基于因子分析與聚類分析的養(yǎng)老服務(wù)政策文本量化研究

張 歌,謝淑媛

(河南大學(xué) 哲學(xué)與公共管理學(xué)院,河南 開封 475000)

根據(jù)國家統(tǒng)計局發(fā)布的第七次全國人口普查數(shù)據(jù)顯示,截至2020年11月1日我國60歲及以上人口為26402萬人,占18.70%(其中,65歲及以上人口為19064萬人,占13.50%),80歲及以上人口占總?cè)丝诘谋戎貫?.54%。國家衛(wèi)生健康委員會黨組成員、全國老齡辦常務(wù)副主任王建軍表示,預(yù)計到2050年前后,我國老年人口數(shù)將達(dá)到峰值4.87億,占總?cè)丝诘?4.9%。由此可見,我國的人口老齡化具有規(guī)模大、發(fā)展快、高齡化程度不斷加深、空巢獨居老人增多的特點。人口老齡化的不斷深化在帶來巨大養(yǎng)老服務(wù)需求的同時也考驗養(yǎng)老服務(wù)體系的建設(shè)能力。對于高齡和獨居老人而言,他們對生活照料、醫(yī)療護(hù)理、精神關(guān)懷等方面的服務(wù)需求也會快速增加。加快養(yǎng)老服務(wù)高質(zhì)量發(fā)展,是我國積極實施應(yīng)對人口老齡化戰(zhàn)略、推動供給側(cè)結(jié)構(gòu)性改革的重要內(nèi)容。黨的二十大報告中指出:“要健全社會保障體系。實施積極應(yīng)對人口老齡化的國家戰(zhàn)略,發(fā)展養(yǎng)老事業(yè)和養(yǎng)老產(chǎn)業(yè),推動實現(xiàn)全體老年人享有基本養(yǎng)老服務(wù)。”明確了新時代老齡工作的發(fā)展目標(biāo)和重點任務(wù),不斷完善促進(jìn)養(yǎng)老服務(wù)發(fā)展的政策措施。

黨中央、國務(wù)院高度重視老齡工作,從2000年我國步入老齡化社會開始,國家陸續(xù)出臺一系列推動養(yǎng)老服務(wù)發(fā)展的政策文件。如2013年發(fā)布的《關(guān)于加快發(fā)展養(yǎng)老服務(wù)業(yè)的若干意見》,該意見指出,積極應(yīng)對人口老齡化,加快發(fā)展養(yǎng)老服務(wù)業(yè),不斷滿足老年人持續(xù)增長的養(yǎng)老服務(wù)需求,是促進(jìn)社會和諧、推動經(jīng)濟發(fā)展的一項緊迫任務(wù);2019年印發(fā)的《國家積極應(yīng)對人口老齡化中長期規(guī)劃》,該規(guī)劃指出,人口老齡化是社會發(fā)展的重要趨勢,是人類文明進(jìn)步的體現(xiàn),也是今后較長一段時期我國的基本國情。人口老齡化對經(jīng)濟運行全領(lǐng)域、社會建設(shè)各環(huán)節(jié)、社會文化多方面乃至國家綜合實力和國際競爭力,都具有深遠(yuǎn)影響,挑戰(zhàn)與機遇并存。這些政策文件涉及養(yǎng)老服務(wù)市場、養(yǎng)老服務(wù)體系、醫(yī)養(yǎng)結(jié)合等,在滿足多元化養(yǎng)老服務(wù)需求、化解養(yǎng)老服務(wù)供需矛盾等方面發(fā)揮了強有力的作用。近年來養(yǎng)老服務(wù)政策的出臺頻率更是大幅度提升,這些政策的施策面向與重點是什么?省際間養(yǎng)老服務(wù)政策的差異又是什么?它對地方養(yǎng)老服務(wù)體系建設(shè)有什么樣的作用?本文試圖通過梳理2020年30個省份的132份養(yǎng)老服務(wù)政策文件來回應(yīng)上述問題,期望運用統(tǒng)計分析軟件SPSS26.0中的因子和聚類分析方法,分析我國養(yǎng)老服務(wù)的政策導(dǎo)向以及省際之間養(yǎng)老服務(wù)政策的差異,為我國完善養(yǎng)老服務(wù)政策提供思路借鑒。

