［摘要］人口老齡化城鄉(xiāng)倒置現(xiàn)象已成為城鄉(xiāng)協(xié)調(diào)與我國健康可持續(xù)發(fā)展面臨的重要挑戰(zhàn)。本文基于2000—2022年我國19個深度老齡化省份，剖析其人口老齡化城鄉(xiāng)倒置的時空演變，同時運(yùn)用BP時間序列預(yù)測模型對2023—2035年人口老齡化城鄉(xiāng)倒置度進(jìn)行預(yù)測。研究結(jié)果表明：（1）時序演變方面，到2020年19個深度老齡化省份均出現(xiàn)城鄉(xiāng)倒置的現(xiàn)象，城鄉(xiāng)倒置度年增長率在時序上具有階段性，在空間上具有區(qū)域異質(zhì)性，研究期末呈南北差異性；（2）空間分布方面，在2000—2022年期間深度老齡化省份人口老齡化城鄉(xiāng)倒置呈現(xiàn)“東北—西南”方向分布，分布重心具有“先西南，后東北”的移動趨勢；（3）預(yù)測趨勢方面，預(yù)測2023—2035年人口老齡化城鄉(xiāng)倒置的重心有東部地區(qū)向西部地區(qū)轉(zhuǎn)移的趨勢。最終，根據(jù)研究結(jié)果，提出對應(yīng)建議，以期更好地應(yīng)對我國未來人口老齡化城鄉(xiāng)倒置的浪潮，推動城鄉(xiāng)協(xié)調(diào)發(fā)展。

［關(guān)鍵詞］深度老齡化省份；人口老齡化城鄉(xiāng)倒置度；時空演變；預(yù)測趨勢；BP時間序列預(yù)測模型

中圖分類號：C924.24；D669.6文章標(biāo)志碼：A文章編號：1672-0563（2024）05-0001-11

DOI：10.13773/j.cnki.51-1637/z.2024.05.001

引言

人口是人類社會的一個基本要素，其規(guī)模的大小、質(zhì)量的高低、結(jié)構(gòu)的合理性，關(guān)系到一個國家能否健康可持續(xù)發(fā)展［1］。根據(jù)聯(lián)合國數(shù)據(jù)顯示截止到2021年全球65歲及以上人口所占比例高達(dá)9.6%，日本、德國、瑞典、法國等多個國家進(jìn)入了超老齡化社會，其中老齡化率最高的國家是日本，高達(dá)29.8%。有學(xué)者認(rèn)為，到2030年，日本面臨著人口老齡化和人口減少同時帶來的雙重挑戰(zhàn)［2］。

Shrestha發(fā)現(xiàn)，發(fā)展中國家的老年人比例比發(fā)達(dá)國家更大，且該比例將越來越大［3］。而中國早在2000年左右就已經(jīng)整體進(jìn)入了老齡化社會。自新中國成立以來，大多數(shù)省份的老齡化進(jìn)程可描述為“低起點—高增長模式”［4］。

隨著人口老齡化的進(jìn)一步發(fā)展，中國老年人口規(guī)模和比重不斷持續(xù)上升，且農(nóng)村老年人比重高于城鎮(zhèn)，即人口老齡化城鄉(xiāng)倒置的現(xiàn)象［5］。人口老齡化城鄉(xiāng)倒置，是指在一個國家或地區(qū)中，農(nóng)村地區(qū)的經(jīng)濟(jì)發(fā)展水平明顯低于城市，但其人口老齡化率卻高于城鎮(zhèn)［6］。張偉等人發(fā)現(xiàn)，首先出現(xiàn)城鄉(xiāng)倒置現(xiàn)象的地區(qū)是東部沿海地區(qū)，隨后逐年擴(kuò)張，最終至全國各地區(qū)［7］。這一現(xiàn)象將對社會發(fā)展產(chǎn)生一系列不利影響，例如勞動資源、公共設(shè)施和資金等方面城鄉(xiāng)配置的不平衡，嚴(yán)重阻礙我國高質(zhì)量現(xiàn)代化的進(jìn)程及城鄉(xiāng)協(xié)調(diào)發(fā)展格局的構(gòu)建。傳統(tǒng)城市化發(fā)展過程的主要推動因素是年輕勞動力的持續(xù)遷移，導(dǎo)致人口老齡化城鄉(xiāng)倒置的現(xiàn)象出現(xiàn)［8-9］，直至農(nóng)村社會經(jīng)濟(jì)生活水平慢慢趕上城鎮(zhèn)或城鎮(zhèn)社會環(huán)境和生活環(huán)境的惡化促使大量年輕人口遷移停止，人口老齡化城鄉(xiāng)倒置的現(xiàn)象才會減緩直至消失［10］。有學(xué)者認(rèn)為未來老齡化倒置會轉(zhuǎn)變?yōu)閈"中小城鎮(zhèn)—鄉(xiāng)村\"的老齡化倒置［11］。

