浙江省老齡化空間格局演變及驅動機制

程 錦,馮革群,袁嘉軒,米瑪拉姆,旦增卓嘎

（寧波大學 浙江省陸海國土空間利用與治理協(xié)同創(chuàng)新中心,浙江 寧波 315211）

21 世紀以來,全球人口最大的兩個變化是城市化和老齡化[1].老齡化是指地區(qū)的老年人口在總人口中達到一定比例,并且持續(xù)上升的過程[2].受到嬰兒潮、計劃生育等人口波動影響,我國老齡化具有規(guī)模大、速度快、高齡化、差異大的特點[3].老齡化帶來的影響既表現為個體層面上的身體機能衰退、心理問題凸顯[4],也體現為社會層面的經濟增長速度降低、養(yǎng)老保障壓力增大,以及國家人口安全隱患增加[5].為了妥善應對老齡化帶來的挑戰(zhàn),近年來我國在人口政策方面做了諸多調整,2019年我國將應對老齡化上升為國家戰(zhàn)略.老齡化的有關議題引起國內外學者的關注,學術界對老齡化展開了大量的研究,研究內容涵蓋老齡化年齡標準與類型[6]、養(yǎng)老方式選擇[7]、日常行為特征[8]、老年友好城市與社區(qū)建設[9]等.

地理學是揭示地球表層自然與人文地理現象發(fā)生、發(fā)展和變化的學科,探索地理時空過程并理解其驅動機制是地理學基本特性.隨著我國老齡化相關的空間特征逐漸顯現,國內地理學者也越來越關注老齡化的空間特征,包括老年人的空間行為活動特征[10]、有利于老年群體的空間環(huán)境特點[11]、老年服務基礎設施的分布與優(yōu)化[12],以及老齡化空間格局及形成機制[13]等,其中關于老齡化空間格局的研究,包含從國家到鄉(xiāng)鎮(zhèn)多層次空間尺度[14-16],研究區(qū)域涵蓋了東北、中原、廣東、山東等地域[16-19],研究方法包括描述分析和計量分析等[14,16,19].

浙江省位于中國東部沿海,從2010 年到2020年,全省常住人口中60 歲及以上老年人口從755.86 萬人增加至1 207.30 萬人,占比由13.89%上升到18.70%,略高于同時期全國水平.同時期全國老年人口占比分別為13.26%和18.7%.而關于浙江省老齡化的研究集中在對社會經濟影響[20]、老齡化設施分布[21]這兩個方面.從合適年齡出發(fā)的研究依舊停留在20 世紀80 年代,而且缺乏從地理角度出發(fā)對老齡化空間格局的刻畫[22].同時,諸多研究以65 歲標準為老齡化基準年齡,盡管具有一定的預測意義,卻忽略了我國作為發(fā)展中國家,國民整體身體素質相比發(fā)達國家更差、人均預期壽命更低的情況.

本文從縣級空間尺度出發(fā),采用60 歲作為老年人的基準年齡,研究浙江省2010 年至2020 年老齡化空間格局演變及其形成機制.以期完善浙江省老齡化空間格局的研究知識譜系,為浙江省應對老齡化挑戰(zhàn)提供參考.

1 數據來源與研究方法

1.1 研究區(qū)域與數據來源

浙江省在2010 年至2020 年發(fā)生過數次行政區(qū)劃調整,為保證數據的可靠性、真實性和連續(xù)性,本文以浙江省2018 年行政區(qū)劃為準,選取其89 個縣級行政單元(其中37 個市轄區(qū)、19 個縣級市、33個縣)作為研究樣本.使用老齡化系數(總人口中60歲及以上占比)來衡量老齡化程度,該數值能直觀地反映地區(qū)的人口老齡化程度[14].世界衛(wèi)生組織一般將老齡化系數達到10%視為進入老齡化社會的標準,參考其他學者對老齡化階段的劃分[17],本文將老齡化分為以下5 個階段: 老齡化系數低于7.0%為成年型,7.0%至低于10%為老年型初期,10%至低于20%為老年型中期,20%至低于30%為老年型后期,30%及以上為超老齡化.使用小尺度更精細刻畫大區(qū)域的人口老齡化時空格局,在研究省級區(qū)域時,從縣域空間尺度出發(fā)較為適宜.

