中國勞動力老化的空間格局演變

【摘 要】 在人口負增長的新人口形勢下，客觀全面把握我國勞動力結(jié)構(gòu)老齡化發(fā)展的新態(tài)勢已成為重要的時代課題，但已有研究對勞動力結(jié)構(gòu)老化空間維度研究較少。本文基于2000—2020年歷次全國人口普查以及1%抽樣調(diào)查數(shù)據(jù)，利用人口重心模型、Dagum基尼系數(shù)測算和空間收斂檢驗等方法系統(tǒng)探究中國勞動力老化的空間格局演變特征及其空間變化態(tài)勢。研究發(fā)現(xiàn)2000—2020年中國勞動力老化態(tài)勢日趨嚴峻，城鄉(xiāng)老化差距持續(xù)擴大，城鄉(xiāng)、區(qū)域分化構(gòu)成了中國勞動力老化的基本空間格局。首先，2000—2020年中國勞動力老化進程明顯加劇，特別是在青年勞動人口規(guī)模和勞動供給率雙重收縮態(tài)勢下，人口機會窗口期將進一步壓縮。與此同時，整體趨勢上也出現(xiàn)明顯的城鄉(xiāng)分化演變特征，鄉(xiāng)村地區(qū)的勞動力老化程度和相對增幅顯著高于城鎮(zhèn)地區(qū)，城鄉(xiāng)老化差距持續(xù)擴大，勞動力老化進程的空間非均衡性顯著加劇。其次，中國勞動力老化的空間重心總體向東北方向偏移，形成了半迂回式的演變軌跡，并且呈現(xiàn)出區(qū)域城鄉(xiāng)倒置的演變模式；空間分布上表現(xiàn)出自西南向東北演變的分布格局，同時勞動力老化城鄉(xiāng)差距的空間分布也出現(xiàn)明顯轉(zhuǎn)向，由南向北形成老化梯度加深態(tài)勢，城鄉(xiāng)分化現(xiàn)象也更加嚴峻；空間差異呈現(xiàn)出先擴大后縮小的演變軌跡，空間分化程度依然較高。最后，中國勞動力老化的空間格局演變存在顯著的絕對[β]與條件[β]動態(tài)空間收斂特征，具有顯著的空間收斂態(tài)勢。其空間格局演變不僅受到出生水平的影響，還與區(qū)域經(jīng)濟發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)以及勞動力市場狀況等密切相關(guān)。研究表明以“空間換取時間”戰(zhàn)略發(fā)掘人口紅利潛力的騰挪空間優(yōu)勢正逐漸收窄，中國勞動力市場將面臨更加嚴峻的結(jié)構(gòu)性挑戰(zhàn)與優(yōu)化勞動力空間配置的現(xiàn)實需要。在中國人口形勢發(fā)生重要轉(zhuǎn)折性變化之際，應在把握有利于中國經(jīng)濟高質(zhì)量發(fā)展的人口機會條件的基礎(chǔ)上，積極挖掘勞動力有效供給潛能，優(yōu)化勞動力空間配置與構(gòu)建差異化、互補化的區(qū)域發(fā)展新格局，應對勞動力老化帶來的長期挑戰(zhàn)。

【關(guān)鍵詞】 勞動力老化；人口老齡化；空間非均衡；空間收斂；人口紅利

【中圖分類號】 F240" " nbsp; " " " " " " " " " " " " 【文獻標志碼】" A " " " " " " " " " " doi：10.16405/j.cnki.1004-129X.2025.02.008

【文章編號】 1004-129X（2025）02-0111-18

一、引言

得益于人口轉(zhuǎn)變特定階段產(chǎn)生的人口年齡結(jié)構(gòu)優(yōu)勢，充足的勞動力供給與較低撫養(yǎng)比為我國人口紅利的實現(xiàn)提供寶貴的人口機會窗口，成為過去很長一段時期內(nèi)經(jīng)濟快速增長的重要貢獻因素。［1］伴隨著人口老齡化形勢的不斷加深，我國勞動年齡人口規(guī)模自2013年達到峰值后不斷減少1，結(jié)構(gòu)老化程度也愈發(fā)嚴重。在人口負增長的新人口形勢下，我國勞動力市場正經(jīng)歷著從數(shù)量優(yōu)勢向結(jié)構(gòu)性壓力的歷史性轉(zhuǎn)變。勞動年齡人口的日益老齡化不僅直接關(guān)系我國勞動力有效供給的潛能，影響著人口紅利的實現(xiàn)，還對我國經(jīng)濟社會發(fā)展構(gòu)成了許多不容忽視的挑戰(zhàn)。［2-3］在此背景下，客觀全面把握中國勞動力結(jié)構(gòu)老齡化發(fā)展的新態(tài)勢已成為重要的時代課題，但是已有研究對勞動力結(jié)構(gòu)老化空間維度研究較少。

當前我國區(qū)域經(jīng)濟發(fā)展呈現(xiàn)不平衡與不充分的發(fā)展格局，人口變動的空間非均衡性也出現(xiàn)加劇趨勢。［4-5］勞動年齡人口作為經(jīng)濟活動的主體，其規(guī)模與結(jié)構(gòu)存在明顯空間差異，深刻影響區(qū)域發(fā)展格局。黨的二十大報告指出要“優(yōu)化重大生產(chǎn)力布局，構(gòu)建優(yōu)勢互補、高質(zhì)量發(fā)展的區(qū)域經(jīng)濟布局和國土空間體系?！卑盐瘴覈鴦趧恿匣目臻g格局演變規(guī)律為準確把握有利于我國經(jīng)濟高質(zhì)量發(fā)展的人口機會條件提供空間視角上的新經(jīng)驗，具有重大的理論和現(xiàn)實意義。那么，中國的勞動力老化呈現(xiàn)怎樣的空間格局演變特征？其空間變化態(tài)勢如何？本文基于2000—2020年歷次全國人口普查以及1%抽樣調(diào)查數(shù)據(jù)，利用人口重心模型、Dagum基尼系數(shù)測算和空間收斂檢驗等方法探究中國勞動力老化的空間格局演變特征，嘗試從空間分化和收斂兩種視角把握中國勞動力老化的空間變化態(tài)勢。

二、文獻綜述

國內(nèi)外學界圍繞勞動力老化的研究成果主要有兩類。第一類研究從宏觀上刻畫新人口形勢下勞動力老化的趨勢與主要特征，［6-9］這包括以城鎮(zhèn)化為切入點探討中國勞動力老化發(fā)展的城鄉(xiāng)分異特征。已有研究發(fā)現(xiàn)中國勞動力老化態(tài)勢日趨嚴峻，鄉(xiāng)村地區(qū)勞動力老化程度和增速均高于城鎮(zhèn)，不過老化城鄉(xiāng)差距將歷經(jīng)先擴大后縮小的變動態(tài)勢。［7］［9］但現(xiàn)有研究停留在趨勢判斷上，忽略了中國區(qū)域發(fā)展不平衡的基本事實，未能把握空間層面勞動力老化城鄉(xiāng)、區(qū)域差距的動態(tài)演變情況，對中國勞動力老化態(tài)勢的總體認識不足。

第二類研究側(cè)重探索勞動力老化的潛在后果與影響。［10-14］Croce等認為勞動力老化會減緩全要素生產(chǎn)率的增長，進一步對經(jīng)濟增長產(chǎn)生負向影響。［10］成前和陸杰華也發(fā)現(xiàn)勞動力老化主要通過影響技術(shù)進步與勞動就業(yè)進而抑制勞動生產(chǎn)率。［14］Prenzel和Iammarino從人力資本積累視角評估了勞動力老化對區(qū)域人力資本增加的阻礙效應，發(fā)現(xiàn)區(qū)域勞動力老化加深加劇了當?shù)貏趧恿┙o結(jié)構(gòu)的低學歷化。［11］勞動力老化的空間變化態(tài)勢也直接關(guān)系人口紅利的實現(xiàn)。部分研究認為雖然當前中國實現(xiàn)人口紅利的人口機會窗口已越過峰值，但是規(guī)模巨大的人口基數(shù)與不平衡、不充分的區(qū)域經(jīng)濟發(fā)展格局仍能為釋放人口紅利提供強韌的騰挪空間和內(nèi)生動力。［15-16］然而這一觀點的基礎(chǔ)性前提是假設(shè)中國勞動人口的結(jié)構(gòu)變動存在空間分化態(tài)勢，若趨于空間收斂，那么將壓縮經(jīng)濟體內(nèi)部的騰挪空間優(yōu)勢，極大約束釋放潛在人口紅利的可能性，需要對此形成總體性理解。

