“以房養(yǎng)老”可行性因素分析及推廣步驟

張宇

摘 要：基于中國(guó)40個(gè)城市的經(jīng)濟(jì)發(fā)展和人口組成兩大指標(biāo)，對(duì)影響“以房養(yǎng)老”的四個(gè)因素（經(jīng)濟(jì)狀況、養(yǎng)老設(shè)施、受教育度和老齡化水平）進(jìn)行主成分分析，得出“以房養(yǎng)老”的試點(diǎn)應(yīng)在北京和上海率先開展。并使用聚類分析將40個(gè)城市分為五類，給出“以房養(yǎng)老”試點(diǎn)城市的順序，得出“以房養(yǎng)老”在需求上存在明顯的地域差異、傳統(tǒng)觀念和養(yǎng)老基礎(chǔ)設(shè)施對(duì)“以房養(yǎng)老”的開展有重要意義等結(jié)論。最后，提出政府介入、完善基礎(chǔ)設(shè)施、改變傳統(tǒng)觀念和漸進(jìn)按步驟推廣等四點(diǎn)政策建議。

關(guān)鍵詞：老齡化；“以房養(yǎng)老”；主成分分析

中圖分類號(hào)：F290 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673-291X（2014）27-0148-03

引言

隨著中國(guó)老齡化的加劇以及人口紅利的逐漸消失，中國(guó)勞動(dòng)力短缺、經(jīng)濟(jì)增長(zhǎng)放緩等問(wèn)題也日趨嚴(yán)重。為貫徹落實(shí)國(guó)務(wù)院于2013年9月發(fā)布的《關(guān)于加快發(fā)展養(yǎng)老服務(wù)業(yè)的若干意見》精神，中國(guó)保監(jiān)會(huì)于2014年3月下發(fā)《關(guān)于開展老年人住房反向抵押養(yǎng)老保險(xiǎn)試點(diǎn)的指導(dǎo)意見（征求意見稿）》，計(jì)劃在北京、上海、廣州和武漢四個(gè)城市進(jìn)行“以房養(yǎng)老”試點(diǎn)。

雖然中國(guó)目前已明確要在北京、上海、廣州和武漢這四個(gè)城市進(jìn)行試點(diǎn)，但其是否會(huì)落入“試點(diǎn)成功、推廣失敗”的怪圈？由于中國(guó)不同地區(qū)的經(jīng)濟(jì)和社會(huì)習(xí)俗差異十分明顯，以房養(yǎng)老在客觀上并不適合全面推廣?？茖W(xué)的做法應(yīng)是分析各城市的相關(guān)指標(biāo)，客觀公正地評(píng)判其是否具備開展以房養(yǎng)老的條件。因此，本文通過(guò)對(duì)各城市經(jīng)濟(jì)狀況、人口組成等因素的分析，研究中國(guó)“以房養(yǎng)老”模式在城市中進(jìn)行推廣會(huì)受到哪些因素的影響，較公正地評(píng)判中國(guó)城市開展以房養(yǎng)老的能力，進(jìn)而得出這些城市的開展順序。

本文的創(chuàng)新體現(xiàn)在以下四個(gè)方面：（1）以城市為研究對(duì)象，得出的結(jié)論具有現(xiàn)實(shí)意義。（2）引入受教育程度作為傳統(tǒng)觀念的代理變量，使得實(shí)證結(jié)果更精確。（3）給出了以房養(yǎng)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(quán)，使分析結(jié)果更具準(zhǔn)確性和說(shuō)服力。

一、文獻(xiàn)綜述

較早對(duì)這一問(wèn)題進(jìn)行研究的學(xué)者是Mitchell 和 Piggott（2004），他認(rèn)為住房反向抵押貸款在房地產(chǎn)價(jià)格下降、低利率和預(yù)期壽命較長(zhǎng)的情形下不會(huì)存在，因此住房反向抵押貸款模式的實(shí)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(zhǎng)期護(hù)理保險(xiǎn)項(xiàng)目為例，得出區(qū)域差異因素將是影響這一實(shí)施效果的重要因素。Chiuri 和 Jappelli（2010）通過(guò)問(wèn)卷調(diào)查，發(fā)現(xiàn)住房抵押市場(chǎng)的成功與否和市場(chǎng)規(guī)制程度的衡量有關(guān)。

對(duì)于國(guó)內(nèi)學(xué)者的研究，由于政策的支持，以房養(yǎng)老逐漸成為社會(huì)討論的焦點(diǎn)。例如，朱勁松（2011）基于問(wèn)卷調(diào)查的結(jié)果，建立Logit模型的分析，得出改變傳統(tǒng)觀念及教育子女是開展以房養(yǎng)老重中之重的結(jié)論。樓國(guó)濤等（2011）選用各省市的經(jīng)濟(jì)和社會(huì)發(fā)展指標(biāo)，進(jìn)行因子分析找出了影響以房養(yǎng)老開展的主要因素。張連增和王皎（2014）對(duì)影響中國(guó)壽險(xiǎn)市場(chǎng)的宏觀經(jīng)濟(jì)、社會(huì)等因素進(jìn)行實(shí)證分析，提出應(yīng)縮小居民收入差距、提高保險(xiǎn)服務(wù)水平、健全社會(huì)保障體系等相關(guān)建議。

