武汉市人口老龄化时空演变格局与趋势预测

Spatial and temporal evolution pattern and trend prediction of population aging in Wuhan

摘要

人口老龄化已成为影响我国社会未来可持续发展的重要国情.武汉是国家中部中心城市，研究其人口老龄化格局和演化趋势具有重要现实意义.本文详细分析了武汉市人口老龄化的时空演变格局，并采用队列要素法预测未来人口发展趋势.研究发现，1990—2010年武汉市人口老龄化率稳定在6%左右，但2010—2020年，老龄化趋势加速，提升4个百分点；武汉市老龄化率和老年抚养比呈现明显的“核心—边缘”分布，相较城市核心区域，城市边缘地区人口老龄化更加严重（>14%）.预测结果显示，2026年武汉市将进入中度老龄化社会（老龄化率超14%），2050年老龄化率将超20%，老年抚养比超30%，养老负担加重.2020—2050年，武汉市0~14岁少年儿童人口占比下降1.25个百分点，年轻人口增长动力不足.亟需多措并举鼓励生育，吸引外来人口，积极应对人口老龄化.

Abstract

Population aging has become a significant national condition affecting the sustainable development of China’s society in the future. Wuhan is a central city in the middle of the country， but the pattern and evolutionary trends of its population aging remain unclear. This paper conducts a detailed analysis of the spatiotemporal evolution of Wuhan’s population aging and adopts the cohort-element method to predict population trends. The study found that from 1990 to 2010， Wuhan’s aging rate remained stable at around 6%， but from 2010 to 2020， the aging trend accelerated， increasing by 4%. Wuhan’s aging rate and old-age dependency ratio exhibit a distinct core-periphery distribution pattern， with the aging population in peripheral urban areas being particularly severe （over 14%） compared to the core urban areas. The forecast results indicate that Wuhan will enter a moderately aged society （ageing rate exceeding 14%） by 2026， with the aging rate exceeding 20% and the elderly dependency ratio exceeding 30% by 2050， leading to increased burdens on elderly care. Between 2020 and 2050， the proportion of children aged 0~14 in Wuhan will decrease by 1.25%， indicating a lack of growth momentum in the young population. It is urgent to implement multiple measures to encourage childbirth， attract migrant populations， and actively address population aging.

Graphical abstract

关键词

老龄化 / 演化趋势 / 人口预测 / 武汉

Key words

aging / evolutionary trend / population projection / Wuhan

党的十八大以来，习近平总书记高度重视人口老龄化工作，在党的中央全会、中央政治局会议等重要会议上多次研究部署老龄工作.党的十八大、十八届三中全会从中国特色社会主义事业“五位一体”总体布局和全面深化改革的战略部署出发，做出“积极应对人口老龄化”的战略决策^［1］.党的十九届五中全会把实施积极应对人口老龄化纳入国家战略，标志着老龄工作进入新阶段^［2］.为了落实“十四五”规划，我国计划到 2025 年建成城乡一体的老年健康服务体系.党的二十大报告明确指出，为应对日益严重的人口老龄化问题，应积极实施应对人口老龄化的国家战略，发展养老事业和产业，推动实现全体老年人享有基本养老服务，同时优化孤寡老人服务，促进全面实现健康老龄化的目标.

21世纪以来，随着全球范围内人口老龄化（总人口中老年人口比重）不断提升，各国面临“人口红利”消失、社会负担加重、人口赤字等经济和社会问题^［3-6］.中国作为老龄化速度最快的发展中国家之一，老龄化问题尤为突出^［7］.自新中国成立，中国经历了快速的社会经济发展阶段，同时伴随着人口总量从1949年的5.4亿增长到2020年的14亿^［8-9］.在此期间，由于出生率和死亡率的变化，中国的人口年龄结构发生了深刻转变，逐步进入了老龄化社会^［10］.2023年，中国65岁及以上人口占比达15.4%，已步入中度老龄化社会（根据1956年联合国《人口老龄化及其社会经济后果》，65岁及以上人口占比超14%为中度老龄化，超21%为重度老龄化），并且呈现出规模庞大、增速快的特点^［10］.据预测，至2050年，中国65岁及以上老年人口将达到3.84亿人，占总人口的约22%^［11］，届时，中国将进入重度老龄化社会.