由于勞動力老化與人口老齡化概念具有相似性，以往學界在涉及勞動力老化的社會經(jīng)濟后果研究中主要將目光投向人口老齡化，擔憂總?cè)丝谀挲g結(jié)構(gòu)變動引發(fā)的一系列問題，反而遮掩了勞動力老化問題的重要性，以致缺少對于勞動力老化充分的針對性探討。在過去較長一段時間內(nèi)，中國流動人口中青壯勞動人口的比重一直保持較高水平，而老年勞動人口的比重則相對較少。［17］對于流入地而言，人口流入可以緩解人口老齡化與勞動力老化的加劇態(tài)勢，大量青壯勞動力的流入使流入地享受著年輕勞動人口規(guī)模與比重增加帶來的人口機會，對勞動力老化的響應程度更加明顯；對于流出地而言，大規(guī)模青壯勞動力外流加劇了地區(qū)的勞動力老化態(tài)勢。人口遷移流動對年齡的高度選擇性表明與人口老齡化相比，勞動力老化的空間動態(tài)演變進程中不充分、不平衡問題將更為突出，亟待深入探究。

與已有研究相比，本文貢獻體現(xiàn)在以下方面：一方面，拓寬新的研究視野，從空間視角深化對中國勞動力老化態(tài)勢的認識，豐富了勞動力老化議題的討論與研究。另一方面，彌補以往研究單一方法識別上的局限，嘗試從空間分化和收斂兩種視角進行系統(tǒng)分析，以更全面呈現(xiàn)中國勞動力老化空間變化的動態(tài)趨勢。這為探討挖掘潛在的人口紅利機會提供了新的思路，既能夠為人口紅利相關(guān)理論提供有益的補充，也為準確把握有利于中國經(jīng)濟高質(zhì)量發(fā)展的人口機會條件提供經(jīng)驗依據(jù)。

三、概念界定與研究設(shè)計

（一）概念界定

勞動力老化是指勞動年齡人口中老年勞動年齡人口比重不斷上升的過程。［18］需要區(qū)分的是勞動力老化不是指勞動力群體的老齡化，也不是經(jīng)濟活動人口的老齡化，而是勞動年齡人口的老齡化。過往研究通常利用45～64歲勞動年齡人口占總勞動年齡人口（下文簡稱勞動人口）的比重衡量勞動力老化程度。［7-8］借鑒上述標準，本文將45歲及以上勞動人口定義為老年勞動人口，并且計算45～64歲勞動人口占總勞動人口的比重以衡量勞動力老化程度。

勞動力老化是人口老齡化發(fā)展進程中不可忽視的顯著特征，與人口老齡化均源于出生人口規(guī)模的持續(xù)縮減以及出生隊列的自然推移，共同描繪出人口年齡結(jié)構(gòu)由年輕化向老齡化轉(zhuǎn)變的動態(tài)圖景。這一過程實質(zhì)上是人口發(fā)展規(guī)律的必然結(jié)果，也是一個國家社會經(jīng)濟發(fā)展達到一定階段、社會文明持續(xù)進步的重要表現(xiàn)。

（二）數(shù)據(jù)來源

本文數(shù)據(jù)主要來源于2000—2020年歷次全國人口普查、2005年和2015年全國1%人口抽樣調(diào)查資料以及歷年《中國人口和就業(yè)統(tǒng)計年鑒》《中國統(tǒng)計年鑒》資料。根據(jù)人口普查數(shù)據(jù)中“各地區(qū)分年齡、性別的人口”目錄，采用常住人口作為統(tǒng)計口徑，處理得到中國31個省份（自治區(qū)或直轄市）在2000年、2005年、2010年、2015年及2020年五個年度的勞動力老化程度（考慮統(tǒng)計口徑等差異，未納入中國港澳臺地區(qū)）1。為了從空間視角探討城鎮(zhèn)和鄉(xiāng)村地區(qū)的勞動力老化發(fā)展態(tài)勢，本文按照國家統(tǒng)計局《統(tǒng)計上劃分城鄉(xiāng)的規(guī)定》劃分，基于城市和鎮(zhèn)、鄉(xiāng)村資料數(shù)據(jù)將現(xiàn)住地為城市、鎮(zhèn)的街道和居委會合并為城鎮(zhèn)地區(qū)，將現(xiàn)住地為鄉(xiāng)村、鎮(zhèn)的鄉(xiāng)和村委會合并為鄉(xiāng)村地區(qū)，處理得到了省際層面的城鎮(zhèn)和鄉(xiāng)村地區(qū)常住人口的勞動力老化程度。

（三）研究方法

本文具體研究思路如下：首先，分析中國勞動力老化整體的變化趨勢，客觀呈現(xiàn)中國勞動力老化的現(xiàn)實特征；其次，利用人口重心模型、標準化值分析方法與Dagum基尼系數(shù)測算方法深入分析中國勞動力老化的空間格局演變特征，考察中國勞動力老化的總體差異、區(qū)域差異及其空間差異來源；最后，從空間收斂視角分析中國勞動力老化的空間變化態(tài)勢，討論利用中國空間結(jié)構(gòu)性差異釋放潛在人口紅利的可能性。

1. 人口重心模型

為刻畫出2000—2020年中國勞動力老化的空間重心演變，本文利用人口重心模型的指標測算思路，將人口規(guī)模更換為省際的勞動力老化程度，計算得到勞動力老化重心的經(jīng)緯度，同時利用ArcGIS軟件繪制重心圖，分析中國勞動力老化的空間重心演變特征。計算公式如下：

[X=i=1nLiXii=1nLi] （1）

[Y=i=1nLiYii=1nLi] （2）

[X]為我國勞動力老化重心的經(jīng)度，[Y]為重心的緯度，[Xi]與[Yi]分別為省份的省會（或行政首府）地理平面幾何中心的經(jīng)度值和緯度值1，[Li]指省份[i]的勞動力老化程度。

2. 標準化值分析方法

為分析2000—2020年中國勞動力老化和老化城鄉(xiāng)差距的空間分布特征，本文利用區(qū)域經(jīng)濟學分析中常用的核心-邊緣區(qū)域的空間分析思路，將省份勞動力老化程度及其城鄉(xiāng)差距進行分類。核心-邊緣是區(qū)域發(fā)展演變過程中最基本的經(jīng)濟空間結(jié)構(gòu)，在這一分類模式下可以較好地反映一定時期內(nèi)區(qū)域的經(jīng)濟格局特征，區(qū)域經(jīng)濟學分析中常用人均GDP的標準化值來劃分。［19］核心區(qū)是指在整體空間中處于優(yōu)勢地位的區(qū)域，即相較一定區(qū)域內(nèi)，人均收入較高的區(qū)域，反之則為邊緣區(qū)，過渡區(qū)則是處于區(qū)域核心區(qū)與邊緣區(qū)之間的動態(tài)地域空間。本文借鑒這一思路，將人均GDP更換為省際的勞動力老化程度，計算得到勞動力老化程度的標準化值。計算公式如下：

[Lsdi=（Li-L）i=1n（Li-L）2n] （3）

[Lsdi]為省份[i]的勞動力老化程度標準化值，[Li]與[L]分別代表省份[i]的勞動力老化和全國勞動力老化程度的平均值，[n]為研究的省份數(shù)量。當[Lsdi]大于0.5時為老化核心區(qū)，小于-0.5為老化邊緣區(qū)，在-0.5～0.5范圍內(nèi)則為老化過渡區(qū)。同樣的，也更換為省際勞動力老化的城鄉(xiāng)差距值進行計算，以得到城鄉(xiāng)分異的標準化值。

