流动人口再流动的空间选择特征及影响因素

林赛南; 冯馨; 王雨

doi:10.13249/j.cnki.sgs.2023.09.004

地理科学 >

2023 , Vol. 43 >Issue 9: 1537 - 1547

DOI: https://doi.org/10.13249/j.cnki.sgs.2023.09.004

流动人口再流动的空间选择特征及影响因素

林赛南 ^,¹ ,
冯馨 ² ,
王雨 ³

展开

1.武汉大学城市设计学院/湖北省人居环境工程技术研究中心，湖北武汉 430072
2.中山大学地理科学与规划学院，广东广州 510006
3.康奈尔大学建筑、艺术与规划学院，纽约伊萨卡 14853

林赛南（1987—），女，浙江永嘉人，博士，副教授，博导，主要研究方向为人口流动与城镇化、城市地理。E-mail: sainan.lin@whu.edu.cn

收稿日期: 2022-09-14

修回日期: 2023-02-02

网络出版日期: 2023-10-12

基金资助

国家自然科学基金项目(42171205)

版权

收起

Migrants' spatial choice in onward migration: Features and mechanisms

Lin Sainan ^,¹ ,
Feng Xin ² ,
Wang Yu ³

Expand

1. School of Urban Design, Wuhan University, Hubei Habitat Environment Research Centre of Engineering and Technology, Wuhan 430072, Hubei, China
2. School of Geography and Planning, Sun Yat-sen University, Guangzhou 510006, Guangdong, China
3. College of Architecture, Art, and Planning, Cornell University, Ithaca 14853, New York, United States

Received date: 2022-09-14

Revised date: 2023-02-02

Online published: 2023-10-12

Supported by

National Natural Science Foundation of China(42171205)

Copyright

Fold

摘要

基于2017年全国流动人口动态监测数据，刻画中国城市流动人口再流动的轨迹与网络特征，并借助嵌套Logit模型探究流动人口在再次流动时空间选择的影响因素。研究发现：① 再流动样本大多于首次流动后的10 a内发生第二次流动，并缩小流动范围；再次流动时多数已婚且家庭化流动趋势明显；两次流动过程的跨等级流动路径不会始终向上而呈现出多样化的选择结果。② 首次流动网络格局呈现出明显的重心偏东、偏南的十字菱形结构，而再次流动时横向联系变弱，城市流向相对变少。③ 个体和城市因素对再次流入地的选择产生影响，其中工资水平的影响力最大，其次是个人特征，再是其他城市经济属性和生活品质变量。

关键词： 流动人口; 再次流动; 空间选择; 嵌套Logit模型

本文引用格式

林赛南 , 冯馨 , 王雨 . 流动人口再流动的空间选择特征及影响因素[J]. 地理科学, 2023 , 43(9) : 1537 -1547 . DOI: 10.13249/j.cnki.sgs.2023.09.004

Abstract

The number and direction of China's population movements have changed substantially in the last few decades, which caused constant spatial restructuring. Migration is often a multi-stage process that migrants that migrantes may continue an onward migration after their fiyst spatial movement. However, existing studies have paid little attention to such dynamic processes. To fill this research gap, this paper analyzes the dynamic trajectory of migration and the network features of the spatial pattern, and further explores the influencing factors of the spatial choice of the onward migration by using social network analysis and the nested Logit model. The main findings are as followings: 1) The onward migration often occurs within ten years after the primary migration, with a decreasing migration distance. The majority of these onward migrants are married and tend to mirgate with family when they move again. It is also important to note that the onward migration does not always involve movement from cities in a lower hierarchy to a higher one, but presenting diversified patterns; 2) The primary migration network shows a very obvious cross-shaped diamond structure with the center of gravity to the east and south, while in the onward migration, the horizontal linkage becomes weaker, showing fewer pair cities with flows; 3) Spatial choices of onward migration are influenced by both individual and urban factors, among which the average wage in the destination city has the most significant influence, followed by individual characteristics and other urban factors. The higher the education level, the higher the administrative rank of migrants' place of origin, and the younger the onward migrants are in occupations requiring higher professional and technical knowledge and within the working age, the more they tend to flow to a Tier-one city. Based on the above empirical findings, the study further proposes relevant recommendations for different types of cities considering the characteristics of migration process: First, the cities with strong population attractiveness should actively improve facilities, public service conditions and enhance governance to increase the carrying capacity of the population. Second, different cities should be clear about the differences between themselves and other popular cities where the migrants tend to move. Given that migrants are more likely to choose destinations within the urban cluster in onward migration, the cities belonging to the cluster should utilize the population spillover effect of the core cities. They should actively adjust the industrial structure to promote the development of industries with obvious income pulling effect, strengthen the comprehensive urban governance capacity, and create ample urban amenities to attract the population. In view of the visible trend of family migration, cities should introduce corresponding policies in public services.

Key words： migrant; onward migration; spatial choice; nested Logit model

在40余年的发展中，中国流动人口数量和方向的结构性变化带动了流向格局和流入地分布的持续变迁^[1]。中国有大量的流动人口并不是“一流永逸”，而是在首次流动后长期处于在城乡或城市间循环流动的非永久性迁移状态，有漫长的后续流动过程^[2]。2017年55.7%的流动人口流动过2个及以上城市^[3]。然而中国流动人口研究大多只关注流动者的初始流入地和当前流入地，默认为一次性的迁移而直接建立流动联系，不利于准确反映具有阶段性特征的流动过程。

