EN中文

地理学报 >

2025 , Vol. 80 >Issue 6: 1427 - 1445

DOI: https://doi.org/10.11821/dlxb202506001

区域人口高质量发展

主体功能区规划对中国人口分布变动的影响效应

  • 刘涛 , 1, 2 ,
  • 朱羽佳 1, 2
展开
  • 1.北京大学城市与环境学院，北京 100871
  • 2.北京大学未来城市研究中心，北京 100871

注：本文为第二十七届中国科协年会学术论文。

刘涛(1987-), 男, 安徽宿州人, 博士, 研究员, 博士生导师, 研究方向为人口迁移和城乡规划。E-mail:

收稿日期: 2024-11-01

  修回日期: 2025-05-07

  网络出版日期: 2025-06-13

基金资助

国家自然科学基金项目(42371231)

北京大学中央高校基本科研业务费资助项目

收起

Effects of main function zoning on China's population redistribution

  • LIU Tao , 1, 2 ,
  • ZHU Yujia 1, 2
Expand
  • 1. College of Urban and Environmental Sciences, Peking University, Beijing 100871, China
  • 2. Center for Urban Future Research, Peking University, Beijing 100871, China

Received date: 2024-11-01

  Revised date: 2025-05-07

  Online published: 2025-06-13

Supported by

National Natural Science Foundation of China(42371231)

The Fundamental Research Funds for the Central Universities, Peking University

Fold

摘要

主体功能区是国土空间开发保护的基础制度，核心目标是以差异化的功能定位，引导要素有序流动，优化国土空间发展格局。本文基于2000年、2010年和2020年3次全国人口普查分县数据和双重差分模型，评估主体功能区规划对人口分布变动的影响。研究发现：① 主体功能区规划对人口变动的影响总体符合政策导向。规划实施后，人口在优化开发区的增速下降，重点开发区加速增长，农产品主产区加速减少，重点生态功能区由增转减；以农产品主产区为参照，规划的实施强化了重点开发区的人口集聚优势。② 规划实施效果具有区域和等级双重异质性。农产品主产区和重点生态功能区的县域人口变动多半符合规划导向，而重点开发区的县级单元仅四成实现了人口加速集聚的目标；国家级重点开发区的影响强度约为省级的2倍。③ 限制开发区向城市化地区的迁移仍以跨区域为主，很难实现人口“集中均衡”布局的目标。④ 规划的实施改变了各类主体功能区人口变动的影响因素。优化开发区的二产重要性弱化、三产带动力增强，重点生态功能区的经济因素弱化，都符合规划导向；但重点开发区的工业化作用有限，农产品主产区则持续受到工业化和经济发展的深刻影响，二者与规划导向均有明显偏差。新一轮规划可适度集中城市化地区的布局，明确重点开发区的开发时序，对各类限制开发区提出更具针对性的管控要求。

关键词： 主体功能区; 人口分布变动; 政策效应; 双重差分; 空间规划; 中国

本文引用格式

刘涛 , 朱羽佳 . 主体功能区规划对中国人口分布变动的影响效应[J]. 地理学报, 2025 , 80(6) : 1427 -1445 . DOI: 10.11821/dlxb202506001

Abstract

Main function zoning (MFZ) is the fundamental system of China's territorial development and protection. Through differentiated functional orientation, the core objectives of MFZ are to guide the orderly flow of resources across regions and optimize the spatial pattern of national development. This study evaluates the impacts, their heterogeneities among four types of zones, and underlying mechanisms of MFZ planning on China's population redistribution using county-level data from the three latest national population censuses and causal inference tests through difference-in-differences models. The results show that: The MFZ effects generally align with policy orientation. Post-implementation, optimized development zones, prioritized development zones, main agricultural zones and key ecological zones experienced declining population growth rates, accelerated population agglomeration, accelerated population decline, and growth-to-decline transition, respectively. Using main agricultural zones as reference, the planning reinforced the population concentration advantages of prioritized development zones. The policy effect exhibits dual heterogeneity across regions and hierarchical levels. Population changes in agricultural and ecological zones mostly complied with planning guidance, whereas only 40% of county-level units within prioritized development zones achieved the policy goal of accelerated agglomeration. National-level prioritized development zones demonstrated approximately twice the impact of provincial-level counterparts. Population migration from restricted development zones to urbanized areas predominantly occurred through cross-regional migration rather than intra-prefecture movements, making the policy goal of "concentrated equilibrium" within prefecture-level cities difficult to achieve. The planning promoted shifts in influencing factors of population redistribution within each type of MFZ. The diminished role of secondary industries and enhanced influence of tertiary sectors in optimized zones, along with weakened economic drivers in ecological zones, aligned with planning objectives. However, industrialization in prioritized development zones failed to significantly boost population agglomeration, while agricultural zones remained profoundly influenced by industrialization and economic development, both deviating from intended planning orientations. The findings suggest that the new-round planning could moderately concentrate urbanized area layouts, clarify development sequences for prioritized development zones, and implement more targeted differentiated governance requirements for restricted development zones.

Key words： main function zoning; population redistribution; policy effect; difference in difference; spatial planning; China

