京津冀產業布局對人口空間分布的影響及疏導建議

沈映春，羅湉予

一、引言

（一）研究背景

京津冀一體化戰略是新時期引領我國經濟繁榮的重要引擎。隨著雄安新區的設立，區域人口分布問題成為政府以及學術界關注的焦點。至今，京津仍是區域內主要人口吸引地區，常住人口占比40%。2015年1%人口抽樣調查顯示，河北省近2/3的人口流入京津地區，人口分布始終處于不平衡的狀態。

失衡的人口發展將限制區域協同發展，利用產業布局帶動人口疏解，成為調控人口的重要思路。根據《京津冀協同發展規劃綱要》，各地已明確功能分區，開始轉移、承接對應行業，但仍存在人口膨脹、產業對接程度低等問題。因此，站在京津冀全局角度，研究人口分布和產業布局協調發展，以產業疏導帶動人口流動，具有重要意義。

（二）研究現狀

近年來，國內學者對這一問題展開了許多有益的研究。范劍勇（2004）以廣東省為例，指出產業集聚與跨地區的勞動力流動作用互相加強。謝露露（2013）運用中國地級市行業數據，指出產業集聚效應存在，且需要以勞動力自由流動作為基礎。王瑩瑩和童玉芬（2015）采用固定效應模型，指出 2006-2013年北京第二、三產業專業化程度提高對人口集聚分別起正向和負向作用。皮建才等（2016）指出將產業遷移至功能擁擠程度較低的區域，區域福利水平將得以提高。嚴運樓（2017）指出安徽省在承接長三角產業轉移的過程中，產業集聚促進了福利水平，兩者又共同促進了經濟發展。安錦和薛繼亮（2015）建立聯立方程，指出人口流動和產業結構轉型相互作用，其協調發展有助于京津冀有序疏散人口。王繼源等（2016）運用勞動投入產出法，指出河北省承接批發零售業、輕工業和通用制造業可彌補產業調整帶來的損失。

總體來看，目前學者普遍認為產業集聚與勞動力流動相互影響，產業布局調整有利于提高社會福利，且利用產業疏導人口，具有可行性。

（三）項目特色及創新點

首先，多數學者研究全國性人口問題，而本文運用最新五年數據，結合國家發展戰略，以京津冀地區為依托，研究背景更貼合真實規律。其次，本文通過嚴謹的推導檢驗，挑選出最為適用的空間杜賓模型，將空間溢出效應引入人口研究。最后，本文從產業布局視角切入，探究其與人口分布的關系并提出切實可行的產業疏導建議，具有現實指導意義。

二、京津冀人口及產業現狀

（一）人口分布狀況

根據表1，2012-2016年北京市等四個城市常住人口超1 000萬人，區域內人口分布較為集中。五年間，天津市的城市吸引力攀升，每年持續增長幅度最大，其次為北京市、廊坊市。

（二）產業布局狀況

根據圖1，五年來區域內產業均衡發展勢態良好，產業高級化程度提高。但到2016年，只有京津秦三市的第三產業占比超過50%，表明第三產業在河北省各市的經濟力量相對薄弱，尚有較大的發展空間。

（三）人口布局和經濟發展情況

本文運用人口經濟一致性系數（Consistency of Population and Economy, CPE），考察區域內人口和經濟水平是否協調。計算公式（1）如下：

表2 人口經濟一致性判定

根據圖2，區域內只有廊坊市和石家莊市的人口和經濟水平保持一致。與人口分布狀況相比，CPE與常住人口數呈相反趨勢。京津地區人數最高但CPE較低；河北省各市人數較少CPE反而較高。表明經濟集聚將帶來人口集聚，若河北省的經濟仍然受限，京津地區的人口集聚程度將進一步上升。

圖2 2016年京津冀地區人口分布以及人口經濟協調度

三、變量、估計方法與模型設定

（一）變量選擇

1. 人口地理集中度

人口地理集中度（Geographic Population Ratio, GPR）（皮建才等，2016）考慮了行政區劃面積以衡量人口的集聚水平，體現了不同區域基于地理面積的容納人口力和不同地區在區域內的地位。計算公式（2）如下：

