吉林省城市人口收缩的时空特征探析

摘 要：基于吉林省地级市及其所辖全部县级行政单元（地级市市辖区为一个基本研究单元）2000—2019年的人口数据，通过构建人口收缩度指标，测度吉林省城镇收缩情况，并运用探索性空间数据分析手段（ESDA），对不同时间维度的城镇人口收缩度进行空间关联性与差异性分析，旨在通过探索吉林省城镇人口收缩的时空格局及其演化过程，为相关政府部门制定强有力的经济政策和构建鲜活的策略机制提供科学依据，从而合理应对吉林省城镇化发展中的局部收缩问题。

关键词：吉林省；城市人口收缩；时空特征

中图分类号：Ｃ９２２ 文献标志码：A 文章编号：1673-291X（2024）13-0043-04

目前，中国城镇化进程正在由速度型向质量型过渡。随着人口红利的逐渐消失，中国城市发展的“增长”过程即将结束，部分城市已经开始经历人口收缩的过程[1]。

进入新世纪以来，作为传统老工业基地的东北地区人口大量外流，已经成为我国城市收缩最为严重的区域之一，引起了各界关注，有的学者将其称为中国的“锈带地区”[2]。环境污染、资源萎缩与社会不稳定等成为阻碍东北地区振兴与发展的瓶颈问题[3]。

作为中华人民共和国成立初期重点扶持省份，吉林省重工业在全国居于比较重要的地位，拥有良好的城市基础设施和较高的城市化发展水平。但从20世纪80年代以后，吉林省逐渐转变为人口净迁出省份。与六普相比，七普吉林省总人口减少了3379362人，10年间减少12.31%，年均减少1.31个百分点。9个市（州）中，仅长春市常住人口有所增加，其他地区常住人口均有不同程度的减少。在吉林省流出人口中，拥有大专及以上、高中/中专人口比例分别达到24.9%和22.6%，而流入比例仅为9.2%和18.9%[4]。一方面，青壮年人口的流失，加剧了生育率降低和人口老龄化；另一方面，高素质人才的大量流失严重限制了吉林经济的转型和现代化。

本文旨在通过探索吉林省城镇人口收缩的时空格局及其演变过程，为相关政府部门制定强有力的经济政策和鲜活的策略机制提供科学依据，从而合理应对吉林省城镇化发展中的局部收缩问题。

一、数据来源与研究方法

（一）数据来源

本文对城镇收缩的测度使用的是人口指标，其中，常住人口数据采用的是五普和六普的统计结果。2000—2019年《吉林省统计年鉴》、《中国县域统计年鉴》和《中国城市统计年鉴》中的户籍人口数据作为历时性人口数据的补充识别。在空间上，以区县为研究单元，测算其人口年均增长率，用来考察各区县2000年以来人口的变化以及人口的流动情况。考虑到吉林省行政区划的调整，以2018年吉林省县级行政单元为基本研究单元，对其他年份行政单元进行相应的数据合并与处理。最终，将研究对象确定为地级市及其所辖全部县级行政单元（地级市市辖区为一个基本研究单元），共包括56个研究单元。

（二）研究方法

1.人口收缩度。本文采用常住人口和户籍人口及其比值来界定城镇收缩情况，具体算法如公式（1）—（5）所示：

其中，Pr和Ph分别代表某区县不同年份的常住人口和户籍人口，Cr和Ch分别表示该区县2000—2018年间常住人口和户籍人口的年均增长率。当Cr＜0时为常住人口收缩，当Ch＜0时为户籍人口收缩。综合参考国内外收缩城镇的人口指标划分，结合吉林省人口变化实际情况，我们将吉林省的人口年均增长率划分为四档：显著收缩（＜-1%）、轻微收缩（-1%-0%）、轻微增长（0%—1%）和显著增长（＞1%）。Crh表示常住人口与户籍人口的比值，Crh＞1为扩张，Crh＜1则为收缩。

2.探索性空间数据分析。ESDA是一种具有识别分辨功能的空间数据分析方法，可利用属性数据的空间特性，在分析空间关系的基础上进行数值的相关分析，进而突出空间相互作用，近年来被国内外学者逐渐应用于区域经济差异的研究领域。其中，全局莫兰指数（Moran’s I）常用来检验整个研究区域中邻近地区是相似、相异（空间正相关、负相关），还是相互独立。而局部莫兰指数（Local Moran’s I）则用来检验局部地区是否存在相似或相异的观察值聚集在一起，并且与Moran散点图一同协力可检测局部空间的聚集性及分析局部空间的不稳定性。Moran's I和Local Moran’s I的计算公式分别如下[5，6]：

