EN中文

地理科学 >

2022 , Vol. 42 >Issue 5: 851 - 862

DOI: https://doi.org/10.13249/j.cnki.sgs.2022.05.011

青藏高原环境变化与人类活动专栏

新时代老龄化与养老资源适配度时空差异及其影响因素分析

  • 吉宇琴 ,
  • 姜会明 , *
展开
  • 吉林农业大学经济管理学院，吉林 长春 130118
姜会明。E-mail:

吉宇琴（1993−），女，江苏南通人，博士研究生，主要从事经济地理和社会地理研究。E-mail:

收稿日期: 2021-10-21

  修回日期: 2021-12-29

  网络出版日期: 2022-05-20

基金资助

吉林省科技厅软科学项目(20200101094FG)

吉林省科技厅软科学项目(2021JLSKZKZB022)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Spatial and Temporal Differences and Influencing Factors of the Adaptation Degree of Aging and Pension Resources in the New Era

  • Ji Yuqin ,
  • Jiang Huimin , *
Expand
  • College of Economics and Management, Jilin Agricultural University, Changchun 130118, Jilin, China

Received date: 2021-10-21

  Revised date: 2021-12-29

  Online published: 2022-05-20

Supported by

Soft Science Project of Jilin Provincial Department of Science and Technology(20200101094FG)

Jilin Province "Thirteenth Five-Year" Think Tank Planning Fund Project(2021JLSKZKZB022)

Copyright

Copyright reserved © 2022.
Fold

摘要

运用核密度估计、耦合协调模型、空间杜宾模型等方法对中国老龄化、养老资源配置、养老资源配置与老龄化适配度的演化格局进行了探讨，并揭示空间适配的影响因素，研究发现：① 中国老龄化程度不断上升，且呈现“东高西低”空间特征；② 中国养老资源配置整体水平提高，空间分布上离散程度上升，各省（区、市）之间的绝对差异随着时间的推移呈扩大态势；③ 各省（区、市）养老资源与老龄化的空间适配度明显改善，适配度呈现东部沿海向中西部递减的发展格局，空间集聚程度不断提高；④ 养老投资、政策关注度、养老相关志愿者、老年人抚养比均推动本地养老资源与人口老龄化的空间适配，养老相关志愿者、老年人抚养比还具有明显的正向溢出效应，而老年人协会则抑制周边地区养老资源空间适配。

关键词： 新时代老龄化; 养老资源; 空间适配; 杜宾模型

本文引用格式

吉宇琴 , 姜会明 . 新时代老龄化与养老资源适配度时空差异及其影响因素分析[J]. 地理科学, 2022 , 42(5) : 851 -862 . DOI: 10.13249/j.cnki.sgs.2022.05.011

Abstract

Whether the supply of pension resources matches the degree of aging is related to the allocation efficiency of pension resource and the welfare level of the elderly enjoying the related services equally. In the new era, the elderly in China have undergone profound changes in lifestyle, quality of life and life philosophy. Based on the needs of aging in the new era, rational allocation of old-age resources is of great significance for implementing the national strategy of actively responding to aging and promoting the high-quality development of the cause of aging. Using kernel density estimation, coupled coordination model and spatial Durbin model, this study discusses the evolution pattern of aging, the allocation of pension resources and the adaptation degree between the allocation of pension resources and aging in China. The study also reveals the influencing factors of the spatial adaptation between the allocation of pension resources and China’s aging. The results show that: 1) The degree of aging in China is increasing, and it presents the spatial characteristics of “high in the east and low in the west”. 2) In China, the overall level of pension resources allocation has been improved, and the degree of spatial dispersion has increased. The absolute difference between provinces (autonomous regions and municipalities) has expanded with the passage of time. 3) The spatial adaptation between pension resources and aging has improved significantly, but the spatial heterogeneity is prominent, showing a declining development pattern from the eastern coast to the central and western regions as a whole; the agglomeration degree of spatial adaptation changes from strong to weak and then to strong. On the whole, the spatial agglomeration degree is constantly improving, but with the migration of time, it has a polarization trend. 4) The spatial adaptation between pension resources and aging has a significant positive spatial spillover effect. Among the influencing factors, pension investment and policy attention can promote the spatial adaptation of pension resources and population aging in this region; the elderly association reduces the spatial adaptability of the allocation of pension resources in neighboring provinces through spillover effect; the dependency ratio of old-age volunteers and the elderly can not only effectively promote the spatial adaptation of pension resources and aging in this province, but also improve the spatial adaptation of pension resources in neighboring provinces; the role of old-age institutions in spatial adaptation of pension resources is not obvious.

Key words： aging in the new era; pension resources; space adaptation; Doberman model

