我国人口半城镇化空间差异的多尺度分析

单 良，韩 放，宋关东

(辽宁师范大学 城市与环境学院，辽宁 大连 116029)

我国人口半城镇化空间差异的多尺度分析

单 良，韩 放，宋关东

(辽宁师范大学 城市与环境学院，辽宁 大连 116029)

采用变异系数、尺度方差、地统计分析、地理加权回归等方法，基于分县级、地级、省级三种尺度分析2000年和2010年我国人口半城镇化的区域差异及空间演变特征，研究发现：(1)半城镇化区域差异在三种尺度上均表现出逐渐扩大的态势；(2)尺度方差及其分解结果显示，尺度方差及其构成大小依次为县级、地级、省级，即尺度越小，尺度方差越大，对半城镇化区域差异的贡献份额越大；(3)空间格局研究表明，不同尺度区域半城镇空间差异显著，呈现出东西梯度发展格局，各尺度空间关联格局总体相对稳定，“High-High”类型集聚区大多分布于东南沿海地区，“Low-Low”类型集中分布于西部地区；(4)最后，将人口半城镇化格局演化的影响因素归结为三个方面：经济发展水平、人口流动与产业结构。

半城镇化；尺度；中国；空间分析

一、引言

改革开放以来，我国城市化经历一个高速发展的过程，全国大部分地区城市化率以年均一个百分点以上的速度增长，增长速度十分迅速，甚至有些地区已经达到很高的城市化水平，例如东南沿海地区城市化率已经普遍达到70%以上，与发达国家的城市化水平相当。但从某种程度上来说，这是一种“虚”的增长，或者说是一种不成熟的城市化增长，由于户籍政策等因素的制约，城镇内近1/3的常住人口为非本地城镇户籍人口，统计时都被计入城镇人口，但其享受不到与本地城市户籍居民同等的待遇、服务、权益和公平，处于一种“非农、非城”的半城市化境地。这种以城市居民和农村迁移人口为主体的二元结构，严重阻碍了我国新型城镇化的质量的提升，同时严重影响我国经济与社会的和谐发展[1]。

人口半城镇化现象早已引起国内外学者的广泛关注[2-4]。“半城镇化”这一概念最早来自于地理学，米斯克尔、廖塔，较早的注意到“半城镇化”人口流动的现象，并剖析其成因及特征[5]；国内学者对半城镇化问题的讨论也经历了从空间半城镇化向人口半城镇化转移的过程。现有研究主要集中于半城镇化的内涵、成因、特征与机制以及半城市化土地利用变化等方面，其内容侧重于对其现状、趋势分析及优化路径探究[6-9]；另外，在空间格局的探讨上，学者们对人口城市化的研究较多[10-12]，但对人口半城镇化的特征、演变及空间关联的研究较为鲜见，仅有的研究也多以部分城市或某一省域为单位，对人口半城镇空间演变格局特征进行了分析，或仅探讨了一种空间尺度的空间变化格局[13-14]，较少关注人口半城镇化对研究尺度变化的敏感度，且忽视了较小尺度半城镇化特征的发展变化，同时，不同尺度的切入，其研究结论亦有差别，为探究其不同尺度人口半城镇化的特征，增强研究结果的科学性，基于已有的研究，结合人口半城镇化内涵，依据全国第五次(2000年)和第六次(2010年)人口普查数据，借助尺度分解、空间计量分析等方法手段，从省级、地级和县级(以我国行政区划为标准作为划分尺度的依据)三个尺度对我国半城镇化(本文指人口半城镇化)空间格局进行测度与比较研究，探索不同空间尺度地理现象的异质性与发展趋势，深入把握人口半城镇化区域发展的尺度效应与空间效应，以期揭示我国半城镇化过程中存在的问题及影响因素，为协调区域发展及相关政策制定提供参考依据。

二、研究概述

(一)半城镇化的科学界定

半城镇化是一种农村人口向城镇人口转换过程中的不完全的城镇化状态，表现形式为空间半城镇化和人口半城镇化，也就是包含地理学和人口学两方面的概念[15-17]。

1.半城镇化的地理学界定

半城镇化的地理学概念起源较早，早在19世纪中后期，法国古典地理学就有用于描述城镇周边的任何地方的半城镇化概念阐述。到上个世纪30年代关于半城镇化的理论阐述已趋于成熟，总结上世纪30年代以来比较成熟的半城镇化理论阐述，主要有以下几个方面关于半城镇化的科学界定：