1 引言

主体功能区是中国国土空间开发保护的基础制度[1]，是实施差别化区域政策和配置关键资源要素的重要依据。主体功能区规划作为一项空间政策，是结合顶层的国土空间开发战略和底层的区域自然地理条件的综合性区划[2-3]，根据不同区域的资源环境承载能力、现有开发强度和发展潜力，将国土空间划分为不同类型的主体功能区，实施差异化的开发政策，以促进人口、经济与资源环境的协调发展。中国共产党的“二十大”报告提出“健全主体功能区制度，优化国土空间发展格局”。主体功能区是制定各类空间政策的基础，2010年开始实施的《全国主体功能区规划》已于2020年到期，对其实施效果开展评估，将为编制新一轮规划和调整优化相关空间政策提供有效支撑。
主体功能区规划的空间效应研究主要关注规划政策对土地、人口和经济等要素分布的影响。其中，主体功能区对建设用地增长的影响效应研究相对较为丰富[4-6]，普遍证实了重点开发区对建设用地增长的促进作用[4-5]。Liu等对全国主体功能区的研究发现，规划实施前后对比，建设用地增长最快的地区由优化开发区转变为重点开发区[5]；He等对福建省的研究也发现，在控制人口总量、经济发展水平等因素的情况下，规划实施后重点开发区建设用地的扩张面积比限制开发区建设用地的扩张面积更大[4]。相对而言，主体功能区对人口变动的影响研究较少，主要局限于4类主体功能区人口增速和集聚度的简单比较[7-9]，缺乏对规划实施前后人口变动趋势变化的分析。
研究方法上，一些研究对比4类地区在一个时段（例如政策实施后）的发展差异[8-9]，发现在人口方面，政策实施后的10年优化开发区人口增长最快，重点开发区其次，两类限制开发区人口减少；经济方面，重点开发区的经济增长最快，优化开发区其次，两类限制开发区较慢[8]。而这不等同于政策效应，其中混杂了政策实施前地区间的初始差异和政策效应。因此，应该控制政策实施前4类地区原本的人口增长差异，才能剥离出政策对人口增长的影响。另一些研究考察了政策实施前后两个时期地区间差异的变化[5,10]，但没有排除因果推断中自选择问题的干扰，忽略了政策处理具有非随机性的问题，在这种情况下，政策处理组在“如果未处理”情况下的变化和对照组的变化趋势可能不一致，造成政策效应的估计有偏。实际上，在编制主体功能区规划的过程中，自然地理条件、经济发展水平和人口集聚度等是规划分区的重要依据[11]，规划之前的经济发达、人口密集地区更有可能被划入优化开发区或重点开发区。因此排除自选择性，在政策制定前地区发展条件相似的匹配样本中估计政策效应会更加可靠。此外，已有研究对主体功能区政策效果的评估侧重总体评价，但是政策的效果不能笼统判断，同类型主体功能区内部可能也有很强的异质性[5]。总体而言，关于主体功能区对人口变动的效应研究较少且不够深入。
全国人口分布变动来源于各地不同步的人口增减过程，人口增长由自然增长和人口迁移共同构成。随着经济社会发展和人口转变过程，近年来，自然增长对人口变动的影响有限[12]，迁移流动已成为影响各地人口变化和全国人口分布格局的主要力量[13]。主体功能区规划强调通过引导人口迁移流动，调控优化人口分布格局。国内外关于人口迁移流动的影响因素研究较多，主要关注经济因素和舒适性因素的影响，较少关注政策因素的影响。在经济维度，收入水平和就业机会影响人口的迁移流动和分布变动[14-15]。在工业化时期，人口分布与制造业布局紧密关联，随着经济结构的调整和城市化发展，服务业和政府部门成为吸纳人口的主要行业部门[16-17]。在舒适性维度，随着收入提升，人们对舒适性的需求提高，尤其是对支撑户外休闲活动的气候舒适性的需求提升[18-19]。在政策维度，少量研究探讨了城市行政等级对人口分布的影响[20-21]，对空间规划的关注不多。2010年发布的主体功能区规划是指导全国国土空间开发保护的第一张蓝图[22]，解析其对人口分布变动的影响效应，既是规划评估的重要方面，也为解读中国人口格局变动提供了新视角。
主体功能区规划引导下，各类功能区人口变动的影响因素更加分化，邻近的功能区之间人口流动更加活跃，进而在全局和地方尺度上改变了人口分布的动力机制。各类主体功能区处在经济发展的不同阶段和区域竞争的不同地位，竞争资源要素的能力不同，人口增长或减少的影响因素存在差异，主体功能区规划将强化这种差异性。在美国，大都市区人口增长的主要动力是经济因素，人口在大都市区的集聚受到就业机会的影响更大，受舒适性因素的影响较弱[23]；而非大都市区县的人口增长受非经济因素（如舒适性因素）的影响更强，非大都市区人口倾向于向气候温暖、景色优美的地区集聚[23-25]。在中国，农业县的人口城镇化发展似乎并不完全依赖于工业化，有些县域通过发展商业、服务业，创造就业机会[26]，县城公共服务成为了引导人口集聚的重要吸引力[26-27]。从政策视角看，实施主体功能区规划，就是要借助差异化的政策导向，引导形成各地区优势互补的发展格局。差异化的发展导向将改变4类地区的人口吸引力，优化开发区的导向是优化产业结构、提升国际竞争力，重点开发区加快工业化城镇化进程，重点生态功能区提供生态产品，农产品主产区增强农业生产能力[28]。那么规划实施之后的4类地区人口增长动力有何差异、规划前后分别发生了什么变化?邻近的不同功能区之间的功能分化是否促进了地方尺度上的人口流动和空间集聚?这些问题的分析也将深化主体功能区对人口变动影响机制的认识。
综上所述，已有关于主体功能区对人口增长的效应研究较少。在研究方法上，已有研究缺乏对政策前后发展趋势转变的分析，难以剥离出真实的政策效应，而且研究大多忽略了政策制定过程中的自选择问题带来的偏差。相关研究在内容深度上不够，存在两点不足：首先，主体功能区规划评估研究侧重对4类地区整体效果的分析，对同类功能区内部差异的分析不足，难以回答规划具体在哪些地区更加有效；其次，侧重4类地区并列比较的分析范式，偏离了主体功能区规划的核心目标，即通过差异化的发展，形成各类功能区之间优势互补的发展格局，通过引导农产品主产区和重点生态功能区人口向城市化地区转移，使人口和经济在国土空间的分布更加集中均衡。
基于此，本文利用2000年、2010年和2020年3次全国人口普查分县数据，研究主体功能区规划的政策影响下4类地区的人口变动趋势的差异性，通过政策实施（2010年）前后的对比，检验政策对人口变动的因果效应；进一步分析同类主体功能区内部人口变动趋势的差异性，检验政策效应的区域异质性，并研究各地区内部城市化地区和限制开发区的互动关系。在此基础上考察主体功能区政策影响下各类功能区人口增长动力的演变趋势。研究有助于科学认知主体功能区的规划效果，为空间政策的调整优化提供依据。

2 研究区概况与研究方法

2.1 主体功能区规划的人口政策

主体功能区规划将国土空间划分为两级4类区域，两级指国家级和省级，4类地区指优化开发区、重点开发区、农产品主产区和重点生态功能区。樊杰在全国方案的约束框架下拼接整合了各省主体功能区规划方案[11]，为本文的评估工作提供了基础（图1）。优化开发区是经济发达、人口密集、开发强度较高、资源环境负荷较重的地区[28]，分布在东部城市群，2020年优化开发区以全国1.5%的土地承载了17.6%的人口，人口密度高达1699.0人/km2。重点开发区是有一定经济基础、发展潜力较大且资源环境承载力强的地区，分布在中西部城市群和部分地级中心城市，其以全国13.8%的国土面积承载了40.8%的人口；农产品主产区和重点生态功能区分布在城市化地区外围或偏远地区，它们分别以全国25.3%和59.4%的国土面积，承载了全国27.2%和14.3%的人口（表1）。
图1 中国主体功能区规划方案

注：基于自然资源部标准地图服务网站GS(2019)1823号的标准地图制作，底图边界无修改；资料来源于樊杰2015年的《中国主体功能区划方案》[11]。

Fig. 1 Main function zoning of China

表1 2000—2020年中国主体功能区人口分布概况

Tab. 1 The profile of population distribution in main functional zones in China, 2000-2020

主体功能区类型 人口规模(万人) 人口占比(%) 人口占比变化(%) 行政区面积 2020年
人口密度
(人/km2)
2000 2010 2020 2000 2010 2020 2000—
2010年		 2010—
2020年		 面积
(万km2)		 占比
(%)
优化开发区 15817.3 20443.5 24848.8 12.7 15.3 17.6 2.6 2.3 14.6 1.5 1699.0
重点开发区 46033.9 50819.5 57542.0 37.0 38.1 40.8 1.1 2.7 130.6 13.8 440.6
农产品主产区 41393.0 40863.4 38398.8 33.3 30.7 27.2 -2.7 -3.4 239.4 25.3 160.4
重点生态功能区 21017.0 21154.7 20188.0 16.9 15.9 14.3 -1.0 -1.6 561.7 59.4 35.9
总计 124261.2 133281.0 140977.6 100.0 100.0 100.0 946.3 100.0 149.0
遵循协调开发和集约开发原则，主体功能区规划制定了分区的人口发展政策，目标是“促进人口、经济、资源环境相协调”，引导“人口相对集中分布”[28]。规划鼓励和引导农产品主产区和重点生态功能区的人口向优化开发区和重点开发区转移。农产品主产区和重点生态功能区实施“积极的人口退出政策”，优化开发区和重点开发区实施“积极的人口迁入政策”；前两者的人口政策导向基本一致，后两者的差别在于人口集聚速度，重点开发区要“促进人口加快集聚”，而优化开发区在吸纳来自限制开发区人口的同时，还要“优化人口分布，控制特大城市主城区的人口规模”，人口集聚的速度应该减缓（图2）。
图2 主体功能区的人口分布引导政策示意

