EN中文

经济地理 >

2024 , Vol. 44 >Issue 3: 86 - 96

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.03.009

研究论文

城市宠物医院空间分布及其影响因素——以上海为例

  • 孙佼佼 , 1, 2 ,
  • 胡洪基 3 ,
  • 郭英之 , 2, 3, ※
展开
  • 1.苏州科技大学 商学院，中国江苏 苏州 215009
  • 2.复旦大学 工商管理博士后流动站，中国 上海 200433
  • 3.复旦大学 旅游学系，中国 上海 200433
※郭英之（1964—），女，博士，教授，博士生导师，研究方向为旅游市场。E-mail：

孙佼佼（1989—），女，博士，副教授，研究方向为旅游文化地理。E-mail：

收稿日期: 2023-06-28

  修回日期: 2024-01-06

  网络出版日期: 2024-09-12

基金资助

国家自然科学基金项目(42101225)

教育部人文社会科学研究青年基金(21YJCZH140)

江苏高校“青蓝工程”项目

姑苏宣传文化人才计划项目(LL2023010)

收起

Spatial Distribution and Influencing Factors of Urban Pet Hospitals： A Case Study of Shanghai

  • SUN Jiaojiao , 1, 2 ,
  • HU Hongji 3 ,
  • GUO Yingzhi , 2, 3, ※
Expand
  • 1. School of Business，Suzhou University of Science and Technology，Suzhou 215009，Jiangsu，China
  • 2. Postdoctoral Station of Business Administration，Fudan University，Shanghai 200433，China
  • 3. Department of Tourism，Fudan University，Shanghai 200433，China

Received date: 2023-06-28

  Revised date: 2024-01-06

  Online published: 2024-09-12

Fold

摘要

文章以上海市为案例地，采用无监督学习算法中的DBSCAN聚类、K-means方法，以及多尺度地理加权回归模型，通过空间大数据分析，解释城市宠物医院空间分布，探索其多元影响因素，并通过多源质性数据对空间分析结果进行深度阐释。研究发现：①空间特征上，上海市宠物医院的分布具有明显的聚集效应，呈现出从中心城区向周边区县扩散的趋势。②集群分布方面，上海市宠物医院共呈现41个集群，主要位于上海市主城区，逐渐向西南部和西北部扩散。③空间演变方面，上海市宠物医院各集群的空间形态具有明显的演变特征。④层级划分方面，上海市宠物医院分为五级，并呈现“一核多级”的空间分布特征。⑤影响因素方面，公交站点密度、公园广场密度与宠物医院密度呈负相关，宠物用品店密度、住宅区密度与宠物医院密度呈正相关，各要素影响程度具有空间分异特征。最后，文章指出宠物医院存在的多元可达性问题以及数字化背景下的新趋势，为我国通过城市空间管理提高社会福祉提供了新的参照。

关键词： 城市空间; 宠物经济; 宠物医院; 住宅区; 可达性; 消费城市

本文引用格式

孙佼佼 , 胡洪基 , 郭英之 . 城市宠物医院空间分布及其影响因素——以上海为例[J]. 经济地理, 2024 , 44(3) : 86 -96 . DOI: 10.15957/j.cnki.jjdl.2024.03.009

Abstract

The study takes Shanghai as the research are,uses the DBSCAN clustering,K-means method and MGWR model in unsupervised learning algorithm,explains the spatial distribution of urban pet hospitals through the spatial big data analysis,explores its multiple influencing factors,and deeply explains the results of spatial analysis based on the multiple qualitative data. It's found that: 1) The distribution of urban pet hospitals in Shanghai has an obvious clustering effect,and shows a trend of spreading from the central city to the surrounding districts and counties. 2) In terms of cluster distribution,there are 41 clusters of urban pet hospitals in Shanghai,mainly located in the main urban area of Shanghai,gradually spreading to the southwest and northwest. 3) In terms of spatial evolution,the spatial patterns of the clusters of Shanghai's urban pet hospitals have obvious evolutionary characteristics. 4) In terms of hierarchy,there are five levels of urban pet hospitals in Shanghai,it shows the spatial distribution characteristics of "one core with multiple levels". 5) In terms of influencing factors,the density of bus stops and the density of park squares both have a negative influence on the density of pet hospitals,while the density of pet supply stores and the residential density have a significant positive influence on the density of pet hospitals,and the degree of influence of each factor also has spatially divergent characteristics. Finally,the study pointed out the multiple accessibility problems of pet hospitals and the new trend under the digital background,providing a new reference for China to improve the social welfare through urban space management.

Key words： urban space; pet economy; pet hospitals; residential areas; accessibility; consumer city

宠物广泛地生活在城市空间中，是地理学关注的重要对象。2022年，我国宠物经济市场规模约3117亿元[1]。同年，农业农村部出台《动物诊疗机构管理办法》，为日益增长的宠物市场提供了更规范的监督管理。宠物经济规模的增长，也催生了新的空间议题。宏观层面，宠物休闲、宠物医疗、宠物交往等需求不断催生出宠物休闲消费空间[2]，城市宠物带来的空间竞争与冲突成为新型城市治理问题[3]；微观层面，宠物成为地方空间生产的重要参与者，是商业空间营销的重要元素[4]。当下，我国宠物经济集中在一线城市及新一线城市，与老龄化、空巢化现象和单身经济[5]共同影响城市空间变迁。
理论层面，动物是“人地关系”的重要棱镜[2]，但在我国尚未得到足够的关注[6]。19世纪末，传统动物地理学发展于西方理论界。20世纪中期，我国引入俄国理论作为动物地理学研究的开端[7]，将动物要素视为自然地理学者必须研究的对象[8]。1990年代，伴随着“超越人类的地理学”和“去人类的中心化”[9]思潮的涌现，新动物地理学快速发展，认为应将动物视为道德和政治主体并纳入政治决策与实践之中[10]。在新动物地理学发展初期，虽然研究者逐渐将动物纳入到人类社会叙事，但最初的关注点局限于动物园、实验室等空间[11]，后来才逐渐拓展至动物与人类共同生活的空间。当下，新动物地理学日益关注宠物对人居空间生产的参与[4]。
中国正处于从生产型城市向消费型城市的转型，需透视城市空间重构机制并揭示空间的情感性和社会性问题[12]。宠物经济议题正是这一背景下的典型领域，因此新文化地理学者呼吁城市管理过程中关注非人主体（如城市动物）的需求和角色[13]。从动物伦理角度分析，虽然西方动物权力论中较极端的观点认为，驯养动物是人类中心主义的体现，只有全面废止宠物饲养才能真正实现动物权利[14]，但这一观点的实践并不现实，因而较为缓和的动物伦理研究者指出可以将动物用于人类目的，但必须对动物利益给予更多考虑[14]。在这一理念下，通过健全的医疗机构保障动物健康可视为社会进步中关注动物伦理的体现。不过，目前宠物健康相关领域的研究多为医学领域应用研究，从地理空间视角出发的宠物健康和医疗议题的分析仍处于初期。城市远非一个纯人类空间，而是人类和非人类的混居空间[9]，因此，对宠物生活和消费空间进行分析是揭示城市空间变革的关键入口。在众多宠物空间中，宠物医院是宠物经济最基本的商业形态，也是普遍和正规的宠物消费空间。基于此，本研究拟从我国城市空间发展的新需求出发，以新动物地理学理念为指导，综合空间数据与质性分析，探索城市宠物医院的空间分布、影响因素及问题，以期为宠物经济的发展提供地理视角的实证检视，为我国城市空间研究提供新的切入点。