老龄化是当前人口发展的重要趋势，也是中国在今后较长一段时间需要面对的基本国情。2021年第七次全国人口普查数据显示，中国60岁及以上人口数量达2.6亿人，占总人口的18.70%，与第六次人口普查数据相比提高了5.44%，预计“十四五”中国将进入中度老龄化阶段( http://www.gov.cn/guoqing/2021-05/13/content_5606149.htm)。新时代中国老年人在生活方式、生活质量、生活理念等方面发生了深刻的转变：养老模式由传统的家庭养老为主向机构养老、社区养老等多社会主体养老模式转变；健康追求从注重疾病诊疗向强化健康管理、重视医养结合转变；物质文化需求由基础性物质需求向精神和自我尊重、自我实现的社会参与型需求转变，这就对新时代养老体系与养老资源配置提出了新的挑战。2021年11月《中共中央国务院关于加强新时代老龄工作的意见》指出加强新时代老龄工作，应秉持积极老龄观、健康老龄观，统筹发展老年人养老服务、健康服务、社会保障、社会参与、权益保障等（ http://gov.cn/zhengce/2021-11/24/content_5653181.htm）。可见，新时代老龄化关注的不仅仅是老年人的身体健康，也同样囊括了老年人的经济、精神、文化等多个方面。基于新时代老龄化需求，如何合理构建新型养老体系、合理配置养老资源对实施积极应对老龄化国家战略、推动老龄事业高质量发展具有重要的意义。
人口老龄化作为世界性问题，早已备受国内外关注，而养老资源的合理配置是积极应对人口老龄化的关键措施。国外学者不仅从城乡视角[1]、民族视角[2]探讨人口老龄化的地区性差异，而且从医疗保健设施区域分布[3]、养老金发放的区域不平等[4]、体育文化中心的空间可获得性[5]等方面分析养老资源的空间配置。国内学者在老龄化与养老资源方面的时空差异分析也有一定的研究基础，他们从省、市、县等多个尺度对不同地区老龄化的时空演变趋势进行了分析[6~9]，也探究了养老资源的空间分布模式[10~13]以及养老机构等某一方面公共设施的空间可达性[14,15]，却忽略了养老资源的全面性。国内外学者研究发现生育率[16]、经济发展条件[17,18]、文化水平[19]以及生育政策[20]等是影响老龄化的重要因素，城镇化率[21]、机构类型[22]、政府财政支出[23,24]、政府干预能力[25,26]等是影响养老资源配置效率的重要因素。而对于老龄化与养老资源之间关系的研究多数集中于定性分析[27,28]，定量分析中老龄化常被用来作为养老资源配置的影响因素[29]，却鲜有人探讨养老资源配置与老龄化之间的空间适配度。
养老资源供给与老龄化程度是否匹配关系到养老资源的配置效率以及老年人均等享受老年相关服务的福利水平。基于此，在借鉴前人研究的基础上，本文依据新时代老年生活的需要构建养老资源配置体系，并从省级尺度解构中国老龄化与养老资源配置的时空格局，然后尝试从耦合协调视角考察养老资源配置与老龄化的适配度及其空间分布，最终探讨影响二者适配度的各类因素，为促进中国养老资源高效配置和协调发展提供科学依据。

1 数据来源与方法

1.1 数据来源

本研究选择中国31个省（区、市）（不含港澳台）为研究对象，因为研究的是“新时代”老龄化与养老资源的演变特征，故选择2012—2019年为研究时段。文中所使用的老龄化测度数据、养老资源配置数据、以及适配度影响因素的数据来源于2013—2020年《中国统计年鉴》[30]、《中国民政统计年鉴》[31]、《中国卫生健康统计年鉴》[32]、《中国文化文物和旅游统计年鉴》[33]、《中国劳动统计年鉴》[34]。个别缺失数据用近邻年份数据进行差补[35]。

1.2 研究方法

1）熵值法。熵值法利用信息熵这个工具，可以计算出各项指标的客观权重，能够避免主观判断所带来的偏差[36]。本文利用熵值法计算养老资源各评价指标的权重，再根据权重和评价指标标准化数值测度中国养老资源的配置水平。
2）核密度估计。核密度估计法常被用来揭示目标对象随时间变化的分布趋势，常被用于空间非均衡分析中[37]。本文利用核密度估计法揭示考察期内中国养老资源配置水平随时间变化的动态演进过程以及各地区之间配置水平的差异。
3）空间适配测度模型。耦合协调模型可以反映两个及以上系统之间的耦合协调程度[38]。本文引用耦合协调模型测算得出的耦合协调度表征老龄化与养老资源之间的适配度。
4）空间自相关分析。运用全局Moran’s I指数和Moran散点图对中国养老资源与老龄化的适配度进行空间关联性和空间集聚特征的分析。

1.3 养老资源配置指标体系构建

本研究基于新时代老龄化需求，在遵循科学性、完备性等原则的基础上，结合相关研究[39,40]，构建养老资源配置指标体系。分别从养老服务、健康服务、社会保障、社会参与、权益保障这5个层面综合考虑，并对各个一级指标进行细化和分解，最终采用熵值法确定各指标权重，形成养老资源配置评价体系（表1）。
表1 养老资源配置测度指标体系

Table 1 Pension resource allocation measurement index system

一级指标 二级指标 三级指标 权重
养老服务 养老机构 每万老人拥有养老机构单位数 0.033
每万老人拥有养老机构床位数 0.038
每万老人养老机构职工人员数 0.032
社区养老 每万老人社区养老机构和设施数 0.065
每万老人社区养老床位数 0.059
每万老人社区养老职工人员数 0.049
健康服务 医疗服务 每万名老人医疗机构数 0.013
每万名老人医疗机构床位数 0.008
每万名老人卫生人员数 0.011
护理服务 每万名老人护理院数量 0.084
每万名老人护理院床位数 0.126
每万名老人养老护理员数量 0.063
社会保障 老年人福利补贴 老人人均福利补贴 0.057
老龄补贴人数占老年人比例 0.043
社会保险参保率 养老保险参保率 0.009
医疗保险参保率 0.014
社会参与 体育 每万名老人老年活动设施数量 0.046
文化 群众文化机构为老年人组织专场次数 0.098
老年大学个数 0.098
权益保障 法律维权 老年法律援助中心个数 0.028
老年人维权协调组织数 0.026

