保障房社區(qū)居家養(yǎng)老服務(wù)中心滿意度模型研究

雒香云 袁競峰 谷甜甜

摘要：隨著老齡化社會(huì)的到來，我國的養(yǎng)老形勢十分嚴(yán)峻，而保障房社區(qū)養(yǎng)老問題更加凸顯。保障房社區(qū)居家養(yǎng)老服務(wù)中心是保障房社區(qū)老人養(yǎng)老服務(wù)的重要組成部分，目前關(guān)于保障房社區(qū)居家養(yǎng)老服務(wù)中心滿意度研究較少。在建立保障房社區(qū)居家養(yǎng)老服務(wù)中心滿意度評價(jià)指標(biāo)的基礎(chǔ)上，采用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建滿意度模型。經(jīng)檢驗(yàn)，模型擬合效果良好，能較好地描述相關(guān)指標(biāo)與使用滿意度的關(guān)系。

關(guān)鍵詞：社區(qū)居家養(yǎng)老服務(wù)中心;滿意度;BP神經(jīng)網(wǎng)絡(luò)

中圖分類號：C939 文獻(xiàn)標(biāo)識(shí)碼：B

文章編號：1001-9138-（2019）10-0056-63 收稿日期：2019-08-30

1引言

2019年兩會(huì)政府工作報(bào)告指出：加大保障性安居工程建設(shè)力度，加強(qiáng)配套設(shè)施建設(shè)，大力發(fā)展老齡事業(yè)?？梢?，保障房建設(shè)、養(yǎng)老保障是我國未來政策的重要著力點(diǎn)。住房與養(yǎng)老是壓在國民身上的兩座“大山”，而保障房社區(qū)養(yǎng)老問題是這兩項(xiàng)社會(huì)問題的“疊加”，產(chǎn)生影響“共振”，進(jìn)而影響社會(huì)的穩(wěn)定。

我國社區(qū)居家養(yǎng)老服務(wù)體系的建設(shè)仍在起步階段，無法適應(yīng)當(dāng)前老齡化程度的快速加劇，新的養(yǎng)老需求不斷出現(xiàn)。主要表現(xiàn)在：社區(qū)養(yǎng)老服務(wù)和養(yǎng)老機(jī)構(gòu)配置數(shù)量不足，提供的服務(wù)項(xiàng)目較少，無法滿足社區(qū)老年人不斷變化的養(yǎng)老需求;設(shè)施使用率低、功能單一、收費(fèi)較高、服務(wù)質(zhì)量不高;布局不合理，區(qū)域發(fā)展不平衡等。

保障房住區(qū)一般位于城鄉(xiāng)結(jié)合部，存在設(shè)施配套不完善、資源可接近性差等特點(diǎn)，而保障房住區(qū)的老年人口比例較高（根據(jù)調(diào)研顯示，南京市上坊保障房片區(qū)老年人比例達(dá)30%，高于江蘇省平均水平20.57%），其中又有相當(dāng)一部分是低收入老年群體，住房保障和養(yǎng)老保障在此處疊加，需要重點(diǎn)關(guān)注和解決。另一方面，由于保障房住區(qū)遠(yuǎn)離市中心，超出市級、市轄區(qū)級公共服務(wù)設(shè)施的覆蓋范圍，因此社區(qū)居民很大程度上依靠社區(qū)本身的公建配套。對社區(qū)老年居民來說，養(yǎng)老設(shè)施是否有效供應(yīng)、分配及使用，直接影響其在社區(qū)獲得養(yǎng)老服務(wù)的便利性，進(jìn)而影響其居住滿意度及晚年生活質(zhì)量。而居家養(yǎng)老服務(wù)中心是保障房養(yǎng)老設(shè)施的重要組成部分，在保障房社區(qū)老人的養(yǎng)老服務(wù)中扮演重要的角色。

