近20年重庆市老龄化格局的时空演变与驱动因素研究

佃皓楠, 刘卓轩, 高 鑫, 杨清学, 白心桂, 谭江渝

(重庆师范大学 地理与旅游学院, 重庆 401331)

人口老龄化问题是当今世界发展程度较好的国家和地区共同面临的难题。1956年,联合国发布了第一份人口老龄化研究报告——《人口老龄化及其对社会经济的影响》,标志着人口老龄化是全球面临的主要人口问题[1]。作为发展中国家,我国老龄化形势同样不容乐观,由于计划生育政策及经济的快速转型,导致人口结构快速老龄化,出现了“规模异常庞大”“未富先老”等不同于发达国家老龄化进程的突出特征。人口老龄化现象又与既有的城乡二元分异、经济社会发展区域不平衡等问题交织,使问题变得更加复杂。党的二十大报告明确指出:“实施积极应对人口老龄化国家战略,发展养老事业和养老产业,优化孤寡老人服务,推动实现全体老年人享有基本养老服务。”人口老龄化程度的加深与经济社会的健康发展息息相关,对就业结构[2]、产业结构[3]、养老服务与消费[4]等方面具有重要影响。中国人口老龄化问题现已成为政府、学者、媒体、大众普遍关注的焦点问题[5]。

人口老龄化问题一直以来是人口经济学、人口地理学、人口管理学等学科关注的重点领域。相关研究集中于三个方面:①人口老龄化的格局与演化。我国人口老龄化格局研究尺度涉及全国[6]、大区域[7]、省级区域[8]、城市[9]、县城[10,14]等尺度,广泛运用空间自相关[11]、标准差椭圆法[12]、人口重心模型[13]、Getis-Ord Gi*指数法[14]等探索性空间分析方法。对人口老龄化格局的影响因素多采用GWR模型、地理探测器等模型进行探究。例如,王录仓等[10]通过对县域角度下中国人口老龄化空间格局与区域差异的研究,指出中国县域已全面进入老年型社会,属于老年型的县域集中于内陆地区、东北地区与丝绸之路经济带沿线区;康江江等[11]选取老龄化系数、老少比作为中原地区老龄化测度指标,得到了中原地区人口老龄化空间集聚态势显著的结论。②人口老龄化的社会经济影响。这一议题主要围绕人口老龄化对社会经济的正面影响与负面影响展开。正面影响包括推动农业技术进步[15],倒逼产业结构升级、形成银发经济新经济增长点,甚至将其作为驱动经济新“三驾马车”之一;负面影响包括青壮年劳动力供给的减少,劳动力国际比较优势的丧失等。③人口老龄化的政策调控措施。人口老龄化对消费需求、劳动力供给、劳动力成本等产生影响,使税基和财政收入减少,同时人口老龄化会导致与养老相关的财政支出增加,从而对财政税收发展带来挑战。为适应人口老龄化时代的特点而实施有利于提升劳动力供给,提高全要素生产率,支撑养老服务体系发展的税收政策。

纵观现有研究,仍有两点不足:①对西部地区的关注度相对较少。少数学者对老年人口结构问题[16]、社会影响[17]等方面开展研究,对人口老龄化时空格局研究较少,且研究地区多集中在中部地区[11,18]、东部地区[19]。②人口普查数据使用较少。人口普查数据是我国人口信息资料最为全面、系统、准确可靠的数据系统,人口普查数据的使用可以较为清晰地反映研究地区人口的属性特征和人口流动的规律,更好地满足国家及地区制定相关人口政策的需要。

重庆作为我国面积最大的直辖市,肩负引领西部地区高质量发展的重任。在建设成渝双城经济圈的背景下,成渝两地将携手建成具有全国影响力的重要经济中心、科技创新中心、改革开放高地和高品质生活宜居地。然而,人口老龄化的严峻趋势已成为顺利完成国家对重庆宏观战略安排的巨大障碍。其次,重庆是我国传统的劳务输出地区,老龄化现象尤为突出和典型,其老龄化的解决方案将为中西部其他地区积累经验。最后,养老形势扩大不断倒逼养老产业的发展,养老经济将有可能成为重庆新的经济增长点。近年来,老龄化程度的不断加深给社会经济的持续健康发展造成深远影响。因此,深入揭示老龄化格局及其影响因素,积极应对人口老龄化具有重要意义。鉴于此,采用最新的第七次人口普查数据结合对比第五次、第六次人口普查数据,对重庆人口老龄化的时序演变与空间演变特征进行系统分析,探究时空演变格局的驱动因素,提出相应对策建议,以期望能够对重庆市老龄化政策调整提供理论依据,为我国中西部地区的人口发展战略与养老产业发展提供科学参考与借鉴。

