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(guó)家統(tǒng)計(jì)局發(fā)布的第七次全國(guó)人口普查數(shù)據(jù)顯示,截至2020年11月1日我國(guó)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(guó)家衛(wèi)生健康委員會(huì)黨組成員、全國(guó)老齡辦常務(wù)副主任王建軍表示,預(yù)計(jì)到2050年前后,我國(guó)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(guó)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(dú)居老人增多的特點(diǎn)。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(shí)也考驗(yàn)養(yǎng)老服務(wù)體系的建設(shè)能力。對(duì)于高齡和獨(dú)居老人而言,他們對(duì)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(huì)快速增加。加快養(yǎng)老服務(wù)高質(zhì)量發(fā)展,是我國(guó)積極實(shí)施應(yīng)對(duì)人口老齡化戰(zhàn)略、推動(dòng)供給側(cè)結(jié)構(gòu)性改革的重要內(nèi)容。黨的二十大報(bào)告中指出:“要健全社會(huì)保障體系。實(shí)施積極應(yīng)對(duì)人口老齡化的國(guó)家戰(zhàn)略,發(fā)展養(yǎng)老事業(yè)和養(yǎng)老產(chǎn)業(yè),推動(dòng)實(shí)現(xiàn)全體老年人享有基本養(yǎng)老服務(wù)?！泵鞔_了新時(shí)代老齡工作的發(fā)展目標(biāo)和重點(diǎn)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(guó)務(wù)院高度重視老齡工作,從2000年我國(guó)步入老齡化社會(huì)開始,國(guó)家陸續(xù)出臺(tái)一系列推動(dòng)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(duì)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(zhǎng)的養(yǎng)老服務(wù)需求,是促進(jìn)社會(huì)和諧、推動(dòng)經(jīng)濟(jì)發(fā)展的一項(xiàng)緊迫任務(wù);2019年印發(fā)的《國(guó)家積極應(yīng)對(duì)人口老齡化中長(zhǎng)期規(guī)劃》,該規(guī)劃指出,人口老齡化是社會(huì)發(fā)展的重要趨勢(shì),是人類文明進(jìn)步的體現(xiàn),也是今后較長(zhǎng)一段時(shí)期我國(guó)的基本國(guó)情。人口老齡化對(duì)經(jīng)濟(jì)運(yùn)行全領(lǐng)域、社會(huì)建設(shè)各環(huán)節(jié)、社會(huì)文化多方面乃至國(guó)家綜合實(shí)力和國(guó)際競(jìng)爭(zhēng)力,都具有深遠(yuǎn)影響,挑戰(zhàn)與機(jī)遇并存。這些政策文件涉及養(yǎng)老服務(wù)市場(chǎng)、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(qiáng)有力的作用。近年來養(yǎng)老服務(wù)政策的出臺(tái)頻率更是大幅度提升,這些政策的施策面向與重點(diǎn)是什么?省際間養(yǎng)老服務(wù)政策的差異又是什么?它對(duì)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(gè)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(yùn)用統(tǒng)計(jì)分析軟件SPSS26.0中的因子和聚類分析方法,分析我國(guó)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(guó)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(duì)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(jì),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(duì)養(yǎng)老服務(wù)政策文本進(jìn)行簡(jiǎn)要評(píng)述,提出政策工具選擇和運(yùn)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(duì)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(jì)量法。在政策樣本數(shù)量足夠大的情況下通過計(jì)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(shì)[9-10]。政策計(jì)量法的具體應(yīng)用有兩種,其一是研究行動(dòng)者關(guān)系的社會(huì)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(jī)構(gòu)之間的合作情況,有助于實(shí)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(píng)價(jià)指標(biāo)模型,張麗等通過構(gòu)建PMC指數(shù)模型和PMC曲面對(duì)政策進(jìn)行評(píng)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(píng)價(jià)政策的優(yōu)劣情況[12]。

