王亚平，蒲英霞*，马劲松，陈　刚，王结臣

(1.南京大学地理与海洋科学学院，江苏南京　210023；

2.南京大学江苏省地理信息技术重点实验室，江苏南京　210023；

3.江苏省地理信息资源开发与利用协同创新中心，江苏南京　210023)

基于空间OD模型的中国省际人口迁移机制分析

王亚平1,2,3，蒲英霞1,2,3*，马劲松1,2,3，陈刚1,2,3，王结臣1,2,3

(1.南京大学地理与海洋科学学院，江苏南京210023；

2.南京大学江苏省地理信息技术重点实验室，江苏南京210023；

3.江苏省地理信息资源开发与利用协同创新中心，江苏南京210023)

摘要：基于网络自相关理论与建模方法，利用全国第六次人口普查省际人口迁移数据和相关资料，分析了迁移流之间存在的几种网络空间依赖形式，据此构建空间OD模型，并对2005—2010年中国省际人口迁移的空间模式及其动力机制进行初步分析.结果表明，中国省际人口迁移流之间存在显著的空间依赖关系;分别选择网络权重矩阵Wo,Wd和Ww，利用Moran’s I对网络自相关程度进行测度，结果为0.502 5,0.286 7和0.107 8，且均在1‰水平上显著，说明抵达相同目的地(D)的人口迁移流的迁出地之间存在空间集聚现象；由同一迁出地(O)出发的迁移流的目的地之间也存在空间集聚现象；目的地和迁出地均相邻的人口迁移流之间也存在相互影响与制约.几种不同空间OD模型的拟合度均优于重力模型，其中迁出地的网络自相关效应更为显著，表明迁出地在地域空间上更为集中，抵达同一目的地的人口迁移流之间的相互作用更强.同时考虑3种不同网络自相关效应的空间OD模型更优，拟合度更好，该模型可以更加准确全面地揭示经济、就业、人口和距离等因素对人口迁移的影响作用.

关键词：人口迁移流；网络自相关；空间OD模型；机制分析

中图分类号：C 922

文献标志码：A

文章编号：1001-988Ⅹ(2015)03-0089-09

Mechanism analysis of inter-provincial migration flows

in China based on spatial OD models

WANG Ya-ping1,2,3,PU Ying-xia1,2,3,MA Jin-song1,2,3,CHEN Gang1,2,3,WANG Jie-chen1,2,3

(1.School of Geographic and Oceanographic Sciences,Nanjing University，Nanjing 210023,Jiangsu,China;

2.Jiangsu Provincial Key Laboratory of Geographic Information Science and Technology,Nanjing University,

Nanjing 210023,Jiangsu,China;

3.Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application,

Nanjing 210023,Jiangsu,China)

Abstract:Based on the network autocorrelation theories and modeling methods,this paper analyzes the existence of network autocorrelation structures and spatial mechanisms among Chinese inter-provincial migration flows from the sixth national census in the context of spatial OD models.Results indicate that there is a significant spatial dependence among inter-provincial migration flows in China.Moran’s I is used to investigate the network autocorrelation,the values of Moran’s I with the corresponding Wo,Wdand Wware 0.502 5,0.286 7 and 0.107 8.It shows that the origins of migration flows arrived at the same destination(D),are spatially agglomerated,and so are the destinations of migration flows departed from the same origin(O).In addition,population migration flows that have the same origins and destinations are mutually dependent.The goodness-of-fit of all the spatial OD models are much better than gravity model,and there is a significant network autocorrelation between migration flows.In comparison with several different forms of spatial OD model,it is confirmed that the network structural effects of the origins are the most significant,this indicates the origins are more concentrated across the space;When simultaneously considering three different network structures,the variables’ influences vary to some degree accordingly.Therefore,taking full account of three different forms of spatial lag will comprehensively reveal the spatial mechanism of migration flows.

Key words:population migration flow;network autocorrelation;spatial OD model;mechanism analysis

信息和通信技术的快速发展使人类进入了网络时代.从因特网到电力网络、交通网络和社会关系网络等，可以说，人们正生活在一个充满各种各样的复杂网络的世界中.空间OD(Origin-Destination)流是空间网络系统中各个节点(O/D)之间相互作用的结果，以人流、物流或信息流等有形或无形的方式存在，并在地域上呈现一定的集聚或扩散模式.

