导读
2023年7月11日，是第34个“世界人口日”。1987年7月11日，地球人口达到了50亿。为纪念这个特殊的日子，1989年联合国发展规划署理事会建议国际社会把每年的7月11日定为世界人口日(World Population Day)。
识别人口分布特征对实现更高质量的区域发展以及满足人民日益增长的美好生活需要至关重要。中国城市人口分布的影响因素可能存在明显的空间分异特征，现有研究对此关注不够。基于《2014年中国城市统计年鉴》数据，运用空间自相关方法，结合多尺度地理加权回归（MGWR）模型，研究中国城市人口分布影响因素的空间异质性。结果显示：1）现阶段中国城市人口分布仍呈现东南多、西北少的空间特征，表现为较强的空间正相关性，空间集聚性较强。2）经济、社会、环境类别下8个指标因素对城市人口分布的影响呈现出明显的空间异质性，各影响因素总体上呈现带状的空间分异模式，其中社会经济因素与城市人口分布的关系紧密，以经济基础和交通联系最为显著。影响中国城市人口分布的因素存在空间分异特征，政府和有关部门在制定人口政策和规划管理的过程中需要考虑不同因素的影响，有针对性的采取措施，包容性地对待进入城市的人口，并实施公平公正的公共服务，促进城市人口合理分布。
本文字数：8326字
阅读时间：25分钟
作者 | 陈运西北大学城市与环境学院
人口分布 影响因素 多尺度地理加权回归 空间分异
01
引 言
随着人口的增长和人类活动范围与强度的增加，人口的空间分布与社会经济、生态环境的联系愈发紧密。中国是世界上人口最稠密的国家之一，人口分布极度不均衡。近年来，随着经济建设的迅速发展和城市化进程的加快，大量人口涌入城市，这引起了一系列的城市问题，如生态环境恶化、交通拥堵、资源紧张等。根据2010年第六次人口普查数据，中国人口空间分布仍以黑河-腾冲线为界，呈现东南多，西北少的特点，中国平均人口密度为142人/平方千米，而世界平均人口密度为42人/平方千米，我国平均人口密度高达世界平均人口密度的3倍多。人口是经济社会活动的主体，人口分布对工业发展、住区建设、交通运输、区域发展规划等方面有重要影响，在很大程度上也影响着市场规模的扩大和经济活力的增强，合理的人口布局能满足区域发展的需求，从而加快地区经济的发展，因此，面对发展环境的深刻复杂变化，客观分析人口分布及其影响因素具有重要的现实意义，探究人口分布影响因素的影响程度及其空间特征，可为未来城市高品质发展和人口空间政策提供依据。
人口分布空间格局受多重因素的综合影响。首先，自然因素是先决条件，尤其在生产力发展有限的农业社会，人口分布基本受自然因素的影响，地区自然地理条件是人口空间格局形成的基础，直接决定了人口容量。其次，随着生产力水平的提升以及城市的扩张和发展，经济与社会发展因素逐步成为影响地区人口变动的主导因素。人口空间分布一直以来都是地理学、经济学、城乡规划等学科研究的重要课题，学者们也已经对人口分布的影响因素进行了大量研究。在研究范围上，包括全球、全国、省份、城市，主要以宏观和中观尺度为主，人口空间分布的静态布局与动态变化始终是研究的热点，近年来，尤其是大城市带和城市群人口分布的研究学者们尤为关注。从研究方法来看，主要有单因素或多因素回归分析、地理加权回归分析，以及结合泰尔指数、人口分布基尼系数、人口重心等方法，但运用多尺度地理加权回归方法尚处于研究空白。总的来说，人口分布的空间布局变化及其影响因素是主要的研究内容，影响人口分布因素的空间尺度从全球、全国、全省到大中城市人口分布；研究方法主要通过GIS空间分析工具和SPSS线性回归分析来实现；研究数据以年鉴数据为主，影响因素从单一影响因素扩展到到自然、社会、经济等综合因素，越来越多研究以多维度多要素指标进行定量研究。
但从总体上看，这些研究没有从全国角度对人口分布的影响要素的空间异质性作深入探讨。传统的地理加权回归因其自身带宽的局限性，并不能准确刻画空间差异，因此，本文利用《2014年中国城市统计年鉴》数据，探讨中国人口分布的影响要素，并利用多尺度地理加权回归模型和GIS技术方法相结合，对影响中国城市人口分布的影响因素空间异质性进行深入研究。
02
数据来源及研究方法
2.1 变量选取与数据来源