由于中國(guó)各省份間的經(jīng)濟(jì)發(fā)展、年齡結(jié)構(gòu)、家庭組成和社會(huì)觀念等差異巨大，對(duì)以房養(yǎng)老可行性試點(diǎn)地區(qū)的分析并不適合以省為單位。因此，轉(zhuǎn)而研究中國(guó)哪些城市具備開展以房養(yǎng)老的條件，并對(duì)其進(jìn)行分類說(shuō)明，以推廣中國(guó)以房養(yǎng)老的模式，顯得十分現(xiàn)實(shí)和必要。

二、使用的方法介紹、指標(biāo)選取及數(shù)據(jù)來(lái)源

本文選用的影響因素可分為人口和經(jīng)濟(jì)兩方面。人口方面主要是年齡、受教育程度和社會(huì)撫養(yǎng)比等因素，而經(jīng)濟(jì)方面主要包括人均可支配收入、消費(fèi)支出、儲(chǔ)蓄水平等因素。

（一）使用的方法

1.主成分分析法。將各指標(biāo)標(biāo)準(zhǔn)化處理后，運(yùn)用SPSS16.0軟件對(duì)其進(jìn)行因子分析，以提取的4個(gè)因子的方差貢獻(xiàn)率為權(quán)重計(jì)算各地區(qū)的綜合得分，據(jù)此評(píng)定其是否具備開展以房養(yǎng)老的條件。

2.聚類分析法。為得到哪些城市可作為以房養(yǎng)老試點(diǎn)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(gè)城市進(jìn)行歸類，并分析其可能的開展順序。

（二）指標(biāo)選取與數(shù)據(jù)來(lái)源

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

1.經(jīng)濟(jì)發(fā)展方面。（1）人均生產(chǎn)總值。居民經(jīng)濟(jì)實(shí)力較高，則其房屋價(jià)值有所保障，且養(yǎng)老基礎(chǔ)設(shè)施、金融機(jī)構(gòu)及社會(huì)制度等均更加完備，使以房養(yǎng)老的開展有很大的物質(zhì)保障。這里選用城鎮(zhèn)人均生產(chǎn)總值。（2）人均可支配收入和儲(chǔ)蓄水平。低收入群體由于對(duì)生活資料存在著剛性需求，因而更加需要保障經(jīng)濟(jì)來(lái)源。這里選擇2013年全國(guó)各城市居民人均可支配收入和年末居民儲(chǔ)蓄存款余額。（3）人均消費(fèi)水平。若一個(gè)地區(qū)的消費(fèi)水平相對(duì)較高，則老人的生活壓力則越大，對(duì)以房養(yǎng)老的需求也會(huì)相應(yīng)增加，這里選用人均消費(fèi)支出。（4）住房平均銷售價(jià)格。房屋價(jià)值是以房養(yǎng)老定價(jià)的主要指標(biāo)，這里選用2014年3月份全國(guó)各城市住宅銷售價(jià)格指數(shù)作為參考。（5）養(yǎng)老基礎(chǔ)設(shè)施。以房養(yǎng)老的開展需要一定的配套養(yǎng)老機(jī)構(gòu)予以輔助，這里選用各城市醫(yī)療衛(wèi)生機(jī)構(gòu)數(shù)、專業(yè)衛(wèi)生技術(shù)人員數(shù)和衛(wèi)生機(jī)構(gòu)床位數(shù)作為參考。（6）房地產(chǎn)住宅投資額。以房養(yǎng)老的關(guān)鍵是房產(chǎn)，住宅開發(fā)力度大的地區(qū)，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(yǎng)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(yán)重的城市對(duì)以房養(yǎng)老業(yè)務(wù)的需求更大，我們用65歲以上人口占比來(lái)衡量。（2）家庭結(jié)構(gòu)情況。三無(wú)老人及失獨(dú)家庭的經(jīng)濟(jì)能力相對(duì)較差，其對(duì)以房養(yǎng)老的需求更為迫切。這里，簡(jiǎn)單起見，我們選擇平均每戶人口數(shù)量。（3）老齡撫養(yǎng)比。撫養(yǎng)比較高的地區(qū)，單位勞動(dòng)年齡人口要負(fù)擔(dān)更多的非勞動(dòng)年齡人口，生活壓力較大。這里選擇老年撫養(yǎng)比。（4）老人受教育程度。以房養(yǎng)老的開展深受傳統(tǒng)觀念的束縛，學(xué)歷相對(duì)較高的老人，其觀念較容易轉(zhuǎn)變，因而能接受此業(yè)務(wù)的可能性更大。這里選擇文盲率作為逆向參考指標(biāo)。endprint

