江苏省流入人口的空间分布及其影响因素分析

胡苗苗，李建辉，闫庆武

（1.黄河水利职业技术学院，河南 开封 475004；
2.中国矿业大学 公共管理学院，江苏 徐州 221116；
3.中国矿业大学 江苏省资源环境信息工程实验室，江苏 徐州 221116）

改革开放以来，中国经济快速发展，工业化、城市化进程加快，劳动力市场分割限制逐渐减弱［1］。与此同时， 区域经济发展的不平衡性和城乡差异的拉大， 以及各地吸引人口流入尤其是高素质人才流入政策的出台，促使我国人口流动的规模逐步扩大。根据全国人口普查统计，2000 年、2010 年全国流动人口分别为1.21 亿、2.21 亿，2020 年全国流动人口高达3.76 亿，短短20 年时间，我国流动人口规模增加了近2 倍。人口的有序流动、人口资源的合理分布对于统筹区域和城乡协调发展， 促进社会稳定发展具有举足轻重的意义［2］。

但大量人口流入也为流入地的社会治安、公共服务、住房、生态环境等带来了巨大压力，并提出了更高要求。因此。研究流动人口的空间分布特征并掌握人口流动的驱动机制至关重要。

目前， 关于人口流动的研究以重力模型最为经典，基于人口因素、经济差异、交通可达性等改进的重力模型也具有广泛应用［3］，此外，空间滞后模型、社会网络分析等也被用于分析人口流动的驱动机制［4］。

这些研究主要存在以下不足：（1）驱动机制的研究模型大都忽略了流动人口的空间自相关特性，即忽略了自变量对因变量的影响会因位置的改变而改变的客观事实；
（2）影响因素的选择大部分都是统计数据，随着人口流动原因的多元化发展，传统的统计数据已不足以支撑流动人口驱动机制的研究；
（3）研究尺度以城市群整体、省、市尺度为主，区（县）或更小尺度的研究较少。鉴于此，笔者以江苏省为研究对象，以区（县）为基本研究单元，分析了江苏省流入人口的空间分布特征和统计特征， 并在此基础上构建普通最小二乘模型（以下简称OLS 模型）和地理加权回归模型（以下简称GWR 模型），定量研究了江苏省人口流入的影响因素， 旨在为江苏省区域人口政策的制定提供参考。

1.1 地理环境和区划

江苏省地处中国大陆东部沿海地区中部，长江、淮河下游，东濒黄海，北接山东，西连安徽，东南与上海、浙江接壤，是长江三角洲地区的重要组成部分。截至2021 年12 月31 日，江苏共辖13 个设区市，95个县（市、区），其中有19 个县、21 个县级市、55 个市辖区。

1.2 经济和人口

江苏省地处长江经济带， 综合发展水平在全国排名领先， 下辖的13 个设区市全部进入全国百强，综合实力百强区、百强县数量位居全国第一。该省人均GDP、 地区发展与民生指数均居全国省域第一，是我国经济发展最活跃的省份之一。

江苏省也是人口流动大省，根据第六次全国人口普查数据，江苏省是人口净流入省， 流入人口来源省份主要是安徽省和河南省。计算指标权重（Q）。

2.1 研究方法

2.1.1 全局空间自相关指数

全局空间自相关指数主要探索属性值在整个空间分布上是否具有相关性，计算公式为式（1）［5］。

式中：I 为全局空间自相关指数；
Xi为区县i 的流动人口数；
W 为空间权重矩阵，代表空间单元i 和j 之间的影响程度；
S2为样本方差；
n 为空间单元总数。

2.1.2 热点分析

热点分析用于识别具有统计显著性的高值（热点）和低值（冷点）的空间聚类，用以分析人口流入在空间分布上的聚类情况，计算公式为式（2）［6－7］。

式中：xj是要素j 的属性值；
wi*j表示要素i 和j之间的空间权重；
n 是样本点总数；
X 为均值；
S 为标准差。

2.1.3 地理加权回归

地理加权回归是对传统的全局回归模型的改进， 它将数据的空间特性以距离加权的方式纳入模型中， 强调自变量对因变量的影响会因位置的改变而改变，更符合客观事实。回归的前提是因变量具有空间相关性［8］。

地理加权回归模型如式（3）所示。

式中：（ui，vi）是第i 个样本空间单元的地理中心坐标；
βj（ui，vi）是连续函数βj（u，v）在i 样本空间单元的值。

2.1.4 熵值法

熵值法是一种客观的赋权方法， 用来衡量指标量化后的数据中容纳的有用信息量， 进而衡量各指标的权重。某个指标的权重愈高，该指标对综合测度的影响程度愈大、代表性愈强［9］。

具体实现过程如下：

设有n 个评价对象，m 个评价指标，Xij为第i 个评价对象的第j 个指标的数值。

对Xij进行标准化处理，得到X*ij。用式（4）计算各评价对象在各指标上的比值（P），用式（5）计算评价指标的信息熵（H），用式（6）计算第j 个指标的信息熵差异系数（F），用式（7）

2.2 数据来源

本研究流入人口数据采用2015 年全国流动人口动态监测数据中现居住地为江苏省的人；
经济、人口等数据来源于《江苏省统计年鉴》；

医院、 超市、ATM 及道路数据利用Python 爬取；
夜间灯光数据采用美国国家地球物理数据中心提供的2015 年的NPP／VIIRS 数据， 并去除异常值且背景值设置为0的数据。

3.1 空间分布特征

江苏省流入人口空间分布特征显著，基本呈“南多北少”的空间分布格局，县级尺度流入人口南北差异更明显。从市级角度来看，流入人口最多的城市是常州市、 南京市和苏州市， 分别约占总流入人口的21.33%、16.67%、15.33%；
流入人口最少的城市是淮安市、盐城市和宿迁市，均不超过总流入人口的1%。从县级尺度来看，流入人口最多的区（县）是常州市武进区、无锡市江阴市和苏州市的昆山市，分别约占总流入人口的8.67%、5.67%和4.67%。

流入人口最多的区（县）均位于苏南地区，流入人口最少的区（县）均分布在苏北和苏中地区。

3.2 统计特征

本研究从10 个方面描述江苏省流入人口的统计特征，如图1 所示。

总体来看，江苏省流入人口以汉族、 有配偶的青壮年为主， 且受教育程度普遍较低；
长时间的省际流动人口较多，安徽省是最主要的省外流入人口来源地；
流入原因以务工、经商为主。从性别构成来看， 江苏省流入人口中男性多于女性（男女比例为1.17∶1）。从民族特征来看，约98%的流入人口为汉族。从受教育程度情况来看，流入人口学历普遍较低， 高中及以下学历人口约为总流入人口的87%（其中未上过学的人口约为3%）， 大专及以上学历流入人口约为总流入人口的13%。

从婚姻状况来看，有配偶的流入人口约占82%。

从流入人口户口所在地来看，跨省流入人口约占65%，省内流入人口约占35%。从年龄结构来看，99%的流入人口中年龄在15～64 岁之间。

从流入时间来看，约71%的流入人口流入时间超过5 年。从流入原因来看，约89%的流入人口为务工、经商，约9.4%的流入人口是家属随迁。从人口来源来看，贡献最大的是江苏省和安徽省，分别约占总流入人口的35%和25%。

分地市来看：南京市流入人口首要来源地为安徽省，其他地市流入人口首要来源地均为江苏省；
南京市、宿迁市、盐城市的流入人口次要来源地分别为江苏省、福建省和山东省， 其他地市流入人口次要来源地均为安徽省。

图1 江苏省流入人口统计特征Fig.1 Statistical characteristics of the inflowing population in Jiangsu province

3.3 集聚特征

江苏省流入人口全局空间自相关指数是0.55，置信度为99%， 表明流入人口有显著的空间相关性。

为了进一步了解局部相关特性，运用Arcgis 软件对流入人口进行热点分析，结果如图2 所示。热点区域主要集中在长江下游的南京、苏州、无锡、镇江、常州、 泰州等地区， 该地区表现出显著的高聚类特征， 即省际流入人口较多的区域在空间上集聚在一起；
冷点区域主要分布在苏北的盐城、宿迁、淮安以及苏中的扬州，在该地区低聚类较明显，人口流入较少的区县在空间上呈集聚态势。

图2 江苏省流入人口热点分析结果Fig.2 Hot spots analysis results of inflowing population in Jiangsu province

4.1 指标选取

综合其他学者的研究， 本研究综合考虑了城镇化水平、基础设施、经济、产业结构和人口对人口流动的影响，共选取6 个因子作为自变量，以流入人口数为因变量，以区（县）为基本研究单元，进行影响因素分析，具体指标解释如表1。

表1 变量的描述性统计Tab.1 Variable descriptive statistics

4.2 基于OLS 模型的人口流入影响因素分析

对所有变量进行Z 值标准化处理，以消除单位对回归的影响，得到如式（8）所示的江苏省流入人口与各自变量的全局OLS 关系式。

Y＝0.56XTZ＋0.42XLS＋0.03XDS＋0.21XDN－1.80XCY－0.09XSS（8）

从整体来看， 江苏省人口流入与固定资产投资、社会销售品零食总额、第三产业占比和夜间灯光数据4 个量均呈正相关关系，与从业人数、医疗生活保障呈负相关关系。

即经济发展越快、 第三产业占比越高、 夜间灯光越亮越有利于人口的流入；
从业人数越多，就业压力越大，给城市环境、医疗、基础设施等带来的压力也越大，越不利于人口的流入。

医疗生活保障对人口流入是负向影响，负向相关并不显著，这可能与公共服务效率有关。

4.3 基于GWR 模型的人口流入影响因素分析

全局OLS 模型是从整体的角度探究各自变量与江苏省人口流入之间的关系。

该模型基于样本间彼此独立的假设。而事实上，流入人口和各自变量均具有空间异质性，GWR 模型考虑变量的空间自相关特性， 因此更适合人口流动影响机制的研究。

基于此， 本文构建了GWR 模型， 与OLS 模型作对比分析，结果如表2 所示。由表2 可知，GWR 模型的拟合优度、AICc 指数均优于OLS 模型， 且GWR 模型强调各自变量对人口流动的影响会因位置的改变而不同的特性，更符合人口流动的客观事实。

因此，采用基于GWR 模型对江苏省流入人口影响因素进行分析。

经计算，各影响因素回归系数的空间分布如图3所示。

表2 GWR 模型和OLS 模型检验结果对比Tab.2 Comparison of test results of GWR model and OLS model

图3 各影响因素回归系数的空间分布Fig.3 Spatial distribution of regression coefficients for each influencing factor

（1）夜间灯光数据。

城镇化水平越高，越能吸引人口的流入， 人口的流入又进一步促进了城镇化发展，城镇化水平是影响人口流动的重要因素［10－11］。已有研究证明， 城镇化水平与夜间灯光数据具有显著的相关关系［12－13］。

表征城镇化水平的夜间灯光数据对人口流入是正向影响。

从回归系数的空间分布来看，系数呈“东北—西南”方向的带状变化，且由北向南系数先减小后增大， 既系数在苏北最高、 苏南其次、苏中最低。最大值在徐州的丰县、沛县和泉山区，最小值在盐城的射阳县、建湖县、盐都区。

（2）医疗条件和生活保障。完善的基础设施和便利的医疗、生活条件是吸引人口流入的重要因素［14］。本文利用熵值法综合了城市单位面积内医院、超市、ATM 及道路等的数量，用得出的权值作为影响人口流入的基础设施因素。

医疗条件和生活保障对江苏省人口流入的影响有正有负， 从回归系数的空间分布来看，正向影响主要分布在苏南和苏中，且正向影响由西向东减小；
负向影响主要分布在苏北，且越往北负向影响越大。

正向影响最大值在扬州的仪征市和南京的栖霞区、六合区，负向影响最大值在徐州的丰县、沛县、泉山区。苏南人口密度高，尤其是南京及其周围地区，虽然医疗条件和生活设施较好，但是人均占有率低，人口集聚对医疗、生活等基础设施数量的需求增大，在这些地区增加医疗、生活设施等的投入建设，可以改善居民生活环境，吸引更多人口的流入。

在苏北地区，医疗条件和生活保障对人口流入的影响为负，这可能与苏北城市、农村的公共服务水平总体偏低有关［15］。

詹祥的研究也表明，苏北政府财政对卫生的投入并没有显著提升居民健康水平［16］。另一方面，政府财政在医疗、生活方面投入过多，势必会影响其他方向的投入和发展，反而会抑制经济发展和人口的流入，苏北各区（县）对医疗、生活设施的投入既要照顾“量”的扩大，更要注重“质”的提升，以切实提升江苏省城乡居民的生活水平。

（3）产业结构。第三产业占比对江苏省人口流入是正向影响。从回归系数的空间分布来看，系数由江苏省中西部呈环带状向外逐渐减小， 最大值出现在盱眙县、金湖县、洪泽区，最小值出现在启东市、太仓市、昆山市。从影响因素来看，一方面，第三产业的发展可以提供更多优质岗位，吸引人口的流入；
另一方面，居民服务、教育、卫生、社会保障和社会福利业等第三产业的发展，能大大改善居民生活环境，也成为吸引人口流入的有利因素［14］。

（4）经济因素。区域经济发展的不均衡性是造成人口流动的主要因素之一［17］。

本文选取固定资产投资和社会销售品零售总额代表影响人口流入的经济因素。固定资产投资对江苏省人口流入是正向影响，从回归系数的空间分布来看， 自东南向西北系数呈条带状逐渐减小。最大值出现在苏州的吴江区、昆山市、太仓市，最小值出现在连云港的赣榆区和徐州的丰县、沛县。苏南受固定资产投资的正向影响明显高于苏北， 这一方面是因为固定资产投资的规模、速度、 比例关系和使用方向等与地市的经济发展水平密切相关，进而影响人口的流动。苏南的地市比如苏州、无锡和南京的第三产业投资占比高，更利于人口的流入， 南京的第三产业固定资产投资占固定资产投资比重超过70%，而其他地市的固定资产投资中私营个体经济和工业占比最高， 个体经济和工业对人口流入的拉动作用明显低于第三产业的拉动作用。另一方面的原因可能是苏南地处长三角经济带，受上海经济辐射带动作用强， 接触到的投资资源也较苏北多。

社会消费品零售总额对江苏省人口流入是正向影响，从回归系数的空间分布来看，由南向北，该系数有增加的趋势，苏北的系数明显高于苏南。最大值在连云港的赣榆区、东海县、海州区，最小值在南京的六合区、浦口区、鼓楼区。

社会消费品零售总额被视为是人民生活情况较真实的反映， 苏北地区经济虽然稍逊色于苏南，但是相对于苏南的高房价、高消费，苏北房价低、生活成本低，人们的可支配收入高，由此刺激了本地消费， 加之近年来苏北经济发展迅速，基础设施和生活环境日益改善，舒适安逸的生活也成为苏北吸引外来流动人口的一大优势。

