蔡偉森,林澤鍵,黃景濤,林丹純
(廣東工業大學 經濟與貿易學院,廣東 廣州 510510)
隨著老年人口不斷增多,老齡化程度日益加重,我國正加速進入老齡化社會。為了積極應對人口老齡化,解決養老問題,我國建立了三支柱養老保險體系,在促進三支柱協調發展的道路上不斷前行。
針對三支柱養老保險協調發展問題,國內外學者開展了研究。畢少斌(2021)、張昭君(2021)創新性地利用因子分析來研究三支柱協調發展問題;劉昌平(2008)提出單一養老金制度具有經濟風險、老齡化風險等多種風險,因此發展多層次養老保險在風險應對上可以起到互補作用;蹇濱徽等(2021)構建了OLG模型,通過對各種參數的設定來探究微觀下個體在不同影響因素下設定的最優商業養老保險比例,之后進一步探究基本養老保險不同的繳納費用對商業養老保險的影響程度,即兩者的替代率,最后總結出適當降低基本養老保險的費用來提高對于繳納商業養老保險的自我意愿的建議;Vidal-Melia C.等(2008)通過對西班牙和瑞典公共養老體系資產負債率的精算分析,認為西班牙的公共養老保險制度不具有可持續性,償付能力不足;Riccardo(2011)對意大利的養老金制度改革進行分析,認為以延遲退休年齡為手段進行改革來試圖縮小養老金缺口,短期內是有效的,但是治標不治本,不具有可持續性;吳國棟等(2021)以國外的第三支柱為參考,多方面地探討不同國情環境下各群體的養老需求程度,指出當前我國第三支柱養老保險尚未建立統一的個人養老金賬戶,導致國家頒發的政策無法全方面地帶動三支柱的整體發展,并且增加了個體選擇養老保險工具的難度。
上述研究成果為研究三支柱養老保險協調發展問題提供了很好的指導,但他們的研究數據在時間序列上存在局限性,不足以用來分析三支柱發展現狀。因此,文章以“十三五”時期養老保險數據為切入點,借助因子分析法得出我國三大支柱發展的現狀,從而進一步研究影響三支柱養老保險協調發展的多元因素,并給出相應的優化政策建議。
文章基于前人研究和國家政策文件從各省份在“十三五”規劃期間的經濟、政策、教育、人口結構、養老保險基金收入等因素列出一系列指標,因為這些指標之間可能存在某種關聯或者數據信息的重復性,為降低分析難度,完善數據信息的提取,使數據的提煉和分析更趨于嚴謹合理,文章使用因子分析法對眾多維度指標進行降維。通過基于特征值大于1的因子分析,得出影響養老保險三支柱協同協調發展的因子。表1為各因素詳細情況。

表1 影響“三大支柱”協同發展的各因素詳細情況

續表
通過主成分分析法,經旋轉后將表1的13個成分歸為4個公共因子,4個公共因子的方差解釋率達到92.16%,即能提取原始數據90%以上的信息,而一般情況下高于80%即可,這說明此組信息代表能力強。
旋轉后的成分矩陣反映各因素在不同成分下的提取程度,根據成分矩陣得出第一成分為V11、V13、V2、V3、V1,因其反映的政府支出的力度、勞動力占比、教育程度、養老保險密度、地區的GDP與經濟形勢的關聯性更強,故歸結為經濟因子;第二成分為V12、V8、V4,因其反映的是人口、養老金和保費之間的關系,可歸結為養老市場規模因子;第三成分為V10、V9,因其反映的是三支柱之間的比重關系,可將其歸結為養老保險三支柱結構度因子;第四成分為V5、V7,因其反映的是老齡化程度和中央調控養老基金的關系,中央養老金的調劑是政策的宏觀調控,可將其歸結為政策協調因子。
用成分得分系數矩陣所給出的系數,用其乘以V1~V13因素下的標準化數據,得到其在不同因子下的得分情況。
例:F1=0.154V1+0.180V2+…+0.174V13
利用F1~F4乘以相關的比例,即各成分的方差解釋率得到各地區綜合得分,具體見表2。

表2 各地區養老保險發展綜合得分

續表
結合模型及其原理可知經濟因子的決定程度較大(占39.770%)。從綜合排名來看,上海和北京由于其強大的經濟因子得分,搭配其較大的占比,而位列前二。而經濟因子得分偏低的省、市或自治區的排名則相對靠后。
“十三五”規劃以來,雖實現全面小康生活的美好追求,但全國地域性發展仍然存在不平衡,致使養老保險三支柱協同協調發展不平衡,且地域性差異明顯。因此,發揮好國家調控職能,利用發達城市的經濟優勢去彌補落后地區的資源短缺,能夠為全國各地養老保險“三大支柱”協同發展打好物質基礎。
“十三五”規劃期間平均數據顯示,廣東省常住人口位居第一,其后分別為山東省、河南省、四川省、江蘇省。而根據表2,這五省的養老市場規模因子得分也恰好為1~5名。因人口老齡化的加劇,伴隨著人口基數大的省份潛在養老需求存在和良好的經濟發展水平,養老市場規模更大。而在養老市場規模因子得分較低的地區,多是因為經濟落后,地區福利性尚未體現而導致養老市場規模較小,所以,挖掘各地區實際養老需求的同時,也要加快提升地區經濟實力,才能為三支柱協同協調發展保駕護航。