粤港澳大湾区人口老龄化时空特征及其经济效应

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

李琼^,¹^,², 李松林¹, 张蓝澜³, 李昊⁴, 刘毅^,⁵

1.吉首大学商学院,吉首 416000

2.中国科学院地理科学与资源研究所吉首大学院士专家工作站,吉首 416000

3.长沙理工大学经济与管理学院,长沙 410000

4.湖南工商大学会计学院,长沙 410205

5.粤港澳大湾区战略研究院,广州 510070

The spatio-temporal characteristics of the Guangdong-Hong Kong-Macao Greater Bay Area's population aging and its economic effects

LI Qiong^,¹^,², LI Songlin¹, ZHANG Lanlan³, LI Hao⁴, LIU Yi^,⁵

1. Business School of Jishou University, Jishou 416000, Hunan China

2. Jishou University Academician Workstation, Institute of Geographic Sciences and Natural Resources Research, CAS, Jishou 416000, Hunan China

3. School of Economics and Management, Changsha University of Science and Technology, Changsha 410000, China

4. School of Accounting, Hunan University of Technology and Business, Changsha 410205, China

5. Academy of Great Bay Area Studies, Guangzhou 510070, China

通讯作者: 刘毅（1957-）, 男, 北京人, 研究员, 博导, 主要从事区域政策与可持续发展研究。E-mail: liuy@igsnrr.ac.cn

收稿日期:2020-05-6修回日期:2020-09-8网络出版日期:2020-09-20

基金资助:

粤港澳大湾区战略研究院建设专项.2019GDASYL-0202001
广东省科学院发展专项.2020GDASYL-20200102002
湖南省自然科学基金面上项目.2020JJ4503

Received:2020-05-6Revised:2020-09-8Online:2020-09-20
作者简介 About authors
李琼（1972-）, 女, 湖南桑植人, 教授, 博导, 研究方向为区域经济。E-mail: sisi_9672@163.com

摘要
中国新时代“两个十五年”的现代化强国战略周期,恰恰是快速人口老龄化纵深发展期,人口年龄结构快速老龄化与经济社会之间的发展不平衡矛盾将日益严峻。本文利用广东省第四次、第五次、第六次人口普查资料、2015年广东省1%人口抽样调查资料、香港统计年刊和澳门统计年鉴数据,运用空间自相关分析法、柯布-道格拉斯生产函数和空间回归等方法,研究2000—2015年粤港澳大湾区人口老龄化的时空特征及其经济效应,结果表明：① 粤港澳大湾区人口老龄化进程慢于广东省,更慢于全国,但于2015年已进入老年型I期。② 粤港澳大湾区老龄化呈动态演变特征,空间上以香港和江门为起点,经西北向北扩散的“C”型分布模式,高收入城市以澳门和香港为起点向北扩散,最终形成中心-外围的空间分布格局。③ 粤港澳大湾区人口老龄化对经济增长具有负向影响,老龄人口增加1%,人均GDP降低3%。人均固定资本投入和人均人力资本投入有正的经济效应,人均人力资本投入带来的正向效应要大于人均固定资本投入。鉴于此,粤、港、澳三地应建立起协同治理模式,构建跨境的养老合作机制;促进产业结构升级,充分利用人力资本促进技术创新,并正确评估不同阶段人口老龄化对经济增长的影响,妥善处理好人口老龄化与经济之间的关系至关重要。
关键词： 粤港澳大湾区;人口老龄化;经济效应;时空特征

Abstract

The strategic cycle of "two fifteen years" of China's modernization in the new era is exactly the period of rapid population aging, and the imbalance between the rapid aging of the population age structure and the development of the economy and society will become increasingly serious. This paper uses the data of the fourth, fifth and sixth censuses of Guangdong Province, the sample survey data of 1% population in Guangdong Province in 2015, the data of Hong Kong Statistical Yearbook and Macao Statistical Yearbook. Spatial autocorrelation analysis, Cobb Douglas production function and spatial regression methods were used in this study, the spatio-temporal characteristics and economic effects of population aging in the Guangdong-Hong Kong-Macao Greater Bay Area from 2000 to 2015 were studied. The results of our study show that: (1) The aging process of population in the Greater Bay Area is slower than that of Guangdong and even slower than that of the whole country, but it transformed into the senile type I in 2015. (2) The aging coefficient of the study area shows a dynamic evolution feature. The spatial pattern of "C" type started from Hong Kong and Jiangmen of Guangdong and spread northward through the northwest. High income cities spread northward from Macao and Hong Kong, and finally formed a center-periphery distribution pattern. (3) The aging population in the Greater Bay Area has a negative impact on economic growth. The aging population increased by 1%, and the per capita GDP decreased by 3%. Per capita fixed capital investment and per capita human capital investment had positive effect on economic growth, and the positive effect of per capita human capital investment was greater than that of per capita fixed capital investment. In view of this, Guangdong, Hong Kong and Macao should establish a collaborative governance model and build a cross-border pension cooperation mechanism. It is essential to promote industrial restructuring and encourage technological innovation, assess the impact of population aging on economic growth at different stages, and handle the relationship between population aging and economy.

Keywords：the Guangdong-Hong Kong-Macao Greater Bay Area;population aging;economic effect;spatio-temporal characteristics

PDF (6665KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
李琼, 李松林, 张蓝澜, 李昊, 刘毅. 粤港澳大湾区人口老龄化时空特征及其经济效应. 地理研究[J], 2020, 39(9): 2130-2147 doi:10.11821/dlyj020200360
LI Qiong, LI Songlin, ZHANG Lanlan, LI Hao, LIU Yi. The spatio-temporal characteristics of the Guangdong-Hong Kong-Macao Greater Bay Area's population aging and its economic effects. Geographical Research[J], 2020, 39(9): 2130-2147 doi:10.11821/dlyj020200360

1 引言

人口老龄化是人类社会不断发展却又无法避免的问题。中国已于1999年进入人口老龄化社会,且呈现老龄化速度快、老年人口基数大和未富先老等特征。2018年年末,中国60岁及以上老年人数量已达到24949万人,占总人口的17.9%,到2055年时60岁及以上老年人数量将突破5亿大关^[1]。中国新时代“两个十五年”的现代化强国战略周期,恰恰是快速人口老龄化纵深发展期^[2],人口年龄结构快速老龄化与经济社会之间的发展不平衡矛盾将日益严峻^[3]。正因如此,积极应对人口老龄化已经成为党和国家的重大发展战略。2019年11月,中共中央、国务院印发了《国家积极应对人口老龄化中长期规划》,明确了积极应对老龄化的战略目标以及阶段性任务。而积极应对人口老龄化的前提是对本国的人口老龄化现状及发展态势有充分的认识,人口老龄化的问题也因此一直是理论界研究的热点。

国外由于进入人口老龄化的时间较早（19世纪末）,针对人口老龄化形成了包括人口学、经济学和地理学等多学科丰富的研究成果。其中,地理学将空间议题用于人口老龄化研究,关注老龄化和空间、地点之间的联系及扩展^[4],研究老年人口空间分布^[5]及形成机制^[6]。经济学多运用计量模型考察人口老龄化对经济增长的影响,但没有形成一致性的研究结论。老龄化对经济增长短期和长期都有负面影响^[7],但由于人口老龄化与经济之间呈非线性关系,因此只有在老龄化达到较高水平时才会对经济增长产生负面影响^[8]。国内对人口老龄化的研究起源于20世纪80年代,早期人口学和老年学是研究的主力军^[9]。随着人口老龄化进程持续加快,老龄化研究的领域和方法也产生了巨大变化,社会学、经济学、地理学等多个学科对老龄化问题进行了全方位的研究^[10]。其中人口老龄化对经济增长的影响成为经济学关注的热点,人口老龄化的时空格局及形成机制则是地理学关注的焦点。人口老龄化对经济增长的影响方面,主流观点认为人口老龄化不利于经济增长,其影响是负面的。究其原因在于人口老龄化导致劳动力供给不足^[11]、阻碍技术创新^[12]。有部分****的研究则表明,人口老龄化促进经济增长,其原因在于人口老龄化对产业结构升级净效应为正^[13]。人口老龄化的地域特征、时空演变及形成机制方面,研究的尺度包括全国^[14]、省^[15]、县域^[16]、乡镇^[17]等多尺度。如周榕、庄汝龙等研究1990—2016年中国人口老龄化空间格局的结论表明,人口老龄化“数量”与“质量”发展不协调,存在空间差异性。这种格局是人口自然变动与机械变动、经济发展与卫生医疗事业进步的驱动所致^[14]。梅林、郭艳等利用四普、五普和六普的数据,探讨1990—2010年吉林省人口老龄化时空分异特征的结论表明,吉林省人口老龄化在空间的集聚呈现先弱后强的变化趋势,出生率和人均GDP对这种空间格局起关键作用^[15]。

综上,国内外关于人口老龄化问题的研究成果丰富。特别是人口老龄化伴随中国现代化建设进程加速深度化的国情,使得国内人口老龄化的研究呈现全方位、多角度、深层次的格局。然而从现有的研究来看,从区域尺度对人口老龄化的研究相对较少。由于同一区域城市之间要素的无障碍流动,使得一个地区人口老龄化对经济的影响将传导到同区域的其他地区,导致资源要素在空间上进行重新配置。同时,作为中国经济最具活力的粤港澳大湾区,自从作为国家战略正式进入实施以来,****对区域的产业、土地、养老保障、资源环境问题等进行了广泛的探讨^[18],但针对大湾区人口老龄化问题还未有成果涉及。鉴于此,本文研究粵港澳大湾区人口老龄化的时空特征及其经济效应,以期丰富粵港澳大湾区的研究成果。

