吉林省城市人口收縮的時(shí)空特征探析

摘 要：基于吉林省地級(jí)市及其所轄全部縣級(jí)行政單元（地級(jí)市市轄區(qū)為一個(gè)基本研究單元）2000—2019年的人口數(shù)據(jù)，通過(guò)構(gòu)建人口收縮度指標(biāo)，測(cè)度吉林省城鎮(zhèn)收縮情況，并運(yùn)用探索性空間數(shù)據(jù)分析手段（ESDA），對(duì)不同時(shí)間維度的城鎮(zhèn)人口收縮度進(jìn)行空間關(guān)聯(lián)性與差異性分析，旨在通過(guò)探索吉林省城鎮(zhèn)人口收縮的時(shí)空格局及其演化過(guò)程，為相關(guān)政府部門制定強(qiáng)有力的經(jīng)濟(jì)政策和構(gòu)建鮮活的策略機(jī)制提供科學(xué)依據(jù)，從而合理應(yīng)對(duì)吉林省城鎮(zhèn)化發(fā)展中的局部收縮問(wèn)題。

關(guān)鍵詞：吉林?。怀鞘腥丝谑湛s；時(shí)空特征

中圖分類號(hào)：Ｃ９２２ 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673-291X（2024）13-0043-04

目前，中國(guó)城鎮(zhèn)化進(jìn)程正在由速度型向質(zhì)量型過(guò)渡。隨著人口紅利的逐漸消失，中國(guó)城市發(fā)展的“增長(zhǎng)”過(guò)程即將結(jié)束，部分城市已經(jīng)開(kāi)始經(jīng)歷人口收縮的過(guò)程[1]。

進(jìn)入新世紀(jì)以來(lái)，作為傳統(tǒng)老工業(yè)基地的東北地區(qū)人口大量外流，已經(jīng)成為我國(guó)城市收縮最為嚴(yán)重的區(qū)域之一，引起了各界關(guān)注，有的學(xué)者將其稱為中國(guó)的“銹帶地區(qū)”[2]。環(huán)境污染、資源萎縮與社會(huì)不穩(wěn)定等成為阻礙東北地區(qū)振興與發(fā)展的瓶頸問(wèn)題[3]。

作為中華人民共和國(guó)成立初期重點(diǎn)扶持省份，吉林省重工業(yè)在全國(guó)居于比較重要的地位，擁有良好的城市基礎(chǔ)設(shè)施和較高的城市化發(fā)展水平。但從20世紀(jì)80年代以后，吉林省逐漸轉(zhuǎn)變?yōu)槿丝趦暨w出省份。與六普相比，七普吉林省總?cè)丝跍p少了3379362人，10年間減少12.31%，年均減少1.31個(gè)百分點(diǎn)。9個(gè)市（州）中，僅長(zhǎng)春市常住人口有所增加，其他地區(qū)常住人口均有不同程度的減少。在吉林省流出人口中，擁有大專及以上、高中/中專人口比例分別達(dá)到24.9%和22.6%，而流入比例僅為9.2%和18.9%[4]。一方面，青壯年人口的流失，加劇了生育率降低和人口老齡化；另一方面，高素質(zhì)人才的大量流失嚴(yán)重限制了吉林經(jīng)濟(jì)的轉(zhuǎn)型和現(xiàn)代化。

本文旨在通過(guò)探索吉林省城鎮(zhèn)人口收縮的時(shí)空格局及其演變過(guò)程，為相關(guān)政府部門制定強(qiáng)有力的經(jīng)濟(jì)政策和鮮活的策略機(jī)制提供科學(xué)依據(jù)，從而合理應(yīng)對(duì)吉林省城鎮(zhèn)化發(fā)展中的局部收縮問(wèn)題。

