摘 要:随着改革开放层层深入和区域不均衡发展，人口迁移流动成为我国“新常态”之一.运用空间分析方法和灰色关联分析研究东北三省人口迁移的时空格局及影响因素.结果表明：①辽宁(简称辽)、吉林(简称吉)、黑龙江(简称黑)三省在迁入、迁出的人口规模演变方面呈现各不相同的变化特征，但迁移人口的分布均呈现分散化态势.②从迁入人口数量分布看，除人口迁出大省四川外，辽、吉、黑三省份均基本遵循距离衰减规律；从迁出人口数量分布看，东北三省人口迁出目的地除了东北三省内部省份外，迁往北京、天津、山东3个省级行政单元的人口规模最大；不论迁入、迁出，东北三省与西藏、青海、宁夏、贵州、重庆等西部、南部和少数民族区域省级行政单元的人口交流数量均为最少.③旅游发展与外资利用是影响东北三省人口迁移众多因子中仅次于距离的重要因素.
关键词:人口迁移；时空格局；影响因素；灰色关联；东北三省
2016年，国务院印发《国家人口发展战略规划(2016—2030)》，将实施人口均衡发展战略作为人口发展规划的总体思路.2015年全国迁移流动人口规模达到2.47亿，大规模的人口迁移和流动已经成为我国当前社会经济发展的新常态.在此背景下，东三省的人口问题却日趋严重.人才加快迁出成为制约老工业基地振兴主要原因之一，人口的过度外迁令原本城镇化动力不足雪上加霜，人口的结构性问题成为发展隐忧.因此，有必要探究东北三省人口迁移的时空格局变化及其人口迁移影响因素的变化，以厘清人口问题的历史根源，抓住解决问题的实质和方向.
根据规范，管网漏失水量和未预见水量之和，按上述用水量之和的10%取值，则上述W1和W2加上未预见水量后，分别为489 m3/d、3.1 m3/d，共492.1 m3/d，最终确定本次工程日用水总量为500 m3/d。为了控制工程规模同时结合调蓄水池的调节作用，确定供水时长为10 h。同时日变化系数取1.2，最终计算得设计流量为60 m3/h。供水衔接工程为向三交镇供水，日用水量为500 m3/d，取时变化系数为3，供水时长16 h，则供水衔接工程设计流量为93.8 m3/h。
国内外相关研究主要集中于以下三个方面：第一，人口迁移的空间分布特征研究，学者主张利用新数据、新技术、新模型进行人口迁移研究，提供了更多的人口迁移分布问题的解答方案，大数据为此提供了支撑[1-5].Thomas等[6]通过对英国案例的研究发现，不仅官方数据可以用于迁移人口和涉及区域的经济社会发展的相关分析，未加权的商业微数据也可以作为用于建模和分析的基础数据；王开科和王开泳[7]以Keyfitz模型及其扩展形式为研究的出发点，通过对城镇化率和农村人口自然增长率的估算来求取城乡人口净迁移比率.第二，不论是发达国家还是发展中国家，城乡之间的人口迁移受到普遍关注，由此带来的城镇化问题成为新晋热点[8-13],Geyer Jr和Geer Sr[14]通过对1996—2011年间的南非人口迁移趋势和产业集聚模式进行分析，发现两者在城市化进程中呈现分异特征；刘颖等[15]通过空间计量模型，实证检验了综合城镇化及各城镇化分量值对省际人口迁移影响的空间效应，提出经济城镇化仍是影响省际人口迁移变化的主导因素.第三，结合当前经济社会发展的热点问题，学者针对不同区域尺度，开展影响人口迁移的因素和人口迁移带来的影响分析研究[16-20].Barbieri等[21]研究气候变化、经济影响和人口迁移之间的关系，对巴西东北部地区气候变化导致的经济变化而产生的人口迁移现象进行分析，结果表明，气候变化严重影响农业发展，成为该国其他地区的潜在移民的推动因素；龙晓君等[22]在全面二孩背景下，研究了我国省级人口规模，对我国区域人口分布的时空演变进行了分析；张苏北等[23]以安徽省为研究案例，揭示了省内人口迁移的空间规律和影响因素，研究表明，劳动力从业结构、区域经济和城市发展水平是影响省内人口迁移的重要因素.
总体来看，相关学术研究集中在人口迁移研究的时序格局和演变机制方面，对静态人口分布研究较多，对动态人口分布演变研究较少，对长时间跨度的动态人口分布演变规律更少.“新东北现象”与东北三省人口问题虽然已经成为社会和舆论关注的热点，但对“外部迁入人口从哪里来”“内部迁出人口去了哪里”缺少针对性、系统性研究，尤其对“为什么会这样发生”缺少共识性结论.因此，本文以发展的视角建立基于“新引力模型”“区域综合差异指标体系”“灰色关联度分析”三位一体的统筹“自然—经济—社会”复杂系统中各类影响因素的人口迁移动态分析逻辑框架，分析东北三省1982—2015年的人口迁入、迁出可能的影响因素及变化趋势，为实现东北三省人口振兴提供理论参考.