空间OD流的研究属于空间相互作用研究领域.国外对空间相互作用建模(主要以重力模型为主)的研究始于20世纪三四十年代，Zipf提出人口迁移重力模型[1]，随后被应用于贸易流、交通流、旅游流、技术流和信息流等领域[2-5].Sen等提出以重力模型用起点要素、讫点要素和距离要素等3类要素解释空间OD流之间的特征[6].1972年，Curry通过研究重力模型与空间依赖之间的关系，发现重力模型的距离要素并不能表达出空间OD流中节点之间的空间依赖关系[7].Griffith等对通勤流进行研究，发现重力模型的残差中存在显著的自相关，进一步说明重力模型的不合理性，并提出以因变量或误差项空间滞后形式来捕捉流与流之间的空间依赖关系[8].Black将人口迁移中的空间依赖性定义为网络自相关，并与Tobler等的研究结果进行比较，进一步说明这种自相关现象不能被忽视[9-11].LeSage等对Griffith等提出的因变量空间滞后结构模型进行修改完善，分别用几种不同的网络空间权重矩阵来表征起点(O)、讫点(D)、起迄点(OD)之间的相互依赖关系，形成不同形式的空间OD模型，并应用于人口迁移流研究[12].Chun等指出与重力模型和目的地竞争模型相比，空间OD模型能够很好地捕捉商品流中的网络自相关现象[13].

人口迁移流是一种重要的空间OD流形式.随着我国人口迁移规模的不断扩大，人口迁移(尤其省际人口迁移)的影响因素和动力机制受到研究人员的广泛关注.省际人口迁移影响因素主要包括经济因素、地理因素、人口因素和社会因素等方面.① 经济因素主要体现在经济发展水平差异上，即人口迁移具有明显的“人往富处流”的基本特征.王桂新等分别用经济规模(国民生产总值)、经济收入水平(城镇居民可支配收入、农村家庭纯收入)等变量研究省际人口迁移的动力机制[14，15]；毛新雅等发现，除工资水平的影响外，第二、三产业比重也促进人口迁入[16].② 地理因素首先体现在距离上，即距离对人口迁移起着明显的阻碍作用；其次是农村人均耕地面积，耕地面积越小，越促进人口迁移[17].俞路等通过构建人口迁移流量方程发现远距离人口迁移(1 200 km以上)的主要影响因素是迁移距离与气候差异[18].③ 人口因素对人口迁移起着重要的促进作用.段成荣指出年龄、性别和婚姻状况等因素对人口迁移有着显著的影响[19].④ 社会因素也影响人口迁移流动，主要体现在科技文化等方面.刘晏伶等运用每10万人高校生人数反映迁入地的科研、科技水平，发现它与省际迁移呈现负相关关系[20].

上述研究结果大多基于“推-拉”理论，运用重力模型，通过普通最小二乘回归法，估计迁出地和目的地的经济、社会、地理和人口等变量因素对省际人口迁移的正负作用和大小，在一定程度上反映了人口迁移的影响因素和动力机制，但忽视了迁移流之间的相互作用对省际人口的影响.于文丽等等对1995—2000年我国省际人口迁移流数据进行研究时考虑了迁移流中的空间依赖性，但是没有充分考虑不同形式的空间相互作用对参数估计的影响[21].在充分考虑网络自相关效应时，各个变量对省际人口迁移的作用是否会发生变化，是应当研究的问题.

文中利用全国“六普”省际人口迁移数据和统计年鉴资料，研究省际人口迁移流中网络自相关现象.首先对31个省(市、自治区)(不包括港、澳、台)之间的省际人口迁移流进行网络自相关分析，将网络自相关效应引入传统的空间相互作用模型，构建表达不同网络效应的空间OD模型，定量分析省际人口迁移流动的影响因素和空间机制，并通过与传统模型的对比，研究迁移流之间的网络自相关效应对参数估计和模型解释的影响.

