上海青浦新城物质空间结构与就业岗位分布的相互关系研究——基于“典型相关分析”的视角

宋代军 杨贵庆

上海青浦新城物质空间结构与就业岗位分布的相互关系研究——基于“典型相关分析”的视角

宋代军 杨贵庆

运用典型相关分析法，对青浦区第2次经济普查、第6次人口普查和《上海市青浦城区总体规划修改（2010）》数据进行分析，系统地研究了上海市青浦新城城市物质空间结构与就业岗位分布的相互关系，得出两个结论。其一，城市物质空间结构与就业岗位分布中度相关：其中总体就业岗位，制造业、外资企业、港澳台资企业的就业岗位分布与工业用地面积、道路长度、工业园区互为影响因子；服务业、生产性服务业、批发和零售业的就业岗位分布与居民服务设施规模互为影响因子。其二，城市物质空间结构和就业岗位分布的相互影响具有非对称性。

城市空间结构 | 就业岗位 | 典型相关分析 | 青浦新城

1　问题的提出

城市物质空间结构是城市空间结构的基础要素，本文中城市物质空间结构包括区位环境、用地面积、道路交通、公共设施规模等；就业岗位指从业人员数；典型相关分析是研究两列变量之间相互关系的多元统计方法。在全球化和新型城镇化背景下，我国城市快速发展，城市物质空间结构和就业岗位分布成为研究热点，它们之间的相互关系成为研究的核心问题。本文以上海市青浦新城为例，运用典型相关分析法，研究城市物质空间结构和就业岗位分布的总体影响大小，局部组成要素间的影响关系，包括对应关系和作用强度,为城市物质空间结构和就业岗位分布的精准化调控提供实证经验。

普遍认为城市物质空间结构和就业岗位分布会相互影响，但城市物质空间结构和就业岗位分布的组成要素众多，这种影响总体上有多大？具体由那些要素是承担？各个要素承担了多大的影响呢？

2　相关研究综述

城市空间结构与就业岗位分布的实证研究已经成为当前重要的研究热点。典型的研究包括城市空间结构与就业岗位分布的总体研究；如对北京[1]、上海[2]、天津[3]、沈阳[4]、芝加哥[5-6]、洛杉矶[7]、旧金山[8]、巴塞罗那[9]等城市的研究。此外还包括制造业就业岗位分布与城市空间结构[10-14]、生产性服务业就业岗位分布与城市空间结构[15-26]、外资企业的就业岗位分布与城市空间结构[27-31]的研究等。

Hotelling[32]于1936年提出典型相关分析，经过长期发展，到1970年代臻于成熟。随着现代计算机技术的飞速发展，典型相关分析在社会经济、自然地理、生态环境等方面得到广泛应用。涉及城市空间结构和就业岗位分布方面的研究相对较少，比较典型的包括对城市（镇）化的研究[33]；对土地利用的研究[34-35]；对城市用地和空间结构的研究[36]等。

已有城市空间结构与就业岗位分布相互关系的研究以单目标要素研究为主，以单向影响研究为主，多目标要素研究、双向影响研究较少。

3　研究方法与数据来源

3.1研究方法——典型相关分析

典型相关分析研究两组变量各自的线性组合，通过研究线性组合之间的相关系数，揭示两组变量之间的相互关系。设两组多元随机变量X、Y，其中X有p1个分量，Y有p2个分量，且p1≤p2。第一步，在X的所有线性组合U中找出一个线性组合u1，在Y的所有线性组合V中找出另一个线性组合v1，使得（u1，v1）的简单相关系数最大；第二步，设U中与u1不相关的线性组合为U'，在U'中找出一个线性组合u2，V中与v1不相关的线性组合为V'，在V'中找出另一个线性组合v2，使得（u2，v2）的简单相关系数最大；这样重复p1步，得到p1对线性组合，提取出两组变量间的全部相关信息。其中找出的每一对线性组合称为一对典型变量，它们之间的简单相关系数称为典型相关系数[37]。

3.2案例选择与数据来源

已有城市物质空间结构与就业岗位分布的研究主要集中于大城市、特大城市，对其中相对独立的部分研究较少。我国部分大城市、特大城市迅速扩张，将周边距离较近的、原来相对独立的中小城市转变为自己的一个组成部分，形成新的大城市、特大城市；原来的中小城市区域在发展惯性和新的大城市、特大城市的双重作用影响下，产城矛盾日益突出。因此本研究选择上海市青浦新城作为研究案例。青浦新城位于上海市西部，2008年常住人口43万（图1）。

