基于R語言建立城市老年人養(yǎng)老擔(dān)心度的預(yù)估研究

摘要：本文探討城市老年人養(yǎng)老擔(dān)心度的影響因素，并建立可視化Nomogram模型預(yù)估城市老年人養(yǎng)老擔(dān)心的程度。選取海南主要城市?？诤腿齺喌鹊兀?022年以問卷形式收集506份老年人的相關(guān)數(shù)據(jù)，在R語言環(huán)境下對自變量采用單因素卡方檢驗(yàn)或fisher確切概率法進(jìn)行驗(yàn)證，篩選出相關(guān)顯著性影響因素。采用R語言“forestplot”包和“rms”包分別對入選變量進(jìn)行分析和預(yù)測，隨后建立森林圖（Forest Plot）和Nomogram模型，計(jì)算OR等相關(guān)數(shù)值并驗(yàn)證其預(yù)測效能。研究結(jié)果顯示，子女?dāng)?shù)量與養(yǎng)老擔(dān)心度成反比關(guān)系，子女?dāng)?shù)量較少或者無子女，老年人的養(yǎng)老擔(dān)心度相應(yīng)增加；子女收入和子女閑暇時間的影響程度越大，老年人養(yǎng)老擔(dān)心度隨之增加；提供規(guī)范的上門式養(yǎng)老服務(wù)，能夠顯著降低老年人養(yǎng)老擔(dān)心度；在養(yǎng)老過程中老年人最急需的項(xiàng)目是經(jīng)濟(jì)支持和醫(yī)療服務(wù)。

關(guān)鍵詞：養(yǎng)老擔(dān)心度；Nomogram模型；老年人

引言

養(yǎng)老擔(dān)心歷來存在，但由于我國20世紀(jì)80年代實(shí)施獨(dú)生子女計(jì)劃生育政策，城市地區(qū)“4-2-1”家庭數(shù)量急劇增加，同時空巢老人、獨(dú)居老人數(shù)量也逐年攀升，老年群體的養(yǎng)老風(fēng)險與不安也隨之增加。2022年我國已開始進(jìn)入深度老齡化社會，預(yù)計(jì)2030年至2035年期間邁入超級老齡化社會[1-2]。早在2019年，《國家積極應(yīng)對人口老齡化中長期規(guī)劃》發(fā)布[3]，明確了國家實(shí)施積極應(yīng)對人口老齡化的戰(zhàn)略目標(biāo)。當(dāng)下城市里家庭少子化、空巢化等各種社會主客觀因素交錯影響，使得城市老年群體擔(dān)憂的未來養(yǎng)老問題較以往有所不同。

1. 文獻(xiàn)概述

根據(jù)2023年海南省統(tǒng)計(jì)年鑒數(shù)據(jù)顯示，2022年海南省60歲以上老年人占比達(dá)到15.83%，65歲以上老年人占比11.32%，表明海南地區(qū)人口老齡化趨勢加深。在學(xué)界曾提出過“養(yǎng)老擔(dān)心度”這個概念，起初定義為“獨(dú)生子女父母對養(yǎng)老預(yù)期的擔(dān)心程度”，簡稱“養(yǎng)老擔(dān)心度”[4]。然而，長期處于養(yǎng)老困境的城市老年群體較容易形成另一種養(yǎng)老焦慮，當(dāng)個體的焦慮化為群體的養(yǎng)老焦慮時，便成為一種值得社會警惕的信號[5]。早期有學(xué)者認(rèn)為導(dǎo)致此困境的主要原因是當(dāng)今現(xiàn)實(shí)社會在一定程度上已失去傳統(tǒng)中國家庭養(yǎng)老模式的客觀基礎(chǔ)[6]，進(jìn)而產(chǎn)生家庭養(yǎng)老功能弱化的結(jié)果[7]。

本文認(rèn)為，養(yǎng)老擔(dān)心是一種心理感知，即老年人個體對自身在當(dāng)下或未來感知到養(yǎng)老保障的缺失，從而形成心理上的不安與焦慮。筆者通過查閱眾多文獻(xiàn)發(fā)現(xiàn)，單獨(dú)研究城市老年人養(yǎng)老心理現(xiàn)象，尤其是養(yǎng)老擔(dān)心度（擔(dān)憂）的文獻(xiàn)有但不多，并且關(guān)于養(yǎng)老保障或養(yǎng)老擔(dān)心度方面的文獻(xiàn)在研究方法上絕大多數(shù)是采用SPSS或SAS統(tǒng)計(jì)軟件進(jìn)行數(shù)據(jù)分析。因此，本文嘗試在R語言環(huán)境下，通過R語言對城市老年人的相關(guān)養(yǎng)老數(shù)據(jù)進(jìn)行處理、計(jì)算和制圖等，以更加簡潔明了和可視化的方式展現(xiàn)城市老年人養(yǎng)老擔(dān)心度的數(shù)據(jù)模型和相關(guān)內(nèi)容。

