中国35大中城市宏观数据统计
中国70个大中城市人口迁移空间网络结构及影响因素分析
收稿日期:2023-03-22基金项目:广西高校中青年教师基础能力提升项目 基于交通网络运输的中越跨界旅游地合作机制研究 (项目编号:2021K Y 0755);广西民族师范学院2022年度校级科研资助项目 数字经济助推广西旅游高质量发展的耦合机制与政策研究 (项目编号:2022Y B 028);广西民族师范学院经济与管理学院跨境电商建设教师能力提升项目 数字经济赋能广西物流高质量发展的机制与路径研究 (项目编号:K J D S K Y Z D 202205)作者简介:罗瑶(1987 ),男,湖南衡阳人,广西民族师范学院讲师,硕士,研究方向:人口迁移和旅游流㊂通讯作者:易肖肖(1993 ),女,湖南攸县人,教师,硕士,就职于广西民族师范学院,研究方向:人口迁移与旅游合作㊂中国70个大中城市人口迁移空间网络结构及影响因素分析罗 瑶,易肖肖(广西民族师范学院,广西崇左 532200) 摘 要:人口迁移是中国快速发展过程中一个不容忽视的社会现象,也是地理学长期关注的焦点之一㊂文章构建迁移人口空间关联模型,运用社会网络分析(S N A )法,探究70个大中城市人口迁移网络的整体和个体网络结构特征,运用Q A P 分析方法探索影响人口迁移网络演化的主要因素,研究发现:①京津冀城市群㊁长三角城市群㊁珠三角城市群中的城市与其他大中城市人口迁移空间关联密切,其他大中城市人口迁移空间关联强度偏弱㊂②北京㊁天津㊁上海㊁杭州㊁南京㊁武汉㊁长沙㊁深圳㊁广州等城市处于70个大中城市人口迁移网络的中心位置,与其他城市的联系紧密,具有较强人口聚集能力;乌鲁木齐㊁西宁㊁大理㊁北海㊁韶关㊁牡丹江㊁锦州处于网络的边缘部分,影响力较弱㊂③在人口迁移的影响因素中,就业机会㊁城市规模㊁收入水平和基础设施等因素与城市人口迁移网络的演化存在正相关关系,且这些因素差异越大,对人口迁移促进作用就越大,消费水平和空间距离与城市人口迁移网络结构存在负相关关系;消费水平和空间距离的等级差异阻碍人口迁移,消费水平作用力大于空间距离㊂关键词:社会网络;人口迁移;Q A P ;引力模型 中图分类号:C 92 文献标识码:A 文章编号:1007 6921(2023)21 0022 081 问题的提出人口迁移是中国快速发展过程中一个不容忽视的社会现象,也是地理学长期关注的焦点之一㊂根据2015年全国1%人口抽样调查资料显示,70个大中城市的迁移人口数量为1713.72万人㊂城市经济发展依赖于人口的智力支撑和劳动力支撑㊂在城市间社会经济的推力和拉力的共同作用下,迁移群体综合考虑主客观因素做出迁移决策,导致大量群体城市间迁移,特别是大中城市间㊂国内外学者对人口迁移做了大量的研究,关于人口迁移的系统研究最早可追溯到英国学者R a v e n s t e i n [1]总结的人口迁移七项规则㊂国外学者较多关注是人口迁移的经济学和计量学模型(Z i pf ,1946;L e e ,1966;T o d a r o ,1969;G a r gi u l o ,2012)[2-5]㊁人口迁移机制(J e a n t y,2010)[6]和人口迁移模拟(S i m i n i ,2012;N o u l a s ,2012)[7-8]㊂从20世纪70年代开始,国内学者逐渐关注人口迁移研究,主要集中在省际人口迁移规律(盛广耀,2018;李毅等,2017;吕安民等,2002)[9-11]和影响机制上(朱传耿等,2001;王桂新等,2013)[12-13],近些年开始关注区域城市间的人口迁移,主要利用移动A p p 位置大数据[14-15]和人口普查数据[16-17],多使用空间自相关(E S D A )[18]㊁B P 神经网络[19]㊁社会网络[20-21]和空间统计[22]等方法,所采用的分析单元主要有区域㊁省级㊁地级市等,对于大中城市间的人口迁移研究少见㊂在人口迁移的影响因素上,国内学者多采用时间序列或截面数据做多元回归分析,探讨某些因素与人口迁移的联系,属于 属性 -属性 研究,㊃22㊃2023年11月内蒙古科技与经济N o v e m b e r 202321535I n n e r M o n g o l i a S c i e n c e T e c h n o l o g y &E c o n o m yN o .21T o t a l N o .535而城市间某些指标的差异矩阵与人口迁移空间网络矩阵的 关系 - 关系 研究较少有学者涉及㊂笔者运用 关系 - 关系 研究方法-社会网络分析,使用人口迁移差异指标对中国70个大中城市人口迁移考察,探索大中城市间人口迁移规律和空间网络结构及其影响因素,为城市的人才政策制定和人口有序流动提供理论借鉴㊂2研究方法与数据来源社会网络 指的是社会行动者(S o c i a l A c t o r)及其间的关系集合[23]㊂城市间迁移人口作为一类特殊的社会结构群体,其社会网络是由多个城市和其他城市之间的人口迁移连线组成的集合㊂笔者通过社会网络分析法能够将迁移人口中的城市关系㊁城市人口迁移网络与宏观社会经济社会网络结合起来,从而确定城市间迁移人口结构中的空间关联关系及其影响因素㊂2.1迁移人口空间关联模型查阅人口迁移空间关联相关文献,研究方法一般为V A R检验法或引力模型法,人口迁移引力模型使用截面数据考察若干个城市(区域)人口迁移的时空格局和演变关系,可使用A r c G I S或N e t d r a w 等软件实现可视化㊂因此,笔者采用引力模型法[20]对迁移人口空间关联网络结构的动态演变趋势进行分析,由于引力模型法的广泛性,为使其适应迁移人口研究,对其进行一定的优化,修正后的迁移人口引力模型为:y i j=k i j P i㊃G i㊃P j㊃G jd2i j;k i j=I i Ii+I j(1)其中,y i j表示城市i与城市j之间的迁移人口空间关联强度;P i和P j表示城市i和城市j年迁移人口;I i和I j表示城市i和城市j的工业生产总值;G i和G j表示城市i和城市j的国内生产总值G D P; k i j表示城市i对城市i和城市j间迁移人口空间关联的贡献率;用d i j表示城市i和城市j人民政府之间的球面距离㊂由式(1)可得出70个大中城市迁移人口的引力矩阵(A)㊂笔者选取关联强度50作为阈值,当矩阵(A)中某市的关联强度大于阈值时,则表示该行城市i与该列城市j的迁移人口具有空间关联关系,用1表示㊂相反某市的关联强度小于阈值时,则表示该行城市i与该列城市j的迁移人口不存在空间关联关系,用0表示,经过阈值计算的矩阵(A)变成了二值化的矩阵(B)㊂这里需要说明的是y i j和y j i分别表示城市i对城市j迁移人口空间关联强度和城市j对城市i迁移人口空间关联强度,不是同一个概念,因此,矩阵(B)为一个非对称的矩阵,城市间人口迁移关联强度是有向的㊂也可以通过U c i n e t软件进行二值化出来,得到矩阵(B)㊂2.2迁移人口空间网络特征人口迁移空间关联网络特征一般由整体网络特征㊁个体(节点)网络特征和空间聚类三大类组成㊂2.2.1整体网络特征㊂描述整体网络特征通常用的指标有网络密度和网络关联度㊂笔者认为70个城市人口迁移空间网络是有向网络,即城市i既要考虑人口迁出,又要考虑人口迁入㊂网络密度指人口迁移网络中就是 实际关系数 除以 理论上的最大关系数 ,表示网络中各个城市之间的人口流动紧密程度,取值范围为[0,1]空间关联网络对各城市迁移人口影响越大[23]㊂反之,对各城市域迁移人口影响不大㊂具体公式为:D=ðn