圖3 2016年京津冀地區人口地理集中度分布

2. 產業布局

根據產業集聚的外部性理論，產業集聚主要體現在絕對地理位置的集中，專業化分工和產業間的密切往來。本文選擇最為常用的區位熵（Location Quotient, LQ），衡量產業聚集程度。計算公式（3）如下：

2012-2016年，區域內第二、三產業的專業化水平普遍上升，大部分地區第二產業的專業化水平大于1，但對第三產業在區域內差距懸殊。表明第二產業形成了強集聚效應而第三產業基礎較弱。結合人口地理集中度，人口分布與第三產業布局情況類似，從而為遷移第三產業影響人口分布提供了依據。

圖4 2012年京津冀地區第二、三產業區位熵和人口地理集中度

圖5 2016年京津冀地區第二、三產業區位熵和人口地理集中度

3. 控制變量

本文從經濟景氣度、價格水平、就業收入、教育資源、交通便利程度五個方面衡量每個方面對該區域人口分布的影響。具體結果見表3。

選取固定資產投資額（K）、社會消費品零售額（SALE）衡量經濟景氣度，商品房平均銷售價格（HP）衡量價格水平，城鎮在崗職工平均工資（INCOME）衡量就業水平，普通中學數（EDU）衡量教育水平，公路客運量（TRA）衡量交通便利程度。

表3 變量

（二）數據來源

本文針對2012-2016年京津冀13個市的面板數據進行實證研究。變量選取為固定資產投資額、社會消費品零售額、商品房平均銷售價格、城鎮在崗職工平均工資、普通中學數、公路客運量、第二產業區位熵、第三產業區位熵。數據由2013-2017年的《中國城市統計年鑒》、《北京市統計年鑒》、《天津市統計年鑒》、《河北省統計年鑒》整理、計算所得。

（三）探索性空間數據分析

探索性空間數據分析（Exploratory Spatial Data Analysis, ESDA）主要用來驗證要素是否存在空間自相關性，反映要素在空間分布中的聚集和相關程度。

1. 空間權重矩陣

權重矩陣的優勢在于，既可直接體現地區之間的地理距離，又可間接體現其依賴狀況。本文選擇最常見的鄰近空間權重矩陣（王瑩瑩和童玉芬，2015）。若地區i和j相鄰，則=1，反之則=0。

2. 全局空間自相關檢驗

自相關的衡量指標主要有莫蘭指數（Moran’s I）、Geary’s C、General G。本文選擇最常見的Moran’s I衡量空間相關性。計算公式（4）如下：

表4 空間相關性檢驗

（四）空間計量模型

在考慮空間關聯的情況下，空間計量模型是利用截面數據或面板數據研究變量間的空間效應，進行科學的建模、估計、檢驗、預測的模型方法。按照交互效應的不同，靜態空間面板模型可分為空間滯后模型（Spatial Lag Model, SLM）、空間誤差模型（Spatial Error Model, SEM）和空間杜賓模型（Spatial Dubin Model, SDM）三類。

1. 空間滯后模型

SLM模型關注變量間的空間滯后效應，以及由溢出效應引發的自相關性。因此，通常假定，本地區某一變量的取值依賴于鄰近地區變量的取值，模型形式如下：

2. 空間誤差模型

與SLM模型不同，SEM模型衡量遺漏變量或隨機沖擊對當地因變量的影響。通常假定，本地區因變量的取值不僅取決于自變量的特征還取決于空間相關的誤差項。模型形式如下：

3. 空間面板杜賓模型

SDM 模型關注自變量與因變量間的外生性空間關聯。通常假定，本地區因變量的取值取決于鄰近地區自變量的取值。模型形式如下：

四、京津冀產業布局對人口分布的影響

（一）模型的構建

首先建立最小二乘法回歸模型（Ordinary Lest Square, OLS），對各變量進行對數變換消除異方差性，模型形式如下：

以改進后的OLS模型（8）為基礎，引入地理因素，構建SLM、SEM、SDM模型。

1. SLM模型關注LnPOP在區域內的溢出效應。模型形式如下：

2. SEM模型中隨機誤差項ε包含其他影響LnPOP的空間因素。模型形式如下：

3. SLM模型（原假設：θ=0）和SEM模型（原假設：θ+ρβ=0）是SDM模型的特例。模型形式如下：

SLM模型側重研究本省域產業結構與相鄰省域人口集聚對本省域人口集聚的影響；SEM則主要探討本省域產業結構、被忽略掉的擾動誤差項對本省人口集聚的影響；而SDM模型不僅解釋了相鄰省域人口集聚的空間溢出效應，還研究了相鄰省域產業結構對本省人口集聚的作用。

