徐 宗 煌

(福州理工學(xué)院 應(yīng)用科學(xué)與工程學(xué)院, 福建 福州 350506)

我國(guó)人口基數(shù)大,隨著社會(huì)進(jìn)步,老齡人口逐年增多,老齡化的社會(huì)問(wèn)題越來(lái)越突出,養(yǎng)老服務(wù)問(wèn)題亟待解決。當(dāng)前,我國(guó)主要有家庭養(yǎng)老、社區(qū)養(yǎng)老及機(jī)構(gòu)養(yǎng)老3種養(yǎng)老模式。機(jī)構(gòu)養(yǎng)老的類型有公辦養(yǎng)老院、民辦養(yǎng)老院、公建民營(yíng)養(yǎng)老院等。這些機(jī)構(gòu)都對(duì)養(yǎng)老服務(wù)事業(yè)作出了貢獻(xiàn)。但是現(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)需求,增加養(yǎng)老服務(wù)床位是一個(gè)亟待解決的現(xiàn)實(shí)問(wèn)題。

一、相關(guān)文獻(xiàn)綜述

近年來(lái),人口快速老齡化使得養(yǎng)老形勢(shì)日益嚴(yán)峻,我國(guó)養(yǎng)老服務(wù)床位需求量增大,國(guó)內(nèi)外學(xué)者已經(jīng)開(kāi)展了相應(yīng)的研究。顏秉秋等基于多主體微觀模擬模型,以北京市為對(duì)象,對(duì)2030年前養(yǎng)老機(jī)構(gòu)的需求與供給態(tài)勢(shì)進(jìn)行了預(yù)測(cè),同時(shí)對(duì)養(yǎng)老服務(wù)政策進(jìn)行了一系列分析評(píng)估[1];李朝霞采用二元Logistic 回歸分析模型對(duì)影響上海市民辦養(yǎng)老機(jī)構(gòu)發(fā)展的人口、經(jīng)濟(jì)、社會(huì)及政策4個(gè)因素指標(biāo)進(jìn)行了定性分析,預(yù)測(cè)了上海市未來(lái)幾年對(duì)民辦養(yǎng)老機(jī)構(gòu)的需求情況[2];鄉(xiāng)汝浩基于中山市歷年統(tǒng)計(jì)年鑒和第六次人口普查等數(shù)據(jù),建立了養(yǎng)老服務(wù)規(guī)模預(yù)測(cè)模型,對(duì)中山市2020—2030 年養(yǎng)老服務(wù)的需求規(guī)模進(jìn)行了一系列預(yù)測(cè)[3];趙余等采用GM(1, 1)預(yù)測(cè)模型對(duì)重慶市未來(lái)9年的養(yǎng)老床位等社會(huì)養(yǎng)老設(shè)施需求規(guī)模進(jìn)行了預(yù)測(cè)[4];Kalevi等學(xué)者利用有序logit模型和機(jī)構(gòu)護(hù)理來(lái)分析年齡特征,分別對(duì)2030年老齡人口的特定服務(wù)依賴性、年齡及性別分布進(jìn)行了相關(guān)的預(yù)測(cè)[5];Sajal等選擇以投入為導(dǎo)向的VRS模型分析美國(guó)康涅狄格州140家養(yǎng)老院的技術(shù)效率、規(guī)模效率及養(yǎng)老院為老人提供醫(yī)療服務(wù)的規(guī)模效益水平[6];Shafik等以英國(guó)為研究對(duì)象,以養(yǎng)老護(hù)理機(jī)構(gòu)的服務(wù)為研究?jī)?nèi)容,得出老年人對(duì)于醫(yī)療、護(hù)理等方面的長(zhǎng)期需求日益增長(zhǎng),以及養(yǎng)老醫(yī)療服務(wù)水平參差不齊,養(yǎng)老機(jī)構(gòu)服務(wù)供不應(yīng)求的結(jié)論[7];Garavaglia等運(yùn)用DEA和Tobit模型分析評(píng)價(jià)了意大利北部地區(qū)的40所養(yǎng)老機(jī)構(gòu)的服務(wù)效率和質(zhì)量[8]。

