中國人口出生率的空間非均衡性及地域差異分析

蘇理云,楊曉鶴,柏國應,李鳳蘭

(重慶理工大學　a.理學院； b圖書館, 重慶　400054)

2014年的全球生育率排序中，中國大陸以1.28‰居倒數第五，到2015年，中國的總和生育率只有1.05‰。顯然，這樣的生育率狀態已經遠低于世代更替水平，并遠低于歐美發達國家和東亞鄰國。隨著全面二孩政策的實施，2016年的總和生育率達到1.7‰，效果初顯，但還是沒能改變中國低生育率、低死亡率和低增長率的人口現狀。在這樣長期走低的生育水平形勢之下，政府為了減輕人口弊端帶來的影響，抑制男女比例失衡，緩解人口老齡化，在黨的十八屆五中全會決定“堅持計劃生育的基本國策，完善人口發展戰略，全面實施一對夫婦可生育兩個孩子政策”，且全面二孩政策于2016年1月1日正式實施。這是繼十八屆三中全會決定啟動實施“單獨二孩”政策之后的又一次人口政策調整。郭志剛[1]研究發現：我國的人口出生率在20世紀90年代初就下降到更替水平以下，近些年的出生率還在繼續下降。翟振武等[2-3]針對全面放開二胎政策分析了人口學后果，發現全面二胎可以改善未來人口負增長的趨勢，出生總人數將大幅上升。

對于區域差異方面的研究，國內外多傾向于通過人口老齡化分析人口差異性，而研究人口出生率的甚少，且在區域劃分問題上，普遍采用“七五”計劃的東、中、西三大區域進行劃分[4-7]。而空間數據探索(exploratory spatial data analysis,ESDA)在傳統的數值模型基礎上考慮空間相關性，能更好地刻畫區域發展問題[8-10]。這兩種方法在空間數據分析中往往顧此失彼。本文首次將兩種方法綜合運用到出生人口的空間相關性研究中，在方法上是一種新的嘗試。基于ArcGIS和GeoDa軟件，采用ESDA一系列的空間統計方法，探討人口出生率的空間非均衡性，可以更清晰地發現人口的空間相關性，并且結合區域分析方法對人口出生率的區域問題進行深層次分析，為解決區域重點人口問題提供依據，從而提高生育率。

1　方法與數據

1.1　莫蘭指數(Moran’s I)

莫蘭指數由澳大利亞統計學家Patrick Alfred Pierce Moran于1950年提出，是度量空間相關性的一個重要指標[11]。一般說來，莫蘭指數分為全局莫蘭指數(global Moran’sI)和安瑟倫局部莫蘭指數(Anselin local Moran’sI)。本文采用全局莫蘭指數來測度全國人口出生率的高低相似程度，通過局部莫蘭指數反映哪個區域貢獻更大、具體表現出什么樣的空間聚集性、高-高型和低-低型有哪些重點省市。

全局空間自相關的Moran指數反映其鄰近省市的相似程度，可以表達為

(1)

(2)

Global Moran’sI的取值介于1和-1。當其大于0時表示空間正相關，越趨向于1就說明相似省市的聚集程度大；當等于0時表示不存在任何的空間自相關性，也就是隨機的；當小于0時表示空間負相關。構造標準化的統計量ZI來檢驗變量自相關的顯著性，按以下方式計算：

(3)

(4)

(5)

(6)

(7)

假設人口出生率與其平均值的偏差服從正態分布，得到的指數I的分布是近似的正態分布，E[I]表示 Moran’sI的理論平均值，D(I)反映的是Moran’sI經驗分布的方差，均可由GeoDa直接輸出結果。若在顯著性水平為0.01的情況下、ZI在[-2.58,2.58]時，表示我國人口出生率的觀測值在空間上表現為獨立的隨機分布，ZI>2.58且顯著時表示我國人口出生率的空間聚集性明顯，ZI<-2.58且顯著時表示沒有任何規律可循。

局部莫蘭指數與全局莫蘭指數反映的平均值有所不同，局部莫蘭指數能探測出具體的聚集省市及相關程度，其常用指標可表示為

(8)

1.2　泰爾指數

泰爾指數(Theil index)是因泰爾利用信息理論中的熵概念來計算收入不平等而得名[12]。泰爾指數作為出生人口空間分布不均衡的測度指標，具有良好的可分解性質，它的特殊意義在于可以把總體差異分解為不同尺度空間的內部差異和外部差異。如果把中國的省市分為j個區域時，泰爾指數可以分別衡量組內差距與組間差距對總差距的貢獻。本文借鑒Bourguignon[13]和Shorrocks[14]對泰爾指數的分解方法，設定如下公式：