2. 數(shù)據(jù)與研究方法

2.1 數(shù)據(jù)來源與變量設(shè)置

2.1.1 數(shù)據(jù)來源

本文數(shù)據(jù)選取于2022年期間，課題組成員在海南省海口市和三亞市主城區(qū)等地，針對60歲以上的老年人進(jìn)行隨機(jī)問卷調(diào)查。本次調(diào)查共發(fā)放問卷600份，其中有效問卷506份，有效回收率為84.3%。同時，課題組成員對部分城市老年人進(jìn)行深入訪談，因此，數(shù)據(jù)信息是可靠和有效的。

2.1.2 變量設(shè)置

在研究海南省?？谑谐菂^(qū)老年人養(yǎng)老擔(dān)心度及其影響因素的過程中，本文確定的因變量是調(diào)查問卷中提到的“您是否對今后個人的養(yǎng)老生活感到擔(dān)心？”的內(nèi)容，為便于分析，將其分別賦值為：不擔(dān)心=0；擔(dān)心=1。同時，選取四大類自變量分別是：（1）個體因素，包括性別、年齡、健康狀況、收入、婚姻狀況；（2）子女因素，包括子女?dāng)?shù)量、子女的孝順程度、子女的收入對其養(yǎng)老的影響、子女閑暇時間對其養(yǎng)老的影響；（3）社會化養(yǎng)老因素，包括是否有提供規(guī)范的上門式養(yǎng)老服務(wù)、有無良好的老年人服務(wù)設(shè)施或場所、希望得到哪種形式的醫(yī)療服務(wù)；（4）養(yǎng)老需求因素，包括每月養(yǎng)老費(fèi)用開支、在養(yǎng)老過程中最急需的項(xiàng)目、是否有過入住養(yǎng)老院的想法。具體如表1所示。

2.2 研究方法

本文的統(tǒng)計(jì)分析操作均運(yùn)用R語言3.5.1版本進(jìn)行，采用R語言中“gmodels”包，對自變量采用單因素卡方檢驗(yàn)或fisher確切概率法進(jìn)行驗(yàn)證，篩選出相關(guān)顯著性影響因素[8]。然后，采用R語言“forestplot”包和“rms”包分別對入選變量進(jìn)行分析和預(yù)測，隨后建立森林圖（Forest Plot）（圖1）和Nomogram模型（圖2），計(jì)算OR等相關(guān)數(shù)值[9]。最后，得出模型的C-index指數(shù)為0.797（P＜0.01），表明該模型預(yù)測準(zhǔn)確度較高，后期采用隨機(jī)方式抽取300個樣本對模型進(jìn)行內(nèi)部驗(yàn)證，矯正后的C-index指數(shù)為0.778，表明該模型的一致性良好[10]。

圖1 預(yù)估老年人養(yǎng)老擔(dān)心度的

森林圖（Forest Plot）

圖2 預(yù)估老年人養(yǎng)老擔(dān)心度的

Nomogram模型

3. 結(jié)果

在大多數(shù)的統(tǒng)計(jì)過程中，單因素分析主要是對原始數(shù)據(jù)中的自變量進(jìn)行初步篩選，而多因素分析則能夠研究多個顯著性因素對結(jié)果的共同影響。這不僅考慮到各個因素的單獨(dú)影響作用，又能顧及多個因素間的交叉影響，因此，本文重心在于關(guān)注多因素分析的結(jié)果。

3.1 單因素分析

以是否出現(xiàn)養(yǎng)老擔(dān)心為因變量，通過對選取的四大類共15個自變量（如表1所示）進(jìn)行單因素卡方檢驗(yàn)或fisher確切概率法驗(yàn)證，納入標(biāo)準(zhǔn)為0.05（P＜0.05）。發(fā)現(xiàn)其中子女?dāng)?shù)量、子女收入的影響程度、子女閑暇時間的影響程度、是否提供規(guī)范的上門式養(yǎng)老服務(wù)、養(yǎng)老過程中急需的項(xiàng)目，對引起老年人養(yǎng)老擔(dān)心起到顯著性的影響作用，其他因素暫無顯著性影響。