2 新时代老龄化与养老资源配置的时空演变分析

2.1 新时代老龄化时空演变特征

根据中国60岁以上人口占总人口的比重计算出老龄化程度。2012—2019年中国老龄化程度不断上升，从2012年的0.131上升到2019年的0.180。按照国际通用标准[41]，当一个国家或者地区60岁以上老年人口占总人口比例达到10%，表明进入老龄化社会。老龄化程度10%~20%，表明处于轻度老龄化阶段；老龄化程度20%~30%，则为中度老龄化，30%~35%为重度老龄化，超过35%则为深度老龄化。2012—2019年中国一直处于轻度老龄化的状态，但已接近中度老龄化的临界点。
为了解中国老龄化空间演化特征，运用ArcGIS软件的自然断裂法，将老龄化程度划分为3个层次（图1），中国各省（区、市）老龄化的空间分布具有明显的空间差异。整体来看，中国老龄化呈现“东高西低”空间特征，2012年老龄化程度主要以轻度老龄化和尚未进入老龄化为主，2019年老龄化程度明显加深，基本进入轻度老龄化阶段，且东中西部①(中东西部划分参见网址http://www.stats.gov.cn/tjsj/tjbz/index.html.)均出现中度老龄化地区，尤以东部地区较为突出。就省域层面而言，2012年步入老龄化的省（区、市）有26个，均处于轻度老龄化阶段，其中超过全国平均水平（13.1%）的地区有17个，重庆市的老龄化程度最高达19.6%。内蒙古、广东、西藏、青海、宁夏60岁以上人口占比较低，不足10%，尚未进入老龄化阶段。2019年，除了西藏，其余30个省（区、市）均进入老龄化阶段，且天津、河北、辽宁、吉林、黑龙江、上海、江苏、山东、重庆、四川这10个地区已经进入中度老龄化阶段，辽宁、黑龙江、上海位列前三。
图1 2012年和2019年中国老龄化程度的时空演变

依据审图号GS（2019）1831制图，底图未修改；未含港澳台数据

Fig. 1 The temporal and spatial evolution of China's aging degree in 2012 and 2019

2.2 养老资源配置时空演变特征

新时代中国养老资源时序特征如图2所示。2012—2019年养老资源配置整体水平呈现上升趋势，养老资源配置综合得分由2012年的0.193上升到2019年的0.291。特别是2014—2015年养老资源配置水平上升速度明显，2016年之后养老资源配置水平上升速度放缓，但整体趋势仍然保持上升。通过对养老资源配置的5个层面指标得分分析可以看出，养老资源中养老服务、健康服务、社会保障、社会参与这4个方面的得分整体均呈现明显的上升趋势，其中健康服务、社会保障得分增速显著，说明随着老龄化程度的上升，中国对老年人医疗、护理以及福利补贴等方面给予了较大的重视。2012—2019年老年人权益保障得分水平较低，且无明显上升，表明中国在老年人法律援助与维权方面的资源供给较为欠缺。
图2 2012—2019年中国养老资源配置水平时序发展特征

未含港澳台数据

Fig. 2 Time series development characteristics of China’s pension resource allocation level in 2012-2019

为了清晰地展示养老资源配置的空间特征，本研究将养老资源配置水平进行了空间可视化表达（图3）。基于空间格局演化视角，中国各省（区、市）养老资源的配置水平具有明显的空间异质性，运用ArcGIS软件的自然断裂法，根据各地区养老资源实际得分，将其养老资源水平划分为5个层次，分别为低水平(0~0.059)、较低水平（0.060~0.072）、中等水平（0.073~0.101）、较高水平（0.102~0.126）、高水平（0.127~0.140）。2012年中国整体养老资源配置水平较低，东部地区天津、河北、福建、海南，中部地区黑龙江、安徽、江西、河南、湖北、湖南，西部地区广西、贵州、云南、甘肃、青海这15个地区的养老资源配置处于低水平，占全国的48.39%。2012年养老资源配置处于较高水平和高水平的仅有上海、吉林和北京，仅占全国的9.68%，且主要位于东部地区。2019年中国整体养老资源配置水平上升，以中等及以上水平为主。养老资源配置为低水平的地区由2012年的15个下降至1个（安徽），仅占全国的3.23%，而安徽省整体得分水平在7 a间上升了16.33%。2019年养老资源配置处于较高水平和高水平的省（区、市）上升至17个，占全国的54.84%，其中上海、江苏、浙江、青海的养老资源配置属于高水平。
图3 2012年和2019年中国养老资源配置时空演化

依据审图号GS（2019）1831制图，底图未修改；未含港澳台数据

Fig. 3 The temporal and spatial evolution of China’s pension resource allocation in 2012 and 2019

为了获取中国不同省（区、市）间养老资源配置绝对差异的动态信息，文章采用核密度估计对不同时期养老资源的分布位置、态势、延展性进行考察，以便了解其空间分布动态演变趋势。为了确保核密度非参数估计结果的精准性，本文选取2012年、2014年、2016年和2019年的配置水平作为观测样本。图4展示了中国各省（区、市）养老资源配置水平的动态演进趋势。中国养老资源配置的核密度估计函数中心随着时间变化持续向右移动，说明中国养老资源配置由低水平向高水平演进。养老资源配置水平的主峰峰值呈现波动下降，并且曲线宽度表现为先变宽之后略微收窄，这说明中国养老资源配置水平的离散程度上升，各地区之间的绝对差异随着时间的推移呈扩大态势。从核密度曲线的延展性得知，养老资源配置存在明显右摆尾现象，延展性呈现先拓宽后收窄趋势，表明中国养老资源配置水平高的地区与配置水平低的地区之间的差距在观测期内缩小。
图4 2012—2019年中国养老资源配置水平核密度估计

未含港澳台数据

Fig. 4 Kernel density estimation of China’s pension resource allocation level in 2012-2019

