“以房養老”可行性因素分析及推廣步驟

張宇

摘 要：基于中國40個城市的經濟發展和人口組成兩大指標，對影響“以房養老”的四個因素（經濟狀況、養老設施、受教育度和老齡化水平）進行主成分分析，得出“以房養老”的試點應在北京和上海率先開展。并使用聚類分析將40個城市分為五類，給出“以房養老”試點城市的順序，得出“以房養老”在需求上存在明顯的地域差異、傳統觀念和養老基礎設施對“以房養老”的開展有重要意義等結論。最后，提出政府介入、完善基礎設施、改變傳統觀念和漸進按步驟推廣等四點政策建議。

關鍵詞：老齡化；“以房養老”；主成分分析

中圖分類號：F290 文獻標志碼：A 文章編號：1673-291X（2014）27-0148-03

引言

隨著中國老齡化的加劇以及人口紅利的逐漸消失，中國勞動力短缺、經濟增長放緩等問題也日趨嚴重。為貫徹落實國務院于2013年9月發布的《關于加快發展養老服務業的若干意見》精神，中國保監會于2014年3月下發《關于開展老年人住房反向抵押養老保險試點的指導意見（征求意見稿）》，計劃在北京、上海、廣州和武漢四個城市進行“以房養老”試點。

雖然中國目前已明確要在北京、上海、廣州和武漢這四個城市進行試點，但其是否會落入“試點成功、推廣失敗”的怪圈？由于中國不同地區的經濟和社會習俗差異十分明顯，以房養老在客觀上并不適合全面推廣。科學的做法應是分析各城市的相關指標，客觀公正地評判其是否具備開展以房養老的條件。因此，本文通過對各城市經濟狀況、人口組成等因素的分析，研究中國“以房養老”模式在城市中進行推廣會受到哪些因素的影響，較公正地評判中國城市開展以房養老的能力，進而得出這些城市的開展順序。

本文的創新體現在以下四個方面：（1）以城市為研究對象，得出的結論具有現實意義。（2）引入受教育程度作為傳統觀念的代理變量，使得實證結果更精確。（3）給出了以房養老的推廣步驟。（4）采用因子分析法剔除重疊因素后重新賦權，使分析結果更具準確性和說服力。

一、文獻綜述

較早對這一問題進行研究的學者是Mitchell 和 Piggott（2004），他認為住房反向抵押貸款在房地產價格下降、低利率和預期壽命較長的情形下不會存在，因此住房反向抵押貸款模式的實施必須要考慮到以上三種因素。Mitchell等（2008）以日本老年人中的長期護理保險項目為例，得出區域差異因素將是影響這一實施效果的重要因素。Chiuri 和 Jappelli（2010）通過問卷調查，發現住房抵押市場的成功與否和市場規制程度的衡量有關。

對于國內學者的研究，由于政策的支持，以房養老逐漸成為社會討論的焦點。例如，朱勁松（2011）基于問卷調查的結果，建立Logit模型的分析，得出改變傳統觀念及教育子女是開展以房養老重中之重的結論。樓國濤等（2011）選用各省市的經濟和社會發展指標，進行因子分析找出了影響以房養老開展的主要因素。張連增和王皎（2014）對影響中國壽險市場的宏觀經濟、社會等因素進行實證分析，提出應縮小居民收入差距、提高保險服務水平、健全社會保障體系等相關建議。

由于中國各省份間的經濟發展、年齡結構、家庭組成和社會觀念等差異巨大，對以房養老可行性試點地區的分析并不適合以省為單位。因此，轉而研究中國哪些城市具備開展以房養老的條件，并對其進行分類說明，以推廣中國以房養老的模式，顯得十分現實和必要。

二、使用的方法介紹、指標選取及數據來源

本文選用的影響因素可分為人口和經濟兩方面。人口方面主要是年齡、受教育程度和社會撫養比等因素，而經濟方面主要包括人均可支配收入、消費支出、儲蓄水平等因素。

（一）使用的方法

1.主成分分析法。將各指標標準化處理后，運用SPSS16.0軟件對其進行因子分析，以提取的4個因子的方差貢獻率為權重計算各地區的綜合得分，據此評定其是否具備開展以房養老的條件。

