人口老龄化影响因素及未来趋势分析——以海南省为例

(海南大学经济与管理学院 海口 570228)

一、引言

根据1956年联合国《人口老龄化及其社会经济后果》确定的划分标准，当一个国家或地区65岁及以上老年人口数量占总人口比例超过7%时，则意味着这个国家或地区进入老龄化。2000年至2015年，十五年间海南省共增加65岁及以上人口29.87万人，平均每年增加2万老年人口，65岁及以上人口占总人口的比重上升了1.34个百分点，人口年龄结构已从成年型进入老年型。

我国的学者多倾向认为，人口老龄化对我国社会经济发展的影响是既有挑战也有机遇的，而且挑战是大于机遇的，也就是认为我国的人口老龄化问题将会对社会，文化，经济以及科技发展等等方面产生比较深刻的影响。为目前，国内学者大多研究人口老龄化对于社会的影响，如王志宝(2015)等人对比中美日韩4个国家人口老龄化区域演变特征，发现：①人口老龄化区域演变的影响因素大致分成4类：区位效应、社会保障、经济发展和人口惯性；②经济差异直接导致区域人口老龄化的两极分化；孙蕾(2015)等人运用panel data模型对中国省域面板数据研究中国人口老龄化的特征，发现：老龄化程度存在显著的差异，人均GDP对老龄化的影响为正。李乐乐(2017)认为我国的中部、东部、西部的 发展具有非均衡的特点。人均GDP对人口老龄化的影响最大，城市化率对中部地区和西部地区的人口老龄化影响较大。王录仓(2016)等人应用变异系数和地理探测器分析方法，研究中国人口老龄化的影响因素，发现：①东北部分边境和内陆地区增长速度高于沿海地区，老龄化水平较高的地区增长速度较慢，而水平较低的区域增长速度较快；②影响人口老龄化时空变化的首要因素是基期老年人口比重和人口年龄结构的更替，而人口流动也是影响区域人口老龄化格局的重要因素。

本文将以海南省为例，通过借鉴国内外相关文献建立较为全面客观的人口老龄化影响因素指标体系。考虑到海南省部分统计数据不可得，导致样本量较小的情况，本文通过基于灰色系统理论，通过灰色关联分析以及主成分分析得出影响海南省人口老龄化的主要因素和主成分。并且建立GM(1,1)模型预测未来五年海南省人口老龄化趋势，即65岁及以上人口在总人口中所占比重的变化状况。最后通过分析实证结果，提出几点政策建议。

二、数据和方法说明

(一)数据来源。本文数据选自2010年至2016年《海南省统计年鉴》，和海南省统计局政务公开栏。除海南省65岁及以上人口比重数是从2010年至2016年外，其余均是2010年至2015年间数据，部分数据根据GDP平减指数进行了不变价处理。

(二)指标体系建立

1.指标选取。本文从普通教育、医疗卫生、环境、社会养老事业、经济生活水平和人口结构等6个方面中选择了12个与老龄化有相关关系的指标进行研究。表1表示了影响因素指标的选择结果。具体数据见附录一。

表1 人口老龄化的主要影响因素

三、实证分析

(一)灰色关联分析

由于按当年价格计算的以货币表现的指标，在不同年份之间进行对比时，包含各年间价格变动的因素，不能确切地反映实物量的增减变动，必须消除价格变动的因素后，才能真实地反映经济发展动态。因此，上述指标中的卫生支出、人均GDP、城镇人均消费支出等指标数据均是做过不变价处理，剔除了物价变动的影响，且单位均为万元。 关联度分析结果如表2所示：

表2 灰色关联分析结果

从上表的灰色关联分析情况可以看出，人口结构因素与海南省人口老龄化关联程度最高。但是除了卫生支出指标外，其余医疗卫生因素指标与海南省人口老龄化的相关关系相对较弱。

人口老龄化的变化是受很多因素影响的，从关联程度的不同可知，影响的程度是有所不同的。在很多情况下,人口老龄化并非是某一种因素单独作用的结果，各影响因素之间可能存在一定的相关性,从而使各影响因素所覆盖的信息范围在一定程度上有所重叠，这在宏观经济中是十分常见的现象。为了能够在解决人口老龄化过程中抓住主要影响成分,本文采用主成分分析法对人口老龄化影响因素进行统计分析。

