广东省人口老龄化的时空演化及成因分析

易卫华　叶信岳　王哲野

摘 要： （中）摘要 利用三个代表年份的数据，对广东省21个地级市人口老龄化的空间分布及其趋势进行分析。首先，根据三个年份人口老龄化系数情况，将广东省老龄化分为年轻型、成年型初期、成年型后期、老年型初期、老年型中期五个阶段。同时，利用空间自相关分析模型，分析广东省人口老龄化分布趋势呈现出的从外围（粤北、粤西和粤东）向中心区（珠三角地区）扩散的趋势，通过引入马尔科夫转移概率矩阵，阐述了广东省人口老龄化的时序演化特征，在此基础上，分析了广东省人口老龄化空间形态模式、分布规律的成因，认为总体来看，尽管由于受外来人口迁移的影响，广东省地区人口老龄化延迟，但是，目前广东省的大部分地区都已进入老年型社会，随着人口红利期的结束，人口亏损期将接踵而来，广东省应该加快经济转型升级，以利补亏，以应对老龄期社会的挑战。

关键词： （中）关键词 人口老龄化；模糊聚类；空间分布；趋势；空间自相关

中图分类号： （中）中图分类号 C913.6 文献标识码：A 文章编号：1000-4149（2015）03-0033-10

DOI：10.3969/j.issn.1000-4149.2015.03.004

Abstract： （英）摘要 This paper analyzes the spatial distribution of population aging at the prefectual cities level in Guangdong Province and the underlying driving forces using three representative years.Six variables are adopted to classify the population aging in Guangdong into five stages： young， early growth， late growth， early aging， and middle aging.Spatial autocorrelation model is used to detect the spatial structure， and spatial Markov chain is employed to study spacetime dynamics of population change.The underlying driving forces are analyzed from the perspectives of socioeconomic and educational perspectives.It is noted that migration of younger population from other provinces in China has slowed down the progress of aging in Guangdong.However， many regions in Guangdong have been the aging society.When the dividend of sufficient labor force comes to the end， Guangdong should accelerate economic transformation and upgrading the economic structure to cope with an aging society.

Keywords： （英）关键词 aging population； fuzzy classification； spatial distribution；trends； spatial autocorrelation

一、引言

人口老龄化是中国当前社会经济发展与城乡规划建设面临的重大战略问题。老年人口比例上升，反映了社会经济、卫生、教育、文化等事业的发展和人民生活水平的提高。但是，人口老龄化给社会发展带来一系列社会问题：人口老龄化将使社会保障的费用大量增加，给社会和政府带来沉重的经济负担；使家庭赡养系数大幅度增加，加重了劳动人口的负担；人口老龄化将使传统的家庭养老面临挑战，由于家庭规模的变小，当一些成年子女生活困难时，对其老年父母的赡养便无法保证。

从广东省第六次人口普查的数据来看，2010年，广东省65岁及以上的老年人已达708.6万，占广东省常住人口比重的6.79%。如果按照联合国规定，65岁及以上老年人口占总人口的7%，即为老年型社会[1]，那么，从整体上来看，广东仍未进入老龄化社会，但是，即将迈入老年社会的门槛，而且从省域范围来看，各地区之间存在明显差异，为广东省的经济社会发展带来严峻挑战。

当前，国内外学者从社会学、人口学等方面对老龄化问题展开了较深入的研究。如关于老龄化对社会经济的影响[2-8]、养老保险与养老保障[9-13]、农村人口老龄化及养老[14-16]、特殊老年群体养老[17]等。

