خلاصه

هدف از این مطالعه شناسایی عوامل تعیین کننده روند پیری جمعیت در 270 شهر اروپایی بود. ما نسبت افراد مسن را تجزیه و تحلیل کردیم: مردان و زنان به طور جداگانه (65 ساله یا بالاتر) در جمعیت شهر در سال های 1990-2018. برای درک روابط منطقه‌ای متنوع و برای افزایش تنوع توضیحی پدیده‌ها، از تحلیل داده‌های فضایی توضیحی (ESDA) و رگرسیون وزن‌دار جغرافیایی (GWR) استفاده شد. ما در این مطالعه از نرم افزارهای ArcGIS و GeoDa استفاده کردیم. در تحقیق خود، تعاملات فضایی و همچنین ساختار شهرها بر اساس اندازه و سطح توسعه اقتصادی را نیز در نظر گرفتیم. نتایج تجزیه و تحلیل به توضیح اینکه چرا برخی از مناطق شهری سریعتر از سایرین پیر می شوند کمک کرد. تجزیه و تحلیل داده های اولیه نشان داد که نسبت سالمندان در جمعیت از نظر مکانی متنوع و وابسته به جنسیت و همچنین اندازه و توسعه اقتصادی یک واحد است. به طور کلی، افراد مسن تمایل بیشتری برای زندگی در شهرهای بزرگتر و بسیار توسعه یافته داشتند. با این حال، زنان تمایل داشتند در مناطق بزرگ و مردان در مناطق شهری متوسط ​​تا بزرگ زندگی کنند. سپس مدل‌سازی سالمندی شهری را برای مردان و زنان به‌طور جداگانه انجام دادیم. استفاده از مدل‌های GWR نه تنها تعیین‌کننده‌های تعیین‌کننده پیری جمعیت شهر، بلکه همچنین تجزیه و تحلیل تغییرپذیری در قدرت و جهت وابستگی‌های رخ داده بین متغیرهای مورد بررسی در شهرهای جداگانه را امکان‌پذیر کرد. تفاوت های قابل توجهی در نتایج تجزیه و تحلیل برای شهرهای خاص مشاهده شد که اغلب به دلیل مقادیر پارامترهای مشابه گروه بندی می شدند. خوشه هایی را تشکیل دادند که اروپا را به دو بخش شرقی و غربی تقسیم کردند. علاوه بر این، تفاوت های قابل توجهی در نتایج برای زنان و مردان به دست آمد.

کلید واژه ها:

پیری شهری مردان و زنان ; شهرهای اروپایی ؛ ناهمگونی منطقه ای و تعاملات فضایی . عوامل اجتماعی و اقتصادی رگرسیون وزنی جغرافیایی ; ابزارهای ESDA

