中国人口出生率的空间非均衡性及地域差异分析

苏理云,杨晓鹤,柏国应,李凤兰

(重庆理工大学　a.理学院； b图书馆, 重庆　400054)

2014年的全球生育率排序中，中国大陆以1.28‰居倒数第五，到2015年，中国的总和生育率只有1.05‰。显然，这样的生育率状态已经远低于世代更替水平，并远低于欧美发达国家和东亚邻国。随着全面二孩政策的实施，2016年的总和生育率达到1.7‰，效果初显，但还是没能改变中国低生育率、低死亡率和低增长率的人口现状。在这样长期走低的生育水平形势之下，政府为了减轻人口弊端带来的影响，抑制男女比例失衡，缓解人口老龄化，在党的十八届五中全会决定“坚持计划生育的基本国策，完善人口发展战略，全面实施一对夫妇可生育两个孩子政策”，且全面二孩政策于2016年1月1日正式实施。这是继十八届三中全会决定启动实施“单独二孩”政策之后的又一次人口政策调整。郭志刚[1]研究发现：我国的人口出生率在20世纪90年代初就下降到更替水平以下，近些年的出生率还在继续下降。翟振武等[2-3]针对全面放开二胎政策分析了人口学后果，发现全面二胎可以改善未来人口负增长的趋势，出生总人数将大幅上升。

对于区域差异方面的研究，国内外多倾向于通过人口老龄化分析人口差异性，而研究人口出生率的甚少，且在区域划分问题上，普遍采用“七五”计划的东、中、西三大区域进行划分[4-7]。而空间数据探索(exploratory spatial data analysis,ESDA)在传统的数值模型基础上考虑空间相关性，能更好地刻画区域发展问题[8-10]。这两种方法在空间数据分析中往往顾此失彼。本文首次将两种方法综合运用到出生人口的空间相关性研究中，在方法上是一种新的尝试。基于ArcGIS和GeoDa软件，采用ESDA一系列的空间统计方法，探讨人口出生率的空间非均衡性，可以更清晰地发现人口的空间相关性，并且结合区域分析方法对人口出生率的区域问题进行深层次分析，为解决区域重点人口问题提供依据，从而提高生育率。

1　方法与数据

1.1　莫兰指数(Moran’s I)

莫兰指数由澳大利亚统计学家Patrick Alfred Pierce Moran于1950年提出，是度量空间相关性的一个重要指标[11]。一般说来，莫兰指数分为全局莫兰指数(global Moran’sI)和安瑟伦局部莫兰指数(Anselin local Moran’sI)。本文采用全局莫兰指数来测度全国人口出生率的高低相似程度，通过局部莫兰指数反映哪个区域贡献更大、具体表现出什么样的空间聚集性、高-高型和低-低型有哪些重点省市。

全局空间自相关的Moran指数反映其邻近省市的相似程度，可以表达为

(1)

(2)

Global Moran’sI的取值介于1和-1。当其大于0时表示空间正相关，越趋向于1就说明相似省市的聚集程度大；当等于0时表示不存在任何的空间自相关性，也就是随机的；当小于0时表示空间负相关。构造标准化的统计量ZI来检验变量自相关的显著性，按以下方式计算：

(3)

(4)

(5)

(6)

(7)

假设人口出生率与其平均值的偏差服从正态分布，得到的指数I的分布是近似的正态分布，E[I]表示 Moran’sI的理论平均值，D(I)反映的是Moran’sI经验分布的方差，均可由GeoDa直接输出结果。若在显著性水平为0.01的情况下、ZI在[-2.58,2.58]时，表示我国人口出生率的观测值在空间上表现为独立的随机分布，ZI>2.58且显著时表示我国人口出生率的空间聚集性明显，ZI<-2.58且显著时表示没有任何规律可循。

局部莫兰指数与全局莫兰指数反映的平均值有所不同，局部莫兰指数能探测出具体的聚集省市及相关程度，其常用指标可表示为

(8)

1.2　泰尔指数

泰尔指数(Theil index)是因泰尔利用信息理论中的熵概念来计算收入不平等而得名[12]。泰尔指数作为出生人口空间分布不均衡的测度指标，具有良好的可分解性质，它的特殊意义在于可以把总体差异分解为不同尺度空间的内部差异和外部差异。如果把中国的省市分为j个区域时，泰尔指数可以分别衡量组内差距与组间差距对总差距的贡献。本文借鉴Bourguignon[13]和Shorrocks[14]对泰尔指数的分解方法，设定如下公式：