(1)一种位于城市新旧区分界的特殊城镇景观

这种界定倾向于城市边缘区的概念，具体来说就是认为城市郊区，已经开始城镇化，但还保存有部分乡村景观的城市化地域，也可以说是一种正在进行的城市化的城市扩展延伸地域，这种界定符合城市边缘区的概念阐述，因此也可以将这种界定称之为城市边缘区的半城镇化现象。

(2)城市服务的辐射地，为城镇人口提供休憩场所

这种界定倾向于城镇周边休闲区的概念，具体来说就是城镇周边的旅游区、度假区、田园休闲区等接受城镇服务辐射，又为城镇人口提供休憩场所和服务的地域。这种界定比较特殊，强调城市服务的延伸，但是并不重视城市地域的扩展和人口的迁移，可以将这种界定称之为城镇周边休闲区的半城镇化现象。

(3)孕育新城市的“半城市化地区”

这种界定是目前关于半城镇化地理学概念最普遍，也是最被大众认可的观点之一，由加拿大地理学家MeGee于 1991年提出，他认为这是一类在大城市影响下的交通走廊地带，劳动力密集型产业，工业、服务业和其他非农产业迅速增长，孕育新城市的“半城镇化地区”。具体是指部分地域由于受到周边大城市的辐射和影响，在某种因素的刺激和引导下，开始进行城市化建设和发展，表现在城市劳动密集型产业在该区域的集中、城市基础设施的建设及城市服务体系的建立和完善，简单来说，就是正在形成但还未完全形成的城市地域。

2.半城镇化的人口学界定

半城镇化的人口学界定是以人口学中农业人口和非农人口的区分而言的，具体来说，人口半城市化是指农村人口转向城镇人口过程中的一种不完全状态，即大量农业转移人口生活在城市，但户籍依旧在农村并且不能享有城镇居民同等福利，同时在社会行动上与城市社会有明显的隔离以及对城市社会缺乏认同感的一种现象。半城市化人口应满足两个条件：一是属于本地城镇常住人口；二是没有本地非农户籍。与“人口非农化”概念强调农业人口转变从事非农职业不同，“人口半城市化”更加关注农村人口转向城镇人口过程中融入城市生活、实现身份变换的市民化问题，强调城镇化的质量。

(1)

而关于人口的半城镇化也是此研究展开的基础，此研究就是以人口半城镇化的空间差异与布局特征为基础进行的多尺度分析。

(二)研究区域与数据来源

本文以省级、地级、县级单元作为研究全国人口半城镇化状况及其空间格局的基本单元。行政区划按照2010年进行统一，对于研究时段内撤县建区的地区，原有辖区纳入新设立城区进行统计，对于行政区划变更的区域按调整后的区划进行统计。研究区不含香港、澳门和台湾。研究指标为城乡总人口、城镇人口、非农户籍人口，统计数据主要来源于2000年《全国第五次人口普查数据》和2010年《全国第六次人口普查数据》。同时为保证样本可比性与科学性，本文对部分数据进行处理：(1)考虑空间自相关权重矩阵的确立，将部分县市如福建东山县、辽宁长海县等进行处理，将其归并为与其相邻县市；(2)为保证各层次嵌套结构的完整性，在尺度方差测度中，将重庆、天津、北京、上海四个直辖市视为地级单元分别归并为四川、河北和江苏三省内进入统计，在地级单元层次，将海南省除海口和三亚外的其他17个县(市)合并为一个地级单元进行分析，此外将中山市、东莞市、嘉峪关市等“直筒子市”分别纳入佛山市、惠州市、酒泉市进行考虑。研究区域分为省级(27个)、地级(包括直辖市、地区、地级市、州、自治州、副省级城市共334个单元)、县级(包括市辖区、县级市、自治县、县共2859个单元)，研究时段为2000年、2010年。

理论上来讲，半城镇人口是城市常住人口与本地非农户籍常住人口之差。由于“五普”、“六普”缺乏非农户籍人口流动数据，仅笼统统计本地非农户籍人口，这样导致人口半城镇化率的结果存在一定程度误差。但考虑非农户籍常住人口所占比重较小，对分析结果可信度影响不大，因此本文采用城镇常住人口与非农户籍人口之差作为半城镇化人口[19]。