研究数据主要来源于由中国国家统计局的《中国城市统计年鉴（2014）》，年鉴全面反映了2013年中国城市（不含港、澳、台地区）经济和社会发展情况。根据已有文献梳理，本文选取一系列反映中国城市社会、经济与发展环境典型特征的相关指标用以表征城市发展环境。本文选择的指标包括社会（普通中小学数量、千人床位数、第三产业从业人员占比、道路长度）经济（地区生产总值、固定资产投资、二三产业占GDP比值）和发展环境（人均公园绿地面积）三个方面共8个指标为自变量，以人口密度为因变量表征人口分布。以上数据均来自于《中国城市统计年鉴》，存在部分缺失数据则用相应城市统计年鉴进行了补充，最终得到289个城市的基础数据，并构建了相应的数据库，将影响因素的栅格数据通过GIS矢量转换匹配到城市的行政单元（图1）。
表1.中国城市人口分布影响因素指标选取
2.2 空间自相关
空间自相关分析包括全局空间自相关和局部空间自相关分析，用于解释区域整体或内部相邻单元某一空间属性的关涉和差异程度，分别用Moran's I 和 Local Moran's I指数进行分析。全局Moran's I 指数的公式为：
式中：i和j是区域内2个不相同的空间单元；n为空间单元的总数量；Wij为i和j之间的空间权重，若i 与j相邻，则Wij为1，若不相邻则为0；xi、xj为空间属性x分别在i、j单元的取值；x为该区域内所有空间单元属性x的平均值。I的取值范围为[-1, 1]，当I ＞0时，表明该区域的不同属性单元分布存在空间正相关，即相似属性的单元趋于集聚分布；当I＜0 时，表明存在空间负相关，即相似属性的单元趋于分散分布；I＝0则表示不存在空间自相关。进而对全局Moran I指数通过Z值进行显著性检验，公式为：
式中，Z为全局Moran I指数的显著性水平；E(I)和VAR(I)分别为I的理论期望和方差。
局部空间自相关分析需要对每个空间单元的Moran's I指数进行计算，单元i的局部Moran's I指数公式为：
同样需对结果进行 Z 检验，对结果的解释与全局Moran's I相同。
2.3 多尺度地理加权回归
本文MGWR探究区域发展对人口分布的影响。本文针对各城市人口密度和影响的各变量进行相关分析，找出与人口密度相关（置信区间=95%） 的区域社会、经济和环境因素，为开展进一步研究奠定了基础。MGWR是在GWR模型的基础上增加了空间平稳变量，设部分参数为常数，所对应变量为全局变量；其余参数随着空间位置变化而变化，被设为变参数。本文利用MGWR通过两阶段迭代法估计自变量对人口密度的影响，其模型的一般形式为：MGWR模型的计算公式如下：
a.经济基础现状特征值分布
b.投资规模现状特征值分布
c.产业结构现状特征值分布
d.教育资源现状特征值分布
e.就业结构现状特征值分布
f.医疗水平现状特征值分布
g.交通联系现状特征值分布
h.城市环境现状特征值分布
图1.影响因素现状特征值分布
03
中国城市人口的空间分布
3.1中国城市人口的空间分布特征
本文以人口密度表征人口分布情况，根据人口密度的现状特征值，借助ARCGIS 10.2平台，通过自然断点法将其分为7个等级，并进行空间可视化（图3）。可知2013年中国人口空间分布仍未突破“胡焕庸线”，分布极不均衡。东部沿海地区人口密集，基本形成了以北京、上海、广州、深圳等城市为中心的高值区，西部地区则形成集中连片的低值区。具有两个方面的空间分布特点：自东向西呈阶梯递减格局和直辖市、省会城市明显高于其他城市的空间分布特征。
图2.人口分布
图3.人口分布lisa集聚图
3.2中国城市人口分布的空间自相关特征
对全国289个城市人口分布进行空间自相关分析，其中Moran′s I指数为0.2439，高于预期指数-0.00347，Z值得分为21.6212，P值得分为0。全局 Moran′s I ＞0时，表明数据集中的值倾向于在空间上发生聚类，具有空间正相关性。分析结果表明p值具有统计学上的显著性，且z得分为正值，可拒绝零假设。
进行局部空间自相关分析后，绘制人口分布lisa集聚分布图（图4）。人口分布空间自相关以高-高集聚和低-低集聚为主，其中高-高集聚区主要分布在东部沿海地区，而低-低集聚区则主要分布在西北地区和东北地区，表明289个城市人口分布情况具有显著的空间正相关性，在空间上呈现集聚效应，可用 MGWR建模对全国人口分布的影响因素进行进一步空间分异分析。
04
