【關(guān)鍵詞】人口增減；區(qū)域差異；驅(qū)動(dòng)因素【中圖分類號(hào)】C924.24 【文獻(xiàn)標(biāo)志碼】Adoi：10.16405/j.cnki.1004-129X.2025.03.001【文章編號(hào)】1004-129X（2025）03-0001-18

一、引言及文獻(xiàn)綜述

人口作為經(jīng)濟(jì)社會(huì)活動(dòng)的主體，其空間分布變化必然會(huì)推動(dòng)其他生產(chǎn)要素的重新配置，對(duì)區(qū)域經(jīng)濟(jì)社會(huì)發(fā)展格局產(chǎn)生深刻影響。尤其在當(dāng)前我國(guó)人口總量出現(xiàn)負(fù)增長(zhǎng)的背景下，引導(dǎo)人口有序布局、促進(jìn)人口合理均衡分布具有重要意義。

人口空間分布是人口的靜態(tài)格局和人地關(guān)系的空間表征。1胡煥庸早在1935年就指出我國(guó)人口呈現(xiàn)\"東密西疏\"的分布格局，并采用璦琿-騰沖線作為我國(guó)人口的地域分界線。眾多學(xué)者運(yùn)用歷次人口普查數(shù)據(jù)驗(yàn)證了胡煥庸線的穩(wěn)定性。2-3]也有學(xué)者在胡煥庸線的基礎(chǔ)上探討了不同人口群體的空間分布特征：高向東等從民族人口視角出發(fā)，使用1953—2010年六次人口普查縣級(jí)數(shù)據(jù)發(fā)現(xiàn)胡煥庸線也是中國(guó)少數(shù)民族人口的突變線，東南半壁和西北半壁少數(shù)民族人口數(shù)量長(zhǎng)期保持75：25的穩(wěn)定比重；4劉曄等以高學(xué)歷人才作為研究對(duì)象，基于五普、六普、七普縣級(jí)數(shù)據(jù)發(fā)現(xiàn)人才密度同樣呈現(xiàn)穩(wěn)定的“東南密集，西北稀疏\"分布格局。5這些研究結(jié)果說明我國(guó)人口空間分布長(zhǎng)期表現(xiàn)出顯著的非均衡性。除此之外，我國(guó)人口空間分布的非均衡性還體現(xiàn)在其他區(qū)域：劉睿文等發(fā)現(xiàn)中國(guó)人口分布在“東密西疏\"的傳統(tǒng)空間格局的基礎(chǔ)上，人口集聚還呈現(xiàn)\"沿海、沿江、沿線\"高度集聚的特征；童玉芬等基于19個(gè)城市群的視角，發(fā)現(xiàn)城市群內(nèi)部的人口空間分布不均勻且差異顯著，大多呈現(xiàn)人口向規(guī)模位序靠前的大城市集中分布的格局。

中國(guó)人口空間分布的非均衡性已得到充分論證，這種分布格局是長(zhǎng)期人口變動(dòng)累積的結(jié)果，區(qū)域人口增長(zhǎng)率的差異持續(xù)推動(dòng)著人口分布的動(dòng)態(tài)變化。近年來，隨著區(qū)域人口增減分化趨勢(shì)的日益凸顯，越來越多的研究關(guān)注人口增減或者說是人口變動(dòng)的分布及演變規(guī)律。劉濤和卓云霞基于第五次至第七次的人口普查縣級(jí)數(shù)據(jù)，發(fā)現(xiàn)我國(guó)人口增速呈現(xiàn)東西方向上差異持續(xù)、南北方向上差異凸顯的特征，中心城市和縣域的人口增減趨勢(shì)呈現(xiàn)加速分化。8劉振等基于第四次至第七次人口普查數(shù)據(jù)，以地級(jí)單元作為研究對(duì)象，使用人口年均變化率測(cè)度人口收縮，發(fā)現(xiàn)1990一2020年我國(guó)人口收縮區(qū)域快速擴(kuò)張，至2020年已有超過 4 0 % 的地級(jí)單元出現(xiàn)人口收縮現(xiàn)象。這些研究結(jié)果在一定程度上反映了我國(guó)區(qū)域人口增減存在分化的趨勢(shì)。

眾多學(xué)者針對(duì)區(qū)域人口變動(dòng)的影響因素進(jìn)行了深入的理論探討和實(shí)證研究。當(dāng)前，中國(guó)已經(jīng)完成了向現(xiàn)代人口增長(zhǎng)模式（低出生率、低死亡率、低自然增長(zhǎng)率）轉(zhuǎn)變的過程，10]人口自然增長(zhǎng)對(duì)人口變動(dòng)的貢獻(xiàn)逐漸減弱，人口流動(dòng)成為人口變動(dòng)的主要力量。1-13]關(guān)于人口自然增長(zhǎng)率影響因素的研究，翟振武和李姝婧通過理論梳理總結(jié)出收入水平、生育養(yǎng)育孩子的經(jīng)濟(jì)成本、經(jīng)濟(jì)環(huán)境和就業(yè)環(huán)境、社會(huì)養(yǎng)老保障體系、文化觀念等均是影響生育率的新因素；4推拉理論是分析人口機(jī)械增長(zhǎng)影響因素的基本理論。有研究表明現(xiàn)代性和國(guó)際性特征及生活質(zhì)量成為吸引人口流入的重要拉力條件。15]城市公共服務(wù)質(zhì)量尤其是醫(yī)療服務(wù)質(zhì)量的提高有利于吸引人口流入。16第三產(chǎn)業(yè)的快速發(fā)展和較高水平的職工工資也是吸引人口流入的重要因素。17-18]城市行政層級(jí)對(duì)流動(dòng)人口也會(huì)產(chǎn)生直接的正向影響，19]城市行政等級(jí)越高越吸引人口流入。20]另外，氣溫、地形起伏度、河網(wǎng)密度等自然地理因素也對(duì)人口流動(dòng)有顯著影響。21-22]綜合自然增長(zhǎng)和機(jī)械增長(zhǎng)兩部分的影響因素可以發(fā)現(xiàn)人口變動(dòng)是經(jīng)濟(jì)因素、社會(huì)因素、自然地理因素、行政因素等多種因素共同作用的結(jié)果。

近年來關(guān)于人口變動(dòng)分布格局的研究取得顯著進(jìn)展，但仍然存在諸多問題有待進(jìn)一步探索。本文可能的邊際貢獻(xiàn)在于：第一，現(xiàn)有文獻(xiàn)大多探討城市收縮背景下地級(jí)市層面的人口增減分化現(xiàn)象，為了探究人口變動(dòng)在更小空間尺度上的具體表現(xiàn)，使用人口普查縣級(jí)層面的數(shù)據(jù)展開研究。第二，綜合運(yùn)用核密度估計(jì)、Dagum基尼系數(shù)及其分解等方法更加全面地考察我國(guó)區(qū)域人口增減的動(dòng)態(tài)演進(jìn)及區(qū)域差異特征。第三，采用多元回歸模型和最優(yōu)參數(shù)的地理探測(cè)器探究我國(guó)區(qū)域人口增減空間分異的驅(qū)動(dòng)因素以及各因素間的交互作用，為促進(jìn)人口合理均衡分布提供新的政策思路。

二、研究方法與數(shù)據(jù)來源

（一）研究方法

1.空間數(shù)據(jù)分析方法

（1）全局莫蘭指數(shù)。本文采用全局莫蘭指數(shù)檢驗(yàn)人口增減水平的空間相關(guān)性。計(jì)算公式如下：

n 為縣區(qū)單元數(shù)量； 為縣區(qū)單元 i 和縣區(qū)單元j的人口增長(zhǎng)率; 為人口增長(zhǎng)率的均值； 為空間權(quán)重矩陣。莫蘭指數(shù)I的取值范圍是[-1，1]，大于0表示人口增長(zhǎng)率可能存在空間正相關(guān)，即高值與高值聚集、低值與低值聚集;小于0表示人口增長(zhǎng)率可能存在空間負(fù)相關(guān)，即高值與低值相鄰；等于0表明人口增長(zhǎng)率不存在空間自相關(guān)。全局莫蘭指數(shù)的計(jì)算結(jié)果需要進(jìn)行顯著性檢驗(yàn)。

（2）冷熱點(diǎn)分析。本文采用Getis-Ord 測(cè)度人口增長(zhǎng)率的熱點(diǎn)和冷點(diǎn)區(qū)域，計(jì)算公式如下：

為縣區(qū)單元j的人口增長(zhǎng)率， 為縣區(qū)單元 i 和縣區(qū)單元j之間的空間權(quán)重， n 為縣區(qū)單元總數(shù)。 的值越高表示人口增長(zhǎng)率高值的聚類越緊密，屬于熱點(diǎn)區(qū)域； 的值越低表示人口增長(zhǎng)率低值的聚類越緊密，屬于冷點(diǎn)區(qū)域。

2.核密度估計(jì)方法

核密度估計(jì)是一種重要的非參數(shù)估計(jì)方法，可以在無需預(yù)設(shè)隨機(jī)變量的分布函數(shù)的情況下，從一組觀測(cè)數(shù)據(jù)中估計(jì)出概率密度分布。其核心原理是通過在每個(gè)數(shù)據(jù)點(diǎn)周圍放置一個(gè)核函數(shù)，然后將這些核函數(shù)疊加起來，最終形成連續(xù)的概率密度曲線。計(jì)算公式如下：

K （ ? ） 是核函數(shù)， 是第 i 個(gè)縣區(qū)單元的人口增長(zhǎng)率（以小數(shù)、非百分?jǐn)?shù)形式表示）， n 是縣區(qū)單元數(shù)量，h為帶寬。本文使用的核密度函數(shù)是Epanechnikov核函數(shù)。

3.Dagum基尼系數(shù)

泰爾指數(shù)和傳統(tǒng)的基尼系數(shù)難以有效捕捉區(qū)域子樣本間可能存在的交叉重疊現(xiàn)象。因此，本文借鑒Dagum的研究考察中國(guó)人口增長(zhǎng)率的區(qū)域差異及其來源，將人口變動(dòng)水平的總體基尼系數(shù)分解為區(qū)域內(nèi)差異、區(qū)域間凈差異及超變密度三部分。23]

