宋 龍，熊學萍

（華中農業(yè)大學經濟管理學院，武漢 430070）

根據2021年5月發(fā)布的《第七次全國人口普查公報（第五號）》，中國≥60歲人口占比為18.70%，≥65歲人口占比達到13.50%（國家統計局，2021），人口老齡化與養(yǎng)老問題成為中國公共領域突出問題之一。隨著社會的快速發(fā)展和家庭結構的改變，傳統的養(yǎng)老模式逐漸式微，亟需新的養(yǎng)老模式以彌補傳統養(yǎng)老的不足，時間銀行應運而生（楊靜慧，2016；李海艦等，2020；曹海軍等，2021a）。

時間銀行是一種用于應對養(yǎng)老問題的新型互助養(yǎng)老模式，是由年輕人、低齡老人為高齡老人提供服務，記錄服務時長換算成“時間幣”，待自己需要時可從時間銀行賬戶中取出時間幣以兌換他人為自己服務的一種養(yǎng)老方式（Cahn, 2000; Collom,2008）。該概念于20個世紀70年代由日本學者旭子水島率先提出，80年代中期，美國學者卡恩在佛羅里達州邁阿密首次踐行成功（Cahn et al., 2014）。1998年，中國老齡科學研究中心將該勞務養(yǎng)老機制引入上海，成立上海虹口區(qū)勞務銀行，后多地紛紛效仿。2018 年上半年，民政部明確將“時間銀行”納入全國居家社區(qū)養(yǎng)老服務改革試點范圍，這是時間銀行發(fā)展史上的里程碑。2019年3月國務院辦公廳印發(fā)《關于推進養(yǎng)老服務發(fā)展的意見》，對促進互助養(yǎng)老服務發(fā)展，構建現代化養(yǎng)老服務體系，破解養(yǎng)老困局作進一步部署。2021 年，“十四五”規(guī)劃明確了“實施積極應對人口老齡化國家戰(zhàn)略”和“發(fā)展互助養(yǎng)老”的目標，時間銀行互助養(yǎng)老被寄予厚望。

在上述政策的推動下，近年來各地積極響應，紛紛開展時間銀行互助養(yǎng)老模式試點工作，并取得一系列探索性成果（民政部，2021）。然而在時間銀行互助養(yǎng)老模式取得較大進展的背后，其真實發(fā)展情況并不樂觀。全國各地大多為自主性的嘗試，且依托主體不盡相同，既有社區(qū)主導型，也有政府和公益企業(yè)主導型，這導致各地發(fā)展水平參差不齊，尚未形成標準的、成熟的經營模式。諸如專項資金匱乏、政策法規(guī)缺失、服務計量與通兌標準不統一、數字技術參與不夠、服務隊伍建設不足等一系列突出問題更是制約其發(fā)展與推廣。不少學者認為“目前很不規(guī)范”“與初衷有很大差距”，操作起來“舉步維艱”，尚未形成體系與規(guī)模（陳功等，2020）?；诖?，時間銀行該如何發(fā)展？為何發(fā)展如此緩慢等問題成為當前老年人口學的熱點問題。

針對時間銀行的本土化構建問題，國內學者大多圍繞以下幾個方面展開研究：1）分析國外時間銀行發(fā)展的輪廓概況與特點，比較中外運營差異，從國外成功經驗中得到發(fā)展啟示（陳功等，2021a）。2）探究時間銀行的驅動邏輯與理論機理，將其與當前實踐中的問題相結合，并進一步提出應對策略（陳際華，2020；劉妮娜，2020）；3）將視野投向農村領域，分析在城鄉(xiāng)差異發(fā)展的背景下，如何有效利用老年人力資源和緊密鄰里關系的獨特優(yōu)勢，發(fā)展時間銀行以解決農村快速增長的養(yǎng)老需求（賀雪峰，2020；紀春艷，2020；黎趙 等，2021）；4）聚焦于某區(qū)域層面，以某一市、區(qū)的調研數據或個體案例為切入點，剖析時間銀行的構建方式，為由點及面推廣時間銀行提供參考（高留志等，2019；曹海軍等，2021b）。此外，也有學者針對運營環(huán)節(jié)，諸如風險承兌、區(qū)塊鏈技術、服務合同等具體問題為時間銀行可持續(xù)發(fā)展獻言獻策（徐大豐，2019；肖凱等，2019；王笑寒，2020）。

綜上，關于時間銀行發(fā)展困境的主流研究大多從理論層面探討時間銀行的發(fā)展邏輯，分析其存在的問題并提出解決方案，研究視角或宏觀于整體發(fā)展，或微觀于個體案例，但仍存在一些主要問題有待研究，如：1）時間銀行在國內雖已有20 余年，但由于缺乏官方的統計數據，目前對時間銀行的具體分布并不明晰，尚未有文獻詳細探討時間銀行時空演變，缺乏對其發(fā)展分布格局的可視化認識。那么，時間銀行的發(fā)展在時空上呈現怎樣的格局？是否具有規(guī)律？2）假如時間銀行的分布格局具有一定的規(guī)律性，那么造成這種分布規(guī)律的驅動因素是什么？其驅動原因又能為當前時間銀行發(fā)展困境提供什么啟示？基于此，本文采用百度資訊中關于時間銀行成立的新聞報道以及政府政策文件和相關統計年鑒數據等，通過文本分析、數理統計以及空間分析等方法展示時間銀行1998—2020年的時空分布特征，并結合其運行邏輯和當前發(fā)展困境，從供需、推拉角度利用地理探測器揭示時間銀行時空分布背后的驅動機制。以期從社會關注度角度還原中國時間銀行發(fā)展歷史、時空分布及其變化軌跡，以地理學視角為當前時間銀行發(fā)展困境提供有益參考。

