EN中文

地理科学进展 >

2024 , Vol. 43 >Issue 11: 2197 - 2212

DOI: https://doi.org/10.18306/dlkxjz.2024.11.008

研究论文

流动人口主观社会融入程度影响因素的空间异质性研究——基于“融入—接受”二元分析视角

  • 林育豪 , 1 ,
  • 古恒宇 , 2, *
展开
  • 1.武汉大学测绘学院，武汉 430079
  • 2.南京大学地理与海洋科学学院，南京 210023
*古恒宇(1994— )，男，广东广州人，博士，助理教授，博士生导师，从事人口地理学、区域经济学研究。E-mail:

林育豪(2001— )，男，广东汕头人，硕士生，主要研究方向为空间大数据分析与人口流动。E-mail:

收稿日期: 2024-01-28

  修回日期: 2024-04-04

  网络出版日期: 2024-11-26

基金资助

国家自然科学基金项目(42301278)

教育部人文社会科学研究青年基金项目(23YJC790032)

中国科协青年人才托举工程(2023-2025QNRC001)

收起

Spatial heterogeneity of factors affecting subjective social integration degree of migrant population: Based on the binary analysis perspective of “integration-acceptance”

  • LIN Yuhao , 1 ,
  • GU Hengyu , 2, *
Expand
  • 1. School of Geodesy and Geomatics, Wuhan University, Wuhan 430079, China
  • 2. School of Geography and Ocean Science, Nanjing University, Nanjing 210023, China

Received date: 2024-01-28

  Revised date: 2024-04-04

  Online published: 2024-11-26

Supported by

National Natural Science Foundation of China(42301278)

Humanities and Social Science Youth Foundation of Ministry of Education of China(23YJC790032)

Young Elite Scientists Sponsorship Program by CAST(2023-2025QNRC001)

Fold

摘要

流动人口的社会融入是衡量户籍制度改革和新型城镇化成效的重要指标，对于新时代贯彻落实人口高质量发展具有重要现实意义。论文基于2017年流动人口动态监测(CMDS)数据，从个体融入意愿和感知接受程度的二元分析视角出发，对中国流动人口的主观社会融入程度展开研究，并运用多尺度地理加权回归(MGWR)模型探究影响因素的空间异质性。研究发现：① 东南沿海和青藏高原地区流动人口主观社会融入程度偏低，北部、中部和川渝地区则相对较高，个体融入意愿和感知接受程度的空间格局与流动人口的主观社会融入程度相似；② 流动人口主观社会融入受到个体内部和城市外部多重因素的综合影响，其中个体融入意愿在华南和西北地区表现为正向影响，而在山东及周围地区表现为负向影响，感知接受程度呈现出北高南低的全局正向影响，同时主观社会融入还受到年龄和流动距离的全局梯度影响及性别、民族多样性和经济水平的局部显著影响。各变量的空间异质性尺度差异明显，个体融入意愿、感知接受程度和性别的空间异质性更加突出。③ 个体融入意愿对主观社会融入程度的影响受到婚姻状况、受教育水平和流动时间的负向空间调节效应以及公共服务的正向空间调节效应，感知接受程度对主观社会融入程度的影响受到年龄和受教育水平的负向空间调节效应以及婚姻状况和公共服务的正向空间调节效应。研究揭示了流动人口主观社会融入的空间不平稳机制，为基于社会融入视角的各地区流动人口治理提供更精准的政策建议。

关键词： 主观社会融入程度; 个体融入意愿; 感知接受程度; 空间异质性; MGWR

本文引用格式

林育豪 , 古恒宇 . 流动人口主观社会融入程度影响因素的空间异质性研究——基于“融入—接受”二元分析视角[J]. 地理科学进展, 2024 , 43(11) : 2197 -2212 . DOI: 10.18306/dlkxjz.2024.11.008

Abstract

The social integration of the migrant population is an important indicator of the effectiveness of the household registration system reform and new urbanization, and is of great practical significance for the implementation of high-quality population development in the new era. Based on the 2017 China Migrants Dynamic Survey (CMDS) data, this study investigated the subjective social integration degree of China's migrant population from a binary analysis perspective of individual integration intention and perceived acceptance degree. It explored the spatial heterogeneity of influencing factors using the multiscale geographically weighted regression (MGWR) model. The following conclusions are drawn. 1) The subjective social integration degree of the migrant population was relatively low in the southeastern coastal and Qinghai-Tibet Plateau regions and relatively high in the northern, central, and Sichuan-Chongqing regions. The spatial patterns of individual integration intention and perceived acceptance degree were similar to the subjective social integration degree of the migrant population. 2) The subjective social integration of the migrant population was influenced by a combination of individual internal factors and external city factors. Individual integration intention showed a positive effect in southern and northwestern China and a negative effect in Shandong Province and surrounding areas, while perceived acceptance degree showed a global positive effect decreasing from north to south. Subjective social integration was also affected by a global gradient of age and distance of migration and a locally significant effect of gender, ethnic diversity, and economic level. The scale of spatial heterogeneity in the effects of the variables varied significantly, with spatial heterogeneity more pronounced for individual integration intention, perceived acceptance degree, and gender. 3) The effect of individual integration intention on subjective social integration degree was moderated by the negative spatial moderating effects of marriage, educational level, and migration time, as well as the positive spatial moderating effect of public services. The effect of perceived acceptance degree on subjective social integration degree was moderated by the negative spatial moderating effects of age and education level as well as the positive spatial moderating effects of marriage and public services. The study revealed the spatially nonstationary mechanism of subjective social integration of the migrant population, which provides more precise and optimized policies for the governance of the migrant population in each region based on the perspective of social integration.

Key words： subjective social integration degree; individual integration intention; perceived acceptance degree; spatial heterogeneity; MGWR

