|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 黄河流域县域碳排放的时空格局演变及空间效应机制显示文摘利用空间面板模型、空间自相关分析和以区域背景与最近邻状况为空间滞后的空间马尔科夫链对2000—2017年黄河流域县域碳排放时空格局与空间效应进行分析,结果表明:①2000年以来黄河流域碳排放量激增,由山东全域和陕甘宁蒙交界的高值区向外圈层与轴向扩张,形成东高西低碳排放格局;②存在“俱乐部趋同”现象,高碳排放县集聚于山东全域和陕甘宁蒙交界,低碳排放县集聚于西南部;2000年与2017年对比发现县域碳排放类型稳定性强,较高碳排放变为较低碳排放的县集中在东南部区域,而相反方向转变的县集中在内蒙古;③高碳溢出效应与低碳锁定效应是塑造时空格局的重要作用力,前者作用力更强;区域背景增强了“俱乐部趋同”与被包围异常值趋同,作用力强于最近邻状况,不显著区域内碳排放类型转变概率提高。④空间面板模型结果显示年轻人口结构、大经济规模、二产为主产业结构、高生活水平和高公共支出促进了碳排放量增加与空间效应作用,其中经济规模与产业结构是重要驱动因素。 | 莫惠斌 王少剑 | 2021 | 地理科学2021，41，8： | 53 |
| 2 | 1990-2010年福建省县域人口老龄化时空演变特征及其驱动机制显示文摘将探索性空间数据分析方法应用于人口老龄化区域差异研究,以福建省为例,分析1990-2010年间县域人口老龄化时空演变特征,并探讨导致格局演变的驱动机制。结果表明:①人口老龄化的总体空间格局存在较强的空间正相关性,但空间集聚有所减弱。②热点区(高度热点区)由沿海向内陆演进,属跃迁式突变;边缘区发展方向刚好相反,属收缩式渐变。③总变异中随机性因素增大,结构化分异减弱;区域空间差异愈发显著,主要体现在西北—东南方向上。④各类因素对不同地区人口老龄化的影响程度和方向各不相同,但在空间上按一定的方向产生具有一定规律性的分化。总体而言,死亡率和每千人拥有病床数对人口老龄化贡献为正,出生率、人均受教育年限及迁入率具有抑制作用,而人均GDP对人口老龄化既有推动也有抑制作用。 | 张开洲 陈楠 | 2014 | 地理科学进展2014，33，5： | 50 |
| 3 | 中国人口老龄化区域差异及驱动机制研究显示文摘基于中国第五、六次人口普查数据,分析中国省域人口老龄化的程度、速度、社会经济影响、空间差异及其驱动机制。结果表明:(1)2000-2010年中国人口老龄化处于初级老龄化阶段且不断加深,区域差异缩小,东部地区低速增长,中西部地区老龄化与养老负担快速增加。老年人口密度属较低密度区,从东向西呈梯度降低。(2)中国省域人口老龄化程度及空间布局是人口自然增长、人口机械增长、经济水平等因素相互调节与空间分异的综合结果。(3)各机制系数空间异质性的综合作用促使老龄化大致由南北向分异转变为东西向分异的空间格局。省际人口迁移从根本上制约如今的中国人口老龄化空间格局。 | 吴连霞 赵媛 吴开亚 郝丽莎 王玉娟 | 2018 | 地理科学2018，38，6： | 37 |
| 4 | 吉林省人口老龄化时空分异特征及成因显示文摘本文基于地理信息软件Arc GIS 10.1,选取老年人口系数为人口老龄化指标,运用人口重心模型、空间自相关和半变异函数等分析方法,对吉林省第四次、第五次、第六次人口普查数据进行分析,探讨1990-2010年吉林省人口老龄化时空分异特征,并采用多元线性回归方法解释其形成原因。研究结果表明:(1)吉林省各县市人口老龄化差异明显,进程加快,重心由西北向东南方向移动,但移动速度减缓;(2)吉林省人口老龄化存在正的空间自相关性,在空间的集聚呈现先弱后强的变化趋势;(3)人口老龄化高—高区向东部集聚,低—低区向西部集聚的趋势比较明显;(4)总体上吉林省人口老龄化空间的结构化分异较为明显,随机性因子引起的空间异质性程度较弱,人口老龄化的空间差异主要体现在东—西方向上;(5)出生率始终是影响吉林省人口老龄化的主要因素,迁出率对人口老龄化发展起关键作用,人均GDP年对人口老龄化呈负相关,城市化率对人口老龄化的推动作用愈发显著。 | 梅林 郭艳花 陈妍 | 2018 | 地理科学进展2018，37，3： | 31 |
