長江經濟帶人口收縮城市的識別與影響因素分析

鄭 潔，汪甜甜，陳 浩

（中南財經政法大學 經濟學院，湖北 武漢 430073）

一、引 言

長期以來，城市作為多因素密切聯結的復雜系統及區域經濟發展的核心空間，其生命周期呈現“產生—成長—衰落—死亡”的發展軌跡。特別是在經濟下行壓力增大、就業和經濟增長受到挑戰的背景下，消退和衰亡已成為城市運行的固有內在機制。在人口總量基本穩定的背景下，各種經濟要素隨著區域一體化的推進將會更加自由地在城市間流動，而人口流動門檻的降低進一步放大了大城市對區域內中小城市的虹吸效應，加重了這些城市的人口收縮。清華大學“北京城市實驗室”研究小組基于2013—2016年3 300多個城鎮的夜間燈光強度數據發布的調查結果顯示，當前中國有1/3的城市正在收縮。李郇等（2017）［1］指出，中國存在普遍的城市增長與局部收縮并存的現象，城市人口收縮逐步常態化。

長江經濟帶作為國家發展的戰略性和導向性的重點區域，憑借天然的地理區位因素和豐富的要素資源走在國家發展的前沿。根據“第六次全國人口普查”和“第七次全國人口普查”的城市常住人口數據發現，長江經濟帶108個主要城市中竟然有49個城市經歷了人口收縮，占比高達45.37%。將這一人口數據延伸到縣域，人口收縮的城市超過一半［2］。究竟是什么原因導致主要城市人口集中而另一些城市人口減少造成城市收縮？如何定義和識別人口收縮城市？鑒于此，本文探究長江經濟帶地級及以上108個城市的人口收縮情況，討論背后的驅動機制并據此提出應對策略，為該類城市的發展提供參考。

二、文獻綜述

1988年德國學者H?u?ermann H.首次提出“城市收縮”的概念，用來形容因去工業化和產業結構調整導致的城市人口減少和面臨結構性危機的現象。全球化進程持續推進，收縮城市的語境擴展為因城市發展不平衡引發的人口在城市間流動，部分城市出現難以逆轉的人口流失、經濟發展持續低迷現象［3］，對“收縮城市”由最初單純關注城市人口數量的增減變化延伸到探究其收縮背后的影響因素和機制，以及如何規避或者應對這種收縮現象。

在城市收縮問題引發關注后，學者們由表及里展開了收縮城市的原因分析，一般認為收縮型城市的形成具有復雜多維性。從全球角度來看，影響城市收縮的因素主要是全球化、去工業化、郊區化和城市蔓延、后社會主義、自然經濟周期氣候變化和老齡化；局部的人口收縮主要是經濟結構、制度、社會和人口結構因素［3］。當前對收縮城市的識別界定主要有兩種觀點：一是城市人口指標，如人口數量、人口密度、就業人數變化等；二是人口、經濟、社會等綜合指標，認為城市收縮是多因素共同作用的結果［4-5］。收縮城市國際研究網絡對城市收縮的定義是：人口規模在1萬以上的人口密集城市區域，面臨人口流失超過2年，且經歷結構性經濟危機的現象［6］。這一定義強調城市人口流失是由于去工業化、產業結構轉型等結構性危機引發的，與戰爭、疾病、自然災害等因素導致的城市人口減少加以區分［7］。毫無疑問，人口變化是識別和衡量城市收縮最常用的指標，這已經成為學界的共識。

可以發現，當前對收縮型城市的研究主要分為以下兩類：一方面利用人口普查數據從全國層面識別出收縮城市［8］，進行描述性分析；另一方面有少數學者針對部分城市圈如京津冀和珠三角［9］、湖北省［10］、成渝地區［11］、東北三省［12］、黃河流域［13］等，進行人口數據識別，處在“識別和辨認”的階段，以描述性分析為主。長江經濟帶橫跨我國東中西部，覆蓋了蘇浙皖、湘鄂黔、川贛滇9個省份和上海、重慶2個直轄市，其中長三角地區、武漢都市圈和川渝地區都存在收縮問題［2］。人口收縮城市在全國范圍內正在成為一種新常態現象，不得不引起大家的重視。

