基于手機(jī)信令數(shù)據(jù)的中國(guó)人口空間格局及影響因素研究

樊 勇，劉瓊歡，黃小巾*，李敏敏1,，賀 彪1,,5，郭文華，王彥坤

(1.自然資源部 城市國(guó)土資源監(jiān)測(cè)與仿真重點(diǎn)實(shí)驗(yàn)室， 廣東 深圳 518034; 2.深圳職業(yè)技術(shù)學(xué)院 人工智能學(xué)院，廣東 深圳 518055； 3.深圳大學(xué) 建筑與城市規(guī)劃學(xué)院, 廣東 深圳 518061; 4.自然資源部 信息中心， 北京 100036； 5.自然資源部 國(guó)土空間大數(shù)據(jù)工程技術(shù)創(chuàng)新中心, 北京 100036)

0 引言

新型城鎮(zhèn)化是當(dāng)前和未來(lái)一段時(shí)期我們國(guó)家的重大發(fā)展戰(zhàn)略。新型城鎮(zhèn)化強(qiáng)調(diào)實(shí)現(xiàn)“人的城鎮(zhèn)化”。因此，摸清區(qū)域人口分布是促進(jìn)人的城鎮(zhèn)化的重要前提，也是新型城鎮(zhèn)化的核心議題之一。

隨著我國(guó)城市化進(jìn)程的持續(xù)推進(jìn)，人口分布時(shí)空格局的研究受到學(xué)術(shù)界廣泛關(guān)注，取得了豐碩的成果，如：人口空間分布的估算與預(yù)測(cè)[1]、人口時(shí)空格局及演變的作用機(jī)制等[2-6]。經(jīng)濟(jì)規(guī)模、收入水平、產(chǎn)業(yè)結(jié)構(gòu)代表的經(jīng)濟(jì)機(jī)會(huì)因素是塑造中國(guó)人口分布格局的關(guān)鍵力量[7-10]。流動(dòng)人口的研究主要集中在兩個(gè)方面：(1)人口流動(dòng)的空間模式，以及人口流動(dòng)對(duì)流入地和流出地的影響；(2)人口規(guī)模對(duì)產(chǎn)業(yè)集聚或產(chǎn)業(yè)創(chuàng)新的影響。流動(dòng)人口較多的城市集中在7大城市群的中心城市[11]。人口的流動(dòng)導(dǎo)致人口集聚，人口集聚更有利于城市創(chuàng)新[12]。大城市對(duì)人口的“虹吸”效應(yīng),進(jìn)一步擠壓了中小城市的發(fā)展空間[13]。在此背景下，中國(guó)以縣域?yàn)閱卧娜丝诔尸F(xiàn)怎樣的空間分布特征？造成人口流動(dòng)的影響因素是什么？城市群地區(qū)、非城市群地區(qū)、東部地區(qū)和西部地區(qū)的人口流動(dòng)影響因素是否有差異？這些問(wèn)題的研究，對(duì)于區(qū)域人口管理和區(qū)域發(fā)展政策的制定具有重要的借鑒意義。

人口普查數(shù)據(jù)具有覆蓋面廣、權(quán)威性高的優(yōu)點(diǎn)，但普查需要耗費(fèi)大量的人力物力，并且空間分辨率較低，時(shí)效性較弱，很難實(shí)現(xiàn)對(duì)人口分布的復(fù)雜性與動(dòng)態(tài)性的精準(zhǔn)刻畫(huà)。以手機(jī)信令為代表的通信大數(shù)據(jù)，具有采集周期短、時(shí)效性強(qiáng)的優(yōu)點(diǎn)，能及時(shí)且精細(xì)地描述人口分布格局和流動(dòng)模式，很好地體現(xiàn)流入地和流出地的一一對(duì)應(yīng)與互動(dòng)關(guān)系。以手機(jī)信令數(shù)據(jù)為代表的大數(shù)據(jù)分析技術(shù)為人口研究提供了新契機(jī)和新視角[14]，在城市空間結(jié)構(gòu)[15]、居民活動(dòng)空間[16]、出行行為特征[17]等領(lǐng)域得到廣泛應(yīng)用。然而，已有研究主要集中于區(qū)域、省際和市縣域[18]等空間尺度，少有從宏觀層面綜合分析中國(guó)人口時(shí)空變化的研究。