本文使用的地圖數據源于自然資源部主管的全國地理信息資源目錄服務系統(tǒng);人口老齡化相關數據源于《浙江省人口普查年鑒》(2010 年[23]和2020 年[24]),該數據為浙江省在國家第六、七次人口普查背景下,對全省進行系統(tǒng)性逐戶逐人調查,具有較高的可信度;其他數據源于《浙江省統(tǒng)計年鑒》(2010 年[25]和2020 年數據[26]),所有數據經過統(tǒng)一化處理后進行分析.

1.2 研究方法

1.2.1 探索性空間數據分析

地理學第一定律指出了地理要素的空間相關性,即距離越近,地物之間的相關性越大.探索性空間數據分析(Exploratory Spatial Data Analysis,ESDA)常用于描述及可視化地理要素的空間分布情況,可以測算相鄰區(qū)域同一屬性值的關聯性,從而發(fā)現其空間聚類、熱點或關聯模式,包括全局空間自相關和局部空間自相關,是地理學中較為成熟的分析方法[14-15,17,27].

本文使用探索性空間數據分析衡量浙江省人口老齡化的空間關聯度,從而反映人口老齡化在空間分布上的集聚特征.全局空間自相關常使用全局Moran’sI指數進行測算,I取值在-1 和1 之間,當I＞0 時,越趨近1 表示空間集聚度越高;當I＜ 0時,越趨近-1 表示空間分散度越高;當I=0時,表示不存在空間相關性.局部空間自相關可以測算某一地區(qū)老齡化系數與鄰近地區(qū)老齡化系數的相關程度,局部Moran’sI指數的測算結果通常使用LISA 集聚圖表示.

1.2.2 空間計量模型

空間計量模型是在揭示因變量與自變量關系的計量模型的基礎上,將變量的空間效應納入計算中的回歸分析模型[2].通過建立空間權重矩陣,進而體現出空間滯后性和空間誤差性,從而增強模型的解釋力,常用的空間計量模型包括空間滯后模型(Spatial Lay Model,SLM)和空間誤差模型(Spatial Error Model,SEM).

(1)空間滯后模型.該模型主要考慮因變量的空間相關性,即某區(qū)域的因變量不僅與同區(qū)域的自變量有關,還與相鄰區(qū)域的因變量有關,可以用于探索地區(qū)因變量的空間溢出效應.該模型的計算公式為:

式中:Y為因變量,即各縣區(qū)的老齡化系數;ρ為空間滯后系數,反映某區(qū)域老齡化程度受相鄰區(qū)域老齡化程度的影響;WY為Y因變量所在區(qū)域的相鄰區(qū)域對應的變量,即空間滯后變量;X為自變量,即影響老齡化的相關因素;β為參數向量,反映相關因素對老齡化程度的影響;ε為隨機誤差項,服從正態(tài)分布.

(2)空間誤差模型.該模型考慮隨機干擾項在空間上相關,即某區(qū)域因變量受其他地區(qū)隨機干擾項(未納入模型的影響因素)的影響,某區(qū)域的因變量不僅受本區(qū)域的自變量影響,還受到鄰近區(qū)域的因變量和自變量影響.該模型的計算公式為:

式中:λ為空間殘差項的回歸系數,用以衡量鄰近區(qū)域的隨機干擾項對某區(qū)域老齡化程度的影響力;μ為空間自相關誤差項.

2 浙江省人口老齡化空間格局演變特征

2.1 空間分布特征

依據2010 年和2020 年各地區(qū)老齡化系數,使用自然間斷點分級法,能較好地展示空間差異(5個等級),浙江省老齡化空間格局如圖1 所示.

