李詩韻， 梅志雄， 張銳豪， 趙書芳

(華南師范大學(xué)地理科學(xué)學(xué)院， 廣州 510631)

中國省際人口遷移空間特征與影響因素分析

李詩韻， 梅志雄*， 張銳豪， 趙書芳

(華南師范大學(xué)地理科學(xué)學(xué)院， 廣州 510631)

采用全國第六次人口普查的省際人口遷移及相關(guān)社會(huì)經(jīng)濟(jì)等數(shù)據(jù)，首先分析省際遷移人口的空間分布特征，然后利用全局Moran’sI指數(shù)考察了省際人口遷移流中的網(wǎng)絡(luò)自相關(guān)性，再構(gòu)建基于網(wǎng)絡(luò)自相關(guān)的特征向量空間過濾模型對(duì)省際人口遷移的動(dòng)力機(jī)制進(jìn)行分析，并與引力模型的回歸結(jié)果進(jìn)行對(duì)比驗(yàn)證，揭示網(wǎng)絡(luò)自相關(guān)影響下省際人口遷移的動(dòng)力機(jī)制. 結(jié)果表明：(1)省際遷入及凈遷入人口主要集中在我國三大經(jīng)濟(jì)圈，省際遷出人口主要分布于我國中南部；省際總遷移人口積聚于三大經(jīng)濟(jì)圈及中南部地區(qū). (2)省際人口遷入、遷出流存在網(wǎng)絡(luò)自相關(guān)，對(duì)人口遷移動(dòng)力建模時(shí)應(yīng)考慮網(wǎng)絡(luò)自相關(guān)因素. 文中加入了網(wǎng)絡(luò)自相關(guān)因素后的特征向量空間過濾模型的擬合水平整體優(yōu)于引力模型，較成功地揭示了人口遷移流中的網(wǎng)絡(luò)自相關(guān)效應(yīng)，減少了對(duì)其他變量的有偏估計(jì). (3)非網(wǎng)絡(luò)自相關(guān)變量中，人口總量、經(jīng)濟(jì)及距離因素對(duì)人口遷移活動(dòng)的影響較大.

人口遷移流； 網(wǎng)絡(luò)自相關(guān)； 特征向量空間過濾模型

對(duì)人口遷移進(jìn)行建模，有助于定量分析區(qū)域人口遷移的特征、規(guī)律及形成機(jī)制，為區(qū)域制定人口政策、戶籍制度和經(jīng)濟(jì)發(fā)展規(guī)劃等提供重要參考依據(jù).

人口遷移建模屬于空間相互作用研究的一種，ZIPF[1]以兩地的人口總量與兩地間距離作為兩地間人口遷移的動(dòng)力，首次建立了人口遷移的引力模型，而后此模型被廣泛應(yīng)用于區(qū)域貿(mào)易流、交通流和旅游流等其他空間相互作用流的研究. 20世紀(jì)70年代開始，研究發(fā)現(xiàn)空間依賴性和距離效應(yīng)在引力模型中被混為一談，如：對(duì)引力模型采用距離要素來捕捉人口遷移活動(dòng)中的空間自相關(guān)提出質(zhì)疑，并發(fā)現(xiàn)引力模型中的距離因子并不能解釋人口遷移流中的空間依賴性[2]；在分析交通流、貿(mào)易流及人口遷移流時(shí)，均證明引力模型中使用距離要素解釋空間相互作用中流與流之間空間自相關(guān)性是不科學(xué)的[3-5]； 將流與流之間相互作用產(chǎn)生的空間依賴性定義為網(wǎng)絡(luò)自相關(guān)，并證明了其不可忽略性[6]. 此后，開始探索使用不同方法解釋空間相互作用流之間的網(wǎng)絡(luò)自相關(guān)，如：改進(jìn)引力模型，提出考慮網(wǎng)絡(luò)自相關(guān)的因變量空間滯后形式的空間OD(Origin-Destination)模型，并用于美國人口遷移流之間的空間依賴性研究[7]；采用空間OD模型，在我國省際人口遷移動(dòng)力機(jī)制建模中綜合考慮了多種形式的網(wǎng)絡(luò)自相關(guān)效應(yīng)[8]；在文獻(xiàn)[8]的研究基礎(chǔ)上，分別以不同形式的網(wǎng)絡(luò)自相關(guān)建模，分析其對(duì)我國省際人口遷移的影響[9]. 近年來，基于特征向量空間過濾法的空間過濾模型為解釋空間相互作用流之間的網(wǎng)絡(luò)自相關(guān)提供了新方法，如：在研究就業(yè)流時(shí)，擴(kuò)展LeSage的空間OD模型為包含空間過濾定義的特征向量空間過濾模型，重溫了空間結(jié)構(gòu)和空間相互作用問題[10]；使用特征向量空間過濾模型處理遷移流、貿(mào)易流等空間相互作用流中因網(wǎng)絡(luò)自相關(guān)存在而影響建模的問題，取得了比傳統(tǒng)空間相互作用模型更優(yōu)的擬合水平，證明特征向量空間過濾能成功解釋空間相互作用流中的網(wǎng)絡(luò)自相關(guān)[11-14].

