王珊川，李明東，陶衛(wèi)國(guó)，陳 麗，許世杰

(1.西華師范大學(xué)，四川 南充 637000；2.四川德爾博?？萍脊煞萦邢薰?，四川 南充 637000；3.南充市民政局，四川 南充 637000)

0 引言

2010年的第六次全國(guó)人口普查結(jié)果顯示，我國(guó)60歲及其以上的老年人口達(dá)到1.78億，占總?cè)丝诒戎貫?3.3%；2011年底，60歲及其以上的老年人口達(dá)到1.85億，占比為13.7%；根據(jù)2017年我國(guó)國(guó)務(wù)院印發(fā)的《“十三五”國(guó)家老齡事業(yè)發(fā)展和養(yǎng)老體系建設(shè)規(guī)劃》，預(yù)計(jì)到2020年，60歲以上老年人口將增加到2.55億人，占總?cè)丝诘?7.8%左右.這些數(shù)據(jù)都表明，我國(guó)人口老齡化的速度不斷在加快.面對(duì)日益嚴(yán)峻的人口老齡化，養(yǎng)老問(wèn)題成了現(xiàn)在最熱的話題.為解決養(yǎng)老問(wèn)題，了解老年人養(yǎng)老意愿尤為重要.以南充市為例，對(duì)南充市市轄三區(qū)的46個(gè)社區(qū)里年齡為50歲及以上的準(zhǔn)老人及老年人進(jìn)行問(wèn)卷調(diào)查，通過(guò)分析他們的養(yǎng)老意愿及其影響因素，以期為解決養(yǎng)老問(wèn)題提供幫助，為完善多元化養(yǎng)老模式提供依據(jù).

對(duì)于已有的有關(guān)養(yǎng)老方面的研究大多數(shù)使用Logistic算法、SPSS數(shù)據(jù)分析軟件[1-4]對(duì)數(shù)據(jù)進(jìn)行分析處理.養(yǎng)老數(shù)據(jù)的研究方法較為單一，本文提出使用支持向量機(jī)遞歸特征消去方法(SVM-RFE)、支持向量機(jī)(SVM)來(lái)對(duì)養(yǎng)老數(shù)據(jù)進(jìn)行研究分析，使用PyCharm軟件處理數(shù)據(jù)，為養(yǎng)老數(shù)據(jù)的研究提出新的研究處理方法.

1 問(wèn)卷調(diào)查

1.1 調(diào)查對(duì)象

為了使調(diào)查具有普遍代表性，南充市民政局組織協(xié)調(diào)三區(qū)民政局，具體負(fù)責(zé)落實(shí)46個(gè)社區(qū)的問(wèn)卷調(diào)查.在市區(qū)民政局的領(lǐng)導(dǎo)下，課題組組織西華師范大學(xué)在校學(xué)生20余人，進(jìn)入各個(gè)社區(qū)，組織年齡為50歲及其以上的準(zhǔn)老人及老年人填寫調(diào)查問(wèn)卷.

1.2 調(diào)查方法

通過(guò)廣泛查閱資料、咨詢專家等方法，充分研討后，課題組設(shè)計(jì)了《居家養(yǎng)老問(wèn)卷調(diào)查》表.應(yīng)用設(shè)計(jì)的調(diào)查表，在各區(qū)民政局的統(tǒng)一協(xié)調(diào)下，調(diào)查小組進(jìn)入各個(gè)社區(qū)，組織50歲及以上的準(zhǔn)老年人及老年人進(jìn)行問(wèn)卷調(diào)查.最后，收回1 836份問(wèn)卷，其中有效問(wèn)卷為1 816份，問(wèn)卷率有效為98.9%.

2 研究方法

分析不同養(yǎng)老意愿選擇的影響因素，使用支持向量機(jī)遞歸特征消去方法(SVM-RFE)得到因素影響從大到小的排序集合，構(gòu)造排序集合的子集，采用支持向量機(jī)(SVM)分類方法，以其精確度、ROC曲線和RUC值為指標(biāo)，選取顯著的影響因素，以便為解決養(yǎng)老問(wèn)題提供更直接的幫助.

2.1 支持向量機(jī)

支持向量機(jī)是Corinna Cortes等人基于統(tǒng)計(jì)學(xué)習(xí)理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理提出的一種機(jī)器學(xué)習(xí)算法.

假設(shè)給定數(shù)據(jù)集為T={(x1,y1),(x2,y2),…,(xN,yN)}，其中xi∈χ=Rn，yi∈y={+1,-1}，i=1,2,…,N，xi為第i個(gè)特征向量，也稱為實(shí)例，yi為xi的類標(biāo)記，當(dāng)yi=+1時(shí)，稱xi為正例；當(dāng)yi=-1時(shí)，稱xi為負(fù)例，(xi,yi)稱為樣本點(diǎn).

2.2 支持向量機(jī)遞歸特征消去方法

2002年，Guyon等人提出了SVM-RFE算法.SVM-RFE算法的核心思想是反復(fù)構(gòu)建SVM模型，根據(jù)重要性選出最差的特征并選擇出來(lái)，重復(fù)這個(gè)過(guò)程，最后得到一個(gè)特征的排序集合.