3.數(shù)據(jù)來(lái)源：本文選取40個(gè)樣本城市，包括直轄市、省會(huì)城市和重點(diǎn)城市等經(jīng)濟(jì)較發(fā)達(dá)的地區(qū)，它們分別為：上海、北京、天津、重慶、廣州、武漢、杭州、南京、長(zhǎng)沙、濟(jì)南、西安、合肥、哈爾濱、貴陽(yáng)、南昌、蘭州、沈陽(yáng)、鄭州、石家莊、南寧、太原、銀川、海口、長(zhǎng)春、福州、烏魯木齊、西寧、呼和浩特、昆明、成都、包頭、深圳、蘇州、無(wú)錫、青島、大連、寧波、廈門、珠海、揚(yáng)州、并選用人均GDP、住房擁有率、住宅銷售價(jià)格指數(shù)、住宅投資額、儲(chǔ)蓄存款、醫(yī)療衛(wèi)生機(jī)構(gòu)數(shù)、專業(yè)衛(wèi)生技術(shù)人員數(shù)、人均可支配收入、人均消費(fèi)支出、平均每戶人口、65歲及以上人口比例、老齡撫養(yǎng)比、文盲率共13個(gè)指標(biāo)。

按照指標(biāo)的分類，以上經(jīng)濟(jì)發(fā)展類指標(biāo)數(shù)據(jù)來(lái)源于各城市統(tǒng)計(jì)局公布的2013年度統(tǒng)計(jì)公報(bào)，而人口組成方面的數(shù)據(jù)來(lái)源于第六次人口普查。

三、實(shí)證分析

（一）主成分分析

1.因子分析前提條件檢驗(yàn)。利用巴特利特球度檢驗(yàn)，并且計(jì)算變量間的KMO統(tǒng)計(jì)量判別其是否適合進(jìn)行因子分析。結(jié)果顯示，KMO統(tǒng)計(jì)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(yàn)顯示的顯著性水平幾乎為0.000，表明其拒絕相關(guān)系數(shù)矩陣為單位矩陣的原假設(shè)，選取的數(shù)據(jù)間存在著相關(guān)性，故可以進(jìn)行因子分析。

2.提取因子。用SPSS軟件對(duì)原有的13組變量指標(biāo)進(jìn)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(duì)全部變量的解釋程度大小，根據(jù)因子提取結(jié)果可知，當(dāng)提取特征值大于0.77的成分時(shí)，四個(gè)因子的累計(jì)貢獻(xiàn)率達(dá)到了84.74%，基本上能夠涵蓋所選數(shù)據(jù)的統(tǒng)計(jì)信息，所以本次因子提取過(guò)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(zhuǎn)對(duì)因子進(jìn)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(zhuǎn)矩陣可知，第一個(gè)因子與住宅投資額、儲(chǔ)蓄存款、醫(yī)療衛(wèi)生機(jī)構(gòu)數(shù)、專業(yè)衛(wèi)生技術(shù)人員數(shù)和床位數(shù)關(guān)系緊密，這些因素說(shuō)明一個(gè)城市的養(yǎng)老基礎(chǔ)設(shè)施投資狀況以及可能提供的養(yǎng)老服務(wù)床位；第二個(gè)因子與人均GDP、人均可支配收入和人均消費(fèi)支出關(guān)系緊密，這些可解釋為一個(gè)城市的經(jīng)濟(jì)發(fā)展?fàn)顩r；第三個(gè)因子與65歲以上人口比例和老齡撫養(yǎng)比關(guān)系緊密，反映了一個(gè)地區(qū)的老齡化程度；而第四個(gè)因子則與住宅銷售價(jià)格指數(shù)和文盲率有很大關(guān)系，這表明一個(gè)城市的教育程度和房?jī)r(jià)水平也對(duì)以房養(yǎng)老的開展有很大的影響。

4.計(jì)算因子得分。采用回歸方法估計(jì)因子得分系數(shù)，根據(jù)得分系數(shù)矩陣得到四個(gè)主成分表達(dá)式，將其與標(biāo)準(zhǔn)化數(shù)據(jù)相乘后，可得到各城市在四個(gè)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(xiàn)率為權(quán)重，由以上4個(gè)因子線性組合得到綜合評(píng)價(jià)指標(biāo)函數(shù)如下：

