EN中文

地理学报 >

2025 , Vol. 80 >Issue 6: 1520 - 1536

DOI: https://doi.org/10.11821/dlxb202506006

区域人口高质量发展

中国少子—老龄化类型的时空演变特征与典型区域模式

  • 林李月 , 1, 3, 4 ,
  • 朱宇 , 2, 3 ,
  • 陈香 3 ,
  • 柯文前 1, 3, 4
展开
  • 1.湿润亚热带生态地理过程教育部重点实验室（福建师范大学），福州 350007
  • 2.上海大学人口研究所暨亚洲人口研究中心，上海 200444
  • 3.福建师范大学地理科学学院，福州 350007
  • 4.福建师范大学地理研究所，福州 350007
朱宇(1961-), 男, 教授, 研究方向为人口迁移流动、城市化与区域发展。E-mail:

林李月(1985-), 女, 研究员, 研究方向为人口迁移流动、人口与家庭发展。E-mail:

收稿日期: 2024-11-01

  修回日期: 2025-04-14

  网络出版日期: 2025-06-13

基金资助

国家社会科学基金项目(24BRK036)

收起

Spatio-temporal evolution and typical patterns of China's low fertility and aging type in China

  • LIN Liyue , 1, 3, 4 ,
  • ZHU Yu , 2, 3 ,
  • CHEN Xiang 3 ,
  • KE Wenqian 1, 3, 4
Expand
  • 1. Key Laboratory for Humid Subtropical Eco-geographical Processes of the Ministry of Education, Fujian Normal University, Fuzhou 350007, China
  • 2. Asian Demographic Research Institute, Shanghai University, Shanghai 200444, China
  • 3. School of Geography, Fujian Normal University, Fuzhou 350007, China
  • 4. Institute of Geography, Fujian Normal University, Fuzhou 350007, China

Received date: 2024-11-01

  Revised date: 2025-04-14

  Online published: 2025-06-13

Supported by

National Social Science Foundation of China(24BRK036)

Fold

摘要

摸清中国少子—老龄化类型转变和区域差异对总结中国式现代化的历史经验具有重要意义，亦是以积极应对少子化、老龄化为重点完善人口发展战略的基础性工作。本文在将少子化和老龄化发展阶段进行交互而划分出少子—老龄化类型的基础上，利用2000—2020年人口普查数据，刻画中国少子—老龄化类型的多尺度演变特征和动态转型路径以及典型区域模式。研究发现：① 在时序特征上，2000—2020年间大部分区域基本遵循着从多子—未老龄化出发，到少子—轻度老龄化为主再到少子—中度老龄化、少子—轻度老龄化和多子—轻度老龄化平分秋色的转变历程，但少子—老龄化类型的转变并非简单的线性替代过程，而是形成具有时空压缩特征的复合转型路径；② 在空间格局演变上，中国少子—老龄化类型转变的空间梯度差异明显，呈由沿海向内陆、由东向西的“雁阵式”演进格局：东北、江浙沪京津走在前列，其他东部沿海和大部分中西部省份陆续跟随，西北和西南少数民族聚居地区尚未开始转变；③ 以县级尺度为评价单元，结合少子—老龄化类型转变历程和形成逻辑，可至少凝练出东北深度转型区、长三角—京津极低生育区、中原传统老化区、珠三角流动调节区、华南传统文化缓冲区及西南和西北少数民族聚居过渡区6种典型区域。

关键词： 少子—老龄化; 人口结构转变; 地方视角; 时空演变; 中国

本文引用格式

林李月 , 朱宇 , 陈香 , 柯文前 . 中国少子—老龄化类型的时空演变特征与典型区域模式[J]. 地理学报, 2025 , 80(6) : 1520 -1536 . DOI: 10.11821/dlxb202506006

Abstract

Understanding the transformation process and regional differences of China's low fertility-aging types is of great importance for summarizing the historical experience of modernization with Chinese characteristics, and it is also a foundational task for improving population development strategies with a focus on addressing low fertility and aging. This paper constructs a joint framework of low fertility and aging to define the types of low fertility-aging, and uses population census data from 2000 to 2020 to analyze the spatiotemporal evolution characteristics of China's low fertility-aging types at multiple spatial scales. It also interprets the evolution characteristics and formation logic of typical regional low fertility-aging types. The study finds that: (1) In terms of temporal characteristics, most regions have experienced a transformation in low fertility-aging types over the past two decades, generally following a trajectory from multiple children-not aging, to predominantly low fertility-mild aging, and then to a balanced distribution of low fertility-moderate aging, low fertility-mild aging, and multiple children-mild aging. As the spatial scale becomes more detailed, the types and transformation paths of low fertility-aging tend to become more diverse and dispersed. (2) The spatial pattern of low fertility-aging type transformation exhibits a characteristic of expanding from points to areas: regions such as Jiangsu, Zhejiang, Shanghai, Beijing, and Northeast China are at the forefront of the transformation, followed by other eastern coastal and most central and western provincial-level areas, but most ethnic groups-inhabited areas in northwest and southwest China have not yet begun to transform. At the same time, the Central China Plains and southeast regions show a characteristic of asynchronous transformation in low fertility and aging. (3) Taking the county level as the evaluation unit, and based on local perspectives, the study identifies six typical regional patterns at the national level, including the Northeast, the Yangtze River Delta and Beijing-Tianjin, the Pearl River Delta, the Southeast, the Central China Plains, and the ethnic groups-inhabited areas in the northwest and southwest, by analyzing the commonalities and differences in the transformation process and main driving factors of low fertility-aging types. The conclusions not only provide theoretical references and practical guidance for various regions to deeply optimize national population strategies and improve fertility support policies in a location-specific manner, but also contribute new perspectives and insights to the study of population transformation, promoting the establishment of a community with a shared future for humanity in actively addressing low fertility and aging in developing countries.

Key words： low fertility and aging; population transformation; locality; spatio-temporal evolution; China

