社會科學中的空間分析:概念、技術和應用實例

孫秀林

(上海大學 社會學院，上海 200444)

·城市社會學研究的空間分析視角(學術主持人:孫秀林)·

社會科學中的空間分析:概念、技術和應用實例

孫秀林

(上海大學 社會學院，上海 200444)

主持人語:在社會學尤其是城市社會學的發展史上，空間分析占有非常重要的地位。1920年代芝加哥學派的興起，就是源于對于城市空間居住形態及其機制的闡釋。在城市社會學的諸多經典研究領域中，如少數群體的居住隔離與聚居、城市貧困與貧民區、鄰里與社區對地方社會結構的影響、越軌行為的空間分布模式、城市內的居住遷移模式、城市公共服務設施的可達性等等，都與空間概念緊密結合在一起。近年來，隨著帶有地理信息的數據(如微博數據、電商數據、交通卡數據、消費數據等)日益增多，以及統計模型在集群抽樣、空間相關性、多層建模和空間回歸方面的進展，城市空間分析獲得了越來越多的重視。相對于西方社會科學界日益廣泛應用的空間概念和空間分析技術，國內對于城市社會學的關注更多偏重人文主義分析，對于量化的實證分析則比較缺乏，對空間概念的實證分析尚未得到足夠重視。

本欄目的三篇文章，就是試圖使用量化的分析方法，考察空間因素在城市研究的不同議題中的作用機制以及呈現形式。需要說明的是，量化的空間概念如何納入社會學現有研究議題中，仍然是一個需要不斷摸索的過程。國內城市社會學的研究，即使引入量化研究的范式，也應該從理論層面討論中國城市發展的形成機制與內在邏輯，只有這樣，我們才會形成真正有學術生命力的城市研究。這三篇文章，僅僅是這一努力方向的一個初步成果，希望能有拋磚引玉的作用。

在社會科學的研究中，空間分析占有非常重要的地位。對這一重要概念的忽略，有可能遮蔽我們對于現實世界的更深入了解。但是，遺憾的是，在國內社會科學的相關研究領域中，空間的量化分析一直是缺失的。本文試圖簡單地梳理空間分析的一些核心概念和分析技術，并通過一個社會組織的實例，演示如何在社會學的分析模型中納入空間這一概念，以期對學界有所裨益。

空間分析;空間回歸;社會組織

一、引言

在西方社會科學研究領域中，空間概念和技術一直得到廣泛的應用，包括流行病學、公共衛生與健康、人口學、社會學、政治學、公共管理等學科。在社會科學的發展史上，空間分析占有非常重要的地位。1920年代芝加哥學派的興起，很大程度上源于對于城市空間居住形態及其機制的闡釋，隨后發展出來對于城市居住模式、居住隔離、犯罪與自殺問題、城市亞文化研究的議題，空間分析的概念一直受到重視。

社會學自創立之初就格外關注社會底層群體，如城市中少數群體的居住隔離與聚居，城市貧困與貧民區，鄰里、社區及地方社會結構在城市發展中的作用，城市中越軌行為的空間分布模式，城市內的居住遷移模式，城市公共服務設施的可達性等等，都是城市社會學研究經久不衰的經典題目，而這些研究領域，都與空間分析概念緊密結合在一起。在新近的一篇文章中，羅根(John Logan)呼吁社會科學研究更多地關注空間概念。他認為，在當代社會科學的發展過程中，隨著大規模包含地理信息的調查數據日益增多，空間分析正在獲得強勁的發展，空間分析的可用性也在不斷增長，空間分析在社會科學中有更大的研究需求。同時，隨著計算機技術的發展，以及統計程序在集群抽樣、空間相關性、多層建模和空間回歸方面的進展，這一研究領域應該獲得越來越多的注意。①John Logan，“Making a Place for Space:Spatial Thinking in Social Science，”in Annual Review of Sociology，vol.38(2012)，pp.507-524.

