叶明确 任会明

[摘要]基于2005年、2015年省际人口流动的相关数据，借助社会网络分析方法，进行了人口流动的网络结构特征研究，并剖析了人口流动网络的影响因素，研究结果表明：①整个网络的关联性增强，小世界性发育典型;以广东为主，浙江、江苏、安徽、四川为副的“一主四副”的网络结构进一步凸显，等级层次性加强;从人口流动网络的关联性视角看，相邻省份间具有较为活跃的人口流动，体现出显著的地理邻近性;整个人口流动的空间格局体现了“东入内出”的模式，空间不均衡性加剧。②通过QAP回归发现：开放水平、收入水平、地理邻近性对省际人口流动网络具有显著的影响;人均GDP、人力资本、第三产业只对省际人口流入网络具有显著影响，对人口流出网络并没有发挥显著的作用;失业水平对人口流动网络的影响经历了由显著到不显著的演化;第二产业对人口流动网络的影响经历了由不显著到显著的演化过程。

[关键词] 人口流动网络;影响因素;省际;QAP回归

[中图分类号] F0615; C9242 [文献标识码]A   [文章编号]1673-0461（2020）03-0046-09

一、引 言

改革开放以来，城市经济迅速腾飞，城市化进程进一步加快，人口流动日趋活跃，其不仅满足了流入地劳动力短缺的需求，还带动了流出地劳动力就业，人口流动成为搭建区域间相互联系和相互作用的重要纽带。以人口流动为主题的专题探讨一度受到地理学、社会学和经济学等领域学者的青睐。随着全球化和世界经济一体化，全球人口迁徙版图正在加速重构，人才成为各国培育综合竞争力的关键所在，深刻影响着国家间的力量对比。随着2018年各省上演如火如荼的“抢人大战”，在高素质人群中重新掀起一股人口流动的热潮，人口流动现象仍然是当今社会发展最显著的特征之一。

早在19世纪末，根据Ravenstein [1]（1889）的统计数据显示：人口流动呈现规律性。紧接着人口流动的引力模型 [2]被提出，标志着人口流动的研究迈向一个新的台阶。20世纪中叶，基于人口流动的“推拉理论”的提出 [3]，关于人口流动的系统研究自此展开。随着科技的发展，信息化水平的提高，科学技术手段不断被运用于人口流动的研究领域，人口流动空间网络模型的构建 [4]为区域间人口流动提供了一种研究的新思考。人口流动网络化的形成，不仅加速了区域间物质、资本、信息的快速流动，也成为城市化和社会问题研究的一种补充，据此加强区域间人口流动的分析，对区域间经济发展，优化区域资源配置，调整区域政策具有重要的意义。

当今，人口流动日益频繁，区域性和全球性的人口流动网络加速成熟，其空间关联和演化的复杂性引起各领域学者的广泛关注。研究范畴涉及劳动力流动 [5]、农村人口的流动 [6]以及高素质人才的流动 [7]。研究的尺度涵盖城市 [8]、区域 [9-10]、全国 [11]乃至世界 [12]。研究的内容囊括空间格局 [13]、迁移特征 [14]、流动模式 [15]、网络结构 [16-18]、影响因素 [19]以及人口流动对区域经济发展 [20]之间的相互关系的研究。

