雷慧敏 ， 葉長盛

(東華理工大學(xué) a.核資源與環(huán)境省部共建國家重點(diǎn)實(shí)驗(yàn)室； b.地球科學(xué)學(xué)院，南昌 330013)

江西省人口老齡化縣域差異及其影響因素

雷慧敏a,b， 葉長盛a,b

(東華理工大學(xué) a.核資源與環(huán)境省部共建國家重點(diǎn)實(shí)驗(yàn)室； b.地球科學(xué)學(xué)院，南昌 330013)

人口老齡化是當(dāng)代中國三大人口問題之一，受到政府和社會(huì)的廣泛關(guān)注。利用探索性空間數(shù)據(jù)分析江西省人口老齡化的縣域時(shí)空差異，通過地理加權(quán)回歸(GWR)模型深入探討江西省人口老齡化的影響因素。結(jié)果表明：(1)2000—2010年江西省人口老齡化系數(shù)顯著提高，由6.29%提高到7.76%，由成年型社會(huì)轉(zhuǎn)變?yōu)槔夏晷蜕鐣?huì)；(2)2000—2010年江西省人口老齡化縣域空間差異逐漸擴(kuò)大，保持較強(qiáng)的正相關(guān)，全局指數(shù)分別為0.443，0.176，熱點(diǎn)集聚顯著但逐漸減弱，冷點(diǎn)區(qū)擴(kuò)大；(3)不同因素對(duì)縣域人口老齡化影響有所差異，人均GDP、城鎮(zhèn)化、萬人醫(yī)生數(shù)等指標(biāo)促進(jìn)了人口老齡化，人口自然增長率及教育占財(cái)政支出等指標(biāo)抑制了人口老齡化。

人口老齡化；縣域；地理加權(quán)回歸(GWR)模型；江西省

0 引言

人口老齡化是20世紀(jì)以來世界性社會(huì)發(fā)展的重大事件[1]，也是中國三大人口問題之一。到2030年中國65歲及以上人口的比重將超過日本成為全球人口老齡化程度最高的國家。老年人口數(shù)量的增長和區(qū)域差異對(duì)社會(huì)經(jīng)濟(jì)可持續(xù)發(fā)展、社會(huì)保障水平的提高都將產(chǎn)生深遠(yuǎn)影響，是一個(gè)不可忽視的重大社會(huì)問題[2]。

國內(nèi)外眾多學(xué)者從人口學(xué)、社會(huì)學(xué)角度對(duì)人口老齡化開展諸多研究，國外學(xué)者主要研究人口老齡化的現(xiàn)象[3]、成因[4]、影響[5]以及應(yīng)對(duì)策略[6]等；我國學(xué)者主要分析人口老齡化的特征[7]、老齡化下居民的消費(fèi)行為[8]和人居環(huán)境[9]并預(yù)測(cè)人口老齡化系數(shù)[10]等。近年來從地理學(xué)地域和空間的角度認(rèn)識(shí)人口老齡化區(qū)域差異和驅(qū)動(dòng)力機(jī)制逐漸成為熱點(diǎn)，區(qū)域差異研究的方法主要運(yùn)用Dagum基尼系數(shù)和Kernel密度估計(jì)方法研究人口老齡化的空間非均衡動(dòng)態(tài)演變[11]，通過空間計(jì)量經(jīng)濟(jì)方法[12]、泰爾指數(shù)分析法[13]和空間聚類[14-16]、不均衡指數(shù)及集中指數(shù)[17]等分析人口老齡化分布差異，采用探索性空間數(shù)據(jù)分析(ESDA)探討人口老齡化的時(shí)空特征[18-20]；對(duì)驅(qū)動(dòng)力的研究主要集中在傳統(tǒng)的統(tǒng)計(jì)分析方法上[14-15]，新的空間模型運(yùn)用較少。

地理加權(quán)回歸(GWR)模型將空間位置引入回歸系數(shù)中，通過計(jì)算每個(gè)地理位置函數(shù)的局部估計(jì)量，分析變量隨位置變化出現(xiàn)的空間差異。ESDA和GWR結(jié)合在研究地理事物空間分布形態(tài)和描述空間數(shù)值關(guān)系上具有獨(dú)特的優(yōu)勢(shì)，更加清楚地表達(dá)出地理事物空間關(guān)系，在區(qū)域經(jīng)濟(jì)[21-22]、城鎮(zhèn)化[23-24]等方面的空間分析中有廣泛的應(yīng)用，但在人口老齡化差異研究中涉獵較少。