綜上所述，當前關于城市收縮的分析和定量研究尚在探索階段，如何從定性研究轉向定量研究正成為主流，但是怎樣識別收縮城市尚未建立統一的標準，探討區域城市中長期人口收縮動態軌跡的研究較少，關于實證分析收縮城市影響因素的研究更是缺乏。鑒于此，本文利用熵值法構建人口指標體系作為識別收縮城市的標準，進一步研究收縮城市的時空變化特征，并運用定量方法探討影響人口收縮的主要因素，以期深化對中國城市收縮的機制探討，特別是為潛在的城市人口收縮研究提供經驗借鑒。

三、研究區域、研究方法和數據來源

（一）研究區域

長江經濟帶橫跨9個省份和上海、重慶2個直轄市，以21%的國土面積承載40%的人口和40%以上的經濟總量。作為國家重大發展戰略，長江經濟帶發展關系國家發展全局，其轄區內資本、技術、勞動力等生產要素資源豐富，發展優勢十分突出，這是其他經濟帶所無法比擬的。但當前城市發展不平衡加劇了城市人口分布非均衡的現象，對統籌協調人口分布格局造成了挑戰。

現有研究表明長江經濟帶中西部地區的人口收縮城市要明顯多于東部地區，尤其是成渝地區的人口收縮現象更加明顯［14］。其中，國家級城市群長三角地區、地方性城市群武漢都市圈和川渝地區都存在不同程度的收縮現象［2，15］，因而研究長江經濟帶的人口收縮型城市具有代表性。在不考慮人口自然增長率的情況下，城市人口變動主要是機械變動，一些城市人口規模擴大的同時意味著另一些城市人口規模的減少，導致城市間人口規模差距持續擴大。圖1展示了長江經濟帶城市人口的離散程度，可以看出長江經濟帶城市的常住人口、戶籍人口和就業人口差異整體都呈現擴大的趨勢，城市人口擴張與收縮已經成為城市發展的一體兩面。

圖1 長江經濟帶人口規模差距變動趨勢

（二）研究方法

1.指標選擇

城市收縮涵蓋的內容范圍較廣，但是主要表現為人口收縮以及由此引發的一系列影響。已有文獻中，學者圍繞城市收縮水平指標體系的構建、水平測度以及綜合評價進行了諸多研究，主要集中在兩個方面：一是關于城市人口的變化，多以戶籍人口、常住人口、就業人口、人口密度等單項指標來識別收縮城市［11，16］，其中常住人口單項指標最具代表性［14］；二是強調城市收縮是綜合作用的結果，建立包括人口、經濟、地理和社會等方面的綜合評價指標，據此識別收縮城市［4，17-18］。而本文主要選取人口維度的指標來識別收縮城市，借鑒Guan et al.（2021）［19］的做法，不單獨以某個單項指標作為識別依據，而是構建人口指標體系，將人口維度指標劃分為人口規模指標、人口結構指標、人口增長率指標和人口密度指標四個層次。其中，人口規模衡量了城市人口總量，城市人口規模變化的絕對量決定著城市人口收縮，本文借鑒龍瀛等（2016）［20］的研究，將常住人口數量、戶籍人口數量、就業人口數量和失業人口數量納入人口規模指標中；低生育率導致的人口老齡化等人口結構性問題加劇，造成新生人口不能填補人口減少及勞動力人群的缺失導致城市收縮，如日本［21］，本文用中小學生人口占比和高等教育學生占比納入人口結構方面中；人口增長率反映了城市人口的發展速度和變化趨勢，借鑒李郇等（2015）［16］的研究，將其納入指標體系；當前收縮的城市大都面臨“人口規模收縮”和“建設用地富余”的現狀［9，22］，因此加入人口密度統計指標。具體見表1所列。

表1 城市收縮人口指標

考慮城市人口收縮的形成并不是短期內發生的，而是一種漸變過程，因此需要考慮識別人口收縮城市的時間區間。時間跨度間隔太長或太短都不合理，因此本文借鑒李郇等（2015）［16］的方法，選取2006—2019年數據樣本，并將其按照五年規劃分段劃分來識別人口收縮城市，即“十一五”時期（2006—2010年）、“十二五”時期（2011—2015年）和“十三五”時期（2016—2020年）。

