党云晓
, 张文忠
Dang Yunxiao, Zhang Wenzhong
中图分类号: F901.2
文献标识码: A
文章编号: 1000-0690（2016）06-0829-08
通讯作者:
收稿日期: 2015-06-9
修回日期: 2015-08-15
网络出版日期: 2016-10-20
版权声明: 2016 《地理科学》编辑部 本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
作者简介：党云晓（1987-）,女,河南济源人,博士研究生,主要研究方向为城市问题与区域发展。E-mail：dangyx.09s@igsnrr.ac.cn
展开
摘要
传统经济学视角出发的个体生活满意度研究往往忽略了数据的嵌套性,多层级模型更适用于地理学中分析不同层级地理单元特征对个体生活满意度的影响。采用多层级定序因变量模型,以北京为例,研究居民生活满意度在城市内部街道和居住小区尺度内的异质性,并研究了高层级地理空间单元的属性特征对居民生活满意度的影响。结果表明,生活满意度在居住小区层级的异质性远高于街道层级,个体自身的社会经济属性对个体的生活满意度有显著影响,总的来说,高收入、老年人、北京户口居民的生活满意度更高。除个体属性特征以外,居住小区的类型是影响生活满意度的重要因素,商品房小区居民的满意度显著高于保障房和单位房小区居民。
关键词：
Abstract
Life satisfaction, a stable and long felling of life, denotes how well people thrive. In the last decade, scholars from different academic fields including psychology, sociology, geography, economy and so on have contributed a lot of research on the relevant topics. Besides, life satisfaction is also increasingly being seen as an essential element for the quality of urban development and government policy, therefore, followed by the scientific interests is the concern of administrative authorities who believe public policy should be about enhancing life satisfaction of the people. Although the highest rate of growth in GDP in Chinese urban, the economic growth did not promise an equal level of the improvement of residents’ life satisfaction.According to the previous research, there is little study that focus on life satisfaction from the perspective of Human Geography in China, especially lack of research that the influence of geographical unit effect on residents’ life satisfaction. Traditionally, single-level model was used in previous research to analyze the influence, which ignoring the similarity of individuals who living in same geographical unit and the clustering effect of groups. Worse still, single-level models do not fully exploit the hierarchical nature of geography data that are increasingly available and that can be utilized to provide more information about the role of geography at different spatial scales. In this aticle, we use ordered category response multilevel model to analyze that how the characteristics of sub-districts and community affect residents’ life satisfaction. Based on large scale survey in 2013 in case of Beijing, several conclusions are drawn as follows: 1) There are life satisfaction heterogeneity both at sub-district and community level, and the heterogeneity at community level is bigger than sub-district level. 2) Individual attributes also affect subjective well-being(SWB). In general, weak groups, such as low-income families, nonlocal hukou people and old people, are more likely be unsatisfied about their life. 3) Type of community has significant impact on life satisfaction. The closeness of community and high identity of residents in same community should largely responsible for this. Residents living in commercial housing are more likely feel satisfied about life than affordable housing and unit housing. Currently, diverse community is the inevitable choice for the rapid progress of urbanization as it provides more choices for urban families to access housing opportunities. However, community disparity also deeps residents’ SWB gap, implying that it should be given due attention to promote living environment of affordable and unit housing, further improve residents’ sense of well-being. Furthermore, in current metropolitan cities in China, it is the weak groups who are most unsatisfied about their life and always need help and concern from government most urgently. Because of institutional and economic factors, they are always excluded from the preferential policy provided to urban residents, and have few opportunities to access to good life in urban, especially for rural migrant workers.
Keywords：
生活满意度(Life Satisfaction)是源自内心的主观生活评价,是个体对生活的综合判断[1]。过去50 a中,心理学、社会学、经济学、地理学等学科都对此进行了研究。早期经济学者和社会学者基于传统的幸福函数(Happiness Function)方法[2],发现生活满意度主要取决于个体的人口统计学特征[3,4]。后来的经济学者对幸福函数进行改进发现,个体的生活满意度还受到地理单元特征的影响[5,6]。经济学中地理单元特征的影响研究激发了地理学者研究生活满意度的热情,随着地理学的参与,客观的地理单元因素对主观的生活满意度的影响受到越来越多的重视,而如何更加精准地分析地理空间因素的影响要求实证分析方法不断改进。传统的经济学幸福函数方法更适用于解决人口属性因素对幸福感的影响。然而这种方法在分析地理空间因素的影响时,通常把地理空间因子作为虚拟变量引入函数,从而忽略数据存在的地理嵌套问题,进而影响分析结果[7]。
在多年探索满意度的研究方法之后,有些学者发现多层线性模型(Multilevel Models)在满意度研究中的优势。多层线性模型,或称为分层模型、随机效应模型,表示不仅仅局限于一个层级的统计模型。多层线性模型更适用于分析涉及不同地理层级因素的复杂关系数据,不仅可以提取不同地理层级对个体变异的解释能力,而且允许地理层级影响在不同地理单元之间的变异[7]。多层线性模型在生活满意度研究中的应用回答了高层级地理因素对于解释个体变异的重要性[2,8,9]。
目前国内学术界鲜见地理空间因素对居民生活满意度影响的研究,已有相关话题的研究主要围绕城市生活质量评价指标体系构建、居住环境评价和幸福感评价展开[10~15]。而在这些研究中几乎没有学者借助地理数据分层的思想来研究不同尺度的地理单元要素如何作用于个体的生活满意度。西方国家的满意度研究多是基于国家或城市地区[2],少于研究基于城市内部的小尺度单元。考虑到中国城市规模较大,城市内部的异质性明显[16],有必要研究基于中国大城市内部小尺度单元的居民生活满意度差异。文章拟回答以下2个问题：① 居民生活满意度在城市内部的街道和居住小区尺度范围内是否存在差异,具体表现如何?② 地理空间单元的属性特征对居民生活满意度有何影响?
