深度老齡化省份人口老齡化城鄉倒置時空演變及預測趨勢

［摘要］人口老齡化城鄉倒置現象已成為城鄉協調與我國健康可持續發展面臨的重要挑戰。本文基于2000—2022年我國19個深度老齡化省份，剖析其人口老齡化城鄉倒置的時空演變，同時運用BP時間序列預測模型對2023—2035年人口老齡化城鄉倒置度進行預測。研究結果表明：（1）時序演變方面，到2020年19個深度老齡化省份均出現城鄉倒置的現象，城鄉倒置度年增長率在時序上具有階段性，在空間上具有區域異質性，研究期末呈南北差異性；（2）空間分布方面，在2000—2022年期間深度老齡化省份人口老齡化城鄉倒置呈現“東北—西南”方向分布，分布重心具有“先西南，后東北”的移動趨勢；（3）預測趨勢方面，預測2023—2035年人口老齡化城鄉倒置的重心有東部地區向西部地區轉移的趨勢。最終，根據研究結果，提出對應建議，以期更好地應對我國未來人口老齡化城鄉倒置的浪潮，推動城鄉協調發展。

［關鍵詞］深度老齡化省份；人口老齡化城鄉倒置度；時空演變；預測趨勢；BP時間序列預測模型

中圖分類號：C924.24；D669.6文章標志碼：A文章編號：1672-0563（2024）05-0001-11

DOI：10.13773/j.cnki.51-1637/z.2024.05.001

引言

人口是人類社會的一個基本要素，其規模的大小、質量的高低、結構的合理性，關系到一個國家能否健康可持續發展［1］。根據聯合國數據顯示截止到2021年全球65歲及以上人口所占比例高達9.6%，日本、德國、瑞典、法國等多個國家進入了超老齡化社會，其中老齡化率最高的國家是日本，高達29.8%。有學者認為，到2030年，日本面臨著人口老齡化和人口減少同時帶來的雙重挑戰［2］。

Shrestha發現，發展中國家的老年人比例比發達國家更大，且該比例將越來越大［3］。而中國早在2000年左右就已經整體進入了老齡化社會。自新中國成立以來，大多數省份的老齡化進程可描述為“低起點—高增長模式”［4］。

隨著人口老齡化的進一步發展，中國老年人口規模和比重不斷持續上升，且農村老年人比重高于城鎮，即人口老齡化城鄉倒置的現象［5］。人口老齡化城鄉倒置，是指在一個國家或地區中，農村地區的經濟發展水平明顯低于城市，但其人口老齡化率卻高于城鎮［6］。張偉等人發現，首先出現城鄉倒置現象的地區是東部沿海地區，隨后逐年擴張，最終至全國各地區［7］。這一現象將對社會發展產生一系列不利影響，例如勞動資源、公共設施和資金等方面城鄉配置的不平衡，嚴重阻礙我國高質量現代化的進程及城鄉協調發展格局的構建。傳統城市化發展過程的主要推動因素是年輕勞動力的持續遷移，導致人口老齡化城鄉倒置的現象出現［8-9］，直至農村社會經濟生活水平慢慢趕上城鎮或城鎮社會環境和生活環境的惡化促使大量年輕人口遷移停止，人口老齡化城鄉倒置的現象才會減緩直至消失［10］。有學者認為未來老齡化倒置會轉變為\"中小城鎮—鄉村\"的老齡化倒置［11］。

國內外的學者對人口老齡化的空間分布、演變趨勢的研究已經取得了豐富的研究成果，但對我國的人口老齡化城鄉倒置進行研究與預測的較少。現有相關研究多以全國地區和單個省域層面為研究區域，缺少以深度老齡化省份為研究區域。本文對我國19個深度老齡化省份人口老齡化城鄉倒置度的時空演變進行分析，同時運用BP時間序列預測模型對2023—2035年人口老齡化城鄉倒置度進行預測。以深度老齡化省份為例，可對其它未進入深度老齡化社會的省份可能產生的社會問題指明了方向，并供好的經驗和策略，為國家實施積極老齡化戰略，制定合理人口發展策略提供科學的依據。

