EN中文

经济地理 >

2024 , Vol. 44 >Issue 10: 34 - 45

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.10.004

区域经济与理论方法

中国市域老年失能照护机构发展及其供需适配性

  • 周榕 , 1 ,
  • 石磊 , 2, ※
展开
  • 1.上海师范大学 哲学与法政学院，中国 上海 200234
  • 2.上海交通大学 凯原法学院，中国 上海 200030
※石磊(1991—)，男，博士，助理研究员，研究方向为法律地理学。E-mail：

周榕(1992—)，女，博士，讲师，研究方向为人口地理学和老年社会保障。E-mail：

收稿日期: 2023-08-07

  修回日期: 2024-04-26

  网络出版日期: 2024-11-29

基金资助

教育部人文社会科学基金青年项目(23YJCZH331)

收起

Development and Supply-demand Adaptation of Elderly Disability Care Institutions in Chinese Cities

  • ZHOU Rong , 1 ,
  • SHI Lei , 2, ※
Expand
  • 1. College of Philosophy，Law & Political Science，Shanghai Normal University，Shanghai 200234，China
  • 2. KoGuan School of Law，Shanghai Jiao Tong University，Shanghai 200030，China

Received date: 2023-08-07

  Revised date: 2024-04-26

  Online published: 2024-11-29

Fold

摘要

老年失能照护是人口负增长时代的巨大挑战。文章结合多学科研究方法，刻画了老年失能分级照护机构的空间格局及密度差异，并揭示了其供需适配性的形成机制。研究发现：①中国老年失能照护机构数量总体呈现以北京、上海、广州为高值中心的分布格局，且高值区随照护分级的提升而逐渐收缩。②老年失能照护机构密度在不同区位、等级和规模的城市类型中有所差异，东部城市、直辖市和超大城市在所有失能分级下的发展优势均十分突出。③中国老年失能照护机构供需适配水平的空间分化迹象明显，总体表现为“东部繁荣、西部发展、中部塌陷”，且随着照护分级的提高，适配区向东部地区与省会城市集中。④供需适配格局受多种因素的共同影响，社会经济、支付能力和人口结构为空间分异的主导因子，其中人口结构与社会服务、医疗资源与交通条件的因子交互解释力最强。⑤各因素的影响效力存在区域差异，未来中国老年失能照护建设应充分考虑地区失能人口规模及结构特点，提供差别化的资源增补以弥合发展差异、实现社会公平。

关键词： 失能老年人; 失能照护机构; 机构分级; 空间适配; 医疗资源; 社会经济; 中国

本文引用格式

周榕 , 石磊 . 中国市域老年失能照护机构发展及其供需适配性[J]. 经济地理, 2024 , 44(10) : 34 -45 . DOI: 10.15957/j.cnki.jjdl.2024.10.004

Abstract

Elderly disability care represents a significant challenge in the era of negative population growth. This article employs an interdisciplinary research approach to delineate the spatial patterns and density differences of elderly care institutions with different levels of disability,and reveals the mechanisms behind the formation of supply-demand compatibility. It's found that: 1) The number of elderly disability care institutions in China shows the distribution characteristics with Beijing,Shanghai and Guangzhou as the high-value centers,and the high-value areas gradually shrink with the increase of care levels. 2) There are differences in the density of elderly disability care institutions across different locations,grades,and sizes of cities. Eastern cities,municipalities and mega-cities demonstrate prominent development advantages across all disability care levels. 3) The spatial differentiation in the supply-demand adaptation of elderly disability care institutions in China is evident,generally manifesting as "prosperity in the east of China,development in the west of China,and collapse in the middle of China",with higher adaptation zones concentrating in eastern regions and provincial capitals as care levels increase. 4) The supply-demand adaptation pattern is influenced by multiple factors,with socioeconomic status, payment ability,and population structure being the leading factors in spatial differentiation. Among these,the interactions between population structure and social services,medical resources and transportation conditions have the strongest explanatory power. 5) The impact of various factors varies by region. Future development of elderly disability care in China should take into account regional characteristics of the disabled population's scale and structure, providing differentiated resource supplements to bridge development gaps and achieve social equity.

Key words： disabled elderly; disability care institutions; institution grading; spatial adaptation; medical resources; socioeconomic; China

