民族地區人口老齡化風險的省際差異及其影響因素

[摘要]本文基于內蒙古、廣西、西藏、寧夏、新疆、貴州、云南、青海八省區2012—2021年老齡事業的面板數據，首先引入PSR模型構建人口老齡化風險評價指標體系，采用熵權法對八省區人口老齡化風險的指標權重、評價得分和演變趨勢進行測度分析；其次，運用障礙度模型考察該區域老齡化風險的主要影響因素。研究發現，人口自然增長率、地方政府債務付息支出、城鎮化率分別是民族地區人口老齡化風險壓力、狀態和響應系統中最重要的評價指標；民族地區人口老齡化風險總體處于中等水平，演進趨勢較為平穩，但省際風險差異明顯；民族地區人口老齡化風險差異的形成雖然受到人口老齡化率、老年人口撫養比、人口自然增長率和地方政府債務付息支出等多因素的影響，但各省區的主要障礙因素存在較大差異。研究認為，在全面提高民族地區社會保障供給水平的基礎上，進一步促進區域協調發展，著力優化生育政策和削減政府債務是降低民族地區人口老齡化風險的關鍵。

[關鍵詞]民族地區；人口老齡化風險；省際差異；影響因素

中圖分類號：C957" 文獻標識碼：A"""文章編號：1674-9391（2024）06-0087-11

中國是目前世界上老年人口最多、老齡化速度最快的國家。[1]截至2021年末，我國65歲及以上老年人口達2億人，占“全國人口”①的14.2%，較2000年上升了7.2個百分點，[2]33這標志著我國已經整體邁入了“中度老齡化社會”②。預計到2035年，我國老年人口將超3億人，占比近22%，進入重度老齡化社會，并將于2065年左右迎來34%的峰值水平后保持高位穩定。[3]可以看出，人口老齡化已成為我國今后較長一段時期的基本國情。人口老齡化在本質上是一個結構性問題，是人均預期壽命延長和生育水平下降合力促成的人口年齡結構趨于老化的過程，盡管它首先表現為一種人口現象，但影響遠逾人口范疇。[4]作為一切社會結構基礎構件的人口年齡結構，“當其發生重大改變時，必然帶來社會、經濟乃至文化系統的全方位變化，進而要求制度和政策安排的相應調整乃至重構”[5]20，因而任何重大國家戰略的制定都要首先明確國家今后人口發展的主要矛盾和風險。[6]目前我國人口發展的主要矛盾正經歷從數量性壓力向結構性壓力的歷史性轉變，而人口老齡化正是人口結構壓力的主要方面，并已成為我國社會的常態，對經濟社會發展產生了深遠影響。人口老齡化是經濟社會發展和“人口再生產模式轉變”③的必然結果，其本身并無好壞之分，但現有的經濟社會架構對這一人口年齡結構變動缺乏及時的反應和調適，這種遲滯產生的矛盾成為老齡化社會風險得以積聚和釋放的直接原因。[7]從這個意義上講，所謂的“人口老齡化風險”并不完全源于人口因素本身，而更多源于變化了的人口年齡結構與現有的經濟社會架構之間的不適應所產生的矛盾，這種不適應的程度反映了人口老齡化風險的嚴重程度。加之當前國內外形勢復雜嚴峻，面對“黑天鵝”（小概率高風險事件）和“灰犀牛”（大概率且影響巨大的潛在危機）風險并行的未來，人口老齡化風險應對的復雜性和必要性更為凸顯。如何有效應對人口老齡化風險已成為老齡社會治理的重要議題。黨的十八大以來，以習近平同志為核心的黨中央立足我國人口變化和“未富先老”“未備先老”的基本國情，[8]對老齡工作作出了一系列戰略部署，提出實施積極應對人口老齡化的國家戰略，[9]49并明確了“老齡化風險梯次應對”等工作原則，[10]這就要求我們必須加強對人口老齡化風險的科學測量并找出關鍵影響因素，從而明確不同地區人口老齡化風險的實際情況與老齡工作重點，以前瞻性的政策部署應對人口老齡化可能帶來的經濟社會風險。