近年来，已有部分学者关注到中国人口流动过程具有阶段性特征。如田明针对中国东部地区流动人口的研究发现，发生过再次流动的比例较高，且经过多次迁移后，流动的就近性会相对减弱^[4]。林李月和朱宇利用在福建省开展的问卷调查数据，发现初次流动具有明显的群聚特征，更倾向于省际迁移，社会网络、社区状况和制度背景等因素都会对空间选择决策产生影响^[5]。此外，刘建波等研究发现，二次流动是选择回流还是继续流动，受个人因素的影响更大^[6]；刘涛等学者构建的双重多维邻近性框架证实再流动者在具体选择流入地时会受到地理、制度、信息、社会、认知等综合因素的影响^[7]，潜在流入地城市的类型也会对此产生影响^[8]。上述研究成果表明，中国人口迁移流动具有多次流动的特征，不同阶段的空间选择及影响因素具有相似性但也存在差异。因此在分析空间格局和选择机制时，将流动阶段分解开来逐一分析，对准确、清晰地把握人口流动规律具有重大意义。尤其是再流动阶段，它暗示了流动人口在首次流入地暂不愿定居的意愿，也更能反映流动人口在目前流动阶段的选择策略；针对此流动阶段的研究可以为不同城市制定引人和留人政策提供政策建议。

在人口流动的空间格局方面，近年来不少学者基于网络视角，运用社会网络分析方法构建人口流动迁移网络^[9-11]。相较于传统人口流动研究用描述性方式或空间计量方法来说明空间分布或集聚特征，网络分析方法更注重刻画不同地区之间的流动联系，包括流向、流量等空间特征，以及测算网络结构指标。现有研究大多利用人口普查、1%人口抽样调查和年度统计得到的宏观数据，一方面受数据精细度的限制，全国层面人口流动格局的分析多局限于省级尺度^[12]；另一方面，已有数据收集时缺乏对人口流动阶段性特征的考虑，无法用于分析不同流动阶段的人口流动空间选择特征^[2]。

对于人口流动的空间格局形成机制，国内外学者主要从区域经济发展水平和生活品质两个视角^[13]进行探讨。经典的推拉理论^[14]和新古典主义迁移理论^[15]认为，在地区间经济差异的作用下，流动人口向就业机会多、劳动回报率高的地区迁移，强调经济因素或者宏观结构性因素对人口流动的影响。另一方面，随着城市舒适物（Amenity）理论的提出，越来越多的学者关注到自然环境、人工设施的舒适性对人口流动的关键影响^[16-17]。例如，教育科技发达、社会保障能力强、基础设施条件好的城市能给流动人口带来更高的舒适度，进而吸引人口集聚，反之则会导致人口不断流失^[18]。

以上研究多从宏观视角出发强调区域和城市层面因素对人口流动的影响，缺乏对流动人口本身异质性的考量^[19]。尤其是在探究选择机制时，除了关注“流向什么样的地区”，还需关注“谁”选择了再流动，选择了什么样的流动路径，以及受到什么因素的影响。借用新古典经济学“理性人”“效用最大化”概念，人口流动可被理解成为个体在考虑不同地域间资本、劳动力、生活条件不均衡分布条件下基于收益最大化的理性选择^[19-20]。故体现个人迁移能力的人口属性因素也应被纳入考量，并已有实证研究表明性别、受教育水平、文化背景等差异会使得流动人口迁往不同的城市^[21]。

综上所述，前人研究引入多种理论方法有效展示和解读中国流动人口的迁移路径，其中人口迁移流动的阶段性特征得到了一定的关注。然而，现有研究仍存在以下不足：① 研究城市级别尺度的较少，且依赖不完全反映传统迁移的大数据。现有采用社会网络视角分析人口流动空间格局的研究，能达到全国范围内城市尺度的研究较少，且主要依靠迁徙大数据^[22-23]。这类大数据监测到的人口在流动时长上不完全达到一定跨度，流动目的也不一定是以生活、劳动为主，与传统对迁移的理解^[24]不完全相符，因而不能准确反映人口流动情况。② 对再次流动的空间特征与选择机制缺乏系统认识。再流动时的空间选择不可避免地受到之前流动经历的影响，形成动态的迁移策略与连贯的迁移轨迹。③ 对探讨人口流动空间格局形成机制的探讨多忽略个体自身特征、过往流动经历的影响。流动人口流动的网络空间格局是个体对流入地选择结果的直观呈现，因此从个体视角分析其空间选择的影响因素是阐释流动人口空间格局形成机制的有效途径^[25]。

本研究在前人的理论和实证基础上，重点探究流动人口中选择再流动群体的特征、空间选择及影响因素。首先刻画中国城市流动人口再次流动时的动态轨迹及与首次流动时的差异，再借助嵌套Logit模型重点探讨选择再流动的流动人口个人属性和流动特征，以及不同城市的经济水平、生活品质因素对其空间选择决策的影响，进而完善流动人口迁移过程研究的分析框架，为地方政府制定相关政策提供科学依据。

1 研究方法和数据来源

1.1 数据来源

本文的流动人口调查样本数据来自于2017年全国流动人口卫生计生动态监测调查（ https://www.chinaldrk.org.cn/wjw/#/data/classify/population/yearList）。该调查按照分层、多阶段且与流动人口规模成比例的PPS抽样方法，对在流入地居住一个月及以上、非本区（县、市）户口的15 周岁及以上的流入人口开展抽样调查。调查范围包括全国31个省（区、市）和新疆生产建设兵团，未含港澳台数据。总样本量约为17万人。

本文关注流动过2次的流动人口，按照以下条件筛选符合要求的样本：① 累积流经过2个地级及以上城市；② 样本的首次流出地（户籍地）、首次流入地、再次流入地均是不同的地级市。剔除重要信息缺失的样本后，最终得到17 572个有效样本。本文的空间基本单位为地级及以上城市。截至2017年末，中国共有334个地级行政区，加上4个直辖市，共338个地级及以上行政级别的城市。筛选出的样本流经的3个地点共涉及337个城市。以往研究选择的城市层面数据往往滞后于流动人口在产生流动选择的时间节点^[26]，尤其对于已在流入地居住时间较长的流动人口来说，滞后的数据与流动选择之间没有较强的因果关系。因此在研究再次流动阶段流入地选择机制时，在第一次筛选的基础上，再按照在再次流入地流动时长不超过5 a的要求筛选出了11 224个样本。这些样本流经的3个地点涉及331个城市。每个不选择回流的流动人口在第二次流动时都会面临除了户籍所在地和首次流入地以外的329个潜在目的地，由此形成了11 224×329=3 692 696个观测值。

