江蘇省流入人口的空間分布及其影響因素分析

胡苗苗，李建輝，閆慶武

（1.黃河水利職業(yè)技術(shù)學(xué)院，河南 開(kāi)封 475004；2.中國(guó)礦業(yè)大學(xué) 公共管理學(xué)院，江蘇 徐州 221116；3.中國(guó)礦業(yè)大學(xué) 江蘇省資源環(huán)境信息工程實(shí)驗(yàn)室，江蘇 徐州 221116）

0 引言

改革開(kāi)放以來(lái)，中國(guó)經(jīng)濟(jì)快速發(fā)展，工業(yè)化、城市化進(jìn)程加快，勞動(dòng)力市場(chǎng)分割限制逐漸減弱［1］。與此同時(shí)， 區(qū)域經(jīng)濟(jì)發(fā)展的不平衡性和城鄉(xiāng)差異的拉大， 以及各地吸引人口流入尤其是高素質(zhì)人才流入政策的出臺(tái)，促使我國(guó)人口流動(dòng)的規(guī)模逐步擴(kuò)大。根據(jù)全國(guó)人口普查統(tǒng)計(jì)，2000 年、2010 年全國(guó)流動(dòng)人口分別為1.21 億、2.21 億，2020 年全國(guó)流動(dòng)人口高達(dá)3.76 億，短短20 年時(shí)間，我國(guó)流動(dòng)人口規(guī)模增加了近2 倍。人口的有序流動(dòng)、人口資源的合理分布對(duì)于統(tǒng)籌區(qū)域和城鄉(xiāng)協(xié)調(diào)發(fā)展， 促進(jìn)社會(huì)穩(wěn)定發(fā)展具有舉足輕重的意義［2］。 但大量人口流入也為流入地的社會(huì)治安、公共服務(wù)、住房、生態(tài)環(huán)境等帶來(lái)了巨大壓力，并提出了更高要求。因此。研究流動(dòng)人口的空間分布特征并掌握人口流動(dòng)的驅(qū)動(dòng)機(jī)制至關(guān)重要。

目前， 關(guān)于人口流動(dòng)的研究以重力模型最為經(jīng)典，基于人口因素、經(jīng)濟(jì)差異、交通可達(dá)性等改進(jìn)的重力模型也具有廣泛應(yīng)用［3］，此外，空間滯后模型、社會(huì)網(wǎng)絡(luò)分析等也被用于分析人口流動(dòng)的驅(qū)動(dòng)機(jī)制［4］。 這些研究主要存在以下不足：（1）驅(qū)動(dòng)機(jī)制的研究模型大都忽略了流動(dòng)人口的空間自相關(guān)特性，即忽略了自變量對(duì)因變量的影響會(huì)因位置的改變而改變的客觀事實(shí)；（2）影響因素的選擇大部分都是統(tǒng)計(jì)數(shù)據(jù)，隨著人口流動(dòng)原因的多元化發(fā)展，傳統(tǒng)的統(tǒng)計(jì)數(shù)據(jù)已不足以支撐流動(dòng)人口驅(qū)動(dòng)機(jī)制的研究；（3）研究尺度以城市群整體、省、市尺度為主，區(qū)（縣）或更小尺度的研究較少。鑒于此，筆者以江蘇省為研究對(duì)象，以區(qū)（縣）為基本研究單元，分析了江蘇省流入人口的空間分布特征和統(tǒng)計(jì)特征， 并在此基礎(chǔ)上構(gòu)建普通最小二乘模型（以下簡(jiǎn)稱(chēng)OLS 模型）和地理加權(quán)回歸模型（以下簡(jiǎn)稱(chēng)GWR 模型），定量研究了江蘇省人口流入的影響因素， 旨在為江蘇省區(qū)域人口政策的制定提供參考。

1 研究區(qū)概況

1.1 地理環(huán)境和區(qū)劃

江蘇省地處中國(guó)大陸東部沿海地區(qū)中部，長(zhǎng)江、淮河下游，東瀕黃海，北接山東，西連安徽，東南與上海、浙江接壤，是長(zhǎng)江三角洲地區(qū)的重要組成部分。截至2021 年12 月31 日，江蘇共轄13 個(gè)設(shè)區(qū)市，95個(gè)縣（市、區(qū)），其中有19 個(gè)縣、21 個(gè)縣級(jí)市、55 個(gè)市轄區(qū)。

