劉夢婷

(安徽大學管理學院，安徽 合肥 230071)

0 引言

20世紀以來，我國經(jīng)濟發(fā)展迅速，人口老齡化趨勢不斷加強，截至2020第7次全國人口普查，我國當前60歲及以上人口為2.64億人，占總?cè)丝?8.70%，與2010年第六次全國人口普查相比，上升5.44%[1]。面臨老年人口數(shù)量的不斷上升，為實現(xiàn)城鄉(xiāng)公共服務的均等化，2014年，國務院出臺的《關(guān)于建立統(tǒng)一的城鄉(xiāng)居民基本養(yǎng)老保險制度的意見》，標志著我國基本養(yǎng)老保險實現(xiàn)城鄉(xiāng)統(tǒng)籌，旨在進一步保障老年群體的基本生活。然而，統(tǒng)計數(shù)據(jù)顯示，養(yǎng)老保險實際運行并不理想。2019我國城鄉(xiāng)居民基本養(yǎng)老保險基金支出較上年增長7.18%，收入增長為7.01%，養(yǎng)老基金或?qū)⒚媾R入不敷出的壓力。

本文運用數(shù)據(jù)包絡(luò)分析方法對城鄉(xiāng)居民基本保險的運行效率進行靜態(tài)和動態(tài)分析，并結(jié)合Malmquist指數(shù)對面板數(shù)據(jù)進行不同時期的效率對比，找出基本養(yǎng)老保險存在的問題，并對其分析，提出相關(guān)建議。

1 研究現(xiàn)狀

城鄉(xiāng)居民基本養(yǎng)老保險制度是我國社會保障的重要組成部分，是關(guān)乎民生建設(shè)的重要舉措。2014年之前，城鎮(zhèn)和農(nóng)村的養(yǎng)老保險制度并不是統(tǒng)一實行的，2009年，建立并實行了新型農(nóng)村社會養(yǎng)老保險制度，2年后，城鎮(zhèn)居民社會養(yǎng)老保險制度得以實行。2014年農(nóng)村和城鎮(zhèn)養(yǎng)老保險合并，統(tǒng)稱為城鄉(xiāng)居民基本養(yǎng)老保險制度，標志著我國養(yǎng)老保險制度得以完善。作為一項民生普惠的政策，城鄉(xiāng)居民基本養(yǎng)老保險制度彈性大、相對靈活、投保金額視自身情況而定，為廣大的老年人群體提供了基礎(chǔ)性的保險，保障了廣大老年群體的切身利益。截至2019年末，參保人數(shù)達53 266萬人，全年基金收入4 107億元，基金支出3 114.3億元，基金累計結(jié)余8 249.2億元[2]。

目前，學術(shù)界關(guān)于基本養(yǎng)老保險的研究在社會保障領(lǐng)域已經(jīng)引起重視，許燕[3]基于人口預測模型對參保人數(shù)進行預測，指出參保人口的老齡化發(fā)展趨勢將給政府財政支出帶來一定的壓力。李悅心等[4]從城鄉(xiāng)居民基本養(yǎng)老保險個人賬戶收支平衡方面指出為緩解預期壽命延長和個人賬戶面臨的收支平衡風險，應擴大個人賬戶資金投資渠道、提高居民領(lǐng)取養(yǎng)老金的年齡、適當調(diào)整計發(fā)系數(shù)等。陳浩[5]認為，城鄉(xiāng)居民基本養(yǎng)老保險保障水平省際差異明顯，其中東部3個直轄市和西部省級城市保障水平高于中部省級行政區(qū)。欒文敬等[6]認為我國養(yǎng)老保險基金由于資源配置效率較低，改進空間很大。國外學者 Richard Disney[7]認為，公共養(yǎng)老計劃的成本過高導致養(yǎng)老保險基金運行效率大幅降低。Nelson Chow[8]著重研究了政府財政支出對養(yǎng)老保險基金效率的影響。

