基于随机森林模型的中国流动人口社会融合空间差异及影响因素

　　摘要：基于2017年流动人口动态监测数据，采用探索性空间数据分析和随机森林回归方法，分析中国289个地级及以上城市流动人口社会融合的空间分异及影响因素。结果表明：①中国城市流动人口社会融合整体水平较低，空间分布地带性特征不明显;特大、超大城市流动人口社会融合分别以较低、中等水平为主，省会城市、直辖市流动人口社会融合分别以较低、中等水平为主，其余城市多数为中等水平;城市社会融合空间分布格局表现为以峰值为中心向外圈层递减和以低值为中心向外圈层递增的特征。②随机森林模型的拟合度和回归精度比多元线性回归更高，能够更好地解释流动人口社会融合的非线性影响机制。③个人教育水平、家属是否随同、流入城市经济结构、流动人口的户口类型、流入城市公共设施以及流动人口在流入地居留时间依次为六大重要影响因子，它们对流动人口社会融合的作用呈现复杂性和非线性。④需要根据影响因子在不同阈值内的作用方式，有针对性地对流动人口及流入城市进行管理和调控。

　　关键词：流动人口;社会融合;随机森林模型

　　城镇化不仅包括人口从农村向城市集聚的过程，也包括流入人口的生活和生产方式的城镇化过程[1]。国内大规模的流动人口对中国可持续城镇化进程产生重要影响[2]。到目前为止，中国的城镇化率虽已经超过50%。然而，大部分地区只完成了地域上的城镇化，在其他方面尚未完全实现城镇化[3]。这种状况表明，中国的城镇化是不完整和低质量的，流动人口在一定程度上被排斥在流入城市之外[4~6]。

　　因此，迫切需要探讨流动人口在不同城市的社会融合程度及其驱动机制，有针对性地提高流动人口的福祉水平和流入城市的城镇化质量。国内外学者们基于实证与理论研究对社会融合进行了界定，扩展了社会融合的内涵，并根据研究对象与管理需要给出了不同的定义，其中达成一致性的观点是：流动人口社会融合是指流动人口通过与流入地的互动，在流入地获得均等的生存和发展机会，公平公正地享受公共资源和社会福利，全面参与政治、经济、社会和文化生活，最终实现经济立足、社会接纳、身份认同和文化交融的过程[7]。

　　由于中国国土辽阔，城市间社会经济差异较大，流入城市的多样性成为了流动人口社会融合中更高的障碍[8]。因此，不仅需要判别流动人口的个人特征对其社会融合的影响，而且还需要识别流入城市特征对流动人口社会融合的影响，以期为流动人口提供更有针对性的融合建议。国外关于流动人口社会融合影响机制的研究根植于不同的理论流派[9~11]。经典融合理论强调流动人口人力资本的差异是影响社会融合的重要因素，流动人口可以通过积累社会和经济资本来促进他们的社会融合[12,13]。

　　此后，流入地的作用在研究中得到重视，研究者认为流入地与流出地在文化、语言、宗教、种族、阶级等方面的差异使得流动人口在流入城市实现了不完全的融合[7,14,15]。进入后工业时代，通过对具体的流入城市的比较研究，发现不同的流入地通过为流动人口提供不同的社会经济机会和人口政策影响流动人口社会融合的进程[16~18]。基于流动人口个人人力资本的差异、流入地对流动人口的政策、以及流入地与流出地在社会、经济、政治等方面的差异，社会融合研究体系逐渐形成。

　　国内关于流动人口社会融合影响机制的研究主要包括4种研究范式。①人口学研究范式认为，流动人口个人较低的人力资本将不符合流入城市劳动力市场的需求，导致融合程度低[19]。②社会学范式认为，流动人口社会资本的极度稀缺导致他们获得经济、文化和政治资本的机会有限，从而降低了他们的融合机会[20,21]。③政策研究范式则认为，有关流动人口迁户、购房等管理制度是流动人口能否实现社会融合的决定因素[22]。④地理范式强调特定城市因素对流动人口社会融合有影响，学者们评估了不同城市流动人口社会融合的程度，以及方言、规模、就业机会和教育在流入城市中的作用[8,23,24]。