失能照护是老龄化国家发展最迅速的政策领域之一。据《2023年我国卫生健康事业发展统计公报》显示，中国人口平均预期寿命从建国初的35岁增加到2023年的78.6岁。但是，老年人口规模扩大与预期寿命延长往往伴随着带病存活期的扩展与失能照料负担的加重，预计到2030和2050年中国失能老人规模将分别达到6186万和9750万人[1]。失能老人规模之大、增长速度之快亟需进入中重度老龄化社会的中国做出反应。对此，《“十四五”民政事业发展规划》明确提出建设专业化失能照护的养老服务机构，确保每个县（市、区、旗）至少建有一所以失能照护为主的县级敬老院。失能照护服务生产效率低、投入成本高、回报周期长，当前供给很大程度上更依赖公共部门[2]。因此，如何在地理空间上有效组织资源、高效统筹递送成为老龄化国家面临的普遍难题。
人口结构变化使得失能照护从养老保障的附属研究内容转变为相对独立的研究领域，当前研究主要集中在以下方面：一是可达性分析。Shah等利用引力模型、两步移动搜索法探究加拿大照护服务的可及性发现，初级资源的配置中服务对象的分散性对服务提供的地域公平造成了挑战[3]；丁秋贤、王兰、高向东等分别运用潜能模型、洛伦兹曲线、空间距离法等方法发现，中国大城市养老设施的分配水平差距较大，空间可达性呈现从中心城区向四周递减的趋势特征[4-6]。二是资源利用的差异性分析。Joseph等研究发现新西兰长期护理机构与老年人口地理分布演变存在关联，表现为郊区社区衰退、向城市中心区域集中的趋势[7]；Stubbs等将此归结为社会福利私有化加剧了社会不公，造成了更普遍的服务利用空间不均衡[8]；刘昊等在中国的调查也验证了在有形性和有效性维度，城市居民长期照护的服务质量和使用率明显高于乡镇地区。三是影响因素分析[9]。Williams运用监管理论探讨照护改革的空间效应后发现，照护劳动过程变化具有空间特异性，与当地服务文化、社会制度与从业者倡导紧密联系[10]；Niefeld则提出在失能老人照护服务使用的障碍因素中，相对于经济限制，地理制约与信息获取障碍的牵制更强[11]。此外，空间距离、交通可达性、周边活动空间等对资源分布亦有影响[12]。中国的研究则发现老年照护发展同收入水平、家庭补偿功能的弱化紧密相关[13]，城市老人受个体、家庭、社区等因素的综合影响，而农村老人则显著集中于家庭因素[14]。
综上，相关研究虽取得了一定成果，但部分领域仍有待突破：①失能照护的差异化发展是需求精细化、供给多元化以及养老社会化等一系列社会变化在地理上的投射，从空间角度出发解析当前中国老年失能照护机构格局的相关研究尚不多见。②当前研究以区域微观调查为主，其研究结果无法推演出全国整体状态，对老年失能照护体系的纲领规划与顶层设计的贡献存在限制。③部分研究虽涉及照护资源的空间分布，但既未对照护需求进行分级，也未对供需的空间均衡关系展开研究。事实上，中国老年失能照护发展面临的不确定性较大，忽视对失能分级的考虑极易低估长期照护的实际需求和市场规模，造成政策靶向不准、影响国家资源投入的准确性和有效性。
鉴于此，本文从空间视角出发揭示中国老年失能分级照护机构的发展特征，基于多渠道数据来源和多学科研究方法交融，探究老年失能照护资源承载状态的区域特征与影响因素。一方面，本研究基于交叉学科视角试图突破既往研究领域独立、空间分析微观、精细化不足等传统惯习，系统客观地认知中国老年失能照护机构分布的现实全貌、供需适配水平和发展规律，拓展公共资源空间配置领域的学术探讨。另一方面，长久以来中国老年失能照护机构分布存在结构失衡、资源泛化使用等顽疾，本文将人口健康状态转移引入资源承载分析之中，这为优化精准照护政策方向、促进区域健康资源均衡提供理论依据和决策支撑。

1 分析框架

失能是一个动态演变的过程，通常由疾病、伤残和功能衰退等原因导致。失能照护压力受到人口老龄化和预期寿命的影响，其空间配置涉及对资源和服务利益的公平分配和有效使用。这种空间配置是一种确定公共利益的行为，代表着失能老人所具有的空间权益，而失能分级的目的则在于精准照料以达到资源供给与需求的适配状态。因此，老年失能照护机构的供需适配作为地区照护资源与其所承载失能人口规模的匹配程度，对于衡量服务需求与资源配置的平衡具有重要意义。本文的逻辑分析框架如图1。
图1 逻辑分析框架

Fig.1 Logical analysis framework

以供需适配看老年失能照护机构的空间特征，一方面公共服务资源均等化以空间公平性为旨归，目标群体的空间分布和政策效果存在地区差异[15]。失能照护的空间公平是基于使用者需求的社会公平，关注的是不同地区的失能老人都能有同等机会获得大致相同的服务水平，因而有必要对不同失能状态下的人口规模进行测算。另一方面，养老服务需求的个体化差异明显[16]，无差别的等额供给易导致有限资源的空间错配，难以实现整体利益与长远利益的最大化，因此需要对当前失能照护资源量展开分类统计，以更精准地识别资源供给的类别差异与空间特征。
关于空间适配的影响因素，公共设施区位作为空间形式问题根植于更广泛的政治经济情境和社会过程之中[17]。早期研究多聚焦于经济要素与人口变动的关系，但城市空间本就是复杂且极具多面性的，其资源分配是行为意愿、政治权利、经济市场和空间规划等多种力量博弈的结果[18]。据此，本文强调立足于面向整个失能照护体系的空间结构分析，综合考虑经济发展、公众需求、福利标准以及其他社会资源的配置情况对各级失能照护机构供需适配性的影响程度，将经济发展、支付水平、人口结构、医疗资源、社会保障和基础设施等纳入中国老年失能照护机构供需适配性的影响因素体系，通过构建面板数据模型进一步探究其背后的空间形成机制，以期提供更为有效的空间规划和顶层设计参考依据。

2 数据来源与研究方法

2.1 数据获取与处理

老年失能照护机构数据来源于一站式养老服务平台“养老网”（www.yanglao.com.cn）。本文利用网络爬虫技术提取机构信息，再根据机构实际地址利用百度地图API的地址解析方法获取经纬度坐标，并通过ArcGIS软件进行地图可视化。清洗、复验数据后最终汇总25548条信息记录，涉及4个直辖市和291个地级、副省级行政单元。
失能标准的分级认定是照护需求评估的基础。本文利用2011、2014年两期“中国老年健康影响因素跟踪调查”数据（The Chinese Longitudinal Healthy Longevity Survey，CLHLS）和全国第六、第七次人口普查数据估算2020年中国老年人口失能状况。为避免选择主观性指标造成研究结果的不稳定，本文借鉴曾毅等的研究[19]，利用CLHLS数据库中“维持个体生命持续条件”“完成基本社会性活动所需能力”的日常生活活动指标（Activities of Daily Living，ADL）与工具性日常生活活动指标（Instrumental Activities of Daily Living，IADL）综合评估老年人口的失能状态。其余影响因素中，人均GDP、人均地方财政支出、职工平均工资等指标来源于《中国城市统计年鉴2020》、各城市2020年统计年鉴、国民经济和社会发展统计公报数据及其计算所得。少儿抚养比数据来源于全国第七次人口普查。交通相关数据通过叠加交通矢量地图测算。由于新疆与西藏的相关数据缺失较为严重，为确保研究结论的一致性与有效性，因此在影响因素分析中剔除了相关数据样本。