2BP神經(jīng)網(wǎng)絡(luò)應(yīng)用

BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)是1986年由Rumelhart和McCelland為首的科學(xué)家小組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，也是應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP神經(jīng)網(wǎng)絡(luò)最廣泛的應(yīng)用是在經(jīng)濟(jì)預(yù)測、風(fēng)險(xiǎn)分析等方面。吳微（2001）等人將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于股票指數(shù)的預(yù)測，效果良好。孫偉、李柏年（2009）采用三層BP網(wǎng)絡(luò)，用安徽省1989年至2007年的GDP數(shù)據(jù)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)以預(yù)測2008年的GDP。周潮（2010）利用對1978年至2009年的中國居民消費(fèi)價(jià)格指數(shù)（CPI）建立了基于BP神經(jīng)網(wǎng)絡(luò)的中國CPI預(yù)測的數(shù)學(xué)模型。該模型的預(yù)測值與歷史值的系統(tǒng)總誤差只有0.035%。楊淑娥（2005）、楊兆升（1999）、朱祖平（2003）等一大批學(xué)者在宏觀經(jīng)濟(jì)、微觀經(jīng)濟(jì)、社會(huì)學(xué)、管理學(xué)、工程學(xué)等方面應(yīng)用BP神經(jīng)網(wǎng)絡(luò)取得較好的效果。

BP神經(jīng)網(wǎng)絡(luò)的廣泛應(yīng)用得益于其具有非線性映射、自學(xué)習(xí)和自適應(yīng)、泛化、容錯(cuò)能力。BP神經(jīng)網(wǎng)絡(luò)能夠以任意精度逼近任何非線性連續(xù)函數(shù)，這使得其適合于求解內(nèi)部機(jī)制復(fù)雜的問題，能夠通過學(xué)習(xí)自動(dòng)提取輸人、輸出數(shù)據(jù)間的“合理規(guī)則”，并自適應(yīng)地將學(xué)習(xí)內(nèi)容記憶于網(wǎng)絡(luò)的權(quán)值中。同時(shí)，BP神經(jīng)網(wǎng)絡(luò)具有將學(xué)習(xí)成果應(yīng)用于新知識(shí)的能力。另外，BP神經(jīng)網(wǎng)絡(luò)在局部神經(jīng)元受到破壞后對全局的訓(xùn)練結(jié)果不會(huì)造成很大的影響，也就是說即使系統(tǒng)在受到局部損傷時(shí)還是可以正常工作的。因此，BP神經(jīng)網(wǎng)絡(luò)能夠滿足本文中保障房社區(qū)居家養(yǎng)老服務(wù)中心滿意度模型構(gòu)建的要求。

3保障房社區(qū)居家養(yǎng)老服務(wù)中心滿意度指標(biāo)構(gòu)建

國內(nèi)外學(xué)者將BP神經(jīng)網(wǎng)絡(luò)運(yùn)用于滿意度模型的構(gòu)建，研究對象主要有消費(fèi)者、企業(yè)員工、公共設(shè)施服務(wù)使用者三類。

第一類研究對象是消費(fèi)者顧客。鄭校飛（2012）綜合粗集和BP神經(jīng)網(wǎng)絡(luò)分析了木地板企業(yè)顧客滿意度，對普遍影響木地板企業(yè)顧客滿意的要素進(jìn)行了分析。薛紅（2008）對北京某大型超市的顧客滿意度進(jìn)行了調(diào)研，在對調(diào)查問卷分析處理的基礎(chǔ)上，建立了基于BP神經(jīng)網(wǎng)絡(luò)的超市顧客滿意度評價(jià)模型，并對該超市的顧客滿意度進(jìn)行了深入分析。溫阿莉（2009）同樣將BP神經(jīng)網(wǎng)絡(luò)用于顧客滿意度的綜合評價(jià)，認(rèn)為BP神經(jīng)網(wǎng)絡(luò)既可擺脫人為因素及模糊隨機(jī)性的影響，又能保證評價(jià)的準(zhǔn)確性。毛志勇（2008）、楊玉香（2006）、趙躍平（2011）等人對B2C網(wǎng)絡(luò)購物、物流企業(yè)客戶等消費(fèi)者構(gòu)建了滿意度模型。

