聶 倩，譚啟祥，弓慧潔

(1.中國社會科學院大學研究生院 北京 1024883；2.河南財經(jīng)政法大學公共管理學院 河南 鄭州 450000)

一、緒論

根據(jù)國家統(tǒng)計局數(shù)據(jù)顯示，2021年我國60歲及以上人口為26736萬人，占全國人口的18.9%，其中65歲及以上人口為20056萬人，占全國人口的14.2%，首次超過14%。人口老齡化不再僅僅是發(fā)達國家關注的焦點，也是我國現(xiàn)在及將來面對的重要問題。

在人口老齡化以及養(yǎng)老問題巨大壓力推動下，國內(nèi)外學者主要從兩方面對養(yǎng)老服務供給能力進行了如下研究：一類是從多元供給主體視角展開，強調(diào)提高主體自身的養(yǎng)老服務供給能力，充分發(fā)揮各主體之間的相互協(xié)同作用。如David L. Brown、Nina Glasgow等人(2019)指出社區(qū)機構(gòu)之間以及社區(qū)機構(gòu)與外部組織之間的伙伴關系促進了相關服務的供給。Ni Zhiping(2022)主張多元主體參與社會養(yǎng)老服務，從國家層面進行頂層設計，并與家庭、社區(qū)等多方面合作，建立統(tǒng)一協(xié)調(diào)的養(yǎng)老服務供給新模式。張京唐(2022)對比分析國外養(yǎng)老服務的歷程變遷，指明多元化養(yǎng)老主體是未來的發(fā)展方向。劉二鵬(2022)從縣域視角提出要在農(nóng)村建立多層次的養(yǎng)老服務體系。另一類是針對養(yǎng)老服務供給的評價，Hu Jinrong(2022)將“可達性”引入養(yǎng)老服務評價，分別從居家社區(qū)、機構(gòu)和行政養(yǎng)老服務可及性三個層面選取指標，運用層次分析法構(gòu)建評價體系對基本養(yǎng)老服務質(zhì)量進行評價，Shao Qiuhu(2022)引入SBM-DEA模型，財務管理、硬件設施等六個方面建立系統(tǒng)框架對社區(qū)居家養(yǎng)老服務進行評價。隗建華(2022)基于熵權(quán)法模型從制度與環(huán)境和產(chǎn)業(yè)發(fā)展兩方面構(gòu)建養(yǎng)老服務供給系統(tǒng)，結(jié)合耦合協(xié)調(diào)度模型定量分析我國各省份的健康養(yǎng)老供需情況。

從當前研究來看，無論從多元主體建設的角度強調(diào)相互協(xié)作，或是定量評價養(yǎng)老服務供給，最終目的均在于解決人口老齡化的困境，滿足老年人的養(yǎng)老服務需求。而我國由于老齡化時間短、進程快，老年人養(yǎng)老服務體系構(gòu)建并不完善，即便是由國家和集體包辦老年養(yǎng)老服務事業(yè)也存在資金不足、福利機構(gòu)少、服務水平較低等問題，難以滿足老年人對養(yǎng)老服務日益增長的需要，因此有效評價我國養(yǎng)老服務供給綜合能力，就顯得尤為重要。鑒于此，本文從經(jīng)濟、社會、人口三個維度選擇相關指標，利用主成分分析法評估我國養(yǎng)老服務供給能力水平，為完善我國養(yǎng)老服務體系提供實證基礎。

二、基礎方法與指標選取

(一)基礎方法

本文采用時序全局因子分析法作為基礎方法。時序全局因子分析方法通過全局主成分公因子變換到統(tǒng)一的全局主超平面上，使得各年份的主成分公因子具有相同的構(gòu)成，再將主超平面上的數(shù)據(jù)進行變換、組合，根據(jù)不同時序排序，從而反映出分析系統(tǒng)的動態(tài)特性。通過時序全局因子分析得到的少數(shù)綜合因子，可以克服由于指標過多以及指標之間的相關性帶來的定量評價結(jié)果不準確問題，從而更精確地評價我國的養(yǎng)老服務供給能力。