2.2 研究方法

2.2.1 老人健康状态转移模型

健康状态转移模型是人口学计算失能人口规模的经典模型，在没有较大的经济社会变革、医疗技术革新的前提下，该模型的测算精准度较高[19]。本文借鉴张园等的研究，利用2011、2014年CLHLS追踪数据中ADL、IADL两项多维评价指标计算中国老年人口健康状态的转移概率及强度[20]① 。为实现测算时间跨度的自由调整，本文进一步参考崔晓东、胡宏伟等的研究成果，假定研究期内个体健康状态保持线性匀速转移[22-23]，根据计算出的2011—2014年健康状态转移概率结果，以第六次全国人口普查为基准对2020年该时期的转移状态进行拟合填充估算各类健康状态的规模分布，最后利用第七次全国人口普查65岁及以上人口年龄分组数据得到各类健康状态下的老年人口规模。具体计算如下：
P X t m + n = j t m = i 1 , X t m + 1 = i 2 , ⋯ , X t m + n - 1 = i k P X t m + n = j X t m + n - 1 = i k
Q = d P i j / d t = l i m Δ t → 0 P i j ( t + Δ t ) - P i j ( t ) / Δ t
P ( n ) = e ∫ n 0 n 0 + n Q ( n ) d n
V k , i m = β k , i N k m
V k , i m + n = β k , i N k m + n - ∑ V k , i m P ( n ) + V k , i m P ( n )
式中：{tm，tm+1，…，tm+n}代表追踪调查期间的样本年龄集合；{i1，i2，i3，…ik}表示健康状态合集，k={1，2，3，4，5}分别代表“健康”“轻度失能”“中度失能”“重度失能”和“死亡”这5种不同的状态空间。其中，只有第5项“死亡”为不可逆转的吸收状态，其余4种状态均属于可双向转移状态。X（t）表征t时刻老年人口的健康状态，m、n分别为初始时刻与经历的时间段，P为老年人口从初始状态i经历时间段n后转移为状态j的概率，Q为转移强度，设定年度转移概率强度恒定，则P（1）=eQ。 V k , i m表示在m初始时刻k个年龄组各类健康状态的老年人口规模，而 V k , i m + n则表示经历n时间段后的各类健康状态下的老年人口规模。其中， β k , i代表初始时刻m分年龄组各健康状态老年人口比例， N k m + n为经历n时间段后分年龄组的老年人口规模。

2.2.2 空间错位模型

为探究不同健康状况下老年人口的规模分布与分级照护资源间的承载情况，本文引入空间错位模型[24]，探讨二者间的空间适配状态。计算公式如下：
S M I i = 1 C D S D i S D C D - S D i · 100
式中：SDi、CDi分别为i城市各类健康状态下老年人口的规模以及该照护等级下服务机构的数量；SD和CD分别为该属性值的所有研究单元总和；SMI为i城市失能照护资源空间错位指数，其值符号表征空间错位的方向，数值大小反映照护资源与失能人口规模空间分布的相似性， S M I越大说明空间错位程度越高。

2.2.3 地理探测器

地理探测器是分析空间分异性并揭示其背后驱动力的统计方法。该模型克服了传统方法在假设条件与变量处理上的局限，被广泛运用于社会、自然因素的影响机理研究[25]。本文主要采用因子探测与交互探测识别老年失能照护机构供需适配性的主要影响因子及其交互关系。

2.2.4 地理加权回归

地理加权回归（Geographically Weighted Regression，GWR）是一种局域回归模型，它将数据的空间属性纳入模型用以解释地域差异对变量的影响[26]，本文采用该模型分析影响因子的空间作用差异。

3 市域尺度老年失能照护机构发展差异

3.1 老年失能照护机构分级的空间分异

中国老年失能照护机构的空间分布结果显示，各级机构间空间分布格局差异显著（图2）。①健康照护机构在空间分布上总体呈现“多核心—环核群—斑块区”的连片式分布结构（图2a）。北京高值区辐射带动周边天津、廊坊、唐山等地形成环京延伸群，上海高值区的扩散效应则更为明显，蔓延至安徽、江苏、浙江等地，块状连片区则集中分布于邻近的山东、江西等地，重庆、广州也形成了相对独立的高值区。②轻度失能照护机构的空间分布单极化倾向明显，集聚点以“京—沪”双核为主，但扩散效应明显减弱，呈现出落差式分布样貌（图2b）。③中度失能照护机构的分布格局以北京、上海、广州三中心高值分布为主要空间形态，但次高值区与中值区的分布区域有所扩大，广东省内发展程度有所抬升（图2c）。④在重度失能照护分级下，北京、上海及周边地区的发展等级相对稳定，广州及周边地区的发展水平则有所下降，成都、重庆、西安、武汉等城市形成了相对独立的次高值区（图2d）。总体来看，中国老年失能照护机构的空间发展格局呈现如下特点：一是各级失能照护机构空间分布与“胡焕庸线”高度一致，东中西部断崖式落差明显。二是在不同分级标准下，北上广的发展核心地位始终稳固，且随着照护等级的提升高值类型区域逐渐收缩。
图2 中国各级老年失能照护机构空间分布

注：基于自然资源部标准地图服务网站审图号为GS（2024）0650号的标准地图制作，底图无修改，图4同。

Fig.2 Spatial distribution of different levels of elderly disability care institutions in China

3.2 老年失能照护机构密度的城市分异

中国老年失能照护机构密度具有多层次的城市差异特征。首先从城市区位角度看，失能照护机构密度基本呈现“东密西疏”的空间格局（图3a）。东部地区在各级失能照护上的发展优势明显，尤其在中度失能分级下，机构密度为东北地区的2.37倍、中部地区的3倍以及西部地区的7.05倍。东北地区与中部地区的发展状况整体相当，在健康与重度失能分级下中部地区略高于东北地区，而轻度失能与中度失能分级下东北地区则相对略高。但是，无论处于何种分级标准，西部地区发展质量均远低于其他地区。
图3 中国老年失能照护机构密度的城市分异