近年来，随着地理学学科的发展及其在社会科学中的应用，利用探索性空间数据方法或空间计量经济学方法研究人口老龄化的区域空间差异，开始成为国内外学术研究的新热点[18-19]。国外学者，如希尔特（Hiltner） 和史密斯（Smith） [20]、格兰特（Golant）[21]、罗格斯（Rogers）、瓦特金斯（Watkins）、伍德华特（Woodward）[22]从地理学角度对人口老龄化问题展开研究，探讨人口老龄化的空间差异及成因。国内学者林琳、马飞，利用4个代表年份的数据，对广州市10区2市（县级）的空间分布、老龄化程度及空间集聚趋势进行分析[23]；赵儒煜、刘畅、张锋将空间因素纳入我国人口老龄化问题的研究框架，对各地区人口老龄化的空间分布特征进行概括和探索性空间数据分析，利用空间计量经济学理论方法和空间误差模型，对各要素影响作用的方向和大小进行实证研究，最后得出综合结论和政策建议[24]；王泽宇采用多项指标对人口老龄化水平进行综合测度，在此基础上，采用空间自相关分析方法，研究人口老龄化水平的空间关联规律[25]；刘华军等以老年人口比重和老少比两种指标，对中国人口老龄化的空间非均衡及分布动态演进进行实证研究[26]；孙蕾等分析了我国人口老龄化现状以及老龄化趋势和经济发展趋势之间的关系，并进一步采用空间自相关模型和新构的经济自相关模型探讨中国各区域老龄化的空间相关性和经济相关性[27]；张芹、张晓青以区县为基本地域单元，基于探索性空间分析技术，对山东省人口老龄化的空间分布现状及其演化特征进行分析，认为山东省的老龄化率在空间上呈现出自东向西递减的四级阶梯状分布，人口老龄化率表现出较强的空间集聚特征，但是这种空间集聚状态呈现不断发散的趋势[28]。

总体来看，当前虽有部分学者采用地理学方法研究我国省域或者部分区域的人口老龄化空间分布问题，但是大多数研究仍然偏重于考察人口老龄化的人口学和社会学效应，侧重于从非空间角度出发，探讨人口年龄结构变化的特征和趋势，对于区域特别是我国发达省份内部人口老龄化的空间结构和集聚扩散趋势的研究还有待深入[15，29]。广东省作为改革的前沿和对外开放的窗口，其人口结构的空间演化特征有其特殊性，研究广东省的人口老龄化问题，对于今后探讨如何根据经济结构和人口空间结构的变化，加强政策引导，调整公共服务设施体系，改善养老模式等，具有十分重大的意义。

二、广东省人口老龄化的时空演变

1.空间分布特征

关于人口年龄阶段的判断，联合国提出了一套较详细的标准，规定一个国家或地区如果65岁及以上老年人口比重达到7%就可以称为老年型国家或地区，4%-7%为成年型社会的标准，4%以下为年轻型社会[30]。本文参考国内卫云棠、林琳等对人口老龄化阶段划分标准[31-32]并结合广东省人口老龄化实际情况，对上述衡量标准进行细化，将人口老龄化分为6个阶段：将65岁及以上人口比重在4%以下称为年轻型（Y）；4%-5.5%之间称为成年型初期（亦即成长型初期，C1）；5.5%-7%之间称为成年型后期（亦即成长型后期，C2）；7%- 10%之间称为老年型初期（L1）；10%-14%之间称为老年型中期（L2）；超过14%称为老年型后期（L3）。

广东省人口老龄化空间结构经历了从1990年的“同质化发展结构”到2000年的“半环形圈层结构”再到2010年“多中心发展”的结构（见图1）。1990年，广东省21个地级市中，没有一个城市进入老年期，除深圳处于年轻期外，其他20个城市都处于成年期（C1，C2）。2000年，广东省由粤西（茂名、阳江、云浮）、粤北（韶关、梅州、清远、河源）、粤东（潮州）以及珠三角西部地区江门、肇庆形成了一个环形的老年型初期（L1）的圈层结构；珠三角的广州、惠州与粤东的汕头、揭阳、汕尾形成了一个成年型后期（C2）的分布带；珠三角经济相对活跃的深圳、东莞、佛山、中山和珠海则形成了年轻型（Y）和成年型初期（C1）的分布带。2010年，粤西以阳江为中心、粤北以韶关为中心、粤东以梅州为中心，形成了三个老年型人口分布带，而珠三角则以东莞和深圳为中心，形成了一个年轻型人口分布带。