在（6）和（7）公式中，n用来表示所考察区域内的地区个数，wij是空间权重取值，xi与xj是第i与第j个区域的属性观测值（本文指县域人口收缩度）， = xi 是考察区域范围内属性值的算术平均值，S = （x - ） 是属性观测值的样本方差。

I的取值一般在-1—1之间，当I＞0时，表示两个区域之间的取值具有正相关性，当I的取值接近于1时，说明具有相似的属性聚集在一起（高值与高值相邻，或者低值与低值相邻，称为空间聚集）；当I＜0时，则表示两个区域之间的取值具有负相关性，当I的取值近于-1时，说明具有相异的属性聚集在一起（高值与低值相邻，或者低值与高值相邻）；如果I的取值接近于0，则说明考察区域的属性是随机分布的，或者不存在空间自相关性。

Ii的取值主要是用来考察区域i与其他相邻区域之间的关联程度。当Ii的值为正时，说明一个高值被高值包围，表现为“高—高”（H-H）的空间结构；或者一个低值被低值包围，表现为“低—低”（L-L）的空间结构。而Ii的值为负时，则说明一个低值被高值包围，表现为“低—高”（L-H）的空间结构；或者一个高值被低值包围，表现为“高—低”（H-L）的空间结构。

二、吉林省城市人口收缩的时间轨迹

（一）吉林省市域收缩存在恶化趋势

分别以2000年和2010年的户籍人口作为基数，通过计算2010年和2018年户籍人口收缩度指标Ch和Ch1，我们发现吉林省人口收缩现象在市域尺度上同时存在着广义与狭义的城市收缩，①并且收缩城市的范围有进一步扩大的迹象。2000—2010年间出现广义城市收缩的城市仅有辽源市、通化市和延边州三个地区，而2010—2018年间，存在广义城市收缩的城市增加到九个，也就是说覆盖了全省全部九个地级市以上地区。从狭义城市收缩来看，2000—2010年间，吉林省还不存在此类城市收缩现象，但是2010—2018年间，却出现了六个地区发生了狭义城市收缩问题，包括吉林市、通化市、白山市、辽源市、松原市和白城市。

（二）吉林省县域常住人口局部收缩明显但总体程度较轻

根据五普和六普资料，采用2000—2010年常住人口数据来考察吉林省47个区县单元的收缩情况，我们发现出现城镇收缩现象的区县共有25个，所占比例达53.19%，超过1/2的城镇出现不同程度的人口负增长，可见收缩现象在吉林省并非个例，局部甚至大部分县区收缩明显。其中，显著收缩的区县有8个，年均增长率小于-1%，占收缩区县的32%，占全部区县的17.02%；其余17个区县的年均增长率皆处于-1%—0%之间，即轻微收缩， 占收缩区县的68%，占全部区县的36.17%。

（三）吉林省县域户籍人口收缩由不明显转向上升趋势

从户籍人口来看，六普时吉林省收缩的区县数量较采用常住人口数据进行计算的结果有所减少，为18个区县，占比38.30%，小于按常住人口统计的收缩城市的数量及比例。其中轻微收缩区县数量为15个，显著收缩区县数量仅有3个，呈现数量少且程度较轻的特点。但此后，吉林省县域户籍人口收缩现象逐渐呈上升态势，到了2018年，全省47个县区中，仅有3个户籍人口是增长的，收缩县区数量达到43个，比2010年增长了138.89%，收缩县区占比高达91.49%。其中轻微收缩区县数量增加到30个，增长1倍，显著收缩区县数量增加到13个，增长4倍以上。而轻微增长的区县仅有2个，显著增长区县仅1个，二者合计占比不到10%。

（四）长吉与外围地区人口流动反差特征显著

常住人口与户籍人口的比值，可以在一定程度上反映出人口流动的情况，如果一个地区的二者比值大于1，表示这一地区主要呈现出人口流入；反之，如果二者的比值小于1，则表示该地区的人口主要呈现流出特征。通过对比2000年和2010年吉林省各区县的常住人口和户籍人口比值构成（见图1），我们发现，全省发生收缩的区县2000年时有13个，到2010年时，则增加到了26个，收缩比例和收缩度均呈上升态势。与此同时，发生收缩的区县2000年时，主要集中在长吉外围，尤其是吉林省东部和西部地区，说明这两个地区以人口流出为主，而长吉则以流入为主。而到了2010年，一些长吉外围地区或靠近长吉外围地区的区县，由增长转为收缩，形成了环绕长吉地区的巨型收缩圈层。

