1998—2020年中国时间银行的时空分布特征及其驱动因素——基于百度资讯

宋 龙，熊学萍

（华中农业大学经济管理学院，武汉 430070）

根据2021年5月发布的《第七次全国人口普查公报（第五号）》，中国≥60岁人口占比为18.70%，≥65岁人口占比达到13.50%（国家统计局，2021），人口老龄化与养老问题成为中国公共领域突出问题之一。随着社会的快速发展和家庭结构的改变，传统的养老模式逐渐式微，亟需新的养老模式以弥补传统养老的不足，时间银行应运而生（杨静慧，2016；李海舰等，2020；曹海军等，2021a）。

时间银行是一种用于应对养老问题的新型互助养老模式，是由年轻人、低龄老人为高龄老人提供服务，记录服务时长换算成“时间币”，待自己需要时可从时间银行账户中取出时间币以兑换他人为自己服务的一种养老方式（Cahn, 2000; Collom,2008）。该概念于20个世纪70年代由日本学者旭子水岛率先提出，80年代中期，美国学者卡恩在佛罗里达州迈阿密首次践行成功（Cahn et al., 2014）。1998年，中国老龄科学研究中心将该劳务养老机制引入上海，成立上海虹口区劳务银行，后多地纷纷效仿。2018 年上半年，民政部明确将“时间银行”纳入全国居家社区养老服务改革试点范围，这是时间银行发展史上的里程碑。2019年3月国务院办公厅印发《关于推进养老服务发展的意见》，对促进互助养老服务发展，构建现代化养老服务体系，破解养老困局作进一步部署。2021 年，“十四五”规划明确了“实施积极应对人口老龄化国家战略”和“发展互助养老”的目标，时间银行互助养老被寄予厚望。

在上述政策的推动下，近年来各地积极响应，纷纷开展时间银行互助养老模式试点工作，并取得一系列探索性成果（民政部，2021）。然而在时间银行互助养老模式取得较大进展的背后，其真实发展情况并不乐观。全国各地大多为自主性的尝试，且依托主体不尽相同，既有社区主导型，也有政府和公益企业主导型，这导致各地发展水平参差不齐，尚未形成标准的、成熟的经营模式。诸如专项资金匮乏、政策法规缺失、服务计量与通兑标准不统一、数字技术参与不够、服务队伍建设不足等一系列突出问题更是制约其发展与推广。不少学者认为“目前很不规范”“与初衷有很大差距”，操作起来“举步维艰”，尚未形成体系与规模（陈功等，2020）。基于此，时间银行该如何发展？为何发展如此缓慢等问题成为当前老年人口学的热点问题。

针对时间银行的本土化构建问题，国内学者大多围绕以下几个方面展开研究：1）分析国外时间银行发展的轮廓概况与特点，比较中外运营差异，从国外成功经验中得到发展启示（陈功等，2021a）。2）探究时间银行的驱动逻辑与理论机理，将其与当前实践中的问题相结合，并进一步提出应对策略（陈际华，2020；刘妮娜，2020）；3）将视野投向农村领域，分析在城乡差异发展的背景下，如何有效利用老年人力资源和紧密邻里关系的独特优势，发展时间银行以解决农村快速增长的养老需求（贺雪峰，2020；纪春艳，2020；黎赵 等，2021）；4）聚焦于某区域层面，以某一市、区的调研数据或个体案例为切入点，剖析时间银行的构建方式，为由点及面推广时间银行提供参考（高留志等，2019；曹海军等，2021b）。此外，也有学者针对运营环节，诸如风险承兑、区块链技术、服务合同等具体问题为时间银行可持续发展献言献策（徐大丰，2019；肖凯等，2019；王笑寒，2020）。

综上，关于时间银行发展困境的主流研究大多从理论层面探讨时间银行的发展逻辑，分析其存在的问题并提出解决方案，研究视角或宏观于整体发展，或微观于个体案例，但仍存在一些主要问题有待研究，如：1）时间银行在国内虽已有20 余年，但由于缺乏官方的统计数据，目前对时间银行的具体分布并不明晰，尚未有文献详细探讨时间银行时空演变，缺乏对其发展分布格局的可视化认识。那么，时间银行的发展在时空上呈现怎样的格局？是否具有规律？2）假如时间银行的分布格局具有一定的规律性，那么造成这种分布规律的驱动因素是什么？其驱动原因又能为当前时间银行发展困境提供什么启示？基于此，本文采用百度资讯中关于时间银行成立的新闻报道以及政府政策文件和相关统计年鉴数据等，通过文本分析、数理统计以及空间分析等方法展示时间银行1998—2020年的时空分布特征，并结合其运行逻辑和当前发展困境，从供需、推拉角度利用地理探测器揭示时间银行时空分布背后的驱动机制。以期从社会关注度角度还原中国时间银行发展历史、时空分布及其变化轨迹，以地理学视角为当前时间银行发展困境提供有益参考。

