中國城市群人口老齡化的時空演變與影響因素
——基于全國人口普查數據的分析

郭郡郡

(西華師范大學 公共政策研究院，四川 南充 637009)

一、引言

人口問題始終是我國面臨的全局性、戰略性問題。近年來，我國人口發展正面臨著深刻而復雜的形勢變化，其中，人口老齡化及其相關議題備受關注。最近五次的全國人口普查數據顯示，1982、1990、2000、2010和2020年我國的人口老齡化率分別為7.62%、8.57%、10.33%、13.26%和18.70%。(1)說明：本文的人口老齡化率以60歲及以上的老年人口占總人口的比重表示，下同。除整體老齡化程度不斷加深外，由于中國地域廣袤，不同地區的社會、經濟和自然環境存在較大差異，人口發展的基礎條件和文化傳統也不盡相同，使得各地區的老齡化進程并不同步，人口老齡化表現出明顯的空間差異與動態演變特征。

對于人口老齡化的非均衡性及其演進，國內學者分別在不同時空范圍內予以了探討，研究區域涉及全國整體、(2)陳明華，郝國彩：《中國人口老齡化地區差異分解及影響因素研究》，載《中國人口·資源與環境》2014年第4期。(3)黃翌，盧顯晶，劉瀟瀟，等：《中國地市尺度老齡化直接影響因素的貢獻差異研究》，載《地域研究與開發》2022年第1期。特定地區、(4)王晗，劉鑒，房艷剛：《東北地區人口老齡化的多尺度時空演變及影響因素》，載《地域研究與開發》2021年第6期。(5)解韜，李昀東，張晶：《長三角、珠三角地區人口老齡化時空變遷比較研究》，載《人口與發展》2021年第4期。不同省份或城市(6)周春山，童新梅，王玨晗，等：《2000-2010年廣州市人口老齡化空間分異及形成機制》，載《地理研究》2018年第1期。(7)李少星，王先芝，紀小樂，等：《鄉鎮尺度上的山東省人口老齡化空間格局演變與影響因素研究》，載《地理科學進展》2019年第4期。等，時間范圍則主要涵蓋了1990—2015年間的不同時期，而根據研究對象和內容的不同，研究單元涉及省域、(8)劉華軍，何禮偉，楊騫：《中國人口老齡化的空間非均衡及分布動態演進：1989～2011》，載《人口研究》2014年第2期。(9)聶高輝，晏佳惠：《人口老齡化空間非均衡及影響因素分析》，載《重慶社會科學》2019年第1期。市域、(10)李瓊，李松林，張藍瀾，等：《粵港澳大灣區人口老齡化時空特征及其經濟效應》，載《地理研究》2020年第9期。(11)亓廣志，王志寶，趙娜娜：《黃河流域人口老齡化時空差異及驅動因素研究》，載《西安理工大學學報》2022年第3期。縣域，(12)許昕，趙媛，夏四友，等：《中國分縣城鄉人口老齡化時空差異與機理》，載《經濟地理》2020年第4期。(13)吳媛媛，宋玉祥，于婷婷：《東北地區人口老齡化空間格局演變及影響因素研究》，載《東北師大學報(自然科學版)》2021年第3期。乃至街鎮(14)徐州，林孝松，羅朝楊：《重慶市人口老齡化時空演變及空間類型研究》，載《北京師范大學學報(自然科學版)》2019年第6期。等不同空間單元。研究結果整體顯示，考察期內隨著時間的推移，我國不同區域的人口老齡化程度幾乎均處于逐年加深的態勢，但不同省份或城市的老齡化進程及其變化存在明顯差異，且差異呈波動擴大的趨勢：(1)分區域看，我國東、中、西三大地區人口老齡化水平由高到低呈梯度分布，(15)王志寶，孫鐵山，李國平：《近20年來中國人口老齡化的區域差異及其演化》，載《人口研究》2013年第1期。“胡煥庸線”東南半壁老齡化程度高于西北半壁，但增速變化存在階段性特征；(16)周榕，莊汝龍，黃晨熹：《中國人口老齡化格局演變與形成機制》，載《地理學報》2019年第10期。(2)從差異來源看，人口老齡化的空間差異在2010年以前主要來源于區域間差異，2010年之后超變密度的貢獻則有明顯擴大之勢；(3)從影響因素看，人口因素或經濟因素均可能成為人口老齡化空間分異的重要致因。(17)康江江，丁志偉，張改素，等：《中原地區人口老齡化的多尺度時空格局》，載《經濟地理》2016年第4期。(18)梅林，郭艷花，陳妍：《吉林省人口老齡化時空分異特征及成因》，載《地理科學進展》2018年第3期。

黨的二十大明確提出要“實施積極應對人口老齡化國家戰略”，為我國老齡事業的發展提供了根本遵循。在當前我國人口老齡化的空間差異及其動態演變持續加深的背景下，要實現對人口老齡化的“積極應對”，首先需對其時空演變特征有更清晰的認知。然而，因數據所限，現有學者對城市層面人口老齡化非均衡性的研究多止步于“六普”之前，對新時代我國人口老齡化的空間分布特征及其變化關注不多，而新時代不僅我國人口相關政策開啟了密集“優化”調整，健康中國戰略和積極應對人口老齡化國家戰略的持續推進也將對老年人口的關注提升到前所未有的高度，這些均可能引致我國人口老齡化時空演進的新特征和新變化。不僅如此，就區域對象而言，盡管現有人口老齡化相關問題的探討涉及了不同的區域范圍或空間尺度，但很少有研究者從城市群的角度進行分析，而“十四五”規劃提出要將提升城市群的功能作為“增強經濟和人口承載能力，帶動全國經濟效率整體提升”的重要抓手，這意味著城市群作為我國經濟的主要載體，未來將不僅是人口和勞動中心，也將是退休和養老中心。

鑒于此，本研究擬基于2000、2010、2020年三次全國人口普查數據，從城市群的角度對2000年以來我國城市層面人口老齡化的時空差異及動態演進進行分析，并進一步探討人口老齡化空間分異的驅動因素。我們期待，通過本文的研究，不僅有助于我們進一步明晰新時代我國城市群人口老齡化的非均衡性及其變化，還可為不同城市群采取科學且有針對性的人口老齡化應對政策提供決策參考和科學建言。

二、數據來源與研究方法

(一)度量指標、研究對象與數據來源

本研究主要關注人口老齡化程度，參照以往的研究和國際通用標準，本文選用60歲及以上老年人口占總人口的比重作為人口老齡化的度量指標。

本研究重點從城市層面考察城市群人口老齡化的時空差異及變化，為保障研究對象的廣泛性和代表性，我們以“十四五”規劃中列出的前十二大城市群作為研究的對象區域，以城市作為空間單元進行分析。(19)說明：2020年十二大城市群的GDP總量為91.742萬億元，常住人口總量為9.59億人，分別占全國(除港澳臺外)GDP的90.51%和總人口的67.92%，不僅體現了城市群極強的經濟和人口承載能力，也顯現出所選研究對象的廣泛性和代表性。

本研究計算人口老齡化采用的人口統計口徑為常住人口，人口相關數據均來源于全國第五、六、七次人口普查(對應時間分別為2000年、2010年、2020年)，共得到了175個樣本城市的人口老齡化數據，作為本研究分析的主要樣本數據。其他社會經濟變量數據則主要來源于EPS數據平臺的中國區域經濟數據庫，并以不同城市對應年份的統計公報為補充。

(二)主要研究方法

1. 空間關聯分析

空間關聯通常以空間自相關性加以描述，空間自相關性分為全局空間自相關和局部空間自相關，分別采用全局Moran’s I指數和局部Moran’s I指數進行測度。(20)許鋒：《基于Moran指數和譜圖論的空間自相關測度方法優化》，載《城市發展研究》2021年第12期。

全局Moran’s I指數可用于判別城市群的人口老齡化在整體上是否存在空間集聚或分散特征，其計算公式(21)許慶，劉進，熊長江：《中國農村基礎設施發展水平、區域差異及分布動態演進》，載《數量經濟技術經濟研究》2022年第2期。可表述為：

(1)

(2)

與全局Moran’s I指數的整體空間相關性判別不同，局部Moran’s I指數可用于判斷某個城市的人口老齡化與其周邊城市是否存在空間相關性，其計算公式為：

(3)

上式(3)中各變量表示的含義與式(1)和(2)相同。

2.空間差異分析

采用Dagum基尼系數及分解方法，對城市群人口老齡化的空間差異及其來源進行分析。根據Dagum(22)Dagum C：Decomposition and Interpretation of Gini and the Generalized Entropy Inequality Measures，Statistica，1997，57(3)：295-308.的設定，測度我國城市群人口老齡化整體差異的總體基尼系數可表述為：

(4)

根據Dagum基尼系數分解方法，總體基尼系數G可分解為城市群內差距的貢獻Gw、城市群間差距的貢獻Gnb和超變密度的貢獻Gt三個部分，滿足G=Gw+Gnb+Gt。

3.驅動因素分析

采用LASSO(Least Absolute Shrinkage and Selection Operator)回歸方法進行變量選擇，對我國城市群人口老齡化時空分異的驅動因素進行識別和檢驗。

假設人口老齡化影響因素的線性回歸模型Y=βX+ε，Y為因變量向量，X為自變量矩陣，β為系數向量，ε為誤差向量。LASSO方法(23)曾津，周建軍：《高維數據變量選擇方法綜述》，載《數理統計與管理》2017年第4期。的系數估計為：

(5)

三、城市群人口老齡化的整體變化趨勢

根據地級及以上城市的人口老齡化數據，分別計算全國所有城市、城市群所轄城市整體的人口老齡化均值，結果顯示，無論是全國所有城市還是城市群所轄城市，其人口老齡化的均值均處于不斷增長的趨勢，且2010—2020年的增速明顯高于2000—2010年，體現出過去二十年我國整體人口老齡化加速加深的態勢。不僅如此，在不同考察年份，城市群所轄城市的人口老齡化均值均高于全國所有城市的整體均值，且二者的差距在考察期內還有所擴大，表明與非樣本城市群相比，我國主要城市群承載了相對更多的老年人口，且隨著時間的推移，老年人口向著城市群集中的趨勢還在不斷強化。

分城市群看，表1顯示，在不同的考察年份，不同城市群所轄城市的人口老齡化均值存在較大差異，整體展現出我國城市群人口老齡化的空間分異特征。

表1 各城市群城市人口老齡化均值及其變化

雖然隨著時間的推移，幾乎所有城市群的人口老齡化均處于加速加深的態勢，但由于加深速度不同，使得考察期內城市群的相對老齡化程度發生了一定的變化。從人口老齡化排序的變化看，考察期內，京津冀、珠三角、成渝、長江中游、山東半島、中原、關中平原等城市群的人口老齡化排序保持了較高的穩定性，這些城市群基本保持了與全國整體同步的老齡化態勢；長三角、海峽西岸、北部灣等城市群平均人口老齡化的排序明顯后移，雖然這些城市群的人口老齡化在考察期內亦有明顯加深，但與其他城市群相比，加深程度相對更小；而哈長和遼中南城市群平均人口老齡化的排序，在考察期內持續前移，與其他城市群相比，其相對老齡化程度均明顯加深。總的來看，從城市群人口老齡化排序的變化可知，五大國家級城市群除長三角城市群人口老齡化的相對程度有所降低外(24)說明：按照國務院相關規劃，我國五大國家級城市群是指長三角城市群、珠三角城市群、京津冀城市群、長江中游城市群和成渝城市群。，其他城市群人口老齡化的相對程度在考察期內均保持了較高的穩定性；除東北地區外，其他地區的區域性城市群人口老齡化的相對程度則呈現出穩中有降的變化；而東北地區城市群人口老齡化的相對程度在考察期內有明顯加深。

從中心城市與城市群平均人口老齡化的對比關系看，2000年時，除北京、天津、上海的人口老齡化明顯高于其對應的京津冀、長三角城市群的平均人口老齡化，深圳的人口老齡化明顯低于其對應的珠三角城市群的平均人口老齡化外，其他城市群中心城市的人口老齡化均在城市群平均人口老齡化附近波動。而到2020年時，除天津、上海、廣州三大城市的老齡化水平仍略高于對應城市群的平均水平外，其他中心城市的人口老齡化均不同程度的低于對應城市群的平均人口老齡化，考慮到中心城市通常也具有較大的人口規模，表明近20年在城市群內部，年輕人有著越來越明顯的向著中心城市集聚的趨勢。尤其是深圳對應于珠三角城市群，成都對應于成渝城市群，廈門對應于海峽西岸城市群和鄭州對應于中原城市群，中心城市和城市群平均老齡化水平的差距均超過了5%，這些城市群中年輕人向中心城市集聚的態勢尤為明顯。

四、城市群人口老齡化的空間關聯及其變化

采用Moran’s I指數分析城市群人口老齡化的空間關聯及其變化，以鄰接關系矩陣中的Queen contiguity矩陣作為空間權重矩陣，所計算的不同年份全局Moran’s I指數和所繪制的局部Moran’s I散點圖分別如表2和圖1所示。

表2 中國城市群人口老齡化的全局Moran’s I指數

表2顯示，在不同考察年份，全局Moran’s I指數值均大于0.6，且在1%的顯著性水平下顯著，表明我國主要城市群所轄城市的人口老齡化在空間上并非隨機分布的，而是呈現出相似類型集聚的分布特征。2000—2020年間，全局Moran’s I指數值穩中略有增大，表明隨著時間的推移，我國主要城市群所轄城市人口老齡化的整體空間關聯穩中有增。

從圖1所示的局部Moran’s I散點圖可以看出，在2000、2010和2020年三個考察年份，大部分樣本點均位于第一象限和第三象限，與全局Moran’s I指數所得結論類似，主要城市群所轄城市的人口老齡化主要表現出高-高(H-H)集聚和低-低(L-L)集聚的相似類型集聚的特征。隨著時間的推移，大部分第一和第三象限的樣本點距離原點的距離有所拉大，同樣表明城市間人口老齡化的正向空間關聯在考察期內有所增強。

為進一步從時間角度探討我國城市群人口老齡化空間關聯特征的變化，采用Rey(25)Rey S. J：“Spatial Analysis of Regional Income Inequality”，Spatially Integrated Social Science：Examples in Best Practice，Oxford：Oxford University Press，2004，P. 280-299.提出的時空躍遷分析方法，根據局部Moran’s I在不同時間的類型變化情況，將我國城市群所轄城市人口老齡化的時空躍遷分為四種類型：類型Ⅰ表示僅研究城市自身發生躍遷；類型Ⅱ表示鄰域城市發生躍遷；類型Ⅲ表示研究城市自身及其鄰域城市均發生躍遷；類型Ⅳ表示研究城市自身及其鄰域城市均未發生躍遷。不同考察期內時空躍遷的測算結果如表3所示。

表3 局部Moran’s I的時空躍遷矩陣

表3顯示，不僅考察期內的不同年份，城市群所轄城市的人口老齡化均主要呈現出相似類型集聚的空間關聯特征，且在不同考察期間，類型Ⅳ均是高-高(H-H)集聚和低-低(L-L)集聚城市的主要躍遷類型，表明城市群所轄城市人口老齡化的正向空間關聯在考察期內整體保持了較高的穩定性。盡管如此，2000—2010年間，高-高(H-H)集聚和低-低(L-L)集聚中類型Ⅳ的概率分別為0.760和0.841，而2010—2020年間，則分別為0.697和0.744，后者均明顯小于前者，意味著與2010年前相比，2010年后城市群所轄城市人口老齡化的正向空間關聯發生了相對更大的躍遷。

五、城市群人口老齡化的空間差異及其來源

以Dagum基尼系數及其分解方法分析我國主要城市群所轄城市人口老齡化的空間差異及其來源，相關測算結果分別如表4和表5所示。

表4 城市群人口老齡化的總體和區域內基尼系數

表4顯示，2000—2020年間，樣本城市人口老齡化的總體基尼系數呈現出波動中增長的趨勢，表明整體而言，考察期內我國主要城市群所轄城市人口老齡化的差異在波動中有所增大。分城市群看，不同年份各城市群的區域內基尼系數有較大差異，且除珠三角城市群外，其他城市群的區域內基尼系數均小于總體基尼系數，表明對除珠三角外的其他城市群而言，人口老齡化的城市群內差異均要小于人口老齡化的整體差異。從區域內基尼系數的相對大小看，在不同考察年份，位于中、西部地區的城市群一般具有較小的區域內基尼系數，表現出相對較小的城市群內人口老齡化差異，而位于東部(沿海)地區的城市群，則一般展現出相對較大的人口老齡化城市群內差異。從區域內基尼系數的變化看，除珠三角城市群和哈長城市群的區域內基尼系數在考察期內略有減小外，其他城市群的區域內基尼系數在考察期內要么穩定波動，要么在波動中有所增大，表明2000—2020年間，城市群人口老齡化的群內差異，主要表現出穩定或增大的變化趨勢。

區域間基尼系數的測算結果顯示，(26)限于篇幅，未列示城市群人口老齡化的區域間基尼系數計算結果，可向作者索取。與區域內基尼系數相比，城市群人口老齡化具有相對較大的區域間基尼系數，表明整體而言，城市群人口老齡化的群間差異要大于群內差異。從區域間基尼系數的變化來看，考察期內大部分城市群間的區域間基尼系數有所擴大，且與2000—2010年相比，2010—2020年間的擴大幅度更明顯，表明2000—2020年城市群間人口老齡化的差異整體呈擴大趨勢，且城市群間差異的擴大主要發生在2010年之后。從區域間基尼系數的相對大小看，在不同考察年份，珠三角與其他城市群的區域間基尼系數均相對較大，顯示出珠三角城市群與其他城市群之間較大的人口老齡化差異。此外，如果將城市群按中心城市所處地理位置劃分為東、中、西和東北四大區域(27)分類說明：以中心城市所處地理位置為標準，東部地區城市群包括京津冀、長三角、珠三角、山東半島和海峽西岸，中部地區城市群包括長江中游和中原，西部地區城市群包括成渝、關中平原和北部灣，東北地區城市群包括哈長和遼中南。，整體來看，各區域內部城市群間的人口老齡化差異要小于不同區域城市群間人口老齡化的差異，表明人口老齡化的城市群分布也表現出一定的區域相似性。

從城市群人口老齡化差異的貢獻率看，表5顯示，考察期內的不同年份，區域間差異的貢獻率均最高，且皆超過了70%，考察期間的平均貢獻率更是高達74.41%；其次為超變密度貢獻率，考察期間的平均貢獻率為19.33%；而區域內差異的貢獻率最小，不同年份均在6%附近徘徊，考察期間的平均貢獻率僅為6.26%，由此表明，我國城市群所轄城市人口老齡化的整體差異主要源于城市群間人口老齡化差異的較大影響。不僅如此，從差異貢獻率的變化還可得知，考察期內城市群間人口老齡化差異對整體差異的貢獻有所擴大，人口老齡化的群際差異愈發明顯，相對而言，超變密度的貢獻有所縮小，而城市群內差異的貢獻則保持了相對較高的穩定性。

六、城市群人口老齡化的影響因素

從本質上看，人口老齡化是由人口年齡結構的演替所引致，其變化源于老年人口數量和總人口數量的非對稱性改變，這意味著對二者具有差異性影響的因素均可能導致老齡化率的變化。以對人口年齡結構是否具有直接影響為考量，城市群人口老齡化時空格局變動的影響因素可歸納為直接因素和間接因素兩大類。(28)吳連霞，趙媛，吳開亞，等：《中國人口老齡化區域差異及驅動機制研究》，載《地理科學》2018年第6期。

直接因素為可直接導致人口年齡結構演替的人口發展因素，包括老齡化慣性、人口自然增長、人口流遷和生育潛力四個備擇變量。人口發展具有明顯的慣性，基期的老齡化狀況在很大程度上影響著當前老齡化的基本走向，會對當前的老年人口數量和老齡化水平產生正向影響。(29)王錄倉，武榮偉，李巍：《中國城市群人口老齡化時空格局》，載《地理學報》2017年第6期。一個地區人口的自然增長，是由出生率和死亡率共同決定的，其對人口老齡化的影響則取決于出生率和死亡率的相對變化，出生率的提高意味著年輕人口占比增加，老齡化率降低，死亡率的下降則相反。人口流遷會直接影響人口數量，流動人口的結構則會對流入地和流出地的人口結構產生不同影響，考慮到我國流動人口以勞動年齡人口為主，(30)段成榮，邱玉鼎，黃凡，等：《從657萬到3.76億：四論中國人口遷移轉變》，載《人口研究》2022年第6期。意味著流入人口規模大的城市，老年人口占比會被流入的年輕人“稀釋”，其人口老齡化率也會相對較低。生育率長期處于較低水平，是導致人口老齡化不斷加深的重要原因，(31)蔡昉：《打破“生育率悖論”》，載《經濟學動態》2022年第1期。更高的育齡女性占比意味著更大的生育潛力，在其他因素相同的情況下，將實現更高的生育率從而相對更低的老齡化率。

間接因素主要通過對人口相關因素的影響，間接引致人口年齡結構的演替，主要包括經濟社會因素和自然地理因素兩個方面。①經濟社會因素：包括經濟發展水平、產業結構、教育發展水平和公共服務水平四個備擇變量。經濟發展水平的提升可通過改變生育行為、延長預期壽命等，對人口老齡化產生復雜的影響；(32)王志寶，孫鐵山，李國平：《近20年來中國人口老齡化的區域差異及其演化》，載《人口研究》2013年第1期。通過“以產聚人”抑或“以人定產”，產業結構與人口集聚之間會產生不同方向的相互影響；(33)賈晉，高遠卓，申云：《人口集聚與產業結構高級化：孰先孰后》，載《財經科學》2022年第7期。教育發展可能通過對人口出生率、(34)張沖，萬新月：《教育進步降低了人口出生率嗎？》，載《統計與信息論壇》2019年第7期。人口流遷等的影響導致人口年齡結構的變化；公共服務水平則通過對老年人健康及預期壽命的影響改變老年人口數量和占比。②自然地理因素：包括氣溫、環境污染和地形特征三個備擇變量。氣溫不僅與地區經濟發展密切相關，同時還能夠顯著影響城市的人口增長；(35)蘇紅鍵：《自然稟賦與地區發展：兼論南北經濟差距擴大現象》，載《中國軟科學》2022年第10期。環境污染除了會影響死亡率外，(36)陳鏝，黃柏石，劉曄：《PM2.5污染對中國人口死亡率的影響——基于346個城市面板數據的實證分析》，載《地理科學進展》2022年第6期。還會對人口流動產生影響；(37)孫偉增，張曉楠，鄭思齊：《空氣污染與勞動力的空間流動——基于流動人口就業選址行為的研究》，載《經濟研究》2019年第11期。地形特征則與人口分布相關。(38)彭秋志，朱丹：《中國縣域地面坡譜分級及其與人口分布的關系》，載《資源科學》2022年第9期。

上述各備擇變量的定義如表6所示。

表6 備擇變量的定義

借助LASSO模型，在上述備擇變量中選取對城市群人口老齡化有解釋力的變量，并基于挑選后的變量進行回歸，全體樣本和不同城市群樣本的回歸結果分別如表7和表8所示。

表7 基于LASSO模型城市群人口老齡化影響因素的估計結果

表8 基于LASSO模型不同城市群人口老齡化影響因素的估計結果

表7全體樣本2010和2020年的估計結果顯示，直接因素中，與預期基本一致，老齡化慣性均對人口老齡化具有顯著的正向影響，人口自然增長、人口流遷和生育潛力則對人口老齡化具有顯著的負向影響；間接因素中，對人口老齡化具有顯著影響的因素主要為氣溫，且城市的平均氣溫越高，其老齡化程度越低。盡管如此，通過比較2010和2020年各系數估計值的大小和顯著性水平，我們仍不難看出，與2010年相比，2020年我國城市群人口老齡化的影響因素呈現出一定的變化。人口發展因素中，老齡化慣性、人口自然增長和人口流遷的影響保持了較高的穩定性，但與2010年相比，生育潛力對人口老齡化的負向影響在2020年時顯著增強，可能的原因在于，2000—2010年間，我國大部分地區實施著嚴格的“一胎化”政策，在此政策下，生育潛力很難轉化為實際的生育行為，其對生育的積極影響也就很難得以體現，而2010—2020年間，我國的生育政策開啟了密集“寬向”的調整，更寬松的生育政策使得生育潛力更容易轉化為生育行為，表現為生育潛力對生育率更大的正向影響，從而對老齡化率更大的負向影響。經濟社會因素和自然地理因素中，與2010年相比，2020年時產業結構、環境污染和氣溫對城市群人口老齡化的影響得以顯現或強化，這些間接因素均與人口流遷或集聚相關，2010—2020年間，在城鄉融合發展、區域協調發展等政策的推動下，我國的人口流動障礙和落戶門檻持續降低，人口流遷變得越來越容易，而與老年人相比，年輕人的流動意愿和能力均更強，于是當流遷變得更為便利時，影響人口流遷的因素會因為相對更多年輕人的流動，對流入地或流出地的人口老齡化產生越來越明顯的影響。

表8顯示，整體而言，城市群內部人口老齡化的空間分異主要源于人口發展因素的影響。對于大部分城市群，老齡化慣性和人口流遷均是人口老齡化空間分異的重要致因，且前期老齡化率對當前老齡化率具有正向影響，而流入人口占比越高的城市，老齡化程度則相對越低。不僅如此，與2010年相比，2020年時老齡化慣性和人口流遷對人口老齡化的影響呈現出一定的增減變化，但增減變化的方向并不明確，因城市群而異。雖然在2010年時，各城市群中人口自然增長和生育潛力對人口老齡化率的影響要么不顯著，要么很小，但到2020年，大部分城市群二者對人口老齡化率的負向影響有所顯現或強化，考慮到城市群內部較小的死亡率差異，人口自然增長和生育潛力均指向了生育率的變化，表明隨著2010年之后我國生育政策的逐步放寬，生育率相關因素已越來越明顯的成為城市群內部人口老齡化空間分異的重要致因。由于城市群內部經濟社會發展和自然地理特征的差異相對較小，且大部分間接因素對人口老齡化的影響將通過對人口發展的影響實現，因此除少量內部差異較大或涵蓋范圍較廣的城市群外，經濟社會因素和自然地理因素并不會對城市群內部人口老齡化的空間分異產生明顯影響。

七、結論

基于2000、2010、2020年三次全國人口普查數據，以12個主要城市群作為研究區域，在市域尺度下，本研究從城市群的角度對2000年以來我國城市人口老齡化的時空差異及動態演進進行了分析，并進一步探討城市群人口老齡化空間分異的驅動因素。研究結果顯示：

1.整體而言，考察期內城市群所轄城市的平均人口老齡化呈加速加深的態勢，但不同城市群人口老齡化的加深速度存在較大差異，使得考察期內城市群老齡化均值的排序發生了一定的變化。從中心城市的相對老齡化程度看，2000年，大部分中心城市的人口老齡化在其所屬城市群的老齡化均值附近波動，但到2020年時，除天津、上海、廣州外，大部分中心城市的人口老齡化低于其所屬城市群的平均老齡化水平。

2.考察期內城市群所轄城市的人口老齡化整體呈現出相似類型集聚的空間關聯特征，且隨著時間的推移，全局空間自相關性穩中有所增強；盡管局部空間自相關性在考察期內亦有所增強，但正向空間關聯在考察期內發生了一定的躍遷，且與2000—2010年相比，2010—2020年間的躍遷相對更明顯。

3.考察期內城市群所轄城市人口老齡化的整體差異有所擴大，且除珠三角城市群外，城市群內人口老齡化的差異要明顯小于城市群所轄城市人口老齡化的整體差異。總的來看，城市群人口老齡化的群間差異要大于群內差異，人口老齡化整體差異及其變化主要源于城市群間人口老齡化差異的貢獻。

4.整體來看，老齡化慣性、人口自然增長、人口流遷、生育潛力和氣溫均是2010和2020年城市群所轄城市人口老齡化空間分異的重要致因，且與2010年相比，生育潛力、產業結構、環境污染和氣溫對人口老齡化空間分異的影響有所顯現或強化。分城市群看，老齡化慣性和人口流遷是大部分城市群內部人口老齡化空間分異的致因，但與2010年不同的是，與生育率差異相關的人口自然增長和生育潛力，在2020年時展現出越來越明顯的對城市群內部人口老齡化的空間分異的影響。