| 5 | 广东省人口老龄化的时空演化及成因分析显示文摘利用三个代表年份的数据,对广东省21个地级市人口老龄化的空间分布及其趋势进行分析。首先,根据三个年份人口老龄化系数情况,将广东省老龄化分为年轻型、成年型初期、成年型后期、老年型初期、老年型中期五个阶段。同时,利用空间自相关分析模型,分析广东省人口老龄化分布趋势呈现出的从外围(粤北、粤西和粤东)向中心区(珠三角地区)扩散的趋势,通过引入马尔科夫转移概率矩阵,阐述了广东省人口老龄化的时序演化特征,在此基础上,分析了广东省人口老龄化空间形态模式、分布规律的成因,认为总体来看,尽管由于受外来人口迁移的影响,广东省地区人口老龄化延迟,但是,目前广东省的大部分地区都已进入老年型社会,随着人口红利期的结束,人口亏损期将接踵而来,广东省应该加快经济转型升级,以利补亏,以应对老龄期社会的挑战。 | 易卫华 叶信岳 王哲野 | 2015 | 人口与经济2015，，3： | 29 |
| 6 | 北京市老年人口空间分布格局特征及驱动力显示文摘基于北京市第五次、第六次人口普查街道数据,多尺度考察了北京市老年人口的空间分布演化特征。研究表明:2000—2010年北京城市功能拓展区老年人口分布最为集中,城市发展新区增长迅速;10年间老龄化程度加深,区县间空间分布差异增大;老年人口总体呈'中心高、外围低、东高西低、南高北低'的空间分布格局;高社会隔离度区域面积显著扩大且在郊区集中分布,低社会隔离度区域面积缩小;养老设施总体供给不足,老年人口与养老设施空间分布不匹配;基于老年人口的医疗卫生服务设施可达性空间分布不均衡。最后从人口自然加龄、外来人口、经济发展、公共服务设施和城市发展战略等方面分析了其影响因素。 | 蔺雪芹 王岱 王女英 任宇飞 | 2016 | 地域研究与开发2016，35，3： | 28 |
| 7 | 大气污染物(SO_2、NO2_)对中国居民健康效应影响的meta分析显示文摘目的了解大气污染物(SO_2、NO_2)短期暴露对居民每日总死亡率和心脑血管疾病、呼吸系统疾病死亡率以及门诊、住院率的影响,获取大气污染物SO_2、NO-2对人群健康效应的暴露—反应关系。方法通过计算机联机检索及手工检索的方法收集2000—2015年间公开发表的符合纳入标准的文献36篇,提取暴露-反应系数,采用Stata 12.0软件进行异质性分析、发表偏倚的检验,利用固定效应或随机效应模型合并效应值。结果大气SO_2浓度每升高10μg/m^3,对应的短期内居民每日总死亡率的风险、居民呼吸系统疾病死亡率风险、居民心脑血管疾病死亡率风险、居民呼吸系统疾病门诊、住院率的风险以及居民心脑血管疾病门诊、住院率风险的合并效应值(OR/RR)及95%的置信区间(CI)分别为1.009(1.006~1.011)、1.012(1.009~1.016)、1.007(1.005~1.008)、1.008(1.006~1.01)、1.009(1.005~1.014);大气NO-2浓度每升高10μg/m^3,对应的短期内居民每日总死亡率的风险,居民呼吸系统疾病死亡率风险,居民心脑血管疾病死亡率风险,居民呼吸系统疾病门诊、住院率的风险,居民心脑血管疾病门诊、住院率风险的合并效应值(OR/RR)及95%的置信区间(CI)分别为1.014(1.011~1.016)、1.016(1.012~1.019)、1.014(1.011~1.015)、1.009(1.004~1.013)、1.013(1.009~1.016)。结论大气中SO_2、NO_2浓度的上升会导致居民每日总死亡率和心脑血管疾病、呼吸系统疾病的死亡率以及门诊、住院率风险的增加。 | 马洪群 崔莲花 | 2016 | 职业与健康2016，32，8： | 25 |
