佳文分享0006：【地理研究】中国山区县域人口收缩的空间格局及其形成机制

2009年世界银行发布名为《重塑世界经济地理》的世界发展报告，提出了包含密度 （Density）、距离（Distance）及分割（Division）三要素的“3D”分析框架。该框架能 够从不同地理尺度刻画世界经济地理格局，多应用于经济发展分析。该报告认为高密 度、短距离、低分割是经济发展成功的基础条件。人口流动是区域发展的重要动力，是 区域经济繁荣的表现，也受密度、距离和分割影响。在低自然增长率背景下，人口收 缩往往直接由人口流动所导致，因此可在“3D”框架下解析密度、距离、分割等因素对 人口收缩的作用（见表1）。

密度是指单位面积承载的经济体量，能较准确反映区域经济聚集度和经济发展程 度。托达罗预期收入差异理论表明，获取更多就业机会和更高预期收入是人口迁移流动 的根本动机。一个地区经济及人口密度越大，就业机会就越多，劳动力预期收入就越 高，也往往集聚着更优质和更丰富的服务产品，且能够通过集聚获得知识溢出效应。因 此，劳动力通常会做出缩减与经济密集区距离的选择，故而区域经济密度越大其人口 集聚能力越强，反之则人口收缩可能性越大。鉴于此，本文选择就业密度、人口密度、 GDP密度作为解释变量。

距离重点描述经济密集区与落后地区之间的距离，相比地级市和省会城市，山区 县往往是经济欠发达的地理空间单元，本文主要考虑山区县到地级市及省会城市的地理 距离。地级市和省会城市在经济社会发展方面虽具有较强辐射能力，但因其辐射范围有限，到上述两种城市距离的远近在一定程度上能反映山区县区位条件的优劣。区位优劣 则导致经济机会在空间上的不均衡分布，从而影响人口流动。交通基础设施的快速发展 对地方区位具有重塑作用，也为人口空间流动提供了支撑条件，对人口空间分布具有重 要影响。本文摒弃以往研究中采用的直线距离，采用山区县与其所属地级市、省会城 市的路径距离作为待考察变量。

分割相比密度和距离较为复杂，已有研究对分割并未达成一致看法。本文主要指文 化、政策、发展方向等与其他地区存在的差异，分别采用是否为重点生态功能区和少数 民族人口比例代表制度分割和文化分割。2011年国务院印发的《全国主体功能区规划》 将全国划分为四类主体功能区，其中限制开发区中的重点生态功能区是资源环境承载能 力较低，不具备大规模高强度工业化城镇化开发条件的区域，部分经济要素等往往不 能自由进入这类地区，区域经济发展条件有限，人口较易流失。少数民族地区一直以来 实行较为宽松的生育政策，加之少数民族人口在迁移过程中往往存在对其他文化的适应 障碍，因而少数民族聚居的地区在自然增长率较高的同时人口迁出可能性也较低，人口 “保持”能力较强。

为了系统考察山区人口收缩的驱动因素，还需将其他可能影响人口收缩的因素作为 控制变量纳入考察范围。人口迁移是区域人口收缩主要的直接驱动力量，除受“3D”因 素影响外，也受其他社会经济因素的作用。本文参考已有研究，将城镇化率、人均 GDP、是否曾经上榜“百强县”名单、人均财政支出、粮食产量、二三产业从业人口比例、平均受教育年限等作为控制变量衡量地区经济及社会综合发展水平。最后，人类的 生存和活动不可避免地受地理环境影响，地形等自然因素长期塑造着人口分布的空间格局， 本文加入气温、降水和地形起伏度作为控制变量表征自然地理环境①（见表1）。

本文聚焦人口收缩现象尤为明显的山区国土空间，研究范围参考2019年农业农村部 农业机械化管理司公布的丘陵山区县（市、区）名单划定。考虑到行政区划调整的影 响，本文以2020年行政区划数据为标准对研究区边界和范围进行调整，以进行年际间比 较，最后整理出共计1421个山区县作为本文研究区。

