地方人才争夺战：人口大数据区域篇（联讯证券李奇霖 常娜）

《2050年，当你老了：中国人口大数据》一文中我们测算了2017年~2100每年、每个年龄段的人口数量，着重分析了全球趋势下我国人口老龄化的严峻形势：人口高峰在2029年，为14.5亿，到2050年我国将有13.8亿人口，老龄化比例26%，平均每四个人就有一个老人，抚养比0.9，平均每一个劳动力就要抚养一个人，是当前抚养比0.5的将近两倍。

2050年以后，第三波“婴儿潮”完全进入老龄化，我国的老龄化和抚养比压力才会开始下降，直到2070年左右开始趋于平稳。

这是从整体上看我国人口的情况，然而当我们将目光转向国内，人口在各地区之间如何分配就是一个更为复杂的问题，“21世纪最重要的资源是人才”，作为经济发展推动力的人才在各地区战略布局中的重要作用不言而喻。

所以，人才争夺战即将打响，当前我国的人口分布和流动情况如何，未来我国人口流动会受那些因素影响？继《2050年，当你老了：中国人口大数据》之后，我们将目光转向地区。

人口包括存量和流量，分析任何人口问题都可以从这两个方面展开。

人口存量包括两个维度：现存人口和人口自然增长。从现存人口来看，根据2015年统计局公布数据，我国东部地区的省份人口较多，排在前三的分别是广东、山东和河南，2006年开始广东超越山东和河南成为常住人口最多的省，2007年开始山东超越河南成为常住人口第二大的省份，同时，西部地区也存在人口较多的省份，比如四川省是全国第四的人口大省。

需要说明的是港澳台与内陆的人口流动和内地之间的人口流动差别较大，如无特别说明本文主要讨论内陆地区。

存量数据中，除了人口规模，现存规模上的人口增长也是影响人口的重要因素，我们可以先从几个粗略的指标来做一个大概的了解。

平均年龄：我们根据2015年全国1%的抽样调查中各地区的年龄构成，计算各地区人口的平均年龄，结果如图表【4】所示，西北部的西藏（31岁）、新疆（33岁）、宁夏（34岁）、青海（34岁）和贵州（34岁）这些省份的是全国较“年轻”的地区，北京（39岁）、上海（41岁）、天津（40岁）已经处于“中年阶段”，尤其是上海是全国第二高龄的地区，在相对发达的地区中广东是最年轻的，35岁。

人口抚养比：抚养比是儿童和老年人占劳动力人口的比例，衡量的是每个劳动力人口需要抚养的儿童和老年人的数目，抚养比小，说明劳动力人口充足，如图表【5】所示，全国抚养比最低的是北京（0.36）、天津（0.37）和广东（0.37），上海排在6位（0.41，从小到大排）。

平均年龄较大的北京（39）、天津（40）和上海（41）在全国的抚养比压力反而较小，说明在三个城市中人口年龄多集中在40岁劳动年龄附近，虽然拉高了地区的平均年龄，但是没有拉高抚养比。

在各地区现存人口分布和自然增长的基础上，还有一个因素影响人口分布，那就是人口流动。

人口流动就是人离开户籍所在地，到其他地区工作或生活。以前人口流动受气候、战争、自然灾害等原因影响较大，但是随着科技的进步，人类抵抗自然力量的能力变大，而且我国处于和平状态，所以当代人口流动的主要原因之一是城市化。

人口流动是城市化的必然，一方面城市化过程中需要人口提供劳动力，另一方面地区城市化程度高，会吸引更多人口。

根据第六次人口普查中现住地和户籍地的人口统计，用每个地区非户籍现住人口减去户籍人口居住在其他地区的数量，计算出每个省的净流入人数，如图表【6】所示，发现我国人口净流入呈现出“四周丰富，中间凹陷”的情况。

