基于人口迁移的中国城市体系演化预测研究

劳 昕，沈体雁

(1. 清华大学 公共管理学院，北京100084； 2.北京大学 政府管理学院，北京100871)



人口学综合

基于人口迁移的中国城市体系演化预测研究

劳 昕1，沈体雁2

(1. 清华大学 公共管理学院，北京100084； 2.北京大学 政府管理学院，北京100871)

从中国城市化的本质——人口迁移网络出发，考虑所有城市空间单元以及城市间人口迁移联系在内，开展人口迁移和城市体系的综合性研究，探讨中国城市体系演化机理，将新经济地理学理论拓展到多区域，引入地理空间异质性，构建空间参考明确、全域均衡、空间单元之间存在明确人口迁移机理的城市体系模型。通过实证检验，该模型的模拟结果较为接近实际情况，模型拟合精度较高，可以用于城市体系演化预测。根据目前中国实际国情和国家政策导向，本文在三种大的城市化情景下根据中国各城市间人口迁移来预测中国未来城市体系的演化，即把整个城市体系视作一个通过人口迁移相互联系的网络整体来预测城市人口变化情况，从而为国家新型城镇化规划的流动人口管理、公共服务改进和城市等级体系规划等方面的政策制定提供现实依据。

人口迁移网络；城市体系演化；新经济地理学理论；模拟与预测

一、 引言

20世纪90年代以来，作为中国社会变迁的重要特征，大规模跨地区的人口迁移既源于改革开放初期东部沿海地区经济优先发展战略对劳动力的大量需求，又源于人口迁移政策和户籍政策的逐步放松。截至2014年末，全国流动人口总量达到2.53亿，超过总人口的1/6*数据来源：国家卫生和计划生育委员会流动人口服务管理司《中国流动人口发展报告2015》。。伴随中国城市化进程加速发展，人口迁移直接导致各等级城市数量及城市规模变化，进而影响城市等级规模结构和空间格局变化。城市体系作为一国或一地区各种规模、类型城市空间分布结构的有机整体，是整个国家经济社会发展的重要空间依托。城市体系的城市间不仅仅由城市等级体系及城市规模分布等已有研究所揭示的那样，仅存在竞争及等级关系，更重要的是存在合作与相互关联的网络互补关系。从人口迁移的视角来看，城市体系中的所有城市通过相互间的人口迁移联结成一个网络，通过这种空间联系将地域上分散的城市整合成一体。本研究通过对区域经济学、城市地理学领域密切相关的重要研究问题——人口迁移和城市体系的二者关联加以探索，辅以人口学和新经济地理学的相关理论，全面深入展示二者之间的相互作用机制及共同演化机理。

目前相关方面研究存在的问题及本研究为弥补这些缺陷所作的贡献如下：①现有城市体系模型(经典城市体系模型和新经济地理学城市体系模型)均以一维空间为主，一般只有两区域或者少数区域，且为均质空间，难以落实到真实地理环境上进行实证检验[1-6]；本研究通过引入地理空间构造和地理空间异质性，将新经济地理学模型从一维线性空间拓展到二维平面空间，从两区域拓展到多区域，用于模拟和预测中国真实城市体系的演化，以推进新经济地理学理论的实证研究发展。②目前中国人口预测多为基于单个城市的局部人口增长模型，缺乏将整个城市体系视作一体的人口空间格局预测演绎研究[7]，且人口迁移研究空间尺度较为宏观[8-15]；本研究构建了考虑所有城市单元以及城市间人口迁移联系的全域网络模型，即把整个城市体系视作一个通过人口迁移相互联系的网络整体来预测各城市人口变化情况，并将中国人口迁移的重要影响因素引入模型，以深化新经济地理学模型的人口迁移机制，并将中国人口迁移研究的空间尺度从省级单元拓展到城市层面。③目前城市体系演化和人口迁移都已形成较为完整的独立理论体系，而将二者结合起来进行综合分析并未形成系统的研究框架[16]；本研究基于新经济地理学理论中的城市体系演化模型[3]，构建人口迁移和城市体系的综合性研究框架，因为该模型中的城市规模分布变化是由城市间人口迁移决定的。

综上所述，本文通过梳理城市体系相关理论模型，采用新经济地理学理论构建理论模型，以解释城市间人口迁移是如何影响各城市人口规模变化的，并在此模型基础上引入城市等级体系构建；然后用理论模型来模拟中国城市体系实际演化过程，模型拟合精度经过检验后，在不同的城市化情景下预测未来城市体系演变，为合理引导城市间人口迁移和优化城市化空间格局提供决策参考。