3. Dagum基尼系數(shù)測算及其分解方法

為展現(xiàn)中國勞動力老化的空間分化特征，本文分別測算全國、城鄉(xiāng)以及區(qū)際層面勞動力老化的基尼系數(shù)，進一步利用Dagum基尼系數(shù)及其分解方法識別導致空間分異特征的主要來源。Dagum基尼系數(shù)及其分解是一種測度地區(qū)發(fā)展差異的方法，［20］其優(yōu)勢體現(xiàn)在能夠把地區(qū)間的不平衡分解為：地區(qū)內(nèi)部的不平衡（區(qū)域內(nèi)差異）、地區(qū)之間的不平衡（區(qū)域間差異）和超變密度，由此識別地區(qū)發(fā)展差異的主要來源。［21］超變密度是指由于地區(qū)間的重疊引起的地區(qū)不平衡。據(jù)此，本文將勞動力老化程度的差異程度分解為區(qū)域內(nèi)差異（[Gw]）、區(qū)域間差異（[Gnb]）和超變密度（[Gt]）的貢獻三個部分，并且將31個?。▍^(qū)、市）分成東部、中部、西部和東北地區(qū)進行分析1。

4. 空間收斂檢驗方法

收斂是指地區(qū)之間增長速度逐漸形成趨同、穩(wěn)定增長率的變動趨勢。收斂假說是新古典經(jīng)濟增長理論的重要推論?；谒髁_模型的邊際報酬遞減假設(shè)，該假說指出國家或地區(qū)間的經(jīng)濟增長率趨于一致，低收入地區(qū)通過更快的增長逐漸縮小與高收入地區(qū)的差距，最終實現(xiàn)收入水平的趨同。［22］收斂假說同樣適用于分析中國勞動力老化的空間變化態(tài)勢，幫助探討不同地區(qū)勞動力老化程度是否存在空間收斂趨勢。根據(jù)人口轉(zhuǎn)變理論，不同地區(qū)因處于人口轉(zhuǎn)變的不同階段，其勞動力老化的速度存在差異，導致空間上的不均衡。然而，隨著人口結(jié)構(gòu)的逐漸穩(wěn)定，這種不均衡可能會隨著時間推移而趨同。已有研究也表明自2000年以來中國經(jīng)濟欠發(fā)達地區(qū)的人口老齡化速度加快，逐步縮小了與發(fā)達地區(qū)的人口老齡化差距。［23］

將收斂假說應用于中國勞動力老化的空間變化態(tài)勢檢驗中，可以表現(xiàn)為較低勞動力老化程度地區(qū)的增長速度逐漸快于較高老化程度地區(qū)，達到接近的增長速度，并且與初始勞動力老化程度呈負向關(guān)系。收斂可以分為絕對收斂和條件收斂兩個方面進行討論。絕對收斂是指僅考察勞動力老化本身的收斂狀態(tài)，而條件收斂是指考察控制了一系列影響因素之后的收斂態(tài)勢?；诖?，為檢驗中國勞動力老化的空間變化態(tài)勢，借鑒已有研究，［24］本文構(gòu)建了收斂模型?？紤]各地區(qū)勞動力老化的空間變化趨勢與日益頻繁的勞動力流動密切相關(guān)，區(qū)域間存在顯著的相互聯(lián)系，因此有必要將空間因素納入分析中，探討勞動力老化在空間維度上是否表現(xiàn)出區(qū)域之間逐漸趨于一致或差異減小的收斂趨勢，以避免空間效應的干擾。因此，為進行空間收斂檢驗，本文基于空間計量模型進行回歸分析，構(gòu)建模型為：

[lnLi，t+5Li，t=α+βLi，t+ρWijlnLi，t+5Li，t+μi+vt+εit] （4）

[lnLi，t+5Li，t=α+βLi，t+ρWijlnLi，t+5Li，t+θWijXit+μi+vt+εit] （5）

式（4）和式（5）左側(cè)是用對數(shù)差分計算的勞動力老化的增長率，[μi]是個體（省份）固定效應，[vt]是時間（年份）固定效應，[εit]是隨機誤差項。[Wij]為空間權(quán)重矩陣，定義為省份[i]（[j]）距離平方倒數(shù)的空間權(quán)重矩陣2。式（5）中[Xit]表示控制變量向量（主要變量的描述性統(tǒng)計情況見表1），[β]、[ρ]和[θ]分別為相應變量的系數(shù)或系數(shù)向量。本文選擇引入省份的出生率、少兒撫養(yǎng)比、老年撫養(yǎng)比、預期壽命、城鎮(zhèn)化率、凈流入率、人均GDP（對數(shù)）和產(chǎn)業(yè)結(jié)構(gòu)特征作為控制變量。

（1）出生率。勞動力老化是隨著出生人口不斷縮減以及出生隊列逐漸推移過程中，人口年齡結(jié)構(gòu)從年輕化轉(zhuǎn)向老齡化的動態(tài)現(xiàn)象，因而一個地區(qū)的出生率變動是影響未來勞動力老化程度的決定性因素；（2）少兒撫養(yǎng)比和老年撫養(yǎng)比。從直接成因來看，勞動力老化主要是由于勞動人口中青年勞動人口占比的持續(xù)下降以及老年勞動人口占比的持續(xù)增加所導致，［3］而少兒人口基數(shù)、老年人口基數(shù)在一定程度上可以反映一定時期內(nèi)將進入、已退出勞動人口的規(guī)模，故控制少兒撫養(yǎng)比和老年撫養(yǎng)比；（3）預期壽命。人口的死亡水平是影響人口變動的決定性因素之一，對勞動力老化亦有重要的影響，而0歲平均預期壽命可以在一定程度上反映所在地區(qū)全體人口的死亡水平，因而控制預期壽命；（4）城鎮(zhèn)化率。中國快速的城鎮(zhèn)化進程主要表現(xiàn)為以農(nóng)村勞動力為主的勞動力資源持續(xù)向城鎮(zhèn)轉(zhuǎn)移，既是影響中國人口再分布的重要力量，也深刻改變城鄉(xiāng)勞動人口的內(nèi)部結(jié)構(gòu)，［7］因而選擇城鎮(zhèn)化率作為控制變量；（5）凈流入率。納入空間視角來看，開放條件下特定地區(qū)的勞動力老化都受到人口遷移流動的影響，選擇凈流入率（利用各省省外流入人口減去省內(nèi)流出人口得到凈流入人口規(guī)模，除以常住人口規(guī)模）作為控制變量；（6）人均GDP和產(chǎn)業(yè)結(jié)構(gòu)。一個地區(qū)的勞動力老化程度既影響該地區(qū)經(jīng)濟發(fā)展?jié)摿Γ彩艿浇?jīng)濟發(fā)展水平和產(chǎn)業(yè)結(jié)構(gòu)的影響，而經(jīng)濟發(fā)展水平方面的地區(qū)差異也引致各地區(qū)勞動力老化發(fā)展態(tài)勢存在差異，［8］所以選擇人均GDP的自然對數(shù)值衡量經(jīng)濟增長水平和第二產(chǎn)業(yè)占第三產(chǎn)業(yè)的比例衡量產(chǎn)業(yè)結(jié)構(gòu)特征進行控制。

四、中國勞動力老化的變動趨勢

（一）勞動力老化的整體變化趨勢

2000—2020年中國勞動力老化形勢日趨嚴峻，特別是在青年勞動人口規(guī)模和勞動供給率雙重收縮態(tài)勢下，人口機會窗口期將進一步壓縮。

根據(jù)2000—2020年中國勞動力老化特征（見表2），中國勞動力老化程度由2000年的27.24%增長至2020年的42.47%，整體年均增速達到2.26%，勞動人口的平均年齡也由2000年的35.68歲增加到2020年的40.27歲，均保持較快的老化趨勢。勞動力老化程度超過40%的臨界值表明在中國勞動力老齡化已成為新常態(tài)1。從表2中勞動人口的不同年齡段占比來看，2020年45歲及以上的勞動人口占比超過42.47%，與2000年相比增加超過15個百分點。由于底部少兒人口規(guī)模的收縮較早反映在勞動人口的年齡結(jié)構(gòu)變動中，促使老年勞動人口的不同年齡段占比出現(xiàn)明顯增長，刻畫出勞動人口金字塔上擴張下收窄的變化趨勢，說明中國勞動人口內(nèi)部形成明顯的年齡分異格局。

