二十年，人在流动：31 省人口增减与迁移 2010–2030

数据来源

没有一份是访谈来的，也没有一份是“业内估计”。全部是公开表格，能下载、能核对。

资料	用在哪	要注意
《中国人口普查年鉴-2020》表 1-5	2020 年 31 省分年龄、性别人口，金字塔的基年	不含现役军人 200 万；31 省合计 1,409,778,724 人
同上，表 7-1	2020 年省际流动矩阵：现住地 × 户口登记地	长表 10% 抽样，页面只用份额，不用绝对值
《中国统计年鉴 2026》表 2-7	2025 年末各省常住人口、出生率、死亡率、自然增长率	全国 140,489 万含现役军人，分省不含；2025 年为 1% 抽样调查年
2025 年全国 1% 人口抽样调查主要数据公报	全国年龄结构控制：0–14 15.25%、65+ 15.87%	2026 年 5 月 22 日发布，标准时点 2025 年 11 月 1 日
《中国人口普查年鉴-2010》表 1-7	2010 年基年	31 省合计 1,332,810,869 人
各省 2012–2025 年统计公报	逐年常住人口、出生、死亡	2020 年为普查年，部分省份缺出生率、死亡率
各省 2025 年统计公报	核对 2025 年净迁移	与“年末人口 − 自然增长”逐省对过

31 省的数字和《第七次全国人口普查公报（第五号）》表 5-2 逐省对过：0–14、15–59、60+、65+ 四项，全部在 0.01 个百分点以内。这一步看起来多余，但 2021 年以后所有分年龄的数字都是从这张表长出来的。基年错一位，后面十年都会跟着歪。

两个口径要记住。普查的标准时点是 11 月 1 日零时，统计公报的年末人口是 12 月 31 日，中间差两个月；对 65+ 占比的影响不到 0.1 个百分点，看总量时要知道。另一个是 2020 年这一格：它是普查数，前后年份是年末数，不是同一天。

预测方法

方法是队列要素法（cohort-component）[5][6]。人口学里最老的技术之一，联合国的世界人口展望到现在还是这个骨架。思路很朴素：把人口按年龄切开，每年让每一格的人老一岁、死掉一部分，再有人搬进来、有人搬出去。

式子只有三项，但每一项都要单独校准。下面按死亡、出生、迁移的顺序说。

先给一套分年龄死亡率的形状：0–4 岁 1.7‰，30–34 岁 1.1‰，65–69 岁 19‰，90 岁以上 230‰。这不是哪一年的统计，是中国 2020 年前后的量级，只用来定形状；水平由一个系数 k 调。[5]

k 由死亡总数反推。2021–2025 年全国出生 4,666 万（1062、956、902、954、792），2025 年末人口比 2020 年普查少 689 万，两者一减，这五年死了 5,355 万。二分法找 k，让模型死出来的数等于 5,355 万，最后 k 取 0.800。

死亡数对上，年龄结构不一定对。所以还有一道控制：2025 年小普查给了全国 0–14 15.25%、65+ 15.87%，模型先只算自然变动，再把三个年龄段各乘一个系数（0–14 ×1.002、15–64 ×1.011、65+ ×0.954），让结构对上。65+ 要往下压 4.6%，说明模型把高龄人口算多了一点，靠这一步拉回来。

2021–2025 的出生人口是实测的，按各省 2025 年“出生率 × 常住人口”的份额分到省。2026–2030 没有实测，假设全国出生 780、760、740、720、700 万，还是按同一套份额分。

这是整页最软的一块。2025 年实际出生 792 万，比 2024 年少 162 万；图上假设 2026–2030 每年只再少 20 万。如果实际跌得更快，2030 年的 0–14 会比图上少两三百万，甚至更多。图上的 0–14 只能当假设成立时的结果看。

分省净迁移 = 年末常住人口增量 − 自然增长。自然增长 = 出生 − 死亡，出生率、死亡率来自各省公报。这个式子不解释人为什么搬，只保证账平。31 省加起来每年应该等于 0，实际有 ±0.4 万的残差，按人口比例摊掉。2020 年是普查年，部分省缺出生率、死亡率，用 2019 与 2021 插值，再按全国总量锚定。