二、 模拟流程说明

从本文的研究目的出发，构建理论模型，需要解决以下问题：一是需要分析人口迁移对城市体系演化的影响；二是将城市体系视为一个整体，通过城市间的人口迁移连接成一个紧密联系的城市网络，各城市人口的变化是相互影响的；三是需要将现有城市体系模型拓展到多区域，且初始时各区域为非均质的，使得城市体系模拟结果可以落实到真实地理空间上。

经过比较选择，作者发现新经济地理学的城市体系演化模型[6，17-18]能够满足以上条件：一是模型中各地区人口规模变化是由地区间人口迁移导致的；二是多区域情况下模型中的各地区是通过人口迁移紧密联系在一起的；三是在已有研究中，斯戴尔德(Stelder)[18]和葛莹等[19]引入地理空间构造和空间异质性对该模型进行改进，分别用于欧洲和中国浙江省城市体系演化模拟，模拟结果大体符合现实。因此本研究将借鉴该模型来模拟和预测中国城市体系演化。

根据人口迁移影响机制*根据相关人口迁移理论，并结合中国实际情况，本文提出以下几种影响人口迁移的重要因素：人口规模、经济发展水平、公共服务水平、地理环境条件(包含居住条件和环境质量等)、社会网络、空间距离和政策因素。(采用引力模型，计量分析结果见表1)，在藤田昌久、克鲁格曼和维纳布尔斯(Fujita, Krugman and Venables)的城市体系模型[6]中引入含有公共服务水平的效用函数以及两两地区间的空间距离矩阵，经济发展水平用模型中的工资和收入表示，各地区的地理优势度可用

表1 中国省际人口迁移影响因素计量分析结果

数据来源：全国第五次人口普查数据(2000)；2005年全国1%人口抽样调查数据；全国第六次人口普查数据(2010)；《中国统计年鉴》(1999、2004、2009)。

注：1.括号中为对应的显著性水平(p值)，比值指的是迁入地和迁出地之间各因素的相对差距(即Xj/Xi)，表格中只标出通过显著性检验的变量回归系数；2. 流动链指数等于迁出人口在各迁入地的构成比(i省流向j省的迁移人口/i省的总迁出人口)。

异质性的农民数量来表示，政策因素对人口迁移的影响则主要通过对公共服务水平的影响来实现，社会网络联系由于难以定量表示而没有直接显示在模型中。

模型基本构架如下：假设有N个城市/地区组成的城市体系，在该城市空间格局模型中，假设农业A是完全竞争和规模报酬不变的，制造业M是垄断竞争和规模报酬递增的，在达到短期均衡状态时，生产者的利润均为0，且供需平衡。具体到消费者，他们的生活费用就等于他们在经济中所赚的劳动收入。所有地区的农民总数为LA，且每个地区的资源禀赋即农业劳动力份额是外生变量且既定的，记为φi。与此相对应，制造业的劳动力是随时间变化的。用LM表示所有地区的工人总数，并且用λi来表示地区i在任何时点上的制造业劳动力份额。适当地选择单位可使得LM=μ，LA=1-μ。

(1)

其中，M代表制成品消费量的综合指数，A是农产品的消费量，S是公共产品的消费量，μ是制成品的支出份额，(1-μ)是农产品的支出份额。γ显示消费者的效用关于地方公共品的弹性，即地方公共品供给每增加一单位，消费者福利水平提升γ倍。因此γ数值越大，显示消费者对公共产品供给越敏感，体现在福利偏好上，即相对的更加偏好地方公共品。除以分母μμ(1-μ)1-μγγ(1+γ)-(1+γ)是为了简化间接效用函数的形式。

将公共品视为模型的外生变量[20]，设地区i公共产品供给量Qi是外生的，且为工人份额λi(城市规模)的增函数，由于在大多数情况下，城市层级越高(即规模越大)，居民能享受到的排他性的公共产品(包括医疗、教育等)越多；但城市户籍制度决定了劳动力是否能够享受到公共产品，而城市层级越高，户籍制度越严格，迁移人口获得公共产品的难度越大[21]，因此令λi的增长系数ε<1。则

(2)

在已知制造业劳动力分布，以及短期内劳动力在区域间不能流动的前提下，将以上公式代入藤田昌久、克鲁格曼和维纳布尔斯的城市体系模型[6]，可推导出城市空间格局的短期均衡模型包括以下4个方程：

Yi=μλiwi+(1-μ)φi

(3)

