基于空間OD模型的中國省際人口遷移機制分析

王亞平，蒲英霞*，馬勁松，陳　剛，王結(jié)臣

(1.南京大學(xué)地理與海洋科學(xué)學(xué)院，江蘇南京　210023；

2.南京大學(xué)江蘇省地理信息技術(shù)重點實驗室，江蘇南京　210023；

3.江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心，江蘇南京　210023)

基于空間OD模型的中國省際人口遷移機制分析

王亞平1,2,3，蒲英霞1,2,3*，馬勁松1,2,3，陳剛1,2,3，王結(jié)臣1,2,3

(1.南京大學(xué)地理與海洋科學(xué)學(xué)院，江蘇南京210023；

2.南京大學(xué)江蘇省地理信息技術(shù)重點實驗室，江蘇南京210023；

3.江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心，江蘇南京210023)

摘要：基于網(wǎng)絡(luò)自相關(guān)理論與建模方法，利用全國第六次人口普查省際人口遷移數(shù)據(jù)和相關(guān)資料，分析了遷移流之間存在的幾種網(wǎng)絡(luò)空間依賴形式，據(jù)此構(gòu)建空間OD模型，并對2005—2010年中國省際人口遷移的空間模式及其動力機制進行初步分析.結(jié)果表明，中國省際人口遷移流之間存在顯著的空間依賴關(guān)系;分別選擇網(wǎng)絡(luò)權(quán)重矩陣Wo,Wd和Ww，利用Moran’s I對網(wǎng)絡(luò)自相關(guān)程度進行測度，結(jié)果為0.502 5,0.286 7和0.107 8，且均在1‰水平上顯著，說明抵達相同目的地(D)的人口遷移流的遷出地之間存在空間集聚現(xiàn)象；由同一遷出地(O)出發(fā)的遷移流的目的地之間也存在空間集聚現(xiàn)象；目的地和遷出地均相鄰的人口遷移流之間也存在相互影響與制約.幾種不同空間OD模型的擬合度均優(yōu)于重力模型，其中遷出地的網(wǎng)絡(luò)自相關(guān)效應(yīng)更為顯著，表明遷出地在地域空間上更為集中，抵達同一目的地的人口遷移流之間的相互作用更強.同時考慮3種不同網(wǎng)絡(luò)自相關(guān)效應(yīng)的空間OD模型更優(yōu)，擬合度更好，該模型可以更加準(zhǔn)確全面地揭示經(jīng)濟、就業(yè)、人口和距離等因素對人口遷移的影響作用.

關(guān)鍵詞：人口遷移流；網(wǎng)絡(luò)自相關(guān)；空間OD模型；機制分析

中圖分類號：C 922

文獻標(biāo)志碼：A

文章編號：1001-988Ⅹ(2015)03-0089-09

Mechanism analysis of inter-provincial migration flows

in China based on spatial OD models

WANG Ya-ping1,2,3,PU Ying-xia1,2,3,MA Jin-song1,2,3,CHEN Gang1,2,3,WANG Jie-chen1,2,3

(1.School of Geographic and Oceanographic Sciences,Nanjing University，Nanjing 210023,Jiangsu,China;

2.Jiangsu Provincial Key Laboratory of Geographic Information Science and Technology,Nanjing University,

Nanjing 210023,Jiangsu,China;

3.Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application,

Nanjing 210023,Jiangsu,China)

Abstract:Based on the network autocorrelation theories and modeling methods,this paper analyzes the existence of network autocorrelation structures and spatial mechanisms among Chinese inter-provincial migration flows from the sixth national census in the context of spatial OD models.Results indicate that there is a significant spatial dependence among inter-provincial migration flows in China.Moran’s I is used to investigate the network autocorrelation,the values of Moran’s I with the corresponding Wo,Wdand Wware 0.502 5,0.286 7 and 0.107 8.It shows that the origins of migration flows arrived at the same destination(D),are spatially agglomerated,and so are the destinations of migration flows departed from the same origin(O).In addition,population migration flows that have the same origins and destinations are mutually dependent.The goodness-of-fit of all the spatial OD models are much better than gravity model,and there is a significant network autocorrelation between migration flows.In comparison with several different forms of spatial OD model,it is confirmed that the network structural effects of the origins are the most significant,this indicates the origins are more concentrated across the space;When simultaneously considering three different network structures,the variables’ influences vary to some degree accordingly.Therefore,taking full account of three different forms of spatial lag will comprehensively reveal the spatial mechanism of migration flows.

Key words:population migration flow;network autocorrelation;spatial OD model;mechanism analysis

信息和通信技術(shù)的快速發(fā)展使人類進入了網(wǎng)絡(luò)時代.從因特網(wǎng)到電力網(wǎng)絡(luò)、交通網(wǎng)絡(luò)和社會關(guān)系網(wǎng)絡(luò)等，可以說，人們正生活在一個充滿各種各樣的復(fù)雜網(wǎng)絡(luò)的世界中.空間OD(Origin-Destination)流是空間網(wǎng)絡(luò)系統(tǒng)中各個節(jié)點(O/D)之間相互作用的結(jié)果，以人流、物流或信息流等有形或無形的方式存在，并在地域上呈現(xiàn)一定的集聚或擴散模式.