3.2 多因素分析

將5個顯著性影響因素作為自變量進(jìn)行多因素Logistic回歸分析，在R語言環(huán)境下生成森林圖模型，結(jié)果顯示子女?dāng)?shù)量（OR=0.55，95%CI 0.39～0.78）和養(yǎng)老過程中最急需的項(xiàng)目（OR=0.83，95%CI 0.7～0.98）為負(fù)相關(guān)影響因素（P<0.05），子女收入的影響程度（OR=1.57，95%CI 1.24～2）、子女閑暇時間的影響程度（OR=1.54，95%CI 1.16～2.07）、是否提供規(guī)范的上門式養(yǎng)老服務(wù)（OR=3.51，95%CI 1.18～11.6）為正相關(guān)影響因素（P<0.05）。如圖1所示。

3.3 Nomogram模型的建立

將上述多因素分析中5個顯著性影響因素進(jìn)行整合，納入風(fēng)險預(yù)估體系中進(jìn)行Nomogram模型構(gòu)建，具體可見圖2。各因素的總評分范圍為22～371分，對應(yīng)養(yǎng)老擔(dān)心度的風(fēng)險率為0.05～0.95，總分越高則老年人出現(xiàn)養(yǎng)老擔(dān)心的可能性就越大[11]。當(dāng)閾值>0.05時，該模型可以提供城市個體老年人在養(yǎng)老擔(dān)心度的風(fēng)險性預(yù)估，其中安全閾值為0.65（162分）。比如，子女?dāng)?shù)量的得分點(diǎn)越少，表明子女?dāng)?shù)量越多，老年人對養(yǎng)老的擔(dān)心程度越低。與此相反，子女收入和子女閑暇時間的影響程度得分點(diǎn)數(shù)越高，影響越大，則意味著對老年人養(yǎng)老擔(dān)心度的增加有顯著性影響。結(jié)果還顯示，所在地區(qū)若提供規(guī)范的上門式養(yǎng)老服務(wù)，則能夠顯著降低老年人的養(yǎng)老擔(dān)心度；在養(yǎng)老過程中急需的項(xiàng)目中，經(jīng)濟(jì)支持和醫(yī)療服務(wù)的得分點(diǎn)數(shù)較高，表明這兩項(xiàng)內(nèi)容是老年人在養(yǎng)老生活中最為關(guān)注的需求。

4. 結(jié)果分析

本文在R語言環(huán)境下，對自變量采用單因素卡方檢驗(yàn)或fisher確切概率法進(jìn)行驗(yàn)證，將篩選出來的顯著性影響因素進(jìn)行多因素Logistic回歸分析，分別建立森林圖（Forest Plot）和Nomogram模型，在此基礎(chǔ)上預(yù)估城市老年人養(yǎng)老擔(dān)心度。在早期文獻(xiàn)研究中顯示，獨(dú)生子女父母普遍擔(dān)心子女日后的工作、生活是否順利，自己是否會患有需要長期照顧的疾病，而不能得到子女很好的照顧等[12]。在此次的模型預(yù)估中發(fā)現(xiàn)，非獨(dú)生子女家庭的老年父母同樣有此顧慮。同時，子女的收入狀況和閑暇時間對城市老年人在養(yǎng)老擔(dān)心這一心理現(xiàn)象上也產(chǎn)生著顯著影響，包括子女給予家務(wù)和經(jīng)濟(jì)上的支持，將會顯著性地降低老人對各類社會化養(yǎng)老服務(wù)的需求[13]。除子女因素外，老年人在養(yǎng)老過程中最需要也更為關(guān)注的是經(jīng)濟(jì)支持和醫(yī)療服務(wù)。因此，建議加大家庭支持系統(tǒng)的建設(shè)力度，加大稅收優(yōu)惠和補(bǔ)貼力度，鼓勵子女在力所能及的前提下為父母提供適當(dāng)經(jīng)濟(jì)支持或時間陪伴。同時在醫(yī)養(yǎng)結(jié)合的基礎(chǔ)上，優(yōu)化老年人的醫(yī)療服務(wù)質(zhì)量。

在調(diào)研走訪的過程中發(fā)現(xiàn)，也有部分老年人不愿在自己晚年生活中給子女添麻煩，造成子女負(fù)累。在經(jīng)濟(jì)允許的情況下，這部分老人更傾向于向社會尋求相應(yīng)的上門式養(yǎng)老服務(wù)。對于子女?dāng)?shù)量較少或無法提供足夠養(yǎng)老支持的老年人，政府和社會各界可提供更多高質(zhì)量的養(yǎng)老服務(wù)資源，同時提供多元化、便捷性的居家養(yǎng)老服務(wù)，如上門護(hù)理、家政清潔、日間照料中心等，以便減輕其養(yǎng)老擔(dān)心度。