2 研究方法与数据来源

2.1 对象与数据来源

本文以粵港澳大湾区为研究对象,依据2019年2月18号中共中央、国务院印发的《粤港澳大湾区发展规划纲要》,粵港澳大湾区地理范围包括香港和澳门两个特别行政区,以及珠三角的广州、深圳、珠海、佛山、惠州、东莞、中山、江门、肇庆9个地级市,总空间面积约5.61万km²。粵港澳大湾区是继美国纽约湾区和旧金山湾区、日本东京湾区之后的世界第四大湾区,是中国高度开放的区域,也是全国经济最活跃的地区和重要增长极。截止2018年末,粵港澳大湾区人口7111.99万人,约占全国总人口的5.1%。GDP总规模10.86万亿元,约占全国的12.06%^①(①数据来源：根据2019年《中国统计年鉴》《广东统计年鉴》《香港统计年刊》和《澳门统计年鉴》数据整理所得。)。广州、深圳、珠海、佛山、惠州、东莞、中山、江门、肇庆市等九市的数据来源于广东省第四次、第五次、第六次人口普查资料、2015年广东省1%人口抽样调查资料及其对应的地级市统计年鉴。澳门和香港的数据分别来源于相关年份的《澳门统计年鉴》和《香港统计年刊》。本文关于老龄人口数据的统计口径为常住人口。

2.2 研究方法和测度指标

2.2.1 人口老龄化人口老龄化是指一个国家或地区生育率降低和人均寿命延长导致老年人口所占比重不断上升的状态。根据1956联合国《人口老龄化及其社会经济后果》划分的标准,一个国家或地区65岁及以上老年人口占总人口的比例达到7%,则属于老年型国家或地区。衡量老龄化程度指标较多,主要包括老龄化系数、老年抚养比、少儿人口比重、老少比,其中老龄化系数（P,65岁人口与总人口的比重）是测度老龄化程度最常用的指标,是体现人口老龄化程度及水平的重要标志。因此,本文选取老龄化系数（P）作为人口老龄化程度的测度指标。依据联合国人口发展模式类型的划分,老龄化系数小于4.0%的地区为年轻型地区,4.0%与7%之间为成年型地区,超过7.0%为老年型地区。本文参照王录仓等对人口年龄结构的细分,将人口老龄化系数（P）分为6个等级^[19]（表1）。

Tab. 1
表1
表1老龄化系数与人口年龄结构
Tab. 1Aging coefficient and population age structure (%)

老龄化系数(P)	人口结构类型	老龄化系数(P)	人口结构类型
P < 4.0	年轻型	7~10	老年型I期
4.0~5.5	成年型I期	10~14	老年型II期
5.5~7.0	成年型II期	P≥14.0	老年型III期

新窗口打开|下载CSV

2.2.2 经济效应指标在衡量人口老龄化的经济效应时,理论界主要使用两种指标,一是经济增长效应,即人口老龄化对经济增长的影响,使用的指标通常包括GDP增长率、人均GDP、三次产业增长率^[20]。二是经济发展效应,即人口老龄化对经济发展的影响。经济发展指标是一个综合概念,包含了数量和质量两个维度。通过构建一个包括经济增长、教育、社会保障和对外贸易在内的综合指标,代表经济发展指标^[21]。但也有****使用人均GDP作为经济发展指标^[15]。考虑到获取统一口径的数据存在难度,本文选取人均GDP作为经济增长和经济发展的指标。

2.2.3 空间自相关分析法空间自相关分析可以很好地判断观测值与其相邻单元的观测值之间的空间聚集程度,包括全局空间自相关和局部空间自相关分析两种类型。全局空间自相关分析从整体上探测地理属性值的空间模式,判断地理现象之间否有空间聚集特性。计算公式为^[22]：

（1）

\begin{array}{l} I = \frac{\overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} W_{ij} (X_{i} - \overset{?}{X}) (X_{j} - \overset{?}{X})}{S^{2} \overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} W_{ij}} \\ S^{2} = \frac{1}{n} \overset{n}{\sum_{i = 1}} (X_{i} {- \overset{?}{X})}^{2}, \overset{?}{X} = \frac{1}{n} \overset{n}{\sum_{i = 1}} X_{i} \end{array}

式中：n为研究的单位数;

X_{i}

为单元i的观察值;X_j为单元j的观察值;W_ij为空间权重矩阵;S²为属性值的方差。Moran's I值的显著性检验Z值计算公式为^[23]：

（2）

Z (I) = \frac{I - E (I)}{\sqrt[]{VAR (I)}}

式中：E(I)为数学期望;Var(I)为方差。理论上,Z>1.96,表示正相关;Z<-1.96,表示负相关。

为克服全局空间自相关分析不能指出地理属性值聚集的具体空间位置,通常采用局部自相关方法作进一步分析。本文运用LISA聚类图观测相邻单元属性值的空间自相关类型,通常用局部Moran's I度量。局部Moran指数计算公式为^[24]：

（3）

I_{i} = \frac{(X_{i} - \overset{?}{X})}{S^{2}} \overset{n}{\sum_{j = 1}} W_{ij} (X_{j} - \overset{?}{X})

式中：相关字母的含义与全局自相关公式相同。

2.2.4 空间回归模型空间回归模型打破了经典计量回归模型在参数估计时误差项不相关这一假设,在存在空间自相关时,经典回归模型对参数进行估计会导致参数估计量的非有效性甚至是有偏性。空间回归模型主要有空间滞后模型和空间误差模型两种。空间滞后模型的基本形式为^[25]：

（4）

y = ρWy + xβ + ε

该模型考虑到不同空间单元因变量之间的相互影响,将因变量的空间滞后纳入回归模型作为自变量,其中y为因变量;ρ为因变量空间滞后的待估参数,用于衡量其对因变量的影响的大小;W为空间权重矩阵;x为一组自变量;β为自变量的待估参数;ε为误差项。

空间误差模型的基本形式为^[26]：

（5）

y = xβ + ε, ε = λWε + μ

该模型考虑到不同空间单元误差项之间的相互影响,将误差项的空间滞后纳入到模型中,λ为待估系数,用于衡量误差项的空间滞后对因变量的影响大小,μ为误差项,其余变量和参数解释意义同空间滞后模型。

3 粤港澳大湾区人口老龄化和经济增长的时空特征

3.1 人口老龄化和经济增长的时序特征

3.1.1 人口老龄化从时序上看,粤港澳大湾区人口老龄化系数在波动上升。1990年、2000年、2010年和2015年人口老龄化系数分别为6.56%、5.64%、5.96%和7.37%,25年间人口老龄化系数上升了0.81%,人口结构由成年型II期进入到老年型I期。同期,广东省分别为5.93%、6.05%、6.8%和8.48%,人口老龄化系数由5.93%上升8.48%,上升了2.55%。全国平均分别为5.60%、7.0%、8.90%和10.50%,人口老龄化系数由5.6%上升到10.5%,人口结构由成年型II期进入到老年型II期。分阶段看,1900—2000年粤港澳大湾区人口老龄化系数下降0.92%,广东省上升0.12%,全国上升1.4%;2000—2010年粤港澳大湾区人口老龄化系数上升0.32%,广东省上升0.75%,全国上升1.9%;2010—2015年粤港澳大湾区人口老龄化系数上升1.41%,广东省上升1.68%,全国上升1.6%。

由图1可知：粤港澳大湾区老龄化系数呈现出两个特征,一是出现了阶段性人口老龄化系数的回落（1990—2000年）,表明该地区人口65岁人口比重相对降低。二是随着时间的推移,大湾区老龄化进程在加快,但慢于广东省,更慢于全国。主要原因在于,改革开放后中国实施“优先发展沿海地区”的区域发展战略,伴随农民进城落户和务工政策的放松,包括广东在内的东部沿海地区成为流动人口的主要去向。1992年中国的改革开放步入新阶段,东部沿海地区外商投资、开发区建设明显提速,人口迁移流动进入快速提升周期,农村劳动力开始向东部沿海城市大规模流动。2000年广东、浙江、上海、江苏、北京和福建等东部6个经济大省（市）吸纳了全国跨省流动人口2903万人,其中广东省以吸纳流动人口1506万居首位,占了35.5%。大量外来的年轻人口,提高了广东省的劳动年龄人口比重,而珠三角是广东省最发达的地区之一,吸纳了更多比重的流动人口,导致老龄化系数相对于1990年回落。另外,由于气候宜居、市场经济相对发达、中小民营企业众多和就业岗位丰富等多重优势,广东省人口持续净流入,从而降低了其老龄化水平,但内部各市分化也在加剧,人口增量集中在广州、深圳、珠海、佛山、中山等珠三角地区,而粤东、粤西和粤北人口增长却并不突出,如2015年珠三角新增人口占广东省的比重达到60.23%。

