东北三省人口迁移的时空格局及影响因素研究
刘春涛1, 刘馨阳1, 单 良2, 袁莹莹2, 彭 飞3*
(1.沈阳市规划设计研究院,辽宁 沈阳 110004; 2.辽宁师范大学 地理科学学院,辽宁 大连 116029;3.辽宁师范大学 海洋经济与可持续发展研究中心,辽宁 大连 116029)
摘 要: 随着改革开放层层深入和区域不均衡发展,人口迁移流动成为我国“新常态”之一.运用空间分析方法和灰色关联分析研究东北三省人口迁移的时空格局及影响因素.结果表明:①辽宁(简称辽)、吉林(简称吉)、黑龙江(简称黑)三省在迁入、迁出的人口规模演变方面呈现各不相同的变化特征,但迁移人口的分布均呈现分散化态势.②从迁入人口数量分布看,除人口迁出大省四川外,辽、吉、黑三省份均基本遵循距离衰减规律;从迁出人口数量分布看,东北三省人口迁出目的地除了东北三省内部省份外,迁往北京、天津、山东3个省级行政单元的人口规模最大;不论迁入、迁出,东北三省与西藏、青海、宁夏、贵州、重庆等西部、南部和少数民族区域省级行政单元的人口交流数量均为最少.③旅游发展与外资利用是影响东北三省人口迁移众多因子中仅次于距离的重要因素.
关键词: 人口迁移;时空格局;影响因素;灰色关联;东北三省
2016年,国务院印发《国家人口发展战略规划(2016—2030)》,将实施人口均衡发展战略作为人口发展规划的总体思路.2015年全国迁移流动人口规模达到2.47亿,大规模的人口迁移和流动已经成为我国当前社会经济发展的新常态.在此背景下,东三省的人口问题却日趋严重.人才加快迁出成为制约老工业基地振兴主要原因之一,人口的过度外迁令原本城镇化动力不足雪上加霜,人口的结构性问题成为发展隐忧.因此,有必要探究东北三省人口迁移的时空格局变化及其人口迁移影响因素的变化,以厘清人口问题的历史根源,抓住解决问题的实质和方向.
国内外相关研究主要集中于以下三个方面:第一,人口迁移的空间分布特征研究,学者主张利用新数据、新技术、新模型进行人口迁移研究,提供了更多的人口迁移分布问题的解答方案,大数据为此提供了支撑[1-5].Thomas等[6]通过对英国案例的研究发现,不仅官方数据可以用于迁移人口和涉及区域的经济社会发展的相关分析,未加权的商业微数据也可以作为用于建模和分析的基础数据;王开科和王开泳[7]以Keyfitz模型及其扩展形式为研究的出发点,通过对城镇化率和农村人口自然增长率的估算来求取城乡人口净迁移比率.第二,不论是发达国家还是发展中国家,城乡之间的人口迁移受到普遍关注,由此带来的城镇化问题成为新晋热点[8-13],Geyer Jr和Geer Sr[14]通过对1996—2011年间的南非人口迁移趋势和产业集聚模式进行分析,发现两者在城市化进程中呈现分异特征;刘颖等[15]通过空间计量模型,实证检验了综合城镇化及各城镇化分量值对省际人口迁移影响的空间效应,提出经济城镇化仍是影响省际人口迁移变化的主导因素.第三,结合当前经济社会发展的热点问题,学者针对不同区域尺度,开展影响人口迁移的因素和人口迁移带来的影响分析研究[16-20].Barbieri等[21]研究气候变化、经济影响和人口迁移之间的关系,对巴西东北部地区气候变化导致的经济变化而产生的人口迁移现象进行分析,结果表明,气候变化严重影响农业发展,成为该国其他地区的潜在移民的推动因素;龙晓君等[22]在全面二孩背景下,研究了我国省级人口规模,对我国区域人口分布的时空演变进行了分析;张苏北等[23]以安徽省为研究案例,揭示了省内人口迁移的空间规律和影响因素,研究表明,劳动力从业结构、区域经济和城市发展水平是影响省内人口迁移的重要因素.
总体来看,相关学术研究集中在人口迁移研究的时序格局和演变机制方面,对静态人口分布研究较多,对动态人口分布演变研究较少,对长时间跨度的动态人口分布演变规律更少.“新东北现象”与东北三省人口问题虽然已经成为社会和舆论关注的热点,但对“外部迁入人口从哪里来”“内部迁出人口去了哪里”缺少针对性、系统性研究,尤其对“为什么会这样发生”缺少共识性结论.因此,本文以发展的视角建立基于“新引力模型”“区域综合差异指标体系”“灰色关联度分析”三位一体的统筹“自然—经济—社会”复杂系统中各类影响因素的人口迁移动态分析逻辑框架,分析东北三省1982—2015年的人口迁入、迁出可能的影响因素及变化趋势,为实现东北三省人口振兴提供理论参考.
1 研究方法及数据来源
1.1 研究方法
Lowry在Zipf的“引力模型”基础上,提出“新引力模型”,认为人口迁移从农业劳动力较多、预期收入较低的地区流向农业劳动力较少、预期收入较高的地区.表达式为
(1)
式中:M i→j 表示从i 地区到j 地区的迁移人口数量;U i 、U j 表示i 、j 两地的失业率;W i 、W j 分别表示i 、j 两地的制造业工资;L i 、L j 分别表示i 、j 两地的农业劳动力人数;D ij 表示i 、j 两地地理距离.