三、研究方法

(一)变异系数

变异系数是各区域人口半城镇化率的标准差与其均值之比，它反映了各区域间人口半城镇化偏离总体人口半城镇化的相对差距，变异系数越大，半城镇化区域差异程度越大，公式为：

(2)

式中，Cv表示变异系数，yi(i=1，2,3…，n)是第i地区半城镇化率，u是所有地区半城镇化率，n为地区数量。

(二)空间自相关分析

探索性空间数据分析是一种衡量经济现象空间自相关的研究方法，是区域格局分析的有效手段[20]，包括全局统计和局部统计两类分析方法。本文采用Moran’sI来判断区域内是否存在空间自相关性及积聚类型。

(1)全局空间自相关

(3)

(2)局部空间自相关

局部空间自相关指数(LISA)揭示空间差异的异质性特征，以全面反映人口半城镇化区域空间差异的变化趋势，公式如下：

(4)

式中Wi为空间权重矩阵，Zi和Zj分别为Xi，Xj的标准化。

(三)尺度方差与分解

多尺度空间分析方法有很多，尺度方差(Scalevariance)作为其中一种，常运用于景观生态学统计分析中[21]。此方法是将研究对象进行多级划分(省、市、县)，并以县级尺度作为最小研究尺度，按照尺度嵌套系统进行逐步分解。即全国三级空间区域系统为省级-α、地(市)级-β和县级-γ，不同尺度水平的尺度方差突变大小可以反映出不同尺度格局的变化对整体研究对象变异性贡献的大小程度[22]。因而，尺度方差能判别哪一空间尺度更值得研究。其统计模型为：

Xijk…z=μ+αi+βij+γijk+…+ωijk…z

(5)

式中：Xijk…z表示等级系统最低尺度水平(县级)的半城镇化率，μ表示全部数据集总平均数，αi，βij，γijk，…，ωijk…z分别表示每一尺度层次上的影响因素。本文研究尺度为省、市、县三级，尺度方差计算公式为：

表1 平均尺度方差估计与尺度方差构成

(四)地理加权回归模型

传统的线性回归模型只能对参数进行“全局”或“平均”的估算，对于空间数据的自变量且存在空间相关性，则不能满足传统回归模型(最小二乘法模型)残差项独立的假设，因而不能用OLS模型进行参数估算。地理加权回归(GWR)充分考虑了自变量的空间位置，允许局部回归参数估算值，对最小二乘法模型(OLS)进行了改进，公式为：

yi=β0(Ui,Vi)+∑kβk(Ui,Vi)xik+εi

(6)

式中，(Ui,Vi)为第i个样本空间单元的地理中心坐标，βk(Ui,Vi)为连续函数βk(U,V)在i样本空间的值。

四、多尺度人口半城镇化差异演化

为了清晰了解我国人口半城镇化发展状况，采用变异系数、Moran’sI值等传统方法测度我国自2000年以来不同尺度半城镇化差异变化(表2)，由表2可知：

(1)从变异系数Cv值来看，三个尺度半城镇化演变较为类似，呈扩大态势。省级、地级、县级单元半城镇化的Cv值分别由2000年的0.7075、0.8316、0.7719增加至2010年的0.8196、0.9769、1.1452，三种尺度的半城镇化空间差异程度不断增大。

(2)不同尺度的空间自相关测度均通过 5%的显著性检验，即我国半城镇化在各尺度上均有不同程度的显著性空间集聚现象；从Moran’sI值上看，县级与地级尺度空间自相关水平有较为明显的增大态势。省级尺度虽有所增加，但增长幅度较小；从空间自相关测度的显著性水平p值来看，显著性强弱依次为县级、地级和省级，表明就中国半城镇化发展而言，越小的空间尺度越易呈现较强的空间集聚特征。空间自相关Moran’sI均为正，表明不同尺度半城镇化率在空间上并不是随机分布的,而是存在着空间自相关性，这为下文利用GWR模型解释各尺度半城镇化影响因素提供了可能。

(3)通过不同尺度的区域差异测度分析，初步得出中国半城镇化区域差异在不同空间尺度上具有不同的变化特征。进一步通过尺度方差及其分解来研究不同尺度对半城镇化区域差异可能产生的尺度效应，结果表明：①县级、地级和省级在尺度方差上均呈缩小态势。省级尺度方差变化略微波动，从2000年的0.05864减小至2010年的0.03257，由于方差本身较小，因此降幅不显著；地级尺度方差减少幅度较为显著，由2000年的0.13975缩小至2010年的0.10259，县级尺度方差减小幅度最大，2000年尺度方差为0.486，2010年为0.432，降幅为11.1%。②从尺度方差的大小比较上，县级最大，地级次之，省级最小，说明尺度越小，尺度方差越大。表明越小的空间尺度，区域间存在的差异程度越大，越能揭示半城镇化区域发展格局的异质性特征。

