李國平　羅心然

摘 要：在一系列人口調(diào)控政策的引導(dǎo)下，北京市總?cè)丝谝?guī)模從2017年開始出現(xiàn)負增長，中心城區(qū)人口規(guī)模呈現(xiàn)下降趨勢而外圍城區(qū)保持穩(wěn)定增長態(tài)勢。通過構(gòu)建人口演變模型來探究京津冀協(xié)同發(fā)展戰(zhàn)略對各區(qū)人口規(guī)模變化的政策沖擊影響，進一步實證檢驗各區(qū)政策沖擊效果與區(qū)域性調(diào)控、規(guī)模性調(diào)控指標(biāo)之間的關(guān)系。研究表明：在沒有京津冀協(xié)同發(fā)展戰(zhàn)略政策沖擊的情況下，北京市總?cè)丝跁幱谝粋€平穩(wěn)增長的階段，中心城區(qū)和外圍城區(qū)的人口會呈現(xiàn)不同程度的增長趨勢;京津冀協(xié)同發(fā)展戰(zhàn)略的政策實施效果受到區(qū)域性調(diào)控和規(guī)模性調(diào)控的雙重影響，中心城區(qū)人口顯著減少、城市副中心人口增加顯示了政策效果明顯，但外圍區(qū)域人口增加受政策影響有限。為實現(xiàn)人口與經(jīng)濟、資源、環(huán)境協(xié)調(diào)發(fā)展，建議調(diào)控人口政策重心應(yīng)該從數(shù)量調(diào)控為主轉(zhuǎn)變?yōu)榻Y(jié)構(gòu)與布局優(yōu)化為主，并且應(yīng)著力增強人口綜合承載力特別是拓展中心城區(qū)以外區(qū)域的人口增長空間。

關(guān)鍵詞：京津冀協(xié)同發(fā)展;北京人口;人口規(guī)模;人口調(diào)控

中圖分類號：F061.5 文獻標(biāo)識碼：A文章編號：1007-2101（2021）03-0094-09

二、基于多模型的北京市各區(qū)人口擬合

人口預(yù)測方法可以分為時間序列預(yù)測、因果預(yù)測和定性預(yù)測三種基本類型。時間序列預(yù)測不考慮以人口理論或經(jīng)濟理論為依據(jù)的解釋變量的作用，而是根據(jù)人口本身的變化規(guī)律，建立數(shù)學(xué)模型來推算人口規(guī)模，常用的預(yù)測方法有線性模型、二次曲線模型、指數(shù)曲線模型、Malthus模型、Logistic模型和灰色GM（1，1）模型[10]。因果預(yù)測是通過分析一定時期內(nèi)社會、經(jīng)濟等相關(guān)因素與人口變動的規(guī)律，構(gòu)建人口與各種影響要素的函數(shù)關(guān)系來預(yù)測人口規(guī)模，常用預(yù)測方法有資源環(huán)境容量法、勞動結(jié)構(gòu)與就業(yè)崗位分析法和相關(guān)分析法[11]。但是這種方法是根據(jù)規(guī)劃期內(nèi)社會經(jīng)濟發(fā)展的目標(biāo)值來推算未來人口規(guī)模的變化，不能很好地體現(xiàn)人口本身隨時間變化的規(guī)律特征。定性預(yù)測主要根據(jù)實踐經(jīng)驗或理論模型來推斷人口的發(fā)展趨勢，適用于一些沒有或不具備完整歷史數(shù)據(jù)資料的城市，常用預(yù)測方法有區(qū)域人口分配法、類比法和區(qū)位法[12]。通過對人口預(yù)測方法的比較，Long（1995）、Marchetti等（1996）和王廣州（2018）等諸多學(xué)者認為，就人口短期預(yù)測而言，時間序列方法比因果方法、定性方法更簡便、更精準(zhǔn)，尤其是Malthus模型、Logistic模型和灰色GM（1，1）模型，在描述人口規(guī)模的歷史變動和進行人口變化的短期預(yù)測方面是非常有效的 [13-15]。Keyfitz（1981）發(fā)現(xiàn)，時間序列方法在人口長期預(yù)測中應(yīng)用具有一定的局限性，因為時間序列方法預(yù)測人口變動的方向與歷史數(shù)據(jù)的趨勢是一致的，無法產(chǎn)生逆向于過去人口增長模型的變動，而考慮人口影響因素的預(yù)測模型更能模擬出多個人口變量及復(fù)雜的變化趨勢 [16]。

