中國城市人口空間網絡結構及其影響因素

姚永玲 邵璇璇

摘要：采用社會網絡分析法從城市關系角度研究中國地級及以上城市人口空間結構。發現中國人口空間結構呈現“分散式集中”的特點，大城市病與收縮城市現象并存。進一步從要素分布空間梯度的角度探究人口結構的影響因素發現，城市區位特征仍然是影響人口變動的主要因素，尤其是快速發展的高鐵網絡將成為改變人口空間格局的最主要因素;經濟因素吸引力在降低，公共服務將成為城市吸引人口的重要因素。針對“大城市病”和“收縮城市”問題，應當增加中小城市的公共服務資源供給，在不同等級城市之間進一步推動公共服務均等化，將分級診療制度與城市規模相結合，提高中小城市的工資收入水平，縮小城市間工資差距并控制住房成本，強化局域城市人口網絡結構。

關鍵詞：城市網絡;人口空間結構;社會網絡分析方法

中圖分類號：C922 文獻標識碼：A 文章編號：1000-4149（2020）06-0001-16

改革開放四十多年以來的快速城市化進程，使人口大規模流向城市。但是，近年來隨著城市化由快速增長進入穩定階段，一方面超大、特大和大城市出現了“城市病”，另一方面在一些城市卻出現了“收縮”現象，表明中國人口空間結構出現聚集與分散并存的趨勢;也使得人口遷移由城鄉之間轉向城市之間。正是城市之間在資源和人口等各要素上展開的更為激烈的競爭，導致了城市擴張與收縮的不平衡分布。陳川等在研究小城鎮的收縮問題時，將收縮原因歸結為要素對人口的吸引力在空間上的差異，并指出小城鎮由于聯系網絡較弱、依附性較強而容易發生城市收縮。劉玉博和張學良也認為城市收縮一定程度上體現了“城市人口聚集能力的減弱”。因此，從城市關系及其形成的人口吸引力方面探索人口流動機制是深刻理解人口空間結構及其演變趨勢的有效途徑。本文利用社會網絡分析方法，通過研究全國地級及以上城市人口網絡結構、影響因素及其變化趨勢，探究中國城市人口空間分布的內在規律，為未來城市發展和人口空間政策提供依據。

一、文獻綜述

早期的人口空間分布研究主要采用人口集中指數、人口重心、聚類分析、負指數函數等考察人口分布模式及其變化;自改革開放以來，中國人口的流動性勝過以往任何時期，大量研究集中在人口空間結構。在全國空間尺度方面，學者們從各種角度提供了胡煥庸線作為人口分界線的證據。其中，王桂新、劉濤和楊傳開等發現，在胡煥庸線基本不變的情況下，內陸地區吸引流動人口的能力在不斷強化;但勞昕和沈體雁卻發現，在人口仍然從西部落后地區向東部發達地區流動的大背景下，其空間分布有趨同態勢。在局部空間尺度上，毛其智等對比2000年和2010年的城鎮化圖景發現，中國城市統計區和高密度城鎮化地區都呈現出明顯的空間擴張態勢;但鄧智團和樊豪斌卻認為，中國中小城市人口規模增長動力相對不足，曾永明也指出中國人口分布極化特征將持續加大。同時，李博等發現，改革開放以來省內人口空間分布差異和地級行政單元內的空間分布差異在增強;張國俊等也發現了人口在不同城市群表現出不同的集聚和擴散效應。可見，中國的人口空間結構在全國整體穩定的“表面現象”之下，局域尺度的空間結構正在發生重大變化，需要從空間（或城市）關系角度研究人口的聚集與擴散機制。