根據(jù)綜合得分模型，可以計(jì)算出各城市的綜合得分值并按照降序進(jìn)行排列，得到最終的主成分評(píng)估值表（見下頁(yè)表1）。

由下頁(yè)表1可知，40個(gè)城市中有19個(gè)綜合得分都大于0，表明在僅考慮選入的13個(gè)變量為參考指標(biāo)時(shí)，其基本具備開展以房養(yǎng)老的條件。北京、上海、廣州、重慶和成都五個(gè)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(dá)1.576和1.340，這表明要在中國(guó)開展以房養(yǎng)老，應(yīng)先在一些大城市進(jìn)行試點(diǎn)，目前還不能在全國(guó)進(jìn)行推廣。

（二）聚類分析

用SPSS軟件對(duì)其進(jìn)行分層聚類，可將40個(gè)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(yáng)州等；第五類為昆明、西安等。

基于此，給開展以房養(yǎng)老可能的推廣步驟：（1）先在北京、上海兩地開展，這兩個(gè)城市經(jīng)濟(jì)較發(fā)達(dá)，而且人們接受的教育相對(duì)較高，觀念容易轉(zhuǎn)變；（2）向杭州、武漢、南京等城市推廣，這些城市有較強(qiáng)的產(chǎn)品需求，且人均儲(chǔ)蓄和醫(yī)療衛(wèi)生建設(shè)也相對(duì)完善；（3）向廣州、重慶、深圳等地輻射，這些地區(qū)經(jīng)濟(jì)條件較好，且老齡化問(wèn)題凸顯，有實(shí)行的必要性和可行性；（4）向成都、濟(jì)南、廈門等地普及，這些地區(qū)有一定的經(jīng)濟(jì)實(shí)力，但基礎(chǔ)設(shè)施建設(shè)尚不完善，應(yīng)在以上步驟開展有結(jié)果后再根據(jù)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(jīng)濟(jì)和觀念較落后的城市，實(shí)現(xiàn)以房養(yǎng)老在中國(guó)主要城市較為全面的覆蓋。

結(jié)論及相關(guān)建議

本文選擇經(jīng)濟(jì)發(fā)展和人口組成兩大類指標(biāo)，運(yùn)用因子分析法得出開展以房養(yǎng)老的主要影響因素，并選擇經(jīng)濟(jì)較好的城市作為分析對(duì)象，得到如下四點(diǎn)結(jié)論：（1）中國(guó)的老齡化問(wèn)題日趨嚴(yán)重，以房養(yǎng)老業(yè)務(wù)有很強(qiáng)的市場(chǎng)需求；（2）中國(guó)不同地區(qū)經(jīng)濟(jì)發(fā)展嚴(yán)重失衡，以房養(yǎng)老在需求上存在很大的地區(qū)差異；（3）養(yǎng)老基礎(chǔ)設(shè)施對(duì)能否開展以房養(yǎng)老有重要影響；（4）受教育程度影響以房養(yǎng)老的開展，傳統(tǒng)觀念需要改變。

基于以上結(jié)論，我們給出如下四點(diǎn)建議：第一，政府介入作擔(dān)保。以房養(yǎng)老目前在中國(guó)還沒有形成一定的市場(chǎng)，必須由政府進(jìn)行全面統(tǒng)籌，從試點(diǎn)城市到制度安排，從鼓勵(lì)參與到產(chǎn)品定價(jià)，這些都需政府介入進(jìn)行規(guī)范。第二，完善金融和養(yǎng)老等基礎(chǔ)設(shè)施。以房養(yǎng)老的開展需要健全的金融機(jī)構(gòu)，也需要良好的養(yǎng)老基礎(chǔ)設(shè)施，這些機(jī)構(gòu)的完善能夠保證其健康有序的開展。第三，改變傳統(tǒng)觀念勢(shì)在必行。由于各地的受教育程度不同，對(duì)以房養(yǎng)老的接受程度也會(huì)不同。因此宣傳以房養(yǎng)老，讓老人從觀念上認(rèn)可這一有益的養(yǎng)老補(bǔ)充方式，對(duì)中國(guó)養(yǎng)老事業(yè)將大有裨益。第四，以房養(yǎng)老的開展要漸進(jìn)推廣。由于經(jīng)濟(jì)發(fā)展程度和社會(huì)人口結(jié)構(gòu)等因素的不同，中國(guó)以房養(yǎng)老業(yè)務(wù)的開展必須按照客觀條件，對(duì)需求潛力不同的地區(qū)進(jìn)行不同階段的試點(diǎn)，然后逐步過(guò)渡到更大范圍，以期為中國(guó)養(yǎng)老事業(yè)作出有效補(bǔ)充。

參考文獻(xiàn)：

[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(guó)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(qū)域經(jīng)濟(jì)發(fā)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(guó)壽險(xiǎn)需求的因素分析——基于省級(jí)面板數(shù)據(jù)的經(jīng)驗(yàn)分析[J].稅務(wù)與經(jīng)濟(jì)，2014，（1）：48-56.

