Page 72 - 《社会》2021年第5期

移民的空间聚集与群体社会距离：来自上海的证据

社会距离是指移民与本地居民交往的意愿， 使用修正后的博格达
斯量表（Bogardus，1933）来衡量。 这个社会距离量表包括五种情景（1.您
是否愿意和他/她一起工作？ 2.您是否愿意他/她居住在您的社区？ 3.您
是否愿意他/她居住在您家隔壁？ 4.您是否愿意邀请他/她来您家？ 5.您是
否愿意您的子女/亲属与他/她谈恋爱？ ），表示递进的接受程度。 每个情
景均按二分法的方式评分：得分 1 表示“愿意”，得分 0 表示“不愿意”。
该量表是单向且递进的。 如果受访者能够接受更紧密的交往方式，
则意味着接受相对疏远的交往方式更是没问题的， 如果受访者的态度
从愿意变为不愿意，那么更紧密的交往方式则默认为不接受。 例如，受
访者愿意子女/亲属与本地人谈恋爱， 则意味着愿意邀请他们到家里，
而拒绝他们到家里则意味着拒绝子女/亲属与他们谈恋爱。 我们采用
Moken scale 的方 法 对 量 表 进 行再 处 理 ， 根 据距离程 度 计 算 而 得 一 个
1—6 分的社会距离得分， 分数越高， 表示社会距离越大（Hardouin，et
al.，2011）。
（三）关键自变量：空间聚集
我们使用 2016 年上海市实有人口数据来识别不同来源省 （市、自
治区）的人口在上海市 5 859 个社区（居委会/村委会）的聚集。 对于给
定的来源省 （市、 自治区） 人口在各个社区中所占的比例， 我们使用
Getis鄄Ord Gi* 统计值来识别具有统计显著性的高值（热点）和低值（冷
点） 的空间聚类 （Getis and Ord，1992）。 基于一组加权邻域，Getis鄄Ord
Gi* 统计值可以确定围绕每个邻域的高值或低值是否具有统计上的显
著性， 为每个邻域提供一个将特定人群在空间分布中的空间自相关与
随机模式区分开来的方法。 在本研究中，Getis鄄Ord Gi* 统计值为每个社
区都提供了一个衡量其周围相似值的统计上具有显著聚类的方法，使
我们可以检测出特定人群的“热点”和“冷点”。 也就是说，这种方法可
以帮助我们检测到空间中的每一个区域， 找出特定区域并使其与相邻
的邻域具有相似特征。 对每一个社区计算 Getis鄄Ord Gi* 统计值，其公式
如下：

（1）

其中，x j 是社区 j 中某群组所占的人口比例，w i，j 是相邻社区 i 和j 之间

· 65 ·