图1

新窗口打开|下载原图ZIP|生成PPT
图11990—2015粤港澳大湾区、广东省及全国人口老龄化趋势

Fig. 1Population aging trends in the Guangdong-Hong Kong-Macao Greater Bay Area, Guangdong Province, and China from 1990 to 2015

3.1.2 人均GDP 从时序上看,1990—2015年粤港澳大湾区人均GDP增速迅速,特别是2000年以来,人均国内生产总值年均增速达到了9.05%（图2）。

图2

新窗口打开|下载原图ZIP|生成PPT
图21990—2015年粤港澳大湾区人均GDP趋势

Fig. 2Per capita GDP trend of the Guangdong-Hong Kong-Macao Greater Bay Area from 1990 to 2015

25年间,粤港澳大湾区人均GDP年均增长率达到7.89%,绝对值增加了5.68倍,2015年是1990年的6.68倍。按照世界银行关于高低收入国家和地区的划分标准,粤港澳大湾区2010年人均GDP进入万美元俱乐部,属于高收入水平地区。分阶段性看,粤港澳大湾区2000年人均GDP是1990年的1.83倍,2010年是2000年的2.31倍,2015年是2010年1.58倍。图2表明,相对于全国和广东省,粤港澳大湾区人均GDP无论是整体趋势线,还是阶段性的趋势线均要陡得多,说明粤港澳大湾区人均GDP与广东和全国的差距有拉大趋势。具体地,1990年粤港澳大湾区的人均GDP高出全国2751美元,高出广东省2594美元。2000年粤港澳大湾区高出全国4650美元,高出广东省4071美元。2010年粤港澳大湾区高出全国8419美元,高出广东省6369美元;2015年粤港澳大湾区比全国多12485美元,比广东省多9674美元。很显然,在国家政策的支持下,粤港澳大湾区正成为中国经济发展水平最高、经济实力最强的地区之一。

3.2 人口老龄化和经济增长的空间演变特征

3.2.1 人口老龄化利用 ArcGIS 10.2,按照表1对人口老龄化系数的分类,采用手动法将1990年、2000年、2010年和2015年粤港澳大湾区的人口结构模式分为六大类,图3可视化了大湾区人口老龄化演变的空间过程。

图3

新窗口打开|下载原图ZIP|生成PPT
图31990年、2000年、2010年、2015年粤港澳大湾区老龄化系数空间格局演变

注：该图基于国家测绘地理信息局标准地图（审图号为GS(2019)4342号）绘制,底图无修改。
Fig. 3Evolution of the spatial pattern of aging coefficients in the Guangdong-Hong Kong-Macao Greater Bay Area in 1990, 2000, 2010 and 2015

从图3可知,研究期内粤港澳大湾区的老龄化在空间上呈现出以香港和江门为起点,经西北向北扩散的“C”型分布模式（见图3d）。老龄化等级呈现动态变化特征,人口发展模式类型由成年型向老年型演进,形成等级稳定、向上和向下演变三种变化状态。具体地：1990—2000年,人口老龄化等级以不变为主,向下和向上递进演变为辅。其中等级不变的地区占比45.5%,向下递进演变的地区占比27.3%,向上递进演变的地区占比27.3%。2000—2010年,人口结构类型不变。2010—2015年,人口结构类型等级以不变为辅,向上递进演变为主。其中等级不变的地区占比36.4%,向上递进演变的地区占比63.6%。2015年,粤港澳大湾区人口模式由成年型II期进入老年型I期,广州、澳门、肇庆、江门和香港老龄化系数超过7.0%,进入老龄化阶段,其中肇庆和江门老龄化系数超过10.0%,达到老年型II期阶段,特别是香港老龄化系数更是高达15.29%,达到老年型III期阶段（表2）。

Tab. 2
表2
表21990—2015年粤港澳大湾区人口年龄结构演变情况
Tab. 2Evolution of population age structure in the Guangdong-Hong Kong-Macao Greater Bay Area from 1990 to 2015

	1990年	2000年	2010年	2015年
深圳	年轻型	年轻型	年轻型	年轻型
东莞	成年型I期	年轻型	年轻型	年轻型
惠州	成年型II期	成年型II期	成年型II期	成年型II期
中山	成年型II期	成年型I期	成年型I期	成年型II期
佛山	成年型II期	成年型I期	成年型I期	成年型II期
珠海	成年型I期	成年型I期	成年型I期	成年型II期
广州	成年型II期	成年型II期	成年型II期	老年型I期
肇庆	成年型II期	老年型I期	老年型I期	老年型II期
澳门	成年型II期	老年型I期	老年型I期	老年型I期
江门	老年型I期	老年型I期	老年型I期	老年型II期
香港	老年型I期	老年型II期	老年型II期	老年型III期
区域平均	成年型II期	成年型II期	成年型II期	老年型I期
全国	成年型II期	老年型I期	老年型I期	老年型II期

新窗口打开|下载CSV

由上述的分析得出两个结论：一是研究期内粤港澳大湾区人口发展模式由成年型向老年型演变,并于2015年进入人口老龄化阶段,但老龄化程度比同期全国平均轻得多,特别是深圳人口发展模式始终处于年轻型阶段。理论上,粤港澳大湾区在社会经济发展中受到来自于人口老龄化的负面效应要小于全国。二是粤港澳大湾区内部11城市人口老龄化存在空间异质性,不同的城市面临着不同的老龄化程度。人口老龄化的这种空间异质性,在一定程度不利于粤港澳大湾区养老保障政策的协调。

3.2.2 人均GDP 人均GDP是衡量一个地区发展阶段水平的重要指标。按照世界银行在四个年份高低收入国家或地区的划分标准,粤港澳大湾区在2010年已进入高收入水平区。利用ArcGIS 10.2,依据世界银行在四个年份中高低收入国家和地区的划分标准,将粤港澳大湾区内部11个城市的人均GDP水平划分四种类型,即低收入、中等偏下、中等偏上和高收入城市（图4）。

图4

新窗口打开|下载原图ZIP|生成PPT
图41990年、2000年、2010年、2015年粤港澳大湾区人均GDP空间格局演变

注：该图基于国家测绘地理信息局标准地图（审图号为GS(2019)4342号）绘制,底图无修改。
Fig. 4Evolution of the spatial pattern of per capita GDP in the Guangdong-Hong Kong-Macao Greater Bay Area in 1990, 2000, 2010 and 2015

由图4可知,研究期内,粤港澳大湾区高收入城市以澳门和香港为起点向北扩散,最终形成中心-外围的空间分布格局。1990年低收入和中等偏下收入城市占比达81.8%,香港、澳门为高收入城市,占比为18.2%。2000年中等偏下收入城市占54.5%,中等偏上城市占27.3%,高收入城市占18.2%。2010年广州、深圳进入高收入水平城市,高收入城市增加到4个,占比36.4%,中等偏上收入城市7个,占比63.6%。2015年佛山、中山和珠海进入高收入城市,高收入城市增加到7个,占63.6%,中等偏上收入城市占比36.4%。人均GDP达到中等偏上收入并以高收入为主的阶段,标志这一区域社会经济发展主题逐渐与中等发达国家趋同。

值得注意的是,虽然按照世界银行的标准,粤港澳大湾区在2010年整体上已进入高收入水平区,但内部11个城市经济水平存在显著的不均衡,差距较大,大湾区城市群的城市被分成4个梯队。同时,11个城市经济发展水平与老龄化程度不完全同步（表3,见第2138页）。

Tab. 3
Tab. 3Per capita GDP and population aging coefficient of the Guangdong-Hong Kong-Macao Greater Bay Area (美元, %)

地区	1990年		2000年		2010年		2015年
地区	人均GDP	老龄化系数	人均GDP	老龄化系数	人均GDP	老龄化系数	人均GDP	老龄化系数
广州	1038	6.30	3095	6.10	12918	6.67	21860	7.92
佛山	869	6.77	2443	5.25	11863	5.25	17383	6.79
肇庆	325	6.23	896	7.86	4134	9.08	7812	10.2
深圳	1321	2.22	3961	1.23	13929	1.79	25359	2.90
东莞	950	4.99	1652	2.09	7799	2.29	12137	3.74
惠州	418	5.94	1676	6.23	5709	5.91	10631	6.55
珠海	1057	4.62	3354	4.03	11505	5.01	20026	6.64
中山	733	6.28	1821	4.62	8980	4.43	15093	5.73
江门	509	7.94	1552	8.66	5262	9.08	7963	11.39
香港	13110	8.46	25319	10.94	32550	13.08	42430	15.29
澳门	10041	6.59	14879	7.08	52650	7.38	70795	8.98
区域平均	3070	6.56	5609	5.64	12980	5.96	20509	7.37

注：表中数据按照当年汇率将港币、澳门和人民币折算成美元,人口老龄化系数等于65岁人口与总人口之比。

新窗口打开|下载CSV

从人均GDP来看,粤港澳大湾区内部11个城市呈现明的梯队特征。以2015年为例,11个城市可为四个梯队：香港、澳门属于第一梯队,人均GDP超过4万美元;深圳、广州、珠海为第二梯队,人均GDP达2万美元以上;佛山、中山、东莞、惠州为第三梯队,人均GDP超过1万美元;肇庆和江门为第四梯队,人均GDP小于1万美元。根据人均GDP与人口老龄化水平之间的关系,粤港澳大湾区内部11城市层级性特征明显,以2015年为例,一是经济发展水平高,人口老龄化水平高的城市,包括香港、澳门和广州。二是经济发展水平高,老龄化水平低的城市,包括深圳和东莞;三是经济发展水平高,人口老龄化水平较低（成年型）的城市,包括佛山、惠州、中山和珠海。四是经济发展水平低,人口老龄化水平高的城市,包括肇庆和江门。因此,在粤港澳大湾区一体化建设过程中,有两个需要正视的问题,一是区域经济发展非均衡的问题,二是由人口流动引起人口老龄化的重新分配,有可能加剧内部地区间发展不平衡的问题。

