1、城镇居民长期护理保险购买需求影响因素研究 周依群 对外经济贸易大学保险学院 摘 要： 我国已经进入老龄化社会, 老年人口数量不断增加, 针对老年人的长期护理保险日趋重要, 分析其需求影响因素对我国开展长期护理保险有重要的理论意义和现实意义。本文采用灰色关联模型和广义灰色关联模型, 运用 20052015 年全国范围内的数据, 将对影响长期护理保险购买需求的主要因素分为经济因素与非经济因素, 通过对影响长期护理保险需求的主要因素进行灰色关联分析分析发现经济因素中社会保险支出对长期护理保险的影响最为重要, 非经济因素中人均受教育水平和老年人口抚养比对长期护理保险的影响最为重要。根据实证结果, 结合
2、我国国情和实际情况, 为长期护理保险更好地发展提供一种新的研究方法和思路。关键词： 灰色关联分析; 长期护理保险; 影响因素; 作者简介：周依群, 女 (1992 年) , 博士研究生, 主要研究方向社会保障。E-mali:Study on the influencing factors of demand for long term care insuranceZHOU Yi-qun School of Insurance and Economics, University of International Business and Economics; Abstract： China ha
3、s entered the aging society, the number of elderly people increase very quickly, The long-term care insurance for the elderly is becoming more and more important.So to analyze the factors affecting demand of long-term care insurance has important theoretical and practical significance for our societ
4、y. This paper uses the grey correlation model and generalized grey relational model method, using 2005-2015 nationwide data, divide the main factors influencing the demand of long-term care insurance into economic and non economic factors. the main influence on demand for long-term care insurance fo
5、r the grey relational analysis shows that the impact of economic factors in social insurance expenditure the long-term care insurance is the most important, the per capita is affected by the level of education and the elderly dependency ratio of long-term care insurance is the most important non eco
6、nomic factors. According to the empirical results, combined with Chinas national conditions and actual situation, to provide a new research method and ideas for the long-term development of better nursing insurance.Keyword： Grey relational analysis; Long-term care insurance; Influencing factors; 随着我
7、国老龄化程度的进一步加剧, 中国老年人、家庭和社会面临严重的长期护理风险, 据统计我国中度以上的失能老人数量将会达到 1560 万, 老龄化程度的加剧和失能老人数量的增加使得对长期护理保险需求巨大, 因此研究其需求影响因素对我国开展长期护理保险有重要的理论意义和现实意义。国外学者从微观因素方面对长期护理保险的需求进行了研究。Mc Call 等发现健康状况、对长期护理保险的看法、财务规划、人口特征以及收入和资产状况等因素对长期护理保险的需求具有很重要影响。1Lakdawalla 等将长期护理提供者分为正式护理和非正式护理两类, 认为家庭中的非正式护理使得对长期护理保险的需求减少。2Anne Th