2 模型建立與指標選取

2.1 數(shù)據(jù)來源與評價指標

對2012—2020年《中國統(tǒng)計年鑒》中的城鄉(xiāng)居民基本養(yǎng)老保險的投入、產(chǎn)出等相關(guān)數(shù)據(jù)進行整理，選取除港澳臺以外的31個省市為樣本地區(qū)，對比不同省市的城鄉(xiāng)居民基本養(yǎng)老保險投入產(chǎn)出情況。

基于已有的文獻資料，結(jié)合數(shù)據(jù)的歸納整理，在投入產(chǎn)出的視角下對城鄉(xiāng)居民養(yǎng)老保險可量化的數(shù)據(jù)部分進行實證分析，選取的投入、產(chǎn)出指標和變量標識如表1所示。

表1 城鄉(xiāng)居民基本養(yǎng)老保險運行效率指標

2.2 研究方法與模型

數(shù)據(jù)包絡(luò)分析(Data Envelopment Analysis)簡稱DEA，由美國著名運籌學家Charens等[9]提出，被廣泛應用于相對效率評價體系中，特別是在公共部門績效評價中較為常見。該方法算法簡單，通過數(shù)學規(guī)劃手段，可以對多個投入和多個產(chǎn)出的復雜系統(tǒng)進行相對有效性的評價。

在數(shù)據(jù)包絡(luò)分析方法中CCR和BCC模型應用最為廣泛，在實際的數(shù)據(jù)計算中由于時間條件的引入，生產(chǎn)前沿面發(fā)生了改變，即而CCR和BCC模型常使用截面數(shù)據(jù)來橫向?qū)Ρ菵MU的效率，故本文擬利用CCR和BCC模型對城鄉(xiāng)居民基本養(yǎng)老保險支出進行靜態(tài)效率分析。Malmquist指數(shù)可以彌補CCR和BCC模型的不足，對面板數(shù)據(jù)進行分析，可以用來衡量不同時期的效率變化。需要注意的是:當Malmquist指數(shù)小于1時，表示生產(chǎn)效率情況惡化；而Malmquist指數(shù)大于1表示生產(chǎn)效率運行情況改善，Malmquist指數(shù)等于1生產(chǎn)效率情況沒有發(fā)生改變。測算出全要素生產(chǎn)率(TFP)，將指數(shù)分解為技術(shù)效率變化指數(shù)(TEC)、技術(shù)效率進步指數(shù)(TP)，同時技術(shù)效率變化指數(shù)又可以分解為純技術(shù)效率(PTEC)和規(guī)模效率(SEC)，可以分析出其中的變化原因，故利用Malmquist指數(shù)對城鄉(xiāng)居民基本養(yǎng)老保險運行效率進行動態(tài)分析。

3 基于DEA方法的實證分析

3.1 城鄉(xiāng)居民基本養(yǎng)老保險基金支出效率靜態(tài)分析

利用DEA2.1軟件，使用CRS模型和VRS模型，其中CRS模型針對不變規(guī)模報酬問題，對應文中的CCR模型，VRS模型針對可變規(guī)模報酬問題，對應文中的BCC模型。運用多階段分析方法，基于產(chǎn)出角度計算出我國31個省市的城鄉(xiāng)居民基本養(yǎng)老保險的投入產(chǎn)出效率，基于CCR模型和BCC模型相結(jié)合測算得出的城鄉(xiāng)居民基本養(yǎng)老保險基金效率結(jié)果如表2所示。

