广西某少数民族自治县人口老龄化水平分析及预测

肖 嵩 莫春宝 何开连 罗婷玉 勾若宇 曹 亮 李 友

广西某少数民族自治县人口老龄化水平分析及预测

肖 嵩 莫春宝 何开连 罗婷玉 勾若宇 曹 亮 李 友

（桂林医学院公共卫生学院，广西 桂林 541199）

目的：分析广西某人口的老龄化特征和趋势，为制定和调整人口政策提供依据。方法：搜集和整理1990年－2010年该县三次人口普查数据，对人口老龄化系数＞60（%）、儿童系数（%）、中位数年龄（年）等老龄化相关指标进行计算和描述性分析，再利用灰色预测模型GM(1,1)对2020年各指标的值进行预测。结果：1990年－2010年，该县人口结构已由扩张型逐渐转变为收缩型，儿童少年数量明显降低，老年人口数量进一步增加，中青年人口成为主要部分；除了少年儿童系数、抚养比以及少儿抚养比逐年下降以外，其他指标均逐渐上升。模型精度检验表明，GM(1,1)预测模型达到了精度一级，具有良好的预测性能；截止到2020年该县各老龄化指标将进一步变化，变化较大的指标分别为UOI（2.97%）、老少比（103.54%）以及CH（7.626/10万）。结论：该县己经进入人口老龄化社会，人口老龄化的程度也在逐步加深。截止到2020年，全县已达到长寿区标准，老龄化形势严峻，因此当地政府应当更加重视老龄化问题，健全养老体系，发展老龄产业，以满足老龄化需求。

老化；灰色预测模型GM(1,1)；预测

引言

我国目前是全世界上老年居民人口最多的国家，也是全世界老龄化进程增长速度最高的国家，自2000年以来，我国步入老龄化，并且老龄化程度仍在加剧[1]。人口老龄化超前于社会经济发展是我国人口老龄化的重要特征，而且我国的老龄人口基数大、比重大以及老龄化的速度很快，不同于其他发达国家人口的先富后老的特点，我国的特点是未富先老。加之我国是在经济水平较低的情况下进入老龄化社会的，所以对于我国来说，老龄化问题将会带来很多挑战，人口老龄化不仅是对经济影响，对社会文化结构，消费结构等方面也会产生很大影响。老龄化导致出现劳动力的减少、基本养老保险费用支出的总额增长、社会经济和文化福利事业的进一步发展和对人口老龄化的不能相互适应等诸多社会问题[2]，成为了社会关注的焦点，因此研究和掌握人口老龄化特征及变化趋势对促进社会资源合理分配，指导和完善人口发展策略具有重要意义，以往对老龄化的研究多集中省或市级的空间尺度上，很少有研究基于县级的较小尺度对少数民族地区的人口老龄化问题进行探索。因此，本研究基于1990年－2010年的三次人口普查数据，分析了广西某少数民族自治县人口老龄化特征及变化趋势，再通过灰色预测模型GM(1,1)预测2020年的老龄化指标，以期为相关部分制定和调整人口政策提供依据。

1 资料与方法

1.1 资料来源

本研究的数据来源于《广西壮族自治区1990年人口普查资料》《广西壮族自治区2000年人口普查资料》以及《广西壮族自治区2010年人口普查资料》，部分不完整的资料可从该县统计局获得。

1.2 分析指标

为描述和分析该县人口老龄化及长寿的特征及变化趋势，本研究将选取以下指标：（1）人口学特征指标：老年人口系数（60岁或65岁及以上）、少年儿童系数、年龄中位数、老少比；（2）人口负担系数指标：老年人口负担系数、少年儿童负担系数、抚养比；（3）长寿指标：CH（每10万人口中百岁老人数）、LI（90岁以上老龄人口占65岁以上老龄人口的百分比）、UOI（80岁及以上老年人占总人口的百分比）、UOOUS（80岁及以上老年人占60岁及以上人口的百分比）。CH和LI是用于衡量极端长寿的常用指标，而UOI和UOOUS则表示大多数国家人群所能达到的一般的长寿水平[3]。

1.3 灰色预测模型GM(1, 1)

灰色系统的概念最早是由我国学者邓聚龙教授提出的。即系统内部信息已知，另一部分未知，系统内部各因素之间的关系不确定。灰色预测法是在此基础上发展形成的用于灰色系统的预测方法，其基本原理是通过对原始数据的处理来发现事物的发展规律，从而预测事物未来的发展趋势[4]。较适用于短期预测如：人口数量，航班数量，用水量预测，工业产值预测等[5]。GM(1,1)模型包含四种类型，分别为：均值GM(1,1)、原始差分GM(1,1)、均值差分GM(1,1)以及离散GM(1,1)，第一种常用于非指数或震荡序列，后三者常用于齐次指数序列，模型的原理及计算过程可参考文献[6]。本文数据不为齐次指数序列，因此均值GM(1,1)模型将用于相关指标的预测。

