李天籽　陸銘俊

[摘要] 文章基于2016年和2018年的騰訊位置大數(shù)據(jù)，采用社會網(wǎng)絡(luò)分析法和QAP回歸模型系統(tǒng)探究了中國人口流動網(wǎng)絡(luò)的空間結(jié)構(gòu)特征以及影響因素。研究結(jié)果表明：人口流動網(wǎng)絡(luò)關(guān)聯(lián)性增強(qiáng)，整體結(jié)構(gòu)日趨穩(wěn)健，但依然存在“東南密集，西北稀疏”的態(tài)勢;經(jīng)濟(jì)發(fā)達(dá)、行政地位高的節(jié)點(diǎn)城市在人口流動網(wǎng)絡(luò)中具有更強(qiáng)的吸引力和輻射力;人口流動網(wǎng)絡(luò)的凝聚子群特征明顯，人口流動仍以子群內(nèi)流動為主，子群間聯(lián)系較少;區(qū)域差異是人口流動的源動力，就業(yè)機(jī)會、工資收入以及遷移成本仍是影響人口流動的主要因素，隨著生活水平的提高，舒適性需求對于人口流動的影響日漸凸顯。

[關(guān)鍵詞]人口流動網(wǎng)絡(luò);社會網(wǎng)絡(luò)分析;騰訊位置大數(shù)據(jù);QAP回歸模型

[中圖分類號] F061.5; C924.2[文獻(xiàn)標(biāo)識碼]? A[文章編號]? 1673-0461（2022）02-0001-09

一、引言

人口流動是城市間物質(zhì)流、信息流、資本流、技術(shù)流的重要載體，人口在城市間的遷移被認(rèn)為是生產(chǎn)要素在空間上的重新配置，有助于推動社會、經(jīng)濟(jì)要素的重新集聚與擴(kuò)散[1]。改革開放以來，中國經(jīng)濟(jì)迅速騰飛，城市化進(jìn)程加快，勞動力遷移日趨活躍，人口流動已成為區(qū)域間相互聯(lián)系的重要紐帶。對于正處于城鎮(zhèn)化、信息化、工業(yè)化、全球化加速推進(jìn)期的中國來說，了解人口流動的空間特征以及基本規(guī)律有助于解決經(jīng)濟(jì)發(fā)展、疾病控制、交通擁堵等社會問題[2]。自2015年以來，流動人口規(guī)模進(jìn)入調(diào)整期，跨區(qū)域流動人口比例快速增長，人口流出和回流的態(tài)勢將長期并存。準(zhǔn)確把握中國城際間人口流動的空間結(jié)構(gòu)，深入開展城際人口流動影響因素研究，對于制定人口經(jīng)濟(jì)政策、合理引導(dǎo)人口流動具有重要的理論和現(xiàn)實(shí)意義。

自20 世紀(jì)90 年代以來，關(guān)于人口流動的研究逐步成為學(xué)術(shù)界熱點(diǎn)，大量學(xué)者對人口流動的空間分布[3]、動力機(jī)制[4]、經(jīng)濟(jì)效應(yīng)[5-6]、政策制定[7]等問題進(jìn)行了深入研究。隨著空間分析方法的成熟，人口流動的空間模式已成為流動人口研究的核心議題之一。張耀軍和岑俏采用了熱點(diǎn)分析以及空間回歸分析等方法從省、市、縣三個(gè)層面研究了中國人口空間流動格局[8]。劉濤等利用全局莫蘭指數(shù)系統(tǒng)分析了中國流動人口空間格局的演變特征、形成機(jī)制及其城鎮(zhèn)化效應(yīng)[9]。但俊和陰劼利用地理加權(quán)回歸模型探究了中國縣域流動人口的空間分布特征以及對城鎮(zhèn)化的影響[10]。柏中強(qiáng)等采用Lorenz 曲線、空間分析及樣帶分析方法，研究了中國25省區(qū)人口分布的疏密結(jié)構(gòu)、空間集聚性、緯向和經(jīng)向規(guī)律[11]。邵大偉和吳殿鳴采用分形理論和ESDA 方法，揭示了山東省2000 年以來人口城鎮(zhèn)化進(jìn)程的新動向及空間特征，并剖析了全省城鎮(zhèn)化的影響因素[12]。目前的研究主要利用地理學(xué)的空間分析方法探究人口流動的空間特征，更側(cè)重于人口流動的規(guī)模和分布，并不能很好地展示人口流動的方向，而網(wǎng)絡(luò)分析工具的出現(xiàn)恰好能夠彌補(bǔ)傳統(tǒng)地理學(xué)方法的不足。由人口流動起訖點(diǎn)、流動方式以及流動路線所構(gòu)成的復(fù)雜網(wǎng)絡(luò)為人口流動研究提供了新思路，能夠更系統(tǒng)地認(rèn)識人口流動的空間特征，進(jìn)一步拓展了人口流動的研究范疇。

