中国344个城市人口老龄化主导因素及地区分异
胡梦瑾 黄翌 陈丽玥 邱尉雲
(南通大学地理科学学院，江苏 南通 226007)
〔摘 要〕 目的 针对中国全部地级以上城市人口老龄化的主导因素差异研究。方法 选定老龄化最直接的影响因素——出生率、长寿率、迁移率，与以往方法相比，更直观反映各城市人口老龄化的主导因素。通过主成分分析及相关性分析得出总体贡献率，并根据各因子的贡献率绘制344个城市人口老龄化主导因素分类专题图。结果 不同地区人口老龄化的主导因素差异明显，且2000年和2010年人口老龄化、长寿率、出生率和迁移率的格局基本稳定。结论 可为老龄化严重地区根据各因子贡献率制定相应的策略提供参考。
〔关键词〕 出生率；长寿率；迁移率；贡献度；主导因素
根据2010年第六次全国人口普查数据，全国老龄化率最高的地区江苏省南通市已高达16.5%。人民日报于2017年8月20日发文讨论我国的人口老龄化问题，反驳了计划生育政策是中国人口老龄化根本原因的观点，并认为全球寿命普遍延长是现代人口老龄化的推动因素，低出生率加快了人口老龄化速度，但也减少了未来老年人口的规模，并缩短了老年人口规模处于较高水平的时间〔1，2〕。
影响人口老龄化的因素很多，相关文献做了大量研究，大多数文献着重于从经济发展水平、社会事业、国家政策、医疗水平等领域展开〔3～7〕，这些因素都会影响老龄化率，但都是间接因素，如经济发达会吸引更多的外来人口，降低老龄化率，医疗条件好的地区延长老龄人口寿命，升高老龄化率。从老龄化率的计算方法这一根源出发，其直接影响因素为分母(总人口数)和分子(老龄人口数)。
总人口数的影响因素主要是出生率、迁移率和长寿率，高出生率必然在未来0～65年内出现更多年轻人口，世界上高出生率地区如非洲各国老龄化率普遍较低，出生率长期稳定在低水平的国家，如日本、德国老龄化程度则相当严重。发达地区如北京、上海、广州、深圳、苏州对外来人口吸引力强，大量新居民的迁入在很大程度上降低了这些地区的老龄化率。
老龄人口数的影响因素主要是长寿率，长寿地区或人口预期寿命高的地区，老龄人口数自然多。老龄人口较少搬迁，居住地一般较稳定，因此近期迁移率对老龄人口数量的影响不大，而多年以前迁移的人口达到65岁时，会影响老龄化。考虑到我国大规模的人口迁移始于20世纪90年代，在2010年还没有大规模进入65岁，故本文选择老龄化最直接的影响因素：长寿率、出生率、迁移率作为其影响因子。
从研究尺度上来看，全国范围的老龄化研究多以省为研究尺度，或对某个省内的城市进行研究〔8～10〕，针对全国344个地级以上城市(除港、澳、台)的总体研究还较为鲜见，各因子的贡献率和主导性研究也不足，针对这些不足，本文以全国344个城市为研究对象，分析其人口老龄化差异及主导因素。
1 资料与方法
1 .1 数据来源 数据来自第四、第五和第六次全国人口普查，将1990、2000及2010年的人口普查数据按照2010年的行政区划将全国的省、市、自治区下辖的市、地区、自治州划分为344个基本单元，考虑到重庆市“大城市大农村”的特点，城乡人口老龄化影响因素差异较大，将其分为市辖区和市辖县两部分；海南为省管县模式，分为海口、三亚和其他三部分。出生率和迁入人口数可直接在人口普查数据中获取，根据下列公式求得各市的老龄化率、长寿率及迁移率：
SPT可发生于胰腺任何部位，以胰体和胰尾部多见，极少有淋巴结、肝脏、腹膜转移[7]。本组病例以胰头及胰体部最为多见。Wang等[8]报道肿瘤平均最大径为59 mm，本组为59 mm；Raman等[3]报道，CT及MRI检查显示肿瘤外生部分超出肿瘤边界50%者分别占60%、44%，本组分别占70%、66.7%，可能与肿瘤体积较大有关。
(1)
(2)
(3)
将数据输入地图，如图1、图2所示。2000年和2010年中国人口老龄化、长寿率、出生率和迁移率的格局基本稳定。老龄化严重地区主要集中在江苏中部和北部、四川盆地、辽东半岛-山东半岛、安徽南部等地。长寿地区主要集中在海南、广西、广东、长江口、辽东半岛-山东半岛、淮海地区、四川盆地；低出生率地区主要集中在经济发达地区；高迁出率地区主要集中在淮河地区、贵州、海南、重庆的县区。
在所有的计算过程中，除重庆市，北京市、天津市、上海市三个直辖市的“本省其他县迁入人口”为零。迁移率计算结果中，正值表示该地区以人口迁出为主，负值为人口迁入为主，即迁移率与人口老龄化率呈正相关。