　　总体而言，无论是流动人口的个人因素，还是流入城市的特征，都会对流动人口融合产生重要影响。综上所述，以往流动人口社会融合的研究多以单个城市研究为主，对流动人口社会融合空间分布及影响因素的研究甚少，仅有余运江、田明、夏贵芳等人基于上海市不同辖区、中国8个城市、东部地区展开过研究，缺少全国尺度的空间分异研究[8,24,25]。

　　对空间分异的解释多采用经典线性回归、分层线性模型、结构方程模型等方法，缺少更为灵活的非线性回归模型。在人口自由流动背景下，中国流动人口规模日益庞大，使得各城市流动人口社会融合的程度参差不齐，明晰中国流动人口社会融合程度的空间差异及关键影响因素十分必要。本文运用2017年全国流动人口动态监测数据和随机森林模型，从全国层面解析流动人口社会融合的空间特征，并对影响因素的重要性进行排序，识别重要的影响因素及其作用方式，以期为提升流动人口社会融合程度、建设以人为本的新型城镇化提供依据。

　　1数据来源与研究方法

　　1.1 数据来源

　　本文所需的流动人口个人数据来源于国家卫生与健康委员会2017年流动人口动态监测，地理信息基础数据通过国家地理信息中心的1︰400万数据获得，社会经济统计数据来源于《中国城市统计年鉴》[26]、各地市国民经济和社会发展统计公报，以及安居客官网。由于抚顺市、通化市、三沙市、山南市、昌都市和那曲市未被2017年流动人口动态监测所覆盖，林芝市、吐鲁番市和哈密市的部分社会经济数据缺失，因此本研究共涉及289个地级及以上城市(未含港澳台数据)。

　　1.2 流动人口社会融合指标体系构建

　　借鉴国内外研究，本文从社会公平的视角界定流动人口社会融合的内涵，认为流动人口社会融合是指，流动人口与户籍人口在社会差异消减及平等对待的基础上，流动人口逐步接受与适应流入地社会文化，并与当地人口展开良性互动交往。在此基础上，有学者对社会融合的单个维度进行深入研究[9,18,27~31]，也有学者对社会融合的不同维度进行综合研究[8,19,32~34]。但他们所构建的流动人口社会融合指标体系存在一定的共性，即均包含了经济融合、文化融合、心理融合、政治融合与行为融合等维度。本文基于已有理论成果，经过团队讨论并征求部分同行专家的建议，考虑在全国地级尺度单元数据获取可能性，最终构建包括5个维度11个指标在内的流动人口社会融合多维度指标体系。

　　流动人口社会融合衡量指标的操作化定义如下：有些问题是直接回答数字，如各城市流动人口的月收入，采用流动人口收入在当地城镇居民人均可支配收入占比的平均值来赋值;有些问题是从备选项中进行选择，如采用各城市选择“拥有商品房或政府公租房”的流动人口比例来赋值住房稳定程度;有些是对问题程度的判断，采用最具有显示度的程度或态度的比例来赋值，如采用各城市选择“非常同意”或“基本同意”“家乡风俗习惯比较重要”的流动人口比例来赋值接纳风俗习惯。同时本文对于逆向指标进行了正向化处理，采用客观赋权法中的均方差权值法，构建社会融合测度模型[8]。

　　1.3 研究方法

　　随机森林模型是Breiman提出的一种基于分类树的机器学习算法[35]，该模型采用bootstrap重采样方法从原始样本中抽取多个样本，并利用随机向量构造组合模型，然后取决策树计算结果的均值作为最终结果。本文基于R语言平台进行随机森林回归，参数设置为：ntree(生长树的数目)=500，mtry(在每一个分裂节点处样本预测器的个数)=3，其他为默认值。

