我國人口分布區域差異分析

李 月

(哈爾濱商業大學，哈爾濱 150028)

人口分布對于城市的發展極為重要，研究人口的區域差異，探索與其他因素的聯系對于一個城市的經濟、環境、資源等可持續發展有十分重要的意義。大量文獻研究范圍主要選取全國與區域作為研究對象[1]，由于數據的可獲得性，研究尺度多數基于省級數據、地市級數據，少數研究用到了縣級數據。隨著科技的進步，數據得到了更好的完善，一些學者基于鄉鎮數據乃至街道的數據也做出了研究，使得研究結果更具說服力[2]。大多文獻選取人口密度作為研究指標，采用基尼指數、人口重心、洛倫茲曲線、空間自回歸等方法研究人口分布及演變特征。為探討近年來的人口分布變化情況，選取2013—2017年全國31個省份常住人口數據，利用探索性空間數據分析等方法，對我國人口分布進行分析，了解其區域差異，對于區域人口密度差異大的城市進行分析，為我國人口政策的調整提供參考依據與政策建議。

1 數據來源及研究方法

1.1 數據來源

以我國31個省份為研究尺度，2013—2017年年末常住人口數據來源于《2017中國人口和就業統計年鑒》，空間數據來源于2010全國行政區劃。

1.2 研究方法

空間自相關是指變量在空間上與鄰近的變量存在相關性，利用統計學方法研究變量間在地理空間上與周圍單位的關系，分析變量在空間上的分布特征，可以確定研究變量在空間上的相關性與相關程度。

全局空間自相關模型。全局空間自相關反映了研究變量在整個研究區域的總體特征，用于判斷變量是否與相鄰空間的變量存在相關，其計算式為：

(1)

局部空間自相關模型。局部空間關聯指數可以反映局部地區與其鄰近地域單元之前的關聯性，其計算式為：

(2)

當局部莫蘭指數Ii大于0，表示一個高值被高值所包圍(高-高)，或者是一個低值被低值所包圍(低-低)。當局部莫蘭指數Ii小于0，表示一個高值被低值所包圍(高-低)，或者是一個低值被高值所包圍(低-高)。

2 結果分析

2.1 人口密度分區

一般來說，人口密度可以直接表現出人口分布的主要形式和地區差異，利用等間隔法將各省市的人口密度分為7個等級：高度聚集區、一般聚集區、輕度聚集區、過渡區、輕度稀疏區、一般稀疏區、重度稀疏區。將2013年與2017年的人口密度劃分進行對比，結果如表1：

表1 全國人口密度分區統計Tab.1 Statistics of density of population in China

從分區表可以看出，從2013年到2017年人口密度為輕度稀疏區的省份個數有所下降，過渡區與輕度聚集區都有所上升，說明人口密度總體上呈上升趨勢，但一般稀疏區與嚴重稀疏區仍然未改變，與高度聚集區和一般聚集區差距較大，說明人口分布依舊處于不平衡分布狀態。根據密度等級運用Arcgis軟件對31個省市作出人口密度分布圖，如圖1：

圖1 2013年、2017年全國人口密度分布圖Fig.1 Distribution diagram of population density in China in 2013 and 2017

從單個省市來看，上海與北京、天津分別穩定在高度聚集區與一般聚集區；黑龍江、甘肅與新疆、西藏、青海及內蒙古分別穩定在一般稀疏區與高度稀疏區；貴州、廣西從輕度稀疏區變成了過渡區；一般聚集區向北增加了河北省。從全國總體來看，由于西北地區及西藏地理位置及地形的影響，高海拔導致人口密度較低。東北地區的人口密度自南向北逐漸變低，這是氣候的原因導致，越往北溫度越低。人口密集的地方多數分布在華東、華中、華南地區以及華北地區東部。2013---2017年西南地區的人口密度有所增加，其中增加的省份緊鄰人口密度相對大的華中地區。

2.2 全局自相關分析

運用Geoda軟件建立鄰接空間權重，對2013—2017年的各省份人口密度數據進行空間分析，計算全局Moran’s I指數，得到結果如表2：

表2 全局Moran’s I指數Tab.2 Overall situation Moran’s I index

從表2全局Moran’s I指數可以得到：2013—2017年全國各省人口密度數據的全局Moran’s I指數均大于0，對應的P值都遠小于0.05，拒絕原假設，即全國各省人口密度存在正相關關系。Moran’s I指數隨著年份的不斷增加，表明我國人口分布聚集程度在不斷增加。

2.3 局部自相關分析

運用Geoda軟件作出Moran’s散點圖及Lisa聚類圖。經計算得到2013年、2015年和2017年的人口密度分布的Moran’s散點，如圖2：

圖2 2013年、2015年、2017年人口密度Moran’s散點圖Fig.2 Population density Moran’s scatter diagram in 2013,2015 and 2017

從整體來看，2013—2017年，我國人口分布未發生較大改變，人口密度的聚集類型比較穩定。Moran’s散點多數分布在第一象限(高-高)與第三象限(低-低)，極少分布在第二象限(低-高)與第四象限(高-低)，也說明了人口分布存在空間正相關。其中，第三象限中的散點基本都在紫色斜率線周圍波動，表明“低-低”集聚類型的省市人口密度不存在較大的差異，而第一象限中的散點與紫色斜率線偏離較大，說明“高-高”集聚類型的省市人口密度有較大的差異。

圖3 2017年人口密度LISA聚類圖Fig.3 Population density LISA dendrogram in 2017

LISA聚類圖能直觀地從地圖上反映不同聚集類型，再通過Z檢驗值的基礎上(P=0.05)繪制了LISA聚集圖,得到以下結果：“低-低”類型的省份有8個，主要分布在西北地區以及西南地區。由于該區地普遍海拔高，晝夜溫差大，受到環境，經濟與教育水平不均等的影響，導致該地區人口密度較稀疏，呈現出人口低密度聚集。“高-高”類型的省份有2個，主要分布在華東沿海地區。該地區經濟水平較高，吸引了大量人口，導致人口密度大，呈現出人口高密度聚集。總之，全國熱點地區(高-高)與冷點地區(低-低)均具有聚集性，在地圖上呈“整片式”分布，說明全國人口分布具有空間自相關性。

3 結論與討論

利用Arcgis與Geoda軟件的空間分析功能對2013—2017年31個省市的人口密度進行分析，探索全國人口分布以及區域差異，得到以下結論：

利用等間隔法將人口密度分成7個等級，結合arcgis軟件看出，華東及華北地區人口最為密集，其次是華中及華南地區，再次是西南地區，西北地區人口密度最為稀疏，其中東北地區的人口密度由南至北逐步減少。隨時間推移，全國人口密度有所上升，主要是西南地區的人口密度有所上升。

通過Moran散點圖與LISA聚類圖發現，全國人口分布存在空間自相關性。2013—2017年，我國人口分布未發生較大改變，人口密度聚集類型比較穩定。“低-低”類型主要分布在西北地區以及西南地區，“高-高”類型主要分布在華東沿海地區，并且在地圖上呈整片式分布。

人口分布對我國區域經濟的可持續發展有重要影響，改善人口分布的不均衡需要政府的推動力量，如科學的區域規劃，推進新型城鎮化建設，對人口稀疏地區采用人才引進政策等。