为一个城市做规划，最重要的是科学预测其未来的人口规模。但现实中，几乎每个城市都在做人口扩张的规划，反而是一些超大城市，做了严格控制人口规模的规划。事实上，人口的规划往往伴随着基础设施、公共服务的投资，因此，如果能够找到一种办法来预测人口的空间分布，将是一件很有意义的事情。
2019年8月召开的中央财经委员会第五次会议明确要求，“促进各类要素合理流动和高效集聚”，“增强中心城市和城市群等经济发展优势区域的经济和人口承载能力”。在这样的背景下，未来中国各个城市的人口规模将会如何变化？中国的区域间经济发展会更集聚且更不平衡吗？
要想回答这一系列问题，关键在于如何理解并预测中国未来的人口分布。
中国城市发展现状
要想预测中国未来的人口分布，需要首先结合客观规律分析中国城市发展现状。
值得注意的是，中国的城市是一个行政管辖范围的概念。而在国外，城市主要有两种定义：一是在经济自治的意义上存在的市，这样的市比较小，仅相当于中国的县（甚至镇）；二是在经济连片发展意义上的都市圈，其50公里半径范围之内，可能存在几个甚至几十个市。因此，当使用国际一般规律分析中国城市时，需要重新定义城市的范围。
在学术研究中，夜间灯光常被用于度量经济发展程度。亚洲开发银行经济研究与区域合作局高级经济学家蒋弈博士领导的团队根据灯光区域是否连片，通过夜间灯光数据定义了“灯光城市”，用来反映经济活动意义上的城市。再结合基于地理信息的人口数据，推算出每一个“灯光城市”的人口规模。用这样的方法，我们得到了2016年中国“灯光城市”的空间分布。（参见图1）
图1. 2016年“灯光城市”分布
注：未包括人口数少于5万的“灯光城市”，也未包括港澳台地区和南海诸岛。
有了经济意义上的城市定义，我们就可以根据一些规律寻找未来的城市发展方向了。
城市经济学的研究表明，国家内城市人口的分布一般来讲遵从齐普夫法则，即一个国家第N 大的城市人口，是首位城市人口数量的1/N。这一法则已被证明，符合大多数国家以及不同历史时期的城市规模分布情况。其含义在于，由于规模效应补偿了边际成本递增，大城市的增长速度并不会比小城市慢。[齐普夫法则（Zipf""""""""s Law），以美国语言学家George Kingsley Zipf（1902–1950）的名字命名。]
但在中国，齐普夫法则存在部分失效的情形，一般认为，这是因为中国长期存在的户籍制度限制了人口向经济中心特别是向一些特大和超大城市的集聚。
我们的研究发现，日本、韩国、印度、印度尼西亚等国“灯光城市”的规模分布确实非常符合齐普夫法则。但当我们分析中国“灯光城市”的分布时，却发现当前中国（经济意义上的）大城市规模仍然偏小，其中排名在前30的大城市（都市圈）仍然有人口增长的空间（参见图2）。我们这样说的含义并不是说“齐普夫法则”是个铁律，每个国家的城市人口分布必须符合这个法则，而是说，如果中国进一步深化户籍等制度的改革，一些大城市（都市圈）将变得更大，中国的城市体系也将更接近齐普夫法则。
图2. 中国2016年“灯光城市”规模与齐普夫法则
注：点代表“灯光城市”；直线代表拟合线；R2代表拟合优度，即展示数据在多大程度上符合回归方程，范围是[0,1]，数值越大代表拟合优度越高；N代表“灯光城市”数量。
与此同时，以“灯光城市”为标准度量，我们发现中国最受关注且对流动人口落户限制最严的两大城市——北京和上海，与周边地区的经济联系已明显落后于广州。经济一体化意义上的“广州”包括了深圳及周边一些城市，事实上已经成为中国第一大“都市圈”。
地区间集聚与平衡的统一
上面的分析显示，参照齐普夫法则，中国的大城市（都市圈）仍然有集聚人口的潜力。但这是不是合理的？近些年来，中国的城市规模差距又是如何变化的？
事实上，在世界范围内，经济和人口集聚到少数地区是普遍现象。要评价这种趋势是否合理，就要看地区间人均意义上的收入差距是不是在扩大。经济的集聚带来了效率的提高，而社会发展又需要保持相对公平，前者表现为地区经济规模差距的增加，而后者则要求地区人均GDP差距下降。这看似对立的两者之间是否存在某种联系？
在本研究中，我们采用基尼系数来度量地区间经济水平和人口规模的差距，基尼系数越大，代表经济和人口越集中在少数地区，地区之间的差异也就更加明显。
我们发现，美国地区间GDP和人口规模的基尼系数都在0.7左右，这说明美国的经济和人口高度集中在少数地区。但与此同时，美国地区间人均GDP的基尼系数仅为0.13左右，这说明美国经济和人口的空间布局是基本同步的，结果是地区间人均意义上的发展差距并不明显。虽然日本的国土面积和城市数量等特征与美国明显不同，但在经济和人口布局方面，日本也呈现出与美国相似的规律。在人口自由流动的条件下，日本的经济和人口也是同步集中的，而地区间人均GDP基尼系数则在0.1左右。
与美国和日本不同，中国经济和人口的空间布局并不是同步集中的，这导致了当前地区间人均GDP的差距明显。具体而言，中国的城市间GDP规模基尼系数大致与日本相当，但城市间人口规模的基尼系数却明显低于日本，最终导致中国城市间人均GDP的基尼系数明显偏高。这意味着，中国城市间在人均意义的发展水平上存在明显失衡。值得注意的是，随着近些年相关改革的不断推进，人口自由流动的体制性障碍逐步破除，中国城市间人均GDP的差距正在慢慢缩小，但仍明显高于美国、日本。（参见图3）