3 养老资源配置与老龄化适配度的演化格局分析

3.1 时空演化特征

老龄化程度的上升需要养老资源配置水平的不断提高，而二者之间的适配度是影响新时代老年人美好生活需要的重要决定因素。为了进一步探究养老资源与老龄化之间的适配度，对二者进行耦合协调度的测算，并将空间适配值归类结果进行可视化处理（图5）。根据空间适配度的实际数据特征，将计算出的空间适配值划分为9个区间：<0.100为严重错配，0.101~0.200为中度错配，0.201~0.250为轻度错配，0.251~0.300为勉强适配，0.301~0.350为初级适配，0.351~0.400为中级适配，0.401~0.450为良好适配，0.451~0.500为优质适配，>0.500为超前发展。基于时间演化视角而言，2012年中国养老资源与老龄化之间的空间适配度以轻度错配和勉强适配为主，整体适配度较低。2012年养老资源与老龄化之间属于错配关系的有20个省（区、市），占全国的64.52%，勉强适配及以上的有11个，其中勉强适配的为辽宁、浙江、山东、广东、重庆、四川、陕西和新疆，初级适配的为北京、上海和江苏，仅占全国的9.68%，可以明显看出经济发展条件较好的地区适配度较高。2019年养老资源与老龄化之间的错配情况明显改善，说明随着老龄化程度的加深，各地区愈加重视老年生活的需要，增加了养老相关资源的供给，从而提高了养老资源与老龄化的空间适配度。2019年有26个省（区、市）养老资源与老龄化的空间适配度达到初级适配及以上，占全国的83.87%。上海是养老资源与老龄化空间适配度最高的地区，这主要得益于上海突出的资源优势与坚实基础。虽然2012—2019年各省（区、市）养老资源与老龄化的空间适配度在不同程度上均有了提升，但空间差异性显著。2012年东中西部地区多数处于勉强适配、轻度错配、轻度错配阶段，2019年分别提高到中度适配、初级适配、初级适配阶段，从适配值来看，整体呈现东部沿海向中西部递减的发展格局。
图5 2012年和2019年养老资源与老龄化的空间适配演化格局

依据审图号GS（2019）1831制图，底图未修改；未含港澳台数据

Fig. 5 Evolution pattern of spatial adaptation between pension resources and aging in 2012 and 2019

3.2 养老资源与老龄化空间适配度的空间相关性分析

3.2.1 全局空间自相关

表2为2012—2019年养老资源与老龄化空间适配度的全局Moran’s I指数。由表2可知，2012—2019年全局Moran’s I指数均大于0，半数年份的Z值大于1.96，P值小于0.05，通过了显著性检验，说明相邻地区的空间适配度呈显著的空间自相关，整体呈现集聚态势。2012—2019年全局Moran’s I指数呈现先下降后上升的波动上升趋势，表明2012—2019年养老资源与老龄化适配度的集聚程度由强变弱再变强，整体而言空间集聚程度不断提高。
表2 2012—2019年养老资源与老龄化适配度全局Moran’s I指数及检验

Table 2 Global Moran’sIindex and test of the fit degree of pension resources and aging in 2012-2019

年份 2012 2013 2014 2015 2016 2017 2018 2019
　　注：未含港澳台数据。
Moran’s I 0.149 0.204 0.190 0.126 0.084 0.122 0.179 0.292
Z 1.723 2.203 2.080 1.484 1.097 1.462 2.016 3.066
P 0.042 0.014 0.019 0.069 0.136 0.072 0.022 0.001

3.2.2 局部空间自相关分析

由Moran散点图（图6）可以发现，2012年局部Moran’s I指数为0.214，且第二象限（低–高）与第三象限（低–低）的点数明显高于第一象限（高–高）与第四象限（高–低）的点数，说明中国大多数省（区、市）处于适配度低的地区被适配度高的地区包围或者适配度低的地区形成集聚区。位于第二象限的地区（低–高）有天津、河北、安徽、福建、江西、河南、湖北、海南、甘肃共9个地区，该类型的省（区、市）与位于第一象限（高–高）的省市上海、江苏、浙江、山东、重庆、陕西相邻，存在一定的人才、资金、基础设施等资源的流失，产生虹吸效应，导致其空间适配度较低。山西、内蒙古、吉林、黑龙江、广西、贵州、云南、西藏、青海这9个省区位于第三象限（低–低），具有显著的空间正相关，且主要分布于中部与西部地区，经济发展水平较低，制约了空间适配度的提高。2014年、2016年与2019年的局部Moran’s I指数分别为0.297、0.123、0.391，且原本位于第二象限（低–高）的省市逐渐向第一象限（高–高）转移，最终形成第一象限（高–高）与第三象限（低–低）的点数高于第二象限（低–高）与第四象限（高–低）的局面。说明随着时间的迁移，空间适配度相近的省（区、市）发生了集聚，且具有两极分化的趋势。空间适配度较高的省（区、市）对周边区域产生了较强的辐射作用，带动了养老资源的共同发展；而空间适配度较低的省（区、市）自身养老、医疗以及社会保障水平等较低，且周边相邻省（区、市）的情况类似，导致无法产生相互促进作用与拉动作用，陷入低谷。
图6 全国养老资源与老龄化空间适配Moran's I散点图

未含港澳台数据

Fig. 6 Moran scatter plot of national pension resources and spatial adaptation of aging

4 养老资源与老龄化空间适配的影响因素分析

4.1 影响因素选取

参考以往文献，综合考虑养老资源与老龄化的影响因素，本文从资金、组织、人才、政策、需求这5个方面选取空间适配的影响因素。①资金。资金亦或财政投入对养老资源配置的影响早已得到广泛证明[42]。考虑是养老方面的资金，采用中央专项投资中养老投资金额（x1）作为衡量资金的指标。②组织。相关组织在整合养老资源、弥补服务不足方面已取得一定成效，并得到广泛关注[43]。本文选择的组织既包括政府单位也包括社会组织，故选择老龄事业机构单位数(x2)和老年人协会数(x3)作为衡量组织的指标。③人才。养老资源的合理配置离不开“人”的参与，志愿者具有因地制宜、成本较低的优势[44]，采用老年相关社会工作志愿者数量(x4)作为衡量人力资本的指标。④政策。养老服务相关政策决定了养老资源供给的数量与质量[45]。以“老年”为关键词在各省（区、市）政府网站进行搜索，出现的条目数(x5)作为衡量养老相关政策的关注度。⑤需求。养老需求对养老资源供给存在影响，进而影响空间适配度。赡养负担较重的家庭对社会养老资源的需求较大[46]，采用老年抚养比(x6)作为衡量需求的指标。