研究数据主要来自《上海市青浦城区总体规划修改（2010）》（上海城市规划设计研究院，2010）、青浦区第2次经济普查（2008年）和青浦区第6次人口普查（2010年）。人口普查采用普查区层面数据，青浦新城人口普查区边界与居委会和村委会边界基本一致，以此作为空间单位进行典型相关分析。经济普查和空间数据均汇总至此空间单位。

具体研究范围是《上海市青浦城区总体规划修改（2010）》规划范围涉及的社区、居委和村委的范围（图2），合计100个基本单元。

3.3研究变量

本文中研究变量指城市物质空间结构与就业岗位分布及其组成要素，选取遵循以下原则：结合文献综述，以已有研究为基础；突出城市物质空间结构要素，包括区位环境、用地、交通、公共服务设施、政策区划等；与社会经济统计和城市规划控制管理相结合，充分考虑数据的可获得性；突出制造业、服务业的基础作用，生产性服务业的发展潜力；突出外资的带动作用和污染密集产业的制约作用；突出案例城市青浦新城就业岗位较多的产业，如批发和零售业、建筑业等（表1）。

3.4程序操作

3.4.1变量合并

为了简化模型，对高度相关（简单相关系数绝对值大于0.8）的变量进行合并。

城市物质空间结构变量合并。距淀山湖距离与距上海市中心距离、单元总面积与文化娱乐设施分布①单元面积与文化娱乐设施规模的相关性受极值单元——新旺村的影响较大。由于淀山湖位于该村，该村借此优势大力发展文化旅游业，因此该村单元面积和文化娱乐设施都较大。去除该单元后，单元面积和文化娱乐设施的简单相关系数降为-0.086，显著性水平高于0.05；再进行典型相关分析，结果表明服务业就业岗位与居民服务设施、文化娱乐设施互为影响因子，这说明居民服务设施和服务业之间的联系具有较好的稳健性。高度相关（图3），简单相关系数分别为0.836、0.864，把它们合并为一组变量，分别用距上海市中心距离、单元总面积表示，重新命名为距上海市中心距离组和单元总面积组。

图1　青浦新城与上海市的关系图

图2　研究范围图

就业岗位分布变量合并。制造业就业岗位分布和总体就业岗位分布以及外资企业、污染密集产业的就业岗位分布的简单相关系数很高，分别为0.802、0.904、0.884（图4），把它们合并为一组变量，用制造业就业岗位分布表示②研究中也采用把制造业和外资企业就业岗位合并，用外资企业就业岗位等其他方式表示，结果差别不大。，重新命名为制造业就业岗位分布组；服务业与生产性服务业、批发和零售业就业岗位分布的简单相关系数很高，分别为0.910、0.879（图4），把它们合并为一组变量，用服务业就业岗位分布表示，重新命名为服务业就业岗位分布组。

3.4.2典型分析具体步骤

表1　研究变量一览表

在SPSS统计分析软件中，典型相关分析程序是以语法命令直接编写的文件。其文件名为：CANCORR.SPS。在SPSS中打开已经准备好的数据文件，再打开语法编辑器窗口，输入相应代码③具体代码为：INCLUDE 'C:/Program Files (x86)IBM/SPSS/Statistics/19/Samples /English /Canonical correlation.sps'.CANCORR SET1= v5job v6job v6jf v7job v8job v9job v10job v11job v12job /SET2= v43 v44 v45 v46 v47 v48 v50 v51 v62 v63 v64 v65 v60 v61 v66 /.其中文件目录根据实际安装目录修改，变量名称和数量根据实际情况修改。运行即可。

4　城市物质空间结构与就业岗位分布的典型相关分析的结果及讨论

4.1分析结果

4.1.1总体情况

SPSS运行结果显示，在0.05的显著性水平下，从城市物质空间结构（16个变量）和就业岗位分布（4个变量）中，可以抽出2组显著相关的典型变量。第一组典型变量间的相关系数为0.868，sig值为0.000；第二组典型变量间的相关系数为0.698，sig值为0.002。各组典型变量的标准化典型系数、典型负荷和交叉负荷见表2。

