基于因子分析與聚類分析的養老服務政策文本量化研究

張 歌,謝淑媛

(河南大學 哲學與公共管理學院,河南 開封 475000)

根據國家統計局發布的第七次全國人口普查數據顯示,截至2020年11月1日我國60歲及以上人口為26402萬人,占18.70%(其中,65歲及以上人口為19064萬人,占13.50%),80歲及以上人口占總人口的比重為2.54%。國家衛生健康委員會黨組成員、全國老齡辦常務副主任王建軍表示,預計到2050年前后,我國老年人口數將達到峰值4.87億,占總人口的34.9%。由此可見,我國的人口老齡化具有規模大、發展快、高齡化程度不斷加深、空巢獨居老人增多的特點。人口老齡化的不斷深化在帶來巨大養老服務需求的同時也考驗養老服務體系的建設能力。對于高齡和獨居老人而言,他們對生活照料、醫療護理、精神關懷等方面的服務需求也會快速增加。加快養老服務高質量發展,是我國積極實施應對人口老齡化戰略、推動供給側結構性改革的重要內容。黨的二十大報告中指出:“要健全社會保障體系。實施積極應對人口老齡化的國家戰略,發展養老事業和養老產業,推動實現全體老年人享有基本養老服務。”明確了新時代老齡工作的發展目標和重點任務,不斷完善促進養老服務發展的政策措施。

黨中央、國務院高度重視老齡工作,從2000年我國步入老齡化社會開始,國家陸續出臺一系列推動養老服務發展的政策文件。如2013年發布的《關于加快發展養老服務業的若干意見》,該意見指出,積極應對人口老齡化,加快發展養老服務業,不斷滿足老年人持續增長的養老服務需求,是促進社會和諧、推動經濟發展的一項緊迫任務;2019年印發的《國家積極應對人口老齡化中長期規劃》,該規劃指出,人口老齡化是社會發展的重要趨勢,是人類文明進步的體現,也是今后較長一段時期我國的基本國情。人口老齡化對經濟運行全領域、社會建設各環節、社會文化多方面乃至國家綜合實力和國際競爭力,都具有深遠影響,挑戰與機遇并存。這些政策文件涉及養老服務市場、養老服務體系、醫養結合等,在滿足多元化養老服務需求、化解養老服務供需矛盾等方面發揮了強有力的作用。近年來養老服務政策的出臺頻率更是大幅度提升,這些政策的施策面向與重點是什么?省際間養老服務政策的差異又是什么?它對地方養老服務體系建設有什么樣的作用?本文試圖通過梳理2020年30個省份的132份養老服務政策文件來回應上述問題,期望運用統計分析軟件SPSS26.0中的因子和聚類分析方法,分析我國養老服務的政策導向以及省際之間養老服務政策的差異,為我國完善養老服務政策提供思路借鑒。

一、文獻回顧

政策文本量化研究是政策研究科學化的重要途徑,學界對養老服務政策的量化研究大致分為兩類:第一類是基于政策文本內容的內容分析法。通過編碼等方式將政策文本內容轉化為分析單元,并進行定量指標的統計,主要目的是挖掘政策內容的特征、分析政策的協同性[1-2]。內容分析法的具體應用有兩種,其一是與政策工具理論相結合,分析養老服務政策工具使用偏好,通過政策工具的使用情況對養老服務政策文本進行簡要評述,提出政策工具選擇和運用方面的建議[3-5];其二是提取政策中出現的高頻詞,利用共詞分析對高頻詞進行聚類,旨在總結養老服務政策的核心類別、發現政策盲區,并提出完善養老服務體系的建議[6-8]。第二類是基于政策樣本數量的政策計量法。在政策樣本數量足夠大的情況下通過計量方法分析養老服務政策的發文數量、發文主體以及發文趨勢[9-10]。政策計量法的具體應用有兩種,其一是研究行動者關系的社會網絡分析,通過分析養老服務政策發文主體之間的結構,理解養老服務管理組織機構之間的合作情況,有助于實現在協同治理視角下多元主體的利益共通[11];其二是構建評價指標模型,張麗等通過構建PMC指數模型和PMC曲面對政策進行評分,分析養老服務政策的一致性水平、政策的回應性、政策工具的使用情況,并評價政策的優劣情況[12]。

