基于灰色理论的江苏省老龄化趋势预测及其影响因素研究

王雨欣

摘 要：当前，日益严峻的人口老龄化形势给中国带来了巨大的挑战。“十四五”期间，老年人口将突破3亿，中国将迈入中度老龄化国家行列。老龄化程度的加深，将会带来人口结构老化、总抚养比上升、养老负担过重等一系列问题。由于区域经济医疗差异，我国不同地区的老龄化程度不同。以江苏省为例，基于2010—2019年统计年鉴数据，运用GM（1，1）模型对江苏省65岁以上老年人口数量进行预测，同时利用灰色关联度模型对人口老龄化的相关因素进行关联分析，并据此提出应对江苏省老龄化问题的建议，即实施更加积极的生育政策;开发老年人力资源，发展银发经济;完善医疗与养老服务;积极发展老龄产业，满足老年群体的物质与精神需求。

关键词：江苏省;老龄化;GM（1，1）模型;灰色理论;影响因素

中图分类号：C913.6        文献标志码：A      文章编号：1673-291X（2022）18-0038-03

引言

党的十九届五中全会指出，要实施积极应对人口老龄化国家战略。科学合理的人口预测对于经济发展规划和制定正确的决策具有重要的现实意义，因此如何提高人口预测的精确度一直是研究者持续关注的问题。

灰色预测经常被用于数量较少且不能直接发现规律的数据。其通过对原始数据进行处理，生成具有较强规律性的数列，并建立微分方程模型[1]。李鲁（2020）运用灰色GM（1，1）模型预测了安徽省2018年之后的五年内65岁以上老龄人口数量[2]。徐丽丽（2019）等针对单一模型的局限性构建了灰色预测和径向基网络的组合预测模型预测山东省人口总量，验证结果表明组合模型的预测精度较高[3]。龙会典等（2017）以灰色系统理论的GM（1，1）模型和随机过程理论的Markov链模型为基础构建了一个动态GM（1，1）-Markov链组合预测模型，并将该模型用于预测广东省单位GDP能耗，预测效果较好[4]。随着研究的深入，研究者逐渐开始对人口老龄化的影响因素进行研究。毛毅（2012）研究了老龄化对储蓄的影响[5]，彭希哲、胡湛（2011）基于公共政策的视角对中国人口老龄化进行了研究，认为人口老龄化是不可避免的，强调积极应对以及对社会的组织和运行进行再设计，制定出更为高效和智慧的公共政策[6]。

本文在老龄化问题已有研究的基础上，利用GM（1，1）模型对江苏省老年人口进行预测，并利用灰色关联模型分析江苏省老龄化影响因素，最后根据预测结果和影响因素的分析提出应对老龄化的措施。

一、江苏人口老龄化现状

（一）人口老龄化日趋严重

江苏省是我国最早进入老龄化社会的地区之一[7]，人口老龄化程度仅次于上海、北京。《江苏省老龄事业发展报告》显示，截至2019年底，江苏60岁及以上老年人口为1 834.16万，占比23.32%;65岁及以上老年人口为1 330.29万，占比16.91%。2025年，江苏省老年人口比重预计将超27%。

（二）老年抚养比上升

老年抚养比指人口中老年人口与劳动年龄人口的比值[8]。江苏省自2016年以来，15～64岁的劳动力人口减少了99.49万;而65岁以上老年人口则增加了163.9万，全省老年人社会抚养比也从17.33%上升到20.58%。老年抚养比的上升意味着一个劳动力将承担更多的老年抚养人数，养老负担加重，养老和医疗保险等支出逐年增加，政府财政状况恶化。

二、實证分析

（一）数据收集

本文选取了2010—2019年江苏省65岁以上老年人口数量，具体数据如下页表1所示。

（二）模型可行性分析

计算出的相对误差<0.01，C值<0.35，小概率误差P=99.9%>0.95，模型的预测等级较好，说明用GM（1，1）模型预测江苏省老龄化程度是合理的。对GM（1，1）模型的时间响应方程中的k进行赋值，将0—15依次带入，可以预测到2020—2025年江苏65岁以上人口数量分别为1 378.17万、1 438.61万、1 501.71万、1 567.57万、1 636.32万、1 708.08万。

预测结果显示，江苏省65岁以上的老年人口数量将以每年近60万的数量递增，截至2025年将突破1 700万，比2019年的老龄人口增加了376万。庞大的老年人口数量将会给社会带来巨大压力，在一定程度上不利于江苏的经济建设与发展。

三、江苏省人口老龄化影响因素的灰色关联度分析

灰色关联分析是动态量化的比较分析方法。关联度定量描述事物之间、因素之间的关联性大小，如果事物或者因素变化的趋势基本一致则可以认为存在较大的关联度，反之，关联度较小。

通过对以往文献及相关研究确定与人口老龄化影响因素相关的八个主要因素，分别用X1，X2，…，X8表示。其中，X1为人均地区生产总值，X2为0～14岁人口数量（人），X3为城镇化率（城镇人口占总人口的比重），X4为基本养老金支出（亿元），X5为人口密度（人/平方公里），X6为性别比，X7为农村恩格尔系数（%），X8为城镇恩格尔系数（%），X0是参考数列，表示65岁以上老年人口占总人口的比重。2010—2019年江苏省上述影响因素原始数据见表2。

