长三角地区人口老龄化时空演变格局

褚赵超, 罗 娟

(1.上海工程技术大学 高等职业技术学院, 上海 200437; 2.上海工程技术大学 管理学院, 上海 201620)

1982年7月,联合国在维也纳召开以“老年问题”为世界问题的大会,并将这一年作为“老人年”元年,人口老龄化开始受到全球关注[1]。西方国家医疗水平更高,社会保障体系更加健全,因此老龄化进程更快。中国一直存在老年人口基数大、增长快的特点。步入21世纪,由于经济迅速发展,医疗及社保体系逐步健全,预期寿命逐步延长,导致人口年龄结构迅速老化[2]。与西方国家发展不同,发达国家由于经济技术快速发展、医疗水平进步、人均寿命增长,逐渐进入老龄化社会[3]。我国由于生育水平降低、死亡率降低带来老年人口比重加大,从而进入老龄化社会,“未富先老”是我国区别于其他国家所面临的特殊人口国情。基于此,我国2016年开放二胎政策以期提高生育率调整人口年龄结构,但效果不显著,而且第一代独生子女父母进入中高龄[4]。为此,2021年开始实施三孩政策,期待解决老龄化带来的我国劳动人口减少,劳动力压力大等问题。根据表1所示,长三角地区位于长江下游地区,是经济发展的先锋地带,其社会保障体系也更加健全,人均寿命也更长,已领跑全国率先步入“深度老龄化社会”。本文通过探究长三角老年人口时空分布典型特征,为后续制定应对人口老龄化政策与措施提供借鉴与经验。

1 理论基础与文献综述

根据《人口科学辞典》关于人口老龄化的定义,在人口再生产过程中出现的由于出生率下降和平均寿命延长带来青年人口比例下降、老年人口比例上涨的动态变化过程。人口普查中将60岁及65岁均作为年龄划分的标准,但按照我国实际人口年龄结构情况与相关学者的研究,65岁是老年人口起始年龄为宜,因此本文所研究分析的老年人均指65岁以上的人口。

1.1 理论基础

1.1.1 人口转变理论

人口转变理论起源于20世纪30年代,发展于20世纪60年代,是当今世界最重要的理论之一[5]。人口变化往往伴随着出生率、死亡率、生育率等指标的变化,从“高出生率,高死亡率,高生育率”到“低出生率,低死亡率,低生育率”的转变,反映出人口再生产类型由传统向现代的转变。

以兰德里、汤普逊、诺特斯坦为代表的西方学者提出人口转变理论来分析和归纳各个阶段人口发展的特征。1909年法国人口学家兰德里在《人口的三种主要理论》中提出,人口发展可以划分为3个序列,第一原始阶段,第二过渡阶段,第三现代阶段。而后在此基础上,各国人口学者对人口转变理论做出相关补充与完善。根据理论可以看出,人口发展会经历3个过程,“高出生率,高死亡率,高自然增长率”-“低出生率,高死亡率,高自然增长率”-“低出生率,低死亡率,低自然增长率”[6]。从人口转变理论可以看出,目前我国人口老龄化的成因,出生率、死亡率都处于低位,运用重心分析、标准差椭圆分析等方法可以科学计算老龄发展情况[7]。

1.1.2 人口空间聚集理论

在一个开放的空间,人口年龄结构不仅受到当地人口年龄结构变化的影响,还与流动人口情况关系密切。通过分析不同年龄层次人口流动有助于分析各地区老龄化的发展状况。人口空间聚集理论将老龄化分为3个类型:第1种类型是残留聚集,是指劳动人口外流造成老年留守人口的残留;第2种类型是替代聚集,是指老龄人口的流入及非老龄人口的流出;第3种类型是汇合聚集,是指老龄及非老龄人口的共同流动。

1.1.3 人口质量理论

1844年,马克思、恩格斯开始研究人的本质,认为人是自然届存在物[8]。人口质量理论包括自然素质和社会素质,社会素质的重点体现在身体素质、思想素质、文化素质3方面。身体素质受到遗传基因、生存环境、物质条件等因素的影响;思想素质与阶级地位息息相关,通过物质交换关系形成伦理理念;文化素质被认为是伴随着生产力的不断发展,机器会逐步取代人力,劳动者要不断提高自身素质、知识水平、技术技能等。马克思恩格斯也认识到社会经济发展对人口质量产生重要影响,经济发展会促进人口质量的进步,反之,则会抑制。

1.2 文献综述

西方国家人口老龄化现象出现较早,尤其是法国在这方面起步很早,目前世界各地老龄化发展程度不同,因此国内外学者从不同角度,针对不同区域开展研究。

1.2.1 国内文献综述

20世纪70、80年代我国开始实行计划生育国策,有学者开始探索人口老龄化的问题,但基本持积极态度,但进入21世纪,老年人口占比增大,老龄化问题开始受到广泛的关注。我国对于人口变动的研究从平面角度开展,多关注人口对于经济、社会层面的效应影响,而后逐渐向空间角度发展,包括国内外人口迁徙、国内区域内外差异等。