表2 2019年城鄉(xiāng)居民基本養(yǎng)老保險基金效率測算結(jié)果

續(xù)表2

3.1.1 綜合效率的評價

綜合效率即不考慮規(guī)模效益的技術(shù)效率，很大程度上受純技術(shù)效率和規(guī)模效率的影響。當綜合效率值為1.000時，決策單元的輸入輸出指標達到最佳相對效率，DEA有效；當綜合效率值越接近于1.000，相對效率較為良好。總體來看，基金效率測算結(jié)果中，綜合效率的平均值為0.825，數(shù)值接近于1.000，說明2019年中城鄉(xiāng)居民基本養(yǎng)老保險的投入和產(chǎn)出的相對效率良好。從表2可以看出，2019年的城鄉(xiāng)居民基本養(yǎng)老保險基金效率中綜合效率值為1.000的省/市有天津市、上海市、浙江省，均達到綜合效率值的有效狀態(tài)，投入的資源得到了充分的發(fā)揮，取得了很好的效果，實現(xiàn)了產(chǎn)出最優(yōu)化，整體資源得到了有效配置。如北京市、廣東省等經(jīng)濟發(fā)展水平高的省份和城市并未達到DEA有效狀態(tài)，經(jīng)濟欠發(fā)達的省份如內(nèi)蒙古、四川等地綜合效率值接近1.000，即便天津市、上海市和浙江省達到相對效率最優(yōu)，但這也并不能說明經(jīng)濟發(fā)展水平的高低與城鄉(xiāng)居民基本養(yǎng)老保險的運行效率存在必然的聯(lián)系。

根據(jù)表2又可看出，除上海市、天津市和浙江省3個地區(qū)以外，其余的28個省份和直轄市均為達到DEA有效，其中，北京、內(nèi)蒙古、遼寧、江蘇、廣東、四川、貴州、云南8個省市均高于全國平均水平；而河北、山西、吉林、黑龍江、安徽、福建、江西、山東、河南、湖北、湖南、廣西、海南、重慶、西藏、陜西、青海、寧夏、新疆19個省市綜合效率值低于全國平均水平；綜合效率值在0.900～1.000的省市有北京、內(nèi)蒙古、遼寧、江蘇、廣東、四川，說明這6個省市只需通過小幅度的調(diào)整便可以達到相對均衡的狀態(tài)。

3.1.2 純技術(shù)效率的評價

純技術(shù)效率，是指按照一定的組合進行投入而產(chǎn)生出的績效，純技術(shù)效率值為1.000時，DMU資源輸入得到優(yōu)化配置，輸出最大化。即純技術(shù)效率越接近于1.000，投入的決策單元要素就會越有價值，績效就會越高?？傮w上看，2019年城鄉(xiāng)居民基本養(yǎng)老保險基金純技術(shù)效率平均值為0.880，全國各省市地區(qū)的城鄉(xiāng)居民基本養(yǎng)老保險的投入得到了較好的配置，績效水平較高，還具有一定的進步空間。由表2可知，天津、上海、江蘇、浙江、山東、西藏、新疆這7個省市的純技術(shù)效率值為1.000，投入的資源達到了最大化產(chǎn)出，資源配置有效；北京、內(nèi)蒙古、遼寧、河南、廣東、四川、貴州、寧夏地區(qū)的純技術(shù)效率值高于平均值；就安徽省而言，純技術(shù)效率值為0.826，略低于全國平均值，資源配置未實現(xiàn)最優(yōu)化，績效水平略低，還有很大的進步空間。