1 研究设计与数据来源

1.1 案例地与研究设计

本研究案例地上海市，属于国家中心城市、超大城市。案例地选择上海市主要基于：①上海是全国五大“宠物城市”之一[3]；②上海是我国养宠人均消费最高的城市[5]；③上海开放的社会观念与丰富的物质产品孕育了宠物消费的肥沃土壤[5]。研究过程分为三大阶段：①无监督学习算法中的集群分析，包含2个步骤，DBSCAN聚类和K-means等级划分；②影响因素分析，采取多尺度地理加权回归模型，探索多元影响因素对宠物医院区域密度的影响；③基于多源数据的质性分析探索宠物医院空间分布和影响因素的内在特征，分析其中蕴含的宠物医院和宠物主供需双方内在特征，进一步对量化空间分析的结果进行阐释。

1.2 空间分析数据与方法

1.2.1 空间分析数据来源

考虑到数据的准确性和覆盖性，本研究涵盖上海市下辖的16个区，包括黄浦、徐汇、长宁、静安、普陀、虹口、杨浦、闵行、宝山、嘉定、金山、松江、青浦、奉贤、崇明和浦东新区。数据包含3个来源：①上海市POI数据。于2023年1~2月提取宠物医院POI共562个，公交车站POI共16927个，地铁站POI共1458个，宠物用品店POI共2842个，商务住宅POI共50536个，公园广场POI共1389个；②路网数据，于2023年3~4月从OSM平台（https://www.openstreetmap.org/#map=12/1.3649/103.8229）获取上海市路网数据；③人口数据，于2023年4月从国家统计局官网（http://www.stats.gov.cn）获取上海市乡镇/街道的常住人口数据。

1.2.2 无监督学习算法

无监督学习算法（Unsupervised learning）是机器学习算法的一种，主要分析适用于现实世界的未标注样本[15]，聚类算法是无监督学习的典型。DBSCAN空间聚类算法（Density-based spatial clustering of applications with noise）是一种在计算机科学、图像分析、机器学习等领域得到广泛应用的空间聚类方法[16]，该算法基于空间密度进行聚类，将高密度的区域划分为簇[17]，可在不预设形成聚类数量的情况下有效处理噪声点，即离群数据，并发现任意形状的空间聚类[18]。根据DBSCAN算法的定义，集群的概念可以表述为：最高密度的相连点，可将足够高密度的区域划分为集群，从而在空间上形成不同形状的聚类[17]。DBSCAN算法确定某区域的核心点P及其区域范围的原理如下：对于点P，从其出发找到该点半径范围内所有点，其半径 ε内的邻域即点P的 ε邻域，若某点P的邻域至少包含最小数目点，则称点P为核心，并获得一个集群标签。类似地，算法返回一个密度相连的集合，标记该集合内对象为一簇。重复此步骤，对所有剩余点进行处理直至无新点可加入簇，算法完成。若某点未被加入任何簇则标记为离群值[17,19]。此外，K-means空间聚类法也是常见的无监督学习算法之一，因其聚类结构明确而被广泛使用，其核心思想是把数据集的对象划分为多个聚类，并使数据集中的数据点到其所属聚类的质心的距离平方和最小，使得聚类后类内差别尽量小，类间差别尽量大[20]。鉴于无监督学习算法的优势，本文通过DBSCAN算法挖掘上海宠物医院空间集群，并运用K-means对集群规模进行等级划分。

1.2.3 多尺度地理加权回归（MGWR）

宠物医院的空间区位是多元因素共同作用的结果，不同要素的影响尺度并不均等，因此要避免由于尺度均等化导致的分析误差[21]。相比传统地理加权回归，MGWR模型放宽了模型中所有空间变化过程都在相同空间尺度上运行的假设，能够直接反映不同变量的差异化作用尺度[22]。因此，本文在影响因素分析中采用多尺度地理加权回归模型（MGWR）。MGWR公式如下[22]：
y i = ∑ j = 1 k ß b w j u i , v i x i j+ εi
式中：βbwj代表第j个变量回归系数带宽；Xij代表j个预测变量；（ui，vi）代表各街区i的质心坐标。

1.2.4 空间分析指标选择

本研究以宠物医院密度作为应变量，由于现有研究中极少考虑宠物医院作为研究对象探究其选址问题，本文参考过去类似消费场景和医院选址等研究，选择交通因素、社会环境因素、经济因素作为自变量[16,23]，具体的代表性指标与变量阐释见表1。
表1 多尺度地理加权模型指标

