乡村劳动力流动网络特征与形成机理研究——以陕西省大荔县石槽村为例

Research on the characteristics and formation mechanisms of rural labor mobility networks：taking Shicao Village in Dali County， Shaanxi Province as an example

摘要

乡村劳动力是关系城乡融合发展和区域高质量发展的重要要素.研究乡村劳动力流动网络特征与流动机制对构建全国劳动力统一大市场、优化劳动力配置具有重要意义.本研究以陕西省大荔县石槽村为例，构建石槽村乡村劳动力流动网络.研究发现：石槽村劳动力流动呈现以东部沿海城市群为主，以西部地区城市群为辅的空间分布特征.流向东部沿海三大城市群地区的劳动力占全部流动劳动力的54.59%；不同类型劳动力的空间流动呈现明显的群体性差异特征.年龄上，30岁以下劳动力流动范围较广、流动距离较远；51岁以上劳动力由于早期的城市区位选择已基本形成惯性和路径依赖，流动较为稳定；31~50岁劳动力流动方向更为多元，且容易发生二次流动.性别上，男性相较于女性，流动距离更远，更多地向远距离且经济发达的城市流动.社会关系上，具有血缘关系的劳动力在城市流向上更趋于一致；不同类型劳动力不同阶段的需求层次存在差异，是影响劳动力城市区位选择的关键.城市与农村、城市与城市之间要素供给差异是形成劳动力流动格局的基础.

Abstract

Rural labor force is an important element related to the integrated development of urban and rural areas and the high-quality development of regions. It is important to study the characteristics of rural labor mobility network and the evolution mechanism of hierarchical mobility in order to build a unified national labor market and optimize labor allocation. In this study， we take Shicao Village in Dali County， Shaanxi Province as an example to construct a multilevel network of rural labor mobility in Shicao Village. The results are shown as fellows. The labor flow in Shicao Village presents the spatial distribution characteristics mainly in the eastern coastal urban agglomerations， supplemented by the urban agglomerations in the western region. The labor force flowing to the three major urban agglomerations in the east coast accounts for 54.59% of all flowing labor force. The spatial flow of different types of labor force presents obvious group difference characteristics. In terms of age， laborers under 30 years old have a wider range of mobility and farther distance； laborers over 51 years old have basically formed inertia and path dependence due to early urban location selection， and their mobility is more stable； laborers between 31-50 years old are more diversified in terms of their direction of mobility， and are prone to secondary mobility. In terms of gender， compared with women， men have a longer mobility distance and move more to long-distance and economically developed cities. In terms of social relationship， labor force with blood relationship tends to be more consistent in urban flow direction. There are differences in the level of needs at different stages of different types of labor force， which is the key to influence the urban location choice of labor force. Differences in factor supply between cities and rural areas and between cities and cities are the basis for the formation of the labor mobility pattern.

Graphical abstract

关键词

乡村劳动力 / 劳动力流动 / 空间异质性 / 社会网络分析 / 石槽村

Key words

rural labor force / labor mobility / spatial heterogeneity / social network analysis / Shicao Village

乡村劳动力通常是指从农村地区来到城市工作和生活的劳动者群体，主要是指“农民工”或“进城务工人员”.乡村劳动力群体是我国第一大迁移人群，是城市就业人口结构的重要组成部分^［1］.乡村劳动力是促进城乡融合发展和区域高质量发展的重要要素，尤其是党的十九大后，如何完善乡村劳动力分配机制，是实现区域高质量发展的关键^［2-4］.研究乡村劳动力流动网络特征与分层流动演化机制对构建全国劳动力统一大市场、优化劳动力配置具有重要意义.乡村劳动力不仅是城市地区发展的重要驱动，对乡村地区发展转型也具有重要影响^［5］.我国乡村劳动力经历了从改革开放初期的有限流动到大规模向城市迁移的快速城镇化过程，伴随这一过程，乡村空心化、破败化问题突出^［6-7］.针对我国乡村发展面临的现实问题，党的十九大报告提出“乡村振兴战略”，乡村劳动力在城乡之间逐步呈现双向流动和多元流动特征^［8-9］.