我们按照流入量将各省市分成三类：净流入地区、动态平衡地区和净流出地区（图表【7】）。

净流入地区除了北京和天津，从地理位置上正好是中国最东部沿海的几个省份，从北到南依次是江苏、上海、浙江、福建和广东。

广东省净流入35万成为全国最大的“人口抽水机”，根据1%抽样比例推算，2015年广东省有350万常住非户籍人口。

这些净流入地区的人口都是从哪里来的呢？

大部分西北部省份是人口动态平衡地区，包括内蒙古、青海、西藏和宁夏，不是流入人口的来源。

净流出地区主要包括安徽、河南、湖南、四川、江西、湖北、广西、贵州和河北，从地理位置上来看这些地区大部分地处中部，说明我国人口的流向不是“从西到东”而是“从中到东”。

从每个流入地区来看，流入北京的主要是北京周边的天津、河北、山西内蒙古和东三省，其次是南方的上海、江苏、浙江、安徽、福建和江西（图表【8】）。

流入天津的人主要来自环渤海城市圈的河北、山东和河南，其次还有东北的黑龙江和南方安徽、湖北、四川等（图表【9】）。

从上述情况来看，北京的人口来源较为分散，来源最多的天津市本身也是人口抽水机，如果将北京和天津看成环渤海城市圈的中心整体，这个城市圈中心吸收的人主要是来自河北、山西、山东、内蒙古和东三省。

流入上海的主要来自上海周边的安徽和江苏，合起来占上海流入人口的44.5%，其次是河南、四川和江西（图表【10】）。

江苏也是人口流入的大省，流入主要来自安徽、河南、四川和山东，所以以上海为中心的长三角流入人口最主要是来自于安徽，其次是河南、四川和山东（图表【11】）。

与北京情况相反的是，上海的人口来源是最集中的，主要来自安徽、江苏和河南，超过全部流动人口的一半。

流入广东的主要是来自周边的南方省市，包括湖南、广西、湖北、四川和江西（图表【12】）。

综合来看，作为“人口抽水机”的北京、天津、浙江、江苏、福建和广东等各省市都有自己相对特定的“人口蓄水池”，彼此之间重叠不大，北京吸引的人口多是环渤海周边的北方地区，上海多是安徽和江苏等中部地区、广东多是中南部的内陆地区。

这些“抽水机”中也有部分是其他城市的“蓄水池”，比如天津的人口流入北京，江苏的人口流入上海。

所以，详细预测各地区的人口规模与全国总人口略有不同，人口流动是一个不可忽视的因素，因此我们需要将《2050年，当你老了：中国人口大数据》给出的模型进行调整，但是具体思路还是一样。

限于报告篇幅，我们选择净流入较为典型的上海、净流出较为典型的河南作为案例进行分析，人口动态平衡地区不做重点讨论。

根据《2050年，当你老了：中国人口大数据》我们需要基期存在的人口结构和每个年龄段的人口变动情况就可以测算下一个年龄段已存人口的规模。

人口结构：以2010年为基期，2010年普查数据显示的上海现存人口结构如图表【14】所示，上海呈现中间20~60岁之间的劳动力人口极多，两端少儿和老年人极少的“橄榄型”结构。

河南省的人口分布和上海市明显不同，图【15】显示河南省各年龄段人口数目差别比上海小，且25~39岁的青壮年劳动力有明显凹陷。

人口变动：每个时期的人口规模是由上一时期的人口决定的，即：

这个公式可以拆分成两个部分看，一是连加号后面中括号内的部分是每个年龄段人口的预测，用上个时期（t-1期），上个年龄段（i岁）的人口存量和流入量，减去上个时期到这个时期的死亡量。二是连加号的部分，将各个年龄段的人口数加起来，需要说明的是，因为地区的人口分布没有精细到每一岁，而是用5岁做一个年龄段。