拿到总量后，按一套年龄结构分到 19 个年龄组：15–19 岁 17.8%、20–24 岁 20.4%、25–29 岁 14.6%、30–34 岁 7.8%……男性占 57%。这套结构是从 2010–2020 的迁移残差里反推的，做过三点平滑，不是拍的。

迁移对年龄结构的影响比想象中小。加迁移和不加，各省 65+ 占比最大差 0.8 个百分点，没有一个省因此换档。它主要改变总量，以及 20–34 岁那一段的形状。

2010 年是六普实测。2011–2019 没有普查级别的分省分年龄表，只能从 2010 年往后推。这一段用了两个参数：死亡率水平 k，和高龄死亡率的斜率 β。要同时满足两个条件——2011–2020 年死亡 9,840 万，2020 年 65+ 13.52%。

推出来的 2020 年总人口比七普少 1,619 万（1.16%）。这个差主要是普查覆盖和出生、死亡登记的口径差，分不干净，这里统一按覆盖率处理：按年线性补回去，2011 年补一点，2020 年补满；性别比也按 2010→2020 的实测值线性过渡，总量不变，只调男女比例。

所以 2011–2019 与其说是预测，不如说是在两个普查点之间插值。它的用处是让时间轴能连续拖动，不是告诉你 2014 年真的发生了什么。

2026 年只走一年：2025 年末的人口，加 780 万出生，减死亡，再加 2026 年的迁移（取 2023–2025 三年均值）。2027–2030 照抄 2026 年的迁移水平，出生每年减 20 万。

没有做高、中、低情景。分省迁移的年际波动比趋势还大——2024 年四川净流入 21 万，2025 年净流出 11 万，一年翻个方向。给三个情景也不难，但三条线的中位未必比一条线更可信。这里只给一条，把假设写在明面上。

按这套假设，2030 年全国 65+ 是 19.6%，比 2020 年高 6.1 个百分点。这一段比较硬：2030 年 65 岁以上的人，1965 年及以前就已经出生，人已经在册上，差的只是这十年死掉多少。0–14 则相反，完全取决于出生假设，误差最大。省际差异里，广东、浙江这类流入地会因为迁移人口偏年轻而略微“显年轻”，东北则相反。

另算了一遍 Hamilton–Perry 的队列变化率（CCR）。它只用 2010、2020 两个普查年的年龄结构，把“每个队列十年里活下来多少”直接乘到下一个十年，不假设死亡率。[7]

结果全国 2030 年 65+ 人数会比队列要素法高 18%，省里中位数高 17.7%，北京、上海、浙江高 25–30%。原因不复杂：七普对高龄人口的覆盖比六普好，CCR 把这一次改善当成了存活率，又用了一遍。

这个方法适合数据缺得厉害的地方做快速估计，不适合跨普查口径的十年。放在这里是提个醒：把 2010 年代的“存活率”原样搬到 2020 年代，会高估老龄化。

熵最大化 / RAS。把 2020 年的 OD 矩阵投影到逐年。31×31 的表，行和列都能对上，但大量单元格是零（10% 长表没抽到）；试了熵投影、Gauss–Seidel、双比例，要么不收敛，要么把流量塞进不可能的组合。判定不成立。[8][9]

重力模型。始发地、目的地各一组固定效应（把人口规模、经济总量这类边际差异都吸进去），再加一个距离衰减系数 γ。每年 R² 比“份额 + 单尺度”低 0.1–0.15；留出 15% 的单元格做检验，单条流向的相对误差中位数 100%。它能还原“哪边人多、哪边人少”，还原不了“从哪儿到哪儿”。[10][11]

份额 + 单尺度。这是页面实际用的：把 2020 年各省净额的相对格局固定，乘一个每年重新拟合的总量尺度 T。R² 在 2012–2019 是 0.40–0.74，2020–2022 掉到 0.10–0.17，2025 回到 0.82；2022 年的 T 甚至是负的，等于说那一年的净流向和 2020 格局相反。疫情三年的伙伴结构不可靠，页面上会标出来。

模型是一个 Python 脚本，只 import 了 json、math、os；图是手写的 SVG，页面没有 D3，也没有 Chart.js。数据是 31 个省、19 个年龄组、21 年，每一步都能对到一张表上。

