1. 引言
我国的老龄化形势严峻，我国社会在未来较长一段时间内的一个重要特征将是人口老龄化。党和政府始终高度重视这一人口老龄化现象。密切关注我国老龄化趋势引发的各种问题，提出各项政策以求积极应对人口老龄化，以应对我国当前严峻的养老挑战，党的二十大着重指出：“需积极落实应对人口老龄化的国家战略，促进养老事业与养老产业的协同发展，提升孤寡老人服务水平，力求确保所有老年人都能获得必要的养老服务。”
研究人口老龄化涵盖人口学、社会学及经济学等多个领域，众多国内外学者均对此进行了深入探讨。其中，人口老龄化对经济社会产生的效应成为了学术研究的焦点之一，Futagami Koichi根据年轻人和老年人对于风险的态度上的差异，分析得出当老年人比年轻人更厌恶风险时，寿命的延长会阻碍经济中的资本积累[1]。Nicole M使用美国各州人口老龄化预定成分的变化来估计老龄化对人均GDP增长的影响，得出人口老龄化预计将减缓美国经济增长的结论[2]。由此可见，控制人口老龄化对经济增长具有积极的重要意义。在人口老龄化的空间分布方面，学者们多用Moran’s I统计量、LISA图、标准差椭圆等来研究地区人口老龄化在空间上的演变[3]-[9]。对于人口老龄化的成因及其影响因素的分析，主要从人口自然增长率与人口迁移流动两个维度进行阐述，而常用的解析手段包括灰色系统关联分析法和地理探测器等[10]-[12]。
自2000年我国正式步入老龄化社会以来，人口老龄化的日益严峻已成为我国亟待应对的现实挑战。四川省作为人口大省，常住人口总量居全国第五。当前，四川省60岁及以上老年人口规模已达1816.4万，在全国排名第三，占全省总人口21.7%，老龄化率在全国位列第七。依据国际公认的标准，当一个国家或地区65岁及以上人口占比超过7%时，即视为步入老龄化社会；若占比达到14%，则标志着进入深度老龄化阶段；占比若达到20%，则被视为超老龄化社会。四川省目前已迈入深度老龄化范畴。近年来，随着人口出生率的不断走低，城镇化步伐的加速，城乡居民的物质生活与医疗保健条件的持续改善，死亡率的进一步降低，加之作为劳动力的重要输出省份，大量青少年出省务工使得劳动年龄人口的大量流出更加剧了四川人口老龄化程度。人口老龄化的严峻形势正显著加快，对经济与社会持续和谐发展的构成挑战日益加剧。鉴于此，本文采集了2000年、2010年及2020年的人口普查资料，聚焦于市州层面，深入剖析四川省人口老龄化空间分布的特点及其背后的驱动因素。旨在为四川省有效应对老龄化危机，推进养老服务体系建设提供坚实的理论依据。
2. 数据来源与研究方法
2.1. 研究区概况
四川地处中国西南地域，地形特征主要表现为盆地地貌占据主导，周围环绕着高山和丘陵。作为中国人口大省，四川省总人口超过8300万，人口基数庞大且区域分布差异显著。在经济方面，四川省经济稳步发展，特别是成都市作为省会城市，经济实力位居前列，推动了全省的经济发展。全省下辖21个地级行政单位，涵盖18个地级市及3个自治州，下辖县级行政单位总数达到183个。截至2023年的统计数据表明，四川省的城镇化率已达59.49%。这些地理、人口和经济特征为四川省人口老龄化的空间分布研究提供了背景依据。
2.2. 数据来源
本文采用65岁及以上人口数占总人口数的比作为人口老龄化系数，为了量化四川省的人口老龄化状况，本文采用第五次至第七次全国人口普查的数据作为老龄化系数的依据。影响因素的相关指标，则取自《四川省统计年鉴》及各市州的统计年鉴，而部分缺失的数据则通过查阅各市的年鉴进行补充完善。
2.3. 研究方法
2.3.1. 重心模型和标准差椭圆
地理空间分析领域常采用的一种方法是重心模型，用于计算某一现象在空间中的平均位置，即重心。通过这个模型，可以研究现象的空间集中程度和分布趋势。
利用重心模型作为基础，本文借助ArcGIS软件绘制标准差椭圆，以深入刻画空间数据的分布特性，重点聚焦于数据的方向性与扩散程度。标准差椭圆的长轴揭示了数据分布的主导趋向，而短轴则体现了与主导趋向相垂直的扩展情况。通过分析标准差椭圆，可以揭示四川省人口老龄化在空间上的集中程度和方向性分布特征，这对于了解其发展趋势具有重要意义。