[6] 朱勁松.中國(guó)開展“以房養(yǎng)老”影響因素的實(shí)證分析[J].東北財(cái)經(jīng)大學(xué)學(xué)報(bào)，2011，（2）：78-82.

[責(zé)任編輯 吳明宇]endprint

3.數(shù)據(jù)來(lái)源：本文選取40個(gè)樣本城市，包括直轄市、省會(huì)城市和重點(diǎn)城市等經(jīng)濟(jì)較發(fā)達(dá)的地區(qū)，它們分別為：上海、北京、天津、重慶、廣州、武漢、杭州、南京、長(zhǎng)沙、濟(jì)南、西安、合肥、哈爾濱、貴陽(yáng)、南昌、蘭州、沈陽(yáng)、鄭州、石家莊、南寧、太原、銀川、?？?、長(zhǎng)春、福州、烏魯木齊、西寧、呼和浩特、昆明、成都、包頭、深圳、蘇州、無(wú)錫、青島、大連、寧波、廈門、珠海、揚(yáng)州、并選用人均GDP、住房擁有率、住宅銷售價(jià)格指數(shù)、住宅投資額、儲(chǔ)蓄存款、醫(yī)療衛(wèi)生機(jī)構(gòu)數(shù)、專業(yè)衛(wèi)生技術(shù)人員數(shù)、人均可支配收入、人均消費(fèi)支出、平均每戶人口、65歲及以上人口比例、老齡撫養(yǎng)比、文盲率共13個(gè)指標(biāo)。

按照指標(biāo)的分類，以上經(jīng)濟(jì)發(fā)展類指標(biāo)數(shù)據(jù)來(lái)源于各城市統(tǒng)計(jì)局公布的2013年度統(tǒng)計(jì)公報(bào)，而人口組成方面的數(shù)據(jù)來(lái)源于第六次人口普查。

三、實(shí)證分析

（一）主成分分析

1.因子分析前提條件檢驗(yàn)。利用巴特利特球度檢驗(yàn)，并且計(jì)算變量間的KMO統(tǒng)計(jì)量判別其是否適合進(jìn)行因子分析。結(jié)果顯示，KMO統(tǒng)計(jì)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(yàn)顯示的顯著性水平幾乎為0.000，表明其拒絕相關(guān)系數(shù)矩陣為單位矩陣的原假設(shè)，選取的數(shù)據(jù)間存在著相關(guān)性，故可以進(jìn)行因子分析。

2.提取因子。用SPSS軟件對(duì)原有的13組變量指標(biāo)進(jìn)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(duì)全部變量的解釋程度大小，根據(jù)因子提取結(jié)果可知，當(dāng)提取特征值大于0.77的成分時(shí)，四個(gè)因子的累計(jì)貢獻(xiàn)率達(dá)到了84.74%，基本上能夠涵蓋所選數(shù)據(jù)的統(tǒng)計(jì)信息，所以本次因子提取過(guò)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(zhuǎn)對(duì)因子進(jìn)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(zhuǎn)矩陣可知，第一個(gè)因子與住宅投資額、儲(chǔ)蓄存款、醫(yī)療衛(wèi)生機(jī)構(gòu)數(shù)、專業(yè)衛(wèi)生技術(shù)人員數(shù)和床位數(shù)關(guān)系緊密，這些因素說(shuō)明一個(gè)城市的養(yǎng)老基礎(chǔ)設(shè)施投資狀況以及可能提供的養(yǎng)老服務(wù)床位；第二個(gè)因子與人均GDP、人均可支配收入和人均消費(fèi)支出關(guān)系緊密，這些可解釋為一個(gè)城市的經(jīng)濟(jì)發(fā)展?fàn)顩r；第三個(gè)因子與65歲以上人口比例和老齡撫養(yǎng)比關(guān)系緊密，反映了一個(gè)地區(qū)的老齡化程度；而第四個(gè)因子則與住宅銷售價(jià)格指數(shù)和文盲率有很大關(guān)系，這表明一個(gè)城市的教育程度和房?jī)r(jià)水平也對(duì)以房養(yǎng)老的開展有很大的影響。

4.計(jì)算因子得分。采用回歸方法估計(jì)因子得分系數(shù)，根據(jù)得分系數(shù)矩陣得到四個(gè)主成分表達(dá)式，將其與標(biāo)準(zhǔn)化數(shù)據(jù)相乘后，可得到各城市在四個(gè)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(xiàn)率為權(quán)重，由以上4個(gè)因子線性組合得到綜合評(píng)價(jià)指標(biāo)函數(shù)如下：

根據(jù)綜合得分模型，可以計(jì)算出各城市的綜合得分值并按照降序進(jìn)行排列，得到最終的主成分評(píng)估值表（見下頁(yè)表1）。

由下頁(yè)表1可知，40個(gè)城市中有19個(gè)綜合得分都大于0，表明在僅考慮選入的13個(gè)變量為參考指標(biāo)時(shí)，其基本具備開展以房養(yǎng)老的條件。北京、上海、廣州、重慶和成都五個(gè)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(dá)1.576和1.340，這表明要在中國(guó)開展以房養(yǎng)老，應(yīng)先在一些大城市進(jìn)行試點(diǎn)，目前還不能在全國(guó)進(jìn)行推廣。