1 数据来源与研究方法

1.1 数据来源

数据主要来源于第五、六、七次全国人口普查数据。依据现有研究成果,并参考国际定义,研究对象确定为重庆年龄65岁及以上的老年人口。老龄化系数为65岁及以上人口占总人口的比例。出生率、死亡率、人口惯性、人均GDP、城镇化率、教育支出、每万人拥有医疗床位人口属性数据与经济社会数据来自2001年、2011年和2021年《重庆市统计年鉴》。

1.2 研究方法

1.2.1 变异系数

为定量化比较老龄人口占比的空间差异,使用变异系数,变异系数无量纲,能客观地反映数据离散程度,变异系数越大表明老龄人口在某一尺度区域占比的空间分布差异越大,计算公式为

(1)

式中:Cv为变异系数;SD为标准偏差;MN为平均值。

1.2.2 空间自相关分析

人口地理学多用空间自相关来探讨人口要素空间规律[20],空间自相关又可以分为全局空间自相关和局部空间自相关。

1)全局Moran’sI指数计算公式为

(2)

全局Moran’sI指数的取值范围是[-1,1]。当全局Moran’sI指数为正数时,表示地理现象分布呈现空间正相关;当全局Moran’sI指数为0时,表示地理现象分布没有空间自相关性;当全局Moran’sI指数为负数时,表示空间负相关。

2)局部空间自相关主要用于分析各属性单元在空间上的分布格局,可度量每个区域与周围地区之间局部空间关联程度[21], 常用指标为LISA(local indicators of spatial association),即Local Moran’sI,计算公式为

(3)

1.2.3 地理探测器

地理探测器(geo detector,GD)是一种探测地理现象或事物空间分异性并揭示其背后驱动因子的统计学模型[22]。通过地理探测器下“因子探测器”和“交互探测器”模块定量计算不同影响因子在人口老龄化时空分布差异中的解释力,分析人口老龄化各影响因子的相对重要性。计算公式为

(4)

(5)

式中:h=1,2,…,L;h为变量或因子的分类,即分类或分区;Nh和N分别为分类h和研究区的单元数;SSW和SST分别为层内方差之和和全区总方差;q为各个影响因子的解释力。

2 重庆市人口老龄化格局的时间演变

2.1 人口老龄化发展现状

重庆市老龄人口绝对数量大、增长速度快,与中国人口老龄化的基本特点符合[23]。重庆于1994年就已进入老龄化社会。2000—2020年,重庆65岁及以上的老龄人口由251.84万人增长为547.36万人(图1),累计增长295.52万人,而重庆总人口累计增长为360.11万人,老龄人口增长占比约为82%。截至2020年末,重庆老龄人口占总人口的比例为17.08%,老龄人口占比居全国第二,说明重庆人口老龄化问题相对严重,人口红利正在逐步消失,老年人口抚养比的提高也为社会带来巨大养老负担[24]。

由表1可知,从老龄人口占比来看,2020年三大区域平均值由大到小依次为渝东北三峡库区城镇群、渝东南武陵山区城镇群、主城都市区,全市最高值出现在属于渝东北三峡库区城镇群的忠县,最低值出现在主城都市区的沙坪坝区,极差达9.42%,区县间老龄化水平差异显著;从变异系数来看,全市人口老龄化系数的变异系数为0.15,说明全市范围内人口老龄化系数的区域差异较大,三

图1 2000—2020年重庆市65岁及以上人口

表1 2020年重庆市人口老龄化系数

大区域的变异系数依次为0.08、0.11、0.28,主城都市区内老龄人口系数的空间差异最大,最高值合川区为21.15%,最低值沙坪坝区为11.98%,极差达9.17%,渝东北地区的空间差异最小。