(9)

(10)

(11)

(12)

Db=Tb/(Tb+Tw)

(13)

Dw=Tw/(Tb+Tw)

(14)

1.3　人口度量、數據來源

常見的人口統計指標有年齡比生育率、男女比例、人口出生率、人口死亡率、人口增長率、總和生育率等，對老齡化的研究具有一定的普遍性，本文采用人口出生率來度量人口變化。人口出生率是研究人口變動的重要依據，反映人口的出生水平或強度，一般用千分數來表示。計算公式為：

出生率=(年內出生人口數/年內平均人口數)×1000‰

本文考察的對象是除港澳臺地區以外的中國其他31個省級行政區、直轄市及自治區，考察年份是2001—2015年，數據來源于中華人民共和國國家統計局，數據完整。

2　人口出生率的空間非均衡性

2.1　人口出生率的趨勢概況

近幾年的全國出生人口數和人口出生率的趨勢變化如圖1所示。從圖1可見：我國的出生人口總數從2001年開始就一直在下降，2010年達到1 574萬的最低出生人口數；之后的幾年里小幅增長，一度突破出生人口數的巔峰，在2016年創下1 786萬的峰值。出生人口總數的下降也間接說明了出生率的顯著下降，由于1979年的獨生子女政策和1984年調整的生育政策(第1胎是女生的可以生育第2胎)，以及在相關的社會文化和消費水平不斷升級現狀的影響下，新生人口直接表現為人口出生率的大幅度下降，2010年達到11.9‰的人口出生率最低狀態。而出生人口總數過低會使得勞動力資源緊缺、競爭力下降。國家為了給人口紅利提供持續源泉，在2013年召開的十八屆三中全會上啟動“單獨二孩”政策，在2015年召開的十八屆五中全會上提出“全面二孩”政策，這些政策也在近兩年獲得顯著成效，2016年的人口出生率達到可與2002年爭雄的12.95‰。

圖1　2001—2016年全國出生人口統計情況

2.2　人口出生率空間非均衡性分析

本文利用ArcGIS10.1軟件，以2001、2005、2010和2014年中國各個省市人口出生率為基礎，繪制了相應的空間分布圖，如圖2所示。從圖2中可以直觀地看出：無論什么時候，中國各個地區人口出生率的高、低空間分布都呈現出顯著的空間非均衡特征。

圖2　2001、2005、2010和2014年人口出生率空間分布

從圖2可見：中國各省市的人口出生率存在明顯的區域差異。2001年人口出生率較高的地區主要是西藏、青海、云南、貴州、新疆等西部地區，人口出生率較低的主要聚集在遼寧、天津和北京等北部地區。到2005年，青海、云南和貴州的人口出生率雖有所降低，但還是較高，人口出生率最高的地區為西藏。到2010年，人口出生率較高的地區仍然是新疆、西藏、青海等西部地區，而人口出生率較低的省市增多，主要聚集在遼寧、吉林、黑龍江、北京等北方地區。到2014年，人口出生率較低的地區相對減少，在人口出生率較高的地區，山東替代了寧夏，其他地區相對保持不變。

由此可見，我國整體的人口出生率明顯在下降。人口出生率較高的地區聚集在我國西藏、新疆、青海等西部地區，人口出生率較低的地區聚集在遼寧、吉林、黑龍江等地。從個別省市來看，山東省的人口出生率由2010年的11.65‰上升到2014年14.23‰，山西省的人口出生率由2001年的13.06‰下降到2015年的9.98‰，貴州省的人口出生率由2001年的18.56‰下降到2014年的12.98‰，云南省的人口出生率由2001年的18.51‰下降到2014年的12.65‰，出現較大的浮動。從區域來看，北部和西部地區的人口出生率均在下降，印證了我國目前低出生率的現狀。但總體而言，我國的人口出生率呈現出由東向西逐漸增強的空間非均衡趨勢，即東部地區的人口出生率相對較低，西部地區的人口出生率相對較高，而各個省市之間的人口出生率又完全不同。