进入21世纪以来，随着社会网络研究方法的兴起，为洞察人口流动网络的网络密度、中心性、小世界性、无标度性等网络复杂性 [21]的研究提供了强大的支撑。多数学者普遍发现，国家尺度的人口流动网络具有较高的平均聚集系数和较短的平均路径长度，呈现小世界性的结构特征 [22];区域尺度的人口流动网络具有无标度性，网络节点的度值分布服从长尾特征和幂律特征 [23]。与此同时，人口流动网络在空间形态上呈现典型的等级层次性 [24]，人口流动模式向特定地区集聚，流向稳定。一方面，由于信息化的普及和交通方式的便捷，地理距离对大尺度的人口流动的约束力在逐渐减弱，人口流动网络的不均衡性在加剧 [25]，人口通过工作、学习、务工、会议、商务以及高层次人才流动等渠道进行流动，横跨国家、区域、城市等不同层次的地理空间，具有大范围的吸引力和辐射力 [26]。另一方面，人口流动仍然受显著的地理邻近性的影响，总是聚焦于流向某些地区（如西欧、北美等发达地区） [27]、国家（如美国、英国、德国、中国） [28]、区域（如长三角、珠三角、京津冀） [29]、城市（如纽约、深圳、上海） [30]，呈现楔子状的空间集聚特征。随着空间经济学的发展，近年来一些学者普遍在Taylor提出的人口引力模型的基础上透过流入地和流出地的经济水平和流动人口数量构建人口流动网络。同时，根据GaWC提出的连锁网络模型，结合互联网大数据的人口迁徙数据 [31]，成为学者研究城市间人口流动网络联系的重要模式。研究发现：大部分城市在人口流动上处于“相对平衡”的状态 [32]，就我国而言，东部沿海地区仍然是人口流向的热点区域，中西部地区是人口流出的主体，广东、浙江、江苏等省份在人口流动网络中扮演枢纽角色 [33]。

此外，人口流动影响因素也被广泛审视，研究多侧重于区域经济发展的作用 [34]，主要通过人口流动对流入地和流出地不同的经济增长影响，从而带动对城市化 [35-36]、老龄化 [37]、经济发展 [38]乃至交通通达性 [39]的研究。研究发现，人口流动会促进人口流入地区的经济发展，一定程度上阻碍流出地的经济发展 [40]。经济发展程度高、总人口数量大的城市更容易吸引外來人口流入。对人口流动影响因素的研究中，经济因素是人口流动的主要因素，地区经济发展水平、开放程度、收入水平、人力资本等都是影响人口跨区域流动的主要动力 [41]，但过度的人口流动也会对流入地和流出地产生“背反效应”，过多的人口流入超越流入地的人口容量，造成劳动力过剩，影响流入地的资源配置，严重的会影响社会治安水平;而过度的人口流出会造成流出地的人才短缺、劳动力流失严重、留守儿童等严重的社会问题，会阻碍区域经济的发展 [42]。

从上述的分析中可知，以人口流动为主体的网络化研究已经成为各领域学者研究的热点和前沿。国内的人口流动网络大多集中于特定区域、特定城市，鲜有省际间的人口流动网络的研究，基于人口流动的空间布局研究成为研究的重心，但缺乏对人口流动网络的网络结构视角的考虑，空间结构的复杂性和网络影响因素的研究更需加强。同时，对人口流动的影响因素的研究多数偏重于截面数据的影响因素分析，而对人口流动网络时空演化因素的研究也有待深入剖析。因此，本文基于2005年、2015年的全国人口迁移矩阵的抽样数据，构建省际人口流动网络，并探讨其流动趋势，采用社会网络统计方法和ArcGIS空间可视化的方法，绘制中国省际人口流动网络图，应用QAP回归模型对人口流动网络的影响因素进行实证分析，尝试扩展研究视角。

二、研究方法与数据来源

（一）数据来源

本文以全国31个省份（不包括港澳台地区）为研究对象，根据国家统计局每十年发布的全国按现住地和一年前常住地分的1%抽样人口调查数据 [43]，故本文选取2005年、2015年的相关数据，其余变量数据来自于2005年、2015年《中国统计年鉴》。

（二）研究方法

1.人口流动网络的构建

人口流动网络的构建采用流动人口分省区数据及人口流动的省对省数据矩阵，经过MATLAB适当的处理，利用ArcGIS建立空间数据库，展现省际人口流动的空间分布格局以及网络结构特征。

2.网络结构测度指标

（1）网络密度 [0，1]。网络密度是测量网络的数量指标，表示网络中节点联系的紧密程度。密度的数值越大，节点的关联数量和人口的流动性越大，反之，则越松散。计算公式为：

