京津冀产业布局对人口空间分布的影响及疏导建议

沈映春，罗湉予

一、引言

（一）研究背景

京津冀一体化战略是新时期引领我国经济繁荣的重要引擎。随着雄安新区的设立，区域人口分布问题成为政府以及学术界关注的焦点。至今，京津仍是区域内主要人口吸引地区，常住人口占比40%。2015年1%人口抽样调查显示，河北省近2/3的人口流入京津地区，人口分布始终处于不平衡的状态。

失衡的人口发展将限制区域协同发展，利用产业布局带动人口疏解，成为调控人口的重要思路。根据《京津冀协同发展规划纲要》，各地已明确功能分区，开始转移、承接对应行业，但仍存在人口膨胀、产业对接程度低等问题。因此，站在京津冀全局角度，研究人口分布和产业布局协调发展，以产业疏导带动人口流动，具有重要意义。

（二）研究现状

近年来，国内学者对这一问题展开了许多有益的研究。范剑勇（2004）以广东省为例，指出产业集聚与跨地区的劳动力流动作用互相加强。谢露露（2013）运用中国地级市行业数据，指出产业集聚效应存在，且需要以劳动力自由流动作为基础。王莹莹和童玉芬（2015）采用固定效应模型，指出 2006-2013年北京第二、三产业专业化程度提高对人口集聚分别起正向和负向作用。皮建才等（2016）指出将产业迁移至功能拥挤程度较低的区域，区域福利水平将得以提高。严运楼（2017）指出安徽省在承接长三角产业转移的过程中，产业集聚促进了福利水平，两者又共同促进了经济发展。安锦和薛继亮（2015）建立联立方程，指出人口流动和产业结构转型相互作用，其协调发展有助于京津冀有序疏散人口。王继源等（2016）运用劳动投入产出法，指出河北省承接批发零售业、轻工业和通用制造业可弥补产业调整带来的损失。

总体来看，目前学者普遍认为产业集聚与劳动力流动相互影响，产业布局调整有利于提高社会福利，且利用产业疏导人口，具有可行性。

（三）项目特色及创新点

首先，多数学者研究全国性人口问题，而本文运用最新五年数据，结合国家发展战略，以京津冀地区为依托，研究背景更贴合真实规律。其次，本文通过严谨的推导检验，挑选出最为适用的空间杜宾模型，将空间溢出效应引入人口研究。最后，本文从产业布局视角切入，探究其与人口分布的关系并提出切实可行的产业疏导建议，具有现实指导意义。

二、京津冀人口及产业现状

（一）人口分布状况

根据表1，2012-2016年北京市等四个城市常住人口超1 000万人，区域内人口分布较为集中。五年间，天津市的城市吸引力攀升，每年持续增长幅度最大，其次为北京市、廊坊市。

（二）产业布局状况

根据图1，五年来区域内产业均衡发展势态良好，产业高级化程度提高。但到2016年，只有京津秦三市的第三产业占比超过50%，表明第三产业在河北省各市的经济力量相对薄弱，尚有较大的发展空间。

（三）人口布局和经济发展情况

本文运用人口经济一致性系数（Consistency of Population and Economy, CPE），考察区域内人口和经济水平是否协调。计算公式（1）如下：

表2 人口经济一致性判定

根据图2，区域内只有廊坊市和石家庄市的人口和经济水平保持一致。与人口分布状况相比，CPE与常住人口数呈相反趋势。京津地区人数最高但CPE较低；河北省各市人数较少CPE反而较高。表明经济集聚将带来人口集聚，若河北省的经济仍然受限，京津地区的人口集聚程度将进一步上升。

图2 2016年京津冀地区人口分布以及人口经济协调度

三、变量、估计方法与模型设定

（一）变量选择

1. 人口地理集中度

人口地理集中度（Geographic Population Ratio, GPR）（皮建才等，2016）考虑了行政区划面积以衡量人口的集聚水平，体现了不同区域基于地理面积的容纳人口力和不同地区在区域内的地位。计算公式（2）如下：