(4)

(5)

(6)

其中，Yi是地区i的消费者收入，Gi是地区i的价格指数，Ui是地区i的间接效用函数，σ表示任意两种制成品之间的替代弹性，piS是地区i的公共品价格。

假定工人会从效用水平低于平均效用水平的地区流向效用水平高于平均效用水平的地区，则将平均效用水平定义为：

(7)

同时假定人口迁移动态方程为：

(8)

其中ηi为迁移速度，即地区i人口的净迁入量dλi与地区i的城市人口规模λi成正比，若地区i的效用高于所有地区平均效用，则地区i为净迁入地，反之则为净迁出地。

根据中国实际情况，将各城市人口分为城镇人口和农村人口两部分[22]，城市实际规模应由城镇人口来测度，不同规模城市的存在，产生城市的等级体系。各城市规模(城镇人口)的变化由城镇地区间的人口迁移和农村地区往城镇地区的人口迁移共同决定：

Pu(i,t)=[uPu(i,t)+dλi+rPu(i,t)]*(1+bi)

(9)

其中

uPu(i,t)+dλi=λi，rPu(i,t)/Pu(i,t)=α

(10)

其中Pu(i,t)为i城市t时刻的城镇人口，uPu(i,t)为原先和现在都在i城市城镇地区的人口，rPu(i,t)为原先在农村地区、现在在i城市城镇地区的人口，dλi为从其他城市的城镇地区迁入i城市城镇地区的人口，α为迁入i城市城镇地区的农村人口与该城市城镇人口的比例，bi为人口自然增长率，为简化研究将α设为全国统一的常数。

当图1中两个判断条件均满足时，可以得到在均衡状态下，各区域劳动力λi的分布；只有当上述步骤对所有区域均满足时，求解过程才可能停止。

图1 城市体系模拟过程示意图

三、 模拟结果分析

参考相关研究的经验参数值，并经过反复调试后将模型中的参数值设定如下：μ=0.4，σ=5，τ=1.5，γ=5，ε=0.7，η=0.5；初始数据主要来源于全国人口普查资料和《中国城市统计年鉴》，其中λi取各地级单元2000年城镇人口数，wi取各地级单元2000年人均GDP来代替(该数据能更好地代表各个城市的经济发展水平)，农民数量φi用地理优势度赋值法*分别按各个省份所属的地形分区、温度带分区和干湿带分区对其进行赋值然后加总求和，各地级市的地理优势度得分与其所在省份一致：地形分区中第一阶梯赋值为1，第二阶梯赋值为2，第三阶梯赋值为3；温度带分区中高原气候区、寒温带赋值为0，中温带赋值为1，暖温带赋值为2，亚热带赋值为3，热带赋值为4；干湿带分区中干旱区赋值为0，半干旱区赋值为1，半湿润区赋值为2，湿润区赋值为3。来推算求得(各地区农民数量与其地理优势度成正比，总和等于全国不迁移的农民数量)，Dij取两两地级单元间的直线地理距离，各组初始值根据实际需要进行归一化或者标准化处理。如式(9)和式(10)所示，Pu(i,t)=[λi+rPu(i,t)]*(1+bi)，即根据模型模拟出各地级单元所占人口份额(此时的λi)，再加上农村地区往城镇地区的人口迁移部分rPu(i,t)，并考虑人口自然增长率bi，从而计算出各地级单元2010年模拟城镇人口数Pu(i,t)。为使模拟结果更接近真实情况，并结合数据可得性，各个地级单元的城镇地区采用2009-2010年间各城市人口自然增长率，农村地区(即农村地区往城镇地区的迁移人口rPu(i,t))采用2009-2010年间全国统一的农村地区人口自然增长率，该两项数据均来自于2010年全国人口普查资料。由于本研究重点在分析由城镇人口测度的城镇体系，农村人口部分只需考虑往城镇地区的转移人口，且农村人口自然增长率缺乏地级市层面的详细数据支撑，故用全国总体数值来简化计算。经过反复修改模型和程序，多次试验，最终得到的模拟结果表明，拟合精度较高，模型通过了检验。下面分别从模型本身的拟合精度、模拟所得的城市间人口迁移和城市等级体系结构这三个角度，与实际情况进行比较分析。

1. 模型拟合精度评价

模型拟合精度用模拟值与实际值的比值(即二者吻合率)来表示，平均值为99.58%，中位数为101.62%，最小值为38.74%，最大值为134.10%，标准差为14.00，拟合精度较高。且从图2可看出，拟合精度围绕100%的精度呈正态分布，绝大部分拟合值都接近于实际值(介乎75%-125%间)。