i=1ðn j=1d(c i,c j)/n(n-1)(2)式中:n为城市网络规模即城市个数;若城市i 与城市j间有相关联系,则为d(c i,c j)为1,无任何联系则为d(c i,c j)为0㊂2.2.2个体网络特征㊂描述节点网络特征通常用点度中心度㊁中介中心度和接近中心度等指标[23]㊂点度中心度表示各城市处于迁移人口空间关联网络的中心位置程度,一般用连接数量作为点度中心度的衡量指标㊂连接数量越多则点度中心度越高,表示该城市与其他城市迁移人口空间关联联系越多,城市更加处于网络中心地位㊂中介中心度表示某城市在多大程度上控制其他城市间的空间关联关系,中介中心度越高则说明该城市控制其他城市空间关联关系的能力越强,该城市越能处于空间关联网络的中心㊂接近中心度与中介中心度相反,表示某城市在空间关联网络中不受其他城市控制的能力,接近中心度越高说明该城市更多地直接关联其他城市,属于空间关联网络中的中心行动者㊂点度中心度㊁中介中心度和接近中心度的计算公式分别为:C R D(i)=C A D(i)n-1(3)C-1R Pi=C-1A Pin-1=ðn j=1d i jn-1(4)C R Bi=2C A B i(n-1)(n-2)=2ðn jðn k b j k(i)(n-1)(n-2)㊃32㊃罗瑶,等㊃中国70个大中城市人口迁移空间网络结构及影响因素分析2023年第21期=2ðn jðn k g j k(i)/g j k(n-1)(n-2)(5)公式(3)中,C R D(i)为区域i的相对度数中心度, C A D(i)为点i的绝对度数中心度,n是指网络中与点i相连的其他点的最大个数㊂公式(4)中,C-1R P i, C-1A P i分别表示区域i的相对接近中心度和绝对接近中心度;d i j表示点i和j之间的捷径距离㊂公式(5)中,C R B i为点i的相对中间中心度;C A B i为点i的绝对中间中心度;b j k(i)表示点i能控制点j㊁k交往的能力;g j k表示点j㊁k之间存在的捷径数目;g j k(i)表示点j㊁k之间存在的经过点i的捷径数目;其中b j k(i)=g j k(i)/g j k㊂2.2.3空间聚类特征㊂在人口迁移网络结构研究中,把行动者分到各个派系(或者子群)之中,这是一种重要的研究方向㊂一般描述空间聚类采用块模型方法㊂块模型方法将一个复杂网络图分为一些特征㊁性质相似㊁相对独立的 块 ,用来考察每个 块 之间是否存在关系[23]㊂从网络结构维度出发,测算人口流动网络节点间的可达性,关联度表示网络连通程度,各个节点的网络密度均值即为整体网络的聚类系数㊂根据节点之间的关联度,得出关联引力矩阵,生成引力线㊂计算公式如下:C=1-V[n(n-1)]/2(6)式中:C为关联度;V为网络不可达的相应节点数量;n为网络规模㊂2.3 Q A P回归分析在研究城市人口迁移的影响因素,常见的方法有多元回归和Q A P回归分析㊂在常规的多元回归分析中,前提条件之一是要求多个自变量之间相互独立,否则会出现 共线性 [23]㊂在完全共线性和近似共线性的条件下,将得不到O L S(最小二乘法)估计量非有效㊂Q A P(Q u a d r a t i c A s s i g n m e n t P r o c e-d u r e,二次指派程序)是一种对两个方阵中各个格值的相似性进行比较的方法,即它对方阵的各个格值进行比较,给出两个矩阵之间的相关性系数㊂由于该方法可适用于观察值存在共线性㊁自相关等情况,因而比O L S更加适合于网络数据的分析㊂2.4数据来源与处理人口迁移数据来源主要由全国人口普查㊁全国1%人口抽样调查是研究和移动终端迁徙大数据(如百度迁徙大数据和腾讯位置大数据),而移动终端迁徙大数据利用实时流动人口位置数据来分析人口流动,而全国人口普查和全国1%人口抽样调查则可以用来分析人口迁移情况㊂笔者选择最新的‘2015年全国1%人口抽样调查“长表数据中在70个大中城市居住时间超过半年的迁移人口数据,各城市的国内生产总值G D P和工业生产总值由2016年‘中国县市统计年鉴“获得㊂城市间球面距离参考樊东卫等[24]三维直角坐标系计算方法,并结合中国70个大中城市行政中心的经纬度数据表计算得出㊂在分析70个大中城市人口迁移的影响因素时,笔者选取城市市辖区二㊁三产业就业人数(人)表示就业机会;城市建设用地面积(平方公里)表示城市整体规模;城镇职工平均工资(元)表示就业水平;二㊁三产业地区生产总值(万元)表示城市经济发展水平㊁固定资产投资(万元)表示城市基础设施建设;人均社会消费品零售总额(万元)表示城市消费水平;用城市间的球面距离表示城市间的空间距离㊂鉴于不同网络数据的量纲不同,先采用极差标准化对人口迁移的自变量差值网络矩阵数据(不包括对角线)进行预处理,再使用Q A P对人口迁移网络的影响机制进行相关回归分析㊂3中国70个大中城市人口迁移空间网络结构3.1人口迁移空间关联强度笔者选择纳入国家房地产价格指数编制的70个大中城市(70个大中城市分别是北京㊁天津㊁石家庄㊁太原㊁呼和浩特㊁沈阳㊁大连㊁长春㊁哈尔滨㊁上海㊁南京㊁杭州㊁宁波㊁合肥㊁福州㊁厦门㊁南昌㊁济南㊁青岛㊁郑州㊁武汉㊁长沙㊁广州㊁深圳㊁南宁㊁海口㊁重庆㊁成都㊁贵阳㊁昆明㊁西安㊁兰州㊁西宁㊁银川㊁乌鲁木齐㊁唐山㊁秦皇岛㊁包头㊁丹东㊁锦州㊁吉林㊁牡丹江㊁无锡㊁扬州㊁徐州㊁温州㊁金华㊁蚌埠㊁安庆㊁泉州㊁九江㊁赣州㊁烟台㊁济宁㊁洛阳㊁平顶山㊁宜昌㊁襄阳㊁岳阳㊁常德㊁惠州㊁湛江㊁韶关㊁桂林㊁北海㊁三亚㊁泸州㊁南充㊁遵义㊁大理)作为研究对象,70个样本城市房地产开发投资额占全国城市房地产投资开发总额的份额80%以上,其人口数量和经济总量都具有代表性㊂根据人口迁移空间关联模型(见公式1),计算70个大中城市人口迁移空间关联强度矩阵(70行ˑ70列),以70个大中城市与其他城市的人口迁移空间关联强度均值为纵坐标,城市为横坐标,制作成图1所示㊂从图1可以看出,关联强度均值的峰值出现在天津㊁上海和深圳,关联强度峰值集中在京津冀城㊃42㊃总第535期内蒙古科技与经济市群㊁长三角城市群㊁珠三角城市群,关联强度次峰值出现在海峡西岸城市群㊁长江中游城市群和渝中城市群,其他城市空间关联强度都比较小,整个人口迁移空间关联强度矩阵均值为257.02㊂可见,城市间人口迁移强度在空间地理呈现一定程度的集中,沿海地区城市群与其他城市关联性强,中部地区城市群人口迁移吸引力较强,整体关联系数呈现东部㊁中部和西部地区梯度减弱的形态㊂图1 大中城市人口迁移空间关联强度均值为消除关联强度大小的影响,笔者根据70个大中城市人口迁移空间关联强度矩阵(70行ˑ70列)运用变异系数法(C V )考察除本身以外69个城市人口迁移关联强度的集中程度[16]㊂结合均值综合来看,天津㊁上海㊁扬州㊁宁波㊁泉州㊁广州等城市变异系数小,均值大,说明这些城市对其他城市人口迁移引力强度大;包头㊁吉林㊁郑州㊁三亚㊁遵义和西宁等城市变异系数小,均值也小,说明这些城市对其他城市人口迁移引力弱;秦皇岛㊁沈阳㊁哈尔滨㊁徐州㊁安庆㊁南昌㊁郑州㊁桂林㊁兰州㊁乌鲁木齐等城市变异系数大,均值小,说明这些城市对其他城市人口迁移引力强度弱,但对部分城市吸引力强,如郑州与北京㊁石家庄㊁太原和呼和浩特的关联强度较强,秦皇岛与北京㊁大连的关联强度较强;南京㊁青岛㊁武汉㊁成都等城市变异系数大,均值大,说明这些城市对其他城市人口迁移引力强度普遍较强,但由于地缘等因素对少部分城市吸引力表现较弱㊂综上,70个样本城市在吸引人口迁移上作用和集中程度存在较大差异,这与户籍制度㊁人才需求和产业结构等因素有着较大的关联㊂3.2 