1 数据来源与处理

1.1 数据来源

时间银行因其公益性、创新性受到媒体广泛关注，进而产生大量的网络资讯报道，这为研究时间银行的时空分布问题提供了数据来源。同时，网络资讯作为独具特色的数据源已被用于时间银行的相关研究（陈功等，2017）。百度作为当下全球最大的中文搜索引擎，具有庞大的数据库，而百度资讯正是百度以此为基础建立的强大的资讯浏览与搜索服务平台。其内容来源既包括各大主流媒体，也包括由优秀的自媒体人集成的百家号。相比于UC 资讯、头条资讯、360 资讯等网络资讯平台，百度资讯信息内容更加具备丰富性、客观性以及完整性。基于此，本文主要采用百度资讯中关于时间银行成立的资讯报道，为避免信息遗漏，还广泛搜索了期刊文献、报纸等媒体报道中涉及时间银行成立的信息，作为分析时间银行时空分布的数据源；有关时间银行驱动因素的数据主要来自1999—2021年《中国统计年鉴》（国家统计局，1999—2021）《中国民政统计年鉴》（民政部，1999—2021）和各省市统计年鉴，其中养老政策文件来自各省市民政部网站。

1.2 数据获取

分别以“时间银行”“储蓄互助养老”“时间储蓄养老”等为关键词进行百度资讯检索，利用八爪鱼采集工具爬取媒体网站、百家号中与时间银行成立相关的报道资讯。为避免网络资讯可能出现的低质量报道问题，通过人工查阅的方式对不符合规范的资讯予以剔除。进一步地，通过文本分析对余下的资讯反复核对识别，筛选出与时间银行建立的时间、地点有关的信息，最终统计获得31个省份（不含港澳台）时间银行历史总新增184家，统计时间为1998—2020年，百度资讯示例如图1所示。

图1 百度资讯中时间银行报道资讯示例Fig.1 The example of Time Banking report consultation in Baidu consultation

1.3 研究方法

1.3.1 发展热度分析 为了对比不同时期时间银行的空间（省际）差异，对各个时期各省（市）时间银行新增数量进行极差归一化处理，转换成0～1分布的时间银行新增发展指数：

式中：Dij和Nij分别表示第i时期、第j个省时间银行的新增发展指数和新增数量；Nix和Nim分别表示第i个时期新增最多的省份和新增最少的省份的数量。

1.3.2 核密度分析 核密度分析是测量密度变化、挖掘空间热点的有效技术。其基本思想为通过测量单位面积上事件数量来估计某一点的强度或密度（王远飞等，2007）。表达式为：

式中：fn(x)为x处的核密度估计值；xi为从分布密度函数为f的总体中抽取的独立同分布的样本；k为核函数；h＞0，为宽带；x-xi为估计点到事件xi的距离。

1.3.3 空间自相关分析 空间自相关指某一变量在不同空间位置中的相关性，用以度量空间属性值的集聚程度。利用全局空间自相关Moran'sI指数测度时间银行新增数量的空间分布，分析其集聚程度（陈依曼等，2020）。公式为：

式中：n为省级行政单元的数量；xi、xj分别为时间银行在空间单元i和j上的观测值；xˉ为空间属性均值；wij为空间权重矩阵。Moran'sI值分布于[-1,1]之间，若Moran'sI＞0，表示时间银行在空间上呈显著的聚集态势；若Moran'sI＜0，表示时间银行在空间上呈离散态势；若Moran'sI=0，表示时间银行在空间上呈随机分布。

鉴于全局空间自相关不能确切表达时间银行空间聚集的具体省份，进一步进行局部空间自相关分析。局部空间自相关用于分析每个空间单元与相邻单元的集聚关系，可在全局空间自相关分析的基础上进一步探讨时间银行聚集的具体省份。公式为：

1.3.4 地理探测器 地理探测器是探测空间分异的工具，分析探测因子x对属性y空间分异的解释力度，用q衡量，公式为：

式中：N为总研究的单元数，Nh为h层的单元数；σ2为全区总方差，σ2h为h层样本方差；SSW和SST分别表示层内方差之和和全区总方差；q表示探测因子x对y的解释力度，分布于[0,1]之间，越大表示解释力度越强，越小表示解释力度越弱（王劲峰等，2017）。地理探测器除了识别因子对因变量Y的解释作用，还能进一步评估2个因子交互作用是否会增强或减弱该因子对因变量Y的解释力（刘海龙等，2021）。