1990-2000年，广东省20个地级市中，有14个地级市人口老龄化系数有所增长，有11个地区向老龄化的方向移动了一级，这些地区主要集中在粤西和粤北地区；与之相反的是，珠三角大部分地区如广州、深圳、珠海、中山、东莞、佛山等出现了人口老龄化系数下降的情况，珠海、佛山、东莞、中山四个地区向年轻化的方向移动了一级。2000-2010年，除惠州和中山人口老龄化系数下降外，包括深圳、广州在内的19个城市人口老龄化系数均有所增长，有7个城市整体向老龄化的方向移动了一级，其中，珠海由年轻型跨入成年型初期（C1），汕头、湛江和揭阳由成年型后期（C2）向老年型初期（L1）移动了一步，而韶关、梅州和阳江由老年型初期（L1）向老年型中期（L2）移动了一步，广州、深圳、汕头和佛山等城市人口老龄化系数虽有所增长，但处于缓慢增加的状态。

（2）局域空间自相关分析。借助全域空间自相关分析方法可以从整体上把握广东省人口老龄化的空间集聚特征，但却掩盖了可能存在的局部不平稳性。本文采用Moran散点图和GetisOrdG*i指数对广东省人口老龄化局部空间特征进行刻画。Moran散点图能够刻画相邻空间单元之间的关联程度，通过Moran散点图可将空间关联划分为HH（高高）、HL（高低）、LH（低高）和LL（低低）四种类型，其中，HH（LL）集聚型表示相邻区域间存在正的空间自相关，且存在高（低）人口老龄化的空间集聚效应。HL（LH）表示相邻空间单元间存在负的空间自相关，高（低）人口老龄化区域被低（高）人口老龄化区域包围。GetisOrdG*i指数是另外一种局域空间自相关分析方法，其可以通过识别不同区域的高值簇与低值簇即热点区与冷点区的空间分布来进一步测度局部空间自相关的特征，计算公式为：

为了便于解释和比较，对G*i进行标准化处理：Z（G*i）=[G*i-E（G*i）]/Var（G*i）。其中，E（G*i） 和Var（G*i）分别是空间不集聚假设下的数学期望和方差。wij为前面定义的空间权重矩阵中的元素。若Z（G*i）为正，则说明i 区域周围的值相对较高（高于均值），属于热点区（高值集聚）；反之，则为冷点区（低值集聚）。

借助GeoDa软件和ArcGIS平台，绘制1990、2000、2010年广东省老年人口系数的Moran散点图（见图2）。分析图2可知，广东省老年人口系数的局域空间集聚特征明显，总体以高—高集聚和低—低集聚类型为主，其中高—高集聚的区域主要分布在广东省西部、东部和北部且呈弧状环绕珠三角城市群，低—低集聚区域则集中分布于珠三角，但是各类型地区的数量和空间分布存在区域性动态变化特征，具体表现为：1990年，老年人口系数属于高—高型和低—低型的区域分别为15个和2个，占总数的81%，而高—低型和低—高型的区域仅占19%，表明广东省老年人口系数在空间分布上呈现明显的二元结构。2000年，高—高型区域的数量减少了4个，同时低—低型区域的数量增加了3个，说明该时期广东省老年人口系数高值集聚的程度有所减弱，而低值集聚程度增强。2010年与2000年相比，低—低型区域增加了1个，高—高型区域的数量则减少1个，说明广东省老年人口系数低值集聚程度进一步增强。总的来看，主要分布在粤西、粤东和粤北的老年人口系数高值集聚区正在逐渐萎缩，而主要分布在珠三角城市群的低值集聚区不断发育。