Tab.1 Indicators of multi scale geographically weighted model

一级维度 代表性指标（单位） 变量阐释
应变量 宠物医院密度（个/km2） 街道内宠物店个数与街道面积之比
自变量 交通因素 公交站点密度（个/km2） 街道内公交站个数与街道面积之比
路网密度（km/km2） 街道内路的总长度与面积之比
与最近地铁站距离（km） 街道内各宠物医院与最近地铁站的平均距离
地铁站点密度（个/km2） 街道内地铁站个数与街道面积之比
社会环境因素 常住人口密度（万人/km2） 街道内常住人口数与街道面积之比
住宅区密度（个/km2） 街道内住宅区个数与街道面积之比
宠物用品店密度（个/km2） 街道内宠物用品店个数与街道面积之比
区域面积（km2） 街道占地面积
公园广场密度（个/km2） 街道内公园广场数量与街道面积之比
与最近宠物用品店距离（km） 街道内各宠物医院与最近宠物用品店的平均距离
经济因素 房屋价格（万元） 街道内二手房平均价格
现有研究表明交通因素能够影响医院选址，有效的交通网络能够提高就医效率[24]。本研究考虑到驾车、地铁和公交多种交通方式和交通布局状况，选用公交站点密度、路网密度、与最近地铁站距离、地铁站点密度作为指标。
社会环境因素对产业集聚有重要影响，如人口与产业集聚、升级存在的耦合协调现象[25]，同类型商业密度影响区域市场竞争等[26]。本研究考虑基本的人口状况、经济状况、基本社会空间情况、宠物产业主要商业形态基本情况、人与宠物需要的休闲环境等，选用常住人口密度、住宅区密度、宠物用品店密度、区域面积、公园广场密度、与最近宠物用品店距离作为指标。
对于经济因素本研究参考已有文献，主要以房屋价格作为指标[16,23]，房价能够影响城市内区域人口流动与企业生产成本，从而影响消费产业集聚[27]，本研究参考现有的服务产业空间集聚特征和影响因素相关研究[16-17]。
与已有文献相比，由于宠物医院的选址既要考虑消费者的可达性，又要兼顾其经济性、商业性与盈利性，因此其选址的影响因素与其他消费服务或公共服务略有不同。基于此，本研究既考虑了房屋价格、人口密度、住宅区等社会经济指标，同时也考虑了公园广场密度、公共交通密度等指标，以更准确地探究对宠物医院选址的影响因素。因此，空间形态指标的选择参考杨帆等人的研究[19]，最终选取紧凑度、延伸度、不对称度、密度4个指标，具体描述见表2。
表2 空间形态指标[26]

Tab.2 Spatial form index

指标 定义
紧凑度（COR） C O R = 4 π A / P，其中A为最小凸包面积，P为最小凸包周长
延伸度（ELG） E L G = ι / ω，其中 ι为最小边界矩形的长轴长度， ω为最小边界矩形的短轴长度
不对称度（ASM） A S M = 1 - b / α，其中 α为最优拟合椭圆的长半轴，b为最优拟合椭圆的短半轴
密度（DENS） D E N S = n / A，其中A为最小凸包面积，n为集群内宠物医院点个数

1.3 多源质性数据与分析

质性数据的采集包含3个类型：针对宠物主和宠物医院经营者的深度访谈、基于网络平台的用户生成内容（UGC）和宠物医院纪录片内容分析。
通过深度访谈获得数据，定位宠物医院从业者和宠物主两类被访者，实施两种联系路径。一方面基于网络平台，包括小红书、微博、抖音等，通过搜寻宠物医院官方账号、宠物主账号等方式与被访者直接取得联系；另一方面通过熟人介绍等方式联系宠物医院从业者和宠物主。最终，确定了28名被访者，包括16位宠物主和12位宠物医院从业者。其中，宠物主被访者包含9名女性和7名男性，年龄为20~72岁，职业包含学生、公司职员、个体经营者、事业单位从业者、无业人员和退休人员等，养宠时间为2个月到12年。宠物医院从业者包含5名女性和7名男性，年龄为27~45岁，从业时间为3个月到16年。访谈时间为2022年11月3日至2022年11月19日，主要通过当面访谈和微信语音进行，持续时长在20~40 min之间，访谈结束后将录音转化为文字，经过精简整理共获得54819字的文本。
与访谈同一时间段，研究者通过网络平台进行UGC数据采集，以“上海”+“宠物医院”为关键词，在小红书、抖音和微博进行搜索。由于平台进行联想推荐可产生无上限数量的推送，基于此，为实现内容分析的可操作性，采取人工方式对推荐视频进行主题锁定加内容抽样的方式建立分析库，确保内容涵盖从业人员日常记录、宠物主就医经历分享交流等内容。
研究者通过《宠物医院》主题纪录片作为辅助性资料参考，挖掘宠物医生和宠物主感受与体验，为量化结果的分析提供阐释。在后文分析中，“CYY”代表访谈的宠物医院从业者，“CWZ”代表访谈的宠物主，数字代表访谈对象编号；“Web”代表来自网络平台的用户生成内容，数字代表编号；“JLP”代表宠物医院相关纪录片。

2 上海市宠物医院空间分布特征

2.1 上海市宠物医院集群识别：中心城区向周边区县扩散，集群空间多样化

初步分析结果显示，上海市各区的宠物医院拥有量存在较大差异。就单个行政区来看，浦东新区、松江区和宝山区宠物医院数量最多，占比分别为24.02%、8.90%和8.36%，崇明区宠物医院数量最少，占比为1.78%，区域内的部分乡镇/街道仍没有宠物医院。进而对上海市宠物医院地点进行核密度分析，结果（图1）表明，宠物医院的空间分布具有明显的聚集效应，在长宁区周家桥街道、虹口区广中路街道、静安区江宁路街道的空间分布密度较大，浦东新区南汇新城密度最低。总体上，虽然单个行政区中浦东新区、松江区和宝山区宠物医院数量最多，但以上各区分散于城市的东、西和北部，且浦东新区面积在上海各区中排名靠前，因此以上各区宠物医院并没有形成总体明显的集聚特征；位于中心城的静安、虹口、普陀、长宁等区共同构成了中心集聚，宠物医院总体呈现出从中心城区向周边区县扩散的趋势。
图1 上海市宠物医院核密度分析