中国人口分布影响因素的空间异质性
4.1 MGWR回归
为探究不同条件影响下城市人口分布的空间差异，本文运用多尺度地理加回归模型（MGWR）对城市人口分布影响因素的空间异质性进行分析。MGWR回归分析模型处理结果如表2所示，MGWR模型调整后的R²为0.682，AIC值为553.576，绝大部分城市的局部R²值都＞0.5（图4），说明选取的8个影响因素对城市人口分布都有较强的解释力。对运算结果中的回归系数进行整理，分别选取回归系数的最大值、最小值、平均值、标准差、中位数、正值比例和负值比例7个统计项目（表3）。
从回归系数的正值和负值的结果来看，GDP、道路长度的回归系数皆为正，固定资产投资、千人床位数、第三产业从业人员占比的回归系数均为负，其余影响因素的回归系数都表现出正负两种不同效应。指标回归系数的区间范围较大，回归系数存在着较大的变异，正负效应所占比例有所不同，这也说明影响因素在空间上的不稳定性，空间异质性明显。从回归系数的平均值来看，GDP对人口分布的影响最大，其次是固定资产投资、道路长度、第三产业从业人员占比、千人床位数、人均公园绿地面积等指标，而普通中小学数量影响强度相对较小。
表2.多尺度地理加权回归模型指标
表3.多尺度地理加权回归系数统计描述
图4.R²空间分布
4.2影响因素的空间异质性分析
4.2.1经济因素
经济因素各指标对体育设施发展水平呈现正负两种效应，其中投资规模均为负效应，地区生产总值均为正向效应，产业结构则以正相关效应为主；从系数的平均值的绝对值大小来看，各指标对城市人口分布的影响程度从大到小依次是地区生产总值、投资规模、产业结构，具体结果如下：
产业结构对66%的城市人口分布的影响具有正相关效应，回归系数取值在-0.477~0.707之间，影响强度较大且区域差异明显。从回归系数的空间分布来看，呈现由东南向西北递减的趋势，北部地区的城市相关系数为负，东部地区和中南地区的城市则表现为正相关（图5b）。在珠三角地区、福建、江西南部的城市正向影响最为显著，表明产业结构对人口分布有促进作用。其原因为沿海地区城市开放程度较高，产业结构不断优化调整，产业结构的升级会促进经济发展水平提高，从而提高居民收入水平，吸引更多的人口。而以北京为代表的北部地区人口分布受产业结构负向影响，结合图1c可知，其二三产业占GDP的比重均为高值区，这可能因为产业结构优化条件下的产业集聚对北京人口规模增长具有抑制作用。
投资规模对城市人口分布的影响表现出较明显的南北差异，均为负向效应，系数取值在-0.414~-0.019之间，回归系数的空间分布基本符合由南向北递增，影响强度则由南向北递减。其中，东北地区、西部地区受投资规模的影响较弱，这表明东北老工业基地的衰落局势尚未扭转，而在以广州等城市为代表的南部地区和东部地区受投资规模影响较强（图5a），这是由于改革开放先锋区的资本积累丰富，投资环境较好，地区吸引人口集聚的产业基础良好，人口密度更高。
经济基础对城市人口分布具有显著的正影响效应，系数取值在0.309~1.307之间，系数取值范围变化较大，空间异质性显著。从空间分布来看，经济基础的回归系数呈现中间高南北低的变化趋势（图5c），回归系数低值区主要集中于东北地区、华北地区，经济落后的西部地区则为回归系数高值区。这表明欠发达的西部地区与经济发展水平较高东部地区相比受经济基础影响更大，因其人口密度基数小，随着西部大开发战略的持续平稳推进，西部地区的经济环境逐渐趋向良好，反而更能促进人口流动。
4.2.2社会因素
社会因素各指标与城市人口分布呈现正负两种效应，从系数绝对值的平均值大小来看，交通联系的影响程度最大，教育资源的影响程度最小，具体结果如下：
交通联系与人口分布在全国均具有正向影响效应，系数取值在0.282~0.323之间，从系数的空间分布来看，呈现出由东南向西北递增的趋势（图5d）。回归系数的高值区位于西北地区，而在东部沿海地区和南部地区则为回归系数低值区，结合图1g可知，西北内陆地区的道路长度远低于东部沿海地区，交通联系对其人口分布的影响反而更大。这与刘勇的研究是一致的，交通是城市发展的纽带，交通发展能够促使人口流动突破地理限制，城市间交通发展与基础设施更容易联动，促进人口集聚。西北地区人口空间分布受地理距离的影响较大，加强交通联系能促进其人口流动。