改革开放以来，随着户籍制度不断放宽，大量农村剩余劳动力流向城市参与生产建设和工作发展，推动了城镇化水平的持续攀升[1]。第七次全国人口普查报告显示，2020年中国流动人口已达3.76亿人[2]。长期以来，受到尚未完全打破的城乡二元户籍体制影响，一部分进城务工的农村流动人口并未完全享受与本地居民平等的公共服务和社会保障[3]。对此，中国进行了持续深入的户籍制度改革，推进新型城镇化建设，逐步放宽流动人口在各类城市的落户限制[4]。流动人口的社会融入反映了其在流入城市的参与度和融入度，能够测度其市民化进程，是衡量户籍制度改革和新型城镇化成效的重要指标，对于新时代贯彻落实人口高质量发展具有重要现实意义[5⇓⇓-8]。
城市流动人口的社会融入是关乎人民身心健康、社会秩序稳定以及促进城市发展的关键因素，是推动新时代人口高质量发展过程中的重要内容[9-10]。然而，目前流动人口的社会融入问题在流入城市尤其是特大、超大城市中十分突出[5]。一方面，流动人口具有明显的大城市偏好[11]，大城市更好的就业发展机会和更全面的社会保障对人口具有更强的吸引力[12-13]；另一方面，大城市更高的生活成本和住房压力也使得流动人口需要承担更大的经济负担，较严格的落户政策和城市外扩疏散使得部分人口陷入被动迁移的处境[14]，不利于其融入所在城市。在新型城镇化背景下，地区间的发展水平和人口的流动偏好呈现出明显的差异[15]，流动人口的主观融入意愿与在流入城市的接受程度均会影响社会融入水平[16]，其复杂影响机制的空间格局有待深入探究。
随着城镇化进程的深入，人口流动和迁移成为影响社会组织变迁的重要模式[17]，主要受经济因素的影响，目前已形成了新古典学派、新经济移民、世界体系理论等移民理论[18⇓-20]。然而，受到政治制度、社会文化和群体差异的影响，不同流动群体在流入地的生活水平和融入状况有所不同[21⇓⇓-24]。国外对移民社会融入的研究积累了大量成果，形成了文化适应理论、社会认同理论、社会融合理论等经典理论，其中影响力较大的有“同化论”(assimilation theory)[25]、“社会网络理论”(social network theory)[26]、“多元文化论”(multiculturalism theory)[27]和“区隔文化论”(segmented assimilation theory)[28]等。国内学者吸收西方国家的相关理论并结合国情，提出了再社会说、融合递进说、新二元关系等理论[29⇓-31]。虽然不同学派的研究对社会融入的测度衡量有差异，但均认同社会融入是经济、文化、心理等多方面的渐进式融合过程[32]。这些学说为本文提供了理论基础。
社会融入议题涉及多种因素，根据流动人口在经济整合、文化接纳、行为适应和身份认同等方面的差异，可以区分出不同的融合模式(隔离型、多元型、融入型、选择型、融合型)[33]。现有研究多从以下4个维度进行社会融入指标构建和综合探究：经济融合、社会融合、文化融合和心理融合[34⇓-36]。流动人口社会融入程度体现出流动人口在城市中的融合状况，受人口特征、社会地位、流动状况和城市因素的影响而呈现出非平衡特征[37]，同时不同维度的融入程度之间又相互促进。研究表明，良好的社区环境、本地居民更高的包容程度、友好的移民政策均有利于人口的社会融入[36,38]，而户籍人口与流动人口的不对等待遇以及更高的生活和住房成本则明显降低了人们的融入水平[39-40]。然而，社会融入的不同影响机制往往与流动人口所处的城市环境有关，且容易受到个体和城市因素的调节作用。
流动人口的社会融入是个体特征和流入地因素共同作用的结果[41-42]。近年来，有研究将其归纳为主观和客观两个方面，为融入程度的测度提供了新的视角[43]，其中主观社会融入程度指流动人口对自己本地人口身份认同的主观感知[8,12]，可能受到个体特征的影响，对于提升幸福度和社会融入水平具有重要指示意义，而客观社会融入程度则主要表现为流动人口对于本地活动的实际参与度[8]。然而，现有研究着重于分析多个维度因素的独立影响效应[44]，忽视了人口的社会融入是个体进行流动和逐步适应流入地的动态过程的客观事实，较少考虑流动人口个体融入意愿和感知接受程度的综合影响。虽然已有研究关注流动人口的融入意愿和本地歧视，但对于感知接受程度的关注仍然相对欠缺，鲜有学者关注流动人口感知接受程度影响的空间异质性[16,45]。不同城市的社会经济条件和流动人口组成存在明显的空间差异，目前学界尚缺乏对流动人口主观社会融入影响因素的空间异质性和调节效应分析，难以揭示社会融入的空间分异特征以及进行更精准的差异比较[45⇓⇓-48]。
综上，本文使用2017年中国流动人口动态监测(China migrants dynamic survey，CMDS)数据，从个体融入意愿和感知接受程度的二元分析视角出发，分析流动人口主观社会融入程度的地理特征，并探究个体特征—流动状态—城市因素三个层面的影响作用和空间调节效应，使用多尺度地理加权回归模型(multiscale geographically weighted regression，MGWR)进行影响因素的空间异质性探究。以期为各地区流动人口治理提供更精准的政策建议，从而有效提升流动人口的社会融入水平，促进人口高质量发展。

1 数据来源与研究方法

1.1 数据来源和变量设计

本文数据主要来源于2017年中国流动人口动态监测数据(CMDS)。该数据对中国31个省份和新疆生产建设兵团(港澳台地区数据暂缺)的全员流动人口采取分层、多阶段、与规模成比例的PPS(probability proportionate to size)方法进行抽样，能够全面覆盖全国地级市以及准确反映不同城市的流动人口特征，样本总数为169989。在该数据的支持下，本文探究流动人口的主观社会融入程度及个体融入意愿和感知接受程度，并分析这三个核心因素的地理特征，共覆盖342个地级及以上行政单位。
本文从“融入—接受”的二元分析视角出发构建综合研究框架(图1)，以探究流动人口的主观社会融入机制。该框架认为主观社会融入是一个流动人口与流入城市相互作用的动态过程，重点考量了个体融入意愿和感知接受程度的综合影响，探究在户籍制度影响、新型城镇化和流动人口规模增长背景下各类个体和城市特征的影响机制。现有研究从主客观视角出发对流动人口社会融入进行探究，涵盖其融入意愿、身份认同、社会参与、生活适应及流入地的接纳程度等[8,12]，不仅解决了个体和城市层面的指标衡量问题，也丰富了社会融入的研究视角与量化方法。本文基于已有文献的核心概念指标，对主观社会融入程度等变量进行分级量化，并且在核心影响因素的设计上选择正反向指标进行度量。
图1 主观社会融入研究的“融入—接受”二元分析视角

Fig.1 A binary analysis perspective of "integration-acceptance" in the study of subjective social integration of migrant population

在具体变量设计和量化上，结合现有研究的量化方式[12]，选取CMDS中的问题503H“我觉得我已经是本地人了”进行主观社会融入程度的衡量：分别将回答为“完全同意”“基本同意”“不同意”“完全不同意”的样本赋值为3、2、1、0，再汇总到各个城市计算所有样本的均值，以量化结果表征流动人口的主观社会融入程度。该问题可以表征流动人口和流入城市的交互影响并进行等级衡量。影响因素中，本文参照相关文献使用的正负向衡量方式[8,12,16]，选取个体融入意愿和感知接受程度作为核心影响变量，以分析对流动人口主观社会融入的直接影响和受到的空间调节效应。个体融入意愿的衡量使用503C“我很愿意融入本地人当中，成为其中一员”(正向)和503F“按照老家的风俗习惯办事对我比较重要”(负向)两个问题；而感知接受程度使用503D“我觉得本地人愿意接受我成为其中一员”(正向)和503E“我感觉本地人看不起外地人”(负向)两个问题[16]，其中正向问题的量化与主观社会融入程度的赋值一致，而负向问题进行反向赋值，汇总到各个城市求均值，用以表征流动人口对流入城市的融入意愿以及城市的接受程度。
同时参照现有研究，围绕个体特征、流动状态和城市因素三个层面选取其他控制变量[16]。个体特征包括流动人口的男性占比、平均年龄、已婚人群比例、大专及以上学历人口占比和少数民族占比，分别表征人口的性别、年龄、婚姻状况、受教育水平和民族多样性等基本特征。现有研究表明，不同特征群体的融入程度存在一定差异[12,49]，学历水平可能会进一步区分流动人口的社会融入差异。流动状态包括人口的跨省移动比例和平均流动年数，分别用以衡量流动的距离和时间，流动距离的提升往往会增加文化差异和社会融入成本，不利于流动人口融入流入地，而流动时间的增加有利于提升流动人口对流入地的熟悉度并扩大其社交网络，一般有利于促进其社会融入[50-51]。城市因素则以人均GDP和每万人拥有医院床位数分别代表城市的经济水平和公共服务。经济发展和就业稳定是人口向城市移民的主要动机[16]，医疗和教育、住房等公共服务则是流动人口生活安居的基本保障[3]，这些因素能够表征流动人口和流入城市的差异，且已证实其对社会融入产生的影响。其中，城市人均GDP的数据使用2018年中国城市统计年鉴，其他变量均来源于2017年的CMDS数据。所有变量的方差膨胀因子(VIF)均小于3，表明变量间不存在多重共线性问题。经过数据匹配后得到289个城市样本，用以进行回归分析，具体数据描述如表1所示。
表1 变量体系和数据描述