圖1 2010 年和2020 年浙江省人口老齡化空間格局及不同集聚類型分布

從老齡化的空間格局看,浙江省人口老齡化較高的地區(qū)由“團帶式”轉變?yōu)椤皥F點式”.2010年老齡化較高的地區(qū)主要分布在浙江省西部地區(qū),如開化、建德、淳安、龍游、衢江、江山、常山等地,呈“組團”狀分布,在浙江省中部也形成了從上虞到泰順的南北向“條帶”狀分布,而老齡化較低的地區(qū)以鹿城、龍灣、義烏、江干為主,分布較為分散.2020 年老齡化較高地區(qū)的空間格局轉為“團點式”,開化、建德等地的“組團”狀分布不變,而原來的“條帶”則轉變?yōu)橐阅蠞　⑨鱼簟⑨飞健⑨又荨⑿虏秊橹鞯摹包c”狀分布,老齡化較低的地區(qū)以鹿城、甌海、義烏、永康、江干、余杭、鎮(zhèn)海、北侖等地為主,空間分布依然較為分散.

從演變趨勢看,2010年至2020年,浙江省經歷了“快速老齡化”過程(表1).老齡化系數均值由14.95%增加至20.48%,最大值從22.76%上升至31.30%,最小值由6.09%增加至6.32%.從老齡化類型的轉變看,整體呈現出“從低轉高”的變化特征,主要表現為成年型、老年型初期和老年型中期的縣級單元數量減少,老年型后期和超老齡化的縣級單元數量增多.其中成年型、老年型初期和老年型中期的縣級單元數量分別由2、5、80 個減至1、0、42 個,老年型后期和超老齡化的縣級單元數量分別由2 個和0 個增加至44 個和2 個,占比由2.25%升至51.69%.老齡化類型的轉變不僅反映了各地區(qū)老齡化進程的差異性,也反映出由輕度老齡化向重度老齡化和高齡化的轉變趨勢,表明在實施應對老齡化戰(zhàn)略時,需要因地制宜,從而推動人口結構的全面協(xié)調發(fā)展.

表1 2010—2020 年浙江省老齡化相關指標的變化

2.2 空間關聯特征

2.2.1 全局空間自相關

為探索縣級尺度下浙江省老齡化的空間關系,對2010 年和2020 年浙江省各縣級單元老齡化系數進行全局空間自相關計算,結果見表2.從表2 可知,2010 年和2020 年的全局Moran’sI估計值均在1%的置信水平下顯著為正值,說明浙江省老齡化系數存在空間正相關性,即浙江省各縣級單元之間的老齡化系數表現出高值或者低值集聚分布的空間特征.從2010 年到2020 年,Moran’sI估計值有所增加,說明浙江省老齡化的空間集聚增強,空間差異有所增大.

表2 2010—2020 年浙江省老齡化全局Moran’s I 估計值

2.2.2 局部空間相關性

全局Moran’sI指數計算結果表明,2010 年和2020 年浙江省人口老齡化均存在正向的空間相關性.為進一步探索各縣級單元老齡化的相似性與相異性,計算局部Moran’sI指數,并通過LISA 圖表示浙江省老齡化的局部空間關聯類型(圖1),各類型數量變化見表3.

表3 2010—2020 年浙江省老齡化局部空間關聯類型變化

“高-高”集聚區(qū)主要集中在浙江省西部開化、淳安、建德、常山、龍游等經濟發(fā)展水平較低的地區(qū),以及分散分布在泰順、新昌等地.從2010 年到2020 年,“高-高”集聚區(qū)數量由6 個增加到11 個,在4 種類型中的占比由33.3%上升至47.8%,并經歷了向四周擴散的過程.

“低-低”集聚區(qū)主要分布在鹿城、洞頭、蕭山、余杭、鎮(zhèn)海等地,集中在浙江省東北地區(qū)和東南地區(qū).在研究時段內,該類型的縣級單元數量從9 個增加到10 個,但在4 種類型中的占比卻有所下降,由50%降至43.5%.

“高-低”集聚區(qū)和“低-高”集聚區(qū)數量較少,2 種類型集聚區(qū)分布均較為零星散亂,2010 年“高-低”集聚區(qū)分布在上城和甌海,“低-高”集聚區(qū)分布在蓮都;而2020 年“高-低”集聚區(qū)分布在上城和蘭溪.“低-高”集聚區(qū)數量從1個降至0 個,在4 種類型中占比由6%降至0%,“高-低”集聚區(qū)數量仍為2 個保持不變,在4 種類型中占比由11.1%降至8.7%.