1. معرفی

پیری جمعیت و شهرنشینی روندهای جهانی مهمی هستند که جهان امروز را شکل می دهند و دهه های آینده را شکل خواهند داد. بیش از 54 درصد مردم در شهرها زندگی می کنند و این درصد تا سال 2050 به 66 درصد خواهد رسید [ 1 ]. جمعیت شهری جهان نیز به سرعت در حال پیر شدن است. WHO جامعه سالخورده را جامعه‌ای تعریف می‌کند که در آن نسبت افراد در سنین پس از کار (سن 65 سال یا بیشتر) از 7 درصد کل جمعیت بیشتر باشد [ 2 ]. جمعیت سالمندان در شهرهای اروپایی و آسیایی سریعترین جمعیت در حال رشد در جهان است [ 3 ]. نسبت ساکنان شهری 65 سال یا بالاتر در کل جمعیت در اروپا از 6 درصد در سال 1990 به 12 درصد در سال 2018 افزایش یافته است، در حالی که تعداد آسیایی های مسن از 3 درصد به 11 درصد افزایش یافته است. .]. ادبیات نشان می دهد که روند نزولی بلندمدت در باروری [ 5 ]، امید به زندگی طولانی تر [ 6 ]، استاندارد زندگی بالاتر [ 7 ]، نرخ تولد کمتر [ 8 ]، سطح تحصیلات بالاتر، مهاجرت [ 9 ] و حفاظت از محیط زیست [ 10 ] دلایل اصلی برای تسریع مداوم روند پیری جمعیت هستند.
روند پیری در سراسر کشورها یا در تمام مناطق جوامع روستایی و شهری یکنواخت نیست [ 11 ، 12 ، 13 ، 14 ، 15 ، 16 ]. از این رو، از آنجایی که انتظار می رود جمعیت سالمند به طور کامل در جامعه ای که در حال پیری و شهرنشینی است شرکت کنند، روند پیری شهری پیامدهای زیادی برای هزینه های عمومی و خصوصی برای بازنشستگی، مراقبت های بهداشتی، آموزش، رشد اقتصادی و رفاه دارد. 17 ].]. دولت ها با ایمن سازی و مقاوم سازی شهرها و سکونتگاه های انسانی برای سالمندان، موضوع استراتژی های توسعه بین المللی را مطرح کرده اند. دستور کار 2030، اهداف توسعه پایدار، اجلاس جهانی بشردوستانه، سیاست پیری سالم در شهرها، و دستور کار جدید شهری برنامه هایی هستند که در فراخوان شهرنشینی فراگیر و پایدار [ 1 ] متحد شده اند.
مردان و زنان هر دو پیری شهری و بسیاری از بیماری‌ها یا شرایط مشابه را تجربه می‌کنند، اما روش‌های مواجهه با آن‌ها از نظر میزان، روند، و انواع یا زیرشاخه‌های بیماری متفاوت است. بسیاری از نابرابری‌ها ناشی از تفاوت‌های فیزیولوژیکی واقعی هستند، بنابراین درک کامل پیری (و سلامت) چشم‌اندازی را می‌طلبد که نابرابری‌های جنسیتی را فراتر از آنچه در بدن به حساب می‌آورد. به عنوان مثال، بیماری قلبی عروقی (CVD) علت اصلی مرگ و میر در میان سالمندان هر دو جنس در اکثر کشورهای جهان است [ 2 ]. با این حال، در بسیاری از شهرها، به ویژه در کشورهای با درآمد پایین و متوسط، CVD به عنوان یک “بیماری مردانه” در نظر گرفته می شود و بنابراین به طور قابل توجهی در زنان تشخیص داده نمی شود و باعث ایجاد نابرابری در زندگی های از دست رفته قابل اجتناب می شود. 18 ].]. علاوه بر این، اگرچه زنان بیشتر از مردان عمر می‌کنند، اما عوامل اجتماعی-اقتصادی در بسیاری از فرهنگ‌ها و محیط‌ها منجر به کیفیت پایین‌تر زندگی زنان با افزایش سن می‌شود. یکی دیگر از عوامل متفاوت این است که مردان نسبت به زنان بیشتر از زنان درخواست کمک پزشکی را به تأخیر می اندازند یا از آن اجتناب می کنند و در نتیجه زمانی که مردان دچار مشکلات سلامتی قابل درمان شوند، نتایج بدتری به دنبال خواهد داشت. مردان مسن‌تری که بیوه می‌شوند نیز بیشتر از زنان از نظر اجتماعی منزوی می‌شوند و این یک عامل خطر برای سلامت ضعیف‌تر و مرگ‌ومیر است. برعکس، برای زنان بیوه، برخی از اقدامات فرهنگی خاص مانند طرد شدن، این احتمال را بیشتر می‌کند که زنان بیوه مسن‌تر دچار مشکلات مالی یا حتی خشونت یا سوء استفاده شوند. 19 ]]. چنین تفاوت هایی بین زنان و مردان، و بسیاری دیگر از شرایط متفاوت و مشکلات جنسیتی، باید در نظر گرفته شود. این ادعا به شدت توسط دپارتمان دوره پیری و زندگی (ALC) پشتیبانی می‌شود، که اصرار دارند که یک تحلیل جنسیتی باید برای هر موضوع مورد بحث اعمال شود [ 2 ].
موضوع چالش ها، فرصت ها و تأثیر پیری جمعیت شهری بر توسعه اجتماعی-اقتصادی شهرها به طور گسترده در ادبیات مورد بحث قرار گرفته است. بسیاری از محققان اثربخشی سیاست های شهری سازگار با سن را به عنوان راهی برای تقویت توسعه جامعه سالمند فعال مورد مطالعه قرار داده اند [ 20 ، 21 ، 22 ، 23 ، 24 ، 25 ]. انتشارات علمی اخیر اهمیت دسترسی، تحرک و دید افراد مسن را در فضاهای مدنی تشخیص داده و روشن می کند [ 26 ، 27 ، 28 ، 29 ، 30 ، 31 .]. بسیاری از نویسندگان همچنین پتانسیل پیری جمعیت را مشخص می کنند و نقش مهم آنها را در اقتصاد شهرهای نقره ای آینده شناسایی می کنند [ 32 ، 33 ، 34 ]. برخی از مطالعات بر روی سالمندی سالم و فعال ساکنان مسن‌تر تمرکز می‌کنند و رابطه بین روشی که افراد سالمند تداوم فعالیت‌ها و استقلال خود را حفظ می‌کنند، در محدوده منابع شخصی‌شان، و محیط شهری در حال تغییر را تأیید می‌کنند [ 3 ، 35 ، 36 ، 37 ]. در نهایت، برخی از مطالعات تغییرات روند مکانی – زمانی را در داده‌های جمعیت شهری مسن‌تر بررسی می‌کنند [ 25 ، 38 ، 39 ، 40 ، 41, 42 , 43 , 44 ].
با این حال، تجزیه و تحلیل های مربوط به دلایل روند پیری در شهرها تا به امروز محدود بوده است. فقط چند مطالعه بر روی عوامل مرتبط با سالمندی موفق سالمندان فعال اجتماعی در مناطق شهری چین [ 16 ]، برزیل [ 45 ] فنلاند و اسپانیا [ 46 ]، لهستان [ 47 ]، آلمان [ 39 ] تمرکز داشتند. ]، اسلوونی، لیتوانی و بریتانیا [ 48]. هنوز فقدان مطالعات اروپایی جامعی وجود دارد که مکانیسم این فرآیند را بررسی کند و تأثیر ویژگی‌های خاصی را که ممکن است در شهرها متفاوت باشد، در نظر بگیرد. در مناطق و شهرها، پیری جمعیت از نظر سرزمینی متفاوت است و به شدت با عوامل تعیین کننده محلی این فرآیند مرتبط است. این امر به نیاز به تنظیم سیاست‌های شهری و برنامه‌ریزی شهری بر اساس شرایط سنی محلی تبدیل می‌شود. گروه اروپایی همکاری های سرزمینی در ACPA (انطباق شهرهای اروپایی با پیری جمعیت: چالش های سیاست و بهترین شیوه ها) تاکید می کند که جمعیت مسن در مناطق شهری سریعتر از مناطق روستایی رشد می کند. 49 ]]. این بدان معناست که مناطق به دلیل پیری جمعیت باید با تعدادی چالش اجتماعی و اقتصادی خاص مواجه شوند. در مجموع، روند پیری جمعیت در مناطق شهری نیازی به راه‌حل‌های «یک اندازه مناسب» ندارد که با در نظر گرفتن فرآیند پیری شهری مؤثر نباشد. تحقیقات تجربی موردی عمیق برای پیش‌نویس یک «راهنمای عملی» با توصیه‌های سیاستی مفید است که می‌تواند قابلیت انتقال نتایج را بین شهرها و همچنین بازیگران و سیاست‌گذاران در شهرهای ذینفع و در سطوح ملی را هدف قرار دهد.
هدف اصلی این تحقیق شناسایی عوامل تعیین کننده روند پیری جمعیت در 270 شهر منتخب اروپایی بود. ما نسبت افراد مسن را تجزیه و تحلیل کردیم: مردان و زنان (65 ساله یا بالاتر) در جمعیت شهرها در سال‌های 1990-2018. ما از رگرسیون وزن‌دار جغرافیایی (GWR) و روش‌های تحلیل داده‌های فضایی توضیحی برای کنترل و درک روابط منطقه‌ای متنوع بین پیری شهری و عوامل انتخابی استفاده کردیم. در یک تجزیه و تحلیل داده های اولیه، ما بیش از 30 عامل تعیین کننده را پیشنهاد کردیم که می تواند پیری جمعیت در مناطق شهری اروپا را تحت تأثیر قرار دهد. این مطالعه همچنین تعاملات فضایی و همچنین ساختار شهر را بر اساس اندازه و سطح توسعه اقتصادی در نظر گرفت. استفاده از مدل GWR تعیین عوامل تعیین کننده پیری جمعیت را در شهرهای اروپایی امکان پذیر کرد. علاوه بر این، به ما این امکان را می دهد که تغییرپذیری در قدرت و جهت وابستگی های رخ داده بین متغیرهای تحلیل شده در شهرهای جداگانه را تجزیه و تحلیل کنیم. انجام تجزیه و تحلیل ها به طور جداگانه برای مردان و زنان امکان شناسایی تفاوت های جنسیتی را فراهم کرد. تجزیه و تحلیل ها بر اساس داده های آماری به دست آمده از Eurostat، WHO (سازمان بهداشت جهانی)، OECD (سازمان همکاری اقتصادی و توسعه)، بانک جهانی و دفاتر آمار ملی انجام شد. این تحقیق در ادامه تحلیلی بود که پویایی روند پیری جمعیت در اروپا را بررسی کرد. انجام تجزیه و تحلیل ها به طور جداگانه برای مردان و زنان امکان شناسایی تفاوت های جنسیتی را فراهم کرد. تجزیه و تحلیل ها بر اساس داده های آماری به دست آمده از Eurostat، WHO (سازمان بهداشت جهانی)، OECD (سازمان همکاری اقتصادی و توسعه)، بانک جهانی و دفاتر آمار ملی انجام شد. این تحقیق در ادامه تحلیلی بود که پویایی روند پیری جمعیت در اروپا را بررسی کرد. انجام تجزیه و تحلیل ها به طور جداگانه برای مردان و زنان امکان شناسایی تفاوت های جنسیتی را فراهم کرد. تجزیه و تحلیل ها بر اساس داده های آماری به دست آمده از Eurostat، WHO (سازمان بهداشت جهانی)، OECD (سازمان همکاری اقتصادی و توسعه)، بانک جهانی و دفاتر آمار ملی انجام شد. این تحقیق در ادامه تحلیلی بود که پویایی روند پیری جمعیت در اروپا را بررسی کرد.44 ].
ما از چند طریق به ادبیات کمک کردیم. با استفاده از یک رگرسیون وزن‌دار جغرافیایی، عوامل تعیین‌کننده پیری شهری (برای زنان و مردان به طور جداگانه) را جست‌وجو کردیم که با نیروی متفاوت و در جهت‌های مختلف، متغیر مورد مطالعه در اروپا را تحت تأثیر قرار داد. علاوه بر این، ما یک تجزیه و تحلیل استحکام را از دیدگاه‌های زمانی، مکانی و دیگر انجام دادیم. ما مسیر پویای بلندمدت پیری در مناطق شهری (1990-2018)، اندازه شهرها و اثرات همسایه فضایی بر پدیده‌های مناطق شهری را در نظر گرفتیم. در نهایت، ما تأثیر طیف وسیعی از عوامل احتمالی (از اقتصادی و جمعیتی گرفته تا عوامل محیطی، گردشگری و آموزشی، تا عوامل فرهنگی و پزشکی) را که پدیده پیری را تسریع یا کاهش می‌دهند، بررسی کردیم. نه تنها در یک واحد مورد مطالعه بلکه در شهرهای مجاور نیز در طول دوره مطالعه. یافته‌ها نشان می‌دهد که تفاوت‌های جغرافیایی باید در هنگام بررسی روابط تجربی بین عوامل انتخاب‌شده و پیری اروپایی مردان و زنان در نظر گرفته شود. در مجموع، مطالعه ای با چنین رویکرد گسترده ای قبلاً انجام نشده است، اما باید مرتبط باشد زیرا روند پیری شهری را به روشی عملی قابل پیش بینی می کند، که ممکن است به شهرها اجازه دهد برای تغییرات آماده شوند.
تحقیق شامل پنج بخش می باشد. بخش 2 یک بانک داده مورد استفاده در مطالعه و همچنین نتایج یک تحلیل اولیه با استفاده از آمار داده های مکانی اکتشافی و یک GIS (سیستم اطلاعات جغرافیایی) را ارائه می دهد. بخش 3 روش اعمال شده در بخش اصلی مطالعه – رگرسیون وزن‌دار جغرافیایی – را توصیف می‌کند. بخش 4 نتایج مدل‌سازی پیری جمعیت شهری را در شهرهای اروپایی نشان می‌دهد و بحث می‌کند. بخش آخر راهنمایی های بیشتر برای تحقیق و نتیجه گیری های کلی را ارائه می دهد و برخی توصیه های سیاستی را بر اساس نتایج نشان می دهد.

