我国省域人口安全水平的现状评价与空间相关性分析——基于GCPA模型和Moran’s I统计量

[福州大学 福州 350002]

□严维青 [青海省委党校 西宁 810008]

我国省域人口安全水平的现状评价与空间相关性分析
——基于GCPA模型和Moran’s I统计量

□丁刚胡联升[福州大学 福州 350002]

□严维青[青海省委党校 西宁 810008]

在建立人口安全水平评价指标体系的基础上，通过运用GPCA模型和基于Moran’s I统计量的全域空间关联的分析方法，对我国31个省域2005～2008年的人口安全水平现状及其空间相关性进行了动态综合评价。结果表明，近年来各地区之间的发展差距虽趋于缩小，但仍存在显著差异，不均衡发展的态势十分突出，且在空间分布上存在显著的自相关现象和集聚效应，省域人口安全状况的演化呈现出高度的空间稳定性。

人口安全；评价；空间相关性；GCPA模型；Moran’s I

引 言

人口安全是我国最为重要的安全问题之一。制定科学的人口安全评价体系，合理评价我国省域人口安全水平的现状，并就其空间分布的相关性进行分析，对于当前我国积极应对人口问题，统筹实现区域经济社会协调发展具有重要的现实意义。

截至目前，已有学者就人口安全评价问题进行了若干实证研究和探讨。如谭克俭对人口安全预警系统进行了框架性思考，并对其可操作性运行流程及指标体系的设计原则进行了分析探索[1]；兰徐民等构建了一套系统全面、简明、科学、可行的人口安全测评指标体系及其量化预警标准[2]；郭秀云则基于“压力-状态-响应”模型（PSR）的基本原理，构建了人口风险评价与监测指标体系，并分别采用主成分分析法和模糊熵权法对上海市的人口风险进行了评估和分析[3]；王玲杰则提出了人口安全系统“方向盘”式结构模型，建立了包括人口子系统、社会经济子系统和资源环境子系统的人口安全系统动态评价指标体系及评价模型等[4]。从已有文献来看，大部分学者的思路基本一致，即从人口与社会、经济、资源、环境等关系方面构建了人口安全水平评价指标体系。上述研究虽然取得了一定成果，但通过对已有文献的梳理与归纳不难发现，作为评价领域较为成熟的研究方法之一，GPCA（全局主成分分析）模型在此方面仍未得到充分应用。利用GPCA模型，可在构建我国省域人口安全水平评价指标体系的基础上，结合这些指标近年来的时序立体数据对不同省域人口安全水平的动态演进态势予以科学评测及分析比较，这对于科学认知我国省域人口安全水平的现状特点有着重要的现实意义。

基于空间自相关指数Moran’s I统计量的全域空间关联的分析方法是近年来我国区域人口研究领域方兴未艾的一种研究方法。如朱传耿等曾运用GIS技术与空间相关分析的综合集成方法,对中国流动人口的空间分布进行了研究[5]；台湾学者谢纯莹等则通过Moran’s I指数的检验，揭示了台湾中部地区历年人口老龄化呈现空间聚集现象及其强度的演变规律[6]；刘峰等将空间统计分析与GIS相结合，对甘肃省天水市的人口空间分布模式进行了研究，以探寻其人口空间分布是否存在聚集现象[7]；俞路等运用空间统计方法研究了上海市人口分布变动的空间特征[8]；闫庆武采用Moran’s I统计量统计量对江苏省县级单元人口密度分布的局域空间自相关进行了分析[9]。但运用Moran’s I统计量探讨我国省域人口安全水平分布格局的空间相关性的研究则尚属鲜见。

本研究的创新之处在于，在科学、全面地构建出一套用于省域人口安全水平现状评价的指标体系的基础上，通过GPCA模型和Moran’s I统计量的运用，对全国31个省域2005～2008年的人口安全水平现状进行了动态综合评价，研究结果可为进一步提出统筹提升其人口安全水平的长效机制和对策建议提供理论和现实依据。