近年来，我国乡村劳动力总量持续增长，呈现平均年龄持续提高、从事行业向第三产业逐渐过渡、性别结构中女性占比逐步提高等特征.乡村劳动力的人口结构、流动模式、迁移动机、流动路径不仅影响城市的经济发展，还深刻影响乡村地区的社会结构与经济活力^［10］.通过关注流动的群体性特征，建立健全的城乡互动机制、政策支持和社会保障体系，可以实现乡村劳动力流动与乡村经济发展的良性循环^［11］.同时分析不同特征劳动力的流动分异与形成原因，有助于建立乡村劳动力流动与区域城乡发展的协同关系、推动乡村劳动力市民化改革的长效机制^［12］.因此，研究乡村劳动力复杂流动网络，能对城乡融合发展机制和区域高质量发展模式提供参考.

学术界对当前我国乡村人口发展、劳动力流动态势、乡村转型等相关问题开展了相关研究，并对相关政策措施效果进行了分析评价.在乡村人口现状研究方面，宇林军等^［13］基于中国范围的乡村人居环境调研数据，分析了中国农村宅基地空心现象，得出中国农村宅基地空心化严重，93.5%的调研村庄有空心化现象，平均空心化率达到10.2%的结论；郭远智等^［14］基于人口普查数据探究中国县域农村人口老龄化的时空格局及其形成机制，发现农村人口老龄化趋势加快，到2010年，仅有17.54%的区县农村未进入老龄化，主要分布在胡焕庸线西北一侧及大兴安岭地区.在乡村劳动力流动研究方面，杨忍等^［15］对农村回流劳动力的就业选择特征及非农就业的影响因素进行综合分析；芮旸等^［16］以传统村落为样本，运用空间统计分析方法揭示样本人口外流的基本特征和主要源区，得出中国传统村落人口外流现象普遍且严重，传统村落人口外流的空间依赖性、集聚性、指向性和中心性显著的结论.在乡村劳动力流动的影响因素方面，现有研究多从经济、制度、文化、距离等因素探究其对乡村劳动力流动的影响机制.在研究方法方面多采用空间自相关、社会网络分析、质性分析方法等方法，结合摩擦力、粘滞率等物理概念建立衡量劳动力流动性的评估指标，结合因子生态分析、地理探测器、多元回归模型等对劳动力流动格局与影响因素进行研究.

通过文献梳理发现，既有研究为理解乡村劳动力流动提供了宏观基础，但仍存在不足：1） 微观决策机制薄弱.宏观流动格局分析未能解析个体需求层次与城市供给能力的动态匹配过程.2） 社会网络关联缺位.虽提及“同乡效应”，但未量化血缘、地缘网络对流动路径的锁定与强化机制.3） 基于乡村微观个体开展乡村劳动力流动的群体差异性以及流动层级性特征研究方面，有待进一步加强与补充.因此，本文聚焦乡村劳动力微观个体的城市区位选择，对石槽村开展实地调研，探讨石槽村劳动力流动的群体差异性和流出网络特征，采用地理探测器模型探索影响石槽村劳动力流动的因素机理.本文拟解决以下问题：1） 揭示微观群体流动的分层异质性，基于村庄个体数据实证年龄、性别、亲缘三维度的系统性分异；2） 识别“同乡效应”的非正式制度驱动力，阐明社会网络通过降低成本与风险放大经济拉力的作用机制；3） 解析乡村劳动力流动网络的特征及其机制，通过剖析外向流动的“主干”逻辑，为理解复杂流动网络奠定基础.本研究不仅可以为制定乡村劳动力流动政策提供科学支撑，还可以基于乡村劳动力流动视角为城乡融合发展提供新思路，具有重要的理论和现实意义^［17-20］.

1 数据与方法

1.1 研究区概况

石槽村位于陕西省大荔县城南4 km处，北临洛河，南倚沙苑，是官池镇政府驻地，辖3个自然村，700余户，3 600多人.石槽村地势平坦，交通便利，北与108国道相连，南与陇海线、310国道相接.党的十九大以来，石槽村利用县财政扶持资金与扶贫、移民专项资金，由村集体经济组织牵头引领，建起了石槽村扶贫产业园，劳动力逐步由传统的乡-城单向流动向城乡双向流动和多元流动转变.

本研究选取陕西省大荔县石槽村作为典型案例，其典型性与代表性主要体现在两个方面：1） 地域代表性.该村地处陕、晋、豫三省交界，兼具关中平原传统农区与城乡过渡带特征，其劳动力高度输出、以跨省远距离流动为主的特征，深刻反映了中西部劳动力输出型村庄的共性困境与发展轨迹.2） 政策前沿性.作为官池镇政府驻地及扶贫产业园建设点，该村受乡村振兴政策影响直接且显著，其劳动力流动正呈现从单一乡城流出向创业回流、季节性双栖等多元化模式转变的雏形，为探究新发展阶段下劳动力流动机制的演变提供了一个鲜活、前沿的微观样本.

