我國城鎮(zhèn)職工基本養(yǎng)老保險可持續(xù)發(fā)展的研究

林佩芳 褚 杭

(1.上海工程技術(shù)大學管理學院，上海201620;2.長江精工鋼結(jié)構(gòu)(集團)股份有限公司，浙江 紹興312035)

一、引言

20世紀80年代中期，隨著市場經(jīng)濟體制在中國的建立，養(yǎng)老保險改革拉開了帷幕。在當前面對人口老齡化、城鎮(zhèn)化以及就業(yè)形式多樣化的新形勢下，養(yǎng)老保險存在著一系列問題，諸如企業(yè)繳費率過高、覆蓋范圍擴大困難、政府財政負擔過重、個人賬戶“空賬運行”、轉(zhuǎn)移接續(xù)不通暢等等，并且這些問題還在進一步加劇1。養(yǎng)老保險制度作為現(xiàn)代國家社會保險體系中最重要的組成部分，完善城鎮(zhèn)職工基本養(yǎng)老保險制度，實現(xiàn)其可持續(xù)發(fā)展，既是迎接目前我國社會保障制度面臨人口老齡化、城鎮(zhèn)化、就業(yè)形式多樣化這三大挑戰(zhàn)的需要，同時也是維護改革發(fā)展穩(wěn)定大局、構(gòu)建和諧社會的需要2。

目前，對于城鎮(zhèn)職工基本養(yǎng)老保險可持續(xù)發(fā)展的理論研究已得到國家、社會、學者們的重視，關(guān)于社會養(yǎng)老保險的定性研究理論已逐步完善。然而，國內(nèi)對這一問題的定量研究仍然不多，一些研究成果注重定性設(shè)計指標體系，對指標體系的檢驗和可操作性方面的研究還不夠。因此，本文基于人口老齡化的背景，從可持續(xù)發(fā)展的角度，選取了13個影響城鎮(zhèn)職工基本養(yǎng)老保險可持續(xù)發(fā)展的指標，運用因子分析法建立綜合評價模型，對我國東部、中部、西部等31個地區(qū)的城鎮(zhèn)職工基本養(yǎng)老保險可持續(xù)發(fā)展進行定量分析和綜合評價，找出促進與限制城鎮(zhèn)職工基本養(yǎng)老保險可持續(xù)發(fā)展的相關(guān)因素，并據(jù)此提出相關(guān)的可行性政策建議。

二、評價指標的選取

(一)經(jīng)濟發(fā)展指標

X1-人均地區(qū)生產(chǎn)總值(元)

X2-平均工資(元)

X3-失業(yè)率(%)

X4-對社會保障和就業(yè)的財政支出占一般預算支出的比例(%)

(二)人口結(jié)構(gòu)指標

X5-出生率(%)

X6-預期壽命(歲)

X7-老年人撫養(yǎng)比(%)

X8-外來人口占總?cè)丝诒壤?%)

(三)社會保障內(nèi)部指標

X9-城鎮(zhèn)職工基本養(yǎng)老保險覆蓋率(%)

實驗結(jié)果表明，均勻設(shè)計法實驗得到的ITAE相較于工程整定法更小，穩(wěn)態(tài)性能較好。輸出波形圖表明，均勻設(shè)計法得到的輸出曲線與工程整定法相比，超調(diào)量、調(diào)節(jié)時間均有降低，系統(tǒng)的暫態(tài)性能有所提高。

X10-參加城鎮(zhèn)職工基本養(yǎng)老保險職工人數(shù)占城鎮(zhèn)職工基本養(yǎng)老保險總?cè)藬?shù)的比例(%)

X11-參加城鎮(zhèn)職工基本養(yǎng)老保險職工人數(shù)的增長率(%)

X12-參加城鎮(zhèn)職工基本養(yǎng)老保險離退休人員人數(shù)的增長率(%)

X13-城鎮(zhèn)職工基本養(yǎng)老保險基金累計結(jié)余的增長率(%)