一、我国省域人口安全水平的现状评价

（一）评价指标体系的基本框架

科学评价人口安全水平的前提是建立一个客观全面的人口安全指标体系。在充分认识人口安全的涵义及其基本特征的基础上，考虑到数据资料的可得性和权威性（所有指标的数值均可通过国家统计部门发布的数据资料获得或计算得出），本研究拟从人口安全系统的五个构成要素（人口子系统、经济子系统、社会子系统、资源子系统、环境子系统）出发构建指标体系，选择相应指标对我国的省域人口安全水平进行综合评价。其中，人口子系统是人口安全系统的核心内容，经济子系统是人口安全系统的物质基础，社会子系统是人口安全系统的调节动力，资源子系统是人口安全系统的资源保障，环境子系统是人口安全系统的自然条件。基本框架如表1所示。

（二）评价模型——GPCA模型的建立方法

在现有的各种绩效综合评价方法中，主成分分析方法是一个重要、且被市场认可的多元统计方法。然而，在省域人口安全水平评价研究中，如果对每年的数据表分别进行主成分分析，则不同的数据表有完全不同的主超平面，因而无法保证系统分析的统一性、整体性和可比性。因此，若对这种立体数据表进行主成分分析，就要寻求一个对所有数据表来说是统一的简化的空间，将每张数据表在其上的投影得以近似表示，并且从全局来看，该空间的综合效果是最佳的，这种处理方法被称为全局主成分分析法，据此可建立起相应的GPCA模型，本文拟采用该方法。

在具体处理时，可按如下基本步骤来完成这一系列过程：1）对所要处理的样本数据（此处为全局数据）进行正向化处理并实施标准化变换；2）计算相关系数矩阵；3）计算相关系数矩阵的特征根和特征向量；4）计算特征根的方差贡献率和累计贡献率；5）根据累计贡献率确定全局主成分的个数；6）根据全局主成分的特征值与对应的特征向量计算全局主成分；7）根据全局主成分的方差贡献率计算综合得分。上述过程均可以通过使用SPSS软件予以完成。

表1 我国省域人口安全水平评价指标体系基本框架

（三）评价过程

基于《中国统计年鉴》（2006,2007,2008，2009），本文将所获得的27项指标构成的数据按照时间顺序依次排列，建成全局样本数据表。运用多元统计分析软件SPSS16.0，在对样本数据进行正向化处理并实施标准变换后，对省域人口安全水平的总体现状进行了分析与评价。通过进行全局主成分分析，可得到全局主成分的特征值及贡献率，结果显示，前六个全局主成分的方差累计贡献率为85.693%（大于80%），效果较好。其中，F1、F2、F3、F4、F5、F6（分别代表第一、二、三、四、五、六个全局主成分）的方差贡献率分别为49.739%、12.072%、9.310%、5.922%、4.771%、3.879%，故可将其确定为所需要提取的两个全局主成分，由此可得出综合得分F综的评价公式如下：

经软件运行可得到初始因子载荷矩阵，通过计算可以得到全局主成分中每个指标所对应的系数，由此可进一步得到各个全局主成分的计算公式。利用以上公式及综合得分F综的评价公式，可计算出全国各省市的全局主成分值及综合结果。需要说明的是，由于在运算过程中对样本数据进行了标准化处理，所得出的综合因子得分在若干地区出现了为负的情形。为了符合习惯，更为了下一步计算的需要，本文参考有关文献的做法[10]，对综合因子得分使用了规格化变换的技术方法进行处理，即：规格化数据=（原始数据—原始数据的最小值）/（原始数据的最大值—原始数据的最小值），规格化变换后，规格化数据的取值范围在O-1之间，其中，最大数值为1，最小数值为O。评价结果显示，从2005年到2008年，我国东、中、西三大地带各省（市）区的F综均有不同程度的上升，这意味着其人口安全水平都有了一定程度的改善。经计算可知，同2005年相比，2008年东部、中部和西部的平均综合得分的上升幅度分别为16.77%、24.16%和34.38%，东部最低，中部次之，西部最高，从中可以看出全国范围内各地区人口安全水平之间的发展差距趋于缩小。