截止2010年年末，江西省人均GDP為21 253元，城鎮(zhèn)化水平為41.95%，城鎮(zhèn)化進(jìn)入高速發(fā)展期，教育醫(yī)療衛(wèi)生水平進(jìn)一步提高。根據(jù)第六次人口普查結(jié)果，江西省年末總?cè)丝? 039.76萬人，65歲以上人口達(dá)到313.49萬人，占總?cè)丝诘?.76%，人口老齡化發(fā)展迅速，已進(jìn)入老年型社會(huì)。因此，深入剖析江西省人口老齡化的空間特征及其影響因素具有重要的理論和現(xiàn)實(shí)意義。本研究基于ESDA和GWR模型，探討江西省縣域人口老齡化時(shí)空變化，揭示導(dǎo)致人口老齡化縣域時(shí)空差異的影響因素，豐富人口老齡化的時(shí)空差異及動(dòng)力機(jī)制研究，為江西省社會(huì)經(jīng)濟(jì)的可持續(xù)發(fā)展提供科學(xué)依據(jù)。

1 研究方法與數(shù)據(jù)來源

1.1 研究方法

1.1.1 ESDA技術(shù)。探索性空間數(shù)據(jù)分析(ESDA)技術(shù)以空間關(guān)聯(lián)性為核心，旨在描述與顯示對(duì)象的空間分布，揭示數(shù)據(jù)的空間依賴與空間異質(zhì)性[19]。本研究引入全局Moran’sI指數(shù)和Getis-OrdGi*指數(shù)分析江西省縣域人口老齡化關(guān)聯(lián)特征。

① 全局Moran’sI指數(shù)：

(1)

② 局部Getis-OrdGi*指數(shù)：

(2)

1.1.2 GWR模型。地理加權(quán)回歸(geographical weighted regression,GWR)是由Brundom基于非參數(shù)建模的思想提出，其既能描述因變量和自變量之間的關(guān)系又能反映數(shù)據(jù)的空間變化特征[26]。該模型對(duì)傳統(tǒng)模型框架進(jìn)行了擴(kuò)展，傳統(tǒng)模型(OLS)只顯示研究區(qū)域的總體平均效果，而GWR模型考慮了局部參數(shù)估計(jì)，能夠突出不同區(qū)域自變量對(duì)因變量的不同影響，形象地展示參數(shù)空間非平穩(wěn)性[20]。模型表示為：

(3)

式中：yi是因變量值；ui,vi表示樣點(diǎn)i的空間坐標(biāo)；β0(ui,vi)和βj(ui,vi)分別表示i點(diǎn)上的回歸常數(shù)和第j個(gè)回歸參數(shù)；εi是均值為0、方差為δ2的誤差項(xiàng)。

1.2 測(cè)量指標(biāo)與數(shù)據(jù)來源

老年人口比重是老年人占人口總數(shù)的百分比，本研究稱人口老齡化系數(shù)，是衡量一個(gè)地區(qū)人口老齡化程度的最重要指標(biāo)。國際上對(duì)人口老齡化社會(huì)有通用標(biāo)準(zhǔn)，研究的標(biāo)準(zhǔn)是65歲及以上人口達(dá)到總?cè)丝诘?%以上的國家或地區(qū)稱為老年型社會(huì)，4%～7%為成年型社會(huì)，4%以下為年輕型社會(huì)[14]。

2000，2010年的人口數(shù)據(jù)來源于江西省第五次、第六次全國人口普查，社會(huì)經(jīng)濟(jì)數(shù)據(jù)來源于《江西統(tǒng)計(jì)年鑒》(2001—2011年)?？h域單元以2010年行政區(qū)劃為基礎(chǔ)，對(duì)已調(diào)整的行政區(qū)劃及已變更名稱的單元進(jìn)行修正，將空間尺度確定為91個(gè)縣(市區(qū)、縣級(jí)市)級(jí)單元。

2 人口老齡化縣域時(shí)空特征

2.1 人口老齡化時(shí)間特征

2000—2010年江西省人口老齡化系數(shù)平均值由6.29%提高到7.76%，由成年型發(fā)展為老年型社會(huì)，縣域之間極差由3.89%增加到8.40%，縣域差異不斷擴(kuò)大。