图2 模拟值与实际值吻合率的分布直方图 数据来源：全国第五次人口普查数据(2000)和《中国城市统计年鉴2001》，图3-6数据来源同图2。

图3 2010年各地级单元实际人口数与模拟人口数相关关系分析

从实际人口与模拟人口的比较(见图3)也可以看出，二者呈显著的正相关，相关性非常高，决定系数为0.9586，从另一侧面证明了模拟结果非常接近现实。

2. 城市间人口迁移的模拟结果与实际情况比较

本文对各地级单元的模拟净迁入人口与实际总迁入人口进行相关分析，得到Pearson相关系数为0.699，显著性水平为0.01，表明二者存在显著的正相关性。

由图4可看出，模拟净迁移人口空间分布与实际总迁入人口数的空间分布格局大体上类似：东部沿海地区迁入人口数较多，为净迁入地；西部和中部大部分城市迁入人口较少，为净迁出地；全国主要迁入地区都集中在京津冀、长三角、珠三角、成渝地区这几大都市圈的核心城市。与实际情况有出入的主要为西部地区的部分城市，迁入人口在一定程度上被高估了。西部迁入人口较多，可用自2005年起东部移民比重仍占绝大部分但已开始下降这一事实来解释：随着西部大开发等区域协调发展战略的实施，大量的人力、财力、物力转移到西部地区，新的就业和发展机会吸引了部分人口的迁入或迁回，一定程度上抵消了劳动力的外流。

图4 各地级单元的模拟人口迁移空间分布与实际情况比较

3. 城市体系的模拟结果与实际情况比较

总的来说，用理论模型模拟2010年地级市层面的真实城市体系，通过分析发现模拟城市体系的以下几方面特征与实际情况都基本一致。

(1)城市体系等级结构：从地级市层面来看，城市等级体系中，超大城市、特大城市数量最少*按照国务院2014年10月29日印发的《关于调整城市规模划分标准的通知》，将全国地级市划分为五个级别：城区常住人口50万以下的城市为小城市；城区常住人口50万以上100万以下的城市为中等城市；城区常住人口100万以上500万以下的城市为大城市；城区常住人口500万以上1000万以下的城市为特大城市；城区常住人口1000万以上的城市为超大城市。，大城市数量最多，中等城市和小城市的数量相对较少；2000-2010年间，超大和特大城市数量增加且规模增加较大，大城市数量增长较快，而中小城市的数量有所减少，中小城市往大城市的晋级发展较为迅速。

(2)城市体系首位度特征：全国城市规模分布并不服从首位律，首位城市上海的集聚和辐射作用有限，整个城市体系呈双中心或多中心分布，2000-2010年间首位度指数略有下降。

(3)城市体系位序—规模分布：全国城市体系大致符合位序—规模分布，且位序—规模等级结构比较稳定，位序—规模曲线十年间近似平行向前推移(见图5)，表明全国城市人口数整体不断增大；十年间城市体系均衡程度逐渐加强，与首位度指数下降的趋势正好一致；从理论上来说，就城市规模结构合理性来说，高位次城市还存在较大的发展空间。

图5 2000年和2010年中国城市位序—规模分布图

(4)城市空间分布格局：城市数量和规模分布空间差异明显，东部地区与其他三个区域相比，无论是城市数量、城市规模、大城市数量都占绝对优势(如图6所示)。

四、 预测结果分析

从模拟结果分析可看出，理论模型拟合精度较好，已通过实证研究的检验。因此，根据该理论模型，代入2010年各地级单元初始数据，采取同样的模拟流程(见图1)，在不同的城市化发展情景下来预测中国未来(2020年)城市体系演化。按《国家新型城镇化规划》提出的2020年要实现常住人口城镇化率达到60%左右的目标，令2020年城镇化率为60%，与2010年全国城镇人口比例(49.68%)相比增长了10.32%，即2010-2020年间共有14174万农村人口往城镇地区转移，这与目前中国城镇化发展趋势基本一致(2015年全国城镇人口比例为55.88%)。根据2015年全国1%人口抽样调查公报，2015年全国总人口为137349万人，按2010-2015年的自然增长率计算，2020年全国总人口为140810万人。各地级市2010-2020年人口预测自然增长率仍按2009-2010年间的城镇和农村地区自然增长率来计算*2005-2010年间，全国人口自然增长率为2.64%，年均增长0.52%；2010-2015年间，全国人口自然增长率为2.52%，年均增长0.5%；二者较为接近，可用该人口自然增长水平来预测2015-2020年间人口增长情况。此外，2009-2014年间全国人口自然增长率基本保持稳定(在0.48%和0.52%间波动)，在无其他替代数据的情况下，可用2009-2010年间各地级市自然增长率进行外推来预测2020年人口。。