| 8 | 基于街道尺度的南京市老年人口空间分布演变研究显示文摘基于南京市第五次和第六次人口普查分乡镇、街道数据,通过街道和圈层双尺度分析了人口老龄化的程度差异、空间差异以及空间相关性,探讨南京市街道老年人口的空间分布格局,采用热点区演化分析了街道老年人口的时空演变特征。结果显示:1近10年南京市街道老龄化系数总体上呈现'跨越式'圈层蔓延扩散的空间分布特征,处于老年人口成长阶段的街道由分布在中心城区和主城区的交界地带转变为向主城区蔓延的趋势,轻度老龄化的街道分布在中心城区,中度老龄化阶段的街道集中分布在主城区和郊区,重度老龄化阶段的街道以郊区为主。2街道老年人口密度类型为密集区,密度最高的区域位于中心城区,郊区次之,主城区内密度最低。3南京市街道人口老龄化率呈现显著的空间正相关,随着时间的推移,街道人口老龄化在空间上的差异增大,集聚效应减弱,空间上的发展渐趋不均衡。热点区分布呈现'冷—次冷—次热—热'的圈层式空间分布格局。4从历史因素、人口生命周期、城市变迁三个角度分析了影响南京市老年人口分布和演变的主要因素。 | 许昕 赵媛 郭爱妹 | 2016 | 人文地理2016，31，6： | 22 |
| 9 | 上海市人口老龄化的空间分布及演化特征研究显示文摘该文采用探索性空间数据分析方法分析了上海市人口老龄化的区域差异,具体考察了1990-2010年上海各区县人口老龄化的时空演变特征,并对其影响因素进行了探讨。研究结果表明:老年人口区域分布不均衡,老年人口比重有明显的圈层结构特征;老年人口分布存在显著的正向自相关关系,但空间集聚趋势有所减弱;人口老龄化空间差异的不确定因素的影响程度在减弱,而空间结构特征引起的人口老龄化变异程度在增强,人口老龄化的总体空间差异趋于缓和。1990-2000年间上海市各区县以向更深程度的'老龄化'方向转移为主,而在2000-2010年间有向'年轻化'转移的趋势。人口老龄化的空间差异是受自然、人口、经济、社会、文化等多因素综合作用的结果,各类因素在不同的发展阶段对不同区县的人口老龄化有不同的影响方向和力度。 | 王新贤 高向东 陶树果 | 2016 | 上海经济研究2016，28，8： | 21 |
| 10 | 事实养老、养老成本对老人养老模式选择意愿的影响——来自陕西省农村915位老人的证据显示文摘根据2016年陕西省农村地区微观调查数据,运用Nested Logit模型分析事实养老、养老成本对农村老人养老模式选择意愿的影响,进而检验个体特征、经济支持、日常照料及情感慰藉对老人养老模式选择意愿的影响。结果表明:事实养老对农村老人养老模式选择意愿存在显著正影响,老人倾向于选择事实分布比例高的家庭养老;养老成本对其存在显著负影响,老人愿意选择成本较低的养老模式;年龄和性别对老人养老模式选择意愿存在显著正影响,文化程度、婚姻状况、经济状况、子女经济支持、慢性病、生活自理能力、主观满意度以及情感倾诉对象对其影响显著为负;健康自评、孤独寂寞感对其影响没有统计意义上的显著性。通过制度、政策及文化等方面引导农村家庭养老向社会养老过渡,形成多元化多层次的农村养老模式新格局,既能适应新形势下农村人口结构变化,又能提升老人晚年的生活质量。 | 贾亚娟 | 2020 | 地域研究与开发2020，39，1： | 17 |
| 11 | 四川省老龄化时空演变及影响因素显示文摘新世纪之交,伴随大量青壮年流出,西部地区人口老龄化快速增长,探讨其时空演变及驱动机理,对正确应对人口老龄化十分必要。以四川省为例,采用标准差椭圆、空间自相关、地理加权回归(GWR)模型等方法,分析其1990-2010年间人口老龄化时空演变及影响因素。结果表明:(1)人口老龄化呈现'东高西低'的总体格局。(2) 1990-2010年间,人口老龄化均值由8.98%增至16.39%,全面进入老龄型社会,步入老龄型的县域多分布在东部盆地,空间极化增强,并向东偏南方向移动,呈现显著的盆地化效应。(3)人口老龄化总体空间集聚性显著,热点区由西北—东南走向转变为西南—东北走向,冷点区从西南部扩展至整个川西地区。(4)各因素在局部区域对人口老龄化的影响程度不同,空间差异变动明显。持续降低的出生率、死亡率推动了老龄化,较高的迁出率加剧了老龄化,迁入率则缓解了老龄化,经济水平、城镇化水平对人口老龄化的贡献率较高,教育水平的影响为负,医疗水平既有抑制也有推动作用。 | 郭金铭 谢贤健 李永飞 曾永明 | 2019 | 南方人口2019，34，1： | 15 |