本文研究的是沒有政策沖擊的北京人口演變規(guī)律，側(cè)重對人口歷史數(shù)據(jù)的擬合，探究在短期內(nèi)、在沒有外部因素引導(dǎo)下人口本身的演變規(guī)律，因此采用Malthus模型、Logistic模型和GM（1，1）模型等時間序列模型來進行人口擬合。具體來說，首先對2005—2013年北京市分地區(qū)人口歷史數(shù)據(jù)④進行擬合，將人口擬合值和實際值進行對比，在殘差檢驗和擬合優(yōu)度的綜合考量下，選擇誤差小的模型去擬合2014—2019年的人口值，由此得到?jīng)]有政策沖擊的人口擬合值，再與有政策沖擊的人口實際值進行比較，分析在沒有政策沖擊的情況下各區(qū)的人口變化趨勢，并通過差值大小進一步探究各區(qū)人口增長的潛力與空間。

（一）Malthus模型

Malthus模型是人口規(guī)模預(yù)測的傳統(tǒng)方法之一，由英國人口學(xué)家Malthus于 1798 年提出[17]，原理為在一般情況下，一定時期內(nèi)的人口增長率是固定的，人口預(yù)測采用指數(shù)增長函數(shù)[18]。其模型為：

式中，P為預(yù)測目標(biāo)年末人口規(guī)模，P0為預(yù)測基準(zhǔn)年人口規(guī)模，r為人口年均增長率，n為預(yù)測年限。本文將人口增長率設(shè)定為低、中、高三種方案，以此加強預(yù)測結(jié)果的對比，提高預(yù)測的準(zhǔn)確度。低、中、高方案的人口增長率分別設(shè)定為2005—2013年期間人口增長率最高值、平均增長率和人口增長率最低值。根據(jù)Malthus人口模型，以2009年為基期，得到2010—2013年北京市分地區(qū)人口的低、中、高三種方案擬合值，并與實際值進行比較得到模型的平均誤差⑤（見表1）?；诖?，對豐臺區(qū)、懷柔區(qū)、密云區(qū)和延慶區(qū)采取低方案擬合，房山區(qū)采用高方案擬合，其余11個地區(qū)都采用中方案擬合。

（四）模型擬合結(jié)果

基于Malthus模型、Logistic模型和GM（1，1）模型進一步擬合北京市各區(qū)2014—2019年的人口值，由此匯總得到?jīng)]有政策沖擊的人口擬合值區(qū)間，如表4所示?？梢园l(fā)現(xiàn)，在沒有人口政策強制干預(yù)的情況下，從整體來看，北京市總?cè)丝谌匀粫幱谝粋€平穩(wěn)增長的階段，與2017年人口負增長的態(tài)勢相反?；贛althus模型、Logistic模型和GM（1，1）模型的2019年北京市總?cè)丝跀M合值分別為2 812.8萬、2 421.1萬和2 816.4 萬，比實際人口數(shù)分別多出659.2萬、267.5萬和662.8萬。分地區(qū)來看，中心城六區(qū)人口呈連續(xù)增長的態(tài)勢，這與中心城六區(qū)人口實際值不斷減少的結(jié)果正好相反?；贛althus模型、Logistic模型和GM（1，1）模型的2019年中心城六區(qū)人口擬合值分別為1 537.5萬、1 365.2萬和1 561.9萬，占北京市總?cè)丝诘姆蓊~都超過60%，比實際人口數(shù)分別多增長413.9 萬、241.6萬和438.3萬。

由此，基于Malthus模型、Logistic模型和GM（1，1）模型的10個外圍城區(qū)人口擬合值基本都保持穩(wěn)定增長的趨勢，只有懷柔區(qū)、延慶區(qū)的Malthus模型人口擬合值略微下降。

