区域连通性如何与县域人口收缩相关?成渝地区双城经济圈的多维空间网络分析

《Land》:How Is Regional Connectivity Associated with County-Level Population Shrinkage? A Multidimensional Spatial Network Analysis of the Chengdu–Chongqing Economic Circle

【字体: 大 中 小 】 时间:2026年08月27日 来源:Land 3.5

编辑推荐:

  城市群的整合发展加强了区域连通性,并支持区域平衡发展。然而,尽管区域联系日益紧密,成渝地区双城经济圈(CCEC)中部分县域仍持续存在人口收缩现象。本研究从区域网络嵌入性的视角,考察不同类型区域联系与县域人口收缩异质性模式之间的关系。研究人员以CCEC的142个

  
城市群的整合发展加强了区域连通性,并支持区域平衡发展。然而,尽管区域联系日益紧密,成渝地区双城经济圈(CCEC)中部分县域仍持续存在人口收缩现象。本研究从区域网络嵌入性的视角,考察不同类型区域联系与县域人口收缩异质性模式之间的关系。研究人员以CCEC的142个县(区)为研究单元,利用2002年至2022年的多源面板数据,构建了四类区域联系:交通联系、企业组织联系、高管连锁联系以及基于所有权的企业投资联系。随后采用固定效应面板模型和有序逻辑回归模型,考察不同网络联系与县域人口变化及人口收缩程度之间的关联。通过在相同县域框架内比较这四个网络层级,研究区分了可达性、企业组织、行政关系和所有权联系的作用。网络演化并不均衡。交通网络和高管连锁网络中的双核心模式有所减弱,而企业投资则变得更加集中。这些变化描述了网络拓扑结构,而人口增长仍集中在成都、重庆及周边区县。2002年至2022年间,CCEC的142个县中有89个经历了人口收缩,占样本的62.7%。这些收缩县逐渐聚集在边缘地区,包括川东北、川南和渝东北,导致核心增长与边缘收缩并存。莫兰指数(Moran's I)从2002—2007年的0.0015上升至2017—2022年的0.1659,表明空间聚集性不断增强。全样本面板分析表明,交通网络、企业组织网络和企业投资网络中较高的中心性与较高的县域人口变化率显著相关,表明增长更强或下降幅度更小,而高管连锁联系与人口变化呈负相关。对收缩县的进一步分析表明,较高的企业组织和企业投资中心性与较低的收缩严重程度显著相关。相比之下,交通和高管连锁中心性与收缩严重程度无显著关联。因此,交通中心性在全样本中的正向关联不应被解释为交通网络扩张总体上补偿了大都市集中的证据。这些发现表明,县域人口收缩并非简单地源于区域联系的缺乏,而是与县域所嵌入的网络具体类型密切相关。企业组织网络和企业投资网络在两种模型设定中均表现出更稳定的统计关联,表明区域连通性的增强并不必然导致县域层面的平衡发展。
**成渝地区双城经济圈县域人口收缩与多维网络嵌入性研究解读**

**一、研究背景与问题提出**

随着中国城镇化进入新阶段,县域人口收缩已成为显著的地理现象,直接影响县域层面社会经济可持续发展的活力。与资源枯竭或去工业化驱动的典型人口收缩不同,城市群内部的县域人口收缩往往与区域连通性的持续改善、区域分工的深化以及跨区域资本流动的加剧共存。区域一体化通常被视为促进劳动力、资本等要素流动、扩大市场范围、缩小区域差距的重要途径,边缘地区预期能获得更多发展机会。然而,区域联系的扩展并不必然转化为稳定的县域人口增长,部分县域持续经历人口流失,形成了区域联系强化与人口持续收缩并存的悖论。

县域作为连接城市中心与乡村腹地的空间单元,在承载区域产业分工、人口流动和公共服务配置中发挥重要作用。因此,县域人口收缩不应仅被视为城市收缩研究的缩小版延伸,而是检验城市群发展效益是否有效扩散至边缘地区的关键视角。既有研究主要存在三个不足:其一,多数研究从内部地方条件(如产业转型、资源禀赋、人口结构、公共服务供给)识别收缩县并解释人口流失,未能充分解释为何在城市群内部县域联系日益强化的背景下,县域人口收缩仍持续分化;其二,现有研究多聚焦于单一类型网络(如交通网络或产业网络)的变化,很少考察多维区域网络联系与县域人口收缩之间的关系;其三,以往的实证研究很少区分总体人口变化与已衰退县域之间收缩严重程度的差异。因此,理解城市群内部县域人口收缩的差异化特征与驱动机制,不仅需要关注县域内部资源禀赋和发展条件,还需关注其在区域网络嵌入性方面的差异。基于此,本研究聚焦成渝地区双城经济圈(CCEC),探讨区域网络嵌入性与县域人口收缩的关联。