2. تجزیه و تحلیل داده ها

2.1. داده های پیری جمعیت شهری

ما این مطالعه چند بعدی را از روند پیری شهری در اروپا، بر اساس داده‌های آماری به‌دست‌آمده از یورواستات، بر روی نسبت جمعیت در اول ژانویه (65 سال و بالاتر) در کل جمعیت (بر حسب درصد) در چندین مورد انجام دادیم. مقاطع عرضی:
  • بر اساس جنسیت: به نسبت جمعیت زن در اول ژانویه (65 سال و بالاتر) در کل جمعیت زن و نسبت جمعیت مرد در اول ژانویه (65 سال و بالاتر) در کل جمعیت مرد ( هر دو متغیر بر حسب درصد؛
  • بر اساس وسعت شهر: زیر 100000 نفر، بین 100000 تا 250000، بین 250000 تا 500000، بین 500000 تا 1000000 و بالای 1000000 نفر [ 50 ].
  • بر اساس سطح توسعه اقتصادی: درآمد متوسط ​​پایین، درآمد متوسط ​​بالا و واحدهای پردرآمد [ 51 ].
تجزیه و تحلیل برای سال های 1990-2018 انجام شد و از شهرهای 31 کشور اروپایی استفاده شد: اتریش (AT)، بلژیک (BE)، بلغارستان (BG)، کرواسی (HR)، قبرس (CY)، جمهوری چک (CZ) ، دانمارک (DK)، استونی (EE)، فنلاند (FI)، فرانسه (FR)، آلمان (DE)، یونان (EL)، مجارستان (HU)، ایرلند (IE)، ایتالیا (IT)، لتونی (LV) ، لیتوانی (LT)، لوکزامبورگ (LU)، مالت (MT)، هلند (NL)، لهستان (PL)، پرتغال (PT)، رومانی (RO)، اسلواکی (SK)، اسلوونی (SI)، اسپانیا (ES) سوئد (SE)، بریتانیا (بریتانیا)، لیختن اشتاین (LI)، نروژ (NO)، و سوئیس (CH).
نمونه شهرهای منتخب با حفظ ساختار مناطق شهری در اروپا ساخته شد [ 52 ]. ما داده های قابل مقایسه برای 270 شهر (35٪ از کل واحدهای اروپایی) به دست آوردیم. نمونه در ساختار آن با توجه به جمعیت تجزیه و تحلیل شده محیط های شهری، شکل 1 ، با بازنمایی مشخص شد .
در سال‌های 1990 تا 2018، 5 pp (امتیاز درصد) وجود داشت. زنان بیش از مردان 65 ساله یا بالاتر، و تنوع شهرهای مورد تجزیه و تحلیل، که با ضریب تغییرات از نظر پدیده اندازه گیری شد، بالا بود (CV = 21.5٪ ( جدول 1 )). به طور کلی، سالمندان با تمایل بیشتری در شهرهای متوسط ​​و با درآمد متوسط ​​بالا زندگی می کردند. با این وجود، هیچ اولویت مشخصی برای زندگی در میان زنان مسن در مورد اندازه شهر یا سطح توسعه اقتصادی وجود نداشت.
ما از آزمون ANOVA Kruskal-Wallis (ANOVA یک طرفه) و Mann-Whitney U برای بررسی تفاوت‌های بین پیری شهری مردان و زنان بسته به اندازه شهر و سطح توسعه اقتصادی استفاده کردیم. هر دو آزمون روش‌های ناپارامتریک هستند و توزیع نرمال متغیرها را فرض نمی‌کنند (برخلاف تحلیل واریانس یک‌طرفه مشابه و آزمون‌های t Student ) [ 53 ].
ANOVA Kruskal-Wallis تفاوت آماری معنی‌داری را بین میانگین سهم زنان مسن‌تر در شهرهایی با اندازه‌ها یا سطوح درآمد متفاوت نشان نداد ( جدول 1 ). به نوبه خود، در مورد مردان، تفاوت های آماری معنی داری در تعداد سالمندان بسته به اندازه شهر و سطح توسعه یافتگی وجود داشت. بیشترین نسبت مردان مسن در شهرهای بزرگتر زندگی می کردند، یعنی از 100000 تا 500000 نفر در رده درآمد متوسط ​​رو به بالا.
با این حال، تفاوت‌های آماری معنی‌داری با توجه به سهم مردان سالمند در مقابل زنان در هر دو مقطع مشخص شده مشاهده شد (Mann-Whitney U)، جدول 1 .

2.2. پویایی پیری شهری

در طی سال‌های 1990-2018، اکثر شهرهای مورد تجزیه و تحلیل جمعیت سالخورده داشتند (93٪ از 270 واحد). با این حال، این فرآیند با سرعت‌های متفاوتی برای مردان و زنان آشکار شد (این یافته‌ها قبلاً توسط Antczak و Lewandowaska-Gwarda اثبات شده بود. 44 ] اثبات شده بود.]). میانگین سالانه تغییرات در رشد سالمندی زنان 2 درصد بیشتر از مردان بود. بالاترین رشد سالانه سهم برای مردان و زنان 65 ساله یا بالاتر در شهرهای اسپانیا، ایتالیا، بریتانیا، ایرلند، لهستان و آلمان (از 5 درصد به 10 درصد) مشخص شد. با این حال، داده های نشان داده شده بر روی نقشه ها نشان می دهد که مردان ساکن در شهرهای هلند و سوئد سریعتر پیر می شوند، که به نوبه خود در زنان مشاهده نشد، در حالی که نرخ سالانه به طور قابل توجهی سریعتر در زنان 65 ساله یا بالاتر مشاهده شد (از 5 سال). ٪ تا 10٪ در مقایسه با مردانی که در شهرهای بلژیک، یونان و قبرس زندگی می کنند.
از سوی دیگر، کاهش سالانه سهم سالمندان در 9 درصد شهرها مشاهده شد: 42 شهر برای زنان و 16 شهر برای مردان. کندترین روند پیری، هم برای زنان و هم برای مردان بالای 65 سال، در استکهلم و شهرهایی در نروژ، فنلاند، لیتوانی، لتونی، اتریش، مجارستان و استونی اتفاق افتاد (متوسط ​​2 درصد کاهش سالانه در این پدیده در آنجا مشاهده شد ( شکل 2 )).

2.3. تمرکز فضایی فرآیند پیری

یانگ و همکاران [ 16 ]، ساباتر و همکاران. [ 43 ]، Antczak و Lewandowska-Gwarda [ 44 ] و Kula و همکاران. [ 47 ] به این نتیجه رسیدند که پیری شهری جمعیت ممکن است با تمایل خاصی به تمرکز فضایی (خودهمبستگی) عوامل تعیین کننده فرآیند مرتبط باشد. داده های ارائه شده بر روی نقشه ها در شکل 2نشان می دهد که پویایی فرآیند پیری شهرهای اروپایی را در مناطق همگن گروه بندی می کند. بنابراین، ما ابزارهای تجزیه و تحلیل داده‌های فضایی توضیحی (ESDA) را به کار بردیم: از معیارهای همبستگی فضایی جهانی و محلی (شاخص‌های محلی ارتباط فضایی، LISA) موران I برای بررسی تنوع منطقه‌ای در نسبت افراد مسن (65 ساله یا 65 ساله) استفاده شد. بالا) در جمعیت شهر اروپایی در بازه زمانی تحلیل شده [ 54 ].
شاخص های LISA Moran I ( شکل 3 ) نشان می دهد که شهرهای مجاور بر اساس پدیده های تحلیل شده در سال های 1990-2018 تمایل به خوشه بندی داشتند.
صرف نظر از جنسیت فرد سالمند، بیشترین تمرکز فضایی واحدهای شهری (خوشه های بالا-بالا) با بیشترین سهم سالمندان (از 11% تا 24%) در ایتالیا، فرانسه، اسپانیا، آلمان، کرواسی و مالت رخ داده است. خوشه‌های متمایز از شهرها با ارزش‌های پدیده پایین (که با نسبت افراد 65 ساله یا بالاتر از 4٪ تا 10٪ مشخص می‌شود) در لهستان، رومانی، استونی، سوئد، لیتوانی و لتونی (شاخص‌های LISA کم و پایین) قرار گرفتند. یک مثال جالب، شهرهای فوق الذکر در لهستان است. از یک سو، آنها با سهم کمی از سالمندان در جمعیت (در مقایسه با سایر شهرهای مورد تجزیه و تحلیل) مشخص شدند، اما از سوی دیگر، پویایی رشد پدیده در لهستان در دوره مورد مطالعه یکی از بالاترین در اروپا ( شکل 2).
نتایج LISA همچنین تفاوت‌های خاصی را در میزان تمرکز شهرها با توجه به غلبه مردان و زنان مسن نشان داد. در اسپانیا، فرانسه، ایتالیا و مجارستان، خوشه‌های وسیع‌تری از شهرها با نسبت زنان مسن نسبت به مردان (در جمعیت شهر) وجود داشت. به نوبه خود، در لهستان، بریتانیا، لیتوانی و لتونی، خوشه‌های شهرهایی با نسبت کم مردان 65 ساله یا بالاتر از خوشه‌های واحدهای شهری با سهم مشابهی از سالمندان زن گسترده‌تر بودند.
تجزیه و تحلیل اولیه نشان داد که سالمندی شهری به جنسیت خاص بستگی دارد و بنابراین تفاوت‌های مربوط به مردان و زنان مسن باید در مدل‌سازی گنجانده شود.

2.4. عوامل بالقوه تعیین کننده پیری شهری اروپا

همانطور که قبلاً ذکر شد ( بخش 2.1 ، بخش 2.2 و بخش 2.3 )، روند پیری شهری به شدت با جنسیت و اندازه شهر مرتبط است، تنوع نسبی منطقه‌ای بالایی را نشان می‌دهد (مکانی غیر ساکن)، و دارای متغیرهای زیادی است که می‌توانند عوامل تعیین‌کننده احتمالی باشند. پدیده ها، چه در داخل و چه خارج از کنترل فردی. بنابراین، ما طیف وسیعی از عوامل را برای روند پیری مردان و زنان اروپایی شهری که در ادبیات تعریف شده‌اند (بیشتر در مقدمه این مقاله) پیشنهاد کردیم. ما همچنین در دسترس بودن اطلاعات آماری ممیزی شهری در Eurostat، WHO، OECD و ادارات ملی آمار را در نظر گرفتیم. داده ها به ده گروه طبقه بندی شده و در جدول 2 ارائه شده است.
به وضوح می توان دید که مجموعه داده های پانل ( جدول 2 ) به دلیل شکاف های موجود در برخی متغیرها برای دوره 1990-2018 کامل نیست و تخمین پانل برای مجموعه داده ما غیرممکن است. ما مقادیر همه متغیرها را میانگین گرفتیم. ما چندین رگرسیون گام به گام را برای شناسایی متغیرهای پیش بینی کننده پدیده ها در بازه زمانی انجام دادیم. در نهایت، برای غلبه بر همه این مشکلات، عملکرد GWR را برای توضیح روند پیری سالمندان (برای مردان و زنان) در شهرهای اروپایی تخمین زدیم. ما از نرم افزار ArcGIS استفاده کردیم.