图3. 美、日、中历年地区GDP、人口总数和人均GDP基尼系数变化情况
注：gini_GDP、gini_popu、gini_perGDP分别代表当年地区GDP、人口总数和人均GDP的基尼系数。美国大都市统计区数量为384个，数据来自美国经济分析局官网；为保证中国不同年份的基尼系数可比，我们在计算时只考虑在2000至2016年连续存在的城市，共包括235个地级及以上城市，数据来自历年《中国城市统计年鉴》；日本都府道县数量为47个，数据来自日本统计局官网。
对人口分布现状的分析，不能脱离有关起点的讨论。在改革开放之初，中国经济和人口分布呈现偏北方、偏内陆的特点，这是中国改革开放的起点。随着市场化改革的推进，经济布局在经济客观规律的作用下逐渐向沿海和大城市集聚，但人口布局的调整却在户籍制度和传统观念等因素的影响下存在一定滞后，这是中国当前地区发展不平衡问题的根源。即使如此，随着改革的不断推进，中国也正走在“在集聚中走向平衡”的道路上。
面向未来的中国人口分布
根据图3中的趋势进行推断，中国的人口将越来越集中在大城市。未来真的会这样吗？人口的集中会带来地区间人均GDP差距的缩小吗？
近些年来，中国的户籍制度改革不断深入，人口流动规模已经十分庞大。在这种情况下，相关制度的调整可能导致人口流动的模式和趋势与过去相比发生明显变化，而这将进而导致基于当前趋势预测未来人口的方法失效。如果无法直接预测，那么就需要分析人口流动背后的驱动因素。
事实上，经济活动始终是人口流动的主要原因，而地区收入差距的缩小会减少人口流动的动力。这意味着，当各个地区的实际收入大致相等时，人口流动将趋于稳定，这时地区间的经济和人口分布将达到稳定状态（即空间均衡状态）。相对于人口规模，经济规模的影响因素是更加可测的。因此，与其直接对未来人口分布进行预测，不如先预测不同地方的经济规模，然后再通过对地区人均收入的分析来预测人口的分布。
在这样的思想下，我们先建立模型，得到地理区位（主要是到沿海大港口和中心大城市的距离）对经济增长率的影响，然后外推到2035年，得到每个城市的经济规模。最后，基于上述对经济和人口分布空间均衡的分析，我们假设，到2035年，人口较为自由的跨地区流动可以让上海和贵州四城市（贵阳、遵义、六盘水、安顺）之间的人均GDP差距从2.4倍缩小到1.5倍，这样就可以通过每个城市的经济规模得到相应的人口规模，从而可以预测出2035年中国城市人口规模分布。
我们发现，在这样的人口空间分布下，人口虽然更加向沿海和中心城市周围集聚（参见图4），但城市间人均GDP差距却比当前更小，从而可以实现中央财经委员会第五次会议所要求的“在发展中营造平衡”的目标。
图4. 2035年中国人口空间分布预测
注：预测未包括港澳台地区和南海诸岛。
而且，未来中国的城市规模分布比当前更接近齐普夫法则，城市间的收入差距也将降低到美、日等发达国家当前的水平（即地区间人均GDP基尼系数在0.1左右）。
关于进一步改革的建言
总的来说，完全没有必要担心经济集聚会带来区域间不平衡。在人均意义上，集聚的结果是更平衡，而且中国正走在这样的区域协调发展道路上。
因此，我们认为，未来进一步的改革要重点在以下几方面发力：
第一，加快特大城市（城区常住人口500万以上1000万以下）和超大城市（城区常住人口1000万以上）的户籍制度改革，增加土地（住房）、基础设施、公共服务等方面的供给，以适应那些城市人口增长的大趋势，缓解由供给不足导致的城市病。
第二，打破行政边界，围绕大城市大力发展都市圈。要推动土地制度的改革，特别是要破除大城市土地利用的边界束缚，加强大城市与周边地区在公路和轨道交通连接等方面的连接，同时着重开发轨道交通沿线地带，形成都市圈范围内网络状的高效率空间发展状态。
第三，尊重人口流动的客观规律，充分发挥市场对资源配置的决定性作用；在地区间以人口自由流动为基础，缩小收入差距，最终实现区域经济协调发展。
最后，我们想特别强调：社会各界都要以科学的态度冷静看待中国人口空间分布的变化趋势。第七次全国人口普查数据显示，中国人口仍然在向沿海地区和内陆的中心城市周围集中，社会各界不要幻想人口向少数地区集聚的趋势会发生逆转。在做规划的时候，人口流入地要做好充分准备，满足新增人口对于公共服务和基础设施的需要。人口流出地则要相应做减量规划，公共服务提供应向中心城区集中。
[本文原以英文撰写，原始出版信息如下：Li, Pengfei, and Ming Lu, 2021, “Urban Systems: Understanding and Predicting the Spatial Distribution of China""""""""s Population,” China & World Economy, 29(4): 35-62。由李鹏飞改写为中文，具体技术细节请参考原文。]
