2026《流动人口居留意愿的空间探索分析案例》2300字.docxVIP

流动人口居留意愿的空间探索分析案例

目录

TOC\o1-3\h\u2948流动人口居留意愿的空间探索分析案例 1

151391.1流动人口居留意愿水平空间分布 1

51661.2空间自相关分析 1

156231.2.1全局空间自相关分析 1

90861.2.2局部空间自相关分析 1

流动人口居留意愿水平空间分布

我国高居留意愿的城市数量在波动中上升。将2012、2014、2015、2016、2017五年的流动人口动态监测的微观数据分城市进行汇总，即用各城市打算居留的流动人口数量除以该城市流动人口样本数，得到该市流动人口中打算居留的占比，并用此衡量城市的居留意愿。使用Jenks自然间断点分级法（JenksNaturalBreakClassification）将各城市居留意愿分为五类。为方便纵向比较，将各年的居留意愿均按照2012年数据的分类结果进行分类，分为高居留意愿（73%-100%）、较高居留意愿（60%-73%）、一般居留意愿（46%-60%）、较低居留意愿（29%-46%）和低居留意愿（0-29%）五类（见REF_Re\h表8）。对比可发现，高居留意愿的城市数量在波动中升高，2012年有38个高居留意愿城市，而到了2017年则上升到了60个。这一结果说明我国高居留意愿城市逐渐增多，在某些城市中打算长期居留的流动人口比重越来越高；而从另一方面也说明对流动人口具有生活吸引力的“选择”也越来越多，这或许会提升一定的时期流动性。城市的高居留意愿实际上是流动人口“用脚投票”的结果。若从个体整个生命周期来看，流动和居留不仅发生时间较长，而且具有很大可能多次发生。这就意味着，高吸引力的城市不断增加时，从时期上流动人口更有动力继续流动，而从队列上定居城市的可能性更大。长此以往，“年少流出，年老返乡”的预期模式将会打破。

表SEQ表\*ARABIC82012-2017年处于不同居留意愿水平分类的城市数量（单位：个）

高意愿

较高意愿

一般意愿

较低意愿

低意愿

2012

38

89

89

69

25

2014

47

69

97

82

15

2015

35

91

103

67

14

2016

44

90

87

61

28

2017

60

101

87

50

12

从横向对比来看，城市之间的居留意愿差别极大。根据样本数据展示结果，居留意愿跨度从0%到100%。这一结果虽然因为个别城市样本数量限制而出现极端情况，但也在一定程度上反映出了城市之间居留吸引力的异质性。通过2012年和2017年流动人口居留意愿分布地图，可将前文分析的区域间变化可视化（见REF_Re\h图17）。整体上深颜色空间单元增加，地图更“暗”。我国北部和东北地区高居留意愿城市聚集，且数量增多；中部地区更多城市颜色变深；西部、西南地区深色区块减少。从具体的城市看，德州市、七台河市、雅安市、淮北市、哈密地区、日照市、通辽市、迪庆藏族自治州、盘锦市和中卫市是2012年居留意愿最高的十个城市。佳木斯市、湛江市、琼中黎族苗族自治县、日照市、齐齐哈尔市、盘锦市、广元市、秦皇岛市、丹东市、七台河市是2017年居留意愿最高的十个城市。辽宁省、黑龙江省、山东省的城市频频上榜。

图SEQ图\*ARABIC172017年流动人口居留意愿空间分布图

图SEQ图\*ARABIC172017年流动人口居留意愿空间分布

图172012年流动人口居留意愿空间分布

空间分布地图能够直观的呈现我国流动人口居留意愿的具有空间异质性且存在一定的空间联系特征，而非随机分布。为了能够更加定量的检测具体空间关系，我们借助Moran’sI指数来进行空间自相关分析。

全局空间自相关分析

2012–2017年，我国各城市平均流动人口居留意愿的Moran’sI指数大于0，并通过了确切分布、正态分布和蒙特卡洛模拟的检测（见REF_Re\h表9）。这说明我国流动人口居留意愿极大概率不是随机分布的，而是具有显著的正向空间依赖关系，各区域与其周边同步升高或降低的。在五年间指数数值出现上升、下降、又上升的走势，不过对比2012年的0.176，2017年出现大幅度上升，至0.309。这说明与2012年相比，2017年各城市与邻近城市之间的关系更强。

表SEQ表\*ARABIC92012-2017年流动人口各城市平均居留意愿MoransI及显著性检验

年份

Moran’sI

Exactp-value

Normaldistributionp-value

MonteCarlop-value

2012

0.17