2000年縣域中人口老齡化系數(shù)最大的是靖安縣，為8.53%，最小的是宜黃縣，為4.64%；成年型縣域78個(gè)，占全部縣域比重達(dá)85.71%，老年型縣域13個(gè)，所占比重僅為14.29%。2010年江西省人口老齡化縣域差異有所擴(kuò)大，南昌市區(qū)人口老齡化系數(shù)最大，值為14.41%，新建縣人口老齡化系數(shù)最小，值為6.01%，極值差異是2000年1.16倍；成年型縣域18個(gè)，所占比重急劇下降至19.78%，老年型縣域73個(gè)，比重提高至80.22%。

2.2 人口老齡化空間特征

2000—2010年，江西省人口老齡化空間分布不均衡，空間差異逐漸擴(kuò)大(圖1)。

圖1 2000，2010年江西省人口老齡化系數(shù)分布Fig.1 Aging population index distribution in Jiangxi Province in 2000 and 2010

2000年成年型縣域呈面狀分布，而老年型縣域呈零散分布，主要包括南昌縣、安義縣、武寧縣、永修縣、蘆溪縣、奉新縣、上高縣、上猶縣、全南縣、南康市、宜豐縣、靖安縣、婺源縣13個(gè)縣市。

2010年江西省人口老齡化呈現(xiàn)出西南高東北低的分布特征。成年型縣域范圍縮至東北部，主要分布在環(huán)鄱陽湖、上饒、撫州等地區(qū)；老年型縣域范圍不斷擴(kuò)大，集中部分在贛西和贛南地區(qū)，其中南昌市區(qū)、安義縣、蘆溪縣、上猶縣、定南縣等老齡化系數(shù)在9.00%以上。

① 全局空間特征。計(jì)算2000，2010年江西省人口老齡化系數(shù)全局Moran’sI指數(shù)和相關(guān)指標(biāo)(表1)。在顯著水平下，2000，2010年Moran’sI指數(shù)分別為0.443和0.176，表明縣域間人口老齡化系數(shù)保持著較強(qiáng)的正相關(guān)，呈現(xiàn)出相鄰縣域空間上的集中分布，但隨時(shí)間推移，總體空間差異趨向擴(kuò)大，空間分布越來越分散。

表1 2000，2010年江西省人口老齡化系數(shù)全局Moran’s I估計(jì)值Tab.1 Estimations of globalMoran’s Ifor aging population index in Jiangxi Province in 2000 and 2010

② 局部空間特征。計(jì)算2000，2010年江西省縣域的Getis-OrdGi*，在ArcGIS9.3中采用自然斷裂法將各縣域Gi*統(tǒng)計(jì)量從高到低劃分為4種類型，依次為熱點(diǎn)區(qū)、次熱點(diǎn)區(qū)、次冷點(diǎn)區(qū)、冷點(diǎn)區(qū)。江西省人口老齡化的觀測(cè)值Gi*均大于E(Gi*)，且Z(Gi*)在顯著性水平下均為正值，分別為 1.719和0.909，這表明人口老齡化高值集聚顯著，但呈現(xiàn)減弱的趨勢(shì)。

2000—2010年人口老齡化熱點(diǎn)區(qū)縮小并向中部、南部遷移，冷點(diǎn)區(qū)向北部和中部擴(kuò)張(表2，圖2)。2000年熱點(diǎn)區(qū)占32.97%，呈兩大組團(tuán)分布在西北和南部地區(qū)；冷點(diǎn)區(qū)占23.08%，集中在中東部及中北部地區(qū)。2010年熱點(diǎn)區(qū)由30個(gè)縮小到26個(gè)，比重下降至28.57%，在空間變化上表現(xiàn)為西北部組團(tuán)縮小并向中部和南部遷移，南部組團(tuán)向北拓展，并出現(xiàn)斷裂；冷點(diǎn)區(qū)由21個(gè)增加至29個(gè)，所占比重超過30%，在空間上表現(xiàn)為向北部和中部發(fā)展，這些變化表明江西省人口老齡化空間差異逐漸擴(kuò)大，熱點(diǎn)集聚趨勢(shì)逐漸減弱。

表2 2000，2010年江西省人口老齡化系數(shù)演變類型區(qū)的個(gè)數(shù)和比例Tab.2 The number and percentage of classes evolvement of aging population index in Jiangxi Province in 2000 and 2010