一、數據來源、研究區域及研究方法

（一）數據來源與研究區域的確定

數據來源于《中國人口與就業統計年鑒》，樣本長度為2000—2022年，數據中區分了城市、鎮和農村的65歲及以上老年人口數。數據顯示，2022年底我國65歲及以上人口占全國人口14.88%，全國31個省份中有18個省份進入了深度老齡化社會，1個省份進入超齡化社會。因此研究區域為我國的19個省份（如圖1）。

（二）研究方法

1.人口老齡化城鄉倒置度

為反映特定區域人口老齡化城鄉倒置問題的嚴重程度，本文參考林寶的研究運用“人口老齡化城鄉倒置度”作為衡量指標［12］。其計算公式如下：

DNC=RN-RC

式中：DNG指人口老齡化城鄉倒置度；RN指農村65歲及以上人口所占比例；RC指城鎮65歲及以上老年人口所占比例。若DNC的值為正值，即存在人口老齡化城鄉倒置的現象。若DNC值為零或負值，則表明該地區未出現人口老齡化城鄉倒置的現象。

2.標準差橢圓

標準差橢圓是以分布重心、方位角、長短半軸為基本參數，描述地理要素分布特征的空間統計分析工具。基本參數計算公式如下：

分布重心：

xc=∑ni=1wixi/∑n（i=1）wi，yc=∑n（i=1）wiyi/∑n（i=1）wi

方位角：

tan=［（∑n（i=1）w2ix2i-∑n（i=1）w2iy-2i）+（（∑n（i=1）w2ix-2i-∑n（i=1）w2iy-2i）2+4∑n（i=1）w2ix-2iy-2i）］/（2∑n（i=1）w2i（xi）（yi）

長短半軸：

σx=∑n（i=1）（wixi）cosθ-wiyi）sinθ）2/∑n（i=1）w2i

σy=（wi（xi）sinθ-wi（yi）cosθ）2/∑n（i=1）w2i

其中，xi）=xi-xc，（yi）=yi-yc，wi標識權重，本文以深度老齡化省份人口老齡化城鄉倒置度為權重。

3.BP神經網絡預測——時間序列模型

BP神經網絡是一個利用誤差反向傳播算法進行訓練的多層前饋神經網絡，一般包括輸入層、隱含層、輸出層3部分。輸入層具有信息接入信號接受功能，信號接受完成后將信息傳遞到隱含層，輸入神經元的個數為輸入影響因子的數量n；隱含層負責信息處理、信息變換，隱含層神經元的個數為m，小于N-1（N是訓練樣本數），在MATLAB中經測試取值。

模型結構：y（t）=f（y（t-n），y（t-n+1），y（t-1））

平均相對誤差（MAPE）是相對誤差的平均值，可以反映平均值與真實值之間的差異，用來衡量時間序列模型的準確性。

二、人口老齡化城鄉倒置的時空演變特征分析

（一）人口老齡化城鄉倒置的時序演化特征

根據聯合國的傳統標準，當65歲及以上的老年人口比重達到7%時，表明社會已進入人口老齡化階段；當比重達到14%時，表明社會已進入深度老齡化階段；當比重達到20%時，則表明社會已進入超老齡化階段。中國人口老齡化的基本特點在于其絕對數量大、增長速度快［13］。根據表1數據顯示，在2000年，研究區域中有12個省份的城鎮地區尚未進入老齡化社會，內蒙古的老齡化率最低，僅為4.85%，此時全國城鎮地區的老齡化率為6.30%，還未進入老齡化社會。農村地區方面，有13個省份已經進入了老齡化社會，上海的老齡化率最高，達到13.73%；有6個省份的農村地區尚未進入老齡化社會，其中黑龍江的老齡化率最低，為4.92%，此時全國農村地區的老齡化率為7.35%，已經進入了老齡化社會。觀察城鎮地區和農村地區的差距，2000年時已有14個省份出現人口老齡化城鄉倒置現象，其中浙江省的城鄉倒置度最高，為3.41%。2010年全國城鎮地區和農村地區都進入老齡化社會，此時僅有吉林省和黑龍江省沒有出現城鄉倒置的現象。2020年城鎮地區和農村地區老齡化率進一步攀升。到2022年，城鎮地區全國老齡化率為12.52%，各省份均已進入老齡化社會，且有9個省份進入深度老齡化社會，上海市的老齡化率最高，達到18.53%；農村地區全國的老齡化率為19.30%。而農村地區13個省份進入了超老齡化社會，重慶市的老齡化率最高，為27.46%。從城鄉間的差距來看，重慶市的差距最大，即人口老齡化城鄉倒置度為12.91%。綜上所述，全國的農村地區老齡化率總體高于城鎮地區，且到2020年19個深度老齡化省份均出現人口老齡化城鄉倒置的現象，且逐年加劇。