Fig.3 City differences in the density of elderly disability care institutions in China

其次，失能照护机构密度随着城市行政等级的提升有所提高，且当照护分级提升时城市间差异逐渐扩大（图3b）。以直辖市为基准，直辖市健康照护机构密度为6.99个/100 km2，远高于副省级城市的2.76个/100 km2，其密度也是省会城市的4.98倍、一般地级市的10.56倍。轻度失能与中度失能分级下，直辖市与副省级城市维持着3倍的密度差距，与省会城市的差距在6倍左右，而与一般地级市的差距则高达30倍以上。在重度失能分级上，副省级城市、省会城市与直辖市的发展差异有所回落，但机构密度依旧是一般地级市的22.57倍。
再次，根据2014年国务院印发的《关于调整城市规模划分标准的通知》，本文将样本划分为5种城市类型（中等城市、Ⅰ型小城市、Ⅱ型小城市归并为中小城市）探究不同规模城市间的发展差异。结果发现，各类老年失能照护机构密度随城市规模的缩小而下降（图3c）。超大城市在各类失能照料分级下都维持着较高的发展水平，随着照护难度的提升，特大型城市老年失能照护机构密度下降较为明显。Ⅰ类和Ⅱ类大城市发展水平大体相当，除健康照护发展差异较大外，其他类型的机构密度差值均维持在0.2以下。此外，中小城市老年照护发展整体处于低位，一旦涉及失能照护密度值下降尤为明显。
最后，中国主要城市群老年失能照护机构密度的发展差异集中体现在健康照护分级上（图3d）。长三角地区健康照护机构密度为2.66个/100 km2，远高于京津冀地区（1.52个/100 km2）与珠三角地区（1.34个/100 km2）。相反，当涉及失能照护分级时三大城市群发展状况基本相当，轻度失能照护机构均维持在0.6个/100 km2的密度水平上，而重度失能照护机构密度则保持在0.4个/100 km2左右的数值。

4 中国老年失能照护机构供需适配性

4.1 不平衡不充分的空间适配格局

本文基于CLHLS追踪数据利用健康状况转移模型构建中国老年人口失能状态转移的概率矩阵，结合第七次人口普查数据估算老年人口的失能规模，在此基础上运用空间适配模型探讨不同健康状态下老年照护机构的供需适配度，结果发现其适配水平在空间上呈现区域分化的迹象（图4）。
图4 中国老年失能照护机构供需适配水平

Fig.4 Supply-demand adaptation of elderly disability care institutions in China

①在健康照护分级下供需适配水平总体呈现“东部繁荣、西部发展、中部塌陷”的特征（图4a）。东部地区是适配度的高值区，其中东北地区、京津冀、长三角、珠三角及长江中游部分地区的适配水平最高。这些地区经济发展条件好、老年人口消费能力强，对社会化养老表现出较高的接受度，因而出现高值适配群落。同样，得益于中央政府对西部贫困地区社会发展的高度重视与在人民健康福祉领域的直接投资，西藏、甘肃、宁夏等地也取得了较好的发展。受社会发展条件和传统养老观念约束，子女家庭赡养在中部地区更为盛行[27]，因此呈现“塌陷”的地理空间格局特征。
②轻度失能照护与中度失能照护机构供需适配性的空间表现较为相似，其中东北地区发展特征基本维持，东部地区适配程度下降，相反中西部地区适配度则有抬升（图4b、图4c）。受经济发展、医疗资源分配、服务利用可及性等差异的影响，发达地区相较于欠发达地区的老年人口在健康水平、平均预期寿命和死亡风险等方面具有更明显的优势[28]。东部地区老年人口平均预期寿命较长，预期寿命延长可能导致的功能缺损扩张使得老年人口的带病期延长，加之家户规模小型化、纯老家庭扩大化，轻、中度老年失能照料的压力变大、供需适配度也随之降低。相反，中西部地区尤其是陕西、甘肃、宁夏等西北地区受益于老年人口基数较小与国家财政的直接支持获得了较好的适配水平。
③重度失能照护机构的供需适配格局发生明显变化，具体表现为东北地区的适配水平开始下降，京津冀、山东、上海等东部地区和成都、重庆等部分西部城市的适配水平有所提升（图4d）。重度失能照护具有密集劳动力与高质量医疗资源双重依赖的特点，北京、上海是劳动力人口的主要流入地，同时也是优质医疗资源的富集地，各种服务资源在扩张惯性下由大城市向周边城市溢出，从而形成了区域较高的适配度。对于坐拥华西医院、西南医院等区域性高质量医疗资源的成都、重庆等西部城市，优质医疗资源的高度集中是这些城市重度失能照护机构供需适配度提高的关键性因素。

4.2 影响因素分析

4.2.1 影响因素选取

老年失能照护机构作为公共资源，其供需适配性与人口结构、经济结构乃至社会资源紧密相关，而造成这种配置结构差异的主导因素及其组合特征却不尽相同。结合近年来国内外相关研究成果[23,29-31]，本文从经济发展、人口结构、社会资源、交通条件等多个角度解释中国老年失能照护机构供需适配的影响因素，变量选取见表1。
表1 影响因素指标选取及权重

