Кратко — какие пространственные модели миграции искать в данных за $30$ лет и как они связаны с экономической политикой Китая, плюс набор методов для проверки.
1) Основные пространственные паттерны, которые ожидать
- Концентрация в прибрежных мегаполисах: устойчивые притоки в Пекин, Шанхай, Гуанчжоу/Шэньчжэнь и др. (коэффициент концентрации повышался в эпоху открытости и СЭЗ).
- Коридоры «соседних» перемещений: субурбанизация и пригородное расселение вокруг крупных агломераций.
- Вытеснение и ретрансляция: рост вторичных центров (города 2-го ранга) с переносом производства из дорогих прибрежных зон во внутренние провинции.
- Эрозия сельского населения и старение в удалённых районах; депопуляция сельских областей.
- Пространственная дифференциация по оси «прибрежье—внутренность» и «восток—запад», а также кластеризация («hotspots» притока и оттока).
- Изменение тренда после целевых политик (например, смещение притоков в центральные/западные регионы после программ 2000-х и инфраструктурных инвестиций).
2) Как экономика и политика объясняют эти паттерны
- Программа реформ и открытия (с конца $1978$): создание специальных экономических зон (СЭЗ) → крупные притоки в прибрежные города.
- Налогово-инвестиционная политика и уступки иностранным инвесторам → концентрация рабочей силы в экспортно-ориентированных кластерах.
- Политики «Западное великое развитие» (с начала $2000$‑х) и «Возвышение центрального Китая» → целевые субсидии и инфраструктура → частичный перераспределительный эффект в пользу внутренности.
- Реформы hukou и «новый тип урбанизации» (2010‑е) — смягчение ограничений на регистрацию в городах → усиление постоянной урбанизации, но неравномерно.
- Развитие высокоскоростных магистралей и транспорта → увеличение дальних потоков и региональных агломераций.
- Экологическая и промышленная политика (рестрикции в прибрежных мегазонах) → перелив производства и трудовых потоков в регионы с более низкими издержками.
3) Практические метрики и формулы (пиши в KaTeX)
- Матрица потоков: $M=(M_{ij})$ — число мигрантов из региона $i$ в $j$.
- Скорость чистой миграции (норма): $N{M}_i=\frac{I_i-O_i}{P_i}$, где $I_i$ — притоки, $O_i$ — оттоки, $P_i$ — население региона.
- Вероятность перехода: $p_{ij}=\frac{M_{ij}}{{\sum }_j{M}_{ij}}$.
- Модель гравитации (спatial interaction): $M_{ij}=G\frac{P_i^{\alpha }{P}_j^{\beta }}{d_{ij}^{\gamma }}\times \exp (Z_{ij}\delta )$, где $d_{ij}$ — расстояние, $Z_{ij}$ — переменные политики/инфраструктуры.
- Пространственная автокорреляция (Moran's I): $I=\frac{n}{W}\frac{{\sum }_i{\sum }_j{w}_{ij}(x_i-\bar{x})(x_j-\bar{x})}{{\sum }_i(x_i-\bar{x}{)}^2}$, где $w_{ij}$ — матрица весов, $W={\sum }_{i,j}{w}_{ij}$.
- Пространечная регрессия (спа-лаг): $y=\rho Wy+X\beta +\epsilon$.
- Концентрация/неравенство (пример — Джини): $G=\frac{{\sum }_i{\sum }_j|x_i-x_j|}{2n{\sum }_i{x}_i}$.
- Централизованность сети: входящая сила $s_j^{in}={\sum }_i{M}_{ij}$, исходящая $s_i^{out}={\sum }_j{M}_{ij}$.
4) Шаги анализа данных (коротко)
- Предобработка: согласовать единицы (префектуры/провинции), выделить временные интервалы (почасовые/пятилетние когорты), учесть временные изменения административных границ.
- Визуализация: карты чистой миграции, поточные карты (flow maps), хорд-диаграммы, анимация по годам.
- Описательная статистика: распределения притоков/оттоков, индексы концентрации, возрастно-половая структура мигрантов.
- Пространственный анализ: посчитать Moran's I, локальный Moran $I_i$ для кластеров, кластерный анализ (LISA).
- Моделирование: оценить гравитационную модель; затем добавить политические переменные (налоговые стимулы, СЭЗ, инфраструктура, меры hukou) как $Z_{ij}$ и тестировать значимость $\delta$.
- Пространственно-временные модели: панельные спа-лишние модели ($y_t=\rho W{y}_t+X_t\beta +\mu +{\nu }_t$) и DID вокруг внедрения крупных политик.
- Сетевой анализ: центральности, коммуны, эволюция потоков между кластерами.
5) Что позволит доказать связь с политикой
- Временная синхронизация: «до/после» внедрения политики (DID) с контрольными регионами.
- Включение переменных политики в модель гравитации/панельную регрессию и статистическая значимость коэффициентов.
- Пространственные spillover: показать, что эффект политики в одном регионе приводит к увеличению притока в соседние (положительный $\rho$ в спа-лаг модели).
- Сопоставление изменений структуры потока (например, перераспределение из прибрежья в центр) с фактами о субсидиях/инфраструктурных проектах.
6) Ожидаемые эмпирические результаты (чего искать в выводах)
- Значимый положительный эффект размера экономики и заработков регионов на притоки; отрицательный эффект расстояния.
- Сильная положительная автокорреляция миграционных скоростей (клasterы притока/оттока).
- Снижение относительной концентрации притока в прибрежье после начала политики «Rise of Central/West», но сохранение абсолютных притоков в мегаполисы.
- Уменьшение временной мобильности и рост постоянной урбанизации после смягчения hukou (если данные различают временных и постоянных мигрантов).
Если нужно, могу предложить конкретную последовательность регрессий/кодов для R/Python и перечень переменных политики для включения в модель.