整体网络特征首先以70个大中城市作为社会网络的节点,将经过二值化处理的人口迁移空间关联强度作为网络的边,然后将二值化的关系矩阵导入U c i n e t 6.0软件,以N e t D r a w 绘图工具生成中国70个大中城市人口迁移城市的可视化网络结构图,如图2所示㊂图2反映了70个城市相互关联㊁错综复杂的网络㊂从图中可以看出,京津冀城市群的北京和天津,长三角城市群的上海㊁杭州㊁南京,长江中游城市群的武汉㊁长沙,珠三角城市群的深圳㊁广州等城市处于网络中心位置,与其他城市的联系较为紧密,人口吸引力能力较强,能够对其他城市产生影响;西北地区的乌鲁木齐㊁西宁,西南地区的大理㊁北海,中部地区的韶关㊁九江㊁安庆和蚌埠,东北地区的牡丹江㊁锦州处于网络的边缘部分,它们对其他城市的影响力较弱㊂从经济发展水平上看,中心节点城市大多处于某个城市群中,且是人均G D P 较高的区域,如北京市㊁上海市㊁江苏省㊁广东省等;从空间格局来看,京津冀地区㊁长三角地区㊁珠三角地区和环洞庭湖地区是人口迁移的主要集中地,形成了以4个地区为顶点,以人口迁移空间关联强度为连线的 四边形 结构㊂图2 70个大中城市人口迁移空间结构从整体网络密度来看,70个大中城市人口迁移空间网络的理论连线为4830个(70ˑ69),实际连线为1387个(阈值为50),整个网络密度为0.287㊂将阈值调整为257.02(空间关联均值),整个网络密度为0.0971,实际连线为469个,说明整个网络中,绝大多数城市间人口迁移关联性不强,弱关联占主要地位㊂3.3 个体网络特征中心度㊂70个大中城市人口迁移空间网络的中心度是通过点入度和点出度进行衡量,表示节点城市接受其他城市影响的程度和主动影响其他城市的程度㊂笔者借助运用U c i n e t -D e g r e e 法㊁U c i n e t -C l o s e n e s s 法和U c i n e t -B e t w e e n n e s s 法计算后得出,70个大中城市网络点度中心度的点出度为31.15%,点入度为63.50%;接近中心度的点出度均值为33.77%,点入度均值为14.70%;网络中介中心度为9.88%㊂具体各城市在整体网络中的中心位置和状态情况表1中分别列出并给出排序结果,由表1可以得出如下结论:①在70个大中城市人口迁移网络的点出度排序中,太原㊁武汉㊁北京㊁呼和浩特㊁合肥㊁上海㊁南京㊁长沙等城市的点出度值排㊃52㊃罗瑶,等㊃中国70个大中城市人口迁移空间网络结构及影响因素分析2023年第21期在前10位,远高于其他城市,这反映出这些处于社会网络地核心地位,对其他城市产生外部性影响㊂从点入度可以看出,上海㊁北京㊁深圳㊁武汉㊁广州㊁天津㊁长沙㊁郑州㊁杭州排在前10位,人口迁移活动频繁,吸引其他城市大量的人口涌入,具有较强人口聚集能力㊂结合点度中心度来看,北京㊁上海㊁武汉㊁深圳㊁广州㊁天津㊁长沙㊁郑州㊁南京等城市处于人口迁移网络的核心位置,是大中城市的人口迁移的首选地㊂②根据70个大中城市人口迁移网络的接近中心度显示,上海㊁北京㊁深圳㊁武汉㊁广州㊁天津㊁郑州㊁长沙㊁杭州㊁南京等城市具有极高的外向接近中心度,说明这些城市和其他城市间的人口迁移联系相当紧密,人口迁移较少受到其他城市影响;丹东㊁牡丹江㊁乌鲁木齐㊁太原㊁三亚㊁呼和浩特㊁北京㊁武汉㊁合肥㊁上海内向接近中心度相对较高,说明在人口迁入过程中其他城市影响较低㊂除丹东㊁牡丹江㊁乌鲁木齐㊁三亚㊁大理等城市的接近中心度较小,其他城市的接近中心度均在20%~30%之间,整个网络的整体联结性较好㊂③从中介中心度来分析,丹东㊁锦州㊁牡丹江㊁平顶山㊁韶关㊁北海㊁三亚㊁大理㊁西宁㊁乌鲁木齐等10个城市中介度为0,说明这些城市处于70个大中城市人口迁移的边缘位置,人口迁移联系较弱㊂北京㊁广州㊁深圳㊁上海㊁武汉㊁成都㊁长沙㊁天津㊁西安㊁太原等10个城市中介中心度最高,表明这些城市在70个大中城市中处于核心圈层,与其他城市的人口迁移空间联系较为紧密㊂表1 70个大中城市人口迁移个体网络中心度城市点出度点入度点度中心度排序接近中心度排序中介中心度排序北京386171.74131.582510.041天津315360.87630.226167.468石家庄272638.412326.562421.2227唐山121318.124124.79363.2843秦皇岛14413.044923.66461.0351太原412144.931826.3126139.0510呼和浩特381236.232624.973555.1221包头14513.774723.96430.5754沈阳201827.543425.513371.2718大连282840.582226.772373.7316丹东604.35658.78660.0061锦州848.705923.49500.0062长春9913.045023.914516.7031吉林747.976320.61621.3350哈尔滨9610.875323.66479.0635牡丹江402.90678.66670.0063上海356371.01231.861272.044表1(续)城市点出度点入度点度中心度排序接近中心度排序中介中心度排序南京354457.25929.031082.9014无锡283847.831328.081519.0429扬州192632.612826.51252.0846徐州202230.433125.90304.5238杭州324656.521029.21961.0420金华312742.031926.912219.1628温州262134.062726.17283.6042宁波273645.651627.831616.5532合肥374055.801128.541280.7615蚌埠19517.394324.09400.0659安庆16716.674423.64480.0660福州232232.612926.22274.0740泉州223138.412427.172011.3933厦门231930.433225.63318.4736南昌292942.032027.092128.9425九江18919.573824.40370.7153赣州11612.325223.39520.3356青岛253946.381528.211445.3022济南323145.651727.181936.7823烟台203237.682527.201826.0226济宁231829.713325.63322.4344郑州324958.70829.648131.0111洛阳211425.363525.183410.2934平顶山12310.875422.71570.0064武汉395568.12330.644229.685宜昌191121.743624.27384.5239襄阳16918.124224.05411.9048长沙354960.87729.687171.677岳阳19718.843923.91441.7849常德17415.224523.45510.1458广州315461.59530.365301.512深圳305662.32430.653285.733韶关938.706023.13540.0065惠州242132.613025.952933.9224湛江758.706123.225389.7213南宁161018.844024.123965.2219桂林13513.045123.51490.5155北海435.076419.60630.0066海口1028.706219.58647.0037三亚302.17688.56690.0067重庆154241.302128.4113114.2812成都284452.171228.9111206.436泸州10410.145622.29592.3745南充10410.145722.75561.9247贵阳20820.293723.974217.6430遵义11310.145822.53580.9452昆明14614.494622.98553.8941大理000.00701.43700.0068西安333247.101427.5317160.519兰州14513.774822.136073.1417西宁514.356618.53650.0069银川12310.875521.02610.2057乌鲁木齐10.72698.59680.0070㊃62㊃总第535期内蒙古科技与经济3.4 