| 12 | 中国人口老龄化空间分布特征及与经济发展的同步性研究显示文摘根据我国1990年、2000年和2010年三次人口普查的数据,分析我国人口老龄化现状以及老龄化趋势和经济发展趋势之间的关系,并进一步采用空间自相关模型和新构的经济自相关模型,用全局Moran's I指数刻画全局自相关,用局部Moran指数和局部G系数刻画局部自相关,分别探讨中国各区域老龄化的空间相关性和经济相关性,其结论表明,中国的人口老龄化存在正的空间相关性和经济相关性,并且老少比这一指标对经济水平的依赖性大于对空间位置的依赖性,即老龄化的地区差异中经济发展水平较空间位置的影响更甚。因此,应根据经济发展水平进行区分,因地制宜地制定老龄化的应对策略。 | 孙蕾 常天骄 郭全毓 | 2014 | 华东师范大学学报(哲学社会科学版)2014，46，3： | 14 |
| 13 | 东北地区人口老龄化的多尺度时空演变及影响因素显示文摘以东北地区为案例,采用空间关联分析、地理探测器等方法,基于省、市、县3个尺度分析了2000—2010年东北地区人口老龄化的时空特征及影响因素。结果表明:(1)不同尺度老龄化系数均呈现逐年上升趋势,辽宁省老龄化程度最严重。(2)空间分布上,市、县尺度人口老龄化均呈现全面升级的态势。(3)空间关联上,全局空间自相关分析表明市、县尺度人口老龄化存在显著的空间正相关,但集聚强度呈减弱态势;局部空间自相关分析表明市、县尺度人口老龄化空间集聚均呈收缩趋势。(4)老龄化速度空间分异在市级尺度上呈现显著的轴带分布,县级尺度呈现由北向南增速递减。从宏观定性和微观定量两个角度,分析了不同尺度人口老龄化的影响因素。 | 王晗 刘鉴 房艳刚 | 2021 | 地域研究与开发2021，40，6： | 13 |
| 14 | 度量人口老龄化的新指标显示文摘度量人口老龄化程度的指标通常是该地区65岁及以上的老年人口占该地区人口总量的比重,简称老年人口比。然而,这个指标并不能反映老年人口群体内部的年龄分布等更深层次的信息,比如老年人口究竟“老”到什么程度?这些深层次的信息往往对研究和应对人口老龄化问题会有更大的帮助。为此,文章应用年龄加权的方法,引入人口老龄化深度的概念,给出度量人口老龄化的新指标,并依据我国人口普查及统计年鉴提供的数据对我国各省份人口老龄化程度进行了更精准的度量。 | 郝乐 张启望 | 2020 | 统计与决策2020，，20： | 12 |
| 15 | 山东省人口老龄化空间分布与演化分析——基于探索性空间分析技术(ESDA)显示文摘将空间因素纳入到人口老龄化问题的研究框架,利用山东省1990~2010年间的三次人口普查数据,以区县为基本地域单元,基于探索性空间分析技术(ESDA)对山东省人口老龄化的空间分布现状及其演化特征进行分析.结果表明:(1)山东省的老龄化率在空间上呈现出自东向西递减的四级阶梯状分布;(2)人口老龄化率表现出较强的空间集聚特征,但是这种空间集聚状态呈现不断发散的趋势;(3)高水平集聚区域集中于半岛地区且稳定性好,而低水平集聚区域则经历了从鲁中南向鲁西北的转移. | 张芹 张晓青 | 2014 | 鲁东大学学报(自然科学版)2014，30，3： | 10 |
| 16 | 中国农村人口老龄化省际差异及类型划分显示文摘基于1995,2000,2005,2010年相关数据分析中国农村人口老龄化省际差异,在此基础上划分老龄化类型。研究结果表明:中国农村老年人口分布呈'东高西低''南高北低'的态势,中西部农村人口老龄化增速明显,老龄化范围由沿海向内陆迅速扩张。根据老龄化程度和老年人口增长速度将农村人口老龄化划分为快速减少浅度老龄化、快速减少深度老龄化、慢速减少深度老龄化、慢速增长浅度老龄化、慢速增长深度老龄化、快速增长浅度老龄化、快速增长深度老龄化7种类型,1995—2000年有5种类型,其中快速增长与慢速减少深度老龄化类型集中于长三角地区,快速与慢速增长型浅度老龄化类型由环渤海地区向内陆延伸;2000—2005年有4种类型,其中快速增长深度老龄化类型在空间上呈'沿海带'和'内陆带'分布,快速增长浅度老龄化类型空间上表现为'J'型连片分布;2005—2010年有5种类型,其中快速增长老龄化类型表现为零散、碎片分布,快速减少深度老龄化类型集中于长江流域。经济发展因素、人口自身因素、农村发展因素和文化教育因素是影响农村人口老龄化区域差异的主要因素。 | 林琳 杨莹 李冠杰 | 2016 | 地域研究与开发2016，35，4： | 8 |