一般来说,中国城市内部的地理层级多是依据行政单元进行划分,城市之下依次下设城区、街道。虽然不是行政单元,居住小区也可以被看做一个地理层级,是个体可以从属的最小单元。考虑到城区数量较少,本文选取街道和居住小区为两个高层级的地理单元。
街道之间的异质性主要表现在街道的公共服务设施供给、土地利用形态及人口社会经济属性的差别上。2个原因导致异质性,首先是城市规划的引导作用。政府在城市规划的决策中,为了整个城市的协调发展,为不同的街道设定差别化的发展定位。另一方面,土地市场的建立同样引导异质性的生成。由于土地价格的空间差异,城市经济活动和功能在不同的区位集聚,位于城市不同位置的街道因此表现出异质性的特征。
居住小区之间的异质性主要表现在小区的类型差异之上。住房市场改革以来,原来单一的福利制住房逐渐被多样化的住房体系替代。目前,城市里的住房类型包含了商品房、各类保障房及改制后的单位房。不同类型的住房小区之间由于土地供应、开发模式、供给对象等原因而表现出居住环境及人口社会经济属性的明显差别[17]。
我们认为,中国城市街道与居住小区的异质性会影响到居住其中的居民的生活感受,基于此,建立数据分层的多层级模型显得很有必要。
传统的经济学模型里,生活满意度被表达为个体社会经济属性的简单线性数学函数。函数假设所有地区的满意度一致,这就否认了人们会因地区之间生活满意度的差异而进行迁移[18]。地理学对满意度研究最大的贡献在于引入地理空间变量,将空间特征以个体变量的形式引入函数。然而,这种方法忽略了数据上存在的嵌套问题。这就意味着在单层模型中,同一区域内居民的满意度是相互联系的而并非如单层模型所假设相互独立的[19]。就统计推断来讲,忽略数据结构的嵌套性会导致回归系数显著性的检验失效,而且高估变量的显著性[7]。此外,忽略数据的层级性意味着忽略了不同空间尺度下的地理要素的作用[2]。
与单层经济学模型相比,多层线性模型最大的优点是,模型估计系数及其标准误充分考虑了不同层级的人口结构的收敛性[2],模型能够将不同地理层级要素对个体生活满意度的影响区分开来,并精确计算出每个地理层级要素对解释满意度差异的贡献。由于本文要解答在街道和居住小区两个层级上的生活满意度变异情况,因此建立街道-居住小区-个体三层级的多层线性模型。最终,将基于有序分类响应变量的多层模型①( ① 本文对生活满意度的测度结果为有序分类的李克特量表氏变量,如果转化为普通的连续变量,会导致信息丢失和换算失调,比较适合的解决办法是保留变量的有序分类性（将满意度分为不满意、一般、满意、非常满意）,因此采用基于有序分类响应变量的多层模型。)设置如下：
Logit(γ2jkl)=
γ1jkl=1; γ2jkl=π2jkl+π3jkl+π4jkl;γ3jkl=π3jkl+π4jkl; γ4jkl=π4jkl
hjkl=vkl cons+fl cons+β1Xjkl+β2Zkl+β3Sl
vkl~N(0,
式中,γ表示概率之和;i为响应变量层级,i=1,2,3,j、k、l分别表示个体、居住小区、街道层级;πijkl表示在l街道k居住小区的j个体选择第i个生活满意度响应类型的概率;vkl和fl分别表示常数项在小区和街道层级的随机效应;Xjkl、Zkl和Sl分别对应个体、小区和街道层级的解释变量;σ2v和σ2l分别表示满意度在小区和街道层级的空间差异程度,cons为常数项。
运用该模型,我们可以很好的估计居住小区和街道层级变量对居民生活满意度的影响以及分解满意度在居住小区和街道层级的空间分异程度。比如σ2l/(σ2l+σ2v+3.29)和σ2l+σ2v/(σ2l+σ2v+3.29)分别表示满意度在街道和居住小区层级的空间差异对满意度总体差异的解释程度②（② Logist回归的个体层级方差为固定值3.29,详见参考文献[7]。）。有关有序分类响应变量模型的详细解释见参考文献[7]。
本研究采用的数据来自宜居城市课题组于2013年实施的问卷调查,范围包括城六区的129个街道和远郊5个大型居住小区。共回收有效问卷5 733份。多层线性模型可以处理样本分布的不均匀问题,考虑到文章要验证高层级变量的影响,删除居住小区样本数少于5的居住小区样本,同时删除没有填写居住小区名称的样本,并且筛选出社会经济属性信息完全的样本,最终进入模型的样本个数为2 239个,涉及居住小区数量为346个,街道数量为96个。样本基本统计情况见表1。
表1 样本基本情况与变量描述性统计分析
Table 1 Model variables and sample means
| 变量 | 变量设定与说明（均值/百分比） | 所属层级 |
|---|---|---|
| 生活满意度评价 | 非常满意(4.1%);满意(27.8%);一般(60.4%);不满意(7.7%) | 居民 |
| 年龄 | <20岁(2.8%);20~29岁(36.8%);30~39岁(28.2%);40~49岁(17.1%);50~59(10.9%)岁;>60岁(4.0%) | 居民 |
| 性别 | 男 (48.6%);女(51.4%) | 居民 |
| 就业 | 全职(81.6%);兼职(4.1%);家庭主妇(2.1%);退休(7.8%) | 居民 |
| 婚姻 | 已婚(64.4%);未婚(33.8%);离异(1.1%) | 居民 |
| 家庭月总收入（万元） | <0.3(5.4%);0.3~0.5(18.7%);0.5~1(35.9%);1~1.5(23.5%);1.5~2(8.9%);2~3(4.6%);3(3.2%) | 居民 |
| 户籍 | 北京(69.7%);外地(30.3%) | 居民 |
| 住房产权类型 | 商品房(43.9%);保障房（包括经济适用房、廉租房、拆迁安置房、两限房）(25.7%);单位房(25.4%);其他(4.9%) | 居住小区 |