对比《2050年，当你老了：中国人口大数据》中的计算方法，这个公式由于考虑了人口流动，增加了一项：

具体方法就是某年龄段的人是一个小群体，他们从基期到计算期成长为下一个年龄段，这两个数据相减就是这个群体的人口变动量，再除以基期的人口数就是人口变动率，例如2000年4~10岁的人到2010年成长为14~20岁，用2010年14~20岁的人口数减去 2000年4~10岁的数目就是4~10岁人口10年的人口变动，即：

因为我们用的是2000年到2010年10年的人口变动率，但是人口划分是以5年为一个年龄段，所以这是两个阶段的复合人口变动率，每个阶段（5年）的变动率就是：

从这个公式我们可以发现，这个人口变动率和《2050年，当你老了：中国人口大数据》中的死亡率算法一致，确实，不考虑人口流动的情况下影响人口变动的只有死亡率，在考虑人口流动后，人口的变动就是流入和死亡综合作用的结果，合为人口变动率，此时就与《2050年，当你老了：中国人口大数据》的算法完全一致了。

从图表【16】中可以看出，上海市人口变动呈现两个对着头的“金字塔”，以55~59岁为分水岭，在55~59岁以下，每个阶段的人口流入量大于死亡和流出的总量，人口得到了补充，在55~59岁以后，人口死亡和流出的总量开始大于流入量，人口趋于减少。

从河南省的情况来看（图表【17】），除了10岁以下的儿童数量增长（0~4岁是新出生数目会增加，5~9岁数量会增加是因为低领儿童的统计困难导致的，在《2050年，当你老了：中国人口大数据》中我们有详细描述），10岁以上人口明显都在变少，流出和死亡的作用远远大于流入，处于明显失血的状态，10~39岁和50岁以上尤其明显，其中我们猜测10~39岁人口的减少主要是流出的作用大于流入导致的，50岁以上人口减少主要是由死亡导致的。

这部分计算是用现存的育龄期妇女加上迁入的育龄期妇女，乘以育龄期妇女的生育率就可以得到计算期新出生的人口规模，再按照性别比拆分成男孩和女孩，新生儿的数是：

省市的各年龄段妇女生育率没有详细数据，所以我们采用全国的数据来表示，也需要变换成以5年为一个年龄段的生育率，正常情况下，城市化率越高的地方妇女的生育率越低，所以我们根据各省市总生育率对上海和河南进行相应调整。

当第一步中基期0~4岁人口在计算期成为5~9岁，5~9岁人口成为10~14岁以此类推，各年龄段都成长5岁，成为下一个年龄段，空下的0~4岁人口就用计算出的新生儿数量补充。

所以，各省分每隔5年的总人口数表示为：

用同样的方法，我们可以得到各个省的数据。

先看上海，人口规模方面，如果按照2000~2010年的人口流入情况推算，上海的人口会持续扩张，2050年将达到8137.5万人（图表【18】），劳动力占比始终在0.7以上，老龄化人口（65岁以上）占比保持在10%左右（图表【19】）。

从现实情况来看，上海的人口流入从2000年到2010年是一个高峰期，根据统计局数据2000年上海是的外省份人口是313.5万，2010年是897.7万，2015年1%抽样调查是14.78万，扩大100倍是1478.22万，2000~2010年均增长率11.1%，2010~2015年均增长率10.5%，人口增速略有下降。

近年来上海市严格控制人口，采取产业外移和严格落户的政策后，人口流入开始减少，所以用上海市人口流入增速最高的2000~2010年的数据预测未来会对上海的人口数量高估。

所以，我们在此基础上设想一下，如果在2050年让上海人口控制在5000万以下，则需要如何调节人口变动率，在模型中调节变量发现，令各年龄段人口均匀变动，需要将各年龄段人口变动率调高16个百分比，这个16%是5年的复合变动率，平均每年3%，意味着上海要保持每年每个年龄段中减少3%的流入或者增加3%的流出（图表【20】）。