Fig.1 Kernel density analysis of Shanghai pet hospital

为进一步探索宠物医院集群分布情况，运用Python编程实现DBSCAN空间聚类算法，并根据轮廓系数确定聚类的最优系数，最终将算法参数分别设置为 ε=1440 m、Eps=4。聚类分析从562个宠物医院中有效识别出41个集群（簇类），剔除噪声点187个，分别统计并可视化各集群的集群规模和空间形态指标，结合K-means方法划分集群等级。为确定划分的最佳等级数，借鉴已有研究，以轮廓系数作为评价指标[19]，最终确定最佳划分等级数为n=5，并通过QGIS平台将集群分布可视化。如图2所示，各集群间边界较为清晰，与核密度分析结果中的热点分布区域有较好的一致对应性，较好地反映了上海市宠物医院空间分布格局。根据聚类分析结果，上海市宠物医院集群主要位于主城区，逐渐向西南部和西北部扩散。从集群规模来看，规模最大的是集群29，包含48个宠物医院，分布于静安区、虹口区和杨浦区；其次为集群34和集群33，分别包含34、32个宠物医院，均位于浦东新区内；规模最小的为集群22，包含3个宠物医院，分布于普陀区和嘉定区交界处（图2，表3）。
图2 上海市宠物医院集群分布(左上大图)和等级划分图(右与下小图)

Fig.2 Distribution of pet hospitals in Shanghai (left) and classification map (right)

表3 集群规模与等级

Tab.3 Cluster size and classification

集群名 集群规模
（个）		 区域 等级 集群名 集群规模
（个）		 区域 等级
集群22 3 嘉定区、普陀区 五级 集群5 7 松江区 四级
集群4 4 松江区 集群16 7 闵行区
集群6 4 松江区 集群18 7 闵行区、长宁区
集群8 4 嘉定区 集群30 7 宝山区、静安区
集群10 4 金山区 集群36 7 杨浦区
集群14 4 闵行区 集群1 8 清浦区
集群15 4 闵行区 集群26 8 徐汇区
集群19 4 长宁区 集群28 8 徐汇区、长宁区
集群24 4 宝山区 集群13 9 嘉定区、普陀区
集群25 4 宝山区 集群23 9 普陀区、宝山区
集群32 4 浦东新区 集群40 10 浦东新区
集群35 4 杨浦区 集群41 10 浦东新区
集群39 4 浦东新区 集群2 11 松江区
集群3 5 清浦区、松江区 集群17 11 闵行区、长宁区、徐汇区
集群7 5 嘉定区 集群27 11 徐汇区、黄浦区
集群12 5 嘉定区 集群11 15 闵行区 三级
集群21 5 普陀区 集群20 22 长宁区、普陀区、静安区
集群31 5 宝山区、静安区 集群33 32 浦东新区 二级
集群9 6 金山区 集群34 34 浦东新区
集群37 6 宝山区 集群29 48 静安区、虹口区、杨浦区 一级
集群38 6 浦东新区 集群名
上海市宠物医院各集群的空间形态具有明显的演变特征。随着集群规模缩小，宠物医院集群的紧凑度呈下降趋势（图3a），集群内各宠物医院之间的空间距离增大，联系的紧密性即网络分析中的数学关系由于距离和紧凑性的变化而下降。与此同时，集群的不对称度波动上升（图3c），不对称性逐渐增强，集群的空间形态趋于多样化。延伸度（图3b）和密度（图3d）变化趋势较缓，出现明显的峰值，这说明部分小规模集群呈条带状分布，而大规模集群聚集效应更为显著，在区域内主要呈团状或块状分布。
图3 上海市宠物医院集群分布图和集群空间形态指标

Fig.3 Cluster distribution map and cluster spatial shape indicators of Shanghai pet hospitals

2.2 上海市宠物医院空间层级划分：五级结构，呈“一核多级”空间分布

从集群等级看，根据K-means分析可将41个集群分为5个等级。其中：一级涵盖集群29，宠物医院数量为48个，占比8.54%；二级涵盖集群33和集群34，宠物医院数量分别为32和34个，占比11.74%；三级涵盖集群11和集群20，宠物医院数量分别为15和22个，占比6.58%；四级涵盖集群1、集群2、集群5等15个集群，占比23.13%；五级涵盖集群3、集群4、集群6~10等21个集群，占比16.73%（图2，表3）。
从集群分布来看，上海市宠物医院呈现“一核多级”的空间分布形式。首先，“一核”指由第一等级集群组成的核心区域，集群中心位于上海市中心城区东北部的虹口区，该区域范围为上海人口高密度城区，虽然目前经济发展速度在上海各区中并不领先，但该区“老上海”的文化底蕴深厚，是老上海居民的集中居住地，商业和居民区发展较长久和成熟，在常住居民基础上，宠物医院发展较为充分。宠物经济与人居具有的紧密相关性，也显示出宠物经济的日常情感特质，宠物不仅成为宠物主生活空间的重要参与者，例如“它就是你生活里面离不开的那个人”[JLP-第七集]，也使宠物主对宠物的经济投入具有较大刚性，例如“即使收入不高，也会节省日常消费以支付宠物医疗费用”[CWZ-16]，以上紧密的情感与经济联系使城市中人的生存与宠物生存密不可分。其次，“多级”则指由二级和三级组成的区域，集群中心位于浦东新区、普陀区和闵行区，处于快速增长阶段。其中，浦东新区新兴高科技产业聚集，是上海经济快速发展的重要增长极，年轻高学历人口快速增长发展，该人群是宠物经济的重要消费群体。虽然浦东新区人口增长快，但地理面积较大，因此人口密度小于作为“一核”的虹口区，宠物医院分布也落入二级的“多级”层次。闵行区位于整个上海的地域腹部，与浦东新区接壤，在上海市各区中经济水平排名靠前，增长速度块，路网完善便捷、行业门类丰富；普陀区位于上海中心城区西北部，以上海老居民生活区为特征，以上各区拥有较充分的社区养宠土壤。
从集群形态看，各等级集群的空间形态不同，具有明显的特征（表4）。一级和二级集群的紧凑度较高，密度较低，延伸度和不对称度较低，集群内宠物医院间的空间联系紧密，团块特征突出；三级集群的不对称度最高，紧凑度略低，集群的空间分布形状更为多样；四级集群的密度最高，不对称度最低，表明该类集群的集聚效应明显；五级集群的延伸度最高，紧凑度最低，沿街道扩散的条状分布特征凸显。总体来看，随着等级变化，集群空间形状的紧凑度下降，密度上升，延伸度和不对称度则波动变化。
表4 各等级集群空间形态指标