本研究基于手機(jī)信令數(shù)據(jù)，采用地理信息和大數(shù)據(jù)等技術(shù)方法，從宏觀層面刻畫(huà)中國(guó)人口分布特征和集聚程度，從區(qū)域?qū)用娣治鲋袊?guó)人口流動(dòng)特征。通過(guò)構(gòu)建回歸模型，探索中國(guó)人口流動(dòng)的影響因素，分析不同地區(qū)人口流動(dòng)的驅(qū)動(dòng)力。

1 數(shù)據(jù)和方法

1.1 數(shù)據(jù)來(lái)源

(1)統(tǒng)計(jì)數(shù)據(jù)：2018年《中國(guó)縣域統(tǒng)計(jì)年鑒》和《中國(guó)城市統(tǒng)計(jì)年鑒》。統(tǒng)計(jì)數(shù)據(jù)主要獲取戶籍人口信息、地區(qū)生產(chǎn)總值(GPD)、產(chǎn)業(yè)結(jié)構(gòu)(第三產(chǎn)業(yè)占比和第二產(chǎn)業(yè)占比)、人均可支配收入等。

(2)手機(jī)信令數(shù)據(jù)：手機(jī)在開(kāi)機(jī)狀態(tài)下，會(huì)定期或不定期、主動(dòng)或被動(dòng)地與附近基站進(jìn)行通信，平均每個(gè)用戶每天會(huì)發(fā)送10余萬(wàn)條信號(hào)，這些信號(hào)連續(xù)地記錄了用戶的移動(dòng)軌跡。與傳統(tǒng)數(shù)據(jù)和其他大數(shù)據(jù)相比，手機(jī)信令數(shù)據(jù)具有網(wǎng)絡(luò)覆蓋面積廣、采樣及時(shí)、更新及時(shí)、數(shù)據(jù)穩(wěn)定可靠、樣本量大等優(yōu)勢(shì)，能夠細(xì)粒度地記錄用戶每一時(shí)刻的位置信息。本文采用2018年中國(guó)聯(lián)通手機(jī)信令數(shù)據(jù)獲取常住人口(居住6個(gè)月以上)信息。將原始手機(jī)信令數(shù)據(jù)經(jīng)過(guò)降噪、插值和質(zhì)檢等處理后，形成250 m格網(wǎng)尺度下的擴(kuò)樣常態(tài)實(shí)際人數(shù)據(jù)和人口遷徙數(shù)據(jù)(Origin to Destination，以下簡(jiǎn)稱OD數(shù)據(jù))[19]，并將其轉(zhuǎn)換到區(qū)縣尺度。

(3)交通和縣級(jí)行政區(qū)劃數(shù)據(jù)：交通數(shù)據(jù)來(lái)源于中華人民共和國(guó)自然資源部2015年全國(guó)鐵路、高速公路、國(guó)道、省道和縣道矢量數(shù)據(jù)，縣級(jí)行政區(qū)劃來(lái)源于中國(guó)城市規(guī)劃設(shè)計(jì)研究院2015年中國(guó)1∶100萬(wàn)分縣行政區(qū)劃矢量數(shù)據(jù)庫(kù)。

1.2 研究方法

(1)人口密度：人口密度是單位面積土地上居住的人口數(shù)。它是表示區(qū)域人口密集程度的指標(biāo)。

(2)人口集聚度：人口集聚度指地區(qū)人口密度與當(dāng)年全國(guó)人口密度的比值，能夠反映一個(gè)地區(qū)相對(duì)于全國(guó)的人口集聚程度以及本地區(qū)與全國(guó)平均水平的差異，它比傳統(tǒng)的人口密度、人口總量指標(biāo)更直觀[20]。

(1)

其中：JJDi是i縣的人口集聚度；Pi是i縣的人口數(shù)量,人；Ai是i縣的土地面積,km2;An是全國(guó)土地面積,km2;Pn是全國(guó)總?cè)丝?人。