在人口的空間結構及其影響因素方面，多數研究根據人口分布的變化認為，人口仍然保持向大城市集中的趨勢，而且更多受到城市經濟社會因素的影響。如，張耀軍、岑俏從省市縣三個層面對省內和省際人口遷入進行了可視化分析，指出珠三角、長三角和京津冀人口集聚中心地位保持不變;劉濤等根據中國第五和第六次人口普查數據發現，流動人口最多的1010城市接收了45.5%的流動人口：勞昕等在2018年采用擴展的NEG模型模擬城鎮體系演變后發現，中國仍表現為人口向100萬人以上大城市流人為主的集中式城鎮化特征;戚偉等對市縣級流動人口核算后發現，社會經濟因素逐步成為影響地區人口變動的主導因素。但是，該研究對人口流動進一步形成的空間結構以及城市哪些因素對人口規模變動更有吸引力沒有涉及。在一些專門探討人口流動影響因素的研究中，不同研究的專注點有較大差異。田明等在2016年對人口遷移特征的研究發現，第一次遷移的城市區位影響后續遷移傾向;芬尼（Finnie）2004年對加拿大跨省遷移的數據進行logit分析后指出，小城鎮居民更愿意遷往收入高的城市地區;劉濤等從農村勞動力角度認為，非農就業機會和公共服務影響人口流動;張耀軍、岑俏認為，就業率影響城市的流動人口;沈建法和劉曄2016年研究移民技能對遷移的影響發現，無論技能高低，吸引移民的都是高工資;王玉霞等2019年針對春節期間的人口移動研究發現，第二和第三產業發展和工資水平以及外商投資與流動人口密切相關。人口作為社會經濟的綜合載體，各因素都會影響人口移動。隨著城市之間對人口競爭的日益激烈，研究人口空間結構的影響因素，更需要從城市之間的差異角度，分析人口在不同城市之間的選擇機制。顯然，已有研究還缺乏對城市吸引人口要素空間分布差異的考慮。

截至2019年底，中國人口城鎮化水平達60.6%，接近中高收入國家水平，這標志著人口城鎮化將進入增速趨緩的新時期。與此同時，城市群和都市圈將是人口主要集中地區，從而使人口流動表現出近域化趨勢。從人口流動的空間關系角度出發，劉穎等采用空間計量模型分析后發現，省際人口流動具有明顯的空間依賴性特征，凈遷移率變化受周邊地區的正向影響。葛美玲、潘倩和戚偉等采用多種統計指標發現了中國人口分布的空間自相關特點：吳殉等發現中國省域人口密度分布在全局自相關上均呈現空間正自相關;同時，吳雪萍和趙果慶發現，在空間自相關和空間位置相關共同作用下，東部沿海地區已經形成了城市人口規模聚集區。以上結論表明，人口分布存在空間相互作用關系。由于人口流動主要取決于吸引人口要素的空間分布，僅有空間相關的結論尚無法解釋人口空間流動態勢，因而需要建立各影響因素的空間分布梯度，以考察這些因素的空間分布格局對人口流動的影響。

近年來，網絡分析工具的興起深化了人口網絡結構的研究。蔣小榮和汪勝蘭認為，城市間人口流動網絡顯現出明顯的等級層次性;但研究僅限于對人口網絡結構特征的描述，沒有揭示影響人口網絡的其他因素以及這些因素所構成的空間網絡。勞昕等2016年對比中國城市交通網絡和經濟網絡的耦合關系后認為，交通網絡與經濟網絡對城鎮體系的作用完全相反，現有模型還不足以解釋它們對人口網絡結構的具體影響。本文采用社會網絡分析方法，對全國地級及以上城市構建人口非對稱空間網絡;并分別選擇對人口空間流動有重要影響因素的空間梯度指標，構建非對稱的自變量空間網絡;通過基于城市人口規模體系構建的城市網絡，以及城市網絡所表現的城市關聯，分析人口空間結構演變趨勢及各因素空間分布格局對人口流動的影響，進而為人口空間政策提供依據。

二、研究方法與數據

空間網絡主要探討所研究對象之間的空間關系，一般以對稱網絡最為普遍。但是基于要素的空間分布對人口流動的影響，需要揭示要素空間分布格局對人口形成的吸引力差異;盡管城市之間的聯系對等，但要素在不同規模城市分布所形成的梯度差異較大，從而形成了完全不同的人口吸引力。因此，人口空間結構的影響因素必然是基于非對稱關聯矩陣構建的非對稱網絡。

