陕西省城市流动人口与经济社会因素关系的实证研究

陕西省城市流动人口与经济社会因素关系的实证研究

近年来，随着我国改革开放的深入发展和经济社会的快速发展，流动人口数量急剧增加，引起了人们的关注。从流动人口的影响因素来看,上海流动人口的庞大市场是由我国独特的二元经济结构“推——拉”力所产生的驱动力以及在全球化作用下上海特殊区位所引发的内驱力共同作用形成。广东省流动人口的分布和来源结构表明,经济发展水平、就业机会以及交通条件都是影响流动人口的因素,其中,经济发展水平是影响流动人口的主要因素。还有很多学者认为,户籍制度是导致城市流动人口不稳定性的主要原因,但有调查发现,大量流动人口对转为城市户口的机会并不是很积极,而社会经济领域的改革显得更为重要。以上对流动人口影响因素的研究结果表明,在国家和地区范围内,社会和经济因素是影响人口流动的主要原因,但这些对于流动人口影响因素的研究多限于定性分析,定量分析很少。因此,本文参照全国城市流动人口影响因素的定量研究,在已有定性分析的基础上,对陕西省城市流动人口影响因素做一定量分析,以期能对流动人口数据的利用和预测有所帮助。1数据来源与研究方法1.1流动人口的界定本文使用的指标主要采用《2006年中国城市统计年鉴》中的各项社会经济数据。流动人口的数据则来源于陕西省建设厅统计的各个县的流动人口。在我国,流动人口的界定问题比较复杂,不同职能部门、不同时期对流动人口有不同的界定。比如,第3、第4次人口普查规定户口不在本地而居住时间“1年以上”的为流动人口;第5次人口普查规定常住时间“半年以上”的为流动人口;还有把自行来到其他非正式居住户籍登记地点但没有办理变更手续的人员称为“暂住人口”或“流动人口”。本文中流动人口指的是县级行政单元内暂住半年以上的外来人口。1.2社会经济指标全国城市流动人口影响因素的定量研究中选取了16项社会经济因素进行分析。本文的指标包括:总人口(万人)、市区人口(万人)、市区非农业人口(万人)、市区从业人员人数(万人)、市区国内生产总值(万元)、市区工业总产值(万元)、市区第二产业占GDP的比重(%)、市区第三产业占GDP的比重(%)、市区社会消费品零售总额(万元)、市区当年实际使用外资金额(万美元)、市区利润总额(万元)、市区固定资产投资总额(万元)、货运总量(万吨)、客运总量(万人)、市区职工年平均工资(元)、市区城镇私营和个体从业人员(人)以及全市职工年平均工资(元)共17项社会经济指标,与全国的研究有所不同。1.3计算流动人口与各项社会指标定量关系由于数据获取的限制,本文仅选用了陕西省10个地级市的各项数据。首先用相关分析计算出各个地级市的流动人口和17项社会经济指标之间的相关系数,然后进行主成分分析,根据特征值的贡献率选取主成分,得到主成分与各项指标之间的关系,最后借助主成分分析结果中的两个新变量进行回归分析,得出流动人口与各项指标之间的定量关系。2流动人口影响因素的定量分析2.1城市流动人口的职业特征相关分析是用统计指标表示出事物之间相互关系的密切程度,用相关分析方法计算出城市流动人口和17个社会经济指标之间的相关系数,分别取显著性水平0.05和0.01进行双侧检验,得到的相关系数检验结果如表1所示。由相关分析结果可以看出,流动人口与市区第二产业占GDP的比重和市区职工年平均工资之间呈现负相关,但与其他各因素之间都存在着较强的正相关。流动人口与市区职工工资的负相关和全市职工工资的高度正相关表明,流动人口在城市的就业主要位于市区范围之外,这主要取决于他们所从事的职业。调查发现,西部各城市流动人口的主要就业领域是服务业人员(餐馆、旅店及各类服务行业的雇员,占总数的38.8%)、个体商户(18.9%)和非技术劳动力(建筑工人、运输工人和单位勤杂工等,占17.9%)。一般认为,交通条件是劳动力流动障碍的主要因素之一。在交通条件不便的地区,劳动力为克服流动障碍所支付的流动或迁移成本(如交通费用)相对较高,因而阻碍了劳动力外出;另外,交通不便的地区,信息传递往往较困难,人们的生活相对闭塞,外出意识不强。货运和客运总量在一定程度上可以反映一个城市的交通便捷程度,因此,客运和货运总量与流动人口显著相关。除此之外,各自变量之间也存在线性关系,有些还存在较高的相关性,比如市区社会消费品零售总额和使用外资金额均与市区人口、市区非农业人口、市区从业人员人数、市区国民生产总值以及市区工业总产值有0.9以上的相关系数值,即他们之间存在着严重的多重共线性。在此条件下,直接使用回归分析可能会产生以下后果:①回归系数的估计精度会降低;②回归系数的估计值对观察值特别敏感;③回归系数可能出现与现实意义不符;④可能将有用的变量删除掉。因此,为避免建立的回归模型稳定性差,文章先采用主成分分析法选出主成分,然后对新的数据和流动人口进行回归分析处理。