这种情况下上海市的人口结构如何？2050年，上海市的人口结构如图表【22】所示，20~50岁的劳动力人口还是占据绝对优势，与此同时，控制人口后，上海的老龄化问题会得到优化（图表【23】），平均可以减少2%左右的老龄化比率，但是这存在一个前提假设就是各年龄段均匀控制人口流动，从图表【20】我们也可以看出人口控制以后，流出作用（横轴上的部分）显著大于流入作用，尤其是老年人口的流出。

然而控制人口对劳动力的影响不大，可以略微优化（图表【23】），所以在劳动力和老龄化人口都得到优化的情况下，处于0.35上下的上海人口抚养比也略有改善（图表【24】），幅度在0.01左右，意味着各年龄段均匀控制人口后，上海市每100个人会少抚养1个人。

在上海被人口过多所困扰的时候，河南却在面临另一种困境。河南省的人口从历史数据和人口变动率来看都处于减少状态，假设按照2000~2010年的速度流出人口，到2050年河南省将拥有7163万人口，较2010年减少2210万，下降23.6%，到本世纪末河南省人口会减少一半，少于5000万。

与此同时，河南也面临和上海市一样的人口老龄化压力，在2040年以前，河南的人口老龄化率会持续上升，2040年以后会稳定维持在15%左右，对比上海来看差距更明显，河南省的两条线（图表【26】）被上海包围，意味着河南的劳动人口占比低于上海，老龄人口占比又高于上海。

考虑到河南少儿人数多和劳动力人口流出这两个因素对抚养比的“双重”作用，河南省的抚养比形势更加严峻，少儿抚养比保持在0.3左右，总抚养比将稳定在0.5左右。

从上文中可以看出，我国地区劳动力分配呈现“冰火两重天”的境况，高度城市化的地区有人口膨胀的压力，开始严格控制人口，而人口净流出的地区由于青壮年劳动力的流出失血严重，但是人口流动是不可避免的，是城市化的必然过程，那么在这种流动的作用下我国的人口分布和城市化水平情况如何？

如图表【29】所示，从总体上来看，东部地区人口密度明显较大，然而单从东部地区来看，人口分布也是不均匀的，从地理位置上看存在三个人口密度较为集中的区域，依次是以北京为中心的环渤海，包括山东、河南一带，向南是以上海为中心的长三角地区，南部是以广东省为代表的珠三角地区。

其中，上海市一马当先，每平方公里3833.33人，是天津（1369）和北京（1292）的两倍，常住人口总数最多的广东人口密度排名第6，602.72人每平方公里，常住人口总数第二的山东省人口密度排名第5，640.25人每平方公里。

这三个地带人口分布密集是因为城市化过程中的人口流入造成的吗？我们进一步分析各地区的城市化程度。

城市化的基本定义是农业人口转为非农业人口，农业地域转为非农业地域，农业活动转为非农业活动的过程。定义上来看城市化过程中的表现主要有两个：一是人口上，农村人口流向城市，二是地域上，大城市周边的农村地域被覆盖，转变为城市。从活动类型上看，无论是人口主动从农村流向城市，还是被动被城市扩张覆盖，最终大部分都会转向从事二三产业的非农业活动。

所以城市化率一般是以人口和地域为标准衡量的，较为通用的做法是城市人口占总人口的比重，即

需要说明的是城市化率有统计口径的差异，通常包括常住口径和户籍口径，户籍口径就是按照户籍统计，常住口径是按照居住地超过6个月以上为口径统计，所以城市化率的常住口径一般大于户籍口径，我们采用常住口径。

如图表【30】，我国2015年总城市化率是56.54%，人口密度最大的上海市（87.62%）也是城镇化率最高的地区，其次分别是北京市（86.46%）、天津市（82.61%）、广东省（68.71%），这些地区都是环渤海、长三角和珠三角地区城市群的中心。

