雷霆　郭娟　向川

摘 要：中國于21世紀(jì)初正式步入老齡化社會，并于2010年在東部地區(qū)首先出現(xiàn)了老齡化風(fēng)險的集中分布。基于2010—2020年中國人口與經(jīng)濟社會發(fā)展的面板數(shù)據(jù)，利用PSR模型從壓力、狀態(tài)、響應(yīng)三個維度構(gòu)建評估指標(biāo)，采用熵權(quán)TOPSIS、系統(tǒng)聚類等方法，對中國人口老齡化風(fēng)險的水平、區(qū)域差異及其動態(tài)演進趨勢進行分析。研究發(fā)現(xiàn)：老年人口比重、人口自然增長率與居民消費價格指數(shù)是構(gòu)成中國人口老齡化風(fēng)險系數(shù)的重要指標(biāo)，中國人口老齡化風(fēng)險呈現(xiàn)明顯的“U”型分布和空間非均衡性特征?；谙到y(tǒng)聚類分析，可將中國31個省份劃分為五類風(fēng)險梯度，其中廣東省為我國老齡化風(fēng)險的“洼地”，處于老年產(chǎn)業(yè)布局的“黃金期”，而吉林省則為老齡化風(fēng)險的“高地”，面臨著老齡工作的嚴(yán)峻挑戰(zhàn)。中國人口老齡化風(fēng)險水平呈中期減小、后期加劇的螺旋上升態(tài)勢，表現(xiàn)出區(qū)域梯次分布不平衡現(xiàn)象：東北地區(qū)人口老齡化風(fēng)險不斷加深，絕對差異逐漸減?。粬|部、中部和西部地區(qū)人口老齡化風(fēng)險整體呈先降后升的波動變化趨勢，并伴隨極化效應(yīng)。在人口老齡化持續(xù)深化的重要背景下，厘清我國人口老齡化發(fā)展的現(xiàn)實狀況，明晰其風(fēng)險分布的梯次結(jié)構(gòu)與演進的具體規(guī)律，對于掌握老齡工作重點、形成“老齡化風(fēng)險梯次應(yīng)對”的良好局面具有重要意義。

關(guān)鍵詞：人口老齡化風(fēng)險；PSR模型；風(fēng)險梯次結(jié)構(gòu)

中圖分類號：C913.6 文獻標(biāo)識碼：A 文章編號：1000-4149（2023）01-0087-19

DOI：10.3969/j.issn.1000-4149.2023.00.006

一、引言

21世紀(jì)初以來，中國正式進入老齡化社會。人口老齡化作為人口轉(zhuǎn)變的結(jié)構(gòu)性結(jié)果，其發(fā)展的不可逆與持續(xù)深化是經(jīng)濟社會發(fā)展的重要人口背景［1］。鑒于人口老齡化不斷深化的整體趨勢和“未富先老”［2］的社會應(yīng)對能力，國家從戰(zhàn)略高度制定了《國家積極應(yīng)對人口老齡化中長期規(guī)劃》，提出要使“經(jīng)濟社會發(fā)展始終與人口老齡化進程相適應(yīng)”，強調(diào)了人口老齡化發(fā)展進程對經(jīng)濟社會發(fā)展的重要影響。2021年11月中共中央 國務(wù)院印發(fā)了《關(guān)于加強新時代老齡工作的意見》，提出“注重發(fā)揮家庭養(yǎng)老、個人自我養(yǎng)老的作用，形成多元主體責(zé)任共擔(dān)、老齡化風(fēng)險梯次應(yīng)對、老齡事業(yè)人人參與的新局面”的老齡工作原則。其中，“老齡化風(fēng)險梯次應(yīng)對”旨在強調(diào)對人口老齡化風(fēng)險進行科學(xué)測算并劃分區(qū)域結(jié)構(gòu)，從而明確我國老齡工作的重點區(qū)域，達到提前防范、有效應(yīng)對的良好效果。

中國的老齡化呈現(xiàn)出如下三大特征：一是漸進性，指人口老齡化隨著人口結(jié)構(gòu)的發(fā)展而逐漸顯現(xiàn)和變化；二是層次性，意味著人口老齡化的影響具有循環(huán)性和層次性的特點，其往往從與老年人最密切相關(guān)的領(lǐng)域擴展而來，最后形成對社會的綜合影響；三是不平衡性，指人口老齡化對各個地區(qū)、領(lǐng)域和環(huán)節(jié)的影響程度不盡相同，并呈現(xiàn)出不同的特點。正是由于老齡化的如上特征使得中國的人口老齡化風(fēng)險同樣呈現(xiàn)出時間維度的漸進性和空間梯次演進的層次性與不平衡性特征，逐漸發(fā)展與演化出梯次分布結(jié)構(gòu)這一基本形態(tài)。這不僅會加深區(qū)域間和區(qū)域內(nèi)部的養(yǎng)老負擔(dān)差異，還會對人群公平、代際公平與城鄉(xiāng)公平帶來挑戰(zhàn)，從而使老齡化風(fēng)險逐步擴散到社會其他領(lǐng)域。

當(dāng)前我國社會的主要矛盾已經(jīng)轉(zhuǎn)化為人民日益增長的美好生活需要和不平衡不充分的發(fā)展之間的矛盾，而人口老齡化風(fēng)險負擔(dān)的畸輕畸重影響著共同富裕的早日實現(xiàn)。因此，探究人口老齡化風(fēng)險落差的現(xiàn)實狀況、聚類分析呈現(xiàn)相同風(fēng)險指數(shù)的省份、構(gòu)建較為清晰的人口老齡化風(fēng)險梯次，有助于識別區(qū)域間人口老齡化的異質(zhì)性與同質(zhì)性。同時，掌握老齡化風(fēng)險形態(tài)演變的潛在規(guī)律、發(fā)現(xiàn)現(xiàn)有養(yǎng)老保障政策可能存在的模糊點與堵點，有助于我們預(yù)測人口老齡化風(fēng)險的演變趨勢，對后續(xù)老齡化風(fēng)險持續(xù)深化可能引發(fā)的各類問題起到預(yù)警與防范的作用。

