EN中文

GEOGRAPHICAL RESEARCH >

2025 , Vol. 44 >Issue 6: 1587 - 1599

DOI: https://doi.org/10.11821/dlyj020230743

Population Shrinkage and Aging

The pattern and mechanism of population aging in counties of China

  • XU Xin , 1 ,
  • ZHAO Yuan , 2, 3 ,
  • ZHOU Jianfang 4
Expand
  • 1. Population Research Institute, Nanjing University of Posts and Telecommunications, Nanjing 210042, China
  • 2. School of Geography, Nanjing Normal University, Nanjing 210023, China
  • 3. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China
  • 4. School of Sociology and Population, Nanjing University of Posts and Telecommunications, Nanjing 210023, China

Received date: 2023-08-28

  Accepted date: 2024-11-15

  Online published: 2025-06-04

Fold

Abstract

Based on the data of the sixth and seventh national population censuses, this paper uses standard deviation ellipse, spatial autocorrelation and multiple linear regression model to reveal the characteristics and mechanism of population aging pattern at county level in China, to provide intellectual support for the in-depth implementation of the national strategy to actively respond to the aging population and help the high-quality development of the population. The results show that: (1) From 2010 to 2020, elderly population at county level presents a northeast-southwest distribution, and the center of gravity of aging rate transitions from southwest to northeast. (2) There is a significant difference in population aging on both sides of the “Hu Line”, the degree of population aging in the southeast half is deepening, and the aging phenomenon in the northwest half is beginning to appear. By 2020, the geographical dividing line of the aging rate will shift counterclockwise from the “Hu-Line” to the northwest. (3) The difference between urban and rural population aging continues to be narrowed, and the growth rate of population aging in rural areas increased significantly, showing the phenomenon of urban and rural inversion. (4) The northeast region and the middle and lower reaches of the Yellow River became regions with rapid growth of population aging, while regions with slow growth were distributed in the Pearl River Delta, Yunnan-Guizhou Plateau, Sichuan Basin and Qinghai-Xizang Plateau. (5) Birth rate, inflow rate, ethnic structure of population and proportion of three-generation households to total households are the main factors affecting the regional differences of population aging. Birth rate, inflow rate and living conditions have more significant effects on regional differences of aging rates in the southeast half of China, and ethnic structure has more significant effects on regional differences in the northwest half of the country. To formulate population development policies scientifically and reasonably, to curb the continuous contraction of population, to enhance the willingness to have children, and to strengthen the construction of rural old-age security system have become new measures to actively cope with population aging in the new era.

Key words： population aging; spatio-temporal characteristics; mechanism; multiple linear regression; county

Cite this article

XU Xin , ZHAO Yuan , ZHOU Jianfang . The pattern and mechanism of population aging in counties of China[J]. GEOGRAPHICAL RESEARCH, 2025 , 44(6) : 1587 -1599 . DOI: 10.11821/dlyj020230743

1 引言

伴随着出生率的下降、人均预期寿命的延长和人口迁移流动时代的到来，中国人口老龄化进入新阶段，呈现新特征。第七次全国人口普查数据显示，2020年我国65岁及以上老年人口达1.91亿人，占总人口比重的13.5%。根据联合国《世界人口展望2022》报告预测，我国将在2035年以前进入重度老龄化社会（65岁及以上人口占总人口比重超过21%）。当前，人口快速老龄化、超大规模老年人口是中国式现代化面临的重要国情，年龄结构老化与社会经济发展不平衡不充分之间的矛盾日益突出，为了更好地贯彻落实“积极应对人口老龄化”国家战略，促进区域人口可持续均衡发展，有必要对新时期中国人口老龄化格局特征进行空间重塑，挖掘新特征背后形成的原因与机制，提出符合时代发展需求和促进人口高质量发展的对策建议。
国外老年地理学的兴起源自20世纪70年代Warnes和Rowles从地理学综合视角考察老年学的发展脉络[1,2]，随后学者们从多学科视角对人口老龄化空间分异、老年健康、老年人时空行为等内容进行深入探讨[3-5]。进入21世纪，伴随着中国人口老龄化社会的到来，国内地理学界开始关注人口老龄化问题，研究聚焦于人口老龄化区域差异与影响机制[6,7]、老龄化与经济发展[8,9]、老年健康与环境[10]等领域，并逐渐形成了独具本土特色的老年地理学研究体系与分析框架[11]。随后，在跨学科交叉研究的浪潮中，老年地理学的研究内容不断丰富，研究视角日趋多元，研究方法日益多样，成为跨学科研究的新阵地，但人口老龄化的区域差异与驱动机制依旧是老年地理学研究的基石，在深度和广度上指导该领域的深入发展。经过20多年的努力，人口老龄化区域差异研究的空间尺度逐渐由全国、省域、市域、县域与典型地区过渡到城市内部乡镇街道与社区层级，实现了由宏观尺度向微观尺度的转变。研究方法以GIS空间统计方法和空间计量方法为主，伴随着研究对象的个体化，行为地理学、时间地理学等微观统计分析方法也开始进入该研究领域。机制分析方面，学者们将人口老龄化区域差异的影响因素概括为内部因素和外部因素，如基期老龄化程度[12,13]、人口因素[7,14]、社会经济因素[15,16]和环境因素[17,18]。2022年，中国人口自然增长率为-0.06%，标志着中国正式步入人口负增长时代，考虑长期积累的低生育惯性，老龄化已经成为一种不可逆转的人口态势，与此同时，快速的人口迁移流动也在不断地改变人力资本的空间再分配，对人口可持续发展产生深远影响。在此新背景下，影响人口老龄化区域差异的主要成因是否随时代的发展发生了变化?是否具有显著的中国特色?内外因素在塑造人口老龄化空间特征方面的机制如何?以上问题均值得学术界进一步探索。
县域是国家进行人口治理的基层单元，起着承上（承接大中城市辐射）启下（引领带动乡村振兴）、支撑城乡融合的关键作用。在人口城镇化过程中，受经济发展水平和社会保障发展程度较低的影响，县域人口老龄化现象更为严峻，具体表现为农村人口老龄化发展迅速、城乡差异扩大、未富先老、未备先老等特征，产生的“城乡分割”及“人口红利”消失等问题对区域劳动力供给、产业结构调整和人才流失影响深远，严重威胁着经济社会的可持续发展。此外，因幅员辽阔，中国不同县域在资源禀赋、人口构成、经济发展、政策实施和文化背景等方面差异显著，人口老龄化的影响因素也不尽相同。因此，从县域尺度开展人口老龄化区域差异及其影响因素的研究，有助于及时把握微观层面人口老龄化的发展趋势，因地制宜地促进区域协调和人口可持续发展。然而，既有研究较少从县域尺度关注中国人口老龄化格局特征，对成因及机制的探讨也略显不足。考虑到2021年全国第七次人口普查数据的发布，以及中国人口发展进入新阶段，利用最新统计数据开展县域尺度的研究有其必要性和紧迫性。鉴于此，本文基于第六次、第七次全国人口普查资料，分析县域人口老龄化的格局特征及其作用机制，对新时期中国人口发展特征及趋势进行深入剖析。