1 引言

少子化和老龄化是当前中国人口发展的两个趋势性特征，也是推进中国式现代化必须面对的重大课题。《世界人口展望2024》的数据显示，中国的总和生育率从1950年的5.8下降至2023年的1.0[1]。与此同时，生育率的持续快速下滑及预期寿命的不断延长共同促进了老龄化的加速发展[2]。据民政部发布的数据，2023年65岁及以上老年人口占比已达到15.4%[3]。少子化和老龄化的相互交织和双重叠加，不仅导致了人口数量、结构和比重等特征发生数量级的变动，而且给区域经济增长活力、公共服务供给和区域均衡发展带来挑战[4-5]。因此，将少子化和老龄化联合进行分析有助于强化对人口发展过程的认识，亦是当前积极应对以老龄化、少子化为重点完善人口发展战略的基础性工作。
目前中国在构建生育支持政策体系和积极应对人口老龄化制度框架上已初步形成“制度保障—服务供给—文化引导”三位一体的治理模式。2025年政府工作报告更是进一步将“积极应对人口老龄化，制定促进生育政策”列为重点民生议题。然而，中国幅员辽阔，各地区之间经济社会发展差异巨大，地区文化复杂，人口年龄结构转变进程差异较大[6-7]，可能会出现某些区域超前而某些区域又相对滞后的情况。这就意味着不仅需要开展全国层面整体趋势研究，还要加入空间要素开展区域分异特征和典型模式的探讨。虽然中国生育格局和老龄化水平存在区域差异性已成共识，但现有研究大都将生育率下降和老龄化加速视为独立过程加以探讨，缺乏基于二者不同发展阶段交互而划分出的系统性类型及其时空演变的研究，制约了全生命周期精准化政策体系的构建。
同时，在中国现实背景下，少子—老龄化类型转变是颇为复杂的社会现象，受到社会、经济、文化和制度等各类要素的综合影响，需要置于更加全面综合的分析框架中加以探讨。但既有研究多聚焦于可量化的单一要素的归因分析，忽视了对社会文化观念（如婚育观念行为、性别角色认知）等隐性要素及其各类不同要素之间相互关系的考察。少子—老龄化类型分异及其转变路径不仅取决于城镇化发展，更与地方传统文化观念的韧性存续、个体能动性的政策嵌入深度等密切关联。地方视角是一个涵盖了区域的异质性、地方感及其内化而成的生活方式和形塑地方感各类情景交互而成的场所的综合性的分析框架[8]，为捕捉少子—老龄化类型转变和揭示典型区域模式的形成逻辑提供了一个有益的分析框架。基于此，本文运用2000年、2010年、2020年的人口普查数据，对2000—2020年间中国少子—老龄化类型的动态演进和空间差异做多尺度分析，并基于地方视角的分析框架，根据县级尺度下少子—老龄化类型的演变特征与主导关键要素的共性与差异而识别出典型区域。

2 文献综述

2.1 少子—老龄化转变的世界性规律与中国式特征

21世纪以来，随着全球人口再生产类型从传统转向现代，越来越多国家和地区的总和生育率跌到更替水平（TFR = 2.1）之下并持续降低，进而导致人口结构呈现出少子化和老龄化不断加剧的“双重困境”[1,9 -10]。这一现象首先源自在欧洲观察到的“第二次人口转变”[11]，其核心动力机制是以城镇化和工业化发展为主体的现代化转变带来的教育普及提升、性别平等化潮流、女性职业化倾向和强调个人自主权和自我实现价值观的传播与扩散[12-14]。特别是在面对社会经济结构性变迁带来的压力以及对未来预期的不确定性时，家庭和生育往往被排在后面[15-16]。再加上医疗卫生技术的进步，人类预期寿命不断延长，不可避免地步入少子化、老龄化时代。日本和韩国在完成经典人口转变进入低生育率后，也步入与欧洲相似的第二次人口转变进程，但是对照欧洲“标准模式”来看带有鲜明的东亚社会印记[11]。主要表现在不平等的性别角色认知尚未发生显著转变，女性在家庭领域仍然承担大部分家务和育儿责任，为了平衡工作—家庭冲突，只能选择推迟初婚和初育年龄；同时，社会规范仍以婚姻为生育的先决条件，婚外生育仍然少见，加剧了生育率下降[17-20]，日本和韩国也由此成为全球少子化和老龄化的“高地”[21]。
中国人口发展基本符合第二次人口转变的一般规律和东亚独有的社会印记[22]，但也颇具中国特色。首先，在转变特征上，中国的人口转变出现在社会经济重构和转型阶段，并呈现出“未富先低”“未富先老”“发展速度快”等特点[23-25]，引发人口经济社会重大风险的加速积聚与释放，高度压缩国家决策窗口期[5]。其次，在影响因素上，中国压缩式的城镇化发展、社会文化结构变迁以及生育政策调整也是主要的核心驱动力。特别是中国独有的计划生育政策和近10年频繁的政策调整，以及规模庞大的国内人口流动对少子—老龄化类型转变产生独特且重要的影响[26-27]，这亦是其他国家和地区不曾经历的。

2.2 中国生育水平和老龄化的空间分异及其解释性研究

与老龄化区域差异研究的丰硕成果相比，目前针对中国少子化区域差异的研究较少，将少子化和老龄化连接在一起进行综合探究的研究更是少之又少。现有区域差异研究主要分为两类：一是全国层面的省级、地级市和县级等空间尺度上的整体区域差异及其演化特征的研究[26,28 -31]；二是典型地区的低生育率和老龄化水平的空间分异研究[32-33]。研究方法从简单的定量描述性分析发展到运用各类指标计算分析，形成了依据空间分布图描述分异特征、根据分异指标评价空间分异程度的研究范式，并运用各类定量模型从经济、区位、政策、家庭和个体属性等多方面解释空间分异的形成原因[26,34]。
整体来看，中国的生育水平和老龄化程度存在显著的区域差异。生育水平在省级尺度上呈现“东低西高、南高北低”的梯度分异，伴随着低生育率区域的空间扩散，低生育水平的空间趋同特征日益凸显。城镇化发展和计划生育政策构成生育水平下降的核心动因，但其作用强度存在区域异质性——城镇化发展显著地降低了东部地区的生育水平，但对中、西部的影响较不明显[29-31,34]。老龄化空间格局遵循着“胡焕庸线”的基本分界，东南部呈现老龄化水平高值连片集中态势，西北全域老龄化水平普遍较低[35]；在省、市和县级层面，经济发展欠佳地区表现出老龄化发展速度快、程度深，而经济发达地区老龄化程度相对较低的悖论性特征[26]。形成机制研究表明，生育水平下降、预期寿命延长和人口流动是影响老龄化区域分化的内生因素，而经济发展、家庭经济条件改善以及环境舒适性需求通过迁移选择效应推升局部老龄化水平，城镇化则通过人口吸纳对县域老龄化产生抑制作用[7,28,33]。