3. روش شناسی

داده های مکانی در ساختار خود پیچیده تر از سری زمانی خود هستند. واحدهای فضایی تحلیل شده اغلب ناهمگن هستند – از نظر اندازه و پتانسیل اقتصادی یا اجتماعی متفاوت هستند. این مورد توسط این مطالعه تأیید می شود، جایی که پایگاه داده شامل شهرهای کوچکتر با کمتر از 100000 نفر جمعیت و شهرهای بزرگ با بیش از 1,000,000 ساکن است. علاوه بر این، شهرها از نظر سطح توسعه اقتصادی و اجتماعی به طور قابل توجهی متفاوت بودند ( شکل 1). روابط مدل‌سازی‌شده در چنین مواردی اغلب سازگار نیستند، که باعث ناهمسانی مولفه تصادفی در رگرسیون OLS (حداقل مربع‌های معمولی) می‌شود. ادبیات راه های بسیاری را برای حل چنین مشکلاتی نشان می دهد. یکی از آنها استفاده از مدل رگرسیون وزنی جغرافیایی (GWR) است که ناهمگونی فضایی را در نظر می گیرد. این روش با ایجاد یک معادله رگرسیون جداگانه برای هر مشاهده (برای هر شهر مورد تجزیه و تحلیل در مورد ما) امکان شناسایی تغییرپذیری ضرایب رگرسیون در فضای جغرافیایی را فراهم می کند.

مدل GWR را می توان به صورت زیر بیان کرد [ 56 ]:

yمن=β0(تومن،vمن)+∑βک(تومن،vمن)ایکسمنک+εمن

جایی که i واحد فضایی را نشان می دهد – یک شهر در مورد ما، y i متغیر وابسته است، ( u i ، v i ) محل مختصات i است، 0 نقطه قطع است، k نشان دهنده ضرایب است، x ik نشان دهنده متغیرهای مستقل، و i عبارت خطا است.

تخمینگر مدل به شکل زیر است:

β”=[ایکستیدبلیو(تومن،vمن)ایکس]-1ایکستیدبلیو(تومن،vمن)Y

که در آن W ( u i , v i ) ماتریس مربع وزن ها نسبت به موقعیت ( u i , v i ) در منطقه مورد مطالعه است، X T W ( ui , vi ) X ماتریس واریانس کوواریانس وزن شده جغرافیایی است ( برآورد مستلزم به دست آوردن معکوس آن است) و Y بردار مقادیر برای متغیر وابسته است [ 57 ].

ماتریس W ( u i , v i ) حاوی وزن‌های جغرافیایی در مورب اصلی و 0 در عناصر خارج از قطر است [ 58 ]:

دبلیو(تومن،vمن)=[w1(تومن،vمن)000…000wn(تومن،vمن)]

که در آن n تعداد مشاهدات (واحدهای فضایی) است.

هر معادله با استفاده از وزن های مختلف مشاهدات موجود در مجموعه داده کالیبره شد. طبق قانون اول جغرافیای توبلر (“همه چیز به هر چیز دیگری مربوط است، اما چیزهای نزدیک بیشتر از چیزهای دور مرتبط هستند”) [ 59 ]، فرض بر این است که مشاهدات نزدیک به یکدیگر تأثیر بیشتری بر تخمین پارامترهای یکدیگر دارند تا مشاهدات. دورتر از هم، به این معنی که ضربه با فاصله کاهش می‌یابد [ 56 ]. وزن تخصیص یافته به هر مشاهده بر اساس یک تابع فروپاشی فاصله متمرکز در حول مشاهده i بود [ 60 ]]. انتخاب طرح وزن دهی فضایی، به ویژه پهنای باند هسته، یکی از مهم ترین مراحل تحلیل است زیرا در واقع نتایج نهایی را تعیین می کند [ 56 ]. در این مطالعه، با توجه به اینکه تراکم مشاهدات در منطقه مورد مطالعه متفاوت است، از نوع تطبیقی ​​هسته فضایی برای ارائه وزن جغرافیایی در مدل استفاده شد [ 58 ]. یک ضریب کلیدی در هسته، پهنای باند است که اندازه هسته را کنترل می کند. روش اصلاح شده معیار اطلاعات آکایک (ACIC) در این مطالعه برای تعیین پهنای باند (پهنای باندی که آمار برای آن کمترین مقادیر را می گیرد بهینه در نظر گرفته می شود) همانطور که در ادبیات توصیه می شود استفاده شد [ 61 ].
GWR نه تنها تخمین پارامترهای موضعی، بلکه نسخه‌های محلی‌شده همه تشخیص‌های رگرسیون استاندارد را نیز تولید می‌کند که می‌توانند نقشه‌برداری شوند. نقشه‌های تولید شده بر اساس این اطلاعات نقش کلیدی در تفسیر نتایج به‌دست‌آمده و درک روابط مورد مطالعه، به‌ویژه از منظر فضایی دارند [ 60 ].