2 研究方法与数据来源

2.1 研究方法

（1）人口老龄化测度。老龄化率（Aging Rate，AR）是衡量地区人口老龄化程度的常见指标，本文以县域65岁及以上老年人口占县域总人口的比例为表征[13,19,20]。1956年，联合国《人口老龄化及其社会经济后果》报告中指出，当一个国家或地区65岁及以上人口占总人口比例超过7%时，即被视为进入老龄化社会。为了便于区域比较与分析，本文将老龄化率划分为以下6种类型：AR<4.0%为年轻型，4.0%≤AR<5.5%为成年型I期，5.5%≤AR<7.0%为成年型II期，7.0%≤AR<10.0%为老年型I期，10.0%≤AR<14.0%为老年型II期，AR≥14.0%为老年型III期。
（2）标准差椭圆。标准差椭圆是一种描述地理要素分布方向和离散程度的空间统计方法，即通过测算要素分布椭圆的平均重心、方位角、长轴和短轴等参数，识别地理要素空间分布的全局特征[21]，具体计算公式见参考文献[22]。本文利用ArcGIS中的空间统计模块计算2010—2020年县域老龄化率的标准差椭圆参数，描述人口老龄化的发展方向和空间离散趋势，并对结果进行可视化表达。
（3）多元线性回归模型。多元线性回归是用于探究两个及以上自变量对因变量影响程度的统计分析方法，既可以分析每个自变量对因变量影响的相对重要程度，也可以预测因变量的未来变化趋势，其数学模型表示为：
y i = β 0 + β 1 x 1 i + β 2 x 2 i + … + β j x j i + ε i
式中： y i为因变量； x j i为自变量； j为自变量的数目； i为第 i个待计算的样本； β j为待估计的位置参数，其中 β 0为截距、 β 1 ~ β j为各自变量的系数； ε i是均值为零、方差为 σ 2 0的不可观测的随机变量，称为误差项。