2.聚類分析法。為得到哪些城市可作為以房養老試點的候選城市，以及其間的相近程度，我們用聚類分析法將選入的40個城市進行歸類，并分析其可能的開展順序。

（二）指標選取與數據來源

本文從有效需求角度即消費者要有購買的需要和能力，選取可能影響以房養老開展的因素，具體指標及分析如下：

1.經濟發展方面。（1）人均生產總值。居民經濟實力較高，則其房屋價值有所保障，且養老基礎設施、金融機構及社會制度等均更加完備，使以房養老的開展有很大的物質保障。這里選用城鎮人均生產總值。（2）人均可支配收入和儲蓄水平。低收入群體由于對生活資料存在著剛性需求，因而更加需要保障經濟來源。這里選擇2013年全國各城市居民人均可支配收入和年末居民儲蓄存款余額。（3）人均消費水平。若一個地區的消費水平相對較高，則老人的生活壓力則越大，對以房養老的需求也會相應增加，這里選用人均消費支出。（4）住房平均銷售價格。房屋價值是以房養老定價的主要指標，這里選用2014年3月份全國各城市住宅銷售價格指數作為參考。（5）養老基礎設施。以房養老的開展需要一定的配套養老機構予以輔助，這里選用各城市醫療衛生機構數、專業衛生技術人員數和衛生機構床位數作為參考。（6）房地產住宅投資額。以房養老的關鍵是房產，住宅開發力度大的地區，客觀上提供給老人的選擇空間便越大，更有條件開展以房養老。這里我們選用各城市全年住宅投資額。

2.人口組成方面。（1）年齡組成狀況。老齡化嚴重的城市對以房養老業務的需求更大，我們用65歲以上人口占比來衡量。（2）家庭結構情況。三無老人及失獨家庭的經濟能力相對較差，其對以房養老的需求更為迫切。這里，簡單起見，我們選擇平均每戶人口數量。（3）老齡撫養比。撫養比較高的地區，單位勞動年齡人口要負擔更多的非勞動年齡人口，生活壓力較大。這里選擇老年撫養比。（4）老人受教育程度。以房養老的開展深受傳統觀念的束縛，學歷相對較高的老人，其觀念較容易轉變，因而能接受此業務的可能性更大。這里選擇文盲率作為逆向參考指標。endprint

3.數據來源：本文選取40個樣本城市，包括直轄市、省會城市和重點城市等經濟較發達的地區，它們分別為：上海、北京、天津、重慶、廣州、武漢、杭州、南京、長沙、濟南、西安、合肥、哈爾濱、貴陽、南昌、蘭州、沈陽、鄭州、石家莊、南寧、太原、銀川、海口、長春、福州、烏魯木齊、西寧、呼和浩特、昆明、成都、包頭、深圳、蘇州、無錫、青島、大連、寧波、廈門、珠海、揚州、并選用人均GDP、住房擁有率、住宅銷售價格指數、住宅投資額、儲蓄存款、醫療衛生機構數、專業衛生技術人員數、人均可支配收入、人均消費支出、平均每戶人口、65歲及以上人口比例、老齡撫養比、文盲率共13個指標。

按照指標的分類，以上經濟發展類指標數據來源于各城市統計局公布的2013年度統計公報，而人口組成方面的數據來源于第六次人口普查。

三、實證分析

（一）主成分分析

1.因子分析前提條件檢驗。利用巴特利特球度檢驗，并且計算變量間的KMO統計量判別其是否適合進行因子分析。結果顯示，KMO統計量為0.741，符合因子分析要求（大于0.6），而且巴特利特球度檢驗顯示的顯著性水平幾乎為0.000，表明其拒絕相關系數矩陣為單位矩陣的原假設，選取的數據間存在著相關性，故可以進行因子分析。