4. نتایج و بحث

هدف اصلی این تحقیق شناسایی عوامل تعیین کننده روند پیری جمعیت در 270 شهر اروپایی بود. از این رو، تلاش شد تا مدل‌های اقتصادسنجی برای توصیف تأثیر عوامل منتخب اقتصادی، اجتماعی و محیطی ( جدول 2 ) بر نسبت افراد مسن: مردان و زنان (65 سال به بالا) در جمعیت شهرها در سال 1990 ساخته شود. –2018. در مرحله اول تجزیه و تحلیل، همبستگی بین متغیرهای وابسته و عوامل بالقوه که در جدول 2 آمده است.، مورد بررسی قرار گرفت. بالاترین مقادیر برای: نرخ خام زاد و ولد (CBR)، نرخ خام مرگ و میر (CDR)، نرخ مرگ و میر نوزادان (IMR (دموگرافی))، میانگین مساحت محل سکونت (AEOL)، خانوارهای تنها بازنشسته (LPH (شرایط زندگی) مشاهده شد. ))، شهر، صندلی های سینما (CS (فرهنگ و گردشگری))، خارجی ها به نسبت جمعیت (FP (مهاجرت))، پزشکان، پرستاران، ماماها و فیزیوتراپ ها (MD_N_P) و تعداد خودروهای ثبت نام شده (RC (RC سلامتی)). سپس اشکال مختلف توابع و مجموعه های مختلف متغیرهای توضیحی در نظر گرفته شد. نسخه نهایی رگرسیون بر اساس تحلیل هم خطی در مدل، معیار اطلاعات آکایک و ضریب تعیین انتخاب شد. به منظور مقایسه نتایج مدل GWR، پارامترهای مدل جهانی (OLS)،
مدل های جهانی، هم برای زنان و هم برای مردان، با ضریب تعیین پایین مشخص شدند: به ترتیب 0.41 و 0.37. اگرچه آمار Jarque-Bera نشان داد که باقیمانده ها به طور معمول توزیع شده اند، اما آمار موران I همبستگی مکانی را در باقیمانده های OLS نشان داد (در ابتدا، با نتایج ESDA، شکل 3 تایید شد ). علاوه بر این، آمار کوئنکر (BP) نشان داد که روابط مدل‌سازی‌شده به دلیل ناپایداری یا ناهمسانی سازگار نیستند ( جدول 3 ).
استفاده از مدل های GWR به طور قابل توجهی نتایج را بهبود بخشید. همه اندازه‌گیری‌ها نشان داد که GWR ها به طور قابل توجهی برازش بهتری با داده‌های تجربی داشتند. ارزش AICc (معیار اطلاعات Akaike) برای زنان از 1461.56 در مدل جهانی به 1351.97 در GWR کاهش یافت. برای مردان از 1325.30 تا 1199.77 متغیر بود. مقدار R-squared نیز بهبود یافته است. برای زنان، از 0.41 در OLS به 0.66 (مقدار متوسط ​​R-squared محلی تنظیم شده) در GWR، برای مردان، از 0.37 به 0.66 افزایش یافت. همانطور که یو اشاره کرد، یک GWR معمولاً مدل‌های برازش بهتری نسبت به OLS جهانی تولید می‌کند، زیرا ناهمگنی فضایی رابطه بین متغیرهای وابسته و مستقل را در نظر می‌گیرد [ 62 ]]. با این وجود، هنوز یک تنوع غیرقابل توضیح زیاد وجود دارد که باید در مطالعات آینده مورد توجه قرار گیرد. مهمتر از همه، آزمون موران I از نظر آماری معنی دار نبود ( p -value <0.01)، هم برای GWR زنان و هم برای مردان. بنابراین، هیچ همبستگی مکانی در باقیمانده ها وجود نداشت ( جدول 3 ).
در مدل‌های جهانی، فاکتورهای تورم واریانس (VIF) برای همه متغیرها از 1.35 تجاوز نمی‌کند، که به این معنی است که هیچ موضوع خطی وجود ندارد (VIF از پنج به بالا نشان‌دهنده همبستگی بالا در بین رگرسیون‌ها است که ممکن است مشکل‌ساز باشد ( جدول 4 ) [ 63 ]. با این حال، در مدل‌های GWR، مشکل هم خطی پیچیده‌تر و آزمایش آن دشوار است. هنگامی که داده ها از نظر فضایی ناهمگن هستند، برخی از مکان ها ممکن است همخطی بودن را نشان دهند، در حالی که برخی دیگر ممکن است اینگونه نباشند. اثرات همخطی را می توان با نمونه های فضایی کوچکتر مورد استفاده در هر تخمین محلی آشکارتر کرد [ 64]. نرم افزار ArcMap این مشکل را حل می کند و به سادگی نتایجی را در زمانی که چند خطی سراسری یا محلی در مدل وجود دارد، ارائه نمی دهد. بر اساس نتایج مطالعه، می‌توان بیان کرد که در مدل‌های تخمینی هیچ مسئله خطی وجود ندارد: نه جهانی و نه GWR.
جدول 4 نتایج اولیه OLS را نشان می دهد. در مورد زنان، پارامتر شهر از نظر آماری معنی دار نبود، بنابراین متغیر از مدل حذف شد. به طور کلی، می توان به وضوح مشاهده کرد که تأثیر متغیرهای برونزای تحلیل شده برای زنان بسیار بیشتر از مردان بود. با این وجود، مدل جهانی پیچیدگی پدیده مورد مطالعه را منعکس نمی کند.
مقادیر محلی ضرایب در مدل های GWR در شکل 4 ارائه شده است. برای به دست آوردن تفاوت در مقادیر پارامتر بین زنان و مردان، مقیاس یکسان برای هر متغیر روی نقشه ها استفاده شد.
یک همبستگی منفی بین نرخ خام زاد و ولد به ازای هر 1000 نفر و نسبت افراد مسن، اعم از زن و مرد (65 سال یا بالاتر)، در جمعیت در تمام شهرهای مورد تجزیه و تحلیل مشاهده شد. قوی ترین رابطه برای زنان در شهرهایی در اروپای مرکزی رخ داد: در آلمان، دانمارک، نروژ شرقی، سوئد، شمال غربی لهستان، شمال ایتالیا و سوئیس، در حالی که ضعیف ترین – برای زنان و مردان – در اروپای شرقی مشاهده شد. شرق لهستان و اسلواکی، مجارستان، رومانی، بلغارستان، یونان، کرواسی و جنوب ایتالیا) و غربی ترین مناطق: پرتغال، غرب فرانسه، انگلستان و ایرلند. نرخ زاد و ولد یکی از مهمترین عوامل موثر بر ساختار جمعیت است. نرخ تولد بالاتر قطعا ساختار جمعیتی را بهبود می بخشد،65 ]. بر اساس داده های ارائه شده توسط بانک جهانی [ 66 ]، نرخ خام زاد و ولد در اتحادیه اروپا به طور پیوسته از اواسط دهه 1960 تا اواسط دهه 1990 کاهش یافت (از 19.209 به 10.437)، سپس در حدود 10 تثبیت شد. نرخ خام زاد و ولد به ازای هر 1000 نفر در شهرهای مورد تجزیه و تحلیل بین سال های 1991 و 2018، 10.768 بوده است. بالاترین نرخ در شهرهای یونان مانند ایوانینا، ایراکلیو، لاریسا، کاوالا و آتینا (از 26 تا 19) مشاهده شد، در حالی که کمترین آن در شهرهای ایتالیا مانند کالیاری، گنووه، تریست، سالرنو و کامپوباسو (حدود 7) مشاهده شد. ). میانگین نرخ باروری در اتحادیه اروپا در دوره مورد تجزیه و تحلیل 1.55 [ 67 ] بود]، که قطعا جایگزینی نسلی یا کاهش قابل توجهی در نسبت افراد مسن در جمعیت را تضمین نمی کند.
یک همبستگی منفی بین خارجی ها به عنوان نسبتی از جمعیت و سهم زنان 65 ساله یا بالاتر در جمعیت تنها در 50 شهر از 270 شهر مورد تجزیه و تحلیل واقع در ایرلند، بریتانیا، غرب فرانسه، اسپانیا و پرتغال مشاهده شد. در مورد مردان، این رابطه در 96 شهر واقع در هلند، بلژیک، فرانسه و در جزیره ایتالیا، ساردینیا مورد توجه قرار گرفت. این رابطه نشان دهنده تأثیر مطلوب مهاجرت بر ساختار جمعیت بود. کاهش سهم سالمندان در جمعیت ناشی از هجوم خارجی ها به معنای جوان سازی جامعه است. برای مردان، این تأثیر در منطقه بسیار بزرگ‌تری از اروپای غربی نسبت به زنان اعمال می‌شود. شاید این به خاطر این واقعیت است که مهاجران اکثراً جوانان هستند. و نسبت مهاجران مرد در کشورهای اروپایی کمی بیشتر از نسبت زنان است، اما از آنجایی که تعداد مردان به طور کلی کمتر است، تأثیر در مورد آنها بیشتر است. رابطه مثبت بین این دو متغیر در اروپای مرکزی و شرقی مشاهده شد. بیشترین تأثیر برای زنان در شهرهای واقع در بخش غربی قاره مشاهده شد – از نروژ و سوئد، از طریق لهستان، اسلواکی، مجارستان، کرواسی، رومانی، بلغارستان تا یونان. برای مردان، بیشترین تاثیر تنها در جنوب لهستان، اسلواکی و مجارستان مشاهده شد. در عین حال، سهم خارجی ها در جمعیت شهرهای مورد تجزیه و تحلیل واقع در شرق اروپا بسیار کمتر از اروپای غربی بود. به عنوان مثال، در اکثر شهرهای لهستان، بلغارستان و رومانی، حتی از 1٪ تجاوز نمی کند.68 ].
بین نسبت خانوارهای تنها مستمری بگیر و متغیر وابسته در تمام شهرهای مورد تجزیه و تحلیل همبستگی مثبت وجود داشت. بالاترین مقادیر ضرایب برای زنان در شهرهای واقع در غرب لهستان، جمهوری چک، بخش‌های شرقی و غربی آلمان، هلند، بلژیک، لوکزامبورگ، سوئیس، فرانسه، اسپانیا و جنوب پرتغال مشاهده شد – این شهرها یک خوشه را در سراسر کشور تشکیل دادند. اروپا، از شرق تا غرب. کمترین تأثیر را برای مردان در اروپای شرقی، به ویژه در شهرهای واقع در استونی، لیتوانی، لتونی، شرق لهستان، اسلواکی، مجارستان، کرواسی، رومانی، بلغارستان، یونان و مرکز و جنوب ایتالیا مشاهده شد. کمترین مقادیر ضرایب نیز در ایرلند و شمال بریتانیا مشاهده شد. مشکل تنها زیستن در سنین بالا زنان را بسیار بیشتر از مردان تحت تاثیر قرار می دهد. این عمدتاً به این دلیل است که زنان معمولاً بیشتر از مردان عمر می کنند. میانگین امید به زندگی در اتحادیه اروپا در سال 2018 برای زنان 83.7 سال و برای مردان 78.2 سال بود.69]. در نتیجه این پدیده تعداد زنان در اتحادیه اروپا بیشتر از مردان است. در هر شهر مورد تجزیه و تحلیل، میانگین نسبت زنان 65 ساله یا بالاتر در جمعیت به طور قابل توجهی بیشتر از مردان در سال‌های 1991-2018 بود. بیشترین تفاوت به نفع زنان در لتونی (ریگا، 42٪)، استونی (تالین، 40.5٪)، لیتوانی (کاوناس، 39٪)، لهستان (لودز، 37.7٪) و سوئیس (لوزان، 36.8٪) ثبت شده است. به نوبه خود، کمترین تفاوت در یونان (یانینا، 9.9٪؛ لاریسا، 11.6٪؛ کاوالا، 16.4٪)، قبرس (Lefkosia، 13.6٪) و بلژیک (Brugge، 17.5٪) مشاهده شد. با این وجود، اینکه آیا مردم در زندگی بعدی به تنهایی زندگی می کنند تا حد زیادی به شرایط فرهنگی و سنت های پرورش یافته در کشورها/منطقه های فردی بستگی دارد. مقیاس بزرگتری از این پدیده در کشورهای بسیار توسعه یافته اروپای غربی مشاهده می شود.70 ]، که به طور گسترده در اروپای شرقی پذیرفته نشده است. افراد مسن، به ویژه آنهایی که همسر خود را از دست داده اند، اغلب در کنار خانواده خود می مانند که تنوع مکانی پارامترها موید آن است.
در مورد مراقبت های بهداشتی (پزشکان، پرستاران، ماماها و فیزیوتراپیست ها به ازای هر 1000 نفر جمعیت)، رابطه با متغیر وابسته مثبت، اما برای زنان و مردان در تمامی شهرهای مورد تجزیه و تحلیل بسیار ضعیف بود. با این وجود، بالاترین مقادیر پارامتر برای زنان در شهرهای واقع در بریتانیا، ایرلند و نروژ ثبت شد. کمترین مقدار، هم برای زنان و هم برای مردان، در جنوب آلمان، سوئیس، شرق فرانسه، شمال و مرکز ایتالیا و علاوه بر این، در مردان به تنهایی، در مرکز لهستان، جمهوری چک و اتریش مشاهده شد. بدیهی است که مردم به لطف پیشرفت های چشمگیر در مراقبت های بهداشتی عمر طولانی تری دارند. علاوه بر پیشرفت تکنولوژیکی در پزشکی، دسترسی به کادر پزشکی واجد شرایط – پزشکان، پرستاران، فیزیوتراپیست ها و غیره- از اهمیت بالایی برخوردار است. مراقبت های پزشکی حرفه ای نه تنها عمر افراد را افزایش می دهد، بلکه کیفیت زندگی آنها را نیز بهبود می بخشد. متأسفانه، به گفته سازمان بهداشت جهانی، علیرغم افزایش تعداد کارکنان بهداشتی در دهه گذشته، تعداد کارکنان مراقبت های بهداشتی در اروپا ممکن است برای پوشش نیازهای بهداشتی آینده جمعیت سالخورده کافی نباشد.71 ]. علاوه بر این، عدم تعادل زیادی در متخصصان مراقبت های بهداشتی وجود دارد. به عنوان مثال، بیشترین تعداد پزشکان، پرستاران، ماماها و فیزیوتراپیست ها به ازای هر 1000 نفر در دوره مورد تجزیه و تحلیل در شهرهای آلمان (وایمار، فرانکفورت، شورین، تریر و کوبلنتس) ثبت شده است، در حالی که کمترین آن در مالت (والتا) ثبت شده است. لتونی (ریگا)، قبرس (لفکوزیا)، استونی (تالین) و کرواسی (زاگرب) – این تفاوت بیش از هشت برابر است. تعدیل سیستم‌های مراقبت‌های بهداشتی و مراقبت‌های بلندمدت که نه تنها در تحقیقات پزشکی و فناوری‌های جدید، بلکه در کادر پزشکی واجد شرایط نیز نیاز به سرمایه‌گذاری دارد، اکنون چالش بزرگی است که علیرغم افزایش مداوم هزینه‌ها، غلبه بر آن غیرممکن به نظر می‌رسد. مراقبت های بهداشتی در تمام کشورهای اروپایی
آخرین متغیر از نظر آماری فقط برای مردان معنی دار بود. یک همبستگی منفی بین اندازه شهرها بر اساس جمعیت و نسبت مردان مسن (65 ساله یا بالاتر) در جمعیت در بخش جنوب شرقی اروپا – در فنلاند، استونی، لتونی، لیتوانی، لهستان، اسلواکی، مجارستان مشاهده شد. ، شرق اتریش و جمهوری چک. بقیه شهرهای مورد تجزیه و تحلیل با رابطه مثبت بین دو متغیر فوق مشخص شدند. بالاترین مقادیر ضریب در شهرهایی که یک خوشه را در بخش‌های شمال غربی اروپا تشکیل می‌دهند، بیشتر در ایرلند، بریتانیا، فرانسه، هلند، بلژیک، دانمارک و سوئیس مشاهده شد. بر اساس یکی از اهداف توسعه پایدار، توسط مجمع عمومی سازمان ملل متحد در سال 2015 – شهرها و جوامع پایدار – این شهرها هستند که به افراد مسن فرصت زندگی طولانی تر و سالم تر را می دهند. در شهرهای بزرگ و توسعه یافته، مردم دسترسی بیشتری به دارو، مراقبت های اجتماعی، مراقبت های طولانی مدت، انواع خدمات، مغازه ها و داروخانه ها، حمل و نقل و ارتباطات دارند. زندگی در چنین محیطی افراد را قادر می سازد علیرغم برخی محدودیت های سنی فعال و خودکفا باقی بمانند.7 ]. البته، توسعه یک محیط دوستدار سالمندان مستلزم آگاهی اجتماعی بالا، تعهد بالا از سوی مقامات و اقدامات در بسیاری از بخش ها است که هزینه های مالی هنگفتی را می طلبد. شاید به همین دلیل است که رابطه مثبتی بین متغیرهای مورد تجزیه و تحلیل در بخش غربی اروپا ثبت شد که با پیشرفت‌های اجتماعی-اقتصادی بالاتر نسبت به بخش شرقی مشخص می‌شود.