图6 2010年地级单元模拟城镇人口与实际城镇人口空间格局比较

1. 自组织发展情景下的预测结果

这是城市体系演化预测的基准情景，即不设计任何城市化情景，按目前的发展趋势预测2020年城市体系演化情况。

从表2可看出，2010-2020年间，城市体系演化仍然保持原来的(2000-2010年间的)发展趋势：各级城市的规模，以等级未变的最多；其中特(超)大城市数量和规模比例都出现大幅度增长，数量增加了13个(即有13个大城市晋级成特大城市)，规模比例增加了8.19%；大城市数量有一定增加，所占规模比例却下降了；中小城市数量有所减少，规模比例也有所下降，但发展较为迅速，其中有35个中等城市晋升成大城市，9个小城市晋升成中等城市。未来中国新的城市面貌具体会呈现出何种具体形态是无法准确预测的，但如果国际经验具有一定启发意义的话，那么中国沿海大城市的人口增速将快于中国城市的平均水平，而中小城市的人口比例有可能会下降[23]。从地级市层面来看，中国总的城市体系演化趋势还是以100万人以上规模的大城市为主导的。

表2 自组织发展情形下预测得到的2020年城市等级结构

数据来源：全国第六次人口普查数据(2010)和《中国城市统计年鉴2011》，表3-4数据来源同表2。

总的来说，根据预测结果来看，如果保持目前的发展趋势不变，2010-2020年间，地级层面城市规模等级结构和城市空间格局都相对保持稳定，大部分城市规模有所增加但等级保持不变，只有少数城市跃升了一个等级，以大城市的发展最为迅速。人口规模较小的地级单元人口减少的幅度较大，这些发展较落后的小城市由于地处西部内陆，过于偏远，或者不能提供足够的就业机会，因而吸引不到人口，随着时间推移有可能会渐渐消失。

2. 不同城市化发展模式下的预测结果

关于中国城市化发展模式的争论一直没有形成统一的定论：小城镇论者强调根据中国的基本国情，应以小城镇为主推进中国的城市化进程，提出要严格控制大城市规模，合理发展中小城市，积极发展小城镇；大城市论者依据理论分析，或强调大城市优先发展的阶段性规律，或强调城市规模的集聚经济效应；中等城市论者则试图兼顾两者的优点；还有学者从城市体系理论出发，提出“大中小城市相结合”的观点，主张大中小城市和小城镇协调发展。以不同规模等级的城市为主导发展，将形成不同结构的城市体系。

本文对特(超)大城市、大城市、中小城市设置不同的迁移速度，得到大城市主导(大城市净迁入率最高)、中小城市主导(中小城市净迁入率最高)、大中小城市协调发展(各级别城市净迁入率一致)情形下的三种不同预测结果，如表3所示。

表3 不同城市化发展模式下预测得到的2020年城市等级结构

注： 根据各级别城市的净迁入率数据，经过反复调试，在取值允许的范围内，大城市主导情形下参数设置为η1=0.5，η2=3，η3=0.5；中小城市主导情形下参数设置为η1=0.5，η2=0.5，η3=3。表中第Ⅰ类城市为特大和超大城市，第Ⅱ类城市为大城市，第Ⅲ类城市为中等城市，第Ⅳ类城市为小城市。

从表3可看出，不管依据何种城市化发展模式，预测得到的中国地级层面城市等级结构都较为类似，并没有产生特别大的变动。与自组织发展情景相比，其他三种情形的特(超)大城市所占规模比例略微有所下降，但较之2010年还是升高的，反映了自组织发展趋势的不可逆转。此外，大城市往特大城市递补的速度远低于中小城市往大城市晋升的速度。

在这三种不同的城市化情景中，大城市主导情景与自组织发展情景的各级别城市规模比例较为接近(其特大城市规模比例低于后者，大城市规模比例高于后者)。这反映出在这三种情景中，大城市为主导是最接近于城市体系演化自然规律的，经济集聚效应在其中起决定性作用，其他两种情景则主要受到政策的干预。将中小城市主导情景与其他情景相比，可以明显看出该种情景下中小城市往上晋升的速度较快(有42个中等城市升级为大城市)，导致大城市的数目较多(224个)，且所占规模比例较大(61.24%)。大中小城市协调发展也是相对而言的，在该情形下各级别城市发展的速度(如中等城市升级为大城市的数量，以及大城市升级为特大城市的数量)介乎大城市主导情景和中小城市主导情景之间。