教育资源对东部沿海地区、东北地区的城市人口分布具有正相关效应，占城市比例的66%，而对34%的城市人口分布呈负相关效应，主要分布在西部地区（图5e）。系数取值在-0.049~0.078，从系数的空间分布来看，教育资源的回归系数由西向东递增，东部地区以及东北地区为回归系数的高值区。经济发达的东部地区，财政投入到教育事业的份额更大，教育资源丰富，此外教育资源供给增多也是为了满足日益增长的人口需求，可见优质的教育资源是人口集聚的重要原因。
医疗水平对人口分布的影响与交通联系相反，在全国均呈现负相关效应，系数取值在-0.236~-0.101之间，在空间分布上呈现出明显的南北差异，南方地区的回归系数普遍高于北方地区（图5f）。回归系数的空间分布中，西北地区和北部地区受医疗水平的影响较弱，东南沿海地区受医疗水平的影响较强。这说明经济发达地区的卫生医疗服务水平更高，医疗资源分布相对合理，对城市人口扩散起到了积极作用。
就业结构对人口分布的影响在全国均呈现负向影响效应，系数取值在-0.207~-0.186，从系数的空间异质性来看，回归系数数值基本呈现由北向南递增，负向影响程度较高的分布在北部地区，南部地区则影响程度较小（图5g）。回归系数空间差异性并不显著，这与现状特征值分布相一致（图1e）。
4.2.3环境因素
城市环境对95%的城市人口分布具有正相关效应，回归系数取值在-0.333~0.011之间，从系数的空间分布来看（图5h），回归系数由东向西递增。长三角地区、东部沿海地区的城市人口分布受城市环境的负向影响较强，而对西部地区城市的人口分布呈现正向影响。良好的城市环境是生态宜居的必然要求，人们对高生活品质的追求是促进其流动的重要因素，东部地区城市环境优于西部（图1h），但与人口分布呈现负影响，可能是因为其环境基础本身就较好，相比经济社会发展因素，环境因素的作用反而不显著，而西部地区大多数城市自身环境条件基础较差，良好的城市环境更能吸引人口集聚，这验证了杨晓军的研究结果，高等级城市或大城市环境质量对人口迁移具有更强的限制作用，中小城市的环境质量对人口迁移却有促进作用。
a.投资规模回归系数
b.产业结构回归系数
c.经济基础回归系数
d.交通联系回归系数
e.教育资源回归系数
f.医疗水平回归系数
g.就业结构回归系数
h.城市环境回归系数
图5.MGWR模型影响因素回归系数空间分布
05
结论与讨论
MGWR模型能有效刻画各影响因素表征的空间异质性。MGWR以不同的空间比例为不同过程的空间变化建模，不仅每个变量都有特定的带宽值作为每个空间过程的空间尺度的指标，而且多带宽的方法更接近真实和有效的空间过程。并且，每个变量都有各自不同的空间平滑水平解决了GWR模型的缺陷。本文MGWR模型结果刻画了社会、经济、环境等影响因素对人口分布影响的异质性和空间尺度，并证明了其空间分异特征是客观存在的，对解释人口分布影响因素的空间差异现象具有重要意义。
对城市人口分布现状和其影响因素的回归系数进行解析，探究在不同要素维度上影响人口分布的空间异质性，主要结论如下：
（1）现阶段，中国城市人口分布仍然以黑河—腾冲为分界线，呈东南多、西北少的特点，仍然是东部地区的人口居多，以沿海城市较为显著，表现出较强的集聚分布特征。总体上呈现自东向西呈阶梯递减格局和直辖市、省会城市明显高于其他城市的空间分布特征，并且空间正相关性显著，在空间上呈现明显的集聚效应，具有空间依赖性。
（2）根据多尺度地理加权回归模型结果经济、社会、环境对城市人口分布的影响呈现出明显的空间异质性，总体上呈现带状空间分异特征。投资规模、产业结构、经济基础、教育资源、城市环境等指标对城市的人口分布解释力均较强。除经济基础、交通联系对城市人口分布具有显著的正相关性以及医疗水平、就业结构、投资规模具有显著的负相关性之外，其他指标均同时存在正负相关效应，且具有明显的空间分异。在众多影响因素中，经济因素是影响人口分布的主导因素，且其带宽值最小，空间异质性最为显著。经济基础对城市人口分布具有显著的正影响效应，对城市人口分布的影响呈现中间高南北低的空间态势；产业结构对城市人口的分布影响有正有负，并且对66%城市创新能力具有促进作用，其影响程度呈现出由东南向西北递减的特征；投资规模与城市人口分布均为负相关，东北地区、西部地区受投资规模的影响较弱，东部地区受投资规模的影响较强。社会因素中，教育资源对城市人口分布的影响表现出发达地区与落后地区之间的正负分异格局；以道路长度为代表的交通联系对城市人口分布的影响同样有正负两种效应，道路长度的增加可以提高西北地区城市可达性，促进人口集聚。医疗水平与就业结构与人口分布呈负相关效应，空间上两者呈现由南向北相反的态势；环境因素方面，以人均公园绿地面积表征的城市环境对人口分布的影响为负，但西部地区的负向影响相对较弱，这与已有研究中小城市环境质量促进人口集聚的观点一致。