1.4 灰色预测模型精度检验

=2/1

表1 灰色预测模型精度等级临界值表

1.5 统计方法

利用Excel 2020对数据进行整理并计算相关指标，绘制1990年—2010年的人口金字塔。灰色预测预测模型GM(1,1)可通过灰色系统理论建模软件7.0（Grey System Theory Modeling Software，version 7.0）来实现。

2 结果

2.1 人口年龄结构特征

1990年该县人口结构呈扩张型，出生率高，少年儿童人口占比较大；但性别比差异较大，在0岁～69岁区间内各年龄段男性人口均多于女性，在70岁以后女性人口则多于男性；人口最多的区间为5岁～9岁。至2000年该县人口结构为静止型，出生率开始下降，少年儿童人口数明显减少，老年人口比重开始增大，长寿人口数量增加；各年龄段性别差异与1990年类似，但45岁～49岁年龄段性别严重不平衡，男性显然多于女性，同时该年龄段人口数量最多。到2010年该县人口结构类型已从静止型过渡到了收缩型，尽管出生人口数量有所增加但儿童少年数量却明显降低，同时老年人口进一步扩大，长寿人口数量进一步增加，中青年人口已成为主要部分；各年龄段性别差异与1990年类似并未出现性别例严重失衡的情况。如图1。

2.2 各指标计算结果

结果显示，在研究期间内除了少年儿童系数、抚养比以及少儿抚养比逐年下降以外，其余各类指标均逐渐增加，但不同指标变化程度不同。就人口学特征指标而言，1990年老龄人口系数＞60（%）、老龄人口系数＞65（%）分别为10.00%以及6.40%，均高于同期广西平均水平（8.10%，5.42%）。另外，少年儿童系数（%）、年龄中位数（岁）以及老少比（%）均高于同期广西平均水平。至2010年，各指标已变化明显，除老少比变化最显著且增幅已经超过200%外，其余各指标变化相对较小且变化率均在39%～60%范围内。老少比大幅度的增加原因主要与老龄人口增加和少年儿童数量及出生率显低有关。

同样受到人口结构变化的影响，人口负担系数指标也发生了显著的变化。1990年－2010年总抚养比与少儿抚养比正在减速下降，而老年抚养比却呈现加速上升的趋势。这表明在少年抚养负担减轻的情况下老年的抚养负担正逐步加重。该现象与广西同一时期的人口负担变化情况相同。

在研究期间，该县的各长寿指标总体呈上升趋势。1990年CH为1.329/10万，低于同期广西平均水平（2.21/10万），至2010年，已增长到5.262/10万，增长幅度接近300%。是所有长寿指标中增长趋势最大的；而增长趋势最小的是UOOUS，分别从1990年的8.74%，增长为2010年的12.14%，增长幅度仅为38.90%。另外，LI和UOI指标变化趋势也十分明显增幅均在大于100%。如表2所示。

表2 广西某县老龄化及长寿指标

2.3 灰度预测模型预测结果

2.3.1 灰色预测模型精度检验

利用人口普查数据，分别对各指标建立灰色预测GM(1,1)模型并进行了精度检验，结果如表3所示。其中，发展系数以及灰作用量是构建各指标GM(1,1)模型的白化方程的主要参数；各预测模型的平均相对误差有较大差异，最大的为老少比的预测模型（3.64%），最小的为年龄中位数的预测模型（＜0.01），表明拟合预测值与实际值之间的误差较小；各模型的灰色关联度间的差异较小，均在0.99左右，提示拟合预测数列与实际数列相关性较高，另外，各模型值均小于0.35且小概率误差等于1（＞0.95），因此综合判定各预测模型的精确程度等级达到一级，预测性能良好，可以进行外推预测。如表3所示。

表3 各指标分别构建的灰色预测GM（1,1）模型及精度检验结果

2.3.2 预测结果

利用已建立的灰色预测GM(1, 1)模型分别预测2020年该县各指标的情况，结果如表4所示。2020年的预测结果与2010年相比各指标差变化显著，在所有增长的指标中，增幅最大的前三各分别是：UOI（增幅：65.00%）、老少比（62.09%）以及CH（44.93%）；增幅最小的后三位分别是：老年抚养比（增幅：26.71%）、LI（20.99%）以及年龄中位数（1.89%）；另外，抚养比、少年儿童系数以及少年抚养比明显降低，其中少年抚养比降低最为显著，降幅为25.63%。值得注意的是，到2020年该县的老年人口数量将超过少年儿童数量，老少比为103.54%。