Tab.1 Variables and data description

变量名称 变量描述 最大值 平均值 最小值 VIF值
因变量
主观社会融入程度 流动人口的主观社会融入程度 2.900 2.071 1.225 —
自变量
个体融入意愿 个体对城市的融入意愿 2.625 1.867 1.413 2.547
感知接受程度 个体感受到城市的接受程度 2.863 2.245 1.625 2.522
性别 男性人口占比(%) 70.83 51.99 40.00 1.302
年龄 人口平均年龄(岁) 47.550 37.435 28.512 1.906
婚姻状况 已婚人口占比(%) 100.00 86.06 43.39 1.387
受教育水平 大专及以上学历人口占比(%) 55.00 14.66 0 1.273
民族多样性 少数民族人口占比(%) 58.10 7.36 0 1.190
流动距离 跨省流动人口占比(%) 100.00 37.23 0 1.570
流动时间 流动人口平均流动时间(a) 21.100 6.656 1.461 1.745
经济水平 城市人均GDP(元) 188425.00 57546.39 12401.00 1.853
公共服务 万人均医院床位数(张/万人) 141.000 45.601 16.715 1.772

1.2 研究方法

空间自相关分析是测度各变量在空间上相关性程度的重要方法，主要使用空间自相关系数定量测量地理事物的空间依赖关系，莫兰指数是识别地物空间相关性的常用指数，其中：全局莫兰指数(Global Moran's I Coefficient，GMC)可用于测度各空间单元是否存在空间溢出效应；而局部莫兰指数(Local Moran's I Coefficient，LMC)可划分出各空间单元的空间聚类模式。全局莫兰指数计算公式为：
G M C = n ∑ i = 1 n ∑ j = 1 n w i j ( z i - z j ) ∑ i = 1 n ∑ j = 1 n w i j ∑ i = 1 n z i 2
式中：zi代表要素i的属性与平均值的偏差，wij代表空间权重矩阵W中的第(i, j)个要素，即要素i和j之间的空间权重，n为要素总数。
局部莫兰指数(LMC)计算区域内各个空间对象间的空间相关程度，通过分析各对象在空间上的特征差异，来反映各个区域内的空间不稳定性，其计算公式如下：
$\mathrm{LMC}=\frac{n\left(x_{i}-\bar{x}\right)^{2} \sum_{j=1}^{n} w_{i j}\left(x_{j}-\bar{x}\right)}{\sum_{i=1}^{n}\left(x_{i}-\bar{x}\right)^{2}} \quad(i \neq j)$
式中：xi和xj分别代表第i和第j个要素， x -是观测值的平均值。本文主要使用局部莫兰指数探究主观社会融入以及个体融入意愿和感知接受程度的空间聚类模式，空间权重上选择反距离权重进行分析，根据各城市样本距离的远近进行反向赋权。
多尺度地理加权回归模型(MGWR)是传统的地理加权回归模型(GWR)的拓展。MGWR模型为各个变量定义了不同的带宽，从而能够在差异化的空间尺度上进行回归拟合，更精准地解释各变量在不同空间尺度上对因变量影响的空间异质性。其计算公式如下：
y i = ∑ j = 1 k β b w j ( u i , v i ) x i j + ε i
式中：yi为因变量，xij为第i个样本的第j个自变量，bwj为第j个变量回归系数使用的带宽，β b w j(ui,vi)为位置(ui,vi)的估计值，εi为随机误差。
交互项回归用于探究自变量对因变量的影响所受到其他自变量的调节作用[52-53]。空间调节效应是在线性的交互项回归中纳入空间位置的影响，如果一个自变量对因变量的空间异质性影响效应受到另一个自变量的调节，则称另一个自变量对该变量产生空间调节效应。本文在MGWR模型中加入空间交互项进行回归，其计算公式如下：
y i = ∑ j = 1 k β b w j ( u i , v i ) x i j + ∑ q = 1 k β b w q ( u i , v i ) I i q + ε i
式中：Iiq为第i个样本的第q个交互项，bwq为第q个交互项使用的带宽，β b w q(ui,vi)为交互项在位置(ui,vi)的估计值。

2 主观社会融入、个体融入意愿和感知接受程度的地理特征

2.1 主观社会融入的地理特征

2.1.1 主观社会融入程度呈现空间分异格局

从流动人口主观社会融入程度的地理特征(图2)来看，总体上东南沿海地区和青藏高原地区的城市主观社会融入程度较低，而北部、中部和川渝地区的主观社会融入程度相对较高，这与现有研究有部分相似性[16,54]，均说明了经济发展水平更高和文化差异更大的地区流动人口往往面临着更强的融入障碍，整体融入程度较低。其中主观社会融入程度最高的5个城市分别是佳木斯、伊春、亳州、双河、可克达拉，最低的5个城市分别是潮州、果洛藏族自治州、莆田、台州、云浮。空间自相关分析结果也体现出相同的结果，其中社会融入的高值集聚区主要是东北地区、川渝地区、河南及其周围地区和新疆北部地区，而低值集聚区包括东南沿海各省的大部分区域和青海甘肃两省交界的小部分区域。
图2 中国流动人口主观社会融入程度的地理差异和空间集聚特征

注：本图基于自然资源部标准地图服务系统下载的审图号为GS(2023)2765号的标准底图制作，底图无修改。下同。

Fig.2 Geographical differences and spatial clustering characteristics of subjective social integration degree of migrant population in China

2.1.2 主观社会融入程度呈现空间分异的原因

作为人口主要流入地区的江苏、浙江、福建和广东等东南沿海各省的主观社会融入程度普遍较低，一方面是因为生活在这些地区的流动人口面临着更高的生活成本和就业压力，另一方面也与流入地和流出地文化差异，以及流动人口较难与本地人享有同等的社会保障有关。而东北地区、华中地区和川渝地区的流动人口迁移距离较近，较相近的文化习俗和生活特征使得流动人口更容易融入所在城市，另外地区间相对较小的经济发展差异也有利于减小人口流动的壁垒。青海甘肃交界地区的民族多样性较大而发展相对比较落后，流动人口在社会融入上面临较大困难，而北疆地区在少数民族自治区中发展较好，主观社会融入程度也较高。

2.2 个体融入意愿和感知接受程度的地理特征

2.2.1 个体融入意愿和感知接受程度空间格局相似

如图3a所示，个体融入意愿和感知接受程度的空间格局比较相近，与主观社会融入程度也有较大的相似性，前两者均在东南沿海和青藏高原地区程度较低，而在东北和西北地区程度较高，呼应了现有研究中东南沿海地区感知接受程度较低的结论[16,45]。个体融入意愿最高的5个城市分别是韶关、伊春、可克达拉、阿勒泰地区、日照，最低的5个城市分别是甘南藏族自治州、揭阳、辽源、玉树藏族自治州、潮州。而感知接受程度最高的5个城市分别是亳州、佳木斯、日照、韶关、四平，最低的5个城市分别是和田地区、潮州、揭阳、甘南藏族自治州、台州。
图3 个体融入意愿和感知接受程度的地理差异和空间集聚特征

Fig.3 Geographical differences and spatial clustering characteristics of individual integration intention and perceived acceptance degree