2 中国时间银行的发展历程回顾与梳理

时间银行自1998 年引入中国以来，至今已有23年，经历了从初步探索到逐渐成熟的过程。陈功等（2017）曾根据时间银行的发展特点将其划分为2 个时期：萌芽探索期（1998—2007 年）和加速发展期（2008 年至今）。本文在此基础上，参考国家颁布的有关时间银行发展政策的时间节点，将时间银行的发展历程分为3个时期：萌芽探索期（1998—2007 年）、加速发展期（2008—2017 年）和创新增长期（2018 年至今）。为更加贴合时间银行历史发展特点，以这3个发展阶段为分析视角探究其时空演变特征。

1）萌芽探索期（1998—2007年）。时间银行的引进起源于1998年上海虹口区的劳务银行，后扩展至全国各地。该时期时间银行的发展总体呈现规模小、不规范、缺乏政策文件支持的特点，且服务方式主要存在于线下。管理人员一般由社区工作人员兼任，缺乏专业人才，且有存无取、登记错误、遗漏等问题频出。该时期时间银行运作机制尚不成熟，以自发性尝试为主且基本为一元组织体系的“单兵作战”，不同时间银行之间缺乏联系合作，依靠主体大多为社会组织或老年协会。

2）加速发展期（2008—2017 年）。从2008 年开始，各地时间银行快速发展，社区开始设置规范的管理章程、权责范围。同时互联网的飞速发展也为其助力，网站、手机App等线上与线下相结合的运作模式相继推出。最重要的是，该时期互助养老相关政策体系开始成形，《社会养老服务体系建设规划（2011—2015 年）》《国务院关于加快发展养老服务业的若干意见》《“十三五”国家老龄事业发展和养老体系建设规划》等政策相继出台；在此背景下，部分地方政府开始尝试针对时间银行进行政策扶持和引导，互助养老快速发展，同时局部区域如地级市内开始加强协同合作，经营主体逐渐丰富，政府、企业、社会公益组织以及社区逐渐参与到时间银行发展中。

3）创新增长期（2018 年至今）。2018 年上半年，随着老龄化问题的进一步加剧，民政部首次明确将“时间银行”纳入全国居家社区养老服务改革试点范围，标志着时间银行互助养老模式正式得到中央政府的认可与支持，随后更是在《关于发展壮大农村互助式养老机构的建议》《关于完善养老护理体系的提案》《关于基层民办养老机构可持续发展的建议》等一系列文件中多次强调开展时间银行探索工作，发展普惠性互助养老服务，时间银行迎来爆发增长。除此之外，该时期主要特点是区块链等高端互联网技术的引进为服务记录存储带来便利，青岛与南京在全国范围内首次尝试实现跨区通兑功能①年轻存时间，年老享服务青岛“时间银行”来啦！今年将在全市推广.https://baijiahao.baidu.com/s?id=1696664560935735048&wfr=spider&for=pc，地方政策文件更加丰富，时间银行公信力得到进一步提升。

3 中国时间银行的时空分布特征

3.1 时间分布特征

1998—2020年，时间银行新增数量在时间上总体呈现上升趋势，从1998—2014 年稳步增长，到2014年达到小巅峰后增速有所放缓，2018年又开始爆炸增长，其中增长浮动最大的是2019—2020 年，增长数量为25家（图2）。同时，新增的时间银行大多位于城镇地区。据统计，时间银行处于城镇地区共160 家（占比87%），乡村地区共24 家（占比13%）。具体来看，1998—2007 年时间银行新增数量寥寥可数，年均新增数量1家，且基本集中于城镇地区。自2008—2017年时间银行数量呈现快速发展趋势，年均新增数量6.1 家，且时间银行开始从城镇试点地区向乡村地区发展，其中城镇地区新增54家（占比89%），乡村地区新增7家（占比11%）。2018年开始，受老龄化加剧以及政府政策影响，时间银行开始爆发式增长，年均新增数量达38家，是上一时期的逾5倍。其中城镇地区新增97家（占比85%），乡村地区新增17家（占比15%）。

图2 1998—2020年时间银行成立数量Fig.2 Distribution of newly established number of Time Banking during 1998-2020

3.2 空间格局的时间演变-发展热度分析

利用公式（1）对空间分布统计结果进行归一化处理，得到时间银行新增发展热度指数，利用自然断点法进行分级，在ArcGIS 10.7 绘制空间分布差异图。由图3可知，自1998年时间银行引入中国以来（图3-a），发展最快的省（市）分别是江苏、湖北、浙江及广西，4 省（区）时间银行新增数量占全国的40%，平均每省（市）新增数量是全国平均水平的1.8 倍。新增数量位于其次的是湖南、安徽、上海、山东、北京及江西6省（市），6省（市）新增时间银行数量占全国的22%，平均每省的新增数量是全国平均的1.2 倍。再次是福建、河南、广东、重庆和四川，5 省（市）新增数量占全国总量的10%，每省（市）平均新增数量低于全国平均水平。相较之下，西藏、青海、海南、内蒙古4省发展最为缓慢。