2.2城市流动人口的基本特征主成分分析是设法将原来众多具有一定相关性的指标,重新组合成一组新的互相无关的综合指标来代替原来的指标。对陕西省10个地市的17个指标值用主成分分析法进行运算,结果中每一新因子对应方差所占的百分比表示该变量在所有变量中的相对地位以及对系统综合评价的贡献,称为贡献率。从所得到的特征值相关矩阵可知:前两个特征值的贡献率分别是74.344%和12.966%,累计贡献率达到87.310%,满足选取主成分个数指标的“≥85%”的原则,已经能够代表全部特征。主成分载荷就是主成分与各指标之间的相关系数。从表2可以看出,除市区第二产业比重和市区职工年平均工资外,其余指标因子均与第一主成分有密切关系。而这两项指标因子在第二主成分上都有较高载荷,说明提取两个主成分是可以基本反映全部指标的信息,所以决定用两个新变量来代替原来的17个变量。第一主成分与各项指标的高度相关,说明第一主成分可以代表城市经济社会发展的综合水平。第二主成分代表了职工年平均工资和市区第二产业在总的GDP中的比重。表3、表4分别列出了陕西省10个城市两个主成分的相应得分值,以及按照得分值和流动人口数量进行的排序。从其中第一主成分得分值可以看出,西安市综合经济社会发展水平在全省遥遥领先,流动人口的数量也远远多于其他城市。这与前面的相关分析结果吻合,也和全国城市流动人口的分布一致。在我国,流动人口的聚集趋势为多向大城市集中,而且是多向特大城市和超大城市集中,在各地域内部,流动人口的分布特征与全国情况基本相同,即大部分集中在超大城市和特大城市。西安市高水平的综合发展实力代表了其大城市的地位。越是社会经济发展活跃的地区,提供的就业岗位越多,增加收入的可能性越大,实现综合性发展的机会越多,这种地区吸引的流动人口特别是流动劳动力就越多。宝鸡市情况也相似,这源于其雄厚的工业基础。宝鸡是西部地区的工业重镇,有重型汽车、数控机床、石油装备制造等八大基地,近年来综合实力不断增强。与此相反,延安和榆林的情况则不同。这两个城市的第一主成分得分值都不高,而流动人口的数量在全省居于前列,与第二主成分得分一致。第二主成分主要代表了市区第二产业比重、市区职工年平均工资和全市职工年平均工资,从前面的相关分析得知,流动人口规模与第二产业比重和市区职工平均工资负相关,因此,影响这两个城市流动人口的因素主要是全市职工的年平均工资。这种情况主要出现在中部和西部,流动人口在中西部的分布特征与东部相比有细微差异。在中部和西部,超大城市和特大城市的流动人口比全国的平均水平低,而西部中小城市流动人口比重要明显高于中部。2.3x7x3主成分分析结果表明,两个主成分可以代表所有的指标。用Z1表示第一主成分,Z2表示第二主成分,两个主成分与各指标之间的关系表示如下:Z1=0.089ZX1+0.115ZX2+0.115ZX3+0.115ZX4+0.115ZX5+0.112ZX6-0.025ZX7+0.068ZX8+0.115ZX9+0.115ZX10+0.100ZX11+0.115ZX12-0.021ZX13+0.109ZX14+0.100ZX15+0.113ZX16+0.084ZX17,Z2=-0.046ZX1-0.001ZX2+0.017ZX3+0.017ZX4+0.038ZX5+0.059ZX6+0.242ZX7-0.196ZX8+0.018ZX9+0.014ZX10+0.054ZX11+0.024ZX12+0.172ZX13-0.057ZX14-0.085ZX15+0.025ZX16+0.146ZX17。(X1-X17指的是标准化之后的上述各项指标)由此,将17维变量降为2维,从而简化了回归分析结构。将已标准化后的变量的值代人Z1,Z2两个表达式中,得到新的数据矩阵。把处理过的流动人口数据和两个主成分形成的新数据进行回归分析处理,得到流动人口的如下线性回归方程:Y=0.666Z1+0.252Z2。(1)检验回归方程显著性的F统计量的值为171.291,远大于临界值F(2,7)0.005=12.4,回归效果显著。这样流动人口和17项社会经济指标之间的线性关系已经明确,在这些社会经济数据已知的前提下,将其标准化代入方程(1),便可以得到流动人口的数据,从而为研究和决策活动提供依据。3流动人口的构成变量与法由上面分析可得出以下结论:1)城市流动人口与城市总人口、市区人口、市区非农业人口、市区从业人员人数、市区GDP、市区工业总产值、市区第三产业占GDP的比重、市区社会消费品零售总额、市区使用外资金额、市区利润总额、市区固定资产投资、货运总量、客运总量、市区私营和个体从业人员以及全市职工年平均工资相关显著;而与市区第二产业占GDP的比重、市区职工年平均工资呈负相关。2)陕西省各个城市流动人口的分布情况不尽相同。西安市和宝鸡市的综合经济社会发展水平在全省领先,流动人口的数量也最多,这与全国城市流动人口的分布一致,即流动人口都集中流向大城市、经济和社会发展活跃的