中国城市人口空间网络结构及其影响因素

姚永玲 邵璇璇

摘要：采用社会网络分析法从城市关系角度研究中国地级及以上城市人口空间结构。发现中国人口空间结构呈现“分散式集中”的特点，大城市病与收缩城市现象并存。进一步从要素分布空间梯度的角度探究人口结构的影响因素发现，城市区位特征仍然是影响人口变动的主要因素，尤其是快速发展的高铁网络将成为改变人口空间格局的最主要因素;经济因素吸引力在降低，公共服务将成为城市吸引人口的重要因素。针对“大城市病”和“收缩城市”问题，应当增加中小城市的公共服务资源供给，在不同等级城市之间进一步推动公共服务均等化，将分级诊疗制度与城市规模相结合，提高中小城市的工资收入水平，缩小城市间工资差距并控制住房成本，强化局域城市人口网络结构。

关键词：城市网络;人口空间结构;社会网络分析方法

中图分类号：C922 文献标识码：A 文章编号：1000-4149（2020）06-0001-16

改革开放四十多年以来的快速城市化进程，使人口大规模流向城市。但是，近年来随着城市化由快速增长进入稳定阶段，一方面超大、特大和大城市出现了“城市病”，另一方面在一些城市却出现了“收缩”现象，表明中国人口空间结构出现聚集与分散并存的趋势;也使得人口迁移由城乡之间转向城市之间。正是城市之间在资源和人口等各要素上展开的更为激烈的竞争，导致了城市扩张与收缩的不平衡分布。陈川等在研究小城镇的收缩问题时，将收缩原因归结为要素对人口的吸引力在空间上的差异，并指出小城镇由于联系网络较弱、依附性较强而容易发生城市收缩。刘玉博和张学良也认为城市收缩一定程度上体现了“城市人口聚集能力的减弱”。因此，从城市关系及其形成的人口吸引力方面探索人口流动机制是深刻理解人口空间结构及其演变趋势的有效途径。本文利用社会网络分析方法，通过研究全国地级及以上城市人口网络结构、影响因素及其变化趋势，探究中国城市人口空间分布的内在规律，为未来城市发展和人口空间政策提供依据。

一、文献综述

早期的人口空间分布研究主要采用人口集中指数、人口重心、聚类分析、负指数函数等考察人口分布模式及其变化;自改革开放以来，中国人口的流动性胜过以往任何时期，大量研究集中在人口空间结构。在全国空间尺度方面，学者们从各种角度提供了胡焕庸线作为人口分界线的证据。其中，王桂新、刘涛和杨传开等发现，在胡焕庸线基本不变的情况下，内陆地区吸引流动人口的能力在不断强化;但劳昕和沈体雁却发现，在人口仍然从西部落后地区向东部发达地区流动的大背景下，其空间分布有趋同态势。在局部空间尺度上，毛其智等对比2000年和2010年的城镇化图景发现，中国城市统计区和高密度城镇化地区都呈现出明显的空间扩张态势;但邓智团和樊豪斌却认为，中国中小城市人口规模增长动力相对不足，曾永明也指出中国人口分布极化特征将持续加大。同时，李博等发现，改革开放以来省内人口空间分布差异和地级行政单元内的空间分布差异在增强;张国俊等也发现了人口在不同城市群表现出不同的集聚和扩散效应。可见，中国的人口空间结构在全国整体稳定的“表面现象”之下，局域尺度的空间结构正在发生重大变化，需要从空间（或城市）关系角度研究人口的聚集与扩散机制。