1.2 研究方法

1.2.1 社会网络分析

以石槽村为劳动力流动的起点，以劳动力流入城市为终点，流动量为边，构建劳动力流动有向加权网络.计算劳动力流动节点城市的点强度.点强度是用来刻画网络中节点的个体特征，反映节点相对重要性的主要指标之一.在有向加权网络中表征节点流入流出关系的总和，可以反映节点劳动力双向流动的强度，一般用与该节点直接相连的边之和进行表征，在网络中其值越大表明流动劳动力数量越多^［21］，计算公式为：

K_c\left(i\right)={\sum }_{j\in V}{\mathrm{A}}_{ij}，（1）

式中，K_c\left(i\right)为节点i的点强度；A_{ij}为节点i和j之间边的权重值，若A_{ij}=\mathrm{0}，则表示节点i和j之间没有直接相连的边.点强度又可分为入强度和出强度，入强度是节点i接收关系的总和，出强度是节点i发出关系的总和^［22］.入强度和出强度能够考察乡村劳动力流动的空间指向与分异.

1.2.2 地理探测器

使用地理探测器模型来识别不同因素对劳动力流动空间异质性的影响力.假设研究区域由几个子区域组成，如果子区域的方差之和小于区域的总方差，则存在空间异质性.地理探测器可以揭示空间分层异质性背后的驱动因素，克服了样本单元数量以及变量统计假设的局限性^［23］.

因子探测表达式为：

q=\mathrm{1}-\frac{{\displaystyle \sum _{h=\mathrm{1}}^L}{N}_h{\sigma }_h^{\mathrm{2}}}{N{\sigma }^{\mathrm{2}}}，（2）

式中，N和{\sigma }^{\mathrm{2}}分别代表研究区省区市单元数和样本方差，N_h和{\sigma }_h^{\mathrm{2}}分别为第h子分层样本容量和子分层的层内方差，L是解释变量因子对劳动力流动人数的分层数.q的值为［0， 1］，q值越大表示影响因子对劳动力流动空间分异的解释力越强.

1.3 数据来源

关于劳动力流动数据来自大荔县人力资源和社会保障局统计以及对大荔县官池镇石槽村实地调研访谈.最终获得石槽村劳动力外出务工统计数据共209份，除去未成年人等无效数据，最终得到有效数据196份，为本研究提供数据支撑.关于影响因素中共11个指标，该数据来源于2022年公布的《中国城市统计年鉴》，其中包括各城市2021年度的经济、社会、文化指标数据.

本研究的外出劳动力结构如表1所示，样本结构呈现出三个显著特征：1） 年龄结构以壮年劳动力为主体.31~50岁的劳动力占比高达65.8%，他们是家庭经济的中坚力量，也是外出务工最活跃的群体.2） 性别结构失衡，男性占主导.男性劳动力占比69.4%，远超女性（30.6%），其在流动距离、行业选择及家庭决策中可能扮演重要角色.3） 社会关系网络紧密，亲缘效应突出.传统村落中亲缘与地缘构成的社会网络是塑造劳动力流动路径不可忽视的强大力量.

2 石槽村劳动力流动网络特征

2.1 劳动力流动网络分析

本文基于实地考察数据研究官池镇石槽村劳动力流动网络节点的特征，包括点强度与节点空间分布特征，如图2、图3所示.

2.1.1 点强度分析

本文仅研究石槽村劳动力流出的情况，是一种单向流动，因此本文仅考虑各城市的“入强度”.图3展示了官池镇石槽村劳动力流动网络节点的非线性拟合曲线，为消除分布产生的度量偏差，本研究将点强度进行标准化处理.其中上海市中心性最强，在网络中拥有最强的支配度.点强度排名前三的是上海、苏州以及深圳，北京和昆山同样拥有较高的点强度，点强度均大于2，流入人数均大于10.点强度小于2且大于0（流入人数4至7人）的城市主要包括乌鲁木齐、兰州、酒泉等，主要分布在西部地区，其原因是石槽村位于陕西省，与其他西北省份人文相通，地理气候相似、经济发展水平相近.

