1引言
对于人口老龄化的研究，最早始于国外，且主要在人口学领域[1]。国外学者主要关注人口老龄化的影响因素、成因等，并在研究的基础上给予相关策略[2-7]。而国内对人口老龄化的研究发展较晚，仅有20多年的历史，但是发展速度较快，特别是最近几年，国内对老龄化的研究取得了较多的成果。与国外学者相比，国内学者更加关注人口老龄化的空间分布特征、区域差异和驱动机制[5]等，特别是老年人口的空间分布特征，一直是学术界的热点话题和重点研究对象[6]。从研究区域来看，国内对老龄化的研究主要是发达城市，比如广州[10,12]、北京[11]、上海[13]、江苏[8-9]等城市；也有学者以区域或全国为研究对象，分析区域老龄化的差异，例如王晗和吴媛媛等人对我国东北地区的老龄化的空间分布进行了分析，发现东北地区的老龄人口有显著的轴带分布特征[6-7]。从研究尺度来看，国内学者多以县域为单元研究城市的老龄化空间特征[14-16]，以省域为单元研究全国的老龄化空间特征[17-18]，以地级市为单元研究区域的老龄化空间特征[19]；也有少数学者以街镇数据作为研究的基础，周春山以街镇为研究单元探讨了广州老龄化的时空特征[5]；甚至也出现多个研究尺度相结合的方法，王晗等人分别从省、市、县三个尺度对比了东北地区的老龄化分布特征，发现市、县尺度的老龄化水平发展较为显著；李晓娟从乡村、城市、镇三个角度分析，发现陕西人口老龄化乡村最为严重，城市居中，镇尺度老龄化比重最小[20]。从研究方法来看，国内对老龄化空间分布探讨，最为主流的方法是使用空间自相关方法分析老龄化人口的空间聚集趋势。
综上所述，对于我国人口老龄化的研究多以行政区划分为研究范围，并且大部分都是以某两年的人口数据进行分析。另一方面，关于成渝经济圈的研究主要是经济分析、政策分析等内容，但是在我国老龄化程度日益加深的背景下，老龄化在一定程度上对我国经济发展有抑制作用。鉴于此，本文以成渝经济圈的老龄化为研究对象，分别从老龄化程度和空间分布趋势两个角度分析了老龄化的时空演变特征，为成渝经济圈的人口政策、经济发展策略提供理论依据，对成渝经济圈的建设有着重大意义。
2研究区概况与研究方法
2.1 研究区概况
本文的研究区域为成渝经济圈最新规划的范围。根据2020年的《成渝地区双城经济圈建设规划纲要》，成渝经济圈的规划范围包括四川省的成都、自贡、泸州、德阳等15个市，重庆市的主城区及20个区（县）。本文在研究的过程中，为了研究区域的完整性和连贯性，将四川省内15个城市个别未在规划内的领域全部囊括进去，同时也将重庆市的黔江区排除在外，最后确定四川和重庆共16地级市为研究范围。
2.2 数据处理
本文使用的人口数据来源于我国第五次、六次和七次人口普查数据（以下分别简称五普、六普、七普），且成渝经济圈县域为基本单位，以2020年（七普）的行政区划分为基准，对2000年和2010年的普查数据进行整合，最后得到成渝经济圈内共147个县域人口数据。根据联合国对老年型社会的划分标准，当一个地区的60岁及以上的老年人口占总人口的比重达到10%或者65岁及以上的老年人口占总人口的比重达到7%，就说明该地区进入了老年型社会[11]。国内一般采取第二种方式进行定义，所以本文使用成渝经济圈各区县的65岁及以上的人口占总人口的比例，来衡量各区县的老龄化水平，称为老龄化系数。
2.3 研究方法
1. 全局空间自相关
全局自相关的作用主要是反映所研究区域单元的整体空间分布情况，即整体空间上是否存在显著的聚集性。一般地，衡量空间聚集性采用Moran’s I统计指标，其计算公式如下：
（1）
其中，
表示成渝经济圈内老龄化系数的方差，表示空间权重矩阵，本文是基于空间距离平方的倒数来进行构建，距离越近，空间相关性越强。
2. 局部空间自相关
全局自相关只能判断整个空间是否存在聚集性，而不能判断局部空间单元的聚集类型，若要分析各空间单元的聚集类型，则需要用到局部空间自相关。局部空间自相关性一般用局部Moran指数来衡量，其计算公式如下：
（2）
3成渝经济圈县域人口老龄化时空演变特征
3.1 成渝经济圈人口老龄化程度的时空变动
为体现老龄化程度在时间和空间上的变动规律，根据周春山和林琳等人的老龄化系数划分标准[5,12]，将人口老龄化系数分为6个类别，得到每个县级单位的人口年龄结构类型（表2）。从计算分析的结果来看，随着时间的推移，成渝经济圈的老龄化程度越来越严重。
表1 成渝经济圈老龄化程度及类型