1.非對稱關聯矩陣的建立

關聯矩陣所使用的數據類型不同，網絡結構所表示的意義也會發生變化。當采用空間“流”數據時，網絡特征值主要體現的是空間多點之間的聯系;當采用規模等存量數據時，網絡特征值可以反映多點之間形成的空間結構。構建城市之間人口關聯的途徑主要有兩種，一是基于手機信令反映的實時數據描述人口流量，二是采用人口規模數據的引力模型構建關聯矩陣。由于城市“流”數據反映的是城市之間實際發生的最直接聯系，更適用于城市群;引力模型則是根據城市規模與距離推測城市關系，規模越大，引力越強，其空間結構意義遠大于空間流意義，更適合較大空間尺度的規模結構;另外，引力模型基于城市規模對可能發生的城市關系潛力進行估算，反映了未來可能發生的結構趨勢。波特（Poot）等在2016年通過對參數穩定性和距離測度的討論，從引力模型起源、發展、變形和應用等角度，進一步確認了引力模型在人口空間流動中的適用性。因此，本文采用引力模型構建全國的城市人口網絡結構，通過時間變動發現未來趨勢，并以空間結構變動的影響因素探索人口空間變動機制。

在構建空間網絡前需要建立兩兩城市之間的關聯矩陣，一般而言，空間關聯矩陣有對稱與非對稱兩種形式。前者主要強調兩兩城市之間的關聯強弱而忽略兩者屬性和資源分布差異，后者則更注重城市屬性和資源分布差異導致的要素分布空間梯度，即城市之間屬性和資源分布差異導致人口流動。由于人口流動的趨利性，我們通過對比不同規模等級城市之間對要素競爭力的強弱，構建城市規模等級的非對稱矩陣，解釋人口空間結構變動趨勢及其影響因素。因此，在構建自變量和因變量網絡時，除了空間鄰近性和通過鐵路交通建立的城市關聯矩陣外，我們對人口的因變量網絡和其余自變量網絡建立非對稱的關聯矩陣。

2.網絡結構分析方法

社會網絡分析（Social Network Analysis）可以利用空間單元之間的關系建立網絡，并分析空間結構，是目前最為常用的網絡分析工具。城市之間在“中心地”和“流空間”共同作用下所表現出的關聯，正體現了空間網絡結構。

網絡結構特征包括整體網絡結構特征值和網絡節點特征值。整體網絡結構通過網絡密度、網絡聚類系統和中心勢體現。其中，網絡密度反映了網絡中各節點之間的結構緊密度，以實際發生關聯數與網絡中最大可能發生的關聯數的比值來體現，值越大說明要素在城市網絡之間流動越通暢、速度越快、強度越大。網絡聚類系數用網絡的平均加權聚類系數表示網絡的整體凝聚力，從圖論角度，網絡聚類系數顯示的是網絡中與同一個節點相連的節點之間也相連的可能性，可能性越強說明網絡的凝聚性越好。

網絡節點特征方面，我們用人度中心度表示人口由低級別城市向高級別城市流動而形成的聯系，出度中心度表示人口由高級別城市向低級別流動的聯系，中間中心度表示人口流動經過的城市，在網絡起中介作用。網絡中心勢指標以節點特征值為基礎構建，表示各節點與中心節點之間構成的向中心趨勢，即網絡中各節點都傾向于某一個點或某幾個點發生關聯，在非對稱網絡中，分別用出度中心勢、人度中心勢和中間中心勢表示聯系的不同方向。在人口非對稱網絡中，利用該類指標可以發現人口在整體網絡的聚集特征。選定構建關聯矩陣的方法后，具體的計算公式如下：

