基于征信大數(shù)據(jù)分析的中國勞動力人口遷徙研究

姚前，謝華美，司恩哲，景志剛，胡青青

中國人民銀行征信中心，北京 100031

基于征信大數(shù)據(jù)分析的中國勞動力人口遷徙研究

姚前，謝華美，司恩哲，景志剛，胡青青

中國人民銀行征信中心，北京 100031

人口遷徙數(shù)據(jù)是反映城鎮(zhèn)化建設(shè)的重要數(shù)據(jù)，可以為我國當(dāng)前推進(jìn)國家新型城鎮(zhèn)化建設(shè)提供決策支持。中國人民銀行征信中心依法收集的征信信息及時地反映了信息主體在遷徙過程中發(fā)生經(jīng)濟(jì)行為的時間和地點，在確定人口遷徙軌跡方面具有其他數(shù)據(jù)源難以比擬的優(yōu)勢。對3.9億信息主體、48.8億條征信記錄進(jìn)行分析挖掘，得出改革開放以來全國勞動力人口遷徙的新特點，并利用Logistic模型預(yù)測未來青壯年勞動力人口的遷徙趨勢，得出相關(guān)結(jié)論。

人口遷徙；征信系統(tǒng)；Logistic模型

1 引言

在一個國家的經(jīng)濟(jì)發(fā)展進(jìn)程中，人口遷徙與人口城鎮(zhèn)化一般是同步進(jìn)行的。人口遷徙對于城鎮(zhèn)化建設(shè)具有重要的影響。近年來，我國經(jīng)濟(jì)社會發(fā)展進(jìn)入了新常態(tài)，城鎮(zhèn)化進(jìn)程作為重要經(jīng)濟(jì)增長點也進(jìn)入深入發(fā)展的新時期，因此掌握人口遷徙的情況可以為我國當(dāng)前推進(jìn)國家新型城鎮(zhèn)化建設(shè)提供部分決策支持[1]。然而傳統(tǒng)的人口調(diào)查涉及大量的入戶調(diào)查，這些調(diào)查當(dāng)前正面臨前所未有的挑戰(zhàn)，成本高昂且無響應(yīng)率極高。自從“計算社會科學(xué)”的概念[2]于2009年由包括美國哈佛大學(xué)教授拉澤爾[3]在內(nèi)的15名頂級學(xué)者在《Science》雜志上正式提出后，大數(shù)據(jù)技術(shù)逐漸在社會科學(xué)領(lǐng)域發(fā)揮重要作用?；诖髷?shù)據(jù)分析的人口遷徙研究正成為當(dāng)前使用大數(shù)據(jù)參與社會研究和調(diào)查的熱點。

自1978年改革開放以來，我國取得了巨大的成就：經(jīng)濟(jì)實現(xiàn)了持續(xù)快速增長，綜合國力進(jìn)一步增強(qiáng)；人民生活水平顯著提高，總體上進(jìn)入了小康水平[4]。同時，以青壯年為主的勞動力人口出于對美好生活的向往[5]，逐步開始大規(guī)?？缡∵w徙。在遷徙過程中，不可避免地會與金融機(jī)構(gòu)發(fā)生經(jīng)濟(jì)行為，如申領(lǐng)信用卡、貸款買房、繳納公積金及社保等，根據(jù)個人征信系統(tǒng)接口規(guī)范，這些行為的記錄數(shù)據(jù)都可以被中國人民銀行征信中心依法采集。征信中心收集的信息記錄及時地反映了信息主體發(fā)生業(yè)務(wù)的時間和地點，在確定人口遷徙軌跡方面具有其他數(shù)據(jù)源難以比擬的優(yōu)勢。本文通過對3.9億個信息主體、48.8億條征信記錄進(jìn)行分析挖掘，得出了改革開放以來全國勞動力人口遷徙的新特點，并預(yù)測了未來人口遷徙的趨勢。

根據(jù)聯(lián)合國《多種語言人口學(xué)辭典》的定義，人口遷徙是指“人口在兩個地區(qū)之間的地理流動或者空間流動，這種流動通常會涉及永久性居住地的變更”。根據(jù)此定義可以判斷描述人口遷徙的數(shù)據(jù)涉及永久性居住地的變更，在時間跨度上應(yīng)該較長，在地點跨度方面至少跨越了行政界限。因此，在此次人口遷徙研究中，選取年作為時間跨度的基本單位，地點跨度上以跨省為判斷標(biāo)準(zhǔn)。