2.測度方法

指標權重的常見賦權法包括主觀賦權法、客觀賦權法。由于主觀賦權法中具有較強的主觀隨意性，而客觀賦權法兼具客觀性與易操作性，其中熵值法可解決多變量信息重疊而被廣泛運用，因此本文采用熵值法對指標賦權。具體步驟如下：

（1）指標無量綱化處理。極值熵權法是最優的［23］，因此運用極差法對城市人口各原始數據指標X ij進行無量綱化處理，根據指標性質分別采用正向指標和負向指標計算方法，計算公式如下。

其中：i、j分別表示地區和年份；X ij表示原始數據；Y ij代表標準化后指標；ma x(X ij)、min(X ij)分別表示X ij的最大值和最小值。

（2）計算各指標的信息（E j）。計算公式為：

其中，k=1/lnN；指標的比重。

（3）確定指標權重（W i）。計算公式為：

（4）根據各指標的權重和標準化后的指標值計算各個城市人口綜合指數（Z i）。計算公式為：

Z i在［0，1］之間，Z i值的大小表示城市人口綜合指數的高低。

（5）根據城市人口指數識別收縮城市。

當shring＜0時，說明城市收縮，且值越小，收縮的程度越深。

3.計算結果

根據人口維度的指標體系，得到的指標權重結果見表2所列。

表2 長江經濟帶城市人口指數及其權重

根據表2中基于熵值法測算而得的2006—2019年長江經濟帶地級及以上108個城市的人口綜合指數，結果顯示人口規模指標如市區常住人口、城區常住人口、戶籍人口對城市人口指數的影響程度比較高，人口結構中，中、小學生占總人口比重的貢獻率也比較高，中、小學生人口占比可以在一定程度上彌補城市統計年鑒的不足，反映城市人口的常駐水平。而人口自然增長率對人口指數的影響最小，說明自然增長率目前并不是影響城市人口的最重要因素，城市人口指數主要取決于城市的機械流動。人口密度的貢獻較高但卻呈現下降趨勢，主要是因為當前城市發展表現為城市面積擴張的速度快于人口增長的速度，進而導致城市人口密度有所下降。

四、長江經濟帶人口收縮城市結果分析

（一）長江經濟帶人口指數變化分析

2006—2019年長江經濟帶人口指數呈現波動上升的變化趨勢，長江經濟帶城市的人口收縮水平整體變化趨勢如圖2所示。從圖2可以看出，2016年時間節點出現人口指數小高峰，可能的原因是二胎政策的放開導致城市出生人口增加。

圖2 長江經濟帶人口綜合指數變化

進一步，采用Arcgis將長江經濟帶2006—2019年人口指數展示在地圖上，觀察該期間城市人口收縮的時空分布變化，具體如圖3所示。從人口指數的空間分布可以發現，長江經濟帶中游地區（長江中游城市群）的人口指數最高，其次是下游地區（長三角城市群），而上游地區（成渝城市群）排在最末。究其原因，長江中游地區的人口城鎮化進程快于長三角和成渝地區，使得長江中游地區的常住人口、戶籍人口快速增加，相應地提高了人口指數水平；而長江下游地區由于早期經濟快速發展，人口城市化已達到較高的水平，城市化進程相對減速，但由于人口遷入量大，常住人口規模大、人口密度高，因此人口指數水平相對較高；長江上游地區則因為早期經濟發展水平較低、城鎮化發展速度較慢，且受限于深處內陸、高山丘陵等地理環境，導致現階段仍然處于發展劣勢，遷入人口較少而遷出人口較多，其人口指數水平相對較低。

圖3 長江經濟帶城市人口指數時空特征

（二）長江經濟帶人口收縮城市時空變化

1.按收縮程度識別人口收縮城市

本文將熵值法計算下的城市人口指數水平的變動作為識別城市人口收縮的主要依據。借鑒楊培峰（2017）［24］、Wolff&Wiechmann（2018）［25］、溫佳楠等（2019）［26］的做法，采用自然間斷分級法判定收縮程度，據此劃分人口收縮城市的類型，即輕度收縮、嚴重收縮、緩慢增長和快速增長。判斷標準和收縮結果見表3和表4所列。結果顯示，在2006—2010年期間，長江經濟帶有17個城市經歷了嚴重收縮，39個城市經歷了輕度收縮；在2011—2015年期間，8個城市經歷了嚴重收縮，15個城市經歷了輕度收縮，收縮城市有所下降，可能的原因是在此期間二胎政策放開導致出生人口數量增加；2016—2019年，11個城市經歷了嚴重收縮，45個城市經歷了輕度收縮，收縮城市數量有所增加。