3.網絡結構影響因素的QAP回歸方法

在考察影響人口網絡結構及其變化因素時，一方面要考慮各影響因素的復雜性，另一方面要考慮各影響因素的空間分布格局，尤其是分布的空間梯度差。傳統的計量回歸方法將城市屬性因素作為自變量，節點網絡特征值作為因變量，計算不同因素對城市網絡地位的影響系數。這種方法不能反映影響因素的空間分布格局，難以厘清城市之間關系以及影響因素的空間梯度差對人口流動的作用，且不能解決內生性問題。社會網絡分析方法可以通過探究多個網絡之間的相似性，在構建空間單元網絡結構基礎上，對因變量網絡和自變量網絡進行回歸，分析人口網絡結構的影響因素。具體操作上，采用二次指派程序（Quadratic Assignment Procedure，QAP）方法，將因變量和自變量矩陣轉換為長向量矩陣，進而比較對應的各網絡節點格值之間的相似性;采用矩陣之間的相似系數作為回歸結果，可以避免傳統計量回歸分析中的多重共線性問題。相似系數的顯著性檢驗，采用隨機置換行列數據的方法，以矩陣數據的多次行列置換為基礎，對系數和R²進行非參性檢驗，包括矩陣相關性分析、矩陣列聯表分析和多元回歸分析。

在采用QAP方法建立自變量與因變量網絡之間的相關性時，需要事先界定因變量的影響因素。經過對已有文獻的研究，我們基于城市區位屬性和影響人口流動的收益（包括福利）與成本的資源分布，假設城市之間的地理鄰近性、交通聯系、城市的就業規模、工資收入、公共服務水平和住房成本是影響城市人口的主要因素。其中，城市區位屬性包括地理鄰近性和交通聯系;收益和福利包括就業規模、工資收入和公共服務水平;成本用住房成本代替。理由如下。

地理鄰近：地理學第一定律表明，地理距離是影響所有要素流動的首要因素。已有研究和實踐證明，空間距離越遠，人口遷移的阻力越大;相反，地理鄰近有利于人口流動，相鄰地域更易通過人口流動和交往形成聯系。田明2016年的研究發現，城市位置不但影響人口的首次遷移，而且決定后續遷移潛力;魯永剛和張凱的研究發現，在地理距離阻礙勞動力流動的同時，勞動力更偏向于方言和文化接近的鄰近城市;劉穎等的省際人口流動空間依賴性和大多數關于人口分布空間相關的研究也說明，在地理距離對人口遷移影響的過程中，是否鄰近表現得更為突出。因此，本文在考慮地理因素對人口遷移產生影響時，采用的是城市之間是否鄰近。由于地理鄰近在兩兩城市之間為對稱關系，在構建自變量網絡時，我們建立城市之間行政區劃鄰近位置的對稱關聯矩陣。

交通聯系：交通聯系突破了空間距離束縛，使人口流動更加方便，交通可達性越高越有利于人口在地區間發生流動和遷移。馬偉等采用引力模型發現，交通基礎設施改善能夠顯著促進勞動力自由流動和空間配置。尤其是，中國高鐵的快速發展，促進城市之間人口流動的作用已成為世界共識。馬學廣和唐承輝的研究證明了高鐵客流量的增加對城市網絡結構產生了重要影響;與此同時，蔣海兵等發現，由于高鐵開通的空間非均衡性，加劇了大城市和城市群的極化效應;林曉言等的研究發現，開通高鐵的城市比不開通城市對人力資本具有更明顯的吸引力;張明志等發現，高鐵開通在吸引人口方面，城市之間存在明顯異質性。將交通聯系作為影響城市人口網絡的自變量，可以體現出對不同城市影響的差異。鑒于交通聯系在兩兩城市之間的對稱性，我們對城市之間的鐵路交通時間建立對稱關聯矩陣。

勞動力規模：一般來說，勞動力資源傾向于從規模較小城市流向規模較大城市，兩城市之間的就業規模相差越大，勞動力流動的趨勢越強。王玉霞等2019年采用位置感知大數據的研究表明，即使是春節短暫的人口流動，當地的第二和第三產業發展水平對人口吸引力也很顯著。劉濤和張耀軍等采用省市縣人口普查數據的研究發現，除了工資和公共資源外，產業尤其是第三產業發展水平對城市人口有顯著影響。產業發展水平從城市整體來看代表了城市經濟發展水平，從人口個體遷移動機來看則表示了就業機會。近年來，隨著人工智能技術的突飛猛進，“機器換人”的趨勢日益顯現，根據麥肯錫2019年對中國的分析報告預測，到2030年，有700萬-1200萬的崗位可能會被機器人徹底替代，而且主要發生在第二產業。為了突出城市就業崗位對人口的吸引力，我們放棄非農產業發展水平，選擇城市勞動力規模表示就業機會對人口的影響。由于勞動力對就業機會表現出明顯的“逐高”性，選擇兩城市之間的城鎮單位就業人數作為自變量，采用其分布的差異梯度建立勞動力從小規模城市向大規模城市流動的非對稱差異矩陣。

