內外生增長作用下中國城市群的人口負增長風險及其異質性

王梅梅，王 寅，劉藹明，董蘊萱，毛錦凰

（1.蘭州大學 資源環境學院，蘭州 730000；2.西安電子科技大學 馬克思主義學院，西安 710000；3.蘭州大學 經濟學院，蘭州 730000）

中國進入高質量發展階段，城市發展與治理面臨內外部條件的系統性重構，呈現明顯的差異性和多階段發展的復雜疊加性。城市群作為國家新型城鎮化主體的戰略引領地位被提升到前所未有的戰略高度（方創琳，2021）。目前國內京津冀等城市群將繼續擴張，成渝地區等城市群不斷壯大，但以西部為代表的城市群以及廣大三四線城市多是資源枯竭、產業結構單一、創新能力弱，甚至是被“高碳”鎖定的城市，面臨人口負增長與產業轉型的雙重困境。

第七次全國人口普查數據顯示中國總和生育率僅1.3，逼近超低生育率水平的閾值（楊菊華 等，2008）。2021 年中國總人口接近零增長，甚至負增長（王桂新，2021）。當前中國人口正增長態勢得益于人口慣性，隨著少子化不斷加深以及平均世代間隔的不斷擴大，人口負增長慣性不斷積累（王豐等，2008），預測中國將于2030 年左右進入人口負增長時代（Liu et al., 2018）。人口負增長指在一定時空范圍內總人口規模呈現縮減趨勢的人口現象，是后工業化社會中城市可持續發展的典型問題，也是新時期中國城鎮化、國土空間規劃與城市治理面臨的全新命題。人口負增長被稱為人口內爆（Leridon, 2020），陶濤等（2021）將其分為外生型負增長和內生型負增長。外生型人口負增長指遷移或者戰爭等外生性因素導致的人口變化，中國外生型人口負增長主要由遷移引起（Parnwell et al., 2002）。內生型人口負增長主要是由人口結構變化以及人口增長慣性引起的內源性負增長，表現為人口再生產類型的變化（宋健 等，2013）。

從內生型人口負增長看，生育率對人口負增長有直接影響（張現苓 等，2020），深層機制是育齡人群總量降低、現階段生育率長期偏低、社會經濟發展帶動的生育觀念的改變（陸杰華，2019）。人口負增長存在明顯的年齡（組）傳導過程，人口負增長與人口老齡化同時出現（Gu et al., 2021），人口負增長周期越長、人口數量減少越激烈，人口結構老齡化的速度與程度越強烈。此外，人口負增長特征還包括人口數量呈負增長趨勢，但規模高峰與負增長的時間節點不同。隨著人口負增長，人口結構發生重大轉變（林寶，2020）。同時，少兒人口與勞動年齡人口數量先增后減，占總人口比重持續下降（Taketoshi et al., 2020），當前中國人口結構呈現“總量增多，兩頭上翹，中間塌陷”的狀況（翟振武 等，2021）。已有研究認為中國青年占比低于全球和印度水平，甚至低于美國青年人口占比（周宇香，2022）。約6成縣級單元人口減少，人口分布非均衡性加劇，中心城市和縣域人口增減趨勢加速分化（劉濤 等，2022），可以預見中國人口增長慣性即將消耗殆盡（王金營 等，2023），內生型人口負增長的風險增加。

從外生型人口負增長看，人口流動、人口遷移對人口規模以及增長的影響顯著。中國人戶分離人口（居住地與戶籍所在地不一致）約占總人口的35%，流動人口在10 年間增長了近70%（王桂新，2006）。同時，中國人口流動趨勢明顯加快，人口聚集效應明顯，加之受COVID-19 的影響，城市的人口規模也發生不同程度的變化（童昀 等，2020），人口、經濟活動和資金正在“向西推進”（Qi et al.,2021）。人口遷移流動可以推遲甚至逆轉人口負增長過程。但不能從根本上阻止人口負增長進程（Bettini et al., 2016）。此外，大量“鄉－城”流動遷移人口，造成農村人口負增長區域繼續擴散和城鄉倒置的人口老齡化形勢繼續擴大（許昕 等，2020）。省會首府人口增長優勢愈發突出，西北已出現與東南相似的人口集疏過程，人口集疏模式已突破了“胡煥庸線”（戚偉 等，2022）。人口流動形成以近距離流動、省內流動、“鄉－城”流動（向），東部地區流動為主的相對穩定模式（林潔等，2022），流動人口成為城鎮人口增長的主導因素（程夢瑤 等，2021）。同時，人口流動呈現省內流動增強，省際人口遷移逆向弱化的特征（王桂新，2021）。

人口變動與區域功能存在耦合作用，拉文斯坦的“經濟律”和“距離律”可解釋當前人口變動的原因（趙落濤 等，2018），遷出地與目的地之間的空間依賴性對省際人口遷移具有重要影響（趙心怡等，2018），人口變動的原因的主要體現在收入、產業和環境等因素（吳蕾，2001），東部地區人口遷移研究表明地區增長極化趨勢促進人口要素集聚（王桂新 等，2022），產業生命周期演進及其空間布局變化是長三角人口擴散的根本機制（陳前虎 等，2009）。市場引力、生態系統壓力是農村人口遷移的重要影響因素（譚文兵 等，2002）；西部鄉村移民研究顯示，生態環境、社會組織是鄉村居民遷移的影響因素（卓昱含，2017）。游牧地區的人口定居因素是生態補償和生態產業（王娟娟，2010）。此外，與男性相比，女性人口遷移容易受宏觀產業結構和個人婚姻的影響（張艷娥，2011）。通過土地制度改革、戶籍制度改革、勞動就業制度改革（鄔靜瓊，2002），完善教育、管理、保障的機制，可以促進農村勞動力轉移（楊繼，2021）。

已有研究對當前人口負增長的概念和特征進行詳實的分析和探索，但對人口負增長在中國不同發展階段的城市的風險還未進行明確測算和對比，對城市群尺度的人口負增長的影響因素還沒有理清。因此，本文以中國19個城市群為例，分析外生增長和內生增長雙重作用下中國城市群的人口負增長風險，并探討其風險的空間格局和影響因素，以期為中國城市群的未來人口政策提供參考，對不同發展階段城市群的經濟規劃和社會發展政策的制定提供依據。

1 研究區與研究方法

1.1 數據來源及研究區域

中國城市群“5+5+9”的空間組織新格局（方創琳，2021）將城市群分為3 類，分別為5 個提升型城市群（京津冀、長三角、珠三角、成渝、長江中游城市群），5個壯大型城市群（山東半島、海峽西岸、中原、關中平原、北部灣城市群）和9個培育型城市群（哈長、遼中南、山西中部、黔中、滇中、呼包鄂榆、蘭西、寧夏沿黃、天山北坡城市群）。本文以這19個城市群為研究區，研究尺度為城市群的地級市，由于部分城市的數據缺失，最終的研究區為198個地級市（圖1）。

數據來源于第七次人口普查資料、百度遷徙大數據（2020）及《中國城市統計年鑒（2021）》（國家統計局城市社會經濟調查司，2021）。第七次人口普查資料來源于國家統計局、國務院第七次全國人口普查領導小組辦公室，百度遷徙大數據來源于百度地圖LBS（Location Based Service）開放平臺①http://lbsyun.baidu.com/。由于百度遷徙大數據在2020年6—8月的數據缺失，本文收集了其他月份共270 d 的人口遷移數據。使用第七次人口普查資料中人口結構、年齡結構以及地方遷移流動的截面數據反映城市人口的基本流入流出情況，采用百度遷徙大數據反映城市間的人口遷移的詳細情況，用于彌補人口普查資料缺乏人口遷移流向以及出行強度等數據的欠缺，為分析人口流動網絡特征提供數據支撐。

1.2 研究方法

1）網絡構建方法 城市間的人口流動可構成一個從起點到終點的復雜網絡，該網絡的節點代表每個城市，城市之間的每日人口流量由鏈接的權重表示。通過將每日的遷入流乘以遷移規模指數，獲得城市間具體的人口流動數據，以縱坐標為流出城市，橫坐標為流入城市，運用ArcGIS構建每日198個城市間人口流動網絡的鄰接關系矩陣表，最終進行平均計算，得到2020年兩兩城市間的人口流動網絡的關系矩陣（蔣小榮 等，2017）。

2）人口流動網絡特征測算 在人口流動有向加權網絡中，入度為流向節點的流強度，出度為從該節點流出的流強度。本文定義Tij為人口從城市i流入到城市j的人口流動系數，即連接邊權重（邊權），Tji表示相反的向量數值，為計算某個節點總強度，進一步做如下定義（蔣小榮 等，2017）：

式中：n為樣本內節點的個數；Win和Wout分別表示為城市i在網絡中的入度和出度。考慮到有向網絡的方向性，Ti≠Tji，Win≠Wout。Win越大表示流入該節點的人口較多，該城市的吸引力越大，Wout越大表示從該節點流出的的人口較多，反映該節點人口流出較多，該城市人口輻射力越大。在定向加權網絡中，節點的總強度是一個節點的入度和出度之和。節點的總強度越大，表示該節點在網絡中處于中心位置的程度。

3）節點對稱性測算 節點對稱性用于描述每個節點的入度和出度所反映的差異，城市間人口遷移的數量關系并不能僅通過入度和出度反映。NSI指數是有向加權網絡的人口流動強度來計算節點對稱指數，可用于判斷城市節點是流入型城市還是流出型城市。根據NSI的大小，運用ArcGIS顯示中國城市群所含城市類型的空間分布。城市節點i的NSI的公式（蔣小榮 等，2017）為：

式中：Wini為i城市的入度；Wouti為i城市的出度。

4）模糊邏輯方法 本文將模糊邏輯的模糊推理方法（Fuzzy logic reasoning method）進行優化，用于測算城市的人口負增長風險。與經典邏輯系統相比，模糊邏輯可有效捕捉真實世界的近似的和不精確的性質（Ghosh and Biswas, 2021）。城市人口負增長風險是包含多指標的模糊概念，適合采用模糊推理方法測算。通過MATLAB 中的模糊推理系統工具箱，構建Mamdani FIS模型，使用線性三角函數計算每個指標的模糊評價分數，對數據進行預處理和歸一化，以消除量綱影響。基于模糊邏輯的模糊推理方法，使用模糊的“if-then”規則建模，基于乘法原理確定人口負增長風險的綜合得分（Tong et al., 2023）。

① 輸入參數的模糊化

假設有n個輸入參數分別為人口負增長的測算指標X1，X2，…，Xn，輸出參數為人口負增長風險（Y）。為捕獲與收集數據相關的不確定性，輸入和輸出參數的隸屬函數都用三角模糊數表示。

② 確定指標的正負向

對所有指標對于人口負增長風險的正負向進行分析，這樣每一個隸屬函數表現為論域X的一個向量。

③ 構建fuzzy規則器

制定fuzzy規則（if-then規則），fuzzy規則根據指標的數量n會有n3條，借助MATLAB對相同規則進行合并，匯總剩余的推理關系，構建fuzzy 規則器。第i(i= 1，2，…，m)條if-then規則為：

式 中：xj∈Xj，y∈Y(j= 1，2，…，n)，(j=1，2，…，n)都是三角模糊數且分別表示對應輸入指標的定性描述；也是三角模糊數，表示對應輸出指標的定性描述。

④ 計算每條規則的強度

利用模糊交運算計算第i條規則的強度βi，公式為：

式中：是第i條規則Ri導出模糊輸出的隸屬函數；m是總的規則數目；y∈Y。

⑦ 聚合所得輸出的去模糊化

利用面積質心法將聚合所得的輸出去模糊化，得到最終的人口負增長風險為：

式中：yl∈Y，是Y的k量子化。

3 人口外生增長和內生增長的空間格局

3.1 人口外生增長的空間格局

2020年中國中心城市的人口流動打破以往“鉆石模型”的流動格局，形成城市群內部組團式的流動格局。中國人口流動集中分布在提升型城市群，其次是壯大型城市群，培育型城市群城市的人口流動強度較弱（圖2）。整體上，沿著胡煥庸線以東，城市群分布較多，且由于城市化趨于飽和等原因，城市群的人口流動相對復雜，而胡煥庸線以西城市群流向單一，且流動強度（人口遷移頻率）較低。

圖2 中國城市群人口流動網絡的空間分布Fig.2 Spatial distribution of population flow of urban agglomerations in China

培育型城市群、壯大型城市群、提升型城市群的人口外生強度呈逐級遞增趨勢，出度、入度和總強度存在明顯趨同性。中國城市群中城市的平均入度值大于平均出度值。其中，提升型城市群流動強度相對較高，珠三角城市群、長三角洲城市群、京津冀城市群流動強度最高且流動方向更加多元化。壯大型城市群中山東半島城市群的流動強度強于其他壯大型城市群。培育型城市群的人口流動強度較前2類城市群低，其中蘭西城市群、天山北坡城市群流動強度最低、流動方向較單一。

（1）外生增長總強度

2020年城市群所包含的198個城市的外生增長總強度均值為544.06，最大為廣州市（2 998.97），最小為博爾塔拉蒙古自治州（50.09）。具體地：1）提升型城市群的總度值均值為410.13～732.26，但珠三角城市群的總度值達到1 495.25，超過同類其他城市群的2倍以上。在城市群內部的極值均為省會城市或直轄市，另外，城市群內部的總度值差距較大。2）壯大型城市群的總度值均值總體處于500左右，但北部灣城市群總度值僅為379.4，與其他城市群相差較大。在城市群內部，大部分城市群城市總度值分布較為連續，關中城市群與中原城市群存在極值城市，即西安（1 827.3）和鄭州（1 782.7）存在明顯的首位度。3）培育型城市群的總度值均值總體為200～300，但滇中城市群總度值均值達到677.89。在培育型城市群中，省會城市存在明顯的首位度。

（2）入度和出度

從入度看，城市群的入度值在141.01～404.03，珠三角城市群為極值（875.89）。城市群所含城市人口流動入度的均值為284.22，其中最大值為1 820.87（廣州市），最小值為36.86（商洛市）。具體地：1）提升型城市群的入度值為195.40～875.89，大部分城市群的入度為195.40～397.59，珠三角城市群達到875.89。城市群內部存在極值（省會城市）；2）壯大型城市群的入度值為168.96～257.49，大部分城市群入度值集中在255左右，在城市群內部出現最低值（商洛市的入度值為36.86）；3）培育型城市群的入度值為141.01～373.95，大部分城市群的入度值集中在141.01～197.9，地域上呈明顯的“俱樂部”效應，如滇中及黔中城市群的入度值與出度值數值相近，且與同類型其他城市差距較大，在出度最大的前10 個城市中，滇中、黔中城市群占半數以上。

中國城市群的出度值在129.47～334.67 波動，珠三角城市群出度均值達到619.36，遠高于其他城市群，與總度值趨勢一致。中心城市人口流動出度的均值為259.84，其中最大值是1 178.10（廣州市），最小值為73.06（海口市）。具體地：1）提升型城市群的出度值在214.73～619.36，總體位于320左右，在城市群內部存在極值（省會城市）；2）壯大型城市群的出度值在210.44～262.15，總體集中在210～240；3）培育型城市群的出度值在129.47～303.95，分布較為均衡。

（3）流入型流出型城市的空間分布格局

單從外生增長入度或者出度并不能顯示該城市人口流動的趨勢，有必要對城市人口流動網絡的節點對稱性進行測算。本文對城市類型的界定標準為：若NSI<-0.01，則為流出型城市，若NSI>0.01，則為流入型城市，若NSI 為-0.01～0.01，則為平衡型城市。根據NSI測算結果，中國19個城市群198個城市中，平衡型城市有4 個（占比2%），為煙臺市、濟寧市、海口市和包頭市，均位于壯大型城市群和培育型城市群。

中國城市群的NSI 值為-0.18～0.1，沒有明顯的極值現象。流出型城市有137個（70%），流入型城市有57個（28%）。NSI均值是-0.06，NSI最大值為0.37（西寧市）。NSI 最小值為-0.47（商洛市）。從空間分布上看，流入型城市在沿海城市群較多且集聚，在內地分布少且分散。東南沿海的三四線城市是人口流入較密集的區域，而西部的流入型城市則為省會城市（圖3）。

圖3 中國中心城市NSI的空間分布Fig.3 Spatial distribution of NSI of urban agglomerations in China

1）提升型城市群的NSI為-0.15～0.1，較多城市為流入型，表現為省會城市NSI＞0.01，其他城市＜0.01。京津冀城市群與長三角城市群均有半數以上城市NSI＞0.01，為流入型城市。2）壯大型城市群的NSI 為-0.18～-0.01。壯大型城市群內部的山東半島與海峽西岸城市群內部有近半數城市NSI值＞0.01，而其他城市群均＜0.01。3）培育型城市群的NSI為-0.07～0.07，省會城市人口流入型，其他城市人口流出。培育型城市群的三四線城市是人口流出較密集的區域。此外，在城市群內部存在明顯的首位度，如蘭西城市群中的蘭州（0.27） 與西寧（0.37）。

3.2 人口內生增長的空間格局

通過戶籍人口自然增長率反映中國城市人口的內生增長狀況。人口自然增長率較高的城市主要集聚在提升型城市群。自然增長率為負的城市有17個（12%），主要集聚在培育型城市群。同時，培育型城市群的自然增長率高于壯大型城市群和提升型城市群，提升型城市群自然增長率較低，成渝城市群出現明顯的內生型人口負增長。培育型城市群的自然增長率較高，如寧夏沿黃、黔中的人口自然增長率普遍較高，但遼中南城市群的自然增長率總體＜0（圖4）。

圖4 戶籍人口自然增長率的空間分布Fig.4 Spatial distribution of household registrational population's natural growth rate in urban agglomerations in China

戶籍人口自然增長率最高為0.19（深圳市），最低為-0.05（本溪市）。流出型城市的自然增長率普遍較低，均值為0.047。自然增長率最高為0.147（茂名市），最低為-0.052（本溪市）。同時，省會城市的自然增長率較低，其他城市的自然增長率較高。流入型城市的自然增長率普遍較高，均值為0.065。人口自然增長率超過0.1 的城市占總數的21%。自然增長率為負的城市有17個，占比5.2%。

（1）流出型城市群內生增長的空間格局

從城市群范圍看：1）在提升型城市群流出型城市中，長江中游城市群的自然增長率大多在0.05～0.07 附近波動，而其他城市群則在0.02～0.03附近波動。成渝城市群較其他城市群的自然增長率明顯低，且在城市群內部自然增長率＜0 的城市也最多。2）壯大型城市群流出型城市的自然增長率大多在0.05以上。在自然增長率前10城市中，有4個屬于壯大型城市且半數屬于北部灣城市群。3）培育型城市群流出型城市中，黔中城市群和滇中城市群的流出型城市的自然增長率明顯高于其他城市群，遼中南城市群的流出型城市的自然增長率明顯低于其他城市群，且大多＜0（圖5）。

圖5 不同類型城市群的戶籍人口自然增長率Fig.5 The natural growth rate of household registrational population in urban agglomerations in China

（2）流入型城市群內生增長的空間格局

從城市群范圍看：1）提升型城市群中流入型城市中，珠三角城市群中流入型城市的自然增長率較高，如深圳市達到0.19，遠高于其他城市。2）壯大型城市群中流入型城市群的自然增長率為0.06～0.13，且多集中于沿海地區，如海峽西岸以及山東半島。3）培育型城市群中流入型城市的自然增長率呈現2 個極端，蘭西城市群、滇中城市群、晉中城市群中的流入型城市自然增長率較高，集中于0.07～0.1，東北地區如遼中南以及哈長城市群中流入型城市的自然增長率較低，存在自然增長率為負的城市（見圖5）。

4 中國城市群的人口負增長風險評價

4.1 城市群人口負增長風險的空間分布

在外生與內生增長相互作用下，中國部分城市群存在一定的人口負增長風險。隨著人口負增長，兒童比例、老齡化率、平均家庭規模、人口密度、性別比都會發生明顯變化，兒童比例越高，平均家庭規模越大，人口密度越大的城市人口負增長風險越小，因此選用上述5個指標分析中國城市群的人口負增長風險。結果如下：

提升型城市群的人口負增長風險均值為0.48。除成渝城市群（0.52）外，各城市群的風險均小于全國平均值（0.48）。提升型城市群中，長三角城市群、珠三角城市群和京津冀城市群所含城市風險均較低。而長江中游城市群和成渝城市群的風險表現為省會城市低，其余城市高。如成渝城市群內部大部分城市的風險高于全國平均值（0.48），其中最高風險值為廣安市（0.62），其值是雅安市（0.39）的1.5 倍，這是因為成渝城市群內部人口向成渝兩地集中的態勢明顯，廣安市人口外流現象嚴重且城鎮化水平不高，因而面臨較高的人口負增長風險（圖6）。

圖6 城市群人口負增長風險的空間分布Fig.6 Spatial distribution of negative population growth risk in urban agglomerations in China

壯大型城市群的人口負增長風險均值為0.49。其中海峽西岸城市群（0.47）與關中城市群（0.47）的風險均小于全國平均值。海峽西岸城市群內城市的風險均較低。但山東半島城市群、中原城市群、關中平原城市群和北部灣城市群的風險表現為省會城市人口負增長風險低，而其余城市風險高（見圖6）。

培育型城市群的人口負增長風險均值為0.49，其中哈長城市群（0.45）與遼中南城市群（0.48）的風險均小于全國平均值。哈長城市群和遼中南城市群風險普遍較高。在城市群內部，哈長城市群各市的風險均低于全國平均值，但遼中南城市群存在兩極現象，如沈陽市（0.42）與撫順市（0.60）存在較大差距。而天山北坡城市群和呼包鄂榆城市群的各城市風險普遍較低。同時，蘭西城市群和寧夏沿黃城市群、以晉中城市群、黔中城市群和滇中城市群的風險表現為省會城市低，其余城市高（見圖6）。

4.2 流出型流入型城市人口負增長風險對比分析

流出型城市的人口負增長風險在0.31～0.62，均值為0.49，較流入型城市高。培育型城市群中流出型城市的人口負增長風險較提升型城市群和壯大型城市群中流出型城市更高。具體地：1）提升型城市群中流出型城市的風險平均值為0.47，在成渝城市群內部城市的風險相差較大；2）壯大型城市群中流出型城市風險平均值為0.47，但海峽西岸城市群的風險平均值僅為0.43，較其他城市群明顯偏低；3）培育型城市群中流出型城市風險平均值為0.50，如遼中南城市群達到0.52，遠高于其他城市群（圖7）。

流入型城市的人口負增長風險在0.39～0.54，均值為0.48。具體地：1）提升型城市群中流入型城市的風險平均值為0.47，在城市群內部，省會城市或直轄市的風險高于其他城市；2）壯大型城市群中流入型城市風險平均值為0.48；3）培育型城市群中流入型城市風險平均值為0.49（表1）。

表1 城市群不同類型城市的人口負增長風險Table 1 Risk of negative population growth in different types of urban agglomerations

4.3 城市群人口負增長的影響因素分析

中國城市群的人口負增長風險是內生增長和外生增長雙重作用的結果，但內生增長和外生增長對于不同城市群人口負增長的影響存在異質性（表2）。

表2 人口負增長風險的影響因素Table 2 Influencing factors of the negative population growth risk

1）提升型城市群中，入度的Sig.值為0.006，顯示為在1%水平上具有統計學意義，入度每增加1個單位，則提升型城市群人口負增長風險降低3.283（見表2），即入度為提升型城市群人口負增長風險的影響因素。同時自然增長率的Sig.值為0.002，顯示為在1%的水平上具有統計學意義，自然增長率每增加1個單位，則提升型城市群的人口負增長風險降低2.100，即自然增長率為提升型城市群人口負增長風險的影響因素。即，提升型城市群人口負增長風險受外生增長和內生增長作用的共同影響，相比而言，外生增長的影響更大。

2）壯大型城市群中，入度的Sig.值為0.000，顯示為在0.1%的水平上具有統計學意義。入度每增加1個單位，則壯大型城市群的人口負增長風險降低21.211，即入度為壯大型城市群人口負增長風險的絕對影響因素。

3）培育型城市群中，自然增長率的Sig.值為0.000，顯示為在0.1%的水平上具有統計學意義。自然增長率每增加1個單位，則培育型城市群的人口負增長風險降低3.166，即自然增長率為培育型城市群人口負增長風險的絕對影響因素。

4.4 不同城市群的人口負增長類型細分

根據中國城市群人口負增長風險及其影響機制，19 個城市群的人口負增長可劃分為8 種類型（表3）。

表3 人口負增長風險類型劃分Table 3 Classification of negative population growth risk in urban agglomerations in China

提升型城市群的人口增長狀態可分為2種類型：1）以長江中游城市群和成渝城市群為一類，省會城市人口負增長風險低，其余城市人口負增長風險高，其動力機制主要是外生增長。2）以長三角城市群、珠三角城市群和京津冀城市群為一類，省會城市和其余城市人口負增長風險均比較低，其動力機制主要是外生增長。

壯大型城市群城市人口增長狀態可分為2種類型：1）以山東半島城市群、中原城市群、關中平原城市群和北部灣城市群為一類，省會城市人口負增長風險低而其余城市人口負增長風險高，其動力機制是外生增長。2）以海峽西岸城市群為一類，省會城市和其余城市人口負增長風險均比較低，其動力機制是外生增長。

培育型城市群的人口增長狀態可分為4種類型：1）以哈長城市群和遼中南城市群為一類，人口負增長風險高，其動力機制是內生增長。2）以天山北坡城市群和呼包鄂榆城市群為一類，人口負增長風險低，其動力機制是內生增長。3）以蘭西城市群和寧夏沿黃城市群為一類，人口負增長風險表現為省會城市低，其余城市高，其動力機制是內生增長。4）以晉中城市群、黔中城市群和滇中城市群為一類，人口負增長風險表現為省會城市低，其余城市高，其動力機制是內生增長。

5 結論與啟示

5.1 結論

本文首先在第七次人口普查數據的基礎上，構建人口流動網絡分析中國城市群人口變動的外生格局，并通過戶籍人口生育率顯示中國城市群人口變動的內生格局；其次，構建城市群尺度的人口負增長風險測算指標，進而測度城市群的人口負增長風險的空間分布及其異質性；最后，對中國城市群人口負增長風險內在影響因素進行探究。得出的主要結論有：

1）培育型城市群、壯大型城市群、提升型城市群的人口外生強度呈逐級遞增趨勢，出度、入度和總強度存在明顯趨同性。中國城市群中城市的平均入度值大于平均出度值。培育型城市群的自然增長率高于壯大型城市和提升型城市群，同時，省會城市的自然增長率較低，其他城市的自然增長率較高。

2）中國城市群的人口負增長風險平均值為0.48，其中提升型城市群的人口負增長風險為0.48，壯大型城市群的人口負增長風險平均值為0.49，培育型城市群的人口負增長風險平均值為0.49。同時流出型城市的人口負增長風險較流入型城市高，這進一步驗證戚偉等（2022）的結論。

3）提升型城市群人口負增長風險受外生增長和內生增長作用的共同影響，相比而言，外生增長的影響更大；外生增長為壯大型城市群人口負增長風險的絕對影響因素；內生增長為培育型城市群人口負增長風險的絕對影響因素。這與毛新雅和翟振武（2013）的研究一致。

4）根據中國城市群人口負增長風險及其影響機制，19個城市群的人口負增長可劃分為8種類型。其中，提升型城市群和壯大型城市群的人口增長狀態均可分為2種類型，培育型城市群的人口增長狀態可分為4種類型。

5.2 政策啟示

快速城市化導致不同地區城市化進程不同，致使不同城市群均面臨人口負增長風險，因此不同城市群應采取差異化政策應對。

1）提升型城市群應以人口分布空間均衡為目標。目前提升型城市的人口政策聚焦于人才引進，如《天津海河英才計劃人才引進政策》《重慶市引進海內外英才“鴻雁計劃”實施辦法》等。在吸引人才促進城市職能轉變的同時，提升型城市群應借助區域三四線城市強大的人口吸引力，加強區域互聯互通建設，完善社會保障體系，改善居民生活水平，保證社會可持續發展。此外，提升型城市群空間區位大都臨江臨海，在物流運輸和信息接觸上具有天然優勢，應發揮其高質量發展的聯動引領效應，促進資源空間重組與高效利用，避免高度人口集聚帶來的負面效應。

2）壯大型城市群應充分發揮大城市對人口的“截流”作用。目前壯大型城市群的人口吸引政策一方面體現在引進和培養高層次創新創業人才，如《防城港市引進和培養高層次創新創業人才暫行辦法》，另一方面放寬落戶政策加快人口集聚，如《關于加快海門區人口集聚的實施意見》。在加快人口集聚的同時，壯大型城市群應利用其基礎設施建設較好，吸引力較強的優勢，注重創新環境，深化創新教育，吸引當地及欠發達地區流出的人才，提高人才聚集能力，以大城市人才聚集帶動城市群建設。

3）培育型城市群應以“固本”為要。培育型城市群目前出臺的人口吸引政策較少，吸引人口力度較弱。培育型城市群應通過優化省會城市人才服務政策，完善基礎設施，調整產業結構，提高省會城市人口首位度，并與經濟首位度相匹配，確保現有人才不流出，同時吸引周圍縣區的人口流入。在省會城市人口聚集和經濟發展壯大的基礎上，帶動其余城市特色產業發展，以產業帶動就業，確保當地勞動力就地就近就業，減少人口外流對經濟發展的負面影響。同時，采取“精明收縮”政策，通過集約化發展，提高居民生活水平和人均收入，從而提升自身的人口吸引力。