三、實證檢驗

（一）模型設(shè)定

由前文分析可知，京津冀協(xié)同發(fā)展戰(zhàn)略確實對2014—2019年北京市人口規(guī)模變化產(chǎn)生了重要的影響，并且這種影響在不同的地區(qū)呈現(xiàn)出明顯的差異性，尤其是中心城區(qū)，受到明顯的負向政策沖擊。鑒于此，本文將進一步探討各區(qū)京津冀協(xié)同發(fā)展戰(zhàn)略政策實施效果差異形成的影響因素。首先，基于北京市分地區(qū)人口擬合總誤差最小的GM（1，1）模型結(jié)果⑥，構(gòu)建“政策沖擊效果”作為被解釋變量：

對于核心解釋變量，本文選取區(qū)域性調(diào)控指標(biāo)和規(guī)模性調(diào)控指標(biāo)共同作為核心解釋變量。一方面，中心—外圍、平原—山區(qū)等不同區(qū)域下的人口規(guī)模受到京津冀協(xié)同發(fā)展戰(zhàn)略的差異性管控，直接影響了政策沖擊效果;另一方面，人口規(guī)模的規(guī)劃上限決定了人口增長的空間，直接引導(dǎo)現(xiàn)有人口規(guī)模的增減，是影響政策實施效果的關(guān)鍵因素。區(qū)域性調(diào)控指標(biāo)包括是否為中心城區(qū)（center）、是否為城六區(qū)外的平原地區(qū)（plain）、是否為城六區(qū)外的山區(qū)（mount）和是否為城市副中心（sub）。其中北京市中心城區(qū)包括東城區(qū)、西城區(qū)、朝陽區(qū)、豐臺區(qū)、石景山區(qū)和海淀區(qū)等6個地區(qū);城六區(qū)以外的平原地區(qū)主要有通州區(qū)、順義區(qū)、大興區(qū)、昌平區(qū)和房山區(qū)等5個地區(qū);城六區(qū)以外的山區(qū)主要分布在門頭溝區(qū)、平谷區(qū)、密云區(qū)、懷柔區(qū)和延慶區(qū)等5個地區(qū);城市副中心為通州區(qū)⑦。規(guī)模性調(diào)控指標(biāo)為人口增長空間（scale），選取北京市各區(qū)“十三五”規(guī)劃綱要中2020年規(guī)劃人口減去歷年人口的差值來表征人口增長空間。依據(jù)規(guī)劃，在2014年常住人口規(guī)模的基礎(chǔ)上，到2020年中心城區(qū)需減少約190萬人，尤其是海淀區(qū)和朝陽區(qū)需各減少約50萬人;城六區(qū)外的平原地區(qū)需增加約160萬人;城六區(qū)以外的山區(qū)需增加約28萬人;通州區(qū)需增加約44萬人。

為增強模型的解釋力，根據(jù)已有文獻，本文選取了一系列可以揭示地區(qū)特征的控制變量：（1）收入水平（income）：收入水平是影響人口增加的直接因素，選取地區(qū)人均可支配收入的對數(shù)來表征;（2）工業(yè)化水平（indu）：工業(yè)化水平體現(xiàn)了地區(qū)的生產(chǎn)能力，是影響人口規(guī)模增減的重要因素，選取第二產(chǎn)業(yè)產(chǎn)值占GDP的比重來表示;（3）服務(wù)能力（serv）：服務(wù)能力代表了城市的經(jīng)濟活力，既是地區(qū)人口容納能力的體現(xiàn)，又是吸引人口集聚的重要指標(biāo)，選取第三產(chǎn)業(yè)產(chǎn)值占GDP的比重來表示;（4）基礎(chǔ)設(shè)施水平（invest）：基礎(chǔ)設(shè)施水平體現(xiàn)了地區(qū)的生活工作便捷度，是影響地區(qū)人口變化的重要因素，采用固定資產(chǎn)投資的對數(shù)值作為表征;（5）大氣污染程度（air）：近些年的霧霾天氣成為制約人口規(guī)模增加的關(guān)鍵，霧霾主要由二氧化硫、可吸入顆粒物等物質(zhì)組成，選取二氧化硫和可吸入顆粒物年均濃度值的加權(quán)對數(shù)值（權(quán)重各50%）來表示;（6）林木綠化環(huán)境（tree）：林木綠化環(huán)境是地區(qū)生態(tài)環(huán)境質(zhì)量的綜合體現(xiàn)，是影響人口集聚的重要因素，用林木綠化率來表征。這些控制變量都是影響地區(qū)人口規(guī)模變化、影響政策沖擊效果較為顯著的因素（見表5）⑧ [25-27]。