2.2 影响因素预选取

人口老龄化是特定区域内人口结构转变与外部环境变迁等因素共同驱动的结果。人口结构要素包括出生率、人均预期寿命和人口流动，外部环境要素包括社会经济、婚姻家庭和历史文化。基于数据可获得性原则，并借鉴已有研究成果[7,12,14]，本文选取出生率（Birth Rate，BR）、流入率（Population Inflow，PI）、医疗卫生条件（Medical and Sanitary Conditions，MSC）、人口民族结构（Ethnic Structure of Population，ESP）、15~49岁育龄妇女数（Number of Women of Reproductive Aged 15-49 years，NWR）、三代户占总家庭户比重（The Proportion of Three-generation Households，PTH）、城镇化率（Urbanization Rate，UR）、文盲率（Illiteracy Rate，IR）和居住条件（Living Condition，LC）9个自变量，分析以上因素对县域人口老龄化的影响与作用机制。
影响因素的选择依据如下：① 出生率是一定时期内平均每千人中出生人数的比率。一个地区出生率下降意味着该地区新生人口数量减少、老年人口比例上升，故选择出生人口数占总人口数的比例表征人口出生率水平。② 流入率是某一地区流入人口占该地区常住人口的比例。流入人口会稀释本地老年人口的占比，降低老龄化率，故选择户口登记地在外乡镇街道人口数占总人口数的比例表征流入率水平。③ 医疗卫生条件是一个地区为保障居民健康水平而提供的医疗服务和公共卫生服务。医疗条件优劣直接影响死亡率水平，进而影响人口老龄化率，故选择万人医疗机构床位数表征医疗卫生条件。④ 人口民族结构是一个地区各民族人口在总人口中的构成状况。鉴于中国计划生育政策的实施在民族与非民族地区存在差异，由此造成的生育率差异改变了地区人口年龄结构，故选择少数民族人口占总人口的比例表征人口民族结构。⑤ 15~49岁育龄妇女数是指年龄在15周岁至49周岁之间，具有生育能力的妇女数量。育龄妇女数量减少会通过降低人口出生率影响地区老龄化率，故选择15~49岁育龄妇女数表征生育能力。⑥ 三代户占总家庭户比重反映了家庭规模的大小，家庭规模的小型化会影响育龄妇女生育子女的数量和老龄化率，故选择三代户占总家庭户的比重表征家庭规模大小。⑦ 城镇化率是一个地区城镇常住人口占总人口的比例。城镇化进程中，大量乡—城迁移劳动力改变了城乡人口年龄构成，故选择城镇人口占常住人口比例表征城镇化率。⑧ 文盲率是文盲人口数与相应年龄组全部人口数的比率。文盲率通过影响生育意愿、文化素养与知识水平改变人口老龄化率，故选择15岁及以上文盲人口数占总人口数的比例表征文盲率。⑨ 居住条件直接影响老年人的居住舒适度，也会通过改变代际关系间接影响生活质量与预期寿命，因此选择平均每户住房建筑面积表征居住条件。

2.3 数据来源

本文县级行政区划数据来源于自然资源部主管的全国地理信息资源目录服务系统（www.webmap.cn）中的2020年1: 100万全国矢量数据集。鉴于2020年人口普查分县数据已经将各地级市的市辖区合并为一个行政单元，为了保证人口统计数据与矢量数据行政单元的统一性，将2020年各地级市所辖市辖区的矢量底图按照人口统计数据的行政单元进行合并处理，最终得到2173个县级行政单元（包括市辖区、县级市、县、自治县、旗等）。此外，2010—2020年，县级行政单元经历过撤县设区、撤市设区、撤县设市和地名变更等局部调整，为了保证两个年份统计数据的一致性和可比性，以新生成的2020年县级行政区划为标准，将2010年的统计数据按照2020年的行政区划进行合并处理。
本文县级人口数据来源于中国《2010年人口普查分县资料》和《2020年人口普查分县资料》，因变量为县域人口老龄化率，自变量包括出生率、流入率、医疗卫生条件、人口民族结构、15~49岁育龄妇女数、三代户占总家庭户比重、城镇化率、文盲率和居住条件，以上所有人口数据统计口径均为常住人口。

3 中国县域人口老龄化格局特征

3.1 县域老年人口呈现“东北—西南”格局，人口老龄化重心向东北跃迁

2010年和2020年中国县域老年人口分布椭圆重心、方位角和移动方向如表1所示。结果显示，近20年来县域老年人口重心始终位于河南省内，由河南省信阳市（32˚27'32"N, 114˚00'36"E,）向驻马店市（32˚35'10"N, 114˚07'59"E）移动，呈现“东北—西南”分布特征。长半轴由2010年的1,206.537 km减少至2020年的1,187.771 km，短半轴由2010年的809.090 km减少至2020年的792.330 km，椭圆分布范围以东中部地区省份为主，变化幅度较小，面积呈现缩小趋势。表明中国东中部县域老年人口数量较多，并表现出向东北方向迁移的趋势，空间分布趋于集聚。
表1 2010年、2020年中国县域老年人口标准差椭圆参数

Tab. 1 Elliptic parameters of elderly population characteristics at county level in China, 2010 and 2020