1 數據來源與處理

1.1 數據來源

時間銀行因其公益性、創(chuàng)新性受到媒體廣泛關注，進而產生大量的網絡資訊報道，這為研究時間銀行的時空分布問題提供了數據來源。同時，網絡資訊作為獨具特色的數據源已被用于時間銀行的相關研究（陳功等，2017）。百度作為當下全球最大的中文搜索引擎，具有龐大的數據庫，而百度資訊正是百度以此為基礎建立的強大的資訊瀏覽與搜索服務平臺。其內容來源既包括各大主流媒體，也包括由優(yōu)秀的自媒體人集成的百家號。相比于UC 資訊、頭條資訊、360 資訊等網絡資訊平臺，百度資訊信息內容更加具備豐富性、客觀性以及完整性?；诖?，本文主要采用百度資訊中關于時間銀行成立的資訊報道，為避免信息遺漏，還廣泛搜索了期刊文獻、報紙等媒體報道中涉及時間銀行成立的信息，作為分析時間銀行時空分布的數據源；有關時間銀行驅動因素的數據主要來自1999—2021年《中國統計年鑒》（國家統計局，1999—2021）《中國民政統計年鑒》（民政部，1999—2021）和各省市統計年鑒，其中養(yǎng)老政策文件來自各省市民政部網站。

1.2 數據獲取

分別以“時間銀行”“儲蓄互助養(yǎng)老”“時間儲蓄養(yǎng)老”等為關鍵詞進行百度資訊檢索，利用八爪魚采集工具爬取媒體網站、百家號中與時間銀行成立相關的報道資訊。為避免網絡資訊可能出現的低質量報道問題，通過人工查閱的方式對不符合規(guī)范的資訊予以剔除。進一步地，通過文本分析對余下的資訊反復核對識別，篩選出與時間銀行建立的時間、地點有關的信息，最終統計獲得31個省份（不含港澳臺）時間銀行歷史總新增184家，統計時間為1998—2020年，百度資訊示例如圖1所示。

圖1 百度資訊中時間銀行報道資訊示例Fig.1 The example of Time Banking report consultation in Baidu consultation

1.3 研究方法

1.3.1 發(fā)展熱度分析 為了對比不同時期時間銀行的空間（省際）差異，對各個時期各省（市）時間銀行新增數量進行極差歸一化處理，轉換成0～1分布的時間銀行新增發(fā)展指數：

式中：Dij和Nij分別表示第i時期、第j個省時間銀行的新增發(fā)展指數和新增數量；Nix和Nim分別表示第i個時期新增最多的省份和新增最少的省份的數量。

1.3.2 核密度分析 核密度分析是測量密度變化、挖掘空間熱點的有效技術。其基本思想為通過測量單位面積上事件數量來估計某一點的強度或密度（王遠飛等，2007）。表達式為：

式中：fn(x)為x處的核密度估計值；xi為從分布密度函數為f的總體中抽取的獨立同分布的樣本；k為核函數；h＞0，為寬帶；x-xi為估計點到事件xi的距離。

1.3.3 空間自相關分析 空間自相關指某一變量在不同空間位置中的相關性，用以度量空間屬性值的集聚程度。利用全局空間自相關Moran'sI指數測度時間銀行新增數量的空間分布，分析其集聚程度（陳依曼等，2020）。公式為：

式中：n為省級行政單元的數量；xi、xj分別為時間銀行在空間單元i和j上的觀測值；xˉ為空間屬性均值；wij為空間權重矩陣。Moran'sI值分布于[-1,1]之間，若Moran'sI＞0，表示時間銀行在空間上呈顯著的聚集態(tài)勢；若Moran'sI＜0，表示時間銀行在空間上呈離散態(tài)勢；若Moran'sI=0，表示時間銀行在空間上呈隨機分布。

鑒于全局空間自相關不能確切表達時間銀行空間聚集的具體省份，進一步進行局部空間自相關分析。局部空間自相關用于分析每個空間單元與相鄰單元的集聚關系，可在全局空間自相關分析的基礎上進一步探討時間銀行聚集的具體省份。公式為：

1.3.4 地理探測器 地理探測器是探測空間分異的工具，分析探測因子x對屬性y空間分異的解釋力度，用q衡量，公式為：

式中：N為總研究的單元數，Nh為h層的單元數；σ2為全區(qū)總方差，σ2h為h層樣本方差；SSW和SST分別表示層內方差之和和全區(qū)總方差；q表示探測因子x對y的解釋力度，分布于[0,1]之間，越大表示解釋力度越強，越小表示解釋力度越弱（王勁峰等，2017）。地理探測器除了識別因子對因變量Y的解釋作用，還能進一步評估2個因子交互作用是否會增強或減弱該因子對因變量Y的解釋力（劉海龍等，2021）。

2 中國時間銀行的發(fā)展歷程回顧與梳理

時間銀行自1998 年引入中國以來，至今已有23年，經歷了從初步探索到逐漸成熟的過程。陳功等（2017）曾根據時間銀行的發(fā)展特點將其劃分為2 個時期：萌芽探索期（1998—2007 年）和加速發(fā)展期（2008 年至今）。本文在此基礎上，參考國家頒布的有關時間銀行發(fā)展政策的時間節(jié)點，將時間銀行的發(fā)展歷程分為3個時期：萌芽探索期（1998—2007 年）、加速發(fā)展期（2008—2017 年）和創(chuàng)新增長期（2018 年至今）。為更加貼合時間銀行歷史發(fā)展特點，以這3個發(fā)展階段為分析視角探究其時空演變特征。

