江西省人口老龄化县域差异及其影响因素

雷慧敏 ， 叶长盛

(东华理工大学 a.核资源与环境省部共建国家重点实验室； b.地球科学学院，南昌 330013)

江西省人口老龄化县域差异及其影响因素

雷慧敏a,b， 叶长盛a,b

(东华理工大学 a.核资源与环境省部共建国家重点实验室； b.地球科学学院，南昌 330013)

人口老龄化是当代中国三大人口问题之一，受到政府和社会的广泛关注。利用探索性空间数据分析江西省人口老龄化的县域时空差异，通过地理加权回归(GWR)模型深入探讨江西省人口老龄化的影响因素。结果表明：(1)2000—2010年江西省人口老龄化系数显著提高，由6.29%提高到7.76%，由成年型社会转变为老年型社会；(2)2000—2010年江西省人口老龄化县域空间差异逐渐扩大，保持较强的正相关，全局指数分别为0.443，0.176，热点集聚显著但逐渐减弱，冷点区扩大；(3)不同因素对县域人口老龄化影响有所差异，人均GDP、城镇化、万人医生数等指标促进了人口老龄化，人口自然增长率及教育占财政支出等指标抑制了人口老龄化。

人口老龄化；县域；地理加权回归(GWR)模型；江西省

0 引言

人口老龄化是20世纪以来世界性社会发展的重大事件[1]，也是中国三大人口问题之一。到2030年中国65岁及以上人口的比重将超过日本成为全球人口老龄化程度最高的国家。老年人口数量的增长和区域差异对社会经济可持续发展、社会保障水平的提高都将产生深远影响，是一个不可忽视的重大社会问题[2]。

国内外众多学者从人口学、社会学角度对人口老龄化开展诸多研究，国外学者主要研究人口老龄化的现象[3]、成因[4]、影响[5]以及应对策略[6]等；我国学者主要分析人口老龄化的特征[7]、老龄化下居民的消费行为[8]和人居环境[9]并预测人口老龄化系数[10]等。近年来从地理学地域和空间的角度认识人口老龄化区域差异和驱动力机制逐渐成为热点，区域差异研究的方法主要运用Dagum基尼系数和Kernel密度估计方法研究人口老龄化的空间非均衡动态演变[11]，通过空间计量经济方法[12]、泰尔指数分析法[13]和空间聚类[14-16]、不均衡指数及集中指数[17]等分析人口老龄化分布差异，采用探索性空间数据分析(ESDA)探讨人口老龄化的时空特征[18-20]；对驱动力的研究主要集中在传统的统计分析方法上[14-15]，新的空间模型运用较少。

地理加权回归(GWR)模型将空间位置引入回归系数中，通过计算每个地理位置函数的局部估计量，分析变量随位置变化出现的空间差异。ESDA和GWR结合在研究地理事物空间分布形态和描述空间数值关系上具有独特的优势，更加清楚地表达出地理事物空间关系，在区域经济[21-22]、城镇化[23-24]等方面的空间分析中有广泛的应用，但在人口老龄化差异研究中涉猎较少。

截止2010年年末，江西省人均GDP为21 253元，城镇化水平为41.95%，城镇化进入高速发展期，教育医疗卫生水平进一步提高。根据第六次人口普查结果，江西省年末总人口4 039.76万人，65岁以上人口达到313.49万人，占总人口的7.76%，人口老龄化发展迅速，已进入老年型社会。因此，深入剖析江西省人口老龄化的空间特征及其影响因素具有重要的理论和现实意义。本研究基于ESDA和GWR模型，探讨江西省县域人口老龄化时空变化，揭示导致人口老龄化县域时空差异的影响因素，丰富人口老龄化的时空差异及动力机制研究，为江西省社会经济的可持续发展提供科学依据。

1 研究方法与数据来源

1.1 研究方法

1.1.1 ESDA技术。探索性空间数据分析(ESDA)技术以空间关联性为核心，旨在描述与显示对象的空间分布，揭示数据的空间依赖与空间异质性[19]。本研究引入全局Moran’sI指数和Getis-OrdGi*指数分析江西省县域人口老龄化关联特征。