人口流動研究目前主要采用人口普查、抽樣調(diào)查以及各級行政單元的年鑒數(shù)據(jù)，這類靜態(tài)數(shù)據(jù)受到研究尺度和空間準(zhǔn)確性限制，存在更新速度慢、空間粒度粗、獲取成本高的特點(diǎn)，嚴(yán)重缺乏動態(tài)性和實(shí)時(shí)性，無法反映城市間人口流動的真實(shí)方向和格局特征。隨著信息化水平的提高，科學(xué)技術(shù)手段不斷被運(yùn)用于人口流動領(lǐng)域，在如今數(shù)字化高速推進(jìn)的背景下，手機(jī)等便攜移動終端的興起使得基于海量個(gè)體的時(shí)空行為追蹤成為了可能。目前應(yīng)用于人口流動研究的大數(shù)據(jù)可分為三類：第一類為網(wǎng)頁數(shù)據(jù)，通過對用戶打卡、簽到、留言、搜索等內(nèi)容挖掘分析后得到。潘碧麟等利用微博簽到數(shù)據(jù)研究了成渝城市群空間結(jié)構(gòu)及其城際間的人口流動特征[13]。鄧楚雄等基于百度貼吧數(shù)據(jù)構(gòu)建長江中游城市群人口流動矩陣并分析其中的網(wǎng)絡(luò)聯(lián)系[14]。該類數(shù)據(jù)主要依賴用戶的主動性，研究樣本較為受限。第二類為公共交通數(shù)據(jù)，通過對交通卡響應(yīng)位置和響應(yīng)頻次統(tǒng)計(jì)后獲得。劉耀林等基于公交刷卡數(shù)據(jù)分析武漢市居民的通勤特征和職住通勤模式[15]。許園園等基于地鐵刷卡數(shù)據(jù)識別出上海市域的職住空間和通勤格局[16]。該類數(shù)據(jù)具有統(tǒng)計(jì)精確、位置清晰的特點(diǎn)，但也存在研究區(qū)域有限的問題。第三類為移動終端定位數(shù)據(jù)，該類數(shù)據(jù)具有尺度精細(xì)、樣本量大的優(yōu)點(diǎn)、能夠反映個(gè)體屬性以及跨區(qū)域流動特征。MARTIN 等利用曼哈頓下城地區(qū)一周內(nèi)的WiFi探測數(shù)據(jù)，分析了城市內(nèi)人群的移動軌跡以及聯(lián)系性[17]。王垚等采用手機(jī)信令數(shù)據(jù)所代表的人流聯(lián)系探究了江西省內(nèi)的城市關(guān)聯(lián)情況[18]。馮章獻(xiàn)等基于百度遷徙大數(shù)據(jù)分析長春市春運(yùn)期間人口流動空間格局以及動力機(jī)制[19]。與傳統(tǒng)調(diào)查數(shù)據(jù)、網(wǎng)頁數(shù)據(jù)以及公共交通數(shù)據(jù)相比，移動終端定位數(shù)據(jù)具有時(shí)空完備性高和分析預(yù)測性強(qiáng)等優(yōu)勢，在人口流動領(lǐng)域的研究中得到了廣泛應(yīng)用[20]。

本文的研究主要基于騰訊位置大數(shù)據(jù)平臺所提供的人口遷徙數(shù)據(jù)，該數(shù)據(jù)包含了中國城市層面以天為單位的遷徙人次、遷徙方式、遷徙方向等出行信息，相較于以往研究中使用較多的百度遷徙數(shù)據(jù)以及高德地圖位置大數(shù)據(jù)，騰訊位置大數(shù)據(jù)較少拆分完整的人口遷徙路徑，能更真實(shí)地反映人口流動狀態(tài)。此外，本文還考慮了人口流動的方向性，利用社會網(wǎng)絡(luò)分析法構(gòu)建人口流動網(wǎng)絡(luò)的空間關(guān)系矩陣，重塑人口流動的路徑與強(qiáng)度，深入剖析人口流動網(wǎng)絡(luò)空間結(jié)構(gòu)，為人口流動研究提供新的視角。

二、數(shù)據(jù)來源和研究方法

（一）數(shù)據(jù)來源

本文使用騰訊位置大數(shù)據(jù)平臺（https：//heat.qq.com/bigdata/qianxi.html）所提供的人口遷徙數(shù)據(jù)作為主要研究樣本。騰訊位置大數(shù)據(jù)平臺于2015年上線，依托騰訊公司的通信、社交、游戲、視頻等服務(wù)，能夠在保護(hù)個(gè)人隱私的前提下收集到各階層和各年齡段用戶的地理位置，通過對個(gè)人層面的用戶行為進(jìn)行分析和挖掘，實(shí)現(xiàn)人口遷徙時(shí)空軌跡和特征的即時(shí)動態(tài)可視化。本文使用Python編程軟件爬取了中國288個(gè)地級市的人口遷徙數(shù)據(jù)，首先利用瀏覽器查看騰訊位置大數(shù)據(jù)完整網(wǎng)頁中關(guān)于遷入和遷出人次的源代碼，其次查詢相應(yīng)數(shù)據(jù)參數(shù)并獲得服務(wù)器地址，然后批量設(shè)置數(shù)據(jù)日期和城市名稱并構(gòu)建循環(huán)語句，最后經(jīng)過調(diào)試、校對、整理，批量獲取相應(yīng)數(shù)據(jù)。騰訊位置大數(shù)據(jù)平臺提供了2016年至2018年完整的人口遷徙日度數(shù)據(jù)，本文綜合考慮研究的動態(tài)性以及人口流動網(wǎng)絡(luò)變化的顯著性，對2016年和2018年的每日流動人次數(shù)據(jù)進(jìn)行對照分析，將原始數(shù)據(jù)匯總處理后建立人口流動矩陣，列表示流出城市，行表示流入城市，矩陣中元素是當(dāng)年由起始地到目的地的流動人次總和。A222225E-1F04-4AB6-934C-5DE3504D371A

實(shí)際上，2015年以后中國人口流動呈現(xiàn)出新的特征?！吨袊鲃尤丝诎l(fā)展報(bào)告2018》指出，全國流動人口總規(guī)模自2015年以后緩慢下降，跨省流動人口比例迅速增長，中西部吸納的流動人口數(shù)量增加，人口流動空間模式逐漸多元化，中國的人口流動步入新階段。本文使用的時(shí)間樣本能夠全面反映2015年之后人口流動特征以及空間模式，突破了傳統(tǒng)調(diào)查數(shù)據(jù)的時(shí)空限制。

（二）研究方法

1.社會網(wǎng)絡(luò)分析法

社會網(wǎng)絡(luò)分析方法（Social Network Analysis，SNA）是基于圖論和數(shù)學(xué)方法發(fā)展起來的定量分析方法，用以刻畫網(wǎng)絡(luò)的關(guān)系、形態(tài)和類型，測度網(wǎng)絡(luò)的各種結(jié)構(gòu)性特征，該方法已被廣泛用于經(jīng)濟(jì)學(xué)、社會學(xué)、地理學(xué)、人口學(xué)等領(lǐng)域。社會網(wǎng)絡(luò)分析法認(rèn)為，社會是由各種關(guān)系構(gòu)成的巨大網(wǎng)絡(luò)，各個(gè)行動者是網(wǎng)絡(luò)中的節(jié)點(diǎn)，通過研究網(wǎng)絡(luò)結(jié)構(gòu)可以把握個(gè)體間的關(guān)系，從而揭示網(wǎng)絡(luò)的整體性與層次性。人口流入流出地可被看作社會網(wǎng)絡(luò)中的節(jié)點(diǎn)，通過對所有節(jié)點(diǎn)及其聯(lián)系進(jìn)行研究，便能夠了解城市間人口流動格局以及網(wǎng)絡(luò)特征，進(jìn)而對流動人口的社會行為進(jìn)行解釋。本文主要采用社會網(wǎng)絡(luò)分析法中的網(wǎng)絡(luò)密度分析、中心性分析以及凝聚子群分析對中國城市間的流動人口展開研究。