4.多元回歸分析

本文使用多元線性回歸模型考察人口變動(dòng)的影響因素，模型設(shè)定如下：

表示縣區(qū)單元 i 的人口增長(zhǎng)率； 表示縣區(qū)單元 i 的影響因素向量（包含常數(shù)項(xiàng)），影響因素包括經(jīng)濟(jì)因素、社會(huì)因素、地理因素和行政因素四個(gè)方面； 為回歸系數(shù)向量； 為隨機(jī)誤差項(xiàng)。參考以往文獻(xiàn)，經(jīng)濟(jì)因素中，以人均GDP（單位：萬元/人）衡量經(jīng)濟(jì)發(fā)展水平，以年末單位從業(yè)人員數(shù)與年末人口數(shù)量的比值（單位： % ）衡量就業(yè)水平，以每萬人新注冊(cè)企業(yè)數(shù)量（單位：個(gè)）衡量地區(qū)創(chuàng)業(yè)活躍度，以第三產(chǎn)業(yè)比重（單位： % ）衡量產(chǎn)業(yè)結(jié)構(gòu)。社會(huì)因素中，以每萬人醫(yī)療機(jī)構(gòu)床位數(shù)（單位：床）衡量地區(qū)醫(yī)療資源水平，以每萬人普通中學(xué)在校學(xué)生數(shù)（單位：人）衡量地區(qū)教育資源水平，人口集聚程度的計(jì)算公式為：縣區(qū)單元i的人口集聚 （縣區(qū)單元i的人口數(shù)/縣區(qū)單元i的行政區(qū)域土地面積）/（所有縣區(qū)的人口數(shù)之和/所有縣區(qū)的行政區(qū)域土地面積之和）。地理因素中以年平均氣溫（單位：℃）平均高程（單位：米）、干燥度、歸一化植被指數(shù)的年生長(zhǎng)季均值、距離港口①最短距離（單位：萬米）的倒數(shù)作為代表。行政因素中，主要考察行政等級(jí)對(duì)人口增長(zhǎng)的作用，以是不是直轄市、副省級(jí)城市和省會(huì)城市的市轄區(qū)和是不是除上述城市外其他地級(jí)市的市轄區(qū)這兩個(gè)虛擬變量來衡量。為考察人口增長(zhǎng)率空間分異的影響因素在不同時(shí)期的作用效果，本文分別以2000—2010年和2010—2020年兩個(gè)時(shí)段建立多元回歸模型展開分析，被解釋變量為2000—2010年、2010—2020年的人口增長(zhǎng)率（單位： % ），影響因素均采用研究時(shí)段基期的水平以減少內(nèi)生性的影響。8][24]

5.基于最優(yōu)參數(shù)的地理探測(cè)器模型

地理探測(cè)器模型是一種探測(cè)空間分異性及探究背后驅(qū)動(dòng)力的統(tǒng)計(jì)方法，其核心思想是若某個(gè)驅(qū)動(dòng)因子對(duì)因變量有重要影響，則該驅(qū)動(dòng)因子和因變量的空間分布應(yīng)具有相似性。25]基于最優(yōu)參數(shù)的地理探測(cè)器模型，使用R語言的GD包篩選出使解釋力 q 值最大的連續(xù)型因子離散化的分類方法和分類級(jí)數(shù)來確定最優(yōu)參數(shù)，并以此進(jìn)行地理探測(cè)分析。解釋力 q 值的計(jì)算公式如下：

q 表示驅(qū)動(dòng)因子解釋了 1 0 0 × q % 的因變量， q 的取值范圍是 [ 0 ， 1 ] ， q 值越大表明驅(qū)動(dòng)因子對(duì)人口增長(zhǎng)率空間分異的解釋力越強(qiáng)； h 為因子的分層或分區(qū)； 和 N 為層 h 和全區(qū)的單元數(shù)； 和 分別為層h和全區(qū)的人口增長(zhǎng)率的方差。

（二）數(shù)據(jù)來源與處理

本文使用的人口數(shù)據(jù)主要來源于2000年、2010年、2020年中國(guó)人口普查分縣資料，研究對(duì)象不含中國(guó)港、澳、臺(tái)地區(qū)。三次普查的數(shù)據(jù)均以2020年的縣級(jí)行政區(qū)劃為標(biāo)準(zhǔn)進(jìn)行整合，將撤縣設(shè)區(qū)或撤縣級(jí)市設(shè)區(qū)的區(qū)域調(diào)整為市轄區(qū)，針對(duì)部分轄區(qū)發(fā)生變動(dòng)的縣區(qū)依據(jù)街道尺度的人口數(shù)據(jù)進(jìn)行了核增或核減，對(duì)于部分新設(shè)立的縣區(qū)進(jìn)行了刪除處理，對(duì)于七普數(shù)據(jù)中的經(jīng)濟(jì)技術(shù)開發(fā)區(qū)、高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)等功能區(qū)的人口數(shù)據(jù)合并到所屬縣區(qū)，并將同一個(gè)地級(jí)及以上城市的市轄區(qū)合并成一個(gè)研究單元，最終整理出2150個(gè)縣區(qū)單元，包括295個(gè)地級(jí)及以上城市的市轄區(qū)（不設(shè)區(qū)的地級(jí)市市轄區(qū)數(shù)據(jù)以全市數(shù)據(jù)替代）和1855個(gè)縣域單元（縣級(jí)市、縣、自治縣、旗、自治旗等）。本文所指的縣域單元不包括市轄區(qū)。干燥度、歸一化植被指數(shù)的數(shù)據(jù)來源于國(guó)家青藏高原科學(xué)數(shù)據(jù)中心[26-31氣溫、[32高程的數(shù)據(jù)均來自中國(guó)科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心，新注冊(cè)企業(yè)數(shù)量來源于天眼查，其他數(shù)據(jù)來源于《中國(guó)縣域統(tǒng)計(jì)年鑒》《中國(guó)城市統(tǒng)計(jì)年鑒》《中國(guó)區(qū)域經(jīng)濟(jì)統(tǒng)計(jì)年鑒》和各省統(tǒng)計(jì)年鑒。多元回歸分析和地理探測(cè)分析中使用的影響因素的數(shù)據(jù)同樣以2020年行政區(qū)劃范圍為基準(zhǔn)，將撤縣（包括縣級(jí)市）設(shè)區(qū)的區(qū)域數(shù)據(jù)合并到相應(yīng)城市的市轄區(qū)內(nèi)，數(shù)據(jù)缺失較多的縣區(qū)單元未被納入實(shí)證分析中，最終實(shí)際用于實(shí)證分析的樣本數(shù)量為2079個(gè)。

三、中國(guó)區(qū)域人口增減的時(shí)空演變

（一）中國(guó)區(qū)域人口增減的空間分布

通常而言，空間尺度越大越容易掩蓋人口空間分布細(xì)節(jié)和變動(dòng)趨勢(shì)。省域空間尺度下，相比于2000—2010年，2010—2020年人口負(fù)增長(zhǎng)的省級(jí)行政區(qū)由4個(gè)增加為6個(gè)，在一定程度上反映了我國(guó)區(qū)域人口負(fù)增長(zhǎng)的趨勢(shì)，但并不明顯?；谝?020年行政區(qū)劃為標(biāo)準(zhǔn)整合得到的357個(gè)地級(jí)行政單元的空間尺度，分析發(fā)現(xiàn)2000—2010年有94個(gè)地級(jí)單元經(jīng)歷了人口負(fù)增長(zhǎng)、263個(gè)地級(jí)單元實(shí)現(xiàn)了人口正增長(zhǎng)，2010—2020年人口負(fù)增長(zhǎng)的地級(jí)單元數(shù)量上升到156個(gè)、人口正增長(zhǎng)的地級(jí)單元數(shù)量下降到201個(gè)，表明當(dāng)前中國(guó)部分地級(jí)單元已經(jīng)開始向人口負(fù)增長(zhǎng)轉(zhuǎn)變，地級(jí)層面的數(shù)據(jù)更能反映出區(qū)域人口負(fù)增長(zhǎng)的趨勢(shì)。僅僅從地級(jí)層面進(jìn)行分析雖然能反映地級(jí)單元人口的整體趨勢(shì)，但難以捕捉其內(nèi)部差異。進(jìn)一步分析發(fā)現(xiàn)幾乎所有地級(jí)市內(nèi)部，市轄區(qū)與縣域單元的人口增長(zhǎng)態(tài)勢(shì)均存在顯著差異，2000—2010年有27個(gè)市轄區(qū)為人口負(fù)增長(zhǎng)，2010—2020年增加到43個(gè)，雖然數(shù)量有所增加，但仍然有 8 5 . 4 2 % 的市轄區(qū)保持著人口增長(zhǎng)的態(tài)勢(shì)，縣域單元?jiǎng)t普遍呈現(xiàn)出人口縮減的狀態(tài)。2000—2010年人口減少的縣區(qū)單元數(shù)量有849個(gè)，其中縣域單元有822個(gè)，2010—2020年該數(shù)據(jù)分別增加至1287個(gè)和1244個(gè)，表明我國(guó)人口減少的區(qū)域主要集中分布在縣域單元，從縣區(qū)層面統(tǒng)計(jì)分析能夠更為準(zhǔn)確地反映出我國(guó)人口增減空間分布的非均衡性。因此，基于縣區(qū)層面的數(shù)據(jù)展開研究發(fā)現(xiàn)人口正增長(zhǎng)縣區(qū)數(shù)量占比從 6 0 . 5 1 % 下降到了 4 0 . 1 4 % ，人口負(fù)增長(zhǎng)縣區(qū)數(shù)量占比從 3 9 . 4 9 % 上升到了 5 9 . 8 6 % ，說明中國(guó)人口縮減的現(xiàn)象正在向更多地區(qū)蔓延，越來越多的區(qū)域面臨人口減少的挑戰(zhàn)。