二、文獻綜述

人口老齡化與人口老齡化風(fēng)險并非簡單等同。風(fēng)險是指某種特定的危險事件發(fā)生的可能性與其產(chǎn)生的后果的組合［3］，由兩部分因素共同組合而成：一是該危險發(fā)生的可能性，即危險概率；二是該危險事件發(fā)生后所產(chǎn)生的后果。因此老齡化風(fēng)險就是指從老年人領(lǐng)域擴散而來的對社會造成的不確定損失［3］，這種損失的大小因地區(qū)經(jīng)濟發(fā)展水平、衛(wèi)生健康水平等條件不同而存在差異。也就是說老齡化風(fēng)險的衡量不僅取決于人口維度，還取決于社會整體狀態(tài)與應(yīng)對老齡風(fēng)險的能力?！笆奈濉蹦?，我國60歲及以上人口將接近三億，人口老齡化風(fēng)險對經(jīng)濟、社會、家庭及個人帶來的沖擊成為人民最關(guān)心、最直接、最現(xiàn)實的利益問題。在“十四五”及之后的一段時間里，我國人口發(fā)展需要克服一系列風(fēng)險挑戰(zhàn)：首先，從人口老齡化壓力層面來看，低生育率和低人口增長率皆呈現(xiàn)不可逆的趨勢，人口老齡化會導(dǎo)致經(jīng)濟增長速度持續(xù)減緩［4］。這意味著老齡化可能產(chǎn)生新的致貧因素，顯著降低家庭消費，妨礙我國充分挖掘居民消費潛力［5］。其次，從經(jīng)濟社會發(fā)展?fàn)顩r來看，我國地區(qū)間經(jīng)濟發(fā)展差異顯著并將長期存在［6］，養(yǎng)老服務(wù)需求的普遍增加也會使得養(yǎng)老服務(wù)供需體系存在的諸多問題日益凸顯［7］。最后，從地區(qū)響應(yīng)能力來看，東部地區(qū)人口老齡化對經(jīng)濟高質(zhì)量發(fā)展的促進作用高于中西部地區(qū)，中西部地區(qū)人口老齡化對財政可持續(xù)的促進作用以及影響都要小于東部地區(qū)［8］。地區(qū)間老齡化風(fēng)險應(yīng)對能力的顯著差異不利于全體人民共享發(fā)展成果，阻礙共同富裕的早日實現(xiàn)。

隨著全球人口老齡化向縱深發(fā)展，人口老齡化的空間不均衡分布現(xiàn)象就曾引發(fā)各國學(xué)者的普遍關(guān)注：在20世紀(jì)50年代至70年代期間，美國65歲及以上老年人口曾出現(xiàn)了較高水平的西移現(xiàn)象［9］，為后期美國老年人口西高東低的分布結(jié)構(gòu)奠定了基礎(chǔ)。英國與波蘭受到人口與政治事件的影響，老年人口分別在農(nóng)村和城市社區(qū)出現(xiàn)了集聚［10］。日本在20世紀(jì)90年代以后，年輕勞動力大量遷往大中城市，使得秋田、山形等城市成為人口老齡化最“發(fā)達”的地區(qū)［11］，人口老齡化的分布以城市規(guī)模為標(biāo)準(zhǔn)形成差異化的分布結(jié)構(gòu)。中國與這些國家的老齡化風(fēng)險集聚具有一定的相似性，但也有著特殊的國情：一是與歐美發(fā)達國家相比，我國的工業(yè)化與城市化速度極快。1983年，中國農(nóng)民工數(shù)量實現(xiàn)了百余倍的跨越式增長。勞動力從農(nóng)村涌向城市，從欠發(fā)達地區(qū)涌向經(jīng)濟發(fā)達地區(qū)，促進經(jīng)濟高速增長［12］的同時帶來了老齡化分布的落差。二是我國各省份的人口自然增長基礎(chǔ)不同，因而老齡化風(fēng)險的梯次結(jié)構(gòu)不僅僅表現(xiàn)出在經(jīng)濟發(fā)達區(qū)域的低值集聚或農(nóng)村地區(qū)的高值集聚，而是呈現(xiàn)出更為復(fù)雜的分布規(guī)律。

中國人口老齡化風(fēng)險的梯次分布于2010年開始初步顯現(xiàn)［13］。2000年我國基本步入老齡化社會，東部、中部、西部、東北四大區(qū)域的老齡化差距在十年內(nèi)是逐漸縮小的，中國人口老齡化的分布還未形成較為明顯的落差；但從2010年開始，隨著人口的遷移，我國東部地區(qū)率先形成了人口老齡化的“高地”［14］。之后逐漸形成了以胡煥庸線為分界的東高西低的老齡化分布格局，但這一格局隨著人口老齡化的加深逐漸變得模糊，開始呈現(xiàn)出新的分布格局［15］。人口老齡化梯次分布的轉(zhuǎn)換與強化會帶來老齡化在區(qū)域內(nèi)的同質(zhì)性與區(qū)域間的異質(zhì)性：從同質(zhì)性方面看，程蘭芳、鄧蔚利用系統(tǒng)聚類方法將我國30個省份（不包含西藏和港澳臺）劃分為四類老齡化區(qū)域，每一區(qū)域內(nèi)部之間產(chǎn)生聚類效應(yīng)，呈現(xiàn)出相似的老齡化深度與社會負擔(dān)水平［16］。從異質(zhì)性方面看，既存在由于省區(qū)間經(jīng)濟發(fā)展程度不同而引起的人口老齡化演化趨勢差異，也存在著由于城鄉(xiāng)人口遷移而帶來的老齡化“城鄉(xiāng)倒置”的內(nèi)部差異［17］；老齡化發(fā)展的同質(zhì)性與異質(zhì)性構(gòu)造了老齡化風(fēng)險的可能區(qū)間［18］，也使本文對老齡化風(fēng)險進行風(fēng)險分層［19］成為可能。

目前，以傳統(tǒng)的人口相關(guān)指標(biāo)來評估人口老齡化風(fēng)險的研究已取得較為豐碩的成果。但從風(fēng)險的定義來看，單純以人口尺度衡量人口老齡化所帶來的風(fēng)險尚存在改進的空間。因此，本文構(gòu)建了一個更加全面的人口老齡化風(fēng)險測量指標(biāo)體系，試圖從更科學(xué)的角度對人口老齡化風(fēng)險進行測量，從而對已有的老齡化風(fēng)險來源進行有益的補充。此外，為了回應(yīng)《中共中央 國務(wù)院關(guān)于加強新時代老齡工作的意見》中提出的“人口老齡化風(fēng)險梯次應(yīng)對”這一重要指示，本文在測算出各省份風(fēng)險指數(shù)后，通過數(shù)據(jù)處理進行風(fēng)險區(qū)域梯次的劃分，能從理論上回應(yīng)黨中央在中國即將進入深度人口老齡化這一重要時期對于老齡化風(fēng)險識別與防范工作的重要指示。