评价结果显示，全国各省(市)区的人口安全水平的空间分布格局表现出较强的空间相关性。图1是我国省域人口安全指数2008年的空间分布四分位图，图中显示，位于第四级排列的省域有8个，分别为北京、天津、上海、江苏、浙江、辽宁、吉林、黑龙江，是全国范围内人口安全指数最高的一类地区；位于第一级排列的省域有7个，分别为西藏、云南、贵州、广西、甘肃、江西、安徽，是全国范围内人口安全指数最低的一类地区。然而，无论是位于第一级还是第四级排列的省域，均显著而直观地呈现出一定程度的空间集聚现象，空间相关性十分明显。为对我国省域人口安全指数在空间上的分布是否存在空间相关性进行识别，本研究拟运用基于Moran’s I统计值的全域空间关联分析方法，通过空间相关性显著检验等途径实现检测目的。

图1 我国省域人口安全指数空间分布四分位图（2008年）

图2 人口安全指数的Moran’s I统计分析结果（2005年）

二、基于Moran’s I 统计值的省域人口安全空间分布状况分析

（一）Moran’s I的计算说明

在空间相关分析应用研究中，为检验全域空间自相关现象存在与否，常使用空间自相关指数Moran’s I对其加以研判说明[11]。其计算公式如式（1）所示。

Yi表示第i个地区的观测值，n为地区总数，Wij为空间权重矩阵W中的任一元素，采用邻接标准或距离标准，其目的是定义空间对象的相互邻接关系。空间权重矩阵W的确定方法主要有基于邻近概念的一阶邻近矩阵、高阶邻近矩阵及K值最邻近空间矩阵和基于距离的空间权值矩阵等。本文采用K值最邻近空间矩阵对其加以测算，K值选常用默认值4。Moran’s I可看作各地区观测值的乘积和，其取值范围在-1到+1之间。若各地区间为空间正相关，其数值应当较大，负相关则较小。

（二）基于Moran’s I的检验结果

在得到我国省域人口安全指数的面板数据的基础上，可对其空间自相关指数Moran’s I统计值的显著性在随机性假设条件下进行检验，2005～2008年我国31个省域人口安全指数的空间自相关Moran’s I统计分析结果分别为0.4086、0.4220、0.4188、0.4348，正态统计量Z值均高于正态分布函数在0.01水平下的数值（1.96），在小于1%的水平上提供了强烈的空间正自相关证据。从中还可看出，2005至2008年间Moran’s I统计值渐趋提升，说明随着时间推移，这种空间正自相关的显著性有着逐渐加强的趋势。

此外，如图2所示，2005年的Moran’s I统计结果表明：北京、天津、内蒙古、辽宁、吉林、黑龙江、上海、江苏、浙江、山东等省域位于第一象限，上述省域与邻近省域间表现出高-高的空间自相关关系和集群效应（HH）；河北、安徽、福建等省域位于第二象限，上述省域与邻近省域间表现出低-高的空间自相关关系（LH）；江西、河南、湖北、湖南、广西、海南、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆、西藏位于第三象限，上述省域与邻近省域间表现出高-低的空间自相关关系和集群效应（LL）；仅有广东一省位于第四象限，与邻近省域间表现出高-低的空间自相关关系（HL）。2008年的Moran’s I统计图显示（图2），与期初（2005年）相比，各象限的省域群落构成并无变化。限于篇幅，本文仅列出了2005年的Moran’s I统计图。由此可见，省域人口安全状况的演化呈现出高度的空间稳定性。

三、结论

本文从省域人口安全水平的现状评价角度出发，在充分考虑样本数据的可得性、可信度及其权威性的基础上，通过运用GPCA模型和基于Moran’s I统计量的全域空间关联的分析方法，在得到我国省域人口安全指数面板数据的基础上，对其空间相关性进行了分析测算。研究结果表明：