目前，國內(nèi)對(duì)人口遷移動(dòng)力的建模研究，通常采用忽略人口遷移流中空間依賴性的引力模型法[15-18]，或采用因變量空間滯后形式的空間OD模型法[8-9]，較少采用特征向量空間過濾模型. 特征向量空間過濾模型不僅考慮了引力模型所忽略的人口遷移流中的網(wǎng)絡(luò)自相關(guān)，且其將人口遷移分為空間影響和非空間影響兩部分，對(duì)有空間效應(yīng)部分進(jìn)行提取轉(zhuǎn)換再進(jìn)入模型，從而模型估計(jì)更方便和容易實(shí)現(xiàn)[12]. 為此，本文以中國31個(gè)省、自治區(qū)和直轄市(統(tǒng)稱為省域，港澳臺(tái)除外)的2005—2010年省際人口遷移為例，首先分析省際遷移人口的總體空間分布特征，考察各省域人口遷入、遷出流中的空間依賴性；再根據(jù)相關(guān)文獻(xiàn)和人口遷移“推拉理論”選取影響人口遷移的因素，而后采用特征向量空間過濾模型定量解析各因素對(duì)省際人口遷移的影響程度，并與引力模型擬合結(jié)果進(jìn)行對(duì)比檢驗(yàn)；最后根據(jù)模型擬合和對(duì)比檢驗(yàn)結(jié)果，分析中國省際人口遷移過程中的影響因素與動(dòng)力機(jī)制，著重揭示人口遷移流之間的空間依賴性引起的網(wǎng)絡(luò)自相關(guān)對(duì)省際人口遷移的影響.

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源與處理

以我國31個(gè)省域(港澳臺(tái)除外)為研究區(qū)，數(shù)據(jù)主要包括：研究區(qū)的行政邊界圖；全國第六次人口普查的2005—2010年省際遷入人口、遷出人口、凈遷移人口及遷移總?cè)丝跀?shù)據(jù)(均由“全國按現(xiàn)住地和五年前常住地劃分的人口”統(tǒng)計(jì)表得到)；各省域的自然、社會(huì)、經(jīng)濟(jì)、就業(yè)、文化和人口總量等方面的相關(guān)數(shù)據(jù)[19].

數(shù)據(jù)收集后，利用ArcGIS10.0將31個(gè)省域的行政邊界矢量數(shù)據(jù)與相應(yīng)的省際遷入人口、遷出人口、凈遷移人口及遷移總?cè)丝跀?shù)據(jù)進(jìn)行空間連接，用于分析省際遷移流的空間分布及依賴性檢驗(yàn);將各省域的自然、社會(huì)、經(jīng)濟(jì)、就業(yè)、文化和人口總量等方面的相關(guān)數(shù)據(jù)與省際遷移人口數(shù)據(jù)整理成省際人口遷移動(dòng)力機(jī)制建模樣本.

1.2 研究方法

1.2.1 全局空間自相關(guān)指數(shù) 全局Moran’sI指數(shù)用于檢驗(yàn)并定量考察研究區(qū)內(nèi)目的地相同的遷入人口流和源地相同的遷出人口流的空間依賴性，其計(jì)算公式為[20]:

(1)

其中:xi為i單元的觀測(cè)值，n為研究單元個(gè)數(shù);Wij為行標(biāo)準(zhǔn)化的空間權(quán)重矩陣，因本文屬于面單元的空間自相關(guān)研究，故采用鄰接規(guī)則構(gòu)建Wij，并把廣東省和海南省定義為相鄰關(guān)系;I值位于[-1,1]，在給定顯著性水平下，若I顯著為正，表明相似的觀測(cè)值趨向空間集聚關(guān);若I顯著為負(fù)，表明相似觀測(cè)值趨于分散分布;當(dāng)I接近期望值-1/(n-1)時(shí)，則觀測(cè)值之間呈獨(dú)立隨機(jī)分布.

1.2.2 引力模型 經(jīng)典人口遷移引力模型[1]有多種改進(jìn)形式，本文采用以下形式[21]:

ln y=αN+(ln Xo)βo+(ln Xd)βd+(ln g)γ+ε,

(2)

1.2.3 特征向量空間過濾模型 網(wǎng)絡(luò)權(quán)重矩陣用于表征人口遷移活動(dòng)的網(wǎng)絡(luò)自相關(guān)結(jié)構(gòu)，可由空間權(quán)重矩陣運(yùn)算得到[11]:

WN=W⊕W=W?I+I?W,

(3)

其中:WN為n2×n2網(wǎng)絡(luò)權(quán)重矩陣;W為n×n空間權(quán)重矩陣(即式(1)的Wij)，n為地理單元個(gè)數(shù);I是n×n單位矩陣;?(⊕)為克羅內(nèi)克積(和).