三、研究方法及過程

1. 數(shù)據(jù)來源、指標(biāo)構(gòu)建與研究設(shè)計

考慮到中國人口老齡化風(fēng)險的梯次最先出現(xiàn)于2010年這一基本情況，又考慮到數(shù)據(jù)的可得性、完整程度對研究結(jié)論帶來的重要影響，本文的樣本里沒有包括港澳臺地區(qū)，最終選擇31個省份作為研究對象，以2010—2020年作為研究區(qū)間開展相關(guān)研究。中國人口老齡化風(fēng)險梯次指標(biāo)體系的構(gòu)建，需滿足科學(xué)性、系統(tǒng)性、可比性、可操作性的原則，且應(yīng)將影響人口老齡化風(fēng)險趨勢的相關(guān)因素都納入其中。對于趨勢測算指標(biāo)的選擇主要基于以往文獻中所識別的中國養(yǎng)老脆弱性［19］、老齡化程度［20］的指標(biāo)。

本文所需的數(shù)據(jù)主要包括人口、社會經(jīng)濟及社區(qū)服務(wù)中心相關(guān)數(shù)據(jù)，主要來源于2010—2020年各省份人口、經(jīng)濟發(fā)展?fàn)顩r以及民政數(shù)據(jù)。其中，人口等方面的數(shù)據(jù)主要來源于2010—2020年全國人口普查數(shù)據(jù)與國家統(tǒng)計局官網(wǎng)，經(jīng)濟類指標(biāo)主要來源于《中國統(tǒng)計年鑒》，社區(qū)服務(wù)床位數(shù)等數(shù)據(jù)主要來源于《中國民政統(tǒng)計年鑒——中國社會服務(wù)統(tǒng)計資料》，醫(yī)療支出等數(shù)據(jù)主要來源于《中國衛(wèi)生健康統(tǒng)計年鑒》。

2. 基于PSR模型的評估指標(biāo)體系的構(gòu)建

構(gòu)建壓力—狀態(tài)—響應(yīng)模型的首要工作是風(fēng)險評估指標(biāo)體系的構(gòu)建。評估指標(biāo)體系構(gòu)建的科學(xué)與否直接關(guān)系到測量結(jié)果是否具有科學(xué)性。壓力—狀態(tài)—響應(yīng)模型（PSR模型）最初由加拿大統(tǒng)計學(xué)家拉波特（Rapport）和弗蘭德（Friend）于1979年提出，隨后，世界經(jīng)濟合作與發(fā)展組織（OECD）和聯(lián)合國環(huán)境規(guī)劃署（UNEP）將其用于環(huán)境風(fēng)險測度，后又被廣泛用于各類社會性風(fēng)險測度問題的研究。因此，本文借鑒PSR模型，從壓力、狀態(tài)、響應(yīng)三個維度構(gòu)建評價指標(biāo)層。

人口老齡化的壓力是指老年人口的增長趨勢對社會人口結(jié)構(gòu)性安全所帶來的壓力，其隨著老年人口占總?cè)丝诒戎氐牟粩嘣黾佣由?。歷次全國人口普查數(shù)據(jù)和抽樣調(diào)查數(shù)據(jù)顯示，1982年中國60歲及以上老年人占總?cè)丝诘谋戎貫?.6%，隨后逐年增加，并在2010年開啟“加速模式”，達到了13.3%，到了2020年，該比重進一步提高至18.7%并首次反超少兒人口比重（18.0%）0.7個百分點。人口老齡化壓力首先會影響到人口結(jié)構(gòu)，進而導(dǎo)致勞動力要素供應(yīng)不足，社會生產(chǎn)率下降［21］。此外，人口老齡化還會提高老年人口撫養(yǎng)比，影響居民儲蓄率［22］，從而改變我國在之前相當(dāng)長一段時間內(nèi)所依賴的“人口紅利”局面。因此本文選取的壓力指標(biāo)具體包括65歲及以上老年人口占地區(qū)總?cè)丝诘谋戎亍⒗夏耆丝趽狃B(yǎng)比、人口自然增長率、平均家庭戶規(guī)模。

人口老齡化風(fēng)險狀態(tài)是指老齡化風(fēng)險在不同時期范圍內(nèi)所產(chǎn)生的階段性變化。它可以被描述為在人口老齡化風(fēng)險的壓力作用與影響下，經(jīng)濟社會在地區(qū)經(jīng)濟、居民收入、財政收入、社會能力方面所呈現(xiàn)出的現(xiàn)狀。社會的穩(wěn)定表現(xiàn)為一種開放式的穩(wěn)定的社會狀態(tài)，不穩(wěn)定狀態(tài)的來源之一就是國家不能滿足公民基本物質(zhì)需要而引發(fā)的匱乏式不穩(wěn)定［23］。因而描述人口老齡化風(fēng)險狀態(tài)的指標(biāo)包括地區(qū)生產(chǎn)總值、人均地區(qū)生產(chǎn)總值、全體居民人均可支配收入、城鄉(xiāng)居民社會養(yǎng)老保險參保人數(shù)、城鄉(xiāng)居民社會養(yǎng)老保險累計結(jié)余、地方財政一般預(yù)算收入、社會服務(wù)綜合指數(shù)等。

人口老齡化風(fēng)險響應(yīng)是指政府部門采取有關(guān)措施來減少人口老齡化風(fēng)險沖擊，主要是通過增加養(yǎng)老床位和社會財富再分配來實現(xiàn)。風(fēng)險社會理論認(rèn)為，風(fēng)險社會概念對應(yīng)的是“工業(yè)社會”或“階級社會”的概念，這兩個概念圍繞著社會生產(chǎn)的財富是如何通過社會中不平等卻又合法的方式進行分配的問題進行思考。社會財富的再分配是應(yīng)對風(fēng)險社會的主要動力。因而人口老齡化風(fēng)險響應(yīng)指標(biāo)主要包括地方財政社會保障與就業(yè)支出、地方財政醫(yī)療衛(wèi)生支出、社區(qū)衛(wèi)生服務(wù)中心數(shù)、衛(wèi)生機構(gòu)床位數(shù)、千老年人口養(yǎng)老床位、地方財政一般公共服務(wù)支出等。