2.提取因子。用SPSS軟件對原有的13組變量指標進行提取，這里選用基于主成分模型的主成分分析法，并提取特征值大于0.77的特征根。由總方差解釋表更加直觀地看出提取的因子對全部變量的解釋程度大小，根據因子提取結果可知，當提取特征值大于0.77的成分時，四個因子的累計貢獻率達到了84.74%，基本上能夠涵蓋所選數據的統計信息，所以本次因子提取過程的總體效果較為理想。

3.因子的命名解釋。本文使用正交旋轉對因子進行處理，重新分配各因子解釋原始變量方差的比例，使因子更容易理解。由SPSS軟件得出的旋轉矩陣可知，第一個因子與住宅投資額、儲蓄存款、醫療衛生機構數、專業衛生技術人員數和床位數關系緊密，這些因素說明一個城市的養老基礎設施投資狀況以及可能提供的養老服務床位；第二個因子與人均GDP、人均可支配收入和人均消費支出關系緊密，這些可解釋為一個城市的經濟發展狀況；第三個因子與65歲以上人口比例和老齡撫養比關系緊密，反映了一個地區的老齡化程度；而第四個因子則與住宅銷售價格指數和文盲率有很大關系，這表明一個城市的教育程度和房價水平也對以房養老的開展有很大的影響。

4.計算因子得分。采用回歸方法估計因子得分系數，根據得分系數矩陣得到四個主成分表達式，將其與標準化數據相乘后，可得到各城市在四個主成分上的值。而后本文采用提取方差載荷值的各因子方差貢獻率為權重，由以上4個因子線性組合得到綜合評價指標函數如下：

根據綜合得分模型，可以計算出各城市的綜合得分值并按照降序進行排列，得到最終的主成分評估值表（見下頁表1）。

由下頁表1可知，40個城市中有19個綜合得分都大于0，表明在僅考慮選入的13個變量為參考指標時，其基本具備開展以房養老的條件。北京、上海、廣州、重慶和成都五個城市，得分都在0.5以上，特別是北京和上海，其綜合得分高達1.576和1.340，這表明要在中國開展以房養老，應先在一些大城市進行試點，目前還不能在全國進行推廣。

（二）聚類分析

用SPSS軟件對其進行分層聚類，可將40個城市分為五類：第一類為北京、上海；第二類為武漢、南京等；第三類為廣州、深圳等；第四類為成都、揚州等；第五類為昆明、西安等。

基于此，給開展以房養老可能的推廣步驟：（1）先在北京、上海兩地開展，這兩個城市經濟較發達，而且人們接受的教育相對較高，觀念容易轉變；（2）向杭州、武漢、南京等城市推廣，這些城市有較強的產品需求，且人均儲蓄和醫療衛生建設也相對完善；（3）向廣州、重慶、深圳等地輻射，這些地區經濟條件較好，且老齡化問題凸顯，有實行的必要性和可行性；（4）向成都、濟南、廈門等地普及，這些地區有一定的經濟實力，但基礎設施建設尚不完善，應在以上步驟開展有結果后再根據自身情況有選擇地開展；（5）等以上四步完成后，可以考慮將其引入西安、太原、昆明等經濟和觀念較落后的城市，實現以房養老在中國主要城市較為全面的覆蓋。

結論及相關建議

本文選擇經濟發展和人口組成兩大類指標，運用因子分析法得出開展以房養老的主要影響因素，并選擇經濟較好的城市作為分析對象，得到如下四點結論：（1）中國的老齡化問題日趨嚴重，以房養老業務有很強的市場需求；（2）中國不同地區經濟發展嚴重失衡，以房養老在需求上存在很大的地區差異；（3）養老基礎設施對能否開展以房養老有重要影響；（4）受教育程度影響以房養老的開展，傳統觀念需要改變。