1研究数据与方法

1.1研究数据

文中使用的数据来自全国第六次人口普查(“六普”)和《中国统计年鉴》，其中省际人口迁移数据根据“全国按现住地、性别分的户口登记地在外省的人口”统计表得到.图1为2005—2010年流量在20万以上的省际人口迁移流空间分布.从图1可以看出我国省际人口迁移流的大致流向：珠江三角洲、长江三角洲和北京是人口迁移的主要目的地，例如100万以上人口迁移流16条，其中流向广东6条，浙江5条，其余分别流向江苏、上海和北京.

图1　2005—2010年中国省际人口迁移流空间

1.2网络权重矩阵

根据图论，网络是由节点和弧段组成的图，可分为物理网络和抽象网络[7].人口迁移可以抽象成一个网络，目的地和迁出地理解为一个个节点，目的地和迁出地之间的迁移流数据是弧段上的属性信息.对于迁移网络，迁移流之间存在的相互影响和相互依赖关系可以通过3种网络权重矩阵加以表示[13,22-24].

1)目的地网络权重矩阵(Wd).迁移流的迁出地相同，且目的地在空间上相邻时，权重值为1，否则为0.该网络权重矩阵定义方式描述了目的地的网络自相关效应(或网络空间结构效应)，即从同一个迁出地出发的迁移流，其目的地存在集聚效应或网络自相关性.

2)迁出地网络权重矩阵(Wo).当迁移流的目的地相同，且迁出地在空间上相邻时，权重值为1，否则为0.该种网络权重矩阵定义方式用以描述迁出地的网络自相关效应，即抵达同一目的地的人口迁移流在某迁出地及其周边地域是否呈现空间集聚.

3)迁移流网络权重矩阵(Ww).当迁移流迁出地和目的地均相邻时，权重值为1，否则为0.它用以描述具有相邻迁出地和相邻目的地的迁移流之间的集聚效应.Ww可以理解为基于流的自相关特性，可用于描述迁移流之间的网络自相关效应.

图2　区域迁移流示意

P12P13P14P21P23P24P31P32P34P41P42P43P12010000000000P13101000000000P14010000000000P21000010000000P23000101000000P24000010000000P31000000010000P32000000100000P34000000000000P41000000000011P42000000000101P43000000000110

一般地，对于n个研究区域，空间权重矩阵通常为n×n维，而网络权重矩阵的维数是(n2-n)×(n2-n)，其中不考虑区域内部迁移流动.以河南、湖北、安徽和江苏4省为例，说明网络权重矩阵建立的方法(图2).这里当两个迁移流有相同的迁出地，且目的地在空间上相邻时，权重值为1，如P12和P13有相同的迁出地，目的地在空间上相邻.其对应的权重值如表1.

更为一般地，上述几种网络权重矩阵(Wo，Wd，Ww)可以在空间权重矩阵(W)的基础上，采用克罗内克积的方法构建，具体为W=W⊗In，Wd=In⊗W，Ww=W⊗W[25].文中空间权重矩阵构建时采用空间单元之间是否邻接进行定义(如定义海南和广东相邻接).将网络权重矩阵引入模型计算时需要行标准化，即矩阵元素值每行之和为1.

1.3空间OD模型

人口迁移建模大部分采用传统的空间相互作用模型或重力模型，并使用距离变量来解释影响人口迁移流在地域空间上的衰减效应.具体表达形式为[21]

(1)

其中,y表示(n2-n)×1的列向量；ιN为(n2-n)×1的列向量且所有元素值均为1,N=n2-n;g为(n2-n)×1的距离向量；Xd,Xo为目的地、迁出地影响因素向量；α,βd,βo,γ为待估参数；ε为模型残差.重力模型可采用最小二乘法估计(OLS).

针对重力模型忽视了迁移流之间的相互作用这一局限性，建模时将迁移流的网络相关性引入传统重力模型,并针对前面定义的3种网络权重矩阵，分别得到3种具体的空间OD模型[12]：

(5)

对于含单项空间滞后的模型，其极大似然估计(ML)的过程相对简单，这里主要针对(5)式形式的空间OD模型讨论其极大似然估计的过程.首先，将(5)式简化为[26]

(6)

其中，X=[ιNXdXog],βT=[αβdβoγ].空间OD模型的似然函数为[26]

(7)

其中S(ρo，ρd，ρw)表示残差平方和.文中选择牛顿迭代法求使得似然函数最大时的ρo,ρd,ρw,进而得到系数估计值.两种估计方法均采用MATLAB编程实现.

