1 引言

自21世纪以来，随着生育率的下降以及平均寿命的延长，全球人口老龄化现象由欧洲国家向亚洲和美洲地区扩散，目前成为世界性的趋势。根据联合国老龄化社会的划分标准，当一个国家或地区65岁以上人口占人口总数的7%，即意味着该地区进入老龄化社会^[1]。随着经济社会的发展以及计划生育政策的实施，我国老龄化也进入快速发展时期。根据2021年度国家老龄事业发展公报，截止2021年，65周岁及以上人口19064万人，占总人口13.50 %^[2]。庞大的老年人口基数，意味着不但需要配置相应的养老服务设施，还要加强养老服务体系的建设，保障健康养老的服务质量。《“十四五”国家老龄事业发展和养老服务体系规划》中提出适应我国各地区经济发展水平和老龄化趋势，提高养老机构的覆盖率，通过丰富社区养老服务、医养结合等措施提升养老服务质量；党的二十大要求推进健康中国建设，在健全养老体系和框架养老设施的同时，促进医疗设施资源均衡配置，推动养老高质量、协调发展。因此，结合地区的医疗资源，合理配置养老设施，保障养老服务，是构建高质量养老服务体系的基础。

养老设施的建设作为积极应对人口老龄化的举措，能够准确反映地区在健全养老服务体系的进展程度^[3]。以往研究中从不同视角分析了养老设施的情况，通过对养老设施的空间分布格局、可达性、均等性的分析，研究其与老年人口的供需匹配程度^{[4, 5]}；通过对养老设施周边环境质量和设施多样性分析，研究其宜居性^{[6, 7]}；通过对老年人的出行行为的综合分析，研究养老设施对老年人的养老模式的效应^[8]。学术界在养老设施的空间差异及其影响因素分析研究中取得了丰硕的成果，但以下内容仍有探索空间：一是养老设施的空间布局研究主要关注城市内部的集聚特征^[9]。由于人口老龄化的程度和地区社会经济的差异，养老资源的差异也愈发明显^[10-12]。城市政府的财政支出能力和经济发展水平是影响养老设施的发展的关键因素^{[13, 14]}。因此，探索养老设施匹配需要考虑城市的属性和经济发展的异质性。二是养老设施的供需匹配评价大多数基于单因素的测度^{[15, 16]}。养老设施数量^[17]、床位数^[18]、居家养老日托容量^[19]被用于衡量养老设施发展水平的关键因素。但老年人的日常生活对医疗、娱乐、购物等公共服务设施有着较强的依赖^[20-22]，基于“适老化”元素的复合因素评价有助于更加精准识别养老资源空间错配问题^{[23, 24]}。三是传统的养老设施影响因素研究大多数关注人口、经济、政策的影响^{[14, 25]}，鲜有结合健康元素开展分析。近年来，随着医养结合的推进，医疗—养老设施的合作网络日益加深^[26]。从健康角度探讨养老设施空间分布的影响因素对积极应对人口老龄化有着重要的意义。

基于文献梳理发现，养老设施的空间布局与地区经济、社会、人口特征息息相关，传统的单一指标评估养老设施的匹配特征已无法满足养老服务高质量发展的需要，养老设施的空间匹配不仅需要考虑设施数量，还要结合服务质量，以及医疗、娱乐等多元服务功能。本文以江苏省为研究区域，选择其95个区县作为研究对象，在养老设施的数量、设施床位数、设施多样性的基础上，考虑了就医便利养老设施数量作为健康因素，基于4个因素构建养老设施发展水平指数，运用泰尔系数和基尼系数分析基于健康的养老设施发展水平的空间分异，并运用空间回归模型探究健康因素对其空间分布特征的影响，为养老设施的健康高质量发展提供科学依据。

