洪欣琪，陳夢(mèng)潔，王海運(yùn)

(安徽財(cái)經(jīng)大學(xué) 金融學(xué)院，安徽 蚌埠 233030)

0 引言

習(xí)近平總書記針對(duì)老齡工作的重要指示強(qiáng)調(diào)，有效應(yīng)對(duì)我國(guó)人口老齡化，事關(guān)國(guó)家發(fā)展全局，事關(guān)億萬(wàn)百姓福祉[1].人口老齡化是人類社會(huì)必然會(huì)進(jìn)入的發(fā)展階段，面對(duì)人口老齡化,全國(guó)各地加大養(yǎng)老設(shè)施與養(yǎng)老服務(wù)供給，其中，機(jī)構(gòu)養(yǎng)老床位供給是社會(huì)養(yǎng)老服務(wù)不可或缺的核心資源．但我國(guó)現(xiàn)有的養(yǎng)老服務(wù)床位供給還遠(yuǎn)遠(yuǎn)不能滿足社會(huì)的需求．

中國(guó)對(duì)于人口老齡化的研究起步較晚．在影響?zhàn)B老機(jī)構(gòu)發(fā)展因素的研究中，徐明江等[2]在2019年3月—5月以問卷調(diào)查的方式對(duì)南寧市老年人是否選擇社區(qū)養(yǎng)老進(jìn)行探討，發(fā)現(xiàn)有91.3%的老年人不知道所在社區(qū)是否有養(yǎng)老服務(wù)中心，54.7%的老年人不清楚社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)提供哪些生活照料;程敏和黃維維[3]以上海市為例,從養(yǎng)老設(shè)施空間可達(dá)性評(píng)價(jià)出發(fā)，發(fā)現(xiàn)中心城區(qū)各街道養(yǎng)老設(shè)施的可達(dá)性分布不均，從空間上阻礙了養(yǎng)老業(yè)的發(fā)展;楊紅燕等[4]發(fā)現(xiàn)各縣政府之間的“標(biāo)尺競(jìng)爭(zhēng)”“參照學(xué)習(xí)”導(dǎo)致了財(cái)政支出結(jié)構(gòu)偏向，使得各地區(qū)養(yǎng)老機(jī)構(gòu)床位供給水平低．

在對(duì)未來(lái)養(yǎng)老機(jī)構(gòu)發(fā)展預(yù)測(cè)方面，許海燕等[5]基于“六普”數(shù)據(jù)，建立Leslie矩陣模型，對(duì)上海市養(yǎng)老設(shè)施需求進(jìn)行預(yù)測(cè)，結(jié)果顯示,2020年老齡化達(dá)到高峰，養(yǎng)老床位缺口將達(dá)到150.66萬(wàn)張．鄧世成[6]根據(jù)重慶市老年人口數(shù)據(jù)建立ARIMA模型,預(yù)測(cè)未來(lái)老年人口增長(zhǎng)趨勢(shì)，結(jié)果顯示未來(lái)養(yǎng)老需求將會(huì)擴(kuò)張，迫切需要社會(huì)資本的加入．由于ARIMA模型應(yīng)用范圍廣，預(yù)測(cè)準(zhǔn)確率高，故用其預(yù)測(cè)未來(lái)十年養(yǎng)老床位供需缺口．

綜上所述，國(guó)內(nèi)對(duì)養(yǎng)老機(jī)構(gòu)的研究眾多，從影響因素到未來(lái)趨勢(shì)預(yù)測(cè)再到技術(shù)的突破創(chuàng)新．但研究多以傳統(tǒng)養(yǎng)老模式為背景，提出的相關(guān)養(yǎng)老服務(wù)建議并未有效解決養(yǎng)老床位缺口問題．基于此，根據(jù)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)未來(lái)床位需求量，通過(guò)建立ARIMA模型預(yù)測(cè)未來(lái)床位供給量，得到未來(lái)十年養(yǎng)老床位缺口的具體數(shù)值，提出智慧養(yǎng)老新模式，拓展養(yǎng)老服務(wù)領(lǐng)域．