(3)多元線性回歸模型：多元回歸分析是選取兩個(gè)或兩個(gè)以上的自變量來(lái)解釋因變量的變化，考慮自變量和因變量之間的線性影響關(guān)系就是多元線性回歸。設(shè)因變量為Y，影響因變量的k個(gè)自變量分別為X1,X2,…,Xk，自變量與因變量之間為線性關(guān)系時(shí)，則多元線性回歸模型為：

Y=β0+β1X1+β2X2+…+βkXk+ε，

(2)

其中：β0為常數(shù)項(xiàng)；β1,β2,…,βk為回歸系數(shù)；ε為誤差項(xiàng)。

2 結(jié)果與分析

2.1 人口空間分布特征

2.1.1 人口數(shù)量與人口密度

以縣域?yàn)榛締卧獙?duì)手機(jī)信令數(shù)據(jù)進(jìn)行專題制圖(文中所制地圖參考審圖號(hào)：GS (2022) 4307)，可以從宏觀上認(rèn)識(shí)中國(guó)人口分布格局。

中國(guó)人口分布空間不均衡，從圖1可以看出,中國(guó)人口主要分布在胡煥庸線東南的規(guī)律仍然沒(méi)有改變，大多數(shù)人口分布在華北平原、成渝地區(qū)、長(zhǎng)三角、京津冀和珠三角等經(jīng)濟(jì)發(fā)達(dá)地區(qū)。從中國(guó)人口密度圖可以看出，京津冀、華北平原、長(zhǎng)三角、長(zhǎng)江中游、成渝地區(qū)、山東半島和東南沿海地區(qū)，特別是重點(diǎn)城市區(qū)域，是我國(guó)人口密度較高的區(qū)域，廣大的西部地區(qū)、西南山區(qū)和東北部分地區(qū)人口密度相對(duì)較低。

圖1 2018年中國(guó)人口密度圖(常住人口)Fig. 1 China’s population density in 2018 (permanent population)

中國(guó)人口分布區(qū)域差異顯著，城市集中了我國(guó)大部分人口。如圖2所示,城市群尺度上，國(guó)家規(guī)劃的20個(gè)城市群集中了約69%的全國(guó)人口，其中，經(jīng)濟(jì)最發(fā)達(dá)的長(zhǎng)三角城市群是中國(guó)常住人口數(shù)量最多的城市群，約占全國(guó)人口的10%。長(zhǎng)三角城市群、長(zhǎng)江中游城市群和京津冀城市群的常住人口總量均突破1億人，是我國(guó)城市群人口數(shù)量最多的區(qū)域。

圖2 2018年中國(guó)城市群的人口數(shù)量(常住人口)Fig. 2 Population of China’s urban agglomeration in 2018 (permanent population)

區(qū)縣尺度上，2018年北京市市轄區(qū)常住人口突破3千萬(wàn)人，依然是我國(guó)人口數(shù)量最多的城市；其次，上海市市轄區(qū)(28 698 647人)、重慶市市轄區(qū)(24 820 713人)、廣州市市轄區(qū)(22 925 459人)、深圳市市轄區(qū)(18 910 501人)、天津市市轄區(qū)(17 818 156人)、成都市市轄區(qū)(14 283 617人)、武漢市市轄區(qū)(12 675 727人)、東莞市市轄區(qū)(12 347 016人)和杭州市市轄區(qū)(11 940 876人)等10個(gè)人口最多的城市市轄區(qū)常住人口均突破千萬(wàn)；然而，西藏自治區(qū)和新疆維吾爾自治區(qū)的部分縣(如：札達(dá)縣、日土縣、普蘭縣)，2018年常住人口不足萬(wàn)人。

此外，南北方面，南方人口在數(shù)量(8.12億人)總體高于北方人口(5.82億人)，高出18%。東中西北方面，東部地區(qū)最高(4.83億人)，約占42%；東北地區(qū)最低(1.04億人)，約占8%；中部(4.03億人)略微高于西部地區(qū)(4.02億人)，約占26%。

2.1.2 人口集聚度和人口流動(dòng)

