摘要：我国人口老龄化在不断演变过程中存在显著的空间非均衡性。选用Dagum基尼系数分解法测算和分解我国人口老龄化空间非均衡程度，并构建面板数据模型分析我国东、中、西部人口老龄化影响因素。从人口老龄化空间非均衡程度来看：西部空间非均衡程度最大，东西空间非均衡差距最大；人口老龄化空间非均衡程度在2010年以前主要来源于各空间之间非均衡差距Gnb，2010年以后却主要来源于空间超变密度Gt。从人口老龄化空间非均衡的影响因素来看：人均GDP、城镇化率、文盲率会加重我国人口老龄化程度，而人口自然增长率、产业结构优化、人口性别比会减弱我国人口老龄化程度。东、中、西部空间总体情况与我国整体情况基本一致，不同在于西部空间经济发展会弱化人口老龄化程度、人口自然增长率会加重人口老龄化程度。
关键词：人口老龄化；空间非均衡；Dagum基尼系数分解法；影响因素面板数据模型
改革开放以来，我国人口年龄结构发生了显著变化，老年人口系数和老少比由1986年的4.9%、14.62%增长到2016年的10.8%、65.21%。根据联合国发布的《人口老龄化及其社会经济后果》对老龄型社会的划分，我国早在2000年时就已经步入了老年型社会。而我国人口年龄结构除了在老龄化程度上有所加深以外，还面临另一个严峻的问题：人口老龄化的空间非均衡性。以2016年末人口老龄化数据为例，我国31个省市中，重庆老年人口系数为13.97%，而西藏仅为4.98%，极差高达8.99%，这说明我国人口老龄化空间非均衡性非常明显。
一、相关研究文献综述
我国人口老龄化程度迅速加深，但符合世界人口老龄化演变的一般规律，且在演变过程中存在空间分布非均衡的空间差异特征［1］。对于人口老龄化的空间分布非均衡特征，诸多文献选用不同的研究方法对其进行探索，如李日邦等用统计性描述方法证明城乡、东西部空间、各民族空间之间存在差异［2］，李秀丽等选用标准差系数、变差系数及协方差分解方法研究了我国及三大区域1992—2006年的人口老龄化区域差异［3］，许海平、李乐乐等人选用泰尔指数分析法对东、中、西部地区老龄化程度进行了差异分析［4-5］。而对于人口老龄化的影响因素问题，则鲜有文献进行研究，大部分学者主要是基于人口老龄化的大背景探索劳动人口供给数量的减少对社会经济发展、存储率、服务业升级等因素的影响［6-8］。在人口老龄化影响因素的分析上，原新等采用假设模拟方法从人口因素出发，发现人口老龄化是生育率、平均寿命和人口惯性共同作用的结果［9］。安德森（Anderson）认为工业化国家的预期寿命、出生率及人口迁移是引起老龄化差异现象的主要原因［10］。曾通刚在分析老年人口的空间演变基础上，采用空间回归模型解释老年人口的影响因素［11］。赵儒煜等利用空间计量经济学理论方法和空间误差模型实证发现老龄化空间溢出对人口老龄化的影响比人口老龄化惯性和人口自然增长的作为更为突出［12］。陈明华等在采用泰尔指数度量地区老龄化差异的基础上运用FGLS方法探索人均GDP、出生率、死亡率、城市化率、文盲率对全国各空间人口老龄化的影响因素［13］。以上文献，虽说明了人口老龄化的空间非均衡性，但大多未量化人口老龄化空间非均衡程度，更未对我国人口老龄化空间非均衡程度进行分解，而且少有文献既从全国整体又从东、中、西部局部出发，探索人口老龄化的影响因素。
(4)由于气路阀岛价格昂贵，维修困难，JDR-30DB绞车尽量减少气路的使用。送钻减速机与主减速机之间采用气胎离合器，主减速箱和卷筒之间采用鼓型齿式离合器，同时过卷防碰装置与天车防碰装置采用电信号控制，减少气路原件与气路逻辑关系，采用电路逻辑关系代替，降低设备成本，同时由于系统结构简单，便于维护。
基于此，本文首先利用空间分布图可视化描述我国人口老龄化的空间非均衡性，并选用Dagum基尼系数分解法对我国及东、中、西部①东部空间包括北京、天津、辽宁、河北、山东、江苏、浙江、上海、福建、广东、海南、浙江11个省市，中部空间包括黑龙江、吉林、山西、河南、安徽、湖南、湖北、江西8个省，西部空间包括重庆、四川、陕西、贵州、甘肃、云南、宁夏回族自治区、内蒙古自治区、广西壮族自治区、青海、西藏自治区、新疆维吾尔自治区12个省市区。空间人口老龄化的空间非均衡程度进行测度，进一步分解为空间内非均衡程度贡献度Gw、各空间之间的非均衡程度贡献度Gnb和交叠异质（超变密度）贡献度Gt。其次建立全国和东、中、西部三大空间2006—2016年间的面板数据模型，分析人均GDP、城镇化率、人口受教育程度、人口自然增长率、人口性别比和产业结构优化对人口老龄化产生的影响。最后基于以上实证结果给出对策建议。
