河南省老龄化现状及影响因素初步研究

付笑甜

(河南财经政法大学 河南 郑州 450000)

在目前对老龄化的研究中，一部分学者对我国老龄化现象做出分析，并对这些现象提出建议。如：谢玲玲引入泰尔指数来分析我国东中西部老龄化程度的差异，并提出建议；黎曦用因子分析法研究影响中国老龄化的因素；张靖建立GM(1,1)模型预测湖南省人口老龄化发展趋势并分析预测结果，并分析湖南省现行的养老政策，提出改进措施。也有一些学者探究老龄化出现的原因并基于ARIMA、灰色模型等对老龄人口做出预测。如：李恩来利用ARIMA模型来对中国老龄化人口进行短期预测，认为中国老龄化的形势相当严峻，并提出政策化建议。段红梅根据2008-2017年重庆市统计年鉴数据，利用灰色预测模型对重庆市未来十年老龄化人口进行预测，预测2027年65岁及以上人口将达到511.03万人，老龄化系数逐年增加，老龄化程度继续加重。还有部分学者研究老龄化对经济金融的影响。如：魏丽莹从养老金融的角度出发，为提升中国养老的公平与效率提出建议；张闰提出老龄化增加了我国劳动力成本，增加政府财政负担，不利于我国产业结构的升级和创新。各位学者在老龄化出现的原因、现状及对策等方面提出了较为完善的见解。但很少将现状、预测与影响因素来综合研究分析老龄化。本文将系统分析河南省老龄化现状、对未来老龄化做出预测，并研究影响老龄化的因素，提出相应的建议。

一、河南老龄人口的现状

据河南省2019年统计年鉴可知，我省2018年常住总人口为9605万人，65岁以上人口为1019万人，占全省常住人口的比重为10.6%。预计到2035年我省老龄人口增加至2720万人，劳动适龄人口比重下降，老年人口比重上升，人口老龄化逐年加深，是河南省人口结构的基本特征，具体从以下几个方面分析。

(一)老龄人口总量大，但老龄化率低于全国平均水平

由2019年中国统计年鉴数据[1]显示，从全国来看，江苏、山东、四川三省的老龄人口数分别为9435、12495、10244，河南老龄人口数为8698仅次于以上三省，说明其老龄人口规模大。但从老龄化率来看，全国老龄化率为11.9%，河南省老龄化率为10.6%，低于全国水平1.3%。

(二)老龄化增速较快超前于经济发展

首先由下表可看出，随时间的变化，老龄化率呈持续增长态势，而GDP的增速却不断减慢。河南省近几年的生产总值增速基本维持在8%左右，虽GDP总值仍呈较大数额增长的态势，但GDP的增速却不断减慢。

图1 河南省GDP增速表

(三)我省地区差异和城乡差异较明显

据2019年河南省统计年鉴数据显示：汝州市、鹤壁市的老龄化率为9.9%，而驻马店市老龄化率为13.8%，显著高于鹤壁市、汝州市3.9%。且我省农村迁移率较高，大部分迁往省内各市务工，一部分迁往外省务工，这将导致农村青壮年大量流失，涌入城市，出现留守老人、空巢老人等现象。

(四)仍享有人口红利带来的好处

据2019年河南省统计年鉴显示：2018年我省人口总抚养比为47.20%，自2008年达到最低后连续10年上升。2018年河南常住人口中，15～64岁和65岁及以上人口分别占常住人口的比重为67.94%和10.6%，老少比为49.5%。这意味着，我省依然有人口红利的优势。

二、河南人口老龄化发展趋势

(一)劳动年龄人口波动下降，劳动力老化程度加重

图2 按四种方案预测的2016-2050年河南15-64岁人口数

根据CPPS预测，由上表可看出2016-2050年劳动人口数总体呈先上升在2027年达到峰值后再呈不断下降之势。45-64岁劳动人口比重占15-64岁劳动年龄人口比重从2015年的37.62%上升到2030年的38.52%。

(二)老龄化程度不断加深，老少比不断提高

自2016-2030年，河南户籍人口老龄化持续加深。按1.6方案预测，2020年、2030年老龄化率预计为12.31%和16.30%。

图3 按四种方案预测的2016-2050年河南65岁及以上人口比重

图4 按四种方案预测的2016-2050年河南0-14岁人口比重

河南人口老龄化程度将不断提高，劳动力老化程度加重，应积极应对人口老龄化的挑战，不断完善老年服务体系。

三、人口老龄化与影响因素分析

(一)模型构建

根据影响老龄化的因素，本文选取人均gdp、城镇化率、社会保障与就业支出、医疗卫生支出、第三产业对GDP贡献率、出生率、滞后1期的出生率、高等教育毛入学率、老年抚养比一共9个因素来做回归。本文的数据来源于河南省统计年鉴2007-2019年数据以及河南省教育厅年度报告。