根據(jù)圖1中2000—2010年中國勞動年齡人口的勞動參與率年齡別特征2，中國16～39歲人口勞動參與率隨著年齡增加而上升，到40歲后逐漸隨著年齡增加而下降，這說明中國勞動人口的勞動參與率呈現(xiàn)倒“U”型的年齡分布模式，出現(xiàn)青年勞動人口的“低占比與低勞動供給”與老年勞動人口的“高占比與低勞動供給”現(xiàn)象。隨著勞動力老化趨勢日益嚴峻，老年勞動人口比重的不斷上升對整體勞動人口的勞動參與率產(chǎn)生了顯著的壓縮效應，進而導致勞動力市場有效供給減少，就業(yè)結(jié)構(gòu)的調(diào)整迫在眉睫。從變化趨勢來看，25～64歲勞動人口的勞動供給相對穩(wěn)定，而16～24歲勞動人口的勞動參與率則出現(xiàn)顯著的下降，勞動參與率的下降幅度也遠遠超過年齡結(jié)構(gòu)的變化。這意味著嚴峻的勞動力老化形勢與較低的青年勞動供給將嚴重縮短人口機會窗口的存續(xù)時間，進一步加劇勞動力市場的結(jié)構(gòu)性挑戰(zhàn)。

在勞動力老化日趨嚴峻的背景下，中國青年勞動人口的“低占比與低勞動供給”與老年勞動人口的“高占比與低勞動供給”現(xiàn)象明顯，使整體勞動參與萎縮趨勢更加突出，尤其是青年勞動人口規(guī)模、勞動供給率的雙重收縮將加劇勞動力老化的負向沖擊，壓縮人口機會窗口期，也進一步反映了探究勞動力老化問題的緊迫性。

（二）勞動力老化城鄉(xiāng)差距的變化趨勢

2000—2020年中國勞動力老化的城鄉(xiāng)差距持續(xù)擴大，鄉(xiāng)村勞動力老化形勢嚴峻且出現(xiàn)加速態(tài)勢，呈現(xiàn)出明顯的城鄉(xiāng)分化演變特征。

根據(jù)2000—2020年中國城鄉(xiāng)勞動力老化的變化趨勢（見表3），中國城鎮(zhèn)地區(qū)勞動力老化程度由2000年的25.83%增長至2020年的38.60%，鄉(xiāng)村地區(qū)由2000年的30.21%提升至2020年的50.24%，鄉(xiāng)村地區(qū)勞動力老化程度和相對增幅均明顯高于城鎮(zhèn)地區(qū)，城鄉(xiāng)老化差距也由2000年的4.39個百分點增加至2020年11.64個百分點。從勞動人口的平均年齡來看，2000年城鎮(zhèn)地區(qū)勞動人口平均年齡為35.43歲，鄉(xiāng)村地區(qū)為36.59歲，城鄉(xiāng)差距為1.17歲，到2020年城鎮(zhèn)地區(qū)勞動人口平均年齡為39.24歲，而鄉(xiāng)村地區(qū)為42.35歲，城鄉(xiāng)差距擴大至3.11歲。2000—2020年中國勞動力老化的城鄉(xiāng)差距持續(xù)擴大，反映出勞動力老化進程的空間非均衡性進一步加劇。在鄉(xiāng)村地區(qū)更為嚴峻的勞動力老化形勢下，農(nóng)村剩余勞動力外出流動的潛力逐漸減少，鄉(xiāng)-城路徑廉價勞動力供給受到?jīng)_擊，城-城勞動力流動將逐漸成為填補大城市勞動力供給不足的主要來源，引致未來勞動力老化態(tài)勢逐漸由時序上的城鄉(xiāng)分化特征轉(zhuǎn)向空間分化演變。

五、中國勞動力老化的空間格局演變特征

（一）空間重心演變

2000—2020年中國勞動力老化的空間重心總體向東北方向偏移，形成了半迂回式的演變軌跡，并且呈現(xiàn)出區(qū)域城鄉(xiāng)倒置的空間重心演變模式。

圖2匯報了中國勞動力老化的空間重心演變軌跡。根據(jù)圖2（a），中國勞動力老化的空間重心在2000—2020年都位于河南省內(nèi)，在東經(jīng)112°13～112°24、北緯33°18～33°25范圍內(nèi)變動。具體來看，勞動力老化空間重心首先在2000—2005年向東南方向偏移，其次在2005—2010年向東北方向移動，最后在2010—2020年間則轉(zhuǎn)變偏移向西北方向。2000—2020年間整體向東北偏移距離約為12.97千米，形成了向東北方向“半迂回式”偏移的演變軌跡。

勞動力老化的空間重心演變既能夠體現(xiàn)不同區(qū)域人口轉(zhuǎn)變的不同階段特征，也反映人口遷移流動方向的規(guī)律性。2000—2010年勞動力老化的空間重心演變源于東部、東北地區(qū)率先經(jīng)歷了人口轉(zhuǎn)變，是生育率持續(xù)低迷條件下人口發(fā)展的必然表現(xiàn)，而勞動力老化的空間重心于2005年轉(zhuǎn)向東北方向的偏移主要受到東北地區(qū)勞動力流失和較長時間持續(xù)的低生育水平的作用。［25-26］20世紀90年代之前北京、天津、上海、浙江、江蘇等東部地區(qū)?。ㄊ校┖蜄|北三省的總和生育率已降至更替水平以下，東部地區(qū)部分城市甚至提前進入人口負增長。不過，東部部分城市得益于來自全國各地的流動人口的貢獻，至今方能保持較平緩的勞動力老化態(tài)勢和旺盛的經(jīng)濟活力；［16］2010—2020年在多數(shù)省份普遍進入人口老齡化加速推進階段下，［8］人口的遷移流動在勞動力老化的空間重心演變上發(fā)揮著日益突出的作用，流動方向呈現(xiàn)一定的規(guī)律性，人口分布逐漸呈現(xiàn)集中趨勢。具體而言，大規(guī)模青壯流動人口高度集中地流向東部地區(qū)，［17］這導致中西部地區(qū)年輕勞動人口規(guī)模與比重下降，對勞動力老化的響應程度更加明顯，使老化重心向西北方向偏移。

根據(jù)圖2（b），鄉(xiāng)村地區(qū)勞動力老化的空間重心在東經(jīng)112°17～112°35、北緯33°12～33°25范圍內(nèi)變動，自2000年伊始由東南轉(zhuǎn)向東北方向偏移，到2020年整體向東北偏移距離約為24.28千米，空間重心轉(zhuǎn)移幅度較大，超過全國、城鎮(zhèn)勞動力老化的重心演變距離。與鄉(xiāng)村老化重心不同，城鎮(zhèn)勞動力老化重心在東經(jīng)112°13～112°26、北緯33°25～33°29變動，2000—2020年間總體上向西北方向迂回式偏移，距離約為7.12千米，空間重心轉(zhuǎn)移幅度較小。

城鎮(zhèn)地區(qū)勞動力老化的空間重心逐步向西北方向演變，主要受到中西部地區(qū)城鎮(zhèn)勞動力城-城流動影響。2010—2020年間人口流動中城-城流動進一步往長三角城市群、粵港澳大灣區(qū)和京津等東部地區(qū)集聚，城-城流出地由2010年以湖北、黑龍江、四川、湖南、安徽等中部、東北地區(qū)省份為主，變動為2020年以黑龍江、河南、安徽、四川和湖北等省份為主。［27］中西部地區(qū)、東北地區(qū)在這一期間凈流出的省份數(shù)量明顯增加，凈流出程度也在增強，仍是城-城流動的主要輸出地，［28］使城鎮(zhèn)地區(qū)勞動力老化的空間重心向西部方向偏移。上述演變趨勢揭示了城鎮(zhèn)地區(qū)的勞動力老化重心與經(jīng)濟重心的顯著錯配，即老化重心向西北轉(zhuǎn)移，而當前我國經(jīng)濟重心集中于東部地區(qū)京津冀、長三角城市群和粵港澳大灣區(qū)，這種錯配將對中西部地區(qū)的經(jīng)濟活力造成沖擊。除此之外，這一態(tài)勢下東部地區(qū)依賴中西部地區(qū)年輕勞動力的流入可能難以為繼，未來可能面臨更大的勞動力供給壓力。