2.3　人口出生率的空間聚集效應

2.3.1全局空間聚集效應

由本文的描述性分析結果可知，人口出生率的空間非均衡性很明顯，而具體展現了什么樣的空間分布還有待考究。本文為了對31個省市各區域的人口出生率進行空間度量，采用全局空間相關性指標分析人口出生率的高低聚集現象，結合ArcGIS和GeoDa軟件，對人口出生率的空間聚集效應進行分析，得到我國31個省市2001—2015年人口出生率的各項指標結果，如表1所示。

分析表1可見：從P值的結果來看，P值均小于0.01，說明2001—2015年中國人口出生率的全局Moran’sI統計量在0.01的顯著性水平下均通過了顯著性檢驗；從Moran’sI來看，數值均大于0，反映出我國人口出生率在全局范圍內有正的空間相關性，而總體趨勢呈現出上升的狀態，從2001年的0.409到2015年的0.483。這也映射出我國人口出生率的空間正相關性具有逐漸增強的態勢，即出生率較高的地區的鄰近省市也是出生率較高的地區，出生率較低的省市與出生率較低的省市相鄰。從ZI統計量來看，均大于2.58，說明我國人口出生率有顯著的空間聚集性。從圖2中也可得到：出生率存在高-高型聚集和低-低型聚集的空間分布格局。為了更好地刻畫出生率的空間聚集性，接下來對局部聚集特征進行分析說明。

表12001—2015年中國人口出生率的全局統計量

變量20012002200320042005200620072008P值0.0010.0010.0010.0010.0010.0010.0020.002Moran’sI0.4090.4260.4370.4240.3820.3550.3520.351ZI3.9113.8394.0224.0463.6573.4243.3933.438sd0.1130.1190.1170.1130.1130.1140.1140.112變量2009201020112012201320142015P值0.0030.0030.0020.0010.0020.0010.002Moran’sI0.3640.3730.3650.3770.3800.4130.483ZI3.4333.4653.5013.5523.6243.7874.507sd0.1130.1160.1140.1150.1130.1180.114

注：顯著性水平為0.01

2.3.2局部空間聚集效應

全局自相關Moran’sI指數度量的是整個研究區域空間變量取值的依賴程度，由于空間數據的異質性，全局空間自相關中可能存在局部隨機性，局部分布高度不均勻或者被少數的一些很大的數值控制，總體的準確度會下降，也會對一些觀測省市特別敏感。全局隨機分布數據中也同樣存在局部空間自相關性。因此，采用局部空間相關性來研究我國人口出生率的空間聚集性以及有哪些空間離群值。本文選擇2001、2005、2010和2015年這4個時間點來分析，得到圖3中的局部空間不穩定性散點圖。

圖3中：橫軸表示標準化后的人口出生率，縱軸表示人口出生率的空間滯后。整體以平均值為軸的中心，分成4個象限，每個象限對應不同的空間自相關類型：1象限高-高型和3象限低-低型反映空間正相關性，也就是典型的空間聚集。從圖3中的1、3象限來看，聚集效應顯著，說明我國的人口出生率在空間上表現出很強的正向空間相關性，即各個省市之間人口出生率相似程度很高。2象限低-高型和4象限高-低型則展示了空間負相關性，說明相鄰省市的屬性相差較大，這部分城市也被稱為空間離群。我國人口出生率的聚集性和離群值見表2。

圖3　2001、2005、2010和2015年我國人口出生率的局部Moran散點圖

年份高-高型(HH)低-低型(LL)低-高型(LH)高-低型(HL)2001廣西、廣東、湖南、江西、湖北內蒙古、河北貴州寧夏、吉林2005廣西、廣東、湖南、江西內蒙古、河北貴州寧夏、吉林2010廣西、廣東、湖南、江西、湖北內蒙古、河北、吉林、遼寧、天津貴州寧夏2015廣西、廣東、湖南、江西、湖北內蒙古、河北、吉林、遼寧、天津、山西、北京貴州寧夏

注：表中未顯示聚集或離群不顯著的城市。

結合表2和圖2、圖3分析可以得到以下3點：

1) 我國人口出生率的空間聚集性越來越明顯，2005年只有9個省市的聚集性顯著，到2015年已經有14個省市表現出很強的聚集性，說明城市之間的發展在互相帶動鄰近城市的進步，彼此之間的相似性也在增加，也可從逐漸增大的全局Moran指數中得到驗證。

2) 2001年和2005年，我國華南地區和華北地區的空間聚集性顯著，到了2010年以后，逐漸延伸到華南和東北地區，這也說明華南地區的人口出生率一直相對較高，而東北地區的人口出生率相對較低，其結論與圖2中的結果相吻合。