(二)數(shù)據(jù)來源及處理

本文所選數(shù)據(jù)主要來源于《中國統(tǒng)計年鑒》(2015-2021)、《中國衛(wèi)生健康統(tǒng)計年鑒》(2015-2021)、國家統(tǒng)計局官網(wǎng)、《中國民政統(tǒng)計年鑒》(2015-2021)和《中國社會統(tǒng)計年鑒》(2015-2021)。其中，人均地區(qū)生產(chǎn)總值、地方財政一般預算收入、全體居民人均可支配收入和居民人均消費支出數(shù)據(jù)來源于國家統(tǒng)計局官網(wǎng)；老年人口撫養(yǎng)比、每千人口醫(yī)療衛(wèi)生機構(gòu)床位數(shù)、城鎮(zhèn)職工基本養(yǎng)老保險基金支出、城鄉(xiāng)居民基本養(yǎng)老保險基金支出數(shù)據(jù)來源于《中國統(tǒng)計年鑒》；社區(qū)衛(wèi)生服務中心、社區(qū)衛(wèi)生服務站和各地區(qū)每千人口衛(wèi)生技術(shù)人員數(shù)據(jù)源于《中國衛(wèi)生健康統(tǒng)計年鑒》；分地區(qū)每千老年人口養(yǎng)老床位情況數(shù)據(jù)來源于《中國社會統(tǒng)計年鑒》；養(yǎng)老機構(gòu)單位數(shù)、養(yǎng)老機構(gòu)年末職工人數(shù)、養(yǎng)老機構(gòu)年末床位數(shù)、社會組織單位數(shù)及年末職工人數(shù)、社會團體單位數(shù)及年末職工人數(shù)和社區(qū)養(yǎng)老機構(gòu)和設施總數(shù)(2020年)及社區(qū)養(yǎng)老機構(gòu)和設施總年末職工數(shù)(2020年)來源于《中國民政統(tǒng)計年鑒》。以上數(shù)據(jù)均為年鑒原始數(shù)據(jù)，不存在統(tǒng)計口徑不同和缺失值問題，未進行數(shù)據(jù)處理。

此外，為了凸顯社區(qū)養(yǎng)老服務能力供給水平，本文在《中國民政統(tǒng)計年鑒》數(shù)據(jù)基礎上，進一步計算出2014年至2019年社區(qū)養(yǎng)老機構(gòu)和設施總數(shù)及總年末職工數(shù)，具體處理為：2014年至2017年，社區(qū)養(yǎng)老機構(gòu)和設施總數(shù)為社區(qū)養(yǎng)老機構(gòu)和設施數(shù)和社區(qū)互助型養(yǎng)老設施數(shù)之和，社區(qū)養(yǎng)老機構(gòu)和設施總年末職工數(shù)則是社區(qū)養(yǎng)老機構(gòu)和設施年末職工人數(shù)和社區(qū)互助養(yǎng)老設施年末職工人數(shù)之和。其中，由于西藏缺失2014至2015年、吉林缺失2015至2016年的社區(qū)養(yǎng)老機構(gòu)和設施數(shù)、社區(qū)互助型養(yǎng)老設施數(shù)、社區(qū)養(yǎng)老機構(gòu)和設施年末職工人數(shù)和社區(qū)互助型養(yǎng)老設施年末職工人數(shù)。因此，根據(jù)指標的實際意義，采用了合適的方法估計社區(qū)養(yǎng)老機構(gòu)和設施總數(shù)及總年末職工數(shù)，社區(qū)養(yǎng)老機構(gòu)和設施總數(shù)為社區(qū)服務中心單位可以為居民提供養(yǎng)老等服務的機構(gòu)數(shù)和社區(qū)服務中心站可以為居民提供養(yǎng)老等服務的機構(gòu)數(shù)之和，社區(qū)養(yǎng)老機構(gòu)和設施年末職工人數(shù)為社區(qū)服務機構(gòu)和設施年末職工數(shù)與養(yǎng)老機構(gòu)和設施數(shù)占社區(qū)服務機構(gòu)和設施總數(shù)比例的乘積。2018至2019年，社區(qū)養(yǎng)老機構(gòu)和設施總數(shù)為社區(qū)養(yǎng)老照料機構(gòu)和設施數(shù)與社區(qū)互助型養(yǎng)老設施數(shù)之和，社區(qū)養(yǎng)老機構(gòu)和設施總年末職工數(shù)為社區(qū)養(yǎng)老照料機構(gòu)和設施年末職工人數(shù)與社區(qū)互助型養(yǎng)老設施年末職工人數(shù)之和。