1）萌芽探索期（1998—2007年）。時間銀行的引進起源于1998年上海虹口區(qū)的勞務銀行，后擴展至全國各地。該時期時間銀行的發(fā)展總體呈現規(guī)模小、不規(guī)范、缺乏政策文件支持的特點，且服務方式主要存在于線下。管理人員一般由社區(qū)工作人員兼任，缺乏專業(yè)人才，且有存無取、登記錯誤、遺漏等問題頻出。該時期時間銀行運作機制尚不成熟，以自發(fā)性嘗試為主且基本為一元組織體系的“單兵作戰(zhàn)”，不同時間銀行之間缺乏聯系合作，依靠主體大多為社會組織或老年協會。

2）加速發(fā)展期（2008—2017 年）。從2008 年開始，各地時間銀行快速發(fā)展，社區(qū)開始設置規(guī)范的管理章程、權責范圍。同時互聯網的飛速發(fā)展也為其助力，網站、手機App等線上與線下相結合的運作模式相繼推出。最重要的是，該時期互助養(yǎng)老相關政策體系開始成形，《社會養(yǎng)老服務體系建設規(guī)劃（2011—2015 年）》《國務院關于加快發(fā)展養(yǎng)老服務業(yè)的若干意見》《“十三五”國家老齡事業(yè)發(fā)展和養(yǎng)老體系建設規(guī)劃》等政策相繼出臺；在此背景下，部分地方政府開始嘗試針對時間銀行進行政策扶持和引導，互助養(yǎng)老快速發(fā)展，同時局部區(qū)域如地級市內開始加強協同合作，經營主體逐漸豐富，政府、企業(yè)、社會公益組織以及社區(qū)逐漸參與到時間銀行發(fā)展中。

3）創(chuàng)新增長期（2018 年至今）。2018 年上半年，隨著老齡化問題的進一步加劇，民政部首次明確將“時間銀行”納入全國居家社區(qū)養(yǎng)老服務改革試點范圍，標志著時間銀行互助養(yǎng)老模式正式得到中央政府的認可與支持，隨后更是在《關于發(fā)展壯大農村互助式養(yǎng)老機構的建議》《關于完善養(yǎng)老護理體系的提案》《關于基層民辦養(yǎng)老機構可持續(xù)發(fā)展的建議》等一系列文件中多次強調開展時間銀行探索工作，發(fā)展普惠性互助養(yǎng)老服務，時間銀行迎來爆發(fā)增長。除此之外，該時期主要特點是區(qū)塊鏈等高端互聯網技術的引進為服務記錄存儲帶來便利，青島與南京在全國范圍內首次嘗試實現跨區(qū)通兌功能①年輕存時間，年老享服務青島“時間銀行”來啦！今年將在全市推廣.https://baijiahao.baidu.com/s?id=1696664560935735048&wfr=spider&for=pc，地方政策文件更加豐富，時間銀行公信力得到進一步提升。

3 中國時間銀行的時空分布特征

3.1 時間分布特征

1998—2020年，時間銀行新增數量在時間上總體呈現上升趨勢，從1998—2014 年穩(wěn)步增長，到2014年達到小巔峰后增速有所放緩，2018年又開始爆炸增長，其中增長浮動最大的是2019—2020 年，增長數量為25家（圖2）。同時，新增的時間銀行大多位于城鎮(zhèn)地區(qū)。據統計，時間銀行處于城鎮(zhèn)地區(qū)共160 家（占比87%），鄉(xiāng)村地區(qū)共24 家（占比13%）。具體來看，1998—2007 年時間銀行新增數量寥寥可數，年均新增數量1家，且基本集中于城鎮(zhèn)地區(qū)。自2008—2017年時間銀行數量呈現快速發(fā)展趨勢，年均新增數量6.1 家，且時間銀行開始從城鎮(zhèn)試點地區(qū)向鄉(xiāng)村地區(qū)發(fā)展，其中城鎮(zhèn)地區(qū)新增54家（占比89%），鄉(xiāng)村地區(qū)新增7家（占比11%）。2018年開始，受老齡化加劇以及政府政策影響，時間銀行開始爆發(fā)式增長，年均新增數量達38家，是上一時期的逾5倍。其中城鎮(zhèn)地區(qū)新增97家（占比85%），鄉(xiāng)村地區(qū)新增17家（占比15%）。

圖2 1998—2020年時間銀行成立數量Fig.2 Distribution of newly established number of Time Banking during 1998-2020

3.2 空間格局的時間演變-發(fā)展熱度分析

利用公式（1）對空間分布統計結果進行歸一化處理，得到時間銀行新增發(fā)展熱度指數，利用自然斷點法進行分級，在ArcGIS 10.7 繪制空間分布差異圖。由圖3可知，自1998年時間銀行引入中國以來（圖3-a），發(fā)展最快的省（市）分別是江蘇、湖北、浙江及廣西，4 省（區(qū)）時間銀行新增數量占全國的40%，平均每?。ㄊ校┬略鰯盗渴侨珖骄降?.8 倍。新增數量位于其次的是湖南、安徽、上海、山東、北京及江西6省（市），6省（市）新增時間銀行數量占全國的22%，平均每省的新增數量是全國平均的1.2 倍。再次是福建、河南、廣東、重慶和四川，5 ?。ㄊ校┬略鰯盗空既珖偭康?0%，每?。ㄊ校┢骄略鰯盗康陀谌珖骄?。相較之下，西藏、青海、海南、內蒙古4省發(fā)展最為緩慢。