2.3 现有研究不足与地方视角分析框架的构建

现有研究为本文奠定了十分重要的理论基础，但仍存在以下不足：① 少子化和老龄化在当前研究中通常被割裂开来，尤其是少子化区域分异研究尚未形成独立体系，多依附于生育水平分析框架。少子化和老龄化是人口发展的两个重要过程，在中国已经进入极低生育率的人口形势下，考察少子化和老龄化转变的联同效应，辨别出不同的转变路径，有助于进行分地区的横向比较以及同一国家或地区的纵向趋势研究。② 目前研究大都是分别基于省级、地级和县级单元探究区域分异特征，缺少细而深地探查不同空间尺度下少子—老龄化类型及其演变过程的异同；典型地区的研究，也大都缺乏通过横向区域对比来探索当地转变模式和转变特征[34]。这一不足导致无法制定真正适应区域人口年龄结构变化的差异化应对方案。③ 既有研究忽视了人的主观能动性及其与各种经济、社会、文化要素交互作用后产生的影响效应。少子—老龄化类型变迁无疑是生活在某一个具体地方的人们与经济发展、社会文化规范和政策相互作用、影响的结果[36-37]。但是，由于不同地方社会经济本底情况与发展战略各异，不同情景要素的类型、作用与组合方式也存在差异，最终表现出少子—老龄化类型转变模式的多样化与路径的差异化。如，在福建东南和广东潮汕等“多子多福”“早婚早育”等传统婚育观念和行为比较浓厚的地区，人们倾向于积极响应二孩政策出现多子化回弹，延缓了少子化发展进程。又如，“多子多福”在江浙沪、京津和珠三角等地区已不复存在，取而代之的是少生甚至不生的地方文化，在“少子化”维度上表现出“先导性”特征，但又因大规模的年轻人口流入而延缓了老龄化进程，形成独特转变模式。
鉴于此，本文试图引入地方视角作为破解上述不足的突破口。地方视角分析框架包含3个维度的内涵：① 地方，即地球上的某个地点，是具有异质性特征的空间；② 地方感，即生活在一个地方的人们在其日常生活实践中滋养出属于此地特有的社会文化、规则和习俗等“生活方式”，体现了行为主体的能动性；③ 场所，即形塑地方感的各类情景要素互动的空间[8,38]，体现了影响要素的综合性。这一分析框架通过整合“空间的异质性—行为主体的能动性—影响要素的综合性”为构建兼具理论解释力与实践敏感性的区域差异化研究提供了可能。一方面，藉由“异质性”和“综合性”揭示各类情景要素在特定地域的博弈过程；另一方面，通过行为主体的“能动性”，捕捉家庭行为在地方社会规范与城镇化发展中的动态调试结果。需要注意的是，空间区位虽是导致少子—老龄化类型转变的环境本底，但天然存在的空间区位特质已被历史限定，且已融入其他的地方内涵之中，因此下文重点考察地方的城镇化发展、政策干预与调整的响应、人口流动性以及社会文化规范的影响。首先，以城镇化为代表的现代化发展催生着个体价值观念和生活方式的转变[34]，特别是对新型家庭方式（如“丁克”）的尝试、女性个人发展价值的实现都可能抑制家庭生育行为，形塑少子—老龄化类型变迁。其次，中国已经步入高流动性社会[35]，打破了人口年龄结构转变的封闭性；同时由于人口流动的年龄选择性特征[36]，因此年轻劳动力的流动在延缓流入地老龄化进程的同时加剧流出地老龄化进程[7]，形塑了少子—老龄化类型变迁的复杂性。再次，少子—老龄化类型变迁特别是少子化发展趋势是各个地方的生育行为主体主观抉择与人口发展政策相互影响的结果。如，一些地方的人们可能积极响应“二孩政策”，产生明显的政策释放效应，形成少子化反弹，但人口流失严重区域少子化反弹可能依然无法抑制老龄化发展。

3 数据与方法

3.1 数据来源与预处理

本文以中国31个省（自治区、直辖市）为研究样本，港澳台地区以及南海诸岛数据暂缺，时间跨度为2000—2020年。人口统计数据来自2000年、2010年、2020年人口普查数据，统计口径均为常住人口。空间单元分为省级行政区、地级行政区（不含直辖市）和县级行政区3个尺度（分别简称为“省级、地级和县级”）。为保持数据的可比性，按照2020年的行政区划调整2000年和2010年的行政区，使之与2020年保持一致。社会经济统计数据，如城镇化率、人口流动、女性文盲率、出生率数据亦来自2000年、2010年、2020年人口普查数据；其中2020年出生率使用《2012—2020年中国统计年鉴》中各省出生率均值插值法补齐。

3.2 研究方法

3.2.1 少子化和老龄化水平的层次划分

老龄化水平以老年人口占总人口的比重来衡量，当一个国家或地区65岁及以上老年人口占比超过7%时，就认为该国家或地区进入老龄化社会。参考相关研究[4,39]和实际情况，将65岁及以上老年人口占比低于7%设为未老龄化，处于7%~14%时设为轻度老龄化，处于14%~20%时设为中度老龄化，超过20%设为重度老龄化。少子化水平以0~14岁少儿人口比重来衡量，当一个国家或地区0~14岁少儿人口占比低于20%时，就认为该国家或地区进入少子化社会[40]。参照丁金宏等[39]的研究，将少儿人口占比低于20%设为少子化，20%~40%时设为多子化，40%~60%设为超多子化。

3.2.2 少子—老龄化类型的判断

引入象限图（X, Y）工具来确定少子—老龄化类型，横轴代表老年人口占比，纵轴代表少儿人口占比，构造二维矩阵，得到不同组合的类型。理论上少子—老龄化类型可能存在如图1所示的12种，但现实中下列7种类型较为常见：① 多子—未老龄化：少儿人口占比超过20%，老年人口占比低于7%；② 多子—轻度老龄化：少儿人口占比超过20%，而老年人口占比在7%~14%之间；③ 多子—中度老龄化：少儿人口占比超过20%，老年人口占比在14%~20%之间，即在少儿人口占比较高的同时具有较高的老龄化水平；④ 少子—未老龄化：少儿人口占比低于20%，而老年人口占比低于7%；⑤ 少子—轻度老龄化：少儿人口占比低于20%，而老年人口占比在7%~14%之间；⑥ 少子—中度老龄化：少儿人口占比低于20%，并出现老年人口占比在14%~20%之间的情况；⑦ 少子—重度老龄化：少儿人口占比低于20%，而老年人口占比超过20%。
图1 中国少子—老龄化类型的划分象限图

Fig. 1 Divisions of low birth and aging types in China

3.2.3 少子—老龄化类型转换分析

本文使用转移矩阵和桑基图来定量分析和呈现2000—2020年间少子—老龄化类型的动态变化过程和形态。转移矩阵方法是基于不同时期不同类型之间相互转换而构建的二维矩阵；用于描述不同少子—老龄化类型之间的转换关系，并用桑基图加以可视化。在此基础上，对比不同时间期末与期初的类型，得到不同时段的转变路径：基本不变、双向同步深化、少子化单极深化、老龄化单极深化、少子化反弹老龄化不变和少子化反弹老龄化加深6种类别。