2中国省际人口迁移流的网络自相关分析

2.1迁移流的网络自相关分析

迁移流的网络自相关分析主要是研究中国省际人口迁移流之间的相互影响和相互作用，即是否存在集聚现象及集聚程度等.就研究区域的31个省(市、自治区)而言，迁移流共有930个(去除各省份内部之间的迁移流)，分别选择网络权重矩阵Wo,Wd和Ww，利用Moran’sI对迁移流进行网络自相关分析，探索不同网络自相关效应下迁移流之间表现出的集聚效应及其差异程度(表2).利用Wo计算迁移流的Moran’sI值为0.502 5，经检验在1‰水平上显著，即迁移流间存在显著的相关性，说明目的地相同、迁出地在空间上相邻的迁移流之间存在相似性，即流向相同目的地的迁移流，其迁出地之间存在空间集聚现象；利用Wd计算得到迁移流的Moran’sI值为0.287 6，在1‰水平上显著，迁移流之间显著相关，表明从同一迁出地出发的迁移流，其目的地之间存在空间集聚现象；利用Ww计算得到的Moran’sI值为0.107 8，在1‰水平上显著，表明迁移流与迁移流之间存在相互影响.通过对比发现，迁出地网络结构(Wo)下的网络相关性更强，表明在迁出地之间存在更强的集聚效应.

表2　　2005—2010年中国省际人口迁移流的

2.2目的地和迁出地的网络自相关分析

单节点迁移流包括从同一迁出地出发的迁出流和到达同一目的地的迁入流.目的地网络自相关分析，主要考察从同一个迁出地迁出的人口迁移流之间的相关性，即是否存在目的地集聚效应；迁出地网络相关性分析，主要研究迁入同一个目的地的人口迁移流，其迁出地是否存在集聚效应及集聚程度如何等.

1)目的地网络自相关分析.安徽省是我国省际人口迁出的重要来源地,研究期间由该省迁入其他省(市)的迁移流共有30个，其中有899万人迁入东部沿海地区(指北京、天津、辽宁、河北、山东、江苏、上海、浙江、福建和广东)，占其外迁总人数的93.47%.安徽省迁出的人口迁移流的Moran’sI 值为0.593 8，并在1%水平上显著,表明从安徽迁出的人口迁出流会受到目的地周边地区的影响而得到增强.如从安徽到上海、江苏和浙江迁移量分别为260万、257万和228万人，迁移规模大体相当，表明目的地存在明显的集聚效应.

类似地，分别计算其他省(市、自治区)作为迁出地的Moran’sI(图3).从图3可以看出，甘肃、宁夏、陕西、湖南、广西和海南这6个地区的Moran’sI值小于0，表明从这些省(市、自治区)迁出的人口在目的地选择方面较为分散，在空间上没有集聚的特征.

图3　2005—2010年中国各省迁出流的Moran’s I值

而其他省(市、自治区)迁出流的Moran’sI值均大于0，Moran’sI值越大，表示该地区迁出流的目的地越集聚.例如，安徽、山东、浙江、内蒙古、河北、辽宁、黑龙江、天津以及江西这9个地区迁出流的Moran’sI值相对较高，说明这些省(市、自治区)的人口迁出流在目的地选择上存在集聚现象，且迁移流大的省(市、自治区)集聚在一起，迁移流小的省(市、自治区)集聚在一起.例如，山东作为迁出地，流向北京(59万)、天津(50万)、江苏(41万)、上海(37万)和浙江(18万)的迁移流占该省总迁出量的67.11%，其中，京津占35.63%，长三角地区占31.48%，迁出流中存在明显的目的地集聚.通过分析表明，迁出流之间相互影响，存在明显的网络自相关性.

2)迁出地网络自相关分析.以上海为例，研究期间迁入上海总人口为897万人，其中来自安徽、江苏、河南、四川和江西这5个省份的人口占总迁入量的66.84%，经计算，其Moran’sI 值为0.297 8，在1%水平上显著，这说明迁入上海的迁入流中，其迁出地在地域空间上存在集聚现象.