标准差椭圆 重心坐标 短轴（km） 长轴（km） 方位角
2010年 老年人口 32˚27'32"N, 114˚00'36"E 809.090 1,206.537 57.659°
总人口 32˚22'34"N, 113˚46'01"E 879.799 1,239.033 59.907°
人口老龄化率 32˚49'52"N, 111˚47'06"E 971.250 1,449.404 72.142°
2020年 老年人口 32˚35'10"N, 114˚07'59"E 792.330 1,187.771 56.747°
总人口 32˚01'26"N, 113˚31'44"E 900.724 1,215.856 63.747°
人口老龄化率 33˚22'48"N, 112˚25'48"E 939.695 1,433.840 66.536°
采用标准差椭圆进一步刻画县域总人口、县域人口老龄化率分布椭圆（表1）。结果显示，2010—2020年，总人口重心由河南省信阳市（32˚22'34"N, 113˚46'01"E）向西南方向位移至湖北省随州市（32˚01'26"N, 113˚31'44"E），长轴减少了23.177 km，短轴增加了20.925 km，旋转角增加了3.840°，“东北—西南”向分布椭圆呈现顺时针偏移的趋势。人口老龄化率重心位于河南省南阳市，由淅川县（32˚49'52"N, 111˚47'06"E）向东北方向位移至南召县（33˚22'48"N, 112˚25'48"E），长、短轴分别减少了15.564 km和31.555 km，旋转角减少了5.606°，表明人口老龄化率分布椭圆向逆时针方向偏移。分布格局显示，2010—2020年，中国县域老年人口、县域总人口均呈现“东北—西南”分布特征，“胡焕庸线”东南半壁的总人口与老年人口数量高于西北半壁，覆盖范围缩小，空间分布上趋于集聚（图1）。移动方向显示，老年人口、人口老龄化率重心由西南向东北方向位移，总人口由东北向西南方向位移，表明东北地区老年人口数量增加，人口老龄化加速明显。
图1 2010年、2020年中国县域老年人口空间分异格局

注：此图基于自然资源部地图技术审查中心的标准地图（GS（2020）4619号）制作，底图边界无修改

Fig. 1 Spatial distribution pattern of elderly population at county level in China, 2010 and 2020

3.2 东南半壁人口老龄化日趋严峻，西北半壁人口老龄化开始显现

“胡焕庸线”是中国重要的人口地理分界线，也是人口老龄化区域分异的分割线[23]。2010—2020年，“胡焕庸线”东南半壁人口老龄化程度加深，年轻型、成年型县域分别减少了4个、23个，老年型县域增加了168个，由老年型I期向老年型III期转变，东南半壁近九成县域进入老龄化社会。西北半壁人口老龄化开始显现，县域老龄化率平均值由2010年的6.561%增加至2020年的9.789%，由成年型II期向老年型I期转变，老年型III期经历了从无到有的跨越式发展历程（表2、图2）。2020年，县域人口老龄化地理分界线由“胡焕庸线”向西北方向逆时针偏移，内蒙古北部、呼包鄂榆城市群以及陕西中部地区人口老龄化程度加深。未来西北半壁老龄化问题将持续深化并面临新的挑战，东南半壁将迈入深度老龄化阶段，呈现高龄化特征加速显现、人口预期寿命持续攀升的复合人口转变态势。
表2 “胡焕庸线”两侧人口老龄化类型比较

Tab. 2 Comparison of population aging types on both sides of the “Hu-Line”

地区 2010年 2020年
东南半壁
县域数量（占比%）		 西北半壁
县域数量（占比%）		 东南半壁
县域数量（占比%）		 西北半壁
县域数量（占比%）
年轻型 4（0.23） 27（6.08） 0（0.00） 13（2.93）
成年型I期 23（1.33） 126（28.38） 0（0.00） 50（11.26）
成年型II期 160（9.25） 118（26.58） 15（0.87） 78（17.57）
老年型I期 991（57.32） 145（32.66） 88（5.09） 114（25.68）
老年型II期 535（30.94） 28（6.31） 618（35.74） 123（27.70）
老年型III期 16（0.93） 0（0.00） 1,004（58.07） 66（14.86）
合计 1,729（100.00） 444（100.00） 1,729（100.00） 444（100.00）
图2 2010年、2020年中国县域人口老龄化率空间分异

注：此图基于自然资源部地图技术审查中心的标准地图（GS（2020）4619号）制作，底图边界无修改

Fig. 2 Spatial differentiation of population aging in China, 2010 and 2020

通过测算全局Moran's I指数、绘制LISA聚类图分别进行全局及局部空间相关性检验，剖析县域人口老龄化空间集聚演变特征（图2、图3）。结果显示，2010—2020年，中国县域人口老龄化的Moran's I指数均高于0.600，且通过1%的显著性水平检验。表明老龄化率高值县域与高值县域空间毗邻，低值县域与低值县域空间毗邻。HH代表县域人口老龄化率高值区被高值区包围，HL代表高值区域被低值区域包围，LH代表低值区域被高值区域包围，LL代表低值区域被低值区域包围。2010年，HH分布在东部沿海及中部内陆地区；LL集中分布在西北半壁和云南南部县域；LH围绕湘粤赣、云贵高原和四川盆地分布；HL分布于内蒙古、新疆、陕甘宁和云南等地区。2020年，县域人口老龄化空间分布集聚性增强，HH由南向北、由东南向西北跃迁，内蒙古部分县域开始进入HH；LL主要分布在珠三角、云贵高原和西北内陆地区；LH集中分布在内蒙古以及“胡焕庸线”东南一侧县域；HL零星分布在陕西、云南、广西和广东等地区。
图3 2010年、2020年中国县域人口老龄化率全局空间自相关

Fig. 3 Global autocorrelation of population aging at county level in China, 2010 and 2020

