京津冀协同发展战略对北京人口规模调控的影响研究

李国平　罗心然

摘 要：在一系列人口调控政策的引导下，北京市总人口规模从2017年开始出现负增长，中心城区人口规模呈现下降趋势而外围城区保持稳定增長态势。通过构建人口演变模型来探究京津冀协同发展战略对各区人口规模变化的政策冲击影响，进一步实证检验各区政策冲击效果与区域性调控、规模性调控指标之间的关系。研究表明：在没有京津冀协同发展战略政策冲击的情况下，北京市总人口会处于一个平稳增长的阶段，中心城区和外围城区的人口会呈现不同程度的增长趋势;京津冀协同发展战略的政策实施效果受到区域性调控和规模性调控的双重影响，中心城区人口显著减少、城市副中心人口增加显示了政策效果明显，但外围区域人口增加受政策影响有限。为实现人口与经济、资源、环境协调发展，建议调控人口政策重心应该从数量调控为主转变为结构与布局优化为主，并且应着力增强人口综合承载力特别是拓展中心城区以外区域的人口增长空间。

关键词：京津冀协同发展;北京人口;人口规模;人口调控

中图分类号：F061.5 文献标识码：A文章编号：1007-2101（2021）03-0094-09

二、基于多模型的北京市各区人口拟合

人口预测方法可以分为时间序列预测、因果预测和定性预测三种基本类型。时间序列预测不考虑以人口理论或经济理论为依据的解释变量的作用，而是根据人口本身的变化规律，建立数学模型来推算人口规模，常用的预测方法有线性模型、二次曲线模型、指数曲线模型、Malthus模型、Logistic模型和灰色GM（1，1）模型[10]。因果预测是通过分析一定时期内社会、经济等相关因素与人口变动的规律，构建人口与各种影响要素的函数关系来预测人口规模，常用预测方法有资源环境容量法、劳动结构与就业岗位分析法和相关分析法[11]。但是这种方法是根据规划期内社会经济发展的目标值来推算未来人口规模的变化，不能很好地体现人口本身随时间变化的规律特征。定性预测主要根据实践经验或理论模型来推断人口的发展趋势，适用于一些没有或不具备完整历史数据资料的城市，常用预测方法有区域人口分配法、类比法和区位法[12]。通过对人口预测方法的比较，Long（1995）、Marchetti等（1996）和王广州（2018）等诸多学者认为，就人口短期预测而言，时间序列方法比因果方法、定性方法更简便、更精准，尤其是Malthus模型、Logistic模型和灰色GM（1，1）模型，在描述人口规模的历史变动和进行人口变化的短期预测方面是非常有效的 [13-15]。Keyfitz（1981）发现，时间序列方法在人口长期预测中应用具有一定的局限性，因为时间序列方法预测人口变动的方向与历史数据的趋势是一致的，无法产生逆向于过去人口增长模型的变动，而考虑人口影响因素的预测模型更能模拟出多个人口变量及复杂的变化趋势 [16]。

本文研究的是没有政策冲击的北京人口演变规律，侧重对人口历史数据的拟合，探究在短期内、在没有外部因素引导下人口本身的演变规律，因此采用Malthus模型、Logistic模型和GM（1，1）模型等时间序列模型来进行人口拟合。具体来说，首先对2005—2013年北京市分地区人口历史数据④进行拟合，将人口拟合值和实际值进行对比，在残差检验和拟合优度的综合考量下，选择误差小的模型去拟合2014—2019年的人口值，由此得到没有政策冲击的人口拟合值，再与有政策冲击的人口实际值进行比较，分析在没有政策冲击的情况下各区的人口变化趋势，并通过差值大小进一步探究各区人口增长的潜力与空间。

（一）Malthus模型

Malthus模型是人口规模预测的传统方法之一，由英国人口学家Malthus于 1798 年提出[17]，原理为在一般情况下，一定时期内的人口增长率是固定的，人口预测采用指数增长函数[18]。其模型为：