本研究所用数据主要包括：①人口普查数据。文中常住人口、少数民族人口占比、 从业人员、平均受教育年限等来源于第五、六、七次全国人口普查区县数据集。② 社会经济统计资料。计算2000年、2010年和2020年人口密度使用的行政区域面积来源 于《中国县域统计年鉴》，国内生产总值、财政支出、粮食产量等主要来源于2011年 《中国县域统计年鉴》、《中国区域经济统计年鉴》以及各地市统计年鉴；百强县数 据来源于中国社会科学院财经战略研究院、赛迪顾问等发布的2010—2020年全国县域经 济基本竞争力百强县（市）名单②；重点生态功能区数据来源于国务院2010年底印发的 《全国主体功能区规划》中《国家重点生态功能区名录》。③气象数据。气温和降水 数据来源于国家气象科学数据中心（http://data.cma.cn/）的地面气候资料日值数据集，通 过整理、计算和插值分析生成2010年各区（县）平均气温和平均降水量。④地理空间要 素信息。DEM采用中国科学院资源环境科学数据中心发布的全国1km×1kmDEM数 据，地形起伏度参考封志明等提出的方法计算获得；各山区县与其所属地级市、省份 省会的距离在DataMap For Excel中基于路网计算获得。

本文从静态的人口分布和动态的人口变化两个视角出发考察山区人口收缩。首先， 基于人口密度对中国山区县进行地域类型划分，通过山区县人口分布类型变化考察人口 收缩特征；其次，采用人口年均变化率量化表征山区县人口收缩，采用GIS空间可视化 分析方法辨识人口收缩的空间格局。在此基础上，以山区县是否发生人口收缩和人口收 缩程度为因变量，利用计量模型分析山区县人口收缩的影响因素。

2.3.1人口收缩的测度方法 人口收缩一般是指具有相对独立社会经济体系的区域在一定 时期内出现总人口（或劳动就业人口、家庭）数量持续下降的现象。由于总人口指标 相对直接，且数据丰富，易于开展长时间尺度研究，故往往采用基于总人口数据计算的 人口年均变化率测度人口收缩率，即：

式中：R(t1,t2)表示年均人口变化率；Mt1和Mt2分别表示t1和t2年份的总人口数量；n表示t1 和t2之间间隔的年数。当R(t1,t2)<0时，该区域出现人口收缩，且R(t1,t2)的绝对值越大，说明 该区域人口收缩程度越深；反之，则为人口增长。

2.3.2人口密度类型划分 本文参考葛美玲等的研究，按照人口密度将中国山区县划分为4个类型：基本无人区（<1人/km2）、稀疏区（（1~100）人/km2）、过渡区（（100~ 200）人/km2）和集聚区（>200人/km2），通过山区县人口密度类型变化洞察山区人口收 缩的空间格局。在此基础上，通过县域人口密度类型的变化考察山区县人口收缩。

2.3.3计量回归模型 由于山区县是否发生人口收缩并非完全随机，而是受区位、经济社 会发展水平和制度、文化等因素影响，因此存在样本选择上的内生性。Heckman两阶段 模型可以解决样本选择偏误，同时能在一定程度上规避潜在的内生性问题。因此，本 文采用Heckman两阶段模型分析山区县人口收缩的影响因素。该模型的两个阶段分别估 计两个方程，被解释变量分别为“是否出现人口收缩”和“人口收缩程度”。具体来说， 人口年均变化率结果中小于0的即人口收缩，赋值为1，大于0的即人口增长，赋值为0。

将人口年均变化率中小于0的数值取绝对值表示山区县人口收缩程度，绝对值越大，收 缩程度越大。各阶段方程如下：

第一阶段：以“山区县人口是否出现收缩”为被解释变量，采用Probit模型估计人 口收缩的概率，概率方程如下：

第二阶段：利用选择后的样本对人口收缩程度进行回归，回归方程如下：

式中：Pit表示t年i县人口出现收缩的概率；X1it表示影响山区县人口是否发生收缩的多 个可观测因素；yit表示t年i县的人口收缩程度；X2it表示影响人口收缩程度的一系列因 素；λi表示逆米尔斯比率（Mills），若λ显著不等于零，说明存在“自选择”问题；μi 和εi分别表示概率方程和回归方程的误差项，均服从均值为零的正态分布；i代表县；t 代表年份。

