近日發布的《中共中央關于進一步全面深化改革、推進中國式現代化的決定》（以下簡稱《決定》）提到，要“按照自愿、彈性原則，穩妥有序推進漸進式延遲法定退休年齡改革”，引發熱議。

近年來，長三角城市老齡化有怎樣的時空變化趨勢？背后原因為何？同一個地方的戶籍老齡化與常住老齡化為何差別甚大？澎湃研究所研究員通過收集最新人口結構數據，回答以上問題。

中國計算老齡化的統計數據有兩個口徑，一個是戶籍老齡化率（指年齡大于60或65歲以上的戶籍人口數占所有戶籍人口數的比例，本文選擇數據可用性更高的60歲標準，下同），一個是常住老齡化率（指年齡大于60或65歲以上的常住人口數占所有常住人口數的比例）。其中常住口徑更接近國際標準定義，因此本文使用常住口徑。對戶籍老齡化率和常住老齡化率差異較大的現象，本文也嘗試進行探析。

長三角老齡化兩極分化：南通比合肥“老”了近2倍

根據各省最新數據，長三角60歲以上常住人口比例在22.8%以上，至少高于全國1.7個百分點[1]。其中上海老齡化水平最高，2023年常住60歲以上人口25%（參考表1），其次是江蘇（23.68%），浙江（21.50%）和安徽（20.99%）。江浙滬老齡化水平（22.79%）均超全國均值（21.1%）。

數據來源：國家統計局和各省統計局（口徑為常住）

長三角“變老”早于全國，也快于全國。根據聯合國的標準，當一國60歲及以上人口比例超過10%，則該國進入“初步老齡化”社會；超過20%，進入“中度老齡化”社會；超過30%，進入“深度老齡化”社會。

據此標準，長三角常住人口老齡化率在2020年進入了“中度老齡化”，早于全國3年。再看速度。2010-2020年，全國60周歲及以上老齡人口占比提高5.4個百分點，長三角地區提高 5.7 個百分點，高于全國平均水平。

最后，長三角不同城市的老齡化水平差別大（表2）。最“老齡”的城市是南通（30.10%），最“年輕”的是合肥（15.70%），“老”了近2倍。2000年，長三角老齡化程度分布較為均勻，差距在過去二十年中逐漸拉大，可見各城市在經濟發展、產業結構和生育率等方面發展不均衡。

數據來源：第七次人口普查（所有2020年的數據）、各市統計局和官方報道

長三角老齡空間聚集性強，青年人口遷移是主要原因

空間分布來看，老齡化高值有集中于個別區域的趨勢，存在明顯的空間自相關化現象（即相鄰地區的老齡化水平趨同）。圖3可見，目前老齡化程度較高的地區集中在上海、江蘇中部、浙江西部、北部和安徽南部。

圖3. 長三角人口老齡化分布；數據來源本文表3

2000-2020年期間，江浙皖都出現了全省老齡化空間聚集的現象。澎湃研究所研究員收集了近年來關于長三角老齡化空間分布的論文，試圖呈現這個動態。

來看各省份情況。2010年，浙江省人口老齡化程度高的區域（紅色）分布在浙江西部和中部，而到了2020年，老齡化程度高的區域整體歸攏到浙西（主要是衢州市），中間相對高值消失了。

圖4.浙江省人口老齡化空間變化（2010-2020）
圖片來源：程錦，馮革群，袁嘉軒等. 浙江省老齡化空間格局演變及驅動機制[J].寧波大學學報(理工版),2023,36(06):100-106.

相比2000年，2010年江蘇省人口老齡化的空間分布（圖5）集中在南通、鹽城等區域（紅色區域），而蘇北地區的分布更加均衡（從紫灰相間變成綠色為主）。再看最右側的空間人口老齡化變化率，也能看出蘇中比其他地區變老更多（深紫色區域集中在蘇中）。

圖5.江蘇省人口老齡化空間變化（2010-2020）
圖片來源：許昕,趙媛,張新林,等.江蘇省人口老齡化空間分異演變及影響因素[J].地理科學,2017,37(12):1859-1866.

2000年安徽全省老齡化分布（圖6）較均衡（同色色塊幾乎均勻分布在除了合肥以外的其他區域），而到了2020年南部地區比北部地區更老（體現為顏色更深的色塊集中在皖南）。

圖6.安徽省2000年到2020年老齡化空間變化
圖片來源：肖鐵橋,馬瑾美,李融融.安徽省縣域人口老齡化時空演變及影響因素研究[J].沈陽建筑大學學報(社會科學版),2023,25(03):271-278.