三、運用因子分析法進行定量研究

(一)數(shù)據(jù)來源及預處理

運用指標評價我國各地區(qū)城鎮(zhèn)職工基本養(yǎng)老保險可持續(xù)發(fā)展程度，由于各指標對各地區(qū)城鎮(zhèn)職工基本養(yǎng)老保險可持續(xù)發(fā)展的影響程度不一致，指標之間也可能存在相關(guān)性，因此，運用因子分析法，利用降維的思想，根據(jù)相關(guān)性大小將原始變量分組，使得同組內(nèi)的變量之間相關(guān)性較高，而不同組的變量間的相關(guān)性則較低。每組變量代表一個基本結(jié)構(gòu)，并用一個不可預測的綜合變量表示，此基本結(jié)構(gòu)就稱為公共因子。這一過程也就是從一些有錯綜復雜關(guān)系的指標中找出少數(shù)幾個主要因子，每一個主要因子就代表指標間相互依賴的一種作用，我們抓住這些主要因子幫助我們對城鎮(zhèn)職工基本養(yǎng)老保險可持續(xù)發(fā)展問題進行分析和解釋。

本文選取了東部、中部和西部等31個省市，對各省市的城鎮(zhèn)職工基本養(yǎng)老保險可持續(xù)發(fā)展程度做了比較。數(shù)據(jù)來源于《中國勞動統(tǒng)計年鑒》(2010)、國家統(tǒng)計局網(wǎng)站和《中國統(tǒng)計年鑒》(2010)，歸納整理得出各省市2009年城鎮(zhèn)職工基本養(yǎng)老保險可持續(xù)發(fā)展各項指標的樣本數(shù)據(jù)，并對樣本數(shù)據(jù)進行同向化(即將逆指標轉(zhuǎn)化為正指標，轉(zhuǎn)化的方式為逆指標的倒數(shù)值代替原指標)和標準化處理后，得出標準化后的數(shù)據(jù)樣本。在此基礎(chǔ)上，應(yīng)用SPSS統(tǒng)計分析軟件進行因子分析。

本文選取的樣本為全國的31個省市，它們分別是:北京、天津、河北、山西、內(nèi)蒙古、遼寧、吉林、黑龍江、上海、江蘇、浙江、安徽、福建、江西、山東、河南、湖北、湖南、廣東、廣西、海南、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆。

(二)統(tǒng)計分析

1.KMO和Bartlett的檢驗

將相關(guān)數(shù)據(jù)輸入SPSS軟件運行，KMO和Bartlett的檢驗結(jié)果如表1所示。KMO統(tǒng)計量是取值在0和1之間。當所有變量間的簡單相關(guān)系數(shù)平方和遠遠大于偏相關(guān)系數(shù)平方和時，KMO值接近1。KMO值越接近于1，意味著變量間的相關(guān)性越強，原有變量越適合作因子分析;同理，若KMO值越接近于0，意味著變量間的相關(guān)性越弱，原有變量越不適合作因子分析。KMO的度量標準為:0.9以上表示非常適合;0.8表示適合;0.7表示一般;0.6表示不太適合;0.5以下表示極不適合。本文的KMO值為0.711，且Bartlett檢驗的P值＜0.05，故可以進行因子分析。

表1 KMO和Bartlett的檢驗

表2 公因子方差

2.公因子方差分析

表2為公因子方差表，各原始變量的初始值均為1，當提取公因子后，各變量的提取值都比較大，說明提取的公因子所包含的信息量比較大，都能夠很好地解釋原始變量。比如人均地區(qū)生產(chǎn)總值、平均工資、參加城鎮(zhèn)職工基本養(yǎng)老保險職工人數(shù)占城鎮(zhèn)職工基本養(yǎng)老保險總?cè)藬?shù)比例都達到了0.9以上，說明它們與隱性因子的相關(guān)性較強，最低的參加城鎮(zhèn)職工基本養(yǎng)老保險離退休人員人數(shù)增長率也達到了0.589，說明所選指標的相關(guān)性平均較強。