因子和聚類分析由于其簡(jiǎn)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(píng)價(jià)分析,聚類分析多見于類別劃分[13],兩者可單獨(dú)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(píng)價(jià)[14]、旅游競(jìng)爭(zhēng)力評(píng)估[15]、經(jīng)濟(jì)效益綜合評(píng)價(jià)[16-17]、地區(qū)財(cái)政支出綜合績(jī)效評(píng)價(jià)等[18]。因子和聚類分析共同使用的文獻(xiàn)出現(xiàn)在對(duì)熱點(diǎn)事件的輿情風(fēng)險(xiǎn)等級(jí)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(diǎn)[19];根據(jù)經(jīng)濟(jì)績(jī)效、旅游競(jìng)爭(zhēng)力評(píng)估的因子分析結(jié)果,對(duì)我國(guó)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(guó)國(guó)家層面的養(yǎng)老服務(wù)政策為研究樣本或?qū)δ硞€(gè)省份的政策進(jìn)行單獨(dú)研究,如:趙潔等篩選2006—2019年我國(guó)的養(yǎng)老服務(wù)業(yè)政策,探究我國(guó)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(qiáng)等以我國(guó)老年健康服務(wù)業(yè)的38篇政策文本作為研究對(duì)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(duì)我國(guó)中央層面出臺(tái)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(guó)第35號(hào)文件《國(guó)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(guó)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(diǎn):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(shì)。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(duì)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(jì)、社會(huì)、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(yùn)用有所缺乏;三是養(yǎng)老服務(wù)政策的研究多以國(guó)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(gè)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(guó)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(diǎn),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(jì)分析軟件spss26.0和政策工具分析模型,運(yùn)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(duì)政策文本進(jìn)行編碼,并按照確定的數(shù)據(jù)變量對(duì)編碼內(nèi)容進(jìn)行分類;再次,運(yùn)用spss26.0對(duì)政策文本進(jìn)行因子分析,根據(jù)相關(guān)性大小對(duì)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(duì)30個(gè)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(jì)分析方法。其基本思想是對(duì)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(gè)公共因子,對(duì)于所研究的問題就能用較少幾個(gè)相互獨(dú)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(jiǎn)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(gè)原有變量xi=(i=1,2,…,p),且每個(gè)變量的均值為0,標(biāo)準(zhǔn)差為1,現(xiàn)將每個(gè)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(gè)省份的政策作為研究樣本。

F現(xiàn)在每個(gè)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(dú)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(gè)原有變量在第j個(gè)因子上的權(quán)值,反映第i個(gè)變量在第j個(gè)主因子上的相對(duì)重要性。

聚類分析是統(tǒng)計(jì)學(xué)中研究“物以類聚”問題的多元統(tǒng)計(jì)分析方法,它能夠?qū)⒁慌^測(cè)(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(yàn)知識(shí)的情況下進(jìn)行自動(dòng)分類,使同一個(gè)類別內(nèi)部的個(gè)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(duì)樣本進(jìn)行聚類,R型聚類是對(duì)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(duì)30個(gè)省份進(jìn)行聚類,由于是對(duì)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(duì)“親疏程度”的測(cè)量重點(diǎn)是個(gè)體間的差異程度,如果個(gè)體之間的距離越小,意味著他們?cè)健坝H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(jì)算個(gè)體間的差異,其數(shù)學(xué)表達(dá)式:

(2)

p代表p個(gè)聚類變量,xi是個(gè)體x的第i個(gè)變量的變量值;yi是個(gè)體y的第i個(gè)變量的變量值。

(二)數(shù)據(jù)來源

本文以2020年30個(gè)省份養(yǎng)老服務(wù)政策的截面數(shù)據(jù)為研究對(duì)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(duì)養(yǎng)老問題僅略微提及的政策不納入研究?jī)?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(diǎn)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(shí)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(jī)構(gòu)運(yùn)營(yíng)補(bǔ)貼工作的通知》《河南省衛(wèi)生健康委員會(huì)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(shí)施意見》等。