3 浙江省老齡化空間格局演變驅動機制

3.1 指標選取

老齡化與諸多社會經濟因素有關,如人口變化、社會經濟發(fā)展水平、醫(yī)療資源豐富度等[2,17,19],已有的研究在進行定量分析時,常使用相關的變量指標來反映相應的屬性.人口變化分為人口自然變化和人口機械變化,人口自然變化可以使用出生率和死亡率來指代;遷入率可以反映人口機械變化;城鎮(zhèn)化率、人均GDP、高中教育程度及以上的人口占比和每萬人擁有衛(wèi)生技術員數可反映地區(qū)的社會經濟發(fā)展水平.本文選取老齡化系數作為因變量(Y),以出生率(X1)、死亡率(X2)、遷入率(X3)、城鎮(zhèn)化率(X4)、人均GDP(X5)、高中教育程度及以上的人口占比(X6)和每萬人擁有衛(wèi)生技術員數(X7)共計7 個指標作為自變量.

3.2 計量模型估計結果分析

使用GeoDa 1.16 軟件對浙江省人口老齡化相關影響因素進行空間計量模型估計和檢驗,結果見表4.從表4可以發(fā)現,相比于經典回歸模型,空間計量模型具有更高的解釋力.可決系數R2與對數似然估計值(log likelihood)可以體現出模型的擬合度.本研究中SLM 和SEM 的R2和對數似然估計值均大于最小二乘法(Ordinary Least Squares,OLS)的估計值,表明空間計量模型的擬合效果更好.而ρ和λ的值均顯著為正,這進一步說明浙江省老齡化存在正向空間相關性,進而說明未考慮空間效應的OLS 模型不適合作為影響因素的估計模型.而在選擇SLM 和SEM 時,分別對這兩個模型使用拉格朗日乘子檢驗(LM),并對LM(lag)和LM(err)進一步估算其穩(wěn)健性統(tǒng)計量(R-LM).結果表明,LM(err)及其穩(wěn)健性統(tǒng)計量(R-LM(err))均大于LM(lag)及其穩(wěn)健性統(tǒng)計量(R-LM(lag)),說明SEM 的估計效果更好,因此選擇SEM 作為最終解釋模型.

表4 浙江省老齡化影響因素空間計量模型估計結果

在人口變化因素中,X1和X2在2010 年和2020年2 個時間點均表現出了1%水平的顯著性,X1的影響力較大,且作用方向為負,X2的影響力最大,作用方向為正.在浙江省人口結構轉變的大背景下,人口出生率的降低意味著新生兒數量的減少,以及低齡人口占比的降低,進而導致老年人占比上升;而死亡率下降則意味著全齡段人口存活率更高,特別是新生兒和嬰幼兒階段的存活能力較差的低齡人口,使得老年人口在總人口中的占比有所下降.X3在2010 年表現出1%水平的顯著性,作用方向為負,而在2020 年未表現出顯著性,作用方向為正,這既與疫情的影響有關,也說明以勞動年齡人群為主的人口遷入使得地區(qū)的人口結構更年輕,降低了地區(qū)的老齡化水平.在研究時段內,X1、X2和X3的影響均有所上升,且X1和X2處于較高和最高水平,說明人口的自然變化始終是影響老齡化程度的決定性因素,而X3由負變正、由顯著變?yōu)椴伙@著,表明人口遷移對老齡化的影響逐漸減弱.