根據(jù)人口集聚度的計(jì)算方法，對(duì)常住人口數(shù)據(jù)進(jìn)行計(jì)算并制圖，如圖3所示。從圖3可以看出，中國(guó)人口集聚特征非常明顯。人口主要集聚在胡煥庸線的東南側(cè),東南半壁密中有疏，西北半壁則疏中有密；人口分布多圈層集聚特征明顯；中國(guó)人口集聚呈現(xiàn)出以平原地區(qū)為依托并高度集聚于“沿江、沿海、沿線”的特征。城市群是中國(guó)人口集聚的主要區(qū)域，特別是長(zhǎng)三角城市群、京津冀城市群、珠三角城市群、成渝城市群、中原城市群、長(zhǎng)江中游城市群等重要的城市群區(qū)域。

圖3 2018年中國(guó)人口集聚度圖(常住人口) Fig. 3 China’s population concentration in 2018 (permanent population)

選取2018年中國(guó)聯(lián)通流動(dòng)人口數(shù)據(jù)，以36個(gè)重要城市(省會(huì)城市和國(guó)務(wù)院計(jì)劃單列市)為基準(zhǔn)，計(jì)算36個(gè)主要城市與全國(guó)其他城市(340個(gè)城市)間的OD數(shù)據(jù)，對(duì)計(jì)算結(jié)果進(jìn)行專題地圖表達(dá)(如圖4)，刻畫(huà)中國(guó)流動(dòng)人口空間分布特征。

從圖4可以看出，中國(guó)的人口流動(dòng)主要分布在“胡煥庸”線東南側(cè)，向核心城市和城市群集中，呈現(xiàn)成片分布格局。人口集聚程度較高的京津冀城市群、長(zhǎng)三角城市群和珠三角城市群的人口流動(dòng)情況具體如下：

(1)京津冀城市群與全國(guó)其他城市的聯(lián)系度高于長(zhǎng)三角和珠三角城市群。

圖4 2018年中國(guó)流動(dòng)人口圖(常住人口)Fig. 4 China’s floating population in 2018 (permanent population)

(2)長(zhǎng)三角城市群人口流入大于人口流出，而京津冀和珠三角城市群人口流出大于人口流入。

(3)與京津冀城市群聯(lián)系較密切的城市為上海、濟(jì)南、青島、太原、鄭州等，京津冀城市群中北京對(duì)外聯(lián)系強(qiáng)度最高，京津冀城市群的對(duì)外聯(lián)系表現(xiàn)出以北京為核心的單核特征。

(4)與長(zhǎng)三角城市群聯(lián)系較密切的城市為北京、武漢、廣州、青島、深圳等，長(zhǎng)三角城市群中上海、杭州、南京的對(duì)外聯(lián)系強(qiáng)度較高，長(zhǎng)三角城市群的對(duì)外聯(lián)系表現(xiàn)為上海、杭州和南京為核心的三核特征。

(5)與珠三角城市群聯(lián)系較密切的城市為北京、上海、長(zhǎng)沙、重慶、武漢、廈門(mén)、南寧等，珠三角城市群中廣州、深圳的對(duì)外聯(lián)系強(qiáng)度較高，珠三角城市群的對(duì)外聯(lián)系表現(xiàn)為以廣州和深圳為核心的雙核特征。

2.2 人口流動(dòng)的影響因素分析

2.2.1 模型和變量

為了分析中國(guó)人口流動(dòng)的影響因素，以戶籍人口分布密度(HJDen)、經(jīng)濟(jì)發(fā)展水平(GDP)、平均收入(PerIncome)、第三產(chǎn)業(yè)比重(Third)、第二產(chǎn)業(yè)比重(Second)、公路網(wǎng)密度(TraCon)為自變量，常住人口密度為因變量，構(gòu)造一個(gè)多元線性回歸模型如下：

LPop=β0+β1HJDen+β2GDP+β3PerIncome+β4Third+β5Second+β6TraCon+ε，

(3)

其中：人口流入量(LPop)為常住人口與戶籍人口數(shù)的差值；交通連通度(TraCon)采用公路網(wǎng)密度即區(qū)域公路總長(zhǎng)度與區(qū)域面積比值；平均收入(PerIncome)為區(qū)域人均可支配收入β0為常數(shù)項(xiàng);β1,…,β6為模型參數(shù);ε為誤差項(xiàng)。各變量信息如表1所示，剔除缺失值后樣本數(shù)量共2 162個(gè)。為了對(duì)比城市群地區(qū)和非城市群地區(qū)、東部地區(qū)和西部地區(qū)人口流動(dòng)的驅(qū)動(dòng)力差異，本文提取了國(guó)家規(guī)劃的20個(gè)城市群中1 124個(gè)縣域和1 038個(gè)非城市群地區(qū)縣域，及胡煥庸線以東1 771個(gè)縣域和胡煥庸線以西391個(gè)縣域，分別加以測(cè)算。