Tab.4 Spatial shape indicators of clusters at all levels

等级 集群数量（个） 集群中心 紧凑度（COR） 延伸度（ELG） 不对称度（ASM） 密度（DENS）
一级 1 48 0.188 2.187 0.618 12090.680
二级 2 33 0.157 1.989 0.518 12727.060
三级 2 18.5 0.067 3.312 0.759 25970.126
四级 15 8.67 0.045 1.993 0.426 45964.223
五级 21 4.48 0.013 23.250 0.721 392060.708

3 城市宠物医院空间影响因素

3.1 模型拟合效果分析

首先，通过OLS模型检验各项指标对上海市宠物医院密度的拟合程度，计算所得 R 2为0.627，校正 R 2为0.598，模型拟合程度较高，可进行多尺度地理加权回归分析。其次，基于AICc确定最优带宽，使用MGWR软件构建多尺度地理加权回归模型，对上海市街道尺度的数据进行回归分析，计算得到 R 2为0.629，校正 R 2为0.585，拟合性能略高于OLS模型，各系数的统计分析结果见表5。所有自变量的作用尺度均为153，占整体样本的27.22%，接近上海市区域尺度，说明自变量在行政区大小范围内的影响基本相同，超出该范围则系数出现较大变化，总体上各变量在行政区划尺度上存在空间差异性。
表5 上海市宠物医院密度的MGWR模型计算结果

Tab.5 Calculation results of MGWR model of Shanghai pet hospital density

变量 平均值 标准差 最小值 中位值 最大值 带宽 p值 显著性
常数 -0.032 0.007 -0.040 -0.035 -0.013 153 1.000
公交站点密度 -0.217 0.004 -0.221 -0.219 -0.204 153 0.036 *
地铁站点密度 -0.061 0.004 -0.072 -0.059 -0.055 153 0.412
宠物用品店密度 0.443 0.002 0.436 0.443 0.447 153 0.000 ***
路网密度 0.069 0.003 0.054 0.070 0.073 153 0.548
住宅区密度 0.341 0.003 0.331 0.342 0.345 153 0.006 **
常住人口密度 0.197 0.008 0.179 0.197 0.214 153 0.061
公园广场密度 -0.241 0.004 -0.251 -0.241 -0.233 153 0.002 **
房屋价格 0.121 0.008 0.102 0.124 0.132 153 0.320
与最近地铁站距离 0.030 0.006 0.021 0.030 0.045 153 0.743
与最近宠物用品店距离 -0.029 0.021 -0.061 -0.027 0.007 153 0.871
区域面积 -0.140 0.010 -0.151 -0.143 -0.103 153 0.213
AICc 325.340
R 2 0.629
校正 R 2 0.585

注：*、**、***分别表示5%、1%、0.1%的显著水平。

3.2 影响因素的空间异质性分析

从全局回归结果来看，街道内的公交站点密度、宠物用品店密度、住宅区密度和公园广场密度与上海市宠物医院分布密度显著相关，常数项则表明分布区域与宠物店空间密度具有负相关关系，分别将影响显著的4个因素的回归系数进行可视化呈现（图4）。
图4 MGWR回归系数空间分布特征

Fig.4 Spatial distribution characteristics of MGWR regression coefficient

公交站点密度与宠物医院密度呈负相关（图4a），相关程度从上海市西南向东北逐渐增大，系数取值在-0.204~ -0.222之间，均值为-0.217，标准差为0.004。高值主要集中在杨浦区、静安区和黄浦区。公交站点密度越高的区域宠物医院密度越低。一方面，公交站点密集的商业地区地价相对较高。对于养宠群体来说，宠物医院具有医疗保障机构的性质，并非完全的商业休闲体验地，因此需求刚性较大，再加上“前期投入成本高，投资回报周期长”[Web-09]等特征，因此并不需要集中于高地价的商业中心，例如访谈中宠物医院从业者提出的，“……（选址）不需要在大马路上，更重要的信任你的品牌”[CYY-03]。另一方面，虽然上海城市规划已相对先进，但交通站点等布局仍需优化。因此，从分析结果也可以看出，虽然选址在公交站点密度上有所妥协，但在上海发达的地铁等交通系统支持下，宠物医院交通通达性也具有基本保障，从而宠物医院的选址不完全依赖公交站点密度，这一点与人类医院具有类似特征，即交通便捷可降低特定区域对医院服务的依赖[28]。此外，由于公共交通规划所存在的滞后性，其站点布局规划有可能迟于城市需求，因此导致此类统计结果。更进一步地，从宠物主的角度看，对医疗机构的需求也类似人类医院，民众存在“向上择医”的就医行为选择[29]，例如，“大学的附属动物医院最可靠，像中国农业大学的那个动物医院，里面都是教授和博士，人家不图钱”[CWZ-10]，这种认知产生的原因在于国民认知中对大型机构、公立部门的信任和认可。
宠物用品店密度对宠物医院密度影响显著且呈正相关（图4b），相关程度从上海市东南向西北逐渐增大，系数取值在0.436~0.447之间，均值为0.443，标准差为0.002。高值集中于崇明区、嘉定区和宝山区。宠物用品店密度越高的地区宠物医院密度也越高，显示出宠物相关商业形态具有集群特征，二者具有协同关系，共同服务于城市宠物经济空间。这一点在宠物医院从业者选址中也得到反映，例如“在开店时，要看周围有丰富的宠物用品店”[Web-121]。
住宅区密度与宠物医院密度有显著的正相关（图4c），关系程度由西部向东部区域增强，系数取值在0.332~0.345之间，均值为0.341，标准差为0.003，在浦东新区正相关最强。宠物医院的这一特征显示出与其他商业形式，例如餐饮布局具有的不同特征。以KFC为例，连锁餐饮店在城市内部的空间扩散主要受经济规律控制[30]，而宠物医院具有一定的公共服务性质，对于养宠主来说属于必需的医疗机构，因此与居住要素更加相关，例如医院经营者提出的，“不需要和餐饮企业去抢流量地点，租金高，并且商业地段噪音等问题也不利于宠物店” [CYY-09]。
公园广场密度与宠物医院密度负相关（图4d），相关程度由西北区域向东南区域增长，系数取值在-0.233~-0.251之间，均值为-0.241，标准差为0.004。其中浦东新区的公园与宠物医院负相关最为明显。一方面，以往研究指出，虽然浦东区拥有世纪公园等大型的生态游憩空间，但布局不均衡，且由于区域总面积过大，使得其核心服务面积较低[31]。另一方面，根据《上海市养犬管理条例》，大部分公共场所不允许宠物进入[32]，因此大型公园作为公共场所不允许宠物进入或只开放小面积区域给携宠游客，反而压缩了宠物的游憩活动空间。可以看出，公园的绝对数量并非城市社区活力的指示器，也并非宠物医院的决定性影响因素。