| 居住环境评价 | 居民对小区居住环境评价的平均值(73.2) | 居住小区 |
本研究模型均采用MLwiN软件进行估计[20]。模型估计使用MCMC,采用DIC(Deviance Information Criterion)指标比较不同模型的拟合效果。DIC既能考虑到不同模型对数据的拟合程度又能考虑到模型的复杂程度,其值越小表明模型对数据的拟合程度越高。
表2给出了模型I（引入个体和居住小区2个层级）和模型II（引入个体、居住小区和街道3个层级）2个空模型的方差估计结果。模型II中,街道层级方差很小（4.8%）,居住小区的方差比重较大（15.1%）。表3给出模型II在2个高层级单元的最低与最高概率预测值,在最差与最好的居住小区,选择生活不满意、一般、满意和非常满意的概率之差分别为-12%、-46.7%、36.5%和22.2%,街道层级这一差值分别为-5.2%、-29.1%、23.4%和10.9%,可见居住小区层级的异质性相比街道层级更高。考虑到街道层级的方差较小,暗示街道层级的居民生活满意度差异并不明显,我们将研究的重点放在居住小区和个体的双层级模型。
表2 生活满意度的多层线性模型方差估计结果
Table 2 Variance component estimates for multilevel model of residences’ life satisfaction
| 模型 | 个体层级方差（总方差中比重） | 居住小区层级方差（总方差中比重） | 街道层级方差（总方差中比重） | DIC/pD |
|---|---|---|---|---|
| 模型I（2层） | 3.290（80.7%） | 0.787（19.3%） | NA | 4236/180 |
| 模型II（3层） | 3.290（80.1%） | 0.601（15.1%） | 0.192（4.8%） | 4228/172 |
表3 模型II高层级单元概率预测值
Table 3 Predictions at high level
| 模型 | 最低居住 小区 | 最高居住 小区 | 最低 街道 | 最高 街道 | |
|---|---|---|---|---|---|
| 模型II | 不满意 | 12.6% | 0.6% | 6.4% | 1.2% |
| 一般 | 53.6% | 6.9% | 41.7% | 12.6% | |
| 满意 | 32.5% | 69.0% | 49.3% | 72.7% | |
| 非常满意 | 1.3% | 23.5% | 2.6% | 13.5% |
3.2.1 个体层级变量对其生活满意度的影响
表4展示了多层有序分类变量模型的估计结果。模型III在控制了个体层级变量之后,居民选择生活现状不满意、一般、满意和非常满意的概率分别为2.6%、26.2%、66.1%和5.1% ①( ① 根据常数项回归系数,计算1/(1+e^(-β0))得到γ,然后根据公式（1）计算得到π。)。模型运行结果显示,对居民生活满意度选择有显著影响变量包括年龄、收入及户籍。总的来说,20岁以下的青少年生活满意度最高,其次是20~29岁的年轻人,中年人和老年人的满意度最低,尤其是60岁以上的老年人。收入越高,个体的生活满意度也相应越高。与外地户籍人口相比,北京户口居民显然有更高的生活满意度。
表4 模型估计结果比较
Table 4 Estimation results of models
| 变量 | 模型III | 模型IV | ||
|---|---|---|---|---|
| β | S.E. | β | S.E. | |
| 常量（一般） | 3.605*** | 0.453 | 0.555 | 0.851 |
| 常量（满意） | 0.903** | 0.443 | -2.153*** | 0.852 |
| 常量（非常满意） | -2.929*** | 0.448 | -5.989*** | 0.864 |
| 个体层级变量 | ||||
| 年龄（参照组：<20岁） | ||||
| 20~29岁 | -1.456*** | 0.356 | -1.422*** | 0.337 |
| 30~39岁 | -1.676*** | 0.388 | -1.643*** | 0.340 |
| 40~49岁 | -1.734*** | 0.400 | -1.699*** | 0.375 |
| 50~59岁 | -1.669*** | 0.415 | -1.614*** | 0.394 |
| >60岁 | -2.052*** | 0.499 | -2.019*** | 0.484 |
| 收入（参照组：<0.3万元） | ||||
| 0.3~0.5万元 | 1.035*** | 0.228 | 1.037*** | 0.227 |
| 0.5~1万元 | 1.344*** | 0.223 | 1.305*** | 0.220 |
| 1~1.5万元 | 1.462*** | 0.232 | 1.408*** | 0.230 |
| 1.5~2万元 | 1.671*** | 0.265 | 1.600*** | 0.260 |
| 2~3万元 | 1.718*** | 0.306 | 1.637*** | 0.304 |
| >3万元 | 1.977*** | 0.346 | 1.892*** | 0.344 |
| 户籍（参照组：外地） | ||||
| 北京 | 0.434*** | 0.109 | 0.441*** | 0.110 |
| 居住小区层级变量 | ||||
| 住房产权类型（参照组：商品房） | ||||
| 保障房 | -0.268** | 0.157 | ||
| 单位房 | -0.449*** | 0.160 | ||
| 居住环境评价 | 0.044*** | 0.010 | ||