在生育率下降、寿命延长、政策调整等因素驱动下，人口老龄化表现出显著的时空异质性.传统方法的人口老龄化空间格局研究主要是空间分布特征的直观描述^［12-13］，或不同区域老龄化水平的数值差异分析^［14-16］.随着技术不断发展，先进的统计模型和交叉学科方法可更深入了解老龄化的时空模式和演变机制，如空间自相关方法可揭示老龄化的空间聚集特征^［17-19］，贝叶斯时空层次结构模型可揭示老龄化空间模式和老龄化动态驱动机制^［20］.

人口预测是根据人口现状以及对影响人口发展的各种因素的假设条件，按照人口过程变化的规律性，对未来人口发展趋势所做的各种测算.目前人口预测方法主要包括人口指数模型^［21-22］、人口发展方程^［23］、莱斯利（Leslie）人口预测模型^［24］、队列要素预测法^［25］等.其中，队列要素预测法是人口总量及年龄结构预测研究中应用最广泛的方法^［26-27］，该方法基于人口普查数据，以人口年龄队列为基础，以生育、死亡、迁移作为要素，从人口变动的角度出发，进行队列年龄推移，大大提高了人口预测的准确度^［28］.

已有研究主要讨论了城市老龄化时空演变格局，但对未来老龄化发展趋势预测的研究较少.本文基于统计年鉴、人口普查资料以及全国1%抽样调查资料等公开数据，分析武汉市人口老龄化时空格局的演变，并借助PADIS-INT人口预测软件预测武汉市老龄化的未来发展趋势.本研究不仅可以为武汉市优化养老资源配置、制定前瞻性人口发展战略提供理论依据和数据支撑，也为其他城市提供参考案例.

1 数据与方法

1.1 研究区与数据来源

武汉市既是中国中部地区特大城市、长江经济带核心城市，也是中国中部地区的政治、经济、文化、教育、交通和科技中心.2024年末，全市常住人口1 380.91万人，常住人口城镇化率达85.0%，实现地区生产总值21 106.23亿元.2020年第七次人口普查结果显示，武汉市65岁及以上人口为145.6万人，占总人口的11.81%.与2010年第六次人口普查结果相比，该比例提高了3.68个百分点.

为研究武汉市人口老龄化发展趋势，本文选取国内外典型城市北京、上海、香港、东京、首尔作为参考，其中，武汉、北京与上海的人口数据分别来源于其各自所在城市统计年鉴、人口普查资料以及全国1%抽样调查资料；香港特别行政区数据来源于香港人口普查.国外城市（东京、首尔）人口老龄化数据分别来源于其所在国人口普查资料.

1.2 老龄化率

“老龄化率”指某个地区老年人口占总人口比例，可以衡量社会老龄化程度.本文老年人口指65岁及以上人口.老龄化率表示为：

A=\frac{P_{\mathrm{65}+}}{P}\times \mathrm{100}\mathrm{\%}，（1）

式中，A是老龄化率，也称老年人口比重， P、P₆₅₊分别是总人口数、65岁及以上人口数.

1.3 老年抚养比

老年抚养比指老年人口与劳动年龄人口之比，用以表明每100名劳动年龄人口要负担的老年人数量，从经济角度反映人口老龄化的社会后果.

O=\frac{P_{\mathrm{65}+}}{P_{\mathrm{15}~\mathrm{64}}}\times \mathrm{100}\mathrm{\%}，（2）

式中，O为老年抚养比， P_15~64是15~64岁人口数.

1.4 队列要素法

队列要素法的基本思路和原理是将人口群体划分为三个部分，根据人口变动规律和预测周期，利用队列演进的原理，逐年推算不同年龄组的存活人口、出生人口以及死亡人口^［25］，即

P_{t+\mathrm{1}}=P_t+B_t+M_t-D_t，（3）

式中，P_t 表示t年的人口基数，B_t 、M_t 与D_t 分别是t年的出生人数、净迁移人数和死亡人数.

在具体计算时，分为三个部分进行预测.