人口老齡化是人口年齡結構漸變的動態過程，人口老齡化城鄉倒置度的年增長率表示在一年內人口老齡化城鄉倒置度的增長量與基期年的比值，反映這一時期人口老齡化城鄉倒置度增長的快慢。利用自然斷點法將人口老齡化城鄉倒置度年增長率劃分為5個等級。如圖2所示，2000—2010年期間，人口老齡化城鄉倒置度的年增長率正增長的有11個省份。城鄉倒置度年增長率最快的兩個省份是位于中部地區的河南省和湖南省；城鄉倒置度年增長率負增長的省份有8個，年增長率最小的省份是位于東部地區的上海市，年增長率為-5.34%，但這一期間上海的人口自然增長率僅為1.01%，這表明上海人口老齡化城鄉倒置度的變化并非來源于人口自然增長，而是大量農村年輕勞動力的遷入，因此出現上海市的城鄉倒置度不增反降的現象。2010—2020年間，人口老齡化城鄉倒置度年增長率最高的省份位于西部地區的陜西省，可能原因在于人口出生率下降以及農村剩余勞動力外流。城鄉倒置度年增長率最低省份是位于東北地區的遼寧省。2020—2022年期間年增長率最高的是遼寧省，最低的是上海市。

因此，人口老齡化城鄉倒置度的年增長率在時序上具有階段性，在空間上具有區域異質性，到研究期末城鄉倒置度呈南北差異性。

1.城鄉倒置度空間格局變化特征

如圖3所示，雖然城鎮和農村地區的老齡化率均逐年增加，但農村老齡化率增加幅度大于城鎮地區，因此人口老齡化城鄉倒置現象呈發展態勢。2000年研究區域中有5個省份未出現城鄉倒置的現象，其中城鄉倒置度最低的省份是黑龍江省-0.97%；排名前三的省份是位于東部地區的山東省、上海市、江蘇省，城鄉倒置度分別為2.94%、2.49%和2.34%。經濟發達的東部城鎮地區擁有更多的就業機會以及高水平的醫療設備和教育資源，吸引來自東部農村地區以及經濟相對落后省份的年輕勞動力，從而提升東部地區的城鄉倒置度。到了2022年，研究區域中所有省份均出現城鄉倒置的現象，城鄉倒置度最低的省份是位于東北地區的黑龍江省，倒置度僅為2.64%；排名前三的省份是位于西部地區的重慶市和東部地區的江蘇省和浙江省，倒置度分別為12.90%、11.91%和10.67%。由于重慶市“大城市帶大農村”的發展布局，在研究期間，重慶市主城區的經濟發展十分迅猛，但重慶市的一些邊緣鄉村因地處山里難以得到發展。而這些偏遠山村的年輕勞動力向城鎮地區轉移，導致偏遠的山村地區的人口老齡化率不斷提高，因此城鄉倒置度增長明顯。

通過比較19個深度老齡化省份的排序來分析其空間的演變趨勢。分析結果如表2所示，19個深度老齡化省份可以分為以下類型：（1）排名持續上升型。研究期間共有兩個省份的排名呈上升態勢，即重慶市和陜西省，其中重慶市變化最為明顯，從2000年的13名到2010年的第2名直至穩居第1位。（2）排名持續降低型。共有4個省份的排名呈持續降低的態勢，分別是河北省、浙江省、上海市和湖南省，其中最為明顯的是上海市，由2000年的第3名持續下降到2022年的第19名，共下降16名，變化較為明顯。（3）排名波動上升型。共有6個省份排名呈波動上升型，其中波動較為明顯的是遼寧省和四川省，從2000年到2022年均波動上升7名。（4）排名波動下降型。有4個省份排名呈波動下降型，其中波動最為明顯的是河南省，從2000年的第7名波動下降到2022年的第13名，共下降5個名次。（5）排名基本平穩型。共有3個省份排名呈穩定型，分別是天津市、黑龍江省和江蘇省。在2000—2022年期間，這些省份的排序變化幅度不超過2位，排名變化相對穩定。

