卷不動了！2023年一線城市人口加速流失，這會是長期現象嗎？_風聞

作者：陳沁。脈策科技首席經濟學家，同時任國家信息中心數字中國研究院副院長、理事。畢業於復旦大學，曾任教於復旦大學經濟學院。

原標題為：《2023年，北上廣深的人口都在淨流出，他們去哪了丨數據説話》。

外來務工者在經濟出現波動、一線城市就業不確定性增加的背景下，默默退回了熟悉的家鄉，縮小了尋找就業的半徑。

眾所周知，2022年，北上廣深四座一線城市的常住人口同時下降。人們説，是因為疫情緣故，許多外來人口選擇提前返鄉，造成人口下降。

那麼，2023年呢？當一切都回到了正常的軌道，這些人回來了嗎？

在 2023 年最後的幾天裏，我們差不多也等來了全年的數據，那就來做一下年末的盤點吧。

一、哪些城市正在經歷人口淨流出？

使用某互聯網平台的跨城市人口遷徙數據，我們可以研究在特定時間段內、特定城市的人口流出與流入情況。一個城市流出人口大於流入人口，就代表人口淨流出。

下圖列出了某個城市2023年1-11月每天的人口流入與流出情況：

藍線表示流入，橙線表示流出。當橙線高於藍線時，該地在這一天出現了人口淨流出；反之若藍線高於橙線，則出現了人口淨流入。

可以看到，在2023年春節前，該城市的流出人口大幅度高於流入人口，出現了人口大量外流的現象，春節後人口則出現了人口迴流。不難猜到，這一定是一個吸引了大量外地勞動力就業的城市。

為了更清晰觀察人口流向，將上圖各個時間的流入人口減去對應的流出人口，得到下圖。0以上部分的面積表示淨流入的人口，0以下部分的面積表示淨流出的人口。那麼只要計算兩者的差值，自然就可以得知在這一段時間內，該城市的人口淨變動情況了。

我們按照這樣的思路，計算了人口規模前50位的城市，在春節前後淨流動情況，先來看2021年的數據，如下圖所示：

在圖中對角線右下方的區域，2021年春節前（從2020年7月1日到2021年春節前）離開的人口大於2021年春節後（從2021年春節後到2021年6月30日）迴流的人口，因此屬於“人口淨流出區域”，比如深圳、上海。相反，在對角線左上方的城市，2021年春節後的迴流人口超過了2021年春節前的流出人口，因此屬於“人口淨流入區域”，比如北京、廣州。

從2021年的數據來看，城市人口確實有流入、流出，但兩者之間相差並不大，體現在圖上就表示為，每一個城市對應的點，都距離對角線不太遠。

而用2023年春節前後的數據再畫一張圖，情況則變成了下面這樣：

上海、東莞、成都、深圳、蘇州等地，都向着對角線右下方大幅度移動。這意味着這些城市在2023年春節後的流入人口，遠遠低於2023年春節前流出的人口，出現了人口淨減。

更值得關注的是，在2021年的圖形中，無論城市人口是淨流入還是淨流出，他們大體都處在第一或者第三象限，這意味着春節前流出人口的城市，春節後總是會淨流入人口，兩波人口流動的方向相反，會有一種人口流動的“對沖”。但在2023年，上海、東莞等城市，處在了第四象限，這意味着這些城市在2023年春節前淨流出了大量人口後，2023年春節後依然在**繼續流出人口****，**其中深圳尤為明顯。

將四個一線城市今年1-11月的人口淨流動情況進行累計，就會得到下圖：

可以看到，北京、廣州市從2023年年初以來的人口淨流入累計值在2月9日，即正月十九之後，便轉正了，即人口超過了1月1日時的水平。與北京、廣州不同，上海、深圳的人口淨流入累計值，在春節過後也未能恢復到年初水平，且仍不斷下降，意味着人口出現了持續外流。其中深圳市的人口流出速度，比上海更快。

二、人口在城市間分佈的重構

這些從一線城市流出的人口流向了何方？使用2021年和2023年的對比，我們可以畫出以下兩圖：

上圖列出了從2021年到2023年目標上海和深圳的城市的淨流出人口變化。舉個例子，在上海的圖中，數值變化最大的是蘇州，其變化為δ，表示如果蘇州2021年時淨流入到上海的人口為x，那麼2023年時淨流入到上海的人口為x-δ。在圖中的柱狀圖越長，表示變化越大。

一方面是原本從上海、深圳吸收人口的較發達的一線或準一線城市——如廣州、杭州及蘇州——現在吸收了更多人口。另一方面是一些原本向上海、深圳淨輸送勞動力的三、四線城市——如阜陽、周口、商丘、亳州、清遠、茂名、汕尾、邵陽——現在轉而從上海和深圳吸收人口。兩方面因素，導致這兩座一線城市的人口出現了大量淨外流。