3.2.4 少子—老龄化类型时空演化典型区域及其形成逻辑的方法

（1）K-Means聚类分析。K-Means聚类法可将数据按照某些相似性或差异性指标，定量地确定样本之间的相关关系，并按相关关系程度将样本划分为k组，在选择初始聚类中心的基础上，依据距离规则反复迭代以确定最终分组。本文主要运用K-Means聚类方法识别少子—老龄化类型转变的典型区域，同时在MATLAB中使用高斯混合模型（GMM）对K-Means聚类分析结果进行检验。
（2）解释模型和变量。模型中因变量Y为不同时段少子—老龄化类型的转变路径，自变量X为影响因素集。基于前述地方视角分析框架和数据可获得性，选择城镇化率、人口流入率、女性文盲率和出生率在t时段（2000—2010年、2010—2020年）差值作为自变量（表1）。其中，城镇化率和人口流入率差值分别表征城镇化发展和人口流动要素的影响；女性文盲率下降是体现女性个人发展价值实现的重要指标，用以表征社会性别不平等观念的韧性程度；出生率变动可以体现生育行为主体在各类要素特别是政策执行与调整中的动态响应结果。运用多项分类Logistics回归模型①解析前述变量在各个典型区域少子—老龄化类型转变过程中的作用程度，以此为依据识别出影响典型区域人口年龄结构转变的主导要素。
表1 少子—老龄化类型转变的影响因素

Tab. 1 Determinants of the low fertility and aging type changes

维度 指标 变量 计算或说明
现代化发展 城镇化率 X1 期末与期初城镇化率的差值
人口流动性 人口流入率 X2 期末与期初人口流入率的差值
社会文化规范 社会性别不平等 X3 期末与期初女性文盲率的差值
政策干预和调整的响应 生育水平 X4 期末与期初出生率的差值

4 中国少子—老龄化类型的时空格局

4.1 省级尺度下中国少子—老龄化类型的时空格局

4.1.1 时序特征

2000年以多子—未老龄化类型为主，占比达48.39%，多子—轻度老龄化和少子—轻度老龄化类型分别占25.81%和19.35%，少子—未老龄化占6.45%。2010年，多子—未老龄化和多子—轻度老龄化急剧下降，而少子—轻度老龄化占比上升至67.74%。2020年，少子—轻度老龄化占比降至32.36%，多子—未老龄化占比进一步下降至3.23%，成为占比最小的类型，而多子—轻度老龄化和少子—中度老龄化的占比上升至25.81%和38.71%。从象限图中的点位分布可见，大多数省份发生了由上往下、从左往右的位移，呈现出由多子—未老龄化类型向少子—老龄化类型转变的趋势。部分西部省份仍位于象限图的上方，而东北和东部省份则多分布在象限图下方甚至右下方，说明已迈入少子—中度老龄化社会（图2）。
图2 2000—2020年中国省级尺度上的少子—老龄化类型及其变化特征

注：基于自然资源部标准地图服务网站GS(2020)4619号的标准地图制作，底图边界无修改。

Fig. 2 Changing characteristics of low fertility and aging type at the provincial level in China from 2000 to 2020

4.1.2 空间格局演变特征

2000—2020年中国省级尺度少子—老龄化类型转变呈现出由沿海向内陆、由东向西梯度扩散的态势（图2）。2000年东北和江浙沪京津率先开始转型，成为转型的“先锋”区域；河北、河南、山东、安徽、四川、重庆、湖南和广西也开始单向老龄化转型。2000—2010年间，少子化和老龄化的空间扩散十分明显，仅西藏、青海、宁夏和新疆4个省份尚处于多子—未老龄化类型。2010—2020年间，除西藏外，其他30省份全部迈入老龄化社会，其中少子—中度老龄化类型从东北一路向南途经天津、山东、江苏后沿着长江西拓至四川，体现了老龄化南移西扩的空间扩散路径。这一期间广东、福建、陕西和河北因两孩政策实施生育潜能释放出现少儿人口占比回弹，河北更是重回多子化社会。

4.2 地级尺度下中国少子—老龄化类型的时空格局

4.2.1 时序特征

2000—2020年，随着多子—未老龄化、少子—轻度老龄化和少子—中度老龄化3种类型的此消彼长，地级尺度②的象限点位分布图案形状从2000年的“Q”型变成2010年的“K”型，再变成2020年右拖尾式的“L”型（图3）。多子—未老龄化类型先经历大幅度下降后持续小幅减少；少子—轻度老龄化类型呈“大起大落”之势，少子—中度老龄化类型在2010—2020年间猛涨了33.93%。此外，地级尺度开始出现同期省级尺度上尚未出现的类型。如，四川的资阳、自贡、南充、德阳、内江、眉山，江苏的南通、泰州和内蒙古的乌兰察布等出现少子—重度老龄化类型。
图3 2000—2020年中国地级尺度少子—老龄化类型的时空演变格局

注：基于自然资源部标准地图服务网站GS(2020)4619号的标准地图制作，底图边界无修改。

Fig. 3 Spatio-temporal pattern evolution of low fertility and aging type at the prefecture level in China from 2000 to 2020

4.2.2 空间格局演变特征

2000—2020年中国地级尺度上少子—老龄化类型的转变大致呈由东部沿海和东北向西、向南拓展的梯度分布格局，但较之省级尺度表现出更为极端和深化的态势（图3）。2000年仅东北和江浙地区出现少子—轻度和少子—未老龄化类型，且呈条带状分布，多子—轻度老龄化类型交错分布在二者交接地带。2010年少子—轻度老龄化类型从东北南下延伸至江沪地带后向西沿着长江流域抵达川渝地区，江苏的南通和泰州更是步入中度老龄化阶段。2020年老龄化持续扩散和深化，部分地区出现少子化反弹：一是传统多子多福观念比较深的福建和广东等地市；二是前期城镇化快速增长导致的超低生育率地区因生育政策调整而出现的少子化反弹，如山东的聊城、枣庄、临沂、菏泽；江苏的宿迁、徐州、苏州和河北等地。少子—中度老龄化、少子—轻度老龄化和多子—轻度老龄化类型在空间上交错分布。

4.3 县级尺度下中国少子—老龄化类型的时空格局

4.3.1 时序特征

县级尺度上观察到的少子—老龄化类型高达9种，其中2010—2020年期间少子—重度老龄化类型占比上升强度在所有类型中位居第3（图4）。与省级和地级尺度相比，县级尺度的少子—老龄化类型更加复杂多样，出现了一些占比微小但极具典型意义的类型：如2020年西藏自治区比如县、四川省布拖县的超多子—未老龄化类型，又如2020年安徽省寿县、河南省舞阳县的多子—重度老龄化类型。
图4 2000—2020年中国县级尺度少子—老龄化类型的时空演变格局

注：基于自然资源部标准地图服务网站GS(2020)4619号的标准地图制作，底图边界无修改。

Fig. 4 Spatio-temporal evolution pattern of low fertility and aging type at the county level in China from 2000 to 2020

4.3.2 空间格局演变特征

2000年多子—未老龄化类型占比最高，集中分布于西北、西南和中部城镇化发展滞后区域；其次为多子—轻度老龄化类型，主要覆盖华北、中原低城镇化县域及川渝—湖南—华南片区；少子—中度老龄化和超多子—未老龄化类型仅零星分布在上海徐汇区等五区及广东陆丰市。2010年少子—轻度老龄化类型成为主导，在空间上形成东北至华北、中原的超长“U”型及长江流域向西拓展的“T”型格局；多子—未老龄化类型的分布区域大幅缩减，仅出现在少数民族聚居县。江苏南部及川渝交界地带首次出现小块状的少子—中度老龄化类型。2020年少子—中度老龄化类型的范围进一步扩展至长江流域、东北及陕甘宁等地；同时，西南及中原部分地区出现少子化反弹，形成多子—中度老龄化的新类型。