（二）實證結(jié)果

首先進行多重共線性檢驗，解釋變量 VIF 值均小于 10，不存在嚴(yán)重多重共線性。由于核心解釋變量是不隨時間變化的變量，因此本文選擇隨機效應(yīng)模型（RE）。京津冀協(xié)同發(fā)展戰(zhàn)略的政策實施效果受到區(qū)域性調(diào)控和規(guī)模性調(diào)控的雙重影響（見表6）。模型（1）—（4）結(jié)果表明，區(qū)域性調(diào)控指標(biāo)對京津冀協(xié)同發(fā)展戰(zhàn)略的實施效果有顯著影響。模型（1）是中心城區(qū)的回歸結(jié)果，這表明在控制了模型中其他變量的影響之后，在99%的置信水平下，中心城區(qū)受到京津冀協(xié)同發(fā)展戰(zhàn)略的影響顯著為負（β1=-6.82），即與非中心城區(qū)相比，京津冀協(xié)同發(fā)展戰(zhàn)略使中心城區(qū)的人口規(guī)模比城六區(qū)以外地區(qū)的人口規(guī)模多減少6.82個單位。這與京津冀協(xié)同發(fā)展戰(zhàn)略對中心城區(qū)人口規(guī)模的嚴(yán)格控制有關(guān)，政策強制中心城區(qū)人口規(guī)模逐年減少2%～3%。中心城區(qū)是全國政治中心、文化中心、國際交往中心、科技創(chuàng)新中心的集中承載地區(qū)，是建設(shè)國際一流和諧宜居之都的關(guān)鍵地區(qū)，是疏解非首都功能的主要地區(qū)，把疏解非首都功能、城市綜合整治與人口調(diào)控緊密掛鉤，要降低人口密度、嚴(yán)控建設(shè)總量、調(diào)整用地結(jié)構(gòu)、嚴(yán)控建筑高度，以此保障和服務(wù)首都功能的優(yōu)化提升。模型（2）（3）結(jié)果表示，城六區(qū)以外的平原、山區(qū)受到京津冀協(xié)同發(fā)展戰(zhàn)略的政策沖擊影響還未顯現(xiàn)出來，這可能與政策實施時間相對短暫有關(guān)。城六區(qū)以外的平原、山區(qū)位于城市外圍地區(qū)，在短期內(nèi)受到政策波及的范圍相對有限，政策實施效果還未完全顯現(xiàn)出來。但從回歸系數(shù)（β2=2.76，β3=2.08）來看，京津冀協(xié)同發(fā)展戰(zhàn)略對平原、山區(qū)的政策沖擊可能為正向影響，這與政策預(yù)期相一致。

模型（4）是城市副中心的回歸結(jié)果，這表明在99%的置信水平下京津冀協(xié)同發(fā)展戰(zhàn)略對城市副中心的政策沖擊為顯著的正向影響（β4= 5.51），即京津冀協(xié)同發(fā)展戰(zhàn)略使城市副中心的人口規(guī)模比非城市副中心的人口規(guī)模要多增加5.51個單位。這是因為京津冀協(xié)同發(fā)展戰(zhàn)略鼓勵城市副中心人口規(guī)模的增加，以使其體量與功能定位相匹配。一方面，城市副中心是對接中心城區(qū)功能和人口疏解的重點區(qū)域，在承擔(dān)非首都功能疏解方面發(fā)揮著示范帶動作用。另一方面，城市副中心自身的行政辦公、商務(wù)服務(wù)、文化旅游等主導(dǎo)功能正日益完善，尤其是北京行政中心遷移到城市副中心，其行政功能得到進一步強化，未來需要更多的人才來支撐城市副中心的建設(shè)。

總的來看，京津冀協(xié)同發(fā)展戰(zhàn)略的實施效果受到區(qū)域性調(diào)控指標(biāo)的顯著影響，中心城區(qū)的政策執(zhí)行最嚴(yán)厲，政策實施效果最顯著，具體表現(xiàn)為人口規(guī)模顯著減少;城市副中心的政策執(zhí)行力度次之，受到正向的政策沖擊影響，表現(xiàn)為人口規(guī)模顯著增加;城六區(qū)以外的平原和山區(qū)的政策執(zhí)行力度較弱，受到政策沖擊的影響還未完全顯現(xiàn)出來，預(yù)期人口規(guī)模會有所增加。