4.1.2典型变量的组成

典型变量是原始变量（也称原生变量）的线性组合，原始变量标准化（原始值与平均值之差除以标准差）后的组合系数被称为标准化典型系数。各原始变量在2组显著相关的典型变量所构成的坐标系中的分布见图5。

典型变量的具体构成如下④本文仅列出城市空间典型变量1的构成，作为典型示例。：

城市空间典型变量1=0.204×距新城中心距离-0.222×距上海市中心距离组+0.021×城乡建设用地总面积-0.008×单元总面积组-0.002×居住用地面积+0.027×公共服务设施用地面积+1.034×工业用地面积-0.065×村庄建设用地面积-0.023×道路长度-0.129×距最近高速公路出入口距离+0.028×教育设施规模-0.204×居民服务设施规模-0.131×医疗福利设施规模+0.057×朱家角-0.059×工业园区+0.019×居委会。

从表2和图5中可以看出，在第一组典型变量中，空间结构典型变量1主要由工业用地面积构成，就业岗位典型变量1主要由制造业就业岗位组构成；第二组典型变量中，空间结构典型变量2主要由居民服务设施规模、医疗福利设施规模构成，就业岗位典型变量2主要由服务业就业岗位组构成；它们标准化典型系数的绝对值都大于0.5。

典型变量得分指根据典型变量构成计算出的值。2组显著相关的典型变量的标准得分（变量标准化后，根据标准化系数计算出的值）的空间分布见图6。图示表明空间结构典型变量1和就业岗位典型变量1的得分的空间分布高度一致，空间结构典型变量2和就业岗位典型变量2的得分的空间分布一致情况次之；空间结构典型变量1和空间结构典型变量2的得分的空间分布差异很大，同样就业岗位典型变量1和就业岗位典型变量2的得分的空间分布差异也很大。这是它们之间简单相关系数的直观反映。

4.1.3典型负荷的分布

典型负荷反映了典型变量与自己原生变量的相关程度。从表2和图7中可以看出，第一组典型变量中，空间结构典型变量1与工业用地面积高度相关，与道路长度和工业园区中度相关（相关系数绝对值为0.5到0.8之间）；就业岗位分布典型变量1与制造业就业岗位分布组高度相关，与港澳台资就业岗位分布中度相关。第二组典型变量中，空间结构典型变量2与居民服务设施规模中度相关；就业岗位分布典型变量2与服务业就业岗位分布组高度相关。

图3　高度相关的城市物质空间结构变量分布图

图4　高度相关的就业岗位分布图

图5　标准化典型系数分布图⑤标准化典型系数为原始变量组合为典型变量的标准化组合系数，坐标刻度为标准化典型系数。

4.1.4交叉负荷的分布

交叉负荷反映了典型变量与对方原生变量的相关程度。从表2和图8可以看出，第一组典型变量中，空间结构典型变量1与制造业就业岗位分布组高度正相关，与港澳台资就业岗位分布中度相关；就业岗位典型变量1与工业用地面积变量高度相关，与道路长度和工业园区中度相关。第二组典型变量中，空间结构典型变量2与服务业就业岗位分布组中等相关；就业岗位典型变量2与居民服务设施规模中度相关。

4.1.5冗余度分布

典型负荷平方反映了典型变量对原生变量的解释和预测能力，负荷平方的均值反映了典型变量对原生变量总体的解释和预测能力。从表3和图9可以看出，城市空间结构典型变量1对工业用地面积、道路长度、工业园区的解释程度较高（负荷平方大于0.25），分解了整个空间结构16.8%的方差；就业岗位分布典型变量1对制造业就业岗位分布组和港奥台资就业岗位分布的解释程度较高，分解了整个就业岗位分布41.4%的方差。城市物质空间结构中典型变量2对居民服务设施规模的解释程度较高，分解了整个空间结构8.8%的方差；就业岗位典型变量2对服务业就业岗位分布组的解释程度较高，分解了就业岗位分布30.9%的方差。

表2　典型变量的标准化典型系数、典型负荷、交叉负荷一览表

图6　典型变量的标准得分分布图⑥空间结构典型变量1与就业岗位典型变量1的相关系数为0.868，空间结构典型变量2与就业岗位典型变量2的相关系数为0.698；空间结构典型变量1、2，就业岗位典型变量1、2的相关系数为0。