空間OD流的研究屬于空間相互作用研究領(lǐng)域.國外對空間相互作用建模(主要以重力模型為主)的研究始于20世紀(jì)三四十年代，Zipf提出人口遷移重力模型[1]，隨后被應(yīng)用于貿(mào)易流、交通流、旅游流、技術(shù)流和信息流等領(lǐng)域[2-5].Sen等提出以重力模型用起點要素、訖點要素和距離要素等3類要素解釋空間OD流之間的特征[6].1972年，Curry通過研究重力模型與空間依賴之間的關(guān)系，發(fā)現(xiàn)重力模型的距離要素并不能表達出空間OD流中節(jié)點之間的空間依賴關(guān)系[7].Griffith等對通勤流進行研究，發(fā)現(xiàn)重力模型的殘差中存在顯著的自相關(guān)，進一步說明重力模型的不合理性，并提出以因變量或誤差項空間滯后形式來捕捉流與流之間的空間依賴關(guān)系[8].Black將人口遷移中的空間依賴性定義為網(wǎng)絡(luò)自相關(guān)，并與Tobler等的研究結(jié)果進行比較，進一步說明這種自相關(guān)現(xiàn)象不能被忽視[9-11].LeSage等對Griffith等提出的因變量空間滯后結(jié)構(gòu)模型進行修改完善，分別用幾種不同的網(wǎng)絡(luò)空間權(quán)重矩陣來表征起點(O)、訖點(D)、起迄點(OD)之間的相互依賴關(guān)系，形成不同形式的空間OD模型，并應(yīng)用于人口遷移流研究[12].Chun等指出與重力模型和目的地競爭模型相比，空間OD模型能夠很好地捕捉商品流中的網(wǎng)絡(luò)自相關(guān)現(xiàn)象[13].

人口遷移流是一種重要的空間OD流形式.隨著我國人口遷移規(guī)模的不斷擴大，人口遷移(尤其省際人口遷移)的影響因素和動力機制受到研究人員的廣泛關(guān)注.省際人口遷移影響因素主要包括經(jīng)濟因素、地理因素、人口因素和社會因素等方面.① 經(jīng)濟因素主要體現(xiàn)在經(jīng)濟發(fā)展水平差異上，即人口遷移具有明顯的“人往富處流”的基本特征.王桂新等分別用經(jīng)濟規(guī)模(國民生產(chǎn)總值)、經(jīng)濟收入水平(城鎮(zhèn)居民可支配收入、農(nóng)村家庭純收入)等變量研究省際人口遷移的動力機制[14，15]；毛新雅等發(fā)現(xiàn)，除工資水平的影響外，第二、三產(chǎn)業(yè)比重也促進人口遷入[16].② 地理因素首先體現(xiàn)在距離上，即距離對人口遷移起著明顯的阻礙作用；其次是農(nóng)村人均耕地面積，耕地面積越小，越促進人口遷移[17].俞路等通過構(gòu)建人口遷移流量方程發(fā)現(xiàn)遠距離人口遷移(1 200 km以上)的主要影響因素是遷移距離與氣候差異[18].③ 人口因素對人口遷移起著重要的促進作用.段成榮指出年齡、性別和婚姻狀況等因素對人口遷移有著顯著的影響[19].④ 社會因素也影響人口遷移流動，主要體現(xiàn)在科技文化等方面.劉晏伶等運用每10萬人高校生人數(shù)反映遷入地的科研、科技水平，發(fā)現(xiàn)它與省際遷移呈現(xiàn)負(fù)相關(guān)關(guān)系[20].

上述研究結(jié)果大多基于“推-拉”理論，運用重力模型，通過普通最小二乘回歸法，估計遷出地和目的地的經(jīng)濟、社會、地理和人口等變量因素對省際人口遷移的正負(fù)作用和大小，在一定程度上反映了人口遷移的影響因素和動力機制，但忽視了遷移流之間的相互作用對省際人口的影響.于文麗等等對1995—2000年我國省際人口遷移流數(shù)據(jù)進行研究時考慮了遷移流中的空間依賴性，但是沒有充分考慮不同形式的空間相互作用對參數(shù)估計的影響[21].在充分考慮網(wǎng)絡(luò)自相關(guān)效應(yīng)時，各個變量對省際人口遷移的作用是否會發(fā)生變化，是應(yīng)當(dāng)研究的問題.

文中利用全國“六普”省際人口遷移數(shù)據(jù)和統(tǒng)計年鑒資料，研究省際人口遷移流中網(wǎng)絡(luò)自相關(guān)現(xiàn)象.首先對31個省(市、自治區(qū))(不包括港、澳、臺)之間的省際人口遷移流進行網(wǎng)絡(luò)自相關(guān)分析，將網(wǎng)絡(luò)自相關(guān)效應(yīng)引入傳統(tǒng)的空間相互作用模型，構(gòu)建表達不同網(wǎng)絡(luò)效應(yīng)的空間OD模型，定量分析省際人口遷移流動的影響因素和空間機制，并通過與傳統(tǒng)模型的對比，研究遷移流之間的網(wǎng)絡(luò)自相關(guān)效應(yīng)對參數(shù)估計和模型解釋的影響.