國內(nèi)外的學(xué)者對人口老齡化的空間分布、演變趨勢的研究已經(jīng)取得了豐富的研究成果，但對我國的人口老齡化城鄉(xiāng)倒置進(jìn)行研究與預(yù)測的較少。現(xiàn)有相關(guān)研究多以全國地區(qū)和單個省域?qū)用鏋檠芯繀^(qū)域，缺少以深度老齡化省份為研究區(qū)域。本文對我國19個深度老齡化省份人口老齡化城鄉(xiāng)倒置度的時空演變進(jìn)行分析，同時運(yùn)用BP時間序列預(yù)測模型對2023—2035年人口老齡化城鄉(xiāng)倒置度進(jìn)行預(yù)測。以深度老齡化省份為例，可對其它未進(jìn)入深度老齡化社會的省份可能產(chǎn)生的社會問題指明了方向，并供好的經(jīng)驗和策略，為國家實施積極老齡化戰(zhàn)略，制定合理人口發(fā)展策略提供科學(xué)的依據(jù)。

一、數(shù)據(jù)來源、研究區(qū)域及研究方法

（一）數(shù)據(jù)來源與研究區(qū)域的確定

數(shù)據(jù)來源于《中國人口與就業(yè)統(tǒng)計年鑒》，樣本長度為2000—2022年，數(shù)據(jù)中區(qū)分了城市、鎮(zhèn)和農(nóng)村的65歲及以上老年人口數(shù)。數(shù)據(jù)顯示，2022年底我國65歲及以上人口占全國人口14.88%，全國31個省份中有18個省份進(jìn)入了深度老齡化社會，1個省份進(jìn)入超齡化社會。因此研究區(qū)域為我國的19個省份（如圖1）。

（二）研究方法

1.人口老齡化城鄉(xiāng)倒置度

為反映特定區(qū)域人口老齡化城鄉(xiāng)倒置問題的嚴(yán)重程度，本文參考林寶的研究運(yùn)用“人口老齡化城鄉(xiāng)倒置度”作為衡量指標(biāo)［12］。其計算公式如下：

DNC=RN-RC

式中：DNG指人口老齡化城鄉(xiāng)倒置度；RN指農(nóng)村65歲及以上人口所占比例；RC指城鎮(zhèn)65歲及以上老年人口所占比例。若DNC的值為正值，即存在人口老齡化城鄉(xiāng)倒置的現(xiàn)象。若DNC值為零或負(fù)值，則表明該地區(qū)未出現(xiàn)人口老齡化城鄉(xiāng)倒置的現(xiàn)象。

2.標(biāo)準(zhǔn)差橢圓

標(biāo)準(zhǔn)差橢圓是以分布重心、方位角、長短半軸為基本參數(shù)，描述地理要素分布特征的空間統(tǒng)計分析工具。基本參數(shù)計算公式如下：

分布重心：

xc=∑ni=1wixi/∑n（i=1）wi，yc=∑n（i=1）wiyi/∑n（i=1）wi

方位角：

tan=［（∑n（i=1）w2ix2i-∑n（i=1）w2iy-2i）+（（∑n（i=1）w2ix-2i-∑n（i=1）w2iy-2i）2+4∑n（i=1）w2ix-2iy-2i）］/（2∑n（i=1）w2i（xi）（yi）