1 理論分析與模型構(gòu)建

1.1 智慧養(yǎng)老經(jīng)營(yíng)模式

許多研究結(jié)果顯示智慧養(yǎng)老作為一種創(chuàng)新養(yǎng)老模式可以很好地解決老年人贍養(yǎng)問題，利用豐富的信息技術(shù)將養(yǎng)老產(chǎn)業(yè)供給側(cè)與需求側(cè)銜接起來(lái)，成為養(yǎng)老服務(wù)行業(yè)新的增長(zhǎng)轉(zhuǎn)折點(diǎn)，提高整體操作效率，實(shí)現(xiàn)智慧化升級(jí)．在智慧養(yǎng)老經(jīng)營(yíng)模式研究中,政策工具研究能夠細(xì)化政府在養(yǎng)老政策落實(shí)過(guò)程中所扮演的角色，政策工具包括政策價(jià)值、工具理性、制度政策[7]70．結(jié)合各個(gè)政策工具的特點(diǎn)，選擇羅斯威爾和菲爾德政策工具模型并采用多維度組合分析，在黃劍鋒等學(xué)者[7]69-79研究的基礎(chǔ)上重構(gòu)“政策工具與智能養(yǎng)老環(huán)節(jié)”的二維分析框架,對(duì)養(yǎng)老問題進(jìn)行分析，該二維分析框架可以淡化政策工具的強(qiáng)制性特征，與市場(chǎng)相吻合，貼合養(yǎng)老服務(wù)業(yè)的發(fā)展方向．

1.1.1 “政策工具與智能養(yǎng)老環(huán)節(jié)”的二維分析框架

經(jīng)過(guò)研究發(fā)現(xiàn)羅斯威爾和菲爾德政策工具模型適用于產(chǎn)業(yè)政策、養(yǎng)老政策、雙創(chuàng)政策、文化政策、人才政策和科技政策[7]71，將智慧養(yǎng)老環(huán)節(jié)與之相結(jié)合構(gòu)成的二維分析框架(見圖1)從橫向維度和縱向維度對(duì)政策進(jìn)行評(píng)判．橫向維度上，政府可以通過(guò)環(huán)境型政策工具觀測(cè)新政策對(duì)智慧養(yǎng)老行業(yè)的影響力，具體可以從環(huán)境型政策工具對(duì)應(yīng)的5個(gè)指標(biāo)來(lái)考查其政策的優(yōu)越性，政府也可以分別通過(guò)供給型政策工具和需求型政策工具來(lái)觀察新政策對(duì)智慧養(yǎng)老產(chǎn)業(yè)的推動(dòng)力和拉動(dòng)力．縱向維度上，引入了智慧養(yǎng)老環(huán)節(jié)，目的是有針對(duì)性地觀察各個(gè)指標(biāo)和不同政策在智慧養(yǎng)老各個(gè)階段所發(fā)揮的作用，有助于智慧養(yǎng)老在每個(gè)階段更好地開展．從不同的階段進(jìn)行不同的推動(dòng)，可以從另一個(gè)視角對(duì)其政策的評(píng)價(jià)進(jìn)行補(bǔ)充．

圖1 智慧養(yǎng)老政策發(fā)展的二維框架

基于政策工具對(duì)智慧養(yǎng)老產(chǎn)業(yè)政策進(jìn)行分析，根據(jù)國(guó)家發(fā)布的有關(guān)智慧養(yǎng)老政策文件，對(duì)我國(guó)智慧養(yǎng)老政策頒布進(jìn)行了統(tǒng)計(jì)及匯總，具體見表1．

表1 橫向維度政策工具分布表

目前我國(guó)政府對(duì)智慧養(yǎng)老政策發(fā)展制定了環(huán)境型、需求型和供給型相結(jié)合的政策工具.從表1可以看出,環(huán)境型政策工具的使用偏多，考慮到近年來(lái)技術(shù)水平得到極大提高.政府側(cè)重利用科學(xué)技術(shù)為養(yǎng)老行業(yè)提供轉(zhuǎn)型平臺(tái)和市場(chǎng)環(huán)境,但稅收幫扶和金融支持等直接性措施使用較少，缺乏稅收優(yōu)惠和金融支持使得智慧養(yǎng)老可操作性弱，權(quán)威性不足，而頻繁使用間接性措施會(huì)使相關(guān)政策工具淪為無(wú)實(shí)質(zhì)作用的口號(hào)．政府應(yīng)該增加直接性措施的投入，加大對(duì)智慧養(yǎng)老產(chǎn)業(yè)的稅收優(yōu)惠和金融支持．