3. 方法選擇及研究設(shè)計

本文利用熵值法對人口老齡化風(fēng)險進行測算。在具體使用的過程中，熵值法根據(jù)各指標(biāo)的變異程度，利用信息熵計算出各指標(biāo)的熵權(quán)，再通過熵權(quán)對各指標(biāo)的權(quán)重進行修正，從而得到較為客觀的指標(biāo)權(quán)重。為了突出不同時間下各指標(biāo)權(quán)重的變化，引入時間變量，使分析結(jié)果更加具有科學(xué)性與客觀性。改進的熵權(quán)法評價模型如下。

本文對于中國人口老齡化風(fēng)險的衡量從壓力、狀態(tài)、響應(yīng)三個維度來綜合考慮。通過大量借鑒以往的研究成果和遵循指標(biāo)構(gòu)建的科學(xué)性、權(quán)威性與可獲得性原則，基于中國人口老齡化風(fēng)險的內(nèi)涵，構(gòu)建了包含人口自然增長率等原始指標(biāo)和城鄉(xiāng)居民養(yǎng)老保險負擔(dān)系數(shù)等生成指標(biāo)。22項評估指標(biāo)基本涵蓋了人口老齡化這一開放系統(tǒng)的主要因素。通過Stata 17.0軟件計算，得到各項指標(biāo)的權(quán)重，結(jié)果如表1所示。

從熵值法的統(tǒng)計結(jié)果來看，指標(biāo)權(quán)重在維度間與同一維度內(nèi)部均存在較大差異。從維度間比較來看，壓力層面指標(biāo)的平均權(quán)重遠超狀態(tài)指標(biāo)與響應(yīng)指標(biāo)權(quán)重，表明目前中國人口老齡化風(fēng)險壓力主要來源于人口結(jié)構(gòu)，其次是狀態(tài)層面，響應(yīng)層面的指標(biāo)對人口老齡化風(fēng)險的影響最小。從維度內(nèi)部比較來看，壓力層中65歲及以上人口數(shù)占總?cè)丝诒戎厮紮?quán)重最高，為9.297%，其次是人口自然增長率指標(biāo)占比，為9.140%；狀態(tài)層中居民消費價格指數(shù)指標(biāo)所占權(quán)重最高，為13.394%；響應(yīng)層中權(quán)重最高的指標(biāo)是衛(wèi)生機構(gòu)床位數(shù)，為5.744%。

得出指標(biāo)權(quán)重后，使用TOPSIS法測算各個指標(biāo)到理想解之間的距離，首先，計算出各個指標(biāo)的最大值和最小值，得出正理想解Z+和負理想解Z-，公式如下：

最后，利用聚類分析將數(shù)據(jù)對象的集合分組為由類似的對象組成的多個類別。聚類分析是進行數(shù)據(jù)挖掘的一項重要技術(shù)方法，它是通過一組給定的未知分布的數(shù)據(jù)，比較數(shù)據(jù)樣本間的關(guān)聯(lián)信息，在非監(jiān)督狀態(tài)下獲得最優(yōu)劃分方案的過程，最終使得組內(nèi)數(shù)據(jù)樣本具有高度的同構(gòu)性，相似度盡可能大，組間樣本具有高度的異質(zhì)性，相似度盡可能小。

四、中國人口老齡化風(fēng)險分布與類型：實證分析

1. 基于熵值法的31個省份人口老齡化風(fēng)險得分分析

本文利用Stata 17.0統(tǒng)計軟件，計算出我國31個省份2010—2020年人口老齡化風(fēng)險水平并對其進行排序，由于篇幅限制，僅展示2012—2020年的計算結(jié)果，如表2和圖1所示。

由表2和圖1可知，全國及各地區(qū)的人口老齡化風(fēng)險呈現(xiàn)以下特征。

第一，全國人口老齡化風(fēng)險的均值基本呈現(xiàn)以2011年和2020年為頂點、2015年與2017年為低點的“U”型形態(tài)。出現(xiàn)這種形態(tài)的可能原因有如下幾點：一是2015年10月黨的十八屆五中全會決定全面放開二孩政策，生育政策的放寬一定程度上改善了我國人口結(jié)構(gòu)老化問題。二是2020年新冠疫情的出現(xiàn)使各地經(jīng)濟形勢下滑，醫(yī)療健康支出增長迅速，社會整體風(fēng)險應(yīng)對能力受到挑戰(zhàn)［24］。

第二，我國人口老齡化風(fēng)險呈現(xiàn)較為明顯的空間非均衡特征。從分省份的結(jié)果來看，我國人口老齡化風(fēng)險最大的省份是吉林省，風(fēng)險得分為0.666;其次是黑龍江省，風(fēng)險得分為0.634；第三位是重慶市，得分為0.622。我國人口老齡化風(fēng)險最小的省份是廣東省，風(fēng)險得分僅為0.349；其次是河南省，得分為0.457。風(fēng)險最高省份與風(fēng)險最低省份之間得分差異較大。從分區(qū)域結(jié)果來看，東北區(qū)域人口老齡化風(fēng)險與其他區(qū)域相比處于高位增長的態(tài)勢，這與東北人口持續(xù)的超低生育率、勞動力人口的加速外流密切相關(guān)［25］。

2. 針對風(fēng)險來源的分類分析

為了進一步明確31個省份風(fēng)險來源的差異，本文對2020年風(fēng)險水平從壓力、狀態(tài)、響應(yīng)三個維度進行進一步分解并就這三個維度分別對31個省份進行排序，排序結(jié)果如表3所示。

通過分維度測算可知，目前四川、重慶、安徽的人口老齡化壓力最大，老年人口撫養(yǎng)比的均值達到了23%以上，社會養(yǎng)老負擔(dān)沉重，人口自然增長率處于全國末尾也加深了其老齡化的壓力，與之情況相反的新疆人口老齡化壓力最小，西藏次之；從社會整體經(jīng)濟社會政策的狀態(tài)來看，江蘇、廣東、山東的狀態(tài)最佳，這與其經(jīng)濟正向驅(qū)動力強、人民收入水平高有密不可分的聯(lián)系，而西藏、新疆的風(fēng)險狀態(tài)系統(tǒng)得分較差，必須從發(fā)展區(qū)域經(jīng)濟、改善財政收入入手才能從根源上改善其社會整體狀態(tài)；從響應(yīng)系統(tǒng)來看，廣東、四川、山東的社會保障支出水平高，衛(wèi)生條件更優(yōu)越，對老齡化風(fēng)險的響應(yīng)能力最強，而西藏的響應(yīng)能力最弱，響應(yīng)風(fēng)險最高。

