李少星
, 王先芝
LI Shaoxing, WANG Xianzhi
收稿日期: 2018-06-28
修回日期: 2019-01-9
网络出版日期: 2019-04-28
版权声明: 2019 地理科学进展 《地理科学进展》杂志 版权所有
基金资助:
作者简介:
第一作者简介：李少星(1983— ),男,河北宁晋人,博士,副教授,研究领域为城市地理、城市与区域规划。E-mail: lisx_198327@163.com
展开
摘要
基于第五次和第六次人口普查数据,研究了乡镇尺度上山东省人口老龄化的空间格局及其演变特征,并采用空间计量方法定量探讨了其影响因素。研究发现：① 山东省人口老龄化发展迅猛,但乡镇街道之间在老龄化水平、老年人口密度和增长速度等方面均存在非常显著的地域差异。② 按照不同的分析维度,山东省乡镇街道涵盖了丰富的人口老龄化地域类型,其中的2个类型形成了典型的空间分异格局。一类主要聚集在县级以上城市及其周边地域,总体上具有老年人口低占比、高密度、高绝对增长、低相对增长的特点;另一类是主要分布在胶东地区、黄河三角洲地区、沂蒙地区和鲁西地区等4个区域的一般乡镇,大体表现为高占比、低密度、低绝对增长、高相对增长特征。③ 空间滞后模型回归结果显示,老龄化动态演变过程的不确定性更强、影响因素更为复杂,基期老龄化基础对其影响效应不显著,经济增长速度有显著负向影响,但经济发展水平对老龄化静态格局的影响却不显著,使得乡镇尺度上老龄化空间格局的演变机制呈现出特殊性。
关键词：
Abstract
Based on the 2000 and 2010 censuses, this study examined the change of the spatial pattern of population aging of Shandong Province and its influencing factors by spatial statistical analysis and spatial econometric model at the township scale. It concluded that population aging is developing rapidly in the province, but the differences between the towns are very significant. Two types of territories with clear spatial agglomeration trends are recognized. One type is concentrated near cities and their surrounding areas, characterized by lower proportion, higher density, higher absolute growth rate, and lower relative growth rate of elderly population. The other type is towns located in the Jiaodong Peninsula area, the Yellow River Delta area, Yimeng Mountain area, and the West Shandong area, and mainly featured by higher proportion, lower density, lower absolute growth rate, and higher relative growth rate of elderly population. In contrast with the previous studies, we obtained several new findings on the driving forces of population aging in Shandong Province, reflecting the particular mechanism of change at the township scale. According to the regression results of the spatial econometric model, the population aging foundation does not have evident influence on the range of change, although it affects the static pattern in the next period, which means that the process of change is more complex and uncertain to predict than its spatial distribution. In addition, economic growth has a significantly negative effect on the spatial evolution of population aging, but the relationship between economic development level and the static aging level is unnoticeable.
Keywords：
人口老龄化是世界各国经济社会发展到一定程度后出现的普遍性趋势,也是影响国家和区域经济竞争优势的核心因素之一,更是事关人民群众生活水平的重要变量(左学金, 2012)。2016年,中国65岁以上老年人口规模已经达到1.5亿,有研究预测,到2050年将达3.49亿,占总人口比重达到26.8%(He et al, 2016)。人口老龄化不仅改变了中国经济发展的动力结构,也给当前的公共服务供给体系和供给模式带来了巨大挑战,已经成为国家战略设定的重要基点(王桂新等, 2017)。中国经济社会发展的区域差异十分显著,老龄化进程同样表现为突出的空间不均衡和地域分异特点,从空间维度探讨老龄化的发展特点与内在机制具有重要的理论和现实意义(赵东霞等, 2017)。
实际上,人口老龄化的空间格局、分异趋势及其影响因素一直受到广泛关注。以往研究多在省、市、县等较宏观层面开展相应研究,也进行了跨国或跨地区比较,总结提出了人口老龄化的东中西差异、沿海内陆差异、都市地区内外差异、圈层式结构、中心外围结构以及城乡差异等空间分异的特征规律(单良等, 2013; 张开洲等, 2014; 王录仓, 武荣伟, 刘海猛等, 2016; 王新贤等, 2016; 赵东霞等, 2017; 吴连霞等, 2018)。由于较好的数据可得性和连续性,这些成果所涉及的可定量化影响因素较为全面,所采用的研究方法较为丰富,如多元回归分析(赵东霞等, 2017; 梅林等, 2018)、可行广义最小二乘法(陈明华等, 2014)、通径分析(周春山等, 2016)、地理探测器(王录仓, 武荣伟, 2016)、空间计量模型(赵儒煜等, 2012; 杨彩萍等, 2016)、地理加权回归模型(张开洲等, 2014; 吴连霞等, 2018)、灰色关联模型(魏秀梅等, 2015)、主成分分析(袁俊等, 2007)等。
乡镇街道作为居民日常生活的重要载体和空间组织单元,在老龄事业发展和养老服务供给的布局中具有极为重要的地位和作用,在分化强度、演化过程以及内在动力机制方面与其他分析尺度可能存在较大不同,推动其受到日益广泛的关注(康江江等, 2016)。然而,受研究地域重要性和数据搜集处理难度的影响,目前镇街层面的研究对象仍主要集中在少数中心城市。于涛方(2015)论述了大城市地区老龄化问题研究的重要价值,并实证探讨了北京三圈层式的老龄化空间结构及其简要机制。谢波等(2013)对北京、上海、广州和武汉的老龄化格局进行研究,概括了它们存在的圈层、轴向、组团、飞地等差异化空间分布模式。此外,易成栋等(2014)、王纪武等(2015)、许昕等(2016)、周春山等(2016, 2018)、胡述聚等(2018)也分别对北京、广州、杭州、南京和长春等城市进行了实证研究。当然,乡镇尺度上的大范围研究也开始展开。康江江等(2016)进行多尺度对比研究,发现在乡镇尺度上河南省老龄化格局逐渐从相对明显的中心-外围结构转变为多中心-外围结构,在地区之间呈现显著的空间关联特性,而后定性分析了人口、经济、政策、公共医疗健康等因素的作用。许昕等(2017)以江苏省为例,识别出“乡镇-街道”的老龄化逆二元结构,发现空间集聚效应强化的基本趋势,但同样仅对影响因素进行了定性探讨。
可以看出,目前在乡镇尺度上的相关研究在老龄化空间分异规律方面有许多新的发现,证实了开展精细化研究的重要价值。但总体而言,目前大空间跨度的研究仍然较少,尤其是在影响因素的定量分析方面,难以满足对乡镇尺度上老龄化特征机制的认知需求。同时,目前对影响因素的定量研究实际上多是对老龄化格局的解释,而并非对其演变过程或变化程度等动态特征的分析,使研究内容仍存在一定薄弱之处。因此,探讨乡镇尺度上人口老龄化的空间格局及其演变特征,并采用恰当模型开展影响因素的定量分析,有助于更加精细识别老龄化的空间分异过程、丰富相应机制规律的理论研究,也有助于科学评价现有宏观政策思路,为拟定更加精准的老龄化对策提供参考。
山东省是中国东部地区的人口经济大省,目前65岁以上老年人口占比超出全国平均水平2.4个百分点,是全国老年人口数量最多和较早进入老龄化社会的省份之一,具有较强的典型意义和研究价值。本文以山东省域为研究范围,以乡镇街道为基本分析单元,开展老龄化时空演变和影响因素的定量研究,希望正面回应上述研究需求,并尝试提出与以往研究尺度有所不同的发现。
本文所需核心数据包括人口统计数据、地理信息数据和行政区划调整数据。其中,人口统计数据采用国家统计局公开出版的第五次和第六次山东省分乡镇街道人口普查数据(以下分别简称为“五普”“六普”),地理信息数据采用山东省国土测绘部门提供的各市县新版行政区划图、行政区划边界矢量数据、POI数据,行政区划调整数据采用山东省及各市县政府信息网、地方志、行政区划调整文件以及中国行政区划网资料(http://www.xzqh.org)。