凝聚子群分析根据70个大中城市网络人口迁移关系的结构,利用U c i n e t -C o n c o r 法进行聚类分析㊂70个大中城市网络凝聚子群是考察70个城市间人口迁移联系的紧密关系与旅游合作的协同步骤,并以此可确定凝聚子群间的亲疏关系(见图3)㊂通过凝聚子群图可以看出,可以将70个大中城市人口迁移联系网络大致分为以下五大类别:①京津冀城市群的北京㊁天津,山东半岛的济宁㊁青岛㊁济南,中原城市群的郑州㊁洛阳,长三角城市群的蚌埠㊁南京㊁徐州㊁合肥㊁扬州等相互产生人口迁移关联作用㊂②长三角城市群的上海㊁杭州㊁金华㊁宁波㊁温州㊁安庆㊁无锡;海峡西岸城市群的福州㊁泉州㊁厦门;长江中游城市群的武汉㊁九江㊁南昌㊁长沙;珠三角城市群的广州㊁深圳和渝中城市群的成都㊁重庆等城市组成的凝聚子群,人口迁移关联作用相互紧密㊂③辽中南城市群的哈尔滨㊁沈阳㊁丹东㊁长春㊁吉林㊁牡丹江与渤海湾的秦皇岛㊁唐山等8个城市组成的凝聚群,相互产生人口迁移关联作用㊂④西北地区的乌鲁木齐㊁兰州,西南地区的昆明㊁遵义㊁大理㊁宜昌㊁南充等7个城市组成的凝聚群,相互产生人口迁移关联作用㊂⑤环北部湾的湛江㊁北海㊁海口㊁三亚4个城市组成的凝聚群,相互产生人口迁移关联作用㊂图3 70个大中城市网络凝聚子群分析分析结果与城市地理分布相近,同一凝聚子群内的城市间经济联系具有很强的相似性㊂在区域人口迁移一体化过程中,不同区域组团以人才引进㊁求学㊁家属随迁等方式实现人口迁移,城市群人口迁移网络化表现为中心-枢纽-网络结构的多维嵌套模式㊂由于人口是城市发展的基础保障和重要资源,各城市间会出台相应政策引进人口和扩大招生指标,难以避免会形成多中心割据和地方保护主义㊂因此,各城市主体需要进一步加强人口有序流动,促进70个大中城市劳动力要素自由流动,逐步形成多中心㊁网络化协同发展的合理人口空间格局㊂4 70个大中城市人口迁移影响因素分析4.1 理论分析构建人口迁移网络是由城市节点和连接线组成的关系网络,影响人口流动的各种因素同样会对人口流动网络的形成与演化产生影响㊂在人口迁移网络中,不仅要考虑迁移强度的大小,而且要考虑城市间的相互作用,这不仅包括人口流动地区之间复杂的相互联系,也包括各种影响因素地区之间相互的差异关系[9]㊂不同于人口流动影响因素的 属性 研究,人口迁移网络更加侧重于 关系 研究,而这就需要采用社会网络分析方法分析城市间各种因素的相互关系来揭示影响人口迁移网络演化的主要因素㊂4.1.1 地区差异是人口迁移的基本条件㊂根据西方人口理论,迁入地与迁出地之间在经济社会发展水平等方面的差异,是引发人口迁移最基本的动力机制[6]㊂城市的经济发展水平决定了城市的经济体量,同时,也决定城市产业发展和结构,特别是工业和服务业㊂城市经济发展带来了巨大的就业机会和相对较高的工资收入水平㊂4.1.2 人居环境是影响人口迁移决策的重要因素㊂城市规模的大小决定了技术设施投入,而城市基础设施决定公共服务水平㊂不同于乡城迁移,城市间人口迁移追求更加便利的生活服务和充裕的公共服务供给㊂4.1.3 生活成本是阻碍城市人口迁移的重要因素㊂①商品房和租房价格直接会影响城市居民的固定生活成本;②城市间的消费水平差异也是影响人口迁移决策的因素㊂空间距离通过影响社会关系㊁生活习惯和出行成本等方面对城市间人口迁移起作用㊂综上所述,70个大中城市人口迁移网络的形成演化与城市间一系列具有差异关系的影响因素相联系,主要受就业机会㊁城市规模㊁收入水平㊁发展水平㊁基础设施㊁消费水平和空间距离的影响㊂4.2 模型设定与变量选择根据上述理论分析,构建以人口迁移网络关系矩阵为因变量,以影响城市间人口迁移因素的地区差值矩阵为自变量的 关系 -关系 的分析模型(指标变量如表2所示)㊂因变量是城市间人口迁移的净增量的关系矩阵构成㊂自变量中,就业机会用㊃72㊃罗瑶,等㊃中国70个大中城市人口迁移空间网络结构及影响因素分析2023年第21期。
中国大中城市健康老龄化指数报告(2019~2020)(选摘)
32 《 质量与认证》2020·11关注Focus 编辑 王思童本报告强调健康老龄化是全球应对老龄化问题的重要战略对策，是我国积极、科学、综合应对人口老龄化长期挑战的坚实基础，是发展同经济社会发展水平相适应的银发新经济的主要动力。
本报告提出的有中国特色的积极老龄化建设，是我国经济社会发展与人口老龄化进程相适应的目标，只有实施积极的“健康老龄化”，才谈得上抢抓“人口老龄化带来的机遇”，才能实现“两个一百年”的奋斗目标。
一、中国人口老龄化形势研判及其影响习近平总书记在讲话中将人口老龄化国情高度概括为“三最”，即“数量最多、速度最快、应对任务最重”。
具体而言，今后我国人口老龄化发展将经历“四个阶段”，呈现“四大特征”。
第一阶段，老龄化快速发展阶段（2000～2022年）。
这一阶段内老年人口由1.31亿增加到2.68亿，老龄化水平从10.31%提高到18.5%。
这一阶段的典型特点是“底部老龄化”显著，儿童人口数量和比例不断减少，劳动力资源供给充足，社会抚养负担相对较轻。
第二阶段，老龄化急速发展阶段（2022～2036年）。
老年人口的数量将从2.68亿增加到4.23亿，老龄化程度将《中国大中城市健康老龄化指数报告（2019~2020）》是“健康老龄化”蓝皮书系列的第三部成果。
该报告于10月16日，在“美好老龄 领见未来”高峰论坛暨最佳思想与实践成果发布会上发布。
本文是报告内容选摘，并经作者授权刊发。
中国大中城市健康老龄化指数报告（2019～2020）（选摘）文／杨一帆 张雪永 陈杰 钱磊从18.5%提升到29.1%。
这一阶段的典型特点是，随着生育率的不断走低，我国总人口规模将达到峰值，随即进入负增长，但是老年人口数将急剧增长，人口老龄化问题将井喷式显现。
第三阶段，老龄化深度发展阶段（2036～2053年）。
老年人口规模从4.23亿增加到4.87亿，人口老龄化程度将从29.1%提高到34.8%。
这一阶段的典型特点是，人口总数一直呈现负增长且速度在加快，人口老龄化越发显著且呈现高龄化的现象，社会抚养比将达到最大值（103%）。
中国价格统计年鉴全国各省市区数据：4-3-8 2018年70个大中城市144m2以上二手住宅销售价格指数