4.2 模型选择

养老资源与老龄化空间适配是由资金、政策、人才、组织等多种因素影响下的结果，由于养老资源与老龄化空间适配具有明显的空间相关性，若采用传统的线性回归，会使回归结果产生偏误，因此本文采用空间计量模型进行养老资源与老龄化空间适配的影响因素分析。参考Elhorst的检验思路[47]，运用软件Stata15.0对空间计量模型SLM、SEM、SDM模型进行选择，通过LR检验和Wald检验发现结果均在1%水平上显著，表明拒绝了SDM模型可以退化为SLM或SEM的原假设，说明采用SDM模型的可信度更高。另外，Hausman的检验结果也通过了显著性检验，说明采用固体效应比随机效应更佳[48]。因此本文采用SDM模型进行估计时均控制了省份的时间效应和个体效应。

4.3 回归结果分析

表3是空间杜宾模型的回归结果，为了防止点估计检验空间溢出可能存在的偏误问题，本文对溢出效应进行分解，得到直接效应、间接效应与总效应。表3中回归结果可以看到，Spatial rho系数为0.335，说明养老资源与老龄化空间适配度具有显著的正向空间溢出效应。具体来看，资金方面，养老投资的直接效应在10%水平上显著，而间接效应没有通过显著性检验，说明养老投资对当地养老资源与老龄化的空间适配度具有显著的直接影响，但并不存在明显的溢出效应。组织方面，老龄化事业机构的局部效应与溢出效应都不显著，表明老龄化事业机构的数量并不会影响当地或周边省份的空间适配度，可能的原因是各省（区、市）老龄事业机构数量相对较少，致使其显著性缺失。老年人协会的局部效应没有通过显著性检验，但溢出效应显著。效应分解显示老年人协会的间接影响为−0.078，且在1%水平上显著，说明当地老年人协会数量的增加会通过溢出效应降低周边省份养老资源配置的空间适配性。人才方面，养老相关志愿者的数量越多，养老资源与老龄化的空间适配度越高，同时具有一定的溢出效应。而从分解效应来看，养老相关志愿者的直接效应系数为0.016，间接效应系数为0.061，均在1%水平上显著，且相较于直接效应，间接效应的影响程度更大，这意味着养老相关志愿者数量的增加不仅能够有效促进本省份养老资源与老龄化空间适配度的提高，同时也会提高相邻省份养老资源的空间适配度。政策方面，政策关注度对养老资源空间适配度的直接效应显著为正，说明政府的相关养老政策促进了本地养老资源适配度的提高。但是政策关注度的间接效应与总效应为负，且均不显著，说明政府养老政策在各地区间的负向效应部分抵消了本地区内的正向直接效应，进而导致总效应不显著，究其原因可能是各地区采取的养老政策产生了虹吸效应，抑制了周边地区的空间适配度的提高，形成了竞争机制。需求方面，老年抚养比直接效应与间接效应均显著为正，说明老年抚养比越高，养老资源适配度越高，且具有一定的溢出效应。一个地区老年赡养负担越重，其养老资源供给能力越强，相应的养老资源的适配度也就越高，同时也会提高周边地区养老资源的供给能力。
表3 养老资源与老龄化空间适配度影响因素的空间杜宾模型回归结果

Table 3 Regression results of spatial Doberman model of factors influencing pension resources and spatial adaptation degree of aging

变量 （1）溢出效应 （2）效应分解
局部效应系数 溢出效应系数 直接效应 间接效应 总效应
　　注：常数项为1.122***；Spatial rho为0.335***；R2为0.703；Log-likelihood为294.313；Hausman test为13.01***；*、**、***分别表示在10%、5%和1%水平上显著； x1为养老投资金额； x2为老龄事业机构单位数； x3为老年人协会数； x4为老年相关社会工作志愿者数量；x5为以“老年”为关键词在各省（区、市）政府网站进行搜索出现的条目数； x6为老年抚养比；不包含港澳台数据。
Ln(x1) 0.019* −0.005 0.020* 0.004 0.024
Ln(x2) −0.015 0.030 −0.014 0.036 0.022
Ln(x3) −0.001 −0.054** −0.004 −0.078*** −0.082**
Ln(x4) 0.012*** 0.039*** 0.016*** 0.061*** 0.077***
Ln(x5) 0.015*** −0.021* 0.014*** −0.021 −0.007
Ln(x6) 0.067 0.316*** 0.096** 0.477*** 0.573***

5 结论与讨论

5.1 结论

本文运用多种空间分析方法对中国老龄化、养老资源配置、养老资源配置与老龄化的适配度的演化格局进行了探讨，并揭示了养老资源与老龄化适配度的影响机制，得出以下结论：① 2012—2019年中国老龄化程度不断上升，已接近中度老龄化的临界点，且具有明显的空间差异，整体来看，中国老龄化呈现“东高西低”空间特征。② 中国养老资源配置整体水平呈现上升趋势，其中健康服务、社会保障得分增速显著，老年人权益保障得分水平较低，且无明显上升。空间差异上，养老资源配置水平的离散程度上升，各省（区、市）之间的绝对差异随着时间的推移呈扩大态势，养老资源配置水平高的地区与配置水平低的地区之间的差距在观测期内缩小。③ 2012—2019年各省（区、市）养老资源与老龄化的空间适配度在不同程度上均有了提升，达到初级适配及以上的地区由2012年的9.68%上升到2019年的83.87%。养老资源与老龄化适配度空间异质性突出，整体呈现东部沿海向中西部递减的发展格局；空间适配的集聚程度由强变弱再变强，整体而言空间集聚程度不断提高，但随着时间的迁移，具有两极分化的趋势。④ 养老资源与老龄化空间适配具有显著的正向空间溢出效应。养老投资、政策关注度均能推动本地区养老资源与人口老龄化的空间适配；老年人协会通过溢出效应降低周边地区养老资源配置的空间适配性；养老相关志愿者、老年人抚养比不仅能够有效促进本地区养老资源与老龄化空间适配度的提高，同时也会提高周边地区养老资源的空间适配度；老龄事业机构对养老资源空间适配的作用尚不明显。