3) 貴州相鄰的省市人口出生率相對較高且歷年如此，變化微小(譬如湖南、廣西)，這也說明貴州的發展還有待加強，畢竟孩子的出生意味著巨大的花費，而寧夏和吉林相鄰的省市人口出生率相對較低，例如內蒙古、山西、陜西、黑龍江和遼寧。

3　人口出生率地域差異的測度及分解

人口出生率的空間非均衡性通過全局空間相關性和局部空間相關性得到驗證，說明各個省市之間不僅有同質性，還有異質性。綜合本文人口出生率高低分布和空間聚集情況可見：出生率較低的省市基本是低-低型聚集，例如內蒙古、遼寧、吉林、北京和天津等北方省市，高-高型聚集的主要在中部和東部。為此，本文打破傳統的東中西三大分布局面，依照空間聚集情況和城市人口出生率的高低走勢，將31個省市分成4個梯隊：

第1梯隊(TW1)是遼寧、天津、吉林、黑龍江、北京、河北、內蒙古和山西，人口出生率相對較低且表現為低-低型聚集的省市，主要分布在我國的北部地區。

第2梯隊(TW2)是西藏、青海、云南、貴州、新疆、寧夏、廣西、甘肅和海南，人口出生率相對較高，主要在我國西部地區。

第3梯隊(TW3)主要是華中地區一帶，也外加西南地區的部分省市，主要是陜西、四川、重慶、湖北、湖南和河南,人口出生率在11‰左右。

第4梯隊(TW4)主要是位于華東地區的江西、福建、山東、安徽、浙江、江蘇、上海和廣東，人口出生率大致在13‰。

分別計算4個梯隊的區域內、區域間和總的泰爾指數，以及各個泰爾指數的貢獻率，對人口出生率的區域差異進行測度和分解，結果如表3和圖4、圖5所示。

表3　中國人口出生率的泰爾指數(2001—2015年)

從表3的T值可以看出：我國的出生人口水平存在顯著的區域差異。總體來說，泰爾指數呈下降趨勢，且變化趨勢不平穩；2003年的泰爾指數最高為0.029，說明當年出生人口的區域差異比較突出，而最低為2007年的0.017；從貢獻值來看，Dw>Db，說明區域內的差異是導致總體差異的主要來源。

從圖4可以發現：出生人口空間分布的地區間差異呈現上下波動的趨勢；總的泰爾指數(T)在逐漸降低，說明各個省市之間的差異性在逐漸減小。從區域內(TW)和區域間(Tb)的泰爾指數看，區域內的差異遠遠大于區域間的差異且相對穩定，說明相鄰城市之間的人口發展有一定的空間相關性，在穩步發展的同時影響著我國人口的總體差異。區域間的差異變化與總的泰爾指數變化趨勢相近，由于區域內的差異相對平衡，可以說區域間的地域差異是導致總體差異波動的關鍵因素。2003—2007年的5年時間里，區域間的泰爾指數和總的泰爾指數都從峰值連續下降到觸底，說明隨著時代的進步，城市之間的差異性在逐漸縮小，政府和公民在面對孩子的問題上思想比較統一，也間接說明落后城市在發展的道路上進步很大。之后的幾年里，總的泰爾指數緩慢上升到2011年的0.0201，之后隨著單獨二孩政策和全面二孩政策的影響，區域之間的總體差異還是擴大了。特別是區域間的泰爾指數自2014年后突然猛增到0.0114，這說明全面二孩政策的提出影響了各個區域的出生人口數，也反映了生育政策要有區域針對性才行。

圖4　2001—2015年我國人口出生率的地域差異變化情況

圖5　2001—2015年我國人口出生率四大梯隊的內部差異變化情況

分析圖5的區域內部泰爾指數變化可知：位于北方的第1梯隊(TW1)表現出跌宕起伏的內部差異特性，自2002年開始，內部差異就一直呈現出上升的趨勢，這也表現了北部地區的特點，那就是發展快，面對人口也不例外，并且第1梯隊所屬省市的人口出生率都相對較低，這可能反映出在北方生活節奏快、生活壓力大、生活成本過高的情況下，人們在生育下一代的問題上會慎重考慮，這樣的問題值得探討。地處西北地區的第2梯隊(TW2)人口出生率相對較高，地區發展水平相對落后，隨著時代的發展，人口出生率的逐漸降低，區域內的差異自2002年后一直處于最低值。最近幾年，各個區域之間的出生人口差異性在逐漸縮小，尤其是除去北部地區的第1梯隊外的其他梯隊之間年漸趨于統一，其中2013年出臺單獨二孩政策以后，區域內部差異都在逐漸縮小，特別是北部地區表現最為明顯。