(9)

(10)

(11)

(12)

Db=Tb/(Tb+Tw)

(13)

Dw=Tw/(Tb+Tw)

(14)

1.3　人口度量、数据来源

常见的人口统计指标有年龄比生育率、男女比例、人口出生率、人口死亡率、人口增长率、总和生育率等，对老龄化的研究具有一定的普遍性，本文采用人口出生率来度量人口变化。人口出生率是研究人口变动的重要依据，反映人口的出生水平或强度，一般用千分数来表示。计算公式为：

出生率=(年内出生人口数/年内平均人口数)×1000‰

本文考察的对象是除港澳台地区以外的中国其他31个省级行政区、直辖市及自治区，考察年份是2001—2015年，数据来源于中华人民共和国国家统计局，数据完整。

2　人口出生率的空间非均衡性

2.1　人口出生率的趋势概况

近几年的全国出生人口数和人口出生率的趋势变化如图1所示。从图1可见：我国的出生人口总数从2001年开始就一直在下降，2010年达到1 574万的最低出生人口数；之后的几年里小幅增长，一度突破出生人口数的巅峰，在2016年创下1 786万的峰值。出生人口总数的下降也间接说明了出生率的显著下降，由于1979年的独生子女政策和1984年调整的生育政策(第1胎是女生的可以生育第2胎)，以及在相关的社会文化和消费水平不断升级现状的影响下，新生人口直接表现为人口出生率的大幅度下降，2010年达到11.9‰的人口出生率最低状态。而出生人口总数过低会使得劳动力资源紧缺、竞争力下降。国家为了给人口红利提供持续源泉，在2013年召开的十八届三中全会上启动“单独二孩”政策，在2015年召开的十八届五中全会上提出“全面二孩”政策，这些政策也在近两年获得显著成效，2016年的人口出生率达到可与2002年争雄的12.95‰。

图1　2001—2016年全国出生人口统计情况

2.2　人口出生率空间非均衡性分析

本文利用ArcGIS10.1软件，以2001、2005、2010和2014年中国各个省市人口出生率为基础，绘制了相应的空间分布图，如图2所示。从图2中可以直观地看出：无论什么时候，中国各个地区人口出生率的高、低空间分布都呈现出显著的空间非均衡特征。

图2　2001、2005、2010和2014年人口出生率空间分布

从图2可见：中国各省市的人口出生率存在明显的区域差异。2001年人口出生率较高的地区主要是西藏、青海、云南、贵州、新疆等西部地区，人口出生率较低的主要聚集在辽宁、天津和北京等北部地区。到2005年，青海、云南和贵州的人口出生率虽有所降低，但还是较高，人口出生率最高的地区为西藏。到2010年，人口出生率较高的地区仍然是新疆、西藏、青海等西部地区，而人口出生率较低的省市增多，主要聚集在辽宁、吉林、黑龙江、北京等北方地区。到2014年，人口出生率较低的地区相对减少，在人口出生率较高的地区，山东替代了宁夏，其他地区相对保持不变。

由此可见，我国整体的人口出生率明显在下降。人口出生率较高的地区聚集在我国西藏、新疆、青海等西部地区，人口出生率较低的地区聚集在辽宁、吉林、黑龙江等地。从个别省市来看，山东省的人口出生率由2010年的11.65‰上升到2014年14.23‰，山西省的人口出生率由2001年的13.06‰下降到2015年的9.98‰，贵州省的人口出生率由2001年的18.56‰下降到2014年的12.98‰，云南省的人口出生率由2001年的18.51‰下降到2014年的12.65‰，出现较大的浮动。从区域来看，北部和西部地区的人口出生率均在下降，印证了我国目前低出生率的现状。但总体而言，我国的人口出生率呈现出由东向西逐渐增强的空间非均衡趋势，即东部地区的人口出生率相对较低，西部地区的人口出生率相对较高，而各个省市之间的人口出生率又完全不同。

