王雨欣

摘 要：當前，日益嚴峻的人口老齡化形勢給中國帶來了巨大的挑戰(zhàn)。“十四五”期間，老年人口將突破3億，中國將邁入中度老齡化國家行列。老齡化程度的加深，將會帶來人口結構老化、總撫養(yǎng)比上升、養(yǎng)老負擔過重等一系列問題。由于區(qū)域經濟醫(yī)療差異，我國不同地區(qū)的老齡化程度不同。以江蘇省為例，基于2010—2019年統計年鑒數據，運用GM（1，1）模型對江蘇省65歲以上老年人口數量進行預測，同時利用灰色關聯度模型對人口老齡化的相關因素進行關聯分析，并據此提出應對江蘇省老齡化問題的建議，即實施更加積極的生育政策;開發(fā)老年人力資源，發(fā)展銀發(fā)經濟;完善醫(yī)療與養(yǎng)老服務;積極發(fā)展老齡產業(yè)，滿足老年群體的物質與精神需求。

關鍵詞：江蘇省;老齡化;GM（1，1）模型;灰色理論;影響因素

中圖分類號：C913.6 ? ? ? ?文獻標志碼：A ? ? ?文章編號：1673-291X（2022）18-0038-03

引言

黨的十九屆五中全會指出，要實施積極應對人口老齡化國家戰(zhàn)略?？茖W合理的人口預測對于經濟發(fā)展規(guī)劃和制定正確的決策具有重要的現實意義，因此如何提高人口預測的精確度一直是研究者持續(xù)關注的問題。

灰色預測經常被用于數量較少且不能直接發(fā)現規(guī)律的數據。其通過對原始數據進行處理，生成具有較強規(guī)律性的數列，并建立微分方程模型[1]。李魯（2020）運用灰色GM（1，1）模型預測了安徽省2018年之后的五年內65歲以上老齡人口數量[2]。徐麗麗（2019）等針對單一模型的局限性構建了灰色預測和徑向基網絡的組合預測模型預測山東省人口總量，驗證結果表明組合模型的預測精度較高[3]。龍會典等（2017）以灰色系統理論的GM（1，1）模型和隨機過程理論的Markov鏈模型為基礎構建了一個動態(tài)GM（1，1）-Markov鏈組合預測模型，并將該模型用于預測廣東省單位GDP能耗，預測效果較好[4]。隨著研究的深入，研究者逐漸開始對人口老齡化的影響因素進行研究。毛毅（2012）研究了老齡化對儲蓄的影響[5]，彭希哲、胡湛（2011）基于公共政策的視角對中國人口老齡化進行了研究，認為人口老齡化是不可避免的，強調積極應對以及對社會的組織和運行進行再設計，制定出更為高效和智慧的公共政策[6]。

本文在老齡化問題已有研究的基礎上，利用GM（1，1）模型對江蘇省老年人口進行預測，并利用灰色關聯模型分析江蘇省老齡化影響因素，最后根據預測結果和影響因素的分析提出應對老齡化的措施。

一、江蘇人口老齡化現狀

（一）人口老齡化日趨嚴重

江蘇省是我國最早進入老齡化社會的地區(qū)之一[7]，人口老齡化程度僅次于上海、北京?！督K省老齡事業(yè)發(fā)展報告》顯示，截至2019年底，江蘇60歲及以上老年人口為1 834.16萬，占比23.32%;65歲及以上老年人口為1 330.29萬，占比16.91%。2025年，江蘇省老年人口比重預計將超27%。

（二）老年撫養(yǎng)比上升

老年撫養(yǎng)比指人口中老年人口與勞動年齡人口的比值[8]。江蘇省自2016年以來，15～64歲的勞動力人口減少了99.49萬;而65歲以上老年人口則增加了163.9萬，全省老年人社會撫養(yǎng)比也從17.33%上升到20.58%。老年撫養(yǎng)比的上升意味著一個勞動力將承擔更多的老年撫養(yǎng)人數，養(yǎng)老負擔加重，養(yǎng)老和醫(yī)療保險等支出逐年增加，政府財政狀況惡化。