2.2.2 个体融入意愿和感知接受程度的集聚情况存在差异

如图3b所示，局部莫兰指数结果揭示了个体融入意愿和感知接受程度的集聚性异同点，两者均在东南沿海地区和西北的青海、甘肃、宁夏等地表现为低值集聚，而在川渝和东北地区表现为高值集聚；不同之处是个体融入意愿在青海的冷点范围和在北疆地区的热点范围扩大，而感知接受程度在山东、河南及其周围地区产生大范围的热点集聚。广东和山东两省在不同变量上存在较大的集聚差异，山东的感知接受程度较高，但主观社会融入程度和个体融入意愿的热点范围不一致；而广东在主观社会融入程度和感知接受程度上均为冷点区，但大部分城市个体融入意愿的集聚情况并不显著，说明不同地区社会融入的主要影响因素有所区别，且在人口流动规模更大和经济水平更高的地区更加突出。

3 主观社会融入程度影响因素的空间异质性分析

3.1 模型回归结果及性能比较

使用普通最小二乘线性回归(OLS)、GWR和MGWR三种模型进行回归分析，选取最优模型分析影响机制。由回归结果(表2)可以看出，MGWR的R2和调整后R2均大于另外两个模型，而且拥有最小的AICc系数和最大的Log-likelihood指数，表明MGWR模型具有更高的模型精度和更强的解释力，能够更好地解释各变量的空间异质性特征。
表2 不同模型的回归结果比较

Tab.2 Comparison of the regression results of different models

变量 OLS GWR MGWR
β SE β ¯ S E ¯ 带宽 β ¯ S E ¯ 带宽
个体融入意愿 0.056 0.047 0.037 0.064 212 0.035 0.070 106
感知接受程度 0.056*** 0.047 0.552*** 0.062 212 0.558*** 0.058 155
性别 -0.068** 0.033 -0.088 0.042 212 -0.080 0.059 94
年龄 0.212*** 0.041 0.146** 0.058 212 0.137*** 0.041 286
婚姻状况 0.014 0.035 0.026 0.047 212 0.029 0.033 288
受教育水平 0.001 0.033 -0.014 0.045 212 -0.010 0.031 288
民族多样性 0.028 0.032 0.007 0.053 212 0.008 0.045 217
流动距离 -0.191*** 0.037 -0.197*** 0.050 212 -0.177*** 0.034 288
流动时间 0.046 0.039 0.057 0.057 212 0.043 0.039 287
经济水平 -0.153*** 0.040 -0.130* 0.056 212 -0.080** 0.039 286
公共服务 0.076* 0.039 0.032 0.059 212 -0.011 0.038 288
常数项 <-0.001 0.029 -0.039 0.043 212 -0.043 0.062 88
R2 0.762 0.835 0.851
调整后R2 0.752 0.810 0.828
AICc 433.158 390.114 363.292
Log-likelihood -202.917 -149.550 -134.553

注：模型回归中进行了数据标准化；平均回归系数( β ¯)和平均标准差( S E ¯)分别指GWR和MGWR模型中系数、标准差的平均值；*、**、***分别表示P<0.1、P<0.05、P<0.01。下同。

OLS全局回归结果表明感知接受程度、人口年龄和城市公共服务对主观社会融入程度产生了显著的正向影响，而男性占比、流动距离和经济水平则呈现出负向影响，这与现有研究的结论相似[3,12,16,55]，也在一定程度上论证了本文的理论框架。

3.2 主观社会融入影响因素的空间异质性

对MGWR回归结果中各变量通过显著性检验(P<0.05)的城市样本进行筛选，根据回归系数进行分级出图，共有7个变量呈现出对主观社会融入的显著空间异质性影响。其中，感知接受程度、年龄和流动距离呈现出全局显著影响的特征，而个体融入意愿、性别、民族多样性和经济水平呈现出局部显著性。

3.2.1 个体融入意愿与感知接受程度对主观社会融入程度的影响有所差异

如图4所示，个体融入意愿在华南和西北地区对主观社会融入程度产生正向影响，而在山东及其周围地区则表现为负向影响。其中，华南地区是经济活力更强但生活成本也最高的地区之一，而西北地区则是少数民族的主要集聚区，这两个地区与周边地区的经济和文化差异较大，流动人口在当地的融入成本更高，因此更高的主观融入程度有利于流动人口主动克服经济和文化上的融入障碍，从而更好地融入当地。而山东及其周围地区尤其是山东半岛呈现出一定的负向影响，这可能是由于山东省拥有较多本地人口，虽然大部分流入人口具有更高的融入意愿，但城市所能容纳的人口有限，有限的城市资源与较多的流入人口之间的矛盾，导致了主观社会融入程度的下降。
图4 个体融入意愿和感知接受程度MGWR回归结果的空间异质性

Fig.4 Spatial heterogeneity of individual integration intention and perceived acceptance degree in the MGWR regression results

感知接受程度在全国范围内表现出对主观社会融入程度的显著正向影响，呈现出北高南低的空间格局，其中华北和西北地区的正向影响程度最高，可能由于这些区域有较久的移民融合历史，方言文化和生活习惯逐渐趋同[16]，感知接受程度的提高能够较直接促进流动人口的主观社会融入。感知接受程度的回归系数和影响范围均显著大于个体融入意愿，表明城市对流动人口的接纳程度相比个体的主观融入意愿影响更加重要和普遍。
个体融入意愿与感知接受程度对主观社会融入程度的影响表现出多层复杂机制。首先，个体融入意愿表现为局部差异化影响，而感知接受程度则表现为全局正向影响，两者影响的空间异质性存在明显差异，感知接受程度的影响范围和影响程度更大。其次，个体融入意愿和感知接受程度的影响呈现出明显的南北分化格局，个体融入意愿在华南地区影响程度最高，而感知接受程度则在华北地区影响最显著并逐步向南递减。最后，山东等流动人口主观社会融入程度较高的地区，个体融入意愿的边际效应发生了明显的递减，较多的本地人口使得个体融入意愿的提高对主观社会融入程度产生抑制作用。

3.2.2 性别、年龄、民族多样性、流动距离和经济水平也产生显著影响

如图5所示，个体特征中性别、年龄和民族多样性的回归结果表现出显著的空间异质性，其中性别主要在华中和西北等地区表现出负向影响，而年龄则表现出东北向西南递减的全局正向影响，这与现有研究结论有部分相似[3,5,16]，验证了年龄和性别的影响作用。性别在华中和西北地区的负向影响与其人口外流较严重以及特殊的产业结构有关，这些地区男性人口更多从事较低端的劳动产业，且需要承担较高的家庭经济压力，主观社会融入程度低于女性人口。年龄的正向影响在东北地区表现更显著，这与东北地区大部分人口在区域内进行流动以及较高的老龄人口占比有关。民族多样性则在广东及其周围地区表现出负向影响，而在西北地区表现出正向影响，这与现有研究结果有所出入[16,36,46]。现有研究认为，较大的民族和文化差异性不利于流动人口的社会融入，但由于西北地区是少数民族的主要集聚区，较大的民族多样性能够促使其更好地融入当地。
图5 个体特征、流动状态和城市因素MGWR回归结果的空间异质性

Fig.5 Spatial heterogeneity of individual characteristics, mobility status, and city factors in the MGWR regression results

