社区差异视角下养老支持研究.docVIP

社区差异视角下养老支持研究 　　[提要] 本研究从CHARLS微观数据中选取社区样本395个，对可能影响“社区养老支持”的自变量进行描述性分析和Spearman相关性检验，并通过二项Logistic回归模型进行深入分析。结果表明，不同社区的养老支持资源存在较大差异，社区地域特质、历史、常住人口数、文盲比重和经济状况对社区养老支持有显著影响。因此，在实践中应结合社区的差异来供给养老支持资源，以求更好地满足老年人需求。 关键词：人口老龄化；社区差异；养老支持；二项Logistic模型 中图分类号：D669.6 文献标识码：A 原标题：社区差异视角下的养老支持分析――基于CHARLS数据的实证研究 收录日期：2014年3月18日 国家统计局在2013年公布的数据显示，中国60岁以上老年人口已突破两亿，占总人口比重的14.9%，老年人对社会养老支持的需求增加，发展社区居家养老服务是应对人口老龄化、解决老年人的养老问题的重要途径。为应对人口老龄化，中国政府提出要建立起“以居家养老为基础、社区服务为依托、机构养老为补充”的养老服务体系，提倡通过社区为老年人提供养老支持。本研究在CHARLS数据的基础上，对社区差异视角下的养老支持加以探讨，以求为发展社区居家养老服务、缓解日益严峻的养老问题提供启示。 一、数据来源与研究设计 本研究基于中国健康与养老追踪调查（简称CHARLS）提供的数据进行，该调查走访了全国150个县、区里的450个村、居，通过问卷和访谈的方式广泛收集数据，有着较高的信度和效度。本研究从中选取395个社区样本，采用描述性分析和模型分析相结合的方法，利用Excel 2007和SPSS 20.0软件，通过Spearman相关分析、二项Logistic回归模型来对社区差异视角下的养老支持进行探讨，模型方程为： 方程中被解释量yi取值为1时得到的概率为pi，取值为0时得到的概率为1-pi，当其余解释变量不变时，解释变量Xi增加1个单位将引起ln（）发生？茁i个单位的改变，即Xi每增加一个单位将使变为原来的exp（？茁i）倍。研究中以社区养老支持作为被解释变量，将有养老支持赋值为“1”，无养老支持赋值为“0”，设置虚拟变量引入模型，所得回归方程系数表示相较于参照类，各个虚拟变量类对解释变量平均贡献的差异。 在自变量方面，从救助组织与老年协会、老年活动与服务中心、养老院、文娱组织及健身器械的拥有情况来体现社区养老支持，可将养老支持定义为二分变量，即社区有养老支持（赋值为1）、社区无养老支持（赋值为0）。在因变量方面，从地域特质（1=农村；2=城市；3=结合型；以“结合型”为参照）、社区历史（1=1～10年；2=10～20年；3=20～30年；4=30～40年；5=40年及以上；以“40年及以上”为参照）、常住人口数（1=500人以下；2=500～1000人；3=1000～3000人；4=3000～5000人；5=5000～6000人；6=6000人及以上；以“6000人及以上”为参照）、文盲比重（1=小于20%；2=20%～40%；3=40%～60%；4=60%～80%；5=80%～100%；以“80%～100%”为参照）、经济状况（1=很贫穷；2=贫穷；3=较贫穷；4=中立；5=较富裕；6=富裕；7=很富裕；以“很富裕”为参照）来体现社区差异，通过统计方法来探究社区差异对社区养老支持的影响。 基于上述设计，本研究提出以下理论假设：第一，大部分社区有养老支持，但养老支持资源供给存在较大差异；第二，社区地域特质与社区养老支持之间显著相关，城市社区比农村社区更容易获得养老支持；第三，社区历史与社区养老支持之间显著相关，建设时间长、历史悠久的社区在养老支持上更为弱化；第四，社区常住人口数量与社区养老支持之间显著相关，常住人口多的社区在养老支持上更为完善；第五，社区文盲比重与社区养老支持之间显著相关，教育程度高的社区能够提供更好的养老支持；第六，社区经济状况与养老支持之间显著相关，高经济水平的社区往往能提供更为有力的养老支持。 二、实证分析 （一）社区养老支持状况的频数分布描述。在395个社区样本中，救助组织与老年协会、老年活动与服务中心、养老院、文娱组织及健身器械的拥有情况分别为45.57%、38.99%、10.63%、69.11%，无上述任何养老支持资源的社区占25.57%。在资金上，59.52%的养老院主要由上级政府投资发起，21.43%的养老院主要由村民、社区居民兴办。56.35%的老年人协会主要由村或社区投资，26.98%的老年人协会主要由上级政府出资。45.83%的救助组织主要由上级政府投资建立，村、社区对老年人救助组织的资金支持与政府基本相当。61.59%的老