長三角地區人口城鎮化空間差異及其影響因素研究

趙振宇，李林峰，李 冠，朱凱軍

（1. 寧波大學法學院，浙江·寧波 315211；2. 浙江農林大學環境與資源學院，浙江·杭州 311300）

改革開放以來，隨著城鄉二元分割制度逐步被打破，中國城鎮化呈現出快速發展的態勢，人口城鎮化水平得到了巨大提高。人口城鎮化對于我國實現社會公平、提高經濟效率、解決二元結構矛盾等具有重要意義［1］。在地區不同發展條件的綜合作用下，人口城鎮化水平呈現明顯空間差異［2-3］。長三角地區是中國人口最密集、城鎮化進程較快地區之一［4-6］。截至2017年年底，長三角地區年末常住人口數達到了22359萬人，占全國總人口的16.1%；人口城鎮化平均水平已經達到69.49%，超出全國平均水平近16個百分點［7］，但人口城鎮化空間差異日趨擴大，影響區域一體化發展。隨著長江三角洲區域一體化上升為國家戰略，實現區域人口城鎮化協調發展備受關注［8］。

已有學者對人口城鎮化空間差異及影響因素展開研究，如：通過構建指標體系，探索公共服務對人口城鎮化的影響［9］；針對全國285個地級市以上城市，分析人口城鎮化差異與環境污染的動態關系作用［10］；通過引入經濟社會變量，利用空間模型研究城鄉收入差距對于人口城鎮化的影響［11］；還有學者分析了制度因素、能源消費以及自然過程和政府治理對人口城鎮化的影響［12-18］。

已有的研究對人口城鎮化空間差異及其影響因素進行了眾多探索，為本文提供了思路。但其較少考慮不同影響因素對于人口城鎮化的差異影響，同時少有從區域一體化視角出發，研究城市群內部人口城鎮化空間差異與形成機理。在新型城鎮化的新時期下，本文以區域一體化為視角，研究長三角人口城鎮化空間差異特征與相關影響因素，為長三角區域一體化高質量發展提供參考。

1 研究區域概況與研究方法

1.1 研究區域概況

長三角地區是我國經濟發展重要的增長極［19］。根據2019年最新批準的《長江三角洲區域一體化發展規劃綱要》，長三角地區覆蓋上海市、江蘇省、浙江省、安徽省全域，包含41個地級及以上城市?，F階段長三角地區涉及城鎮更多，同時人口城鎮化空間差異也更加突出。因此本文選擇長三角為研究區域。市域是指城市行政管轄全部地域，行政區劃更完整，經濟社會活動更綜合，本文以長三角各市市域作為研究的空間樣本單元。

本文各項基礎數據均來源于2018年的《中國統計年鑒》《浙江省統計年鑒》《江蘇省統計年鑒》《安徽省統計年鑒》《上海市統計年鑒》，并運用單一指標法以常住人口城鎮化率來衡量人口城鎮化水平［20］。

1.2 研究方法

本文利用探索性數據分析（ESDA）來研究長三角人口城鎮化空間特征，包括趨勢分析法、全局空間自相關系數和局域空間自相關系數，以定量分析長三角地區人口城鎮化的空間差異特征。

全局Morams I指數的計算公式［21］為：

局域Getis-Ord Gi*指數的計算公式［22］為：

Z值標準化公式為：

式中：xi為空間單元i屬性值；為空間單元觀測值的平均值；Wij是空間單元i和j間的空間權重；n為空間單元總數。

地理加權回歸模型（geographically weighted regression,GWR）通過引入地理單位的空間位置信息進行回歸，相比于傳統OLS模型，其可以反映出參數的空間非平穩性。本文利用GWR模型，以分析研究影響因子對人口城鎮化水平的異質性作用。GWR模型如下：

式中：i取值［1,n］；(ui,vi)為空間單元i的地理中心坐標；βk(ui,vi)為空間單元i的第k個回歸參數；εi～(0,σ2)代表隨機誤差；n為空間單元總數。

本文結合當前經濟社會實際挑選了10項初級指標，利用因子分析的主成分法來提取影響因子，消除指標間的共線性，提高分析效果［23］。主因子釋義及指標構成見表1。

表1 影響因子及其指標構成Table1 Influencing factors and index system

2 人口城鎮化空間特征分析

2.1 人口城鎮化水平發展不均衡

2017年長三角人口城鎮化水平處在39.77%～87.7%之間。其中：上海市人口城鎮化水平最高，達到87.7%；以杭州市、南京市為代表的省會城市以及以蘇州市、寧波市為代表的沿海中心城市，人口城鎮化處于區域前列；人口城鎮化低值集中于長三角區域西部，毫州市人口城鎮化水平僅為39.77%。利用自然間斷點分級法將人口城鎮化水平進行分級可以看出，長三角人口城鎮化發展呈現出顯著的不均衡特征（如圖1所示）。