（二）聚類分析

用SPSS軟件對(duì)其進(jìn)行分層聚類，可將40個(gè)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(yáng)州等；第五類為昆明、西安等。

基于此，給開展以房養(yǎng)老可能的推廣步驟：（1）先在北京、上海兩地開展，這兩個(gè)城市經(jīng)濟(jì)較發(fā)達(dá)，而且人們接受的教育相對(duì)較高，觀念容易轉(zhuǎn)變；（2）向杭州、武漢、南京等城市推廣，這些城市有較強(qiáng)的產(chǎn)品需求，且人均儲(chǔ)蓄和醫(yī)療衛(wèi)生建設(shè)也相對(duì)完善；（3）向廣州、重慶、深圳等地輻射，這些地區(qū)經(jīng)濟(jì)條件較好，且老齡化問(wèn)題凸顯，有實(shí)行的必要性和可行性；（4）向成都、濟(jì)南、廈門等地普及，這些地區(qū)有一定的經(jīng)濟(jì)實(shí)力，但基礎(chǔ)設(shè)施建設(shè)尚不完善，應(yīng)在以上步驟開展有結(jié)果后再根據(jù)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(jīng)濟(jì)和觀念較落后的城市，實(shí)現(xiàn)以房養(yǎng)老在中國(guó)主要城市較為全面的覆蓋。

結(jié)論及相關(guān)建議

本文選擇經(jīng)濟(jì)發(fā)展和人口組成兩大類指標(biāo)，運(yùn)用因子分析法得出開展以房養(yǎng)老的主要影響因素，并選擇經(jīng)濟(jì)較好的城市作為分析對(duì)象，得到如下四點(diǎn)結(jié)論：（1）中國(guó)的老齡化問(wèn)題日趨嚴(yán)重，以房養(yǎng)老業(yè)務(wù)有很強(qiáng)的市場(chǎng)需求；（2）中國(guó)不同地區(qū)經(jīng)濟(jì)發(fā)展嚴(yán)重失衡，以房養(yǎng)老在需求上存在很大的地區(qū)差異；（3）養(yǎng)老基礎(chǔ)設(shè)施對(duì)能否開展以房養(yǎng)老有重要影響；（4）受教育程度影響以房養(yǎng)老的開展，傳統(tǒng)觀念需要改變。

基于以上結(jié)論，我們給出如下四點(diǎn)建議：第一，政府介入作擔(dān)保。以房養(yǎng)老目前在中國(guó)還沒有形成一定的市場(chǎng)，必須由政府進(jìn)行全面統(tǒng)籌，從試點(diǎn)城市到制度安排，從鼓勵(lì)參與到產(chǎn)品定價(jià)，這些都需政府介入進(jìn)行規(guī)范。第二，完善金融和養(yǎng)老等基礎(chǔ)設(shè)施。以房養(yǎng)老的開展需要健全的金融機(jī)構(gòu)，也需要良好的養(yǎng)老基礎(chǔ)設(shè)施，這些機(jī)構(gòu)的完善能夠保證其健康有序的開展。第三，改變傳統(tǒng)觀念勢(shì)在必行。由于各地的受教育程度不同，對(duì)以房養(yǎng)老的接受程度也會(huì)不同。因此宣傳以房養(yǎng)老，讓老人從觀念上認(rèn)可這一有益的養(yǎng)老補(bǔ)充方式，對(duì)中國(guó)養(yǎng)老事業(yè)將大有裨益。第四，以房養(yǎng)老的開展要漸進(jìn)推廣。由于經(jīng)濟(jì)發(fā)展程度和社會(huì)人口結(jié)構(gòu)等因素的不同，中國(guó)以房養(yǎng)老業(yè)務(wù)的開展必須按照客觀條件，對(duì)需求潛力不同的地區(qū)進(jìn)行不同階段的試點(diǎn)，然后逐步過(guò)渡到更大范圍，以期為中國(guó)養(yǎng)老事業(yè)作出有效補(bǔ)充。

參考文獻(xiàn)：

[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(guó)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(qū)域經(jīng)濟(jì)發(fā)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(guó)壽險(xiǎn)需求的因素分析——基于省級(jí)面板數(shù)據(jù)的經(jīng)驗(yàn)分析[J].稅務(wù)與經(jīng)濟(jì)，2014，（1）：48-56.

[6] 朱勁松.中國(guó)開展“以房養(yǎng)老”影響因素的實(shí)證分析[J].東北財(cái)經(jīng)大學(xué)學(xué)報(bào)，2011，（2）：78-82.