2.3　人口出生率的空间聚集效应

2.3.1全局空间聚集效应

由本文的描述性分析结果可知，人口出生率的空间非均衡性很明显，而具体展现了什么样的空间分布还有待考究。本文为了对31个省市各区域的人口出生率进行空间度量，采用全局空间相关性指标分析人口出生率的高低聚集现象，结合ArcGIS和GeoDa软件，对人口出生率的空间聚集效应进行分析，得到我国31个省市2001—2015年人口出生率的各项指标结果，如表1所示。

分析表1可见：从P值的结果来看，P值均小于0.01，说明2001—2015年中国人口出生率的全局Moran’sI统计量在0.01的显著性水平下均通过了显著性检验；从Moran’sI来看，数值均大于0，反映出我国人口出生率在全局范围内有正的空间相关性，而总体趋势呈现出上升的状态，从2001年的0.409到2015年的0.483。这也映射出我国人口出生率的空间正相关性具有逐渐增强的态势，即出生率较高的地区的邻近省市也是出生率较高的地区，出生率较低的省市与出生率较低的省市相邻。从ZI统计量来看，均大于2.58，说明我国人口出生率有显著的空间聚集性。从图2中也可得到：出生率存在高-高型聚集和低-低型聚集的空间分布格局。为了更好地刻画出生率的空间聚集性，接下来对局部聚集特征进行分析说明。

表12001—2015年中国人口出生率的全局统计量

变量20012002200320042005200620072008P值0.0010.0010.0010.0010.0010.0010.0020.002Moran’sI0.4090.4260.4370.4240.3820.3550.3520.351ZI3.9113.8394.0224.0463.6573.4243.3933.438sd0.1130.1190.1170.1130.1130.1140.1140.112变量2009201020112012201320142015P值0.0030.0030.0020.0010.0020.0010.002Moran’sI0.3640.3730.3650.3770.3800.4130.483ZI3.4333.4653.5013.5523.6243.7874.507sd0.1130.1160.1140.1150.1130.1180.114

注：显著性水平为0.01

2.3.2局部空间聚集效应

全局自相关Moran’sI指数度量的是整个研究区域空间变量取值的依赖程度，由于空间数据的异质性，全局空间自相关中可能存在局部随机性，局部分布高度不均匀或者被少数的一些很大的数值控制，总体的准确度会下降，也会对一些观测省市特别敏感。全局随机分布数据中也同样存在局部空间自相关性。因此，采用局部空间相关性来研究我国人口出生率的空间聚集性以及有哪些空间离群值。本文选择2001、2005、2010和2015年这4个时间点来分析，得到图3中的局部空间不稳定性散点图。

图3中：横轴表示标准化后的人口出生率，纵轴表示人口出生率的空间滞后。整体以平均值为轴的中心，分成4个象限，每个象限对应不同的空间自相关类型：1象限高-高型和3象限低-低型反映空间正相关性，也就是典型的空间聚集。从图3中的1、3象限来看，聚集效应显著，说明我国的人口出生率在空间上表现出很强的正向空间相关性，即各个省市之间人口出生率相似程度很高。2象限低-高型和4象限高-低型则展示了空间负相关性，说明相邻省市的属性相差较大，这部分城市也被称为空间离群。我国人口出生率的聚集性和离群值见表2。

图3　2001、2005、2010和2015年我国人口出生率的局部Moran散点图

年份高-高型(HH)低-低型(LL)低-高型(LH)高-低型(HL)2001广西、广东、湖南、江西、湖北内蒙古、河北贵州宁夏、吉林2005广西、广东、湖南、江西内蒙古、河北贵州宁夏、吉林2010广西、广东、湖南、江西、湖北内蒙古、河北、吉林、辽宁、天津贵州宁夏2015广西、广东、湖南、江西、湖北内蒙古、河北、吉林、辽宁、天津、山西、北京贵州宁夏

注：表中未显示聚集或离群不显著的城市。

结合表2和图2、图3分析可以得到以下3点：

1) 我国人口出生率的空间聚集性越来越明显，2005年只有9个省市的聚集性显著，到2015年已经有14个省市表现出很强的聚集性，说明城市之间的发展在互相带动邻近城市的进步，彼此之间的相似性也在增加，也可从逐渐增大的全局Moran指数中得到验证。

2) 2001年和2005年，我国华南地区和华北地区的空间聚集性显著，到了2010年以后，逐渐延伸到华南和东北地区，这也说明华南地区的人口出生率一直相对较高，而东北地区的人口出生率相对较低，其结论与图2中的结果相吻合。