供給型政策的實(shí)施代表了政府對(duì)于智慧養(yǎng)老的推動(dòng)力，但在供給型政策工具的使用中，人才培養(yǎng)和資金投入稍顯不足，造成養(yǎng)老產(chǎn)業(yè)人才短缺．政府應(yīng)該增加資金投入用以吸引專業(yè)人才，帶動(dòng)智慧養(yǎng)老產(chǎn)業(yè)進(jìn)一步升級(jí)和發(fā)展．從表1還可以看出,政府政策拉力的需求型政策工具短缺，政府除了依靠市場(chǎng)塑造讓老年人接受“新鮮”的科技外，政府采購(gòu)、服務(wù)外包、海外交流的缺乏一定程度上會(huì)削弱市場(chǎng)塑造的效果．為了使三種類型的政策工具相輔相成，政府可以增加需求型政策工具的制定．

單純地使用羅斯威爾和菲爾德的二維框架分類模型，無(wú)法檢驗(yàn)政策的可持續(xù)性，因此將政策工具與技術(shù)路線圖理論相結(jié)合[7]69-79，技術(shù)路線圖作為對(duì)產(chǎn)業(yè)發(fā)展的全周期探索，通過(guò)刻畫復(fù)雜的產(chǎn)業(yè)系統(tǒng)動(dòng)態(tài)發(fā)展過(guò)程將市場(chǎng)需求與產(chǎn)品服務(wù)合理契合,并在此基礎(chǔ)上支持產(chǎn)品和技術(shù)的創(chuàng)新．結(jié)合政策工具的技術(shù)路線圖可以更好地理解智慧養(yǎng)老產(chǎn)業(yè)的發(fā)展，技術(shù)路線圖如圖2所示．

圖2 結(jié)合政策工具的技術(shù)路線圖

1.1.2 智慧養(yǎng)老模式介紹

目前養(yǎng)老服務(wù)的收入來(lái)源主要有經(jīng)營(yíng)收入、政府補(bǔ)貼、社會(huì)捐贈(zèng)等，而智慧養(yǎng)老可以開展“線上+線下”綜合服務(wù)模式，通過(guò)收取老年人支付的在線養(yǎng)老院費(fèi)用、配備一鍵傳呼機(jī)的設(shè)備費(fèi)用增加養(yǎng)老服務(wù)收入．完全有自理能力的老年人，可以在家中通過(guò)攜帶一鍵傳呼裝置，第一時(shí)間通知社區(qū)街道養(yǎng)老服務(wù)人員，獲得及時(shí)且高效的養(yǎng)老服務(wù)．線下養(yǎng)老院主要針對(duì)缺乏自理能力的老年人，由護(hù)理人員進(jìn)行專門照料，這樣的專一化照顧才能讓老年人得到更好的養(yǎng)老服務(wù)．

智慧養(yǎng)老模式以“科技改變生活”的理念深入養(yǎng)老產(chǎn)業(yè)中，但“人文溫度”作為養(yǎng)老產(chǎn)業(yè)的核心始終在智慧養(yǎng)老模式中占據(jù)關(guān)鍵地位．強(qiáng)調(diào)智慧養(yǎng)老模式中的“人文溫度”要求以人為中心，考慮老年人群體的需求．在模式運(yùn)行中避免過(guò)分追求技術(shù)至上、重線上輕線下，要考慮到老年群體的身體和心理特殊性，要求相關(guān)養(yǎng)老服務(wù)人員注重人文關(guān)懷，在對(duì)老年人設(shè)備使用培訓(xùn)時(shí)要耐心，“線下+線上”服務(wù)過(guò)程要專心，實(shí)現(xiàn)“有所養(yǎng)，養(yǎng)有質(zhì)”．

1.2 因子分析

因子分析能夠從不同維度的變量群中找出隱藏的共性因子，將本質(zhì)相同的變量歸為一個(gè)因子當(dāng)中，最直觀的作用就是減少變量的數(shù)量．

因子分析的主成分?jǐn)?shù)學(xué)模型的系數(shù)求解步驟如下:

將原有變量數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，得出眾多變量的簡(jiǎn)單相關(guān)系數(shù)矩陣Q，求解相關(guān)系數(shù)矩陣Q的單位特征矢量μ和特征值λ，并在此基礎(chǔ)上計(jì)算因子載荷矩陣：

1.3 BP神經(jīng)網(wǎng)絡(luò)

BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)是一種多層前饋網(wǎng)絡(luò)，依據(jù)誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練得來(lái)，因其發(fā)展已進(jìn)入成熟階段，故得到廣泛應(yīng)用．由于影響?zhàn)B老床位的指標(biāo)眾多且變化程度各異，BP神經(jīng)網(wǎng)絡(luò)能夠精確地預(yù)測(cè)未來(lái)變動(dòng)，減少人為因素的影響，提供的參考指標(biāo)將更加可靠．

BP神經(jīng)網(wǎng)絡(luò)[8]的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)見圖3.