工資收入：工資收入是勞動成果的直接反映，也是人口作為勞動者最直接的收益渠道，無論在何種情況下，工資收入水平都是吸引人口的直接原因。張耀軍和岑俏的研究認為，當地工資是影響人口遷入的主要原因之一，芬尼2004年研究認為加拿大人口從小城鎮遷往大城市的最主要原因就是大城市的高工資：沈建法和劉曄研究高技能和低技能遷移的差異性時發現，無論是高技能還是低技能移民，工資都是最主要影響因素;王玉霞等2019年的研究也考慮了工資水平。同樣，勞動力流動對工資表現出的“逐高”性，使勞動力傾向于流向工資高的城市，兩城市工資差異越大，高工資城市對勞動力的吸引力就越強。根據勞動力從低工資城市向高工資城市的流動趨勢，這個自變量網絡可以用兩城市就業平均工資差異梯度建立非對稱的工資差異矩陣。

公共服務：公共服務是人居城市的核心內容，其完善程度決定了城市對人口的吸引力大小，人口流向大城市的原因很大程度上在于大城市的公共服務資源多、質量優。城市作為人們追求美好生活的場所，完善的公共服務是其區別于傳統農村地區的最大優勢。劉濤等、張耀軍和岑俏的研究結論中，對人口有顯著影響的因素都包括了公共服務（公共資源）。當前中國城市公共服務均等化方面的不足，主要體現在基礎教育和醫療服務;研究發現教育和醫療是城市吸引人口的主要因素。改革開放以來中國經濟高速增長的同時，公共服務投入卻相對較低。2020年初的新冠肺炎疫情，更突顯了城市公共衛生服務的重要性，尤其是醫院床位數更是成了城市的生命線。本文采用每個城市的中小學教師人數和醫院床位數的空間梯度差，對這兩個自變量分別構建非對稱矩陣。

住房成本：人口作為城市的消費主體，還受到一般消費品、住房和交通等生活成本的約束。高波和張莉等研究流動人口的生活成本構成后發現，不斷增長的高房價是高生活成本的主要支出;范劍勇等認為，勞動力在城市之間的流動會遵循“工資+公共產品-居住成本=保留效用”的規律。我們將城市居住方面的支出去除水電燃料等基本消費后，城市居民的居住消費占總消費比例由1999年的14.97%上升到2018年的57.71%。根據中國社會科學院的測算，居民住房還貸支出與可支配收入之比接近40%。各種研究都表明，房價差異正在成為人口流動的一個主要原因。本文根據兩城市間的商品房均價差異，對于這個網絡自變量構建非對稱的房價梯度差異矩陣。

4.數據來源與處理

已有全國性的人口空間分布研究中，主要采用的是第五次和第六次人口普查數據。一是中間10年的間隔過長;二是2010年距今也將近10年，中國城鎮化水平已由2009年的46.6%進入到2019年的60.6%，從低于全球平均水平發展到高于全球平均水平，并超過50%的半數線，接近中高收入國家水平。顯然，采用這兩次普查數據所得出的結論有些滯后。為了縮短人口變動的時間間隔，也為了與中國五年中長期發展規劃對應，以“十一五”、“十二五”和“十三五”規劃起始年為節點，選擇2006年、2011年和2016年三個時點的人口網絡空間變化，描述其變動趨勢。

本文的研究對象是全國地級及以上城市，剔除數據缺失嚴重、行政變動較大（無法保持一致性）、邊疆“地區”單元等城市，最終篩選得到234個城市樣本。城市人口空間網絡構建所需要的數據采用各城市市轄區常住人口，其中2011年和2016年的人口數據皆為《中國城市統計年鑒》中的常住人口數據，2006年數據通過用地區生產總值/人均地區生產總值獲得，少量缺失值則從相應的地區年鑒或統計公報中補充;引力模型中的空間距離利用Python語言從百度地圖中抓取。