表4 2020年广西某县老龄化及长寿指标预测结果

3 讨论

研究发现，该县人口结构变化明显，已由1990年的扩张型逐渐转变为收缩型，儿童少年数量明显降低，老年人口数量进一步增加，中青年人口成为主要部分。广西是我国较早进入老龄化社会的少数民族地区之一[9]，人口老龄化给当地的民生保障、医疗卫生、代际关系等诸多方面带来挑战。作为经济不发达的少数民族地区，该县同样面临着人口老龄化和经济社会发展的多重压力。在1990年该县老龄人口系数＞60、老龄人口系数＞65分别为10.00%以及6.40%，表明该县已接近或进入老龄化社会（60岁以上人口比例超过10.00%或65岁以上人口比例超过7%[10]），相较于我国进入老龄化的时间却早了近十年，随着老龄化程度的加深，其变化趋势与广西及全国老龄化进程基本相同[10]。因此要用影响我国老龄化进程的因素（例如：综合生育率降低、人口预期寿命延长、城镇化水平提高等因素）去解释该县的老龄化现象可能并不全面，这提示可能还存在着其他影响该县老龄化的因素。上个世纪90年代，当地经济发展落后，就业机会相对较少，大量劳动人口选择外出就业，青壮年人口占比急剧减少，这与图1结果相吻合，因此人口的流动或许是该县较早出现老龄化的主要原因，此外，该县优越的地理环境、适宜的气候条件以及合理的饮食习惯有益于当地人群健康，特别是延缓老年相关疾病的发病率为老年人群获得更多的生存优势[11]。另一方面，逐步完善的养老保障体系为该县老年人群的健康构筑起了一道保护墙，为老年人提供了全面、持续、协同、标准化的一系列医疗和公共卫生服务，为老年的健康一路保驾护航，这方面的因素也促使了该县老龄化和长寿指数的增长。据预测到2020年该县老龄化程度还将进一步增加，但趋势却有所放缓。

1990年至2010年，少年儿童系数、抚养比以及少儿抚养比呈现逐渐下降趋势，这主要与当地前十几年间的生育率降低有关。少年儿童人口的数量在维持人群年轻化、反映人口增长活力和延缓老龄化趋势具有重要作用，自2016年广西全面实行“二孩政策”，这将会促进人口生育，提高综合生育率，缓解由于生育率降低而带来的老龄化压力。受到老龄化进程的影响，在少年抚养比降低的情况下，老年抚养比却在不断增加，预计到2020老年抚养比将会高达17.41%，此外，老少比也将高达103.54%，老年人口将会超过少年儿童数量。这主要与人口结构变化有关，受2000年出生率降低的影响，该县近十年少年儿童人口总量下降明显，而老龄人口数却稳步增加，因此出现上述现象。老年抚养比及老少比的增加，将进一步增加劳动人口的负担并增加社会养老成本，由此带来的空巢老人、独居老人、留守老人的生活照顾、赡养等问题将日益突出[12]，因此，完善社会养老保障体系、大力发展老龄产业以满足老龄化进程的需求成为急需解决的关键问题[13]。

研究发现，该县的长寿指数呈现显著先快后慢增长趋势，以往的研究表明，经济社会的发展对极端长寿具有一定的促进作用，但是这种促进作用十分有限，存在“普雷斯顿曲线”效应[14,15]，该县长寿指标的变化现象同样符合上述观点。因此，在有限的观察时间内，该县的极端长寿指标尽管会随着经济社会的发展而增长，但其增长的速率将逐渐降低。根据联合国制定的长寿地区标准，每百万人中百岁老人数量必须达到75人以上，预计2020年该县将达到长寿县的标准，即CH为7.626/10万。

老龄化是一个复杂的人口学问题，受种种因素的影响和制约，例如经济、社会、人口政策、生育、死亡和疾病等，而这些因素存在一定程度的不稳定和不确定性。为克服传统方法的局限性，减少时间序列随机性导致的偏倚，最大程度的利用原始序列信息以寻找事物的变化规律和趋势，GM(1, 1)模型常被用来对预测人口老龄化。如王宁等[16]对重庆市人口老龄化进行预测，表明重庆老龄化趋势日趋严峻，未来养老压力加大的结论。纪广月等[17]对广东省人口老龄化进行预测，结果显示广东省老年人口数量迅速增长，人口结构趋向老化。

因此本研究运用GM(1, 1)模型对该县2020年各项老龄化指标进行了预测。模型精度检验显示GM(1,1)模型预测精度较高，结果具有一定的可信度。

4 结束语

综上所述，本研究通过对该县人口老龄特征及变化趋势进行分析和预测，表明该县已进入老龄化社会并且老龄化程度还在不断加深，截止到2020年该县已达到长寿地区标准，同时老龄化形势也更加严峻，因此当地政府应当更加重视老龄化问题，健全养老体系，发展老龄产业，提供社区养老服务，以满足老龄化需求。

[1] 郝晓宁，胡鞍钢. 中国人口老龄化: 健康不安全及应对政策[J]. 中国人口·资源与环境，2010，20(3): 73-78.