3. 人口老齡化風(fēng)險水平的綜合評價

通過對31個省份2020年人口老齡化風(fēng)險的貼近度進行計算，并以此為判斷依據(jù)，判斷各地區(qū)人口老齡化風(fēng)險與社會整體應(yīng)對能力發(fā)展的狀況。從應(yīng)對人口老齡化能力的角度來看，廣東、河南位居前兩位，北京、四川、山東緊隨其后，西藏的均值排在最后，詳見表4。

4. 中國人口老齡化風(fēng)險分省份聚類分析

本文運用SPSS 20.0軟件，根據(jù)22類指標(biāo)數(shù)據(jù)對中國31個省份的人口老齡化風(fēng)險得分進行系統(tǒng)聚類分析，采用組間聯(lián)接—平方歐式距離—范圍0至1進行標(biāo)準(zhǔn)化處理。采用1.75作為相對距離，構(gòu)建中國人口老齡化的風(fēng)險梯次，系統(tǒng)聚類得出的樹狀圖如圖2所示。

依據(jù)人口老齡化風(fēng)險聚類分析的結(jié)果與經(jīng)驗，對各個省份的人口老齡化風(fēng)險進行排序，將31個省份分為五個類別：人口老齡化高風(fēng)險地區(qū)、人口老齡化中高風(fēng)險地區(qū)、人口老齡化中等風(fēng)險地區(qū)、人口老齡化中低風(fēng)險地區(qū)、人口老齡化低風(fēng)險地區(qū)，詳見表5。

第一類：人口老齡化高風(fēng)險地區(qū)，僅包括吉林省。吉林省是31個省份中人口老齡化風(fēng)險最高的省份。吉林省老年人口比重于2006年開始超越全國平均水平，并在2010年開始迅速步入我國人口老齡化的第一梯隊［26］，伴隨而來的則是“未富先老”問題凸顯：其中，人均地區(qū)生產(chǎn)總值僅為50800元，排名全國倒數(shù)第七，養(yǎng)老保險累計結(jié)余為85.7億元，排名全國倒數(shù)第四；響應(yīng)能力不足，雖然地方財政的公共服務(wù)與醫(yī)療衛(wèi)生支出較多，但由于居民人均可支配收入較低且增速連年下降，使得微觀家庭抵抗老齡化風(fēng)險的能力不足，詳見圖3。

第二類：老齡化中高風(fēng)險地區(qū)，包括山西、甘肅、海南、重慶、黑龍江、遼寧、天津、上海、內(nèi)蒙古9個省份。這一梯隊分為兩種情況，一種以甘肅省為代表，雖然狀態(tài)風(fēng)險高且響應(yīng)能力不足，但面臨的老齡化風(fēng)險壓力小；一種以遼寧省為代表，壓力、狀態(tài)、響應(yīng)三類風(fēng)險均較高，經(jīng)濟下行風(fēng)險較大、養(yǎng)老保障水平不足、養(yǎng)老金收不抵支往往是這些省份面臨的主要困難，詳見圖4。

第三類：人口老齡化中等風(fēng)險地區(qū)，包括新疆、安徽、西藏、浙江、寧夏、貴州、青海、四川、陜西、河北、江西、湖北、湖南、云南、廣西、北京、福建、江蘇18個省份。這些省份的人口老齡化壓力與其狀態(tài)和響應(yīng)能力往往不相匹配。如西藏與新疆地區(qū)壓力風(fēng)險很低，但社會狀態(tài)和響應(yīng)風(fēng)險極高。因此要構(gòu)建經(jīng)濟發(fā)展適當(dāng)優(yōu)先的老齡化應(yīng)對思路，提前構(gòu)建社會、政府、個人三方共擔(dān)養(yǎng)老成本的風(fēng)險防范機制，提早建立可防、可控的風(fēng)險防范體系［27］，詳見圖5。

第四類：人口老齡化中低風(fēng)險地區(qū)，包括山東、河南兩省。這兩個省份各項維度指標(biāo)近似，但河南省略優(yōu)于山東省，雖然其老年人口撫養(yǎng)比為21.28%，和山東相比沒有什么優(yōu)勢，但在山東出現(xiàn)了較低的人口自然增長率時，河南依然有3.44%的人口自然增長率。山東省和河南省平均家庭戶規(guī)模分別為2.7人/戶和2.86人/戶，處于全國前列，詳見圖6。

第五類：人口老齡化低風(fēng)險地區(qū)，僅包括廣東省。經(jīng)濟發(fā)展迅速、人民生活富裕、社會養(yǎng)老負擔(dān)較小是廣東省成為我國人口老齡化風(fēng)險最低省份的主要原因。如圖7所示，廣東省人均地區(qū)生產(chǎn)總值逐年攀升，位于全國前列，而老年人口撫養(yǎng)比與其他經(jīng)濟發(fā)達省份（如上海）相比又處于低位，正處于老齡產(chǎn)業(yè)布局的“黃金期”，詳見圖7。

五、核密度估計

通過熵權(quán)TOPSIS與系統(tǒng)聚類方法對中國人口老齡化風(fēng)險的綜合水平進行了細致的測算與分析，其結(jié)果反映了中國人口老齡化風(fēng)險的大小與梯次分布。此外，本文運用核密度估計（Kernel Density Estimation， KDE）對我國人口老齡化風(fēng)險水平的絕對差異和分布動態(tài)演進規(guī)律進行實證研究，系統(tǒng)考察其在全國及四大經(jīng)濟區(qū)內(nèi)分布的態(tài)勢、演化及其極化情況。

核密度估計是一種重要的非參數(shù)估計方法，其不受模型設(shè)定的影響，對于估計未知分布具有較大優(yōu)勢［29］。核密度估計函數(shù)通過對不同時點樣本分布特征的對比分析，考察樣本的空間分布及動態(tài)演進。

假設(shè)f（x）為隨機變量x的密度函數(shù)，點x處的概率密度估計如下所示：

其中，N為觀測值的個數(shù)；Xi為樣本觀測值；x表示樣本平均值；K（·）代表核密度函數(shù)；h表示帶寬；k（x）為平滑轉(zhuǎn)換或加權(quán)的函數(shù)。

本文選用使用較為普遍的高斯（Gaussian）核函數(shù)對我國人口老齡化風(fēng)險發(fā)展的分布動態(tài)演進過程進行分析。文章使用MATLAB 2020b軟件構(gòu)造了高斯核密度三維分布圖，通過其分布位置、態(tài)勢、延展性和極化現(xiàn)象來說明中國人口老齡化風(fēng)險水平的差異特征。