從時間銀行不同發(fā)展時期看，在時間銀行剛引入中國的前10年——萌芽探索期（圖3-b），率先進行試點的省市為上海和山西，接著北京、浙江、廣東、黑龍江、重慶、江蘇等省市相繼開始嘗試。該時期全國時間銀行累計新增9家，平均新增數量僅為1.1家，有22個?。ㄊ校┥形催M行試點，基本處于摸索階段。

2008—2017年加速發(fā)展期（圖3-c）。該時期時間銀行發(fā)展熱點地區(qū)以江蘇、浙江、河南、湖北4省為主，4 省新增數量占全國同期水平的54%，各省平均新增數量約為全國平均水平的4.2倍。安徽、湖南、山東、江西、河北、遼寧、天津等7省次之，累計新增數量占全國平均水平的31%，各省平均新增數量約為全國平均水平的1.4 倍，前期探索積累的經驗初見成效。同時，截至該時期尚有陜西、云南、吉林、寧夏、內蒙古、海南、西藏及青海等8省未進行時間銀行的探索工作。

2018—2020年創(chuàng)新增長期（圖3-d）。2018年以來，時間銀行開始快速發(fā)展。其中，湖北、廣西、湖南、江蘇、浙江、上海、安徽、山東、江西、北京、福建及重慶等12 ?。ㄊ校┌l(fā)展速度最快，12?。ㄊ校r間銀行新增數量占全國同期水平的81%，各省平均新增數量是全國同期平均水平的1.84倍。廣東、四川、陜西等3省次之，6?。ㄊ校┬略鰯盗空紦珖诶塾嫈盗康?%，各?。ㄊ校┢骄略鰯盗柯缘陀谌珖谄骄健＝刂?020年底，全國僅有西藏、青海、海南、內蒙古等4省尚未進行時空銀行的探索工作。

圖3 時間銀行各時期新成立數量的空間格局Fig.3 Spatial pattern of newly established number of Time Banking each period

3.3 核密度分析

從1998—2020年時間銀行總體進程和3個發(fā)展時期的核密度分析結果（圖4）可知，時間銀行新增數量的分布密度在不同地區(qū)呈現明顯差異，熱點區(qū)和冷點區(qū)涇渭分明?？傮w上（圖4-a），1）時間銀行在20余年的發(fā)展歷程中，形成以長三角地區(qū)和中原地區(qū)為中心的雙中心格局，分布密度達到2.01～3.10 個/萬km2。2）較密集區(qū)主要集中于華北沿海地區(qū)、川渝地區(qū)、以及兩廣地區(qū)，分布密度達到1.11～2.01個/萬km2。3）稀疏區(qū)主要分布在西北、東北等胡煥庸以北地區(qū)，分布密度僅為0～0.05個/萬km2。

進一步對時間銀行新增數量分時期分析：1）在1998—2007年萌芽探索期（圖4-b），北京、長三角地區(qū)較為領先，總體呈現零星式分布，并無明顯的集聚分布；2）2008—2017 年加速發(fā)展期（圖4-c），初步形成以長三角區(qū)域為中心的分布格局，且分布密度達到1.11～1.58 個/萬km2；3）2018—2020年創(chuàng)新增長期（圖4-d），該時期進一步形成中原密集中心區(qū)，和長三角地區(qū)形成雙中心空間格局。值得一提的是，廣西在該時期發(fā)展迅猛，從上個時期的0～0.11個/萬km2上升到0.93～1.44個/萬km2。

總體上，時間銀行新增密度分布層次明顯，中心突出，基本集中于胡煥庸線以南且大致呈現“東南密—西北疏”的分布格局。

3.4 空間關系變化

3.4.1 全局空間關系變化 采用QUEEN 鄰接法構建空間權重矩陣，分年份計算1998—2020年時間銀行新增的全局Moran'sI指數。從圖5可看出：時間銀行新增數量的Moran'sI指數從1998 年的-0.024，逐漸增加到2020 年的0.406，說明時間銀行新增數量從最初的分散逐步發(fā)展到空間集聚，這意味著時間銀行的高新增地區(qū)傾向于和高新增地區(qū)集聚，低新增地區(qū)傾向于和低新增地區(qū)集聚?？臻g關系的時段變化，除2016—2017 年變化較大外（從0.006 變化到0.341），其余年份整體呈現穩(wěn)步上升的趨勢。從空間關系顯著性看，1998—2017年空間關系的顯著性存在波動；隨著時間接近2018年，這種波動性逐漸減弱；2018 年以后，顯著性p值均＜0.01，空間集聚效應明顯，說明2018年對時間銀行的空間分布而言是一個重要的時間節(jié)點。

進一步分時期計算時間銀行新增數量的Moran'sI指數。在1998—2007 年萌芽探索期Moran'sI指數為-0.051（P=0.41），時間銀行新增數量并不存在顯著的空間關系；而在2008—2017 年快速增長期，時間銀行新增數量呈現顯著的空間集聚，Moran'sI指數為0.331（p＜0.01），且這種集聚效應在

2018—2020年創(chuàng)新增長期進一步加強，其Moran'sI指數為0.432（p＜0.01）。

3.4.2 局部空間關系變化 根據1998—2020年3個發(fā)展時期的新增數量分別繪制莫蘭散點分布表（表1）和LISA聚類地圖（圖6）?？梢钥闯?，大部分省份落在第一和第三象限，在3個時期中時間銀行新增數量呈現高高聚集或低低聚集的省份單元數分別為19、23 和27 個，呈現高低聚集或低高聚集?。ㄊ校﹩卧獢捣謩e為12、8和4個。說明時間銀行新增數量的空間均質性不斷增強，異質性不斷減弱。從各象限演化軌跡看，低低聚集區(qū)域整體變化幅度不大，高低聚集區(qū)域和低高聚集區(qū)域均在減少，而高高聚集區(qū)域在不斷擴大，說明時間銀行整體發(fā)展向好。