在社會中，很多現象具有明顯的空間聚類特征，即相似的事情在地理空間上也是彼此接近的。如自殺率具有明顯的空間聚集效應，即使控制了很多可能的變量，周邊地區實際上還是會影響觀測值，這種現象稱為“空間滯后”(spatial lag)，如果忽略這一空間效應，那么模型的估計結果將會存在很大偏誤。②R.D.Baller，L.Anselin，S.F.Messner，G.Deane，and D.F.Hawkins，“Structural covariates of US county homicide rates:incorporating spatial effects，”in Criminology，vol.39(2001)，pp.561–590.在社會科學的研究工作中，通過空間數據的可視化，可以使學者們很容易發現許多有意思的現象。在西方城市研究的空間分析中，很多都依賴地理信息系統(Geographical Information System，GIS)技術。這一分析技術在空間分析方面具有諸多優勢:首先，很多零散的數據一旦做成地圖，很多空間特征就會一目了然，從而可以發現一些傳統研究方法容易忽略的特征。如在大都市地區不同社會群體的居住和工作在空間分布上的不同形態，可能存在明顯的空間不平等現象。其次，快速發展的空間統計方法，如空間相關指數(Moran’s I)、空間回歸分析模型(Spatial Regression Model)等，可以修正傳統數據模型中可能存在的空間自相關問題，從而讓學者對不同變量之間的關系進行更精確的分析。

近年來，社區效應或者稱為鄰里效應(Neighborhood Effect)，也得到越來越廣泛的關注。③Robert Sampson，Great American City，Chicago and London:The University of Chicago Press，2012.研究表明，社區環境對個體的影響并不僅僅是通過使用多層次模型(Multilevel Model)就可以解決，也就是說，不僅僅是個體所在的社區會影響到個體的某些行為特征，他也會受到周圍社區的影響，這也是“空間滯后”的影響效果。④Basile Chaix，Juan Merlo，S V Subramanian，John Lynch，Pierre Chauvin，“Comparison of a spatial perspective with the multilevel analytical approach in neighborhood studies:the case of mental and behavioral disorders due to psychoactive substance use in Malmo，Sweden，2001”，in American Journal of Epidemiology，vol.162，no.2，(2005)，pp.171-182.

遺憾的是，相對于西方社會科學界日益廣泛應用的空間概念和空間分析技術，國內社會科學界對空間概念的實證分析是非常缺乏的。究其原因，一方面是因為帶有空間屬性的數據的缺乏，另一方面是因為具體分析技術(包括軟件應用)方面的缺乏。⑤孫秀林:《城市研究中的空間分析》，《新視野》2015年第1期。本文試圖用簡單易懂的語言梳理空間分析的一些核心概念和技術，并通過一個現實的社會組織的分析示例，展示在社會學中如何引入空間這一分析概念，以期對學界有所裨益。

二、空間分析模型

在本節，使用一個假設的例子(上海市某中心區的5個街道)，簡單介紹空間分析中的一些重要概念和計算方法，包括空間相關性、空間相鄰性、空間權重、空間滯后量、空間相關系數、空間回歸模型。

(一)空間相關性

對于空間相關性的研究，最早起源于對倫敦地區霍亂的分析。19世紀，隨著倫敦地區的快速城市化，大量人口涌入倫敦地區。但是，由于公共衛生設施的不足，倫敦受到霍亂的嚴重沖擊。在當時，人們一致認為霍亂是由空氣傳播的。John Snow對這個觀點頗為懷疑，通過分析1854年英國Broad大街的霍亂爆發地點，他發現，死亡發生地都在Broad街道中部一處水源(水井)周圍，有明顯的地理規律，而市內其它水源周圍極少發現死者(見圖1)。通過進一步調查，他發現這些死者都飲用過這里的井水。據此，他最終確定了霍亂的源頭及傳播機制。這一研究開啟了學者對于空間相關分析的關注。

從技術層面講，通常情況下，在我們使用最小二乘法進行回歸分析的時候，假設我們關心的變量Y有n個觀測值y1、y2、y3、……、yn，一般我們假設這些觀測值之間是相互獨立并且服從同一分布的，均值為μ，方差為σ2(iid假設)。但是，如果觀測值之間存在空間相關，通過經典檢驗的結果將是有偏的。如果yi之間存在空間相關，如觀測值yi與yj在空間上隔得越近相似性越大，那么其方差將會大于σ2;這種相關導致均值的真實標準誤近似于:

圖1 1854年倫敦霍亂地圖

對于存在空間相關性的數據，如果忽略這種相關性，會使得基于獨立同分布假設(iid)的統計檢驗出現嚴重的問題，將會導致對數據真實方差(或標準誤)的低估:σ＜σy;根據公式Z=b/σ，如果σ被低估，那么統計值Z值就會被高估;如果高估了統計值，會使得研究者更容易拒絕原假設，而這種拒絕是錯誤的。①［美］沃德、格里蒂奇:《空間回歸模型》，宋曦譯，格致出版社2012年版。而且，更為嚴重的是，這種作用并不會隨著樣本量的增大而消失。②Noel Cressie，Statistics for Spatial Data(Rev．ed．)，New York:Wiley，1993.

