山东省各地市城镇养老保险水平差异剖析及对策建议.docVIP

山东省各地市城镇养老保险水平差异剖析及对策建议 　　摘 要：基于山东省各地市的统计数据，运用SPSS160进行因子分析，结果表明各地市城镇养老保险水平存在明显差距，这与各地市的经济发展、居民收入、人口等因素有密切关联。对此，提出稳步提高城镇居民养老保险缴费能力；紧密结合各地市发展实际进行制度设计；做实个人账户，明确个人账户界限等对策建议。 　　关键词：山东省；城镇养老保险水平；因子分析；差异分析；均衡发展 　　中图分类号：C979 文献标识码：A 文章编号：2095-3283（2016）08-0087-05 　　[作者简介]刘昊（1992-），男，山东泰安人，硕士研究生，研究方向：社会保障。 　　[通讯作者]薛兴利（1962-），男，山东潍坊人，教授，博士生导师，研究方向：农业经济管理，公共管理。 　　目前，我国人口老龄化问题越来越严重，养老保险问题备受关注。据预测，我国城镇老年人比例在2020年将达到1338%，2030年增至1788%，2040年会达到顶峰2248%。近年来，山东省城镇养老保险事业发展迅速，但各地市养老保险水平差异较大，发展不均衡。本文根据2015年山东省17个地市的10项数据，运用SPSS160软件进行因子分析，在众多相互关联的数据指标中，提取公因子，给出各地市公因子的综合得分并进行排序，为山东省全面发展城镇养老保险水平提供数据依据[1]。 　　一、山东省各地市城镇养老保险水平的测算 　　（一）构建评价指标体系 　　山东省有17个地级市，要对这17个地市的城镇养老保险水平进行认真分析就必然考虑构造全面的综合评价体系，选取具有代表性，能够精确、全面反映不同地市城镇养老保险水平的指标，再对其提取公因子，并计算出综合排名。在方便易得的原则下，考虑科学性、简便性、代表性等因素，并根据山东省的实际发展情况，选取变量[2]。本文选取数据如下：X1―地区生产总值（亿元）、X2―各地市总人口（万人）、X3―地方财政收入（万元）、X4―城镇居民人均可支配收入（元）、X5―城镇单位在岗职工平均工资（元）、X6―城镇就业人数（万人）、X7―离、退休人数（万人）、X8―城镇职工基本养老保险参保人数（万人）、X9―用于社保和就业的财政支出（万元）、X10―城镇居民人均生活消费支出（元）。 　　按以上构建的指标评价体系从《山东统计年鉴2015》选取对应的原始数据，并对数据进行标准化处理，具体见表1。 　　（二）评价指标体系间的相关矩阵及显著性检验 　　除了个别情况外，大部分原始数据的相关系数较高，大于05，有些甚至接近于1，这种情况有利于问题的综合分析。通过分析表明，有大量P值小于005，通过了显著性检验，这说明各原始数据之间相关性很高。综上分析，可见选取的原始数据具有统计意义，有必要进行因子分析，将其表示为相异并且独立的数据指标，为深入分析问题提供依据。 　　（三）因子分析检验 　　在得到相关系数矩阵以及显著性检验之后，对选取的10组统计数据进行KMO检验和Bartlett球形检验，看其是否适用于因子分析，以便做进一步研究。Bartlett检验用于检验相关矩阵中各变量是否各自独立，即检验各变量间的相关性。KMO检验用于比较变量间偏相关系数和简单相关系数的指标。一般KMO值大于07表示适合做因子分析，大于08则表示非常适合做因子分析。如表2所示，KMO值为084，大于07，这表明原始数据适合做因子分析。而且Bartlett球形检验的P值为0，小于给定的检验标准005，说明Bartlett球形检验也通过了。综上所述，选取的原始数据适合做因子分析。 　　（四）相关矩阵的特征值及解释总方差 　　为了得到各个指标之间的相关系数矩阵，要对各项原始数据进行标准化处理，用以剔除各项评价指标在计量单位和性质等方面的差异[3]。如表3所示，初始特征值给出初始的变量相关系数矩阵的特征根，共有2个因子对应的特征根大于1，分别为7452、1865，因此应该提取相应的2个公因子；第1个公因子解释了方差的74519%，第2个公因子解释了方差的18653%，两个公因子累计方差贡献率为93172%，即可解释原始变量93172%的方差。经过了旋转2个因子的方差贡献率已经发生了变化，分别变成了52306%和40866%，但是可以发现2个因子累计方差贡献率并未发生变化，仍为93172%。因此选择两个特征根大于1的因子作为公共因子。 　　（五）公因子的选取及命名 　　每个主成份在不同指标上的负载程度可以通过因子载荷矩阵得出。通过特征根、方差贡献率和因子载荷矩阵，然后再根据 SPSS160统计软件分析出结果，对因子载荷矩阵采用正交旋转，并使其方差最大化，这样因子载荷矩阵的每一列原始变量都会向1和0两极分散。经过旋转后的因子载荷矩阵系数发