三、吉林省城市人口收缩的空间分异

为进一步厘清2000年以来吉林省人口收缩城市的空间异质性与空间关联性，我们以2000年和2010年的户籍人口作为基数，分别计算2000—2010年和2010—2018年户籍人口变动指标Ch1和Ch2，并通过全局Moran’s 指数探讨吉林省人口收缩城市的总体格局和分异特征。将全省47个区县的户籍人口变动指标（Ch1和Ch2）作为分析单元，采用反距离函数建立空间权重矩阵，并通过运行ArcGIS 10.1空间自相关（Moran’s）分析工具，分别得到2000—2010年和2010—2018两个时间段吉林省户籍人口变动指标（Ch1和Ch2）的全局Moran’s 指数及临界值Z得分和显著性水平P值。其中，2000—2010年吉林省县区户籍人口变动的Moran’s 指数值为-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（达到90%的置信度），说明这一时段吉林省区县户籍人口变动之间存在较弱程度的负空间自相关性。而在2010—2018年间，Moran’s 指数值为-0.214 643，虽然小于0，但Z值（-1.197 141）位于-1.65—1.65之间，P值（0.231 252）大于0.10，说明此时段内，就全省而言，各区县的户籍人口变动空间分布特征并不明显，基本上呈随机分布。

如前文所述，从全省尺度来考察，2000—2010年和2010—2018年间，吉林省各区县的户籍人口变动总体上不存在显著的全局空间自相关性，但这不能说明不存在高值或者低值的局部空间集聚现象，并可能隐藏了偏离整体分布模式的空间关系，为此，需要应用局部空间自相关分析法进一步探讨。本文利用GeoDa软件绘制Moran散点图来进一步辨识局部区域内的各区县户籍人口变动的空间联系及其空间分布结构（见图2）。

由图2我们可以看到，从2010—2018年，位于第一和第三象限的县区数量有所减少，从27个减少到22个，反映出在这期间吉林省县区户籍人口变动在局部空间上的集聚性和相似性有所减弱。位于第二和第四象限的县区数量由20个增加到25个，表明期间吉林省县区户籍人口变动的空间差异性有所增强。

图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个县区户籍人口变动的Moran显著性图。从图中可以明显看出在局部范围内，吉林省县区户籍人口变动主要是以高—低（H-L）、低—高（L-H）和低—低（L-L）空间分布结构为主。

四、结束语

本文基于吉林省地级市及其所辖全部县级行政单元（地级市市辖区为一个基本研究单元），共包括56个研究单元19年的人口数据，通过构建人口收缩度指标测度吉林省城镇人口收缩情况，并运用探索性空间数据分析手段（ESDA），对不同时间维度的城镇人口收缩度进行空间关联性与差异性分析。

在考察期内，吉林省市域人口收缩存在恶化趋势、县域常住人口局部收缩明显但总体程度较轻、县域户籍人口收缩由不明显转呈上升趋势、长吉与外围地区人口流动状况反差明显等特征。

就全省范围而言，2000—2010年间，吉林省区县户籍人口变动之间存在较弱程度负的空间自相关性；而在2010—2018年间，各区县的户籍人口变动空间分布特征并不明显，基本呈现随机分布的空间格局。但在局部空间尺度上，吉林省区县户籍人口变动具有一定程度的空间集聚性，主要是以高—低（H-L）、低—高（L-H）和低—低（L-L）空间分布结构为主。

城市收缩是经济基础、产业结构、社会发展水平、政策制度、人口和地域文化等多种因素综合作用的结果，并且不同类型地区，影响城市收缩的引致因素也不尽相同。因此，对于解决收缩城市的对策建议，应根据收缩类型区的不同进行分析。

参考文献：

[1] 龙瀛，吴康，王江浩.中国收缩城市及其研究框架[J]vOaZZIlUTJKexlpSvtmKt+7Q917FUBw/Urvh/lXaO90=.现代城市研究，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] 陈群元，宋玉祥，张平宇，等.东北老工业基地振兴面临的城市化问题与对策[J].城市规划汇刊，2004（2）：47- 51.

[4] 于洋.人口外流对吉林省经济发展的影响分析[J].今日财富，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] 温佳楠.成渝地区收缩城市识别及其驱动因素分析[J].经济论坛，2019（10）：69-76.

[责任编辑 立 夏]