1、1基于“双独”环境下的养老模式选择及影响因素分析摘要现阶段中国城市“双独”环境下，当代青年人未来赡养负担越来越重，文章选择北京市部分社区为样本，以城市社区老人为研究对象，基于个人基本情况、健康状况、子女这三个因素进行 Order Probit模型的实证研究，得出城市老人的养老意愿呈现多元化发展，其中居家养老的概率最高，社区养老次之，机构养老相对较低，但是也具有一定比例。 关键词双独；人口老龄化；城市养老模式 一、问题的提出 我国人口老龄化特点是在经济不发达的前提下的未富先老。这和我国的经济发展水平以及计划生育政策的实行有关。老年人增多，高龄比例加大，就意味着需要别人来照顾的老年人越来越多，这是
2、一个严峻的社会问题，制约了经济的可持续发展，阻碍了现代化进程。时至今日，我国城市进入了“双独”时代。 “双独”家庭就是由独生子女构建的家庭，由于夫妻均是独生子女，他们面临着双方四位老人甚至更多的赡养和一个孩子的抚养等巨大的压力，负担过于沉重。所以，如何根据目前的现实条件，减轻年轻人负担，尊重老年人自身养老意愿的前提下，解决老年人的赡养问题，这确实值得思考。 二、数据来源 在前期在充分考虑到数据的广泛性以及有效性前提之下，我们在做2问卷调查收集数据的时候选择了北京市比较有代表性的 15 个居民社区（之所以有代表性，是因为这些社区建立较早，管理规范，在北京市分布较为均匀，调查较为方便，数据真实性也
3、能够得到保证，具体社区名称详见表 1） ，在此基础之上我们又从回收的问卷之中筛选出了“双独”家庭的 60 岁以上老人（按照我国对于老年人的定义来要求）作为调查对象来筛选有效问卷，本次调查总共累计发放问卷 300 份，回收 271 份，符合条件的最后为 169 份，问卷回收率为 90.3%，问卷有效率 62.4%。 表 1 北京市调查社区地点分布统计 海淀区 昌平区 朝阳区 东城区 西城区 大柳树 社区 龙兴园 社区 双花园 社区 安贞苑 社区 柳荫街 社区 中央财经 大学社区 龙泽苑 社区 新源里 社区 花园 社区 兴华 社区 大钟寺 3社区 金榜园 社区 曙光里 社区 南锣鼓巷 社区 爱民街
4、 社区 北下关 社区 万润家园 社区 高家园 社区 青年湖 社区 西巷 社区 本次问卷调查收集遵循了大样本，随机性的原则，从基本情况（包括性别，年龄，收入以及文化水平四个方面） ，健康因素（包括健康现状，自理能力以及有无医保三个方面） ，子女支持（包括子女给予经济支持，子女给予生活照料以及子女给予精神慰藉三个方面）这三个大方面进行全面调查了解，针对三个大方面下面包含的十个小方面进行详细信息收集。我们不仅仅大量发放问卷进行调查，同时在期间也做了一些个案访谈，希望在全面调查的同时也能够深入了解，既拓宽了广度也保证了深度。最后经过整合筛选得到了我们最终需要的样本以及数据。 三、模型选择与变量选取 （
5、一）模型选择 经过前期大量资料查阅以及和相关指导老师的沟通，针对我们所得4到的数据样本的特征，我们决定采用有序 Probit 模型（又称 ORDER PROBIT 模型）作为本次数据分析的主要模型。 在一些实际问题之中，人们的选择往往是具有一定次序的。例如在问卷调查之中问题回答的设置往往是：非常满意，满意，不满意和很不满意这样的意向选择。当人们的选择或者事物的状态存在次序关系的时候，我们应该采用有序选择模型建模。由于我们收集的数据大多数都为离散型数据，所以此模型很适合我们的研究。 有序 Probit 模型是 Probit 模型的一种推广深化，在研究离散型数据以及概率上有着十分广泛的应用。设：
6、y*i=xi+ui uiN（0，1） y*i 可以解释为某种效用，效用的大小决定了人们的选择结果 y，随着效用的增加，人们按照顺序做出选择。xi 称为指标函数。我们实际观测到的是离散变量 yi，通常只取有限个值。在我们所选择的模型中，根据实际情况我们设定 yi 取 3 个值。 假定可观测变量 yi 和效用 y*i 之间的关系为 yi=0，如果 yi*1 yi=1，如果 12 三种情况之间的界限由阈值函数 1，2 来决定，1，2 决定着yi*如何转换成 yi 值，显然 21。因此 yi 取 0，1，2 值的概率分别为： P（yi=0）=P（yi*1）=P（ui1-xi）=（1-xi） 5P（yi