長短半軸：

σx=∑n（i=1）（wixi）cosθ-wiyi）sinθ）2/∑n（i=1）w2i

σy=（wi（xi）sinθ-wi（yi）cosθ）2/∑n（i=1）w2i

其中，xi）=xi-xc，（yi）=yi-yc，wi標(biāo)識權(quán)重，本文以深度老齡化省份人口老齡化城鄉(xiāng)倒置度為權(quán)重。

3.BP神經(jīng)網(wǎng)絡(luò)預(yù)測——時間序列模型

BP神經(jīng)網(wǎng)絡(luò)是一個利用誤差反向傳播算法進(jìn)行訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)，一般包括輸入層、隱含層、輸出層3部分。輸入層具有信息接入信號接受功能，信號接受完成后將信息傳遞到隱含層，輸入神經(jīng)元的個數(shù)為輸入影響因子的數(shù)量n；隱含層負(fù)責(zé)信息處理、信息變換，隱含層神經(jīng)元的個數(shù)為m，小于N-1（N是訓(xùn)練樣本數(shù)），在MATLAB中經(jīng)測試取值。

模型結(jié)構(gòu)：y（t）=f（y（t-n），y（t-n+1），y（t-1））

平均相對誤差（MAPE）是相對誤差的平均值，可以反映平均值與真實值之間的差異，用來衡量時間序列模型的準(zhǔn)確性。

二、人口老齡化城鄉(xiāng)倒置的時空演變特征分析

（一）人口老齡化城鄉(xiāng)倒置的時序演化特征

根據(jù)聯(lián)合國的傳統(tǒng)標(biāo)準(zhǔn)，當(dāng)65歲及以上的老年人口比重達(dá)到7%時，表明社會已進(jìn)入人口老齡化階段；當(dāng)比重達(dá)到14%時，表明社會已進(jìn)入深度老齡化階段；當(dāng)比重達(dá)到20%時，則表明社會已進(jìn)入超老齡化階段。中國人口老齡化的基本特點在于其絕對數(shù)量大、增長速度快［13］。根據(jù)表1數(shù)據(jù)顯示，在2000年，研究區(qū)域中有12個省份的城鎮(zhèn)地區(qū)尚未進(jìn)入老齡化社會，內(nèi)蒙古的老齡化率最低，僅為4.85%，此時全國城鎮(zhèn)地區(qū)的老齡化率為6.30%，還未進(jìn)入老齡化社會。農(nóng)村地區(qū)方面，有13個省份已經(jīng)進(jìn)入了老齡化社會，上海的老齡化率最高，達(dá)到13.73%；有6個省份的農(nóng)村地區(qū)尚未進(jìn)入老齡化社會，其中黑龍江的老齡化率最低，為4.92%，此時全國農(nóng)村地區(qū)的老齡化率為7.35%，已經(jīng)進(jìn)入了老齡化社會。觀察城鎮(zhèn)地區(qū)和農(nóng)村地區(qū)的差距，2000年時已有14個省份出現(xiàn)人口老齡化城鄉(xiāng)倒置現(xiàn)象，其中浙江省的城鄉(xiāng)倒置度最高，為3.41%。2010年全國城鎮(zhèn)地區(qū)和農(nóng)村地區(qū)都進(jìn)入老齡化社會，此時僅有吉林省和黑龍江省沒有出現(xiàn)城鄉(xiāng)倒置的現(xiàn)象。2020年城鎮(zhèn)地區(qū)和農(nóng)村地區(qū)老齡化率進(jìn)一步攀升。到2022年，城鎮(zhèn)地區(qū)全國老齡化率為12.52%，各省份均已進(jìn)入老齡化社會，且有9個省份進(jìn)入深度老齡化社會，上海市的老齡化率最高，達(dá)到18.53%；農(nóng)村地區(qū)全國的老齡化率為19.30%。而農(nóng)村地區(qū)13個省份進(jìn)入了超老齡化社會，重慶市的老齡化率最高，為27.46%。從城鄉(xiāng)間的差距來看，重慶市的差距最大，即人口老齡化城鄉(xiāng)倒置度為12.91%。綜上所述，全國的農(nóng)村地區(qū)老齡化率總體高于城鎮(zhèn)地區(qū)，且到2020年19個深度老齡化省份均出現(xiàn)人口老齡化城鄉(xiāng)倒置的現(xiàn)象，且逐年加劇。