第二類研究對象是企業(yè)員工。李楊（2012）將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于企業(yè)員工滿意度評價(jià)，全面高效評價(jià)員工滿意度水平，了解該組織員工在同行業(yè)員工中滿意度的具體情況，提供了一種客觀、科學(xué)的衡量標(biāo)準(zhǔn)。鄭澤惠（2009）利用新進(jìn)職工的歷史數(shù)據(jù)，建立了離職風(fēng)險(xiǎn)的BP神經(jīng)網(wǎng)絡(luò)模型，系統(tǒng)地考慮了管理、心理、薪資等多方面因素。員工滿意度評價(jià)的對象大部分是某企業(yè)員工，故研究對象的范圍較為明確和具體，建模結(jié)果較好。

另外一些研究對象是公共設(shè)施服務(wù)使用人群。孫倩（2012）定量評價(jià)的城市道路交通滿意度三級指標(biāo)評價(jià)體系。通過開展實(shí)際調(diào)查，獲得城市道路利用者對城市道路滿意度指標(biāo)體系中各指標(biāo)重要度的評價(jià)數(shù)據(jù)。依據(jù)顧客滿意度等相關(guān)管理學(xué)理論，建立了城市道路交通滿意度評價(jià)模型。鞠建偉（2004）在研究用戶滿意度指標(biāo)體系的基礎(chǔ)上，建立適合定性、定量評估高校圖書館讀者滿意程度的BP神經(jīng)網(wǎng)絡(luò)模型。段文娟（2008）同樣以高校圖書館為對象構(gòu)建了讀者滿意度模型。本文在梳理上述文獻(xiàn)的基礎(chǔ)上，構(gòu)建了保障房社區(qū)居家養(yǎng)老服務(wù)中心滿意度指標(biāo)，見表1。

4數(shù)據(jù)搜集

本文通過對南京市保障房住區(qū)137位老年的問卷調(diào)查搜集數(shù)據(jù)。按照表1調(diào)查搜集各指標(biāo)及社區(qū)居家養(yǎng)老服務(wù)中心使用滿意度的數(shù)據(jù)。問卷采用5級李克特量表的形式，滿意程度：1=非常不滿意，2=比較不滿意，3=一般，4=滿意，5=非常滿意。

5BP神經(jīng)網(wǎng)絡(luò)建模

通過對BP神經(jīng)網(wǎng)絡(luò)模型參數(shù)設(shè)置來構(gòu)建模型，主要包括樣本劃分、節(jié)點(diǎn)數(shù)量、函數(shù)設(shè)置、訓(xùn)練算法等。

5.1樣本劃分

選取樣本137個(gè)，訓(xùn)練集（Train set）占70%，驗(yàn)證集（Validation set）占15%，測試集（Test set）占15%。

5.2輸人層節(jié)點(diǎn)數(shù)

在前期的運(yùn)算中，第7項(xiàng)和第1l項(xiàng)指標(biāo)效度不滿足要求，故舍去。剩余的指標(biāo)共23項(xiàng)，所以輸入層節(jié)點(diǎn)數(shù)設(shè)置為23。

5.3隱層節(jié)點(diǎn)數(shù)