4.4 中国不同尺度少子—老龄化类型的动态转型特征

图5显示了2000—2020年不同空间尺度上少子—老龄化类型的变化轨迹，每条流线的宽度描绘了转变路径的大小。整体上基本遵循从以多子—未老龄化类型为主，到少子—轻度老龄化类型占主导，再到少子—中度老龄化、少子—轻度老龄化和多子—轻度老龄化并重的阶段。从转化路径看，2000—2010年转出和频率转入最高的分别是多子—未老龄化类型和少子—轻度老龄化类型；转化频率最高的两条路径是多子—未老龄化→少子—轻度老龄化、多子—轻度老龄化→少子—轻度老龄化。2010—2020年少子—轻度老龄化和少子—中度老龄化分别成为转出和转入频率最高的类型；转化频率最高的路径是少子—轻度老龄化→少子—中度老龄化。
图5 2000—2020年中国不同空间尺度下的少子—老龄化类型转换矩阵

Fig. 5 The transition matrix of low fertility and aging type at different spatial scales in China from 2000 to 2020

县域尺度上的转变路径显示，2000—2010年主要表现为生育率下降与老龄化缓步提升的并行态势，但生育率下降的驱动效应更明显。双向同步深化占比16.63%，少子化单极加深占比26.58%，老龄化单极加深20.71%，还有36.08%的县域基本保持不变。2010—2020年老龄化加速演进成为主导趋势，区域分异日趋明显。虽然老龄化单极深化的占比高达51.72%，但也存在少子化反弹与老龄化压力叠加的少子化反弹老龄化加深型，以及生育复苏但老龄化未获缓解的少子化反弹老龄化不变型（表2）。这种转变路径与前述时空演变特征形成结构性呼应，说明少子—老龄化类型的动态转变并非简单的线性替代过程，而是具有时空压缩特征的复合转型路径。
表2 2000—2020年少子—老龄化类型的转变路径

Tab. 2 Evolution of low fertility and aging type changes in 2000-2020

转变路径 2000—2010年 2010—2020年
频率(个) 占比(%) 频率(个) 占比(%)
基本不变 1026 36.08 923 32.45
双向同步深化 473 16.63 76 2.67
少子化单极深化 756 26.58 35 1.23
老龄化单极深化 589 20.71 1471 51.72
少子化反弹老龄化不变 - - 147 5.17
少子化反弹老龄化加深 - - 192 6.75
总计 2844 100.00 2844 100.0

注：“-”表示研究期间不存在此种转变类别。

5 中国县域尺度少子—老龄化类型时空演化的典型区域识别

5.1 少子—老龄化类型时空演变的典型区域识别

运用K-Means聚类法对2000—2010年、2010—2020年、2000—2020年县域尺度少子—老龄化类型转变进行聚类分析，当k分别为2、5、3时，伪F统计量的均值最大，因此设定k = 2、5和3进行聚类分析，结果如图6所示。为验证K-Means聚类的结果，在MATLAB中使用高斯混合模型（GMM）检验，并对GMM结果进行诊断，模型诊断发现平均轮廓系数分别为0.64287、0.76159和0.76469，表明聚类效果评估良好，且聚类结果③与图6所示几乎一致，说明分析结果具有稳健性。2000—2010年空间聚类主要表现为“多子维持”与“少子深化”双极格局，东北及东部沿海率先进入少子化进程（图6a）；2010—2020年空间聚类的类型开始多样化，形成老龄化单极深化、少子化反弹、双向同步深化等5类模式，中西部县域老龄化加速特征突出（图6b）。结合经验观察，可初步识别出少子—老龄化类型转变各异的东北片区，长三角及京津片区，珠三角片区，由河南、河北南部、山东西部和安徽北部组成的中原片区，由福建东南部、广东除珠三角外、广西和海南组成的华南片区，以及西北和西南少数民族聚居片区等6个典型区域（图6d）。
图6 2000—2020年中国县级尺度上的聚类结果与典型区域

注：基于自然资源部标准地图服务网站GS(2020)4619号的标准地图制作，底图边界无修改。

Fig. 6 Clustering results and typical regions at the county level in China from 2000 to 2020

6个典型区域少子—老龄化类型的时空演变特征如图7所示。从中可见：① 东北地区是少子化与老龄化双重叠加的转型先行区，少儿人口占比从2000年18.26%降至2020年10.34%，同期老年人口占比由6.49%升至17.06%，2020年近80%县域处于少子—中度老龄化阶段。② 长三角及京津区域亦表现为少子化与老龄化双重叠加，但转型程度和方向异于东北片区。2020年虽然只有44.94%的县域处于少子—中度老龄化阶段，但有17.41%的县域已经迈入少子—重度老龄化阶段。③ 珠三角地区的转变路径比较单一，主要表现为少子化单极深化而老龄化进程缓慢的趋势，2020年仍有40%县域维持少子—未老龄化状态。④ 中原地区老龄化增速快于少子化，且随着少子化反弹而出现多子—中度老龄化类型为主导的情况。⑤ 华南片区呈现少子化与多子化波动交替、老龄化水平缓步上升的转变路径。最为典型的表现是24.86%的县域由2010年的少子—轻度老龄化类型演变成2020年多子—中度老龄化类型，其余区域仍属于少子—轻度老龄化类型。⑥ 西北和西南少数民族聚居地区，2020年多数县域仍保持多子—未老龄化状态，少儿占比（23.29%）显著高于其他区域，成为全国少子—老龄化转型的缓冲地带。
图7 2000—2020年典型区域少子—老龄化类型的变化特征

Fig. 7 The change pattern of low fertility and aging type in typical regions from 2000 to 2020

5.2 典型区域少子—老龄化类型转变的形成逻辑

为探讨2000—2020年典型区域少子—老龄化类型演变的影响因素，按照前文所述模型进行了计量分析，结果如表3所示。整体而言，不同区域的转变进程和转变路径的主要影响因素存在差异，揭示了人口结构转型中地方要素差异化的内在张力。
表3 2000—2020年典型区域少子—老龄化类型演变的主要影响因素

Tab. 3 The influencing factors of the evolution of low fertility and aging type in typical regions from 2000 to 2020