人口老齡化是人口年齡結(jié)構(gòu)漸變的動態(tài)過程，人口老齡化城鄉(xiāng)倒置度的年增長率表示在一年內(nèi)人口老齡化城鄉(xiāng)倒置度的增長量與基期年的比值，反映這一時期人口老齡化城鄉(xiāng)倒置度增長的快慢。利用自然斷點法將人口老齡化城鄉(xiāng)倒置度年增長率劃分為5個等級。如圖2所示，2000—2010年期間，人口老齡化城鄉(xiāng)倒置度的年增長率正增長的有11個省份。城鄉(xiāng)倒置度年增長率最快的兩個省份是位于中部地區(qū)的河南省和湖南?。怀青l(xiāng)倒置度年增長率負(fù)增長的省份有8個，年增長率最小的省份是位于東部地區(qū)的上海市，年增長率為-5.34%，但這一期間上海的人口自然增長率僅為1.01%，這表明上海人口老齡化城鄉(xiāng)倒置度的變化并非來源于人口自然增長，而是大量農(nóng)村年輕勞動力的遷入，因此出現(xiàn)上海市的城鄉(xiāng)倒置度不增反降的現(xiàn)象。2010—2020年間，人口老齡化城鄉(xiāng)倒置度年增長率最高的省份位于西部地區(qū)的陜西省，可能原因在于人口出生率下降以及農(nóng)村剩余勞動力外流。城鄉(xiāng)倒置度年增長率最低省份是位于東北地區(qū)的遼寧省。2020—2022年期間年增長率最高的是遼寧省，最低的是上海市。

因此，人口老齡化城鄉(xiāng)倒置度的年增長率在時序上具有階段性，在空間上具有區(qū)域異質(zhì)性，到研究期末城鄉(xiāng)倒置度呈南北差異性。

1.城鄉(xiāng)倒置度空間格局變化特征

如圖3所示，雖然城鎮(zhèn)和農(nóng)村地區(qū)的老齡化率均逐年增加，但農(nóng)村老齡化率增加幅度大于城鎮(zhèn)地區(qū)，因此人口老齡化城鄉(xiāng)倒置現(xiàn)象呈發(fā)展態(tài)勢。2000年研究區(qū)域中有5個省份未出現(xiàn)城鄉(xiāng)倒置的現(xiàn)象，其中城鄉(xiāng)倒置度最低的省份是黑龍江省-0.97%；排名前三的省份是位于東部地區(qū)的山東省、上海市、江蘇省，城鄉(xiāng)倒置度分別為2.94%、2.49%和2.34%。經(jīng)濟(jì)發(fā)達(dá)的東部城鎮(zhèn)地區(qū)擁有更多的就業(yè)機(jī)會以及高水平的醫(yī)療設(shè)備和教育資源，吸引來自東部農(nóng)村地區(qū)以及經(jīng)濟(jì)相對落后省份的年輕勞動力，從而提升東部地區(qū)的城鄉(xiāng)倒置度。到了2022年，研究區(qū)域中所有省份均出現(xiàn)城鄉(xiāng)倒置的現(xiàn)象，城鄉(xiāng)倒置度最低的省份是位于東北地區(qū)的黑龍江省，倒置度僅為2.64%；排名前三的省份是位于西部地區(qū)的重慶市和東部地區(qū)的江蘇省和浙江省，倒置度分別為12.90%、11.91%和10.67%。由于重慶市“大城市帶大農(nóng)村”的發(fā)展布局，在研究期間，重慶市主城區(qū)的經(jīng)濟(jì)發(fā)展十分迅猛，但重慶市的一些邊緣鄉(xiāng)村因地處山里難以得到發(fā)展。而這些偏遠(yuǎn)山村的年輕勞動力向城鎮(zhèn)地區(qū)轉(zhuǎn)移，導(dǎo)致偏遠(yuǎn)的山村地區(qū)的人口老齡化率不斷提高，因此城鄉(xiāng)倒置度增長明顯。