① 全局Moran’sI指数：

(1)

② 局部Getis-OrdGi*指数：

(2)

1.1.2 GWR模型。地理加权回归(geographical weighted regression,GWR)是由Brundom基于非参数建模的思想提出，其既能描述因变量和自变量之间的关系又能反映数据的空间变化特征[26]。该模型对传统模型框架进行了扩展，传统模型(OLS)只显示研究区域的总体平均效果，而GWR模型考虑了局部参数估计，能够突出不同区域自变量对因变量的不同影响，形象地展示参数空间非平稳性[20]。模型表示为：

(3)

式中：yi是因变量值；ui,vi表示样点i的空间坐标；β0(ui,vi)和βj(ui,vi)分别表示i点上的回归常数和第j个回归参数；εi是均值为0、方差为δ2的误差项。

1.2 测量指标与数据来源

老年人口比重是老年人占人口总数的百分比，本研究称人口老龄化系数，是衡量一个地区人口老龄化程度的最重要指标。国际上对人口老龄化社会有通用标准，研究的标准是65岁及以上人口达到总人口的7%以上的国家或地区称为老年型社会，4%～7%为成年型社会，4%以下为年轻型社会[14]。

2000，2010年的人口数据来源于江西省第五次、第六次全国人口普查，社会经济数据来源于《江西统计年鉴》(2001—2011年)。县域单元以2010年行政区划为基础，对已调整的行政区划及已变更名称的单元进行修正，将空间尺度确定为91个县(市区、县级市)级单元。

2 人口老龄化县域时空特征

2.1 人口老龄化时间特征

2000—2010年江西省人口老龄化系数平均值由6.29%提高到7.76%，由成年型发展为老年型社会，县域之间极差由3.89%增加到8.40%，县域差异不断扩大。

2000年县域中人口老龄化系数最大的是靖安县，为8.53%，最小的是宜黄县，为4.64%；成年型县域78个，占全部县域比重达85.71%，老年型县域13个，所占比重仅为14.29%。2010年江西省人口老龄化县域差异有所扩大，南昌市区人口老龄化系数最大，值为14.41%，新建县人口老龄化系数最小，值为6.01%，极值差异是2000年1.16倍；成年型县域18个，所占比重急剧下降至19.78%，老年型县域73个，比重提高至80.22%。

2.2 人口老龄化空间特征

2000—2010年，江西省人口老龄化空间分布不均衡，空间差异逐渐扩大(图1)。

图1 2000，2010年江西省人口老龄化系数分布Fig.1 Aging population index distribution in Jiangxi Province in 2000 and 2010

2000年成年型县域呈面状分布，而老年型县域呈零散分布，主要包括南昌县、安义县、武宁县、永修县、芦溪县、奉新县、上高县、上犹县、全南县、南康市、宜丰县、靖安县、婺源县13个县市。

2010年江西省人口老龄化呈现出西南高东北低的分布特征。成年型县域范围缩至东北部，主要分布在环鄱阳湖、上饶、抚州等地区；老年型县域范围不断扩大，集中部分在赣西和赣南地区，其中南昌市区、安义县、芦溪县、上犹县、定南县等老龄化系数在9.00%以上。

① 全局空间特征。计算2000，2010年江西省人口老龄化系数全局Moran’sI指数和相关指标(表1)。在显著水平下，2000，2010年Moran’sI指数分别为0.443和0.176，表明县域间人口老龄化系数保持着较强的正相关，呈现出相邻县域空间上的集中分布，但随时间推移，总体空间差异趋向扩大，空间分布越来越分散。

表1 2000，2010年江西省人口老龄化系数全局Moran’s I估计值Tab.1 Estimations of globalMoran’s Ifor aging population index in Jiangxi Province in 2000 and 2010

② 局部空间特征。计算2000，2010年江西省县域的Getis-OrdGi*，在ArcGIS9.3中采用自然断裂法将各县域Gi*统计量从高到低划分为4种类型，依次为热点区、次热点区、次冷点区、冷点区。江西省人口老龄化的观测值Gi*均大于E(Gi*)，且Z(Gi*)在显著性水平下均为正值，分别为 1.719和0.909，这表明人口老龄化高值集聚显著，但呈现减弱的趋势。