变量 东北地区 长三角及京津地区 珠三角地区 华南地区 中原地区 西北和西南少数民族聚居区
2000—
2010年		 2010—
2020年		 2000—
2010年		 2010—
2020年		 2000—
2010年		 2010—
2020年		 2000—
2010年		 2010—
2020年		 2000—
2010年		 2010—
2020年		 2000—
2010年		 2010—
2020年
双向
同步
深化		 X1 －* －* - - - - －** - +*** -
X2 +*** - - - - －** - - - －**
X3 - - - - －*** - - - +*** -
X4 －*** －*** - - －*** - - - －*** －**
少子化
单极
深化		 X1 －*** －*** - +** - - - +*** -
X2 +** +*** - - - - - - -
X3 - - －*** －* - －*** - +* -
X4 －*** - - －* - －** - －*** -
老龄化
单极
深化		 X1 - - - - - - - - －** - - -
X2 +** －*** +*** +* - －** - - - +** - －*
X3 －* - - - - - －*** - - - +* -
X4 －*** －* - - - - - - - - －*** －***
少子化
反弹
老龄化
不变		 X1 - －** - -
X2 - - - -
X3 - +** －*** -
X4 - - +** -
少子化
反弹
老龄化
加深		 X1 - - - －**
X2 - - - +**
X3 - - +*** -
X4 +*** - - +***

注：因变量的参照组为“基本不变”；表中空白表示该地区该时段不存在此类转型类别；“-”表示无显著影响；“+”表示显著正向影响；“－”表示显著负向影响；***表示p < 0.01；**表示p < 0.05；*表示p < 0.1。

东北地区2000—2010年受城镇化率、出生率和人口流动的复合影响，呈现同步深化与单极分化并存格局；2010—2020年生育政策调整尚未发挥效能、出生率下滑加剧叠加人口流出而出现老龄化单极深化。长三角及京津地区的演变逻辑与东北地区类似，均呈现出城镇化发展导致少子化及老龄化加剧的特征，但人口流入缓解了老龄化速度。珠三角地区的演变路径相对简单，且对4个要素的依赖性也较小，2000—2010年女性文盲率下降抑制少子化单极深化，2010—2020年高流入率延缓老龄化单极深化。华南地区，城镇化推动少子化单极深化，但“重男轻女”“多子多福”的传统观念抑制了少子化和老龄化的发展，并在2010年后助推少子化反弹。中原地区，2000—2010年除了人口流动，其他3个要素均抑制了少子化和老龄化发展；2010—2020年低水平的人口流入加速老龄化进程，但传统文化观念叠加政策调整维持少子化回弹空间。西北和西南少数民族聚居区，城镇化发展和传统性别不平等程度改善引发双向同步深化和少子化单极深化。然而，该地区因城镇化水平较低、传统生育文化稳固及宽松生育政策，始终保持高出生率优势，有效抵消性别平等与城镇化推力，导致2020年仍呈现出以多子—未老龄化类型为主导的格局。

6 结论和讨论

6.1 结论

本文对2000—2020年中国少子—老龄化类型的多尺度区域差异及动态演化特征作基础性分析，并尝试引入地方视角分析框架，探讨县域尺度上典型区域少子—老龄化类型转变的形成逻辑。主要结论为：
（1）在时序特征上，2000—2020年中国少子—老龄化类型的动态演变展现出了充分的“各态历经性”特征。其主导类型的演变路径普遍经历了从多子—未老龄化类型出发，到少子—轻度老龄化再到少子—中度老龄化、少子—轻度老龄化和多子—轻度老龄化三种类型并存的历程。随着空间尺度的细化，少子—老龄化类型及其转变路径逐渐发散，说明人口年龄结构的转变不存在空间尺度惰性。
（2）在空间格局变化上，2000—2020年中国少子—老龄化类型转变梯度差异明显，呈“雁阵式”演进格局：江浙沪京津和东北地区走在人口结构转变的前列，其他东部沿海和大部分中西部省份陆续跟随，但西北和西南少数民族聚居地区在2020年尚未步入少子化和老龄化时代。同时，少子化与老龄化存在非线性互动机制，二者在时空维度既存在协同强化效应，也存在动态抵消的非同步关系。
（3）在县域尺度上，中国少子—老龄化类型转变可至少凝练出6种典型区域模式，即东北深度转型区、长三角—京津极低生育区、中原传统老化区、珠三角流动调节区、华南传统文化缓冲区及西南和西北少数民族聚居过渡区，各区域转型速度、路径分化与模式差异都再次印证了人口年龄结构演进的空间异质性规律。这种空间异质性规律既反映区域城镇化发展梯度差异，也体现传统文化韧性与人口流动的深层影响，印证了地方视角分析框架的适用性。
总的来看，本研究揭示了中国人口年龄结构转型的双重属性：既遵循现代化进程中生育率下降与老龄化加速的普遍规律，又呈现出显著的地方性特色。相较于欧洲“标准模式”及日韩“东亚印记”的转型路径[11-12,17]，中国少子—老龄化类型转变进程展现出3个维度的特殊性：① 转型空间梯度差异明显，东北、上海等地生育率已呈现“超低生育陷阱”特征，而西南和西北少数民族聚居区尚未开始明显转型；② 少子化与老龄化存在非对称演进特征，区域的生育决策与养老负担呈现弹性分离；如珠三角的少子化程度加深未必加剧老龄化程度，而中原地区的多子化短暂回归未能遏制老龄化发展。这一研究结果避免了以往研究将少子化和老龄化分开单独研究而产生的空间叠加的简单化认知。③ 地方社会文化观念的韧性存续和行为主体能动性的影响明显，如东南多子多福传统文化区呈现生育文化韧性及其所带来的个体对生育政策调整的积极响应，延缓少子化发展进程。以上“不同”恰恰体现了前文所提及的中国大规模人口流动及社会文化规范区域差异带来的影响。特别是大规模人口流动打破了传统人口转型的封闭系统假设，叠加区域发展的非均衡性，使地方政府通过公共服务供给、产业政策等工具实施差异化调控成为可能。