1.从2005年到2008年，全国各省(市)区的人口安全水平逐渐提升，且中、西部地区的提升相较于东部地区更为明显。各地区人口安全水平之间的发展差距趋于缩小。

2.各地区之间的发展差距虽趋于缩小，但仍存在显著差异，不均衡发展的态势十分突出，且在空间分布上存在显著的自相关现象和集聚效应，省域人口安全状况的演化呈现出高度的空间稳定性。

由此可见，在现阶段统筹省域人口安全工作的进程中，应因地制宜，根据我国不同地区的现状水平及各自特点制定相应的应对方案。从全国范围来看，应考虑将以江西、河南、湖北、湖南、广西、海南、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆、西藏为代表的低-低空间自相关关系集群地区作为当前工作中的重中之重来区别对待。而对于以北京、天津、内蒙古、辽宁、吉林、黑龙江、上海、江苏、浙江、山东等为代表的高-高空间自相关关系集群地区，则应充分发挥其作为核心区域的空间溢出效应和辐射带动作用，同时亦不能放松警惕，仍应针对其所存在的缺陷和不足有的放矢，积极应对，以防止其现状水平在未来一段时期出现退化。

[1]谭克俭.人口安全预警系统基本框架研究[J].人口学刊，2005，(5):8-12.

[2]兰徐民，温勇，潘金洪.人口安全预警指标体系及其量化探讨[J].西北人口，2006，(6):41-44.

[3]郭秀云.区域人口风险管理与控制体系研究[D].上海：复旦大学，2006.

[4]王玲杰.人口安全动态评价指标体系及评价模型[J].统计与决策，2009，(20)：12-147.

[5]朱传耿，顾朝林，等.中国流动人口的影响要素与空间分布[J].地理学报，2001，(5):549-559.

[6]谢纯莹，周国屏.应用空间自相关分析于人口老化时空变迁之研究[J].人口学刊(台湾)，2002，(5):91-119.

[7]刘峰，马金辉等.基于空间统计分析与GIS的人口空间分布模式研究——以甘肃省天水市为例[J].地理与地理信息科学，2004，(6):18-21.

[8]俞路，张善余，韩贵峰.上海市人口分布变动的空间特征分析[J].中国人口·资源与环境，2006，(5):83-87.

[9]闫庆武，卞正富.人口空间分布的异质性测量[J].地理研究，2009，(4):893-899.

[10]崔向阳.中国工业化指数的计算与分析[J].经济评论，2003，(6):44-47.

[11]CLIFF A, ORD J.Spatial processes, models and applications[M].London: Pion, 1981.

Evaluation of Population Security and Research of Spatial Agglomeration Effect in Chinese Provinces——Based on GCPA Model and Moran’s I

DING Gang HU Lian-sheng
(Fuzhou University Fuzhou 350002 China)
YAN Wei-qing
(Qinghai Communist Party School Xining 810008 China)

Based on the evaluation index system of population security among provinces in China, this article makes dynamic comprehensive evaluation of population security on 31 provinces between 2005 and 2008 through GCPA model and Moran’s I technique.It also makes tentative analysis on effect of spatial agglomeration.The result indicates that although the gap of population security among different provinces is decreasing, there are still significant discrepancies in them and the whole development is conspicuously disproportional.There is evidence that the layout of population security indices has obvious character of agglomeration and spatial autocorrelation.Meanwhile, there is explicit sign of path dependence in their space time evolution and the center-periphery pattern has been formed stably.

population security；evaluation；spatial agglomeration effect；GCPA model；Moran’s I

C924.24

A

1008-8105(2011)02-0023-04

2010−07−16

2008年国家社科基金西部项目：我国藏区人口安全问题与构建和谐社会研究（08XRK003）

丁 刚（1974−）男，博士，福州大学公共管理学院副教授；严维青（1966−）男，中共青海省委党校经济学教研部副教授.

编辑 戴鲜宁