二、研究思路

本文基于統(tǒng)計(jì)年鑒的數(shù)據(jù),利用人口、經(jīng)濟(jì)及政策3個(gè)代表性影響因子,分別對(duì)2022—2050年的老齡人口數(shù)量與結(jié)構(gòu)、政府資金投入、居民消費(fèi)水平,以及養(yǎng)老服務(wù)床位數(shù)量的市場(chǎng)需求規(guī)模進(jìn)行預(yù)測(cè),并將市場(chǎng)需求規(guī)模按養(yǎng)老類型、城鄉(xiāng)類別及性別三大類進(jìn)行分析,最后給出了養(yǎng)老床位規(guī)劃的建議。

在模型求解過(guò)程中,結(jié)合實(shí)際情況提出以下相關(guān)的假設(shè):①人口的變化過(guò)程只與人口的生育、老化和死亡3個(gè)因素有關(guān);②在指標(biāo)體系構(gòu)建中所考慮的影響因素能夠較好反映養(yǎng)老服務(wù)床位數(shù)量的市場(chǎng)需求規(guī)模。

本文從人口、經(jīng)濟(jì)、政策3個(gè)方面選取有代表性的影響因子,運(yùn)用Leslie矩陣人口數(shù)量模型預(yù)測(cè)2022—2050年的老齡人口數(shù)量與結(jié)構(gòu)。采用BP神經(jīng)網(wǎng)絡(luò)對(duì)居民消費(fèi)水平與政府資金投入進(jìn)行預(yù)測(cè),得出2022—2050年的預(yù)測(cè)值。在得到各因子預(yù)測(cè)值后,本文建立基于多元回歸的養(yǎng)老服務(wù)床位預(yù)測(cè)模型,預(yù)測(cè)2022—2050年養(yǎng)老服務(wù)床位數(shù)量的市場(chǎng)需求規(guī)模,并將市場(chǎng)需求規(guī)模按養(yǎng)老類型、城鄉(xiāng)類別及性別三大類進(jìn)行分析。

三、建立模型

1.構(gòu)建指標(biāo)體系

本文從人口、經(jīng)濟(jì)、政策3個(gè)方面選取了有代表性的因子,構(gòu)建養(yǎng)老床位需求預(yù)測(cè)指標(biāo)體系,如圖1所示。

圖1 養(yǎng)老床位需求預(yù)測(cè)指標(biāo)體系

(1)人口因素。在1982年的“老齡問(wèn)題世界大會(huì)”上,老年人的標(biāo)準(zhǔn)由原來(lái)的65周歲以上調(diào)整為60周歲及以上,我國(guó)在各種社會(huì)統(tǒng)計(jì)及老齡政策中基本遵循這一原則[9]。

① 人口數(shù)量。老齡人口規(guī)模是影響?zhàn)B老市場(chǎng)需求的重要因素之一,與市場(chǎng)需求高度正相關(guān)。本文按照60周歲及以上為老齡人口的設(shè)定,對(duì)我國(guó)老齡人口數(shù)量進(jìn)行預(yù)測(cè)。

② 年齡結(jié)構(gòu)。老年人的健康狀況不佳決定了養(yǎng)老服務(wù)床位需求量的增加,老齡人口年齡結(jié)構(gòu)是影響?zhàn)B老服務(wù)床位市場(chǎng)需求的決定性因素。而老年人的健康狀況與年長(zhǎng)程度有很大關(guān)系,生理機(jī)能衰退是年齡增長(zhǎng)的必然趨勢(shì),高齡老人更需要專業(yè)的養(yǎng)老護(hù)理服務(wù)。因此,預(yù)測(cè)未來(lái)60～69周歲、70～79周歲、80周歲及以上老年人的數(shù)量具有重要意義。

③ 撫養(yǎng)比。老齡人口撫養(yǎng)比,即非勞動(dòng)年齡人口數(shù)中的老年部分與勞動(dòng)年齡人口數(shù)之比[10]。本文將老齡人口撫養(yǎng)比定義為60周歲及以上人口數(shù)與15～59周歲人口數(shù)之比。老齡人口撫養(yǎng)比越大,表明勞動(dòng)力人均需撫養(yǎng)的老人數(shù)越多,養(yǎng)老負(fù)擔(dān)越重,對(duì)養(yǎng)老服務(wù)市場(chǎng)的需求就越大。