(三)數(shù)據(jù)變量的選擇

在選擇數(shù)據(jù)變量時(shí),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(qiáng)制性特征,強(qiáng)調(diào)了政府在推進(jìn)政策項(xiàng)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(yàn)也驗(yàn)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(yíng)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(jì));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(dòng)養(yǎng)老服務(wù)發(fā)展,數(shù)據(jù)變量包括X7(市場(chǎng)運(yùn)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(gè)社會(huì)的養(yǎng)老服務(wù)需求,拉動(dòng)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(bǔ)貼)、X17(社會(huì)參與)、X18(刺激消費(fèi))、X19(互助養(yǎng)老)、X20(海外交流)、X21(政府購(gòu)買)。將30個(gè)省份的132份政策按照“政策編號(hào)-章號(hào)-節(jié)號(hào)-條目號(hào)”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(duì)所有編碼內(nèi)容進(jìn)行歸類。

三、統(tǒng)計(jì)分析

(一)因子分析

1.信度分析

巴特利特球度檢驗(yàn)和KMO統(tǒng)計(jì)量是檢驗(yàn)因子分析適合程度的測(cè)試,KMO的值越接近于1,表明越適合做因子分析。采用SPSS26.0對(duì)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(yàn)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(duì)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(gè)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(gè)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(gè)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(duì)分析結(jié)果進(jìn)行解釋。

3.因子載荷矩陣

為了得到相對(duì)簡(jiǎn)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(gè)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(gè)公共因子且6個(gè)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(gè)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(gòu)買);F2包括X9(醫(yī)養(yǎng)結(jié)合)、X15(老年教育)、X16(老人補(bǔ)貼)、X6(標(biāo)準(zhǔn)設(shè)計(jì));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(chǎng)運(yùn)作)、X18(刺激消費(fèi))、X17(社會(huì)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(duì)主成分因子命名時(shí)綜合考量了政策工具的供給特點(diǎn)。

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(gòu)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(gòu)買)是需求型政策工具。該主成分強(qiáng)調(diào)政府在養(yǎng)老領(lǐng)域的全方位資金投入:運(yùn)用政府購(gòu)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(bǔ)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(bǔ)貼)、X6(標(biāo)準(zhǔn)設(shè)計(jì))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(bǔ)貼)是需求型政策工具,X6(標(biāo)準(zhǔn)設(shè)計(jì))是環(huán)境型政策工具。該主成分強(qiáng)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(bǔ)貼以加大養(yǎng)老服務(wù)需求、對(duì)養(yǎng)老機(jī)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(qiáng)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(chǎng)運(yùn)作)、X18(刺激消費(fèi))、X17(社會(huì)參與)、X12(信息技術(shù))的載荷值較大,其中,X7(市場(chǎng)運(yùn)作)是環(huán)境型政策工具,X18(刺激消費(fèi))與X17(社會(huì)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(qiáng)調(diào)養(yǎng)老服務(wù)業(yè)的市場(chǎng)化運(yùn)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(chǎng)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(gè)變量都是需求型政策工具,強(qiáng)調(diào)通過借鑒國(guó)外先進(jìn)經(jīng)驗(yàn)加強(qiáng)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(qiáng)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(duì)公因子的分析,原來的21個(gè)數(shù)據(jù)變量被降維到6個(gè)公共因子:資金支持、健康服務(wù)、規(guī)制引導(dǎo)、市場(chǎng)供給、學(xué)習(xí)借鑒、安全治理,用這6個(gè)公因子可以清楚、全面地對(duì)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(jì)算出6個(gè)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(duì)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(gè)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(guó)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(duì)養(yǎng)老服務(wù)發(fā)展的資金和資源支持,以逐步擴(kuò)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(bǔ)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(qiáng)市場(chǎng)管制力度,營(yíng)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(guó)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(gè)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(diǎn)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(shì)。湖北、江西、吉林、廣西等綜合得分排名靠后的省份,其六個(gè)主成分的平均得分也相對(duì)較低,由于湖北省前三個(gè)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(shí)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(gè)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(duì)30個(gè)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(gè)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(duì)聚合性的同時(shí)又能兼顧類別的差異性。故綜合考慮將30個(gè)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(gè)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(gè)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(chǎng)供給)得分較高,體現(xiàn)在市場(chǎng)化運(yùn)作、刺激消費(fèi)、社會(huì)參與、信息技術(shù)四個(gè)方面,綜合運(yùn)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(chǎng)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(bǔ)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(dòng)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(yíng)造良好的養(yǎng)老服務(wù)市場(chǎng)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(gè)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(gè)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(jì)積極引導(dǎo)養(yǎng)老服務(wù)業(yè)發(fā)展,實(shí)現(xiàn)養(yǎng)老事業(yè)與產(chǎn)業(yè)的雙輪驅(qū)動(dòng)。第五類包括青海和新疆,這兩個(gè)省份的F5(學(xué)習(xí)借鑒)得分較高,F4(市場(chǎng)供給)得分較低,表明這兩個(gè)省份的養(yǎng)老服務(wù)業(yè)的市場(chǎng)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(yàn)。第六類包含的省份數(shù)量最多,F4(市場(chǎng)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(chǎng)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(diǎn)建立坐標(biāo)系,根據(jù)每個(gè)省份的得分對(duì)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(diǎn)圖