圖2 2000，2010年江西省人口老齡化系數(shù)空間格局演變Fig.2 The evolvement of spatial pattern of aging population index in Jiangxi Province in 2000 and 2010

3 人口老齡化縣域差異的影響因素

通過ESDA結(jié)果可知江西省人口老齡化呈現(xiàn)空間集聚現(xiàn)象，但又表現(xiàn)為一定的空間關(guān)聯(lián)性和差異性，這為GWR模型的構(gòu)建奠定理論基礎(chǔ)。在SAM 4.0 軟件上利用GWR分析模塊完成，經(jīng)對(duì)比采用高斯函數(shù)權(quán)重進(jìn)行模型擬合，其中最優(yōu)帶寬的確定運(yùn)用由Fotheringham 等提出的“AIC值最小”準(zhǔn)則[21]。經(jīng)對(duì)比發(fā)現(xiàn)2000，2010年GRW的AIC均遠(yuǎn)小于OLS模型的，R2和經(jīng)調(diào)整的R2都遠(yuǎn)高于OLS模型的,GRW模型的回歸效果優(yōu)于傳統(tǒng)的OLS模型(表3)。因此，選擇經(jīng)濟(jì)、人口、城鎮(zhèn)化、教育、醫(yī)療衛(wèi)生等因素，采用GRW回歸模型深入剖析江西省人口老齡化縣域差異的影響因素，并通過ArcGIS 9.3中的自然斷裂法對(duì)結(jié)果進(jìn)行可視化表達(dá)。

表3 GRW與OLS模型擬合參數(shù)比較Tab.3 Comparison of GWR and OLS models fitting parameters

3.1 經(jīng)濟(jì)因素

人均GDP代表一個(gè)地區(qū)社會(huì)經(jīng)濟(jì)發(fā)展水平，人均GDP的提高有利于人民生活水平和質(zhì)量的提高，能夠加速人口老齡化。通過2000—2010江西省人均GDP與人口老齡化GWR模型歸回系數(shù)可知，人均GDP與人口老齡化均呈正相關(guān)且逐年加強(qiáng)，區(qū)域差異加大(圖3)。

圖3 2000，2010年GWR模型人均GDP回歸系數(shù)空間分布Fig.3 Spatial distribution of regression coefficients of per capita GDP based on GWR model in 2000 and 2010

2000年人均GDP相關(guān)系數(shù)空間分布呈現(xiàn)自東向西遞減帶狀格局，這說明東部地區(qū)人均GDP對(duì)人口老齡化的作用高于西部地區(qū)。2010年相關(guān)系數(shù)平均值較2000年提高19.28%，正相關(guān)進(jìn)一步加強(qiáng)，整體呈現(xiàn)由南向北遞減的格局，南北差異擴(kuò)大，這表明贛南地區(qū)人均GDP對(duì)老齡化的貢獻(xiàn)明顯高于北部地區(qū)。

2000—2010年，江西省人均GDP大幅提高，由4 851元/人增加至21 253元/人，人均GDP的提高促進(jìn)整個(gè)江西省的人口老齡化進(jìn)程。長期以來北部地區(qū)社會(huì)經(jīng)濟(jì)發(fā)展基礎(chǔ)明顯好于南部地區(qū)，人口老齡化受人均GDP的影響相對(duì)較小；南部地區(qū)社會(huì)經(jīng)濟(jì)水平相對(duì)落后，經(jīng)濟(jì)發(fā)展對(duì)南部地區(qū)人口老齡化的影響相對(duì)較大。

3.2 人口因素

人口自然增長率越高表明人口自然增加數(shù)量越大，將導(dǎo)致老年人口比重相對(duì)下降。江西省2000—2010年人口自然增長率與老齡化GWR回歸系數(shù)表明人口自然增長率越高的縣域老齡化系數(shù)越低，人口自然增長率與老齡化整體呈負(fù)相關(guān)，但相關(guān)系數(shù)逐年減弱(圖4)。

圖4 2000，2010年GWR模型人口自然增長率回歸系數(shù)空間分布Fig.4 Spatial distribution of regression coefficients of natural growth rate of population based on GWR model in 2000 and 2010