Tab.1 Selection and weight of influencing factor index

变量类型 具体名称 单位 权重
社会经济
（Eco）		 x1人均GDP 元/人 0.351
x2人均地方财政支出 元/人 0.649
支付能力
（Pay）		 x3职工平均工资 元 0.108
x4家庭可支配收入 元 0.153
x5人均金融机构存款余额 元/人 0.492
x6城乡居民人均储蓄额 元/人 0.248
人口结构
（Pop）		 x7人口规模 万人 0.484
x8城镇化率 % 0.301
x9少儿抚养比 % 0.215
医疗资源
（Med）		 x10每万人执业医生数/助理数 人/万人 0.289
x11每万人医院、卫生院数 家/万人 0.434
x12每万人医院、卫生院床位数 张/万人 0.277
社会保障
（Soc）		 x13城镇基本医疗保险参保率 % 0.383
x14城镇职工基本养老保险参保率 % 0.282
x15失业保险参保率 % 0.335
社会服务
（Ser）		 x16第三产业从业人员比重 % 0.027
x17每万人公共管理和社会组织从业人员数 人/万人 0.079
x18每万人卫生、社会保险和社会福利业从业人员数 人/万人 0.085
x19每万人居民服务和其他服务业从业人员数 人/万人 0.447
x20每万人住宿餐饮业从业人员数 人/万人 0.362
交通条件
（Traf）		 x21国道密度 km/km2 0.273
x22铁路网密度 km/km2 0.332
x23高速公路密度 km/km2 0.395
具体来说，经济因素涵盖社会经济水平和个体支付能力两个方面。社会经济发展指标包括人均GDP和人均地方财政支出，二者共同表征地区的服务供给水平和公平维护能力。失能照护问题兼顾个人选择与家庭决策，应涵盖平均工资、家庭可支配收入、存款余额、储蓄额等体现需求者及其家庭支付能力的指标。人口结构代表了老年失能照护的人力资本与需求水平，由地区人口规模、城镇化水平、少儿抚养比等指标表征。其他社会条件方面，医疗资源的丰富度会造成老年人口的引流扎堆，推动失能照护机构向集聚化、规模化发展。完善的社会保障能够引导积极预期的形成，作为社会的“兜底政策”为居民提供心理层面的安全感[32]，同时高参保率意味着地区承担养老照料服务成本的能力更强，而社会服务发展则代表了对失能照护发展环境改善的支持。交通通达度高可以有效地降低个体的服务使用成本，具体以国道、铁路网、高速公路的密度表征。

4.2.2 因子探测

①单因子探测。本文以可表达和可获取为指标选取原则，利用地理探测器方法探究社会经济、支付能力、人口结构、医疗资源等7类影响因素对中国老年失能照护机构供需适配的影响程度，并利用OLS模型判断总体效用方向（表2）。根据模型1，从全国尺度看无论在何种健康分级下所有影响因素均对机构供需适配产生了显著的影响，其中社会经济（Eco）、支付能力（Pay）和人口结构（Pop）的解释力最强。其他影响因素中，随着失能分级的提高，各因素解释力的排序发生了变化，医疗资源（Med）和交通条件（Traf）的排名有所提升，而社会保障（Soc）和社会服务（Ser）的排名略有下降。
表2 地理探测器与OLS回归结果

Tab.2 Results of geographical detector model and OLS

变量 模型1（地理探测器） 模型2（OLS）
（1） （2） （3） （4） （5） （6） （7） （8）
Eco 0.486*** 0.854*** 0.836*** 0.697*** 1.514***（0.395） 5.818***（0.826） 5.497***（0.817） 3.741***（0.637）
Pay 0.297*** 0.487*** 0.495*** 0.516*** 2.048***（0.525） 3.037***（1.100） 3.368***（1.087） 2.328***（0.849）
Pop 0.315*** 0.591*** 0.588*** 0.572*** -0.702**（0.356） -2.975***（0.745） -3.125***（0.736） -2.396***（0.575）
Med 0.147*** 0.283*** 0.294*** 0.352*** -0.421（0.298） 0.935（0.623） 1.192*（0.616） 2.034***（0.481）
Soc 0.193*** 0.311*** 0.311*** 0.251*** -1.286***（0.377） -3.545***（0.789） -3.634***（0.780） -3.030***（0.609）
Ser 0.274*** 0.395*** 0.385*** 0.346*** 0.278（0.280） 1.670***（0.587） 1.560***（0.580） 1.319***（0.453）
Tra 0.242*** 0.416*** 0.415*** 0.370*** -0.399（0.386） -0.020（0.807） 0.140（0.798） 0.395（0.623）
R2 0.416 0.614 0.623 0.639
Adj.R2 0.397 0.602 0.611 0.627

注：*、**、***分别表示在10%、5%、1%水平上显著，括号内数值为标准误。

由此可见，经济与人口因素共同奠定了中国老年失能照护机构供需适配的空间格局基础。当前失能照护是一个高投入、微营利、低回报的领域，社会经济发展基础较好意味着政府财政实力相对雄厚，能够以公共资金带动地区老年照护的发展，尤其是在照护难度与复杂度更高的失能领域。同样，家庭收入和储蓄作为失能老人获得长期持续性照护的支付保证，成为市场扩展的内生推动力。相反，人口因素的影响则较为复杂。从人口的自然变动来看，老龄化社会中人口规模越大可能意味着其承受的失能照料压力愈沉重。失能照料作为劳动密集型产业，若劳动年龄人口被其他人口挤压，则会出现因人力资源紧张而造成的适配度降低。从人口的机械变动来看，中国当前主干家庭成员（主要是祖辈）的共同流动迁移趋势有所增强，老年人口的随迁也导致了地区服务压力的增大。
此外，医疗资源（Med）、社会服务（Ser）和交通条件（Traf）因素整体上呈正向影响，并且随着照护分级的提高影响程度逐渐增大。健康水平的下降会强化对医疗资源的依赖，但高质量医疗服务的获取具有明显的跨域流动特征，因此老年中、重度失能照护机构的供需适配对交通的依赖度较高。社会服务（Ser）q值排序下降的根源则在于老年人的服务获取能力不同。健康、轻度失能老人的活动性较强、享用社会服务的可能性较大，一旦活动能力丧失就会转向以医疗为主的服务资源。值得注意的是，社会保障（Soc）的影响为负与预期相反，这种结果的出现可能与社会养老对家庭养老的“挤出效应”相关，社会保障越好的地区通常也是社会化养老需求量大、照护负担沉重的地区，易出现机构供需的不平衡。
②交互探测。在单因子探测的基础上，本文将具有显著影响的因子纳入交互探测模型，并选取排名前5位的交互探测结果进行分析（表3）。探测结果表明，双因子交互作用的驱动力明显强于单因子作用，交互作用类型以双因子增强和非线性增强为主。总体来说，交通条件和支付能力（Traf∩Pay）、医疗资源（Traf∩Med），以及人口结构和社会保障（Pop∩Soc）交互作用时q值大幅提升，为非线性增强作用类型，解释力显著提高。社会经济（Eco）和社会保障（Soc）、社会服务（Ser），人口结构（Pop）和社会服务（Ser）、交通水平（Traf）等也具有较强的相关关系，交互类型为双因子增强。具体来看，人口结构（Pop）与社会服务（Ser）的交互作用在健康照护和轻、中度失能照护分级中影响最强，而重度失能分级中则为医疗资源（Med）与交通条件（Traf）的交互作用最强。此外，随着照护水平的提升，因子交互作用的排序也有所变化：一是支付能力（Pay）与其他因素的交互作用强度减弱，社会经济因素（Eco）的交互作用逐渐增强，这说明政府在高复杂性照护领域的重要性提升；二是医疗资源（Med）和交通条件（Traf）与其他因子的交互作用影响变强，这反映出医疗与交通对高等级失能照护机构的供需适配发挥着补偿与强化作用。
表3 影响因子的交互探测结果

Tab.3 Interactive detection results of impact factors

分级 交互指标 交互作用
健康照护 Pop∩Ser=0.574 双因子增强
Pay∩Traf=0.574 非线性增强
Pay∩Pop=0.557 双因子增强
Eco∩Ser=0.547 双因子增强
Eco∩Pay=0.538 双因子增强
轻度失能照护 Pop∩Ser=0.917 双因子增强
Pop∩Soc=0.911 非线性增强
Med∩Traf=0.90 非线性增强
Eco∩Soc=0.903 双因子增强
Pop∩Traf=0.897 双因子增强
中度失能照护 Pop∩Ser=0.901 双因子增强
Med∩Traf=0.899 非线性增强
Pop∩Soc=0.897 双因子增强
Eco∩Soc=0.891 双因子增强
Pop∩Traf=0.884 双因子增强
重度失能照护 Med∩Traf=0.768 非线性增强
Eco∩Med=0.755 双因子增强
Eco∩Traf=0.734 双因子增强
Eco∩Ser=0.730 双因子增强
Ser∩Traf=0.711 双因子增强

4.2.3 空间异质性分析

本文借助GWR模型进一步分析影响因子在省级层面上的作用差异，以期较为全面地揭示中国老年失能照护机构供需适配的空间分异机理（图5）。
图5 影响因素回归系数热力图

注：表中的“1”“2”“3”“4”分别代表“健康照护”“轻度失能照护”“中度失能照护”和“重度失能照护”4类照护等级。

Fig.5 Heat map of influencing factor regression coefficient

①社会经济（Eco）是影响中国老年失能照护机构供需适配的正向主导因素，影响力自西向东逐级升高，高值区主要集中在上海、浙江、江苏等东部沿海地区。随着照护分级的提高，经济发展对东北地区适配程度的影响明显增强，尤其在重度失能照护的分级中吉林、黑龙江等省份的回归系数高达0.931和0.911。此外，中国养老服务多元供给的生态环境尚未形成，资源的筹集和输送多依赖地方财政的持续投入，东部地区相较于中西部地区更能承受提高照护服务标准和扩大服务覆盖范围的成本增量。囿于资源丰度和对有限资源的理性支配，东北地区对失能分级照护遵循重点优先的发展路径，因此经济发展对重度失能照护的影响较大。
②支付能力（Pay）对失能照护机构供需适配的影响较为复杂。在健康照护分级中，高值区主要分布在湖北（1.343）、安徽（0.719）、江西（0.647）等中部地区。随着照护等级的提高，高值区逐渐向东南沿海地区和东北地区转移。对此可能的解释是，老年人失能程度越高给社会化照护机构带来的成本压力越大，而高额照护费用会挤压个人和家庭的财富。东部地区养老消费意愿高、家庭支付能力强，尤其是在照护服务市场发育相对成熟的前提下重度失能照护的购买意愿较强，而中西部地区受家庭支付能力限制此类服务使用的意愿相对较弱。
③人口结构（Pop）回归系数大致呈现由南向北逐渐增大的趋势，除黑龙江、吉林和辽宁三省呈正向影响外，其余大部分地区均为负向影响，尤其在上海、江苏、浙江、北京等地。这种现象的出现与区域人口发展的差异性紧密关联。东北地区长期面临人口自然增长缓慢和劳动力人口流失的困境，形成了老年人口的残留集聚，因此出生率、城镇化水平、人口流入等人口结构因素对东北地区产生的影响较大。相反，东部发达地区人口迁移模式由单人流动、夫妻共同流动逐渐向家庭化、族群化流动转型[33]，人口流动的转型给东部地区带来了非户籍老年常住人口的照料压力。
④医疗资源（Med）在不同的失能分级中发挥的影响力存在明显差异。具体来看，在健康分级下，除东北地区和四川、云南等少数西部地区的回归系数为正之外，其余大部分地区为负，但是随着失能照护分级的提高医疗资源的正向影响逐渐体现。这种结果的出现与失能照料的“年龄—需求”结构有关，低龄活力老人的医疗需求相对较低，为获得良好的自然生态环境，其养老服务地的选择通常更倾向于相对远离城市中心的地带，但对于四川、云南这些传统康养胜地而言，现代医疗资源反而能为照护机构的集聚产生增益。但是，随着老年人口失能程度的加深，对医疗条件的依赖性明显增强，东部地区作为中国高水平医疗区在发展中、重度失能照护中的优势明显。
⑤社会保障（Soc）对老年失能照护机构供需适配的影响力存在区域差异。该指标对东北、京津冀及中西部大部分地区的影响较大且系数符号为正，但对长三角、珠三角和安徽、江西等少数中部地区存在弱负向影响。老年失能照护作为社会保障的延伸内容，高度依赖于社会资源与其所依托的基本社会保障项目，尤其是东北、中西部等社会保障发展较为落后、基金筹集与给付压力较大的地区。相反，该指标在长三角、珠三角呈现负向影响可能与其社保筹集与给付的结构有关：一方面，这些地区虽然社会保障资金筹集压力较轻，但由于基金给付规模较大、待遇较高，存在的资源配置压力较大的问题；另一方面，社会保障的转移支付存在“挤出效应”，这也可能抵消了家庭养老的代际支持[34]，使得老年失能照护更依赖于社会资源的供给。
⑥社会服务（Ser）的正向影响大致呈现自西南向东北逐渐增强的趋势，高值区主要出现在东北、京津冀等地，低值区则以云南、四川、贵州等西南地区为主。近年来中央财政加大了对东北地区民生保障领域的转移支付，尤其是针对资源枯竭型城市建立了常态化的转移支付制度，这使得社会服务成为东北地区老年失能照护的发展推动力。京津冀地区则得益于高度区域一体化水平带来的社会服务共享，推动了区域老年失能照护的均衡协调发展。相反，西南地区各项社会服务功能较弱，对老年失能照护发展的促进作用并不明显。
⑦交通条件（Traf）对老年失能照护机构供需适配的影响区域分异明显。西部地区以正向影响为主且随着照护分级的提升影响力有所加强，而东北和大部分东部地区则为负向影响。其原因在于失能照护服务领域盈利能力较弱，当地政府根据服务供给量提供建设和运营补贴的情况普遍存在[35]。东部地区交通通达性较好，受土地价格及运营成本过高的限制，老年失能照护机构会倾向于选址土地租金低廉的地方，为疏解城市功能政府也倾向于将服务资源配置向郊区倾斜。相反，四川、重庆、贵州等西部山区受地形条件约束较大，出行的交通和时间成本较高、对于优质公共资源获取的交通依赖性强，因此交通条件在重度失能分级下的影响力更强。

