找回密码
 立即注册

icecloud80的个人空间 /space-uid-35006.html [收藏] [复制] [分享]

日志

北上广

热度 2已有 62 次阅读 |2017-5-17 03:18

在大城市闯荡,租房不可避免。租房的价格不同,就坐落在了不同的“阶层”,所对应的生活便利度、通勤距离也不一样,这之间的差别究竟有多大呢?让我们看看数据怎么说。

来源:城市数据团(ID:metrodatateam)

对于在一线城市打拼的大部分年轻人来说,一毕业就得去租房。


一租房才会深刻认识到城市的阶层分化。


由于租房的市场化程度最高,租金的差异相比房价差异而言更敏感、更反映供求关系。


以上海为例,我们来简单看看租金从2000元到7000元的房屋空间差异:



通过市场上挂牌出来的房源数据可以看到:不同租金价格的住宅在空间上组成了一个个放射型的同心圆。每个月少付1000块,你可能就要住的离市中心更远一点。


但实际上,房屋的总租金并不能真正反映人群阶层的分化,毕竟大部分年轻人都是合租的。因此,租金真实的分布形态还要更复杂一点:


以房屋月租总价除以房间数,可以得到每个房间的月租单价(下文的“租金”均代表每间房屋的月单价)。为了避免极端房源造成的误差,我们进一步将不同房源在尺度为200m-500m的居住空间单元内聚合,得到了每个居住单元的平均租金。


举个例子——


3000元/房间/月以上的阶层群体的分布如下图所示:



这类阶层群体集中在中环线范围内,但在徐汇和世纪大道方向上略有延伸。


1500~3000元/房间/月的阶层群体的分布如下图所示:



这类阶层群体在浦西的沈海高速-申嘉湖高速圈层内有广泛分布,并延伸到闵行莘庄、浦东周浦,以及松江和宝山的部分地区。


1500元/房间/月以下的阶层群体的分布如下图所示:



这类阶层主要分布在郊区新城,以及市中心的群租房中。


接下来,我们从生活便利度(生活)、本地就业机会(机遇)、平均通勤距离(通勤)和职业结构(工作)这四个角度来评价一下不同租金的居住空间单元对应的阶层群体的生存质量吧。


生活便利度


我们综合了交通设施(公共交通站点、停车场等)、生活服务设施(理发店、足浴店、洗衣店等)、体育健身场所、购物场所、餐饮场所等poi的数量和密度,合成了“生活便利设施指数”。该指数越高,说明该地区的生活便利程度越高。


我们将生活便利设施指数分解到不同租金的居住空间单元中,可以得到下图:



这里出现了一个“倒U型”的分布。租金在500块钱的阶层所处的地区,其生活便利性最差,而租金为1.5-3k的阶层在居住地附近则拥有最多的生活便利设施,甚至高于租金3k+的阶层。


但如果我们用人均生活便利设施的话,趋势就截然不同了,请看下图:



结论很明显:


1,人均生活设施的便利程度总体随着租金的涨幅而提升。


2,有趣的是:人均生活便利设施条件最差的,并不是租金最低的阶层,而是租金为2-2.5k元/房间/月的人。


3,租金4K元/房间/月是一个重要的临界值,假如你囊中羞涩,不得不在这个标准上少支付12%(差不多是500块钱),那么平均看来,你所能享受到的生活便利程度将大幅度降低接近40%,生活的残酷由此可见。


本地就业机会


人们在选择租房时,除了考虑生活便利度,也会高度重视就业机会。


为了引入就业岗位数据,我们需要把本次研究的空间单元从几百米的栅格扩大到街镇。以街镇的就业岗位数量和常住劳动年龄人口的比例,衡量地区的本地就业机会。该指标越大,说明本地就业机会越大。结果如下图所示:



从图中可以看到:


1, 随着不同阶层租金的提升,本地就业机会指数先减后增,呈现“U型”;


2, 本地就业机会最少的是租金2~2.5k元/房间/月的阶层。相比之下,租金4~4.5k元/房间/月的阶层在本地就近工作的可能性比前者要大3倍;


3, 租金3.5k元/房间/月是一个临界值。在这个基础上,假如由于某些原因,你不得不减少500元的每个月房租预算,那么,对不起,你在本地就近工作的可能性会降低约60%。


通勤距离与方向


与本地就业机会密切相关的另一个生活质量指标是通勤。


我们把去隐私的个人移动设备的定位数据落到一个个居住空间单元里,计算出各个阶层市民的平均通勤距离,结果见下图:



结果显示:


1, 随着租金的变化,不同阶层的通勤距离从短到长再到短。


2, 租金2~2.5k/房间/月的阶层平均直线通勤距离最长,达到了8km;


3, 而通勤距离最短的则是租金在500块钱以下的群体,平均通勤距离为5.6km。


4, 对2k-4.5k/房间/月的区间里,当你每个月房租降低500元,意味着你每天单程的平均通勤直线距离将增加300m,也就是每年在这个城市里多跑230km以及消耗更多的生命。


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。


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:从绝对数量来说,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, 信息技术密集度最高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,群体就业密集度最高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最高的,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。


是的,这个城市的背后隐藏着极其残酷的阶层与空间分化。遗憾的是:从来没有人能告诉我们,到底应当如何选择。

返回顶部