表1 時間銀行莫蘭散點分布Table 1 Moran scatter distribution of Time Banking

圖6 時間銀行各時期新成立數量LISA聚類圖Fig.6 Lisa clustering chart of newly established Time Banking of each period

1998—2007年探索發(fā)展期（圖6-a），時間銀行發(fā)展尚未存在較強的空間關系，集聚顯著單元（8個）中，高低區(qū)域集聚的?。ㄊ校┯?個，在顯著單元中占比最高，分別是黑龍江、北京、山西、重慶以及廣東；低高聚集的區(qū)域有2個，分別是福建和海南；而高高聚集的僅有上海。

2008—2017年加速發(fā)展期（圖6-b），該時期時間銀行的空間集聚特征顯著增加，空間同質性增強，異質性減弱。具體表現為高高集聚的省份數量增加到5個，分別為山東、江蘇、安徽、浙江和江西；低低聚集的省份增加到3 個，分別為內蒙古、甘肅、四川；上海由上一時期的高高聚集區(qū)域轉為低高聚集區(qū)域；而高低聚集區(qū)域顯著減少。

2018—2020年創(chuàng)新增長期（圖6-c），該時期時間銀行新增數量的空間同質性繼續(xù)增強，異質性變化幅度不大。高高聚集區(qū)域增加了湖南，山東變?yōu)椴伙@著。而低低聚集區(qū)域中四川變?yōu)椴伙@著，增加了新疆和遼寧，空間分布格局趨于穩(wěn)定。

4 驅動因素分析

4.1 驅動因素的理論分析與指標選取

產業(yè)經濟學理論認為，任何產業(yè)的發(fā)展都與人口結構密不可分，其為產業(yè)的興旺、繁榮提供必要的人口基礎（干春暉，2015）。競爭優(yōu)勢理論認為，任何產業(yè)發(fā)展的驅動因素應該包括市場需求、政策環(huán)境、相關產業(yè)基礎和生產要素（Porter, 1990），時間銀行互助養(yǎng)老模式的發(fā)展必然符合產業(yè)發(fā)展規(guī)律。隨著人口老齡化問題加劇，社會養(yǎng)老需求也逐漸加大。而家庭規(guī)模漸趨小型化，傳統的代際養(yǎng)老功能隨之弱化（周兆安，2014），養(yǎng)老壓力逐漸向社會轉移。但由于社會養(yǎng)老提供不足和國家養(yǎng)老資源有限，這種需求壓力開始由傳統養(yǎng)老模式向新型互助養(yǎng)老模式轉移，因此人口結構的變化導致的養(yǎng)老需求壓力在客觀上倒逼時間銀行的建設與發(fā)展。時間銀行作為一種互助型養(yǎng)老模式，公益性是其突出特征，因此僅靠市場經濟自發(fā)的供求匹配必然導致市場失靈等問題，還需要充分發(fā)揮政府這只“有形的手”的力量，政府支持可為時間銀行發(fā)展提供法律和制度保障。同時，養(yǎng)老建設水平也是時間銀行重要驅動因素之一，時間銀行雖然是一種新型養(yǎng)老模式，但其誕生和發(fā)展是在傳統養(yǎng)老模式上創(chuàng)新發(fā)展的結果，是對傳統養(yǎng)老體系的重要補充。此外，時間銀行的發(fā)展還需要諸如資金、人力以及技術等生產要素的支持，多種生產要素的流動、集聚能有效地推動時間銀行的發(fā)展。

基于以上考慮，并結合數據的可獲得性，從人口結構（曾通剛等，2019）、養(yǎng)老建設水平、經濟發(fā)展水平（范中原等，2012）、政府支持力度（安雅夢等，2021）、志愿隊伍建設（陳功等，2021b）和數字技術水平（黎昌珍等，2021）6個維度探討時間銀行發(fā)展的驅動因素，并分別選取≥65 歲占比（X1）、在職人員參與養(yǎng)老保險人數（X2）、人均地區(qū)生產總值（X3）、養(yǎng)老政策文件數目（X4）、志愿者注冊數（X5）和移動電話年末用戶數（X6）表征。數據處理上，對個別年份存在統計口徑不一的數據予以剔除，對少數缺失值使用線性插值法填補。

4.2 單因子探測結果

基于ArcGIS 10.7 采用自然斷點法將選取的探測因子分為5 類，利用GeoDetector 程序逐年計算1998—2020年各探測因子對時間銀行發(fā)展的驅動作用力q值和顯著性p值。參考麻學鋒等（2021）的研究，根據q值將探測因素分為三類：核心驅動因素（0.5＜q＜1）、重要驅動因素（0.4＜q＜0.5）和一般驅動因素（q＜0.4）。另外，由于地理探測器無法探測因子作用方向，本文結合相關性分析彌補不足，即若相關性分析結果為正，認為探測因子為正向影響；若相關性分析結果為負，則認為探測因子為負向影響（圖7）。

