縣域尺度下成渝地區雙城經濟圈人口老齡化的時空演變與影響因素
——基于最近三次人口普查數據的分析

郭郡郡，劉玉萍

（西華師范大學 公共政策研究院，四川 南充 637009）

2020年1月，在習近平總書記主持召開的中央財經委員會第六次會議上，中央決定“推動成渝地區雙城經濟圈建設，在西部形成高質量發展的重要增長極”，成渝地區由此迎來建設和發展的新機遇。作為“十四五”規劃中定位為“優化提升”的五大國家級城市群之一，一方面，成渝地區雙城經濟圈的人口總量規模大，人力資源豐富，但另一方面，與全國整體的老齡化趨勢一致，成渝地區雙城經濟圈也面臨日益嚴峻的人口老齡化問題。第七次全國人口普查數據顯示，截至2020年，成渝地區雙城經濟圈不僅所有城市皆已跨過老齡社會①世界衛生組織把老齡化的社會細分為“老齡化社會”“老齡社會”“超老齡社會”，分別是65 歲以上人口占比達到7%、14%和20%，據此，2010—2020年，成渝地區整體由“老齡化社會”步入“老齡社會”。的門檻（林小昭，2021），且在全國老齡化程度最高的10個城市中，有6個來自成渝地區②在全國城市中老齡化程度的排序分別為：第2名資陽市（22.62%）、第4名自貢市（21.29%）、第6名南充市（20.69%）、第8名德陽市（20.25%）、第9名內江市（20.03%）、第10名眉山市（20.02%）。。

早在20世紀中期，老齡化相關議題即受到廣泛關注，但不同時期學者的研究方向各異。早期學者更多從社會學、人口學和經濟學等學科出發，在宏觀和微觀層面對老齡化的影響（Harper et al., 1995）和應對（Mccarthy, 1983）展開研究。隨著人口老齡化的區域性特征逐漸凸顯，到了20 世紀80 年代，越來越多地理學者開始從空間角度探尋人口老齡化現象。國外學者在全球、國家和城市等不同尺度下，對老齡化的空間分布及成因（Rogerso, 1996;Hanlon, 2013），老齡化和空間、地點之間的聯系及擴展（Robles, 1978）等進行了大量實證研究。相對而言，國內從空間角度對老齡化展開的研究起步較晚，但發展較快。尤其是新世紀以來，國內學者分別在不同時空范圍內對中國人口老齡化的空間分布特征予以探討，研究區域涉及多國、全國整體、自然流域、特定地區、不同省份或城市等（陳明華等，2014；王志寶 等，2015；李少星 等，2019；李瓊 等，2020；王晗 等，2021；解韜 等，2021；黃翌 等，2022；亓廣志 等，2022），時間范圍主要涵蓋1990—2015年的不同時期，而根據研究對象和內容的不同，研究單元涉及國家、省域、市域、縣域，乃至街鎮等不同空間單元（劉華軍 等，2014；周春山 等，2018；聶高輝 等，2019；徐州 等，2019；許昕 等，2020；吳媛媛 等，2021）。研究整體顯示，在不同考察期內，中國的人口老齡化均表現出明顯的空間非均衡性，且老齡化進程的時空差異主要體現在3個方面：1）同一時期不同區域的老齡化程度不同；2）區域內不同空間單元的老齡化水平存在差異；3）區域間和區域內人口老齡化的差異具有時變性。

盡管國內學者已對中國諸多區域人口老齡化的時空演變進行探討，一些研究所涉區域也涵蓋了成渝地區（吳媛媛 等，2020；李鴻梅 等，2021），但少有研究就成渝地區的人口老齡化展開詳盡分析。不僅如此，因數據所限，現有研究對特定城市群人口老齡化的考察，空間尺度多局限于市域及以上，時間范圍則多止步于2015年。然而，成渝地區人口和經濟空間分布的非均衡性，在縣域層面也有較為突出的表現（李崢榮 等，2018），且在2015 年之后，隨著中國生育政策的逐漸放寬，成渝地區的人口發展環境也在發生顯著變化。因此，有必要在縣域尺度下，對成渝地區人口老齡化的空間分布特征及其新變化展開詳盡考察。

鑒于此，本研究擬基于2000、2010和2020年3次人口普查數據，在縣域尺度下，對2000—2020年成渝地區雙城經濟圈人口老齡化的時空演變及影響因素進行分析。以期為當前各地區養老資源的合理配置提供依據，并助力地方政府采取更具針對性的人口老齡化預防與應對措施，為老齡化相關政策的優化提供決策參考。

