黄 翌 , 卢显晶 , 刘潇潇 , 施沪静

(南通大学 地理科学学院，江苏 南通 226007)

0 引言

人口老龄化是二战结束以后从发达国家逐步蔓延到发展中国家的世界人口现象。根据国际标准，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，则进入了老龄化社会；达到14%即进入深度老龄化社会；达到20%则进入超老龄化社会。国际上进入超老龄化社会的国家只有日本、意大利、德国等个别发达国家，接近超老龄化社会的国家和地区均集中在较发达的欧洲。中国在1999年步入老龄化社会，2020年第七次全国人口普查数据显示，全国老龄化率达到13.5%，逼近深度老龄化门槛，已有12个省份进入了深度老龄化阶段，其中江苏南通、泰州，四川资阳、自贡等市已经进入超老龄化阶段。依据我国当前人口结构和对未来出生率、长寿水平的预测，约12～20年后，中国整体进入超老龄化社会的趋势不可避免并将持续很长时间[1-2]。

人口老龄化的影响因素可分为间接因素和直接因素。间接因素很多，如自然环境、经济发展水平、城镇化率、社会事业、受教育程度、医疗水平等，经济发达地区会吸引更多的外来人口，降低老龄化率，同时也会降低出生率和少年儿童比例，提高老龄化率。自然环境和医疗条件好的地区老龄人口寿命延长，老龄化率提高。目前研究主要集中于分析当前及预测未来老龄化程度[3-4]，或是利用地理信息技术、地统计学等工具分析地区间老龄化率差异的地理分布[5-6]，或是运用数学方法测度各间接因素以及间接因素和部分直接因素对全国或地区老龄化的贡献和影响[7-8]。针对出生、长寿、迁移等老龄化直接影响因素的综合研究主要是定性分析和全国总体的计算[9-10]。

经济、环境、教育水平、思想观念等老龄化的间接因素通过改变出生率、迁移率、长寿水平等直接因素而影响老龄化水平。当前部分研究将间接因素和直接因素统一纳入各类计量模型，不利于二者贡献的区分。此外，未采用人口统计方法，而是相关影响因素表征量的对比，不能从根本上准确计算出各因素的贡献值，并且针对地市尺度的定量计算较少。本研究着眼于影响老龄化的直接因素，依据人口统计方法计算其对345个地级及以上行政区老龄化的贡献，对比贡献差异和区域差异，从而更清晰地阐明人口老龄化的直接原因及其空间差异。

1 研究区域、数据来源和研究方法

1.1 研究区域和数据来源

研究区域是2010年中国除港澳台地区以外的地级及以上区划(包括直辖市、副省级城市、地级市、自治州、盟)。其中重庆市大城市、大农村共存的格局对结果影响较大，将其分为市辖区和市辖县两部分；海南省分为海口、三亚和其他三部分。以上共计345个行政单元。中卫市、固原市、南宁市、柳州市、崇左市、来宾市2000年和2010年管辖范围有变化，按照变化进行数据调整。

数据来源于国家统计局2000年、2010年全国人口普查，包括地市尺度的人口年龄结构、出生率、死亡率、迁移规模等。

1.2 研究方法

从老龄化率的计算方法这一根源出发，其直接影响因素为分母(总人口数)和分子(老龄人口数)。

总人口数的影响因素主要是出生人口、迁移人口和死亡人口。高出生率必然在未来出现更多年轻人口，人口迁移包括迁入和迁出。死亡人口数(死亡率、长寿率)与老龄化的关系较为复杂，因为死亡率既影响总人口数，也影响老龄人口数。当经济水平和医疗条件较落后时，年轻人死亡率较高，死亡人口数较多，不少人在未达65岁或刚步入老年就亡故，导致死亡的总人口远高于死亡的老龄人口数，降低了老龄化率；当经济水平和医疗条件较发达时，年轻人死亡率很低，年轻人若干年后转变为老龄人口乃至长寿人口的概率很高。历次人口普查表明，85岁以上人口死亡率是35岁以下人口死亡率的100～300倍，此年龄段人口比例较高则会大幅提高总人口死亡率[11-12]，同时也提高了老龄化率。因此，社会发展伴随着死亡率降低和老龄化率提高，但是步入发达社会后死亡率会上升，老龄化率则继续提高，现代社会的发达地区其长寿率、死亡率与老龄化率多呈正相关。