二、實證分析

（一）數據收集

本文選取了2010—2019年江蘇省65歲以上老年人口數量，具體數據如下頁表1所示。

（二）模型可行性分析

計算出的相對誤差<0.01，C值<0.35，小概率誤差P=99.9%>0.95，模型的預測等級較好，說明用GM（1，1）模型預測江蘇省老齡化程度是合理的。對GM（1，1）模型的時間響應方程中的k進行賦值，將0—15依次帶入，可以預測到2020—2025年江蘇65歲以上人口數量分別為1 378.17萬、1 438.61萬、1 501.71萬、1 567.57萬、1 636.32萬、1 708.08萬。

預測結果顯示，江蘇省65歲以上的老年人口數量將以每年近60萬的數量遞增，截至2025年將突破1 700萬，比2019年的老齡人口增加了376萬。龐大的老年人口數量將會給社會帶來巨大壓力，在一定程度上不利于江蘇的經濟建設與發(fā)展。

三、江蘇省人口老齡化影響因素的灰色關聯度分析

灰色關聯分析是動態(tài)量化的比較分析方法。關聯度定量描述事物之間、因素之間的關聯性大小，如果事物或者因素變化的趨勢基本一致則可以認為存在較大的關聯度，反之，關聯度較小。

通過對以往文獻及相關研究確定與人口老齡化影響因素相關的八個主要因素，分別用X1，X2，…，X8表示。其中，X1為人均地區(qū)生產總值，X2為0～14歲人口數量（人），X3為城鎮(zhèn)化率（城鎮(zhèn)人口占總人口的比重），X4為基本養(yǎng)老金支出（億元），X5為人口密度（人/平方公里），X6為性別比，X7為農村恩格爾系數（%），X8為城鎮(zhèn)恩格爾系數（%），X0是參考數列，表示65歲以上老年人口占總人口的比重。2010—2019年江蘇省上述影響因素原始數據見表2。

通過Matlab軟件，計算X0與各影響因素之間的關聯度大小，如表3所示。

從表3中可以看出，關聯度大小排序為X3>X2>X6>X5>X1>X7>X4>X8。其中，城鎮(zhèn)化率與人口老齡化關聯度最大，與農村相比，城鎮(zhèn)的醫(yī)療資源較為完善，生活質量較高，因此降低了老年人的死亡率，所以城鎮(zhèn)人口老齡化較農村嚴重。排在第二的是0～14歲人口數量，青少年人口數量必然與老齡化有著直接的關系，目前雖然國家全面放開二胎政策，但是可以看出二胎效應并不明顯，對于緩解老齡化收效甚微。

四、結論與建議

通過對江蘇省65歲以上老年人口運用GM（1，1）模型進行預測分析，顯示未來老年人口數量呈上升趨勢，老齡化程度不斷加深，江蘇省面臨較大的養(yǎng)老壓力。為了應對人口老齡化帶來的一系列問題，本文提出以下幾點建議。

（一）實施更加積極的生育政策

從灰色關聯度計算結果可以看出，老齡化與0～14歲少年兒童數量之間的關聯度值為0.798，說明少年兒童數量對人口老齡化影響較大。2016年，我國開始實施“全面二孩”的生育決策，以此來鼓勵生育、解決出生率下降的問題，但從近幾年的情況來看，育齡婦女生二孩意愿并不強烈，放開生育政策的效果與預期相差較大。二孩生育意愿受到多方面因素的影響，其中影響較大的因素有家庭收入、孩子教育費用、是否有人幫忙照顧孩子等。因此，政府應從減小生育壓力角度切入，提出鼓勵二孩生育的具體建議，推動政策更好落實。例如，針對二孩生育制定獎勵措施，結合區(qū)域收入水平合理設置生育獎金，可以切實減少生育二孩的經濟壓力，降低養(yǎng)育成本。實施“全面二孩”政策后，針對孩子無人看護的問題，應加快發(fā)展多種形式的嬰幼兒照護服務，完善普惠托育服務體系，增加托育機構的數量。