由于乡镇级行政区划调整较为频繁,本次数据处理以行政区划调整资料为依据,对2个年份(2000、2010年)的统计数据和地理信息数据进行一致化处理,使统计数据之间及其与地理信息数据之间相互匹配。以保持统计数据原真性和确保数据间可直接对比为原则,本次处理仅对统计数据进行加总归并、不做拆分。其中,对更名、乡改镇、乡镇改街道等并不发生管辖范围变化的,直接建立数据对应关系;对乡镇拆分、合并以及部分拆并的,把拆分后和合并前所涉及的全部乡镇进行数据及地域范围的归并。地理信息数据采用GCS_WGS_1984地理坐标系统,以117°E为中央经线、选择3度分带法进行高斯投影,实现坐标系定义和投影转换。由于后续空间自相关分析限制,烟台市长岛县所辖乡镇街道和日照市岚山区前三岛乡等岛屿型乡镇街道未纳入本次研究范围。处理后共得研究样本1678个。
本文主要采用空间可视化分析、指标测度、探索性空间分析和空间计量模型等4类方法进行研究。首先,采用均值、极大值、极小值、变异系数和全局莫兰指数等测度指标,对山东省乡镇街道尺度上的人口老龄化态势进行总体分析。而后,从老龄化的强度分布、集聚水平以及增长格局3个基本维度,选择老年人口占比、老年人口密度、老年人口年均绝对增速和相对增速等指标,采用空间可视化分析和探索性空间分析方法,对山东省人口老龄化空间分异格局及其演变进行刻画。最后,通过建立人口老龄化空间格局演变的解释性框架,采用考虑空间相互作用的空间计量模型对人口老龄化格局演变的影响因素进行定量分析。
由于变异系数分析、全局和局部莫兰指数分析、空间计量模型等相应研究方法均已较为成熟,故在此不再赘述,其具体形式可参阅相关文献(闫庆武, 2011; 赵儒煜等, 2012; 王录仓、武荣伟, 2016)。在空间计量模型中,基于人口老龄化更趋向于直接相邻相关、而不是高阶相邻相关的基本判断,本文选择空间滞后模型而非空间误差模型。空间邻接关系矩阵以两区域是否共有边界为构建标准,相邻为1,不相邻为0。数据分析处理平台采用ArcGIS 10.2和GeoDa 1.12.1.59。
2000—2010年,山东省65岁以上老年人口由730.85万人增长到942.97万人,占总人口比重上升了1.72个,总规模年均增速达到25.81‰,是常住人口年均增速的4.1倍(表1)。老年人口年均增速极大值达到了168.99‰,超过常住人口增速的幅度最大可达128.92‰,可见人口老龄化速度非常迅猛。同时可以看到,人口老龄化的乡镇地域差异十分显著,尤其是老年人口密度的变异系数超过3,说明高密度区域高度集中在少数地区。老年人口占比的变异系数由0.22提高到了0.24,分化程度也进一步扩大。4项指标的全局莫兰指数均为显著正值,说明山东省乡镇人口老龄化具有空间分异特征。其中,老年人口占比和老年人口密度的全局莫兰指数均接近或达到0.6以上,且变化不大,显示出老龄化空间集聚水平的相对稳定性。两项增速指标的自相关指数较低,反映老龄化格局演化的随机性较强,或者说现有老龄化集聚格局仍存在调整变化的倾向。
表1 五普至六普山东省人口老龄化指标统计分析
Tab.1 Statistics of population aging indicators of Shandong Province, 2000 and 2010
| 时间 | 统计参数 | 老年人口比重/% | 老年人口密度/(人/km2) | 老年人口年均增速/‰ | 老年人口与常住人口增速差/‰ |
|---|---|---|---|---|---|
| 五普 | 均值 | 8.12 | 46.29 | — | — |
| 极大值 | 15.97 | 7340.36 | — | — | |
| 极小值 | 1.54 | 0.05 | — | — | |
| 变异系数 | 0.22 | 3.64 | — | — | |
| 莫兰指数 | 0.60 | 0.64 | — | — | |
| 六普 | 均值 | 9.84 | 59.72 | 25.81 | 19.52 |
| 极大值 | 22.52 | 7291.87 | 168.99 | 128.92 | |
| 极小值 | 3.50 | 0.07 | -98.46 | -96.99 | |
| 变异系数 | 0.24 | 3.16 | — | — | |
| 莫兰指数 | 0.59 | 0.65 | 0.33 | 0.39 |
联合国以4%和7%为划分标准,把国家和地区的人口年龄结构划分为年轻型、成年型和老年型。以此为基础,结合山东省的老龄化程度现状,采用等距递推法增加10%和13% 2个分级节点,把全省乡镇街道老龄化强度划分为5个层级,并相应定义为年轻型、成年型、浅度老龄化、中度老龄化和深度老龄化地区。从空间格局的演变过程看,五普时全省大部分乡镇已经进入老龄化阶段,但仍以浅度老龄化为主,到六普时中度和深度老龄化地区占据了全省主体,直观展现了老龄化进程的迅猛态势(图1a、图1b)。然而,局部空间自相关的分析显示,2个时期的老龄化强度高值集聚区始终分布在胶东、潍坊、日照、淄博等地的一般乡镇,并未发生大的格局变化,说明这些地区在老龄化进程中具备了地域分异特点(图1c、图1d)。从年轻型和成年型乡镇的分布变化看,其数量一直较低且不断减少,但主要由县级以上城市驻地或其邻近地域构成的格局保持不变,其中地级以上城市和少量县级城市的周边或延伸地区更形成了显著的低-低关联集聚区域,充分反映了快速城镇化背景下的老龄化演化特点(图1、表2)。
图1 山东省五普和六普分乡镇街道的老年人口比重及局部空间自相关对比分析
Fig.1 Spatial pattern of the proportion of elderly population and local spatial autocorrelation analysis of Shandong Province, 2000 and 2010
表2 山东省五普和六普不同人口老龄化程度的乡镇街道数量对比
Tab.2 Numbers of towns with different proportion of elderly population in Shandong Province, 2000 and 2010
| 时间 | 年轻型 | 成年型 | 浅度老龄化 | 中度老龄化 | 深度老龄化 |
|---|---|---|---|---|---|
| 五普 | 20 | 275 | 1075 | 274 | 34 |
| 六普 | 5 | 105 | 556 | 743 | 269 |
由于各个乡镇街道的区域面积相差较大,老年人口规模并不具备可比性,因此采用老年人口密度反映其集聚水平。五普和六普时山东省老年人口平均密度大体分布在50人/km2上下,根据老年人口密度数值频数特点确定分级标准,如图2所示。可以看到,五普时全省老年人口中高和高密度区域基本集中在县级以上城市及其周边,到六普时空间范围显著扩展,主要聚集于县级以上城市及其周边的基本特征却没有改变。相应地,老年人口的稀疏地区范围大幅收缩,但主要分布于鲁西北地区、黄河三角洲、胶东和鲁中山地丘陵地区的格局得到维持。局部空间自相关分析发现,显著的高值集聚区域主要分布在济南、青岛、淄博、潍坊、烟台等区域性中心城市的中心城区,低-低集聚区则以黄河三角洲、鲁西北、鲁中南和胶东丘陵地区为主,与老年人口密度分布具有较强的一致性,且在两次人口普查之间基本稳定,显示了老年人口密度分布的空间分异特性。
图2 山东省五普和六普分乡镇街道老年人口密度及局部空间自相关对比分析
Fig.2 Spatial pattern of elderly population density and local spatial autocorrelation analysis of Shandong Province, 2000 and 2010
五普至六普之间,山东省老年人口的绝对增速和相对增速平均为25.81‰和19.52‰,可按照等距分类法形成图3a和图3b所示分级方案。从老年人口的绝对增速看,中高速和高速增长乡镇除在西沂蒙地区呈现明显聚集外,整体分布较分散且主要分布在县级以上城市及其周边,高值关联区域也主要形成于地级以上城市中心城区或其周边,反映了快速城镇化背景下老年人口增长与常住人口增长的密切相关性(图3a、图3c)。而按相对增速计算,中高速和高速增长乡镇的范围进一步扩大到沂蒙山地区、胶东丘陵地区和黄河三角洲等地区,并在这些地区形成高-高关联区(图3b、图3d)。相反地,济南、青岛等部分地级以上城市和部分相对较发达的县级城市(如寿光、诸城、高密)周边反倒成为明显的低值集中区,再次印证了山东省老龄化格局演变的地域性差异。
图3 山东省五普至六普老年人口绝对增速、相对增速及局部空间自相关对比分析
Fig.3 Spatial pattern of absolute growth rate and relative growth rate of elderly population of Shandong Province and their local spatial autocorrelation analysis, 2000 to 2010
人口老龄化过程与区域发展所发生的系统性结构转变相互伴生,其影响因素是复杂多维的。但无论什么因素,最终仍需要通过对老年人口(分子)和常住人口增长(分母)产生作用而发挥效果(王录仓, 武荣伟, 2016)。因此,以往的研究重点考察了人口自然更替特征、人口迁移水平、人口年龄结构基础等人口自身因素,以及经济因素、社会因素(主要是指受教育水平、医疗卫生条件等影响人口生育观念和老年人口寿命的因素)等对人口老龄化的影响(张开洲等, 2014; 王录仓, 武荣伟, 刘海猛等, 2016; 周春山等, 2016; 梅林等, 2018; 吴连霞等, 2018)。本文基于这一基本解释框架,从人口发展、经济发展和社会发展3个方面,对山东省乡镇街道尺度上人口老龄化格局演变的影响因素进行识别和分析。
在既有文献中,人口更替特征主要采用出生率和死亡率进行刻画。但在乡镇街道尺度上,这2项指标均没有公开的数据披露。由于中国婴儿死亡率处于极低水平,未成年人口的迁移率普遍较低,因此0~14岁人口数量的变化主要来源于新生人口的变化,可以用来反映当地人口出生水平(陈友华等, 2011; 杨继生等, 2016)。死亡率难以找到相应的替代指标,但从本文的解释框架看,死亡率因素实际上已经在人口年龄结构基础(采用基期老龄化程度表示)和医疗卫生条件2项指标中得到反映,因此不再纳入。人口迁移水平采用外来人口比例表示,人口年龄结构基础用五普时65岁以上老年人口占比表示。乡镇尺度上的经济增长和经济发展水平数据同样难以获取,在此借助已广泛应用的夜间灯光影像数据加以解决,具体方法参考了Liu等(2012)的研究,基础数据来自于美国国家地球物理数据中心网站(http://ngdc.noaa.gov/eog/dmsp/download_radcal.html)。有学者用平均受教育年限、文盲率、医疗机构床位数等指标反映地区受教育水平和医疗卫生条件(张开洲等, 2014; 周春山等, 2016)。受制于数据获取难度,本文利用2012年山东省POI数据,计算出万人各类学校数、万人医院卫生院数,用于反映各地区的教育医疗资源丰富程度和服务水平。