2.3.2. 空间关联性
空间关联性描述了地理现象在空间上的相互关系，具体来说，它指的是某一空间单元的属性值与邻近空间单元相应属性值之间是否存在关联性。本文运用全局空间自相关分析和局部空间自相关分析两种方法，来深入探讨四川省人口老龄化现象的空间关联性。Moran’s I指数是量化全局空间自相关的常用指标,通过GeoDa软件计算和分析四川省各区域的人口老龄化数据的Moran’s I值，用以揭示人口老龄化在空间上的聚集或分散趋势，这有助于识别人口老龄化问题的空间特征，并为制定区域性应对策略提供参考依据。
然而，全局空间自相关分析虽然能展现全省人口老龄化的集聚程度以及空间分异情况，但无法得知某市域具体的空间分布类型，而局部空间自相关分析能够弥补这一缺陷。
2.3.3. 地理探测器
地理探测器是一种基于空间统计分析的工具，用于探索空间分布的驱动因素及其影响程度。其核心思想是通过将研究区域分割为多个空间单元，分析这些单元中变量的空间异质性，从而识别出哪些因素对特定空间分布特征具有显著影响。地理探测器主要涵盖四个类型：即因子探测器、交互探测器、风险评估器及生态分析器。其中，因子探测器的作用在于衡量某一因素在空间维度上对研究对象解释能力的强弱。它通过计算每个空间单元内变量的方差和总方差之比，来衡量因素对空间分布的影响程度。其结果以q统计量表示，q值越大，说明该因素对空间分布的解释力越强。
3. 结果分析
3.1. 空间分布特征
本文参考国际标准，将人口年龄结构按照老龄化系数的大小划分为5类：年轻型(低于7%)、轻度老龄化(7%~9%)、中度老龄化(9%~14%)、深度老龄化(14%~20%)、超级老龄化(20%及以上)。按照以上标准，将四川省各市州2000年、2010年及2020年的人口老龄化系数绘制成人口老龄化的空间分布图(如图1)。
Table 1. Aging level and types of aging in Sichuan Province
表1. 四川省老龄化水平和老龄化类型
年份 |
2000年 |
2010年 |
2020年 |
老龄化水平(%) |
7.44 |
10.95 |
16.93 |
市州(个) |
年轻型 |
8 |
1 |
0 |
轻度老龄化 |
13 |
2 |
1 |
中度老龄化 |
0 |
18 |
3 |
深度老龄化 |
0 |
0 |
11 |
超级老龄化 |
0 |
0 |
6 |
(a) 2000年 (b) 2010年
(c) 2020年
Figure 1. Spatial pattern evolution of population aging in Sichuan Province in 2000, 2010, and 2020
图1. 2000年、2010年及2020年四川省人口老龄化空间格局演变图
(1) 人口老龄化模式由年轻型向深度老龄化转变。
表1反映了四川省老龄化的水平演变，2000年~2020年，四川省人口老龄化平均水平由7.44%上升到16.93%，且每一时期高于平均水平的市(州)越来越多，人口老龄化模式实现了由年轻型到深度老龄化的转变。从2000~2020年，四川省21个市(州)中已不存在年轻型市域，轻度老龄化市域由13个下降到1个，中度老龄化由0个增加到3个，深度老龄化市(州)由0个增加到11个，超级老龄化市(州)由0个增加到6个，充分说明四川省人口老龄化速度快且程度深。
(2) 空间分布格局“东高、西低”，老龄化程度差异显著。