2.2 人口老龄化时序演变特征

2.2.1 人口老龄化类型的演变

依据国际人口年龄结构划分方法,在参考林琳和马飞对人口老龄化阶段的划分标准的基础上,结合重庆市人口老龄化的实际状况,将人口年龄结构划分为5个阶段:5%～7%为成长型初期(C1),7%～9%为成长型后期(C2),9%～13%为老年型初期(L1),13%～17%为老年型中期(L2),17%及以上为老年型后期(L3)。研究发现,2000年,仅有3个区县进入老年型,即渝中区、大渡口区和江津区进入老年型初期,而其他区县仍处于成长型,该类区县又可以分为两个阶段,城口县、云阳县、黔江区、开县、巫溪县、彭水苗族土家族自治县6个区县处于成长型初期,其余区县均处于成长型后期,形成“C2-C1-L1”的格局;2010年,全市的年龄结构变为“L1-L2-C2”的格局,仅有南岸区与沙坪坝区处于成长型后期,其余各区县均进入老年型;2020年,全市各区县全部进入老年型阶段,年龄结构转变为“L3-L2-L1”的格局。由此可见,重庆市各区县人口老龄化起始时间存在差异,不同阶段的老龄化速度不同,老龄人口占比的极差不断增加,各区县之间的极差由4.98%扩大至9.42%。

为揭示重庆市人口老龄化时序演变特征,引入马尔科夫状态转移概率矩阵(表2)[26]。矩阵对角线上的元素表示地区人口老龄化阶段保持原阶段的概率,上三角元素表示地区向更深层次的老龄化阶段转移的概率,下三角元素表示地区向“年轻化”方向转移的概率。

从时间演进来看,2000—2010年与2010—2020年的两个转移概率矩阵的下三角元素均为零,说明20年来重庆市各区县年龄结构没有向“年轻化”方向

表2 2000—2020年重庆市人口老龄化阶段转化概率矩阵

图2 2000年、2010年和2020年重庆市人口老龄化类型划分

转移的趋势,两个时间段矩阵的上三角元素和对角线上的元素均大于零,可见2000—2020年期间重庆市各区县的人口老龄化阶段的转移存在两种类型,即相同阶段之间的转移与向更深层次老龄化转移两种转移类型。从发生区域转移的概率看,总体呈现出“由低向高”转变的特征,2000—2010年成长型初期(C1)向老年型初期(L1)转移的概率最大,其次是成年型后期(C2)向老年型初期(L1)的转移概率,同阶段的转移中,老年型初期的同阶段转移概率最大;2010—2020年,成年型后期(C2)向老年型初期(L1)转移和老年型中期(L2)向老年型后期(L3)转移的概率最大,同类型的转移中,仅老年型初期(L1)存在转移的小概率。从转移的区县数量来看,2000—2010年期间,大部分区县属于成年型向老年型转移,共计34个,其中成年型向老年型初期(L1)转移有27个,向老年型中期(L2)转移有7个,说明在2000—2010年这一时期,重庆市各区县的人口年龄结构以成年型向老年型转移为主,存在大幅度“老龄化”趋势;2010—2020年期间,除了2个老年型初期同阶段转移的区县,其余各区县均属于向更深层次的老龄化阶段转移,充分表明该时期重庆市各区县以向深层次老年型转移为主,人口年龄结构的“老龄化”趋势明显。

3 重庆市人口老龄化的空间演变

3.1 空间分布特征

根据2000年、2010年和2020年人口普查数据,得到“一区两群”老龄化系数演变结果。参照人口年龄结构类型的划分标准,绘制重庆市2000年、2010年和2020年人口老龄化类型区的空间分布图(图2)。

总体上,重庆市人口老龄化程度不断加深。2000年,重庆市老龄化系数为8.84%,渝中区(10.56%)老龄化系数最大,城口县(5.85%)老龄化系数最小,变异系数为0.12。全市各区县整体处于成长型后期,仅有少数处于成长型初期的区县分布在渝东北和渝东南地区。2000—2010年,重庆市人口老龄化水平不断加深,到2010年底,重庆市老龄化系数为11.56%,全市各区县全部进入老年型,大部分为老年型初期,老年型中期的区县主要分布在重庆西部。变异系数为0.14,年龄结构类型的区域差异变化不大,最高值为铜梁区(14.73%),最小值为沙坪坝区(8.28%)。2020年时,全市大部分区县进入老年型后期,少部分老年型中期的区县分布在重庆中部和渝东南地区。主城都市区由于外来青年人口较多,其老龄化不太显著,但主城都市区的边缘区域以及渝东北三峡库区城镇群的老龄化进程大大加快。从“两群”关系上看,渝东南武陵山区城镇群老龄化问题没有渝东北三峡库区城镇群严重。空间上,老龄化高值区沿长江轴线扩展,在不考虑人口机械迁入因素的情况下,地区老龄化问题同经济发展程度的相关性较强。在长江流经的渝东北地区,老龄化程度加深速度明显快于渝东南地区。渝东北地区经济发展水平强于渝东南地区,同时,渝东北地区的老龄化问题较于渝东南地区也更为严峻。

