河南省人口老齡化預測

方萍

（鄭州大學，河南鄭州450001）

1 引言

當一個區域65歲及以上的老年人口占總人口比重超過10%時，稱該國家或地區為老年型社會。而按戶籍人口計算，河南省65歲及以上人口占比于1998年開始突破7%，從此進入老年型社會，至2015年65歲及以上人口占比達到9.6%。雖然離老齡社會還有一定的距離，但也需要引起我們的注意。此外河南省的人口結構存在很大的問題，至2013年老年人口的年平均增長率是總人口年平均增長率的2倍有余。因此研究河南省人口老齡化系數的變動趨勢，可以為解決河南省人口老齡化問題提供參考。

2 文獻綜述

人口老齡化問題的研究重點在于人口老齡化系數，根據前人的研究，主要采用以下幾類方法對河南省人口老齡化進行研究。一是如郭敬（2015）建立向量自回歸模型預測未來幾年的人口總數與老年人數，并在此基礎上計算相應的人口老齡化系數。二是喬谷陽、喬家君（2016）從空間上對河南省人口老齡化進行分析，以把握其空間分布特征并分析其未來的發展趨勢。

雖然以上這些研究方法都具有代表性，但是他們在研究人口老齡化與多種社會經濟因素之間的影響上有所欠缺，而應用因子分析則能夠很好地解決上述問題。因此本文首先運用因子分析得出影響河南省65歲以上老年人口占比的影響因素，根據分析結果進一步構建多元回歸預測模型，并結合灰色GM（1,1）模型預測河南省未來的人口老齡化系數。

3 實證分析

本文采用河南省1989年至2015年的有關數據，包含了河南省65歲及以上人口占總人口比重、河南省人口總數、人口自然增長率、老齡人口撫養系數、城鎮人均可支配收入、城鎮化率衛生機構數一共7個指標。

其中，河南省65歲及以上人口占總人口比重代表著河南省人口老齡化系數，河南省人口總數與人口自然增長率代表著河南省人口的發展動態，。

而城鎮居民人均可支配收入與城鎮化率則代表了河南省的社會經濟發展程度。當一個區域的城鎮化率與人均可支配收入都比較高時，這反映出當地的社會經濟發展水平比較高。同樣衛生機構數反映的是一個地區的醫療水平，雖然數量不等等同于質量，但較多的衛生機構數量可以保證日常診治與急救的及時性。

之所以增加河南省老齡人口撫養系數，是因為老齡人口撫養系數可以從經濟角度反映人口老化社會后果的指標之一，較低的老齡人口撫養系數表明主要勞動年齡人口的撫養壓力比較小，表明老年人都可以得到較好的照顧與生活保障。

3.1 因子分析與指標選取

本文首先采用因子分析法來選取影響人口老齡化的指標。因子分析法有利于從眾多的觀測指標中選取若干重要指標，用少數獨立的觀測變量來表示其基本的數據結構，以此來獲得各觀測指標與所研究的指標之間的相關關系。因子分析可以達到數據簡化的目的，因此其應用極為廣泛。

如表1所示為運用eviews軟件處理后的因子載荷圖。從圖一我們發現只存在一個主因子，且這一個主因子方差貢獻就達到了100%，這表明這一主因子非常好的解釋了所有的原始變量，而且6個指標都被包含其中，都有較高的因子載荷。本文選取因子載荷在98%以上的3個指標作為影響因素，分別為城鎮化率、老齡人口撫養系數、衛生機構數，以河南省人口老齡化系數為因變量來建立多元線性回歸預測模型。

表1 因子載荷表

3.2 多元線性回歸預測模型的建立

多元線性回歸利用線性來擬合多個自變量和因變量的關系，從而確定多元線性回歸模型的參數。如表二所示為根據因子分析結果所選取的3個自變量城鎮化率（CZHL）、老齡人口撫養比（LNFYB）、衛生機構數（WSJGS）與因變量人口老齡化系數（65ZB）所構建的多元線性回歸模型檢驗結果。

其中用來表示擬合優度的為調整后的判定系數R方為0.975，這說明有97.5%的影響因素可以由此模型來加以解釋，相應的各自變量的系數顯著性概率值全都小于0.05，所有的T值均大于臨界值T（27-3-1）=2.069，表示結果在α=0.05的水平上是顯著的。此外，該回歸模型的DW值為1.4，說明隨機誤差項不存在一階序列相關；AIC值為-0.63較小意味著滯后階數較為合適。總體表明所建立的回歸模型比較好。