为进一步研究广东省老年人口系数的空间关联情况，计算局域空间关联系数GetisOrdG*i，并按照从高到低依次分成4 类，生成广东省老年人口系数的热点演化图（见图3）。分析图3可知，广东省人口老龄化空间分布的圈层结构逐渐清晰。1990-2000年，粤东、粤西和粤北逐渐被次热点区和热点区占据，原来位于这些区域的次冷点区开始向珠三角转移；从2000-2010年，粤东、粤西和粤北的部分热点区逐渐切换为次热点区，珠三角城市中冷点区的数目进一步增加，2010年主要珠三角城市中除佛山外均处于次冷点区和冷点区。

3.时序演化特征

为了更清晰地揭示研究区人口老龄化的时序演化特征，在对广东省人口老龄化进行阶段划分的基础上，本文引入了马尔科夫转移概率矩阵（如表2）。表2中，对角线上的元素表示区域人口老龄化阶段没有发生变化的概率，而非对角线上的元素则表示区域人口老龄化在不同阶段之间发生变化的概率。分析表2可知，1990-2000年存在多种区域人口老龄化阶段的转移类型：同阶段之间的转移，向“年轻化”方向转移以及向更“老龄化”方向转移。属于年轻型（Y）的区域并没有发生转移，成年型初期（C1）转移为年轻型（Y）的概率最大，其次是成年型后期（C2）向老年型初期（L1）转移的概率。但从发生转移的区域数量来看，向更“老龄化”方向转移的区域数目为10个，向“年轻化”方向转移的区域数目为4个，未发生转移的区域数目则为7个，因而，在1990-2000年间，广东省各区域以向更“老龄化”方向转移为主。从2000-2010年的转移概率矩阵率来看，其下三角元素皆为零，表明没有区域向“年轻化”方向转移，观察矩阵的上三角元素可知，每个阶段未发生转移的概率均大于向更“老龄化”方向转移的概率，因而在2000-2010年间广东省各区域以不发生人口老龄化的阶段转移为主。

三、影响广东省人口老龄化空间分布的原因

影响广东省人口老龄化的空间分布和趋势的原因很多，国内外学者普遍从人口、经济、社会、文化等多方面进行解释，他们认为这些因素通过影响人口的自然增长率和人口迁移率的变动，从而对人口年龄结构产生影响。归纳起来，影响广东省人口老龄化的原因主要有以下几个方面。

1.广东省各区域流动人口的变动影响人口老龄化的空间布局

不少学者研究认为，人口老龄化与社会经济发展水平呈负相关[34]，经济活力越强的地区，其人口老龄化程度越慢，经济发展越落后的地区，其人口老龄化程度越快。比如：2010年，广东省经济最发达的几个城市如深圳和东莞人口老龄化比重只有1.79%和2.29%，相比之下，广东省经济较为落后的粤西、粤北地区都已经进入老龄化阶段。广东省人口老龄化情况与社会经济发展水平呈负相关，这与世界上发达国家人口老龄化程度高于发展中国家的情况背道而驰，其主要原因在于经济发展活跃的地区，吸引流动人口较多，从外省以及广东粤西和粤北地区源源不断地流入外来人口以及各种类型的迁移人口，而这些人口大部分属于青壮年，因而在较大程度上降低了这些地区老年人口的比重，推迟了这些地区人口老龄化的到来。根据表3可以看出，2010年，广东省户口登记地在外的流动人口占总人口比重达30.09%，其中珠三角较发达地区广州、深圳、珠海、佛山、惠州、东莞、中山分别达42.66%、79.92%、37.36%、49.74%、36.34%、77.68%、52.94%，均高于广东省的平均水平，与此相反，珠三角以外的粤东、粤北和粤西地区流动人口占总人口的比重较低，如汕头、韶关、河源、梅州、汕尾、阳江、湛江、茂名、肇庆、清远、潮州、揭阳、云浮相对较低。2010年，从各市省内流动人口占总人口比重情况来看，珠三角各市省内流动人口所占比重较高，广州、深圳、珠海、佛山、惠州、东莞、中山分别均达到10%以上，而粤北、粤东和粤西等不够发达地区如汕头、河源、梅州、汕尾、阳江、湛江、茂名、清远、潮州、揭阳、云浮等城市均在5%以下，而且，从各市流动人口的年龄结构来看，以中壮年居多，老年人口所占比重极小。由此可见省内外流动人口主要流向经济较发达的地区，这在延缓广东省发达地区老龄化进程的同时，也加剧了广东省经济落后地区的老龄化。