1 研究區域、數據來源與方法

1.1 研究區域、測度指標與數據來源

以成渝地區雙城經濟圈作為研究區域，以區縣作為空間單元，對成渝地區雙城經濟圈的人口老齡化進行考察。雖然按照《成渝地區雙城經濟圈建設規劃綱要》（中共中央 國務院，2021），重慶市黔江區被納入成渝地區雙城經濟圈建設，但與之相鄰的彭水縣并未被納入，這使得黔江區與成渝地區的其他區縣在地理上存在空間阻隔，為便于開展分析，未將黔江區納入考察范圍。相反，雖然在《成渝地區雙城經濟圈建設規劃綱要》中，重慶市開州區、云陽縣的部分地區、綿陽市的北川縣和平武縣、達州的萬源市、雅安市的天全縣和寶興縣，并未被納入成渝地區雙城經濟圈建設，但在《成渝經濟區區域規劃》（國家發改委，2011）及其之后陸續發布的各城市群具體規劃中③主要包括《成渝經濟區成都城市群發展規劃（2014—2020 年）》《重慶都市圈發展規劃》《成渝經濟區南部城市群發展規劃（2014—2020年）》。，上述相關區縣并未被排除在外，因此也將其納入考察范圍。除此之外，參照《成渝經濟區區域規劃》，在進行區域差異分析時，將成渝地區雙城經濟圈劃分為四大城市群，分別為成都城市群、重慶城市群、南部城市群和東北部城市群（圖1），共得四大城市群147個區縣作為研究的樣本區縣④由于行政區劃調整，2003年時，原遂寧市市中區分成船山區和安居區，2013年時，原廣安市廣安區分成廣安區和前鋒區，但為了便于比較，在分析時分開進行考察。。

圖1 研究區域Fig.1 Study areas

本研究主要關注人口老齡化程度，人口老齡化程度通常以老齡人口系數表征⑤老齡人口系數，也稱老齡人口比重，是指一個地區60歲（或65歲）及以上的老齡人口占該地區總人口的比重。。參照國際通用標準和已有研究（康江江 等，2016；王晗 等，2021），選用≥65歲老齡人口占總人口的比例作為人口老齡化的度量指標。本研究計算人口老齡化采用的人口統計口徑為常住人口，人口相關數據主要來源于第五次（2000 年）、第六次（2010 年）和第七次（2020 年）全國人口普查⑥http://www.stats.gov.cn/sj/pcsj/，其他相關變量數據主要來源于EPS 數據平臺的“中國區域經濟數據庫”⑦https://www.epsnet.com.cn/index.html#/Index，并以各城市統計年鑒數據和不同區縣對應年份的統計公報為補充；夜間燈光亮度均值的原始數據來自美國國家海洋和大氣管理局（NOAA）發布的全球燈光數據⑧https://ngdc.noaa.gov/eog/download.html。

1.2 主要研究方法

1.2.1 標準差橢圓 標準差橢圓（Standard Deviational Ellipse, SDE）是分析空間分布方向性特征的經典方法之一（Lefever, 1926）。繪制成渝地區雙城經濟圈縣域人口老齡化的標準差橢圓，通過對橢圓的分布范圍、長半軸和短半軸、方位角、重心點等指標的計算和分析，可有效識別成渝地區雙城經濟圈人口老齡化的分布方位、重心位置及其變化（趙璐 等，2022）。標準差橢圓中，各主要參數的計算公式為（趙璐 等，2014；鐘順昌 等，2022）：

1.2.2 Moran'sI指數 Moran'sI指數可用以考察某一空間單元的某種屬性和其周圍的其他空間單元是否存在某種程度的空間依賴性和空間集聚現象（涂正革 等，2022）。Moran'sI指數包括全局Moran'sI指數和局部Moran'sI指數。其中，全局Moran'sI指數可用以判別區縣人口老齡化在整體上是否具有空間集聚或分散特征，其計算公式可表述為（許慶等，2022）：

式中：n表示樣本區縣的數量；xi與xj表示人口老齡化在區縣i和j上的觀察值；-x為各樣本區縣人口老齡化的均值；Wij表示空間權重矩陣。

與全局Moran'sI指數的整體空間相關性判別不同，局部Moran'sI指數可用于判斷某個區縣的人口老齡化與其周邊區縣是否存在空間相關性，其計算公式為：

1.2.3 Dagum 基尼系數及分解 為了考察目標變量在一定空間范圍的差異性，Dagum（1997）提出了一種在充分考慮子群樣本分布的狀況下，將基尼系數按照子群進行分解的方法。根據Dagum（1997）的設定，測度成渝地區雙城經濟圈縣域人口老齡化整體差異的總體基尼系數可表述為：

式中：k和n分別表示城市群和區縣的個數；nr（nh）表示城市群r（h）內區縣的個數；xri（xhj）表示城市群r（h）內區縣i（j）的人口老齡化水平；ˉx為樣本區縣人口老齡化的均值。G值越大意味著區縣間人口老齡化的差距越大，人口老齡化的整體分布越不均衡。

根據Dagum（1997）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等3 個部分，滿足G＝Gw+Gnb+Gt，各部分的計算公式參見文獻（張龍耀 等，2021）。