2 研究区域

江苏省位于中国大陆长江三角洲地区，总面积10.72万km²。截止2021年3月，共有13个地级市，95个县(市、区)，720个乡镇。改革开放后，由于资源禀赋、区位因素、地区发展策略的不同，全省经济在发展的同时也呈现出明显南北差异，形成苏南、苏中、苏北的格局。江苏地势平坦、湖泊众多，气候适宜居住，是老年人口大省，截止2021年，全省60岁及以上老年人口为1883.68万人，占常住人口的22.15%，比全国老年人口比例高3.25%；65岁及以上常住老年人口1449.6万人，占比17.04%，比全国高2.84%。全省老龄化呈现区域差异，苏中、苏北地区的老龄化程度要普遍高于苏南地区^[27]。

响应国家积极应对人口老龄化战略，江苏省出台了《江苏省“十四五”养老服务发展规划》《江苏省“十四五”健康老龄化规划》《江苏省无障碍环境建设实施办法》等一系列养老服务支持政策，从养老服务、健康支撑、社会保障等方面构建养老服务制度体系，促进养老机构高质量发展，保障老年人的养老服务需求。

3 研究方法 3.1 研究数据

研究选择江苏省95个区县作为研究对象，主要研究数据包括：①人口数据。第六次人口普查数据中获得江苏省各区县60岁以上人口数及总人口数；②养老设施数据。江苏省养老设施地址、床位数、医养结合养老设施地址、临近医院养老设施地址数据，通过养老网爬取，共获得2120个养老设施，88个医养结合养老设施、136个临近医院养老设施。养老设施地址通过高德API获取经纬度信息，转换为空间矢量数据；③经济数据。通过2020年《江苏省统计年鉴》获得各区县地区生产总值和第三产业地区生产总值数据；④环境数据。通过2022年OpenStreetMap数据库获得江苏省绿地面积数据、水域面积数据；⑤交通数据。通过2022年OpenStreetMap数据库获得江苏公路空间数据。

本研究关注的养老服务设施涵盖公立和民办的机构养老设施和社区养老设施，为60岁及以上老年人提供饮食起居、健康护理、文体活动等综合服务性机构，包括敬老院、养老院、老年公寓/养老公寓、护理院、认知症照护机构、社区小微机构、养老社区等。

3.2 研究方法

厘清养老设施与老年人口匹配程度、差异性、驱动机制，对于各地区适老化建设及积极应对人口老龄化具有重要意义。研究基于复合因素养老指标，评估各区县的养老设施发展水平，并从供需匹配角度分析了养老设施发展水平与老年人口数量的空间分异特征及影响因素。

(1) 养老设施发展水平测度

本文选择养老院数量、床位数、就医便利养老院数量、多样性四项指标代表养老设施的数量、容量、质量、多样性，综合测度各区县养老设施的综合水平。其中，养老院数量和床位数是很多研究用于衡量养老资源的地理位置和容量，因此本研究选择这两种因素作为区县养老资源的空间因素和容量因素。医疗资源的可获得性是影响老年人健康养老的重要因素，很多研究开展老年人医疗设施的可达性分析^{[4, 28, 29]}，此外，医养结合养老设施的建设能够促进公共服务设施的高效利用，形成复合化的养老资源^{[30, 31]}。《“十四五”国家老龄事业发展和养老服务体系规划》中也将医养结合作为推动养老事业高质量健康发展的重要举措。医养结合和临近医院的养老院的总数作为区县养老设施质量因素。养老设施包括养老院、养老照料中心、养老社区(CCRC)、日间照料中心等，运用Shannon熵函数计算各区县的养老设施的混合程度，混合程度越高则多样性越好。最后，运用主成分分析法确定各指标的系数，综合后计算养老设施发展水平。

(2) 空间分异特征测度

本研究采用基尼系数和洛伦兹曲线从整体上测度养老设施发展水平的空间差异性^[5]。通过曲线拟合法选择适当曲线拟合洛伦兹曲线，并运用积分的方法计算面积，测度基尼系数^[32]。该系数的取值范围在0—1。当系数接近于0时，代表空间差异性越小；而数值越接近于1，则表示空间差异性越大。其计算公式为：

(1)