2 數(shù)據(jù)描述和研究方法

2.1 遷徙數(shù)據(jù)生成原理

根據(jù)人口遷徙的定義，選取身份信息、初始地點、遷入地點、遷出地點、遷徙時間作為數(shù)據(jù)項，在統(tǒng)計維度上，選取了年齡、性別、區(qū)域作為研究維度。通過處理征信數(shù)據(jù)庫內(nèi)的個人身份數(shù)據(jù)，根據(jù)身份證號碼生成規(guī)則可以獲得其初始地點、年齡、性別等數(shù)據(jù)。根據(jù)個人信貸、社保、公積金等業(yè)務(wù)數(shù)據(jù)，可以獲得個人在發(fā)生上述業(yè)務(wù)時的居住地信息。通過對比業(yè)務(wù)發(fā)生地點與初始地點，可以判斷個人是否發(fā)生了遷徙行為。例如自然人A，初始居住地為山東，在2005年發(fā)生了一筆房貸業(yè)務(wù)，業(yè)務(wù)發(fā)生地點為上海，據(jù)此認(rèn)為A2005年的居住地點為上海，發(fā)生了從山東到上海的遷徙行為。原理如圖1所示。

2.2 數(shù)據(jù)描述

本次研究不僅使用個人征信中的個人信貸、個人社保、個人公積金數(shù)據(jù)，還使用企業(yè)征信中的機(jī)構(gòu)信用碼、企業(yè)高管、企業(yè)貸款卡等數(shù)據(jù)。這些數(shù)據(jù)源基本反映了自然人的購房地點、工作地點或開設(shè)公司的地點，這些地點信息基本涉及了永久居住地址的變更，符合人口遷徙的定義。數(shù)據(jù)源情況見表1。

此次研究共涉及近50億條業(yè)務(wù)數(shù)據(jù)，需要提取近200億個數(shù)據(jù)字段，數(shù)據(jù)處理量大，數(shù)據(jù)預(yù)處理任務(wù)繁重。數(shù)據(jù)源方面，涉及信貸、公積金、社保、企業(yè)貸款等多種業(yè)務(wù)數(shù)據(jù)和不同的數(shù)據(jù)類型，呈現(xiàn)多樣性的特點。根據(jù)征信中心數(shù)據(jù)采集規(guī)定，目前征信中心數(shù)據(jù)庫每天需要接收相關(guān)機(jī)構(gòu)數(shù)據(jù)近1億條，數(shù)據(jù)更新速度快，數(shù)據(jù)增量大。數(shù)據(jù)質(zhì)量方面，多數(shù)數(shù)據(jù)采集自金融機(jī)構(gòu)、政府機(jī)關(guān)等，數(shù)據(jù)源可靠，數(shù)據(jù)質(zhì)量和數(shù)據(jù)精度相對較高。綜上所述，本次研究使用的數(shù)據(jù)呈現(xiàn)數(shù)據(jù)量大、數(shù)據(jù)源種類多、數(shù)據(jù)更新速度快和數(shù)據(jù)準(zhǔn)確度高的大數(shù)據(jù)“4V”特點。

圖1 遷徙數(shù)據(jù)生成原理

表1 人口遷徙數(shù)據(jù)源及數(shù)據(jù)量

2.3 數(shù)據(jù)預(yù)處理

預(yù)處理主要包含兩部分：篩選身份數(shù)據(jù)和數(shù)據(jù)去重。

本次研究涉及多個業(yè)務(wù)數(shù)據(jù)源，全部業(yè)務(wù)均包含自然人的身份數(shù)據(jù)，然而這些身份數(shù)據(jù)呈現(xiàn)多樣化的特點。除了身份證號碼外，還有護(hù)照號碼、軍官證號碼、社保號碼等信息。根據(jù)研究需求，必須確認(rèn)這些身份信息所有人的初始地點、年齡等信息，然而此類信息在部分?jǐn)?shù)據(jù)源中有大量的缺失。為了保證數(shù)據(jù)質(zhì)量以及解決缺失值的問題，本次研究對身份信息進(jìn)行了篩選，選取18位的身份證號碼為唯一的身份數(shù)據(jù)的自然人，并根據(jù)身份證號碼生成規(guī)則，判斷出自然人的性別、年齡、遷徙初始地點等基本信息。這種處理方式保證了數(shù)據(jù)反映的自然人相關(guān)信息的質(zhì)量，并解決了部分?jǐn)?shù)據(jù)源缺失的問題。