表3 按收縮程度識別人口收縮城市

表4 收縮程度識別的人口收縮城市

2.按時間尺度識別人口收縮城市

為了進一步分析長江經濟帶城市人口收縮的時間尺度差異，借鑒Alves等（2016）［27］分類的方法，將城市人口收縮水平在時間尺度上分為三個級別，分別是持續收縮、間歇收縮和暫時收縮，具體標準見表5所列。

表5 按時間尺度識別人口收縮城市

3.收縮結果

根據長江經濟帶108個城市的人口指數在2006—2019年的變動情況，識別人口收縮城市，具體收縮結果見表6所列。在研究期間，為了區分導致人口收縮的長期趨勢和短期事件，本文借鑒Guan et al.（2021）［19］的做法，按每五年的人口變化確定了長江經濟帶的收縮軌跡，見表7、表8所列。在三個收縮軌跡下共檢測到91個經歷人口指數縮小的城市。暫時性收縮有53個，即在一個五年規劃期內呈現收縮現象，占所有收縮城市的58.24%，其中，“十一五”期間21個，“十二五”期間9個，“十三五”期間23個（表8）。間歇性收縮城市共35個，即至少在兩個五年規劃內經歷了人口收縮，周期性收縮和非持續收縮的城市個數分別是5個和30個，分別占收縮城市總個數的5.49%和32.97%。持續收縮的城市占總收縮城市的3.30%，具體收縮城市名單見表8所列。表8中展示出來也有部分大城市如武漢、長沙等，表現為暫時性收縮軌跡，但中小城市人口收縮的數量更多、現象更嚴重，以暫時性收縮和周期性收縮城市為主。說明城市人口收縮現象并非長期持續存在和不可逆的，隨著政策調整和區域規劃的變動，城市管理者可以及時調整區劃、優化城市布局等策略，提升城市軟件與硬件設施，吸引外來人口和減少城市人口流失。觀察人口收縮城市的地理位置主要集中分布在中上游地區，這說明長江經濟帶城市間生產要素非均衡分布特征十分明顯［28］，主要表現為東部地區資本與技術相對充裕但勞動力相對稀缺，中西部地區則剛好相反［29］，相應中西部地區收縮城市要明顯多于東部地區。可見，長江經濟帶人口收縮城市廣泛分布，其原因在于城市間發展勢能的強弱導致城市人口發生增減變化［30］，顯示出人口收縮城市在地理位置中零星與抱團發展的現象都比較突出，這種收縮城市日益泛化反映了城市人口收縮原因的多樣性。如長江經濟帶中下游地區部分傳統工業城市在產業變遷、“去工業化”的過程中，傳統產業日漸式微，新老產業未能實現平穩過渡，導致就業減少、人口流失、無法形成“勞動力蓄水池”效應，如安徽安慶、四川攀枝花、湖北鄂州等城市；此外，一些城市由于地理位置偏遠、交通受阻、城市就業崗位少、經濟落后引致人口外流，如江西鷹潭；還有部分城市由于被動虹吸作用導致人口涌入周邊發達城市，如安徽黃山。對這種非持續性收縮城市，最關鍵的是增長新勢能，培育新產能，推動城市產業轉型升級，創造更優的工作環境和勞動報酬，吸引人口流入，重新煥發城市活力。而對于持續收縮城市，其表現為缺乏增長勢能、人口持續流失，因此應正確對待收縮現狀，采取及時調整區劃、精簡優化發展職能、優化城市布局等策略減輕未來管理成本，盤活存量、提高資源利用效率，實現精明收縮。

