gser Geographical Science Research 2168-5762 2168-5770 beplay体育官网网页版等您来挑战! 10.12677/gser.2024.133048 gser-89131 Articles 地球与环境 珠三角城际人口流动网络特征及影响因素
Characteristics of the Pearl River Delta Intercity Population Mobility Network and Influencing Factors
施雅婷 广州大学地理科学与遥感学院,广东 广州 03 06 2024 13 03 508 517 19 4 :2024 5 4 :2024 5 6 :2024 Copyright © 2024 beplay安卓登录 All rights reserved. 2024 This work is licensed under the Creative Commons Attribution International License (CC BY). http://creativecommons.org/licenses/by/4.0/ 把握城市人口流动的规律和趋势对人口政策、城乡规划、社会保障的制定具有重要意义。基于高德迁徙大数据,采用社会网络分析方法、QAP回归模型,探究珠三角城际人口流动网络特征及影响因素。研究发现:1) 珠三角城际人口流动频繁,呈现出“n + v”字型的空间格局,人口流动具有地理邻近性特征。“广佛莞深”四个城市构成人口流动网络的基本骨架。2) 珠三角地区的人口流动具有明显的经济指向,表现为广州和佛山作为人口净流入地区,而深圳、中山、惠州和珠海的人口流动相对平衡,肇庆地区则呈现人口净流出的特点。3) 珠三角地区的城际人口流动存在小团体的现象。东莞和深圳两个城市的人口流动派系重叠度较高,表明这两个城市的人口与其他城市之间的联系紧密,并且在人口流动中扮演着重要的角色。4) QAP回归结果表明,收入水平、对外开放水平、经济水平和网络设施水平是影响珠三角城市群人口流动的主要影响因素。
Grasping the laws and trends of urban population mobility is of great significance to the formulation of population policy, urban and rural planning, and social security. Based on the Gaode Migration Big Data, the social network analysis method and QAP regression model are used to explore the characteristics of inter-city population mobility network and influencing factors in the Pearl River Delta. The study found that inter-city population flows in the PRD are frequent, showing an “n + v” spatial pattern, and population flows are characterized by geographic proximity. The four cities of “Guangzhou, Foshan, Dongguan and Shenzhen” constitute the basic skeleton of the population mobility network. Population movement in the PRD region has a clear economic orientation, manifesting itself in Guangzhou and Foshan as net inflow areas, while Shenzhen, Zhongshan, Huizhou and Zhuhai are relatively balanced in terms of population movement, and the Zhaoqing region is characterized by a net outflow of population. The phenomenon of cliques exists in intercity population movements in the PRD region. Dongguan and Shenzhen have a high degree of overlap in population mobility factions, indicating that the populations of these two cities have strong ties with other cities and play an important role in population mobility. The results of the QAP regression indicate that income level, openness to the outside world, economic level and level of network facilities are the main influences on population mobility in the PRD city clusters.
人口流动,城市网络,社会网络分析,QAP,珠三角城市群
Population Mobility
Urban Network Social Network Analysis QAP Pearl River Delta City Cluster
1. 引言

人口是城市重要的组成要素,人口集聚可以最大程度发挥“人口红利”的效果。人口流动作为一种生产要素的空间再配置过程,其发生和发展是推动经济社会发展的重要动力之一 [1] 。因此,人口流入可以为区域经济发展提供动力,具有促进区域经济发展的作用。随着高速公路和高速铁路的修建,我国人口流动规模持续增长。珠三角地区是中国改革开放的先行地区,是中国经济活动最为频繁、人口流动量最大的地区之一。