(二)空間相鄰性

假設上海某區的5個街道，分別用1—5來表示(圖2)。要標示這5個區域之間的空間相鄰性，可以有多種方法，如地理上是否相連、行政中心是否在某個距離之內、是否有地鐵直達、是否能步行10分鐘到達等等。這種界定，更多地取決于理論假設，如我們甚至可以根據“街道領導人是否高中同學、是否曾經是同事、是否參加過同一個黨校學習”等來界定兩個街道是否屬于“相鄰”狀態。

圖2 上海某中心區5街道地圖

一般來說，我們通常使用空間上是否接壤來界定空間相鄰性。可以發現，街道1和街道2、4相鄰;街道2和街道1、3、4相鄰;街道3與街道2、4、5相鄰;街道4和其他所有4個街道都相鄰;街道5與街道3、4相鄰(圖3)?？梢园焉蠄D轉化為一個類似于社會網絡的表格(見表1):

圖3 上海某中心區5街道的空間相鄰圖

表1 空間相鄰

再進一步，我們可以把表1用一個5*5的矩陣C來表示，Cij表示空間區域i與空間區域j是否相鄰，Cij=1表示空間區域i與空間區域j處于相鄰狀態，Cij=0則表示空間區域i與空間區域j不相鄰。這一矩陣形式被稱為空間連接矩陣C(見表2)。

表2 空間相鄰矩陣

(三)空間權重

表3 行標準化的空間權重矩陣

(四)空間滯后量

給定一個特定的觀測值Y，如街道的人口數、GDP、社會組織數量等任意一個我們感興趣的指標，將街道i周圍相鄰單位j的觀測值乘以相對應的空間權重Wij后相加，得到街道i所有相鄰觀測值的平均值，Yis= ΣWij*Yi，稱為空間單位(街道)i的空間滯后變量，也可以記做Ys=WY。

以街道1為例，它與街道2、4相鄰，街道2、4的Y值(如人口)分別為25、20，因此街道1的空間滯后為25*0.5+20*0.5=22.5，這表示街道1周圍街道的平均人口為22.5(見表4)。

表4空間滯后量

(五)空間相關系數

其中wij是行標準化的空間權重矩陣，y是我們所關注的變量。

Moran’s I是一種基于全局分析的空間自相關(Global Spatial Autocorrelation)的測量指標，表示該區域空間聚集或離散的總體情況。Moran’s I指標的值介于-1到1之間，當指標相似的地區存在空間聚集時，Moran’s I為正(正相關)，表示觀測值高的地區其周圍的觀測值也高，觀測值低的地區其周圍的觀測值也低;當指標相反的地區存在空間聚集時，Moran’s I為負(負自相關)，表示觀測值高的地區，其周圍的觀測值偏低;而當不相關時，為-1/(n-1)(當n足夠大時，其值接近于0)。②M.F.Goodchild，Spatial Autocorrelation，Catmog 47，Geo Books，Norwich，1986.

通過圖4可以看出，上面例子中的變量Y與其滯后變量之間存在比較明顯的正相關關系。某個地區單位(街道)的Y(人口數)越大，其周圍街道的人口數也越大。如街道1的人口數為50，周圍街道的平均人口數為22.5;而街道5的人口數為5，周圍街道的平均人口數為15。

如同常規的相關系數一樣，Moran’s I系數在統計上是否顯著，也是可以進行統計檢驗的。對于Moran’s I系數的檢驗，一般采取兩種方法:一種是假設數據分布是正態的，③A.D.Cliff and J.K.Ord.“Evaluating the Percentage Points of a Spatial Autocorrelation Coefficient”，in Geographical Analysis，vol.4(1971)，pp.51-62.一種是假設數據分布是隨機的，使用蒙特卡洛模擬(Monte Carlo Simulation)進行檢驗。④Roger S Bivand，Edzer J.Pebesma and Virgilio Gomez-Rubio，Applied Spatial Data Analysis with R，Springer US，2008.通常情況下這兩種方法會得到相似的結果。使用第二種方法，對上述5個街道的Y進行空間相關性檢驗，得到Moran’s I系數為2.37，p值為0.0089。即這5個街道的Y存在顯著的空間聚集現象，Y值比較大的街道，其周圍街道的平均Y值也比較大，反之亦然。

