人口收縮背景下黑龍江省縣域社會剝奪水平測度與影響因素研究

〔內容提要〕基于人口收縮的研究背景，運用社會剝奪指數模型和空間分析方法，本文系統探究了黑龍江省縣域社會剝奪水平時空格局及影響因素。研究發現：（1）黑龍江省縣域社會剝奪水平下降趨勢明顯，“北高南低”的縣域社會剝奪空間格局相對穩定，空間集聚趨勢進一步加大。（2）黑龍江省縣域人口收縮態勢較為嚴重，研究期內63個縣全部出現收縮，皮爾遜分析結果顯示，人口收縮程度與社會剝奪水平存在顯著正相關，且表現為“塌陷收縮型>重度收縮型>中度收縮型>輕度收縮型”的剝奪梯度變化。（3）社會經濟對黑龍江省縣域社會剝奪水平的驅動作用大于自然環境，城鎮化水平、人均農業機械總動力、人均GDP、地形起伏度、人均財政支出等是主要的驅動因子，交互探測表明，因子間的交互作用對黑龍江省縣域社會剝奪有著更強的驅動作用力。

〔關鍵詞〕人口收縮；縣域；社會剝奪；時空格局

貧困是人類長期面臨的難題，是一種復雜的社會現象，隨著我國脫貧攻堅戰取得全面勝利，區域性絕對貧困問題得以消除，貧困地區人居生存條件顯著改善。然而，絕對貧困的消除并不意味著貧困問題的消失，區域發展不平衡、公共服務不均等、社會保障不完善等問題日漸加劇，部分地區人口在收入、就業、教育、住房等領域面臨著更加不利的情況，從而出現廣泛的剝奪現象，嚴重阻礙著全體人民群眾共享改革發展成果的進程。同時，伴隨全球經濟結構調整和人口老齡化的加深，人口收縮現象呈全球蔓延的趨勢，給新時代鞏固脫貧成果帶來新的挑戰。在新的歷史條件下，深入探討人口收縮型區域社會剝奪模式及影響機制，揭示人口收縮與社會剝奪的內在聯系，對于推動社會轉型發展、保障公平正義具有重要意義。

“社會剝奪”發軔于20世紀英國關于貧困問題的研究，其實質是對相對貧困的度量。20世紀60年代，西方學者Townsend提出社會剝奪評價的指標體系，首創了定量研究社會剝奪的方法。由此開始，“社會剝奪”理論在英國、西班牙、加拿大、澳大利亞等發達國家受到了廣泛關注和持續研究，成為其解析社會問題、制定區域發展政策的重要依據，同時，印度、南非等發展中國家也開始關注社會的剝奪問題。我國關于社會剝奪問題的研究相對較晚，20世紀90年代以來，由于貧富分化、職住分離、新老貧困等問題相互交織，我國社會發展問題逐步凸顯，社會剝奪逐漸引起國內眾多學者的關注，圍繞社會公平正義展開了廣泛且深刻的研究。當前，我國關于社會剝奪問題的研究主要集中在兩個方面，一是宏觀尺度下刻畫城市社會不平等的時空格局，二是微觀尺度下關注小范圍縣區的社會剝奪現象。

綜合上述分析，既有研究多側重于發達地區城市或人口增長型縣區，缺乏對人口收縮型區域社會剝奪問題的關注，黑龍江省作為中國人口收縮最為嚴重的地區，面臨的社會剝奪問題可能更為嚴峻。本文基于全國第六、七次人口普查數據，運用社會剝奪指數模型和空間分析方法，系統研究黑龍江省縣域社會剝奪水平的時空格局及影響因素，以期為收縮型區域改善社會公平問題提供一定的對策建議和決策參考，同時對于國內外面臨相同問題的區域治理具有重要的現實指導意義。

一、數據來源與研究方法

（一）指標體系構建

根據黑龍江省縣域社會經濟發展的現狀，結合國內外已有社會剝奪評價指標內容，本文遵循指標選取的科學性、合理性等原則，構建涵蓋收入、人口、就業、教育、住房等5個維度、18個指標的社會剝奪評價指標體系，基本反映了人口方面大部分的負面屬性，由于人口普查數據不包含貧困人口和低收入人群等內容，見表1。本文采用城鄉人口平均收入來表征縣域居民收入水平。