进入互联网时代,城市成为网络中的节点和枢纽。1996年,Castells提出了“流动空间”理论 [2] 以后,以“流”数据为基础研究城市间相互作用逐渐兴起,城市流动要素的研究由传统等级规模转向流动网络特征的研究。基于城市间关系数据,从“流”视角出发探究城市网络的结构特征成为研究热点。在城市人口流动网络的研究中,以往研究主要利用地理学的空间分析方法探究人口流动的空间特征,更侧重于人口流动的规模和分布 [3] ,并不能很好地展示人口流动的动态特征。在研究数据方面,以往多用统计年鉴等静态数据研究人口流动特征。由于GPS定位技术和互联网的发展,基于位置定位的互联网大数据被应用到人口流动网络的研究中。学者们主要采用腾讯、百度、高德迁徙数据研究人口流动规律和特征。其中,百度迁徙数据更受研究者青睐,其次是腾讯迁徙数据,而高德迁徙数据的研究则相对较少。地理大数据为城市人口流动网络的研究提供了新视角和新方法。在研究方法上,人口流动多以引力模型进行探究,在表征人口流动上过于机械。社会网络分析方法的应用恰好能够弥补传统地理学方法的不足 [4] 。例如,张伟丽等采用社会网络分析方法分析中国2015~2018年人口流动格局演变及影响因素 [5] ;李天籽等揭示了中国2016~2018年人口流动的网络演变特征以及影响因素 [6] 。城市网络影响因素的研究上,人口规模、GDP总量和可达性是各地城市人流量差异的根本因素 [7] 。其中,就业机会、工资收入以及迁移成然是影响人口流动的决定性因素。随着生活条件的改善,教育医疗、社会服务以及居住环境等因素对全国人口流动的影响程度也进一步提高 [6] 。城市间交通的便捷性、居民平均受教育程度,对于该区域的常住人口空间集聚与数量增长,具有较为突出的作用 [8]

珠三角城市群是我国人口集聚最大的城市群之一,运用社会网络分析方法和QAP回归模型,揭露珠三角城际人口流动网络特征及影响因素,在理论上可以丰富珠三角城市网络的研究成果,在实践上可以为珠三角城市群协同发展规划提供科学依据。

2. 数据来源和研究方法 2.1. 研究区概况

珠三角城市群毗邻香港和澳门,行政范围包括广州、佛山、肇庆、深圳、东莞、惠州、珠海、中山、江门共9个城市,如 图1 所示。据统计,珠三角9市总面积55368.7平方公里,占比广东省国土面积不到1/3,却集聚了广东省53.35%的人口和79.67%的经济总量。珠三角城市群是我国重要的经济中心区域、南方对外开放的门户,城际间要素流动活跃,素有“南海明珠”之称。

注:该图基于自然资源部标准底图服务网站下载的审图号为GS(2020)4619号的标准地图制作,底图无修改。--Figure 1. Research location map--
2.2. 数据来源与预处理

利用爬虫工具在高德交通大数据平台(https://trp.autonavi.com/home.html)上爬取2021年高德迁徙指数,用于构建人口流动网络。该数据包含的定位信息具有空间位置信息,能够显示人口跨地级市的迁徙轨迹,常用于研究城市人口流动。获取数据后,本文对数据进行以下处理:

第一步,构建城市网络。基于珠三角9市构建9 × 9的对称矩阵,如公式(1)所示,列表示迁出城市,行表示迁入城市,矩阵中的元素表示当年由迁出地到迁入地的流动人次总和。

i 1 i n 1 i n [ j 1 j n 0 L 1 n L ( n 1 ) 1 L ( n 1 ) n L n 1 0 ] (1)

式中, L = ( L i j ) ,Lij为城市i到城市j的人口流动强度。

第二步,计算网络指标。将矩阵数据导入UCINET6.212软件计算网络指标,利用Circos和ArcGIS空间分析对城际人口流动进行可视化表达。

其他统计数据来自2021年9个地级市的国民经济与发展公报。

2.3. 研究方法

1) 社会网络分析方法

将人口流动矩阵导入UCINET6软件用于测量网络中的各类指标。各个网络指标的具体含义如 表1 所示。

<xref></xref>Table 1. Analysis index and meaning of the characteristics of population mobility networkTable 1. Analysis index and meaning of the characteristics of population mobility network 表1. 人口流动网络特征分析指标及含义

指标

指标含义

总体分析

网络密度

表明网络节点之间联系的紧密程度,数值范围0~1

节点分析

度数中心度

表明城市节点在网络中核心位置

凝聚子群分析

派系分析和块模型

揭示网络内部的结构以及网络子群特征

2) QAP回归分析方法

本文使用二次指派程序进行影响因素分析。QAP是用于处理矩阵之间关系的数据方法。其目的是研究矩阵之间的回归关系,并且对判定系数R2的显著性进行评价。已有研究表明使用QAP回归分析方法能够避免因观测值相关引起的统计偏误,排除虚假结构关系 [6]