其中，E 为老龄化率，L 为长寿率，M 为迁移率，i 为年数，j 为年龄，P i 为第i 年总人口数，P ij 为第i 年年龄为j 的人口总数，n 为人口自然增长率，R 为迁入人口。
多元回归分析的结果与主成分分析、Spearman 相关性检验类似，2000年长寿率和出生率对人口老龄化的影响较大，2010年迁移率的影响显著增加。见表2。
图1 2000年全国344个城市老龄化率、出生率、 迁移率、长寿率分布图
图2 2010年全国344个城市老龄化率、出生率、 迁移率、长寿率分布图
1 .2 统计学方法 采用SPSS24.0软件进行主成分分析、Spearman相关分析及多元线性回归分析。
2 结 果
表1 主成分矩阵
在国家会展中心与虹桥商务区隔河相望的绿地景观中，我创作了一件有视觉靓点的城市公共艺术，作品将国家会展中心建筑形象“四叶幸运草”的文化内涵和国家会展中心所在地青浦区域地界形象“蝶”引入公共艺术主题，以“蝶”为造形元素，以七彩花开绿地植物景观为背景，“蝶”简化为象征性的线，将雕塑形退化为简单的构成，营造彩蝶飞舞的城市公共绿地的文化氛围，喻意青浦与国家会展中心相互依恋的和谐文化。
表2 2000、2010年中国老龄化率与各因子的多元回归分析
2 .2 各城市老龄化的主导因素计算 根据344个城市各因子的标准化值和多元回归方程的系数，本文设计了各因子对人口老龄化的贡献率和主导因素的计算方法，该方法不仅对每个城市的3大因子间进行比较，还考虑了每个城市每个因子与全国所有城市的比较，高贡献率的因子成为主导因子，如公式(4)：
2 .1 各因子贡献率计算 主成分分析结果表明，第一主成分能够解释绝大部分的信息，老龄化率在第二、第三主成分数值很小，可以忽略，2000年迁移率对老龄化的贡献较小，但是已成为2010年中国老龄化率的第一推手，长寿率始终保持第二，出生率的作用下降。见表1。各变量之间的Spearman相关性检验结果表明，2000年出生率(r =-0.390)、迁移率(r =0.171)、长寿率(r =0.440)和2010年出生率(r =-0.271)、迁移率(r =0.387)、长寿率(r =0.316)均与老龄化率呈显著相关(均P <0.01)。
由以上分析可以看到,现代汉语的常用词所具有的借代意义,在以往的研究中很多被看成是引申意义。而“引申”的范围太广,太笼统,分析描述太少,也就难以看到其内在规律。这从罗正坚著《汉语词义引申导论》一书中就可见一斑。[注] 罗正坚:《汉语词义引申导论》,南京:南京大学出版社,1996年,第1页。我们将借代意义从引申意义中单列出来,详加分析。
(4)
按照贡献率计算结果，绘制出344个城市2000年和2010年人口老龄化的主导因子分类图，如图3。
其中，C 为贡献率，i 为因子，j 为城市，X ij 为第j 个城市第i 个因子的值，c 为回归系数。
推荐理由:下午茶时间，十多名女友聚会饮茶，话题都是男人。她们把自己的爱情经验与女友分享。莎塔碧以一贯的温馨亲切的故事技巧，把十个女人的爱情经验描绘得淋漓尽致，不管是在西方文明社会，还是在莎塔碧的故乡伊朗，男女地位悬殊所产生的匪夷所思的故事，各种严肃的话题，透过生动活泼的故事，叫人百般回味。
图3 2000年和2010年各城市人口老龄化的主导因子
根据图3的结果，按人口老龄化程度和主导因素的差别，将全国分为若干区域并分析其老龄化的成因，全国人口老龄化率最高的江苏南通、泰州及四川盆地，出生率均明显低于全国平均水平，长寿率突出，人口外迁，三大因子全部与老龄化正相关，在很大程度上促进了老龄化。而老龄化率低的地区主要分布于经济发达地区和青藏高原、云贵、西北地区。青藏高原及云贵、西北地区迁移率不显著，但其出生率大大高于全国平均，且长寿率也低于全国平均，导致老龄化率明显低于其他地区。经济发达导致大量青年人口迁入，增加了地区总人口，稀释了人口老龄化率，以北京、天津和珠三角地区最突出。见表3。
第一，专业人才匮乏。当下养老服务存在的主要困境是养老专业人才队伍的匮乏，导致服务专业水平不足，影响服务质量和服务成效。在养老服务提供方的人才队伍中，主要包括志愿者、居委会工作人员，以及非专业出身的其他领域转行而从事养老服务的人员等，在养老服务的能力和水平等方面都有待考量，这对于前期智慧养老服务模式的建设是一个亟待突破的限制性因素。更值得注意的是，智慧养老的运营模式不仅需要的是专业的养老服务人才，更是需要懂大数据技术、大数据工具的数据专业领域的养老服务复合型人才。