1研究數(shù)據(jù)與方法

1.1研究數(shù)據(jù)

文中使用的數(shù)據(jù)來自全國第六次人口普查(“六普”)和《中國統(tǒng)計年鑒》，其中省際人口遷移數(shù)據(jù)根據(jù)“全國按現(xiàn)住地、性別分的戶口登記地在外省的人口”統(tǒng)計表得到.圖1為2005—2010年流量在20萬以上的省際人口遷移流空間分布.從圖1可以看出我國省際人口遷移流的大致流向：珠江三角洲、長江三角洲和北京是人口遷移的主要目的地，例如100萬以上人口遷移流16條，其中流向廣東6條，浙江5條，其余分別流向江蘇、上海和北京.

圖1　2005—2010年中國省際人口遷移流空間

1.2網(wǎng)絡(luò)權(quán)重矩陣

根據(jù)圖論，網(wǎng)絡(luò)是由節(jié)點和弧段組成的圖，可分為物理網(wǎng)絡(luò)和抽象網(wǎng)絡(luò)[7].人口遷移可以抽象成一個網(wǎng)絡(luò)，目的地和遷出地理解為一個個節(jié)點，目的地和遷出地之間的遷移流數(shù)據(jù)是弧段上的屬性信息.對于遷移網(wǎng)絡(luò)，遷移流之間存在的相互影響和相互依賴關(guān)系可以通過3種網(wǎng)絡(luò)權(quán)重矩陣加以表示[13,22-24].

1)目的地網(wǎng)絡(luò)權(quán)重矩陣(Wd).遷移流的遷出地相同，且目的地在空間上相鄰時，權(quán)重值為1，否則為0.該網(wǎng)絡(luò)權(quán)重矩陣定義方式描述了目的地的網(wǎng)絡(luò)自相關(guān)效應(yīng)(或網(wǎng)絡(luò)空間結(jié)構(gòu)效應(yīng))，即從同一個遷出地出發(fā)的遷移流，其目的地存在集聚效應(yīng)或網(wǎng)絡(luò)自相關(guān)性.

2)遷出地網(wǎng)絡(luò)權(quán)重矩陣(Wo).當(dāng)遷移流的目的地相同，且遷出地在空間上相鄰時，權(quán)重值為1，否則為0.該種網(wǎng)絡(luò)權(quán)重矩陣定義方式用以描述遷出地的網(wǎng)絡(luò)自相關(guān)效應(yīng)，即抵達同一目的地的人口遷移流在某遷出地及其周邊地域是否呈現(xiàn)空間集聚.

3)遷移流網(wǎng)絡(luò)權(quán)重矩陣(Ww).當(dāng)遷移流遷出地和目的地均相鄰時，權(quán)重值為1，否則為0.它用以描述具有相鄰遷出地和相鄰目的地的遷移流之間的集聚效應(yīng).Ww可以理解為基于流的自相關(guān)特性，可用于描述遷移流之間的網(wǎng)絡(luò)自相關(guān)效應(yīng).

圖2　區(qū)域遷移流示意

P12P13P14P21P23P24P31P32P34P41P42P43P12010000000000P13101000000000P14010000000000P21000010000000P23000101000000P24000010000000P31000000010000P32000000100000P34000000000000P41000000000011P42000000000101P43000000000110

一般地，對于n個研究區(qū)域，空間權(quán)重矩陣通常為n×n維，而網(wǎng)絡(luò)權(quán)重矩陣的維數(shù)是(n2-n)×(n2-n)，其中不考慮區(qū)域內(nèi)部遷移流動.以河南、湖北、安徽和江蘇4省為例，說明網(wǎng)絡(luò)權(quán)重矩陣建立的方法(圖2).這里當(dāng)兩個遷移流有相同的遷出地，且目的地在空間上相鄰時，權(quán)重值為1，如P12和P13有相同的遷出地，目的地在空間上相鄰.其對應(yīng)的權(quán)重值如表1.

更為一般地，上述幾種網(wǎng)絡(luò)權(quán)重矩陣(Wo，Wd，Ww)可以在空間權(quán)重矩陣(W)的基礎(chǔ)上，采用克羅內(nèi)克積的方法構(gòu)建，具體為W=W?In，Wd=In?W，Ww=W?W[25].文中空間權(quán)重矩陣構(gòu)建時采用空間單元之間是否鄰接進行定義(如定義海南和廣東相鄰接).將網(wǎng)絡(luò)權(quán)重矩陣引入模型計算時需要行標(biāo)準(zhǔn)化，即矩陣元素值每行之和為1.

1.3空間OD模型

人口遷移建模大部分采用傳統(tǒng)的空間相互作用模型或重力模型，并使用距離變量來解釋影響人口遷移流在地域空間上的衰減效應(yīng).具體表達形式為[21]

(1)

其中,y表示(n2-n)×1的列向量；ιN為(n2-n)×1的列向量且所有元素值均為1,N=n2-n;g為(n2-n)×1的距離向量；Xd,Xo為目的地、遷出地影響因素向量；α,βd,βo,γ為待估參數(shù)；ε為模型殘差.重力模型可采用最小二乘法估計(OLS).