式中，P为预测目标年末人口规模，P0为预测基准年人口规模，r为人口年均增长率，n为预测年限。本文将人口增长率设定为低、中、高三种方案，以此加强预测结果的对比，提高预测的准确度。低、中、高方案的人口增长率分别设定为2005—2013年期间人口增长率最高值、平均增长率和人口增长率最低值。根据Malthus人口模型，以2009年为基期，得到2010—2013年北京市分地区人口的低、中、高三种方案拟合值，并与实际值进行比较得到模型的平均误差⑤（见表1）。基于此，对丰台区、怀柔区、密云区和延庆区采取低方案拟合，房山区采用高方案拟合，其余11个地区都采用中方案拟合。

（四）模型拟合结果

基于Malthus模型、Logistic模型和GM（1，1）模型进一步拟合北京市各区2014—2019年的人口值，由此汇总得到没有政策冲击的人口拟合值区间，如表4所示。可以发现，在没有人口政策强制干预的情况下，从整体来看，北京市总人口仍然会处于一个平稳增长的阶段，与2017年人口负增长的态势相反。基于Malthus模型、Logistic模型和GM（1，1）模型的2019年北京市总人口拟合值分别为2 812.8万、2 421.1万和2 816.4 万，比实际人口数分别多出659.2万、267.5万和662.8万。分地区来看，中心城六区人口呈连续增长的态势，这与中心城六区人口实际值不断减少的结果正好相反。基于Malthus模型、Logistic模型和GM（1，1）模型的2019年中心城六区人口拟合值分别为1 537.5万、1 365.2万和1 561.9万，占北京市总人口的份额都超过60%，比实际人口数分别多增长413.9 万、241.6万和438.3万。

由此，基于Malthus模型、Logistic模型和GM（1，1）模型的10个外围城区人口拟合值基本都保持稳定增长的趋势，只有怀柔区、延庆区的Malthus模型人口拟合值略微下降。

三、实证检验

（一）模型设定

由前文分析可知，京津冀协同发展战略确实对2014—2019年北京市人口规模变化产生了重要的影响，并且这种影响在不同的地区呈现出明显的差异性，尤其是中心城区，受到明显的负向政策冲击。鉴于此，本文将进一步探讨各区京津冀协同发展战略政策实施效果差异形成的影响因素。首先，基于北京市分地区人口拟合总误差最小的GM（1，1）模型结果⑥，构建“政策冲击效果”作为被解释变量：

对于核心解释变量，本文选取区域性调控指标和规模性调控指标共同作为核心解释变量。一方面，中心—外围、平原—山区等不同区域下的人口规模受到京津冀协同发展战略的差异性管控，直接影响了政策冲击效果;另一方面，人口规模的规划上限决定了人口增长的空间，直接引导现有人口规模的增减，是影响政策实施效果的关键因素。区域性调控指标包括是否为中心城区（center）、是否为城六区外的平原地区（plain）、是否为城六区外的山区（mount）和是否为城市副中心（sub）。其中北京市中心城区包括东城区、西城区、朝阳区、丰台区、石景山区和海淀区等6个地区;城六区以外的平原地区主要有通州区、顺义区、大兴区、昌平區和房山区等5个地区;城六区以外的山区主要分布在门头沟区、平谷区、密云区、怀柔区和延庆区等5个地区;城市副中心为通州区⑦。规模性调控指标为人口增长空间（scale），选取北京市各区“十三五”规划纲要中2020年规划人口减去历年人口的差值来表征人口增长空间。依据规划，在2014年常住人口规模的基础上，到2020年中心城区需减少约190万人，尤其是海淀区和朝阳区需各减少约50万人;城六区外的平原地区需增加约160万人;城六区以外的山区需增加约28万人;通州区需增加约44万人。