从时间银行不同发展时期看，在时间银行刚引入中国的前10年——萌芽探索期（图3-b），率先进行试点的省市为上海和山西，接着北京、浙江、广东、黑龙江、重庆、江苏等省市相继开始尝试。该时期全国时间银行累计新增9家，平均新增数量仅为1.1家，有22个省（市）尚未进行试点，基本处于摸索阶段。

2008—2017年加速发展期（图3-c）。该时期时间银行发展热点地区以江苏、浙江、河南、湖北4省为主，4 省新增数量占全国同期水平的54%，各省平均新增数量约为全国平均水平的4.2倍。安徽、湖南、山东、江西、河北、辽宁、天津等7省次之，累计新增数量占全国平均水平的31%，各省平均新增数量约为全国平均水平的1.4 倍，前期探索积累的经验初见成效。同时，截至该时期尚有陕西、云南、吉林、宁夏、内蒙古、海南、西藏及青海等8省未进行时间银行的探索工作。

2018—2020年创新增长期（图3-d）。2018年以来，时间银行开始快速发展。其中，湖北、广西、湖南、江苏、浙江、上海、安徽、山东、江西、北京、福建及重庆等12 省（市）发展速度最快，12省（市）时间银行新增数量占全国同期水平的81%，各省平均新增数量是全国同期平均水平的1.84倍。广东、四川、陕西等3省次之，6省（市）新增数量占据全国同期累计数量的9%，各省（市）平均新增数量略低于全国同期平均水平。截止2020年底，全国仅有西藏、青海、海南、内蒙古等4省尚未进行时空银行的探索工作。

图3 时间银行各时期新成立数量的空间格局Fig.3 Spatial pattern of newly established number of Time Banking each period

3.3 核密度分析

从1998—2020年时间银行总体进程和3个发展时期的核密度分析结果（图4）可知，时间银行新增数量的分布密度在不同地区呈现明显差异，热点区和冷点区泾渭分明。总体上（图4-a），1）时间银行在20余年的发展历程中，形成以长三角地区和中原地区为中心的双中心格局，分布密度达到2.01～3.10 个/万km2。2）较密集区主要集中于华北沿海地区、川渝地区、以及两广地区，分布密度达到1.11～2.01个/万km2。3）稀疏区主要分布在西北、东北等胡焕庸以北地区，分布密度仅为0～0.05个/万km2。

进一步对时间银行新增数量分时期分析：1）在1998—2007年萌芽探索期（图4-b），北京、长三角地区较为领先，总体呈现零星式分布，并无明显的集聚分布；2）2008—2017 年加速发展期（图4-c），初步形成以长三角区域为中心的分布格局，且分布密度达到1.11～1.58 个/万km2；3）2018—2020年创新增长期（图4-d），该时期进一步形成中原密集中心区，和长三角地区形成双中心空间格局。值得一提的是，广西在该时期发展迅猛，从上个时期的0～0.11个/万km2上升到0.93～1.44个/万km2。

总体上，时间银行新增密度分布层次明显，中心突出，基本集中于胡焕庸线以南且大致呈现“东南密—西北疏”的分布格局。

3.4 空间关系变化

3.4.1 全局空间关系变化 采用QUEEN 邻接法构建空间权重矩阵，分年份计算1998—2020年时间银行新增的全局Moran'sI指数。从图5可看出：时间银行新增数量的Moran'sI指数从1998 年的-0.024，逐渐增加到2020 年的0.406，说明时间银行新增数量从最初的分散逐步发展到空间集聚，这意味着时间银行的高新增地区倾向于和高新增地区集聚，低新增地区倾向于和低新增地区集聚。空间关系的时段变化，除2016—2017 年变化较大外（从0.006 变化到0.341），其余年份整体呈现稳步上升的趋势。从空间关系显著性看，1998—2017年空间关系的显著性存在波动；随着时间接近2018年，这种波动性逐渐减弱；2018 年以后，显著性p值均＜0.01，空间集聚效应明显，说明2018年对时间银行的空间分布而言是一个重要的时间节点。

进一步分时期计算时间银行新增数量的Moran'sI指数。在1998—2007 年萌芽探索期Moran'sI指数为-0.051（P=0.41），时间银行新增数量并不存在显著的空间关系；而在2008—2017 年快速增长期，时间银行新增数量呈现显著的空间集聚，Moran'sI指数为0.331（p＜0.01），且这种集聚效应在