圖4 Moran’s I及顯著性檢驗

(六)空間回歸模型

如前所示，如果觀測值存在顯著的空間相關，那么就不應忽略這種會影響統計結果的因素，而應將之納入統計分析模型。在過去幾十年中，統計學家已經發展出了比較成熟的空間回歸模型來處理這個問題。在當今的社會科學界，有2種空間回歸模型應用最廣:空間滯后模型與空間誤差模型。

傳統的最小二乘法回歸(OLS)可以如下表達:

如果我們將觀測變量Y的空間滯后變量WY認為是Y的一種本質特征，而不是一種統計上的干擾，即某一特定觀測單位i周圍空間單位的平均Y會對地區i的Y產生影響，如GDP高的地區，其周圍地區的平均GDP也會比較高，那么，可以把這種空間滯后變量的影響效果獨立出來，并納入回歸模型進行分析?？梢詫⑸鲜街械恼`差項分解為兩項:因變量的空間滯后項和自變量的誤差，即:ε=ρWY+μ

代入式(1)，就得到空間滯后回歸模型(spatial lag model):

ρ表示因變量Y的空間滯后項WY對因變量的影響效果。

或者，如果我們把空間相關看做一種統計干擾，認為模型中的誤差項雖然在空間上是相關的，但并非由因變量的空間滯后導致，那么，可以將誤差項拆分為兩個部分:包含空間因素的誤差項與空間不相關的誤差項，即:ε=λWξ+μ

代入式(1)，就得到空間誤差回歸模型(spatial error model):

λ表示相鄰觀測值的空間誤差項Wξ的相關程度，如果觀測值i和觀測值j之間的誤差項在空間上不存在相關關系，則λ=0，上式可簡化為傳統的OLS模型。

三、一個例子:上海市社會組織的空間分析

在本節中，筆者使用上海市2010年社會組織的數據，進行一個實際的空間回歸分析，對空間分析的應用進行演示。

(一)數據說明

上海市社會組織的數據來自于上海社團管理部門網站(“上海社會組織”網站)所公示的上海所有在冊社會組織信息，通過“網絡爬蟲”，我們獲得了上海所有在冊社會組織的如下變量:組織名稱、組織注冊代碼、注冊時間、證書有效時間、組織類型、注冊地、主管單位、法人代表、地址、郵編、電話、網址、主要業務內容以及獎懲情況等變量信息。網絡爬取時間為2014年1月1日。

國內社會組織分為三種類型，包括民辦非企業組織、社會團體和基金會。在本文的實際分析中，僅保留了2010年及之前成立的“民辦非企業組織”作為分析的示例。①之所以選取2010年作為分析，是因為筆者手頭的自變量主要來自于2010年六普數據。本文使用的所有源代碼均可公開，讀者如有興趣，歡迎給作者來信。本文使用的軟件為R，下文所有結果均由R軟件計算得到。②R Core Team，R:A language and environment for statistical computing，R Foundation for Statistical Computing，Vienna，Austria，2014，URL http://www.R-project.org/.

(二)自變量

用于分析的自變量數據，主要來自《中國2010年人口普查分鄉、鎮、街道資料》中的上海部分數據，包括總人口、14歲以下人口、60歲以上人口、戶籍人口等幾個核心指標。

還有一部分地理信息的自變量，通過R中的GIS包生成，包括街道/鄉鎮面積、是否屬于鄉鎮(虛擬變量，鄉鎮=1。在上海，鄉鎮具有獨立的財政，而街道沒有)，是否屬于中心城區(虛擬變量，中心城區=1)。

(三)社會組織的空間分布

在進行模型分析之前，首先進行分析數據的前期準備工作，包括:(1)讀取上海地圖數據，一般是GIS軟件通用的shape格式(polygon);(2)讀取社會組織數據，通常是外部文件，包括stata格式、文本格式、excel格式等等，然后轉化為shape格式的點圖(point)格式;(3)讀取人口數據，通常為excel格式;(4)將人口數據與地圖數據合并、生成我們需要的一系列測量指標(如街道/鄉鎮面積、是否屬于鄉鎮、是否屬于中心城區)。在數據準備完成之后，可以先進行數據的地圖展示，比如社會組織的空間分布、歷史發展、頻數分布等。

圖5 上海社會組織分布圖

從圖5可以看出，上海社會組織的分布，存在明顯的空間聚集，具體表現為:(1)在中心城區，存在密集的空間分布形態;(2)在各個區縣的中心地區，社會組織的分布更密集一些，呈現明顯的中心化趨勢。

