长三角地区老龄化发生早、速度快，按照联合国规定，一个国家60岁及以上人口占比超过10%时，进入“初级老龄化”社会；超过20%时，进入“中度老龄化”社会；超过30%时，进入“深度老龄化”社会。
按照这一标准，长三角地区常住人口老龄化速度2020年进入“中度老龄化”阶段，比全国平均水平早3年。从速度上看，2010年至2020年，全国60岁及以上老年人口比重上升5.4个百分点，长三角地区上升5.7个百分点，高于全国平均水平。
最后，长三角不同城市老龄化水平差异较大（表2），最老的城市是南通（30.10%），最年轻的是合肥（15.70%），老龄化近两倍。2000年长三角老龄化水平比较均匀，近20年来差距逐渐拉大，反映出各城市在经济发展、产业结构、生育率等方面发展不平衡。
数据来源：第七次全国人口普查（所有数据为2020年）、各市统计局及官方报告
长三角老年人口空间聚集性强，青年人口迁移是主要原因
从空间分布来看，老龄化高值趋于集中于某些区域，且存在明显的空间自相关现象（即相邻区域老龄化水平趋同）。如图3所示，目前老龄化水平较高的区域主要集中在上海、江苏中部、浙江西部和北部、安徽南部等地区。
图3. 长三角地区老龄人口分布；数据来源：本文表3
2000年至2020年期间，江苏、浙江、安徽均表现出省内老龄人口空间集中的现象。澎湃新闻研究人员收集了近年来长三角地区关于人口老龄化空间分布的论文，试图呈现这种动态。
我们再看各省的情况，2010年浙江省人口老龄化程度较高的地区（红色）分布在浙江西部和中部，到2020年，老龄化程度较高的地区集中在浙江西部（主要是衢州市），中部相对高值消失。
图4.浙江省人口老龄化空间变化（2010—2020年）图片来源：程锦,冯鸽群,袁家宣等. 浙江省老龄化空间格局演变及驱动机制[J]. 宁波大学学报(理工版), 2023, 36(06): 100-106。
与2000年相比，2010年江苏省人口老龄化空间分布（图5）集中在南通、盐城等地区（红色区域），而苏北地区的分布则更加均衡（由紫色、灰色变为以绿色为主）。从最右侧的空间人口老龄化变化率看，还可以看出苏中地区的老龄化程度高于其他地区（深紫色区域集中在苏中地区）。
图5.江苏省人口老龄化空间变化（2010—2020年）图片来源：徐鑫,赵元,张新林等.江苏省人口老龄化空间异质性、演变及影响因素[J].地理科学,2017,37(12):1859-1866。
2000年，安徽省老龄化分布（图6）比较均衡（除合肥外，其他地区同色块分布几乎均匀），但到2020年，南部地区老龄化程度高于北部地区（颜色较深的块集中在皖南地区）。
图6.2000—2020年安徽省老龄人口空间变化。图片来源：肖铁桥，马金梅，李荣荣。安徽省县域人口老龄化时空演变及影响因素研究[J].沈阳建筑大学学报（社会科学版），2023，25（03）：271-278。
最后我们来看看长三角地区整体的动态（图7，颜色越深，老龄化程度越高），2010年，老龄人口分布比较均匀，但到了2020年，出现了几个老龄化较为严重的地区，包括上海、江苏中部（盐城、南通、泰州、扬州、镇江）、安徽南部（黄山、池州、铜陵、宣城）、浙江西部（衢州附近）。
图7. 长三角地区人口老龄化空间分布特征及变化趋势。图片来源：周泽宣,韩慧然,杨成锋. 县域尺度长三角城市群人口老龄化时空特征及影响机制[J]. 经济地理, 2024, 44(02): 90-101。
可以看出，过去10-20年来，长三角地区人口老龄化空间集中性不断加强，老龄化发展不平衡现象更加突出。