图3 2016年京津冀地区人口地理集中度分布

2. 产业布局

根据产业集聚的外部性理论，产业集聚主要体现在绝对地理位置的集中，专业化分工和产业间的密切往来。本文选择最为常用的区位熵（Location Quotient, LQ），衡量产业聚集程度。计算公式（3）如下：

2012-2016年，区域内第二、三产业的专业化水平普遍上升，大部分地区第二产业的专业化水平大于1，但对第三产业在区域内差距悬殊。表明第二产业形成了强集聚效应而第三产业基础较弱。结合人口地理集中度，人口分布与第三产业布局情况类似，从而为迁移第三产业影响人口分布提供了依据。

图4 2012年京津冀地区第二、三产业区位熵和人口地理集中度

图5 2016年京津冀地区第二、三产业区位熵和人口地理集中度

3. 控制变量

本文从经济景气度、价格水平、就业收入、教育资源、交通便利程度五个方面衡量每个方面对该区域人口分布的影响。具体结果见表3。

选取固定资产投资额（K）、社会消费品零售额（SALE）衡量经济景气度，商品房平均销售价格（HP）衡量价格水平，城镇在岗职工平均工资（INCOME）衡量就业水平，普通中学数（EDU）衡量教育水平，公路客运量（TRA）衡量交通便利程度。

表3 变量

（二）数据来源

本文针对2012-2016年京津冀13个市的面板数据进行实证研究。变量选取为固定资产投资额、社会消费品零售额、商品房平均销售价格、城镇在岗职工平均工资、普通中学数、公路客运量、第二产业区位熵、第三产业区位熵。数据由2013-2017年的《中国城市统计年鉴》、《北京市统计年鉴》、《天津市统计年鉴》、《河北省统计年鉴》整理、计算所得。

（三）探索性空间数据分析

探索性空间数据分析（Exploratory Spatial Data Analysis, ESDA）主要用来验证要素是否存在空间自相关性，反映要素在空间分布中的聚集和相关程度。

1. 空间权重矩阵

权重矩阵的优势在于，既可直接体现地区之间的地理距离，又可间接体现其依赖状况。本文选择最常见的邻近空间权重矩阵（王莹莹和童玉芬，2015）。若地区i和j相邻，则=1，反之则=0。

2. 全局空间自相关检验

自相关的衡量指标主要有莫兰指数（Moran’s I）、Geary’s C、General G。本文选择最常见的Moran’s I衡量空间相关性。计算公式（4）如下：

表4 空间相关性检验

（四）空间计量模型

在考虑空间关联的情况下，空间计量模型是利用截面数据或面板数据研究变量间的空间效应，进行科学的建模、估计、检验、预测的模型方法。按照交互效应的不同，静态空间面板模型可分为空间滞后模型（Spatial Lag Model, SLM）、空间误差模型（Spatial Error Model, SEM）和空间杜宾模型（Spatial Dubin Model, SDM）三类。

1. 空间滞后模型

SLM模型关注变量间的空间滞后效应，以及由溢出效应引发的自相关性。因此，通常假定，本地区某一变量的取值依赖于邻近地区变量的取值，模型形式如下：

2. 空间误差模型

与SLM模型不同，SEM模型衡量遗漏变量或随机冲击对当地因变量的影响。通常假定，本地区因变量的取值不仅取决于自变量的特征还取决于空间相关的误差项。模型形式如下：

3. 空间面板杜宾模型

SDM 模型关注自变量与因变量间的外生性空间关联。通常假定，本地区因变量的取值取决于邻近地区自变量的取值。模型形式如下：

四、京津冀产业布局对人口分布的影响

（一）模型的构建

首先建立最小二乘法回归模型（Ordinary Lest Square, OLS），对各变量进行对数变换消除异方差性，模型形式如下：

以改进后的OLS模型（8）为基础，引入地理因素，构建SLM、SEM、SDM模型。

1. SLM模型关注LnPOP在区域内的溢出效应。模型形式如下：

2. SEM模型中随机误差项ε包含其他影响LnPOP的空间因素。模型形式如下：

3. SLM模型（原假设：θ=0）和SEM模型（原假设：θ+ρβ=0）是SDM模型的特例。模型形式如下：

SLM模型侧重研究本省域产业结构与相邻省域人口集聚对本省域人口集聚的影响；SEM则主要探讨本省域产业结构、被忽略掉的扰动误差项对本省人口集聚的影响；而SDM模型不仅解释了相邻省域人口集聚的空间溢出效应，还研究了相邻省域产业结构对本省人口集聚的作用。

（二）空间相关性分析

本文利用Stata测算2012-2016年Moran’s I，结果见表5。Moran’s I＞1，且通过10%的显著水平的检验。表明人口分布存在正自相关性，人口集聚程度高的地区其相邻地区的人口集聚程度也较高。从时间演化来看，2012-2016年Moran’s I指数呈上升趋势，表明京津冀地区人口集聚效应得到强化。人口不断向京津市区集中，而北部地区始终较为稀少。

表 5 Moran’s I 指数

（三）空间计量模型的比较和选择

1. 拉格朗日乘数检验

根据Anselin提出的判别准则，拉格朗日乘数（Lagrange Multiplier, LM）检验可用于SLM模型和SEM模型的选择（谢露露，2013）。因此，本文进行LM检验，结果见表6。LM-Lag较LM-Error更显著，R-LM lag较R- LM error更显著，因此选择SLM模型比SEM模型更合适。

表6 LM检验

2. 似然比检验和沃尔德检验

LM检验忽略了SDM模型的适用性，因此根据Burridge提出的判别准则，运用似然比检验（Likelihood Ratio Test, LR）、沃尔德（Wald Test, W）检验判定SDM是否应该被简化为SLM或SEM，其原假设分别为若同时拒绝以上两个假设，则选择SDM模型；若θ=0不被拒绝，且R-LM更为支持SLM模型，则选择SLM模型；若=0不被拒绝，且R-LM更为支持SEM模型，则选择SEM；若LM和Wald指向的模型不一致，则选择SDM模型（严运楼，2017）。检验结果见表7。因此本文采用SDM模型，认为其不能被简化。

表7 LR检验和Wald检验

3. 固定效应与随机效应

根据非观测效应的不同，面板模型可分为固定效应（Fixed Effects Model, FEM）和随机效应（Random Effects Model, REM）两类。本文运用豪斯曼（Hausman）检验，结果为239.77，通过1%的显著性检验。表明应拒绝REM模型，采用FEM模型。此外，本文固定而非随机地选择区域内13个城市作为样本，因此无法将结论完全推广至京津冀整个地区，采用固定效应模型更为合适。

（四）空间计量模型的估计

考察参数估计的稳健性，本文利用Stata分别回归SDM三种固定效应模型。首先，通过比较R和Log−likelihood，选择时间固定SDM模型。参数估计结果见表8。其次，本文将OLS、SLM、SEM、SDM模型分别回归比较。从R可以看出，SDM模型最能够解释本文的研究主题。参数估计结果见表8。综上，本文选择时间固定SDM模型具有科学性。

根据参数估计结果，第二、三产业区位熵系数均为正。第二产业区位熵变动 0.01个单位，人口地理集中度变动2.562 1%。第三产业区位熵变动0.01个单位，人口地理集中度变动0.997 6%。表明第二、三产业的集中有助于本地区人口的集聚，其中第二产业的积极作用更大。根据空间滞后系数，当地第二、三产业的集中对周边地区人口集聚起负向影响，其中第三产业的抑制作用更大。

除此之外，本地工资水平和教育水平对人口集聚的正向拉动作用明显。房价对人口集聚同样起到积极带动作用，表明政府难以通过抬高房价限制人口流入。固定资产投资额对当地人口集聚起消极作用，表明固定资产投资逐步从区域内的发达地区转向了不发达地区，表明将难以依靠资产投资调节人口流动。交通便利度未通过检验，表明政府若仅改善交通条件对人口的调节作用并不明显，还需其他政策的辅助。

表8 SDM模型检验结果

SDM 模型的总效应分为两类，直接效应衡量解释变量对本地区人口集聚度的平均影响，间接效应衡量其对周边地区人口集聚度的平均影响，结果见表9。结果表明，第二产业区位熵增加0.01个单位，本地区人口地理集中度平均上升 2.668 6%，其他地区人口地理集中度平均下降2.321 9%。第三产业区位熵增加0.01个单位，本地区人口地理集中度平均上升1.160 4%，其他地区人口地理集中度平均下降4.246 4%。表明第二、三产业对本地人口集聚有积极影响，而对相邻地区有负向影响，呈现虹吸效应。

表9 空间杜宾模型的直接效应和间接效应

表10 空间计量模型检验结果

（五）稳健性检验

为了使模型结论更具普遍性，本文以第二、三产业占本地区GDP百分比替换区位熵指标。借鉴前文的方法，分别构建三种固定效应的SDM模型，并对OLS、SLM、SEM、SDM模型分别回归，结果见表11、12、13。根据R和Log−likelihood，仍然选择时间固定SDM模型。且前后结论一致，具有稳健性。

表11 SDM模型检验结果

表12 空间杜宾模型的直接效应和间接效应

表13 空间计量模型检验结果

五、京津冀分行业产业转移对人口的调控作用

（一）人口弹性系数

本文运用人口弹性系数来衡量不同行业迁入、迁出对当地人口集聚的影响。计算公式（12）为：

（二）数据来源

本文选取2012—2016年京津冀13个市的总人口、总从业人口、各行业从业人口和各产业产值，来源于2013—2017年的《中国城市统计年鉴》。根据其分类，将第二产业分为采矿业等3类，将第三产业分为交通运输、仓储和邮政业等14类。

（三）弹性系数分析

将各地区分行业的弹性系数由大到小排列，取前三个行业，整理成表，见表 14。综合各地区，第三产业中的部分行业人口弹性系数较大，其中信息传输、计算机服务和软件业最大，其次为租赁和商业服务业。表明疏导这两个行业对人口优化分布的潜力巨大。

表14 京津冀地区产业中部分行业

六、主要结论与政策建议

本文构建时间固定SDM模型，对2012—2016年京津冀产业布局对人口空间集聚的影响展开研究。从自相关性来看，区域内人口集聚程度存在明显的正自相关，人口主要集中于京津市区及其周边地区。同时，集聚效应随时间变化呈增强趋势。从SDM模型结果来看，产业的布局是影响人口分布的重要因素。本地区第二、三产业专业化程度的提高，对该地区人口集聚程度起显著的正向拉动作用，对其周边地区人口集聚程度起抑制作用。从人口弹性系数来看，疏导第三产业中的部分行业对疏解人口的影响更为显著。

基于以上结论，本文提出以下建议：

（一）均衡产业布局，推动产业高级化

产业结构高级化有助于带动人口集聚、地区经济，然而区域内产业结构仍以第二产业为主，有待优化升级。借鉴美国东北部城市群的经验，服务型功能定位有助于引导人口多极化集聚，促进城市协作。因此，应充分挖掘第三产业对流动人口的带动作用。根据北京市出台的《新增产业的禁止和限制目录（2018年版）》，继续强化首都文化、科技等资源优势，禁止新建和扩建信息技术服务业等行业。津冀地区以传统重工业为支柱产业，服务业应为第二产业服务，两者联合发展。

（二）突出区位优势，优化产业链分工

根据各市的比较优势，国家相关部门应根据市场主导、政府引导的原则，从生产力整体布局出发：北京研发创新能力强，着力提升服务业质量；天津总装制造和研发转化能力强，着力发展港口及现代制造业；河北资源丰富、产业部门齐全，建设成为生态环境支撑区及产能承接区（Anselin和 Floray，1995）。通过产业链的再调整，北京扩大特色产业辐射范围，津冀两地聚集优势产业吸引人才，从而推动区域内劳动力有序流动。

（三）多管齐下，加强公共服务

随着生活水平的提高，人们对于优质公共服务的需求不断上升，教育资源等关系民生的公共资源成为人口流动的重要影响因素。因此，政府一方面以转移产业调控人口流动，另一方面还应加大公共服务区域内全覆盖供给的支持力度。相关政府部门通过协商财政支出，加强对发展较为落后的河北省各市的公共服务输出。同时，在区域内建立可量化、可追溯的政府公共服务绩效评价体系和问责机制，保证政策的连续性。