3. 不同户籍改革力度下的预测结果

《国家新型城镇化规划》提出：全面放开建制镇和小城市落户限制，有序放开城区人口50万-100万的城市落户限制，合理放开城区人口100万-300万的大城市落户限制，合理确定城区人口300万-500万的大城市落户条件，严格控制城区人口500万以上的特大城市人口规模。即根据各城市人口规模和综合承载能力的不同实际情况，实施差别化落户政策。根据中国实际国情和国家政策导向，本研究设计了以下几种城市化情景：全国城市的户籍均放开、只放开中小城市户籍、只限制特大城市和超大城市落户。

对不同户籍改革力度下的各级别地级市初始公共服务水平上分别乘以不同的落户难易系数*在全国户籍均放开的情形下，可将所有城市的落户系数均设为1；只放开中小城市户籍的情形下，令大城市和特大、超大城市的落户系数为0.5，中小城市的落户系数为1；只限制特大和超大城市落户的情形下，令中小城市、大城市的落户系数都为1，特大、超大城市落户系数为0.5。，使得户籍制度与公共服务水平挂钩。从2010年地级单元的实际数据出发，预测得到不同情景下2020年的城市等级结构，如表4所示。从中可看出：所有城市的户籍全部放开时，特大和超大城市规模比例较高，即人口还是主要往级别最高的城市集聚，大城市则相对占比较低；只放开中小城市户籍时，中小城市发展最为迅速，往大城市晋升的速度较快(有43个城市)，使得大城市的数量和规模比例均较高；只限制特大超大城市户籍时，其特(超)大城市规模比例和中小城市发展速度都介乎前两种情景之间，大城市发展速度相对较快，使得大城市升级为特大城市的数量最多(14个)。

表4 不同户籍松紧程度下预测得到的2020年城市等级结构

从表4来看，户籍松紧程度差异对城市等级结构有一定影响，为具体区分三种不同户籍松紧程度对城市体系演化的不同影响，本研究分析了这三种不同情形下各地级单元的人口增长情况。通过观察可以发现：当户籍制度全面放开时，所有城市的人口迁移均不受限制，与其他两种情形相比，特大、超大城市在2010-2020年间的人口增长速度是最快的，这是由于中国人口迁移的自然规律是往最高级别的城市聚集；当只限制特大、超大城市落户时，此时大城市的人口增长速度快于其他两种情形下的相应值，这是由于大城市与中小城市相比，存在城市规模效应，人口集聚能力相对较强；当只放开中小城市落户时，与其他两种情形相比，由于特大城市和大城市的人口迁移都受到限制，此时中小城市的人口增长速度是最快的。

五、 总结与讨论

本文基于新经济地理学理论的城市体系模型，从人口迁移的视角对模型进行改进，以解释城市间人口迁移是如何影响城市等级体系演化的。根据该理论模型，用2000年全国地级单元的实际数据来模拟2010年地级单元城市规模变化。无论从各地级单元模拟人口数，城市间人口迁移模拟值，还是模拟所得的城市规模等级结构和城市空间格局等方面，模拟结果均较为接近实际情况，模型拟合精度较高。因此模型通过了实证检验，可以用于城市体系演化预测。

根据目前中国实际国情和国家政策导向，在理论模型中输入2010年全国地级单元的实际数据，在三种大的城市化情景下预测2010-2020年间中国城市体系演化情况，结果如下。

(1)按自组织发展趋势，2010-2020年间，地级层面城市规模等级结构和城市空间格局都相对保持稳定，大部分城市规模有所增加但等级保持不变；其中超大和特大城市的数量和规模增加都是最明显的，地级市层面的城市体系演化以100万人以上规模的大城市为主导；中小城市发展迅速，规模较小且吸引力不足的城市在未来有可能会消失掉。

(2)大城市为主导的情景下，特大城市规模比例最高，最为接近城市体系演化自然规律；中小城市发展迅速，往大城市递补的速度较快，这一现象在以中小城市为主导的情景中最为突出；大中小城市协调发展情景下的预测结果则介乎其他两种情景之间。

