2023 年，一线城市人口没有回流

使用CN2/CN2GIA顶级线路，支持Shadowsocks/V2ray科学上网，支持支付宝付款，每月仅需 5 美元

## 加入品葱精选 Telegram Channel ##

众所周知，2022 年，北上广深四座一线城市的常住人口同时下降。

人们说，是因为疫情缘故，许多外来人口选择提前返乡，造成人口下降。

那么，2023 年呢？

当一切都回到了正常的轨道，这些人回来了吗？

在 2023 年最后的几天里，我们差不多也等来了全年的数据，那就来做一下年末的盘点吧。

使用某互联网平台的跨城市人口迁徙数据，我们可以研究在特定时间段内、特定城市的人口流出与流入情况。一个城市流出人口大于流入人口，就代表人口净流出。

下图列出了某个城市 2023 年 1-11 月每天的人口流入与流出情况：

蓝线表示流入，橙线表示流出。当橙线高于蓝线时，该地在这一天出现了人口净流出；反之若蓝线高于橙线，则出现了人口净流入。

可以看到，在 2023 年春节前，该城市的流出人口大幅度高于流入人口，出现了人口大量外流的现象，春节后人口则出现了人口回流。不难猜到，这一定是一个吸引了大量外地劳动力就业的城市。

为了更清晰观察人口流向，将上图各个时间的流入人口减去对应的流出人口，得到下图。0 以上部分的面积表示净流入的人口，0 以下部分的面积表示净流出的人口。那么只要计算两者的差值，自然就可以得知在这一段时间内，该城市的人口净变动情况了。

我们按照这样的思路，计算了人口规模前 50 位的城市，在春节前后净流动情况，先来看 2021 年的数据，如下图所示：

在图中对角线右下方的区域，2021 年春节前（从 2020 年 7 月 1 日到 2021 年春节前）离开的人口大于 2021 年春节后（从 2021 年春节后到 2021 年 6 月 30 日）回流的人口，因此属于 “人口净流出区域”，比如深圳、上海。相反，在对角线左上方的城市，2021 年春节后的回流人口超过了 2021 年春节前的流出人口，因此属于 “人口净流入区域”，比如北京、广州。

从 2021 年的数据来看，城市人口确实有流入、流出，但两者之间相差并不大，体现在图上就表示为，每一个城市对应的点，都距离对角线不太远。

而用 2023 年春节前后的数据再画一张图，情况则变成了下面这样：

上海、东莞、成都、深圳、苏州等地，都向着对角线右下方大幅度移动。这意味着这些城市在 2023 年春节后的流入人口，远远低于 2023 年春节前流出的人口，出现了人口净减少。

更值得关注的是，在 2021 年的图形中，无论城市人口是净流入还是净流出，他们大体都处在第一或者第三象限，这意味着春节前流出人口的城市，春节后总是会净流入人口，两波人口流动的方向相反，会有一种人口流动的 “对冲”。但在 2023 年，上海、东莞等城市，处在了第四象限，这意味着这些城市在 2023 年春节前净流出了大量人口后，2023 年春节后依然在继续流出人口，其中深圳尤为明显。

将四个一线城市今年 1-11 月的人口净流动情况进行累计，就会得到下图：

可以看到，北京、广州市从 2023 年年初以来的人口净流入累计值在 2 月 9 日，即正月十九之后，便转正了，即人口超过了 1 月 1 日时的水平。与北京、广州不同，上海、深圳的人口净流入累计值，在春节过后也未能恢复到年初水平，且仍不断下降，意味着人口出现了持续外流。其中深圳市的人口流出速度，比上海更快。

这些从一线城市流出的人口流向了何方？使用 2021 年和 2023 年的对比，我们可以画出以下两图：

上图列出了从 2021 年到 2023 年目标上海和深圳的城市的净流出人口变化。举个例子，在上海的图中，数值变化最大的是苏州，其变化为δ，表示如果苏州 2021 年时净流入到上海的人口为 x，那么 2023 年时净流入到上海的人口为 x-δ。在图中的柱状图越长，表示变化越大。

一方面是原本从上海、深圳吸收人口的较发达的一线或准一线城市——如广州、杭州及苏州——现在吸收了更多人口。另一方面是一些原本向上海、深圳净输送劳动力的三、四线城市——如阜阳、周口、商丘、亳州、清远、茂名、汕尾、邵阳——现在转而从上海和深圳吸收人口。两方面因素，导致这两座一线城市的人口出现了大量净外流。