京津冀協(xié)同發(fā)展戰(zhàn)略的政策實施效果還受到規(guī)模性調(diào)控指標(biāo)的顯著影響。模型（1）—（4）結(jié)果表明，人口增長空間對京津冀協(xié)同發(fā)展戰(zhàn)略的實施效果的影響顯著為負，這是因為中心城區(qū)的人口增長空間為負值，京津冀協(xié)同發(fā)展戰(zhàn)略對該地區(qū)的政策沖擊作用最強，呈現(xiàn)顯著的負向影響;城六區(qū)以外的平原地區(qū)人口增長空間最大，政策沖擊效果相對較小;城六區(qū)以外的山區(qū)有28萬的人口增長空間，在短期內(nèi)受政策沖擊影響最小。

（三）穩(wěn)健性檢驗

前文的實證研究是通過GM（1，1）模型估算的京津冀協(xié)同發(fā)展戰(zhàn)略的政策沖擊效果展開分析的?；诖朔椒?，本文用Malthus模型、Logistic模型重新估算京津冀協(xié)同發(fā)展戰(zhàn)略的政策沖擊效果，并對此進行隨機效應(yīng)回歸?；貧w結(jié)果表明，在控制其他變量的情況下，Malthus模型和Logistic模型的center、plain、mount、sub和scale回歸系數(shù)的顯著性和符號均與GM（1，1）模型的回歸結(jié)果一致，即京津冀協(xié)同發(fā)展戰(zhàn)略的政策沖擊效果受到人口增長空間的負向影響。京津冀協(xié)同發(fā)展戰(zhàn)略對中心城區(qū)人口的政策沖擊為顯著的負向影響;對平原、山區(qū)人口的政策沖擊為正向影響，但現(xiàn)階段尚未發(fā)揮顯著作用;對城市副中心人口的政策沖擊為顯著的正向影響，這些結(jié)論驗證了回歸結(jié)果的穩(wěn)健性。

四、結(jié)論與討論

本文采用北京市分地區(qū)人口面板數(shù)據(jù)，通過構(gòu)建各區(qū)人口演變模型來探究短期內(nèi)沒有政策沖擊的人口變化特征，并分析京津冀協(xié)同發(fā)展戰(zhàn)略對各區(qū)人口規(guī)模變化的政策沖擊影響，再進一步實證檢驗各區(qū)政策沖擊效果與區(qū)域性調(diào)控、規(guī)模性調(diào)控指標(biāo)之間的關(guān)系，由此得到如下結(jié)論。

第一，在京津冀協(xié)同發(fā)展戰(zhàn)略的政策沖擊下，北京市總?cè)丝谝?guī)模從2017年開始出現(xiàn)負增長，中心城六區(qū)的人口規(guī)模從2014年開始出現(xiàn)不同程度的下降趨勢，與之相反的是，北京市10個外圍城區(qū)的人口規(guī)模則一直保持較為穩(wěn)定的增長態(tài)勢。

第二，通過構(gòu)建人口演變模型來研究沒有政策沖擊的北京市人口演變規(guī)律。整體上看，如果沒有京津冀協(xié)同發(fā)展戰(zhàn)略的政策沖擊，北京市總?cè)丝跁幱谝粋€平穩(wěn)增長的階段，與2017年人口負增長的態(tài)勢相反。分地區(qū)來看，中心城六區(qū)人口擬合值呈現(xiàn)連續(xù)增長的態(tài)勢，這與中心城六區(qū)人口實際值不斷減少的結(jié)果正好相反，而10個外圍城區(qū)的人口擬合值都呈現(xiàn)不斷增長的趨勢，這與現(xiàn)實情況相符合。

