廣東省市域人口收縮表征及成因解釋：基于fsQCA分析

摘要：基于人口的變化，利用2010年和2020年的人口普查數據對廣東省的常住人口進行觀察，同時利用“戶籍—常住”人口比互驗，識別廣東省的市域人口收縮及成因。運用fsQCA方法，研究發現廣東省存在人口明顯減少的顯性收縮城市和人口大量遷出但減少不明顯的隱性收縮城市，收縮路徑可以劃分為“產業—人口”衰退型收縮城市、“產業—人口”沖突型收縮城市以及“產業—財政”沖突型收縮城市。得出以下結論：經濟結構因素是廣東省城市收縮的主要原因，同時經濟結構因素作用的發揮需要后續配套的制度政策支持。生態結構因素和空間結構因素在廣東省城市收縮的過程中主要起輔助作用，難以對城市收縮起決定性解釋作用，需要與經濟結構因素系統性結合才能對城市收縮進行解釋。

關鍵詞：城市收縮；顯性收縮；隱性收縮；路徑組合

中圖分類號：F724.6 文獻標識碼：A 文章編號：1001-4225（2024）04-0022-10

改革開放以來，中國城鎮化進入一個高速發展的時期，常住人口城鎮化率在2020年末超過60%[1]，與1978年常住人口城鎮化率17.9%相比提高了近42個百分點，取得了令人矚目的成就。廣東省身處改革開放前沿，2020年常住人口城鎮化率達74.15%[2]，城鎮化的發展速度高于國家的發展水平。然而城鎮化高速推進的過程中，部分城市因人口集聚催生了繁榮的經濟，但也有部分城市也由于人口流出導致了城市發展困境的出現。廣東省作為中國快速城鎮化的典型代表，面臨著城鎮化要素過于集中在珠三角[3]，省內異地城鎮化突出，人口不斷向珠三角內圈集聚[4]，外圍部分城市人口不斷流出，人口減少，不可避免地出現了城市人口收縮的現象。

收縮城市這一概念由德國學者H？覿uBermann在1988年針對德國部分工業城市人口減少與經濟衰退的問題上首次提出[5]。隨著世界城市的去工業化以及城市化進程加快，以人口減少為主要特征的收縮城市開始引起了國外學者的關注，并且許多學者試圖探索城市收縮的成因與形成機制[6]。這些成果對收縮城市的研究體系的完善做出了重大的貢獻，差異化的收縮成因與形成機制讓收縮城市的比較研究成為可能。城市收縮本質上是用來描述人口大量流失以及由此導致的城市局部地區空心化現象[7]。城市收縮首要表現為人口減少，這也是評判中外城市收縮的第一表征[8]。世界收縮城市研究網絡（SCIRN）對收縮城市的定義便是“擁有1萬居民，在超過兩年的時間內大部分區域都經歷人口流失，同時面臨著以某種結構性危機為特征的經濟轉型的人口密集的城市地區”[9]。除了人口減少這一表征外，學界還嘗試從經濟維度和景觀維度來對城市收縮進行識別，但是以人口為代表的社會統計數據由于獲取性的問題，成為了目前最為普遍的識別和界定城市增減變化的指標[10]214。國內對于城市收縮的研究起步較晚，但在國際研究的基礎上也逐步建立起了自己的研究體系，開始對中國的收縮城市進行判別，有學者通過對人口總量和密度的考察發現中國有180個城市存在收縮的情況，證實了中國的城市收縮現象。此后，學者們開始就中國的城市收縮形成機制進行探討，并嘗試提出相對應的策略。綜合國內外的城市收縮的影響因素，其大體主要是內部轉型壓力和外部環境變化等多因素共同作用下的城市整體的均衡格局如經濟、社會、生態、空間中一維或多維結構被打破的結果[11]。城市收縮驅動力主要可以分為四類，經濟結構因素[12]，其典型案例的有美國的“銹帶”以及中國的鶴崗；社會結構因素[13]，低生育率和高齡化造成的人口結構改變一直困擾著日本的城市發展。生態結構因素[14]，如英國的格拉斯哥。空間結構因素[15]，典型的有德國的東部城市以及中國成渝地區的內江等。中國政府的管理模式與城市收縮之間息息相關，如長江經濟帶城市收縮的首要原因便是政策因素[16]。