通過比較19個深度老齡化省份的排序來分析其空間的演變趨勢。分析結(jié)果如表2所示，19個深度老齡化省份可以分為以下類型：（1）排名持續(xù)上升型。研究期間共有兩個省份的排名呈上升態(tài)勢，即重慶市和陜西省，其中重慶市變化最為明顯，從2000年的13名到2010年的第2名直至穩(wěn)居第1位。（2）排名持續(xù)降低型。共有4個省份的排名呈持續(xù)降低的態(tài)勢，分別是河北省、浙江省、上海市和湖南省，其中最為明顯的是上海市，由2000年的第3名持續(xù)下降到2022年的第19名，共下降16名，變化較為明顯。（3）排名波動上升型。共有6個省份排名呈波動上升型，其中波動較為明顯的是遼寧省和四川省，從2000年到2022年均波動上升7名。（4）排名波動下降型。有4個省份排名呈波動下降型，其中波動最為明顯的是河南省，從2000年的第7名波動下降到2022年的第13名，共下降5個名次。（5）排名基本平穩(wěn)型。共有3個省份排名呈穩(wěn)定型，分別是天津市、黑龍江省和江蘇省。在2000—2022年期間，這些省份的排序變化幅度不超過2位，排名變化相對穩(wěn)定。

2.空間集聚特征

通過采用標(biāo)準(zhǔn)差橢圓對2000—2022年深度老齡化省份的人口老齡化城鄉(xiāng)倒置進(jìn)行時空演化軌跡分析，從圖4可見，樣本期間深度老齡化省份的人口老齡化城鄉(xiāng)倒置的重心發(fā)生明顯變化。從重心移動的軌跡來看，2000年人口老齡化城鄉(xiāng)倒置度的重心在中部地區(qū)的安徽省，到2010年重心向西南方向偏移到了位于中部地區(qū)河南省的南部。在2010—2020年由河南省的南部向河南省的東北部偏移，這一時間段的偏移距離最大，由此說明這期間人口老齡化城鄉(xiāng)倒置度變化較大。2020—2022年向北偏移，此時位于河南省的邊緣處。

如表3所示，就轉(zhuǎn)角θ的變化而言，2000—2022年標(biāo)準(zhǔn)差橢圓的轉(zhuǎn)角θ變化較大，角度不斷減小，2010—2020年角度變化最大，從80.11度減少到54.52度，并向東北偏移?？傮w來看，深度老齡化省份的人口老齡化城鄉(xiāng)倒置度呈現(xiàn)出“東北—西南”的空間分布格局。從主軸的方向來看，2000—2022年主軸標(biāo)準(zhǔn)差呈現(xiàn)增加的變化趨勢。具體看在2000—2010年這一階段主軸標(biāo)準(zhǔn)差呈現(xiàn)增加，表明這個階段深度老齡化省份的人口老齡化城鄉(xiāng)倒置度在“東北—西南”方向上出現(xiàn)分散。而2010—2022年這一階段主軸標(biāo)準(zhǔn)差增加幅度最大，表明這一階段深度老齡化省份的人口老齡化城鄉(xiāng)倒置度在東北方向上的差距最大。

綜上所述，在2000—2022年期間深度老齡化省份人口老齡化城鄉(xiāng)倒置度呈現(xiàn)“東北—西南”方向分布，分布重心出現(xiàn)“先西南，后東北”的移動趨勢。

三、人口老齡化城鄉(xiāng)倒置的趨勢預(yù)測

本文運(yùn)用MATLAB2022a構(gòu)建BP時間序列預(yù)測模型進(jìn)行循環(huán)迭代計算，得到2023—2035年19個深度老齡化省份人口老齡化城鄉(xiāng)倒置度的預(yù)測值，結(jié)果見表4。

在表4中，將2022年19個深度老齡化省份的人口老齡化城鄉(xiāng)倒置度的真實值作為檢驗數(shù)據(jù)，其真實值與預(yù)測值之間的MAPE的平均值小于0.50%，說明BP時間序列預(yù)測模型的擬合效果良好，精確度較高，預(yù)測結(jié)果的可信度較高。