1 研究方法及数据来源
1.1 研究方法
Lowry在Zipf的“引力模型”基础上，提出“新引力模型”，认为人口迁移从农业劳动力较多、预期收入较低的地区流向农业劳动力较少、预期收入较高的地区.表达式为
权威受到了公然地挑战，令族长的脸上掠过了一丝愠怒，她望着少年，以一种高高在上的姿态说道：“年轻的天葬师，你的心智并不够坚定，你已被她妖艳的容貌迷惑。”
(1)
式中：Mi→j表示从i地区到j地区的迁移人口数量；Ui、Uj表示i、j两地的失业率；Wi、Wj分别表示i、j两地的制造业工资；Li、Lj分别表示i、j两地的农业劳动力人数；Dij表示i、j两地地理距离.
Oxford(1990)将学习策略的使用频率从1到5共划分为高、中、低三个等级，“高”又被描述为“总是或经常使用”（M∈4.5-5.0）和“通常使用”（M∈3.5-4.4）；“中”代表“有时使用”（M∈2.5-3.4）的频率范围；“低”分为“通常不使用”（M∈1.5-2.4）和“从不或很少使用”（M∈1.0-1.4）
Mi→j,t=f(At).
(2)
式中：Mi→j,t表示t时间段从i地迁往j地的人口数量；At表示t时间段由各种影响因素组成的区域综合差异指标体系.
在既有文献在人口迁移影响因素分析的基础上，本文选取了7个二级指标和22个三级指标的区域综合差异指标体系以观察各时段人口迁移的影响因素.具体指标如表1所示.
第一次淬火时，淬火感应圈1的长直角边5到齿圈2的倒角端面6的落差为3.5mm，加热时间设定为5.8s，冷却时间设定为10s，冷却时间即喷水时间，也需要控制，时间短易出现屈氏体，甚至是喷水压力也应该有效控制，通常压力控制在0.3～0.45MPa，压力小易导致淬火件金相组织不均匀，易出现屈氏体，降低金相等级。
(1)研究假设
①假设一：X0与Xi之间存在正或者负的相关关系.
人美版第五册《台历的设计》属于“设计应用”学习领域的内容，旨在让学生利用材料进行台历的造型设计，融绘画、剪贴与制作为一体，尝试大胆想象和创新设计不同造型功能的台历，体会设计活动带来的乐趣，使学生逐步养成善于观察、勤于思考的习惯，培养学生的设计意识。
灰色关联分析方法有一个缺陷，即该方法不能够区分影响因子与被评价因子之间的关系是正相关或者负相关.因此，开始灰色关联分析之前，需要首先界定其对人口迁移行为的影响是正向的还是负向的.各项指标的正负关系具体见表1.
表1 影响省际人口迁移的区域发展差异的参考指标体系
Table 1 Reference index system of regional development difference affecting inter provincial population migration
目标层二级指标三级指标(Xi)比较指标(X0)人口迁出规模人口迁入规模影响人口迁移的省际发展差异的参考指标体系省际发展水平与规模差异省际就业结构差异省际预期收入差异省际基本公共服务差异省际创新能力差异省际气候舒适差异省际出行距离差异地区生产总值(X1)/亿元+-全社会固定资产投资额(X2)/亿元+-地方财政收入(X3)/亿元+-国际利用外资额(X4)/万美元+-旅游外汇收入(X5)/(万美元/人)+-年末总人口(X6)/万人+-第二产业占从业人口比重(X7)/%+-第三产业占从业人口比重(X8)/%+-城镇居民人均可支配收入(X9)/万元+-农村人均纯收入(X10)/万元+-失业率(X11)/%-+市辖区人均道路面积(X12)/(m2/人)+-市辖区人均公交车数量(X13)/(辆/万人)+-万人均邮局数(X14)/(人/万人)+-万人中小学专任教师数(X15)/(人/万人)+-万人均卫生院床位数(X16)/(床/万人)+-万人排水管道长度(X17)/(km/万人)+-建成区绿化覆盖率(X18)/%+-专利受理数量(X19)/个+-区域温度指数(X20)-+区域湿度指数(X21)-+各省政府间距离(X22)/km--
注：表1中涉及“人均”的指标，如果相应统计文献里有的直接使用，没有的经换算得出；1985、1995年的“城镇居民人均可支配收入”用“省会城市职工平均工资”代替；1985年“市辖区人均道路面积”缺失数据用“人均铺装道路面积”代替.1985年“每万人排水管道长度”用《中国统计年鉴》的“每万人拥有下水道长度”代替；1985年“建成区绿化覆盖率”用“省会城市建成区绿化面积占土地面积比重”代替；1990年“建成区绿化覆盖率”为“园林绿化面积”除以“建成区面积”.由于行政区变动、统计数据的缺失，对1985—1990年的海南省、重庆市，1995—2000年的重庆市和所有时段的西藏自治区的指标进行剔除
②假设二：某一年份Xi数据对此后5 a时间内人口迁移行为产生影响.
1982年开始的6个时间段里，跨省迁入辽宁省与吉林省的人口规模变化线型相似，跨省迁入人口规模先增后减呈现“倒U”形态，在2005—2010年时段达到峰值；而黑龙江省人口迁入曲线异于辽宁、吉林两省，呈波动上升，在2010—2015年时段达到峰值，表现出人口迁入过程中更大的不稳定性.