城市层面的社会经济数据选择使用2015年的数据以提高外生性^[7,26]，加强城市特征对流动决策解释的因果影响效力。数据主要来自2016年《中国城市统计年鉴》^[27]、《中国城市建设统计年鉴》^[28]，部分地区的相关数据来源于2015年的国民经济和社会发展统计公报（ https://www.cnstats.org/tjgb/）、其所在省级行政单元的统计年鉴或《中国民族统计年鉴》^[29]。各城市之间的公路距离是通过Python从百度地图开放平台^①(①https://lbs.baidu.com [2021-04-06])爬取得到。房价数据来源于中国房价行情平台^[30]。PM_2.5年均质量浓度数据来源于哥伦比亚大学社会经济数据和应用中心（ https://sedac.ciesin.columbia.edu/）。

1.2 变量选择

本研究的被解释变量为再流动者个体是否选择某城市作为再次流入地，为二元变量。在解释变量的选择上，参考前人实证研究，本文从再流动者的个人特征（人口学和流动特征）和流入地城市的特征（经济属性和生活品质）两个维度探究再次流入地的空间选择机制（表1）。流动距离能代表流出地与流入地之间的交通便利程度，且空间邻近性可以反映出两地间制度文化背景的相似性、信息交互联系的密切程度，以及流动人口可以利用的社会关系多寡^[19]；本文将其分为两种：目的地较首次流入地距离和较户籍地距离。再次流动者的户籍地行政等级一定程度上代表家乡行政力量强弱，是流动者衡量能否通过流动实现效益增强的判断条件之一，因此户籍所在地的等级被纳入考量。城市特征分为经济属性和生活品质两个方面。研究选取GDP相关指标来代表城市的经济规模和发展水平，用失业率和工资水平来代表就业机会的丰富程度和收入的高低。住房支出是中国居民生活消费里比重较大的部分，而房价过高造成的负担会阻碍流动者选择流入^[18]，但一般房价较高的城市，居民的工资水平也较高，因此采用房价收入比变量^[30]。用第三产业与第二产业比值来代表产业结构^[17,26]，衡量产业结构对劳动力就业机会的影响^[17]。生活品质方面，以教育和医疗服务水平衡量公共服务能力^[20]；绿化率和PM_2.5年均质量浓度反映绿化环境和空气质量^[7]。

表1 流动人口再流动空间选择影响因素回归模型中各变量的描述统计

Table 1 Descriptive statistics of the variables in the regression model of the spatial choice in onward migration

变量类型	变量含义	变量说明及赋分	均值	标准差
注：^表示变量取对数后加入模型；^*表示变量标准化取平均值后加入模型；-为被解释变量无均值和标准差；不含港澳台数据。
被解释变量	是否选择j城市	否=0，是=1	-	-
人口学特征	性别	男性=1，女性=2	1.46	0.50
	年龄	1~29岁=1，30~44岁=2，45~59岁=3，≥60岁=4	32.28	8.80
	受教育程度	小学及以下=1，初中=2，高中及中专=3，大专及以上=4	2.63	1.00
	户口类型	农业户口=1，非农业户口=2	1.15	0.36
	职业类型	农业及制造业从业人员=1，商业、服务业从业人员=2，专业技术及办公人员=3，无固定职业或其他=4	1.97	0.76
流动特征	家庭式迁移	独自流动=1，家庭式流动=2	1.68	0.46
	户籍所在地	农村=1，乡镇、县城=2，地级市=3，省会（首府、直辖市）、计划单列市=4	1.28	0.57
	较首次流入地流动距离^*	选择的j城市与首次流入地之间的最短公路距离/km	924.29	840.99
	较户籍地流动距离^*	选择的j城市与户籍地之间的最短公路距离/km	864.83	760.63
城市经济属性	人均GDP^*	人均GDP/元	48981.92	29412.77
	GDP增长率	GDP增长率/%	7.85	3.09
	失业率	城镇失业率/%	2.70	1.67
	产业结构	三产与二产的比值	1.02	0.58
	工资水平^*	在岗职工平均年工资/元	54460.73	11866.03
	房价收入比	住宅每平方米平均售价与当年城镇居民人均可支配收入的比值	0.20	0.09
城市生活品质	教育服务水平^**	每万名学生拥有的小学专任教师数/人	617.89	146.24
	教育服务水平^**	每万名学生拥有的中学专任教师数/人	833.53	181.76
	医疗服务水平^**	每万人医院及卫生院床位数/张	48.24	15.07
	医疗服务水平^**	每万人医生数/人	22.62	12.21
	建成区绿化率	建成区绿化率/%	37.61	8.02
	空气质量	PM_2.5年均质量浓度/（μg/m³）	33.70	19.35

1.3 研究方法

本文运用UCINET测算首次和再次流动网络城市节点的出、入度值，反映该城市吸引和辐射人口能力^[23]，用ArcGIS可视化流出地、首次流入地、再次流入地O-D（Origin-Destination，起止联系）关系。嵌套Logit模型用来探究再流动人口在再次流动时流入地选择的影响因素。条件Logit模型是探讨多值选择问题的常用方法，可被用于人口流动的目的地决策这一典型的离散选择行为上^[6-7]。但这一模型必须满足无关方案的独立性（IIA）假定，各潜在目的地的经济发展水平、生活品质等方面却可能存在没有被察觉的隐藏相似性。基于此，本文允许组内的城市选择方案是相关的，但不同组的选择方案相互独立。每个流动人口在再次流动选择迁入地时，先选择某一类城市，再在该类里决定具体流入哪个城市，因此个体m选择i类j城市的概率（P_mj）为：

$ {P}_{mj}={P}_{mi}\times {P}_{mi\mathrm{|}j} $

式中，P_mi为选择 i类城市的概率；P_m_i|j为在选择i类城市的情况下、选择j城市的条件概率。

目前尚无对各地级及以上城市的较权威且统一的分类方法，参考已有文献，并综合考虑政治、经济因素^[7]，本文结合行政等级以及“第一财经新一线城市研究所”公布的城市等级排名^①(①《2017中国城市魅力排行榜》（https://mp.weixin.qq.com/s/5BF5Lt4mHdF6FtdW3jY-8g）[2022-04-30])，将所有城市选项分为3类：一类城市：北京、上海、广州、深圳；二类城市：除一类城市以外的直辖市、省会（首府）城市及计划单列市；三类城市：其他一般地级市。