在社會經濟因素中,只有X6在2個時間節(jié)點均通過了1%水平的顯著性檢驗,作用方向為負,且影響力度增大.教育水平會影響人的生活觀念,包括對身體健康的重視程度和生育意愿,進而影響生育率和老齡化.X7分別通過了10%和1%水平的顯著性檢驗,影響力較大,且作用方向為正,醫(yī)療資源越豐富意味著能獲得更及時更全面的健康支持,這有助于延長老年人的預期壽命,進而促進老齡化.X4和X5的影響呈現出階段性特征,X4從不顯著變?yōu)轱@著,作用方向為負,且影響力增強,X5由顯著轉為不顯著,作用方向為正,但影響力減弱.一方面,浙江省經歷了快速城鎮(zhèn)化的過程,隨著城市化的推進,以適齡勞動人口為主的落戶人群提高了地區(qū)年輕人口的比重,降低了老齡化程度;另一方面,經濟發(fā)展提高了人們的收入和生活水平,進而提升了老齡化水平.但是,隨著經濟差異對年輕人口遷移的推拉作用,經濟的影響隨之減小,并影響到老齡化.

浙江省老齡化空間格局與變化的直接原因在于人口的自然變化,而根本原因在于地區(qū)社會經濟發(fā)展不均衡.改革開放以來,浙江省沿海地區(qū)和早期城市建設區(qū)憑借其地理優(yōu)勢和固有優(yōu)勢,在以經濟建設為中心的政策引導下,經濟水平迅速提升.經濟增長的地區(qū)能提供豐富的就業(yè)機會,吸引了以勞動年齡為主的大量人口來此定居,同時能夠扎實推進城市化建設,完善教育和醫(yī)療體系,因此老齡化水平較低.而地理稟賦和社會經濟發(fā)展較差的地區(qū),盡管社會保障體系得到了較為充分的發(fā)展,使得居民預期壽命有所延長,但是由于生育率降低和適齡段人口的流出,導致老年人口比重增大,老齡化程度加劇,這類機制也在其他地區(qū)的老齡化發(fā)展過程中有所體現[2,15,17].

4 結論與建議

4.1 結論

本文以第六、第七次人口普查數據為基礎,基于縣級空間尺度,采用探索性空間數據分析方法,刻畫了2010 年和2020年浙江省人口老齡化的空間格局與演變特征,并使用空間計量模型SLM 和SEM 分析了浙江省人口老齡化的驅動機制.研究得到如下結論:

(1)浙江省人口老齡化程度整體加深,且存在較大的空間差異,西部地區(qū)老齡化水平較高,其老齡化空間格局經歷了由“團帶式”向“團點式”的轉變.

(2)浙江省各縣區(qū)之間的老齡化存在正向的空間相關性,且空間集聚性有所增強.高-高集聚區(qū)主要分布在浙江省西部開化、淳安、建德等地區(qū),零星分布在泰順、新昌等地,范圍有所增大.低-低集聚區(qū)分散分布在西南部鹿城、洞頭等地區(qū),零星分布于北部蕭山、余杭和東部鎮(zhèn)海等地.

(3)浙江省老齡化空間格局演變受到人口因素和社會經濟發(fā)展因素的雙重影響,直接原因包括出生率和死亡率的人口自然變化,而根本原因在于地理稟賦差異而導致地區(qū)社會經濟發(fā)展的差異,包括教育水平、經濟水平和醫(yī)療資源等.

4.2 建議

在社會老齡化轉型的大背景下,以快速老齡化、地區(qū)差異大為特征的老齡化發(fā)展會對浙江省的經濟發(fā)展和社會保障體系帶來巨大挑戰(zhàn).為了避免浙江省進入人口結構轉變的惡性循環(huán),需要從老齡化的直接原因和根本原因入手,可以采取以下措施:

(1)完善老齡化相關基礎設施建設.基于老年人身體機能下降的特征,可以通過建設無障礙化空間、增加老年人活動與休閑場所、強化基礎設施的安全性和便利性,提高老年人生活質量.

(2)優(yōu)化人口政策.政府可以出臺相關政策,例如放寬生育政策、提供嬰兒津貼、住房優(yōu)惠等,降低生育成本,從而逐漸增加低齡人口數量,應對老齡化挑戰(zhàn).

(3)健全醫(yī)療衛(wèi)生和社會保障體系.政府應加大醫(yī)療資源投入,提供適合老年人的長期健康護理服務,并建立健全養(yǎng)老金和社會保障體系,促進健康老齡化,從而降低社會壓力.