3.2 空间关联特征

3.2.1 全局自相关分析

基于Open GeoDate软件,使用一阶Rook空间权重矩阵对重庆市2000—2020年各区县老龄化系数进行空间自相关分析,分别计算出2000年、2010年和2020年重庆市人口老龄化系数的全局Moran’sI值,结果如表3所示。

表3 2000—2020年重庆市人口老龄化系数的全局自相关分析

结果表明,①2000—2020年期间,重庆市各区县人口老龄化系数的全局Moran’sI均为正值,且全部通过高显著性水平检验。充分表明重庆市各区县老龄化系数分布存在正向空间自相关性,各相邻区县的老年人口分布具有一定的相似性,即老年人口分布集聚的区县,其周边区县的老年人口分布相对集中,老年人口较少的区县,其周围区县的老年人口也相对较少。②重庆市各区县人口老龄化系数的空间分布差异随时间而发生改变。研究时间段内全局Moran’sI值逐渐上升,由2000年的0.19增长至2020年的0.49。2000—2010年,Moran’sI增长值为0.19,而2010—2020年的增长至仅为0.11,说明老年人口的聚集趋势放缓,人口老龄化系数的空间差异有所减缓。

3.2.2 局部空间相关性分析

全局自相关只能反映整体老龄化分布的集聚性,不能揭示老龄化集聚区域的具体位置及每个区域的集聚程度和种类[27]。为进一步了解重庆市各区县老年人口分布的相似与相异性,将重庆市人口老龄化格局划分成高-高、低-低、低-高和高-低4种局部空间关联类别。

高-高集聚区数量与分布随时间推移发生较大改变。2000年江津、永川、璧山、沙坪坝、江北和南岸6个区县属于高-高集聚,集中在重庆西南部呈半环状分布,全部属于主城都市区,说明此时重庆市老年人口集中在主城都市区,主要受主城都市区经济发展水平较高的影响;2010年分布较为分散,集中于重庆西北部与中部,分别为綦江、大足、潼南、垫江与涪陵,高-高集聚区分布范围向渝东北三峡库区城镇群扩张;2020年高-高集聚区数量有所增长,共有潼南、涪陵、丰都等7个区县,主要分布在渝东北三峡库区城镇群,老年人口向重庆东北部集聚的趋势明显,与大量老龄农民工返乡有一定关系。

低-低集聚区数量先降后升,但总体变化幅度不大,分布区域由重庆东北部向西逐渐转移。2000年主要分布于渝东北三峡库区城镇群的城口、巫溪、巫山、忠县4个经济发展水平相对较低的区县及其区域中心城市万州区;2010年时,该类型区县数量有一定减少,且转移至主城都市区,原来属于该类型的区县转变为不显著状态,这主要受经济发展水平的影响,主城都市区经济发展迅速,就业机会增加,促进青壮年劳动力流入; 2020年,低-低集聚区仍主要集中于此。

低-高集聚区与高-低集聚区主要分别位于高-高集聚区与低-低集聚区周围,2000—2020年期间,两者数量下降明显,2000年、2010年和2020年两者共计分别为4个、1个和1个,两者所产生的负向空间相关性对整体的空间关联格局影响较少,所以重庆市人口老龄化呈现出高高集聚和低低集聚的空间正相关特征。

4 重庆市人口老龄化驱动因素分析

4.1 人口老龄化驱动力因素的选择

人口老龄化时空演变特征的驱动力因素具有多样性与综合性[5],国内学者的长期研究表明,出生率、死亡率等人口因素对人口老龄化起着直接作用[28],人均GDP、城镇化率等社会经济因素对老龄化起着间接作用[23]。结合相关研究成果,从人口属性、社会经济两方面来选择人口老龄化的驱动力因素。

