中国城市流动人口回流意愿的空间分异及影响因素

基于国家卫计委2016年流动人口动态监测数据（CMDS）,运用相关GIS空间统计工具探讨了中国279个地级及以上城市流动人口回流意愿空间分异问题,进而考察流动人口回流意愿的影响因素。研究发现：① 相比居留意愿及户籍迁移意愿,中国城市流动人口回流意愿偏低（6.17%）,其中,绝大多数流动人口（74.05%）的回流去向地是返回原居住地。城市规模、城市等级与流动人口回流意愿呈非对称“U型”格局。② 流动人口回流意愿总体上呈现出集聚分布模式,并具有显著的空间分异特征,长江三角洲、京津冀等城市群流动人口的回流意愿较高,成渝和哈长城市群流动人口回流意愿较低;东部地区流动人口回流意愿最高,东北地区的回流意愿最低;华南、中南和部分华东地区为回流意愿热点区,东北和华北地区为回流意愿的冷点区。③ 回流意愿受流动人口内部因素与流入地外部因素的共同影响,同时作为内部因素和外部因素的教育水平及经济发展变量对流动人口回流意愿的影响方向不同。④ 流动人口的家庭联系、社会网络、住房及经济因素是塑造流动人口空间格局的主要力量,流入地家庭规模及住房拥有率等对流动人口回流意愿产生抑制作用,非流入地家庭规模、流动次数、家庭收入支出比等对回流意愿产生促进作用。     

中国城市流动人口居留意愿影响因素的空间分异特征

流动人口居留意愿的影响因素往往存在显著的空间分异特征,然而既有研究对此关注较少。基于2015年中国流动人口动态监测数据,运用半参数地理加权回归（SGWR）模型,结合k均值聚类法,对中国城市流动人口居留意愿影响因素的空间分异特征展开研究。结论如下：① 流动人口居留意愿主要受流动人口群体自身特征的影响,受流入地的影响相对较弱;② 社会经济因素与流动人口居留意愿的关系紧密,人口、家庭及流动特征因素同样产生影响,收入、婚姻、跨省流动等因素对流动人口居留意愿产生抑制作用,而住房支出、参保率、子女个数等因素则产生促进作用;③ 各影响因素总体上呈现带状的空间分异模式,可概括为“E-W”“N-S”“NE-SW”“SE-NW”4种。民族、家庭等因素的正向影响自北向南递减,参保率、未婚率、二产就业等因素的影响自西北向东南递减,子女个数及人均GDP的影响自东北向西南递减。东部经济较发达地区高收入流动人口的居留意愿相对更弱,华南地区住房支出较高的流动人口居留意愿相对更强。④ 全国可划分为四大影响区,其中,华北地区、华中地区、华东地区受多因素共同影响;西北地区及部分西南地区主要受人口及社会因素的影响;东北三省及内蒙古东部地区主要受经济及家庭因素的影响;华南地区及部分中、东、西南部地区,除住房支出外,受大部分因素的影响相对最小。最后,本文对中国流动人口的服务与管理提出相应建议。     

流动人口居留时长意愿的空间分异及影响因素

基于2018年中国流动人口动态监测数据,根据流动人口愿意在流入地居留时间的长短将居留意愿划分为短期居留意愿、长期居留意愿、永久居留意愿3种类型,运用空间分析技术和分层模型对中国地级及以上城市流动人口不同类型居留意愿的空间分异及影响因素进行对比分析。研究发现：具有短期和长期居留意愿的流动人口比例合计超过60%,表明两栖和多栖生计仍是流动人口的主导生计策略;短期和永久居留意愿在空间上存在明显的“一高一低”分布差异,短期居留意愿在东部地区最高,东北地区最低,永久居留意愿则呈完全相反的分布格局;中西部地区流动人口长期居留意愿最高。模型结果显示,流入地特征和流动人口个体特征共同影响着不同类型的居留意愿：在东部和中部、经济发达以及职工平均工资高的地区,流动人口短期和长期居留意愿较高,永久居留意愿较低;男性、农业户口、受教育程度和家庭月均收入低、在外流动时间短、跨省流动的流动人口倾向于短期和长期居留;而女性、非农业户口、受教育程度和家庭月均收入高、在省内流动、在外流动时间长的流动人口更愿意在流入地永久定居。     