由于本文重点考察人口老龄化空间格局演变的影响因素,而非空间格局静态特征的影响因素,因此选择五普至六普之间乡镇街道尺度上的老龄化变动数据作为被解释因素。尽管前文从集聚水平、强度分布和增长速度3个方面进行了格局分析,但实际上老年人口集聚和增长只是人口老龄化的原因或一个方面,老年人口占比的变化是更综合的评价指标,在此作为主要被解释变量。同时,结合现有数据,对六普老龄化格局的静态影响因素进行并列分析,作为动态变化机制的佐证。静态分析的解释变量相应调整为基期或当期的静态数据。综上,本文所构建的方程、被解释变量和解释变量选择及其字符代码定义汇总如表3所示。
表3 计量回归模型指标选取及代码
Tab.3 Indicators and their definition in the econometric models
| 方程 | 变量 | 考察维度 | 具体指标(单位) | 代码 |
|---|---|---|---|---|
| 方程1 | 被解释变量 | 人口老龄化格局演变 | 老年人口占比变化幅度(%) | ΔRAP |
| 解释变量 | 人口出生水平 | 0~14岁人口占比变化(%) | ΔRYP | |
| 人口年龄结构基础 | 五普时65岁以上老年人口占比(%) | FRAP | ||
| 人口迁移水平 | 外来人口占比变化幅度(%) | ΔEP | ||
| 经济发展水平 | 灯光量年均增速(%) | ΔVLI | ||
| 地区受教育水平 | 万人学校数(个) | NS | ||
| 地区医疗卫生条件 | 万人医院卫生院数(个) | NH | ||
| 地区间相互作用 | 空间滞后项 | WLAG | ||
| 方程2 | 被解释变量 | 人口老龄化静态格局 | 六普老年人口占比(%) | RAP |
| 解释变量 | 人口出生水平 | 六普0~14岁人口占比（%） | RYP | |
| 人口年龄结构基础 | 五普时65岁以上老年人口占比(%) | FRAP | ||
| 人口迁移水平 | 六普外来人口占比(%) | EP | ||
| 经济发展水平 | 六普万人灯光量(无量纲) | PLI | ||
| 地区受教育水平 | 万人学校数(个) | NS | ||
| 地区医疗卫生条件 | 万人医院卫生院数(个) | NH | ||
| 地区间相互作用 | 空间滞后项 | WLAG |
表4为包含空间滞后变量的2个方程的计量回归结果,山东省全部乡镇街道样本均参与回归。2个方程的拟合优度分别达到了0.54和0.83,说明所选取的影响因素均能在较大程度上解释人口老龄化的动态演变和静态格局。其中,方程1的解释力明显低于方程2,反映人口老龄化的动态演变机制更为复杂,或者说观测当期的地区经济社会发展特征并不能充分体现其未来老龄化趋势,乡镇街道尺度上的人口老龄化格局仍然存在一定的可变性。
表4 山东省人口老龄化格局演变影响因素计量模型回归结果
Tab.4 Regression results of the econometric models for population aging of Shandong Province
| 回归变量 | 方程1 | 方程2 |
|---|---|---|
| ΔRAP | RAP | |
| ΔRYP | -0.026813*** | — |
| RYP | — | -0.148352*** |
| FRAP | 0.00854982 | 0.643389*** |
| ΔEP | -0.0838488*** | — |
| EP | — | -0.0667621*** |
| ΔVLI | -0.0172225* | — |
| PLI | — | -6.59999E-05 |
| NS | 0.0724394*** | 0.0677682** |
| NH | 0.0501008* | 0.06076** |
| WLAG | 0.609856*** | 0.347385*** |
| R2 | 0.542195 | 0.825258 |
| 样本数 | 1678 | 1678 |
从人口自身发展的因素看,反映地区出生水平的0~14岁人口占总人口比重指标在2个方程中均表现为显著,且均为负向影响。这与现有理论和实践经验相一致,反映了人口出生水平增长能提高年轻型人口的比例、降低老年人口的相对占比,而山东省各乡镇普遍面临的出生水平下降显然对老龄化发展起到了至为重要的作用。外来人口所代表的人口迁移因素也都通过了1%的显著性水平检验,且均呈负向作用,反映了外来人口对老年人口比例的稀释作用,这主要源自于迁移人口存在的劳动力属性和年轻型特征密切,也与一般认识相符。然而,五普老年人口占比所代表的人口年龄结构基础却出现了差异性的表现。其在方程2中表现为显著的正向影响,反映了人口老龄化格局的历史依赖特征,即当前的老龄化格局对未来格局具有较大的贡献作用。但从方程1看,该指标的回归结果并不显著,说明老龄化格局尽管具有历史依赖性,但这种依赖主要来自于时代背景下的人口老龄化相对单向发展特征,对未来老龄化变化程度的影响并不显著,也说明人口老龄化的空间格局仍然充满变数。这一发现与以往在其他尺度上的研究结论存在一定区别(王录仓, 武荣伟, 2016)。
经济因素的作用在2个方程中差别明显。在方程1中,夜间灯光量增长所反映的经济增长因素对人口老龄化推进速度的影响通过了10%的显著性水平检验,说明经济增长越快的地区,其老龄化速度发展反倒越慢。其内在机制应在于经济增长所导致的人口流动,而迁移人口的年龄结构特征使老龄化程度发生相应变化,这与我们的经验性认识相一致。以往的研究更多地关注经济发展水平对人口老龄化程度的正向作用关系,但少有对两者在发展速度方面的关联研究。本文由于重点关注老龄化格局演变动态的影响因素,因此从动态指标方面构建了对应模型,所得结论对现有成果具有较好的丰富和补充作用。然而,从方程2的结果看,万人灯光量所表征的经济发展水平对老龄化程度的影响并不显著,其回归系数也极低,说明在乡镇尺度上经济发展水平因素的贡献不明显,这与相关理论认识和部分实证研究结果有一定出入(梅林等, 2018)。山东省人口老龄化进程的阶段性,以及乡镇街道之间较强的异质性特点,应是这种状态形成的根源。
社会因素对老龄化格局及其演变的影响效应与预期和大部分研究成果相一致,万人学校数和万人医院卫生院数所体现的地区教育水平、医疗卫生条件均表现出显著的正向作用。需要指出的是,考虑到数据获取难度,2个方程中统一采用了2012年截面数据来表达地区六普时的教育和医疗卫生发展程度,并未在方程1中相应使用动态变化数据。但其回归结果仍然具有明显的指示意义,反映出这两项因素对乡镇街道尺度上的老龄化静态格局及其老龄化发展速度都具有重要影响。
从空间关联作用的维度看,山东省乡镇街道之间的人口老龄化格局及推进速度同时表现出显著的空间关联效应,与前文基于探索性空间分析的结论相一致,与其他大部分成果的认识也较为吻合(王志宝等, 2015)。空间格局及其推进速度的地区关联,要求我们在实践中统筹本地和周边地区老龄化管理政策,尤其是对老龄化连片集聚地区进行密切关注和引导,综合考虑人口老龄化的区域进程和整体性政策措施。
本文从多个维度上分析了山东省乡镇街道尺度上的人口老龄化格局及其演变,并采用空间计量模型定量探讨了乡镇人口老龄化的影响因素,主要结论包括：
(1) 山东省人口老龄化进程发展迅猛,全省大部分乡镇街道均已进入老龄化阶段,但在高低、强弱、快慢等方面存在非常显著的地域差异。一方面,山东作为人口和经济大省,其老龄人口总量和年均增量更大,在调整既有产业结构、老年事业和老年产业发展布局等方面的矛盾更为突出;另一方面,较大的地域差异也能为地方经济社会发展提供一定空间回旋余地,关键是如何有预见性地识别出这些地域,并为此制定更为差异化和精准化的老龄化管理政策,这应成为未来研究的重点。
(2) 乡镇街道之间在老龄化强度、老年人口集聚水平和增长格局等不同维度上的空间特征,使山东省呈现出丰富的人口老龄化地域类型,但其中两种类型的空间分异特征明显：① 县级以上城市及其周边地域。这一地域表现出老年人口低占比、高密度、高绝对增长、低相对增长的特点,这主要是由于该类地区经济和城镇化发展迅速,使得常住人口、尤其是年轻劳动力快速集聚,导致老年人口集中的相对强度被稀释。这些地区老年设施与服务的需求总量最大,但在结构和未来趋势上并不能占据地方公共服务供给的主体地位。② 胶东地区、黄河三角洲地区、沂蒙地区和鲁西地区等地的一般乡镇地区。这一类型总体上具有高强度、低密度、低绝对增长、高相对增长的特点,老年设施与服务的总需求并不很大,但在相对结构及其调整态势上反倒显得非常突出,应积极调整地方公共服务的供给结构以适应这一特征。除此之外,其他地区并未形成明显的类型特征。本文识别出的2个地域类型具有较为明显的规律性特征,既能在政策应用方面提供依据,也希望为普适性理论的发现提供案例。
(3) 影响因素的定量分析表明,两个方程均能在较大程度上相应解释老龄化空间格局的静态分布与动态演变,但动态演变的影响因素和机制显然更加复杂。与大多数其他尺度的研究结论相比,本文中反映地区出生水平、人口迁移、教育水平和医疗卫生条件、空间相互作用的指标在2个方程中均表现出显著影响,且作用方向与一般理论和经验认知相符。但同时,基期老龄化水平仅对下期老龄化静态格局有影响,对其演变程度的影响却并不显著,说明老龄化未来的空间格局仍然充满变数;经济增长速度对老龄化水平推进速度有负向显著影响,说明经济增长速度越快的地区老龄化进程反倒较慢;经济发展水平对老龄化静态格局的影响不显著。这些与经验认识并不一致的结果,恰恰反映了乡镇尺度上老龄化的特点及其形成机制的特殊性。
当然,限于乡镇层面统计数据的不完整和不连续性,本文仅采用第五次和第六次人口普查年份的数据进行了研究,难以对老龄化格局演变问题进行最具时效性的探讨。但本文的观点,尤其是与其他尺度和范围上的研究有所不同的发现,可以成为现有成果的有益补充,也对更加准确地判断老龄化态势、有预见性地进行乡镇老龄化管理,具有明显的参考价值。
The authors have declared that no competing interests exist.