而鄉(xiāng)村地區(qū)勞動力老化的空間重心向東北偏移，不僅是東北地區(qū)勞動力流失與人口老齡化加深的直接結(jié)果，也可能受到了東部地區(qū)城市群和中心城市強勁經(jīng)濟吸引力下農(nóng)村勞動力轉(zhuǎn)移的驅(qū)動。2000年以來城-城流動人口迅速增長，但是鄉(xiāng)-城流動人口在流動人口總體中仍占主體地位，［17］鄉(xiāng)-城人口流動自西向東的趨勢也一直保持穩(wěn)定。不過，東部地區(qū)內(nèi)部廣東、山東、河北等省份同樣是鄉(xiāng)-城流動人口重要的流出地，其區(qū)域內(nèi)部的農(nóng)村勞動力轉(zhuǎn)移是填補大城市勞動力供給不足的主要來源1。隨著人口遷移流動和城鎮(zhèn)化進程不斷加快，東部多數(shù)省份農(nóng)村人口加速流失，大規(guī)模農(nóng)村勞動力向區(qū)域內(nèi)部的城市群和中心城市流入并集聚。［27］盡管東部鄉(xiāng)村勞動力的轉(zhuǎn)移加速了鄉(xiāng)村地區(qū)的勞動力老化態(tài)勢，甚至導致其老化程度遠遠超越城鎮(zhèn)地區(qū)，但對區(qū)域整體而言這一現(xiàn)象卻因區(qū)域內(nèi)及自西向東持續(xù)不斷的鄉(xiāng)-城勞動力流入而被部分掩蓋，從而形成了鄉(xiāng)村地區(qū)勞動力老化加劇與城鎮(zhèn)地區(qū)外來勞動力補充并存的“此消彼長”態(tài)勢。城鄉(xiāng)勞動力老化的空間重心演變軌跡表明中國勞動力老化呈現(xiàn)出區(qū)域城鄉(xiāng)倒置的空間重心演變模式。

（二）空間分布演變

為分析2000—2020年間中國勞動力老化和老化城鄉(xiāng)差距的空間分布特征，表4根據(jù)計算得到的相應標準化值進行核心-邊緣區(qū)劃分，發(fā)現(xiàn)以下特征。

2000—2020年中國勞動力老化的空間分布格局自西南向東北演變，老化進程的空間非均衡性特征明顯。

從全局來看，2000—2020年中國勞動力老化的整體空間分布格局自西南向東北演變，雖然2000年與中國的人口分布格局相似，但是2020年的空間分布格局并不遵循胡煥庸線東密西疏的人口分布格局，反而由2000年以西南地區(qū)（四川、重慶等）、華東地區(qū)（上海、江蘇和山東等）為主演變?yōu)橐詵|北、華北、華中、西南地區(qū)為主。從局部來看，中國勞動力老化的核心-邊緣區(qū)分布的趨勢性特征日益突出，空間非均衡性特征也愈加明顯。2000—2020年間黑龍江、吉林、湖北和湖南由勞動力老化的邊緣區(qū)轉(zhuǎn)向核心區(qū)，新疆、寧夏、青海、西藏等?。▍^(qū)）則一直處于邊緣區(qū)。這一分布特征也凸顯了區(qū)域經(jīng)濟結(jié)構(gòu)變化、人口轉(zhuǎn)變階段性差異以及人口流動模式變化對區(qū)域勞動力年齡結(jié)構(gòu)的影響。此外，中國省際勞動力老化進程也顯著加深，遍及全國多數(shù)區(qū)域。根據(jù)計算，2000年僅有16.12%的省（區(qū)、市）勞動力老化程度高于30%，而到2020年所有?。▍^(qū)、市）老化程度均高于30%，同時超過64.51%的省（區(qū)、市）老化程度高于40%。處于勞動力老化核心區(qū)的省（區(qū)、市）數(shù)量也由2000年的7個增加至2020年的10個。

2000—2020年中國勞動力老化城鄉(xiāng)差距的空間分布格局出現(xiàn)明顯轉(zhuǎn)向，由南向北形成老化梯度加深態(tài)勢，同時城鄉(xiāng)分化現(xiàn)象更加普遍、常態(tài)和嚴峻。

2000—2020年間中國勞動力老化的城鄉(xiāng)差距空間分布格局發(fā)生了顯著變化，這一變化不僅打破了原有的東西分布特征，還呈現(xiàn)出明顯的南北分布新格局，標志著勞動力老齡化問題在中國城鄉(xiāng)間的發(fā)展進入了新的階段。具體而言，勞動力老化的空間集中趨勢在北部地區(qū)顯著增強，形成了由南向北逐漸加深的老化梯度格局。然而，這種變化并未遵循傳統(tǒng)的胡煥庸線所體現(xiàn)的人口分布規(guī)律，顯示出勞動力老齡化問題在中國特有的復雜性和多樣性。城鄉(xiāng)之間的勞動力老化分化現(xiàn)象也更加普遍、常態(tài)和嚴峻。根據(jù)計算，勞動力老化城鄉(xiāng)差距超過5個百分點的?。▍^(qū)、市）占比由2000年的25.81%增加至2020年的90.32%，邊緣區(qū)?。▍^(qū)、市）數(shù)量由2000年的13個縮減為2020年的8個，城鄉(xiāng)差距的極差也由2000年的8.18個百分點躍升至2020年的19.54個百分點。不容忽視的是，勞動力鄉(xiāng)城轉(zhuǎn)移對年齡的高度選擇性加劇了城鄉(xiāng)間勞動力老化倒置態(tài)勢，將對鄉(xiāng)村地區(qū)勞動力供給結(jié)構(gòu)、老年人口撫養(yǎng)負擔、農(nóng)業(yè)生產(chǎn)效率和農(nóng)業(yè)現(xiàn)代化進程以及國家糧食安全構(gòu)成嚴峻挑戰(zhàn)（見表4）。

（三）空間分化演變

2000—2020年中國勞動力老化存在明顯的空間分化特征，呈現(xiàn)出先擴大后縮小的動態(tài)演變軌跡與“西高東低”梯級型的空間格局。

根據(jù)表5，中國勞動力老化的全國基尼系數(shù)均值為0.069，由2000年的0.066突然大幅增長至2005年的0.082，往后基尼系數(shù)出現(xiàn)明顯的下降趨勢，下降至2020年的0.062，這反映出2005年以后中國勞動力老化的總體空間分異演變呈現(xiàn)出逐漸縮小的趨勢。從城鄉(xiāng)空間分異特征來看，鄉(xiāng)村地區(qū)勞動力老化的基尼系數(shù)均值為0.08，而城鎮(zhèn)地區(qū)為0.066，鄉(xiāng)村空間分異特征整體高于城鎮(zhèn)。從區(qū)際空間分異特征來看，2000—2020年中國勞動力老化的空間差異呈現(xiàn)“西高東低”梯級型空間演變格局，與其他地區(qū)相比，西部地區(qū)基尼系數(shù)一直保持較高水平。

2000—2020年中國勞動力老化的空間分異特征主要是由于老化城鄉(xiāng)空間差異和區(qū)域間差異擴大所致。

根據(jù)表6，2000—2020年期中國勞動力老化的空間差異形成機制隨時間發(fā)生了變化，由2000年以區(qū)域內(nèi)差異、超變密度和區(qū)域間差異的依次遞減特征轉(zhuǎn)變?yōu)?020年以區(qū)域間差異主導，超變密度和區(qū)域內(nèi)差異次之的貢獻分布特征。其中2000年區(qū)域間差異的貢獻率僅為20.56%，到了2020年這一數(shù)值超過50%，區(qū)域間差異成為中國勞動力老化空間差異的首要影響來源；區(qū)域內(nèi)差異的貢獻率下降最為明顯，由2000年49.91%大幅度下降至2020年的25.93%；超變密度的貢獻率一直在23.85%～29.54%之間，呈現(xiàn)逐年下降趨勢，這表明盡管區(qū)域間仍存在一定的勞動力老化交叉現(xiàn)象，但其整體強度正逐漸減弱。出現(xiàn)勞動力老化交叉現(xiàn)象緣于東北地區(qū)整體勞動力老化程度高于東部地區(qū)，并且東北地區(qū)內(nèi)部部分勞動力老化程度較低的省份也高于東部地區(qū)勞動力老化程度較高的省份。這揭示了中國勞動力老化空間差異的嚴峻性，特別是東北地區(qū)與東部地區(qū)之間的顯著差異，既存在橫向空間梯度差異，從縱向空間來看也存在顯著的空間分化。

綜合上述分析，2000—2020年中國勞動力老化的空間差異雖然呈現(xiàn)先擴大后縮小的演變軌跡，但是空間分異特征依然較大，主要是由于老化城鄉(xiāng)空間差異和區(qū)域間差異擴大所致。城鄉(xiāng)間、區(qū)域間分化構(gòu)成了中國勞動力老化的基本空間格局。這不僅加劇了區(qū)域間經(jīng)濟發(fā)展的不平衡，還增加了優(yōu)化重大生產(chǎn)力布局、構(gòu)建優(yōu)勢互補、高質(zhì)量發(fā)展區(qū)域經(jīng)濟布局以及國土空間體系優(yōu)化的難度。