1.中國人口老齡化風(fēng)險水平核密度分布動態(tài)

圖8顯示了2010—2020年中國31個省份人口老齡化風(fēng)險水平的分布動態(tài)演進，全國人口老齡化風(fēng)險水平的分布動態(tài)呈現(xiàn)出以下特征：①我國人口老齡化風(fēng)險水平分布曲線的主峰位置存在“右移—左移—右移”的趨勢，表明中國人口老齡化風(fēng)險呈先上升后下降再上升的螺旋上升態(tài)勢。

②核密度估計函數(shù)的峰值先升后降，中期主峰峰值達到最大，后期峰值逐漸減小，波峰寬度先減少后增加，中期主峰寬度達到最小，后期主峰寬度逐漸增大，說明全國人口老齡化風(fēng)險水平整體差異呈先縮小后擴大的趨勢，表現(xiàn)出區(qū)域梯次分布發(fā)展不均衡現(xiàn)象。

③核密度曲線主要表現(xiàn)為多峰分布，說明中國各地區(qū)的人口老齡化風(fēng)險水平出現(xiàn)極化態(tài)勢。

2.東部地區(qū)人口老齡化風(fēng)險水平核密度分布動態(tài)

圖9顯示了2010—2020年我國東部地區(qū)人口老齡化風(fēng)險水平的分布動態(tài)演進，其表現(xiàn)出如下特征：①東部地區(qū)人口老齡化風(fēng)險水平分布曲線的主峰變動形態(tài)為“左移—右移—右移”，對比2010與2020年，總體趨勢為左移，表明東部地區(qū)人口老齡化風(fēng)險程度有所減弱。②核密度估計函數(shù)的主峰高度經(jīng)歷了“上升—下降—上升”的演變過程，但整體峰值增大，在一定程度上反映東部地區(qū)人口老齡化風(fēng)險的分布狀態(tài)呈集中趨勢。③東部地區(qū)人口老齡化風(fēng)險水平分布曲線的主峰寬度從2010年的0.38—0.72縮小到2020年的0.46—0.67，波寬縮小了0.13個單位，說明東部地區(qū)人口老齡化風(fēng)險水平的絕對差異縮小。④主峰左右側(cè)存在波峰且主峰與側(cè)峰高度差相對較大，說明東部地區(qū)人口老齡化風(fēng)險水平存在一定的極化現(xiàn)象和梯度效應(yīng)。

3.中部地區(qū)人口老齡化風(fēng)險水平核密度分布動態(tài)

圖10顯示了2010—2020年我國中部地區(qū)人口老齡化風(fēng)險的分布動態(tài)演進，其表現(xiàn)出如下特征：①中部地區(qū)人口老齡化風(fēng)險水平分布曲線的主峰變動形態(tài)為“左移—右移”，對比2010與2020年，主峰總體趨勢為左移，說明中部地區(qū)人口老齡化風(fēng)險程度有一定減弱，可能是人口老齡化風(fēng)險響應(yīng)措施有一定程度的加強。②中部地區(qū)核密度估計函數(shù)的峰值呈波動變化趨勢，2017年峰值達到最高后快速下降，對比2010與2020年峰值總體趨勢為上升，表明中部地區(qū)人口老齡化風(fēng)險水平分布狀況呈“集中”向“分散”的演進態(tài)勢。③在樣本考察期內(nèi)，呈現(xiàn)“單主峰、多側(cè)峰”的形態(tài)，說明中部地區(qū)呈現(xiàn)出明顯的極化特征。④中部地區(qū)人口老齡化風(fēng)險核密度估計曲線的波峰寬度逐漸縮小，表明中部地區(qū)人口老齡化風(fēng)險水平的絕對差距呈縮小態(tài)勢。

4.西部地區(qū)人口老齡化風(fēng)險水平核密度分布動態(tài)

圖11顯示了2010—2020年我國西部地區(qū)人口老齡化風(fēng)險水平發(fā)展分布動態(tài)演進，其呈現(xiàn)出以下特征：①在觀測期間，西部地區(qū)核密度估計函數(shù)分布曲線的主峰位置存在“左移—右移”的態(tài)勢，對比2010與2020年，總體趨勢為左移，表明西部地區(qū)人口老齡化風(fēng)險水平總體呈現(xiàn)下降態(tài)勢。②西部地區(qū)核密度估計曲線的峰值不斷提高，說明其人口老齡化風(fēng)險水平差異呈縮小趨勢。③西部地區(qū)人口老齡化風(fēng)險核密度估計曲線的波峰寬度逐漸變窄，表明地區(qū)內(nèi)部人口老齡化風(fēng)險指數(shù)的絕對差距正在縮小。④波峰由“單主峰、左側(cè)峰”變成“單主峰、兩側(cè)峰”，表明隨著時間的推移，西部地區(qū)人口老齡化風(fēng)險的極化現(xiàn)象逐漸明顯。

5.東北地區(qū)人口老齡化風(fēng)險水平核密度分布動態(tài)

東北地區(qū)人口老齡化風(fēng)險分布曲線相對于其他區(qū)域顯得較為混亂，由圖12可見其分布動態(tài)演進具有如下幾個特征：①在觀測期間，東北地區(qū)人口老齡化風(fēng)險的發(fā)展水平整體向右移動，表明東北地區(qū)人口老齡化風(fēng)險程度較為嚴(yán)重，這與東北地區(qū)長期面臨的人才流失困境和人口自然增長緩慢有關(guān)。②在考察期間，早期為單峰形態(tài)，而中后期為雙峰形態(tài)，說明人口老齡化風(fēng)險水平不穩(wěn)定，變動較為頻繁。③從分布的形態(tài)來看，隨著時間推移，波峰峰值減低，表明東北地區(qū)人口老齡化風(fēng)險狀況較為分散。④東北地區(qū)人口老齡化風(fēng)險核密度估計曲線的波峰寬度逐漸變窄，表明地區(qū)內(nèi)部人口老齡化風(fēng)險的絕對差異值正在縮小。