2 再流动群体特征分析

表2列出了发生两次流动的17 572个样本（后面统一称之为再流动群体）的个人社会经济属性和阶段性流动特征。这类群体属于中国大规模流动人口的一部分，和整体拥有部分相似的特征，而并非一次到位的流动过程又使得他们体现出独特的差异性流动状态。

表2 再流动人口样本群体特征统计

Table 2 Characteristics statistics of onward migration population sample group

特征指标	占比均值/%	特征指标	占比均值/%
注：不含港澳台数据。
个人社会经济属性		阶段性流动特征
性别		首次流动时长/a
女性	43.56	＜5	35.85
男性	56.44	[5, 11)	36.85
年龄/岁		[11, 20]	23.33
15~29	35.80	＞20	3.97
30~44	48.98	均值	7.85
45~59	14.69	首次流动范围
≥60	0.53	省域内流动	25.39
均值	34.24	省域际流动	74.61
户口类型		再次流动范围（相较户籍地）
农业户口	82.32	省域内流动	30.44
非农业户口	17.68	省域际流动	69.56
婚姻状况		首次流动家庭化程度
未婚	15.99	独自流动	75.81
已婚	82.23	家庭式流动	24.19
离异或丧偶	1.78	再次流动家庭化程度
受教育程度		独自流动	25.68
小学及以下	13.14	家庭式流动	74.32
初中	41.63	跨等级流动路径
高中及中专	21.02	先向上后向下	44.29
大专及以上	24.21	一直向上	20.18
职业类型		先向上后不变	15.11
农业及制造业从业人员	25.40	先不变后向上	6.92
商业、服务业从业人员	56.13	先向下后向上	6.02
专业技术及办公人员	14.11	先不变后向下	2.14
无固定职业或其他	4.36	先向下后不变	2.11
		一直不变	1.87
		一直向下	1.35

1）再流动群体以青壮年劳动力（16~44岁）为主，平均年龄为34.24岁，较大于总体流动人口的平均岁数（30.4岁）。样本首次流动时的平均年龄较年轻，为21.56岁，流动时长平均年限为7.85 a，72.7%的再流动样本在10 a内就会选择产生第二次流动。到2017年的监测调查的期限为止，第二次流动已持续的平均时长为4.97 a。可见再流动样本群体在首次流动延续的年限不长，多于30岁左右再次流动到不同的城市。

2）再次流动相较首次流动会缩小流动范围，跨等级流动路径呈现多样化选择。样本群体在首次流动中大多倾向于跨省流动，而在再次流动中选择回到省内城市的占比增加5.05%，流动范围在一定程度上缩小。对首次、再次流动的跨等级流动路径进行统计，城市等级按照第一财经新一线城市研究所发布的“2017中国城市等级排名名单”被分为6级。在2次迁移中，整体实现了向上流动的样本占总量的73.53%。从过程视角看，首次流动中实现向上流动的比例更高，占比79.58%，但在再次流动中实现向上流动的比例则下降至33.12%，向下流动的比例为47.79%。这说明流动人口向上流动的倾向在再次流动中并没有得到明显体现。

3）首次流动时，样本群体以无伴侣或直系家属陪同的非家庭式流动居多，占总数的75.81%，而再流动样本群体中家庭式流动的占比达到74.32%；其中82.23%婚姻状况为已婚，其与伴侣和孩子一起流动的比例高达近70%，这说明在再次流动中家庭式流动的特征非常明显。

3 再流动群体的空间选择特征

本文利用ArcGIS中XY 转线工具呈现首次和再次流动网络格局，涉及35 144人次流动、12135条有向路线，其中首次流动有7486条，再次流动有6312条。综合出、入度值计算结果发现如下特征：

1）流动人口在首次流动时多从重庆市和中部地区的三、四线城市流出，主要流向一线城市、位于长三角的新一线、二线城市以及中西部（国家统计局， http://www.stats.gov.cn/hd/cjwtjd/202302/t20230207_1902279.html）的省会城市（首府）（表3）。再次流动时流入地的区域分布变化不大，但个别城市的排序有明显上升或下降，天津成为除上海、北京外最吸引再流动人口的城市，而在首次流动过程中具有较强人口吸引力的东莞、广州、深圳，在再流动过程中流失较多人口。由此可见一线城市对于首次流动的人口具有显著的吸引力，但对于再流动的人口吸引力减弱。

表3 首次和再次流动网络中出入度排名前10的城市

Table 3 Top 10 cities by in-degree and out-degree in the primary and onward migration network

	首次出度	首次入度（再次出度）	再次入度
注：不含港澳台数据。
1	重庆市	深圳市	上海市
2	阜阳市	广州市	北京市
3	周口市	东莞市	天津市
4	邵阳市	北京市	苏州市
5	南阳市	上海市	杭州市
6	信阳市	苏州市	南京市
7	六安市	杭州市	深圳市
8	南充市	温州市	无锡市
9	安庆市	西安市	厦门市
10	上饶市	成都市	宁波市

2）再次流动距离显著缩短，并集中在城市群内部或一线城市之间（表4）。首次流动频次较高的均为流动距离较大的跨省流动，平均流动公路距离为894.30 km，流入地为长三角和珠三角；再次流动则主要发生在京津冀、珠三角和长三角城市群内部城市之间，流动距离相对较近，平均为333.94 km，长距离流动则发生在一线城市之间。