雖然本研究做了大量的數(shù)據(jù)收集和研究工作，但仍然存在不足。第一，樣本量有限，研究結(jié)果可能代表不了全體海南省城區(qū)老年人的整體情況。未來研究應(yīng)進(jìn)一步擴(kuò)大樣本量，以提高研究結(jié)果的普遍性和可靠性。第二，本研究僅關(guān)注了老年人的個體因素、子女因素、社會化養(yǎng)老因素和養(yǎng)老需求因素，但未涉及更廣泛的其他因素，如數(shù)字鴻溝、文化背景等[14]。未來研究應(yīng)考慮將這些影響因素納入老年人養(yǎng)老擔(dān)心的風(fēng)險性預(yù)估中，以便更多元、更全面地理解老年人的養(yǎng)老需求。

結(jié)語

正確認(rèn)識和對待養(yǎng)老過程中的各類風(fēng)險因素，有助于降低老年群體的養(yǎng)老擔(dān)心度。本文主要圍繞個體因素、子女因素、社會化養(yǎng)老因素和養(yǎng)老需求四個方面，建立Nomogram模型，預(yù)估城市地區(qū)老年人養(yǎng)老擔(dān)心度。發(fā)現(xiàn)老年群體在養(yǎng)老過程中最為關(guān)注的是經(jīng)濟(jì)支持和醫(yī)療服務(wù)，同時，子女適度陪伴和支持有助于緩解老年人養(yǎng)老擔(dān)心的心理現(xiàn)象。在政策建議方面，一是鼓勵生育，加大稅收優(yōu)惠和補(bǔ)貼；二是鼓勵社會各界提供多元化的養(yǎng)老資源，以更好地滿足老年群體養(yǎng)老需求。

參考文獻(xiàn)：

[1]李建偉，吉文橋，錢誠.我國人口深度老齡化與老年照護(hù)服務(wù)需求發(fā)展趨勢[J].改革，2022（2）：1-21.

[2]李迅雷.中國人口老齡化加速的挑戰(zhàn)與對策[J].新金融，2023（8）：4-7，35.

[3]中共中央 國務(wù)院印發(fā)《國家積極應(yīng)對人口老齡化中長期規(guī)劃》[EB/OL].（2019-11-21）[2024-10-20].https：//www.gov.cn/zhengce/2019-11/21/content_5454347.htm.

[4]王樹新，張戈.我國城市第一代獨(dú)生子女父母養(yǎng)老擔(dān)心度研究[J].人口研究， 2008（4）：79-85.

[5]風(fēng)笑天.城市獨(dú)生子女父母的老年保障問題[J].北京大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），1991（5）：102-109.

[6]風(fēng)笑天.從“依賴養(yǎng)老”到“獨(dú)立養(yǎng)老”——獨(dú)生子女家庭養(yǎng)老觀念的重要轉(zhuǎn)變[J].河北學(xué)刊，2006（3）：83-87.

[7]張戈.我國城市第一代獨(dú)生子女父母的養(yǎng)老焦慮研究[D].北京：北京首都經(jīng)貿(mào)大學(xué)，2008.

[8]馬瑞雪，蔣月桂，馬興華，等.用Nomogram分析口咽癌的預(yù)后[J].現(xiàn)代腫瘤醫(yī)學(xué)，2016，24（9）：1364-1368.

[9]吳盛喜，羅何三，張曉平，等.胸中段食管癌放化療后遠(yuǎn)期生存Nomogram預(yù)測模型建立[J].中華腫瘤防治雜志，2018， 25（6）：417-421，427.

[10]牛翔科，劉曉敏，李林，等.基于PI-RADS v2建立預(yù)測前列腺高級別腫瘤的列線圖模型[J].臨床放射學(xué)雜志，2017， 36（12）：1820-1824.

[11]王曉霞，鮮彤章，賈曉凡，等.2型糖尿病患者的心腦血管疾病影響因素的Nomogram分析[J].中國心血管雜志，2017， 22（1）：43-48.

[12]陸凱欣，何文俊，何貴蓉.城市獨(dú)生子女父母養(yǎng)老擔(dān)心調(diào)查[J].中國老年學(xué)雜志，2016，36（15）：3816-3818.

[13]伍海霞.城市第一代獨(dú)生子女父母的社會養(yǎng)老服務(wù)需求——基于五省調(diào)查數(shù)據(jù)的分析[J].社會科學(xué)，2017（5）：79-87.

[14]鐘一軍.人口老齡化背景下的養(yǎng)老焦慮及其緩釋研究[J].江南論壇， 2023（11）：59-63.

作者簡介：高艷，碩士研究生，副教授，gaoyan___84@163.com，研究方向：養(yǎng)老服務(wù)與養(yǎng)老保障。

基金項(xiàng)目：2022年海南省自然科學(xué)基金項(xiàng)目——基于R語言建立的老年人養(yǎng)老擔(dān)心Nomogram預(yù)估系統(tǒng)研究（編號：722QN334）。