从图1可以看出 ，成渝经济圈老龄化程度在空间分布上呈现出以下格局演变规律：2000年人口年龄结构以老年型初期为主，2010年老年型中期为主，2020年以老年型后期为主。作为经济圈的“双核心”，成都和重庆两地虽然老龄化程度在不断加深，但与其他区县地区相比，老龄化程度从相对较大逐渐转变为相对较小，两地经济的发展吸引力了大量的年轻劳动力。
3.2 成渝经济圈人口老龄化空间分布趋势特征
1.全局空间自相关分析
本文使用ArcGIS10.8软件构建基于空间样本距离的空间权重矩阵，利用各县域之间距离平方的倒数进行定义，距离为欧式距离，最后完成行标准化。分别计算2000年、2010年、2020年成渝经济圈内147个县域的老龄化系数全局Moran’s I值，并进行显著性检验，得到表3的具体结果。
表3 成渝经济圈县域老龄化系数Moran’s I值
计算结果表明，2000年、2010年、2020年成渝经济圈老龄化系数的Moran’s I均为正值，同时P值均为0，通过较强的显著性检验。这说明在2000年—2020年成渝经济圈各县域人口老龄化系数在空间上并非随机分布，而是具有较强的正相关性，也就是说老龄化水平较高的地区集聚在一起，老龄化水平较低的地区集聚在一起。各年的Moran’s I值在逐年增大，意味着成渝经济圈人口老龄化的空间集聚态势不断增强，空间差异不断增大。
2.局部空间自相关分析
通过计算局部Moran指数，使用ARCGIS绘制LISA聚集图可以直观地反映各地理单元的聚集类型的空间分布格局（图2）
图2 成渝经济圈老龄化系数LISA聚集图
2000年成渝经济圈人口老龄化县域为显著高-高聚集类型主要集中在两个区域：一是分布在眉山市、乐山市北部和内江市西部，二是分布在重庆市西南地区和泸州市北部地区；县域为低-低聚集类型主要分布在广安市和达州市，有3个县域零星分布在其他地方，比如马边彝族自治县、峨边彝族自治县和游仙区；而高-低聚集都不显著，仅有九龙坡区为低-高聚集类型。2010年成渝经济圈人口老龄化县域显著高-高聚集类型的分布更为分散，但其主要还是分布在眉山市及周围地区，和2000年基本没变，还有一部分零散分布在重庆区县和绵阳市附近；与2000年相比，县域为低-低聚集类型的分布格局完全改变，2010年低-低聚集类型主要集中在经济圈的核心城市（成都和重庆主城区）；高-低聚集类型有巴南区、璧山区、罗江区3个县域，低-高聚集类型有乐山市中区1个县域。2020年成渝经济圈人口老龄化县域为显著高-高聚集类型与2010年相比，分布又更为集中：一是主要集中在南充市、遂宁市、资阳市，呈“C”字形分布，二是主要分布在眉山市、乐山市、内江市、自贡市的交界处附近区域；与2010年基本不变的是，低-低聚集类型县域还是在成都和重庆主城区两个经济圈核心城市；高-低聚集类型有简阳市、广汉市、都江堰市、彭山区4个县域，低-高聚集类型有乐山市中区、自流井区、船山区3个县域。总体而言，2000年和2020年的空间聚集分布更为集中，呈面状分布；而2010年的空间聚集分布更为分散，呈点状分布。
4结论与建议
本文运用空间数据分析的方法，对2000年-2020年时期成渝经济圈人口老龄化的时空演变特征进行了研究，主要得出以下结论：1）就成渝经济圈各区域老龄化程度而言，2000年-2020年老龄化程度不断加深，2000年大部分县域单位处于老年型初期，到了2020年大部分县域单位处于老年型后期。其中成都和重庆两地较其他区县，其老龄化速度相对较慢，这与两地经济发展有较强关系，吸引了大量年轻劳动力，因而呈现“双核心”分布的特点。2）就成渝经济圈内老龄化水平的空间分布趋势而言，2000年-2020年老龄化县域主要呈现出高-高、低-低聚集的分布特点，且聚集态势不断增强。2000年高-高聚集类型主要分布在成都以南附近地区和重庆主城以南附近地区，低-低聚集类型主要分布在经济圈东北部城市群；2010年高-高聚集类型的空间分布基本没变，低-低聚集类型主要在成都和重庆主城；2020年低-低聚集类型与2010年基本相似，高-高聚集类型主要分布在成都和重庆两个核心城市之间的区域。
为更好地成渝经济圈建设，本文针对2000年-2020年成渝经济圈人口老龄化的空间分布特征和趋势，在经济圈建设、规划及人口管理方面，提出了以下几点建议：1）由于成渝经济圈老龄化发展不均衡，个地区空间差异大，应合理配置老年资源，满足各地区的老年人口需求；2）结合各城市发展现状，通过优化产业结构，提高劳动人口就业质量，实施人才引进政策等战略延缓人口外流，合理引导老年人口的分布。
参考文献
[1] Smith B W , Hiltner J . Intraurban Location of the Elderly[J]. Journal of Gerontology, 1975, 30(4):473-8.