其中，L表示人口流动网络中人口流动的关联数，g表示人口流动网络中省份的数量。

（2）度数中心性。

度数中心性是衡量人口流动网络中某一省份在与其他省份互动中的影响力和控制力，数值越高，表示省份在网络中越具有中心的地位，考虑到人口流动网络具有流向性，须进一步进行点入度和点出度分析，其分别表示节点在网络中的吸引力和辐射力。计算公式为：

其中，CD为度数中心性值，Qji为节点间的联系度。

（3）修正后的引力模型。

在区域经济差异对人口流动网络影响分析部分，采用定量研究方法开展研究，在方法上主要是借鉴了引力模型原理来建立多元线性回归模型。Pallin曾经通过引力模型预测了城市间的交通流量，曾冰 [44]利用引力模型构建了长江经济带省际贸易网络，这一模型已被广泛应用于区域间网络联系的研究，但引力模型在人口流动领域的研究涉及尚少，方大春 [45]通过引力模型构建出中国农村贫困人口的空间关联网络，王钰 [46]通过引力模型进行了中国人口迁移特征及其影响因素的研究。

引力模型最初被运用到城市间的交通流量的形式为：

（5）式中引力模型为线性形式，为下文的区域经济差异对人口流动网络的影响分析中提供了理论依据，该模型的各变量均为“关系”矩阵，称为“网络引力模型”，本文选用了QAP（Quadratic Assignment Procedure，二次迭代分配程序）回归模型。

3.QAP回归模型

QAP回归模型是以若干个1mode①N×N的网络矩阵为自变量，回归同类网络矩阵，判断回归系数并进行显著性检验。之所以采用QAP回归方法而不用多元线性回归方法，是因为关系矩阵中存在结构性的自相关会使基于OLS的多元回归方法的变量显著性检验失效。而QAP回归是一种非参数检验，可以避免因观测值相关引起的统计偏误。有鉴于此，本文使用QAP回归分析对网络矩阵之间的“关系”进行假设检验，运用网络矩阵作为因变量和自变量，具体计算步骤如下：一是对自变量矩阵和因变量矩阵对应的长向量元素进行常规的多元回归分析;二是同时对因变量的各行各列进行随机置换，重新计算回归，保存系数估计值和判定系数R2，重复之前的步骤多次，得到各统计量的标准误。

三、中国省际人口流动网络结构特征研究

（一）网络关联性增强，小世界性典型

相比于2005年，2015年的人口流动网络的密度、平均聚类系数、平均路径长度均有所增加（如表1），其中网络密度分别为0976和0991，接近水平1，动态比较来看，十年间，人口流动网络的网络密度提升了154%，说明省际间的人口流动网络化程度整体上得到了提高，区域可达性提升，网络处于强连结联系状态，通过人口流动呈现的省际空间关联愈发密切。2015年的人口流动网络的平均度也呈现增长趋势，虽增长幅度并不是很大，但是已接近30，表明整个人口流动网络的内部关联性在逐步加强，这与省际间的人口流动数量和频度是紧密相关的。网络的平均聚类系数由2005年的0980增长至0992，平均路径长度由1024下降至1009，数值均接近1，已经接近饱和，表明网络的互联性水平在增强。较大的平均聚类系数和较小的平均路径长度，说明其具有典型的小世界性。

（二）等级层次性加强，网络结构“一主四副”凸显

依据各街镇的度数中心度的加权值，根据ArcGIS中的自然间断点分级法（Jenks），将各省际在人口流动网络中划分为5个等级（如表2），2015年和2005年相对比，以广东为主，浙江、江苏、安徽、四川为副的“一主四副”的人口流动网络结构进一步凸显（如图1）。2015年广东的度数中心度为181 678，相较于2005年的58 198，增速高达21217%，远高于其他省份，在人口流动网络中处于核心位置。浙江、江苏、安徽、四川4省的中心度仅次于广东，除四川外，其余3省位于长三角，构成人口流动网络的第2等级。以上5个核心省份都位于区域的经济中心，广东位于珠三角的核心位置，是整个改革开放的排头兵，随着近年来粤港澳大湾区的发展，是带动东南沿海经济发展的重要力量。浙江、江苏、安徽是长三角的重要组成部分，经济发达，产业集聚，邻近经济中心上海，是上海进行产业转移和升级的重要经济腹地。四川是西部地区的经济中心，2015年GDP总量实现全国第6位，人口总量排名全国第3位。5个核心省份因具有较高位的生产总值，便利的交通条件以及良好的政策環境，在人口流动网络中构成“一主四副”的核心网络结构。