一、數(shù)據(jù)來(lái)源與研究方法

（一）數(shù)據(jù)來(lái)源

本文對(duì)城鎮(zhèn)收縮的測(cè)度使用的是人口指標(biāo)，其中，常住人口數(shù)據(jù)采用的是五普和六普的統(tǒng)計(jì)結(jié)果。2000—2019年《吉林省統(tǒng)計(jì)年鑒》、《中國(guó)縣域統(tǒng)計(jì)年鑒》和《中國(guó)城市統(tǒng)計(jì)年鑒》中的戶籍人口數(shù)據(jù)作為歷時(shí)性人口數(shù)據(jù)的補(bǔ)充識(shí)別。在空間上，以區(qū)縣為研究單元，測(cè)算其人口年均增長(zhǎng)率，用來(lái)考察各區(qū)縣2000年以來(lái)人口的變化以及人口的流動(dòng)情況?？紤]到吉林省行政區(qū)劃的調(diào)整，以2018年吉林省縣級(jí)行政單元為基本研究單元，對(duì)其他年份行政單元進(jìn)行相應(yīng)的數(shù)據(jù)合并與處理。最終，將研究對(duì)象確定為地級(jí)市及其所轄全部縣級(jí)行政單元（地級(jí)市市轄區(qū)為一個(gè)基本研究單元），共包括56個(gè)研究單元。

（二）研究方法

1.人口收縮度。本文采用常住人口和戶籍人口及其比值來(lái)界定城鎮(zhèn)收縮情況，具體算法如公式（1）—（5）所示：

其中，Pr和Ph分別代表某區(qū)縣不同年份的常住人口和戶籍人口，Cr和Ch分別表示該區(qū)縣2000—2018年間常住人口和戶籍人口的年均增長(zhǎng)率。當(dāng)Cr＜0時(shí)為常住人口收縮，當(dāng)Ch＜0時(shí)為戶籍人口收縮。綜合參考國(guó)內(nèi)外收縮城鎮(zhèn)的人口指標(biāo)劃分，結(jié)合吉林省人口變化實(shí)際情況，我們將吉林省的人口年均增長(zhǎng)率劃分為四檔：顯著收縮（＜-1%）、輕微收縮（-1%-0%）、輕微增長(zhǎng)（0%—1%）和顯著增長(zhǎng)（＞1%）。Crh表示常住人口與戶籍人口的比值，Crh＞1為擴(kuò)張，Crh＜1則為收縮。

2.探索性空間數(shù)據(jù)分析。ESDA是一種具有識(shí)別分辨功能的空間數(shù)據(jù)分析方法，可利用屬性數(shù)據(jù)的空間特性，在分析空間關(guān)系的基礎(chǔ)上進(jìn)行數(shù)值的相關(guān)分析，進(jìn)而突出空間相互作用，近年來(lái)被國(guó)內(nèi)外學(xué)者逐漸應(yīng)用于區(qū)域經(jīng)濟(jì)差異的研究領(lǐng)域。其中，全局莫蘭指數(shù)（Moran’s I）常用來(lái)檢驗(yàn)整個(gè)研究區(qū)域中鄰近地區(qū)是相似、相異（空間正相關(guān)、負(fù)相關(guān)），還是相互獨(dú)立。而局部莫蘭指數(shù)（Local Moran’s I）則用來(lái)檢驗(yàn)局部地區(qū)是否存在相似或相異的觀察值聚集在一起，并且與Moran散點(diǎn)圖一同協(xié)力可檢測(cè)局部空間的聚集性及分析局部空間的不穩(wěn)定性。Moran's I和Local Moran’s I的計(jì)算公式分別如下[5，6]：

在（6）和（7）公式中，n用來(lái)表示所考察區(qū)域內(nèi)的地區(qū)個(gè)數(shù)，wij是空間權(quán)重取值，xi與xj是第i與第j個(gè)區(qū)域的屬性觀測(cè)值（本文指縣域人口收縮度）， = xi 是考察區(qū)域范圍內(nèi)屬性值的算術(shù)平均值，S = （x - ） 是屬性觀測(cè)值的樣本方差。

I的取值一般在-1—1之間，當(dāng)I＞0時(shí)，表示兩個(gè)區(qū)域之間的取值具有正相關(guān)性，當(dāng)I的取值接近于1時(shí)，說(shuō)明具有相似的屬性聚集在一起（高值與高值相鄰，或者低值與低值相鄰，稱為空間聚集）；當(dāng)I＜0時(shí)，則表示兩個(gè)區(qū)域之間的取值具有負(fù)相關(guān)性，當(dāng)I的取值近于-1時(shí)，說(shuō)明具有相異的屬性聚集在一起（高值與低值相鄰，或者低值與高值相鄰）；如果I的取值接近于0，則說(shuō)明考察區(qū)域的屬性是隨機(jī)分布的，或者不存在空間自相關(guān)性。

