上与未上过学人口数量(0.582)正相关；在不在业人口中，与离退休人口数量(0.844)、因单位或个人原因失业人口数量(0.747)高度正相关；在住房状况和家庭设施方面，与建于1980～2000年的住房户数(0.680)、购买二手房户数(0.569)、购买原公房户数(0.804)、采用家庭自装洗澡设施户数(0.638) 正相关，表明主因子的人群住房条件相对较好，经济实力较主因子1明显提高。综合分析该因子可发现，该群体主要包括离退休人员和下岗人员，其中下岗人员可能是由于教育水平较低而导致的失业。
      主因子2得分的空间分布如图2所示，浦西地区中环线以内得分较高的空间单元主要聚集在延安路高架以北，沿内环线两侧分布；浦西地区中环到外环间得分大于0的空间单元主要集中分布在普陀区和宝山区；浦东新区得分大于0 的空间单元则沿黄浦江带状分布。

(3)主因子3为白领职业者，方差贡献率为12.835%，反映了7个指标的信息。这一因子与受高等教育人口数量(0.718)、国家机关企事业单位负责人数量(0.725)、专业技术人员数量(0.824)、办事人员数量(0.661)、购买商品房户数(0.883)、家庭自装洗澡设施户数(0.706)等指标呈现出极强的正相关性，而与0～ 19 岁人口数量 (0.540)、20 ～ 64 岁人口数量(0.461)同样具有正相关性。这一结果表明该群体职业地位较高，受教育水平较高，具有一定的经济实力，并且老龄人口较少。
      主因子3得分的空间分布如图3所示，得分大于0的空间单元聚集在内环线以外北部扇面和西北扇面、黄浦江东岸；得分大于3的空间单元主要集中在宝山区、浦东新区和普陀区，以新建商品住房和机关单位为主。

(4)主因子4为知识分子，方差贡献率为6.952%，反映了3个指标的信息。这一因子与少数民族人口数量(0.760)、受高等教育人口数量 (0.630)、在校学习人口数量(0.841)等指标呈现出高度正相关，并且该因子与原住本地、现住国外人口数量(0.444)也呈现出一定的相关性，说明该群体具有较高的知识水平，且为人群混合度较高的群体。
      主因子4得分的空间分布如图4所示，整体呈现出浦西地区得分相对高于浦东新区的特征。得分最高的空间单元主要集中在3个区域，其一是杨浦区内包括四平路街道、五角场街道和定海路街道在内的高校块状聚集区；其二是宝山区大场镇西南部以上海大学为中心的区域；其三是浦东新区以张江高科技园区为中心的地区。

上海中心城区社会区空间划分

      在上海中心城区社会空间结构主成分分析的基础上，本文选取K-means聚类分析法 [8,  18]，将各空间单元的因子得分输入SPSS分析工具进行聚类分析(表2)，并指定系统生成6类社会区(图5)，对该分类进行单因素均值比较(ANOVA)，检验结果表明各指标均值全部表现为显著差异，说明该分类是比较有效的。

(1)第一类社会区为居住人口较少的城市地区。该类地区包括1256 个居委会，与4个主因子均呈现出负相关性，表明各类型人群出现的几率越小，该类型社会区出现的可能性越大。在空间分布上主要呈现以内环为分界线的两种布局模式，其中位于内环以内地区的居委会在规划中央商务区地带形成中心集聚，这些居委会的功能类型以商业、商务、创意产业、公共部门及政府机关等为主，居住人口较少；位于规划中央商务地带以外地区的居委会形成沿环线的向心分布模式，包括商业商务聚集单元、交通枢纽单元、花园洋房别墅聚集单元、公园和绿地聚集单元、产业园区以及部分外围待建、未建单元等。

(2)第二类社会区为知识分子核心聚集区，与主因子4高度相关(15.0084)，仅6个居委会被划入该区。这些居委会分散分布于各地，主要包括上海大学及其周边学生村、上海财经大学宿舍区、复旦大学宿舍区、同济大学四平路校区、上海交大徐汇校区、华东理工大学和张江高科技园区，其中在张江高科技园区内除研发机构外同样聚集了高校校区。

(3)第三类社会区为以知识分子为主的区域，与主因子4呈现较强相关性(5.0523)，共包括20个居委会，空间分布仍较为分散。与第二类社会区类似，其功能类型以高校校区为主，包括上海交通大学、华东师范大学、同济大学、复旦大学及上海理工大学等高校的部分校区。

(4)第四类社会区为离退休和下岗人员聚集区，主要与主因子2相关(1.1249)，共覆盖826个>