表4 首次和再次流动中流动频次最高的12组城市

Table 4 Top 12 city groups by migrantion frequency and distance

首次流向对	频次/次	流动距离/km	再次流向对	频次/次	流动距离/km
注：不含港澳台数据。
重庆→深圳	52	1322.20	北京→天津	142	150.83
重庆→东莞	50	1287.31	苏州→上海	99	100.26
重庆→广州	46	1220.87	上海→苏州	86	96.98
邵阳→深圳	44	738.32	深圳→东莞	86	41.74
阜阳→上海	44	1364.5	深圳→上海	86	1423.75
邵阳→广州	43	643.34	深圳→广州	84	105.30
六安→上海	43	584.55	南京→上海	82	309.43
六安→苏州	39	498.00	北京→上海	81	1251.51
衡阳→广州	38	518.44	广州→佛山	77	99.23
淮南→上海	35	561.01	东莞→深圳	73	41.84
盐城→上海	35	327.45	上海→南京	69	309.14
南充→深圳	35	1665.65	广州→东莞	69	77.26

3）由图1a可看出，首次流动网络格局在胡焕庸线以东呈现出十分明显的重心偏东、偏南的十字菱形结构，内部流动联系密切，且不同的城市流向对较多。长三角、珠三角和京津冀较发达的城市群，以及中西部的省会城市（首府、直辖市）是首次流入的重点区域。而在再次流动时（图1b），菱形结构内部的横向联系变弱，而结构边线的城市节点之间的联系加强，流动人口流向长三角城市群的倾向更明显，福建的主要大城市如厦门的人口吸引力也有增强。相较于首次流动，人口在城市流入的选择上更加集聚，不同的城市流向对减少，集聚性流动多发生于4个一线及其他高度值的核心城市之间，还有城市群内部城市之间，尤其是城市群核心城市向周边城市外溢的流动。

显示原图|下载原图ZIP|生成PPT

图1 流动网络联系

基于审图号：GS（2019）1825 号（自然资源部监制）制图，底图无修改；不含港澳台数据

Fig. 1 The primary and onward migration networks

4 再次流入地选择的影响因素

为了横向比较不同维度因素对因变量的影响水平，本文构建4个嵌套Logit模型（表5），模型1仅考虑流动人口个体特征变量；在此基础上，模型2、3分别加入城市的经济属性变量和生活品质变量；模型4同时考虑所有变量。4个模型的Hausman检验结果表明均强烈拒绝IIA假定，表明流动人口对再次选择时城市选项并不全是互相独立的。3个类别内部城市的不相似参数τ均小于1，3个类别的扰动项相关，因此满足效用最大化假设。

表5 再流动空间选择影响因素嵌套Logit模型回归结果

Table 5 Nested Logit model regression results for onward migration spatial choice

变量	模型1		模型2		模型3		模型4
变量	一类城市	二类城市	一类城市	二类城市	一类城市	二类城市	一类城市	二类城市
注：括号内为标准误差；^* 、^ 、^* 分别为P<0.001、P<0.01、P<0.05；τ ₁、τ ₂、τ ₃分别为一类城市组、二类城市组、三类城市组的不相似参数；-为指标未带进模型；模型参照组为流动人口选择三类城市为目的地；不含港澳台数据。
女性（参照组=男性）	-0.061 （0.061）	0.040 （0.042）	-0.134^* （0.061）	0.017 （0.042）	-0.149^* （0.060）	0.007 （0.042）	-0.199^** （0.060）	0.004 （0.042）
年龄（参照组=15~29岁）
30~44岁	-0.193^** （0.067）	0.192^*** （0.046）	-0.301^*** （0.067）	0.151^*** （0.046）	-0.306^*** （0.066）	0.148^** （0.046）	-0.376^*** （0.067）	0.134^** （0.046）
45~59岁	-0.165 （0.118）	0.294^*** （0.070）	-0.365^** （0.118）	0.205^** （0.070）	-0.370^** （0.117）	0.209^** （0.070）	-0.502^*** （0.117）	0.174^* （0.070）
≥60岁	-0.038 （0.557）	0.458 （0.319）	-0.370 （0.564）	0.385 （0.320）	-0.268 （0.558）	0.370 （0.317）	-0.488 （0.563）	0.338 （0.318）
非农业户口（参照组=农业户口）	0.100 （0.105）	0.006 （0.079）	0.045 （0.107）	0.011 （0.080）	0.139 （0.106）	0.023 （0.079）	0.085 （0.107）	0.025 （0.080）
职业类型（参照组=农业及制造业从业人员）
商业服务业从业人员	0.128 （0.075）	0.575^*** （0.049）	0.034 （0.074）	0.538^*** （0.049）	0.062 （0.074）	0.538^*** （0.049）	-0.006 （0.073）	0.521^*** （0.049）
专业技术及办公人员	0.678^*** （0.100）	0.416^*** （0.078）	0.574^*** （0.100）	0.380^*** （0.078）	0.623^*** （0.099）	0.379^*** （0.078）	0.547^*** （0.099）	0.365^*** （0.078）
无固定职业或其他	0.492^*** （0.149）	0.427^*** （0.110）	0.379^* （0.150）	0.394^*** （0.110）	0.425^** （0.148）	0.379^*** （0.110）	0.347^* （0.149）	0.382^*** （0.110）
户籍地等级（参照组=农村）
乡镇、县城	0.199^* （0.091）	0.088 （0.064）	0.214^* （0.092）	0.077 （0.064）	0.187^* （0.091）	0.082 （0.064）	0.201^* （0.092）	0.073 （0.064）
一般地级市	0.733^*** （0.161）	0.041 （0.137）	0.761^*** （0.163）	0.019 （0.137）	0.757^*** （0.161）	0.052 （0.137）	0.775^*** （0.163）	0.030 （0.137）
省会（首府、直辖市）、计划单列市	0.878^** （0.295）	0.107 （0.267）	0.910^** （0.300）	0.179 （0.270）	0.931^** （0.296）	0.171 （0.267）	0.933^** （0.300）	0.209 （0.269）
受教育程度（参照组=小学及以下）
初中	0.071 （0.091）	0.571^*** （0.060）	-0.309^*** （0.089）	0.459^*** （0.059）	-0.287^*** （0.086）	0.437^*** （0.059）	-0.546^*** （0.086）	0.402^*** （0.059）
高中及大专	0.529^*** （0.101）	0.901^*** （0.069）	0.118 （0.098）	0.776^*** （0.068）	0.152 （0.096）	0.753^*** （0.068）	-0.136 （0.096）	0.709^*** （0.068）
大专及以上	1.260^*** （0.108）	1.076^*** （0.076）	0.754^*** （0.104）	0.932^*** （0.075）	0.893^*** （0.103）	0.916^*** （0.075）	0.521^*** （0.101）	0.851^*** （0.075）
家庭式迁移（参照组=独自流动）	0.236^*** （0.066）	0.192^*** （0.046）	0.160^* （0.066）	0.146^** （0.046）	0.152^* （0.065）	0.144^** （0.046）	0.102 （0.065）	0.123^** （0.046）
与首次流入地距离	-0.527^***（0.020）		-0.727^***（0.026）		-0.582^***（0.022）		-0.690^***（0.024）
与户籍地距离	-0.598^***（0.023）		-1.071^***（0.039）		-0.700^***（0.028）		-1.073^***（0.040）
产业结构	-		0.172^***（0.018）		-		0.162^***（0.018）
工资水平	-		2.561^***（0.112）		-		2.755^***（0.118）
失业率	-		-0.026^***（0.007）		-		-0.010（0.006）
人均GDP	-		0.294^***（0.026）		-		0.317^***（0.031）
GDP增长率	-		0.006（0.004）		-		-0.007（0.004）
房价收入比	-		-0.019^*（0.008）		-		-0.004（0.007）
PM_2.5年均质量浓度	-		-		-0.007^***（0.000）		-0.012^***（0.001）
建成区绿化率	-		-		-0.004^***（0.001）		-0.010^***（0.001）
医疗服务水平	-		-		0.012^***（0.001）		0.006^***（0.001）
教育服务水平	-		-		-0.000（0.001）		-0.020^***（0.002）
参照组=三类城市
τ ₁	0.640^***（0.034）		0.882^***（0.043）		0.862^***（0.048）		0.897^***（0.044）
τ ₂	0.445^***（0.018）		0.764^***（0.030）		0.503^***（0.021）		0.701^***（0.028）
τ ₃	0.541^***（0.019）		0.829^***（0.028）		0.579^***（0.021）		0.798^***（0.028）
Loglikelihood	-47948.437		-46307.047		-47273.000		-45699.032
Wald Chi²	1820.82		1850.53		1625.62		1827.49
Prob＞chi²	0.000		0.000		0.000		0.000
IIA检验	0.000		0.000		0.000		0.000

4.1 个体因素对再次流入地选择的影响

模型1结果显示个体及其流动特征对流动人口选择再次流入地时具有显著影响。① 在劳动年龄内年龄越大的流动者，再次流动时越倾向于选择经济水平和城市环境也相对良好的二类城市^[31]，年轻人更倾向于去具有发展空间的一类城市“打拼”；② 从事商业、服务业的流动人口更倾向于流入二类城市，而专业技术和办公人员更倾向于一类城市；③ 虽然户口性质对再次流入地的选择影响不大，但流动人口户籍地所在的行政等级越高，再次流动时就更倾向于流向一类城市。这可能是由于流动人口更倾向选择与户籍地经济和生活条件更接近的城市；④ 不同学历的流动人口都愿意流入对人力质量要求更宽泛的二类城市；其中低学历流动人口因为自身技能知识的限制，倾向性更明显。而高学历人才更倾向于流入一类城市，以达到自身知识水平与流入地城市的匹配^[7,19,32]；⑤ 当以非独身流动的家庭式迁移模式再次流动时，流动者对一类、二类城市均表现出显著倾向，实现“家庭梯次流动”^[24]；⑥ 无论流动人口选择哪一类城市，流动距离都会对城市的选择产生负向作用，再流动者倾向于流向与当前流出地和户籍地都更近的城市。这也证明再次流入地的选择会受到上一次流动的影响，但受到户籍地的影响会更大。

4.2 城市因素对再次流入地选择的影响

模型2结果显示城市的经济因素对再次流入地选择具有显著影响，尤其是城市的平均工资水平。① 就业机会的减少、房价收入比的升高会对流入地选择产生负面影响，而再次流动人口更倾向于流入经济规模大、产业结构中三产占比高的城市；② 城市的经济发展速度并没有产生显著影响，但平均工资水平对再流动者是否选择该城市具有较强且显著的正面影响。这说明了在再流动时，再流动者并不特别在意城市的经济增速，更看重经济收入回报^[26]。模型3可看出，城市舒适物对再次流入地选择具有一定影响，但相较于经济因素影响较小。具体而言，流动人口倾向于流入医疗服务水平更高，空气质量更佳的城市。

从模型4可看出：① 在加入流入地的城市属性后，个体特征对再次流入地选择的影响依旧显著，且一类、二类城市之间的倾向差异与模型1的结果基本保持一致甚至增大；② 部分变量在模型1或3中影响不显著，但在模型4中显著。如女性在再次流动时不会主动选择流入一类城市，这可能是由于女性在一类城市生存竞争压力较大，传统文化观念以及“母职”压力可能使得她们调整流动目标，流入其他更容易稳定生活的城市。③ 流动距离对流入地选择的阻碍作用仍然显著，而且加入经济属性因素后，流入地与流动过程中的前两个地点的距离对选择产生的影响差距加大，可见再次流动者在流动时仍然还是把目的地与家乡之间的距离看得更为重要。

5 结论与讨论

5.1 结论

本文基于流动过程视角，以城市作为研究尺度，利用2017年流动人口动态监测数据，深入刻画在再次流动时中国城市流动人口迁移轨迹与网络特征，并借助嵌套Logit模型重点探究流动人口在再次流动时空间选择的影响因素。研究主要结论有：

1）再流动群体多数在首次流动后的10 a内发生第二次流动，且相较于首次流动会缩小流动范围，迁移过程中跨等级流动路径不会始终向上而呈现出多样化的选择结果。此外，首次流动时大多独自一人流动，而再次流动时多数已婚并且家庭化趋势非常明显。