一、文獻(xiàn)回顧

政策文本量化研究是政策研究科學(xué)化的重要途徑,學(xué)界對養(yǎng)老服務(wù)政策的量化研究大致分為兩類:第一類是基于政策文本內(nèi)容的內(nèi)容分析法。通過編碼等方式將政策文本內(nèi)容轉(zhuǎn)化為分析單元,并進(jìn)行定量指標(biāo)的統(tǒng)計,主要目的是挖掘政策內(nèi)容的特征、分析政策的協(xié)同性[1-2]。內(nèi)容分析法的具體應(yīng)用有兩種,其一是與政策工具理論相結(jié)合,分析養(yǎng)老服務(wù)政策工具使用偏好,通過政策工具的使用情況對養(yǎng)老服務(wù)政策文本進(jìn)行簡要評述,提出政策工具選擇和運用方面的建議[3-5];其二是提取政策中出現(xiàn)的高頻詞,利用共詞分析對高頻詞進(jìn)行聚類,旨在總結(jié)養(yǎng)老服務(wù)政策的核心類別、發(fā)現(xiàn)政策盲區(qū),并提出完善養(yǎng)老服務(wù)體系的建議[6-8]。第二類是基于政策樣本數(shù)量的政策計量法。在政策樣本數(shù)量足夠大的情況下通過計量方法分析養(yǎng)老服務(wù)政策的發(fā)文數(shù)量、發(fā)文主體以及發(fā)文趨勢[9-10]。政策計量法的具體應(yīng)用有兩種,其一是研究行動者關(guān)系的社會網(wǎng)絡(luò)分析,通過分析養(yǎng)老服務(wù)政策發(fā)文主體之間的結(jié)構(gòu),理解養(yǎng)老服務(wù)管理組織機構(gòu)之間的合作情況,有助于實現(xiàn)在協(xié)同治理視角下多元主體的利益共通[11];其二是構(gòu)建評價指標(biāo)模型,張麗等通過構(gòu)建PMC指數(shù)模型和PMC曲面對政策進(jìn)行評分,分析養(yǎng)老服務(wù)政策的一致性水平、政策的回應(yīng)性、政策工具的使用情況,并評價政策的優(yōu)劣情況[12]。

因子和聚類分析由于其簡化變量的方法廣泛地應(yīng)用于各種研究領(lǐng)域,其中,因子分析多見于綜合評價分析,聚類分析多見于類別劃分[13],兩者可單獨使用,也可共同使用。因子分析的文獻(xiàn)呈現(xiàn)在流通業(yè)綜合能力評價[14]、旅游競爭力評估[15]、經(jīng)濟效益綜合評價[16-17]、地區(qū)財政支出綜合績效評價等[18]。因子和聚類分析共同使用的文獻(xiàn)出現(xiàn)在對熱點事件的輿情風(fēng)險等級的劃分,并根據(jù)相應(yīng)的因子特征分析其每類事件的特點[19];根據(jù)經(jīng)濟績效、旅游競爭力評估的因子分析結(jié)果,對我國的省份或地區(qū)進(jìn)行分類,分析存在差異的原因[20-21]。

從選取的政策樣本角度來看,已有的養(yǎng)老服務(wù)政策研究多以我國國家層面的養(yǎng)老服務(wù)政策為研究樣本或?qū)δ硞€省份的政策進(jìn)行單獨研究,如:趙潔等篩選2006—2019年我國的養(yǎng)老服務(wù)業(yè)政策,探究我國養(yǎng)老服務(wù)業(yè)政策力度、政策措施、政策目標(biāo)三維協(xié)同度[2];何強等以我國老年健康服務(wù)業(yè)的38篇政策文本作為研究對象,從政策工具視角分析了老年健康服務(wù)業(yè)政策中的問題并提出建議[22];李曉娣采用內(nèi)容分析法和詞云圖對我國中央層面出臺的的養(yǎng)老產(chǎn)業(yè)政策進(jìn)行了量化分析[23];王輝則選取了2013年我國第35號文件《國務(wù)院關(guān)于加快發(fā)展養(yǎng)老服務(wù)業(yè)的若干意見》作為分析藍(lán)本,研究我國養(yǎng)老服務(wù)業(yè)的政策工具使用情況;朱笑笑選取江蘇省的養(yǎng)老服務(wù)政策,挖掘江蘇省養(yǎng)老服務(wù)政策內(nèi)容特征等[1]。

綜上所述,現(xiàn)有研究呈現(xiàn)以下特點:一是養(yǎng)老服務(wù)政策量化分析方法呈現(xiàn)多樣化、復(fù)雜化趨勢。但是僅有少數(shù)研究采用聚類分析法,將因子和聚類分析相結(jié)合對政策內(nèi)容進(jìn)行系統(tǒng)性剖析的文獻(xiàn)并不多見;二是因子分析、聚類分析方法已經(jīng)成熟,被廣泛應(yīng)用于經(jīng)濟、社會、醫(yī)學(xué)等領(lǐng)域的研究中,但在養(yǎng)老服務(wù)政策研究中的運用有所缺乏;三是養(yǎng)老服務(wù)政策的研究多以國家層面為主,地方性政策研究的文獻(xiàn)較少,省際之間的政策共性與差異的相關(guān)研究也少有涉及。因此本文借鑒Jia J R et.al的聚類方法[24],選取2020年30個省份①的養(yǎng)老服務(wù)相關(guān)政策文本進(jìn)行因子和聚類分析,通過因子分析揭示我國養(yǎng)老服務(wù)的政策導(dǎo)向,把公共因子得分作為聚類分析的指標(biāo),分析省際之間的政策導(dǎo)向差異,有利于清晰各省份養(yǎng)老服務(wù)的發(fā)展現(xiàn)狀,提高政策制定的精準(zhǔn)度。這種方法不僅剔除了傳統(tǒng)聚類分析中指標(biāo)之間的信息重疊,提高了聚類分析的精度,而且綜合了因子分析和聚類分析的優(yōu)點,使分析更加全面、客觀,決策更加科學(xué)合理[19]。

