新冠疫情影響下民族地區人口流動的地域差異分析

張昕昕，楊 晨，許小可

(大連民族大學 信息與通信工程學院,遼寧 大連 116605)

由于中國多民族人口分布區域廣泛、民族城市所在地理位置極具特殊性，導致民族地區的經濟發展狀況直接影響到大量民族地區人民的生活水平[1]。近年來對民族地區經濟發展狀況的研究發現：民族地區經濟體系較為脆弱，容易受到地理位置、人口流動、基礎設施等諸多因素的影響[2]，其中人口流動對于依托旅游輸入和勞務輸出的民族城市的經濟發展是一個非常重要的指標[3-5]。人口在流動過程中往往伴隨著資本等生產要素的再分配，在一定程度上促進流入地和流出地經濟的發展[6]。根據國家計生委發布的《中國流動人口發展報告2017》顯示，截止2016年年底，中國流動人口已達2.45億，其中少數民族占比約為6.5%，民族地區流動人口呈逐年上升趨勢[7]，人口流動間接帶來的經濟效益對民族地區的經濟發展影響也越來越大。

2020年開始突然爆發的新冠疫情，對中國乃至全世界均產生了巨大影響[8]。盡管各地都及時采取政策對人口流動進行管控，使疫情在最短時間內便得到了有效控制[9]，但仍然不可避免的對全國人口流動行為產生消極影響。依托旅游輸入和勞務輸出的多數民族城市，人口流動量和城市經濟也在這次疫情中受到重創。這也導致旅游休閑、文化娛樂、餐飲住宿等消費大幅降低，人民生活質量下降。有效刻畫疫情對于民族地區經濟發展產生的消極影響，可為有針對性制定經濟發展策略和幫扶措施提供相關依據，對于維護社會和諧穩定具有重要意義。

本文基于百度遷徙提供的人口流動數據對88個民族地區城市的人口流動數據進行量化分析。首先對民族地區與其他地區的人口流動量進行分析比較，得出新冠肺炎對中國人口流動和經濟活動產生了較大影響。然后，分析發現民族地區人口流動量存在地域差異，疫情對西北、東北地區人口流動影響較大，對西南、華南地區人口流動影響較小。最后，對地域差異產生的原因進行了相關性分析。基于上述研究，可為民族地區設計有效的疫情防控策略，在差別化對民族地區制定扶幫政策時提供相關依據[10]。

1 人口流動量的變化分析

1.1 民族地區城市的分類

中國是一個統一的多民族國家，民族分布呈現“大雜居，小聚居”的特點[11]。根據人口分布集散程度，將少數民族人口分布較為集中的五個民族自治區中的主要城市作為選取民族城市的第一依據；將少數民族人口占據總人口1/2及以上的民族地區自制州、縣作為選取民族城市的第二依據。基于此選取了88個民族城市的百度遷徙數據作為研究對象，占百度遷徙數據中全國總城市數量的25.3%。同時，為了分析民族地區人口遷徙的地區差異，將這88個民族城市依據中國的七大經濟地理分區原則劃分為七大區域[12]。由于華北地區和華中地區的城市較少，所以將華中和華南地區合并、東北和華北地區合并進行分析，分為四大區。

1.2 疫情對民族地區和其他地區影響的分析

根據百度遷徙數據，本文統計了全國主要城市2019年以及2020年從除夕開始直至清明節結束后的人口流動數據量。針對全國主要城市數據劃分為民族地區、其他地區(剔除民族地區后的全國其它地區)、全國整體情況三個類別進行研究分析。由于民族地區與其他地區的城市規模、人口總數、經濟發展狀況是不同的，無法直接進行橫向比較。本文定義人口流入相對變化量指標作為衡量2020年與2019年相比人口流入降低量的指標。

(1)

(2)

根據城市人口流入數據以及城市劃分原則繪制出2019年和2020年民族地區、其他地區(剔除民族地區后的全國其它地區)以及全國整體的人口流入相對變化量隨時間變化的規律，如圖1a。可發現春節后疫情全面爆發，人口流入規模較同期最大驟降了80%以上。元宵節之后，疫情得到有效控制，各地區的人口流入變化量逐漸增大并呈現出周節律現象，其中全國人口流入變化量在農歷二月中上旬首次恢復到疫情爆發前的狀態。

盡管民族地區和全國的總體變化趨勢是一致的，但從相對變化量來看，相較于2019年，民族地區2020年的人口流入量減少了45.7%，而其他地區2020的人口流入量減少了34.2%，說明疫情對民族地區的影響更大。究其原因是因為與其他地區相比，民族地區人口輸入主要依靠旅游業，而疫情的爆發降低了人們的旅游需求，導致民族地區人口流入相較而言影響更大。