一、理論基礎

（一）風險概念的厘清

人口老齡化風險概念是在風險概念基礎上形成的，對風險概念的理解是研究人口老齡化風險的起點。風險現象自人類文明誕生以來就一直存在，但風險概念只是在現代早期的航海貿易和保險業中才開始出現。據吉登斯（Giddens）考證，探險家們探索未知地區的冒險行動和早期重商主義資本家們的活動是風險概念形成的兩個重要背景，[11]75那時的風險被理解為客觀的危險，表現為自然災害或者航海遭遇風暴等事件。到17世紀后，風險的含義和用法隨著現代性的出現發生了根本變化，產生了現代意義的風險。烏爾里希·貝克（ulrich Beck）指出，風險概念直接與反思性現代化的概念相關，它可以被界定為系統地處理現代化自身引致的危險和不安全感的方式。[12]19與傳統風險相比，現代風險在本質、特征、表現形式和影響范圍上已經有了很大不同，具體來看，傳統風險主要源于自然的“外部風險”（external risk），它是傳統或自然的不變性和固定性所帶來的，這種風險形式單一、影響有限。[13]22而在現代社會中，由于人類干預自然和社會的廣度和深度不斷擴大，人類的決策和行為所引發的“人為風險”（manufactured risk）超過了自然風險成為現代風險結構的主導內容。[14]這種人為風險不再是個性化的，而是具有了結構性、系統性、擴散性等特征，不但涉及內容多、范圍廣，而且一種風險可能借由復雜的社會網絡快速蔓延至其它領域，并最終釀成波及面更廣的系統性風險。[15]可見，現代風險的類型、成因及影響都要比傳統風險更為復雜和嚴峻。1960年代以來，隨著科技風險的日益凸顯（如核事故等），風險分析開始作為一個獨立的研究領域進入學界視野，早期研究主要集中在科技領域，后來因其在分析系統之間或系統內各要素之間的相互作用和演進邏輯方面的獨特優勢而被廣泛應用于自然科學和社會科學中的諸多學科領域。雖然不同領域的學者對風險的理解各有側重，但他們普遍強調了風險的不確定性和不利后果這兩個方面，前者是指風險發生在概率、時間、空間、規模和強度上具有不確定性，后者是指風險發生后對保護目標造成的損失和不利影響。[16]此外，相關風險研究還傾向于建構這樣一種邏輯：處于特定風險環境中的保護對象因其對風險的承載能力和應對能力不同，其可能遭受的損失程度也有明顯差異。[17]其中，承載能力是指保護目標在風險沖擊下的形變程度及承受能力，應對能力是指保護目標對風險的防范機制和避險措施。因此，對保護目標所具有的風險承載能力和風險應對能力的測量也成為風險評價的核心步驟。

（二）人口老齡化風險的研究現狀

在社科領域的風險研究中，學界使用風險概念來指涉技術和社會發展的災難性后果。[18]隨著21世紀以來我國人口老齡化的不斷加劇，學界越發關注老齡化對經濟社會發展的影響，特別是針對老齡化帶來的諸多問題和挑戰，相關學者提出了“人口老齡化風險”的概念，[19]并逐漸成為人口學領域的新熱點。然而，由于人口老齡化風險研究剛剛興起，相關研究大多是在風險概念基礎上的拓展延伸，因而學界對于風險概念的理解分歧也使得人口老齡化風險在概念定義、分析框架和評價方法上存在明顯差異。從現有文獻來看，學界和政策部門大多將人口老齡化風險視為人口老齡化帶來的一些具體風險挑戰，如家庭養老風險、疾病擴張風險、醫保支出風險、社保負擔風險、政府債務風險、經濟運行風險等。[20][21][22][23][24][25]但事實上，人口老齡化本身是一個多因素相互作用的開放系統，人口老齡化風險也是人口系統內外多因素相互作用的結果，所以對人口老齡化風險的理解還應考慮人口系統外部的社會其他子系統在人口老齡化風險形成及其治理過程中的功能作用。從這個意義上講，目前學界對人口老齡化風險的分析框架和測評體系的研究略顯不足，這也為本文研究提供了空間。人口老齡化風險評價指標體系的構建與測度應當基于其內涵界定，根據上述對人口老齡化和風險的概念解析，本文認為人口老齡化風險可從兩個方面來理解：一是人口老齡化引發的人口內部結構失調風險，二是人口老齡化與社會其他子系統互動關系中產生的風險。但從本質上講，人口老齡化本身并不構成風險，只是將其置于具體的經濟社會和資源環境背景下才可能表現為風險。[26]因此，本文主要研究的是人口老齡化風險的第二種類型，這種風險主要是系統間的不協調關系所帶來的不確定性，就其內涵來看，它是指在既定條件下的特定時段內，老化的人口年齡結構給建筑其上的經濟社會架構造成損失的大小及損失發生的可能性。這種損失的大小因各地經濟社會承載能力和老齡風險應對能力的不同而有所差異，換言之，人口老齡化風險的衡量不僅取決于人口結構轉型壓力，很大程度上還受到經濟社會承載能力和老齡風險應對能力的影響。需要說明的是，人口老齡化風險的這種理解并不是純粹的概念性定義，而至多只是一個操作性定義，基于此可以嘗試建構一套人口老齡化風險評價指標體系。