圖7 時間銀行單因子探測結果Fig.7 Single factor detection results of Time Banking

可以發(fā)現，從1998—2020年各個維度指標q值總體呈上升趨勢，顯著性p值逐漸加強，說明時間銀行的發(fā)展和各個驅動因素之間的聯系日趨密切。回顧時間銀行在中國發(fā)展的23年間，從各個探測因子（p＜0.1）的平均解釋力度看，經濟發(fā)展水平、政府支持力度為核心驅動因素，平均解釋力q值分別為0.601 和0.589；人口結構驅動作用次之，平均q值為0.418，是重要驅動因素；而養(yǎng)老建設水平、數字技術水平和志愿隊伍建設是一般驅動因素，平均q值分別為0.371、0.373和0.366?？梢园l(fā)現，經濟發(fā)展水平對于時間銀行的發(fā)展一直處于重要地位，而養(yǎng)老建設水平、數字技術水平和志愿隊伍建設解釋力的q值并不高，但持續(xù)穩(wěn)定地影響時間銀行的發(fā)展。人口結構和政府支持力度近年開始發(fā)力逐漸成為主導驅動因子，尤其是政府支持力度在2017—2018 年存在較大幅度上漲，由0.528 升至0.814。

進一步分時期看，萌芽探索期，養(yǎng)老建設水平（0.324）為主要驅動因子?？焖侔l(fā)展期，各影響因子平均解釋力（p＜0.1）排名為：經濟發(fā)展水平（0.546） ＞政 府 支 持 力 度（0.458） ＞人 口 結 構（0.382）＞數字技術水平（0.376）＞養(yǎng)老建設水平（0.338）＞志愿隊伍建設（0.325）。創(chuàng)新增長期，各影響因子排名為：政府支持力度（0.763）＞經濟發(fā)展水平（0.690）＞養(yǎng)老建設水平（0.498）＞志愿隊伍建設（0.475）＞人口結構（0.466）＞數字技術水平（0.367）。

4.3 交互因子探測結果

在單因素分析基礎上，為探究因子之間內部相互作用是否會影響到各地時間銀行分布差異，進一步進行雙因子交互分析。結果發(fā)現，兩兩交互作用的探測因子作用效果顯著大于單因子作用效果，其交互作用類型均為雙因子增強或非線性增強，且不同年份主導交互作用類型有所差異?？傮w上（圖8），1998—2020年平均作用最強的前3個交互因子分別是人口結構與數字技術水平（0.755）、養(yǎng)老建設水平與經濟發(fā)展水平（0.715）、養(yǎng)老建設水平與數字技術水平（0.714）。

圖8 驅動因素交互作用探測結果Fig.8 Driver interaction detection results

分時期看，1998—2007年（萌芽探索期）既包括雙因子增強也包括非線性增強，而平均作用最高的3 個交互因子分別是人口結構與經濟發(fā)展水平（0.711）、人口結構與數字技術水平（0.691）、養(yǎng)老建設水平與數字技術水平（0.686），排名前兩名均為人口結構和其他因素的疊加，說明在該時期人口結構在時間銀行的發(fā)展過程中居于重要地位，與其他驅動因素具有良好的契合性，因素間兩兩結合能顯著增強對時間銀行發(fā)展差異的解釋力度。

2008—2017年，雙因子增強發(fā)揮主要作用，平均作用最高的3個交互因子為人口結構與數字技術水平（0.816）、人口結構與經濟發(fā)展水平（0.780）、養(yǎng)老建設水平與經濟發(fā)展水平（0.757），該時期人口結構依舊處于重要地位，并且經濟發(fā)展水平在時間銀行快速發(fā)展期開始成為主導交互探測因子，可以更好地解釋時間銀行的分布差異。

2018—2020年均為雙因子增強發(fā)揮作用，平均作用最高的3個交互因子為政府支持力度與志愿隊伍建設（0.935）、政府支持力度與數字技術水平（0.928）、政府支持力度與人口結構（0.899），均包括政府支持力度，其與志愿隊伍建設的交互作用對時間銀行發(fā)展差異的解釋力度更是達到93.5%，進一步驗證了在創(chuàng)新增長期，政府支持力度在時間銀行發(fā)展的驅動因素中處于核心地位，是推動時間銀行發(fā)展的有力因素。

4.4 探測因子及其交互作用結果分析

1）萌芽探索期

中國自2000年正式步入老齡化社會，老齡化問題開始進入大眾視野。該時期針對養(yǎng)老的相關政策文件較少，信息技術手段缺乏。最先嘗試成為試點的地區(qū)既包括北京、上海、廣東等經濟發(fā)達省（市），也包括山西、黑龍江等經濟相對欠發(fā)達省份，當地經濟發(fā)展水平對時間銀行推動作用并不明顯。該時期時間銀行剛引入中國，主要由民間社會公益組織自發(fā)承辦，因而較為依賴當地的養(yǎng)老建設水平和人口結構。老齡化問題凸顯且養(yǎng)老建設水平高的地區(qū)，對養(yǎng)老問題更為關注，對養(yǎng)老服務體系建設的資源傾斜力度更大，對新型養(yǎng)老方式接納程度也更高，因此，更能推動時間銀行的發(fā)展。

2）快速增長期

經過萌芽探索期的發(fā)展，各地區(qū)對時間銀行的運行具備一定的經驗。隨著各地經濟的高速增長，第三產業(yè)比重持續(xù)增大，對養(yǎng)老服務供給也隨之增大。隨著第六次全國人口普查結果的公開，老齡化問題進一步引起社會的廣泛關注，地方性養(yǎng)老政策文件相繼出臺。以江蘇為例，早在2006年江蘇民政局便開始鼓勵推廣時間銀行，之后更是持續(xù)出臺相關政策文件跟蹤指導，地方政府力量的逐步介入使得時間銀行的整體規(guī)模和影響力進一步擴大。2017年，《志愿服務條例》（民政部，2017）的正式發(fā)布標志著中國志愿服務進入法制建設階段，為時間銀行服務存儲提供法律依據。信息技術開始得到廣泛運用，多種數字信息平臺的參與使時間銀行的開展更加便捷。該時期以浙江、上海和江蘇等長三角經濟區(qū)為代表的省（市）得以快速發(fā)展，并逐步向華中地區(qū)（如湖北、安徽）擴大。