3. 珠三角城市群人口流动网络特征 3.1. 人口流动网络的总体特征

经计算,珠三角城际人口网络的网络密度为0.2639,表明了人口在珠三角9市内进行了频繁的来往互动。为探究人口流动的规律,利用自然断点法将人口联系强度划分为五个等级,提取位于第一层级的城市,得到珠三角城市群人口流动网络及骨架结构如 图2 所示。研究发现,珠三角人口流动网络在空间上呈现出“n + v”字母型的空间格局,人口流动具有地理邻近性特征,即相邻的城市之间人口流动强度大。网络骨架由广州(55693.21)、佛山(45990.41)、东莞(54650.69)深圳(47210.27)四个城市构成,这四个城市之间的人口流动远远大于平均联系值(30795.79),说明这四个城市的人口流动极其活跃。与的解韬等 [9] 研究相符。从空间分布上来看,大规模的人口流动主要集中西江东岸。

为进一步探究人口流入流出的特征,将珠三角城市人口流出、流入制作和弦图,得到结果如 图3 所示。研究发现,珠三角人口流向分布主要以“广–佛、广–莞、深–惠、深–莞”的为主。广州、东莞、深圳和佛山处于网络中心位置,始终是人口流动最活跃的城市。根据 图3(a) 可知,人口流入广州的城市主要是佛山和东莞,流入深圳的城市主要是东莞和惠州,流入东莞的城市主要是深圳、广州和惠州,流入佛山的城市主要是广州,流入惠州的城市主要是深圳和东莞。由 图3(b) 可知,人口从广州的流出的城市主要是佛山和东莞;人口从深圳的流出的城市主要是东莞和惠州;人口从东莞的流出的城市主要是深圳、广州、惠州;人口从佛山的流出的城市主要是广州、江门、肇庆;人口从惠州的流出的城市主要是深圳和东莞;人口从中山的流出的城市主要是珠海、佛山、广州、江门;人口从江门的流出的城市主要是佛山、中山、广州;人口从珠海的流出的城市主要是中山;人口从肇庆的流出的城市主要是佛山和广州。对比图(a)和(b),珠三角城际间的人口的流入流出地呈现对称关系,即各个城市的人口流出主要城市和人口流入主要城市基本呈现一一对应的关系。

Figure 2. Population mobility network and skeleton structure in the Pearl River Delta city cluster--图2. 珠三角城市群人口流动网络及骨架结构--

Figure 3. Structure diagram of population inflow and outflow in the Pearl River Delta city cluster--图3. 珠三角城市群人口流入、流出结构图--
3.2. 珠三角城市群网络节点特征

1) 中心度分析

为了探究各个城市在网络中的重要地位,计算各城市的点度中心度,得到结果如 表2 所示。研究发现,点度中心度最大的是佛山,其次是广州、深圳和东莞,均为37.500。表明这四个城市在珠三角地区的人口流动网络中具有较为核心的地位,人口流动频繁。而中山、惠州、江门、珠海和肇庆五个城市的中心度较小,表明这些城市在人口流动网络中的重要程度相对较低,人口流动较为温和。从整体上看,珠三角地区的城市之间的人口流动不均衡,其中四个城市的人口流动频繁,占据着较为核心的地位,而其他城市的人口流动相对较少。这一发现对于深入了解珠三角地区的城市发展和区域协调发展具有重要意义,有助于优化资源配置、促进区域一体化和协同发展。

<xref></xref>Table 2. Centrality of population mobility network in the Pearl River Delta city clusterTable 2. Centrality of population mobility network in the Pearl River Delta city cluster 表2. 珠三角城市群人口流动网络中心度