①对于0岁人口，其t+1年人数为育龄妇女（15~49 岁）（国际人口统计标准，仅用于学术研究.中华人民共和国法定婚龄为女性20周岁）人数与分年龄组女性生育率的乘积，即

B_t={\displaystyle \sum _{x=\mathrm{15}}^{\mathrm{49}}}{F}_{t,x}\times b_{t,x}，（4）

式中， b_t，x 是t年x岁的育龄妇女的生育率，F_t，x 是t年x岁的女性人数.

新生男婴的数量基于新生婴儿总数，根据出生性别比进一步计算.

M_{t,\mathrm{0}}=B_t\times \frac{s}{\mathrm{100}+s}，（5）

式中，B_t 同式（3），s是出生性别比，M_t，0是t年0岁的男性人数.

新生女婴的数量由新生婴儿数减去新生男婴数得到.

F_{t,\mathrm{0}}=B_t-M_{t,\mathrm{0}}，（6）

式中， F_t，0是t年0岁的女性人数.

②对于1~99岁年龄组的人口，t+1年 x 岁的男性、女性人数分别为t年x-1岁男性、女性人数与该年龄组的存活概率（根据平均预期寿命和模型生命表计算）、净迁移率之和的乘积.

M_{t+\mathrm{1},x}=(p_{t,x}^m+m_{t,x}^m)\times M_{t,x-\mathrm{1}},（7）

F_{t+\mathrm{1},x}=(p_{t,x}^f+m_{t,x}^f)\times F_{t,x-\mathrm{1}},（8）

式（7）、（8）中，p{}_{t,x}^m、m{}_{t,x}^m和p{}_{t,x}^f、m{}_{t,x}^f分别是t年x岁的男性的存活概率、净迁移率和女性的存活概率、净迁移率.x的取值范围为0~100.

③对于100岁及以上年龄组的人口，t+1年的男性、女性人数为t年99岁和100岁及以上男性、女性人数与 100 岁及以上年龄组人口的存活概率、净迁移率之和的乘积.

M_{t+\mathrm{1,100}}=(p_{t,\mathrm{99}}^m+m_{t,\mathrm{99}}^m)\times (M_{t,\mathrm{99}}+M_{t,\mathrm{100}})，（9）

F_{t+\mathrm{1,100}}=(p_{t,\mathrm{99}}^f+m_{t,\mathrm{99}}^f)\times (F_{t,\mathrm{99}}+F_{t,\mathrm{100}})，（10）

式（9）、（10）中，M_t，100、F_t，100是t年100岁及以上的男性人数、女性人数，M_t，99、F_t，99是t年99岁的男性人数、女性人数.

由我国人口与发展研究中心基于队列要素法开发的预测软件PADIS-INT，目前已在全球多个国家得到应用推广，并获得了联合国、美国人口普查局、普林斯顿大学等国际权威机构的高度认可^［29］.由于在单岁组起始人口录入、模型生命表版本更新以及更加灵活的参数设置等方面的优势，PADIS-INT已经达到甚至超过国际主流人口预测软件的预测水准^［30］.

2 结果与分析

2.1 老龄化水平时间演化趋势

改革开放以来，中国老龄化水平在2010年前后经历了缓慢增长和快速增长两个阶段（图1a）. 1990—2020年，武汉市老龄化程度显著加速（图1b），老龄化率从20世纪90年代初的6.45%升高至2020年的11.81%，有进一步逼近中度老龄化的趋势.尽管截至2020年，武汉市的老龄化率相较于北京（13.3%）、首尔（16.09%）及东京（22.12%）较低，但其20世纪90年代以来的年均增长率为2.66%，高于上海（1.76%）、北京（2.31%），甚至超过香港（2.63%）.因此，借鉴香港、上海以及北京在应对老龄化挑战方面所采取的成功措施，对于武汉市而言具有极其重要的参考价值和实践意义.在这几座城市之中，东京的老龄化问题尤为显著，2020年老龄化率已超过21%，步入重度老龄化.随着第二次生育高峰期武汉市新出生的人口逐渐步入老年阶段，预计未来武汉的老龄化将进一步加速.