數(shù)據(jù)去重方面，由于涉及近50億條記錄以及大量的歷史數(shù)據(jù)，本次研究不可避免地在數(shù)據(jù)清洗中面臨大量重復(fù)數(shù)據(jù)的去重處理問題。例如在公積金數(shù)據(jù)庫中，自然人每個月均產(chǎn)生上繳公積金的業(yè)務(wù)數(shù)據(jù)，數(shù)據(jù)由公積金中心上報之后，一年中共產(chǎn)生12筆業(yè)務(wù)數(shù)據(jù)，由于本次研究的統(tǒng)計口徑是年，因此會面臨較多的重復(fù)數(shù)據(jù)。面對大量數(shù)據(jù)的去重問題，本次研究采用了在分區(qū)基礎(chǔ)上建立子分區(qū)的優(yōu)化方案，將去重范圍縮小至子分區(qū)，提高去重效率。例如將公積金數(shù)據(jù)先按照年份進(jìn)行分區(qū)，之后在此基礎(chǔ)上建立地域即省份的子分區(qū)。數(shù)據(jù)遷移完成之后就可以在子分區(qū)的基礎(chǔ)上去重。這種數(shù)據(jù)處理方法有效縮短了本次大批量重復(fù)數(shù)據(jù)的清洗時間。

2.4 數(shù)據(jù)加工及繪制人口遷徙路徑

在完成數(shù)據(jù)預(yù)處理工作后，得到包含自然人ID、性別、年齡、初始地點、業(yè)務(wù)地點、業(yè)務(wù)發(fā)生時間的數(shù)據(jù)項。根據(jù)遷徙數(shù)據(jù)生成原理，得到當(dāng)年遷徙地點數(shù)據(jù)之后，為了較為完整地反映每個自然人的遷徙過程，專門繪制了自然人遷徙路徑數(shù)據(jù)。具體包括以下數(shù)據(jù)字段：自然人ID、性別、年齡、初始地點、年份（1978—2014年）。其中，自然人ID是用來判斷自然人的數(shù)據(jù)標(biāo)識，性別、年齡、初始地點均由身份證號碼生成規(guī)則判斷而來。需要注意的是在年份數(shù)據(jù)段中記錄的是自然人該年所處的地點，例如1978年記錄為河北，1979年記錄為北京，一直記錄到2014年。通過這種處理方法，最終得到自然人1978—2014年每年所在地的數(shù)據(jù)，繪制遷徙路徑，可以完整地反映每個自然人的全部遷徙過程和軌跡，為發(fā)現(xiàn)自然人多次遷徙行為和回遷行為提供了數(shù)據(jù)支持。

3 研究結(jié)果及數(shù)據(jù)展示

為全面系統(tǒng)地闡述人口遷徙狀況，以下從宏觀闡述、熱點省市遷徙情況和不同群體遷徙偏好3個方面來得出人口遷徙的相關(guān)結(jié)論。

3.1 人口遷徙概況

本次研究共涉及征信系統(tǒng)3.9億個自然人的征信數(shù)據(jù)，監(jiān)測到發(fā)生遷徙行為的共有1.2億人，遷徙次數(shù)共計1.9億人次。

從歷年人口遷徙數(shù)量來看，監(jiān)測到的每年遷徙人數(shù)從2005年開始逐年增長，2008年出現(xiàn)顯著增長，2009年出現(xiàn)回落，之后快速回升，并逐年增長，如圖2所示。

遷徙人群中男女比例約為6∶4，年齡結(jié)構(gòu)方面以青壯年為主，“80后”成為遷徙主力。遷徙人群中男性人數(shù)為7000萬人，女性人數(shù)為5000萬人。人群中“80后”比例最大，為44.1%，“60后”、“70后”和“90后”所占比例依次為14.1%、28.5%和7.8%，如圖3所示。