序号

城市

点度中心度

1

佛山

50.000

2

广州

37.500

3

深圳

37.500

4

东莞

37.500

5

中山

25.000

6

惠州

25.000

7

江门

12.500

8

珠海

12.500

9

肇庆

12.500

2) 出度与入度分析

计算城市的点出度和点入度,得到结果如 表3 所示。本文将珠三角城际人口流动分为三种类型:第一类是人口净流入地区,即出度与入度的差值为负且绝对值相对较大,代表城市主要有广州、佛山;第二类是人口流动相对平衡的地区,即差值在0附近波动,以深圳、中山、惠州、珠海为代表;第三类是人口净流出地区,即差值为正且绝对值相对较大,以肇庆(差值最大:235.587)为典型。研究发现,大部分城市属于人口净流入类型。广州、深圳、佛山和东莞的出入度值较大,人口流动规模大。说明了其经济辐射能力强,能够吸引众多外来人口到此就业。肇庆、珠海和中山等城市的人口流动主要受广州、佛山、深圳和东莞的拉动作用。

<xref></xref>Table 3. Degree centrality of population flow in the Pearl River Delta city clusterTable 3. Degree centrality of population flow in the Pearl River Delta city cluster 表3. 珠三角城市群人口流动的度数中心度

城市

出度值

入度值

差值(出度–入度)

广州

55693.211

55755.922

−62.711

深圳

47210.270

47215.941

−5.671

东莞

54650.684

54662.711

−12.027

中山

20380.219

20387.414

−7.195

佛山

45990.410

46120.902

−130.502

惠州

24057.316

24061.275

−3.959

江门

11968.892

11979.964

−11.072

珠海

9149.935

9152.387

−2.452

肇庆

8061.174

7825.587

235.587

3.3. 人口流动网络的凝聚子群特征

1) 派系分析

为了探究珠三角人口流动网络内部的结构特征,对网络进行派系分析,共识别出2个派系,城市规模为3,将城市各中心度和派系结果进行可视化,结果如 表4 所示。

珠三角城市网络的派系结构呈现出派系林立的程度较低、存在重叠城市等特点。两个派系分别由广–莞–深、深–莞–惠组成,在空间是形成了以莞深为公共边的三角形格局。其他城市并未被识别到,可能的原因是珠三角城际人口流动更倾向于发生在区域之内。派系主要由珠三角城市群的核心城市相互组合而构成,即广州、深圳、东莞和惠州四个城市,东莞和深圳重叠度高。其他城市未构成派系,说明其他五个城市的人口流动量较小,不及核心四个城市。虽然,当前广佛已呈现一体化发展的趋势,但佛山并未落入广州、东莞、深圳派系,说明佛山的对其他城市的桥梁作用更为明显。

<xref></xref>Table 4. Faction resultsTable 4. Faction results 表4. 派系结果

派系

成员

派系1

广州–东莞–深圳

派系2

东莞–深圳–惠州

2) 块模型分析

利用迭代相关收敛法(CONCOR)探究人口流动网络的子群数量,得到结果如 表5 所示。研究发现,珠三角子群特征较为显著,子群内的成员之间地理邻近。具体来看,第1子群主要由广州、深圳东莞和惠州组成,该子群由于地理临近,人口联系容易产生,且这四个城市是珠三角经济实力靠前的城市。佛山、珠海分别单独构成第2和第4子群,表明了这两个城市在人口网络中处于孤立状态。第三子群由中山、江门和肇庆构成。随着交通基础设施的逐步完善,珠三角同城化逐渐弱化了地理距离,加强了城市间人口往来。

<xref></xref>Table 5. Agglomeration subgroup partition table of population mobility networkTable 5. Agglomeration subgroup partition table of population mobility network 表5. 人口流动网络的凝聚子群分区表

凝聚子群序号

凝聚子群成员

子群1

广州、深圳、东莞、惠州

子群2

佛山

子群3

中山、江门、肇庆

子群4

珠海

4. 珠三角城市人口流动网络的影响因素

人口流动网络属于复杂系统,其影响因素错综复杂。根据拉文斯坦的人口迁移理论可知,经济发展水平差异是人口流动的重要驱动因素 [10] 。本文选取了QAP计量模型,对人口流动网络的影响因素进行识别。

4.1. 变量选取

本文的被解释变量为2021年城市人口流动网络关系矩阵,解释变量为多值有向关系矩阵。参考前人研究 [6] ,结合研究目的,本文选取了以下解释变量,具体如 表6 所示。