Ii的取值主要是用來(lái)考察區(qū)域i與其他相鄰區(qū)域之間的關(guān)聯(lián)程度。當(dāng)Ii的值為正時(shí)，說(shuō)明一個(gè)高值被高值包圍，表現(xiàn)為“高—高”（H-H）的空間結(jié)構(gòu)；或者一個(gè)低值被低值包圍，表現(xiàn)為“低—低”（L-L）的空間結(jié)構(gòu)。而Ii的值為負(fù)時(shí)，則說(shuō)明一個(gè)低值被高值包圍，表現(xiàn)為“低—高”（L-H）的空間結(jié)構(gòu)；或者一個(gè)高值被低值包圍，表現(xiàn)為“高—低”（H-L）的空間結(jié)構(gòu)。

二、吉林省城市人口收縮的時(shí)間軌跡

（一）吉林省市域收縮存在惡化趨勢(shì)

分別以2000年和2010年的戶籍人口作為基數(shù)，通過(guò)計(jì)算2010年和2018年戶籍人口收縮度指標(biāo)Ch和Ch1，我們發(fā)現(xiàn)吉林省人口收縮現(xiàn)象在市域尺度上同時(shí)存在著廣義與狹義的城市收縮，①并且收縮城市的范圍有進(jìn)一步擴(kuò)大的跡象。2000—2010年間出現(xiàn)廣義城市收縮的城市僅有遼源市、通化市和延邊州三個(gè)地區(qū)，而2010—2018年間，存在廣義城市收縮的城市增加到九個(gè)，也就是說(shuō)覆蓋了全省全部九個(gè)地級(jí)市以上地區(qū)。從狹義城市收縮來(lái)看，2000—2010年間，吉林省還不存在此類城市收縮現(xiàn)象，但是2010—2018年間，卻出現(xiàn)了六個(gè)地區(qū)發(fā)生了狹義城市收縮問(wèn)題，包括吉林市、通化市、白山市、遼源市、松原市和白城市。

（二）吉林省縣域常住人口局部收縮明顯但總體程度較輕

根據(jù)五普和六普資料，采用2000—2010年常住人口數(shù)據(jù)來(lái)考察吉林省47個(gè)區(qū)縣單元的收縮情況，我們發(fā)現(xiàn)出現(xiàn)城鎮(zhèn)收縮現(xiàn)象的區(qū)縣共有25個(gè)，所占比例達(dá)53.19%，超過(guò)1/2的城鎮(zhèn)出現(xiàn)不同程度的人口負(fù)增長(zhǎng)，可見(jiàn)收縮現(xiàn)象在吉林省并非個(gè)例，局部甚至大部分縣區(qū)收縮明顯。其中，顯著收縮的區(qū)縣有8個(gè)，年均增長(zhǎng)率小于-1%，占收縮區(qū)縣的32%，占全部區(qū)縣的17.02%；其余17個(gè)區(qū)縣的年均增長(zhǎng)率皆處于-1%—0%之間，即輕微收縮， 占收縮區(qū)縣的68%，占全部區(qū)縣的36.17%。

（三）吉林省縣域戶籍人口收縮由不明顯轉(zhuǎn)向上升趨勢(shì)

從戶籍人口來(lái)看，六普時(shí)吉林省收縮的區(qū)縣數(shù)量較采用常住人口數(shù)據(jù)進(jìn)行計(jì)算的結(jié)果有所減少，為18個(gè)區(qū)縣，占比38.30%，小于按常住人口統(tǒng)計(jì)的收縮城市的數(shù)量及比例。其中輕微收縮區(qū)縣數(shù)量為15個(gè)，顯著收縮區(qū)縣數(shù)量?jī)H有3個(gè)，呈現(xiàn)數(shù)量少且程度較輕的特點(diǎn)。但此后，吉林省縣域戶籍人口收縮現(xiàn)象逐漸呈上升態(tài)勢(shì)，到了2018年，全省47個(gè)縣區(qū)中，僅有3個(gè)戶籍人口是增長(zhǎng)的，收縮縣區(qū)數(shù)量達(dá)到43個(gè)，比2010年增長(zhǎng)了138.89%，收縮縣區(qū)占比高達(dá)91.49%。其中輕微收縮區(qū)縣數(shù)量增加到30個(gè)，增長(zhǎng)1倍，顯著收縮區(qū)縣數(shù)量增加到13個(gè)，增長(zhǎng)4倍以上。而輕微增長(zhǎng)的區(qū)縣僅有2個(gè)，顯著增長(zhǎng)區(qū)縣僅1個(gè)，二者合計(jì)占比不到10%。