2.1.2 流动空间格局特征

由图2所示，石槽村劳动力流动格局呈现以东部沿海集聚分布、远距离流动为主的态势.其中，东部沿海三大城市群地区流入数量107人，占全部流动劳动力的54.59%.流入西部重点城市群次之，其中，流入黄河上游城市群20人、天山北坡城市群9人，流入呼包鄂乌城市群6人，共同占劳动力流动总量的17.85%.

总体上看，石槽村劳动力以北京、上海、深圳等东部发达城市、远距离流动为主，西部重点城市群地区次之的空间流动格局.石槽村位于陕西、山西、河南三省交界处，但研究中发现，石槽村劳动力去往以上三省的人数较少.实地调研中了解到，石槽村村民更倾向于去往东部沿海地区.受到“同乡路径”影响，网络形成初期的先行者在外出工作过程中不断带动更多的同乡深化着这样的“路径”，并最终形成一种正反馈效应，使得其中心极化程度增强.

2.2 劳动力流动网络的年龄特征

运用GEPHI模块化分析对石槽村外出务工人员进行总体流动网络研究，对不同年龄、性别、社会关系的人才进行分析，结果如图4所示.依据生命周期理论及中国乡村劳动力迁移的典型年龄模式特征，本文将外出就业劳动力划分为30岁及以下、31~50岁、51岁及以上三个年龄阶段.该划分源于不同年龄群体在体力、家庭责任、职业发展阶段及风险偏好上存在的系统性差异：≤30岁青年群体（初入市场/高流动性）体力充沛、家庭负担轻；31~50岁壮年群体（职业稳定/家庭责任期）是家庭经济支柱，决策复杂；≥51岁年长群体（路径依赖/逐步退出期）体力下降、流动惯性大.这一划分有助于深入理解其流动行为的内在机理.外出务工劳动力以31~50岁为主，占外出务工总人数的65.48%，与51岁及以上劳动力共同占总劳动力的84.77%.

年龄视角下的劳动力流动网络空间特征，如图4b所示.从空间流动上看，51岁及以上劳动力主要流向北京、深圳、珠海等东部沿海城市，占比47.22%；流向乌鲁木齐、酒泉、银川等西北地区城市，占比22.22%.该年龄阶段的劳动力由于早期的城市区位选择已基本形成惯性和路径依赖，流动较为稳定.31~50岁劳动力主要流向苏州、上海、昆山、深圳等东部沿海城市，其次流向兰州、乌鲁木齐等西北地区城市，新增目的地城市18个，流动方向更为多元，且容易发生二次流动，即在流动到某一个城市后又迁移到另一城市.30岁及以下劳动力相较于中老年人流动范围更为广泛、流动距离更远，50%以上的比例主要以流向全国或省域经济中心城市为主.

2.3 劳动力流动网络的社会关系特征

从社会关系上看，传统村落具有相同姓氏的居民大多存在一定的亲缘关系，劳动力外出务工时会产生明显的“同乡亲缘效应”，即同村具有相同姓氏的劳动力往往流向相同的城市.石槽村的主要姓氏包括秦姓、王姓和潘姓.如图4c所示，不同姓氏的劳动力流动城市趋向不同，其中，秦姓劳动力主要以向东部沿海城市群流动为主，流向城市包括上海、深圳、北京等城市；王姓劳动力流动目的地以西北地区城市群为主，流向城市包括兰州、酒泉、乌鲁木齐等城市；潘姓劳动力则以流向粤港澳大湾区为主，少部分流向无锡、苏州等城市.可以看出，具有相同姓氏的劳动力流动城市较为集中，秦姓、潘姓50%以上的劳动力多去往京津冀、长三角、珠三角城市群务工；而王姓劳动力的流动则以西北地区城市群为主.此外，本文还关注夫妻关系劳动力的外出务工目的地，探究其空间分布特征（图4c）.夫妻关系劳动力基本均在同一个城市务工，更加偏向去往工资水平较高、社会保障较完善的城市，多以沿海发达城市为主，如多流向深圳、宁波、昆山、常州等城市.

2.4 劳动力流动网络的性别特征

从性别角度看，非夫妻关系的男性劳动力和女性劳动力流动范围和流动距离有较大差异，流动目的地差异明显，如图4d所示.在劳动力数量上，男性外出务工劳动力占外出务工劳动力总数的68.98%，且去往乌鲁木齐、克拉玛依、阿拉善盟、鄂尔多斯、格尔木等西部地区城市的比例明显高于女性劳动力.女性劳动力务工目的地选择则较为集中，主要流向深圳、苏州等东部沿海地区城市.