在人口的空间结构及其影响因素方面，多数研究根据人口分布的变化认为，人口仍然保持向大城市集中的趋势，而且更多受到城市经济社会因素的影响。如，张耀军、岑俏从省市县三个层面对省内和省际人口迁入进行了可视化分析，指出珠三角、长三角和京津冀人口集聚中心地位保持不变;刘涛等根据中国第五和第六次人口普查数据发现，流动人口最多的1010城市接收了45.5%的流動人口：劳昕等在2018年采用扩展的NEG模型模拟城镇体系演变后发现，中国仍表现为人口向100万人以上大城市流人为主的集中式城镇化特征;戚伟等对市县级流动人口核算后发现，社会经济因素逐步成为影响地区人口变动的主导因素。但是，该研究对人口流动进一步形成的空间结构以及城市哪些因素对人口规模变动更有吸引力没有涉及。在一些专门探讨人口流动影响因素的研究中，不同研究的专注点有较大差异。田明等在2016年对人口迁移特征的研究发现，第一次迁移的城市区位影响后续迁移倾向;芬尼（Finnie）2004年对加拿大跨省迁移的数据进行logit分析后指出，小城镇居民更愿意迁往收入高的城市地区;刘涛等从农村劳动力角度认为，非农就业机会和公共服务影响人口流动;张耀军、岑俏认为，就业率影响城市的流动人口;沈建法和刘晔2016年研究移民技能对迁移的影响发现，无论技能高低，吸引移民的都是高工资;王玉霞等2019年针对春节期间的人口移动研究发现，第二和第三产业发展和工资水平以及外商投资与流动人口密切相关。人口作为社会经济的综合载体，各因素都会影响人口移动。随着城市之间对人口竞争的日益激烈，研究人口空间结构的影响因素，更需要从城市之间的差异角度，分析人口在不同城市之间的选择机制。显然，已有研究还缺乏对城市吸引人口要素空间分布差异的考虑。

截至2019年底，中国人口城镇化水平达60.6%，接近中高收入国家水平，这标志着人口城镇化将进入增速趋缓的新时期。与此同时，城市群和都市圈将是人口主要集中地区，从而使人口流动表现出近域化趋势。从人口流动的空间关系角度出发，刘颖等采用空间计量模型分析后发现，省际人口流动具有明显的空间依赖性特征，净迁移率变化受周边地区的正向影响。葛美玲、潘倩和戚伟等采用多种统计指标发现了中国人口分布的空间自相关特点：吴殉等发现中国省域人口密度分布在全局自相关上均呈现空间正自相关;同时，吴雪萍和赵果庆发现，在空间自相关和空间位置相关共同作用下，东部沿海地区已经形成了城市人口规模聚集区。以上结论表明，人口分布存在空间相互作用关系。由于人口流动主要取决于吸引人口要素的空间分布，仅有空间相关的结论尚无法解释人口空间流动态势，因而需要建立各影响因素的空间分布梯度，以考察这些因素的空间分布格局对人口流动的影响。

近年来，网络分析工具的兴起深化了人口网络结构的研究。蒋小荣和汪胜兰认为，城市间人口流动网络显现出明显的等级层次性;但研究仅限于对人口网络结构特征的描述，没有揭示影响人口网络的其他因素以及这些因素所构成的空间网络。劳昕等2016年对比中国城市交通网络和经济网络的耦合关系后认为，交通网络与经济网络对城镇体系的作用完全相反，现有模型还不足以解释它们对人口网络结构的具体影响。本文采用社会网络分析方法，对全国地级及以上城市构建人口非对称空间网络;并分别选择对人口空间流动有重要影响因素的空间梯度指标，构建非对称的自变量空间网络;通过基于城市人口规模体系构建的城市网络，以及城市网络所表现的城市关联，分析人口空间结构演变趋势及各因素空间分布格局对人口流动的影响，进而为人口空间政策提供依据。

二、研究方法与数据

空间网络主要探讨所研究对象之间的空间关系，一般以对称网络最为普遍。但是基于要素的空间分布对人口流动的影响，需要揭示要素空间分布格局对人口形成的吸引力差异;尽管城市之间的联系对等，但要素在不同规模城市分布所形成的梯度差异较大，从而形成了完全不同的人口吸引力。因此，人口空间结构的影响因素必然是基于非对称关联矩阵构建的非对称网络。