2.空間集聚特征

通過采用標準差橢圓對2000—2022年深度老齡化省份的人口老齡化城鄉倒置進行時空演化軌跡分析，從圖4可見，樣本期間深度老齡化省份的人口老齡化城鄉倒置的重心發生明顯變化。從重心移動的軌跡來看，2000年人口老齡化城鄉倒置度的重心在中部地區的安徽省，到2010年重心向西南方向偏移到了位于中部地區河南省的南部。在2010—2020年由河南省的南部向河南省的東北部偏移，這一時間段的偏移距離最大，由此說明這期間人口老齡化城鄉倒置度變化較大。2020—2022年向北偏移，此時位于河南省的邊緣處。

如表3所示，就轉角θ的變化而言，2000—2022年標準差橢圓的轉角θ變化較大，角度不斷減小，2010—2020年角度變化最大，從80.11度減少到54.52度，并向東北偏移。總體來看，深度老齡化省份的人口老齡化城鄉倒置度呈現出“東北—西南”的空間分布格局。從主軸的方向來看，2000—2022年主軸標準差呈現增加的變化趨勢。具體看在2000—2010年這一階段主軸標準差呈現增加，表明這個階段深度老齡化省份的人口老齡化城鄉倒置度在“東北—西南”方向上出現分散。而2010—2022年這一階段主軸標準差增加幅度最大，表明這一階段深度老齡化省份的人口老齡化城鄉倒置度在東北方向上的差距最大。

綜上所述，在2000—2022年期間深度老齡化省份人口老齡化城鄉倒置度呈現“東北—西南”方向分布，分布重心出現“先西南，后東北”的移動趨勢。

三、人口老齡化城鄉倒置的趨勢預測

本文運用MATLAB2022a構建BP時間序列預測模型進行循環迭代計算，得到2023—2035年19個深度老齡化省份人口老齡化城鄉倒置度的預測值，結果見表4。

在表4中，將2022年19個深度老齡化省份的人口老齡化城鄉倒置度的真實值作為檢驗數據，其真實值與預測值之間的MAPE的平均值小于0.50%，說明BP時間序列預測模型的擬合效果良好，精確度較高，預測結果的可信度較高。

預測結果表明，我國深度老齡化省份的城鄉倒置度整體上逐年增加。在2025年深度老齡化省份中城鄉倒置度最高的省份是位于東部地區的江蘇省，城鄉倒置度為16.76%，緊隨其后的三個省份是位于西部地區的重慶市、中部地區的山西省和東部地區的浙江省，城鄉倒置度分別是15.86%、12.38%和11.97%。2030年城鄉倒置度最高的省份是位于西部地區的重慶市，城鄉倒置度是18.20%，依次的三個省份是位于東部地區的江蘇省、西部地區的四川省和山西省，城鄉倒置度分別為17.69%、14.78%和14.65%。到2035年城鄉倒置度最高的省份依然是位于西部地區的重慶市，依次是位于東部地區的江蘇省、東北地區的遼寧省和西部地區的四川省，城鄉倒置度分別是21.63%、20.66%和20.41%。

為了更直觀反應未來2023—2035年時期這深度老齡化省份的人口老齡化城鄉倒置的空間變化趨勢，對2023—2035年預測值進行空間可視化分析，結果見圖5。2023—2035年期間，深度老齡化省份的人口老齡化城鄉倒置的空間分布狀態依舊不均衡。2023—2025年期間時，城鄉倒置度的重心主要位于東部地區，2025—2035年期間，城鄉倒置度的重心向西南方向擴散明顯，即向西部地區擴散，因此人口老齡化城鄉倒置度的重心有由東部地區向西部地區轉移的趨勢。