通过Matlab软件，计算X0与各影响因素之间的关联度大小，如表3所示。

从表3中可以看出，关联度大小排序为X3>X2>X6>X5>X1>X7>X4>X8。其中，城镇化率与人口老龄化关联度最大，与农村相比，城镇的医疗资源较为完善，生活质量较高，因此降低了老年人的死亡率，所以城镇人口老龄化较农村严重。排在第二的是0～14岁人口数量，青少年人口数量必然与老龄化有着直接的关系，目前虽然国家全面放开二胎政策，但是可以看出二胎效应并不明显，对于缓解老龄化收效甚微。

四、结论与建议

通过对江苏省65岁以上老年人口运用GM（1，1）模型进行预测分析，显示未来老年人口数量呈上升趋势，老龄化程度不断加深，江苏省面临较大的养老压力。为了应对人口老龄化带来的一系列问题，本文提出以下几点建议。

（一）实施更加积极的生育政策

从灰色关联度计算结果可以看出，老龄化与0～14岁少年儿童数量之间的关联度值为0.798，说明少年儿童数量对人口老龄化影响较大。2016年，我国开始实施“全面二孩”的生育决策，以此来鼓励生育、解决出生率下降的问题，但从近几年的情况来看，育龄妇女生二孩意愿并不强烈，放开生育政策的效果与预期相差较大。二孩生育意愿受到多方面因素的影响，其中影响较大的因素有家庭收入、孩子教育费用、是否有人帮忙照顾孩子等。因此，政府应从减小生育压力角度切入，提出鼓励二孩生育的具体建议，推动政策更好落实。例如，针对二孩生育制定奖励措施，结合区域收入水平合理设置生育奖金，可以切实减少生育二孩的经济压力，降低养育成本。实施“全面二孩”政策后，针对孩子无人看护的问题，应加快发展多种形式的婴幼儿照护服务，完善普惠托育服务体系，增加托育机构的数量。

（二）开发老年人力资源，发展银发经济

“十四五”规划首次将应对老龄化挑战上升到国家战略层次，其指出的积极开发老龄人力资源、发展银发经济具有政策指导意义，不仅可以促进老年人口再就业，填补劳动力不足的缺口，还可以增加消费和投资需求，促进经济持续健康发展。我国目前退休的专业技术人员超过80万，他们大都具备专业的知识和丰富的工作经验，仍然可以在许多岗位上继续发光发热，如果对其不能充分利用，将会造成人才的浪费。政府要发挥对老年人再就业的导向作用，出台关于开发老龄人力资源等政策性文件，调动老年人为社会经济发展服务的积极性，为老年人再就业营造良好的社会氛围。

（三）完善医疗与养老服务

党的十九届五中全会指出要健全基本养老服务体系，在健康中国战略背景下，积极探索社区养老，推进居家和社区养老服务发展。目前，我国医养结合服务机构的数量有限，不能满足老年人日益增长的养老需求。政府应投入资金支持，保障养老服务机构的运营，拓展医养结合的覆盖范围。同时，应加强医护人才队伍建设，增强其医疗服务能力，提升服务可持续性，满足老年人正常的生活照料、基础医疗救护需求，提升老年人生活质量。

（四）积极发展老龄产业，满足老年群体的物质与精神需求

党的十八大以来确立了不断满足人民对美好生活的向往的发展目标。老年人拥有美好生活的前提是达到物质与精神的满足，因此，老龄产业应作为战略性支柱产业加快发展，從而全面应对老龄化。首先，要重视老龄产业的科研。其次，面对老龄化带来的人口结构改变，政府应该完善制度供给，加大财政投入，积极推进智能化养老。最后，应积极开发适老产品，如适合老年人使用的各种电子产品，帮助老年人跨越数字鸿沟，让老年人感受到生活的便捷、精神的愉悦，从而提高老年人生活质量，刺激老年群体的消费，带动经济的可持续发展。

参考文献：

[1]  谷苏单.灰色预测模型GM（1，N）在邯郸市成安县地下水矿化度预测中的应用[D].石家庄：河北工程大学，2018.

[2]  李鲁.安徽省人口老龄化预测与分析——基于灰色GM（1，1）模型[J].洛阳理工学院学报：社会科学版，2020，（1）.

[3]  徐丽丽，李洪，李劲.基于灰色预测和径向基网络的人口预测研究[J].计算机科学，2019，（Z1）：431-435.

[4]  龙会典，严广乐.基于改进的GM（1，1）-Markov链组合模型广东省单位GDP能耗预测[J].数理统计与管理，2017，（2）：200-207.

[5]  毛毅.老龄化对储蓄和社会养老保障的影响研究[J].人口与经济，2012，（3）：91-99.

[6]  彭希哲，胡湛.公共政策视角下的中国人口老龄化[J].中国社会科学，2011，（3）：121-138+222-223.

[7]  邓世成.基于灰色多元回归模型的重庆市人口老龄化预测[J].贵州商学院学报，2018，（3）.

[8]  程承坪，吴琛.健康战略下发达国家发展养老健康产业借鉴研究——以美国、德国、日本为例[J].当代经济管理，2018，（3）：83-88.