式中，G为基尼系数，n为区县总数，R_i为从第1组到第i组区县老年人累积比例，S_i为从第1组到第i组区县养老设发展水平施累积值。

双变量局部空间自相关分析用于探索区县养老设施发展水平和老年人口的空间关联特征，并根据空间关联性结果分为H-H (High-High)、L-L (Low-Low)、H-L (HighLow) 和L-H (Low-High) 4种集聚类型。局部Moran指数用来测度空间关联程度，其计算公式为：

(2)

式中，I_i为Moran系数，Y_i为区县内的属性值，为属性平均值，S²为样本方差，w_ij为空间权重。

(3) 空间回归模型

传统的回归模型在分析空间数据时，往往会忽略掉其空间依赖性，从而使得分析结果产生误差。而空间回归模型的引入则考虑了空间数据的空间效应^{[33, 34]}。通过将各区县的养老设施发展水平指数进行全局Moran's I检验，得到莫兰指数为0.4388 (p < 0.01)，证明养老设施发展水平指数存在明显的空间相关性。因此，本研究采用两种典型空间回归模型进行分析：空间滞后模型(spatial lag model，SLM) 和空间误差模型(spatial error model，SEM)。其中，SLM通过引入空间滞后变量，检验空间单元i的观测值受相邻单元的观测值的影响情况，其计算公式为：

(3)

式中，Y_i为区县i的养老发展水平指数；ρ为空间回归相关系数；W_Yi为空间滞后变量；β₀为常数；β₁—β₈为各变量系数；GDP为地区生产总值(百亿元)，terindust为第三产业生产总值(百亿元)，expense为一般公共预算支出(百亿元)，older为老年人数量(人)，road为对外公路长度(km)，bed为卫生机构床位数(张)，green为绿地公园面积(km²)，water为水域面积(km²)；ε为随机误差。

SEM通过引入空间误差变量，检验误差项对空间的依赖作用，其计算公式为：

(4)

式中，Y_i为区县i的养老发展水平指数，ρ为空间回归相关系数，W_μ为空间误差变量。

为了检验两种模型的适用性，本文采用比较模型拟合程度(R-squared)、对数似然函数(log-likelihood)、赤池信息量准则(Akaike information criterion，AIC)、稳健的拉格朗日乘数滞后检验(robust Lagrange multiplier，Robust L M)、施瓦兹准则SC (Schwarz criterion) 四项参数来选择合适模型^[33]。模型的R-squared值较大、log-likelihood值较大、AIC较小，Schwarz Criterion值较小，Robust L M较大，则该模型较合适^[36]。

4 养老设施发展水平空间差异分析 4.1 养老设施发展水平空间特征

结合ArcGIS将县域养老院数量、床位数、就医便利养老院数量、多样性进行空间可视化，通过自然间断点分级法(Jenks) 将各指标从低到高分为5个等级，并进行可视化展示。结果显示，江苏省内县域空间的养老设施的空间特征总体呈现苏南的区县要优于苏中、苏北区县(图 1)。具体来说，①养老设施数量高值区分布于苏南、苏中经济较发达，且老年人口较多的区县，呈明显的集中块状分布态势。此外，苏北的宿迁市沐阳县、徐州市泉山区等环境较好区县的养老设施数也优于周边区县。低值区集中分布于苏北沿海区县和各城市的郊区县。②床位数高值区形成多个集中区，主要集中在南京、苏州、徐州三市及其周边的区县。低值区与养老设施的规律相似，主要分布于沿海区县以及各城市的郊区县。③就医便利养老院高值区主要集中在以苏州市和南京市作为江苏省GDP排名前两名的城市，且就医便利养老院数量最多的区县为苏州的吴中区和姑苏区，而较高值区则分布于医疗水平位居全省前列的城市，如南通市的港闸区和崇川区、镇江的丹阳市、徐州的新沂市和鼓楼区。其他地区的数值均位于低值区。④全省各区县的养老设施多样性差异性并不大，高值区呈现零星分散的分布特征。低值区集中于连云港—淮安—盐城交界的区县，以及无锡的江阴市、惠山区、新吴区。这些地区的养老设施主要以敬老院、福利院为主，服务种类相对单一。