圖3 BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖

BP網(wǎng)絡(luò)完成m維空間矢量對(duì)n維空間矢量的映射．

根據(jù)以上原理，人工神經(jīng)網(wǎng)絡(luò)計(jì)算過(guò)程可以歸納為如下幾步：

1)初始值選擇w(0)；

2)前向計(jì)算，求出所有神經(jīng)元的輸出ak(t)；

3)對(duì)輸出層計(jì)算δj=(tj-aj)aj(1-aj)；

5)計(jì)算并保存各權(quán)值修正量Δwij=ηδjai；

6)修正權(quán)值wij(t+1)=wij(t)+Δwij；

7)判斷是否收斂，如果收斂則結(jié)束，不收斂則轉(zhuǎn)至初始步驟開始．

1.4 模型構(gòu)建

1.4.1 ARIMA模型

ARIMA又稱自回歸移動(dòng)平均模型,較常用于處理與時(shí)間序列數(shù)據(jù)相關(guān)的預(yù)測(cè)問題，在模型運(yùn)行時(shí)不需要借助外生變量，記作ARIMA(p,d,q)．

ARIMA的預(yù)測(cè)模型可以表示為：Y的預(yù)測(cè)值=常數(shù)cand/or 一個(gè)或多個(gè)最近時(shí)間的Y的加權(quán)和 and/or 一個(gè)或多個(gè)最近時(shí)間的預(yù)測(cè)誤差．

假設(shè)ARIMA(p,d,q)中參數(shù)p，d，q已知，ARIMA的數(shù)學(xué)形式表示為

(1)

式中，φ表示的是AR的系數(shù)，θ表示的是MA的系數(shù)．

1.4.2 智慧養(yǎng)老模型

選取5個(gè)指標(biāo)x1，x2，x3，x4，x5作為自變量.x1，x2，x3，x4，x5分別代表基金收入、基金結(jié)存、財(cái)政補(bǔ)貼、撫養(yǎng)比、從業(yè)人員數(shù)目．將床位數(shù)作為因變量，構(gòu)建了如下模型：

y=β0+β1x1+β2x2+β3x3+β4x4+β5x5+ε,ε～i.d.d.D(0,1).

(2)

式中,β1，β2，β3，β4，β5都是與x1，x2，x3，x4，x5無(wú)關(guān)的參數(shù)，β0為常數(shù)項(xiàng)，ε為殘差項(xiàng)．

2 實(shí)證結(jié)果及分析

2.1 數(shù)據(jù)來(lái)源

選擇7個(gè)養(yǎng)老床位預(yù)測(cè)的影響因素，分別為養(yǎng)老床位、社會(huì)捐贈(zèng)額、老年撫養(yǎng)比、老年人口占比、城鎮(zhèn)化率、基金收入和財(cái)政補(bǔ)貼，具體數(shù)據(jù)如表2所示．

表2 養(yǎng)老床位市場(chǎng)需求預(yù)測(cè)相關(guān)數(shù)據(jù)

為了降低指標(biāo)維度并消除多重共線性，在變量群中提取公共因子預(yù)測(cè)2019—2028年的養(yǎng)老床位市場(chǎng)需求．同時(shí)，利用2009—2018年的老年人口總數(shù)、城市老年人口數(shù)、鄉(xiāng)村老年人口數(shù)及男性老年人口和女性老年人口數(shù)預(yù)測(cè)未來(lái)10年全國(guó)老年人床位需求數(shù)量(老年人入住養(yǎng)老機(jī)構(gòu)意愿占老年人總?cè)丝诘?%～10%),并計(jì)算床位供需之間的差額，如表3所示．

2.2 變量檢驗(yàn)