2018—2020年创新增长期进一步加强，其Moran'sI指数为0.432（p＜0.01）。

3.4.2 局部空间关系变化 根据1998—2020年3个发展时期的新增数量分别绘制莫兰散点分布表（表1）和LISA聚类地图（图6）。可以看出，大部分省份落在第一和第三象限，在3个时期中时间银行新增数量呈现高高聚集或低低聚集的省份单元数分别为19、23 和27 个，呈现高低聚集或低高聚集省（市）单元数分别为12、8和4个。说明时间银行新增数量的空间均质性不断增强，异质性不断减弱。从各象限演化轨迹看，低低聚集区域整体变化幅度不大，高低聚集区域和低高聚集区域均在减少，而高高聚集区域在不断扩大，说明时间银行整体发展向好。

表1 时间银行莫兰散点分布Table 1 Moran scatter distribution of Time Banking

图6 时间银行各时期新成立数量LISA聚类图Fig.6 Lisa clustering chart of newly established Time Banking of each period

1998—2007年探索发展期（图6-a），时间银行发展尚未存在较强的空间关系，集聚显著单元（8个）中，高低区域集聚的省（市）有5个，在显著单元中占比最高，分别是黑龙江、北京、山西、重庆以及广东；低高聚集的区域有2个，分别是福建和海南；而高高聚集的仅有上海。

2008—2017年加速发展期（图6-b），该时期时间银行的空间集聚特征显著增加，空间同质性增强，异质性减弱。具体表现为高高集聚的省份数量增加到5个，分别为山东、江苏、安徽、浙江和江西；低低聚集的省份增加到3 个，分别为内蒙古、甘肃、四川；上海由上一时期的高高聚集区域转为低高聚集区域；而高低聚集区域显著减少。

2018—2020年创新增长期（图6-c），该时期时间银行新增数量的空间同质性继续增强，异质性变化幅度不大。高高聚集区域增加了湖南，山东变为不显著。而低低聚集区域中四川变为不显著，增加了新疆和辽宁，空间分布格局趋于稳定。

4 驱动因素分析

4.1 驱动因素的理论分析与指标选取

产业经济学理论认为，任何产业的发展都与人口结构密不可分，其为产业的兴旺、繁荣提供必要的人口基础（干春晖，2015）。竞争优势理论认为，任何产业发展的驱动因素应该包括市场需求、政策环境、相关产业基础和生产要素（Porter, 1990），时间银行互助养老模式的发展必然符合产业发展规律。随着人口老龄化问题加剧，社会养老需求也逐渐加大。而家庭规模渐趋小型化，传统的代际养老功能随之弱化（周兆安，2014），养老压力逐渐向社会转移。但由于社会养老提供不足和国家养老资源有限，这种需求压力开始由传统养老模式向新型互助养老模式转移，因此人口结构的变化导致的养老需求压力在客观上倒逼时间银行的建设与发展。时间银行作为一种互助型养老模式，公益性是其突出特征，因此仅靠市场经济自发的供求匹配必然导致市场失灵等问题，还需要充分发挥政府这只“有形的手”的力量，政府支持可为时间银行发展提供法律和制度保障。同时，养老建设水平也是时间银行重要驱动因素之一，时间银行虽然是一种新型养老模式，但其诞生和发展是在传统养老模式上创新发展的结果，是对传统养老体系的重要补充。此外，时间银行的发展还需要诸如资金、人力以及技术等生产要素的支持，多种生产要素的流动、集聚能有效地推动时间银行的发展。

基于以上考虑，并结合数据的可获得性，从人口结构（曾通刚等，2019）、养老建设水平、经济发展水平（范中原等，2012）、政府支持力度（安雅梦等，2021）、志愿队伍建设（陈功等，2021b）和数字技术水平（黎昌珍等，2021）6个维度探讨时间银行发展的驱动因素，并分别选取≥65 岁占比（X1）、在职人员参与养老保险人数（X2）、人均地区生产总值（X3）、养老政策文件数目（X4）、志愿者注册数（X5）和移动电话年末用户数（X6）表征。数据处理上，对个别年份存在统计口径不一的数据予以剔除，对少数缺失值使用线性插值法填补。

4.2 单因子探测结果

基于ArcGIS 10.7 采用自然断点法将选取的探测因子分为5 类，利用GeoDetector 程序逐年计算1998—2020年各探测因子对时间银行发展的驱动作用力q值和显著性p值。参考麻学锋等（2021）的研究，根据q值将探测因素分为三类：核心驱动因素（0.5＜q＜1）、重要驱动因素（0.4＜q＜0.5）和一般驱动因素（q＜0.4）。另外，由于地理探测器无法探测因子作用方向，本文结合相关性分析弥补不足，即若相关性分析结果为正，认为探测因子为正向影响；若相关性分析结果为负，则认为探测因子为负向影响（图7）。