2.人口政策和迁移人口迁移人口与流动人口是两个不同的概念。迁移人口是指户口迁移，按照《中华人民共和国户口登记条例》第十条规定，公民迁出本户口辖区，办理户口迁出手续，注销户口之后，再到迁入地注册登记落户叫人口迁移。流动人口是一个习惯用语，流动人口并不涉及常住人口户口的移动。对经济活跃程度不同的地区产生了截然相反的影响

计划生育政策导致生育率的急剧下降是人口老龄化加剧的重要因素，与之相反的是，迁移人口导致广东省发达地区人口生育率迅速上升，从而延缓了这些地区人口老龄化的进程。关于人口流动迁移对生育意愿和生育行为的影响，西方人口学家提出了若干理论解释，形成了社会化（同化、适应）理论和分离理论等。社会化理论认为迁移人口在城市目的地有一个社会化过程。迁移人口的生育率起初会高于城市人口的生育率，只有经历一两代之后，才会逐渐与目的地城市生育率重合。分离理论认为迁移人口是一种处于游离状态中的人口，他们的生育率往往会高于目的地城市[35]。长期以来，我国将严格控制人口增长放在解决各种人口问题的首要位置，这使得广东省部分地区特别是经济较为落后的粤西、粤北地区人口出生率大幅下降，然而与此相反的是，大部分发达地区的人口出生率却保持较大幅度的增长。根据表4可以看出，1990年各地区人口出生率基本保持均衡发展的态势，除珠海（12.8‰）较低和东莞（27.4‰）、肇庆（26.4‰）稍高外，其他各城市都介于16‰-26‰之间。但是到了2010年，广东省人口出生率出现了两极分化现象，一方面，部分经济发达的地区如深圳（114.2‰）、广州（46.11‰）、珠海（32.19‰）、佛山（47.61‰）、东莞（68.96‰）、中山（61.8‰）、惠州（39.99‰）保持高位发展的态势，另一方面，部分经济较为落后的地区如云浮（9.34‰）、揭阳（3.37‰）、潮州（10.56‰）、茂名（4.37‰）、湛江（6.81‰）、阳江（6.77‰）、汕尾（5.31‰）、梅州（6.94‰）等人口出生率保持低位发展。之所以出现这种状况，是由于省内落后地区人口与省外人口向广东发达地区迁移流动，一方面大大提高了这些发达地区的人口出生率，另一方面也大大降低了落后地区的人口出生率。

3.公共健康和生活质量的改善促进了老年人口比重上升

伊斯特林（Easterlin）强调公共健康的改进、普通教育的提高、新产品的引入和家庭计划服务是提高生育率和降低死亡率的5个重要方面[34]。随着社会经济和医疗服务水平的提高，人们的生活水平和生活质量大幅提升，因而可以提高人口出生率，降低人口死亡率。数据显示，从1990-2010年，广东省人口出生率大幅提升，21个地级市中，社会经济较为发达的地区出生率保持大幅增长。同时，在人口老龄化越来越严峻的形势下，广东省19个地级市中（揭阳和云浮未纳入统计），有9个市人口死亡率出现下降，这在一定程度上导致了人口年龄结构越发趋于老龄化（见表4）。