3.因子提取分析

表3為相關(guān)矩陣的特征值與其貢獻率及累計貢獻率。由于主成分的特征根必須大于1，根據(jù)表3，提取了4個公因子F1、F2、F3、F4。第一個主成分的特征值根為4.930，此值解釋了總變異的37.926%;第二個主成分的特征值根為2.554，解釋了總變異的19.650%;第三個主成分的特征值根為1.497，解釋了總變異的11.518%;第四個主成分的特征值根為1.284，解釋了總變異的9.878%;4個公因子的累積貢獻率為78.971%。

表3 解釋的總方差表

同時，為了確定提取幾個主因子，需要結(jié)合碎石圖來做進一步的判斷。從碎石圖可知，在第5點出現(xiàn)了拐點，從第五個主成分開始特征根非常低，說明只需要提取四個主成分即可。

4.旋轉(zhuǎn)結(jié)果分析

表4為旋轉(zhuǎn)后因子載荷矩陣，是各個變量的因子表達式的系數(shù)，反映了提取的共性因子對原始變量的影響程度。各變量在提取的公共因子下得分越高(即其絕對值越接近1)，表示它們與該公共因子的關(guān)系越密切。因此，可以根據(jù)各變量的得分將其歸入到四類因子之中。

表4 旋轉(zhuǎn)成份矩陣

根據(jù)各因子相對主成分因子得分系數(shù)的高低，我們可以將指標進行歸類(如表5所示):

5.因子得分分析

因子得分能夠反映各指標變量與三個主因子之間的關(guān)系，在某一因子上的得分高，表明該指標與該主因子之間關(guān)系密切，表6為因子得分系數(shù)矩陣。

主因子F1、F2、F3、F4分別從經(jīng)濟發(fā)展、人口年齡結(jié)構(gòu)、養(yǎng)老保險基金來源和養(yǎng)老保險內(nèi)部負擔4個主要方面來評價我國各地區(qū)的城鎮(zhèn)職工基本養(yǎng)老保險可持續(xù)發(fā)展程度。根據(jù)表6，可以得出旋轉(zhuǎn)后三個主因子F的主成分線性組合。

F1=0.232X1+0.278X2+0.203X3-0.057X4-0.073X5-0.038X6+0.097X7+0.244X8+0.159X9-0.034X10-0.07X11+0.177X12+0.017X13(公式1)

F2=0.01X1+0.133X2+0.141X3+0.046X4+0.174X5+0.276X6+0.411X7+0.097X8-0.049X9-0.06X10-0.194X11+0.424X12+0.073X13(公式2)

F3=-0.036X1+0.123X2+0.021X3-0.293X4+0.102X5+0.009X6-0.19X7-0.034X8-0.176X9-0.007X10+0.463X11-0.116X12+0.363X13(公式3)

F4=-0.079X1-0.225X2+0.138X3-0.164X4+0.203X5-0.063X6+0.174X7+0.075X8+0.012X9+0.581X10+0.058X11-0.165X12-0.291X13(公式4)

表5 主因子分析表

四、各地區(qū)城鎮(zhèn)職工基本養(yǎng)老保險可持續(xù)發(fā)展綜合評價

根據(jù)表3構(gòu)建城鎮(zhèn)職工基本養(yǎng)老保險可持續(xù)發(fā)展評價模型如下:

F=0.402F1+0.238F2+0.2F3+0.16F4(模型1)

將全國31個地區(qū)的13個因素的數(shù)據(jù)分別代入公式1、公式2、公式3、公式4，求出F1、F2、F3、F4，然后將結(jié)果代入模型1，以此計算出全國各個地區(qū)的綜合得分，然后將各地區(qū)的綜合得分水平進行排序與比較，見表7:

表6 成份得分系數(shù)矩陣

表7 城鎮(zhèn)職工基本養(yǎng)老保險可持續(xù)發(fā)展綜合得分及排名表

從上述的計算結(jié)果，我們可以看出:

(1)在第一因子(經(jīng)濟發(fā)展因子)得分方面:從公式1可以看出，影響F1得分的主要指標包括平均工資、外來人口占總?cè)丝诘谋戎?、人均生產(chǎn)總值和失業(yè)率等，所占的權(quán)重均超過0.2。結(jié)果顯示，一方面，高于全國平均水平的有九個地區(qū)，得分由高到低分別是北京、上海、廣東、天津、浙江、江蘇、遼寧、內(nèi)蒙古和福建。它們大多屬于東部沿海地區(qū)，經(jīng)濟實力較強，人均生產(chǎn)總值、平均工資均居于全國前列，同時地區(qū)經(jīng)濟的高速發(fā)展，為該地區(qū)人員提供了大量的工作崗位，并且吸引了其他較不發(fā)達或貧困地區(qū)人員的大量涌入，因此，地區(qū)的失業(yè)率較低，外來人口占總?cè)丝诘谋戎剌^大。另一方面，有22個地區(qū)低于全國的平均水平，其中排在倒數(shù)五名的依次為四川、湖南、安徽、廣西和貴州。其中四川、廣西和貴州均屬于西南地區(qū)，這些地區(qū)的經(jīng)濟發(fā)展水平較低，同時，制約這些地區(qū)在F1中得分的關(guān)鍵因素是這些地區(qū)出外務(wù)工的人口較多，在本地區(qū)參加城鎮(zhèn)職工養(yǎng)老保險的人數(shù)較少，覆蓋率較低，因此，這也很好地解釋了經(jīng)濟發(fā)展水平更低的、人口流動較少的西北地區(qū)在這一因子得分中并沒有排到最后的原因。

(2)在第二因子(人口年齡結(jié)構(gòu)因子)得分方面:從公式2可以看出，影響F2得分的主要指標包括參加城鎮(zhèn)職工基本養(yǎng)老保險離退休人數(shù)的增長率、老年人撫養(yǎng)比、預期壽命和出生率，其中，參加城鎮(zhèn)職工養(yǎng)老保險離退休人數(shù)的增長率和老年人撫養(yǎng)比所占的權(quán)重高達0.4以上，同時，除了出生率，另外三個指標都是負向指標，意味著數(shù)值越大，其對城鎮(zhèn)職工基本養(yǎng)老保險的可持續(xù)發(fā)展的約束作用就越大。因此，在進行求解的過程中，本文已經(jīng)將數(shù)據(jù)進行了同向化處理。從結(jié)果看出，高于全國平均水平的有13個地區(qū)，其中，排在前六名的全是西部地區(qū)的云南、西藏、新疆、青海、甘肅和寧夏。而在經(jīng)濟發(fā)達的地區(qū)，僅有北京和廣東排在前列，分別位于第七和第九名。同時，排在倒數(shù)六名的分別為上海、遼寧、江蘇、浙江、四川、重慶。出現(xiàn)這樣的結(jié)果，主要是因為西部地區(qū)養(yǎng)老保險制度的發(fā)展起點緩慢，參加養(yǎng)老保險的離退休人員一直處于較少的人口規(guī)模，同時，較高的人口出生率與較短的預期壽命使該地區(qū)的老年人撫養(yǎng)比較小，養(yǎng)老金的支付壓力也相應(yīng)地比其他地區(qū)小。同理，經(jīng)濟較發(fā)達的上海、江蘇、浙江，其排名居于倒數(shù)的最主要的原因是這三個地區(qū)的人口老齡化問題嚴重，偏低的人口出生率無疑使當?shù)氐酿B(yǎng)老保險面臨較大的支付壓力，而遼寧作為老工業(yè)基地，大量的退休人員被納入到養(yǎng)老保險制度中，同時較低的人口出生率進一步加重了養(yǎng)老金的支付壓力。四川、重慶之所以名列最后，主要是因為嚴峻的老年人口撫養(yǎng)比以及參加城鎮(zhèn)職工基本養(yǎng)老保險中離退休人員的人數(shù)增長速度較快，這與兩個地區(qū)的大量人口輸出有著緊密的關(guān)系。