图7 时间银行单因子探测结果Fig.7 Single factor detection results of Time Banking

可以发现，从1998—2020年各个维度指标q值总体呈上升趋势，显著性p值逐渐加强，说明时间银行的发展和各个驱动因素之间的联系日趋密切。回顾时间银行在中国发展的23年间，从各个探测因子（p＜0.1）的平均解释力度看，经济发展水平、政府支持力度为核心驱动因素，平均解释力q值分别为0.601 和0.589；人口结构驱动作用次之，平均q值为0.418，是重要驱动因素；而养老建设水平、数字技术水平和志愿队伍建设是一般驱动因素，平均q值分别为0.371、0.373和0.366。可以发现，经济发展水平对于时间银行的发展一直处于重要地位，而养老建设水平、数字技术水平和志愿队伍建设解释力的q值并不高，但持续稳定地影响时间银行的发展。人口结构和政府支持力度近年开始发力逐渐成为主导驱动因子，尤其是政府支持力度在2017—2018 年存在较大幅度上涨，由0.528 升至0.814。

进一步分时期看，萌芽探索期，养老建设水平（0.324）为主要驱动因子。快速发展期，各影响因子平均解释力（p＜0.1）排名为：经济发展水平（0.546） ＞政 府 支 持 力 度（0.458） ＞人 口 结 构（0.382）＞数字技术水平（0.376）＞养老建设水平（0.338）＞志愿队伍建设（0.325）。创新增长期，各影响因子排名为：政府支持力度（0.763）＞经济发展水平（0.690）＞养老建设水平（0.498）＞志愿队伍建设（0.475）＞人口结构（0.466）＞数字技术水平（0.367）。

4.3 交互因子探测结果

在单因素分析基础上，为探究因子之间内部相互作用是否会影响到各地时间银行分布差异，进一步进行双因子交互分析。结果发现，两两交互作用的探测因子作用效果显著大于单因子作用效果，其交互作用类型均为双因子增强或非线性增强，且不同年份主导交互作用类型有所差异。总体上（图8），1998—2020年平均作用最强的前3个交互因子分别是人口结构与数字技术水平（0.755）、养老建设水平与经济发展水平（0.715）、养老建设水平与数字技术水平（0.714）。

图8 驱动因素交互作用探测结果Fig.8 Driver interaction detection results

分时期看，1998—2007年（萌芽探索期）既包括双因子增强也包括非线性增强，而平均作用最高的3 个交互因子分别是人口结构与经济发展水平（0.711）、人口结构与数字技术水平（0.691）、养老建设水平与数字技术水平（0.686），排名前两名均为人口结构和其他因素的叠加，说明在该时期人口结构在时间银行的发展过程中居于重要地位，与其他驱动因素具有良好的契合性，因素间两两结合能显著增强对时间银行发展差异的解释力度。

2008—2017年，双因子增强发挥主要作用，平均作用最高的3个交互因子为人口结构与数字技术水平（0.816）、人口结构与经济发展水平（0.780）、养老建设水平与经济发展水平（0.757），该时期人口结构依旧处于重要地位，并且经济发展水平在时间银行快速发展期开始成为主导交互探测因子，可以更好地解释时间银行的分布差异。

2018—2020年均为双因子增强发挥作用，平均作用最高的3个交互因子为政府支持力度与志愿队伍建设（0.935）、政府支持力度与数字技术水平（0.928）、政府支持力度与人口结构（0.899），均包括政府支持力度，其与志愿队伍建设的交互作用对时间银行发展差异的解释力度更是达到93.5%，进一步验证了在创新增长期，政府支持力度在时间银行发展的驱动因素中处于核心地位，是推动时间银行发展的有力因素。

4.4 探测因子及其交互作用结果分析

1）萌芽探索期

中国自2000年正式步入老龄化社会，老龄化问题开始进入大众视野。该时期针对养老的相关政策文件较少，信息技术手段缺乏。最先尝试成为试点的地区既包括北京、上海、广东等经济发达省（市），也包括山西、黑龙江等经济相对欠发达省份，当地经济发展水平对时间银行推动作用并不明显。该时期时间银行刚引入中国，主要由民间社会公益组织自发承办，因而较为依赖当地的养老建设水平和人口结构。老龄化问题凸显且养老建设水平高的地区，对养老问题更为关注，对养老服务体系建设的资源倾斜力度更大，对新型养老方式接纳程度也更高，因此，更能推动时间银行的发展。

2）快速增长期

经过萌芽探索期的发展，各地区对时间银行的运行具备一定的经验。随着各地经济的高速增长，第三产业比重持续增大，对养老服务供给也随之增大。随着第六次全国人口普查结果的公开，老龄化问题进一步引起社会的广泛关注，地方性养老政策文件相继出台。以江苏为例，早在2006年江苏民政局便开始鼓励推广时间银行，之后更是持续出台相关政策文件跟踪指导，地方政府力量的逐步介入使得时间银行的整体规模和影响力进一步扩大。2017年，《志愿服务条例》（民政部，2017）的正式发布标志着中国志愿服务进入法制建设阶段，为时间银行服务存储提供法律依据。信息技术开始得到广泛运用，多种数字信息平台的参与使时间银行的开展更加便捷。该时期以浙江、上海和江苏等长三角经济区为代表的省（市）得以快速发展，并逐步向华中地区（如湖北、安徽）扩大。