（1）網(wǎng)絡(luò)密度分析。網(wǎng)絡(luò)密度指的是一個(gè)關(guān)系網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)間聯(lián)系的緊密程度，由網(wǎng)絡(luò)實(shí)際存在的聯(lián)系除以理論上存在的聯(lián)系數(shù)量得到，網(wǎng)絡(luò)密度越大，網(wǎng)絡(luò)關(guān)系越復(fù)雜，表明網(wǎng)絡(luò)節(jié)點(diǎn)之間的聯(lián)系越緊密。計(jì)算公式如下：

其中D為網(wǎng)絡(luò)密度，k為城市節(jié)點(diǎn)數(shù)，d為兩點(diǎn)間實(shí)際存在的聯(lián)系數(shù)量。

（2）中心性分析?！爸行男浴笔且粋€(gè)結(jié)構(gòu)位置指標(biāo)，是行動者在網(wǎng)絡(luò)中權(quán)力的量化，越接近中心，影響力越大。在人口流動網(wǎng)絡(luò)中，不同城市間的聯(lián)系強(qiáng)度和方向存在差異，本文采用度數(shù)中心度與中間中心度對不同城市在人口流動網(wǎng)絡(luò)中的影響力和地位進(jìn)行分析。

度數(shù)中心度是指與該點(diǎn)直線相連的點(diǎn)數(shù)，是一個(gè)點(diǎn)與其他點(diǎn)產(chǎn)生聯(lián)系的能力，計(jì)算公式為：

C_AD（i）=i的度數(shù) （2）

式中：CAD為度數(shù)中心度，度數(shù)即為與該點(diǎn)直線相連的點(diǎn)的數(shù)量。

中間中心度測量的是某個(gè)節(jié)點(diǎn)對資源的控制能力，研究目標(biāo)節(jié)點(diǎn)在多大程度上位于其他兩個(gè)節(jié)點(diǎn)之間。計(jì)算公式為：

（3）凝聚子群分析。在社會網(wǎng)絡(luò)分析中，將存在直接、密切、互惠關(guān)系的成員所構(gòu)成的子集合定義為一個(gè)凝聚子群。通過對網(wǎng)絡(luò)中凝聚子群的數(shù)量、凝聚子群間關(guān)系，以及凝聚子群內(nèi)部成員互動進(jìn)行研究，能夠揭示網(wǎng)絡(luò)內(nèi)部的結(jié)構(gòu)狀態(tài)以及整體網(wǎng)絡(luò)的發(fā)展特征。本文使用塊模型將人口流動網(wǎng)絡(luò)中的各城市節(jié)點(diǎn)按照一定的標(biāo)準(zhǔn)進(jìn)行劃分，并運(yùn)用迭代相關(guān)收斂法（CONCOR）進(jìn)行分析，進(jìn)而對人口流動網(wǎng)絡(luò)的內(nèi)部微觀結(jié)構(gòu)重點(diǎn)研究。

2.QAP分析方法

QAP（Quadratic Assignment Procedure，二次指派程序）作為一種針對關(guān)系數(shù)據(jù)的非參數(shù)置換檢驗(yàn)方法，主要用于解釋“關(guān)系”之間的關(guān)系，該模型以若干個(gè)1-mode N×N的網(wǎng)絡(luò)矩陣為自變量，回歸同類網(wǎng)絡(luò)矩陣，判斷回歸系數(shù)并進(jìn)行顯著性檢驗(yàn)。根據(jù)本文的研究思路，需要對影響城際人口流動的多種關(guān)系因素進(jìn)行假設(shè)檢驗(yàn)，由于關(guān)系矩陣中存在結(jié)構(gòu)性的自相關(guān)會產(chǎn)生“共線性”問題，導(dǎo)致基于OLS的多元回歸方法的變量顯著性檢驗(yàn)失效，本文使用QAP回歸分析方法能夠避免因觀測值相關(guān)引起的統(tǒng)計(jì)偏誤[21]。具體計(jì)算步驟如下：第一，設(shè)置因變量和自變量網(wǎng)絡(luò)矩陣;第二，對因變量網(wǎng)絡(luò)矩陣和自變量網(wǎng)絡(luò)矩陣中對應(yīng)的長向量元素進(jìn)行常規(guī)的多元統(tǒng)計(jì)回歸分析;第三，對因變量網(wǎng)絡(luò)矩陣的各行各列進(jìn)行隨機(jī)置換，重新計(jì)算回歸，保存系數(shù)估計(jì)值和判定系數(shù)并多次重復(fù)之前步驟，最終得到各統(tǒng)計(jì)量的標(biāo)準(zhǔn)誤。

三、中國人口流動網(wǎng)絡(luò)特征

（一）中國人口流動網(wǎng)絡(luò)的總體特征

在人口流動網(wǎng)絡(luò)中，城市可以被看作是網(wǎng)絡(luò)中的節(jié)點(diǎn)，不同城市間的人口流動構(gòu)成了城際人口流動網(wǎng)絡(luò)的邊，網(wǎng)絡(luò)密度能夠反映人口流動網(wǎng)絡(luò)中城市之間的疏密關(guān)系，城市間的關(guān)聯(lián)關(guān)系數(shù)量越多則整體網(wǎng)絡(luò)密度越大。由于社會網(wǎng)絡(luò)分析法中的密度分析只適用于二值矩陣，因此對人口流動矩陣進(jìn)行二值化處理，高于人口遷移指數(shù)平均值的數(shù)值記為1，表示關(guān)聯(lián)顯著，低于平均值的數(shù)值記為0，表示關(guān)聯(lián)不明顯。將處理后的矩陣數(shù)據(jù)導(dǎo)入U(xiǎn)CINET 6軟件進(jìn)行網(wǎng)絡(luò)密度計(jì)算，并利用其自帶的NetDraw軟件將城際人口流動網(wǎng)絡(luò)可視化。由于城市節(jié)點(diǎn)過多，圖1和圖2僅展示了由省會城市和直轄市構(gòu)成的網(wǎng)絡(luò)結(jié)構(gòu)圖。