老龄人口数的影响因素主要是65～100年前出生人数、老龄死亡人数和老龄迁移人数，其中老龄死亡人数已讨论，65～100年前出生人数是老龄人口数的必然影响因素，属于人口自然老化过程[13]。老龄人口的迁移规模远低于中低龄人口，但也存在迁移，例如人口普查表明，北京市、深圳市2010年65～69岁人口数分别比北京市、深圳市2000年55～59岁人口数增加了2.1%和13.2%。虽然本地55～59岁人口的死亡必然存在，并且此年龄段死亡率已不低，但北京、深圳10年后的65～69岁人口显著增加。因此，老龄人口的迁移数量也会对老龄化产生影响，是研究中不可忽视的因素。因此，老龄化的直接影响因素有且只有4个，即人口自然老化、出生、迁移、死亡。

假设在人口无出生、无死亡、无迁移情况下，2010年各省份人口总数与2000年相比不会有变化，但人口老龄化程度还是会增加，因为2000年55～64岁人口到2010年都转变为老龄人口。老龄化率计算公式为：

(1)

仅考虑出生，而不考虑迁移和死亡的2010年老龄化率计算公式为：

(2)

仅考虑死亡，而不考虑出生和迁移的2010年老龄化率计算公式为：

(3)

仅考虑迁移，而不考虑出生和死亡的2010年老龄化率计算公式为：

(4)

第五次和第六次全国人口普查数据提供了各市总人口、5岁组各年龄段人口数、出生率、自然增长率、老龄化率、本市迁入人口、本省其他市迁入人口、外省迁入人口，可利用这些数据计算出2000—2010年出生、迁移、死亡人数，计算公式为：

(5)

(6)

(7)

两次人口普查只公布了各市总死亡率和总迁移人口，没有公布各市年龄别死亡人口数和迁移人口数，虽然老龄人口的迁移占总人口的迁移比例较小，但不能完全忽视，可采用以下近似的方法求解：55岁以下的年轻人死亡率极低，并且与地区发达程度密切相关，同一个省份内各个地市间的年轻人口死亡率虽然也有差异，但与发达程度差异大的省份相比，差异较小。而55岁以上的中老年人死亡率较高，除受以上因素影响外，还受到气候、水土、环境等地区自然因素综合影响[14-15]，机制更为复杂，同一个省份内各市老龄人口死亡率会有较大差距[16]。因此，以年轻人死亡率为突破口，由于2000年55岁以下人口在2000—2010年逐步转变为10～64岁人口，以各个市(州、盟)55岁以下人口数与其所在省级行政区55岁以下人口死亡率和10～65岁人口死亡率的平均值相乘，即为55岁以下死亡人数，进而求出55岁以上死亡和迁移人数。

2 结果与准确度检验及误差分析

将人口自然老化、出生、迁移、死亡4个因素对老龄化影响的变化值与无出生、无迁移、无死亡情况下老龄化值相减，即可得到4个因素对各地市老龄化水平的影响，显示了人口自然老化、出生、迁移、死亡4个因素对老龄化水平的直接提升作用(图1)。2000—2010年，人口自然老化过程将中国老龄化率从7.10%提高到14.24%，提高了100.53%，死亡的人口将老龄化率降低到10.02%，出生的人口又将老龄化率降低到8.88%。但是，各地老龄化的升高还与2000年当地老龄化率的基底值有关，例如，深圳市2000年老龄化率仅1.79%，全国最低，55岁以上人口也仅占总人口的2.89%，即使2000—2010年没有人口迁入，也没有出生和死亡对老龄化率的降低作用，深圳2010年老龄化率仍居全国最低，但老龄化率升高的幅度却达到了61.5%。综上，仅计算各因素对老龄化率的变化幅度值还不能完全反映各因素对各个地市老龄化的贡献情况，因此，进一步计算了各因素对各个地市老龄化率的变化幅度值与其原老龄化水平的关系，即提升/降低的变化率(%)(图2)。