④ 對(duì)養(yǎng)老服務(wù)有需求的老齡人口數(shù)量。陳建蘭發(fā)現(xiàn)老人對(duì)機(jī)構(gòu)養(yǎng)老的需求主要受到老年人子女的數(shù)量、養(yǎng)老金或補(bǔ)助金額和文化程度的影響[11]?，F(xiàn)階段,全世界老人對(duì)機(jī)構(gòu)養(yǎng)老的意愿比例大概只有5%,歐美等發(fā)達(dá)國(guó)家為35%,我國(guó)為大約10%[12]。因此,本文按照我國(guó)老人的機(jī)構(gòu)養(yǎng)老意愿比例為10%預(yù)測(cè)對(duì)養(yǎng)老服務(wù)有需求的老年人數(shù)量。

(2)經(jīng)濟(jì)因素。沙國(guó)華在對(duì)老年人的調(diào)研中發(fā)現(xiàn),經(jīng)濟(jì)狀況在很大程度上影響?zhàn)B老服務(wù)的市場(chǎng)需求,收入較高的人對(duì)養(yǎng)老市場(chǎng)的需求也較高,收入水平對(duì)養(yǎng)老服務(wù)市場(chǎng)需求的影響顯著[13]?？v觀世界各國(guó)的養(yǎng)老及社會(huì)保障制度現(xiàn)狀,經(jīng)濟(jì)越發(fā)達(dá)的國(guó)家和地區(qū),養(yǎng)老服務(wù)市場(chǎng)發(fā)展程度越高,社會(huì)保障制度越完善。人均GDP、人均可支配收入及居民消費(fèi)水平3個(gè)因子是市場(chǎng)需求分析的重要因素。本文通過(guò)對(duì)上述3個(gè)因子的預(yù)測(cè)分析把握我國(guó)未來(lái)的宏觀經(jīng)濟(jì)運(yùn)行狀況,進(jìn)而預(yù)測(cè)未來(lái)養(yǎng)老服務(wù)床位的市場(chǎng)需求。

(3)政策因素。政府的養(yǎng)老床位配置是對(duì)現(xiàn)有社會(huì)養(yǎng)老保障體制的一種補(bǔ)充。社會(huì)養(yǎng)老保障體制的完善程度和政府對(duì)于養(yǎng)老服務(wù)床位配置的扶持力度是民眾考量是否需要養(yǎng)老服務(wù)的主要因素。如果社會(huì)養(yǎng)老保障體制較為完善,覆蓋面足夠廣,政府對(duì)于養(yǎng)老的政策扶持力度大,人們對(duì)養(yǎng)老服務(wù)床位的市場(chǎng)需求就會(huì)相應(yīng)地增長(zhǎng)。本文選取國(guó)家養(yǎng)老基金支出數(shù)據(jù)作為政策分析的代表因素。

2.建立預(yù)測(cè)模型

(1)基于Leslie矩陣的人口因素預(yù)測(cè)。人口數(shù)量除了與人口出生率、死亡率及生育率有關(guān),還和很多其他因素有關(guān),譬如人口性別比和年齡結(jié)構(gòu)特征。這兩個(gè)指標(biāo)均能在一定程度上對(duì)人口數(shù)量造成影響。Leslie矩陣人口數(shù)量模型[14]綜合考慮了以上各因素對(duì)人口數(shù)量預(yù)測(cè)的影響,通過(guò)分析不同年齡段在各年份的人口數(shù)量變化,預(yù)測(cè)未來(lái)某個(gè)時(shí)間段內(nèi)的人口總數(shù)與各年齡段的人口數(shù)量。本文建立預(yù)測(cè)模型的主要步驟如下:

① 構(gòu)建求解模型。

建立Leslie矩陣

(1)

令第t年第i歲個(gè)體的生育率為fi=bi(t)ωi(t),得到Leslie人口預(yù)測(cè)模型為

(2)

則與矩陣模型等價(jià)的聯(lián)合方程為

(3)

