中国人口增长与下降的不对称驱动因素：基于大数据的视角

《Applied Geography》：Asymmetric drivers of population growth and decline in China: A big data perspective

　　

• •
  来自2019年至2023年的百度大数据揭示了新的的人口分布差异模式。
• •
  人口增长正从大城市转向中等规模城市。
• •
  不同城市间的人口变化存在显著的空间依赖性。
• •
  人口增长和减少的驱动因素部分由非对称机制决定。
• •
  发展阶段对区域人口差异的影响最大。

引言

人口是区域发展中最基本和最综合的要素之一；其空间分布的变化会在多个层面上重新配置社会经济体系（Hansen, 1998）。人口的增长或减少会重塑劳动力市场，并改变对公共服务和基础设施的需求（Bloom & Finlay, 2009; Clements et al., 2018; Jones, 2022; Reher, 2011）。正如Zelinsky（1971）在迁移转变假说中提出的，人口的空间变化模式与发展过程密切相关，随着社会和经济的持续发展，迁移行为变得更加复杂。因此，捕捉区域人口变化的新趋势对于理解这些模式如何演变以及是什么力量推动了这种转变至关重要。这种理解反过来又为区域平衡发展奠定了基础，并对区域社会经济发展具有更广泛的影响。

人口增长和减少的区域差异已成为中国当代人口格局的特点（Qiu & Cao, 2025）。过去几十年里，中国经历了显著的人口变化（Cai, 2013; Shi et al., 2023）。人口普查数据显示，中国人口的空间分布模式和流动动态长期保持稳定，但同时也出现了新的趋势，区域人口变化差异日益明显（Liu et al., 2022; Qi et al., 2016; Shi et al., 2025）。2022年，中国人口六十年来首次出现下降趋势，且这一趋势还在加剧（Zhai & Jin, 2023）。然而，全国范围内的人口减少掩盖了次国家级层面人口变化的多样性（Canudas-Romo et al., 2024; Newsham & Rowe, 2023）。一些地区继续吸引移民并实现人口增长，而另一些地区则面临人口流出和减少。这种差异重塑了区域劳动力供应、财政能力以及对医疗保健和教育的需求，从而为政策设计带来了特定地区的压力（Long & Wu, 2016; Qiu et al., 2025）。人口减少的空间再分配为寻求在不同区域之间优化资源分配的政策制定者带来了新的挑战。了解人口增长和减少的差异特征及其决定因素对于设计差异化的政策应对措施、优化资源分配以及改善不同人口轨迹地区的公共服务提供有重要的意义。

人口分布、再分配及其驱动因素长期以来一直是地理学和区域研究的核心内容。从Ravenstein（1885）的迁移法则到Lee（1966）的推拉理论，经典理论强调迁移受到来源地和目的地条件的共同影响。后续研究通过纳入经济因素（如工资差异和就业机会，Lewis, 1954; Todaro, 1969）以及非经济因素（如生活质量和地方便利设施，Florida, 2002; Gao et al., 2023; Niedomysl & Hansen, 2010）来扩展了这一观点。在中国，内部迁移已被广泛研究，研究发现沿海大都市区是主要的目的地（Fan, 2005; Shen, 2013），同时随着许多城市经历人口减少，城市缩减也引起了越来越多的关注（Liu & Liu, 2022; Long & Wu, 2016）。这些研究表明，中国的人口再分配模式日益分化，领先的大都市区人口集中与许多其他城市的人口减少并存。

尽管有这些研究贡献，但在理解中国区域人口差异方面仍存在一些空白。首先，现有研究主要依赖于十年一次的人口普查数据，而这些数据的更新间隔较长，无法捕捉到两次普查年之间的短期人口动态（Deville et al., 2014）。鉴于近年来人口流动性的加剧和区域发展模式的加速重构，这一时间限制尤为突出。其次，虽然有大量研究考察了人口分布模式或分析了迁移流动的驱动因素，但很少有研究在统一的分析框架内系统地研究增长区和减少区之间的动态差异过程。仅关注人口增长或减少无法充分解释区域差异的机制。第三，新兴的大数据来源，特别是来自移动设备和互联网平台的基于位置的服务数据，为监测人口动态提供了机会（Deville et al., 2014; Li et al., 2022）。尽管有几项研究表明这些数据可用于估计中国的人口分布，但它们在系统分析区域人口差异及其决定因素方面的应用仍有限。

