基于人口空间化的外来人口聚居区识别方法——以北京市海淀区为例（下）.pdf

基于人口空间化的外来人口聚居区识别方法 基于人口空间化的外来人口聚居区识别方法 基于人口空间化的外来人口聚居区识别方法基于人口空间化的外来人口聚居区识别方法 ——以北京市海淀区为例——以北京市海淀区为例（（下下）） ————以北京市海淀区为例以北京市海淀区为例 （（下下）） 2019年 03月 04 日 2.2.3 建立人口空间化模型 首先，基于人口空间化类型区划分结果，分别建立城区人口空间化类型区、近郊人口空间 化类型区和远郊人口空间化类型区的常住人口密度多元回归模型，共计 3 个。其中，城区 人口空间化类型区常住人口密度空间化模型如下： P a x -a x +a x （3） cj cjm cm cjs cs cjd cd 式中：P 是城区人口空间化类型区街道/乡镇 j 的常住人口数；a 、a 和 a 分别是城区 cj cjm cjs cjd 人口空间化类型区街道/乡镇 j 中多层住宅、普通农宅和高密度农宅的土地面积；x 、x cm cs 和 x 分别是城区人口空间化类型区多层住宅、普通农宅和高密度农宅的常住人口密度。 cd 运用 Stata 14.0 软件的regress 命令，利用街道/乡镇尺度人口统计数据和各居住类型土 地面积值，估算出 x 、x 和 x 的最优拟合值。近郊人口空间化类型区和远郊人口空间化 cm cs cd 类型区常住人口密度空间化模型与公式（3）基本一致，限于篇幅，本文不再赘述。通过 建立常住人口密度空间化模型，可以估算出三类人口空间化类型区各个居住类型的常住人 口密度最优拟合值。 其次，分别建立城区人口空间化类型区、近郊人口空间化类型区和远郊人口空间化类型区 的外来人口占比多元回归模型，共计 3 个。其中，城区人口空间化类型区外来人口占比空 间化模型如下： FP a x z +a x z +a x z （4） cj cjm cm cm cjs cs cs cjd cd cd 式中：FP 是城区人口空间化类型区街道/乡镇 j 的外来人口数量；z 、z 和 z 分别是城 cj cm cs cd 区人口空间化类型区多层住宅、普通农宅和高密度农宅的外来人口占比；其余符号的意义 同公式（3）。运用 Stata 14.0 软件的 regress 命令，利用街道/乡镇尺度人口统计数据、 各居住类型土地面积值和常住人口密度估算值，估算出 z 、z 和 z 的最优拟合值。近郊 cm cs cd 人口空间化类型区和远郊人口空间化类型区外来人口占比空间化模型与公式（4）基本一 致，限于篇幅，本文不再赘述。通过建立外来人口占比空间化模型，可以估算出三类人口 空间化类型区各个居住类型的外来人口占比最优拟合值。 最后，根据各居住类型的常住人口密度估算值和外来人口占比估算值，结合每个社区/行 政村各居住类型的土地面积值，可以计算出海淀区各社区外来人口数量和外来人口占比。 2.2.4 确定外来人口聚居区识别阈值 首先，确定外来人口聚居区的数量阈值和占比阈值2 个数值。外来人口聚居区的特点是外 来人口聚居区之间的外来人口数量与占比差异较小，外来人口聚居区与本地户籍人口居住 区的外来人口数量与占比差异巨大。据此，本文采用 Jenks 自然断裂法，确定外来人口聚 居区的识别阈值。Jenks自然断裂法的基本原理是保证类内差异最小，类间差异最大。由 此计算得出，海淀区外来人口聚居区的外来人口数量阈值是 8 597人，外来人口