3.1.3 規(guī)?？冃У脑u價

規(guī)模效率受綜合技術(shù)效率與純技術(shù)效率的影響，在DEA判斷是否有效中，天津市、上海市和浙江省三地為DEA有效，并規(guī)模效率值為1.000，規(guī)模報酬顯示為“-”，說明這3個地區(qū)2019年的城鄉(xiāng)居民基本養(yǎng)老保險金的規(guī)模大小合適、規(guī)模收益不變、規(guī)模效率良好、養(yǎng)老保險金的投入和產(chǎn)出為合理規(guī)模，在理論和呈現(xiàn)的數(shù)值上實現(xiàn)了資源的優(yōu)化配置。在非DEA有效中，遼寧省的綜合技術(shù)效率和純技術(shù)效率值相同，二者之比得出規(guī)模效率值為1.000，說明遼寧省雖未能達到DEA有效，但基本上能夠?qū)崿F(xiàn)資源的優(yōu)化配置，投入與產(chǎn)出較為接近合理規(guī)模。規(guī)模效率值高于全國平均值0.941的非DEA有效地區(qū)，如北京、貴州、河北、山西、江蘇、安徽、福建、江西、山東、河南等地區(qū)，規(guī)模報酬顯示為“Drs”，表示規(guī)模收益處于遞減的狀態(tài)，若想改變這種現(xiàn)狀，單純的增加資源的投入已經(jīng)很難奏效，可以著重從政策和制度層面進行必要的調(diào)整，以求提高綜合效率。規(guī)模效率值低于全國平均水平的非DEA有效地區(qū)，如西藏、新疆、內(nèi)蒙古、海南、黑龍江、吉林、寧夏、青海，規(guī)模報酬顯示為“Irs”，表示這8個地區(qū)的規(guī)模收益中處于遞增的狀態(tài)，從地理位置上來說，上述8個省份均屬于我國的偏遠的西部、南部和東北部地區(qū)，就經(jīng)濟發(fā)展水平而言，相對于中東部地區(qū)還有一定的差距，基金的運行效率相對較低，但提升空間巨大，可以增加養(yǎng)老保險金資源投入來提高整體績效。

3.2 城鄉(xiāng)居民基本養(yǎng)老保險基金運行效率動態(tài)分析

為進一步分析測算城鄉(xiāng)居民基本養(yǎng)老保險基金運行不同時期的效率變化，研究將Malmquist指數(shù)與DEA方法相結(jié)合，選取2012—2019年城鄉(xiāng)居民基本養(yǎng)老保險各指標的面板數(shù)據(jù)，對相關(guān)數(shù)據(jù)進行分析。Malmquist指數(shù)通過全要素生產(chǎn)率值及其與綜合效率變動、技術(shù)進步的因果關(guān)系來評價效率的動態(tài)變化，與DEA方法相結(jié)合后，可以彌補CCR模型和BCC模型的不足，衡量不同時期的效率變化。在基金效率動態(tài)分析中，全要素生產(chǎn)率變動為純技術(shù)效率變動、規(guī)模效率變動和技術(shù)進步變動的乘積。其中，純技術(shù)效率變動主要是指決策單元的組織管理水平提高或降低導致組織管理效率提高或降低；規(guī)模效率變動主要是指決策單元調(diào)整投入規(guī)?；蚪Y(jié)構(gòu)，使得運行成本提高或降低。技術(shù)進步變動主要是指在同樣的要素投入情況下，因技術(shù)創(chuàng)新和進步所帶來的產(chǎn)出的提高。2012—2019 年城鄉(xiāng)居民基本養(yǎng)老保險運行的平均Malmquist指數(shù)變動結(jié)果如表3所示。

表3 2012—2019年城鄉(xiāng)居民養(yǎng)老保險基金運行效率平均Malmquist指數(shù)變動

從全要素生產(chǎn)率指數(shù)來看，除2012—2013年為1.6%的正增長以外，2013—2019年均呈現(xiàn)下降狀態(tài)，2013—2014年、2014—2015年、2015—2016年、2016—2017年、2017—2018年、2018—2019年分別為8.1%、 2.5%、1.3%、5.9%、8.1%、8.4%的負增長。從均值來看，2012—2019年間全要素生產(chǎn)率平均下降4.8%，城鄉(xiāng)居民基本養(yǎng)老保險運行效率有所下降。

從各分解指數(shù)來看，綜合技術(shù)效率變動在2012—2013年、2014—2015年、2018—2019年分別為3.7%、7.2%、4.1%的正增長，其余的2013—2014年、2015—2016年、2016—2017年、2017—2018年分別為6.6%、5.1%、0.8%、21.3%的負增長；純技術(shù)效率的變動與綜合效率變動基本一致，除2018—2019年純技術(shù)效率為負增長以外；規(guī)模效率變動在2012—2013年 、2014—2015年、2016—2017年和2018—2019年均為正增長；技術(shù)進步總體處于較為良好的狀態(tài)，其中2015—2016年和2017—2018年技術(shù)進步效率值大于1。