四、結論與建議

（一）結論

本文通過對人口老齡化城鄉倒置的相關研究成果進行分析與梳理，基于2022年人口數據得出我國19個省份進入了深度老齡化社會（其中遼寧省為超老齡化省份），分析2000—2022年我國深度老齡化省份的人口老齡化城鄉倒置的時空演變，并預測2023—2035年的發展趨勢。具體結論如下：第一，時序演變方面，到2020年19個深度老齡化省份均出現城鄉倒置的現象且逐年加劇。城鄉倒置度年增長率在時序上具有階段性，在空間上早期（2000—2020年）具有區域異質性，后期（2020—2022年）呈南北差異性。第二，空間分布方面，在2000—2022年期間深度老齡化省份人口老齡化城鄉倒置呈現“東北—西南”向分布，分布重心出現“先西南，后東北”的移動趨勢。第三：預測趨勢方面，預測2023—2035年人口老齡化城鄉倒置的重心有東部地區向西部地區轉移的趨勢。城鄉倒置度一直程上升趨勢，短時間內不會有下降的趨勢。

（二）建議

1.在全國層面推進養老保障與養老服務體系建設，優化市場化配置，促進城鄉自由循環

Alan Walker指出，呈現人口老齡化特征的國家主要會遭遇國民生育率下滑、人口結構突變、經濟增長放緩等突出問題［14］。由姚從容、余滬榮研究可知，大規模年輕勞動力從農村轉移到城市加深了農村地區人口老齡化進程［15］。而非勞動力的老年人人口轉移的很少，這就造成了“空巢老人”這一現象，增加人口老齡化城鄉倒置的水平。為了緩解些問題可采取以下措施：第一，走新型城市化道路，減緩農村勞動力向城鎮轉移或改變轉移方式，在人口轉移中帶動老年人口的轉移，推進養老保障與養老服務體系建設；第二，推進鄉村經濟產業發展。發揮鄉村的資源優勢和生態環境優勢，為鄉村注入新的活力與要素；第三，保障社會資源的公平分配以及制定優越的經濟政策，提升年輕人的生育意愿。

2.在省域層面上因地制宜的在全國各個省份促進養老產業的發展

老年人的身體和功能狀態以及精神效能可以影響“良好老齡化”［16］。構建規模適中、布局合理的養老服務機構，這些機構應與當地的老年人口數量相協調，以提供成本低廉減少家庭養老的壓力［17］。在實施、監管、資金等方面存在的問題需要政府的支持，建立系統的管理組織以及進行先進技術改進［18］。不僅要在老齡化率高的省份積極促進科學的養老產業發展，也要在一些老齡化率暫時不高的地區促進科學的養老產業發展，為該地區未來可能發生的人口老齡化浪潮做好充足的準備。

參考文獻

［1］ ""程風雨.人口結構適應區域經濟高質量發展研究［J］.現代商貿工業，2023，44（15）：33-35.

［2］ Muramatsu Naoko，Akiyama Hiroko."Japan： super-aging society preparing for the future[J].The Gerontologist，2011（4）：425-432.

［3］ Shrestha L B."Population aging in developing countries.[J]."Health affairs（Project Hope）， 2000， 19（3） ： 204-12.

［4］ 杜睿.中國人口老齡化城鄉倒置的經濟學分析［D］.成都：西南財經大學，2020.

［5］ 楊涵墨.中國人口老齡化新趨勢及老年人口新特征［J］.人口研究，2022，46（5）：104-116.

［6］ 杜鵬，王武林.論人口老齡化程度城鄉差異的轉變［J］.人口研究，2010，34（2）：3-10.

［7］ 王瑛潔.我國人口老齡化城鄉倒置現象及對策研究［D］.長春：吉林大學，2011.

［8］ 劉維奇.中國人口老齡化城鄉倒置現狀及其與城市化的相互影響［J］.農業現代化研究，2014，35（2）：134-139.

［9］ 陳光慧，蔡遠飛，李鳳.我國人口老齡化趨勢預測與結構分析——基于非參數自回歸模型［J］.西北人口，2014，35（4）：81-87.

［10］ 鐘睿.我國人口老齡化城鄉倒置的空間轉移和規劃應對——基于人口流動的視角［J］.城市發展研究，2019，26（2）：24-30.