因子分析要求原有變量間存在較強(qiáng)的相關(guān)關(guān)系．我們利用SPSS進(jìn)行巴特利特球形檢驗(yàn)和KMO檢驗(yàn)判定數(shù)據(jù)是否適合因子分析．實(shí)驗(yàn)結(jié)果顯示，通過(guò)了KMO巴特勒檢驗(yàn)，檢驗(yàn)結(jié)果見表4．

表3 養(yǎng)老床位配置需求預(yù)測(cè)相關(guān)數(shù)據(jù) 單位： 萬(wàn)人

表4 KMO 和 Bartlett 檢驗(yàn)

KMO檢驗(yàn)和Bartlett檢驗(yàn)結(jié)果：KMO檢驗(yàn)值為0.753，可以做因子分析；Bartlett檢驗(yàn)結(jié)果值為137.358，且其對(duì)應(yīng)的相伴概率值為0,小于0.01，應(yīng)拒絕原假設(shè)，認(rèn)為相關(guān)系數(shù)不可能是單位陣，即原始變量間存在相關(guān)性．兩項(xiàng)結(jié)果均顯示適合做因子分析．

為了更直觀獲取特征根變化從而確定影響因素?cái)?shù)量建立碎石圖,如圖4所示: 第1個(gè)因子對(duì)解釋原有變量的貢獻(xiàn)最大；第4個(gè)因子至第7個(gè)因子特征值較小，基本上無(wú)法解釋原始變量，因此選擇提取前3個(gè)因子．

2.3 因子分析

通過(guò)特征值和因子的累計(jì)方差貢獻(xiàn)率確定因子數(shù)，選擇前3個(gè)因子來(lái)表示7個(gè)影響因素對(duì)養(yǎng)老床位預(yù)測(cè)的影響，結(jié)果如表5所示．因子分析的核心計(jì)算結(jié)果見表6．

圖4 碎石圖

根據(jù)表6可以得出以下因子得分函數(shù)：

F1=0.161×老年撫養(yǎng)比+0.159×養(yǎng)老床位+0.149×社會(huì)捐贈(zèng)額+0.161×基金收入+0.159×財(cái)政補(bǔ)貼+0.107×老年人口占比+0.159×城鎮(zhèn)化率;

F2=-0.040×老年撫養(yǎng)比-0.096×養(yǎng)老床位-0.465×社會(huì)捐贈(zèng)額-0.046×基金收入-0.168×財(cái)政補(bǔ)貼+1.110×老年人口占比+0.042×城鎮(zhèn)化率;

F3=-0.703×老年撫養(yǎng)比-1.422×養(yǎng)老床位+3.238×社會(huì)捐贈(zèng)額-0.870×基金收入-0.222×財(cái)政補(bǔ)貼+1.162×老年人口占比-0.586×城鎮(zhèn)化率.

表5 因子的累計(jì)方差貢獻(xiàn)率

表6 因子得分系數(shù)矩陣

2.4 BP神經(jīng)網(wǎng)絡(luò)結(jié)果

以日序列預(yù)測(cè)為例，選取50%樣本，用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，30%作為支持樣本，評(píng)估所建立模型的性能，剩下20%用于檢驗(yàn)．結(jié)果顯示測(cè)試相對(duì)錯(cuò)誤率為0.489．第二次分析抽樣60%作為訓(xùn)練樣本，支持樣本為10%，相對(duì)錯(cuò)誤率降至0.001，輸出最終的模型結(jié)果．

BP神經(jīng)網(wǎng)絡(luò)模型包括1個(gè)輸入層、1個(gè)隱藏層和1個(gè)輸出層，輸入層神經(jīng)元個(gè)數(shù)5個(gè)，隱藏層神經(jīng)元個(gè)數(shù)4個(gè)，輸出層神經(jīng)元個(gè)數(shù)1個(gè)．具體見圖5．

圖5 BP神經(jīng)網(wǎng)絡(luò)圖

利用已提取出的三個(gè)因子對(duì)社區(qū)養(yǎng)老床位數(shù)進(jìn)行預(yù)測(cè)．利用神經(jīng)網(wǎng)絡(luò)方法對(duì)養(yǎng)老床位市場(chǎng)規(guī)模需求進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)結(jié)果(表7)．

表7 養(yǎng)老床位需求預(yù)測(cè)值 單位：萬(wàn)張

2.5 ARIMA模型結(jié)果

2.5.1 模型平穩(wěn)性檢驗(yàn)

