馮琳涵 雷炯沄 郭祎璠 鄭宇濤

摘 要：為了研究農(nóng)村養(yǎng)老資源供求匹配現(xiàn)狀，本文利用平頂山市農(nóng)村養(yǎng)老資源需求與調(diào)研數(shù)據(jù)，在收入約束的前提下，選取農(nóng)村養(yǎng)老需求與供給的影響因素，采用因子分析、匹配度分析構(gòu)建模型對(duì)收入約束下農(nóng)村養(yǎng)老供給與需求的匹配度進(jìn)行實(shí)證研究。結(jié)果表明：平頂山市農(nóng)村養(yǎng)老資源供求處于失衡狀態(tài)，匹配度較低。問(wèn)題亟待解決，本文從科學(xué)角度從增加農(nóng)村收入、優(yōu)化供需匹配度兩方面提出改善建議。

關(guān)鍵詞：收入約束;農(nóng)村養(yǎng)老;供需匹配度

中圖分類號(hào)：F24 ? ? 文獻(xiàn)標(biāo)識(shí)碼：A ? ? ?doi：10.19311/j.cnki.1672-3198.2021.25.028

0 引言

2014年，我國(guó)農(nóng)村60歲及以上人口與65歲及以上人口占總?cè)丝诘谋壤謩e為17.60%、11.51%，而城鎮(zhèn)的對(duì)應(yīng)年齡人口占總?cè)丝诒壤秊?3.88%、8.89%。數(shù)據(jù)表明，我國(guó)人口老齡化在城鄉(xiāng)之間出現(xiàn)了“倒置”現(xiàn)象，農(nóng)村所面臨的人口老齡化及養(yǎng)老問(wèn)題與城鎮(zhèn)相比更為嚴(yán)重。2019年我國(guó)常住人口城鎮(zhèn)化率首次超過(guò)60%，但城市化帶來(lái)的是農(nóng)村的空心化，收入約束下農(nóng)村養(yǎng)老需求于供給的匹配問(wèn)題受到了國(guó)家的關(guān)注?！秶?guó)務(wù)院關(guān)于加快發(fā)展養(yǎng)老服務(wù)業(yè)的若干意見》（國(guó)發(fā){2013}35號(hào)）明確提出，要加大對(duì)基層和農(nóng)村養(yǎng)老服務(wù)的投入，促進(jìn)基本養(yǎng)老均衡發(fā)展;通過(guò)健全服務(wù)網(wǎng)絡(luò)、拓寬資金渠道、建立協(xié)作機(jī)制等多種措施，切實(shí)加強(qiáng)農(nóng)村養(yǎng)老服務(wù)。

綜合現(xiàn)有研究可知，目前，對(duì)農(nóng)村養(yǎng)老問(wèn)題的研究主要是圍繞供給側(cè)與需求側(cè)兩方面展開論證研究，研究農(nóng)村養(yǎng)老供給形式和供給對(duì)策。但缺乏聯(lián)系農(nóng)村經(jīng)濟(jì)情況，利用實(shí)地調(diào)研獲得的微觀數(shù)據(jù)對(duì)農(nóng)村養(yǎng)老需求與供給進(jìn)行實(shí)證分析的相關(guān)研究，因此，本課題將縮小切入視角，結(jié)合典型地區(qū)河南省平頂山市的實(shí)地調(diào)研結(jié)果，在收入約束的前提下，實(shí)證分析農(nóng)村養(yǎng)老意愿與實(shí)現(xiàn)的匹配度，提高農(nóng)村養(yǎng)老問(wèn)題研究的精準(zhǔn)度，有針對(duì)性地挖掘農(nóng)村養(yǎng)老問(wèn)題的深層原因，并提出切實(shí)可行的政策建議，從而有助于提高收入約束下農(nóng)村養(yǎng)老意愿與實(shí)現(xiàn)的匹配度及完善相關(guān)養(yǎng)老保障制度，促進(jìn)我國(guó)農(nóng)村和社會(huì)經(jīng)濟(jì)和諧發(fā)展。

1 數(shù)據(jù)與變量

1.1 數(shù)據(jù)來(lái)源

數(shù)據(jù)依托課題江西財(cái)經(jīng)大學(xué)第15屆校級(jí)科研課題“收入約束下農(nóng)村養(yǎng)老需求與供給的匹配度實(shí)證研究—基于河南省平頂山市的調(diào)研”（2020062110271552）通過(guò)實(shí)地調(diào)研獲得，本次調(diào)研選取河南省平頂山市作為調(diào)研地區(qū)，河南省是全國(guó)人口第三大省、農(nóng)村人口第一大省，平頂山市作為河南省轄地級(jí)市，位于河南省中南部，與多個(gè)重點(diǎn)市區(qū)相交，地域具有代表性。課題小組成員于2020年8月上旬在河南省平頂山市農(nóng)村地區(qū)對(duì)村民進(jìn)行調(diào)研?？傆?jì)發(fā)放問(wèn)卷330份，回收問(wèn)卷313份，回收率為94.85%。

1.2 變量指標(biāo)