多重共線性診斷是自變量之間相關(guān)關(guān)系的重要表現(xiàn)，如果模型存在較高共線性，會(huì)導(dǎo)致顯著性檢驗(yàn)失去意義及模型的預(yù)測(cè)功能失效。因此，本文運(yùn)用方差膨脹因子(VIF)對(duì)因子進(jìn)行多重共線性檢驗(yàn)。以VIF=7.5為標(biāo)準(zhǔn)，當(dāng)VIF>7.5表明自變量間存在多重共線性，將其剔除并以逐步回歸法得到最優(yōu)結(jié)果；共線性檢驗(yàn)結(jié)果表明自變量間不存在多重共線性(見(jiàn)表1)。

表1 變量描述性統(tǒng)計(jì)與共線性檢驗(yàn)Tab. 1 Variable description and collinearity test

2.2.2 回歸分析

根據(jù)回歸分析結(jié)果，在全國(guó)尺度上,回歸模型具有較高的解釋度(R2=78.9%),自變量能解釋全國(guó)人口流動(dòng)變化。經(jīng)濟(jì)因素對(duì)人口流動(dòng)產(chǎn)生較為顯著的影響。具體來(lái)說(shuō)，經(jīng)濟(jì)規(guī)模和收入水平提高對(duì)人口的流入量有顯著正向影響。隨著中國(guó)經(jīng)濟(jì)發(fā)展方式的轉(zhuǎn)型，第三產(chǎn)業(yè)逐漸成為國(guó)民經(jīng)濟(jì)的主導(dǎo)產(chǎn)業(yè)，產(chǎn)業(yè)結(jié)構(gòu)就業(yè)吸納能力強(qiáng)，第三產(chǎn)業(yè)對(duì)人口的流入具有較弱的正向影響，而第二產(chǎn)業(yè)比重的提高對(duì)人口的流入有微弱的負(fù)影響。已有的研究也表明中國(guó)第二產(chǎn)業(yè)出現(xiàn)了負(fù)就業(yè)彈性，而服務(wù)業(yè)迅速發(fā)展對(duì)就業(yè)的增長(zhǎng)起到了決定性的拉動(dòng)作用。交通連通度(公路網(wǎng)密度)對(duì)人口的流動(dòng)具有正向影響，道路基礎(chǔ)設(shè)施越完善，人口流入量越高。戶籍人口密度對(duì)人口的流動(dòng)有著較明顯的負(fù)影響，這是由于多數(shù)戶籍人口密集分布地區(qū)也是勞動(dòng)人口的輸出地。

模型(3)對(duì)城市群地區(qū)的解釋度更高(R2=82.7%)，經(jīng)濟(jì)因素是人口流動(dòng)的主要驅(qū)動(dòng)力，表現(xiàn)在:經(jīng)濟(jì)規(guī)模、人均可支配收入對(duì)人口的流入均表現(xiàn)顯著的正向影響;城市經(jīng)濟(jì)發(fā)展水平和工資收入越高,越能吸引人口流入;同時(shí)第三產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化升級(jí)也對(duì)人口的流入有正向的促進(jìn)作用。戶籍人口密度對(duì)人口流入的負(fù)向影響在城市群地區(qū)有所減弱，這是由于我國(guó)主要的大城市大多集中在城市群地區(qū)，這些大城市在歷史上也都是人口集聚地區(qū)，本地戶籍人口多，外來(lái)人口也多，因此從數(shù)據(jù)上城市群地區(qū)以縣域?yàn)閱卧膽艏丝诿芏葘?duì)人口流出具有微弱的負(fù)影響。