为增强模型的解释力，根据已有文献，本文选取了一系列可以揭示地区特征的控制变量：（1）收入水平（income）：收入水平是影响人口增加的直接因素，选取地区人均可支配收入的对数来表征;（2）工业化水平（indu）：工业化水平体现了地区的生产能力，是影响人口规模增减的重要因素，选取第二产业产值占GDP的比重来表示;（3）服务能力（serv）：服务能力代表了城市的经济活力，既是地区人口容纳能力的体现，又是吸引人口集聚的重要指标，选取第三产业产值占GDP的比重来表示;（4）基础设施水平（invest）：基础设施水平体现了地区的生活工作便捷度，是影响地区人口变化的重要因素，采用固定资产投资的对数值作为表征;（5）大气污染程度（air）：近些年的雾霾天气成为制约人口规模增加的关键，雾霾主要由二氧化硫、可吸入颗粒物等物质组成，选取二氧化硫和可吸入颗粒物年均浓度值的加权对数值（权重各50%）来表示;（6）林木绿化环境（tree）：林木绿化环境是地区生态环境质量的综合体现，是影响人口集聚的重要因素，用林木绿化率来表征。这些控制变量都是影响地区人口规模变化、影响政策冲击效果较为显著的因素（见表5）⑧ [25-27]。

（二）实证结果

首先进行多重共线性检验，解释变量 VIF 值均小于 10，不存在严重多重共线性。由于核心解释变量是不随时间变化的变量，因此本文选择随机效应模型（RE）。京津冀协同发展战略的政策实施效果受到区域性调控和规模性调控的双重影响（见表6）。模型（1）—（4）结果表明，区域性调控指标对京津冀协同发展战略的实施效果有显著影响。模型（1）是中心城区的回归结果，这表明在控制了模型中其他变量的影响之后，在99%的置信水平下，中心城区受到京津冀协同发展战略的影响显著为负（β1=-6.82），即与非中心城区相比，京津冀协同发展战略使中心城区的人口规模比城六区以外地区的人口规模多减少6.82个单位。这与京津冀协同发展战略对中心城区人口规模的严格控制有关，政策强制中心城区人口规模逐年减少2%～3%。中心城区是全国政治中心、文化中心、国际交往中心、科技创新中心的集中承载地区，是建设国际一流和谐宜居之都的关键地区，是疏解非首都功能的主要地区，把疏解非首都功能、城市综合整治与人口调控紧密挂钩，要降低人口密度、严控建设总量、调整用地结构、严控建筑高度，以此保障和服务首都功能的优化提升。模型（2）（3）结果表示，城六区以外的平原、山区受到京津冀协同发展战略的政策冲击影响还未显现出来，这可能与政策实施时间相对短暂有关。城六区以外的平原、山区位于城市外围地区，在短期内受到政策波及的范围相对有限，政策实施效果还未完全显现出来。但从回归系数（β2=2.76，β3=2.08）来看，京津冀协同发展战略对平原、山区的政策冲击可能为正向影响，这与政策预期相一致。

模型（4）是城市副中心的回归结果，这表明在99%的置信水平下京津冀协同发展战略对城市副中心的政策冲击为显著的正向影响（β4= 5.51），即京津冀协同发展战略使城市副中心的人口规模比非城市副中心的人口规模要多增加5.51个单位。这是因为京津冀协同发展战略鼓励城市副中心人口规模的增加，以使其体量与功能定位相匹配。一方面，城市副中心是对接中心城区功能和人口疏解的重点区域，在承担非首都功能疏解方面发挥着示范带动作用。另一方面，城市副中心自身的行政办公、商务服务、文化旅游等主导功能正日益完善，尤其是北京行政中心迁移到城市副中心，其行政功能得到进一步强化，未来需要更多的人才来支撑城市副中心的建设。

总的来看，京津冀协同发展战略的实施效果受到区域性调控指标的显著影响，中心城区的政策执行最严厉，政策实施效果最显著，具体表现为人口规模显著减少;城市副中心的政策执行力度次之，受到正向的政策冲击影响，表现为人口规模显著增加;城六区以外的平原和山区的政策执行力度较弱，受到政策冲击的影响还未完全显现出来，预期人口规模会有所增加。