通過(guò)進(jìn)行相關(guān)文獻(xiàn)查詢和政策解讀，根據(jù)問(wèn)卷調(diào)研和數(shù)據(jù)獲得及分析難度，借鑒已有文獻(xiàn)研究成果，基于河南省平頂山市實(shí)地調(diào)研情況，我們選取以下變量作為收入約束下農(nóng)村養(yǎng)老需求的影響因素：家庭年收入與家庭年支出、養(yǎng)老方式、生活照料、精神慰藉、社會(huì)關(guān)系、醫(yī)療保健、休閑娛樂，家庭老年人口數(shù)。

農(nóng)村養(yǎng)老資源供給水平的指標(biāo)選取家庭年收入、家庭年支出、年繳納醫(yī)保額度、參與養(yǎng)老保險(xiǎn)情況、家庭勞動(dòng)力人數(shù)、個(gè)人年支出、年從事收入活動(dòng)時(shí)長(zhǎng)，共七個(gè)變量來(lái)衡量供給水平。

2 模型構(gòu)建

基于相關(guān)學(xué)科知識(shí)儲(chǔ)備以及相關(guān)文獻(xiàn)的研究，我們選取因子分析法，通過(guò)降維實(shí)現(xiàn)數(shù)據(jù)主要信息的提取，以損失較少信息為前提將多個(gè)變量轉(zhuǎn)化成一個(gè)或少數(shù)幾個(gè)綜合指標(biāo)，將多個(gè)維度的指標(biāo)轉(zhuǎn)化為幾個(gè)更具代表意義的綜合指標(biāo)。

在對(duì)數(shù)據(jù)進(jìn)行具體分析之前，為了避免指標(biāo)正向或逆向?qū)υu(píng)價(jià)結(jié)果的影響，消除不同指標(biāo)單位差異造成的影響，首先對(duì)指標(biāo)正向化與量綱一致化處理。此次實(shí)證分析模型采用“倒扣逆變換法”對(duì)逆向指標(biāo)進(jìn)行正向化處理，選擇標(biāo)準(zhǔn)化法對(duì)指標(biāo)數(shù)據(jù)進(jìn)行處理。

采用主成分方法，提取出特征值大于1的因子，確定因子個(gè)數(shù)，再利用Stata軟件對(duì)無(wú)量綱化處理后的數(shù)據(jù)進(jìn)行因子分析，求解出公共因子的特征值，方差貢獻(xiàn)率以及累計(jì)方差貢獻(xiàn)率。最后為了更清晰地分析各個(gè)影響指標(biāo)與公共因子之間的關(guān)系，對(duì)原始的因子載荷矩陣按照最大方差法進(jìn)行旋轉(zhuǎn)，得到旋轉(zhuǎn)后的因子載荷矩陣。通過(guò)因子得分系數(shù)計(jì)算得出成分F1，F(xiàn)2…Fn。 結(jié)合前面求得的主成分的貢獻(xiàn)率Ci，得出養(yǎng)老需求的測(cè)度為D， 按同樣的方法，我們能夠得到養(yǎng)老供給的測(cè)度S。

D=c1F1+c2F2+c3F3c1+c2+c3

供求匹配度實(shí)證分析模型的建立參照了前人文獻(xiàn)（金哲舒，2019），我們建立如下的模型進(jìn)行收入約束下農(nóng)村養(yǎng)老需求與供給的匹配度實(shí)證分析，US/D為供給水平對(duì)需求水平的相關(guān)度，UD/S為需求水平對(duì)供給水平的相關(guān)度。其中S1指養(yǎng)老供給水平對(duì)需求水平的程度，S2指養(yǎng)老需求水平對(duì)養(yǎng)老供給水平的程度。Sd，Ss分別是綜合需求因子和綜合供給因子標(biāo)準(zhǔn)差。

US/D=e-（S-S1SS）2

UD/S=e-（S-S2Sd）2

最后建立供需匹配失衡程度模型，對(duì)C進(jìn)行計(jì)算，其中C越趨于 0，說(shuō)明供求越平衡，反之供求失衡。計(jì)算模型如下：

C（S，D）=max{U（D/S），U（S/D）}-min{U（D/S），U（S/D）}max{U（D/S），U（S/D）}

3 實(shí)證分析

在對(duì)變量經(jīng)過(guò)標(biāo)準(zhǔn)化處理過(guò)后，使用因子分析法對(duì)養(yǎng)老資源需求和養(yǎng)老資源供給進(jìn)行分析。結(jié)果表明：在養(yǎng)老資源需求的9個(gè)影響因素共提取出3個(gè)主成分，第1個(gè)主成分的特征根貢獻(xiàn)率26.70%;第2個(gè)主成分的特征根貢獻(xiàn)率為22.40%;第3個(gè)主成分的特征根貢獻(xiàn)率為12.04%，累計(jì)方差貢獻(xiàn)率達(dá)61.14%，即涵蓋了超過(guò)半數(shù)的信息，意味著研究項(xiàng)的信息量可以有效地提取出來(lái)，所以，選取3個(gè)主成分來(lái)代表原始數(shù)據(jù)。為了更好地尋求因子的意義，公因子更可解釋，對(duì)因子用最大方差法進(jìn)行了旋轉(zhuǎn)，最終的因子載荷矩陣如表1所示。