2024年2月的最新研究表明，长三角地区以年轻人为主的跨区域迁移是老龄化空间不平等加深的最大因素。例如，一些地区凭借蓬勃发展的经济、新兴产业、宜居的生活环境和友好的公共服务吸引了大量年轻人，从而降低了该地区的老龄化程度。研究指出，苏南和浙北地区的老龄化水平相对较低（尤其是杭州、苏州和合肥），主导因素恰恰是具有明显方向偏好和年龄选择性的大规模人口迁移。
老年人口也会发生迁移，如部分老人携年幼子女迁往新城市，或从养老成本较高的地区迁往养老成本较低的地区，但两种迁移方向相互抵消，总体数量有限，并非造成老龄化空间集中和两极分化的主要原因。
此外，影响空间分布的还有历史因素。例如，南通2020年GDP突破万亿元，六大支柱产业中有四个是战略性新兴产业。但南通是长三角地区“老龄化”最严重的地区。根据南通大学和南通市卫生健康委员会2023年最新研究，20世纪70年代实行计划生育政策，导致多年来生育率偏低，是南通老龄化率居全国首位的主要原因；长寿现象推高了南通老龄化率，1990年至2010年人口外迁加速了南通老龄化进程。
总之，老龄化空间不均衡背后的原因比较复杂，除了上述因素外，还有医疗水平、政策支持、教育溢出等原因。
建议城市不再采用户籍老龄化统计口径，不再以户籍为单位区分老年人群体。
而以年轻人为主的跨地区迁移也解释了为什么登记老龄人口与常住老龄人口数据存在巨大差异（见表8）。
例如，2022年合肥市户籍老龄化率（18.25%）比常住老龄化率（15.7%）高2.55个百分点，杭州和合肥市户籍老龄化率（24.07%）比常住老龄化率（18.40%）高5.67个百分点，这是因为两市流动人口以青壮年为主；2022年上海市户籍老龄化率（36.8%）比常住老龄化率（25.00%）高11.8个百分点，这是因为上海市1048万流动人口中（2020年人口普查数据），60岁以上的人口仅占6%。
目前，下列城市统计局仍然以户籍口径作为主要统计口径（参见表8），表明许多城市政府仍然以户籍人口作为服务对象和公民主体的客观现实。
人口结构数据统计来源有两个，一个是中央每十年组织的人口普查，主要采用常住人口口径，这个统计最权威，但更新速度太慢，不能及时作为城市发展决策的参考。
一种是地方统计局每年发布的统计公报和年鉴，通常只以常住地或户籍为口径，只有极少数城市，如杭州、宁波、合肥等，会同时发布两种口径的数据。表8中的城市是地方统计局每年发布的公报和年鉴，只以户籍为口径统计人口年龄的城市。
数据来源：2020年数据来自第七次全国人口普查，芜湖、上海常住人口数据来自官方报告，户籍数据来自当地统计局。
不过，澎湃新闻研究院的研究人员认为，常住人口老龄化更真实地体现了一个城市的劳动力结构。在人口流入的地方，年轻移民为当地经济做出了贡献，老年移民实际上是在当地生活。在人口流出的地方，“户籍”人口并不一定使用当地的相关服务和设施。
因此，对于长三角城市而言，如果以户籍老龄人口数据代替常住老龄人口数据作为参考，估算当地所需的养老设施数量、判断老龄化对城市经济和产业的影响都会存在一定误差。因此，澎湃研究院的研究人员建议城市不再使用户籍老龄人口数据。
政府也在鼓励不再以户籍来判断养老金的发展方向。《决定》提出，推行以户籍地为基本公共服务提供地的制度，推动符合条件的农民工与迁移地户籍居民同等享受社会保险、住房保障、子女义务教育等权益，加快农民工市民化。
（实习生孙欣对本文亦有贡献）
笔记：
[1] 预计2023年上海和江苏的老龄化数据还会再次上升，因此2023年的数据将在22.8%以上。
-------
城市因聚集而生。
城市的公共政策、生活环境、风俗习惯构成了市民生活的基础。
该报关注公共政策，回应公众关切，探讨城市问题。
评论（0）