(3)在第三因子(養(yǎng)老保險基金來源因子)得分方面:從公式3可以看出，影響F3得分的主要指標包括參加城鎮(zhèn)職工基本養(yǎng)老保險職工人數(shù)增長率、城鎮(zhèn)職工基本養(yǎng)老保險基金累計結(jié)余增長率與對社會保障和就業(yè)的財政支出占一般預算支出的比例。從結(jié)果看出，排在前四名的全是西南地區(qū)的西藏、重慶、貴州、四川。排名最后五名的有西北地區(qū)的青海、新疆以及東北地區(qū)的吉林、遼寧和黑龍江。西藏之所以排在第一，主要是因為養(yǎng)老保險基金累計結(jié)余的增長速度較快，增長率達到了187.17%，這主要也是由于西藏養(yǎng)老保險基金累計結(jié)余的基數(shù)較小，基數(shù)的較小變動也會引起增長率的較大變動。而重慶、貴州、四川排名較前的原因是近年來政府加大對西部地區(qū)養(yǎng)老保險制度的投入力度，財政支出比例的不斷加大以及覆蓋面的不斷擴大有效地保證了西部地區(qū)養(yǎng)老保險基金的來源，為西部地區(qū)養(yǎng)老保險的發(fā)展提供了扎實的資金基礎(chǔ)。而導致青海、新疆、吉林、遼寧、黑龍江排名靠后的原因是參加城鎮(zhèn)職工基本養(yǎng)老保險職工人數(shù)的增長率較為緩慢，作為養(yǎng)老保險基金主要來源的職工繳費額未能得到有效的積累，在當前我國面對“統(tǒng)帳結(jié)合”轉(zhuǎn)軌成本大、個人賬戶空帳運行的情況下，職工參保人數(shù)的增加無疑可以有效地減輕養(yǎng)老金的支付壓力，為城鎮(zhèn)職工基本養(yǎng)老保險的可持續(xù)發(fā)展提供良好的基礎(chǔ)。

(4)在第四因子(養(yǎng)老保險內(nèi)部負擔)得分方面:從公式4可以看出，影響F4得分的主要指標是參加城鎮(zhèn)職工基本養(yǎng)老保險職工人數(shù)占城鎮(zhèn)職工基本養(yǎng)老保險總?cè)藬?shù)的比例。從結(jié)果看出，排名前五名的分別是廣東、浙江、福建、寧夏和山東，而排名倒數(shù)五名的分別為云南、遼寧、重慶、西藏和上海。廣東、浙江、福建和山東排名靠前的原因在于地區(qū)外來務(wù)工人員較多，參加城鎮(zhèn)職工基本養(yǎng)老保險的職工人數(shù)增長率高于離退休人員人數(shù)的增長率，寧夏排名靠前的原因除了參加城鎮(zhèn)職工基本養(yǎng)老保險的職工人數(shù)增長率高于離退休人員人數(shù)的增長率之外，較高的人口出生率、較低的預期壽命以及勞動力流動性不強等原因也有助于減輕本地區(qū)養(yǎng)老保險制度的內(nèi)部支付負擔。也正因為此，人口老齡化問題嚴重的上海、退休人員數(shù)量龐大的遼寧、勞動力流動性強的重慶和云南，以及覆蓋率不廣的西藏在此項得分中排名靠后。