在幾乎所有的BP網(wǎng)絡(luò)建模的過程中，隱含層節(jié)點(diǎn)數(shù)的確定都可以說是比較難解決的一個(gè)環(huán)節(jié)，它很大程度上影響著整個(gè)網(wǎng)絡(luò)的性能。若數(shù)目太少，則會(huì)導(dǎo)致網(wǎng)絡(luò)獲得用以解決問題的信息不足;若數(shù)目過大，則在增加訓(xùn)練時(shí)間的同時(shí)，還可能導(dǎo)致網(wǎng)絡(luò)容錯(cuò)性能下降等問題。盡管合理的隱含層節(jié)點(diǎn)數(shù)與輸入輸出單元的數(shù)目有著千絲萬縷的聯(lián)系，但到目前為止仍未提出一個(gè)較為理想的表達(dá)式來確定二者的聯(lián)系。所以，隱含層節(jié)點(diǎn)數(shù)的確定工作往往都是在借鑒已有經(jīng)驗(yàn)的基礎(chǔ)上，通過多次的反復(fù)試驗(yàn)來完成的。

5.5輸出層函數(shù)

選取線性函數(shù)，線性函數(shù)導(dǎo)數(shù)為常數(shù)。

5.6其他參數(shù)設(shè)置

BP算法的其他參數(shù)設(shè)置采用Matlab默認(rèn)設(shè)置，最大運(yùn)算次數(shù)為1000 0：;最大運(yùn)算時(shí)間沒有限制;優(yōu)化目標(biāo)誤差為0，在此0只是一個(gè)很小的數(shù)，因?yàn)槌^計(jì)算機(jī)顯示的位數(shù)顯示為0;最小優(yōu)化梯度為le-07;驗(yàn)證集最大無效數(shù)為0;Mu的初始值為0.005;增長率為10，減少率為0.1，Mu最大值為10000000000。

6研究結(jié)果

6.1模型檢驗(yàn)

運(yùn)用Matlab對模型進(jìn)行計(jì)算，結(jié)果顯示：訓(xùn)練樣本的擬合優(yōu)度為0.97834，見圖1;檢驗(yàn)樣本的擬合優(yōu)度為0.95533，見圖2;所有樣本的擬合優(yōu)度為0.97303，見圖3。圖4表示模型能夠很好地描述各指標(biāo)與滿意度之間的關(guān)系。

6.2 BP神經(jīng)網(wǎng)絡(luò)模型

該BP神經(jīng)網(wǎng)絡(luò)的隱層權(quán)值如表2，隱層閾值如表3，輸出層權(quán)值如表4，輸出層神經(jīng)元閾值θ1⁰=0.256182542272510。依據(jù)表5中BP模型輸出值與實(shí)際值誤差比較，將BP模型的輸出值四舍五人取整之后，137各樣本的輸出值與實(shí)際值的誤差為0，表明模型效果良好。

7結(jié)論與不足

本文通過文獻(xiàn)檢索法構(gòu)建了保障房住區(qū)老年人社區(qū)居家養(yǎng)老服務(wù)中心滿意度指標(biāo)，通過南京市保障房住區(qū)老年人社區(qū)居家養(yǎng)老服務(wù)中心滿意度的調(diào)查獲得數(shù)據(jù)。采用三層BP神經(jīng)網(wǎng)絡(luò)，構(gòu)建了滿意度指標(biāo)和滿意度之間的關(guān)系。通過BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練確定模型的權(quán)值與閾值，利用貝葉斯算法避免了過擬合，模型擬合效果良好。保障房住區(qū)老年人對滿意度各項(xiàng)指標(biāo)進(jìn)行打分，運(yùn)用上述構(gòu)建的模型，能夠得到老年人的最終滿意度。本文存在一些不足。首先，BP神經(jīng)網(wǎng)絡(luò)作為黑箱模型，對各項(xiàng)指標(biāo)之間的關(guān)系缺乏考量。其次，所采用數(shù)據(jù)不存在量綱及數(shù)量級差別的問題，故沒有對數(shù)據(jù)進(jìn)行歸一化。最后，輸入神經(jīng)元數(shù)量一般不應(yīng)過多，后續(xù)研究將考慮簡化指標(biāo)體系。模型推廣應(yīng)用仍需對上述模型進(jìn)行優(yōu)化調(diào)整。