（四）長(zhǎng)吉與外圍地區(qū)人口流動(dòng)反差特征顯著

常住人口與戶籍人口的比值，可以在一定程度上反映出人口流動(dòng)的情況，如果一個(gè)地區(qū)的二者比值大于1，表示這一地區(qū)主要呈現(xiàn)出人口流入；反之，如果二者的比值小于1，則表示該地區(qū)的人口主要呈現(xiàn)流出特征。通過(guò)對(duì)比2000年和2010年吉林省各區(qū)縣的常住人口和戶籍人口比值構(gòu)成（見(jiàn)圖1），我們發(fā)現(xiàn)，全省發(fā)生收縮的區(qū)縣2000年時(shí)有13個(gè)，到2010年時(shí)，則增加到了26個(gè)，收縮比例和收縮度均呈上升態(tài)勢(shì)。與此同時(shí)，發(fā)生收縮的區(qū)縣2000年時(shí)，主要集中在長(zhǎng)吉外圍，尤其是吉林省東部和西部地區(qū)，說(shuō)明這兩個(gè)地區(qū)以人口流出為主，而長(zhǎng)吉?jiǎng)t以流入為主。而到了2010年，一些長(zhǎng)吉外圍地區(qū)或靠近長(zhǎng)吉外圍地區(qū)的區(qū)縣，由增長(zhǎng)轉(zhuǎn)為收縮，形成了環(huán)繞長(zhǎng)吉地區(qū)的巨型收縮圈層。

三、吉林省城市人口收縮的空間分異

為進(jìn)一步厘清2000年以來(lái)吉林省人口收縮城市的空間異質(zhì)性與空間關(guān)聯(lián)性，我們以2000年和2010年的戶籍人口作為基數(shù)，分別計(jì)算2000—2010年和2010—2018年戶籍人口變動(dòng)指標(biāo)Ch1和Ch2，并通過(guò)全局Moran’s 指數(shù)探討吉林省人口收縮城市的總體格局和分異特征。將全省47個(gè)區(qū)縣的戶籍人口變動(dòng)指標(biāo)（Ch1和Ch2）作為分析單元，采用反距離函數(shù)建立空間權(quán)重矩陣，并通過(guò)運(yùn)行ArcGIS 10.1空間自相關(guān)（Moran’s）分析工具，分別得到2000—2010年和2010—2018兩個(gè)時(shí)間段吉林省戶籍人口變動(dòng)指標(biāo)（Ch1和Ch2）的全局Moran’s 指數(shù)及臨界值Z得分和顯著性水平P值。其中，2000—2010年吉林省縣區(qū)戶籍人口變動(dòng)的Moran’s 指數(shù)值為-0.283 993，小于0，且Z值（-1.657 020）略小于-1.65，P值（0.097 515）接近0.10（達(dá)到90%的置信度），說(shuō)明這一時(shí)段吉林省區(qū)縣戶籍人口變動(dòng)之間存在較弱程度的負(fù)空間自相關(guān)性。而在2010—2018年間，Moran’s 指數(shù)值為-0.214 643，雖然小于0，但Z值（-1.197 141）位于-1.65—1.65之間，P值（0.231 252）大于0.10，說(shuō)明此時(shí)段內(nèi)，就全省而言，各區(qū)縣的戶籍人口變動(dòng)空間分布特征并不明顯，基本上呈隨機(jī)分布。

如前文所述，從全省尺度來(lái)考察，2000—2010年和2010—2018年間，吉林省各區(qū)縣的戶籍人口變動(dòng)總體上不存在顯著的全局空間自相關(guān)性，但這不能說(shuō)明不存在高值或者低值的局部空間集聚現(xiàn)象，并可能隱藏了偏離整體分布模式的空間關(guān)系，為此，需要應(yīng)用局部空間自相關(guān)分析法進(jìn)一步探討。本文利用GeoDa軟件繪制Moran散點(diǎn)圖來(lái)進(jìn)一步辨識(shí)局部區(qū)域內(nèi)的各區(qū)縣戶籍人口變動(dòng)的空間聯(lián)系及其空間分布結(jié)構(gòu)（見(jiàn)圖2）。