基于以上结论，由此提出以下几点建议：
1）继续维持经济基础、交通联系对城市人口分布的基础支持力度。进一步提高中西部地区的地区生产总值对城市人口分布的促进作用，加快建设西部地区的基础设施建设，提升城市间交通出行可达性。
2）东南部地区，特别是对于珠三角和长三角地区，在维持现有较开放的经济水平基础上，还应促进产业结构平稳转型并进一步优化，以适当的产业转移以促进人口扩散，最终推动经济持续健康协调发展。
3）西部及东北地区要重点优化资源的配置问题，例如加强教育资源、医疗水平、环境质量等方面的地区硬实力和软实力建设，为人口集聚提供良好的条件和空间。
本文尚存在一些不足之处。首先，由于数据的可获得性，某些城市的数据无法获取，最终我们只分析了全国289个城市人口分布的影响因素，对结果的解释力仍有不足。其次，多尺度地理加权回归模型存在数据共线性，虽然能刻画地理空间尺度，但当数据增加的时候会提高共线性。最后，我们并未考虑自然因素维度，无法完全准确地反映不同维度的影响程度，这对结果的解释力存在一定的影响。
参考文献（上滑查看全部）
[1] Ellis, E.C., Wang, H.Q., Xiao, H.S., Peng, K., Liu, X.P., Lie, S.C., Ouyang, H., Cheng, X., Yang, L.Z., 2006. Measuring long-term ecological changes in densely populated landscapes using current and historical high resolution imagery. Remote Sens. Environ.100, s73.
[2] Williams, M., Longstaffff, B., Buchanan, C., Llanso, R., Dennison, W., 2009. Development and evaluation of a spatially-explicit index of Chesapeake Bay health. Mar. Pollut. Bull. 59, 14–25.
[3] 王桂新.城市化基本理论与中国城市化的问题及对策[J].人口研究,2013,37(06):43-51.
[4] 中国2010年人口普查资料.http://www.stats.gov.cn/tjsj/pcsj/rkpc/6rp/indexch.htm.
[5] 曹丽. 中国人口分布及影响因素分析[D].吉林大学,2012.
[6] 张耀军,王小玺.城市群视角下中国人口空间分布研究[J].人口与经济,2020(03):1-13.
[7] 陈浩光,林道善.广东省人口分布的分析[J].中山大学学报(哲学社会科学版),1984(01):96-102.
[8] 封志明,唐焰,杨艳昭,张丹.中国地形起伏度及其与人口分布的相关性[J].地理学报,2007(10):1073-1082.
[9] 姚永玲,邵璇璇.中国城市人口空间网络结构及其影响因素[J].人口与经济,2020(06):1-16.
[10] Salahuddin M. Jaber,Is there a relationship between human population distribution and land surface temperature? Global perspective in areas with different climatic classifications,Remote Sensing Applications: Society and Environment,Volume 20,2020,100435,ISSN 2352-9385.