5.2 讨论

积极应对老龄化，满足老年人“老有所养、老有所依、老有所为、老有所学、老有所乐”的新时代需求是当今社会需要解决的重大问题，探讨新时代中国各省（区、市）养老资源与老龄化的适配度及其影响因素对于老龄化日益严重的情况下新型养老资源的合理配置具有重要的意义。应继续加大政府养老资源公共财政投入，明晰政府提供基本养老服务清单，鼓励企业、非政府组织等多方社会资本参与养老资源福利供给；强化社区养老职责，支持以社区为单位发展养老组织、丰富养老服务供给、增设老年公共文化设施；增强老年人协会在养老体系中的地位，充分发挥老年人协会的服务作用，增加老年人社会参与；调动志愿者参与社会养老的积极性，壮大志愿者服务队伍，提升志愿者素质，引导志愿者在养老机构、老年大学、老年法律援助中心等地发挥积极作用；注重加强各地区之间的合作，促进各地区养老资源配置的协同发展，提高养老资源与老龄化的适配度，特别要重视农村养老问题，精准地引导社会资源发展农村互助式养老服务。鉴于各省（区、市）内部的资源禀赋、老龄化程度、经济发展条件等差异性较大，未来将继续对市、县级等不同空间尺度进行细化研究，尤其是对分层分类分地区养老资源配置中的具体短板做进一步探讨，提高养老政策精准度。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Paula Santana. Ageing in Portugal: Regional iniquities in health and health care[J]. Social Science & Medicine, 2000, 50(7): 1025-1036.

[2]
Timothy Heleniak. Geographic aspects of population aging in the Russian Federation[J]. Eurasian Geography and Economics, 2003, 44(5): 325-347.

DOI

[3]
Kristin M Dosen. Code Grey: Mapping healthcare service deserts in Hamilton, Ontario and the impact on senior populations[J]. Cartographica:The International Journal for Geographic Information and Geovisualization, 2017, 52(2): 125-131.

DOI

[4]
Hannah Grove. Ageing as well as you can in place: Applying a geographical lens to the capability approach[J]. Social Science & Medicine, 2021, 288: 113525

[5]
Ricardo Pérez-Cuevas. A social health services model to promote active ageing in Mexico: Design and evaluation of a pilot programme[J]. Ageing & Society, 2015: 1457-1480.

[6]
刘鉴, 杨青山, 张郁, 等. 东北三省县级尺度人口老龄化空间格局演变及类型划分[J]. 地理科学, 2020, 40(6): 918-927.

Liu Jian, Yang Qingshan, Zhang Yu et al. Spatial patterns evolution and classification of population aging in the three provinces of Northeast China based on the county scale. Scientia Geographica Sinica, 2020, 40(6): 918-927.

[7]
万春林, 张卫, 邓翔. 中国人口老龄化的制度背景与时空演变[J]. 四川大学学报(哲学社会科学版), 2020(5): 140-152.

Wan Chunlin, Zhang Wei, Deng Xiang. The institutional background and spatial-temporal evolution of population aging in China. Journal of Sichuan University ( Philosophy and Social Science Edition), 2020(5): 140-152.

[8]
刘振, 齐宏纲, 戚伟, 等. 1990~2010年中国人口收缩区分布的时空格局演变——基于不同测度指标的分析[J]. 地理科学, 2019, 39(10): 1525-1536.

Liu Zhen, Qi Honggang, Qi Wei et al. Temporal-spatial pattern of regional population shrinkage in China in 1990-2010: A multi-indicators measurement. Scientia Geographica Sinica, 2019, 39(10): 1525-1536.

[9]
郭金铭, 谢贤健, 李永飞, 等. 四川省老龄化时空演变及影响因素[J]. 南方人口, 2019, 34(1): 56-71.

DOI

Guo Jinming, Xie Xianjian, Li Yongfei et al. The spatial-temporal evolution and influencing factors of aging in Sichuan Province. South China Population, 2019, 34(1): 56-71.

DOI

[10]
林雷, 刘黎明. 北京市养老服务设施供需空间配置评价研究[J]. 数理统计与管理, 2020, 39(6): 1022-1031.

Lin Lei, Liu Liming. Research on the evaluation of supply and demand space allocation of Beijing pension service facilities. Journal of Applied Statistics and Management, 2020, 39(6): 1022-1031.

[11]
程敏, 崔晓. 基于多目标改进免疫算法和GIS的养老机构空间配置优化研究——以上海市虹口区为例[J]. 地理科学, 2018, 38(12): 2049-2057.

Cheng Min, Cui Xiao. Spatial optimization configuration of the residential care homes based on the multi-objective improved immune algorithm and GIS: A case study of Hongkou district in Shanghai. Scientia Geographica Sinica, 2018, 38(12): 2049-2057.

[12]
封铁英, 马朵朵. 包容性发展视域下社区居家养老服务资源密度分布与均等化评估[J]. 西北大学学报(哲学社会科学版), 2020, 50(4): 108-119.

