劉玉萍 王瑞曦

DOI：10.16246/j.issn.1673-5072.2024.04.011

收稿日期：2023-07-11? 基金項(xiàng)目：四川省哲學(xué)社會(huì)科學(xué)重點(diǎn)研究基地四川省老齡事業(yè)與產(chǎn)業(yè)發(fā)展研究中心重點(diǎn)項(xiàng)目（XJLL2019001）

作者簡介：劉玉萍（1982—），女，博士，副教授，碩士生導(dǎo)師，主要從事經(jīng)濟(jì)高質(zhì)量發(fā)展、人口經(jīng)濟(jì)學(xué)研究。

通信作者：劉玉萍，E-mail：emniang114@163.com

引文格式：劉玉萍，王瑞曦.城市群視角下中國人口老齡化的時(shí)空演變：基于人口普查與抽樣調(diào)查數(shù)據(jù)的分析［J］.西華師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2024，45（4）：420-429.［LIU Y P，WANG R X.Spatio-temporal evolution of population aging in China from the perspective of urban agglomeration：an analysis based on census and sample survey data［J］.Journal of China West Normal University （Natural Sciences），2024，45（4）：420-429.］

摘? 要：基于全國人口普查和抽樣調(diào)查數(shù)據(jù)，以12個(gè)主要城市群作為研究區(qū)域，并以地級(jí)及以上城市作為空間單元，采用時(shí)序比較、核密度估計(jì)、馬爾科夫鏈分析以及地理探測器模型，對2000—2020年我國城市群人口老齡化的時(shí)空演變及驅(qū)動(dòng)因素進(jìn)行了分析，研究結(jié)果表明：（1）我國城市群的人口老齡化整體呈現(xiàn)出加速深化趨勢，但不同城市群在加深速度上存在著顯著的差異；（2）隨著時(shí)間的推移，城市群所轄城市人口老齡化的離散程度有明顯擴(kuò)大的趨勢，考察期內(nèi)不同城市群所轄城市人口老齡化的空間分布及其演進(jìn)區(qū)別明顯，城市的相對老齡化水平在保持較強(qiáng)慣性的同時(shí)，也體現(xiàn)出一定的動(dòng)態(tài)變化性；（3）2010年，城市群人口老齡化主要受老年人口慣性的影響，而2020年，除老年人口慣性外，人口自然增長率和人口遷移也是引致城市群人口老齡化空間分異的重要因素。結(jié)果總體表明，近二十年來我國不同城市群的人口老齡化展現(xiàn)出明顯的時(shí)空差異與動(dòng)態(tài)演變特征，因此各城市群應(yīng)有針對性地制定差異化的人口老齡化政策，以更有效地應(yīng)對日益嚴(yán)峻的老齡化挑戰(zhàn)。

關(guān)鍵詞：城市群；人口老齡化；時(shí)空演變；影響因素；人口普查

中圖分類號(hào)：C92-05；K901.3??? 文獻(xiàn)標(biāo)志碼：A??? 文章編號(hào)：1673-5072（2024）04-0420-10

我國是世界歷史上人口規(guī)模最大的國家，人口問題一直是我國面臨的全局性、長期性、戰(zhàn)略性問題。改革開放以來，在經(jīng)濟(jì)社會(huì)發(fā)展和計(jì)劃生育政策的共同推動(dòng)下，我國實(shí)現(xiàn)了人口再生產(chǎn)類型從“高出生、高死亡、高增長”向“低出生、低死亡、低增長”的轉(zhuǎn)變，“少子化”逐漸成為我國人口發(fā)展的常態(tài)，人口老齡化形勢也因之日趨嚴(yán)峻［1］。全國人口普查數(shù)據(jù)顯示，2000年我國65歲及以上的老年人口占總?cè)丝诘?0.46%，而到2020年，這一比例已經(jīng)上升到18.70%，在大約一代人的時(shí)間里，老齡化率的增長超過了80.00%?？焖偌觿〉娜丝诶淆g化不僅會(huì)帶來醫(yī)療資源配置［2］和養(yǎng)老服務(wù)供給［3］等方面的挑戰(zhàn)，還將對我國的經(jīng)濟(jì)社會(huì)發(fā)展產(chǎn)生復(fù)雜且深遠(yuǎn)的影響［4］。因此，人口老齡化相關(guān)問題近年來受到了社會(huì)各界的廣泛關(guān)注，在黨的二十大提出的“實(shí)施積極應(yīng)對人口老齡化國家戰(zhàn)略”的指引下，各地紛紛針對自身的老齡化特征提出了應(yīng)對之策。

早在上世紀(jì)90年代初，國內(nèi)學(xué)者即開始在不同時(shí)空范圍［5-6］和空間尺度［7-8］下，對我國人口老齡化的時(shí)空演變與影響因素展開了分析，提供了有關(guān)我國人口老齡化時(shí)空演變特征的有益參考。但當(dāng)前研究仍存在一些不足之處：首先，盡管相關(guān)研究已經(jīng)涵蓋了不同的地理范圍和空間尺度，但很少有研究者從城市群的角度進(jìn)行分析；其次，自2010年之后，中國的生育政策發(fā)生了密集的“寬松”調(diào)整，同時(shí)也實(shí)施了健康中國戰(zhàn)略，這些均可能導(dǎo)致我國人口老齡化的時(shí)空演變出現(xiàn)新的特征和變化。

“十四五”規(guī)劃中明確提出，將城市群視為“增強(qiáng)經(jīng)濟(jì)和人口承載能力，帶動(dòng)全國經(jīng)濟(jì)效率整體提升”的重要載體，這預(yù)示著城市群作為承載發(fā)展要素的主要空間，未來不僅是人口集聚的中心，也將成為老齡人口的養(yǎng)老中心。為此，本研究基于2000年以來的人口普查和抽樣調(diào)查數(shù)據(jù)，在城市群視角下深入探究我國城市層面人口老齡化的時(shí)空演變，并對比分析2010年前后人口老齡化驅(qū)動(dòng)因素的變化，從而更全面地理解2010年后我國人口老齡化空間分布的新特征，以期為不同城市的政策制定者提供更具有針對性的人口老齡化應(yīng)對策略，以優(yōu)化養(yǎng)老資源的配置。

1? 數(shù)據(jù)來源與研究方法

1.1? 研究對象與數(shù)據(jù)來源

本研究主要從城市群視角審視我國人口老齡化的時(shí)空演變格局。為此，依據(jù)覆蓋性、代表性、前沿性等原則，選取《中華人民共和國國民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》中前十二大城市群作為研究對象，并基于城市空間尺度進(jìn)行分析。研究所涉及的城市群及其所轄城市與核心城市如表1所示，共涵蓋了175個(gè)地級(jí)及以上城市。

本研究采用的人口老齡化數(shù)據(jù)（60歲及以上老年人口占總?cè)丝诘谋戎兀┦怯?000、2010、2020年3次人口普查數(shù)據(jù)以及2005年和2015年2次人口抽樣調(diào)查數(shù)據(jù)計(jì)算而得。

1.2? 研究方法

1.2.1? 核密度估計(jì)

核密度估計(jì)采用平滑的峰值函數(shù)擬合樣本數(shù)據(jù)，利用連續(xù)的密度曲線描述隨機(jī)變量的分布形態(tài)［9］，觀察核密度曲線可得到變量的分布位置、分布態(tài)勢、分布延展性、極化趨勢等信息［10］。核密度估計(jì)方法假定隨機(jī)變量x的密度函數(shù)為f（x）=1Nh∑ni=1K（xi-xh），式中：xi為城市i的人口老齡化水平，x為人口老齡化水平的均值，N為樣本城市數(shù)，h為帶寬，K（·）為核函數(shù)。

1.2.2? 馬爾科夫鏈分析

馬爾科夫鏈?zhǔn)且环N時(shí)間和狀態(tài)都離散的馬爾科夫過程，它通過把數(shù)據(jù)離散化為多種類型，并計(jì)算相應(yīng)類型的概率分布及其隨時(shí)間的變化，以近似模擬狀態(tài)變化的整個(gè)過程［11］。假定人口老齡化的馬爾科夫鏈?zhǔn)且粋€(gè)隨機(jī)過程{Z（t），t∈T}的狀態(tài)空間，t時(shí)刻的人口老齡化水平處于k狀態(tài)，t+1時(shí)刻處于l狀態(tài)，則t到t+1時(shí)刻的狀態(tài)轉(zhuǎn)移概率可定義為Pkl=P（Zt+1=kZt=l），式中：對于特定的在給定狀態(tài)k下的樣本城市，其在t時(shí)刻轉(zhuǎn)移到狀態(tài)l的概率的極大似然估計(jì)值可通過pklt=Nklt/Nkt進(jìn)行計(jì)算。

馬爾科夫鏈分析方法能夠詳盡展現(xiàn)各城市人口老齡化的狀態(tài)轉(zhuǎn)移方向和轉(zhuǎn)移概率，更詳實(shí)地識(shí)別、比較和揭示我國城市群內(nèi)部人口老齡化的動(dòng)態(tài)變化情況。沿用馬爾科夫鏈分析框架［12］，首先，將樣本城市按其人口老齡化程度劃分為完備、有限和不交叉的區(qū)間，每個(gè)區(qū)間對應(yīng)于不同程度的人口老齡化水平，其次，運(yùn)用馬爾科夫鏈分析方法計(jì)算出考察期內(nèi)樣本城市整體和不同城市群人口老齡化的馬爾科夫鏈轉(zhuǎn)移概率矩陣，并通過分析其結(jié)構(gòu)特征，揭示城市人口老齡化水平的內(nèi)部動(dòng)態(tài)變化信息。借鑒趙磊和方成［13］的方法，依據(jù)人口老齡化程度從低到高排序?qū)颖境鞘袆澐譃?種類型：人口老齡化程度排序位于（0，25%］的為低人口老齡化水平城市；位于（25%，50%］的為中低人口老齡化水平城市；位于（50%，75%］的為中高人口老齡化水平城市；高于75%為高人口老齡化水平城市。

1.2.3? 地理探測器模型

地理探測器是探測某一事物的空間分異性并揭示其驅(qū)動(dòng)因素的一種統(tǒng)計(jì)學(xué)方法［14］，其核心思想是，如果影響某一事物變化的因素具有空間分異性，且這些影響因素的空間分布與該事物的空間分布存在顯著的一致性或相似性，則說明這些因素對該事物的空間分異產(chǎn)生重要影響［15-16］。

本研究不僅借助于地理探測器中的因子探測識(shí)別我國城市群人口老齡化空間分異的單個(gè)驅(qū)動(dòng)因素，還通過檢驗(yàn)2個(gè)因素空間分布的一致性，來探測因素之間的交互作用，從而揭示其對城市群人口老齡化空間分異的共同作用［17］。

2? 我國城市群人口老齡化的變化趨勢

基于城市層面的人口老齡化數(shù)據(jù)，分別計(jì)算全國、城市群總體以及不同城市群各考察年份的人口老齡化均值，結(jié)果分別如圖1和表2所示。

如圖1所示：考察期內(nèi)全國及城市群總體的人口老齡化均值均處于增長趨勢，但不同時(shí)期增速不同。具體而言，2005—2010年增速略有放緩，2010—2020年的增速明顯加快，這不僅反映了過去二十年我國整體人口老齡化趨勢的加速和加深，而且表明在2010年之后，老齡化現(xiàn)象變得尤為明顯。值得注意的是，與全國相比，城市群總體在不同考察年份的人口老齡化均值更高，這意味著城市群具有相對更高的老齡化水平，集聚了相對較多的老齡人口，因此也將面臨更大的人口老齡化挑戰(zhàn)。

根據(jù)表2數(shù)據(jù)，可以清晰地看出在不同考察時(shí)期，各個(gè)城市群的人口老齡化均值存在顯著差異，表明在城市群層面，我國人口老齡化的空間分布展現(xiàn)出明顯的非均衡性。2000—2020年，大部分城市群的人口老齡化狀況逐漸加劇，不過各城市群的老齡化加深速度存在顯著差異。其中，東北地區(qū)的哈長和遼中南城市群人口老齡化的加深速度相對較快，體現(xiàn)出東北地區(qū)愈發(fā)嚴(yán)峻的人口老齡化形勢；沿海的珠三角、長三角、海峽西岸、北部灣等城市群人口老齡化的加深速度則相對較慢，與內(nèi)陸地區(qū)相比，沿海城市群顯現(xiàn)出越來越明顯的人口優(yōu)勢；除東北地區(qū)外，其他內(nèi)陸地區(qū)城市群基本上保持了與全國整體一致的人口老齡化加速加深趨勢。

從各城市群中核心城市人口老齡化的相對程度看，2000年時(shí)，除北京、天津、上海和青島的人口老齡化水平明顯高于對應(yīng)城市群的平均水平，深圳和廈門人口老齡化水平明顯低于對應(yīng)城市群的平均水平外，其他核心城市的人口老齡化水平均在所在城市群的均值附近（多數(shù)為平均水平之上）波動(dòng)，2005—2015年在城市群均值附近的波動(dòng)開始偏向平均水平之下，而到了2020年，僅剩天津、上海、廣州三大核心城市人口老齡化水平高于其所在城市群的均值。表明過去20年，大城市對人口的“虹吸”作用越來越強(qiáng)，城市群中的年輕人有向著核心城市聚集的趨勢。

3? 我國城市群人口老齡化的空間分布及其演進(jìn)

城市群整體人口老齡化分布的核密度顯示（圖2），在不同考察年份，城市群整體的人口老齡化水平均呈現(xiàn)出明顯的單峰正態(tài)分布特征，表明整體人口老齡化的“集中性”，即城市群所轄的大部分城市的人口老齡化水平均位于均值附近，“極高”或“極低”的城市相對較少。從曲線位置的變化看，2000—2020年，人口老

齡化的核密度曲線逐漸右移，表明隨著時(shí)間的推移，城市群所轄城市的人口老齡化程度整體持續(xù)加深。從曲線形態(tài)的變化看，隨著時(shí)間的推移，核密度曲線波峰的高度逐漸降低，寬度不斷加大，表明城市群所轄城市人口老齡化的整體離散程度呈擴(kuò)大趨勢。從曲線的延展性可知，不同考察年份分布曲線均存在明顯的左拖尾現(xiàn)象，且隨時(shí)間的推移左右拖尾均有所拉長，整體分布的延展性有明顯拓寬的趨勢，意味著在考察初期，僅有少數(shù)城市具有明顯更低的人口老齡化水平，而在考察后期，人口老齡化水平明顯更低或更高的城市有所增多，且這些老齡化水平“異?！钡某鞘信c老齡化水平“主流”的城市，其老齡化程度的差距在考察期內(nèi)有拉大趨勢。

不同城市群人口老齡化分布的核密度顯示（圖3），2000—2020年我國城市群人口老齡化的分布動(dòng)態(tài)呈現(xiàn)出如下特征：（1）隨著時(shí)間的推移，幾乎所有城市群人口老齡化的分布曲線均表現(xiàn)出明顯的右移趨勢，表明各城市群的人口老齡化程度均呈加深態(tài)勢。其中，哈長城市群和遼中南城市群核密度曲線的右移最為明顯，說明在考察期內(nèi)這兩大東北城市群人口老齡化的加深程度相對較大，而珠三角城市群和北部灣城市群核密度曲線的右移相對不明顯，人口老齡化的加深程度相對較小。（2）2000年，不同城市群人口老齡化的核密度圖均具有至少1個(gè)“窄而高”的波峰，表明此時(shí)大部分城市群內(nèi)的城市皆具有相似的、在均值附近波動(dòng)的人口老齡化水平，但到2020年，核密度圖中波峰的高度均明顯降低，寬度則明顯加大，甚至一些城市群（如珠三角城市群、山東半島城市群）開始出現(xiàn)明顯的多峰分布，表明此時(shí)城市群內(nèi)人口老齡化的離散程度已明顯加強(qiáng)。（3）隨著時(shí)間的推移，不同城市群分布曲線延展性的變化存在較大差異，成渝、中原、北部灣、哈長等

城市群分布曲線的左拖尾越來越明顯，意味著在這些城市群內(nèi)逐漸出現(xiàn)少數(shù)相對老齡化水平明顯更低的城市，而長三角、山東半島、長江中游等城市群分布曲線的右拖尾越來越明顯，城市群內(nèi)開始出現(xiàn)一些相對老齡化水平明顯更高的城市，珠三角、海峽西岸等城市群的分布曲線則表現(xiàn)出越來越明顯的雙向拖尾，這些城市群內(nèi)出現(xiàn)的少數(shù)“離散”城市，具有相對于其他大部分城市明顯更低或更高的人口老齡化水平。

4? 我國城市群人口老齡化的狀態(tài)轉(zhuǎn)移

全體城市和不同城市群人口老齡化的馬爾科夫鏈轉(zhuǎn)移概率矩陣顯示（表3），2000—2020年，不同老齡化水平類型城市所對應(yīng)的對角線上的轉(zhuǎn)移概率均高于非對角線上的轉(zhuǎn)移概率，尤其是低老齡化水平城市和高老齡化水平城市，對角線上的轉(zhuǎn)移概率分別達(dá)0.558 1和0.476 2，說明考察期內(nèi)，我國主要城市群所轄城市的人口老齡化具有明顯的慣性，近半數(shù)高老齡化水平和低老齡化水平城市歷經(jīng)20年仍處于同樣的老齡化水平類型。即便如此，除低老齡化水平城市外，其他類型城市對角線上的轉(zhuǎn)移概率均低于0.5，意味著大部分城市的相對老齡化水平在考察期內(nèi)發(fā)生了狀態(tài)轉(zhuǎn)移，同樣體現(xiàn)了相對老齡化水平的動(dòng)態(tài)變化性。

分城市群看，不同城市群的人口老齡化表現(xiàn)出明顯不同的狀態(tài)轉(zhuǎn)移特征。具體而言，京津冀城市群大部分高老齡化水平城市的相對老齡化水平在考察期內(nèi)有所降低，其他類型城市則保持了較強(qiáng)的慣性；長三角城市群不同老齡化水平類型城市多向中等（中低、中高）老齡化水平類型轉(zhuǎn)移；珠三角城市群不同老齡化水平類型城市向低老齡化水平類型轉(zhuǎn)移的趨勢明顯；雖然隨著時(shí)間的推移，成渝城市群中大部分城市仍處于中高和高老齡化水平類型，但考察期內(nèi)高老齡化水平類型城市的占比有明顯的增加；長江中游城市群低和中低老齡化水平類型城市的相對老齡化水平保持了較高的慣性，高和中高老齡化水平類型城市的相對老齡化水平則有所降低；山東半島城市群所轄城市由主要為中高和高兩種老齡化水平類型擴(kuò)展為中低、中高和高三種老齡化水平類型；海峽西岸城市群不同類型城市均有明顯的向更低老齡化水平類型轉(zhuǎn)移的趨勢；中原城市群在保持相對老齡化水平較高慣性的同時(shí)，低老齡化水平類型城市占比有所增加；關(guān)中平原城市群低老齡化水平類型城市的相對老齡化水平在考察期內(nèi)有明顯提升；無論2000年處于何種老齡化水平類型，2020年北部灣城市群所轄城市均轉(zhuǎn)化為低老齡化水平類型；與北部灣城市群相反，無論2000年處于何種老齡化水平類型，2020年哈長、遼中南城市群所轄城市均轉(zhuǎn)化為中高、高老齡化水平類型。從上述不同城市群人口老齡化水平類型的轉(zhuǎn)化中大體可以看出，考察期內(nèi)，沿海或東部發(fā)達(dá)地區(qū)城市群所轄城市的相對老齡化水平呈穩(wěn)中有降的變化，中、西部內(nèi)陸地區(qū)城市群所轄城市的相對老齡化水平表現(xiàn)出穩(wěn)中有升的趨勢，東北地區(qū)城市群所轄城市的相對老齡化水平則提升明顯，至2020年時(shí)均轉(zhuǎn)化為相對較高的人口老齡化水平類型。

5? 我國城市群人口老齡化的驅(qū)動(dòng)因素

現(xiàn)有研究已證實(shí)，人口老齡化受諸多因素的共同影響，與人口基礎(chǔ)、經(jīng)濟(jì)條件和社會(huì)保障環(huán)境等密切相關(guān)。由此，參照相關(guān)研究［18-19］，并考慮到數(shù)據(jù)的可獲得性，本文從人口、經(jīng)濟(jì)和社會(huì)三方面來選取我國城市群人口老齡化的驅(qū)動(dòng)因素。（1）人口因素：選取人口慣性、自然增長率和人口遷移3個(gè)要素，其中老年人口慣性（aging_base）以上一次人口普查時(shí)的老齡化率表示；人口自然增長率（pgr）根據(jù)人口普查數(shù)據(jù)直接獲取；人口遷移（dpop）為與上一次人口普查相比的人口凈流入。（2）經(jīng)濟(jì)因素：選取城市等級(jí)和經(jīng)濟(jì)發(fā)展水平2個(gè)要素，其中城市等級(jí)（rank）參照《第一財(cái)經(jīng)》雜志《2021城市商業(yè)魅力排行榜》的劃分標(biāo)準(zhǔn)進(jìn)行劃分；經(jīng)濟(jì)發(fā)展水平（pgdp）以對應(yīng)年份的人均實(shí)際GDP表示。（3）社會(huì)因素：選取人文環(huán)境和醫(yī)療保障2個(gè)要素，其中人文環(huán)境（pstu）以對應(yīng)年份所在城市每萬人高等學(xué)校在校學(xué)生數(shù)表示；醫(yī)療保障（phospital）以對應(yīng)年份所在城市每萬人醫(yī)療衛(wèi)生機(jī)構(gòu)床位數(shù)表示。

地理探測器模型要求自變量為類型變量，如果自變量為連續(xù)型變量，需要進(jìn)行離散化處理。為此，本研究對除城市等級(jí)（rank）變量外的其他變量進(jìn)行分級(jí)處理，采用“自然斷點(diǎn)分級(jí)法”將連續(xù)變量分為4～6級(jí)的分類變量后輸入地理探測器模型，進(jìn)行因子探測和交互作用探測分析。

因子探測主要識(shí)別不同影響因素對人口老齡化解釋程度的大小，用q值表示。人口老齡化驅(qū)動(dòng)因子探測結(jié)果（表4）顯示，2010年和2020年我國城市群人口老齡化的空間分異受不同的因子所驅(qū)動(dòng)，2010年人口

老齡化的驅(qū)動(dòng)因子由強(qiáng)到弱依次為：aging_base> pgr>dpop>rank，2020年人口老齡化的驅(qū)動(dòng)因子由強(qiáng)到弱依次為：aging_base> pgr> dpop> rank>phospital>pgdp>pstu。參照阮文奇等［20］的標(biāo)準(zhǔn)，將q值大于0.4視為影響作用相對較強(qiáng)的重要因素，2010年和2020年，我國城市群人口老齡化的空間分異均受到老年人口慣性的較大影響，前期的人口老齡化水平不僅與當(dāng)?shù)氐娜丝诮Y(jié)構(gòu)直接相關(guān)，也與地方的養(yǎng)老服務(wù)和適老環(huán)境密切關(guān)聯(lián)，這些均將對當(dāng)前的人口老齡化水平產(chǎn)生正向影響。與2010年相比，人口自然增長率和人口遷移對2020年我國主要城市群的人口老齡化產(chǎn)生了明顯更大的影響。

伴隨著基本公共服務(wù)均等化的推進(jìn)和健康中國戰(zhàn)略的實(shí)施，我國不同地區(qū)死亡率的差異持續(xù)縮小，因此人口自然增長率的差異主要來源于生育率。2010年之前，在計(jì)劃生育政策的約束下，各地的生育率差異不大，人口自然增長率對老齡化水平的影響相對較小。自2013年始，我國的生育政策進(jìn)行了寬松化調(diào)整，同時(shí)由于生育的環(huán)境和文化不同，各地生育率的差異開始拉大，較高的生育率將導(dǎo)致相對較低的人口老齡化水平。與此同時(shí)，為吸引人口流入，2010年之后我國各地競相放寬了人口遷移和落戶限制，流動(dòng)人口的規(guī)模逐年增加，年輕人是流動(dòng)的主力軍［21］，這就使得人口遷移對老齡化率的影響也明顯增大。

2010年和2020年人口老齡化驅(qū)動(dòng)因子交互作用的探測結(jié)果表明（表5），所有驅(qū)動(dòng)因子均存在交互作用，多個(gè)因子的共同作用將增強(qiáng)城市群人口老齡化的空間分異。老年人口慣性（aging_base）和城市等級(jí)（rank）的交互對城市群人口老齡化的空間分異具有最強(qiáng)的解釋力，這意味前期老齡化程度較高且等級(jí)較低的小城市，將不得不面臨更大的人口老齡化挑戰(zhàn)。

6? 結(jié)? 論

基于2000—2020年3次全國人口普查和2次全國人口抽樣調(diào)查數(shù)據(jù)，以12個(gè)主要城市群作為研究對象，以地級(jí)及以上城市作為空間單元，對2000年以來我國城市群人口老齡化的時(shí)空演變及驅(qū)動(dòng)因素進(jìn)行了考察。研究結(jié)論如下。

1）從人口老齡化的變化趨勢來看，2000—2020年全國和各城市群的平均人口老齡化程度呈現(xiàn)出明顯的加速加深的變化趨勢，但在人口老齡化加深速度上，各城市群間存在著顯著差異。東北地區(qū)城市群的人口老齡化的加深速度相對較快，而沿海城市群相對較慢，其他內(nèi)陸地區(qū)城市群則基本上保持了與全國整體一致的變化速度。

2）從人口老齡化的空間分布及其變化看，雖然在不同考察年份，城市群所轄城市的人口老齡化均展現(xiàn)出正態(tài)分布的特征，即大部分城市的人口老齡化皆在均值附近聚集，但隨著時(shí)間的推移，離散程度有明顯擴(kuò)大的趨勢，老齡化水平“異?！钡某鞘兄饾u增多，且不同城市群所轄城市人口老齡化的空間分布及其變化存在較大差異。

3）從人口老齡化的狀態(tài)轉(zhuǎn)移看，整體而言，2000—2020年，城市群所轄城市的相對人口老齡化在保持慣性的同時(shí)，也體現(xiàn)了一定的動(dòng)態(tài)變化性。具體而言，沿?；驏|部發(fā)達(dá)地區(qū)城市群所轄城市的相對老齡化水平呈穩(wěn)中有降的變化，中、西部內(nèi)陸地區(qū)城市群所轄城市的相對老齡化水平表現(xiàn)出穩(wěn)中有升的趨勢，東北地區(qū)城市群所轄城市至2020年則均轉(zhuǎn)化為相對較高的人口老齡化水平類型。

4）從人口老齡化的驅(qū)動(dòng)因素看，2010年，城市群所轄城市整體人口老齡化主要受老年人口慣性的驅(qū)動(dòng)，到2020年，除老年人口慣性外，人口自然增長率和人口遷移，也是驅(qū)動(dòng)城市群人口老齡化空間分異的重要因素。所有驅(qū)動(dòng)因子對人口老齡化的空間分異均存在交互作用，且無論是2010年還是2020年，老年人口慣性和城市等級(jí)的交互對城市群人口老齡化的空間分異均具有最強(qiáng)的解釋力。

綜上，本研究不僅證實(shí)了過去二十年我國城市群人口老齡化加速加深的態(tài)勢，同時(shí)還發(fā)現(xiàn)，不同城市群人口老齡化的加深速度、群內(nèi)分布和群際差異均處于持續(xù)變化之中，且在2010年前后，主要城市群人口老齡化的影響因素也存在較大差異。在當(dāng)前我國人口老齡化仍在持續(xù)加深、人口形勢日益嚴(yán)峻的背景下，本研究提出3個(gè)方面的建議：一是針對老齡化不斷加深的趨勢，應(yīng)采取有效措施延緩老齡化進(jìn)程，推進(jìn)人口長期均衡發(fā)展；二是鑒于老齡化程度已然很深的現(xiàn)實(shí)，應(yīng)積極改善社會(huì)的老年服務(wù)環(huán)境，充分挖掘老年資源潛力；三是對于城市群老齡化的差異性，不同城市群應(yīng)根據(jù)自身的老齡化狀況，因地制宜地制定應(yīng)對措施。

參考文獻(xiàn)：

［1］? 茆長寶，穆光宗，武繼磊.少子老齡化背景下全面二孩政策與鼓勵(lì)生育模擬分析［J］.人口與發(fā)展，2018，24（4）：56-65.

［2］? 黃成禮，龐麗華.人口老齡化對醫(yī)療資源配置的影響分析［J］.人口與發(fā)展，2011，17（2）：33-39.

［3］? 康傳坤，楚天舒.人口老齡化與最優(yōu)養(yǎng)老金繳費(fèi)率［J］.世界經(jīng)濟(jì)，2014，37（4）：139-160.

［4］? 胡鞍鋼，劉生龍，馬振國.人口老齡化、人口增長與經(jīng)濟(jì)增長：來自中國省際面板數(shù)據(jù)的實(shí)證證據(jù)［J］.人口研究，2012，36（3）：14-26.

［5］? 陳明華，郝國彩.中國人口老齡化地區(qū)差異分解及影響因素研究［J］.中國人口·資源與環(huán)境，2014，24（4）：136-141.

［6］? 王晗，劉鑒，房艷剛.東北地區(qū)人口老齡化的多尺度時(shí)空演變及影響因素［J］.地域研究與開發(fā)，2021，40（6）：147-153.

［7］? 李瓊，李松林，張藍(lán)瀾，等.粵港澳大灣區(qū)人口老齡化時(shí)空特征及其經(jīng)濟(jì)效應(yīng)［J］.地理研究，2020，39（9）：2130-2147.

［8］? 許昕，趙媛，夏四友，等.中國分縣城鄉(xiāng)人口老齡化時(shí)空差異與機(jī)理［J］.經(jīng)濟(jì)地理，2020，40（4）：164-174.

［9］? 杜輝，黃杰.中國農(nóng)業(yè)能源效率的區(qū)域差異及動(dòng)態(tài)演進(jìn)［J］.中國農(nóng)業(yè)資源與區(qū)劃，2019，40（8）：45-54.

［10］陳明華，劉華軍，孫亞男.中國五大城市群金融發(fā)展的空間差異及分布動(dòng)態(tài)：2003—2013年［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2016，33（7）：130-144.

［11］姬志恒，張鵬.環(huán)境約束下中國城市土地利用效率空間差異及驅(qū)動(dòng)機(jī)制：基于285個(gè)地級(jí)及以上城市的研究［J］.中國土地科學(xué)，2020，34（8）：72-79.

［12］QUAH D T.Twin peaks：growth and convergence in models of distribution dynamics［J］.The Economic Journal，1996，106（437）：1045-1055.

［13］趙磊，方成.中國省際新型城鎮(zhèn)化發(fā)展水平地區(qū)差異及驅(qū)動(dòng)機(jī)制［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2019，36（5）：44-64.

［14］王勁峰，徐成東.地理探測器：原理與展望［J］.地理學(xué)報(bào)，2017，72（1）：116-134.

［15］WANG J F，HU Y.Environmental health risk detection with GeogDetector［J］.Environmental Modelling & Software，2012，33：114-115.

［16］DING Y，ZHANG M，QIAN X，et al.Using the geographical detector technique to explore the impact of socioeconomic factors on PM2.5 concentrations in China［J］.Journal of Cleaner Production，2019，211：1480-1490.

［17］劉彥隨，李進(jìn)濤.中國縣域農(nóng)村貧困化分異機(jī)制的地理探測與優(yōu)化決策［J］.地理學(xué)報(bào)，2017，72（1）：161-173.

［18］王錄倉，武榮偉，李巍.中國城市群人口老齡化時(shí)空格局［J］.地理學(xué)報(bào)，2017，72（6）：1001-1016.

［19］周鵬，鄧偉，張少堯.四川省人口老齡化的地域特征及影響因素［J］.經(jīng)濟(jì)地理，2019，39（12）：39-47.

［20］阮文奇，張舒寧，李勇泉，等.中國赴泰旅游需求時(shí)空分異及其影響因素［J］.旅游學(xué)刊，2019，34（5）：76-89.

［21］周爽，黃匡時(shí).中國流動(dòng)人口年齡別遷移模式研究：基于2014年全國流動(dòng)人口動(dòng)態(tài)監(jiān)測調(diào)查數(shù)據(jù)的分析［J］.西北人口，2015，36（6）：23-28.

Spatio-temporal Evolution of Population Agingin China from the Perspective of Urban Agglomeration：

An Analysis Based on Census and Sample Survey Data

LIU Yu-pinga，WANG rui-xib

（a.Institute of Public Policy，b.School of Politics and Administration，China West Normal University，Nanchong Sichuan 637009，China）

Abstract：Taking 12 major urban agglomerations as the study area and cities at the prefecture level and above as the spatial units，and utilizing the national population census and sampling survey data as the basis，the spatio-temporal evolution and driving factors of population aging in Chinas urban agglomerations from 2000 to 2020 are analyzed by the methods of time series comparison，Kernel density estimation，Markov chain analysis，and geographical detector model.The results are as follows：（1） Population aging within Chinas urban agglomerations has presented an overall trend of accelerating and deepening，but there are significant differences in the deepening speed of different urban agglomerations.（2） With the passage of time，the dispersion degree of population aging in cities under the jurisdiction of urban agglomerations has shown a trend of obvious expansion；during the survey period，the spatial distribution and evolution of population aging in cities under the jurisdiction of different urban agglomerations have differed apparently；while maintaining a strong inertia，the relative aging level of cities has also reflected a certain dynamic variability.（3） In 2010，the population aging of urban agglomerations was mainly affected by the inertia of the elderly population，while in 2020，in addition to this factor，the natural population growth rate and population migration are also important factors that lead to the spatial differentiation of population aging in urban agglomerations.The overall results indicate that the population aging of different urban agglomerations in China has shown significant spatio-temporal differences and dynamic evolution characteristics in the past two decades.Therefore，each urban agglomeration should formulate targeted and differentiated population aging policies to respond more effectively to the increasingly severe challenge of aging.

Keywords：urban agglomerations；population aging；spatio-temporal evolution；influencing factors；population census