武汉市中心城区（包括江岸、江汉、硚口、汉阳、武昌、青山、洪山）和新城区（包括蔡甸、江夏、黄陂、新洲、东西湖、汉南）老龄化进程在2010年后显著加速，总体来看中心城区老龄化率持续高于新城区（图1c）.2000年，中心城区已经进入轻度老龄化社会，而新城区还未进入老龄化社会.2000—2010年，随着武汉中心城区工业不断发展，创造了大量就业机会，吸引了新城区劳动力流入，加快了新城区老龄化进程.至2010年，两区域老龄化水平差距缩小.2010—2020年，随着第一次生育高峰出生人口逐步迈入老年阶段，两区域老龄化率均显著增加，但中心城区仍略高于新城区，这可能与2010年后武汉市主城工业外迁、单位遗留退休职工有关.

武汉市高龄老人也日益增多（图1d）.2000—2020年，武汉市老年人口高龄化趋势愈发明显，80岁及以上老年人口数量从2000年的7.68万增长至2020年的25.94万，年均增长0.87万，年均增幅达6.39%.80岁及以上老年人口比重也呈稳定上升趋势，尤其在2010年以后增速加快，由2000年的1.03%增长至2020年的2.83%，增幅超过1.5倍.高龄老人健康状况与身体机能相对更差，失能情况更加严重.80岁及以上高龄老人因体弱多病需要经常性特别照料的比例约为65~79岁老人的5倍^［31］.老年人口高龄化趋势将加重家庭照料负担，也对社会养老服务供给提出了新的挑战^［32］.

2.2 老龄化及抚养比空间格局演变

2000—2020年，武汉市的老龄化程度总体不断加深，空间差异逐渐显著（图2a、2b、2c）.2000年武汉市各区域老龄化率普遍较低，大部分在0~7%之间，老龄化水平较低；2010年老龄化率有所升高，部分区域进入轻度老龄化，少部分区域开始进入中度老龄化，并出现了老龄化率低值的聚集，城市边缘老龄化相较城市中心更为严重；2020年武汉市各区域老龄化率显著增加，大部分进入中度老龄化，少数已经进入重度老龄化，其中老龄化水平最高的10个街道/乡镇为江夏经济开发区梁子湖风景区、邓南街道、钢都花园街道、舒安街道、索河镇、玉贤镇、湖泗街道、罗汉寺街道、六指店街道、祁家湾街道，其中黄陂区3个、江夏区3个、蔡甸区2个，汉南区和青山区各1个.此外，城市边缘与城市中心老龄化水平差距进一步扩大，总体上看呈现较明显的“核心—边缘”分布，但是在中心城区范围内又呈现“东西高，中部低”的分异格局.

从各区老龄化程度看，2020年全市13个区中，硚口区、武昌区、新洲区、黄陂区、江岸区和青山区6个区进入中度老龄化社会，老龄化率超14%；其他7个区尚处轻度老龄化社会.江夏区和洪山区人口老龄化程度相对较低，老龄化率均小于8%（图2g）.然而，图2c中发现江夏区的整体老龄化程度较高，与图2g的结果存在矛盾.通过研究发现，该矛盾是由于江夏区老龄化水平较低的区域人口较多，而老龄化水平较高的区域人口较少.洪山区位于武汉市中心地带，是武汉市科教中心之一，拥有众多高校、科研院所和技术园区，以高新技术产业和现代服务业为主导，吸引了大量年轻人和学生前来工作和学习，因此洪山区青壮年人口比例较高，老龄化率较低.2020年，青山区成为武汉市老龄化程度最严重的市辖区，65岁及以上人口数量达7.80万，老龄化率为18.06%.一方面，青山区是武汉的老工业基地之一，曾有大量工厂和企业集中.随着企业的老化或转型，工作岗位减少，劳动力流失到其他地区寻求就业机会，而留在当地的人口多为退休或接近退休的职工；另一方面，与中心城区其他区相比，青山区的经济发展速度相对较慢，新兴产业和服务业的发展不如其他区域活跃，对于劳动力就业的吸引力较弱，常住人口流失严重.