二、人口老龄化空间非均衡研究
过去的几十年里，我国人口年龄结构发生了巨大改变，老年人口系数和老少比逐年递增，人口年龄类型从处在年轻型和成年型社会之间上升到深度老龄型社会。而在人口老龄化问题愈加严峻的同时，人口老龄化空间分布非均衡问题也日益突出。
1.清除感染源。应加强引种检疫，避免将病引入，及时治疗病鸡，及时清扫粪便并进行生物热发酵处理。放养时应将成鸡与雏鸡分开喂养，以免带虫的成年鸡散播病原导致雏鸡暴发球虫病。
（一）人口老龄化空间非均衡的可视化描述
为可视化人口老龄化的空间非均衡，文章绘制了2005年和2015年我国31个省市的老年人口系数值（图1）。从图1中可以看出：2005年老龄化程度最为严重的地区有北京、上海、四川、重庆、江苏、浙江、安徽、湖南，老年人口系数均超过10%；老龄化程度较轻的地区有西藏、青海、宁夏、新疆，老年人口系数均低于7%，即尚未进入老龄化社会；31个省市老年人口系数极差达到了5.94%；东部空间老年人口系数均值为9.68%，中部空间老年人口系数均值为8.63%，西部空间老年人口系数均值为7.97%。2015年老年人口系数超过10%的地区在2005年的基础上又新增了8个地区，分别是天津、辽宁、河北、山东、吉林、湖北、陕西、黑龙江；仅剩西藏尚未进入老龄化社会；31个省市老年人口系数极差为7.58%；东部空间老年人口系数均值为10.66%，中部空间老年人口系数均值为10.44%，西部地区老年人口系数均值为9.20%。这意味着我国人口老龄化在日益严峻的形势下还存在显著的空间非均衡性，且这种非均衡程度有加重的趋势。
图1 2005年和2015年全国31个省市老年人口系数
（二）人口老龄化空间非均衡程度测算及分解
1.Dagum基尼系数法介绍
不平等子群分解法包括基尼系数、变异系数、泰尔指数等分解方法，常用于衡量群内、群间不平等对整体不平等的贡献大小。Dagum基尼系数不同于一般不平等子群分解法，它在将总体不平等贡献率分解为群内不平等贡献度、群间不平等贡献度和各子群之间交叠产生的贡献率的基础上，进一步加入了经济富裕（Economic Affluence）的概念，有效解决样本交叉重叠的问题，明晰给出了群内、群间、交叠不平等对总体的贡献率［14］。此后该方法被广泛应用于各个研究领域，如刘那日苏选用Dagum基尼系数分解法刻画1990—2013年间中国人口老龄化地区差异［15］、黄杰用同样的方法研究中国低碳经济发展的空间非均衡程度［16］。本文借鉴Dagum基尼系数分解法测算我国东、中、西部空间人口老龄化空间内非均衡程度、各空间之间的非均衡程度，并进一步探索我国总体人口老龄化空间非均衡的来源。总体Dagum基尼系数 的计算公式为：
全国固定效应面板回归模型结果如表3所示：在人口老龄化的影响方向上，pgdp、urban、ill对人口老龄化的影响系数为正，即会加重我国人口老龄化程度，而growthrate、isu、sex对人口老龄化呈负向影响，即能减弱老龄化程度。在人口老龄化影响大小上，isu对人口老龄化的影响程度最为明显，在1%的置信水平下，弹性回归系数为1.063 391；其次依次是sex、urban、ill、growthrate、pgdp，弹性回归系数依次为0.853 7、0.486 469 7、0.152 720 2、0.127 104 4、0.084 163 5，除growthrate仅通过10%的置信水平外，其他变量均通过了5%的置信水平，这说明变量的作用效果非常显著。
其中aging表示人口老龄化程度，刻画老龄化程度的指标很多，一些研究者会选用老年人抚养比，老少比和总抚养比等来刻画老龄化，本文根据国际惯例，从老龄化的本质出发，选取65岁及以上老年人人口数量占社会总人口数量的比重来刻画人口老龄化程度。pgdp表示人均地区生产总值，是衡量一个地区经济发展水平的重要指标。urban表示城镇化率，城镇化是现阶段我国社会的普遍现象，等于城镇人口除以社会总人口数，反映人口流动尤其是农村人口不断向城市流动的重要指标。isu表示地区产业结构升级水平，为第二产业和第三产业GDP占总GDP的比重，取值范围在0—1之间，比例越大表示产业结构升级越优。growthrate表示人口自然增长率，反映地区人口增长的速度和趋势，等于一定时期内人口出生率减去人口死亡率。sex为人口性别比，即男女人口比例（以女性人数为100）。ill表示文盲率，等于超过学龄期（15岁）而未受教育人口数与超过学龄期总人口数的比例。ξi表示不同空间的个性化特征，μit为偶然误差项。各变量具体描述如表2。