1.非对称关联矩阵的建立

关联矩阵所使用的数据类型不同，网络结构所表示的意义也会发生变化。当采用空间“流”数据时，网络特征值主要体现的是空间多点之间的联系;当采用规模等存量数据时，网络特征值可以反映多点之间形成的空间结构。构建城市之间人口关联的途径主要有两种，一是基于手机信令反映的实时数据描述人口流量，二是采用人口规模数据的引力模型构建关联矩阵。由于城市“流”数据反映的是城市之间实际发生的最直接联系，更适用于城市群;引力模型则是根据城市规模与距离推测城市关系，规模越大，引力越强，其空间结构意义远大于空间流意义，更适合较大空间尺度的规模结构;另外，引力模型基于城市规模对可能发生的城市关系潜力进行估算，反映了未来可能发生的结构趋势。波特（Poot）等在2016年通过对参数稳定性和距离测度的讨论，从引力模型起源、发展、变形和应用等角度，进一步确认了引力模型在人口空间流动中的适用性。因此，本文采用引力模型构建全国的城市人口网络结构，通过时间变动发现未来趋势，并以空间结构变动的影响因素探索人口空间变动机制。

在构建空间网络前需要建立两两城市之间的关联矩阵，一般而言，空间关联矩阵有对称与非对称两种形式。前者主要强调两两城市之间的关联强弱而忽略两者属性和资源分布差异，后者则更注重城市属性和资源分布差异导致的要素分布空间梯度，即城市之间属性和资源分布差异导致人口流动。由于人口流动的趋利性，我们通过对比不同规模等级城市之间对要素竞争力的强弱，构建城市规模等级的非对称矩阵，解释人口空间结构变动趋势及其影响因素。因此，在构建自变量和因变量网络时，除了空间邻近性和通过铁路交通建立的城市关联矩阵外，我们对人口的因变量网络和其余自变量网络建立非对称的关联矩阵。

2.网络结构分析方法

社会网络分析（Social Network Analysis）可以利用空间单元之间的关系建立网络，并分析空间结构，是目前最为常用的网络分析工具。城市之间在“中心地”和“流空间”共同作用下所表现出的关联，正体现了空间网络结构。

网络结构特征包括整体网络结构特征值和网络节点特征值。整体网络结构通过网络密度、网络聚类系统和中心势体现。其中，网络密度反映了网络中各节点之间的结构紧密度，以实际发生关联数与网络中最大可能发生的关联数的比值来体现，值越大说明要素在城市网络之间流动越通畅、速度越快、强度越大。网络聚类系数用网络的平均加权聚类系数表示网络的整体凝聚力，从图论角度，网络聚类系数显示的是网络中与同一个节点相连的节点之间也相连的可能性，可能性越强说明网络的凝聚性越好。

网络节点特征方面，我们用人度中心度表示人口由低级别城市向高级别城市流动而形成的联系，出度中心度表示人口由高级别城市向低级别流动的联系，中间中心度表示人口流动经过的城市，在网络起中介作用。网络中心势指标以节点特征值为基础构建，表示各节点与中心节点之间构成的向中心趋势，即网络中各节点都倾向于某一个点或某几个点发生关联，在非对称网络中，分别用出度中心势、人度中心势和中间中心势表示联系的不同方向。在人口非对称网络中，利用该类指标可以发现人口在整体网络的聚集特征。选定构建关联矩阵的方法后，具体的计算公式如下：