Feng Tieying, Ma Duoduo. Evaluation on the resource density distribution and equalization of community home-based services for the elderly from the perspective of inclusive development. Journal of Northwest University (Philosophy and Social Sciences Edition), 2020, 50(4): 108-119.

[13]
毕向阳, 李沫. 在公平与效率之间: 对北京市养老资源的空间分析[J]. 社会, 2020, 40(3): 117-147.

Bi Xiangyang, Li Mo. Equity vs efficiency: A spatial analysis of residential aged care resources in Beijing. Chinese Journal of Sociology, 2020, 40(3): 117-147.

[14]
史薇. 北京市机构养老床位资源的时空格局及影响因素——以城六区为例[J]. 调研世界, 2019(11): 14-21.

Shi Wei. The spatial and temporal pattern and influencing factors of institutional pension bed resources in Beijing: Taking the six urban districts as an example. The World of Survey and Research, 2019(11): 14-21.

[15]
姜磊, 陈星宇, 朱竑. 中国城市养老院的空间分布特征及其分异成因[J]. 地理学报, 2021, 76(8): 1951-1964.

DOI

Jiang Lei, Chen Xingyu, Zhu Hong. The spatial heterogeneity distribution of Chinese urban nursing homes and socio-economic driving factors. Acta Geographica Sinica, 2021, 76(8): 1951-1964.

DOI

[16]
Belyakov A O, Kurbatskiy A N, Prettner K. The growth effects of anticipated versus unanticipated population aging[J]. Journal of Mathematical Economics, 2021, 94: 102457.

DOI

[17]
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[J]. 地理科学, 2020, 40(5): 768-775.

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.

[18]
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[J]. 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

[19]
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[J]. 经济地理, 2020, 40(4): 164-174.

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.

[20]
倪宣明, 韦江, 文伟. 人口政策对老龄化的影响预测——基于出生侧和死亡侧模型分析[J]. 系统工程理论与实践, 2020, 40(1): 69-78.

DOI

Ni Xuanming, Wei Jiang, Wen Wei. Prediction of the impact of population policies on aging problem: An analysis model based on birth and death side. System Engineering-Theory & Practice, 2020, 40(1): 69-78.

DOI

[21]
尹成远, 仲伟东. 城乡居民基本养老保险制度效率省域差异及其影响因素[J]. 现代财经(天津财经大学学报), 2021, 41(8): 51-63.

Yin Chengyuan, Zhong Weidong. Provincial difference in the efficiency evaluation of urban and rural residents’ basic pension insurance system and its influencing factor. Modern Finance and Economics-Journal of Tianjin University of Finance and Economics, 2021, 41(8): 51-63.

[22]
王洪娜. 医养结合养老机构服务效率及其影响因素——基于山东省226家医养结合养老机构数据分析[J]. 重庆社会科学, 2020(5): 129-140.

Wang Hongna. The influencing factors of old-age integrated care institutions’ services efficiency—An analysis based on the investigations of 226 old-age integrated care institutions in Shandong Province. Researches on Sociology, 2020(5): 129-140.

[23]
封进, 陆毅, 宋弘. 积极应对人口老龄化与公共财政支出结构调整[J]. 人民论坛·学术前沿, 2021(5): 78-83.

Feng Jin, Lu Yi, Song Hong. Responding to the aging population issue and the structural adjustment of public financial expenditures. Frontiers, 2021(5): 78-83.

[24]
仙蜜花, 邓大松. 政府购买农村居家养老服务资金规模预测——兼论对政府财政的影响[J]. 财政研究, 2020(9): 40-51+92.

Xian Mihua, Deng Dasong. Prediction of the scale of government purchase of rural home-based pension service fund —On the influence on government finance. Public Finance Research, 2020(9): 40-51+92.

[25]
汪伟, 王文鹏. 预期寿命、养老保险降费与老年劳动供给: 兼论中国退休政策改革[J]. 管理世界, 2021, 37(9): 119-133+157+134-144.

Wang Wei, Wang Wenpeng. Life expectancy, pension contribution rate reduction and elderly labor supply with a discussion on Chinese retirement policy reform. Management World, 2021, 37(9): 119-133+157+134-144.

[26]
Caitlin Henry. Palliative space-time: Expanding and contracting geographies of US health care[J]. Social Science & Medicine, 2021, 268: 113377

[27]
焦若水, 马治龙. 农村公办养老资源的错配与适应性改进——基于甘肃省K县M镇的调研[J]. 探索, 2020(6): 144-155.

DOI

Jiao Ruoshui, Ma Zhilong. Misallocation and adaptive improvement of rural public pension resources—Based on the investigation of M Town, K County, Gansu Province. Probe, 2020(6): 144-155.

DOI

[28]
席恒. 养老服务的逻辑、实现方式与治理路径[J]. 社会保障评论, 2020, 4(1): 108-117.

Xi Heng. Elderly care services: Logic, implementation and governance. Chinese Social Security Review, 2020, 4(1): 108-117.

[29]
尹忠海, 朱彤瑶. 中国省域养老资源与老年人口空间匹配关系研究[J]. 江西财经大学学报, 2019(4): 82-90.

Yin Zhonghai, Zhu Tongyao. A study of the spatial matching relationship between China’s provincial supporting resources for elderly and aged population. Journal of Jiangxi University of Finance and Economics, 2019(4): 82-90.

[30]
国家统计局. 中国统计年鉴[M]. 北京: 中国统计出版社, 2013-2020.

National Bureau of Statistics. China statistical yearbook. Beijing: China Statistics Press, 2013-2020.

[31]
中华人民共和国民政部. 中国民政统计年鉴[M]. 北京: 中国统计出版社, 2013-2020.

Ministry of Civil Affairs of the People’s Republic of China. China civil affairs’ statistical yearbook. Beijing: China Statistics Press, 2013-2020.