2000—2020年，武汉市的老年抚养比总体不断升高，并呈现明显的空间差异（图3a、3b、3c）. 2000年武汉市老年抚养比普遍较低，大部分区域在0~10%之间，但高值与低值分布较为随机.2000—2010年，城市边缘老年抚养比有小幅度增长，中心城区及其附近变化较小.2010—2020年，武汉市老年抚养比总体上呈现“核心-边缘”分布，自城区到郊区形成了明显的梯度差异.在中心城区范围内，低值区呈现“倒V”形位于中南部洪山区.其中，主要有东湖风景区街道、卓刀泉街道、九峰街道、关东街道、洪山街道、佛祖岭街道等区域.2020年，武汉市老年抚养比最高的10个街道/乡镇为江夏经济开发区梁子湖风景区、邓南街道、钢都花园街道、舒安街道、索河镇、湖泗街道、玉贤镇、罗汉寺街道、六指店街道、祁家湾街道.

2.3 人口年龄结构预测

本文以武汉市分性别年龄人口作为队列，以生育、死亡和迁移等作为要素，借助PADIS-INT人口预测软件，按照生育率的设定不同设置高、中、低三种情景对武汉市未来人口规模和结构进行预测.具体参数设定见表1.

根据上述设置的人口数据及相关参数（图4），在人口预测软件PADIS-INT中进行武汉市人口预测， 得到三种生育情景下2020—2050年的武汉市未来人口规模和结构变化（图5）.人口总数持续上升，将于2050年达到1 800万（图5a）.在高生育、中生育、低生育三种情景下，武汉市人口总数整体均呈上升趋势，2050年三种情景下武汉市总人口分别为1 841.62、1 815.29、1 696.18万人.按照中生育情景下的预测结果，2025年武汉市常住人口为1 371.13万人，与《武汉市国土空间“十四五”规划》提出的1 380万人相近，2020—2050年武汉市总人口增加570.52万，增幅为45.83%，人口增幅明显.

老龄化进程快速推进，武汉市2026年将进入中度老龄化社会，至2050年老龄化率超20%（图5c）.2022—2050年，武汉的人口老龄化进程将快速推进.高生育、中生育、低生育三种情景下人口预测结果均显示，武汉市人口老龄化水平的提升速度在2021—2033年最快，在2033—2043年将有所减缓，之后再次提速直至2050年（图5c）.根据中生育情景下的预测结果，预计到2026年，全市老年人口达到201.07万，老龄化率达到14.45%，进入中度老龄化社会.预计到2050年，老年人口增至375.95万，比2020年增长228.94万，增幅为155.73%.老龄化率预计达到20.71%，比2020年提高8.90个百分点.根据其他学者预测结果，2050年北京老龄化率预计达到20.25%^［34］，上海老龄化率预计达到28.85%^［35］.结合本文预测结果，至2050年，武汉市老龄化率与上海虽然还存在一定差距，但将超过北京.

老年抚养比超30%，社会负担加重（图5d）.老年抚养比的变化趋势与老龄化率相同，高生育、中生育、低生育三种情景下人口预测结果均显示，武汉市老年抚养比提升速度在2021—2033年最快，在2033—2043年将有所减缓，之后再次提速直至2050年（图5d）.此外，三种情景下均显示武汉市2050年老年抚养比超过30%，意味着武汉市平均每三个劳动力就要负担一个老年人，养老负担加重.

人口结构不断老化，新生力量逐渐不足（图6）.中生育情景下人口预测结果显示，武汉市人口年龄金字塔底部不断收缩，顶部缓慢变大，中间突出部分逐渐上移，人口结构分布逐渐向金字塔顶端聚集.这表明未来武汉新生人口数量进一步降低，人口结构将趋于老化.

0~14岁少年儿童人口占比在2028年前后达到峰值后持续下降，至2050年降至11.80%，较2020年减少1.25个百分点（图7a）.这一变化既反映了长期低于更替水平（约2.1）的生育率导致新生儿数量持续减少，可能引发人口规模收缩与结构失衡；同时也表明现行政策放开释放的生育堆积在短期内起到了一定作用，但长期而言， 并不能为武汉市人口高质量发展添加动能.与此同时，15~64岁劳动年龄人口占比自2020年起持续下降，至2038年降幅趋缓，并在2038—2050年间于68%附近波动，最终稳定在67.49%.这一趋势既是低生育率导致的劳动力代际断层结果，也与经济结构转型和产业升级对劳动力需求的结构性调整密切相关.