從各省人口遷徙狀況來看，大多數(shù)省份處于人口凈流出狀態(tài)，人口凈流入的省份主要集中在“北上廣”等經(jīng)濟(jì)發(fā)達(dá)地區(qū)，截至2014年底，人口凈流出最多的省份依次為河南、湖南、四川、湖北、安徽，詳情如圖4所示。

圖2 歷年人口遷徙趨勢

圖3 遷徙人口性別年齡概況

圖4 各省人口流失概況

3.2 熱點省市遷徙狀況

最近，特大城市人口控制和逃離“北上廣”成為了社會和媒體關(guān)注的熱點，因此針對北京、上海、廣東的人口遷徙狀況，展開了相關(guān)研究。

一線城市依然處于人口凈流入狀態(tài)，但逃離“北上廣”的跡象已初露端倪。從一線城市歷年人口遷徙數(shù)量來看，“北上廣”自2001年以來一直處于人口凈流入的狀態(tài)，遷入人口在2008年增速最大，達(dá)到了1300萬人，在2009年經(jīng)濟(jì)危機(jī)期間明顯減少。值得注意的是“北上廣”的人口遷入規(guī)模在2011—2014年間，增速逐漸放緩。而與此同時，人口遷出規(guī)模逐年增長。按照此趨勢，“北上廣”將逐漸實現(xiàn)遷入人口和遷出人口的平衡，如圖5所示。

從遷入“北上廣”的人口構(gòu)成來看，主要集中在熱點區(qū)域的周邊省市。自改革開放以來，人口凈流入最多的3個省份是廣東、北京和上海，分別為2505萬人、1675萬人、1099萬人，見表2。其中，北京的遷入人口中，最多的是河北人，達(dá)到270萬人，其次是河南人和山東人，分別是160萬人和140萬人。上海的遷入人口中，居前的是江蘇人134萬人、安徽人109萬人和山東人86萬人。廣東也有類似的情況，都是以周邊省市為主。

從“北上廣”遷出人口的去向來看，其目的地依然以“北上廣”為主。例如，上海的遷出人口中，去廣東的人最多，達(dá)33萬人，其次是21萬人去了北京；同樣廣東的遷出人口中，去北京的人最多，達(dá)59萬人，其次是51萬人去了上海；北京的遷出人口情況類似。

長期以來，“北上廣”等一線城市是人們的向往之地，特別是許多大學(xué)畢業(yè)生把工作生活在一線城市作為自己的首選，但在一線城市打拼數(shù)年后，受生活成本高和就業(yè)壓力大的影響，不少人重新選擇到二、三線城市發(fā)展，這個群體雖然還不算龐大，但和多年來奔向“北上廣”的潮流形成鮮明對比。而這批人大多選擇浙江、江蘇、廣西、湖南等南方省市作為新起點，見表3。

圖5 “北上廣”歷年人口遷徙情況

表2 大省市遷入人口數(shù)量及比例

表3 遷出“北上廣”去往部分南方省市的人口數(shù)量

3.3 人群遷徙偏好

本節(jié)主要分析遷徙人群的偏好，通過將遷徙人群細(xì)分，可以更加深入地了解不同人群發(fā)生遷徙行為的原因，更加全面地了解人口遷徙的狀況。

圖6 男女遷徙偏好

圖7 不同年齡人群遷徙偏好

圖8 多次遷徙人群概況

遷徙人群選擇遷徙城市的主要動因可能與經(jīng)濟(jì)有關(guān)，不存在明顯的性別、年齡差異。如圖6、圖7所示，無論男女老少，遷徙人數(shù)最多的省份均是廣東、北京、上海、浙江、江蘇，并且各個省份的遷徙比例基本一致。這說明遷徙人群選擇遷徙目的地不存在明顯的性別和年齡差異，最影響遷徙的因素可能與經(jīng)濟(jì)發(fā)展前景相關(guān)。