六、結(jié)論與啟示

本文運用PSR模型和熵權(quán)TOPSIS方法對2010—2020年中國31個省份的人口老齡化風(fēng)險水平進行測算，以此為基礎(chǔ)揭示中國人口老齡化風(fēng)險的空間分布以及演進趨勢，研究結(jié)論如下：①樣本考察期內(nèi)，中國人口老齡化風(fēng)險水平總體呈現(xiàn)出以2015年與2017年為低點的明顯的“U”型波動。東北地區(qū)與其他區(qū)域相比呈現(xiàn)出老齡化風(fēng)險高位增長態(tài)勢。②中國人口老齡化非均衡性特征明顯。廣東、河南等地的人口老齡化風(fēng)險水平較低，吉林、黑龍江、上海、西藏等地的人口老齡化風(fēng)險較高。從四大區(qū)域來看，東北地區(qū)的老齡化風(fēng)險最高并且呈現(xiàn)出逐年增加的風(fēng)險態(tài)勢，其次是西部地區(qū)風(fēng)險較高，而東部地區(qū)老齡化風(fēng)險最低。③31個省份的老齡化風(fēng)險可以劃分為五類梯次：人口老齡化高風(fēng)險地區(qū)、人口老齡化中高風(fēng)險地區(qū)、人口老齡化中等風(fēng)險地區(qū)、人口老齡化中低風(fēng)險地區(qū)、人口老齡化低風(fēng)險地區(qū)。④從核密度演變趨勢觀察發(fā)現(xiàn)，中國人口老齡化風(fēng)險的絕對差距在增大，并存在極化現(xiàn)象和梯度效應(yīng)。東北地區(qū)人口老齡化風(fēng)險總體上升，風(fēng)險程度最為嚴(yán)重；東部、中部和西部地區(qū)人口老齡化風(fēng)險水平總體呈現(xiàn)先降后升態(tài)勢，且內(nèi)部差異逐漸減小。

根據(jù)本文研究結(jié)論，可以得出以下政策啟示。

第一，調(diào)整人口政策，優(yōu)化人口結(jié)構(gòu)，重視人口老齡化發(fā)展的非均衡性。首先，調(diào)整人口政策，完善人口制度，構(gòu)建科學(xué)平衡的人口空間分布格局，從而緩解調(diào)整中國人口結(jié)構(gòu)失衡、老齡化風(fēng)險區(qū)域分布不均衡問題。其次，完善生育政策，優(yōu)化人口年齡結(jié)構(gòu)，從根本上緩解我國老齡化風(fēng)險的梯次落差。具體包括：不斷完善調(diào)整生育政策，使之實現(xiàn)與經(jīng)濟社會發(fā)展水平的動態(tài)適應(yīng)；構(gòu)建生育友好型社會，將生育權(quán)利還給家庭和婦女，除解決想生但因政策限制而不能生的問題之外，還必須健全生育政策的相關(guān)配套設(shè)施，營造社會生育友好氛圍。

第二，促進區(qū)域經(jīng)濟協(xié)調(diào)發(fā)展，增強欠發(fā)達地區(qū)老齡化風(fēng)險防范能力、鼓勵發(fā)達省份培育老齡產(chǎn)業(yè)。一是基于我國經(jīng)濟發(fā)展的區(qū)域差異和欠發(fā)展地區(qū)明顯的“追趕與趨同”現(xiàn)象［28］，要注重對新疆、西藏等經(jīng)濟欠發(fā)達地區(qū)的要素投入和土地利用力度，加強區(qū)域間產(chǎn)業(yè)的轉(zhuǎn)移接續(xù)和跨區(qū)域合作。二是要抓住廣東發(fā)展老年產(chǎn)業(yè)的“黃金期”，把老齡產(chǎn)業(yè)開發(fā)納入國民經(jīng)濟和中長期發(fā)展規(guī)劃中，培育銀發(fā)經(jīng)濟，積極引導(dǎo)社會和企業(yè)開發(fā)老年消費市場。三是要加快促進老齡科技發(fā)展，加快適老產(chǎn)品的研發(fā)升級，提供豐富多樣的老齡服務(wù)。

第三，優(yōu)化養(yǎng)老資源配置，努力彌合區(qū)域間的老齡化風(fēng)險差異。一方面，中央財政要充分發(fā)揮在養(yǎng)老資源供給上的再分配作用，保證財政補貼在地區(qū)間的相對公平性，從而彌合區(qū)域間老齡風(fēng)險負擔(dān)的巨大差異。另一方面，養(yǎng)老政策的制定要突出區(qū)域的差異性，針對不同地區(qū)人口老齡化發(fā)展態(tài)勢，在綜合考量區(qū)域差異、城鄉(xiāng)差異的基礎(chǔ)上動態(tài)調(diào)整養(yǎng)老政策組合。對于老齡風(fēng)險低但應(yīng)對能力差的省份來說，還是要以提升經(jīng)濟發(fā)展水平、增強反應(yīng)能力為主要目標(biāo)，而對于響應(yīng)能力強但老齡壓力大的省份來說，要從重視老年人力資源的開發(fā)、降低生育成本等方面入手，從而緩解老齡化帶來的壓力。

參考文獻：

［1］李競博，高瑗.人口老齡化視角下的技術(shù)創(chuàng)新與經(jīng)濟高質(zhì)量發(fā)展［J］.人口研究，2022（2）：102-116.

［2］穆光宗，張團.我國人口老齡化的發(fā)展趨勢及其戰(zhàn)略應(yīng)對［J］.華中師范大學(xué)學(xué)報（人文社會科學(xué)版），2011（5）： 29-36.

［3］ADAMS J.Risk［M］.London：UCL Press，1995：180.

［4］劉中一.社會風(fēng)險的專家知識與公眾感知：以性別比失衡為例——兼論婚齡性別比失衡社會治理策略選擇［J］.社會科學(xué)研究，2022（5）：114-122.

［5］胡鞍鋼，劉生龍，馬振國.人口老齡化、人口增長與經(jīng)濟增長——來自中國省際面板數(shù)據(jù)的實證證據(jù)［J］.人口研究，2012（3）：14-26.

［6］鄒紅，喻開志.退休與城鎮(zhèn)家庭消費：基于斷點回歸設(shè)計的經(jīng)驗證據(jù)［J］.經(jīng)濟研究，2015（1）：124-139.

［7］魏艷華，馬立平，王丙參.中國八大綜合經(jīng)濟區(qū)經(jīng)濟發(fā)展差異測度與評價［J］.數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2020（6）：89-108.

［8］辜勝阻，吳華君，曹冬梅.構(gòu)建科學(xué)合理養(yǎng)老服務(wù)體系的戰(zhàn)略思考與建議［J］.人口研究，2017（1）：3-14.