从空间非均衡分解结果来看：2010年以前，我国人口老龄化空间非均衡主要来源于各空间之间的非均衡程度Gnb，贡献率最高为2003年的60.53%，但贡献率有逐年下降的趋势；其次来源于空间内非均衡程度Gw，贡献率最高为2009年的30.52%，贡献率基本保持稳定；最后来源于空间超变密度Gt，贡献率最高为2009年的28.22%，但贡献率有逐年上升的趋势。2010年以后，我国人口老龄化空间非均衡主要来源于空间超变密度Gt，贡献率最高为2014年的53.70%，且贡献率有先上升后下降的趋势；其次来源于空间内非均衡程度Gw，贡献率最高为2014年的33.21%，贡献率基本保持稳定；最后来源于各空间之间的非均衡程度Gnb，贡献率最高为2016年的34.98%，且贡献率有先下降后上升的趋势。
2.人口老龄化空间非均衡程度测算及分解结果
我国2002—2016年间东、中、西部空间人口老龄化空间非均衡程度的Dagum基尼系数测度及分解结果如表1、图2所示。
从人口老龄化空间非均衡程度测度结果来看：我国总体基尼系数2003年达到最大值0.129，2010年达到最小值0.098，人口老龄化空间非均衡程度略有减弱，但仍呈不稳定波动状态。在空间内非均衡程度上，东、中部空间内非均衡程度减弱，而西部有所加重；东、中、西部空间非均衡程度大小自2004年以后发生了改变，大小由“东、西、中”演变为“西、东、中”。在空间之间的非均衡程度上，东中、东西空间非均衡差距程度减弱，而中西空间非均衡差距程度加重；空间之间非均衡程度同样也在2004年以后发生了变化，大小由“东西、东中、中西”演变为“东西、中西、东中”。
其中Gjj、Gjh分别为人口老龄化空间内部非均衡程度、空间之间的非均衡程度。Pj为第j个空间省市个数与全国总省市个数的比值，即Pj=nj/n。Sj为第j个空间平均老龄化程度与全国平均老龄化程度比值，即为第j个空间相对于第h个空间的相对老龄化程度，计算如式（7）。式（8）中表示平均绝对差距，等式右边第一项为djh，右边第二项为pjh。
表1 基尼系数分解法测度结果
年份 总体基尼系数G空间内非均衡程度Gjj各空间之间的非均衡程度Gjh 贡献度东部 中部 西部 东部 中部 西部 GwGnbGt 2002 0.119 0.107 0.063 0.104 0.125 0.159 0.090 0.033 5 0.067 4 0.018 2 2003 0.129 0.126 0.054 0.095 0.151 0.176 0.081 0.034 8 0.077 9 0.016 0 2004 0.118 0.110 0.047 0.106 0.123 0.159 0.088 0.033 2 0.064 7 0.020 2 2005 0.103 0.076 0.062 0.119 0.087 0.130 0.104 0.030 8 0.045 4 0.027 0 2006 0.113 0.095 0.073 0.114 0.102 0.143 0.107 0.033 6 0.050 9 0.028 7 2007 0.107 0.084 0.068 0.114 0.091 0.137 0.106 0.031 7 0.049 4 0.026 1 2008 0.106 0.086 0.066 0.110 0.093 0.134 0102 0.031 2 0.047 3 0.027 0 2009 0.104 0.091 0.062 0.110 0.094 0.130 0.097 0.031 8 0.043 0 0.029 4 2010 0.098 0.076 0.056 0.130 0.070 0.117 0.106 0.032 2 0.025 8 0.040 2 2011 0.119 0.095 0.069 0.160 0.086 0.138 0.132 0.039 7 0.017 5 0.062 4 2012 0.104 0.080 0.075 0.132 0.081 