5. نتیجه گیری ها

هدف اصلی این تحقیق شناسایی عوامل تعیین‌کننده روند پیری جمعیت در 270 شهر اروپایی در سال‌های 1990-2018 بود. نتایج نشان می‌دهد که فرآیند پیری بیشتر شهرهای مورد تجزیه و تحلیل (93٪) را تحت تأثیر قرار می‌دهد و به شدت با جنسیت و اندازه شهر مرتبط است. با این حال، پیری در اروپا با نرخ های متفاوتی برای مردان و زنان اتفاق افتاد. میانگین سالمندی سالانه زنان بیشتر از مردان بود. بیشترین رشد سالانه در سهم مردان و زنان (65 سال به بالا) در شهرهای اسپانیا، ایتالیا، بریتانیا، ایرلند، لهستان و آلمان مشخص شد. با این حال، مردانی که در شهرهای هلند و سوئد زندگی می‌کنند سریع‌تر پیر می‌شوند که به نوبه خود برای زنان مشاهده نشد. از سوی دیگر،
برای درک روند پیری شهری مردان و زنان، طیفی از عوامل اقتصادی، جمعیتی، اجتماعی، حمل و نقل، بهداشت و محیطی را پیشنهاد کردیم. بر اساس تحقیقات انجام شده، ثابت شد که سالمندی مشاهده شده در شهرهای اروپایی از نظر مکانی بسیار واگرا بوده است. بنابراین، امکان تجزیه و تحلیل عوامل تعیین کننده با استفاده از مدل OLS وجود نداشت. بنابراین، رویکرد GWR مورد استفاده قرار گرفت، زیرا ما را قادر می‌سازد تا تغییرپذیری در قدرت و جهت وابستگی‌هایی را که بین متغیرهای تحلیل شده در شهرهای جداگانه رخ می‌دهند، تجزیه و تحلیل کنیم. مدل‌های جداگانه‌ای برای زنان و مردان ساخته شد تا تفاوت‌های جنسیتی را نشان دهند. نتایج به‌دست‌آمده نشان‌دهنده تفاوت معنادار بین آنها است. به طور کلی، روابط بین متغیرها برای زنان قوی تر بود، اگرچه اندازه شهرها بر حسب جمعیت از نظر آماری فقط برای مردان معنادار بود. پارامترهای موجود در مدل‌ها با تنوع فضایی زیاد مشخص می‌شوند که تنوع تأثیر متغیرها را بر پیری جمعیت (به‌طور جداگانه برای زنان و مردان) در شهرهای جداگانه برجسته می‌کند. در بیشتر موارد، مقادیر پارامترهای مشابه در یک فضای جغرافیایی گروه‌بندی می‌شدند که خوشه‌های شهر را تشکیل می‌دادند، که محدود به قلمرو کشورها نبودند، اما اغلب اروپا را به بخش‌های غربی و شرقی تقسیم می‌کردند.
در مرحله اول تحلیل رگرسیون، بیش از 30 عامل اقتصادی، اجتماعی و محیطی را پیشنهاد کردیم که می‌توانند بر پیری جمعیت شهرهای اروپایی در سال‌های 1990-2018 تأثیر بگذارند. در نهایت، پنج مورد از آنها در مدل ها مورد تجزیه و تحلیل قرار گرفتند. بر اساس تحقیقات انجام شده، می توان نتیجه گرفت که کاهش سهم افراد سالمند (اعم از زن و مرد) در جمعیت تحت تأثیر رشد نرخ خام زاد و ولد به ازای هر 1000 نفر در تمام شهرهای مورد تجزیه و تحلیل قرار گرفته است، در حالی که افزایش در سطوح متغیرهای مورد تجزیه و تحلیل تحت تأثیر افزایش نسبت خانوارهای مستمری بگیر تنها و همچنین تعداد پزشکان، پرستاران، ماماها و فیزیوتراپیست ها به ازای هر 1000 نفر در همه شهرهای مورد تجزیه و تحلیل قرار گرفت. در مورد دو متغیر – شهرها بر اساس جمعیت و خارجی ها به عنوان نسبتی از جمعیت – همبستگی مثبت و منفی با متغیرهای وابسته برای شهرهای منتخب مشاهده شد (این نتایج اروپا را به بخش های غربی و شرقی تقسیم کرد). بنابراین، ثابت شد که، به عنوان مثال، تحرک بین‌المللی می‌تواند به فرآیند جوان‌سازی یا پیری جمعیت کمک کند.
پیری شهری مشاهده شده در اروپا یک واقعیت است، با این حال، در مناطق مختلف اروپا سرعت متفاوتی به خود می گیرد. این تنوع نتیجه عوامل تعیین کننده محلی یا موانع خاص موردی برای توسعه است. بنابراین، هیچ مفهوم جهانی واحدی از رشد شهری وجود ندارد که بتواند روند پیری را در یک شهر مشخص توضیح دهد. مسلم است که تشخیص دلایل پیری در صلاحیت جوامع محلی است. اگرچه اهداف سیاست‌های سالمندی در سطوح ملی ایجاد می‌شوند، تصمیم‌گیری‌های زیادی باید در مرحله محلی شهرداری توسط نمایندگان محلی اتخاذ شود که بهتر از وضعیت خاص شهر خود می‌دانند. از این رو،
ما در حال حاضر با همه‌گیری جهانی کرونا (COVID-19) از جمله اروپا، جایی که اسپانیا، ایتالیا، آلمان، بریتانیا و فرانسه بیشترین آسیب را می‌بینند، درگیر هستیم. افراد مسن در معرض خطر بیشتری برای ابتلا به این بیماری هستند و مرگ و میر در میان آنها بالاترین میزان است. بنابراین، می‌توان انتظار تغییراتی در ساختار جمعیت پس از سال 2019 داشت. به همین دلیل، ادامه تحقیقات در مورد سهم افراد مسن از جمعیت اروپا در سطوح مختلف تقسیمات اداری (برای کشورها، مناطق، شهرها) و همچنین تجزیه و تحلیل عوامل تعیین کننده پدیده کاملاً توجیه شده است. علاوه بر این، تهیه یک نظرسنجی برای به دست آوردن داده های گزارش شده خود فرصتی برای غنی سازی مطالعات آینده در مورد سالمندی شهری و رضایت از زندگی جمعیت سالمند خواهد بود.