六、中國勞動力老化的空間變化態(tài)勢

為檢驗中國勞動力老化的空間變化態(tài)勢，本文主要基于LR檢驗進行模型篩選。由于絕對[β]收斂和條件[β]收斂的LR檢驗均拒絕了空間杜賓模型可以退化為空間滯后模型和空間誤差模型的假設(shè)，故選擇空間杜賓模型進行實證檢驗，同時依據(jù)Hausman檢驗，選擇固定效應。此外，依據(jù)LR檢驗的[P]值情況，本文進一步選擇空間誤差模型做穩(wěn)健性檢驗。表7報告了中國勞動力老化的空間收斂性檢驗的實證結(jié)果，分別利用固定效應模型（FE）、空間誤差模型（SEM）與空間杜賓模型（SDM）進行實證檢驗，被解釋變量均為省份勞動力老化程度的增長率，所有模型都控制了個體、時間固定效應。

從空間回歸結(jié)果看，空間誤差項的滯后系數(shù)[λ]與空間自回歸系數(shù)[ρ]均通過1%的統(tǒng)計水平檢驗，表明勞動力老化空間格局演變進行收斂性檢驗時有納入空間因素的必要性。中國勞動力老化的[β]收斂系數(shù)均為負，各個模型的顯著性均通過1%的統(tǒng)計水平檢驗，表明中國勞動力老化的空間格局演變滿足絕對[β]收斂和條件[β]收斂，存在顯著的空間收斂態(tài)勢。估計系數(shù)[β]符號均為負，并且在1%的統(tǒng)計水平上顯著，勞動力老化增長率與初始勞動力老化程度呈現(xiàn)顯著負相關(guān)，即勞動力老化程度較低的省份通常表現(xiàn)出較快的老化增長率，而勞動力老化程度較高的省份則呈現(xiàn)出相對較慢的增長率。這種差異使各省份的勞動力老化增長率逐步趨同，促使整體勞動力老化差距逐漸縮小，即存在整體空間收斂態(tài)勢。從空間溢出視角來看，絕對[β]收斂結(jié)果中，[Wβ]的影響系數(shù)顯著為正，即鄰近省份間的勞動力老化增長率會產(chǎn)生空間溢出效應，推動勞動力老化程度趨同，進而在區(qū)域范圍內(nèi)形成相互聯(lián)動的收斂趨勢。這表明勞動力老化的空間格局不僅受到本地因素的影響，還受到相鄰地區(qū)老化進程的傳導作用，增強了空間層面的收斂效應。不過，條件[β]收斂結(jié)果中，[Wβ]的影響系數(shù)由正轉(zhuǎn)為負，但是并不顯著。

從表7中各控制變量的估計結(jié)果來看，出生率的影響系數(shù)顯著為負，出生率的上升能夠顯著抑制勞動力老化的增長率，從而緩解勞動力老化加深，出生率變動是影響未來勞動力老化程度的決定性因素。自1992年以來中國就已經(jīng)處于低生育率水平時代，既往的低生育水平孕育的人口負增長能量反映在勞動力老化日趨嚴峻的態(tài)勢上。這一結(jié)果在不同實證回歸結(jié)果中均保持穩(wěn)??；人口凈流入率的影響系數(shù)總體在10%的水平上顯著為負，表明人口的流入會顯著降低勞動力老化增長率，即人口流入緩解了區(qū)域勞動力老化的加劇態(tài)勢。不過，對于流出地而言，人口的流出則加劇了區(qū)域勞動力老化態(tài)勢，這一結(jié)果在[W]凈流入率的影響系數(shù)為正向上可以得到檢驗，即相鄰區(qū)對本區(qū)域人口的吸引會顯著增加區(qū)域勞動力老化的增長率；產(chǎn)業(yè)結(jié)構(gòu)和[W]產(chǎn)業(yè)結(jié)構(gòu)都顯著抑制了勞動力老化的增長率，在于第二產(chǎn)業(yè)的就業(yè)蓄水效應。當區(qū)域的經(jīng)濟結(jié)構(gòu)中第二產(chǎn)業(yè)比重較高時，意味著該區(qū)域有更多的就業(yè)機會集中在制造業(yè)和建筑業(yè)等勞動密集型行業(yè)，能夠通過保持或吸納大規(guī)模勞動力就業(yè)以緩解勞動力老化態(tài)勢帶來的壓力；[W]人均GDP的影響系數(shù)為0.004，在5%的統(tǒng)計水平上顯著為正，即相鄰區(qū)域經(jīng)濟發(fā)展水平越高，對該區(qū)域勞動力老化增長率的推動影響越大。隨著年輕勞動力的外流，原區(qū)域的勞動力結(jié)構(gòu)會逐漸老化，進而在一定程度上導致該區(qū)域勞動力老化增長率的提升。

除了出生水平、人口流動與經(jīng)濟因素的顯著影響外，少兒撫養(yǎng)比、老年撫養(yǎng)比和預期壽命等因素對勞動力老化增長率的影響系數(shù)均不明顯。這一結(jié)果表明中國勞動力老化的空間格局演變與人口老齡化的進程在機制上存在差異，主要來自于“底部老化”的驅(qū)動，并且與經(jīng)濟發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)以及勞動力市場狀況等因素密切相關(guān)。本文也估計了城鎮(zhèn)與鄉(xiāng)村地區(qū)勞動力老化的空間收斂情況，研究發(fā)現(xiàn)鄉(xiāng)村地區(qū)表現(xiàn)出更強的空間依賴性和收斂性，城鎮(zhèn)地區(qū)則存在顯著的收斂趨勢，符合收斂假說。盡管城鄉(xiāng)空間收斂檢驗中的部分系數(shù)不顯著，整體結(jié)果依然支持勞動力老化的空間收斂態(tài)勢結(jié)論1。

日趨嚴峻的勞動力老化形勢無疑加劇了人口機會窗口的收窄，特別是青年勞動人口規(guī)模、勞動供給率的雙重收縮將加大勞動力老化的負向影響，阻礙對人口機會的充分利用。中國勞動力老化呈現(xiàn)顯著的空間收斂態(tài)勢，也表明通過“空間換取時間”以發(fā)掘人口紅利潛力的戰(zhàn)略空間正在逐步收窄，中國勞動力市場將面臨嚴峻的結(jié)構(gòu)性壓力和優(yōu)化勞動力空間配置的迫切需求。盡管如此，城鄉(xiāng)間、區(qū)域間分化依然構(gòu)成了中國勞動力老化基本的空間格局，當前區(qū)際差異依然較大，且呈現(xiàn)“西高東低”梯級型的空間結(jié)構(gòu)。這一空間結(jié)構(gòu)性差異仍然蘊含著潛在的空間優(yōu)勢，利用勞動力老化空間非均衡性、梯度性條件，依然有可能形成勞動人口“削峰填谷”的空間優(yōu)勢，為釋放人口紅利提供強韌的騰挪空間和內(nèi)生動力。

七、結(jié)論與政策啟示

新人口形勢下，中國的勞動力老化態(tài)勢對經(jīng)濟社會發(fā)展帶來許多不可忽視的影響和挑戰(zhàn)，探索勞動力老化的空間格局演變特征及其空間變化態(tài)勢有助于全面認識我國人口發(fā)展新形勢和區(qū)域發(fā)展新格局。本文基于2000—2020年間歷次全國人口普查以及1%抽樣調(diào)查數(shù)據(jù)，利用人口重心模型、Dagum基尼系數(shù)測算和空間收斂檢驗等方法進行系統(tǒng)經(jīng)驗分析，得到以下主要研究結(jié)論：

首先，中國勞動力老化形勢日趨嚴峻，鄉(xiāng)村勞動力老化出現(xiàn)加速態(tài)勢，城鄉(xiāng)老化差距持續(xù)擴大。2000—2020年中國勞動力老化進程明顯加劇，特別是在青年勞動人口規(guī)模和勞動供給率雙重收縮態(tài)勢下，中國的人口機會窗口期進一步壓縮。與此同時，整體趨勢上也出現(xiàn)明顯的城鄉(xiāng)分化演變特征，鄉(xiāng)村地區(qū)的勞動力老化程度和相對增幅顯著高于城鎮(zhèn)地區(qū)，城鄉(xiāng)老化差距持續(xù)擴大，反映了勞動力老化進程的空間非均衡性顯著加劇。