(4)对尺度方差进行分解可知，县级尺度半城镇化区域差异对全国总体差异的贡献率远高于省级和地级水平，平均贡献份额为73.6%，占主导地位，且此态势随着时间的推移愈加明显；地级尺度贡献率高于省级尺度，平均贡献率分别为19.25%和7.15%。尺度方差贡献率分析表明，尺度越小，该尺度半城镇化区域差异对总体半城镇化区域差异的贡献份额越大，越值得关注与研究。

以上的分析显示，在不同空间尺度上表示的我国地区人口半城镇化差异状况存在很大不同，即空间尺度的不同选择对我国半城镇化区域差异分析的结果影响很大。

表2 不同尺度CV、Moran’s I及尺度方差

五、多尺度半城镇化空间格局演变

(一)多尺度半城镇化空间分类特征

以2000、2010年半城镇化率为研究样本，运用ArcGis中Natural Breaks，将其自高到底分为5类不同层次，通过比较各年份得出划分5类层次的临界值，以此作为手动划分的依据，将其分为5类(高度、中高度、中度、中低度和低度)，得到其空间格局演化图(图1)。

空间格局演化依次从三个尺度——省域尺度、地域尺度和县域尺度——同时入手进行收缩和集聚分析，来探索在不同尺度下人口半城镇化的发展和演变规律。

首先从省域尺度来看，我国人口半城镇化总体以中等程度为主，时间上，2000年、2010年中度半城镇化省域分别为14个、11个，略有下降，但总体变化不大；空间上，呈现出比较明显的空间分异特征，具体表现为半城镇化呈现“东高西低”格局。浙江、广东等沿海省份半城镇化程度最严重，中部省份次之，西部省份最低。随着时间的推移，此发展形式逐步显现，高度半城镇化省域向沿海地区蔓延，中等半城市化省份向中部地区收缩，而西部部分省域(新疆、西藏)人口半城镇化由2000年中等程度转变为2010年中低程度及较低程度。从地级层面来看，半城镇化现象分布也存在类似空间差异。

从市域尺度来看，时间上2000年高度半城镇化程度城市数量较2010年少；空间上则主要分布在长三角、珠三角地区以及内蒙古、新疆、西藏等部分沿边境城市，此类地区半城镇化率均在 35%以上，且2010 年，我国市域半城镇化空间分布较 2000 年有所变化，东部沿海城市发展明显快于中西部地区。低度半城镇化城市主要集中分布于我国江西南部、新疆西部及横断山区域。高度半城镇化城市数量也由2000年16个，增加至2010年34个。

图1 不同尺度半城镇化空间分类特征

从县域尺度来看，时间上的变化较为零散，不是很明显，但是空间上半城镇化区域差异较为直观、明显。东部沿海县域半城镇化程度逐步上升，形成半城镇化高度发展带，此外，青海西部、河套地区形成高半城镇化聚集区。总的来看，县域人口半城镇化主要表现为沿海地区增长过快，西部地区增长缓慢，县域半城镇化的空间差异呈现扩大态势。

(二)多尺度半城镇化发展态势

借助GIS地统计分析模块，通过对不同尺度人口半城镇化率正交面投影的方式进行透视分析，深入把握不同系统人口半城镇化的分异规律。利用ArcGIS10.2生成我国不同尺度人口半城镇化的空间变化图(图2)。从县域尺度来看，全国人口半城镇化地域分异在2000年呈现出东高西低、南高北低的特征，而在2010年，自东西向上，样点半城镇化率高值略向东偏移，东西差距进一步扩大，南北发展趋于均衡，扁平化倾向凸显；从地级尺度来看，空间差异格局与县域类似，但略有差异，表现为东西方向人口半城镇化的差异扩大，但增长并不明显，南北方向人口半城镇化的区域差异则由2000年中部略低、南北略高的U型结构演变成2010年中部隆起、东部略高、西部较低斜凸型的空间格局；而省域尺度则呈现出不同的特征，2000年、2010年省域尺度人口半城镇化趋势呈现出中部高、南北部略低格局，且中部较高的趋势愈加显著，最终形成倒U型结构。