因子和聚類分析由于其簡化變量的方法廣泛地應用于各種研究領域,其中,因子分析多見于綜合評價分析,聚類分析多見于類別劃分[13],兩者可單獨使用,也可共同使用。因子分析的文獻呈現在流通業綜合能力評價[14]、旅游競爭力評估[15]、經濟效益綜合評價[16-17]、地區財政支出綜合績效評價等[18]。因子和聚類分析共同使用的文獻出現在對熱點事件的輿情風險等級的劃分,并根據相應的因子特征分析其每類事件的特點[19];根據經濟績效、旅游競爭力評估的因子分析結果,對我國的省份或地區進行分類,分析存在差異的原因[20-21]。

從選取的政策樣本角度來看,已有的養老服務政策研究多以我國國家層面的養老服務政策為研究樣本或對某個省份的政策進行單獨研究,如:趙潔等篩選2006—2019年我國的養老服務業政策,探究我國養老服務業政策力度、政策措施、政策目標三維協同度[2];何強等以我國老年健康服務業的38篇政策文本作為研究對象,從政策工具視角分析了老年健康服務業政策中的問題并提出建議[22];李曉娣采用內容分析法和詞云圖對我國中央層面出臺的的養老產業政策進行了量化分析[23];王輝則選取了2013年我國第35號文件《國務院關于加快發展養老服務業的若干意見》作為分析藍本,研究我國養老服務業的政策工具使用情況;朱笑笑選取江蘇省的養老服務政策,挖掘江蘇省養老服務政策內容特征等[1]。

綜上所述,現有研究呈現以下特點:一是養老服務政策量化分析方法呈現多樣化、復雜化趨勢。但是僅有少數研究采用聚類分析法,將因子和聚類分析相結合對政策內容進行系統性剖析的文獻并不多見;二是因子分析、聚類分析方法已經成熟,被廣泛應用于經濟、社會、醫學等領域的研究中,但在養老服務政策研究中的運用有所缺乏;三是養老服務政策的研究多以國家層面為主,地方性政策研究的文獻較少,省際之間的政策共性與差異的相關研究也少有涉及。因此本文借鑒Jia J R et.al的聚類方法[24],選取2020年30個省份①的養老服務相關政策文本進行因子和聚類分析,通過因子分析揭示我國養老服務的政策導向,把公共因子得分作為聚類分析的指標,分析省際之間的政策導向差異,有利于清晰各省份養老服務的發展現狀,提高政策制定的精準度。這種方法不僅剔除了傳統聚類分析中指標之間的信息重疊,提高了聚類分析的精度,而且綜合了因子分析和聚類分析的優點,使分析更加全面、客觀,決策更加科學合理[19]。

二、研究方法與數據

(一)研究方法與研究工具

本文借助統計分析軟件spss26.0和政策工具分析模型,運用因子和聚類分析方法展開研究。首先,依據政策工具模型確定數據變量;其次,對政策文本進行編碼,并按照確定的數據變量對編碼內容進行分類;再次,運用spss26.0對政策文本進行因子分析,根據相關性大小對數據變量進行分組,確定公因子數量及名稱。按照各公共因子得分對30個省份進行聚類;最后依據因子分析和聚類結果進行分析和解讀。

因子分析是一種多變量統計分析方法。其基本思想是對數據變量降維,根據相關性大小把變量分組,每組變量反映某一方面影響因素[25],使得同組內的變量之間呈現較高的相關性,不同組間的變量呈現較低的相關性。每組變量代表一個公共因子,對于所研究的問題就能用較少幾個相互獨立的因子反映絕大部分變量[26],減少了變量間的相互干擾,達到了簡化變量和降低維數的目的[27]。以下是因子分析的數學模型,設有p個原有變量xi=(i=1,2,…,p),且每個變量的均值為0,標準差為1,現將每個原有變量用m(m

Xi=ai1F1+ai2F2+…+aimFm+aiεi(i=1,2,……,p)

(1)

①由于西藏自治區在2020年頒布的養老服務政策文件較少,并且不符合本研究的樣本選取原則,因此沒有將其納入本文研究的研究范圍,僅選取了30個省份的政策作為研究樣本。

F現在每個原有變量的線性表達式中,因此稱為公共因子,Fj彼此不相關;εi表示特殊因子,是原有變量不能被因子變量所解釋的部分,其均值為0,獨立于Fj(j=1,2,…,m);aij(i=1,2,…,pj=1,2,…,m)表示因子載荷,指第i個原有變量在第j個因子上的權值,反映第i個變量在第j個主因子上的相對重要性。

聚類分析是統計學中研究“物以類聚”問題的多元統計分析方法,它能夠將一批觀測(或變量)數據根據其諸多特征將他們分類,按照在性質上的親疏程度在沒有先驗知識的情況下進行自動分類,使同一個類別內部的個體之間有較高的相似度,不同類別之間具有較大的差異性。常見的是層次聚類,其又分為Q型聚類和R型聚類,Q型聚類是對樣本進行聚類,R型聚類是對變量進行聚類。本文依據因子分析得到的公因子分數對30個省份進行聚類,由于是對樣本進行分類,因此采用Q型聚類分析。樣本之間的“親疏程度”將直接影響最終的聚類結果,對“親疏程度”的測量重點是個體間的差異程度,如果個體之間的距離越小,意味著他們越“親密”,越有可能聚成一類,否則越有可能分別屬于不同的類。本研究采用平方歐式距離計算個體間的差異,其數學表達式:

(2)

p代表p個聚類變量,xi是個體x的第i個變量的變量值;yi是個體y的第i個變量的變量值。

(二)數據來源

本文以2020年30個省份養老服務政策的截面數據為研究對象,政策文本來源于各地部委政府官方網站公開的數據資料。通過輸入“2020年”“養老”“服務”等關鍵詞進行交叉組合搜索,共得到412份政策文件。為保證政策文本的有效性,確定了以下樣本篩選原則:一是文件內容與養老服務有直接關聯;二是對養老問題僅略微提及的政策不納入研究內容,如:調整退休人員養老金標準的通知、公布養老應用試點示范的通知;三是政策文本是規范性公文,如:規劃、方案、實施方案等,不包括公示、政策解讀提綱、政策問答。根據以上原則進行人工篩選,確定了132份有效的研究樣本,如:《北京市民政局關于進一步做好養老機構運營補貼工作的通知》《河南省衛生健康委員會關于深化醫養結合促進健康養老發展的意見》《陜西省關于建立完善陜西省老年健康服務體系的實施意見》等。

(三)數據變量的選擇

在選擇數據變量時,借鑒了Rothwell et.al的政策工具分析模型[28],該模型最早應用于科技創新與工業再造領域,看似與養老服務無明顯相關性,但是它淡化了政策工具的強制性特征,強調了政府在推進政策項目發展的角色定位,與文章主題相符合,現有研究經驗也驗證了其應用于養老服務研究的可行性,因此本文把該模型用于養老服務政策的分析中,在遵循科學性、可行性和系統性的基礎上,結合相關文獻和政策內容,確定環境型政策工具指營造良好的養老服務發展環境的相關措施,間接促進養老服務發展,數據變量包括X1(協同治理)、X2(策略措施)、X3(金融支持)、X4(稅收)、X5(法規管制)、X6(標準設計);供給型政策工具指政府通過資金、技術、人才等多方面給予支持,推動養老服務發展,數據變量包括X7(市場運作)、X8(土地供給)、X9(醫養結合)、X10(資金投入)、X11(人才培養)、X12(信息技術)、X13(示范工程);需求型政策工具是通過外部手段增加整個社會的養老服務需求,拉動養老服務事業的發展,數據變量包括X14(公共衛生)、X15(老年教育)、X16(老人補貼)、X17(社會參與)、X18(刺激消費)、X19(互助養老)、X20(海外交流)、X21(政府購買)。將30個省份的132份政策按照“政策編號-章號-節號-條目號”進行編碼,依據供給型、環境型、需求型三種類型的關鍵詞對所有編碼內容進行歸類。

三、統計分析

(一)因子分析

1.信度分析

巴特利特球度檢驗和KMO統計量是檢驗因子分析適合程度的測試,KMO的值越接近于1,表明越適合做因子分析。采用SPSS26.0對數據進行預處理,得出KMO值為0.632,大于0.6,表明適合做因子分析;Bartlett球形度檢驗的顯著性概率為0.000,呈極顯著性水平(P<0.01),認為數據來自多元正態分布,適合做因子分析。

2.提取公因子

采用主成分分析法對預處理后的研究樣本進一步處理,得到降維后的公共因子,有6個公共因子初始特征值大于1,其中第一主成分解釋能力占所有變量方差的18.033%,第二主成分解釋能力占所有變量方差的15.487%,第三主成分解釋能力占所有變量方差的15.085%;第四主成分解釋能力占所有變量方差的14.773%;第五主成分解釋能力占所有變量方差的10.761%;第六主成分解釋能力占所有變量方差的7.459%;這六個公因子旋轉后的累積方差貢獻率為81.598%,說明提取的6個公共因子可以涵蓋大部分原始變量所提供的信息,能有效地對分析結果進行解釋。

3.因子載荷矩陣

為了得到相對簡單的因子結構,進行因子旋轉。因子旋轉通過改變坐標軸,能夠重新分配各個因子解釋原有變量方差的比例,使因子更易于理解,結果顯示可以提取6個公共因子且6個公因子各不相關,說明具有合理性,可以得到具有明確意義的公因子,將6個主成分分別命名為F1、F2、F3、F4、F5、F6。其中,F1包括X4(稅收)、X10(資金投入)、X3(金融支持)、X8(土地供給)、X21(政府購買);F2包括X9(醫養結合)、X15(老年教育)、X16(老人補貼)、X6(標準設計);F3包括X5(法規管制)、X13(示范工程)、X2(策略措施)、X11(人才培養);F4包括X7(市場運作)、X18(刺激消費)、X17(社會參與)、X12(信息技術);F5包括X20(海外交流)、X19(互助養老);F6包括X1(協同治理)、X14(公共衛生)。

考慮到政策文本是政府引導養老服務事業與產業發展的工具供給,因此,在對主成分因子命名時綜合考量了政策工具的供給特點。

第一主成分中X4(稅收)、X10(資金投入)、X3(金融支持)、X8(土地供給)、X21(政府購買)的因子載荷較大,其中,X4(稅收)與X3(金融支持)是環境型政策工具,X10(資金投入)與X8(土地供給)是供給型政策工具,X21(政府購買)是需求型政策工具。該主成分強調政府在養老領域的全方位資金投入:運用政府購買方式支持養老事業、直接為養老服務體系的建設與發展提供土地供給與資金補貼、通過稅收和金融支持引導養老產業發展,因此將F1定義為資金支持。

在第二主成分中,X9(醫養結合)、X15(老年教育)、X16(老人補貼)、X6(標準設計)的載荷值較大,其中,X9(醫養結合)是供給型政策工具,X15(老年教育)與X16(老人補貼)是需求型政策工具,X6(標準設計)是環境型政策工具。該主成分強調健康養老服務供給的制度安排:建設醫養結合型的健康養老服務體系、為老年人進行健康教育與補貼以加大養老服務需求、對養老機構的服務流程與內容進行標準化,因而將F2命名為健康服務。

第三主成分中X5(法規管制)、X13(示范工程)、X2(策略措施)、X11(人才培養)的載荷值遠大于其他指標,其中,X5(法規管制)與X2(策略措施)是環境型政策工具,X13(示范工程)與X11(人才培養)是供給型政策工具。該主成分強調政府在養老服務業發展中政策法規引導以及示范引領作用,將F3命名為規制引導。

第四主成分中X7(市場運作)、X18(刺激消費)、X17(社會參與)、X12(信息技術)的載荷值較大,其中,X7(市場運作)是環境型政策工具,X18(刺激消費)與X17(社會參與)是需求型政策工具,X12(信息技術)是供給型政策工具。該主成分強調養老服務業的市場化運行,主張多元主體的智慧化服務供給,因此將F4命名為市場供給。

第五主成分中X20(海外交流)、X19(互助養老)的載荷值高,這兩個變量都是需求型政策工具,強調通過借鑒國外先進經驗加強養老服務體系建設,因此將F5命名為學習借鑒。

第六主成分中X1(協同治理)、X14(公共衛生)的載荷值高,其中,X1(協同治理)是環境型政策工具,X14(公共衛生)是供給型政策工具,反映出在新冠疫情背景下政府強調養老服務體系建設的安全要素,因此將F6命名為安全治理。

通過以上對公因子的分析,原來的21個數據變量被降維到6個公共因子:資金支持、健康服務、規制引導、市場供給、學習借鑒、安全治理,用這6個公因子可以清楚、全面地對養老服務政策內容進行剖析。

4.因子得分

通過SPSS26.0得到成份得分系數矩陣,以及各公共因子F1、F2、F3、F4、F5、F6的得分表達式,進而計算出6個公因子的得分情況以及綜合因子得分表達式:

F=22.1%F1+18.98%F2+18.49%F3+3.8%F4+2.77%F5+1.92%F6

依據以上模型可對各省份的綜合因子得分進行整理和排序(表1)。

5.因子分析結果討論

根據方差貢獻率可知,單因子資金支持、健康服務和規制引導的方差貢獻率分別為18.033%、15.487%、15.085%,總貢獻率高達48.605%,表明這三個因子是影響養老服務發展的主要因素。由此能夠總結出我國的養老服務政策的整體導向以及存在的共性:一是加大了多元主體對養老服務發展的資金和資源支持,以逐步擴大養老服務規模;二是關注老年人多樣化的養老服務需求,逐步完善以需求型政策工具為主的醫養結合、老年教育和補貼等政策內容;三是注重完善養老服務發展的配套措施,如:完善法律法規,加強市場管制力度,營造良好的養老服務發展環境;培育養老服務專業型人才,完善基本養老服務,逐步建立起高質量的養老服務發展體系。四是,我國的養老服務政策工具整體分布不均衡,以供給型和環境型政策工具為主,需求型政策內容缺乏。

從省份來看,每個省份的養老服務政策單因子和綜合因子的得分和排名不盡相同,即省際之間的養老服務政策在數量和內容上存在較大差異,反映出省際之間政府行為的側重點和工作效果的差異。由表1可知,綜合因子得分最高的上海市與最低的廣西省相差1.72,上海市各主成分得分普遍偏高,特別是在資金支持和規制引導方面占據優勢。湖北、江西、吉林、廣西等綜合得分排名靠后的省份,其六個主成分的平均得分也相對較低,由于湖北省前三個主成份的得分排名靠前,因此其綜合得分略高于高于江西、吉林、廣西。由此可見,養老服務要綜合提高各方面的發展水平,才能實現養老服務供需匹配。

(二)聚類分析與討論

1.聚類分析

本文依據提取的6個公共因子F1、F2、F3、F4、F5、F6以及綜合因子F的成份得分,采用spss26.0系統聚類的組間鏈接法對30個省份進行聚類分析。

根據主成分分析原理,各主成分得分以0為分界線,得分數據小于0表示該省份養老服務政策供給低于30個城市的平均水平,如果大于0則相反[30]。依據分類均值比較(表2)可以看出,第六類所包含的省份均值都在0以下,具備相對聚合性的同時又能兼顧類別的差異性。故綜合考慮將30個省份聚為六類較為合適,具體分類情況如下:第一類包括上海市,第二類包括四川省,第三類包括北京市,第四類包括山西省、河南省,第五類包括青海、新疆,第六類包括山東、湖南、江蘇、重慶、河北、海南、云南、江西、貴州、遼寧、內蒙古、福建、廣東、湖北、陜西、浙江、黑龍江、吉林、廣西、天津、甘肅、安徽、寧夏共23個省份及直轄市。

表2 分類均值比較

2.討論

根據聚類分析的結果,比較六個公共因子和綜合因子的均值(表2),前五類的綜合因子得分都大于0,第六類的綜合因子得分小于0且包含省份眾多,具體分析如下:

第一類上海市,結合以上分析,可以看出上海市的F(綜合因子)和F4(市場供給)得分較高,體現在市場化運作、刺激消費、社會參與、信息技術四個方面,綜合運用了供給型、需求型、環境型三種政策工具,這與上海市較為成熟的養老服務市場和較完善的養老服務體系密切相關。第二類四川省,依據表2,其F2(健康服務)得分最高,F5(學習借鑒)、F6(安全治理)的排名也位于前列,表明四川省的養老服務政策側重醫養結合、老年教育、老年補貼、互助養老等方面,注重從老年人的健康服務等需求側拉動養老服務的發展,通過政策扶持健康養老服務體系建設。第三類北京市,其F3(規制引導)最高,F6(安全治理)與F2(健康服務)得分次之,說明北京市的養老服務體系建設重在政策法規等制度安排上,通過營造良好的養老服務市場環境來促進養老服務產業的高質量發展。第四類包括河南省和山西省,這兩個中部省份的F2(健康服務)最高,F1(資金支持)次之,說明這兩個省份很重視以醫養結合為內容的健康養老服務體系建設,通過制度安排與政策設計積極引導養老服務業發展,實現養老事業與產業的雙輪驅動。第五類包括青海和新疆,這兩個省份的F5(學習借鑒)得分較高,F4(市場供給)得分較低,表明這兩個省份的養老服務業的市場化發展不夠充分,重在學習借鑒先進的養老服務體系建設經驗。第六類包含的省份數量最多,F4(市場供給)與F6(安全治理)高于其他因子均值,但都小于0,為更加直觀表達不同地區的養老服務政策供給現狀,以F4(市場供給)為橫坐標,F6(安全治理)為縱坐標繪制坐標系,分別以其得分為原點建立坐標系,根據每個省份的得分對該類所包含的省份進行象限劃分(圖1)。