［9］曹聰靈，肖國安，徐邵蕊，周小渝.人口老齡化對經(jīng)濟高質(zhì)量發(fā)展的影響——基于財政可持續(xù)視角［J］.財經(jīng)理論與實踐，2022（1）：114-122.

［10］GRAFF T O，WISEMAN R F.Changing concentrations of older Americans［J］.Geographical Review，1978，68（4）：379-393.

［11］WALFORD N S，KUREK S.A comparative analysis of population ageing in urban and rural areas of England and Wales，and Poland over the last three census intervals［J］.Population， Space and Place，2010，14（5）：365-386.

［12］尹豪.日本人口老齡化與老齡化對策［J］.人口學(xué)刊，1999（6）：17-21.

［13］蔡昉.改革時期農(nóng)業(yè)勞動力轉(zhuǎn)移與重新配置［J］.中國農(nóng)村經(jīng)濟，2017（10）：2-12.

［14］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量經(jīng)濟學(xué)研究［J］.人口研究，2012（2）：71-81.

［15］CHEN R，XU P，LI F，et al.Internal migration and regional differences of population aging：an empirical study of 287 cities in China［J］.Bioscience Trends，2018，12（2）：132-141.

［16］吳媛媛，宋玉祥.中國人口老齡化空間格局演變及其驅(qū)動因素［J］.地理科學(xué)，2020（5）：768-775.

［17］程蘭芳，鄧蔚.人口老齡化對社會保障支出的影響研究［J］.華東經(jīng)濟管理，2022（1）：1-8.

［18］王志寶，孫鐵山，李國平.近20年來中國人口老齡化的區(qū)域差異及其演化［J］.人口研究，2013（1）：66-77.

［19］NAOYUKI K， SHIGEO K， YASUAKI A， TAKASHI K， MASANORI A.Estimation of the risk of a qualitative phenotype： dependence on population risk［J］.Journal of Human Genetics，2017，62（2）：191-198.

［20］STACEY F， AMY H， NASSIM M， MONICA T， GREGORY H， DOUGLAS G M， PETER T.Dementia population risk tool （DemPoRT）： study protocol for a predictive algorithm assessing dementia risk in the community［J］.BMJ Open，2017，7（10）：e018018.

［21］于長永，劉二鵬，樂章.農(nóng)村地區(qū)養(yǎng)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(huán)境， 2016（10）：144-151.

［22］杜鵬，李龍.新時代中國人口老齡化長期趨勢預(yù)測［J］.中國人民大學(xué)學(xué)報，2021（1）：96-109.

［23］蔡宏波，韓金镕.人工智能緩解人口老齡化壓力：作用機理與實現(xiàn)路徑［J］.新視野，2021（6）：20-26.

［24］CRETTEZ B， ETNER J.The effects of a demographic risk on saving［J］.Louvain Economic Review，1998，64（3）：269-291，359.

［25］王軍洋.穩(wěn)定的邏輯：社會狀態(tài)的政治區(qū)隔與類型演化［J］.探索與爭鳴，2015（3）：87-94.

［26］張鵬楊，唐宜紅.新冠疫情、國內(nèi)供應(yīng)鏈沖擊與省域經(jīng)濟發(fā)展［J］.財經(jīng)論叢，2022（9）：14-24.

［27］李袁園.東北地區(qū)人口年齡結(jié)構(gòu)老化對經(jīng)濟發(fā)展影響的作用機制研究［J］.東北師大學(xué)報（哲學(xué)社會科學(xué)版），2022（5）：127-138.

［28］王晗，劉鑒，房艷剛.東北地區(qū)人口老齡化的多尺度時空演變及影響因素［J］.地域研究與開發(fā)，2021（6）：147-153.

［29］劉莉.中國老齡化成本的特征與風(fēng)險防范體系構(gòu)建［J］.浙江社會科學(xué)，2013（12）：92-98，158.

［30］馬佳羽，韓兆洲，蔣青嬗.粵港澳大灣區(qū)經(jīng)濟發(fā)展：空間格局、影響因素與啟示——基于兩級行政區(qū)分層數(shù)據(jù)［J］.數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2021（11）：43-61.

Echelon Structure and Dynamic Evolution of Chinas Population Aging Risk Distribution

LEI Ting， GUO Juan， XIANG Chuan

（School of Politics and Public Administration， Xinjiang University，Urumqi 830046， China）

Abstract： China officially entered an aging society in the early 21st century， and the concentrated distribution of aging risk first appeared in the eastern region in 2010. Based on the panel data of Chinas population and economic and social development from 2010 to 2020， this paper uses PSR model to construct assessment indicators from three dimensions of pressure， state and response. Entropy weight TOPSIS and systematic clustering methods are used to analyze the risk level， regional differences and dynamic evolution trend of Chinas population aging. The results show that：1） The proportion of the elderly population， the natural growth rate of population and the consumer price index are the important indicators of the risk coefficient of population aging in China. The risk of population aging in China shows obvious U－shaped distribution and spatial imbalance. 2） Based on systematic cluster analysis， 31 provinces （municipalities， autonomous regions） in China can be divided into five risk gradients. Guangdong Province is the “depression” of aging risk in China， which is in the “golden period” of the layout of aging industry， while Jilin Province is the “highland” of aging risk， which is facing the severe challenge of aging risk. 3） The risk level of population aging in China shows a spiral trend of decreasing in the middle period and increasing in the later period， showing the imbalance of regional echelon distribution. The risk of population aging in Northeast China is deepening， and the absolute difference is decreasing gradually. The risk of population aging in the eastern， central and western regions shows a fluctuating trend of decreasing first and then increasing， accompanied by polarization effect. Under the background of the continuous deepening of population aging， it is of great significance to clarify the reality of the development of population aging and clarify the specific rules of its distribution echelon structure and evolution to master the key points of aging work and form a good situation of “coping with aging risk echelon”.

Keywords：population aging risk；PSR model；risk hierarchy

［責(zé)任編輯 崔子涵，方 志責(zé)任編輯 ］

收稿日期：2022-05-02;修訂日期：2022-09-30

基金項目：國家社會科學(xué)基金項目“脫貧攻堅后續(xù)政策視野下的新疆貧困地區(qū)城鄉(xiāng)居民基本養(yǎng)老保險創(chuàng)新改革研究”（20BGL005）。

作者簡介：雷霆，新疆大學(xué)政治與公共管理學(xué)院教授；郭娟，新疆大學(xué)政治與公共管理學(xué)院碩士研究生；向川，新疆大學(xué)政治與公共管理學(xué)院碩士研究生。