4-3-8 2018年70个大中城市144m2以上二手住宅销售价格指数HousingPriceIndices ofAbove 144m2Second-HandResidentialBuildingsin 70 Largeand Medium-Sized(以上月价格为100)(Last天 津Tianjin101.0100.3100.0102.3101.3石家庄Shijiazhuang99.8100.4100.499.8101.0太 原Taiyuan101.199.7102.0100.6100.6呼和浩特Hohhot100.3100.4100.3100.4100.7沈 阳Shenyang100.0100.899.8100.3100.4大 连Dalian100.5100.3100.5100.1100.6长 春Changchun100.4100.3100.3100.5100.7哈尔滨Harbin100.3100.6101.5101.2101.1上 海Shanghai99.798.9100.199.899.9南 京Nanjing99.699.7100.9101.2100.4杭 州Hangzhou100.0100.4100.7100.8100.6宁 波Ningbo100.6100.5100.5100.3100.9合 肥Hefei100.199.9100.2100.2100.1福 州Fuzhou100.099.4100.0100.099.3厦 门Xiamen99.499.699.799.6100.1南 昌Nanchang100.3100.1100.3101.4100.8济 南Jinan100.0100.0100.3100.1100.5青 岛Qingdao100.1100.3101.4100.9100.8郑 州Zhengzhou99.699.9100.099.9100.0武 汉Wuhan100.6100.199.899.9101.5长 沙Changsha100.4100.299.8100.2100.4广 州Guangzhou99.799.5102.0100.5101.4深 圳Shenzhen101.2102.9100.0100.0101.0南 宁Nanning100.6100.4101.299.499.8海 口Haikou101.1100.0101.8101.3101.7重 庆Chongqing100.2100.2100.4100.6101.2成 都Chengdu100.5100.199.199.8100.8贵 阳Guiyang101.1100.2100.3100.9100.6昆 明Kunming100.4100.0101.0100.5101.9西 安Xi'an100.199.3101.5101.8101.0兰 州Lanzhou100.8100.0100.1100.1100.6西 宁Xining100.4100.0100.199.7100.1银 川Yinchuan100.499.8100.0100.199.8乌鲁木齐Urumqi101.0100.8102.2101.8101.74-3-8 续表(以上月价格为100)Continued(Last秦皇岛Qinhuangdao100.1100.3101.2100.4101.0包 头Baotou100.0100.0100.1100.4100.5丹 东Dandong100.2100.5100.0101.2101.0锦 州Jinzhou100.0100.3100.5100.5100.5吉 林Jilin100.2100.0100.1100.2100.6牡丹江Mudanjiang99.7100.099.9100.4100.5无 锡Wuxi100.599.9100.0100.1100.2扬 州Yangzhou100.0100.3100.5100.899.9徐 州Xuzhou100.5100.8100.2100.6100.8温 州Wenzhou99.999.8100.0100.1100.1金 华Jinhua100.4100.8100.3100.9100.5蚌 埠Bengbu100.1100.1100.1100.0100.0安 庆Anqing100.1100.7100.199.8100.1泉 州Quanzhou100.0100.1100.1100.1100.6九 江Jiujiang100.0100.1100.099.9100.7赣 州Ganzhou100.5100.299.9100.2100.4烟 台Yantai100.2100.2100.3100.3100.7济 宁Jining100.0100.6101.6101.0101.4洛 阳Luoyang100.1100.2100.2100.0100.1平顶山Pingdingshan100.1100.3100.3101.1100.8宜 昌Yichang100.9100.3100.4100.4100.5襄 阳Xiangyang100.299.699.7100.8100.3岳 阳Yueyang100.4100.4100.1100.4100.6常 德Changde100.3100.1100.1100.1100.4惠 州Huizhou100.2100.3100.3100.5100.2湛 江Zhanjiang100.1100.2100.2100.2100.3韶 关Shaoguan99.4100.3100.2100.7100.6桂 林Guilin100.599.699.6100.1100.3北 海Beihai99.6100.0100.2100.0100.9三 亚Sanya100.1100.1100.6101.5101.2泸州Luzhou100.1100.1100.2100.2100.1南 充Nanchong100.4100.7100.9100.9100.9遵 义Zunyi100.5100.5100.4100.1100.3大 理Dali100.5100.5100.3100.9100.698.7100.8101.0100.2100.799.5100.7100.9102.3101.4101.1100.2100.6100.0100.2101.0100.9101.2100.2101.6100.3 100.8102.3103.2102.5102.0103.1101.9 101.5101.5100.9101.0100.1101.1101.0 101.2100.8101.4101.4100.6101.9100.9 102.0100.1100.9100.4101.0101.0100.4 100.6102.1101.6101.7100.8100.8101.0 99.499.499.8100.1100.3100.399.7 101.199.9100.9101.1100.5101.499.5 100.9100.7100.9100.299.6100.199.8 100.5101.1101.5100.299.799.599.6 100.6100.2101.0100.7100.299.8100.4 100.0101.1100.2100.5101.299.799.6 100.099.799.899.799.499.599.6 101.2101.7102.2100.6101.0101.4100.6 100.6102.2103.3101.4100.4100.5100.8 100.6101.8102.1100.8101.2100.499.3 100.4101.1100.7100.3100.199.599.7 100.4101.3101.3100.4101.0101.6101.0 101.3102.2101.9100.6101.0100.0100.3 99.7100.2101.099.8100.499.999.8 100.4100.1101.0100.399.599.9100.3 100.4100.0102.1100.1100.5101.2102.2 101.1103.4101.899.599.799.899.9 100.9101.4101.7100.7100.0100.1100.6 100.4102.2101.8100.3100.3100.5101.6 