中国城市人口空间网络结构及其影响因素
中国城市人口空间网络结构及其影响因素
描写黄山的诗句
作者:姚永玲 邵璇璇
来源:《人口与经济》2020年第06期
韩国李明宇
入党介绍人意见范文
        摘要:采用社會网络分析法从城市关系角度研究中国地级及以上城市人口空间结构。发现中国人口空间结构呈现“分散式集中”的特点,大城市病与收缩城市现象并存。进一步从要素分布空间梯度的角度探究人口结构的影响因素发现,城市区位特征仍然是影响人口变动的主要因素,尤其是快速发展的高铁网络将成为改变人口空间格局的最主要因素;经济因素吸引力在降低,公共服务将成为城市吸引人口的重要因素。针对“大城市病”和“收缩城市”问题,应当增加中小城市的公共服务资源供给,在不同等级城市之间进一步推动公共服务均等化,将分级诊疗制度与城市规模相结合,提高中小城市的工资收入水平,缩小城市间工资差距并控制住房成本,强化局域城市人口网络结构。
如何购买基金新手        关键词:城市网络;人口空间结构;社会网络分析方法
        中图分类号:C922 文献标识码:A 文章编号:1000-4149(2020)06-0001-16
        改革开放四十多年以来的快速城市化进程,使人口大规模流向城市。但是,近年来随着城市化由快速增长进入稳定阶段,一方面超大、特大和大城市出现了“城市病”,另一方面在一些城市却出现了“收缩”现象,表明中国人口空间结构出现聚集与分散并存的趋势;也使得人口迁移由城乡之间转向城市之间。正是城市之间在资源和人口等各要素上展开的更
为激烈的竞争,导致了城市扩张与收缩的不平衡分布。陈川等在研究小城镇的收缩问题时,将收缩原因归结为要素对人口的吸引力在空间上的差异,并指出小城镇由于联系网络较弱、依附性较强而容易发生城市收缩。刘玉博和张学良也认为城市收缩一定程度上体现了“城市人口聚集能力的减弱”。因此,从城市关系及其形成的人口吸引力方面探索人口流动机制是深刻理解人口空间结构及其演变趋势的有效途径。本文利用社会网络分析方法,通过研究全国地级及以上城市人口网络结构、影响因素及其变化趋势,探究中国城市人口空间分布的内在规律,为未来城市发展和人口空间政策提供依据。
        一、文献综述
        早期的人口空间分布研究主要采用人口集中指数、人口重心、聚类分析、负指数函数等考察人口分布模式及其变化;自改革开放以来,中国人口的流动性胜过以往任何时期,大量研究集中在人口空间结构。在全国空间尺度方面,学者们从各种角度提供了胡焕庸线作为人口分界线的证据。其中,王桂新、刘涛和杨传开等发现,在胡焕庸线基本不变的情况下,内陆地区吸引流动人口的能力在不断强化;但劳昕和沈体雁却发现,在人口仍然从西部落后地区向东部发达地区流动的大背景下,其空间分布有趋同态势。在局部空间尺度上,
毛其智等对比2000年和2010年的城镇化图景发现,中国城市统计区和高密度城镇化地区都呈现出明显的空间扩张态势;但邓智团和樊豪斌却认为,中国中小城市人口规模增长动力相对不足,曾永明也指出中国人口分布极化特征将持续加大。同时,李博等发现,改革开放以来省内人口空间分布差异和地级行政单元内的空间分布差异在增强;张国俊等也发现了人口在不同城市表现出不同的集聚和扩散效应。可见,中国的人口空间结构在全国整体稳定的“表面现象”之下,局域尺度的空间结构正在发生重大变化,需要从空间(或城市)关系角度研究人口的聚集与扩散机制。
        在人口的空间结构及其影响因素方面,多数研究根据人口分布的变化认为,人口仍然保持向大城市集中的趋势,而且更多受到城市经济社会因素的影响。如,张耀军、岑俏从省市县三个层面对省内和省际人口迁入进行了可视化分析,指出珠三角、长三角和京津冀人口集聚中心地位保持不变;刘涛等根据中国第五和第六次人口普查数据发现,流动人口最多的1010城市接收了45.5%的流动人口:劳昕等在2018年采用扩展的NEG模型模拟城镇体系演变后发现,中国仍表现为人口向100万人以上大城市流人为主的集中式城镇化特征;戚伟等对市县级流动人口核算后发现,社会经济因素逐步成为影响地区人口变动的主导因素。但是,该研究对人口流动进一步形成的空间结构以及城市哪些因素对人口规模变动更朋友圈直升机
有吸引力没有涉及。在一些专门探讨人口流动影响因素的研究中,不同研究的专注点有较大差异。田明等在2016年对人口迁移特征的研究发现,第一次迁移的城市区位影响后续迁移倾向;芬尼(Finnie)2004年对加拿大跨省迁移的数据进行logit分析后指出,小城镇居民更愿意迁往收入高的城市地区;刘涛等从农村劳动力角度认为,非农就业机会和公共服务影响人口流动;张耀军、岑俏认为,就业率影响城市的流动人口;沈建法和刘晔2016年研究移民技能对迁移的影响发现,无论技能高低,吸引移民的都是高工资;王玉霞等2019年针对春节期间的人口移动研究发现,第二和第三产业发展和工资水平以及外商投资与流动人口密切相关。人口作为社会经济的综合载体,各因素都会影响人口移动。随着城市之间对人口竞争的日益激烈,研究人口空间结构的影响因素,更需要从城市之间的差异角度,分析人口在不同城市之间的选择机制。显然,已有研究还缺乏对城市吸引人口要素空间分布差异的考虑。