中國是一個典型的區域發展不平衡的國家，不同區域的經濟發展水平、社會保障能力和人口老齡化程度等都存在較大差異。與東中部地區④相比，內蒙古、廣西、西藏、寧夏、新疆、貴州、云南、青海八省區雖然人口老齡化程度更輕、速度更慢，⑤但其經濟發展水平、社會保障能力等方面也明顯落后于東中部地區，且當地人口老齡化問題與脫貧人口眾多、勞動力流失嚴重等現象交織疊加，其將面臨的人口老齡化風險形勢可能更為嚴峻。有鑒于此，本文利用以上八省區2012—2021年老齡事業的面板數據，在對八省區人口老齡化風險進行測度評價的基礎上，進一步分析造成省際風險差異的主要影響因素，并提出相應建議，以期裨益民族地區人口老齡化風險的防范與化解。

二、研究設計

（一）研究區域及數據來源

1. 研究區域

本文以內蒙古、廣西、西藏、寧夏、新疆、貴州、云南、青海八省區為觀測樣本，樣本選取主要基于以下兩點：一是前文已述的八省區可能面臨著比東中部地區更為嚴峻的人口老齡化風險形勢，但既有研究更多關注的是先行老齡化的東中部地區，而對尚處輕度老齡化的八省區則關注較少；二是人口老齡化的區域差異使得以上八省區在應對人口老齡化風險上相較于東中部地區有明顯的后發比較優勢，還可利用當前相對充沛的政策調整窗口期提前布局老齡社會階段的工作任務。[27]

2. 數據來源

本文的數據觀測時間為2012—2021年，所用數據均來源于2013—2022年的《中國統計年鑒》《中國人口和就業統計年鑒》，以及觀測樣本中各省（區）的統計年鑒和統計公報。同時，本文還對部分數據做了以下處理：一是采用均值法對個別缺失數據進行補全，二是在原始指標基礎上對部分生成指標進行了比重測算，如居民人均醫療保健消費支出比重。通過數據收集與整理最終得到2012—2021年八省區老齡事業的面板數據。

（二）理論模型及其適用性

1. PSR理論模型

1979年，加拿大統計學家拉波特（Rapport）和弗倫德（Friend）在分析人類與自然環境之間的關系時首次提出了“壓力-響應”（Stress-Response）模型，[28]73-90該模型后于20世紀80年代末被經合組織（OECD）和聯合國環境規劃署（UNEP）共同改進成“壓力-狀態-響應”（Pressure-State-Response，PSR）模型，并將其用于環境問題研究。[29] PSR模型從人類活動與自然環境相互作用的角度出發，將環境問題分解為三個不同但又彼此關聯的指標類型，其中，壓力指標是指對自然環境產生影響的人類活動；狀態指標是指自然環境在壓力作用下呈現的狀態；響應指標是指人類面對環境退化等問題時所采取的行動。該模型清晰闡釋了人類—自然復合系統可持續變化的因果關系，即人類活動給自然環境造成了“壓力”，導致自然資源的數量和生態環境的質量（“狀態”）發生了改變，當這種變化威脅到人類生存時，人類將通過一系列措施對這些變化做出“響應”，以恢復環境質量，實現人與自然的可持續發展。在該模型中，壓力、狀態、響應三個環節相互影響、相互制約，體現了環境決策影響和環境對策制定的全過程。[30]

2. 模型適用性分析

PSR模型及評價指標體系具有系統性、可比性、易得性、可操作性等特征，能夠較好地展現和分析事物發展在多因素綜合作用下的動態變化和傳導機制，因而被諸多研究領域廣泛運用。PSR模型在國內被廣泛應用于自然環境評價的同時，也逐漸被引入城市經濟承載力評價、城市創業環境評價、貧困地區脫貧進程評價和社會重大風險評估等社科領域，[31][32][33][34]這些成功的研究案例說明該模型同樣適用于社科領域的客觀綜合評價。本文試將PSR模型引入人口老齡化風險評價，在該模型框架中，人口老齡化會對經濟社會系統產生一定壓力，使得經濟社會系統的原有狀態發生改變，面對這一變化，政府及相關涉老主體將會采取相應措施促進人口與經濟社會的協調發展，整個系統實際構成了一個有機的動態循環，具體作用機制如圖1所示。可見，PSR模型能夠清晰地反映人口系統、經濟社會系統與政府等相關涉老主體的響應行動之間的因果關系，因而對人口老齡化風險評價具有較好的適用性。