2000—2010年人口老龄化热点区缩小并向中部、南部迁移，冷点区向北部和中部扩张(表2，图2)。2000年热点区占32.97%，呈两大组团分布在西北和南部地区；冷点区占23.08%，集中在中东部及中北部地区。2010年热点区由30个缩小到26个，比重下降至28.57%，在空间变化上表现为西北部组团缩小并向中部和南部迁移，南部组团向北拓展，并出现断裂；冷点区由21个增加至29个，所占比重超过30%，在空间上表现为向北部和中部发展，这些变化表明江西省人口老龄化空间差异逐渐扩大，热点集聚趋势逐渐减弱。

表2 2000，2010年江西省人口老龄化系数演变类型区的个数和比例Tab.2 The number and percentage of classes evolvement of aging population index in Jiangxi Province in 2000 and 2010

图2 2000，2010年江西省人口老龄化系数空间格局演变Fig.2 The evolvement of spatial pattern of aging population index in Jiangxi Province in 2000 and 2010

3 人口老龄化县域差异的影响因素

通过ESDA结果可知江西省人口老龄化呈现空间集聚现象，但又表现为一定的空间关联性和差异性，这为GWR模型的构建奠定理论基础。在SAM 4.0 软件上利用GWR分析模块完成，经对比采用高斯函数权重进行模型拟合，其中最优带宽的确定运用由Fotheringham 等提出的“AIC值最小”准则[21]。经对比发现2000，2010年GRW的AIC均远小于OLS模型的，R2和经调整的R2都远高于OLS模型的,GRW模型的回归效果优于传统的OLS模型(表3)。因此，选择经济、人口、城镇化、教育、医疗卫生等因素，采用GRW回归模型深入剖析江西省人口老龄化县域差异的影响因素，并通过ArcGIS 9.3中的自然断裂法对结果进行可视化表达。

表3 GRW与OLS模型拟合参数比较Tab.3 Comparison of GWR and OLS models fitting parameters

3.1 经济因素

人均GDP代表一个地区社会经济发展水平，人均GDP的提高有利于人民生活水平和质量的提高，能够加速人口老龄化。通过2000—2010江西省人均GDP与人口老龄化GWR模型归回系数可知，人均GDP与人口老龄化均呈正相关且逐年加强，区域差异加大(图3)。

图3 2000，2010年GWR模型人均GDP回归系数空间分布Fig.3 Spatial distribution of regression coefficients of per capita GDP based on GWR model in 2000 and 2010

2000年人均GDP相关系数空间分布呈现自东向西递减带状格局，这说明东部地区人均GDP对人口老龄化的作用高于西部地区。2010年相关系数平均值较2000年提高19.28%，正相关进一步加强，整体呈现由南向北递减的格局，南北差异扩大，这表明赣南地区人均GDP对老龄化的贡献明显高于北部地区。

2000—2010年，江西省人均GDP大幅提高，由4 851元/人增加至21 253元/人，人均GDP的提高促进整个江西省的人口老龄化进程。长期以来北部地区社会经济发展基础明显好于南部地区，人口老龄化受人均GDP的影响相对较小；南部地区社会经济水平相对落后，经济发展对南部地区人口老龄化的影响相对较大。

3.2 人口因素

人口自然增长率越高表明人口自然增加数量越大，将导致老年人口比重相对下降。江西省2000—2010年人口自然增长率与老龄化GWR回归系数表明人口自然增长率越高的县域老龄化系数越低，人口自然增长率与老龄化整体呈负相关，但相关系数逐年减弱(图4)。

图4 2000，2010年GWR模型人口自然增长率回归系数空间分布Fig.4 Spatial distribution of regression coefficients of natural growth rate of population based on GWR model in 2000 and 2010

2000年人口自然增长率对人口老龄化均表现为负相关，回归系数绝对值自南向北递减，西南地区抑制作用显著，回归系数绝对值集中在0.038 7～0.030 9，北部地区抑制作用较弱，回归系数绝对值在0.027 7以下。