研究不僅關注人口減少的城市顯性收縮，還關注正在經歷人口流失但還未出現人口減少的城市隱性收縮。與歐美長期人口流失的絕對收縮不同，在快速城鎮化下中國發達地區城市收縮普遍與增長共存，是一種城市發展的新現象。學界對于城市收縮的形成機制判定大多是基于回歸相關性分析，以相關性來進行解釋，難以在形成機制與城市收縮之間建立良好的因果關系。學界也未能在城市收縮的不同形成機制間進行更加細致且系統的比較，以形成對城市收縮更詳細的解釋。基于此，本文重點關注廣東省的城市收縮，嘗試運用模糊集定性比較的方式探討導致廣東省部分城市出現人口收縮現象的必要條件和充分條件，構建廣東省城市收縮的形成路徑，以期完善形成機制與城市收縮的因果關系研究。將經濟結構、社會結構、生態結構、空間結構以及政府管理和城市收縮相結合，以綜合性的方式研究城市收縮，探討導致城市收縮的充分條件和必要條件，以及相應的條件組態，以期能夠豐富城市收縮的研究內容與方法。

一、數據來源與研究方法

（一）數據來源

廣東省位于南嶺以南，南海之濱。2020年全省常住人口為1.26億[17]，經濟總量（GDP）達11萬億元[18]，人口總量與經濟總量均位于中國第一，下轄地級市有21個，根據其地理位置可以分為珠三角地區、粵東地區、粵西地區和粵北地區。常住人口和戶籍人口數據均來源于廣東省及各地級市的地方統計年鑒，跨度為2010—2020年。第二三產業產值、人均綠地面積、污水處理率、在崗職工平均工資、人均公共服務投入、人均政府固定資產投入、人均政府財政支出，均來源于廣東省及各地級市的統計網站或國民經濟和社會發展統計公報，而0～14歲人口以及60歲以上人口數據來源于廣東省的第七次人口普查公告。

（二）研究方法

模糊集定性比較方法（fsQCA）適用于小樣本的案例比較研究，其借用集合理論在條件變量和結果變量之間建立充分關系或必要關系，其主要通過挖掘案例將案例視為一系列條件和結果的組合，通過比較條件組合對結果的影響分析條件組合能否為結果的充分條件和必要條件[19]。為了克服傳統清晰集定性比較方法要求將變量進行二分的缺陷，Ragin提出了模糊集定性比較方法[20]。模糊集比較分析主要采取模糊集得分來表示條件與結果之間的充分關系與必要關系，其得分可以是0～1上的任何一個數值，避免在分析的過程中過分關注二分而導致信息的缺失，更能準確地反映出案例的真實情況。這也符合現實案例中很難通過二分的方式對變量進行界定和劃分的情況。

二、城市收縮評判

研究對城市收縮的識別仍然是以人口流失為標準進行的，主要采用的是常住人口的統計口徑。此外，由于城市收縮是一種結構性的危機，人口外流是其重要的表現之一，在人口統計上一般表現為戶籍人口大于常住人口。值得注意的是，一個城市出現戶籍人口大于常住人口的情況并非意味著會出現人口減少，難以滿足城市收縮的定義，但由于其確實存在人口流失問題，也有學者將其稱為“隱性收縮”[21]133或“相對收縮”。人口數量的變化是最能直觀反映城市是否存在收縮的指標，結合吳康的研究[10]219，本文主要采用2010年以及2020年兩個節點的常住人口數據對城市收縮進行判斷，Δ2020-2010＜0，即判定為收縮城市，這主要緣于2010年和2020年的人口數據由普查而來，其數據具有一定的準確性。而其它年份的常住人口數據一般是以點到面進行的推算得到，存在一定的誤差，因此不在計算的范圍內。此外，還要通過對比城市的戶籍人口和常住人口對收縮城市進行互驗，當戶籍人口大于常住人口時，意味著該城市存在著人口凈流出，符合收縮城市的結構性危機存在特征。

當一個城市同時存在常住人口減少以及戶籍人口大于常住人口兩種情況時，本文將其判定為顯性收縮城市，賦值為1；當一個城市不存在常住人口減少，但存在戶籍人口大于常住人口的情況時，本文將其判定為隱性收縮城市，賦值為0.8；其余城市則屬于非收縮的擴張型城市，賦值為0，判定標準及賦值情況如表1所示，具體城市類型如圖1所示。廣東省的收縮城市類型分布存在差異性，主要表現為：除珠三角地區外，其它城市都存在顯性收縮和隱性收縮的情況；顯性收縮的城市主要集中的廣東省的東翼（除湛江），而隱性收縮城市則主要位于廣東省的北部和西部（除汕頭）。

三、影響因子模型構建

基于統計數據的可獲得性，將上述的經濟結構、社會結構、生態結構、空間結構以及政府管理五個因子分解為10個變量，其變量選擇主要參考杜志威和張偉對表征經濟結構、社會結構、生態結構、空間結構以及政府管理的變量選擇[22]23、[23]。本文選用第二產業經濟規模、第三產業經濟規模來觀察城市的經濟結構情況，利用0～14歲的人口比例和60歲以上的人口比例來表征社會人口結構，利用人均綠地面積和污水處理率表征城市的生態情況，利用在崗職工的平均工資和人均公共服務投入來表征社會生活情況以觀察城市的吸引力，利用人均政府固定資產投入和人均政府財政支出所形成的政府制度性投入來表征政府的政策指向。

經濟結構因子，參考崔日明等的相關研究，利用產業結構層次系數進行產業結構升級水平的測度[24]，以此來代表經濟結構因素，其具體的計算為：經濟結構=（第二產業生產總值+第三產業生產總值）/經濟生產總值，當該系數越接近于1時，則證明其經濟結構優化結果越佳。同時結合嘉蓉梅（2012）利用產業結構層次系數對產業結構升級水平的判斷（0.95以上為高水平、0.9以上為高水平），本文將經濟結構因素的閾值設置為0.9，即經濟結構因素得分在0.9分以下，則認為該城市經濟結構升級水平不佳，賦值為1；反之則認為該城市經濟結構得到較好的升級，賦值為0。

社會結構因子，主要考察人口的結構情況，研究納入少子化和老齡化的概念，當0～14歲人口占總人口的比重在20%以下，意味著該社會進入少子化社會[25]，同時根據聯合國標準，當60歲以上人口占人口比重超過10%，意味著社會進入老齡化社會。為了綜合對人口結構進行測度，主要利用0～14歲人口占比與60歲以上人口占比差值，綜合考察兩個年齡段人口的差距，同時結合少子化和老齡化的標準，當兩者差距低于10%以下，則認為其人口結構為“倒三角”的不良結構，賦值為1；反之，賦值為0。

生態結構因素、空間結構因素和政府管理因子，其主要采用標準化的方式對相應變量進行處理，隨后將獲得的值進行相加再進行一次最大最小值標準化處理，最終值即為對應因素的得分，其分值為0～1之間，越接近1則代表越高的水平。其具體賦值情況為小于平均數賦值1，代表不良的生態結構、空間結構以及缺乏政府的指向性支持，反之賦值0（表2）。

由于QCA運算的規則是集合理論，其分析單位條件組合，因此需要將各變量按照表2和表3的賦值標準進行具體賦值后，得到條件變量和結果變量的所有組合，即真值表。之后利用軟件fsqca3.0進行進一步的分析，進而得到單條件變量的必要性分析結果和條件組合情況。

四、影響因子分析路徑

（一）單條件分析

運用QCA方法進行單條件判定時，一般利用一致性（Consistency）來進行判斷，其運算公式如下：

Consistency（Xi≤Yi）＝∑[min（Xi，Yi）] /∑Xi

如果X（條件變量）是Y（結果）的充分條件，則X的模糊集分值應該小于Y的模糊集分值，且一致性指標應該大于等于0.8。同時，當一致性指標大于0.8小于0.9時，則可以認為X是Y的充分條件，但一致性指標大于0.9時，則可以認為X是Y的必要條件。在完成充分條件和必要條件的分析之后，還要利用覆蓋率（Coverage）來呈現出X對Y的解釋力，其具體公式如下：

Coverage（Xi≤Yi）＝∑[min（Xi，Yi）] /∑Yi

覆蓋率指標主要用于表示X對Y的解釋力，其覆蓋率越接近1，則說明X在經驗上對Y的解釋力越強。利用fsqca3.0軟件進行單條件變量的分析結果如下所示（表3）：

通過表3可以看出，“經濟結構”、“生態結構”以及“空間結構”變量在13個收縮案例中所占的比例較高，且一致性指標也獲得了較高的數值（大于0.8），說明最初的條件變量設點上，能夠對結果變量產生一個較好的解釋。具體而言，在單變量的分析中，并沒有出現一致性指標大于0.9的條件，即并沒有哪一個因素是導致城市收縮的必要條件；而“經濟結構”、“生態結構”以及“空間結構”的一致性指標皆大于0.8小于0.9，且覆蓋率分別達到了75%，70%和70%，可視為城市收縮的充分條件，即不良的經濟結構、生態結構和缺乏引力的空間結構，對城市收縮具有一定的推動作用，但僅是充分條件，不能視為必要條件。而“社會結構”和“政府管理”兩個因素雖然一致性指標和覆蓋率一般，只能在一定程度上說明其對結果有一定的解釋力，不能作為必要條件和充分條件對結果進行解釋。鑒于城市收縮結果是多因誘發的，因此還需要進一步分析條件組態來獲取更多的信息。

（二）條件組態分析

通過運算后會得到三種方案，分別是復雜方案（Complex solution）、中間方案（Intermediate solution）和簡單方案（Parsimonious solution），其中復雜方案完全依據變量進行運算的結果，是QCA分析的慣例方案。從復雜方案的輸出結果可以看到整體覆蓋率（solution coverage）和整體一致性（solution consistency）分別達到了1和0.892308，表明所有的條件組合能夠解釋所有的收縮案例，并且具有較高的必要性解釋力度。從分析結果發現，共有4條組合路徑的一致性（consistency）得分大于0.8，表明這4條組合路徑具有較強的解釋力度，將其轉化為中文名稱如表4所示：

（1）根據等式換算可以發現，“不良的社會人口結構”*“不良的經濟結構”和“不良的社會生活”*“不良的生態結構”兩種組合方式覆蓋了所有城市收縮案例，其解釋力（raw coverage）為0.517（0.293+0.224）和0.570（0.328+0.242），說明這兩種條件組合方式是構成城市收縮的關鍵組合方式。同時也能發現，兩個不同的路徑所解釋案例具有一定的規律性，如前者不良的社會人口結構*不良的經濟結構組合解釋人口隱性收縮城市（除梅州），后者不良的社會生活+不良的生態結構組合解釋顯性收縮城市（除汕頭、茂名）。

（2）“不良的經濟結構”雖然只是導致城市收縮的充分條件，非城市收縮的必要條件，但在路徑中可以發現其重要性。在第一、二、三種路徑中，不良的經濟結構與四種因素的反值均構成組合并形成解釋路徑，導致城市人口收縮。

（3）經濟結構因素和政府管理因素在路徑二和路徑三中形成了兩個完全相反的組合，即“不良的經濟結構”*“良好的政府支撐”和“良好的經濟結構”*“缺乏政府支撐”兩個組合，這在一定程度上表明兩者的不匹配對城市人口收縮有一定的推動作用。

（4）所有的因素在具體的路徑中均有正值與反值的出現，證明這五個因子與城市收縮并非呈現簡單的相關關系，在很大程度上，其推力和阻力呈現為系統性功能。

（5）有兩條路徑的唯一覆蓋率（unique coverage）與原始覆蓋率（raw coverage）的得分相一致，表明這兩條組合路徑下的所有城市僅能被這兩條組合路徑解釋，形成路徑三（良好的社會人口結構*不良的經濟結構*不良的社會生活*不良的生態結構）和路徑四（良好的經濟結構*缺乏政府支撐*不良的社會生活*不良的生態結構）兩種較為典型的條件路徑組合。

五、影響因子的路徑解釋

根據路徑歸納的思路，按照經濟結構、社會結構、生態結構、空間結構和政府管理各個因素出現的情況，歸納廣東省城市收縮路徑模式。結合經濟結構因素的重要作用，以及因素的系統性功能，文本圍繞著經濟結構因素對廣東省的收縮類型進行劃分，分別為“人口—產業”衰退型、“人口—產業”沖突型和“產業—財政”沖突型。其中，“人口—產業”衰退型的收縮城市具有良好的生態環境或社會生活，主要用于解釋人口隱性收縮城市（除梅州）；而“人口—產業”沖突型和“產業—財政”沖突型的收縮城市的生態環境和社會生活呈現惡化的態勢，主要用于解釋顯性收縮城市（除汕頭、茂名），其具體分類及地理分布圖如圖2所示：

（一）“人口—產業”衰退型

該模式對應表5中的路徑一和路徑二，表示當某區域人口呈現出“倒三角”的形態且產業結構優化不足時，流出人口增加，造成了勞動人口的大量流出。同時由于流出地良好的生態環境、社會生活以及政府的財政支撐，提高了當地的生活質量，外出但達到退休年齡的勞動人口愿意大規模回鄉[26]，且在一定程度上也會導致老齡人口隨遷意愿的降低[27]，進一步強化了不合理的人口年齡結構。此外，由于這種退休年齡返鄉和隨遷老人的減少，此類型的城市在人口絕對減少上表現得并不明顯，但其卻呈現出較為嚴重的結構性危機（圖3）。因此該路徑組合解釋的案例，除梅州外，其它城市皆為人口絕對減少不明顯的隱性收縮城市。而梅州之所以呈現出人口的絕對減少，其原因可能在于其相對于其它處于該路徑的城市，遠離珠三角核心區，受珠三角的輻射作用有限，產業改善速度緩于其它城市；其次，梅州市作為廣東省經濟欠發達地區，是廣東省典型的人口城市化“流源地”和城市化弱化地區，勞動力轉移與人口城市化發展失衡問題十分突出，勞動人口轉移速率在一定程度上顯著快于其它城市。因此梅州市即使由于良好的生活質量存在退休勞動力返鄉和老人隨遷減少兩種弱化人口減少的情況，也無法彌補勞動力遷出的缺口，呈現出人口的絕對減少。

（二）“人口—產業”沖突型

該模式對應表5中的路徑三。該模式表示，這種類型的收縮城市擁有“正三角”的人口結構，但產業結構升級優化不足，同時生態環境和社會生活不佳。這類城市雖然擁有較好的人口優勢，擁有較好的勞動力資源，但由于產業結構優化升級不足，缺乏吸納足夠勞動力的能力，反而構成了富足的勞動力和勞動力吸納能力不足的矛盾，導致了大量勞動力的流失。同時，生態環境和社會生活不佳降低了人口的定居意愿，加劇了人口的流失（圖4）。由此最終導致了人口的大量遷出，人口減少，形成城市人口絕對減少的城市收縮。此外，茂名市雖然在此路徑中，但其并未呈現出人口絕對減少的顯性收縮，而是呈現出人口增加但戶籍人口大于常住人口的隱性收縮。這主要源于雖然茂名市的產業結構不合理，但茂名市作為傳統工業城市，其第二產業中具有一業獨大且集中于產業上游的石油化工產業。而石油化工產業由于門類和科層層次較多，勞動力進入門檻較低，產品的生產具有一定的勞動密集型特征。茂名市處于產業上游的石油化工產業更是降低了勞動力進入門檻，強化了其的勞動力吸納能力，在一定程度上緩和了勞動力的遷出，因此并未出現人口明顯減少的顯性收縮。

（三）“產業—財政”沖突型

該模式對應表5中的路徑四。該模式表示，這種類型的收縮城市擁有較為合理的產業結構，但缺乏政府的強力支撐，同時生態環境和社會生活情況不佳。這類城市的產業結構雖然在一定程度上得到了優化升級，能夠形成對勞動力較好的吸納作用，但政府薄弱的財政導致產業升級在短期內難以穩定，且無法發揮產業結構升級的乘數效應和研發效應[28]，限制企業擴大規模生產以及向著高端化方向發展，導致企業倒閉和外遷，產業經濟動力不足[22]24-25，最終難以有效發揮產業結構升級所帶來的勞動力吸納作用。同時，生態環境和社會生活不佳降低了人口的定居意愿，最終造成了人口的流失，形成了人口減少的顯性收縮（圖5）。此外，汕頭市在此路徑下并未顯現出顯性收縮，而是隱性收縮，其主要原因在于，汕頭雖然地處基于廣東省而言欠發達的粵東地區，但其是作為區域中心進行規劃發展，如廣東省印發的《廣東省沿海經濟帶綜合發展規劃（2017-2030）》將汕頭作為東極的中心進行規劃發展，具有一定的區位優勢。其次，汕頭與揭陽和潮州地理空間臨近，且擁有共同的符號和地方認同，在人口遷移的遞補現象影響下，汕頭成為揭陽和潮州遷出人口遷入到大城市的中轉站，在一定程度上彌補了部分人口遷出的缺口，因此汕頭市并未出現人口明顯減少的顯性收縮，而是呈現出隱性收縮的現象。

六、結論與政策啟示

（一）研究結論

針對中國城市收縮的現象，以廣東省為研究對象，探討廣東省城市人口收縮的影響因素及其組合路徑。在以人口減少為基礎上，納入了“戶籍人口—常住人口”互驗的方式，識別出顯性收縮城市和隱性收縮城市，探索構建經濟結構、社會結構、生態結構、空間結構以及政府管理五個因子和十個變量，在此基礎進行運用QCA模糊集分析法對其影響因素和路徑進行分析。結論如下：

經濟結構、生態結構和空間結構三個因素在廣東省的城市收縮過程中扮演著重要的角色，不良的經濟結構、生態結構和缺乏吸引力的空間結構構成了廣東省城市收縮的充分條件。

廣東省的城市收縮路徑以“不良的經濟結構”*“不良的社會人口結構”和“不良的生態結構”*“不良的社會生活”兩條路徑為主，前者主要用于解釋隱性收縮城市（除梅州），后者主要用于解釋顯性收縮城市（除茂名、汕頭）。同時根據具體因素進行系統分析，可具體將廣東省的收縮城市劃分為“人口—產業”衰退型收縮城市、“人口—產業”沖突型收縮城市和“產業—財政”沖突型收縮城市。

“人口—產業”衰退型收縮城市在缺乏人口優勢以及勞動力吸納程度不佳的情況下，出現勞動力大量遷出，但由于良好的生活質量吸引了退休人員返鄉，使人口減少變得不明顯，但呈現出較為嚴重的人口結構危機，主要以隱性收縮城市為主。“人口—產業”沖突型收縮城市在于人口優勢與產業結構不良之間形成大量勞動力與有限勞動力的吸納能力之間的矛盾，導致大量勞動力遷出，同時不良的生活質量導致定居意愿不高，主要以顯性收縮城市為主。“產業—財政”沖突型收縮城市則主要是合理的產業結構在薄弱的地方政府財政下，無法快速發揮乘數效應和研發效應，導致規模擴大以及高端化速度緩慢，弱化了勞動力的吸納能力，導致剩余勞動力遷出，同時不良的生活質量導致定居意愿不高，主要以顯性收縮城市為主。

梅州市在“人口—產業”衰退型收縮城市中呈現顯性收縮，茂名市在“人口—產業”沖突型收縮城市中呈現出隱性收縮，汕頭市在“產業—財政”沖突型收縮城市中呈現出隱性收縮，主要在于梅州市遠離珠三角的特殊區位，茂名市傳統工業城市的石油化工功能定位以及汕頭市的特殊區位優勢，在一定程度上仍然符合相關收縮路徑的解釋。

（二）討論和政策啟示

結合以上的結論可以發現，在廣東省快速城鎮化背景下的城市收縮問題，經濟結構因素仍然是造成城市收縮的主要原因，但即使經濟結構因素得到改善，缺少后續的配套制度政策的支持，同樣會導致城市收縮的出現。而涉及到城市生活質量的生態結構因素和空間結構因素，確實可以吸引人口，在一定程度上緩和城市的收縮，但需要與經濟結構因素結合進行系統性的分析。因為生態結構因素和空間結構因素在城市收縮的過程中的作用以輔助性為主，不能從根本上對城市收縮形成解釋。同時如果將生態結構因素和空間結構因素與經濟結構因素割裂，在中國傳統“落葉歸根”的返鄉文化下，大量勞動力退休選擇返回自己出生生活的戶籍地，表面上是人口回流增加，城市收縮得到緩和，而實質上是進一步打破社會結構，形成更加嚴重的結構性危機。此外，這也是在中國情境下城市收縮研究所忽略的問題，大多數學者對于城市收縮的識別都是基于人口的減少。而返鄉回流在一定程度上會導致大量勞動力遷出的城市的人口減少不明顯，難以識別，但這類型的城市卻存在著相較于其它城市更為嚴重的人口結構危機。

廣東省不同的城市所呈現出來的收縮路徑不盡相同，主要以“人口—產業”衰退型、“人口—產業”沖突型和“產業—財政”沖突型為主，因此本文具體問題具體分析，嘗試為不同類型的收縮城市提出相關建議，促進城市的可持續發展。

針對“人口—產業”衰退型城市，借助本身良好的生態環境和社會生活，著重發展養老產業，構建老年友好型城市，這既符合這類型城市大量老齡人口的市場需要，同時還能輔助產業的轉型升級。針對“人口—產業”沖突型城市，這類型的收縮城市的主要任務在于推進產業的優化升級，使其能夠更好地吸納當地的剩余勞動人口。勞動力資源在市場機制的作用下根據產業分布進行優化配置并非消極因素，是一種人口的自我調整，減輕了城市的城市化壓力[15]139。這類城市可借助這種機遇進行招商引資，吸引高端產業的入駐，優化產業結構，推動產業轉型。針對“產業—財政”沖突型城市，需要強化地方政府財政的產業支持，引導產業朝著規模化、高端化的方向發展，進而提高產業自身的競爭能力。針對顯性收縮城市中普遍存在的生活質量不佳的問題，在一定程度上需要加大對生態環境保護和基礎設施的建設的投入，這是建設一個具有可持續發展能力的友好型城市所必須的。

本文利用的是模糊集定性比較分析對廣東省收縮城市的影響因素及組合路徑，但礙于其對條件分析數量的限制，未能更加全面地考察其它變量，在未來的研究過程中，可對變量進行進一步的補充和調整。其次，主要進行的是多案例間的對比分析，未能深入到個案中探討，導致未能完全把握不同因素在不同案例中具體所發揮的作用，在接下來的研究過程中可進行深度的個案研究，不斷豐富研究結論并提升研究結論的普適性。

參考文獻：

［1］國家統計局.中華人民共和國2020年國民經濟和社會發展統計公報.國家統計局網站，http：//www.stats.gov.cn/tjsj/zxfb./202102/t20210227_1814154.html.2021-2-28.

［2］廣東省統計局.廣東省第七次全國人口普查公報（第六號）.廣東統計信息網站，http：//stats.gd.gov.cn/tjgb/content/post_3283434.html.2021a-5-15.

［3］王秀明，張勇，奚蓉，等.廣東省城鎮化與生態環境耦合協調的空間特征及影響因素研究[J].中國環境管理，2019，11（3）：100-106.

［4］邱凱付，羅彥.人口輸入型地區的城鎮化發展特征與趨勢——以廣東省為例[J].城市發展研究，2017，24（3）：159-162.

［5］H？魧U？覻ERMANN H， SIEBEL W. Die schrumpfende Stadt und die Stadtsoziologie[J]. Soziologische stadtforschung， 1988： 78-94.

［6］MARTINEZ-FERNANDEZ C， WEYMAN T， FOL S， et al. Shrinking cities in Australia， Japan， Europe and the USA： From a global process to local policy responses[J]. Progress in planning， 2016， 105： 1-48.

［7］張學良，劉玉博，呂存超.中國城市收縮的背景、識別與特征分析[J].東南大學學報（哲學社會科學版），2016，18（4）：132-139+148.