（三）指標體系構建

構建科學合理的評價指標體系是開展人口老齡化風險評價的基礎。本文基于PSR模型框架及對人口老齡化風險本質的把握，遵循指標選取的科學性、系統性、可比性、易得性等原則，并充分參考已有相關研究，從壓力、狀態、響應3個層面構建民族地區人口老齡化風險評價指標體系，[35]該指標體系包括27項原始或生成指標（見表1）。其中，壓力指標反映的是對經濟社會發展造成壓力的人口老齡化趨勢，人口老齡化程度直接以老齡化率來表征，而老齡化率的上升往往伴隨著生育率和人口自然增長率的下降，意味著家庭和勞動力供給的規模都將不斷縮小，進而抬高老年人口撫養比。因此，本文運用人口老齡化率（X1）、老年人口撫養比（X2）、人口自然增長率（X3）、平均戶家庭規模（X4）等指標來衡量人口老齡化風險壓力情況。狀態指標反映的是在人口老齡化壓力作用下經濟社會系統狀態的變化情況，突出表現在勞動力供給、居民消費和社會保障等領域，而老齡化對這些領域的影響最終將集中體現為公共財政的可持續性問題。[36]一方面，人口老齡化加重意味著就業人數減少，長此以往可能會抑制經濟增長，進而影響政府財政收入；[37]另一方面，家庭規模縮小和家庭結構老化所引發的家庭養老功能弱化，將使老年群體進一步加深對社會保障體系的依賴度，由此帶來的養老、醫療等社保給付劇增，又會加重社保基金的收支壓力。[38]此外，人口老齡化還帶動了居民消費結構的改變，主要是醫療保健項目消費比例的提高。[39]因此，本文從經濟發展（X5-X7）、財政形勢（X8-X9）、社會保障（X10-X16）、居民消費（X17- X18）等方面選取相應指標來衡量人口老齡化風險狀態情況。響應指標反映的是政府及相關涉老主體針對人口老齡化風險壓力和狀態所采取的措施，主要是通過提升基本公共服務水平和社會保障服務水平來實現。[40]此外，在經濟新常態背景下，城鎮化水平的提高有利于促進經濟社會發展和人力資本改善，這對于防范化解人口老齡化風險具有積極意義。[41]因此，本文從城鎮化水平（X19）、基本公共服務財政投入（X20），以及養老、醫療等社保資源供給水平（X21-X27）等方面選取相應指標來衡量人口老齡化風險響應情況。

（四）評價模型建立

1. 指標賦權

評價指標權重的確定是多指標定量綜合評價的關鍵，本文采用熵權法來計算指標權重。熵權法是一種根據指標變異程度的大小來確定指標權重的客觀賦權方法，指標變異程度越大，信息熵越小，指標權重值就越大，反之則越小。熵權法能有效避免專家打分法、層次分析法等主觀賦權方法中人為因素帶來的偏差，因而被廣泛用于綜合評價。本文通過R-studio軟件編程實現對相關數據的標準化和熵權法處理，并得出各項指標的權重（見表1）。計算步驟如下：

a. 目標決策矩陣的構建

假設原始數據為M個樣本的N個指標，可構建如下矩陣X。其中，xij表示第i個樣本的第j項指標，1i，1j。

b.數據的標準化處理

由于指標體系中各項指標的量綱和單位不同，且指標屬性又有正負之分，本文采用極差標準化法對指標數據進行無量綱化處理，計算公式如下。

對于正向指標采用（2）式計算：

對于負向指標采用（3）式計算：

式中，xij和Yij分別表示第i個樣本第j項指標的原值和標準化值，maxxij表示第i個樣本第j項指標的最大值，minxij表示第i個樣本第j項指標的最小值。

c. 計算各項指標標準化的比重Pij和第j項指標的熵值Ej

d.計算第j項指標的差異系數Gj

Gj=1-Ej（7）

e. 計算各項指標的權重

2.指數計算

為全面反映民族地區人口老齡化風險水平，根據各項指標權重，運用加權法計算八省區在壓力、狀態、響應系統的評價得分及綜合得分，計算公式如下：

式中，Zi表示第i個樣本的風險綜合得分，Zi介于0～1之間，其值越大，表明人口老齡化風險水平越高，反之則越低。計算結果見表2。

（五）障礙因素診斷

為了進一步明確八省區各自的老齡工作重點，有必要對各項指標的障礙作用大小進行評估，從而找出制約各省區人口老齡化風險降低的主要障礙因素。本文借鑒相關研究，引入障礙度模型計算各項指標對八省區人口老齡化風險的影響程度。[42]計算公式如下：