預(yù)測結(jié)果表明，我國深度老齡化省份的城鄉(xiāng)倒置度整體上逐年增加。在2025年深度老齡化省份中城鄉(xiāng)倒置度最高的省份是位于東部地區(qū)的江蘇省，城鄉(xiāng)倒置度為16.76%，緊隨其后的三個省份是位于西部地區(qū)的重慶市、中部地區(qū)的山西省和東部地區(qū)的浙江省，城鄉(xiāng)倒置度分別是15.86%、12.38%和11.97%。2030年城鄉(xiāng)倒置度最高的省份是位于西部地區(qū)的重慶市，城鄉(xiāng)倒置度是18.20%，依次的三個省份是位于東部地區(qū)的江蘇省、西部地區(qū)的四川省和山西省，城鄉(xiāng)倒置度分別為17.69%、14.78%和14.65%。到2035年城鄉(xiāng)倒置度最高的省份依然是位于西部地區(qū)的重慶市，依次是位于東部地區(qū)的江蘇省、東北地區(qū)的遼寧省和西部地區(qū)的四川省，城鄉(xiāng)倒置度分別是21.63%、20.66%和20.41%。

為了更直觀反應(yīng)未來2023—2035年時期這深度老齡化省份的人口老齡化城鄉(xiāng)倒置的空間變化趨勢，對2023—2035年預(yù)測值進(jìn)行空間可視化分析，結(jié)果見圖5。2023—2035年期間，深度老齡化省份的人口老齡化城鄉(xiāng)倒置的空間分布狀態(tài)依舊不均衡。2023—2025年期間時，城鄉(xiāng)倒置度的重心主要位于東部地區(qū)，2025—2035年期間，城鄉(xiāng)倒置度的重心向西南方向擴(kuò)散明顯，即向西部地區(qū)擴(kuò)散，因此人口老齡化城鄉(xiāng)倒置度的重心有由東部地區(qū)向西部地區(qū)轉(zhuǎn)移的趨勢。

四、結(jié)論與建議

（一）結(jié)論

本文通過對人口老齡化城鄉(xiāng)倒置的相關(guān)研究成果進(jìn)行分析與梳理，基于2022年人口數(shù)據(jù)得出我國19個省份進(jìn)入了深度老齡化社會（其中遼寧省為超老齡化省份），分析2000—2022年我國深度老齡化省份的人口老齡化城鄉(xiāng)倒置的時空演變，并預(yù)測2023—2035年的發(fā)展趨勢。具體結(jié)論如下：第一，時序演變方面，到2020年19個深度老齡化省份均出現(xiàn)城鄉(xiāng)倒置的現(xiàn)象且逐年加劇。城鄉(xiāng)倒置度年增長率在時序上具有階段性，在空間上早期（2000—2020年）具有區(qū)域異質(zhì)性，后期（2020—2022年）呈南北差異性。第二，空間分布方面，在2000—2022年期間深度老齡化省份人口老齡化城鄉(xiāng)倒置呈現(xiàn)“東北—西南”向分布，分布重心出現(xiàn)“先西南，后東北”的移動趨勢。第三：預(yù)測趨勢方面，預(yù)測2023—2035年人口老齡化城鄉(xiāng)倒置的重心有東部地區(qū)向西部地區(qū)轉(zhuǎn)移的趨勢。城鄉(xiāng)倒置度一直程上升趨勢，短時間內(nèi)不會有下降的趨勢。

（二）建議

1.在全國層面推進(jìn)養(yǎng)老保障與養(yǎng)老服務(wù)體系建設(shè)，優(yōu)化市場化配置，促進(jìn)城鄉(xiāng)自由循環(huán)

Alan Walker指出，呈現(xiàn)人口老齡化特征的國家主要會遭遇國民生育率下滑、人口結(jié)構(gòu)突變、經(jīng)濟(jì)增長放緩等突出問題［14］。由姚從容、余滬榮研究可知，大規(guī)模年輕勞動力從農(nóng)村轉(zhuǎn)移到城市加深了農(nóng)村地區(qū)人口老齡化進(jìn)程［15］。而非勞動力的老年人人口轉(zhuǎn)移的很少，這就造成了“空巢老人”這一現(xiàn)象，增加人口老齡化城鄉(xiāng)倒置的水平。為了緩解些問題可采取以下措施：第一，走新型城市化道路，減緩農(nóng)村勞動力向城鎮(zhèn)轉(zhuǎn)移或改變轉(zhuǎn)移方式，在人口轉(zhuǎn)移中帶動老年人口的轉(zhuǎn)移，推進(jìn)養(yǎng)老保障與養(yǎng)老服務(wù)體系建設(shè)；第二，推進(jìn)鄉(xiāng)村經(jīng)濟(jì)產(chǎn)業(yè)發(fā)展。發(fā)揮鄉(xiāng)村的資源優(yōu)勢和生態(tài)環(huán)境優(yōu)勢，為鄉(xiāng)村注入新的活力與要素；第三，保障社會資源的公平分配以及制定優(yōu)越的經(jīng)濟(jì)政策，提升年輕人的生育意愿。