证明 设ρ是S到S/ρ上的自然映射,则ρ是好同态,故 CS°/ρ°(ρx)及 CS°/ρ°(ρy)。因ρx=ρy,据引理1.1有ρx°δS°/ρ°ρy°。据ixR*xL*λx和ρ是S上的好同余可推断出ρixR*ρxL*ρλx。类似地,ρiyR*ρyL*ρλy,易验证ρix x°R*ρix和CS°/ρ°(ρix x°)。类似地,ρiy y°R*ρiy, CS°/ρ°(ρx°λx), CS°/ρ°(ρiy y°), CS°/ρ°(ρy°λy), ρy°λyL*ρλy, ρx°λxL*ρλx,因此, ρix x°K R/ρRρiyy°, ρx°λxL*L /ρLρy°λy。
不论是推-拉模型、预期收益模型、中心-外围模型,还是国内学者们对于省际人口迁移的研究,归根到底都认为“不同地区的差异”触发了人口迁移行为,并影响人口迁移的方向和数量.如果差异不是简单的几个数字,而是由综合指标体系组成的集合,则表达式为
M i→j ,t =f (A t ).
(2)
令X 0分别等于辽宁省、吉林省和黑龙江省迁入、迁出人口规模,对上述5个时段X i 分别计算灰色关联度(图5).
在既有文献在人口迁移影响因素分析的基础上,本文选取了7个二级指标和22个三级指标的区域综合差异指标体系以观察各时段人口迁移的影响因素.具体指标如表1所示.
(1)研究假设
①假设一:X 0与X i 之间存在正或者负的相关关系.
本文研究的时间范围为1982—2015年,以东北三省(黑龙江、吉林、辽宁)为研究对象.数据主要来源于《中国城市统计年鉴》(1985—2016)、《中国统计年鉴》(1981—2016)、1983—2016年的《辽宁统计年鉴》《吉林统计年鉴》《黑龙江统计年鉴》,历次全国人口普查资料和历次全国1%人口抽样调查资料.
(191)宽片叶苔 Riccardia latifrons(Lindb.)Lindb.杨志平(2006)
表1 影响省际人口迁移的区域发展差异的参考指标体系
Table 1 Reference index system of regional development difference affecting inter provincial population migration
注:表1中涉及“人均”的指标,如果相应统计文献里有的直接使用,没有的经换算得出;1985、1995年的“城镇居民人均可支配收入”用“省会城市职工平均工资”代替;1985年“市辖区人均道路面积”缺失数据用“人均铺装道路面积”代替.1985年“每万人排水管道长度”用《中国统计年鉴》的“每万人拥有下水道长度”代替;1985年“建成区绿化覆盖率”用“省会城市建成区绿化面积占土地面积比重”代替;1990年“建成区绿化覆盖率”为“园林绿化面积”除以“建成区面积”.由于行政区变动、统计数据的缺失,对1985—1990年的海南省、重庆市,1995—2000年的重庆市和所有时段的西藏自治区的指标进行剔除
②假设二:某一年份X i 数据对此后5 a时间内人口迁移行为产生影响.
某种程度上说,经济社会发展和人口迁移之间存在相互影响,构成循环.本节对X 0的数据定义为“1985—1990年”“1995—2000年”“2000—2005年”“2005—2010年”“2010—2015年”的人口迁入、迁出数据,因此取每时段的首年数据作为X i .
③假设三:即便是迁移回流人口,在选择回流时也倾向于做出理性判断.
灰色关联分析由邓聚龙首次提出,是研究事物或系统之间相互关系的一种定量的分析方法,主要基于空间理论的数学基础判断参考序列和若干比较序列之间的关联系数和关联度[24].灰色关联度分析的重点是对关联系数的分析.首先求出各个因素与最理想指标共同构成的关联系数,然后根据关联系数的大小得到关联度,再将关联度大小进行排序,关联度越接近1,则比较序列与参考序列的关联度越高;若关联度越接近0,则表示比较序列和参考序列之间的关联性较弱.
(2)灰色关联度分析法
灰色关联度分析法的具体计算步骤如下:
需要强调的是,这里所指的是合理控制成本,而非一味地追求低廉成本。合理控制成本就是在满足用户功能需求的前提下,要找到产品最佳的性价比。高技术全智能小型专项农具是理想化的解决方案,但其高昂的价格是很难被使用者接受的。另外,在设计伊始就要全面考虑产品寿命周期费用,产品的使用费用、维修保养费用都将直接影响用户的接受程度。所以,结实耐用和易于维修保养是小型专项农具设计的又一目标。
①数据无量纲化:
(3)
其中,X 为标准化后样本集合,Y 为标准化前样本集合,y 为样本.
②计算关联度系数:
(4)
(5)
(6)
式中:式(4)和式(5)中,X 0为比较指标,代表东北三省的人口迁入数量、迁出数量;X i 为参考指标,代表经过初步处理后的全国省级行政单元的各项差异指标.式(6)中,δ 为分辨系数,正常在0~1之间.由于参考指标X i 为省级行政单元经济社会发展数据,数据量较大且接近于正态分布,取δ =0.546 3可以达到较好的分析效果.
③计算关联度:
(7)
式(7)中:k 为省级行政单元个数(k =1,2,3,…,30);i 为各因素指标个数(i =1,2,3,…,22),N 为省级行政单元个数30;r i 为关联度,表示各因素之间变化趋势的一致性,0<r i ≤1,r 值越接近1则说明参考指标和比较指标之间关联度越大.由于关联系数是曲线上个点即各个时刻的关联程度值,因此它的数量不唯一,为了进行整体性的分析,将各个时刻值集中为单一的值,求其平均数,从而作为比较数列(X 0)与参考数列(X i )之间关联程度比较的依据.
④针对不同年份的面板数据,重复上面的计算步骤,最终得到历次影响人口迁移的因子排序集.
1.2 数据来源
灰色关联分析方法有一个缺陷,即该方法不能够区分影响因子与被评价因子之间的关系是正相关或者负相关.因此,开始灰色关联分析之前,需要首先界定其对人口迁移行为的影响是正向的还是负向的.各项指标的正负关系具体见表1.
2 东北三省人口迁移的时空格局
2.1 东北三省人口迁入格局
2.1.1 东北三省迁入人口规模演变(图1)
将1982—2015年间辽宁、吉林和黑龙江省迁出至全国各省级行政单元的人口规模分6个时间段统计分级,分级的方法是与前节相似.
图1 1982—2015年东北三省迁入人口规模演变图
Fig.1 The number of people moved into Northeast China by inter Province, 1982—2015
由于上述6个时间段里,全国跨省迁移人口规模从1982—1987年的631.80万人增长至2010—2015年的5 327.68万人,后值为前值的8.43倍,全国人口迁移背景发生了巨变,因此东北三省人口迁入绝对数量不能准确表述迁入人口数量的真实特征.利用东北各省迁入人口占全国跨省总迁移人口的比重观察迁入人口的规模比例变化,分析显示,辽宁省比例呈波动下降趋势,数值从4.97%下降到1.47%,说明作为人口吸引的目的地,辽宁省在全国的地位呈现整体下降趋势;对比而言,吉林省迁入人口规模的增长远低于全国平均水平.1982—2015年,吉林省迁入人口占全国跨省迁移人口规模比重下降明显,数值从2.68%下降至0.59%,下降87.96%.换言之,在我国改革开放、经济社会快速发展的大环境下,吉林省的迁入人口规模明升暗降;跨省迁入黑龙江省人口规模与全国跨省迁移人口比重呈现上升、骤降、又缓慢上升的波动变化,振幅远大于辽宁省和吉林省.
2.1.2 东北三省迁入人口时空演变
为进一步研究东北三省迁入人口来源地变化的时空特征,对全国省级行政单元迁入辽、吉、黑的人口规模进行排序,计算各省级行政单元的比例变化情况.对各省级行政单元迁入三省的人口规模进行排序,每6个名次分为1组,即排序1~6的省级行政单元为位列“迁入人口第一梯度”的省级行政单元,排序7~12的省级行政单元为位列“迁入人口第二梯度”的省级行政单元,以此类推.依次获得辽宁、吉林和黑龙江迁入人口来源地规模梯度演变图.
各省级行政单元迁入辽宁省的人口规模显示出以下时空特征:①从整体上看,全国各省级行政单元迁至辽宁人口集中于少数省份,但随着时间变化,各省级行政单元迁入辽宁省人口占比有平均化趋势.利用SPSS21.0软件计算6个时段各地区迁入人口的变异系数(表2),6组样本数据呈现强变异特征,总体趋势呈下降趋势;但变异系数在1985—1990、1995—2000、2000—2005三个时段呈现波动,导致平均化趋势呈现非线性状态.以全国省级行政单元累计个数为横轴,以全国省级行政单元迁入人口累计百分比为纵轴,按照6个时段的时序绘制空间洛伦兹曲线(图2a).空间洛伦兹曲线显示,随着时间的推移,洛伦兹曲线有接近对角线的趋势,即迁入人口越趋向于平均分布.空间洛伦兹曲线同时显示,1985—1990、1995—2000、2000—2005、2005—2010四个时间段平均化趋势不显著.②东北地区、华北地区始终是辽宁迁入人口主要来源地.1982年以来,黑龙江省迁往辽宁的人口虽然有下降趋势,但始终保持全国首位,占迁入人口总量的1/4到1/3左右.而黑龙江、吉林、内蒙古、山东等省份迁往辽宁省的人口总和超过全国总数的七成.③华北、西南地区的省份中,自身人口数量越多的省份在辽宁迁入人口中所占的比例越大,比如山东和四川;华南、西北、华中地区迁往辽宁人口占其总迁入人口比例较小;相对发达的长三角地区迁往辽宁人口呈现持续下降态势,上海是迁往辽宁的人口占比最小的直辖市;西藏、云南、广西、宁夏等少数民族地区迁往辽宁省人口占比较小.
(2018文数19,12分)某家庭记录了未使用节水龙头50天的日用水量数据(单位:m3)和使用了节水龙头50天的日用水量数据,得到频数分布表如下:
表2 1982—2015年各省级行政单元迁入东北各省的人口占比的变异系数
Table 2 The coefficient of variation in the proportion of provincial administrative units moving into Northeast China, 1982—2015
图2 1982—2015年各省级行政单元迁入东北三省人口的空间洛伦兹曲线演变
Fig.2 The spatial Lorenz curve evolution of provincial administrative units moving into Northeast China, 1982-2015
各省级行政单元迁入吉林省的人口规模显示以下时空特征:①各省级行政单元迁入吉林省人口数量有一定的平均化趋势.以全国省级行政单元累计个数为横轴,空间洛伦兹曲线显示(图2b),随着时间的推移,迁入人口趋向于平均分布,但也有变动.若把1995—2000年和2000—2005年的累计百分比曲线对调,则1982—2015年的6个时间段各省级行政单元迁入吉林省的占比呈现出逐步扁平化特征.②从迁入人口数量分布看,吉林省迁入人口来源地主要集中于黑龙江、辽宁、山东、内蒙古、河北、河南等省份,但黑龙江、山东2个省份迁至吉林省的人口数量在逐步下降.各省级行政单元时间截面数据的变异系数分别显示,6个时间段迁入吉林的人口数量变异系数均大于5,属于强变异,也证实人口来源地集中度非常高.6个时间段变异系数同时显示,这种差异保持相对稳定状态,随时间变化振幅不大(表2).③西藏、广西、宁夏、青海、重庆5个省市是迁往吉林人口最少的省份,2010—2015年迁移人口总和仅为3 613人;海南、新疆虽然迁往吉林的人口数量不多,但上升趋势明显;四川省是西南、西北地区中唯一一直处于第二梯度的省份,未受距离衰减约束.
各省级行政单元迁入黑龙江省的人口规模显示以下时空特征:①从整体看,各省级行政单元迁入黑龙江省人口数量分布趋于平均.绘制6个时间段空间洛伦兹曲线演变图(图2c),显示随着时间推移洛伦兹曲线逐步接近对角线,即人口的空间分配呈现扁平化特征.期间,1995—2000年和2000—2005年的累计百分比曲线较为相似,但不影响总体趋势.各省级行政单元时间截面数据的变异系数分别显示(表2),6个时间段迁入黑龙江省的人口数量变异系数从2.17降低至0.89,由强变异变为普通变异,亦说明数值趋于平均化.②从迁入人口集中分布看,各省级行政单元迁入黑龙江省人口分布“随距离衰减”的特征在逐步淡化.虽然截至2015年,迁入人口仍主要来源于山东、吉林、辽宁、内蒙古等临近省份,但1982—1987年上述4个省份迁至黑龙江省人口占跨省迁入黑龙江省人口比重之和逐步下降.③从地域分布看,黑龙江迁入人口来源地分布随着时间推移逐步由我国东北部、东部向东北部、中部转移,尤其是来源于沿海地区的迁移人口比重不断降低、来源于内陆地区的比重逐步升高,而来源于西部地区的比重则持续较低.随时间推移,东部沿海地区只有北京、天津、广东、海南等省级行政单元的迁入人口增幅显著;长三角地区的上海、江苏、浙江等省级行政单元迁入黑龙江省的人口占总迁移人口的比重则随时间变化先增后减,2015年的上海市成为迁入黑龙江省人口最少的省级行政单元之一;西藏、青海、新疆、海南、宁夏始终是迁入人口最少的省份;相比较而言华中地区的河南、湖北等省份迁入黑龙江省人口占总迁入人口的比重增幅较大.
提高湿地保护的有效性,还要建立湿地补偿机制,全面加强湿地保护的补助工作,及时总结湿地保护的成功经验与典型做法,紧紧抓住湿地保护的试和立法时机,进一步强化研究湿地保护的补偿机制的建设工作。首先,对沼泽、河流、湖泊等采取植被恢复措施,围绕生态补水、污染治理探索治理与收益机制,全面提高湿地治理的积极性和主动性。其次,全面加强湿地的科学管理工作,探讨有效的湿地管理控制模式,根据湿地保护与资源开发的需要探索研究和投产关键技术的机制。第三,探索多方聚集投入的方式,注重在公益性保护的基础上提出社会募集资金的办法,从而满足湿地保护资金需要,达到科学管理到位目标。
2.2 东北三省人口迁出格局
2.2.1 东北三省迁出人口规模演变
据观察发现(图3),1982—2015年,辽宁省迁出人口规模几乎呈线性递增趋势.其中,迁出最少的时间段是1982—1987年,期间迁出人口23.08万人;迁出最多的时间段是2010—2015年,期间迁出人口80.80万人;吉林省迁出人口规模出现两次波峰.1995—2000年,迁出人口55.72万人,较上一时段增长56.74%,形成第一次波峰;2005—2010年,迁出人口85.39万人,较上一时段增长58.54%,形成第二次波锋.黑龙江省迁出人口规模呈现阶梯状倍数增长,同期增长幅度远高于辽宁省和吉林省,且与迁入人口数量变化几乎没有相关性.
图3 1982—2015年东北三省迁出人口规模变化
Fig.3 The number of people moved out Northeast China,1982—2005
辽宁省迁出人口规模与占全国跨省迁移人口比重则呈现另一种变化——先下降后上升态势.其中,1982—2005年间迁出比重变化与辽宁迁出人口总量增加截然相反,数值由3.66%急速下降到1.09%,说明该时间段内辽宁省迁出人口规模相比较全国而言并未扩大;吉林省跨省迁出人口与全国跨省迁移人口比重呈现先下降后趋于稳定的态势.其中,1982—2000年该比重由3.80%骤降至1.64%,与辽宁省人口迁出极为相似.黑龙江省迁出人口与全国跨省迁移人口比重呈现先下降趋势,但下降曲线斜率逐步减小.由于2015年黑龙江省总人口3 812人,约占全国人口的2.90%,黑龙江省迁出人口与全国迁移人口比重并未高于全国平均水平.
2.2.2 东北三省迁出人口时空演变
1982年开始的6个时间段里,跨省迁入辽宁省与吉林省的人口规模变化线型相似,跨省迁入人口规模先增后减呈现“倒U”形态,在2005—2010年时段达到峰值;而黑龙江省人口迁入曲线异于辽宁、吉林两省,呈波动上升,在2010—2015年时段达到峰值,表现出人口迁入过程中更大的不稳定性.
辽宁省迁出人口目的地的时空演变呈现如下特征:①辽宁省迁出至各省市的总人口规模随时间递增,但变异系数(表2)和空间洛伦兹曲线(图4a)证明,辽宁省迁出至各省市的人口在空间分配上呈现先集中后分散趋势,且在2010—2015年时间段中呈现最分散状态.对比结果显示辽宁省人口迁出目的地的集中程度大于辽宁省人口迁入来源地,迁入人口的空间分散程度波动与迁出人口的空间分散程度波动具有一定的相关性.②黑龙江和吉林2个省份对辽宁人口的吸引能力快速下降.1982—1987年、1985—1990年两个时间段,黑龙江、吉林两个省份作为辽宁省人口迁出的主要目的地,吸引了该时间段中辽宁迁出人口的29.36%和31.30%;而在2010—2015年,迁至2个省份的人口仅占辽宁迁出人口的10.82%.③华北、华东、华南地区对辽宁人口的吸引能力快速上升.其中,北京、天津、上海、广东4个省份成为地位上升最快的四个行政区,北京则取代黑龙江成为辽宁人口迁入最多的行政区.华中、西北、西南地区对辽宁人口的吸引能力略有下降.其中新疆的吸引能力逐年下降,而贵州、宁夏、青海、西藏在6个时间段中始终是吸引辽宁省人口规模最少的区域.
图4 1982—2015年东北三省迁出人口的空间洛伦兹曲线演变
Fig.4 The spatial Lorenz curve evolution of provincial administrative units moving out Northeast China, 1982—2015
马尔科夫模型[2]是一种能用数学分析方法研究随机过程的算法。马尔科夫模型认为,在随机过程中,每个状态的出现概率不相互独立,每个随机实验的当前状态依赖于此前状态,而与后续的状Xn 态无关。若表示在时间n 时所处的状态,根据马尔科夫性质,则简化成第n 个状态的条件概率就等于第n-1 个状态条件下状态n 出现的概率,即:
黑龙江省迁出至各省级行政单元的人口分布呈现以下时空特征:①整体来看,黑龙江省迁出至各省市的总人口规模随时间递增,迁往各目的地的人口分配正在趋于分散化.6个时间段中,黑龙江迁往各个省份的人口数量变异系数从2.12下降到1.27(表2),证明迁往各地的人口规模比例差异正在缩小.对1982—2015年来源地迁入人口的空间洛伦兹曲线叠加(图4c),同样显示6个时段的洛伦兹曲线不断向对角线移动,证实迁往各目的地的人口分配正在趋向于平均化,但1985—1990年和1995—2000年、2000—2005年和2005—2010年时段变化不显著.然而,黑龙江省人口迁出目的地的集中程度与黑龙江省人口迁入来源地极为相似,这一点与辽宁省、吉林省完全不同.②从迁出规模的时序变化看,黑龙江省迁往山东、辽宁、吉林等省份的人口规模下降明显,尤其黑龙江省迁出至山东省的人口规模减小最为剧烈,占比由30.67%下降到10.84%;而北京、天津接纳黑龙江省的人口规模则逐步上升,占比由3.93%上升到24.44%.③从区域看,1872—2015年间黑龙江省人口主要迁移目的地发生明显的空间转移,表现为先由“山东省+辽吉蒙”地区向“环渤海+东部沿海”地区转移,再由“环渤海+东部沿海”地区向“环渤海”地区转移.1982—1987年间,黑龙江省人口主要迁往山东、辽宁、吉林、内蒙古,人口迁移规模受距离影响最为强烈;2000—2005年、2005—2010年两个时间段,除北京、天津外,迁往江苏、上海、浙江、福建、广东、海南在内的东南沿海地区人口规模数量和比例明显上升,形成由海向陆的明显梯次.
吉林省迁出至各省级行政单元的人口分布呈现以下时空特征:①整体来看,吉林省迁出至各省市的总人口规模随时间递增,迁往各目的地的人口分配正在趋向于平均化.计算6个时段迁往各个省份的人口数量变异系数发展(表2),变异系数从1.90一直下降到1.15,证明迁往各地的人口规模比例差异正在缩小.对1982—2015年来源地迁入人口的空间洛伦兹曲线叠加(图4b),同样显示6个时段的洛伦兹曲线不断向对角线移动,亦证实迁往各目的地的人口分配正在趋向于平均化.对比显示,吉林省人口迁出目的地的集中程度远大于吉林省人口迁入来源地,这一点和辽宁省情况极为相似.②从迁出规模的时序变化看,吉林省主要人口迁移目的地正在由相邻的辽宁、山东、黑龙江、河北和内蒙古5个省份向北京、天津、广东3个省级行政单元转移.③从区域看,吉林省迁出人口向东部沿海地区省份迁移的比例正在逐步提高,向西部和内陆地区迁移的比例正在逐步减少.1982—2015年,吉林省迁往上海、江苏、浙江、安徽、福建等华东沿海省份的人口比重呈现逐步上升趋势,迁往广东、广西、海南等华南省份的占比也有此趋势;而迁往西北、西南、华中地区的比例则呈现波动或下降趋势.
结果显示,当判别条件距离为5时,20批橘叶药材被分为4大类,一类包括S17;二类包括S14、S20;三类包括S2、S3、S4、S5、S7、S10、S11、S13;四类包括S1、S6、S8、S9、S12、S15、S16、S18、S19。直观分析第一类和第二三四类药材的指纹图谱色谱峰的相对峰面积可以发现,S17药材指纹图谱中的橙皮苷(19号峰)的峰面积明显小于其他类药材中橙皮苷峰面积,推测此为S17药材单独分类的主要原因。且其他类别的组成存在产地交叉情况,因此,产地不能作为橘叶质量优劣的标准,需要综合药材各化学成分含量进行整体质量评价。
3 东北三省人口迁入、迁出的影响因素演变
式中:M i→j ,t 表示t 时间段从i 地迁往j 地的人口数量;A t 表示t 时间段由各种影响因素组成的区域综合差异指标体系.
第四,焊接过程温度控制。600MPa高强钢焊前预热温度为80~100℃;800MPa高强钢焊前预热温度为100~120℃。焊缝两侧受热均匀,当环境温度低于5℃时,采取预热温度的上限。层(道)间温度:焊接时,不低于预热温度,不超过180℃。 后热温度:高强钢后热温度控制在200~250℃,保温时间视板厚定约为1.5~2h,后热在焊后立即进行,后热完成后断电,使用石棉被覆盖焊缝缓冷。
图5 1985—2015年影响东北三省人口迁入和迁出因素的灰色排名演变
Fig.5 Grey ranking evolution of factors affecting population moved out and moved in Northeast China, 1985—2015
对比东北三省人口迁入、迁出的影响因素,呈现以下规律和演变特征:
①从影响因素的相似程度来看,影响辽宁省和吉林省的人口迁入因素演变特征更为相似,而影响吉林省和黑龙江省的人口迁出因素的演变特征更为相似.
在水稻生长后期还重点观察了10个品种的抗倒性和抗病性。在抗倒性方面,10个品种两季均未出现明显倒伏情况。在抗病性方面,10个品种中黄广油占高抗和黄科香2号达中抗水平,其他品种为中感或者高感;所有品种再生季田间均未发生稻瘟病。由于抽穗期采取两次药剂防治,因此纹枯病和稻曲病均发生较轻。
②距离与东北三省人口迁入、迁出规模均成反比,表现出距离对东北三省人口的约束作用.但近年来随着我国不均衡发展格局的进一步演进,距离对东北三省人口迁移的约束作用呈现出下降趋势,主要表现在与吉林、黑龙江的人口迁出灰色关联度排名的下降.
创建一组三维粒子,评估这些粒子的适应度函数(平方误差的积分),并计算“Pbest”和“Gbest”.每个粒子可以通过其当前的速度和位置来定义.每个粒子位置的更新[11]为
地铁区间围岩主要是卵石-圆砾层,厚约23 m,高铁盾构隧道上方主要是黏土和杂填土,上方是卵石-圆砾层,围岩采用服从Mohr-Coulomb屈服准则的弹塑性模型,物理力学指标见表1,在FLAC3D中采用Fish语言按照分层赋予网格参数。深孔注浆效果通过提高围岩变形模型和黏聚力等值实现。
③一般地,旅游发展象征区域对有特定消费需求的人流的开放和吸引,而外资利用代表区域对资金流的集聚核吸引.对于东北三省人口迁移而言,尽管在个别时段旅游发展与外资利用两个因子随时间演进影响力有所下降,但在绝大多数情况下,上述两个指标是影响东北三省人口迁移的众多因子中仅次于距离的重要因素.这也说明人口集聚同中国近代史中区域经济发展相同,遵循“先开放者先发展”的规律.
④创新能力对东北三省人口迁入的影响力在上升,对人口迁出的影响力却在下降.然而综合而看,不论是人口迁入还是迁出,创新能力对人口吸引尤为重要.这里可能的原因有两个,一是从产生效益看,创新既是经济发展的重要驱动力,又是创造新的就业岗位的方式之一;二是从创新主体看,创新是“人才的行为”,能吸引来人才的区域本身就对人口有足够的吸引力.
很多客户都在抱怨服务价格和服务质量不成正比、服务技术有问题、服务要求不符合家庭习惯、服务人员素质差……雇主对月嫂的印象也逐渐演变成不可信任的人要时刻提防(摄像头、现金考验)、不会做事的人要时刻指导(指导做饭、洗衣)、好吃懒做的人要时刻提醒(不准休息、随叫随到)、不是我家的人要保持距离(残羹剩菜、生活条件差)。
⑤相比之下,东北三省迁出人口与劳动者预期收入的关联度越来越高,其中找工作的难易程度尤其重要;而迁入者似乎并不在乎预期收入情况,对失业率也并不在乎.从这一点判断,东北三省迁出者比迁入者群体可能包含更多的劳动者.迁入者中求学、随亲、回迁比重可能更大.相比之下,迁入东北三省工作的人口,更看重东北三省的工业发展水平,相反迁出东北三省的人口更看重的是第三产业的发达程度,这两种倾向性都在增强.交通、市政基础设施对迁入、迁出人口都具有较高的关联度,关联度有进一步提高趋势.相比较而言,迁入东北三省的人口对城市绿化环境更加重视.气温因素对迁入黑龙江省人口造成阻碍,对辽宁、吉林两省影响不大;湿度对东北三省人口迁出具有较高的吸引.
4 结论与讨论
4.1 结论
本文通过分析辽、吉、黑三省对外人口迁移在“总量波动”“方向变化”“集中度扩散”等方面的演变特征,建立了由7个二级指标、22个三级指标组成的区域综合差异指标体系,运用灰色关联分析方法测算了影响东北三省人口迁移的因素.主要结论如下:
(1)辽、吉、黑三省在迁入、迁出的人口规模演变方面呈现各不相同的变化特征.随时间演进,全国迁往辽、吉、黑三省份的人口分布并没有集中,反而呈现分散化态势,三个省份中从南向北分散化趋势逐步显著.从迁入人口数量分布看,除人口迁出大省四川外,辽、吉、黑三省份均基本遵循距离衰减规律.从迁出人口数量分布看,不论东北三省的哪个省份,迁出的目的地除了相邻省份外,迁往北京、天津、山东三个省级行政单元的人口规模最大.东北三个省份内部迁移比重随时间变化而普遍降低,东部沿海作为迁移目的地的地位随时间变化整体呈上升趋势.不论迁入、迁出,东北三省与西藏、青海、宁夏、贵州、重庆等西部、南部和少数民族区域省级行政单元的人口交流数量均为最少.海南省迁往东北三省人口极少,但作为人口迁移目的地,在1982—2015年间接纳的东北三省人口数量上升幅度最大.
1.1 资料来源 选取2015年11月-2016年1月在上海市第一妇婴保健院定期产检并最终分娩的孕28~34周的子痫前期高危孕妇271例。高危孕妇应符合以下入组条件之一:①年龄≥35周岁;②孕前BMI>27 kg/m2;③妊娠期糖尿病;④前次妊娠子痫前期病史;⑤子痫前期家族史;⑥一级亲属高血压;⑦孕后初发型高血压,不伴蛋白尿;⑧孕后初发蛋白尿,不伴有高血压;⑨严重水肿、肝酶升高等临床表现。排除标准:①年龄<18岁;②多胎孕妇;③胎儿畸形或胎儿染色体异常。
(2)影响辽宁省和吉林省的人口迁入因素演变特征更为相似,而影响吉林省和黑龙江省的人口迁出因素的演变特征更为相似;距离因子对人口迁移的重要性在下降,经济因素是影响人口迁入、迁出东北三省的重要原因,而经济因素中对外开放和旅游业发展对人口集聚具有重要作用;创新能力对东北三省人口迁入的影响力在上升,对人口迁出的影响力却在下降,但创新对人口吸引的影响排在前列;迁出人口越来越重视目的地的预期收入和服务业水平,这一点和迁入人口不同,后者越来越重视目的地的工业发展水平;交通、市政等城市硬件建设水平比教育、医疗等城市软环境水平更能影响人口迁移.
4.2 讨论
首先,在迁入人口和迁出人口单独作为比较指标的灰色关联分析中,假设了回流人口的行为也是理性的.事实上,影响迁入地与迁出地之间回流人口的变化可能是由于理性因素引起,也可能由于社会网络因素、文化因素等造成的,若能对此展开研究,则结论与现实则更加接近.其次,东北老工业基地人口振兴问题是一个系统性政策研究,更深层次的战略内涵和执行方案有待于进一步深化研究.
参考文献:
[1] 蒋小荣,汪胜兰.中国地级以上城市人口流动网络研究——基于百度迁徙大数据的分析[J].中国人口科学,2017(2):35-46,127.
[2] 胡巧玲,茹金平.基于大数据分析的人口迁移量预测模型仿真[J].计算机仿真,2014,31(10):246-249.
[3] 蒋小荣,汪胜兰,杨永春.中国城市人口流动网络研究——基于百度LBS大数据分析[J].人口与发展,2017,23(1):13-23.
[4] 刘望保,石恩名.基于ICT的中国城市间人口日常流动空间格局——以百度迁徙为例[J].地理学报,2016,71(10):1667-1679.
[5] 王广州.大数据时代中国人口科学研究与创新[J].人口研究,2015,39(5):15-26.
[6] THOMAS M,STILLWEL J,GOULD M.Exploring and validating a commercial lifestyle survey for its use in the analysis of population migration[J].Applied Spatial Analysis & Policy,2014,7(1):71-95.
[7] 王开科,王开泳.基于修正Keyfitz城镇化模型的我国城乡人口净迁移比率研究[J].经济地理,2014,34(9):27-32.
[8] 杨晓冬,武永祥.协调发展视角下的城乡人口迁移地区差异计量模型研究[J].中国软科学,2015(5):92-100.