综上所述，三个尺度，总体上东西方向半城镇化差异大于南北方向，随着时间推移，东西方向的差异表现还在进一步凸显，而南北方向的差异则逐步缩小。

(三)不同尺度人口半城镇化空间关联格局分析

为了更直观反映不同尺度下半城镇化空间格局演变过程，凸显不同区域空间异质性，更清晰地识别出空间聚集发生的位移，运用GeoDa软件绘制出2个年份在0.05显著性水平下的LISA集聚图(图3)，对显著性较高的空间聚集指标进行探讨。

图2 不同尺度半城镇发展三维透视图

图3 不同尺度半城镇化的显著LISA集聚图

从省级尺度来看，空间关联类型地带间空间分异格局不显著。2000年，“High-High”类型省份为江苏、浙江两省；安徽由于紧邻江浙地区而呈现为“Low-High”类型；广东由于经济发达，劳动密集型产业集聚使得大量外来人口来此聚集，人口半城镇化率较高，呈现出“High-Low”类型；2010年“High-High”类型省份数量增加至4个，呈现出向沿海蔓延趋势，“Low-Low”类型增加了内蒙和辽宁两省(自治区)。总的来看，显著性空间关联类型以“High-High”类型和“Low-Low”类型为主。

地级尺度的LISA图分析表明，显著关联类型也是以正相关为主，尤其是显著“High-High”和“Low-Low”类型表现最为突出，且“Low-Low”类型的增加是总体空间自相关增强和半城镇化区域差异扩大的主要原因。具体表现为：2000年显著自相关地级单元共有51个，其中显著“High-High”类型占45.1%，显著“Low-Low”类型占29.4%；2010年显著自相关地级单元数量增加至69个，其中显著“High-High”类型占42%，显著“Low-Low”类型占44.9%。地级单元的显著空间关联类型分布格局总体相对稳定，但局部有明显变化，表现为：黑龙江北部和吉林西部，四川和重庆等地出现新的“Low-Low”类型聚集区，珠三角和长三角的显著“High-High”类型集聚区扩大，并新增三个“High-High”类型集聚区：海西地区、京津冀地区及藏北地区，显著“High-Low”类型区分布较为零散，“Low-High”类型地区数量有所减少。

县级尺度的显著空间关联类型仍以正相关类型为主导，但总体自相关程度增强和半城镇化区域差异扩大则是由于显著“High-High”类型县市的增加所致。2000年显著正相关类型县市为432个，其中“High-High”类型占40.97%，“Low-Low”类型占45.13%；2010年显著正相关类型县市为545个， “High-High”类型占48.8%，“Low-Low”类型占40%。显著关联县市空间格局总体变化不大，但局部仍有所波动，表现为：“High-High”聚集区向东南沿海扩散，山东半岛“High-High”类型县市减少，中部零星“High-High”类型县市增加，黑龙江出现新的显著“Low-Low”聚集区。“Low-Low”类型县市数量明显增多，分布特征由相对分散到相对集中的趋势变化，在西部、西南和东北地区形成规模较大的连绵片区。“High-Low”类型和“Low-High”类型县市分布格局变化不大，显著“High-Low”类型地区倾向分布于“High-High”类型外围区域。

表3 不同尺度人口城市化空间关联模式

六、人口半城镇化区域差异影响因素分析

我国不同尺度下半城镇化率在空间上存在明显的正相关，如果忽视这种关系，容易造成研究结果的偏差，因此本文引入OLS模型和GWR模型来揭示引起空间差异的影响因素，本着科学性、可比性、数据可获得性原则，考虑经济发展水平、人口迁移、产业结构三个方面的影响因素。选取人均GDP(X1)、人口流动规模(X2)、第一产业增加值(X3)、第二产业增加值(X4)、人口密度(X5)等5个指标作为建模的自变量，以2010年各尺度人口半城镇化率为因变量，以上述5个影响因子为自变量，对城镇化影响因子进行OLS全局分析(表4)，模型解释了省级、地级、县级半城镇化率总变异的78.73%，68.46%，50.51%，估计结果在一定程度上反映了各要素对半城镇化率的影响情况。