由圖2我們可以看到，從2010—2018年，位于第一和第三象限的縣區(qū)數(shù)量有所減少，從27個(gè)減少到22個(gè)，反映出在這期間吉林省縣區(qū)戶籍人口變動(dòng)在局部空間上的集聚性和相似性有所減弱。位于第二和第四象限的縣區(qū)數(shù)量由20個(gè)增加到25個(gè)，表明期間吉林省縣區(qū)戶籍人口變動(dòng)的空間差異性有所增強(qiáng)。

圖3是采用LISA （Local Moran’s）及5%的置信度得到的2010年和2018年吉林省47個(gè)縣區(qū)戶籍人口變動(dòng)的Moran顯著性圖。從圖中可以明顯看出在局部范圍內(nèi)，吉林省縣區(qū)戶籍人口變動(dòng)主要是以高—低（H-L）、低—高（L-H）和低—低（L-L）空間分布結(jié)構(gòu)為主。

四、結(jié)束語(yǔ)

本文基于吉林省地級(jí)市及其所轄全部縣級(jí)行政單元（地級(jí)市市轄區(qū)為一個(gè)基本研究單元），共包括56個(gè)研究單元19年的人口數(shù)據(jù)，通過(guò)構(gòu)建人口收縮度指標(biāo)測(cè)度吉林省城鎮(zhèn)人口收縮情況，并運(yùn)用探索性空間數(shù)據(jù)分析手段（ESDA），對(duì)不同時(shí)間維度的城鎮(zhèn)人口收縮度進(jìn)行空間關(guān)聯(lián)性與差異性分析。

在考察期內(nèi)，吉林省市域人口收縮存在惡化趨勢(shì)、縣域常住人口局部收縮明顯但總體程度較輕、縣域戶籍人口收縮由不明顯轉(zhuǎn)呈上升趨勢(shì)、長(zhǎng)吉與外圍地區(qū)人口流動(dòng)狀況反差明顯等特征。

就全省范圍而言，2000—2010年間，吉林省區(qū)縣戶籍人口變動(dòng)之間存在較弱程度負(fù)的空間自相關(guān)性；而在2010—2018年間，各區(qū)縣的戶籍人口變動(dòng)空間分布特征并不明顯，基本呈現(xiàn)隨機(jī)分布的空間格局。但在局部空間尺度上，吉林省區(qū)縣戶籍人口變動(dòng)具有一定程度的空間集聚性，主要是以高—低（H-L）、低—高（L-H）和低—低（L-L）空間分布結(jié)構(gòu)為主。

城市收縮是經(jīng)濟(jì)基礎(chǔ)、產(chǎn)業(yè)結(jié)構(gòu)、社會(huì)發(fā)展水平、政策制度、人口和地域文化等多種因素綜合作用的結(jié)果，并且不同類型地區(qū)，影響城市收縮的引致因素也不盡相同。因此，對(duì)于解決收縮城市的對(duì)策建議，應(yīng)根據(jù)收縮類型區(qū)的不同進(jìn)行分析。

參考文獻(xiàn)：

[1] 龍瀛，吳康，王江浩.中國(guó)收縮城市及其研究框架[J]vOaZZIlUTJKexlpSvtmKt+7Q917FUBw/Urvh/lXaO90=.現(xiàn)代城市研究，2015（9）：14-19.

[2] Lee C K.Against the Law：Labor Protests in China’s Rustbelt and Sunbelt[M].Berkeley，CA：University of California Press，2007.

[3] 陳群元，宋玉祥，張平宇，等.東北老工業(yè)基地振興面臨的城市化問(wèn)題與對(duì)策[J].城市規(guī)劃匯刊，2004（2）：47- 51.

[4] 于洋.人口外流對(duì)吉林省經(jīng)濟(jì)發(fā)展的影響分析[J].今日財(cái)富，2020（6）：26-27，29.

[5] Le Gallo J， Ertur C. Exploratory Spatial Data Analysis of the Distribution of Regional per Capita GDP in Europe，1980-1995[J]. Regional Science，2003，82（2）：175-201.

[6] Anselin L. Local indicators of spatial association-LISA[J].Geographical Analysis，1995，27（2）：93-115.

[7] 溫佳楠.成渝地區(qū)收縮城市識(shí)別及其驅(qū)動(dòng)因素分析[J].經(jīng)濟(jì)論壇，2019（10）：69-76.

[責(zé)任編輯 立 夏]