3 结论与讨论

本研究系统分析了武汉市2000—2020年人口老龄化的时空格局并预测其未来30年人口年龄结构演化趋势.研究发现，武汉市的人口老龄化问题日益严重，老龄化率预计将于2026年突破14%，进入中度老龄化社会，并在2050年达到21%，老年抚养比超过30%.这一趋势不仅是生育率长期低迷与预期寿命延长的叠加效应，更凸显人口结构的代际断层.0~14岁人口占比在2028年后持续下降，劳动年龄人口占比自2020年起持续缩减，可能导致未来人口规模收缩与社会养老负担激增.这一趋势不仅反映了人口结构的深刻变化，也对城市的经济、社会和公共政策等方面提出了新的挑战.随着老年人口的增加，社会保障、医疗服务、养老设施等方面的压力不断加大，亟需采取有效措施加以应对.

自2010年起，武汉市人口老龄化呈现明显的“核心—边缘”分布，边缘区域老龄化严重，中心城区及其周围区域由于人员务工及高校聚集等因素，老龄化程度相对较轻，这对武汉市人口均衡发展提出了挑战.城乡人口迁移缓解了城镇人口老龄化程度，但导致农村人口老龄化加快^［36］，扩大了二者之间的差异.此外，在中心城区内部，老龄化差异也十分显著.青山区作为老工业基地，退休职工占比高且新兴产业吸引力不足，老龄化率达18.06%，而洪山区依托高校、科研所等资源吸引年轻人口，老龄化率低于8%.这种情况对武汉市中心城区与新城区之间、中心城区内部的产业布局提出了新要求.

本研究在多情景下预测了武汉市未来的老龄化发展趋势，可为政府决策提供参考.但本文仅根据现实人口情况进行人口预测，实际人口变化是多要素复杂交互的结果，需要更多的研究和探索.例如，本文假设未来30年人口迁移模式和迁移水平保持不变，但随着人口增长和经济发展，人口迁移变化存在较大不确定性.此外，本文采用队列要素模型进行人口预测研究，但其结果的合理性尚需进一步研究论证.

参考文献

[1] 总报告起草组， 李志宏. 国家应对人口老龄化战略研究总报告［J］. 老龄科学研究， 2015， 3（3）： 4-38.

[2] The Drafting Group of General Report， LI Z H. The general research report of Chinese strategic for dealing with population aging ［J］. Scientific Research on Aging， 2015， 3（3）： 4-38. （Ch）.

[3] 民政部养老服务司. 贯彻落实积极应对人口老龄化国家战略加快推动新时代养老服务工作高质量发展［J］. 中国民政， 2021， （24）： 50-52.

[4] Department of Elderly Care Services， Ministry of Civil Affairs. Implementing the national strategy to actively respond to population aging and promoting high-quality development of elderly services［J］. China Civil Affairs， 2021， （24）： 50-52. （Ch）.

[5] BLOOM D E， CANNING D， FINK G. Implications of population ageing for economic growth［J］. Oxford Review of Economic Policy， 2010， 26（4）： 583-612.

[6] HARPER S. Economic and social implications of aging societies［J］. Science， 2014， 346（6209）： 587-591.

[7] 王杰秀， 安超. 全球老龄化： 事实、影响与政策因应［J］. 社会保障评论， 2018， 2（4）： 14-30.

[8] WANG J X， AN C. Global ageing： facts， impacts and policy responses［J］. Chinese Social Security Review， 2018， 2（4）： 14-30. （Ch）.

[9] BLOOM D E， CHATTERJI S， KOWAL P， et al. Macroeconomic implications of population ageing and selected policy responses［J］. Lancet， 2015， 385（9968）： 649-657.

[10] JIANG Q B， FENG Q S. Editorial： aging and health in China［J/OL］. Frontiers in Public Health， 2022， 10［2025-06-30］.

[11] 王广州. 新中国70年：人口年龄结构变化与老龄化发展趋势［J］. 中国人口科学， 2019 （3）： 2-15； 126.

[12] WANG G Z. 70 years of China： the changes of population age structure and the trend of population aging［J］. Chinese Journal of Population Science， 2019 （3）： 2-15； 126.（Ch）.

[13] 乔晓春. 从“七普” 数据看中国人口发展、变化和现状［J］. 人口与发展， 2021， 27（4）： 74-88.

[14] QIAO X C. China’s population development， changes and current situation， reference to data of the seventh population census［J］. Population and Development， 2021， 27（4）： 74-88. （Ch）.