101.0101.9101.6102.8102.2101.3100.5 100.4102.6101.8102.0101.2101.3101.7 102.0100.9102.5102.8102.2100.8100.0 100.5100.6101.5102.1101.8101.5100.2 100.9100.2101.4101.9101.1101.0101.7 100.9100.8101.6101.5100.1100.6100.5 100.7100.3101.4100.9100.8100.3100.2100.7100.6102.3101.2100.7101.299.8 100.9101.0101.2100.8100.2101.0100.4 100.8100.6101.0100.398.8101.1100.9 100.8100.4100.0101.499.5101.8101.1 101.0101.1101.3101.1100.7101.7100.3 101.1101.2101.2101.2100.7100.2100.1 100.8100.9102.6101.4100.799.1100.4 100.3101.7101.9102.0101.3100.399.9 100.8101.8102.3101.4101.2100.3100.3 100.1100.2100.299.799.799.999.8 100.7101.2100.7100.0100.199.899.5 100.0101.6103.0100.9101.0101.3100.4 100.8100.8102.2101.4101.9100.699.9 100.4100.8100.6100.0100.199.799.3 100.8101.2101.0100.7101.1101.4100.5 100.9101.2101.4101.1100.5100.6100.6 100.6101.6101.3101.4101.3100.3100.7 101.7103.1102.6101.7101.5101.9101.3 100.7102.1101.2101.3100.6101.7101.099.8101.0100.9101.1100.5100.8100.9100.6101.7102.1102.2100.1100.5100.1 100.2101.3102.7101.2100.5100.9100.8 100.5100.5103.1101.8100.4100.1100.2 100.5100.8103.4101.4100.4100.199.9 100.2101.1101.1101.5100.9100.5100.0 100.6101.2101.5100.699.9100.499.9 101.0100.7100.9101.0100.0100.6101.0 100.7100.8100.7101.6100.3101.0100.4 100.9100.6102.0102.1100.5101.2100.8 101.0102.3102.1100.4100.0100.1100.7 100.6101.4101.8102.3100.5100.3100.0 100.9101.4102.6102.1100.7100.0100.0 100.6101.8102.0100.7100.4102.1100.5 100.6101.2102.0101.3101.4102.2101.0。
35个大中城市房价收入比排名
35个大中城市房价收入比排名作者：苏艳来源：《中国经济报告》2013年第11期自2003年中国房地产调控政策开始以来，始终以房价作为调控目标。
自2011年以来，国务院更是频繁提及“房价合理回归”。
但什么是合理房价？我们认为应该是和居民可支配收入相适应、涨幅和居民可支配收入涨幅相一致，为此，我们引入国外常用的房价收入比的概念。
由于中国东、中、西部所处的发展阶段不同、经济发展水平不同，为了统一衡量全国房价合理水平，本文对全国35个大中城市房价收入比的情况作一个横向比较，为政府、企业以及居民提供一个参考标准。
计算方法和衡量标准房价收入比是指房屋总价与居民家庭年收入的比值，不同机构可能采用不同的统计指标和不同的计算方法，本文采用的数据皆来自于国家统计局、地方统计局的官方数据，其中商品住宅特指一手房，不包括二手房（见图1）。
尽管房价收入比是一个全球通用的指标，但其合理范围却没有严格界定。
世界银行1998年对96个地区的统计资料显示，家庭收入在999美元以下（最低收入户）的国家（地区），房价收入比平均数为13.2；家庭收入在3000美元～3999美元（中等收入户）的国家（地区），房价收入比平均数为9；家庭收入在10000美元以上（高等收入户）的国家（地区），房价收入比平均数为5.6。
各国（地区）房价收入比的数值是高度离散的，这96个地区最高的为30，最低的为0.8，平均值为8.4，中位数为6.4。
一般而言，在发达国家，房价收入比超过6就可视为泡沫区。
由于中国统计制度存在不少漏洞，中国的房价收入比数据不如欧美国家准确，而且中国对商品住宅的统计口径与欧美国家也不同，可比性并不大。
根据中国的实际情况，我们认为全国房价收入比保持在6-7属合理区间。
全国总体房价收入比2012年，城镇居民人均可支配收入保持12.6%（名义）的增长，新建商品住宅价格增长为8.7%， 2008-2011年城镇居民人均住房建筑面积年平均增幅为2%，根据对历史数据规律性的研究，预计2012年城镇居民人均住房建筑面积增速为1%，则2012年房价收入比将持续回落至7.3，低于2011年的水平，接近6-7的合理区间，仍略偏高。
越来越大的城市：全国147城辖区人口超百万 未来特大城市更多
越来越大的城市：全国147城辖区人口超百万未来特大城市更多随着城镇化的进展，大中城市的规模也在不断扩大。
147城辖区人口过百万国家统计局日前发布的文章称，十八大以来，我国城市规模不断扩大，城镇化水平持续提高。
数据显示，2023年末，我国城市数量达到657个。
其中，直辖市4个，副省级城市15个，地级市278个，县级市360个。
在地级以上城市中，按2023年末市辖区户籍人口划分，100-300万人口规模的城市数量增长快速，达到121个，比2023年增加15个；300-500万人口规模的城市13个，增加4个；500万以上人口的城市达13个，增加1个。
也就是说，我国市辖区户籍人口超过100万的城市已经到了147个。
不过，衡量一个城市人口规模的大小，并不能简洁的以市辖区人口作为标准，这是由于市辖区尤其是一些偏远城区，往往还有大片农村地带，拥有大量农业人口。
以武汉为例，武汉的郊县早已全部改成区，2023年，武汉辖区年末常住人口1076.62万人。
不过由于武汉有13个区，不少偏远城区包含大片农村，在剔除农村人口数量后，武汉的城区人口离千万大关还有不小的距离。
此外，近几年来，一些地级以上城市将周边的县（县级市）纷纷改成区，这也带来了市辖区人口的快速增加。
而真实的城区人口数据大多数要小于市辖区人口数。
因此衡量一个城市人口规模的大小，还是要看城区人口规模和建成区面积。
国务院于2023年11月发布的《关于调整城市规模划分标准的通知》（下称《通知》）提出，城区是指“市辖区和不设区的市，区、市政府驻地的实际建设连接到的居民委员会所辖区域和其他区域。
”而市辖区内的农村地带，并不计入城区范畴。
目前住建部每年出版的《中国城市建设统计年鉴》，是对各大城市城区人口的最为具体的统计。