0.116 0.116 0.034 4 0.014 8 0.054 9 2013 0.106 0.089 0.050 0.142 0.075 0.127 0.112 0.035 3 0.021 3 0.049 7 2014 0.112 0.096 0.046 0.151 0.082 0.134 0.116 0.037 3 0.014 7 0.060 3 2015 0.107 0.093 0.044 0.131 0.078 0.131 0.115 0.033 5 0.034 2 0.039 1 2016 0.115 0.089 0.057 0.145 0.080 0.145 0.127 0.035 7 0.040 3 0.039 2
图2 Gw、Gnb、Gt对G的贡献率
三、人口老龄化影响因素分析
人口老龄化形成原因非常复杂，是诸多因素共同作用形成的结果［17］。为深入探索人口老龄化的影响因素，本文从经济、社会、人口、教育四类主要影响因素出发，分空间建立全国和东、中、西部空间的省级面板数据模型。
由于本文实证数据选用时间序列，故需要进行平稳性检验。采用ADF检验方法对各变量进行单位根检验，结果如表2所示：原序列中只有变量IS不存在单位根，即为平稳序列。而一阶差分序列中，所有变量都不存在单位根，所以各时间序列在一阶差分的情况下都具有平稳性。
（一）模型构建及说明
模型构建完成后，本文对面板数据模型（固定、随机、混合面板模型）加以选择。根据wald检验的p值等于0.000 0，我们拒绝了选择混合面板模型的假设。现实情况中不同省市必然会存在差异，因此拒绝混合回归模型也符合现实规律。全国、东、中、西部空间Hausman检验p值分别0.003 5、0.027 3、0.839 7、0.000 0，在5%的置信水平下，我们确定全国、东、西部空间构建固定效应模型，中部空间构建随机效应模型。
上述对综放支架优化的研究与应用反映了对酸刺沟顶板结构特点、顶板运动规律及支架选型技术认识的深化和实践深入过程。各项支架优化方案依次在酸刺沟煤矿3个综放工作面应用，支架优化选型技术实施生产效果见表4。
本文探索代表经济因素的人均GDP，代表社会因素的城镇化率、产业结构升级，代表人口因素的人口自然增长率、性别比以及代表教育因素的文盲率对人口老龄化的影响效果。选取的研究样本跨度范围为2006年至2016年，数据来源于国家统计局。考虑样本数据可能存在线性化现象，文章首先对各变量进行基本处理——取自然对数。具体面板数据模型如下所示：
（二）实证结果分析
1．全国实证结果分析
汤泉池温泉、国家森林公园黄柏山、国家地质公园金刚台、道教圣地观音山和西河风景区已成为商城的名片，应继续做好深层次的开发，保持传统优势。同时，实施商城旅游的精品发展战略，突出传统旅游项目的特色，扩大吸引力和市场占有率。
其中n=31为全国31个省市；k=3为空间个数，这里指东、中、西部三大空间，j、h分别为k个空间中的不同空间，即j、h=1，2，k；y¯为全国31个省市老年人口系数均值，yji为第j个空间中第i个省市的老年人口系数，yhr为第h个空间中第r个省市的老年人口系数。总体Dagum基尼系数G又可以分解为空间内非均衡程度贡献度Gw、各空间之间的非均衡程度贡献度Gnb和交叠异质（超变密度）贡献度Gt，即G=Gw+Gnb+Gt。具体计算公式如下：
表2 变量描述性统计结果
注：每个变量样本量为341个，包含全国31个省市2006—2016年的观察值
变量 符号 均值 最大值 最小值 标准差 偏度 峰度因变量 aging 0.092 9 0.144 1 0.048 2 0.018 8 0.265 7 2.820 1自变量pgdp 3.811 1 11.819 8 0.575 0 2.257 5 1.217 8 4.306 7 urban 0.520 1 0.896 0 0.211 3 0.145 3 0.743 1 3.621 0 isu 0.890 8 0.996 0 0.696 5 0.055 1 -0.316 1 3.716 7 growthrate 0.624 5 11.080 0 -0.490 0 1.854 3 3.750 9 16.580 3 sex 1.044 3 1.204 3 0.946 5 0.037 5 0.569 3 4.628 1 ill 0.653 6 41.120 0 0.014 6 2.775 2 10.074 6 136.540 8