影響因素變量中，地理鄰近性，以城市行政區劃有共同邊界作為指標，根據中國地級以上城市的基礎地理信息，用ArcMap 10.2軟件，將城市行政邊界相鄰的城市標出，鄰近城市賦值為1，否則為0;交通可達性，從中國鐵路當年時刻表中查詢兩兩城市之間的最小鐵路交通時間（包括直達和換乘），經過對54576條記錄整理和篩選，對原始時間采用倒數形式表示鐵路交通可達性，按數值的四分位數，將城市間的交通可達性劃分為1-4四個等級，可達性越好，聯系度越高;就業人數、平均工資、中小學教師人數和醫院床位數等自變量數據均來自《中國城市統計年鑒》（2007、2012和2017）;城市住房價格數據來自國家信息中心房地產信息網當年的全國地級市商品房平均銷售價格。

采用以上數據構建網絡時，除地理鄰近性本身為二值形式、交通可達性為1-4不連續值以外，各城市之間的就業人數、平均工資、房價、教師數和醫院床位數的差值，都以i城市與其他城市之間的平均關聯值（以i城市的行均值）為閾值進行二值化處理，大于該值說明聯系強度大于i城市與其他城市的平均聯系強度，設為1，否則為0。

三、中國城市人口空間網絡結構及其變動特征

1.人口分布的城市關聯矩陣及其變動

基于引力模型建立的非對稱矩陣初步反映了兩兩城市之間的人口規模關聯。在關于234個城市的非對稱關聯矩陣中，計算出的接收和發出關聯共有54522對關聯強度值（除去城市本身），描述性結果見表1。

表1顯示，各數值變化較小，說明各城市之間的引力強度處于穩定狀態;平均值在0.59-0.74之間，中位數卻僅在0.05-0.065之間，最大值與最小值的差異相當大，說明全國地級及以上城市之間的引力聯系強度相差較大，即高等級城市與低等級城市之間引力強度的差異在擴大。

建立關聯矩陣時，為了更好地觀察城市之間的關系，我們以行均值作為閾值對引力強度矩陣進二值化處理，得到234個城市與其他城市的引力強度閾值（結果見表2）。

表2中行閾值表示某城市與其他城市的引力強度門檻值，全國各個城市三個時點的門檻值范圍分別為0.00015-6.552、0.00021-10.774、0.00024-12.164，總體上也印證了表1的結論。另外，近十年來該閾值的最大值增加幅度超過了最小值增加幅度，城市對之間的關聯度兩極分異在擴大，一定程度上也體現了中國城市人口空間分布的局部關聯性在增強。

為了便于觀察內部結構變化，我們采用幾何間隔法，按照引力強度值，將全國54522個城市對引力強度值劃分為6個級別，1級最弱，6級最強。再按照引力的方向將其分為發出和接收兩類，分別以234個城市發出和接收到引力強度的最大值為準，計算每個城市在發出和接收聯系中所處的級別（結果見表3）。

表3顯示，總體來看，低引力級別城市接收聯系的城市數量少于發出聯系的城市數量，高引力級別城市接收聯系的城市數量多于發出聯系的城市數量，說明高引力級別城市在吸引人口方面仍然具有明顯優勢。因此，人口分布的空間關聯矩陣結果說明，中國城市人口空間結構正在向局部聚集發展。

2.整體網絡結構特征及其變動

整體網絡結構通過網絡密度、網絡聚類系統和中心勢體現。網絡結構三個特征值分別反映了整體網絡結構的不同側面，不同時段網絡特征指標變化可以說明空間結構的變動（特征值見表4）。所有數值區間是[0，1]，值越接近1，說明網絡結構越緊密，反之則網絡結構越不明顯。