1.2.4 空間計量回歸模型 與傳統采用普通最小二乘法（Ordinary Least Squares, OLS）進行計量模型的估計普遍忽視空間效應不同，空間計量回歸模型主要解決回歸模型中復雜的空間相互作用與空間依存性結構問題（Anselin, 1988）。常用的截面數據空間計量模型有空間滯后模型（Spatial Lag Model,SLM）、空間誤差模型（Spatial Errors Model, SEM）和廣義空間自回歸模型（Spatial Autocorrelation,SAC）。

空間滯后模型主要關注被解釋變量在一個地區是否會受到周圍地區被解釋變量的影響，即所考察區縣人口老齡化的空間溢出效應主要體現在因變量上，其模型設置為：

式中：Wy表示空間滯后因變量；ρ表示空間滯后自回歸系數，即空間溢出效應值；X、β分別為解釋變量矩陣及其回歸系數；ε為隨機擾動項。

空間誤差模型反映被解釋變量受周圍地區相互依賴的誤差沖擊的影響，即人口老齡化的空間自相關被定義在具有空間溢出效應的誤差項上，其模型設定為：

式中：μ表示擾動項，存在空間依賴性；λ為被解釋變量的空間誤差系數。

廣義空間自回歸模型同時考慮了空間滯后相關與空間誤差相關，其形式是空間滯后模型和空間誤差模型的綜合，可設定為：

2 人口老齡化的時空變化趨勢

2.1 人口老齡化整體分布的變化

根據樣本區縣的人口老齡化數據，分別計算成渝地區雙城經濟圈整體和不同城市群所轄區縣人口老齡化的均值，結果如表1所示。

表1 不同年份區縣人口老齡化的均值Table 1 Average of population aging in districts and counties in different years %

表1顯示，考察期內，無論是成渝地區雙城經濟圈整體，還是不同城市群，其所轄區縣人口老齡化的均值均在不斷增大，且2010—2020年的增幅明顯高于2000—2010 年，體現過去20 年人口老齡化加速加深的態勢。分區域看，不同城市群所轄區縣人口老齡化均值的增速存在較大差異，2000年重慶城市群和東北部城市群所轄區縣分別具有最高和最低的平均老齡化水平，但到了2020年，情況則剛好相反，重慶城市群所轄區縣人口老齡化的均值變為最低，東北部城市群變為最高，表明在此期間東北部城市群和重慶城市群分別具有各區域中相對較快和較慢的人口老齡化加深速度。值得注意的是，直至2010年，不同城市群所轄區縣人口老齡化均值的差異仍不明顯，差異的擴大主要發生于2010—2020年。

為直觀展示不同區縣老齡化程度的分布及其變化，根據聯合國人口老齡化類型的劃分標準（United Nations, 1956），并參照王志寶（2013）、周鵬（2019）等的劃分思路，將樣本區縣按其人口老齡化率劃分為5種類型：老齡化率低于7%為成年型，7%～10%為淺度老齡化，10%～14%為深度老齡化，14%～20%為老齡社會，高于20%為超老齡社會。

圖2顯示，2000—2020年，成渝地區雙城經濟圈所轄區縣的老齡化類型變化明顯。2000年，大部分區縣為淺度老齡化，少數區縣為成年型，且成年型區縣多位于成渝地區雙城經濟圈的邊緣區域。至2010年，成年型區縣不復存在，深度老齡化成為主流，且有部分區縣已跨入老齡社會，這些老齡社會區縣廣泛散布于重慶、綿陽、資陽、眉山、樂山等市。而到了2020 年，除少量區縣仍保持淺度/深度老齡化類型外，大部分區縣進入老齡社會或超老齡社會。值得注意的是，這些少量仍處淺度/深度老齡化類型的區縣大多隸屬于成都和重慶兩大城市，而超老齡社會區縣則非常明顯的沿“東北-西南”方向集聚于成渝兩大城市的中間部分區域。由此不難得出，成渝地區雙城經濟圈縣域老齡化類型的分布，在2010 年前后呈現相對不同的變化，2000—2010年，較低的老齡化類型主要分布于成渝地區雙城經濟圈的邊緣區域，較高的老齡化類型散布于成渝地區雙城經濟圈的不同城市；而2010—2020 年，較低的老齡化類型開始越來越多地出現在成渝兩大都市，較高的老齡化類型越來越明顯地向成渝兩大城市中間的區域集聚。進一步從區縣分布還可得出，2020 年成渝兩大城市中相對“年輕”的區縣，基本位于成都市中心城區或重慶市主城區，這些區縣均屬于經濟較為發達的區縣。2010年之后，成都和重慶對流動人口的吸引力不斷增強，隨著周邊越來越多的年輕人流入，成渝主城區經濟發達的區縣相對其周邊區縣人口年齡結構愈顯“年輕化”。

圖2 2000、2010、2020年成渝地區雙城經濟圈老齡化類型的分布Fig.2 Distribution of aging types in the Chengdu-Chongqing economic circle in 2000, 2010, and 2020