流动状态中流动距离表现出全局的负向影响，并且呈现出从西北向东南影响程度递增的空间格局，这与现有研究结论相似[12,16]，均揭示出流动距离对于社会融入的全局抑制作用。随着流动距离的增加，流动人口面临更大的生活差异和文化壁垒，从而抑制了其主观社会融入程度的提升。城市因素中经济水平表现出局部显著的空间异质性，在南部地区表现出由北向南递增的负向影响，这可能是由于在经济水平更高的城市，流动人口面临着更高的生活和居住压力，不利于其融入所在城市。

3.3 模型尺度效应

与GWR模型中各变量的固定带宽相比，MGWR的回归结果提供了不同变量的差异化带宽，代表了不同变量的空间异质性强弱和尺度差异(表2)。其中，个体融入意愿和感知接受程度的带宽分别为106和155，分别说明其在周围106和155个城市中呈现出显著的空间异质性，个体融入意愿的带宽更小意味着其局部差异比感知接受程度更明显，这也说明个体主观感知比城市接纳情况的差异更大。性别因素的带宽最小，说明人口性别表现出的空间差异尺度更小以及局部区别更明显。此外，民族多样性的带宽范围也相对不高，这是由于不同民族的文化和生活习俗差异也比较明显。而其他变量的带宽均大于280，表明其空间异质性的影响尺度覆盖到全国大部分城市，其中婚姻状况、受教育水平、流动距离和公共服务的带宽均为288，意味着所有城市均呈现出普遍的影响作用。

3.4 空间调节效应

个体融入意愿和感知接受程度对主观社会融入的影响可能受到其他因素的调节，为进一步探究个体特征、流动状况和城市因素等条件的空间调节效应，本文在原回归模型中分别加入个体融入意愿和感知接受程度与其他自变量的乘积项进行MGWR回归。由于个体的性别和民族是其基本特征，一般不会随着人口流动而发生变化，除了这两个因素外，其他控制变量均进行交互项回归，主要回归结果如表3所示。模型在加入交互项后仍具有较高精度，个体融入意愿和感知接受程度对主观社会融入程度的影响受到不同的空间调节效应。
表3 个体融入意愿与感知接受程度交互项的回归结果

Tab.3 Regression results of interaction terms between individual integration intention and perceived acceptance degree

变量 个体融入意愿交互项 感知接受程度交互项
β ¯ S E ¯ β ¯ S E ¯
个体融入意愿 0.094** 0.047 -0.002 0.063
感知接受程度 0.531*** 0.055 0.607** 0.054
年龄×个体融入意愿/感知接受程度 -0.033 0.048 -0.083* 0.042
婚姻状况×个体融入意愿/感知接受程度 -0.070 0.043 0.057* 0.034
受教育水平×个体融入意愿/感知接受程度 -0.114*** 0.036 -0.105** 0.037
流动距离×个体融入意愿/感知接受程度 -0.005 0.037 -0.034 0.038
流动时间×个体融入意愿/感知接受程度 -0.097* 0.050 -0.027 0.043
经济水平×个体融入意愿/感知接受程度 -0.041 0.039 -0.018 0.042
公共服务×个体融入意愿/感知接受程度 0.066* 0.039 0.127*** 0.048
常数项 -0.038 0.062 -0.043 0.063
R2 0.773 0.781
调整后R2 0.758 0.767
AICc 434.132 423.950
Log-likelihood -195.499 -190.408

注：交互项回归中包含原本所有自变量，此表只给出揭示空间调节效应的核心变量和交互项的结果。

3.4.1 个体融入意愿影响的空间调节效应

如图6a所示，个体融入意愿对主观社会融入程度的影响受到婚姻状况、受教育水平和流动时间的负向空间调节效应以及公共服务的正向空间调节效应。婚姻和流动时间主要在东北、华北和华东地区作用显著，受教育水平在全局上产生作用并呈现出“东北—西南”向递减的调节效应，而公共服务则在东北局部地区产生调节效应。婚姻的调节作用在已婚比更高的山东更显著，而流动时间则在人口流动时间较长的东北地区作用明显。这说明随着流动时间的延长和结婚率的提高，人们更偏向返回故乡而不愿意融入本地，不利于总体主观社会融入程度的提高。受教育水平对个体融入意愿的影响产生接近全局的负向调节效应，可能是由于学历的提升使人们更想要迁出当前城市，前往更发达的地区工作发展，这在人才外流较严重的东北地区更加突出。由于个体融入意愿对主观社会融入程度的影响存在地区差异，在华南和西北地区，受教育水平的提升会削弱个体融入意愿的正向影响，而在山东及周围地区则会强化个体融入意愿的负向影响。公共服务主要在黑龙江和吉林西部以及内蒙古东部地区产生正向调节效应，主要由于这些地区的流动人口年龄较高，对医疗服务等设施需求更大，较好的公共服务会使其更愿意融入当地[3]，从而增强个体融入意愿的影响作用。
图6 个体融入意愿和感知接受程度对主观社会融入程度影响的空间调节效应

Fig.6 Spatial moderating effects of individual integration intention and perceived acceptance degree on the influence of subjective social integration degree

3.4.2 感知接受程度影响的空间调节效应

如图6b所示，感知接受程度对主观社会融入程度的影响受到年龄和受教育水平的负向空间调节效应以及婚姻状况和公共服务的正向空间调节效应，而流动距离和流动时间的调节并不显著。其中，年龄在东部沿海地区及其周围省份作用显著，这些地区的经济和产业结构更偏向于吸引年轻的高技能劳动力[50]，年龄的增加可能使得流动人口的感知接受程度下降，进而降低其主观社会融入程度；受教育水平基本呈现出全局的负向调节效应，其中感知接受程度较高的华北和山东等地更加显著，这可能与接受程度边际效用的递减有关。婚姻状况和公共服务分别呈现出局部和全局的正向调节作用，婚姻状况在西部少数民族地区对于感知接受程度的影响具有促进作用，说明在少数民族地区，更稳固的婚姻和家庭状况有利于其融入当地；公共服务在全局范围内呈现出对感知接受程度影响的正向调节效应，良好的公共服务水平能够有效提升流动人口的感知接受程度，进而提升其主观社会融入程度。
个体融入意愿和感知接受程度对主观社会融入的影响主要受到以下空间调节效应：首先，各变量的空间调节效应主要表现为局部的限制性作用，除了婚姻状况对感知接受程度的影响以及公共服务对个体融入意愿和感知接受程度的影响产生正向调节外，其他因素都在不同地区对社会融入的影响产生负向调节作用；其次，受教育水平对两者的影响均产生接近全局的负向调节效应，这表明受教育水平因素在人口流动中起到重要的发展导向而非融合导向，更高学历的人才往往倾向于就业机会更好的地方发展而非融入本地；最后，公共服务虽然没有直接对流动人口的主观社会融入程度产生影响作用，但会对个体融入意愿和感知接受程度的影响产生正向调节作用，说明城市相关的公共服务和社会保障是主观社会融入的潜在影响因素，通过提供更好的生活保障，间接促使其融入当地社会。