منابع

  1. جونز، SE Aging and the City: ایجاد فضاهای شهری برای افراد مسن . HelpAge International: لندن، بریتانیا، 2016؛ در دسترس آنلاین: https://www.nwtseniorssociety.ca/wp-content/uploads/2013/11/Ageing-and-City-Low-Res.pdf (در 2 فوریه 2020 قابل دسترسی است).
  2. سازمان بهداشت جهانی. در دسترس آنلاین: https://www.who.int/healthinfo/survey/ageingdefnolder/en/ (در 2 فوریه 2020 قابل دسترسی است).
  3. سازمان بهداشت جهانی. شهرهای جهانی دوستدار سن: یک راهنما. در دسترس آنلاین: https://www.who.int/ageing/publications/Global_age_friendly_cities_Guide_English.pdf (در 2 فوریه 2020 قابل دسترسی است).
  4. OECD. در دسترس آنلاین: https://stats.oecd.org/viewhtml.aspx?datasetcode=CITIES&lang=en# (در 2 فوریه 2020 قابل دسترسی است).
  5. Monnier, A. Baby Boomers: Towards of a Era. مردمی Soc. 2007 ، 431 ، 1. [ Google Scholar ]
  6. Costa, DL علل بهبود سلامت و طول عمر در سنین بالاتر: مروری بر توضیحات. جنس 2005 , 61 . [ Google Scholar ] [ CrossRef ]
  7. سازمان بهداشت جهانی. سلامت جهانی و پیری در دسترس آنلاین: https://www.who.int/ageing/publications/global_health.pdf (در 2 فوریه 2020 قابل دسترسی است).
  8. گروه کارگاه ESHRE Capri. اروپا قاره ای با کمترین باروری هوم تولید مجدد به روز رسانی 2010 ، 16 ، 590-602. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  9. سازمان ملل. پیری جمعیت جهان 2017. موجود به صورت آنلاین: https://www.un.org/en/development/desa/population/publications/pdf/ageing/WPA2017_Highlights.pdf (در 1 فوریه 2020 قابل دسترسی است).
  10. گلر، AM; زنیک، اچ. پیری و محیط زیست: چارچوب تحقیق. محیط زیست چشم انداز سلامتی 2005 ، 113 ، 1257-1262. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  11. راجرز، ا. رایمر، جی. مهاجرت و جمعیت شناسی منطقه ای جمعیت سالمند در ایالات متحده. جی. گرونت. 2001 ، 56 ، 44-55. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  12. ایوانز، بی. پالاسیوس، آر. چه کسی فقیرتر است؟ فقر بر اساس سن در جهان در حال توسعه ; بانک جهانی: واشنگتن، دی سی، ایالات متحده آمریکا، 2015. [ Google Scholar ]
  13. کاشنیتسکی، آی. دی بیر، جی. ون ویسن، L. تجزیه همگرایی منطقه ای در پیری جمعیت در سراسر اروپا. جنس 2017 ، 73 ، 2. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  14. Leeson، GW رشد، پیری و شهرنشینی جهان ما. مردمی پیری 2018 ، 11 ، 107-115. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  15. Šídlo، Ľ. Šprocha، B. Klapková، M. تفاوت های منطقه ای در پیری جمعیت در اروپا از طریق شاخص های آینده نگر مشاهده می شود. Erdkune 2019 ، 73 ، 225–240. [ Google Scholar ] [ CrossRef ]
  16. یانگ، ال. ژائو، ک. Fan, Z. بررسی عوامل تعیین کننده پیری جمعیت در شمال شرقی چین: از دیدگاه اجتماعی-اقتصادی. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2019 ، 16 ، 4265. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  17. فاستر، L. پیری فعال، حقوق بازنشستگی و بازنشستگی در بریتانیا. جی پوپول. پیری 2018 ، 11 ، 117-132. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  18. ریگان، جی سی. کبک، L. جنسیت و طول عمر: چرا مردان زودتر از زنان می میرند؟ شواهد تطبیقی ​​و تجربی. بهترین عمل. Res. کلین اندوکرینول. متاب. 2013 ، 27 ، 467-479. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  19. ویندهگر، اس. میتروکر، پی. روپیچ، آی. لاوک، تی. پولاشک، او. Schaefer, K. مسیرهای پیری صورت: یک الگوی شکل رایج در صورت مرد و زن پس از یائسگی مختل می شود. صبح. J. Phys. آنتروپل 2019 ، 169 ، 678-688. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  20. پلوف، ال. کالاچه، A. به سوی شهرهای جهانی سازگار با سن: تعیین ویژگی های شهری که پیری فعال را ترویج می کند. J. Urban Health 2010 ، 87 ، 733-739. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  21. بافل، تی. فیلیپسون، سی. شارف، تی. پیری در محیط‌های شهری: توسعه شهرهای سازگار با سن. کریت Soc. سیاست 2012 ، 32 ، 597-617. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  22. فولاد، S. ویژگی های کلیدی شهرها و جوامع دوستدار سن: بررسی. شهرها 2015 ، 47 ، 45-52. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  23. مولارت، تی. گارون، S. شهرها و جوامع دوستدار سن در مقایسه بین المللی: درس های سیاسی، خیابان های علمی، و مسائل دموکراتیک . Springer: Cham، Switzerland، 2016. [ Google Scholar ]
  24. ون هوف، جی. Kazak، JK; Perek-Białas، JM; پیک، STM چالش‌های پیری شهری: ساختن شهرها برای سالمندان در اروپا. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2018 ، 15 ، 2473. [ Google Scholar ] [ CrossRef ] [ PubMed ] [ نسخه سبز ]
  25. بوریان، جی. زیمرماننووا، جی. Macků, K. برنامه ریزی توسعه جمعیتی در شهرها. در فضای شناسی ؛ Pászto, V., Jürgens, C., Tominc, P., Burian, J., Eds. Springer: Cham، سوئیس، 2020. [ Google Scholar ]
  26. وردربر، اس. زیبا، معماری DJ Healthcare در عصر دگرگونی رادیکال . انتشارات دانشگاه ییل: نیوهیون، سی تی، ایالات متحده آمریکا، 2000. [ Google Scholar ]
  27. فدرسن، ای. Lüdtke, I. Living for the Elderly: A Design Manual ; Birkhäuser: بازل، سوئیس، 2009. [ Google Scholar ]
  28. فارلی، L. طراحی برای عصر سوم: معماری برای نسلی از «عصر فعال» بازتعریف شد . جان وایلی و پسران: هوبوکن، نیوجرسی، ایالات متحده آمریکا، 2014. [ Google Scholar ]
  29. Simpson، D. Young-Old: Urban Utopias of an Aging Society ; Lars Muller Publishers: Baden, Switzerland, 2015. [ Google Scholar ]
  30. پارک، جی. Porteus, J. مسکن مناسب برای سن: طراحی آینده برای افراد مسن . انتشارات RIBA: لندن، بریتانیا، 2018. [ Google Scholar ]
  31. Bowering, T. Ageing, Mobility and the City: Objects, Infrastructures and Practices in Everyday Assemblages of Civic Spaces in East London. مردمی پیری 2019 ، 12 ، 151-177. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  32. OECD. تغییرات جمعیتی در هلند: استراتژی‌هایی برای بازارهای کار انعطاف‌پذیر. در دسترس آنلاین: https://www.oecd.org/cfe/leed/Demo_change_netherlands_highlights.pdf (در 2 فوریه 2020 قابل دسترسی است).
  33. کاکس، ای. هندرسوناند، جی. Bake, R. Silver Cities در حال تحقق پتانسیل افزایش جمعیت ما. در دسترس آنلاین: https://www.ippr.org/files/publications/pdf/silver-cities_Dec2014.pdf (در 2 فوریه 2020 قابل دسترسی است).
  34. لاپرچه، بی. بوتیلیه، اس. جلال، اف. اینگام، م. لیو، ز. پیکارد، اف. ریباد، اس. تانگوی، سی. Uzunidis، D. نوآوری برای افراد مسن: توسعه نوآوری های geront’in در اقتصاد نقره فرانسه. تکنولوژی مقعدی استراتژی. مدیریت 2019 ، 31 ، 462-476. [ Google Scholar ] [ CrossRef ]
  35. ریش، JR; پتیوت، سی. پیری و شهرنشینی: آیا می‌توان شهرها را برای ترویج پیری فعال طراحی کرد؟ بهداشت عمومی Rev. 2010 , 32 , 427-450. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  36. گالچانووا، ال. Sýkorová، D. جنبه های اجتماعی- فضایی پیری در بافت شهری: نمونه ای از سه شهر جمهوری چک. جامعه پیری 2015 ، 35 ، 1200-1220. [ Google Scholar ] [ CrossRef ]
  37. جکیش، جی. زامارو، جی. گرین، جی. Huber, M. آیا یک شهر سالم نیز شهری دوستدار سن است؟ ارتقای سلامت. بین المللی 2015 ، 30 ، 108-117. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  38. توروک، آی. Mykhnenko، V. احیا شهرهای اروپایی؟ Urban Res. تمرین کنید. 2008 ، 1 ، 54-77. [ Google Scholar ] [ CrossRef ]
  39. سویازنی، اف. گریز، اف. شلومر، سی. تأثیرات فضایی تغییرات جمعیتی در آلمان – تجدید نظر در فرآیندهای جمعیت شهری. Z. Bevoelkerungswissenschaft 2008 ، 33 ، 181-206. [ Google Scholar ] [ CrossRef ]