3 石槽村劳动力流动格局的形成机理

3.1 指标体系构建

根据人口推拉理论，劳动力流动呈现分层异质性特点，主要是因为劳动力受到不同城市产生的拉力和乡村地区的推力等两方面力量因素的影响.另外，劳动力受城市拉力因素的影响程度也与劳动力的自身需求有关，不同劳动力对物质和精神方面的需求层次不同，从而对不同城市拉力的响应也不同.本文重点探讨石槽村劳动力流动城市的空间异质性原因，则需要从不同城市的拉力因素和劳动力自身的需求响应两个方面，分析影响劳动力流动的因素机理.其中，城市资源要素的供给能力是城市拉力的重要表现，主要包括经济发展水平、基础设施建设水平以及环境水平等方面的能力水平.

采用经济-环境-基础设施评价体系的框架，从经济、环境、基础设施三个子系统中选取11个可定量的指标进行分析（见表2）.关于经济指标，劳动力为了得到更高的收入与更多的就业机会而进入城市，因此选取人均地区生产总值（元）、规模以上工业企业数（个）、人均社会消费品消费总额 （元）、人均社会消费品消费总额（元）、城镇非私营单位在岗职工平均工资（元）四个指标作为经济因素指标.相较农村地区，城市拥有完善的基础设施，可以提供更多社会便利服务与保障，因此选取执业（助理）医师数（人）、公共图书馆图书藏量（万册）、城镇职工基本养老保险参保比例（%）、学校数（所）作为基础设施因素指标.环境指标也会影响劳动力的空间迁移，恬静舒适的环境可以吸引与保留劳动力在某地持续就业，而污染严重、资源匮乏的城市则是劳动力流入的阻力.因此选择细颗粒物年平均浓度（μg·m^-3）、人均水资源量（m³/人^-1）、建成区绿化覆盖率（%）为环境因素的定量指标.

3.2 因子探测结果

采用地理探测器模型揭示劳动力流动的空间异质性现象，结果如表2.地理探测器因子探测结果给出了城市拉力的显著性p值与影响力q值.研究结果表明，经济因素是影响劳动力空间分异的主要驱动力.经济指标中所选取的四项影响因素均具有较强显著性.其中，人均地区生产总值最具解释力，q值为最高的0.696 8；规模以上工业企业数排位第三，q值为0.582 2.人均地区生产总值和规模以上工业企业数体现了城市的经济发达程度与对劳动力的容量水平，是吸引劳动力流入的根本原因.经济指标中人均社会消费品消费总额与城镇非私营单位在岗职工平均工资体现了地区的物资供给能力与劳动力收入水平，前者满足劳动力对物质生活的追求，后者为劳动力创造了消费条件.

在城市基础设施指标中，公共图书馆图书藏量和城镇职工基本养老保险参保比例对劳动力流动的空间分异影响具有显著性，q值分别为0.602 3和0.488 7，也反映了劳动力对精神文化和社会保障的需求程度较高；执业（助理）医师数和学校数对劳动力流动的空间分异影响不具备显著性，即城市医疗保障和子女教育保障不是乡村劳动力选择务工城市的关键，这也侧面说明了乡村劳动力在医疗和教育方面的需求没有得到有效保障，未来在促进乡村劳动力市民化过程中需要重点加强乡村劳动力在医疗和教育方面的权利保障程度.

在城市环境指标中，只有建成区绿化覆盖率对劳动力流动的空间分异影响具有显著性，q值仅为0.141 4，表明城市绿化对乡村劳动力具有一定的吸引力，但作用力度较小.细颗粒物年平均浓度与人均水资源量对劳动力流动的空间分异影响不具备显著性，这也反映了乡村劳动力对城市环境污染和水资源的敏感度较低，城市环境问题不是乡村劳动力在区位选择时所考虑的关键问题.

3.3 乡村劳动力流动格局的形成机制

基于因子探测结果，石槽村劳动力流动机制如图5所示.石槽村劳动力流动的驱动机制是供给端与需求端双效作用下，处于不同需求阶段的劳动力对不同供给优势城市的自适应过程.