基于城市人口流出數據的結果如圖1b。春節后疫情全面爆發，國家采取政策對人口流動進行管控，各地人口流出變化量急劇下降，并呈現出負值狀況。元宵節之后，疫情得到有效控制，各地區的人口流出變化量逐漸增大并呈現出周節律現象。春節后一直到正月三十之前，其他地區和民族地區的人口流出變化量大致相同；正月三十之后，其他地區與民族地區人口流出變化量出現明顯的分化現象，民族地區相較其他地區的回升趨勢更快一些。對比分析民族地區與其他地區人口流出變化量，發現民族地區2020年的人口流出量比2019年平均減少了47.8%，其他地區2020的人口流出量比2019年平均減少了52.6%，說明疫情對民族地區人口流出的影響相較于其他地區而言更小一些。分析其原因是和其他地區相比，民族地區外出務工人員占比更多[13]，而疫情對人們外出務工的剛性需求影響較小，這也導致疫情對民族地區人口流出影響較小。

a)2019年與2020年人口流入相對變化量分析

綜合以上對人口流動量的分析，可發現民族地區和其他地區的人口流動變化趨勢基本一致，但是疫情對民族地區和其他地區人口流動的影響程度是不同的。疫情對民族地區人口流入的影響相較于其他地區而言影響更大，疫情對民族地區人口流出的影響相較其他地區而言要小一些。

1.3 疫情對民族地區人口流動影響的地域差異

中國民族地區分布廣泛，不同民族地區的城市規模、人口總數、經濟發展狀況是不同的，所以各個民族城市受疫情影響程度不可一概而論。基于此，進一步按照地域劃分來分析疫情對民族地區的影響。根據百度遷徙數據統計了全國主要88個民族地區城市從除夕開始直至清明節結束后的人口流動數據量，并將民族地區城市劃分為四個大區進行研究分析。

根據城市人口流入數據以及地區劃分原則繪制出2019年和2020年四個民族地區人口流入相對變化量隨時間變化的規律，如圖2a。點劃線部分為各民族地區內所有樣本城市從除夕開始直至清明節結束后人口流入變化量的平均值。從平均值來看，從正月初七到二月十五這段時間內疫情對各民族地區的人口流入變化量的影響是較大的。從人口流入變化量達到平均值的時間來看，每個地域的人口流入情況有很大的差別。春節后疫情全面爆發，各民族地區人口流入變化量極速下降，表現為負增長狀態，并在正月二十日左右出現回升趨勢。華南和華中地區、西南地區在疫情得到控制的二月初七左右逐漸恢復疫情前水平，并出現人口流入量與2019年同期相比增加的狀態。反觀西北地區、東北和華北地區，人口流入直到清明節仍未恢復到疫情前水平，人口流入一直呈現出損失狀態，但是東北和華北地區的人口損失明顯低于西北地區。綜合分析，新冠疫情對西北地區影響最大，其次是東北和華北地區、華南和華中地區，對西南地區影響最小。

民族地區基于城市人口流出數據的結果如圖2b所示。點劃線部分為各民族地區內所有樣本城市從除夕開始直至清明節結束后人口流出變化量的平均值。從平均值來看，從正月初七到二月十五這段時間內疫情對各民族地區的人口流入變化量的影響是較大的。春節后疫情全面爆發，各民族地區人口流出變化量極速下降，表現為負增長狀態，四個地區的人口流動規模最大損失達80%左右。元宵節過后，各地區人口流入變化量較之前相比有了緩慢的回升，同時出現了明顯的分化現象。華南和華中地區、西南地區最先恢復到疫情前水平，反觀西北地區、東北和華北地區，人口流入變化量直到清明節仍未恢復到疫情前水平，而且西北地區的人口流入變化量距疫情前水平仍有很大差距，東北和華北地區次之。西南地區在農歷二月份就恢復到了疫情前水平，人口流出損失量與其他地區相比較少，說明疫情對西南地區影響最小。

a)2019年與2020年民族地區人口流入相對變化量分析

綜合圖2分析，可發現疫情對同一區域民族地區的人口流入與人口流出的影響大致相同，但是對不同民族地區人口流動的影響是不同的，對西北地區影響最大，其次是東北和華北地區、華南和華中地區，對西南地區影響最小。

2 民族地區人口流動的影響因素

對比疫情后民族地區與其他地區的人口流動變化量以及不同地域的民族地區的人口流動變化量，發現民族地區與其他地區的人口流動量較2019年相比均有了明顯的下降，但疫情對民族地區人口流動的影響不同于對其他地區人口流動的影響。相比之下，疫情對民族地區人口流入的影響大一些，對人口流出的影響小一些。分地域來看，疫情對不同民族地區之間的人口流動變化量的影響有很大的差異，對西北地區影響最大，西南地區影響最小。綜合分析疫情對某個民族城市的影響，發現民族城市所處的地域會直接影響到它受疫情影響程度的大小，不同地域的民族城市由于各種因素的差異導致疫情對其人口流動的影響程度是不同的[14]。基于此，下面討論在新冠肺炎影響下民族地區人口流動量產生地域差異的原因。