從成立年份可以看出，民辦非企業組織在2000年之后開始迅猛發展，且一直保持比較高的發展速度，每年都有約500個新的民辦非企業組織成立。

圖6是民辦非企業組織的分布密度圖。從圖中可以看出，雖然這個變量的分布不是完全正態分布，但比較接近正態分布，因此本文使用線性模型(Linear Model)進行估計。①根據觀測變量的分布，空間回歸模型已經發展出適用于二項分布、poisson分布等的不同模型。這些模型相對更加復雜，本文不進行介紹。

圖6 上海民辦非企業組織的分布密度

(四)空間相鄰與空間權重

空間權重矩陣是進行空間回歸分析的必要前提。引入不同的空間權重矩陣，可能會導致不同的模型結果(當然，對于不同空間權重的界定，更需要來源于理論上對于觀測變量的理解)。本文使用地理空間是否接壤(Queen)來界定上海市街道的空間相鄰。利用空間相鄰矩陣C，生成用于后文分析的空間權重矩陣W，空間權重矩陣采用行標準化的方法。圖7展示了本文使用數據的空間相鄰圖。

(五)Moran’s I檢驗

圖7 上海街道的空間相鄰圖

我們關注的觀測變量，是否存在空間相關性，可以使用Moran’s I系數進行檢驗。如果檢驗不顯著，說明并不存在明顯的空間相關，那可以使用傳統的OLS進行估計;如果檢驗顯著，則認為存在明顯的空間相關關系，也就是說，某個街道的社會組織數目，受到周圍街道社會組織數目的影響，在這種情況下，忽略空間影響的效果，OLS估計的結果將是有嚴重問題的，需要使用空間回歸模型來進行估計。

通過Moran’s I檢驗，民辦非企業組織的Moran’s I統計值為7.76，在0.0001的水平上顯著(見圖8)，也就是說，“2010年上海市民辦非企業組織”這一觀測值在空間上存在統計顯著的空間聚集效應，民辦非企業組織數目多的街道，其周圍街道的民非組織平均數也高。因此，在這種情況下，對于社會組織的分析，應將空間滯后變量納入模型估計當中，需要使用空間回歸模型而非OLS模型來進行估計。

圖8 上海民辦非企業組織的空間相關性檢驗

(六)空間回歸模型結果

對于空間滯后模型或者空間誤差模型的選擇，更多取決于理論的假設。如果我們把空間相關看作一種統計干擾，那么就選擇空間誤差模型;如果我們將觀測變量的空間滯后變量看作是影響觀測變量的一種本質特征，即某一特定觀測單位周圍空間單位的數值會與周圍互相影響，則選擇空間滯后模型。一般來說，社會科學家更傾向于選擇空間滯后模型，即把觀測變量的空間滯后項作為影響觀測變量的因素納入模型。本文僅考慮空間滯后的回歸分析。

事實上，對于空間回歸模型的選擇，可以進行一個統計檢驗，看具體是存在空間滯后效應還是空間誤差效應。本文也進行了檢驗，結果顯示，模型存在明顯的空間滯后效應，而非空間誤差效應。①Lucas Anselin，I.Syabri，and Y.Kho，“GeoDa:An Introduction to Spatial Data Analysis”，in Geographical Analysis，vol.38(2006)，pp.5-22.對于空間滯后效應回歸模型的估計，有兩種不同的估計方式:一種是使用最大似然法(Maximum Likelihood，ML);另外一種是二階段估計方法(two stage OLS)，通過把解釋變量的空間滯后項作為因變量的工具變量(IV)，在同步聯立方程組中使用二階段最小二乘法來擬合模型。②Lucas Anselin，Spatial Econometrics:Methods and Models，Kluwer，Dordrecht，1988.前者在R中使用“spdep”包的“lagsarlm”命令，后者使用“stsls”命令，本文使用第二種方法進行估計。

在空間回歸模型Y=Xβ+ρWY+μ中，系數ρ表示Y的空間滯后項的影響效果，系數ρ顯著則表示存在空間滯后效應;系數ρ不顯著，則表示不存在空間滯后效應，即空間滯后項對Y沒有顯著影響。表5分別呈現了最小二階段回歸模型(OLS)、使用二階段估計方法的空間滯后回歸模型(two stages Spatial Lag Model)的結果。③為了檢驗模型的穩健性(Robustness)，本文嘗試使用了不同的變量界定方式，如取百分比方式、取log方式等，模型結果都是一致的。