第一象限涵蓋安徽、云南、寧夏、河北、江西、廣東、浙江七個(gè)省份,根據(jù)得分和圖示可以看出,第一象限的省份兩個(gè)公因子得分都位于均值以上,說明這些省份在市場(chǎng)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(yùn)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(diǎn)在市場(chǎng)化運(yùn)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(gè)省份,該象限省份的市場(chǎng)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(chǎng)化發(fā)展的政策供給低于平均水平,在養(yǎng)老機(jī)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(gè)省份,他們的兩個(gè)公因子分值都位于均值線以下,說明該類省份在市場(chǎng)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(gè)省份,這些省份的市場(chǎng)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(qiáng)調(diào)市場(chǎng)化運(yùn)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(gè)省份的養(yǎng)老服務(wù)政策既綜合體現(xiàn)我國(guó)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(gè)省份養(yǎng)老服務(wù)高質(zhì)量發(fā)展的不同特點(diǎn)與重點(diǎn)。具體來說可以得出以下幾個(gè)結(jié)論。首先,從因子分析結(jié)果判斷可知,我國(guó)的養(yǎng)老服務(wù)政策以供給型和環(huán)境型為主,對(duì)需求型政策工具關(guān)注度較低,這也許可以解釋我國(guó)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(jì)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(chǎng)供給得分遠(yuǎn)高于其他因子得分,同時(shí)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(shì)。上海市的市場(chǎng)供給優(yōu)勢(shì)表現(xiàn)在營(yíng)造良好養(yǎng)老服務(wù)市場(chǎng)環(huán)境、引導(dǎo)培育養(yǎng)老服務(wù)消費(fèi)市場(chǎng)和鼓勵(lì)社會(huì)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(chǎng)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(chǎng)的運(yùn)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(yàn);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(duì)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(shì)同時(shí)也注重查缺補(bǔ)漏補(bǔ)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(shì)

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(diǎn)有所不同,如上海市的養(yǎng)老服務(wù)政策重在市場(chǎng)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(shí)調(diào)整政策工具內(nèi)容,充分利用地區(qū)優(yōu)勢(shì)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(shì)明顯,能夠?yàn)閰^(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(shì),應(yīng)充分發(fā)揮市場(chǎng)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(guó)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(yùn)用政策工具時(shí),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(huì)力量,激勵(lì)養(yǎng)老服務(wù)市場(chǎng)化供給。國(guó)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(shí),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(chǎng),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(guó)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(shì)省份的示范效應(yīng),并鼓勵(lì)其向其他省份進(jìn)行輻射,同時(shí)加強(qiáng)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(shì),促進(jìn)全國(guó)層面的養(yǎng)老服務(wù)高質(zhì)量發(fā)展。