表3 全国固定效应回归结果
变量名称 回归系数 t值 标准误 P值lnpgdp 0.084 163 5 2.29 0.036 710 1 0.023 lnurban 0.486 469 7 3.42 0.142 160 2 0.001 lnisu -1.063 391 -3.01 0.352 921 1 0.003 lngrowthrate -0.127 104 4 -1.81 0.070 079 1 0.071 lnsex -0.853 7 -5.22 0.163 405 3 0.000 lnill 0.152 720 2 7.21 0.021 194 8 0.000 c 1.063 425 1.33 0.798 172 3 0.184 F（wald）统计量 25.69（p=0.000 0）R2 0.360 8 Hausman检验值 p=0.003 5
近年来，我国社会经济的发展一方面改善了民众生活条件，使得平均人口寿命延长，老年人口数量增多；另一方面快节奏的生活加重了年轻人的工作压力，使年轻人疾病发病率提高，年轻人口数量减少，从而进一步加重了人口老龄化程度。城镇化会加重我国整体老龄化程度，该作用对我国农村人口老龄化的影响更为显著，很大一部分原因是农村人口大规模地向城市迁移，据统计2011年城镇人口数量已经超过了农村人口数量［18］，且迁移人口的平均年龄远小于农村人口平均年龄，这使得农村相较城市人口老龄化问题更值得关注。产业结构升级能有效减弱老龄化的原因可能是该空间一般以二、三产业为主导，提供了更多就业岗位从而吸引大量人口的流入。流入的人口在“量”上表现为数量规模庞大，在“质”上表现为年龄结构年轻化，这使得产业结构升级减弱老龄化程度。人口自然增长率虽能减弱老龄化程度，但近年来我国人口自然增长率持续下降，相关数据显示，1998年以前，我国人口自然增长率一直维持在10%以上，而到2016年我国人口自然增长率仅为5.86%。人口增长模式由“高”向“低”的转变使得人口自然增长率对人口老龄化作用甚小。
2.分空间实证结果分析
由于我国地域辽阔，不同空间不仅在人口老龄化空间非均衡程度上存在异质性，还在经济、社会、人口、教育等各环境因素上均有差异，因此对各空间人口老龄化发展趋势的影响也不尽相同。为了具体考察我国人口结构在演变过程中人口老龄化的形成原因，构建2006—2016年东、中、西部空间的省级面板回归模型，模型估计结果如表4：
在影响方向上，东部空间城镇化率、文盲率对人口老龄化程度呈正向显著影响，人口性别比对人口老龄化程度呈负向显著影响。中部空间人均GDP、城镇化率、文盲率对人口老龄化呈正向显著影响，产业结构升级、人口自然增长率对人口老龄化程度呈负向显著影响。西部中间城镇化率、文盲率对人口老龄化程度呈正向显著影响，产业结构升级、人口性别比对人口老龄化程度呈负向显著影响。
在影响大小上，东部空间城镇化率每提高1%，人口老龄化程度将加重0.741 104 9%；文盲率每提高1%，人口老龄化程度将加重0.259 853 1%；人口性别比每提高1%，人口老龄化程度将减弱0.739 669%。中部空间人均GDP每提高1%，人口老龄化程度将加重0.176 110 5%；城镇化率每提高1%，人口老龄化程度将加重0.300 209 2%；文盲率每提高1%，人口老龄化程度将加重0.192 667 2%；产业结构升级每提高1%，人口老龄化程度将减弱0.844 685%；人口自然增长率每提高1%，人口老龄化程度将减弱0.220 166 9%。西部地区城镇化率每提高1%，人口老龄化程度将加重0.638 344 9%；文盲率每提高1%，人口老龄化程度将加重0.055 593%；产业结构升级每提高1%，人口老龄化程度将减弱1.021 636%；人口性别比每提高1%，人口老龄化程度将减弱0.926 373%。
表4 分空间的实证结果
注：*、**、***分别是10%、5%、1%的置信水平下显著；（）内值为标准误