北京市流动人口聚居区空间分异及形成机理

随着特大城市功能转变和产业结构优化升级,流动人口结构出现了巨大变化,进而引致流动人口聚居区的类型趋向多元化,空间分异及形成原因愈加复杂化。本文运用GIS空间分析、数理统计方法以及空间计量模型,刻画了北京市流动人口聚居区的空间分异特征;并从社区和个体两个层面剖析流动人口聚居区空间分异的形成机理。研究发现：① 北京市流动人口聚居区总体呈“环形”绕城分布,表现出明显的城乡过渡性和景观异质性;同时具有显著的空间类型差异。② 流动人口聚居区空间分异特征是需求与供给耦合作用的结果,是社区因素和个体因素共同影响下形成的。③ 社区因素是流动人口聚居区空间分异的外部驱动力,其中：经济因素是基本动力,交通因素是空间引导性力量,制度因素是根本力量,空间溢出效应是主导力量。④ 个体因素是流动人口聚居区空间分异的内部驱动力,其中：家庭生命周期是直接动力,社会经济地位是主导力量,人口迁移特征是潜在推力,基本公共服务需求是非敏感因子。通过本文研究,将有助于政府及城市规划部门制定更具针对性、更加高效的流动人口聚居区治理策略,从而促进流动人口聚居区实现差别化转型升级。     

中国数字经济空间分异及影响因素

基于腾讯研究院公布的数字经济指数,运用插值模拟、Zipf位序-规模法则及地理探测器等方法,对2016年中国数字经济发展的空间分异特征进行分析,并对其影响因素进行探测比较。结果表明：① 中国数字经济发展空间分异明显,省域尺度呈现出自东向西梯度递减的特征,但川、渝成为创新发展新极点;城市尺度,城市群地区是数字经济发展高地。② 数字经济各分维度发展的协同性与差异性特征并存,但差异性更为显著。③ 国家层面,政府对科学技术方面的投入对数字经济的发展起重要作用;东部地区影响因素相对多样;信息化基础与潜力方面因素对中部地区起主导作用,且各因素交互后作用力显著加强;西部地区受多种因素的综合作用,不存在具有决定性的影响因素;东北地区的影响因素则相对单一。     

中国生态地租空间分异及其影响因素分析

生态地租是衡量资源稀缺的社会经济效果的重要指标.在测算2002年和2007年中国各省份单位经济产出生态地租量和生态地租总量的基础上,运用ArcGIS和GeoDA软件分析生态地租空间分异规律;并进一步采用传统回归分析以及空间相关性分析等方法,辨析生态地租空间分异的影响因素.结果表明:①中国单位经济产出生态地租量具有西南、东北低,冀豫高的稳定分布特征,中西部地区呈增长趋势,东部地区则呈减少趋势,总体分布比较分散;②生态地租总量空间分异表现为显著的空间集聚特征和东中西部分异特征,形成了明显的高-高集聚和低-低集聚类型区,环渤海地区、长三角地区、珠三角地区是生态地租总量高度集中区域,西部地区则相对较低;③生态地租空间分异受到人口、经济和产业结构等因素的显著影响,人口密度、城镇化水平、经济密度、人均消费水平及人均GDP与生态地租总量在空间关联性上显著正相关,表现出明显的空间集聚特征;农业比重与生态地租总量之间显著负相关,存在空间上的分散性.     

中国儿童游憩需求与供给的空间分异及影响因素

使用统计数据和游客生成数据,从公共性和商业性视角评估中国城市儿童游憩供需空间分异,并使用逐步回归与地理加权回归识别影响因素。研究发现：① 中国城市儿童游憩需求和供给呈现胡焕庸线以东高、以西低,需求以首府城市为中心极,供给则以直辖市和旅游城市为中心极;② 中部内陆腹地供给匮乏、西部与东部沿海供给充足,胡焕庸线以东省会城市最匮乏;③ 中心城市高需求引致儿童游憩供给的集聚、虹吸效应,加剧游憩机会的不平等;④ GDP、城镇居民人均可支配收入、高级景区数量、第三产业占比、旅游人次和城镇化率是形成儿童游憩供给空间差异的主要因素。     