式中:X(t)表示各年齡段在第t年時(shí)的人口分布向量;L表示老年人數(shù)量Leslie矩陣;N為按年齡分人口數(shù)據(jù)的年齡段數(shù)量;fi表示第t年第i歲個(gè)體的生育率;pi表示第i年齡段上的個(gè)體在1年內(nèi)的生存率;bi(t)表示第i歲女性在第t年的出生嬰兒數(shù);ωi為第t年第i歲的總?cè)丝跀?shù)中女性人口所占的比例;xi(t)表示第i年齡段在第t年時(shí)個(gè)體的數(shù)量。

上述步驟可簡(jiǎn)述為:將某年某一年齡組人口視為一個(gè)列向量,通過(guò)修改年齡組生育率、死亡率等參數(shù)構(gòu)建一個(gè)轉(zhuǎn)移矩陣,左乘前述的列向量,得到的新的列向量即是預(yù)測(cè)的人口數(shù)。

② 確定參數(shù)。

第一,確定參數(shù)pi。在某個(gè)封閉的特定系統(tǒng)里,由于第t+1年第i+1歲的人口數(shù)量可以表示為第t年第i歲的人口數(shù)量與該年第i歲死亡的人口數(shù)量之差,所以第i年齡段上的個(gè)體在1年內(nèi)的生存率pi為

(4)

第二,確定參數(shù)fi。記第t年第i歲的總?cè)丝跀?shù)中女性人口所占比例為ωi(t),而第i歲女性在第t年生育的嬰兒數(shù)為bi(t)。則第t年第i歲個(gè)體的生育率為fi(t)=bi(t)ωi(t),故第t+1年的新生人口數(shù)為

(5)

第三,N的確定。參考《2019中國(guó)統(tǒng)計(jì)年鑒》中2018年的按年齡分人口數(shù)據(jù)(注:本文數(shù)據(jù)均來(lái)源于中國(guó)勞動(dòng)統(tǒng)計(jì)年鑒和中國(guó)統(tǒng)計(jì)年鑒,時(shí)間跨度為1990—2018年,或根據(jù)年鑒數(shù)據(jù)計(jì)算而得),以5年為間隔,劃分0～4歲(第0組)、5～9歲(第1組)、10～14歲(第2組),直到95歲及以上(第N組,N=19),共20個(gè)年齡段。

(2)基于BP神經(jīng)網(wǎng)絡(luò)的經(jīng)濟(jì)、政策因素預(yù)測(cè)。本文建立基于BP神經(jīng)網(wǎng)絡(luò)[15-17]的經(jīng)濟(jì)、政策相關(guān)因子預(yù)測(cè)系統(tǒng),對(duì)指標(biāo)體系中的有關(guān)因子進(jìn)行預(yù)測(cè)。BP神經(jīng)網(wǎng)絡(luò)模型由輸入層、隱含層、輸出層3個(gè)層次組成,如圖2所示。建立一個(gè)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型主要包括兩個(gè)階段:配置階段、訓(xùn)練與預(yù)測(cè)階段。

圖2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

① 配置階段。配置階段就是確定BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)階段。確定神經(jīng)網(wǎng)絡(luò)各層節(jié)點(diǎn)數(shù)是直接影響網(wǎng)絡(luò)模擬成功與否的關(guān)鍵。由于本文輸入層與輸出層均只有一維,即原始數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù),所以輸入層和輸出層節(jié)點(diǎn)數(shù)均為1。對(duì)于隱含層而言,適當(dāng)?shù)碾[含層節(jié)點(diǎn)數(shù)可以提高神經(jīng)網(wǎng)絡(luò)的非線性映射能力,保證映射關(guān)系的正確實(shí)現(xiàn)。隱含層節(jié)點(diǎn)數(shù)太少,BP神經(jīng)網(wǎng)絡(luò)將無(wú)法建立有效的映射關(guān)系;隱含層節(jié)點(diǎn)數(shù)過(guò)多,將導(dǎo)致神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)時(shí)間過(guò)長(zhǎng),可能出現(xiàn)數(shù)據(jù)“過(guò)擬合”現(xiàn)象。根據(jù)Kolmogorov定理[18],通常誤差最小時(shí)隱含層節(jié)點(diǎn)數(shù)為2n+1或2n+2(n為輸入層節(jié)點(diǎn)數(shù)),此時(shí)網(wǎng)絡(luò)收斂效果較好。故本文將隱含層節(jié)點(diǎn)數(shù)根據(jù)神經(jīng)網(wǎng)絡(luò)優(yōu)化理論確定為4。