2.3 精確度、ROC曲線和RUC值

精確度：ACC=(TP+TN)/(P+N)，即(真陽(yáng)性+真陰性)/總樣本數(shù).

ROC曲線(又稱受試者工作特征曲線、感受性曲線)以假陽(yáng)性概率為橫軸，真陽(yáng)性概率為縱軸，可以反映分類器的準(zhǔn)確性.

真陽(yáng)性率(TPR)：(TPR)=TP/P=TP/(TP+FN)

假陽(yáng)性率(FPR)：(FPR)=FP/N=FP/(FP+TN)

其中TP(真陽(yáng)性)表示正確的肯定，TN(真陰性)表示正確的否定，F(xiàn)P(假陽(yáng)性)表示錯(cuò)誤的肯定，F(xiàn)N(假陰性)表示錯(cuò)誤的否定.

AUC為ROC曲線所覆蓋的區(qū)域面積，AUC值越大，分類器分類效果越好.

3 數(shù)據(jù)分析

3.1 過(guò)程分析

數(shù)據(jù)分析思路如下：

圖1 分析過(guò)程

0表示傾向于選擇居家養(yǎng)老，1表示傾向于選擇社區(qū)養(yǎng)老，2表示傾向于選擇機(jī)構(gòu)養(yǎng)老.用SVM-REF、SVM對(duì)老年人不同傾向選擇的影響因素做分析，得到顯著的影響因素，即降維后的特征.

3.1.1 原始數(shù)據(jù)的處理

參與數(shù)據(jù)分析的原始數(shù)據(jù)有13個(gè)特征，1～13表示，分別是性別、年齡、受教育程度、身體情況、退休前行業(yè)、子女?dāng)?shù)量、自有住房面積、經(jīng)濟(jì)來(lái)源、家庭月均收入、每月能承受的養(yǎng)老費(fèi)、體檢頻率、保險(xiǎn)方式、是否滿足現(xiàn)在的養(yǎng)老方式；有3個(gè)分類標(biāo)簽，分別是居家養(yǎng)老、社區(qū)養(yǎng)老以及機(jī)構(gòu)養(yǎng)老.

對(duì)原始數(shù)據(jù)進(jìn)行處理，得到3個(gè)分類的數(shù)據(jù)分布、3個(gè)分類的ROC曲線圖和以不同分類標(biāo)簽為正類的精確度，如圖2.可以從圖中看出，老年人傾向于選擇居家養(yǎng)老的居多，13個(gè)特征因素對(duì)社區(qū)養(yǎng)老有比較高的敏感度和關(guān)聯(lián)度.

圖2 數(shù)據(jù)的基本分析

3.1.2 不同標(biāo)簽作正類的數(shù)據(jù)處理

應(yīng)用SVM-REF對(duì)不同標(biāo)簽為正類的數(shù)據(jù)進(jìn)行特征排序，如圖3，13個(gè)特征分別以1～13代表，顏色的深淺代表特征影響的大小，越淺影響越大.

圖3 正類分別是0、1、2的排序集合

根據(jù)排序序列構(gòu)造特征子集F1,F2,…,F13，并且F1?F2?…?F13.利用支持向量機(jī)的判別正確率以及AUC值來(lái)評(píng)估這些子集的優(yōu)劣，從而獲得最優(yōu)的影響因素.如圖4，以0標(biāo)簽為正類時(shí)，選擇排序特征的前6個(gè)特征；如圖5，以1標(biāo)簽為正類時(shí)，選擇排序特征的前4個(gè)特征；如圖6，以2標(biāo)簽為正類時(shí)，選擇排序特征的前4個(gè)特征.

圖4 以0為正類的準(zhǔn)確值和RUC值

圖5 以1為正類的準(zhǔn)確值和RUC值

圖6 以1為正類的準(zhǔn)確值和RUC值

3.1.3 降維后數(shù)據(jù)處理

利用降維后的數(shù)據(jù)做ROC曲線并計(jì)算AUC值，如圖7，降維后的數(shù)據(jù)單個(gè)對(duì)應(yīng)的分類準(zhǔn)確性有所上升，但是對(duì)于總分類的準(zhǔn)確性小有幅度的下降.

圖7 對(duì)應(yīng)正類依次為0、1、2的ROC圖

3.2 數(shù)據(jù)處理結(jié)果分析

由分析結(jié)果可知，對(duì)于居家養(yǎng)老，是否滿意現(xiàn)在養(yǎng)老方式、受教育程度、保險(xiǎn)方式、身體情況、經(jīng)濟(jì)來(lái)源、自有住房面積對(duì)選擇傾向具有較大影響；據(jù)表1知，越滿意現(xiàn)在養(yǎng)老方式的越傾向于選擇居家養(yǎng)老；受教育程度越低的越傾向于選擇居家養(yǎng)老，目前老年人文憑普遍偏低，這與劉小春等[1-2]的研究結(jié)果一致；選擇醫(yī)療保險(xiǎn)的老年人更傾向于選擇居家養(yǎng)老；身體狀況越健康越傾向于選擇居家養(yǎng)老；經(jīng)濟(jì)來(lái)源越不獨(dú)立越傾向于選擇居家養(yǎng)老，特別是經(jīng)濟(jì)來(lái)源是子女提供；自有住房面積越多的越傾向于選擇居家養(yǎng)老.