從圖1和圖2中可知，人口流動空間關(guān)聯(lián)與地理位置存在較大關(guān)系，同一區(qū)域的城市人口流動關(guān)聯(lián)較強(qiáng)，地理位置較遠(yuǎn)城市的關(guān)聯(lián)性相對較弱。2016年和2018年人口流動網(wǎng)絡(luò)密度值分別為0.0553和0.0624，增幅約12.8%，說明人口流動網(wǎng)絡(luò)結(jié)構(gòu)更為穩(wěn)健，關(guān)聯(lián)性大幅度增強(qiáng)，符合人口流動的理想期望。各城市的人口流動水平也得到一定提升，但居于核心和主導(dǎo)地位的流出和流入地區(qū)的基本格局并未改變，北京、上海、廣州始終是人口流動最多的城市。從空間分布上來看，大規(guī)模的人口流動主要集中在“胡煥庸線”的東南側(cè)，符合我國人口分布的基本情況。東南側(cè)的自然條件、經(jīng)濟(jì)條件、社會條件相對優(yōu)越，近年來交通基礎(chǔ)設(shè)施逐步完善，“胡煥庸線”兩側(cè)人口跨區(qū)域流動增多，但流向分布依然呈現(xiàn)明顯的“東南密集，西北稀疏”的態(tài)勢。

（二）中國人口流動網(wǎng)絡(luò)的節(jié)點(diǎn)特征

在人口流動所形成的有向網(wǎng)絡(luò)中，每個(gè)點(diǎn)的度數(shù)中心度包括了點(diǎn)出度和點(diǎn)入度，點(diǎn)出度指由該城市人口流出到其他城市的數(shù)量，點(diǎn)入度是指人口流入該城市的數(shù)量，根據(jù)點(diǎn)出度與點(diǎn)入度的差值能夠判斷該城市的人口流動水平。由于篇幅原因，表1僅展示了全國重要城市的度數(shù)中心度，與2016年相比，2018年各城市的出度中心度和入度中心度都有一定的提升，表明人口流動更加的活躍。城際的人口流動大體可以分為三種類型：第一類是人口凈流入地區(qū)，即出入度差為負(fù)且負(fù)值相對較小，代表城市主要有北京、上海、廣州、深圳、重慶、杭州等經(jīng)濟(jì)發(fā)達(dá)城市;第二類是人口流動相對平衡的地區(qū)，即出入度差在0附近波動，以濟(jì)南、昆明、鹽城、蘭州、寶雞為代表;第三類是人口凈流出地區(qū)，即出入度差為正且正值相對較大，以保山、雞西、鶴崗、慶陽、雙鴨山為典型。從總體上看，大部分城市都處于人口流出的狀態(tài)，人口主要向少數(shù)經(jīng)濟(jì)發(fā)達(dá)的城市聚集，從空間上看，人口流動呈現(xiàn)出“東入內(nèi)出”的特征，東部沿海城市仍然是人口流入的熱點(diǎn)地區(qū)，中西部以及東北城市是人口流出的主要地區(qū)，“孔雀東南飛”的人口流動模式呈現(xiàn)高度穩(wěn)定性。A222225E-1F04-4AB6-934C-5DE3504D371A

通過對城際人口流動網(wǎng)絡(luò)進(jìn)行度數(shù)中心度分析發(fā)現(xiàn)：在點(diǎn)出度方面，2016年和2018年的平均值分別為5.46和6.21，點(diǎn)出度較小的城市主要分布在甘肅、青海、新疆、西藏、內(nèi)蒙古、貴州等地區(qū)，這些地區(qū)聚集著大量少數(shù)民族，其相對獨(dú)特的文化和宗教信仰可能會阻礙區(qū)域人口流動。點(diǎn)出度高于7的城市主要分布在四川、安徽、河南、黑龍江、吉林、湖南等省份，這些省份的外出務(wù)工人員較多，城市經(jīng)濟(jì)水平相對一般，人口以外流為主。點(diǎn)出度最高的城市主要有北京、上海、重慶、廣州、深圳、成都等，都是經(jīng)濟(jì)水平較高、交通發(fā)達(dá)的樞紐城市，人口流動頻繁，流入和流出數(shù)量都相對較大。在點(diǎn)入度方面，2016年和2018年的平均值為5.41和6.17，約有23%和20%的城市高于平均值，北京、上海、廣州、杭州、深圳、西安、天津、重慶、成都等城市處于流入規(guī)模前列，無一例外，這些城市都為發(fā)達(dá)地區(qū)，在經(jīng)濟(jì)、社會保障、商業(yè)環(huán)境、就業(yè)機(jī)會等方面的優(yōu)勢對人才具有更大吸引力。人口流入最少的城市主要集中在西北地區(qū)和東北地區(qū)，這些城市產(chǎn)業(yè)相對單一，經(jīng)濟(jì)較為落后、缺少就業(yè)機(jī)會，對人才缺乏吸引力。本文還對整個(gè)城際人口流動網(wǎng)絡(luò)進(jìn)行了中心勢計(jì)算，用以刻畫網(wǎng)絡(luò)圖的整體中心性。2018年的網(wǎng)絡(luò)點(diǎn)出度中心勢和點(diǎn)入度中心勢力分別為0.157和0.901，相較于2016年的0.088和0.795有著明顯的增長，城際人口流動網(wǎng)絡(luò)中人口流入和流出存在非均衡性，人口仍向經(jīng)濟(jì)發(fā)達(dá)城市集中。