3) 贵州相邻的省市人口出生率相对较高且历年如此，变化微小(譬如湖南、广西)，这也说明贵州的发展还有待加强，毕竟孩子的出生意味着巨大的花费，而宁夏和吉林相邻的省市人口出生率相对较低，例如内蒙古、山西、陕西、黑龙江和辽宁。

3　人口出生率地域差异的测度及分解

人口出生率的空间非均衡性通过全局空间相关性和局部空间相关性得到验证，说明各个省市之间不仅有同质性，还有异质性。综合本文人口出生率高低分布和空间聚集情况可见：出生率较低的省市基本是低-低型聚集，例如内蒙古、辽宁、吉林、北京和天津等北方省市，高-高型聚集的主要在中部和东部。为此，本文打破传统的东中西三大分布局面，依照空间聚集情况和城市人口出生率的高低走势，将31个省市分成4个梯队：

第1梯队(TW1)是辽宁、天津、吉林、黑龙江、北京、河北、内蒙古和山西，人口出生率相对较低且表现为低-低型聚集的省市，主要分布在我国的北部地区。

第2梯队(TW2)是西藏、青海、云南、贵州、新疆、宁夏、广西、甘肃和海南，人口出生率相对较高，主要在我国西部地区。

第3梯队(TW3)主要是华中地区一带，也外加西南地区的部分省市，主要是陕西、四川、重庆、湖北、湖南和河南,人口出生率在11‰左右。

第4梯队(TW4)主要是位于华东地区的江西、福建、山东、安徽、浙江、江苏、上海和广东，人口出生率大致在13‰。

分别计算4个梯队的区域内、区域间和总的泰尔指数，以及各个泰尔指数的贡献率，对人口出生率的区域差异进行测度和分解，结果如表3和图4、图5所示。

表3　中国人口出生率的泰尔指数(2001—2015年)

从表3的T值可以看出：我国的出生人口水平存在显著的区域差异。总体来说，泰尔指数呈下降趋势，且变化趋势不平稳；2003年的泰尔指数最高为0.029，说明当年出生人口的区域差异比较突出，而最低为2007年的0.017；从贡献值来看，Dw>Db，说明区域内的差异是导致总体差异的主要来源。

从图4可以发现：出生人口空间分布的地区间差异呈现上下波动的趋势；总的泰尔指数(T)在逐渐降低，说明各个省市之间的差异性在逐渐减小。从区域内(TW)和区域间(Tb)的泰尔指数看，区域内的差异远远大于区域间的差异且相对稳定，说明相邻城市之间的人口发展有一定的空间相关性，在稳步发展的同时影响着我国人口的总体差异。区域间的差异变化与总的泰尔指数变化趋势相近，由于区域内的差异相对平衡，可以说区域间的地域差异是导致总体差异波动的关键因素。2003—2007年的5年时间里，区域间的泰尔指数和总的泰尔指数都从峰值连续下降到触底，说明随着时代的进步，城市之间的差异性在逐渐缩小，政府和公民在面对孩子的问题上思想比较统一，也间接说明落后城市在发展的道路上进步很大。之后的几年里，总的泰尔指数缓慢上升到2011年的0.0201，之后随着单独二孩政策和全面二孩政策的影响，区域之间的总体差异还是扩大了。特别是区域间的泰尔指数自2014年后突然猛增到0.0114，这说明全面二孩政策的提出影响了各个区域的出生人口数，也反映了生育政策要有区域针对性才行。

图4　2001—2015年我国人口出生率的地域差异变化情况

图5　2001—2015年我国人口出生率四大梯队的内部差异变化情况

分析图5的区域内部泰尔指数变化可知：位于北方的第1梯队(TW1)表现出跌宕起伏的内部差异特性，自2002年开始，内部差异就一直呈现出上升的趋势，这也表现了北部地区的特点，那就是发展快，面对人口也不例外，并且第1梯队所属省市的人口出生率都相对较低，这可能反映出在北方生活节奏快、生活压力大、生活成本过高的情况下，人们在生育下一代的问题上会慎重考虑，这样的问题值得探讨。地处西北地区的第2梯队(TW2)人口出生率相对较高，地区发展水平相对落后，随着时代的发展，人口出生率的逐渐降低，区域内的差异自2002年后一直处于最低值。最近几年，各个区域之间的出生人口差异性在逐渐缩小，尤其是除去北部地区的第1梯队外的其他梯队之间年渐趋于统一，其中2013年出台单独二孩政策以后，区域内部差异都在逐渐缩小，特别是北部地区表现最为明显。