注：箭头和线宽表示政策引导区域间人口流动的方向和强度。

Fig. 2 Population redistribution policies of main functional zones

主体功能区规划实施了分区差异化管理的政策，两类城市化地区和两类限制开发区分别对应于促进人口集聚和抑制人口集聚两种相反的导向。原则上，进行政策的因果效应检验需要有实施某项政策的处理组和未实施的对照组，而本研究的主体功能区规划不存在严格的未处理的对照组。本文对政策效应的研究以农产品主产区为对照组，其他3类政策区为处理组，通过后者与前者在政策前后的人口增速对比，考察4类政策区人口增减的相对变化，反映主体功能区战略实施对引导人口集聚分散过程的政策效应。研究实际上是考察处理组与农产品主产区政策之间的相对效应。根据前文分析，政策实施之后，农产品主产区人口将比原来增长更慢或减少更快，以其为基准，加速增长的重点开发区人口相对增速将更快，减速增长的优化开发区人口相对增速将保持基本稳定，与农产品主产区人口政策类似的重点生态功能区人口相对增速不变，据此提出假说1：
假说1：a. 规划实施后的优化开发区与农产品主产区人口增速变化趋势基本一致；b. 重点开发区对人口增速具有正效应，规划实施使重点开发区与农产品主产区人口增速差距拉大；c. 重点生态功能区对人口增长的政策效应与农产品主产区无显著差别。
主体功能区规划是分国家和省区两级完成的，在全国主体功能区规划的国家级分区以外，省级规划有一定的自主空间。由于主体功能区规划对各类功能区制定了差异化的开发强度管控要求和区域发展政策，各类功能区在投资、用地、重大产业项目等发展要素的配置中具有不同的优先级，故省级政府为了争取更多的发展机会，在编制省级主体功能区规划时，倾向于将更多区域划入重点开发区[29-30]，这也导致重点开发区在国家级规划的基础上大幅增多，形成了大多数地市均有重点开发区的局面。规划的国家级重点开发区有575个，主要分布在中西部省会城市和周边地区，涉及129个地级单元；省级重点开发区419个，主要分布在一般地级市的市辖区，涉及164个地级单元，国家级和省级重点开发区涉及的地级单元基本不重合。考虑到省级规划对重点开发区的大幅扩展，国家级和省级重点开发区可能具有不同的政策效果，由此提出假说2和假说3：
假说2：主体功能区的政策效应具有区域异质性，尤其体现在重点开发区。
假说3：国家级主体功能区比省级主体功能区对人口变动有更强的政策效果。

2.2 研究方法

（1）双重差分法。本文选用双重差分（Difference in Difference, DID）模型，开展主体功能区政策对人口分布变动的效应评估。该模型根据样本是否接受了特定的处理（通常为政策干预），将样本分为处理组和对照组，二者都可能在政策实施前后发生变化，但二者的变化程度不同，对照组的变化即可看作处理组在“如果未接受处理”情况下的变化情况，因此处理组和对照组在政策实施前后变化程度的差异即可看作政策效应。本文的模型公式如下：

G R O W T H i t = β 0 + β 1 O D Z i + β 2 P O S T t + β 3 O D Z i × P O S T t + β 4 P D Z i + β 5 P D Z i × P O S T t + β 6 K E F Z i + β 7 K E F Z i × P O S T t + β 8 C O N T R O L i t + e i t

式中：因变量 G R O W T H i t是i地区在t时段的人口增长率； O D Z i、 P D Z i和 K E F Z i是政策处理虚拟变量，分别代表优化开发区（Optimized Development Zone）、重点开发区（Prioritized Development Zone）和重点生态功能区（Key Ecological Function Zone)，本文以农产品主产区为对照组，检验其他3类功能区的政策效应。 P O S T t表示政策实施的时间虚拟变量（政策实施后的时段=1，实施前=0）。政策分区项的系数 β 1、 β 4、 β 6为政策实施前处理组与对照组原本在人口增长率上的差异， P O S T t的系数和政策分区 × P O S T t交互项的系数共同构成了处理组在政策前后因变量的变化，其中时间变量 P O S T t的系数 β 2为政策实施前后对照组的人口增长率变化（它表征了处理组在未处理情况下的潜在变化），而政策分区 × P O S T t交互项的系数则是政策实施的净效应。
在控制变量（C O N T R O L i t）方面，参考已有研究，影响人口分布的因素除了政策因素以外，还包括自然地理因素、经济因素和公共服务因素。自然地理因素是影响人口分布的基础条件，人口在地势较低的平原、气候温暖湿润的地区集聚[24,31]，地形条件选取高程和坡度两个因素，气候条件选取1月平均气温和年降水量两个因素。经济因素方面，选取人均GDP、二产就业占比和三产就业占比3个变量，分别表征经济发展水平和就业机会[14-15]。公共服务方面，选取普通中学每百名学生拥有教师数和每万人医院卫生院床位数两个因素。此外，研究还控制了人口自然增长率和基期人口密度对人口增速的影响，重点关注其他各因素对人口迁移流动的影响。除不随时间变化的地形因素外，其他控制变量均为t时段基期的水平。各变量的描述性统计如表2所示。
表2 变量描述性统计

Tab. 2 Descriptive statistics of variables

变量 单位 年份 平均值 标准差 最小值 最大值 占比(%)
人口增长率 % 2000—2010 6.43 19.47 -41.72 233.87
2010—2020 0.79 19.54 -63.68 134.42
主体功能
区类型		 优化开发区 8.61
重点开发区 34.95
农产品主产区 28.45
重点生态功能区 27.99
坡度 ° 6.14 5.34 0.15 26.89
高程 102 m 8.29 10.88 0.00 51.46
1月平均气温 ℃ 2000 -1.33 9.72 -29.65 20.36
2010 0.25 9.28 -28.41 21.14
年降水量 102 mm 2000 9.71 5.23 0.25 30.80
2010 10.15 5.89 0.69 32.10
人均GDP 万元/人 2000 0.66 0.59 0.02 7.81
2010 2.69 2.22 0.27 23.51
二产就业占比 % 2000 13.75 13.55 0.00 81.18
2010 18.62 13.94 0.00 76.13
三产就业占比 % 2000 18.62 13.43 2.23 96.70
2010 24.75 15.28 1.73 97.26
普通中学每百名学生拥有
教师数		 位 2000 6.03 2.07 2.47 29.63
2010 7.14 1.74 1.27 17.03
每万人医院卫生院床位数 张/万人 2000 23.86 14.80 2.99 126.58
2010 32.11 16.62 2.29 150.99
人口自然增长率 ‰ 2000 6.33 4.03 -5.98 23.26
2010 5.28 3.84 -7.29 21.69
人口密度 百人/km2 2000 7.22 27.57 0.00 443.90
2010 8.11 30.16 0.00 461.43
（2）倾向得分匹配—双重差分法。使用DID模型估计政策效应的前提是满足平行趋势假设，即处理组在“如果未接受处理”情况下的变化趋势与对照组的变化趋势相同。平行趋势假设意味着处理组和对照组是随机分配的，但主体功能区规划并非随机进行政策分区，因此在政策效应的估计中应该排除自选择问题带来的影响，使处理组和对照组尽量可比。对于由可观测变量带来的自选择问题，有两种解决方法，一是如上述模型所示加入控制变量，控制对是否接受政策处理和因变量同时有影响的混杂变量；二是用倾向得分匹配—双重差分法（Propensity Score Matching-Difference in Difference, PSM-DID），先为处理组样本匹配相似的对照组样本[32]，再对匹配后的样本进行DID回归。两方法的差别是后者在PSM匹配后直接剔除了在处理组与对照组倾向得分共同取值范围外或特征差异太大的样本，降低了极端个案对政策效应估计的影响。本文先用第一种方法分析，再用第二种方法做稳健性检验。
PSM方法第一步是选择既影响政策处理（分区）也影响人口增速的因素作为协变量，去预测样本接受特定政策处理的概率（倾向得分）。具体是以这些协变量为自变量，以是否进入某一政策区为因变量进行Logit回归。在主体功能区规划中，以农产品主产区为对照组，决定一个县（区）是城市化地区还是农产品主产区的因素包括经济发展水平、产业结构、人口集聚度等[33]，因此在优化开发区和重点开发区政策处理的模型中，以人均GDP、二产就业占比、三产就业占比和人口密度作为协变量；而将一个县（区）规划为重点生态功能区还是农产品主产区主要取决于生态重要性、脆弱性和农业生产适宜性，选择地形（高程和坡度）、气候条件（1月平均气温和年降水量）作为协变量[34]。第二步是根据Logit模型预测的样本进入处理组的倾向得分，在对照组中选择与处理组匹配的样本参与后续的双重差分回归。采用核匹配方法，带宽设定为倾向值的标准差的0.25倍。