除了度數(shù)中心度外，各城市節(jié)點(diǎn)還存在中間中心度，能夠具體反映人口流動網(wǎng)絡(luò)中城市所扮演的“媒介者”的角色，表征各城市對資源的控制程度。表2展示了2016年和2018年城際人口流動網(wǎng)絡(luò)中中間中心度最大的前15位城市。根據(jù)表2的結(jié)果可知，中間中心度較高的城市都具有較高的行政地位，經(jīng)濟(jì)較為發(fā)達(dá)，其中北京和上海處于第一梯度，這兩個(gè)城市作為中國的政治中心和經(jīng)濟(jì)中心，是全國重要的交通樞紐，鐵路、公路、航線十分密集，能夠直接到達(dá)全國多數(shù)地點(diǎn)，無論是經(jīng)濟(jì)、政治還是交通都具有非常強(qiáng)的把控能力。廣州、深圳、西安、重慶、成都的中間中心度位于第二梯度，這些城市分別是華南、西北、西南地區(qū)的重要節(jié)點(diǎn)，經(jīng)濟(jì)、政治、交通都具有較高的地位，能夠?qū)σ欢▍^(qū)域內(nèi)的人口流動網(wǎng)絡(luò)產(chǎn)生較大的影響力。武漢、哈爾濱，昆明、鄭州、天津、長春、沈陽、青島、大連、杭州等城市的中間中心度位于第三梯度，對各自省內(nèi)的人口流動網(wǎng)絡(luò)具有一定的控制力。從總體來看，城市的中間中心度和城市的行政地位、交通屬性、經(jīng)濟(jì)水平是呈正向關(guān)系的，城市的綜合水平越高，所扮演的角色越重要，對人口流動網(wǎng)絡(luò)的控制力越強(qiáng)。2018年與2016年相比，除了北京和上海之外，大部分城市的中間中心度有一定程度的降低，這也說明隨著交通基礎(chǔ)設(shè)施的完善，人口流動的通達(dá)性提高，關(guān)鍵節(jié)點(diǎn)城市對網(wǎng)絡(luò)的控制能力下降。本文計(jì)算了整體網(wǎng)絡(luò)的中間中心勢，從2016年的0.3793下降至了2018年的0.3725，進(jìn)一步說明交通網(wǎng)絡(luò)密度的提高降低了節(jié)點(diǎn)城市的資源控制力。

（三）中國人口流動網(wǎng)絡(luò)的凝聚子群特征

本文采用空間聚類塊模型對人口流動網(wǎng)絡(luò)進(jìn)行分析，根據(jù)節(jié)點(diǎn)地理位置和節(jié)點(diǎn)間聯(lián)系緊密程度將網(wǎng)絡(luò)中的所有城市劃分成不同的凝聚子群，并對子群內(nèi)部和子群之間的關(guān)系進(jìn)行研究。此處的凝聚子群并非城市之間相互結(jié)成聯(lián)盟的意思，而是看哪些城市間存在相對較強(qiáng)的、直接的、緊密的、經(jīng)常的或者積極的聯(lián)系[22]。利用迭代相關(guān)收斂法（CONCOR）對人口流動網(wǎng)絡(luò)進(jìn)行非重疊性聚類分析，將最大重復(fù)數(shù)設(shè)定為25，最大切分深度設(shè)定為2，集中標(biāo)準(zhǔn)設(shè)定為0.2，最終得到8個(gè)凝聚子群。

根據(jù)表3的結(jié)果可以發(fā)現(xiàn)，凝聚子群中的大多數(shù)城市都相互接壤，在地理位置上存在直接的連通性。第1子群主要由河北的多數(shù)城市、山東的多數(shù)城市以及北京構(gòu)成，第2子群包含了天津、唐山、秦皇島、內(nèi)蒙古東部的部分城市以及東北三省的所有地級市，第3子群則由山西、內(nèi)蒙古中部城市以及河南北部的部分城市構(gòu)成，第4子群包含了內(nèi)蒙古西部的阿拉善盟、河南西部的三門峽，以及陜西、寧夏、甘肅、新疆、青海的所有城市。第1至第4子群幾乎囊括了中國北方所有城市，子群也總體按照東北、華北、西北這些自然地理板塊進(jìn)行劃分，內(nèi)蒙古狹長的地理特征導(dǎo)致其所轄的城市與不同子群內(nèi)城市的聯(lián)系緊密，2018年與2016年相比，子群變動并不明顯，僅第3子群減少了河南的部分城市。第5子群是以上海為中心的長三角地區(qū)，主要由江蘇、浙江、安徽及江西部分城市構(gòu)成，第6子群包含了重慶、溫州、以及福建、四川、云南、西藏的部分城市，該子群的城市地域跨度較大，第7子群則是由湖北、湖南、河南、江西等華中地區(qū)城市構(gòu)成，第8子群主要由廣東和廣西構(gòu)成，包含了珠三角地區(qū)的所有城市。第5至第8子群包含了中國中部和南部地區(qū)的幾乎所有城市，四個(gè)子群也相對較大，占比總樣本量的58%，子群總體是按照自然地理分布，2018年與2016年相比，第6子群和第7子群的變動相對較大，主要體現(xiàn)在福建和河南的部分城市?？偟膩砜矗请H人口流動仍然是以區(qū)域內(nèi)流動為主，但是已經(jīng)存在一定的跨區(qū)域流動傾向，交通基礎(chǔ)設(shè)施的逐步完善正在弱化地理距離的限制、加強(qiáng)城市間的聯(lián)系。

從表4中可以看出，第1、第4、第8子群內(nèi)部密度處于領(lǐng)先位置，第2、第3、第5子群內(nèi)部密度處于中間梯度，第6、第7子群內(nèi)部密度則比較小，2018年各凝聚子群的密度較2016年都有了較為明顯的增長。凝聚子群的密度越大表明城市間人口流動越頻繁，聯(lián)系越密切。每個(gè)子群都包含了經(jīng)濟(jì)發(fā)展比較好以及經(jīng)濟(jì)相對落后的城市，經(jīng)濟(jì)發(fā)達(dá)的城市在就業(yè)、公共服務(wù)等方面更具優(yōu)勢，能夠獲得落后地區(qū)的勞動力供給，經(jīng)濟(jì)相對落后的城市能夠憑借自身資源、環(huán)境以及政策支持吸引發(fā)達(dá)地區(qū)的人員流入以創(chuàng)造更大的發(fā)展機(jī)會，人口在發(fā)達(dá)地區(qū)與落后地區(qū)的頻繁流動，能夠帶動資本、信息、技術(shù)的快速遷移，進(jìn)而實(shí)現(xiàn)發(fā)達(dá)地區(qū)的持續(xù)繁榮與落后地區(qū)的快速發(fā)展。