3.网络结构影响因素的QAP回归方法

在考察影响人口网络结构及其变化因素时，一方面要考虑各影响因素的复杂性，另一方面要考虑各影响因素的空间分布格局，尤其是分布的空间梯度差。传统的计量回归方法将城市属性因素作为自变量，节点网络特征值作为因变量，计算不同因素对城市网络地位的影响系数。这种方法不能反映影响因素的空间分布格局，难以厘清城市之间关系以及影响因素的空间梯度差对人口流动的作用，且不能解决内生性问题。社会网络分析方法可以通过探究多个网络之间的相似性，在构建空间单元网络结构基础上，对因变量网络和自变量网络进行回归，分析人口网络结构的影响因素。具体操作上，采用二次指派程序（Quadratic Assignment Procedure，QAP）方法，将因变量和自变量矩阵转换为长向量矩阵，进而比较对应的各网络节点格值之间的相似性;采用矩阵之间的相似系数作为回归结果，可以避免传统计量回归分析中的多重共线性问题。相似系数的显著性检验，采用随机置换行列数据的方法，以矩阵数据的多次行列置换为基础，对系数和R²进行非参性检验，包括矩阵相关性分析、矩阵列联表分析和多元回归分析。

在采用QAP方法建立自变量与因变量网络之间的相关性时，需要事先界定因变量的影响因素。经过对已有文献的研究，我们基于城市区位属性和影响人口流动的收益（包括福利）与成本的资源分布，假设城市之间的地理邻近性、交通联系、城市的就业规模、工资收入、公共服务水平和住房成本是影响城市人口的主要因素。其中，城市区位属性包括地理邻近性和交通联系;收益和福利包括就业规模、工资收入和公共服务水平;成本用住房成本代替。理由如下。

地理邻近：地理学第一定律表明，地理距离是影响所有要素流动的首要因素。已有研究和实践证明，空间距离越遠，人口迁移的阻力越大;相反，地理邻近有利于人口流动，相邻地域更易通过人口流动和交往形成联系。田明2016年的研究发现，城市位置不但影响人口的首次迁移，而且决定后续迁移潜力;鲁永刚和张凯的研究发现，在地理距离阻碍劳动力流动的同时，劳动力更偏向于方言和文化接近的邻近城市;刘颖等的省际人口流动空间依赖性和大多数关于人口分布空间相关的研究也说明，在地理距离对人口迁移影响的过程中，是否邻近表现得更为突出。因此，本文在考虑地理因素对人口迁移产生影响时，采用的是城市之间是否邻近。由于地理邻近在两两城市之间为对称关系，在构建自变量网络时，我们建立城市之间行政区划邻近位置的对称关联矩阵。

交通联系：交通联系突破了空间距离束缚，使人口流动更加方便，交通可达性越高越有利于人口在地区间发生流动和迁移。马伟等采用引力模型发现，交通基础设施改善能够显著促进劳动力自由流动和空间配置。尤其是，中国高铁的快速发展，促进城市之间人口流动的作用已成为世界共识。马学广和唐承辉的研究证明了高铁客流量的增加对城市网络结构产生了重要影响;与此同时，蒋海兵等发现，由于高铁开通的空间非均衡性，加剧了大城市和城市群的极化效应;林晓言等的研究发现，开通高铁的城市比不开通城市对人力资本具有更明显的吸引力;张明志等发现，高铁开通在吸引人口方面，城市之间存在明显异质性。将交通联系作为影响城市人口网络的自变量，可以体现出对不同城市影响的差异。鉴于交通联系在两两城市之间的对称性，我们对城市之间的铁路交通时间建立对称关联矩阵。

劳动力规模：一般来说，劳动力资源倾向于从规模较小城市流向规模较大城市，两城市之间的就业规模相差越大，劳动力流动的趋势越强。王玉霞等2019年采用位置感知大数据的研究表明，即使是春节短暂的人口流动，当地的第二和第三产业发展水平对人口吸引力也很显著。刘涛和张耀军等采用省市县人口普查数据的研究发现，除了工资和公共资源外，产业尤其是第三产业发展水平对城市人口有显著影响。产业发展水平从城市整体来看代表了城市经济发展水平，从人口个体迁移动机来看则表示了就业机会。近年来，随着人工智能技术的突飞猛进，“机器换人”的趋势日益显现，根据麦肯锡2019年对中国的分析报告预测，到2030年，有700万-1200萬的岗位可能会被机器人彻底替代，而且主要发生在第二产业。为了突出城市就业岗位对人口的吸引力，我们放弃非农产业发展水平，选择城市劳动力规模表示就业机会对人口的影响。由于劳动力对就业机会表现出明显的“逐高”性，选择两城市之间的城镇单位就业人数作为自变量，采用其分布的差异梯度建立劳动力从小规模城市向大规模城市流动的非对称差异矩阵。

工资收入：工资收入是劳动成果的直接反映，也是人口作为劳动者最直接的收益渠道，无论在何种情况下，工资收入水平都是吸引人口的直接原因。张耀军和岑俏的研究认为，当地工资是影响人口迁入的主要原因之一，芬尼2004年研究认为加拿大人口从小城镇迁往大城市的最主要原因就是大城市的高工资：沈建法和刘晔研究高技能和低技能迁移的差异性时发现，无论是高技能还是低技能移民，工资都是最主要影响因素;王玉霞等2019年的研究也考虑了工资水平。同样，劳动力流动对工资表现出的“逐高”性，使劳动力倾向于流向工资高的城市，两城市工资差异越大，高工资城市对劳动力的吸引力就越强。根据劳动力从低工资城市向高工资城市的流动趋势，这个自变量网络可以用两城市就业平均工资差异梯度建立非对称的工资差异矩阵。

公共服务：公共服务是人居城市的核心内容，其完善程度决定了城市对人口的吸引力大小，人口流向大城市的原因很大程度上在于大城市的公共服务资源多、质量优。城市作为人们追求美好生活的场所，完善的公共服务是其区别于传统农村地区的最大优势。刘涛等、张耀军和岑俏的研究结论中，对人口有显著影响的因素都包括了公共服务（公共资源）。当前中国城市公共服务均等化方面的不足，主要体现在基础教育和医疗服务;研究发现教育和医疗是城市吸引人口的主要因素。改革开放以来中国经济高速增长的同时，公共服务投入却相对较低。2020年初的新冠肺炎疫情，更突显了城市公共卫生服务的重要性，尤其是医院床位数更是成了城市的生命线。本文采用每个城市的中小学教师人数和医院床位数的空间梯度差，对这两个自变量分别构建非对称矩阵。

住房成本：人口作为城市的消费主体，还受到一般消费品、住房和交通等生活成本的约束。高波和张莉等研究流动人口的生活成本构成后发现，不断增长的高房价是高生活成本的主要支出;范剑勇等认为，劳动力在城市之间的流动会遵循“工资+公共产品-居住成本=保留效用”的规律。我们将城市居住方面的支出去除水电燃料等基本消费后，城市居民的居住消费占总消费比例由1999年的14.97%上升到2018年的57.71%。根据中国社会科学院的测算，居民住房还贷支出与可支配收入之比接近40%。各种研究都表明，房价差异正在成为人口流动的一个主要原因。本文根据两城市间的商品房均价差异，对于这个网络自变量构建非对称的房价梯度差异矩阵。

4.数据来源与处理

已有全国性的人口空间分布研究中，主要采用的是第五次和第六次人口普查数据。一是中间10年的间隔过长;二是2010年距今也将近10年，中国城镇化水平已由2009年的46.6%进入到2019年的60.6%，从低于全球平均水平发展到高于全球平均水平，并超过50%的半数线，接近中高收入国家水平。显然，采用这两次普查数据所得出的结论有些滞后。为了缩短人口变动的时间间隔，也为了与中国五年中长期发展规划对应，以“十一五”、“十二五”和“十三五”规划起始年为节点，选择2006年、2011年和2016年三个时点的人口网络空间变化，描述其变动趋势。

本文的研究对象是全国地级及以上城市，剔除数据缺失严重、行政变动较大（无法保持一致性）、边疆“地区”单元等城市，最终筛选得到234个城市样本。城市人口空间网络构建所需要的数据采用各城市市辖区常住人口，其中2011年和2016年的人口数据皆为《中国城市统计年鉴》中的常住人口数据，2006年数据通过用地区生产总值/人均地区生产总值获得，少量缺失值则从相应的地区年鉴或统计公报中补充;引力模型中的空间距离利用Python语言从百度地图中抓取。

影响因素变量中，地理邻近性，以城市行政区划有共同边界作为指标，根据中国地级以上城市的基础地理信息，用ArcMap 10.2软件，将城市行政边界相邻的城市标出，邻近城市赋值为1，否则为0;交通可达性，从中国铁路当年时刻表中查询两两城市之间的最小铁路交通时间（包括直达和换乘），经过对54576条记录整理和筛选，对原始时间采用倒数形式表示铁路交通可达性，按数值的四分位数，将城市间的交通可达性划分为1-4四个等级，可达性越好，联系度越高;就业人数、平均工资、中小学教师人数和医院床位数等自变量数据均来自《中国城市统计年鉴》（2007、2012和2017）;城市住房价格数据来自国家信息中心房地产信息网当年的全国地级市商品房平均销售价格。

采用以上数据构建网络时，除地理邻近性本身为二值形式、交通可达性为1-4不连续值以外，各城市之间的就业人数、平均工资、房价、教师数和医院床位数的差值，都以i城市与其他城市之间的平均关联值（以i城市的行均值）为阈值进行二值化处理，大于该值说明联系强度大于i城市与其他城市的平均联系强度，设为1，否则为0。

三、中国城市人口空间网络结构及其变动特征

1.人口分布的城市关联矩阵及其变动

基于引力模型建立的非對称矩阵初步反映了两两城市之间的人口规模关联。在关于234个城市的非对称关联矩阵中，计算出的接收和发出关联共有54522对关联强度值（除去城市本身），描述性结果见表1。

表1显示，各数值变化较小，说明各城市之间的引力强度处于稳定状态;平均值在0.59-0.74之间，中位数却仅在0.05-0.065之间，最大值与最小值的差异相当大，说明全国地级及以上城市之间的引力联系强度相差较大，即高等级城市与低等级城市之间引力强度的差异在扩大。

建立关联矩阵时，为了更好地观察城市之间的关系，我们以行均值作为阈值对引力强度矩阵进二值化处理，得到234个城市与其他城市的引力强度阈值（结果见表2）。

表2中行阈值表示某城市与其他城市的引力强度门槛值，全国各个城市三个时点的门槛值范围分别为0.00015-6.552、0.00021-10.774、0.00024-12.164，总体上也印证了表1的结论。另外，近十年来该阈值的最大值增加幅度超过了最小值增加幅度，城市对之间的关联度两极分异在扩大，一定程度上也体现了中国城市人口空间分布的局部关联性在增强。

为了便于观察内部结构变化，我们采用几何间隔法，按照引力强度值，将全国54522个城市对引力强度值划分为6个级别，1级最弱，6级最强。再按照引力的方向将其分为发出和接收两类，分别以234个城市发出和接收到引力强度的最大值为准，计算每个城市在发出和接收联系中所处的级别（结果见表3）。

表3显示，总体来看，低引力级别城市接收联系的城市数量少于发出联系的城市数量，高引力级别城市接收联系的城市数量多于发出联系的城市数量，说明高引力级别城市在吸引人口方面仍然具有明显优势。因此，人口分布的空间关联矩阵结果说明，中国城市人口空间结构正在向局部聚集发展。

2.整体网络结构特征及其变动

整体网络结构通过网络密度、网络聚类系统和中心势体现。网络结构三个特征值分别反映了整体网络结构的不同侧面，不同时段网络特征指标变化可以说明空间结构的变动（特征值见表4）。所有数值区间是[0，1]，值越接近1，说明网络结构越紧密，反之则网络结构越不明显。

表4显示，2006年、2011年、2016年三个时段中，中国城市人口网络密度均较小且变化不大，说明网络紧密度虽然较小，但较稳定;聚类系数年平均值基本在0.5左右，说明人口网络结构表现出一定的凝聚力。人度中心势平均值仅为0.183，先小幅下降后大幅升高;与此同时，出度中心势先小幅升高后大幅下降，均值并没有超过0.2，且入度中心势增幅快于出度中心势，说明整体网络的向中心性仍在变强，中心城市的吸引力仍然大于扩散力;中间中心势均小于入度和出度中心势，也佐证了整体结构较为松散。但仍然存在局部凝聚力，且凝聚力表现为高级别城市之间以及高级别城市对周边城市的凝聚力在增强，边缘城市在减弱。这正是边缘城市人口脱离主体城市网络的主要原因。

3.节点网络特征及其变动

节点网络的点度中心度，用网络中与该点直接相连的其他节点的个数表示;非对称网络中分别用人度中心度和出度中心度表示该城市的聚集力和扩散力。由于上述网络整体结构特征值显示，三个时段的网络结构较为稳定，故这里仅对2016年的节点特征进行分析。利用Ucinet 6.5.6软件对上述特征值计算，结果见表5。

表5显示，入度和出度联系处于中间级别的城市对数量最多，依次向两端减少，符合正态分布;但是，最高联系级别的城市数量无论是人度还是出度都远大于最低联系级别的城市;同时，最高级别的入度大于出度城市数量。节点网络特征表明城市网络中向高等级城市的聚集力大于向低等级城市的扩散力。为了进一步显示不同节点城市的分布，采用ArcMap10.2软件，按自然断裂法将各城市2016年的入度中心度和出度中心度都划分为五类，并显示出它们的分布，结果显示，入度中心度高的城市有徐州、郑州、合肥、武汉、济南、石家庄、天津、北京、上海、南京等，表现出以国家中心城市、一线城市、省会城市为中心，对人口有较强吸引力，是人口主要流入地区。与此同时，出度中心度高的城市主要有乌鲁木齐、鹰潭、南昌、延安、榆林、嘉峪关、包头等，主要分布在远离中心城市的地区，以“老少边穷”区域居多，说明边缘地区城市是人口主要流出地区，更容易出现“城市收缩”。

总结上述人口空间关联、整体网络和节点网络特征的结果，中国城市人口空间结构正在向局部聚集发展;核心城市对人口的聚集力在增强，边缘城市不断向中心城市输出人口;以城市规模等级体系为核心的“大分散、小集中”的“分散式集中”格局正在形成。

四、中国人口网络结构影响因素

网络的影响因素有两种方式：一种是对节点属性特征影响因素的分析，通常是提取节点的网络特征值，然后采用常规的回归分析，由于回归中不涉及网络关系，故不能反映网络关系的影响因素;另一种是针对网络结构影响因素的空间分布形成的网络，采用社会网络分析方法中的二次指派程序（Quadratic Assignment Procedure，QAP），对不同网络的关联矩阵进行相关性分析，这种方法可以突出节点之间的网络关系，能够反映要素在网络中的流动趋势。在进行QAP多元回归分析之前，需要对各网络联系矩阵进行相关性检验，然后才能对自变量网络和因变量网络进行回归。

1.各变量网络的相关性检验

QAP分析以网络关联矩阵相似性为基础。本文所选变量在三个时段各网络之间的相关检验见表6。

表6显示，地理邻近性、交通联系度、就业人数、平均工资、房价、教师人数和医院床位数梯度与人口关联网络的相关系数都显著。其中，地理邻近性、交通联系度、教师人数和医院床位数梯度与全国人口网络呈显著正相关，就业人数和房价梯度与人口网络呈显著负相关;工资梯度与人口关联网络2006年显著正相关、2011年不显著、2016年显著负相关。总体来看，相关性检验结果表明可以在此基础上进行QAP回归。

2.QAP多元回归结果

采用Ucinet 6.5.6软件中的QAP分析工具，样本数为233*234=54522，基于54522个回归样本在不同网络间的相似性比较，得到不同网络间的关联系数。回归结果见表7。