图1 人口自然老化、出生、迁移、死亡对345个地级及以上行政区老龄化率的提升值

图2 人口自然老化、出生、迁移、死亡对345个地级及以上行政区老龄化的变化率

为检验各项数据计算的准确度，设计两种检验方法。方法一是与各地市2010年老龄化值进行对比。将相关数据代入计算由人口自然老化、出生、迁移和死亡共同构成的10年后各市人口老龄化率。计算公式为：

(8)

计算结果显示与2010年第六次全国人口普查公布的各地市人口老龄化率(65岁以上人口占总人口比例)完全一致，因为公式(8)中各值或其代数和均可通过人口普查数据获取和计算，检验的目的是验证出生、死亡和迁移等分项的计算结果。方法二是与2010年全国总体老龄化真实值对比。迁移与全国总体的老龄化无关，人口自然老化、死亡与出生是影响2000年和2010年全国总体老龄化程度差值的仅有的3个直接因素。计算结果显示，人口自然老化使2010年中国老龄化率较2000年上升了7.14%，死亡、出生分别使2010年中国老龄化率较2000年下降了4.22%和1.14%，合计老龄化率上升1.78%，而2000年和2010年中国老龄化率分别是7.10%和8.87%，上升1.77%，与计算结果相差 0.01%。造成误差的原因之一主要是2000—2010年各地市55岁以上死亡数量的不准确性，但由于54岁以下人口死亡数和死亡率远低于55岁以上人口，并且55岁以上人口的迁移率远小于年轻人口，以上两项对结果的影响较小；原因之二是全国人口普查的出生率、死亡率以1999—2000年和2009—2010年各一年作为统计时间，基于此计算的其他年份出生人数和死亡人数会有偏差，但总体较准确。

3 结果讨论

3.1 影响因素对老龄化的贡献值

汇总计算结果发现，就全国总体而言，人口自然老化是中国2000—2010年人口老龄化迅速上升的第一因素，对全国总体老龄化率提升幅度高达100.53%，对各市老龄化率的平均提升幅度为109.45%。算上死亡后，自然老化对老龄化率的提升值从7.14下降到2.92，4个直接影响因素对2010年全国总体及345个地市人口老龄化的贡献均值见表1。

表1 人口自然老化、出生、迁移、死亡对2010年人口老龄化的贡献

3.2 影响因素贡献的空间分布格局

从图2发现，人口自然老化、出生、迁移、死亡4个因素对各地市老龄化率的提升或降低作用存在明显的区域聚集效应，如人口自然老化对老龄化率提升的高值集中在西部地区。

3.3 死亡对老龄化的降低作用与预期寿命的关系

为了明晰集聚效应的区域，利用聚类和异常值统计法绘制聚类图(图3)。图3显示，人口自然老化对老龄化率的提升率存在非常明显的东西部对立格局，高值集中分布在西北地区，而低值则聚集在东南沿海省份。人口自然老化与死亡总是相伴存在，死亡对老龄化的影响在中国所有地区均呈负相关，正是死亡大大降低了人口老龄化进程，这是因为虽然死亡对老龄化率的分子和分母同时具有降低作用，但老龄人口死亡率远高于低龄人口，导致分子与分母下降的值几乎相等，而原本分母数值是分子的10～20倍，造成分子下降幅度高于分母，一般会导致分数值下降。只有在瘟疫、战争等极端情况下，中低龄人口的死亡数量达到老龄人口死亡数量的数倍，多数人活不到65岁时，死亡才会增加老龄化率。死亡对老龄化作用的地区差异与人口自然老化类似，死亡对老龄化的降低率与地区预期寿命呈负相关，人口普查中，西藏、青海、云南、宁夏、贵州、甘肃的预期寿命排在末位，其人口死亡对老龄化的降低作用最显著。