随着人口老龄化趋势加强,相关人口学者对老龄化预测的探索取得一定成果。王新贤等[9]利用探索性空间数据分析法对上海市人口老龄化的区域差异进行分析,发现老年人口分布存在空间正相关性,且显著,但空间聚集趋势明显减弱,呈现明显的从中心城域向外围城域递减的趋势。许昕等[10]以2000年及2010年南京市人口普查的数据为基准,从乡镇、街道角度出发,探索老年人空间分布格局演变特征,从圈层和街道两方面开展探索,发现圈层上呈现“跨越式”圈层扩散的空间分布特征,街道上呈现由中心城区和主城区街道向主城区街道蔓延的特征。莫龙[11]以“六普”数据为基准,运用人口老龄化和经济发展协调指数(ageing and economics coordination index,AECI)法、人口模拟等方法,测算人口老龄化对人口发展的影响,提出我国人口发展战略应该将人口老龄化为首要位置,必须实现人口规模压力和老龄化压力之间的平衡关系。刘涛等[12]发现公共服务对人口聚集有重要影响。晏佳惠[13]通过面板数据发现经济发展状况、城镇化率、人口增长率、性别、文盲率等都在一定程度上影响着人口老龄化率。研究发现鼓励和提倡育龄妇女生育、提高生育率可以缓解人口老龄化发展趋势[14]。

1.2.2 国外文献综述

Alhassan Issahaku和Neysmith[15]通过探讨西非人口老龄化的城乡及性别分布差异以及老年人口历史职业等因素,预测西非人口老龄化发展趋势,分析人口老龄化对住房、收入、健康保障等方面的影响,为西非人口政策制定提供经验借鉴[15]。Shimasawa 和Hosoyama[16]通过构建一般均衡重叠世代模型发现,老年人口主要分布在中心城区和较偏远的农村地区,中心城区年轻人迁出也造成老年人口密度大。部分外国学者研究发现,随着人口老龄化程度的不断加深,原有的福利水平、退休年龄、交款率将不再适用,未来国家对于养老保险金的支付会增加,应该积极引导企业、个人和社会组织共同参与社保体系的构建。人口老龄化导致社会劳动力参与率降低,变化趋势与经济增长呈现倒“U”形关系,经济增长与人口老龄化率之间存在先上升后下降的趋势。

基于中外文献研究发现,以往研究多集中在人口预测、经济社会关系、人口政策等方面。近年来,从人文地理学角度对老龄化研究也逐步增多,侧重点多集中于流动人口迁移、省际流动等,既有全国尺度、省际尺度,也有县区、街道等尺度。

根据普查数据,2000年长三角地区65岁以上老年人口数为16 917 260人,占人口总量的8.70%;2010年长三角地区65岁以上老年人口数为22 056 182人,占人口总量的10.23%;2020年长三角地区65岁以上老年人口数为35 501 303人,占人口总量的15.09%,已进入“深度老龄化社会”。据预测,21世纪中叶将步入“超级老龄化社会”。目前学术界针对长三角地区的研究大多集中在老龄化与经济社会发展趋势预测、影响因素等方面。以往研究中,以区域间空间差异性比较为主的研究有待进一步加强。

2 人口老龄化时空分异格局

2.1 数据来源及研究方法

基于国家统计局的“五普”“六普”“七普”数据,以长三角地区65岁以上老年人口为研究对象,上海以区,浙江、江苏、安徽省以市为研究空间单元。人口普查数据包括所有年龄段人口的位置信息,并且划分户籍、非户籍人口,以人口邮政编码数据来确定人口的空间分布,而后落实到地理空间数据库中。通过空间自相关分析可以判断老年人口地理空间分布情况,首先运用空间分析软件GeoDA 对长三角地区各区/市的邻近情况开展分析,然后采用全局和局部自相关模型判断该地区老龄化人口的时空分异特征。

全局空间自相关分析计算莫兰指数Moran’sI,指数为正表示老年人口在空间上呈现正的空间自相关,即高值(低值)与高值(低值)相邻;指数为负表示老年人口在空间上呈现负的空间自相关性,即高值与低值相邻,具体计算公式为

(1)

(2)

局部空间自相关分析计算莫兰指数Moran’sI(Ii),用于测度研究方向是否会对周围区域产生辐射作用,LISA(cluster and outlier analysis,聚类与异常值分析)聚类地图分为“高-高”“高-低”“低-低”“低-高”4类。具体计算公式为

(3)

(4)

LISA聚类地图可以判断人口聚集程度,“高-高”表示不仅该地区老龄化水平高,周边地区水平也很高,相反,“低-低”单元就是老龄化水平较低单元在空间上集聚分布的区域,“高-低”和“低-高”单元表示高值(低值)区域被低值(高值)区域包围,第Ⅰ、Ⅲ象限表示正相关性,即相似值类聚,第Ⅱ、Ⅳ象限表示负相关性,即相异值类聚,若点随机分布在坐标系里,则表示研究变量不存在空间自相关性。