二、研究方法與數(shù)據(jù)

(一)研究方法與研究工具

本文借助統(tǒng)計分析軟件spss26.0和政策工具分析模型,運用因子和聚類分析方法展開研究。首先,依據(jù)政策工具模型確定數(shù)據(jù)變量;其次,對政策文本進(jìn)行編碼,并按照確定的數(shù)據(jù)變量對編碼內(nèi)容進(jìn)行分類;再次,運用spss26.0對政策文本進(jìn)行因子分析,根據(jù)相關(guān)性大小對數(shù)據(jù)變量進(jìn)行分組,確定公因子數(shù)量及名稱。按照各公共因子得分對30個省份進(jìn)行聚類;最后依據(jù)因子分析和聚類結(jié)果進(jìn)行分析和解讀。

因子分析是一種多變量統(tǒng)計分析方法。其基本思想是對數(shù)據(jù)變量降維,根據(jù)相關(guān)性大小把變量分組,每組變量反映某一方面影響因素[25],使得同組內(nèi)的變量之間呈現(xiàn)較高的相關(guān)性,不同組間的變量呈現(xiàn)較低的相關(guān)性。每組變量代表一個公共因子,對于所研究的問題就能用較少幾個相互獨立的因子反映絕大部分變量[26],減少了變量間的相互干擾,達(dá)到了簡化變量和降低維數(shù)的目的[27]。以下是因子分析的數(shù)學(xué)模型,設(shè)有p個原有變量xi=(i=1,2,…,p),且每個變量的均值為0,標(biāo)準(zhǔn)差為1,現(xiàn)將每個原有變量用m(m

Xi=ai1F1+ai2F2+…+aimFm+aiεi(i=1,2,……,p)

(1)

①由于西藏自治區(qū)在2020年頒布的養(yǎng)老服務(wù)政策文件較少,并且不符合本研究的樣本選取原則,因此沒有將其納入本文研究的研究范圍,僅選取了30個省份的政策作為研究樣本。

F現(xiàn)在每個原有變量的線性表達(dá)式中,因此稱為公共因子,Fj彼此不相關(guān);εi表示特殊因子,是原有變量不能被因子變量所解釋的部分,其均值為0,獨立于Fj(j=1,2,…,m);aij(i=1,2,…,pj=1,2,…,m)表示因子載荷,指第i個原有變量在第j個因子上的權(quán)值,反映第i個變量在第j個主因子上的相對重要性。

聚類分析是統(tǒng)計學(xué)中研究“物以類聚”問題的多元統(tǒng)計分析方法,它能夠?qū)⒁慌^測(或變量)數(shù)據(jù)根據(jù)其諸多特征將他們分類,按照在性質(zhì)上的親疏程度在沒有先驗知識的情況下進(jìn)行自動分類,使同一個類別內(nèi)部的個體之間有較高的相似度,不同類別之間具有較大的差異性。常見的是層次聚類,其又分為Q型聚類和R型聚類,Q型聚類是對樣本進(jìn)行聚類,R型聚類是對變量進(jìn)行聚類。本文依據(jù)因子分析得到的公因子分?jǐn)?shù)對30個省份進(jìn)行聚類,由于是對樣本進(jìn)行分類,因此采用Q型聚類分析。樣本之間的“親疏程度”將直接影響最終的聚類結(jié)果,對“親疏程度”的測量重點是個體間的差異程度,如果個體之間的距離越小,意味著他們越“親密”,越有可能聚成一類,否則越有可能分別屬于不同的類。本研究采用平方歐式距離計算個體間的差異,其數(shù)學(xué)表達(dá)式:

(2)

p代表p個聚類變量,xi是個體x的第i個變量的變量值;yi是個體y的第i個變量的變量值。

(二)數(shù)據(jù)來源

本文以2020年30個省份養(yǎng)老服務(wù)政策的截面數(shù)據(jù)為研究對象,政策文本來源于各地部委政府官方網(wǎng)站公開的數(shù)據(jù)資料。通過輸入“2020年”“養(yǎng)老”“服務(wù)”等關(guān)鍵詞進(jìn)行交叉組合搜索,共得到412份政策文件。為保證政策文本的有效性,確定了以下樣本篩選原則:一是文件內(nèi)容與養(yǎng)老服務(wù)有直接關(guān)聯(lián);二是對養(yǎng)老問題僅略微提及的政策不納入研究內(nèi)容,如:調(diào)整退休人員養(yǎng)老金標(biāo)準(zhǔn)的通知、公布養(yǎng)老應(yīng)用試點示范的通知;三是政策文本是規(guī)范性公文,如:規(guī)劃、方案、實施方案等,不包括公示、政策解讀提綱、政策問答。根據(jù)以上原則進(jìn)行人工篩選,確定了132份有效的研究樣本,如:《北京市民政局關(guān)于進(jìn)一步做好養(yǎng)老機構(gòu)運營補貼工作的通知》《河南省衛(wèi)生健康委員會關(guān)于深化醫(yī)養(yǎng)結(jié)合促進(jìn)健康養(yǎng)老發(fā)展的意見》《陜西省關(guān)于建立完善陜西省老年健康服務(wù)體系的實施意見》等。

(三)數(shù)據(jù)變量的選擇

在選擇數(shù)據(jù)變量時,借鑒了Rothwell et.al的政策工具分析模型[28],該模型最早應(yīng)用于科技創(chuàng)新與工業(yè)再造領(lǐng)域,看似與養(yǎng)老服務(wù)無明顯相關(guān)性,但是它淡化了政策工具的強制性特征,強調(diào)了政府在推進(jìn)政策項目發(fā)展的角色定位,與文章主題相符合,現(xiàn)有研究經(jīng)驗也驗證了其應(yīng)用于養(yǎng)老服務(wù)研究的可行性,因此本文把該模型用于養(yǎng)老服務(wù)政策的分析中,在遵循科學(xué)性、可行性和系統(tǒng)性的基礎(chǔ)上,結(jié)合相關(guān)文獻(xiàn)和政策內(nèi)容,確定環(huán)境型政策工具指營造良好的養(yǎng)老服務(wù)發(fā)展環(huán)境的相關(guān)措施,間接促進(jìn)養(yǎng)老服務(wù)發(fā)展,數(shù)據(jù)變量包括X1(協(xié)同治理)、X2(策略措施)、X3(金融支持)、X4(稅收)、X5(法規(guī)管制)、X6(標(biāo)準(zhǔn)設(shè)計);供給型政策工具指政府通過資金、技術(shù)、人才等多方面給予支持,推動養(yǎng)老服務(wù)發(fā)展,數(shù)據(jù)變量包括X7(市場運作)、X8(土地供給)、X9(醫(yī)養(yǎng)結(jié)合)、X10(資金投入)、X11(人才培養(yǎng))、X12(信息技術(shù))、X13(示范工程);需求型政策工具是通過外部手段增加整個社會的養(yǎng)老服務(wù)需求,拉動養(yǎng)老服務(wù)事業(yè)的發(fā)展,數(shù)據(jù)變量包括X14(公共衛(wèi)生)、X15(老年教育)、X16(老人補貼)、X17(社會參與)、X18(刺激消費)、X19(互助養(yǎng)老)、X20(海外交流)、X21(政府購買)。將30個省份的132份政策按照“政策編號-章號-節(jié)號-條目號”進(jìn)行編碼,依據(jù)供給型、環(huán)境型、需求型三種類型的關(guān)鍵詞對所有編碼內(nèi)容進(jìn)行歸類。

三、統(tǒng)計分析

(一)因子分析

1.信度分析

巴特利特球度檢驗和KMO統(tǒng)計量是檢驗因子分析適合程度的測試,KMO的值越接近于1,表明越適合做因子分析。采用SPSS26.0對數(shù)據(jù)進(jìn)行預(yù)處理,得出KMO值為0.632,大于0.6,表明適合做因子分析;Bartlett球形度檢驗的顯著性概率為0.000,呈極顯著性水平(P<0.01),認(rèn)為數(shù)據(jù)來自多元正態(tài)分布,適合做因子分析。

2.提取公因子

采用主成分分析法對預(yù)處理后的研究樣本進(jìn)一步處理,得到降維后的公共因子,有6個公共因子初始特征值大于1,其中第一主成分解釋能力占所有變量方差的18.033%,第二主成分解釋能力占所有變量方差的15.487%,第三主成分解釋能力占所有變量方差的15.085%;第四主成分解釋能力占所有變量方差的14.773%;第五主成分解釋能力占所有變量方差的10.761%;第六主成分解釋能力占所有變量方差的7.459%;這六個公因子旋轉(zhuǎn)后的累積方差貢獻(xiàn)率為81.598%,說明提取的6個公共因子可以涵蓋大部分原始變量所提供的信息,能有效地對分析結(jié)果進(jìn)行解釋。