(5)在綜合(城鎮(zhèn)職工基本養(yǎng)老保險可持續(xù)發(fā)展程度)得分方面:城鎮(zhèn)職工基本養(yǎng)老保險可持續(xù)發(fā)展程度高于平均水平的有13個地區(qū)，前八名依次是北京、廣東、西藏、浙江、上海、寧夏、云南以及新疆，其中經(jīng)濟發(fā)達的地區(qū)與經(jīng)濟貧困的地區(qū)各占了一半的比例，而這四個經(jīng)濟貧困的地區(qū)，其人口年齡結(jié)構(gòu)都比較均衡。而排名后五名的包括退休人員數(shù)量龐大的東北三省，以及地區(qū)經(jīng)濟欠發(fā)達、人口流動性強的重慶與四川。從模型1我們可以看出，影響地區(qū)城鎮(zhèn)職工基本養(yǎng)老保險可持續(xù)發(fā)展的主要因素是社會經(jīng)濟的發(fā)展程度以及人口年齡結(jié)構(gòu)，總體而言，在此次排名中，經(jīng)濟較發(fā)達的華東、華北與華南地區(qū)分別名列前三，而經(jīng)濟落后的西北、西南地區(qū)分別名列第四、第五名，經(jīng)濟發(fā)展程度欠發(fā)達、人口密集的華中和東北地區(qū)則排名最后兩名。同時，同一地區(qū)內(nèi)部的不同省市分化問題嚴重，如華北地區(qū)的北京排名第一，而河北則排名19;華東地區(qū)的浙江排名第四，而安徽則排名24;華南地區(qū)的廣東排名第二，而廣西則排名22，;西南地區(qū)的西藏與四川兩者之間的排名相差27名，成為我國同一地區(qū)內(nèi)部分化最嚴重的兩個地域。因此，我國各地區(qū)城鎮(zhèn)職工基本養(yǎng)老保險可持續(xù)發(fā)展的程度是受多方面因素影響的，要進一步完善我國城鎮(zhèn)職工基本養(yǎng)老保險制度，必須綜合考慮各方因素，以求實現(xiàn)均衡發(fā)展。

五、對策建議

(一)大力發(fā)展地區(qū)經(jīng)濟，為養(yǎng)老保險提供扎實的經(jīng)濟基礎(chǔ)

從模型1可以看出，經(jīng)濟發(fā)展因子是影響城鎮(zhèn)職工基本養(yǎng)老保險制度可持續(xù)發(fā)展的最重要指標，其權(quán)重高達0.402，而從總得分排名可以看出，經(jīng)濟發(fā)達的北京、廣東、浙江、上海、江蘇、山東等地區(qū)排名均靠前，處于全國平均水平之上，這與地區(qū)的經(jīng)濟水平是有著密切的關(guān)系。上述幾個地區(qū)的人均生產(chǎn)總值、平均工資均居全國前列，充足的就業(yè)崗位吸引了大量的外來勞動力，從而導致外來人口占總?cè)丝诒壤?，為社會?jīng)濟的發(fā)展提供了充足的人力資源，也為養(yǎng)老保險制度的發(fā)展提供了資金支持。因此，作為養(yǎng)老保險制度的責任主體，各地方政府應(yīng)加快地區(qū)的經(jīng)濟建設(shè)，實現(xiàn)經(jīng)濟的平穩(wěn)較快發(fā)展，為實現(xiàn)城鎮(zhèn)職工基本養(yǎng)老保險制度的可持續(xù)發(fā)展提供根本保障。