與其他地區(qū)微弱的負(fù)相關(guān)相比，非城市群地區(qū)的戶籍人口密度與人口流入量的關(guān)系表現(xiàn)為顯著的負(fù)相關(guān)，戶籍人口密度越高的地方，人口的流出量越大。非城市群地區(qū)整體經(jīng)濟(jì)發(fā)展水平較低，產(chǎn)業(yè)結(jié)構(gòu)落后，長(zhǎng)期以來(lái)勞動(dòng)力的供給大于需求，在發(fā)達(dá)地區(qū)更高工資收入、更多經(jīng)濟(jì)機(jī)會(huì)的吸引下，成為勞動(dòng)力的主要輸出地。平均收入、第三產(chǎn)業(yè)占比和交通連通度對(duì)非城市群地區(qū)的人口流動(dòng)產(chǎn)生有著明顯的正向影響，而經(jīng)濟(jì)規(guī)模、第二產(chǎn)業(yè)占比對(duì)人口流入的正向影響較小。值得注意的是，本模型對(duì)非城市群地區(qū)的人口流動(dòng)的解釋度僅為24.5%，這說(shuō)明非城市群地區(qū)的人口流動(dòng)的主導(dǎo)因素比其他地區(qū)更復(fù)雜，除了經(jīng)濟(jì)、產(chǎn)業(yè)結(jié)構(gòu)和交通三大要素還可能與地區(qū)自然地理?xiàng)l件、醫(yī)療教育等公共服務(wù)水平、地區(qū)生活品質(zhì)等因素相關(guān)。

模型(3)對(duì)東部地區(qū)、西部地區(qū)的人口流動(dòng)的解釋度分別為80.3%和60.5%，各影響因子對(duì)東部地區(qū)人口流動(dòng)的驅(qū)動(dòng)作用與城市群地區(qū)很相似，經(jīng)濟(jì)規(guī)模、平均收入和第三產(chǎn)業(yè)占比對(duì)人口流入都具有正向的促進(jìn)作用，戶籍人口密度與第二產(chǎn)業(yè)占比對(duì)人口流入量具有負(fù)影響。交通連通度對(duì)東部地區(qū)人口流動(dòng)的正向影響沒(méi)有顯著性意義。而西部地區(qū)人口流動(dòng)主要由于經(jīng)濟(jì)規(guī)模的正向影響和交通連通度的負(fù)影響，經(jīng)濟(jì)規(guī)模越大的地區(qū)對(duì)人口遷移的吸引力越大，而交通連通度則降低了西部地區(qū)人口的遷移成本，促進(jìn)人口的流出。戶籍人口密度、平均收入、產(chǎn)業(yè)結(jié)構(gòu)對(duì)西部地區(qū)人口流動(dòng)的影響沒(méi)有顯著性意義，這可能是因?yàn)槲鞑康貐^(qū)地廣人稀、二三產(chǎn)業(yè)占比低、區(qū)域工資收入差異較小。

3 討論

基于手機(jī)信令數(shù)據(jù)，通過(guò)人口數(shù)量、人口密度和人口集聚度三個(gè)指標(biāo)，開(kāi)展常住人口在國(guó)家和區(qū)域尺度的空間格局、流動(dòng)特征和影響因素分析。研究發(fā)現(xiàn)，中國(guó)人口仍然集聚在胡煥庸線的東南側(cè),東南半壁密中有疏，西北半壁則疏中有密；人口分布多圈層集聚特征明顯；人口集聚呈現(xiàn)出以平原地區(qū)為依托并高度集聚于“沿江、沿海、沿線”的特征；人口流動(dòng)向核心城市和城市群集中，呈現(xiàn)成片分布格局。