表4 2010年各尺度人口半城镇化率的OLS全局估计结果

利用GWR模型对半城镇化率进行局部空间自回归分析，得到该模型的各尺度(省、市、县)R2分别为0.887359、0.811155、0.680237，AdjustedR2分别为0.867224、0.762814、0.651249，模型拟合优于OLS的0.787349、0.684599、0.504042和0.767232、0.680438、0.504042。为更清晰地观察和分析局部关系在各尺度不同区域的表现和变化趋势，运用GWR模型对各尺度每个空间单元进行局部回归分析，计算出每个因素的回归系数值，为便于研究，在表5中详细给出各因素对半城镇化空间集聚分布影响程度的最小值、中位数、最大值和平均数的统计值(鉴于篇幅有限，各影响因素局部回归系数分布图略)。从整体来看，各因素对半城镇化空间差异的影响程度有着显著的空间差异，三个尺度中，5个变量对人口半城镇的影响效益分别为：人均GDP>流动人口>人口密度>第二产业增加值>第一产业增加值。然不同尺度，各影响因子对半城镇化率影响效益亦有所差别。省级尺度的流动人口、地级和县级尺度的第一产业增加值的回归系数为负，表明这2个变量对半城镇化率有着明显的负效应。除第一产业增加值外，其余4个自变量均通过了0.05的变量显著性检验，说明这4个变量能在一定程度上解释半城镇化的空间分布。不同尺度上影响要素亦具有差异性，具体表现为省级尺度人均GDP影响最为显著，其余变量影响相对较弱；地级和县级尺度除人均GDP影响因子外，人口密度亦在人口半城镇化中发挥重要作用。尺度越小，经济发展水平在人口半城镇化中影响效益越不明显，人口密度与流动人口等作用越显现。

人均GDP。本文以人均GDP衡量区域经济发展水平，由表4可知，省级、地级和县级人均GDP变量系数分别介于1.355179-1.355496、-0.089918-1.301005、0.038418-2.004907。三个尺度下人均GDP影响因素区域内部相对差别较小，但尺度越小其影响效益差别越明显。从我国省、市、县域整体格局来看，经济发展水平差异影响半城镇化的程度。整体来看，其影响效益空间分布呈现出南高北低的梯度发展格局。究其原因，地区间经济发展水平差异促使生产要素与劳动的管理资源在空间上的重新优化配置。改革开放以来，东部沿海凭借着区位条件与政策优势，经济发展迅速，社会固定资产投资较大，二、三产业高速发展形成强大的“拉力”，吸引大量劳动力，尤其是周边省市人口聚集于此，使得该地区人口半城镇化程度十分严重。中西部地区由于存在大量剩余劳动力和隐形失业，就业资源少对劳动力的迁移形成推力，人口半城镇化现象并不明显。

人口迁移。各尺度人口迁移回归系数差异较大，变化十分明显，整体中西部地区人口迁移对半城镇化的贡献度都较低，甚至在四川、河南出现负值。产生这一现象的原因一方面由于我国特有的户籍制度决定了区域人口流动，影响着半城镇化现象的广度和深度，另一方面“二元经济”结构，促使乡村富裕劳动力向中心城市转移。河南、四川等地是人口大省，也是劳动力输出大省，此类区域劳动力资源过剩，就业资源相对较少，相对中西部地区，东南沿海城市经济发展较快，劳动力需求旺盛，在不存在制度性、政策性等外界条件干扰下，人口在空间上会实现从中西部地区向东部地区自由流动，这种区域间人口流动直接影响着半城镇化的空间分异。

人口密度。除中部部分区域外，人口密度因素对三尺度中区域半城镇化率整体呈现出正效应，影响力在空间上由东南向西北逐渐减弱。我国人口密度总体呈现出东高西低的格局，东部地区尤其是东南沿海地区人口密度较高，人口半城镇化率也相对较高。

表5 2010年不同尺度人口半城镇化率的GWR估计结果

产业结构。产业结构及其空间分布变化对半城镇化区域差异亦有一定影响。从第一产业来看，多数地区回归系数为负值，对半城镇化率的影响呈现出负效应。这是由于农产品的商品化程度决定了人口向城镇集中的程度，第一产业在区域经济中所占的比重愈大，农业人口的流动性则愈低，在一定程度上也会限制半城镇化率的提高；从第二产业增加值来看，与第一产业不同，三个尺度下，多数区域回归系数为正值，对半城镇化率的影响呈现出正效应，这是由于较高的工业发展水平能够增强基础设施建设，提供较多的就业机会，为农业人口流动带来隐形的牵引力，从而对于区域半城镇化率的提升具有重要推动作用。