（三）地理邻近性显著

根据省际人口流动的网络关联度（如图1），2005—2015年，省际人口流动网络并未发生明显变化，除人口流动性进一步增强外，地理邻近性进一步凸显：首先，由浙、苏、皖为核心的长三角地区人口流动核心圈进一步发展为苏、皖人口流动核心圈，浙江在2015年长三角地区人口流动关联度中的核心地位未能有效凸显。其次，广东在人口流动网络中的主导性作用日趋显著，与其他省份的关联强度进一步加强，2005年，其与广东的网络最强关联度依次为湖南（7 643）>广西（6 134）>四川（4 623）>河南（4 414）>湖北（4 198），2015年，广东仍然在人口流动关联度中排名第1位，关联度排序为湖南（31 872）>广西（24 563）>四川（19 501）>湖北（18 020）>河南（16 192），广东在人口流动网络中呈现纵深扩展，虽与中西部省份的关联度进一步增强，使人口流动衍生的省际间联系变得更加紧密，但十年来，位于前列的仍然是湖南和广西。由此验证了省际人口流动呈现明显的地理临近性特征，相邻省份间由于较短的空间距离，相似的生活习惯等因素，这些因素构成了相邻省份间较为活跃的人口流动。

（四）人口流动“东入内出”，空间不均衡性加剧

从省际人口入度、出度的空间分布看（如表3、图1），人口流动出现高度的稳定性，东部沿海省份仍然是人口流入的热点地区，尤以广东、浙江、上海、江苏、北京为主，呈现典型的东部指向。而中西部地区的四川、安徽、河南、湖南、湖北是人口流出的主要地区。2005年，广东在流入和流出上均排列第一，而2015年，广东仍旧是最大的人口流入地区，而四川成为最大的人口流出地区，“孔雀东南飞”的人口流动模式呈现高度的稳定性，流入地和流出地格局变化不大，空间上大致呈现出“东入内出”的流动格局。值得注意的是，在2015年省际人口入度排名中，北京：唯一1个北方城市在2015年省际人口入度表中榜上有名，说明北京在中国省际人口流动中重要的吸引效应开始凸显，但以北京为核心的整个环渤海经济圈在整个省际人口流动中的核心地位不突出，这也意味着中国省际人口流动并不是向东部和沿海双向進发。同时，对照31个省际间的人口流动的入度和出度，发现其具有一定的非均衡性和非对称性，通过计算其相关指数，2005年，相关性达到0573，2015年相关性则为0042，这在一定程度上说明了省际间的人口流入和流出呈现出极大的非均衡性态势，人口流动表现出极化的发展趋势。究其原因，可能受区域资源的不合理配置以及区域经济发展不平衡的影响。

四、人口流动网络的影响因素分析

从上述分析得知，人口流动网络整体性和关联性呈现增强的趋势，人口流入和流出的空间差异性凸显，而经济发展水平的差异一直以来都是人口流动的重要驱动因子。随着近年来区域发展战略的调整和政策的推进，区域间在迈向协同发展的同时，省际间经济的两极化现象也愈加明显。为寻觅人口流动网络的影响因素，本文选用QAP计量模型，分别对人口流动网络的流入和流出进行验证。