设老龄化系数为因变量，9个解释变量变量为自变量，建立多元线性回归模型：

y=C+β1x1+β2x2+β3x3+β4x4+β5x5+β6x6+β7x7+β8x8+β9x9+ζi

(1)

y:老龄化系数，即65岁以上人口占总人口的比率；x1:取人均gdp，x2:城镇化率；x3:社会保障与就业支出；x4医疗卫生支出；x5:第三产业对GDP贡献率；x6:出生率；x7:滞后1期的出生率；x8:高等教育毛入学率；x9:老年抚养比；ζi为残差。

根据Eviews可知，在回归结果中，模型总体F<0.05，模型显著。但是存在普遍变量单位不显著的问题。

从社会经济角度以及Eviews作图均表明，解释变量和被解释变量都具有时间趋势，几个解释变量与被解释变量的关系可能因为t而被放大或者缩小。这就意味着，没有剔除时间趋势得到的回归结果可能是不准确的。因此，我们在模型中加入t项，用来消除时间趋势。且由于x1、x3、x4与y不成线性关系，单位值过大，所以对此三项取对数减少单位间的差异。变量间也存在着多重共线性，本文将通过逐步剔除法进一步对模型进行优化。

(二)模型优化

按照上述原因，优化后的模型为：

y=22.195+3.927lnx1-1.003x2-3.713lnx3+2.343lnx4+1.2075x5-0.875t

(2)

由Eviews可得，F<0.05,模型总体显著。单个变量p值<0.05，通过t检验。由模型结果可知，人均GDP提高、医疗卫生支出增加、以及城镇化率的提高都对老龄化加深有着正向的促进作用。在其他解释变量不变的情况下，社会保障支出相对于其趋势值每增长10个百分点，老龄化率会相对于其趋势值减小0.371个百分点。这个解释其实不符合预期，一般看来，当社会保障与就业支出增加时，会促进老龄化程度的加深。在此，我们通过模型预测对比实际值来验证模型预测的准确度。

(三)模型的的结果分析与应用价值

表1 基于多元老龄化系数预测

从2007年至2018年12年的预测值的绝对误差在±0.10的范围内，可见模型的预测值与实际值相差较少，模型具有很高的预测价值，也可以应用于我省老龄化程度的预测。同时从模型中可以看出，人均GDP提高、医疗卫生支出增加、城镇化率、社会保障与就业支出以及第三产业对经济增长的贡献率是影响人口老龄化的重要因素。在其他解释变量不变的情况下，医疗支出相对于其趋势线每增加10个百分点，老龄化率会相对于其趋势线增加0.2344个百分点。城镇化率相对于其趋势值每提高1个百分点，会导致老龄化率相对于其趋势值提高1个百分点。人均gdp相对于其趋势值每增长10个百分点，老龄化率会相对于其趋势值增加0.3927个百分点。社会保障支出相对于其趋势值每增长10个百分点，老龄化率会相对于其趋势值减小0.371个百分点。

四、结论与建议

由上可知，我省老龄人口规模大，老龄化仍呈增长态势。如何应对以及解决老龄化带来的问题仍然至关重要。在上文的影响因素分析中，城镇化的快速扩展，促进了农村人口大量迁移给老龄化带来了负向的影响。空巢老人、独居老人不断增加，农村老人的精神满足感不断降低。在城镇化不断推进的过程中，同样促进农村的改革与发展，缩小城乡差距，也可通过增加养老机构与社区互助养老解决农村养老问题。人均GDP增加，人们生活水平提高，人均寿命增长，同样导致老龄化加深。在人均GDP不断增加的情况下，鼓励老年人上老年大学，充实老年精神生活。社会医疗支出的增加，一定程度上解决了老年人“看病难”，“看病贵”的问题，也促进了老龄人口规模的增加。老年人不但依靠国家养老，更应该依靠自身养老以及子女养老。在不断促进社区养老服务实现的同时，鼓励老年人购买商业养老保险及医疗保险。老龄化加深也伴随着产业结构的不断调整，第三产业对经济贡献率不断提高，老龄化也逐渐加深。产业结构的不断调整使产业更需要注入年轻的血液，这更加速了年轻的工人来替代年老的工人进入行业。在产业结构调整的过程中，同样应该照顾年老或者即将退休工人的利益。