2.3 数据来源

本文分析单元为县（区），共2844个县（区），包括968个地级及以上城市的市辖区、4个不设区的地级市、381个县级市和1491个县（旗），研究未包含港澳台地区和海南省三沙市。主体功能区规划数据主要来源于樊杰2015年发表的《中国主体功能区划方案》[11]，在此基础上根据2016年9月国务院关于同意新增部分县（市、区、旗）纳入国家重点生态功能区的批复，对主体功能区规划数据进行更新，最终优化开发区、重点开发区、农产品主产区和重点生态功能区分别有245个、994个、809个和796个县级单元。在政策效应评估的回归分析中，需要确保样本数据纵向可比，考虑数据可获取性，在同一地级及以上城市内部各市辖区主体功能类型相同的情况下，对其市辖区进行合并处理，合并后的回归分析单元共2449个。人口数据来源于2000年、2010年、2020年《中国人口普查分县资料》，其中，2000年和2010年的人口数据按照2020年的县级行政区划进行调整，以保证各年份数据纵向可比，数据调整过程中用到了2000年和2010年《中国人口普查分乡、镇、街道资料》。气温、降水和高程数据来源于中国科学院资源环境科学数据中心（https://www.resdc.cn/），社会经济统计数据来源于2001年和2011年的《中国区域经济统计年鉴》《中国县（市）社会经济统计年鉴》《中国城市统计年鉴》以及各省、各地市统计年鉴。

3 主体功能区的人口变动趋势

3.1 4类主体功能区的总体趋势比较

规划实施后，4类主体功能区总人口增速的变化与主体功能区政策导向吻合。与2000—2010年相比，2010—2020年中国总人口增速下降，优化开发区人口增速下降，重点开发区人口加速增长，农产品主产区人口加速减少，重点生态功能区人口由增转减（表3）。与同期全国总人口增长趋势相比，两个时段优化开发区人口增速均高于全国总体水平，差距从22.0个百分点减到15.8个百分点，缩小6.2个百分点，人口持续向优化开发区集聚，但集聚速度下降；重点开发区人口增速也高于全国总体水平，差距从3.1个百分点增大为7.5个百分点，人口加速集聚；两个时段农产品主产区和重点生态功能区的人口增速均低于全国总体水平，且2010—2020年与全国总体人口增速的差距分别比2000—2010年拉大了3.3个和3.7个百分点，两类限制开发区在前一时段人口增、减区县大约各占一半，2010—2020年转为人口减少占主导，农产品主产区和重点生态功能区中人口减少的区县分别上升到72.1%和64.9%。
表3 2000—2020年中国4类主体功能区人口变动的总体趋势

Tab. 3 Overall trend of population change in four types of main functional zones in China, 2000-2020

主体功能区类型 人口增量(万人) 增长率(%) 相对增长率(%) 人口增减单元占比(%)
2000—2010年 2010—2020年 2000—2010年 2010—2020年 变化 2000—2010年 2010—2020年 变化 2000—2010年 2010—2020年
增长 减少 增长 减少
优化开发区 4626.2 4405.3 29.2 21.5 -7.7 22.0 15.8 -6.2 87.3 12.7 73.5 26.5
重点开发区 4785.6 6722.5 10.4 13.2 2.8 3.1 7.5 4.3 72.0 28.0 65.7 34.3
农产品主产区 -529.6 -2464.6 -1.3 -6.0 -4.8 -8.5 -11.8 -3.3 52.8 47.2 27.9 72.1
重点生态功能区 137.6 -966.6 0.7 -4.6 -5.2 -6.6 -10.3 -3.7 56.3 43.7 35.1 64.9
总计 9019.9 7696.6 7.3 5.8 -1.5 63.5 36.5 47.0 53.0

注：相对增长率指各区域的人口增长率与全国总体增长率的差值。

3.2 4类主体功能区的内部空间差异

虽然政策实施前后4类主体功能区人口变动趋势整体上符合政策导向，但政策的效果不能笼统评价，需要进一步考察4类地区内部的政策实施效果差异。规划实施后，优化开发区内部超大、特大城市中心城区人口减少的现象更加普遍，人口分布更加优化。2010—2020年，优化开发区内部人口加速增长、减速增长、由减转增、人口减少（包括由增转减、减速减少和加速减少3种情况）的区县分别占29.4%、38.4%、5.7%和26.5%。2010年前后对比，大多数超大、特大城市的中心城区人口减速增长或人口减少，而超大特大城市的郊区和其他城市人口加速增长（图3a~3c）。2000—2010年优化开发区内的12个超大、特大城市中，只有上海、天津和大连出现了中心城区局部人口减少现象，而2010—2020年，北京、天津、沈阳、大连、青岛、上海、南京、广州等8个城市均出现了中心城区局部人口减少的现象。国家级和省级优化开发区的人口变化趋势整体相似，但在具体增减类型上仍有所差异（图4a）。
图3 2000—2020年中国4类主体功能区内部人口变动趋势

注：基于自然资源部标准地图服务网站GS(2019)1823号的标准地图制作，底图边界无修改。

Fig. 3 Population change in four types of main functional zones in China, 2000-2020

图4 2000—2020年国家级和省级主体功能区人口增长趋势对比

Fig. 4 A comparison of population growth trend between national- and provincial-level main functional zones, 2000-2020

重点开发区内部人口变动趋势差异较大。约有四成县（区）实现人口加速集聚的规划目标，其中人口加速增长和由减转增的县（区）分别占27.3%、12.8%；但约有六成的县（区）并未实现人口加速集聚的规划目标，其中减速增长和人口减少的县（区）分别占25.5%和34.4%（图3d~3f），人口减少的县（区）数量在规划实施后不降反增。
重点开发区内部人口增长趋势主要表现为两方面的差异性。首先，国家级重点开发区多位于省会及周边地区，省级重点开发区多位于地级市市区，国家级和省级重点开发区的人口变动趋势存在明显差异。国家级重点开发区内部人口加速增长和由减转增的县（区）共占45.2%，比省级重点开发区高出12个百分点；国家级重点开发区内人口减少的县（区）占比29.7%，比省级重点开发区低11.1个百分点（图4b）。省会等中心城市人口集聚能力显著增强，集聚范围大幅扩展，呈现出省会市区人口加速增长、周边县人口由减转增的趋势（图3d~3f）。其次，不同经济发展水平地区的重点开发区人口集聚效应存在差异。在经济落后地区，重点开发区的人口集聚较为突出；而在沿海的广东、江苏、天津等经济发达地区，重点开发区的人口集聚效果不明显（图3f）。
农产品主产区人口减少现象更加普遍。人口减少的县占比从2000—2010年的47.2%增加到2010—2020年的72.1%，人口减少的地域从长江流域和沿海地区的农产品主产区，扩展到全国大多数农产品主产区（图3g~3i）。在农产品主产区内部，人口加速减少、由增转减、减速减少和人口增长的地区分别占比21.8%、36.9%、13.5%、27.8%，前两类县（共占58.7%）符合农产品主产区人口退出的政策导向。国家级农产品主产区的政策效果优于省级农产品主产区（图4c），政策实施后国家级农产品主产区中人口加速减少和由增转减的县共占比60.6%，高于省级农产品主产区（46.3%）。
重点生态功能区人口减少也更普遍，人口减少的速度加快。在重点生态功能区内部，人口增长、由增转减、减速减少、加速减少的区县分别占比35.0%、33.6%、9.7%、21.7%，人口减少的区县由43.7%增加至64.9%，其中，符合“人口减少趋势强化”政策导向的县占比55.3%。2010—2020年人口增长的生态功能区主要分布在西北地区、青藏地区和沿海经济发达省份（图3j~3l），西北、青藏地区人口自然增长率高、迁出率低，导致这些地区的重点生态功能区人口持续增长；对于京津、浙江、福建等沿海发达地区，人口增长并未受到生态功能区政策的影响，这些地区的生态功能区中有部分县人口持续增长，部分县人口由减转增，仅少数县人口减少。国家级和省级生态功能区人口变动趋势的差别不大（图4d）。
总之，优化开发区人口变动趋势的内部差异符合政策导向，部分超大、特大城市中心城区人口有所减少，人口分布得到优化；农产品主产区和重点生态功能区的多数区县符合“积极的人口退出政策”，分别占两类地区的58.7%和55.3%；重点开发区内部人口变动趋势存在较大的区域差异，仅有四成县实现了人口加速集聚的政策目标，验证了假说2。政策效果的等级差异性主要体现在重点开发区和农产品主产区，国家级规划的实施效果强于省级规划。

