城市更新背景下的居住隔离衡量方式

自20世纪中叶开始，在社会学和城市研究中，学者们均强调了居住隔离的重要性，陆续提出了数十种对居住隔离程度的测度方法，其中以A Methodological Analysis of Segregation Indexes一书最具代表性。居住隔离最基本的测量建立在区域和群体所组成的二维表上，以一个最终的测量值描述不同群体间的隔离情况。Massey和Denton（1988）提出了衡量居住隔离的五个维度，分别是均匀性（Evenness）、接触性（Exposure）、集中性（Concentration）、向心性（Centralization）和集群性（Clustering）。均匀性是指不同群体人口空间分布的均匀程度；接触性是指不同群体之间接触、交往、互动的可能性；集中性是指少数群体占据区域内空间的面积比例；向心性是指少数群体在空间上距离城市中心的程度；集群性是指少数群体的空间集聚程度。由于经济学家关注的是居住隔离对社会互动和交往的影响，集中性、向心性和集群性维度对此方面的刻画能力相对有限，因此均匀性和接触性成为使用最多的维度（Echenique and Fryer，2007）。下文对现有研究中常用的居住隔离指标进行简单描述，包括分异指数、接触度指数和信息指数，并对近年来热门的空间测量问题进行讨论。

分异指数（Dissimilarity Index）作为一种简单实用的对居住隔离的测度指标，可以很好地刻画均匀性维度，由Duncan在1955年提出，其计算公式为：DI＝0.5×

，pjg和pjh分别是居住在区域j中的g类人群和h类人群的比重，pg和ph则分别是g类人群和h类人群在总样本中的比重。分异指数DI的取值范围从0到1，取值越大，代表区域j中两类人群的比重差异与总样本中的比重差异越大，即居住隔离程度越高。分异指数的优点在于直观简明，可以理解为若要完全消除居住隔离，则需要其中一类人群中有（100×D）%的人搬至其他区域。但是分异指数也存在着未将人口规模纳入指数构建模型中、整体规模较小群体的居住隔离指数会被随机高估或者低估的问题。此外，分异指数只能对两个群体进行计算，无法对多群体之间的居住隔离状况进行测算。

接触度指数（Exposure Index）衡量的是某类人群与同类人群之间日常会面的可能性，反映了居住隔离的“接触性”维度，取值越高，居住隔离程度也就越低。其计算公式为：Ekl＝(www.xing528.com)

，其中Ekl代表k类人群与l类人群之间的接触度，nik是居住在区域i中的k类人群的数量，nk是总样本中k类人群的总数，pl｜i是居住在区域i中的l类人群的比重。因此接触度指数的直观含义可以理解为在k类人群所居住社区中的l类人群的平均比重，意味着k类人群中日常生活中遇到l类人群的可能性，取值越高，代表着两类人群之间的互动越多。接触度指数的优点在于根据普查数据可以很方便的计算得出，同时含义简单明了、易于理解。但是也存在着对区域内人群整体分布状况敏感的特点，其取值与更大区域范围内的人群分布状况紧密相关。

信息指数（Information Theory Index），也被称为熵指数（Entropy Index），衡量了k类人群的平均分布状况和所研究区域总体分布状况的离散程度，取值为0时说明每个区域的人口分布状况与总体一样，不存在居住隔离；取值为1时则意味着每个区域仅单独居住某一类人群，不存在混居现象。其计算公式为：，其中，pk是k类人群在总样本中的比重，pk｜i是k类人群在区域i中的比重，pi是区域i人口占总样本的比重。信息指数的优点在于可以适用于多组别的情形。

由于在居住隔离的测量过程中存在着棋盘问题（Checkerboard Problem），之前所述的分异指数、接触度指数和信息指数没有考虑到人群在区域内的相对空间位置，学者们在传统的测度指标基础之上引入了空间的概念，将地理位置信息与人口数据相结合，根据人群所处的具体空间地理坐标，计算出人群之间的地理距离并将其作为权重，引入到原模型中进行加权处理。近年来，地理信息系统（GIS）的快速发展为实现这一举措提供了有力的数据和分析方法，地理信息系统可以提供详细的地理数据，并将其同社会经济数据连接，使得利用复杂的数据结构进行分析成为可能。同时地理信息系统自身的测量方法（如Moran's I）也可以应用到居住隔离的测度之中，描述空间中的特征集聚性。此外，详细的地理数据还有助于解决可塑性面积单元问题（The Modified Areal Unit Problem，MAUP）。传统对居住隔离的研究建立在官方统计体系中的地理区域单元（如街区、县和普查区）之上，所测得的结果既包含了区域内的结构特征，也包含了区域的规模大小，测算结果会因所选区域的规模和边界定义的不同而有所变化，学者们称之为可塑性面积单元问题。运用个体层面的地理数据构建邻里区域可以避免MAUP问题，也有利于跨国间的比较研究。