(二)合理調(diào)整人口年齡結(jié)構(gòu)，緩解養(yǎng)老保險的給付負擔

人口年齡結(jié)構(gòu)是指在一定時點、一定地區(qū)各年齡組人口數(shù)在總?cè)丝跀?shù)中所占的比重。在職參保職工的繳費是城鎮(zhèn)職工基本養(yǎng)老保險基金收入的主要來源，離退休參保職工領(lǐng)取的養(yǎng)老金是城鎮(zhèn)職工基本養(yǎng)老保險基金支出的主要部分。人口年齡結(jié)構(gòu)的變動使得在職參保職工和離退休參保職工數(shù)量發(fā)生改變，從而引起了基本養(yǎng)老保險基金收支的變動。我國現(xiàn)有老齡人口已超過1.6億，且每年以近800萬的速度增加，有關(guān)專家預測，到2050年，中國老齡人口將達到總?cè)丝诘娜种?，養(yǎng)老問題日趨嚴重，城鎮(zhèn)職工基本養(yǎng)老保險基金缺口也將日趨嚴重。從結(jié)果看出，西藏、寧夏、云南以及新疆之所以排在前列，最主要的原因在于上述地區(qū)的人口年齡結(jié)構(gòu)比較均衡，人口出生率較高，老年人撫養(yǎng)比較低。因此，為了實現(xiàn)人口年齡結(jié)構(gòu)的均衡發(fā)展，減緩基本養(yǎng)老保險的給付壓力，減小基本養(yǎng)老保險基金缺口，實現(xiàn)城鎮(zhèn)職工基本養(yǎng)老保險的可持續(xù)發(fā)展，本文建議，第一，適當?shù)胤艑捝?，提高人口出生?第二，逐步提高退休年齡，降低撫養(yǎng)比;第三，提高勞動年齡人口的養(yǎng)老保險參保率，增加基金收入，減小基金缺口。

(三)完善養(yǎng)老保險基金的來源渠道，確?；鸬姆€(wěn)定籌集

城鎮(zhèn)職工基本養(yǎng)老保險基金主要由四部分組成，其中包括政府財政補貼、用人單位和職工按比例繳納的養(yǎng)老保險金以及養(yǎng)老金的投資收益額。建立多渠道的籌集機制，確保養(yǎng)老保險基金的穩(wěn)定籌集，是養(yǎng)老保險基金履行給付責任的前提條件，也是解決養(yǎng)老保險基金缺口的有效途徑，更是實現(xiàn)養(yǎng)老保險制度可持續(xù)發(fā)展的必要條件。因此，第一，我國政府應(yīng)繼續(xù)積極擴大基本養(yǎng)老保險的覆蓋面，將一切符合條件的人員納入到保障的體系內(nèi)，努力實現(xiàn)參保職工人數(shù)的不斷增長，同時，各級政府部門應(yīng)加大對企業(yè)養(yǎng)老保險費用征繳的監(jiān)管力度，堅決杜絕企業(yè)拒繳、欠繳、少繳、拖繳養(yǎng)老保險費用的現(xiàn)象，保障人民群眾的基本權(quán)益;第二，在我國財政實力不斷加強，養(yǎng)老保險基金缺口日益擴大的情況下，政府作為解決基金短缺的責任主體，應(yīng)切實調(diào)整各級財政支出結(jié)構(gòu)，加大各級財政在養(yǎng)老保險制度支出中的比例，為養(yǎng)老保險制度的有效運行提供強有力的資金支持;第三，受通貨膨脹、銀行存款率低于消費者物價指數(shù)等因素的影響，基金儲存的根本風險就在于基金的貶值。因此，在保證養(yǎng)老保險基金安全性、流動性的前提下，我國政府應(yīng)進一步調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，完善投資環(huán)境，擴展養(yǎng)老保險基金的投資渠道，增加投資方式，考慮多種投資組合，防止因通貨膨脹及貨幣貶值而引起的養(yǎng)老保險基金貶值，努力實現(xiàn)養(yǎng)老保險基金的保值增值，并進一步提高養(yǎng)老保險基金的增值率。