| 居住小区方差 | 0.709 | 0.132 | 0.597 | 0.120 |
| pD | 188 | 176 | ||
| DIC | 4153 | 4142 | ||
图1展示了在模型IV的基础上引入个体的收入与户籍交互项的预测图。可以看出,就生活满意度选择为一般的预测概率而言,虽然北京户籍居民的概率整体更高,然而随着家庭收入的增长,外地户籍居民选择一般的概率提升速度更高。就选择为满意的预测概率而言,同样,北京户籍居民的概率整体更高,而外地户籍居民的满意度提升速度更高,或者可以表述为,当家庭收入偏低时,不同户籍居民之间的生活满意度差别较大,而当家庭收入较高时,不同户籍居民之间的生活满意度差别缩小。这也暗示家庭收入的提升更容易增加外地户籍居民的生活满意度。就选择为非常满意的预测概率而言,随着家庭收入的增加,北京与外地户籍居民并没有表现出明显的差别。
图1 收入与户籍属性的交互作用预测
Fig.1 Prediction of interaction between income and household registration
3.2.2 居住小区层级变量对个体生活满意度的影响
模型IV（表4）引入居住小区层级变量之后,居住小区层级的方差从0.709减少为0.597,DIC减少11,说明模型IV比模型III对居民满意度的解释力更好。在控制了个体层级与居住小区层级变量之后,居民选择生活现状不满意、一般、满意和非常满意的概率分别为36.5%、53.1%、10.2%和0.2%,与模型III的预测概率分布相差很大,说明控制居住小区层级变量对居民的生活满意度评价有非常明显的影响,总的来说,居民选择满意的概率下降,不满意或一般的概率增加。
从居住小区类型的影响来看,与商品房小区居民相比,保障房和单位房小区居民的生活满意度显著较低,尤其是单位房小区居民更低,暗示了高层级地理单元的居住小区类型影响低层级居民的生活满意度。图2显示了不同类型居住小区居民生活满意度随家庭收入增长的变化。可以看出,商品房小区居民生活满意度受到收入的影响最大,其次是单位房。这也说明,对于高收入家庭而言,居住在何种类型的小区对个人生活满意度带来的影响较大,而对于低收入家庭来说,选择何种类型的小区对个人生活满意度的影响并不明显。也可以折射出,当前收入对个体生活满意度的影响凌驾于住房类型之上,只有当收入足够高时,个体的满意度才会更多受到其他因素的影响。
图2 居住小区类型与收入的交互作用预测
Fig.2 Prediction of interaction between community type and income
3.2.3 模型残差比较
对比模型III与模型IV的残差变化发现（图3）,引入居住小区层级变量之后,不同残差取值区间所对应的居住小区数量变化分别如下：残差小于-0.5的居住小区数量减少12个,大于0.5的居住小区数量减少8个,残差取值位于-0.5~0.5之间的居住小区数量增加20个①( ① 残差分布的上下15%作为分割点,上15%接近0.5,下15%接近-0.5。)。说明引入居住小区层级的解释变量之后,模型对个体生活满意度的预测效果有所提升。进一步比较不同类型居住小区的残差变化,可以发现,就商品房小区而言,引入居住小区层级变量之后,模型III中被高估的居住小区数量有明显减少,被低估的居住小区数量没有明显变化。从空间上来看,模型IV中残差值最大的居住小区分布相比模型III更加集中于部分地区（东北四环与五环之间、西北二环与四环之间）。就保障房小区而言,原先被低估的居住小区数量减少,而被高估的居住小区数量增加。就单位房小区而言,分布于四环以外的原先被低估的居住小区数量减少,被高估的居住小区数量增加。
本文以北京为例,基于大样本调研问卷数据,采用定序因变量的多层级模型分析城市内部小尺度地理单元特征对居民生活满意度的影响,主要得到以下结论与启示：① 个体的社会经济属性是影响生活满意度的重要因素。年轻人和高收入群体的生活满意度相对较高,外地户籍居民的满意度相对北京户籍居民偏低,然而家庭收入的提升更容易增加外地户籍居民的满意度。② 居住小区的属性特征同样作用于生活其中的居民生活满意度。商品房小区居民的生活满意度要高于保障房和单位房小区居民,而且商品房小区居民生活满意度受到收入的影响最大。
住房制度改革以来,中国城市的住房产权开始多样化,居民生活满意度受到影响,而且这种影响不仅仅是由居住小区实体环境质量的差异引起,还受到与居住小区内部居民自身的人口统计学特征密切相关的人文环境的影响。多样化的居住小区打破原有的人口均匀分布态势,不同属性特征的人群得以在空间上重新组合集聚,这种集聚进一步加深了不同居住小区之间居民的满意度差异。然而,并不能否认,多样化的城市住房类型也是转型期城市化快速发展的需要,尤其是多种类型保障房的出现解决了大量低收入家庭住房难的问题。单就近期而言,居住小区类型差异及其加深的居民生活满意度差异仍然不可避免,但是政府依然可以通过改善保障房的居住环境质量来缩小居民满意度的差异。
本文借助多层模型发现,个体生活满意度在居住小区层级的差异明显高于街道层级,这也为今后城市内部尺度的居民生活满意度研究提供一个研究尺度的参考。单就提高居民生活满意度的效果而言,政府在高层级空间的制度与政策改善,可能比单纯增加居民的某项福祉更加有效。无论从国家、区域、城市或是社区哪一个层面来看,政策制定者和规划师在环境、社会、经济问题上的决策都将直接影响当地居民的生活质量和居民对生活的感受,而且居民生活质量也是城市竞争力和城市增长的重要构成因素之一[21],因此,研究城市内部的小尺度单元特征对个体生活满意度的影响有助于考量城市的综合发展质量,也是对当下经济增长方式及政府决策和政策执行效果的深入反思。
The authors have declared that no competing interests exist.