1.2 經(jīng)濟(jì)和人口

江蘇省地處長(zhǎng)江經(jīng)濟(jì)帶， 綜合發(fā)展水平在全國(guó)排名領(lǐng)先， 下轄的13 個(gè)設(shè)區(qū)市全部進(jìn)入全國(guó)百?gòu)?qiáng)，綜合實(shí)力百?gòu)?qiáng)區(qū)、百?gòu)?qiáng)縣數(shù)量位居全國(guó)第一。該省人均GDP、 地區(qū)發(fā)展與民生指數(shù)均居全國(guó)省域第一，是我國(guó)經(jīng)濟(jì)發(fā)展最活躍的省份之一。 江蘇省也是人口流動(dòng)大省，根據(jù)第六次全國(guó)人口普查數(shù)據(jù)，江蘇省是人口凈流入省， 流入人口來(lái)源省份主要是安徽省和河南省。計(jì)算指標(biāo)權(quán)重（Q）。

2 研究方法和數(shù)據(jù)來(lái)源

2.1 研究方法

2.1.1 全局空間自相關(guān)指數(shù)

全局空間自相關(guān)指數(shù)主要探索屬性值在整個(gè)空間分布上是否具有相關(guān)性，計(jì)算公式為式（1）［5］。

式中：I 為全局空間自相關(guān)指數(shù)；Xi為區(qū)縣i 的流動(dòng)人口數(shù)；W 為空間權(quán)重矩陣，代表空間單元i 和j 之間的影響程度；S2為樣本方差；n 為空間單元總數(shù)。

2.1.2 熱點(diǎn)分析

熱點(diǎn)分析用于識(shí)別具有統(tǒng)計(jì)顯著性的高值（熱點(diǎn)）和低值（冷點(diǎn)）的空間聚類(lèi)，用以分析人口流入在空間分布上的聚類(lèi)情況，計(jì)算公式為式（2）［6－7］。

式中：xj是要素j 的屬性值；wi*j表示要素i 和j之間的空間權(quán)重；n 是樣本點(diǎn)總數(shù)；X 為均值；S 為標(biāo)準(zhǔn)差。

2.1.3 地理加權(quán)回歸

地理加權(quán)回歸是對(duì)傳統(tǒng)的全局回歸模型的改進(jìn)， 它將數(shù)據(jù)的空間特性以距離加權(quán)的方式納入模型中， 強(qiáng)調(diào)自變量對(duì)因變量的影響會(huì)因位置的改變而改變，更符合客觀事實(shí)。回歸的前提是因變量具有空間相關(guān)性［8］。 地理加權(quán)回歸模型如式（3）所示。

式中：（ui，vi）是第i 個(gè)樣本空間單元的地理中心坐標(biāo)；βj（ui，vi）是連續(xù)函數(shù)βj（u，v）在i 樣本空間單元的值。

2.1.4 熵值法

熵值法是一種客觀的賦權(quán)方法， 用來(lái)衡量指標(biāo)量化后的數(shù)據(jù)中容納的有用信息量， 進(jìn)而衡量各指標(biāo)的權(quán)重。某個(gè)指標(biāo)的權(quán)重愈高，該指標(biāo)對(duì)綜合測(cè)度的影響程度愈大、代表性愈強(qiáng)［9］。 具體實(shí)現(xiàn)過(guò)程如下：

設(shè)有n 個(gè)評(píng)價(jià)對(duì)象，m 個(gè)評(píng)價(jià)指標(biāo)，Xij為第i 個(gè)評(píng)價(jià)對(duì)象的第j 個(gè)指標(biāo)的數(shù)值。 對(duì)Xij進(jìn)行標(biāo)準(zhǔn)化處理，得到X*ij。用式（4）計(jì)算各評(píng)價(jià)對(duì)象在各指標(biāo)上的比值（P），用式（5）計(jì)算評(píng)價(jià)指標(biāo)的信息熵（H），用式（6）計(jì)算第j 個(gè)指標(biāo)的信息熵差異系數(shù)（F），用式（7）