2）再次流动网络与首次流动网络存在明显不同的特征：首次流动网络格局在胡焕庸线以东呈现出重心偏东、偏南的十字菱形结构，不同城市间的流向对较多，而再次流动时菱形结构内部的横向联系变弱，流入地更聚集；首次流动时以流动距离较大的跨省流动为主，再次流动则主要发生在京津冀、珠三角和长三角城市群内部城市之间。

3）探究上述网络格局形成的机制可发现，再次流动者受到城市工资水平影响最大，其次是个人特征，再是其他城市经济属性和生活品质变量。这表明再次流动者仍遵循传统的迁移动机理论，希望能通过流动实现经济效益的最大化，尤其是对收入回报的期望。同时流动人口也会切身考虑自身条件，基于当前的流入情况以及自身能力、家庭环境、户籍地的考量，做出流动决策。研究也揭示了在中国特殊的社会文化背景下户籍地对于人口迁移决策的重要影响。

5.2 讨论

从以上结论可以看出，人口的阶段性流动过程存在空间格局上的差异以及空间选择行为上的特殊性，不同类型城市相关部门制定政策时也应该考虑阶段性的流动特点，把握城市在经济发展和公共服务等方面的调整方向。首先，一线城市因其良好的经济基础、宽松有活力的就业环境等便利条件，自然会吸引大量人口流入，因此不能强硬违背人口流动的选择规律，应该积极改善基础设施条件，提升公共服务水平和城市治理能力来提升人口的承载力。其次，不同城市要清楚自身与其他人口流入热门城市的差异与不足，并把握人口流动的客观规律。再流动时流动人口较多选择所在城市群内部的城市，这些城市应把握核心城市人口溢出效应，积极调整产业结构以促进收入拉动作用明显的产业发展，加强城市综合治理能力，创建良好的城市面貌从而吸引人口。最后，城市还要留意流动者的流动经历和所处的家庭生命周期，对于家庭化流动趋势明显的再流动者，应当在落户、教育、购房等方面出台相应扶持政策，保证公共服务对城市所有居民的平等性，促进流动人口在当前流入地的市民化，而不是使他们以不稳定的流动状态继续流向下一个城市。

本文仍存在以下不足：① 受数据限制，对于流动人口当前阶段之前的流动信息掌握不够全面，难以对流动的每个阶段做更详细、深入的刻画和解释；② 为了保证选择机制的解释效应，仅能对再次流动的选择因素进行分析，不能很好地解释阶段性流动全程的形成机制。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

[1]	刘涛, 彭荣熙, 卓云霞, 等. 2000—2020年中国人口分布格局演变及影响因素[J]. 地理学报, 2022, 77(2): 381-394. DOI Liu Tao, Peng Rongxi, Zhuo Yunxia et al. China's changing population distribution and influencing factors: Insights from the 2020 census data. Acta Geographica Sinica, 2022, 77(2): 381-394. DOI

[2]	朱宇, 林李月. 中国人口迁移流动的时间过程及其空间效应研究: 回顾与展望[J]. 地理科学, 2016, 36(6): 820-828. Zhu Yu, Lin Liyue. Studies on the temporal processes of migration and their spatial effects in China: Progress and prospect. Scientia Geographica Sinica, 2016, 36(6): 820-828.

[3]	国家卫生健康委员会. 中国流动人口发展报告(2018)[M]. 北京: 中国人口出版社, 2018: 3-11. National Health Commission. Report on China's migrant population development 2018. Beijing: China Population Publishing House, 2018: 3-11.

[4]	田明. 中国东部地区流动人口城市间横向迁移规律[J]. 地理研究, 2013, 32(8): 1486-1496. Tian Ming. The migration patterns of floating population across cities in eastern China. Geographical Research, 2013, 32(8): 1486-1496.

[5]	林李月, 朱宇. 流动人口初次流动的空间类型选择及其影响因素——基于福建省的调查研究[J]. 地理科学, 2014, 34(5): 539-546. Lin Liyue, Zhu Yu. The choices of the destination's spatial types in the floating population's first-time migration and their determinants: Case studies of Fujian Province. Scientia Geographica Sinica, 2014, 34(5): 539-546.

[6]	刘建波, 王桂新, 魏星. 基于嵌套Logit模型的中国省际人口二次迁移影响因素分析[J]. 人口研究, 2004(4): 48-56. Liu Jianbo, Wang Guixin, Wei Xing. Determinants of inter-provincial migration in China: Nested Logit models. Population Research, 2004(4): 48-56.

[7]	刘涛, 卓云霞, 王洁晶. 邻近性对人口再流动目的地选择的影响[J]. 地理学报, 2020, 75(12): 2716-2729. Liu Tao, Zhuo Yunxia, Wang Jiejing. How multi-proximity affects destination choice in onward migration: A nested Logit model. Acta Geographica Sinica, 2020, 75(12): 2716-2729.

[8]	Tian M, Tian Z, Cushing B. Inter-city migration in China: A recurrent-event duration analysis of repeat migration[J]. Cambridge Journal of Regions Economy and Society, 2016, 9(3): 551-569.

[9]	王录仓, 刘海洋, 刘清. 基于腾讯迁徙大数据的中国城市网络研究[J]. 地理学报, 2021, 76(4): 853-869. Wang Lucang, Liu Haiyang, Liu Qing. China's city network based on Tencent's migration big data. Acta Geographica Sinica, 2021, 76(4): 853-869.

[10]	林赛南, 王雨, 马海涛. 中国高学历流动人口流动的空间特征及形成机制[J]. 地理研究, 2022, 41(12): 3229-3244. Lin Sainan, Wang Yu, Ma Haitao. Spatial mobility pattern of highly educated migrants and its mechanisms in China. Geographical Research, 2022, 41(12): 3229-3244.

[11]	王珏, 陈雯, 袁丰. 基于社会网络分析的长三角地区人口迁移及演化[J]. 地理研究, 2014, 33(2): 385-400. Wang Jue, Chen Wen, Yuan Feng. Human mobility and evolution based on social network: An empirical analysis of Yangtze River Delta. Geographical Research, 2014, 33(2): 385-400.