为了解决这些空白，本研究利用了2019年至2023年的百度基于位置的大数据，来考察中国县级地区的人口分布和变化最新模式。本研究的目标有三个：首先，利用百度基于位置的大数据揭示近年来县级地区人口增长和减少的新兴空间模式；其次，在一个统一的分析框架内确定区域人口差异的决定因素，并分解直接效应、间接效应和总效应；第三，考察人口增长城市和人口减少城市之间这些决定因素的不对称性，并量化各种因素的相对贡献。通过这种方式，这项研究为从大数据角度理解区域人口差异提供了新的实证证据，并为制定差异化的区域政策提供了科学依据。

本文的其余部分组织如下：第2节回顾相关文献；第3节描述分析框架、数据来源和方法；第4节呈现人口变化的空间模式；第5节分析人口差异的决定因素和空间溢出效应、增长城市和缩减城市的非均衡反应以及两组之间的机制差异；第6节总结主要发现，讨论其政策含义，承认研究的局限性，并提出未来研究的方向。

章节摘录

人口变化的驱动因素

人口变化包括两个基本组成部分：自然增长和迁移。自然增长反映了出生和死亡之间的平衡，受生育率、死亡条件和年龄结构的影响。迁移反映了个人进入和离开一个地区的空间移动，这受到来源地和目的地相对吸引力的影响（Lee, 1966; Van Hear et al., 2020）。这两个过程共同决定了一个地区的人口是增长、减少还是保持不变。

分析框架

基于上述文献，本研究开发了一个综合分析框架，将区域人口变化与通过迁移相关的再分配和自然人口过程联系起来（图1）。该框架借鉴了几种互补的观点。推拉理论提供了总体逻辑，认为迁移是对经济条件、公共服务、生活环境和社会背景共同配置的响应（

人口增长和减少的空间特征

中国人口分布的东密西疏格局基本上保持稳定（图3）。人口主要集中在胡焕涌线以南的地区，而西北部地区人口分布较为稀少。这种宏观层面的空间结构

人口动态的决定因素

本节探讨了不同城市特征如何影响人口变化，同时考虑了城市之间的空间依赖性。OLS结果提供了一个非空间的基准，用于识别与人口变化相关的因素。然而，空间诊断测试证实OLS模型没有完全解释空间依赖性。因此，我们使用SDM来区分城市内部的直接效应和通过邻近城市传递的间接效应（

结论与讨论

本研究利用2019年至2023年的百度基于位置的大数据，考察了中国县级及以上城市的人口分布和变化。通过百度大数据，我们捕捉到了十年一次的人口普查数据难以揭示的短期人口动态。我们分析了人口增长和减少的空间模式，按城市规模和行政地位识别了差异，并研究了各种因素的决定因素、空间溢出效应及其相对贡献

CRediT作者贡献声明

常城侃：资源管理、项目协调、资金获取、数据整理、概念构思、撰写-审阅与编辑、方法论。王一然：撰写-审阅与编辑、初稿撰写、可视化、验证、正式分析、监督、调查。王宁成：软件开发、数据整理、撰写-审阅与编辑。

数据可用性声明

本研究中使用的百度数据是在百度内部研究使用授权下获取的。因此，这些数据不对外公开。

利益冲突声明

作者声明他们没有任何已知的利益冲突或个人关系可能影响本文所述的工作。

致谢

本研究得到了国家关键研发计划（项目编号2024YFC3807801）、国家自然科学基金（项目编号42401282和42371231）以及自然资源部国土空间规划与发展保护重点实验室与北京规划与设计咨询有限公司的联合基金（项目编号TSPDP25/01）的支持。

常城侃|王一然|王宁成