（2）过度重视产出，忽视全过程评价。目前对科研经费的评价体系研究很多，实践中也总结了系列评价指标。然而笔者发现，很多的研究是对科研活动实施过程及论文、专利、奖励等科研产出进行评价，对科研项目从经费投入、实施过程、到科研产出的全过程评价却不多。
表3 2010年中国各地区人口老龄化程度及成因分析
3 讨 论
与以往大部分研究使用经济水平、医疗卫生水平等指标探讨人口老龄化不同的是，本文使用出生率、长寿率、迁移率为研究老龄化的影响因子，使用统计学方法及数学方法定量地分析各成分因子与老龄化的相关性及对老龄化的贡献情况。
研究表明，高长寿率、低出生率、高迁出率是促成高老龄化的重要原因。高长寿率表明长寿人口及老龄人口数量多，低出生率意味着新生人口少，人口总量增长缓慢，高迁出率意味着大量人口因求学、务工等原因长期迁出原所在地，从而进一步减少地区人口总数。研究发现，在三大成分因子中，2000年长寿率和出生率是两大主导因素，迁移率对老龄化的贡献并不十分显著。到了2010年，迁移率超过长寿率和出生率，成为影响老龄化的最主要因素。
从全国各区域人口老龄化的形成原因可以看出，各地区的人口老龄化主导因素差异较大，有的以单一因子主导，有的由多因子共同引起。中国老龄化率最高的南通地区，其三大因子均与老龄化呈正相关，在这一层面上可以解释南通人口的老龄化率之高。相较于老龄化率最低的珠三角地区，大量的人口迁入以及远低于全国平均水平的出生率，在一定程度上稀释了人口老龄化。对于由人口大量外迁导致高老龄化的地区，可以通过提高出生率进行调节，或者适当放宽政策，加强自我建设，留住本地人才不外流或吸引外来人口迁入。部分老龄化严重但经济欠发达的地区要特别注重未富先老的社会矛盾，除了加强自身经济建设，更要关注老年人群的身心健康和生活问题。
4 参考文献
1 高玉娟，刘溪.中国人口老龄化的区域差异分析〔J〕.金融经济，2016；4(59)：140-1.
2 王少芬，罗丽林.我国人口老龄化间接影响因素分析〔J〕.闽南师范大学学报，2016；30(4)：40-4.
3 原新，刘士杰.1982-2007年我国人口老龄化原因的人口学因素分解〔J〕.学海，2009；(4)：140-5.
4 蒋诗泉.基于灰色理论的人口老龄化发展趋势及其影响因素研究——以安徽省为例〔J〕.华东师范大学学报(哲学社会科学版)，2014；46(3)：133-9.
5 周春山，李一璇，童新梅.2000～2010年广州市人口老龄化空间变动及其影响因素研究〔J〕.中山大学学报(自然科学版)，2016；55(1)：114-22.
6 何建宁.人口老龄化影响因素的选择与分析〔J〕.山东工商学院学报，2010；24(4)：93-7.
7 陈明华，郝国彩.中国人口老龄化地区差异分解及影响因素研究〔J〕.中国人口·资源与环境，2014；24(4)：136-41.
8 杨彩萍，汤茂林，王爽.江苏省县域老龄化空间格局及影响因素分析〔J〕.南京师大学报(自然科学版)，2016；39(2)：125-33.
9 雷慧敏，叶长盛.江西省人口老龄化县域差异及其影响因素〔J〕.地域研究与开发，2016；35(2)：170-4.
10 何清，陈楠，张开洲.基于GWR模型的福建县域人口老龄化影响因素分析〔J〕.贵州大学学报，2014；31(5)：129-35.
〔中图分类号〕 C922
〔文献标识码〕 A
〔文章编号〕 1005-9202(2019)10-2528-05；
doi： 10.3969/j.issn.1005-9202.2019.10.071
基金项目： 江苏省自然科学基金(BK20150405)；国家级大学生创新创业训练项目(201710304036Z)；江苏省大学生创新创业训练项目(201810304113X)；南通市重点实验室基金(CP12016005)
通信作者： 黄翌(1985-)，男，博士，副教授，主要从事老年健康地理研究。
第一作者： 胡梦瑾(1997-)，女，本科在读，主要从事老年健康地理研究。
〔2018-11-19修回〕
(编辑 杜娟)