6.2 讨论

（1）坚持整体系统性思维，推动覆盖全生命周期的“一老一小”服务体系融合发展。中国正面临少子化和老龄化叠加的人口结构转型挑战，这一进程受到城镇化发展、人口流动以及社会文化规范的多重影响。为应对这一趋势，中国共产党的二十届三中全会提出部署“健全人口发展支持和服务体系”的改革措施；并通过《关于加快完善生育支持政策体系推动建设生育友好型社会的若干措施》和《深化养老服务改革发展的意见》等系列政策，突破传统的应对少子化和老龄化割裂施策模式，构建覆盖全生命周期的人口服务支持体系。因此，当前关键在于推进政策落地：① 在省级层面建立联动机制，统筹“一老一小”服务资源，强化生育支持与养老服务的系统衔接；② 建立“经济—服务—文化”三维支持体系，通过经济补贴、服务供给和文化引导协同发力；③ 推动人口治理转型，要求地方政府落实“一把手责任制”，强化跨部门协作机制。
（2）坚持因地制宜思维，以差异化政策应对挑战和机遇。本文研究发现，少子—老龄化类型的时空演变路径存在明显区域差异，因此各地应立足自身人口结构特征，在中央政策框架下制定差异化实施方案，在政策细则制定和实施考核评估工作中彰显地域特点。如：东北等重度老龄化地区需同步推进生育支持与“银发经济”发展，通过引导人口回流缓解老龄化压力；长三角等低生育区域应建立家庭友好型企业激励机制，重点破解高生育养育教育成本引发的生育焦虑；华南传统生育文化区应优化多孩家庭住房、教育配套，促进良性文化传承；少数民族聚居区可依托其他区域人口结构的演变规律前瞻布局发展机遇。
（3）动态跟踪少子—老龄化发展趋势，构建人口“监测—响应”联动机制。研究表明，人口流动是影响区域少子—老龄化类型转变的重要因素。然而，目前缺乏常态化的人口流动监测体系，导致无法及时预测和建立适应性的资源配置机制。因此，建议依托省级大数据平台建立跨部门人口动态监测系统，实时整合教育、公安、卫生健康、医保、人力资源和社会保障等相关各领域数据流，重点补足流动人口轨迹追踪与需求画像能力。在生育登记、医保参保等高频服务中嵌入数据采集节点，形成覆盖所有常住人口的动态数据库，为适应人口变化的公共服务资源动态调配提供决策支持。
与已有研究相比，本文的贡献是：① 将空间要素纳入人口转型分析框架，通过构建少子化和老龄化两相结构变化的少子—老龄化类型，直观且具体地比较了不同空间尺度人口年龄结构的转型特征，弥补了以往研究基于单相的低生育水平或老龄化进行单一尺度比较研究范式的不足，这对与中国相似的发展中国家破解“低生育—高老龄化”困局具有方法论创新价值。② 本文引入地方视角的分析框架，解析了不同典型地区少子—老龄化类型转变模式及其差异化路径，精准识别社会性别不平等和人口流动对转型路径的形塑作用，进一步加深了对人口结构转型作用机制的理解。同时，本文也存在一些不足：① 劳动力人口动态变化也牵引着少子化与老龄化的趋势转向，未来应将劳动力人口纳入，以全面勾勒完整人口年龄结构转变。② 由于篇幅限制和部分数据难以获得，以致被动舍弃部分优良解释变量，未来可融合多源异构数据，加强婚育观念、养老理念变化等隐性要素对人口结构转变的影响。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
United Nations, Department of Economic and Social Affairs, Population Division. World Population Prospects 2024, 2024.

[2]
Hu Zhan, Peng Xizhe. Governance choices in dealing with China's aging population. Social Sciences in China, 2018(12): 134-155, 202.

[胡湛, 彭希哲. 应对中国人口老龄化的治理选择. 中国社会科学, 2018(12): 134-155, 202.]

[3]
Ministry of Civil Affairs of the People's Republic of China, Office of the National Working Commission on Aging. 2023 National Aging Development Bulletin. 2024-10-11. https://www.mca.gov.cn/n152/n165/c1662004999980001752/content.html.

[民政部, 全国老龄办. 2023年度国家老龄事业发展公报. 2024-10-11. https://www.mca.gov.cn/n152/n165/c1662004999980001752/content.html.]

[4]
Cai Fang. Understanding the characteristics of population change trend and improving population development strategy. Qiushi, 2025-01-01. http://www.qstheory.cn/20241231/5eb177cc717e48508a2ffa19527c213f/c.html.

[蔡昉. 认识人口变化趋势性特征完善人口发展战略. 求是, 2025-01-01. http://www.qstheory.cn/20241231/5eb177cc717e48508a2ffa19527c213f/c.html.]

[5]
Zhu Hui, Lu Jiehua. Negative population growth: A worldwide phenomenon and Chinese-style response. Journal of Shandong Women's University, 2023(4): 21-29.

[朱荟, 陆杰华. 人口负增长的世界性现象与中国式应对. 山东女子学院学报, 2023(4): 21-29.]

[6]
Jia Zhike, Luo Zhihua. Regional variations of the fertility-intention-and-behavior deviation among Chinese young women: Findings from the cultural and socioeconomic perspectives. Chinese Journal of Population Science, 2024, 38(2): 66-81.

[贾志科, 罗志华. 青年女性生育意愿与行为偏离的区域差异: 基于文化和社会经济视角的发现. 中国人口科学, 2024, 38(2): 66-81.]

[7]
Liu Tao, Zhang Jiarui, Cao Guangzhong. The effect of internal migration on regional aging: A decomposition method. Geographical Research, 2022, 41(10): 2680-2696.

[刘涛, 张家瑞, 曹广忠. 人口流动对区域老龄化进程的影响: 一个方法论探讨. 地理研究, 2022, 41(10): 2680-2696.]

DOI

[8]
Gu Chaolin, Zhang Min, Zhen Feng, et al. An Introduction to Human Geography. Beijing: Science Press, 2012.

[顾朝林, 张敏, 甄峰, 等. 人文地理学导论. 北京: 科学出版社, 2012.]

[9]
Cai Fang. Breaking the "Fertility Paradox". Economic Perspectives, 2022(1): 3-13.

[蔡昉. 打破“生育率悖论”. 经济学动态, 2022(1): 3-13.]

[10]
Bhattacharjee N V, Schumacher A E, Aali A, et al. Global fertility in 204 countries and territories, 1950-2021, with forecasts to 2100: A comprehensive demographic analysis for the Global Burden of Disease Study 2021. The Lancet, 2024, 403(10440): 2057-2099.

[11]
Gu Baochang. Why Focus on the Second Demographic Transition Theory. Modern Management (First Series). Shanghai: Shanghai People's Press, 2023: 89-110.

[顾宝昌. 为什么要关注第二次人口转变理论. 现代管理(第一辑). 上海: 上海人民出版社, 2023: 89-110.]

[12]
Van De Kaa D J. Europe's second demographic transition. Population Bulletin, 1987, 42(1): 1-59.

PMID

[13]
Lesthaeghe R. The unfolding story of the second demographic transition. Population and Development Review, 2010, 36(2): 211-251.

DOI PMID

[14]
Lesthaeghe R. The second demographic transition: A concise overview of its development. Proceedings of the National Academy of Sciences of the United States of America, 2014, 111(51): 18112-18115.

[15]
van Wijk D, Billari F C. Fertility postponement, economic uncertainty, and the increasing income prerequisites of parenthood. Population and Development Review, 2024, 50(2): 287-322.

[16]
Ivanova K, Balbo N. Societal pessimism and the transition to parenthood: A future too bleak to have children? Population and Development Review, 2024, 50(2): 323-342.

[17]
Gietel-Basten S. Demographic and social anxieties: The second demographic transition in Asia. China Population and Development Studies, 2022, 6(3): 338-349.

[18]
Lesthaeghe R J. The second demographic transition: Also a 21st century Asian challenge? China Population and Development Studies, 2022, 6(3): 228-236.