經(jīng)統(tǒng)計，山東、江蘇、浙江和福建出現(xiàn)多次遷徙行為的人數(shù)最多，并且傾向于在遷徙之后重返故土。在本次研究中，分析了多次遷徙（遷徙次數(shù)大于或等于3次）和遷徙后返回初始地點的遷徙行為，這些行為主要集中在東部經(jīng)濟(jì)較為發(fā)達(dá)的江蘇、山東、浙江、福建等省份，如圖8、圖9所示。

4 利用Logistic模型預(yù)測未來青壯年勞動力人口遷徙趨勢

青壯年勞動力人口遷徙問題是影響中國發(fā)展的重要問題，預(yù)測未來人口遷徙的發(fā)展趨勢對國家的宏觀政策調(diào)整有重要的參考意義。分析歷年人口遷徙趨勢（如圖2所示）發(fā)現(xiàn)3個特點：一是單調(diào)遞增性；二是增長有限性；三是形狀為S形，增長速度遞減，逐漸趨于零增長。這3個特點完全符合Logistic模型的前提條件[6]，因此本文采用該模型進(jìn)行擬合，并給出可靠的預(yù)測值。

4.1 Logistic模型原理

Logistic模型（阻滯增長模型）原理[7]考慮到自然資源、環(huán)境條件等因素對人口增長的阻滯作用，人口增長率r隨著人口數(shù)量x的增加而下降。若將r表示為x的函數(shù)r(x)，為減函數(shù)，即：

圖9 遷徙之后返回故土的人群概況

對r(x)的一個最簡單的假設(shè)是：r(x)為x的線性函數(shù)，k為線性函數(shù)的斜率，因為這是減函數(shù)，所以k＞0,且截距r＞0，即：

4.2 Logistic模型在勞動力人口遷徙中的應(yīng)用

從1979—2014年，共有36個有效統(tǒng)計值，t1、t2、t3的取值范圍分別為：t1取值范圍為[1979，2012]；t2取值范圍為[t1+1， 2013]；t3=2014。

多次循環(huán)后，取最小值時的參數(shù)和殘差平方，得t1=2000、t2=2007、t3=2014，殘差平方R2=0.9699。預(yù)測至2020年的結(jié)果如圖10所示，見表4。

表4 青壯年勞動力人口遷徙預(yù)測值

表5 優(yōu)化后青壯年勞動力人口遷徙預(yù)測值

4.3 去掉異常點后的預(yù)測效果

根據(jù)歷年人口遷徙趨勢（如圖2所示）可以發(fā)現(xiàn)一個異常點：2008年人口遷徙有一個突增。主要原因是2008年我國首次舉辦奧運(yùn)會，奧運(yùn)經(jīng)濟(jì)吸引了勞動力人口大批遷徙。去掉該異常點后，重新對人口遷徙進(jìn)行預(yù)測，經(jīng)過多次循環(huán)后，取為最小值時的參數(shù)和殘差平方，得t1=1980、t2=1997、t3=2014，R2=0.9901?？梢姡サ暨@個異常點后，預(yù)測效果更好，更能反映實際情況，預(yù)測至2020年的結(jié)果如圖11所示，見表5。

圖10 人口遷徙預(yù)測趨勢

圖11 優(yōu)化后人口遷徙趨勢預(yù)測

5 結(jié)束語

通過對征信中心個人征信數(shù)據(jù)的進(jìn)一步挖掘以及使用Logistic模型對遷徙人口數(shù)量進(jìn)行預(yù)測，得出有關(guān)青壯年勞動人口遷徙特點的相關(guān)結(jié)論如下。

● 截至2020年，青壯年勞動力人口遷徙速度放緩，但每年遷徙人口仍在高位，總數(shù)達(dá)2700萬人。因此，國家應(yīng)該堵疏結(jié)合，既要放開戶籍管理，鼓勵自由遷徙，促進(jìn)資源和人口合理配置，又要促進(jìn)全國經(jīng)濟(jì)均衡發(fā)展，合理引導(dǎo)勞動力往人口密低度的區(qū)域遷徙。

● 青壯年勞動力人口凈流出的省份，勞動力急劇減少，高端人才大量流失，稅收大幅度下滑，基礎(chǔ)實施落后，發(fā)展缺乏后勁，更沒有足夠的財力改善民生，應(yīng)該盡快制定優(yōu)惠政策，跨越式發(fā)展，吸引勞動力就地安置，同時放開二胎政策，鼓勵生育，產(chǎn)生勞動力后備軍。