(三)數(shù)據(jù)相關性檢驗

由表1可知，KMO的值為0.808，大于0.5，偏相關系數(shù)小于簡單相關系數(shù)，適合做因子分析。Bartlett球形檢驗的p值<0.001，證明所選指標之間的相關系數(shù)矩陣不為單位矩陣，符合因子分析的條件與KMO檢驗結(jié)果一致。

表1 KMO 與 Bartlett 檢驗

(四)公因子提取

對20個標準化后的指標數(shù)據(jù)進行時序全局因子分析，根據(jù)累計方差貢獻率選取公因子，可以得到影響我國養(yǎng)老服務供給能力的主要因素。由表2可知，根據(jù)特征值大于1的標準共提取5個公因子，這5個公因子的累計方差貢獻率為83.492%，能很好地代表原來的20個原始指標，這5個公因子是影響我國養(yǎng)老服務供給能力的主要因素。

(五)旋轉(zhuǎn)公因子載荷矩陣

為了因子命名的準確性，分別從政府、社會和社區(qū)層面對因子進行解釋，在政府層面，選擇城鄉(xiāng)居民基本養(yǎng)老保險基金支出、地方財政一般預算收入、城鎮(zhèn)職工基本養(yǎng)老保險基金支出這三個指標，載荷系數(shù)分別為0.851、0.738、0.611，反映了地區(qū)經(jīng)濟能力對各省份養(yǎng)老服務供給能力的影響；在社會層面，選取社會組織年末職工人數(shù)、社會組織單位數(shù)、社會團體單位數(shù)、社會團體年末職工人數(shù)這四個指標，載荷系數(shù)分別為0.934、0.9、0.891、0.793，反映了社會組織投入對各省份養(yǎng)老服務供給能力的影響；在社區(qū)層面，選取社區(qū)衛(wèi)生服務中心這一指標，載荷系數(shù)為0.584，反映了社區(qū)建設對各省份養(yǎng)老服務供給能力的影響。因此，可以將第一公因子命名為地區(qū)經(jīng)濟和社會投入因子。

表2 評價指標解釋的總方差

第二公因子中分別有4個指標的第二列載荷矩陣系數(shù)值較大，將這四個指標歸為第二公因子，用來解釋第二公因子的含義。為了因子命名的準確性，分別從政府和居民層面對因子進行解釋，在政府層面，選取人均地區(qū)生產(chǎn)總值、每千人口衛(wèi)生技術(shù)人員數(shù)這兩個指標，載荷系數(shù)分別為0.93、0.814，反映了衛(wèi)生投入和經(jīng)濟實力對各省份養(yǎng)老服務供給能力的影響；在居民層面，選取全體居民人均可支配收入、居民人均消費支出這兩個指標，載荷系數(shù)為0.965、0.96，反映了居民的收入和消費能力對各省養(yǎng)老服務供給能力的影響；因此，可以將第二公因子命名為衛(wèi)生投入和居民經(jīng)濟影響因子。

第三公因子在社區(qū)養(yǎng)老機構(gòu)和設施總數(shù)、社區(qū)養(yǎng)老機構(gòu)和設施總年末職工人數(shù)、每千老年人口養(yǎng)老床位情況這三個方面具有較大的載荷，分別為0.837、0.796、0.555，反映了社區(qū)養(yǎng)老投入對各省份養(yǎng)老服務供給能力的影響，將其命名為社區(qū)養(yǎng)老服務能力。

第四公因子在養(yǎng)老機構(gòu)單位數(shù)、養(yǎng)老機構(gòu)年末職工人數(shù)、養(yǎng)老機構(gòu)年末床位數(shù)這三個方面具有較大的載荷，分別為0.897、0.673、0.658，反映了養(yǎng)老機構(gòu)對各省份養(yǎng)老服務供給能力的影響，將其命名為養(yǎng)老機構(gòu)的養(yǎng)老服務能力。

第五公因子在每千人口醫(yī)療衛(wèi)生機構(gòu)床位數(shù)、社區(qū)衛(wèi)生服務站這兩個方面具有較大的載荷，分別為0.802、-0.454，反映了醫(yī)療衛(wèi)生投入對各省份養(yǎng)老服務供給能力的影響，將其命名為醫(yī)療衛(wèi)生能力。

由表2可知，五個公因子的方差貢獻率均為正數(shù)，說明各公因子正向影響?zhàn)B老服務供給能力。綜上，影響我國養(yǎng)老服務供給能力的主要因素為地區(qū)經(jīng)濟和社會投入因子、衛(wèi)生投入和居民經(jīng)濟影響因子、社區(qū)養(yǎng)老服務能力、養(yǎng)老機構(gòu)的養(yǎng)老服務能力和醫(yī)療衛(wèi)生能力。

表3 評價指標旋轉(zhuǎn)之后的公因子載荷矩陣

三、我國養(yǎng)老服務供給能力的評價

(一)我國養(yǎng)老服務供給能力綜合分析

以5個公因子的各自方差貢獻率占5個公因子的累計方差貢獻率的比重作為各公因子的權(quán)重，計算出各個省份的養(yǎng)老服務供給能力的綜合得分并排序，從而對我國31個省份綜合水平進行評價。如表4所示，江蘇省在2014至2020年間排名均為第一，西藏在這七年均為最后一名。

從時序變化來看，大多數(shù)省份的排名都會隨著時間變化，其中廣東、山東、浙江、四川和上海等排名隨時間變化的波動幅度較小，且這一部分城市排名較為靠前，這些地區(qū)的經(jīng)濟總量較高且匯聚大量人口，此外當?shù)卣桧憫獓摇皩嵤┓e極應對人口老齡化的國家戰(zhàn)略”，推進養(yǎng)老服務的發(fā)展，這些地區(qū)的養(yǎng)老服務供給能力較強；甘肅、青海、吉林和寧夏等排名隨時間變化的波動幅度也較小，且這一部分城市排名較為靠后，這些地區(qū)大多位于西部地區(qū)，經(jīng)濟發(fā)展較為落后，人口數(shù)量較少，養(yǎng)老服務建設支持力度較低，導致這些地區(qū)的養(yǎng)老服務供給能力較弱。