一般來說，促進技術(shù)的進步，效率不會立刻發(fā)生改變，這一過程是存在滯后性的，在這里體現(xiàn)為技術(shù)效率變化指數(shù)與技術(shù)效率進步指數(shù)為負相關(guān)關(guān)系。對比這兩組數(shù)據(jù)和全要素生產(chǎn)率變動可以發(fā)現(xiàn)，全要素生產(chǎn)率的下降源于效率變化和技術(shù)進步共同減少，且變化趨勢同技術(shù)變動較為一致。

從全要素生產(chǎn)率變動來看，31個省份和市均處于下降的態(tài)勢，但導致這種下降的推動力各不相同，具體情況如下：黑龍江省全要素生產(chǎn)率的下降是由純技術(shù)效率下降導致的；江蘇省規(guī)模效率的下降導致全要素生產(chǎn)率的下降；北京、上海全要素生產(chǎn)率的下降源于技術(shù)進步的負增長；廣東省全要素生產(chǎn)率的下降源于純技術(shù)效率下降和規(guī)模效率下降兩個因素；廣西、重慶、浙江、海南、云南、西藏、貴州和寧夏地區(qū)全要素生產(chǎn)率的下降均是源于技術(shù)進步的負增長和規(guī)模效率的下降共同作用的；吉林、新疆和安徽這三地則是源于技術(shù)進步的負增長和純技術(shù)效率的下降；還有天津、河北、山西、遼寧、內(nèi)蒙古、福建、江西、山東、河南、湖南、湖北、四川、陜西、甘肅、青海這15地均是由于技術(shù)進步的負增長、純技術(shù)效率的下降和規(guī)模效率下降的不利因素共同導致的。

4 結(jié)論與建議

上述關(guān)于城鄉(xiāng)居民基本養(yǎng)老保險基金運行效率的靜態(tài)和動態(tài)分析，以及Malmquist生產(chǎn)率指數(shù)分析，可以得出：在靜態(tài)分析中，全國平均綜合效率值為0.825，純技術(shù)效率值略低于規(guī)模效率，由此可以說明，在城鄉(xiāng)居民基本養(yǎng)老保險的運行中相關(guān)資源可能存在分配不充分的問題，要提高養(yǎng)老保險的覆蓋面，改善這種局面。整體來看，截至2019年，我國城鄉(xiāng)居民基本養(yǎng)老保險整體運行效果并不理想，大部分的省市處于DEA有效狀態(tài)，資源沒有得到合理的配置，區(qū)域之間也存在不平衡的問題。

為應對人口老齡化和實現(xiàn)城鄉(xiāng)基本公共服務的均等化，緩解上述問題，提出如下相關(guān)建議。

1)加強城鄉(xiāng)居民基本養(yǎng)老保險制度建設(shè)。農(nóng)村地區(qū)往往存在參保率低、參保檔次不高、養(yǎng)老保險“捆綁”、管理混亂等現(xiàn)象，諸多因素導致城鄉(xiāng)居民基本養(yǎng)老保險的運行效率不高。因此，要特別重視農(nóng)村地區(qū)的居民養(yǎng)老保險制度的建設(shè)，鼓勵廣大農(nóng)民參與，加大繳費激勵，逐步提高繳費檔次。

2)地方政府要建設(shè)良好的民生環(huán)境。政府應該樹立正確的政績觀，改變重視經(jīng)濟建設(shè)、忽視民生建設(shè)的現(xiàn)象，要構(gòu)建良好的政策環(huán)境，關(guān)注整個社會保險系統(tǒng)的發(fā)展情況，從上至下、從內(nèi)至外、全方位地推進城鄉(xiāng)居民基本養(yǎng)老保險的建設(shè)。

3)統(tǒng)籌區(qū)域發(fā)展、加大中西部地區(qū)基本養(yǎng)老保險支出力度。對于落后地區(qū)而言，增加基本養(yǎng)老保險的投入迫在眉睫，要學習并汲取其他地區(qū)的先進經(jīng)驗，合理增加投入，提高資源的合理配置。