如果將每個城市從2021年到2023年的流向增加最快的那個城市用箭頭連接起來，就可以看到這一輪人口結構變化中，人口從幾個一線城市流出的主要城市路徑：

**可以看到，從一線城市流向家鄉，又或是進一步流向離家更近的省會城市，成為2023年以來人口流向的主要趨勢。**外來務工者在經濟出現波動，一線城市就業不確定性增加的背景下，默默退回了熟悉的家鄉，縮小了尋找就業的半徑。

三、更多數據的相互驗證

上述數據全部來自互聯網平台的跨城市人口遷徙數據，讀者可能還會有一些疑問——這個數據靠譜嗎？我們能否從其他數據裏看到相似的特徵，側面驗證城市人口分佈正在發生重構呢？ 使用另一套基於互聯網平台的分城市消費數據，我們計算了不同城市2019-2021年的消費增長與2021-2023年的消費增長之間的差額，下圖列出了2021-2023年的消費增長更快的20個城市。

可以看到，在上圖中，除了淄博在今年因燒烤成為網紅以外，其他的城市例如阜陽、淮安、鹽城、邵陽等，基本上都是傳統意義上的人口流出大市，卻成為了近兩年消費增速相對前兩年提升最快的城市。

我們同樣可以使用Questmobile，一項監測各個應用使用人數的數據，觀察各個城市各個月份各種應用的使用人數，並畫出下圖：

上圖列出了八大城市從2018年1月至2023年11月各個應用總使用人數隨着時間的變化可以看到，深圳市在2018年到2022年時原本與廣州市排列第三、第四名，但在2023年後被廣州拉開差距，甚至被成都、杭州等地超越。而上海市與北京市的差距也在2023年後逐漸拉開。四個一線城市在應用使用人數上的相對變化，與我們在人口遷徙數據中看到的人口淨流動情況****保持了一致。

我們進一步採納更多的城市經濟活躍程度高頻數據，進行相互間的交叉驗證：

1、Questmobile的各應用在各城市的每月使用人數數據。

2、某火鍋店全國近兩千家門店的每日排隊數據。

3、某點評網站各個城市店鋪的各季度末橫截面數據。

4、某地圖軟件各個城市每日道路擁堵數據。

5、某電商企業各個城市每月消費數據。

6、某招聘網站每天各個城市發佈的招聘廣告數據。

他們之間的相關性矩陣如下所示：

上表列出了不同城市這些數據年度同比變化之間的相關係數以及顯著性。可以看到，人口遷徙數據與應用使用人數、排隊人數、擁堵指數、電商金額等數據都存在顯著的正相關性（帶有星號的表格），且這些數據之間的相關性也較高。但人口遷徙數據和店鋪數量的相關性較小，且與招聘崗位數量呈現明顯的負相關性。

店鋪數量、招聘崗位與人口遷徙等數據的弱相關性和負相關性可能與這兩組高頻數據在機制上發生較為滯後有關——當城市的人口淨流出時，本地店鋪並不會立即降低，而是會選擇打出更多的招聘廣告希望補充勞動崗位的空缺，這也就造成了短期內的人口外流反而會造成招聘廣告的數量增加。

而排隊數據、電商購買金額數據、擁堵程度、應用使用人數等數據和人口遷徙數據的相關性表明，人口遷徙數據可以與許多能夠體現各個城市經濟活躍程度的高頻數據相互印證，而這些數據也從不同側面反映了我們在前文發現的特徵——中國的人口在城市間的分佈格局，似乎出現了重構的跡象。大城市持續吸引人口的趨勢，在2022年停滯後，2023年並沒有恢復，而是被加劇逆轉了。

四、寫在最後

四個一線城市的人口在2022年同時減少，且多源數據發現在2023年部分城市人口仍在加速外流，這樣的情況，在改革開放45年的發展歷程上，也極其罕見。

逃離北上廣，再逃回北上廣，再逃離北上廣……留不下的大城市和回不去的故鄉，就像蹺蹺板的兩端，在過去幾十年的改革開放歷程中，不斷在人們津津樂道的故事裏翻起又落下。雖然人們多少都在嘴上懷疑過城市化滾滾向前的浪潮，但之前幾十年人口流動的趨勢卻表明，大城市的吸引力不曾衰退。

但2023年，人們的跨地區流動恢復正常化的第一年，大量人口和經濟相關的高頻數據告訴我們，狼可能真的來了。在部分大城市，疫情期間離開的人們並沒有回來，而是正在加速離開，回到離家鄉更近的地方。

這是一個短期現象，還是長期結構變化的先兆？

**也許從更長期的視角看，**大城市還是能吸引人口匯聚的。但在這一次，我們面臨的“長期”，可能會比預期的更久一點。