針對重力模型忽視了遷移流之間的相互作用這一局限性，建模時將遷移流的網(wǎng)絡(luò)相關(guān)性引入傳統(tǒng)重力模型,并針對前面定義的3種網(wǎng)絡(luò)權(quán)重矩陣，分別得到3種具體的空間OD模型[12]：

(5)

對于含單項空間滯后的模型，其極大似然估計(ML)的過程相對簡單，這里主要針對(5)式形式的空間OD模型討論其極大似然估計的過程.首先，將(5)式簡化為[26]

(6)

其中，X=[ιNXdXog],βT=[αβdβoγ].空間OD模型的似然函數(shù)為[26]

(7)

其中S(ρo，ρd，ρw)表示殘差平方和.文中選擇牛頓迭代法求使得似然函數(shù)最大時的ρo,ρd,ρw,進而得到系數(shù)估計值.兩種估計方法均采用MATLAB編程實現(xiàn).

2中國省際人口遷移流的網(wǎng)絡(luò)自相關(guān)分析

2.1遷移流的網(wǎng)絡(luò)自相關(guān)分析

遷移流的網(wǎng)絡(luò)自相關(guān)分析主要是研究中國省際人口遷移流之間的相互影響和相互作用，即是否存在集聚現(xiàn)象及集聚程度等.就研究區(qū)域的31個省(市、自治區(qū))而言，遷移流共有930個(去除各省份內(nèi)部之間的遷移流)，分別選擇網(wǎng)絡(luò)權(quán)重矩陣Wo,Wd和Ww，利用Moran’sI對遷移流進行網(wǎng)絡(luò)自相關(guān)分析，探索不同網(wǎng)絡(luò)自相關(guān)效應(yīng)下遷移流之間表現(xiàn)出的集聚效應(yīng)及其差異程度(表2).利用Wo計算遷移流的Moran’sI值為0.502 5，經(jīng)檢驗在1‰水平上顯著，即遷移流間存在顯著的相關(guān)性，說明目的地相同、遷出地在空間上相鄰的遷移流之間存在相似性，即流向相同目的地的遷移流，其遷出地之間存在空間集聚現(xiàn)象；利用Wd計算得到遷移流的Moran’sI值為0.287 6，在1‰水平上顯著，遷移流之間顯著相關(guān)，表明從同一遷出地出發(fā)的遷移流，其目的地之間存在空間集聚現(xiàn)象；利用Ww計算得到的Moran’sI值為0.107 8，在1‰水平上顯著，表明遷移流與遷移流之間存在相互影響.通過對比發(fā)現(xiàn)，遷出地網(wǎng)絡(luò)結(jié)構(gòu)(Wo)下的網(wǎng)絡(luò)相關(guān)性更強，表明在遷出地之間存在更強的集聚效應(yīng).

表2　　2005—2010年中國省際人口遷移流的

2.2目的地和遷出地的網(wǎng)絡(luò)自相關(guān)分析

單節(jié)點遷移流包括從同一遷出地出發(fā)的遷出流和到達同一目的地的遷入流.目的地網(wǎng)絡(luò)自相關(guān)分析，主要考察從同一個遷出地遷出的人口遷移流之間的相關(guān)性，即是否存在目的地集聚效應(yīng)；遷出地網(wǎng)絡(luò)相關(guān)性分析，主要研究遷入同一個目的地的人口遷移流，其遷出地是否存在集聚效應(yīng)及集聚程度如何等.

1)目的地網(wǎng)絡(luò)自相關(guān)分析.安徽省是我國省際人口遷出的重要來源地,研究期間由該省遷入其他省(市)的遷移流共有30個，其中有899萬人遷入東部沿海地區(qū)(指北京、天津、遼寧、河北、山東、江蘇、上海、浙江、福建和廣東)，占其外遷總?cè)藬?shù)的93.47%.安徽省遷出的人口遷移流的Moran’sI 值為0.593 8，并在1%水平上顯著,表明從安徽遷出的人口遷出流會受到目的地周邊地區(qū)的影響而得到增強.如從安徽到上海、江蘇和浙江遷移量分別為260萬、257萬和228萬人，遷移規(guī)模大體相當(dāng)，表明目的地存在明顯的集聚效應(yīng).

類似地，分別計算其他省(市、自治區(qū))作為遷出地的Moran’sI(圖3).從圖3可以看出，甘肅、寧夏、陜西、湖南、廣西和海南這6個地區(qū)的Moran’sI值小于0，表明從這些省(市、自治區(qū))遷出的人口在目的地選擇方面較為分散，在空間上沒有集聚的特征.

圖3　2005—2010年中國各省遷出流的Moran’s I值

而其他省(市、自治區(qū))遷出流的Moran’sI值均大于0，Moran’sI值越大，表示該地區(qū)遷出流的目的地越集聚.例如，安徽、山東、浙江、內(nèi)蒙古、河北、遼寧、黑龍江、天津以及江西這9個地區(qū)遷出流的Moran’sI值相對較高，說明這些省(市、自治區(qū))的人口遷出流在目的地選擇上存在集聚現(xiàn)象，且遷移流大的省(市、自治區(qū))集聚在一起，遷移流小的省(市、自治區(qū))集聚在一起.例如，山東作為遷出地，流向北京(59萬)、天津(50萬)、江蘇(41萬)、上海(37萬)和浙江(18萬)的遷移流占該省總遷出量的67.11%，其中，京津占35.63%，長三角地區(qū)占31.48%，遷出流中存在明顯的目的地集聚.通過分析表明，遷出流之間相互影響，存在明顯的網(wǎng)絡(luò)自相關(guān)性.