        截至2019年底,中国人口城镇化水平达60.6%,接近中高收入国家水平,这标志着人口城镇化将进入增速趋缓的新时期。与此同时,城市和都市圈将是人口主要集中地区,从而使人口流动表现出近域化趋势。从人口流动的空间关系角度出发,刘颖等采用空间计量模型分析后发现,省际人口流动具有明显的空间依赖性特征,净迁移率变化受周边地区
的正向影响。葛美玲、潘倩和戚伟等采用多种统计指标发现了中国人口分布的空间自相关特点:吴殉等发现中国省域人口密度分布在全局自相关上均呈现空间正自相关;同时,吴雪萍和赵果庆发现,在空间自相关和空间位置相关共同作用下,东部沿海地区已经形成了城市人口规模聚集区。以上结论表明,人口分布存在空间相互作用关系。由于人口流动主要取决于吸引人口要素的空间分布,仅有空间相关的结论尚无法解释人口空间流动态势,因而需要建立各影响因素的空间分布梯度,以考察这些因素的空间分布格局对人口流动的影响。
        近年来,网络分析工具的兴起深化了人口网络结构的研究。蒋小荣和汪胜兰认为,城市间人口流动网络显现出明显的等级层次性;但研究仅限于对人口网络结构特征的描述,没有揭示影响人口网络的其他因素以及这些因素所构成的空间网络。劳昕等2016年对比中国城市交通网络和经济网络的耦合关系后认为,交通网络与经济网络对城镇体系的作用完全相反,现有模型还不足以解释它们对人口网络结构的具体影响。本文采用社会网络分析方法,对全国地级及以上城市构建人口非对称空间网络;并分别选择对人口空间流动有重要影响因素的空间梯度指标,构建非对称的自变量空间网络;通过基于城市人口规模体系构建的城市网络,以及城市网络所表现的城市关联,分析人口空间结构演变趋势及各因素空间分网速太慢怎么办
布格局对人口流动的影响,进而为人口空间政策提供依据。
        二、研究方法与数据
        空间网络主要探讨所研究对象之间的空间关系,一般以对称网络最为普遍。但是基于要素的空间分布对人口流动的影响,需要揭示要素空间分布格局对人口形成的吸引力差异;尽管城市之间的联系对等,但要素在不同规模城市分布所形成的梯度差异较大,从而形成了完全不同的人口吸引力。因此,人口空间结构的影响因素必然是基于非对称关联矩阵构建的非对称网络。
        1.非对称关联矩阵的建立
        关联矩阵所使用的数据类型不同,网络结构所表示的意义也会发生变化。当采用空间“流”数据时,网络特征值主要体现的是空间多点之间的联系;当采用规模等存量数据时,网络特征值可以反映多点之间形成的空间结构。构建城市之间人口关联的途径主要有两种,一是基于手机信令反映的实时数据描述人口流量,二是采用人口规模数据的引力模型构建关联矩阵。由于城市“流”数据反映的是城市之间实际发生的最直接联系,更适用于城
市;引力模型则是根据城市规模与距离推测城市关系,规模越大,引力越强,其空间结构意义远大于空间流意义,更适合较大空间尺度的规模结构;另外,引力模型基于城市规模对可能发生的城市关系潜力进行估算,反映了未来可能发生的结构趋势。波特(Poot)等在2016年通过对参数稳定性和距离测度的讨论,从引力模型起源、发展、变形和应用等角度,进一步确认了引力模型在人口空间流动中的适用性。因此,本文采用引力模型构建全国的城市人口网络结构,通过时间变动发现未来趋势,并以空间结构变动的影响因素探索人口空间变动机制。
        在构建空间网络前需要建立两两城市之间的关联矩阵,一般而言,空间关联矩阵有对称与非对称两种形式。前者主要强调两两城市之间的关联强弱而忽略两者属性和资源分布差异,后者则更注重城市属性和资源分布差异导致的要素分布空间梯度,即城市之间属性和资源分布差异导致人口流动。由于人口流动的趋利性,我们通过对比不同规模等级城市之间对要素竞争力的强弱,构建城市规模等级的非对称矩阵,解释人口空间结构变动趋势及其影响因素。因此,在构建自变量和因变量网络时,除了空间邻近性和通过铁路交通建立的城市关联矩阵外,我们对人口的因变量网络和其余自变量网络建立非对称的关联矩阵。
        2.网络结构分析方法
        社会网络分析(Social Network Analysis)可以利用空间单元之间的关系建立网络,并分析空间结构,是目前最为常用的网络分析工具。城市之间在“中心地”和“流空间”共同作用下所表现出的关联,正体现了空间网络结构。

版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198,我们将在24小时内删除。