② 訓(xùn)練與預(yù)測(cè)階段。為利于數(shù)據(jù)合理分布,提高訓(xùn)練速度和靈敏性,本文利用mapminmax函數(shù)對(duì)數(shù)據(jù)進(jìn)行歸一化處理,公式為

(6)

式中:a為經(jīng)濟(jì)和政策指標(biāo)的原始數(shù)據(jù);b為歸一化處理后的數(shù)據(jù)。將向量b輸入BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型中,對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練并進(jìn)行預(yù)測(cè)。對(duì)預(yù)測(cè)結(jié)果進(jìn)行反歸一化處理,得到輸出結(jié)果,并將其與實(shí)際值進(jìn)行比較,若存在較大誤差,立即進(jìn)行反向調(diào)整。網(wǎng)絡(luò)訓(xùn)練結(jié)束后,輸出預(yù)測(cè)值。

(3)基于多元回歸模型的床位需求預(yù)測(cè)。為解決市場(chǎng)需求預(yù)測(cè)這類涉及1個(gè)因變量與多個(gè)自變量關(guān)系的問(wèn)題,本文建立多元回歸模型[19-20]。其基本任務(wù)包括:根據(jù)因變量與多個(gè)自變量的實(shí)際觀測(cè)值建立因變量對(duì)多個(gè)自變量的多元回歸方程;檢驗(yàn)、分析各自變量對(duì)因變量影響的顯著性;建立最優(yōu)多元回歸方程。

① 定義變量?；谥笜?biāo)體系中各因子的預(yù)測(cè)數(shù)據(jù),本文對(duì)11個(gè)變量進(jìn)行定義(見(jiàn)表1),對(duì)GDP等與經(jīng)濟(jì)計(jì)量有關(guān)的變量進(jìn)行取對(duì)數(shù)處理。

表1 變量定義表

② 設(shè)定模型。本文將基于多元回歸模型的養(yǎng)老服務(wù)床位預(yù)測(cè)模型設(shè)定為

(7)

式中:α0為模型的常數(shù)項(xiàng);αi代表模型的回歸系數(shù),用來(lái)描述自變量xi變化情況下因變量y的變化程度。

運(yùn)用MATLAB軟件,基于2005—2018年統(tǒng)計(jì)數(shù)據(jù),對(duì)表1中的因變量和10項(xiàng)自變量進(jìn)行多元回歸分析,建立的基于多元回歸運(yùn)算的養(yǎng)老服務(wù)床位市場(chǎng)需求預(yù)測(cè)模型公式為

(8)

從F檢驗(yàn)的結(jié)果來(lái)看:P=0.001,遠(yuǎn)小于0.5,說(shuō)明得到的各變量系數(shù)具有較高的正確性;F統(tǒng)計(jì)量在1%水平上顯著,表明該模型的線性關(guān)系比較顯著,該模型是有效的。從方程擬合優(yōu)度的檢驗(yàn)結(jié)果來(lái)看,調(diào)整的R2值約為0.998,說(shuō)明模型的擬合度較高。