基于以上結論，我們給出如下四點建議：第一，政府介入作擔保。以房養老目前在中國還沒有形成一定的市場，必須由政府進行全面統籌，從試點城市到制度安排，從鼓勵參與到產品定價，這些都需政府介入進行規范。第二，完善金融和養老等基礎設施。以房養老的開展需要健全的金融機構，也需要良好的養老基礎設施，這些機構的完善能夠保證其健康有序的開展。第三，改變傳統觀念勢在必行。由于各地的受教育程度不同，對以房養老的接受程度也會不同。因此宣傳以房養老，讓老人從觀念上認可這一有益的養老補充方式，對中國養老事業將大有裨益。第四，以房養老的開展要漸進推廣。由于經濟發展程度和社會人口結構等因素的不同，中國以房養老業務的開展必須按照客觀條件，對需求潛力不同的地區進行不同階段的試點，然后逐步過渡到更大范圍，以期為中國養老事業作出有效補充。

參考文獻：

[1] Chiuri M.C.，Jappelli T.Do the Elderly Reduce Housing Equity？ An International Comparison [J].Journal of Population Economics，

2010，23（2）：643-663.

[2] Lee Y.-T.，Wang C.-W.，Huang H.-C.On the Valuation of Reverse Mortgages with Regular Tenure Payments [J].Insurance Mathematics &

Economics，2012，51（2）：430-441.

[3] Mitchell O.S.，Piggott J.Unlocking Housing Equity in Japan[J].Journal of the Japanese and International Economies，2004，18（4）：466-505.

[4] 樓國濤，汪金劍，徐丹秋.影響反向抵押貸款推廣的因素分析——基于區域經濟發展不平衡的視角[J].浙江金融，2011，（12）：30-33.

[5] 張連增，王皎.影響中國壽險需求的因素分析——基于省級面板數據的經驗分析[J].稅務與經濟，2014，（1）：48-56.

[6] 朱勁松.中國開展“以房養老”影響因素的實證分析[J].東北財經大學學報，2011，（2）：78-82.

[責任編輯 吳明宇]endprint

3.數據來源：本文選取40個樣本城市，包括直轄市、省會城市和重點城市等經濟較發達的地區，它們分別為：上海、北京、天津、重慶、廣州、武漢、杭州、南京、長沙、濟南、西安、合肥、哈爾濱、貴陽、南昌、蘭州、沈陽、鄭州、石家莊、南寧、太原、銀川、海口、長春、福州、烏魯木齊、西寧、呼和浩特、昆明、成都、包頭、深圳、蘇州、無錫、青島、大連、寧波、廈門、珠海、揚州、并選用人均GDP、住房擁有率、住宅銷售價格指數、住宅投資額、儲蓄存款、醫療衛生機構數、專業衛生技術人員數、人均可支配收入、人均消費支出、平均每戶人口、65歲及以上人口比例、老齡撫養比、文盲率共13個指標。

按照指標的分類，以上經濟發展類指標數據來源于各城市統計局公布的2013年度統計公報，而人口組成方面的數據來源于第六次人口普查。

三、實證分析

（一）主成分分析

1.因子分析前提條件檢驗。利用巴特利特球度檢驗，并且計算變量間的KMO統計量判別其是否適合進行因子分析。結果顯示，KMO統計量為0.741，符合因子分析要求（大于0.6），而且巴特利特球度檢驗顯示的顯著性水平幾乎為0.000，表明其拒絕相關系數矩陣為單位矩陣的原假設，選取的數據間存在著相關性，故可以進行因子分析。

2.提取因子。用SPSS軟件對原有的13組變量指標進行提取，這里選用基于主成分模型的主成分分析法，并提取特征值大于0.77的特征根。由總方差解釋表更加直觀地看出提取的因子對全部變量的解釋程度大小，根據因子提取結果可知，當提取特征值大于0.77的成分時，四個因子的累計貢獻率達到了84.74%，基本上能夠涵蓋所選數據的統計信息，所以本次因子提取過程的總體效果較為理想。

3.因子的命名解釋。本文使用正交旋轉對因子進行處理，重新分配各因子解釋原始變量方差的比例，使因子更容易理解。由SPSS軟件得出的旋轉矩陣可知，第一個因子與住宅投資額、儲蓄存款、醫療衛生機構數、專業衛生技術人員數和床位數關系緊密，這些因素說明一個城市的養老基礎設施投資狀況以及可能提供的養老服務床位；第二個因子與人均GDP、人均可支配收入和人均消費支出關系緊密，這些可解釋為一個城市的經濟發展狀況；第三個因子與65歲以上人口比例和老齡撫養比關系緊密，反映了一個地區的老齡化程度；而第四個因子則與住宅銷售價格指數和文盲率有很大關系，這表明一個城市的教育程度和房價水平也對以房養老的開展有很大的影響。

