基于空间杜宾模型的人口老龄化时空研究

发布时间：2021-08-18 09:10

　　文章以2000-2018年、2000-2010年山东省及17地级市的人口、经济等数据为基础,运用Geoda软件、MATLAB软件,计算Moran’s I指数、空间杜宾模型（SDM）,分析了经济水平、医疗服务、教育水平等六个因素对17地级市老龄化指数的空间效应。研究表明,山东省老化系数呈上升趋势且增长速度加快;老龄化指数明显东高西低、北高南低的空间格局没有出现明显改变;老龄化指数存在显著空间滞后性;经济水平、社会医疗水平和城市化水平的提高均能显著正向影响老龄化指数;人口自然增长率、人口出生率、城市化率的滞后因素对老龄化指数有显著的正效应;社会医疗服务水平对本地区与周边城市的老龄化指数具有显著溢出效应。 

【文章来源】：电脑与电信. 2019,(04)

【文章页数】：5 页

【部分图文】：

-2017年山东省老化系数

冉⌒裕?⒂?多元线性回归模型、SEM、SAR模型进行估计、对比。根据表1的回归结果可知，空间杜宾模型的R2=0.8944，相比多元线性回归、SAR和SEM模型的结果有所提高，说明空间杜宾模型更适合考察老龄化的影响因素。而SAR和SDM模型中的空间滞后回归系数ρ分别通过了10%和1%的显著性检验，而且数值均大于0，这说明在传统的老龄化指数模型中，常常被忽视的老龄化指数空间上的滞后对老龄化指数存在明显的影响。表12010年山东省17地级市老龄化指数影响因素的估计结果图12000-2017年山东省老化系数(a)2000年(b)2010年图22000-2010年山东省17地级市老龄化指数的分布多元线性回归-0.0000(-1.3877)变量x1SAR-0.0000*(-1.7460)-0.0013(-0.2381)x5-0.0022(-0.4670)x60.0047(1.1147)0.0076*(1.5766)wx1wx21.4321**(2.5706)x21.3641**(2.7324)x3-0.0260(-1.3651)-0.0398*(-1.8382)x4-0.0044(-0.3870)-0.0118(-0.9844)SEMSDM-0.0000(-1.1561)-0.0000***(-4.0659)-0.0051(-0.8771)0.0005(0.1305)0.0026(0.3931)0.0042**(2.2304)-0.0000(-0.6462)0.3978(0.4809)1.4649**(2.2336)1.7246***(6.3852)-0.0216(-0.7097)-0.0148(-1.3828)-0.0135(-0.8630)-0.0042(-0.5017)-14-

【参考文献】：
期刊论文
[1]外资开放和人口流动对中国地方政府规模的影响分析——基于空间计量模型[J]. 杨艳红,卢现祥.  河北经贸大学学报. 2018(02)
[2]人口老龄化与经济发展关系的研究[J]. 田穗,何颂.  生产力研究. 2018(01)
[3]江苏省人口老龄化空间分异演变及影响因素[J]. 许昕,赵媛,张新林,张秀改.  地理科学. 2017(12)
[4]快速城市化地区人口空间演变模型[J]. 秦贤宏.  中国人口·资源与环境. 2017(S2)
[5]基于空间计量模型的人口因素对房价的影响研究[J]. 阴曙光,翟宇阳,王成璋,廖周伟.  工程管理学报. 2017(06)
[6]人口老龄化“倒逼”产业结构升级的动态效应——基于中国30个省级制造业面板数据的空间计量分析[J]. 楚永生,于贞,王云云.  产经评论. 2017(06)
[7]我国人口老龄化地区差异及影响因素分析[J]. 李乐乐.  华中农业大学学报(社会科学版). 2017(06)
[8]县域尺度下中国人口老龄化的空间格局与区域差异[J]. 王录仓,武荣伟,刘海猛,周鹏,康江江.  地理科学进展. 2016(08)
[9]中原地区人口老龄化的多尺度时空格局[J]. 康江江,丁志伟,张改素,王发曾,武荣伟.  经济地理. 2016(04)
[10]江西省人口老龄化县域差异及其影响因素[J]. 雷慧敏,叶长盛.  地域研究与开发. 2016(02)



本文编号：3349606