7、=2）=P（yi*2）=P（ui2-xi）=（xi-2） P（yi=1）=1-P（yi=0）-P（yi=2）=（2-xi）-（1-xi） 本身表示的是一个矩阵，代表着要被估计的参数值。 （二）变量选取 上文中我们已经提到，模型所用变量包括三个大方面十个小方面，之所以这么选择的原因如下： 首先，养老模式的选择与老年人的基本情况密切相关。男女之间对于养老模式的看法必定会有所差异，年龄大小与自身健康密切相关也会影响到自身的选择，而文化水平以及自身收入更是老年人在做出选择时的决定性因素。例如年纪较大的老人由于身体可能较差，因而不一定只会满足于单纯的家庭养老；文化水平较高的老人也可能更加倾向多元化发展；
8、收入低的老人可能仅仅家庭养老就能够满足需求。 其次，健康因素无疑是左右老年人选择的一大因素，健康状况较差，自理能力不好的老年人更加愿意接受社会其他方面的援助，在减轻自身负担的时候也可以降低子女的压力；而现如今医保有无也是一大影响因素，完善的医保可能使得老年人对于外界帮助不那么迫切，也可以使得他们能够选择更加舒适的养老方式。 最后，子女是老人生活中很重要的一部分，从子女方面获得支持的多少也会影响到老年人的选择，子女如果收入丰厚，有时间陪伴老人，能够提供足够的经济以及精神方面的支持，那么，老年人也会对居家养老更加偏爱。 6因此，综上所述，我们以以上变量为基础建立模型，各个变量解释及赋值见表 2 表
9、 2 变量解释 变量符号 变量名称 变量类型 变量解释 yi 养老模式选择 因变量 居家养老=0 社区养老=1 机构养老=2 基本 情况 x1 性别 解释变量 男=0 女=1 x2 年龄 解释变量 实际年龄 x3 收入 解释变量 1000 元以下=0 10001500 元=1 15002000 元=2 2000 以上=3 x4 文化水平 解释变量 小学以下=0 小学=1 初中=2 高中=3 高中以上=4 健康 因素 x5 健康现状 解释变量 有疾病=0 不太健康=1 7一般健康=2 比较健康=3 十分健康=4 x6 自理能力 解释变量 完全不能自理=0 半自理=1 完全自理=2 x7 有无医保
10、 解释变量 没有=0 有=1 子女 支持 x8 经济支持 解释变量 没有=0 有=1 x9 生活照料 解释变量 没有=0 有=1 x10 精神慰藉 解释变量 没有=0 有=1 根据变量选取，我们所得到的指标函数为： xi=1x1+2x2+3x3+4x4+5x5+6x6+7x7+8x8+9x9+10x10 阈值函数为：1，2 Probit 有序选择模型为： P（yi=0）=（1-xi） P（yi=2）=（xi-2） P（yi=1）=（2-xi）-（1-xi） 根据以上分析以及本次研究所要达到的目的，我们在此之前先做出如下假设： 8第一，养老模式选择与个人基本情况相关且呈现出正相关。即年龄越大，收
11、入越高，文化水平越高，老年人更加趋向于机构养老； 第二，养老模式选择与健康因素相关且呈现出负相关。即健康现状越好，自理能力越强，老年人更加趋于居家养老； 第三，养老模式选择与子女支持相关且呈现出负相关。即子女支持越多，老年人更加趋向于居家养老； 第四，最终得出的各个养老方式选择的比例应该是居家养老最高，其次为社区养老，最后为机构养老。即在选择多元化前提之下，以居家养老为基础，社区养老为依托，机构养老为补充。 （三）变量描述 表 3 中详细描述了此次所采用所有变量的一些基本情况。 表 3 变量基本情况表 均值 中位数 最大值 最小值 标准差 观测数 Yi 1.04155 1 2 0 0.7233
