老龄化深度

字段字典

• Province [省份名称] — 省份的中文名称.
• ProvinceCode [省份代码] — 省份的相关统计部门代码 (6 位字符串).
• Year [年份] — 统计年份.
• Pop65Plus [65岁及以上人口数(人口抽样调查)(人)] — 指根据人口变动情况抽样调查推算的，全省（自治区、直辖市）常住人口中年龄在65岁及以上的人口数。反映老年人口规模，是衡量人口老龄化程度的核心指标。单位：人。
• Pop0To14 [0-14岁人口数(人口抽样调查)(人)] — 指根据人口变动情况抽样调查推算的，全省（自治区、直辖市）常住人口中年龄在0-14岁的人口数。反映少年儿童人口规模，是分析人口年龄结构和抚养比的基础数据。单位：人。
• AgingDeepness [老龄化深度] — 老龄化深度。计算公式：Pop65Plus / Pop0To14。

常见问题

「老龄化深度」是什么数据集？

老龄化深度，隶属人口与就业。衡量各省老龄化深度，即65岁及以上老年人口与0-14岁少儿人口之比（Pop65Plus / Pop0To14），反映人口结构反转程度。

该数据集的时间范围是？

覆盖 2002-2024 年。

包含哪些变量/指标？

共 6 个变量。核心指标包括：65岁及以上人口数(人口抽样调查)(人)、0-14岁人口数(人口抽样调查)(人)、老龄化深度。完整字段清单（变量名·中文名·说明）见页面「字段字典」。

数据频率和层级是怎样的？

频率为年度，省级层级。

样本量有多大？

约 713 条观测。

数据是如何测算/获取的？

指标定义与计算方法 老龄化深度（Aging Deepness）衡量的是老年人口（65岁及以上）与少儿人口（0-14岁）之间的数量比值，反映人口年龄结构从“金字塔型”向“倒金字塔型”反转的程度。与传统的老年人口比重（老龄化率）相比，该指标更直接地刻画了人口抚养重心从少儿向老年转移的深度，是理解劳动力供给收缩、社会保障压力以及代际资源分配格局的关键变量。该指标的计算基于相关统计部门年度人口抽样调查数据，通过分年龄组人口数直接计算得到。完整计算公式如下： $$ \text{AgingDeepness}{i,t} = \frac{\text{Pop65Plus}{i,t}}{\text{Pop0To14}{i,t}} $$ 其中，\( \text{Pop65Plus}{i,t} \) 表示省份 \( i \) 在年份 \( t \) 的65岁及以上人口数，\( \text{Pop0To14}{i,t} \) 表示同期0-14岁人口数。计算步骤为：首先从原始数据中提取各省份各年份的上述两个源字段，确保数据完整且无缺失；随后对每个省份-年份组合执行除法运算；若分母为零或缺失，则对应结果标记为缺失值。该指标为无量纲比值，取值范围通常介于0.1至2.0之间，典型量级为0.5至1.5。当比值大于1时，表明老年人口数量已超过少儿人口，人口结构呈现深度老龄化特征。 补充说明 本指标的计算基于一个关键简化假设：各年龄段人口数据均来自相关统计部门年度人口抽样调查，且抽样设计在各省份间具有可比性。边界条件方面，数据覆盖年份为2000年至2022年，部分早期年份（如2000年以前）因统计口径差异未纳入计算；对于个别省份在特定年份出现的缺失值，采用线性插值法进行填补，但若连续缺失超过三年则保留为缺失。计算粒度为省级（Province），主键为ProvinceCode与Year。已知限制包括：该指标未考虑人口迁移对年龄结构的动态影响，且无法反映老年人口内部的年龄细分（如高龄老人占比），因此对社会保障压力的刻画存在一定局限性。 参考文献 [1] 蔡昉(2010). 人口转变、人口红利与刘易斯转折点. 经济研究, 45(4): 4-13. [2] 卓乘风,邓峰.人口老龄化、区域创新与产业结构升级[J].人口与经济,2018,(1):48-60.

如何获取该数据集？

通过站内对应淘宝链接下单后，客服发放兑换码；在站内"兑换"页输入兑换码即可获得下载权益并下载。