2.2 人口城鎮化水平空間變化趨勢明顯

利用趨勢分析法考察人口城鎮化水平空間變化趨勢，如圖2所示。由圖2分析可知：綠色趨勢線表明人口城鎮化水平自西部內陸向東部沿海明顯提升；紅色趨勢線表明人口城鎮化水平在南北方向上呈現先增后減的態勢，這因為在區域中部集中了全部區域核心城市和中心城市，其對周邊地區的發展起到了較強的輻射帶動作用。

圖1 2017年長三角人口城鎮化水平空間分布Fig.1 Spatial distribution of population urbanization level in Yangtze River Delta in 2017

圖2 2017年長三角人口城鎮化水平空間趨勢Fig.2 Spatial trend of population urbanization level in Yangtze River Delta in 2017

2.3 人口城鎮化呈現一定空間集聚

通過數據探索性分析，長三角人口城鎮化率全局MoranI指數為0.382，Z得分為3.78，P值為0.00，在0.01的顯著性水平下通過檢驗，說明了人口城鎮化在整體上呈現正相關性，表現出空間集聚態勢。Getis-Ord Gi*指數的Z得分值范圍在-3.151～2.557之間。利用自然間斷點法將其分成四級可以看出，長三角人口城鎮化呈現圍繞以上海市為核心的梯度集聚分布（如圖3所示）。

3 人口城鎮化影響因素分析

3.1 OLS模型構建及其結果

以2017年長三角市域人口城鎮化率作為因變量，將上述4個因子作為自變量進行OLS回歸，結果見表2。由此可知，除了一產動力因子以外，其余影響因子均通過顯著性檢驗，各因子對人口城鎮化均起到正向作用。OLS模型的解釋能力為76.1%。

3.2 GWR模型構建

在OLS模型的基礎上，構建GWR模型構建如下：

圖3 2017年長三角人口城鎮化集聚水平分區Fig.3 Division of agglomeration level of population urbanization in Yangtze River Delta in 2017

表2 OLS模型回歸系數與檢驗Table 2 Regression coefficient and test results of the OLS model

式中：(ui,vi)為空間單元 的地理中心坐標；βk（k=0,1,2,3,4）為回歸系數；模型帶寬的計算使用AICc方法。

由表3分析可知：發現GWR模型R2和Adjusted R2值均高于OLS模型，達到了0.821和0.785；其次GWR模型的AICc值比OLS模型低3.01個單位，較低AICc值體現更好的擬合能力；最后GWR模型殘差平方和降至818.707。綜上，GWR模型擬合結果更好。表4可知GWR模型的回歸系數呈現變異特征，但其依舊為正值，各因子對于人口城鎮化起著正向推動作用，這與OLS模型一致。標準殘差在5%的顯著性水平下通過莫蘭指數空間相關性檢驗，呈隨機分布，模型整體效果好。

表3 OLS與GWR模型參數估計比較Table 3 Comparison of parameter estimation between the OLS and GWR models

3.3 GWR模型結果分析

對GWR模型回歸系數進行分級顯示（如圖4所示）。結合表4和圖4分析可知：經濟活力因子的回歸系數取值較高，說明經濟發展活力對長三角人口城鎮化起著最大的推動作用。系數數值大小自北至南遞增，在浙江省和安徽省南部達到最高值，表明經濟活力因子對于長三角南部人口城鎮化具有更大的正向影響。

表4 GWR模型回歸系數描述統計Table 4 Descriptive statistical analysis of the regression coefficients in the GWR model

其次，投資強度因子的回歸系數均為正值，但數值較經濟活力因子有所降低，說明其對地區人口城鎮化的推動作用較經濟活力因子有所減弱。系數數值大小自東南向西北遞增，表明投資對于處于相對內陸地區的安徽省城鎮化發展具有重要影響，低社會投資限制了城鎮發展，如果能加大投資或許能有效推動城鎮建設，引導人口向城鎮集聚。

再者，一產動力因子的回歸系數為正值，但數值相對較小，表明其對人口城鎮化影響作用相對較小。系數數值大小自從東南向西北遞增，表明第一產業集約化、機械化發展對于安徽省地區人口向城鎮轉移具有較高的影響作用，但對于沿海地區的影響偏弱。