3）創(chuàng)新增長期

2018 年民政部將時間銀行納入居家養(yǎng)老試點，在此背景下，多地積極響應。如廣西雖然在經濟發(fā)展、數字技術水平以及養(yǎng)老建設基礎等方面尚有不足，但在文明辦和志愿服務聯合會的共同推動下，開始大力實施時間銀行試點工作并取得較快進展，短短3年間成為發(fā)展時間銀行的熱點地區(qū)之一，可見政府支持對于時間銀行的推動具有顯著效果。同時，民政部于2019年在對《關于切實加大普惠性社區(qū)養(yǎng)老與城市大學生志愿者融合的建議》答復中（民政部，2019），鼓勵大學生參與“探索建立為老志愿服務時間銀行制度”，以大學生為主的志愿者群體開始廣泛加入到時間銀行式互助養(yǎng)老活動中。除此之外，以區(qū)塊鏈為代表的創(chuàng)新數字技術也為時間貨幣的存儲以及流動提供保障，使跨區(qū)通兌成為可能，有效地提升資源配置效率。在各個因素的綜合影響下，時間銀行得以進一步發(fā)展成熟。

4.5 分異機制

時間銀行互助養(yǎng)老模式是對社會老齡人口增加，而養(yǎng)老資源供給不足的響應?；谥袊鴩椋鐓^(qū)往往承擔平臺的角色，在服務者與被服務者之間發(fā)揮承接統籌的作用。同時，這種互助養(yǎng)老模式需要社會與政府協同參與。對于社會而言，其需要為時間銀行的運營提供人力、資金以及技術支持。對于政府而言，其需要為時間銀行的運營提供政策指導和法律保障，其既需要出臺相關政策，引導多方參與，優(yōu)化資源配置，也需要對低齡老人、高齡老人以及三方平臺之間的權責以及服務計量、通兌標準予以規(guī)定，為在服務過程中可能產生的糾紛掃除障礙。

而相關文獻梳理發(fā)現，當前中國時間銀行運營過程中主要存在以下問題：1）缺乏專項運營資金。時間銀行雖然是公益性的養(yǎng)老方式，但維持其運營的基礎設施以及工作人員的勞務工資等均需要一定的資金支持（張晨寒等，2016）。2）政策法規(guī)缺失。體制機制與政策等外部力量較弱是導致當前養(yǎng)老服務供給發(fā)展困境的原因所在（盛見，2019），政府出臺法律法規(guī)對時間銀行服務者、被服務者、運營三方的權利和義務做出規(guī)定，能有效打消參與者顧慮，保護參與者權益（蔡婷婷等，2016）。3）服務計量與通兌問題。服務與時間幣之間的價值衡量，以及各地衡量標準的能否統一是涉及社會公平的問題，也是制約時間銀行能否可持續(xù)運營的關鍵，因此各地時間銀行需要加強溝通，共同建立統一的管理方案（徐雅，2016）。4）數字技術參與不夠。數字技術雖然已被應用于某些大城市，但大多地區(qū)時間銀行的記賬方式仍為傳統紙質存折，考慮到時間銀行回報周期較長，這種傳統的記賬方式很容易出現損壞、丟失等問題，嚴重影響到居民的參與積極性，因此加大數字技術參與必不可少（張文超等，2019）。5）服務隊伍素養(yǎng)不高。一方面，服務者往往缺乏護理經驗，服務內容單一，服務質量也不高，難以滿足老人多樣化的養(yǎng)老需求（楊帆等，2019）；另一方面，隨著高齡老人數量的迅速上漲，僅靠低齡老人提供服務容易造成供給不足，因此需要更多的年輕人加入到服務隊伍中。

上述發(fā)展障礙制約了時間銀行的推動與普及，而對短板的補齊能極大地推動時間銀行的發(fā)展。從需求側而言，主要指人口結構的拉力作用。從供給側而言，政府支持力度、經濟發(fā)展水平、志愿隊伍建設、養(yǎng)老建設水平以及數字技術水平等因素從多個維度推動時間銀行的發(fā)展。發(fā)展驅動因素在不同時期、不同地區(qū)不盡相同，其與時間銀行的發(fā)展障礙在這種差異化的綜合作用下，造就了時間銀行發(fā)展格局的時空分異（圖9）。

圖9 時間銀行發(fā)展差異形成機制Fig.9 Formation mechanism of Time Banking development difference

5 結論與討論

5.1 結論

利用百度資訊中的新聞報道，從社會關注度角度揭示了時間銀行互助養(yǎng)老模式進入中國23 年以來的時空分布特征及其背后的驅動邏輯，得到的主要結論為：

1）時間銀行新增數量在時間上呈現總體上升的趨勢，其中2018 年以前增長較為平緩，2018 年后增長幅度較大，可見相比于社會組織、地方政府等自發(fā)探索，民政部將時間銀行互助養(yǎng)老納入居家養(yǎng)老試點政策對時間銀行發(fā)展的推動效果更加直觀。另外，時間銀行大多集中于城鎮(zhèn)地區(qū)，后逐漸向鄉(xiāng)村地區(qū)發(fā)展。

2）從發(fā)展熱度看，全國絕大多數省（市）均已開始進行時間銀行的探索嘗試，其中又以江蘇、湖北、浙江、廣西等4省（區(qū)）發(fā)展最好，而西藏、青海、海南、內蒙古4?。▍^(qū)）發(fā)展則相對緩慢。