（二）數據來源

本文采用的人口數據來源于第六、七次全國人口普查資料；社會經濟數據來源于《中國縣域統計年鑒》（2011、2021年）和相關的各縣市統計年鑒（2011、2021年）；地形數據來源于地理空間數據云的30m精度ASTER GDEM數據；年均氣溫和降水數據來源于國家氣象科學數據共享平臺的中國地面氣候資料日值數據集；區位距離數據通過Arcgis空間量測獲取。本文以2020年黑龍江省行政區劃為基礎，對涉及行政區劃調整的縣域數據進行相應的處理，共計獲得63個縣和縣級市研究單元。

（三）研究方法

1.社會剝奪指數

式中，GDIi為i縣社會剝奪指數，其中GDI取值范圍為[0—1]，值越大，代表該地居民受到社會剝奪程度越深，區域發展不平等現象越嚴重；Rik和Rij分別為標準化后i縣第一主成分k和次要主成分j的得分，P為主成分個數。

2.空間自相關

空間自相關反映了要素在地理空間范圍內的集聚狀態，目前，學界常用的空間自相關分析方法主要分為全局空間自相關與局部空間自相關兩種。全局空間自相關（Moran’s I指數）是檢驗要素是否存在空間依賴性的有效辦法，Moran’s I指數通常取值為[-1，1]，指數為正值，要素存在空間正相關，指數為負值，要素不存在空間關聯性。局部空間自相關（LISA聚類）實質是全局空間自相關的分解，能夠很好地反映局部地區要素集聚的高低差異狀況。

3.皮爾遜（Pearson）相關性分析

皮爾遜相關性分析可以反映兩個或多個變量間相關作用影響的程度，本文采用此方法探索人口收縮程度與社會剝奪水平及其變化的相關性。

4.地理探測器

式中，q為因子驅動力大小，Nh與N為全區域和層h的單元數，L為自變量與因變量的分層，SSW與SST分別為層內方差之和與全區方差之和，q取值范圍為[0-1]，值越大代表因子驅動力越強，反之則越弱。

二、黑龍江省縣域社會剝奪的時空格局特征

（一）黑龍江省縣域社會剝奪的地域特征

根據2010年與2020年黑龍江省縣域社會剝奪指數值，借助Arcgis10.8軟件通過自然斷點法依次將其劃分為低度剝奪、較低剝奪、中度剝奪、較高剝奪、高度剝奪五類等級區。由圖1可知，黑龍江省縣域社會剝奪水平整體呈下降趨勢，GDI均值由0.424降至0.380。其中，2010年中度剝奪及以上縣38個，占縣域總數的60.32%，低度剝奪縣7個，占比11.11%，此階段黑龍江省縣域社會發展處于較低水平，社會剝奪現象較為嚴重。2020年中度剝奪及以上縣32個，占比降至50.79%，低度剝奪縣14個，占縣域比重升至22.22%，反映出黑龍江省縣域社會發展水平的提升。空間分布上，2010年縣域社會剝奪總體呈“西南高—東北低”的空間分布格局，齊齊哈爾、大慶、綏化等地縣域社會剝奪水平較高，佳木斯等東部地區縣域剝奪水平則較低。2020年黑龍江省縣域社會剝奪的空間格局發生顯著變化，高值剝奪區有所南移，北部邊疆縣社會剝奪水平下降趨勢明顯，大興安嶺地區社會剝奪下降速度最快，差值變化上，“北高南低”的縣域剝奪格局相對穩定。

（二）黑龍江省縣域社會剝奪的空間模式

為揭示黑龍江省縣域社會剝奪的空間集聚特征，本文采用Moran’s I指數分別對2010與2020年的黑龍江省縣域社會剝奪水平的全局空間自相關性進行檢驗，結果如表2所示，2010與2020年Moran’s I指數均為正值且均通過了顯著性檢驗，表明黑龍江省縣域社會剝奪存在著顯著空間集聚性，從演化趨勢來看，黑龍江省縣域社會剝奪Moran’s I指數有所提升，反映出黑龍江省縣域社會剝奪水平集聚趨勢進一步加大。

利用GeoDa軟件繪制黑龍江省2010、2020年LISA集聚圖，由圖2可知，黑龍江省縣域社會剝奪整體集聚趨勢變化不大。社會剝奪局部空間自相關不顯著的縣區較多，其中，高高集聚和低低集聚是黑龍江省縣域社會剝奪的主要集聚模式。2010年社會剝奪的高高集聚區有13個，主要分布在齊齊哈爾—黑河一帶縣域范圍內，該地森林面積廣闊，山地丘陵分布較廣，農業生產限制條件多，人均居民可支配收入較低，同時距離省會城市近，人口外流現象嚴重，致使該地區居民受到的社會剝奪現象最為嚴重。低低集聚區有5個，分布在黑龍江省西部地區的佳木斯與牡丹江一帶，該區域人口較少且處于平原地區，農業生產現代化水平高，同時受益于中俄雙邊貿易的輻射帶動作用，人均收入水平較高，社會剝奪強度低。與2010年相比較，2020年社會剝奪的高高集聚區變化較大，空間分布上有所南移，牡丹江、七臺河等地區也相繼出現社會剝奪高值集聚區。低值集聚區變化則較小，數量有所增多，主要分布在大興安嶺地區與佳木斯、雙鴨山等地，表明該地區社會剝奪強度低，區域發展公平性更好。

三、基于收縮效應的黑龍江省縣域社會剝奪分析

（一）基于常住人口變化的收縮效應分析

當前關于人口收縮判別的方法較多，如基于人口密度和勞動人口變化的人口收縮測度等。本文參考孫平軍、閻廣華等學者對人口收縮的定義，以常住人口變化率作為識別人口收縮的核心變量，針對黑龍江省人口收縮的實際狀況，參考國內外人口收縮的研究成果，將人口收縮劃分為五種類型，即人口增長型（>0%）、輕度收縮型（-10%，0%）、中度收縮型（-20%，-10%）、重度收縮型（-30%，-20%）、塌陷收縮型（≤30%）。由圖3可知，2010年與2020年黑龍江省縣域常住人口整體呈“南高北低”的空間分布格局，大興安嶺地區及靠近俄羅斯一帶的邊疆地區常住人口分布相對較少，哈—大—齊都市圈范圍內常住人口分布則較多。通過計算2010年與2020年黑龍江省縣域常住人口變化率可知，研究期內，63個縣全部處于人口收縮態勢，且呈現出“西高東低”的省域收縮空間分布格局，“齊—大—綏—牡”一帶城市縣域收縮態勢相對嚴重，佳木斯、鶴崗、雞西等遠離省會中心城市的縣收縮態勢反而較低。

（二）人口收縮程度與社會剝奪水平的總體關聯特征

根據研究需要，本文將人口收縮程度定義為正值，即人口減少值越大，人口收縮程度就越高。通過SPSS軟件對人口收縮程度與2010年、2020年社會剝奪水平及二者變化差值進行皮爾遜相關性分析。研究結果顯示（表3），黑龍江省縣域人口收縮與社會剝奪存在顯著正相關性，且2010年相關性系數大于2020年，表明黑龍江省縣域人口收縮程度越高，社會剝奪水平也越高，二者存在相關性。差值變化上，皮爾遜相關性系數為負，但顯著性檢驗結果較差，表明社會剝奪水平變化差值與人口收縮程度不具有良好的規律性。

（三）不同收縮類型的社會剝奪水平特征

表4反映了黑龍江省不同人口收縮類型縣域社會剝奪水平特征，整體來看，黑龍江省人口收縮狀況較為嚴重，重度收縮及以上等級的縣分別有21與20個，占比33.33%和31.75%。社會剝奪方面，整體表現為“塌陷收縮型>重度收縮型>中度收縮型>輕度收縮型”的剝奪梯度變化，進一步印證人口收縮與社會剝奪存在顯著正相關的皮爾遜分析結果。具體來看，2010年較高及高度剝奪的縣多分布于重度收縮及上等級的縣域單元，低度剝奪的縣則多分布于中度收縮及以下等級縣域單元，2020年處于低度剝奪等級的縣數量明顯增多，中度剝奪及以上縣數據明顯減少，且表現出高收縮高剝奪，低收縮低剝奪的總體分布特征。

四、黑龍江省縣域社會剝奪水平的影響因素

（一）因子探測分析

社會剝奪水平的時空分異是一個復雜的過程，本文參考已有研究成果，同時結合黑龍江省縣域社會發展的實際狀況，從社會經濟和自然環境等兩個方面選取了城鎮化水平（X1）、人均GDP（X2）、人均財政支出（X3）、人均農業機械總動力（X4）、規模以上工業總產值占比（X5）、第三產業產值比重（X6）、地形起伏度（X7）、區位距離（X8）、年均氣溫（X9）、年均降水（X10）等十個指標用以探究黑龍江省縣域社會剝奪水平的影響因素驅動力。