為了更深入地考察我國(guó)人口增減的空間分布特征，本文計(jì)算了2000—2010年和2010—2020年兩個(gè)時(shí)段各縣區(qū)單元的人口增長(zhǎng)率，按增速將所有縣區(qū)單元?jiǎng)澐譃榭焖贉p少型（ lt; - 2 0 % ）、中速減少型 [ - 2 0 % ， - 1 0 % 、緩慢減少型 、緩慢增長(zhǎng)型 [ 0 ， 1 0 % 、中速增長(zhǎng)型 [ 1 0 % ， 2 0 % 和快速增長(zhǎng)型 3 2 0 % ）六大類，同時(shí)以省級(jí)行政區(qū)劃為統(tǒng)計(jì)單元核算各增速類型縣區(qū)數(shù)量占比，并針對(duì)每種增速類型提取縣區(qū)數(shù)量占比排在前八位的具有代表性的省級(jí)行政區(qū)反映空間分布情況（見表1）。2000一2010年人口增長(zhǎng)型縣區(qū)數(shù)量明顯高于減少型，其中緩慢增長(zhǎng)型是占比最多的類型，快速減少型是占比最低的類型，表明在這一時(shí)段我國(guó)人口增長(zhǎng)態(tài)勢(shì)相對(duì)積極。2010—2020年則出現(xiàn)逆轉(zhuǎn)，人口負(fù)增長(zhǎng)區(qū)域范圍正在加速擴(kuò)大，各類人口減少型縣區(qū)數(shù)量及占比均呈上升態(tài)勢(shì)，而各類人口增長(zhǎng)型縣區(qū)數(shù)量及占比均明顯下降。

從空間分布區(qū)域來看，可以發(fā)現(xiàn)某些省級(jí)行政區(qū)人口增長(zhǎng)與減少型縣區(qū)并存，反映了其內(nèi)部人口分布的不均衡。分時(shí)段分析顯示：2000—2010年人口負(fù)增長(zhǎng)區(qū)域主要集中在長(zhǎng)江流域的重慶、湖北、四川、安徽等省市，形成連片分布態(tài)勢(shì)，在寧夏、內(nèi)蒙古、甘肅等西北地區(qū)也有所分布，同時(shí)還分散分布在遼寧、福建、廣西的部分縣區(qū)單元。2010—2020年人口負(fù)增長(zhǎng)區(qū)域的空間格局發(fā)生了明顯變化，人口快速減少型區(qū)域集中連片分布在東北地區(qū)（、黑龍江和遼寧），同時(shí)還較為集中地分布于黃河流域上、中游區(qū)域（甘肅、內(nèi)蒙古、山西、陜西），形成了兩大連片分布的人口普遍收縮區(qū)域。2000—2010年人口快速增長(zhǎng)型區(qū)域連片分布在西藏、新疆、青海等西部地區(qū)，還廣泛分布在北京、大津、上海、浙江等發(fā)達(dá)省市。2010—2020年人口快速增長(zhǎng)型仍然較大范圍分布于西藏、新疆等地區(qū)，這些地區(qū)的人口基數(shù)較低，人口增長(zhǎng)空間更大，同時(shí)較高的人口自然增長(zhǎng)率再加上西部大開發(fā)戰(zhàn)略的大力推進(jìn)，為當(dāng)?shù)厝丝谠鲩L(zhǎng)提供了多方面的支持。東部地區(qū)中，北京、浙江、江蘇、廣東等發(fā)達(dá)省市依托強(qiáng)勁經(jīng)濟(jì)實(shí)力與優(yōu)質(zhì)公共服務(wù)，使大量的流動(dòng)人口“用腳投票\"遷人到這些地區(qū)。值得關(guān)注的是福建、廣西憑借其沿海的區(qū)位優(yōu)勢(shì)以及近年來產(chǎn)業(yè)的迅速轉(zhuǎn)型，顯著增強(qiáng)了對(duì)人才的吸引力，大部分縣區(qū)單元已成功實(shí)現(xiàn)了人口正增長(zhǎng)。受益于中原城市群建設(shè)與產(chǎn)業(yè)轉(zhuǎn)移承接，河南作為新興增長(zhǎng)極，其人口吸納能力也在顯著增強(qiáng)。但此期間山西、陜西、江西等省份的大部分縣區(qū)單元從人口增長(zhǎng)區(qū)轉(zhuǎn)變?yōu)槭湛s區(qū)，我國(guó)人口變動(dòng)格局經(jīng)歷了明顯的空間重構(gòu)。

（二）中國(guó)區(qū)域人口增長(zhǎng)率冷、熱點(diǎn)空間分布

在進(jìn)行冷、熱點(diǎn)分析之前本文先測(cè)算了人口增長(zhǎng)率的全局莫蘭指數(shù)。2000—2010年人口增長(zhǎng)率的全局莫蘭指數(shù)為0.131且 z 得分為38.621， p 值為0.000，2010—2020年間人口增長(zhǎng)率的全局莫蘭指數(shù)上升為0.148且 z 得分為48.589， p 值為0.000，說明我國(guó)人口增長(zhǎng)率具有顯著的空間集聚分布特征且集聚程度正在上升。冷、熱點(diǎn)分析中， 9 9 % 置信水平上的 值對(duì)應(yīng)的縣區(qū)劃為熱點(diǎn)或冷點(diǎn)區(qū)域，9 5 % 9 0 % 置信水平上的 值對(duì)應(yīng)的縣區(qū)劃為次熱點(diǎn)或次冷點(diǎn)區(qū)域。人口增長(zhǎng)率的冷、熱點(diǎn)空間分布顯示2000—2010年冷點(diǎn)區(qū)域的空間分布范圍廣泛，較為集中地分布在長(zhǎng)江流域，包括重慶、四川、湖北、湖南、安徽等省市。次冷點(diǎn)區(qū)域主要分布在東北地區(qū)和黃河流域上中游地區(qū)，同時(shí)與冷點(diǎn)區(qū)域中的省級(jí)行政區(qū)存在部分重合。熱點(diǎn)區(qū)域分布在上海、廣東、江蘇、浙江這些經(jīng)濟(jì)發(fā)達(dá)省市，同時(shí)還廣泛分布在新疆、青海、西藏等多個(gè)地區(qū)。次熱點(diǎn)區(qū)域除了與熱點(diǎn)區(qū)域的省級(jí)行政區(qū)部分重合外，在北京、天津等地區(qū)也有分布（見表2）。

注：未報(bào)告無顯著性區(qū)域的空間分布情況，空間分布區(qū)域僅列出了各區(qū)域類型縣區(qū)數(shù)量占比超過 1 0 % 的省級(jí)行政區(qū)。

2010—2020年人口增長(zhǎng)率的冷、熱點(diǎn)區(qū)域發(fā)生了較大變化。冷點(diǎn)區(qū)域中，第一個(gè)明顯變化是東北三省均出現(xiàn)了冷點(diǎn)區(qū)域，進(jìn)一步統(tǒng)計(jì)發(fā)現(xiàn)東北三省中 9 3 . 3 7 % 的縣區(qū)均屬于冷點(diǎn)區(qū)域;另一個(gè)明顯變化是前期集中在長(zhǎng)江流域的冷點(diǎn)區(qū)域范圍開始縮小，在黃河流域上、中游地區(qū)形成了較大范圍的冷點(diǎn)區(qū)域。次冷點(diǎn)區(qū)的縣區(qū)單元數(shù)量明顯減少，基本全部分布在湖北。熱點(diǎn)、次熱點(diǎn)區(qū)域的縣區(qū)單元數(shù)量明顯增加，說明在我國(guó)人口正增長(zhǎng)縣區(qū)數(shù)量明顯減少的情況下，人口增長(zhǎng)率在局部區(qū)域高值集聚的趨勢(shì)卻更加明顯，反映出區(qū)域人口增減分化趨勢(shì)愈發(fā)顯著。新疆、青海、西藏等西部地區(qū)以及上海、浙江、江蘇等發(fā)達(dá)省市仍然全部保持熱點(diǎn)特征，位于廣東的熱點(diǎn)區(qū)域向西擴(kuò)張到了貴州和廣西，天津從次熱點(diǎn)區(qū)域上升為熱點(diǎn)區(qū)域，同時(shí)在河南、福建等省份也出現(xiàn)了新的熱點(diǎn)、次熱點(diǎn)區(qū)域。

（三）中國(guó)區(qū)域人口增減的時(shí)間動(dòng)態(tài)演進(jìn)

1.中國(guó)區(qū)域人口增長(zhǎng)率的變化

表3顯示的是兩時(shí)段全國(guó)及各區(qū)域的人口增長(zhǎng)率。全國(guó)層面2010—2020年人口增長(zhǎng)率為 5 . 3 8 % ，與2000—2010年相比有所下降，我國(guó)人口增長(zhǎng)整體呈現(xiàn)出更加緩慢的趨勢(shì)。分區(qū)域分析時(shí)，計(jì)算各區(qū)域人口增長(zhǎng)率使用的人口總量為區(qū)域范圍內(nèi)所有縣區(qū)單元人口數(shù)量之和?；谒拇蟮貐^(qū)的劃分標(biāo)準(zhǔn)來看，2000—2010年東部地區(qū)的人口增長(zhǎng)率位居首位，西部地區(qū)的人口增長(zhǎng)率最低。進(jìn)一步統(tǒng)計(jì)發(fā)現(xiàn)新疆、西藏、青海的整體人口增長(zhǎng)率在這一時(shí)段達(dá)到了 1 5 . 8 5 % ，但其他西部地區(qū)的整體人口增長(zhǎng)率僅為 1 . 9 4 % ，遠(yuǎn)低于全國(guó)平均水平，這些西部地區(qū)是人口流出的主要區(qū)域。2010—2020年得

益于西部地區(qū)有力的優(yōu)惠政策和優(yōu)良的發(fā)展前景，吸引了大量人口回流，西部地區(qū)人口呈現(xiàn)出良好的增長(zhǎng)態(tài)勢(shì)。東部地區(qū)人口增長(zhǎng)率雖略有下降，但仍然遠(yuǎn)高于其他地區(qū)，始終是主要的人口凈流入地區(qū)。中部地區(qū)人口增長(zhǎng)率有所下降且始終低于全國(guó)平均水平。東北地區(qū)人口增長(zhǎng)率下降幅度最大，人口外流現(xiàn)象最為嚴(yán)重。

