中国养老服务床位数的预测与分析.docx

? ? 中国养老服务床位数的预测与分析 ? ? 唐鹏翔，张晓美 （吉林医药学院药学院，吉林 132013） 0 引言 中国是世界上人口最多的发展中国家，随着老龄化进程加速，养老服务问题日益突出，增加养老服务床位是一个亟待解决的现实问题，参考中国统计局官网［1］、中国民政部公报［2］等相关数据，利用数学模型，对未来养老服务床位数量进行合理预测，有较强的现实意义。通过预测结果进行综合研判，可以对未来养老工作的开展提供便利，更好地服务国家战略，为将来中国老龄化问题提供一条解决思路。 谭英花在《上海机构养老资源配置研究》［3］中利用曲线参数估计模型和年龄模型对养老资源进行预测，从微观和宏观两个层面构建资源的评价体系。徐宗煌［4］在《基于多元回归模型的养老床位需求预测》中利用Leslie 矩阵模型、BP神经网络预测养老床位数量情况。王子鑫等［5］在《养老服务床位需求预测与运营模式模型分析》中使用多元线性回归模型和Dijkstra 算法解决了养老床位需求问题。 本文通过中国统计局官网和民政部公报提供的数据，建立养老服务床位数的logistic 模型、ARMA 模型，使用MATLAB 和Eviews 两种软件计算得到我国未来养老服务床位数；另外建立养老服务床位数与养老人口数比例的数学模型，65 岁以上的老年人口的指数模型也可以得到未来我国养老服务床位数的变化情况，并对这三种预测结果进行对比分析。 1 数据来源 本文所使用的养老服务床位数来自中华人民共和国民政部2006年后的年度统计公报。65岁以上老年人口数来源于中国统计局官网统计数据。 2 模型的建立与计算 2.1 模型1：养老服务床位数的logistic模型 根据民政部公布的养老服务床位数统计情况（见表1），使用MATLAB 对表1 数据绘制散点图（以2006年为初始时刻0），结果如图1所示。 表1 民政部公布的养老服务床位数统计情况万张 图1 养老服务床位数变化情况散点图 从已有数据的散点图分析可知，养老服务床位数在增加，但是增加幅度在逐渐减缓。从趋势上看，符合“S”型曲线趋势［6］。从机理上分析老年人养老服务床位数量变化，由中国民政部每年年度公报中发布的养老服务床位数可知，养老服务床位数虽然在不断增加，但是由于建设资源、选择意愿等因素对老年人养老服务床位数增长起到了阻滞作用，并且随着时间的推移，阻滞作用越来越大。因此，对养老服务床位数设立阻滞增长模型（Logistic模型）。 设第t年的养老服务床位数为x(t)，年增长率为r，初始养老服务床位数为x0，则x(t)满足的微分方程是： 其中xm为最大养老服务床位数。其解为 使用MATLAB 曲线拟合工具箱cftool 进行参数拟合［7］，计算时床位数以百万为单位，得出图2。 图2 基于MATLAB养老服务床位拟合结果 计算得xm=9.19，r= 0.2704，拟合优度为0.9827，残差值为1.118，拟合效果较好，故养老服务床位数预测的logistic模型为 得到养老服务床位数的预测模型后，利用模型计算相关已知年份的床位数据并与已知数据进行对比，发现模型计算结果与已知数据相差较小（见表2）。 表2 模型结果与实际比较万张 最后，使用养老服务床位数模型进行计算，获得未来30年（2020—2050）的数据如表3所示。 表3 未来30年养老服务床位数据结果万张 利用已知和计算后的数据作图（见图3），展示后可以看出，养老服务床位数据图像呈“S”曲线，较符合阻滞增长模型［8］情况，具有良好的预测意义。 图3 logistic模型预测结果图 通过所建立的logistic 模型计算结果可得，我国养老服务床位数将逐年稳定至919.0万张。 2.2 模型2：养老服务床位数的自回归移动平均模型 2.2.1 时间序列自回归移动平均模型 将养老服务床位数视为一个时间序列{Xt}，可以记为ARMA(p,q)。其中ARMA(p,q)模型［9］的数学表达式可表示为 其中，φ1,…,φp为自回归系数，θ1,…,θq为移动平均系数。 2.2.2 数据的平稳性检验 将2006—2020 年养老服务床位数的数据输入到Eviews 软件中，对该数据进行时间序列的预处理［10］，首先得到图4 的时序图，该时序图中的数据呈递增趋势，该图趋势性明显，而对于平稳序列的要求是时序图应该要在一个值附近上下波动，所以通过对该时序图的观察，该序列不是平稳序列［11］。 图4 养老服务床位数的时序图 对于不平稳序列，可以使用差分使其平稳化［12］，首先采用一阶差分的方法，将数据在Eviews 软件下通过一阶差分得到新序列，然后对其进行平稳性检验。 图5 养老服务床位数序列的时序图（一阶差分后） 进行单位根检验［13］，运用Eviews 软件得到的结果见表4。 表4 一阶差分后的单位根检