第一财经记者依据住建部公布的《2023年城市建设统计年鉴》，结合公开资料，统计梳理发觉，至2023年，已有36个城市的中心城区人口超过了200万大关，有85个城市超过了100万大关。
房地产价格泡沫测度及区域差异性研究以中国35个大中城市为例
房地产价格泡沫测度及区域差异性研究———以中国３５个大中城市为例范新英１，２，张所地２，冯江茹１（１畅山西大学商务学院，山西太原０３００３１；２畅山西财经大学，山西太原０３０００６）摘要：房地产价格的波动关系国民经济的健康发展和人民生活的和谐稳定，判断房价有无泡沫、泡沫程度大小是实施房地产调控政策的一个重要基础。
在综合考虑经济基本面和心理预期因素影响的基础上，对１９９９～２０１１年间３５个大中城市的房价建立动态面板数据模型，借助迭代回归方法计算均衡价格，将由经济基本面决定的均衡价格与实际价格进行比较，从而测算出各个城市房价泡沫度。
结论表明近几年我国大多数城市房价泡沫有加大趋势，但不同城市之间房价泡沫程度差异较大。
因此，房地产市场调控应考虑城市之间的差异性，采取差异化的调控政策。
关键词：房地产价格；泡沫；测度；差异中图分类号：Ｆ２９３畅３文献标识码：Ａ文章编号：１００４－９７２Ｘ（２０１３）１１－００４８－０６一、引言房价是房地产经济理论的核心内容，也是经济社会中人们关注的焦点问题。
房价波动不仅影响到人们的居住质量和生活水帄，也关系到国民经济的健康发展和社会的和谐稳定。
自１９９８年实行住房市场货币化改革以来，我国房地产市场得到了空前发展。
随着大部分城市房价的持续上涨以及城市间房价差异的不断增大，媒体关于我国房地产市场是否出现泡沫的话题不绝于耳。
伴随着２００９年部分城市房价飙升以及新一轮房地产调控政策的密集出台，步入２０１３年以来，我国大部分城市房价过快上涨的势头得到一定程度的遏制，但从我国近几年房价调控的长周期角度来看，房价越调越涨的怪状一直存在。
２０１３年伊始，“国五条”的及时出台奠定了今年房地产调控的主基调。
在此背景下，理论界和实务界对房价下一步的走势展开了激烈辩论，有关我国房地产市场是否存在泡沫、泡沫规模有多大的争论再次成为舆论焦点。
但因为关注的角度不同，采用的方法各异，难以形成普遍共识。
不过可以明确的是，严重的房地产泡沫一旦破裂会带来一系列严重后果，它会扰乱经济社会的正常运转，扭曲资源的合理分配，破坏金融系统的运作，引发全面的金融危机，甚至导致严重社会危机。
房地产价格、居民消费与经济波动关系研究——基于35个大中城市数据的BEKK模型分析
１正 态性 检 验 。通 过对全 国和 ３ 大 中城市 的 Ｒ Ｐ Ｒ 、 ５个 Ｅ 、 Ｃ和 Ｇ Ｐ进行 Ｊ Ｄ Ｂ检验 ， 果显 示 除 了太 原 、 结 呼
和浩特 、 宁波 、 重庆 、 口、 海 西宁和乌鲁木齐等七个城市的 Ｒ Ｐ Ｒ 、 Ｄ 不能通过正态性检验 ， Ｅ 、Ｃ Ｇ Ｐ 即不来源于 正态分布 ， 其他城市的这三个指标都接受正态性检验。虽然 以上七个城市的三个指标不能完全通过正态性 检验 ， 但是其密度函数的图像却非常接近正态分布 ， 因此 ， 为便于总体 的分析 ， 我们仍然假设这七个城市 的 Ｒ Ｐ ＲＣ Ｇ Ｐ样 本数 据均 来 自正态 分布 。 Ｅ 、 、Ｄ ２单位根检验 。 、 分别对全国和 ３ 个大中城市的 Ｒ Ｐ Ｒ ５ Ｅ 、 Ｃ和 Ｇ Ｐ Ａ Ｆ Ｐ 、Ｐ Ｓ Ｄ 做 Ｄ 、Ｐ Ｋ Ｓ 等单位根检验 ， 检验
析和误差修正 ． 分析显示我 国房地产价格对社会零售商品消费的影响是负向的。李亚 明和佟仁城（ ０） ２ ７ ０ 选取
２ ０— ０ ６年 上海 市月 度 数 据进 行 协 整分 析 ， 果 表 明 ， ０ １２ ０ 结 长期 来 看 ， 地 产价 格 的 波动 对 居 民 消费 有显 著 的 房
还包 含 了带 时间趋 势项 Ｔ Ｓ和带 截距 项 Ａ Ｄ， Ｒ 结果 显示 了所 有 的指标 在 ４阶 自回归 以 内都 拒 绝原 假设 ， 即没
研究生导师简介
研究生导师简介姓名：赵华平性别：女出生年月：1979年10月最后学历学位：博士研究生职称：副教授专业名称：会计硕士主要研究方向：不动产评估、3S技术、空间统计分析承担的研究生课程：不动产概论、房地产金融、房地产智能化管理研究、项目管理与技术经济评价专题研究方向：3S技术在工程项目管理中的应用主要科研成果及获奖：1. 科研项目（主持人、项目来源、项目名称、起止年月）[1]赵华平主持：山西省软科学课题，基于城市特征和规划预期的山西房地产空间评估研究（2014041024-1），2014.07-2015.12。
[2]赵华平主持：山西省软科学课题，山西房地产业信息化发展的现状分析与对策研究（2009041011-03），2009.05-2011.09。
[3]赵华平主持：山西省高等学校哲学社会科学研究项目，太原地铁规划对房价的非线性时空影响研究（2012233），2013.01-2014.12。
[4]赵华平主持：2009年山西省研究生立项优秀创新项目，山西房地产业可持续发展动态评价体系研究（20093094），2010.01-2011.12。
[5]赵华平主持：山西省社科联社会科学“十一五”规划重点课题研究项目，房地产投资风险动态评价与预警研究（SSKLZDKT2009028），2009.09-2011.09。
[6]赵华平主持：山西财经大学教改项目，财经类院校工程管理专业人才培养模式创新研究（2012114），2012.01-2014.12。
[7]赵华平指导：2012年度山西省高等学校大学生创新创业训练项目，基于GIS的太原市住宅价格时空演变规律探索（2012172），2012.06-2013.12。
[8]张所地主持：城市不动产动态与预期评估模型研究，国家自然科学基金面上项目（70973072），第二参与，2010.01-2012.12。
[9]张所地主持：不动产价与回报混合评估系统研究，国家自然科学基金面上项目（70573066），第三参与，2006.01-2008.12。
全国35个大中城市房屋销售市场价格简析
全国35个大中城市房屋销售市场价格简析房地产业作为国民经济新的增长点，为我国经济的快速增长做出了积极的贡献。
2001年全国房地产市场稳步升温，房屋销售价格同比上涨2.2%。
2002年全国房地产市场仍呈火暴态势，上半年房屋销售价格同比上涨3.6%。
东南沿海地区和西部重点地区重点城市的房屋销售价格出现了较高涨幅。
那么，全国三十五个大中城市房地产市场的价格水平如何？理性程度如何？又有怎样的发展态势？下面将就2001年有关统计数据进行简单描述，供研究参考。
房地产市场温度不均价格差异较大如“表1”所示，2001年全国三十五个大中城市房屋销售价格抽样调查资料表明：三十五个大中城市中，房屋销售价格较高的城市是深圳、广州、北京、上海和南京，分别为6921.2、4957.2、4883.7、3820.6和3579.2元/每平方米；较低的城市是西宁、郑州和银川，分别为1208.4、1463.1和1484.3元/每平方米。
房屋销售价格同比涨幅明显的城市是宁波、武汉、杭州、上海和银川，分别上涨7.2%、6.1%、5.8%、4.4%和4.2%；同比下降的城市是大连、昆明和海口，分别下降0.4%、0.3%和0.2%。
房屋销售价格较高而同比价格涨幅又较明显的城市是上海，价格较低而同比价格涨幅又较明显的城市是银川。
那么，全国三十五个大中城市房地产市场状况与各地区经济状况、收入水平和人们消费取向的关系又如何呢？全国三十五个大中城市房屋消费状况如“表2”所示，全国三十五个大中城市中购房建房消费占可支配收入比例较高的城市是宁波、呼和浩特、沈阳、厦门和上海，分别为22.0%、16.9%、13.9%、13.2%和12.6%；比例较低的城市是昆明、青岛、杭州和福州，分别为1.0%、1.0%、1.4%和1.7%。