4.計算因子得分。采用回歸方法估計因子得分系數，根據得分系數矩陣得到四個主成分表達式，將其與標準化數據相乘后，可得到各城市在四個主成分上的值。而后本文采用提取方差載荷值的各因子方差貢獻率為權重，由以上4個因子線性組合得到綜合評價指標函數如下：

根據綜合得分模型，可以計算出各城市的綜合得分值并按照降序進行排列，得到最終的主成分評估值表（見下頁表1）。

由下頁表1可知，40個城市中有19個綜合得分都大于0，表明在僅考慮選入的13個變量為參考指標時，其基本具備開展以房養老的條件。北京、上海、廣州、重慶和成都五個城市，得分都在0.5以上，特別是北京和上海，其綜合得分高達1.576和1.340，這表明要在中國開展以房養老，應先在一些大城市進行試點，目前還不能在全國進行推廣。

（二）聚類分析

用SPSS軟件對其進行分層聚類，可將40個城市分為五類：第一類為北京、上海；第二類為武漢、南京等；第三類為廣州、深圳等；第四類為成都、揚州等；第五類為昆明、西安等。

基于此，給開展以房養老可能的推廣步驟：（1）先在北京、上海兩地開展，這兩個城市經濟較發達，而且人們接受的教育相對較高，觀念容易轉變；（2）向杭州、武漢、南京等城市推廣，這些城市有較強的產品需求，且人均儲蓄和醫療衛生建設也相對完善；（3）向廣州、重慶、深圳等地輻射，這些地區經濟條件較好，且老齡化問題凸顯，有實行的必要性和可行性；（4）向成都、濟南、廈門等地普及，這些地區有一定的經濟實力，但基礎設施建設尚不完善，應在以上步驟開展有結果后再根據自身情況有選擇地開展；（5）等以上四步完成后，可以考慮將其引入西安、太原、昆明等經濟和觀念較落后的城市，實現以房養老在中國主要城市較為全面的覆蓋。

結論及相關建議

本文選擇經濟發展和人口組成兩大類指標，運用因子分析法得出開展以房養老的主要影響因素，并選擇經濟較好的城市作為分析對象，得到如下四點結論：（1）中國的老齡化問題日趨嚴重，以房養老業務有很強的市場需求；（2）中國不同地區經濟發展嚴重失衡，以房養老在需求上存在很大的地區差異；（3）養老基礎設施對能否開展以房養老有重要影響；（4）受教育程度影響以房養老的開展，傳統觀念需要改變。

基于以上結論，我們給出如下四點建議：第一，政府介入作擔保。以房養老目前在中國還沒有形成一定的市場，必須由政府進行全面統籌，從試點城市到制度安排，從鼓勵參與到產品定價，這些都需政府介入進行規范。第二，完善金融和養老等基礎設施。以房養老的開展需要健全的金融機構，也需要良好的養老基礎設施，這些機構的完善能夠保證其健康有序的開展。第三，改變傳統觀念勢在必行。由于各地的受教育程度不同，對以房養老的接受程度也會不同。因此宣傳以房養老，讓老人從觀念上認可這一有益的養老補充方式，對中國養老事業將大有裨益。第四，以房養老的開展要漸進推廣。由于經濟發展程度和社會人口結構等因素的不同，中國以房養老業務的開展必須按照客觀條件，對需求潛力不同的地區進行不同階段的試點，然后逐步過渡到更大范圍，以期為中國養老事業作出有效補充。

參考文獻：

[1] Chiuri M.C.，Jappelli T.Do the Elderly Reduce Housing Equity？ An International Comparison [J].Journal of Population Economics，

2010，23（2）：643-663.