其次，中國勞動力老化進程的空間非均衡性特征明顯，城鄉(xiāng)間、區(qū)域間分化構(gòu)成中國勞動力老化的基本空間格局。勞動力老化的空間重心總體向東北方向偏移，形成了半迂回式的演變軌跡，并且呈現(xiàn)出區(qū)域城鄉(xiāng)倒置的演變模式；空間分布上表現(xiàn)出自西南向東北演變的分布格局，同時勞動力老化城鄉(xiāng)差距的空間分布也出現(xiàn)明顯轉(zhuǎn)向，由南向北形成老化梯度加深態(tài)勢，城鄉(xiāng)分化現(xiàn)象更加普遍、常態(tài)和嚴峻；空間差異上盡管呈現(xiàn)出先擴大后縮小的演變軌跡，但是空間分化程度依然較高，主要是由于老化城鄉(xiāng)空間差異和區(qū)域間差異擴大所致。

最后，中國勞動力老化的空間格局演變存在顯著的絕對[β]與條件[β]動態(tài)空間收斂特征，具有顯著的空間收斂態(tài)勢。勞動力老化的空間格局演變與人口老齡化的進程在機制上存在差異，主要受“底部老化”驅(qū)動，同時與經(jīng)濟發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)以及勞動力市場狀況等因素密切相關(guān)。盡管當前城鄉(xiāng)間、區(qū)域間差距仍是中國勞動力老化空間格局演變的突出特征，但過去較長一段時間內(nèi)勞動力老化的空間收斂態(tài)勢逐漸顯現(xiàn)，意味著以“空間換取時間”戰(zhàn)略發(fā)掘人口紅利潛力的騰挪空間優(yōu)勢逐漸收窄，中國勞動力市場將面臨更加嚴峻的結(jié)構(gòu)性挑戰(zhàn)與優(yōu)化勞動力空間配置的現(xiàn)實需要。

中國人口形勢已發(fā)生重要轉(zhuǎn)折性變化，客觀全面認識中國勞動力老化的時空演變規(guī)律不僅關(guān)系高質(zhì)量區(qū)域經(jīng)濟發(fā)展布局，也為把握有利于中國經(jīng)濟高質(zhì)量發(fā)展的人口機會條件提供經(jīng)驗依據(jù)，對于挖掘勞動力有效供給潛能、優(yōu)化勞動力空間配置、推動區(qū)域協(xié)調(diào)發(fā)展具有一定現(xiàn)實意義。根據(jù)研究結(jié)論，可以得出以下政策啟示：

第一，積極挖掘勞動力有效供給潛能，緩解勞動力老化態(tài)勢的負向沖擊。在勞動力老化日趨嚴峻和收斂趨向下，勞動力老化進程的空間差異化發(fā)展態(tài)勢和梯度性的戰(zhàn)略縱深空間潛力正逐步縮小。不過，中國目前仍然擁有龐大的勞動年齡人口、豐富的勞動力資源以及顯著提升的人口素質(zhì)，這為挖掘新的人力資本紅利提供了基礎(chǔ)。當前，重視以勞動力質(zhì)量替代數(shù)量與結(jié)構(gòu)的需求日益迫切，應推進人口素質(zhì)對人口數(shù)量的替代戰(zhàn)略，適時延長收獲質(zhì)量型人口紅利的存續(xù)周期，為經(jīng)濟高質(zhì)量發(fā)展蓄勢賦能。

第二，優(yōu)化勞動力資源的空間配置，增強人口與區(qū)域經(jīng)濟布局的適配性和協(xié)調(diào)性，構(gòu)建優(yōu)勢互補、高質(zhì)量發(fā)展的區(qū)域經(jīng)濟布局。由于勞動力老化進程在區(qū)域之間和城鄉(xiāng)之間的空間非均衡性與復雜性，推動勞動力資源高效配置，成為優(yōu)化區(qū)域經(jīng)濟布局的必要條件。要破除勞動力流動壁壘，促進勞動力有序流動，在區(qū)域間相對平衡發(fā)展中緩解勞動力的空間錯配問題，增強人口與區(qū)域經(jīng)濟布局的適配性和協(xié)調(diào)性，實現(xiàn)空間布局合理的人口綜合競爭力，著力推動經(jīng)濟高質(zhì)量發(fā)展。

第三，構(gòu)建差異化、互補化的區(qū)域發(fā)展新格局，減緩勞動力老化空間分異影響。要深入實施區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略，優(yōu)化重大生產(chǎn)力布局，推動各地區(qū)依托人口、資源、環(huán)境等稟賦優(yōu)勢，加強區(qū)域間分工合作和城鄉(xiāng)區(qū)域協(xié)調(diào)發(fā)展，構(gòu)建差異化、互補化的區(qū)域協(xié)調(diào)發(fā)展格局，實現(xiàn)資源利用的最大化，從而在差異化發(fā)展中實現(xiàn)相對均衡，既是構(gòu)建新發(fā)展格局、推動高質(zhì)量發(fā)展的必然要求，也有利于減緩勞動力老化空間分異影響。此外，還須進一步評估勞動力老化形勢的風險和沖擊，構(gòu)建應對勞動力老化態(tài)勢的政策體系，把握長期勞動力供給動態(tài)，應對勞動力老化帶來的長期挑戰(zhàn)。

【參考文獻】

［1］ 蔡昉. 人口紅利：認識中國經(jīng)濟增長的有益框架［J］. 經(jīng)濟研究，2022（10）：4-9.

［2］ 原新，劉厚蓮. 中國人口紅利真的結(jié)束了嗎？［J］. 人口與經(jīng)濟，2014（6）：35-43.

［3］ 陸杰華，韋曉丹. 勞動力老化對經(jīng)濟發(fā)展的影響機理及其戰(zhàn)略應對［J］. 中國特色社會主義研究，2022（3）：18-30.

［4］ 童玉芬，楊艷飛，和明杰. 中國主要城市群的人口分布格局特征、問題及政策思考［J］. 人口學刊，2022（4）：1-13.

［5］ 王潔晶，張沐華，王霓霓. 中國流動人口分布的空間格局和影響因素：基于人口普查分縣數(shù)據(jù)的研究［J］.人口學刊，2023（4）：82-96.

［6］ Li M，Sicular T. Aging of the Labor Force and Technical Efficiency in Crop Production：Evidence from Liaoning Province，China［J］. China Agricultural Economic Review，2013，5（3）：342-359.

［7］ 李玉梅，童玉芬. 我國城鎮(zhèn)化進程中勞動力資源變動趨勢模擬研究［J］. 人口與發(fā)展，2015（2）：14-22.

［8］ 金光照，陶濤，劉安琪. 人口老齡化與勞動力老化背景下中國老年人力資本存量與開發(fā)現(xiàn)狀［J］. 人口與發(fā)展，2020（4）：60-71.

［9］ 陸杰華，郭榮榮. 鄉(xiāng)村振興戰(zhàn)略下農(nóng)村勞動力老化：發(fā)展趨勢、機理分析與應對路徑［J］. 中國農(nóng)業(yè)大學學報（社會科學版），2023（4）：5-21.

［10］ Croce G，Ricci A，Tesauro G. Pensions Reforms，Workforce Ageing and Firm-provided Welfare［J］. Applied Economics，2019，51（32）：3480-3497.

［11］ Prenzel P，Iammarino S. Labor Force Aging and the Composition of Regional Human Capital［J］. Economic Geography，2021，97（2）：140-163.

［12］ Li C，Li X，Wang J，F(xiàn)eng T. Impacts of Aging Agricultural Labor Force on Land Transfer：An Empirical Analysis Based on the China Family Panel Studies［J］. Land，2023，12（2）：295.

［13］ 任棟，李新運. 勞動力年齡結(jié)構(gòu)與產(chǎn)業(yè)轉(zhuǎn)型升級：基于省際面板數(shù)據(jù)的檢驗［J］. 人口與經(jīng)濟，2014（5）：95-103.

［14］ 成前，陸杰華. 勞動力老化如何影響勞動生產(chǎn)率？——基于中國城市面板數(shù)據(jù)的分析［J］. 人口與經(jīng)濟，2024（1）：34-46.