4 主体功能区对人口增长的政策效应

4.1 政策总体效应

首先，从2000—2010年、2010—2020年两个时期单独回归的模型来看，在规划之前的2000—2010年，以农产品主产区为参照，优化开发区的人口增长率显著更高，平均比对照组高出11.3个百分点，重点开发区和重点生态功能区与农产品主产区的人口增速并无显著差别（表4）；规划实施后的2010—2020年，优化开发区的人口增速仍显著高于农产品主产区，重点生态功能区与农产品主产区仍无显著差别，变化在于重点开发区也与农产品主产区显著拉开差距，其人口增速比农产品主产区高出7.0个百分点。已有研究直接比较4类地区在政策实施后的人口变动差异，发现优化开发区和重点开发区人口增长快于全国总体水平，而限制开发区人口减少，人口向城市化地区集聚[7-8]，本文对2010—2020年的分析支持了前人研究的观点。
表4 主体功能区政策对人口增长的总体效应

Tab. 4 Overall effect of main function zoning on population growth

变量 OLS回归 DID模型
2000—2010年 2010—2020年
系数 标准误 系数 标准误 系数 标准误
主体功能区政策(参照组：农产品主产区)
优化开发区 11.262*** 2.643 14.847*** 2.228 18.761*** 2.312
重点开发区 1.025 0.840 6.954*** 1.027 1.481* 0.815
重点生态功能区 1.497 0.928 0.912 0.787 1.491* 0.815
时间变量 -12.272*** 0.725
优化开发区×时间变量 -6.076** 2.416
重点开发区×时间变量 5.404*** 1.031
重点生态功能区×时间变量 -0.615 0.967
坡度 -0.733*** 0.124 -0.419*** 0.114 -0.625*** 0.087
高程 0.361*** 0.082 0.184*** 0.068 0.305*** 0.051
1月平均气温 0.312*** 0.075 0.754*** 0.070 0.557*** 0.053
年降水量 -0.235* 0.142 -0.521*** 0.096 -0.410*** 0.084
人均GDP 7.728*** 1.616 0.966*** 0.331 0.715** 0.297
二产就业占比 0.269*** 0.069 0.150*** 0.042 0.260*** 0.040
三产就业占比 0.293*** 0.076 0.438*** 0.049 0.393*** 0.042
普通中学每百名学生拥有教师数 0.733*** 0.225 -0.274 0.228 0.222 0.148
每万人医院卫生院床位数 0.026 0.054 0.117*** 0.034 0.113*** 0.032
人口自然增长率 1.150*** 0.111 1.457*** 0.098 1.323*** 0.074
人口密度 -0.127*** 0.018 -0.151*** 0.019 -0.135*** 0.014
常数项 -16.612*** 1.836 -20.993*** 1.859 -12.454*** 1.186
样本量 2226 2264 4490
调整R2 0.387 0.422 0.392

注：因变量为人口增长率；各自变量的方差膨胀因子（VIF值）均小于10，不存在严重的多重共线性。OLS回归模型的标准误为稳健标准误，DID模型的标准误为聚类稳健标准误。显著性水平*：p < 0.1，**：p < 0.05，***：p < 0.01；下同。

控制变量方面，人口增长持续受到自然地理条件、经济因素和公共服务供给的影响。人口倾向于向冬季温暖且不太潮湿的平原地区集聚；经济更发达、非农产业就业机会更多的地区人口增长更快，但是2010—2020年第二产业对人口集聚的影响减弱，第三产业的影响增强；在两个阶段，人口增长都受到公共服务供给水平的影响，不过在后一阶段医疗条件对人口增长的影响增强，基础教育条件的影响减弱（表4）。
利用DID模型，在控制4类政策区的初始差异的条件下，进一步检验主体功能区政策的净效应。以农产品主产区为参照，政策缩小了优化开发区与农产品主产区的人口增速差距，而拉大了重点开发区与农产品主产区的差距（表4），验证了假说1。模型中政策分区的系数体现了政策实施前4类地区的差异，而政策分区×时间交互项的系数表征政策引发的4类地区差异的变化。规划前，优化开发区人口增速比农产品主产区高，政策的实施使这种差距缩小了6.1个百分点，符合优化开发区人口集聚速度减缓的导向。而重点开发区的政策效应不同，规划前重点开发区人口增速略高于农产品主产区（相差1.5个百分点），政策实施引发两类地区差距扩大了5.4个百分点，重点开发区集聚人口的速度加快，吸纳人口的优势更突出，也符合主体功能区的政策导向。重点生态功能区与农产品主产区的增速差异在规划前后未发生显著变化，两类地区的政策效果没有显著差别。
DID模型结果和2010—2020年回归模型的比较可以看出，简单比较4类地区在规划实施后的人口变动差异会造成对政策效果的估计偏差。2010—2020年重点开发区人口增长比农产品主产区快7.0个百分点，但由政策造成的二者差异只有5.4个百分点；此外，2010—2020年模型显示优化开发区人口增速最快，但并不能理解为优化开发区对人口增长的促进作用最强，相反，DID模型显示政策的作用是使优化开发区人口集聚速度减缓。
和已有研究发现的主体功能区对用地增长的效应[5]相比，政策对人口变动的影响性质是相同的，但政策作用的强度不同。以农产品主产区为参照，尽管政策使优化开发区的人口增长减速，而使重点开发区加速增长，但是政策作用不足以使重点开发区成为人口增长最快的地区，即使在政策实施后，优化开发区仍然是4类地区中人口增长最快、人口集聚能力最强的。这与已有研究中2010—2013年重点开发区建设用地增速超过优化开发区的结论有差异[5]。同时，这种对人口、用地要素影响的差异性关系到建设效率的问题，可以在未来研究中进一步关注。

4.2 政策效应的异质性

规划作为空间政策，其实施效果可能并非普遍存在，其在何处更加有效、在何处效应有限，是对政策调整优化更有意义的工作，需要进一步深入考察。如前所述，省级主体功能区规划对重点开发区进行了大幅扩展，省级规划和国家级规划作用的差异需要关注。此外，前文分析发现经济发达地区的重点开发区政策效果似乎不明显。因此，本节从等级差异和不同经济发展水平的差异两方面考察主体功能区政策效果的异质性。
对比国家级和省级主体功能区，发现优化开发区和重点生态功能区的政策效果都没有显著的等级差异，而重点开发区的政策效果具有等级差异性（表5）。政策实施后，国家级、省级重点开发区与对照组（农产品主产区）的人口增速差距均扩大，但是国家级重点开发区对人口增长的政策效果更强（差距扩大6.7个百分点），其影响强度约为省级重点开发区的2倍，验证了假说3。
表5 主体功能区政策效应的等级差异

Tab. 5 Difference in policy effects of main function zoning according to the planning levels

变量 国家级 省级
 国家级—省级
系数差异
系数 标准误 系数 标准误
主体功能区政策(参照组：农产品主产区)
优化开发区 19.048*** 2.445 14.896* 7.800 不显著
重点开发区 2.571** 1.124 0.287 1.012 不显著
重点生态功能区 1.479 0.907 2.750* 1.511 不显著
时间变量 -12.413*** 0.770 -11.935*** 0.890
优化开发区×时间变量 -5.803** 2.529 -13.168 8.165 不显著
重点开发区×时间变量 6.685*** 1.401 3.344*** 1.236 ＋
重点生态功能区×时间变量 -0.371 1.032 -1.641 2.062 不显著
控制变量 控制 控制
常数项 -10.963*** 1.306 -11.641*** 1.507
样本量 3641 2323
调整R2 0.400 0.391

注：“国家级—省级系数差异”一列中，“＋”表示国家级功能区比省级功能区的回归系数显著更大。

按经济发展水平分组回归，检验重点开发区政策效应的异质性，模型结果验证了前文空间分析的结论，在经济最发达（人均GDP位列前20%）的地区重点开发区政策对人口增长的影响不显著，而在其他经济发展较弱的地区，政策的影响显著（图5）。其中，在经济发展中等地区，政策效果最强，政策实施前重点开发区人口增速低于农产品主产区3.1个百分点，而政策实施后变为重点开发区人口增速更快；在经济发展水平最低的两组，政策效果也较强，重点开发区与农产品主产区的人口增速差距分别拉大6.2个、5.6个百分点；在经济发展水平较高的地区，重点开发区的政策效应较弱，重点开发区与农产品主产区的人口增速差距拉大3.4个百分点。
图5 重点开发区政策效应在不同经济发展水平地区的异质性

注：经济发展水平分组基于2010年各区县人均GDP的分位数分为5组；虚线为总体模型中的政策效应系数。

Fig. 5 The policy effect difference of prioritized development zones according to the regional economic development level

4.3 稳健性检验

对基于倾向得分匹配后的样本进行政策效应估计，检验结果的稳健性。PSM-DID和普通DID的差别有两点。首先，参与回归的样本不同，PSM方法剔除了处理组和对照组在共同取值范围外的样本，提升了两组样本的平衡性和可比性。其次，普通DID是在所有样本中计算处理组和对照组的差异变化；而PSM方法是用匹配样本先计算每个个体的处理效应，然后在处理组样本内取平均，计算处理组的平均处理效应。由于PSM方法是在处理组内取平均，处理组和对照组的互换可能会得出不同的平均处理效应（尤其是在使用有放回匹配方法的情况下），这与处理组和对照组倾向得分的分布差异以及不同得分段的处理效应差异有关，如果处理组的倾向得分集中在高值区，那么平均处理效应会接近倾向值高值区的处理效应。
总体效应方面，首先以农产品主产区为参照，检验其他3类地区的政策效应，再将处理组和对照组互换，其中任一模型显著都说明特定政策区与农产品主产区之间的人口增速相对差距在规划后发生了显著变化。稳健性检验显示优化开发区的政策效应不显著，与上述普通DID模型结果不同，说明匹配后（排除自选择因素的干扰后）优化开发区相对于农产品主产区的人口增速优势没有明显变化（表6）；重点开发区的政策效应显著，与普通DID模型一致，与匹配的重点开发区相比，农产品主产区人口增速落后而且规划实施后二者差距更大，说明重点开发区人口增长的相对优势强化；重点生态功能区政策效果与对照组无显著差别，结果稳健。政策效应的等级差异方面，PSM-DID与普通DID回归结果一致，结果稳健。
表6 基于PSM-DID方法的政策效应稳健性检验

Tab. 6 Robustness test of policy effect through PSM-DID method

检验
内容		 模型设定 政策处理 政策处理×时间
 R2 样本量
(处理组∶对照组)
处理组 对照组 系数 标准误 系数 标准误
总体
效应
 优化开发区 农产品主产区 3.167 5.352 1.790 6.308 0.01 132∶908
重点开发区 0.055 3.138 1.949 3.095 0.00 1230∶1602
重点生态功能区 1.405 0.940 -0.476 1.128 0.07 1560∶1594
农产品主产区 优化开发区 -5.606*** 1.626 -2.582 4.548 0.09 908∶134
重点开发区 -1.664** 0.786 -7.298*** 1.242 0.06 1602∶1230
重点生态功能区 -4.749*** 1.236 1.002 1.702 0.07 1594∶1562
政策
效应
的
等级
差异
 国家级重点开发区 农产品主产区 1.421 3.163 4.513 2.985 0.01 652∶1602
省级重点开发区 -2.593 4.393 -2.790 4.519 0.01 558∶1574
国家级重点生态功能区 0.568 0.972 -0.570 1.176 0.07 1306∶1560
省级重点生态功能区 5.272*** 1.890 -0.288 2.162 0.08 256∶1590
农产品主产区 国家级重点开发区 -1.607 1.169 -9.579*** 1.917 0.07 1600∶652
省级重点开发区 -1.745* 0.907 -4.823*** 1.283 0.06 1574∶560
国家级重点生态功能区 -4.794*** 1.706 0.983 1.859 0.07 1560∶1306
省级重点生态功能区 -6.901*** 2.283 2.753 4.030 0.09 1590∶254

注：模型中未加入控制变量；省级优化开发区只有14个，样本量过少，未检验优化开发区政策效应的等级差异。

4.4 城市化地区与限制开发区的互动

在评估各类主体功能区政策效果的基础上，进一步研究不同类型主体功能区之间的互动关系。主体功能区规划的目标是“人口和经济在国土空间的分布更趋集中均衡”，形成“小区域集中、大区域均衡”的开发模式，这种开发模式在城市化地区的布局中有所体现，在340个地级单元中有304个有城市化地区。按照设想的开发模式，各地区的城市化地区和限制开发区的人口变动应该是此消彼长的关系，城市化地区集中周边限制开发区的人口，人口迁移是本地化的。而实际情况是，各地级单元内部城市化地区和限制开发区的人口增速正相关（表7），说明主要的人口迁移不是在地市内部实现的。一些欠发达地区的研究也有类似的发现，如在江西省主体功能区规划实施后，限制开发区迁出的人口主要流向省外的优化开发区，部分流向省内的重点开发区[35]，与规划设想的人口分布“集中均衡”的模式偏离。
表7 城市化地区与限制开发区互动关系检验

Tab. 7 Evaluation of interaction between urbanization zones and restricted development zones

变量 农产品主产区 重点生态功能区
2000—2010年 2010—2020年 2000—2010年 2010—2020年
系数 标准误 系数 标准误 系数 标准误 系数 标准误
地级单元内城市化地区人口增速 0.286*** 0.043 0.172*** 0.044 0.094** 0.041 0.170*** 0.039
控制变量 控制 控制 控制 控制
常数项 -7.933** 3.131 -24.928*** 3.010 -14.662*** 3.700 -28.438*** 3.451
样本量 692 690 539 553
调整R2 0.298 0.369 0.198 0.317
主体功能区规划尽量给每个地市预留了城市化地区，但是在区域发展差距持续存在、中心城市集聚能力不断增强、交通基础设施日趋完善的背景下，各地级中心城市具有不同的吸引力。全国主体功能区规划对于省级规划提出的要求是“优化开发和重点开发区域应相对集中分布，避免遍地开花”，对开发时序的要求是“根据国土空间评价结果可作为重点开发区域但近期不宜重点开发的地区，原则上应先确定为限制开发区域”。因此，需要根据人口和其他要素的发展动态调整重点开发区的布局并科学确定开发时序，以保障规划更有效地实施。

4.5 4类主体功能区人口增长的动力差异及其演变

4类地区人口变动的影响因素有一定程度的分化。首先，城市化地区和限制开发地区对比，它们的人口变动都受到经济因素的影响，但是在2010—2020年重点生态功能区内部经济发展水平的影响显著弱化，人口变动不再与经济发展水平显著相关；而城市化地区中，重点开发区人口集聚持续受到经济发展水平和三产就业的影响，优化开发区人口集聚也持续受到二产就业的影响；相比重点生态功能区，农产品主产区人口变动的影响因素与城市化地区没有明显的分化。其次，两类城市化地区对比，它们的人口变动都受到自然地理条件和经济因素的影响，优化开发区人口集聚还与公共服务供给水平有关，但是重点开发区的人口变动与公共服务无显著关联。
政策实施前后优化开发区的人口增长始终与就业机会相关，变化在于规划实施后第二产业对人口增长的带动力显著弱化，而服务业的影响力增强（表8）。随着人工智能等新一代信息技术广泛应用，低技能、劳动密集型行业、常规重复性岗位正在被加速替代，制造业就业持续缩减[36]，同时，经济结构转型带动服务业快速发展。优化开发区人口增长动力变化与产业结构优化的政策导向相符。此外，在优化开发区内部，教育资源对人口的吸引力减弱，医疗条件对人口增长的影响力提升，气候舒适性的影响增强，气候湿润而冬季不太热的地区人口增长更快。
表8 4类功能区人口增长影响因素的变化

Tab. 8 Change of factors that influence population growth in each type of main functional zones

注：括号中为稳健标准误；“系数变化”一列中，“＋”表示自变量回归系数在2010—2020年显著变大，“-”表示回归系数在2010—2020年显著变小，空值表示回归系数在两时段无显著差异。