為了更加簡潔地分析，將表4密度矩陣中的值與整體網(wǎng)絡(luò)密度進(jìn)行對比，若子群密度高于整體網(wǎng)絡(luò)密度，則將其修改為1，否則修改為0，最后得到中國人口流動網(wǎng)絡(luò)的像矩陣（見表5）。從整體上來看，城市間的聯(lián)系還是局限在子群的內(nèi)部，大部分子群間的聯(lián)系強(qiáng)度小于整體網(wǎng)絡(luò)密度，子群間聯(lián)系仍然比較松散。其中第1、第2、第3子群相互聯(lián)系比較密切，城市多數(shù)分布在華北和東北地區(qū)，地理距離相對較近，人口流動較為頻繁，同樣的第7、第8子群內(nèi)部的城市主要分布在華中和華南，兩個(gè)子群地理鄰近，聯(lián)系也更為緊密。2018年的子群間聯(lián)系與2016年相比有一定程度的增強(qiáng)，第1與第3、第3和第4、第5和第6子群都產(chǎn)生較為緊密的聯(lián)系，經(jīng)濟(jì)發(fā)展以及交通基礎(chǔ)設(shè)施完善都有助于跨區(qū)域人口流動，促進(jìn)不同凝聚子群間的聯(lián)系。A222225E-1F04-4AB6-934C-5DE3504D371A

四、中國人口流動網(wǎng)絡(luò)的影響因素

地區(qū)間特定要素的差異是人口流動的根本原因。新古典理論強(qiáng)調(diào)經(jīng)濟(jì)因素在人口流動中的主導(dǎo)作用，但是忽視了自然環(huán)境與人工環(huán)境的影響。人口推拉理論認(rèn)為推動人口遷移的主要因素包括收入差距、就業(yè)機(jī)會、對外開放、產(chǎn)業(yè)結(jié)構(gòu)、空間距離等[23-24]。隨著人們生活水平的提高，基于舒適度理論解釋人口流動的研究也逐漸增多，居住環(huán)境、教育醫(yī)療資源、社會保障等也被認(rèn)為是影響人口流動的重要因素[25-26]。本文選用QAP回歸模型，對人口流動網(wǎng)絡(luò)的影響因素進(jìn)行具體分析。

（一）模型構(gòu)建和指標(biāo)選取

1.模型構(gòu)建

本文設(shè)定的關(guān)系數(shù)據(jù)計(jì)量模型如下：

Y=β₀+β₁X₁+β₂X₂+…+β_iX_i+U （4）

其中Y和Xi分別為被解釋變量和解釋變量，βi是估計(jì)參數(shù)，U為殘差項(xiàng)。關(guān)系數(shù)據(jù)計(jì)量模型與屬性數(shù)據(jù)計(jì)量模型在形式上是相同的，但不同點(diǎn)在于所有變量均為n階方陣。本文所用的各項(xiàng)指標(biāo)變量均為288×288的1mode關(guān)系矩陣，其中忽略對角線的元素。

2.指標(biāo)選取

被解釋變量。本文仍以二值化處理后的人口流動網(wǎng)絡(luò)作為被解釋變量，根據(jù)每行流動人次的平均值將各元素進(jìn)行0和1賦值，高于平均值的記作1，低于平均值的記作0。

解釋變量。本文選取了就業(yè)機(jī)會、收入水平、對外開放、產(chǎn)業(yè)結(jié)構(gòu)、公共服務(wù)、居住環(huán)境和遷移成本等方面的10個(gè)指標(biāo)，構(gòu)建網(wǎng)絡(luò)矩陣作為計(jì)量模型的解釋變量。其中遷移成本是通過鐵路距離估計(jì)值和鐵路的運(yùn)行速度計(jì)算得到[27]，其余數(shù)據(jù)則源于相應(yīng)年份的《中國城市統(tǒng)計(jì)年鑒》，具體的計(jì)算說明見表6。

（二）實(shí)證結(jié)果分析

根據(jù)QAP回歸分析方法，選擇2 000次隨機(jī)置換，計(jì)算出調(diào)整后的R²分別為0.145和0.171，且通過了1%的顯著性水平檢驗(yàn)，說明這些指標(biāo)能較好地解釋人口流動網(wǎng)絡(luò)的形成。表7顯示了相關(guān)指標(biāo)的回歸結(jié)果：就業(yè)規(guī)模差距和工資收入差距對人口流動網(wǎng)絡(luò)具有顯著的正向影響，就業(yè)機(jī)會越多、工資水平越高的城市能夠吸引人口流入，根據(jù)標(biāo)準(zhǔn)化系數(shù)可知，就業(yè)仍是影響人口流動最重要的因素之一;城市的開放程度以及產(chǎn)業(yè)結(jié)構(gòu)也會對人口流動產(chǎn)生影響，城市開放程度和第三產(chǎn)業(yè)都對人口流動具有正向作用，第二產(chǎn)業(yè)則存在較為明顯的負(fù)向作用。城市使用外商直接投資越多，對外聯(lián)系越緊密，能對外部人口產(chǎn)生更大吸引力，第三產(chǎn)業(yè)越發(fā)達(dá)，表明服務(wù)業(yè)的勞動力需求越強(qiáng)烈，進(jìn)而影響人口城際流動。第二產(chǎn)業(yè)中采礦業(yè)、制造業(yè)、電力、熱力、燃?xì)獾刃袠I(yè)更多依賴機(jī)械化生產(chǎn)，與勞動力投入產(chǎn)生替代效應(yīng)，因此會對人口流動產(chǎn)生一定的抑制作用;城市間教育資源和醫(yī)療資源的差異對人口流動具有顯著的正向影響，教育水平、醫(yī)療水平的差異越大，越能促進(jìn)人口流動，高水平醫(yī)院和高等學(xué)校有利于流動人口獲得更高的生活質(zhì)量，享受更多的社會福利;社會保障水平也能對人口流動產(chǎn)生重要影響，當(dāng)流動人口具備較好的經(jīng)濟(jì)水平時(shí)，社會保障這類公共服務(wù)則成為了流動人口的重要參考依據(jù)，根據(jù)標(biāo)準(zhǔn)化系數(shù)可知，社會保障差異與人口流動顯著正相關(guān)，城市間社會保障水平差異越大，人口流動越明顯;城市間的自然環(huán)境差異也會影響人口流動，相較于2016年，2018年的樣本回歸系數(shù)通過了10%的顯著性檢驗(yàn)，并且標(biāo)準(zhǔn)化系數(shù)提高，說明良好的居住環(huán)境逐步成為人口流動過程中的重要參考標(biāo)準(zhǔn);根據(jù)地理學(xué)第一定律，地理距離是影響所有要素流動的首要因素，空間距離越遠(yuǎn)，人口遷移的阻力越大，本文用普通鐵路運(yùn)行時(shí)間來衡量人口的遷移成本，從回歸結(jié)果可知，遷移成本網(wǎng)絡(luò)的標(biāo)準(zhǔn)化系數(shù)在1%水平上顯著為負(fù)，遷移成本的增加會導(dǎo)致人口流動產(chǎn)生衰減效應(yīng)，隨著高鐵線路的開通以及航空票價(jià)的降低，遷移成本進(jìn)一步降低，地理距離影響也將逐漸減小。對比2016年和2018年回歸結(jié)果，除遷徙成本、就業(yè)機(jī)會、工資收入等常規(guī)因素外，教育醫(yī)療、社會服務(wù)、居住環(huán)境等因素的重要性凸顯，這在一定程度上能夠反映出人們對高品質(zhì)生活的追求。