4 基于空间分析的质性阐释：宠物医院问题与趋势

从空间聚集和影响因素可以看出，人口是宠物医院空间分布的基础。但通过质性研究也发现，宠物医院虽然在人口密集的居住区显示出空间布局上的高密度，但医患双方仍存在多维度未被满足的需求；同时，在空间可达性之外的问题也逐渐出现，以专业（人才）可达性、异宠就医可达性、价格可达性、时间可达性等问题为主要表现，宠物医疗资源空间需进一步优化。
第一，宠物医院对店内环境、硬件设备要求大，对资金依赖度高，而个体医院在融资、技术和设备等方面投入难以与大型连锁企业抗衡，因此宠物医疗领域的高级人才更多流向大品牌连锁店，导致宠物主对个体医院专业性的不信任，也进一步导致上文提到的宁可花费时间成本也要“向上择医”的问题，如在与网络平台宠物主交流中存在“好的宠物医院规模都不能太小”[Web-41]的认知。这种心理也使得布局在社区的个体小型宠物医院资源遭遇忽视，导致医院和宠物主的双重利益受到损失，前者的损失表现在收益与客户群的损耗，后者的损失体现为时间和经济成本。同时，位于城郊的宠物医院集群由于地理位置、设备和资金缺乏等因素往往不受重视，导致空间分布不集中。
第二，由于近年来宠物医疗行业头部品牌进行大规模布局，其通过资本和标准化快速实现规模扩张，大型宠物医疗集团旗下的连锁宠物医院收购个体宠物医院成为浪潮，使得个体医院生存更加困难，从业者也产生了“宠物医院不适合私人去干……”[Web-19]等认知；甚至出现了个体医院“开张就是个形式，等着被收购”[CYY-03]的情况。同时，近年来异宠产业快速发展，异宠就诊需求增加，但个体小医院基于成本和人员等原因难以针对小众客户提供设备或技术，也进一步促使异宠诊疗这个潜力巨大的市场流向大型连锁医院。此外，个体医院具有更高的价格弹性，因此资本支持下的大型宠物医院向核心城区集聚，个体医院只能向城郊分散流动。
第三，宠物就医价格昂贵导致了宠物主不敢携宠就医或放弃就医等伦理问题。多个被访者在谈到无力承担高昂的治疗费用时，表达了在经济现实和动物关怀之间的矛盾感。
第四，以往研究发现了人类医院在时间可及性[33]方面的重要性，本研究发现宠物主对宠物医院具有同样的需求。就时间可达性来讲，夜间急诊是众多宠物主的需求，尤其是针对浦东新区这样的高科技人才集聚地，众多工作繁忙的宠物主只有在夜间才能携宠就医。但由于人力和资本限制，个体宠物医院能够承担夜间急诊的能力有限，因此夜间市场也流向大规模品牌店。
与此同时，宠物医院空间布局也面临新的机遇和挑战，线下就医的不便性和高成本催生了线上宠物医疗的发展，全国2022年线上问诊数增加了300%[1]，这也导致了宠物医院的2个转变趋势：①宠物主通过网络获得的宠物知识不断提升，通过网络购买的宠物食物、药品等比例日益增加，导致传统宠物医院重要的收入来源被网络平台取代。②宠物医院的声誉、信任度的获取日益依赖网络平台，通过私域传播、公域直播等方式来触达用户，宠物主通过网络平台在线下就医前已经有了信任的医院品牌，因此宠物医院对线下区域的过路“人流量”等要素的依赖日益减少，对医“患”之间信任与情感联系的依赖增加。

5 结论与讨论

5.1 结论

本文基于空间大数据，通过DBSCAN、K-means聚类和多尺度地理加权回归模型，分析了上海市宠物医院的空间分布与集聚特征，并探索了经济、社会、交通等要素的影响。得出主要结论如下：
①空间特征上，就单个行政区来说，浦东新区、松江区和宝山区的宠物医院数量最多；就空间分布来说，具有明显的聚集效应，在长宁区周家桥街道、虹口区广中路街道、静安区江宁路街道的空间分布密度较大，呈现出从中心城区向周边区县扩散的趋势。
②集群分布方面，上海市宠物医院共呈现41个集群（簇类），集群主要位于上海市主城区，逐渐向西南部和西北部扩散。这一特征与上海总体居住密度存在一致性，即高度集中于中心城[33]。从集群规模来看，规模最大的分布于静安区、虹口区和杨浦区；规模最小的分布于普陀区和嘉定区交界处。以往研究指出高密度居住区对人类医疗服务具有高需求[28]，从本文结论也可看出宠物医院具有类似特征。
③空间演变方面，上海市宠物医院各集群的空间形态具有明显的演变特征。随着集群规模缩小，宠物医院集群的紧凑度呈下降趋势，集群的不对称度波动上升，集群的空间形态趋于多样化，延伸度和密度变化趋势较缓，出现明显的峰值。部分小规模集群呈条带状分布，而大规模集群聚集效应更为显著，在区域内主要呈团状或块状分布。
④层级划分方面，上海市宠物医院共分为五级，并呈现“一核多级”的空间分布特征。其中，“一核”指由一级集群组成的核心区域，集群中心位于人口密度大、老上海文化底蕴深厚的虹口区；“多级”则指由二级和三级组成的区域，集群中心位于浦东新区、普陀区和闵行区，处于快速增长阶段。随着城市发展，在人口空间演化和就业空间方面，上海呈现出分散化趋势和多中心化特征[34]，尤其是新兴产业发展带来的大量年轻劳动力成为养宠的重要人口构成，也创造了大量的宠物医院需求。
⑤上海市宠物医院密度与社会环境要素关系密切。宠物用品店密度与宠物医院密度正相关，相关程度从东南向西北逐渐增大；住宅区密度与宠物医院密度正相关，相关程度由西部向东部区域增强；公交站点密度与宠物医院密度负相关，相关程度从西南向东北逐渐增大；公园广场密度与宠物医院密度负相关，相关程度由西北向东南增大。
⑥本研究还发现了当下宠物医院在空间可达性之外存在的专业（人才）可达性、异宠就医可达性、价格可达性、时间可达性等问题，指出了数字化发展中宠物医院的转变趋势，包括对线下空间布局中过路人流量等要素的依赖减少，宠物医院品牌和信任价值的重要性增加，对专业人才、专业设备的要求增加等。