京津冀协同发展战略的政策实施效果还受到规模性调控指标的显著影响。模型（1）—（4）结果表明，人口增长空间对京津冀协同发展战略的实施效果的影响显著为负，这是因为中心城区的人口增长空间为负值，京津冀协同发展战略对该地区的政策冲击作用最强，呈现显著的负向影响;城六区以外的平原地区人口增长空间最大，政策冲击效果相对较小;城六区以外的山区有28万的人口增长空间，在短期内受政策冲击影响最小。

（三）稳健性检验

前文的实证研究是通过GM（1，1）模型估算的京津冀协同发展战略的政策冲击效果展开分析的。基于此方法，本文用Malthus模型、Logistic模型重新估算京津冀协同发展战略的政策冲击效果，并对此进行随机效应回归。回归结果表明，在控制其他变量的情况下，Malthus模型和Logistic模型的center、plain、mount、sub和scale回归系数的显著性和符号均与GM（1，1）模型的回归结果一致，即京津冀协同发展战略的政策冲击效果受到人口增长空间的负向影响。京津冀协同发展战略对中心城区人口的政策冲击为显著的负向影响;对平原、山区人口的政策冲击为正向影响，但现阶段尚未发挥显著作用;对城市副中心人口的政策冲击为显著的正向影响，这些结论验证了回归结果的稳健性。

四、结论与讨论

本文采用北京市分地区人口面板数据，通过构建各区人口演变模型来探究短期内没有政策冲击的人口变化特征，并分析京津冀协同发展战略对各区人口规模变化的政策冲击影响，再进一步实证检验各区政策冲击效果与区域性调控、规模性调控指标之间的关系，由此得到如下结论。

第一，在京津冀协同发展战略的政策冲击下，北京市总人口规模从2017年开始出现负增长，中心城六区的人口规模从2014年开始出现不同程度的下降趋势，与之相反的是，北京市10个外围城区的人口规模则一直保持较为稳定的增长态势。

第二，通过构建人口演变模型来研究没有政策冲击的北京市人口演变规律。整体上看，如果没有京津冀协同发展战略的政策冲击，北京市总人口会处于一个平稳增长的阶段，与2017年人口负增长的态势相反。分地区来看，中心城六区人口拟合值呈现连续增长的态势，这与中心城六区人口实际值不断减少的结果正好相反，而10个外围城区的人口拟合值都呈现不断增长的趋势，这与现实情况相符合。

第三，京津冀协同发展战略的政策实施效果受到区域性调控和规模性调控的双重影响。从区域性调控来看，中心城区的政策执行最严厉，政策实施效果最显著，具体表现为人口规模显著减少;城市副中心的政策执行力度次之，受到正向的政策冲击影响，表现为人口规模显著增加;城六区以外的平原和山区的政策执行力度较弱，受到政策冲击的影响还未完全显现出来，预期人口规模会有所增加。从规模性调控来看，人口增长空间对京津冀协同发展战略实施效果的影响为显著的负向影响。基于以上分析结果，本文提出如下政策建议。

第一，政府对人口调控的作用不容忽视。市场不是万能的，仅仅依靠市场机制来自动调节城市人口规模是有一定风险的，这就需要政府这只“看得见的手”对人口流动进行合理有序的引导，以弥补市场的失灵。与此同时，政府在人口调控方面也存在失灵的风险与挑战，需要通过科学合理的人口规划、人口调控政策以及北京各区协调统一的政策执行来防止人口调控中的政府失灵[28]。

第二，推动人口政策从规模调控转向结构优化。《北京城市总体规划（2016年—2035年）》要求北京市2035年人口保持在2 300万人，相比2019年的2 154万人仍有146万人增长空间，平均每年有约10万人的增量空间。一方面，随着北京市各类基础设施建设的加快推进，城市交通网络日益完善，基本公共服务水平持续提高，城市的人口综合承载力稳步提升，中心城区的人口压力、交通压力与环境压力有望得到缓解。另一方面，人口与经济的协调发展是保持北京市城市活力的重点内容，为保持城市的经济多样性和经济活力，需要维持适度的人口规模并且提高人口素质。因此，可以引导北京市人口规模适度增长，在增量人口中调整人口结构、促进人口发展，有效避免人口减少带来的城市发展活力不足和老龄化带来的一系列问题。