4 结论与讨论

4.1 结论

本文基于2017年流动人口动态监测数据，从个体融入和城市接受的二元视角出发分析中国流动人口的社会融入，运用MGWR模型探究影响因素的空间异质性和主要调节机制，得到以下结论：
(1) 东南沿海省份和青藏高原地区的主观社会融入程度较低，北部、中部和川渝地区则相对较高，融入程度的热点地区主要是东北、川渝、河南及其周围地区和新疆北部地区，而冷点地区主要是东南沿海地区和青海甘肃两省交界的小部分区域。个体融入意愿和感知接受程度的空间格局均与主观社会融入程度相似，具有较大的空间相似性，但局部冷热点分布有一定的区别。
(2) 流动人口主观社会融入的主要影响因素呈现出明显的空间异质性，其中感知接受程度、年龄和流动距离呈现全局显著影响，而个体融入意愿、性别、民族多样性和经济水平表现为局部显著影响。个体融入意愿在华南和西北地区对主观社会融入程度呈现出正向影响，而在山东及周围地区则表现为负向影响；感知接受程度呈现出北高南低的全局显著正向影响；其他因素也呈现出差异化的空间显著性。同时，差异化的带宽表明不同变量的空间异质性特征存在明显差异，其中个体融入意愿、感知接受程度和性别的空间异质性更强，其他变量的空间异质性较弱，表现出接近全局的作用特征。
(3) 个体融入意愿和感知接受程度对主观社会融入的影响受到个体特征、流动状况和城市因素的空间调节效应。其中个体融入意愿对主观社会融入程度的影响受到婚姻状况、受教育水平和流动时间的负向空间调节效应以及公共服务的正向空间调节效应，感知接受程度对主观社会融入程度的影响受到年龄和受教育水平的负向空间调节效应以及婚姻状况和公共服务的正向空间调节效应。各个因素在局部地区呈现出复杂的空间调节效应，从而为提升各地区主观社会融入程度提供更精准的政策建议。

4.2 讨论

本文对中国流动人口的社会融入意愿进行空间分异探究，着重分析了个体融入意愿和感知接受程度的影响和所受到的空间调节效应，为流动人口的主观社会融入程度提供了新的观察视角。相比其他关于社会融入的全局回归研究[3,22,37,46,51]，本文一方面验证了个体和城市因素的影响作用，另一方面揭示了社会融入的空间分异特征以及地区差异化的影响机制，发现东南沿海地区的主观社会融入程度相对较低，主要经济发达省份流动人口的社会融入受到更多个体特征和社会文化因素的限制[12,54,56]，呼应了现有的对流动人口迁居意愿和感知接受程度的空间格局研究[16,50,57]，并将个体融入意愿和感知接受程度进一步作为社会融入的二元分析基础，更精细地分析出流动人口主观社会融入程度的空间异质性和调节效应，为不同地区采取促进社会融入的优化措施提供科学准确的参考。
从“融入—接受”的二元分析视角出发，本文发现个体融入意愿和感知接受程度对主观社会融入程度的显著影响，不仅在理论上更好地揭示个体和城市因素对社会融入的作用机制和空间差异，也在现实中为因地制宜地推动社会融入提供更多的优化建议。在提升城市社会融入水平的过程中，一方面要给予流动人口与本地人口同等的社会服务保障，让更多人口积极主动地融入所在城市；另一方面要增强城市相关产业建设和人才布局，切实提升城市人口接纳水平，同时还应给予男性和女性同等的就业机会，鼓励人口就近城镇化和市民化。个体特征、流动状态和城市因素均对主观社会融入程度产生影响，且在局部地区呈现出更复杂的空间调节效应，这为各地区的人才吸引提供了更有效的启示：东北、华北和华东地区的流动人口可能因为结婚和流动时间的延长而更偏向返回故乡，应给予其更好的家庭生活保障以及缓减子女教育压力；东部沿海地区年龄较高的流动人口可能感知接受程度较低，因此需要协同地区产业发展，给予外来人口平等的就业保障；西北地区婚姻比例有利于感知接受程度的提高，应该给予当地流动人口在结婚生育等方面的福利和支持；城市公共服务是主观社会融入的潜在影响因素，应为城市居住人口提供更好的医疗、教育和住房等社会保障；而受教育水平的提高在全国城市均产生对主观社会融入的负向调节效应，说明更高学历和技术水平的人才往往希望前往发展机会更好的地区，应给予各城市人才相关政策鼓励，创造更好的就业环境以促使其融入所在城市。
本文还存在一定不足。由于流动人口动态监测数据更新到2018年，无法使用近年的数据进行分析和结果校验，以及衡量新冠疫情对社会融入的影响。同时，使用CMDS数据进行变量量化和分析，可能使得社会融入的衡量相对单一，而多源大数据能够提供更细致的分析。此外，本文围绕个体特征、流动状态和城市因素三个层面构建指标体系，但由于数据来源中CMDS数据是针对流动人口的抽样调查，而城市统计年鉴为城市总体的统计数据，在变量汇总至城市层面进行回归时可能存在一定的数据偏误。最后，截面分析的MGWR模型可以拓展到使用多尺度地理时空加权回归(MGTWR)模型进行多期数据的分析，以检验社会融入影响机制的时间变化。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
宁越敏, 杨传开. 中国推进新型城镇化的背景与发展战略思考[J]. 中国城市研究, 2013(1): 14-26.

[Ning Yuemin, Yang Chuankai. The background and development strategy of new urbanization in China. China Urban Studies, 2013(1): 14-26.]

[2]
Liu T, Qi Y J, Cao G Z, et al. Spatial patterns, driving forces, and urbanization effects of China's internal migration: County-level analysis based on the 2000 and 2010 censuses[J]. Journal of Geographical Sciences, 2015, 25(2): 236-256.

[3]
张抗私, 丁述磊, 刘翠花. 非正规就业对居民社会融入的影响: 来自中国劳动力动态调查的经验分析[J]. 经济学家, 2016(12): 20-29.

[Zhang Kangsi, Ding Shulei, Liu Cuihua. A study on the impact of informal employment on social integration of residents: Based on empirical analysis of the survey of dynamic labor market in China. Economist, 2016(12): 20-29.]

[4]
Liu Z L, Wang Y J, Chen S W. Does formal housing encourage settlement intention of rural migrants in Chinese cities? A structural equation model analysis[J]. Urban Studies, 2017, 54(8): 1834-1850.

[5]
刘涛, 韦长传, 仝德. 人力资本、社会支持与流动人口社会融入: 以北京市为例[J]. 人口与发展, 2020, 26(2): 11-22.

[Liu Tao, Wei Changchuan, Tong De. Human capital, social support and social assimilation of floating population: A case study of Beijing. Population and Development, 2020, 26(2): 11-22.]

[6]
古恒宇, 杨健, 艾国炬, 等. 中国市际流动人口居留意愿网络特征分析[J]. 经济地理, 2021, 41(8): 89-96.

[Gu Hengyu, Yang jian, Ai Guoju, et al. Network characteristics and spatial organization of settlement intention of floating migrants in China: Perspective of inter-city migration. Economic Geography, 2021, 41(8): 89-96.]

[7]
陈明星, 黄莘绒, 黄耿志, 等. 新型城镇化与非正规就业: 规模、格局及社会融合[J]. 地理科学进展, 2021, 40(1): 50-60.

DOI

[Chen Mingxing, Huang Xinrong, Huang Gengzhi, et al. New urbanization and informal employment: Scale, pattern, and social integration. Progress in Geography, 2021, 40(1): 50-60.]

DOI

[8]
李雨潼. 中国老年流动人口的社会融入及其影响因素分析[J]. 人口学刊, 2022, 44(1): 99-112.

[Li Yutong. Analysis of the social integration and its influencing factors of the elderly migrants in China. Population Journal, 2022, 44(1): 99-112.]

[9]
朱力. 群体性偏见与歧视: 农民工与市民的磨擦性互动[J]. 江海学刊, 2001(6): 48-53.

[Zhu Li. Group prejudice and discrimination: Grinding interaction between peasant worker and city residents. Jianghai Academic Journal, 2001(6): 48-53.]