| 17 | 人口流动对重庆人口老龄化的影响——基于重庆市“六普”数据显示文摘利用人口普查和1%人口抽样调查等数据,对重庆的人口老龄化现状特征进行分析,并利用Preston模型分解老龄化影响因素。研究发现:重庆虽然地处西部,但已成为全国老年人口比例最高的地区;重庆常住人口占全国人口的比例下降,但人口流动规模在不断增加,且省际人口流出数量要大于流入数量;2010年重庆人口平均年龄增加1.163 8岁,高于人口老龄化速度,主要是由于省际人口流出规模较大造成的。 | 易莹莹 | 2015 | 人口与社会2015，31，3： | 8 |
| 18 | 中国人口老龄化水平的时空差异与收敛性检验显示文摘当前中国正在迎来'银发浪潮',老龄化作为人口转变最重要的后果之一,是我国当前及今后较长时期内经济社会发展的新常态和基本国情。该文利用最近3次人口普查获得的资料,对我国省级层面的老龄化时空差异特征与变化规律进行研究。结果表明:(1)1990年以来我国老年人口规模增长较快,老龄化水平存在明显的省际差异,总体呈现东部最高、中部次之、西部最低的空间梯度特征,差异程度随时间变化不断增加;(2)各地区老龄化分布并非表现出完全的随机性,而是在总体上呈现出一定的空间集聚性,老龄化水平较高(低)的地区相对地趋于和较高(低)水平的地区相邻,空间集聚性随时间变化有所弱化;(3)老龄化水平的时空变化呈现出稳健的条件收敛趋势,地区老龄化指数的增加速度与其初始水平负相关,初始水平较高(低)地区的增速普遍低(高)于初始水平较低(高)的地区,未来省际差异预期不断缩小,收敛速度随时间变化不断提升。 | 杨振 丁启燕 王宇 | 2017 | 西北人口2017，38，4： | 7 |
| 19 | 北京市老年人口的空间聚集特征及其演化趋势研究——基于第五、第六次人口普查数据的实证显示文摘使用北京市第五次、第六次人口普查分乡镇、街道年龄数据,基于空间统计标准差椭圆方法,研究了2000~2010年北京市老年人口分布及老龄化程度的空间聚集特征及其演化趋势。研究结果显示:北京市老年人口的空间分布格局正处于重塑的关键时期,这主要表现在,北京市老年人口分布及老龄化程度的中心保持不变,仍然向功能核心区和部分拓展区集中化聚集,向城市发展新区和生态涵养发展区扩散则比较缓慢,逐渐向西南方向的王佐、西红门、南苑等街道延伸。老年人口分布范围有扁平化的南—北收缩趋势,形成'中心高、外围低、南高北低'的空间分布格局。老龄化程度则有垂直化的南—北扩张趋势,形成'中心低、外围高,北高南低'的空间分布格局。 | 任媛 | 2017 | 城市发展研究2017，24，12： | 6 |
| 20 | 中国人口老龄化多尺度区域差异及动态演进显示文摘基于2000、2010和2020年3期中国人口普查数据划分三级空间单元,采用二阶段嵌套泰尔系数、探索性空间数据分析和核密度估计,探究中国人口老龄化多尺度区域差异及动态演进。结果显示:(1)中国人口老龄化程度不断加深,截至2020年,93.29%的城市已步入老龄化;(2)中国人口老龄化空间不均衡分布现象较为显著;(3)人口老龄化具有省内差异最大、区域间差异次之、省间差异最小的特征;(4)八大综合经济区内的南部、东部沿海地区及大西北地区省间差异不断扩大,东北、黄河中游地区省间差异逐渐缩小,北部沿海、长江中游和西南地区省间差异变化趋势并不稳定;(5)2000—2020年间广东省均为人口老龄化省内差异最大的省份,且对总差异的贡献率最大;(6)绝大部分地级单元老龄化差异为正关联,HH类型不断扩张,LL类型向南延伸,HL和LH类型分布较为散落;(7)Kernel密度估计曲线显示,2000—2020年间中国各城市人口老龄化差异不断扩大。 | 邬林果 武荣伟 | 2023 | 资源开发与市场2023，39，3： | 6 |
您所在的机构暂未开通此部分的功能，请联系管理员