基于地理探測器的各影響因子驅動力結果如表5所示，除第三產業產值比重（X6）、區位距離（X8）、年均氣溫（X9）及降水（X10）等四個因子在部分年份對社會剝奪水平驅動效果不明顯外，其余因子均通過顯著性水平檢驗，主導因子（q>0.3）作用強度由高到低依次為城鎮化水平（X1）、人均農業機械總動力（X4）、人均GDP（X2）、地形起伏度（X7）、人均財政支出（X3），整體而言，社會經濟因子對社會剝奪水平的驅動作用明顯高于自然環境。其中，城鎮化水平（X1）與人均農業機械總動力（X4）對社會剝奪的驅動作用強度明顯提升，表明城鎮化和農業現代化建設在保障社會公平正義上發揮著更大的作用。

（二）交互探測分析

進一步利用交互作用探測器分析不同因子對黑龍江省縣域剝奪水平的影響，結果如表6所示，整體來看，影響因子兩兩交互作用后表現為雙因子增強和非線性增強，表明因子間交互作用對黑龍江省縣域社會剝奪水平的解釋力更強。其中，年均氣溫（X9）與降水（X10）對2010年黑龍江省縣域社會剝奪水平交互作用力最大，表明此階段自然環境對地區社會不平等制約作用更強，2020年交互作用最強的為與城鎮化水平（X1）與區位距離（X8），縣域區位距離與城鎮化建設交互作用后對黑龍江省縣域社會剝奪有著更強的解釋力。

五、結論與討論

本文基于全國第六、七次人口普查數據，以人口收縮為背景下探究黑龍江省縣域社會剝奪水平及影響因素，研究結果顯示：

（1）黑龍江省縣域社會剝奪水平整體呈下降趨勢，空間分布上“北高南低”的縣域剝奪格局相對穩定，縣域間空間關聯程度不斷提高，集聚趨勢進一步加大。

（2）黑龍江省縣域人口收縮態勢較為嚴重，研究期內63個縣全部出現收縮，皮爾遜相關性分析結果顯示，黑龍江省縣域人口收縮程度與社會剝奪水平存在顯著正相關，且表現出“塌陷收縮型>重度收縮型>中度收縮型>輕度收縮型”的剝奪梯度變化。

（3）社會經濟因子對黑龍江省縣域社會剝奪水平的驅動作用強度更高，其中，城鎮化水平、人均農業機械總動力、人均GDP、地形起伏度、人均財政支出等是主要的驅動因子，自然環境因子的影響程度則較小。交互探測結果表明，因子間的交互作用對黑龍江省縣域社會剝奪的驅動作用較單個因子更強，年均氣溫與降水、城鎮化與區位距離等是主導2010年與2020年黑龍江省縣域社會剝奪的首要交互驅動力。

本文認為如下途徑有助于縮小縣域社會發展不平等態勢，實現人口收縮型區域的可持續化發展。第一，加快轉變經濟發展方式，發展以特色農業為基礎的農村經濟，同時，結合東北地區特有的冰雪旅游資源，大力發展特色文化項目，增加當地就業機會，不斷提升城鄉居民收入水平，實現縣域經濟的快速發展。第二，優化縣域公共資源空間配置，政府要加大在教育、住房、醫療衛生等領域的投入力度，以新型城鎮化建設為依托，科學合理布局公共服務設施，不斷提升城鄉居民受教育水平，改善低收入群體住房條件，增強居民獲得感與幸福感。第三，積極應對黑龍江省縣域人口收縮的現實，重視收縮帶來的一系列社會問題，倡導精明收縮理念，實現區域發展的優勢互補。最后，本研究也存在一定的不足，黑龍江省縣域人口收縮較為典型，研究其社會剝奪水平及影響因素具有一定的特殊性，受限于數據獲取難度，本文未考慮市轄區范圍內的社會剝奪，未來有待進一步深化和研究縣區和市轄區之間社會剝奪的聯系和差異狀況。

（作者單位：哈爾濱師范大學地理科學學院）