[10]
悦中山, 李树茁. 中国流动人口融合政策评估: 基于均等化指数和落户指数的分析[J]. 中南财经政法大学学报, 2016(6): 36-45, 159-160.

[Yue Zhongshan, Li Shuzhuo. Evaluation of China's migrant integration policies: Based on equalization index and Hukou conversion index. Journal of Zhongnan University of Economics and Law, 2016(6): 36-45, 159-160.]

[11]
Liu Y, Deng W, Song X Q. Influence factor analysis of migrants' settlement intention: Considering the characteristic of city[J]. Applied Geography, 2018, 96: 130-140.

[12]
肖宝玉, 朱宇, 林李月. 基于融入—隔离双向对比的流动人口主观社会融合及其影响因素研究: 以福厦泉城市群为例[J]. 地理研究, 2020, 39(12): 2796-2807.

DOI

[Xiao Baoyu, Zhu Yu, Lin Liyue. Migrants' subjective social integration and its determinants as a result of the two-way process of assimilation and segregation: A case study of Fuzhou-Xiamen-Quanzhou urban cluster. Geographical Research, 2020, 39(12): 2796-2807.]

[13]
Tang S S, Feng J X. Cohort differences in the urban settlement intentions of rural migrants: A case study in Jiangsu Province, China[J]. Habitat International, 2015, 49: 357-365.

[14]
赵美风, 戚伟, 刘盛和. 北京市流动人口聚居区空间分异及形成机理[J]. 地理学报, 2018, 73(8): 1494-1512.

DOI

[Zhao Meifeng, Qi Wei, Liu Shenhe. Spatial differentiation and formation mechanism of floating population communities in Beijing. Acta Geographica Sinica, 2018, 73(8): 1494-1512.]

DOI

[15]
王晓梦, 刘志林, 谭一洺. 城市公共空间与移民跨群体融合研究: 时空间行为视角的研究综述[J]. 人文地理, 2022, 37(6): 47-55.

[Wang Xiaomeng, Liu Zhilin, Tan Yiming. Public space and migrants' social integration: A review from the perspective of space-time behaviors. Human Geography, 2022, 37(6): 47-55.]

[16]
Gu H Y, Lin Y H, Shen T Y. Do you feel accepted? Perceived acceptance and its spatially varying determinants of migrant workers among Chinese cities[J]. Cities, 2022, 125: 103626. doi: 10.1016/j.cities.2022.103626.

[17]
Jentsch B. Migrant integration in rural and urban areas of new settlement countries: Thematic introduction[J]. International Journal on Multicultural Societies, 2007, 9(1): 1-12.

[18]
Todaro M P. A model of labor migration and urban unemployment in less developed countries[J]. The American Economic Review, 1969, 59(1): 138-148.

[19]
Chirot D, Hall T D. World-system theory[J]. Annual Review of Sociology, 1982, 8: 81-106.

[20]
Stark O, Bloom D E. The new economics of labor migration[J]. The american Economic Review, 1985, 75(2): 173-178.

[21]
周杰, 唐顺英. 在青岛的韩国人的社会融合研究[J]. 世界地理研究, 2023, 32(2): 158-165.

DOI

[Zhou Jie, Tang Shunying. Research on Korean's social integration in Qingdao. World Regional Studies, 2023, 32(2): 158-165.]

DOI

[22]
曾国军, 林家惠, 钟淑如. 流动群体跨地方饮食适应的多元策略及身份协商: 广州案例[J]. 地理科学进展, 2022, 41(4): 660-669.

DOI

[Zeng Guojun, Lin Jiahui, Zhong Shuru. Multivariate strategies and identity negotiation of trans-local dietary adaptation of immigrant groups: A case study of Guangzhou City. Progress in Geography, 2022, 41(4): 660-669.]

DOI

[23]
陈秀容. 东南亚华人族群融入移入国主流社会的比较研究: 以印尼与泰国作对比分析[J]. 地理研究, 2001, 20(3): 354-363.

[Chen Xiurong. A comparative study on the integration of ethnic Chinese with the mainstream society in Southeast Asia: Taking Indonesia and Thailand as the case studies. Geographical Research, 2001, 20(3): 354-363.]

[24]
阙槿楠, 龚岳, 赵国昌. 居住融合如何影响心理融合? 流动人口与户籍人口的比较[J]. 北京大学学报(自然科学版), 2022, 58(5): 897-908.

[Que Jinnan, Gong Yue, Zhao Guochang. How does residential integration affect the psychological integration? Comparison between migrants and locals. Acta Scientiarum Naturalium Universitatis Pekinensis, 2022, 58(5): 897-908.]

[25]
Park R E, Burgess E W. Introduction to the science of sociology[M]. Chicago, USA: University of Chicago Press, 1924.

[26]
Gordon M M. Assimilation in American life: The role of race, religion, and national origins[M]. New York, USA: Oxford University Press, 1964.

[27]
Portes A, Parker R N, Cobas J A. Assimilation or consciousness: Perceptions of US society among recent Latin American immigrants to the United States[J]. Social Forces, 1980, 59(1): 200-224.

[28]
Portes A, Zhou M. The new second generation: Segmented assimilation and its variants[J]. The Annals of the American Academy of Political and Social Science, 1993, 530(1): 74-96.

[29]
田凯. 关于农民工的城市适应性的调查分析与思考[J]. 社会科学研究, 1995(5): 90-95.

[Tian Kai. Investigation, analysis and reflection on the urban adaptability of migrant workers. Social Science Research, 1995(5): 90-95.]

[30]
朱力. 论农民工阶层的城市适应[J]. 江海学刊, 2002(6): 82-88, 206.

[Zhu Li. On the urban adaptability of the peasant-worker strata. Jianghai Academic Journal, 2002(6): 82-88, 206.]

[31]
童星, 马西恒. “敦睦他者”与“化整为零”: 城市新移民的社区融合[J]. 社会科学研究, 2008(1): 77-83.

[Tong Xing, Ma Xiheng. The ways of new urban immigrants' syncretism. Social Science Research, 2008(1): 77-83.]

[32]
任远, 陶力. 本地化的社会资本与促进流动人口的社会融合[J]. 人口研究, 2012, 36(5): 47-57.

[Ren Yuan, Tao Li. Localized social capital and social integration of migrants in urban China. Population Research, 2012, 36(5): 47-57.]

[33]
杨菊华. 从隔离、选择融入到融合: 流动人口社会融入问题的理论思考[J]. 人口研究, 2009, 33(1): 17-29.

[Yang Juhua. Segregation, selective assimilation and assimilation: A conceptual framework of rural to urban migrants' adaptation at destination. Population Research, 2009, 33(1): 17-29.]

[34]
夏贵芳, 朱宇, 林李月, 等. 东部三大经济区城市流动人口的多维度社会融入及其地区差异[J]. 地理科学进展, 2018, 37(3): 373-384.

DOI

[Xia Guifang, Zhu Yu, Lin Liyue, et al. Migrants' multidimensional integration in cities and regional differences in the three major economic regions of China's eastern coastal area. Progress in Geography, 2018, 37(3): 373-384.]

DOI

[35]
周皓. 流动人口社会融合的测量及理论思考[J]. 人口研究, 2012, 36(3): 27-37.

[Zhou Hao. Measurement and theoretical perspectives of immigrant assimilation in China. Population Research, 2012, 36(3): 27-37.]

[36]
杨菊华. 中国流动人口的社会融入研究[J]. 中国社会科学, 2015(2): 61-79, 203-204.

[Yang Juhua. Research on the assimilation of the floating population in China. Social Sciences in China, 2015(2): 61-79, 203-204.]