表1 顯著因素比例表

續(xù)表1

對(duì)于社區(qū)養(yǎng)老，是否滿意現(xiàn)在養(yǎng)老方式、自有住房面積、身體情況、受教育程度對(duì)其選擇傾向具有較大影響；越不滿意現(xiàn)在養(yǎng)老方式的越傾向于選擇社區(qū)養(yǎng)老，對(duì)現(xiàn)在養(yǎng)老方式不存在滿意和不滿意的占多數(shù)，不滿意的比例是滿意的2倍；自有住房面積越少越傾向于選擇社區(qū)養(yǎng)老；身體狀況越不好越傾向于選擇社區(qū)養(yǎng)老，其中，相比機(jī)構(gòu)養(yǎng)老，更傾向于選擇社區(qū)養(yǎng)老，這與胡斌等[3]的研究結(jié)果一致.老年人身體狀況越差，自理能力越弱，不想成為子女的負(fù)擔(dān)，就更傾向于選擇去提供基本生活照料、醫(yī)療護(hù)理服務(wù)等的社區(qū)和機(jī)構(gòu)養(yǎng)老；受教育程度越高越傾向于選擇社區(qū)養(yǎng)老.

對(duì)于機(jī)構(gòu)養(yǎng)老，是否滿意現(xiàn)在養(yǎng)老方式、保險(xiǎn)方式、經(jīng)濟(jì)來(lái)源、子女?dāng)?shù)量對(duì)其選擇傾向具有較大影響.越不滿意現(xiàn)在養(yǎng)老方式越傾向于選擇機(jī)構(gòu)養(yǎng)老，不滿意的比例是滿意的3倍；選擇非醫(yī)療保險(xiǎn)的更傾向于選擇機(jī)構(gòu)養(yǎng)老；經(jīng)濟(jì)來(lái)源越獨(dú)立、子女?dāng)?shù)量越少越傾向于選擇機(jī)構(gòu)養(yǎng)老.這種子女與老年人養(yǎng)老意愿之間的關(guān)系跟劉小春等[2-4]的研究結(jié)果一致.我國(guó)傳統(tǒng)的“養(yǎng)兒防老”“孝道”等文化根深蒂固[5]，這與認(rèn)為沒(méi)有子女才選擇機(jī)構(gòu)養(yǎng)老、送老人進(jìn)養(yǎng)老院是不孝等錯(cuò)誤認(rèn)知有關(guān).

4 結(jié)論

根據(jù)理論分析所得的結(jié)果，以期為解決養(yǎng)老問(wèn)題提供理論依據(jù).針對(duì)傳統(tǒng)的、主流的三大養(yǎng)老模式——居家養(yǎng)老、社區(qū)養(yǎng)老和機(jī)構(gòu)養(yǎng)老，做了老年人養(yǎng)老意愿的研究.對(duì)于傾向于選擇不同養(yǎng)老模式的準(zhǔn)老人及老年人而言，有不同的顯著特征.根據(jù)這些顯著的特征，可為養(yǎng)老服務(wù)或相關(guān)政策等提供更好更直接的幫助.由文章分析結(jié)果和相關(guān)研究成果[1-5]，可知隨著社會(huì)的發(fā)展和進(jìn)步，人們的生活和觀念不斷發(fā)生改變，人們對(duì)社區(qū)養(yǎng)老和機(jī)構(gòu)養(yǎng)老的認(rèn)可度和接受度越來(lái)越高.在現(xiàn)實(shí)生活中，人們的生活水平越來(lái)越好，傳統(tǒng)的三大養(yǎng)老模式已不能滿足人們對(duì)養(yǎng)老的需求，居家養(yǎng)老護(hù)理服務(wù)O2O、居家智慧養(yǎng)老模式、虛擬養(yǎng)老院、“互聯(lián)網(wǎng)+居家養(yǎng)老”模式、抱團(tuán)養(yǎng)老 、“候鳥式”養(yǎng)老等不同養(yǎng)老模式相繼出現(xiàn)，養(yǎng)老變得更加多元化、層次化.為更好更快更直接地滿足老年人的養(yǎng)老需求，政府應(yīng)制定相關(guān)政策，加強(qiáng)養(yǎng)老模式的引導(dǎo)，帶動(dòng)企業(yè)積極參與養(yǎng)老服務(wù)行業(yè)，帶領(lǐng)社會(huì)力量促進(jìn)養(yǎng)老的多元化，以滿足老年人不同的養(yǎng)老需求.

本文采用支持向量機(jī)及其拓展的方法(即支持向量機(jī)特征消除算法)對(duì)養(yǎng)老意愿進(jìn)行分析研究，為養(yǎng)老方面的研究提出了一種新的研究方法作為參考.