**二、研究方法与关键技术**

本研究以CCEC为研究区域,边界依据《成渝地区双城经济圈国土空间规划(2021—2035年)》确定,涵盖四川省15个地级市的115个县(区)和重庆市的27个县(区),共计142个县级单元。研究人员整合2002年、2007年、2012年、2017年和2022年五个时间点的多源面板数据,涵盖人口、社会经济指标、企业关系和交通地理信息。人口数据主要来源于国家统计局、四川省统计年鉴、重庆市统计年鉴、县(区)级统计公报及历次人口普查数据;社会经济数据来源于中国县域统计年鉴、省市统计年鉴及县级国民经济和社会发展统计公报;企业关系数据主要来源于天眼查平台(https://www.tianyancha.com/),并利用企业官方网站进行补充和交叉验证。基于总公司—分公司关系、关联企业关系、法定代表人(高管)跨区兼任关系以及母子公司跨区域投资关系,构建企业组织网络、高管连锁网络和企业投资网络三类企业网络。地理信息包括行政区划边界、地理坐标和交通基础设施数据,用于构建县级间交通联系网络。

在方法上,研究采用空间分析方法(包括全局莫兰指数(Global Moran's I)、局部莫兰指数(Local Moran's I)和标准差椭圆)分析县域人口收缩的空间分异与演化特征;采用区域网络分析方法(包括平均最短路径长度、网络密度和度中心性)刻画四类网络的结构特征和县级节点位置;采用固定效应面板模型考察网络联系强度与人口变化之间的关联,采用有序逻辑回归模型考察多维邻近性对已衰退县域收缩程度的加剧或缓解作用。网络中心性分别计算:地理邻近网络中心性(GC)对应交通网络,组织邻近网络中心性(OC)对应企业组织网络,社会邻近网络中心性(SC)对应高管连锁网络,经济邻近网络中心性(EC)对应企业投资网络。

**三、研究结果**

**1. CCEC县域人口收缩的时空演化。** 2002年至2022年间,142个县级单元中有89个经历人口收缩,占62.7%。人口增长县主要集中在成都、重庆中心城区及周边郊区,收缩县广泛分布于成渝中部、川东北、川南和渝东北地区,部分区域已形成连片收缩格局。分阶段来看,收缩县数量先减后稳:2002—2007年为85个(59.9%),以轻度收缩为主;2007—2012年减至78个(54.9%),但中度收缩县数量明显增加;2012—2017年进一步减至72个(50.7%);2017—2022年为73个,基本持平。按照人口增减的连续性分类,持续收缩县31个(21.8%)、持续增长县26个(18.3%)、间歇收缩县31个(21.8%)、收缩转增长县33个(23.2%)、增长转收缩县21个(14.8%)。全局空间自相关分析显示,2002—2022年CCEC县域人口变化的莫兰指数为0.1427,通过显著性检验;分阶段来看,莫兰指数从2002—2007年的?0.0015上升至2017—2022年的0.1659,表明收缩格局由相对分散演变为连片聚集。局部空间自相关分析进一步显示,高增长聚集区主要分布在成都和重庆中心城区及郊区,低增长(高收缩)聚集区主要分布在成渝中部、川东北、川南和渝东北。标准差椭圆和质心分析表明,收缩县分布主轴由东北—西南方向转向近似东西方向,收缩质心总体位于成渝中部并持续东移。

**2. CCEC多维联系网络的演化。** 2002年至2022年间,交通和企业网络均显著扩张,但不同类型网络的结构演化和空间分布差异明显。交通网络密度从2002年的0.0546增至2022年的0.1501,平均最短路径从2.422降至2.094,表明县域间直接交通联系持续增加、区域连通效率总体提升。铁路、高铁和高速公路网络逐步从成渝主发展轴向边缘地区延伸,川南、川东北和渝东北的交通联系逐渐增强。相比之下,企业组织网络、高管连锁网络和企业投资网络的扩展更具选择性。企业组织网络和企业投资网络的核心节点仍主要位于成渝双核及周边郊区,边缘县域之间或边缘县域与其他县级单元之间的直接企业联系相对较少。高管连锁网络覆盖相对广泛,但高中心性节点仍集中在成都、重庆及少数区域中心城市。总体而言,多维联系网络并未向同步的空间均衡方向演化:交通网络的扩张增强了县域间整体连通性,而企业组织、高管连锁和企业投资网络仍呈现不同程度的核聚特征。

**3. 收缩县的网络嵌入特征。** 收缩县并非普遍处于区域网络之外,其在四类网络中的嵌入程度存在显著差异。在交通网络中,部分收缩县已位于区域交通走廊附近并具备一定程度的直接交通联系,表明县域人口收缩不能简单归因于交通可达性不足。在企业组织网络和企业投资网络中,收缩县更多处于直接联系较少、中心性相对较低的位置,这一模式在远离成渝双核的中部和边缘地区尤为明显。高管连锁网络的空间分布相对分散,虽然部分收缩县与外部企业保持高管连锁联系,但空间叠加结果显示这类联系与县域人口收缩之间不存在稳定一致的对立关系。整体来看,收缩县的网络嵌入并非简单的“连接”与“未连接”的二分状态,而是反映了不同类型联系之间的错配。

**4. 多维网络嵌入性与县域人口变化及收缩程度的经济计量检验。** 固定效应面板模型结果显示(模型5),交通网络中心性的系数为0.001(5%水平显著),企业组织网络中心性的系数为0.006(5%水平显著),企业投资网络中心性的系数为0.010(1%水平显著),高管连锁网络中心性的系数为?0.004(1%水平显著)。这表明,在控制人口基数、经济发展水平、产业结构和行政能力后,交通、企业组织和企业投资网络中心性越高,县域人口变化率越高;而高管连锁网络中心性越高,人口变化率越低。有序逻辑回归模型基于89个收缩县样本,结果显示交通网络中心性系数为0.034、高管连锁网络中心性系数为0.035,均不显著;企业组织网络中心性系数为?0.454(1%水平显著),优势比(odds ratio)为0.635;企业投资网络中心性系数为?0.231(5%水平显著),优势比为0.794。这表明,在收缩县中,企业组织和企业投资网络中心性的提升与较低的人口收缩程度显著相关,而交通和高管连锁中心性与收缩程度无显著统计关联。结合两种模型结果,企业组织网络和企业投资网络嵌入性在两种建模方法下均表现出相对稳定的统计关联,而交通和高管连锁网络的作用随因变量和样本范围的变化而不同。

**四、讨论与结论**

研究讨论部分指出,CCEC县域人口收缩并非发生在区域网络之外,而是在区域联系持续扩张和网络嵌入性日益分化的过程中出现的。交通网络的扩张改善了整体连通性,但并未同步转化为所有县域的均衡发展效益。县域人口收缩不仅与内部地方条件相关,还与县域在多维网络中的嵌入模式及其吸收和转化外部资源的能力有关。四种网络发挥不同功能:交通网络提供可达性,企业组织网络将县域连接到生产体系,企业投资网络将县域嵌入所有权结构,高管连锁网络促进关系协调。这些功能不可互换,其对人口稳定的影响取决于外部联系能否转化为本地商业活动、就业机会和公共服务能力。研究强调,交通网络扩张应被理解为在持续的核心—边缘格局中改善可达性,而非总体上补偿大都市集中。企业组织网络和投资网络与人口稳定的关联更一致,这可能反映了其与企业区位、产业协作、所有权结构和就业的联系,但这些关系是关联性而非因果性的。研究结论部分总结:第一,2002年至2022年CCEC有89个县经历人口收缩,收缩格局由相对分散演变为局部聚集,呈现核心增长与边缘收缩并存;第二,收缩县并非普遍被排除在区域网络之外,而是在不同网络中嵌入程度和联系类型差异显著;第三,不同类型网络嵌入性与县域人口变化和收缩程度呈现明显分化关联,交通、企业组织和企业投资网络中心性与人口变化率显著正相关,高管连锁网络中心性显著负相关;在收缩县样本中,企业组织和企业投资网络嵌入性与较低收缩程度相对稳定相关,交通和高管连锁联系与收缩严重程度无显著关联。研究将县域人口收缩的解释从地方属性拓展至区域网络嵌入模式,表明区域联系的增强并不必然带来县域层面的平衡发展。研究的局限性包括:常住人口变化无法分解为自然增长和净迁移;注册股权联系未涵盖投资金额、本地留存资本、就业及联系的持续时间和运营状况;滞后和控制变量无法消除反向因果和选择偏差;研究聚焦于CCEC,其双核结构和区域发展背景可能限制结论向其他城市群和收缩区域的推广。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号