4 粤港澳大湾区人口老龄化的经济效应分析

4.1 人口老龄化经济效应的一般性理论分析

经典的经济增长理论表明,一个国家或地区的产出受多种因素的影响,是包括技术进步、劳动、资本等要素的函数,具有生产函数Y(t)=F(A(t), K(t), L(t), B(t))。假设在生产规模扩大过程中,同比例增加劳动和资本两种生产要素的投入量,使之为原来的λ倍,则相应的产出量为μY(t)=F(A(t), λK(t), λL(t), B(t)),这里假定μ=λ,即生产规模报酬不变。其中,Y(t)表示产出,L(t)和K(t)分别表示劳动和资本投入,A(t)表示技术进步,B(t)表示其他生产投入要素,它们都是时间t的函数。假设社会总人口为N(t),0~14岁人口占总人口的比例为c,65岁以上的人口占总人口的比例（老龄化系数）为p,e表示劳动参与率,即就业人口占劳动人口的比例。则有：

（6）

L (t) = eN (t) (1 - c - p)

生产函数可以表示为：$ （7）

Y (t) = F (A (t), K (t), eN (t) (1 - c - p), B (t))

对时间求微分可得经济增长方程如下：

（8）

\begin{array}{l} \frac{dY}{dt} = \frac{? F}{? A} \frac{dA}{dt} + \frac{? F}{? K} \frac{dK}{dt} + e \frac{? F}{? L} \frac{dN}{dt} (1 - c - p) + \frac{? F}{? B} \frac{dB}{dt} \\ = \frac{? F}{? A} \frac{dA}{dt} + \frac{? F}{? K} \frac{dK}{dt} + e \frac{? F}{? L} \frac{dN}{dt} (1 - c) - e \frac{? F}{? L} \frac{dN}{dt} p + \frac{? F}{? B} \frac{dB}{dt} \end{array}

经济学一般假设,劳动力投入越高产出越高,即有?F/?L>0,同时假设社会总人口随着时间的推移而增加,即有dN/dt >0。因此,人口老龄化和总产出的变动率成负相关关系,在其他条件不变的情况下,老龄人口比重每增加一个单位,使得经济总产出变动比率降低e(?F/?L)(dN/dt),即老龄人口的变动对总产出的影响为-e(?F/?L)(dN/dt)。

4.2 模型的建立及研究样本说明

在人口老龄化对经济增长一般性理论分析的基础上,需要采用具体的生产函数解释老龄化的经济效应。柯布-道格拉斯生产函数是经济学中使用最广泛的一种生产函数形式,有效地反映了产出量Y与资本K和劳动L的函数关系。故本文采用C-D生产函数,并将人口老龄化系数引入模型,分析粤港澳大湾区人口老龄化如何对经济产生影响,以及产生怎样的影响,构建模型：

（9）

Y = A K^{β_{1}} L^{β_{2}} e^{ε}

式中：Y表示产出;A表示全要素生产率;K表示资本投入;L表示劳动投入;β₁,β₂分别表示资本的和劳动投入的产出弹性;

ε

表示随机扰动项。对公式（9）两边同时取对数,可得公式（10）：

（10）

\ln Y = \ln A + β_{1} \ln K + β_{2} \ln L + ε

由上文的一般性理论分析可知,作为影响经济发展的因素,人口老龄化对经济的发展存在着抑制作用。因此,模型扩展并简化到公式（11）：

（11）

\ln Y = β_{0} + β_{1} \ln K + β_{2} \ln L + β_{3} p

式中：

β_{0}

表示索洛剩余;

β_{1}

、

β_{2}

、

β_{3}

分别表示资本投入、劳动投入、老龄化系数对被解释变量的影响程度。

为克服回归分析的小样本偏差,将本文的实证研究对象细分到粤港澳大湾区的区（县）级单位。其中,东莞市和中山市由于没有划分行政区将其作为一个独立样本,深圳市、香港特别行政区和澳门特别行政区由于数据缺失,均作为独立的单个样本。被解释变量为经济增长,以人均GDP衡量;核心解释变量为人口老龄化系数;参考理论界的做法,解释变量资本投入K以人均固定资本投入表征^[27,28],劳动投入用人均职工工资衡量^[29]。同时,由于数据获取上的困难,且1990年、2000年和2010年粤港澳大湾区内部城市的区（县）存在不同程度的变动,故本文选取2015年的数据进行实证分析。

4.3 参数的估计

4.3.1 空间自相关检验地理学第一定律认为,事物之间存在关联性,但较近的事物比较远的事物关联性要大。粤港澳大湾区由11个城市组成,其内部城市之间的社会经济活动必然具有较强的关联性。运用公式（1）~公式（2）对2015年对粤港澳大湾区人均GDP进行全局空间自相关分析,空间权重矩阵采取Queen相邻方式构建,结果见表4。

Tab. 4
表4
表4粤港澳大湾区全局人均GDP Moran’s I统计量检验结果
Tab. 4Moran ’s I test results of the global per capita GDP of the Guangdong-Hong Kong-Macao Greater Bay Area

Moran’s I	E(I)	SD	Z值	P值
0.2681	-0.0233	0.1045	2.7832	0.0170

新窗口打开|下载CSV

从表4可知,全局Moran’s I为0.2681,且对应的p值小于0.05,表明粤港澳大湾区2015年人均GDP存在显著的正空间自相关。

全局空间自相关只能从整体上判断空间聚集性,并且无法判断局部地区聚集的冷热点。本文通过Geoda1.14软件制作粤港澳大湾区2015年人均GDP的LISA聚类如图5所示。

图5

新窗口打开|下载原图ZIP|生成PPT
图5粤港澳大湾区2015年人均GDP LISA聚类分布

注：该图基于国家测绘地理信息局标准地图（审图号为GS(2019)4342号）绘制,底图无修改。
Fig. 5LISA clustering chart of per capita GDP of the Guangdong-Hong Kong-Macao Greater Bay Area in 2015

图5表明：大湾区通过显著性检验的人均GDP局部空间模式包括高高、低低和高低三种类型,其中低低聚集的地区有怀集县（肇庆市）、封开县（肇庆市）、德庆县（肇庆市）、广宁县（肇庆市）、恩平市（江门市）、开平市（江门市）、台山市（江门市）和新会区（江门市）;高高聚集的地区有香洲区（珠海市）和天河区（广州市）;低高聚集的地区有白云区（广州市）和海珠区（广州市）。由于粤港澳大湾区城市之间存在明显的空间聚集效应,故可以使用空间计量模型对其进行分析建模。

4.3.2 参数的估计与结果分析基于上文的分析,本文在模型（11）的基础上引入空间效应,建立空间滞后模型（SAR）和空间误差模型（SEM）,采用Queen相邻构建空间权重矩阵进行回归分析,其具体模型见公式（12）和公式（13）：

（12）

\ln Y = ρW \ln Y + β_{0} + β_{1} \ln K + β_{2} \ln L + β_{3} p + ε

其中：W为空间权重矩阵。

（13）

\ln Y = β_{0} + β_{1} \ln K + β_{2} \ln L + β_{3} p + ε

其中：

ε = λWε + μ

,W为空间权重矩阵。

回归结果如表5所示：

Tab. 5
表5
表5粤港澳大湾区人口老龄化对经济增长影响的回归结果
Tab. 5Regression results of the impact of population aging on economic growth in the Guangdong-Hong Kong-Macao Greater Bay Area

被解释变量：ln Y
Variable	OLS	SEM	SAR
Constant	-11.4904*** (1.93)	-13.4848*** (1.45)	-11.1651*** (1.81)
p	-0.0343** (0.02)	-0.0291** (0.01)	-0.0284* (0.02)
ln K	0.5694*** (0.10)	0.5799*** (0.08)	0.5519*** (0.10)
ln L	1.5501*** (0.18)	1.7165*** (0.13)	1.3829*** (0.20)
Rho	—	—	0.1468 (1.17)
Lambda	—	-0.5047** (0.20)	—
Adj-R-squared	0.7955	—	—
AIC	23.7043	19.9447	24.6494
SC	30.8411	27.0815	33.5703
Log likelihood	-7.8522	-5.9723	-7.3247

注：括号内数值表示标准差;*、**、***分别表示在10%、5%和1%的显著性水平下显著。

新窗口打开|下载CSV

从回归结果来看,空间滞后模型的空间自回归系数

ρ

未通过显著检验,且赤池息准则（AIC）和施瓦茨准则（SC）均大于空间误差模型对应的AIC和SC。同时,空间滞后模型的对数似然值（Log likelihood）小于空间误差模型对应的对数似然值。综合以上分析,故选取空间误差模型作为最终分析模型。