表4 2014—2020年各省份養(yǎng)老服務供給能力排名表

江西、湖南、廣西、新疆、重慶和貴州排名隨時間變化的波動幅度較大，其中，江西和湖南排名整體呈上升趨勢，七年間江西排名前進11名，湖南前進5名，表明這兩省在2014 年至2020年間，養(yǎng)老服務供給能力大幅度提升。因為2014年各地方養(yǎng)老服務試點工作逐步展開，在江西省南昌市、撫州市和湖南省長沙市、湘潭市開展養(yǎng)老服務業(yè)綜合改革試點，通過開展養(yǎng)老服務業(yè)綜合改革試點，促進試點地區(qū)率先建成功能完善、規(guī)模適度、覆蓋城鄉(xiāng)的養(yǎng)老服務體系，創(chuàng)造一批各具特色的典型經(jīng)驗和先進做法，出臺一批可持續(xù)、可復制的政策措施和體制機制創(chuàng)新成果，形成一批競爭力強、經(jīng)濟社會效益顯著的服務機構(gòu)和產(chǎn)業(yè)集群，為全國養(yǎng)老服務業(yè)發(fā)展提供示范經(jīng)驗。試點的42個地區(qū)涉及的省份數(shù)量較多，但是在江西和湖南效果明顯。廣西和新疆排名整體上呈現(xiàn)下降趨勢，七年間廣西排名后退6名，新疆后退7名，表明廣西和新疆在2014年至2020年養(yǎng)老服務供給能力建設相較于其他省份支持力度有所不足，養(yǎng)老服務供給能力有所下降。重慶和貴州的排名變化呈現(xiàn)出在2014至2019年呈現(xiàn)逐步上升趨勢，卻在2020年排名有一個較大幅度的下滑，2020年重慶和貴州排名均后退3名，為2020年排名后退幅度最大的兩省，但是2020年重慶和貴州的經(jīng)濟發(fā)展即使受到疫情的影響下仍舊處于上升階段，尤其貴州，在2015至2020年處于中國經(jīng)濟的領跑者，經(jīng)濟實力大幅上升，這表明這兩省在2020年忽視了養(yǎng)老服務的建設，造成養(yǎng)老服務供給能力排名的下滑。

(二)各省份養(yǎng)老服務供給能力與老齡化水

平對比分析

由于各省份的經(jīng)濟水平和老齡化程度各有不同，本文進一步選取各省份2014至2020年綜合得分的平均值來反映養(yǎng)老服務供給能力水平(肖葉黎，2021)，選取2014至2020年的老年人口比重(65歲及以上人口比重)和老年人口撫養(yǎng)比的平均值來反映各省份的老齡化程度(丁雪萌，2020)，按所選指標對各省份的養(yǎng)老服務供給能力和老齡化程度進行排名，根據(jù)排名差值評價各省份的養(yǎng)老服務能力，排名差值為正，表明該省份的養(yǎng)老服務供給能力排名相較于老年人口撫養(yǎng)比排名和老齡人口比重排名靠前，養(yǎng)老服務資源的供給較多，而老年人口數(shù)量相對較少，該省份的老年人享受的養(yǎng)老服務應該更加全面和完善。反之，當為負時，表明該省份老年人口數(shù)量相對較多，而養(yǎng)老服務供給資源較少，該省份老年人的養(yǎng)老服務供給可能存在一些缺陷。此外，為了更好地顯示出地區(qū)差異性，將31個省份分為東部地區(qū)、中部地區(qū)、西部地區(qū)和東北地區(qū)，分地區(qū)的養(yǎng)老服務供給能力和老齡化水平對比情況見表5。

從地區(qū)層面來看，對比各地區(qū)的排名差平均值，東北部地區(qū)排名差均值為負，且數(shù)值最大，表明東北地區(qū)的養(yǎng)老服務資源供需矛盾最為顯著，東北部地區(qū)的養(yǎng)老服務供給能力與老齡化水平不相適應；中西部地區(qū)的排名差均值為負，但數(shù)值較小，中西部地區(qū)的經(jīng)濟發(fā)展水平一定程度上限制養(yǎng)老資源的有效供給，導致養(yǎng)老資源的供給略差于該地區(qū)的養(yǎng)老需求，中西部地區(qū)養(yǎng)老服務供給能力與老齡化水平大體上相互適應；東部地區(qū)的排名差均值為正，東部地區(qū)不僅經(jīng)濟發(fā)展較為活躍，且養(yǎng)老服務供給能力高于地區(qū)的老齡化水平，可以緩解老齡化對社會帶來的各種負擔，東部地區(qū)的養(yǎng)老服務建設水平高于其他地區(qū)。