（二）開發(fā)老年人力資源，發(fā)展銀發(fā)經濟

“十四五”規(guī)劃首次將應對老齡化挑戰(zhàn)上升到國家戰(zhàn)略層次，其指出的積極開發(fā)老齡人力資源、發(fā)展銀發(fā)經濟具有政策指導意義，不僅可以促進老年人口再就業(yè)，填補勞動力不足的缺口，還可以增加消費和投資需求，促進經濟持續(xù)健康發(fā)展。我國目前退休的專業(yè)技術人員超過80萬，他們大都具備專業(yè)的知識和豐富的工作經驗，仍然可以在許多崗位上繼續(xù)發(fā)光發(fā)熱，如果對其不能充分利用，將會造成人才的浪費。政府要發(fā)揮對老年人再就業(yè)的導向作用，出臺關于開發(fā)老齡人力資源等政策性文件，調動老年人為社會經濟發(fā)展服務的積極性，為老年人再就業(yè)營造良好的社會氛圍。

（三）完善醫(yī)療與養(yǎng)老服務

黨的十九屆五中全會指出要健全基本養(yǎng)老服務體系，在健康中國戰(zhàn)略背景下，積極探索社區(qū)養(yǎng)老，推進居家和社區(qū)養(yǎng)老服務發(fā)展。目前，我國醫(yī)養(yǎng)結合服務機構的數量有限，不能滿足老年人日益增長的養(yǎng)老需求。政府應投入資金支持，保障養(yǎng)老服務機構的運營，拓展醫(yī)養(yǎng)結合的覆蓋范圍。同時，應加強醫(yī)護人才隊伍建設，增強其醫(yī)療服務能力，提升服務可持續(xù)性，滿足老年人正常的生活照料、基礎醫(yī)療救護需求，提升老年人生活質量。

（四）積極發(fā)展老齡產業(yè)，滿足老年群體的物質與精神需求

黨的十八大以來確立了不斷滿足人民對美好生活的向往的發(fā)展目標。老年人擁有美好生活的前提是達到物質與精神的滿足，因此，老齡產業(yè)應作為戰(zhàn)略性支柱產業(yè)加快發(fā)展，從而全面應對老齡化。首先，要重視老齡產業(yè)的科研。其次，面對老齡化帶來的人口結構改變，政府應該完善制度供給，加大財政投入，積極推進智能化養(yǎng)老。最后，應積極開發(fā)適老產品，如適合老年人使用的各種電子產品，幫助老年人跨越數字鴻溝，讓老年人感受到生活的便捷、精神的愉悅，從而提高老年人生活質量，刺激老年群體的消費，帶動經濟的可持續(xù)發(fā)展。

參考文獻：

[1] ?谷蘇單.灰色預測模型GM（1，N）在邯鄲市成安縣地下水礦化度預測中的應用[D].石家莊：河北工程大學，2018.

[2] ?李魯.安徽省人口老齡化預測與分析——基于灰色GM（1，1）模型[J].洛陽理工學院學報：社會科學版，2020，（1）.

[3] ?徐麗麗，李洪，李勁.基于灰色預測和徑向基網絡的人口預測研究[J].計算機科學，2019，（Z1）：431-435.

[4] ?龍會典，嚴廣樂.基于改進的GM（1，1）-Markov鏈組合模型廣東省單位GDP能耗預測[J].數理統計與管理，2017，（2）：200-207.

[5] ?毛毅.老齡化對儲蓄和社會養(yǎng)老保障的影響研究[J].人口與經濟，2012，（3）：91-99.

[6] ?彭希哲，胡湛.公共政策視角下的中國人口老齡化[J].中國社會科學，2011，（3）：121-138+222-223.

[7] ?鄧世成.基于灰色多元回歸模型的重慶市人口老齡化預測[J].貴州商學院學報，2018，（3）.

[8] ?程承坪，吳琛.健康戰(zhàn)略下發(fā)達國家發(fā)展養(yǎng)老健康產業(yè)借鑒研究——以美國、德國、日本為例[J].當代經濟管理，2018，（3）：83-88.