2010年回归系数空间差异扩大，负相关地区比重缩小至79.12%，北部负相关显著，相关性较2000年加强，回归系数绝对值增长至2000年的5倍多，而南部回归系数由负值转变为正值，相关性较2000年降低33.85%。

2000—2010年，江西省人口自然增长率整体呈下降趋势，平均值由10.75‰减至8.03‰，较2000年下降33.87%，人口自然增长率对人口老龄化抑制作用总体减弱。南部地区人口自然增长率大幅下降，人口增长未能起到抑制人口老龄化作用，相对地加速了人口老龄化进程；北部地区人口自然增长率较2000年小幅增长，人口较快的增长对人口老龄化抑制作用相对增强。

3.3 城镇化因素

城镇化是以城镇人口所占比重作为衡量城镇化的指标。江西省2000—2010年城镇化与人口老龄化GWR回归系数表明城镇化与人口老龄化呈显著正相关，相关性逐年加强(图5)。

图5 2000，2010年GWR模型城镇化回归系数空间分布Fig.5 Spatial distribution of regression coefficients of urbanization based on GWR model in 2000 and 2010

2000年城镇化对人口老龄化均表现为促进作用，城镇化与人口老龄化平均回归系数为0.006 2，空间差异小，极值差异为0.000 9；回归系数呈现出自东北向西南呈阶梯状递减，北部地区城镇化对人口老龄化促进作用明显高于南部地区。

2010年城镇化与人口老龄化回归系数整体相关性增强，回归系数绝对值平均值增大为2000年的2倍，空间差异显著，相关系数极值扩大到0.037 6；回归系数呈中部高两端低，中部地区为正相关，相关性较强，约1/3的地区为负相关，集中分布在南部和北部，相关性较弱。

2000—2010年，江西省城镇化水平显著提高，由21.74%升至41.95%，为2000年的1.6倍，城镇化对人口老龄化促进作用整体增强；中西部地区城镇化水平最高，城镇化的提高有利于人民享受城镇基础设施和社会保障，生活环境、医疗卫生服务进一步提高促进了身体健康，对人口老龄化促进显著；南部和北部负相关县域城镇化水平较其他县域低，城镇配套设施不完善，不能满足人民发展需求，对人口老龄化未能发挥促进作用。

3.4 教育因素

教育的发展能够提高人民的文化水平，改变传统的生育观念和生活观念，教育支出占财政支出比重能够反映一个地区教育的发展程度。江西省2000—2010年教育占财政支出比重与人口老龄化GWR回归系数表明教育的发展对人口老龄化大部分县域起阻碍作用，作用力在逐渐减小(图6)。

图6 2000，2010年GWR模型教育占财政支出比重回归系数空间分布Fig.6 Spatial distribution of regression coefficients of the proportion of education expenditure in fiscal based on GWR model in 2000 and 2010

2000年教育支出占财政支出比重与人口老龄化回归系数在大部分县域呈较强的负相关，小部分县域呈正相关，相关性较弱。约53.85%县域回归系数为负，集中分布在浙赣线以南，相关系数绝对值在0.002 3～0.034 6，负相关性强；中部和西南小部分县域相关系数为正。

2010年教育支出占财政支出比重与人口老龄化回归系数负值范围扩大相关性减弱，正值范围缩小相关性减弱。负相关县域所占比重增加至54.95%，相关系数绝对值较2000年大幅下降，处于0.000 4～0.022 7之间；正相关县域缩减，相关系数不断减小。

2000—2010年，江西省教育支出占财政支出的比重平均值由20.83%降至16.24%，教育对人口老龄化的影响力整体减弱。负相关县域教育占财政支出比重阻碍作用范围不断增大，教育占财政支出比重较2000年下降幅度最大，教育对人民的生育观念改变较小，对老龄化阻碍作用减小；教育的发展改变人的生活习惯有利于人口老龄化。正相关县域2010年教育占财政支出比重较2000年小，教育水平相对落后，对人口老龄化影响逐步减小。

3.5 医疗卫生因素

医疗卫生事业的进步尤其是医生数量的增加为人民看病就医提供较好的条件，有利于健康长寿。2000—2010年江西省万人医生数与人口老龄化GWR回归系数表明万人医生数的增加促进人口老龄化的发展(图7)。