[12]	古恒宇, 沈体雁. 1995—2015年中国省际人口迁移网络的演化特征——基于异质性劳动力视角[J]. 地理研究, 2021, 40(6): 1823-1839. DOI Gu Hengyu, Shen Tiyan. Evolution patterns of China's interprovincial migration networks between 1995 and 2015: Based on labour heterogeneity. Geographical Research, 2021, 40(6): 1823-1839. DOI

[13]	Liu Y, Shen J. Jobs or amenities? Location choices of interprovincial skilled migrants in China, 2000—2005[J]. Population, Space and Place, 2014, 20(7): 592-605. DOI

[14]	S L E. A theory of migration[J]. Demography, 1966, 3(1): 47-57. DOI

[15]	Sjaastad L A. The costs and returns of human migration[J]. Journal of Political Economy, 1962, 70(S5): 80-93.

[16]	Diamond R. The determinants and welfare implication of US workers' diverging location choice by skill: 1980—2000[J]. American Economic Review, 2016(3): 479-524.

[17]	张亚丽, 方齐云. 城市舒适度对劳动力流动的影响[J]. 中国人口·资源与环境, 2019, 29(3): 118-125. Zhang Yali, Fang Qiyun. The impact of city amenity on labor migration. China Population, Resources and Environment, 2019, 29(3): 118-125.

[18]

李拓, 李斌. 中国跨地区人口流动的影响因素——基于286个城市面板数据的空间计量检验[J]. 中国人口科学, 2015(2): 73-83+127.

Li Tuo, Li Bin. Factor analysis of cross regional population flow in China: An empirical study with spatial econometrics models and panel data of 286 cities in China. Chinese Journal of Population Science, 2015(2): 73-83+127.

[19]	卓云霞, 刘涛, 古维迎. 多维邻近性与城-城流动人口的流入地选择——基于嵌套Logit模型的实证分析[J]. 地理科学, 2021, 41(7): 1210-1218. Zhuo Yunxia, Liu Tao, Gu Weiying. How multi-proximity affects destination choice in urban-urban migration: An analysis based on nested Logit model. Scientia Geographica Sinica, 2021, 41(7): 1210-1218.

[20]	马志飞, 尹上岗, 张宇, 等. 中国城城流动人口的空间分布、流动规律及形成机制[J]. 地理研究, 2019, 38(4): 926-936. Ma Zhifei, Yin Shanggang, Zhang Yu et al. Spatial distribution, flowing rules and forming mechanism of inter-cities floating population in China. Geograchical Research, 2019, 38(4): 926-936.

[21]	Hao P, Tang S. Migration destinations in the urban hierarchy in China: Evidence from Jiangsu[J]. Population Space and Place, 2018, 24(2): e2083 DOI

[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. Jiang Xiaorong, Wang Shenglan. Research on China's urban population mobility network: Based on Baidu Migration Big Data. Chinese Journal of Population Science, 2017(2): 35-46+127.

[23]

潘竟虎, 赖建波. 中国城市间人口流动空间格局的网络分析——以国庆-中秋长假和腾讯迁徙数据为例[J]. 地理研究, 2019, 38(7): 1678-1693.

Pan Jinghu, Lai Jianbo. Research on spatial pattern of population mobility among cities: A case study of "Tencent Migration" big data in "National Day–Mid-Autumn Festival" vacation. Geographical Research, 2019, 38(7): 1678-1693.

[24]	杜鹏, 张文娟. 对中国流动人口“梯次流动”的理论思考[J]. 人口学刊, 2010(3): 25-29. Du Peng, Zhang Wenjuan. On the laddering migration of China's floating population. Population Journal, 2010(3): 25-29.

[25]	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. Liu Tao, Qi Yuanjing, Cao Guangzhong. China's floating population in the 21st century: Uneven landscape, influencing factors, and effects on urbanization. Acta Geographica Sinica, 2015, 70(4): 567-581.

[26]	周皓, 刘文博. 流动人口的流入地选择机制[J]. 人口研究, 2022, 46(1): 37-53. Zhou Hao, Liu Wenbo. Destination selection mechanism of migrants in China. Population Research, 2022, 46(1): 37-53.

[27]	国家统计局. 中国城市统计年鉴[M]. 北京: 中国统计出版社, 2016. National Bureau of Statistics. China city statistical yearbook. Beijing: China Statistics Press, 2016.

[28]	住房和城乡建设部. 中国城市建设统计年鉴[M]. 北京: 中国统计出版社, 2016. Ministry of Housing and Urban-Rural Development. China urban construction statistical yearbook. Beijing: China Statistics Press, 2016.

[29]	国家民族事务委员会, 国家统计局. 中国民族统计年鉴[M]. 北京: 中国统计出版社, 2016. National Ethnic Affairs Commission, National Bureau of Statistics. China's ethnic statistical yearbook. Beijing: China Statistics Press, 2016.

[30]	陈艳如, 谷跃, 宋伟轩. 中国城市房价、收入与房价收入比的时空分异格局[J]. 地理研究, 2021, 40(9): 2442-2458. DOI Chen Yanru, Gu Yue, Song Weixuan. The spatiotemporal differentiation pattern of Chinese urban housing price, income and housing price-to-income ratio. Geographical Research, 2021, 40(9): 2442-2458. DOI

[31]	童玉芬, 王莹莹. 中国流动人口的选择: 为何北上广如此受青睐?——基于个体成本收益分析[J]. 人口研究, 2015, 39(4): 49-56. Tong Yufen, Wang Yingying. The choice of floating migrants in China: Why megacities are always preferred? A cost-benefit analysis. Population Research, 2015, 39(4): 49-56.

[32]	林赛南, 卢婷婷, 田明. 流动人口家庭化迁移与住房选择分异研究——基于全国25个城市的实证分析[J]. 经济地理, 2021, 41(5): 95-102. DOI Lin Sainan, Lu Tingting, Tian Ming. Family migration and housing tenure choice: Empirical evidences from 25 Chinese cities. Economic Geography, 2021, 41(5): 95-102. DOI

Options

文章导航

模态框（Modal）标题

摘要