2000年人口自然增長率對(duì)人口老齡化均表現(xiàn)為負(fù)相關(guān)，回歸系數(shù)絕對(duì)值自南向北遞減，西南地區(qū)抑制作用顯著，回歸系數(shù)絕對(duì)值集中在0.038 7～0.030 9，北部地區(qū)抑制作用較弱，回歸系數(shù)絕對(duì)值在0.027 7以下。

2010年回歸系數(shù)空間差異擴(kuò)大，負(fù)相關(guān)地區(qū)比重縮小至79.12%，北部負(fù)相關(guān)顯著，相關(guān)性較2000年加強(qiáng)，回歸系數(shù)絕對(duì)值增長至2000年的5倍多，而南部回歸系數(shù)由負(fù)值轉(zhuǎn)變?yōu)檎?，相關(guān)性較2000年降低33.85%。

2000—2010年，江西省人口自然增長率整體呈下降趨勢(shì)，平均值由10.75‰減至8.03‰，較2000年下降33.87%，人口自然增長率對(duì)人口老齡化抑制作用總體減弱。南部地區(qū)人口自然增長率大幅下降，人口增長未能起到抑制人口老齡化作用，相對(duì)地加速了人口老齡化進(jìn)程；北部地區(qū)人口自然增長率較2000年小幅增長，人口較快的增長對(duì)人口老齡化抑制作用相對(duì)增強(qiáng)。

3.3 城鎮(zhèn)化因素

城鎮(zhèn)化是以城鎮(zhèn)人口所占比重作為衡量城鎮(zhèn)化的指標(biāo)。江西省2000—2010年城鎮(zhèn)化與人口老齡化GWR回歸系數(shù)表明城鎮(zhèn)化與人口老齡化呈顯著正相關(guān)，相關(guān)性逐年加強(qiáng)(圖5)。

圖5 2000，2010年GWR模型城鎮(zhèn)化回歸系數(shù)空間分布Fig.5 Spatial distribution of regression coefficients of urbanization based on GWR model in 2000 and 2010

2000年城鎮(zhèn)化對(duì)人口老齡化均表現(xiàn)為促進(jìn)作用，城鎮(zhèn)化與人口老齡化平均回歸系數(shù)為0.006 2，空間差異小，極值差異為0.000 9；回歸系數(shù)呈現(xiàn)出自東北向西南呈階梯狀遞減，北部地區(qū)城鎮(zhèn)化對(duì)人口老齡化促進(jìn)作用明顯高于南部地區(qū)。

2010年城鎮(zhèn)化與人口老齡化回歸系數(shù)整體相關(guān)性增強(qiáng)，回歸系數(shù)絕對(duì)值平均值增大為2000年的2倍，空間差異顯著，相關(guān)系數(shù)極值擴(kuò)大到0.037 6；回歸系數(shù)呈中部高兩端低，中部地區(qū)為正相關(guān)，相關(guān)性較強(qiáng)，約1/3的地區(qū)為負(fù)相關(guān)，集中分布在南部和北部，相關(guān)性較弱。

2000—2010年，江西省城鎮(zhèn)化水平顯著提高，由21.74%升至41.95%，為2000年的1.6倍，城鎮(zhèn)化對(duì)人口老齡化促進(jìn)作用整體增強(qiáng)；中西部地區(qū)城鎮(zhèn)化水平最高，城鎮(zhèn)化的提高有利于人民享受城鎮(zhèn)基礎(chǔ)設(shè)施和社會(huì)保障，生活環(huán)境、醫(yī)療衛(wèi)生服務(wù)進(jìn)一步提高促進(jìn)了身體健康，對(duì)人口老齡化促進(jìn)顯著；南部和北部負(fù)相關(guān)縣域城鎮(zhèn)化水平較其他縣域低，城鎮(zhèn)配套設(shè)施不完善，不能滿足人民發(fā)展需求，對(duì)人口老齡化未能發(fā)揮促進(jìn)作用。

3.4 教育因素

教育的發(fā)展能夠提高人民的文化水平，改變傳統(tǒng)的生育觀念和生活觀念，教育支出占財(cái)政支出比重能夠反映一個(gè)地區(qū)教育的發(fā)展程度。江西省2000—2010年教育占財(cái)政支出比重與人口老齡化GWR回歸系數(shù)表明教育的發(fā)展對(duì)人口老齡化大部分縣域起阻礙作用，作用力在逐漸減小(圖6)。