| [1] |
|
| [2] |
Happy People or happy places:a multi-levelmodelling approach to the analysis of happiness and well-being [J].https://doi.org/10.1177/0160017611403737 URL Magsci [本文引用: 5] 摘要
This article aims to add a regional science perspective and a geographical dimension to our understanding of substantive questions regarding self-reported happiness and well-being through the specification and use of multilevel models. Multilevel models are used with data from the British Household Panel Survey and the Census of UK population to assess the nature and extent of variations in happiness and well-being to determine the relative importance of the area (district, region), household, and individual characteristics on these outcomes. Having taken into account the characteristics at these different levels, we are able to determine whether any areas are associated with especially positive or negative feelings of happiness and well-being. Whilst we find that most of the variation in happiness and well-being is attributable to the individual level, some variation in these measures is also found at the household and area levels, especially for the measure of well-being, before we control for the full set of individual, household, and area characteristics. However, once we control for these characteristics, the variation in happiness and well-being is not found to be statistically significant between areas.
|
| [3] |
Is well-being U-shaped over the Life cycle? [J].https://doi.org/10.1016/j.socscimed.2008.01.030 URL PMID: 18316146 [本文引用: 1] 摘要
We present evidence that psychological well-being is U-shaped through life. A difficulty with research on this issue is that there are likely to be omitted cohort effects (earlier generations may have been born in, say, particularly good or bad times). First, using data on 500,000 randomly sampled Americans and West Europeans, the paper designs a test that can control for cohort effects. Holding other factors constant, we show that a typical individual's happiness reaches its minimum 鈥 on both sides of the Atlantic and for both males and females 鈥 in middle age. Second, evidence is provided for the existence of a similar U-shape through the life-course in East European, Latin American and Asian nations. Third, a U-shape in age is found in separate well-being regression equations in 72 developed and developing nations. Fourth, using measures that are closer to psychiatric scores, we document a comparable well-being curve across the life cycle in 2 other data sets (1) in GHQ-N6 mental health levels among a sample of 16,000 Europeans, and (2) in reported depression-and-anxiety levels among 1 million UK citizens. Fifth, we discuss some apparent exceptions, particularly in developing nations, to the U-shape. Sixth, we note that American male birth-cohorts seem to have become progressively less content with their lives. Our results are based on regression equations in which other influences, such as demographic variables and income, are held constant.
|
| [4] |
How’s life: combining individual and national variables explainsubjective well-being [J].https://doi.org/10.1016/S0264-9993(02)00057-3 URL Magsci [本文引用: 1] 摘要
<h2 class="secHeading" id="section_abstract">Abstract</h2><p id="">This paper attempts to explain international trends and differences in subjective well-being over the final fifth of the twentieth century. This is done in several stages. First there is a brief review of some reasons for giving a central role to subjective measures of well-being. This is followed by sections containing a survey of earlier empirical studies, a description of the main variables used in this study, a report of results and tests, discussion of the links among social capital, education and well-being, and concluding comments. The main innovation of the paper, relative to earlier studies of subjective well-being, lies in its use of large international samples of individual respondents, thus permitting the simultaneous identification of individual-level and societal-level determinants of well-being. This is particularly useful in identifying direct and indirect linkages between social capital and well-being.</p>
How's Life:combining individual and National variables explainsubjective well-being [J]. |
| [5] |
Happiness,geography and theenvironment [J].https://doi.org/10.1016/j.ecolecon.2007.07.008 URL [本文引用: 1] 摘要
In recent years, economists have been using socio-economic and socio-demographic characteristics to explain self-reported individual happiness or satisfaction with life. Using Geographical Information Systems (GIS), we employ data disaggregated at the individual and local level to show that while these variables are important, consideration of amenities such as climate, environmental and urban conditions is critical when analyzing subjective well-being. Location-specific factors are shown to have a direct impact on life satisfaction. Most importantly, however, the explanatory power of our happiness function substantially increases when the spatial variables are included, highlighting the importance of the role of the spatial dimension in determining well-being.
|
| [6] |
Jeroen C J M. Climate change, income and happiness: An empirical study for Barcelona. Global Environmental Change-Human and |
| [7] |
Multilevel statistical methods(2nd ed) [M]. |
| [8] |
The geography of well-being [J].https://doi.org/10.1093/jeg/lbr041 URL [本文引用: 1] |
| [9] |
Worlds of welfare capitalism and wellbeing:a multilevel analysis [J].https://doi.org/10.1017/S0047279412000499 URL [本文引用: 1] 摘要
Social scientists in the comparative policy tradition have long argued that welfare systems in modern capitalist societies can be broken down into ideal types. The idea of different worlds of welfare capitalism has an enduring appeal and growing practical policy relevance as governments seek to enhance population wellbeing. In this paper, we explore the worlds of welfare theory from the perspective of happiness. Drawing on data from the World Values Survey, we examine how welfare regimes may contribute to wellbeing and we consider the significance of our findings for the development of social policy. By using multilevel models, it is possible to separate out effects due to observed and unobserved, as well as both individual-level and country-level, welfare state characteristics and we can make inferences to the distribution of social wellbeing across welfare typologies. We find that respondents living in liberal and conservative countries experience at least twice the odds of unhappiness of those living in social democracies, after controlling for individual- and country-level explanatory variables. The observed differences between the worlds of welfare were found to be highly statistically significant.