  40. اتکینز، TM؛ Tonts، M. کاوش شهرها از طریق ماتریس پیری جمعیت: تجزیه و تحلیل مکانی و زمانی روند جمعیت سالمندان در پرث، استرالیا. اوست Geogr. 2016 ، 47 ، 65-87. [ Google Scholar ] [ CrossRef ]
  41. زینول، ر. Pettit، JC سالمندان و تسهیلات مراقبت بهداشتی جامعه: تجزیه و تحلیل فضایی. جغرافیا 2016 , 5 . [ Google Scholar ] [ CrossRef ]
  42. هان، جی اچ. کیم، جی. اچ. تغییرات پیری در خانه و پیری در همسایگی. اوست Geogr. 2017 ، 48 ، 255-272. [ Google Scholar ] [ CrossRef ]
  43. ساباتر، ا. السپت، جی. فینی، ن. فضایی‌های پیری: اثبات افزایش قطبیت فضایی بین بزرگسالان مسن‌تر و جوان‌تر در انگلستان و ولز. Demogr. Res. 2017 ، 36 ، 731-744. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  44. Antczak، E. لواندوفسکا-گواردا، ک. اروپا چقدر سریع پیر می شود؟ تجزیه و تحلیل دینامیک با استفاده از رویکرد شیفت فضایی-سهم. پایداری 2019 ، 11 ، 5661. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  45. مورائس، JFD; سوزا، عوامل VBA مرتبط با سالمندی موفق سالمندان فعال اجتماعی در منطقه شهری پورتو آلگره. سوتین کشیش. Psiquiatr. 2005 ، 27 ، 302-308. [ Google Scholar ] [ CrossRef ]
  46. راگی، ع. کورسو، بی. مینیکوچی، ن. کوئینتاس، آر. Sattin، D. عوامل تعیین کننده کیفیت زندگی در جمعیت های سالخورده: نتایج حاصل از یک مطالعه مقطعی در فنلاند، لهستان و اسپانیا. PLoS ONE 2016 ، 11 ، 1-17. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  47. کولا، جی. Wójcik، PT تعیین کننده های محلی پیری جمعیت در لهستان. دانشگاه Acta لودز Folia Oeconomica 2017 ، 3 ، 93-110. [ Google Scholar ]
  48. استانوجویچ-یرکویچ، او. Skirmante، S. لیناس، ش. کریستوفر، بی. Janko، K. عوامل تعیین کننده سلامت خود رتبه بندی در جمعیت های مسن در مناطق شهری در اسلوونی، لیتوانی و بریتانیا: یافته های بررسی EURO-URHIS 2. یورو J. بهداشت عمومی 2015 ، 1-6. در دسترس آنلاین: https://academic.oup.com/eurpub/article-lookup/doi/10.1093/eurpub/ckv097 (در 20 مارس 2020 قابل دسترسی است).
  49. ACPA. تطبیق شهرهای اروپایی با پیری جمعیت: چالش‌های سیاست‌گذاری و بهترین شیوه‌ها 2019. در دسترس آنلاین: https://www.espon.eu/ACPA (در 2 فوریه 2020 قابل دسترسی است).
  50. دایکسترا، ال. Poelman, H. شهرهای اروپا تعریف جدید OECD-EC. در دسترس آنلاین: https://ec.europa.eu/regional_policy/sources/docgener/focus/2012_01_city.pdf (دسترسی در 4 فوریه 2020).
  51. بانک جهانی. در دسترس آنلاین: https://blogs.worldbank.org/opendata/new-country-classifications-income-level-2018-2019 (در 4 فوریه 2020 قابل دسترسی است).
  52. نبیلک، ک. Hamers, D. شهرهای اروپا حقایق و ارقام در مورد شهرها و مناطق شهری. در دسترس آنلاین: https://ec.europa.eu/futurium/en/system/files/ged/pbl_2016_cities_in_europe_23231.pdf (دسترسی در 4 فوریه 2020).
  53. Kruskal، WH; Wallis, WA استفاده از رتبه ها در تحلیل واریانس تک معیاری. مربا. آمار دانشیار 1952 ، 47 ، 583-621. [ Google Scholar ] [ CrossRef ]
  54. آنسلین، ال. Florax, RJ جهت‌های جدید در اقتصاد سنجی فضایی . Springer Science & Business Media: برلین، آلمان، 1995. [ Google Scholar ]
  55. گتیس، ع. Jared, A. ساخت ماتریس وزن های فضایی با استفاده از یک آمار محلی. Geogr. مقعدی 2004 ، 36 ، 90-104. [ Google Scholar ] [ CrossRef ]
  56. براندون، سی. Fotheringham، AS; چارلتون، ام. رگرسیون وزن‌دار جغرافیایی: روشی برای بررسی ناپایداری فضایی. Geogr. مقعدی 1996 ، 28 ، 281-298. [ Google Scholar ] [ CrossRef ]
  57. چارلتون، ام. فاثرینگهام، رگرسیون وزن‌دار جغرافیایی AS. در دسترس آنلاین: https://gwr.nuim.ie/downloads/GWR_WhitePaper.pdf (در 20 مارس 2020 قابل دسترسی است).
  58. Fotheringham، AS; براندون، سی. چارلتون، ام. رگرسیون وزن‌دار جغرافیایی: تحلیل روابط متغیر فضایی . جان وایلی و پسران: هوبوکن، نیوجرسی، ایالات متحده آمریکا، 2003. [ Google Scholar ]
  59. Tobler, W. یک فیلم کامپیوتری شبیه سازی رشد شهری در منطقه دیترویت. اقتصاد Geogr. 1970 ، 46 ، 234-240. [ Google Scholar ] [ CrossRef ]
  60. منیس، جی. نقشه برداری از نتایج رگرسیون دارای وزن جغرافیایی. کارتوگر. J. 2006 , 43 , 171-179. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  61. چارلتون، ام. فاثرینگهام، رگرسیون وزن‌دار جغرافیایی AS. آموزش استفاده از GWR در ArcGIS 9.3. در دسترس آنلاین: https://www.geos.ed.ac.uk/~gisteac/fcl/gwr/gwr_arcgis/GWR_Tutorial.pdf (در 20 مارس 2020 قابل دسترسی است).
  62. یو، دی.-ال. مکانیسم‌های توسعه متفاوت مکانی در منطقه بزرگ پکن: بررسی رگرسیون وزن‌دار جغرافیایی ان Reg. علمی 2006 ، 40 ، 173-190. [ Google Scholar ] [ CrossRef ]
  63. Akinwande، MO; دیکو، اچ جی; سامسون، الف. عامل تورم واریانس: به عنوان شرطی برای گنجاندن متغیر(های) سرکوبگر در تحلیل رگرسیون. J. Stat را باز کنید. 2015 ، 5 ، 754-767. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  64. ویلر، دی. Tiefelsdorf، M. چند خطی و همبستگی بین ضرایب رگرسیون در رگرسیون وزنی جغرافیایی. جی. جئوگر. سیستم 2005 ، 7 ، 161-187. [ Google Scholar ] [ CrossRef ]
  65. کمیسیون اروپایی. گزارش سالمندی 2015 پیش بینی های اقتصادی و بودجه ای برای 28 کشور عضو اتحادیه اروپا (2013-2060). یورو اقتصاد 2015 ، 3 ، 2015. [ Google Scholar ]
  66. بانک جهانی. در دسترس آنلاین: https://data.worldbank.org/indicator/SP.DYN.CBRT.IN?locations=XC (در 9 آوریل 2020 قابل دسترسی است).
  67. یورواستات در دسترس آنلاین: https://ec.europa.eu/eurostat/tgm/table.do?tab=table&init=1&plugin=1&pcode=tps00199&language=en (در 9 آوریل 2020 قابل دسترسی است).
  68. فیهل، ا. جانیکا، ا. کلک نواک، دبلیو. تأثیر مستقیم و غیرمستقیم مهاجرت بین‌المللی بر روند پیری جمعیت: تحلیل رسمی و کاربرد آن در لهستان. Demogr. Res. 2018 ، 38 ، 1303-1338. [ Google Scholar ] [ CrossRef ]
  69. یورواستات در دسترس آنلاین: https://appsso.eurostat.ec.europa.eu/nui/submitViewTableAction.do (در 15 آوریل 2020 قابل دسترسی است).
  70. رهر، دی. رکونا، ام. زندگی تنها در زندگی بعدی: چشم انداز جهانی. مردمی توسعه دهنده Rev. 2018 , 44 , 427-454. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  71. سازمان بهداشت جهانی. در دسترس آنلاین: https://www.euro.who.int/en/health-topics/Health-systems/health-workforce/data-and-statistics (در 15 آوریل 2020 قابل دسترسی است).
Ijgi 09 00413 g001 550
شکل 1. ساختار شهرهای اروپایی منتخب تجزیه و تحلیل شده.
Ijgi 09 00413 g002a 550 Ijgi 09 00413 g002b 550
شکل 2. پویایی روند پیری مردان ( الف ) و زنان ( ب ) در شهرهای اروپایی در سال‌های 1990-2018 (شاخص‌های میانگین سالانه). منبع: توضیحات شخصی در ArcGIS (ArcMap 10.5).
Ijgi 09 00413 g003 550
شکل 3. خود همبستگی فضایی نسبت مردان مسن ( a ) و زنان ( b ) 65 ساله یا بالاتر که با آمار موران I اندازه گیری شده است (میانگین در سال های 1990-2018). منبع: توضیحات شخصی در GeoDa و ArcGIS (ArcMap 10.5). توجه: سطح معناداری: α = 0.01***; ما از فاصله آستانه 962 کیلومتری و ماتریس فضایی استاندارد شده ردیفی استفاده کردیم [ 55 ]. یک طرح جامع وزن دهی فضایی برای LISA (شاخص های محلی ارتباط فضایی) از طریق ایمیل در دسترس است. در پرانتز، تعداد شهرهایی را که با شاخص‌های LISA مشخص می‌شوند، ذکر کردیم.
Ijgi 09 00413 g004a 550 Ijgi 09 00413 g004b 550 Ijgi 09 00413 g004c 550 Ijgi 09 00413 g004d 550 Ijgi 09 00413 g004e 550
شکل 4. مقادیر محلی ضرایب در مدل های GWR. منبع: توضیحات شخصی در ArcGIS (ArcMap 10.5).

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید