删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

基于人口流的中国省域城镇化空间关联特征及形成机制

本站小编 Free考研考试/2021-12-29

刘帅宾¹^,²^,³^,⁴^,, 杨山¹^,²^,³^,⁴^,, 王钊¹^,²^,³^,⁴

1. 南京师范大学地理科学学院,南京 210023

2. 江苏省地理信息资源开发与利用协同创新中心,南京 210023

3. 虚拟地理环境教育部重点实验室（南京师范大学）,南京 210023

4. 江苏省地理环境演化国家重点实验室培育建设点,南京 210023

Characteristics and formation mechanism of China's provincial urbanization spatial correlation based on population flow

LIUShuaibin¹^,²^,³^,⁴^,, YANGShan¹^,²^,³^,⁴^,, WANGZhao¹^,²^,³^,⁴

1. School of Geography Science, Nanjing Normal University, Nanjing 210023, China

2. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China

3. Key Laboratory of Virtual Geographic Environment, Nanjing Normal University, Ministry of Education, Nanjing 210023, China

4. State Key Laboratory Cultivation Base of Geographical Environment Evolution (Jiangsu Province), Nanjing 210023, China

通讯作者:通讯作者：杨山(1963-), 男, 江苏盐城人, 教授, 博导, 研究方向为城乡发展与区域规划。E-mail: yangshan@njnu.edu.cn
收稿日期:2017-12-27
修回日期:2019-03-11
网络出版日期:2019-04-25
版权声明:2019《地理学报》编辑部本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:

国家自然科学基金项目(41471135, 41771171)

江苏高校优势学科建设工程资助项目

作者简介:
-->作者简介：刘帅宾(1988-), 男, 河南汝州人, 博士生, 研究方向为城乡发展与区域规划。E-mail: liushuaibin312@163.com

展开

摘要
空间关联是区域相互作用和影响的纽带,以人口流动为载体的城镇化空间关联影响并不断调整着中国区域经济社会发展格局。根据省际人口流动数据,构建城镇化空间关联模型,通过分析1990-2015年中国省域城镇化空间关联强度与关联网络结构变化,揭示城镇化空间关联特征及形成机制。结果发现：① 中国省域城镇化空间关联强度演变过程可以解析出7种类型,其中主导类型与全国的吻合程度最高,并决定着全国城镇化空间关联强度演变过程;非主导类型的城镇化空间关联强度演变特征以2005年为界,之前增长缓慢甚至为负,之后与主导类型共同推动全国城镇化空间关联强度持续增长。② 对城镇化空间关联进行不同尺度的结构分析,全国城镇化空间关联网络结构日趋复杂,关联路径由集中转向分散,不同属性的地域子群间关联密度差异开始缩小,高等级节点由东部向中西部扩散。③ 采用面板向量自回归和面板分位数回归检验城镇化空间关联强度与关联网络中心度的互动机制,并解释了居民收入水平和区域产业结构对城镇化空间关联特征的影响方式。城镇化空间关联不仅深化了城镇化的研究,也为中国人口城镇化发展和产业空间转移调控提供理论依据。

关键词：省域城镇化;省际人口流动;城镇化空间关联;空间关联强度;关联网络中心度
Abstract
Spatial correlation is the link of regional interaction and influence; the urbanization spatial correlation is spatial relationship of urbanization based on population flow, which influences and continuously adjusts the regional economic and social development pattern in China. By analyzing the change of the spatial correlation intensity and the spatial correlation network of provincial urbanization in China during 1990-2015, this paper reveals the spatial correlation characteristics, formation process and influencing factors of China's provincial urbanization since China's reform and opening up. The results show that: (1) 7 types of spatial correlation intensity are identified in the evolution of provincial urbanization of China, among which the dominant type has the highest degree of coincidence with the whole country, and determines the evolution process of the spatial correlation intensity of urbanization in China. The non-dominant types of urbanization spatial correlation intensity evolution feature 2005 as the critical year, and their growth was slow or even negative before the year; then together with the dominant type, they have promoted a continuous increase in the urbanization spatial correlation intensity across the country. (2) Urbanization spatial correlation network structure characteristics are analyzed from national, regional and provincial scales. The structure of the spatial correlation network of urbanization is becoming more and more complicated, and the correlation paths have shifted from centralized to scattered. The differences in the correlation density between regional subgroups with different attributes have begun to shrink, and the high-level nodes have spread from the eastern to the central and western regions. (3) Further, the panel-vector auto-regression and panel quantile regression are used to test the interaction mechanism between urbanization spatial correlation intensity and correlation network centrality, which explains the effect of residents' income level and regional industrial structure on urbanization spatial correlation characteristics. The specialization of urbanization spatial correlation not only deepens the research on urbanization theory and methodology, but also provides a theoretical basis for the development of population urbanization and the adjustment of industrial space in China.

Keywords：provincial urbanization;inter-provincial population flow;urbanization spatial correlation;spatial correlation intensity;spatial correlation network centrality

-->0
PDF (3645KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNote Ris Bibtex 收藏本文-->
刘帅宾, 杨山, 王钊. 基于人口流的中国省域城镇化空间关联特征及形成机制[J]. 地理学报, 2019, 74(4): 648-663 https://doi.org/10.11821/dlxb201904003
LIU Shuaibin, YANG Shan, WANG Zhao. Characteristics and formation mechanism of China's provincial urbanization spatial correlation based on population flow[J]. Acta Geographica Sinica, 2019, 74(4): 648-663 https://doi.org/10.11821/dlxb201904003

1 引言

地理要素在空间相邻地域单元间存在相互关联性^[1],这种关联性可以看作空间距离与要素流动的函数。随着互联网信息技术及现代交通迅猛发展,要素流动范围和规模大幅扩展,区域间要素流量成为测度区域关联程度的重要指标^[2]。人口流^[3]、资本流^[4]、交通运输流^[5]、知识流^[6]、信息流^[7]等在区域之间不断流动,促使区域间形成具有一定结构和功能的复杂网络关系。城镇化的核心是人的城镇化,其本质上就是人口流动下的社会空间组织过程,不同人口流动特征下的城镇化模式与类型^[8,9,10]相异。随着人口流动范围不断扩展,城镇化空间组织由传统的城乡地域尺度突破至区域尺度,区域城镇化关联方向从单一转向多元,并形成复杂的城镇化空间关联网络,城镇化空间关联成为城镇化研究的学术前沿问题。
城镇化空间关联研究,起源于西方****的城市网络研究,流动空间理论奠定了城市网络的研究基础,认为世界城市应该是日益网络化的流动空间,世界城市之所以重要,不仅在于它拥有的要素数量,更在于它是要素流动网络中的重要节点^[11]。世界城市网络概念的提出,进一步推动城市研究范式从城市属性向城市网络转变^[12]。根据流动要素载体不同,分别基于航空流^[5]、知识流^[6]、人口流^[13]及高级生产性服务流（APS）^[14]等,开展大量城市网络研究。城市网络的研究通常认为,处于网络中心位置的城市对要素流动能够施加更强影响力^[15]。但Neal认为这种城市节点网络位置和要素控制力的关系认知存在一定的模糊性,并通过城市中心性和控制力测度,发现中心性与控制力存在多种关系类型组合^[16]。城市网络中心性与影响力并非简单关系的观点获得较多认同^[17]。随后,****从城市规模和网络关联度对自身功能的影响^[18]、海洋运输网络与港口城市发展的动态关系^[19]、跨国公司部门转移背景下城市中心性与影响力演变关系^[20]等多领域揭示城市网络中心性与控制力的关系特征。近年来,国内****在中国城市网络方面展开了多层次、多领域研究。研究尺度涉及到中国城市^[3]、城市群^[21]、城市内部^[22]等以及城市网络子群形态等^[23],研究领域涉及人口流^[3]、资本流^[4]、客运流^[23]和创新流^[24]等。对于中国城市网络中的中心性和影响力关系问题,也逐步受到国内学界关注,****主要从百度人口迁徙^[24,25]、汽车零部件交易链接^[26]、企业组织^[27,28]等不同领域探索了中国城市网络中心性和控制力的复杂关系或组合特征。
城镇化是以人口变化为空间表征的、多元要素相互作用的复杂系统^[30],各种要素在城镇化进程中存在着空间关联性。城镇化空间关联是城镇化进程中区域间人口流动形成的网络关系与属性的统一,其涉及城市网络和人口流动,城市网络主要通过要素流动网络结构揭示城市体系特征,而城镇化空间关联则侧重揭示区域相互作用特征,城镇化空间关联的强度和中心度变化是区域空间格局演变的表达。结合国内外****在城市网络中心性与影响力关系的研究进展,中国城镇化空间关联网络仍有许多尚待继续深入研究的科学问题。城市网络研究多基于截面数据,而城镇化作为一个过程,更强调长时间尺度下城镇化空间关联网络动态变化特征。长时间尺度的城镇化空间关联研究,有利于深化网络中心性和影响力的互动机制,弥补基于截面数据下两者互动机制难以深入的不足。面板向量自回归模型（Panel Data Vector Auto Regression）为考察网络中心性与影响力之间的动态响应关系提供了手段^[31],面板分位数回归模型（Panel Quantile Regression）为考察不同关联层级下中心性和影响力之间的互动机制提供了可能^[32],两者结合可以有效揭示城镇化空间关联演变的时空异质性特征。
人口流作为城镇化的核心要素,背后承载了产业、资本等要素的流动信息^{[25, 33]},以人口流进行城市网络研究已获国内外****关注^{[13, 25, 34]}。本文采用1990-2015年间6期人口普查和人口抽样调查中的省际人口流动数据,构建城镇化空间关联模型,并定量测度中国大陆31省市间（不包括港澳台）的城镇化空间关联强度。在此基础上,综合运用双组分趋势法、社会网络分析法、面板向量自回归法及面板分位数回归法等分析中国省域城镇化空间关联网络中心性和影响力演变特征及相互作用机制,以解释人口大规模流动下中国城镇化空间发展格局的形成,为新时期人口城镇化空间发展和产业空间转移调控提供理论依据。

2 数据与方法

2.1 数据来源与说明

省际人口流动数据主要来自第四、第五和第六次全国人口普查资料（1990年、2000年和2010年）,以及全国人口抽样调查数据（1995年、2005年和2015年）,并基于抽样比例计算出实际人口流动数量。为保证数据的连续性,本文流动人口主要采用人口普查资料中“现住地不同于5年前常住地”统计指标,人口流动时间尺度涵盖1985-2015年,能够反映改革开放以来中国省际人口流动过程。城镇化、产业结构等社会经济数据主要来自《中国统计年鉴》（1991-2016年）、《改革开放30年统计资料汇编》等。空间距离数据以国家1∶400万基础地理信息数据为基础,采用省域几何中心间的直线距离,在ArcGIS 10.2平台运算获得。

2.2 研究方法

城镇化空间关联结构包括空间节点、空间联系和空间网络,节点成长和发育影响其联系方向和范围,进而影响整个网络结构。为系统分析中国省域城镇化空间关联演变特征,在构建城镇化空间关联模型基础上,首先分析节点城镇化空间关联强度演变;再通过二值化处理得到城镇化空间关联网络,分析城镇化空间关联结构演变;最后分析城镇化空间关联强度与关联网络中心度互动机制（图1）。

显示原图|下载原图ZIP|生成PPT
图1城镇化空间关联特征分析框架
-->Fig. 1The analysis framework of urbanization spatial correlation
-->

2.2.1 城镇化空间关联模型区域空间关联强度与要素流量紧密相关,流量越大,关联强度越大^[2]。城镇化空间关联强度是多种要素流动相互作用的结果,人口流动承载着多种要素流动信息,但人口流动数量并非城镇化空间关联的全部内容,需要在人口流量的基础上增加参数,使其达到真实刻画城镇化空间关联的要求。① 人口流动方向只能反映城镇化空间关联的主要方向,当人口由发达地区流向欠发达地区时（流入半年以上,非短期出差）,许多是原迁移人口的回流;而城镇化水平是人口、产业等要素流动的综合结果,区域间城镇化水平差异可以更好地反映城镇化空间关联方向,故采用城镇化水平差异参数进行修正。② 城镇化空间关联强度与人口流量并非简单的线性关系,尽管距离较远省域间也存在较大人口流量,但产业、资本转移过程中仍存在距离衰减现象^[35],采用距离参数对其调整,以符合城镇化空间关联的实际情况。综合以上两个参数,构建城镇化空间关联模型,其式如下：

F_{ij} = p_{ij} \times \frac{\frac{U_{i}}{U_{j}}}{d_{ij}}; F_{i} = \overset{n}{\sum_{j = 1}} F_{ij}

（1）
式中：F_ij为区域i对区域j的城镇化空间关联强度,其值大小反映了城镇化空间关联网络中区域i对区域j的影响力;F_i为区域i的城镇化空间关联强度,其值大小反映区域i在整个网络中的影响力;p_ij为区域i流动人口中来源于区域j的数量;U_i/U_j表示区域i和区域j之间的城镇化水平差异;U_i和U_j分别为区域i和区域j的人口城镇化率;d_ij为区域i和j的空间距离。
2.2.2 城镇化空间关联强度演变类型识别法——双组分趋势法常规时空格局表达方法使用一系列地图,单独展示研究对象空间分布随时间的变化过程,使得时空格局识别较为困难^[36],而双组分趋势法能够有效地用一幅图刻画研究对象空间格局随时间的动态变化过程^[37]。本文引入双组分趋势法,用于分析中国省域城镇化空间关联强度的时空动态变化,结果主要包括三部分：组分载荷图、类型图和双组分矩阵。
具体步骤为：① 组分载荷图：对1990-2015年各时段的城镇化空间关联强度进行主成分分析,提取不同时段的前两个组分,其中第一组分（PC1）反映空间关联强度变化,第二组分（PC2）反映空间关联强度趋势变化;② 类型图：对各省市的空间关联强度进行主成分分析,提取各省市的前两个组分,并采用自然断裂点法将每组划分为高、中、低三个等级,形成3×3种类型（表1）;③ 双组分矩阵：根据每种类型的空间关联强度均值随时间变化,构建3×3双组分矩阵。
Tab. 1
表1
表1城镇化空间关联强度类型划分依据
Tab. 1The classification basis of urbanization spatial correlation intensity

强度值(PC1)	强度趋势(PC2)	强度类型	含义
高等	高速	I-H类	关联强度值较大,上升趋势较快
高等	中速	I-M类	关联强度值较大,上升趋势中等
高等	低速	I-L类	关联强度值较大,上升趋势较慢
中等	高速	II-H类	关联强度值中等,上升趋势较快
中等	中速	II-M类	关联强度值中等,上升趋势中等
中等	低速	II-L类	关联强度值中等,上升趋势较慢
低等	高速	III-H类	关联强度值较小,上升趋势较快
低等	中速	III-M类	关联强度值较小,上升趋势中等
低等	低速	III-L类	关联强度值较小,上升趋势较慢

2.2.3 城镇化空间关联网络结构分析法——社会网络分析法社会网络分析方法主要通过刻画网络组织关系、类型等来反映网络结构状况^[38]。借助网络密度、关联密度及网络中心度等指标从全国—区域—节点3个尺度来定量识别中国省域城镇化空间关联结构演变特征（表2）。

新窗口打开
Tab. 2
表2
表2城镇化空间关联网络分析的主要指标
Tab. 2The main indicators of urbanization spatial correlation network analysis

指标	公式	变量含义	指标含义
网络密度	$D = \frac{\overset{n}{\sum_{i = 1}} \overset{n - i}{\sum_{j = 1}} P_{ij}}{[n (n - 1)]}; (i \neq j)$ (2)	$D$ 为网络密度; $P_{ij}$ 为省域i与省域j之间的关联路径,即实际联系的路径,n为省域数量; $F_{in}^{α}$ 和 $F_{out}^{α}$ 分别为子群的内向和外向关联密度, $α$ 和 $β$ 分别为子群内部与外部的节点数量; $C_{i}$ 为省域i的网络中心度, $P_{i \to j}$ 和 $P_{j \to i}$ 分别代表省域i的流出路径和流入路径。	结果越大,关联网络的整体联通性越好
关联密度 (内向和外向)	$\begin{array}{l} F_{in}^{α} = \frac{\overset{α}{\sum_{i = 1}} \overset{α - 1}{\sum_{j = 1}} P_{ij}}{[α (α - 1)}] \\ F_{out}^{α} = \frac{\overset{α}{\sum_{i = 1}} \overset{β}{\sum_{j = 1}} P_{j \to i}}{(αβ)} \end{array}$ (3)		结果越大,区域或子群的联通性越好
网络中心度	$C_{i} = \overset{n - 1}{\sum_{j = 1}} P_{i \to j} + \overset{n - 1}{\sum_{j = 1}} P_{j \to i}$ (4)		结果越大,节点在网络中的地位越高

新窗口打开
2.2.4 相互作用分析法——面板向量自回归和面板分位数回归模型（1）面板向量自回归模型
面板向量自回归模型兼具时序和面板数据的双重优势,便于考察基于面板数据的内生变量动态关系,主要通过正交化的脉冲响应函数分离出其他变量对内生变量的冲击响应程度,可准确揭示出各变量间的双向因果关系^[31]。其式如下：

Y_{it} = α_{i} + β_{t} + \overset{m}{\sum_{p = 1}} α_{pt} Y_{it - p} + ε_{it}

（5）
式中：i为第i个省域;t为第t时期;Y_it为因变量的列向量,分别为城镇化空间关联强度和关联网络中心度;α_i和α_pt分别为回归方程的系数向量;

m

为滞后阶数;β_t为时间固定效应变量;ε_it为随机扰动项。
（2）面板分位数回归模型
面板分位数回归模型不需假设数据服从正态分布,而且能够较好地排除离群值的干扰^[39]。它在控制解释变量差异性的同时,还能够对被解释变量在不同分位点上的影响关系进行有效评估,而传统普通多元回归模型往往掩盖了条件随机概率分布下的系数变动。其式如下：

Q_{Y_{it}} (τ |X_{it}) = α_{i} + {X_{it}}^{T} β (τ), (i = 1,2, \dots, n, t = 1,2, \dots, T)

（6）
式中：

Q_{Y_{it}}

为条件分位函数;Y_it为因变量矩阵;X_it为自变量矩阵;i为第

i

个省域;t为第

t

时期;n为省域数量;T为时段数量;τ为本文设定的分位点（0.1, 0.2…0.9）;α_i表常数项;

β (τ)

为

τ

分位下的影响系数;常利用加权最小二乘L-估计影响系数β。

β (θ) = \underset{(α, β)}{mi n} \overset{q}{\sum_{k = 1}} \overset{n}{\sum_{i = 1}} \overset{T}{\sum_{t = 1}} w_{k} ρ_{τ_{k}} [Y_{it} - α_{i} - {X_{it}}^{T} β (τ_{k})]

（7）
式中：

β (θ)

为影响系数,是根据q组分位数回归目标函数加权总和最小化求得;q为分位数组数量;k为分位数的第k组;

ρ_{τ_{k}}

为分位数损失函数;w_k为第k分位数的权重系数;

β (τ_{k})

为第k个分位数的影响系数。

3 城镇化空间关联强度演变过程

基于公式（1）,运算得到1990-2015年中国各省域的城镇化空间关联强度,并采用双组分趋势法刻画城镇化空间关联强度时空演变过程（图2、图3）。对6个时段的PC1（城镇化空间关联强度）和PC2（城镇化空间关联强度趋势）进行多元线性拟合,得到从因子载荷图（图2）,其中PC1和PC2的方差贡献率分别为85%、13%,能够较好的解释城镇化空间关联强度演变过程。整体来看,城镇化空间关联强度在1990-2005年快速增长,而关联强度趋势呈下降态势;2005-2015年关联强度稳步增长,强度趋势呈上升态势。

显示原图|下载原图ZIP|生成PPT
图2中国省域城镇化空间关联强度的整体变化过程
-->Fig. 2The evolution of provincial urbanization spatial correlation intesity in China from 1990 to 2015
-->

显示原图|下载原图ZIP|生成PPT
图31990-2015年中国省域城镇化空间关联强度的时空演变类型
-->Fig. 3Spatial-temporal evolution of spatial correlation intensity of provincial urbanization in China from 1990 to 2015
-->

从类型图和双组分矩阵来看（图3）,北京、上海、江苏、广东等6省市的PC1和PC2均较高,属于I-H类型,该类型的城镇化空间关联强度在第一时段（1990-2005年）由4314波动上升至13980,第二时段（2005-2015年）持续上升至21977,增长趋势在2010年后趋缓。天津的PC1较高、PC2较低,属于I-L类型,该类型的城镇化空间关联强度在第一时段由4625上升至5655,第二时段持续上升至22470,增长趋势在2010年后开始加快。辽宁、山东和重庆的PC1处于中间层次、PC2较高,属于II-H类型,该类型的城镇化空间关联强度在第一时段由767波动上升至1083,在第二时段持续上升至2660。四川、安徽、河北和内蒙古的PC1和PC2均处于中间层次,属于II-M类型,该类型的城镇化空间关联强度在第一时段由410波动上升至780,第二时段快速上升至2623。陕西、河南、湖北和广西等9省的PC1处于中间层次,PC2较低,属于II-L类型,该类型的城镇化空间关联强度在第一时段由606波动下降下降至527,第二时段则持续上升至2057。西藏、宁夏和海南的PC1较低,PC2处于中间层次,属于III-M类型,该类型的城镇化空间关联强度在第一时段由144波动下降至126,第二时段则持续上升至340,增长趋势在2010年后趋缓。黑龙江、吉林、新疆和青海等5省的PC1和PC2均较低,属于III-L类型,该类型的城镇化空间关联强度在第一时段由358波动下降至205,第二时段持续上升至507。
综合来看,中国省域城镇化空间关联强度演变过程可以解析出7种类型,其中东部地区的城镇化空间关联强度演变过程与全国基本一致,说明东部地区是全国城镇化空间关联强度演变的主导类型,其他地区的6种成为非主导类型。非主导类型的城镇化关联强度呈现阶段性和多样化的演变特征,2005年前的城镇化空间关联强度增长缓慢或者为负,导致了全国城镇化空间关联强度趋势下降,而2005年后的城镇化空间关联强度增长与主导类型基本保持同步,共同推动全国城镇化空间关联强度及其趋势的持续增长。

4 城镇化空间关联网络结构演变过程

4.1 关联网络结构整体特征

以1990-2015年中国省域城镇化空间关联强度的均值为阈值,对省域城镇化空间关联强度矩阵进行二值化处理,得到城镇化空间关联网络,并采用Ucinet 6.0对关联网络特征进行统计（表3）。从网络密度来看,1990-2000年波动上升至0.105,而2000-2015年则持续上升至0.230,城镇化空间关联网络结构更加复杂。网络中关联路径数量在1990年为52条,1995年下降为41条,2015年则迅速上升至214条。进一步引入变异系数考察网络中关联路径的集聚情况,发现关联路径变异系数在1990-2005年由1.158波动上升至1.296,关联路径在节点间的分布更加集中,城镇化空间关联网络呈单中心化态势;而2005-2015年的关联路径变异系数持续下降至0.912,关联路径在节点间的分布开始分散,城镇化空间关联网络结构呈多中心化态势。
Tab. 3
表3
表31990-2015年中国省域城镇化空间关联网络特征
Tab. 3The characteristics of provincial urbanization correlation network in China from 1990 to 2015

	1990	1995	2000	2005	2010	2015
网络密度	0.064	0.047	0.105	0.122	0.159	0.230
关联路径	52	41	98	113	148	214
路径变异系数	1.158	1.625	1.271	1.296	1.077	0.912

新窗口打开

4.2 关联网络结构区域特征

为分析中国省域城镇化空间关联网络结构的区域特征,利用Ucinet 6.0中CONCOR算法模块^[38]将1990年、2005年及2015年3个典型年份的城镇化空间关联网络分别划分出4个子群（图4）,构成子群的节点在网络中具有相似的关联行为。

显示原图|下载原图ZIP|生成PPT
图41990-2015年中国省域城镇化空间关联网络子群结构演变过程
-->Fig. 4Evolution process of the subgroup structure of provincial urbanization spatial correaltion network in China from 1990 to 2015
-->

1990年,第I子群成员为北京、天津、河北、内蒙、陕西、河南、安徽及江苏等9省市,其内向关联密度为0.208,外向关联密度为0.028;第II子群成员为东北三省及山东省,其内向关联密度为0.667,外向关联密度为0.02;第III子群成员为上海、浙江、江西、湖南、四川等8省市,其内向关联密度为0.125,外向关联密度为0.018;第IV子群成员为广东、湖北、云南、贵州、青海及新疆等8省,其内向关联密度为0,外向关联密度为0.071。2005年,北京、天津、河北、内蒙古、陕西等7省与东北三省重组为第I子群,其内向关联密度为0.211,外部关联密度为0.052;上海、江苏、浙江、广东等5省市重组为第II子群,其内向关联密度为0.650,外向关联密度为0.362;四川、重庆、湖南、河南等中西部12省市重组为第III子群,其内向关联密度为0.096,外向关联密度为0.044;西北的青海、新疆等4省组成第IV子群,其内向和外向关联密度均为0。2015年,子群的构成基本稳定,仅河南、山东转入第I子群,湖北、安徽、江西转入第II子群,第I子群内向关联密度为0.424,外向关联密度为0.092;第II子群的内向关联密度为0.857,外向关联密度为0.288;第III子群的内向关联密度为0.429,外向关联密度为0.083;第IV子群的内向关联密度为0,外向关联密度为0.037。
进一步对比四大子群间的内向和外向关联密度变化（图5）,可以发现,1990-2015年中国省域城镇化空间关联网络的子群构成呈以下特征：① 1990-2005年的子群构成体现“强者恒强,弱者恒弱”的马太效应：东南沿海5省重组的第II子群,内向和外向关联密度均显著高于其他子群,且外向关联方向集中于第III子群;而中西部地区组成的第III子群,内向和外向关联密度远低于同期整体网络密度的0.122。② 2005-2015年的子群构成体现“助强扶弱”的涓滴效应：东南沿海5省所在的第II子群,内向和外向关联密度仍高于其他子群,但外向关联方向开始分散;中西部部分地区所在的第III子群,内向关联密度均有显著增长,高于同期整体网络密度的0.23,外向关联密度也有较快增长。随着中国省域城镇化空间关联结构复杂化,逐步形成具有不同属性的地域子群组合：以东南沿海5省市为核心的东南子群,内向关联结构紧凑程度最高,外向关联以流入为主;以北京、天津等为核心的北方子群,内向关联结构紧凑程度中等,外向关联的流入—流出基本平衡;以四川、重庆等为核心的西南子群,内向关联结构紧凑程度较低,但增长较快,外向关联仍以流出为主;新疆、青海等组成的西北子群,内部相互孤立,以接受外向流入为主。

显示原图|下载原图ZIP|生成PPT
图51990-2015年间不同子群的内外关联矩阵(密度和路径)
-->Fig. 5Internal and external correlation matrices (density and path) for different subgroups from 1990 to 2015
-->

4.3 关联网络节点差异特征

为考察中国省域城镇化空间关联网络节点差异特征,对比1990年、2005年及2015年网络中心度前10位省市变化（图6）。可以发现,1990-2015年,网络节点中心度前10位节点的排序变化并不一致：北京、上海、广东、江苏、四川等省市稳居前10位,网络地位稳定;天津、福建、湖北、陕西等省市先后进入前10位,网络地位具有波动性;而辽宁、河北、江西等先后退出前10位,网络地位下降。

显示原图|下载原图ZIP|生成PPT
图61990-2015年中国省域城镇化空间关联网络中心度前10位节点的变化过程
注：红色点越大,代表关联网络中心度越高
-->Fig. 6The change process of the top 10 nodes of the spatial correaltion network centrality of provincial urbanization in China from 1990 to 2015
-->

结合前10位节点空间分布及网络中心度差异变化,可以发现：① 空间分布方面,1990年网络中心度前10位的节点分散在各子群中,关联方向主要集中在子群内部或临近子群;2005年网络中心度前10位节点主要沿海、沿长江分布,节点关联的跨子群现象增加;2015年网络中心度前10位节点向中西部地区扩散,陕西、河南、湖北和四川成为中西部地区的核心节点,节点间跨子群、跨区域的关联数量增长明显。② 网络中心度差异方面,1990年北京的网络中心度显著高于其他节点;2005年东南沿海地区的网络中心度增幅明显,与北京的差距显著缩小;2015年东部沿海地区的节点网络中心度进一步增加,其中江苏超越北京成为网络中心度最高节点,湖北和陕西等中西部地区的节点网络中心度也增长明显。整体来看,1990年以来,网络中的高等级节点经历以北京为核心的孤点式分布→沿东南沿海集聚的条带式分布→向中西部扩散的网络化分布,网络结构多中心化态势明显。

5 城镇化关联强度与网络中心度互动作用

5.1 互动作用的演变过程

对1985-2015年中国各省域的城镇化空间关联强度（Y1）和关联网络中心度（Y2）进行面板向量自回归分析,以揭示二者相互作用的动态变化特征。在综合AIC、BIC和HQIC 3个标准的基础上,判定模型最优估计的滞后阶数为1期;在Monte-Carlo模拟1000次的基础上,得到城镇化空间关联强度与关联网络中心度的脉冲响应曲线图（图7）。

显示原图|下载原图ZIP|生成PPT
图7城镇化空间关联网络中关联强度与网络中心度的面板脉冲响应
注：红色线为脉冲响应曲线,绿色和蓝色线为5%和95%分位点线,Y1和Y2分别为城镇化空间关联强度和关联网络中心度。
-->Fig. 7Impulse response of correlation intesity and network centrality in urbanization spatial correlation network
-->

图7a和图7b分别为城镇化空间关联强度（Y1）对其自身和关联网络中心度的冲击响应曲线。其中,关联强度对其自身的冲击具有积极的正向响应,并在第1期达到峰值,之后逐步减弱,但仍高于0值,体现关联强度演变具有一定的路径依赖特征。城镇化空间关联强度对网络中心度的冲击具有积极的正向响应,并在第4期达到峰值,之后趋于缓慢下降态势,表明网络中心度对关联强度的影响具有持久效应。图7c和图7d分别为城镇化空间关联网络中心度（Y2）对关联强度和自身的冲击响应。其中,网络中心度对关联强度的冲击也具有积极的正向响应,并在初期就达到峰值,之后快速下降,但仍高于0,这反映关联强度对网络中心度的提升具有即时效应。网络中心度对其自身的冲击同样具有积极的正向响应,在第1期达到峰值,并在第2期之后开始缓慢下降,体现网络中心度演变具有较强的路径依赖特征。可以发现,城镇化空间关联强度和网络中心度演变均存在不同程度的路径依赖特征,而关联强度和关联网络中心度之间的相互作用则存在差异,网络中心度对关联强度的作用过程持续、稳步,而关联强度对网络中心度的作用仅在初期较为显著,随后快速下降。

5.2 互动作用的演变机制

为进一步分析1990-2015年中国省域城镇化空间关联强度（Y1）与关联网络中心度（Y2）的互动机制,选择城镇化空间关联的相关影响因素作为控制变量。参考城镇化空间关联相关研究^[40,41],城镇化空间关联与区域发展差异、产业结构演变、就业收入及政策等因素密切相关。故选择人均GDP（X1）作为区域发展差异变量,第二产业占比（X2）和第三产业占比（X3）作为产业结构变量,非国有就业占比（X4）作为就业门槛变量,城镇居民收入（X5）作为收入变量,人均地方财政支出（X6）作为政策变量,进出口总额（X7）作为对外开放水平变量。变量间存在多重共线性可能,在面板回归基础上,进行多次共线性检验,最终保留方差膨胀因子（VIF）在5以下的变量,分别为第二产业占比（X2）、第三产业占比（X3）、非国有就业占比（X4）和城镇居民收入（X5）。采用面板分位数回归方法对城镇化空间关联强度和网络中心度相互作用进行估计（表4、表5）。
Tab. 4
表4
表4城镇化空间关联网络中心度对关联强度影响的面板分位数回归
Tab. 4The panel quantile regression results of influence of network centrality on correaltion intensity

分位数	常数项	Y2	X2	X3	X4	X5
0.1	-8.11^***	0.898^***	0.692	2.352^***	0.165	-0.346
0.2	-7.907^**	0.994^***	0.762	2.087^***	0.177	-0.286
0.3	-7.514^***	0.942^***	0.992^*	1.807^***	-0.029	-0.199^*
0.4	-9.071^***	0.917^***	1.197^***	2.137^***	-0.100	-0.188^*
0.5	-6.692^***	0.922^***	0.903^*	1.669^***	-0.048	-0.143^*
0.6	-6.834^***	0.96^***	0.658^*	2.051^***	0.062	-0.214^**
0.7	-7.523^***	0.991^***	0.623^*	2.169^***	0.073	-0.168^*
0.8	-8.44^***	0.754^***	0.936^**	2.259^***	0.194	-0.155
0.9	-9.451^***	0.741^***	1.185^***	2.332^***	0.209^*	-0.160
pls	-8.087^***	0.863^***	0.838^***	2.060^***	0.139	-0.165^*

注：^*、^**、^***分别代表在0.1、0.05和0.01水平上显著。

新窗口打开
Tab. 5
表5
表5城镇化空间关联强度对关联网络中心度影响的面板分位数回归
Tab. 5The panel quantile regression results of influence of correaltion intensity on network centrality

分位数	常数项	Y1	X2	X3	X4	X5
0.1	5.442^*	0.804^***	-0.001	-1.907^*	0.180	-0.017
0.2	8.478^***	0.739^***	-0.470	-2.583^***	0.397	0.110
0.3	6.767^***	0.783^***	-0.616^**	-1.881^***	0.149	0.168^*
0.4	6.539^***	0.697^***	-0.552^**	-2.007^***	0.243^**	0.245^***
0.5	6.303^***	0.662^***	-0.444	-2.020^***	0.100	0.307^***
0.6	5.020^**	0.587^***	-0.348	-1.592^***	0.140	0.269^***
0.7	3.108	0.506^***	-0.119	-0.904^*	0.025	0.201^***
0.8	1.899	0.433^***	0.021	-0.537	-0.013	0.185^***
0.9	1.327	0.340^***	-0.019	-0.211	0.057	0.170^***
pls	7.005^***	0.711^***	-0.516^*	-2.062^***	0.301^**	0.178^**

注：^*、^**、^***分别代表在0.1、0.05和0.01水平上显著。

新窗口打开
1990-2015年,关联网络中心度和关联强度的相互影响均在0.01水平上显著。关联网络中心度对关联强度的影响程度相对更高,且影响程度随分位点增加呈倒“U”型变化。关联强度较高的地区（主要为东部地区）,在经历关联网络中心度快速增长后,与网络中多数节点均建立联系,关联网络中心度趋于稳定,关联强度增长与关联网络中心度的关系逐步脱钩;而关联强度较低的地区（主要为西北地区）,其人口要素基数较小,关联网络中心度较低或为0,对关联强度的贡献有限;关联强度处于中间层次的地区（主要为中部地区）,其中心度较低、增长较快,对关联强度的影响程度较高。关联强度对关联网络中心度的影响程度相对较低,且影响程度随分位点增加而下降。东部地区随着中心度接近峰值,关联强度对关联网络中心度的贡献呈现边际递减效应;西北地区的关联网络中心度较低,关联强度增长对其影响较为显著。
进一步分析控制变量的影响,发现产业结构变量（X2、X3）对城镇化空间关联强度的影响在多数分位点上显著性较高,且回归系数随分位点的增加呈“M”型波动变化,说明产业发展对多数地区城镇化空间关联强度的影响较显著。非国有就业占比（X4）和城镇居民收入（X5）在多数分位点上的显著性较低,说明就业和收入对城镇化空间关联强度的作用并不显著。第二产业占比（X2）对网络中心度的影响在多数分位点上均不显著,第三产业占比（X3）对网络中心度的影响在0.1~0.7分位点上显著,且回归系数为负。这缘于第三产业的就业容纳能力较高,中西部地区多为人口流出区,其第三产业发展能够减少人口外流,从而降低网络中心度。非国有就业占比（X4）在多数分位点上仍不显著,而城镇居民收入（X5）在多数分位点上的显著性较高,且回归系数为正,说明收入对关联网络中心度的影响较为显著。结合图7b和图7c可以发现,产业结构变量和收入变量对城镇化空间关联的影响方式不同,产业结构是影响城镇化空间关联的长期变量,区域产业结构调整和转型需要一定的周期,城镇化空间关联中心度较高的地区凭借产业结构优势,吸引大量人口要素集聚,推动其关联强度持续增长;而收入水平是影响城镇化空间关联的短期变量,提供较高收入待遇的地区可以在短期内吸引多方向人口要素流入,从而较快提高其城镇化空间关联网络位置。

6 结论与讨论

基于省际人口流动数据,构建城镇化空间关联模型,综合运用双组分趋势法和网络分析法分析1990-2015年中国省域城镇化空间关联强度及城镇化空间关联网络结构演变特征,并结合面板向量自回归模型及面板分位数回归模型分析两者相互作用机制。得出结论如下：
（1）根据关联强度及其变化趋势可将中国省域城镇化空间关联强度演变过程解析出7种类型,其中东部地区的城镇化空间关联强度演变过程与全国的吻合程度最高,为主导类型,其他地区的6种为非主导类型。主导类型决定了全国城镇化空间关联强度演变过程;非主导类型的城镇化空间关联强度演变特征以2005年为界,之前的城镇化空间关联强度增长缓慢甚至为负,之后的城镇化空间关联强度增长与主导类型基本保持同步,共同推动全国城镇化空间关联强度持续增长。
（2）通过不同尺度城镇化空间关联网络结构分析,在全国尺度上,城镇化空间关联网络网络密度不断增加,关联路径由集中转向分散;在区域尺度上,子群空间形态经历重组后基本稳定,形成东南、北方、西南和西北等4大子群,不同属性的地域子群间内外关联密度差异逐步缩小;在节点尺度上,高等级节点分布经历了孤点、条带向区域网络化的变化过程,中西部已成为高等级节点关联增长最快的区域。
（3）中国省域城镇化空间关联强度与关联网络中心度的互动过程,在时序上城镇化空间关联网络中心度对关联强度具有持续效应,而关联强度对关联网络中心度具有即时效应;在空间上中西部地区关联强度与网络中心度的互动关系变化较快,而东部地区的互动关系趋于平稳。结合产业结构和居民收入水平的影响,发现居民收入对城镇化空间关联的影响具有短期性,影响力直接、明显;区域产业结构对城镇化空间关联的影响具有长期性,影响力较为持久。
本文采用省级尺度人口流动数据分析了城镇化空间关联演变特征及形成机制,随着大数据等技术支持下,市、县人口和产业等要素流动数据拓展,开展中小尺度城镇化空间关联研究,可为城镇化进程中的城乡融合、区域协作等提供理论支撑和决策依据。当前中国各区域在吸引人口、推动城镇化发展过程中,通过提高人才收入待遇可以在短期内产生人口集聚效应,但从长期来看,人口流动的态势主要取决于产业结构。因此,各地区的城镇化发展战略重点应放在区域产业特色及未来产业转型升级方面。
致谢：感谢加拿大瑞尔森大学地理与环境研究系（Department of Geography and Environmental Studies, Ryerson University, Toronto, Canada）的YANG Runlin先生在英文摘要润色方面的贡献。
The authors have declared that no competing interests exist.

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]	Tobler W A.Computer movie simulating urban growth in the Detroit region . Economic Geography, 1970, 46(2): 234-240.https://doi.org/10.2307/143141 URL [本文引用: 1]摘要 react-text: 589 The notion of a cartogram is reviewed. Then, based on a presentation from the 1960s, a direct and simple introduction is given to the design of a computer algorithm for the construction of contiguous value-by-area cartograms. As an example, a table of latitude/longitude to rectangular plane coordinates is included for a cartogram of the United States, along with Tissot's measures for this map... /react-text react-text: 590 /react-text [Show full abstract]
[2]	Li Xiaowen, Cao Chunxiang, Chang Chaoyi.The first law of geography and spatial-temporal proximity . Chinese Journal of Nature, 2006, 29(2): 69-71.URL [本文引用: 2] [李小文, 曹春香, 常超一. 地理学第一定律与时空邻近度的提出 . 自然杂志, 2006, 29(2): 69-71.]URL [本文引用: 2]
[3]	Wei Ye, Xiu Chunliang, Liu Zhimin, et al.Spatial pattern of city network in transitional China based on the population flows in "Chunyun" period . Scientia Geographica Sinica, 2016, 36(11): 1654-1660.https://doi.org/10.13249/j.cnki.sgs.2016.11.007 URL Magsci [本文引用: 3]摘要 <p>基于春运人口流动大数据,选取对外联系度、优势流、城市位序<i>-</i>规模分析等方法对转型期中国城市网络特征进行分析。结果显示：<i>① </i>城市网络层级结构中蕴藏着位序<i>-</i>规模规律,但与理想的帕累托分布有所区别,城市规模彼此差异相对较小;<i>② </i>空间距离与城市等级在城市网络联系中发挥支配性作用,保证了城市网络的层级性与有序性;<i>③ </i>中国城市网络核心联系呈现“两横三纵”特征,该特征与铁路大动脉的空间分布高度吻合;<i>④ </i>东部地区城市网络联系更加密切,而西北、西南地区则相对稀疏,基本上以“胡焕庸线”为界,而“兰新线”是突破这一限制的潜在力量;<i>⑤ </i>中国东北地区未形成明显的区域性中心,城市联系形成带状网络;<i>⑥ </i>华北与华南地区的“灯下黑”现象值得警惕,缓解这一问题的可行办法是核心城市功能的对外疏散,加强核心城市与周边城市之间的联系;<i>⑦ </i>带状区域发展或许将成为未来中国区域经济发展的流行模式和中坚力量。总体上看,针对于揭示转型期中国城市网络结构特征,春运人口流动数据具有一定的研究价值,是城市与人口研究领域一个值得深入挖掘的重要数据源。</p> [魏冶, 修春亮, 刘志敏, 等. 春运人口流动透视的转型期中国城市网络结构 . 地理科学, 2016, 36(11): 1654-1660.]https://doi.org/10.13249/j.cnki.sgs.2016.11.007 URL Magsci [本文引用: 3]摘要 <p>基于春运人口流动大数据,选取对外联系度、优势流、城市位序<i>-</i>规模分析等方法对转型期中国城市网络特征进行分析。结果显示：<i>① </i>城市网络层级结构中蕴藏着位序<i>-</i>规模规律,但与理想的帕累托分布有所区别,城市规模彼此差异相对较小;<i>② </i>空间距离与城市等级在城市网络联系中发挥支配性作用,保证了城市网络的层级性与有序性;<i>③ </i>中国城市网络核心联系呈现“两横三纵”特征,该特征与铁路大动脉的空间分布高度吻合;<i>④ </i>东部地区城市网络联系更加密切,而西北、西南地区则相对稀疏,基本上以“胡焕庸线”为界,而“兰新线”是突破这一限制的潜在力量;<i>⑤ </i>中国东北地区未形成明显的区域性中心,城市联系形成带状网络;<i>⑥ </i>华北与华南地区的“灯下黑”现象值得警惕,缓解这一问题的可行办法是核心城市功能的对外疏散,加强核心城市与周边城市之间的联系;<i>⑦ </i>带状区域发展或许将成为未来中国区域经济发展的流行模式和中坚力量。总体上看,针对于揭示转型期中国城市网络结构特征,春运人口流动数据具有一定的研究价值,是城市与人口研究领域一个值得深入挖掘的重要数据源。</p>
[4]	Jiang Xiaorong, Yang Yongchun, Wang Shenglan, et al.Spatial structure of Chinese intercity network based on the data of listed companies . City Planning Review, 2017, 41(6): 18-26.URL [本文引用: 2] [蒋小荣, 杨永春, 汪胜兰, 等. 基于上市公司数据的中国城市网络空间结构 . 城市规划, 2017, 41(6): 18-26.]URL [本文引用: 2]
[5]	Dai L, Derudder B, Liu X. The evolving structure of the Southeast Asian air transport network through the lens of complex networks, 1979-2012 . Journal of Transport Geography, 2018(68): 67-77.https://doi.org/10.1016/j.jtrangeo.2018.02.010 URL [本文引用: 2]摘要 This paper presents a novel approach to investigating and understanding the evolving structure of the Southeast Asian air transport network (SAAN) over the period 1979芒鈧2012. Our approach captures the main topological and spatial changes from a complex network perspective. We find that the SAAN combines a relatively stable topological structure with a changing multilayered geographical structure. Statistical analysis indicates that the SAAN is a scale-free network with an increasing number of hub cities and has been characterized by small-world properties since 1996. Furthermore, the SAAN exhibits a recently intensified disassortative mixing pattern, suggesting an increasing dependence of small cities on hub-and-spoke configuration for better accessibility. A decomposition analysis is used to disaggregate the SAAN into a hierarchical core-bridge-periphery structure. The core layer consists of capital cities, the most economic vibrant secondary cities, and tourist destinations. This core layer is also densely interconnected with its center of gravity moving towards the north. The periphery layer, comprised of cities in remote areas, sustains a low significance with declining internal connectivity despite a rising number of cities being connected. The bridge layer lies in between both extremes, and is characterized by a high volatility over time. The connections and passengers between different layers increase, especially those between core and bridge after 1996. In our discussion, we trace these changes back to a series of socio-economic and politico-institutional dynamics in Southeast Asia.
[6]	Matthiessen C W, Schwarz A W, Find S.World cities of scientific knowledge: Systems, networks and potential dynamics. An analysis based on bibliometric indicators . Urban Studies, 2010, 47(9): 1879-1897.https://doi.org/10.1177/0042098010372683 URL [本文引用: 2]
[7]	Liu Wangbao, Shi Enming.Spatial pattern of population daily flow among cities based on ICT: A case study of "Baidu Migration" . Acta Geographica Sinica, 2016, 71(10): 1667-1679.https://doi.org/10.11821/dlxb201610001 URL [本文引用: 1]摘要随着互联网时代的来临,网络数据已越来越成为表征居民地理行为的重要载体,用户迁移、社交网络、移动通信等地理行为大数据成为城市联系研究的重要数据来源。"百度迁徙"大数据通过LBS技术,全程、动态、即时和直观地记录了城市之间的人口日常流动轨迹。通过采集"百度迁徙"数据库中2015年一季度(2月7日至5月16日)国内369个城市之间的逐日的人口流动数据,分"季度平均、春运期间(春节前)、春运期间(春节后)、劳动节、周末和工作日"6个时间段,从人流集散层级、人流集散网络体系的分层集聚、人口日常流动空间格局及其与"胡焕庸线"之间的关系等角度分析各时间段的城市之间的人口日常流动相关特征与空间格局。研究发现,"百度迁徙"大数据清晰地显示了春运期间中部和沿海地区之间的人口流动格局。人流集散中心主要分布在京津冀、长三角、珠三角和成渝4大城市群中,并与其城市等级有较强的一致性。人口日常流动集散体系呈明显的分层集聚,京津冀、长三角、珠三角、成渝和乌鲁木齐5大集散体系在各时间段基本得到体现,而华中、东北、西南和福建沿海等地区并未出现高层级集散城市和高等级集散体系,与这些区域在国家区域发展战略中的地位在一定程度上不相匹配。"胡焕庸线"能较好地反映国家层面的城市之间人口日常流动格局,反映了地理环境对城市间人口日常流动的深刻影响。城市之间的人口流动强度是体现区域经济联系强度、城市等级和网络结构等的重要指标,此项研究可为形成国家区域经济发展新格局和促进区域平衡发展提供参考。 [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 . 地理学报, 2016, 71(10): 1667-1679.]https://doi.org/10.11821/dlxb201610001 URL [本文引用: 1]摘要随着互联网时代的来临,网络数据已越来越成为表征居民地理行为的重要载体,用户迁移、社交网络、移动通信等地理行为大数据成为城市联系研究的重要数据来源。"百度迁徙"大数据通过LBS技术,全程、动态、即时和直观地记录了城市之间的人口日常流动轨迹。通过采集"百度迁徙"数据库中2015年一季度(2月7日至5月16日)国内369个城市之间的逐日的人口流动数据,分"季度平均、春运期间(春节前)、春运期间(春节后)、劳动节、周末和工作日"6个时间段,从人流集散层级、人流集散网络体系的分层集聚、人口日常流动空间格局及其与"胡焕庸线"之间的关系等角度分析各时间段的城市之间的人口日常流动相关特征与空间格局。研究发现,"百度迁徙"大数据清晰地显示了春运期间中部和沿海地区之间的人口流动格局。人流集散中心主要分布在京津冀、长三角、珠三角和成渝4大城市群中,并与其城市等级有较强的一致性。人口日常流动集散体系呈明显的分层集聚,京津冀、长三角、珠三角、成渝和乌鲁木齐5大集散体系在各时间段基本得到体现,而华中、东北、西南和福建沿海等地区并未出现高层级集散城市和高等级集散体系,与这些区域在国家区域发展战略中的地位在一定程度上不相匹配。"胡焕庸线"能较好地反映国家层面的城市之间人口日常流动格局,反映了地理环境对城市间人口日常流动的深刻影响。城市之间的人口流动强度是体现区域经济联系强度、城市等级和网络结构等的重要指标,此项研究可为形成国家区域经济发展新格局和促进区域平衡发展提供参考。
[8]	Yang Chuankai, Ning Yuemin.Evolution of spatial pattern of inter-provincial migration and its impacts on urbanization in China . Geographical Research, 2015, 34(8): 1492-1506.URL [本文引用: 1] [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 . 地理研究, 2015, 34(8): 1492-1506.]URL [本文引用: 1]
[9]	Xu Su, Zhu Jin.Discussions on different urbanization characteristics in outmigration and immigration areas: Case of Jiangsu, Zhejiang and Anhui province . Urban Development Studies, 2015, 22(8): 46-54.https://doi.org/10.3969/j.issn.1006-3862.2015.08.008 URL [本文引用: 1]摘要对于人口流出地和人口流入地,由于其流动人口的结构性差异,＂人的城镇化诉求＂也应有显著差异。基于＂人的城镇化＂视角,从人口、经济、居住环境、公共服务及城乡协调五个方面对苏浙皖不同人口流入水平地区城镇化的差异化特征做出了探讨,并提出了差别化的应对策略。认为提高居民收入和福利水平是＂人的城镇化＂的本质内涵,对于人口高流入地,这一目标更为迫切;并回答了应如何正确应对＂人的城镇化＂的空间差异性这一问题。 [徐素, 朱金. 基于人口流动的区域城镇化特征及差异化策略探讨: 苏浙皖地区的讨论 . 城市发展研究, 2015, 22(8): 46-54.]https://doi.org/10.3969/j.issn.1006-3862.2015.08.008 URL [本文引用: 1]摘要对于人口流出地和人口流入地,由于其流动人口的结构性差异,＂人的城镇化诉求＂也应有显著差异。基于＂人的城镇化＂视角,从人口、经济、居住环境、公共服务及城乡协调五个方面对苏浙皖不同人口流入水平地区城镇化的差异化特征做出了探讨,并提出了差别化的应对策略。认为提高居民收入和福利水平是＂人的城镇化＂的本质内涵,对于人口高流入地,这一目标更为迫切;并回答了应如何正确应对＂人的城镇化＂的空间差异性这一问题。
[10]	Wang Yali, Wu Yunchao, Zhao Di, et al.Analysis on level and quality of urbanization of counties in Dongting lake area based on population migration characteristics. Resources and Environment in the Yangtze Basin. 2014, 23(11): 1519-1525.https://doi.org/10.11870/cjlyzyyhj201411005 URL Magsci [本文引用: 1]摘要 <p>改革开放以来，中国的人口迁流带有明显异地城镇化的性质，这种跨大区域的异地城镇化对人口流入区和人口流出区的影响是不同的。以环洞庭湖区为例，在第六次人口普查县域资料的基础上，利用SPSS170软件定量分析了湖区县域人口净流出率与城镇化率之间的关系，得出人口净流出区县域城镇化水平与县域人口净流出率呈高度负相关的结论；进而，按县域城乡人口内外流比(城镇人口净流入与农村人口净流出之间的比例)，将本区城镇化划分为主动型城镇化、内流为主的被动型城镇化、外流为主的被动型城镇化和衰退型城镇等类型，并探讨了各类城镇化的人口流动的特征、动力机制和综合效益；在此基础上，提出了环洞庭湖区合理推进城镇化的对策</p> [王亚力, 吴云超, 赵迪, 等. 基于流动人口特征的环洞庭湖区县域城镇化的水平和性质分析 . 长江流域资源与环境, 2014, 23(11): 1519-1525.]https://doi.org/10.11870/cjlyzyyhj201411005 URL Magsci [本文引用: 1]摘要 <p>改革开放以来，中国的人口迁流带有明显异地城镇化的性质，这种跨大区域的异地城镇化对人口流入区和人口流出区的影响是不同的。以环洞庭湖区为例，在第六次人口普查县域资料的基础上，利用SPSS170软件定量分析了湖区县域人口净流出率与城镇化率之间的关系，得出人口净流出区县域城镇化水平与县域人口净流出率呈高度负相关的结论；进而，按县域城乡人口内外流比(城镇人口净流入与农村人口净流出之间的比例)，将本区城镇化划分为主动型城镇化、内流为主的被动型城镇化、外流为主的被动型城镇化和衰退型城镇等类型，并探讨了各类城镇化的人口流动的特征、动力机制和综合效益；在此基础上，提出了环洞庭湖区合理推进城镇化的对策</p>
[11]	Castells M.The Rise of the Network Society . Oxford: Blackwell, 1996.https://doi.org/10.1093/jhmas/38.4.389 URL [本文引用: 1]摘要 This first book in Castells' groundbreaking trilogy, with a substantial new preface, highlights the economic and social dynamics of the information age and shows how the network society has now fully risen on a global scale. The new preface demonstrates the network society has now fully risen on a global scale. It is a groundbreaking volume on the impact of the age of information on all aspects of society. It includes coverage of the influence of the internet and the net-economy. It describes the accelerating pace of innovation and social transformation. It is based on research in the USA, Asia, Latin America, and Europe.
[12]	Taylor P.World City Network: A Global Urban Analysis . London: Routledge, 2004.URL [本文引用: 1]
[13]	Sanderson M R, Derudder B, Timberlake M, et al.Are world cities also world immigrant cities? An international, cross-city analysis of global centrality and immigration . International Journal of Comparative Sociology, 2015, 56: 173-197.https://doi.org/10.1177/0020715215604350 URL [本文引用: 2]
[14]	Jacobs W, Koster H, Hall P.The location and global network structure of maritime advanced producer services . Urban Studies, 2011, 48(13): 2749-2769.https://doi.org/10.1177/0042098010391294 URL [本文引用: 1]
[15]	Xiulian M, Timberlake M F.Identifying China's leading world city: A network approach . GeoJournal, 2008, 71(1): 19-35.https://doi.org/10.1007/s10708-008-9146-8 URL [本文引用: 1]摘要 This paper reports our research on China’s world cities. Formal network analysis of air passenger linkages for recent years among China’s most populous cities and among many of the world’s largest cities allows us to identify the country’s leading world city from among the leading Mainland candidates, Beijing, Shanghai and Guangzhou. We theorize our findings about China’s world cities in relation to both global forces (and China’s increasing entanglement with them) and the policies and actions of the national state. We examine the national and global urban network through a longitudinal, two-level analysis of airline passenger travel for four time points between about 1990 and 2005. We show that Beijing was China’s leading world city at the beginning of the time period, a status it lost nationally in as early as 1995, and then globally 1002years later. On the other hand Shanghai became China’s leading world city, and it acquired this status first nationally in 2000, and then globally in 2005. The changing status of the Chinese capital corresponds to the country’s increasing involvement with the capitalist world economy. Shanghai’s ascendance as the leading world city in China may indicate that global forces have come to play an increasingly important role relative to that of the developmental state.
[16]	Neal Z.Differentiating centrality and power in the World City Network . Urban Studies, 2011, 48(13): 2733-2748.https://doi.org/10.1177/0042098010388954 URL [本文引用: 1]
[17]	Boyd J P, Mahutga M C, Smith D A.Measuring centrality and power recursively in the World City Network: A reply to Neal . Urban Studies, 2013, 50(8): 1641-1647.https://doi.org/10.1177/0042098012466599 URL [本文引用: 1]
[18]	Meijers E J, Burger M J, Hoogerbrugge M M.Borrowing size in networks of cities: City size, network connectivity and metropolitan functions in Europe . Papers in Regional Science, 2016, 95(1): 181-198.https://doi.org/10.1111/pirs.v95.1 URL [本文引用: 1]
[19]	Ducruet C, Cuyala S, Hosni A E.Maritime networks as systems of cities: The long-term interdependencies between global shipping flows and urban development (1890-2010) . Journal of Transport Geography, 2018, 66: 340-355.https://doi.org/10.1016/j.jtrangeo.2017.10.019 URL [本文引用: 1]摘要 This article is the first-ever analysis of cities in relation to maritime transport flows from a relational, or network, perspective. Based on untapped vessel movement data covering the last 120years, this articles sheds new light about the interdependencies at stake between urban hierarchies and port hierarchies overtime. Main results point to the fading correlation between traffic volume, port centrality, and city size, while the largest cities have maintained their prominence in the global maritime network despite contemporary spatial and functional changes affecting the distribution of transport systems and commodity chains. Such findings help better understanding not only the spatial and functional evolution of port-city relationships and maritime transport; they also confirm the importance of taking into account the long-term dynamics and socio-economic embedding of spatial networks in geography and other disciplines.
[20]	Kleibert J.On the global city map, but not in command? Probing Manila's position in the World City Network . Environment and Planning A: Economy and Space, 2016, 49(12): 2897-2915. [本文引用: 1]
[21]	Wang Zhao, Yang Shan, Gong Fuhua et al. Identification of urban agglomerations deformation structure based on urban-flow space: A case study of the Yangtze River Delta urban agglomeration . Scientia Geographica Sinica, 2017, 37(9): 1337-1344.URL [本文引用: 1]摘要全球化、信息化时代，城市群空间结构在城市流的作用下发生剧烈的变形。基于长三角城市流的测度和关系矩阵构建，通过流要素分析、多维尺度分析，从“节点一联系一格局”3个方面识别流空间下城市群变形结构。研究表明：流空间下城市中心性层级特征变化明显，中间层级的城市数量大幅增加；局域范围内城市流网络仍受地理空间距离的制约，但高等级城市流具有跨地理空间流动特征；中心城市和边缘城市呈“异化”发展趋势，表现为中心城市的集聚组团以及边缘城市的分散偏离。 [王钊, 杨山, 龚富华, 等. 基于城市流空间的城市群变形结构识别: 以长江三角洲城市群为例 . 地理科学, 2017, 37(9): 1337-1344.]URL [本文引用: 1]摘要全球化、信息化时代，城市群空间结构在城市流的作用下发生剧烈的变形。基于长三角城市流的测度和关系矩阵构建，通过流要素分析、多维尺度分析，从“节点一联系一格局”3个方面识别流空间下城市群变形结构。研究表明：流空间下城市中心性层级特征变化明显，中间层级的城市数量大幅增加；局域范围内城市流网络仍受地理空间距离的制约，但高等级城市流具有跨地理空间流动特征；中心城市和边缘城市呈“异化”发展趋势，表现为中心城市的集聚组团以及边缘城市的分散偏离。
[22]	Li Chen, Jin Xiangmu.Measurement of spatial interaction between central towns based on the gravity model . Scientia Geographica Sinica, 2016, 36(5): 724-732.https://doi.org/10.13249/j.cnki.sgs.2016.05.010 URL Magsci [本文引用: 1]摘要 <p>根据中心镇之间经济社会要素空间流动特征,对引力模型和断裂点公式进行改进与整合,形成基于引力模型的中心镇空间联系测度方法体系,并将其应用于金华市25个中心镇空间联系强度和空间引力范围的定量测度。结果显示：<i>① </i> 金华市中心镇空间联系强度呈现出明显的组团化空间格局,中心镇发展可进行“两轴线、四组团”的空间整合;<i>② </i>市域中心镇空间联系强度具有显著的空间分异规律,需采取差别化的措施促进中心镇协同发展;<i>③ </i>金华市中心镇空间引力范围差异较大,中部中心镇组团空间引力范围最大,东南部、西部组团次之,北部组团最小;<i>④ </i>中心镇与断裂点之间的距离关系,可作为判断中心镇组团内核心中心镇及关键节点中心镇的重要依据。</p> [李陈, 靳相木. 基于引力模型的中心镇空间联系测度研究: 以浙江省金华市25 个中心镇为例 . 地理科学, 2016, 36(5): 724-732.]https://doi.org/10.13249/j.cnki.sgs.2016.05.010 URL Magsci [本文引用: 1]摘要 <p>根据中心镇之间经济社会要素空间流动特征,对引力模型和断裂点公式进行改进与整合,形成基于引力模型的中心镇空间联系测度方法体系,并将其应用于金华市25个中心镇空间联系强度和空间引力范围的定量测度。结果显示：<i>① </i> 金华市中心镇空间联系强度呈现出明显的组团化空间格局,中心镇发展可进行“两轴线、四组团”的空间整合;<i>② </i>市域中心镇空间联系强度具有显著的空间分异规律,需采取差别化的措施促进中心镇协同发展;<i>③ </i>金华市中心镇空间引力范围差异较大,中部中心镇组团空间引力范围最大,东南部、西部组团次之,北部组团最小;<i>④ </i>中心镇与断裂点之间的距离关系,可作为判断中心镇组团内核心中心镇及关键节点中心镇的重要依据。</p>
[23]	Chen Wei, Liu Weidong, Ke Wenqian, et al.The spatial structures and organization patterns of China's city networks based on the highway passenger flows . Acta Geographica Sinica, 2017, 72(2): 224-241.URL [本文引用: 2] [陈伟, 刘卫东, 柯文前, 等. 基于公路客流的中国城市网络结构与空间组织模式 . 地理学报, 2017, 72(2): 224-241.]URL [本文引用: 2]
[24]	Wang Fenglong, Zeng Gang, Ye Qin, et al.Analysis of city network based on innovation cooperation: Case study of Yangtze River economic belt . Resources and Environment in the Yangtze Basin, 2017, 26(6): 797-805.https://doi.org/10.11870/cjlyzyyhj201706001 URL [本文引用: 2]摘要现有城市地理研究主要基于重力模型、客货流网络和连锁模型等方法刻画城市网络。这些方法或是仅仅基于假设而可能与事实不符,或是数据难以获取,或是过于强调城市间的等级关系。通过引入合作专利数据,探索更加真实、平等的城市网络衡量方法。基于对长江经济带城市间创新联系的实证分析,发现目前城市间的创新联系以公司间（尤其是总部-分支机构间）合作为主;城市间创新联系存在非对称性和空间差异;实际创新联系与重力模型估算的创新联系存在正相关关系,但是相关系数不高;城市间创新联系的规模-位序符合Zipf定律,且存在两个无标度区;城市间创新联系受空间距离、行政级别、产业结构相似程度等影响,反映了距离衰减定律、行政区经济和产业链分工等规律对城市创新联系的解释力。 [王丰龙, 曾刚, 叶琴, 等. 基于创新合作联系的城市网络格局分析: 以长江经济带为例 . 长江流域资源与环境, 2017, 26(6): 797-805.]https://doi.org/10.11870/cjlyzyyhj201706001 URL [本文引用: 2]摘要现有城市地理研究主要基于重力模型、客货流网络和连锁模型等方法刻画城市网络。这些方法或是仅仅基于假设而可能与事实不符,或是数据难以获取,或是过于强调城市间的等级关系。通过引入合作专利数据,探索更加真实、平等的城市网络衡量方法。基于对长江经济带城市间创新联系的实证分析,发现目前城市间的创新联系以公司间（尤其是总部-分支机构间）合作为主;城市间创新联系存在非对称性和空间差异;实际创新联系与重力模型估算的创新联系存在正相关关系,但是相关系数不高;城市间创新联系的规模-位序符合Zipf定律,且存在两个无标度区;城市间创新联系受空间距离、行政级别、产业结构相似程度等影响,反映了距离衰减定律、行政区经济和产业链分工等规律对城市创新联系的解释力。
[25]	Zhao Ziyu, Wei Ye, Pang Ruiqiu, et al.Alter-based centrality and power of Chinese city network using inter-provincial population flow . Acta Geographica Sinica, 2017, 72(6): 1032-1048.https://doi.org/10.11821/dlxb201706007 URL [本文引用: 3]摘要转变中心性和控制力是近年来城市网络研究的重要方法。本文首先从网络拓扑结构角度讨论递归理论用于城市网络研究的条件性;其次,基于百度迁徙数据构建城市网络,利用复杂网络方法、改进后的转变中心性和控制力方法对城市网络进行测度。结论指出:(1)递归理论用于城市网络分析有其特定的数据结构要求,其适用于树形结构、而不适用于局部存在完整图的网络结构的测度;(2)基于人口省际流动的中国城市网络存在小世界现象,人口流动空间格局在全国和区域尺度下均呈现出明显的核心—边缘结构,国家城市化发展战略与重要交通设施对人口流动网络产生框架性的导向作用。哈尔滨—北京—西安—成都—大理一线是关联结构与强度空间差异的明显界限。(3)转变中心性与控制力更能揭示中国城市网络节点的属性特征,和辨识资源流通对网络城市产生的不同影响与空间效应。城市网络中既包括北京、上海、重庆、广州等以高中心性高控制力为特征的典型城市,也包括武汉、太原、贵阳、福州等高中心性低控制力的枢纽城市,和兰州、银川等低中心性高控制力的门户城市。因此,转变中心性和控制力概念对加深城市复杂多样化内涵的认识具有重要的意义。 [赵梓渝, 魏冶, 庞瑞秋, 等. 基于人口省际流动的中国城市网络转变中心性与控制力研究: 兼论递归理论用于城市网络研究的条件性 . 地理学报, 2017, 72(6): 1032-1048.]https://doi.org/10.11821/dlxb201706007 URL [本文引用: 3]摘要转变中心性和控制力是近年来城市网络研究的重要方法。本文首先从网络拓扑结构角度讨论递归理论用于城市网络研究的条件性;其次,基于百度迁徙数据构建城市网络,利用复杂网络方法、改进后的转变中心性和控制力方法对城市网络进行测度。结论指出:(1)递归理论用于城市网络分析有其特定的数据结构要求,其适用于树形结构、而不适用于局部存在完整图的网络结构的测度;(2)基于人口省际流动的中国城市网络存在小世界现象,人口流动空间格局在全国和区域尺度下均呈现出明显的核心—边缘结构,国家城市化发展战略与重要交通设施对人口流动网络产生框架性的导向作用。哈尔滨—北京—西安—成都—大理一线是关联结构与强度空间差异的明显界限。(3)转变中心性与控制力更能揭示中国城市网络节点的属性特征,和辨识资源流通对网络城市产生的不同影响与空间效应。城市网络中既包括北京、上海、重庆、广州等以高中心性高控制力为特征的典型城市,也包括武汉、太原、贵阳、福州等高中心性低控制力的枢纽城市,和兰州、银川等低中心性高控制力的门户城市。因此,转变中心性和控制力概念对加深城市复杂多样化内涵的认识具有重要的意义。
[26]	Zhao Ziyu, Wei Ye, Wang Shijun, et al.Measurement of directed alternative centricity and power of directed weighted urban network: A case of population flow network of China during "Chunyun" period . Geographical Research, 2017, 36(4): 647-660.https://doi.org/10.11821/dlyj201704004 URL [本文引用: 1]摘要目前中国地学领域对网络的研究仍处于起步阶段,大量网络研究方法尚未得到应用的同时,许多地理现象尚未寻找到合适的抽象网络模型,不断拓展和应用有效的网络分析方法成为当务之急。在这一背景下,基于百度迁徙平台获取的春运人口流动大数据,构建中国春运人口流动的有向加权城市网络,在已有研究基础上提出有向转变中心性与控制力测度方法,对该城市网络的节点重要性和功能进行评估和分类,分析其呈现的二维空间特征与地理空间分布特征,并与已有方法进行对比。结果表明:利用有向转变中心性和控制力方法,可有效提取有向加权网络的层级结构、功能分异和非均衡性等特征,不但可区分典型城市、枢纽城市、门户城市与边缘城市等不同的城市类型,还可以识别城市的集聚与扩散特征,从而获得比无权无向网络更为丰富和具有实践意义的信息参考,是一种有效的地理网络分析方法。 [赵梓渝, 魏冶, 王士君, 等. 有向加权城市网络的转变中心性与控制力测度: 以中国春运人口流动网络为例 . 地理研究, 2017, 36(4): 647-660.]https://doi.org/10.11821/dlyj201704004 URL [本文引用: 1]摘要目前中国地学领域对网络的研究仍处于起步阶段,大量网络研究方法尚未得到应用的同时,许多地理现象尚未寻找到合适的抽象网络模型,不断拓展和应用有效的网络分析方法成为当务之急。在这一背景下,基于百度迁徙平台获取的春运人口流动大数据,构建中国春运人口流动的有向加权城市网络,在已有研究基础上提出有向转变中心性与控制力测度方法,对该城市网络的节点重要性和功能进行评估和分类,分析其呈现的二维空间特征与地理空间分布特征,并与已有方法进行对比。结果表明:利用有向转变中心性和控制力方法,可有效提取有向加权网络的层级结构、功能分异和非均衡性等特征,不但可区分典型城市、枢纽城市、门户城市与边缘城市等不同的城市类型,还可以识别城市的集聚与扩散特征,从而获得比无权无向网络更为丰富和具有实践意义的信息参考,是一种有效的地理网络分析方法。
[27]	Wang Cheng, Wang Maojun, Chai Qing.The relationship between centrality and power in the city network . Acta Geographica Sinica, 2015, 70(12): 1953-1972.https://doi.org/10.11821/dlxb201512008 URL [本文引用: 1]摘要网络中心性和网络权力是城市节点的两个重要网络结构特征,现有研究往往缺乏对二者联系和差别的足够重视。从拓扑结构角度,解析城市网络中心性和网络权力的基本内涵,基于度中心性、介数中心性分别表征城市网络中心性和网络权力存在的不足,引入递推中心性和递推权力的概念,利用2009年中国汽车零部件供需链接配套关系数据构建城市关联网络,讨论网络节点分布、链接关系等拓扑结构特征,识别各项中心性和权力指标的相互关系。研究表明：①汽车零部件供需链接的城市网络具备低密度、多中心、＂富人俱乐部＂的特征;②上海、长春、北京、重庆、十堰为最高等级的网络中心城市,分别锁定中国6大汽车产业带的对应地区;③长三角、京津地区、山东、广西、湖北三省及川渝地区为6大网络权力城市集中区,长三角地区网络权力最为突出;④递推中心性、递推权力在测度城市网络中心性和网络权力方面,具有更高的区分性和精准度;5城市网络存在由＂高中心性—高权力＂的核心城市到＂低中心性—低权力＂的裙带城市的一维分布特征,这与空间距离阻尼对城市链接有无的影响程度的衰减有关;同时也存在二者关系非匹配的＂高中心性—低权力＂的中心集束城市和＂低中心性—高权力＂的权力门户城市。 [王成, 王茂军, 柴箐. 城市网络地位与网络权力的关系: 以中国汽车零部件交易链接网络为例 . 地理学报, 2015, 70(12): 1953-1972.]https://doi.org/10.11821/dlxb201512008 URL [本文引用: 1]摘要网络中心性和网络权力是城市节点的两个重要网络结构特征,现有研究往往缺乏对二者联系和差别的足够重视。从拓扑结构角度,解析城市网络中心性和网络权力的基本内涵,基于度中心性、介数中心性分别表征城市网络中心性和网络权力存在的不足,引入递推中心性和递推权力的概念,利用2009年中国汽车零部件供需链接配套关系数据构建城市关联网络,讨论网络节点分布、链接关系等拓扑结构特征,识别各项中心性和权力指标的相互关系。研究表明：①汽车零部件供需链接的城市网络具备低密度、多中心、＂富人俱乐部＂的特征;②上海、长春、北京、重庆、十堰为最高等级的网络中心城市,分别锁定中国6大汽车产业带的对应地区;③长三角、京津地区、山东、广西、湖北三省及川渝地区为6大网络权力城市集中区,长三角地区网络权力最为突出;④递推中心性、递推权力在测度城市网络中心性和网络权力方面,具有更高的区分性和精准度;5城市网络存在由＂高中心性—高权力＂的核心城市到＂低中心性—低权力＂的裙带城市的一维分布特征,这与空间距离阻尼对城市链接有无的影响程度的衰减有关;同时也存在二者关系非匹配的＂高中心性—低权力＂的中心集束城市和＂低中心性—高权力＂的权力门户城市。
[28]	Cao Zhan, Peng Zhenwei.Correlation between "Attributes and Network" of global city and global city-region: A case of Shanghai and Yangtze River Delta . Economic Geography, 2017, 37(5): 1-11. [本文引用: 1] [曹湛, 彭震伟. 全球城市与全球城市—区域“属性与网络”的关联性: 以上海和长三角为例 . 经济地理, 2017, 37(5): 1-11.] [本文引用: 1]
[29]	Wu Kang, Fang Chuanglin, Zhao Miaoxi.The spatial organization and structure complexity of Chinese intercity networks . Geographical Research, 2015, 35(4): 711-728.https://doi.org/10.11821/dlyj201504010 URL摘要全球化、信息化与快速城市化深刻影响了中国的城市体系,多区位企业组织所形成的城市网络正处于日益复杂的空间嬗变过程。基于2010年企业名录的总部—分支机构型关联数据,研究构建了330×330的地级以上城市网络连接关系,并运用复杂网络分析工具来探索中国城市网络的空间组织特征。研究发现:1中国的城市网络联系呈现以'北京—上海—广深—成都'为核心的菱形空间结构,不同等级的网络流强度具有显著的空间异质性,城市网络的空间组织是一个择优性和地理邻近性复杂作用的过程;2中国城市网络正处于一个简单随机向复杂有序结构的转化期,整体大尺度的网络结构还有待形成;3中国城市网络整体表现出明显的小世界网络效应;4中国城市的二值点度网络为明显的异配性连接特征,而加权强度网络连接则一定程度上表现出'富人圈'的现象;5中国城市网络的层级性并不明显,城市网络的点度和强度的关系呈非线性增加特征。 [吴康, 方创琳, 赵渺希. 中国城市网络的空间组织及其复杂性结构特征 . 地理研究, 2015, 35(4): 711-728.]https://doi.org/10.11821/dlyj201504010 URL摘要全球化、信息化与快速城市化深刻影响了中国的城市体系,多区位企业组织所形成的城市网络正处于日益复杂的空间嬗变过程。基于2010年企业名录的总部—分支机构型关联数据,研究构建了330×330的地级以上城市网络连接关系,并运用复杂网络分析工具来探索中国城市网络的空间组织特征。研究发现:1中国的城市网络联系呈现以'北京—上海—广深—成都'为核心的菱形空间结构,不同等级的网络流强度具有显著的空间异质性,城市网络的空间组织是一个择优性和地理邻近性复杂作用的过程;2中国城市网络正处于一个简单随机向复杂有序结构的转化期,整体大尺度的网络结构还有待形成;3中国城市网络整体表现出明显的小世界网络效应;4中国城市的二值点度网络为明显的异配性连接特征,而加权强度网络连接则一定程度上表现出'富人圈'的现象;5中国城市网络的层级性并不明显,城市网络的点度和强度的关系呈非线性增加特征。
[30]	Jin Fengjun.Urbanization as a spatial means for human beings' development . Geographical Research, 2013, 32(9): 1761-1767.https://doi.org/10.11821/dlyj201309017 URL [本文引用: 1]摘要 With the turn of "produce in space" mode to the "spatial produce" mode, it is an unavoidable trend for human beings' development transferring from element paradigm to system paradigm. In modern society, the human beings should build and regulate the society with the concept of effective space, which plays an important role for people to manage the living space and adjust the relationship between human beings and the nature. City and country, which directly bear the function of politics, economy, and spatial welfare, are the two most universal spatial means for people to manage the world. City is a material space and a spatial opportunistic servo system created by human beings, and it is also the basic spatial mode for people's living with the integration of time, space, material, energy, information and capital. City has the function of politics, economy, culture and environment, and is a social spatial system with all kinds of meanings such as economic capital, political life, and power operation. Unquestionably, city is an effective spatial tool for managing and governing the living space, regulating spatial behavior, and providing sustainable welfare. [金凤君. 论城市化的空间工具效应 . 地理研究, 2013, 32(9): 1761-1767.]https://doi.org/10.11821/dlyj201309017 URL [本文引用: 1]摘要 With the turn of "produce in space" mode to the "spatial produce" mode, it is an unavoidable trend for human beings' development transferring from element paradigm to system paradigm. In modern society, the human beings should build and regulate the society with the concept of effective space, which plays an important role for people to manage the living space and adjust the relationship between human beings and the nature. City and country, which directly bear the function of politics, economy, and spatial welfare, are the two most universal spatial means for people to manage the world. City is a material space and a spatial opportunistic servo system created by human beings, and it is also the basic spatial mode for people's living with the integration of time, space, material, energy, information and capital. City has the function of politics, economy, culture and environment, and is a social spatial system with all kinds of meanings such as economic capital, political life, and power operation. Unquestionably, city is an effective spatial tool for managing and governing the living space, regulating spatial behavior, and providing sustainable welfare.
[31]	He Haojun, Peng Chong.The spatial-temporal evolution and the interactive effect between urban industrial structure transformation and land use efficiency . Geographical Research, 2017, 36(7): 1271-1282.https://doi.org/10.11821/dlyj201707007 URL [本文引用: 2]摘要利用非径向方向距离函数（NDDF）和面板向量自回归模型（PVAR）揭示城市产业结构变迁与土地利用效率的交互影响,为新常态下产业转型与土地利用管理改革提供政策依据。研究表明：（1）城市土地利用效率改进呈现点状向面状、带状拓展的趋势,并与产业结构变迁保持一定的空间耦合性。（2）产业结构合理化与高级化水平呈自东向西的阶梯式分布和动态转移特征。（3）从GMM估计结果来看,产业结构合理化的滞后3期对产业结构高级化有显著的正向影响,其滞后1期和2期对城市土地利用效率也存在显著的正向效应。从脉冲效应结果来看,产业结构合理化和高级化冲击对土地利用效率均产生影响,但作用机制和效果截然相反。研究得出产业结构合理化、产业结构高级化和土地利用效率改进存在动态依赖性;产业结构合理化是产业结构实现高级化的重要基础。产业结构合理化与土地利用效率表现为互惠互利的“双赢”效应。土地利用效率提升对产业结构实现合理化和高级化均存在“倒逼效应”,但当前阶段仅产业结构合理化的效应显著。 [何好俊, 彭冲. 城市产业结构与土地利用效率的时空演变及交互影响 . 地理研究, 2017, 36(7): 1271-1282.]https://doi.org/10.11821/dlyj201707007 URL [本文引用: 2]摘要利用非径向方向距离函数（NDDF）和面板向量自回归模型（PVAR）揭示城市产业结构变迁与土地利用效率的交互影响,为新常态下产业转型与土地利用管理改革提供政策依据。研究表明：（1）城市土地利用效率改进呈现点状向面状、带状拓展的趋势,并与产业结构变迁保持一定的空间耦合性。（2）产业结构合理化与高级化水平呈自东向西的阶梯式分布和动态转移特征。（3）从GMM估计结果来看,产业结构合理化的滞后3期对产业结构高级化有显著的正向影响,其滞后1期和2期对城市土地利用效率也存在显著的正向效应。从脉冲效应结果来看,产业结构合理化和高级化冲击对土地利用效率均产生影响,但作用机制和效果截然相反。研究得出产业结构合理化、产业结构高级化和土地利用效率改进存在动态依赖性;产业结构合理化是产业结构实现高级化的重要基础。产业结构合理化与土地利用效率表现为互惠互利的“双赢”效应。土地利用效率提升对产业结构实现合理化和高级化均存在“倒逼效应”,但当前阶段仅产业结构合理化的效应显著。
[32]	Liu Shuaibin, Li Zaijun, Zhou Nianxing, et al.Spatial-temporal evolution of China's provincial consumption and its influencing factors . Scientia Geographica Sinica, 2018, 38(2): 186-194.URL [本文引用: 1]摘要针对1978～2015年间中国省域消费水平及影响因素的时空异质性分析表明：（1）消费水平格局呈明显的东西与南北集聚态势,并以东西格局为主;时序上,消费水平格局不断发生分化或翻转。（2）消费水平的影响因素不仅相互之间存在差异,而且相同影响因素也存在时空异质性,表现对不同时段和不同等级消费地区的作用程度并不一致。（3）不同等级消费地区应实施相宜的产业、就业政策,不断完善低消费地区物流网络、提升高消费地区商品国内外流通程度,促进中等消费地区农村转移人口的消费潜力持续释放。 [刘帅宾, 李在军, 周年兴, 等. 中国省域消费水平及影响因素的时空异质性分析 . 地理科学, 2018, 38(2): 186-194.]URL [本文引用: 1]摘要针对1978～2015年间中国省域消费水平及影响因素的时空异质性分析表明：（1）消费水平格局呈明显的东西与南北集聚态势,并以东西格局为主;时序上,消费水平格局不断发生分化或翻转。（2）消费水平的影响因素不仅相互之间存在差异,而且相同影响因素也存在时空异质性,表现对不同时段和不同等级消费地区的作用程度并不一致。（3）不同等级消费地区应实施相宜的产业、就业政策,不断完善低消费地区物流网络、提升高消费地区商品国内外流通程度,促进中等消费地区农村转移人口的消费潜力持续释放。
[33]	Chi Renyong.The formation, structure and function of regional innovative network of small and medium-sized enterprises: A case study of Zhejiang province . Management World, 2005(10): 102-112.URL [本文引用: 1]摘要本研究应用社会网络分析理论,以浙江省中小企业创新网络为实证,对区域中小企业创新网络的基本形式、网络结构属性、形成机理、特征进行分析,说明了一个区域中小企业创新网络的密度、中心结点、网络分区的概念及其计算方法,剖析了浙江省中小企业创新网络的结构属性。文章提出创新网络结构对功能起决定作用的观点,而浙江省中小企业创新网络存在中心结点、功能低、区域分块性、结点关系链凝固性等问题,因此,要提升中小企业创新网络的功能,必须提升与改造中心结点的功能。 [池仁勇. 区域中小企业创新网络形成、结构属性与功能提升: 浙江省市政考察 . 管理世界, 2005(10): 102-112.]URL [本文引用: 1]摘要本研究应用社会网络分析理论,以浙江省中小企业创新网络为实证,对区域中小企业创新网络的基本形式、网络结构属性、形成机理、特征进行分析,说明了一个区域中小企业创新网络的密度、中心结点、网络分区的概念及其计算方法,剖析了浙江省中小企业创新网络的结构属性。文章提出创新网络结构对功能起决定作用的观点,而浙江省中小企业创新网络存在中心结点、功能低、区域分块性、结点关系链凝固性等问题,因此,要提升中小企业创新网络的功能,必须提升与改造中心结点的功能。
[34]	Ma H, Zhang F, Liu Y.Transnational elites enhance the connectivity of Chinese cities in the world city network . Environment and Planning A: Economy and Space, 2018, 50(4): 749-751.https://doi.org/10.1177/0308518X18761395 URL [本文引用: 1]
[35]	Luo Haichao, Miao Changhong, Li Guoliang.Review on empirical research and related controversies of different regional scale industrial transfer . Human Geography, 2014, 29(1): 1-8.URL [本文引用: 1]摘要从产业转移概念出发，对产业区域转移实证研究视角、研究方法以及不同区域尺度研究结果进行梳理。认为根据已有实证研究可以得出中国产业转移发生情况的基本结论：①中国在整体上以及东中西部和四大板块之间只有较少的相对产业转移并没有发生大规模的产业转移。②东中西部地区之间存在的产业转移主要是技术密集型产业从中西部转入东部，资源依赖型产业从东部转入中西部。③东部地带各省份之间的产业转移相对规模较大。④东部地带各省份内部的产业转移相对规模更大。⑤不同区域尺度上产业转移实证研究结果符合距离衰减规律。对国内产业转移实践引发的梯度理论、产业转移滞缓原因、政府参与产业转移作用的研究进行了梳理。最后提出未来研究的一些方向。 [雒海潮, 苗长虹, 李国梁. 不同区域尺度产业转移实证研究及相关论争综述 . 人文地理, 2014, 29(1): 1-8.]URL [本文引用: 1]摘要从产业转移概念出发，对产业区域转移实证研究视角、研究方法以及不同区域尺度研究结果进行梳理。认为根据已有实证研究可以得出中国产业转移发生情况的基本结论：①中国在整体上以及东中西部和四大板块之间只有较少的相对产业转移并没有发生大规模的产业转移。②东中西部地区之间存在的产业转移主要是技术密集型产业从中西部转入东部，资源依赖型产业从东部转入中西部。③东部地带各省份之间的产业转移相对规模较大。④东部地带各省份内部的产业转移相对规模更大。⑤不同区域尺度上产业转移实证研究结果符合距离衰减规律。对国内产业转移实践引发的梯度理论、产业转移滞缓原因、政府参与产业转移作用的研究进行了梳理。最后提出未来研究的一些方向。
[36]	Sander N.Internal migration in Germany, 1995-2010: New insights into East-West migration and re-urbanization . Comparative Population Studies, 2014, 39(2): 217-246. [本文引用: 1]
[37]	Schroeder J P.Visualizing patterns in U.S. urban population trends [D]. Twin Cities: University of Minnesota, 2009. [本文引用: 1]
[38]	Liu Jun.Lectures on Whole Network Approach: A Practical Guide to UCINET. Shanghai: Truth &Wisdom Press and Shanghai People's Publishing House, 2009. [本文引用: 2] [刘军. 整体网分析讲义: UCINET 软件实用指南. 上海: 格致出版社、上海人民出版社, 2009.] [本文引用: 2]
[39]	Koenker R.Quantile regression for longitudinal data . Journal of Multivariate Analysis, 2004, 91(1): 74-89.https://doi.org/10.1016/j.jmva.2004.05.006 URL [本文引用: 1]摘要 The penalized least squares interpretation of the classical random effects estimator suggests a possible way forward for quantile regression models with a large number of “fixed effects”. The introduction of a large number of individual fixed effects can significantly inflate the variability of estimates of other covariate effects. Regularization, or shrinkage of these individual effects toward a common value can help to modify this inflation effect. A general approach to estimating quantile regression models for longitudinal data is proposed employing ? regularization methods. Sparse linear algebra and interior point methods for solving large linear programs are essential computational tools.
[40]	Qin Jia, Li Jianmin.Spatial patterns and determinants of urbanization in China . Population Research, 2013, 37(2): 25-40.URL Magsci [本文引用: 1]摘要中国人口城镇化水平存在明显的空间差异,呈现出"东高西低"的格局。文章根据第六次全国人口普查数据,运用探索性空间分析方法对中国人口城镇化的空间关系进行了分析。研究发现,人口城镇化水平的空间正自相关性是造成中国人口城镇化空间差异的一个主要原因,并且会改变其他因素对人口城镇化的影响。利用控制了空间自相关性的空间误差模型进行回归分析发现,地区之间土地城镇化水平、第二、三产业就业水平和产值水平,以及人均GDP的差距是造成人口城镇化水平空间差异的主要原因,并且第三产业就业水平的提升对中西部地区人口城镇化的促进作用大于其在东部的作用。与一些研究文献的结论不同,本文在控制主要因素后发现,财政支出水平、出口规模、港澳台资和外资企业发展水平对人口城镇化的空间差异影响并不显著。 [秦佳, 李建民. 中国人口城镇化的空间差异与影响因素 . 人口研究, 2013, 37(2): 25-40.]URL Magsci [本文引用: 1]摘要中国人口城镇化水平存在明显的空间差异,呈现出"东高西低"的格局。文章根据第六次全国人口普查数据,运用探索性空间分析方法对中国人口城镇化的空间关系进行了分析。研究发现,人口城镇化水平的空间正自相关性是造成中国人口城镇化空间差异的一个主要原因,并且会改变其他因素对人口城镇化的影响。利用控制了空间自相关性的空间误差模型进行回归分析发现,地区之间土地城镇化水平、第二、三产业就业水平和产值水平,以及人均GDP的差距是造成人口城镇化水平空间差异的主要原因,并且第三产业就业水平的提升对中西部地区人口城镇化的促进作用大于其在东部的作用。与一些研究文献的结论不同,本文在控制主要因素后发现,财政支出水平、出口规模、港澳台资和外资企业发展水平对人口城镇化的空间差异影响并不显著。
[41]	Guan Xingliang, Wei Houkai, Lu Shasha, et al.Patterns and driving mechanism of spatial agglomeration during the urbanization process in China . Geographical Research, 2016, 35(2): 227-241.https://doi.org/10.11821/dlyj201602003 URL [本文引用: 1]摘要构建科学合理的城镇化空间格局,是推进新型城镇化的内在要求,对提升城镇化质量和推动城镇化健康发展具有重要意义。基于统计数据和地理信息技术,深刻揭示了中国城镇化进程中的空间集聚态势及其造成的突出矛盾,从理论视角综合考察了城镇化进程中的空间集聚形成机理,并简要探讨了优化城镇化空间格局的政策建议。研究表明,改革开放以来中国城镇化进程中的空间集聚态势十分明显,人口、资源、要素和产业大规模向东部沿海地区集聚,并在空间上形成了若干个城市和人口密集区。造成这种空间集聚态势的因素是多方面的,自然本底条件和资源禀赋的地带性差异起到基础性作用,国家发展战略的东部偏向及资源要素的空间集聚效应是外部条件,而更深层次的基本动力源于区域之间日益拉大的发展差距。应该看到,改革开放以来中国人口与产业向东部地区集聚具有一定的历史必然性,但二者的空间集聚未能协同一致,由此导致两个"不协调",即人口分布与产业及就业岗位分布的不协调及人口、经济分布与资源环境承载能力的不协调。这两个"不协调"造成了数以亿计的"两栖"农民工跨区域迁移、能源与大宗商品的跨区域流动、局部地区资源环境面临巨大压力、不稳定因素和社会矛盾日益激化等突出问题。要构建高效、均衡、安全的城镇化空间格局,其本质就是要实现区域协调发展,即不单纯要强调人的繁荣,还要强调地域的繁荣。"产业西进"和"人口东移"是优化中国城镇化空间格局和形态的战略重点。 [关兴良, 魏后凯, 鲁莎莎, 等. 中国城镇化进程中的空间集聚、机理及其科学问题 . 地理研究, 2016, 35(2): 227-241.]https://doi.org/10.11821/dlyj201602003 URL [本文引用: 1]摘要构建科学合理的城镇化空间格局,是推进新型城镇化的内在要求,对提升城镇化质量和推动城镇化健康发展具有重要意义。基于统计数据和地理信息技术,深刻揭示了中国城镇化进程中的空间集聚态势及其造成的突出矛盾,从理论视角综合考察了城镇化进程中的空间集聚形成机理,并简要探讨了优化城镇化空间格局的政策建议。研究表明,改革开放以来中国城镇化进程中的空间集聚态势十分明显,人口、资源、要素和产业大规模向东部沿海地区集聚,并在空间上形成了若干个城市和人口密集区。造成这种空间集聚态势的因素是多方面的,自然本底条件和资源禀赋的地带性差异起到基础性作用,国家发展战略的东部偏向及资源要素的空间集聚效应是外部条件,而更深层次的基本动力源于区域之间日益拉大的发展差距。应该看到,改革开放以来中国人口与产业向东部地区集聚具有一定的历史必然性,但二者的空间集聚未能协同一致,由此导致两个"不协调",即人口分布与产业及就业岗位分布的不协调及人口、经济分布与资源环境承载能力的不协调。这两个"不协调"造成了数以亿计的"两栖"农民工跨区域迁移、能源与大宗商品的跨区域流动、局部地区资源环境面临巨大压力、不稳定因素和社会矛盾日益激化等突出问题。要构建高效、均衡、安全的城镇化空间格局,其本质就是要实现区域协调发展,即不单纯要强调人的繁荣,还要强调地域的繁荣。"产业西进"和"人口东移"是优化中国城镇化空间格局和形态的战略重点。

基于人口流的中国省域城镇化空间关联特征及形成机制

本站小编 Free考研考试/2021-12-29

Characteristics and formation mechanism of China's provincial urbanization spatial correlation based on population flow

1 引言