3.3 城乡差异逐渐缩小，乡村地区人口老龄化程度不断加深

2010—2020年，城镇地区老龄化率平均值由8.779%增加至13.778%，增幅56.943%，乡村地区老龄化率平均值由8.576%增加至13.786%，增幅60.751%，乡村人口老龄化增速快于城市，城乡差异逐渐缩小（表3）。城镇地区由老年型I期向老年型II期转变，分布区域由长三角、川渝城市群延伸至辽中南以及东北三省。其中，年轻型、成年型I期、成年型II期和老年型I期县域显著减少，老年型II期、老年型III期县域显著增加。乡村地区由老年型I期向老年型II期转变。其中，年轻型、成年型I期、成年型II期和老年型I期县域显著减少，老年型II期和老年型III期县域呈现快速增长趋势。与城镇地区相比，乡村地区人口老龄化表现出增量大、增速快、程度深等特征，然而经济发展落后、社会保障体系不健全使得乡村养老问题面临困境，有必要探索新的发展路径实现乡村人口高质量发展。
表3 2010年、2020年中国城镇和乡村地区人口老龄化类型比较

Tab. 3 Comparison of aging types on urban and rural areas, 2010 and 2020

地区 2010年 2020年
城镇地区
县域数量（占比%）		 乡村地区
县域数量（占比%）		 城镇地区
县域数量（占比%）		 乡村地区
县域数量（占比%）
年轻型 19（2.79） 12（0.80） 7（1.03） 9（0.60）
成年型I期 23（3.38） 125（8.38） 7（1.03） 44（2.95）
成年型II期 71（10.43） 210（14.08） 20（2.94） 73（4.89）
老年型I期 380（55.80） 754（50.54） 73（10.72） 131（8.78）
老年型II期 178（26.14） 385（25.80） 266（38.95） 473（31.70）
老年型III期 10（1.47） 6（0.40） 308（45.23） 762（51.07）
合计 681（100.00） 1,492（100.00） 681（100.00） 1,492（100.00）

3.4 东北地区、黄河中下游地区成为人口老龄化快速增长区

2010—2020年，中国县域老龄化率平均值由8.624%增长至13.758%，增幅59.532%，由老年型I期转变为老年型II期。增幅最快的是黑龙江抚远市，增幅最慢的是新疆阿拉山口市。增幅较快的县域分布在东北三省和黄河中下游地区，如沂源县、二连浩特市和克东县（图4）。低出生率和人口外流是影响东北和黄河中下游地区老龄化率快速增长的主要原因。东北大量国有企业对计划生育政策执行的较为彻底，加上生育观念的改变，人口出生率低；近年来受经济下行、产业结构单一等因素的影响，东北青年人口持续外流，进一步加剧了本地人口结构失衡。黄河中下游地区虽是传统人口大省，但本地就业机会有限，大量青壮年前往长三角、珠三角、京津冀等经济发达地区务工，留守在本地的老年人占常住总人口的比重上升。河南、山东等省份曾是计划生育政策执行严格地区，生育率长期受到压制，即使放开“二孩”“三孩”后，生育率仍然低迷。此外，伴随着农业机械化水平的提高，农村劳动力需求下降，促使年轻人外流。
图4 2010—2020年中国县域人口老龄化率增长率

注：此图基于自然资源部地图技术审查中心的标准地图（GS（2020）4619号）制作，底图边界无修改

Fig. 4 County population aging growth rate in China, 2010-2020

2010—2020年，中国县域人口老龄化率增长率的Moran's I系数为0.667，表明相同属性的县域在空间上集聚，即增长率高的县域相互临近，增长率低的县域相互临近。HH分布在内蒙古、京津冀城市群、中原城市群和辽中南城市群；LL围绕珠三角、云贵高原、四川盆地和青藏高原地区分布；HL零星分布在LL边缘，呈“U”字型格局；LH主要分布在山东半岛、陕甘宁和内蒙古北部地区（图5）。
图5 2010—2020年中国县域人口老龄化率增长率全局空间自相关

Fig. 5 Global autocorrelation of population aging growth rate at county level in China, 2010-2020

4 中国县域人口老龄化作用机制

4.1 人口老龄化作用机制

采用多元线性回归模型分析中国县域人口老龄化作用机制。模型自变量多重共线性检验结果显示，各影响因素的方差膨胀因子（Variance Inflation Factor，VIF）值均小于5，容忍度（Tolerance）均大于0.1，符合自变量之间不存在严重共线性的检验标准[24]，可以进行回归模型拟合分析（表4）。
表4 中国县域人口老龄化模型回归分析

Tab. 4 Regression analysis of influencing factors of county population aging in China

变量 回归系数 P值 95%置信区间 Tolerance VIF
BR -0.600*** 0.000 [-0.650, -0.549] 0.544 1.84
PI -0.123*** 0.000 [-0.138, -0.109] 0.361 2.77
MSC -0.001 0.170 [-0.002, 0.000] 0.888 1.13
ESP -0.051*** 0.000 [-0.056, -0.046] 0.598 1.67
NWR -2.40e-07 0.182 [-5.93e-07, 1.13e-07] 0.816 1.23
PTH -0.038*** 0.008 [-0.065, -0.010] 0.431 2.32
UR 0.009 0.150 [-0.003, 0.020] 0.329 3.04
IR 0.016 0.167 [-0.007, 0.040] 0.472 2.12
LC -0.352* 0.066 [-0.728, 0.023] 0.591 1.69