整體而言，經(jīng)濟(jì)因素是中國(guó)人口流動(dòng)的關(guān)鍵驅(qū)動(dòng)力，經(jīng)濟(jì)規(guī)模越大、收入水平越高、產(chǎn)業(yè)結(jié)構(gòu)更優(yōu)(第三產(chǎn)業(yè)占比高)的地區(qū)人口流入量越多，交通因素同樣有助于人口的流動(dòng)。相同要素在不同地區(qū)對(duì)人口流動(dòng)產(chǎn)生不同影響，經(jīng)濟(jì)規(guī)模對(duì)城市群地區(qū)、東部地區(qū)和西部地區(qū)的人口流入起到了重要的正向促進(jìn)作用，但對(duì)于非城市群地區(qū)的正向影響則很微弱；平均收入對(duì)城市群地區(qū)、非城市群地區(qū)和東部地區(qū)有較明顯的正向影響；第三產(chǎn)業(yè)對(duì)城市群地區(qū)和東部地區(qū)人口流入具有微弱的正向影響，對(duì)非城市群地區(qū)的正向影響則更為顯著；第二產(chǎn)業(yè)對(duì)城市群地區(qū)和東部地區(qū)人口流入產(chǎn)生微弱的負(fù)影響，對(duì)非城市群地區(qū)的影響則表現(xiàn)為正相關(guān)性；戶籍人口密度對(duì)城市群地區(qū)、非城市群地區(qū)和東部地區(qū)的人口流入具有負(fù)影響，尤其非城市群地區(qū)的負(fù)影響更為顯著；交通聯(lián)通度對(duì)非城市群地區(qū)和西部地區(qū)的人口流動(dòng)具有顯著性意義，不過(guò)效果卻截然相反(非城市群地區(qū)表現(xiàn)為正向影響而西部地區(qū)則為負(fù)影響)。

以經(jīng)濟(jì)、交通和戶籍人口三大要素為主的回歸模型對(duì)全國(guó)層面和發(fā)達(dá)地區(qū)(城市群地區(qū)和東部地區(qū))的人口流動(dòng)具有較高的解釋度，對(duì)非城市群地區(qū)和西部地區(qū)這些經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)的解釋度較低，特別是非城市群地區(qū)的解釋度僅為24.5%，這說(shuō)明欠發(fā)達(dá)地區(qū)人口流動(dòng)的驅(qū)動(dòng)因素更為復(fù)雜多樣，未來(lái)需要進(jìn)一步研究。

4 結(jié)論

手機(jī)信令數(shù)據(jù)能客觀反映中國(guó)人口空間分布和流動(dòng)特征。相對(duì)統(tǒng)計(jì)數(shù)據(jù)而言，手機(jī)信令數(shù)據(jù)覆蓋范圍廣、用戶持有率高，能更好反映人口流動(dòng)行為的時(shí)空規(guī)律；手機(jī)信令數(shù)據(jù)不輸出任何個(gè)人屬性信息，不涉及個(gè)人隱私，安全性較好；手機(jī)信令數(shù)據(jù)具有動(dòng)態(tài)實(shí)時(shí)性和連續(xù)性，能準(zhǔn)確反映在連續(xù)時(shí)間區(qū)段內(nèi)，不同時(shí)間點(diǎn)，匿名用戶所在的空間位置，為定量描述區(qū)域內(nèi)人群流動(dòng)軌跡提供了可能。

當(dāng)然，研究也發(fā)現(xiàn)了手機(jī)信令數(shù)據(jù)存在的問(wèn)題，如：數(shù)據(jù)精度缺陷，依賴于手機(jī)通信基站定位方式獲得的位置存在無(wú)法避免的空間誤差。在使用數(shù)據(jù)的代表性方面，本文僅通過(guò)聯(lián)通手機(jī)信令數(shù)據(jù)擴(kuò)樣全量用戶，以手機(jī)用戶數(shù)近似為常駐人口數(shù)量，未充分考慮聯(lián)通、移動(dòng)、電信等不同運(yùn)營(yíng)商在不同區(qū)域市場(chǎng)占有率的差異和特殊人群等非活躍手機(jī)用戶群體對(duì)人口分布的影響。此外，手機(jī)信令數(shù)據(jù)存在明顯的有偏性、用戶屬性缺乏等缺陷，在支撐機(jī)制機(jī)理研究上存在缺陷，未來(lái)研究需多源數(shù)據(jù)融合予以支撐。

統(tǒng)計(jì)數(shù)據(jù)中的戶籍人口指標(biāo)無(wú)法體現(xiàn)人口的真實(shí)流動(dòng)信息，存在低估經(jīng)濟(jì)發(fā)達(dá)地區(qū)的人口信息的問(wèn)題。未來(lái)，需要強(qiáng)化對(duì)戶籍人口、常住人口、流動(dòng)人口和實(shí)際人口(城市服務(wù)人口)等指標(biāo)的概念界定和識(shí)別方法研究。