2.2 縣域人口老齡化重心的變化

為進一步考察成渝地區雙城經濟圈人口老齡化的空間分布方向及動態變化特征，以區縣人口老齡化率作為權重，繪制其縣域人口老齡化的標準差橢圓及其重心遷移軌跡（圖3）。

圖3 人口老齡化的標準差橢圓及其重心遷移軌跡Fig.3 The standard deviation ellipse of population aging and its center of gravity migration trajectory

圖3表明：1）標準差橢圓大致位于成渝地區雙城經濟圈的中心區域，且2000—2020年，橢圓面積經歷了“先明顯增大，后小幅縮小”的過程：先由2000 年的88 382 km2增大至2010 年的90 184 km2，后又小幅縮小至2020年的90 055 km2，說明2000—2010年橢圓內部區縣人口老齡化的增速慢于橢圓外部區縣，而2010—2020年橢圓內外部區縣人口老齡化的增速大體同步。考慮到2000年成渝地區雙城經濟圈邊緣區域的區縣多具有相對較低的老齡化程度，這意味著2000—2010年邊緣區域區縣與中心區域區縣人口老齡化率的整體差距有所縮小，而2010—2020 年保持相對的穩定性。2）標準差橢圓的長半軸和短半軸相差較大，說明成渝地區雙城經濟圈縣域人口老齡化的空間分布有明顯的方向性。標準差橢圓大致呈“東-西”分布，長半軸上的城市不僅均位于成渝地區雙城經濟圈的中心區域，且與成都或重慶之間有較長的接壤邊界。長半軸先由2000年的196.59 km增大至2010年的201.90 km，后又小幅減小至2020 年的200.85 km，而此間短半軸則僅有不到1 km 的增減變化，說明2000—2010 年，樣本區縣的人口老齡化在“東-西”方向上有擴散趨勢，但在2010—2020 年則保持較高的穩定性。3）標準差橢圓的方位角由2000年的86.68°縮小至2010年的83.64°，后又縮小至2020年的82.40°，證實了位于西南或東北方向的城市（主要為東北部城市群）所轄區縣有較快的人口老齡化率增長速度。4）2000—2020年，成渝地區雙城經濟圈縣域人口老齡化的重心一直位于資陽市樂至縣境內，重心移動軌跡大致為：先向東偏北方向移動，后向北偏東方向移動，成渝地區雙城經濟圈縣域人口老齡化的重心整體呈逐漸偏向成都方向的趨勢。

3 人口老齡化的空間集聚性及其躍遷

3.1 人口老齡化的空間集聚特征

基于全局和局部空間自相關性，考察成渝地區雙城經濟圈縣域人口老齡化的空間集聚特征。采用Moran'sI指數測度空間自相關性時，以鄰近關系矩陣（Contiguity Weight）中的Queen Contiguity 矩陣（表示共邊或共點為鄰近）作為空間權重矩陣，計算不同年份全局Moran'sI指數（表2），并繪制局部Moran'sI散點圖（圖4）。

表2 人口老齡化的全局Moran's I指數Table 2 Global Moran's I index of population aging

圖4 人口老齡化的局部Moran's I散點圖Fig.4 Local Moran's I scatter plot of population aging

表2 顯示，在考察期內的不同年份，全局Moran'sI指數均在1%的顯著性水平下顯著，表明成渝地區雙城經濟圈所轄區縣的人口老齡化在空間上并非隨機分布，而呈現相似類型集聚的空間分布特征。從變化看，2000—2020年，全局Moran'sI指數值先由0.400 小幅減小至0.392，后又大幅增大至0.484，說明在考察期的不同時期，成渝地區雙城經濟圈縣域人口老齡化的整體空間關聯呈現不同變化，2000—2010年，成渝區縣間人口老齡化的正向空間自相關性略有減弱，整體集散程度保持較高的穩定性，而2010—2020年，成渝區縣域人口老齡化的正向空間關聯明顯增強，整體集聚程度顯著提升。

從圖4可以看出，在2000、2010和2020年3個考察年份，大部分樣本點均位于第一和第三象限，與全局Moran'sI指數所得結論類似，成渝地區雙城經濟圈所轄區縣的人口老齡化主要體現為正向空間關聯，表現出高-高（H-H）型集聚和低-低（L-L）型集聚的空間分布特征。在考察期內的不同年份，第一和第三象限內樣本點的數量變化不大，但與2000 和2010 年相比，2020 年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，證實了2000—2010年成渝地區雙城經濟圈縣域人口老齡化的局部正向空間自相關性整體變化不大，但在2010—2020年強度有明顯的提升。

3.2 人口老齡化空間集聚的躍遷

圖4中各考察年份大部分第一和第三象限的樣本點均距離原點較近，這意味著雖然相鄰區縣的人口老齡化主要表現為正向關聯，但大部分區縣間的正向空間自相關性并不顯著。為更清楚地了解特定區縣人口老齡化的局部空間集聚特征及其演化規律，進一步根據局部Moran'sI指數的顯著性（以10%的顯著性水平為標準），繪制2000、2010、2020 年成渝地區雙城經濟圈縣域人口老齡化局部空間自相關的LISA集聚圖（圖5），探討其空間集聚的躍遷。

圖5 人口老齡化局部空間自相關的LISA集聚Fig.5 Local spatial autocorrelation LISA cluster of population aging

由圖5可知，在不同考察年份，成渝地區雙城經濟圈中與周邊區縣具有顯著空間相關性的區縣均主要表現為高-高（H-H）型集聚和低-低（L-L）型集聚。2000年，相似類型集聚的區縣共有28個，其中高-高（H-H）型集聚和低-低（L-L）型集聚的區縣均為14 個；至2010 年，相似類型集聚的區縣變為27個，包括11個高-高（H-H）型集聚的區縣和16 個低-低（L-L）型集聚的區縣；而到2020年，相似類型集聚的大幅增至38 個，其中高-高（H-H）型集聚和低-低（L-L）型集聚的區縣分別增至20 和18 個。由此可知，2000—2010 年，成渝地區雙城經濟圈縣域人口老齡化的局部空間自相關性整體強度變化不大，但結構有所變化，表現為高-高（H-H）型集聚有所減弱，而低-低（L-L）型集聚有所增強，而2010—2020年，不僅局部空間自相關性的整體強度有明顯提升，高-高（H-H）型集聚和低-低（L-L）型集聚的強度均有所增強，尤其是高-高（H-H）型集聚，增強程度明顯。

除整體集聚強度的變化外，集聚區縣本身在考察期也呈現不同的分布變化。2000年，高-高（HH）型集聚的區縣主要分布在重慶和瀘州，以及眉山和樂山的交界處，低-低（L-L）型集聚的區縣則廣泛散布于達州、綿陽、樂山等城市靠近成渝地區雙城經濟圈的邊緣區域。至2010年時，高-高（HH）型集聚的區縣廣泛的分布于眉山、樂山、自貢3市的交界處，以及重慶、綿陽、資陽等市，大部分低-低（L-L）型集聚的區縣則位于成都和重慶兩大城市。到了2020年，幾乎所有高-高（H-H）型集聚的區縣均位于成渝兩大城市中軸線的兩翼，而絕大部分低-低（L-L）型集聚的區縣隸屬于成渝兩大城市。不難看出，考察期內隨著時間的推移，低-低（L-L）型集聚的區縣逐漸向成渝兩大城市的中心城區集中，2010 年之前，高-高（H-H）型集聚的區縣尚且散布于成渝地區各地，2010—2020 年，高-高（H-H）型集聚的區縣快速向成渝兩大城市中軸線的兩翼集中。

4 人口老齡化的區域差異及其來源

區域差異分析主要關注成渝地區雙城經濟圈縣域人口老齡化的整體、區域內和和區域間差異性。采用Dagum基尼系數及其分解方法，分析人口老齡化的空間差異及其來源，相關測算結果分別如表3、圖6和表4所示。

表3 人口老齡化的整體和區域內基尼系數Table 3 Overall and intra-regional Gini coefficients of population aging

表4 人口老齡化差異來源的貢獻率Table 4 Contribution rate of the sources of population aging differences %

圖6 人口老齡化的區域間基尼系數Fig.6 Inter-regional Gini coefficient of population aging

表3顯示，2000—2020年，成渝地區雙城經濟圈縣域人口老齡化的總體基尼在不斷增大，且2010—2020 年的增幅明顯高于2000—2010 年，說明伴隨成渝地區雙城經濟圈整體老齡化程度的加速加深，人口老齡化的區縣差異也在加速擴大。從區域內基尼系數的變化看，除東北部城市群外，其他城市群的區域內基尼系數在考察期均在不斷增大，其中，成都城市群增長最明顯，由2000年四大城市群中最小者變為2020年四大城市群中最大，重慶城市群區域內基尼系數表現出穩定但相對溫和的增大勢頭，而南部城市群區域內基尼系數的增大主要發生于2010—2020年，由此說明，雖然考察期內這三大城市群人口老齡化的區域差異均有所擴大，但不同城市群的表現不同。2000—2020年，東北部城市群的區域內基尼系數先減小后增大，不僅整體增幅在四大城市群中最小，2020年的區域內基尼系數也明顯小于其他城市群，東北部城市群同時具有相對較快的人口老齡化均值增長，這意味著考察期內東北部城市群所轄區縣普遍出現老齡化程度的快速加深。