图7　典型负荷分布图⑦典型负荷反映了典型变量与自己原生变量的相关程度，坐标刻度为典型负荷。

图8　交叉负荷分布图⑧交叉负荷反映了典型变量与对方原生变量的相关程度，坐标刻度为交叉负荷。

交叉负荷平方反映了典型变量对对方原生变量的解释和预测能力。从表3和图10可以看出，空间结构典型变量1对制造业就业岗位分布组和港澳台资企业的就业岗位分布的解释程度较高，平均解释了就业岗位分布31.2%的变异；就业岗位分布的典型变量1对工业用地面积、道路长度和工业园区分布的解释程度较高，平均解释了空间结构12.6%的变异。空间结构典型变量2对服务业就业岗位分布组的解释程度较高，平均解释就业岗位分布15.1%的变异；就业岗位分布典型变量2对居民服务设施规模的解释程度较高，平均解释空间结构4.3%的变异。

表3　典型变量负荷平方表

图9　典型负荷平方分布图⑨典型负荷平方反映了典型变量对原生变量的解释和预测能力。

图10　交叉负荷平方分布图⑩交叉负荷平方反映了典型变量对对方原生变量的解释和预测能力。

4.2讨论

4.2.1城市物质空间结构对就业岗位分布的影响

城市物质空间结构典型变量1主要由工业用地面积构成，主要反映了工业用地面积、道路长度和工业园区的影响，对制造业就业岗位分布组和港澳台资企业就业岗位分布的影响较大，均为正向影响。这既符合我国《城市用地分类与规划建设用地标准（GB 50137-2011）》中制造业用地划归工业用地的要求，又反映了青浦新城通过增加工业用地面积、道路长度增加就业岗位的特点，还反映了青浦工业园主要为工业用地的现实。此外也反映了青浦制造业与污染密集产业联系紧密，外来投资受制造业影响较大的特征。

城市物质空间结构典型变量2的构成要素主要包括居民服务设施规模和医疗福利设施规模，主要反映居民服务设施规模的影响，对服务业就业岗位分布组影响较大，均为正向影响。这主要由于居民服务设施和医疗福利设施在产业分类上属于服务业。

4.2.2就业岗位分布对城市物质空间结构的影响

就业岗位分布典型变量1主要由制造业就业岗位分布组构成，主要反映制造业分布组和港澳台资就业岗位分布，对工业用地面积、道路长度和工业园区的分布影响较大，均为正向影响。这首先反映了青浦新城的就业岗位以制造业为主、主要分布在工业用地上、工业用地集中分布在产业园区的现实特征；其次反映了工业用地面积与道路长度有稳定的内在联系，主要原因是青浦新城工业用地间的就业密度差别不显著。

就业岗位分布典型变量2主要由服务业就业岗位分布组构成，主要反映它的分布，对居民服务设施规模的影响较大，为正向影响。反映了青浦服务业主要为生活性服务业、生产性服务业不发达的特征。

4.2.3城市物质空间结构和就业岗位分布影响的非对称性

从冗余度的分析可以看出，城市物质空间结构对就业岗位分布的影响较大，就业岗位分布对城市物质空间结构的影响相对小一些。主要原因是城市物质空间结构和就业岗位分布都受自然条件、产业经济、社会文化、政策环境、技术发展的影响，但城市物质空间结构还受其他要素，特别是居住空间分布的直接影响，在青浦新城居住空间与就业岗位分布的相关度较低。

5　结 论

（1）就业岗位分布具有内在联系。在青浦制造业就业岗位分布对总体就业岗位分布有较大影响，并且与外资、污染密集产业的就业岗位分布联系紧密；服务业就业岗位分布与生产性服务业、批发和零售业的就业岗位分布联系紧密。

（2）城市物质空间结构与就业岗位分布中度相关。其中总体就业岗位分布、制造业、外资、港澳台资、污染密集产业的就业岗位分布与工业用地面积、道路长度、工业园区正相关程度较高，互为影响因子；服务业、生产性服务业、批发和零售业的就业岗位分布与居民服务设施规模的相关程度较高，互为影响因子。

（3）城市物质空间结构和就业岗位分布相互影响，但还受其他要素的影响。在0.05的显著性水平下，城市物质空间结构的2个显著相关的典型变量合计分解了空间结构25.6%的方差，可以解释就业岗位分布36.3%的变异；就业岗位分布的2个显著相关的典型变量合计分解了就业岗位分布72.3%的方差，合计解释城市物质空间结构16.9%的变异。即城市物质空间结构中约有1/4的方差与就业岗位相关，而就业岗位中约有3/4的方差与城市物质空间结构相关；城市物质空间结构可以预测就业岗位约1/3的变异，但就业岗位只能预测城市物质空间结构约1/6的变异。

