Page 73 - 《社会》2021年第5期

社会·2021·5

的空间权重矩阵， X是该群组在整个城市中所占的人口比例，n 是社区
总数，且：

（2）

Getis-Ord Gi* 统计值可对全市所有社区计算出具有统计意义的聚
类（95%置信度），并在地图上标识“热点”区域和“冷点”区域。 其中，特
定社区所展示的“热点”，表示我们关注的移民群体不但在该社区具有
较高的比例，而且在周边的社区也具有较高的比例。“冷点”则表示移民
群体不但在该社区具有较低的比例， 而且在周边的社区也具有较低的
比例。
我们在定义“同乡聚集社区”时，把移民户籍所在的省（市、自治区）
视为移民来源地，并把相同来源地的移民视为同乡。 我们根据老乡人数
占当地社区人口的比例计算 Getis鄄Ord Gi* 统计值，把具有高值（热点）
空间聚类的社区定义为同乡聚集社区。尽管来自同一省（市、自治区）的
移民在方言和习俗方面具有较大的内部差异， 考虑到以较小的地理单
元（居委会或村委会）作为居住聚集的分析单位，我们认为来源地相同
且居住在同一个社区的人口具有较高的相似性。 我们根据来自上海之
2
外的 30 个省（市、自治区） 的非户籍人口以及上海市本地户籍人口所
占社区人口的比重， 分别计算了其在上海市 5 859 个社区的 Getis-Ord
Gi* 统计值，得到高值（热点）和低值（冷点）的空间聚类。 各个省（市、自
治区） 的实有人口中居住在同乡聚集社区中的比例从 9.47％（青海）到
46.08％（河南）不等，而本地居民则有 27.44％的人居住在 1 353 个高值
聚类（热点）社区中。
图 1 展示了本地居民以及移民数量超过 20 万的来源地（包括江苏
省、浙江省 、福 建省 、江 西 省 、山 东 省 、河 南 省 、湖 北 省 、湖 南省 和 四 川
省）的空间聚集。 可以发现，外来人口群体的高值聚类（热点）社区主要
集中在城市的郊区，这跟他们较低的社会经济地位有关，本地户籍居民
的高值聚类（热点）社区则集中在城市中心。
（四）模型设定
本研究的一个重要假设是， 群体内成员在社区的聚集突出了群体
的自我认同，并增强了群体与其他群体的边界，从而扩大了群体内成员
2. 此处不包括港澳台地区。

· 66 ·