2)遷出地網(wǎng)絡(luò)自相關(guān)分析.以上海為例，研究期間遷入上海總?cè)丝跒?97萬人，其中來自安徽、江蘇、河南、四川和江西這5個省份的人口占總遷入量的66.84%，經(jīng)計算，其Moran’sI 值為0.297 8，在1%水平上顯著，這說明遷入上海的遷入流中，其遷出地在地域空間上存在集聚現(xiàn)象.

同理，分別以全國其他省份作為目的地，依次對其遷入流進行相關(guān)性分析.由圖4可知，除重慶外，其他省(市、自治區(qū))遷入流對應(yīng)的Moran’sI 值均大于0，其中上海、廣東、遼寧、黑龍江、浙江和北京等地區(qū)的值相對較高，即這些地區(qū)作為目的地時，存在明顯的遷出地集聚效應(yīng).例如，廣東作為目的地，由湖南、廣西、四川、湖北和江西這5個省份分別遷入460萬、355萬、260萬、233萬、187萬人，占該省總遷入量的69.62%，且其中大部分遷出地在空間上相鄰集聚，也就是說遷入同一個目的地的遷移流，其遷出地在空間上存在集聚現(xiàn)象，即存在遷入流的網(wǎng)絡(luò)自相關(guān)現(xiàn)象.

圖4　2005—2010年中國各省遷入流的Moran’s I值

通過網(wǎng)絡(luò)和節(jié)點兩個層次的網(wǎng)絡(luò)自相關(guān)分析可知，人口遷移流間存在顯著的網(wǎng)絡(luò)自相關(guān)性.因此，在對人口遷移進行機制建模分析時，需要充分考慮數(shù)據(jù)之間的這種相關(guān)性.

3模型的構(gòu)建與分析

3.1變量選擇

人口遷移總是傾向于從經(jīng)濟欠發(fā)達地區(qū)向經(jīng)濟發(fā)達地區(qū)遷入，例如安徽、四川、河南、湖南、湖北和江西6個省份遷出人口的遷移流占中國省際人口遷移流的53.63%.朱蕓指出人口遷出地的推力大于拉力，因而才存在農(nóng)村人口或者剩余勞動力遷往城市[27].在變量選擇時對于遷入地而言，主要表現(xiàn)為拉力作用，可以通過城鎮(zhèn)居民可支配收入(D_Pcdis，元)、就業(yè)機會(D_emprate)和人口總數(shù)(D_Pop，萬人)等變量體現(xiàn)；對于遷出地而言，主要為推力作用，選擇農(nóng)村家庭人均純收入(O_Pincome，元)、人均耕地面積(O_Landuse，畝)、人口總數(shù)(O_Pop，萬人)作為變量.遷移距離一直是影響省際人口遷移的重要因素，相對于之前的研究，考慮了網(wǎng)絡(luò)自相關(guān)效應(yīng)后，研究其影響作用是否會發(fā)生變化，所以將變量遷出地和目的地城市之間鐵路里程(D，km)加入模型.此外，環(huán)境、氣候變化引起的人口遷移越來越受到人們的關(guān)注，文中選擇年均氣溫(D_Climate，℃)研究氣溫對省際人口遷移的影響.外商直接投資(D_FDI，億元)反映資本的注入，蔡昉等對“五普”數(shù)據(jù)研究發(fā)現(xiàn)外商直接投資對省際人口遷移起著促進作用[28]，在對“六普”數(shù)據(jù)進行分析時考慮此變量，以研究隨著中國投資模式的變化，它對省際人口遷移的影響是否發(fā)生變化.

3.2結(jié)果分析

首先利用最小二乘方法(OrdinaryLeastSquare)對重力模型(1)式進行估計.對于幾種不同空間OD模型(2)～(5)式的估計和檢驗，采用極大似然估計的方法，結(jié)果見表3，其中Wo，Wd，Ww為930×930階(即961×961階矩陣中刪除第(i-1)×31+ i行和列元素，i=1，2，…，31)的網(wǎng)絡(luò)權(quán)重矩陣.

表3　2005—2010年中國人口遷移流重力模型和空間OD模型估計結(jié)果

注：變量就業(yè)機會為城市就業(yè)人口/(城市就業(yè)人口+城市失業(yè)人口)；各變量進行了取對數(shù)處理；*，**或***分別表示在5%，1%或1‰水平上顯著.

通過對比表3模型估計結(jié)果，可以發(fā)現(xiàn)：

1)幾種不同空間OD模型的擬合度均優(yōu)于重力模型，模型變量符號基本符合預(yù)期.赤池信息準(zhǔn)則(Akaikeinfocriterion,AIC)值是衡量模型擬合度優(yōu)良的標(biāo)準(zhǔn)之一，該值越小，表征模型擬合度越高[29].從表3可以看出，重力模型的AIC值最大，4個空間OD模型的AIC值均小于重力模型，這說明在重力模型中無論嵌入何種網(wǎng)絡(luò)結(jié)構(gòu)效應(yīng)，其模型擬合度均優(yōu)于重力模型.在重力模型和空間OD模型中，變量符號符合預(yù)期.