| [1] |
中国人口老龄化地区差异分解及影响因素研究 [J].https://doi.org/10.3969/j.issn.1002-2104.2014.04.018 URL [本文引用: 1] 摘要
文章选取老龄化系数、老少比两个指标,首先运用泰尔指数分析法测算了1995-2011年中国人口老龄化地区差异,并按三区域进行结构分解;然后结合省际面板数据使用FGLS估计法实证检验了全国、东部、中部、西部各层面人口老龄化的影响因素。研究结论表明:中国人口老龄化具有非均衡空间分布特征,地区差异明显但短期变化趋势并不稳定,呈现反复波动态势;长期来看,老龄化地区差异呈逐渐扩大趋势;2004年以后,中、西部省际间老龄化差异呈扩大趋势,东部呈收敛趋势,东部省际间差异对老龄化总体差异影响最大;总体上看,区域内老龄化差异呈扩大趋势,区域间差异呈收敛趋势,区域内差异远大于区域间差异,这说明老龄化总体差异主要是由区域内差异引起的;人均GDP、出生率是影响我国人口老龄化的最重要两大因素;死亡率对全国层面老龄化反向影响效果显著,城市化率对中、西部层面老龄化正向影响较大,而文盲率对各层面老龄化未见反向影响效果。
Research on regional difference decomposition and influence factors of population aging in China .https://doi.org/10.3969/j.issn.1002-2104.2014.04.018 URL [本文引用: 1] 摘要
文章选取老龄化系数、老少比两个指标,首先运用泰尔指数分析法测算了1995-2011年中国人口老龄化地区差异,并按三区域进行结构分解;然后结合省际面板数据使用FGLS估计法实证检验了全国、东部、中部、西部各层面人口老龄化的影响因素。研究结论表明:中国人口老龄化具有非均衡空间分布特征,地区差异明显但短期变化趋势并不稳定,呈现反复波动态势;长期来看,老龄化地区差异呈逐渐扩大趋势;2004年以后,中、西部省际间老龄化差异呈扩大趋势,东部呈收敛趋势,东部省际间差异对老龄化总体差异影响最大;总体上看,区域内老龄化差异呈扩大趋势,区域间差异呈收敛趋势,区域内差异远大于区域间差异,这说明老龄化总体差异主要是由区域内差异引起的;人均GDP、出生率是影响我国人口老龄化的最重要两大因素;死亡率对全国层面老龄化反向影响效果显著,城市化率对中、西部层面老龄化正向影响较大,而文盲率对各层面老龄化未见反向影响效果。
|
| [2] |
低生育率是中国的福音? 从第六次人口普查数据看中国人口发展现状与前景 [J].https://doi.org/10.3969/j.issn.1001-8263.2011.08.009 URL [本文引用: 1] 摘要
本文利用全国第六次人口普查数据,对2000-2010年间妇女生育率进行了估算,考察与分析了中国人口发展的现状与前景。研究表明:中国妇女生育率早已降至1.5左右的极低水平,生育率过低不是中国的福音,如果任其发展,中国可持续发展的前景将不堪设想。重新审视中国面临的人口形势与人口问题,调整现行生育政策是避免中国未来出现严重人口危机的必然的战略选择。
Is low birth rate the evangel for China? Understanding China's population fact and prospect from the data of the Sixth National Census .https://doi.org/10.3969/j.issn.1001-8263.2011.08.009 URL [本文引用: 1] 摘要
本文利用全国第六次人口普查数据,对2000-2010年间妇女生育率进行了估算,考察与分析了中国人口发展的现状与前景。研究表明:中国妇女生育率早已降至1.5左右的极低水平,生育率过低不是中国的福音,如果任其发展,中国可持续发展的前景将不堪设想。重新审视中国面临的人口形势与人口问题,调整现行生育政策是避免中国未来出现严重人口危机的必然的战略选择。
|
| [3] |
长春市人口老龄化时空演变及空间类型研究 [J].
构造了一个由数量老龄化、结构老龄化和密度老龄化三个指标所组成的综合老龄化指数(CAI),并建立了一套人口老龄化空间类型划分方案,运用多尺度空间自相关分析对长春市人口老龄化空间的时空演变及空间类型进行研究。结果表明:(1)长春市近10年出现了老年人口郊区化的趋势,人口老龄化空间的"中心—边缘"分布格局在10年内没有发生显著改变,但空间扩散趋势十分明显,东部和南部近郊区出现了明显的人口老化趋势。(2)长春市形成了残留老化、集聚老化、自然老化和集聚稀释四种不同的人口老龄化类型区。城市核心区和远郊区形成以非老年人口大量流失为基本特征的残留老化型地区,而近郊区则形成以年轻人口大量涌入为特征的集聚稀释型地区,人口老龄化空间整体上呈现出一种城市中心区和远郊区的老化程度高于近郊区的夹层结构。
The temporal-spatial evolution of population aging and its classification in Changchun .
构造了一个由数量老龄化、结构老龄化和密度老龄化三个指标所组成的综合老龄化指数(CAI),并建立了一套人口老龄化空间类型划分方案,运用多尺度空间自相关分析对长春市人口老龄化空间的时空演变及空间类型进行研究。结果表明:(1)长春市近10年出现了老年人口郊区化的趋势,人口老龄化空间的"中心—边缘"分布格局在10年内没有发生显著改变,但空间扩散趋势十分明显,东部和南部近郊区出现了明显的人口老化趋势。(2)长春市形成了残留老化、集聚老化、自然老化和集聚稀释四种不同的人口老龄化类型区。城市核心区和远郊区形成以非老年人口大量流失为基本特征的残留老化型地区,而近郊区则形成以年轻人口大量涌入为特征的集聚稀释型地区,人口老龄化空间整体上呈现出一种城市中心区和远郊区的老化程度高于近郊区的夹层结构。
|
| [4] |
中原地区人口老龄化的多尺度时空格局 [J].https://doi.org/10.15957/j.cnki.jjdl.2016.04.005 URL [本文引用: 2] 摘要
选取老龄化系数、老少比两个测度指标,采用探索性空间数据分析与GIS相结合的方法,从市域、县域、镇域三个尺度对2000、2010年中原地区人口老龄化的时空格局变化进行分析。结果表明:1中原地区整体及各个地市老龄化系数、老少比呈现波动上升的趋势。2从空间分异格局看,老龄化高水平区由局部区域向全区扩展。但是,随着研究尺度的不断细化,老龄化空间分布格局存在尺度差异性。3从空间关联特征看,中原地区人口老龄化系数、老少比呈现显著空间自相关。随着研究尺度不断缩小,冷热点空间集聚分布范围更加集中。然而,两个指标局部集聚特征的也表现出空间分布不一致。4结合多尺度的时空格局分异结果,从人口因素、经济因素、政策因素、公共医疗健康等方面进行了原因分析,并且对两个指标表现出的空间差异性做了具体阐释。
Multi-scale spatio-temporal pattern of aging population in Central Plains region .https://doi.org/10.15957/j.cnki.jjdl.2016.04.005 URL [本文引用: 2] 摘要
选取老龄化系数、老少比两个测度指标,采用探索性空间数据分析与GIS相结合的方法,从市域、县域、镇域三个尺度对2000、2010年中原地区人口老龄化的时空格局变化进行分析。结果表明:1中原地区整体及各个地市老龄化系数、老少比呈现波动上升的趋势。2从空间分异格局看,老龄化高水平区由局部区域向全区扩展。但是,随着研究尺度的不断细化,老龄化空间分布格局存在尺度差异性。3从空间关联特征看,中原地区人口老龄化系数、老少比呈现显著空间自相关。随着研究尺度不断缩小,冷热点空间集聚分布范围更加集中。然而,两个指标局部集聚特征的也表现出空间分布不一致。4结合多尺度的时空格局分异结果,从人口因素、经济因素、政策因素、公共医疗健康等方面进行了原因分析,并且对两个指标表现出的空间差异性做了具体阐释。
|
| [5] |
吉林省人口老龄化时空分异特征及成因 [J].Spatiotemporal characteristics and influencing factors of population aging in Jilin Province . |
| [6] |
中日人口老龄化旳空间分布特征比较研究 [J].
文章运用老年人口比重和老年人口密度两项指标,考察了2000和2010年中国与日本的人口老龄化空间分布特征,10年间中国和日本的人口老龄化进程、空间分布及相对数量的区域差异十分明显。根据老年人口比重和老年人口密度的高低,对2010年中、日两国老年人口的空间分布进行分类比较,发现两国人口老龄化地区分布的集中程度、与自然环境关联度,与经济发展匹配形式都存在一定差异。日本人口老龄化空间分布呈现出明显的"非都市地区老龄化"特征。中国现阶段的人口老龄化空间分布的东西差异,以及显现出的与日本相似的新格局,将对各地区乃至全国的社会经济发展产生巨大的影响。
Comparative research on the feature of spatial distribution of aging population between China and Japan .
文章运用老年人口比重和老年人口密度两项指标,考察了2000和2010年中国与日本的人口老龄化空间分布特征,10年间中国和日本的人口老龄化进程、空间分布及相对数量的区域差异十分明显。根据老年人口比重和老年人口密度的高低,对2010年中、日两国老年人口的空间分布进行分类比较,发现两国人口老龄化地区分布的集中程度、与自然环境关联度,与经济发展匹配形式都存在一定差异。日本人口老龄化空间分布呈现出明显的"非都市地区老龄化"特征。中国现阶段的人口老龄化空间分布的东西差异,以及显现出的与日本相似的新格局,将对各地区乃至全国的社会经济发展产生巨大的影响。
|
| [7] |
中国的人口老龄化与区域经济增长 [J].
文章以哈佛模型为基础,利用中国31个省份1990~2015年每隔5年的面板数据和固定效应模型,实证分析了中国人口老龄化对区域经济增长的影响。结果显示,总人口增长率、少儿人口增长率及少儿抚养比增长率对区域经济增长有统计意义上显著的负面影响;就业人口比重增长率、劳动参与率增长率、老年人口增长率及老年抚养比增长率对区域经济增长的影响在统计上不显著。这在一定意义上说明,目前阶段中国人口老龄化的程度尚未形成对区域经济增长的负面影响。但未来人口老龄化日趋严重及其对区域经济增长的负面影响不可避免。所以既要正确评估目前人口老龄化对经济增长的影响,又要未雨绸缪,从整个社会系统出发制定应对老龄化的综合对策。
Population aging in China and regional economic growth .
