中国地级以上城市流动人口时空格局演变及影响因素分析

许蓝方,武继磊,庞丽华

(北京大学 人口研究所,北京 100871)

1 引言

国家统计局数据显示,2022年我国城镇化率达65.22%,中国的城镇化水平已进入中后阶段。在城镇化进程持续推进的新时期,党的二十大强调,要促进区域协调发展,推进以人为核心的新型城镇化;《国家人口发展规划(2016-2030年)》也指出,要强化正向调节,推动人口流动更加有序,持续增强人口资源禀赋。由此可见,人口是城镇化建设与经济增长的核心要素,而人口迁移则是促进人力资本合理流动、区域资源有效开发的重要动源。

根据第七次全国人口普查公报,2020年我国人户分离人口为49276万人,市辖区内人户分离人口11694万人,流动人口37582万人,分别较2010年增长88.52%、192.66%与69.73%。流动人口规模的剧增既受七普调查技术革新的影响,也与十年地区经济发展、新型城镇化持续推进、户籍制度改革等因素有关[1]。其数据呈现出的人口流动模式与五普、六普相比具有稳定性与连贯性,具有极强的解释力与研究价值。普查结果说明,当前流动人口规模大、增速快,已成为我国各省市常住人口构成中的重要群体。同时,我国不同区域由于自然资源禀赋与经济发展水平的差异,已呈现出具有明显空间差异的流动人口特征。改革开放以来,我国流动人口模式以近距离流动为主,且省际流动向东南沿海地区集聚[2]。省内流动人口的主要流入地是各省省会城市,并在空间上呈现“同心圆”特征[3],典型城市有成都市、武汉市等。省际流动人口分布格局愈发受市场化机制的影响,空间分布差异与集聚特征日趋明显[4],东部地区作为人口主要流入地吸引力不断加强,长三角、珠三角、京津冀为主要省际流动人口流入地[5]。

省际流动人口的空间分布之所以出现如此明显的差异,根本原因在于我国不同区域的资源禀赋差异对流动人口造成的吸引力不同。从推拉理论的角度来看,迁入地的经济发展水平与工资水平是吸引人口流入的决定因素;迁入地完善的医疗保障体系(医疗卫生机构床位数、享受医疗服务的平均等待时间[3]等)、充足的教育资源(受教育程度、高校数量[6]等)、丰富的自然资源与先进的工业化水平[7]都会对流动人口产生较大吸引力;而高房价[8]、严格的户籍政策[9]等则会对人口流动造成负向影响。对于迁出地,较低的经济发展水平与较少的就业机会[10]将推排本地居民离开户口所在地外出打工,人口与地区资源的供不应求也会挤兑过剩人口,刺激人口迁出。比如我国东北地区产业结构转型困难与经济下行压力加剧造成了区域就业机会减少与劳动力收入水平下降[11],人口净迁出规模的大幅度增加[12]。除了迁入地与迁出地本身具有的社会经济特征之外,地理特征也会对人口流动造成影响。许多研究依据重力模型已证明迁入地与迁出地距离越远,人口流动规模越小[3,10]。而随着科学技术的发展与交通设备的不断升级,交通运输条件的改善(如高铁站或飞机场的开通、公路与铁路密度等)在一定程度上会减少距离对人口流动的阻碍;迁入地与迁出地的区域面积、土地面积[10]、绿地面积[5]、坡度差、高度差、降水量差[13]、温差[14]等也会影响人口的迁移难易度与地区融入度,进而影响流动人口规模。再者,个人特征如饮食习惯、语言系统、风俗习惯的异质性[15],或迁移者的性别、年龄、婚姻状态[16]、受教育程度、家庭财富等也会影响迁移行为发生的概率。一般来说,迁移者处于中青年阶段且处于在婚阶段[17],受教育程度越高[3]、家庭财富越多,发生人口流动行为的概率就越高。此外,政策驱动型的人口流动也是我国一种重要的人口迁移模式。比如“援藏计划”[18]、“脱贫攻坚战”[1]等。

随着新型城镇化建设的不断推进,流动人口在新时期显示出新的空间分布特征,我国流动人口的时空变化及其影响因素有进一步研究的空间。因此,本文计划以我国336个地级以上城市作为研究单元,利用第六次、第七次人口普查的地级以上数据,采用空间数据分析技术描述我国流动人口的时空演变特征,并利用地理探测器深入分析当前我国流动人口空间分布的影响因素,以阐述我国2010和2020年省内县际、省际流动人口的空间分布规律及其驱动机制。

2 数据与方法

2.1 数据来源与处理

根据我国民政部公布的行政区划代码,2020年我国共有地级及以上行政区划共336个,分别包括4个直辖市、292个地级市、7个地区、30个自治州和3个盟(不包括港澳台地区与三沙市)。2010、2020年各城市的常住人口、流动人口、城镇人口、分职业就业人口数等指标来自《2010中国人口普查分县级资料》、《2020中国人口普查分县级资料》;经济发展、社会保障、公共交通等指标来自《中国城市统计年鉴2020》,以描述普查时点之前最新的城市社会经济特征。

流动人口定义方面,根据第七次全国人口普查公报(第七号)、数据可得性及已有研究成果[19],本文将省际流动人口定义为人户分离半年以上,且户口登记地在省外的人口;省内县际流动人口定义为人户分离半年以上,且户口登记地在本省其他县(市、区)的人口;流动人口为省际流动人口与省内县际流动人口之和。

在数据处理上,本文以中国民政部、国家统计局公布的十年内行政区划变动信息,人工矫正两个时期的地级以上城市人口数据,并与2020年最新的区域行政代码进行匹配,以便进行对比分析;对于城市统计年鉴中的缺失值,本文通过查阅各省、城市统计年鉴进行补充;对于在分省、分市统计年鉴及统计公报中无法获取的数据,本文根据城市2019年地区生产总值进行分组,并以对应变量的组内均值补充该城市变量的缺失值。采用组内平均值替代方式进行修补的数据比例不超过单个变量样本数的2%。

2.2 研究方法

2.2.1 空间自相关

空间自相关包括全局空间自相关和局部空间自相关。全局空间自相关是用来分析研究对象在整体空间上的分布模式与集聚情况,一般情况下使用莫兰指数(Moran′s I指数)进行描述。设定研究区域存在n个区域单元,第i个单元的观测值为xi,第j个单元的观测值为xj,则Moran′s I的计算公式为:

局部空间自相关可以描述每一观测区域和相邻区域之间的相关程度,在本文中则表现为某地级市与周围相邻地级市之间在流动人口规模上的相关程度,本文通过计算局部莫兰指数(Local Indicators of Spatial Association,简称LISA),通过正态标准化得分比较,得到显著高低相邻区域的分布特征(HH、LL、HL和LH)以及统计不显著区域。LISA的计算公式为:

2.2.2 冷热点分析(Getis-Ord G*i)

热点分析是识别具有统计显著性聚类区域的空间分析方法,通过建立常用的零假设检验,结合Z统计值、P统计值以判断聚类的显著性程度,常用的热点分析统计量有Getis-Ord G*i统计量,其计算方法如下:

2.2.3 地理探测器

地理探测器作为一种空间统计方法,其因子探测与交互探测可测量因子效应及交互作用,利用该方法计算各影响因素的q值与交互值,可以解释我国流动人口在空间上的变异性并对其分布模式进行推断统计。

因子探测:其原理在于自变量与因变量在空间上都具有各自的空间分布特征,如果这两者具有相似性,则可说明自变量对该因变量有重要影响。利用地理探测器的因子探测模块,可以检验某个因子是否对某个被解释变量的空间分布差异具有解释力度,因此本文将利用因子探测检验各因素对我国流动人口空间分布格局形成的解释效果,计算公式为:

交互探测:其原理在于不同因子进行空间叠加可能会产生交互作用,从而影响对被解释变量的解释力度。比如分别将影响流动人口空间分布的两个因子记为X1和X2,X为X1和X2这两个不同因子进行空间叠加后所形成新的图层。分别计算两个因子单独的解释力度并与叠加后的因子解释力度进行比较,便可判断两个因子的交互作用(X)对流动人口空间分布的解释力度相对于单个因子是强化还是弱化(表1)。

表1 交互探测的表达式

3 我国地级以上城市流动人口时空格局演变特征

3.1 2020年我国地级以上城市流动人口空间分布格局

七普数据显示,我国地级以上城市的流动人口分布呈现出明显的集中特征。总流动人口数排名前10位的城市中,省际流动人口量占全国省际流动人口的比重达到了44.18%,前20位的城市省际流动人口量占比达到58.54%;省内县际流动人口的集中度低于省际流动人口,但前50位城市的省内县际流动人口占比也达到了71.84%。我国的流动人口,尤其是省际流动人口集中分布在了特大、超大城市之中。

为了描述流动人口数与城市总人数的相对关系,本文采用城市人口流入率(流动人口数/常住人口数)指标,来描述我国各地级以上城市流动人口的分布情况。根据图1可看出,我国的流动人口流入率空间分布可以主要分为三种类型。(1)省际-要素驱动型:具有此类流入人口结构的城市集中分布在京津冀地区、长三角地区与珠三角地区。以北上广深为例,这些城市凭借经济发展水平高、就业机会多、社会保障机制完善等优势吸引省外及省内其他地区的劳动力进行人口流入,省际流动人口与省内县际流动人口的双重叠加使得该区域的总人口流入率较高。(2)省际-政策导向型:具备此类流入人口结构特征的城市主要是分布在西北地区、西南地区的经济欠发达地区,又以少数民族自治区为主。比如新疆维吾尔自治区、内蒙古自治区,西藏自治区,和四川省、云南省西南部的少数民族自治州。“西部大开发”、“脱贫攻坚”、“一带一路”等一系列政策的出台,区域对口帮扶与定向支援建设的不断推进,使得许多来自东部、中部地区的技术、干部人员来到我国的西北地区成为省际流动人口;又因为当地的户籍人口规模较小,由此造成了流动人口占比较高的局面。(3)省内-要素适宜型:具备此类流入人口结构的城市主要是各省的省会城市,比如成都市、武汉市、长沙市等。对于省内的其他城市而言,省会城市较其他发达地区距离近、生活成本低、社会环境融合度高,虽然可能在经济收入与就业发展潜力等方面较超大城市有一定差距,但综合多方面因素考虑,省会城市仍为省内流动人口可达且宜居的目的地。因此,省会城市会吸引较多的省内县际流动人口,具有较高的流入率。

图1 2020年我国地级以上城市省际(左图)、省内县际(右图)人口流入率空间分布 注:底图来源于自然资源部标准地图服务系统,审图号为GS(2019)1822号,边界无修改

图2 2010-2020年我国地级以上城市总人口流入率空间分布注:底图来源于自然资源部标准地图服务系统,审图号为GS(2019)1822号,边界无修改

3.2 2010-2020年我国地级以上城市流动人口时空格局演变

相较于2010年,2020年我国地级以上城市中总流动人口占常住人口比重10%以上的城市数量明显增加,如东北地区的黑龙江省、吉林省;西南地区的四川省、重庆市;中部地区的湖北省、湖南省等。京津冀地区、长三角地区与珠三角地区持续发挥对流动人口的吸纳作用,且逐步显现出扩散趋势;新疆维吾尔自治区、西藏自治区的人口迁移现象受政策影响加深,较多地区的总人口流入率逐渐高于20%。

通过计算可知,2010年、2020年我国地级以上城市总人口流入率的莫兰指数(Moran′s I)分别为0.2840、0.2287,二者均为正值,且Z统计值均大于1.96,说明2010、2020年我国流动人口流入率在空间上显著集聚,但集聚程度有所下降。为了进一步分析其在局部区域上的集聚差异,本文分别计算2010、2020年各地级以上城市总人口流入率的LISA值以进行局部空间自相关分析。从图3可以看出,总流动人口流入率的局部空间分布模式主要分为两种类型:(1)“低-高”相连区域依附“高-高”相连区域:此类区域主要包括长三角地区、珠三角地区以及新疆乌鲁木齐市周边地区。其如此分布的原因主要是经济发达区或政策扶持核心区呈现流入率的区域高值,位于区域边缘的城市由于本区流入率低、周边流入率高,形成了“低-高”相连区,并对核心区形成包围之势。相较于2010年,京津冀地区的“低-高”相连区域不再显著,一定程度上表明了我国疏解北京非首都功能、京津冀地区协同发展的阶段性成效;东北地区的“高-低”相连区域也不再显著,流动人口规模与人口流入率也有小幅提升,侧面体现东北振兴计划取得阶段性进展;(2)“低-低”相连区域包围“高-低”相连区域:此类区域主要分布在我国中部内陆地区。其空间关系产生的原因主要是各省省会作为低值区的数值凸点,具有“孤岛式”的高流入率(多为省内流入率),又因为周围的非省会城市普遍为低流入率,由此在省会城市形成了“高-低”相连区,在周围非省会城市形成片状的“低-低”相连区。相较于2010年,2020年我国中部地区的“低-低”相连、“高-低”相连区域呈现出更大范围的片状分布,其中以重庆市、湖北省、湖南省、山东省等省份更为突出。这既可以说明这十年间我国中部地区流动人口的短距离迁移倾向增强,省会城市对省内流动人口的吸纳能力提升,也可以体现我国二三线城市的经济发展水平提升,对流动人口的吸引力逐步加强。

图3 2010-2020年我国地级以上城市总人口流入率空间集聚分析注:底图来源于自然资源部标准地图服务系统,审图号为GS(2019)1822号,边界无修改

图4的结果显示,2020年我国流动人口流入率集中分布的热点区域主要在经济发展水平高的长三角地区、珠三角地区,以及政策重点支持的内蒙古自治区与新疆维吾尔自治区。代表城市有上海市,浙江省的宁波市、广东省的深圳市、新疆维吾尔自治区的乌鲁木齐市、与内蒙古自治区的呼和浩特市。相较于2010年,我国东部沿海地区的热点区域显著性水平有所下降,而西北地区的新疆维吾尔自治区、内蒙古自治区的热点显著性水平有所提升。冷点区域则主要分布在我国的内陆地区,主要包括河北省、山西省、陕西省等共10个省份。其中,山东省、四川省、湖北省和河南省位于流动人口流入率冷点区域的城市最多,这是因为这些区域的劳动力出于工资提升、工作前景、社会福利、子女教育等目的,向东部和南部流动,该区域成为了周围发达地区的主要人口输出地;本地常住人口以户籍人口为主,从而造成此地区成为总流动人口流入率的冷点区域。相较于2010年,内陆地区的冷点区域有向南、向西扩散的趋势,且显著性有所提升,中部地区城市的人口流动空心化程度加深。

图4 2010-2020年我国地级以上城市总人口流入率冷热点空间分局注:底图来源于自然资源部标准地图服务系统,审图号为GS(2019)1822号,边界无修改

4 我国地级以上城市流动人口空间分布的影响因素

4.1 因子选取

为了综合性描述我国地级以上城市对流动人口的吸引力,本文有针对性地从人口与城镇、经济、就业、社会保障、教育、医疗、交通7个方面选取了共18个量化指标。人口与城镇方面选择常住人口数衡量城市规模,城镇化率衡量城镇化水平;经济方面包括地区生产总值、第二产业生产总值、第三产业生产总值、地方一般公共预算收入和社会消费品零售总额;就业方面包括在岗职工工资总额、社会生产服务和生活服务人员数、生产制造及有关人员数;社会保障方面包括城镇职工基本养老保险参保人数和城镇职工基本医疗保险参保人数;教育方面包括普通高等学校、普通中学、普通小学的专任教师数;医疗方面包括卫生技术人员数及卫生机构床位数;交通包括公路客运量。利用自然断裂法,本文将以上影响因素与2020年我国地级以上城市的省内县际、省际和总人口流入量均划分为5个等级,并分别进行推断分析。

4.2 地理探测器因子探测

根据因子探测结果,18个驱动因子均在1%的水平上显著,说明其对我国各地级以上城市流动人口的空间分异性解释力度较强。常住人口数(X1)和城镇化率(X2)分别从人口规模与城镇化进程两个角度描述了城市规模与现代化水平,并都对人口流动具有较好的解释力度。相对而言,城市的人口规模对省内人口流入的解释力度(q=0.5912)高于省际人口流入(q=0.5136)。常住人口数是衡量一个城市规模大小的重要评价指标,城市规模带来的经济效益有利于增加劳动者的就业概率[20],增进同乡集聚效应,提升流动人口的居留意愿[21],促进城市流动人口规模的扩大。根据第三章的描述性统计可以看出,省会城市在省内县际流动中具有较强的吸引力,省会与周边城市共同构成的“高-低”相连区域在统计学上显著,说明省内流动人口会更多的在省内中心城市集聚,侧面解释人口规模对省内县际人口流动的解释力度更强。

经济因素是影响流动人口空间分布的主导因素,第三产业生产总值(X5)比第二产业生产总值(X4)对总人口流入量的解释力度更强(0.7911>0.6719),并对省际人口流入量的解释力度高于省内县际人口流入量(0.7330>0.6851)。这说明随着城镇化进程的发展、产业结构的优化升级,我国第二产业对流动人口的吸纳效应有所减弱。在后人口红利的时代背景下,包含诸多新兴行业的第三产业对流动人口的吸纳能力不断提升[22],且对省际流动人口的吸引力更强。此外,地方一般公共预算收入(X6)对总流入量的q值为0.7792,对省际人口流动的解释力度高于省内县际(0.7723>0.6183),说明流入地政府财政收入越充裕、地方政府的综合实力与人才引进力度越强,对流动人口、尤其是远距离的流动人口吸引力越强;社会消费品零售总额(X7)对省内县际流入量的解释力度大于省际流入量(0.6792>0.6529),该指标反映了地区零售市场的变动情况与经济景气程度,说明该指标对距离的弹性更大,对短距离人口流动的吸引力更强。

就业指标也是解释流动人口空间分异的重要指标,其中在岗职工工资总额(X8)的解释力度最强,q值达0.7322,并对省际人口流入的解释力度(q=0.7209)大于省内县际人口流入(q=0.5657)。根据新古典经济学对人口迁移动因的解释,两个劳动市场之间的工资差异会引导劳动力由低工资市场流入高工资市场,地区经济发展水平的差距的存在、我国劳动年龄流动人口追求更高经济收入的目的促使人口进行跨区域流动。分职业来看,从事社会生产服务与生活服务的人员数(X9)对流动人口空间分异的解释力度高于从事生产制造及有关人员(X10),这也在一定程度上呼应了前文关于第三产业对流动人口的吸引力高于第二产业的分析结果。分省际与省内县际两类流动来看,服务类从业者的解释力度相差不大,但制造业从业者在省际流动中表现更优。

社会保障与公共服务能力也对流动人口的空间分异性具有较高的解释力度。城镇职工基本养老保险参保人数(X11)和基本医疗保险参保人数(X12)分别描述了城市在养老保障与医疗服务两方面的覆盖力度,其对总流入量的解释度最高(0.7600与0.7394),其次为省际人口流入量(0.7395与0.7679),最后为省内县际人口流入量(0.6459与0.5578)。舒适度理论认为,随着人们生活水平的提高,劳动力在追求经济收入之外,还会对城市社会保障能力提出要求,以获取更高的舒适度。一方面,主要人口流入地的政府购买水平高,公共服务支付能力强,社会保障制度往往更为完善[23],从侧面反应了流入地的吸引力;另一方面,流动人口的社会保障参保行为会增进流动人口对社会经济公平的感知[24],提升社会认同感和居留意愿,由此扩大城市流动人口规模。综合来看,长距离流动人口更关注医疗保障水平,短距离流动人口则更关注养老服务水平。

地区教育水平的高低与教育资源的丰富程度也会影响区域的流动人口。从表3可以看出,普通小学(X15)、普通中学(X14)与普通高等(X13)学校三种不同层级的教育资源都可以在1%的水平上显著解释人口流入的空间分布差异,相较来说,对省内人口流动的解释力度大于省际人口流动。这一特征在普通高等学校教育上表现更为明显(0.7051>0.4448)。教育资源可以从多方面引导区域人口流动。一方面,高等教育资源会对流动人口(尤其是大学生等群体)产生吸引力,促进人力资本流入;另一方面,该类指标说明城市在教育方面的财政支持力度大,区域教学科研能力强,有利于持续推动城市科技创新能力的提高,并对工业化、产业化发展起到促进作用,城市经济发展水平得到提升,也会吸引更多流动人口流入。

表3 我国地级以上流动人口空间分布因子探测结果

此外,卫生指标与交通指标也可以在一定程度上解释流动人口的空间差异。卫生技术人员数(X16)、卫生机构床位数(X17)和公路客运量(X18)对总流入量的解释度分别为0.5776、0.4865和0.2446,并且都对省内县际人口流动的解释力度高于省际。其原因可能是随着新医改的逐步推进与卫生资源的空间优化,卫生资源的供给水平均衡程度有所提高[25],东部发达地区对欠发达地区卫生资源的“虹吸效应”减轻。而随着铁路、航空等客运方式的不断革新,交通运输条件对区域人口流动的影响力降低,反映在其因子探测的q值较低;相对而言,公路运输方式对短距离人口流动更有利,所以对省内县际人口流入量的解释力度高于省际(0.2271>0.1807)。

4.3 地理探测器因子交互作用探测

为了探究两个自变量共同作用时会如何影响对人口流入空间分异的解释力度,本文又利用交互探测器,分别对三个被解释变量测算了每两个因子之间的交互值,共得到3×171组交互值。本文选取其中解释力度最大的前10组交互项,其交互值与作用效果如表4所示。可以看出该表所示的所有交互组都对人口流入量起到双因子增强效果。对于总人口流入量,城镇化率(X2)与服务业从业人员数(X9)的交互解释力度最大(0.8761),其次分别是城镇化率与常住人口规模(X1)、城镇化率与地区生产总值(X3)。总体来看,城镇化率(X2)、第三产业生产总值(X5)、城镇职工基本医疗保险参保人数(X12)三个变量与其他变量的交互效应较强,其前10组交互项中以经济指标、人口城镇指标居多,城市的规模效应较强。

表4 我国地级以上流动人口空间分布交互探测结果(前10组)

对于省际人口流入量,社会保障指标与其他变量发挥双因子增强效应时交互值较高,在前10组交互项中,生产制造类职业人员数(X10)与城镇化率(X2)的交互作用达到0.8538,为所有交互组中的最大值;此外,共有9组交互项与城镇职工基本医疗保险参保人数(X12)有关,其与生产制造业从业人员数(X10)的交互作用达0.8508,与第三产业生产总值(X5)的交互作用达0.8431。可见对于省际流动人口而言,除了经济与就业指标发挥着跨省流动的决定作用外,社会保障水平(尤其是医疗服务保障水平)的提高会与其他因素产生加强作用,对省际流动人口的空间分布差异解释效应更强。

对于省内县际流动人口,高等教育资源与其他变量发生交互作用时解释力度较高。比如普通高等学校专任教师数(X13)与第二产业生产总值(X4)进行交互时,对省内县际流动人口的空间分布解释力度达0.8015,;与第三产业生产总值(X5)进行交互时,其解释力度达0.7944。解释力度前10的交互项中,有9组交互项与高等教育资源有关,说明高等教育资源在省内县际人口流动的空间分异性解释上起到重要的补充增强效果。

5 结论与讨论

5.1 结论

本研究基于第七次人口普查地级以上城市的统计数据,结合空间数据分析技术,探究了我国2010和2020年城市流动人口的空间分布特点与时空演变。研究发现:①我国地级以上城市的流动人口呈现明显的空间分布差异。受经济水平、就业市场、社会保障等因素影响的东部发达地区与受“西部大开发”政策影响的西北地区省际流动人口较多;在我国中部地区,成都市、武汉市等省会城市呈现出较高的城市首位度,省内流动人口占比较高。②相较于2010年,我国人口流动规模明显提升,地级以上城市流动人口占比增加;虽然流动人口仍在空间上呈现显著集聚,但集聚程度有所下降;东部发达地区的人口集聚区逐步发挥溢出作用,流动人口由核心区向周边辐射;中部地区的空间分布不均范围进一步扩大;西北地区的人口流入率显著提高;更多省会城市、二三线城市与周围区域呈现出“高-低”、“低-低”相连的流动人口局部集聚特征;京津冀协同发展与东北地区振兴计划取得初步成效。

为了解释我国流动人口空间分布的差异,本文利用地理探测器对18个量化指标进行因子探测与交互探测。研究结果表明:①经济与就业因素是驱动人口省内、省际流动的核心指标,包含较多服务岗位的第三产业对流动人口的吸纳能力更强;社会保障水平对省际人口流动的解释力度更强;城市教育资源能够更好解释省内县际流动人口的分布差异,而在不同层级的教育资源中,高等教育资源的解释力度最强;医疗卫生因素与交通因素对省内流动人口的解释力度强于省际流动人口,随着交通运输条件的不断改进,交通指标较其余影响因素解释力度减弱。②交互探测器的探测结果表明,经济与就业指标的交互作用对总人口流入量起到双因子增强效果;社会保障指标与其他指标的交互项对省际人口流入解释力度较强;高等教育资源指标与其他指标的交互项对省内县际流入量的解释力度较强。

5.2 讨论

从人口普查数据可以看出,十年来我国的流动人口规模进一步扩大、城市人口结构比例进一步提升、空间分布范围进一步扩大,这些新人口特征均可说明需刻不容缓地加强对我国流动人口的正向调节、有序引导。面对我国流动人口的区域发展不平衡,要深入贯彻区域协调发展战略与主体功能区战略,坚持推进新型城镇化,推动区域协调发展,坚持西部大开发、东北全面振兴与京津冀协同发展战略,持续关注中部区域的人口流出问题,加快中部地区崛起。结合流动人口区域发展的新特征,要及时调整户籍制度改革思路,破除妨碍人口流动的体制与政策弊端,逐步推动流动人口市民化进程,提升流动人口的居留意愿与社会融入感、城市认同感。经济与就业发展方面,要关注后人口红利时代下城市工业与就业结构的转型升级,大力发展服务业等第三产业,充分吸纳流动人口就业,加强对流动人口的劳动者权益保障。新兴的二三线城市在吸纳短距离流动人口时,应更加关注教育资源的投入,持续完善教育体系建设,充分发挥高等教育资源对流动人口的吸纳作用及对城市科技创新能力的推动作用。发达城市在不断吸引跨省人口流入的同时,要关注城市公共服务体系的建立与完善,尤其是基本公共卫生均等化与医疗卫生资源的合理分配,深化改革养老保险与医疗保险制度。

本研究有几个问题有待未来进一步深化。首先,有必要建立各城市影响因素的面板数据,以测算因子在十年间驱动力的变化情况;其次,可以对不同动因造成的相同人口流动进行分类讨论,比如将要素驱动型的省际流动与政策导向型的省际流动进行对比分析;最后,本文主要采用城市数据进行宏观分析,在数据可得的基础上,可将个人、家庭特征纳入统计模型进行微观分析。