四、預(yù)測(cè)結(jié)果與分析

1.老齡人口數(shù)與老齡人口撫養(yǎng)比

根據(jù)Leslie矩陣預(yù)測(cè)得到的老齡人口數(shù)與老齡人口撫養(yǎng)比數(shù)據(jù),繪制圖3。

圖3 老齡人口數(shù)與老齡人口撫養(yǎng)比預(yù)測(cè)結(jié)果

由圖3可以看出:2022—2050年全國(guó)老齡人口數(shù)與老齡人口撫養(yǎng)比均大致呈持續(xù)增長(zhǎng)趨勢(shì);老齡人口規(guī)模在2044年達(dá)到最高值,老齡人口撫養(yǎng)比在2046年達(dá)到最高值。老齡人口數(shù)與老齡人口撫養(yǎng)比在2045年左右出現(xiàn)“拐點(diǎn)”,與國(guó)家在2016年時(shí)放松計(jì)劃生育政策的時(shí)間節(jié)點(diǎn)較為吻合。2045年左右出現(xiàn)“拐點(diǎn)”,能有效驗(yàn)證國(guó)家開(kāi)放“全面二孩”政策對(duì)緩解社會(huì)老齡化現(xiàn)象的成效,老齡人口撫養(yǎng)比有所降低,可在一定程度上緩解勞動(dòng)人口撫養(yǎng)老年人的壓力。

2.養(yǎng)老保險(xiǎn)基金支出、人均GDP、居民消費(fèi)水平與居民人均可支配收入

本文利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的結(jié)果見(jiàn)圖4、圖5。

圖4 養(yǎng)老保險(xiǎn)基金支出與人均GDP預(yù)測(cè)結(jié)果

圖5 居民消費(fèi)水平與居民人均可支配收入預(yù)測(cè)結(jié)果

由圖4和圖5可以看出,2022—2050年養(yǎng)老保險(xiǎn)基金支出、人均GDP、居民消費(fèi)水平及居民人均可支配收入均呈持續(xù)增長(zhǎng)趨勢(shì),但增長(zhǎng)速度呈逐漸減緩趨勢(shì)。預(yù)計(jì)2022—2050年,我國(guó)養(yǎng)老保險(xiǎn)基金支出以平均每年3.38%的速度增長(zhǎng),國(guó)家對(duì)養(yǎng)老的保障與政策扶持力度不斷加大;人均GDP平均增速為2.34%,人均可支配收入平均增速為1.25%,說(shuō)明我國(guó)經(jīng)濟(jì)將持續(xù)穩(wěn)步向好發(fā)展,居民生活消費(fèi)水平逐步提高。

3.養(yǎng)老服務(wù)床位市場(chǎng)需求規(guī)模預(yù)測(cè)與分析

本文基于多元回歸模型對(duì)養(yǎng)老服務(wù)的床位需求量進(jìn)行預(yù)測(cè),結(jié)果見(jiàn)圖6。

圖6表明了養(yǎng)老服務(wù)床位數(shù)量的市場(chǎng)需求規(guī)模情況?？傮w來(lái)說(shuō),2005—2037年全國(guó)養(yǎng)老服務(wù)床位數(shù)量的市場(chǎng)需求呈現(xiàn)逐年持續(xù)增加的趨勢(shì),但增長(zhǎng)速度呈波動(dòng)下降趨勢(shì);在2038—2050年呈逐年下降趨勢(shì),且最終會(huì)趨于穩(wěn)定狀態(tài)。

圖6 養(yǎng)老服務(wù)床位數(shù)量的市場(chǎng)需求規(guī)模預(yù)測(cè)結(jié)果

本文將2005—2018年數(shù)據(jù)代入多元回歸床位需求預(yù)測(cè)模型,得到的預(yù)測(cè)數(shù)據(jù)與實(shí)際統(tǒng)計(jì)數(shù)據(jù)見(jiàn)表2。預(yù)測(cè)數(shù)據(jù)與實(shí)際數(shù)據(jù)的平均誤差僅1.79%,說(shuō)明本文建立的預(yù)測(cè)模型具有較高的合理性。

表2 養(yǎng)老服務(wù)床位數(shù)預(yù)測(cè)與實(shí)際誤差表

4.養(yǎng)老服務(wù)床位數(shù)量的市場(chǎng)需求規(guī)模分類

社區(qū)養(yǎng)老是讓老人住在自己家里, 在繼續(xù)得到家人照顧的同時(shí), 由社區(qū)的有關(guān)服務(wù)機(jī)構(gòu)和人士為老人提供上門(mén)服務(wù)或托老服務(wù)。而機(jī)構(gòu)養(yǎng)老是指老年人入住養(yǎng)老機(jī)構(gòu), 養(yǎng)老機(jī)構(gòu)為其提供飲食起居、清潔衛(wèi)生、生活護(hù)理、健康管理和文體娛樂(lè)活動(dòng)等綜合性服務(wù)。