[2] Anderson G F , Hussey P S , Anderson G F , et al. Population aging: a comparison among industrialized countries[J]. The Aging Male, 2000, 3(3):158-158.
[3]DENTON, Frank T , SPENCER, et al. Population Aging, Older Workers, and Canada's Labour Force.[J]. Canadian Public Policy, 2009.
[4] Suzuki W , Ogura S , Izumida N . Health Card And Health Care Facilities Demand Among The Indonesian Elderly[J]. Singapore Economic Review, 2008, 53(01):103-119.
[5]周春山,李一璇,童新梅.2000-2010年广州市人口老龄化空间变动及其影响因素研究[J].中山大学学报(自然科学版),2016,55(01):114-122.DOI:10.13471/j.cnki.acta.snus.2016.01.020.
[6]王晗,刘鉴,房艳刚.东北地区人口老龄化的多尺度时空演变及影响因素[J].地域研究与开发,2021,40(06):147-153.
[7]吴媛媛,宋玉祥,于婷婷.东北地区人口老龄化空间格局演变及影响因素研究[J].东北师大学报(自然科学版),2021,53(03):139-146.DOI:10.16163/j.cnki.22-1123/n.2021.03.023.
[8]曾永凤,居梦月,徐玉洁.江苏人口老龄化的时空演变及成因研究[J].中国市场,2018(21):111-112.DOI:10.13939/j.cnki.zgsc.2018.21.111.
[9]胡梦瑾,黄翌,王晗,王辉.江苏中部长寿地区老龄及长寿人口分布的时空特征[J].国外医学(医学地理分册),2016,37(04):309-312.
[10]纪广月.广东省县域人口老龄化时空演变特征分析[J].南京航空航天大学学报(社会科学版),2016,18(02):61-65.DOI:10.16297/j.nuaass.201602011.
[11]李扬,刘慧,金凤君,汤青.北京市人口老龄化的时空变化特征[J].中国人口·资源与环境,2011,21(11):131-138.
[12]林琳,马飞.广州市人口老龄化的空间分布及趋势[J].地理研究,2007(05):1043-1054.
[13]王新贤, 高向东, 陶树果. 上海市人口老龄化的空间分布及演化特征研究[J]. 上海经济研究, 2016(8):10.
[14]范文武,段松江,钱进,曾远文,卢建洪.重庆市人口老龄化时空格局及驱动机制研究[J].贵州师范大学学报(自然科学版),2021,39(01):86-94.DOI:10.16614/j.gznuj.zrb.2021.01.014.
[15]周鹏,邓伟,张少尧.四川省人口老龄化的地域特征及影响因素[J].经济地理,2019,39(12):39-47.DOI:10.15957/j.cnki.jjdl.2019.12.005.
[16]张芹,张晓青.山东省人口老龄化空间分布与演化分析——基于探索性空间分析技术(ESDA)[J].鲁东大学学报(自然科学版),2014,30(03):242-248
[17]刘成坤.中国人口老龄化城乡倒置的时空演变趋势及影响因素研究[J].经济问题探索,2021(12):31-45.
[18]吴连霞,吴开亚.中国人口老龄化时空演化特征的比较分析——基于固定年龄与动态年龄指标的测算[J].人口研究,2018,42(03):51-64.
[19]杨艳飞.辽宁省人口老龄化特征及其影响研究[J].合作经济与科技,2021(18):36-37.DOI:10.13665/j.cnki.hzjjykj.2021.18.013.
[20]李晓娟.人口老龄化时空演化特征及动力机制研究——以陕西省为例[J].陕西农业科学,2014,60(11):100-102+122.
作者简介：黄小波（1998.11-），男，汉，重庆大足人，在读硕士，研究方向:大数据分析，单位:西南财经大学统计学院，四川省成都市，610072