按照2014年國(guó)家城市規(guī)模劃分標(biāo)準(zhǔn)，限于城區(qū)人口數(shù)據(jù)的可獲得性，本文基于市轄區(qū)常住人口數(shù)量，將城市劃分為超大特大城市（超大城市與特大城市合并為一組）、I型大城市、Ⅱ型大城市、中等城市和小城市。不設(shè)市轄區(qū)的自治州、地區(qū)、盟未被納入統(tǒng)計(jì)范圍，最終整理出295個(gè)地級(jí)及以上城市的1810個(gè)縣區(qū)單元。具體來看，I型大城市和超大特大城市的整體人口增長(zhǎng)率始終遠(yuǎn)高于其他類型城市，而且其增長(zhǎng)率數(shù)值仍在持續(xù)攀升，人口規(guī)模呈現(xiàn)加速增長(zhǎng)的態(tài)勢(shì)。Ⅱ型大城市雖然人口增長(zhǎng)率有所降低，但仍保持正增長(zhǎng)，說明人口規(guī)模還在增大但增速相對(duì)平緩。相比之下，中小城市人口由正增長(zhǎng)轉(zhuǎn)為負(fù)增長(zhǎng)，尤其是小城市的人口下降幅度尤為劇烈，人口總量迅速減少。

2.核密度估計(jì)

圖1展示了中國(guó)人口增長(zhǎng)率的核密度估計(jì)結(jié)果。其中圖1（a）為全國(guó)層面的結(jié)果。從2000—2010年到2010—2020年，全國(guó)層面的核密度曲線表現(xiàn)出明顯的左移趨勢(shì)，主峰位置從0.03附近下降到-0.03附近，表明我國(guó)大部分縣區(qū)人口增長(zhǎng)率下降，人口負(fù)增長(zhǎng)縣區(qū)數(shù)量逐漸增多;主峰高度降低且寬度加大意味著各縣區(qū)間人口增長(zhǎng)率差異呈現(xiàn)擴(kuò)大趨勢(shì);波峰數(shù)量始終為單峰，說明全國(guó)層面人口增長(zhǎng)率的區(qū)域極化現(xiàn)象并不明顯；右拖尾明顯縮短，表明人口增長(zhǎng)率出現(xiàn)極端高值的概率逐漸降低。

圖1（b）至圖1（e）分別展示了2000—2010年及2010—2020年的東部、中部、西部和東北地區(qū)人口增長(zhǎng)率的核密度估計(jì)結(jié)果。東部、中部、西部地區(qū)的核密度曲線均出現(xiàn)了不同幅度的左移態(tài)勢(shì)，主峰高度降低且寬度加大，曲線一直為單峰形態(tài)，右拖尾明顯縮短，這些與全國(guó)層面核密度曲線的分布和演進(jìn)特征相似，即東部、中部、西部地區(qū)的大部分縣區(qū)單元的人口增長(zhǎng)率下降且內(nèi)部差異擴(kuò)大。西部地區(qū)核密度曲線的左移表明西部地區(qū)大部分縣區(qū)的人口增長(zhǎng)率呈現(xiàn)下降態(tài)勢(shì)，然而前文提到西部地區(qū)整體人口增長(zhǎng)率為正值且數(shù)值上升。為了深人探討這一現(xiàn)象，進(jìn)一步統(tǒng)計(jì)發(fā)現(xiàn)西部地區(qū)的人口增長(zhǎng)主要是由于市轄區(qū)尤其是中心城市市區(qū)普遍實(shí)現(xiàn)了人口正增長(zhǎng)且增量顯著，即便人口負(fù)增長(zhǎng)的縣域單元數(shù)量明顯增加，其人口減少量也會(huì)被市轄區(qū)巨大的人口增量所彌補(bǔ)，所以西部地區(qū)整體上依然保持著良好的人口增長(zhǎng)態(tài)勢(shì)。東北地區(qū)的核密度曲線同樣呈現(xiàn)出左移態(tài)勢(shì)，且左移程度最大，主峰位置從0附近下降到-0.2附近，表明東北地區(qū)的人口增長(zhǎng)率下降幅度最大，同時(shí)主峰高度明顯下降且寬度顯著變大，單峰特征逐漸減弱，開始出現(xiàn)多峰態(tài)勢(shì)，說明東北地區(qū)內(nèi)部人口增長(zhǎng)率的差異明顯增大，并呈現(xiàn)出多極分化的趨勢(shì)。

圖1（f）至圖1（j）分別展示了2000—2010年及2010—2020年不同城市規(guī)模下的人口增長(zhǎng)率的核密度估計(jì)結(jié)果。小城市的核密度曲線呈現(xiàn)左移態(tài)勢(shì)，主峰高度降低且寬度加大，波峰數(shù)量由單峰逐漸變?yōu)槎喾?，說明小城市的大部分縣區(qū)人口增長(zhǎng)率逐漸下降，縣區(qū)間的差異不斷增大，空間極化現(xiàn)象愈發(fā)明顯。中等城市和Ⅱ型大城市的核密度曲線同樣均表現(xiàn)出左移態(tài)勢(shì)，表明內(nèi)部大多數(shù)縣區(qū)的人口增長(zhǎng)率也在逐漸下降，主峰高度降低、寬度加大且基本一直為單峰形態(tài)，說明縣區(qū)間人口增長(zhǎng)率的差異也在逐漸增大，但內(nèi)部極化現(xiàn)象并不明顯。I型大城市的主峰分布位置略微左移，主峰高度與寬度變動(dòng)很小，表明I型大城市大部分縣區(qū)的人口增長(zhǎng)率水平略有下降但降幅極小，且離散程度基本保持穩(wěn)定，同時(shí)右尾明顯拾高，說明人口高增長(zhǎng)的縣區(qū)單元數(shù)量呈現(xiàn)擴(kuò)張態(tài)勢(shì)。超大特大城市的核密度曲線主峰位置基本沒有發(fā)生移動(dòng)，右拖尾明顯縮短，說明超大特大城市大部分縣區(qū)的人口增長(zhǎng)率基本保持穩(wěn)定且極端高值的現(xiàn)象正在減少，主峰高度略微下降且寬度略微加大，右尾抬高并在距離主峰較遠(yuǎn)的0.5附近出現(xiàn)了一個(gè)小次峰，說明超大特大城市內(nèi)部人口增長(zhǎng)率的差距有所擴(kuò)大，且逐漸表現(xiàn)出兩極分化的趨勢(shì)。

（四）中國(guó)區(qū)域人口增減的區(qū)域差異與來源分解

本文利用Dagum基尼系數(shù)及分解方法測(cè)度了2000—2010年和2010—2020年人口增長(zhǎng)率的總體基尼系數(shù)、區(qū)域內(nèi)基尼系數(shù)、區(qū)域間基尼系數(shù)及貢獻(xiàn)率，測(cè)度結(jié)果如表4所示。計(jì)算Dagum基尼系數(shù)通常要求輸入數(shù)據(jù)為正值，但人口增長(zhǎng)率存在負(fù)值，為此本文對(duì)人口增長(zhǎng)率進(jìn)行平移處理，將各時(shí)段人口增長(zhǎng)率統(tǒng)一加1后的數(shù)值作為輸入數(shù)據(jù)。

根據(jù)2150個(gè)縣區(qū)單元計(jì)算得到的總基尼系數(shù)由0.0736上升到0.0894，上升了 2 1 . 4 7 % ，根據(jù)295個(gè)地級(jí)及以上城市的1810個(gè)縣區(qū)單元計(jì)算得到的總基尼系數(shù)由0.0707上升到0.0893，上升了2 6 . 3 1 % ，表明我國(guó)人口增長(zhǎng)率的總體區(qū)域差異呈現(xiàn)上升態(tài)勢(shì)。區(qū)域內(nèi)基尼系數(shù)的測(cè)度結(jié)果顯示：2000—2010年四大地區(qū)的區(qū)域內(nèi)基尼系數(shù)由大到小依次是中部、東部、西部、東北，2010—2020年四大地區(qū)的區(qū)域內(nèi)基尼系數(shù)均有所上升，東北地區(qū)的基尼系數(shù)增幅最大，區(qū)域內(nèi)基尼系數(shù)由大到小依次是東北、中部、西部、東部，說明東北地區(qū)內(nèi)部人口增減存在較為明顯的分化現(xiàn)象。從城市層面來看，2000—2010年區(qū)域內(nèi)基尼系數(shù)由大到小依次是小城市、Ⅱ型大城市、中等城市、I型大城市、超大特大城市，2010—2020年各類型城市的區(qū)域內(nèi)基尼系數(shù)均有所上升，超大特大城市的基尼系數(shù)增幅最大，區(qū)域內(nèi)基尼系數(shù)由大到小依次是小城市、超大特大城市、I型大城市、中等城市、Ⅱ型大城市，而且小城市和超大特大城市的基尼系數(shù)明顯高于其他類型的城市，說明這一時(shí)期小城市和超大特大城市內(nèi)部人口增減的非均衡性最為明顯。

區(qū)域間基尼系數(shù)的測(cè)度結(jié)果顯示：2000—2010年四大地區(qū)的區(qū)域間基尼系數(shù)相差不大，東部-中部最大，西部-東北最小，2010—2020年四大地區(qū)的區(qū)域間基尼系數(shù)均呈上升態(tài)勢(shì)，東部-中部、東部-西部、中部-西部的增幅較小，分別是 5 . 4 1 % ， 1 9 . 4 8 % ， 1 6 . 6 4 % ，東部-東北、中部-東北、西部-東北的增幅較大，分別是 9 5 . 3 6 % . 7 5 . 4 1 % . 8 6 . 5 1 % ，增幅較大的這三個(gè)組合同期區(qū)域間基尼系數(shù)也分列前三位，其中，東北地區(qū)作為共同元素重復(fù)出現(xiàn)，說明東北地區(qū)與其他地區(qū)之間的人口增長(zhǎng)率差距正在顯著增大。從城市層面來看，2000—2010年區(qū)域間基尼系數(shù)排在前四位的是小城市-Ⅱ型大城市、小城市-中等城市、小城市-I型大城市、小城市-超大特大城市，小城市是這些城市組合中共同出現(xiàn)的元素，即小城市和其他類型城市之間的差異最為顯著。2010—2020年各類型城市的區(qū)域間基尼系數(shù)呈現(xiàn)上升態(tài)勢(shì)，增幅排在前四位的組合是中等城市-超大特大城市、I型大城市-超大特大城市、小城市-超大特大城市、Ⅱ型大城市-超大特大城市，增幅分別為 4 6 . 1 2 % . 4 3 . 6 9 % . 3 5 . 0 8 % . 3 3 . 9 1 % ，這些城市組合中超大特大城市是共同出現(xiàn)的元素，說明這一時(shí)期超大特大城市與其他類型的城市間人口增長(zhǎng)率的差異正在迅速擴(kuò)大。區(qū)域間基尼系數(shù)最大的組合是小城市-超大特大城市，表明超大特大城市和小城市之間的差異在所有區(qū)域間差異中最為明顯。