我國(guó)城鎮(zhèn)與農(nóng)村養(yǎng)老服務(wù)機(jī)構(gòu)設(shè)施配置不同,城鎮(zhèn)居民與農(nóng)村居民收入、消費(fèi)水平和思想觀念存在差異,女性平均壽命略高于男性,社區(qū)養(yǎng)老方式與機(jī)構(gòu)養(yǎng)老方式也具有較大差異,這些差異造成了養(yǎng)老服務(wù)床位市場(chǎng)需求的差別。因此,針對(duì)上述差異,本文基于社區(qū)養(yǎng)老、機(jī)構(gòu)養(yǎng)老床位數(shù)現(xiàn)狀數(shù)據(jù),城鄉(xiāng)居民人口、消費(fèi)水平、可支配收入數(shù)據(jù),男性、女性老齡人口數(shù)據(jù),將養(yǎng)老服務(wù)床位市場(chǎng)需求規(guī)模按養(yǎng)老類型、城鄉(xiāng)類別及性別三大類進(jìn)行分析。

由圖7～9可以看出,社區(qū)養(yǎng)老床位需求量明顯大于機(jī)構(gòu)養(yǎng)老床位需求量,城鎮(zhèn)居民對(duì)養(yǎng)老服務(wù)床位的需求大于農(nóng)村居民, 男性對(duì)養(yǎng)老服務(wù)床位的需求要略大于女性。

圖7 機(jī)構(gòu)養(yǎng)老與社區(qū)養(yǎng)老床位數(shù)預(yù)測(cè)結(jié)果

2022—2050年養(yǎng)老類型、城鄉(xiāng)類別及性別三大類型養(yǎng)老服務(wù)床位數(shù)量的市場(chǎng)需求規(guī)模均可看作兩個(gè)階段:

圖8 城鎮(zhèn)養(yǎng)老與農(nóng)村養(yǎng)老床位數(shù)預(yù)測(cè)結(jié)果

圖9 男性養(yǎng)老與女性養(yǎng)老床位數(shù)預(yù)測(cè)結(jié)果

(1)2022—2035年,三大類型養(yǎng)老服務(wù)床位數(shù)量的市場(chǎng)需求均大致呈現(xiàn)持續(xù)增加的趨勢(shì),但增長(zhǎng)速度呈波動(dòng)下降趨勢(shì);到2035年左右,規(guī)模均達(dá)到最大值,此時(shí)養(yǎng)老市場(chǎng)對(duì)于床位的需求達(dá)到接近飽和的狀態(tài);

(2)2036—2050年,三大類型養(yǎng)老服務(wù)床位數(shù)量的市場(chǎng)需求規(guī)模均大致呈現(xiàn)逐年下降的趨勢(shì),且下降速度呈現(xiàn)逐年加快趨勢(shì)。

五、結(jié) 語(yǔ)

本文選取人口、經(jīng)濟(jì)及政策3個(gè)代表性影響因子,基于1990—2018年中國(guó)勞動(dòng)統(tǒng)計(jì)年鑒和中國(guó)統(tǒng)計(jì)年鑒的數(shù)據(jù),運(yùn)用Leslie矩陣模型、BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型和多元回歸模型,對(duì)2022—2050年的老齡人口數(shù)量與結(jié)構(gòu)、政府資金投入、居民消費(fèi)水平,以及養(yǎng)老服務(wù)床位數(shù)量的市場(chǎng)需求規(guī)模分別進(jìn)行預(yù)測(cè),并將市場(chǎng)需求規(guī)模按養(yǎng)老類型、城鄉(xiāng)類別及性別三大類進(jìn)行分析。根據(jù)對(duì)2022—2050年養(yǎng)老服務(wù)機(jī)構(gòu)床位數(shù)量的市場(chǎng)需求規(guī)模進(jìn)行預(yù)測(cè)及分類結(jié)果,建議政府有關(guān)部門(mén)在2035年前增加養(yǎng)老機(jī)構(gòu)床位數(shù),2035年后發(fā)展速度要適當(dāng)放緩。