[37]
王茂福, 刘恩培, 郑军. 外迁移民非平衡的社会融入: 结构及影响因素分析[J]. 学习与实践, 2021(2): 76-86.

[Wang Maofu, Liu Enpei, Zheng Jun. The structure and influencing factors of unbalanced social integration of outlying reservoir migrants. Study and Practice, 2021(2): 76-86.]

[38]
杨菊华. 流动人口在流入地社会融入的指标体系: 基于社会融入理论的进一步研究[J]. 人口与经济, 2010(2): 64-70.

[Yang Juhua. Index of assimilation for rural-to-urban migrants: A further analysis of the conceptual framework of assimilation theory. Population & Economics, 2010(2): 64-70.]

[39]
陈云松, 张翼. 城镇化的不平等效应与社会融合[J]. 中国社会科学, 2015(6): 78-95, 206-207.

[Chen Yunsong, Zhang Yi. The inequality effect and social integration in urbanization. Social Sciences in China, 2015(6): 78-95, 206-207.]

[40]
悦中山, 王红艳, 李树茁. 流动人口政策演变与农民工的社会融合[J]. 西安交通大学学报(社会科学版), 2023, 43(1): 95-106.

[Yue Zhongshan, Wang Hongyan, Li Shuzhuo. Evolution of migrant policies and social integration of rural-urban migrants. Journal of Xi'an Jiaotong University (Social Sciences), 2023, 43(1): 95-106.]

[41]
徐鹏, 周长城. 新时代背景下流动青年社会融入的结构测度与影响因素: 基于2017年湖北流动人口动态监测调查[J]. 中国青年研究, 2018(9): 62-69.

[Xu Peng, Zhou Changcheng. Structural measurement and influencing factors of social integration of migrant youth in the new era: Based on the dynamic survey of floating population in Hubei in 2017. China Youth Study, 2018(9): 62-69.]

[42]
Park R E. Human migration and the marginal man[J]. American Journal of Sociology, 1928, 33(6): 881-893.

[43]
Liu L, Huang Y Q, Zhang W H. Residential segregation and perceptions of social integration in Shanghai, China[J]. Urban Studies, 2018, 55(7): 1484-1503.

[44]
Liang J, Dvorkin L, Kahana E, et al. Social integration and morale: A re-examination[J]. Journal of Gerontology, 1980, 35(5): 746-757.

[45]
孟珂, 林育豪, 刘望保. 中国流动人口城市认同度与感知接受度空间格局及影响因素研究[J]. 地理与地理信息科学, 2023, 2(3): 51-58, 66.

[Meng Ke, Lin Yuhao, Liu Wangbao. Spatial pattern and influencing factors of urban identification and perceived acceptance for floating population in China. Geography and Geo-Information Science, 2023, 2(3): 51-58, 66.]

[46]
邢祖哥, 黄耿志, 薛德升. 中国城市流动人口社会融合的空间格局与影响机制[J]. 地理学报, 2022, 77(10): 2474-2493.

DOI

[Xing Zuge, Huang Gengzhi, Xue Desheng. Spatial pattern and influencing mechanism of social integration of migrants in Chinese cities. Acta Geographica Sinica, 2022, 77(10): 2474-2493.]

DOI

[47]
杨江澜, 王洁, 薛海娇, 等. 流动人口城镇社会融入信心指数编制及应用[J]. 人口研究, 2016, 40(5): 61-74.

[Yang Jianglan, Wang Jie, Xue Haijiao, et al. Social inclusion confidence index for migrants: Compilation and application. Population Research, 2016, 40(5): 61-74.]

[48]
郑茹敏, 梅林, 姜洪强, 等. 基于随机森林模型的中国流动人口社会融合空间差异及影响因素[J]. 地理科学, 2021, 41(10): 1763-1772.

DOI

[Zheng Rumin, Mei Lin, Jiang Hongqiang, et al. Spatial differences and impact factors of migrant integration in China based on random forest model. Scientia Geographica Sinica, 2021, 41(10): 1763-1772.]

DOI

[49]
张海娜, 朱贻文, 邓晓翔. 快速城镇化背景下居住空间分异与失地农民社会融合的作用机制研究: 以长三角地区为例[J]. 地理科学进展, 2021, 40(1): 135-146.

DOI

[Zhang Haina, Zhu Yiwen, Deng Xiaoxiang. Mechanism of residential spatial differentiation affecting the social integration of landless farmers in suburbs: An empirical analysis on the Yangtze River Delta. Progress in Geography, 2021, 40(1): 135-146.]

DOI

[50]
古恒宇, 孟鑫, 沈体雁, 等. 中国城市流动人口居留意愿影响因素的空间分异特征[J]. 地理学报, 2020, 75(2): 240-254.

DOI

[Gu Hengyu, Meng Xin, Shen Tiyan, et al. Spatial variation of the determinants of China's urban floating population's settlement intention. Acta Geographica Sinica, 2020, 75(2): 240-254.]

DOI

[51]
王建顺, 林李月, 朱宇, 等. 西部民族地区流动人口户籍迁移意愿及影响因素: 以新疆为例[J]. 地理科学进展, 2018, 37(8): 1140-1149.

DOI

[Wang Jianshun, Lin Liyue, Zhu Yu, et al. Migrants' Hukou transfer intention and dynamics in western ethnic minority regions: Evidence from Xinjiang Autonomous Region. Progress in Geography, 2018, 37(8): 1140-1149.]

DOI

[52]
温忠麟, 侯杰泰, 张雷. 调节效应与中介效应的比较和应用[J]. 心理学报, 2005, 37(2): 268-274.

[Wen Zhonglin, Hou Jietai, Zhang Lei. A comparison of moderator and mediator and their applications. Acta Psychologica Sinica, 2005, 37(2): 268-274.]

[53]
张可, 汪东芳. 经济集聚与环境污染的交互影响及空间溢出[J]. 中国工业经济, 2014(6): 70-82.

[Zhang Ke, Wang Dongfang. The interaction and spatial spillover between agglomeration and pollution. China Industrial Economics, 2014(6): 70-82.]

[54]
周佳宁, 邹伟, 秦富仓. 等值化理念下中国城乡融合多维审视及影响因素[J]. 地理研究, 2020, 39(8): 1836-1851.

DOI

[Zhou Jianing, Zou Wei, Qin Fucang. Review of urban-rural multi-dimensional integration and influencing factors in China based on the concept of equivalence. Geographical Research, 2020, 39(8): 1836-1851.]

[55]
张晨, 马彪, 仇焕广. 安置方式、社交距离与社会融入: 来自中国8省(区)16县易地扶贫搬迁户的证据[J]. 中国农村观察, 2022(4): 153-169.

[Zhang Chen, Ma Biao, Qiu Huanguang. Resettlement types, social distance and social integration: Evidence from relocated poverty relief households in 16 counties of 8 provinces in China. China Rural Survey, 2022(4): 153-169.]

[56]
田明, 彭宇. 流动人口城市融入的空间差异: 以东部沿海6个城市为例[J]. 城市规划, 2014, 38(6): 9-16, 31.

[Tian Ming, Peng Yu. A comparative study of urban integration of floating population: Taking six cities in China's eastern coastal region as an example. City Planning Review, 2014, 38(6): 9-16, 31.]

[57]
Li S, Gu H Y, Shen J. Detecting spatial heterogeneity in the determinants of intercity migration in China[J]. Population, Space and Place, 2023. doi: 10.1002/psp.2649.

Options
文章导航

/

〈 〉