式中，Wj為第j項指標的權重值，Yij為第i項指標的標準化值，Ni為第i項指標對民族地區人口老齡化風險的影響程度。

三、實證分析

（一）民族地區人口老齡化風險指標權重分析

1.子系統的權重分析

從各子系統權重來看（表1），民族地區人口老齡化風險狀態系統的權重最大（0.5242），表明八省區在人口老齡化風險狀態系統（即經濟社會承載能力）方面的差異相較于其在壓力系統（0.1992）和響應系統（0.2767）方面的差異更為突出，該系統對于衡量民族地區人口老齡化風險的作用最大；但壓力系統指標的平均權重大于狀態和響應系統指標的平均權重，表明壓力系統指標（0.0498）對民族地區人口老齡化風險的影響最大，其次是狀態系統指標（0-0374），響應系統指標（0.0307）的影響最小。

2. 子系統的分指標權重分析

從各子系統的分指標權重來看（表1），在人口老齡化風險壓力系統中，權重最大的指標為人口自然增長率（0.0634），表明八省區在人口自然增長率方面的差異最大，同時也意味著該指標對于衡量民族地區人口老齡化風險壓力的作用最大。同理，狀態和響應系統中最大的指標分別是地方政府債務付息支出（0.1283）和城鎮化率（0.0529），表明這兩項指標分別對于衡量民族地區人口老齡化風險狀態和響應的作用最大。

（二）八省區人口老齡化風險得分分析

1. 八省區人口老齡化風險的時空演變及特征

根據上述相關數據和公式（10），本文使用R-Studio軟件編程計算得出八省區2012—2021年人口老齡化風險各子系統及綜合評價得分，得分值越大，表示人口老齡化風險水平越高，反之則越低。因篇幅所限，在此僅展示觀測期內各省區的綜合評價得分，如圖2所示。

從圖2可以看出，八省區人口老齡化風險演變呈現出以下幾點特征：第一，民族地區人口老齡化風險整體水平不高。從均值走勢來看，民族地區整體平均水平基本穩定在0.5以下，但必須看到，除西藏、新疆之外，其它省區的風險水平在大多數年份都高于平均水平，也就是說，少數低風險省區拉低了民族地區整體的風險平均水平。第二，八省區人口老齡化風險的演變趨勢差異明顯。從分省走勢來看，內蒙古的風險水平在觀測期內呈現波動上升走勢，由2012年的0.4673升至2021年的0.5675，增幅高達21.44%。西藏和新疆的風險水平雖在觀測期內的個別年份略有上升，但總體均呈現出明顯下降趨勢，十年間降幅分別為26-92%和8-66%。廣西等其余五省區的風險水平在觀測期內雖有上下波動，但總體上也呈現出輕微下降趨勢，且在2015年后風險水平差異不斷縮小，省際之間的風險失衡現象漸趨緩和。由此可見，新時代西部大開發、“一帶一路”等國家重大區域戰略的深入推進對于降低西部八省區的人口老齡化風險水平具有積極作用。

2. 2021年八省區人口老齡化風險各子系統及綜合評價得分

為了進一步明確八省區人口老齡化風險來源的差異，本文利用ArcGIS自然斷點法將2021年八省區人口老齡化風險各子系統及綜合評價得分劃為四個等級，并對此進行空間可視化描述，結果如圖3所示。通過分系統測算可知，目前內蒙古、廣西、云南和貴州的人口老齡化風險壓力得分相對較高，四省區老年人口撫養比的均值約為18.26%，社會養老負擔相對較重，加之人口自然低增長甚至負增長又加劇了其人口老齡化風險壓力。西藏、新疆等少數民族較為集聚的四省區，因長期得益于較為寬松的生育政策，所以其人口自然增長水平一直處于相對高位，這在一定程度上減小了其人口老齡化風險壓力。從人口老齡化風險狀態系統來看，內蒙古、青海、寧夏、貴州為高風險或較高風險區，表明這部分省區的經濟社會發展對人口老齡化的承載能力相對較弱，造成這一現象的原因可能在于地方政府的負債規模較大最終影響到地方財政的可持續性，這四省區2021年度的政府債務付息支出占八省區債務付息總支出的56.32%。另外，當地較高的醫療保健消費水平也增加了老年群體的就醫成本。新疆、西藏為低風險地區，可能的原因在于其人口紅利優勢相對突出，且長期受到國家的特殊政策支持，兩地的經濟發展和社會保障水平不斷提高，從而逐漸增強了當地的經濟社會承載能力。從人口老齡化風險響應系統來看，廣西、云南、寧夏、新疆得分最高，表明這部分省區的老齡風險應對能力相對較弱。通過對原始指標數據的分析，這四省區響應得分較高的原因可能在于基本公共服務水平和社保供給水平相對偏低，以2021年人均一般公共服務支出與人均社會保障和就業支出為例，廣西等四省區的均值分別要比內蒙古等四省區的均值低1921元和1563元。其中，在人均一般公共服務支出方面，支出水平最高的西藏要比最低的廣西高出6757元。從人口老齡化風險綜合得分來看，八省區人口老齡化風險整體呈現出“區域非均衡”和“省域兩極化”的特征，具體而言，八省區人口老齡化風險水平由東向西依次遞減，風險水平最高的省區為內蒙古（0.5675），最低的省區為西藏（0.3265），但除西藏和新疆分別處于低風險和中風險區域外，內蒙古等其余六省區均處于較高或高風險水平。