（4）城市物质空间与就业岗位分布的典型相关反映了它们间相互联系的数据特征，刻画了它们相互影响的程度，同时还蕴含了它们之间的因果关系和辩证关系。就业岗位是城市物质空间结构的缔造因素之一，但城市物质空间结构的影响更加长远。

References

[1]刘霄泉，孙铁山，李国平. 北京市就业密度分布的空间特征[J]. 地理研究，2011，30（7）：1262-1270.

LIU Xiaoquan, SUN Tieshan, LI Guoping. Research on the spatial structure of employment distribution in Beijing[J]. Geographical Research, 2011, 30(7): 1262-1270.

[2]王桂新，魏星. 上海从业劳动力空间分布变动分析[J]. 地理学报，2007，62（2）：200-210.

WANG Guixin, WEI Xing. Change of labor force spatial structure in Shanghai from 1996 to 2001[J]. Acta Geographica Sinica, 2007, 62(2): 200-210.

[3]朱海明，刘成哲，于春青，等.基于聚类分析的天津市就业岗位分布特征研究[J].城市，2013（2）：54-58.

ZHU Haiming, LIU Chengzhe, YU Chunqing, et al. Study on the distribution characteristics of employment in Tianjin City based on clustering analysis[J]. City, 2013(2):54-58.

[4]董丽晶，张平宇. 1990年代以来沈阳市就业结构的空间分异[J]. 人文地理，2008，23(1)：32-37. DONG Lijing, ZHANG Pingyu. Spatial

differentiation of employment structure in Shenyang City from 1990s[J]. Human Geography, 2008, 23(1):32-37.

[5]McMillen D. Suburban sub-centers and employment density in Metropolitan Chicago[J]. Journal of Urban Economics, 1998, 43:157-180.

[6]McDonald J. & Prather P. Suburban employment centers: the case of Chicago[J].Urban Studies, 1994: 201-218.

[7]Giuliano G. & Small K. Sub-centers in the Los Angeles region[J].Regional Science and Urban Economics, 1991, 21(2): 163-182.

[8]Cervero R. & WU KangLi. Sub-centering and commuting: Evidence from the San Francisco Bay Area, 1980-90[J]. Urban Studies, 1998: 1059-1076.

[9]Garcia-López M. & Muñiz I. Employment decentralization: Poly-centricity or Scatteration? The case of Barcelona[J]. Urban Studies. December 2010, 47(14): 3035–3056.

[10]张晓平，孙磊. 北京市制造业空间格局演化及影响因子分析[J]. 地理学报，2012，67（10）：1308-1316.

ZHANG Xiaoping, SUN Lei. Manufacturing restructuring and main determinants in Beijing Metropolitan Area[J]. Acta Geographica Sinica, 2012, 67(10): 1308-1316.

[11]谢叙秫. 上海制造业集聚的动因研究[J]. 世界经济情况，2006（17）：30-33.

XIE Xushu. Study on the motivations of the manufacturing industry agglomeration in Shanghai[J]. World Economic Outlook, 2006(17): 30-33.

[12]冯健. 杭州城市工业的空间扩散与郊区化研究[J].城市规划汇刊，2002（2）：42-47.

FENG Jian. Research on the industrial decentralization of Hangzhou City[J]. Urban Planning Forum, 2002(2): 42-47.

[13]吕卫国，陈雯. 制造业企业区位选择与南京城市空间重构[J]. 地理学报，2009，64（2）：142-152.

LV Weiguo, CHEN Wen. Manufacturing industry enterprises location choice and the urban spatial restructuring in Nanjing[J]. Acta Geographica Sinica, 2009, 64(2): 142-152.

[14]邱灵，申玉铭，任旺兵. 北京生产性服务业与制造业的关联及空间分布[J]. 地理学报，2008，63（12）：1299-1310.

QIU Ling, SHEN Yuming, REN Wangbing. Industrial relevancy and spatial distribution between producer services and manufacturing in Beijing City[J].Acta Geographica Sinica, 2008, 63(12): 1299-1310.