2000年万人医生数与人口老龄化大部分县域呈负相关，小部分县域为正相关。约占63.74%单元的万人医生数与人口老龄化回归系数为负值，相关系数集中在-0.031 9～-0.012 4之间；南部地区回归系数为正，相关性显著，相关系数集中在0.019 6～0.051 6之间。

图7 2000，2010年GWR模型万人医生数回归系数空间分布Fig.7 Spatial distribution of regression coefficients of the number of hospital doctors per ten thousand residents in 2000 and 2010

2010年万人医生数与人口老龄化回归系数呈现正相关，相关性显著，万人医生数促进人口老龄化。负相关区域急剧减少，负相关性极微弱；约占92.31%地区相关系数为正，其中南部县域相关性最强，相关系数值值域范围扩大到0.024 5～0.063 8之间，南部县域万人医生数的增加对人口老龄化的促进作用最为显著。

2000—2010年，江西省万人医生平均数由16人增加到30人，医生数的增加为人民的生活提供了较好的医疗保障，有利于人的健康长寿；南部县域万人医生数增加的幅度最大，该地区万人医生数与人口老龄化的关系最为密切。万人医生数的提高加速人口老龄化的进程，且随着医生数增加这种推动作用的范围也在加大。

4 结论与讨论

4.1 结论

1)2000—2010年江西省人口老龄化程度不断加深，由成年型社会步入老年型社会，县域差异逐步加大。2)2000—2010年江西省人口老龄化县域空间差异大，在显著性水平下Moran’sI指数均大于0.176，县域之间具有较强的正相关关系；从Gi*统计量来看，热点集聚显著，但呈减弱趋势，热点区不断缩减，冷点区逐渐增加。3)2000—2010年江西省县域人口老龄化的影响因素各不相同，经济、城镇化、医疗卫生因素整体促进人口老龄化，人口、教育因素整体抑制人口老龄化。人均GDP与人口老龄化均呈正相关，相关性逐年加强；人口自然增长率与老龄化整体呈负相关，相关性逐年减弱；城镇化与老龄化整体呈显著正相关，相关性逐年加强；教育占财政支出比重对人口老龄化大部分县域起阻碍作用，阻碍作用范围扩大但作用力逐渐减小；万人医生数的增加促进人口老龄化，促进作用的范围和力度不断加大。

4.2 讨论

人口老龄化是诸多因素综合作用的结果。受资料数据的限制，影响因素具体指标部分采用替代指标或相关指标，对县域人口老龄化差异的驱动力机制量化分析会有一定的影响。今后应加强如人口迁移、人均受教育年限等方面的讨论，深入挖掘人口老龄化的动力机制。

[1] 刘晓梅.我国社会养老服务面临的形势及路径选择[J].人口研究,2012,36(5):104-112.

[2] 刘娜.我国人口老龄化时空分布特征研究[D].西安：陕西师范大学,2012.

[3]ShresthaLB.PopulationAginginDevelopingCountries[J].HealthAffairs,2000,19(3):204-212.

[4]AndersonGF,HusseyPS.PopulationAging:AComprisonamongIndustrializedCountries[J].HealthAffairs，2000,19(3):191-203.

[5]DentonFT,SpencerBG.PopulationAging,OlderWorkers,andCanada’sLabourForce[J].CanadianPublicPolicy,2009,35(4):481-492.

[6]Maliki.HealthCardandHealthCareFacilitiesDemandamongtheIndonesianElderly[J].TheSingaporeEconomicReview,2008,53(1):103-119.

[7] 张再生.中国人口老龄化的特征及其社会和经济后果[J].南开学报,2000(1):83-89.

[8] 王宇鹏.人口老龄化对中国城镇居民消费行为的影响研究[J].中国人口科学,2011,1(1):64-73.

[9] 刘伟.人口老龄化背景下的城市老年人居环境研究[D].成都：西南财经大学,2005.

[10] 张柏琴,高孝成,么焕民.中国人口老龄化问题的分析与预测[J].哈尔滨师范大学自然科学学报,2009,25(3):23-24.