圖6 2000，2010年GWR模型教育占財(cái)政支出比重回歸系數(shù)空間分布Fig.6 Spatial distribution of regression coefficients of the proportion of education expenditure in fiscal based on GWR model in 2000 and 2010

2000年教育支出占財(cái)政支出比重與人口老齡化回歸系數(shù)在大部分縣域呈較強(qiáng)的負(fù)相關(guān)，小部分縣域呈正相關(guān)，相關(guān)性較弱。約53.85%縣域回歸系數(shù)為負(fù)，集中分布在浙贛線以南，相關(guān)系數(shù)絕對(duì)值在0.002 3～0.034 6，負(fù)相關(guān)性強(qiáng)；中部和西南小部分縣域相關(guān)系數(shù)為正。

2010年教育支出占財(cái)政支出比重與人口老齡化回歸系數(shù)負(fù)值范圍擴(kuò)大相關(guān)性減弱，正值范圍縮小相關(guān)性減弱。負(fù)相關(guān)縣域所占比重增加至54.95%，相關(guān)系數(shù)絕對(duì)值較2000年大幅下降，處于0.000 4～0.022 7之間；正相關(guān)縣域縮減，相關(guān)系數(shù)不斷減小。

2000—2010年，江西省教育支出占財(cái)政支出的比重平均值由20.83%降至16.24%，教育對(duì)人口老齡化的影響力整體減弱。負(fù)相關(guān)縣域教育占財(cái)政支出比重阻礙作用范圍不斷增大，教育占財(cái)政支出比重較2000年下降幅度最大，教育對(duì)人民的生育觀念改變較小，對(duì)老齡化阻礙作用減??；教育的發(fā)展改變?nèi)说纳盍?xí)慣有利于人口老齡化。正相關(guān)縣域2010年教育占財(cái)政支出比重較2000年小，教育水平相對(duì)落后，對(duì)人口老齡化影響逐步減小。

3.5 醫(yī)療衛(wèi)生因素

醫(yī)療衛(wèi)生事業(yè)的進(jìn)步尤其是醫(yī)生數(shù)量的增加為人民看病就醫(yī)提供較好的條件，有利于健康長壽。2000—2010年江西省萬人醫(yī)生數(shù)與人口老齡化GWR回歸系數(shù)表明萬人醫(yī)生數(shù)的增加促進(jìn)人口老齡化的發(fā)展(圖7)。

2000年萬人醫(yī)生數(shù)與人口老齡化大部分縣域呈負(fù)相關(guān)，小部分縣域?yàn)檎嚓P(guān)。約占63.74%單元的萬人醫(yī)生數(shù)與人口老齡化回歸系數(shù)為負(fù)值，相關(guān)系數(shù)集中在-0.031 9～-0.012 4之間；南部地區(qū)回歸系數(shù)為正，相關(guān)性顯著，相關(guān)系數(shù)集中在0.019 6～0.051 6之間。

圖7 2000，2010年GWR模型萬人醫(yī)生數(shù)回歸系數(shù)空間分布Fig.7 Spatial distribution of regression coefficients of the number of hospital doctors per ten thousand residents in 2000 and 2010

2010年萬人醫(yī)生數(shù)與人口老齡化回歸系數(shù)呈現(xiàn)正相關(guān)，相關(guān)性顯著，萬人醫(yī)生數(shù)促進(jìn)人口老齡化。負(fù)相關(guān)區(qū)域急劇減少，負(fù)相關(guān)性極微弱；約占92.31%地區(qū)相關(guān)系數(shù)為正，其中南部縣域相關(guān)性最強(qiáng)，相關(guān)系數(shù)值值域范圍擴(kuò)大到0.024 5～0.063 8之間，南部縣域萬人醫(yī)生數(shù)的增加對(duì)人口老齡化的促進(jìn)作用最為顯著。

2000—2010年，江西省萬人醫(yī)生平均數(shù)由16人增加到30人，醫(yī)生數(shù)的增加為人民的生活提供了較好的醫(yī)療保障，有利于人的健康長壽；南部縣域萬人醫(yī)生數(shù)增加的幅度最大，該地區(qū)萬人醫(yī)生數(shù)與人口老齡化的關(guān)系最為密切。萬人醫(yī)生數(shù)的提高加速人口老齡化的進(jìn)程，且隨著醫(yī)生數(shù)增加這種推動(dòng)作用的范圍也在加大。