表2 多元回歸模型

因此根據表2中的各標準化系數值，得出河南省人口老齡化的多元線性回歸方程為：

65ZB=+0.0509*CZHL+0.5598*LNFYB+-5.48404008994e-06*WSJGS

式中65ZB為河南省人口老齡化系數；CZHL為河南省城鎮化率；LNFYB表示河南省老齡人口撫養比；WSJGS為河南省衛生機構數。

圖1所示的是運用本文的多元回歸線性模型所得出的1989年至2015的預測值與實際值的擬合效果。圖中藍線表示河南省65歲及以上人口占總人口比重的實際值，紅色表示的是預測值。從圖中可以看出所得的預測值與實際值較符合，總體上河南省人口老齡化呈現出波動上升的趨勢。

3.3 河南省人口老齡化系數預測

多元線性回歸模型雖然可以很好地反映解釋變量與被解釋變量之間的關系，但使用多元線性回歸模型進行預測時，要求所有的解釋變量都是已知的。為了能實現對未來的預測，本文選用灰色預測法中的GM(1,1)模型來預測未來5年相關變量的數據。

本文選取河南省1989—2015年城鎮化率、老齡人口撫養比和衛生機構數作為原始數據，運用GM(1,1)模型對河南省2016—2020年的城鎮化率、老齡人口撫養比和衛生機構數進行預測，將輸出結果作為多元線性回歸預測方程的輸入來計算河南省人口老齡化系數，實現灰色預測模型與多元線性回歸方程的有機結合，最終取得較高精度的預測結果。

將河南省2016—2020年的城鎮化率、老齡人口撫養比和衛生機構數的預測值代入多元線性回歸模型中，就可以得到河南省2016—2020年的人口老齡化系數，預測結果如表3所示。我們可以看出未來河南省人口老齡化系數會不斷增大，但每年以0.4%左右的速度上漲，相對來說增幅較小，距離進入老年型社會還有一定的時間。

表3 河南省2016—2020年的人口老齡化系數

4 結論分析

本文將多元線性回歸模型理論和灰色系統理論相結合，模型解釋能力強、預測精確性高，多元線性回歸模型表明人口老齡化系數與城鎮化率、老齡人口撫養比和衛生機構數量具有高度相關性，而灰色系統理論則支持多元線性回歸模型做中長期預測，擺脫了多元線性回歸模型由于缺乏未來的解釋變量而不能預測未來的缺點。

從本文所得出的多元線性回歸模型中我們可以發現，河南省人口老齡化與城鎮化率、老齡人口撫養比和衛生機構數量高度相關。

首先，從人口結構來說，我國現如今實行二胎政策，鼓勵生育的政策雖然會扭轉老齡化的人口結構，但是會導致河南省青壯年人口贍養負擔加重，原因是河南省原本就是人口第一大省，二胎政策增加了新生人口，但老年人口并沒有減少。那么所有兩端的贍養壓力都會集中在中間的勞動年齡人口，這對于河南省廣大的工薪階級而言其實存在非常大的撫養壓力。

其次在醫療衛生水平方面，有些研究指出老年人口的平均醫療支出是65歲以下人群的2.7～4.8倍（黃成禮，2004）。那么對于河南省這樣一個人口大省來說如何解決“看病難”這一問題需要政府醫療制度的支持。一是社會醫療保障要回歸普惠性、合理性和公平性原則，尤其加大政策對貧困人群的醫療報銷比例傾斜。二是河南省地域廣闊，需要重視基層醫療服務能力，需要通過省內投入和完善人才培訓機制來補足基層醫療服務能力短板。

最后，促進一個地區的經濟的發展最終是要落實到使廣大人民群眾受惠。公共財政收入隨著經濟增長而增長，而社會福利作為公關財政的重要支出，與人口變化的關系尤其緊密。發達國家的政府教育、養老和醫療支出占了各級財政收入的50%以上，對比發達國家，目前河南省在這三方面的支出有所不足，還存在很大的上升空間。伴隨著老齡化，可以逐步調整政策規劃，以實現河南省人口結構與社會經濟的良性發展。