表6 按時間尺度識別的人口收縮城市

表7 按時間尺度進一步識別的人口收縮城市

表8 人口收縮城市名單

4.人口收縮城市的空間分布

人口收縮城市不一定是城市或區域的整體衰落。在空間分布上，長江經濟帶上中下游城市均存在不同程度的局部人口收縮，具體分布如圖4所示。2006—2019年長江經濟帶收縮城市主要集中在長江中游地區和上游地區，而蘇浙滬地區的收縮城市則相對較少。值得注意的是，部分收縮城市空間聯系緊密，形成抱團的空間分布格局，最明顯的是湖北武漢周圍呈現的收縮城市抱團分布現象。原因在于武漢市的虹吸效應明顯，引發“外圍”城市的人口、資本等發展要素不斷向中心城市集聚，進而引致武漢周邊城市的人口收縮。云南西部如普洱、曲靖等城市，因地理位置偏遠、深處內陸、氣候潮濕、交通不便和對外開放水平較低，導致人口外流增加，形成收縮城市。四川的收縮城市主要集中在四川東部，一方面是受其地理形態所影響，交通不便，產業發展遲滯；另一方面則是傳統資源型城市居多，資源型產業發展單一，不足以吸引人口留在當地，而是選擇向外圍城市如成都遷移。而湖南和江西的城市人口收縮，一方面受到地形地貌多是丘陵山地的影響，另一方面則是由于老工業城市的轉型升級，新創造的就業崗位不足以彌補就業人口的需求，導致城市人口向周邊溢出。可見，省會城市人口吸納能力強，吸引周邊中小城市人口流入，于是出現外圍城市人口收縮的境況。城市收縮的原因可能在于城市間發展不平衡，發展勢能的強弱引致城市人口發生增減變化。

圖4 長江經濟帶收縮城市時空變化

五、人口收縮城市影響因素實證分析

（一）模型設定、變量說明和數據來源

1.模型設定

根據面板模型設定，采用F檢驗、Hausman檢驗顯示固定效應模型優于隨機效應模型，

模型表現形式如下：

2.變量說明

人口收縮城市是原有城市整體均衡格局被打破，是內部轉型、外部競爭等多因素共同作用下導致的結果。考慮數據的可得性，研究選擇與城市發展關系密切的因素作為核心解釋變量。

（1）被解釋變量。借鑒以往研究成果，本文以前文熵值法計算的城市人口指數（POPI）作為被解釋變量，表征城市人口指數的變化情況。

（2）主要解釋變量。參考林雄斌等（2017）［31］、陳肖飛等（2020）［13］的研究，本文對城市人口收縮的重要影響因素選擇有：①經濟發展水平（lnPGDP）。經濟水平是影響人口分布的重要因素，本文以地區人均生產總值對數表示城市的經濟發展水平。地區經濟發展水平越高，意味著生活質量和服務水平越高，越能吸引勞動人口流入。②職工平均工資水平（lnINC）。職工平均工資水平在一定程度上反映了地區的發展狀況，預期收入理論是引發勞動者做出遷移決策行為的關鍵。③產業結構（ES）。產業結構是影響人口集聚地選擇的重要因素，第二產業與第三產業比值高的城市更可能成為勞動力流入地。本文在此基礎上用三產與二產之比作為衡量產業結構的代理變量。④產業集聚水平（AGG）。采用區位熵衡量城市產業的集聚狀況，以城市二、三產業就業人口占全部就業人口的比值除以長江經濟帶二、三產業就業人口與長江經濟帶就業人口的比值計算。⑤城市化水平（URP）。以城鎮人口占總人口的比重表示。⑥高等院校在校學生數（lnSTU）。在校學生在一定程度上反映城市吸引人才的能力，采用大學生在校人數衡量。⑦公共服務水平（GOV）。采用地方政府財政公共支出占GDP的比例作為衡量公共服務水平的代理變量。⑧基礎設施水平。選取城市人行道道路面積lnROAD）、綠化水平（ln-GREE）表征。

3.數據來源

本文實證分析選取的城市樣本均為地級及以上城市，利用平衡面板數據并對部分城市的缺失值和異常值做線性插值處理。

共收集了兩種類型的數據：一是社會經濟統計數據，來自《中國統計年鑒》《中國城市建設統計年鑒》，包括人口、經濟和社會服務等數據。二是GIS數據，從中國國家地理信息中心下載得到。為保證樣本數據的連續性，選擇2006—2019年長江經濟帶108個地級及以上城市為研究樣本。另外，為避免出現異方差等問題，本文使用的數據除比例數據外，均取對數再做回歸。各變量的描述性統計結果見表9所列。