从分布格局上看，由图1可以看出，四川省人口老龄化的空间差异显著，呈现出从西向东逐渐递增的格局。2000年，四川省各市州人口老龄化的类型相对单一，仅有年轻型和轻度老龄化市域，轻度老龄化市域集中在东部的资阳市和内江市周围，西部地区大部分为未达老龄化标准的年轻型市域。2010年，四川省东部和东北部地区连片进入中度老龄化，南边的攀枝花市也从年轻型跃升为中度老龄化市域，只有西部地区的甘孜藏族自治州仍然为年轻型，未进入老龄化阶段。2020年，四川省人口老龄化程度进一步加深，在空间分布上具有“东高、西低”的鲜明特征，人口老龄化水平整体上升，各市州人口老龄化类型较2000年更为复杂，深度老龄化覆盖率达52%。眉山市、自贡市、内江市、资阳市、德阳市以及南充市进入了超级老龄化阶段，甘孜藏族自治州也由年轻型进入轻度老龄化，至此，四川省所有市州均进入人口老龄化阶段。
3.2. 人口老龄化的方向特征
基于老年人口重心模型，通过ArcGIS生成2000年、2010年以及2020年四川省人口老龄化的标准差椭圆，并选用一级标准差，计算这3个年份标准差椭圆的主要参数(见表2、图2)，重点分析人口老龄化的重心迁移方向、迁移距离以及空间分布范围。
Table 2. Main parameters of the standard deviational ellipse for population aging in Sichuan Province
表2. 四川省人口老龄化标准差椭圆的主要参数
参数 |
2000年 |
2010年 |
2020年 |
重心坐标 |
(104.55˚E, 30.20˚N) |
(104.64˚E, 30.23˚N) |
(104.72˚E, 30.25˚N) |
长半轴(km) |
295.855 |
303.92 |
305.508 |
短半轴(km) |
207.218 |
198.37 |
191.085 |
方位角(˚) |
62.31 |
49.76 |
47.82 |
椭圆面积(km2) |
192588.681 |
18931.97 |
183387.468 |
Figure 2. Standard deviational ellipse and center of gravity migration path for population aging in Sichuan Province
图2. 四川省人口老龄化标准差椭圆及重心迁移路径
(1) 重心由成都市向资阳市迁移。
从重心来看，四川省人口老龄化的重心在成都市和资阳市之间迁移，人口老龄化的初始重心位于成都市，而后逐渐向资阳市转移。2000~2010年，人口老龄化重心由(104.55˚E, 30.20˚N)向东北迁移至(104.64˚E, 30.23˚N)，到达成都市和资阳市的边界，累计移动距离10.27km。2010~2020年，人口老龄化重心由(104.64˚E, 30.23˚N)继续向东北迁移至(104.72˚E, 30.25˚N)，重心转移至资阳市，累计移动距离8.97 km。重心轨迹的变化说明了人口老龄化向东扩展的趋势，这主要是与人口预期寿命的延长和人口流入有关。2013年，资阳市荣获中国老年协会颁发的“中国长寿之乡”荣誉称号，至2020年，该市的人均预期寿命已攀升至78.31岁，超越了四川省的平均水平。而成都市人均预期寿命为77.10岁，低于四川省水平。此外，2020年，成都市出生率为7.81%，高于全省平均水平，其15~59岁人口占比高达68.74%，位居全省第一，原因在于成都市借助于省会城市的优势和战略支撑，使得成都市的经济水平和发展前景，巨大的虹吸效应吸引了其他地市的优质人口流向成都市，从而促使人口老龄化重心远离成都市而向资阳市迁移。
(2) 空间范围分布变化。
2000~2020年湖北省人口老龄化的标准差椭圆面积先从2000年的192588.681 km2下降到2010年18931.97 km2，2020年继续下降至183387.468 km2，这意味着从2000年到2020年，四川省人口老龄化的空间分布集中程度在不断提高。
(3) 空间旋转角度变化。
2000~2020年湖北省人口老龄化标准差椭圆的旋转角呈持续下降的趋势，共计减少14.9˚，从2000年到2010年下降得最多，说明整体空间分布格局不太稳定。
3.3. 空间自相关
3.3.1. 总体空间关联特征