（三）八省區人口老齡化風險影響因素分析

根據人口老齡化風險障礙因素診斷的計算方法，對觀測期內八省區人口老齡化風險指標層的各項指標進行障礙度計算，并按障礙度大小對障礙因素進行排序。由于篇幅所限，本文在此僅展示2012和2021年各省區排名前5位的主要障礙因素（見表2），并對此進行簡要分析。從橫向來看，影響各省區人口老齡化風險的主要障礙因素雖有部分相同，但總體存在一定差異。以2021年數據為例，青海人口老齡化風險主要障礙因素分別是X9、X2、X8、X18、X1，這說明以上5個因素對該省人口老齡化風險形成的貢獻度最大，因而對這5個因素的調控成為降低該省人口老齡化風險的關鍵；而同處西北地區的寧夏，其人口老齡化風險主要障礙因素分別是X2、X18、X7、X8、X1。不難發現，以上兩省區的人口老齡化風險主要障礙因素雖有重合，但不論是主要障礙因素分布，還是同一障礙因素在不同省區的排名次序和數值大小都有所差異。值得注意的是，在內蒙古、廣西、貴州、云南等省區，其障礙因素重合度最高，主要障礙因素的差異集中體現在障礙度的排名次序和數值大小方面。從縱向來看，同一省區不同年份的主要障礙因素雖有少數重疊，但總體發生了明顯變化。以內蒙古為例，2012年該省人口老齡化風險的主要障礙因素分別為X7、X18、X10、X1、X3，2021年為X9、X3、X2、X4、X1，可以看出，該省人口老齡化風險主要障礙因素發生了很大變化，呈現出從狀態系統向壓力系統轉移的特征，但其余各省區主要障礙因素的變化特征也并不盡然。就民族地區整體而言，X1、X2、X3、X9在2021年的各省區人口老齡化風險主要障礙因素中分別出現了7、7、5、5次，成為對民族地區人口老齡化風險產生最主要影響的4個因素；從分系統指標頻次來看，壓力指標出現次數最多，達21次，狀態指標出現16次，響應指標僅出現3次，由此可見，壓力指標成為制約民族地區人口老齡化風險降低的主要障礙因素。

四、結論與建議

本文運用PSR模型和熵權法對2012—2021年中國西部八省區的人口老齡化風險水平進行了測度，以此為基礎解釋八省區人口老齡化風險的演進歷程和省際差異，并利用障礙度模型對影響八省區人口老齡化風險的主要障礙因素進行了識別。研究結論如下：第一，八省區在人口老齡化風險狀態系統方面的差異相較于其它系統更為突出，但壓力系統指標對民族地區人口老齡化風險的影響最大，人口自然增長率、地方政府債務付息支出和城鎮化率分別是民族地區人口老齡化壓力、狀態和響應系統中最重要的評價指標。第二，民族地區人口老齡化風險總體處于中等水平，演變趨勢也相對平穩，但省際風險差異明顯，這種差異的成因主要在于各省區人口結構轉型壓力、經濟社會承載能力和老齡風險應對能力的不同。第三，人口老齡化率、老年人口撫養比、人口自然增長率及地方政府債務付息支出是當前影響八省區人口老齡化風險的四個主要障礙因素，但不同省區的主要障礙因素也存在一定差異。