第三，京津冀協(xié)同發(fā)展戰(zhàn)略的政策實施效果受到區(qū)域性調(diào)控和規(guī)模性調(diào)控的雙重影響。從區(qū)域性調(diào)控來看，中心城區(qū)的政策執(zhí)行最嚴(yán)厲，政策實施效果最顯著，具體表現(xiàn)為人口規(guī)模顯著減少;城市副中心的政策執(zhí)行力度次之，受到正向的政策沖擊影響，表現(xiàn)為人口規(guī)模顯著增加;城六區(qū)以外的平原和山區(qū)的政策執(zhí)行力度較弱，受到政策沖擊的影響還未完全顯現(xiàn)出來，預(yù)期人口規(guī)模會有所增加。從規(guī)模性調(diào)控來看，人口增長空間對京津冀協(xié)同發(fā)展戰(zhàn)略實施效果的影響為顯著的負向影響?；谝陨戏治鼋Y(jié)果，本文提出如下政策建議。

第一，政府對人口調(diào)控的作用不容忽視。市場不是萬能的，僅僅依靠市場機制來自動調(diào)節(jié)城市人口規(guī)模是有一定風(fēng)險的，這就需要政府這只“看得見的手”對人口流動進行合理有序的引導(dǎo)，以彌補市場的失靈。與此同時，政府在人口調(diào)控方面也存在失靈的風(fēng)險與挑戰(zhàn)，需要通過科學(xué)合理的人口規(guī)劃、人口調(diào)控政策以及北京各區(qū)協(xié)調(diào)統(tǒng)一的政策執(zhí)行來防止人口調(diào)控中的政府失靈[28]。

第二，推動人口政策從規(guī)模調(diào)控轉(zhuǎn)向結(jié)構(gòu)優(yōu)化?！侗本┏鞘锌傮w規(guī)劃（2016年—2035年）》要求北京市2035年人口保持在2 300萬人，相比2019年的2 154萬人仍有146萬人增長空間，平均每年有約10萬人的增量空間。一方面，隨著北京市各類基礎(chǔ)設(shè)施建設(shè)的加快推進，城市交通網(wǎng)絡(luò)日益完善，基本公共服務(wù)水平持續(xù)提高，城市的人口綜合承載力穩(wěn)步提升，中心城區(qū)的人口壓力、交通壓力與環(huán)境壓力有望得到緩解。另一方面，人口與經(jīng)濟的協(xié)調(diào)發(fā)展是保持北京市城市活力的重點內(nèi)容，為保持城市的經(jīng)濟多樣性和經(jīng)濟活力，需要維持適度的人口規(guī)模并且提高人口素質(zhì)。因此，可以引導(dǎo)北京市人口規(guī)模適度增長，在增量人口中調(diào)整人口結(jié)構(gòu)、促進人口發(fā)展，有效避免人口減少帶來的城市發(fā)展活力不足和老齡化帶來的一系列問題。

第三，引導(dǎo)各區(qū)人口按照區(qū)域功能定位、人口增長空間等指標(biāo)差異化、特色化發(fā)展。積極探索整體成系統(tǒng)轉(zhuǎn)移的新模式，鼓勵部分行政辦公、教育、科研、醫(yī)療等現(xiàn)有和新增功能向新城等外圍地區(qū)疏解，打造承接人口和產(chǎn)業(yè)活動同步轉(zhuǎn)移的郊區(qū)新城，以此引導(dǎo)中心城區(qū)人口的疏解。優(yōu)先引導(dǎo)東城區(qū)、西城區(qū)的過度集聚人口向通州區(qū)、大興區(qū)等人口重點集聚區(qū)轉(zhuǎn)移，緩解核心區(qū)人口—資源環(huán)境發(fā)展矛盾，促成北京市人口合理均衡分布。加強優(yōu)質(zhì)公共服務(wù)資源向外圍區(qū)域轉(zhuǎn)移的力度，在平原地區(qū)形成相對于城六區(qū)而言具有足夠人口吸引力的基礎(chǔ)設(shè)施、公共服務(wù)、宜居宜業(yè)環(huán)境及其配套的支撐體系，使平原地區(qū)成為中心城區(qū)外圍相對獨立且有一定集聚規(guī)模和能力的次中心，發(fā)揮有效抑制中心大團蔓延的“反磁力”功能。

第四，挖掘資源環(huán)境發(fā)展?jié)摿?，拓展人口增長空間。在北京市各區(qū)人口調(diào)控過程中，需要不斷挖掘各區(qū)資源環(huán)境發(fā)展?jié)摿Γㄟ^水資源的開源節(jié)流、土地資源的高效利用、生態(tài)綠化的積極建設(shè)等手段來提升人口綜合承載力，進一步拓展北京市各區(qū)人口發(fā)展空間[29-30]。

