曾经熟悉的家乡终将成为倍感孤独的地方

春节过后,很多在外漂流的人又到了抉择的时候:留在家乡安稳地生活,还是回到大城市继续打拼?

父母也许会说:别回去了,留下来考个公务员吧;
家乡的朋友也许会说:别回去了,合伙做个生意吧;
亲戚也许会说:别回去了,到我表哥的公司去当个保安吧。

然而,去哪里工作这个问题,已经不再是问问长辈朋友亲戚就能做出决定的——我们必须放眼看看中国现在所处的这个非常特殊的时代。
很多人都没有意识到,我们这个一直号称“人太多”的大国已经出现或即将出现3个非常重要的人口拐点:
1、劳动年龄人口拐点:2013年
曾经熟悉的家乡终将成为倍感孤独的地方
这个拐点我们在4年前经过了。我们国家的劳动力总量不再增加了。
2、流动人口拐点:2014年
曾经熟悉的家乡终将成为倍感孤独的地方
这个拐点我们在3年前经过了。离开家乡寻求发展的人数不再增加了。
3、总人口拐点:2025-2030年
曾经熟悉的家乡终将成为倍感孤独的地方
这个拐点我们即将迎来,中国的总人口不再增加了。但具体时间还有待商榷:

  • 国务院的《国家人口发展规划(2016-2030)》认为是2030年的14.5亿;
  • 联合国《世界人口前景2010年修订本》认为中国总人口负增长出现在2027年,峰值为13.96亿人;
  • 还有些学者认为是2025年的14.2亿,但区间大概也就是2025~2030年。

用不着怀念,中国的人口红利期的确已经过去了。
宏观的结果是我们必须接受的,而微观的选择才是我们能有所作为的。既然人口衰减的宏观趋势无可避免,我们会很自然地思考:
到底哪些城市会承担人口衰减的结果呢?
2015年初时,我们写了一篇文章《逃离你终将衰落的家乡》。在这篇文章中我们根据人口普查数据,制作了下图:
曾经熟悉的家乡终将成为倍感孤独的地方
(说明:图中柱子表示人口数量,线条表示比例。柱子高于“0”的水平线表示该省为人口流入地,柱子越高表示流入的人越多;柱子低于水平线表示该省为人口流出地。线条含义类似。)
这张图很清楚地显示出:在中国人口进入拐点前的5年(2005~2010年)里,全国的人口流动明显地持续向大城市和发达地区转移。而且流入地高度集中在少数地区。
假如未来的人口流动持续这个趋势的话,那么接下来中国大部分省份都很可能承受“人口自然衰减”加“被发达地区人口抽血”的双重后果。
我们根据估算绘制了一张2050年我国大城市人口抽血图:

这篇文章引起了轩然大波。
虽然得到了很多人的赞同,但也有不少人认为未来人口流动的趋势并不会向大城市集聚。有不少人士拿出了一些所谓专业机构的报告,提出了各种各样的观点。包括最近某部委印发了《全国国土规划纲要》,又一次(咦,为什么要加个又字呢)提出了要引导中心城市人口向周边转移。
他们或者认为人口要开始向县一级城镇转移,或者向中西部城市群转移,或者向大城市周边的中小城镇转移。很多人抱有疑问:
衰减时代的人口流动的趋势和增长时代还是一样的吗?
空泛地讨论毫无意义,我们来看看数据怎么说。
我们整理了2014年流动人口拐点后连续三年的春运迁徙数据(数据来源请参见文末注释1),在一定程度上表征全国人口在2014、2015、2016三年的流动迁徙情况(春运返乡数据反映出的是前一年的人口迁移情况)。先看下图:
曾经熟悉的家乡终将成为倍感孤独的地方
(说明:“人口吸纳规模”的计算方法参见文末的注释2。柱子长度的含义同上,深绿、浅绿、黄色分别代表2015、2016、2017三年的数据。)
可以看到:
除了广东省在2016年净流入人口指数略有放缓之外,北京、上海、浙江这三个主要流入地的人口净流入指数都在进一步增强。
我们再把以上最新一年的数据和2010年的普查数据比较一下,请看下图:
曾经熟悉的家乡终将成为倍感孤独的地方
很明显:全国人口流动的集聚程度仍然在进一步地提高。
对比六年前的数据,人口集聚省份从10个缩减为8个,人口资源已经开始向更少的省份聚集;而北京上海的集聚程度超过了浙江省,包含了广深的广东省的集聚程度仍然排名第一,人口资源继续向一线城市进一步集聚。
当然,以省份为观察单元,可能会缺失一些省际内部人口流动和集聚的情况,那么我们不妨再聚焦到城市级的颗粒度上观察。请看下图:
曾经熟悉的家乡终将成为倍感孤独的地方
(说明:图中每个圆点代表一个地级市。红色为人口聚集的城市,绿色为人口流出的城市,圆圈大小代表流动的人口规模。“吸纳/流失型城市”的定义的定义参见注释3。)
我们可以看到,在流动人口进入到了存量时代的2015-2017年,全国大部分城市都呈现出人口流失的状况(上图中的绿色点),只有北上广深、东部发达地区以及部分省会等少数城市依然保持了人口迁入状态(上图中的红色点)。
我们将以上城市进一步分为三组:一线城市、准一线城市、强二线城市(城市分类名单请看文末注释8)。分别统计其人口吸纳能力可以得到下图:
曾经熟悉的家乡终将成为倍感孤独的地方
(说明:“人口吸纳能力”指数的计算方法参见文末的注释4。线条上扬表示该类城市的吸纳能力逐年提高,线条下落则表示吸纳能力降低。)
可以看到:
在流动人口进入到了存量时代的2015-2017年,虽然仍有不少城市保持着净迁入人口的增长,但实际上,只有四个一线城市的人口吸纳集中度呈上升趋势,从48%提高到了56%;而部分准一线城市和强二线城市虽然也有大量的人口流入,但从占比上看已经呈现为下降的趋势,分别各下降了5个百分点。
尽管宏观层面的人口拐点已经出现,尽管我们也出台了无数政策试图控制人口向大城市的流动,但是数据给我们展现出的趋势却是:
大城市的人口抽血能力并没有减缓,反而在持续地加强。
因此,我们在2015年初时所做出的推断,到今天仍然没有改变。
不仅如此,我们甚至可以观察到大城市在抽血能力在某些维度上的升级:
1. 从更远的城市抽
请看下图:
曾经熟悉的家乡终将成为倍感孤独的地方
(注:抽血距离的计算方法参见文末的注释5。)
我们可以看到:
从2017年看,人口抽血距离最远的四个城市均为一线城市,从大到小排序为:北京、上海、深圳、广州。
从趋势上看,2015-2017年大部分一线城市和准一线城市的人口抽血距离都在增大。其中距离增加最多的城市分别为:厦门、北京、上海、深圳。
2. 从更强的城市抽
请看下图:
曾经熟悉的家乡终将成为倍感孤独的地方
(注:抽血强度的计算方法参见文末的注释6。)
我们可以看到,在2015年至2017年间:
一线城市对准一线城市的人口抽血强度从12%上升15%;
一线城市对强二线城市的人口抽血强度从11%上升到17%;
一线城市对普通城市的抽血强度从73%下降到64%。
从趋势上看,一线城市进行人口抽血的目标正在逐渐从能级较低的普通城市转移到能级更高的准一线城市和强二线城市。
3. 从更多的城市抽
请看下图:
曾经熟悉的家乡终将成为倍感孤独的地方
(注:抽血广度的计算方法参见文末的注释7。)
对于大部分一线城市和准一线城市而言,其抽血目标城市的数量都在这三年内都显著上升(除了沈阳)了,其中数量增加最多的为上海和深圳,2015到2017年内,其抽血目标城市数量增加了超过10个。
我们用两张动图来演示一下这个从全国人口抽血的盛况吧,请看下图:
曾经熟悉的家乡终将成为倍感孤独的地方
曾经熟悉的家乡终将成为倍感孤独的地方
在上面这场越来越激烈的人口抽血游戏背后下面,其实是我们每一个人的脚印。
更多地方的人们愿意跋涉更远的距离,承担更高的成本,以逃离他们的家乡。
这到底是对是错?
我们并不知道。每个人都有自己的选择,是这些选择成就了我们,也是这些选择成就了我们所身处的这个世界。
我们是否只能眼睁睁看着家乡的衰落?
我们也并不知道。也许有一丝可能,科技会带来新的机遇,使得城市在人口衰减的同时也能保持繁荣。
但无论如何,当我们熟悉的亲人朋友们一个个离开,当他们的父母也随着离开了,甚至当他们的孩子也长大离开,我们能够确认的,也是我们现在已经确认的,那就是:
那个曾经无比熟悉亲切的家乡,终将成为一个让我们倍感孤独的地方。


注释
1. 本文使用的是“腾讯位置大数据”在2015、2016、2017年春节前10天的数据。我们认为,春节前从大城市净流出的人口绝大部分是该城市吸纳的外来劳动力,也有小部分为旅游、商务等其他目的的迁移人群,无法从样本中排除。由于腾讯数据不是人口全样本,我们仅能以指数的相对大小表征其吸纳规模和吸纳能力。
2. 人口吸纳规模:城市在春节前夕的净流出人口规模(流出人口与流入人口之差)。该规模不是绝对人口数量,仅表征相对规模大小。
3. 吸纳/流失型城市的定义:吸纳型城市指的是人口吸纳规模为正的城市(2017年春节前夕人口净流出的城市),流失型城市指的是人口吸纳规模为负的城市(2017年春节前夕人口净流入的城市);二者中间还有一类均衡型城市,但不作为本文探讨的对象。
4. 人口吸纳能力=该类城市的人口吸纳规模/全国吸纳型城市的人口吸纳总规模
5. 抽血距离=某吸纳型城市与其对应的主要流失型城市的平均空间距离。“某吸纳型城市的主要流失型城市”的计算方法为,对每个流失型城市流失到该吸纳型城市的人口规模由大到小排序,并计算占该吸纳型城市吸纳人口总规模的累计比例,取前80%的城市。
6. 抽血强度=某城市从另一类城市吸纳的人口规模/该城市吸纳的人口总规模
7. 抽血广度=某城市的主要流失型城市的数量
8. 城市分类名单

  • 一线城市(国家认定的“全球城市”):北京、上海、广州、深圳
  • 准一线城市(国家认定的11个“中心城市”):天津、重庆、沈阳、成都、武汉、南京、西安、杭州、青岛、郑州、厦门
  • 强二线城市(数据团综合参考“第一财经周刊”、“新一线城市研究室”、“百度百科”等选出的20个城市):大连、宁波、苏州、无锡、济南、佛山、东莞、福州、长沙、温州、泉州、合肥、太原、南宁、长春、哈尔滨、石家庄、昆明、贵阳、南昌

9. BDP个人版 为本文提供了部分可视化支持。

发表评论