(四)確保養(yǎng)老保險關(guān)系的順暢轉(zhuǎn)移接續(xù)，逐步實現(xiàn)全國統(tǒng)籌

我國《城鎮(zhèn)企業(yè)職工基本養(yǎng)老保險關(guān)系轉(zhuǎn)移接續(xù)暫行辦法》明確規(guī)定，農(nóng)民工在內(nèi)的參加城鎮(zhèn)企業(yè)職工基本養(yǎng)老保險的所有人員，其基本養(yǎng)老保險關(guān)系可在跨省就業(yè)時隨同轉(zhuǎn)移;在轉(zhuǎn)移個人賬戶儲存額的同時，還轉(zhuǎn)移部分單位繳費。這一暫行辦法切實保障了參加城鎮(zhèn)企業(yè)職工基本養(yǎng)老保險人員的合法權(quán)益，保證了參保人員在城鎮(zhèn)就業(yè)時基本養(yǎng)老保險關(guān)系的順暢轉(zhuǎn)移連續(xù)。然而當前，地方間難以打破的利益壁壘無疑成為了養(yǎng)老保險轉(zhuǎn)移連續(xù)困難的重要因素，由于現(xiàn)行的社會養(yǎng)老保險制度以行政區(qū)劃為邊界，采取個人繳費加社會統(tǒng)籌的方式，地方統(tǒng)籌的養(yǎng)老保險金歸當?shù)厮袇⒈Ｈ斯灿?，總的來說是用來支付當前退休人員的養(yǎng)老保險費用。而《暫行辦法》規(guī)定，參保人的單位繳費只能部分轉(zhuǎn)續(xù)，以本人1998年1月1日后各年度實際繳費工資為基數(shù)，按12%的總和轉(zhuǎn)移(即相當于統(tǒng)籌部分的60%)。而統(tǒng)籌部分所剩下的40%便成為了轉(zhuǎn)出地政府的一筆不少的“預算外收入”，因此，出現(xiàn)了很多地方“愿轉(zhuǎn)不愿接”、對退保大開綠燈的現(xiàn)象。此外，由于地區(qū)統(tǒng)籌基金是現(xiàn)收現(xiàn)付的，是用于支付當前已經(jīng)退休的人員的養(yǎng)老保險費用，因此，當大規(guī)模轉(zhuǎn)接的時候，從短期看，轉(zhuǎn)出地政府財政有壓力;從長期看，轉(zhuǎn)入地政府財政有壓力。由此看出，目前采取的轉(zhuǎn)移接續(xù)方式，顯然并非治本之策，同時會導致管理成本的提高。本文認為，治本之策應(yīng)是逐步實現(xiàn)全國統(tǒng)籌，國家應(yīng)盡快建立全國統(tǒng)一的社保機構(gòu)信息庫和基本養(yǎng)老保險參保繳費信息查詢服務(wù)系統(tǒng)，搭建跨地區(qū)的交換接口，發(fā)行全國通用的社會保障卡，這從根本上解決我國地區(qū)之間養(yǎng)老保障不均衡的問題，徹底解決養(yǎng)老保險的轉(zhuǎn)續(xù)、流動難題，并有助于解決養(yǎng)老基金不便投資營運、難以保值增值的難題。當然，目前我國地區(qū)間統(tǒng)籌的差異性較大，各地繳付養(yǎng)老保險的水平、保障水平不一，實現(xiàn)全國統(tǒng)籌還需解決許多問題，因此，全國統(tǒng)籌不是一蹴而就、一步到位，要分步實施、逐步到位。

［1］藍霞.中國城鎮(zhèn)養(yǎng)老保險可持續(xù)發(fā)展及制度構(gòu)建研究［D］.青島:青島大學，2010.

［2］陳蕊.我國城鎮(zhèn)職工基本養(yǎng)老保險可持續(xù)發(fā)展政策問題研究［D］.北京:首都經(jīng)濟貿(mào)易大學，2007.

［3］李振國，席建國.基于因子分析的社會保障發(fā)展水平評議［J］.信陽師范學院學報(哲學社會科學版)，2007，(6):13-16.

［4］何曉群.現(xiàn)代統(tǒng)計分析方法與應(yīng)用［M］.北京:中國人民大學出版社，2007:350.

［5］張思鋒，王立劍，張文學.人口年齡結(jié)構(gòu)變動對基本養(yǎng)老保險基金缺口的影響研究-以陜西省為例［J］.預測，2010，(2).