(二)主成分分析

通过SPSS19.0软件，对影响人口老龄化的12个指标数据进行主成分分析，所得结果如表3和表4所示：

表3 主成分分析结果一

由表可知指标间存在两个主成分，并且对原始变量总方差的累计解释概率达到94.598%。

表4 主成分分析结果二

由方程中系数绝对值大小可知：教育投入、初中升学率、卫生机构数、卫生技术人员数、参与基本养老保险人数、人均GDP、城市化率、城镇人均消费支出、人口密度等指标在第1个主成分上有较高的载荷，这些指标基本上反映社会经济发展和政府政策实施对人口老龄化的作用，因此我们可以将第一主成分称为经济和政策因素。卫生支出、废水排放量等在第2个主成分上有较高的载荷，主要反映了卫生环境方面对人口老龄化的影响，可以将第二主成分成为卫生和环境因素。

由主成分分析结果可知，第一主成分即经济和政策因素，其方差贡献率为77.733%，远远大于第二主成分，即卫生和环境因素的方差贡献率。也就是说，社会的经济发展以及政府政策的制定与实施是影响海南省人口老龄化的主要成分，在海南省的人口老龄化进程中占据主导地位。

(三)灰色系统预测

1.预测

首先建立GM(1,1)模型，使用灰色系统理论及应用软件(main)对2016年之后的五年，即 2017 年至 2021 年的海南省 65 岁及以上人口占总人口的比重进行预测。预测的相关结果表5所示：

表5 灰色预测结果

根据预测结果可知，未来五年的预测值基本呈现显著上升趋势。

2.结果检验

本文同样利用灰色系统理论及应用软件(main)进行灰色预测模型的检验，灰色预测模型的相关检验结果如表6所示：

表6 灰色预测检验

由表6可知，预测的平均相对误差是0.014495%。由于对于GM(1,1)灰色预测模型来说，若相对误差的平均值小于等于5%则可认为通过了检验。因此本模型通过检验，检验结果可信。

五、结果分析和政策建议

(一)结果分析

1.灰色关联度分析结果

根据灰色关联度分析可知，首先，0-14岁人口比例和人口密度是与海南省人口老龄化关联程度最大的两个影响指标。其次，代表环境情况的废水排放量比重的增加与人口老龄化也有着很强的关联度。此外，教育、经济生活水平和社会养老事业等因素与老龄化密切相关。由于社会经济的发展，城镇化水平的提高，人们的物质和精神生活更加丰富，教育和社会保障体系也逐渐完善，使得海南省老年人的平均寿命延长，人口老龄化进程加剧。但是除了卫生支出指标外，其余医疗卫生因素指标与海南省人口老龄化的相关关系相对较弱。

2.主成分分析结果

由主成分分析结果可知，第一主成分即经济和政策因素，其方差贡献率为77.733%，远远大于第二主成分，即卫生和环境因素的方差贡献率。也就是说，社会的经济发展以及政府政策的制定与实施是影响海南省人口老龄化的主要成分，在海南省的人口老龄化进程中占据主导地位。

3.灰色系统检验

根据预测结果，未来五年内海南省65岁及以上人口比重达到了8.11%，并呈现显著上升趋势，预计到2021年，比重将接近8.16%。从数字上我们可以直观的看出，近年来海南省人口老龄化在不断加剧且形势越发严峻。政府需要积极采取措施，减少老龄化问题所带来的不利影响。

(二)政策建议

上文中已经说明社会的经济发展以及政府政策的制定与实施是影响海南省人口老龄化的主要因素，因此，本文就此提出两点建议：

第一，发展老龄产业，为老年人口服务的同时，可以刺激经济增长。老龄化带来的不利影响之一就是减少了社会劳动力的数目，从而会对经济增长产生负面影响。而老龄产业是指由老年消费市场需求增长带动而形成的产业，包括所有有关满足老年人特殊需求的生产、经营、服务等设施和经济活动。随着人口老龄化程度的加剧，老年人数量的增多，老年人的需求范围也会逐步扩大，老龄产业的市场份额在国民经济各行业中将会不断上升。因此，老龄产业很可能会成为我国经济新的增长点，

第二，巩固并完善养老保障体系。社会养老保障是国家依法对老年人基本生活予以保障的社会安全制度。它包括老年社会保险,老年社会福利，老年经济救济等,其运作特点是有政府组织实施，以保证老年人的晚年生活有可靠的保障。老年型社会要解决的重要问题是保障“老有所养”，健全并完善社会养老保障体系是实现“老有所养”的根本保证。