参考的文献列在最后。队列要素法用 Preston 等（2001）和 Rogers（1975）；Hamilton–Perry 用 1962 年那篇原文；熵和 RAS 用 Deming–Stephan（1940）和 Willekens（1999）；重力模型用 Zipf（1946）和 Wilson（1967）。这些文章都不新，方法是老的，错也容易看出来。[12]

人往哪里去

如果只记一句话，很多人会记成“人往北上广”。把 2012–2025 年的账加起来，这句话只对了三分之一。

2012–2025 年各省净迁入加总，共 3,447 万；这是流量加总，不是不重复的人数。

广东一个省，占了 32%；加上浙江，57%；再加江苏、新疆，75%。北京和上海加起来 174 万，占 5%，不到广东的六分之一。省级数据分不出广州和深圳，这里的“广”指广东：它是真的，“北”和“上”不是。

2025 年，净流入超过 10 万的只有五个地方：广东 50 万、浙江 39 万、江苏 22 万、重庆 12 万、上海 11 万。新疆 9 万，排第六。[18]

广东最扎眼。2025 年净流入 50 万，自然增长还有 29 万，常住人口一年增加 79 万，是第二名浙江（31 万）的两倍半。2024 年也是它：+74 万，其中自然增长 47 万、净流入 27 万。广东从 2007 年起一直是人口第一大省，出生人口连续 5 年过百万（到 2024 年），这两个记录短期内看不到挑战者。[13]

浙江是另一种模式。2025 年自然减少 7.9 万，靠 38.9 万净流入把总量拉回 +31 万；2024 年自然减少 2.4 万，净流入 45.4 万，是全国净流入最多的省。流入不只在杭州：11 个设区市全部正增长，杭州、宁波、温州三市合计 +27.3 万（2024）。[14][19]

江苏是第三种。2025 年净流入 22.7 万，全国第三，但自然减少 30.7 万，总量还是 −8 万——这是江苏改革开放以来常住人口第一次下降。流入是真的，只是不够填自然的坑。

北京和上海要单独说。2025 年上海净流入 10.85 万，是四个直辖市里唯一常住人口还在增长的；北京净流出 1.6 万。往回看，北京 2016 年以后基本为负，上海这几年在零上下摆动。2012–2025 北京累计 +84 万、上海 +90 万，规模只相当于广东的一个零头。两个城市都有明确的人口天花板——北京 2,300 万、上海 2,500 万左右——不是市场没需求，是政策在门口拦着。一个是产业在吸人，一个是规划在限人，装进一个词里就会看错。[16][17]

新疆是前四名里最意外的一个。2012–2025 累计净流入 203 万，排第四；2024 年 +16 万，2025 年 +9 万。它不靠沿海，也不是传统的人口回流地，来源高度集中：七普时新疆的跨省流入里，甘肃、河南、四川三省约占六成。2024 年新疆自然增长还有 8.8 万（出生 24.6 万、死亡 15.8 万），是全国少数几个自然正增长的省份之一。[15]

东北在另一头。黑龙江 2012–2025 累计净流出 683 万，吉林 375 万，辽宁 120 万。2025 年辽宁净流入 4.5 万，是东北三省里唯一正的，但自然减少 28.5 万，总量还是 −24 万。

河南、湖南、安徽、江西、广西是主要输出地，2025 年净流出都在 17 万以上，河南 −20 万排第一。

把箭头连起来，有几条走廊一直很粗：湖南、广西、湖北、四川、江西 → 广东；安徽、河南、贵州、江西、四川 → 浙江；安徽、江苏、河南 → 上海；河北、河南、山东、黑龙江 → 北京；甘肃、河南、四川 → 新疆。前四条是沿海三大城市群，最后一条是西北。

年龄上，流入地明显年轻。2020 年广东 20–34 岁占 27.4%，上海 26.0%，北京 26.3%，全国 20.6%；流出地反过来，湖南 17.7%、黑龙江 17.1%。金字塔上 20–34 岁那一块鼓出来的部分，就是迁移留下的。

2020 年是个例外。那一年的省际净迁移总量是 369 万，比 2019 年的 236 万高出一截，主要因为湖北净流出 187 万——七普登记时，部分湖北户籍人口还在省外。2022 年是低点，179 万；2025 年 170 万，是 2012 年 490 万的三分之一。跨省流动没有消失，但规模在缩。