回归方程中的λi：首先估计概率方程（2），对所有样本进行Probit回归，得到未知 参数向量的α和σ的估计值；其次通过公式，计算出各县的λ，最后将其作为新变量纳 入回归方程（3）中。λ计算公式如下：

式中：φ(-X1itασ)和 ϕ (-X1itασ)分别为标准正态分布的密度函数和概率分布函数；α为 概率方程解释变量的回归系数集；σ为概率方程误差项μi的标准差。

Heckman两阶段模型要求两个阶段的解释变量具有严格子集关系，即公式（2）要 包含公式（3）的解释变量，且至少存在一个解释变量只影响山区县人口是否发生收缩而 不影响其人口收缩程度。一般而言，是否被评为百强县对山区县人口是否出现收缩有较 为直接的影响，而对人口收缩程度的影响并不明显，可将该变量引入模型第一阶段。

2.3.4地理探测器 地理探测器是探讨空间分异并揭示其驱动力的统计学方法，其因子探 测模块可以对影响因子进行识别，交互探测可以解释影响因子对因变量的交互作用，是 研究复杂地理因素驱动作用机理的有效工具。山区人口收缩是地表自然层、生计层、 制度层和意识形态层四个圈层中的因子共同作用且交互影响的结果，采用地理探测器中 的交互探测模块可以有效识别各圈层因子间的复杂作用路径，洞察山区人口收缩的形成 机制。地理探测器的基本模型为：

式中：q表示各变量对山区人口收缩的解释程度，数值越大说明自变量对因变量的解释 力越强；N和σ分别表示研究区整体的单元数和方差；在交互作用探测过程中，需要先对不同解释变量进行空间叠置分析产生新的交互变量，进而判别其对因变量的因子解释力 是增强还是减弱；L表示因变量Y或自变量X的分层，即分类或分区；Nh和σh分别表示层 h内的单元数量和方差。具体方法为：先计算两种因子的q值，然后将两个因子进行交互 并得到交互变量的q值；最后，通过比较交互作用和独立影响的q值。根据比较结果，可 以将因子之间的关系分为非线性减弱、单因子非线性减弱、双因子增强、独立和非线性 增强五类。

近20年山区人口占全国人口比例持续且加速降低。2000年、2010年和2020年山区 县人口占全国总人口的比例分别为43.15%、40.39%、37.04%；2000—2010年、2010— 2020年山区县总人口分别减少500.01万人、1819.68万人，各县平均人口变化率分别为 0.09%、-0.48%③，2010—2020年人口减少数量是2000—2010年的3.64倍。从整个研究时 段看，山区县平均人口变化率为-0.19%，人口减少2319.69万，占比降低6.11%（见表2）。

2000—2020年收缩型山区县数量不断增加，中国山区人口收缩程度加深且存在一定 的自我强化特征。2000—2010年有近一半山区县人口发生收缩，其中有70个山区县出现 重度收缩现象；2010—2020年共907个山区县出现人口收缩现象，占总数的63.83%，相 比前一阶段，收缩型山区县数量大幅增加，其人口重度收缩型山区县数量是2000—2010 年的2.5倍（见表2）。2000—2010年和2010—2020年中国山区县人口平均收缩率分别为 0.96%和1.34%，相比前一时段，后一时段人口收缩率的中位数和均值上移，且人口收缩 率的分布区间明显增高（见图1），表明近20年中国山区人口收缩程度加深。此外，中国 山区人口收缩存在一定的自我强化特征。例如，2000—2010年收缩型山区县抚顺、简 阳、察哈尔右翼前旗、卓资、隆德等山区县人口收缩率分别为3.12%、2.73%、2.39%、2.30%和2.02%，2010—2020年其人口 收缩率进一步升高，分别为6.49%、 3.66%、2.69%、4.59%和3.77%。相比 2000—2010年，2010—2020年收缩型 山区县人口平均收缩率方差增大0.79 （见表2）。

