我国人口分布区域差异分析

李 月

(哈尔滨商业大学，哈尔滨 150028)

人口分布对于城市的发展极为重要，研究人口的区域差异，探索与其他因素的联系对于一个城市的经济、环境、资源等可持续发展有十分重要的意义。大量文献研究范围主要选取全国与区域作为研究对象[1]，由于数据的可获得性，研究尺度多数基于省级数据、地市级数据，少数研究用到了县级数据。随着科技的进步，数据得到了更好的完善，一些学者基于乡镇数据乃至街道的数据也做出了研究，使得研究结果更具说服力[2]。大多文献选取人口密度作为研究指标，采用基尼指数、人口重心、洛伦兹曲线、空间自回归等方法研究人口分布及演变特征。为探讨近年来的人口分布变化情况，选取2013—2017年全国31个省份常住人口数据，利用探索性空间数据分析等方法，对我国人口分布进行分析，了解其区域差异，对于区域人口密度差异大的城市进行分析，为我国人口政策的调整提供参考依据与政策建议。

1 数据来源及研究方法

1.1 数据来源

以我国31个省份为研究尺度，2013—2017年年末常住人口数据来源于《2017中国人口和就业统计年鉴》，空间数据来源于2010全国行政区划。

1.2 研究方法

空间自相关是指变量在空间上与邻近的变量存在相关性，利用统计学方法研究变量间在地理空间上与周围单位的关系，分析变量在空间上的分布特征，可以确定研究变量在空间上的相关性与相关程度。

全局空间自相关模型。全局空间自相关反映了研究变量在整个研究区域的总体特征，用于判断变量是否与相邻空间的变量存在相关，其计算式为：

(1)

局部空间自相关模型。局部空间关联指数可以反映局部地区与其邻近地域单元之前的关联性，其计算式为：

(2)

当局部莫兰指数Ii大于0，表示一个高值被高值所包围(高-高)，或者是一个低值被低值所包围(低-低)。当局部莫兰指数Ii小于0，表示一个高值被低值所包围(高-低)，或者是一个低值被高值所包围(低-高)。

2 结果分析

2.1 人口密度分区

一般来说，人口密度可以直接表现出人口分布的主要形式和地区差异，利用等间隔法将各省市的人口密度分为7个等级：高度聚集区、一般聚集区、轻度聚集区、过渡区、轻度稀疏区、一般稀疏区、重度稀疏区。将2013年与2017年的人口密度划分进行对比，结果如表1：

表1 全国人口密度分区统计Tab.1 Statistics of density of population in China

从分区表可以看出，从2013年到2017年人口密度为轻度稀疏区的省份个数有所下降，过渡区与轻度聚集区都有所上升，说明人口密度总体上呈上升趋势，但一般稀疏区与严重稀疏区仍然未改变，与高度聚集区和一般聚集区差距较大，说明人口分布依旧处于不平衡分布状态。根据密度等级运用Arcgis软件对31个省市作出人口密度分布图，如图1：

图1 2013年、2017年全国人口密度分布图Fig.1 Distribution diagram of population density in China in 2013 and 2017

从单个省市来看，上海与北京、天津分别稳定在高度聚集区与一般聚集区；黑龙江、甘肃与新疆、西藏、青海及内蒙古分别稳定在一般稀疏区与高度稀疏区；贵州、广西从轻度稀疏区变成了过渡区；一般聚集区向北增加了河北省。从全国总体来看，由于西北地区及西藏地理位置及地形的影响，高海拔导致人口密度较低。东北地区的人口密度自南向北逐渐变低，这是气候的原因导致，越往北温度越低。人口密集的地方多数分布在华东、华中、华南地区以及华北地区东部。2013---2017年西南地区的人口密度有所增加，其中增加的省份紧邻人口密度相对大的华中地区。

2.2 全局自相关分析

运用Geoda软件建立邻接空间权重，对2013—2017年的各省份人口密度数据进行空间分析，计算全局Moran’s I指数，得到结果如表2：

表2 全局Moran’s I指数Tab.2 Overall situation Moran’s I index

从表2全局Moran’s I指数可以得到：2013—2017年全国各省人口密度数据的全局Moran’s I指数均大于0，对应的P值都远小于0.05，拒绝原假设，即全国各省人口密度存在正相关关系。Moran’s I指数随着年份的不断增加，表明我国人口分布聚集程度在不断增加。

2.3 局部自相关分析

运用Geoda软件作出Moran’s散点图及Lisa聚类图。经计算得到2013年、2015年和2017年的人口密度分布的Moran’s散点，如图2：

图2 2013年、2015年、2017年人口密度Moran’s散点图Fig.2 Population density Moran’s scatter diagram in 2013,2015 and 2017

从整体来看，2013—2017年，我国人口分布未发生较大改变，人口密度的聚集类型比较稳定。Moran’s散点多数分布在第一象限(高-高)与第三象限(低-低)，极少分布在第二象限(低-高)与第四象限(高-低)，也说明了人口分布存在空间正相关。其中，第三象限中的散点基本都在紫色斜率线周围波动，表明“低-低”集聚类型的省市人口密度不存在较大的差异，而第一象限中的散点与紫色斜率线偏离较大，说明“高-高”集聚类型的省市人口密度有较大的差异。

图3 2017年人口密度LISA聚类图Fig.3 Population density LISA dendrogram in 2017

LISA聚类图能直观地从地图上反映不同聚集类型，再通过Z检验值的基础上(P=0.05)绘制了LISA聚集图,得到以下结果：“低-低”类型的省份有8个，主要分布在西北地区以及西南地区。由于该区地普遍海拔高，昼夜温差大，受到环境，经济与教育水平不均等的影响，导致该地区人口密度较稀疏，呈现出人口低密度聚集。“高-高”类型的省份有2个，主要分布在华东沿海地区。该地区经济水平较高，吸引了大量人口，导致人口密度大，呈现出人口高密度聚集。总之，全国热点地区(高-高)与冷点地区(低-低)均具有聚集性，在地图上呈“整片式”分布，说明全国人口分布具有空间自相关性。

3 结论与讨论

利用Arcgis与Geoda软件的空间分析功能对2013—2017年31个省市的人口密度进行分析，探索全国人口分布以及区域差异，得到以下结论：

利用等间隔法将人口密度分成7个等级，结合arcgis软件看出，华东及华北地区人口最为密集，其次是华中及华南地区，再次是西南地区，西北地区人口密度最为稀疏，其中东北地区的人口密度由南至北逐步减少。随时间推移，全国人口密度有所上升，主要是西南地区的人口密度有所上升。

通过Moran散点图与LISA聚类图发现，全国人口分布存在空间自相关性。2013—2017年，我国人口分布未发生较大改变，人口密度聚集类型比较稳定。“低-低”类型主要分布在西北地区以及西南地区，“高-高”类型主要分布在华东沿海地区，并且在地图上呈整片式分布。

人口分布对我国区域经济的可持续发展有重要影响，改善人口分布的不均衡需要政府的推动力量，如科学的区域规划，推进新型城镇化建设，对人口稀疏地区采用人才引进政策等。