4　结论与建议

1) 2001—2015年，中国的人口出生率呈下降趋势，且高低分布呈现出一定的非随机性，部分省市之间有一定的相似性。出生率较高地区主要在西藏、新疆、青海、云南等西部地区，而辽宁、黑龙江、吉林等东北地区的出生率较低，整体呈现出由东向西逐渐增强的趋势。

2) 我国人口出生率的空间聚集效应显著，且省市间显现出相似性聚集，表现为高-高型聚集和低-低型聚集。从图3的散点图可知：省市越来越靠近第1象限和第3象限，说明正向空间相关性在增加，并且回归线的斜率也在增大，说明了我国人口空间聚集效应在加强。从局部Moran分析结果来看，高-高型主要聚集在广西、湖南、江西、广东和湖北等华南、华中地区；低-低型主要聚集在内蒙古、北京、天津、河北、辽宁和吉林等北方地区。

3) 我国各省市之间的区域差异明显，考察期间的差异性在逐渐减小。具体表现为，区域内差异远大于区域间差异，并且区域内差异相对稳定，说明区域间差异的变动引起了总体差异的变化。第4梯队的区域内差异主要受北方地区的差异影响，可以说出生率越低的城市，区域内差异越明显。相比之下华东和华中的区域内差异变化不大，而西北部地区相对稳定。

基于以上结果，建议国家层面在制定生育政策的时候，首先要重视人口的空间非均衡性问题，充分考虑区域差异和各个地区的发展趋势，统筹解决人口出生率低的问题。其次是通过区域合作、相互配合，合力解决人口问题。区域之间既有相似性，也有异质性，各个省市在人口问题上要制定重点突出、取长补短的方案，完善区域人口政策的有效实施。最后，国家实施的鼓励生育政策和积极倡导的优生计划为人口增长创造了良好的环境，但是也要从经济层面考虑城市的发展是否能承担人口增长带来的经济变动，后续可对此进行分析研究。

参考文献：

[1]郭志刚.近年生育率显著“回升”的由来——对2006年人口和计划生育调查的评价研究[J].中国人口科学，2009(2):2-15.

[2]翟振武，张现苓，靳永爱.立即全面放开二胎政策的人口学后果分析[J].人口研究，2014，38(2):3-17.

[3]翟振武，陈佳鞠，李龙.中国出生人口的新变化与趋势[J].人口研究，2015，39(2):48-56.

[4]赵儒煜，刘畅，张锋.中国人口老龄化区域溢出与分布差异的空间计量经济学研究[J].人口研究，2012，36(2):71-81.

[5]徐海平.我国农村人口老龄化差异测度、分解及影响因素分析——基于2001—2013年面板数据[J].农业技术经济，2016(8):49-57.

[6]刘华军，何礼伟，杨骞.中国人口老龄化的空间非均衡及分布动态演进：1989—2011[J].人口研究，2014，38(2):71-82.

[7]晋良花，章琴.人口出生率地区差异对经济发展影响分析[J].商业时代，2013(16):19-20.

[8]AROCA P,MARIANO B,WILLIAM F.Spatial dimensions of trade liberaliztaionand economic convergence:Mexico 1985—2002[J].World Bank Economic Review，2005,19(3):345-378.

[9]王书霞，王晓峰，常月明.基于Moran’s I和LISA的人口与经济系统协调性研究[J].统计与决策，2014(6):90-93.

[10] 苏理云，柳洋，彭相武.中国各省离婚率的空间聚集及时空格局演变分析[J].人口研究，2015，39(6):74-84.

[11] 邓敏，刘启亮，吴静.空间分析[M].北京:测绘出版社，2015.

[12] THEIL H.Economics and information theory[M].Amsterdam:North Holland Publishing Company,1967.

[13] BOURGUIGNON F.Decomposable income inequality measures[J]. Econometrica,1979，47(4):901-920..

[14] SHORROCKS R.The class of additively decomposable inequality measure[J]. Econometrica,1980，48(3):613-625.