2000—2010年，人口密度等级发 生变化的山区县有92个，其中人口过 渡区向集聚区转变是最主要的变化方 向（占33.70%），过渡区变为稀疏区次 之（占29.35%），上述两类变化过程占 人口密度等级发生变化区县的 63.05%。2010—2020年，人口密度等级发生变化的山区县有116个，比上一阶段增加24个；其中，过渡区变为稀疏区的山区 县最多（52个），占所有人口密度等级发生变化的山区县的44.83%，人口集聚区转变为 过渡区的山区县为39个（占比为33.62%）。从2000—2020年整个时段来看，共142个山 区县人口密度等级发生变化，其中人口收缩型单元为104个（占73.24%），由过渡区演变 为其他人口密度等级的山区县占67.60%，过渡区向稀疏区、集聚区向过渡区转变是两种 最主要的变化过程，分别占47.18%、25.35%，增长型地域单元较少（见表3）。综合来 看，人口密度为（100~200）人/km2的过渡区是人口变化最为活跃的类型区，收缩型山区 县不断增加，由过渡区向稀疏区、集聚区向过渡区转型是山区人口变化的主要方向，少 数过渡区跃升为人口集聚区实现人口增长。

从空间上来看，行政区划边界处（含省级、地级行政边界）人口变化相对剧烈且以 人口收缩为主要特征。在2000—2010年人口密度等级发生变化的山区县中，有83个县位于行政区划边界处，占比达90.22%（见表3），主要分布于甘肃、云贵高原和东南丘陵地 区（见图2a）；其中，甘肃东部、贵州东部和东部沿海省份行政区划边界处主要表现为人 口收缩，江西、广东行政区划边界处主要表现为人口增长，其余行政区划边界处人口增 长和人口收缩相间分布（见图2a）。2010—2020年，位于行政区划边界处的非稳定型山 区县有103个，占比为88.79%（见表3），依然保持较高比例，且其以人口收缩为主要变 化趋势（见图2b）。从整个研究时段看，位于行政区划边界处的非稳定型山区县有121 个，占比达85.21%（见表3），除浙江、江西、广东、云南南部和贵州西部外，其余地区 行政区划边界处广泛表现为人口收缩（见图2c）。

中国山区呈现出以人口收缩为核心的变化特征，且人口收缩区范围明显扩大。 2000—2010年人口收缩型山区县主要分布于内蒙古东部-东三省片区、贵州-重庆-川东- 湘西-鄂西（武陵山片区），皖中皖西-豫南-鄂东北（大别山片区），东部沿海的浙-闽片 区。该时段东北地区主要表现为轻度收缩和中度收缩，有个别县区出现重度收缩；其余 地区轻度收缩、中度收缩和重度收缩相间分布（见图3a）。2010—2020年，中国山区人 口收缩范围明显扩大，东北地区、云南、四川、陕西、山西、江西、广东和河北等省份 人口收缩区范围明显扩大，其中云南、江西等省份基本全域由人口增长区转为人口收缩 区，浙江和福建人口收缩区范围缩小（见图3b）。

从整个研究时段来看，收缩型山区县集中分布形成八大片区：内蒙古中东部-东北片 区，川东-渝-湘西-鄂西-黔东（武陵山片区），鄂西-陕南-川东北-甘南-鄂西北（秦巴 山区），豫南-鄂东北-皖西皖中（大别山片区），太行山片区、云南高原片区、山东丘陵 及福建丘陵片区等。其中内蒙古中东部-东北片区、武陵山片区主要表现为重度和中度收 缩，其余片区以轻度收缩为主（见图3c）。总的来看，人口收缩型山区县分布范围在 2010年之前已相对较广，在2010年后进一步扩大，其中云南、江西等省份基本全域由人 口增长区转为人口收缩区。

从2000—2020年不同等时圈范围内收缩型山区县数量及其占比来看，地级城市1h、 1~2h等时圈范围内，收缩型山区县分别为233个、478个，占收缩型山区县比例分别为 26.27%和53.89%，占该等时圈范围内所有山区县比例分别为56.69%和69.99%；到地级 市时间距离超过2h的收缩型山区县数量不足地级城市1~2h的1/3（见表4）。省会城市 2h、2~4h等时圈范围内收缩型山区县分别为152个和420个，占收缩型山区县比例分别 为17.14%、47.35%，占对应等时圈范围内所有山区县比例分别为57.58%、68.97%；到省 会城市时间距离超过4h的收缩型山区县数量比2~4h等时圈范围内的少105个（见表4）。