|
| [10] |
|
| [11] |
宜居城市的理论基础和评价研究进展 [J].https://doi.org/10.1631/jzus.A0720090 URL Magsci 摘要
<p>1898 年霍华德提出的“田园城市”是对城市的繁荣和发展带来昂贵代价的反思。宜居城市的提出，成为解决 城市可持续发展的重要选择之一。目前宜居城市研究还是一个有待深入研究的新领域，本文总结了宜居城市的研 究进展和主要学术观点，重点回顾了宜居城市概念、内涵等研究内容，集中讨论了宜居城市的影响因素、评价体系 和评价方法，并指出宜居城市研究还存在的不足之处和未来的研究方向。</p>
Review of the theories and methods of livable city. https://doi.org/10.1631/jzus.A0720090 URL Magsci 摘要
<p>1898 年霍华德提出的“田园城市”是对城市的繁荣和发展带来昂贵代价的反思。宜居城市的提出，成为解决 城市可持续发展的重要选择之一。目前宜居城市研究还是一个有待深入研究的新领域，本文总结了宜居城市的研 究进展和主要学术观点，重点回顾了宜居城市概念、内涵等研究内容，集中讨论了宜居城市的影响因素、评价体系 和评价方法，并指出宜居城市研究还存在的不足之处和未来的研究方向。</p>
|
| [12] |
城市居民公园游憩幸福感的因素构成与差异分析——以杭州市为例 [J].
<p>以杭州市为例,对公园游憩者进行问卷调查,运用主成分回归和方差分析法揭示游憩幸福感的因素构成、空间分异与社会差异。研究发现:城市居民的游憩幸福感主要由情感幸福感、认知幸福感和社会幸福感构成,是具有层次性的主观幸福感;公园游憩幸福感存在空间分异性,居民主要通过城市大公园游憩获取情感幸福感和认知幸福感、通过社区小公园游憩获取社会幸福感;公园游憩幸福感存在社会差异性,收入、年龄、文化程度、职业4 个变量对游憩幸福感有显著影响。为此,城市政府应以游憩幸福感为核心,根据居民游憩幸福感的感知现状及其空间、社会差异特征进行公园游憩空间的建构与游憩设施配置。</p>
Factors components and differences of the park-based recreational happiness for urban residents:a case study of Hangzhou.
<p>以杭州市为例,对公园游憩者进行问卷调查,运用主成分回归和方差分析法揭示游憩幸福感的因素构成、空间分异与社会差异。研究发现:城市居民的游憩幸福感主要由情感幸福感、认知幸福感和社会幸福感构成,是具有层次性的主观幸福感;公园游憩幸福感存在空间分异性,居民主要通过城市大公园游憩获取情感幸福感和认知幸福感、通过社区小公园游憩获取社会幸福感;公园游憩幸福感存在社会差异性,收入、年龄、文化程度、职业4 个变量对游憩幸福感有显著影响。为此,城市政府应以游憩幸福感为核心,根据居民游憩幸福感的感知现状及其空间、社会差异特征进行公园游憩空间的建构与游憩设施配置。</p>
|
| [13] |
城市人居环境类型及空间格局研究——以大连市沙河口区为例 [J].
<p>从人居环境系统视角出发，以大连沙河口区199个典型住宅小区为研究对象，实证探索了城市人居环境类型及空间格局。研究结果表明：① 影响城市人居环境六大主因子为居住质量、邻里关系、自然环境、生活便利度、轻轨交通、教育医疗；② 以六大因子与不同收入群体的人居活动交互作用为依据把大连沙河口区人居环境分为低收入群体——居住质量差型、中等收入——居住系统均衡型、高收入——居住质量高和公共设施良好型、高端人士群体——自然环境优越型，以及非自由选择分配住房的单位制居民——邻里关系密切型；③ 5 种城市人居环境类型“同质”集聚与“异质”集聚并存，形成以海岸线三圈层结构为主的南高北低态势，辅以中东部商圈高收入居住区，中西部混合异质区的复合圈层空间格局。</p>
Spatial pattern and classification of human settlement:a case study of Shahekou in Dalian.
<p>从人居环境系统视角出发，以大连沙河口区199个典型住宅小区为研究对象，实证探索了城市人居环境类型及空间格局。研究结果表明：① 影响城市人居环境六大主因子为居住质量、邻里关系、自然环境、生活便利度、轻轨交通、教育医疗；② 以六大因子与不同收入群体的人居活动交互作用为依据把大连沙河口区人居环境分为低收入群体——居住质量差型、中等收入——居住系统均衡型、高收入——居住质量高和公共设施良好型、高端人士群体——自然环境优越型，以及非自由选择分配住房的单位制居民——邻里关系密切型；③ 5 种城市人居环境类型“同质”集聚与“异质”集聚并存，形成以海岸线三圈层结构为主的南高北低态势，辅以中东部商圈高收入居住区，中西部混合异质区的复合圈层空间格局。</p>
|
| [14] |
广州市三类社区居住满意度与迁居意愿研究 [J].