[9] 杨传开,宁越敏.中国省际人口迁移格局演变及其对城镇化发展的影响[J].地理研究,2015,34(8):1492-1506.
[10] 刘涛,齐元静,曹广忠.中国流动人口空间格局演变机制及城镇化效应——基于2000和2010年人口普查分县数据的分析[J].地理学报,2015,70(4):567-581.
[11] 周玉翠,万克勇,邓祖涛,等.经济发达地区和欠发达地区人口城市化空间结构比较研究-以江苏和湖南为例[J].经济地理,2015,35(2):77-83.
[12] 李培.中国城乡人口迁移的时空特征及其影响因素[J].经济学家,2009(1):50-57.
[13] 孟向京,姜凯迪.城镇化和乡城转移对未来中国城乡人口年龄结构的影响[J].人口研究,2018,42(2):39-53.
[14] GEYER Jr H S,GEER Sr H S.Disaggregated population migration trends in south africa between 1996 and 2011:a differential urbanisation approach[J].Urban Forum,2015,26(1):1-13.
[15] 刘颖,邓伟,宋雪茜,等.基于综合城镇化视角的省际人口迁移格局空间分析[J].地理科学,2017,37(8):1151-1158.
[16] 徐腾,姚洋.城际人口迁移与房价变动——基于人口普查与百度迁徙数据的实证研究[J].江西财经大学学报,2018(1):11-19.
[17] 王开泳,丁俊,王甫园.全面二孩政策对中国人口结构及区域人口空间格局的影响[J].地理科学进展,2016,35(11):1305-1316.
[18] 姜彤,赵晶,景丞,等.IPCC共享社会经济路径下中国和分省人口变化预估[J].气候变化研究进展,2017,13(2):128-137.
[19] 王艳君,景丞,曹丽格,等.全球升温控制在1.5℃和2.0℃时中国分省人口格局[J].气候变化研究进展,2017,13(4):327-336.
[20] 杨晓军.中国户籍制度改革对大城市人口迁入的影响-基于2000—2014年城市面板数据的实证分析[J].人口研究,2017,41(1):98-112.
[21] BARBIERI A F,DOMINGUES E,QUEIROZ B L,et al.Climate change and population migration in Brazil’s Northeast:scenarios for 2025—2050[J].Population & Environment,2010,31(5):344-370.
[22] 龙晓君,郑健松,李小建,等.“全面二孩”背景下我国省际人口分布时空演变[J].经济地理,2018,38(1):28-35.
[23] 张苏北,朱宇,晋秀龙,等.安徽省内人口迁移的空间特征及其影响因素[J].经济地理,2013,33(5):24-30,23.
[24] 周秀文.灰色关联度的研究与应用[D].长春:吉林大学,2007.
Temporal -spatial pattern and its influence factors about population migration in three provinces of northeast China
LIU Chuntao 1,LIU Xinyang 1,SHAN Liang 2,YUAN Yingying 2,PENG Fei 3*
(1.Shenyang Urban Planning Design & Research Institute, Shenyang 110004, China; 2.School of Geograpgy, Liaoning Normal University, Dalian 116029, China; 3.Marine Economics and Sustainable Development Research Center, Liaoning Normal University, Dalian 116029, China)
Abstract :Along with the deepening of reform and opening-up and regional imbalance development, population migration has become one of China’s new normal. Grey relational analysis and spatial analysis were used to study the temporal-spatial pattern and influencing factors of population migration in three provinces of Northeast China. The results show that: ①the three provinces of Liao, Ji and Hei have different characteristics in the evolution of population scale, but the distribution of the migrated population all present the trend of decentralization. ②From the distribution of the migrated population, except for the population moving out of Sichuan Province, the three provinces of Liao, Ji and Hei basically follow the rule of distance attenuation. From the distribution of the number of emigrant population, the migrant population of three northeast provinces moving to Beijing,Tianjin and Shandong is the largest among nation, in addition to the adjacent provinces. The number of migratory population between the three northeastern provinces and Tibet, Qinghai, Ningxia, Guizhou, Chongqing and other western, southern and minority regions is the least. ③The distance factor has always been the most important factor affecting the migration of the three provinces in Northeast China, and the tourism development and the utilization of foreign capital are the secondary factors affecting the population migration in the three provinces of Northeast China.
Key words :migration;temporal-spatial pattern;influencing factor;grey correlation degree;three provinces in Northeastern of China
收稿日期: 2019- 01- 20
基金项目: 辽宁省教育厅科学研究项目(WZ201783602;JZ201783606);辽宁省社科联重点资助项目(2018lslktzd-020);辽宁省社会科学基金资助项目(L17CJL001)
作者简介:
刘春涛(1984-),男,山东昌邑人,沈阳市规划设计研究院工程师,博士,国家注册城乡规划师.
E-mail:liuyutcl@126.com
通讯作者: 彭飞(1986-),男,山西阳泉人,辽宁师范大学副教授,博士.E-mail:pfly324@163.com
文章编号: 1000- 1735( 2019) 03- 0391- 12
DOI: 10.11679/ lsxblk2019030391
中图分类号: C922
文献标识码: A
标签:人口迁移论文; 时空格局论文; 影响因素论文; 灰色关联论文; 东北三省论文; 沈阳市规划设计研究院论文; 辽宁师范大学地理科学学院论文; 辽宁师范大学海洋经济与可持续发展研究中心论文;