最后分析全國(guó)人口增長(zhǎng)率差異各組成部分的貢獻(xiàn)度。無論是根據(jù)四大地區(qū)的劃分還是根據(jù)城市規(guī)模的劃分，在兩個(gè)時(shí)期中，盡管超變密度的貢獻(xiàn)率呈現(xiàn)出下降態(tài)勢(shì)，但其始終保持著最大的貢獻(xiàn)率，說明超變密度仍然是造成我國(guó)人口增長(zhǎng)率區(qū)域差異的主要原因。超變密度反映的是各分樣本之間的交叉重疊程度，雖然東部地區(qū)人口增長(zhǎng)率明顯高于東北地區(qū)，但東部地區(qū)部分縣區(qū)單元的人口增長(zhǎng)水平可能低于東北地區(qū)某些人口增長(zhǎng)率較高的縣區(qū)單元，這種較多的交叉重疊現(xiàn)象是造成區(qū)域差異的主要原因。區(qū)域內(nèi)差異的貢獻(xiàn)率變動(dòng)不大，呈略微下降態(tài)勢(shì)。區(qū)域間凈差異的貢獻(xiàn)度呈明顯上升態(tài)勢(shì)說明區(qū)域間不平衡現(xiàn)象愈發(fā)嚴(yán)重，一定程度上反映出我國(guó)區(qū)域人口增減分化的趨勢(shì)愈發(fā)明顯。

四、中國(guó)區(qū)域人口增減的驅(qū)動(dòng)因素

（一）多元回歸分析

表5展示了2000—2010年和2010—2020年兩個(gè)時(shí)段的回歸結(jié)果。結(jié)果顯示人均GDP、產(chǎn)業(yè)結(jié)構(gòu)和就業(yè)水平三個(gè)經(jīng)濟(jì)因素指標(biāo)的系數(shù)在兩個(gè)時(shí)段均顯著為正，說明一個(gè)地區(qū)的經(jīng)濟(jì)發(fā)展水平越高、第三產(chǎn)業(yè)比重越大、就業(yè)水平越高，對(duì)人口增長(zhǎng)就越有利。創(chuàng)業(yè)活躍度的系數(shù)也由不顯著為正轉(zhuǎn)變?yōu)轱@著為正，說明創(chuàng)業(yè)活躍度對(duì)人口增長(zhǎng)的積極作用日益顯現(xiàn)。一方面，經(jīng)濟(jì)因素是影響人口遷移的主要因素：人們?yōu)榱俗非蟾叩氖杖牒透玫陌l(fā)展機(jī)會(huì)，往往會(huì)選擇遷移到經(jīng)濟(jì)發(fā)展水平較高、就業(yè)機(jī)會(huì)充足、創(chuàng)業(yè)機(jī)會(huì)豐富的地區(qū)。在相同資本產(chǎn)出效率的條件下，第一、二產(chǎn)業(yè)的就業(yè)彈性通常低于第三產(chǎn)業(yè)，第三產(chǎn)業(yè)可以吸納的勞動(dòng)人口更多，33第三產(chǎn)業(yè)的快速發(fā)展更容易創(chuàng)造出大量的就業(yè)機(jī)會(huì)，吸引更多的人口流入。另一方面，經(jīng)濟(jì)因素對(duì)人口自然增長(zhǎng)率也有直接影響：經(jīng)濟(jì)發(fā)展水平的提升能夠帶動(dòng)居民收入水平的提高，個(gè)體在醫(yī)療和健康方面的投人也會(huì)隨之增加，有助于降低死亡率，同時(shí)收入的提高還會(huì)顯著影響家庭生育決策。

回歸結(jié)果還顯示醫(yī)療資源、教育資源、人口集聚這三個(gè)社會(huì)因素指標(biāo)的系數(shù)在兩個(gè)時(shí)段均顯著為正，說明一個(gè)地區(qū)的醫(yī)療資源越充足、教育資源越豐富、人口集聚程度越高，對(duì)人口增長(zhǎng)就越有利。一方面，社會(huì)因素對(duì)人口流動(dòng)具有顯著影響：豐富的教育資源是

吸引人口流入的重要因素，有子女的家庭往往更傾向于遷移到教育資源充足的地區(qū)以便為子女提供更好的教育條件。醫(yī)療服務(wù)的可及性和可得性也是居民在選擇居住地時(shí)的重要考量因素，人們通常會(huì)選擇遷移到醫(yī)療資源豐富的地區(qū)以便及時(shí)獲得便捷的醫(yī)療服務(wù)。人口集聚程度高的地區(qū)往往是就業(yè)機(jī)會(huì)豐富、公共服務(wù)設(shè)施完善的區(qū)域，人口集聚能夠通過擴(kuò)大本地市場(chǎng)規(guī)模吸引更多企業(yè)就近布局，從而帶來更多的就業(yè)機(jī)會(huì);公共服務(wù)設(shè)施為了服務(wù)更廣泛的人群并提高資源利用效率，也傾向于在人口集聚程度較高的地區(qū)布局。因此，勞動(dòng)者為了尋求更多的就業(yè)機(jī)會(huì)和更高的生活質(zhì)量?jī)A向于遷往人口集聚程度高的區(qū)域，從而促進(jìn)當(dāng)?shù)氐娜丝谠鲩L(zhǎng)。另一方面，社會(huì)因素對(duì)人口自然增長(zhǎng)率也會(huì)產(chǎn)生顯著影響：充足的醫(yī)療資源能夠通過提供及時(shí)有效的醫(yī)療服務(wù)降低居民死亡率，同時(shí)可以通過降低育齡婦女的生育風(fēng)險(xiǎn)來提高生育意愿；豐富的教育資源可以減少家庭為了獲取優(yōu)質(zhì)教育資源而付出的額外成本，減輕家庭的養(yǎng)育成本進(jìn)而激發(fā)生育意愿，這些機(jī)制都會(huì)帶來人口自然增長(zhǎng)率的提升，從而對(duì)人口增長(zhǎng)產(chǎn)生積極影響。

地理因素和行政因素同樣在人口變動(dòng)中發(fā)揮了重要作用。回歸結(jié)果中，干燥度和平均高程的回歸系數(shù)均顯著為正，這表示在干燥度越高、平均高程越高的地區(qū)，人口增長(zhǎng)率反而越高。這種現(xiàn)象主要是由于我國(guó)干燥度高的區(qū)域大多分布在西北地區(qū)，平均高程高的區(qū)域主要分布在西部地區(qū)且大多連片分布在青藏高原，這些地區(qū)的縣域單元人口規(guī)模相對(duì)較小，即使增加少量的人口也會(huì)得到一個(gè)較高的人口增長(zhǎng)率，但實(shí)際的人口增量并不多。氣溫的回歸系數(shù)在兩個(gè)時(shí)段均顯著為正，表明氣溫越高的地區(qū)人口增長(zhǎng)率也越高，說明氣溫舒適性也是解釋我國(guó)人口向南遷移的重要因素。歸一化植被指數(shù)的回歸系數(shù)在2000—2010年顯著為負(fù)，2010—2020年轉(zhuǎn)變?yōu)檎虿伙@著，這可能是由于2000—2010年我國(guó)正處于快速城鎮(zhèn)化階段，而高植被區(qū)域多為農(nóng)村或生態(tài)保護(hù)區(qū)，產(chǎn)業(yè)結(jié)構(gòu)相對(duì)單一，缺乏就業(yè)機(jī)會(huì)，導(dǎo)致勞動(dòng)力外流，2010—2020年隨著生態(tài)旅游、特色農(nóng)業(yè)等產(chǎn)業(yè)的興起，生態(tài)價(jià)值逐漸增強(qiáng)，再疊加高植被區(qū)域的生態(tài)宜居優(yōu)勢(shì)，使這些區(qū)域的人口吸引力逐漸增強(qiáng)。到港口的最短距離的倒數(shù)在兩個(gè)時(shí)段均顯著為正，說明沿海地區(qū)更容易吸引人口流入，這不僅是由于沿海城市的宜居性較高，更重要的是沿海地區(qū)具有天然的貿(mào)易優(yōu)勢(shì)，經(jīng)濟(jì)機(jī)會(huì)較多，從而吸引人口流入。回歸結(jié)果中，行政等級(jí)I代表是否為直轄市、副省級(jí)城市和省會(huì)城市的市轄區(qū)，行政等級(jí)Ⅱ代表是否為除上述城市外的其他地級(jí)市的市轄區(qū)，兩個(gè)虛擬變量的估計(jì)系數(shù)均顯著為正，說明行政等級(jí)越高的城市人口增長(zhǎng)率越高。一般而言，高行政等級(jí)城市在資源配置上具有優(yōu)先權(quán)，強(qiáng)省會(huì)戰(zhàn)略的實(shí)施也強(qiáng)化了省會(huì)城市的要素集聚能力。因此，高行政等級(jí)城市往往具備更發(fā)達(dá)的基礎(chǔ)設(shè)施和更成熟的投資環(huán)境，能夠吸引眾多企業(yè)入駐并創(chuàng)造更多的就業(yè)機(jī)會(huì)，同時(shí)這類城市在公共交通、教育、醫(yī)療等公共服務(wù)供給方面的質(zhì)量和效率較高，這些優(yōu)勢(shì)共同構(gòu)成吸引人口持續(xù)流入的拉力。