[11] 刘华军,何礼伟,杨骞.中国人口老龄化的空间非均衡及分布动态演进：1989—2011[J].人口研究,2014,38(2):71-82.

[12] 赵儒煜,刘畅,张锋.中国人口老龄化区域溢出与分布差异的空间计量经济学研究[J].人口研究,2012,36(2):71-81.

[13] 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).136-141.

[14] 谭姝琳,贾向丹.我国人口老龄化地区差异的聚类分析[J].黑龙江对外经贸,2011(6):68-70.

[15] 林琳,马飞.广州市人口老龄化的空间分布及趋势[J].地理研究,2007,26(5):1043-1054.

[16] 文彦君,刘引鸽,邓昕.宝鸡市人口老龄化的空间特征及影响因素分析[J].宝鸡文理学院学报：自然科学版,2009,29(2):75-78.

[17] 贾金玲.河南省老龄人口的空间分布及变动[J].地域研究与开发,2015,34(2):161-166.

[18] 李扬,刘慧,金凤君,等.北京市人口老龄化的时空变化特征[J].中国人口·资源与环境,2011,21(11):131-138.

[19] 张芹,张晓青.山东省人口老龄化空间分布与演化分析——基于探索性空间分析技术(ESDA)[J].鲁东大学学报：自然科学版,2014,30(3):242-248.

[20] 张开洲,陈楠.1990—2010年福建省县域人口老龄化时空演变特征及其驱动力机制[J].地理科学进展,2014,33(3):605-615.

[21] 苏方林.基于地理加权回归模型的县域经济影响因素的空间分析[J].学术论坛,2005(5):81-84.

[22] 催长彬,姜石良,张正河.河北县域经济影响因素的空间差异分析——基于贝叶斯地理加权回归方法[J].经济地理,2012,32(2):39-45.

[23] 唐兵,安瓦尔·买买提明.基于EDAS的新疆城市化空间格局研究[J].人文地理,2012,27(5):83-88.

[24] 庞瑞秋,腾飞,魏冶.基于地理加权回归的吉林省人口城镇化动力机制分析[J].地理科学,2014,34(10):1210-1217.

[25] 祖佳嬉,叶长盛,雷慧敏.江西省县域“三化”协调发展空间格局演变及其障碍因子诊断[J].地域研究与开发,2015,34(2):34-39.

[26] 魏传华,胡晶,吴喜之.空间自相关地理加权回归模型的估计[J].数学的实践与认识,2010,40(22):126-134.

County Differences and Driving Factors of Aging Population in Jiangxi Province

Lei Huimina,b, Ye Changshenga,b

(a.State Key Laboratory Breeding Base of Nuclear Resources and Environment; b.College of Earth Sciences, East China University of Technology, Nanchang 330013, China)

The paper uses exploratory spatial data analysis to explore the characteristic of spatial-temporal evolution of population aging and GWR model to analyze the driving factors of population aging at county level in Jiangxi Province. The population aging index increases significantly from 6.29% to 7.76% in Jiangxi Province from 2000 to 2010. It suggests that Jiangxi Province is not a young society anymore, it has become a old society. The index shows a gradually spatial difference and keeps a strong relation at county level in Jiangxi Province, The Moran’sIis 0.443 and 0.176 relatively, the hot spots cluster significantly with a downward trend, the cold spots increase. All factors that are considered affected population aging, but in different counties the direction and degree of influence varies considerably, the per capita GDP, urbanization as well as the number of doctors per ten thousand people play a positive role in prompting population aging, but natural growth rate of population and the proportion of education expenditure in fiscal have an inhibitory influence.

population aging; county; GWR model; Jiangxi Province

2015-11-25 ；

2016-01-22

江西省自然科学基金项目(20151BAB213032)；东华理工大学研究生创新项目(DHYC-2015006);核资源与环境重点实验室开放基金项目(NRE1310)

雷慧敏(1990-)，女，福建光泽县人，硕士研究生，主要从事区域和城市规划研究，(E-mail)leihm1990@126.com。

叶长盛(1977-)，男，江西抚州市人，教授，博士，主要从事土地利用与城乡规划研究，(E-mail)ycs519@163.com。

C922

A

1003-2363(2016)02-0170-05