[2] 刘尚希，赵福昌，侯海波. 中国人口老龄化、经济增长与社会化改革[J]. 发展研究，2020(10): 4-9.

[3]黄翌. 长寿地区判别方法综合评价与适用性[J]. 中国老年学杂志，2019，39(15): 3840-3846.

[4]王丙刚，曲波，郭海强，等. 传染病预测的数学模型研究[J]. 中国卫生统计，2007(5): 536-540.

[5]祝丽玲，孟繁君，杨迪. 基于GM(1,1)模型对我国妇幼保健指标的预测[J]. 中华疾病控制杂志，2019，23(8): 977-980.

[6]刘思峰，曾波，刘解放，等. GM(1, 1)模型的几种基本形式及其适用范围研究[J]. 系统工程与电子技术，2014，36(3): 501-508.

[7]孙娜，许小珊，冯佳宁，等. ARIMA与GM(1,1)模型对我国肺结核年发病人数预测情况的比较[J]. 中国卫生统计，2019，36(1): 71-74.

[8]刘雁灵，曹文君，李菲. 新陈代谢GM(1,1)幂模型在病毒性肝炎发病率预测中的应用[J]. 中国卫生统计，2019，36(6): 854-856.

[9]宋强玲，零东智，莫云仙，等. 广西人口老龄化对卫生服务需求及利用的影响[J]. 中国老年学杂志，2016，36(24): 6273-6274.

[10] 李静，吴美玲. 中国城乡人口老龄化发展质量: 差异和预测[J]. 宏观质量研究，2020，8(5): 1-13.

[11] Yang J. An analysis of the longevous population in Bama[J]. Chinese Journal of Polymer Science, 1992, 4(4): 351-356.

[12] 陈习琼. 基于六次人口普查数据的云南省人口老龄化分析[J]. 中国老年学杂志，2018，38(12): 3054-3057.

[13] 李明. 基于GM(1,1)模型的我国人口老龄化预测[J]. 温州职业技术学院学报，2018，18(3): 42-45.

[14] Wang S, Luo K, Liu Y, et al. Economic level and human longevity: Spatial and temporal variations and correlation analysis of per capita GDP and longevity indicators in China[J]. Archives of Gerontology and Geriatrics, 2015, 61(1): 93-102.

[15] Wang L, Li Y, Li H, et al. Regional aging and longevity characteristics in China[J]. Archives of Gerontology and Geriatrics, 2016, 67: 153-159.

[16] 王宁，张爽，曾庆均. 基于新陈代谢GM(1,1)模型的重庆市人口老龄化预测研究[J]. 西北人口，2017，38(1): 66-70.

[17] 纪广月，梁劲. 广东省人口老龄化现状、特征及发展趋势预测研究[J]. 成都师范学院学报，2020，36(5): 100-104.

Analysis and Forecast of Population Aging Level in a Minority Autonomous County in Guangxi

Objective: To analyze the the aging characteristics and trends of a certain population in Guangxi, and provide basis for the formulating and adjusting population policies. Methods: The data of the three census of the county from 1990 to 2010 were collected, and the aging population coefficient >60(%), juvenile coefficient (%), median age (years) and other aging related indexes were calculated and descriptive analysis was made. The grey prediction model GM(1,1) was used to predict the values of each index in 2020. Results: From 1990 to 2010, the population structure of the county changed from expansion type to contraction type gradually, the significantly decreasing number of children and teenager, the futher increasing number of elderly population, and middle-aged and young who become a main part of the population. In addition to the juvenile child coefficient, dependency ratio and child dependency ratio decreased year by year, the other indexes increased gradually. The accuracy test of modle showed that the GM(1,1) prediction model reached the first level of accuracy, and the prediction performance was good. By 2020, the aging indexes in this county would further change, with UOI (2.97%), the ratio of old to young (103.54%) and CH (7.626/100,000). Conclusion: The county has gotten into the aging society and the aging degree is deepening. By 2020, the whole county has reached the standard of longevity area, and the aging situation is severe. Therefore, the local government should pay more attention to the aging problem, improve the pension system, and develop the aging industry to meet the aging demand.

ageing; grey prediction model GM(1,1); forecast

D669.6; C924.24

A

1008-1151(2022)10-0172-05

2022-06-14

桂林医学院博士启动基金（20501020021）。

肖嵩（1997－），女，桂林医学院公共卫生学院在读硕士研究生，研究方向为环境流行病学。

李友（1977－），女，桂林医学院公共卫生学院副教授，研究方向为环境流行病学。