4　結論與建議

1) 2001—2015年，中國的人口出生率呈下降趨勢，且高低分布呈現出一定的非隨機性，部分省市之間有一定的相似性。出生率較高地區主要在西藏、新疆、青海、云南等西部地區，而遼寧、黑龍江、吉林等東北地區的出生率較低，整體呈現出由東向西逐漸增強的趨勢。

2) 我國人口出生率的空間聚集效應顯著，且省市間顯現出相似性聚集，表現為高-高型聚集和低-低型聚集。從圖3的散點圖可知：省市越來越靠近第1象限和第3象限，說明正向空間相關性在增加，并且回歸線的斜率也在增大，說明了我國人口空間聚集效應在加強。從局部Moran分析結果來看，高-高型主要聚集在廣西、湖南、江西、廣東和湖北等華南、華中地區；低-低型主要聚集在內蒙古、北京、天津、河北、遼寧和吉林等北方地區。

3) 我國各省市之間的區域差異明顯，考察期間的差異性在逐漸減小。具體表現為，區域內差異遠大于區域間差異，并且區域內差異相對穩定，說明區域間差異的變動引起了總體差異的變化。第4梯隊的區域內差異主要受北方地區的差異影響，可以說出生率越低的城市，區域內差異越明顯。相比之下華東和華中的區域內差異變化不大，而西北部地區相對穩定。

基于以上結果，建議國家層面在制定生育政策的時候，首先要重視人口的空間非均衡性問題，充分考慮區域差異和各個地區的發展趨勢，統籌解決人口出生率低的問題。其次是通過區域合作、相互配合，合力解決人口問題。區域之間既有相似性，也有異質性，各個省市在人口問題上要制定重點突出、取長補短的方案，完善區域人口政策的有效實施。最后，國家實施的鼓勵生育政策和積極倡導的優生計劃為人口增長創造了良好的環境，但是也要從經濟層面考慮城市的發展是否能承擔人口增長帶來的經濟變動，后續可對此進行分析研究。

參考文獻：

[1]郭志剛.近年生育率顯著“回升”的由來——對2006年人口和計劃生育調查的評價研究[J].中國人口科學，2009(2):2-15.

[2]翟振武，張現苓，靳永愛.立即全面放開二胎政策的人口學后果分析[J].人口研究，2014，38(2):3-17.

[3]翟振武，陳佳鞠，李龍.中國出生人口的新變化與趨勢[J].人口研究，2015，39(2):48-56.

[4]趙儒煜，劉暢，張鋒.中國人口老齡化區域溢出與分布差異的空間計量經濟學研究[J].人口研究，2012，36(2):71-81.

[5]徐海平.我國農村人口老齡化差異測度、分解及影響因素分析——基于2001—2013年面板數據[J].農業技術經濟，2016(8):49-57.

[6]劉華軍，何禮偉，楊騫.中國人口老齡化的空間非均衡及分布動態演進：1989—2011[J].人口研究，2014，38(2):71-82.

[7]晉良花，章琴.人口出生率地區差異對經濟發展影響分析[J].商業時代，2013(16):19-20.

[8]AROCA P,MARIANO B,WILLIAM F.Spatial dimensions of trade liberaliztaionand economic convergence:Mexico 1985—2002[J].World Bank Economic Review，2005,19(3):345-378.

[9]王書霞，王曉峰，常月明.基于Moran’s I和LISA的人口與經濟系統協調性研究[J].統計與決策，2014(6):90-93.

[10] 蘇理云，柳洋，彭相武.中國各省離婚率的空間聚集及時空格局演變分析[J].人口研究，2015，39(6):74-84.

[11] 鄧敏，劉啟亮，吳靜.空間分析[M].北京:測繪出版社，2015.

[12] THEIL H.Economics and information theory[M].Amsterdam:North Holland Publishing Company,1967.

[13] BOURGUIGNON F.Decomposable income inequality measures[J]. Econometrica,1979，47(4):901-920..

[14] SHORROCKS R.The class of additively decomposable inequality measure[J]. Econometrica,1980，48(3):613-625.