1)人口因素选择出生率、死亡率与死亡惯性3个要素。出生率和死亡率是对地区人口自然增长情况的反应,较低的出生率将降低少儿人口在总人口的比例,年轻人口增长受到限制, 老年人口占比增加, 人口老龄化现象更加明显,死亡率的下降能够引起各年龄段人口比例的变动, 尤其引起少儿人口比例和老年人口比例的变动[13]。人口惯性反映人口年龄结构自身发展情况对人口老龄化的影响,对人口老龄化的区域演变具有基础性作用。人口流动的机械迁入因素对老龄化起到重要的缓和作用,但重庆市当前老龄化问题严重,市外人口的机械迁入暂不纳入人口因素的影响要素。

2)社会经济因素选择人均GDP、城镇化率、教育支出、每万人拥有医疗床位数4个要素。人均GDP是衡量区域经济发展水平与居民生活水平的重要指标之一,经济发达区域的人口生活质量较高,为人口平均预期寿命延长提供物质基础,同时对劳动力起到吸引作用,从而影响人口结构。城镇化率的提高有利于人民享受城镇基础设施和社会保障,生活环境、医疗卫生服务的提高进一步保障老年人口身体健康,将延长人口平均预期寿命,加深人口老龄化程度[28],反映城镇化进程对老龄化的影响。教育支出越高的地区,教育发展水平相对较高,地区居民生育观念有所改变,高学历人口呈现出晚婚晚育、优生优育甚至不婚不育的现象,生育意愿呈现下降趋势[9],新生婴儿数量减少,老年人口占比相对扩大。每万人拥有医疗床位数反映医疗机构、养老机构对人口老龄化的影响,医疗床位数越多,则地区医疗水平越高,能够更好满足老年人口的就医需要,死亡率也相应降低,同时对其他地区老年人口具有一定吸引作用,导致地区人口老龄化的加剧。

4.2 人口老龄化驱动因素探测分析

4.2.1 单因子探测结果

运用地理探测器模型识别重庆市人口老龄化时空分异的关键影响因子,各影响因子2000年、2010年与2020年的解释力探测结果如表4所示,X1为出生率,X2为死亡率,X3为人口惯性,即上一轮人口普查中55～64岁人口占总人口的比例,X4为人均GDP,X5为城镇化率,X6为教育支出,X7为每万人拥有医疗床位数。

从不同时间断面来看,2000年各影响因子中每万人拥有医疗床位数的解释力最高,达到0.533,城镇化率、人口惯性和出生率分别位于第2、3和4,解释力分别为0.475、0.378和0.356,表明地区医疗发展水平是2000年影响重庆市人口老龄化时空差异的主要驱动力,人口因素各因子与社会经济因素中的城镇化因子对2000年重庆市人口老龄化空间格局具有重要驱动作用。此外,死亡率、人均GDP、教育支出的解释力分别为0.328、0.280、0.349,表明经济发展水平与教育发展水平对人口老龄化的空间差异有一定影响。2010年,随着经济发展对生育、寿命的影响趋于稳定[28],各影响因子中人口惯性跃居首位,其解释力提升到0.400,人口结构成为人口老龄化的主要驱动力。城镇化率、人均GDP、死亡率、每万人拥有医疗床位数分别位于第2、3、4、5,其解释力分别为0.329、0.317、0.310、0.307,其中每万人拥有医疗床位数排名下降最为明显,解释力降低幅度最大。2020年,各影响因子中出生率的影响强度大于其他影响因子,其解释力提升至0.495,说明出生率的下降代表青少年人口数量急剧减少,老龄人口的占比相应增加,人口出生率对人口老龄化的影响不容忽视。城镇化率、死亡率、人均GDP分别位于第2、3、4,其解释力分别为0.447、0.305、0.295,随着各地教育、医疗等公共服务设施的完善,教育与医疗水平对老年人口分布的驱动作用逐渐减弱。总体来看,2000—2020年人口因素与医疗发展水平是影响人口老龄化时空差异的主要驱动因子,各地区经济发展差距缩小,居民生活水平的逐渐提高,基础设施、就业机会、文化氛围等各外部影响因子的作用力减弱,人口因素的影响逐渐增强,人口发展的周期性明显。