3.因子載荷矩陣

為了得到相對簡單的因子結(jié)構(gòu),進(jìn)行因子旋轉(zhuǎn)。因子旋轉(zhuǎn)通過改變坐標(biāo)軸,能夠重新分配各個因子解釋原有變量方差的比例,使因子更易于理解,結(jié)果顯示可以提取6個公共因子且6個公因子各不相關(guān),說明具有合理性,可以得到具有明確意義的公因子,將6個主成分分別命名為F1、F2、F3、F4、F5、F6。其中,F1包括X4(稅收)、X10(資金投入)、X3(金融支持)、X8(土地供給)、X21(政府購買);F2包括X9(醫(yī)養(yǎng)結(jié)合)、X15(老年教育)、X16(老人補貼)、X6(標(biāo)準(zhǔn)設(shè)計);F3包括X5(法規(guī)管制)、X13(示范工程)、X2(策略措施)、X11(人才培養(yǎng));F4包括X7(市場運作)、X18(刺激消費)、X17(社會參與)、X12(信息技術(shù));F5包括X20(海外交流)、X19(互助養(yǎng)老);F6包括X1(協(xié)同治理)、X14(公共衛(wèi)生)。

考慮到政策文本是政府引導(dǎo)養(yǎng)老服務(wù)事業(yè)與產(chǎn)業(yè)發(fā)展的工具供給,因此,在對主成分因子命名時綜合考量了政策工具的供給特點。

第一主成分中X4(稅收)、X10(資金投入)、X3(金融支持)、X8(土地供給)、X21(政府購買)的因子載荷較大,其中,X4(稅收)與X3(金融支持)是環(huán)境型政策工具,X10(資金投入)與X8(土地供給)是供給型政策工具,X21(政府購買)是需求型政策工具。該主成分強調(diào)政府在養(yǎng)老領(lǐng)域的全方位資金投入:運用政府購買方式支持養(yǎng)老事業(yè)、直接為養(yǎng)老服務(wù)體系的建設(shè)與發(fā)展提供土地供給與資金補貼、通過稅收和金融支持引導(dǎo)養(yǎng)老產(chǎn)業(yè)發(fā)展,因此將F1定義為資金支持。

在第二主成分中,X9(醫(yī)養(yǎng)結(jié)合)、X15(老年教育)、X16(老人補貼)、X6(標(biāo)準(zhǔn)設(shè)計)的載荷值較大,其中,X9(醫(yī)養(yǎng)結(jié)合)是供給型政策工具,X15(老年教育)與X16(老人補貼)是需求型政策工具,X6(標(biāo)準(zhǔn)設(shè)計)是環(huán)境型政策工具。該主成分強調(diào)健康養(yǎng)老服務(wù)供給的制度安排:建設(shè)醫(yī)養(yǎng)結(jié)合型的健康養(yǎng)老服務(wù)體系、為老年人進(jìn)行健康教育與補貼以加大養(yǎng)老服務(wù)需求、對養(yǎng)老機構(gòu)的服務(wù)流程與內(nèi)容進(jìn)行標(biāo)準(zhǔn)化,因而將F2命名為健康服務(wù)。

第三主成分中X5(法規(guī)管制)、X13(示范工程)、X2(策略措施)、X11(人才培養(yǎng))的載荷值遠(yuǎn)大于其他指標(biāo),其中,X5(法規(guī)管制)與X2(策略措施)是環(huán)境型政策工具,X13(示范工程)與X11(人才培養(yǎng))是供給型政策工具。該主成分強調(diào)政府在養(yǎng)老服務(wù)業(yè)發(fā)展中政策法規(guī)引導(dǎo)以及示范引領(lǐng)作用,將F3命名為規(guī)制引導(dǎo)。

第四主成分中X7(市場運作)、X18(刺激消費)、X17(社會參與)、X12(信息技術(shù))的載荷值較大,其中,X7(市場運作)是環(huán)境型政策工具,X18(刺激消費)與X17(社會參與)是需求型政策工具,X12(信息技術(shù))是供給型政策工具。該主成分強調(diào)養(yǎng)老服務(wù)業(yè)的市場化運行,主張多元主體的智慧化服務(wù)供給,因此將F4命名為市場供給。

第五主成分中X20(海外交流)、X19(互助養(yǎng)老)的載荷值高,這兩個變量都是需求型政策工具,強調(diào)通過借鑒國外先進(jìn)經(jīng)驗加強養(yǎng)老服務(wù)體系建設(shè),因此將F5命名為學(xué)習(xí)借鑒。

第六主成分中X1(協(xié)同治理)、X14(公共衛(wèi)生)的載荷值高,其中,X1(協(xié)同治理)是環(huán)境型政策工具,X14(公共衛(wèi)生)是供給型政策工具,反映出在新冠疫情背景下政府強調(diào)養(yǎng)老服務(wù)體系建設(shè)的安全要素,因此將F6命名為安全治理。

通過以上對公因子的分析,原來的21個數(shù)據(jù)變量被降維到6個公共因子:資金支持、健康服務(wù)、規(guī)制引導(dǎo)、市場供給、學(xué)習(xí)借鑒、安全治理,用這6個公因子可以清楚、全面地對養(yǎng)老服務(wù)政策內(nèi)容進(jìn)行剖析。