注釋：

①數(shù)據(jù)來源：《首爾統(tǒng)計年鑒》《東京都統(tǒng)計年鑒》， http：//kosis.kr/eng/和http：//www.toukei.metro.tokyo.jp。

②數(shù)據(jù)來源：《北京市水資源公報（2017年度）》， http：//swj.beijing.gov.cn/zwgk/szygb/202009/P020200918627119515926.pdf。

③數(shù)據(jù)來源：新加坡統(tǒng)計數(shù)據(jù)網(wǎng)站，https：//cn.knoema.com/atlas/%E6%96%B0%E5%8A%A0%E5%9D%A1。

④數(shù)據(jù)來源：2006—2014年《北京區(qū)域統(tǒng)計年鑒》。

⑤誤差=擬合值-實際值實際值×100%，根據(jù)擬合值與實際值的差值，誤差可為正數(shù)或負數(shù);平均誤差=∑誤差n×100%，平均誤差是誤差絕對值加總后的均值，為正數(shù)。表1、表2、表3的基礎(chǔ)數(shù)據(jù)來源于2006—2014年《北京區(qū)域統(tǒng)計年鑒》，最后呈現(xiàn)的誤差是筆者計算的結(jié)果。

⑥Malthus模型、Logistic模型和G（1.1）模型的人口擬合總誤差分別為31.49，26.23和22.54。

⑦依據(jù)《北京城市總體規(guī)劃（2016年—2035年）》，北京城市副中心規(guī)劃范圍為原通州新城規(guī)劃建設(shè)區(qū)，總面積約155平方公里，但是在實際建設(shè)和發(fā)展過程中，城市副中心的影響范圍遠遠超過155平方公里，并在整個通州區(qū)范圍內(nèi)產(chǎn)生重大的影響，因此本文將城市副中心界定為通州區(qū)。

⑧所有變量數(shù)據(jù)均來源于2015—2020年《北京區(qū)域統(tǒng)計年鑒》。

參考文獻：

[1]周立云. 關(guān)于北京城市人口規(guī)模調(diào)控的思考[J]. 投資北京， 2002（2）：23-25.

[2]周皓. “人口準(zhǔn)入”能控制城市人口規(guī)模嗎？[J]. 人口研究， 2005（6）：33-36.

[3]彭興業(yè). 首都城市功能研究[M]. 北京：北京大學(xué)出版社， 2000：67-77.

[4]肖周燕， 王慶娟. 我國特大城市的功能布局與人口疏解研究——以北京為例[J]. 人口學(xué)刊， 2015（1）：5-14.

[5]肖周燕. 中國城市功能定位調(diào)控人口規(guī)模效應(yīng)研究[J]. 管理世界， 2015（3）：168-169.

[6]成新軒，韓艷林.京津冀勞動力市場一體化水平測度及其推進對策研究[J].河北經(jīng)貿(mào)大學(xué)學(xué)報，2020（5）：72-77.

[7]薛領(lǐng)，陳宥伶.非首都功能疏解對北京經(jīng)濟結(jié)構(gòu)的影響評估[J].河北經(jīng)貿(mào)大學(xué)學(xué)報，2020（4）：89-99.

[8]李國平，席強敏. 京津冀協(xié)同發(fā)展下北京人口有序疏解的對策研究[J]. 人口與發(fā)展，2015（2）：28-33.

[9]肖周燕. 首都人口調(diào)控研究[M]. 北京：中國勞動社會保障出版社， 2016.

[10]郭士梅， ?；鄱鳎?楊永春. 城市規(guī)劃中人口規(guī)模預(yù)測方法評析[J]. 西北人口， 2005（1）：6-9.

[11]翟寶輝. 城市人口綜合測算：復(fù)合生態(tài)系統(tǒng)方法在北京的應(yīng)用[M]. 北京： 中國城市出版社， 2016.

[12]趙磊. 定性分析方法在城鄉(xiāng)人口規(guī)模預(yù)測中的應(yīng)用——以上蔡縣為例[J]. 城市建設(shè)理論研究（電子版）， 2014（7）.

[13]LONG J F. Complexity， accuracy， and utility of official population projections[J]. Mathematical Population Studies， 1995， 5（3）： 203-216.