圖6顯示，考察期內不同城市群間的區域間基尼系數也呈現相對不同的變化。2000年，不同城市群間的區域間基尼系數均相對較小，且數值接近整體基尼系數，此時，成渝地區雙城經濟圈的人口老齡化并未顯現太大的區域分布差異。至2010年，東北部城市群與其他城市群間的區域間基尼系數保持較高的穩定性，成都城市群、重慶城市群和南部城市群兩兩間的區域間基尼系數與2000年相比有明顯的增大，除東北部城市群外，其他城市群之間表現出越來越顯著的區域間人口老齡化差異。而2020年，城市群兩兩間的區域間基尼系數相比2010年均明顯增大，人口老齡化的區域間差異呈普遍擴大之勢。總體上，成渝地區雙城經濟圈人口老齡化的區域非均衡性在考察期有所增強，且相對于2000—2010 年，人口老齡化區域間差異的擴大在2010—2020年表現更為突出。

從貢獻率（見表4）看，在不同考察年份，超變密度對人口老齡化整體差異的貢獻均最大，其次為區域內差異貢獻，區域間差異的貢獻最小。較高的超變密度貢獻意味著，四大城市群間人口老齡化的交叉重疊是導致成渝地區雙城經濟圈人口老齡化整體差異的首要原因，反映高老齡化區縣的分布較為分散，城市群內多呈高低老齡化區縣并存的現象。雖然在考察期內，區域內差異的貢獻保持較高的穩定性，但區域間差異和超變密度的貢獻呈此消彼長的變化，表現為2000—2010年區域間差異的貢獻顯著減少而超變密度的貢獻明顯增大，而2010—2020年則相反。

5 人口老齡化的影響因素

綜上，成渝地區雙城經濟圈縣域人口老齡化存在明顯的空間相互關聯。為了解人口老齡化的致因及其變化，分別基于地理鄰近關系和地理距離構建空間權重矩陣，采用空間計量回歸模型，對2010和2020年成渝地區雙城經濟圈縣域人口老齡化的影響因素進行實證檢驗。

參照相關研究（王錄倉 等，2017；周鵬 等，2019），并考慮到數據的可獲得性，從人口慣性、人口特征和經濟社會環境3 方面選取變量，其中，人口慣性主要關注前期的人口相關因素對當前人口老齡化的持續性影響，人口特征主要考察當前人口相關特征對人口老齡化的直接作用，經濟社會環境主要指向與老齡人口生活相關的物質或非物質條件。

1）人口慣性相關因素：選取老齡化慣性（aging_base）和生育慣性（age0）。其中，原有的老齡人口數量對人口老齡化區域演變有基礎性的作用（Wister et al., 2015），參照韓楓等（2017），以前一次人口普查時對應區縣的人口老齡化率表示老齡化慣性的影響。生育可通過對人口數量的直接作用影響老齡化進程，而生育行為本身存在較強慣性（葛佳，2017），以前一次人口普查時對應區縣0歲兒童占總人口的比重作為其人口出生率的度量，檢驗生育慣性的影響。

2） 人口特征相關因素：選取人口流入（dpop）、人口密度（dense） 和人口城市化率（urb）。其中，凈流入人口的年齡結構直接影響流入地區縣的人口結構和老齡化率，以區縣常住人口和戶籍人口的差值作為其人口凈流入的測量，并根據人口凈流入與常住人口的比值度量人口流入。人口密度側面反映人口活躍程度以及人與社會、經濟、環境的壓力的關系（梅林 等，2018），以區縣每平方公里常住人口數表示。城市化率與生育及養老行為密切相關，進而可能對人口老齡化產生較大影響（李樂樂，2017），鑒于成渝地區區縣層面的城市化率數據存在一定缺失，參照邵帥（2019）、王立平（2021）等的研究，以校準后⑨具體的計算和校準過程可參見范子英等（2016）。的夜間燈光亮度均值作為城市化率的度量。

③經濟社會環境因素：選取經濟發展水平（pgdp）、醫療保障（hospital）和教育水平（edu）。其中，經濟發展水平以對應年份的人均GDP表示；醫療保障以每萬人醫療衛生機構床位數表示；教育水平以平均受教育年限測度。人口老齡化不僅是經濟社會發展到一定階段的必然現象，其本身也會對經濟社會發展產生深遠影響（陳蓉 等，2018），成渝地區雙城經濟圈不同區縣的經濟社會發展水平存在較大差距，在規模效應和經濟集聚等規律的作用下，將會通過對人口流遷、健康和預期壽命等的影響，引致人口老齡化的區域非均衡及其演變。

以區縣人口老齡化率為因變量，首先進行OLS回歸，用回歸后的殘差進行拉格朗日乘子檢驗（Lagrange Multiplier Test, LM），不同空間權重下的檢驗結果均顯示，在10%的顯著性水平下，LM-Error統計量顯著而LM-Lag統計量不顯著，適合采用空間誤差模型（SEM）。不同空間權重下空間誤差模型的估計結果如表5所示。

表5 2010和2020年人口老齡化影響因素的估計結果Table 5 Estimated results of influencing factors of population aging in 2010 and 2020