Moran’s I值在[−1, 1]之间波动，当I > 0时，表明正空间自相关，意味着相邻区域的属性值趋向于相似；当I < 0时，表示负空间自相关，即相邻区域的属性值趋于不同；当I = 0时，表示空间独立性，则不存在显著的空间关联性。本文利用GeoDa软件对四川省各市域的人口老龄化系数进行了全局Moran’s I的计算，并实施了z检验，结果(见表3)显示，所研究的三个年份的全局Moran’s I值均超越了0，且均在5%的显著性水平下通过了检验。这表明，四川省市域人口的老龄化之间存在显著的空间正相关性，具体表现为老龄化水平相似的单元在空间上的聚集分布，意味着相邻区域间的人口老龄化水平呈现“高–高”“低–低”的聚集趋势。
Table 3. Global Moran’s I estimate for population aging coefficient in Sichuan Province
表3. 四川省人口老龄化系数的全局Moran’s I估计值
年份 |
Moran’s I |
E(I) |
Z(I) |
P值 |
2000 |
0.241 |
−0.05 |
2.9686 |
0.004 |
2010 |
0.178 |
−0.05 |
2.2539 |
0.029 |
2020 |
0.180 |
−0.05 |
2.2876 |
0.027 |
从具体数值来看，2000到2010年的人口老龄化系数的全局Moran’s I值和Z检验值下降，揭示了市域之间老年人口的集聚程度逐渐降低，空间分布差异逐步缩小，趋于均衡。而2010年到2020年的Moran’s I值和Z检验值上升，表明人口老龄化的集聚程度逐渐提高，区域之间的分布差异逐步扩大，印证了区域间人口老龄化的空间差异客观存在。此外2020年相较于2010年，Moran’s I值与Z检验值的变化幅度相对较小，这表明四川省人口老龄化在经历了空间集聚程度的初步下降后，维持了一定的连续性与稳定性。
3.3.2. 局部空间关联特征
引入一阶邻接“标准”权重矩阵，并利用GeoDa软件对人口老龄化的局部空间相关性进行聚类分析。结果如表4所示，其中，局部“高–高”分布，表明人口老龄化呈高水平集聚状态；局部“低–低”分布，表明人口老龄化呈低水平集聚状态；局部“低–高”分布，表明低老龄化水平的区域被高老龄化水平区域包围；局部“高–低”分布，表明高老龄化水平的区域被低老龄化水平区域包围；除此以外的区域未通过5%的显著性检验，表明局部相关性不显著。
Table 4. Number of regions with different types of population aging evolution in Sichuan Province
表4. 四川省人口老龄化演变类型区的个数
年份 |
“低–低” |
“低–高” |
“高–高” |
“高–低” |
个数 |
比例(%) |
个数 |
比例(%) |
个数 |
比例(%) |
个数 |
比例(%) |
2000 |
1 |
8.33 |
1 |
8.33 |
10 |
83.33 |
0 |
0 |
2010 |
0 |
0 |
1 |
11.11 |
8 |
88.88 |
0 |
0 |
2020 |
1 |
9.09 |
1 |
9.09 |
9 |
81.81 |
0 |
0 |
(a) 2000年 (b) 2010年
(c) 2020年
Figure 3. Local spatial autocorrelation aggregation map of population aging in Sichuan Province in 2000, 2010, and 2020
图3. 2000、2010、2020年四川省人口老龄化局部空间自相关聚集图
由图3可知，2000~2020年，“高–高”市域为主要的集聚类型，分别占市域总数的47.62%、38.10%、42.86%，表明人口老龄化的局部空间集聚性较强。2000~2020年，“高–高”市域的数量由10个缩减至9个，意味着四川省高老龄化水平的空间集聚性减弱，这些“高–高”市域主要分布在四川省的东部和东北部地区，以资阳市、内江市、遂宁市等市域及其临近地区为主。“低–低”、“低–高”市域的数量较少，分别只有1个左右，而三年中并未出现“高–低”类型的市域。
4. 人口老龄化影响因素分析
4.1. 因子选择
人口老龄化是人口年龄结构、社会经济等众多因素的综合影响下的结果。具体而言，四川省内不同空间单元在区位优势、经济基础、设施配套及年龄构成等方面呈现出明显的差异，这些差异导致了对老龄化问题的应对策略和所处阶段各不相同，从而面临的主要老龄化挑战也有所区别。因此，本文依据四川省各市州的实际情况进行分组，深入探讨影响其人口老龄化空间特征的各种因素。基于数据的可获得性，本文从人口变动因素、社会经济发展、医疗卫生水平3方面来选择影响因素，见表5。
Table 5. Influencing factors
表5. 影响因子
影响因子 |
指标名称 |
分割点数 |
人口变动因素 |
人口自然增长率(x1) |
4 |
人口迁移率(x2) |
4 |
社会经济发展 |
人均GDP (x3) |
4 |
医疗卫生水平 |
每千人医疗卫生机构床位数(x4) |
4 |
普通中学数(x5) |
4 |
4.2. 实证研究结果分析
由于地理探测器的自变量必须为类型量，因此需要选取间隔数量以及分类方式对驱动因子进行离散化处理。首先在SPSS中，对2000、2010及2020年自变量进行分级，选取4个分割点将每个自变量分为5类，然后用地理探测器分析2000、2010及2020年四川省人口老龄化的整体驱动因子，地理探测器的结果如表6所示。
Table 6. Detection results of population aging factors in 2000, 2010, and 2020
表6. 2000、2010和2020年人口老龄化因子探测结果
影响因子 |
2000 |
P |
2010 |
P |
2020 |
P |
人口自然增长率(x1) |
0.77*** |
0.00 |
0.71*** |
0.00 |
0.87*** |
0.00 |
人口迁移率(x2) |
0.34 |
0.26 |
0.56** |
0.03 |
0.52* |
0.06 |
人均GDP (x3) |
0.16 |
0.75 |
0.03 |
0.97 |
0.13 |
0.77 |
每千人医疗卫生机构床位数(x4) |
0.15 |
0.65 |
0.18 |
0.59 |
0.06 |
0.96 |
普通中学数(x5) |
0.56 |
0.13 |
0.30 |
0.44 |
0.27 |
0.46 |
***、**、*分别表示在1%、5%、10%水平上显著
整体来看，2000年通过显著性检验的核心决定因子是人口自然增长率(x1)，2010年和2020年通过显著性检验的核心决定因子有人口自然增长率(x1)和人口迁移率(x2)。
四川省人口老龄化的第一大决定因子为人口自然增长率(x1)，2000~2020年持续高水平显著，2020年人口自然增长率对四川省人口老龄化决定力高达0.87。2000~2020年，四川省自然增长率大体呈下降趋势，由5.1%下降至1.3%，降幅达7.51个百分点，标志着四川省人口再生产类型正由传统的高出生率、低死亡率、高自然增长率模式向低出生率、低死亡率、低自然增长率的现代模式转变。此转变过程直接导致了少儿人口比例的下降和老年人口比例的相对上升，从而进一步加速了四川省人口老龄化的步伐。
第二大决定因子为人口迁移率(x2)，在四川省人口老龄化进程中扮演了不可或缺的角色，特别是在2010年，其驱动作用尤为突出，决定力高达0.56。四川省，作为一个长期以来的劳务输出大省，其人口迁移模式对人口老龄化趋势具有深刻影响。从户籍与常住人口数据对比来看，2020年四川省户籍人口为9082万人，而常住人口仅为8367万人，表明存在显著的人口净流出，净流出量达到715万人。值得注意的是，迁移流动人口中多以青壮年人口为主，这部分人群通常是社会经济活动的中坚力量，他们的流出不仅减少了四川省内劳动适龄人口的数量，还加剧了劳动力市场的供需矛盾，进一步促使了人口老龄化的深化。