由于ARIMA模型對(duì)于數(shù)據(jù)具有平穩(wěn)性要求，所以在進(jìn)行模型訓(xùn)練之前要進(jìn)行模型的平穩(wěn)性檢驗(yàn)．利用Python畫出時(shí)序圖和自相關(guān)圖,判斷數(shù)據(jù)是否是平穩(wěn)性數(shù)據(jù)．老年人口總數(shù)的時(shí)序圖如圖6所示．

圖6 老年人口總數(shù)時(shí)序圖

由圖6可知，除了2013年的數(shù)值出現(xiàn)異常外，隨著年份的增長(zhǎng)老年人口總數(shù)呈現(xiàn)波動(dòng)上升的趨勢(shì)，說(shuō)明2009—2018年老年人口總數(shù)的時(shí)間序列數(shù)據(jù)是非平穩(wěn)的．

為了使數(shù)據(jù)適用于ARIMA模型，默認(rèn)使用一階差分將其轉(zhuǎn)換為平穩(wěn)數(shù)據(jù)，即d=1．

2.5.2 模型參數(shù)選擇

根據(jù)ACF圖(圖7)和PACF圖(圖8)判斷模型重要參數(shù)q值選擇1，p值選擇5，d值選擇1．

圖7 ACF圖

將確定的參數(shù)值帶入ARIMA模型，并將訓(xùn)練數(shù)據(jù)導(dǎo)入模型進(jìn)行訓(xùn)練，模型訓(xùn)練效果如圖9所示.點(diǎn)為2009—2018年全國(guó)老年人口總數(shù)的實(shí)際值，線段表示模型的預(yù)測(cè)效果．

圖8 PACF圖

由此可以得出，模型預(yù)測(cè)效果良好，并且模型學(xué)習(xí)能力呈上升趨勢(shì)，擬合數(shù)據(jù)越多預(yù)測(cè)結(jié)果與實(shí)際值越接近．在此基礎(chǔ)上，對(duì)未來(lái)10年的全國(guó)老年人口總數(shù)進(jìn)行預(yù)測(cè)．為了讓實(shí)驗(yàn)結(jié)果更加準(zhǔn)確，我們追加預(yù)測(cè)未來(lái)10年的死亡率，并對(duì)預(yù)測(cè)的全國(guó)老年人口總數(shù)進(jìn)行調(diào)整，結(jié)果如表8所示．

圖9 2009—2018年實(shí)際值和預(yù)測(cè)值對(duì)比圖

表8 2019—2028年全國(guó)老年人口數(shù)預(yù)測(cè)表

結(jié)果顯示，我國(guó)老年人口數(shù)逐年大幅遞增，死亡率卻一直保持相對(duì)穩(wěn)定的狀態(tài)．目前中國(guó)已經(jīng)進(jìn)入人口老齡化階段，隨著未來(lái)老年人口大幅遞增，對(duì)于養(yǎng)老院床位的需求也會(huì)不斷提高．參考我國(guó)老年人入住養(yǎng)老機(jī)構(gòu)意愿占比，選擇5%～10%的比率來(lái)預(yù)測(cè)未來(lái)10年的養(yǎng)老床位需求數(shù)量，預(yù)測(cè)結(jié)果如表9所示．

由表9可知，根據(jù)5%～10%的老年人口入住養(yǎng)老機(jī)構(gòu)意愿占比，除去2019年5%配置比率情況外，其他年份都存在大量養(yǎng)老院床位缺口．

表9 2019—2028年所需養(yǎng)老院床位及缺口 單位：萬(wàn)張

2.6 智能養(yǎng)老模型結(jié)果

通過(guò)編寫多元線性回歸的Python代碼得到下列回歸結(jié)果：

y=-5 417.89-0.05x1-0.01x2+0.01x3+520.14x4+0.17x5.

