我國養(yǎng)老保險“三大支柱”的協(xié)同發(fā)展研究

蔡偉森，林澤鍵，黃景濤，林丹純

(廣東工業(yè)大學(xué) 經(jīng)濟(jì)與貿(mào)易學(xué)院，廣東 廣州 510510)

1 引言

隨著老年人口不斷增多，老齡化程度日益加重，我國正加速進(jìn)入老齡化社會。為了積極應(yīng)對人口老齡化，解決養(yǎng)老問題，我國建立了三支柱養(yǎng)老保險體系，在促進(jìn)三支柱協(xié)調(diào)發(fā)展的道路上不斷前行。

針對三支柱養(yǎng)老保險協(xié)調(diào)發(fā)展問題，國內(nèi)外學(xué)者開展了研究。畢少斌(2021)、張昭君(2021)創(chuàng)新性地利用因子分析來研究三支柱協(xié)調(diào)發(fā)展問題；劉昌平(2008)提出單一養(yǎng)老金制度具有經(jīng)濟(jì)風(fēng)險、老齡化風(fēng)險等多種風(fēng)險，因此發(fā)展多層次養(yǎng)老保險在風(fēng)險應(yīng)對上可以起到互補(bǔ)作用；蹇濱徽等(2021)構(gòu)建了OLG模型，通過對各種參數(shù)的設(shè)定來探究微觀下個體在不同影響因素下設(shè)定的最優(yōu)商業(yè)養(yǎng)老保險比例，之后進(jìn)一步探究基本養(yǎng)老保險不同的繳納費(fèi)用對商業(yè)養(yǎng)老保險的影響程度，即兩者的替代率，最后總結(jié)出適當(dāng)降低基本養(yǎng)老保險的費(fèi)用來提高對于繳納商業(yè)養(yǎng)老保險的自我意愿的建議；Vidal-Melia C.等(2008)通過對西班牙和瑞典公共養(yǎng)老體系資產(chǎn)負(fù)債率的精算分析，認(rèn)為西班牙的公共養(yǎng)老保險制度不具有可持續(xù)性，償付能力不足；Riccardo(2011)對意大利的養(yǎng)老金制度改革進(jìn)行分析，認(rèn)為以延遲退休年齡為手段進(jìn)行改革來試圖縮小養(yǎng)老金缺口，短期內(nèi)是有效的，但是治標(biāo)不治本，不具有可持續(xù)性；吳國棟等(2021)以國外的第三支柱為參考，多方面地探討不同國情環(huán)境下各群體的養(yǎng)老需求程度，指出當(dāng)前我國第三支柱養(yǎng)老保險尚未建立統(tǒng)一的個人養(yǎng)老金賬戶，導(dǎo)致國家頒發(fā)的政策無法全方面地帶動三支柱的整體發(fā)展，并且增加了個體選擇養(yǎng)老保險工具的難度。

上述研究成果為研究三支柱養(yǎng)老保險協(xié)調(diào)發(fā)展問題提供了很好的指導(dǎo)，但他們的研究數(shù)據(jù)在時間序列上存在局限性，不足以用來分析三支柱發(fā)展現(xiàn)狀。因此，文章以“十三五”時期養(yǎng)老保險數(shù)據(jù)為切入點(diǎn)，借助因子分析法得出我國三大支柱發(fā)展的現(xiàn)狀，從而進(jìn)一步研究影響三支柱養(yǎng)老保險協(xié)調(diào)發(fā)展的多元因素，并給出相應(yīng)的優(yōu)化政策建議。

2 養(yǎng)老保險協(xié)同發(fā)展因子

2.1 影響“三大支柱”協(xié)同發(fā)展的因素

文章基于前人研究和國家政策文件從各省份在“十三五”規(guī)劃期間的經(jīng)濟(jì)、政策、教育、人口結(jié)構(gòu)、養(yǎng)老保險基金收入等因素列出一系列指標(biāo)，因?yàn)檫@些指標(biāo)之間可能存在某種關(guān)聯(lián)或者數(shù)據(jù)信息的重復(fù)性，為降低分析難度，完善數(shù)據(jù)信息的提取，使數(shù)據(jù)的提煉和分析更趨于嚴(yán)謹(jǐn)合理，文章使用因子分析法對眾多維度指標(biāo)進(jìn)行降維。通過基于特征值大于1的因子分析，得出影響?zhàn)B老保險三支柱協(xié)同協(xié)調(diào)發(fā)展的因子。表1為各因素詳細(xì)情況。