为便于分析，假设储罐内LNG经BOG换热后完全变为饱和态LNG，分析所需要的LNG过冷度。其中，LNG储罐内压力为0.3 MPa，对应饱和温度为-146.6℃。
式(7)中：k为省级行政单元个数(k=1，2，3，…，30)；i为各因素指标个数(i=1，2，3，…，22)，N为省级行政单元个数30；ri为关联度，表示各因素之间变化趋势的一致性，0<ri≤1，r值越接近1则说明参考指标和比较指标之间关联度越大.由于关联系数是曲线上个点即各个时刻的关联程度值，因此它的数量不唯一，为了进行整体性的分析，将各个时刻值集中为单一的值，求其平均数，从而作为比较数列(X0)与参考数列(Xi)之间关联程度比较的依据.
2.3.4 设定用户端业务主询 与服务器设定相呼应,在用户端也同样需要设定相应的业务主询．同时用户端选择的业务主询与业务主询配置器中的设定要一致．在此设定Office子网、Teach子网和Student子网的业务主询分别为office、teach和student．
(2)灰色关联度分析法
我们知道，动词“bake”本身与转移之间并不存在因果关系，“bake”不能造成转移，转移也不能造成“烤蛋糕”这一动作。但是，在这里“bake”不仅能实现其动作，还能实现结果的转移，这一切都是构式压制的结果。
灰色关联分析由邓聚龙首次提出，是研究事物或系统之间相互关系的一种定量的分析方法，主要基于空间理论的数学基础判断参考序列和若干比较序列之间的关联系数和关联度[24].灰色关联度分析的重点是对关联系数的分析.首先求出各个因素与最理想指标共同构成的关联系数，然后根据关联系数的大小得到关联度，再将关联度大小进行排序，关联度越接近1，则比较序列与参考序列的关联度越高；若关联度越接近0，则表示比较序列和参考序列之间的关联性较弱.
灰色关联度分析法的具体计算步骤如下：
①数据无量纲化：
(3)
其中，X为标准化后样本集合，Y为标准化前样本集合，y为样本.
②计算关联度系数：
(4)
(5)
(6)
式中：式(4)和式(5)中，X0为比较指标，代表东北三省的人口迁入数量、迁出数量；Xi为参考指标，代表经过初步处理后的全国省级行政单元的各项差异指标.式(6)中，δ为分辨系数，正常在0～1之间.由于参考指标Xi为省级行政单元经济社会发展数据，数据量较大且接近于正态分布，取δ=0.546 3可以达到较好的分析效果.
③计算关联度：
(7)
③假设三：即便是迁移回流人口，在选择回流时也倾向于做出理性判断.
2.1.1 东北三省迁入人口规模演变(图1)
1.2 数据来源
本文研究的时间范围为1982—2015年，以东北三省(黑龙江、吉林、辽宁)为研究对象.数据主要来源于《中国城市统计年鉴》(1985—2016)、《中国统计年鉴》(1981—2016)、1983—2016年的《辽宁统计年鉴》《吉林统计年鉴》《黑龙江统计年鉴》，历次全国人口普查资料和历次全国1%人口抽样调查资料.
2 东北三省人口迁移的时空格局
2.1 东北三省人口迁入格局
④针对不同年份的面板数据，重复上面的计算步骤，最终得到历次影响人口迁移的因子排序集.
某种程度上说，经济社会发展和人口迁移之间存在相互影响，构成循环.本节对X0的数据定义为“1985—1990年”“1995—2000年”“2000—2005年”“2005—2010年”“2010—2015年”的人口迁入、迁出数据，因此取每时段的首年数据作为Xi.
图1 1982—2015年东北三省迁入人口规模演变图
Fig.1 The number of people moved into Northeast China by inter Province, 1982—2015
由于上述6个时间段里，全国跨省迁移人口规模从1982—1987年的631.80万人增长至2010—2015年的5 327.68万人，后值为前值的8.43倍，全国人口迁移背景发生了巨变，因此东北三省人口迁入绝对数量不能准确表述迁入人口数量的真实特征.利用东北各省迁入人口占全国跨省总迁移人口的比重观察迁入人口的规模比例变化，分析显示，辽宁省比例呈波动下降趋势，数值从4.97%下降到1.47%，说明作为人口吸引的目的地，辽宁省在全国的地位呈现整体下降趋势；对比而言，吉林省迁入人口规模的增长远低于全国平均水平.1982—2015年，吉林省迁入人口占全国跨省迁移人口规模比重下降明显，数值从2.68%下降至0.59%，下降87.96%.换言之，在我国改革开放、经济社会快速发展的大环境下，吉林省的迁入人口规模明升暗降；跨省迁入黑龙江省人口规模与全国跨省迁移人口比重呈现上升、骤降、又缓慢上升的波动变化，振幅远大于辽宁省和吉林省.
各省级行政单元迁入吉林省的人口规模显示以下时空特征：①各省级行政单元迁入吉林省人口数量有一定的平均化趋势.以全国省级行政单元累计个数为横轴，空间洛伦兹曲线显示(图2b)，随着时间的推移，迁入人口趋向于平均分布，但也有变动.若把1995—2000年和2000—2005年的累计百分比曲线对调，则1982—2015年的6个时间段各省级行政单元迁入吉林省的占比呈现出逐步扁平化特征.②从迁入人口数量分布看，吉林省迁入人口来源地主要集中于黑龙江、辽宁、山东、内蒙古、河北、河南等省份，但黑龙江、山东2个省份迁至吉林省的人口数量在逐步下降.各省级行政单元时间截面数据的变异系数分别显示，6个时间段迁入吉林的人口数量变异系数均大于5，属于强变异，也证实人口来源地集中度非常高.6个时间段变异系数同时显示，这种差异保持相对稳定状态，随时间变化振幅不大(表2).③西藏、广西、宁夏、青海、重庆5个省市是迁往吉林人口最少的省份，2010—2015年迁移人口总和仅为3 613人；海南、新疆虽然迁往吉林的人口数量不多，但上升趋势明显；四川省是西南、西北地区中唯一一直处于第二梯度的省份，未受距离衰减约束.
为进一步研究东北三省迁入人口来源地变化的时空特征，对全国省级行政单元迁入辽、吉、黑的人口规模进行排序，计算各省级行政单元的比例变化情况.对各省级行政单元迁入三省的人口规模进行排序，每6个名次分为1组，即排序1～6的省级行政单元为位列“迁入人口第一梯度”的省级行政单元，排序7～12的省级行政单元为位列“迁入人口第二梯度”的省级行政单元，以此类推.依次获得辽宁、吉林和黑龙江迁入人口来源地规模梯度演变图.
各省级行政单元迁入辽宁省的人口规模显示出以下时空特征：①从整体上看，全国各省级行政单元迁至辽宁人口集中于少数省份，但随着时间变化，各省级行政单元迁入辽宁省人口占比有平均化趋势.利用SPSS21.0软件计算6个时段各地区迁入人口的变异系数(表2)，6组样本数据呈现强变异特征，总体趋势呈下降趋势；但变异系数在1985—1990、1995—2000、2000—2005三个时段呈现波动，导致平均化趋势呈现非线性状态.以全国省级行政单元累计个数为横轴，以全国省级行政单元迁入人口累计百分比为纵轴，按照6个时段的时序绘制空间洛伦兹曲线(图2a).空间洛伦兹曲线显示，随着时间的推移，洛伦兹曲线有接近对角线的趋势，即迁入人口越趋向于平均分布.空间洛伦兹曲线同时显示，1985—1990、1995—2000、2000—2005、2005—2010四个时间段平均化趋势不显著.②东北地区、华北地区始终是辽宁迁入人口主要来源地.1982年以来，黑龙江省迁往辽宁的人口虽然有下降趋势，但始终保持全国首位，占迁入人口总量的1/4到1/3左右.而黑龙江、吉林、内蒙古、山东等省份迁往辽宁省的人口总和超过全国总数的七成.③华北、西南地区的省份中，自身人口数量越多的省份在辽宁迁入人口中所占的比例越大，比如山东和四川；华南、西北、华中地区迁往辽宁人口占其总迁入人口比例较小；相对发达的长三角地区迁往辽宁人口呈现持续下降态势，上海是迁往辽宁的人口占比最小的直辖市；西藏、云南、广西、宁夏等少数民族地区迁往辽宁省人口占比较小.
从功能关系的角度，我们可以得出结论，在导体静止时，一个通电导体所受安培力是其中粒子所受洛伦兹力的宏观表现；在导体运动时，一个通电导体所受安培力与其中全部粒子所受的洛伦兹力不完全等效。
表2 1982—2015年各省级行政单元迁入东北各省的人口占比的变异系数
Table 2 The coefficient of variation in the proportion of provincial administrative units moving into Northeast China, 1982—2015
时段/年辽宁迁入变异系数吉林迁入变异系数黑龙江迁入变异系数辽宁迁出变异系数吉林迁出变异系数黑龙江迁出变异系数1982—19872.005.612.171.241.902.121985—19901.715.451.781.231.841.741995—20001.815.631.621.171.701.752000—20051.975.711.681.291.611.682005—20101.755.661.291.231.481.612010—20151.565.560.891.151.151.27
图2 1982—2015年各省级行政单元迁入东北三省人口的空间洛伦兹曲线演变
Fig.2 The spatial Lorenz curve evolution of provincial administrative units moving into Northeast China, 1982-2015
2.1.2 东北三省迁入人口时空演变
从各处理经济性状看（表4），KX9384 3种方式处理，1穴2株处理百粒重较高，为31.38 g，果穗大小均匀，因此，单穗粒重高，为142.24 g，是产量高的基础。西蒙6号覆膜处理粒重明显高于不覆膜处理，其他性状略优于不覆膜处理。
各省级行政单元迁入黑龙江省的人口规模显示以下时空特征：①从整体看，各省级行政单元迁入黑龙江省人口数量分布趋于平均.绘制6个时间段空间洛伦兹曲线演变图(图2c)，显示随着时间推移洛伦兹曲线逐步接近对角线，即人口的空间分配呈现扁平化特征.期间，1995—2000年和2000—2005年的累计百分比曲线较为相似，但不影响总体趋势.各省级行政单元时间截面数据的变异系数分别显示(表2)，6个时间段迁入黑龙江省的人口数量变异系数从2.17降低至0.89，由强变异变为普通变异，亦说明数值趋于平均化.②从迁入人口集中分布看，各省级行政单元迁入黑龙江省人口分布“随距离衰减”的特征在逐步淡化.虽然截至2015年，迁入人口仍主要来源于山东、吉林、辽宁、内蒙古等临近省份，但1982—1987年上述4个省份迁至黑龙江省人口占跨省迁入黑龙江省人口比重之和逐步下降.③从地域分布看，黑龙江迁入人口来源地分布随着时间推移逐步由我国东北部、东部向东北部、中部转移，尤其是来源于沿海地区的迁移人口比重不断降低、来源于内陆地区的比重逐步升高，而来源于西部地区的比重则持续较低.随时间推移，东部沿海地区只有北京、天津、广东、海南等省级行政单元的迁入人口增幅显著；长三角地区的上海、江苏、浙江等省级行政单元迁入黑龙江省的人口占总迁移人口的比重则随时间变化先增后减，2015年的上海市成为迁入黑龙江省人口最少的省级行政单元之一；西藏、青海、新疆、海南、宁夏始终是迁入人口最少的省份；相比较而言华中地区的河南、湖北等省份迁入黑龙江省人口占总迁入人口的比重增幅较大.
2.2 东北三省人口迁出格局
2.2.1 东北三省迁出人口规模演变
据观察发现(图3)，1982—2015年，辽宁省迁出人口规模几乎呈线性递增趋势.其中，迁出最少的时间段是1982—1987年，期间迁出人口23.08万人；迁出最多的时间段是2010—2015年，期间迁出人口80.80万人；吉林省迁出人口规模出现两次波峰.1995—2000年，迁出人口55.72万人，较上一时段增长56.74%，形成第一次波峰；2005—2010年，迁出人口85.39万人，较上一时段增长58.54%，形成第二次波锋.黑龙江省迁出人口规模呈现阶梯状倍数增长，同期增长幅度远高于辽宁省和吉林省，且与迁入人口数量变化几乎没有相关性.
图3 1982—2015年东北三省迁出人口规模变化
Fig.3 The number of people moved out Northeast China，1982—2005
辽宁省迁出人口规模与占全国跨省迁移人口比重则呈现另一种变化——先下降后上升态势.其中，1982—2005年间迁出比重变化与辽宁迁出人口总量增加截然相反，数值由3.66%急速下降到1.09%，说明该时间段内辽宁省迁出人口规模相比较全国而言并未扩大；吉林省跨省迁出人口与全国跨省迁移人口比重呈现先下降后趋于稳定的态势.其中，1982—2000年该比重由3.80%骤降至1.64%，与辽宁省人口迁出极为相似.黑龙江省迁出人口与全国跨省迁移人口比重呈现先下降趋势，但下降曲线斜率逐步减小.由于2015年黑龙江省总人口3 812人，约占全国人口的2.90%，黑龙江省迁出人口与全国迁移人口比重并未高于全国平均水平.
2) 不同省份之间的绿化与旅游关系差异明显.绿化作为生态环境的重要组成部分，对旅游业的促进作用是可持续的,尤其是江苏和山东两省的差别明显．因此,关注城市的生态建设与绿化状况对提高城市宜居性和旅游吸引力有很大的积极意义．
2.2.2 东北三省迁出人口时空演变
将1982—2015年间辽宁、吉林和黑龙江省迁出至全国各省级行政单元的人口规模分6个时间段统计分级，分级的方法是与前节相似.
辽宁省迁出人口目的地的时空演变呈现如下特征：①辽宁省迁出至各省市的总人口规模随时间递增，但变异系数(表2)和空间洛伦兹曲线(图4a)证明，辽宁省迁出至各省市的人口在空间分配上呈现先集中后分散趋势，且在2010—2015年时间段中呈现最分散状态.对比结果显示辽宁省人口迁出目的地的集中程度大于辽宁省人口迁入来源地，迁入人口的空间分散程度波动与迁出人口的空间分散程度波动具有一定的相关性.②黑龙江和吉林2个省份对辽宁人口的吸引能力快速下降.1982—1987年、1985—1990年两个时间段，黑龙江、吉林两个省份作为辽宁省人口迁出的主要目的地，吸引了该时间段中辽宁迁出人口的29.36%和31.30%；而在2010—2015年，迁至2个省份的人口仅占辽宁迁出人口的10.82%.③华北、华东、华南地区对辽宁人口的吸引能力快速上升.其中，北京、天津、上海、广东4个省份成为地位上升最快的四个行政区，北京则取代黑龙江成为辽宁人口迁入最多的行政区.华中、西北、西南地区对辽宁人口的吸引能力略有下降.其中新疆的吸引能力逐年下降，而贵州、宁夏、青海、西藏在6个时间段中始终是吸引辽宁省人口规模最少的区域.
不论是推-拉模型、预期收益模型、中心-外围模型，还是国内学者们对于省际人口迁移的研究，归根到底都认为“不同地区的差异”触发了人口迁移行为，并影响人口迁移的方向和数量.如果差异不是简单的几个数字，而是由综合指标体系组成的集合，则表达式为
图4 1982—2015年东北三省迁出人口的空间洛伦兹曲线演变
Fig.4 The spatial Lorenz curve evolution of provincial administrative units moving out Northeast China, 1982—2015
吉林省迁出至各省级行政单元的人口分布呈现以下时空特征：①整体来看，吉林省迁出至各省市的总人口规模随时间递增，迁往各目的地的人口分配正在趋向于平均化.计算6个时段迁往各个省份的人口数量变异系数发展(表2)，变异系数从1.90一直下降到1.15，证明迁往各地的人口规模比例差异正在缩小.对1982—2015年来源地迁入人口的空间洛伦兹曲线叠加(图4b)，同样显示6个时段的洛伦兹曲线不断向对角线移动，亦证实迁往各目的地的人口分配正在趋向于平均化.对比显示，吉林省人口迁出目的地的集中程度远大于吉林省人口迁入来源地，这一点和辽宁省情况极为相似.②从迁出规模的时序变化看，吉林省主要人口迁移目的地正在由相邻的辽宁、山东、黑龙江、河北和内蒙古5个省份向北京、天津、广东3个省级行政单元转移.③从区域看，吉林省迁出人口向东部沿海地区省份迁移的比例正在逐步提高，向西部和内陆地区迁移的比例正在逐步减少.1982—2015年，吉林省迁往上海、江苏、浙江、安徽、福建等华东沿海省份的人口比重呈现逐步上升趋势，迁往广东、广西、海南等华南省份的占比也有此趋势；而迁往西北、西南、华中地区的比例则呈现波动或下降趋势.
黑龙江省迁出至各省级行政单元的人口分布呈现以下时空特征：①整体来看，黑龙江省迁出至各省市的总人口规模随时间递增，迁往各目的地的人口分配正在趋于分散化.6个时间段中，黑龙江迁往各个省份的人口数量变异系数从2.12下降到1.27(表2)，证明迁往各地的人口规模比例差异正在缩小.对1982—2015年来源地迁入人口的空间洛伦兹曲线叠加(图4c)，同样显示6个时段的洛伦兹曲线不断向对角线移动，证实迁往各目的地的人口分配正在趋向于平均化，但1985—1990年和1995—2000年、2000—2005年和2005—2010年时段变化不显著.然而，黑龙江省人口迁出目的地的集中程度与黑龙江省人口迁入来源地极为相似，这一点与辽宁省、吉林省完全不同.②从迁出规模的时序变化看，黑龙江省迁往山东、辽宁、吉林等省份的人口规模下降明显，尤其黑龙江省迁出至山东省的人口规模减小最为剧烈，占比由30.67%下降到10.84%；而北京、天津接纳黑龙江省的人口规模则逐步上升，占比由3.93%上升到24.44%.③从区域看，1872—2015年间黑龙江省人口主要迁移目的地发生明显的空间转移，表现为先由“山东省+辽吉蒙”地区向“环渤海+东部沿海”地区转移，再由“环渤海+东部沿海”地区向“环渤海”地区转移.1982—1987年间，黑龙江省人口主要迁往山东、辽宁、吉林、内蒙古，人口迁移规模受距离影响最为强烈；2000—2005年、2005—2010年两个时间段，除北京、天津外，迁往江苏、上海、浙江、福建、广东、海南在内的东南沿海地区人口规模数量和比例明显上升，形成由海向陆的明显梯次.
3 东北三省人口迁入、迁出的影响因素演变
令X0分别等于辽宁省、吉林省和黑龙江省迁入、迁出人口规模，对上述5个时段Xi分别计算灰色关联度(图5).
图5 1985—2015年影响东北三省人口迁入和迁出因素的灰色排名演变
Fig.5 Grey ranking evolution of factors affecting population moved out and moved in Northeast China, 1985—2015
对比东北三省人口迁入、迁出的影响因素，呈现以下规律和演变特征：
①从影响因素的相似程度来看，影响辽宁省和吉林省的人口迁入因素演变特征更为相似，而影响吉林省和黑龙江省的人口迁出因素的演变特征更为相似.
②距离与东北三省人口迁入、迁出规模均成反比，表现出距离对东北三省人口的约束作用.但近年来随着我国不均衡发展格局的进一步演进，距离对东北三省人口迁移的约束作用呈现出下降趋势，主要表现在与吉林、黑龙江的人口迁出灰色关联度排名的下降.
③一般地，旅游发展象征区域对有特定消费需求的人流的开放和吸引，而外资利用代表区域对资金流的集聚核吸引.对于东北三省人口迁移而言，尽管在个别时段旅游发展与外资利用两个因子随时间演进影响力有所下降，但在绝大多数情况下，上述两个指标是影响东北三省人口迁移的众多因子中仅次于距离的重要因素.这也说明人口集聚同中国近代史中区域经济发展相同，遵循“先开放者先发展”的规律.
④创新能力对东北三省人口迁入的影响力在上升，对人口迁出的影响力却在下降.然而综合而看，不论是人口迁入还是迁出，创新能力对人口吸引尤为重要.这里可能的原因有两个，一是从产生效益看，创新既是经济发展的重要驱动力，又是创造新的就业岗位的方式之一；二是从创新主体看，创新是“人才的行为”，能吸引来人才的区域本身就对人口有足够的吸引力.
⑤相比之下，东北三省迁出人口与劳动者预期收入的关联度越来越高，其中找工作的难易程度尤其重要；而迁入者似乎并不在乎预期收入情况，对失业率也并不在乎.从这一点判断，东北三省迁出者比迁入者群体可能包含更多的劳动者.迁入者中求学、随亲、回迁比重可能更大.相比之下，迁入东北三省工作的人口，更看重东北三省的工业发展水平，相反迁出东北三省的人口更看重的是第三产业的发达程度，这两种倾向性都在增强.交通、市政基础设施对迁入、迁出人口都具有较高的关联度，关联度有进一步提高趋势.相比较而言，迁入东北三省的人口对城市绿化环境更加重视.气温因素对迁入黑龙江省人口造成阻碍，对辽宁、吉林两省影响不大；湿度对东北三省人口迁出具有较高的吸引.
4 结论与讨论
4.1 结论
本文通过分析辽、吉、黑三省对外人口迁移在“总量波动”“方向变化”“集中度扩散”等方面的演变特征，建立了由7个二级指标、22个三级指标组成的区域综合差异指标体系，运用灰色关联分析方法测算了影响东北三省人口迁移的因素.主要结论如下：
(1)辽、吉、黑三省在迁入、迁出的人口规模演变方面呈现各不相同的变化特征.随时间演进，全国迁往辽、吉、黑三省份的人口分布并没有集中，反而呈现分散化态势，三个省份中从南向北分散化趋势逐步显著.从迁入人口数量分布看，除人口迁出大省四川外，辽、吉、黑三省份均基本遵循距离衰减规律.从迁出人口数量分布看，不论东北三省的哪个省份，迁出的目的地除了相邻省份外，迁往北京、天津、山东三个省级行政单元的人口规模最大.东北三个省份内部迁移比重随时间变化而普遍降低，东部沿海作为迁移目的地的地位随时间变化整体呈上升趋势.不论迁入、迁出，东北三省与西藏、青海、宁夏、贵州、重庆等西部、南部和少数民族区域省级行政单元的人口交流数量均为最少.海南省迁往东北三省人口极少，但作为人口迁移目的地，在1982—2015年间接纳的东北三省人口数量上升幅度最大.
(2)影响辽宁省和吉林省的人口迁入因素演变特征更为相似，而影响吉林省和黑龙江省的人口迁出因素的演变特征更为相似；距离因子对人口迁移的重要性在下降，经济因素是影响人口迁入、迁出东北三省的重要原因，而经济因素中对外开放和旅游业发展对人口集聚具有重要作用；创新能力对东北三省人口迁入的影响力在上升，对人口迁出的影响力却在下降，但创新对人口吸引的影响排在前列；迁出人口越来越重视目的地的预期收入和服务业水平，这一点和迁入人口不同，后者越来越重视目的地的工业发展水平；交通、市政等城市硬件建设水平比教育、医疗等城市软环境水平更能影响人口迁移.
4.2 讨论
首先，在迁入人口和迁出人口单独作为比较指标的灰色关联分析中，假设了回流人口的行为也是理性的.事实上，影响迁入地与迁出地之间回流人口的变化可能是由于理性因素引起，也可能由于社会网络因素、文化因素等造成的，若能对此展开研究，则结论与现实则更加接近.其次，东北老工业基地人口振兴问题是一个系统性政策研究，更深层次的战略内涵和执行方案有待于进一步深化研究.
参考文献：
[1] 蒋小荣,汪胜兰.中国地级以上城市人口流动网络研究——基于百度迁徙大数据的分析[J].中国人口科学,2017(2):35-46,127.
[2] 胡巧玲,茹金平.基于大数据分析的人口迁移量预测模型仿真[J].计算机仿真,2014,31(10):246-249.
[3] 蒋小荣,汪胜兰,杨永春.中国城市人口流动网络研究——基于百度LBS大数据分析[J].人口与发展,2017,23(1):13-23.
[4] 刘望保,石恩名.基于ICT的中国城市间人口日常流动空间格局——以百度迁徙为例[J].地理学报,2016,71(10):1667-1679.
[5] 王广州.大数据时代中国人口科学研究与创新[J].人口研究,2015,39(5):15-26.
[6] THOMAS M,STILLWEL J,GOULD M.Exploring and validating a commercial lifestyle survey for its use in the analysis of population migration[J].Applied Spatial Analysis & Policy,2014,7(1):71-95.
[7] 王开科,王开泳.基于修正Keyfitz城镇化模型的我国城乡人口净迁移比率研究[J].经济地理,2014,34(9):27-32.
[8] 杨晓冬,武永祥.协调发展视角下的城乡人口迁移地区差异计量模型研究[J].中国软科学,2015(5):92-100.
[9] 杨传开,宁越敏.中国省际人口迁移格局演变及其对城镇化发展的影响[J].地理研究,2015,34(8):1492-1506.
[10] 刘涛,齐元静,曹广忠.中国流动人口空间格局演变机制及城镇化效应——基于2000和2010年人口普查分县数据的分析[J].地理学报,2015,70(4):567-581.
[11] 周玉翠,万克勇,邓祖涛,等.经济发达地区和欠发达地区人口城市化空间结构比较研究-以江苏和湖南为例[J].经济地理,2015,35(2):77-83.
[12] 李培.中国城乡人口迁移的时空特征及其影响因素[J].经济学家,2009(1):50-57.
[13] 孟向京,姜凯迪.城镇化和乡城转移对未来中国城乡人口年龄结构的影响[J].人口研究,2018,42(2):39-53.
[14] GEYER Jr H S,GEER Sr H S.Disaggregated population migration trends in south africa between 1996 and 2011:a differential urbanisation approach[J].Urban Forum,2015,26(1):1-13.
[15] 刘颖,邓伟,宋雪茜,等.基于综合城镇化视角的省际人口迁移格局空间分析[J].地理科学,2017,37(8):1151-1158.
[16] 徐腾,姚洋.城际人口迁移与房价变动——基于人口普查与百度迁徙数据的实证研究[J].江西财经大学学报,2018(1):11-19.
[17] 王开泳,丁俊,王甫园.全面二孩政策对中国人口结构及区域人口空间格局的影响[J].地理科学进展,2016,35(11):1305-1316.
[18] 姜彤,赵晶,景丞,等.IPCC共享社会经济路径下中国和分省人口变化预估[J].气候变化研究进展,2017,13(2):128-137.
[19] 王艳君,景丞,曹丽格,等.全球升温控制在1.5℃和2.0℃时中国分省人口格局[J].气候变化研究进展,2017,13(4):327-336.
[20] 杨晓军.中国户籍制度改革对大城市人口迁入的影响-基于2000—2014年城市面板数据的实证分析[J].人口研究,2017,41(1):98-112.
[21] BARBIERI A F,DOMINGUES E,QUEIROZ B L,et al.Climate change and population migration in Brazil’s Northeast:scenarios for 2025—2050[J].Population & Environment,2010,31(5):344-370.
[22] 龙晓君,郑健松,李小建,等.“全面二孩”背景下我国省际人口分布时空演变[J].经济地理,2018,38(1):28-35.
[23] 张苏北,朱宇,晋秀龙,等.安徽省内人口迁移的空间特征及其影响因素[J].经济地理,2013,33(5):24-30,23.
[24] 周秀文.灰色关联度的研究与应用[D].长春:吉林大学,2007.
Temporal-spatialpatternanditsinfluencefactorsaboutpopulationmigrationinthreeprovincesofnortheastChina
LIUChuntao1,LIUXinyang1,SHANLiang2,YUANYingying2,PENGFei3*
(1.Shenyang Urban Planning Design & Research Institute, Shenyang 110004， China； 2.School of Geograpgy, Liaoning Normal University, Dalian 116029, China； 3.Marine Economics and Sustainable Development Research Center, Liaoning Normal University, Dalian 116029, China)
Abstract:Along with the deepening of reform and opening-up and regional imbalance development, population migration has become one of China’s new normal. Grey relational analysis and spatial analysis were used to study the temporal-spatial pattern and influencing factors of population migration in three provinces of Northeast China. The results show that: ①the three provinces of Liao, Ji and Hei have different characteristics in the evolution of population scale, but the distribution of the migrated population all present the trend of decentralization. ②From the distribution of the migrated population, except for the population moving out of Sichuan Province, the three provinces of Liao, Ji and Hei basically follow the rule of distance attenuation. From the distribution of the number of emigrant population, the migrant population of three northeast provinces moving to Beijing,Tianjin and Shandong is the largest among nation, in addition to the adjacent provinces. The number of migratory population between the three northeastern provinces and Tibet, Qinghai, Ningxia, Guizhou, Chongqing and other western, southern and minority regions is the least. ③The distance factor has always been the most important factor affecting the migration of the three provinces in Northeast China, and the tourism development and the utilization of foreign capital are the secondary factors affecting the population migration in the three provinces of Northeast China.
Keywords:migration；temporal-spatial pattern；influencing factor；grey correlation degree；three provinces in Northeastern of China
收稿日期：2019-01-20
基金项目：辽宁省教育厅科学研究项目(WZ201783602;JZ201783606)；辽宁省社科联重点资助项目(2018lslktzd-020)；辽宁省社会科学基金资助项目(L17CJL001)
作者简介：
刘春涛(1984-)，男，山东昌邑人，沈阳市规划设计研究院工程师，博士，国家注册城乡规划师.
南方出版传媒股份有限公司总经理叶河先生指出：“十年来，寻找“中国口味”及“性价比”，一直是金樽奖品评体系最大的特色和亮点。我们希望在宽广的葡萄酒海洋里选出最值得消费者饮用的酒款，为消费者、读者和酒商架设联结的桥梁和纽带；十年来，金樽奖权威化和专业化的同时获得了越来越多酒商的认可与支持，也成为中国葡萄酒行业一个重要的风向标。”
表4、表5和表6结果表明，降低语速可以促进较高中等听力水平班级受试的听力理解。但是，降低语速对于听力理解的促进作用只在长对话和短文两种测试题型下具有显著性，而在短对话测试题型下，受试的听力理解分数并没有出现显著提高。
E-mail:liuyutcl@126.com
通讯作者：彭飞(1986-)，男，山西阳泉人，辽宁师范大学副教授，博士.E-mail:pfly324@163.com
文章编号:1000-1735(2019)03-0391-12
DOI:10.11679/lsxblk2019030391
中图分类号:C922
文献标识码:A
标签：人口论文; 黑龙江省论文; 辽宁省论文; 吉林省论文; 规模论文; 社会科学总论论文; 人口学论文; 世界各国人口调查及其研究论文; 《辽宁师范大学学报(自然科学版)》2019年第3期论文; 辽宁省教育厅科学研究项目(WZ201783602; JZ201783606) 辽宁省社科联重点资助项目(2018lslktzd-020) 辽宁省社会科学基金资助项目(L17CJL001)论文; 沈阳市规划设计研究院论文; 辽宁师范大学地理科学学院论文; 辽宁师范大学海洋经济与可持续发展研究中心论文;