4.因子得分

通過SPSS26.0得到成份得分系數(shù)矩陣,以及各公共因子F1、F2、F3、F4、F5、F6的得分表達(dá)式,進(jìn)而計算出6個公因子的得分情況以及綜合因子得分表達(dá)式:

F=22.1%F1+18.98%F2+18.49%F3+3.8%F4+2.77%F5+1.92%F6

依據(jù)以上模型可對各省份的綜合因子得分進(jìn)行整理和排序(表1)。

5.因子分析結(jié)果討論

根據(jù)方差貢獻(xiàn)率可知,單因子資金支持、健康服務(wù)和規(guī)制引導(dǎo)的方差貢獻(xiàn)率分別為18.033%、15.487%、15.085%,總貢獻(xiàn)率高達(dá)48.605%,表明這三個因子是影響?zhàn)B老服務(wù)發(fā)展的主要因素。由此能夠總結(jié)出我國的養(yǎng)老服務(wù)政策的整體導(dǎo)向以及存在的共性:一是加大了多元主體對養(yǎng)老服務(wù)發(fā)展的資金和資源支持,以逐步擴大養(yǎng)老服務(wù)規(guī)模;二是關(guān)注老年人多樣化的養(yǎng)老服務(wù)需求,逐步完善以需求型政策工具為主的醫(yī)養(yǎng)結(jié)合、老年教育和補貼等政策內(nèi)容;三是注重完善養(yǎng)老服務(wù)發(fā)展的配套措施,如:完善法律法規(guī),加強市場管制力度,營造良好的養(yǎng)老服務(wù)發(fā)展環(huán)境;培育養(yǎng)老服務(wù)專業(yè)型人才,完善基本養(yǎng)老服務(wù),逐步建立起高質(zhì)量的養(yǎng)老服務(wù)發(fā)展體系。四是,我國的養(yǎng)老服務(wù)政策工具整體分布不均衡,以供給型和環(huán)境型政策工具為主,需求型政策內(nèi)容缺乏。

從省份來看,每個省份的養(yǎng)老服務(wù)政策單因子和綜合因子的得分和排名不盡相同,即省際之間的養(yǎng)老服務(wù)政策在數(shù)量和內(nèi)容上存在較大差異,反映出省際之間政府行為的側(cè)重點和工作效果的差異。由表1可知,綜合因子得分最高的上海市與最低的廣西省相差1.72,上海市各主成分得分普遍偏高,特別是在資金支持和規(guī)制引導(dǎo)方面占據(jù)優(yōu)勢。湖北、江西、吉林、廣西等綜合得分排名靠后的省份,其六個主成分的平均得分也相對較低,由于湖北省前三個主成份的得分排名靠前,因此其綜合得分略高于高于江西、吉林、廣西。由此可見,養(yǎng)老服務(wù)要綜合提高各方面的發(fā)展水平,才能實現(xiàn)養(yǎng)老服務(wù)供需匹配。

(二)聚類分析與討論

1.聚類分析

本文依據(jù)提取的6個公共因子F1、F2、F3、F4、F5、F6以及綜合因子F的成份得分,采用spss26.0系統(tǒng)聚類的組間鏈接法對30個省份進(jìn)行聚類分析。

根據(jù)主成分分析原理,各主成分得分以0為分界線,得分?jǐn)?shù)據(jù)小于0表示該省份養(yǎng)老服務(wù)政策供給低于30個城市的平均水平,如果大于0則相反[30]。依據(jù)分類均值比較(表2)可以看出,第六類所包含的省份均值都在0以下,具備相對聚合性的同時又能兼顧類別的差異性。故綜合考慮將30個省份聚為六類較為合適,具體分類情況如下:第一類包括上海市,第二類包括四川省,第三類包括北京市,第四類包括山西省、河南省,第五類包括青海、新疆,第六類包括山東、湖南、江蘇、重慶、河北、海南、云南、江西、貴州、遼寧、內(nèi)蒙古、福建、廣東、湖北、陜西、浙江、黑龍江、吉林、廣西、天津、甘肅、安徽、寧夏共23個省份及直轄市。

表2 分類均值比較

2.討論

根據(jù)聚類分析的結(jié)果,比較六個公共因子和綜合因子的均值(表2),前五類的綜合因子得分都大于0,第六類的綜合因子得分小于0且包含省份眾多,具體分析如下:

第一類上海市,結(jié)合以上分析,可以看出上海市的F(綜合因子)和F4(市場供給)得分較高,體現(xiàn)在市場化運作、刺激消費、社會參與、信息技術(shù)四個方面,綜合運用了供給型、需求型、環(huán)境型三種政策工具,這與上海市較為成熟的養(yǎng)老服務(wù)市場和較完善的養(yǎng)老服務(wù)體系密切相關(guān)。第二類四川省,依據(jù)表2,其F2(健康服務(wù))得分最高,F5(學(xué)習(xí)借鑒)、F6(安全治理)的排名也位于前列,表明四川省的養(yǎng)老服務(wù)政策側(cè)重醫(yī)養(yǎng)結(jié)合、老年教育、老年補貼、互助養(yǎng)老等方面,注重從老年人的健康服務(wù)等需求側(cè)拉動養(yǎng)老服務(wù)的發(fā)展,通過政策扶持健康養(yǎng)老服務(wù)體系建設(shè)。第三類北京市,其F3(規(guī)制引導(dǎo))最高,F6(安全治理)與F2(健康服務(wù))得分次之,說明北京市的養(yǎng)老服務(wù)體系建設(shè)重在政策法規(guī)等制度安排上,通過營造良好的養(yǎng)老服務(wù)市場環(huán)境來促進(jìn)養(yǎng)老服務(wù)產(chǎn)業(yè)的高質(zhì)量發(fā)展。第四類包括河南省和山西省,這兩個中部省份的F2(健康服務(wù))最高,F1(資金支持)次之,說明這兩個省份很重視以醫(yī)養(yǎng)結(jié)合為內(nèi)容的健康養(yǎng)老服務(wù)體系建設(shè),通過制度安排與政策設(shè)計積極引導(dǎo)養(yǎng)老服務(wù)業(yè)發(fā)展,實現(xiàn)養(yǎng)老事業(yè)與產(chǎn)業(yè)的雙輪驅(qū)動。第五類包括青海和新疆,這兩個省份的F5(學(xué)習(xí)借鑒)得分較高,F4(市場供給)得分較低,表明這兩個省份的養(yǎng)老服務(wù)業(yè)的市場化發(fā)展不夠充分,重在學(xué)習(xí)借鑒先進(jìn)的養(yǎng)老服務(wù)體系建設(shè)經(jīng)驗。第六類包含的省份數(shù)量最多,F4(市場供給)與F6(安全治理)高于其他因子均值,但都小于0,為更加直觀表達(dá)不同地區(qū)的養(yǎng)老服務(wù)政策供給現(xiàn)狀,以F4(市場供給)為橫坐標(biāo),F6(安全治理)為縱坐標(biāo)繪制坐標(biāo)系,分別以其得分為原點建立坐標(biāo)系,根據(jù)每個省份的得分對該類所包含的省份進(jìn)行象限劃分(圖1)。

圖1 第六類23省份的分布散點圖

第一象限涵蓋安徽、云南、寧夏、河北、江西、廣東、浙江七個省份,根據(jù)得分和圖示可以看出,第一象限的省份兩個公因子得分都位于均值以上,說明這些省份在市場供給、安全治理方面的政策供給要優(yōu)于第六類中的其他省份,綜合運用了供給、環(huán)境、需求型政策工具,養(yǎng)老服務(wù)體系建設(shè)的重點在市場化運作和多部門的疫情防控協(xié)同治理上。第二象限包括山東、福建、江蘇、遼寧四個省份,該象限省份的市場供給分值位于均值以下,安全治理分值位于均值以上,以需求型政策工具為主,說明這些省份在養(yǎng)老服務(wù)市場化發(fā)展的政策供給低于平均水平,在養(yǎng)老機構(gòu)的疫情防控的協(xié)同治理方面高于平均水平。第三象限有湖北、廣西、天津、湖南、甘肅、陜西、內(nèi)蒙古七個省份,他們的兩個公因子分值都位于均值線以下,說明該類省份在市場供給和安全治理的政策供給水平要低于第六類中的其他省份,養(yǎng)老服務(wù)體系建設(shè)的政策扶持力度較小。第四象限包含黑龍江、重慶、貴州、吉林、海南五個省份,這些省份的市場供給得分高于第六類的其他省份、安全治理得分低于第六類的其他省份,說明這些省份養(yǎng)老服務(wù)政策供給以需求型為主,供給和環(huán)境型政策工具為輔,養(yǎng)老服務(wù)體系建設(shè)的政策供給強調(diào)市場化運作,政策導(dǎo)向支持養(yǎng)老服務(wù)產(chǎn)業(yè)發(fā)展。