重点开发区内部人口向经济发展水平更高的地区集聚，但规划实施后经济发展水平的影响减弱。而且重点开发区的人口增长主要由服务业就业带动，二产在政策实施前后均未发挥显著的带动作用，主体功能区规划的导向是促进优化开发区产业升级，引导劳动密集型产业向中西部重点开发区转移，重大制造业项目要求优先在重点开发区布局[37]。而实际上重点开发区内部的人口分布与工业布局的关系似乎并不紧密。
在重点生态功能区，经济因素的影响也减弱，生态功能区内部的人口分布变动主要取决于自然地理条件、第三产业发展和公共服务的供给。在农产品主产区，规划实施后经济发展水平对人口分布的影响减弱，医疗等公共服务设施对人口的吸引力提升。与重点生态功能区的差别是，经济发展水平和二产就业持续显著影响着农产品主产区内部的人口集聚。经济发达地区、工业基础较好的农产品主产区持续面临人口增长的压力。

5 结论与讨论

本文基于2000年、2010年和2020年3次全国人口普查分县数据，研究了主体功能区战略下各类型地区的人口变动趋势，关注不同类型功能区之间的趋势对比和同类功能区内部的差异性，并基于政策实施前后两时段的对比构建双重差分模型，检验了政策对人口增长的因果效应。研究发现：
（1）主体功能区对人口增长的效应总体上符合政策导向。2010年前后，从总人口变化趋势来看，优化开发区人口增速下降，重点开发区人口加速增长，农产品主产区人口加速减少，重点生态功能区人口由增转减。优化开发区在规划前后人口增速始终快于农产品主产区，但是二者的差距在规划实施前后变化不大，规划实施后重点开发区与农产品主产区的人口增速差距拉大，使得重点开发区的人口集聚优势增强。重点生态功能区和农产品主产区两类限制开发区的人口增速变化无显著差别。
（2）主体功能区政策效果具有区域异质性。优化开发区内部超大、特大城市中心城区人口减少的现象更加普遍，人口分布更加优化；农产品主产区和重点生态功能区政策的实施效果较好，多半区县符合人口退出政策；而重点开发区内部差异性更大，仅四成实现人口加速集聚的政策目标。主体功能区政策效果具有等级差异，主要体现在重点开发区和农产品主产区，国家级重点开发区对人口增长的作用强度约为省级重点开发区的2倍。此外，重点开发区政策效应还与经济发展水平有关，在经济最发达的地区政策的影响不显著。本文发现，无论是鼓励性政策（重点开发区）还是限制性政策（重点生态功能区）在经济发达地区都不容易产生效果，有必要反思政策的实施问题，以减少未来城镇化工业化开发与农业发展和生态保护的矛盾。
（3）从邻近的不同功能区之间的互动来看，各地市内部城市化和限制开发区的人口变动并不是此消彼长的关系，而是正相关的。功能区之间的人口转移在很大程度上不局限于地市内部，而是以跨地市流动为主，规划中城市化地区较为均衡分散的布局是否合理有效值得反思。
（4）从规划实施前后4类地区的人口增长动力差异及其演变来看，优化开发区内部，规划实施后第二产业对人口增长的带动力弱化，而服务业的影响力增强，与优化产业结构的发展目标相符。重点开发区的人口变动受到经济发展水平的影响减弱，且与工业布局无显著关联，与重点开发区加快工业化进程的政策导向有偏差。重点生态功能区的人口增长动力与两类城市化地区形成一定的分化，经济因素对人口变动的影响减弱，生态功能区内部的人口分布变动主要取决于自然地理条件、第三产业发展和公共服务的供给。农产品主产区的人口变动影响因素与两类城市化地区之间没有明显的分化，经济发达、工业基础好的农产品主产区持续面临人口增长的压力。
上述研究发现为主体功能区规划调整提供一定的参考。① 城市化地区的布局可以适度集中。主体功能区之间优势互补的关系不一定发生在地级尺度。2010年规划中大部分地级单元都同时有城市化地区和限制开发地区，希望塑造一种集中均衡的开发模式，但实际的人口分布变动与设想的集中均衡模式相差甚远。新一轮规划可以对城市化地区进行适度集中，缩减省级规划中重点开发区的比例。② 设定重点开发区的开发时序。2010年规划的重点开发区中只有四成达到政策目标，应该在新一轮规划中确定开发时序，将现阶段人口经济集聚能力较弱、近期发展潜力较小的地区先确定为限制开发区。③ 限制开发区分等级管理。目前限制开发区的政策为统一的促进人口退出、严控建设用地增长，但是限制开发区内部也有很大的异质性，政策引导不能一概而论。例如一些经济发达地区的农产品主产区在现实中有一定的城镇化工业化发展潜力，人口持续增长，在保障粮食安全底线的前提下可以进行小规模的开发。需要根据各地区的粮食安全和生态安全底线，确定各限制开发区的保护类区域下限和相应的开发强度上限，按照剩余可开发空间划分不同等级的限制开发区，实行不同强度的管控政策。
关联数据信息：本文关联实体数据集在北京大学未来城市研究中心数据共享服务平台发布，获取地址： https://rural.pku.edu.cn/dsp/liu_ags_2025.html.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Xinhua News Agency. Xi presided over the 38th meeting of the Central Committee for Deepening Overall Reform. https://www.gov.cn/xinwen/2017-08/29/content_5221323.htm, 2017-08-29/2024-10-08.

[新华社. 习近平主持召开中央全面深化改革领导小组第三十八次会议. https://www.gov.cn/xinwen/2017-08/29/content_5221323.htm, 2017-08-29/2024-10-08.]

[2]
Fan Jie, Wang Yafei, Liang Bo. The evolution process and regulation of China's regional development pattern. Acta Geographica Sinica, 2019, 74(12): 2437-2454.

DOI

[樊杰, 王亚飞, 梁博. 中国区域发展格局演变过程与调控. 地理学报, 2019, 74(12): 2437-2454.]

DOI

[3]
Fan Jie, Zhou Kan. Theoretical thinking and approach exploration on deepening the implementation of major function zoning strategy with "three-zones and three-lines". China Land Science, 2021, 35(9): 1-9.

[樊杰, 周侃. 以“三区三线”深化落实主体功能区战略的理论思考与路径探索. 中国土地科学, 2021, 35(9): 1-9.]

[4]
He Z C, Zhao C H, Fürst C, et al. Closer to causality: How effective is spatial planning in governing built-up land expansion in Fujian province, China? Land Use Policy, 2021, 108: 105562. DOI: 10.1016/j.landusepol.2021.105562.

[5]
Liu W C, Liu J Y, Kuang W H, et al. Examining the influence of the implementation of major function-oriented zones on built-up area expansion in China. Journal of Geographical Sciences, 2017, 27(6): 643-660.

DOI

[6]
Liu Helin, Nie Jingxin. The changes of the spatial distribution of China's national and provincial development zones from 2006 to 2018. Journal of Natural Resources, 2020, 35(9): 2229-2240.

DOI

[刘合林, 聂晶鑫. 2006—2018年中国省级以上开发区的空间分布特征变化. 自然资源学报, 2020, 35(9): 2229-2240.]

DOI

[7]
Wang Yafei, Chen Peipei, Chen Dong. The evolution analysis of spatial structure of territorial functions in China based on major function oriented zoning: From the perspective of population and economic concentration and spread. Economic Geography, 2022, 42(7): 11-21.

DOI

[王亚飞, 陈佩佩, 陈东. 基于主体功能区划的中国地域功能空间结构演变解析: 人口与经济集疏视角. 经济地理, 2022, 42(7): 11-21.]

DOI

[8]
Chen Dong, Liu Baoyin, Fan Jie, et al. Implementation evaluation and outlook of Major Function Oriented Zone. Bulletin of Chinese Academy of Sciences, 2024, 39(4): 620-628.

[陈东, 刘宝印, 樊杰, 等. 主体功能区战略的实施评估与前景展望. 中国科学院院刊, 2024, 39(4): 620-628.]

[9]
Wang Yafei, Guo Rui, Fan Jie. Evolution analysis of China's spatial development structure and pattern optimization of major function zones. Bulletin of Chinese Academy of Sciences, 2020, 35(7): 855-866.

[王亚飞, 郭锐, 樊杰. 国土空间结构演变解析与主体功能区格局优化思路. 中国科学院院刊, 2020, 35(7): 855-866.]