中国流动人口的影响要素与空间分布

利用公安部 1 996年流动人口统计数据 ,对中国流动人口的影响要素和空间分布进行了分析和研究。首先 ,从城市角度分析中国流动人口的“拉力”要素发现 :流动人口规模与经济增长要素、投资要素相关显著 ,与社会发展要素、消费要素相关不显著 ;其次 ,运用 GIS技术与空间相关分析的综合集成方法 ,对中国流动人口的空间分布进行研究 ,结果表明 :中国流动人口分布存在着突出的城乡“二元”结构、东中西“3带、 5区”的空间格局。     

城市流动人口长期居留意愿的空间分异及影响因素 ——以长三角城市群为例

以长三角城市群为例,采用多层Logistic回归分析方法,分析城市流动人口长期居留意愿的空间格局及其影响因素.研究发现:1)长三角城市群流动人口长期居留意愿比例为38.09％,其中安徽的城市流动人口以省内流入为主,长期居留意愿比例普遍较高;而沪、苏、浙的城市大多以省际迁移人口为主,高和较高居留意愿城市主要为上海、南京、...     

广州市工业用地空间分异及其影响因素分析

基于定量分析,采用GIS技术,对广州市工业用地空间演变和分异特征进行了研究。分析表明,工业用地拓展以市中心区外围地带强度最大,其时空变化除了深受产业政策和城市发展战略的影响,在空间分异上,工业用地还与行政中心、道路交通和河流水面等因素密切相关,城市和交通的等级和功能不同对工业用地分异的影响不同。     

中国地级市间流动人口永久定居意愿的空间特征和影响因素

促进流动人口市民化成为当前国家推进新型城镇化进程中着力解决的重点问题,而永久定居意愿是促进流动人口市民化的关键内在驱动力。论文从地级市间流动人口的永久定居意愿出发,利用全国流动人口动态监测调查数据和多元线性回归模型开展实证研究。结果发现：① 地级市间流动人口的永久定居意愿有着整体水平偏低、空间不均衡的特点;永久定居意愿流形成以上海市、深圳市和北京市为主,内陆部分城市群的核心城市为辅的多极格局;随着永久定居意愿的增强,对城市的选择愈发聚焦在少数几个一线城市。② 模型结果显示,流入地级市与流出地级市间的工资与失业率的差距显著影响地级市间流动人口的永久定居意愿;女性、年长、受教育程度高、短距离迁移、停驻时间长以及举家迁移等的流动人口具有更高的永久定居意愿;流入城市的住房开始取代就业成为定居决策过程中最为重要的经济因素变量。     

中国县域住宅价格的空间差异特征与影响机制

以2014年中国2872个县级单元的住宅平均单价为基本数据,通过空间自相关和核密度函数分析中国住宅价格的差异格局、空间关联特征和分布形态,构建“住宅价格等级金字塔”;根据“需求+供给+市场”的三维理论视角建立包括5大住宅价格差异影响因素在内的价格模型,采用地理探测器分析全国及其区域子市场的影响因素强度差异,并探索其影响机制。结果表明：① 中国区域住宅价格呈现以行政等级性为主、空间集聚性为辅的双重差异格局,其空间关联与集聚性显著;② 中国住宅价格呈现出房价越高,区域越少,所居住城镇人口越少的“金字塔式”等级分布特征。③ 租房户比例、流动人口规模、住房支付能力、住房市场活跃度、土地成本是中国住宅价格差异的5个核心影响因素,不同行政等级子市场的影响因素作用强度各异。     

两栖生计下中国流动人口城镇购房意愿的空间特征和影响因素

流动人口的城镇购房意愿和空间偏好直接关系到流动人口市民化的路径选择与城镇化的高质量发展.基于2016年中国流动人口动态监测调查数据和统计数据,对比研究了流动人口流入地和流出地城镇购房意愿的空间特征和影响因素.研究发现:①流动人口城镇购房意愿具有层次性和两栖性特征,还有小部分流动人口拥有多地城镇购房意愿.②流入地和流出地...     