　　2流动人口社会融合空间差异特征

　　2.1 流动人口社会融合整体差异

　　基于流动人口社会融合指标体系，利用均方差权值法，计算得出各城市流动人口社会融合及其各维度的得分。可以看出：流动人口社会融合总体水平较低，各维度协同性与差异性并存。全国流动人口社会融合度平均值仅为45.88，流动人口要想融入流入城市仍然面临着重重困难。近年来，各项针对流动人口的改革和政策有效维护了流动人口的基本权益，但流动人口在经济、居住、文化、心理等方面的融合程度仍旧极低，使得流动人口社会融合整体水平低的事实并未发生实质性的改变。

　　2.2 流动人口社会融合地带性分异

　　基于城市空间位置与流动人口社会融合度进行趋势面分析得到，流动人口社会融合地带性分异不显著。从东、中、西三大区域来看[36]，流动人口社会融合程度均值分别为45.55、46.29和45.94，区域间差异较小。这与趋势面分析得到的分异形态相吻合，即流动人口社会融合东、中、西3个地带差异小，略呈东、西部地区低，中部地区高，自东向西先上升后下降的倒“U”型分异特征。从南北方向来看，流动人口社会融合的空间分异表现为自北向南先上升后下降的倒“U”型特征。

　　2.3 流动人口社会融合的非地带性分异

　　利用自然断裂法进行空间探索，将289个城市的社会融合程度分为5等级，从低到高依次为低、较低、中等、较高、高等级。可以看出，城市流动人口社会融合度的空间分布与城市规模及行政等级有一定的相关性和倾向性。从城市规模①来看，小城市、中等城市、大城市共有272个，流动人口融合度复杂多样，5个等级均有分布，但是低等级和高等级占比较少，绝大多数城市的社会融合度处于较低、中等和较高3个等级中(占比75%~85%);特大城市11个，无社会融合度高等级，一半以上处于较低等级(占比54.55%);超大城市6个，社会融合呈现集中分布的趋势，集中于中等等级(占比83.33%)。从城市行政等级来看，258个普通地级市社会融合度差异较大，5个等级均有分布，但集中于较低、中等、较高3个等级，且3个等级分布较均衡;27个省会城市主要处于较低和中等等级，合计占比80%以上;4个直辖市集中分布于中等等级，占比75%。

　　2.4 流动人口社会融合的地理格局

　　以城市为基本空间单元，对流动人口社会融合进行反距离加权插值分析看出：流动人口社会融合呈现区域性高值中心和低值中心并存的空间结构，并呈现围绕峰值和次峰值中心圈层递减、围绕低值和次低值中心圈层递增的特征。区域性峰值中心为各省份流动人口社会融合程度高的城市，主要有东营、滨州、淄博、潍坊、铁岭、葫芦岛、荆门、咸宁、衢州、广元、武威、嘉峪关、酒泉和克拉玛依14个城市。

　　区域性低值中心为各省份流动人口社会融合程度低的城市，主要有辽源、廊坊、衡水、镇江、台州、莆田、漳州、潮州、贵港、铜仁、昭通11个城市，它们零星分布于华北、东南和西南地区。区域性次峰值中心为社会融合度较高的城市，如牡丹江、贺州、内江、十堰、黄山和淮北，次低值中心为社会融合程度较低的城市，有拉萨、玉溪、百色、安顺、榆林、延安和乌海。

　　3流动人口社会融合影响因素分析

　　3.1 影响因素选取

　　流动人口社会融合是流动人口与流入城市共同作用的结果，故从流动人口与流入城市2个方面选取流动人口社会融合的影响因素。本文应用新劳动力迁移经济学理论，选取流动人口年龄、教育、户口及家属随同等因子反映流动人口的个体与家庭特征;应用空间区位理论与经典社会融合理论，选取流动范围与居留时间反映流动人口的流动特征;应用劳动力市场分割理论，选取流入城市的基础教育、医疗、公共设施与工资水平、经济水平、经济结构、房价水平分别反映流入城市的社会特征与经济特征。