8、eisen Cramer 和 Gail A Jensen 运用Logistic 模型进行分析认为保险产品价格、消费者受教育程度以及收入水平对长期护理保险的需求有显著影响。3Curry 等通过调查发现保险产品的价格、保险公司经营能力、家庭护理的替代作用、长期护理保险带来的心理影响以及消费者在决策时的信息不对称是影响美国消费者购买长期护理保险的五大因素。4国内研究方面, 苏永莉通过研究长期护理保险市场的总体供求现状, 认为观念因素、人口因素、社会经济因素、保险产品价格因素、其他保障机制的替代效应等均会对长期护理保险需求产生影响。5荆涛等通过建立对数线性模型认为收入、利率、通货膨胀等宏观经济因素会对
9、长期护理保险需求产生影响。6荆涛和谢远涛通过多元 Logistic 模型筛选变量, 建立分类回归树模型分析了影响消费者选择模式的因素。7曹信邦和陈强通过运用 Logistic 模型对 27 个省份进行分析发现西部地区、年轻人和低龄老人、身体健康、政府机关和股份制企业、家庭收入高、护理保险认可度高的人群参加长期护理保险的意愿较高。8可以看出, 现有长期护理保险需求因素研究多采用 Logistic 模型对特定区域内的微观影响因素进行分析, 这些传统的计量方法会造成一定的共线性问题从而会使得研究结果出现偏差。而灰色关联分析的方法能够较好地避免这一问题, 该方法计算量较小并且能够与定性分析结果契合得较
10、好。本文将影响长期护理保险购买需求的因素分为经济因素和非经济因素, 采用灰色关联模型和广义灰色关联模型对 20002015 年的数据进行定量分析, 找出影响长期护理保险购买需求的因素, 为长期护理保险的发展提供建议参考。1 变量选取本文将影响长期护理保险需求的因素分为经济因素和非经济因素两类。经济因素包括城镇居民可支配收入、消费者物价指数、利率、社会保险支出水平。非经济因素包括老年人口抚养比、家庭规模、城镇人口比重、受教育程度以及社保覆盖率。因为长期护理保险的需求主要来自于城镇居民, 因此本文主要是基于城镇居民的数据进行研究。本文在指标设置时遵循了科学性、重要性、全面性、系统性、可操作性和可比
11、性的原则。1.1 因变量长期护理保险作为一种新的保险产品, 在我国发展的时间较短, 对于获取长期连续的数据较为困难, 数据的缺失难以做出较为科学的实证分析, 我国提供老年人长期护理服务的主要是各级护理院, 因此本文选取护理院入院人数作为长期照护保险需求的因变量。1.2 自变量1.2.1 收入居民收入是影响长期护理保险的需求一个重要因素, 可支配收入水平越低会使得长期护理保险需求的水平较低;居民收入水平越高, 对长期护理保险的需求也会增加。本文将采用城镇居民年人均可支配收入的数据来体现。1.2.2 通货膨胀通货膨胀水平的高低直接影响劳动者的购买能力和生活质量, 本研究假设通货膨胀程度与长期护理保
12、险需求呈负相关关系:通胀指数越高, 对长期护理保险的需求越低。本文选取城市居民消费价格指数来体现。1.2.3 利率储蓄的多少对长期护理保险存在着替代效应和收入效应, 所以存款利率同样影响着居民对长期护理保险的需求。本研究采取的利率指标是经过处理的金融机构人民币一年期存款利率。1.2.4 养老保障水平养老保障水平是劳动者退出劳动市场之后影响其收入来源的最直接因素。劳动者在达到法定退休年龄之后会领取一定的养老金, 养老金是劳动者退休之后维持基本生活的有效保障。养老保障对长期护理保险的需求有挤出效应, 本文选取城镇医疗保险基金支出和城镇养老保险基金支出之和来表示。1.2.5 老年人口抚养比该指标为
13、65 岁以上人口占 1564 岁人口的比例, 主要用来测量老年人抚养结构。老年人口抚养比与长期护理保险需求呈正相关关系:老年人口抚养比越高, 对长期护理保险的需求越高;老年人口抚养比越低, 对长期护理保险的需求越低。1.2.6 家庭规模家庭规模是指一个家庭的人口数量, 家庭规模对长期护理保险需求产生负向影响, 一个家庭人口数越多就会产生更多的非正式的护理从而可能会减少对长期护理保险的需求。本文以我国平均家庭户人口数作为反映人口家庭规模的指标。1.2.7 城镇人口比重长期护理保险需求大部分来自城镇居民, 若城镇人口的比重有所增加, 长期护理保险需求也会相应的增加, 本文采取城镇人口比重来反映该指