2.2 人口老龄化空间分布特征分析

采用空间自相关性分析方法,运用Geoda软件分别绘制2000—2020年长三角地区人口老龄化程度的莫兰散点图(图1),并进行LISA聚类分析来检验长三角地区老年人口对于空间的依赖程度。

长三角地区老年人口各区/市之间存在明显差异,老龄化程度与变化趋势也有差别。如图1所示,10年间,长三角地区老年人口存在空间聚集性,上海市、江苏省、安徽省莫兰指数均为正,呈现相似值类聚的特征,浙江省莫兰指数为负,呈现相异值类聚的特征。从图1(a)和图1(e)可以看出,10年间上海各区之间老年人口存在空间上的依赖性,即老龄化程度高的区与老龄化程度高的区靠在一起,老年人口少的区和老年人口少的区靠在一起。从图1(b)和图1(f)可以看出,10年间安徽省各市之间老年人口空间依赖性较大,莫兰指数从2010年的0.26到2020年的0.37,有明显的增长,这说明邻居市域老龄化程度对于本市老龄化程度有促进作用,一个区老龄化加深会带动周边区域老龄化程度加快。从图1(c)和图1(g)可以看出,2010—2020年,江苏省各市老年人口空间依赖程度较高,且呈现出逐年增长的趋势,这说明江苏省邻市老龄化水平与本市老龄化关系密切。从图1(d)和图1(h)可以看出,浙江省老龄化程度高的地区被老龄化程度低的区域包围,老年人口在空间上呈现本区老龄化程度深,而周边地区老龄化程度低的现象,这说明浙江老年人口较集中分布在个别市,邻市老龄化程度对本市影响不大。总体上说,长三角地区近10年老龄化程度莫兰指数的绝对值呈现增长的特征,这说明老年人对于空间依赖程度逐年增加。

莫兰散点图虽然可以从整体上刻画老年人口对于空间的依赖程度,但无法精确到各市/区呈现出哪种空间聚集模式,使用局部自相关性分析的LISA聚类地图可以直观看出各地空间聚集模式。将聚类地图所示整理成表格形式,可以更清晰地看到各市/区在4个象限中的排布情况,见表2,可以看出近10年老年人口聚集情况:①高聚集区的变化是从2010年的杨浦区、徐汇区、南通市、绍兴市、芜湖市等15个市/区增加到2020年的徐汇区、苏州市、金华市、六安市等20个市/区;②低聚集区的变化是从2010年的青浦区、金山区、连云港市、嘉兴市、阜阳市等19个市/区下降到2020年的松江区、嘉定区、扬州市、泰州市、宿州市、亳州市等17个市/区;③高低聚集区的变化是上海市虹口区和长宁区分别从高聚集区和低聚集区变化到高低聚集区;江苏省无锡市从2010年的高低聚集区变化到2020年的高聚集区。这些变化说明,长三角地区邻区之间联系的紧密程度对于老年人口空间依赖性具有积极的推进作用,各区域间互动更加频繁。

表2 长三角地区老龄化程度LISA聚类结果

3 结论与建议

本文对2000—2020年长三角地区人口老龄化时空演变格局及影响因素进行研究发现:①从整体上看,长三角地区老龄化程度呈现加速加深的趋势,老龄化从内陆地区向沿海地区扩散;②具体指标进一步探讨人口老龄化空间分布情况,长三角各省有小幅增强的空间自相关性,高-高集聚区大多集中在黄浦区、苏州市、台州市、宣城市等更靠近沿海地区的城市,低-低集聚区大多集中在普陀区、徐州市等相对内陆地区,高低聚集区存在扩张趋势,随着老龄化程度加深,越来越多的城市呈现高-高聚集或者高低聚集的现象,低-低聚集区显著减少;③通过定性分析构建了影响因素指标体系,从人口年龄结构、意外事故、医疗水平、文化教育4方面寻找指标,发现自然增长率、60岁以上健康老人数、意外事故发生率、文盲率与人口老龄化呈反比,医疗卫生水平与老龄化呈正比。

针对上述结论,提出如下建议:①加大长三角内陆区养老资源投入力度,提供更好的养老环境、更优越的养老条件等吸引沿海地区老年人异地养老,缓解现有高老龄化地区的养老压力,促进区域间老龄化程度均衡发展;②加强道路安全教育,通过举办安全讲座、知识竞赛、人人都当小交警等理论与实践相结合的活动提高青年人道路交通安全意识,减少意外事故发生率;③国家建立健全免费医疗体系,让更多的人享受优质医疗资源,不断提高公民体检意识,“治已病”不如“治未病”;④提供更多生育利好政策鼓励高干高知父母生育优质孩童,国家加大教育体系资金投入,为“多孩”家庭提供教育基金,减少生育顾虑。