城市迁移人口居住空间分异——对深圳市的实证研究

基于深圳市第六次人口普查数据,将迁移人口按照户籍地划分为市内迁移、省内迁移和省际迁移3种类型。通过计算区位熵分析街道迁移人口比重在全市中的水平,并用空间自相关来识别其空间集聚状况,以揭示迁移人口的空间分异格局,进而用分异指数刻画迁移人口的分异程度。然后以街道迁移人口比重为因变量,住房因素和就业因素为自变量,采用OLS模型、空间滞后模型和空间误差模型来分析和解释迁移人口居住空间分异的影响因素。结果表明：①迁移人口区位熵呈现出较为明显的圈层结构分布特征,以南山区和福田区为中心向外依次为市内、省内和省外迁移人口;②迁移人口的居住分布存在空间集聚,市内迁移人口集聚分布在行政中心周围,省内迁移人口集中分布在商业中心周围,省外迁移人口集中分布在工业园区较多的关外街道;③省外迁移人口与本地人口之间的居住分异程度最高;④省外迁移人口的居住空间分布显著地受住房因素的影响,省内迁移人口的居住空间分布则受就业因素的影响,住房和就业因素对市内迁移人口的居住空间分布的影响不显著。     

跨地区生计及其变迁视角下流动人口城镇住房分层的特征及其影响因素

在跨地区生计及其变迁的视角下,将流动人口在流入地和流出地城镇的住房状况有机结合,借助2016年中国流动人口动态监测调查数据和相匹配的城市特征数据,运用描述统计和多层次回归模型,探究流动人口城镇住房分层的特征及其影响因素。结果发现,流动人口的城镇住房已形成了一个从低到高依次由无城镇产权房、有城镇产权房（流出地或流入地城镇产权房）和多区域城镇产权房构成的“三阶四级式”的“金字塔型”结构。模型结果显示,流动人口个体及家庭的社会经济条件和流出地的区位禀赋是其实现城镇住房自有的重要基础和财务支撑,流入城市的经济发展水平、房价和城市规模仅对流入地和多区域城镇产权房有显著影响。因此,本文挑战了流动人口住房条件差的刻板印象,并吸引人们关注流动人口跨地区生计及其变迁对其城镇住房的影响,拓展了当代中国城镇住房分层研究的视角。     

中国人口老龄化空间格局演变及其驱动因素

基于第五、六次人口普查数据,采用ESDA和空间计量模型分析中国地级单元人口老龄化的空间格局演变特征及驱动因素。结果表明:①胡焕庸线是中国人口老龄化呈东高西低的显著分割线,随着老龄化不断加深,最初自西向东阶梯上升的空间格局逐渐模糊;②各地级单元间人口老龄化存在较强的空间正相关性,呈现出高-高和低-低相似值集聚的空间分布特征。其中高-高集聚区主要分布在长三角、成渝、山东半岛、辽中南等地区,低-低集聚区主要分布在西北地区、西南部分地区、东北地区西部和珠三角部分地区,10 a间这种正向的空间集聚特征减弱;③中国人口老龄化空间格局演变是由人口因素和社会经济因素共同作用决定的,人口因素是直接原因,根本原因是地区社会经济发展的不平衡所致。对此,分别从人口和社会经济角度提出应对人口老龄化对策建议。     

Effect of land prices on the spatial differentiation of housing prices: Evidence from cross-county analyses in China

This study analyzes the spatial patterns and driving forces of housing prices in China using a 2,872-county dataset of housing prices in 2014. Multiple theoretical perspectives on housing demand, supply, and market, are combined to establish a housing price model to explore the impact of land prices on housing prices. The relative impacts of land prices on housing prices at different administrative levels are then analyzed using the geographical detector technique. Finally, the influencing mechanism of land prices on housing prices is discussed. The main conclusions are as follows. (1) Housing prices have a pyramid- ranked distribution in China, where higher housing prices are linked to smaller urban populations. (2) Land prices are the primary driver of housing prices, and their impacts on housing prices vary over different administrative levels. To be specific, the effect of land prices is the strongest in the urban districts of provincial capital cities. (3) The internal influence mechanisms for land prices driving housing prices are: topographic factors, urban construction level, the agglomeration degree of high-quality public service resources, and the tertiary industrial development level. The urban land supply plan (supply policies) is the intrinsic driver that determines land prices in cities; through supply and demand, cost, and market mechanisms, land prices then impact housing prices.