2.2 數(shù)據(jù)來(lái)源

本研究流入人口數(shù)據(jù)采用2015 年全國(guó)流動(dòng)人口動(dòng)態(tài)監(jiān)測(cè)數(shù)據(jù)中現(xiàn)居住地為江蘇省的人；經(jīng)濟(jì)、人口等數(shù)據(jù)來(lái)源于《江蘇省統(tǒng)計(jì)年鑒》； 醫(yī)院、 超市、ATM 及道路數(shù)據(jù)利用Python 爬取；夜間燈光數(shù)據(jù)采用美國(guó)國(guó)家地球物理數(shù)據(jù)中心提供的2015 年的NPP／VIIRS 數(shù)據(jù)， 并去除異常值且背景值設(shè)置為0的數(shù)據(jù)。

3 江蘇省流入人口的特征分析

3.1 空間分布特征

江蘇省流入人口空間分布特征顯著，基本呈“南多北少”的空間分布格局，縣級(jí)尺度流入人口南北差異更明顯。從市級(jí)角度來(lái)看，流入人口最多的城市是常州市、 南京市和蘇州市， 分別約占總流入人口的21.33%、16.67%、15.33%；流入人口最少的城市是淮安市、鹽城市和宿遷市，均不超過(guò)總流入人口的1%。從縣級(jí)尺度來(lái)看，流入人口最多的區(qū)（縣）是常州市武進(jìn)區(qū)、無(wú)錫市江陰市和蘇州市的昆山市，分別約占總流入人口的8.67%、5.67%和4.67%。 流入人口最多的區(qū)（縣）均位于蘇南地區(qū)，流入人口最少的區(qū)（縣）均分布在蘇北和蘇中地區(qū)。

3.2 統(tǒng)計(jì)特征

本研究從10 個(gè)方面描述江蘇省流入人口的統(tǒng)計(jì)特征，如圖1 所示。 總體來(lái)看，江蘇省流入人口以漢族、 有配偶的青壯年為主， 且受教育程度普遍較低；長(zhǎng)時(shí)間的省際流動(dòng)人口較多，安徽省是最主要的省外流入人口來(lái)源地；流入原因以務(wù)工、經(jīng)商為主。從性別構(gòu)成來(lái)看， 江蘇省流入人口中男性多于女性（男女比例為1.17∶1）。從民族特征來(lái)看，約98%的流入人口為漢族。從受教育程度情況來(lái)看，流入人口學(xué)歷普遍較低， 高中及以下學(xué)歷人口約為總流入人口的87%（其中未上過(guò)學(xué)的人口約為3%）， 大專(zhuān)及以上學(xué)歷流入人口約為總流入人口的13%。 從婚姻狀況來(lái)看，有配偶的流入人口約占82%。 從流入人口戶(hù)口所在地來(lái)看，跨省流入人口約占65%，省內(nèi)流入人口約占35%。從年齡結(jié)構(gòu)來(lái)看，99%的流入人口中年齡在15～64 歲之間。 從流入時(shí)間來(lái)看，約71%的流入人口流入時(shí)間超過(guò)5 年。從流入原因來(lái)看，約89%的流入人口為務(wù)工、經(jīng)商，約9.4%的流入人口是家屬隨遷。從人口來(lái)源來(lái)看，貢獻(xiàn)最大的是江蘇省和安徽省，分別約占總流入人口的35%和25%。 分地市來(lái)看：南京市流入人口首要來(lái)源地為安徽省，其他地市流入人口首要來(lái)源地均為江蘇??；南京市、宿遷市、鹽城市的流入人口次要來(lái)源地分別為江蘇省、福建省和山東省， 其他地市流入人口次要來(lái)源地均為安徽省。

圖1 江蘇省流入人口統(tǒng)計(jì)特征Fig.1 Statistical characteristics of the inflowing population in Jiangsu province