早期阶段，乡村劳动力为了谋生决定去往城市，但是多数劳动力对目的地的选择存在偶然性.随着社会经济的发展，工作多年的劳动力与新进入劳动力市场的村民开始追求稳定的工作、良好的社会保障和环境条件等，在选择务工城市时开始具有一定的目的性.特别是在亲戚、朋友、家庭关系的加持下所产生的同乡效应，对劳动力流动产生了惯性和路径依赖，强化了劳动力流动的空间异质性.

4 结论与讨论

4.1 结论

乡村劳动力流动是影响城乡融合发展的关键要素.文章以陕西省大荔县石槽村为例，聚焦乡村劳动力微观个体的城市区位选择，构建了石槽村乡村劳动力流动多层次网络，从年龄、性别、社会关系视角探讨了石槽村劳动力流动的群体差异性和流动网络特征，拓展了乡村劳动力流动的空间分异模式.采用地理探测器模型分析了影响石槽村劳动力流动空间异质性的因素机理，不仅可以为制定乡村劳动力流动政策提供科学支撑，还可以基于乡村劳动力流动视角为城乡融合发展提供新思路.得出如下主要结论.

1） 石槽村劳动力流动整体上呈现以东部沿海城市群为核心，由东部沿海向内陆地区递减的空间分布特征.其中，在东部地区，石槽村劳动力主要流向东部沿海三大城市群地区，占全部流动劳动力的54.59%.实地调研发现石槽村村民更倾向于去往东部沿海地区主要是受到“同乡效应”的影响，网络形成初期的先行者在外出工作过程中不断带动更多的同乡深化着这样的流动路径.

2） 不同年龄、性别、社会关系的劳动力流动空间呈现明显的群体性差异特征.年龄上，年轻劳动力（30岁及以下）流动范围较广、流动距离较远，50%以上的年轻劳动力主要以流向全国或省域经济中心城市为主；51岁及以上劳动力主要流向北京、深圳、珠海等东部沿海城市，占比47.22%.该年龄阶段的劳动力由于早期的城市区位选择已基本形成惯性和路径依赖，流动较为稳定.31~50岁劳动力流动方向更为多元，且容易发生二次流动，即在流动到某一个城市后又迁移到另一城市.性别上，男性相较于女性，流动距离更远，更多地向远距离且经济发达的城市流动.社会关系上，具有血缘关系的劳动力在城市流向上更趋于一致.具有夫妻关系的劳动力多选择工资水平更高、社会保障更完善的城市.

3） 不同城市的拉力因素和劳动力自身的需求响应是影响劳动力流动空间异质性的关键.城市与农村、城市与城市之间要素供给差异构成了劳动力流动格局的基础.地理探测器结果表明：四项经济指标因子均具有较强显著性，反映出经济因素是影响劳动力空间分异的主要驱动力；城市医疗和教育保障指标因子不具有显著性，侧面说明了乡村劳动力在医疗和教育方面的需求没有得到有效保障，未来在促进乡村劳动力市民化过程中需要重点加强乡村劳动力在医疗和教育方面的权利保障程度；乡村劳动力对城市环境污染等环境要素的敏感度较低，说明城市环境问题不是乡村劳动力在区位选择时所考虑的关键问题.

4.2 讨论

本研究揭示石槽村劳动力流动格局是“经济拉力”与“同乡效应”协同作用的结果.经济因素是主导驱动力，而“同乡效应”则通过亲缘网络提供信息、降低成本和风险，放大并锁定了经济拉力的效用，这一发现超越了单一的经济决定论，构建了一个“经济-社会”双轨驱动的整合性分析框架，理论边际贡献在于将宏观流动格局链接至微观个体的社会网络决策，揭示了非正式制度在资源配置中的关键作用.本研究的主要局限在于未能量化并耦合“同乡效应”至定量模型.未来研究需开发社会资本量化指标如“亲缘连接强度”，并开展追踪与比较案例研究，以更精确解析双力驱动的动态机制.

参考文献

[1] 高更和， 段小薇， 计会凤， 等. 农民工回流创业区位研究——以河南省14个村为例［J］. 地理研究， 2021， 40（10）： 2871-2884.

[2] GAO G H， DUAN X W， JI H F， et al. Entrepreneurial location of returned migrant workers： a case study of 14 villages in Henan Province［J］. Geographical Research， 2021， 40（10）： 2871-2884. （Ch）.

[3] 马历， 龙花楼， 张英男， 等. 中国县域农业劳动力变化与农业经济发展的时空耦合及其对乡村振兴的启示［J］. 地理学报， 2018， 73（12）： 2364-2377.

