虽然通勤距离不同,但事实上大家的通勤方向都是截然不同的。我们以部分样本为例,绘制了如下三个图:
从左至右,分别对应中心城区内居民、外环到新外环(沈海高速-申嘉湖高速环)内的居民、以及五个新城居民的通勤路线。可以看到:
中心城区居民主要在城内通勤;外环到新外环内居民通勤也以城区为主;而新城居民则出现了大量的本地通勤。
结合租金,我们可以进一步统计出各个阶层的就业地点,绘制出下图:
可以看到:
1,随着租金水平的提升,人们前往市区通勤的比例在不断上升;
2,租金在2-2.5k元/房间/月以上的阶层,超过一半的人在外环线以内工作,而相邻的租金在2.5k-3k元/房间/月以上的阶层,则超过一半在中环线内工作;
3,租金在4-4.5k元/房间/月以上的阶层,超过一半的人工作在内环线以内的市中心。
4
职业结构
最后,我们不妨来看一下,不同阶层的人都从事什么样的工作呢?
我们以各地区的通勤人数、通勤方向和工作地区的岗位结构等要素,推测出不同阶层居民的职业结构,并借用 “区位熵”的概念定义了“职业密集度”,以此表征各阶层人群的职业分布情况。
职业密集度=某阶层居民从事某职业的比例/全市居民从事某行业的比例
结果如下图所示:
(注:从 数量来说,各行业人数最多的都是中间阶层。因此,本指标比较的是每个阶层与全市相对照的相对就业密集度。指标越高,说明该阶层越集中从事该行业的工作。)
可以看到:
1,租金在500元/房间/月以下的群体从事制造业的密集度远远高于从事其他行业的密集度;
2,信息技术密集度 的群体的租金水平为3~3.5k元/房间/月,这个租金水平再上涨500块,群体就业密集度 的行业就立刻跳转到金融业了;
3,金融业群体无疑是租金水平 的,从3.5k元/房间/月以上的所有租金区段,都是金融业的就业密集度排名第一;
4,租金在4.5k以上的群体和0.5k以下的群体呈鲜明的对比,前者从事金融业的比制造业的密集度要高大约8倍,而后者从事制造业的比从事金融业的密集度要高出大约18倍。
上海就是这样一座城市。有些时候,我们仅仅为了每月节省500元钱寄回家里,就不得不牺牲60%就近工作的可能性,就不得不每年多通勤230公里,就不得不消耗我们宝贵的时间和生命。
热2024-05-26
热2024-05-26
热2024-05-26
热2024-05-24
热2024-05-24
热2024-05-24
热2024-05-24
热2024-05-24
热2024-05-24
热2024-05-24