14、标。1.2.8 受教育程度受教育程度与长期护理保险需求呈正向关系。随着受教育程度越高, 其风险意识也会增强, 从而会增加对长期护理保险的购买。本文以我国平均受教育年限作为反映其人口受教育程度的指标。1.2.9 社保覆盖率其他社会保障的水平会对长期护理保险起到替代作用, 其他社会保障水平越高, 人们会从其他的社会保障中得到更多所需要的服务, 减少对长期护理保险的需求。本文采用参加城镇基本医疗保险人数在城镇人口中所占比例作为反映社保覆盖率的指标。2 数据来源与模型建立2.1 数据来源本研究数据来源于中国统计局网站及中国人民银行网站。利率取一年中不同利率的时间加权平均值。2.2 灰色关联分析在影响因
15、素分析中的可行性灰色关联分析与其他的统计分析方法相比, 对样本量大小、变量是否具有典型的分布规律等均无特别的要求。除此之外, 该方法计算量较小而运算结果与定性分析结果契合得较好。由于长期护理保险作为一种新的保险产品, 在我国发展的时间较短, 对于获取长期连续的数据较为困难, 数据的缺失难以做出较为科学的实证分析;另一方面, 国家对于人口结构和人口数量的统计基本保持一致, 但是对于养老金、工资水平、医疗保障水平等指标数据的统计标准不统一, 难以通过数理统计方法来证明影响长期护理保险需求的主要因素。灰色关联分析模型对数据的数量和数据的规律性都没有特定的要求, 很少存在定量研究与定性研究结果出现分歧
16、。这些因素使得我国新保险产品相关的数据灰性较大, 符合灰色关联分析方法的运用。2.3 模型建立定义 1 设为表征系统行为的量, 其在序号 k 上的观测数据 x0 (k) , k=1, 2n, 则称 为系统特征行为序列。定义 2 设 Xi为系统因素, 其在序号 k 上的观测数据为 xi (k) , k=1, 2n, 则称 为系统的相关因素行为序列。若 k 为时间序号, x i (k) 为因素 Xi在 k 时刻的观测数据;则 Xi为行为时间序列;若 k 为指标序号, x i (k) 为因素 Xi关于第 k 个指标的观测数据;则 Xi为行为指标序列;若 k 为观测对象序号, x i (k) 为因素关
17、于 Xi关于第 k 个对象的观测数据, 则Xi为行为横向序列。无论是时间序列、指标序列还是横向序列数据, 均可以用来做灰色关联分析。定义 3 设 为因素 Xi的行为序列, D 1为序列算子, 且则称 D 1为初值化算子, 在初值化算子 D 1下的像, 简称初值像。命题 1 初值化算子 D1可式使系统行为序列无量纲化, 且在数量上归一。2.3.1 灰色关联模型灰色关联模型是根据因素之间发展趋势的相似或相异程度作为衡量因素间关联程度的一种方法。灰色关联度模型的建立过程一般包括 5 个步骤:选定数列序列、无量纲化处理、求对应差序列、计算灰色关联系数、计算灰色关联度。(1) 选定数列序列是在对所研究问
18、题定性分析的基础上, 确定一个因变量因素和多个自变量因素。设因变量数据构成参考序列 , 各自变量数据构成的比较数列为(2) 无量纲化处理, 一般情况下原始变量序列就有不同的量纲或数量级, 为了保证分析结果的可靠性, 需要对变量序列进行无量纲化, 其中用初值化法进行无量纲化, 用比较序列的指标值除以相应的参考序列的值。(3) 求对应差序列, 根据量化以后的比较序列与参考序列, 利用公式i (k) =X 0 (k) -Xi (k) 计算对应期的绝对差值, 形成绝对差序列, 找出最大绝对值差与最小绝对值差, 并求出两级最大差与最小差。(4) 计算灰色关联系数, 运用下面公式:R (k) = (m+M
19、) / (i (k) +M) 分辨系数 , 一般在 01 之间, 通常取 0.5。(5) 计算灰色关联度, 因为关联系数是比较数列与参考数列在各个时刻的关联程度值, 所以它的数不止一个, 而信息过于分散不便于进行整体性比较。因此有必要将各个时刻的关联系数集中为一个值, 即求其平均值, 作为比较数列与参考数列间关联程度的数量表示, 关联度公式如下:2.3.2 广义灰色关联模型改进后的广义关联度包括灰色绝对关联度、灰色相对关联度、灰色综合关联度。绝对关联序是从绝对量的关系着眼考虑, 相对关联序是基于各时刻观测数据相对于始点的变化速率, 综合关联序则是综合了绝对量的关系和变化速率的关系。(1) 灰色
20、绝对关联度:其主要是研究的两个序列绝对增量间的关系, 用两条序列折线间所夹的面积大小来衡量两序列的关联性的大小, 是目前应用较多的一种关联度。灰色绝对关联度:(2) 灰色相对关联度:灰色相对关联度与灰色绝对关联度类似, 记折现的灰色绝对关联度为 的灰色相对关联度, 其主要研究的是两组数据速度变化的关系, 一般记为(3) 灰色综合关联度: , 一般记为 =0.5, 平等对待两种关联度。这种关联度既体现了折线间的相似程度, 又体现了二者相当于初始点的变化速率的接近程度, 是较为全面的表示序列之间联系是否紧密的一个数量指标。3 结果3.1 样本的基本情况护理院入院人数、城镇居民人均可支配收入、城市居
21、民消费价格指数、利率、养老保障水平, 老年抚养比、平均家庭户规模、城镇人口比重、平均受教育年限以及城镇基本医疗保险人数依次用 X0、X 1、X 2、X 3、X 4、X 5、X 6、X 7、X 8、X 9表示。由表 1 我们可以看出护理院人数呈现逐渐递增的趋势, 说明我国居民对护理服务的需求越来越多。城镇居民的人均可支配收入、养老保障水平、老年抚养比、城镇人口比重、受教育年限和城镇基本医疗保险人数占比均出现逐年上升的趋势。城市居民的消费价格指数、利率水平平均家庭户规模存在波动性变化。表 1 主要变量的描述性统计 下载原表 3.2 相关性分析由相关系数矩阵可以看出, 各解释变量相互之间的相关系数较
22、高, 其中, 城镇居民人均可支配收入、养老保障水平及城市居民消费价格指数之间的相关系数均较高。但从实际意义来看, 城市居民消费价格指数、城镇居民人均可支配收入和养老保障水平之间不存在线性关系。这是由于随着经济的持续快速发展, 城镇居民的实际可支配收入增加, 国家也会加大公共事业的支出以提高我国居民的生活质量 (表 2、表 3) 。表 2 经济因素相关系数矩阵 下载原表 表 3 非经济因素相关系数矩阵 下载原表 3.3 灰色关联模型下的分析3.3.1 灰色关联度模型(1) 选定数列序列。以 20052015 年的序列数据为基础, 城镇居民人均可支配收入、消费价格指数、利率、社会保险支出水平的比较
23、数列 , 以护理院入院人数为参考数列 分辨率取 0.5。(2) 无量纲化处理。由于各指标之间的计量单位不一致, 没有可比性, 为了便于计算, 必须消除量纲, 对原数据进行初值化处理。以年作为基数, 处理结果见表 4。表 4 无量纲化后的数据序列 下载原表 (3) 求对应差序列。计算 X0 (j) -Xi (j) , 及将表中X1、X 2、X 3、X 4、X 5、X 6、X 7、X 8、X 9中各行数值分别减去 X0所得到的数求绝对值 (表 5) 。从计算结果可以看出, 在经济因素中最大绝对差 7.69, 最小绝对差 0。在非经济因素中, 最大绝对差 5.94, 最小绝对差 0。表 5 对应差序
24、列 下载原表 (4) 计算灰色关联系数。分辨系数一般在 01 之间, 通常取 0.5 对灰色关联系数进行计算。根据各关联系数计算出 20052015 年的长期护理保险的需求影响因素的关联度 (表 6) 可以看出, 长期护理保险的需求经济变量影响因素的关联度排序为:养老保障水平利率城镇居民消费价格指数城镇居民人均可支配收入。长期护理保险的需求非经济变量影响因素的关联度排序为:平均受教育年限平均家庭户规模城镇人口比重城镇基本医疗保险人数老年抚养比。表 6 长期护理保险的需求经济变量影响因素的关联度 下载原表 3.4 广义灰色关联度模型下的分析3.4.1 广义灰色绝对关联度计算广义灰色绝对关联度首先
25、求出灰色绝对关联度始点零化像。根据初始数据计算出广义灰色绝对关联度始点零化像 (表 7) 。表 7:广义灰色绝对关联度始点零化像表 下载原表 表 7:广义灰色绝对关联度始点零化像表 下载原表 根据公式计算出|S 0|、|S t|、|S i-S0|求出广义灰色绝对关联度 (表 8) 。可以看出, 长期护理保险的需求经济变量影响因素的广义灰色绝对关联度排序为:城镇居民消费价格指数利率城镇居民人均可支配收入养老保障水平。长期护理保险的需求非经济变量影响因素的广义灰色绝对关联度排序为:老年抚养比平均受教育年限城镇人口比重城镇基本医疗保险人数平均家庭户规模。表 8 广义灰色绝对关联度 下载原表 3.4.
26、2 广义灰色相对关联度计算广义灰色相对关联度首先计算广义相对关联度的初值像表, 根据初始数据计算出的广义相对关联度的初值像表 (表 9) 。表 9 广义相对关联度的初值像表 下载原表 其次计算出|S 0|、|S t|、|S i-S0|最后根据上文所提到了广义灰色相对关联度的计算公式求出广义灰色相对关联度 (表 10) 。可以看出, 长期护理保险的需求经济变量影响因素的广义灰色相对关联度排序为:养老保障水平城镇居民人均可支配收入利率城镇居民消费价格指数。长期护理保险的需求非经济变量影响因素的广义灰色相对关联度排序为:城镇基本医疗保险人数城镇人口比重老年抚养比平均受教育年限平均家庭户规模。表 1 0 广义灰色相对关联度 下载原表 3.4.3 广义灰色综合关联度由表 11 可以看出, 长期护理保险的需求经济变量影响因素的广义灰色综合关联度排序为:城镇居民消费价格指数养老保障水平利率城镇居民人均可支配收入。