4 結(jié)論與討論

4.1 結(jié)論

1)2000—2010年江西省人口老齡化程度不斷加深，由成年型社會(huì)步入老年型社會(huì)，縣域差異逐步加大。2)2000—2010年江西省人口老齡化縣域空間差異大，在顯著性水平下Moran’sI指數(shù)均大于0.176，縣域之間具有較強(qiáng)的正相關(guān)關(guān)系；從Gi*統(tǒng)計(jì)量來看，熱點(diǎn)集聚顯著，但呈減弱趨勢(shì)，熱點(diǎn)區(qū)不斷縮減，冷點(diǎn)區(qū)逐漸增加。3)2000—2010年江西省縣域人口老齡化的影響因素各不相同，經(jīng)濟(jì)、城鎮(zhèn)化、醫(yī)療衛(wèi)生因素整體促進(jìn)人口老齡化，人口、教育因素整體抑制人口老齡化。人均GDP與人口老齡化均呈正相關(guān)，相關(guān)性逐年加強(qiáng)；人口自然增長率與老齡化整體呈負(fù)相關(guān)，相關(guān)性逐年減弱；城鎮(zhèn)化與老齡化整體呈顯著正相關(guān)，相關(guān)性逐年加強(qiáng)；教育占財(cái)政支出比重對(duì)人口老齡化大部分縣域起阻礙作用，阻礙作用范圍擴(kuò)大但作用力逐漸減?。蝗f人醫(yī)生數(shù)的增加促進(jìn)人口老齡化，促進(jìn)作用的范圍和力度不斷加大。

4.2 討論

人口老齡化是諸多因素綜合作用的結(jié)果。受資料數(shù)據(jù)的限制，影響因素具體指標(biāo)部分采用替代指標(biāo)或相關(guān)指標(biāo)，對(duì)縣域人口老齡化差異的驅(qū)動(dòng)力機(jī)制量化分析會(huì)有一定的影響。今后應(yīng)加強(qiáng)如人口遷移、人均受教育年限等方面的討論，深入挖掘人口老齡化的動(dòng)力機(jī)制。

[1] 劉曉梅.我國社會(huì)養(yǎng)老服務(wù)面臨的形勢(shì)及路徑選擇[J].人口研究,2012,36(5):104-112.

[2] 劉娜.我國人口老齡化時(shí)空分布特征研究[D].西安：陜西師范大學(xué),2012.

[3]ShresthaLB.PopulationAginginDevelopingCountries[J].HealthAffairs,2000,19(3):204-212.

[4]AndersonGF,HusseyPS.PopulationAging:AComprisonamongIndustrializedCountries[J].HealthAffairs，2000,19(3):191-203.

[5]DentonFT,SpencerBG.PopulationAging,OlderWorkers,andCanada’sLabourForce[J].CanadianPublicPolicy,2009,35(4):481-492.

[6]Maliki.HealthCardandHealthCareFacilitiesDemandamongtheIndonesianElderly[J].TheSingaporeEconomicReview,2008,53(1):103-119.

[7] 張?jiān)偕?中國人口老齡化的特征及其社會(huì)和經(jīng)濟(jì)后果[J].南開學(xué)報(bào),2000(1):83-89.

[8] 王宇鵬.人口老齡化對(duì)中國城鎮(zhèn)居民消費(fèi)行為的影響研究[J].中國人口科學(xué),2011,1(1):64-73.

[9] 劉偉.人口老齡化背景下的城市老年人居環(huán)境研究[D].成都：西南財(cái)經(jīng)大學(xué),2005.

[10] 張柏琴,高孝成,么煥民.中國人口老齡化問題的分析與預(yù)測(cè)[J].哈爾濱師范大學(xué)自然科學(xué)學(xué)報(bào),2009,25(3):23-24.

[11] 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(dòng)態(tài)演進(jìn)：1989—2011[J].人口研究,2014,38(2):71-82.

[12] 趙儒煜,劉暢,張鋒.中國人口老齡化區(qū)域溢出與分布差異的空間計(jì)量經(jīng)濟(jì)學(xué)研究[J].人口研究,2012,36(2):71-81.

[13] 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.

[14] 譚姝琳,賈向丹.我國人口老齡化地區(qū)差異的聚類分析[J].黑龍江對(duì)外經(jīng)貿(mào),2011(6):68-70.