表9 變量描述性統計

（二）模型估計

為了檢驗人口收縮城市結果的準確性，本文主要將間歇性人口收縮城市（包括周期性和非持續性人口收縮）和持續性人口收縮共38個人口收縮城市作為收縮樣本，其余視為未收縮城市展開計量分析。按照城市人口是否收縮，首先分組描述統計變量，結果見表10所列。收縮城市與非收縮城市的人口指數存在差別，收縮城市的變量普遍小于非收縮城市，如人口指數（POPI）、產業結構（ES）、經濟發展水平（lnPGDP）都比較落后，意味著在一般情況下，人口收縮城市的各方面發展普遍落后于非收縮城市。

表10 城市類型變量值描述

本文基于2006—2019年長江經濟帶地區各城市面板數據，通過Stata15.1軟件，得到表11的計量分析結果。為區分人口收縮城市與其他城市的異質性，本文還報告了非人口收縮城市和全樣本城市的結果，見表11中的模型（1）和（2），而模型（3）—（5）是專門報告了2006—2019年人口收縮城市在不同模型下（固定效應模型、廣義最小二乘估計和普通最小二乘估計）的結果。①模型（1）和（2）結果顯示，經濟發展水平對非人口收縮城市人口指數的影響系數是0.016 1，在1%的置信水平上正向顯著，說明經濟水平對非人口收縮城市人口具有顯著的促進作用，而對人口收縮城市卻沒有顯著影響。結合工資水平來看，尋找工作機會和更高的預期收入是引發人口流動行為的根本動因，隨著人口自由流動限制的取消、城市落戶門檻降低、市場機制不斷完善，人口在城市間的流動更加自由，更傾向于自發流動至其理想居住地，一般是收入水平較高的地區。城市間的人均收入差距具有延續性和相對穩定性，在馬太效應影響下，資源分配和政策傾向具有極化效應，區域發展不平衡導致城市間的收入水平差距不斷擴大，具有高收入水平相對優勢的城市往往比較低收入水平的城市更具有吸引力，城市間收入差距進一步加劇了城市間人口規模不平衡。可見，經濟發展和工資水平是造成人口收縮城市的重要原因。②產業結構升級是城市人口變化的內在驅動因素。模型（1）和（2）中產業結構升級對人口收縮城市的影響系數為0.003 2，且在1%的置信水平上正向顯著。說明產業結構優化升級有助于提高人口指數，而對非人口收縮城市卻沒有顯著影響。產業結構升級有助于創造更多的就業機會，吸引勞動力就近就業，減少本地人口流失，進而減緩城市收縮。對非人口收縮城市而言，可能是技術密集型產業擠壓勞動力，結構性產業升級導致就業人口相對減少。③產業集聚水平對人口收縮城市的影響系數顯著為負，但對非人口收縮城市人口指數影響卻不顯著。可能是城市人口流失意味著城市吸引力下降，勞動力和資本投入不足，降低集聚經濟發生的可能性。當前人口收縮城市的產業集聚水平較低，不能發揮吸引人口的作用。④公共服務水平、交通狀況對人口收縮城市的影響并不顯著，只對非人口收縮城市有顯著影響。一般而言，居民根據自身偏好以及地區間的公共服務差異“用腳投票”選擇生活理想地區，如老年人口更偏愛環境優美、適合養老的城市，打拼人口更傾向于社會保障更健全的地區。城市教育醫療、社會保障等公共服務供給水平的差異影響城市人口遷移，城市公共服務和服務差異化水平越高，越有利于吸引外來勞動人口，而公共服務水平普遍較低地區人口不斷流出，形成人口收縮城市。