● 青壯年勞動力人口凈流入的省份，勞動力人口日趨飽和，應(yīng)該調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，提供更多就業(yè)機(jī)會，防止出現(xiàn)不穩(wěn)定因素，同時制定相應(yīng)政策，妥善解決遷入人口的子女入學(xué)、買房置業(yè)等實際問題。

致謝

中國人民銀行征信中心數(shù)據(jù)部高健、鄧林慧、李狀君、徐方林、熊欣等同事對本研究工作給予了大量幫助，特此感謝。

[1] 王向明.人口遷移和流動對人口城鎮(zhèn)化進(jìn)程的影響[J].人口與經(jīng)濟(jì), 1988(2): 19-24.WANG X M.The influence of migration and population flow on the process of urbanlization[J].Population & Economics, 1988(2): 19-24.

[2] MEYER B D, MOK C, SULLIVAN J X.Household surveys in crisis[J].Journal of Economic Perspectives, 2015, 29(4): 199-226.

[3] LAZER D, PENTLAN A, ADAMIC L, et al.Life in the network: the coming age of computational social science[J].Science, 2009, 323(5915): 721-723.

[4] 鄧振芳.淺析中國改革開放以來取得的巨大成就及其對世界的影響[J].學(xué)理論, 2010(20): 6-7.DENG Z F.The great achievement made by China since the reform and open up and its impact on the world [J].Theory Learning, 2010(20): 6-7.

[5] 蔡建明, 王國霞, 楊振山.我國人口遷移趨勢及空間格局演變[J].人口研究, 2007, 31(5): 9-19.CAI J M, WANG G X, YANG Z S.Future trends and spatial patterns of migration in China[J].Population Research, 2007, 31(5): 9-19.

[6] 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, 2009, 27(6): 75-78.WA NG X B, CA I G L.Parameter evaluation of Logistic model and population prediction[J].Journal of Beijing Technology and Business University , 2009, 27(6): 75-78.

[7] 黃潤龍, 帥友良.人口增長的Logistic模型及其應(yīng)用研究[J].南京人口管理干部學(xué)院學(xué)報, 2000, 16(3): 25-27.HUANG R L, SHUAI Y L.Applied research on Logistic model of population growth[J].Journal of Nanjing College for Population Programme Management, 2000, 16(3): 25-27.

作者簡介

姚前（1970-），男，中國人民銀行征信中心副主任、高級工程師，主要研究方向為分布式系統(tǒng)和計算機(jī)安全。

謝華美（1976-），男，中國人民銀行征信中心數(shù)據(jù)部副總經(jīng)理，主要研究方向為數(shù)據(jù)挖掘。

司恩哲（1985-），男，就職于中國人民銀行征信中心數(shù)據(jù)部，主要研究方向為數(shù)據(jù)挖掘。

景志剛（1977-），男，就職于中國人民銀行征信中心數(shù)據(jù)部，主要研究方向為數(shù)據(jù)挖掘。

胡青青（1984-），女，就職于中國人民銀行征信中心數(shù)據(jù)部，主要研究方向為數(shù)據(jù)挖掘。

Research of China’s labor force migration based on big data analysis of credit information

YAO Qian, XIE Huamei, SI Enzhe, JING Zhigang, HU Qingqing
Credit Reference Center, the People’s Bank of China, Beijing 100031, China

The data of population migration is an important data source to reflect urbanization and can provide support for government to promote new urbanization construction.The Credit Reference Center, the People’s Bank of China collects data from financial institutions which recorded time and place for economic behaviors during migration.The authentic and reliable data source give the Credit Reference Center an incomparable advantage to identify individual’s immigration trajectory.A comprehensive analysis was conducted based on 4.88 billion personal credit records of 390 million citizens from the database of Credit Reference Center.Several new characteristics of labor force migration since the economic reform and open up were concluded based on the analysis, furthermore, a Logistic model was applied to predict future tendency of labor force migration.

population migration, credit reference system, Logistic model

TP311.132

A

10.11959/j.issn.2096-0271.2016055

2016-02-17