　　4结论与讨论

　　4.1 结论

　　以流动人口社会融合的空间分布与影响因子的关系研究为主线，构建流动人口社会融合指标体系，分析中国流动人口社会融合空间分布特征，选取13个与流动人口个人和流入城市相关的影响因子，应用随机森林模型研究各因子的重要性，分析前6个重要因子的作用特性。主要结论有：1)流动人口社会融合程度整体水平较低;空间分布地带性特征不明显;小、中等和大城市在流动人口社会融合各等级均有分布，特大城市集中分布在较低等级，超大城市集中分布在中等等级;地级市在流动人口社会融合各等级均有分布，省会城市集中分布于较低等级，直辖市集中分布于中等等级;空间结构表现为若干区域性高值中心和低值中心并存，并呈现围绕峰值和次峰值中心圈层递减、围绕低值和次低值中心呈现圈层递增的特征。

　　2)基于多元线性回归与随机森林算法构建流动人口社会融合影响因子分析模型，随机森林模型具有更高的拟合度和回归精度，能够对人口地理学相关问题的非线性影响机制进行深入解释。3)影响流动人口社会融合的前6个重要的因子分别是个人教育水平、家属是否随同、城市经济结构、个人的户口类型、城市公共设施和流动人口在流入地居留时间。个人条件、家庭状况和城市社会经济环境共同决定流动人口能否融入流入城市。4)6个重要影响因子对流动人口社会融合的作用呈现复杂的非线性，需要根据这些因子在不同范围内的作用方式，从流动人口及流入城市两方面有针对地提出相应对策建议。

　　4.2 讨论

　　流动人口社会融合是市民化和城市高质量发展的重要标志之一，当前中国城市流动人口社会融合的空间差异显著，各城市需要根据自身条件和影响流动人口社会融合因子的重要性及作用程度，有针对性地采取措施以期提升其流动人口的社会融合程度。总体来看，各城市重中之重是要提高流动人口的人力资本。通过城市−企业−个人3层次对流动人口进行再教育和职业培训，是当前破解流动人口社会融合难题的第一把钥匙。其次，解决流动人口家属随迁和农业户口背后的文化冲突也刻不容缓，城市可为流动人口家属提供居住与就业等帮助，并为流动人口提供可介入的文化交流机会。此外，城市的作用往往没有引起足够重视，城市应不断促进经济结构的优化与公共设施的建设。

　　尽管本文得出一些有意义的结论，但由于流动人口社会融合影响因素众多，且这些要素对社会融合的影响是复杂的非线性关系，需要在以后的研究中不断深入探讨。未来将在以下几个方面加强流动人口社会融合的研究：①基于现有的全国性流动人口社会融合数据，考虑从社会融合各个维度分析其空间分布特征及影响因素的重要性;②深化非线性回归模型在流动人口社会融合中的定量化探索，提高流动人口社会融合分析的精度。

　　参考文献(References)：

　　许学强,周一星,宁越敏.城市地理学[M].北京:高等教育出版社,2009.[XuXueqiang,ZhouYixing,NingYuemin.UrbanGeography.Beijing:HigherEducationPress,2009.][1]

　　王新贤,高向东.中国流动人口分布演变及其对城镇化的影响—基于省际、省内流动的对比分析[J].地理科学,2019,39(12):1866-1874.[WangXinxian,GaoXiangdong.TheevolutionofChina’sfloatingpopulationanditsimpactonurbanization:Acomparativeanalysisbasedoninter-andintra-provincialperspectives.ScientiaGeographicaSinica,2019,39(12):1866-1874.][2]

　　杨传开.中国多尺度城镇化的人口集聚与动力机制[D].上海:华东师范大学,2016.[YangChuankai.PopulationagglomerationanddynamicmechanismofChina’smulti-scaleurbanization:Fromtheperspectiveofpopulationmobility.Shanghai:EastChinaNormalUniversity,2016.]

　　作者：郑茹敏1，梅林1,2，姜洪强1，付占辉3，甄硕1

转载请注明来自发表学术论文网：http://www.fbxslw.com/jjlw/28558.html