(3)不管户籍制度如何变化，人口还是倾向于往级别高的城市集聚，而对这三种情形进行比较可以发现：户籍全面放开情形与其他两种情形相比，特大、超大城市人口增长最快；只限制特(超)大城市落户时大城市人口增长最快；只放开中小城市落户时中小城市人口增长最快。

(4)引入异质性地理空间和城市等级体系构建后，模型的模拟和预测结果与新经济地理学“核心—边缘”模型的结果基本一致：在不断增强的集聚力和循环累积因果效应的影响下，具有先发优势的地区(也就是原先人口规模较大的超大城市和特大城市)由于具备集聚经济效应，会吸纳越来越多的人口，核心地区逐渐得以强化，而城市周围的乡村地区和边缘地区的小城市会出现人口锐减。

已有研究中对全国人口空间格局及城市规模等级体系的整体性预测较少，本研究预测结果与顾朝林[24]和邓羽等[7]的研究结论基本一致：在顾朝林预测的2020年中国城市体系中，2010-2020年间100万以上人口的大城市规模比例增幅是最大的；邓羽等预测2020年中国城镇化率为61%，其中北京、天津、江苏、上海、浙江及广东为净迁入主导型人口快速变化区，河南、安徽、重庆、湖北为净迁出主导型人口快速变化区，大部分西北和西南省份属于人口平稳区(人口密度稳中有减)，并且证明了通过基期人口数据和平均自然增长率进行人口外推具有可信性。此外，本研究预测所得的集中型城市化未来发展趋势(以100万以上人口的大城市为主导)也与以下几个研究报告的主要观点相契合：2009年世界发展报告《Reshaping Economic Geography》认为，是规模经济规律促进了人口和经济密度的日益集中，集中发展是世界各国经济发展的基本规律[25]。2008年麦肯锡研究报告《Preparing for China’s Urban Billion》指出集中式增长是中国城市化发展的最优方案，以特大、超大城市为主导的发展模式最为经济，在规模效应的作用下将实现人均GDP最高、人均能耗最低、土地集约化利用、大众交通更高效、污染控制更有力、促进知识外溢和创新发展等目标[26]；顺应这一城市体系演化自然规律，目前中国城市体系空间格局应该走集中型城市化发展道路，依托各大城市群，积极培育区域经济增长极，形成以特大城市为增长极、大中小城市协调发展的城市群结构。王小鲁指出，更多地发展城市规模达100万人口以上的大城市将会大大提高经济效益，提高经济增长的速度与质量，中国未来新增城市人口仍将主要进入超过 100 万人的大城市；大城市发展并不意味着只单纯地扩大现有大城市规模，更主要的是要加快中小城市发展，以形成更多新的大城市[27]。

本文只选取了不同城市化发展模式和不同户籍改革力度这两种大的城市化情景来预测未来城市体系演化，根据当前中国城市化发展的最新时代背景，还可以加强和细化情景分析与构造，在人口增长速度不同的情况下，对不同城镇化水平(如老龄化日趋发展使得农村可转移劳动力减少)、不同公共服务发展水平(如中国基本公共服务均等化进程推进带来的各城市公共服务水平变化)、不同交通运输条件(如高铁大规模建设运营带来的交通基础设施条件改善)、不同经济发展水平(如新常态下中国经济增速放缓)等情景下的未来城市体系演化展开更加深入的预测研究，采用多方案的预测参数，提升模型体系的预测与决策支持能力，并基于模拟结果加强政策建议研究。

[1] 克里斯塔勒. 德国南部中心地原理[M]. 常正文，王兴中，等译. 北京：商务印书馆,1998:19-157.

[2] HENDERSON J V．The types and size of cities[J]. American Economic Review，1974,64(4): 640-656．

[3] KRUGMAN P. On the number and location of cities[J]. European Economic Review, 1993, 37(2): 293-298.

[4] BLACK D, HENDERSON V. A theory of urban growth[J]. Journal of Political Economy, 1999, 107(2): 252-284.

[5] FUJITA M, KRUGMAN P, MORI T. On the evolution of hierarchical urban systems[J]. European Economic Review, 1999, 43(2): 209-251.

[6] FUJITA M, KRUGMAN P R, VENABLES A J. The spatial economy: cities, regions and international trade[M]. Cambridge, MA: MIT Press, 1999:119-131.

[7] 邓羽, 刘盛和, 蔡建明, 等. 中国省际人口空间格局演化的分析方法与实证[J]. 地理学报, 2014(10): 1473-1486.

[8] FAN C C. Modeling interprovincial migration in China, 1985-2000[J]. Eurasian Geography and Economics, 2005, 46(3): 165-184.