[15] 杨菊华， 王苏苏， 刘轶锋. 新中国70年： 人口老龄化发展趋势分析［J］. 中国人口科学， 2019（4）： 30-42；126.

[16] YANG J H， WANG S S， LIU Y F. 70 years of China： analysis on the trend of population aging［J］. Chinese Journal of Population Science， 2019（4）： 30-42；126. （Ch）.

[17] 常亚轻， 黄健元. 近二十年来我国人口老龄化研究热点与发展趋势［J］. 江汉学术， 2020， 39（2）： 5-16.

[18] CHANG Y Q， HUANG J Y. Focus of research in the past twenty years on China’s population aging and its future tendency［J］. Jianghan Academic， 2020， 39（2）： 5-16. （Ch）.

[19] 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， 18（2）： 2-10.

[20] LI R B， WANG W Y， TAN J A， et al. The development stages and trend of population ageing and its regional differences in China［J］. Geographical Research， 1999， 18（2）： 2-10. （Ch）.

[21] 刘娜， 陈瑛. 基于GIS的我国农村老年人口时空发展研究［J］. 资源开发与市场， 2012， 28（4）： 325-327；385.

[22] LIU N， CHEN Y. Study on spatior-temporal distribution features of rural elderly population in China with GIS［J］. Resource Development & Market， 2012， 28（4）： 325-327；385. （Ch）.

[23] 于蜀， 陈扬乐. 中国区域人口老龄化趋势、特征及其对策［J］. 华东师范大学学报（哲学社会科学版）， 2000， 32（3）： 94-98；111-127.

[24] YU S， CHEN Y L. On tendency and features of population aging in China［J］. Journal of East China Normal University （Philosophy and Social Sciences）， 2000， 32（3）： 94-98；111-127. （Ch）.

[25] 杨雪， 王淇田. 中国人口老龄化趋势地区性差异的量化分析［J］. 吉林大学社会科学学报， 2012， 52（1）： 148-153.

[26] YANG X， WANG Q T. Quantitative analysis of regional differences in population aging trend in China［J］. Jilin University Journal Social Sciences Edition， 2012， 52（1）： 148-153. （Ch）.

[27] 柯宗俊， 邓汉慧. 中国人口老龄化地区差异和收敛性分析［J］. 统计与决策， 2021， 37（19）： 68-71.

[28] KE Z J， DENG H H. Analysis of regional differences and convergence on aging population in China ［J］. Statistics and Decision， 2021， 37（19）： 68-71. （Ch）.

[29] LI F， ZHOU J， WEI W， et al. Spatial distribution pattern and evolution characteristics of elderly population in Wuhan based on census data［J/OL］. Land， 2023， 12（7）［2025-06-30］.

[30] CHEN C， LI J， HUANG J. Spatial-temporal patterns of population aging in rural China［J/OL］. International Journal of Environmental Research and Public Health， 2022， 19（23）［2025-06-30］.

[31] 魏珊， 徐琪， 陈熙元. 湖北省人口老龄化时空演变特征及驱动因素［J］. 统计与决策， 2023， 39（17）： 64-68.

[32] WEI S， XU Q， CHEN X Y. Spatiotemporal evolution characteristics and driving factors of population aging in Hubei Province［J］. Statistics and Decision， 2023， 39（17）： 64-68. （Ch）.

[33] LI J M， HAN X L， ZHANG X X， et al. Spatiotemporal evolution of global population ageing from 1960 to 2017［J］. BMC Public Health， 2019， 19（1）： 127.

[34] MALTHUS T. An essay on the principle of population［M］. London： Cambridge University press， 1992.

[35] 陈彦光， 余斌. 人口增长的常用数学模型及其预测方法： 兼谈对Keyfitz双曲增长等模型的修正与发展［J］. 华中师范大学学报（自然科学版）， 2006， 40（3）： 452-456.

[36] CHEN Y G， YU B. Three models for predicting population growth： theoretical foundation， application methods， and revised expressions［J］. Journal of Central China Normal University （Natural Sciences）， 2006， 40（3）： 452-456. （Ch）.

[37] 宋健， 于景元， 李广元. 人口发展过程的预测［J］. 中国科学， 1980， 10（9）： 920-932.