这些数字只回答“人去了哪里”，不回答“为什么”。产业、落户、房价、气候、教育资源，每一条都能单独写一篇；这一页先把流向画清楚，原因留给下一篇。

几个容易看岔的地方

金字塔怎么读。中间是年龄，左右两边分别是男、女。深色是 65 岁以上。人数模式下，每换一个省，横轴都会按该省最大值重算，所以跨省比较请看形状和上方占比；想严格可比，切到“占总人口比例”。

柱子怎么看。时间轴上方的柱子是该省年度净迁移（万人），向上净流入，向下净流出。2011、2026–2030 的柱子是空心，表示回推或推算；这些年份的箭头也按估算值读。2010 年缺 2009 年基数，没有柱子。

2020 年的抬升不是画错。七普对高龄人口的覆盖比六普好，2019→2020 全国 65+ 会跳 0.5 个百分点，黑龙江、上海能到 1.5–2 个百分点。

箭头的长短不代表人数。箭头按该省净迁移总额拆份额，粗细是份额，方向是净额正负；2020–2022 的伙伴结构 R² 只有 0.10–0.17，读方向，别读绝对值。

存量不是流量。广东 2020 年的存量净额 +2,793 万，当年净流量只有 +67 万。存量是几十年累积的，不能拿来当一年的流量用。

地图颜色是增减，不是水平。默认按各省相对 2010 年的十年增减上色：砖红减少、米白持平、青绿增长。切到“总人口”是对数刻度，米白到砖红，看的是规模。65+ 不在图上，右侧金字塔已经标了。

地图是示意的。边界简化到约 7,200 个顶点，不作为勘界依据。

参考文献

1. [1] 国务院第七次全国人口普查领导小组办公室. 中国人口普查年鉴-2020. 中国统计出版社, 2022. 表 1-5、表 7-1.
2. [2] 国家统计局. 中国统计年鉴 2026. 中国统计出版社, 2026. 表 2-7.
3. [3] 国家统计局. 2025 年全国 1% 人口抽样调查主要数据公报. 2026-05-22.
4. [4] 国务院第六次全国人口普查领导小组办公室. 中国人口普查年鉴-2010. 中国统计出版社, 2012. 表 1-7.
5. [5] Preston S H, Heuveline P, Guillot M. Demography: Measuring and Modeling Population Processes. Blackwell, 2001.
6. [6] Rogers A. Introduction to Multiregional Mathematical Demography. Wiley, 1975.
7. [7] Hamilton C H, Perry J. A Short Method for Projecting Population by Age from One Decennial Census to Another. Social Forces, 1962, 41(2): 163–170.
8. [8] Deming W E, Stephan F F. On a Least Squares Adjustment of a Sampled Frequency Table When the Expected Marginal Totals Are Known. Annals of Mathematical Statistics, 1940, 11(4): 427–444.
9. [9] Willekens F. Modeling Approaches to the Indirect Estimation of Migration Flows: From Entropy to EM. Mathematical Population Studies, 1999, 7(3): 239–278.
10. [10] Zipf G K. The P1P2/D Hypothesis: On the Intercity Movement of Persons. American Sociological Review, 1946, 11(6): 677–686.
11. [11] Wilson A G. A Statistical Theory of Spatial Distribution Models. Transportation Research, 1967, 1(3): 253–269.
12. [12] Booth H. Demographic Forecasting: 1980 to 2005 in Review. International Journal of Forecasting, 2006, 22(3): 547–581.
13. [13] 广东省统计局. 2024 年广东省国民经济和社会发展统计公报. 2025-03-26.
14. [14] 浙江省统计局. 2024 年浙江省人口主要数据公报. 2025-03-01.
15. [15] 新疆维吾尔自治区统计局. 2024 年新疆维吾尔自治区国民经济和社会发展统计公报. 2025-03-26.
16. [16] 北京市统计局. 北京市 2024 年国民经济和社会发展统计公报. 2025-05-29.
17. [17] 上海市统计局. 2024 年上海市国民经济和社会发展统计公报. 2025-03-25.
18. [18] 赵孟. 31 省人口流动报告：新形势下，人都去了哪里？ 界面新闻, 2026-06-24.
19. [19] 潮新闻. 31 省份常住人口最新变化：8 省份正增长，浙江人口净流入第一. 2025-04.