[9] JOHNSON K M, VOSS P R, HAMMER R B, et al. Temporal and spatial variation in age-specific net migration in the United States[J]. Demography, 2005, 42(4): 791-812.

[10] SHEN J. Changing patterns and determinants of interprovincial migration in China 1985-2000[J]. Population, Space and Place, 2012, 18(3): 384-402.

[11] 丁金宏, 刘振宇, 程丹明, 等. 中国人口迁移的区域差异与流场特征[J]. 地理学报, 2005(1): 106-114.

[12] 李薇. 我国人口省际迁移空间模式分析[J]. 人口研究, 2008(4): 86-96.

[13] 刘望保, 汪丽娜, 陈忠暖. 中国省际人口迁移流场及其空间差异[J]. 经济地理, 2012(2): 8-13.

[14] 王桂新, 潘泽瀚, 陆燕秋. 中国省际人口迁移区域模式变化及其影响因素——基于2000和2010 年人口普查资料的分析[J]. 中国人口科学, 2012 (5): 2-13.

[15] 王国霞, 秦志琴, 程丽琳. 20 世纪末中国迁移人口空间分布格局[J]. 地理科学, 2012(3)：273-281.

[16] MANSURY Y, GULYAS L. The emergence of Zipf’s Law in a system of cities: an agent-based simulation approach[J]. Journal of Economic Dynamics and Control, 2007, 31(7): 2438-2460.

[17] KRUGMAN P R. Development, geography, and economic theory[M]. Cambridge, MA: MIT press, 1997:89-108.

[18] STELDER D. Where do cities form?: a geographical agglomeration model for Europe[J]. Journal of Regional Science, 2005, 45(4): 657-679.

[19] 葛莹，朱国慧，吴野.地理环境下的克鲁格曼式城市体系模拟分析[J].地理科学,2013(3):273-281.

[20] PFLüGER M, SüDEKUM J. Integration, agglomeration and welfare[J]. Journal of Urban Economics, 2008, 63(2): 544-566.

[21] 梁琦, 陈强远, 王如玉. 户籍改革、劳动力流动与城市层级体系优化[J]. 中国社会科学, 2013 (12): 36-59.

[22] ROGERS A. Migration patterns and population redistribution[J]. Regional Science & Urban Economics, 1979, 9(4):275-310.

[23] 国务院发展研究中心和世界银行联合课题组. 中国：推进高效、包容、可持续的城镇化[J].管理世界，2014(4)：5-41.

[24] 顾朝林. 2020年国家城市体系展望[J]. 未来与发展，2009(6)：2-7.

[25] WORLD BANK. Reshaping economic geography[R]. World Development Report, 2009.

[26] WOETZEL J, MENDONCA L, DEVAN J, et al. Preparing for China’s urban billion [R]. Mckinsey Global Institute Report, 2009.

[27] 王小鲁. 中国城市化路径与城市规模的经济学分析[J]. 经济研究, 2010(10): 20-32.

[责任编辑 方 志]

An Exploration into China’s Urban System Evolution Forecast Based on Intercity Migration

LAO Xin1, SHEN Tiyan2

(1. School of Public Policy & Management, Tsinghua University, Beijing 100084, China;2. School of Government, Peking University, Beijing 100871, China)

From the perspective of the essence of China’s urbanization—migration network, this paper conducts a comprehensive study combining internal migration and urban system, explores the mechanism of China’s urban system evolution, and expands the New Economic Geography Model to multiple regions by introducing into spatial heterogeneity, thus constructing a urban system model based on intercity migration with explicit spatial reference and migration mechanism. The simulated values of this model are close to the actual situations with a high fitting accuracy, indicating that the model is feasible to predict the urban system evolution after passing empirical tests. According to China’s actual conditions and policy direction, this model is used to predict the future development of China’s urban system based on intercity migration under 3 different scenarios, which regards the whole urban system as a network connected by intercity migration, thus providing scientific evidence for reasonable guidance of intercity migration, public service improvement and urban system planning.

migration network; urban system evolution; New Economic Geography Theory; simulation and prediction

2016-03-24；

2016-07-25

国家社会科学基金一般项目“基于人口迁移网络的城市人口预测及城市化格局优化研究”(16BJL124)。

劳昕，经济学博士，清华大学公共管理学院博士后；沈体雁，理学博士，北京大学政府管理学院教授、博士生导师。

C922

A

1000-4149(2016)06-0035-13

10.3969/j.issn.1000-4149.2016.06.004