[19]
Raymo J M. The second demographic transition in Japan: A review of the evidence. China Population and Development Studies, 2022, 6(3): 267-287.

[20]
Shen Jie. Policy implications of the "super low birth rate": Experiences and lessons learned from Japan and South Korea. Social Policy Research, 2022(1): 79-90.

[沈洁. “超少子化”现象的政策思考: 兼论日本与韩国的经验与教训. 社会政策研究, 2022(1): 79-90.]

[21]
Cai Fang. How social mobility impacts fertility? Sociological Studies, 2024, 39(1): 45-63, 227.

[蔡昉. 社会流动性如何影响生育率? 社会学研究, 2024, 39(1): 45-63, 227.]

[22]
Yu Jia, Xie Yu. The second demographic transition in China. Population Research, 2019, 43(5): 3-16.

[於嘉, 谢宇. 中国的第二次人口转变. 人口研究, 2019, 43(5): 3-16.]

[23]
Lin Bao. "Getting old before getting rich" in China: A re-examination. Population Research, 2023, 47(3): 3-16.

[林宝. 对中国“未富先老”判断的新考察. 人口研究, 2023, 47(3): 3-16.]

[24]
Ji Yingchun, Zheng Zhenzhen. China's low fertility rate from the perspective of gender and development. Social Sciences in China, 2018(8): 143-161, 207-208.

[计迎春, 郑真真. 社会性别和发展视角下的中国低生育率. 中国社会科学, 2018(8): 143-161, 207-208.]

[25]
Zhong Shuiying, Zhao Yu, Ren Jingru. "Getting old before getting rich" in China: A regional perspective. Population Research, 2015, 39(1): 63-73.

[钟水映, 赵雨, 任静儒. 我国地区间“未富先老”现象研究. 人口研究, 2015, 39(1): 63-73.]

[26]
Ao Rongjun, Chang Liang. Influencing mechanism of regional ageing in China based on the structural equation model. Acta Geographica Sinica, 2020, 75(8): 1572-1584.

DOI

[敖荣军, 常亮. 基于结构方程模型的中国县域人口老龄化影响机制. 地理学报, 2020, 75(8): 1572-1584.]

DOI

[27]
Yi Y, Shangguan Y W. The impact of the new trend of urban-to-urban migration on fertility behaviors. Population, Space and Place, 2024, 30(6): e2772. DOI: 10.1002/psp.2772.

[28]
Zhao Dongxia, Han Zenglin, Wang Li. The spatial pattern of aging population distribution and its generating mechanism in China. Acta Geographica Sinica, 2017, 72(10): 1762-1775.

DOI

[赵东霞, 韩增林, 王利. 中国老年人口分布的集疏格局及其形成机制. 地理学报, 2017, 72(10): 1762-1775.]

DOI

[29]
Wang Liangjian, Liang Kuang, Peng Yu. The countywide differences of China's total fertility rate and an empirical study of its influencing factors. Population Journal, 2015, 37(3): 16-25.

[王良健, 梁旷, 彭郁. 我国总和生育率的县域差异及其影响因素的实证研究. 人口学刊, 2015, 37(3): 16-25.]

[30]
Tan Yuanfa, Zeng Yongming. Spatial-temporal pattern analysis and spatial disparity research on provincial transition of mechanisms in stabilizing low fertility in China. Population Journal, 2014, 36(2): 5-18.

[谭远发, 曾永明. 我国低生育水平稳定机制的时空演变及空间差异研究. 人口学刊, 2014, 36(2): 5-18.]

[31]
Yin Wenyao, Yao Yinmei, Li Fen. Fertility level assessment and fertility policy adjustment: An analysis of the provincial data on fertility level in mainland of China. Social Sciences in China, 2013(6): 109-128, 206-207.

[尹文耀, 姚引妹, 李芬. 生育水平评估与生育政策调整: 基于中国大陆分省生育水平现状的分析. 中国社会科学, 2013(6): 109-128, 206-207.]

[32]
Liu Jian, Yang Qingshan, Zhang Yu et al. Spatial patterns evolution and classification of population aging in the three provinces of Northeast China based on the county scale. Geographical Science, 2020, 40(6): 918-927.

[刘鉴, 杨青山, 张郁, 等. 东北三省县级尺度人口老龄化空间格局演变及类型划分. 地理科学, 2020, 40(6): 918-927.]

DOI

[33]
Xu Xin, Zhao Yuan, Zhang Xinlin, et al. Spatial variation of population aging and associated factors in Jiangsu Province. Geographical Science, 2017, 37(12): 1859-1866.

[许昕, 赵媛, 张新林, 等. 江苏省人口老龄化空间分异演变及影响因素. 地理科学, 2017, 37(12): 1859-1866.]

DOI

[34]
Ma Yan, Liu Shuang. Empirical research on time and space diffusion process of provincial demographic transition in China. Population Journal, 2011, 33(1): 16-23.

[马妍, 刘爽. 中国省级人口转变的时空演变进程: 基于聚类分析的实证研究. 人口学刊, 2011, 33(1): 16-23.]

[35]
Wu Lianxia, Zhao Yuan, Wu Kaiya et al. Regional variations and driving mechanism of aging population in China. Geographical Science, 2018, 38(6): 877-884.

[吴连霞, 赵媛, 吴开亚, 等. 中国人口老龄化区域差异及驱动机制研究. 地理科学, 2018, 38(6): 877-884.]

DOI

[36]
Wang Chunguang. Placeness and modernization in counties: A study based on a nearly thirty-year survey of Taicang and Jinjiang. Sociological Studies, 2023, 38(3): 1-22, 226.

[王春光. 地方性与县域现代化实践: 基于对太仓与晋江持续近三十年的调查. 社会学研究, 2023, 38(3): 1-22, 226.]

[37]
Cresswell T. In place/out of place:Geography: Ideology, and Transgression. Minneapolis: University of Minnesota Press, 1996.

[38]
Ellenbogen R N, Trivic Z. Dynamic place attachment in the context of displacement processes: The socio-ecological model. Cities, 2024: 148104862. DOI: 10.1016/j.cities.2024.104862.

[39]
Ding Jinhong, Zhang Weijia, Mao Renjun, et al. The evolution routine and transition patterns of population age structure: International comparations and Chinese characteristics. Population Research, 2023, 47(1): 23-42.

[丁金宏, 张伟佳, 毛仁俊, 等. 人口年龄结构演化轨迹与转变模式: 国际比较与中国特色. 人口研究, 2023, 47(1): 23-42.]

[40]
Quan Tong, Guo Na. An analysis of causes for low birth rate in Japan: Based on the perspective of female employment. Social Sciences Journal of Universities in Shanxi, 2015, 27(5): 35-38.

[权彤, 郭娜. 日本“超少子化”问题研究: 基于女性就业的视角. 山西高等学校社会科学学报, 2015, 27(5): 35-38.]

Options
文章导航

/

〈 〉