[15] 林琳,馬飛.廣州市人口老齡化的空間分布及趨勢(shì)[J].地理研究,2007,26(5):1043-1054.

[16] 文彥君,劉引鴿,鄧昕.寶雞市人口老齡化的空間特征及影響因素分析[J].寶雞文理學(xué)院學(xué)報(bào)：自然科學(xué)版,2009,29(2):75-78.

[17] 賈金玲.河南省老齡人口的空間分布及變動(dòng)[J].地域研究與開發(fā),2015,34(2):161-166.

[18] 李揚(yáng),劉慧,金鳳君,等.北京市人口老齡化的時(shí)空變化特征[J].中國人口·資源與環(huán)境,2011,21(11):131-138.

[19] 張芹,張曉青.山東省人口老齡化空間分布與演化分析——基于探索性空間分析技術(shù)(ESDA)[J].魯東大學(xué)學(xué)報(bào)：自然科學(xué)版,2014,30(3):242-248.

[20] 張開洲,陳楠.1990—2010年福建省縣域人口老齡化時(shí)空演變特征及其驅(qū)動(dòng)力機(jī)制[J].地理科學(xué)進(jìn)展,2014,33(3):605-615.

[21] 蘇方林.基于地理加權(quán)回歸模型的縣域經(jīng)濟(jì)影響因素的空間分析[J].學(xué)術(shù)論壇,2005(5):81-84.

[22] 催長彬,姜石良,張正河.河北縣域經(jīng)濟(jì)影響因素的空間差異分析——基于貝葉斯地理加權(quán)回歸方法[J].經(jīng)濟(jì)地理,2012,32(2):39-45.

[23] 唐兵,安瓦爾·買買提明.基于EDAS的新疆城市化空間格局研究[J].人文地理,2012,27(5):83-88.

[24] 龐瑞秋,騰飛,魏冶.基于地理加權(quán)回歸的吉林省人口城鎮(zhèn)化動(dòng)力機(jī)制分析[J].地理科學(xué),2014,34(10):1210-1217.

[25] 祖佳嬉,葉長盛,雷慧敏.江西省縣域“三化”協(xié)調(diào)發(fā)展空間格局演變及其障礙因子診斷[J].地域研究與開發(fā),2015,34(2):34-39.

[26] 魏傳華,胡晶,吳喜之.空間自相關(guān)地理加權(quán)回歸模型的估計(jì)[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí),2010,40(22):126-134.

County Differences and Driving Factors of Aging Population in Jiangxi Province

Lei Huimina,b, Ye Changshenga,b

(a.State Key Laboratory Breeding Base of Nuclear Resources and Environment; b.College of Earth Sciences, East China University of Technology, Nanchang 330013, China)

The paper uses exploratory spatial data analysis to explore the characteristic of spatial-temporal evolution of population aging and GWR model to analyze the driving factors of population aging at county level in Jiangxi Province. The population aging index increases significantly from 6.29% to 7.76% in Jiangxi Province from 2000 to 2010. It suggests that Jiangxi Province is not a young society anymore, it has become a old society. The index shows a gradually spatial difference and keeps a strong relation at county level in Jiangxi Province, The Moran’sIis 0.443 and 0.176 relatively, the hot spots cluster significantly with a downward trend, the cold spots increase. All factors that are considered affected population aging, but in different counties the direction and degree of influence varies considerably, the per capita GDP, urbanization as well as the number of doctors per ten thousand people play a positive role in prompting population aging, but natural growth rate of population and the proportion of education expenditure in fiscal have an inhibitory influence.

population aging; county; GWR model; Jiangxi Province

2015-11-25 ；

2016-01-22

江西省自然科學(xué)基金項(xiàng)目(20151BAB213032)；東華理工大學(xué)研究生創(chuàng)新項(xiàng)目(DHYC-2015006);核資源與環(huán)境重點(diǎn)實(shí)驗(yàn)室開放基金項(xiàng)目(NRE1310)

雷慧敏(1990-)，女，福建光澤縣人，碩士研究生，主要從事區(qū)域和城市規(guī)劃研究，(E-mail)leihm1990@126.com。

葉長盛(1977-)，男，江西撫州市人，教授，博士，主要從事土地利用與城鄉(xiāng)規(guī)劃研究，(E-mail)ycs519@163.com。

C922

A

1003-2363(2016)02-0170-05