3）创新增长期

2018 年民政部将时间银行纳入居家养老试点，在此背景下，多地积极响应。如广西虽然在经济发展、数字技术水平以及养老建设基础等方面尚有不足，但在文明办和志愿服务联合会的共同推动下，开始大力实施时间银行试点工作并取得较快进展，短短3年间成为发展时间银行的热点地区之一，可见政府支持对于时间银行的推动具有显著效果。同时，民政部于2019年在对《关于切实加大普惠性社区养老与城市大学生志愿者融合的建议》答复中（民政部，2019），鼓励大学生参与“探索建立为老志愿服务时间银行制度”，以大学生为主的志愿者群体开始广泛加入到时间银行式互助养老活动中。除此之外，以区块链为代表的创新数字技术也为时间货币的存储以及流动提供保障，使跨区通兑成为可能，有效地提升资源配置效率。在各个因素的综合影响下，时间银行得以进一步发展成熟。

4.5 分异机制

时间银行互助养老模式是对社会老龄人口增加，而养老资源供给不足的响应。基于中国国情，社区往往承担平台的角色，在服务者与被服务者之间发挥承接统筹的作用。同时，这种互助养老模式需要社会与政府协同参与。对于社会而言，其需要为时间银行的运营提供人力、资金以及技术支持。对于政府而言，其需要为时间银行的运营提供政策指导和法律保障，其既需要出台相关政策，引导多方参与，优化资源配置，也需要对低龄老人、高龄老人以及三方平台之间的权责以及服务计量、通兑标准予以规定，为在服务过程中可能产生的纠纷扫除障碍。

而相关文献梳理发现，当前中国时间银行运营过程中主要存在以下问题：1）缺乏专项运营资金。时间银行虽然是公益性的养老方式，但维持其运营的基础设施以及工作人员的劳务工资等均需要一定的资金支持（张晨寒等，2016）。2）政策法规缺失。体制机制与政策等外部力量较弱是导致当前养老服务供给发展困境的原因所在（盛见，2019），政府出台法律法规对时间银行服务者、被服务者、运营三方的权利和义务做出规定，能有效打消参与者顾虑，保护参与者权益（蔡婷婷等，2016）。3）服务计量与通兑问题。服务与时间币之间的价值衡量，以及各地衡量标准的能否统一是涉及社会公平的问题，也是制约时间银行能否可持续运营的关键，因此各地时间银行需要加强沟通，共同建立统一的管理方案（徐雅，2016）。4）数字技术参与不够。数字技术虽然已被应用于某些大城市，但大多地区时间银行的记账方式仍为传统纸质存折，考虑到时间银行回报周期较长，这种传统的记账方式很容易出现损坏、丢失等问题，严重影响到居民的参与积极性，因此加大数字技术参与必不可少（张文超等，2019）。5）服务队伍素养不高。一方面，服务者往往缺乏护理经验，服务内容单一，服务质量也不高，难以满足老人多样化的养老需求（杨帆等，2019）；另一方面，随着高龄老人数量的迅速上涨，仅靠低龄老人提供服务容易造成供给不足，因此需要更多的年轻人加入到服务队伍中。

上述发展障碍制约了时间银行的推动与普及，而对短板的补齐能极大地推动时间银行的发展。从需求侧而言，主要指人口结构的拉力作用。从供给侧而言，政府支持力度、经济发展水平、志愿队伍建设、养老建设水平以及数字技术水平等因素从多个维度推动时间银行的发展。发展驱动因素在不同时期、不同地区不尽相同，其与时间银行的发展障碍在这种差异化的综合作用下，造就了时间银行发展格局的时空分异（图9）。

图9 时间银行发展差异形成机制Fig.9 Formation mechanism of Time Banking development difference

5 结论与讨论

5.1 结论

利用百度资讯中的新闻报道，从社会关注度角度揭示了时间银行互助养老模式进入中国23 年以来的时空分布特征及其背后的驱动逻辑，得到的主要结论为：

1）时间银行新增数量在时间上呈现总体上升的趋势，其中2018 年以前增长较为平缓，2018 年后增长幅度较大，可见相比于社会组织、地方政府等自发探索，民政部将时间银行互助养老纳入居家养老试点政策对时间银行发展的推动效果更加直观。另外，时间银行大多集中于城镇地区，后逐渐向乡村地区发展。