文章以哈佛模型为基础,利用中国31个省份1990~2015年每隔5年的面板数据和固定效应模型,实证分析了中国人口老龄化对区域经济增长的影响。结果显示,总人口增长率、少儿人口增长率及少儿抚养比增长率对区域经济增长有统计意义上显著的负面影响;就业人口比重增长率、劳动参与率增长率、老年人口增长率及老年抚养比增长率对区域经济增长的影响在统计上不显著。这在一定意义上说明,目前阶段中国人口老龄化的程度尚未形成对区域经济增长的负面影响。但未来人口老龄化日趋严重及其对区域经济增长的负面影响不可避免。所以既要正确评估目前人口老龄化对经济增长的影响,又要未雨绸缪,从整个社会系统出发制定应对老龄化的综合对策。
|
| [8] |
杭州市老龄人口空间分布及演化规律研究 [J].https://doi.org/10.11819/cpr20150508a URL [本文引用: 1] 摘要
概述了我国城乡规划领域对人口老龄化研究的基本发展情况,认为应对老龄化问题的城乡规划,需要对老龄人的空间分布进行动态的、整体的研究。以杭州市区为样本,在"五普"和"六普"数据的基础上,应用GIS及相关模型对2000年、2010年杭州市区老龄人口密度进行计算和空间化处理。研究发现:圈层结构是杭州市老龄人口空间分布的基本特征,城市中心与外围地区的老龄人口密度成指数下降;城市中心地区的老龄人口密度不断提高、老龄化程度加深,且分布边界相对稳定;不同圈层的老龄人口在年龄结构上存在差异性。在此基础上给出了与老龄人口空间分布特征与发展趋势相适应的养老设施规划建议。
A study on the spatial distribution and evolution trend of aging population in Hangzhou .https://doi.org/10.11819/cpr20150508a URL [本文引用: 1] 摘要
概述了我国城乡规划领域对人口老龄化研究的基本发展情况,认为应对老龄化问题的城乡规划,需要对老龄人的空间分布进行动态的、整体的研究。以杭州市区为样本,在"五普"和"六普"数据的基础上,应用GIS及相关模型对2000年、2010年杭州市区老龄人口密度进行计算和空间化处理。研究发现:圈层结构是杭州市老龄人口空间分布的基本特征,城市中心与外围地区的老龄人口密度成指数下降;城市中心地区的老龄人口密度不断提高、老龄化程度加深,且分布边界相对稳定;不同圈层的老龄人口在年龄结构上存在差异性。在此基础上给出了与老龄人口空间分布特征与发展趋势相适应的养老设施规划建议。
|
| [9] |
中国人口老龄化时空变化及成因探析: 基于县域尺度的考察 [J].
文章基于2000和2010年人口普查分县数据，应用变异系数和地理探测器分析方法，刻画了中国2283个县人口老龄化的时空变化特征，探讨了人口老龄化变化的影响因素。结果显示：（1）中国县域尺度上人口老龄化存在显著的空间差异，“胡焕庸线”是重要分界线，东南半壁老龄化水平明显高于西北半壁。（2）2000~2010年人口老龄化空间分布变化明显，高度老龄化区域在沿海地区表现出“破碎化”特征，在内陆地区表现出连绵化特征；较高老龄化区域跨越了“胡焕庸线”，在西北半壁大量出现；中度老龄化区域空间扩散明显，在兰新铁路沿线呈带状分布，在东北地区呈蔓延式扩散；低度老龄化区域空间集聚趋势有所增强。（3）人口老龄化的增速表现出显著的空间差异与空间关联。总体上看，东北部分边境和内陆地区增长速度高于沿海地区，老龄化水平较高的地区增长速度较慢，而水平较低的区域增长速度较快。（4）影响人口老龄化时空变化的首要因素是基期老年人口比重和人口年龄结构的更替，而人口流动也是影响区域人口老龄化格局的重要因素。
A study on spatial-temporal pattern of population ageing and its factors in China: Based on county-scale examination .
文章基于2000和2010年人口普查分县数据，应用变异系数和地理探测器分析方法，刻画了中国2283个县人口老龄化的时空变化特征，探讨了人口老龄化变化的影响因素。结果显示：（1）中国县域尺度上人口老龄化存在显著的空间差异，“胡焕庸线”是重要分界线，东南半壁老龄化水平明显高于西北半壁。（2）2000~2010年人口老龄化空间分布变化明显，高度老龄化区域在沿海地区表现出“破碎化”特征，在内陆地区表现出连绵化特征；较高老龄化区域跨越了“胡焕庸线”，在西北半壁大量出现；中度老龄化区域空间扩散明显，在兰新铁路沿线呈带状分布，在东北地区呈蔓延式扩散；低度老龄化区域空间集聚趋势有所增强。（3）人口老龄化的增速表现出显著的空间差异与空间关联。总体上看，东北部分边境和内陆地区增长速度高于沿海地区，老龄化水平较高的地区增长速度较慢，而水平较低的区域增长速度较快。（4）影响人口老龄化时空变化的首要因素是基期老年人口比重和人口年龄结构的更替，而人口流动也是影响区域人口老龄化格局的重要因素。
|
| [10] |
县域尺度下中国人口老龄化的空间格局与区域差异 [J].https://doi.org/10.18306/dlkxjz.2016.08.001 URL [本文引用: 5] 摘要
2000年以来,中国的老龄化进程加快,人口老龄化已经成为中国社会经济发展必须面对的新常态与核心问题之一。本文从县域尺度出发,基于2000和2010年的人口普查数据,应用标准差椭圆、地理探测器等方法,分析了10年间中国2283个县域单元人口老龄化的空间分布、区域差异及其影响因素。结果表明:1人口老龄化空间分布模式多样,胡焕庸线西北半壁以均质化、轴带特征为主;而胡焕庸线东南半壁则呈现出核心—外围的分布特征。22000-2010年间,人口老龄化均值从6.7%增至8.7%,表明中国县域全面进入老年型社会,步入老年型的县域多集中于内陆、东北地区、丝绸之路经济带沿线区;10年间人口老龄化总体空间格局较为稳定,但人口老龄化的变动趋势差异显著。3人口老龄化在"胡焕庸线"两侧、不同地域类型间、城乡间、民族自治地区与非民族自治地区间、贫困与非贫困地区间存在差异,且差异变动的方向并不一致。4影响人口老龄化的核心因素为各区域往期人口年龄结构、步入老年序列人口比重、人口流出的比例等。
Spatial patterns and regional differences of population ageing in China based on the county scale .https://doi.org/10.18306/dlkxjz.2016.08.001 URL [本文引用: 5] 摘要
2000年以来,中国的老龄化进程加快,人口老龄化已经成为中国社会经济发展必须面对的新常态与核心问题之一。本文从县域尺度出发,基于2000和2010年的人口普查数据,应用标准差椭圆、地理探测器等方法,分析了10年间中国2283个县域单元人口老龄化的空间分布、区域差异及其影响因素。结果表明:1人口老龄化空间分布模式多样,胡焕庸线西北半壁以均质化、轴带特征为主;而胡焕庸线东南半壁则呈现出核心—外围的分布特征。22000-2010年间,人口老龄化均值从6.7%增至8.7%,表明中国县域全面进入老年型社会,步入老年型的县域多集中于内陆、东北地区、丝绸之路经济带沿线区;10年间人口老龄化总体空间格局较为稳定,但人口老龄化的变动趋势差异显著。3人口老龄化在"胡焕庸线"两侧、不同地域类型间、城乡间、民族自治地区与非民族自治地区间、贫困与非贫困地区间存在差异,且差异变动的方向并不一致。4影响人口老龄化的核心因素为各区域往期人口年龄结构、步入老年序列人口比重、人口流出的比例等。
|
| [11] |
上海市人口老龄化的空间分布及演化特征研究 [J].[本文引用: 1] 摘要
该文采用探索性空间数据分析方法分析了上海市人口老龄化的区域差异,具体考察了1990-2010年上海各区县人口老龄化的时空演变特征,并对其影响因素进行了探讨。研究结果表明:老年人口区域分布不均衡,老年人口比重有明显的圈层结构特征;老年人口分布存在显著的正向自相关关系,但空间集聚趋势有所减弱;人口老龄化空间差异的不确定因素的影响程度在减弱,而空间结构特征引起的人口老龄化变异程度在增强,人口老龄化的总体空间差异趋于缓和。1990-2000年间上海市各区县以向更深程度的“老龄化”方向转移为主,而在2000-2010年间有向“年轻化”转移的趋势。人口老龄化的空间差异是受自然、人口、经济、社会、文化等多因素综合作用的结果,各类因素在不同的发展阶段对不同区县的人口老龄化有不同的影响方向和力度。
Research on the spatial distribution and evolution characteristics of aging population in Shanghai .[本文引用: 1] 摘要
该文采用探索性空间数据分析方法分析了上海市人口老龄化的区域差异,具体考察了1990-2010年上海各区县人口老龄化的时空演变特征,并对其影响因素进行了探讨。研究结果表明:老年人口区域分布不均衡,老年人口比重有明显的圈层结构特征;老年人口分布存在显著的正向自相关关系,但空间集聚趋势有所减弱;人口老龄化空间差异的不确定因素的影响程度在减弱,而空间结构特征引起的人口老龄化变异程度在增强,人口老龄化的总体空间差异趋于缓和。1990-2000年间上海市各区县以向更深程度的“老龄化”方向转移为主,而在2000-2010年间有向“年轻化”转移的趋势。人口老龄化的空间差异是受自然、人口、经济、社会、文化等多因素综合作用的结果,各类因素在不同的发展阶段对不同区县的人口老龄化有不同的影响方向和力度。
|
| [12] |
人口老龄化区域类型划分与区域演变分析: 以中美日韩四国为例 [J].https://doi.org/10.3724/SP.J.1011.2011.00415 URL Magsci [本文引用: 1] 摘要
<p>利用中、美、日、韩四国一级行政区划近20 a的人口普查数据,进行人口老龄化区域类型的划分,总结这4个国家人口老龄化区域演变特征,并借助所构建地分析框架,进行人口老龄化区域演变实证分析。以人口老龄化的程度与速度作为划分其区域类别的主要依据,将人口老龄化划分成8个区域类型。通过人口老龄化区域类型的划分发现,日本已处于超老龄社会阶段,美国则一直在老龄社会阶段初期徘徊,而中韩刚进入浅度人口老龄化阶段。在实证分析与理论分析基础上,归纳总结发现:①人口老龄化区域演变的影响因素大致分成4类:区位效应、社会保障、经济发展和人口惯性;②经济差异直接导致区域人口老龄化的两极分化;③社会保障差异引导人口老龄化区域演变的方向。</p>