空间误差模型的回归结果表明,人均固定资本和人力资本投入均通过了1%的显著性检验,二者的系数值均为正,表明人均固定资本投入和人均人力资本投入对经济增长有正向影响。人口老龄化系数在5%的显著性水平下系数值为负,表明65岁以上人口增加会对经济增长产生负面的影响。从相关系数来看,人均人力资本投入每增加1%,人均GDP增加1.72%;人均固定资本投入每增加1%,人均GDP增加0.58%;老龄人口每增加1%,人均GDP减少3%。这意味着影响粤港澳大湾区经济增长的三个因素中,人均人力资本投入对经济的正向效应大于人均固定资本投入,人口老龄化对经济增长造成的负向影响已经超过了人均人力资本投入和人均固定资本投入对经济造成的正向影响。

4.4 稳健性检验

为使结论更具有稳健和可靠性,本文采取经济距离权重矩阵和地理距离权重矩阵对模型进行再次估计,结果如表6所示。

Tab. 6
表6
表6经济距离权重矩阵和地理距离权重矩阵下模型回归结果
Tab. 6Model regression results under economic distance weight matrix and geographical distance weight matrix

被解释变量：ln Y
Variable	经济距离权重		地理距离权重
Variable	SEM	SAR	SEM	SAR
Constant	-15.7945*** (2.46)	-10.7587*** (1.66)	-11.4904*** (1.90)	-22.2587*** (2.03)
p	-0.0449*** (0.01)	-0.0459*** (0.01)	-0.0343** (0.02)	-0.0350** (0.02)
lnK	0.5545*** (0.08)	0.548*** (0.08)	0.5694*** (0.10)	0.5815*** (0.09)
lnL	1.5381*** (0.15)	1.5185*** (0.15)	1.5501*** (0.17)	1.5828*** (0.17)
Rho	—	-0.3146*** (0.10)	—	0.9091*** (0.06)
Lambda	-0.3006*** (0.10)	—	1.1000*** (0.07)	—
Adj-R-squared	—	—	—	—
AIC	18.7555	18.8029	22.2710	24.2710
SC	29.4607	29.5080	29.4077	33.1919
Log likelihood	-3.3778	-3.4015	-7.1355	-7.1355

注：括号内数值表示标准差;**、***分别表示在5%和1%的显著性水平下显著。

新窗口打开|下载CSV

从回归结果来看,在经济距离权重和地理距离权重矩阵下的

ρ

和λ均通过了显著性检验。同时,结合赤池信息准则（AIC）、施瓦茨准则（SC）和对数似然值（Log likelihood）的比较,在经济距离权重矩阵和地理距离权重矩阵下,空间误差模型为最优的回归模型。模型中的人均固定资本投入和人均人力资本投入均通过了1%显著性检验且回归系数均为正数,表明其对经济的增长具正向促进作用,人口老龄化系数在1%的显著性水平下系数为负,说明人口老龄化的经济效应为负。在经济距离权重矩阵下,人均人力资本投入增加1%,人均GDP增加1.54%。人均固定资本投入增加1%,人均GDP增加0.55%。老龄人口每增加1%,人均GDP减少4%;在地理距离权重矩阵下,人均人力资本投入增加1%,人均GDP增加1.55%;人均固定资本投入增加1%,人均GDP增加0.57%,老龄人口每增加1%,人均GDP减少3%。

综上可以看出,无论是Queen相邻空间权重矩阵下的空间误差模型,还是经济距离和地理距离权重矩阵下回归模型,其回归结果均表明粤港澳大湾区人均固定资本投入和人力资本投入对经济增长具有正向作用,且人均人力资本投入对经济增长的影响程度大于人均固定资本投入。人口老龄化对经济增长的影响均通过了显著性检验,系数均为负值,意味着研究期内粤港澳大湾区人口老龄化对经济增长产生了抑制作用。从回归系数可以看出,相较于人均固定资本投入和人均人力资本投入,人口老龄化对经济增长的负向影响较强。考虑到粤港澳大湾区的香港在研究期内经历了老龄型I期、II期和III期三个阶段,再加上能获取到连续年份的数据,本文运用多元时间序列模型考察香港人口老龄化的经济效应,这在一定程度上对粤港澳大湾区具有参考意义。

4.5 香港人口老龄化经济效应的时间序列模型分析

4.5.1 香港人口老龄化演变过程作为粤港澳大湾区人口老龄化程度最深的城市,香港于1990年进入老龄化社会,比内地早9年进入人口老龄化社会。表7展示了香港人口老龄化程度的演变过程,具体包括三个阶段：1990—1995年为老年型I期,对应的人均GDP为13110~22765美元。1996—2012年为老年型II期,老年型II期长达17年,对应的人均GDP为24702~36732美元。2013—2018年为老年型III期,对应的人均GDP为38403~48672美元。从香港进入老年型I期对应的人均GDP来看,粤港澳大湾区与之表现出某种相似性。在研究期的四个年份,粤港澳大湾区2015年为老年型I期,该年人均GDP为20000美元以上,1994年处于老年型I期的香港人均GDP亦超过了20000美元,这使得对香港的多元时间序列的实证分析参考意义更为明显。

Tab. 7
表7
表71990—2018年香港人口年龄结构演变情况
Tab. 7Evolution of the age structure of Hong Kong's population from 1990 to 2018

年份	老龄化系数(%)	类型	人均GDP(美元)	年份	老龄化系数(%)	类型	人均GDP(美元)
1990	8.46	老年型I期	13110	2005	12.25	老年型II期	26093
1991	8.73	老年型I期	14955	2006	12.43	老年型II期	27697
1992	9.00	老年型I期	17356	2007	12.61	老年型II期	29902
1993	9.25	老年型I期	19659	2008	12.69	老年型II期	30871
1994	9.51	老年型I期	21673	2009	12.89	老年型II期	30696
1995	9.78	老年型I期	22765	2010	13.08	老年型II期	32550
1996	10.12	老年型II期	24702	2011	13.31	老年型II期	35142
1997	10.42	老年型II期	27169	2012	13.70	老年型II期	36732
1998	10.66	老年型II期	25507	2013	14.27	老年型III期	38403
1999	10.93	老年型II期	24713	2014	14.71	老年型III期	40315
2000	10.94	老年型II期	25319	2015	15.29	老年型III期	42430
2001	11.22	老年型II期	24771	2016	15.85	老年型III期	43735
2002	11.52	老年型II期	24120	2017	16.43	老年型III期	46221
2003	11.82	老年型II期	23293	2018	16.99	老年型III期	48672
2004	12.07	老年型II期	24454

注：表中数据按照当年汇率将港币换算成美元。

新窗口打开|下载CSV

理论上,多元时间序列模型对样本数据时间的要求为3（k+1）（k是解释变量的个数）,本文的解释变量为3个,则在时间上的要求至少为12年,香港处于人口老年型II期的时间跨度达到16年（1996—2012年）。另外,虽然港澳大湾区在2015年处于老年型I期,但在中国人口加速化和深度化的背景下,进入老年型II期是必然趋势。故本文运用时间序列模型分析香港人口年龄结构处于老年型II期阶段的人口老龄化的经济效应。4.5.2 单位根检验时间序列是否平稳需要进行平稳性检验,以避免非平稳时间序列直接回归所存在的伪回归现象,从而导致实证没有意义。本文运用Eviews 7.2对模型中的解释变量和被解释变量进行ADF单位根检验（见表8）。

Tab. 8
表8
表8ADF单位根检验
Tab. 8ADF unit root test

变量	ADF检验	各显著性水平的临界值
变量	ADF检验	0.01	0.05	0.10
lnY	-2.4939	-4.6679	-3.7332	-3.3103
D(lnY)	-3.4700	-3.9591	-3.0810	-2.6813
lnK	-2.6971	-4.8000	-3.7912	-3.3423
D(lnK)	-7.6940	-4.8000	-3.7912	-3.3423
lnL	-1.9862	-4.6679	-3.7332	-3.3103
D(lnL)	-4.0244	-3.9591	-3.0810	-2.6813
O	-2.1373	-4.6679	-3.7332	-3.3103
D(O)	-2.8201	-4.7283	-3.7597	-3.3249
D(D(O))	-5.3735	-4.0044	-3.0989	-2.6904

新窗口打开|下载CSV

ADF单位根检验的结果显示,原始序列均为非平稳序列,其中人均GDP、人均固定资本投入和人均人力资本投入均为一阶单整序列,老龄人口比重为二阶单整序列,具体的协整关系则需要进一步检验。

4.5.3 协整检验为避免差分所带来的过多的信息的损失,本文对老龄人口比重序列进行一阶差分得到经济含义为“老龄人口增长”的一阶单整序列,并对Y、K、L、D(p)序列进行Johansen协整检验,得到结果见表9。

Tab. 9
表9
表9Johansen协整检验结果
Tab. 9Johansen cointegration test results

假设条件	Eigenvalue	Trace Statistic	5% Crititical Value	Prob.
None	0.9827	99.2744	47.8561	0.0000
At most 1	0.9094	42.4794	29.7971	0.0011
At most 2	0.3907	8.8550	15.4947	0.3790

新窗口打开|下载CSV

表9显示,“lnY、lnK、lnL、D(p)之间不存在长期均衡关系”和“lnY、lnK、lnL、D(p)之间最多存在1个协整关系”的原假设均在5%的显著性水平下被拒绝,而“lnY、lnK、lnL、D(p)之间最多存在2个协整关系”无法在10%的显著性水平下被拒绝,故认为lnY、lnK、lnL、lnD(p)之间存在2个协整关系。