四、啟示與建議

綜上所述,2020年30個省份的養(yǎng)老服務(wù)政策既綜合體現(xiàn)我國養(yǎng)老服務(wù)體系建設(shè)的內(nèi)涵式高質(zhì)量發(fā)展,又表現(xiàn)各個省份養(yǎng)老服務(wù)高質(zhì)量發(fā)展的不同特點與重點。具體來說可以得出以下幾個結(jié)論。首先,從因子分析結(jié)果判斷可知,我國的養(yǎng)老服務(wù)政策以供給型和環(huán)境型為主,對需求型政策工具關(guān)注度較低,這也許可以解釋我國養(yǎng)老服務(wù)供需不平衡的癥結(jié)——有效需求不足與有效供給不足并存[31]。其次,從因子排名和聚類分析中,可以發(fā)現(xiàn)省際之間的養(yǎng)老服務(wù)體系建設(shè)水平差異化顯著,這與本地區(qū)的經(jīng)濟發(fā)展水平、老齡化水平、養(yǎng)老文化環(huán)境等密切相關(guān)。以上海為例,其市場供給得分遠(yuǎn)高于其他因子得分,同時也遠(yuǎn)高于其他類別的公共因子得分,規(guī)制引導(dǎo)得分次之,這充分體現(xiàn)出自身的養(yǎng)老服務(wù)政策優(yōu)勢。上海市的市場供給優(yōu)勢表現(xiàn)在營造良好養(yǎng)老服務(wù)市場環(huán)境、引導(dǎo)培育養(yǎng)老服務(wù)消費市場和鼓勵社會力量參與養(yǎng)老服務(wù)供給、引入信息技術(shù)開展智慧養(yǎng)老。因此,上海市的養(yǎng)老服務(wù)政策工具內(nèi)容不僅涉及養(yǎng)老服務(wù)市場化的供需雙方,而且涉及供需達(dá)成交易的制度條件,這些政策內(nèi)容共同構(gòu)成養(yǎng)老服務(wù)市場的運行系統(tǒng),為養(yǎng)老服務(wù)事業(yè)與養(yǎng)老服務(wù)產(chǎn)業(yè)協(xié)同發(fā)展提供政策經(jīng)驗;最后,依據(jù)聚類分析結(jié)果,不同的省份根據(jù)自身的養(yǎng)老服務(wù)體系建設(shè)目標(biāo)采用有針對性的政策工具組合,有的省份全面采用需求型、供給型和環(huán)境型三種政策工具,而有的省份則是某兩種政策工具的組合,這些政策工具在突出當(dāng)?shù)仞B(yǎng)老服務(wù)體系建設(shè)優(yōu)勢同時也注重查缺補漏補齊短板。根據(jù)上述結(jié)論,本文提出以下建議。

(一)協(xié)調(diào)政策工具內(nèi)容發(fā)揮地區(qū)養(yǎng)老服務(wù)優(yōu)勢

根據(jù)上述分析結(jié)果可以看出,各地的養(yǎng)老服務(wù)政策內(nèi)容側(cè)重點有所不同,如上海市的養(yǎng)老服務(wù)政策重在市場供給,四川省的養(yǎng)老服務(wù)政策重在健康服務(wù),北京市的養(yǎng)老服務(wù)政策重在規(guī)制引導(dǎo)。各地要因地制宜,明確并制定養(yǎng)老服務(wù)差異化發(fā)展的戰(zhàn)略,及時調(diào)整政策工具內(nèi)容,充分利用地區(qū)優(yōu)勢促進(jìn)養(yǎng)老服務(wù)協(xié)調(diào)發(fā)展。比如:北京作為首都發(fā)展優(yōu)勢明顯,能夠為區(qū)域老齡事業(yè)發(fā)展提供有力支撐;上海有明顯的人力資源和物質(zhì)條件優(yōu)勢,應(yīng)充分發(fā)揮市場在資源配置中的決定性作用,注重養(yǎng)老服務(wù)品質(zhì)提升和類型的多樣化,構(gòu)建多層次的養(yǎng)老服務(wù)體系。

(二)統(tǒng)籌政策工具類型促進(jìn)全國養(yǎng)老服務(wù)高效均衡發(fā)展

在促進(jìn)養(yǎng)老服務(wù)高效供給運用政策工具時,要統(tǒng)籌需求型、供給型與環(huán)境型三種政策工具的協(xié)調(diào)組合,積極引導(dǎo)社會力量,激勵養(yǎng)老服務(wù)市場化供給。國家在為養(yǎng)老事業(yè)發(fā)展進(jìn)行資金扶持與制度安排保障時,要積極地為養(yǎng)老產(chǎn)業(yè)發(fā)展提供產(chǎn)業(yè)扶持、稅收優(yōu)惠等支持政策,大力培育并發(fā)展普惠養(yǎng)老服務(wù)市場,促進(jìn)養(yǎng)老事業(yè)與養(yǎng)老產(chǎn)業(yè)的協(xié)調(diào)均衡發(fā)展。在促進(jìn)全國養(yǎng)老服務(wù)體系建設(shè)均衡方面,可以充分發(fā)揮優(yōu)勢省份的示范效應(yīng),并鼓勵其向其他省份進(jìn)行輻射,同時加強省際間的橫向?qū)W習(xí)與交流,便于落后地區(qū)形成后發(fā)優(yōu)勢,促進(jìn)全國層面的養(yǎng)老服務(wù)高質(zhì)量發(fā)展。