Regional types' division of population aging and analysis on population aging regional evolution: Based on China, America, Japan and R O Korea .https://doi.org/10.3724/SP.J.1011.2011.00415 URL Magsci [本文引用: 1] 摘要
<p>利用中、美、日、韩四国一级行政区划近20 a的人口普查数据,进行人口老龄化区域类型的划分,总结这4个国家人口老龄化区域演变特征,并借助所构建地分析框架,进行人口老龄化区域演变实证分析。以人口老龄化的程度与速度作为划分其区域类别的主要依据,将人口老龄化划分成8个区域类型。通过人口老龄化区域类型的划分发现,日本已处于超老龄社会阶段,美国则一直在老龄社会阶段初期徘徊,而中韩刚进入浅度人口老龄化阶段。在实证分析与理论分析基础上,归纳总结发现:①人口老龄化区域演变的影响因素大致分成4类:区位效应、社会保障、经济发展和人口惯性;②经济差异直接导致区域人口老龄化的两极分化;③社会保障差异引导人口老龄化区域演变的方向。</p>
|
| [13] |
甘肃省人口老龄化空间分异及影响因素研究 [J].https://doi.org/10.3969/j.issn.1005-8141.2015.03.007 [本文引用: 1] 摘要
以市州为基本单元,分析甘肃省1990—2010年的人口老龄化空间分异;利用灰色关联模型和主成分分析法分析其2000—2010年的人口老龄化空间分异影响因素。结果表明：1990—2010年甘肃省人口老龄化日趋严重,整体上呈现出东南高、西北低的空间格局。各市州老年人口比重差异不断缩小,向着平衡的态势发展;2000—2010年甘肃省空间分异受平均教育年限的影响程度最大,受人口密度及其空间压力的影响最弱,人口老龄化空间分异是多种因素共同作用的结果。
Study on spatial disparity and its influencing factors of Gansu population aging .https://doi.org/10.3969/j.issn.1005-8141.2015.03.007 [本文引用: 1] 摘要
以市州为基本单元,分析甘肃省1990—2010年的人口老龄化空间分异;利用灰色关联模型和主成分分析法分析其2000—2010年的人口老龄化空间分异影响因素。结果表明：1990—2010年甘肃省人口老龄化日趋严重,整体上呈现出东南高、西北低的空间格局。各市州老年人口比重差异不断缩小,向着平衡的态势发展;2000—2010年甘肃省空间分异受平均教育年限的影响程度最大,受人口密度及其空间压力的影响最弱,人口老龄化空间分异是多种因素共同作用的结果。
|
| [14] |
中国人口老龄化区域差异及驱动机制研究 [J].
基于中国第五、六次人口普查数据,分析中国省域人口老龄化的程度、速度、社会经济影响、空间差异及其驱动机制。结果表明:(1)2000~2010年中国人口老龄化处于初级老龄化阶段且不断加深,区域差异缩小,东部地区低速增长,中西部地区老龄化与养老负担快速增加。老年人口密度属较低密度区,从东向西呈梯度降低。(2)中国省域人口老龄化程度及空间布局是人口自然增长、人口机械增长、经济水平等因素相互调节与空间分异的综合结果。(3)各机制系数空间异质性的综合作用促使老龄化大致由南北向分异转变为东西向分异的空间格局。省际人口迁移从根本上制约如今的中国人口老龄化空间格局。
Regional variations and driving mechanism of aging population in China .
基于中国第五、六次人口普查数据,分析中国省域人口老龄化的程度、速度、社会经济影响、空间差异及其驱动机制。结果表明:(1)2000~2010年中国人口老龄化处于初级老龄化阶段且不断加深,区域差异缩小,东部地区低速增长,中西部地区老龄化与养老负担快速增加。老年人口密度属较低密度区,从东向西呈梯度降低。(2)中国省域人口老龄化程度及空间布局是人口自然增长、人口机械增长、经济水平等因素相互调节与空间分异的综合结果。(3)各机制系数空间异质性的综合作用促使老龄化大致由南北向分异转变为东西向分异的空间格局。省际人口迁移从根本上制约如今的中国人口老龄化空间格局。
|
| [15] |
大城市老年人口的空间分布模式与发展趋势研究 [J].A research on spatial patterns and development trajectory of the elderly population in the metropolis . |
| [16] |
基于街道尺度的南京市老年人口空间分布演变研究 [J].
基于南京市第五次和第六次人口普查分乡镇、街道数据,通过街道和圈层双尺度分析了人口老龄化的程度差异、空间差异以及空间相关性,探讨南京市街道老年人口的空间分布格局,采用热点区演化分析了街道老年人口的时空演变特征。结果显示：1近10年南京市街道老龄化系数总体上呈现“跨越式”圈层蔓延扩散的空间分布特征,处于老年人口成长阶段的街道由分布在中心城区和主城区的交界地带转变为向主城区蔓延的趋势,轻度老龄化的街道分布在中心城区,中度老龄化阶段的街道集中分布在主城区和郊区,重度老龄化阶段的街道以郊区为主。2街道老年人口密度类型为密集区,密度最高的区域位于中心城区,郊区次之,主城区内密度最低。3南京市街道人口老龄化率呈现显著的空间正相关,随着时间的推移,街道人口老龄化在空间上的差异增大,集聚效应减弱,空间上的发展渐趋不均衡。热点区分布呈现“冷—次冷—次热—热”的圈层式空间分布格局。4从历史因素、人口生命周期、城市变迁三个角度分析了影响南京市老年人口分布和演变的主要因素。
Spatial distribution of the elderly population in Nanjing based on the street scale .
基于南京市第五次和第六次人口普查分乡镇、街道数据,通过街道和圈层双尺度分析了人口老龄化的程度差异、空间差异以及空间相关性,探讨南京市街道老年人口的空间分布格局,采用热点区演化分析了街道老年人口的时空演变特征。结果显示：1近10年南京市街道老龄化系数总体上呈现“跨越式”圈层蔓延扩散的空间分布特征,处于老年人口成长阶段的街道由分布在中心城区和主城区的交界地带转变为向主城区蔓延的趋势,轻度老龄化的街道分布在中心城区,中度老龄化阶段的街道集中分布在主城区和郊区,重度老龄化阶段的街道以郊区为主。2街道老年人口密度类型为密集区,密度最高的区域位于中心城区,郊区次之,主城区内密度最低。3南京市街道人口老龄化率呈现显著的空间正相关,随着时间的推移,街道人口老龄化在空间上的差异增大,集聚效应减弱,空间上的发展渐趋不均衡。热点区分布呈现“冷—次冷—次热—热”的圈层式空间分布格局。4从历史因素、人口生命周期、城市变迁三个角度分析了影响南京市老年人口分布和演变的主要因素。
|
| [17] |
江苏省人口老龄化空间分异演变及影响因素 [J].https://doi.org/10.13249/j.cnki.sgs.2017.12.009 URL [本文引用: 1] 摘要
基于街镇尺度,运用2000和2010年全国人口普查资料,对江苏省人口老龄化空间分异演变特点及其影响因素进行分析。结果表明：（1）老龄化整体上呈现＂E＂字型分布格局;区域老龄化类型差异变化显著;＂乡镇-街道逆二元结构＂凸显。（2）空间集聚效应进一步＂强化＂,空间总体变异程度增强,结构性因素是引起空间变异的主要原因,随机性因素影响程度在增强。（3）成长型、老年型初期与老年型中期、老年型后期、超老年型表现出相反的重心偏移轨迹,成长型、老年型中期、老年型后期在空间上出现扩散效应,老年型初期出现极化效应。形成机制主要缘于自然因素、经济因素和社会因素。
Spatial variation of population aging and associated factors in Jiangsu Province .https://doi.org/10.13249/j.cnki.sgs.2017.12.009 URL [本文引用: 1] 摘要
基于街镇尺度,运用2000和2010年全国人口普查资料,对江苏省人口老龄化空间分异演变特点及其影响因素进行分析。结果表明：（1）老龄化整体上呈现＂E＂字型分布格局;区域老龄化类型差异变化显著;＂乡镇-街道逆二元结构＂凸显。（2）空间集聚效应进一步＂强化＂,空间总体变异程度增强,结构性因素是引起空间变异的主要原因,随机性因素影响程度在增强。（3）成长型、老年型初期与老年型中期、老年型后期、超老年型表现出相反的重心偏移轨迹,成长型、老年型中期、老年型后期在空间上出现扩散效应,老年型初期出现极化效应。形成机制主要缘于自然因素、经济因素和社会因素。
|
| [18] |
|
| [19] |
江苏省县域老龄化空间格局及影响因素分析 [J].https://doi.org/10.3969/j.issn.1001-4616.2016.02.022 URL [本文引用: 1] 摘要
以江苏省县域为研究对象,选取2000年、2010年两次人口普查数据,计算出老龄化系数（65岁及以上的老年人口数占总人口的百分比）来表征老龄化的情况,利用探索性数据分析法,研究江苏省老龄化的空间格局及其演变,并利用空间误差模型对影响因素进行解释.结果表明：在总体空间格局上,江苏省县域老龄化呈现显著的空间自相关,即老龄化系数相似的地区呈集聚分布,2000年-2010年空间集聚性有所减弱,空间异质性增强,但是集聚的空间格局并没发生太大的改变;冷热点发生了一定的迁移,2010年在苏南地区出现了冷点区域分支,这与经济热点的迁移有关;集聚格局由“南高北低”向“中间高两边低”转变;通过对影响因素的分析,人口社会基本发展因素以及出生率与老龄化呈现负相关,死亡率、受教育程度以及医疗卫生水平对老龄化起正向的积极作用,而经济发展水平对老龄化的影响在两次人口普查中有所差异.