最后，來看長三角全域動態（圖7，顏色越深，老齡化程度越高）。2010年，全域老齡化分布較為均勻，而到了2020年，總體上形成上海、蘇中（鹽城、南通、泰州、揚州、鎮江）、皖南（黃山、池州、銅陵、宣城）、浙西（衢州附近）幾個較嚴重的老齡化區域。

圖7. 長三角人口老齡化空間分布特征和變化趨勢
圖片來源：周澤玄,韓會然,楊成鳳.縣域尺度下長三角城市群人口老齡化時空特征及影響機理[J].經濟地理,2024,44(02):90-101.

可見，在過去的10-20年間，長三角地區人口老齡化空間集聚程度不斷強化，老齡化發展不均衡態勢凸顯。

一份2024年2月最新研究表明，長三角以青年人口為主的跨區域遷移是老齡化空間不平等程度加深的最大因素。比如，個別地區憑借蓬勃的經濟、新興的產業、宜居的生活環境、友好的公共服務等因素吸引了大量青年人口，從而降低了該地區的老齡化程度。研究指出，如蘇南、浙北的老齡化程度較低（尤其是杭州、蘇州、合肥幾個城市），其主導因素正是大規模的、具有明顯方向偏好性和年齡選擇性的人口遷移。

老年人口也有遷移。比如部分老年人隨著青年子女搬到新的城市，或從養老成本較高的地區搬到養老成本較低的地區。但兩個遷移方向有所抵消，且總體數量有限，所以并不是造成老齡化空間集中、兩極分化的主要原因。

除此之外，影響空間分布還有歷史因素。比如，南通于2020年GDP突破萬億，六大支柱型產業中有四個是戰略性新興產業。然而，南通卻是長三角最“老”的地區。根據南通大學和南通市衛健委2023年的最新研究，1970年代率先實施計劃生育政策，并由此保持多年的低生育率，是南通市老齡化率高居全國第一的主要原因；長壽現象推高了南通市的老齡化率，1990—2010年人口遷出加快了南通市的老齡化進程。

總而言之，老齡化空間不平等背后原因較為復雜。除了上述因素，還有醫療水平、政策扶持、教育溢出等原因。

建議各城市不再使用戶籍老齡化統計口徑，不再以戶籍區分養老群體

以青年人口為主的跨區域遷移也解釋了為何戶籍老齡化和常住老齡化數據差異甚大（參考表8）。

比如，2022年，合肥戶籍老齡化率（18.25%）比常住老齡化（15.7%）高2.55%，杭州合肥戶籍老齡化率（24.07%）比常住老齡化（18.40%）高5.67%，這是因為兩城外來人口以青壯年為主。而2022年上海戶籍老齡化率（36.8%）更是比常住老齡化（25.00%）高11.8%。這是因為，在上海1048萬外來常住人口中（2020人口普查數據），60歲以上的老人僅占6%。

目前，以下城市統計局仍以戶籍口徑為主要統計口徑（參考表8），可見許多城市政府仍以戶籍人口為服務對象和市民主體的客觀現實。

人口結構數據有兩個統計來源，一個是由中央組織的十年一次的人口普查，用的主要是常住口徑。這個統計最權威，但更新太慢，不能及時做城市發展的決策參考。

一個是本地統計局每年公布的統計公告和年鑒，一般常住和戶籍只選一個作為口徑。只有極少數的城市，比如杭州、寧波、合肥等，會同時公布兩個口徑的數據。而表8中的城市，是本地統計局每年公布的公報、年鑒，僅統計戶籍口徑人口年齡的城市。

數據來源：2020年的數據來源是第七次人口普查，蕪湖和上海常住人口數據來源是官方報道，戶籍數據來源是本地統計局。

但是，澎湃研究所研究員認為，常住老齡化更真實地反映了一個城市的勞動力結構。對人口流入地來說，青年外來人口為本地的經濟做出了貢獻，老年外來人口事實上也正在本地養老。對人口流出地來說，“在籍”的人口不一定使用本地相關服務和設施。

因此，對長三角城市來說，如果用戶籍老齡化數據替代常住老齡化數據做參考，在估計當地所需要的老齡化設施、判斷老齡化對城市經濟和產業的影響時，會有一定的偏誤。因此，澎湃研究所研究員建議各城市不再使用戶籍老齡化口徑。

不再以戶籍論養老，也是國家鼓勵的發展方向。《決定》提出，要推行由常住地登記戶口提供基本公共服務制度，推動符合條件的農業轉移人口社會保險、住房保障、隨遷子女義務教育等享有同遷入地戶籍人口同等權利，加快農業轉移人口市民化。

（實習生孫芯對本文亦有貢獻）

注：

[1] 上海和江蘇2023年老齡化數據應該又有提升，因此2023年數據在22.8%以上。

------- 

城市因集聚而誕生。

一座城市的公共政策、人居環境、習俗風氣塑造了市民生活的底色。

澎湃城市觀察，聚焦公共政策，回應公眾關切，探討城市議題。