[責(zé)任編輯 吳明宇]endprint

3.數(shù)據(jù)來(lái)源：本文選取40個(gè)樣本城市，包括直轄市、省會(huì)城市和重點(diǎn)城市等經(jīng)濟(jì)較發(fā)達(dá)的地區(qū)，它們分別為：上海、北京、天津、重慶、廣州、武漢、杭州、南京、長(zhǎng)沙、濟(jì)南、西安、合肥、哈爾濱、貴陽(yáng)、南昌、蘭州、沈陽(yáng)、鄭州、石家莊、南寧、太原、銀川、?？?、長(zhǎng)春、福州、烏魯木齊、西寧、呼和浩特、昆明、成都、包頭、深圳、蘇州、無(wú)錫、青島、大連、寧波、廈門、珠海、揚(yáng)州、并選用人均GDP、住房擁有率、住宅銷售價(jià)格指數(shù)、住宅投資額、儲(chǔ)蓄存款、醫(yī)療衛(wèi)生機(jī)構(gòu)數(shù)、專業(yè)衛(wèi)生技術(shù)人員數(shù)、人均可支配收入、人均消費(fèi)支出、平均每戶人口、65歲及以上人口比例、老齡撫養(yǎng)比、文盲率共13個(gè)指標(biāo)。

按照指標(biāo)的分類，以上經(jīng)濟(jì)發(fā)展類指標(biāo)數(shù)據(jù)來(lái)源于各城市統(tǒng)計(jì)局公布的2013年度統(tǒng)計(jì)公報(bào)，而人口組成方面的數(shù)據(jù)來(lái)源于第六次人口普查。

三、實(shí)證分析

（一）主成分分析

1.因子分析前提條件檢驗(yàn)。利用巴特利特球度檢驗(yàn)，并且計(jì)算變量間的KMO統(tǒng)計(jì)量判別其是否適合進(jìn)行因子分析。結(jié)果顯示，KMO統(tǒng)計(jì)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(yàn)顯示的顯著性水平幾乎為0.000，表明其拒絕相關(guān)系數(shù)矩陣為單位矩陣的原假設(shè)，選取的數(shù)據(jù)間存在著相關(guān)性，故可以進(jìn)行因子分析。

2.提取因子。用SPSS軟件對(duì)原有的13組變量指標(biāo)進(jìn)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(duì)全部變量的解釋程度大小，根據(jù)因子提取結(jié)果可知，當(dāng)提取特征值大于0.77的成分時(shí)，四個(gè)因子的累計(jì)貢獻(xiàn)率達(dá)到了84.74%，基本上能夠涵蓋所選數(shù)據(jù)的統(tǒng)計(jì)信息，所以本次因子提取過(guò)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(zhuǎn)對(duì)因子進(jìn)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(zhuǎn)矩陣可知，第一個(gè)因子與住宅投資額、儲(chǔ)蓄存款、醫(yī)療衛(wèi)生機(jī)構(gòu)數(shù)、專業(yè)衛(wèi)生技術(shù)人員數(shù)和床位數(shù)關(guān)系緊密，這些因素說(shuō)明一個(gè)城市的養(yǎng)老基礎(chǔ)設(shè)施投資狀況以及可能提供的養(yǎng)老服務(wù)床位；第二個(gè)因子與人均GDP、人均可支配收入和人均消費(fèi)支出關(guān)系緊密，這些可解釋為一個(gè)城市的經(jīng)濟(jì)發(fā)展?fàn)顩r；第三個(gè)因子與65歲以上人口比例和老齡撫養(yǎng)比關(guān)系緊密，反映了一個(gè)地區(qū)的老齡化程度；而第四個(gè)因子則與住宅銷售價(jià)格指數(shù)和文盲率有很大關(guān)系，這表明一個(gè)城市的教育程度和房?jī)r(jià)水平也對(duì)以房養(yǎng)老的開展有很大的影響。

4.計(jì)算因子得分。采用回歸方法估計(jì)因子得分系數(shù)，根據(jù)得分系數(shù)矩陣得到四個(gè)主成分表達(dá)式，將其與標(biāo)準(zhǔn)化數(shù)據(jù)相乘后，可得到各城市在四個(gè)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(xiàn)率為權(quán)重，由以上4個(gè)因子線性組合得到綜合評(píng)價(jià)指標(biāo)函數(shù)如下：

根據(jù)綜合得分模型，可以計(jì)算出各城市的綜合得分值并按照降序進(jìn)行排列，得到最終的主成分評(píng)估值表（見下頁(yè)表1）。

由下頁(yè)表1可知，40個(gè)城市中有19個(gè)綜合得分都大于0，表明在僅考慮選入的13個(gè)變量為參考指標(biāo)時(shí)，其基本具備開展以房養(yǎng)老的條件。北京、上海、廣州、重慶和成都五個(gè)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(dá)1.576和1.340，這表明要在中國(guó)開展以房養(yǎng)老，應(yīng)先在一些大城市進(jìn)行試點(diǎn)，目前還不能在全國(guó)進(jìn)行推廣。