The spatial pattern and its influencing factors of aging at county level in Jiangsu Province .https://doi.org/10.3969/j.issn.1001-4616.2016.02.022 URL [本文引用: 1] 摘要
以江苏省县域为研究对象,选取2000年、2010年两次人口普查数据,计算出老龄化系数（65岁及以上的老年人口数占总人口的百分比）来表征老龄化的情况,利用探索性数据分析法,研究江苏省老龄化的空间格局及其演变,并利用空间误差模型对影响因素进行解释.结果表明：在总体空间格局上,江苏省县域老龄化呈现显著的空间自相关,即老龄化系数相似的地区呈集聚分布,2000年-2010年空间集聚性有所减弱,空间异质性增强,但是集聚的空间格局并没发生太大的改变;冷热点发生了一定的迁移,2010年在苏南地区出现了冷点区域分支,这与经济热点的迁移有关;集聚格局由“南高北低”向“中间高两边低”转变;通过对影响因素的分析,人口社会基本发展因素以及出生率与老龄化呈现负相关,死亡率、受教育程度以及医疗卫生水平对老龄化起正向的积极作用,而经济发展水平对老龄化的影响在两次人口普查中有所差异.
|
| [20] |
中国人口政策的变轨效应 [J].
中国人口政策调整的具体影响是目前全社会关注的焦点,而预测人口自然增长轨迹是其中的关键因素。本文在Hsiao et al.(2012)模型中引入个体因素,基于面板数据的共同因子测度政策实施的潜在运行轨迹,借以分析中国人口政策变轨的动态效应。测度结果显示,"一胎政策"实际路径与潜在路径的人口差距持续增大,到2012年,二者相差约3.4亿人口。同时,人口结构扭曲加剧,"一胎政策"使人口老龄化状态提早了至少12年。研究表明,潜在路径上人口总量呈算术级而非几何级增长,少儿比例随经济发展存在内生的下降趋势,所以,即使全面放开二胎政策也不会造成人口的井喷式增长。
Treatment effect of China's population policy .
中国人口政策调整的具体影响是目前全社会关注的焦点,而预测人口自然增长轨迹是其中的关键因素。本文在Hsiao et al.(2012)模型中引入个体因素,基于面板数据的共同因子测度政策实施的潜在运行轨迹,借以分析中国人口政策变轨的动态效应。测度结果显示,"一胎政策"实际路径与潜在路径的人口差距持续增大,到2012年,二者相差约3.4亿人口。同时,人口结构扭曲加剧,"一胎政策"使人口老龄化状态提早了至少12年。研究表明,潜在路径上人口总量呈算术级而非几何级增长,少儿比例随经济发展存在内生的下降趋势,所以,即使全面放开二胎政策也不会造成人口的井喷式增长。
|
| [21] |
2000—2010年北京市老年人口空间分布及其变动研究 [J].https://doi.org/10.3969/j.issn.1006-3862.2014.02.011 URL [本文引用: 1] 摘要
中国已成为老龄化国家,且有加速趋势。北京的老龄化程度和速度超过了全国平均水平。根据第五、六次人口普查资料以三种空间单元分析了北京老年人口的空间分布特征及发展趋势。研究表明,老年人口数量在城区呈圈层式集中分布,在郊区呈点状分布;高老龄化率地区集中在城市中心区和生态涵养区西部和北部山区,其他地方较低;高老龄化率地区出现了空间扩散趋势;老年人口的居住隔离程度较低,且有所上升。老年人口空间分布变动的直接原因是本地老年人口的增长和迁移;老龄化率的空间分布变动的直接原因是非老年人口和老年人口的增长和迁移。影响它们的因素有城市规划、建设与管理政策、社会保障和老年福利政策、市场等因素。最后提出了相应的政策建议。
Spatial restructuring of senior population in Beijing from 2000-2010 .https://doi.org/10.3969/j.issn.1006-3862.2014.02.011 URL [本文引用: 1] 摘要
中国已成为老龄化国家,且有加速趋势。北京的老龄化程度和速度超过了全国平均水平。根据第五、六次人口普查资料以三种空间单元分析了北京老年人口的空间分布特征及发展趋势。研究表明,老年人口数量在城区呈圈层式集中分布,在郊区呈点状分布;高老龄化率地区集中在城市中心区和生态涵养区西部和北部山区,其他地方较低;高老龄化率地区出现了空间扩散趋势;老年人口的居住隔离程度较低,且有所上升。老年人口空间分布变动的直接原因是本地老年人口的增长和迁移;老龄化率的空间分布变动的直接原因是非老年人口和老年人口的增长和迁移。影响它们的因素有城市规划、建设与管理政策、社会保障和老年福利政策、市场等因素。最后提出了相应的政策建议。
|
| [22] |
中国大城市中心城区人口老龄化空间特征与规划应对 [J].https://doi.org/10.3969/j.issn.1006-0022.2015.12.016 URL [本文引用: 1] 摘要
伴随着城市化进程的加速，中国老年人口在大城市地区增长显著。文章以北京为例，在分析和研究中国特大城市人口老龄化的空间格局与空间变化特征的基础上，开展中外大城市人口老龄化的变化差异比较，提出中国大城市中心城区人口老龄化问题的应对对策。
Spatial characters of population aging in Chinese big cities .https://doi.org/10.3969/j.issn.1006-0022.2015.12.016 URL [本文引用: 1] 摘要
伴随着城市化进程的加速，中国老年人口在大城市地区增长显著。文章以北京为例，在分析和研究中国特大城市人口老龄化的空间格局与空间变化特征的基础上，开展中外大城市人口老龄化的变化差异比较，提出中国大城市中心城区人口老龄化问题的应对对策。
|
| [23] |
中国农村人口老龄化的空间差异及其影响因素分析 [J].https://doi.org/10.3969/j.issn.1000-7881.2007.03.005 URL [本文引用: 1] 摘要
文章运用定量测度方法，从时空角度描述了中国农村人口老龄化的分异特征，揭示农村人口老龄化程度区域差异扩大的内在机制。研究结果表明，中国农村人口老龄化的区域差异非常明显，东部沿海大部分地区已经进入人口老龄化阶段，但在“十一五”期间中西部地区农村人口老龄化进程将加快；农村经济发展水平、劳动力文化教育程度的差异是影响人口老龄化程度的主要因素。
Analysis on regional disparity and contributing factors of rural population aging in China .https://doi.org/10.3969/j.issn.1000-7881.2007.03.005 URL [本文引用: 1] 摘要
文章运用定量测度方法，从时空角度描述了中国农村人口老龄化的分异特征，揭示农村人口老龄化程度区域差异扩大的内在机制。研究结果表明，中国农村人口老龄化的区域差异非常明显，东部沿海大部分地区已经进入人口老龄化阶段，但在“十一五”期间中西部地区农村人口老龄化进程将加快；农村经济发展水平、劳动力文化教育程度的差异是影响人口老龄化程度的主要因素。
|
| [24] |
1990—2010年福建省县域人口老龄化时空演变特征及其驱动机制 [J].https://doi.org/10.11820/dlkxjz.2014.05.002 URL Magsci [本文引用: 4] 摘要
将探索性空间数据分析方法应用于人口老龄化区域差异研究，以福建省为例，分析1990-2010年间县域人口老龄化时空演变特征，并探讨导致格局演变的驱动机制。结果表明：① 人口老龄化的总体空间格局存在较强的空间正相关性，但空间集聚有所减弱。② 热点区（高度热点区）由沿海向内陆演进，属跃迁式突变；边缘区发展方向刚好相反，属收缩式渐变。③ 总变异中随机性因素增大，结构化分异减弱；区域空间差异愈发显著，主要体现在西北—东南方向上。④ 各类因素对不同地区人口老龄化的影响程度和方向各不相同，但在空间上按一定的方向产生具有一定规律性的分化。总体而言，死亡率和每千人拥有病床数对人口老龄化贡献为正，出生率、人均受教育年限及迁入率具有抑制作用，而人均GDP对人口老龄化既有推动也有抑制作用。
Characteristics of spatial-temporal evolution in population aging and driving mechanism at county level in Fujian Province during 1990-2010 .https://doi.org/10.11820/dlkxjz.2014.05.002 URL Magsci [本文引用: 4] 摘要
将探索性空间数据分析方法应用于人口老龄化区域差异研究，以福建省为例，分析1990-2010年间县域人口老龄化时空演变特征，并探讨导致格局演变的驱动机制。结果表明：① 人口老龄化的总体空间格局存在较强的空间正相关性，但空间集聚有所减弱。② 热点区（高度热点区）由沿海向内陆演进，属跃迁式突变；边缘区发展方向刚好相反，属收缩式渐变。③ 总变异中随机性因素增大，结构化分异减弱；区域空间差异愈发显著，主要体现在西北—东南方向上。④ 各类因素对不同地区人口老龄化的影响程度和方向各不相同，但在空间上按一定的方向产生具有一定规律性的分化。总体而言，死亡率和每千人拥有病床数对人口老龄化贡献为正，出生率、人均受教育年限及迁入率具有抑制作用，而人均GDP对人口老龄化既有推动也有抑制作用。
|
| [25] |
中国老年人口分布的集疏格局及其形成机制 [J].https://doi.org/10.11821/dlxb201710003 URL [本文引用: 3] 摘要
中国已全面进入快速老龄化社会,研究老龄人口空间集疏格局及形成机制,不仅是开展老龄人口空间研究的理论基础,也是指导面向老龄化社会城市更新问题的关键所在.选取地级以上行政单元为研究对象,基于五普、六普老年人口数据,采用老龄化率、集聚度和空间自相关等方法,定量分析2000年和2010年全国城市老年人口分布的集疏格局及空间关联.研究表明:全国地级以上城市总体处于老龄化中期水平,城市间老龄化空间分异较大,老年人口密集区城市主要分布在胡焕庸线以东,稀疏区城市则均位于胡焕庸线以西,这与总人口分布状况基本一致;高密区城市基本都分布在东部沿海地区,中密区主要分布在长三角、珠三角、中原、山东半岛、成渝和京津冀地区,为中国分布范围最广的老年人口集聚区;城市间人口老龄化存在较强的空间正相关特征,空间集聚状况有所增强,人口老龄化空间格局表现出以热点区为中心,逐渐向外围过渡的“中心—外围”结构;自然环境、经济环境、城市化建设、人口环境等是导致老年人口集疏格局的关键形成因素.