3.3 集聚特征

江蘇省流入人口全局空間自相關(guān)指數(shù)是0.55，置信度為99%， 表明流入人口有顯著的空間相關(guān)性。 為了進(jìn)一步了解局部相關(guān)特性，運(yùn)用Arcgis 軟件對(duì)流入人口進(jìn)行熱點(diǎn)分析，結(jié)果如圖2 所示。熱點(diǎn)區(qū)域主要集中在長(zhǎng)江下游的南京、蘇州、無(wú)錫、鎮(zhèn)江、常州、 泰州等地區(qū)， 該地區(qū)表現(xiàn)出顯著的高聚類(lèi)特征， 即省際流入人口較多的區(qū)域在空間上集聚在一起；冷點(diǎn)區(qū)域主要分布在蘇北的鹽城、宿遷、淮安以及蘇中的揚(yáng)州，在該地區(qū)低聚類(lèi)較明顯，人口流入較少的區(qū)縣在空間上呈集聚態(tài)勢(shì)。

圖2 江蘇省流入人口熱點(diǎn)分析結(jié)果Fig.2 Hot spots analysis results of inflowing population in Jiangsu province

4 江蘇省人口流入的影響因素分析

4.1 指標(biāo)選取

綜合其他學(xué)者的研究， 本研究綜合考慮了城鎮(zhèn)化水平、基礎(chǔ)設(shè)施、經(jīng)濟(jì)、產(chǎn)業(yè)結(jié)構(gòu)和人口對(duì)人口流動(dòng)的影響，共選取6 個(gè)因子作為自變量，以流入人口數(shù)為因變量，以區(qū)（縣）為基本研究單元，進(jìn)行影響因素分析，具體指標(biāo)解釋如表1。

表1 變量的描述性統(tǒng)計(jì)Tab.1 Variable descriptive statistics

4.2 基于OLS 模型的人口流入影響因素分析

對(duì)所有變量進(jìn)行Z 值標(biāo)準(zhǔn)化處理，以消除單位對(duì)回歸的影響，得到如式（8）所示的江蘇省流入人口與各自變量的全局OLS 關(guān)系式。

Y＝0.56XTZ＋0.42XLS＋0.03XDS＋0.21XDN－1.80XCY－0.09XSS（8）

從整體來(lái)看， 江蘇省人口流入與固定資產(chǎn)投資、社會(huì)銷(xiāo)售品零食總額、第三產(chǎn)業(yè)占比和夜間燈光數(shù)據(jù)4 個(gè)量均呈正相關(guān)關(guān)系，與從業(yè)人數(shù)、醫(yī)療生活保障呈負(fù)相關(guān)關(guān)系。 即經(jīng)濟(jì)發(fā)展越快、 第三產(chǎn)業(yè)占比越高、 夜間燈光越亮越有利于人口的流入；從業(yè)人數(shù)越多，就業(yè)壓力越大，給城市環(huán)境、醫(yī)療、基礎(chǔ)設(shè)施等帶來(lái)的壓力也越大，越不利于人口的流入。 醫(yī)療生活保障對(duì)人口流入是負(fù)向影響，負(fù)向相關(guān)并不顯著，這可能與公共服務(wù)效率有關(guān)。

4.3 基于GWR 模型的人口流入影響因素分析

全局OLS 模型是從整體的角度探究各自變量與江蘇省人口流入之間的關(guān)系。 該模型基于樣本間彼此獨(dú)立的假設(shè)。而事實(shí)上，流入人口和各自變量均具有空間異質(zhì)性，GWR 模型考慮變量的空間自相關(guān)特性， 因此更適合人口流動(dòng)影響機(jī)制的研究。 基于此， 本文構(gòu)建了GWR 模型， 與OLS 模型作對(duì)比分析，結(jié)果如表2 所示。由表2 可知，GWR 模型的擬合優(yōu)度、AICc 指數(shù)均優(yōu)于OLS 模型， 且GWR 模型強(qiáng)調(diào)各自變量對(duì)人口流動(dòng)的影響會(huì)因位置的改變而不同的特性，更符合人口流動(dòng)的客觀事實(shí)。 因此，采用基于GWR 模型對(duì)江蘇省流入人口影響因素進(jìn)行分析。 經(jīng)計(jì)算，各影響因素回歸系數(shù)的空間分布如圖3所示。

表2 GWR 模型和OLS 模型檢驗(yàn)結(jié)果對(duì)比Tab.2 Comparison of test results of GWR model and OLS model

圖3 各影響因素回歸系數(shù)的空間分布Fig.3 Spatial distribution of regression coefficients for each influencing factor