通过将养老院数量、床位数、就医便利养老院数量、多样性四项指标进行标准化处理，再运用PCA模型进行系数分析，并通过自然间断点分级法将其从低到高分为5个等级进行可视化展示(图 2)。经过计算，养老设施的数量、设施床位数、就医便利养老设施数、设施多样性的系数分别为0.299、0.372、0.337、0.238。养老设施的床位数的系数相对最高，这与床位数是评价养老设施标准的关键因素相契合^[18]。高值区集中在苏南区县，呈现块状集中分布，在南京市高值孤岛区，中心城区属于高值分布，而与安徽相连的区域指数较低。苏南经济高值区的可达值分布整体以苏州为核心，以圈层状向周围逐渐降低，高可达区包括苏州市及其下属的太仓市，当地充分利用毗邻上海的区位优势搭建起交通支撑体系，从而得以承接上海的设施外溢效益。依托苏州等地良好的交通运输条件，无锡市、常州市的经济也受到上海的一定辐射，然而其交通基础设施建设不足，这也限制了上海经济进一步向外辐射的范围；苏中的高值区与低值区交错分布，没有明显的集中区；苏北的高值区集中在徐州西部的区县和新沂市，苏北养老设施发展水平低值区形成两条“西北—东南”向的轴带区，包括盐城市北部及淮安市的部分区县，以及在连云港市北部与山东省接壤处的区县。高值区主要集中在省会或者地级市政府所在的区县，或经济较发达的区县，并对周边区县有一定的传导作用。

4.2 空间差异性及不匹配特征分析

江苏省区县的养老设施发展水平的基尼系数为0.429。根据联合国开发计划署等组织的基尼系数区段划分标准，该系数位于0.4—0.59区间，则表示差距较大。江苏省各区县的养老设施发展水平差距较大，空间布局不均衡。通过洛伦兹曲线分析(图 3)，全省60% 的老年人的累积养老设施发展水平指数仅为29.62%，医养结合的养老设施未能惠及大部分老年人，养老设施存在空间不均衡。

为了研究养老设施发展水平与老年人口不匹配区县的空间位置，本文运用二元局部莫兰指数对江苏省各区县养老发展水平与老年人进行空间局部自相关分析，得到四类存在异质性的区县，结果如图 4所示。“高—高集聚区”表示养老设施发展水平指数与老年人口数量均高于周围地区；“低—低集聚区”表示养老设施发展水平指数与老年人口数量均低于周围地区；“高—低异常区”表示老年人口数量少，养老设施发展水平指数较高，该地区的养老设施规划超前；“低—高异常区”则表示老年人口数量多，但养老设施发展水平指数却较低，该地区的养老设施需要重点优化，也是本研究关注的重点。研究结果发现，“高—低异常区”和“低—低集聚区”呈现在地级市内集聚，而“高—高集聚区”和“低—高异常区”则呈现跨市集聚的特点。其中，“高—低异常区”聚集在省会政府所在及附近区县，“低—低集聚区”则聚集在镇江市内和连云港的赣榆区。而“高—高集聚区”包括苏州、南通、泰州三市交界的部分城市，“低—高异常区”的8个区县则主要集中于苏中的泰州市和南通市，以及苏北的盐城市交界的区县。这8个区县的老龄化程度较高，平均老年人口比例为24.02%，高于全省平均水平。在医疗方面，平均卫生机构床位数为4456.75，低于全省其他区县的平均值4843.02。

5 养老设施发展水平的影响因素分析 5.1 影响因素选择及模型比较分析

参考以往研究基础^{[14, 15, 37-40]}，综合考虑养老设施发展水平的影响因素，本文选择了包括地区生产总值(百亿元) (GDP)、第三产业生产总值(百亿元)(terindust)、一般公共预算支出(百亿元)(expense)；老年人数量(人) (older)、对外公路长度(km)(road) 5个因素作为控制变量，选择卫生机构床位数(张)(bed)、绿地公园面积(km²)(green)、水域面积(km²)(water) 3个健康因素作为解释变量，研究健康因素对养老设施发展水平的影响。为了方便分析，将其中的一些指标取对数进行计算。变量通过方差膨胀系数(variance inflation factor，VIF) 的共线性检验，VIF平均值为6.05，小于10，证明变量间共线性不强。