（二）空間相關性分析

本文利用Stata測算2012-2016年Moran’s I，結果見表5。Moran’s I＞1，且通過10%的顯著水平的檢驗。表明人口分布存在正自相關性，人口集聚程度高的地區其相鄰地區的人口集聚程度也較高。從時間演化來看，2012-2016年Moran’s I指數呈上升趨勢，表明京津冀地區人口集聚效應得到強化。人口不斷向京津市區集中，而北部地區始終較為稀少。

表 5 Moran’s I 指數

（三）空間計量模型的比較和選擇

1. 拉格朗日乘數檢驗

根據Anselin提出的判別準則，拉格朗日乘數（Lagrange Multiplier, LM）檢驗可用于SLM模型和SEM模型的選擇（謝露露，2013）。因此，本文進行LM檢驗，結果見表6。LM-Lag較LM-Error更顯著，R-LM lag較R- LM error更顯著，因此選擇SLM模型比SEM模型更合適。

表6 LM檢驗

2. 似然比檢驗和沃爾德檢驗

LM檢驗忽略了SDM模型的適用性，因此根據Burridge提出的判別準則，運用似然比檢驗（Likelihood Ratio Test, LR）、沃爾德（Wald Test, W）檢驗判定SDM是否應該被簡化為SLM或SEM，其原假設分別為若同時拒絕以上兩個假設，則選擇SDM模型；若θ=0不被拒絕，且R-LM更為支持SLM模型，則選擇SLM模型；若=0不被拒絕，且R-LM更為支持SEM模型，則選擇SEM；若LM和Wald指向的模型不一致，則選擇SDM模型（嚴運樓，2017）。檢驗結果見表7。因此本文采用SDM模型，認為其不能被簡化。

表7 LR檢驗和Wald檢驗

3. 固定效應與隨機效應

根據非觀測效應的不同，面板模型可分為固定效應（Fixed Effects Model, FEM）和隨機效應（Random Effects Model, REM）兩類。本文運用豪斯曼（Hausman）檢驗，結果為239.77，通過1%的顯著性檢驗。表明應拒絕REM模型，采用FEM模型。此外，本文固定而非隨機地選擇區域內13個城市作為樣本，因此無法將結論完全推廣至京津冀整個地區，采用固定效應模型更為合適。

（四）空間計量模型的估計

考察參數估計的穩健性，本文利用Stata分別回歸SDM三種固定效應模型。首先，通過比較R和Log?likelihood，選擇時間固定SDM模型。參數估計結果見表8。其次，本文將OLS、SLM、SEM、SDM模型分別回歸比較。從R可以看出，SDM模型最能夠解釋本文的研究主題。參數估計結果見表8。綜上，本文選擇時間固定SDM模型具有科學性。

根據參數估計結果，第二、三產業區位熵系數均為正。第二產業區位熵變動 0.01個單位，人口地理集中度變動2.562 1%。第三產業區位熵變動0.01個單位，人口地理集中度變動0.997 6%。表明第二、三產業的集中有助于本地區人口的集聚，其中第二產業的積極作用更大。根據空間滯后系數，當地第二、三產業的集中對周邊地區人口集聚起負向影響，其中第三產業的抑制作用更大。

除此之外，本地工資水平和教育水平對人口集聚的正向拉動作用明顯。房價對人口集聚同樣起到積極帶動作用，表明政府難以通過抬高房價限制人口流入。固定資產投資額對當地人口集聚起消極作用，表明固定資產投資逐步從區域內的發達地區轉向了不發達地區，表明將難以依靠資產投資調節人口流動。交通便利度未通過檢驗，表明政府若僅改善交通條件對人口的調節作用并不明顯，還需其他政策的輔助。

表8 SDM模型檢驗結果

SDM 模型的總效應分為兩類，直接效應衡量解釋變量對本地區人口集聚度的平均影響，間接效應衡量其對周邊地區人口集聚度的平均影響，結果見表9。結果表明，第二產業區位熵增加0.01個單位，本地區人口地理集中度平均上升 2.668 6%，其他地區人口地理集中度平均下降2.321 9%。第三產業區位熵增加0.01個單位，本地區人口地理集中度平均上升1.160 4%，其他地區人口地理集中度平均下降4.246 4%。表明第二、三產業對本地人口集聚有積極影響，而對相鄰地區有負向影響，呈現虹吸效應。