表5 民辦非企業組織的回歸結果

從模型結果可以看出，“民辦非企業組織”的二階段估計方法的空間滯后回歸模型(Spatial Lag)的結果顯示，系數ρ是非常顯著的。這說明，街道i周圍街道的社會組織數目會對街道i的社會組織數產生顯著的影響;而且，這一系數的符號為正，說明街道的社會組織數目與周圍的社會組織數目存在正向的相關關系，即周圍的社會組織數目越多，街道本身的社會組織數目也會越多。

在這種情況下，如果僅僅使用OLS方法進行分析，會忽略非常重要的空間聚集效應，在這種情況下，OLS的估計也是有問題的。對于這一點，從模型結果的常數項可以看出，在OLS模型中，常數項是非常顯著的，而在控制空間滯后效應后，常數項則變得不顯著。從對現實世界的實質理解上，這表明，社會組織的發展存在明顯的空間聚集，這也許與地方政府之間的組織模仿行為有關。在經驗模型中，如果忽略這點，對于經驗世界的理解是有偏差的。

從民辦非企業組織的回歸結果可以看出，在加入空間效應之后，原先在OLS模型中顯著的變量如“是否鄉鎮”變得不顯著，說明這一變量的作用與空間效應是重合的，在控制空間效應之后，這一變量對于民非組織的影響效果消失了。在這種情況下，如果忽略空間滯后效果，僅僅使用OLS模型進行估計，得到的結果是有偏差的。其余幾個在空間回歸模型中仍然顯著的變量，在控制空間滯后效應滯后，其系數明顯減小，如總人口的影響效果(絕對值)從1.7減少為1.6，14歲以下人口的效應從23.3減少為21.1，中心城區的效果(絕對值)從9.5減少為5.1。當然，對于社會組織分布形態的更詳盡的分析，超出了本文的容量，作者擬在后續的研究中進一步探討。

四、小結

一直以來，在社會科學的很多重要議題中，如居住隔離、犯罪與自殺問題、城市亞文化研究等等，空間分析的概念和技術都扮演著非常重要的角色。但是，遺憾的是，在國內社會科學尤其是社會學的研究領域中，空間分析的概念一直付諸闕如。而對這一重要概念的忽略，有可能遮蔽我們對于現實世界的更深入了解。因此，本文試圖簡單地梳理空間分析的一些核心概念和分析技術，并通過一個社會組織的實例，演示如何在社會學的分析模型中納入空間這一概念，以期對學界有所裨益。

當然，我們需要看到，將空間分析引入中國的社會科學研究，仍然面臨一些問題。首先，從理論層面來看，國內對于城市社會學的關注，具有非常明顯的人文主義色彩，對于比較量化的實證分析則比較缺乏，尤其是對于西方城市研究中已經非常成熟的社會區因子分析的研究范式，在國內社會學的城市研究中尚未得到足夠重視，這種情況在某種程度上可能會阻礙我們對于當今中國快速城市化背景下的城市研究。

其次，從數據方面來看，在國內，獲取含有GIS信息的社會科學技術比較困難，在西方，這部分工作多由政府來完成，如含有GIS信息的普查數據的公開發布，而這一點，在國內仍然具有一定的困難，尤其是對于社會學家而言。

再次，從技術層面來看，對于空間分析需要的技術方法、軟件操作等等，都對社會科學研究人員提出了新的要求，如ArcGIS軟件、R軟件等。這些知識的掌握，需要一個學科的人才培養、課程設置等方面都做出一系列的調整。

最后，空間概念如何納入現有研究議題中，仍然是一個需要不斷摸索、討論的過程。西方的城市空間研究，已經形成了定性與定量相結合的發展模式。國內城市社會學的研究，即使引入量化研究的范式，也應該從理論層面討論中國城市發展的形成機制與內在邏輯，只有這樣，我們才會形成真正有學術生命力的城市研究。

(責任編輯:陸影)

C912.81

A

1003-4145［2015］08-0063-08

2015-04-15

孫秀林(1978—)，男，博士，上海大學社會學院副研究員，主要研究方向為組織社會學、空間分析。

本項目由上海市教育發展基金會和上海市教育委員會“曙光計劃”資助;本文系國家社會科學基金資助資目“我國新社會群體研究”(項目編號:14BSH026)的階段性成果。