（二）聚類分析

用SPSS軟件對(duì)其進(jìn)行分層聚類，可將40個(gè)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(yáng)州等；第五類為昆明、西安等。

基于此，給開展以房養(yǎng)老可能的推廣步驟：（1）先在北京、上海兩地開展，這兩個(gè)城市經(jīng)濟(jì)較發(fā)達(dá)，而且人們接受的教育相對(duì)較高，觀念容易轉(zhuǎn)變；（2）向杭州、武漢、南京等城市推廣，這些城市有較強(qiáng)的產(chǎn)品需求，且人均儲(chǔ)蓄和醫(yī)療衛(wèi)生建設(shè)也相對(duì)完善；（3）向廣州、重慶、深圳等地輻射，這些地區(qū)經(jīng)濟(jì)條件較好，且老齡化問(wèn)題凸顯，有實(shí)行的必要性和可行性；（4）向成都、濟(jì)南、廈門等地普及，這些地區(qū)有一定的經(jīng)濟(jì)實(shí)力，但基礎(chǔ)設(shè)施建設(shè)尚不完善，應(yīng)在以上步驟開展有結(jié)果后再根據(jù)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(jīng)濟(jì)和觀念較落后的城市，實(shí)現(xiàn)以房養(yǎng)老在中國(guó)主要城市較為全面的覆蓋。

結(jié)論及相關(guān)建議

本文選擇經(jīng)濟(jì)發(fā)展和人口組成兩大類指標(biāo)，運(yùn)用因子分析法得出開展以房養(yǎng)老的主要影響因素，并選擇經(jīng)濟(jì)較好的城市作為分析對(duì)象，得到如下四點(diǎn)結(jié)論：（1）中國(guó)的老齡化問(wèn)題日趨嚴(yán)重，以房養(yǎng)老業(yè)務(wù)有很強(qiáng)的市場(chǎng)需求；（2）中國(guó)不同地區(qū)經(jīng)濟(jì)發(fā)展嚴(yán)重失衡，以房養(yǎng)老在需求上存在很大的地區(qū)差異；（3）養(yǎng)老基礎(chǔ)設(shè)施對(duì)能否開展以房養(yǎng)老有重要影響；（4）受教育程度影響以房養(yǎng)老的開展，傳統(tǒng)觀念需要改變。

基于以上結(jié)論，我們給出如下四點(diǎn)建議：第一，政府介入作擔(dān)保。以房養(yǎng)老目前在中國(guó)還沒有形成一定的市場(chǎng)，必須由政府進(jìn)行全面統(tǒng)籌，從試點(diǎn)城市到制度安排，從鼓勵(lì)參與到產(chǎn)品定價(jià)，這些都需政府介入進(jìn)行規(guī)范。第二，完善金融和養(yǎng)老等基礎(chǔ)設(shè)施。以房養(yǎng)老的開展需要健全的金融機(jī)構(gòu)，也需要良好的養(yǎng)老基礎(chǔ)設(shè)施，這些機(jī)構(gòu)的完善能夠保證其健康有序的開展。第三，改變傳統(tǒng)觀念勢(shì)在必行。由于各地的受教育程度不同，對(duì)以房養(yǎng)老的接受程度也會(huì)不同。因此宣傳以房養(yǎng)老，讓老人從觀念上認(rèn)可這一有益的養(yǎng)老補(bǔ)充方式，對(duì)中國(guó)養(yǎng)老事業(yè)將大有裨益。第四，以房養(yǎng)老的開展要漸進(jìn)推廣。由于經(jīng)濟(jì)發(fā)展程度和社會(huì)人口結(jié)構(gòu)等因素的不同，中國(guó)以房養(yǎng)老業(yè)務(wù)的開展必須按照客觀條件，對(duì)需求潛力不同的地區(qū)進(jìn)行不同階段的試點(diǎn)，然后逐步過(guò)渡到更大范圍，以期為中國(guó)養(yǎng)老事業(yè)作出有效補(bǔ)充。

參考文獻(xiàn)：

[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(guó)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(qū)域經(jīng)濟(jì)發(fā)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(guó)壽險(xiǎn)需求的因素分析——基于省級(jí)面板數(shù)據(jù)的經(jīng)驗(yàn)分析[J].稅務(wù)與經(jīng)濟(jì)，2014，（1）：48-56.

[6] 朱勁松.中國(guó)開展“以房養(yǎng)老”影響因素的實(shí)證分析[J].東北財(cái)經(jīng)大學(xué)學(xué)報(bào)，2011，（2）：78-82.

[責(zé)任編輯 吳明宇]endprint