表7显示，从2006-2016年，所构建的自变量网络对人口关联网络的解释力在增强。为更清楚地表示影响因素的变化程度，将各因素影响系数绘制成图（见图1）。

图1显示，地理邻近性影响显著为正，但有下降趋势;交通可达性打破了地理因素限制，对人口网络结构的影响最为突出，且影响程度不断上升。结果表明，城市区位因素仍然对城市人口起决定作用。尤其是高铁快速发展缩短了时间成本，改变了城市的区位特征和相互关系，对城市吸引人口的作用更加明显。与网络节点特征结合可以看出，具有交通枢纽作用的国家和区域中心城市更有优势吸引人口。

在收益方面的三个因素中，劳动规模梯度差对人口一直呈现显著负向影响，说明处于网络中心城市的就业机会已经对人口失去了吸引力，结合城市网络节点特征，具体表现为人口倾向于从中心城市流向外围城市。劳动工资梯度影响一直显著为正，但影响力出现下降趋势，说明处于网络中心的城市高工资仍然是吸引人口流人的重要因素，但这种吸引力在下降;教育和医疗空间梯度对人口流入大城市均有显著正向影响，说明处于网络中心城市真正吸引人口的是这些城市较多的教育和医疗資源。

在成本方面，房价价格梯度显示出的显著负向影响，说明中心城市高房价成为吸引人口的抑制性因素得到显现，这一点在相关研究中也得到印证。结果表明，城市高工资对人口的吸引力在一定程度上被高房价抵消，中心城市的工资溢价出现了劣势，从而失去了对人口的吸引力。与此相反，外围城市会因为承接产业转移和较低房价，对人口产生更大的吸引力。

五、结论与建议

采用社会网络分析方法研究全国地级及以上城市人口规模等级所形成的网络及其影响因素。一方面，突出了基于城市关联所构建的人口空间结构;另一方面，从空间网络相互作用角度，发现影响人口流动的主要因素，可以为国土空间规划提供依据。中国人口空间结构正在出现以城市规模等级体系为核心的“大分散、小集中”的“分散式集中”格局，依托生产要素逐步形成紧密联系的城市群，这将促使人口在整个国土空间中呈现出“组团”状的空间分布格局。

对影响因素进一步分析表明，城市区位特征仍然是影响人口变动的主要因素，尤其是快速发展的高铁网络将成为改变人口空间格局的最主要因素。随着全国范围内“八纵八横”高速铁路格局的形成，人口将从经济中心城市向铁路网络中心城市扩散，从而在全国空间尺度上趋于均衡。在公共服务的两个变量和经济因素的三个变量中，前者结果表明，大城市具有的社会资源对人口具有显著吸引力;后者反之。结果表明，随着城市居民生活质量需求愈益增强，经济因素的吸引力在降低，公共服务表示的福利因素将成为城市吸引人口的重要组成部分。其中，影响人口流动收益和成本的三个变量中，就业规模和住房成本表现为城市之间差距越大，人口越容易流向网络外围城市，这种差距成为扩散力的基础，影响人口的空间分布;它与不断降低的大城市工资对人口的吸引力共同说明，大城市的市场挤出效应不利于人口继续流入。这一点与整体网络中人口“大分散、小集中”的结构特征相结合表明，网络中心城市人口将流向外围城市和周边中小城市，为已有研究中人口空间结构在全国整体趋于均衡“表面现象”之下，局域尺度空间结构正在发生重大变化提供了证据。

因此，针对“大城市病”和“收缩城市”的问题，应当增加中小城市的公共服务资源供给，在不同等级的城市之间进一步推动公共服务均等化，将分级诊疗制度与城市规模相结合，减少大城市人口流入压力，增强中小城市对人口的吸引力。同时，按照人口规模等级体系，构建大城市与中小城市之间的产业空间分工，形成合理的劳动力规模和工资收入梯度，提高中小城市的工资收入水平，缩小城市间的工资差距并调控住房成本，强化局域城市人口网络结构。

[责任编辑 方志]