表4顯示，2006年、2011年、2016年三個時段中，中國城市人口網絡密度均較小且變化不大，說明網絡緊密度雖然較小，但較穩定;聚類系數年平均值基本在0.5左右，說明人口網絡結構表現出一定的凝聚力。人度中心勢平均值僅為0.183，先小幅下降后大幅升高;與此同時，出度中心勢先小幅升高后大幅下降，均值并沒有超過0.2，且入度中心勢增幅快于出度中心勢，說明整體網絡的向中心性仍在變強，中心城市的吸引力仍然大于擴散力;中間中心勢均小于入度和出度中心勢，也佐證了整體結構較為松散。但仍然存在局部凝聚力，且凝聚力表現為高級別城市之間以及高級別城市對周邊城市的凝聚力在增強，邊緣城市在減弱。這正是邊緣城市人口脫離主體城市網絡的主要原因。

3.節點網絡特征及其變動

節點網絡的點度中心度，用網絡中與該點直接相連的其他節點的個數表示;非對稱網絡中分別用人度中心度和出度中心度表示該城市的聚集力和擴散力。由于上述網絡整體結構特征值顯示，三個時段的網絡結構較為穩定，故這里僅對2016年的節點特征進行分析。利用Ucinet 6.5.6軟件對上述特征值計算，結果見表5。

表5顯示，入度和出度聯系處于中間級別的城市對數量最多，依次向兩端減少，符合正態分布;但是，最高聯系級別的城市數量無論是人度還是出度都遠大于最低聯系級別的城市;同時，最高級別的入度大于出度城市數量。節點網絡特征表明城市網絡中向高等級城市的聚集力大于向低等級城市的擴散力。為了進一步顯示不同節點城市的分布，采用ArcMap10.2軟件，按自然斷裂法將各城市2016年的入度中心度和出度中心度都劃分為五類，并顯示出它們的分布，結果顯示，入度中心度高的城市有徐州、鄭州、合肥、武漢、濟南、石家莊、天津、北京、上海、南京等，表現出以國家中心城市、一線城市、省會城市為中心，對人口有較強吸引力，是人口主要流入地區。與此同時，出度中心度高的城市主要有烏魯木齊、鷹潭、南昌、延安、榆林、嘉峪關、包頭等，主要分布在遠離中心城市的地區，以“老少邊窮”區域居多，說明邊緣地區城市是人口主要流出地區，更容易出現“城市收縮”。

總結上述人口空間關聯、整體網絡和節點網絡特征的結果，中國城市人口空間結構正在向局部聚集發展;核心城市對人口的聚集力在增強，邊緣城市不斷向中心城市輸出人口;以城市規模等級體系為核心的“大分散、小集中”的“分散式集中”格局正在形成。

四、中國人口網絡結構影響因素

網絡的影響因素有兩種方式：一種是對節點屬性特征影響因素的分析，通常是提取節點的網絡特征值，然后采用常規的回歸分析，由于回歸中不涉及網絡關系，故不能反映網絡關系的影響因素;另一種是針對網絡結構影響因素的空間分布形成的網絡，采用社會網絡分析方法中的二次指派程序（Quadratic Assignment Procedure，QAP），對不同網絡的關聯矩陣進行相關性分析，這種方法可以突出節點之間的網絡關系，能夠反映要素在網絡中的流動趨勢。在進行QAP多元回歸分析之前，需要對各網絡聯系矩陣進行相關性檢驗，然后才能對自變量網絡和因變量網絡進行回歸。

1.各變量網絡的相關性檢驗

QAP分析以網絡關聯矩陣相似性為基礎。本文所選變量在三個時段各網絡之間的相關檢驗見表6。

表6顯示，地理鄰近性、交通聯系度、就業人數、平均工資、房價、教師人數和醫院床位數梯度與人口關聯網絡的相關系數都顯著。其中，地理鄰近性、交通聯系度、教師人數和醫院床位數梯度與全國人口網絡呈顯著正相關，就業人數和房價梯度與人口網絡呈顯著負相關;工資梯度與人口關聯網絡2006年顯著正相關、2011年不顯著、2016年顯著負相關。總體來看，相關性檢驗結果表明可以在此基礎上進行QAP回歸。

2.QAP多元回歸結果

采用Ucinet 6.5.6軟件中的QAP分析工具，樣本數為233*234=54522，基于54522個回歸樣本在不同網絡間的相似性比較，得到不同網絡間的關聯系數。回歸結果見表7。