2.在省域?qū)用嫔弦虻刂埔说脑谌珖鱾€省份促進(jìn)養(yǎng)老產(chǎn)業(yè)的發(fā)展

老年人的身體和功能狀態(tài)以及精神效能可以影響“良好老齡化”［16］。構(gòu)建規(guī)模適中、布局合理的養(yǎng)老服務(wù)機(jī)構(gòu)，這些機(jī)構(gòu)應(yīng)與當(dāng)?shù)氐睦夏耆丝跀?shù)量相協(xié)調(diào)，以提供成本低廉減少家庭養(yǎng)老的壓力［17］。在實施、監(jiān)管、資金等方面存在的問題需要政府的支持，建立系統(tǒng)的管理組織以及進(jìn)行先進(jìn)技術(shù)改進(jìn)［18］。不僅要在老齡化率高的省份積極促進(jìn)科學(xué)的養(yǎng)老產(chǎn)業(yè)發(fā)展，也要在一些老齡化率暫時不高的地區(qū)促進(jìn)科學(xué)的養(yǎng)老產(chǎn)業(yè)發(fā)展，為該地區(qū)未來可能發(fā)生的人口老齡化浪潮做好充足的準(zhǔn)備。

參考文獻(xiàn)

［1］ ""程風(fēng)雨.人口結(jié)構(gòu)適應(yīng)區(qū)域經(jīng)濟(jì)高質(zhì)量發(fā)展研究［J］.現(xiàn)代商貿(mào)工業(yè)，2023，44（15）：33-35.

［2］ Muramatsu Naoko，Akiyama Hiroko."Japan： super-aging society preparing for the future[J].The Gerontologist，2011（4）：425-432.

［3］ Shrestha L B."Population aging in developing countries.[J]."Health affairs（Project Hope）， 2000， 19（3） ： 204-12.

［4］ 杜睿.中國人口老齡化城鄉(xiāng)倒置的經(jīng)濟(jì)學(xué)分析［D］.成都：西南財經(jīng)大學(xué)，2020.

［5］ 楊涵墨.中國人口老齡化新趨勢及老年人口新特征［J］.人口研究，2022，46（5）：104-116.

［6］ 杜鵬，王武林.論人口老齡化程度城鄉(xiāng)差異的轉(zhuǎn)變［J］.人口研究，2010，34（2）：3-10.

［7］ 王瑛潔.我國人口老齡化城鄉(xiāng)倒置現(xiàn)象及對策研究［D］.長春：吉林大學(xué)，2011.

［8］ 劉維奇.中國人口老齡化城鄉(xiāng)倒置現(xiàn)狀及其與城市化的相互影響［J］.農(nóng)業(yè)現(xiàn)代化研究，2014，35（2）：134-139.

［9］ 陳光慧，蔡遠(yuǎn)飛，李鳳.我國人口老齡化趨勢預(yù)測與結(jié)構(gòu)分析——基于非參數(shù)自回歸模型［J］.西北人口，2014，35（4）：81-87.

［10］ 鐘睿.我國人口老齡化城鄉(xiāng)倒置的空間轉(zhuǎn)移和規(guī)劃應(yīng)對——基于人口流動的視角［J］.城市發(fā)展研究，2019，26（2）：24-30.

［11］ 吳媛媛，宋玉祥.中國人口老齡化空間格局演變及其驅(qū)動因素［J］.地理科學(xué)，2020，40（5）：768-775.

［12］ 林寶.人口老齡化城鄉(xiāng)倒置：普遍性與階段性［J］.人口研究，2018，42（3）：38-50.

［13］ 吳連霞，趙媛，吳開亞，等.中國人口老齡化區(qū)域差異及驅(qū)動機(jī)制研究［J］.地理科學(xué)，2018，38（6）：877-884.