[32]
国家卫生健康委员会. 中国卫生健康统计年鉴[M]. 北京: 中国协和医科大学出版社, 2013-2020.

National Health Commission. China health statistical yearbook. Beijing: Peking Union Medical college Press, 2013-2020.

[33]
中华人民共和国文化和旅游部. 中国文化文物和旅游统计年鉴[M]. 北京: 国家图书馆出版社, 2013-2020.

Ministry of Culture and Tourism of the People’s Republic of China. China cultural relics and tourism statistical yearbook. Beijing: National Library of China Publishing House, 2013-2020.

[34]
国家统计局. 中国劳动年鉴[M]. 北京: 中国统计出版社, 2013-2020.

National Bureau of Statistics. China labor statistical yearbook. Beijing: China Statistics Press, 2013-2020.

[35]
姜会明, 孙雨, 王健, 等. 中国农民收入区域差异及影响因素分析[J]. 地理科学, 2017, 37(10): 1546-1551.

Jiang Huiming, Sun Yu, Wang Jian et al. Regional differences of farmers’ income in China and analysis of influencing factors. Scientia Geographica Sinica, 2017, 37(10): 1546-1551.

[36]
刘云菲, 李红梅, 马宏阳. 中国农垦农业现代化水平评价研究——基于熵值法与TOPSIS方法[J]. 农业经济问题, 2021(2): 107-116.

Liu Yunfei, Li Hongmei, Ma Hongyang. Evaluation of agricultural modernization of state farms: Based on entropy weight method and TOPSIS method. Issues in Agricultural Economy, 2021(2): 107-116.

[37]
黄凌云, 邹博宇, 张宽. 中国金融发展质量的测度及时空演变特征研究[J]. 数量经济技术经济研究, 2021, 38(12): 85-104.

Huang Linyun, Zou Boyu, Zhang Kuan. Research on the characteristics of the spatial-temporal evolution of financial development quality in China. The Journal of Quantitative & Technical Economics, 2021, 38(12): 85-104.

[38]
周建平, 刘程军, 徐维祥,等. 中国新型城镇化与城市医疗资源空间适配性研究[J]. 地理科学, 2021, 41(7): 1168-1177.

Zhou Jianping, Liu Chengjun, Xu Weixiang et al. Research on the spatial adaptability of China’s new urbanization and urban medical resources. Scientia Geographica Sinica, 2021, 41(7): 1168-1177.

[39]
崔树义, 杜婷婷. 居家、社区、机构养老一体化发展研究[J]. 东岳论丛, 2021, 42(11): 36-44.

Cui Shuyi, Du Tingting. Research on the integrated development of home, community and institutional elderly care. Dong Yue Tribune, 2021, 42(11): 36-44.

[40]
张思锋. 中国养老服务体系建设中的政府行为与市场机制[J]. 社会保障评论, 2021, 5(1): 129-145.

Zhang Sifeng. Government behavior and market mechanism in the construction of China’s elderly care service system. Chinese Social Security Review, 2021, 5(1): 129-145.

[41]
李乐乐. 我国人口老龄化地区差异及影响因素分析[J]. 华中农业大学学报(社会科学版), 2017(6): 94-102.

Li Lele. Regional difference and influencing factors of population aging in China. Journal of Huazhong Agricultural University(Social Sciences Edition), 2017(6): 94-102.

[42]
田美玉, 罗明, 吴庆田. 人口老龄化、财政压力与基本公共服务支出偏向[J]. 西北人口, 2021, 42(4): 103-113.

Tian Meiyu, Luo Ming, Wu Qingtian. Population aging, financial pressure and expenditure bias of basic public services. Northwest Population Journal, 2021, 42(4): 103-113.

[43]
邵文娟. 供给侧改革视角下社会组织参与养老服务供给研究[J]. 宏观经济研究, 2019(7): 168-175.

Shao Wenjuan. Research on the participation of social organizations in the supply of elderly care services from the perspective of supply-side reform. Macroeconomics, 2019(7): 168-175.

[44]
汪伟全. 社区应急志愿者参与公共安全治理的影响因素分析——基于新冠肺炎疫情背景的Nvivo质性研究[J]. 社会科学辑刊, 2021(4): 46-55+215.

Wang Weiquan. Analysis of influencing factors of community emergency volunteers’ participation in public safety governance—Nvivo qualitative research based on the background of the New Coronary Pneumonia Epidemic. Social Science Journal, 2021(4): 46-55+215.

[45]
陈希, 陈岱云. 中国人口政策重点转移: 从人口数量控制到养老风险化解研究[J]. 济南大学学报(社会科学版), 2021, 31(5): 28-42+173.

Chen Xi, Chen Daiyun. Shifting the focus of China’s population policy: From population control to pension risk resolution. Journal of University of Jinan (Social Science Edition), 2021, 31(5): 28-42+173.

[46]
盛见. “需求响应”视角下养老服务供需错配问题及其解决对策[J]. 中州学刊, 2021(2): 28-33.

DOI

Sheng Jian. The mismatch between supply and demand of elderly care service and its countermeasures from the perspective of "demand response" academic. Journal of Zhongzhou, 2021(2): 28-33.

DOI

[47]
Elhorst J P. Matlab software for spatial panels[J]. International Regional Science Review, 2014, 37(3): 389-405.

DOI

[48]
刘敏, 姜会明, 姜天龙. 农机投入对农业 GTFP 影响及门槛效应的区域差异分析[J]. 地理科学, 2020, 40(12): 2037-2045.

Liu Min, Jiang Huiming, Jiang Tianlong. Influence of farm machinery input on agricultural GTFP and the regional difference of threshold effect. Scientia Geographica Sinica, 2020, 40(12): 2037-2045.

Options
文章导航

/

〈 〉