变量 东 中 西lngdp 0.110 778 3（0.077 516 8）-0.006 860 2（0.065 637 9）lnurban 0.741 104 9**（0.338 460 8）0.176 110 5***（0.041 956 3）0.638 344 9***（0.244 534 9）lnisu -1.343 585（0.978 624）0.300 209 2*（0.158 467 5）-1.021 636**（0.511 282 8）lngrowthrate -0.032 988 8（0.118 976 9）-0.844 685**（0.379 459 5）0.028 071 3（0.156 826 8）lnsex -0.739 669***（0.264 7）-0.220 166 9***（0.084 182 8）-0.926 373***（0.285 443 9）lnill 0.259 853 1***（0.041 516 8）-0.160 911 5（0.348 396 1）0.055 559 3*（0.030 333 2）c 0.192 667 2***（0.031 095 5）2.510 465*（1.445 003）F（wald）统计量 11.23（p=0.000 0） 92.83（p=0.000 0） 9.95（p=0.000 0）R2 0.420 0 0.280 9 0.369 3 Hausman检验值 0.027 3 0.839 7 0.000 0 0.889 418 4（1.284 605）-3.221 925*（1.672 673）
四、结论与对策建议
以上结果说明，人均GDP的增长能够推动中部空间人口老龄化。人口自然增长率能够减弱中部空间人口老龄化程度。城镇化、受教育程度对我国三大空间人口老龄化均有推动作用。产业结构的优化都能够推动中部和西部空间的人口老龄化。男女性别比能够弱化东部和西部空间的人口老龄化。
（一）结论
在人口老龄化非均衡程度上：我国老龄化空间非均衡程度2003年最高、2010年最低，总体略有减弱；东、中部空间内非均衡程度减弱，而西部却加重；东中、东西空间非均衡程度差距减小，而中西空间非均衡程度差距扩大。在人口老龄化非均衡程度分解上：2010年以前，我国人口老龄化空间非均衡主要来源于各空间之间非均衡程度Gnb，其次来源于空间内非均衡程度Gw，最后来源于空间超变密度Gt；2010年以后，情况有所转变，主要来源于空间超变密度Gt，次要来源于各空间之间非均衡程度Gnb。在人口老龄化影响因素上：经济发展水平、城镇化进程、人口受教育程度会加重人口老龄化程度，而人口增长速度、产业结构升级状况、性别比会减弱人口老龄化程度。人口老龄化影响因素对东、中、西部空间作用情况与全国整体情况基本一致，不同之处在于西部空间经济发展会减弱人口老龄化程度、人口自然增长率会加重人口老龄化程度。
（二）对策建议
我国作为世界人口大国，人口问题是社会发展的核心问题之一，不仅关系到居民生活质量，更涉及民族兴衰。为有效应对我国人口老龄化问题，文章基于上述结论给出如下对策建议。
第一，因地制宜制定人口老龄化应对措施。我国东、中、西部空间人口老龄化分布情况差距悬殊，在空间内、空间之间均呈现显著的非均衡特性。经济发展、城镇化进程、人口受教育水平等各影响因素对不同空间人口老龄化的作用效果也不尽相同。西方不少发达国家先于我国进入人口老龄化社会，在人口老龄化问题上为我国提供了丰富经验和前车之鉴，但我国在信息化、全球化、城镇化时代背景下进入老龄化社会，又与西方发达国家存在社会发展阶段、文化习俗、基本国情等诸多方面的差异。因此，要缓解人口老龄化压力还需立足于各地社会、经济、文化背景，因地制宜、因势利导，依据地方特色合理制定人口老龄化应对措施，而非盲目照搬先进国家或地区的人口老龄化解决措施。
设任务类型判断矩阵TP={TPI,TPS,TPC}，分别表示任务类型中的独立、顺序和耦合3种类型，该集合为一个布尔型数值集合，当该集合属于某一类型时，其集合值为1；否则为0。子制造任务类型判断矩阵
第二，提高受教育程度。国民受教育水平的提高，即文盲率的下降能够有效地减弱我国和东、中、西部空间人口老龄化程度。但现阶段，我国还有很多地区尤其是少数民族地区人口受教育水平依然偏低，加大教育资金投入、补充高质量教育资源来提高教育水平显得尤为紧迫。人口受教育水平的提高不仅直观地反映在帮助人类自身的发展，协助树立合理人生观、价值观，养成良好的生活心态，而且能发挥受教育者潜在劳动力，使得劳动力供给结构与产业结构不匹配的矛盾得以减轻，在人口老龄化背景下通过供给高质量人才来弥补劳动人口供给不足的缺点，为经济长远发展提供良好的支撑。此外，除青少年人口的教育外老年人口教育也显得尤为重要，提高老年人的受教育水平有助于扩展了老年人的视野、丰富老年人的晚年精神生活，使老年人能够融入日新月异的社会当中，为智慧养老做好铺垫。