如果将每个城市从 2021 年到 2023 年的流向增加最快的那个城市用箭头连接起来，就可以看到这一轮人口结构变化中，人口从几个一线城市流出的主要城市路径：

可以看到，从一线城市流向家乡，又或是进一步流向离家更近的省会城市，成为 2023 年以来人口流向的主要趋势。

外来务工者在经济出现波动，一线城市就业不确定性增加的背景下，默默退回了熟悉的家乡，缩小了寻找就业的半径。

上述数据全部来自互联网平台的跨城市人口迁徙数据，读者可能还会有一些疑问——这个数据靠谱吗？我们能否从其他数据里看到相似的特征，侧面验证城市人口分布正在发生重构呢？

使用另一套基于互联网平台的分城市消费数据，我们计算了不同城市 2019-2021 年的消费增长与 2021-2023 年的消费增长之间的差额，下图列出了 2021-2023 年的消费增长更快的 20 个城市。

可以看到，在上图中，除了淄博在今年因烧烤成为网红以外，其他的城市例如阜阳、淮安、盐城、邵阳等，基本上都是传统意义上的人口流出大市，却成为了近两年消费增速相对前两年提升最快的城市。

我们同样可以使用 Questmobile，一项监测各个应用使用人数的数据，观察各个城市各个月份各种应用的使用人数，并画出下图：

上图列出了八大城市从 2018 年 1 月至 2023 年 11 月各个应用总使用人数随着时间的变化可以看到，深圳市在 2018 年到 2022 年时原本与广州市排列第三、第四名，但在 2023 年后被广州拉开差距，甚至被成都、杭州等地超越。而上海市与北京市的差距也在 2023 年后逐渐拉开。四个一线城市在应用使用人数上的相对变化，与我们在人口迁徙数据中看到的人口净流动情况****保持了一致。

我们进一步采纳更多的城市经济活跃程度高频数据，进行相互间的交叉验证：

1，Questmobile 的各应用在各城市的每月使用人数数据。

2，某火锅店全国近两千家门店的每日排队数据。

3，某点评网站各个城市店铺的各季度末横截面数据。

4，某地图软件各个城市每日道路拥堵数据。

5，某电商企业各个城市每月消费数据。

6，某招聘网站每天各个城市发布的招聘广告数据。

他们之间的相关性矩阵如下所示：

上表列出了不同城市这些数据年度同比变化之间的相关系数以及显著性。可以看到，人口迁徙数据与应用使用人数、排队人数、拥堵指数、电商金额等数据都存在显著的正相关性（带有星号的表格），且这些数据之间的相关性也较高。但人口迁徙数据和店铺数量的相关性较小，且与招聘岗位数量呈现明显的负相关性。

店铺数量、招聘岗位与人口迁徙等数据的弱相关性和负相关性可能与这两组高频数据在机制上发生较为滞后有关——当城市的人口净流出时，本地店铺并不会立即降低，而是会选择打出更多的招聘广告希望补充劳动岗位的空缺，这也就造成了短期内的人口外流反而会造成招聘广告的数量增加。

而排队数据、电商购买金额数据、拥堵程度、应用使用人数等数据和人口迁徙数据的相关性表明，人口迁徙数据可以与许多能够体现各个城市经济活跃程度的高频数据相互印证，而这些数据也从不同侧面反映了我们在前文发现的特征——中国的人口在城市间的分布格局，似乎出现了重构的迹象。大城市持续吸引人口的趋势，在 2022 年停滞后，2****023 年并没有恢复，而是被加剧逆转了。

四个一线城市的人口在 2022 年同时减少，且多源数据发现在 2023 年部分城市人口仍在加速外流，这样的情况，在改革开放 45 年的发展历程上，也极其罕见。

逃离北上广，再逃回北上广，再逃离北上广…… 留不下的大城市和回不去的故乡，就像跷跷板的两端，在过去几十年的改革开放历程中，不断在人们津津乐道的故事里翻起又落下。虽然人们多少都在嘴上怀疑过城市化滚滚向前的浪潮，但之前几十年人口流动的趋势却表明，大城市的吸引力不曾衰退。

但 2023 年，人们的跨地区流动恢复正常化的第一年，大量人口和经济相关的高频数据告诉我们，狼可能真的来了。在部分大城市，疫情期间离开的人们并没有回来，而是正在加速离开，回到离家乡更近的地方。

这是一个短期现象，还是长期结构变化的先兆？

也许从更长期的视角看，大城市还是能吸引人口汇聚的。但在这一次，我们面临的 “长期”，可能会比预期的更久一点。

本文主要数据来源：杨阳，斯坦福中国经济与制度中心 (SCCEI)，博士后研究员

最简单好用的 VPS,没有之一，注册立得 100 美金