[15]赵群毅. 北京生产者服务业空间变动的特征与模式——基于单位普查数据的分析[J]. 城市发展研究，2008，14（4）：70-77.

ZHAO Qunyi. Study on spatial change of producer services in Beijing: based on economic unit census[J]. Urban Studies, 2008, 14(4): 70-77.

[16]宁越敏. 上海市区生产服务业及办公楼区位研究[J]. 城市规划，2000，24（8）：9-12，20.

NING Yuemin. The study on the location of the industrial service and the office building in Shanghai[J]. City Planning Review, 2000, 24(8):9-12, 20.

[17]高运胜. 上海生产性服务业集聚区发展模式研究[M]. 北京：对外经济贸易大学出版社，2009：3-128.Gao Yunsheng. A research on the developing pattern of producer services agglomeration area in Shanghai[M].Beijing: University of International Business and Economics press, 2009: 3-128.

[18]林彰平，闫小培. 转型期广州市金融服务业的空间格局变动[J]. 地理学报，2006，61（8）：818-828.

LIN Zhangping, YAN Xiaopei. Analysis on the change of the spatial pattern of financial service industry in Guangzhou during the transition period[J]. Acta Geographica Sinica, 2006, 61(8): 818-828.

[19]甄峰，刘慧，郑俊. 城市生产性服务业空间分布研究：以南京为例[J]. 世界地理研究，2008，17（3）：24-31.

ZHEN Feng, LIU Hui, ZHENG Jun. Spatial distribution of urban producer service: a case study of Nanjing[J]. World Regional Studies, 2008, 17(3): 24-31.

[20]陈前虎，徐鑫，帅慧敏.杭州城市生产性服务业空间演化研究[J].城市规划，2008，32（8）：48-52.

CHEN Qianhu, XU Xin, SHUAI Huimin. Spatial evolution of producer services in Hangzhou[J]. City Planning Review, 2008, 32(8): 48-52.

[21]李普峰，李同升. 西安市生产性服务业空间格局及其机制分析[J]. 城市发展研究，2009，16（3）：87-91.

LI Pufeng, LI Tongsheng. Spatial pattern and mechanism analysis of producer aervices in Xi' an[J]. Urban Studies, 2009, 16(3): 87-91.

[22]袁丰，魏也华，陈雯，等. 苏州市区信息通讯企业空间集聚与新企业选址[J]. 地理学报，2010，65（2）：153-163. YUAN Feng, WEI Yehua, CHEN Wen, et al. Spatial agglomeration and new firm formation in the information and communication technology industry in Suzhou[J]. Acta Geographica Sinica, 2010, 65(2): 153-163.

[23]Boiteux-Orain C., Guillain R. Changes in the intrametropolitan location of producer services in lie-d-France (1978-1997): Do information technologies promote a more dispersed spatial pattern?[J] Urban Geography, 2004, 25(6): 550-578. Searle G H.Changes in produce services location, [24]Sydney: globalization, technology and labor[J]. Asia Pacific Viewpoint, 1998, 39(2): 237-255.

[25]Myung-jin, Seong-kyu Ha. Evolution of employment centers in Seoul[J]. RURDS, 2002, 14(2): 117-132.

[26]Coffey W J., Shearmur R G. Agglomeration and dispersion of high-order service employment in the Montreal metropolitan region, 1981-1961[J]. Urban Studies, 2002, 39(3): 360-377.

[27]贺灿飞，梁进社，张华. 北京市外资制造企业的区位分析[J]. 地理学报，2005，60（1）：122-130.

HE Canfei, LIANG Jinshe, ZHANG Hua. Locational study of foreign enterprises in Beijing——Based on an ordered profit model[J]. Acta Geographica Sinica, 2005, 60(1): 122-130.

[28]Wei Y., Leung C K. Development zones, foreign investment, and global city formation in Shanghai[J]. Growth and Change, 2005, 36(1): 16-40.

[29]Wu F. Intra-metropolitan FDI firm location in Guangzhou, China, 1999[J]. Annals of Regional Science, 1999, 33(3): 535-555.

[30]孟晓晨，石晓宇. 深圳“三资”制造业企业空间分布特征与机理[J]. 城市规划，2003，27（8）：19-25.

MENG Xiaochen, SHI Xiaoyu. The spatial distribution of FDI manufactures in Shenzhen[J]. City Planning Review, 2003, 27(8): 19-25.