而且城市化率的两极分化极为明显，最高的上海（87.62%）是最低新疆（47.25%）的将近两倍。

从上面图表【29】和图表【30】来看，人口密度和城市化率有高度相关性，我们通过散点图（如图表【31】）观察发现，确实存在明显的正相关关系，由于城市化率和人口密度的量纲差别太大，我们将城市化率乘以1000处理，回归得到城市化率和人口密度之间的关系是：

我们为人口密度和城市化率的散点图增加趋势线，以趋势线为分界，趋势线以上表示，当前人口密度的情况下城市化率超过全国平均水平，趋势线以下表示，在当前人口密度的情况下，城市化率低于全国的平均水平。

我们将城市化率和人口密度的这种关系定义为有效城市化率，有效城市化率越大表示人口该地区在相同人口密度的情况下城市化率高，或者在相同城市化率的情况下，人口密度小：

这个公式进一步拆分表示的是城镇人口、总人口和地区面积之间的关系，虽然叫做有效城市化率，但实质上是一个以人口为核心的指标，代表与城市化率相匹配的人口拥挤程度。

用这个标准重新来看北京、上海、天津和广东，如图表【32】所示，气泡大小表示有效城市化率，我们发现有效城市化率最高的是广东，其次是北京和天津，上海排在最末位，从全国范围上来看，上海市的气泡也过小，排在18位，也就是说上海市的人口密度已经远远超过它的城市化率，人口过度密集。

现实中，确实我国城市化率较高的北京、上海已经达到了高度城市化的阶段，尤其是上海出现了人口过度拥挤和流入减少的趋势，然而高度城市化地区的流入减少是不是意味着我国的人口流动会放缓？

不是的，在全国总城市化率56.54%的情况下，我国城市化依然有很大发展空间，所以未来我国的人口流动和城市化进程会如何呢？——下一批大城市即将崛起。

根据经济增长理论，经济发展需要三个条件：资本、人力和技术，人力可以创造技术，人力和技术可以吸引资本，所谓“资本未动，人力先行”，所以，在下一轮抢占先机，吸引人口，成为未来地区建设的重点，也是顺应我国城市化发展趋势的重要举措。

我国地大物博，大部分地区的城市化程度尚且不足，因此从全国范围上看，城市化进程不会放缓，下一步，上海和北京会减少人口流入，那些流出的人口将会流向其他还有空间的城市，部分城市可以凭借 “近水楼台先得月”或者“先发优势”承接这些人口溢出，成为下一轮城市化中吸引人口的主力。

从目前来看，人口净流入中的省份除了北京、上海和广东，还有浙江、江苏、天津和福建，其中浙江的民营企业发达，具有“先发优势”，江苏临近上海、天津临近北京、福建临近广东并且沿海，具有“近水楼台先得月”的承接优势，有望成为下一轮城市化的中心。

如何吸引人口呢？从草根调研的情况来看，优质人才落户主要考虑两个因素：工作和生活，具体就是工作岗位，包括岗位多、待遇好；生活就是生活成本，主要是指房价低。

首先是要有多数量和高质量（薪水待遇好等）的工作岗位，其次是生活成本相对较低，房价在可承受范围，都满足这两个条件的情况下公共服务和设施好，生活便利，生活品质高。

所以，各地人口争夺战的措施也主要就是围绕这三个方面展开：创造就业岗位、提高工资待遇，降低生活成本，完善公共服务，我们列举了几个（图表33）：

最后，我们还要重点提醒的是，我国第三波“婴儿潮”已经进入工作阶段，工作5年内劳动力的流动性还较高，等到5年买房、结婚、落户后这些人就成为城市稳定人口，流动成本骤升。

所以2020年前抢夺第三波“婴儿潮”是各地人口争夺战的重中之重（图表【34】），在此以后我国进入劳动年龄的人口规模逐年减少，下一波“婴儿潮”将是第三波生出来的第四波“婴儿潮”，进入劳动年龄要在20年以后了，因此，这一步是否能抢占先机，对未来影响深远。