[14]MARCHETTI C， MEYER P S， AUSUBEL J H. Human population dynamics revisited with the logistic model： how much can be modeled and predicted？[J]. Technological forecasting and social change， 1996， 52（1）： 1-30.

[15]王廣州. 人口預(yù)測方法與應(yīng)用[M]. 北京： 社會科學(xué)文獻出版社， 2018： 30.

[16]KEYFITZ N. The limits of population forecasting[J]. Population and development review， 1981： 579-593.

[17]MALTHUS T R. An essay on the principle of population[M].Oxford：Oxford University Press，1872.

[18]張金明， 李騫. 基于馬爾薩斯模型的北京市人口預(yù)測[J]. 特區(qū)經(jīng)濟， 2013（7）：63-65.

[19]閻慧臻. Logistic模型在人口預(yù)測中的應(yīng)用[J]. 大連工業(yè)大學(xué)學(xué)報， 2008（4）：333-335.

[20]李華中. Logistic模型在人口預(yù)測中的應(yīng)用[J]. 江蘇石油化工學(xué)院學(xué)報，1998（2）：32-34.

[21]王學(xué)保， 蔡果蘭. Logistic模型的參數(shù)估計及人口預(yù)測[J]. 北京工商大學(xué)學(xué)報（自然科學(xué)版）， 2009（6）：75-78.

[22]李振福. 長春市城市人口的Logistic模型預(yù)測[J]. 吉林師范大學(xué)學(xué)報：自然科學(xué)版， 2003（1）：16-19.

[23]張海峰，楊萍，李春花，等. 基于多模型的西寧市人口規(guī)模預(yù)測[J]. 干旱區(qū)地理，2013（5）：955-962.

[24]趙金環(huán)， 陳建強， 郭立智. Excel在動態(tài)GM（1，1）模型預(yù)測及檢驗中的應(yīng)用[J]. 青島理工大學(xué)學(xué)報， 2007（4）：69-73.

[25]王小魯. 中國城市化路徑與城市規(guī)模的經(jīng)濟學(xué)分析[J]. 經(jīng)濟研究， 2010（10）：20-32.

[26]肖周燕. 中國人口與經(jīng)濟分布一致性的空間效應(yīng)研究[J]. 人口研究，2013（5）：42-52.

[27]吳雪萍， 趙果慶. 中國城市人口集聚分布——基于空間效應(yīng)的研究[J]. 人文地理， 2018（2）： 130-137.

[28]童玉芬.中國特大城市的人口調(diào)控：理論分析與思考[J].人口研究，2018（4）：3-13.

[29]席強敏，李國平. 京津冀地區(qū)人口均衡發(fā)展對策[J]. 中國流通經(jīng)濟，2015（4）：77-82.

[30]李國平， 羅心然. 京津冀地區(qū)人口與經(jīng)濟協(xié)調(diào)發(fā)展關(guān)系研究[J]. 地理科學(xué)進展， 2017（1）：25-33.

責(zé)任編輯：艾 嵐

Abstract：Under the guidance of a series of population control policies， the total population of Beijing began to show negative growth from 2017. The population size of the central urban areas showed a declining trend while the peripheral urban areas maintained a steady growth trend. This paper constructs the population evolution model to analyze the policy shock of coordinated development strategy of Beijing-Tianjin-Hebei on the population changes in each district， and further empirically tests the relationship between the policy shock effects and the regional control and scale control indicators. Results are as follows： Without the policy shock of the coordinated development strategy of Beijing-Tianjin-Hebei， the total population of Beijing will be in a stable growth stage， and the population in the central and peripheral urban areas will show different growth trends. The policy implementation effect of the coordinated development strategy of Beijing-Tianjin-Hebei is affected by regional control and scale control. The significant decrease in the population of the central urban areas and the increase in the population of the sub-center show that the policy effect is obvious， but the increase in the population of the peripheral areas is limited by the policy. In order to achieve the coordinated development of population， economy， resources and environment， it is recommended that the focus of the population control policy should be shifted from quantitative control to optimization of structure and layout. Efforts should be made to enhance the comprehensive carrying capacity of population， especially to expand the population growth space outside the central urban areas.

Key words：the coordinated development of Beijing-Tianjin-Hebei; Beijing Population; population scale; population control