可见，人口收缩区多分布于距地级市2h、距省会城市4h范围内，其中地级市2h等时圈 指向更为明显。此外，随着时间距离增加人口收缩区分布等时圈指向有先增强后减弱的 趋势，其中在地级市2h等时圈内不断增强，超过2h后减弱；在省会城市4h等时圈内不 断增强，超过4h后趋于减弱（见表4）。

由本文第三部分可知，2010—2020年山区县人口收缩范围扩大，收缩程度加深，该 时段人口收缩状况更具典型性，本文主要分析2010—2020年山区县人口收缩影响因素， 解释变量均采用基期年份数据。Heckman两阶段模型共有1421个观测值进入回归，回归 结果显示逆米尔斯比值显著，即存在选择偏误，Heckman两阶段模型适用。根据回归结 果（表5），本文主要结论如下。

密度（Density）对山区县人口收缩的解释效果总体较好④。就业密度对山区县是否发 生收缩产生显著抑制作用，即就业密度越高的地区，收缩可能性越小。就业密度高的地 区往往具有更多就业机会、较高工资水平和更好生活条件，因而具有较强的人口集聚能 力，人口“保持”能力也较强；而就业密度低的地区往往经济发展水平相对落后，可供 给的就业岗位少，基础设施也相对不完善，人口外流可能性高，人口收缩程度大。

距离（Distance）对山区县人口是否发生收缩有较强解释力。在第一阶段回归中到地 级市和省会的距离分别在1%和5%的显著水平下显著，其系数分别为0.208、0.138，表明 山区县到地级市和省会的距离越远，越有可能发生人口收缩。地级市或省会城市在经济 社会发展方面虽具有较强辐射能力，但辐射范围有限。距离地级市或省会城市较远的山 区县区位条件较差，受到核心城市辐射较小，经济机会较少，位于该区域内的人口倾向 于流入更高等级城市务工经商或学习，人口较易流失。

分割（Division）对山区县人口收缩也具较强解释力。第一阶段中，文化分割对是否发 生人口收缩和人口收缩程度均具有显著抑制作用（回归系数分别为-0.011，P＜0.01；-0.005， P＜0.05），这意味着少数民族人口占比越高的地区，人口收缩可能性及收缩程度越小。 其原因可能在于：一是由于中国一直以来在少数民族地区实行较为宽松的生育政策， 1999年国务院发布的《中国的少数民族政策及其实践》白皮书显示，中国少数民族家庭 可以生育2~3个孩子、西藏自治区的藏族农牧民可以不受限制地生育子女等政策，这使 得少数民族人口的自然增长速度高于全国平均水平。二是因语言差异等原因，少数民 族人口在迁移过程中适应外部文化时面临的障碍往往更大，在自然增长率较高的同时人 口迁出可能性也较低。第二阶段中，制度分割对山区县人口收缩程度具有显著促进作用 （回归系数为0.290，P<0.01），表明主体功能为重点生态功能区的山区县，收缩程度越 大。重点生态功能区往往是生态系统脆弱、生态功能重要的地区，且资源环境承载能力 较低，不具备大规模高强度城镇化开发条件，经济机会相对少，人口易于外流。

控制变量的回归结果表明，山区县人口收缩是自然增减和人口迁移共同作用的结 果，自然环境奠定了中国山区人口分布的基本格局，社会经济因素对中国山区人口分布 具有重塑作用。中国山区人口收缩很大程度上由经济因素决定：人均GDP和城镇化率 高、曾被评为百强县、人均财政支出多、二三产业从业人口占比大的地区不易发生收 缩；人均GDP和城镇化率越低的地区人口收缩程度越高。在人们生活水平改善和需求层 次提升的背景下，社会性因素对人口收缩的作用也已明显，人口平均受教育年限对人口 收缩具有促进作用，平均受教育年限越长的地区人口收缩程度越高。

有研究发现全国人口向人口密集区持续加速集中，即高人口密度地区能在其他条件相 同时吸引更多人口。据此，可将就业密度更换为人口密度代入Heckman两阶段回归模型，