根據上述研究結論，本文提出如下建議以供決策參考：第一，應充分重視民族地區人口老齡化風險的省際差異，相關省區老齡政策的制定既要體現特殊也要兼顧一般。針對不同省區人口老齡化風險的情況，要在綜合考慮區域差異的基礎上動態調整老齡政策組合。對于人口老齡化風險壓力大但狀態差的省區，要以促進經濟增長、控制物價上漲和改善財政形勢為主要抓手；對于人口老齡化風險壓力大但響應差的省區，應從加快推進城鎮化、增加基本公共服務投入、提高社保供給水平等方面著手，以此緩和省際間的人口老齡化風險差異。第二，八省區要針對各自人口老齡化風險的主要障礙因素實施精準治理，提高老齡社會治理資源的使用效率。以2021年內蒙古為例，其主要障礙因素大多集中在壓力系統，因此對當地人口政策，特別是生育支持政策的調整成為當務之急。第三，深入實施西部大開發、東西部結對幫扶等區域協調發展戰略，不斷增強民族地區對人口老齡化壓力的經濟社會承載能力和老齡風險應對能力。針對目前仍然處于較低風險水平的西藏、新疆兩地，要在產業、財政等方面繼續加大政策支持力度，促進當地人口與經濟社會資源環境的協調可持續發展，從而最大限度地降低人口老齡化可能給當地帶來的經濟社會風險。

注釋：

①全國人口是指我國大陸31個省、自治區、直轄市和現役軍人的人口，不包括居住在31個省、自治區、直轄市的港澳臺居民和外籍人員，有別于包含港澳臺地區人口的全國總人口概念。

②按國際通行標準，一個國家或地區65歲及以上人口占總人口比重達7%-14%為輕度老齡化社會（亦稱“老齡化社會”），14%-21%為中度老齡化社會（亦稱“老齡社會”），21%以上為重度老齡化社會（亦稱“超老齡社會”）。需要說明的是，本文所說的老年人口是指65歲及以上的常住人口，用其占全國人口的比重來表示老齡化程度，即老齡化率（%）。

③人口再生產模式轉變是指人口從“高生育、高死亡、低增長”階段經由“高生育、低死亡、高增長”階段再到“低生育、低死亡、低增長（甚至負增長）”階段的轉變。

④東部地區包括：北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東、海南、遼寧、吉林和黑龍江13省（市）；中部地區包括：山西、安徽、江西、河南、湖北和湖南6省。

⑤截至2021年末，八省區的人口老齡化率為11.41%，低于東中部19省14.43%。（數據來源于：國家統計局《中國統計年鑒—2022》，北京：中國統計出版社， 2022：42.）相比2000年，21年間八省區的人口老齡化年均增速為3.08%，也略低于東中部19省的3.28%。（數據來源于：國家統計局《中國統計年鑒—2001》，北京：中國統計出版社， 2001：95.）

參考文獻：

[1]Huoyun Zhu and Alan Walker. Why China needs an active social policy on ageing[J]. Asian Population Studies，2022（02）：190-225.

[2]國家統計局. 中國統計年鑒—2022[M]. 北京：中國統計出版社， 2022.

[3]杜鵬， 李龍. 新時代中國人口老齡化長期趨勢預測[J]. 中國人民大學學報， 2021，35（01）：96-109.

[4]胡湛， 彭希哲， 吳玉韶. 積極應對人口老齡化的“中國方案”[J]. 中國社會科學， 2022（09）：46-66+205.

[5]彭希哲. 中國老齡社會的治理與政策選擇[M]. 北京：科學出版社， 2021.

[6]郭志剛， 王軍. 中國人口發展戰略研究中的分歧與演進[J]. 國際經濟評論， 2020（04）：38-53+4-5.

[7]彭希哲， 胡湛. 公共政策視角下的中國人口老齡化[J]. 中國社會科學， 2011（03）：121-138+222-223.

[8]陸杰華， 劉芹. 中國老齡社會新形態的特征、影響及其應對策略——基于“七普”數據的解讀[J]. 人口與經濟， 2021（05）：13-24.

[9]習近平. 高舉中國特色社會主義偉大旗幟 為全面建設社會主義現代化國家而團結奮斗：在中國共產黨第二十次全國代表大會上的報告[M]. 北京：人民出版社， 2022.

[10]中共中央國務院關于加強新時代老齡工作的意見[N]. 人民日報， 2021-11-25.

[11][英]安東尼·吉登斯， 克里斯多弗·皮爾森. 現代性——吉登斯訪談錄[M]. 尹宏毅，譯.北京：新華出版社， 2001.

[12][德]烏爾里希·貝克. 風險社會[M]. 何博聞，譯.南京：譯林出版社， 2004.

[13][英]安東尼·吉登斯. 失控的世界——全球化如何重塑我們的生活[M]. 周紅云，譯.南昌：江西人民出版社， 2001.