七、结论与讨论

采用变异系数、Moran’s I、尺度方差、地统计分析方法从省级、地级和县级3个空间尺度对我国人口半城镇化区域差异进行测度与多尺度比较研究，同时运用空间自相关分析进一步解释了不同尺度我国半城镇化区域差异的空间演变格局。主要得到以下结论：

(1)研究表明，我国人口半城镇化区域差异在三个尺度上均表现为差异增大的发展格局，并且空间尺度越小，半城镇化区域差异越大，空间集聚特征也越显著；尺度方差结果显示：空间尺度越小，对应的尺度方差越大，该尺度半城镇化区域差异对总体区域差异贡献份额越大，因而未来在对半城镇化研究与探讨中，注重小尺度(县域)的分析，对政府管理者决策的制定以及半城镇化问题的解决具有重要意义。

(2)三种尺度人口半城镇化区域特征明显，整体呈现出“东西”梯度空间发展格局，但不同尺度半城镇化具体特征仍有所差别， 未来可从年龄、性别等角度深入探究各尺度下人口半城镇化的特征。

(3)我国半城镇区域差异的空间关联格局特征在各空间尺度下总体相对稳定，空间关联以“High-High”类型、“Low-Low”类型表现最为明显，且“Low-Low”区域和“High-High”区域分布上具有较强的地带分异特征。“Low-Low”类型多集中分布于中西部地区，而” “High-High”类型集聚分布于东部沿海地区；各尺度空间关联类型对总体空间半城镇化区域变化的影响存在一定的差异。具体表现为：省域空间关联类型地带间空间分异格局不显著；地级尺度的空间差异受“High-High”类型和“Low-Low”类型的影响较大，其中“Low-Low”区影响最明显；而县级则以显著“High-High”类型增加为促使空间自相关和区域差异扩大的主要原因。总体而言，我国人口半城镇化区域差异分析中存在明显的尺度效应。大尺度的分析容易忽略更小尺度的空间格局，较小的空间尺度比较大的空间尺度更能揭示半城镇化的地区发展格局的空间依赖性和空间异质性特征。

(4)尺度方差所反映的结果与变异系数反映结果稍有不同，本文认为主要原因可能是尺度方差计算是基于最小尺度单元指标数据，而地级、省级数据均取自于最小尺度县级，这与常有的区域差异分析方法有区别。也可能与分区、市域级单元数相差不大有关，尚需进一步探索。

(5)利用OLS模型和GWR模型对我国各尺度人口半城镇化空间差异影响因素进行全局和局部回归分析，研究发现，不同尺度下各影响因素对半城镇化影响效益有所差别，尺度越小其影响效益差别越明显。经济发展水平对人口半城镇化影响逐渐变弱，人口密度与流动人口等作用越显现。总体而言，三个尺度中，5个变量对人口半城镇的影响效益分别为：人均GDP>流动人口>人口密度>第二产业增加值>第一产业增加值，其中经济发展水平是造成半城镇区域差异的决定因素；人口流动是造成半城镇化空间格局的直接原因。对于人口的流动，实质有流入，还有流出，是有流向的。东西部地域影响差异中，东部地区为主要人口流入区，中西部为人口流出区域，这也是东部地区人口半城镇化高于中西部地区的主要原因；人口密度、产业结构亦对半城镇产生一定影响，因而从城镇化的近期发展和区域长远发展考虑，要因地制宜，根据区域不同特点，厘清不同尺度下各区域半城镇化内在机理，正本清源，标本兼职，才能逐步减弱并消除这种半城镇化现象。

[1]安虎森,皮亚彬. 半城市化与人口城市化研究[J]. 经济与管理评论,2013(3):5-10.

[2]Adrian Guillermo Aguilar. Peri-urbanization, illegal settlements and environmental impact in Mexicocity[J]. Cities,2008,253.

[3]Caitlin Kontgis,Annemarie Schneider,Jefferson Fox,Sumeet Saksena,James H. Spencer, Miguel Castrence. Monitoring peri-urbanization in the greater Ho Chi Minh City metropolitan area[J]. Applied Geography,2014,53.

[4]Lingxin Hao. Cumulative causation of rural migration and initial peri-urbanization in China[J]. Chinese Sociological Review,2012,443.

[5]廖 塔,米斯克尔. 一张反射地图带来的新思考[N]. 参考消息,2004-06-27.