[10]
Yue Wenze, Zhou Qiushi, Li Mengmeng, et al. Research on development land intensity for main functional zones: Pattern identification and spatiotemporal evolution. City Planning Review, 2023, 47(5): 15-24.

[岳文泽, 周秋实, 李蒙蒙, 等. 面向主体功能分区的建设用地强度研究: 模式识别与时空演变. 城市规划, 2023, 47(5): 15-24.]

[11]
Fan Jie. Draft of major function oriented zoning of China. Acta Geographica Sinica, 2015, 70(2): 186-201.

DOI

[樊杰. 中国主体功能区划方案. 地理学报, 2015, 70(2): 186-201.]

DOI

[12]
Ren Yuan. Post-demographic transition and population strategy transition in China. Nanjing Journal of Social Sciences, 2017(1): 71-77.

[任远. 中国后人口转变时期的人口战略转型. 南京社会科学, 2017(1): 71-77.]

[13]
Duan Chengrong, Qiu Yuding, Huang Fan, et al. From 6.57 million to 376 million: Remarks on migration transition in China. Population Research, 2022, 46(6): 41-58.

[段成荣, 邱玉鼎, 黄凡, 等. 从657万到3.76亿: 四论中国人口迁移转变. 人口研究, 2022, 46(6): 41-58.]

[14]
Liu Tao, Peng Rongxi, Zhuo Yunxia, et al. China's changing population distribution and influencing factors: Insights from the 2020 census data. Acta Geographica Sinica, 2022, 77(2): 381-394.

DOI

[刘涛, 彭荣熙, 卓云霞, 等. 2000—2020年中国人口分布格局演变及影响因素. 地理学报, 2022, 77(2): 381-394.]

DOI

[15]
He J S, Pooler J. The regional concentration of China's interprovincial migration flows, 1982-1990. Population and Environment, 2002, 24(2): 149-182.

[16]
Plane D A. Population migration and economic restructuring in the United States. International Regional Science Review, 1989, 12(3): 263-280.

PMID

[17]
Wu J W, Yu Z, Wei Y D, et al. Changing distribution of migrant population and its influencing factors in urban China: Economic transition, public policy, and amenities. Habitat International, 2019, 94: 102063. DOI: 10.1016/j.habitatint.2019.102063.

[18]
Graves P E. A life-cycle empirical analysis of migration and climate, by race. Journal of Urban Economics, 1979, 6(2): 135-147.

PMID

[19]
Porell F W. Intermetropolitan migration and quality of life. Journal of Regional Science, 1982, 22(2): 137-158.

PMID

[20]
Liu Tao, Zhuo Yunxia. A county-level analysis of China's population change: Insights from the 7th population census. Population Research, 2022, 46(6): 72-87.

[刘涛, 卓云霞. 中国县级人口变动的空间格局及影响因素: 基于第七次全国人口普查数据的新探索. 人口研究, 2022, 46(6): 72-87.]

[21]
Liu Tao, Qi Yuanjing, Cao Guangzhong. China's floating population in the 21st century: Uneven landscape, influencing factors, and effects on urbanization. Acta Geographica Sinica, 2015, 70(4): 567-581.

DOI

[刘涛, 齐元静, 曹广忠. 中国流动人口空间格局演变机制及城镇化效应: 基于2000和2010年人口普查分县数据的分析. 地理学报, 2015, 70(4): 567-581.]

DOI

[22]
Fan Jie. Theory, strategy and path of China's regional coordinated development during 15th Five-Year Plan period. Bulletin of Chinese Academy of Sciences, 2024, 39(4): 605-619.

[樊杰. “十五五”时期中国区域协调发展的理论探索、战略创新与路径选择. 中国科学院院刊, 2024, 39(4): 605-619.]

[23]
Chi G, Marcouiller D W. Isolating the effect of natural amenities on population change at the local level. Regional Studies, 2011, 45(4): 491-505.

[24]
McGranahan D, Wojan T. Recasting the creative class to examine growth processes in rural and urban counties. Regional Studies, 2007, 41(2): 197-216.

[25]
Shumway J M, Otterstrom S M. Spatial patterns of migration and income change in the mountain west: The dominance of service-based, amenity-rich counties. The Professional Geographer, 2001, 53(4): 492-502.

[26]
Xiao Lei, Pan Jie. Re-examination of urbanization paths and mechanism in population outflow areas: A case study of counties in Sichuan province. Progress in Geography, 2020, 39(3): 402-409.

DOI

[肖磊, 潘劼. 人口流出地区城镇化路径机制再认识: 以四川省县域单元为例. 地理科学进展, 2020, 39(3): 402-409.]

DOI

[27]
Shen Mingrui, Jiang Yuyang, Zhang Jingxiang. County-level urbanization driven by education and its planning policy reflection. Urban Development Studies, 2021, 28(11): 8-15, 30.

[申明锐, 蒋宇阳, 张京祥. 教育驱动的县域城镇化与规划政策反思. 城市发展研究, 2021, 28(11): 8-15, 30.]

[28]
The State Council. Notice on issuing National Plan for Major Function-oriented Zones by the State Council. https://www.gov.cn/gongbao/content/2011/content_1884884.htm, 2010-12-21/2024-06-01.

[国务院.国务院关于印发全国主体功能区规划的通知: 国发〔2010〕46号. https://www.gov.cn/gongbao/content/2011/content_1884884.htm, 2010-12-21/2024-06-01.]

[29]
Yang Ling, Lin Jian, Li Dong. Understanding the major function zoning: An analysis based on regional and elemental perspectives. Journal of Human Settlements in West China, 2020, 35(1): 1-6.

[杨凌, 林坚, 李东. 辨析主体功能区: 基于区域和要素视角的探讨. 西部人居环境学刊, 2020, 35(1): 1-6.]

[30]
Cheng Weijie. The downscaling transmission of major function zoning: An analysis of 19 provincial level plans. Journal of Chinese Academy of Governance, 2014, (1): 51-58.

[成为杰. 主体功能区规划“落地”问题研究: 基于19个省级规划的分析. 国家行政学院学报, 2014(1): 51-58.]

[31]
Hu Huanyong. Population distribution in China with statistical tables and density maps. Acta Geographica Sinica, 1935, (2): 33-74.

DOI

[胡焕庸. 中国人口之分布: 附统计表与密度图. 地理学报, 1935(2): 33-74.]

DOI

[32]
Rosenbaum P R, Rubin D B. The central role of the propensity score in observational studies for causal effects. Biometrika, 1983, 70(1): 41-55.

[33]
Fan Jie. Technical Regulation for Major Function Zoning. Beijing: Science Press, 2019.

[樊杰. 主体功能区划技术规程. 北京: 科学出版社, 2019.]

[34]
Wang Yafei, Fan Jie. The core-periphery structure of major function zones in China. Acta Geographica Sinica, 2019, 74(4): 710-722.

DOI

[王亚飞, 樊杰. 中国主体功能区核心—边缘结构解析. 地理学报, 2019, 74(4): 710-722.]

DOI

[35]
Li Shu, Ge Gang, Liu Qijing. Research on the coordinated development of urbanization in Jiangxi province from the perspective of major function-oriented zone planning. Resources and Environment in the Yangtze Basin, 2018, 27(10): 2250-2259.

[李述, 葛刚, 刘琪璟. 基于主体功能区规划的江西省城镇化协调发展研究. 长江流域资源与环境, 2018, 27(10): 2250-2259.]

[36]
To make migrant workers find jobs and work steadily. Economic Daily, 2023-05-24(11).

[让农民工能就业就好业. 经济日报, 2023-05-24(11).]

[37]
National Development and Reform Commission. Policy proposals for implementing the strategy of Major Function-oriented Zones. https://www.ndrc.gov.cn/xxgk/zcfb/tz/201306/t20130625_963910.html, 2013-06-18/2024-06-01.

[国家发展改革委. 国家发展改革委贯彻落实主体功能区战略推进主体功能区建设若干政策的意见: 发改规划〔2013〕1154号. https://www.ndrc.gov.cn/xxgk/zcfb/tz/201306/t20130625_963910.html, 2013-06-18/2024-06-01.]

Options
文章导航

/

〈 〉