[31]李王鸣，潘蓉，魏也华. 中国城市外商投资区位选择因素的鉴定与分析——以杭州城市为例[J]. 浙江大学学报：理学版，2006，33（1）：110-114，120.

LI Wangming, PAN Rong, WEI Yehua. The identification and analysis of urban FDI locational factors in Hangzhou, China[J]. Journal of Zhejiang University: Science Edition, 2006, 33(1): 110-114,120.

[32]Hotelling H. Relations between two sets of variants[J]. Biometrika, 1936(28): 321-377.

[33]陆根尧，符翔云，朱省娥. 基于典型相关分析的产业集群与城市化互动发展研究：以浙江省为例[J]. 中国软科学，2011(12)：101-109.

LU Genyao, FU Xiangyun, ZHU Sheng-e. Research on relevance between industrial cluster and urbanization based on canonical analysis: a case study of Zhejiang Province[J]. China Soft Science, 2011(12): 101-109.

[34]张明，朱会义，何书金. 典型相关分析在土地利用结构研究中的应用——以环渤海地区为例[J]. 地理研究，2001（12）：761-767.

ZHANG Ming, ZHU Huiyi, HE Shujin. An application of canonical correlation analysis to research on land-use patterns: taking Bohai Rim as an example[J]. Geographical Research, 2001(12): 761-767.

[35]Satoshi Hoshino. Statistical analysis of land-use change and driving forces in the Kansai District, Japan[A].IIASA Working Paper, wp-96-120. Laxenburg: IIASA, 1996: 20-25.

[36]鲁春阳. 城市用地结构演变与产业结构演变的关联研究[D]. 重庆：西南大学博士学位论文，2011.

LU Chunyang. The analysis on the relationship between urban land use structure evolution and industrial structure evolution[D]. Chongqing: The Dissertation for Doctor Degree of Southwestern University, 2011.

[37]王国梁，何晓群. 多变量经济数据统计分析[M].西安:陕西科学技术出版社，1993：17-29.

WANG Guoliang, HE Xiaoqun. Statistical analysis of multivariate economic data[M].Xi' an: Shanxi science and Technology Press, 1993: 17-29.

[38]上海同济城市规划设计研究院. 上海青浦新城总体规划[R]. 2006.

Shanghai Tongji Urban Planning & Design Institue. Master Planning of Shanghai Qingpu New Town[R]. 2006.

[39]宋代军，杨贵庆. 城市空间结构与就业岗位分布差异的定量描述——以上海市青浦新城为例[J].城市规划学刊，2015（5）：75-81.

SONG Daijun, YANG Guiqing. Quantitative description of the distributional differences between urban spatial structure and employment——Case study of Qingpu New Town in Shanghai.Urban Planning Forum,2015(5):75-81.

[40]夏友富. 外商投资中国污染密集产业现状、后果及其对策研究[J]. 管理世界，1999（3）：109-123.

XIA Youfu. The research on the status quo, consequences and countermeasures of foreign investment in China's pollution intensive industries[J]. Management World, 1999(3): 109-123.

The Relationship between Urban Physical Spatial Structure and Employment Units of Qingpu New Town in Shanghai: Based on Canonical Correlation Perspective

Using Canonical Correlation Analysis method, based on the master plan of Shanghai Qingpu new town (2010), data of the Second Economic Census and the Sixth Census of Qingpu District, the paper systematically analyzes the relationship between the physical spatial structure and the employment units in Qingpu new town in Shanghai. It draws the following two conclusions. One is that the correlation between urban physical spatial structure and employment units is moderate. The employment units, including total, manufacturing, foreign-funded enterprises, enterprises invested by Hong Kong, Macao and Taiwan capitals, and three variables, including industrial land area, road length and industrial park, are mutual influential factors. The employment units, including services, producer services, wholesale and retail, and scale of residential service facilities are also mutual influential factors. The other is that the mutual influence, between urban physical spatial structure and employment units, is asymmetric.

Urban spatial structure | Employment units | Canonical correlation analysis | Qingpu new town

本刊2015年第5期（总第124期）勘误表

1673-8985（2015）06-0067-08

TU981

A

宋代军

同济大学建筑与城市规划学院博士研究生

上海同济城市规划设计研究院规划师

杨贵庆（通讯作者）

同济大学建筑与城市规划学院教授，博士生导师