2）从发展热度看，全国绝大多数省（市）均已开始进行时间银行的探索尝试，其中又以江苏、湖北、浙江、广西等4省（区）发展最好，而西藏、青海、海南、内蒙古4省（区）发展则相对缓慢。

3）从核密度分析看，时间银行由最初的零星分布逐步发展为长三角、中原地区双中心空间格局，基本集中于胡焕庸线以南且呈现“东南密—西北疏”的分布特征。

4）从空间关系看，时间银行从最初的空间发散逐步发展为空间集聚，集聚程度不断加强且趋于稳定，具体表现为高新增地区和高新增地区集聚，低新增地区和低新增地区集聚，空间均质性不断增强，异质性逐渐减弱。

5）时间银行发展的时空演变是多种因素综合作用的结果，其中经济发展水平、政府支持力度为核心驱动因素，人口结构是重要驱动因素，养老建设水平、数字技术水平、志愿队伍建设是一般驱动因素，且不同阶段主导因子有所差别。萌芽探索期主要驱动因素以养老建设水平为主，而快速发展期与创新增长期均以政府支持力度与经济建设水平为主，其中政府支持力度在2018年后有较大提升。交互探测因子分析结果显示，因子间的交互作用对时间银行发展的影响均大于单因子影响。其中，以人口结构与数字技术水平、养老建设水平与经济发展水平、养老建设水平与数字技术水平解释力最强。萌芽探索期，人口结构和其他驱动因素相结合能显著增强对时间银行发展差异的解释力度；快速发展期，则转变为人口结构、经济发展水平与其他驱动因素结合解释力更强；创新增长期，政府支持力度和其他因子的交互作用解释力度更强。

6）通过发展差异形成机制看，发展障碍普遍性地制约了时间银行的推动与普及，主要体现于专项资金缺乏、政策法规缺失、服务计量不统一与通兑受限、数字技术参与不够和服务队伍素养不高。而驱动因素一方面来自供给侧对发展障碍的响应，另一方面来自需求侧的老龄人口压力。发展障碍与驱动因素在不同时期、不同地区的差异性综合作用造就时间银行发展格局的时空分异。

5.2 讨论

时间银行引入的初衷是利用老年人口红利分担社会养老压力，但根据本研究发现，时间银行离作为传统养老体系的重要补充力量还有较大差距，主要体现于：

1）对社会经济发展等指标存在强烈的依赖。理论上，引入时间银行互助养老模式本是对社会养老资源不足的弥补，公益性和互助性是其突出特征，社会经济发展等指标不应是其决定性因素。如果需要资金、人力以及技术持续且大量的投入则失去其为社会减轻养老压力的发展意义。尤其对于存在大量空巢老人的广大农村地区，众多研究论述了在农村地区发展时间银行式互助养老的迫切性以及可行性（彭炎辉，2017；丁煜等，2022）；即农村地区存在许多被社会忽视的留守老人，这为时间银行的发展提供了需求和人力供给，同时农村地区人缘社会基础更加牢固，便于开展互助式养老。但这些优势并不能弥补其在养老建设基础、数字技术以及经济水平上的短板，在传统农村地区发展时间银行将面临更大的挑战。因此，时间银行的发展需要探索出更加成熟的模式，减少对社会经济发展等指标的依赖，回归时间银行成立的初衷。这样才有可能为诸如农村等欠发达地区提供可行性路径和参考模板。

2）时间银行对政府支持力度要求高。2018 年民政部将时间银行纳入养老试点范围后，数量激增，空间上集聚效应也显著加强。这一方面佐证了本文将2018年定为时间银行第3个发展时期起始点的可行性，同时也说明在推行时间银行式互助养老过程中，政府的力量至关重要。政府可通过立法为时间银行提供法规制度，确保其运行有法可依。调研发现，当前时间银行难以持续的难点之一在于公信力不足。时间银行不同于传统银行，其运营思路新颖，回报周期较长，宣传力度欠缺，公众接受度低，故大众大多持观望态度，而政府的支持可以有力打消公众的疑虑，方便整合多方资源，引导社会参与，共同推进时间银行的可持续发展。尤其对于欠发达地区，政府支持力度更加重要，从广西的发展案例可以发现政府支持能有效弥补其在养老建设基础、数字技术以及经济发展水平上的不足。因此对于发展时间银行，既需要自下而上的探索、尝试，更加需要自上而下的指导、统筹。

本文也存在不足之处：1）主要基于百度资讯中关于时间银行的新闻报道资讯对其时空分布信息进行保守性统计，统计结果和现实情况可能存在部分出入，主要原因是某些网络媒体欠发达的地区虽已进行时间银行的试点工作，但因其尚未见报道而被遗漏；2）基于新闻报道的计数法，处于量化分析的初步时期，暂未考虑各省市时间银行发展状况以及运行模式的差异。以上不足需在未来的研究中进一步完善。