5.2 讨论

上海城镇化水平高，以上海为代表的城市宠物医院的空间分布及其影响因素能够反映城市化进程中空间使用方式的变迁。宠物经济所编织的情感与经济地理的新空间[35]是城市社会环境和精神生活的具象化反应。段义孚在《制造宠物》一书中指出，饲养宠物代表着人类渴望的关系，包含支配与感情的双重性[36]，宠物医院的发展无疑是在人类文明进程中“超越人类中心主义”的思想进步的佐证，是城市文明发展中人与自然关系和人地关系的表征。优化动物医疗空间是应对长久以来人类中心主义导致的宠物福利危机和权利危机的基础，也能够预防因遗弃而导致的流浪宠物带来的社会安全和疾病传播隐患。
现有相关宠物诊疗的政策中，《动物诊疗机构管理办法》已对宠物医疗机构的设施、医疗水平和诊疗规模等各方面提出了规范化管理方案[37]。2022年底，国家对全国20多个城市的宠物诊疗机构进行了专项整治行动[38]，以贯彻落实相关管理措施。但现阶段对于宠物诊疗机构的管理仍停留在内部行业规范的初期阶段，对于优化医疗空间的构想仍有待加强。随着城市土地的日益紧缺，城市空间布局优化日益重要，因此在城市空间规划中更应注重空间品质，本研究也说明在这一背景下的城市基础设施建设需切实关注具有人本性和情感性特征的城市商业体，才能真正激发城市中人与情感的活力。
从研究结论看，上海市宠物医院的聚集效应呈现出从中心城区向周边区县扩散的趋势，这一特征重合于上海“中心—边缘”的就业和社会空间结构特征[34]。此外，宠物用品店和住宅区密度与宠物医院密度正向相关，而公交站点和公园广场密度与宠物医院密度负向相关。该现象的深层原因在于，宠物用品店是市场自发形成的能够反映居民区活力的商业体，住宅区密度则能够直接反映居民生活密度，而公交站点和城市公园广场则是基于城市官方规划的基础设施，在某些行业中或许能够反映消费水平，但基于宠物医疗的行业特殊性，以及公共政策或条例对行业的规范管理，以基础设施反映宠物消费特点会导致部分信息遗漏。因此，宠物医院空间布局研究和规划需同时考虑市场力与行政力。
此外必须意识到的是，宠物医院实际上也承载公共服务功能，但因为其对商业资本的依赖等问题也产生了多个维度所存在的“可达性”障碍，包括专业（人才）可达性、异宠就医可达性、价格可达性、时间可达性等，需要政府的政策规范与引导。特别是在大型连锁品牌产业链整合过程中，要加强对社区宠物医院、小型个体宠物医院的支持和保护，完善城市宠物医院在规模和专业性上的全方位、多层级体系，才能更好地服务于普通大众。
虽然以宠物医院作为分析对象是探索城市人居和情感特征的重要入口，但其中还有很多问题是本文尚未解释的。①本研究在选取样本时将不同类型的宠物医院放进了研究范畴，探讨上海宠物医院的整体分布特征，但并未考虑不同类型宠物医院的异质性。未来研究可进一步探索不同类型的宠物医院，包括品牌连锁、专科宠物医院、大型综合医院、社区诊所等因服务范围和功能不同[39]而产生的空间布局特征。②本研究仅基于线下实体宠物饲养医疗进行来研究，但是现阶段互联网元宇宙兴起，云养宠物、智能养宠等数字化发展趋势会对线下宠物医疗空间布局产生何种影响，本研究并未探讨。未来研究可以将数字化宠物饲养和信息化因素纳入考量范畴。③在经济影响因素方面，未来可探讨多元经济因素对宠物医院集聚的影响，再对相关因素进行地理加权回归研究，突破现有基础研究的局限。④本研究对影响因素的选择总体上遵循了传统影响因素框架，但也发现新要素可能具有的解释力，未来研究可进一步探索区域科技发达程度、人才聚集程度、高科技产业数量、新式休闲空间数量等要素与宠物医院之间的关联，这些关系中蕴含着不同的经济和地方情感特征，皆为未来值得探索的方向。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
艾瑞咨询. 2023年中国宠物消费趋势白皮书[R]. https://report.iresearch.cn/report_pdf.aspx?id=4140.

[2]
廖健豪, 蔡浩辉, 陶伟. 重新认识人类与动物:西方新动物地理学研究进展[J]. 地理科学, 2021, 41(11):1980-1991.

DOI

[3]
于立深. 城市家养动物自由的行政法规制——美国经验的中国借鉴[J]. 华东政法大学学报, 2018, 21(5):156-169.

[4]
尹铎, 高权, 卢薇, 等. 超越人类的地理学视角下丽江古城旅游地的营建与消费[J]. 旅游学刊, 2021, 36(4):96-105.