［14］ Walker A.SSRN-A Strategy for Active Ageing by Alan Walker[J]."Blackwell Publishers Ltd."2002."55（1）：121-139.

［15］ 姚從容，余滬榮.論人口鄉(xiāng)城遷移對我國農(nóng)村養(yǎng)老保障體系的影響［J］.市場與人口分析，2005（2）：57-61+68.

［16］ au Rosalind，Morse Carol A."Health and wellbeing of older people in Anglo-Australian and Italian-Australian communities： a rural-urban comparison［J］ ."The Australian joumal of ruralhealth，2008（1）：5-11.

［17］ 何倩倩.農(nóng)村機(jī)構(gòu)養(yǎng)老的落地困境、經(jīng)營策略與發(fā)展路徑——基于河南省平橋區(qū)的田野調(diào)查［J］.中國農(nóng)村觀察，2022（5）：153-167.

［18］ Maruthappu Mahiben amp; Hasan Ali et al.Enablers and Barriers in lmplementing Integrated Care[J]."Health Systemsamp;Reform， 2015（9）：250-256.

［責(zé)任編輯：李仲先］

Spatial Evolution and Predictive Trends of Urban-Rural Inversion

Regarding Population Aging in Provinces Experiencing Significant "Aging：

A Case Study of Anhui Province

XIAO Tieqiao， XIAO Jiajie， YANG Ting， ZHANG Shaojie

（School of Architecture and Urban Planning， Anhui Jianzhu University， Hefei 230601， Anhui）

Abstract： "The urban-rural inversion regarding population aging has become a significant challenge for coordinated urban-rural development and sustainable growth in China."This paper analyzes the spatiotemporal evolution of urban-rural inversion regarding population aging in 19 "provinces undergoing significant aging from 2000 to 2022."Additionally， it employs the BP time series forecasting model to predict the extent of urban-rural inversion from 2023 to 2035."The research findings indicate： （1） Regarding temporal evolution， all of the 19 provinces exhibited urban-rural inversion by 2020."The annual growth rate of urban-rural inversion is characterized by temporal stages and regional heterogeneity in spatial distribution， with a noticeable disparity between the north and the south by the end of the research period."（2） Concerning spatial distribution， from 2000 to 2022， the urban-rural inversion regarding population aging in these provinces demonstrated an “Northeast-Southwest” directional trend， with the center of distribution moving progressively from southwest to northeast."（3） In terms of predictive trends， "the center of urban-rural inversion is likely to shift from eastern regions to western regions from 2023 to 2035."Eventually， based on these research results， corresponding recommendations are proposed to better address the forthcoming impact of urban-rural inversion resulting population aging in China and to promote coordinated urban-rural development.

Keywords：provinces undergoing significant population aging； extent of urban-rural inversion regarding population aging； spatiotemporal evolution； predictive trends；BP time series forecasting model

收稿日期：2024-03-05

基金項目：安徽省高校省級人文社會科學(xué)研究重大項目“國土空間規(guī)劃和鄉(xiāng)村振興戰(zhàn)略雙導(dǎo)向下縣域鄉(xiāng)村發(fā)展路徑和策略研究——合肥市廬江縣為例”（SK2020ZD25）；高峰學(xué)科科研專項項目“新型城鎮(zhèn)化背景下鄉(xiāng)村聚落演化的多元路徑及其發(fā)展機(jī)制研究——以安徽省為例”（2021-111）；高峰學(xué)科科研專項項目“城鄉(xiāng)融合背景下安徽省鄉(xiāng)村振興路徑與策略研究”（2021-112）；安徽省住房城鄉(xiāng)建設(shè)科學(xué)技術(shù)計劃項目“縣域鄉(xiāng)村居民點空間格局和優(yōu)化技術(shù)研究”（2022-RK035）；安徽省高校省級人文社會科學(xué)研究重點項目“村民滿意度視角下縣域鄉(xiāng)村建設(shè)優(yōu)化策略研究——以安徽省為例”（2022AH050227）。

作者簡介：肖鐵橋，教授，碩士生導(dǎo)師，Email：xjj0327@stu.ahjzu.edu.cn； 肖佳潔，在讀研究生；楊婷，講師；張少杰，副教授。