（一）指标选取和模型构建

1.指标选取

人口流动网络受多种因素的影响，当前，学术界多以人口迁移为媒介测度其影响因素为地区经济发展水平 [47]、人力资本 [48]、经济结构 [49]、收入水平 [50]等。近年来，我国就业形式持续稳定，城镇登记失业率有所下降，但对于西部地区而言，再就业问题仍然成为其外出务工的主要影响因素 [51]。随着改革开放在东南沿海的先行，不仅带动了就业，转变了经济结构，还成为了全国对外招商引资的先行者，根据纪玉俊等人 [52]的验证，一地区的对外开放水平对提高服务业竞争力，发挥服务业集聚的经济增长效应具有显著的影响。此外，地理空间邻近性也是影响人口跨省际流动的主要原因，邬滋 [53]在高技术产业知识溢出的研究中验证了一阶地理邻近和二阶地理邻近对知识溢出的不同程度的影响。故本文根据2005年、2015年的相关数据进行QAP回归分析，分别以上述人口流动网络的人口流入量和流出量（weight）作为因变量，经济发展水平（Pgdp，人均GDP）、失业水平（Unem，城镇登记失业人数）、人力资本（Hum，地方财政教育支出）、开放水平（Open，外商投资企业数）、收入水平（Income，城镇平均工资）、经济结构（ES，第二产业增加值占GDP比重&第三产业增加值占GDP的比重）、地理邻近性（GP，一阶地理邻近性&二阶地理邻近性）为自变量，具体各解释变量如表4所示。

2.模型构建

根据以上选取的变量指标，区域经济发展差异对人口流动网络的影响模型为：

式（6）中，等式两侧均为关系数据，且取对数，根据引力模型，在选取样本时间点的各变量指标后，利用各省份对应指标的绝对差异建立差异网络矩阵，分别进行QAP相关性分析和QAP回归分析。

（二）实证结果分析

1.QAP相关性分析

运用运用UCINET软件，对人口流动网络与各自变量进行QAP相关性分析（如表5）。

（1）2005年、2015年的人均GDP、失业水平、人力资本、开放水平、收入水平、经济结构以及地理邻近性对省际间的人口流动网络具有一定的相关性，且均通过了1%的显著性检验。

（2）通过横向对比，2005年和2015年的省际流入人口网络与流出人口网络的相关系数落差不是很大;通过纵向对比，除去经济结构、一阶地理邻近性的相关系数呈下降的趋势外，其余因素的相关系数均呈现上升的趋势，说明区域经济发展差异对省际间的人口流动网络的影响在进一步加深。

（3）人均GDP、失业水平、人力资本、开放水平、收入水平、地理邻近性对省际人口流动网络具有显著的正向影响，而经济结构的差异对省际人口流动网络具有典型的负向影响。

2QAP回归分析

根据QAP回归分析方法，选择2 000次随机置换，进行QAP回归分析，调整后的R2在2005年和2015年的人口流动网络中均呈现增长态势，尤其到了2015年，人口流入网络的R2达到837%，而人口流出网络的R2也实现了836%，且均通过了1%的显著性水平检验，均在较高程度上解释了区域经济差异对人口流动网络的影响。通过QAP回归结果显示（如表6）。

（1）人均GDP水平在2005年人口流动网络中和2015年的人口流入网络中均通过了显著性水平的检验，正向的回归系数说明区域人均GDP水平差异越大，则省际间人口流动流越大。但值得注意的是2015年省际人口流出网络未通过显著性水平检验，说明人均GDP已不再是人口流出网络的重要原因。

（2）失业水平对人口流动网络的影响经历了显著到不显著的演化，2005年其标准化回归系数呈现负向，省际间失业水平差距的拉大，是导致人口流动的重要原因。但2015年失业水平未通过显著性检验，究其原因可能是近年来全国的失业水平呈现下降趋势，各省均采取有效措施实现失业人口的再就业，根据国家统计局2015年公布的相关数据显示，全年城镇新增就业实现1 312万人，城镇失业人员再就业567万人，城镇登记失业率405%，失业人口再就业在一定程度上抑制了人口的跨区域流动。

（3）人力資本均通过了人口流入网络的显著性检验，且呈负相关，但均未通过人口流出网络的显著性检验，人口流入地与人口流出地在投资收益上存在差异，导致人力资本投资越高，则对高素质人才的需求量大，省际间人力资本投资的差距，使流出地的部分人口并不能满足流入地对劳动力素质的要求，则在一定程度上会限制人口的流入量，但人力资本的差距对省际人口流出网络中并没有发挥显著的作用。

（4）地区的开放水平通过了1%水平的显著性检验，对人口的流出网络和流入网络均有正向影响，且这种影响呈现强化趋势，对外开放水平的程度说明其融入全球化的程度，处于开放前沿的东南沿海地区经济发展迅速，对人口流入产生强大的吸引力，反之，中西部地区的交通、环境、技术等方面的闭塞与落后，导致了大量的人口流出，对外开放水平的差异对人口流动网络形成具有重要影响。

（5）收入水平的差距对人口流动网络具有显著的负向影响。收入水平越高的地区，经济发达，随着城市问题的衍生，各地政府积极采取措施控制人口容量，随着人口流入门槛的提高，对于省际间的人口流入量会严格控制，如2015年上海常住人口出现负增长，外来流入人口下降15%。

（6）经济结构对人口流动网络具有显著的影响，首先二产占比对人口流动网络的影响由不显著演化为显著;而三产占比对人口流入网络具有显著的正向影响，且显著性呈现增强趋势，而对人口流出网络的影响未通过显著性检验。随着各类服务业的发展腾飞，2005年省际间的人口流动可能更聚焦于新兴服务产业领域，随着经济发展，产业结构的升级变化，三产在经济发展中占的比重越来越大，旅游业、金融业等在人口流动中发挥了作用，对人口流动网络的影响在增强。二产的增加值在近年来一直呈增长趋势，区域经济增长在很大程度上依赖于第二产业的增加，区域间二产水平的差距对区域经济差异的影响逐渐增强，也直接影响了人口的跨区域流动。

（7）地理邻近性通过了1%水平的显著性检验，呈现显著的正相关，验证了上述假设，通过标准化回归系数可得，一阶地理邻近性对人口流动网络的影响要明显高于二阶地理邻近性，也验证了上文中的邻近省份对人口流动更具有吸引力。

五、结论与讨论

（一）结论

本文基于2005年、2015年省际人口流动的相关数据，借助社会网络分析方法，进行了人口流动网络的演化研究，并分析了区域经济发展差异对人口流动网络的影响，研究结果表明：

（1）就人口流动网络的结构而言，网络关联性呈现增强态势，人口流动的网络化程度整体得到提高，整个网络具有较大的平均聚类系数和较小的平均路径长度，呈现典型的小世界性。根据度数中心性空间分布，人口流动网络具有明显的等级层次性，且这种趋势在增强，以广东为主，浙江、江苏、安徽、四川为副的“一主四副”的人口流动网络结构进一步凸显。从人口流动网络的关联度看，广东与广西、湖南形成更加紧密的空间关联性，而浙、苏、皖为核心的长三角地区人口流动核心圈进一步发展为苏、皖人口流动核心圈，相邻省份间具有较为活跃的人口流动，体现出显著的地理邻近性。人口流动从空间上呈现“东入内出”的格局，进一步加剧了空间分布的不均衡性。

（2）通过QAP相关性分析，人均GDP、失业水平、人力资本、开放水平、收入水平、经济结构、地理邻近性对人口流动网络具有显著的相关性，且相关性呈现增强的趋势。通过QAP回归分析，开放水平、收入水平、地理邻近性对省际人口流动网络具有显著的影响，值得注意的是人均GDP、人力资本、第三产业只对省际人口流入网络具有显著影响，对人口流出网络并没有发挥显著的作用。失业水平对人口流动网络的影响经历了由显著到不显著的演化。第二产业对人口流动网络的影响经历了由不显著到显著的演化过程。

（二）讨论

（1）基于数据的可得性，本文只讨论了2005年和2015年的省际人口流动网络，有必要增加更多的时间节点，探索更新的数据来源，构建更加完整的、动态的人口流动网络。

（2）本文是在省际数据的基础上进行的讨论，有必要在多节点城市的层面上进行更细致的分析。

（3）经济因素是导致人口流动的本质原因，但经济指标多样，在模型的变量中并没有充分考虑影响人口流动网络的相关制度以及体制等因素，有必要寻找采用其他的模型和方法，适当扩展变量的选取，更加系统地刻画出影响机制的研究。

[注 释]

①相对于2mode城市网络而言，要求网络矩阵的行与列为同质网络成员。

②基于修正后的引力模型。

[参考文献]

[1]RAVENSTEIN E G The laws of migration [J] Journal of the royal statistical society， 1889，52（2）：241-305

[2]ZIPF G K  The P1P2/D hypothesis： on the intercity movement of persons [J] American sociological review， 1946， 11（6）：677-686

[3]BOGUE D J The study of population：an inventory and appraisal [M] Chicago：University of Chicago Press， 1955： 486-509

[4]BARTHLEMY M Spatial networks [J] Physics reports， 2010， 499（1）：1-101

[5]刘冰我国人口与劳动力流动及其对区域经济增长影响的研究 [J]科学与管理，2010，30（3）：43-47

[6]路雅文，张正河1978—2016年农村人口迁移的社会网络分析：来自中部人口流出大省C村的证据 [J]农业经济问题，2018（3）：87-97

[7]張伟，闫卫华教育移民：高素质人才西向流动现象探析——以新疆高校为例 [J]新疆社会科学，2013（6）：145-149

[8]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 [J]地理学报，2017，72（6）：1032-1048

[9]DEWAARD J Compositional and temporal dynamics of international migration in the EU/EFTA： a new metric for assessing countries′ immigration and integration policies [J] International migration review， 2013， 47（2）：249-295

[10]王萌，匡耀求，黄宁生珠江三角洲城际间人口流动倾向空间特征——基于网络关注度数据的时空演化 [J]热带地理，2017，37（1）：33-42

[11]杜鹏，张航空中国流动人口梯次流动的实证研究 [J]人口学刊，2011（4）：14-20

[12]ABEL G J Estimating global migration flow tablesusing place of birth data [J] Demographic research， 2013， 28（2）：505-546

[13]DAVIS K F， D′ODORICO P， LAIO F， et al Global spatiotemporal patterns in human migration： a complex network perspective [J] Plos one， 2013， 8（1）：e53723

[14]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

[15]劳昕，沈体雁中国地级以上城市人口流动空间模式变化——基于2000和2010年人口普查数据的分析 [J]中国人口科学，2015，（1）：15-28，126

[16]SOBOLEVSKY S， SZELL M， CAMPARI R， et al Delineating geographical regions with networks of human interactions in an extensive set of countries [J] Plos one， 2013， 8（12）：e81707

[17]HAWELKA B ， SITKO I ， BEINAT E ， et al Geolocated twitter as proxy for global mobility patterns [J] Cartography and geographic information science， 2014， 41（3）：260-271

[18]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 [J]地理科学，2016，36（11）：1654-1660

[19]纪韶，饶旻城市群农村劳动力净迁移率与区域经济发展互为影响因素研究——对全国第六次人口普查长表数据的分析 [J]经济学动态，2013（6）：39-46

[20]CULLY M  More than additions to population： the economic and fiscal impact of immigration [J] Australian economic review， 2012， 45（3）：344-349

[21]PORAT I ， BENGUIGUI L Global migration topology analysis and modeling of bilateral flow network 2006—2010 [J] EPL （Europhysics Letters）， 2016， 115（1）：18002

[22]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

[23]FAGIOLO G ， MASTRORILLO M  International migration network： topology and modeling [J] Physical review e statistical nonlinear & soft matter physics， 2013， 88（1）：012812

[24]赵落涛，曹卫东，魏冶，等泛长三角人口流动网络及其特征研究 [J]长江流域资源与环境，2018，27（4）：705-714

[25]臧玉珠，周生路，周兵兵，等1995—2010年中国省际人口迁移态势与空间格局演变——基于社会网络分析的视角 [J]人文地理，2016，31（4）：112-118

[26]BELYI A ， BOJIC I ， SOBOLEVSKY S ， et al Global multilayer network of human mobility [J] International journal of geographical information science， 2017， 31（7）：1381-1402

[27]KASSAR H ， MARZOUK D ， ANWAR W A ， et al Emigration flows from North Africa to Europe [J] The european journal of public health， 2014， 24（suppl 1）：2-5