（1）夜間燈光數(shù)據(jù)。 城鎮(zhèn)化水平越高，越能吸引人口的流入， 人口的流入又進(jìn)一步促進(jìn)了城鎮(zhèn)化發(fā)展，城鎮(zhèn)化水平是影響人口流動(dòng)的重要因素［10－11］。已有研究證明， 城鎮(zhèn)化水平與夜間燈光數(shù)據(jù)具有顯著的相關(guān)關(guān)系［12－13］。 表征城鎮(zhèn)化水平的夜間燈光數(shù)據(jù)對(duì)人口流入是正向影響。 從回歸系數(shù)的空間分布來(lái)看，系數(shù)呈“東北—西南”方向的帶狀變化，且由北向南系數(shù)先減小后增大， 既系數(shù)在蘇北最高、 蘇南其次、蘇中最低。最大值在徐州的豐縣、沛縣和泉山區(qū)，最小值在鹽城的射陽(yáng)縣、建湖縣、鹽都區(qū)。

（2）醫(yī)療條件和生活保障。完善的基礎(chǔ)設(shè)施和便利的醫(yī)療、生活條件是吸引人口流入的重要因素［14］。本文利用熵值法綜合了城市單位面積內(nèi)醫(yī)院、超市、ATM 及道路等的數(shù)量，用得出的權(quán)值作為影響人口流入的基礎(chǔ)設(shè)施因素。 醫(yī)療條件和生活保障對(duì)江蘇省人口流入的影響有正有負(fù)， 從回歸系數(shù)的空間分布來(lái)看，正向影響主要分布在蘇南和蘇中，且正向影響由西向東減?。回?fù)向影響主要分布在蘇北，且越往北負(fù)向影響越大。 正向影響最大值在揚(yáng)州的儀征市和南京的棲霞區(qū)、六合區(qū)，負(fù)向影響最大值在徐州的豐縣、沛縣、泉山區(qū)。蘇南人口密度高，尤其是南京及其周?chē)貐^(qū)，雖然醫(yī)療條件和生活設(shè)施較好，但是人均占有率低，人口集聚對(duì)醫(yī)療、生活等基礎(chǔ)設(shè)施數(shù)量的需求增大，在這些地區(qū)增加醫(yī)療、生活設(shè)施等的投入建設(shè)，可以改善居民生活環(huán)境，吸引更多人口的流入。 在蘇北地區(qū)，醫(yī)療條件和生活保障對(duì)人口流入的影響為負(fù)，這可能與蘇北城市、農(nóng)村的公共服務(wù)水平總體偏低有關(guān)［15］。 詹祥的研究也表明，蘇北政府財(cái)政對(duì)衛(wèi)生的投入并沒(méi)有顯著提升居民健康水平［16］。另一方面，政府財(cái)政在醫(yī)療、生活方面投入過(guò)多，勢(shì)必會(huì)影響其他方向的投入和發(fā)展，反而會(huì)抑制經(jīng)濟(jì)發(fā)展和人口的流入，蘇北各區(qū)（縣）對(duì)醫(yī)療、生活設(shè)施的投入既要照顧“量”的擴(kuò)大，更要注重“質(zhì)”的提升，以切實(shí)提升江蘇省城鄉(xiāng)居民的生活水平。

（3）產(chǎn)業(yè)結(jié)構(gòu)。第三產(chǎn)業(yè)占比對(duì)江蘇省人口流入是正向影響。從回歸系數(shù)的空間分布來(lái)看，系數(shù)由江蘇省中西部呈環(huán)帶狀向外逐漸減小， 最大值出現(xiàn)在盱眙縣、金湖縣、洪澤區(qū)，最小值出現(xiàn)在啟東市、太倉(cāng)市、昆山市。從影響因素來(lái)看，一方面，第三產(chǎn)業(yè)的發(fā)展可以提供更多優(yōu)質(zhì)崗位，吸引人口的流入；另一方面，居民服務(wù)、教育、衛(wèi)生、社會(huì)保障和社會(huì)福利業(yè)等第三產(chǎn)業(yè)的發(fā)展，能大大改善居民生活環(huán)境，也成為吸引人口流入的有利因素［14］。

（4）經(jīng)濟(jì)因素。區(qū)域經(jīng)濟(jì)發(fā)展的不均衡性是造成人口流動(dòng)的主要因素之一［17］。 本文選取固定資產(chǎn)投資和社會(huì)銷(xiāo)售品零售總額代表影響人口流入的經(jīng)濟(jì)因素。固定資產(chǎn)投資對(duì)江蘇省人口流入是正向影響，從回歸系數(shù)的空間分布來(lái)看， 自東南向西北系數(shù)呈條帶狀逐漸減小。最大值出現(xiàn)在蘇州的吳江區(qū)、昆山市、太倉(cāng)市，最小值出現(xiàn)在連云港的贛榆區(qū)和徐州的豐縣、沛縣。蘇南受固定資產(chǎn)投資的正向影響明顯高于蘇北， 這一方面是因?yàn)楣潭ㄙY產(chǎn)投資的規(guī)模、速度、 比例關(guān)系和使用方向等與地市的經(jīng)濟(jì)發(fā)展水平密切相關(guān)，進(jìn)而影響人口的流動(dòng)。蘇南的地市比如蘇州、無(wú)錫和南京的第三產(chǎn)業(yè)投資占比高，更利于人口的流入， 南京的第三產(chǎn)業(yè)固定資產(chǎn)投資占固定資產(chǎn)投資比重超過(guò)70%，而其他地市的固定資產(chǎn)投資中私營(yíng)個(gè)體經(jīng)濟(jì)和工業(yè)占比最高， 個(gè)體經(jīng)濟(jì)和工業(yè)對(duì)人口流入的拉動(dòng)作用明顯低于第三產(chǎn)業(yè)的拉動(dòng)作用。另一方面的原因可能是蘇南地處長(zhǎng)三角經(jīng)濟(jì)帶，受上海經(jīng)濟(jì)輻射帶動(dòng)作用強(qiáng)， 接觸到的投資資源也較蘇北多。

社會(huì)消費(fèi)品零售總額對(duì)江蘇省人口流入是正向影響，從回歸系數(shù)的空間分布來(lái)看，由南向北，該系數(shù)有增加的趨勢(shì)，蘇北的系數(shù)明顯高于蘇南。最大值在連云港的贛榆區(qū)、東?？h、海州區(qū)，最小值在南京的六合區(qū)、浦口區(qū)、鼓樓區(qū)。 社會(huì)消費(fèi)品零售總額被視為是人民生活情況較真實(shí)的反映， 蘇北地區(qū)經(jīng)濟(jì)雖然稍遜色于蘇南，但是相對(duì)于蘇南的高房?jī)r(jià)、高消費(fèi)，蘇北房?jī)r(jià)低、生活成本低，人們的可支配收入高，由此刺激了本地消費(fèi)， 加之近年來(lái)蘇北經(jīng)濟(jì)發(fā)展迅速，基礎(chǔ)設(shè)施和生活環(huán)境日益改善，舒適安逸的生活也成為蘇北吸引外來(lái)流動(dòng)人口的一大優(yōu)勢(shì)。

（5）人口因素。從業(yè)人數(shù)對(duì)江蘇省人口流入是負(fù)向影響，從回歸系數(shù)的空間分布來(lái)看，由東向西負(fù)向影響逐漸減弱。 最大值出現(xiàn)在鹽城大豐區(qū)、亭湖區(qū)、射陽(yáng)縣，最小值在南京的浦口區(qū)、六合區(qū)、建鄴區(qū)。從業(yè)人口能為城市發(fā)展提供勞動(dòng)力， 但是數(shù)量一旦超過(guò)城市對(duì)人口的承載能力， 則會(huì)成為人口流入的阻力，會(huì)對(duì)流入地的環(huán)境、住房、醫(yī)療衛(wèi)生和基礎(chǔ)設(shè)施等造成負(fù)擔(dān)，同時(shí)也會(huì)增加就業(yè)壓力，影響居民的生活質(zhì)量，進(jìn)一步造成了人口流入的減少。從業(yè)人口數(shù)對(duì)江蘇省各個(gè)區(qū)（縣）人口流入的影響均為負(fù)，也從側(cè)面說(shuō)明了江蘇省的就業(yè)人口趨于飽和， 尤其是東部沿海地區(qū)出現(xiàn)了勞動(dòng)力過(guò)剩的現(xiàn)象， 成為人口流入的抑制力。 政府應(yīng)積極應(yīng)對(duì)，刺激經(jīng)濟(jì)發(fā)展，提供更多的工作崗位， 同時(shí)給失業(yè)者提供必要的生活保障，積極引導(dǎo)再就業(yè)和創(chuàng)業(yè)。