12、7 169 X1 0.50969 1 1 0 0.5006 169 X2 70.2603 70 82 60 6.16430 169 X3 1.56509 2 3 0 0.98702 169 X4 2.00277 2 4 0 1.22587 169 X5 2.02216 2 4 0 1.22454 169 X6 1.02770 1 2 0 0.70656 169 X7 0.52631 1 1 0 0.5 169 X8 0.47368 0 1 0 0.5 169 9X9 0.47922 0 1 0 0.50026 169 X10 0.51246 1 1 0 0.50053 169 四、估计结果及分
13、析 根据我们所统计的所有数据，运用 Eviews6.0 软件进行相应的有序Probit 模型回归分析，我们所得出的结果见表 4。 表 4 有序 Probit 模型估计结果统计 Method：ML Ordered Probit （Quadratic hill climbing） Convergence achieved after 5 iterations QML （Huber/White） standard errors & covariance Variable Coefficient Std. Error zStatistic Prob. X1 0.007811 0.009979 0.78
14、2744 0.4338 X2 0.027451 0.113722 0.241387 0.6923 X3 0.215305 0.061242 3.515643 0.0495 X4 0.133207 0.048716 2.734358 0.0705 X5 0.010113 0.003491 2.896878 0.0697 X6 0.07387 0.027081 2.727743 0.0743 X7 0.206216 0.118488 1.740396 0.0818 X8 0.120481 0.120322 1.001321 0.3167 X9 0.099458 0.117704 0.844984
15、0.3981 X10 0.17523 0.019054 9.196494 0.0111 Limit Points LIMIT_1：C（11） 1.77437 0.802856 2.210073 0.0271 10LIMIT_2：C（12） 0.46433 0.79663 0.582868 0.56 Pseudo Rsquared 0.019149 Akaike info criterion 2.132707 Schwarz criterion 2.261977 Log likelihood 372.954 HannanQuinn criter. 2.184101 Restr.log likel
16、ihood 380.235 LR statistic 14.56227 Avg. log likelihood 1.03311 Prob（LR statistic） 0.048854 从表 4 中我们可以看出，数值算法经过 5 次迭代后收敛，模型的极大似然比统计量 LR 值为 14.56227，对应的概率值为 0.0488，说明模型本身在 5%显著水平上整体有效。 在诸多解释变量之中，结果显著的变量有X3，X4，X5，X6，X7，X10，而 X1，X2，X8，X9 的结果并不显著。因此我们可以得到如下结论： 1.基本情况对于选择的影响： 从结果来看，收入以及文化水平这两个基本特征对于老年人选择养老模式产生了显著的正影响，表明在收入增多，文化水平较高的情况之下，老年人对于机构养老的接受程度也就越大，这说明现在老年人已经不再执着单一居家养老模式，而是逐渐认同其他方式养老，更加多元化；性别之所以不显著的原因可能是由于如今男女趋于平等，在各方面差异越来越小，所以性别并不会对选择产生过多影响，而年龄之所以也不显著的原因可能是年龄并不与选择偏好相关，年龄越高并不意味着身体条件就越差，也并不意味着就越需要其他外力的照顾，如果排除显著性单一观测系数的话，年龄与选择呈现负相关，也就是说年龄越大越偏向居