3）從核密度分析看，時間銀行由最初的零星分布逐步發(fā)展為長三角、中原地區(qū)雙中心空間格局，基本集中于胡煥庸線以南且呈現“東南密—西北疏”的分布特征。

4）從空間關系看，時間銀行從最初的空間發(fā)散逐步發(fā)展為空間集聚，集聚程度不斷加強且趨于穩(wěn)定，具體表現為高新增地區(qū)和高新增地區(qū)集聚，低新增地區(qū)和低新增地區(qū)集聚，空間均質性不斷增強，異質性逐漸減弱。

5）時間銀行發(fā)展的時空演變是多種因素綜合作用的結果，其中經濟發(fā)展水平、政府支持力度為核心驅動因素，人口結構是重要驅動因素，養(yǎng)老建設水平、數字技術水平、志愿隊伍建設是一般驅動因素，且不同階段主導因子有所差別。萌芽探索期主要驅動因素以養(yǎng)老建設水平為主，而快速發(fā)展期與創(chuàng)新增長期均以政府支持力度與經濟建設水平為主，其中政府支持力度在2018年后有較大提升。交互探測因子分析結果顯示，因子間的交互作用對時間銀行發(fā)展的影響均大于單因子影響。其中，以人口結構與數字技術水平、養(yǎng)老建設水平與經濟發(fā)展水平、養(yǎng)老建設水平與數字技術水平解釋力最強。萌芽探索期，人口結構和其他驅動因素相結合能顯著增強對時間銀行發(fā)展差異的解釋力度；快速發(fā)展期，則轉變?yōu)槿丝诮Y構、經濟發(fā)展水平與其他驅動因素結合解釋力更強；創(chuàng)新增長期，政府支持力度和其他因子的交互作用解釋力度更強。

6）通過發(fā)展差異形成機制看，發(fā)展障礙普遍性地制約了時間銀行的推動與普及，主要體現于專項資金缺乏、政策法規(guī)缺失、服務計量不統一與通兌受限、數字技術參與不夠和服務隊伍素養(yǎng)不高。而驅動因素一方面來自供給側對發(fā)展障礙的響應，另一方面來自需求側的老齡人口壓力。發(fā)展障礙與驅動因素在不同時期、不同地區(qū)的差異性綜合作用造就時間銀行發(fā)展格局的時空分異。

5.2 討論

時間銀行引入的初衷是利用老年人口紅利分擔社會養(yǎng)老壓力，但根據本研究發(fā)現，時間銀行離作為傳統養(yǎng)老體系的重要補充力量還有較大差距，主要體現于：

1）對社會經濟發(fā)展等指標存在強烈的依賴。理論上，引入時間銀行互助養(yǎng)老模式本是對社會養(yǎng)老資源不足的彌補，公益性和互助性是其突出特征，社會經濟發(fā)展等指標不應是其決定性因素。如果需要資金、人力以及技術持續(xù)且大量的投入則失去其為社會減輕養(yǎng)老壓力的發(fā)展意義。尤其對于存在大量空巢老人的廣大農村地區(qū)，眾多研究論述了在農村地區(qū)發(fā)展時間銀行式互助養(yǎng)老的迫切性以及可行性（彭炎輝，2017；丁煜等，2022）；即農村地區(qū)存在許多被社會忽視的留守老人，這為時間銀行的發(fā)展提供了需求和人力供給，同時農村地區(qū)人緣社會基礎更加牢固，便于開展互助式養(yǎng)老。但這些優(yōu)勢并不能彌補其在養(yǎng)老建設基礎、數字技術以及經濟水平上的短板，在傳統農村地區(qū)發(fā)展時間銀行將面臨更大的挑戰(zhàn)。因此，時間銀行的發(fā)展需要探索出更加成熟的模式，減少對社會經濟發(fā)展等指標的依賴，回歸時間銀行成立的初衷。這樣才有可能為諸如農村等欠發(fā)達地區(qū)提供可行性路徑和參考模板。

2）時間銀行對政府支持力度要求高。2018 年民政部將時間銀行納入養(yǎng)老試點范圍后，數量激增，空間上集聚效應也顯著加強。這一方面佐證了本文將2018年定為時間銀行第3個發(fā)展時期起始點的可行性，同時也說明在推行時間銀行式互助養(yǎng)老過程中，政府的力量至關重要。政府可通過立法為時間銀行提供法規(guī)制度，確保其運行有法可依。調研發(fā)現，當前時間銀行難以持續(xù)的難點之一在于公信力不足。時間銀行不同于傳統銀行，其運營思路新穎，回報周期較長，宣傳力度欠缺，公眾接受度低，故大眾大多持觀望態(tài)度，而政府的支持可以有力打消公眾的疑慮，方便整合多方資源，引導社會參與，共同推進時間銀行的可持續(xù)發(fā)展。尤其對于欠發(fā)達地區(qū)，政府支持力度更加重要，從廣西的發(fā)展案例可以發(fā)現政府支持能有效彌補其在養(yǎng)老建設基礎、數字技術以及經濟發(fā)展水平上的不足。因此對于發(fā)展時間銀行，既需要自下而上的探索、嘗試，更加需要自上而下的指導、統籌。

本文也存在不足之處：1）主要基于百度資訊中關于時間銀行的新聞報道資訊對其時空分布信息進行保守性統計，統計結果和現實情況可能存在部分出入，主要原因是某些網絡媒體欠發(fā)達的地區(qū)雖已進行時間銀行的試點工作，但因其尚未見報道而被遺漏；2）基于新聞報道的計數法，處于量化分析的初步時期，暫未考慮各省市時間銀行發(fā)展狀況以及運行模式的差異。以上不足需在未來的研究中進一步完善。