5. 结论与讨论
5.1. 结论
本文以第五次、第六次以及第七次全国人口普查为基础数据，从时空变迁视角对四川省21个市州人口老龄化空间格局进行了分析，并运用地理探测器模型研究四川省人口老龄化空间格局的影响因素，主要结论如下。
5.1.1. 四川省老龄化程度变高，老龄化程度加深，养老压力不断加剧
从四川省整体来看，通过七人普与五人普的相关数据对比不难发现，四川省老年人口相比于五人普时的数据，规模变大，比重升高，且发展速度变快。同时，从老龄化系数方面来看，相较于全国老龄化系数，四川省老龄化系数总体上逐渐升高上升速度较快。2022年老龄化系数达到18.12%，为近年来峰值。而在人口抚养比上，四川省老龄人口比例不断增加，与之相伴的便是逐年上升的老年人口抚养比。且相比于全国平均水平，四川省老年人口抚养比高于全国平均水平，社会面临的养老压力不断加剧。从地区分布看，老龄化不均衡程度加深，多数市(州)老龄化程度高于全省。特别地，有6个城市的比重超过20%，尤以资阳、自贡、南充、德阳情况更为突出，进入超老龄化阶段。
5.1.2. 四川省人口老龄化模式向深度老龄化转变，市域之间存在显著的空间正相关性
从老龄化水平演变上看，2000年~2020年，四川省人口老龄化平均水平由7.44%上升到16.93%，人口老龄化模式实现了由年轻型到深度老龄化的转变。在空间分布上具有“东高、西低”的鲜明特征，人口老龄化水平整体上升，各市州人口老龄化类型较2000年更为复杂，深度老龄化覆盖率达52%。
从全局莫兰指数上来看，3个研究年份(2000、2010、2020)的市域人口的老龄化之间存在显著的空间正相关性，在空间上表现为老龄化水平同质单元的集聚分布。从2000到2020年全局莫兰指数先下降后保持了相对平稳，说明四川省人口老龄化的空间集聚程度有所下降后保持了一定的连续性。进一步的局部Lisa图则表明，从2000~2020年，“高–高”市域的数量由10个减少至9个且主要分布在四川省的东部和东北部地区，以资阳市、内江市、遂宁市等市域及其临近地区为主。“低–低”、“低–高”市域的数量较少，分别只有1个左右，而三年中未出现有“高–低”类型的市域。
5.1.3. 四川省县区人口老龄化综合水平受多种因素共同影响
四川省人口老龄化综合水平和人口自然增长率、人口迁移率、人均GDP、每千人医疗卫生机构床位数、普通中学数等因素呈正相关关系。其中，2000年通过显著性检验的核心决定因子是人口自然增长率(x1)，2010年和2020年通过显著性检验的核心决定因子有人口自然增长率(x1)和人口迁移率(x2)。且2000~2020年，四川省自然增长率大体呈下降趋势，由5.1%下降至1.3%，降幅达7.51个百分点，人口自然增长率的下降加速了四川省人口老龄化的进程。同时2020年，四川省户籍人口为9082万人，常住人口为8367万人，人口净流出为715万人，且迁移流动人口一般为青壮年人口，大量劳动适龄人口的流出加剧了四川省的人口老龄化程度。
5.2. 讨论
人口老龄化是社会和经济发展到一定阶段的必然结果。从四川省整体来看，相比于五人普，七人普的四川老年人口比重高，老龄化程度加深，人口老龄化进程加快。同时，从老龄化的空间分布格局来看，四川省人口老龄化空间分布上具有“东高、西低”的鲜明特征。因此，为了积极面对人口老龄化，四川省应当加强经济建设，夯实物质基础，在经济发展取得一定成果的同时，应当促进经济发展与老龄化相适应。针对四川省内不同地区老龄化程度的差异，实施差异化的区域发展策略。在经济较为发达的地区，重点发展养老服务业和健康产业；在经济欠发达地区，通过产业转移和扶持，提高当地经济发展水平，积极推进延缓老龄化的政策，探索创新，完善四川省养老模式体系，减轻老龄化压力。