[6]潘爱民,刘友金. 湘江流域人口城镇化与土地城镇化失调程度及特征研究[J]. 经济地理,2014(5):63-68.

[7]郭付友,李诚固,陈 才,甘 静. 2003年以来东北地区人口城镇化与土地城镇化时空耦合特征[J]. 经济地理,2015(9):49-56.

[8]杜书云,牛文涛. 中国“半城镇化”困局的成因及破解机制——基于1981至2012年城镇化数据的实证研究[J]. 吉林大学社会科学学报,2015(3):75-83,173.

[9]刘盛和,陈 田,蔡建明. 中国半城市化现象及其研究重点[J]. 地理学报,2004(S1):101-108.

[10]朱传耿,孙姗姗,李志江. 中国人口城市化的影响要素与空间格局[J]. 地理研究,2008(1):13-22,241.

[11]姚震宇. 江苏的空间城市化与人口城市化[J]. 现代经济探讨,2011(8):61-65.

[12]甘 静,郭付友,陈才,刘继生,李正. 2000年以来东北地区城市化空间分异的时空演变分析[J]. 地理科学,2015(5):565-574.

[13]刘汉初,卢明华,刘 成. 山西省县域人口半城市化的空间格局研究[J]. 经济地理,2015(1):21-28.

[14]刘盛和,张 擎. 杭州市半城市化地区空间分布变化[J]. 地理研究,2008(5):982-992.

[15]王春光. 农村流动人口的“半城市化”问题研究[J]. 社会学研究,2006(5):107-122，244.

[16]Graham Jay,Gurian Patrick,Corella-Barud Verónica,Avitia-Diaz Raquel. Peri-urbanization and in-home environmental health risks: The side effects of planned and unplanned growth.[J]. International Journal of Hygiene and Environmental Health,2004,20-75.

[17]Jay Graham,Patrick Gurian,Verónica Corella-Barud,Raquel Avitia-Diaz. Peri-urbanization and in-home environmental health risks: The side effects of planned and unplanned growth[J]. International Journal of Hygiene and Environmental Health,2004,20-75. [18]李爱民. 中国半城镇化研究[J]. 人口研究,2013(4):80-91.

[19]陈贝贝. 无锡半城市化地区的空间范围识别[J]. 地理研究,2013(7):1209-1219.

[20]陈江平,张 瑶,余远剑. 空间自相关的可塑性面积单元问题效应[J]. 地理学报,2011(12):1597-1606.

[21]陈培阳,朱喜钢. 基于不同尺度的中国区域经济差异[J]. 地理学报,2012(8):1085-1097.

[22]丁志伟,张改素,王发曾. 中原地区多尺度城乡收入的时空分异[J]. 地理研究,2015(1):131-148.

(本文责编：王延芳)

Spatial Difference of Population Peri-Urbanization in China at Multi-Scales

SHAN Liang，HAN Fang，SONG Guan-dong

(SchoolofUrbanandEnvironmentalSciences,LiaoningNormalUniversity,Dalian116029,China)

This paper employs coefficient variance, scale variance, geostatistical analysis，GWR model and spatial autocorrelation to calculate the population peri-urbanization rate so as to examine the changing trends and spatial patterns of regional inequalities in China at three spatial scales, i.e. province, prefecture and county. The results aresummarized as follows. (1) From the calculation results of CVand Moran’s I, we find that the regional difference of peri-urbanization is gradually increasing at the three spatial scales since 2000; (2) The results of the scale variance show different patterns obviously. With the scale variance and its component statistic techniques, we discover that there is an increasing sequence according to the scale variances and their components, i.e. county, prefecture and province, which indicates that the scalar variance is lower at the smaller scale and the regional inequality at smaller scale contributes more to the whole regional inequality; (3) By using spatial analysis techniques, we find that local spatial autocorrelation patterns have been stable since 2000. The “High-High” type units tend to concentrate in the east coastal area of China. And the “Low-Low” type unites cluster in central and western China; (4) The driving force of the evolvement of population peri-urbanization in China can be identified through the following aspects: the economic levels, the population mobility and the industrial structure.

Per-urbanization; scale; China; spatial analysis

2016-06-22

2017-04-21

辽宁省社会科学规划基金项目(L15BRK001)。

单良(1972-)，男，吉林梨树县人，辽宁师范大学城市与环境学院副教授，理学博士，研究方向：人口与区域发展。

F061.5

A

1002-9753(2017)05-0066-12