随着我国经济发展水平快速增长，人民生活方式的顺势转变，全国范围内的城镇化率也同步提升。城镇化发展理论显示，当大量的农村人口开始向城市集聚，并逐步将自身的户籍身份转变为城镇性质，进而使得城镇人口的比例在总人口中上升到一定的规模，即标志着该地区的城镇化已初步形成。换而言之，一个地区城镇化发展的过程，即意味着外来农村人口向其转移与集聚的过程，同时该地区城镇化后还将进一步促进其周边或外来农村人口的非农化。而且，农村人口向城镇转移，与本地城镇化是同步的，城镇化发展的水平显示，若转移后的农村人口与地区政治、经济、公共管理等资源在分布空间上的得以协调，则其资源自身的配置率才能提升。根据国家统计局发布的2014年经济数据，2014年年末全国人口总数约为13.68亿，比上年增长了约710万人，其中城镇人口数约为7.49亿，比上年末增加1805万人，占总人口的54.77％。乡村人口比上年末减少1095万人。这表明，当前我国城镇人口数已超过的农村，由此城镇化率也超过了50%。然而安徽省城镇化水平面临总体滞后、区域差距大、人口分布与资源分布不匹配、城镇规模和结构不合理等问题。安徽省仍处于相对“洼地”，46.5%的城镇化率水平，远低于全国52.6%的平均水平，仅与2009年的全国平均水平相当，落后于全国4年左右。合芜蚌试验区、皖江示范区、皖南地区和皖北地区四大区域的城镇化率差距明显，分别为60.3%、54%、46.3%和40.8%。若单以城市看，合肥、芜湖、马鞍山和铜陵是人口城市化的核心城市，铜陵最高达76.3%，这一城镇化率已经逼近国内一线城市。城镇化率最低的亳州仅为33%。^[1]尤其是阜阳、亳州、宿州三个人口大市，城镇化率低于全省平均水平。虽然皖北地区已经进入城镇化发展的加速阶段，城镇人口步入快速增长轨道，但是相比皖江城市带以及其他核心城市城镇化水平仍然较为落后。皖北地区六市国土面积占全省28.1%，人口总量占全省45.12%，人口多、密度大，城镇化率低，工业化水平低，农业占GDP比重高，服务业发展不足。事实上，城镇化是城乡分离与城市发展过程中的一种产物，而现代城镇化形成的标志是，农村居民的生活方式趋同于城市居民。当然，这一局面出现的前提是，居住在城市地区的人口比重应逐步上升，而这其中即涉及到人口跨地域跨行业转移，以及转移后人口空间分布的选择问题。鉴于此，本研究以人口迁移作为切入点，重点分析安徽省人口迁移中，皖北人口转移的规模、潜力与动力，并基于人口普查的数据，追踪预测未来皖北人口向城市转移数量，并以此来提出未来促进人口迁移政策及措施。

1数据与方法

1.1人口迁移选择指数

（1）

式中，Iij——迁移选择指数；Mij——迁出地i迁往迁入地j的人数；Pi——迁出地i的人口数；Pj——迁入地j的人口数；Pt——所有区域的总人口数；K——常数，通常取值100。

此指数的分母表示从地区i向地区j的期望迁移人数，分子为实际迁移人数，期望迁移人数实质上即在平均水平上可能发生的迁移人数。二者之比反映了所研究地区迁移活动剧烈的程度，也即实际迁移活动活跃的程度比平均水平高多少倍。

由式（1）可以推导出任何一个区域的综合迁出或迁入指数，分别用公式（2）、（3）表示：

                                                       （2）

                                                       （3）

Ii·和I·j——区域i的综合迁出选择指数和区域j的综合迁入选择指数；Mi·——区域i迁向其他所有区域的迁出人口总数；M·j——区域j的来自其他所有区域的迁入人口总数。

Iij大于100，说明迁出地i的人口选择向迁入地j的趋势强于全省平均水平；Iij越大，表示迁出地i的人口选择迁向迁入地j的趋势越强，或迁入地j对迁入地i迁出人口的吸引力越强。如果Iij小于100，说明迁出地i的人口选择向迁入地j的趋势弱于全省平均水平；Iij越小，表示迁出地i的人口选择迁入地j的趋势越弱，或迁入地j对迁出地i迁出人口的吸引力越弱。

区域的净迁移指数等于该区域的综合迁入指数与综合迁出指数的差值。同迁移率等其他衡量人口迁移强度的指标相比，人口迁移选择指数具有不受不同时间人口迁移调查统计口径不同的影响等优点，这是本文选用迁移选择指数的重要原因。

1.2 GKSIM 预测模型

综合考虑皖北土地利用变化的实际过程、可能机理、数据的可获取性与模型适用性，本文选取安徽省统计年鉴数据中的2007～2013年人均GDP、城镇化率和人口迁移指数3个社会经济要素的统计数据作为主要的外部变量。基于GKSIM 模型，对上述指标采用如下公式进行权重计算:

式中:pt ，et ，ut ——分别为t时的人口迁移指数、城镇化、人均GDP；c——驱动因素对土地利用的影响；K——反映驱动因素与土地利用之间的关系，K=1为正向作用，K=0为没有作用，K=-1为负向作用。

GKSIM 模型的优点是通过权重变量引入了外部要素的驱动作用，同时可仅基于各土地利用类型的数量动态平衡和变化的极值边界对外部驱动要素的权重进行限制，可适用于长时段的土地利用变化预测。基本公式表达为:

式中，m为土地利用类型数量；yi(t)为t时刻第i类土地的面积；bi(ai)分别为yi可以取值的最大值(最小值)；Δi = bi－ai；T为区域土地总面积；qi，si为待定系数，需根据统计方法确定；ωi，t为内、外部变量综合作用导致的权重变化，本文中采用GDP、产业结构和总人口为外部变量；dt为调节系数。对上式进行变换，得到:

根据历史统计数据基于最小二乘拟合即可确定qi和si的系数。考虑到数据的可得性以及皖北区域各城市社会经济发展程度的差异性，本研究仅考虑皖北的一种土地利用类型，即城市建设用地（数据来源于安徽省统计年鉴，包括居住用地、公共设施用地、交通设施用地和绿地），以皖北6市分别作为预测单位，以便于进行比较分析。

2研究区域概况

2.1人口迁移空间分布规律

2011—2013年皖北地区历年前13位的人口迁移选择指数根据对迁移流和人口迁移指数进行等级的划分，并将各迁移流2011—2013年三年指数之和进行空间可视化处理，可以较为直观地反映皖北的省内人口迁移流的空间特征。图1显示，淮南和淮北是迁移流的一级辐合点；其中，淮南位于皖北迁移流的中心位置，铜陵、马鞍山与二级辐合点芜湖沿长江呈带状分布。在地理空间上，它们呈现出“点—轴”形态。就淮南这一“点”而言，它的辐射范围是全局的，即它对全省人口都有着较大的吸引力，是皖北区内区外人口最重要的迁入中心；而“马芜铜”沿江城市带的辐射范围是局部的，它不仅对皖南地区的人口有着较大的吸引力，也是是安徽北部地区人口重要的迁入地。从迁移流的视角还可以揭示“马芜铜”、“两淮”等主要迁入地之间的人口对流特征。首先，从迁移流的数量上看：在2011—2013年历年迁移选择指数前13位的迁移流中，主要迁入地之间的迁移流共9对。其次，从迁移流的强度上看：在这9对迁移流中，主要迁入地之间的对流中，淮北↔宿州的迁移流最强，人口迁移选择指数总值为2299.87；其次是淮北↔淮南，人口迁移选择指数总值为1408.2；最后，六安、滁州、合肥、蚌埠与淮南、亳州与淮北之间迁移流指数值的名次，只是单向流入皖北的地区，均未进入当年的前13位。可见，各皖北地区内部主要迁入地之间的对流较强，而与省内其他城市对流较弱，是皖北地区人口迁移的又一重要特征。

2.2人口迁移强度

安徽省各地级市的人口迁移情况，阜阳、亳州、蚌埠和宿州2007-2013年的人口综合迁出指数要大于综合迁入指数，人口表现为净迁出的趋势，而皖北的淮南、淮北，尤其是淮南市人口净迁入迹象较为明显，从全省来看，合肥、马鞍山、芜湖和铜陵市历年来人口净迁入强度在全省最大，是各市人口流入的高强度核心地带，皖北在全省的人口流动活跃度相对较低。

由于未来影响人口净迁移指数大小有无数个不可控的因素，在此我们只能根据可得的历史数据，剔除不相关变量，找出影响人口净迁移变化的主要因素，假定这些因素的影响力依然在未来几年成立，从而推导出比较符合规律的未来几年的皖北人口净迁移指数，以达到尽量准确的效果。

选取安徽省16个市为研究对象，探索安徽省各市人口净迁移指数变化的主要因素，在统计年鉴上选取2007年到2013年的各项数据（其中有宿州、六安、池州2007-2009年部分缺失值用临近点的均值替换），采用静态面板数据处理方法，使用SPSS与Stata等数据软件进行数据分析，从统计结果中得到相应结论。

实证分析所使用的计量经济学模型采用以下形式：

其中因变量为人口净迁移指数，自变量依次为第二次产业从业人员比重、第三次产业从业人员比重、城镇居民人均年消费支出以及代表个体的虚拟变量和随机误差项。个体虚拟变量不随时间发生变化，只与个体的特质有关。

根据安徽省政府发展研究中课题组的《皖北地区“三化”发展现状、存在的问题及政策建议——皖北地区工业化、城镇化、农业现代化发展调研报告》^[2]，2006-2011年皖北地区工业化率年均增长2%。其中宿州工业化率还比较低，而第二产业从业人员比重历史年均增长率超过7%，如果用历史增长率推算以后几年的从业比重较不合理，因此用皖北工业化率年均增长率代替宿州第二产业从业人员增长率计算。其他各市的f值都是按2007-2013的几何平均增长率计算出来。淮北、亳州、蚌埠、阜阳、淮南的第二产业从业人员比重增长率分别是2.19%、1.33%、-0.02%、4.1%、0.63%。宿州的城镇居民人均年消费支出增长率为2.77%，其他各市都保持在10%左右，阜阳增长最快，为12%。预测结果表明，淮北、蚌埠、阜阳、淮南的迁移强度在逐步变弱，而宿州、亳州迁移强度逐渐变强，皖北人口流动均表现为迁出趋势，其中淮南作为迁入强度最大的皖北城市可能会以2017年左右为拐点变为人口迁出地。

表9 未来皖北各指标预测值