［15］ 王金營. 中國人口回旋空間在構(gòu)建新發(fā)展格局中的優(yōu)勢和作用［J］. 河北大學學報（哲學社會科學版），2021（5）：106-121.

［16］ 宋健，姜春云，楊旭宇. 以促進人口均衡發(fā)展推進中國式現(xiàn)代化［J］. 社會發(fā)展研究，2023（1）：1-17.

［17］ 段成榮，邱玉鼎，黃凡，等. 從657萬到3.76億：四論中國人口遷移轉(zhuǎn)變［J］. 人口研究，2022（6）：41-58.

［18］ 劉長茂. 勞動力老化和中國勞動力老化趨勢［J］. 中國人口科學，1991（3）：38-40.

［19］ 方大春. 區(qū)域經(jīng)濟學理論與方法［M］. 上海：上海財經(jīng)大學出版社，2017：225-228.

［20］ Dagum C. Decomposition and Interpretation of Gini and the Generalized Entropy Inequality Measures［J］. Statistica，1997，57（3）：295-308.

［21］ 劉帥. 中國經(jīng)濟增長質(zhì)量的地區(qū)差異與隨機收斂［J］. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2019（9）：24-41.

［22］ 劉木平，舒元. 我國地區(qū)經(jīng)濟的收斂與增長決定力量：1978～1997［J］. 中山大學學報（社會科學版），2000（5）：11-16.

［23］ 陳蓉，王美鳳. 經(jīng)濟發(fā)展不平衡、人口遷移與人口老齡化區(qū)域差異：基于全國287個地級市的研究［J］. 人口學刊，2018（3）：71-81.

［24］ 聶長飛，簡新華. 中國高質(zhì)量發(fā)展的測度及省際現(xiàn)狀的分析比較［J］. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2020（2）：26-47.

［25］ 劉濤，卓云霞，彭榮熙，等. 基于城鄉(xiāng)人口變動視角的中國城鎮(zhèn)化地域類型時空演變［J］. 地理學報，2022（12）：3006-3022.

［26］ 于瀟，高震極. 東北地區(qū)人口高質(zhì)量發(fā)展面臨的新挑戰(zhàn)［J］. 人口學刊，2024（1）：21-28.

［27］ 張耀軍，陳蕓，巫錫煒，等. 城鄉(xiāng)二元結(jié)構(gòu)下中國人口流動格局及其解釋：基于流向別的考察［J］. 人口研究，2024（2）：118-132.

［28］ 柯文前，肖寶玉，林李月，等. 中國省際城鄉(xiāng)流動人口空間格局演變及與區(qū)域經(jīng)濟發(fā)展的關(guān)系［J］. 地理學報，2023（8）：2041-2057.

［責任編輯 韓淞宇］

The Spatial Patterns of Labor Force Aging in China

YANG Xuyu

（School of Population and Health，Renmin University of China，Beijing，100872，China）

Abstract：Under the new demographic situation of population decline，objectively grasping the new trend of in China's labor force aging structure has become an important issue of the times，but it has received relatively little attention in terms of spatial dimensions. Based on the data from the national censuses and 1% national sample censuses data conducted between 2000 and 2020，this paper explores the evolution characteristics and spatial variation trends of the labor force aging in China by utilizing methods such as the population gravity center model，Dagum Gini coefficient calculation，and spatial convergence test methods. The findings indicate that between 2000 and 2020，labor force aging has become increasingly severe in China，with the urban-rural aging gap continuously widening. The differentiation between urban and rural areas，as well as between different regions，constitutes the basic spatial structure of labor force aging in China. Firstly，during this period，the labor force aging process has significantly accelerated，particularly under the dual pressures of a shrinking young labor force and declining labor supply rates，further compressing China's demographic opportunity window. Meanwhile，a distinct trend of urban-rural differentiation has emerged，with rural areas experiencing significantly higher levels and relative growth rates of labor force aging compared to urban areas，reflecting a substantial intensification of spatial inequality in the aging process. Secondly，the spatial center of labor force aging has generally shifted northeastward，forming a semi-circular trajectory，and displaying an inverted urban-rural evolution pattern. In terms of spatial distribution，the aging pattern has evolved from southwest to northeast，with a notable shift in the spatial distribution of the urban-rural aging gap，forming a deepening aging gradient from south to north. The phenomenon of urban-rural differentiation has become more widespread，normalized，and severe. Although spatial disparities initially widened and then narrowed，the overall degree of spatial differentiation remains significant，mainly due to the widening aging gap between urban and rural areas and across regions. Finally，the evolution of the spatial pattern of labor force aging in China exhibits significant absolute and conditional β dynamic spatial convergence characteristics，indicating a notable trend toward spatial convergence. This spatial pattern is influenced not only by birth rates but also by regional economic development levels，industrial structure，and labor market conditions. The study shows that the advantage of leveraging the potential of the demographic dividend through \"space-for-time\" strategy is gradually diminishing，and China's labor market faces increasingly severe structural challenges，particularly in the need to optimize the spatial allocation of labor. As China undergoes significant demographic changes，it is essential to seize the opportunities offered by demographic advantages to promote high-quality economic development，actively tap into the potential of labor supply，optimize labor spatial allocation，and construct a differentiated and complementary regional development pattern to address the long-term challenges posed by labor force aging.

Key Words：Labor Force Aging，Population Aging，Spatial Inequality，Spatial Convergence，Demographic Dividend

1 根據(jù)《中國人口和就業(yè)統(tǒng)計年鑒》歷年勞動年齡人口規(guī)模的變動趨勢測算。

1 2005年和2015年的勞動力老化程度是根據(jù)全國1%人口抽樣調(diào)查數(shù)據(jù)處理得出的，因此可能與實際情況存在一定的誤差。

1 使用高德地圖開放平臺獲取省份的省會（或行政首府）所在城市地理中心位的經(jīng)緯度。

1 依據(jù)國家統(tǒng)計局對中國行政區(qū)域的劃分，除中國港澳臺地區(qū)之外，東部地區(qū)包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東、海南10個?。ㄊ校?；中部地區(qū)包括山西、安徽、江西、河南、湖北、湖南6個省份；西部地區(qū)包括內(nèi)蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆與西藏12個?。▍^(qū)、市）；東北地區(qū)包括遼寧、吉林與黑龍江3個省份。限于篇幅，詳細的Dagum基尼系數(shù)的測算及其分解過程、相應的公式參見劉帥（2019）的研究。

2 使用高德地圖開放平臺獲取省份的省會（或行政首府）所在地理中心位的經(jīng)緯度，進一步計算得到兩?。▍^(qū)、市）之間的平面距離。

1 金光照等（2020）、陸杰華和韋曉丹（2022）以40%作為判斷勞動年齡人口老化趨勢的臨界參考值，在理論上勞動年齡人口均勻分布時，45～64歲群體占比應為40%，超此臨界比例則意味著勞動年齡人口形成了上寬下窄的金字塔結(jié)構(gòu)，即呈現(xiàn)勞動力老化態(tài)勢。

2 勞動參與率依據(jù)經(jīng)濟活動人口（包括就業(yè)人口和失業(yè)人口）除以勞動年齡人口測算得到。數(shù)據(jù)來源于第五次、第六次全國人口普查以及2005年全國1%人口抽樣調(diào)查資料，受限于2015年全國1%人口抽樣調(diào)查、第七次全國人口普查資料僅給出就業(yè)人口數(shù)據(jù)，為方便同口徑比較，僅展現(xiàn)2000—2010年年齡別勞動參與率。

1 基于2010年第六次和2020年第七次全國人口普查數(shù)據(jù)，計算得到廣東、山東鄉(xiāng)-城流動人口占全國總量（總鄉(xiāng)-城流動人口規(guī)模）的比重分別由2010年的6.69%、5.25%變動為2020年的6.55%和6.25%，高于多數(shù)中西部地區(qū)省份，僅次于河南、四川和安徽。

1 分析結(jié)果未在正文中詳述，有需要可聯(lián)系作者。

【收稿日期】 2024-06-02

【基金項目】 中國人民大學科學研究基金（中央高校基本科研業(yè)務費專項資金資助）項目：中國勞動力老化的空間態(tài)勢研究（23XNH118）

【作者簡介】 楊旭宇（1996-），男，廣東揭陽人，中國人民大學人口與健康學院博士研究生。