The spatial pattern of aging population distribution and its generating mechanism in China .https://doi.org/10.11821/dlxb201710003 URL [本文引用: 3] 摘要
中国已全面进入快速老龄化社会,研究老龄人口空间集疏格局及形成机制,不仅是开展老龄人口空间研究的理论基础,也是指导面向老龄化社会城市更新问题的关键所在.选取地级以上行政单元为研究对象,基于五普、六普老年人口数据,采用老龄化率、集聚度和空间自相关等方法,定量分析2000年和2010年全国城市老年人口分布的集疏格局及空间关联.研究表明:全国地级以上城市总体处于老龄化中期水平,城市间老龄化空间分异较大,老年人口密集区城市主要分布在胡焕庸线以东,稀疏区城市则均位于胡焕庸线以西,这与总人口分布状况基本一致;高密区城市基本都分布在东部沿海地区,中密区主要分布在长三角、珠三角、中原、山东半岛、成渝和京津冀地区,为中国分布范围最广的老年人口集聚区;城市间人口老龄化存在较强的空间正相关特征,空间集聚状况有所增强,人口老龄化空间格局表现出以热点区为中心,逐渐向外围过渡的“中心—外围”结构;自然环境、经济环境、城市化建设、人口环境等是导致老年人口集疏格局的关键形成因素.
|
| [26] |
中国人口老龄化区域溢出与分布差异的空间计量经济学研究 [J].
将空间因素纳入我国人口老龄化问题的研究框架,对各地区人口老龄化的空间分布特征进行概括和探索性空间数据分析,利用空间计量经济学理论方法和空间误差模型,对各要素影响作用的方向和大小进行实证研究,最后得出综合结论和政策建议。除老龄化惯性、人口增长以外,首次对人口老龄化区域溢出机制进行了重点阐述。我国人口老龄化区域溢出作用不仅客观存在,而且影响显著,这一发现从空间维度拓宽了研究视野,为我国人口老龄化问题理论研究和政策制定提供了有益的借鉴。
Spatial econometric research on regional spillover and distribution difference of population aging in China .
将空间因素纳入我国人口老龄化问题的研究框架,对各地区人口老龄化的空间分布特征进行概括和探索性空间数据分析,利用空间计量经济学理论方法和空间误差模型,对各要素影响作用的方向和大小进行实证研究,最后得出综合结论和政策建议。除老龄化惯性、人口增长以外,首次对人口老龄化区域溢出机制进行了重点阐述。我国人口老龄化区域溢出作用不仅客观存在,而且影响显著,这一发现从空间维度拓宽了研究视野,为我国人口老龄化问题理论研究和政策制定提供了有益的借鉴。
|
| [27] |
2000—2010年广州市人口老龄化空间变动及其影响因素研究 [J].https://doi.org/10.13471/j.cnki.acta.snus.2016.01.020 URL Magsci [本文引用: 4] 摘要
<p>基于广州市第五次和第六次人口普查数据，以街镇为地理单元对2000-2010年广州市人口老龄化空间变动及其影响因素进行了分析。研究表明：① 广州市人口老龄化程度不断加深，空间差异减小，在空间上以圈层结构向外扩张；② 人口老龄化速度以中心城区內缘最为迅速；③ 从空间分布趋势来看，整体上老年人口和人口老龄化的空间集聚趋势有所“弱化”，人口老龄化将继续向中心城区扩散，近郊区北部作为年轻型街镇的集聚区域，其集聚作用将更加明显；④ 就人口老龄化空间格局的影响因素而言，人口迁移的作用相对于人口的自然增长愈发显著，经济发展水平是这一时期老年人口向中心城区內缘集中的主要因素，文化教育水平对老龄化的区域分异具有一定正向影响。</p>
Spatial change and influence factors of population aging in Guangzhou during 2000-2010 .https://doi.org/10.13471/j.cnki.acta.snus.2016.01.020 URL Magsci [本文引用: 4] 摘要
<p>基于广州市第五次和第六次人口普查数据，以街镇为地理单元对2000-2010年广州市人口老龄化空间变动及其影响因素进行了分析。研究表明：① 广州市人口老龄化程度不断加深，空间差异减小，在空间上以圈层结构向外扩张；② 人口老龄化速度以中心城区內缘最为迅速；③ 从空间分布趋势来看，整体上老年人口和人口老龄化的空间集聚趋势有所“弱化”，人口老龄化将继续向中心城区扩散，近郊区北部作为年轻型街镇的集聚区域，其集聚作用将更加明显；④ 就人口老龄化空间格局的影响因素而言，人口迁移的作用相对于人口的自然增长愈发显著，经济发展水平是这一时期老年人口向中心城区內缘集中的主要因素，文化教育水平对老龄化的区域分异具有一定正向影响。</p>
|
| [28] |
2000—2010年广州市人口老龄化空间分异及形成机制 [J].https://doi.org/10.11821/dlyj201801008 URL [本文引用: 1] 摘要
分析2010年广州市人口老龄化空间分布特征,并采用因子生态分析方法、聚类分析方法划分老年人口社会空间地域类型,将两者叠加分析,得出广州市人口老龄化空间分异可划分为8种类型区并呈圈层和扇形分布的特征。通过与2000年的人口老龄化空间分异进行比较,归纳出广州市人口老龄化空间分异的变化具有历史继承性、随城市开发进程而结构趋于复杂化、出现类型更新和类型区范围变化等特征。广州市人口老龄化空间分异模式主要分为四种:老城区延续发展模式、中心城区更新转变模式、近郊区急剧转变模式、远郊区分异发展模式。最后从城市历史发展传承、城市规划建设引导、住房等制度变迁影响、房地产发展等方面探讨了广州市人口老龄化空间分异形成机制。
Spatial differentiation and the formation mechanism of population aging in Guangzhou in 2000-2010 .https://doi.org/10.11821/dlyj201801008 URL [本文引用: 1] 摘要
分析2010年广州市人口老龄化空间分布特征,并采用因子生态分析方法、聚类分析方法划分老年人口社会空间地域类型,将两者叠加分析,得出广州市人口老龄化空间分异可划分为8种类型区并呈圈层和扇形分布的特征。通过与2000年的人口老龄化空间分异进行比较,归纳出广州市人口老龄化空间分异的变化具有历史继承性、随城市开发进程而结构趋于复杂化、出现类型更新和类型区范围变化等特征。广州市人口老龄化空间分异模式主要分为四种:老城区延续发展模式、中心城区更新转变模式、近郊区急剧转变模式、远郊区分异发展模式。最后从城市历史发展传承、城市规划建设引导、住房等制度变迁影响、房地产发展等方面探讨了广州市人口老龄化空间分异形成机制。
|
| [29] |
21世纪中国人口再展望 [J].
在21世纪，我国将面临严峻的人口总量下降和人口老龄化的挑战。根据联合国《世界人口前景展望（2010年修正版）》关于中国人口的中方案和低方案预测，在2015年前后，我国劳动年龄人口总量将开始下降；在2025年前后，我国人口将开始负增长；在21世纪末，我国人口总量将降为5—9亿；在21世纪中叶后我国65岁及以上老年人口占总人口的比例将高达30％--40％以上。本文对这些重要的人口变动，以及这些变动将对我国未来的经济增长、社会保障体制、代际福利、城市化和人口的区域分布等产生的重大影响进行了描述性分析，并提出了相关政策建议。
A prospect for Chinese population in the 21st century .
在21世纪，我国将面临严峻的人口总量下降和人口老龄化的挑战。根据联合国《世界人口前景展望（2010年修正版）》关于中国人口的中方案和低方案预测，在2015年前后，我国劳动年龄人口总量将开始下降；在2025年前后，我国人口将开始负增长；在21世纪末，我国人口总量将降为5—9亿；在21世纪中叶后我国65岁及以上老年人口占总人口的比例将高达30％--40％以上。本文对这些重要的人口变动，以及这些变动将对我国未来的经济增长、社会保障体制、代际福利、城市化和人口的区域分布等产生的重大影响进行了描述性分析，并提出了相关政策建议。
|
| [30] |
An aging world: 2015 [R]. |
| [31] |
Extracting the dynamics of urban expansion in China using DMSP-OLS nighttime light data from 1992 to 2008 [J].https://doi.org/10.1016/j.landurbplan.2012.02.013 URL [本文引用: 1] 摘要
Timely and accurate information about the dynamics of urban expansion is vital to reveal the relationships between urban expansion and the ecosystem, to optimize land use patterns, and to promote the effective development of cities in China. Nighttime stable light data from the Defense Meteorological Satellite Program's Operational Line-scan System (DMSP-OLS) Nighttime Lights Time Series dataset provide a new source of information that can quickly reveal the dynamics of urban expansion. However, the DMSP-OLS sensor has no on-board calibration, which makes it difficult to directly compare time series data from multiple satellites. This study developed a new method for systematically correcting multi-year multi-satellite nighttime stable lights data and rapidly extracting the dynamics of urban expansion based on this corrected data for China from 1992 to 2008. The results revealed that the proposed method effectively reduced abnormal discrepancy within the nighttime stable light data and improved continuity and comparability. The dynamics of urban expansion in China from 1992 to 2008 were extracted with an average overall accuracy of 82.74% and an average Kappa of 0.40.
|
/
| 〈 |
|
〉 |