（二）地理探測(cè)分析

1.單因子分析

表6為單因子檢測(cè)結(jié)果。單因子結(jié)果顯示所有影響因子的 p 值均小于0.01，通過了顯著性檢驗(yàn)。2000—2010年各因子的 q 值由大到小依次為：人均GDPgt;醫(yī)療資源 gt; 就業(yè)水平 gt; 行政等級(jí) gt; 人口集聚gt;距離港口最短距離的倒數(shù) gt; 平均高程 gt; 產(chǎn)業(yè)結(jié)構(gòu) gt; 氣溫 gt; 歸一化植被指數(shù) gt; 教育資源 gt; 干燥度 gt; 創(chuàng)業(yè)活躍度，這一時(shí)期人均GDP對(duì)人口增長(zhǎng)率空間分異的解釋力最強(qiáng)，創(chuàng)業(yè)活躍度的解釋力最弱。2010—2020年各因子的 q 值由大到小依次為：行政等級(jí) gt; 醫(yī)療資源 gt; 就業(yè)水平 ? gt; 人均GDPgt;人口集聚 gt; 氣溫 gt; 創(chuàng)業(yè)活躍度 gt; 距離港口最短距離的倒數(shù) gt; 產(chǎn)業(yè)結(jié)構(gòu) gt; 教育資源 gt; 干燥度gt;平均高程 歸一化植被指數(shù)，這

一時(shí)期行政等級(jí)對(duì)人口增長(zhǎng)率空間分異的解釋力最強(qiáng)，歸一化植被指數(shù)的解釋力最弱。比較兩個(gè)時(shí)期各變量的 q 值可以發(fā)現(xiàn)：經(jīng)濟(jì)因素中，人均GDP的解釋力明顯下降，創(chuàng)業(yè)活躍度的解釋力明顯上升，就業(yè)水平的解釋力有所上升且始終位居第三。社會(huì)因素中，人口集聚、教育資源的解釋力有所下降但降幅較小，醫(yī)療資源的解釋力仍在上升且一直居于第二。地理因素中，平均高程、歸一化植被指數(shù)的解釋力明顯下降，氣溫的解釋力有所上升。行政因素中，行政等級(jí)的解釋力明顯上升，2010—2020年解釋力上升到了第一位。

2.交互作用分析

單因子分析旨在量化單一驅(qū)動(dòng)因素對(duì)人口增減空間分異的解釋力，而各個(gè)驅(qū)動(dòng)因素往往不是單獨(dú)作用的，共同作用時(shí)可能存在協(xié)同或拮抗等效應(yīng)。為此，本文進(jìn)一步使用交互探測(cè)模塊考察不同影響因子的交互作用是否會(huì)增強(qiáng)或減弱對(duì)人口增長(zhǎng)率空間分異的解釋力。圖2和圖3分別是2000一2010年、2010—2020年人口增長(zhǎng)率空間分異影響因子交互探測(cè)結(jié)果。地理探測(cè)器中，兩個(gè)因子之間的關(guān)系可分為非線性減弱、單因子非線性減弱、雙因子增強(qiáng)、獨(dú)立和非線性增強(qiáng)五種類型①。從圖2和圖3可以發(fā)現(xiàn)交互作用類型主要表現(xiàn)為雙因子增強(qiáng)或非線性增強(qiáng)，即本文任何兩種變量對(duì)人口增減空間分布的交互作用都要大于單一變量的獨(dú)自作用，驅(qū)動(dòng)因子共同作用時(shí)對(duì)人口增減的解釋力較強(qiáng)，單一因子的解釋力可能有限。

交互作用結(jié)果中，2000—2010年 q 值排前四位的因子組合是：人均GDPN平均高程 gt; 人均GDPO人口集聚 gt; 人均GDPN氣溫 gt; 人均GDPO距離港口最短距離的倒數(shù)，這一時(shí)期人均GDP作為核心因子重復(fù)出現(xiàn)在這4組因子組合中，且4組組合均產(chǎn)生了“ 1 + 1 gt; 2 的非線性增強(qiáng)效應(yīng)。其中一個(gè) q 值較大的因子組合是人均GDP人口集聚，人均GDP與人口集聚共同作用時(shí)可以形成正反饋循環(huán)：高人均GDP地區(qū)能夠憑借其經(jīng)濟(jì)優(yōu)勢(shì)吸引人口流入與集聚，人口集聚所產(chǎn)生的資源共享、市場(chǎng)規(guī)模效應(yīng)、勞動(dòng)力蓄水池效應(yīng)、知識(shí)溢出等外部性會(huì)顯著降低企業(yè)生產(chǎn)成本，促使企業(yè)擴(kuò)大生產(chǎn)規(guī)模，進(jìn)而強(qiáng)化區(qū)域經(jīng)濟(jì)優(yōu)勢(shì)，繼續(xù)吸引更多人口流入。另外3組 q 值較高的組合均為經(jīng)濟(jì)因素（人均GDP）和地理因素（高程、氣溫、到港口最短距離的倒數(shù)）的組合，說明地理稟賦對(duì)人口增減的解釋力可以通過經(jīng)濟(jì)要素顯著放大。高經(jīng)濟(jì)發(fā)展水平能夠顯著強(qiáng)化舒適氣候與沿海港口可達(dá)性的人口吸引力，而且經(jīng)濟(jì)要素導(dǎo)人到高海拔區(qū)域所產(chǎn)生的人口增長(zhǎng)驅(qū)動(dòng)效應(yīng)高于其他地區(qū)，特別是西部大開發(fā)戰(zhàn)略實(shí)施帶來的人均GDP的大幅提升顯著促進(jìn)了西部地區(qū)的人口流入。

2010—2020年 q 值排前四位的因子組合是：氣溫門醫(yī)療資源 gt; 氣溫門就業(yè)水平 gt; 氣溫門創(chuàng)業(yè)活躍度 gt; 氣溫行政等級(jí)，這一時(shí)期氣溫作為核心因子重復(fù)出現(xiàn)在這4組因子組合中。比較2000—2010年和2010—2020年兩個(gè)時(shí)段的交互作用結(jié)果可以發(fā)現(xiàn)：解釋力最強(qiáng)的幾個(gè)交互因子組合從2000—2010年以人均GDP為核心的經(jīng)濟(jì)驅(qū)動(dòng)型組合轉(zhuǎn)變?yōu)?010—2020年以氣溫條件為核心的宜居性驅(qū)動(dòng)型組合，遷移決策正在逐漸從主要追求經(jīng)濟(jì)收益轉(zhuǎn)向注重生活質(zhì)量。2010—2020年氣溫醫(yī)療資源、氣溫門就業(yè)水平、氣溫創(chuàng)業(yè)活躍度均為非線性增強(qiáng)，說明氣候溫暖能夠顯著放大豐富的醫(yī)療資源、就業(yè)崗位及創(chuàng)業(yè)機(jī)會(huì)對(duì)人口的吸引力，我國(guó)南方地區(qū)憑借氣候溫暖的宜居優(yōu)勢(shì)能夠與充足醫(yī)療資源形成協(xié)同增益效應(yīng)，顯著提升居民健康水平，同時(shí)氣候溫暖能夠通過促進(jìn)勞動(dòng)力身心健康、提高人力資本效率進(jìn)一步激發(fā)創(chuàng)新創(chuàng)業(yè)活力并擴(kuò)大就業(yè)容量，進(jìn)而持續(xù)增強(qiáng)區(qū)域宜居宜業(yè)水平，吸引人口不斷流入；相反，氣候寒冷也會(huì)放大醫(yī)療資源短缺、就業(yè)機(jī)會(huì)匱乏、創(chuàng)業(yè)不活躍對(duì)人口外流的解釋力，在我國(guó)東北地區(qū)，寒冷氣候不僅直接削弱人口吸引力，還通過提高基礎(chǔ)設(shè)施維護(hù)成本、壓縮戶外經(jīng)濟(jì)活動(dòng)周期等路徑加劇資源約束，顯著放大醫(yī)療資源不足、經(jīng)濟(jì)機(jī)會(huì)匱乏對(duì)人口外流的影響程度。氣溫行政等級(jí)屬于雙因子增強(qiáng)類型，表現(xiàn)為寒冷氣候和低行政等級(jí)共同作用時(shí)，對(duì)人口外流的解釋力雖弱于二者單獨(dú)作用之和，但仍強(qiáng)于任一單因子獨(dú)立作用時(shí)的解釋力，這一結(jié)果與東北地區(qū)人口遷移特征相吻合：除了遷出到東北地區(qū)以外，在東北地區(qū)內(nèi)部人口流動(dòng)呈現(xiàn)出顯著的行政等級(jí)偏好，人口大量流向沈陽、大連、、哈爾濱等高行政等級(jí)城市。

在2000—2010年和2010—2020年兩個(gè)研究時(shí)段中，非線性增強(qiáng)類型的因子組合數(shù)量均多于雙因子增強(qiáng)類型，說明我國(guó)人口增減的空間分異格局是多種驅(qū)動(dòng)因子共同作用的結(jié)果，且較多數(shù)因子間能夠產(chǎn)生“ 1 + 1 gt; 2 ”的協(xié)同增值效應(yīng)。盡管某些因子單獨(dú)作用時(shí)的解釋力較弱，但是可以與其他因子之間產(chǎn)生交互增強(qiáng)作用，提高對(duì)人口增長(zhǎng)率空間分異的解釋力。創(chuàng)業(yè)活躍度與人口集聚交互時(shí)在2000—2010年和2010—2020年兩個(gè)時(shí)段均能夠產(chǎn)生“ 的非線性增強(qiáng)效應(yīng)：高人口集聚區(qū)憑借規(guī)模較大的勞動(dòng)力市場(chǎng)和消費(fèi)市場(chǎng)吸引更多企業(yè)入駐并提高創(chuàng)業(yè)活躍度，創(chuàng)業(yè)活躍度的提高又通過創(chuàng)造更多的就業(yè)發(fā)展機(jī)會(huì)進(jìn)一步吸引人口流入與集聚，這種循環(huán)累積效應(yīng)使兩個(gè)驅(qū)動(dòng)因子共同作用時(shí)持續(xù)產(chǎn)生協(xié)同增益，從而顯著提升區(qū)域人口增長(zhǎng)率。但是也有部分因子組合的交互作用效果屬于4 的雙因子增強(qiáng)類型，最典型的就是行政等級(jí)與其他因子的組合：2000—2010年包含行政等級(jí)的因子組合中有7組屬于雙因子增強(qiáng)，2010—2020年增加到了11組，說明行政等級(jí)單獨(dú)作用時(shí)的解釋力較強(qiáng)，但與其他因子共同作用時(shí)大多表現(xiàn)為“ 的雙因子增強(qiáng)特征。高行政等級(jí)地區(qū)在獲取財(cái)政支持、公共服務(wù)資源等方面具有明顯優(yōu)勢(shì)，這本身就是吸引人口流人的主要?jiǎng)恿?，但是行政等?jí)與其他因子（如人均GDP、就業(yè)水平、人口集聚等）共同作用時(shí)會(huì)出現(xiàn)解釋力重疊的現(xiàn)象，削弱協(xié)同增益，造成“ ”的結(jié)果。因此，行政資源集中雖能獨(dú)立增強(qiáng)人口吸引力，但是如果過度依賴行政資源投入會(huì)加劇與其他因子間的解釋力重疊，壓縮經(jīng)濟(jì)因素、社會(huì)因素等其他因素的獨(dú)立作用空間，容易低估甚至忽視這些因子對(duì)人口流動(dòng)的作用，降低資源配置效率。