5 结论与讨论

中国老年人口基数大、增速快的发展趋势给未来失能照护领域带来了严峻的挑战。本文结合多学科研究方法，分析了老年失能照护机构的发展差异及供需适配格局的形成机制。得到主要结论如下：
①中国老年失能照护机构的空间分布显示，机构分布与“胡焕庸线”具有较强的一致性，高值区主要分布于北京、上海、广州及其周边地区，中西部地区的发展则较为滞后。在不同的分级标准下，北上广三大高值区的核心地位始终稳固，且随着照护分级的提升高值区向大城市集聚的趋势愈发显化。
②城市类型差异方面，不同区位、等级和规模尺度下城市老年失能照护机构密度发展差异明显。从城市区位来看，各级失能照护机构基本呈现“东密西疏”的分布格局；从城市等级来看，随着城市行政等级的提高各级照护机构密度均有所提升，大致维持着倒“U”型发展；从城市规模来看，城市规模的扩大使得各级照护机构的密度逐级上升，中小城市发展表现整体较差，尤其是在重度失能照护领域。此外，三大城市群发展状况基本相当，差距主要表现为长三角城市群在健康照护领域中的发展相较领先。
③中国老年失能照护机构供需适配度的空间分化迹象明显。健康照护机构的供需适配水平大体呈现“东部繁荣、西部发展、中部塌陷”的趋势；轻度失能照护与中度失能照护机构供需适配的相似性较大，均表现为东北地区基本维持，东部地区适配性下降，而中西部地区有所抬升；重度失能照护方面则表现为东北地区的适配程度下降，东部地区和部分西部城市的适配水平有所抬升。
④社会经济、支付能力和人口结构共同构成了中国老年失能照护机构供需适配程度区域差异的关键性因素。其中，人口结构与社会服务在低水平照护分级中的交互作用最强，而重度失能的分级中则为医疗资源与交通条件。社会经济发展塑造了东部地区老年失能照护机构供需的空间适配格局；支付能力对供需适配的影响显著但存在分级差异，轻度失能照护分级下其对中部地区的影响较大，但随着照护难度的增加，高值区逐渐向东部地区转移；人口结构的作用较为复杂，在东北地区呈现正向影响，其余大部分地区均为负向影响。
老年失能状态的刚性较强，其状态的高概率维持和恶化是照护服务建设挑战严峻的原因所在，失能照护的服务成本和负担压力使得老年失能照护应向全程化、差别化方向发展。中国老年失能照护服务体系建设正处于初级阶段，无差别的资源增补会强化区域间非均衡状态的发展，因此只有充分考虑不同地区老年人口特征，基于失能规模和结构提供差异化的资源增补才能弥合区域发展差异，实现社会公平。此外，囿于照护床位数据，本文从照护机构数量这一现有代表性较强、数据精确度较高的统计指标入手，这可能对研究结果的信息细节程度造成一定影响。因此，鉴于老年人口的健康状态具有动态转移的特点，且照护机构常以提供持续不间断的服务为目标，具体实践中如何根据社会需求灵活调配各级照护床位资源，提高资源供给的科学化管理和微观响应能力，是未来值得关注的话题。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
总报告起草组, 李志宏. 国家应对人口老龄化战略研究总报告[J]. 老龄科学研究, 2015, 3(3):4-38.

[2]
Pauly M V. The rational nonpurchase of long-term-care insurance[J]. Journal of Political Economy, 1990, 98(1):153-168.