五、結(jié)論與啟示

本文基于騰訊位置大數(shù)據(jù)平臺提供的人口遷徙數(shù)據(jù)，利用社會網(wǎng)絡(luò)分析法研究了中國城際人口流動網(wǎng)絡(luò)特征，并具體分析了城際人口流動的影響因素，力求深化大數(shù)據(jù)視角下對中國人口流動格局的認(rèn)識。研究結(jié)果表明：第一，城際人口流動網(wǎng)絡(luò)結(jié)構(gòu)日趨穩(wěn)健，但整體網(wǎng)絡(luò)密度并不大，人口流動分布“東南密集，西北稀疏”的態(tài)勢并未改變;第二，在城際流動網(wǎng)絡(luò)中人口的流入和流出存在非均衡性，行政地位和經(jīng)濟(jì)水平較高的城市在人口流動網(wǎng)絡(luò)中具有更強(qiáng)的影響力，人口主要從經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)流向發(fā)達(dá)地區(qū);第三，城際人口流動網(wǎng)絡(luò)存在明顯的群體性特點(diǎn)，人口流動雖然仍以區(qū)域內(nèi)流動為主，但是跨區(qū)域流動傾向逐漸增強(qiáng);第四，就業(yè)機(jī)會、工資收入以及遷移成本仍然是影響人口流動決定性因素，隨著生活條件的改善，教育醫(yī)療、社會服務(wù)以及居住環(huán)境等因素對人口流動的影響程度也進(jìn)一步提高。

從以上可以看出，區(qū)域差異是影響人口流動最重要的因素，大城市往往聚集更多資源，對人口流動有著更強(qiáng)的吸引力，而中小城市受制于當(dāng)?shù)氐慕?jīng)濟(jì)、社會、環(huán)境，往往成為人口流失的重災(zāi)區(qū)，這也反映出中國人口流動不平衡的問題。有鑒于此，提出以下建議：第一，充分尊重人口流動規(guī)律，降低人口流動障礙和遷徙成本，促進(jìn)人口有序流動;第二，合理促進(jìn)城市群人口集聚，不同城市群應(yīng)采取差異化的人口政策，東部人口聚集的城市群需減小大城市人口流入壓力，增強(qiáng)中小城市的吸引力。中西部城市群要提高中心城市人口集聚度，減少人才流失;第三，推動不同區(qū)域和不同等級城市的教育、醫(yī)療、社會保障等公共服務(wù)均等化，改善居住環(huán)境，促進(jìn)區(qū)域協(xié)調(diào)發(fā)展。

基金項(xiàng)目：教育部人文社會科學(xué)重點(diǎn)研究基地重大項(xiàng)目《新一輪東北振興與東北亞區(qū)域合作研究》（16JJD790013）;吉林大學(xué)基本科研業(yè)務(wù)費(fèi)項(xiàng)目（2018XXJD16）。A222225E-1F04-4AB6-934C-5DE3504D371A

作者簡介：李天籽（1976—），女，遼寧鞍山人，博士，吉林大學(xué)東北亞研究院教授、博士生導(dǎo)師，主要研究方向?yàn)閰^(qū)域經(jīng)濟(jì)、人口流動;

陸銘俊（1992—），男，江蘇南通人，博士研究生，主要研究方向?yàn)閰^(qū)域經(jīng)濟(jì)、人口流動。DOI：? 10.13253/j.cnki.ddjjgl.2022.02001中國人口流動網(wǎng)絡(luò)特征及影響因素研究

——基于騰訊位置大數(shù)據(jù)的分析李天籽，陸銘?。执髮W(xué)東北亞研究院，吉林長春130012）

[參考文獻(xiàn)]

[1]DE HAAS H. Migration and development： a theoretical perspective[J]. International migration review，2010，44（1）：227-264.

[2]劉望保，石恩名.基于ICT的中國城市間人口日常流動空間格局：以百度遷徙為例[J].地理學(xué)報(bào)，2016，71（10）：1667-1679.

[3]勞昕，沈體雁.中國地級以上城市人口流動空間模式變化——基于2000和2010年人口普查數(shù)據(jù)的分析[J].中國人口科學(xué)，2015（1）：15-28.

[4]嚴(yán)善平.中國省際人口流動的機(jī)制研究[J].中國人口科學(xué)，2007（1）：71-77.