表9 空間杜賓模型的直接效應和間接效應

表10 空間計量模型檢驗結果

（五）穩健性檢驗

為了使模型結論更具普遍性，本文以第二、三產業占本地區GDP百分比替換區位熵指標。借鑒前文的方法，分別構建三種固定效應的SDM模型，并對OLS、SLM、SEM、SDM模型分別回歸，結果見表11、12、13。根據R和Log?likelihood，仍然選擇時間固定SDM模型。且前后結論一致，具有穩健性。

表11 SDM模型檢驗結果

表12 空間杜賓模型的直接效應和間接效應

表13 空間計量模型檢驗結果

五、京津冀分行業產業轉移對人口的調控作用

（一）人口彈性系數

本文運用人口彈性系數來衡量不同行業遷入、遷出對當地人口集聚的影響。計算公式（12）為：

（二）數據來源

本文選取2012—2016年京津冀13個市的總人口、總從業人口、各行業從業人口和各產業產值，來源于2013—2017年的《中國城市統計年鑒》。根據其分類，將第二產業分為采礦業等3類，將第三產業分為交通運輸、倉儲和郵政業等14類。

（三）彈性系數分析

將各地區分行業的彈性系數由大到小排列，取前三個行業，整理成表，見表 14。綜合各地區，第三產業中的部分行業人口彈性系數較大，其中信息傳輸、計算機服務和軟件業最大，其次為租賃和商業服務業。表明疏導這兩個行業對人口優化分布的潛力巨大。

表14 京津冀地區產業中部分行業

六、主要結論與政策建議

本文構建時間固定SDM模型，對2012—2016年京津冀產業布局對人口空間集聚的影響展開研究。從自相關性來看，區域內人口集聚程度存在明顯的正自相關，人口主要集中于京津市區及其周邊地區。同時，集聚效應隨時間變化呈增強趨勢。從SDM模型結果來看，產業的布局是影響人口分布的重要因素。本地區第二、三產業專業化程度的提高，對該地區人口集聚程度起顯著的正向拉動作用，對其周邊地區人口集聚程度起抑制作用。從人口彈性系數來看，疏導第三產業中的部分行業對疏解人口的影響更為顯著。

基于以上結論，本文提出以下建議：

（一）均衡產業布局，推動產業高級化

產業結構高級化有助于帶動人口集聚、地區經濟，然而區域內產業結構仍以第二產業為主，有待優化升級。借鑒美國東北部城市群的經驗，服務型功能定位有助于引導人口多極化集聚，促進城市協作。因此，應充分挖掘第三產業對流動人口的帶動作用。根據北京市出臺的《新增產業的禁止和限制目錄（2018年版）》，繼續強化首都文化、科技等資源優勢，禁止新建和擴建信息技術服務業等行業。津冀地區以傳統重工業為支柱產業，服務業應為第二產業服務，兩者聯合發展。

（二）突出區位優勢，優化產業鏈分工

根據各市的比較優勢，國家相關部門應根據市場主導、政府引導的原則，從生產力整體布局出發：北京研發創新能力強，著力提升服務業質量；天津總裝制造和研發轉化能力強，著力發展港口及現代制造業；河北資源豐富、產業部門齊全，建設成為生態環境支撐區及產能承接區（Anselin和 Floray，1995）。通過產業鏈的再調整，北京擴大特色產業輻射范圍，津冀兩地聚集優勢產業吸引人才，從而推動區域內勞動力有序流動。

（三）多管齊下，加強公共服務

隨著生活水平的提高，人們對于優質公共服務的需求不斷上升，教育資源等關系民生的公共資源成為人口流動的重要影響因素。因此，政府一方面以轉移產業調控人口流動，另一方面還應加大公共服務區域內全覆蓋供給的支持力度。相關政府部門通過協商財政支出，加強對發展較為落后的河北省各市的公共服務輸出。同時，在區域內建立可量化、可追溯的政府公共服務績效評價體系和問責機制，保證政策的連續性。