注：***、**、*表示显著性分别为P < 0.01、P < 0.05、P < 0.1。

回归结果显示，模型拟合优度R2为0.545，调整后R2为0.543，拟合效果良好。模型F值为287.91，P值为0.000，模型整体显著。出生率、流入率、人口民族结构和三代户占总家庭户比重达到显著性水平，均与县域人口老龄化率呈负相关性，相关性程度出生率>流入率>人口民族结构>三代户占总家庭户比重。
① 出生率与人口老龄化率呈负相关，说明出生人口数量越多，老龄化率越低。新疆、西藏和青海等地区生育政策宽松，传统家庭观念强，生育率高，人口年龄结构趋于年轻化。② 流入率与人口老龄化率呈负相关，说明县域流入人口越多，老龄化率越低。区域差异与城乡差异使得中国人口流动具有方向偏好性和年龄选择性，青壮年劳动人口从乡村流入城市地区，降低了城市老龄化率，抬升了乡村老龄化率。③ 人口民族结构与人口老龄化率呈负相关，说明少数民族人口越多的地区，老龄化率越低。西藏、青海等中西部地区少数民族人口数量多，受宗教文化以及以农牧业为主经济结构的影响，生育意愿较强。④ 三代户占总家庭户比重与人口老龄化呈负相关，说明三代户家庭占比越高，老龄化率越低。三代户家庭占总家庭户比重较高的县域，人口出生率较高，老龄化率较低。

4.2 分地区人口老龄化作用机制

（1）“胡焕庸线”东南半壁。回归结果显示，模型拟合优度R2为0.518，调整后R2为0.516，拟合效果良好（表5）。出生率、流入率、人口民族结构、三代户占总家庭户比重、文盲率和居住条件与人口老龄化率显著相关。其中，文盲率和居住条件与人口老龄化率呈正相关，其余变量呈负相关。东南半壁人口文盲率低、平均每户住房建筑面积小，老龄化率较高；出生人口数量少、三代户占比低、少数民族人口数量少，抬高了县域老龄化率；县域人口的大量流入降低了本地老龄化率，代表性地区有北京、天津、上海和重庆等直辖市地区以及滇中城市群。
表5 “胡焕庸线”两侧县域人口老龄化模型回归分析

Tab. 5 Mechanism of population aging in counties on both sides of the “Hu-Line”

变量 东南半壁 西北半壁
回归系数 P值 Tolerance VIF 回归系数 P值 Tolerance VIF
BR -0.856*** 0.000 0.543 1.84 -0.305*** 0.000 0.415 2.41
PI -0.120*** 0.000 0.374 2.67 -0.060*** 0.000 0.229 4.36
MSC 0.001 0.374 0.865 1.16 -0.001 0.238 0.780 1.28
ESP -0.011*** 0.000 0.761 1.31 -0.094*** 0.000 0.531 1.88
NWR -2.92e-07* 0.065 0.767 1.30 -2.16e-06 0.198 0.705 1.42
PTH -0.095*** 0.000 0.441 2.27 -0.016 0.543 0.302 3.31
UR 0.006 0.328 0.369 2.71 -0.024** 0.036 0.243 4.12
IR 0.126*** 0.000 0.609 1.64 0.056*** 0.001 0.357 2.80
LC 0.953*** 0.000 0.507 1.97 -0.621** 0.046 0.480 2.08

注：***、**、*表示显著性分别为P < 0.01、P < 0.05、P < 0.1。

（2）“胡焕庸线”西北半壁。回归结果显示，模型拟合优度R2为0.634，调整后R2为0.626，拟合效果良好（表5）。出生率、流入率、人口民族结构、城镇化率和居住条件与人口老龄化率呈显著负相关，文盲率与人口老龄化率呈显著正相关。西北半壁出生率高，少数民族人口数量多、文盲率偏低、平均每户住房建筑面积大，人口老龄化率低。呼包鄂榆城市群是受流入率和城镇化率影响显著的区域，该城市群位于全国“两横三纵”城市化战略格局包昆通道纵轴北端，近年来在推进形成西部大开发格局和新型城镇化过程中发展迅速，吸引城市群外围县域的大量劳动年龄人口流入，形成老龄化率低值区。