第三，引导各区人口按照区域功能定位、人口增长空间等指标差异化、特色化发展。积极探索整体成系统转移的新模式，鼓励部分行政办公、教育、科研、医疗等现有和新增功能向新城等外围地区疏解，打造承接人口和产业活动同步转移的郊区新城，以此引导中心城区人口的疏解。优先引导东城区、西城区的过度集聚人口向通州区、大兴区等人口重点集聚区转移，缓解核心区人口—资源环境发展矛盾，促成北京市人口合理均衡分布。加强优质公共服务资源向外围区域转移的力度，在平原地区形成相对于城六区而言具有足够人口吸引力的基础设施、公共服务、宜居宜业环境及其配套的支撑体系，使平原地区成为中心城区外围相对独立且有一定集聚规模和能力的次中心，发挥有效抑制中心大团蔓延的“反磁力”功能。

第四，挖掘资源环境发展潜力，拓展人口增长空间。在北京市各区人口调控过程中，需要不断挖掘各区资源环境发展潜力，通过水资源的开源节流、土地资源的高效利用、生态绿化的积极建设等手段来提升人口综合承载力，进一步拓展北京市各区人口发展空间[29-30]。

注释：

①数据来源：《首尔统计年鉴》《东京都统计年鉴》， http：//kosis.kr/eng/和http：//www.toukei.metro.tokyo.jp。

②數据来源：《北京市水资源公报（2017年度）》， http：//swj.beijing.gov.cn/zwgk/szygb/202009/P020200918627119515926.pdf。

③数据来源：新加坡统计数据网站，https：//cn.knoema.com/atlas/%E6%96%B0%E5%8A%A0%E5%9D%A1。

④数据来源：2006—2014年《北京区域统计年鉴》。

⑤误差=拟合值-实际值实际值×100%，根据拟合值与实际值的差值，误差可为正数或负数;平均误差=∑误差n×100%，平均误差是误差绝对值加总后的均值，为正数。表1、表2、表3的基础数据来源于2006—2014年《北京区域统计年鉴》，最后呈现的误差是笔者计算的结果。

⑥Malthus模型、Logistic模型和G（1.1）模型的人口拟合总误差分别为31.49，26.23和22.54。

⑦依据《北京城市总体规划（2016年—2035年）》，北京城市副中心规划范围为原通州新城规划建设区，总面积约155平方公里，但是在实际建设和发展过程中，城市副中心的影响范围远远超过155平方公里，并在整个通州区范围内产生重大的影响，因此本文将城市副中心界定为通州区。

⑧所有变量数据均来源于2015—2020年《北京区域统计年鉴》。

参考文献：

[1]周立云. 关于北京城市人口规模调控的思考[J]. 投资北京， 2002（2）：23-25.

[2]周皓. “人口准入”能控制城市人口规模吗？[J]. 人口研究， 2005（6）：33-36.

[3]彭兴业. 首都城市功能研究[M]. 北京：北京大学出版社， 2000：67-77.

[4]肖周燕， 王庆娟. 我国特大城市的功能布局与人口疏解研究——以北京为例[J]. 人口学刊， 2015（1）：5-14.

[5]肖周燕. 中国城市功能定位调控人口规模效应研究[J]. 管理世界， 2015（3）：168-169.

[6]成新轩，韩艳林.京津冀劳动力市场一体化水平测度及其推进对策研究[J].河北经贸大学学报，2020（5）：72-77.

[7]薛领，陈宥伶.非首都功能疏解对北京经济结构的影响评估[J].河北经贸大学学报，2020（4）：89-99.

[8]李国平，席强敏. 京津冀协同发展下北京人口有序疏解的对策研究[J]. 人口与发展，2015（2）：28-33.

[9]肖周燕. 首都人口调控研究[M]. 北京：中国劳动社会保障出版社， 2016.

[10]郭士梅， 牛慧恩， 杨永春. 城市规划中人口规模预测方法评析[J]. 西北人口， 2005（1）：6-9.