[14]楊雪冬. 風險社會理論述評[J]. 國家行政學院學報， 2005（01）：87-90.

[15]黃曉春. “看不見成效”：連鎖性風險治理何以為難——一個組織學視角的分析[J]. 探索與爭鳴， 2022（07）：15-18.

[16]鐘開斌. 風險管理：從被動反應到主動保障[J]. 中國行政管理， 2007（11）：99-103.

[17]雷霆， 郭娟， 向川. 中國人口老齡化風險分布的梯次結構及其動態演進[J]. 人口與經濟， 2023（01）：87-105.

[18]劉婧. 現代社會風險解析[J]. 浙江社會科學， 2005（01）：101-105+111.

[19]賈金玲. 河南省人口老齡化社會風險探析[J]. 河南社會科學， 2008（04）：227-229.

[20]徐俊， 風笑天. 獨生子女家庭養老責任與風險研究[J]. 人口與發展， 2012（05）：2-10.

[21]葛延風，王列軍等.我國健康老齡化的挑戰與策略選擇[J]. 管理世界， 2020（04）：86-96.

[22]國務院發展研究中心“經濟轉型期的風險防范與應對”課題組. 打好防范化解重大風險攻堅戰：思路與對策[J]. 管理世界， 2018（01）：1-15.

[23]楊宜勇，關博.老齡化背景下社會保障的“防風險”和“補短板”——國際經驗和中國改革路徑[J]. 經濟與管理， 2017，38（06）：44-53.

[24]陳小亮， 譚涵予， 劉哲希. 老齡化對地方政府債務的影響研究[J]. 財經研究，2020，46（06）：19-33.

[25]都陽，封永剛.人口快速老齡化對經濟增長的沖擊[J]. 經濟研究， 2021（02）：71-88.

[26]喬曉春. “大人口”管理體制的構建[J]. 人口與發展， 2012，56（02）：2-12.

[27]胡湛， 彭希哲. 應對中國人口老齡化的治理選擇[J]. 中國社會科學，2018（12）：134-155+202.

[28]David J. Rapport and Anthony Friend. Towards a Comprehensive Framework for Environmental Statistics： A Stress-response Approach[M]. Ottawa： Statistics Canada， 1979.

[29]OECD Environment Directorate Environmental Performance and Information Division. OECD environmental indicators： Development， measurement and use[R]. 2003：21.

[30]王曉君， 吳敬學， 蔣和平. 中國農村生態環境質量動態評價及未來發展趨勢預測[J]. 自然資源學報， 2017，32（05）：864-876.

[31]狄乾斌， 韓帥帥. 城市經濟承載力的綜合評價及其時空差異研究——以我國15個副省級城市為例[J]. 經濟地理， 2015，35（09）：57-64.

[32]謝小青， 黃晶晶. 基于PSR模型的城市創業環境評價分析——以武漢市為例[J]. 中國軟科學， 2017（02）：172-182.

[33]胡原， 曾維忠. 基于PSR模型的深度貧困縣脫貧進程評價——以四川省為例[J].長江流域資源與環境， 2019，28（12）：2867-2878.

[34]劉革， 鄧慶彪， 蔡耀星. 基于PSR模型的我國社會重大風險評估體系研究[J]. 財經理論與實踐， 2021，42（05）：34-41.

[35]于長永， 劉二鵬， 樂章. 農村地區養老脆弱性的省際差異及其影響因素研究[J].中國人口·資源與環境， 2016，26（10）：144-151.

[36]龔鋒， 余錦亮. 人口老齡化、稅收負擔與財政可持續性[J]. 經濟研究， 2015，50（08）：16-30.

[37]邱國慶， 楊志安. 人口老齡化、扭曲效應與財政可持續性[J]. 當代經濟科學， 2022，44（04）：19-30.

[38]陸杰華，林嘉琪. 重度老齡化社會的人口特征、風險識別與戰略應對[J]. 中國特色社會主義研究， 2023（01）：59-68.

[39]毛中根， 孫武福， 洪濤. 中國人口年齡結構與居民消費關系的比較分析[J]. 人口研究， 2013，37（03）：82-92.

[40]甘曉成， 蔡瑤瑤， 肖鴻波. 中國養老脆弱性評價及分布動態演進[J]. 華東經濟管理， 2022，36（02）：86-97.

[41]李建民. 中國的人口新常態與經濟新常態[J]. 經濟研究， 2015，39（01）：3-13.

[42]王群， 銀馬華， 楊興柱等. 大別山貧困區旅游地社會—生態系統脆弱性時空演變與影響機理[J]. 地理學報， 2019，74（08）：1663-1679.