可支配收入较高，购房建房消费所占比例较高的城市是上海和宁波；所占比例较低的城市是杭州和福州。
可支配收入较低，购房建房消费所占比例较高的城市是呼和浩特和沈阳。
人口流动、居民收入与城市房价——基于中国35个大中城市数据的检验
人口流动、居民收入与城市房价——基于中国35个大中城市数据的检验WU Shouping【摘要】在构建购房者效用函数和房地产市场均衡模型的基础上,选取2001-2016年中国内地35个大中城市的面板数据,分析人口流动、居民收入与城市房价的关系.结果表明:城市人口、人口流动率、居民收入对房价存在显著的促进作用,并且房价呈\"螺旋式\"上升态势.分区域看,东部地区城市居民收入对房价起着抑制作用,中部地区城市人口流动率和居民收入对房价的影响不显著,西部地区城市居民收入对房价的影响不显著.【期刊名称】《地域研究与开发》【年(卷),期】2019(038)001【总页数】4页(P56-59)【关键词】人口流动;居民收入;城市房价【作者】WU Shouping【作者单位】【正文语种】中文【中图分类】F299.2;C924.240 引言2001年以来，中国房地产市场得到了长足发展，2001—2016年城市房价普遍增长了4～7倍，其增速远超城市居民收入增速。
畸形上涨的房价严重脱离了人们的购买能力，城市高房价已成为严峻的社会经济问题。
一方面，快速推进的城市化导致大规模的人口流动刺激了大中城市住房的刚性需求；另一方面，随着我国住房市场化改革和居民财富的积累，住房投资性和投机性需求激增。
在城市住房刚性和投资性、投机性需求旺盛的推动下，城市房价节节攀升。
关于人口流动、居民收入的提高是否是城市房价上涨的关键因素，国内外学者对此进行了相关研究，但得出的结论不尽相同。
一些学者研究了人口对房价的影响，结果表明人口流动是助推房价上涨的关键因素，具有显著的促进效应，即外来人口数量的上升对房价快速上涨具有显著影响[1]，这是因为人口的迁入导致城市住房需求的增加，进而推动房价的上涨，相当于地区人口1%的移民流入量会促进住房价格上涨1%～2.7%[2]。
还有学者以人口结构变化作为切入点对中国住房价格持续高涨现象进行了分析，认为少儿人口抚养比的提高会促进房价上涨，而老年人口抚养比的提高会抑制房价上涨[3]；也有学者认为少儿人口抚养比对房价的影响分为前期和后期，前期少儿人口抚养比对房价的影响较低，后期少儿成人进入社会后，将形成巨大的刚性住房需求，对房价上涨起着较大的推动作用[4]。
中国重要宏观经济指标公布日期表
财政部
月
每月12-15日
70大中城市住宅价格
统计局
月
每月18-19日
2月和10月延后发布
工业经济效益
统计局
月
每月27日
3月份合并公布1-2月
中国重要宏观经济指标公布日期表
指标内容
机构
频
公布日期
备注
国民经济运行情况
统计局
旬
19、15、15、19
下半年起，每月发布
季度主要行业增加值
统计局
旬
20、16、16、20
官方PMI
统计局
月
每月1日
大中型企业（3000家）
汇丰PMI
Markit
月
每月1日
中小型企业（400家）
CPI、PPI
统计局
月
每月9-11日
2月与10月长假顺延
进出口贸易
海关
月
每月8，每旬13日
2月春节顺延
结售汇数据
外管局
月
每月16-21日
固度19、15、15、19日公布，其它月份12-14日公布。
3月份合并公布1-2月
房地产开发与销售
社会消费零售总额
规模以上工业生产
货币数据
央行
月
每月10-15日
M1、M2、存贷、社融
02《薪酬与福利管理实务-习题答案》(三版)2018.6.21
《薪酬与福利管理实务》（2016第三版）《复习思考题》参考答案正文第一章薪酬福利管理概述一、什么是薪酬？薪酬包括哪些形式的报酬？答：薪酬一词，是从美国“Compensation”一词翻译过来的。
美国学者乔治•米尔科维奇和杰里•M •纽曼著、董克用翻译，中国人民大学出版社出版的《薪酬管理》一书是这样解释的：薪酬，“Compensation”，从字面理解，意思是平衡、弥补、补偿。
它暗含着交换的意思。
薪酬，或者说报酬，可以这样定义：薪酬是指雇员作为雇佣关系中的一方所得到的各种货币收入，以及各种具体的服务和福利之和。
《薪酬管理》一书列入了以下四种形式的薪酬：（一）基本薪资；（二）绩效工资；（三）激励工资；（四）福利和服务。
二、什么是货币工资和实际工资？答:货币工资亦称名义工资，以货币表示的工资数量。
实际工资，是货币工资或名义工资的对称，是指在消除居民消费价格上涨的捐税加重等因素以后，实际得到的工资；也可以理解为货币工资购买商品和劳务的能力。
如果货币工资提高，而食品衣着住房和其它消费品价格提高得更快，实际工资就会下降。
实际工资=货币工资/消费价格指数三、政府宏观工资管理都包括哪些内容？答:在政府劳动管理部门、国有资产管理部门，一般设立劳动工资处、业绩考核处等。
具体工资管理职位，一般称为工资主管局长（厅长），工资主管处长、科长；工资主管，工资干事等。
从目前的情况看，政府劳动部门、国有资产管理部门和政府财政税务部门等，都从不同的角度对工资分配实施内容不同、方式不同的管理。
机关、事业单位的工资则主要由政府人事部门和财政部门直接管理。
政府劳动部门，并同国有资产管理部门一起，实施工资管理的内容大体包括：1．确定和实施工资总额调控方式，对其中实行工效挂钩方式决定工资总额提取的企业在年底清算，并确定新一年工效挂钩的“两个基数、一个比例”。
2．制订工资指导线，为企业自主确定工资增长或工资增长集体谈判提供依据。
3．调查、公布劳动力市场工资指导价位，为企事业单位确定不同岗位、不同人员的工资标准提供市场价位的支持。
2010年全国各省GDP,官方2010年全国各省GDP,最新2010年全国各省GDP排名
4、浙江 27100亿元 同比增长11.8%
据初步统计，2010年浙江省实现生产总值(GDP)27100亿元，全省生产总值增长11.8%。2010年全省城镇居民人均可支配收入达到27359元，年均实际增长8.2%；农村居民人均纯收入达到11303元，年均实际增长8.4%。
13、大连市 4410亿元 增长15%（辽宁1）
14、成都市 4380亿元 增长10% （四川1）
15、沈阳市 4350亿元 增长14.1%（辽宁2）
16、宁波市 4214.6亿元 增长8.6% （浙江2）
17、南京市 4170亿元 增长11.5% （江苏3）
18、唐山市 3800亿元 增长11% （河北1）
49、鞍山市 1915亿元 增长12%（辽宁3）
50、沧州市 1862.5亿元 增长11% （河北4）
51、盐城市 1860亿元 增长13.5%（江苏7）
52、南昌市 1820亿元 增长13% （江西1）
53、昆明市 1808亿元 增长12% （云南1）
54、扬州市 1800亿元 增长13.5%（江苏8）
居民消费价格进入上行轨道,物价涨幅过大。前三季度居民消费价格指数总体涨幅为2.9%,但其中食品价格上涨6.1%,对居民生活,特别是低收入群体的生活产生严重影响。
城市化进程加快,城乡一体化快速推进。2010年,我国城市化水平将达到近48%,并将在“十二五”期间突破50％的临界点。在一些经济比较发达的地区,人口向城市集中、农村居民向城镇转移、农民生活方式的改变、城乡社会管理体制的统一,开始成为新的发展主题。