5 结论与讨论

5.1 结论

（1）2010—2020年，中国县域人口老龄化由老年型I期向老年型II期转变。老年人口数量、老龄化率呈现“东北—西南”分布特征；总人口重心向西南方向迁移，老年人口重心、老龄化率重心向东北方向跃迁，东北地区人口老龄化加速显著。
（2）“胡焕庸线”两侧人口老龄化差异显著，东南半壁老龄化现象日趋严峻，西北半壁老龄化现象开始显现。县域老龄化城乡差异缩小，乡村老龄化率超过城市，“城乡倒置”现象凸显。受生育政策、人口流动、城市收缩等因素的影响，东北地区和黄河中下游地区成为县域老龄化率快速增长区域。
（3）出生率、流入率、人口民族结构和三代户占总家庭户比重成为影响县域老龄化率区域差异的关键因素，医疗卫生条件、15~49岁育龄妇女数、城镇化率、文盲率和居住条件与县域老龄化率无显著相关性。
（4）出生率、流入率、人口民族结构和居住条件共同影响“胡焕庸线”东南半壁和西北半壁人口老龄化率的区域差异。其中，出生率、流入率和居住条件对东南半壁老龄化率区域差异影响更显著，人口民族结构对西北半壁老龄化率区域差异影响更显著。

5.2 讨论

（1）中国县域人口老龄化区域差异受到出生率和流入率的显著影响。青壮年人口大量流失是引起东北地区老龄化率快速增长的主要原因。作为我国重要的资源型城市和传统工业基地，因资源枯竭、产业结构单一和技术创新不足等制约因素，东北地区经济结构转型升级陷入困境。黄河中下游地区出生率下降早、生育意愿低迷，加上经济发展转型慢，人口外流严重，老龄化率持续攀升。对此，政府部门应当采取激励和扶持政策吸引人才流入，减少人口持续外流；立足本地资源禀赋，推动城市更新，发展绿色低碳产业；优化人口政策，加大生育补贴，降低育儿成本，提高生育意愿。
（2）“胡焕庸线”西北半壁老龄化率提升，乡村老龄化率超过城市。西北半壁乡村聚集，人口外流现象更为严重，老龄化率增速快。对此，通过完善农村养老保障体系、鼓励青年返乡创业、推动医疗教育资源向乡村倾斜，缓解人口老龄化的“城乡倒置”矛盾。
（3）本文基于全国人口普查数据对中国县域人口老龄化格局特征及其作用机制进行分析，对促进人口高质量发展和积极老龄化目标的实现意义重大。然而，在老龄化区域差异影响因素的选取上依旧存在不足之处。例如，对微观层面社会、环境和健康变量较少涉及，包括老年人的生活方式、营养状况、居住邻里环境以及社会融入状况等，这些因素可以通过影响出生率和人口流动来改变县域人口年龄结构。未来可以将宏观和微观数据有效整合形成创新性的人口老龄化分析框架，推动老年地理学领域研究的深入发展。

真诚感谢匿名评审专家在论文评审中所付出的宝贵时间和精力，评审专家对本文研究思路、研究方法、结果分析与结论提升等方面的修改意见，使本文获益匪浅。感谢中国科学院地理科学与资源研究所戚伟副研究员对研究的支持与指导。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Warnes A M. Towards a geographical contribution to gerontology. Progress in Human Geography, 1981, 5(3): 317-341.

[2]
Rowles G D. The geography of ageing and the aged: Toward an integrated perspective. Progress in Human Geography, 1986, 10(4): 511-539.

[3]
Ho E C, Hawkley L, Dale W, et al. Social capital predicts accelerometry-measured physical activity among older adults in the U.S.A cross-sectional study in the National Social Life, Health, and Aging Project. BMC Public Health, 2018, 18: 804.

[4]
Sampaio D, King R, Walsh K. Geographies of the ageing-migration nexus: An introduction. Area, 2018, 50: 440-443.

[5]
Fänge A M, Oswald F, Clemson L. Aging in place in late life: Theory, methodology, and intervention. Journal of Aging Research, 2012, 2012: 547562.

[6]
李琼, 李松林, 张蓝澜, 等. 粤港澳大湾区人口老龄化时空特征及其经济效应. 地理研究, 2020, 39(9): 2130-2147.

DOI

[Li Qiong, Li Songlin, Zhang Lanlan, et al. The spatio-temporal characteristics of the Guangdong-Hong Kong-Macao Greater Bay Area's population aging and its economic effects. Geographical Research, 2020, 39(9): 2130-2147.]

[7]
敖荣军, 常亮. 基于结构方程模型的中国县域人口老龄化影响机制. 地理学报, 2020, 75(8): 1572-1584.

DOI

[Ao Rongjun, Chang Liang. Influencing mechanism of regional ageing in China based on the structural equation model. Acta Geographica Sinica, 2020, 75(8): 1572-1584.]

DOI

[8]
彭魏倬加. 农村劳动力老龄化对农户技术选择与技术效率的影响. 经济地理, 2021, 41(7): 155-163.

DOI

[Peng Weizhuojia. The influence of the rural aging workforce on the technology selection and technical efficiency of farmers. Economic Geography, 2021, 41(7): 155-163.]

DOI

[9]
曾通刚, 赵媛. 中国老龄事业发展水平时空演化及其与经济发展水平的空间匹配. 地理研究, 2019, 38(6): 1497-1511.

DOI

[Zeng Tonggang, Zhao Yuan. Spatial and temporal evolution of the undertakings for the elderly and spatial mismatch of economy in China. Geographical Research, 2019, 38(6): 1497-1511.]