表7顯示，從2006-2016年，所構建的自變量網絡對人口關聯網絡的解釋力在增強。為更清楚地表示影響因素的變化程度，將各因素影響系數繪制成圖（見圖1）。

圖1顯示，地理鄰近性影響顯著為正，但有下降趨勢;交通可達性打破了地理因素限制，對人口網絡結構的影響最為突出，且影響程度不斷上升。結果表明，城市區位因素仍然對城市人口起決定作用。尤其是高鐵快速發展縮短了時間成本，改變了城市的區位特征和相互關系，對城市吸引人口的作用更加明顯。與網絡節點特征結合可以看出，具有交通樞紐作用的國家和區域中心城市更有優勢吸引人口。

在收益方面的三個因素中，勞動規模梯度差對人口一直呈現顯著負向影響，說明處于網絡中心城市的就業機會已經對人口失去了吸引力，結合城市網絡節點特征，具體表現為人口傾向于從中心城市流向外圍城市。勞動工資梯度影響一直顯著為正，但影響力出現下降趨勢，說明處于網絡中心的城市高工資仍然是吸引人口流人的重要因素，但這種吸引力在下降;教育和醫療空間梯度對人口流入大城市均有顯著正向影響，說明處于網絡中心城市真正吸引人口的是這些城市較多的教育和醫療資源。

在成本方面，房價價格梯度顯示出的顯著負向影響，說明中心城市高房價成為吸引人口的抑制性因素得到顯現，這一點在相關研究中也得到印證。結果表明，城市高工資對人口的吸引力在一定程度上被高房價抵消，中心城市的工資溢價出現了劣勢，從而失去了對人口的吸引力。與此相反，外圍城市會因為承接產業轉移和較低房價，對人口產生更大的吸引力。

五、結論與建議

采用社會網絡分析方法研究全國地級及以上城市人口規模等級所形成的網絡及其影響因素。一方面，突出了基于城市關聯所構建的人口空間結構;另一方面，從空間網絡相互作用角度，發現影響人口流動的主要因素，可以為國土空間規劃提供依據。中國人口空間結構正在出現以城市規模等級體系為核心的“大分散、小集中”的“分散式集中”格局，依托生產要素逐步形成緊密聯系的城市群，這將促使人口在整個國土空間中呈現出“組團”狀的空間分布格局。

對影響因素進一步分析表明，城市區位特征仍然是影響人口變動的主要因素，尤其是快速發展的高鐵網絡將成為改變人口空間格局的最主要因素。隨著全國范圍內“八縱八橫”高速鐵路格局的形成，人口將從經濟中心城市向鐵路網絡中心城市擴散，從而在全國空間尺度上趨于均衡。在公共服務的兩個變量和經濟因素的三個變量中，前者結果表明，大城市具有的社會資源對人口具有顯著吸引力;后者反之。結果表明，隨著城市居民生活質量需求愈益增強，經濟因素的吸引力在降低，公共服務表示的福利因素將成為城市吸引人口的重要組成部分。其中，影響人口流動收益和成本的三個變量中，就業規模和住房成本表現為城市之間差距越大，人口越容易流向網絡外圍城市，這種差距成為擴散力的基礎，影響人口的空間分布;它與不斷降低的大城市工資對人口的吸引力共同說明，大城市的市場擠出效應不利于人口繼續流入。這一點與整體網絡中人口“大分散、小集中”的結構特征相結合表明，網絡中心城市人口將流向外圍城市和周邊中小城市，為已有研究中人口空間結構在全國整體趨于均衡“表面現象”之下，局域尺度空間結構正在發生重大變化提供了證據。

因此，針對“大城市病”和“收縮城市”的問題，應當增加中小城市的公共服務資源供給，在不同等級的城市之間進一步推動公共服務均等化，將分級診療制度與城市規模相結合，減少大城市人口流入壓力，增強中小城市對人口的吸引力。同時，按照人口規模等級體系，構建大城市與中小城市之間的產業空間分工，形成合理的勞動力規模和工資收入梯度，提高中小城市的工資收入水平，縮小城市間的工資差距并調控住房成本，強化局域城市人口網絡結構。

[責任編輯 方志]