2.1 皮爾遜相關系數

皮爾遜相關系數用于檢驗兩個變量之間的相關性，其定義為

(3)

2.2 民族地區人口流動的影響因素分析

在分析導致疫情對不同地域的民族城市的人口流動影響程度不同的原因時，我們引入了皮爾遜相關系數這個常用統計量。該參數可以直觀的反映出人口流動累計變化量與不同因素之間的相關性，根據值的大小判斷對人口流動的影響程度。

針對民族地區城市，綜合2019年與2020年除夕之后的人口流入、人口流出指標計算各民族地區受疫情影響造成的人口流動累計變化量，并統計2019年各民族地區城市全年GDP[15]，得到各民族地區城市受疫情影響程度與城市GDP的相關關系圖，如圖3a。人口流動累計變化量與GDP之間的相關性系數為0.04，二者為極弱相關關系。數據點分布很分散，擬合程度較低。說明在新冠疫情影響下，城市GDP的大小對人口流動的幾乎沒有影響。

各民族地區城市受疫情影響程度與城市常住人口的相關關系圖如圖3b。人口流動累計變化量與城市常住人口之間的相關性系數為0.20，二者為弱相關關系。基于常住人口，發現西北地區的城市大都集中分布在圖下方，西南地區的城市大都分布在圖上方，說明疫情對西南地區人口流動的影響小，對西北地區人口流動的影響大。同時也說明，在新冠疫情影響下，民族城市常住人口的多少對人口流動的影響也不大。

a)各民族地區城市受疫情影響程度與城市GDP的相關關系圖

根據城市每日新增確診以及地區劃分原則，繪制出2020年四個民族地區從除夕開始直至清明節結束后每日新增確診數隨時間變化的規律，如圖4。各地區新增確診數呈周節律現象增減，并在農歷二月中旬出現新增確診為零的狀態，這種狀態一直持續到清明節假期結束，表明疫情形勢出現了積極變化，民族地區疫情防控取得階段性成果。

圖4 民族地區每日新增確診

具體來看，華南和華中地區在元宵節之前的每日新增確診數都是最多的，元宵節過后該地新增確診數驟減，于農歷二月初首次出現新增確診為零的狀態，并且直至清明節假期結束每日新增確診人數均為零。反觀東北和華北地區，該地的整體變化趨勢都較平穩，新增確診數一直保持在個位數狀態，是最早出現零新增確診的民族地區。西北地區和西南地區的新增確診數總體變化趨勢相近，但西南地區新增確診數在元宵節過后出現了峰值，究其原因可能是西南地區復工導致人流量變大，加快了疫情的傳播。西北地區在農歷二月中上旬每日仍有少數確診病例，是最后出現零新增確診病例的民族地區。疫情的反復使得西北地區管控較嚴格，導致疫情對西北地區人口流動影響最大。

3 結 論

百度遷徙數據實時動態的記錄了人們的出行軌跡。本文通過采集2019年以及2020年從除夕開始直至清明節結束后的88個民族城市的人口流動數據量，首先分民族地區和其他地區對人口流動量進行度量；其次分不同地域對民族城市人口流動量進行度量，并針對度量結果對差異產生的原因進行相關性分析。發現在新冠肺炎疫情影響下，民族地區與其他地區的人口流動變化量相差很大。通過對不同地域的民族地區人口流動量的分析比較，得出疫情對不同地域的民族城市的影響程度不同：對西北地區影響最大，對華南和華中地區、東北和華北地區的影響次之，對西南地區影響最小。通過采集2019年與2020年除夕之后的人口流入、人口流出指標計算各民族城市受疫情影響造成的人口流動累計變化量，針對人口流動累計變化量與城市GDP、城市常住人口這兩個最有可能對疫情傳播產生影響的因素做相關性分析，發現均為弱相關關系。

最后，根據對不同地域民族地區每日新增確診病例的統計分析，發現從農歷二月中上旬開始全國疫情防控形勢處于穩中向好的狀態，但西北的民族地區仍有少數確診病例，且是最后才實現零新增確診的地區。基于此，可以認為疫情的反彈使的民族地區長時間處于疫情防控狀態，人口流動受到限制，導致疫情對西北地區人口流動影響最大。這一結果可為有關部門在后疫情時代制定更有效的經濟恢復策略以及針對性的扶貧幫貧舉措提供理論支持。