在傳統(tǒng)引力模型中加入代表網(wǎng)絡(luò)自相關(guān)性的自變量，構(gòu)成可以解釋省際人口遷移流中存在的網(wǎng)絡(luò)自相關(guān)性的特征向量空間過濾模型[21]:ln y=αN+(ln Xo)βo+(ln Xd)βd+(ln g)γ+Ekβk+ε,

(4)

2 中國省際人口遷移空間特征

2.1 省際人口遷移量空間特征

[23-24]，分析各省域的省際人口遷入量、遷出量、凈遷移量及遷移總量. 結(jié)果顯示：省際遷入人口主要集中于廣東、浙江、上海、江蘇、北京、福建及天津，約占全國遷出人口總量的72%，主要形成珠三角、長三角和京津冀等3個(gè)人口輻合區(qū)(圖1A)；省際遷出人口主要源自秦嶺—淮河以南的安徽、河南、四川、湖南、湖北、江西、廣西及貴州，其中，安徽主要向長三角輸出人口，廣東的遷入人口主要來自四川、湖南、湖北和廣西(圖1B)；凈遷入人口集中分布在珠三角、長三角和京津三大經(jīng)濟(jì)圈，與遷入人口集聚區(qū)域大體一致，其中廣東、浙江、上海、北京、江蘇、福建及天津的省際凈遷入人口均超過100萬(圖1C)；凈遷出地區(qū)主要分布在中南部內(nèi)陸省份，其中河南、安徽、四川和湖南的凈遷出人口規(guī)模均超過300萬人，出現(xiàn)“中部塌陷”現(xiàn)象，說明“中部塌陷”是經(jīng)濟(jì)與人口意義上的同時(shí)塌陷[25]；廣東遷移總量高達(dá)1 549萬，長三角及其周邊省域次之，四川、兩湖及北京緊跟其后(圖1D). 總體而言，我國南方地區(qū)的人口遷移強(qiáng)度較北方、西北和青藏高原地區(qū)大，西藏、青海及寧夏的人口遷移總量均低于50萬.

2.2 省際人口遷移流空間依賴特征

利用全局Moran’sI指數(shù)，以省域?yàn)閱挝?，依次?duì)各省域2005—2010年的省際遷入、遷出人口流分別進(jìn)行全局空間依賴性檢驗(yàn)，旨在檢驗(yàn)抵達(dá)同一個(gè)省域的省際遷入人口流及從同一個(gè)省域出發(fā)的遷出人口流是否存在空間集聚現(xiàn)象，并進(jìn)一步考察各省域遷入、遷出人口流的空間集聚程度. 參考相關(guān)研究[8,24]，以遷入流空間依賴性分析為例，以北京作為遷入地時(shí)，研究期間從全國其他30個(gè)省域遷入北京的遷入人口流有30個(gè)并計(jì)算其全局Moran’sI值及顯著性;再分別以其他各省域作為遷入地，計(jì)算每個(gè)省域作為遷入地時(shí)的省際遷入流全局Moran’sI值及顯著性. 省際遷出流空間依賴性分析的方法與遷入流空間依賴性分析的方法類似. 全國各省域作為遷入地、遷出地時(shí)的遷入流、遷出流的Moran’sI值及其顯著性見圖2.

由圖2A可知，所有省域的遷入流全局Moran’sI值都不為0，表明所有省域作為遷入地時(shí)的遷入流均存在空間依賴效應(yīng). 除重慶、四川和湖南的Moran’sI值小于0外，其他省域Moran’sI值均大于0，全國人口遷入流整體上呈現(xiàn)空間集聚. 尤其是遼寧、黑龍江、上海、廣東、天津、浙江和北京的遷入流Moran’sI值均在0.25～0.499間且在5%水平上顯著，表現(xiàn)為顯著的中等強(qiáng)度的空間自相關(guān)效應(yīng)，原因是這些省域中的任何一個(gè)作為人口遷入地時(shí)，向該地輸入人口多、少的省域在空間上分別集聚：如當(dāng)廣東作為人口遷入地時(shí)，向廣東輸入人口較多的湖南、廣西和湖北等呈現(xiàn)很強(qiáng)的空間集聚性.

圖1 2005—2010年中國省際遷移人口遷移量空間分布圖Figure 1 Spatial distribution of interprovincial migration quantity in China from 2005 to 2010

圖2 2005—2010年中國省際人口遷入、遷出流全局Moran’s I值及其顯著性Figure 2 Global Moran’s I and its significance of interprovincial migration flows in China from 2005 to 2010

由圖2B可知，全國有22個(gè)省域的遷出流全局Moran’sI值大于0，整體上全國的人口遷出流依然呈現(xiàn)“高-高”和“低-低”的空間集聚現(xiàn)象. 安徽、山東、內(nèi)蒙古、廣東、上海、遼寧、河北和黑龍江的遷出流全局Moran’sI值均高于0.25并在5%水平上顯著，呈現(xiàn)較強(qiáng)的空間集聚特征. 如當(dāng)安徽作為人口遷出地時(shí)，從安徽遷出的人口流向江蘇、浙江和上海最多，這3個(gè)省域在空間上鄰近.

