution and spatial differentiation surveys on urban public service facilities: Taking Guangzhou City for example. Urban Problems, 2011(8): 55-61. ]

[32]
王兴平, 胡畔, 沈思思, 等. 基于社会分异的城市公共服务设施空间布局特征研究[J]. 规划师, 2014, 30(5): 17-24.

[Wang Xingping, Hu Pan, Shen Sisi, et al. Spatial characters of public service facilities from social differentiation viewpoint. Planners, 2014, 30(5): 17-24. ]

[33]
柴彦威, 陈零极, 张纯. 单位制度变迁: 透视中国城市转型的重要视角[J]. 世界地理研究, 2007, 16(4): 60-69.

[Chai Yanwei, Chen Lingji, Zhang Chun. Transformation of Danwei system: An angle of view on city changes in China. World Regional Studies, 2007, 16(4): 60-69. ]

[34]
Li Z G, Wu F L. Tenure-based residential segregation in post-reform Chinese cities: A case study of Shanghai[J]. Transactions of the Institute of British Geographers, 2008, 33(3): 404-419.

DOI

[35]
王松涛, 郑思齐, 冯杰. 公共服务设施可达性及其对新建住房价格的影响: 以北京中心城为例[J]. 地理科学进展, 2007, 26(6): 78-85, 147-148.

[Wang Songtao, Zheng Siqi, Feng Jie. Spatial accessibility of housing to public services and its impact on housing price: A case study of Beijing's inner city. Progress in Geography, 2007, 26(6): 78-85, 147-148. ]

[36]
宋伟轩, 毛宁, 陈培阳, 等. 基于住宅价格视角的居住分异耦合机制与时空特征: 以南京为例[J]. 地理学报, 2017, 72(4): 589-602.

DOI

[Song Weixuan, Mao Ning, Chen Peiyang, et al. Coupling mechanism and spatial-temporal pattern of residential differentiation from the perspective of housing prices: A case study of Nanjing. Acta Geographica Sinica, 2017, 72(4): 589-602. ]

DOI

[37]
吴启焰, 崔功豪. 南京市居住空间分异特征及其形成机制[J]. 城市规划, 1999(12): 23-26, 35.

[Wu Qiyan, Cui Gonghao. The differential characteristics of residential space in Nanjing and its mechanism. City Planning Review, 1999(12): 23-26, 35. ]

[38]
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.

[Li Zhigang, Wu Fulong. Sociospatial differentiation in transitional Shanghai. Acta Geographica Sinica, 2006, 61(2): 199-211. ]

DOI

[39]
钟奕纯, 冯健. 城市迁移人口居住空间分异: 对深圳市的实证研究[J]. 地理科学进展, 2017, 36(1): 125-135.

DOI

[Zhong Yichun, Feng Jian. Residential spatial differentiation of migrant population within the city: A case study of Shenzhen. Progress in Geography, 2017, 36(1): 125-135. ]

DOI

[40]
申悦, 柴彦威. 基于日常活动空间的社会空间分异研究进展[J]. 地理科学进展, 2018, 37(6): 853-862.

DOI

[Shen Yue, Chai Yanwei. Progress of research on sociospatial differentiation based on daily activity space of urban residents. Progress in Geography, 2018, 37(6): 853-862. ]

DOI

[41]
Theil H, Finizza A J. A note on the measurement of racial integration of schools by means of informational concepts[J]. Journal of Mathematical Sociology, 1971, 1(2): 187-194.

DOI

[42]
Harris R. Visualising the scales of ethnic diversity in London using a multilevel entropy index[J]. Environment and Planning A: Economy and Space, 2020, 52(7): 1239-1242.

DOI

[43]
Heckman J J, Ichimura H, Todd P. Matching as an econometric evaluation estimator[J]. The Review of Economic Studies, 1998, 65(2): 261-294.

DOI

[44]
毛其淋, 许家云. 政府补贴、异质性与企业风险承担[J]. 经济学 (季刊), 2016, 15(4): 1533-1562.

[Mao Qilin, Xu Jiayun. Government subsidy, heterogeneity and corporate risk-taking. China Economic Quarterly, 2016, 15(4): 1533-1562. ]

[45]
Hirano K, Imbens G W. The propensity score with continuous treatments[M]// Shewhart W A, Meng X L. Applied Bayesian modeling and causal inference from incomplete-data perspectives: An essential journey with Donald Rubin's statistical family. Hoboken, USA: John Wiley & Sons Ltd., 2004: 73-84.

[46]
Imbens G W. The role of the propensity score in estimating dose-response functions[J]. Biometrika, 2000, 87(3): 706-710.

DOI

[47]
Guardabascio B, Ventura M. Estimating the dose-response function through a generalized linear model approach[J]. The Stata Journal, 2014, 14(1): 141-158.

DOI

[48]
McCullagh P. Generalized linear models[M]. London, UK: Routledge, 2019.

[49]
康志勇, 张宁, 汤学良, 等. “减碳” 政策制约了中国企业出口吗?[J]. 中国工业经济, 2018(9): 117-135.

[Kang Zhiyong, Zhang Ning, Tang Xueliang, et al. Does the policy of "reducing carbon" restrict the export of Chinese enterprises? China Industrial Economics, 2018(9): 117-135. ]

Options
文章导航

/

〈 〉