<p>通过问卷调查了解广州三种不同类型居住区即传统老城区、城中村、商品房小区居民的迁居情况,利用线性回归和多元Logistic 回归,对不同类型居住区居民迁居后居住满意度的决定因素和居民迁居意愿产生的影响因素进行了研究。研究发现:不同类型居住区居民迁居后居住满意度的影响因素不同,总体上受社区归属感、住房所有权、设施完善程度影响较大,且与在本居住区居住时间呈负相关关系;迁居意愿的产生受很多因素的综合影响,不同类型居住区迁居意愿的影响因素有所差异。传统老城区家庭总月收入越低,居民对现住房越满意,越不可能产生迁居意愿,男性比女性更容易产生迁居意愿,高学历者更容易产生迁居意愿;城中村居民迁居意愿的产生是多种因素的复杂作用结果,其中社区归属感越强烈,越不可能产生迁居意愿;商品房小区居民的迁居意愿受户主年龄和婚姻状况的影响较大。研究结果表明西方的迁居理论,如生命周期理论并未能完全适用于中国,这与转型期中国城市复杂的住房构成和住房市场机制相关。</p>
Determinants of relocation satisfaction and relocation intention in Chinese cities:an empirical investigation on three types of residential neighborhood in Guangzhou.
<p>通过问卷调查了解广州三种不同类型居住区即传统老城区、城中村、商品房小区居民的迁居情况,利用线性回归和多元Logistic 回归,对不同类型居住区居民迁居后居住满意度的决定因素和居民迁居意愿产生的影响因素进行了研究。研究发现:不同类型居住区居民迁居后居住满意度的影响因素不同,总体上受社区归属感、住房所有权、设施完善程度影响较大,且与在本居住区居住时间呈负相关关系;迁居意愿的产生受很多因素的综合影响,不同类型居住区迁居意愿的影响因素有所差异。传统老城区家庭总月收入越低,居民对现住房越满意,越不可能产生迁居意愿,男性比女性更容易产生迁居意愿,高学历者更容易产生迁居意愿;城中村居民迁居意愿的产生是多种因素的复杂作用结果,其中社区归属感越强烈,越不可能产生迁居意愿;商品房小区居民的迁居意愿受户主年龄和婚姻状况的影响较大。研究结果表明西方的迁居理论,如生命周期理论并未能完全适用于中国,这与转型期中国城市复杂的住房构成和住房市场机制相关。</p>
|
| [15] |
杭州城市生活质量的定量评价 [J].https://doi.org/10.3321/j.issn:0375-5444.2005.01.017 URL Magsci [本文引用: 1] 摘要
<p>以乡镇、街道为基本空间统计单元,选取人口密度、住宅基准地价、大专以上学历人口比重为社会经济指标,建设用地比重、NDVI、地表温度为生物物理指标,采用主成分分析和GIS叠加法,定量评价了杭州城市生活质量的空间分布状况。结果表明：NDVI和地表温度 (相关系数r = -0.63)、城镇用地比重 (相关系数r = -0.83) 呈明显的负相关,地表温度和城镇建设用地是影响杭州“绿色环境”两个的最重要因素。NDVI和住宅基准地价 (r = -0.66)、大学毕业生比例 (相关系数r = -0.59)、人口密度 (相关系数r = -0.29) 也呈较明显的负相关,“绿色环境”并未成为高学历人群和高收入家庭的主要决定因素,较繁华或较便利地段仍是高学历人群和高收入家庭选择居住环境的首要选择。高生活质量值 (前20%) 区域主要位于分布于城市中心区,即杭州上城区、下城区及西湖区的部分单元,而郊区的生活质量相对较低。</p>
A quantitative assessment on the quality of Life in Hangzhou based on landsat/TM and socioeconomic data. https://doi.org/10.3321/j.issn:0375-5444.2005.01.017 URL Magsci [本文引用: 1] 摘要
<p>以乡镇、街道为基本空间统计单元,选取人口密度、住宅基准地价、大专以上学历人口比重为社会经济指标,建设用地比重、NDVI、地表温度为生物物理指标,采用主成分分析和GIS叠加法,定量评价了杭州城市生活质量的空间分布状况。结果表明：NDVI和地表温度 (相关系数r = -0.63)、城镇用地比重 (相关系数r = -0.83) 呈明显的负相关,地表温度和城镇建设用地是影响杭州“绿色环境”两个的最重要因素。NDVI和住宅基准地价 (r = -0.66)、大学毕业生比例 (相关系数r = -0.59)、人口密度 (相关系数r = -0.29) 也呈较明显的负相关,“绿色环境”并未成为高学历人群和高收入家庭的主要决定因素,较繁华或较便利地段仍是高学历人群和高收入家庭选择居住环境的首要选择。高生活质量值 (前20%) 区域主要位于分布于城市中心区,即杭州上城区、下城区及西湖区的部分单元,而郊区的生活质量相对较低。</p>
|
| [16] |
Using contextualized geographically weighted regression to model the spatial heterogeneity of land prices in Beijing, China [J].https://doi.org/10.1111/tgis.12020 URL [本文引用: 1] 摘要
Geographically Weighted Regression (GWR) is a method of spatial statistical analysis allowing the modeled relationship between a response variable and a set of covariates to vary geographically across a study region. Its use of geographical weighting arises from the expectation that observations close together by distance are likely to share similar characteristics. In practice, however, two points can be geographically close but socially distant because the contexts (or neighborhoods) within which they are situated are not alike. Drawing on a previous study of geographically and temporally weighted regression, in this article we develop what we describe as contextualized Geographically Weighted Regression (CGWR), applying it to the field of hedonic house price modeling to examine spatial heterogeneity in the land parcel prices of Beijing, China. Contextual variables are incorporated into the analysis by adjusting the geographical weights matrix to measure proximity not only by distance but also with respect to an attribute space defined by measures of each observation's neighborhood. Comparing CGWR with GWR suggests that adding the contextual information improves the model fit.