以上各省域的人口遷入、遷出流空間依賴性分析，表明全國大部分省域作為遷入地、遷出地時(shí)，其人口遷入流、遷出流受到周圍人口遷入流、遷出流的影響而具有空間依賴性，并非隨機(jī)分布. 因此，2005—2010年中國省際人口遷移活動(dòng)中存在由人口遷入地、遷出流空間依賴引起的網(wǎng)絡(luò)自相關(guān)，應(yīng)在其動(dòng)力機(jī)制建模中引入此網(wǎng)絡(luò)自相關(guān)性.

3 中國省際人口遷移的影響因素

3.1 變量選擇及模型建立

人口遷移受到多方面因素的綜合影響，基于“推—拉”理論[25-27]，參考文獻(xiàn)[15-18]及數(shù)據(jù)可獲取性，選取影響人口遷移的多方面影響指標(biāo)，結(jié)合省際遷移人口數(shù)據(jù)后進(jìn)行對(duì)數(shù)變換(虛擬變量除外)、去量綱及共線性檢驗(yàn). 根據(jù)VIF值小于10排除自變量間的共線性，篩選出13個(gè)2010年影響因素指標(biāo):遷出地人口總量(O_Pop)、遷出地農(nóng)村居民家庭人均年純收入(O_RurIn)、遷出地人均耕地面積(O_FarL)、遷出地大專文化以上占就業(yè)總?cè)丝诒壤?O_ColP)、遷出地性別比(O_SexR)、遷出地是否為沿海城市(O_IfCoa)、遷入地人口總量(D_Pop)、遷入地城鎮(zhèn)居民家庭人均年總收入(D_TowIn)、遷入地實(shí)際使用外商直接投資金額(D_FID)、遷入地就業(yè)人員平均受教育年限(D_EduY)、遷入地年末就業(yè)率(D_EmpR)、遷入地公共交通年客流總量(D_PubT)、兩省間會(huì)鐵路里程(D). 基于式(2)，中國省際人口遷移的實(shí)證引力模型為:

lny=a+b1lnO_Pop+b2lnO_RurIn+

b3lnO_FarL+b4lnO_ColP+b5lnO_SexR+

b6lnO_IfCoa+c1lnD_Pop+c2lnD_TowIn+

c3lnD_FID+c4lnD_EduY+c5lnD_EmpR+

c6lnD_PubT+γlnD+ε,

(5)

其中a為常數(shù)項(xiàng).

2.2節(jié)已證明人口遷移流中存在著網(wǎng)絡(luò)自相關(guān)，因而在式(5)的基礎(chǔ)上增加網(wǎng)絡(luò)自相關(guān)因子，將引力模型改進(jìn)為特征向量空間過濾模型，更科學(xué)地分析省際人口遷移的影響因素. 特征向量空間過濾模型僅在引力模型自變量基礎(chǔ)上增加解釋網(wǎng)絡(luò)自相關(guān)的211個(gè)特征向量自變量，其他非網(wǎng)絡(luò)自相關(guān)自變量不變. 結(jié)合式(3)，省際人口遷移的實(shí)證特征向量空間過濾模型為:

lny=a+b1lnO_Pop+b2lnO_RurIn+

b3lnO_FarL+b4lnO_ColP+b5lnO_SexR+

b6lnO_IfCoa+c1lnD_Pop+c2lnD_TowIn+

c3lnD_FID+c4lnD_EduY+c5lnD_EmpR+

c6lnD_PubT+γlnD+Ekβk+ε,

(6)

其中a為常數(shù)項(xiàng).

3.2 結(jié)果分析

當(dāng)模型數(shù)據(jù)中存在空間自相關(guān)或網(wǎng)絡(luò)自相關(guān)時(shí)，采用最小二乘法(OLS)會(huì)產(chǎn)生有偏的估計(jì)并對(duì)統(tǒng)計(jì)推斷產(chǎn)生影響，而極大似然法(ML)適用于空間關(guān)聯(lián)模型即特征向量空間過濾模型的估計(jì)[28]. 為了更好比較引力模型和特征向量空間過濾模型的回歸結(jié)果，利用R語言編程實(shí)現(xiàn)對(duì)模型(5)、(6)進(jìn)行ML估計(jì). 回歸結(jié)果見表1.

表1 引力模型與特征向量空間過濾模型回歸結(jié)果

Table 1 Regression results of gravity and eigenvector spatial filtering models

系數(shù)及顯著性變量引力模型特征向量空間過濾模型自變量VIFO_Pop0.4013**0.5500**1.970O_RurIn0.00470.02296.218O_FarL-0.0551**0.0503*2.843O_ColP-0.0820**0.01983.389O_SexR-0.0754**-0.1101**1.394O_IfCoa-0.0982**-0.0973**2.573D_Pop0.1391**0.22639.954D_TowIn0.3399**0.1186**4.320D_FID-0.0413**0.07716.088D_EduY0.0383**0.1811**2.800D_EmpR0.0612**0.0293**1.970D_PubT0.1508**0.10266.145D-0.3756**-0.2084**1.214F檢驗(yàn)顯著性0.0010.001R2(調(diào)整R2)0.781(0.778)0.883(0.846)LogL-956.205(df=14)-877.597(df=225)SIC1953.9691829.404

*、**分別表示在5%和1%水平上顯著.