[3]
Shah T I, Milosavljevic S, Bath B. Determining geographic accessibility of family physician and nurse practitioner services in relation to the distribution of seniors within two Canadian Prairie Provinces[J]. Social Science & Medicine, 2017,194:96.

[4]
丁秋贤, 朱丽霞, 罗静. 武汉市养老设施空间可达性分析[J]. 人文地理, 2016, 31(2):36-42.

[5]
王兰, 周楷宸, 汪子涵. 健康公平理念下社区养老设施的空间分布研究:以上海市中心城区为例[J]. 人文地理, 2021, 36(1):48-55.

[6]
高向东, 何骏. 上海市养老机构空间可达性研究[J]. 中国人口科学, 2018(2):116-125,128.

[7]
Joseph A E, Chalmers A I L. Restructuring long-term care and the geography of ageing:A view from rural New Zealand[J]. Social Science & Medicine, 1996, 42(6):887-896.

[8]
Stubbs J G, Barnett J R. The geographically uneven development of privatization:Towards a theoretical approach[J]. Environment & Planning A, 1992, 24(8):1117-1135.

[9]
刘昊, 李强, 薛兴利. 城乡居民长期照护服务质量评价研究[J]. 江西财经大学学报, 2021(6):61-74.

[10]
Williams A M. Restructuring home care in the 1990s:Geographical differentiation in Ontario,Canada[J]. Health & Place, 2006, 12(2):222-238.

[11]
Niefeld M R. Access to ambulatory medical and long-term care services among elderly medicare and medicaid beneficiaries:Organizational,financial,and geographic barriers[J]. Medical Care Research & Review Formerly Medical Care Review, 2005, 62(3):300-319.

[12]
Ryvicker M, Gallo W T, Fahs M C. Environmental factors associated with primary care access among urban older adults[J]. Social Science & Medicine, 2012, 75(5):914-921.

[13]
罗艳, 丁建定. 福利社会化背景下的机构养老利用差异[J]. 中国人口科学, 2020(5):79-90,127-128.

[14]
孙鹃娟, 沈定. 中国老年人口的养老意愿及其城乡差异:基于中国老年社会追踪调查数据的分析[J]. 人口与经济, 2017(2):11-20.

[15]
毕向阳, 李沫. 在公平与效率之间:对北京市养老资源的空间分析[J]. 社会, 2020, 40(3):117-147.

[16]
Chong K C, Hong F, Yam C, et al. Long-term effectiveness of elderly health care voucher scheme strategies:A system dynamics simulation analysis[J]. BMC Public Health, 2021, 21(1):1-12.

[17]
Dear M. Planning for mental health care:A reconsideration of public facility location theory[J]. International Regional Science Review, 1978, 3(2):93-111.

[18]
冯周卓, 孙颖. 论城市空间公平及其基本维度[J]. 湖南大学学报:社会科学版, 2018, 32(2):155-160.

[19]
曾毅, 陈华帅, 王正联. 21世纪上半叶老年家庭照料需求成本变动趋势分析[J]. 经济研究, 2012, 47(10):134-149.

[20]
张园, 王伟. 失能老年人口规模及其照护时间需求预测[J]. 人口研究, 2021, 45(6):110-125.

[21]
黄枫, 吴纯杰. 中国老年人长期护理发生规律和保障制度模拟研究[J]. 数理统计与管理, 2018(4):587-602.

[22]
崔晓东. 中国老年人口长期护理需求预测:基于多状态分段常数Markov分析[J]. 中国人口科学, 2017(6):82-93,128.

[23]
胡宏伟, 李延宇. 中国农村失能老年人照护需求与成本压力研究[J]. 中国人口科学, 2021(3):98-111.

[24]
曾通刚, 赵媛. 中国老龄事业发展水平时空演化及其与经济发展水平的空间匹配[J]. 地理研究, 2019, 38(6):1497-1511.

DOI

[25]
刘彦随, 杨忍. 中国县域城镇化的空间特征与形成机理[J]. 地理学报, 2012, 67(8):1011-1020.

DOI

[26]
张荣天, 张小林, 陆建飞, 等. 我国乡村转型发展时空分异格局与影响机制分析[J]. 人文地理, 2021, 36(3):138-147.

[27]
李俏, 陈健. 农村自我养老的研究进路与类型诠释:一个文献综述[J]. 华中农业大学学报:社会科学版, 2017(1):98-104,144.

[28]
刘欣, 顾源. 收敛还是发散:社会经济地位影响老年人口健康的年龄:世代轨迹[J]. 社会科学, 2023(3):148-159.

[29]
丁丽曼, 傅利平, 谢宇. 医养结合运行的影响因素及其机制:基于多案例的比较分析[J]. 中国行政管理, 2022(2):83-93.

[30]
Liu J, Guo M, Bern-Klug M. Economic stress among adult-child caregivers of the oldest old in China:The importance of contextual factors[J]. Journal of Cross-Cultural Gerontology, 2013, 28(4):465-479.

[31]
Paez A, Scott D M, Morency C. Measuring accessibility:Positive and normative implementations of various accessibility indicators[J]. Journal of Transport Geography, 2012,25:141-153.

[32]
范方志, 王晓彦. 中国农村基本公共服务供给效率的评价研究[J]. 宁夏社会科学, 2020(5):83-91.

[33]
雷霆, 郭娟, 向川. 中国人口老龄化风险分布的梯次结构及其动态演进[J]. 人口与经济, 2023(1):87-105.

[34]
张川川, 陈斌开. “社会养老”能否替代“家庭养老”?来自中国新型农村社会养老保险的证据[J]. 经济研究, 2014, 49(11):102-115.

[35]
冯华, 邱雨如, 黄宇, 等. 养老服务补贴研究:补需方比补供方更好吗?[J]. 中国管理科学, 2023, 31(9):266-277.

Options
文章导航

/

〈 〉