[38] SONG J， YU J Y， LI G Y. Prediction of population development process［J］. Scientia Sinica， 1980， 10（9）： 920-932. （Ch）.

[39] LESLIE P H. On the use of matrices in certain population mathematics［M］//SMITH D， KEYFITZ N. Mathematical Demography： Selected Papers. Berlin， Heidelberg： Springer. 1977： 227-238.

[40] 王广州. 中国人口预测方法及未来人口政策［J］. 财经智库， 2018， 3（3）： 112-138；144.

[41] WANG G Z. China’s population forecast methods and future population policies［J］. Financial Minds， 2018， 3（3）： 112-138；144. （Ch）.

[42] RAFTERY A E， ŠEVČÍKOVÁ H. Probabilistic population forecasting： short to very long-term［J］. International Journal of Forecasting， 2023， 39（1）： 73-97.

[43] 李爱华， 王迪文. 队列要素法在人口预测中的应用［J］. 统计与决策， 2021， 37（22）： 36-40.

[44] LI A H， WANG D W. Application of cohort component method in population projection［J］. Statistics & Decision， 2021， 37（22）： 36-40. （Ch）.

[45] 门可佩， 曾卫. 中国未来50年人口发展预测研究［J］. 数量经济技术经济研究， 2004， 21（3）： 12-17.

[46] MEN K P， ZENG W. Study on the population development forecast of China in the next 50 years［J］. Quantitative & Technica Economics， 2004， 21（3）： 12-17. （Ch）.

[47] 王红漫. 老年人口预测模型与中国应用［EB/OL］. 光明网. （2020-09-17）［2025-04-12］.

[48] WANG H M. Forecast model of elderly population and its application in China［EB/OL］. Guangming Online. （2020-09-17）［2025-04-12］.

[49] 翟振武， 李龙， 陈佳鞠， 等. 人口预测在PADIS-INT软件中的应用： MORTPAK、Spectrum和PADIS-INT比较分析［J］. 人口研究， 2017， 41（6）： 84-97.

[50] ZHAI Z W， LI L， CHEN J J， et al. Applications of population projection in the PADIS-INT： comparative study on MORTPAK， spectrum and PADIS-INT［J］. Population Research， 2017， 41（6）： 84-97. （Ch）.

[51] 曾毅. 中国人口老龄化的“二高三大” 特征及对策探讨［J］. 人口与经济， 2001（5）： 3-9；72.

[52] ZENG Y. The main features of population aging and policy considerations in China［J］. Population & Economics， 2001（5）： 3-9；72. （Ch）.

[53] 王琳. 中国老年人口高龄化趋势及原因的国际比较分析［J］. 人口与经济， 2004（1）： 6-11.

[54] WANG L. International comparison study on the aged trend and reasons in China［J］. Population & Economics， 2004（1）： 6-11. （Ch）.

[55] COALE A J， DEMENY P， VAUGHAN B. “West” Model Life Tables and Stable Populations ［M］//COALE A J， DEMENY P， VAUGHAN B. Regional Model Life Tables and Stable Populations （Second Edition）. Academic Press. 1983： 41-154.

[56] 吕盛鸽， 宣丹萍. 北京市人口老龄化系数预测［J］. 统计研究， 2012， 29（3）： 27-31.

[57] Lü S G， XUAN D P. The prediction of aging coefficient in Beijing［J］. Statistical Research， 2012， 29（3）： 27-31. （Ch）.

[58] 王裕明， 吉祥， 刘彩云. 上海市人口结构变化预测研究［J］. 上海经济研究， 2014， 26（3）： 89-98.

[59] WANG Y M， JI X， LIU C Y. Study on prediction of population change in Shanghai［J］. Shanghai Journal of Economics， 2014， 26（3）： 89-98. （Ch）.

[60] 刘昌平， 邓大松， 殷宝明. “乡-城” 人口迁移对中国城乡人口老龄化及养老保障的影响分析［J］. 经济评论， 2008（6）： 31-38.

[61] LIU C P， DENG D S， YIN B M. Analysis on the influence of rural-urban migration on the aging of urban and rural population and the old-age security in China［J］. Economic Review， 2008（6）： 31-38. （Ch）.

基金资助

国家社会科学基金项目(21CGL057)