最后，社會醫療資源因子的回歸系數也均為正值，其數值大小自北向南遞增：皖北蘇北地區回歸系數較高，最高值出現在徐州市；最低值出現在浙江南部的溫州市。但同時可以看出，醫療資源因子的回歸系數取值跨度更大，分布更加離散，表明其對于各市人口城鎮化空間異質性作用更強，這與區域社會醫療資源配置極不均等有一定關系。

圖4 GWR模型回歸系數空間分布Fig.4 Spatial distribution of the regression coefficients in the GWR Model

4 結論與政策啟示

人口城鎮化空間特征是經濟社會等條件差異的綜合反映。人口城鎮化協調發展有助于構建合理有序的長三角城市群結構，推動區域一體化、高質量發展。研究發現，長三角地區人口城鎮化發展不平衡，存在明顯的空間分異特征，呈現出以上海市為核心的梯度集聚分布；經濟發展活力、投資強度、第一產業發展水平、醫療服務因子對人口城鎮化起著差異作用。本文的研究得到如下啟示：

（1）從人口城鎮化結構上看，長三角地區人口城鎮化發展依然要以上海市為核心，同時也須增強杭州市、南京市、合肥市等區域中心城市的帶動輻射效益，促進長三角地區三省一市城鎮化協調發展。

（2）從人口城鎮化動力上看，經濟發展與活力顯著推動人口城鎮化，地區要以經濟建設為中心，因地制宜發展創新型、科技型、外向型經濟，為城鎮化提供動能。社會投資對于城鎮化起著基礎作用，地區需不斷提升投資水平：提升低投資、低城鎮化地區的投資力度；優化高投資、高城鎮化地區的投資結構，為更高水平城鎮化提供后勁；在這一過程中，要統籌規劃、總體協調。安徽省須穩步提升第一產業集約化、機械化水平，合理引導就業向二、三產業轉移；江浙兩地，穩定提高生產能力，保障供給。最后上海市、浙江省尤其是安徽市仍需提升對醫療資源的投入，提升城市承載能力。在當前疫情防控常態化的背景下，區域要積極探索醫療一體化服務，構筑高水平區域醫療服務體系，服務于長三角城鎮一體化、高質量發展。

參考文獻(Reference)

［1］ 隋海燕. 中國人口城市化對全面建設小康社會的意義［J］. 人口學刊,2006(3):35-38.SUI H Y. The significance of Chinas population urbanization to building a well-off society in an all-round way［J］. Population Journal, 2006(3):35-38.

［2］ 劉煒. 城市化發展需正視的八個問題［J］. 經濟學家,2006(1):77-85.LIU Y. Eight problems to be faced squarely in the development of urbanization［J］. Economist, 2006(1):77-85.

［3］ 石憶邵. 辯證審視土地城鎮化與人口城鎮化之間的關系［J］. 上海國土資源,2015,36(2):9-13,23.SHI Y S. Dialectical examination of the relationship between land urbanization and population urbanization［J］. Shanghai Land &Resources, 2015,36(2):9-13,23.

［4］ 陳雯,閆東升,孫偉. 長江三角洲新型城鎮化發展問題與態勢的判斷［J］. 地理研究,2005,24(3):297-306.CHEN W, YAN D S, SUN W. Analyzing the patterns and processes of new urbanization development in the Yangtze river delta［J］.Geographical Research, 2005,24(3):297-306.

［5］ 楊麗霞,苑韶峰. 長三角城市群城鎮化質量測度及其空間格局分析［J］. 上海國土資源,2017,38(3):5-8.YANG L X, YUAN S F. Analysis of measurement and spatial pattern of urbanization quality in the Yangtze river delta［J］.Shanghai Land & Resources, 2017,38(3):5-8.

［6］ 周侗,王文懋,朱北宇. 南通市人口與土地城鎮化發展協調性評價及驅動因素研究［J］. 上海國土資源,2020,41(3):12-17.ZHOU T, WANG W M, ZHU B Y. Coordination evaluation and driving mechanism of population and land urbanization development in Nantong city［J］. Shanghai Land & Resources,2020,41(3):12-17.

［7］ 國家統計局. 中國統計年鑒2018［M］. 北京:中國統計出版社,2018.China national bureau of statistics. China statistical yearbook 2018［M］. Beijing: China Statistical Publishing House, 2018.

［8］ 吳福象. 長三角區域一體化發展中的協同與共享［J］. 人民論壇·學術前沿,2019(4):34-40.WU F X. Collaboration and sharing in the integrated development of the Yangtze river delta region［J］. Frontiers, 2019(4):34-40.