将8个变量导入空间滞后模型和空间误差模型，模型比较结果如表 1所示。空间滞后的空间滞后变量和空间误差模型的空间误差变量都通过5%的显著性检验，然而，空间滞后模型的五个统计参数都优于空间误差模型的参数，即R-squared (lag)(0.592) > R-squared (error)(0.558)；Log likelihood (lag)(-93.840) > Log likelihood (error) (-97.173)；AIC(lag)(207.681) < AIC (error)(212.345)；Robust LM (lag)(11.142) > Robust LM (error)(4.511)；Schwarz Criterion (lag) (233.324) < Schwarz Criterion (error)(235.424)。因此，本文选择空间滞后模型进行影响因素分析。

5.2 影响因素分析

表 2中的8个变量都通过了10%的显著性检验，它们对养老设施发展水平都产生一定的影响。空间滞后变量rho系数为0.339，证明养老设施发展水平在区县间有显著的正向空间滞后效应，各区县间的养老设施发展水平有空间集聚效应，各区县对于周边区县的养老设施发展水平有辐射作用。

在控制变量中，区县GDP对养老设施发展水平产生负向影响，而第三产业GDP则产生正向影响，这与以往研究城市经济与养老院数量成正相关有所不同。研究发现，江苏省的新区的GDP高，但老年人数量少，如无锡的新吴区。因此，养老设施的数量、容量、质量、多样性都低于老龄化严重但经济较落后的区县，这也造成了GDP与养老设施发展水平呈负相关的结果。此外，人口老龄化与第三产业有强关联性，且能带动第三产业产值的增加^[41]。第三产业GDP也决定了一个区县的服务业发达情况，而服务业也是影响养老设施建设的重要指标。一般公共预算支出与养老设施发展水平呈正相关。政府的财政支持能够有效地促进当地的养老体系的建设，推动养老设施发展水平^[42]。老年人数量是正向影响，养老服务供需平衡是应对人口老龄化的重要举措，养老设施系统的建设需要满足老年人的需求^[36]。养老设施的建设大多是服务于当地老人，设施建设并不依赖对外公路。其次，对外公路的建设有可能带来环境污染、噪音、交通安全等问题，影响养老质量。

3个健康解释变量都正向显著，证明健康要素对养老设施发展水平有显著的促进作用。其中，卫生机构床位数代表了一个地区的医疗条件与服务能力，“医养结合”的新背景促进了医疗卫生机构与养老设施更多元化的合作，如将医疗机构直接转变为老年康复医院、老年护理院等卫生服务机构，还有在医疗机构中设置养老病床或养老机构^[29]。因此，卫生机构床位能够为健康养老提供医疗基础，其数的增加能够促进养老设施发展水平的提高。此外，绿地公园面积和水域面积都对养老服务发展水平产生正向影响，说明养老设施周边环境是提升养老服务发展水平的重要要素。其次，绿地公园面积比水域面积的系数大，公园绿地是老年人经常活动的场所，因此，养老设施的品质提升需要考虑改善休闲设施条件。通过系数比较，研究发现卫生机构床位数的系数要明显大于绿地和水域面积，说明在健康要素中，医疗资源比自然环境资源对于养老设施发展水平更具有提升作用。因此，养老设施规划需要合理利用本地区的医疗资源，促进养老设施高质量发展。

6 结论与讨论 6.1 结论

本文基于健康视角构建了养老设施发展水平指标，研究了江苏省95个区县的养老空间不匹配特征，并基于空间滞后模型分析，探究了健康要素对养老设施发展水平的影响，得出以下结论：