4.5.4 回归结果分析由上述分析可知,lnY、lnK、lnL、D(p)序列之间存在长期均衡关系,对其构建多元时间序列模型,得到回归结果如表10所示。

Tab. 10
表10
表10 人口老龄化对经济影响的回归结果
Tab. 10regression results of the impact of population aging on economy

Variable	Coefficient	Std.Error	t-statistic	Prob.
Constant	-27.3322	4.7933	-5.7022	0.0001
lnL	2.4437	0.4038	6.0521	0.0001
D(p)	-0.4053	0.1842	-2.2004	0.0481
lnK	1.0160	0.1315	7.7271	0.0000
R-squared	0.9010	Mean dependent var		12.3441
Adjusted R-squared	0.8763	S.D. dependent var		0.1869
S.E. of regression	0.0657	Akaike info criterion		-2.3937
Sum squared resid	0.0519	Schwarz criterion		-2.2005
Log likelihood	23.1496	Hannan-Quinn criter.		-2.3838
F-statistic	36.4117	Durbin-Watson stat		2.0637
Prob(F-statistic)	0.0000
Sample(adjusted):1997:2012

新窗口打开|下载CSV

回归结果表明,可决系数R²及调整的R²分别达到0.901和0.8763,二者均接近1,模型的拟合优度高,方程的F值对应的概率小于0.01,表明方程显著性良好。DW值为2.0637,通过查D.W.检验上下界表,在5%显著性水平下,D.W.检验的下界D_L=0.86,上界D_U=1.73,可知残差序列无自相关性,模型整体拟合效果较好。从回归系数来看,老龄人口增长率的系数为-0.4053且通过了5%的显著性检验,表明老龄人口增长率每增加1%,人均GDP减少41%;人均固定资本投入的系数为1.016且通过了1%的显著性水平检验,表明人均固定资本投入每增加1%,人均GDP增加1.02%;人均人力资本投入的系数为2.4437且通过了1%的显著性水平检验,说明人均人力资本投入每增加1%,人均GDP增加2.44%。

5 结论与讨论

本文采用广东省第四次、第五次、第六次人口普查资料、2015年广东省1%人口抽样调查资料和香港年刊、澳门统计年鉴的数据,运用空间自相关分析、柯布-道格拉斯生产函数和空间回归等方法,研究2000—2015年粤港澳大湾区人口老龄化的时空特征及其经济效应,得到以下结论：第一,粤港澳大湾区人口老龄化进程慢于广东省,更慢于全国,但于2015年已进入老年型I期。第二,粤港澳大湾区老龄化系数呈动态演变特征,空间上以香港和江门为起点,经西北向北扩散的“C”型分布模式,高收入城市以澳门和香港为起点向北扩散,最终形成中心-外围的空间分布格局。同时,粤港澳大湾区内部11城市人口老龄化存在空间异质性,不同的城市面临着不同的老龄化程水平。第三,粤港澳大湾区人均GDP水平空间分布格局总体上呈现“全面升级”的特征,但内部11个城市呈现明显的梯队特征,且与人口老龄化进程不同步。第四,处于老年型I期的粤港澳大湾区人口老龄化对经济增长具有负向作用,其中老年型II期的香港已显示出对经济增长显著的负向作用,老龄人口增长率每增加1%,人均GDP下降41%,人均固定资本投入和人均人力资本投入有正向的经济效应,人均人力资本投入带来的正向效应要大于人均固定资本投入。

根据上述结论可以得到三个方面的政策启示：一是即便外来人口净流入的背景下,粤港澳大湾区依然面临人口老龄化压力,且内部11城市存在较显著的空间异质性,这就需要粤、港、澳三地建立起协同治理模式,构建跨境的养老合作机制。二是做好宏观经济发展的顶层设计,通过对固定资本和人力资本投入进行引导,促进产业结构升级,充分利用人力资本促进技术创新,可以在一定程度上弱化粤港澳大湾区人口老龄化经济效应的负向作用。三是虽然相对于全国平均水平,特别是相对于处于老年型II的香港特别行政区,处于老年型I期的粤港澳大湾区人口老龄化对经济的负向作用要轻,但并不意味着人口老龄化减缓经济的效应可以忽视。随着中国人口老龄化日趋严重,未来粤港澳大湾区人口老龄化对经济增长的抑制作用将会更加深刻。因此,理论界应持续关注粤港澳大湾区人口老龄化的进程,并正确评估不同阶段人口老龄化对经济增长的影响,做到未雨绸缪,妥善处理好人口老龄化与经济之间的关系至关重要。

致谢：

真诚感谢二位匿名专家在评审过程中所付出的时间和精力,评审专家对本文的研究方法、逻辑结构、结论与讨论方面的修改意见,使本文获益非浅。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

孙鹃娟, 高秀文. 国际比较中的中国人口老龄化: 趋势、特点及建议
教学与研究, 2018, (5): 59-66.

[本文引用: 1]

[ Sun

Juanjuan

, Gao

Xiuwen

. China’s population aging in international comparison: trends, characteristics and suggestions
Teaching and Research, 2018, (5): 59-66.]

[本文引用: 1]

[2]

原新, 刘志晓, 金牛. 从追赶到超越: 中国老龄社会的演进与发展之路
新疆师范大学学报: 哲学社会科学版, 2020, (2): 1-9.

[本文引用: 1]

[ Yuan

Xin

, Liu

Zhixiao

, Jin

Niu

. From catching up to surpassing: The evolution and development of China's aging society
Journal of Xinjiang Normal University: Edition of Philosophy and Social Sciences, 2020, (2): 1-9.]

[本文引用: 1]

[3]

曾通刚, 赵媛. 中国老龄事业发展水平时空演化及其与经济发展水平的空间匹配
地理研究, 2019, 38(6): 1497-1511.

DOI:10.11821/dlyj020180095 URL [本文引用: 1]

基于“积极老龄化”理论框架,从健康、参与和保障三大维度构建中国老龄事业发展水平评价指标体系。以中国大陆31个省（自治区、直辖市）为研究对象,运用数理统计、重心和空间重叠性、空间错位分析和计量经济模型等方法,分析了2004—2016年中国老龄事业发展水平的时序变化、空间格局、错位特征及其影响机制。结果表明：① 2004—2016年,中国老龄事业发展水平整体快速增长,区域差异逐渐缩小,但区域失衡特征不容忽视。东部地区整体水平高于中部、西部及东北地区,并伴有“西部崛起,中部及东北地区塌陷”特征。东部地区呈现“两极化”现象。② 中国老龄事业基本处于低水平发展阶段,空间分布由西南-东北辐射递减模式转变为显著的“中部塌陷”式,形成一条由北向南的低值集聚带,纵贯中国中部,与区域经济发展存在错位关系。③ 负向错位区主要分布在黄河、长江中上游地区,正向错位区主要集中在东部沿海、长城以北等地区。空间错位强度存在显著的地域差异性,其中西部地区尤为显著。④ 老龄事业发展水平的动态变化是多因素交互作用的结果。经济发展水平、政府政策和行政导向及产业结构的时空分异对其产生正向影响。市场经济规模扩大和人口老龄化未对老龄事业发展起推动作用,与理论预期不符。家庭规模小型化的倒逼作用不显著。

[ Zeng

Tonggang

, Zhao

Yuan

. The temporal and spatial evolution of the development level of China's aging career and its spatial matching with the level of economic development
Geographical Research, 2019, 38(6): 1497-1511.]

[本文引用: 1]

[4]

Robles G

. Prisoners of Space? Exploring the Geographic Experience of Older People. Boulder: West-view Press, 1978: 58-59.

[本文引用: 1]

[5]

Helenium

. Geographic aspects of population ageing in Russian Federation
Eurasian Geography and Economics, 2003, 44(5): 325-347.

DOI:10.2747/1538-7216.44.5.325 URL [本文引用: 1]

[6]

Bean

F D

. Geographic Concentration, Migration, and Population Redistribution Among the Elderly. Washington, D.C.: National Academy Press, 1994: 319-320.

[本文引用: 1]

[7]

Maestas

, Mullen K

, Powell

. The effect of population aging on economic growth, the labor force and productivity
http://www.nber.org/papers/w22452, 2016-07.

URL [本文引用: 1]

[8]

Lee

, Shin

. Nonlinear effects of population aging on economic growth
Japan and the World Economy, 2019, 51(9): 1-17.

[本文引用: 1]

[9]

高晓路, 吴丹贤, 许泽宁, 等. 中国老龄化地理学综述和研究框架构建
地理科学进展, 2015, 34(12): 1480-1494.

DOI:10.18306/dlkxjz.2015.12.001 URL [本文引用: 1]

在老龄化快速推进、经济社会转型和城乡空间重构的特殊时期,中国人口老龄化现象日趋复杂,地理学与老年学等学科交叉的需求日益凸显。亟需从学科构建的角度出发,思考老龄化地理学的研究方向,填补老龄化研究的空白,丰富与拓展地理学研究领域。本文在回顾已有研究的基础上,梳理出国内老龄化地理学研究的5个主题,即：①人口老龄化的时空特征和驱动因素;②人口老龄化的空间效应;③老年人健康与环境的关系;④老年人的空间行为;⑤养老服务的空间组织与规划,并对相关研究进展进行评述。通过国内外的比较研究,对老龄化地理学的学科定位、研究体系和理论方法建构进行了分析和展望,以期为从地理学视角解读中国特定社会经济背景下的人口老龄化现象提供一个研究框架。

[ Gao

Xiaolu

, Wu

Danxian

, Xu

Zening

, et al. Summary and construction of research framework of geography of aging in China
Progress in Geography, 2015, 34(12): 1480-1494.]