日语形容词的主要语法功能是在句子中充当定语或谓语。近藤等(2007:267)指出，“形容词的语义可通过其所修饰的名词以及其所描述的名词主语来把握”。词语多义现象是认知语言学研究焦点之一，认知语言学的原型范畴理论，隐喻理论等对语义拓展方式及各义项之间的联系等具有极强的解释力。从认知角度分析日语一词多义现象的成果丰富，这些研究不再局限于对词语多个义项的简单罗列和分析，即字典上面罗列的各个意思，而更加注重揭示其背后的生成机制，试图分析人们的主观认知在语义形成过程中的作用及趋向性，目前这些研究主要以格助词及动词多义现象为主，对于形容词多义现象的研究还不多见。
第三，改善农村生活环境。城镇化和产业结构的升级吸引了大量农村人口尤其是农村年轻人口向城市和发达地区迁移，人口的流出使得农村面临更为严峻的人口老龄化问题。改善农村生活环境、提高地区经济实力是应对农村人口老龄化问题的关键，一方面可以留住年轻人口在本地工作和生活，减少农村年轻人口的流出以调整农村人口年龄结构，同时能强化家庭养老功能，保障老年人口有所依有所养；另一方面可以提高农村医疗卫生服务、改善农村养老基本设施，促进农村居民享受城镇居民同等社会福利，提高老年人晚年生活质量。农村生活环境的改善依托地方政策的扶持是基础、农村自主生产是关键，需要在政府扶持的条件下，实现“输血”与“造血”相结合，充分发挥农村独特优势、挖掘地方发展潜力、开展多种经营路线以实现农村经济可持续发展。
地理信息系统是一项先进的技术，这个系统主要包括图形信息、属性信息以及说明信息等，是综合增比较强的计算机集成系统，对数据进行收集、整理、分析、判断，查询都可以实现快速处理。信息形式包括图、文、声、影像等，让信息更加多元化，满足实际中的不同需求。在传统模式下，基本都是数字化处理，引入信息化技术，可以通过图文方式展现出来，看起来更加直观，加深对信息的了解程度。我国旅游资源非常丰富，每个区域情况是不一样的，所以要坚持具体问题具体分析原则，这样会更加具有针对性，收集到最真实的信息内容，为决策制定提供重要参考。
第四，鼓励适龄人口生育。随着我国人口增长模式由“高出生率、高死亡率”转向为“低出生率、低死亡率”，人口主要矛盾由人口数量过多演变为人口年龄结构老龄化，限制人口生育已不再有利于我国人口的长远发展。人口自然增长率的提高能够有效地减弱我国尤其是我国中部空间的人口老龄化程度，因此鼓励适龄人口生育，通过提高人口的出生率来降低老年人口的比例是应对人口老龄化问题最有效的方法之一。政府应在稳定现有计划生育基本政策不变的条件下制定生育政策以鼓励和倡导适龄人口根据自身条件、家庭状况有计划地生育“多生优生”。人口生育政策对人口结构的调整是一个长期的作用结果，实施过程中要兼顾政策带来的短期和长期效果，正面推动人口结构又快又好地增长，避免人口激增情况的产生。生育问题也不能单纯依靠生育政策来改善，更需要通过树立适龄人口正确的生育观念、男女平等意识、抚养子女的责任感来促进我国人口健康稳定发展。
参考文献
［1］王志宝，孙铁山，李国平.近20年来中国人口老龄化的区域差异及其演化［J］.人口研究，2013（1）：66-77.
［2］李日邦，王五一，谭见安，等.我国人口老龄化发展的阶段、趋势和区域差异［J］.地理研究，1999（2）：2-10.
［3］李秀丽，王良健.我国人口老龄化水平的区域差异及其分解研究［J］.西北人口，2008（6）：104-107+111.
［4］许海平.我国农村人口老龄化差异测度、分解及影响因素分析——基于2001—2013年面板数据［J］.农业技术经济，2016（8）：49-57.
［5］李乐乐.我国人口老龄化空间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+151.
［6］汪伟，刘玉飞，彭冬冬.人口老龄化的产业结构升级效应研究［J］.中国工业经济，2015（11）：47-61.
［7］王桂新，干一慧.中国的人口老龄化与区域经济增长［J］.中国人口科学，2017（3）：30-42+126-127.
［8］吴飞飞，唐保庆.人口老龄化对中国服务业发展的影响研究［J］.中国人口科学，2018（2）：103-115+128.