[2] Lee Y.-T.，Wang C.-W.，Huang H.-C.On the Valuation of Reverse Mortgages with Regular Tenure Payments [J].Insurance Mathematics &

Economics，2012，51（2）：430-441.

[3] Mitchell O.S.，Piggott J.Unlocking Housing Equity in Japan[J].Journal of the Japanese and International Economies，2004，18（4）：466-505.

[4] 樓國濤，汪金劍，徐丹秋.影響反向抵押貸款推廣的因素分析——基于區域經濟發展不平衡的視角[J].浙江金融，2011，（12）：30-33.

[5] 張連增，王皎.影響中國壽險需求的因素分析——基于省級面板數據的經驗分析[J].稅務與經濟，2014，（1）：48-56.

[6] 朱勁松.中國開展“以房養老”影響因素的實證分析[J].東北財經大學學報，2011，（2）：78-82.

[責任編輯 吳明宇]endprint

3.數據來源：本文選取40個樣本城市，包括直轄市、省會城市和重點城市等經濟較發達的地區，它們分別為：上海、北京、天津、重慶、廣州、武漢、杭州、南京、長沙、濟南、西安、合肥、哈爾濱、貴陽、南昌、蘭州、沈陽、鄭州、石家莊、南寧、太原、銀川、海口、長春、福州、烏魯木齊、西寧、呼和浩特、昆明、成都、包頭、深圳、蘇州、無錫、青島、大連、寧波、廈門、珠海、揚州、并選用人均GDP、住房擁有率、住宅銷售價格指數、住宅投資額、儲蓄存款、醫療衛生機構數、專業衛生技術人員數、人均可支配收入、人均消費支出、平均每戶人口、65歲及以上人口比例、老齡撫養比、文盲率共13個指標。

按照指標的分類，以上經濟發展類指標數據來源于各城市統計局公布的2013年度統計公報，而人口組成方面的數據來源于第六次人口普查。

三、實證分析

（一）主成分分析

1.因子分析前提條件檢驗。利用巴特利特球度檢驗，并且計算變量間的KMO統計量判別其是否適合進行因子分析。結果顯示，KMO統計量為0.741，符合因子分析要求（大于0.6），而且巴特利特球度檢驗顯示的顯著性水平幾乎為0.000，表明其拒絕相關系數矩陣為單位矩陣的原假設，選取的數據間存在著相關性，故可以進行因子分析。

2.提取因子。用SPSS軟件對原有的13組變量指標進行提取，這里選用基于主成分模型的主成分分析法，并提取特征值大于0.77的特征根。由總方差解釋表更加直觀地看出提取的因子對全部變量的解釋程度大小，根據因子提取結果可知，當提取特征值大于0.77的成分時，四個因子的累計貢獻率達到了84.74%，基本上能夠涵蓋所選數據的統計信息，所以本次因子提取過程的總體效果較為理想。

3.因子的命名解釋。本文使用正交旋轉對因子進行處理，重新分配各因子解釋原始變量方差的比例，使因子更容易理解。由SPSS軟件得出的旋轉矩陣可知，第一個因子與住宅投資額、儲蓄存款、醫療衛生機構數、專業衛生技術人員數和床位數關系緊密，這些因素說明一個城市的養老基礎設施投資狀況以及可能提供的養老服務床位；第二個因子與人均GDP、人均可支配收入和人均消費支出關系緊密，這些可解釋為一個城市的經濟發展狀況；第三個因子與65歲以上人口比例和老齡撫養比關系緊密，反映了一個地區的老齡化程度；而第四個因子則與住宅銷售價格指數和文盲率有很大關系，這表明一個城市的教育程度和房價水平也對以房養老的開展有很大的影響。

4.計算因子得分。采用回歸方法估計因子得分系數，根據得分系數矩陣得到四個主成分表達式，將其與標準化數據相乘后，可得到各城市在四個主成分上的值。而后本文采用提取方差載荷值的各因子方差貢獻率為權重，由以上4個因子線性組合得到綜合評價指標函數如下：