外商直接投資(D_FDI)這一變量的系數(shù)在所有變量中最小，為負(fù)且不顯著，這與蔡昉等對“五普”數(shù)據(jù)的研究結(jié)果不同[28].在對“五普”數(shù)據(jù)進行研究中，外商直接投資促進了人口的遷移，但是隨著外商直接投資由勞動密集型轉(zhuǎn)變?yōu)橘Y本和技術(shù)密集型，其產(chǎn)生的直接就業(yè)效應(yīng)弱化，即相對于勞動密集型企業(yè)吸納大量的勞動力而言，資本和技術(shù)密集型投資創(chuàng)造就業(yè)機會的效應(yīng)弱化.此外，隨著投資模式的調(diào)整，傳統(tǒng)勞動密集型產(chǎn)業(yè)正加速由東部沿海向中西部轉(zhuǎn)移，由中西部遷往沿海發(fā)達地區(qū)的人口減少，造成2004年以來我國東部沿海地區(qū)制造業(yè)密集型企業(yè)出現(xiàn)“用工荒”，因而變量目的地外商直接投資(D_FDI)在“六普”數(shù)據(jù)的研究中不能成為促進人口遷移的因素，在所有模型中系數(shù)均不顯著，其影響作用可以忽略.

城鎮(zhèn)居民可支配收入(D_Pcdis)越高，對人口遷移的吸引力就越大[15].重力模型中其系數(shù)為3.080 9，1‰水平上顯著，而在空間OD模型5((5)式)中，系數(shù)為1.438 3，1‰水平上顯著，與重力模型相比系數(shù)大小有所下降，但是在所有變量中系數(shù)仍然很大，對人口遷移流動起著非常大的作用.與之相反，遷出地農(nóng)村家庭人均純收入(O_Pincome)越低，越促進農(nóng)村人口的流動.表3中，空間OD模型5的系數(shù)為-0.414 9，在1‰水平上顯著.

人口數(shù)量(O_Pop)是促進人口遷移流動的重要因素，數(shù)量越大，對遷出地而言，推動人口遷移；對目的地而言，可以吸引人口遷入.對于人口大省，人口遷移流動相對較為活躍.例如，安徽、四川和河南等省份，其省際遷出人口分別占我國總遷出人口數(shù)的11.21%，10.37%和10.04%，規(guī)模占總量的30%以上.同樣，目的地較大的人口基數(shù)也可以使得該地區(qū)對其他地區(qū)有較大的吸引力.比較人口數(shù)量對于遷出地和目的地二者的影響，可以看出其對遷出地的影響程度更為顯著.

距離變量(D)系數(shù)為負(fù)，在模型5中結(jié)果為-0.572 9，1‰水平上顯著.人口遷移過程目的地距離遷出地越遠，人口遷移流量越小.但其影響系數(shù)相對較小，距離衰減效應(yīng)對人口遷移的影響降低.

2)遷移流存在顯著的網(wǎng)絡(luò)自相關(guān)效應(yīng)，其中遷出地的網(wǎng)絡(luò)自相關(guān)效應(yīng)更強.空間OD模型2和5的滯后項Woy估計系數(shù)(ρo)分別為0.414 0和0.473 7，系數(shù)均為正且在1‰水平上顯著，存在遷出地的網(wǎng)絡(luò)自相關(guān)效應(yīng)，說明從某個遷出地到某個目的地之間的遷移流會促進從周邊遷出地到該目的地的遷移流，增強了周邊遷出地對人口外遷的推力，簡單地說,A地B地的遷移流會增強A周邊地區(qū)遷往B地的遷移流.

模型3和5的滯后項Wdy估計系數(shù)(ρd)分別為0.317 0和0.393 0，系數(shù)為正且顯著，表明從某個遷出地到某個目的地的流會推動該遷出地到該目的地周邊鄰居的遷移流，增強了周邊目的地的吸引力，存在目的地的網(wǎng)絡(luò)效應(yīng)

模型4的滯后項Wwy估計系數(shù)(ρw)為0.170 3，在1‰水平上顯著，這表明在不考慮遷出地和目的地網(wǎng)絡(luò)自相關(guān)效應(yīng)的情形下，我國省際人口遷移系統(tǒng)中存在著基于流的網(wǎng)絡(luò)空間結(jié)構(gòu)效應(yīng)，即相鄰遷出地和相鄰目的地的遷移流之間存在著一定的集聚效應(yīng).然而，當(dāng)同時考慮遷出地和目的地網(wǎng)絡(luò)自相關(guān)效應(yīng)(模型5)時，該滯后項Wwy估計系數(shù)(ρw)為-0.314 6，這意味著從某遷出地到某目的地的遷移流會阻礙該遷出地周邊地區(qū)的人口遷移流向該目的地周邊地區(qū).

對比空間OD模型2,3,4和5發(fā)現(xiàn)，Woy項系數(shù)(ρo)最大，說明抵達同一目的地的人口遷移流，其遷出地在地域空間上更為集中，遷出地的網(wǎng)絡(luò)自相關(guān)效應(yīng)更強.

3)同時考慮3種網(wǎng)絡(luò)自相關(guān)效應(yīng)的模型更加全面，模型擬合度更好.在不同空間OD模型中，變量系數(shù)發(fā)生不同程度的變化.例如，目的地網(wǎng)絡(luò)自相關(guān)效應(yīng)模型(模型3)中，目的地城市就業(yè)機會(D_emprate)顯著，目的地大多數(shù)變量的系數(shù)增加，影響程度增強，而遷出地大多數(shù)變量系數(shù)減小，影響程度降低；該模型更加側(cè)重目的地變量對遷移流的影響.變量遷入地年均氣溫(D_Climate)的系數(shù)在模型3和4中顯著，起到一定影響作用，但是其他模型中系數(shù)較小且不顯著.因此，單個網(wǎng)絡(luò)自相關(guān)效應(yīng)模型(模型2,3,4)可用于某一區(qū)域作為遷出地或者目的地時的影響機制分析研究.

考慮3種不同的網(wǎng)絡(luò)自相關(guān)效應(yīng)時(模型5)，遷出地和目的地變量的影響程度均得到不同程度的下降.例如，與重力模型相比，變量城鎮(zhèn)居民可支配收入系數(shù)由3.080 9減至1.438 3，降低了53.32%，即考慮了網(wǎng)絡(luò)自相關(guān)效應(yīng)后，變量影響作用減弱.模型5中系數(shù)ρo，ρd，ρw在1‰水平上顯著，這3種形式的網(wǎng)絡(luò)自相關(guān)效應(yīng)對人口遷移的影響十分顯著，因此，在建模時需充分考慮這種現(xiàn)象.另外，通過對比發(fā)現(xiàn)該模型擬合度均高于其他模型，模型更優(yōu)，可用于綜合研究整個人口遷移系統(tǒng)的作用機制.

4結(jié)論與討論

文中將遷出地和目的地抽象成節(jié)點，省際人口遷移流構(gòu)成遷移網(wǎng)絡(luò)，并采用網(wǎng)絡(luò)和節(jié)點兩個層次對中國省際人口遷移流進行網(wǎng)絡(luò)自相關(guān)分析，發(fā)現(xiàn)人口遷移流中存在顯著的網(wǎng)絡(luò)自相關(guān)現(xiàn)象.在此基礎(chǔ)上，將網(wǎng)絡(luò)自相關(guān)引入重力模型，構(gòu)建了4種表征不同網(wǎng)絡(luò)自相關(guān)效應(yīng)的空間OD模型，并與傳統(tǒng)重力模型進行對比分析，對中國省際人口遷移的動力機制進行定量研究，初步得到以下幾點結(jié)論.

1)中國省際人口遷移流存在顯著的網(wǎng)絡(luò)自相關(guān)效應(yīng).例如湖南遷往廣東的人口遷移流會促進湖南周邊遷入廣東，這表現(xiàn)為遷出地的網(wǎng)絡(luò)自相關(guān)效應(yīng)；而目的地的網(wǎng)絡(luò)自相關(guān)效應(yīng)說明人口遷移流存在目的地集聚，例如安徽遷往上海的遷移流，可進一步促進安徽人口向江蘇和浙江等長三角地區(qū)的遷移.省際人口遷移流之間相互作用，互相影響.

2)4種不同的空間OD模型在實際應(yīng)用中可有所選擇，有所側(cè)重.單獨考慮某種網(wǎng)絡(luò)自相關(guān)效應(yīng)的空間OD模型(模型2,3,4)適合用于區(qū)域OD流的研究，可用于考察某個區(qū)域的遷入流或遷出流機制分析，同時考慮3種網(wǎng)絡(luò)自相關(guān)效應(yīng)的空間OD模型(模型5)更適合OD流全局系統(tǒng)研究.例如，以江蘇為重點研究區(qū)域，考察其作為遷出地或遷入地時，模型2和3更加適合；如果以整個中國為研究區(qū)域，模型5更優(yōu)，可以較為全面地反映影響因素和動力機制.

3)當(dāng)充分考慮遷移流中的網(wǎng)絡(luò)自相關(guān)效應(yīng)時，可以更好地反映省際人口遷移的動力機制.若忽視省際人口遷移流中的網(wǎng)絡(luò)自相關(guān)效應(yīng)，會過高估計經(jīng)濟、地理和社會等因素對人口遷移的影響.經(jīng)濟因素依然是影響人口遷移的重要因素，城鎮(zhèn)居民收入對人口遷移有非常強的吸引力；外商直接投資已不再是“五普”期間省際人口遷入的直接影響因素；人口數(shù)量(尤其是遷出地)顯著促進了人口遷移流動；空間距離依然是制約省際人口遷移的重要因素之一；遷出地農(nóng)村居民收入的提高可以降低人口遷移的活躍程度.

文中的研究可為其他空間OD流(如物流、信息流等)研究提供了一定的參考和借鑒.空間OD流及其所在的網(wǎng)絡(luò)系統(tǒng)隨著時間也在發(fā)生不斷演變，存在的時間延遲效應(yīng)，即在空間OD流也可能存在時間自相關(guān)性，在文中沒有加以考慮.在后續(xù)研究中，值得進一步對人口遷移流進行時間相關(guān)性分析，并考慮將時間效應(yīng)引入空間OD模型，從而構(gòu)建時空OD模型，同時與空間OD模型進行對比分析，研究時空效應(yīng)等對人口遷移的影響，從而對中國省際人口遷移的發(fā)展趨勢做出更為科學(xué)合理的預(yù)測.