［8］吳康，李耀川.收縮情境下城市土地利用及其生態系統服務的研究進展.自然資源學報，2019，5：1121-1134.

［9］WIECHMANN T. Errors expected-Aligning urban strategy with demographic uncertainty in shrinking cities[J]. International Planning Studies， 2008， 13（4）： 431-446.

［10］吳康，戚偉.收縮型城市：認知誤區、統計甄別與測算反思.地理研究，2021，1：214+219.

［11］張京祥，馮燦芳，陳浩.城市收縮的國際研究與中國本土化探索[J].國際城市規劃，2017，32（5）：1-9.

［12］SOUSA S， PINHO P. Planning for shrinkage： Paradox or paradigm[J]. European planning studies， 2015， 23（1）： 12-32.

［13］沈瑤，朱紅飛，劉夢寒，等.少子化、老齡化背景下日本城市收縮時代的規劃對策研究[J].國際城市規劃，2020，35（2）：47-53.

［14］WESTERINK J， HAASE D， BAUER A， et al. Dealing with sustainability trade-offs of the compact city in peri-

urban planning across European city regions[J]. European Planning Studies， 2013， 21（4）： 473-497.

［15］劉再起，肖悅.中國收縮型城市的地理分布、形成原因及轉型發展路徑[J].稅務與經濟，2021（3）：1-8.

［16］張明斗，王亞男.城市收縮的空間格局、異質性與機制分析——以長江經濟帶110個地級及以上城市為例[J].江漢論壇，2021（5）：32-40.

［17］廣東省統計局.廣東省第七次全國人口普查公報（第一號）.廣東統計信息網站，http：//stats.gd.gov.cn/tjgb/content/post_3283423.html.2021b-5-15.

［18］廣東省統計局.2020年廣東省國民經濟和社會發展統計公報.廣東統計信息網站，http：//stats.gd.gov.cn/tjgb/content/post_3232254.html.2021c-3-1.

［19］高偉，高建，李紀珍.創業政策對城市創業的影響路徑——基于模糊集定性比較分析[J].技術經濟，2018，37（4）：68-75.

［20］RAGIN C. Redesigning social inquiry： Fuzzy sets and beyond[M]. Chicago： University of Chicago Press， 2009.

［21］劉錦.城市人口“隱性收縮”與經濟增長的交互影響研究——以廣東省茂名市為例[J].哈爾濱工業大學學報（社會科學版），2018，20（1）：133.

［22］杜志威，張虹鷗，葉玉瑤，等.2000年以來廣東省城市人口收縮的時空演變與影響因素[J].熱帶地理，2019，39（1）：23+24-25.

［23］張偉，單芬芬，鄭財貴，等.我國城市收縮的多維度識別及其驅動機制分析[J].城市發展研究，2019，26（3）：32-40.

［24］崔日明，俞佳根.基于空間視角的中國對外直接投資與產業結構升級水平研究[J].福建論壇（人文社會科學版），2015（2）：26-33.

［25］穆光宗，茆長寶，吳金晶，等.鄉土中國的人口弱化和優化研究[J].中國農業大學學報（社會科學版），2013，30（3）：61-71.

［26］王志寶，金航.中日人口老齡化區域演變差異分析[J]. 世界地理研究，2016，25（4）：29-39.

［27］陳盛淦，吳宏洛.二孩政策背景下隨遷老人城市居留意愿研究——基于責任倫理視角[J].東南學術，2016（3）：62-67.

［28］楊志安，李夢涵.財政支出政策影響產業結構升級的作用機制和效應分析——基于中國省級面板數據的系統GMM實證檢驗[J].遼寧大學學報（哲學社會科學版），2019，47（6）：45-54.

（責任編輯：張曉）

作者簡介：李松，男，內蒙古赤峰市人，理學博士，汕頭大學法學院副教授。

陳澤淦，男，廣東汕尾人，汕頭大學碩士研究生。

郭岱穎，男，廣東汕頭人，中國政法大學博士研究生。

基金項目：國家社科基金一般項目“區域文化約束下公共政策空間效應的行為響應機理及調適機制研究”（21BGL030）