[5]
杨发祥, 李安琪. 都市青年白领的宠物消费[J]. 青年研究, 2022(1):73-83,96.

[6]
朱竑, 尹铎. 自然的社会建构:西方人文地理学对自然的再认识[J]. 地理科学, 2017, 37(11):1609-1616.

DOI

[7]
А Г 巴尼可夫. 论动物地理学的几个原则、方法和任务[J]. 地理学报, 1958, 13(2):119-122.

[8]
张荣祖. 我对于动物地理学的内容及其任务的初步认识[J]. 地理学报, 1954, 9(3):359-365.

[9]
卢薇, 尹铎, 朱竑. 西方超越人类的地理学研究进展[J]. 地理学报, 2019, 74(10):2178-2191.

DOI

[10]
Jennifer Wolch. Zoöpolis[J]. Capitalism Nature Socialism, 1996, 7(2):21-47.

[11]
张博. 历史动物地理研究的他山之石——《历史动物地理》评述[J]. 地理学报, 2019, 74(10):2192-2193.

[12]
李启瑄, 王录仓, 乔杰, 等. “物象·意象、经济·情感”新数据环境的餐饮业空间特征——以兰州市为例[J]. 经济地理, 2018, 38(7):126-135.

DOI

[13]
袁振杰, 何兆聪, 蔡晓梅, 等. 中国社会文化地理学研究的发展与反思:基于2015——2020年中英文文献分析[J]. 热带地理, 2022, 42(3):358-372.

DOI

[14]
李家銮, 韦清琦. 不可靠的宠物叙事:对人类中心主义的生态美学反思[J]. 文化研究, 2017(4):43-55.

[15]
殷瑞刚, 魏帅, 李晗, 等. 深度学习中的无监督学习方法综述[J]. 计算机系统应用, 2016, 25(8):1-7.

[16]
马小宾, 侯国林, 李莉, 等. 基于DBSCAN算法的民宿集群识别、分布格局及影响因素——以南京市为例[J]. 人文地理, 2021, 36(1):84-93.

[17]
刘瑞宽, 李九全. 西安市实体书店空间分布特征及影响因素——基于DBSCAN算法的分析[J]. 经济地理, 2021, 41(6):87-96.

DOI

[18]
李新延, 李德仁. DBSCAN空间聚类算法及其在城市规划中的应用[J]. 测绘科学, 2005, 30(3):51-53,5.

[19]
杨帆, 徐建刚, 周亮. 基于DBSCAN空间聚类的广州市区餐饮集群识别及空间特征分析[J]. 经济地理, 2016, 36(10):110-116.

[20]
杨志民, 化祥雨, 叶娅芬, 等. 金融空间联系及K-means聚类中心等级识别研究——以长三角为例[J]. 地理科学, 2015, 35(2):144-150.

DOI

[21]
刘婧, 甄峰, 张姗琪, 等. 新一代信息技术企业空间分布特征及影响因素——以南京市中心城区为例[J]. 经济地理, 2022, 42(2):114-123,211.

DOI

[22]
沈体雁, 于瀚辰, 周麟, 等. 北京市二手住宅价格影响机制——基于多尺度地理加权回归模型(MGWR)的研究[J]. 经济地理, 2020, 40(3):75-83.

DOI

[23]
马晓敏, 张志斌, 公维民, 等. 兰州市制造业空间格局演化及驱动因子识别[J]. 地理科学, 2023, 43(3):519-529.

DOI

[24]
王海英, 薛领, 赵威. 北京市大型医院空间优化与再配置的计算实验研究[J]. 中国卫生资源, 2023, 26(1):80-87,96.

[25]
梁永福, 游少莹, 刘宝欣. 人口集聚、人力资源匹配与产业升级[J]. 西北人口, 2023, 44(5):84-97.

[26]
毛琦梁. 技术进步、空间竞争与产业区位变化——基于产业区位一般均衡模型的实证与模拟[J]. 科技管理研究, 2018, 38(15):127-138.

[27]
郎昱, 严婧滔, 孙荃, 等. 住房成本、人口流动与产业集群[J]. 统计与决策, 2022, 38(22):153-157.

[28]
汪佳莉, 季民河, 邓中伟. 基于地理加权特征价格法的上海外环内住宅租金分布成因分析[J]. 地域研究与开发, 2016, 35(5):72-80.

[29]
郭亮, 彭雨晴, 贺慧, 等. 分级诊疗背景下的武汉市医疗设施供需特征与优化策略[J]. 经济地理, 2021, 41(7):73-81.

DOI

[30]
周尚意, 左一鸥, 吴倩. KFC在北京城区的空间扩散模型[J]. 地理学报, 2008, 63(12):1311-1317.

[31]
李华. 上海城市生态游憩空间格局及其优化研究[J]. 经济地理, 2014, 34(1):174-180.

[32]
上海市第十四届人民代表大会常务委员会. 上海市养犬管理条例[Z]. 2016-02-23.

[33]
朱玮, 梁雪媚, 桂朝, 等. 上海职住优化效应的代际差异[J]. 地理学报, 2020, 75(10):2192-2205.

DOI

[34]
丁亮, 钮心毅, 宋小冬. 上海中心城就业中心体系测度——基于手机信令数据的研究[J]. 地理学报, 2016, 71(3):484-499.

DOI

[35]
孙佼佼, 吕兴洋, 黎耀奇, 等 宠物现象的经济地理学思考:多元议题与创新方向[J]. 经济地理, 2022, 42(7):1-10.

DOI

[36]
段义孚. 制造宠物:支配与感情[M]. 上海: 光启书局, 2022.

[37]
农业农村部. 动物诊疗机构管理办法[Z]. 2022-08-22.

[38]
农业农村部办公厅, 市场监管总局办公厅. 农业农村部办公厅市场监管总局办公厅关于在部分城市开展规范宠物诊疗秩序专项整治行动的通知[Z]. 2022-10-26.

[39]
黄安, 许月卿, 刘超, 等. 基于可达性的医疗服务功能空间分异特征及其服务强度研究——以河北省张家口市为例[J]. 经济地理, 2018, 38(3):61-71.

DOI

Options
文章导航

/

〈 〉