［11］ 吳媛媛，宋玉祥.中國人口老齡化空間格局演變及其驅動因素［J］.地理科學，2020，40（5）：768-775.

［12］ 林寶.人口老齡化城鄉倒置：普遍性與階段性［J］.人口研究，2018，42（3）：38-50.

［13］ 吳連霞，趙媛，吳開亞，等.中國人口老齡化區域差異及驅動機制研究［J］.地理科學，2018，38（6）：877-884.

［14］ Walker A.SSRN-A Strategy for Active Ageing by Alan Walker[J]."Blackwell Publishers Ltd."2002."55（1）：121-139.

［15］ 姚從容，余滬榮.論人口鄉城遷移對我國農村養老保障體系的影響［J］.市場與人口分析，2005（2）：57-61+68.

［16］ au Rosalind，Morse Carol A."Health and wellbeing of older people in Anglo-Australian and Italian-Australian communities： a rural-urban comparison［J］ ."The Australian joumal of ruralhealth，2008（1）：5-11.

［17］ 何倩倩.農村機構養老的落地困境、經營策略與發展路徑——基于河南省平橋區的田野調查［J］.中國農村觀察，2022（5）：153-167.

［18］ Maruthappu Mahiben amp; Hasan Ali et al.Enablers and Barriers in lmplementing Integrated Care[J]."Health Systemsamp;Reform， 2015（9）：250-256.

［責任編輯：李仲先］

Spatial Evolution and Predictive Trends of Urban-Rural Inversion

Regarding Population Aging in Provinces Experiencing Significant "Aging：

A Case Study of Anhui Province

XIAO Tieqiao， XIAO Jiajie， YANG Ting， ZHANG Shaojie

（School of Architecture and Urban Planning， Anhui Jianzhu University， Hefei 230601， Anhui）

Abstract： "The urban-rural inversion regarding population aging has become a significant challenge for coordinated urban-rural development and sustainable growth in China."This paper analyzes the spatiotemporal evolution of urban-rural inversion regarding population aging in 19 "provinces undergoing significant aging from 2000 to 2022."Additionally， it employs the BP time series forecasting model to predict the extent of urban-rural inversion from 2023 to 2035."The research findings indicate： （1） Regarding temporal evolution， all of the 19 provinces exhibited urban-rural inversion by 2020."The annual growth rate of urban-rural inversion is characterized by temporal stages and regional heterogeneity in spatial distribution， with a noticeable disparity between the north and the south by the end of the research period."（2） Concerning spatial distribution， from 2000 to 2022， the urban-rural inversion regarding population aging in these provinces demonstrated an “Northeast-Southwest” directional trend， with the center of distribution moving progressively from southwest to northeast."（3） In terms of predictive trends， "the center of urban-rural inversion is likely to shift from eastern regions to western regions from 2023 to 2035."Eventually， based on these research results， corresponding recommendations are proposed to better address the forthcoming impact of urban-rural inversion resulting population aging in China and to promote coordinated urban-rural development.

Keywords：provinces undergoing significant population aging； extent of urban-rural inversion regarding population aging； spatiotemporal evolution； predictive trends；BP time series forecasting model

收稿日期：2024-03-05

基金項目：安徽省高校省級人文社會科學研究重大項目“國土空間規劃和鄉村振興戰略雙導向下縣域鄉村發展路徑和策略研究——合肥市廬江縣為例”（SK2020ZD25）；高峰學科科研專項項目“新型城鎮化背景下鄉村聚落演化的多元路徑及其發展機制研究——以安徽省為例”（2021-111）；高峰學科科研專項項目“城鄉融合背景下安徽省鄉村振興路徑與策略研究”（2021-112）；安徽省住房城鄉建設科學技術計劃項目“縣域鄉村居民點空間格局和優化技術研究”（2022-RK035）；安徽省高校省級人文社會科學研究重點項目“村民滿意度視角下縣域鄉村建設優化策略研究——以安徽省為例”（2022AH050227）。

作者簡介：肖鐵橋，教授，碩士生導師，Email：xjj0327@stu.ahjzu.edu.cn； 肖佳潔，在讀研究生；楊婷，講師；張少杰，副教授。