[本文引用: 1]

[10]

陆杰华, 刘芹. 改革开放40年来中国老龄研究的进展、创新及展望
中共福建省委党校学报, 2018, (12): 76-85.

[本文引用: 1]

[ Lu

Jiehua

, Liu

Qin

. Progress, innovation and prospect of aging research in China over the past 40 years of reform and opening up
Journal of Fujian Provincial Committee Party School of CPC, 2018, (12): 76-85.]

[本文引用: 1]

[11]

刘玉飞. 人口老龄化背景下城市化对劳动力供给的影响效应分析
统计与决策, 2019, 35(18): 103-106.

[本文引用: 1]

[ Liu

Yufei

. Analysis of the effect of urbanization on labor supply under the background of population aging
Statistics & Decision, 2019, 35(18): 103-106.]

[本文引用: 1]

[12]

豆建春. 老龄化对创新的影响: 效应、机制及其对中国的启示
人口与经济, 2019, (5): 78-93.

[本文引用: 1]

[ Dou

Jianchun

. The influence of aging on innovation: Effect, mechanism and its enlightenment to China
Population & Economics, 2019, (5): 78-93.]

[本文引用: 1]

[13]

刘成坤, 赵昕东. 人口老龄化对中国产业结构升级的影响研究
区域经济评论, 2018, (4): 69-80.

[本文引用: 1]

[ Liu

Chengkun

, Zhao

Xindong

. Research on the influence of population aging on the upgrading of China's industrial structure
Regional Economic Review, 2018, (4): 69-80.]

[本文引用: 1]

[14]

周榕, 庄汝龙, 黄晨熹. 中国人口老龄化格局演变与形成机制
地理学报, 2019, 74(10): 2163-2177.

DOI:10.11821/dlxb201910015 URL [本文引用: 2]

人口老龄化的度量包括数量（老年人口数量和占比）和质量（人口预期寿命）两个方面。基于第六次人口普查和历年统计年鉴数据,综合运用空间自相关、Sullivan健康预期寿命测度模型、地理加权回归等方法,刻画了1990-2016年中国人口老龄化“数量”与“质量”的空间格局及其变化特征,并对其作用机制进行深入探讨。结果表明：① 总体上,人口老龄化“数量”与“质量”的发展并不协调,存在空间差异性。② 从“数量”上,“胡焕庸线”东南半壁老龄化程度高于西北半壁,但增速变化存在阶段性特征。老龄化水平存在高值和低值集聚区。高值集聚区由沿海向内陆扩展,位于西北地区的老龄化低值集聚区则逐渐萎缩。③ 从“质量”上看,“胡焕庸线”东南半壁人口预期寿命优于西北半壁,东部沿海省市远高于其他地区。④ 老年人口预期寿命与健康预期寿命发展并不同步,存在性别差异与区域功能缺损扩张效应。相比中西部,东部地区预期寿命与健康预期寿命均占优势。⑤ 从形成机制来看,“数量”格局的形成受人口自然变动与机械变动共同作用,其中,出生率为主导因素;对于“质量”而言,自然环境差异、社会环境发展不协调等是影响预期寿命的重要因素,其中经济发展与卫生医疗事业进步是寿命延长的主要推动力。

[ Zhou

Rong

, Zhuang

Rulong

, Huang

Chenxi

. The mechanism of local evolution and formation of aging population in China
Acta Geographica Sinica, 2019, 74(10): 2163-2177.]

[本文引用: 2]

[15]

梅林, 郭艳花, 陈妍. 吉林省人口老龄化时空分异特征及成因
地理科学进展, 2018, 37(3): 352-362.

DOI:10.18306/dlkxjz.2018.03.006 URL [本文引用: 3]

本文基于地理信息软件ArcGIS 10.1,选取老年人口系数为人口老龄化指标,运用人口重心模型、空间自相关和半变异函数等分析方法,对吉林省第四次、第五次、第六次人口普查数据进行分析,探讨1990-2010年吉林省人口老龄化时空分异特征,并采用多元线性回归方法解释其形成原因。研究结果表明：①吉林省各县市人口老龄化差异明显,进程加快,重心由西北向东南方向移动,但移动速度减缓;②吉林省人口老龄化存在正的空间自相关性,在空间的集聚呈现先弱后强的变化趋势;③人口老龄化高—高区向东部集聚,低—低区向西部集聚的趋势比较明显;④总体上吉林省人口老龄化空间的结构化分异较为明显,随机性因子引起的空间异质性程度较弱,人口老龄化的空间差异主要体现在东—西方向上;⑤出生率始终是影响吉林省人口老龄化的主要因素,迁出率对人口老龄化发展起关键作用,人均GDP年对人口老龄化呈负相关,城市化率对人口老龄化的推动作用愈发显著。

[ Mei

Lin

, Guo

Yanhua

, Chen

Yan

. Characteristics and causes of spatio-temporal differentiation of population aging in Jilin province
Progress in Geography, 2018, 37(3): 352-362.]

[本文引用: 3]

[16]

王利, 刘万波, 赵东霞, 等. 东北地区县域老年人口高龄化空间分异特征及驱动因素研究
地理科学, 2019, 39(2): 267-276.

DOI:10.13249/j.cnki.sgs.2019.02.011 URL [本文引用: 1]

① 10 a间高龄化水平升级的态势明显,高龄化区域呈蔓延式扩散。高龄化在省级行政区间、城乡间、民族自治地区与非民族自治地区间、贫困与非贫困地区间存在显著差异。② 10 a间高龄化的变动趋势差异显著,但长期以来形成的高龄化的总体空间格局较为稳定。③ 县际间高龄化呈现较强的正的空间自相关性,空间聚集特征明显。高龄化的空间格局具有以热点区为中心,逐渐向边缘区过渡的“中心-外围”的空间梯度差异特征。④ 高龄化是老年人口年龄结构继承性和迟滞性的体现,自然环境和社会经济是影响高龄化空间分异的基础性因素,可以引导和制约高龄化空间分异的程度和方向。]]>

[ Wang

, Liu

Wanbo

, Zhao

Dongxia

, et al. Study on the characteristics and driving factors of aging spatial differentiation of county elderly population in Northeast China
Scientia Geographica Sinica, 2019, 39(2): 267-276.]

[本文引用: 1]

[17]

李少星, 王先芝, 纪小乐, 等. 乡镇尺度上的山东省人口老龄化空间格局演变与影响因素研究
地理科学进展, 2019, 38(4): 567-576.

DOI:10.18306/dlkxjz.2019.04.009 URL [本文引用: 1]

基于第五次和第六次人口普查数据,研究了乡镇尺度上山东省人口老龄化的空间格局及其演变特征,并采用空间计量方法定量探讨了其影响因素。研究发现：① 山东省人口老龄化发展迅猛,但乡镇街道之间在老龄化水平、老年人口密度和增长速度等方面均存在非常显著的地域差异。② 按照不同的分析维度,山东省乡镇街道涵盖了丰富的人口老龄化地域类型,其中的2个类型形成了典型的空间分异格局。一类主要聚集在县级以上城市及其周边地域,总体上具有老年人口低占比、高密度、高绝对增长、低相对增长的特点;另一类是主要分布在胶东地区、黄河三角洲地区、沂蒙地区和鲁西地区等4个区域的一般乡镇,大体表现为高占比、低密度、低绝对增长、高相对增长特征。③ 空间滞后模型回归结果显示,老龄化动态演变过程的不确定性更强、影响因素更为复杂,基期老龄化基础对其影响效应不显著,经济增长速度有显著负向影响,但经济发展水平对老龄化静态格局的影响却不显著,使得乡镇尺度上老龄化空间格局的演变机制呈现出特殊性。

[ Li

Shaoxing

, Wang

Xianzhi

, Ji

Xiaole

, et al. Study on the evolution and influencing factors of the spatial pattern of population aging in Shandong Province on the township scale
Progress in Geography, 2019, 38(4): 567-576.]

[本文引用: 1]

[18]

刘毅, 王云, 杨宇, 等. 粤港澳大湾区区域一体化及其互动关系
地理学报, 2019, 74(12): 2455-2466.

[本文引用: 1]

[ Liu

, Wang

Yun

, Yang

, et al. Regional integration and interaction of Guangdong-Hong Kong-Macau Greater Bay Area
Acta Geographica Sinica, 2019, 74(12): 2455-2466.]

[本文引用: 1]

[19]

王录仓, 武荣伟, 刘海猛, 等. 县域尺度下中国人口老龄化的空间格局与区域差异
地理科学进展, 2016, 35(8): 921-931.