同理，分别以全国其他省份作为目的地，依次对其迁入流进行相关性分析.由图4可知，除重庆外，其他省(市、自治区)迁入流对应的Moran’sI 值均大于0，其中上海、广东、辽宁、黑龙江、浙江和北京等地区的值相对较高，即这些地区作为目的地时，存在明显的迁出地集聚效应.例如，广东作为目的地，由湖南、广西、四川、湖北和江西这5个省份分别迁入460万、355万、260万、233万、187万人，占该省总迁入量的69.62%，且其中大部分迁出地在空间上相邻集聚，也就是说迁入同一个目的地的迁移流，其迁出地在空间上存在集聚现象，即存在迁入流的网络自相关现象.

图4　2005—2010年中国各省迁入流的Moran’s I值

通过网络和节点两个层次的网络自相关分析可知，人口迁移流间存在显著的网络自相关性.因此，在对人口迁移进行机制建模分析时，需要充分考虑数据之间的这种相关性.

3模型的构建与分析

3.1变量选择

人口迁移总是倾向于从经济欠发达地区向经济发达地区迁入，例如安徽、四川、河南、湖南、湖北和江西6个省份迁出人口的迁移流占中国省际人口迁移流的53.63%.朱芸指出人口迁出地的推力大于拉力，因而才存在农村人口或者剩余劳动力迁往城市[27].在变量选择时对于迁入地而言，主要表现为拉力作用，可以通过城镇居民可支配收入(D_Pcdis，元)、就业机会(D_emprate)和人口总数(D_Pop，万人)等变量体现；对于迁出地而言，主要为推力作用，选择农村家庭人均纯收入(O_Pincome，元)、人均耕地面积(O_Landuse，亩)、人口总数(O_Pop，万人)作为变量.迁移距离一直是影响省际人口迁移的重要因素，相对于之前的研究，考虑了网络自相关效应后，研究其影响作用是否会发生变化，所以将变量迁出地和目的地城市之间铁路里程(D，km)加入模型.此外，环境、气候变化引起的人口迁移越来越受到人们的关注，文中选择年均气温(D_Climate，℃)研究气温对省际人口迁移的影响.外商直接投资(D_FDI，亿元)反映资本的注入，蔡昉等对“五普”数据研究发现外商直接投资对省际人口迁移起着促进作用[28]，在对“六普”数据进行分析时考虑此变量，以研究随着中国投资模式的变化，它对省际人口迁移的影响是否发生变化.

3.2结果分析

首先利用最小二乘方法(OrdinaryLeastSquare)对重力模型(1)式进行估计.对于几种不同空间OD模型(2)～(5)式的估计和检验，采用极大似然估计的方法，结果见表3，其中Wo，Wd，Ww为930×930阶(即961×961阶矩阵中删除第(i-1)×31+ i行和列元素，i=1，2，…，31)的网络权重矩阵.

表3　2005—2010年中国人口迁移流重力模型和空间OD模型估计结果

注：变量就业机会为城市就业人口/(城市就业人口+城市失业人口)；各变量进行了取对数处理；*，**或***分别表示在5%，1%或1‰水平上显著.

通过对比表3模型估计结果，可以发现：

1)几种不同空间OD模型的拟合度均优于重力模型，模型变量符号基本符合预期.赤池信息准则(Akaikeinfocriterion,AIC)值是衡量模型拟合度优良的标准之一，该值越小，表征模型拟合度越高[29].从表3可以看出，重力模型的AIC值最大，4个空间OD模型的AIC值均小于重力模型，这说明在重力模型中无论嵌入何种网络结构效应，其模型拟合度均优于重力模型.在重力模型和空间OD模型中，变量符号符合预期.

外商直接投资(D_FDI)这一变量的系数在所有变量中最小，为负且不显著，这与蔡昉等对“五普”数据的研究结果不同[28].在对“五普”数据进行研究中，外商直接投资促进了人口的迁移，但是随着外商直接投资由劳动密集型转变为资本和技术密集型，其产生的直接就业效应弱化，即相对于劳动密集型企业吸纳大量的劳动力而言，资本和技术密集型投资创造就业机会的效应弱化.此外，随着投资模式的调整，传统劳动密集型产业正加速由东部沿海向中西部转移，由中西部迁往沿海发达地区的人口减少，造成2004年以来我国东部沿海地区制造业密集型企业出现“用工荒”，因而变量目的地外商直接投资(D_FDI)在“六普”数据的研究中不能成为促进人口迁移的因素，在所有模型中系数均不显著，其影响作用可以忽略.