(1) 高行政级别和经济发达区县因其完善的医疗设施体系，其养老设施发展水平具有一定优势。相比较于其他的区县，省会或地级市政府驻地的区县受到的区域的养老政策或经济补助将会更多，因此，省会或地级市政府驻地所在的区县的医疗基础较强，养老设施资源“马太效应”优势较大，如南京、徐州、苏州的区县。此外，经济发达地区的丰富的医疗资源，对周边养老发展有一定的辐射作用，苏南区县养老设施发展水平高值区呈现块状集中分布；而苏中的区县则高值区与低值区交错分布，没有明显的集中区；苏北养老设施发展水平低值区形成两条“西北-东南”向的轴带区。

(2) 区县的养老设施发展水平与老龄化程度存在空间不匹配，失配地区呈现组团集聚的特点。各区县的养老设施发展水平与老年人数量的空间不匹配主要表现为资源超前配置和高需低配的现象，苏南部分地区的养老发展水平呈现资源超前配置，有利于进一步提高养老服务水平，但医养结合的养老设施未能惠及大部分老年人。养老设施高需低配失衡的区县主要集中于苏中及苏北地区，呈现明显的组团集聚现象。该地区的区县经济增长条件、地理位置、空间结构特征类似，受俱乐部趋同效应影响，其养老服务发展水平和老年人口规模的匹配程度也趋同。

(3) 健康因素对养老设施发展水平具有显著的促进作用。养老设施的公共性、福利性、非营利性特征决定了其受地区经济财政和老年人口规模影响较大，政府的公共选择和养老供需的程度影响其空间布局。养老不仅是一个经济社会问题，同时也是一个健康问题。根据需求层次理论和生命历程理论，老年人在个体老化的同时，其健康需求也逐渐增加。受公共服务设施人本主义的影响，养老设施的空间布局更加强调与老年人的健康需求相结合。健康要素对养老设施发展水平均产生正向效应，其中，卫生机构床位数比绿地和水域对养老设施发展水平指数的影响更大，医疗资源比自然环境资源对于养老设施发展水平更具有提升作用，完善的医养护救助体系能够促进养老设施发展水平的提高。

6.2 讨论

养老是重要的民生工程，面对养老供需不匹配、区域养老资源不均衡等问题，探讨地区养老设施发展水平及其影响因素对积极应对人口老龄化有着重要的意义。同时，区县尺度的养老服务配置的研究，有助于落实区域协调政策，实现养老精细化治理。

养老设施的建设不仅需要重量还需要重质，根据老年人不同的养老模式，满足他们日常需求。就近养老和跨区域养老是两种主要的养老模式，选择前者的老年人为了留在自己熟悉的社区环境和维持现有的社会网络，而选择后者的老年人则更加倾向迁移地的养老服务品质和生活环境。对于就近养老模式，需要提供满足老年人日常养老需求、社区服务支持和社区支持网络建设等方面的保障；对于跨区域养老模式，需要面对地区间养老设施发展水平的差异问题，加强养老服务资源合作与流动，打破区域的限制，促进各地区养老资源的资源互补与协同发展，在信息和咨询服务、跨区域医疗保障、费用减免和补贴等政策激励等方面的提供保障。

此外，边缘地区的养老设施匹配需要进一步研究和探索。在快速城镇化的推动下，城市交通网络和公共交通系统从中心城区向郊区延伸，边缘地区凭借与中心城区的紧密交通联系、较低生活成本等优势，吸引了越来越多老年人来养老。例如，上海的老年人在中心城区养老设施“一床难求”的背景下，开始转变对养老机构的观点，选择搬进上海边缘地区(如安亭、嘉定等) 的养老社区。但边缘地区的养老设施匹配矛盾突出，一方面，边缘地区养老设施的入住率低，出现明显的供大于求的问题，另一方面，养老设施的护理医疗等配套服务有待提升。因此，需要结合地区经济基础、养老需求、居住偏好和购买力等因素，评估现有养老空间布局结构，合理规划养老设施的数量、类型和位置。在运营方面，提高养老服务质量与多样性、加强宣传与推广以及综合政策支持，促进老年人口和资源向边缘地区移动，探索区域养老设施的可持续发展路径。