[11] 胡焕庸.中国人口的分布、区划和展望[J].地理学报,1990(02):139-145.
[12] 古恒宇,李琦婷,沈体雁.东北三省流动人口居留意愿的空间差异及影响因素[J].地理科学,2020,40(02):261-269.
[13] 海晓东,刘云舒,赵鹏军,张辉.基于手机信令数据的特大城市人口时空分布及其社会经济属性估测——以北京市为例[J].北京大学学报(自然科学版),2020,56(03):518-530.
[14] YADAV V，BHAGAT Ｒ B.Spatial dynamics of population in kolkata urban agglomeration
[M]// SINGH Ｒ B.UrbanDevelopment Challenges.Ｒisks andＲesilience in Asian Mega Cities.Tokyo: Springer Japan,2015:157－173．
[15] 邹大伟,季金星,张莹,聂坤.基于回归分析与灰色预测的中国人口影响因素相关性分析[J].长春师范大学学报,2020,39(06):10-17.
[16] 古恒宇,孟鑫,沈体雁,崔娜娜.中国城市流动人口居留意愿影响因素的空间分异特征[J].地理学报,2020,75(02):240-254.
[17] 李博,金淑婷,陈兴鹏,石培基,庞家幸,达福文.改革开放以来中国人口空间分布特征——基于1982—2010年全国四次人口普查资料的分析[J].经济地理,2016,36(07):27-37.
[18] 吕晨,樊杰,孙威.基于ESDA的中国人口空间格局及影响因素研究[J].经济地理,2009 (11): 1797－1802．
[19] 孟延春,汤苍松.改革开放以来北京市人口空间分布的变动特征——基于1982-2010年四次人口普查资料的分析[J].中国人口·资源与环境,2015,25(03):135-142.
[20] 邓祖涛,陆玉麒.长江流域城市人口分布及空间相关性研究[J].人口与经济,2007(04):7-12.
[21] 张世伟,王琳,鲁凤.基于MGWR的南京市住宅租金影响因素研究[J].现代城市研究,2019(11):97-103.
[22] 沈体雁,于瀚辰,周麟,古恒宇,何泓浩.北京市二手住宅价格影响机制——基于多尺度地理加权回归模型(MGWR)的研究[J].经济地理,2020,40(03):75-83.
[23] 王业雯.产业结构、消费结构与经济增长——基于广东省的实证分析[J].经济问题探索,2016(07):22-27.
[24] 张绍稳,徐光远.城市产业与人口的空间集聚关系实证研究——基于云南省州市产业与人口面板数据计量分析[J].经济问题探索,2019(05):89-96+158.
[25] 王莹莹,童玉芬.产业集聚与结构高度化对北京人口规模的影响:膨胀还是收敛?[J].人口学刊,2015,37(06):5-13.
[26] 陈依曼,李立勋,符天蓝.中国城市创新能力及其影响因素的空间分异——基于GWR模型的实证[J].热带地理,2020,40(02):323-334.
[27] 刘勇,王雨飞.高速铁路发展与中国人口空间分布:基于城市面板数据的空间计量分析[J].城市观察,2019(06):93-102.
[28] 童玉芬,马艳林.城市人口空间分布格局影响因素研究——以北京为例[J].北京社会科学,2016(01):89-97.
[29] 杨晓军.城市环境质量对人口流迁的影响——基于中国237个城市的面板数据的分析[J].城市问题,2019(03):23-31.
[30] Fotheringham, A. S., Yue, H., & Li, Z. (2019). Examining the influences of air quality in China's cities using multi‐scale geographically weighted regression. Transactions in GIS, 23(6), 1444-1464.
*本文为2021中国城市规划年会论文。
【免责声明】本公众号发布的内容仅供学习交流使用，不以任何形式进行牟利。内容版权归原作者所有。如有侵犯您的权益，请及时与我们联系，我们将于第一时间协商版权问题或删除内容。内容为作者个人观点，不代表本公众号立场和对其真实性负责。
世界人口日 | 习近平：人口问题始终是全局性、战略性问题
点击图片阅读全文
世界人口日 | 城市建成环境对人口流动下疫情传播影响探究——基于50个中国城市的大数据
点击图片阅读全文
“十四五”期间我国人口将进入负增长阶段，如何谱写新时代人口工作新篇章？
点击图片阅读全文
热门跟贴