［9］ 袁丹,歐向軍,唐兆琪. 東部沿海人口城鎮化與公共服務協調發展的空間特征及影響因素［J］. 經濟地理,2017,37(3):37(3):32-39.YUAN D, OU X J, TANG Z Q. Spatial characteristics and driving factors between population urbanization and public service in the eastern coastal areas［J］. Economic Geography, 2017,37(3):32-39.

［10］ 馮雪艷,趙素芳. 人口城鎮化與環境污染的動態關系及異質性分析［J］. 城市學刊,2020,41(4):13-17.FENG X Y, ZHAO S F. Dynamic relationship and heterogeneity analysis of population urbanization and environmental pollution［J］.Journal of Urban Studies, 2020,41(4):13-17.

［11］ 張耀軍,柴多多. 人口城鎮化與城鄉收入差距耦合關系研究［J］.人口研究,2018,42(6):61-73.ZHANG Y J, CHAI D D. Relationship between urban-rural income gap and urbanization［J］. Population Research, 2018,42(6):61-73.

［12］ 黃偉,江小蘭. 土地城鎮化與人口城鎮化的特征聯系［J］. 上海國土資源,2019,40(3):26-31.HUANG W, JIANG X L. Relationship between land urbanization and population urbanization［J］. Shanghai Land & Resources,2019,40(3):26-31.

［13］ 馬駿,潘潤秋. 長江中游城市群城鎮化發展要素耦合協調性研究［J］. 上海國土資源,2016,37(3):28-31,34.MA J, PAN R Q. Coordination of urbanization development elements of cities in the middle reaches of the Yangtze river［J］.Shanghai Land & Resources, 2016,37(3):28-31,34.

［14］ SUN P J, SONG W, XIU C L, et al. Non-coordination in China’s urbanization: assessment and affecting factors［J］. Chinese Geographical Science, 2013(6):729.

［15］ GHOSH S, KANJILAL K. Long-term equilibrium relationship between urbanization, energy consumption and economic activity:empirical evidence from India［J］. Energy, 2014,66(4):324-331.

［16］ MALIK N, ASMI F. Major factors leading rapid urbanization in China and Pakistan: a comparative study［J］. Journal of Social Science Studies, 2018(5).

［17］ 陳昱. 國內外人口城鎮化與土地城鎮化互動關系研究綜述［J］. 鄭州輕工業學院學報(社會科學版),2017,18(2):61-67.CHEN Y. The summary of interaction between population urbanization and land urbanization at home and abroad［J］. Journal of Zhengzhou University of Light Industry (Social Science),2017,18(2):61-67.

［18］ 陳明星,隋昱文,郭莎莎. 中國新型城鎮化在“十九大”后發展的新態勢［J］. 地理研究,2019,38(1):181-192.CHEN M X, SUI Y W, GUO S S. Perspective of Chinas new urbanization after 19th CPC national congress［J］. Geographical Research, 2019,38(1):181-192.

［19］ 梁穎,耿檳,鮑海君. 長三角一體化區域工業用地價格空間差異及其影響因素研究［J］. 上海國土資源,2019,40(2):20-23.LIANG Y, GENG B, BAO H J. Research on spatial difference of industrial land price and its influencing factors in the Yangtze river delta［J］. Shanghai Land & Resources, 2019,40(2):20-23.

［20］ 龐瑞秋,騰飛,魏冶. 基于地理加權回歸的吉林省人口城鎮化動力機制分析［J］. 地理科學,2014,34(10):1210-1217.PANG R Q, TENG F, WEI Z. A GWR-based study on dynamic mechanism of population urbanization in Jilin province［J］. Scientia Geographica Sinica, 2014,34(10):1210-1217.

［21］ 賀振. 基于空間自相關的河南省城鎮化水平空間格局研究［J］. 測繪科學,2010,35(6):178-190.HE Z. Spatial pattern of urbanization level based on spatial autocorrelation in Henan province［J］. Science of Surveying and Mapping, 2010,35(6):178-190.

［22］ 張志然,劉紀平,趙陽陽,等. 長江經濟帶人口城鎮化空間格局及驅動力分析［J］. 測繪科學,2016,41(12):94-100.ZHANG Z R, LIU J P, ZHAO Y Y, et al. Spatial patterns and driving forces of population urbanization in the Yangtze economic zone［J］. Science of Surveying and Mapping, 2016,41(12):94-100.

［23］ 游家興. 如何正確運用因子分析法進行綜合評價［J］. 統計教育,2003(5):10-11.YOU J X. How to use factor analysis method to evaluate comprehensively［J］. Statistical Education, 2003(5):10-11.