五、結(jié)論與建議

本文基于第五、第六、第七次全國(guó)人口普查縣級(jí)數(shù)據(jù)，探討了我國(guó)區(qū)域人口增減的空間分布、動(dòng)態(tài)演進(jìn)和區(qū)域差異等方面的特征，并進(jìn)一步分析了人口增長(zhǎng)率空間分異的驅(qū)動(dòng)因素。研究結(jié)論如下：2000—2020年我國(guó)人口負(fù)增長(zhǎng)現(xiàn)象在縣區(qū)尺度上呈現(xiàn)快速蔓延趨勢(shì)，其中市轄區(qū)的人口增長(zhǎng)態(tài)勢(shì)明顯優(yōu)于縣域單元，縣域單元?jiǎng)t普遍面臨人口流失的困境。與2000—2010年相比，2010—2020年快速減少型、中速減少型、緩慢減少型的縣區(qū)數(shù)量均明顯增加，快速減少型縣區(qū)主要連片分布在東北地區(qū)，同時(shí)還較為集中地分布于黃河流域上中游地區(qū)。冷、熱點(diǎn)分析中，2010—2020年東北地區(qū)基本全面成為冷點(diǎn)區(qū)域，長(zhǎng)江流域的冷點(diǎn)區(qū)域逐漸縮小，黃河流域上、中游地區(qū)的冷點(diǎn)區(qū)域逐漸擴(kuò)大，熱點(diǎn)、次熱點(diǎn)區(qū)域的縣區(qū)數(shù)量顯著增加，即人口增長(zhǎng)率高值集聚的趨勢(shì)愈發(fā)明顯。從時(shí)間演進(jìn)特征來看，東部地區(qū)人口增長(zhǎng)率雖有所下降，但仍遠(yuǎn)高于其他地區(qū)，東北地區(qū)人口增長(zhǎng)率下降幅度最大，面臨嚴(yán)重的人口外流問題；I型大城市和超大特大城市仍持續(xù)吸引著大量人口涌入，而小城市的人口總量迅速減少。核密度估計(jì)中，全國(guó)及各區(qū)域的核密度曲線基本上都呈現(xiàn)出不同程度的左移、主峰高度降低且寬度加大的態(tài)勢(shì)，也有部分曲線出現(xiàn)多峰趨勢(shì)，表明大部分縣區(qū)的人口增長(zhǎng)率出現(xiàn)下降態(tài)勢(shì)，且區(qū)域內(nèi)人口增長(zhǎng)率差距逐漸擴(kuò)大甚至部分區(qū)域內(nèi)部存在極化現(xiàn)象，人口增減的空間非均衡性愈發(fā)明顯。Dagum基尼系數(shù)及分解結(jié)果中，全國(guó)層面的基尼系數(shù)上升，表明人口增長(zhǎng)率的總體區(qū)域差異呈現(xiàn)擴(kuò)大趨勢(shì)，超變密度是造成這種差異的主要原因，但其貢獻(xiàn)率呈現(xiàn)出下降態(tài)勢(shì)，而區(qū)域間凈差異的貢獻(xiàn)率則明顯上升，東北地區(qū)與其他地區(qū)、超大特大城市與小城市之間的人口增減分化態(tài)勢(shì)日益顯著。在驅(qū)動(dòng)因素分析中，經(jīng)濟(jì)因素、社會(huì)因素、地理因素、行政因素均為人口增長(zhǎng)率空間分異的驅(qū)動(dòng)因素。各驅(qū)動(dòng)因子對(duì)人口增長(zhǎng)率的解釋力具有動(dòng)態(tài)差異性，與2000—2010年相比，2010—2020年歸一化植被指數(shù)、平均高程和人均GDP的解釋力明顯下降，創(chuàng)業(yè)活躍度、行政等級(jí)的解釋力明顯上升，解釋力最強(qiáng)的因子從人均GDP轉(zhuǎn)變?yōu)樾姓燃?jí)，醫(yī)療資源、就業(yè)水平的解釋力均有所上升且始終位于前列。驅(qū)動(dòng)因子間的交互作用類型均表現(xiàn)為雙因子增強(qiáng)或非線性增強(qiáng)，且非線性增強(qiáng)的因子組合數(shù)量較多。解釋力最強(qiáng)的幾個(gè)因子組合從2000—2010年以人均GDP為核心的經(jīng)濟(jì)驅(qū)動(dòng)型組合轉(zhuǎn)變?yōu)?010—2020年以氣溫條件為核心的宜居性驅(qū)動(dòng)型組合，遷移決策正逐漸從主要追求經(jīng)濟(jì)收益轉(zhuǎn)向注重生活質(zhì)量。盡管某些因子單獨(dú)作用時(shí)的解釋力較弱，但是可以與其他因子之間產(chǎn)生4 1 + 1 gt; 2 ”的交互增強(qiáng)作用，如創(chuàng)業(yè)活躍度和人口集聚共同作用時(shí)能夠顯著提高對(duì)人口增長(zhǎng)率的空間分異程度的解釋力。另外，行政等級(jí)單獨(dú)作用時(shí)的解釋力較強(qiáng)，但是與經(jīng)濟(jì)因素、社會(huì)因素等其他因素共同作用時(shí)存在解釋力重疊效應(yīng)，大多表現(xiàn)為“ 1 + 1 lt; 2 ”的雙因子增強(qiáng)，協(xié)同效率弱于非線性增強(qiáng)的因子組合。

對(duì)于人口負(fù)增長(zhǎng)地區(qū)來說，地方政府需要采取針對(duì)性措施遏制人口持續(xù)外流，可以通過發(fā)展特色產(chǎn)業(yè)和第三產(chǎn)業(yè)擴(kuò)大就業(yè)容量，優(yōu)化投資環(huán)境與營(yíng)商環(huán)境來提升城市創(chuàng)業(yè)活躍度，同時(shí)增強(qiáng)勞動(dòng)力市場(chǎng)上的信息對(duì)稱程度，推動(dòng)職業(yè)培訓(xùn)的現(xiàn)代化，從而為當(dāng)?shù)厝丝谔峁└嗟木蜆I(yè)機(jī)會(huì)、更高的收人水平和更好的發(fā)展前景，促進(jìn)高質(zhì)量充分就業(yè)。與此同時(shí)，需要繼續(xù)提高醫(yī)療服務(wù)的質(zhì)量和可及性，為居民提供更加便捷高效的公共服務(wù)，放寬戶籍限制，打破城鄉(xiāng)壁壘，完善勞動(dòng)力市場(chǎng)制度，重視為外來人口提供相應(yīng)的醫(yī)療保障與住房保障等多方面政策支持，吸引人口流入。對(duì)于一些發(fā)展條件相對(duì)較差的區(qū)域，應(yīng)該重新整合空間資源，適當(dāng)實(shí)行精明收縮。

地方政府在應(yīng)對(duì)人口增減問題時(shí)需要充分認(rèn)識(shí)人口增減空間分異是多種因素共同作用的結(jié)果，如創(chuàng)業(yè)活躍度和人口集聚之間就會(huì)產(chǎn)生“ 1 + 1 gt; 2 ”的協(xié)同增效作用，人口集聚程度較高的地區(qū)可以通過激發(fā)創(chuàng)業(yè)活躍度來促進(jìn)人口持續(xù)增長(zhǎng)。但是，人口的持續(xù)流入勢(shì)必會(huì)對(duì)基礎(chǔ)設(shè)施建設(shè)和公共服務(wù)供給提出更高要求，當(dāng)超過城市的人口承載能力時(shí)，便會(huì)引發(fā)居住生活成本過高、公共服務(wù)短缺等問題。因此，要重視人口的過度集聚問題，建立人口承載力預(yù)警機(jī)制，積極發(fā)展小城市、小縣城，重點(diǎn)發(fā)展一批有潛力的中等城市，努力縮小與大城市在工作條件、生活環(huán)境、收入水平等方面的差距，避免人口盲目流向大城市。以氣溫條件為核心因子的宜居性驅(qū)動(dòng)型組合對(duì)人口增長(zhǎng)率空間分異的解釋力正在持續(xù)增強(qiáng)。研究發(fā)現(xiàn)溫暖的氣候條件能夠與醫(yī)療資源的高效供給、創(chuàng)業(yè)生態(tài)的高活力以及就業(yè)市場(chǎng)的高潛力形成顯著的協(xié)同效應(yīng)，從而共同增強(qiáng)對(duì)人口的吸引力；相反，寒冷的氣候條件將會(huì)加劇醫(yī)療資源短缺、就業(yè)機(jī)會(huì)匱乏、創(chuàng)業(yè)動(dòng)能不足對(duì)人口外流的影響強(qiáng)度，導(dǎo)致人口外流呈現(xiàn)加速態(tài)勢(shì)。因此，對(duì)于我國(guó)人口外流最為嚴(yán)重的東北地區(qū)來說，為了突破寒冷氣候的制約，需要進(jìn)一步加強(qiáng)供暖系統(tǒng)改造、擴(kuò)大供熱管網(wǎng)覆蓋范圍、推廣清潔供暖技術(shù)，同時(shí)著力提升醫(yī)療資源供給能力、優(yōu)化創(chuàng)業(yè)支持體系、加快傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)并培育新興產(chǎn)業(yè)以拓展就業(yè)空間，為吸引人口流入提供持續(xù)動(dòng)力。針對(duì)行政等級(jí)與其他因子間解釋力重疊導(dǎo)致的‘ 現(xiàn)象，需要大力推進(jìn)基本公共服務(wù)均等化，弱化醫(yī)療、教育等資源向高行政等級(jí)城市的過度集中，緩解高行政等級(jí)城市對(duì)生產(chǎn)要素的虹吸效應(yīng)，從而降低解釋力重疊，使得各地區(qū)驅(qū)動(dòng)因子間的交互作用效果實(shí)現(xiàn)帕累托改進(jìn)；同時(shí)需要注重發(fā)揮省會(huì)城市的龍頭帶動(dòng)作用，推動(dòng)產(chǎn)業(yè)轉(zhuǎn)移，深化區(qū)域協(xié)作機(jī)制，促進(jìn)資源的優(yōu)化配置和共享，從而引導(dǎo)人口向周邊城市疏散轉(zhuǎn)移，促進(jìn)人口合理均衡布局，推動(dòng)區(qū)域協(xié)調(diào)發(fā)展。