表11 模型估計結果

續表11

（三）穩健性檢驗

為了證明上述回歸結果的有效性，本小節進行了替換被解釋變量、更改樣本區間、縮尾處理的穩健性檢驗，結果見表12所列。①更換被解釋變量。鑒于許多學者以常住人口作為被解釋變量，探究人口收縮城市的影響因素，于是本文以常住人口（lnPOP）作為被解釋變量，進行穩健性檢驗，結果見表12中（1）—（2）所列。②改變樣本區間。直轄市、副省級城市及省會城市行政等級較高，具有得天獨厚的資源和政策優勢，為排除這些因素對研究結論的干擾，本文剔除行政等級較高的城市（南京市、武漢市、成都市、上海市、重慶市），結果見表12中（3）—（4）所列。③采用winsor2對所有原始數據進行1%的縮尾處理并進行回歸，結果見表12中（5）—（6）所列。可以看出，回歸模型（1）—（6）檢驗系數的符號和顯著性均無明顯變化，與前文結果大體一致，證實了表11的估計結果，具有較高的穩健性。

續表12

六、結論與政策建議

在城市人口收縮背景下，本文突破了以單一人口指標、短時間跨度的傳統界定收縮城市的模式，創建人口指標體系、長時間序列的時空模型，采用熵權法測算了2006—2019年長江經濟帶地級及以上108個城市的人口指數，通過人口指數的變化識別人口收縮城市，并定量對比分析了影響收縮城市的相關因素。得出以下結論：第一，采用自然間斷分級法，將長江經濟帶108個城市劃分為嚴重收縮、輕度收縮、緩慢增長和快速增長四種類型，大部分城市處于人口指數緩慢增長階段，但至少有20%的城市正處于人口收縮階段。第二，將城市人口收縮尺度按照五年期進一步區分，分為暫時性收縮、間歇性收縮和持續性收縮，其中大部分城市經歷了暫時性收縮。2006—2019年間長江經濟帶收縮城市的數量呈現“上升—下降—上升”的不平坦走勢；2011—2015年二胎政策放開使長江經濟帶城市人口數量增加，人口收縮城市減少；2016—2019年人口自然增長率回歸較低水平，機械增長仍占據主要地位，因此人口收縮城市再次增多。第三，從時間軌跡來看，長江經濟帶人口收縮城市抱團和零星發展皆有，主要集中在中上游地區且具有向周邊不斷擴張的趨勢，多以資源型或老工業城市為代表。而下游地區收縮城市的形成主要是受到周邊大城市虹吸效應的影響，導致周邊部分城市人口、資本要素等流出，成為邊緣收縮城市。總之，人口收縮城市日趨泛化，受到多樣性因素的影響。第四，通過建立影響因素的計量回歸模型分析發現，城市經濟發展水平、工資收入水平、產業結構水平和公共服務水平是影響城市人口指數進而導致城市人口收縮的主要原因。

這些發現能對長江經濟帶城市規劃和空間政策制定提供一定的決策參考，城市人口收縮對預言增長終結和尋求應對手段具有深刻的啟迪作用，城市不應當被動、悲觀和無奈地等待衰亡，而應當在

提前感知的情形下做出充分的彈性應對政策與能動調整空間。具體建議有：第一，所有城市都應重視城市人口收縮現象，目前長江流域作為國家的戰略性發展地區，已經呈現人口收縮城市逐漸泛化的現象，其他地區同樣也出現持續收縮的特征。因此要高度關注并及時識別人口收縮城市，據此找準發展定位和確定發展目標。第二，針對已經收縮的城市，城市管理者應正視收縮現狀，判斷當前城市收縮的程度和收縮軌跡，轉變傳統的“增長主義至上”的發展理念。非持續人口收縮城市應該努力增長發展勢能，扭轉當前收縮現狀；人口持續收縮城市則應該采取調整區劃、精簡優化發展職能、優化城市布局等策略，減輕未來管理成本，盤活存量、提高資源利用效率，實現精明收縮。第三，影響城市人口收縮的主要因素是常住人口規模，因此如何轉變收縮城市的現狀，就轉化為如何吸引人口和避免人口流失。根據本文研究，城市經濟發展水平、工資收入水平、產業結構水平和公共服務水平是影響城市人口指數進而導致城市收縮的主要原因，那么政府管理者要注重硬件和軟件雙向發力，提高地區人口收入水平，增加財政支出，加強基礎設施建設和提高公共服務水平，打造利于人口和產業發展的城市環境。此外，人口收縮城市應轉變發展動力，培育發展新動能。打造地區特色產業及創造新興產業，著力引育新動能并推動產業結構升級，保障城市就業吸納能力。