城镇居民可支配收入(D_Pcdis)越高，对人口迁移的吸引力就越大[15].重力模型中其系数为3.080 9，1‰水平上显著，而在空间OD模型5((5)式)中，系数为1.438 3，1‰水平上显著，与重力模型相比系数大小有所下降，但是在所有变量中系数仍然很大，对人口迁移流动起着非常大的作用.与之相反，迁出地农村家庭人均纯收入(O_Pincome)越低，越促进农村人口的流动.表3中，空间OD模型5的系数为-0.414 9，在1‰水平上显著.

人口数量(O_Pop)是促进人口迁移流动的重要因素，数量越大，对迁出地而言，推动人口迁移；对目的地而言，可以吸引人口迁入.对于人口大省，人口迁移流动相对较为活跃.例如，安徽、四川和河南等省份，其省际迁出人口分别占我国总迁出人口数的11.21%，10.37%和10.04%，规模占总量的30%以上.同样，目的地较大的人口基数也可以使得该地区对其他地区有较大的吸引力.比较人口数量对于迁出地和目的地二者的影响，可以看出其对迁出地的影响程度更为显著.

距离变量(D)系数为负，在模型5中结果为-0.572 9，1‰水平上显著.人口迁移过程目的地距离迁出地越远，人口迁移流量越小.但其影响系数相对较小，距离衰减效应对人口迁移的影响降低.

2)迁移流存在显著的网络自相关效应，其中迁出地的网络自相关效应更强.空间OD模型2和5的滞后项Woy估计系数(ρo)分别为0.414 0和0.473 7，系数均为正且在1‰水平上显著，存在迁出地的网络自相关效应，说明从某个迁出地到某个目的地之间的迁移流会促进从周边迁出地到该目的地的迁移流，增强了周边迁出地对人口外迁的推力，简单地说,A地B地的迁移流会增强A周边地区迁往B地的迁移流.

模型3和5的滞后项Wdy估计系数(ρd)分别为0.317 0和0.393 0，系数为正且显著，表明从某个迁出地到某个目的地的流会推动该迁出地到该目的地周边邻居的迁移流，增强了周边目的地的吸引力，存在目的地的网络效应

模型4的滞后项Wwy估计系数(ρw)为0.170 3，在1‰水平上显著，这表明在不考虑迁出地和目的地网络自相关效应的情形下，我国省际人口迁移系统中存在着基于流的网络空间结构效应，即相邻迁出地和相邻目的地的迁移流之间存在着一定的集聚效应.然而，当同时考虑迁出地和目的地网络自相关效应(模型5)时，该滞后项Wwy估计系数(ρw)为-0.314 6，这意味着从某迁出地到某目的地的迁移流会阻碍该迁出地周边地区的人口迁移流向该目的地周边地区.

对比空间OD模型2,3,4和5发现，Woy项系数(ρo)最大，说明抵达同一目的地的人口迁移流，其迁出地在地域空间上更为集中，迁出地的网络自相关效应更强.

3)同时考虑3种网络自相关效应的模型更加全面，模型拟合度更好.在不同空间OD模型中，变量系数发生不同程度的变化.例如，目的地网络自相关效应模型(模型3)中，目的地城市就业机会(D_emprate)显著，目的地大多数变量的系数增加，影响程度增强，而迁出地大多数变量系数减小，影响程度降低；该模型更加侧重目的地变量对迁移流的影响.变量迁入地年均气温(D_Climate)的系数在模型3和4中显著，起到一定影响作用，但是其他模型中系数较小且不显著.因此，单个网络自相关效应模型(模型2,3,4)可用于某一区域作为迁出地或者目的地时的影响机制分析研究.

考虑3种不同的网络自相关效应时(模型5)，迁出地和目的地变量的影响程度均得到不同程度的下降.例如，与重力模型相比，变量城镇居民可支配收入系数由3.080 9减至1.438 3，降低了53.32%，即考虑了网络自相关效应后，变量影响作用减弱.模型5中系数ρo，ρd，ρw在1‰水平上显著，这3种形式的网络自相关效应对人口迁移的影响十分显著，因此，在建模时需充分考虑这种现象.另外，通过对比发现该模型拟合度均高于其他模型，模型更优，可用于综合研究整个人口迁移系统的作用机制.

4结论与讨论

文中将迁出地和目的地抽象成节点，省际人口迁移流构成迁移网络，并采用网络和节点两个层次对中国省际人口迁移流进行网络自相关分析，发现人口迁移流中存在显著的网络自相关现象.在此基础上，将网络自相关引入重力模型，构建了4种表征不同网络自相关效应的空间OD模型，并与传统重力模型进行对比分析，对中国省际人口迁移的动力机制进行定量研究，初步得到以下几点结论.

1)中国省际人口迁移流存在显著的网络自相关效应.例如湖南迁往广东的人口迁移流会促进湖南周边迁入广东，这表现为迁出地的网络自相关效应；而目的地的网络自相关效应说明人口迁移流存在目的地集聚，例如安徽迁往上海的迁移流，可进一步促进安徽人口向江苏和浙江等长三角地区的迁移.省际人口迁移流之间相互作用，互相影响.

2)4种不同的空间OD模型在实际应用中可有所选择，有所侧重.单独考虑某种网络自相关效应的空间OD模型(模型2,3,4)适合用于区域OD流的研究，可用于考察某个区域的迁入流或迁出流机制分析，同时考虑3种网络自相关效应的空间OD模型(模型5)更适合OD流全局系统研究.例如，以江苏为重点研究区域，考察其作为迁出地或迁入地时，模型2和3更加适合；如果以整个中国为研究区域，模型5更优，可以较为全面地反映影响因素和动力机制.

3)当充分考虑迁移流中的网络自相关效应时，可以更好地反映省际人口迁移的动力机制.若忽视省际人口迁移流中的网络自相关效应，会过高估计经济、地理和社会等因素对人口迁移的影响.经济因素依然是影响人口迁移的重要因素，城镇居民收入对人口迁移有非常强的吸引力；外商直接投资已不再是“五普”期间省际人口迁入的直接影响因素；人口数量(尤其是迁出地)显著促进了人口迁移流动；空间距离依然是制约省际人口迁移的重要因素之一；迁出地农村居民收入的提高可以降低人口迁移的活跃程度.

文中的研究可为其他空间OD流(如物流、信息流等)研究提供了一定的参考和借鉴.空间OD流及其所在的网络系统随着时间也在发生不断演变，存在的时间延迟效应，即在空间OD流也可能存在时间自相关性，在文中没有加以考虑.在后续研究中，值得进一步对人口迁移流进行时间相关性分析，并考虑将时间效应引入空间OD模型，从而构建时空OD模型，同时与空间OD模型进行对比分析，研究时空效应等对人口迁移的影响，从而对中国省际人口迁移的发展趋势做出更为科学合理的预测.

参考文献:

[1]ZIPFGK．Thehypothesisofthe‘MinimumEquation’asaunifyingsocialprinciple:Withattemptedsynthesis[J].American Sociological Review，1947，12(6)：627-650．

[2]戴特奇，金凤君，王姣娥．空间相互作用与城市关联网络演进——以我国20世纪90年代城际铁路客流为例[J].地理科学进展，2005，24(2)：80-89．

[3]张敏，顾朝林．近期中国省际经济社会要素流动的空间特征[J].地理研究，2002，21(3)：313-323．

[4]李山，王铮，钟章奇．旅游空间相互作用的引力模型及其应用[J].地理学报，2012，67(4)：526-544．

[5]ANTONYJ，GREBELT．Technologyflowsbetweensectorsandtheirimpactonlarge-scalefirms[J].Applied Economics，2012，44(20)：2637-2651．

[6]SENA，SMITHTE．Gravity Models of Spatial Interaction Behavior[M].Berlin：Springer，1995：49-58．

[7]CURRYL．Aspatialanalysisofgravityflows[J].Regional Studies，1972，6(2)：131 -147．

[8]GRIFFITHDA，JONESK．Explorationsintotherelationshipsbetweenspatialstructureandspatialinteraction[J].Environment and PlanningA，1980，12(2)：187-201．

[9]BLACKWR．Networkautocorrelationintransportnetworkandflowsystems[J].Geographical Analysis，1992，24(3)：207-222．

[10]TOBLERW．Analternativeformulationforspatial-interactionmodeling[J].Environment and PlanningA，1983，15(5)： 693-703．

[11]WILLIAMSPA，FOTHERINGHAMAS．ThecalibrationofspatialinteractionmodelsbymaximumlikelihoodestimationwithprogramSIMODEL[R].Bloomington:DepartmentofGeography，IndianaUniversity，1984．

[12]LeSAGEJ，PACERK．SpatialeconometricmethodsformodelingOrigin-Destinationflows[J].Journal of Regional Science，2008，48(5)：941-967．

[13]CHUNY，KIMH，KIMC．Modelinginterregionalcommodityflowswithincorporatingnetworkautocorrelationinspatialinteractionmodels：AnapplicationoftheUSinterstatecommodityflows[J].Computers，Environment and Urban Systems，2012，36(6)：583-591．

[14]王桂新．中国区域经济发展水平及差异与人口迁移关系之研究[J].人口与经济，1997(1)：50-56．

[15]王桂新，潘泽瀚，陆燕秋．中国省际人口迁移区域模式变化及其影响因素——基于2000和2010年人口普查资料的分析[J].中国人口科学，2012(5)：2-13．

[16]毛新雅，王桂新．长江三角洲地区人口入迁及城市化的区域经济因素分析：基于面板数据的研究[J].市场与人口分析，2006，12(2)：1-8．

[17]洪小良．城市农民工的家庭迁移行为及影响因素研究——以北京市为例[J].中国人口科学，2007(6)：42-50．

[18]俞路，张善余．我国三大都市圈人口迁移态势与影响因素分析[J].南方人口，2005，20(3)：17-23．

[19]段成荣．影响我国省际人口迁移的个人特征分析——兼论“时间”因素在人口迁移研究中的重要性[J].人口研究,2000，24(4)：14-22．

[20]刘晏伶，冯健．中国人口迁移特征及其影响因素——基于第六次人口普查数据的分析[J].人文地理，2014，29(2)：129-137．

[21]于文丽，蒲英霞，陈刚,等．基于空间自相关的中国省际人口迁移模式与机制分析[J].地理与地理信息科学，2012，28(2)：44-49．

[22]CHUNY．Modelingnetworkautocorrelationwithinmigrationflowsbyeigenvectorspatialfiltering[J].Journal of Geographical Systems，2008，10(4)：317-344．

[23]FISCHERMM，GRIFFITHDA．Modelingspatialautocorrelationinspatialinteractiondata：AnapplicationtopatentcitationdataintheEuropeanUnion[J].Journal of Regional Science，2008，48(5)：969-989．

[24]GRIFFITHDA．Modelingspatialautocorrelationinspatialinteractiondata：empiricalevidencefrom2002Germanyjourney-to-workflows[J].Journal of Geographical Systems，2009，11(2)：117-140．

[25]CHUNY，GRIFFITHDA．Modelingnetworkautocorrelationinspace-timemigrationflowdata：Aneigenvectorspatialfilteringapproach[J].Annals of the Association of American Geographers，2011，101(3)：523-536．

[26]LeSAGEJ,PACERK.Introduction to Spatial Econometrics[M].BocaRaton:CRCPress,2010：216-219．

[27]朱芸，邹杨．劳动力转移动因及农村人口迁移量影响因素分析[J].商业研究，2014(8)：95-101．

[28]蔡昉，王德文．作为市场化的人口流动——第五次全国人口普查数据分析[J].中国人口科学，2003(5)：11-19．

[29]马荣华，蒲英霞，马晓东．GIS空间关联模式发现[M].北京：科学出版社，2007：101-111．

(责任编辑惠松骐)

作者简介：王亚平(1990—)，女，江苏徐州人，硕士研究生.主要研究方向为空间数据挖掘.

基金项目:国家自然科学基金资助项目(41271388);江苏高校优势学科建设工程资助项目；江苏省地理信息资源开发与利用协同创新中心资助项目

收稿日期：2014-12-08;修改稿收到日期:2015-01-27

E-mail:yapingwang_nupt@126.com

*通讯联系人，女，副教授，博士.主要研究方向为GIS与空间数据分析集成.E-mail:yingxiapu@nju.edu.cn