|
| [17] |
北京经济适用房布局特征及影响因素研究 [J].https://doi.org/10.11821/dlyj201405007 URL Magsci [本文引用: 1] 摘要
20 世纪90 年代，中国开始实施经济适用住房政策。然而，在政策的实施过程中，由于不合理的布局，经济适用住房并没有切实解决中低收入家庭的住房问题。学者们通过研究发现，大多数经济适用住房被安排在城市边缘地区，缺乏配套公共设施。目前，相关研究较多关注经济适用住房的空间布局及其引发的社会问题，少有学者关注影响经济适用住房布局的因素。因此，本文试图从地方政府的视角解答影响经济适用住房布局的因素。研究提出假设，地方政府受到土地财政收入的驱动，将经济适用住房项目布置在对土地收益损失最小的地方，同时兼顾政策实施过程中的拆迁压力、住房市场结构以及公共交通便利性等。在假设基础上，对北京经济适用住房空间布局的时空特征进行分析，并构建经济适用住房布局的影响因素模型。结果发现：1999-2009 年间北京经济适用住房建设速度放慢，同时呈现向五环以外扩散及向某些点集聚的趋势；模型结果证实土地价格是政府在落实经济适用住房项目时考虑的重要因素。
Spatial distribution and analysis of land-based influencing factors of economical housing projects in Beijing. https://doi.org/10.11821/dlyj201405007 URL Magsci [本文引用: 1] 摘要
20 世纪90 年代，中国开始实施经济适用住房政策。然而，在政策的实施过程中，由于不合理的布局，经济适用住房并没有切实解决中低收入家庭的住房问题。学者们通过研究发现，大多数经济适用住房被安排在城市边缘地区，缺乏配套公共设施。目前，相关研究较多关注经济适用住房的空间布局及其引发的社会问题，少有学者关注影响经济适用住房布局的因素。因此，本文试图从地方政府的视角解答影响经济适用住房布局的因素。研究提出假设，地方政府受到土地财政收入的驱动，将经济适用住房项目布置在对土地收益损失最小的地方，同时兼顾政策实施过程中的拆迁压力、住房市场结构以及公共交通便利性等。在假设基础上，对北京经济适用住房空间布局的时空特征进行分析，并构建经济适用住房布局的影响因素模型。结果发现：1999-2009 年间北京经济适用住房建设速度放慢，同时呈现向五环以外扩散及向某些点集聚的趋势；模型结果证实土地价格是政府在落实经济适用住房项目时考虑的重要因素。
|
| [18] |
Oswald Andrew, Wu Stephen. Well-being across America: evidence from a random sample of one million U.S. Citizens [J/OL]. . |
| [19] |
北京土地利用混合度对居民职住分离的影响 [J].https://doi.org/10.11821/dlxb201506006 URL Magsci [本文引用: 1] 摘要
<p>市场经济体制改革以来,中国城市土地利用方式发生巨大变化,深刻影响居民日常生活。尽管国内外学者关注土地利用方式对居民通勤行为的影响,然而其研究方法均采用简单的单层模型,未能将数据的多层嵌套关系纳入模型中。为解决这一问题,本文采用多层线性模型（Multilevel Models）,以北京为例,同时分析了在居住地和工作地层级上的街道土地利用混合度对居民职住分离的影响,以及居民住房情况和社会经济属性对其职住分离的影响。研究结果表明,微观层面的土地利用混合度的提升的确有利于减轻个体的职住分离;个体所在的工作地土地利用方式也对其职住分离产生影响,而且工作地对个体的影响要比居住地的影响更大;居民的社会经济属性、住房情况等对其职住分离程度存在显著的影响;交叉分类多层线性模型适用于解决存在复杂嵌套关系的影响因素分析。</p>
Yu Jianhui et al. Impact of land-use mixed degree on resident's home-work separation in Beijing. https://doi.org/10.11821/dlxb201506006 URL Magsci [本文引用: 1] 摘要
<p>市场经济体制改革以来,中国城市土地利用方式发生巨大变化,深刻影响居民日常生活。尽管国内外学者关注土地利用方式对居民通勤行为的影响,然而其研究方法均采用简单的单层模型,未能将数据的多层嵌套关系纳入模型中。为解决这一问题,本文采用多层线性模型（Multilevel Models）,以北京为例,同时分析了在居住地和工作地层级上的街道土地利用混合度对居民职住分离的影响,以及居民住房情况和社会经济属性对其职住分离的影响。研究结果表明,微观层面的土地利用混合度的提升的确有利于减轻个体的职住分离;个体所在的工作地土地利用方式也对其职住分离产生影响,而且工作地对个体的影响要比居住地的影响更大;居民的社会经济属性、住房情况等对其职住分离程度存在显著的影响;交叉分类多层线性模型适用于解决存在复杂嵌套关系的影响因素分析。</p>
|
| [21] |
Quality of Life in the economic and urban economic literature [J].https://doi.org/10.1007/s11205-006-9071-5 URL Magsci [本文引用: 1] |
| [20] |
MCMC estimation in MLwiN (Version 2.32) [M]. |
/
| 〈 |
|
〉 |