（5）人口因素。从业人数对江苏省人口流入是负向影响，从回归系数的空间分布来看，由东向西负向影响逐渐减弱。

最大值出现在盐城大丰区、亭湖区、射阳县，最小值在南京的浦口区、六合区、建邺区。从业人口能为城市发展提供劳动力， 但是数量一旦超过城市对人口的承载能力， 则会成为人口流入的阻力，会对流入地的环境、住房、医疗卫生和基础设施等造成负担，同时也会增加就业压力，影响居民的生活质量，进一步造成了人口流入的减少。从业人口数对江苏省各个区（县）人口流入的影响均为负，也从侧面说明了江苏省的就业人口趋于饱和， 尤其是东部沿海地区出现了劳动力过剩的现象， 成为人口流入的抑制力。

政府应积极应对，刺激经济发展，提供更多的工作岗位， 同时给失业者提供必要的生活保障，积极引导再就业和创业。

4.4 最值影响因子分析

将各区（县）的自变量回归系数进行排序，得到了江苏省流入人口的最大影响因素，空间分布如图4 所示。

最值影响将江苏省大致分为三部分，江苏省西北部、东北部以及中部和南部，具体如下：正向最大影响因素有医疗生活保障、夜间灯光数据和社会销售品零售总额。江苏中部和南部各区（县）受医疗和生活保障的正向影响最大，受从业人数的负向影响最大，这可能是因为苏中和苏南是江苏省经济发展较活跃区域，人口密度较大，需就业人数多，就业压力增大，同时使医疗、卫生等基础设施人均占有量少。因此，在江苏省中部和南部各区（县）加大医疗和生活等基础设施建设的同时，增加就业岗位，会有助于人口的流入。江苏西北部各区（县）受夜间灯光数据正向影响最大。受医疗条件和生活保障负向影响最大，这可能是因为江苏西北部城镇化率较其他地区低。

因此，城镇化建设会刺激经济发展和人口流入。

而苏北城市、农村的公共服务水平总体偏低，抑制了人口的流入。

因此在这些地区加快城镇化发展，提高医疗、生活等的服务质量，能够促进人口的流入。江苏省东北部受社会消费品零售总额的正向影响最大，受医疗条件和生活保障的负向影响最大。

在这些地区，经济因素的刺激和基础服务质量的提高能最大程度地刺激人口流入。

图4 正向（左）、负向（右）最大影响因素的空间分布Fig.4 Spatial distribution of positive （left） and negative （right） largest influencing factors

综上所述，江苏省流入人口空间分布特征显著。从人口流入驱动机制来看，夜间灯光数据、固定资产投资、社会消费品零售总额、第三产业占比对人口流入是正向影响，可以促进人口流入；
从业人数对人口流入是负向影响，会抑制人口流入；
基础设施的影响有正有负。

近年来， 流动人口问题受到了社会各界的广泛关注，流动人口文化程度普遍较低，在流入地，其卫生、安全、住房、子女教育等问题常常得不到很好的保障，也由于户籍不在流入地，医疗、养老、生育等问题得不到解决，一旦发生事故，往往不能得到及时救治，这给流入人口本身及其家庭徒增了负担，也影响了流入地的社会安定。希望地方政府积极采取措施，一方面扩大就业，保障流入人群的基本生活需求，另一方面完善流动人口保障机制， 出台流入人口优惠政策，促进经济发展和社会的繁荣、稳定。

猜你喜欢江苏省人口空间《世界人口日》青春期健康(2022年13期)2022-07-18江苏省常州市第一中学中小学校长(2022年5期)2022-06-29人口转型为何在加速 精读英语文摘(2022年4期)2022-06-05空间是什么？大科技·百科新说(2021年1期)2021-03-29创享空间动漫界·幼教365(中班)(2020年8期)2020-06-29江苏省南就市鼓楼区第一中心小学中小学校长(2019年7期)2019-08-17江苏省交通图江苏年鉴(2018年0期)2019-01-10江苏省政区图江苏年鉴(2018年0期)2019-01-10人口最少的国家小天使·一年级语数英综合(2018年3期)2018-06-221723 万人，我国人口数据下滑引关注领导决策信息(2018年10期)2018-05-22