圖1 第六類23省份的分布散點圖

第一象限涵蓋安徽、云南、寧夏、河北、江西、廣東、浙江七個省份,根據得分和圖示可以看出,第一象限的省份兩個公因子得分都位于均值以上,說明這些省份在市場供給、安全治理方面的政策供給要優于第六類中的其他省份,綜合運用了供給、環境、需求型政策工具,養老服務體系建設的重點在市場化運作和多部門的疫情防控協同治理上。第二象限包括山東、福建、江蘇、遼寧四個省份,該象限省份的市場供給分值位于均值以下,安全治理分值位于均值以上,以需求型政策工具為主,說明這些省份在養老服務市場化發展的政策供給低于平均水平,在養老機構的疫情防控的協同治理方面高于平均水平。第三象限有湖北、廣西、天津、湖南、甘肅、陜西、內蒙古七個省份,他們的兩個公因子分值都位于均值線以下,說明該類省份在市場供給和安全治理的政策供給水平要低于第六類中的其他省份,養老服務體系建設的政策扶持力度較小。第四象限包含黑龍江、重慶、貴州、吉林、海南五個省份,這些省份的市場供給得分高于第六類的其他省份、安全治理得分低于第六類的其他省份,說明這些省份養老服務政策供給以需求型為主,供給和環境型政策工具為輔,養老服務體系建設的政策供給強調市場化運作,政策導向支持養老服務產業發展。

四、啟示與建議

綜上所述,2020年30個省份的養老服務政策既綜合體現我國養老服務體系建設的內涵式高質量發展,又表現各個省份養老服務高質量發展的不同特點與重點。具體來說可以得出以下幾個結論。首先,從因子分析結果判斷可知,我國的養老服務政策以供給型和環境型為主,對需求型政策工具關注度較低,這也許可以解釋我國養老服務供需不平衡的癥結——有效需求不足與有效供給不足并存[31]。其次,從因子排名和聚類分析中,可以發現省際之間的養老服務體系建設水平差異化顯著,這與本地區的經濟發展水平、老齡化水平、養老文化環境等密切相關。以上海為例,其市場供給得分遠高于其他因子得分,同時也遠高于其他類別的公共因子得分,規制引導得分次之,這充分體現出自身的養老服務政策優勢。上海市的市場供給優勢表現在營造良好養老服務市場環境、引導培育養老服務消費市場和鼓勵社會力量參與養老服務供給、引入信息技術開展智慧養老。因此,上海市的養老服務政策工具內容不僅涉及養老服務市場化的供需雙方,而且涉及供需達成交易的制度條件,這些政策內容共同構成養老服務市場的運行系統,為養老服務事業與養老服務產業協同發展提供政策經驗;最后,依據聚類分析結果,不同的省份根據自身的養老服務體系建設目標采用有針對性的政策工具組合,有的省份全面采用需求型、供給型和環境型三種政策工具,而有的省份則是某兩種政策工具的組合,這些政策工具在突出當地養老服務體系建設優勢同時也注重查缺補漏補齊短板。根據上述結論,本文提出以下建議。

(一)協調政策工具內容發揮地區養老服務優勢

根據上述分析結果可以看出,各地的養老服務政策內容側重點有所不同,如上海市的養老服務政策重在市場供給,四川省的養老服務政策重在健康服務,北京市的養老服務政策重在規制引導。各地要因地制宜,明確并制定養老服務差異化發展的戰略,及時調整政策工具內容,充分利用地區優勢促進養老服務協調發展。比如:北京作為首都發展優勢明顯,能夠為區域老齡事業發展提供有力支撐;上海有明顯的人力資源和物質條件優勢,應充分發揮市場在資源配置中的決定性作用,注重養老服務品質提升和類型的多樣化,構建多層次的養老服務體系。

(二)統籌政策工具類型促進全國養老服務高效均衡發展

在促進養老服務高效供給運用政策工具時,要統籌需求型、供給型與環境型三種政策工具的協調組合,積極引導社會力量,激勵養老服務市場化供給。國家在為養老事業發展進行資金扶持與制度安排保障時,要積極地為養老產業發展提供產業扶持、稅收優惠等支持政策,大力培育并發展普惠養老服務市場,促進養老事業與養老產業的協調均衡發展。在促進全國養老服務體系建設均衡方面,可以充分發揮優勢省份的示范效應,并鼓勵其向其他省份進行輻射,同時加強省際間的橫向學習與交流,便于落后地區形成后發優勢,促進全國層面的養老服務高質量發展。