<xref></xref>Table 6. Explanation and description of respective variablesTable 6. Explanation and description of respective variables 表6. 各自变量解释与说明

变量

变量解释与说明

科技水平(TL)

城际间R&D活动人数差值矩阵

地理临近性(GP)

城市坐标点差值矩阵

网络设施(NET)

城际间电信业务总量差值矩阵

就业水平(Em)

城际间城镇登记就业人数差值矩阵

收入水平(Income)

城际间城镇平均工资的差值矩阵

经济水平(Pgdp)

城际间人均GDP差值矩阵

开放水平(Open)

城际间外贸进出口总额差值矩阵

4.2. QAP回归分析结果

QAP回归分析得到回归结果如 表7 所示,该模型调整后R2为0.558,且通过了1%的显著性水平检验,说明所选取的7个指标能较好的解释人口流动网络的形成,均在较高程度上解释了区域经济差异对人口流动网络的影响。

<xref></xref>Table 7. QAP regression resultsTable 7. QAP regression results 表7. QAP回归结果

变量名称

非标准化回归系数

标准化回归系数

显著性水平

概率1

概率2

TL

0.132285

2.144138

0.012**

0.012

0.988

GP

−65.156288

−0.575826

0.000***

1.000

0.000

NET

6.374742

1.675325

0.023 *

0.023

0.997

Em

11.955413

0.713413

0.109

0.109

0.891

Income

0.226415

0.681007

0.002***

0.002

0.998

Pgdp

−30.553749

−2.775210

0.002***

0.998

0.002

Open

−1.825381

−2.775210

0.007***

0.993

0.007

R2

0.595

调整后R2

0.558

注:***、**、*分别代表在1%、5%和10%的水平上显著。

根据QAP回归结果可知,科技水平差异、地理位置差异和网络设施差异、就业水平差异、收入水平差异、经济水平差异和对外开放水平差异所构建的差异矩阵能够有效解释珠三角人口流动网络关系的59.5%。其中,科技水平差异的回归系数为2.144,在5%水平上显著,体现出地区的科技水平越高,越容易发生人口流动。科学技术的发展,使得社会和自然能够承载更多的人口。科技既可以发展生产力,又可以解放生产力,促使了人口流动。地理位置差异矩阵的回归系数为−0.5758,在1%水平上显著,说明不同地区的空间位置越近,人口流动更容易发生;随着距离的增加,人口流动减少,符合“距离衰减定律”。网络设施差异的回归系数为1.675,在10%水平上显著,网络可达性较差的地区一般是人口较少的地区,所以其人口流动发生的可能性小;相反,网络设施较好的地方,人口密集,人口更容易发生流动。收入水平差异的回归系数是1.675,在1%水平上显著为正,收入越高的地区,人口流动频繁。收入水平越高就意味着消费能力越大,也就意味着城市商业区的规模和覆盖能力,代表着城市第三产业发展的动力。经济水平和开放水平的回归系数均为−2.775,在1%水平上显著为负。可能的原因是珠三角地区人口流动以核心城市流动为主,核心城市的经济水平和开放水平较为相似,差距较小但人口流动强烈。收入水平、经济水平和开放水平均成为珠三角人口流动网络的主要驱动因素,科学技术水平和网络设施水平是影响珠三角人口流动网络的重要因素。但是,就业水平未能通过显著性检验,说明就业水平在本案例中对珠三角人口流动网络的影响因素并不显著。与其他研究相比 [6] ,就业水平不作为珠三角人口流动的影响因素。收入水平、开放水平、经济水平、科技水平和网络设施水平均是影响珠三角人口流动网络的显著因素。这是因为城市的经济发展水平、科学技术水平、网络设施水平和开放水平是体现城市竞争力的表现形式,也是人口聚集的主要引力。

5. 结论与展望 5.1. 主要结论

本文基于高德迁徙指数构建城市人口流动网络,利用社会网络分析法研究珠三角城市群城际人口流动的网络结构特征,并分析影响城际人口流动的因素,得到以下结论:

1) 珠三角地区的城际人口流动频繁,表明该地区具有较高的人口流动性和迁徙特征。

人口流动主要集中在广州、深圳、东莞和惠州这四个核心城市,这四个城市构成了人口流动的主要节点。这四个城市所构成的人口流动网络密度为1,说明人口之间的联系非常紧密,网络结构极其稳定,构成珠三角地区的人口流动基本轮廓。

2) 珠三角地区的人口流动具有明显的经济指向,表现为广州和佛山作为人口净流入地区,而深圳、中山、惠州和珠海的人口流动相对平衡,肇庆地区则呈现人口净流出的特点。把握珠三角各市人口流动差异,对于了解珠三角地区的经济发展、人口分布和城市规划具有重要意义。

3) 珠三角地区的城际人口流动存在明显的子群特征,即人口流动呈现出小团体的现象。这意味着人口流动更倾向于在特定的城市之间进行,形成了相对独立的人口流动子群。特别是东莞和深圳两个城市的人口流动派系重叠度较高,表明这两个城市的人口与其他城市之间的联系紧密,并且在人口流动中扮演着重要的角色。这一结论对于深入了解珠三角地区的城际人口流动模式和城市之间的关系具有重要意义。

4) 收入水平、开放水平、经济水平和网络设施是影响珠三角人口流动的驱动因素,科学技术水平和网络设施水平是影响珠三角人口流动网络的重要因素。随着城际交通轨道的完善,地理距离对人口流动的影响力将会减小,而网络设施等因素对人口流动影响程度都也进一步提高,因为人口普遍集中于网络设施优良的大城市,人口流动强盛。研究发现,收入水平、开放水平、经济水平、科技水平和网络设施水平均是人口流动网络的显著因素。

5.2. 不足

本文利用高德迁徙数据,深入挖掘珠三角城际人口流动基本特征,发现城际人口流动特征反映了经济发展的状况和趋势。例如,人口净流入地区(如广州和佛山)通常意味着这些城市具有较强的经济吸引力和发展潜力,而人口净流出地区(如肇庆)可能需要进一步加强经济发展和吸引力。通过把握珠三角城际人口流动的影响因素,有助于辨析珠三角人口流动趋势和规律,促进资源配置。例如,经济发展水平较低的城市要思考如何吸引人才和促进经济发展,以改善人口流动的状况。尽管本文的研究有了较大发现和揭露了人口流动客观事实,但也存在一些不足,例如本文探究的是珠三角年际人口流动特征,揭露的是整体的人口流动趋势和特点。没有对珠三角城际人口流动的高峰和平常时段进行分析。其次,本文的研究数据为城市尺度的数据,未来可以借助像区县或社区尺度的数据深入挖掘城市内部的人口流动情况。

References Dong, S., Xiang, H. and Dagotto, E. (2019) Magnetoelectricity in Multiferroics: A Theoretical Perspective. National Science Review, 6, 629-641. >https://doi.org/10.1093/nsr/nwz023 Castells, M. (1996) The Rise of the Network Society. Blackwell Publishers, London. 戚伟, 刘盛和. 中国城市流动人口位序规模分布研究[J]. 地理研究, 2015, 34(10): 1981-1993. 刘军. 社会网络模型研究论析[J]. 社会学研究, 2004, 19(1): 1-12. 张伟丽, 晏晶晶, 聂桂博. 中国城市人口流动格局演变及影响因素分析[J]. 中国人口科学, 2021(2): 76-87. 李天籽, 陆铭俊. 中国人口流动网络特征及影响因素研究——基于腾讯位置大数据的分析[J]. 当代经济管理, 2022, 44(2): 1-9. 商硕, 蒋海兵, 韦胜. 人口流动视角下中国地级以上城市空间联系格局与影响因素[J]. 智库理论与实践, 2022, 7(2): 116-129. 王婧, 刘奔腾, 李裕瑞. 京津冀人口时空变化特征及其影响因素[J]. 地理研究, 2018, 37(9): 1802-1817. 解韬, 汪睁铮. 珠三角城市群劳动年龄流动人口空间分布特征分析[J]. 广东经济, 2020(8): 20-27. LEE, E.S. (1966) A Theory of Migration. Demography, 3, 47-57. >https://doi.org/10.2307/2060063
Baidu
map