［9］原新，刘士杰.1982—2007年我国人口老龄化原因的人口学因素分解［J］.学海，2009（4）：140-145.
［10］Anderson G F，Hussey P S.Population aging：a comparison among industrialized countries［J］.AgingMale，2000（3）：191-203.
［11］曾通刚，赵媛，许昕.中国人口高龄化空间格局演化及影响因素研究［J］.地理与地理信息科学，2017（6）：72-79.
［12］赵儒煜，刘畅，张锋.中国人口老龄化地区溢出与分布差异的空间计量经济学研究［J］.人口研究，2012（2）：71-81.
［13］陈明华，郝国彩.中国人口老龄化地区差异分解及影响因素研究［J］.中国人口·资源与环境，2014（4）：136-141.
［14］Dagum C.Decomposition and Interpretation of Gini and the Generalized Entropy Inequality Measures［J］.Statistica，1997（3）:296-308.
［15］刘那日苏，张璞.中国人口老龄化的地区差异分析［J］.西北人口，2016（3）：105-110.
［16］黄杰，贾登勋.中国低碳经济发展的空间非均衡及动态演进［J］.统计与信息论坛，2015（3）：57-64.
［17］孙蕾，王亦闻，门长悦.中国人口老龄化的区域差异研究——基于省级面板数据的实证分析［J］.当代经济科学，2015（1）：18-24+124.
［18］邹湘江，吴丹.人口流动对农村人口老龄化的影响研究——基于“五普”和“六普”数据分析［J］.人口学刊，2013（4）：70-79.
Analysis on the Unbalanced Population Aging Space and Its Influencing Factors
Nie Gaohui Yan Jiahui
(Jiangxi University of Finance and Economics,School of Information Management,Nanchang 330013,China)
Abstract:The age structure of China's population has undergone significant changes,and the proportion of the elderly population in the total population has continuously increased.At the same time that China's aging is becoming more and more serious,China's aging is also facing another problem-there is a significant spatial imbalance in the process of population aging.In order to reveal the spatial imbalance of population aging,explore the contribution of spatial imbalance in East,Central and West to the national imbalance,and analyze the impact of four main factors of economy,population,society and education on the spatial imbalance of population aging.The paper uses ArcGIS software to map the spatial part of China's population aging to visualize the population aging spatial imbalance.On the basis of this,the Dagum Gini coefficient decomposition method is used to measure the spatial imbalance of the aging population in China,East,Central and West.Degree,and decompose the contribution of the spatial imbalance of the eastern,central and western regions to the non-equilibrium of China's overall population aging space;further papers to construct spatial panel data models of China,East,Central and West to analyze the factors affecting the population aging spatial imbalance.From the perspective of the imbalance of population aging space:the western space is the most unbalanced,and the east-west space imbalance is the largest;the population aging spatial imbalance is mainly from the non-equilibrium gap between different spaces before 2010,after 2010 But mainly from the spatial hyper-density.From the influencing factors of the population aging spatial imbalance:the level of economic development,urbanization rate,and illiteracy rate will promote the aging of China's population,while the natural population growth rate,industrial structure upgrading,and gender ratio will weaken China's population aging.The overall situation of the eastern,central and western regions is basically the same as that of China.The difference is that the development of the western space economy will weaken the aging population and the natural population growth rate will increase the aging of the population.
Key words:population aging,spatial imbalance,Dagum Gini coefficient decomposition,influencing factors,Panel data model
基金项目：国家社会科学基金项目“我国人口老龄化的产业结构升级溢出效应研究”（17BJY077）。
［中图分类号］C921
［文章编号］1673-0186（2019）01-107-011
［文献标识码］A
［DOI编码］10.19631/j.cnki.css.2019.01.011
作者简介：聂高辉（1962—），男，汉族，江西新干人，江西财经大学信息管理学院教授，硕士研究生导师，研究方向：数量经济学；晏佳惠（1994—），女，汉族，江西鹰潭人，江西财经大学信息管理学院硕士研究生，研究方向：经济管理定量分析。
（责任编辑：易晓艳）
标签：人口老龄化论文; 空间论文; 人口论文; 程度论文; 系数论文; 社会科学总论论文; 人口学论文; 世界各国人口调查及其研究论文; 《重庆社会科学》2019年第1期论文; 国家社会科学基金项目“我国人口老龄化的产业结构升级溢出效应研究”(17BJY077)论文; 江西财经大学信息管理学院论文;