表4 重庆市人口老龄化影响因素的解释力

4.2.2 交互探测结果

重庆市人口老龄化时空分异的驱动因子交互探测结果如表5所示,影响因子交互作用呈现双因子增强和非线性增强效应。2000年,影响因子交互类型为双因子增强关系的占76.19%。人口惯性同城镇化率交互作用最强,解释力为0.952,这一时期城镇化建设加快,城乡发展差异扩大,导致人口流动频繁,青壮年人口为获得就业机会,选择向城镇化率高的地区迁移,造成人口迁移源地老年人口比例上升。其他交互关系中,出生率同人均GDP、出生率同城镇化率、死亡率同教育支出、死亡率同每万人拥有医疗床位数、城镇化率同每万人拥有医疗床位数的交互作用程度均达0.9以上,说明双因子交互作用对重庆市人口老龄化时空差异的影响较强。2010年,影响因子交互类型为双因子增强关系的占95.24%,仅人口惯性同人均GDP属于非线性增强关系。其中,死亡率同教育支出交互作用最强,解释力为0.925,说明随着地区经济发展,老年人口的医疗环境逐步改良,能起到降低死亡率的作用。同时,随着教育水平的提高,为了子女享受优质教育资源,吸引大量青壮年人口,加速地区内部和地区间人口的流动[29],对缓解人口老龄化起到主要驱动作用。2020年,影响因子交互类型为双因子增强关系的占90.48%,城镇化率同每万人拥有医疗床位数交互作用最强,解释力为0.960,城镇化发展加速基础设施的完善,医疗机构床位数也随之增长,推动地区医疗水平的提高,同时部分老年人口为满足医疗需求,选择向医疗水平高的地区迁移,加重地区人口老龄化程度。总之,结合三个时间点的驱动因子交互作用探测结果,可以认为老年人口的时空分布差异不是各因子简单叠加导致,而是多种因素复杂耦合所产生的结果。

5 结论与建议

5.1 结论

基于第五次、六、七次全国人口普查数据及各年份统计年鉴数据,利用空间自相关和地理探测器法,探讨了重庆市2000—2020年人口老龄化空间分布格局的演变及其驱动因素。主要结论如下:

1)时间演化方面,重庆市人口老龄化程度总体进一步加深,向深度老龄化社会演变的趋势明显。2000—2020年间全市老年人口比重不断上升,各区县的人口年龄结构向老年型方向演化。

表5 重庆市人口老龄化驱动因子交互作用探测结果

2)空间格局演化方面,重庆市人口老龄化格局与经济发展水平呈现倒U形关系,经济发达区域的人口老龄化程度相对较低。高值区呈现由中心城区及其周边区县转向渝东北三峡库区城镇群的趋势。主城都市区及渝东南武陵山区城镇群的人口老龄化压力相对较小,但与全国的平均老龄化率相比,仍处于较高水平。

3)驱动机制方面,重庆市人口老龄化的主要驱动因素由医疗服务水平变为人口惯性及人口出生率。当前,老龄化与少子化叠加,其形势较为严峻。老龄化现象由人口因素与社会经济因素共同作用形成,影响因素间交互影响愈加普遍,其中人口惯性与城镇化率交互影响最显著。

5.2 建议

人口老龄化是重庆市经济社会发展无法回避的问题,深度老龄化是重庆市未来不可逆的发展趋势。重庆市呈现明显的区域老龄化差异特征,部分区县“未富先老”现象严重,导致经济相对落后区县的养老资源不足,加剧其社会养老负担,拉大区域间的发展差距。由此,在制定政策、编制规划时要将人口老龄问题纳入整体规划范围,推动老龄化格局与养老基础设施布局保持一致。

1)借力成渝双城经济圈建设,完善产业体系,尤其注重强化能大量提供就业岗位的服务业体系建设,吸引人口回流。积极构建有利于吸引青壮年劳动力来渝就业落户的政策体系,大力提高来渝青壮年人口的获得感与幸福感,满足其对美好生活的追求。

2)提高全市养老投入,特别是养老压力较大的渝东北三峡库区城镇群,全面打造现代化养老体系。三大区域要因地制宜分析自身人口老龄化加剧的形成原因,合理规划养老机构选址与养老资源空间布局,规范机构养老的发展。

3)积极提高生育率,避免少子化成为加剧人口老龄化的又一诱因。出台相关积极的生育政策,加大生育补贴与其他生育奖励措施力度,推动青年人口的生育意愿转化为生育行为。

4)借助新基建,完善智慧养老体系的底层架构。统一规划,立足重庆市人口现状,各部门间积极协调配合,出台健全的政策法规,制定智慧养老行业标准,对智慧养老产业的各个环节进行严格的监管,推动重庆市智慧养老向着健康化方向发展,形成新的经济增长点。