[5]王飛，郭頌宏，江崎光男.中國區(qū)域經(jīng)濟(jì)發(fā)展與勞動力流動——使用區(qū)域連接CGE模型的數(shù)量分析[J].經(jīng)濟(jì)學(xué)（季刊），2006（3）：1067-1090.

[6]紀(jì)韶，朱志勝.中國城市群人口流動與區(qū)域經(jīng)濟(jì)發(fā)展平衡性研究——基于全國第六次人口普查長表數(shù)據(jù)的分析[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2014（2）：5-16.

[7]蔡昉.人口遷移和流動的成因、趨勢與政策[J].中國人口科學(xué)，1995（6）：8-16.

[8]張耀軍，岑俏.中國人口空間流動格局與省際流動影響因素研究[J].人口研究，2014，38（5）：54-71.

[9]劉濤，齊元靜，曹廣忠.中國流動人口空間格局演變機(jī)制及城鎮(zhèn)化效應(yīng)——基于2000和2010年人口普查分縣數(shù)據(jù)的分析[J].地理學(xué)報(bào)，2015，70（4）：567-581.

[10]但俊，陰劼.中國縣內(nèi)人口流動與就地城鎮(zhèn)化[J].城市發(fā)展研究，2016，23（9）：88-93.

[11]柏中強(qiáng)，王卷樂，楊雅萍，等.基于鄉(xiāng)鎮(zhèn)尺度的中國25省區(qū)人口分布特征及影響因素[J].地理學(xué)報(bào)，2015，70（8）：1229-1242.

[12]邵大偉，吳殿鳴.山東省人口城鎮(zhèn)化動態(tài)特征及其影響因素[J].經(jīng)濟(jì)地理，2013，33 （9）：51-57.

[13]潘碧麟，王江浩，葛詠，等.基于微博簽到數(shù)據(jù)的成渝城市群空間結(jié)構(gòu)及其城際人口流動研究[J].地球信息科學(xué)學(xué)報(bào)，2019，21（1）：68-76.

[14]鄧楚雄，宋雄偉，謝炳庚，等.基于百度貼吧數(shù)據(jù)的長江中游城市群城市網(wǎng)絡(luò)聯(lián)系分析[J].地理研究，2018，37（6）：1181-1192.

[15]劉耀林，陳龍，安子豪，等.基于公交刷卡數(shù)據(jù)的武漢市職住通勤特征研究[J].經(jīng)濟(jì)地理，2019，39（2）：93-102.

[16]許園園，塔娜，李響.基于地鐵刷卡數(shù)據(jù)的城市通勤與就業(yè)中心吸引范圍研究[J].人文地理，2017，32（3）：93-101.

[17]MARTIN W T， NICHOLAS J， AWAIS M， et al. Digital footprints： using WiFi probe and locational data to analyze human mobility trajectories in cities[J]. Computers， environment and urban systems，2018，72：4-12.

[18]王垚，鈕心毅，宋小冬，等.人流聯(lián)系和經(jīng)濟(jì)聯(lián)系視角下區(qū)域城市關(guān)聯(lián)比較——基于手機(jī)信令數(shù)據(jù)和企業(yè)關(guān)聯(lián)數(shù)據(jù)的研究[J].人文地理，2018，33（2）：84-91，146.

[19]馮章獻(xiàn)，張瑜，魏冶，等.基于百度遷徙數(shù)據(jù)的長春市春運(yùn)人口流動時(shí)空格局與動力機(jī)制[J].經(jīng)濟(jì)地理，2019，39（5）：101-109.

[20]LAI J B， PAN J H. Chinas city network structural characteristics based on population flow during Spring Festival travel rush： empirical analysis of “tencent migration” big data[J]. Journal of urban planning and development， 2020，146（2）：04020018.

[21]KRACKHARDT D. Predicting with networks： nonparametric multiple regression analysis of dyadic data [J]. Social networks，1988，10（4）：359-381.

[22]沈詩杰，沈冠辰.中國省際人口流動的空間結(jié)構(gòu)特征研究[J].人口學(xué)刊，2020， 42（4）：103-112.

[23]LEE E S. A theory of migration[J]. Demography，1996，3（1）：47-57.

[24]李拓，李斌.中國跨地區(qū)人口流動的影響因素——基于286個(gè)城市面板數(shù)據(jù)的空間計(jì)量檢驗(yàn)[J].中國人口科學(xué)，2015（2）：73-83，127.A222225E-1F04-4AB6-934C-5DE3504D371A

[25]CAO Z， ZHENG X Y， LIU Y S， et al. Exploring the changing patterns of Chinas migration and its determinants using census data of 2000 and 2010[J]. Habitat international，2018，82：72-82.

[26]張偉麗，晏晶晶，聶桂博.中國城市人口流動格局演變及影響因素分析[J].中國人口科學(xué)，2021（2）：76-87.

[27]石林，傅鵬，李柳勇.高鐵促進(jìn)區(qū)域經(jīng)濟(jì)一體化效應(yīng)研究[J].上海經(jīng)濟(jì)研究，2018（1）：53-62.Research on the Characteristics and Influencing Factors

of Chinas Population Flow Network

—Based on Tencent Location Big Data Analysis

Li? Tianzi，? Lu? Mingjun

（Northeast Asian Studies College， Jilin University， Changchun 130012， China）

Abstract：? ?Based on Tencent location big data in 2016 and 2018， this paper uses social network analysis methods and QAP regression model system to explore the spatial structure characteristics and the influencing factors of Chinas population flow network. The research results show that： The relevance of the population flow network has increased， and the overall structure has become increasingly stable， but there is still a trend of “ being dense in the southeast and being sparse in the northwest”; Node cities with developed economy and high administrative status have stronger attractiveness and control in the population flow network; The characteristics of cohesive subgroups of the population flow network are obvious， and the population flow is still dominated by the flow within the subgroups， and there are few connections between the subgroups; Regional differences are the source of population mobility. Employment opportunities， wage income and migration costs are still the main factors affecting population mobility. With the improvement of living standards， the impact of comfort requirements on population mobility has become increasingly prominent.

Key words：population flow network; social network analysis; Tencent location big data; QAP regression model

（責(zé)任編輯：張積慧）A222225E-1F04-4AB6-934C-5DE3504D371A