根據綜合得分模型，可以計算出各城市的綜合得分值并按照降序進行排列，得到最終的主成分評估值表（見下頁表1）。

由下頁表1可知，40個城市中有19個綜合得分都大于0，表明在僅考慮選入的13個變量為參考指標時，其基本具備開展以房養老的條件。北京、上海、廣州、重慶和成都五個城市，得分都在0.5以上，特別是北京和上海，其綜合得分高達1.576和1.340，這表明要在中國開展以房養老，應先在一些大城市進行試點，目前還不能在全國進行推廣。

（二）聚類分析

用SPSS軟件對其進行分層聚類，可將40個城市分為五類：第一類為北京、上海；第二類為武漢、南京等；第三類為廣州、深圳等；第四類為成都、揚州等；第五類為昆明、西安等。

基于此，給開展以房養老可能的推廣步驟：（1）先在北京、上海兩地開展，這兩個城市經濟較發達，而且人們接受的教育相對較高，觀念容易轉變；（2）向杭州、武漢、南京等城市推廣，這些城市有較強的產品需求，且人均儲蓄和醫療衛生建設也相對完善；（3）向廣州、重慶、深圳等地輻射，這些地區經濟條件較好，且老齡化問題凸顯，有實行的必要性和可行性；（4）向成都、濟南、廈門等地普及，這些地區有一定的經濟實力，但基礎設施建設尚不完善，應在以上步驟開展有結果后再根據自身情況有選擇地開展；（5）等以上四步完成后，可以考慮將其引入西安、太原、昆明等經濟和觀念較落后的城市，實現以房養老在中國主要城市較為全面的覆蓋。

結論及相關建議

本文選擇經濟發展和人口組成兩大類指標，運用因子分析法得出開展以房養老的主要影響因素，并選擇經濟較好的城市作為分析對象，得到如下四點結論：（1）中國的老齡化問題日趨嚴重，以房養老業務有很強的市場需求；（2）中國不同地區經濟發展嚴重失衡，以房養老在需求上存在很大的地區差異；（3）養老基礎設施對能否開展以房養老有重要影響；（4）受教育程度影響以房養老的開展，傳統觀念需要改變。

基于以上結論，我們給出如下四點建議：第一，政府介入作擔保。以房養老目前在中國還沒有形成一定的市場，必須由政府進行全面統籌，從試點城市到制度安排，從鼓勵參與到產品定價，這些都需政府介入進行規范。第二，完善金融和養老等基礎設施。以房養老的開展需要健全的金融機構，也需要良好的養老基礎設施，這些機構的完善能夠保證其健康有序的開展。第三，改變傳統觀念勢在必行。由于各地的受教育程度不同，對以房養老的接受程度也會不同。因此宣傳以房養老，讓老人從觀念上認可這一有益的養老補充方式，對中國養老事業將大有裨益。第四，以房養老的開展要漸進推廣。由于經濟發展程度和社會人口結構等因素的不同，中國以房養老業務的開展必須按照客觀條件，對需求潛力不同的地區進行不同階段的試點，然后逐步過渡到更大范圍，以期為中國養老事業作出有效補充。

參考文獻：

[1] Chiuri M.C.，Jappelli T.Do the Elderly Reduce Housing Equity？ An International Comparison [J].Journal of Population Economics，

2010，23（2）：643-663.

[2] Lee Y.-T.，Wang C.-W.，Huang H.-C.On the Valuation of Reverse Mortgages with Regular Tenure Payments [J].Insurance Mathematics &

Economics，2012，51（2）：430-441.

[3] Mitchell O.S.，Piggott J.Unlocking Housing Equity in Japan[J].Journal of the Japanese and International Economies，2004，18（4）：466-505.

[4] 樓國濤，汪金劍，徐丹秋.影響反向抵押貸款推廣的因素分析——基于區域經濟發展不平衡的視角[J].浙江金融，2011，（12）：30-33.

[5] 張連增，王皎.影響中國壽險需求的因素分析——基于省級面板數據的經驗分析[J].稅務與經濟，2014，（1）：48-56.

[6] 朱勁松.中國開展“以房養老”影響因素的實證分析[J].東北財經大學學報，2011，（2）：78-82.

[責任編輯 吳明宇]endprint