表1顯示，模型(5)、(6)均通過了1%水平的方程顯著性F檢驗(yàn). 特征向量空間過濾模型的擬合水平較引力模型有較大提高，主要表現(xiàn)在:(1)特征向量空間過濾模型擬合結(jié)果的調(diào)整R2(0.846)大于引力模型的調(diào)整R2(0.778)；(2)特征向量空間過濾模型擬合結(jié)果的對(duì)數(shù)似然函數(shù)(Log likelihood，LogL)值(-877.597)比引力模型的LogL值(-956.205)高. 再從比赤池信息準(zhǔn)則(AIC)對(duì)模型樣本容量和變量數(shù)目更為敏感的施瓦茨信息準(zhǔn)則(SIC)對(duì)比來看，特征向量空間過濾模型擬合結(jié)果的SIC值(1 829.404)低于引力模型的SIC值(1 953.969).

從表1可知：

(1)代表網(wǎng)絡(luò)自相關(guān)的211個(gè)特征向量因子中，有114個(gè)的系數(shù)小于0、97個(gè)的系數(shù)大于0，說明網(wǎng)絡(luò)自相關(guān)性對(duì)省際人口遷移活動(dòng)有著不可忽略的影響，區(qū)域人口遷入流、遷出流在空間上受其周圍人口遷入流、遷出流的阻礙作用相比促進(jìn)作用更強(qiáng). 所有特征向量因子中，有188個(gè)在5%水平上顯著、177個(gè)在1%水平上顯著，說明網(wǎng)絡(luò)自相關(guān)性出現(xiàn)在省際人口遷移流中并非偶然，整體上省際人口遷移活動(dòng)具有網(wǎng)絡(luò)自相關(guān)效應(yīng). 加入網(wǎng)絡(luò)自相關(guān)因素后，非網(wǎng)絡(luò)自相關(guān)自變量的統(tǒng)計(jì)推斷發(fā)生改變：在兩模型的共同解釋變量中，從引力模型的12個(gè)解析變量在5%水平上顯著變?yōu)樘卣飨蛄靠臻g過濾模型里8個(gè)解析變量在5%水平上顯著. 說明在人口遷移研究中考慮人口遷移流的網(wǎng)絡(luò)自相關(guān)效應(yīng)時(shí)，能更好地考察其動(dòng)力機(jī)制，若忽視其網(wǎng)絡(luò)自相關(guān)效應(yīng)，會(huì)造成自然、經(jīng)濟(jì)、就業(yè)、社會(huì)、文化和人口總量等多方面因素對(duì)人口遷移影響的有偏估計(jì).

(2)在兩模型中系數(shù)均為正且5%水平顯著的變量有遷出地人口總量(O_Pop)、遷入地城鎮(zhèn)居民家庭人均年總收入(D_TowIn)、遷入地就業(yè)人員平均受教育年限(D_EduY)及遷入地年末就業(yè)率(D_EmpR)，說明這4個(gè)變量對(duì)省際人口遷移起到了較穩(wěn)定的促進(jìn)作用，其中O_Pop和D_TowIn的促進(jìn)作用最強(qiáng). 遷出地性別比(O_SexR)、遷出地是否為沿海城市(O_IfCoa)及兩省會(huì)間鐵路里程(D)在兩模型中均為負(fù)且均在5%水平顯著，說明這3個(gè)變量在我國省際人口遷移起著較穩(wěn)定的阻礙作用，且兩省會(huì)間鐵路里程(D)的阻礙作用最強(qiáng).

(3)在兩模型中，遷入地人口總量(D_Pop)和遷入地公共交通年客流總量(D_PubT)的系數(shù)均為正，而顯著性卻由5%水平顯著變?yōu)椴伙@著，說明兩變量的促進(jìn)作用不夠顯著. 遷出地農(nóng)村居民家庭人均年純收入(O_RurIn)的系數(shù)在兩模型中雖都為正，但值均較小且不顯著，說明其影響較小.

(4)遷出地人均耕地面積(O_FarL)、遷出地大專文化以上占就業(yè)總?cè)丝诒壤?O_ColP)及遷入地實(shí)際使用外商直接投資金額(D_FID)在引力模型回歸結(jié)果中對(duì)省際人口遷移有顯著的負(fù)影響，而在特征向量空間過濾模型回歸結(jié)果中有正向促進(jìn)作用. 特征向量空間過濾模型回歸結(jié)果更符合現(xiàn)實(shí)，其原因主要為:(i)盡管通常認(rèn)為少量的人均耕地面積意味著農(nóng)村勞動(dòng)力的剩余，容易促進(jìn)人口外遷. 但由于土地租賃市場的存在，反而使得擁有耕地較多的農(nóng)民面臨更大的遷移風(fēng)險(xiǎn)[8，29]. 因此，遷出地的人均耕地面積對(duì)人口外遷有正向促進(jìn)作用，這與文獻(xiàn)[8]的實(shí)證結(jié)論一致；(ii)遷出地大專文化以上占就業(yè)總?cè)丝诒壤礁?，遷出地人口的文化素質(zhì)越高而越容易尋找到就業(yè)機(jī)會(huì)，從而更容易發(fā)生遷移，因而對(duì)人口遷移有正向作用；(iii)外商投資不僅是資金投資，還帶來生產(chǎn)技術(shù)、管理經(jīng)驗(yàn)和新投資理念等其他資源，從而促使區(qū)域人口的遷移流動(dòng)，因而對(duì)人口遷移有促進(jìn)作用. 蔡昉和王德文[30]在基于“五普”數(shù)據(jù)的人口遷移研究中也證明外商直接投資對(duì)中國人口遷移活動(dòng)具有積極作用.

4 結(jié)論與討論

在人口遷移動(dòng)力機(jī)制建模中考慮網(wǎng)絡(luò)自相關(guān)對(duì)人口遷移活動(dòng)的影響，運(yùn)用特征向量空間過濾模型分析中國2005—2010年省際人口遷移的動(dòng)力機(jī)制，并與引力模型回歸結(jié)果進(jìn)行對(duì)比驗(yàn)證. 主要結(jié)論如下：

(1)省際人口遷移，抵達(dá)同一省域的遷入流與從同一省域出發(fā)的遷出流分別受到其鄰域人口遷入(出)流的影響，具有空間依賴性，應(yīng)在其動(dòng)力機(jī)制研究中考慮由此空間依賴性引起的網(wǎng)絡(luò)自相關(guān)的影響.

(2)引入代表網(wǎng)絡(luò)自相關(guān)的特征向量自變量，將引力模型改進(jìn)為特征向量空間過濾模型后，模型的調(diào)整R2及對(duì)數(shù)似然函數(shù)值均顯著增大，同時(shí)施瓦茨信息準(zhǔn)則SIC值明顯降低，模型的擬合水平得到了較顯著提高. 特征向量空間過濾模型中的特征向量自變量較成功地解釋了引力模型未能解釋的人口遷移流中存在的網(wǎng)絡(luò)自相關(guān)效應(yīng). 網(wǎng)絡(luò)自相關(guān)對(duì)省際人口遷移活動(dòng)有著不可忽略的影響，研究省際人口遷移動(dòng)力機(jī)制時(shí)若不考慮網(wǎng)絡(luò)自相關(guān)因素，會(huì)對(duì)非網(wǎng)絡(luò)自相關(guān)變量造成有偏估計(jì).

(3)在兩模型中，非網(wǎng)絡(luò)自相關(guān)變量對(duì)2005—2010年省際人口遷移活動(dòng)中的影響有所變化. 在兩模型中，人口基數(shù)因素和經(jīng)濟(jì)因素對(duì)人口遷移活動(dòng)起著穩(wěn)定且顯著的促進(jìn)作用，其中遷出地人口總量的促進(jìn)作用最強(qiáng);遷入地城鎮(zhèn)居民家庭人均年總收入的促進(jìn)作用次之，這與劉晏伶和馮建[31]的研究結(jié)論相符;遷入地就業(yè)人員平均受教育年限及遷入地年末就業(yè)率的促進(jìn)相對(duì)較弱. 自然因素和性別因素在兩模型中對(duì)省際人口遷移活動(dòng)起到了穩(wěn)定、顯著的阻礙作用，遷移地間鐵路里程的阻礙作用遠(yuǎn)大于遷出地性別比和遷出地是否為沿海城市，說明距離因素對(duì)人口遷移的阻礙作用非常強(qiáng)，現(xiàn)代交通業(yè)的蓬勃發(fā)展未能打破人口遷移的距離衰減效應(yīng).

從網(wǎng)絡(luò)自相關(guān)權(quán)重矩陣中提取表征網(wǎng)絡(luò)自相關(guān)的特征向量，將其加入引力模型后建立的特征向量空間過濾模型，較成功地解釋了人口遷移流中的網(wǎng)絡(luò)自相關(guān)效應(yīng)，模型擬合水平得到顯著提高，有效糾正了引力模型對(duì)一些非網(wǎng)絡(luò)自相關(guān)因素的過高或過低估計(jì)，更全面地考察了我國快速城市化時(shí)期省際人口遷移的空間特征和動(dòng)力機(jī)制，為人口遷移動(dòng)力機(jī)制研究提供了新方法，并對(duì)研究其他空間相互作用流(如交通流、商品流和旅游流等)有一定的借鑒意義.

從不同的網(wǎng)絡(luò)權(quán)重矩陣中提取出不同的特征向量，未來可考慮從多種不同形式的網(wǎng)絡(luò)權(quán)重矩陣中提取出更多不同的特征向量進(jìn)一步改進(jìn)特征向量空間過濾模型，對(duì)人口遷移動(dòng)力機(jī)制進(jìn)行更多建模嘗試. 另外，一些對(duì)人口遷移可能有影響的因素如政策制度等由于難以量化而未進(jìn)入模型，對(duì)研究結(jié)果有一定影響，后續(xù)需要對(duì)此進(jìn)行深入研究以取得更符合實(shí)際的研究結(jié)論和政策涵義.

參考文獻(xiàn)：

[1] ZIPF G K. The hypothesis of the minimum equation as a unifying social principle:with attempted synthesis [J]. American Sociological Review,1947,12(6):627-650.

[2] CURRY L. A spatial analysis of gravity flows[J]. Regional Studies,1972,6(2):131-147.

[3] GRIFFITH D A,JONES K G. Explorations into the relationship between spatial structure and spatial interaction [J]. Environment & Planning A,1980,12(2):187-201.

[4] POROJAN A. Trade flows and spatial effects:the gravity model revisited [J]. Open Economies Review,2001,12(3):265-280.

[5] TIEFELSDORF M. Misspecifications in interaction model distance decay relations:a spatial structure effect [J]. Journal of Geographical Systems,2003,5(1):25-50.

[6] BLACK W R. Network autocorrelation in transport network and flow systems[J]. Geographical Analysis,1992,24(3):207-222.

[7] LESAGE J P,PACE R K. Spatial econometric modeling of origin-destination Flows[J]. Journal of Regional Science,2008,48(5):941-967.

[8] 于文麗,蒲英霞,陳剛,等. 基于空間自相關(guān)的中國省際人口遷移模式與機(jī)制分析[J]. 地理與地理信息學(xué),2012,28(2):44-49.

YU W L,PU Y X,CHEN G,et al. Spatal analysis of the patterns and mechanism of interprovincial migration flows in China [J]. Geography and Geo-Information Science,2012,28(2):44-49.

[9] 王亞平,蒲英霞,馬勁松,等. 基于空間OD模型的中國省際人口遷移機(jī)制分析[J]. 西北師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2015,51(3):89-97.

WANG Y P,PU Y X,MA J S,et al. Mechanism analysis of interprovincial migration flows in China based on spatial OD models[J]. Journal of Northwest Normal University(Natural Science),2015,51(3):89-97.

[10]GRIFFITH D A. Spatial structure and spatial interaction:25 years later[J]. Review of Regional Studies,2007,37(1):28-38.

[11]CHUN Y. Modeling network autocorrelation within migration flows by eigenvector spatial filtering [J]. Journal of Geographical Systems,2008,10(4):317- 344.

[12]CHUN Y,GRIFFITH D A. Modeling network autocorrelation in space-time migration flow data:an eigenvector spatial filtering approach [J]. Annals of the Association of American Geographers,2011,101(3):523-536.

[13]CHUN Y,KIM H,KIM C. Modeling interregional commodity flows with incorporating network autocorrelation in spatial interaction models:an application of the US interstate commodity flows [J]. Computers,Environment & Urban Systems,2012,36(6):583-591.

[14]CHUN Y,GRIFFITH D A. A quality assessment of eigenvector spatial filtering based parameter estimates for the normal probability model [J]. Spatial Statistics,2014,(10):1-11.

[15] 顧朝林,蔡建明,張偉,等. 中國大中城市流動(dòng)人口遷移規(guī)律研究[J]. 地理學(xué)報(bào),1999,54(3):204-212.

GU C L,CAI J M,ZHANG W,et al. A study on the patterns of migration in Chinese large and medium cities [J]. Acta Geographica Sinica,1999,54(3):204-212.

[16] 魏星,王桂新. 中國東、中、西三大地帶人口遷移特征分析[J]. 市場與人口分析,2004,10(5):13-22.

WEI X,WANG G X. Study on inter-area migration cha-racteristics of east China,midland China and west China [J]. Market & Demographic Analysis,2004,10(5):13-22.

[17] 段成榮. 影響我國省際人口遷移的個(gè)人特征分析:兼論“時(shí)間”因素在人口遷移研究中的重要性[J]. 人口研究,2000,24(4):14-22.

DUAN C R. Individual level determinants of interprovincial in China on the effects of time sequence in migration studies [J]. Population Research,2000,24(4):14-22.

[18] 劉建波,王桂新,魏星. 基于嵌套Logit模型的中國省際人口二次遷移影響因素分析[J]. 人口研究,2004,28(4):48-56.

LIU J B,WANG G X,WEI X. Determinants of interprovincial migration in China:nested logit models [J]. Population Research,2004,28(4):48-56.

[19] 國家統(tǒng)計(jì)局. 中國統(tǒng)計(jì)年鑒[M]. 北京:中國統(tǒng)計(jì)出版社,2010.

[20] 馬曉冬,馬榮華,徐建剛. 基于ESDA-GIS的城鎮(zhèn)群體空間結(jié)構(gòu)[J]. 地理學(xué)報(bào),2004,59(6):1048-1057.

MA X D,MA R H,XU J G. Spatial structure of cities and towns with ESDA-GIS framework. [J]. Acta Geographica Sinica,2004,59(6):1048-1057.

[21]THOMAS S. The geography of networks and R&D collaborations [M]. Switzerland:Springer,2013:99-112.

[22]GRIFFITH D A. Spatial autocorrelation and spatial filtering∶Gaining understanding through theory and scientific visualization [M]. New York:Springer,2003:91-128.

[23] 李揚(yáng),劉慧,湯青. 1985—2010年中國省際人口遷移時(shí)空格局特征[J]. 地理研究,2015,34(6):1135-1148.

LI Y,LIU H,TANG Q. Spatial-temporal patterns of China’s interprovincial migration during1985-2010 [J]. Geographi-cal Research,2015,34(6):1135-1148.

[24] 李薇. 我國省際人口遷移空間模式分析[J]. 人口研究,2008,32(4):82-96.

LI W. Analysis of spatial patterns of China’s interprovincial migration [J]. Population Research,2008,32(4):82-96.

[25] 丁金宏,劉振宇,程丹明,等. 中國人口遷移的區(qū)域差異與流場特征[J]. 地理學(xué)報(bào),2005,60(1):106-114.

DING J H,LIU Z Y,CHENG D M,et al. Areal differentia-tion of interprovincial migration in China and characteristics of the flow field [J]. Acta Geographica Sinica,2005,60(1):106-114.

[26] 李立宏. 中國人口遷移的影響因素淺析[J]. 西北人口,2000(2):37-40.

LI L H.Analysis of the influence factor on migration in China [J]. Northwest Population,2000(2):37-40.

[27] 俞路,張善余. 我國三大都市圈人口遷移態(tài)勢(shì)與影響因素分析[J]. 南方人口,2005,20(3):17-23.

YU L,ZHANG S Y. The migtation flow and the affecting variables:a case study of the three megalopolise of China [J]. South China Population,2005,20(3):17-23.

[28] 馬榮華,蒲英霞,馬曉冬. GIS空間關(guān)聯(lián)模式發(fā)現(xiàn)[M]. 北京:科學(xué)出版社,2007.

MA R H,PU Y X,MA X D. GIS spatial association pattern discovery[M]. Beijing:Science Press,2007.

[29]KUNG K S,BAI N,LEE Y. Human capital,migration,and a ‘vent’ for surplus rural labour in 1930s China:the case of the lower Yangzi[J]. Economic History Review,2011,64(S1):117-141.

[30] 蔡昉,王德文. 作為市場化的人口流動(dòng):第五次全國人口普查數(shù)據(jù)分析[J]. 中國人口科學(xué),2003(5):11-19.

CAI F,WANG D W. Migration as marketization:based on the analysis of the fifth census data [J]. Chinese Journal of Population Science,2003(5):11-19.

[31] 劉晏伶,馮建. 中國人口遷移特征及其影響因素:基于第六次人口普查數(shù)據(jù)的分析[J]. 人文地理,2014(2):129-137.

LIU Y L,FENG J. Characteristics and impact factors of migration in China:based on the analysis of the sixth census data [J]. Human Geography,2014(2):129-137.

【中文責(zé)編：莊曉瓊 英文責(zé)編：肖菁】

Analyze of Spatial Characteristics and Its Influencing Factors of China’s Interprovincial Migration

LI Shiyun, MEI Zhixiong*, ZHANG Ruihao, ZHAO Shufang

(School of Geography, South China Normal University, Guangzhou 510631, China)

Using interprovincial migration data from the sixth national census in China and other relevant natural and socioeconomic data, the spatial distribution characteristics of interprovincial migration in China are analyzed, then the network autocorrelation among the interprovincial migration flows is investigated with global Moran’sI, and an eigenvector spatial filtering model is established, which takes network autocorrelation into account to explore the influencing factors of the interprovincial migration. Specially, the regression results of the eigenvector spatial filtering model are compared with those of conventional gravity model, and thus the driving mechanism of China’s interprovincial migration is effectively revealed. The results show that: (1) Provinces with high immigration and net immigration are mainly concentrated in China’s three Economy Zone of the Pearl River Delta, Yangtze Delta and Beijing-Tianjin-Hebei regions. Provinces with high out-migration are mainly distributed in provinces of Anhui, Henan, Sichuan and Hunan. Provinces with high total migration are mainly located in the Pearl River Delta, Yangtze Delta, Beijing-Tianjin-Hebei and south central China regions. (2) There exists network autocorrelation phenomenon in China’s interprovincial migration behavior, of which immigration flows and out-migration flows are affected by the neighboring immigration or outmigration flows, thus network autocorrelation should be considered when modeling the driving mechanism of migration. Also, regression results indicate that the eigenvector spatial filtering model incorporating network autocorrelation factors has a better model fit than the gravity model, reveals successfully network autocorrelation effect among the interprovincial migration flows of China and reduces the biased estimation of non-network autocorrelation variables. (3) Among the non-network autocorrelation variables, total population, economy and distance are three important factors that influence the migration behavior.

migration flow; network autocorrelation; eigenvector spatial filtering model

2015-10-09 《華南師范大學(xué)學(xué)報(bào)(自然科學(xué)版)》網(wǎng)址：http://journal.scnu.edu.cn/n

國家自然科學(xué)基金項(xiàng)目(41001078)

C922

A

1000-5463(2017)03-0084-08

*通訊作者:梅志雄，教授，Email:zhixiongmei76@126.com.