[4] MA L， LONG H L， ZHANG Y N， et al. Spatio-temporal coupling relationship between agricultural labor changes and agricultural economic development at county level in China and its implications for rural revitalization［J］. Acta Geographica Sinica， 2018， 73（12）： 2364-2377. （Ch）.

[5] 蒋子龙， 王军， 尹文欣， 等. 中国农民工流动时空偏好及驱动机理研究——基于2011—2018年全国流动人口动态监测调查数据的分析［J］. 华中师范大学学报（自然科学版）， 2022， 56（6）： 1011-1020.

[6] JIANG Z L， WANG J， YIN W X， et al. Spatio-temporal preference and driving mechanism of migrant workers' mobility in China： based on the data of the national floating population dynamic monitoring survey from 2011 to 2018［J］. Journal of Central China Normal University （Natural Sciences）， 2022， 56（6）： 1011-1020. （Ch）.

[7] 朱乾坤， 乔家君， 韩冬， 等. 河南省专业村劳动力外流与影响因素分析［J］. 地理科学进展， 2024， 43（3）： 573-586.

[8] ZHU Q K， QIAO J J， HAN D， et al. Labor force outflow and influencing factors in specialized villages of Henan Province［J］. Progress in Geography， 2024， 43（3）： 573-586. （Ch）.

[9] 赵美风， 冉赛飞， 汪德根. 就近城镇化视角下西南地区劳动力流动格局及影响因素——以贵州六盘水市水城区为例［J］. 地理研究， 2024， 43（8）： 2025-2046.

[10] ZHAO M F， RAN S F， WANG D G. Spatial differentiation and influencing factors of labor migration from the perspective of nearby urbanization in Southwest China： a case study of Shuicheng District， Liupanshui City， Guizhou Province［J］. Geographical Research， 2024， 43（8）： 2025-2046. （Ch）.

[11] 顾朝林， 蔡建明， 张伟， 等. 中国大中城市流动人口迁移规律研究［J］. 地理学报， 1999， 54（3）： 204-212.

[12] GU C L， CAI J M， ZHANG W， et al. A study on the patterns of migration in Chinese large and medium cities［J］. Acta Geographica Sinica， 1999， 54（3）： 204-212.（Ch）.

[13] 赵梓渝， 魏冶， 庞瑞秋， 等. 基于人口省际流动的中国城市网络转变中心性与控制力研究——兼论递归理论用于城市网络研究的条件性［J］. 地理学报， 2017， 72（6）： 1032-1048.

[14] ZHAO Z Y， WEI Y， PANG R Q， et al. Alter-based centrality and power of Chinese city network using inter-provincial population flow［J］. Acta Geographica Sinica， 2017， 72（6）： 1032-1048. （Ch）.

[15] 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［J］. 地理学报， 2015， 70（4）： 567-581.

[16] LIU T， QI Y J， CAO G Z. China’s floating population in the 21st century： uneven landscape， influencing factors， and effects on urbanization［J］. Acta Geographica Sinica， 2015， 70（4）： 567-581. （Ch）.

[17] 林赛南， 冯馨， 王雨. 流动人口再流动的空间选择特征及影响因素［J］. 地理科学， 2023， 43（9）： 1537-1547.

[18] LIN S N， FENG X， WANG Y. Migrants’ spatial choice in onward migration： features and mechanisms［J］. Scientia Geographica Sinica， 2023， 43（9）： 1537-1547. （Ch）.

[19] 黄耿志， 邢祖哥， 潘瑜鑫. 城市规模如何影响农民工的社会融合： 非正规就业组与正规就业组的比较分析［J］. 地理研究， 2024， 43（4）： 985-1003.

[20] HUANG G Z， XING Z G， PAN Y X. How urban size affects the social integration of migrant workers： a comparative analysis of informal and formal employment［J］. Geographical Research， 2024， 43（4）： 985-1003. （Ch）.

[21] 曾文凤， 高更和. 中国中部农区农民工多阶流动及影响因素研究——以河南省6个村为例［J］. 地理科学， 2019， 39（3）： 459-466.

[22] ZENG W F， GAO G H. Multi-order flow and its influencing factors of migrant workers in agricultural areas of central China： case study of six villages in Henan Province［J］. Scientia Geographica Sinica， 2019， 39（3）： 459-466. （Ch）.

[23] 周春山， 杨高， 王少剑. 深圳农民工集聚空间的演变特征及影响机制［J］. 地理科学， 2016， 36（11）： 1643-1653.