【參考文獻(xiàn)】

[1]劉艷軍，湯爽爽，吳康，等.經(jīng)濟(jì)地理學(xué)視角下中國(guó)人口研究熱點(diǎn)與展望[J].經(jīng)濟(jì)地理，2021（10）：97-105，142.

[2]戚偉，劉盛和，趙美風(fēng).“胡煥庸線\"的穩(wěn)定性及其兩側(cè)人口集疏模式差異[J].地理學(xué)報(bào)，2015（4）：551-566.

[3]尹旭，魏慧，李裕瑞，等.中國(guó)不同類型地區(qū)人口時(shí)空分異特征：基于“五普”至“七普”分縣人口數(shù)據(jù)的分析[J].地理科學(xué)進(jìn)展，2023（3）：452-463.

[4］高向東，王新賢，朱蓓倩.基于“胡煥庸線”的中國(guó)少數(shù)民族人口分布及其變動(dòng)[J].人口研究，2016（3）：3-17.

[5]劉曄，黃翠盈，李晴，等.2000—2020年中國(guó)高學(xué)歷人才分布格局及其影響因素研究[J].地理研究，2023（11）：2827-2844.

[6］劉睿文，封志明，楊艷昭，等.基于人口集聚度的中國(guó)人口集疏格局[J].地理科學(xué)進(jìn)展，2010（10）：1171-1177.

[7]童玉芬，楊艷飛，和明杰.中國(guó)主要城市群的人口分布格局特征、問題及政策思考[J].人口學(xué)刊，2022（4）：1-13.

[8］劉濤，卓云霞.中國(guó)縣級(jí)人口變動(dòng)的空間格局及影響因素：基于第七次全國(guó)人口普查數(shù)據(jù)的新探索[J].人口研究，2022（6）：72-87.

[9]劉振，李偉，劉盛和.中國(guó)區(qū)域人口收縮對(duì)經(jīng)濟(jì)增長(zhǎng)的影響及形成機(jī)理[J].地理研究，2024（4）：949-965.

[10]蔡昉，王美艷.中國(guó)城鎮(zhèn)勞動(dòng)參與率的變化及其政策含義[J].中國(guó)社會(huì)科學(xué)，2004（4）：68-79，207.

[11]胡泰，林李月，朱宇，等.基于2000—2020年人口普查數(shù)據(jù)的福建省流動(dòng)人口結(jié)構(gòu)時(shí)空演化及影響因素[J].地理科學(xué)，2024（12）：2176-2184.

[12]樸美蘭，程昊.東北朝鮮族聚居地區(qū)人口流失與社會(huì)治理：以延邊朝鮮族自治州為例[J].東疆學(xué)刊，2023（1）：64-69.

[13]李美善，金銀珠，徐香蘭.東北邊境延邊地區(qū)人口過疏化治理研究[J].東疆學(xué)刊，2024（4）：18-22.

[14]翟振武，李妹婧.新時(shí)期中國(guó)低生育率的影響因素[J].濟(jì)南大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2023（1）：13-24.

[15]于濤方.中國(guó)城市人口流動(dòng)增長(zhǎng)的空間類型及影響因素[J].中國(guó)人口科學(xué)，2012（4）：47-58，111-112.

[16]楊曉軍.城市公共服務(wù)質(zhì)量對(duì)人口流動(dòng)的影響[J].中國(guó)人口科學(xué)，2017（2）：104-114，128.

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

[18]李濤，李蕓萌.人口流動(dòng)、城市集群發(fā)展與產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化：基于省實(shí)踐路徑的考察[J].稅務(wù)與經(jīng)濟(jì)，2024（3）：106-112.

[19]黃燕芬，張超.城市行政層級(jí)視角的人口流動(dòng)影響機(jī)理研究[J].中國(guó)人口科學(xué)，2018（1）：33-45，126-127.

[20]年猛，王垚.行政等級(jí)與大城市擁擠之困：沖破戶籍限制的城市人口增長(zhǎng)[J].財(cái)貿(mào)經(jīng)濟(jì)，2016（11）：126-145.

[21]盧洪友，文潔，許文立.氣候變化對(duì)中國(guó)人口流動(dòng)的效應(yīng)研究[J].湖北社會(huì)科學(xué)，2017（2）：77-84.

[22]呂晨，藍(lán)修婷，孫威.地理探測(cè)器方法下北京市人口空間格局變化與自然因素的關(guān)系研究[J].自然資源學(xué)報(bào)，2017（8）：1385-1397.

[23]Dagum C.ANewApproach totheDecompositionofthe Gini IncomeInequalityRatioJ].Empirical Economics，97，22（4）：515-531.

[24]王潔晶，張沐華，王霓霓.中國(guó)流動(dòng)人口分布的空間格局和影響因素：基于人口普查分縣數(shù)據(jù)的研究[J].人口學(xué)刊，2023（4）：82-96.

[25]王勁峰，徐成東.地理探測(cè)器：原理與展望[J].地理學(xué)報(bào)，2017（1）：116-134.

[26]彭守璋.中國(guó)1km逐年干燥度數(shù)據(jù)集（1901—2023）[EB/OL].（2024-07-17）[2025-02-28].https：/doi.org/10.11888/Atmos.tpdc.300560.

[27]Peng S，DingY，Wen Z，etal.SpatiotemporalChangeandTrendAnalysisofPotentialEvapotranspirationovertheLoessPlateau of China during 2011-210o[J]. Agricultural and Forest Meteorology，2017，233：183-194.

[28]DigY，Peng S.Spatiotemporal Trendsand AtributionofDroughtacrossChina from1901-210o[J].Sustainability，2020，12（2）：477.

[29]Dig Y，Peng S.Spatiotemporal Change and Atributionof Potential Evapotranspiration overChinafrom190l to 210[J].Theoretical and Applied Climatology，2021，145（1-2） ：79-94.

[30]Peng S，Ding Y，Liu W，etal.1 km Monthly Temperature and Precipitation Dataset for China from 1901 to 2017[J].EarthSystem Science Data，2019，11（4）：1931-1946.

[31]高吉喜，史園莉，張宏偉，等.中國(guó)區(qū)域 250米歸一化植被指數(shù)數(shù)據(jù)集（2000—2023）[EB/OL].（2024-05-20）[2025-02-28]. https：//doi.org/10.11888/Terre.tpdc.300328.

[32]徐新良.中國(guó)氣象要素平均狀況空間插值數(shù)據(jù)集[EB/OL].（2017-12-13）[2025-02-28].htp：//ww.resdc.cn/DOI.

Abstract： Based on the county-level data from the fifth，sixth，and seventh national population censuses， this study examines the spatial distribution，dynamic evolution paterns，and regional disparities of regional population changes in China using spatial data analysis ，kernel density estimation，and the Dagum-Gini coefficient method.It also explores the driving factors of spatial differentiation in population growth rates through multiple regression models and an optimalparameter-based geographical detector.The findings reveal the following： negative population growth has become prevalent at the county and municipal district levels in China，municipal districts exhibit stronger growth momentum than county-level units，which predominantly decline.Compared to the period 2OoO-2010，the number of counties categorized as rapiddecline，moderate-decline，and slow-decline types increased substantially during 2010-2020.Kernel density estimation reveals leftward shifts，lowered peak heights，and widened spans in national and regional curves，with some exhibiting multi-peak trends.These patterns indicate declining population growth rates across most counties and widening intraregional disparities，suggesting potential polarization phenomena in certain regions.The Dagum-Gini coeficient decomposition demonstrates rising national Gini coefficients， highlighting expanding overalldisparities inpopulation growth rates.Although the intensityof transvariation remains the primary contributor，its contribution has declined，whereas the net contribution rate of interregional disparities has risen significantly.Notable disparities have emerged between Northeast China and other regions，as well as between super-large and mega cities and small cities.Economic，social，geographical，and administrative factors collctively influence population growth rates and reshape regional growth patterns.The explanatory power of driving factors exhibits dynamic variations ：administrative hierarchy has replaced per capita GDP as the strongest determinant，entrepreneurship vitality shows growing influence，while employment levels and medical resources maintain consistently high explanatory power. Significant interactive effects exist among factors，presenting either two-factor enhancement or nonlinear enhancement. The most explanatory interaction combinations have shifted from economy-driven types centered on per capita GDP to livability-driven types centered on temperature conditions.Administrative hierarchy interactions with other factors mainly show two-factor enhancement and overlapping explanatory effects.Therefore，counties and municipal districts，particularly those with severe population decline， should prioritize creating favorable living and working environments，advancing the equalization of essential public services，and optimizing spatial resource allocation to promote rational population distribution and facilitate coordinated regional development.

KeyWords：Population Growth and Decline，Regional Differences，Driving Factors