[10]
魏越, 杨东峰. 邻里目的地建成环境对老年日常活动机会的影响: 基于感知和参与视角. 地理科学进展, 2023, 42(1): 89-103.

DOI

[Wei Yue, Yang Dongfeng. Impact of neighborhood destination built environments on daily activity opportunities of the elderly population: Based on perception and participation. Progress in Geography, 2023, 42(1): 89-103.]

DOI

[11]
高晓路, 吴丹贤, 许泽宁, 等. 中国老龄化地理学综述和研究框架构建. 地理科学进展, 2015, 34(12): 1480-1494.

DOI

[Gao Xiaolu, Wu Danxian, Xu Zening, et al. A review and frame-work setting of geographical research on aging in China. Progress in Geography, 2015, 34(12): 1480-1494.]

DOI

[12]
王录仓, 武荣伟. 中国人口老龄化时空变化及成因探析: 基于县域尺度的考察. 中国人口科学, 2016(4): 74-84+127.

[Wang Lucang, Wu Rongwei. A study on spatial-temporal pattern of population ageing and its factors in China: Based on county-scale examination. Chinese Journal of Population Science, 2016(4): 74-84+127.]

[13]
王录仓, 武荣伟, 李巍. 中国城市群人口老龄化时空格局. 地理学报, 2017, 72(6): 1001-1016.

DOI

[Wang Lucang, Wu Rongwei, Li Wei. Spatial-temporal patterns of population aging on China's urban agglomerations. Acta Geographica Sinica, 2017, 72(6): 1001-1016.]

DOI

[14]
许昕, 赵媛, 夏四友, 等. 中国分县城乡人口老龄化时空差异与机理. 经济地理, 2020, 40(4): 164-174.

DOI

[Xu Xin, Zhao Yuan, Xia Siyou, et al. Spatial and temporal characteristics and mechanism of urban and rural population ageing in China. Economic Geography, 2020, 40(4): 164-174.]

DOI

[15]
陈明华, 郝国彩. 中国人口老龄化地区差异分解及影响因素研究. 中国人口·资源与环境, 2014, 24(4): 136-141.

[Chen Minghua, Hao Guocai. Research on regional difference decomposition and influence factors of population aging in China. China Population, Resources and Environment, 2014, 24(4): 136-141.]

[16]
吴媛媛, 宋玉祥. 中国人口老龄化空间格局演变及其驱动因素. 地理科学, 2020, 40(5): 768-775.

DOI

[Wu Yuanyuan, Song Yuxiang. The evolution of China's population aging spatial pattern and its driving factors. Scientia Geographica Sinica, 2020, 40(5): 768-775.]

DOI

[17]
常亮, 敖荣军. 中国边界县区人口老龄化的时空格局及其影响因素研究. 世界地理研究, 2021, 30(2): 410-421.

DOI

[Chang Liang, Ao Rongjun. Spatio-temporal pattern and influencing mechanism analysis of population ageing in China's border counties. World Regional Studies, 2021, 30(2): 410-421.]

DOI

[18]
邬林果, 武荣伟, 杨德刚. 2000—2020年中国人口老龄化时空演变及影响因素研究. 世界地理研究, 2024, 33(5): 163-176.

DOI

[Wu Linguo, Wu Rongwei, Yang Degang. Spatial-temporal patterns and influencing factors of population aging in China from 2000 to 2020. World Regional Studies, 2024, 33(5): 163-176.]

DOI

[19]
林琳, 马飞. 广州市人口老龄化的空间分布及趋势. 地理研究, 2007, 26(5): 1043-1054.

[Lin Lin, Ma Fei. Spatial distribution and trends of the aging of population in Guangzhou. Geographical Research, 2007, 26(5): 1043-1054.]

[20]
王志宝, 孙铁山, 李国平. 近20年来中国人口老龄化的区域差异及其演化. 人口研究, 2013, 37(1): 66-77.

[Wang Zhibao, Sun Tieshan, Li Guoping. Regional differences and evolutions of population aging in China. Population Research, 2013, 37(1): 66-77.]

[21]
Lefever D W. Measuring geographic concentration by means of the standard deviational ellipse. American Journal of Sociology, 1926, 32(1): 88-94.

[22]
赵作权. 空间格局统计与空间经济分析. 北京: 科学出版社, 2014.

[Zhao Zuoquan. Spatial Pattern Statistics and Spatial Economic Analysis . Beijing: Science Press, 2014.]

[23]
周榕, 庄汝龙, 黄晨熹. 中国人口老龄化格局演变与形成机制. 地理学报, 2019, 74(10): 2163-2177.

DOI

[Zhou Rong, Zhuang Rulong, Huang Chenxi. Pattern evolution and formative mechanism of aging in China. Acta Geographica Sinica, 2019, 74(10): 2163-2177.]

DOI

[24]
武松, 潘发明. SPSS统计分析大全. 北京: 清华大学出版社, 2014.

[Wu Song, Pan Faming. SPSS Statistical Analysis. Beijing: Tsinghua University Press, 2014.]

Options
Outlines

/

〈 〉