[24] ZHOU C S， YANG G， WANG S J. The characters and influencing mechanism of spatial-temporal variations of migrant workers in Shenzhen［J］. Scientia Geographica Sinica， 2016， 36（11）： 1643-1653. （Ch）.

[25] 宇林军， 孙大帅， 张定祥， 等. 基于农户调研的中国农村居民点空心化程度研究［J］. 地理科学， 2016， 36（7）： 1043-1049.

[26] YU L J， SUN D S， ZHANG D X， et al. Rural household survey based analysis of hollowing of rural residential land in China［J］. Scientia Geographica Sinica， 2016， 36（7）： 1043-1049. （Ch）.

[27] 郭远智， 周扬， 韩越. 中国农村人口老龄化的时空演化及乡村振兴对策［J］. 地理研究， 2019， 38（3）： 667-683.

[28] GUO Y Z， ZHOU Y， HAN Y. Population aging in rural China： spatial-temporal pattern and countermeasures for rural revitalization［J］. Geographical Research， 2019， 38（3）： 667-683. （Ch）.

[29] 杨忍， 徐茜， 张琳， 等. 珠三角外围地区农村回流劳动力的就业选择及影响因素［J］. 地理研究， 2018， 37（11）： 2305-2317.

[30] YANG R， XU Q， ZHANG L， et al. Employment choice of rural return migrants around the Pearl River Delta Region and its influencing factors［J］. Geographical Research， 2018， 37（11）： 2305-2317. （Ch）.

[31] 芮旸， 金淘， 林静怡， 等. 中国传统村落人口外流场的空间识别与形成机制——基于第四、五批国家级传统村落的初探［J］. 地理研究， 2023， 42（5）： 1248-1266.

[32] RUI Y， JIN T， LIN J Y， et al. Spatial identification and formation mechanism of population outflow field of Chinese traditional villages： based on the fourth and fifth batches of national traditional villages［J］. Geographical Research， 2023， 42（5）： 1248-1266. （Ch）.

[33] 柴彦威， 塔娜. 中国地理学的行为革命及其理论内涵［J］. 地理研究， 2024， 43（9）： 2259-2270.

[34] CHAI Y W， TA N. The behavioral revolution in Chinese geography and its theoretical connotation［J］. Geographical Research， 2024， 43（9）： 2259-2270. （Ch）.

[35] 张伟佳， 孙斌栋. 从中国人口迁移看未来人口城镇化路径——基于城市行政层级的人口吸引力分析［J］. 地理科学， 2024， 44（9）： 1503-1512.

[36] ZHANG W J， SUN B D. Exploring the urbanization path from the view of migration in China： population attractivity based on the urban administrative hierarchy［J］. Scientia Geographica Sinica， 2024， 44（9）： 1503-1512. （Ch）.

[37] 浩飞龙， 吴潇然， 关皓明， 等. 基于百度迁徙数据的东北地区城市“层级-网络”结构［J］. 地理科学， 2023， 43（2）： 251-261.

[38] HAO F L， WU X R， GUAN H M， et al. “Hierarchy-network” structure of cities in northeast China based on Baidu migration data［J］. Scientia Geographica Sinica， 2023， 43（2）： 251-261. （Ch）.

[39] 孙阳， 姚士谋， 张落成. 长三角城市群“空间流”层级功能结构——基于高铁客运数据的分析［J］. 地理科学进展， 2016， 35（11）： 1381-1387.

[40] SUN Y， YAO S M， ZHANG L C. Functional structure of spatial flow in the Yangtze River Delta： analysis of passenger based data for the high speed railway［J］. Progress in Geography， 2016， 35（11）： 1381-1387. （Ch）.

[41] IBNOULOUAFI A， HAZITI MEL， CHERIFI H. M-centrality： identifying key nodes based on global position and local degree variation［J］. Journal of Statistical Mechanics： Theory and Experiment， 2018， 2018（7）［2025-12-31］.

[42] FREEMAN L C. Centrality in social networks conceptual clarification［J］. Social Networks， 1978， 1（3）： 215-239.

[43] 王劲峰. 空间分析［M］. 北京： 科学出版社， 2006.

[44] WANG J F. Spatial analysis［M］. Beijing： Science Press， 2006. （Ch）.

基金资助

国家自然科学基金项目(42001134)

国家自然科学基金项目(42471191)