表1 影響“三大支柱”協(xié)同發(fā)展的各因素詳細(xì)情況

續(xù)表

2.2 公因子提取與得分

通過主成分分析法，經(jīng)旋轉(zhuǎn)后將表1的13個成分歸為4個公共因子，4個公共因子的方差解釋率達(dá)到92.16%，即能提取原始數(shù)據(jù)90%以上的信息，而一般情況下高于80%即可，這說明此組信息代表能力強(qiáng)。

旋轉(zhuǎn)后的成分矩陣反映各因素在不同成分下的提取程度，根據(jù)成分矩陣得出第一成分為V11、V13、V2、V3、V1，因其反映的政府支出的力度、勞動力占比、教育程度、養(yǎng)老保險密度、地區(qū)的GDP與經(jīng)濟(jì)形勢的關(guān)聯(lián)性更強(qiáng)，故歸結(jié)為經(jīng)濟(jì)因子；第二成分為V12、V8、V4，因其反映的是人口、養(yǎng)老金和保費(fèi)之間的關(guān)系，可歸結(jié)為養(yǎng)老市場規(guī)模因子；第三成分為V10、V9，因其反映的是三支柱之間的比重關(guān)系，可將其歸結(jié)為養(yǎng)老保險三支柱結(jié)構(gòu)度因子；第四成分為V5、V7，因其反映的是老齡化程度和中央調(diào)控養(yǎng)老基金的關(guān)系，中央養(yǎng)老金的調(diào)劑是政策的宏觀調(diào)控，可將其歸結(jié)為政策協(xié)調(diào)因子。

用成分得分系數(shù)矩陣所給出的系數(shù)，用其乘以V1～V13因素下的標(biāo)準(zhǔn)化數(shù)據(jù)，得到其在不同因子下的得分情況。

例：F1=0.154V1+0.180V2+…+0.174V13

利用F1～F4乘以相關(guān)的比例，即各成分的方差解釋率得到各地區(qū)綜合得分，具體見表2。

表2 各地區(qū)養(yǎng)老保險發(fā)展綜合得分

續(xù)表

3 政策與建議

3.1 發(fā)揮國家調(diào)控職能，合理安排資源流向

結(jié)合模型及其原理可知經(jīng)濟(jì)因子的決定程度較大(占39.770%)。從綜合排名來看，上海和北京由于其強(qiáng)大的經(jīng)濟(jì)因子得分，搭配其較大的占比，而位列前二。而經(jīng)濟(jì)因子得分偏低的省、市或自治區(qū)的排名則相對靠后。

“十三五”規(guī)劃以來，雖實(shí)現(xiàn)全面小康生活的美好追求，但全國地域性發(fā)展仍然存在不平衡，致使養(yǎng)老保險三支柱協(xié)同協(xié)調(diào)發(fā)展不平衡，且地域性差異明顯。因此，發(fā)揮好國家調(diào)控職能，利用發(fā)達(dá)城市的經(jīng)濟(jì)優(yōu)勢去彌補(bǔ)落后地區(qū)的資源短缺，能夠?yàn)槿珖鞯仞B(yǎng)老保險“三大支柱”協(xié)同發(fā)展打好物質(zhì)基礎(chǔ)。

3.2 挖掘養(yǎng)老需求，提升經(jīng)濟(jì)實(shí)力

“十三五”規(guī)劃期間平均數(shù)據(jù)顯示，廣東省常住人口位居第一，其后分別為山東省、河南省、四川省、江蘇省。而根據(jù)表2，這五省的養(yǎng)老市場規(guī)模因子得分也恰好為1～5名。因人口老齡化的加劇，伴隨著人口基數(shù)大的省份潛在養(yǎng)老需求存在和良好的經(jīng)濟(jì)發(fā)展水平，養(yǎng)老市場規(guī)模更大。而在養(yǎng)老市場規(guī)模因子得分較低的地區(qū)，多是因?yàn)榻?jīng)濟(jì)落后，地區(qū)福利性尚未體現(xiàn)而導(dǎo)致養(yǎng)老市場規(guī)模較小，所以，挖掘各地區(qū)實(shí)際養(yǎng)老需求的同時，也要加快提升地區(qū)經(jīng)濟(jì)實(shí)力，才能為三支柱協(xié)同協(xié)調(diào)發(fā)展保駕護(hù)航。