[11]翟宝辉. 城市人口综合测算：复合生态系统方法在北京的应用[M]. 北京： 中国城市出版社， 2016.

[12]赵磊. 定性分析方法在城乡人口规模预测中的应用——以上蔡县为例[J]. 城市建设理论研究（电子版）， 2014（7）.

[13]LONG J F. Complexity， accuracy， and utility of official population projections[J]. Mathematical Population Studies， 1995， 5（3）： 203-216.

[14]MARCHETTI C， MEYER P S， AUSUBEL J H. Human population dynamics revisited with the logistic model： how much can be modeled and predicted？[J]. Technological forecasting and social change， 1996， 52（1）： 1-30.

[15]王广州. 人口预测方法与应用[M]. 北京： 社会科学文献出版社， 2018： 30.

[16]KEYFITZ N. The limits of population forecasting[J]. Population and development review， 1981： 579-593.

[17]MALTHUS T R. An essay on the principle of population[M].Oxford：Oxford University Press，1872.

[18]张金明， 李骞. 基于马尔萨斯模型的北京市人口预测[J]. 特区经济， 2013（7）：63-65.

[19]阎慧臻. Logistic模型在人口预测中的应用[J]. 大连工业大学学报， 2008（4）：333-335.

[20]李华中. Logistic模型在人口预测中的应用[J]. 江苏石油化工学院学报，1998（2）：32-34.

[21]王学保， 蔡果兰. Logistic模型的参数估计及人口预测[J]. 北京工商大学学报（自然科学版）， 2009（6）：75-78.

[22]李振福. 长春市城市人口的Logistic模型预测[J]. 吉林师范大学学报：自然科学版， 2003（1）：16-19.

[23]张海峰，杨萍，李春花，等. 基于多模型的西宁市人口规模预测[J]. 干旱区地理，2013（5）：955-962.

[24]赵金环， 陈建强， 郭立智. Excel在动态GM（1，1）模型預测及检验中的应用[J]. 青岛理工大学学报， 2007（4）：69-73.

[25]王小鲁. 中国城市化路径与城市规模的经济学分析[J]. 经济研究， 2010（10）：20-32.

[26]肖周燕. 中国人口与经济分布一致性的空间效应研究[J]. 人口研究，2013（5）：42-52.

[27]吴雪萍， 赵果庆. 中国城市人口集聚分布——基于空间效应的研究[J]. 人文地理， 2018（2）： 130-137.

[28]童玉芬.中国特大城市的人口调控：理论分析与思考[J].人口研究，2018（4）：3-13.

[29]席强敏，李国平. 京津冀地区人口均衡发展对策[J]. 中国流通经济，2015（4）：77-82.

[30]李国平， 罗心然. 京津冀地区人口与经济协调发展关系研究[J]. 地理科学进展， 2017（1）：25-33.

責任编辑：艾 岚

Abstract：Under the guidance of a series of population control policies， the total population of Beijing began to show negative growth from 2017. The population size of the central urban areas showed a declining trend while the peripheral urban areas maintained a steady growth trend. This paper constructs the population evolution model to analyze the policy shock of coordinated development strategy of Beijing-Tianjin-Hebei on the population changes in each district， and further empirically tests the relationship between the policy shock effects and the regional control and scale control indicators. Results are as follows： Without the policy shock of the coordinated development strategy of Beijing-Tianjin-Hebei， the total population of Beijing will be in a stable growth stage， and the population in the central and peripheral urban areas will show different growth trends. The policy implementation effect of the coordinated development strategy of Beijing-Tianjin-Hebei is affected by regional control and scale control. The significant decrease in the population of the central urban areas and the increase in the population of the sub-center show that the policy effect is obvious， but the increase in the population of the peripheral areas is limited by the policy. In order to achieve the coordinated development of population， economy， resources and environment， it is recommended that the focus of the population control policy should be shifted from quantitative control to optimization of structure and layout. Efforts should be made to enhance the comprehensive carrying capacity of population， especially to expand the population growth space outside the central urban areas.

Key words：the coordinated development of Beijing-Tianjin-Hebei; Beijing Population; population scale; population control