4.4 最值影響因子分析

將各區(qū)（縣）的自變量回歸系數(shù)進(jìn)行排序，得到了江蘇省流入人口的最大影響因素，空間分布如圖4 所示。 最值影響將江蘇省大致分為三部分，江蘇省西北部、東北部以及中部和南部，具體如下：正向最大影響因素有醫(yī)療生活保障、夜間燈光數(shù)據(jù)和社會(huì)銷(xiāo)售品零售總額。江蘇中部和南部各區(qū)（縣）受醫(yī)療和生活保障的正向影響最大，受從業(yè)人數(shù)的負(fù)向影響最大，這可能是因?yàn)樘K中和蘇南是江蘇省經(jīng)濟(jì)發(fā)展較活躍區(qū)域，人口密度較大，需就業(yè)人數(shù)多，就業(yè)壓力增大，同時(shí)使醫(yī)療、衛(wèi)生等基礎(chǔ)設(shè)施人均占有量少。因此，在江蘇省中部和南部各區(qū)（縣）加大醫(yī)療和生活等基礎(chǔ)設(shè)施建設(shè)的同時(shí)，增加就業(yè)崗位，會(huì)有助于人口的流入。江蘇西北部各區(qū)（縣）受夜間燈光數(shù)據(jù)正向影響最大。受醫(yī)療條件和生活保障負(fù)向影響最大，這可能是因?yàn)榻K西北部城鎮(zhèn)化率較其他地區(qū)低。 因此，城鎮(zhèn)化建設(shè)會(huì)刺激經(jīng)濟(jì)發(fā)展和人口流入。 而蘇北城市、農(nóng)村的公共服務(wù)水平總體偏低，抑制了人口的流入。 因此在這些地區(qū)加快城鎮(zhèn)化發(fā)展，提高醫(yī)療、生活等的服務(wù)質(zhì)量，能夠促進(jìn)人口的流入。江蘇省東北部受社會(huì)消費(fèi)品零售總額的正向影響最大，受醫(yī)療條件和生活保障的負(fù)向影響最大。 在這些地區(qū)，經(jīng)濟(jì)因素的刺激和基礎(chǔ)服務(wù)質(zhì)量的提高能最大程度地刺激人口流入。

圖4 正向（左）、負(fù)向（右）最大影響因素的空間分布Fig.4 Spatial distribution of positive （left） and negative （right） largest influencing factors

5 結(jié)語(yǔ)

綜上所述，江蘇省流入人口空間分布特征顯著。從人口流入驅(qū)動(dòng)機(jī)制來(lái)看，夜間燈光數(shù)據(jù)、固定資產(chǎn)投資、社會(huì)消費(fèi)品零售總額、第三產(chǎn)業(yè)占比對(duì)人口流入是正向影響，可以促進(jìn)人口流入；從業(yè)人數(shù)對(duì)人口流入是負(fù)向影響，會(huì)抑制人口流入；基礎(chǔ)設(shè)施的影響有正有負(fù)。

近年來(lái)， 流動(dòng)人口問(wèn)題受到了社會(huì)各界的廣泛關(guān)注，流動(dòng)人口文化程度普遍較低，在流入地，其衛(wèi)生、安全、住房、子女教育等問(wèn)題常常得不到很好的保障，也由于戶(hù)籍不在流入地，醫(yī)療、養(yǎng)老、生育等問(wèn)題得不到解決，一旦發(fā)生事故，往往不能得到及時(shí)救治，這給流入人口本身及其家庭徒增了負(fù)擔(dān)，也影響了流入地的社會(huì)安定。希望地方政府積極采取措施，一方面擴(kuò)大就業(yè)，保障流入人群的基本生活需求，另一方面完善流動(dòng)人口保障機(jī)制， 出臺(tái)流入人口優(yōu)惠政策，促進(jìn)經(jīng)濟(jì)發(fā)展和社會(huì)的繁榮、穩(wěn)定。