從單個省份來看，排名差值為正且數(shù)值較大的省份有廣東、北京、福建和浙江。(1)廣東養(yǎng)老服務供給能力排名第2，與老年人口撫養(yǎng)比排名差值為26，與老齡人口比重排名差值為26。(2)北京養(yǎng)老服務供給能力排名第6，與老年人口撫養(yǎng)比排名差值為14，與老齡人口比重排名差值為9。(3)福建養(yǎng)老服務供給能力排名第15，與老年人口撫養(yǎng)比排名差值為9，與老齡人口比重排名差值為9。(4)浙江養(yǎng)老服務供給能力排名第4，與老年人口撫養(yǎng)比排名差值為7，與老齡人口比重排名差值為8。這四個省份的養(yǎng)老服務供給能力排名靠前，但老年人口比重和老年人口撫養(yǎng)比相較于其他省份較低，即在該省份存在較高的養(yǎng)老供給能力，但是需要養(yǎng)老服務的老年人數(shù)相對較少，在這些省份可以享受到相對完善且養(yǎng)老服務水平較高的養(yǎng)老服務。除此之外，云南和新疆的排名差值也為正且數(shù)值較大，造成這種現(xiàn)象的原因是云南和新疆的老年人數(shù)占比較少，使得老年人口比重和老年人口撫養(yǎng)比排名較大，雖然這兩省老齡化水平相對不高，但養(yǎng)老服務供給能力排名較為靠后，養(yǎng)老服務水平一般。

表5 養(yǎng)老服務供給能力與老齡化水平對比

排名差值為負且差值大小排名前三的省份為重慶、吉林和天津。(1)重慶養(yǎng)老服務供給能力排名第16，與老年人口撫養(yǎng)比排名差值為-15，與老齡人口比重排名差值為-15。(2)吉林養(yǎng)老服務供給能力排名第25，與老年人口撫養(yǎng)比排名差值為-13，與老齡人口比重排名差值為-14。(3)天津養(yǎng)老服務供給能力排名第26，與老年人口撫養(yǎng)比排名差值為-9，與老齡人口比重排名差值為-13。這三個省份屬于老年人口占比排名靠前，但是養(yǎng)老服務供給能力排名靠后，即在該省份存在較低的養(yǎng)老供給能力，但是需要養(yǎng)老服務的老年人數(shù)相對較多，這些省份的養(yǎng)老服務供需存在一定矛盾，養(yǎng)老服務體系存在一定缺陷。

(三)養(yǎng)老服務供給能力綜合得分整體分析

如表6所示，養(yǎng)老服務供給能力綜合得分低于平均水平的地區(qū)數(shù)逐年遞減，從2014年24個地區(qū)，占比達到77.42%，到2020年11個地區(qū)，占比降為35.48%。從總體上看，我國養(yǎng)老服務供給能力低于平均水平的省份數(shù)量逐年減少，側(cè)面反映我國注重養(yǎng)老服務供給能力建設的省份數(shù)量逐年增加，養(yǎng)老服務供給能力建設已經(jīng)取得了一定進展，我國的養(yǎng)老服務供給能力逐年提高。此外，根據(jù)地區(qū)數(shù)的下降速度，將2014年到2020年劃分為兩個階段，2017年之前，地區(qū)數(shù)下降速度較為緩慢，表明我國大多數(shù)省份養(yǎng)老服務供給處于平均水平以下，每年供給能力突破平均水平的地區(qū)數(shù)量較少；反觀2017年之后，地區(qū)數(shù)下降速度較為迅速，在各個省份都重視養(yǎng)老服務建設的情況下，每年有三個省份的養(yǎng)老服務供給能力突破平均水平，表明我國越來越多的省份開始更加重視養(yǎng)老服務供給的建設力度。造成上述現(xiàn)象的原因可能在于2018年是我國人口年齡結(jié)構(gòu)的拐點，2018年我國老齡人口首次超過了少兒人口，出生率創(chuàng)新低，就業(yè)人口數(shù)量首次下降，種種跡象印證我國老齡化程度的加深，從而使得各省份加大養(yǎng)老服務供給的投入力度。

表6 養(yǎng)老服務供給低于平均水平的地區(qū)數(shù)統(tǒng)計