表5顯示，與OLS回歸相比，空間計量回歸中調整的R2值明顯更大，且均超過0.99，表明采用空間計量回歸模型能得到更好的擬合效果。回歸結果顯示，在對應的空間計量回歸中，空間相關性系數λ的估計值均在1%的水平下顯著為正，證實了成渝地區雙城經濟圈區縣間人口老齡化的正向空間相互影響。與2010 年相比，2020 年的回歸中空間相關性系數λ的估計值有所降低，說明成渝地區雙城經濟圈區縣間人口老齡化的正向空間相互影響在2020年有一定的減弱。

人口慣性相關因素，不同回歸中aging_base 的系數估計值均顯著為正，age0的系數估計值均顯著為負，表明更高的老齡化慣性會對成渝地區雙城經濟圈區縣的人口老齡化產生正向影響，更高的生育慣性產生負向影響。前期老齡化率不僅與現期的人口結構直接相關，也與當地的養老服務保障和生活環境的“適老性”密切相關，這些均會對當前的人口老齡化率產生積極影響；而前期更高的生育率會通過對當前生育行為的積極影響，降低人口老齡化水平。不僅如此，2020年aging_base和age0系數估計值絕對值的大小和顯著性水平均明顯高于2010年，說明與2010 年相比，2020 年成渝地區雙城經濟圈縣域人口老齡化受到人口慣性因素的影響更大。

人口特征相關因素，不同回歸中dpop的系數估計值均顯著為負，表明流入人口占比越高的區縣，其人口老齡化程度越低。這是因為從年齡結構看，年輕人是人口流遷的主力，大量年輕人的流入勢必稀釋流入地的老齡人口占比，降低其人口老齡化率（周爽 等，2015）。進一步的，通過比較2010 和2020年dpop系數估計值絕對值和顯著性水平發現，相對于2010 年，人口流入在2020 年對區縣人口老齡化的負向影響更大。在2020 年的回歸中，dense的系數估計值在1%水平下顯著為正，由此體現2020 年成渝地區雙城經濟圈老齡人口分布的新變化，即越來越多的老齡人口向著人口更密集的區縣集聚。

經濟社會環境因素，不同回歸中edu 的系數估計值均在1%的顯著性水平下顯著為負，且2020年edu系數估計值絕對值和顯著性水平均高于2010年，由此表明，區縣的平均受教育水平越高，其人口老齡化率越低，且平均受教育水平對人口老齡化的負向影響在2020年表現更顯著。平均受教育水平與人口老齡化率的負向關系，可從2個方面解釋：1）在中國教育高速發展的背景下，越年輕的群體平均受教育水平越高，反過來，更高的平均受教育水平意味著更多的年輕人，其老齡化程較低；2）成渝地區雙城經濟圈中高校密集的區縣，不僅有更高的平均受教育水平，而且因為有更多的年輕大學生從而人口老齡化水平也更低。值得注意的是，hospital的系數估計值僅在2010年的回歸中顯著。對此，可能的原因在于，2010年以前，民眾多只能在本地獲取醫療服務，當地的醫療保障水平與老齡人口的健康及其預期壽命密切相關，從而更高的醫療保障會對其老齡化率產生積極影響，而2010—2020年，不僅各區縣的醫療保障水平普遍得以提升，跨區獲取醫療服務也明顯更為便利，這些均在某種程度上推動當地的醫療保障水平與老齡人口健康預期壽命及其老齡化率的“脫鉤”。

綜上，與2010 年相比，2020 年成渝地區雙城經濟圈縣域人口老齡化的影響因素和及其影響強度均發生變化，前者主要表現為醫療保障水平和人口密度分別僅在2010 和2020 年對人口老齡化具有積極影響，后者主要體現為相對于2010年，人口相關因素（包括老齡化慣性、生育慣性和人口流入）的影響在2020年顯著增強。

6 結論與啟示

6.1 結論

為明晰2000年以來成渝地區雙城經濟圈區縣人口老齡化空間分布的非均衡性及其變化，基于第五（2000 年）、第六（2010 年）和第七（2020 年）次全國人口普查數據，在縣域尺度下，對成渝地區雙城經濟圈人口老齡化的時空演變與影響因素進行分析。結果顯示：

1）從人口老齡化的現狀看，考察期內成渝地區雙城經濟圈的人口老齡化整體呈現加速加深的趨勢，但不同區域加深速度不同，其中東北部城市群的加深速度最快，重慶城市群的加深速度最慢，不同城市群間人口老齡化均值差異的擴大主要發生在2010—2020年。從人口老齡化的分布方位看，成渝地區雙城經濟圈老齡化程度較高的區縣大致呈“東-西”方向分布，考察期內成渝地區雙城經濟圈縣域人口老齡化的重心整體呈逐漸偏向成都方向的趨勢。