图3 人口自然老化、出生、迁移、死亡对老龄化影响的聚类

3.4 出生率对老龄化的贡献差异

出生对老龄化的降低率形成明显的“四角分布”格局，高值集中分布在西北的新疆、甘肃、宁夏和西南的广西、贵州、海南等地；低值集中分布在东北地区、华北的京津地区、胶东地区以及江浙沪地区。这与各地区出生率密切相关，以上4个区域分别是中国出生率最高和最低的地区。各直接影响因素对人口老龄化的贡献差异是研究和争论的焦点。人民日报于2017年8月20日发文讨论我国的人口老龄化问题，反驳了计划生育政策是中国人口老龄化根本原因的观点，并认为全球寿命普遍延长是现代人口老龄化的推动因素，低出生率加快了人口老龄化速度，但也减少了未来老年人口的规模，并缩短了老年人口规模处于较高水平的时间[17]。表1显示，人口自然老化与死亡对2010年中国人口老龄化的贡献达到70.7%，出生的贡献占27.6%，其中出生率较低的黑龙江、吉林、辽宁和出生率较高的广西、云南、贵州，2000—2010年出生对老龄化的降低值分别为0.981，1.054，1.227，1.827，1.963，2.230，两类地区对比，出生对老龄化的降低作用差别为1.249百分点。虽然2000—2010年这一较短时期出生差异对老龄化的降低作用不显著，但出生率具有惯性效应，一旦降低后再提升十分困难，数十年的低出生率可能会对老龄化率产生明显影响。在低出生率地区中，京津和长三角存在大量人口迁入，补充了人口规模；而东北地区不仅出生率低，人口总体为迁出模式，老龄化程度迅速升高，东北地区的低出生率应引起足够重视。

3.5 迁移率对老龄化贡献的巨大差异

迁移对老龄化的作用形成了非常明显的“异常值”分布格局。除京津、长三角、珠三角等低值区外，武汉、成都、贵阳、西安等成为异常值，即被周边高值包围的低值，这是由于以上地区虹吸了大量周边人口，形成了鲜明反差，而贵阳更是高值区中的低值区，这是由贵州除贵阳以外的地区大规模人口迁出所导致。虽然迁移率与全国总体的老龄化无关，但区域之间的差异十分显著，人口迁移对老龄化降低最显著的城市是苏州，大量的迁入人口使苏州人口老龄化率从2000年的9.58%下降到2010年的8.50%。此外，多数地市人口迁出大于迁入，提高了这些地区的老龄化率。

4 结论

人口自然老化是影响老龄化的主导因素，但自然老化和死亡只受人口年龄结构、生活和医疗水平影响，中短期内不会有明显变化，而出生率会随着经济的发展而降低。因此，人口老龄化程度不断加深并进入超老龄化社会是未来中国社会发展的必然过程。

人口自然老化、死亡、出生3个因素表现出明显的空间聚集效应，人口自然老化对西部地区老龄化的升高作用更加明显，但西部地区的人口死亡不仅中和了其人口自然老化对老龄化的升高作用，而且还更明显地降低了西部地区老龄化，这两个因素的综合效应与区域人口寿命水平密切相关，反映了东西部经济和医疗水平的差距。西部地区人口寿命还有较大的提升空间，提高西部地区医疗水平，延长预期寿命，可降低人口自然老化和死亡对西部地区老龄化“大起大落”的作用，虽然会提高西部地区老龄化程度，但这也是社会进步的标志。

出生对西南的桂贵琼3个省份以及西北地区人口老龄化的降低作用显著，而对东北和京津、长三角等地区的降低作用较微弱。

迁移表现出的空间异常值效应明显，这与中国2000—2010年人口迁移格局一致，多数地市的迁入人口少于迁出人口，在江苏省形成了江南五市与江北八市的鲜明对比，在中西部形成了省会城市迁入与周边地市迁出的反差格局。