DOI:10.18306/dlkxjz.2016.08.001 URL [本文引用: 1]

2000年以来,中国的老龄化进程加快,人口老龄化已经成为中国社会经济发展必须面对的新常态与核心问题之一。本文从县域尺度出发,基于2000和2010年的人口普查数据,应用标准差椭圆、地理探测器等方法,分析了10年间中国2283个县域单元人口老龄化的空间分布、区域差异及其影响因素。结果表明：①人口老龄化空间分布模式多样,胡焕庸线西北半壁以均质化、轴带特征为主;而胡焕庸线东南半壁则呈现出核心—外围的分布特征。②2000-2010年间,人口老龄化均值从6.7%增至8.7%,表明中国县域全面进入老年型社会,步入老年型的县域多集中于内陆、东北地区、丝绸之路经济带沿线区;10年间人口老龄化总体空间格局较为稳定,但人口老龄化的变动趋势差异显著。③人口老龄化在“胡焕庸线”两侧、不同地域类型间、城乡间、民族自治地区与非民族自治地区间、贫困与非贫困地区间存在差异,且差异变动的方向并不一致。④影响人口老龄化的核心因素为各区域往期人口年龄结构、步入老年序列人口比重、人口流出的比例等。

[ Wang

Lucang

, Wu

Rongwei

, Liu

Haimeng

, et al. Spatial pattern and regional differences of population aging in China on the county scale
Progress in Geography, 2016, 35(8): 921-931.]

[本文引用: 1]

[20]

代金辉, 马树才. 人口老龄化对经济增长影响路径的统计检验
统计与决策, 2019, 35(3): 110-113.

[本文引用: 1]

[ Dai

Jinhui

, Ma

Shucai

. Statistical Test of the influence path of population Aging on Economic growth
Statistics and Decision, 2019, 35(3): 110-113.]

[本文引用: 1]

[21]

谢珍珠. 人口老龄化对河南经济发展的影响研究
昆明: 云南财经大学硕士学位论文, 2019: 3-6.

[本文引用: 1]

[ Xie

Zhenzhu

. A study on the influence of population aging on the economic development of Henan province
Kunming: Master Dissertation of Yunnan University of Finance and Economics, 2019: 3-6.]

[本文引用: 1]

[22]

杨振, 张小雷, 李建刚, 等. 中国地级单元城镇化与经济发展关系的时空格局: 基于2000年和2010年人口普查数据的探析
地理研究, 2020, 39(1): 25-40.

[本文引用: 1]

[ Yang

Zhen

, Zhang

Xiaolei

, Li

Jiangang

, et al. The spatio-temporal pattern of the relationship between prefecture-level unit urbanization and Economic development in China : An analysis based on 2000 and 2010 population Census data
Geographical Research, 2020, 39(1): 25-40.]

[本文引用: 1]

[23]

李琼, 周宇, 田宇, 等. 2002-2015年中国社会保障水平时空分异及驱动机制
地理研究, 2018, 37(9): 1862-1876.

DOI:10.11821/dlyj201809016 URL [本文引用: 1]

运用主成分分析法对2002-2015年的中国社会保障水平进行测算,分析其时空分异特征,同时运用地理加权回归模型分析其影响因素及驱动机制。研究表明：① 中国社会保障总体、地区水平在逐年提高,但区域相对保障水平差距有扩大趋势。② 中国社会保障水平发展不均衡,社会保障水平的“东—中—西”的格局与中国地区发展的格局相吻合。社会保障水平的热点区和冷点区表现出较明显的空间演变特征,高热点区在东部地区扩散并向中部地区辐射,冷点区在西部地区分布并不断加深和强化。③ 人均GDP、农村人均纯收入、城镇化率、教育水平、财政转移支付5个因素,形成经济、教育、财政和社会四大驱动力引致社会保障水平的时序变化和空间布局。

[ Li

Qiong

, Zhou

, Tian

, et al. Spatio-temporal differentiation of China's Social Security level and its driving mechanism from 2002 to 2015
Geographical Research, 2018, 37(9): 1862-1876.]

[本文引用: 1]

[24]

冯长春, 曾赞荣, 崔娜娜. 2000年以来中国区域经济差异的时空演变
地理研究, 2015, 34(2): 234-246.

DOI:10.11821/dlyj201502004 URL [本文引用: 1]

基于经济区、省（直辖市、自治区）、地区（市、区、盟、自治州）三级空间单元,以2000-2012年人均GDP为指标,采用Theil指数二阶分解和ESDA空间统计方法,探索中国区域经济差异的时空演变。结果表明：① 2000年以后经济差异呈现“先小幅上升、后持续下降”的趋势,且省内差异>经济区间差异>省间差异;② 相比北部沿海、东部沿海、长江中游、南部沿海等综合经济区,黄河中游、大西北、大西南、东北等综合经济区内的省间差异相对较大;③ 省内差异减小的省份呈现增多趋势;④ 地级单元经济差异以空间正关联为主,HH类型有扩大趋势,LL类型较为稳定,HL和LH类型则较少且分布零散。在此基础上,从国家政策、地理区位、资源禀赋、资产投资和行政分割等角度探讨了经济差异的原因。

[ Feng

Changchun

, Zeng

Zanrong

, Cui

Nana

. The temporal and spatial evolution of China's regional economic disparity since 2000
Geographical Research, 2015, 34(2): 234-246.]

[本文引用: 1]

[25]

刘晔, 王若宇, 薛德升, 等. 中国高技能劳动力与一般劳动力的空间分布格局及其影响因素
地理研究, 2019, 38(8): 1949-1964.

DOI:10.11821/dlyj020180391 URL [本文引用: 1]

基于2000和2010年全国人口普查分县数据和地级行政单元数据,采用不均衡指数和空间自相关分析等方法,刻画中国高技能劳动力和一般劳动力的空间分布格局及其变化,并采用空间滞后模型,识别高技能劳动力与一般劳动力空间分布的决定因素及其变化。结果表明：① 两类劳动力总体的空间特征均为东南密集,西北稀疏;② 2000—2010年,高技能劳动力在空间分布上呈集中化的趋势,而一般劳动力呈分散化的趋势;③ 十年间高技能劳动力集聚区虹吸作用加强,其分布越发集中于沿海特大城市群,而一般劳动力集聚区回波作用加强,其分布越发均衡;④ 空间回归分析结果表明,职工平均工资、是否直辖市或省会、每万人在校高校学生、是否沿海城市、常住人口数和空间溢出效应在十年中一直都是决定高技能劳动力和一般劳动力空间分布的主要因素,而失业率、中学生师比、二氧化硫排放量和绿地率在2010年也成为影响两类劳动力空间分布的主要因素。对比两类劳动力的模型结果可得,高技能劳动力的空间分布受行政因素、高校因素和地区生活舒适度的影响更大,而一般劳动力的空间分布受劳动力市场因素的影响更大。

[ Liu

, Wang

Ruoyu

, Xue

Desheng

, et al. The spatial distribution pattern and influencing factors of China's high-skilled labor force and general labor force
Geographical Research, 2019, 38(8): 1949-1964.]

[本文引用: 1]

[26]

王承云, 孙飞翔. 长三角城市创新空间的集聚与溢出效应
地理研究, 2017, 36(6): 1042-1052.

DOI:10.11821/dlyj201706004 URL [本文引用: 1]

选取长三角地区各城市2001-2012年专利申请受理量作为表征各城市创新水平指标,采用变异系数、基尼系数、赫芬达尔指数和空间自相关指标和方法,考察长三角地区创新空间格局演变特征,并使用空间回归分析方法,探讨长三角地区创新空间差异的影响因素。研究表明：① 长三角地区整体创新空间差异和创新集中度呈下降趋势,近年来已趋向稳定。② 长三角地区创新空间格局仍处在动态变化之中,但已基本形成以上海、南京为端点的创新高值集聚带。长三角地区创新空间已表现出正的空间相关性,但呈现出波动变化特征,空间相关性并不显著,仍存在一定程度的空间异质性。③ 城市创新已表现出一定程度的空间溢出效应。创新综合投入、创新环境和创新规模是长三角地区创新空间差异的主要影响因素。

[ Wang

Chengyun

, Sun

Feixiang

. The agglomeration and spillover effects of urban innovation space in the Yangtze River Delta
Geographical Research, 2017, 36(6): 1042-1052.]

[本文引用: 1]

[27]

张晓婧. 中国经济增长的影响要素分析: 基于柯布—道格拉斯生产函数
中国市场, 2013, (41): 117-118+133.

[本文引用: 1]

[ Zhang

Xiaojing

. Analysis of the influencing factors of China's economic growth: Based on Cobb-Douglas production function
Chinese Market, 2013, (41): 117-118+133. ]

[本文引用: 1]

[28]

陈霞. 湖北受教育程度人群与经济发展的关联性分析: 基于拓展的柯布-道格拉斯函数
湖北民族学院学报: 哲学社会科学版, 2016, 34(4): 37-40+132.

[本文引用: 1]

[ Chen

Xia

. Analysis of the correlation between the education level of Hubei and economic development: Based on the extended Cobb-Douglas function
Journal of Hubei Minzu University: Philosophy and Social Sciences, 2016,34(4): 37-40+132.]

[本文引用: 1]

[29]

朱平芳, 徐大丰. 中国城市人力资本的估算
经济研究, 2007, (9): 84-95.

[本文引用: 1]

[ Zhu

Pingfang

, Xu

Dafeng

. Estimation of human capital in Chinese cities
Economic Research, 2007, (9): 84-95.]

[本文引用: 1]