2）從人口老齡化的空間集聚性看，成渝地區雙城經濟圈的人口老齡化呈現相似類型集聚的分布特征，考察期內其整體正向空間自相關性先有所減弱，后又明顯增強。在不同考察年份，成渝地區雙城經濟圈中具有顯著空間相關性的區縣均主要表現為高-高（H-H）型集聚和低-低（L-L）型集聚，且隨著時間的推移，低-低（L-L）型集聚的區縣逐漸向成渝兩大城市集中，而2010 年之后，高-高（H-H）型集聚的區縣則快速地向成渝兩大城市中軸線的兩翼集中。

3）從人口老齡化的區域差異及其來源看，考察期內成渝地區雙城經濟圈縣域人口老齡化的整體差異加速擴大，但不同時期和不同區域的區域內差異變化不一，其中，成都城市群的區域內差異擴大最大，東北部城市群最小，重慶城市群處于持續溫和擴大的態勢，而南部城市群區域內差異的擴大主要發生于2010 年之后。與2000—2010 年相比，人口老齡化的區域間差異在2010—2020年擴大得更加明顯。人口老齡化的整體差異主要來源于超變密度的貢獻，且2010年前后，區域間差異和超變密度的貢獻呈現不同方向的增減變化。

4）從人口老齡化的影響因素看，2010 和2020年，成渝地區雙城經濟圈縣域人口老齡化的空間分異，均受到老齡化慣性、生育慣性、人口流入以及教育水平的較大影響，且與2010年相比，這些因素在2020 年的影響進一步增強。除此之外，2010 年成渝地區雙城經濟圈縣域人口老齡化還受到醫療保障水平的積極影響，2020年有越來越多的老齡人口向人口更密集的區縣集聚。

6.2 啟示

在當前成渝地區人口老齡化仍在持續加深、人口形勢日益嚴峻的背景下，本研究蘊含的政策含義主要體現在以下方面：

1）正視成渝地區雙城經濟圈大部分區縣人口老齡化加速加深的現實，快速反應積極應對。雖然人口老齡化是社會發展的必然趨勢，但過快的老齡化勢必會對經濟發展造成沖擊，并將引致一系列的社會變化。因此，一方面，對于近年來人口老齡化加深速度過快的區縣（如東北部城市群所轄區縣、成渝兩大城市周邊區縣），地方政府需主動采取更為有力的政策措施予以干預，以遏制過快的老齡化勢頭，延緩老齡化進程；另一方面，面對全面進入“老齡社會”后社會結構和社會需求的變化，各區縣應全面加強與老齡人口相關的社會保障體系建設，并在此基礎上積極挖掘老齡人口紅利。

2）明晰成渝地區雙城經濟圈縣域人口老齡化的時空非均衡性，動態研判精準施策。供需矛盾是當前成渝地區雙城經濟圈老年公共服務面臨的突出問題，從需求端看，人口老齡化程度較高的區縣對老年公共服務的需求更高，但從供給端看，成渝地區老齡化程度較高的區縣大多為經濟發展水平相對較低的區縣，其老年公共服務供給能力較為有限。因此，欲提升政策的有效性和針對性，一方面，成渝地區不同區縣應根據自身的經濟社會發展狀況選擇適宜的“政策清單”，并注重彼此政策舉措間的協同聯動；另一方面，老年公共服務的供給應以彌合供需缺口為重要考慮，并根據供需失衡程度適時調整政策方向和力度。對于一些老齡化程度較高而老年公共服務供給能力有限的區縣，各級財政可適時加大轉移支付力度，以助其應對老齡化的挑戰。

3）依據成渝地區雙城經濟圈縣域人口老齡化空間分異的致因，多措并舉協同發力。鑒于生育慣性對當前人口老齡化顯著影響，在“三孩”生育政策已全面實施之際，各地應加快完善生育政策的配套支持措施，著力降低家庭的生育、養育和教育成本，以盡可能地激發生育政策潛力從而提高生育率。考慮到人口流入對老齡化的負向影響，成渝地區雙城經濟圈中人口“凈流出”規模較大的區縣，應加大人才吸引和獎勵力度，錯位施策，以有效減輕大城市對當地年輕人的“虹吸”，減少人口流出。

本研究詳盡展現了過去20年成渝地區雙城經濟圈區縣層面人口老齡化的空間非均衡性和動態演變特征，同時發現，與2010 年及其之前相比，2010年之后成渝地區雙城經濟圈的人口老齡化，不僅加深速度明顯提升，空間集聚顯著增強，整體及區域間差異明顯擴大，影響因素也發生較大的變化。與已有研究相比，本文對成渝地區人口老齡化的研究，其不同之處主要體現在兩方面：一是在更小的空間尺度（縣域尺度）下明晰了近年來成渝地區雙城經濟圈人口老齡化的時空演變特征及趨勢，二是重點關注由“老齡化社會”進入“老齡社會”的過程中，成渝地區人口老齡化空間分布的新變化。但本研究的結論與啟示主要適用于成渝地區，并不具有普遍適用性。同時，影響人口老齡化的因素眾多，本文僅探討了其中的部分因素，有待進一步完善。