其參數(shù)的檢驗(yàn)值和方程整體的檢驗(yàn)結(jié)果見表10．

表10 第一次參數(shù)檢驗(yàn)結(jié)果

由表10可知，F(xiàn)檢驗(yàn)的P值為0.000 090<0.05，故該多元回歸模型整體顯著，擬合優(yōu)度為0.995 374，接近于1，擬合效果較好．但是財(cái)政補(bǔ)貼、從業(yè)人員數(shù)目分別對(duì)應(yīng)的參數(shù)β3、β5沒有通過(guò)t檢驗(yàn)．該模型結(jié)果顯示目前的財(cái)政補(bǔ)貼對(duì)養(yǎng)老院床位數(shù)目的影響并不顯著．

在老年人群體中有相當(dāng)一部分老年人有自理能力，當(dāng)有自理能力的老年人通過(guò)在線養(yǎng)老院的形式獲得養(yǎng)老服務(wù)時(shí),我國(guó)養(yǎng)老院床位不足問題可得到明顯改善．結(jié)果見表11．

表11 去除有自理能力的老年人得到的床位缺口 單位：萬(wàn)張

由表11可知，采用智慧養(yǎng)老政策后我國(guó)的床位短缺得到了極大的緩解，說(shuō)明智慧養(yǎng)老可以很好地解決我國(guó)養(yǎng)老的基本社會(huì)需求，而且隨著智慧養(yǎng)老政策的完善，我國(guó)可持續(xù)性養(yǎng)老有望得到發(fā)展．

3 研究結(jié)論與政策建議

目前，我國(guó)養(yǎng)老床位存在數(shù)量上的短缺，經(jīng)過(guò)建模預(yù)測(cè)未來(lái)10年間養(yǎng)老床位短缺情況將不斷加?。弥腔垧B(yǎng)老模式,養(yǎng)老床位短缺問題有望得到緩解．通過(guò)建立ARIMA模型對(duì)中國(guó)未來(lái)10年養(yǎng)老床位缺口進(jìn)行預(yù)測(cè)，提出智慧養(yǎng)老經(jīng)營(yíng)模式，并對(duì)采用智慧養(yǎng)老經(jīng)營(yíng)模式效果進(jìn)行分析.ARIMA模型結(jié)果顯示，自2018年起往后10年間養(yǎng)老床位需求量逐步攀升，2028年養(yǎng)老床位缺口最高可達(dá) 2 837萬(wàn)張．智慧養(yǎng)老經(jīng)營(yíng)模式立足于發(fā)揮政府政策工具的先進(jìn)性和廣泛性優(yōu)勢(shì)，細(xì)分不同類型的老年人，與“互聯(lián)網(wǎng)+養(yǎng)老”模式相結(jié)合，將標(biāo)準(zhǔn)化環(huán)節(jié)與先進(jìn)科技融入養(yǎng)老服務(wù)體系中去，實(shí)證結(jié)果顯示智慧養(yǎng)老經(jīng)營(yíng)模式解決了機(jī)構(gòu)養(yǎng)老床位供需矛盾，提供更加優(yōu)質(zhì)的養(yǎng)老服務(wù)．根據(jù)研究結(jié)論提出以下政策建議：

第一，提高對(duì)于養(yǎng)老機(jī)構(gòu)的資金投入和設(shè)施投入．從過(guò)往的家庭養(yǎng)老觀念中走出來(lái)，政府積極肩負(fù)起民眾養(yǎng)老責(zé)任，面對(duì)老年人口爆發(fā)式增長(zhǎng)及殘障老年人、高齡無(wú)法自理老年人的養(yǎng)老問題，首先要盡可能地滿足老年人需求,加大投入資金和床位設(shè)備．

第二，正確制定并實(shí)行智慧養(yǎng)老政策．為了發(fā)揮智慧養(yǎng)老經(jīng)營(yíng)模式優(yōu)勢(shì)，政府應(yīng)該平衡不同類型的政策工具，包括:細(xì)化環(huán)境型政策，提高政策影響力；調(diào)整供給型政策，塑造政策推動(dòng)力；增加需求型政策，擴(kuò)大政策拉動(dòng)力．除此之外，加大稅收優(yōu)惠和金融政策支持，積極吸引優(yōu)秀人才，將養(yǎng)老行業(yè)帶入現(xiàn)代化發(fā)展軌道，提高行業(yè)發(fā)展效率．

第三，政府責(zé)任納入．政府應(yīng)該將養(yǎng)老行業(yè)的發(fā)展和改進(jìn)納入國(guó)家發(fā)展戰(zhàn)略，將責(zé)任對(duì)象的范疇拓寬，關(guān)注諸如“空巢老年人”等特殊老年群體，從提供單一救濟(jì)轉(zhuǎn)變?yōu)樘峁┒嘣纳顥l件．最終將養(yǎng)老問題上升到法律約束層面,加大養(yǎng)老服務(wù)管理力度．