吉林省城市人口收縮的時空特征探析

摘 要：基于吉林省地級市及其所轄全部縣級行政單元（地級市市轄區為一個基本研究單元）2000—2019年的人口數據，通過構建人口收縮度指標，測度吉林省城鎮收縮情況，并運用探索性空間數據分析手段（ESDA），對不同時間維度的城鎮人口收縮度進行空間關聯性與差異性分析，旨在通過探索吉林省城鎮人口收縮的時空格局及其演化過程，為相關政府部門制定強有力的經濟政策和構建鮮活的策略機制提供科學依據，從而合理應對吉林省城鎮化發展中的局部收縮問題。

關鍵詞：吉林省；城市人口收縮；時空特征

中圖分類號：Ｃ９２２ 文獻標志碼：A 文章編號：1673-291X（2024）13-0043-04

目前，中國城鎮化進程正在由速度型向質量型過渡。隨著人口紅利的逐漸消失，中國城市發展的“增長”過程即將結束，部分城市已經開始經歷人口收縮的過程[1]。

進入新世紀以來，作為傳統老工業基地的東北地區人口大量外流，已經成為我國城市收縮最為嚴重的區域之一，引起了各界關注，有的學者將其稱為中國的“銹帶地區”[2]。環境污染、資源萎縮與社會不穩定等成為阻礙東北地區振興與發展的瓶頸問題[3]。

作為中華人民共和國成立初期重點扶持省份，吉林省重工業在全國居于比較重要的地位，擁有良好的城市基礎設施和較高的城市化發展水平。但從20世紀80年代以后，吉林省逐漸轉變為人口凈遷出省份。與六普相比，七普吉林省總人口減少了3379362人，10年間減少12.31%，年均減少1.31個百分點。9個市（州）中，僅長春市常住人口有所增加，其他地區常住人口均有不同程度的減少。在吉林省流出人口中，擁有大專及以上、高中/中專人口比例分別達到24.9%和22.6%，而流入比例僅為9.2%和18.9%[4]。一方面，青壯年人口的流失，加劇了生育率降低和人口老齡化；另一方面，高素質人才的大量流失嚴重限制了吉林經濟的轉型和現代化。

本文旨在通過探索吉林省城鎮人口收縮的時空格局及其演變過程，為相關政府部門制定強有力的經濟政策和鮮活的策略機制提供科學依據，從而合理應對吉林省城鎮化發展中的局部收縮問題。

一、數據來源與研究方法

（一）數據來源

本文對城鎮收縮的測度使用的是人口指標，其中，常住人口數據采用的是五普和六普的統計結果。2000—2019年《吉林省統計年鑒》、《中國縣域統計年鑒》和《中國城市統計年鑒》中的戶籍人口數據作為歷時性人口數據的補充識別。在空間上，以區縣為研究單元，測算其人口年均增長率，用來考察各區縣2000年以來人口的變化以及人口的流動情況。考慮到吉林省行政區劃的調整，以2018年吉林省縣級行政單元為基本研究單元，對其他年份行政單元進行相應的數據合并與處理。最終，將研究對象確定為地級市及其所轄全部縣級行政單元（地級市市轄區為一個基本研究單元），共包括56個研究單元。

（二）研究方法

1.人口收縮度。本文采用常住人口和戶籍人口及其比值來界定城鎮收縮情況，具體算法如公式（1）—（5）所示：

其中，Pr和Ph分別代表某區縣不同年份的常住人口和戶籍人口，Cr和Ch分別表示該區縣2000—2018年間常住人口和戶籍人口的年均增長率。當Cr＜0時為常住人口收縮，當Ch＜0時為戶籍人口收縮。綜合參考國內外收縮城鎮的人口指標劃分，結合吉林省人口變化實際情況，我們將吉林省的人口年均增長率劃分為四檔：顯著收縮（＜-1%）、輕微收縮（-1%-0%）、輕微增長（0%—1%）和顯著增長（＞1%）。Crh表示常住人口與戶籍人口的比值，Crh＞1為擴張，Crh＜1則為收縮。

2.探索性空間數據分析。ESDA是一種具有識別分辨功能的空間數據分析方法，可利用屬性數據的空間特性，在分析空間關系的基礎上進行數值的相關分析，進而突出空間相互作用，近年來被國內外學者逐漸應用于區域經濟差異的研究領域。其中，全局莫蘭指數（Moran’s I）常用來檢驗整個研究區域中鄰近地區是相似、相異（空間正相關、負相關），還是相互獨立。而局部莫蘭指數（Local Moran’s I）則用來檢驗局部地區是否存在相似或相異的觀察值聚集在一起，并且與Moran散點圖一同協力可檢測局部空間的聚集性及分析局部空間的不穩定性。Moran's I和Local Moran’s I的計算公式分別如下[5，6]：

在（6）和（7）公式中，n用來表示所考察區域內的地區個數，wij是空間權重取值，xi與xj是第i與第j個區域的屬性觀測值（本文指縣域人口收縮度）， = xi 是考察區域范圍內屬性值的算術平均值，S = （x - ） 是屬性觀測值的樣本方差。

I的取值一般在-1—1之間，當I＞0時，表示兩個區域之間的取值具有正相關性，當I的取值接近于1時，說明具有相似的屬性聚集在一起（高值與高值相鄰，或者低值與低值相鄰，稱為空間聚集）；當I＜0時，則表示兩個區域之間的取值具有負相關性，當I的取值近于-1時，說明具有相異的屬性聚集在一起（高值與低值相鄰，或者低值與高值相鄰）；如果I的取值接近于0，則說明考察區域的屬性是隨機分布的，或者不存在空間自相關性。

Ii的取值主要是用來考察區域i與其他相鄰區域之間的關聯程度。當Ii的值為正時，說明一個高值被高值包圍，表現為“高—高”（H-H）的空間結構；或者一個低值被低值包圍，表現為“低—低”（L-L）的空間結構。而Ii的值為負時，則說明一個低值被高值包圍，表現為“低—高”（L-H）的空間結構；或者一個高值被低值包圍，表現為“高—低”（H-L）的空間結構。

二、吉林省城市人口收縮的時間軌跡

（一）吉林省市域收縮存在惡化趨勢

分別以2000年和2010年的戶籍人口作為基數，通過計算2010年和2018年戶籍人口收縮度指標Ch和Ch1，我們發現吉林省人口收縮現象在市域尺度上同時存在著廣義與狹義的城市收縮，①并且收縮城市的范圍有進一步擴大的跡象。2000—2010年間出現廣義城市收縮的城市僅有遼源市、通化市和延邊州三個地區，而2010—2018年間，存在廣義城市收縮的城市增加到九個，也就是說覆蓋了全省全部九個地級市以上地區。從狹義城市收縮來看，2000—2010年間，吉林省還不存在此類城市收縮現象，但是2010—2018年間，卻出現了六個地區發生了狹義城市收縮問題，包括吉林市、通化市、白山市、遼源市、松原市和白城市。

（二）吉林省縣域常住人口局部收縮明顯但總體程度較輕

根據五普和六普資料，采用2000—2010年常住人口數據來考察吉林省47個區縣單元的收縮情況，我們發現出現城鎮收縮現象的區縣共有25個，所占比例達53.19%，超過1/2的城鎮出現不同程度的人口負增長，可見收縮現象在吉林省并非個例，局部甚至大部分縣區收縮明顯。其中，顯著收縮的區縣有8個，年均增長率小于-1%，占收縮區縣的32%，占全部區縣的17.02%；其余17個區縣的年均增長率皆處于-1%—0%之間，即輕微收縮， 占收縮區縣的68%，占全部區縣的36.17%。

（三）吉林省縣域戶籍人口收縮由不明顯轉向上升趨勢

從戶籍人口來看，六普時吉林省收縮的區縣數量較采用常住人口數據進行計算的結果有所減少，為18個區縣，占比38.30%，小于按常住人口統計的收縮城市的數量及比例。其中輕微收縮區縣數量為15個，顯著收縮區縣數量僅有3個，呈現數量少且程度較輕的特點。但此后，吉林省縣域戶籍人口收縮現象逐漸呈上升態勢，到了2018年，全省47個縣區中，僅有3個戶籍人口是增長的，收縮縣區數量達到43個，比2010年增長了138.89%，收縮縣區占比高達91.49%。其中輕微收縮區縣數量增加到30個，增長1倍，顯著收縮區縣數量增加到13個，增長4倍以上。而輕微增長的區縣僅有2個，顯著增長區縣僅1個，二者合計占比不到10%。

（四）長吉與外圍地區人口流動反差特征顯著

常住人口與戶籍人口的比值，可以在一定程度上反映出人口流動的情況，如果一個地區的二者比值大于1，表示這一地區主要呈現出人口流入；反之，如果二者的比值小于1，則表示該地區的人口主要呈現流出特征。通過對比2000年和2010年吉林省各區縣的常住人口和戶籍人口比值構成（見圖1），我們發現，全省發生收縮的區縣2000年時有13個，到2010年時，則增加到了26個，收縮比例和收縮度均呈上升態勢。與此同時，發生收縮的區縣2000年時，主要集中在長吉外圍，尤其是吉林省東部和西部地區，說明這兩個地區以人口流出為主，而長吉則以流入為主。而到了2010年，一些長吉外圍地區或靠近長吉外圍地區的區縣，由增長轉為收縮，形成了環繞長吉地區的巨型收縮圈層。

三、吉林省城市人口收縮的空間分異

為進一步厘清2000年以來吉林省人口收縮城市的空間異質性與空間關聯性，我們以2000年和2010年的戶籍人口作為基數，分別計算2000—2010年和2010—2018年戶籍人口變動指標Ch1和Ch2，并通過全局Moran’s 指數探討吉林省人口收縮城市的總體格局和分異特征。將全省47個區縣的戶籍人口變動指標（Ch1和Ch2）作為分析單元，采用反距離函數建立空間權重矩陣，并通過運行ArcGIS 10.1空間自相關（Moran’s）分析工具，分別得到2000—2010年和2010—2018兩個時間段吉林省戶籍人口變動指標（Ch1和Ch2）的全局Moran’s 指數及臨界值Z得分和顯著性水平P值。其中，2000—2010年吉林省縣區戶籍人口變動的Moran’s 指數值為-0.283 993，小于0，且Z值（-1.657 020）略小于-1.65，P值（0.097 515）接近0.10（達到90%的置信度），說明這一時段吉林省區縣戶籍人口變動之間存在較弱程度的負空間自相關性。而在2010—2018年間，Moran’s 指數值為-0.214 643，雖然小于0，但Z值（-1.197 141）位于-1.65—1.65之間，P值（0.231 252）大于0.10，說明此時段內，就全省而言，各區縣的戶籍人口變動空間分布特征并不明顯，基本上呈隨機分布。

如前文所述，從全省尺度來考察，2000—2010年和2010—2018年間，吉林省各區縣的戶籍人口變動總體上不存在顯著的全局空間自相關性，但這不能說明不存在高值或者低值的局部空間集聚現象，并可能隱藏了偏離整體分布模式的空間關系，為此，需要應用局部空間自相關分析法進一步探討。本文利用GeoDa軟件繪制Moran散點圖來進一步辨識局部區域內的各區縣戶籍人口變動的空間聯系及其空間分布結構（見圖2）。

由圖2我們可以看到，從2010—2018年，位于第一和第三象限的縣區數量有所減少，從27個減少到22個，反映出在這期間吉林省縣區戶籍人口變動在局部空間上的集聚性和相似性有所減弱。位于第二和第四象限的縣區數量由20個增加到25個，表明期間吉林省縣區戶籍人口變動的空間差異性有所增強。

圖3是采用LISA （Local Moran’s）及5%的置信度得到的2010年和2018年吉林省47個縣區戶籍人口變動的Moran顯著性圖。從圖中可以明顯看出在局部范圍內，吉林省縣區戶籍人口變動主要是以高—低（H-L）、低—高（L-H）和低—低（L-L）空間分布結構為主。

四、結束語

本文基于吉林省地級市及其所轄全部縣級行政單元（地級市市轄區為一個基本研究單元），共包括56個研究單元19年的人口數據，通過構建人口收縮度指標測度吉林省城鎮人口收縮情況，并運用探索性空間數據分析手段（ESDA），對不同時間維度的城鎮人口收縮度進行空間關聯性與差異性分析。

在考察期內，吉林省市域人口收縮存在惡化趨勢、縣域常住人口局部收縮明顯但總體程度較輕、縣域戶籍人口收縮由不明顯轉呈上升趨勢、長吉與外圍地區人口流動狀況反差明顯等特征。

就全省范圍而言，2000—2010年間，吉林省區縣戶籍人口變動之間存在較弱程度負的空間自相關性；而在2010—2018年間，各區縣的戶籍人口變動空間分布特征并不明顯，基本呈現隨機分布的空間格局。但在局部空間尺度上，吉林省區縣戶籍人口變動具有一定程度的空間集聚性，主要是以高—低（H-L）、低—高（L-H）和低—低（L-L）空間分布結構為主。

城市收縮是經濟基礎、產業結構、社會發展水平、政策制度、人口和地域文化等多種因素綜合作用的結果，并且不同類型地區，影響城市收縮的引致因素也不盡相同。因此，對于解決收縮城市的對策建議，應根據收縮類型區的不同進行分析。

參考文獻：

[1] 龍瀛，吳康，王江浩.中國收縮城市及其研究框架[J]vOaZZIlUTJKexlpSvtmKt+7Q917FUBw/Urvh/lXaO90=.現代城市研究，2015（9）：14-19.

[2] Lee C K.Against the Law：Labor Protests in China’s Rustbelt and Sunbelt[M].Berkeley，CA：University of California Press，2007.

[3] 陳群元，宋玉祥，張平宇，等.東北老工業基地振興面臨的城市化問題與對策[J].城市規劃匯刊，2004（2）：47- 51.

[4] 于洋.人口外流對吉林省經濟發展的影響分析[J].今日財富，2020（6）：26-27，29.

[5] Le Gallo J， Ertur C. Exploratory Spatial Data Analysis of the Distribution of Regional per Capita GDP in Europe，1980-1995[J]. Regional Science，2003，82（2）：175-201.

[6] Anselin L. Local indicators of spatial association-LISA[J].Geographical Analysis，1995，27（2）：93-115.

[7] 溫佳楠.成渝地區收縮城市識別及其驅動因素分析[J].經濟論壇，2019（10）：69-76.

[責任編輯 立 夏]