參考文獻:

[1]ZIPFGK．Thehypothesisofthe‘MinimumEquation’asaunifyingsocialprinciple:Withattemptedsynthesis[J].American Sociological Review，1947，12(6)：627-650．

[2]戴特奇，金鳳君，王姣娥．空間相互作用與城市關(guān)聯(lián)網(wǎng)絡(luò)演進——以我國20世紀(jì)90年代城際鐵路客流為例[J].地理科學(xué)進展，2005，24(2)：80-89．

[3]張敏，顧朝林．近期中國省際經(jīng)濟社會要素流動的空間特征[J].地理研究，2002，21(3)：313-323．

[4]李山，王錚，鐘章奇．旅游空間相互作用的引力模型及其應(yīng)用[J].地理學(xué)報，2012，67(4)：526-544．

[5]ANTONYJ，GREBELT．Technologyflowsbetweensectorsandtheirimpactonlarge-scalefirms[J].Applied Economics，2012，44(20)：2637-2651．

[6]SENA，SMITHTE．Gravity Models of Spatial Interaction Behavior[M].Berlin：Springer，1995：49-58．

[7]CURRYL．Aspatialanalysisofgravityflows[J].Regional Studies，1972，6(2)：131 -147．

[8]GRIFFITHDA，JONESK．Explorationsintotherelationshipsbetweenspatialstructureandspatialinteraction[J].Environment and PlanningA，1980，12(2)：187-201．

[9]BLACKWR．Networkautocorrelationintransportnetworkandflowsystems[J].Geographical Analysis，1992，24(3)：207-222．

[10]TOBLERW．Analternativeformulationforspatial-interactionmodeling[J].Environment and PlanningA，1983，15(5)： 693-703．

[11]WILLIAMSPA，F(xiàn)OTHERINGHAMAS．ThecalibrationofspatialinteractionmodelsbymaximumlikelihoodestimationwithprogramSIMODEL[R].Bloomington:DepartmentofGeography，IndianaUniversity，1984．

[12]LeSAGEJ，PACERK．SpatialeconometricmethodsformodelingOrigin-Destinationflows[J].Journal of Regional Science，2008，48(5)：941-967．

[13]CHUNY，KIMH，KIMC．Modelinginterregionalcommodityflowswithincorporatingnetworkautocorrelationinspatialinteractionmodels：AnapplicationoftheUSinterstatecommodityflows[J].Computers，Environment and Urban Systems，2012，36(6)：583-591．

[14]王桂新．中國區(qū)域經(jīng)濟發(fā)展水平及差異與人口遷移關(guān)系之研究[J].人口與經(jīng)濟，1997(1)：50-56．

[15]王桂新，潘澤瀚，陸燕秋．中國省際人口遷移區(qū)域模式變化及其影響因素——基于2000和2010年人口普查資料的分析[J].中國人口科學(xué)，2012(5)：2-13．

[16]毛新雅，王桂新．長江三角洲地區(qū)人口入遷及城市化的區(qū)域經(jīng)濟因素分析：基于面板數(shù)據(jù)的研究[J].市場與人口分析，2006，12(2)：1-8．

[17]洪小良．城市農(nóng)民工的家庭遷移行為及影響因素研究——以北京市為例[J].中國人口科學(xué)，2007(6)：42-50．

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

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

[20]劉晏伶，馮健．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，2014，29(2)：129-137．

[21]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制分析[J].地理與地理信息科學(xué)，2012，28(2)：44-49．

[22]CHUNY．Modelingnetworkautocorrelationwithinmigrationflowsbyeigenvectorspatialfiltering[J].Journal of Geographical Systems，2008，10(4)：317-344．

[23]FISCHERMM，GRIFFITHDA．Modelingspatialautocorrelationinspatialinteractiondata：AnapplicationtopatentcitationdataintheEuropeanUnion[J].Journal of Regional Science，2008，48(5)：969-989．

[24]GRIFFITHDA．Modelingspatialautocorrelationinspatialinteractiondata：empiricalevidencefrom2002Germanyjourney-to-workflows[J].Journal of Geographical Systems，2009，11(2)：117-140．

[25]CHUNY，GRIFFITHDA．Modelingnetworkautocorrelationinspace-timemigrationflowdata：Aneigenvectorspatialfilteringapproach[J].Annals of the Association of American Geographers，2011，101(3)：523-536．

[26]LeSAGEJ,PACERK.Introduction to Spatial Econometrics[M].BocaRaton:CRCPress,2010：216-219．

[27]朱蕓，鄒楊．勞動力轉(zhuǎn)移動因及農(nóng)村人口遷移量影響因素分析[J].商業(yè)研究，2014(8)：95-101．

[28]蔡昉，王德文．作為市場化的人口流動——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．

[29]馬榮華，蒲英霞，馬曉東．GIS空間關(guān)聯(lián)模式發(fā)現(xiàn)[M].北京：科學(xué)出版社，2007：101-111．

(責(zé)任編輯惠松騏)

作者簡介：王亞平(1990—)，女，江蘇徐州人，碩士研究生.主要研究方向為空間數(shù)據(jù)挖掘.

基金項目:國家自然科學(xué)基金資助項目(41271388);江蘇高校優(yōu)勢學(xué)科建設(shè)工程資助項目；江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心資助項目

收稿日期：2014-12-08;修改稿收到日期:2015-01-27

E-mail:yapingwang_nupt@126.com

*通訊聯(lián)系人，女，副教授，博士.主要研究方向為GIS與空間數(shù)據(jù)分析集成.E-mail:yingxiapu@nju.edu.cn