我国城镇职工基本养老保险可持续发展的研究上.docx

我国城镇职工基本养老保险可持续发展的研究上.docx

《我国城镇职工基本养老保险可持续发展的研究上.docx》由会员分享，可在线阅读，更多相关《我国城镇职工基本养老保险可持续发展的研究上.docx（7页珍藏版）》请在冰点文库上搜索。

我国城镇职工基本养老保险可持续发展的研究上

我国城镇职工基本养老保险可持续发展的研究（上）

2012-11-0614:

30:

30　　　来源：

《内蒙古财经学院学报》2012年第2期

　　摘要：

运用因子分析法，选取了13个影响城镇职工基本养老保险可持续发展的指标，并建立综合评价模型，对我国各地区城镇职工基本养老保险的可持续发展程度进行定量分析与综合评价，最后总结出经济发展情况、人口年龄结构、养老保险基金来源渠道与养老保险内部负担等四个指标体系对我国城镇职工基本养老保险的可持续发展产生重要的影响，并据此提出相关的政策建议。

　　关键词：

城镇职工基本养老保险，可持续发展，因子分析法，指标体系

　　一、引言

　　20世纪80年代中期，随着市场经济体制在中国的建立，养老保险改革拉开了帷幕。

在当前面对人口老龄化、城镇化以及就业形式多样化的新形势下，养老保险存在着一系列问题，诸如企业缴费率过高、覆盖范围扩大困难、政府财政负担过重、个人账户“空账运行”、转移接续不通畅等等，并且这些问题还在进一步加剧1。

养老保险制度作为现代国家社会保险体系中最重要的组成部分，完善城镇职工基本养老保险制度，实现其可持续发展，既是迎接目前我国社会保障制度面临人口老龄化、城镇化、就业形式多样化这三大挑战的需要，同时也是维护改革发展稳定大局、构建和谐社会的需要2。

　　目前，对于城镇职工基本养老保险可持续发展的理论研究已得到国家、社会、学者们的重视，关于社会养老保险的定性研究理论已逐步完善。

然而，国内对这一问题的定量研究仍然不多，一些研究成果注重定性设计指标体系，对指标体系的检验和可操作性方面的研究还不够。

因此，本文基于人口老龄化的背景，从可持续发展的角度，选取了13个影响城镇职工基本养老保险可持续发展的指标，运用因子分析法建立综合评价模型，对我国东部、中部、西部等31个地区的城镇职工基本养老保险可持续发展进行定量分析和综合评价，找出促进与限制城镇职工基本养老保险可持续发展的相关因素，并据此提出相关的可行性政策建议。

　　二、评价指标的选取

（一）经济发展指标

　　X1-人均地区生产总值（元）

　　X2-平均工资（元）

　　X3-失业率（%）

　　X4-对社会保障和就业的财政支出占一般预算支出的比例（%）

（二）人口结构指标

　　X5-出生率（%）

　　X6-预期寿命（岁）

　　X7-老年人抚养比（%）

　　X8-外来人口占总人口比例（%）

　　（三）社会保障内部指标

　　X9-城镇职工基本养老保险覆盖率（%）

　　X10-参加城镇职工基本养老保险职工人数占城镇职工基本养老保险总人数的比例（%）

　　X11-参加城镇职工基本养老保险职工人数的增长率（%）

　　X12-参加城镇职工基本养老保险离退休人员人数的增长率（%）

　　X13-城镇职工基本养老保险基金累计结余的增长率（%）

　　三、运用因子分析法进行定量研究

（一）数据来源及预处理

　　运用指标评价我国各地区城镇职工基本养老保险可持续发展程度，由于各指标对各地区城镇职工基本养老保险可持续发展的影响程度不一致，指标之间也可能存在相关性，因此，运用因子分析法，利用降维的思想，根据相关性大小将原始变量分组，使得同组内的变量之间相关性较高，而不同组的变量间的相关性则较低。

每组变量代表一个基本结构，并用一个不可预测的综合变量表示，此基本结构就称为公共因子。

这一过程也就是从一些有错综复杂关系的指标中找出少数几个主要因子，每一个主要因子就代表指标间相互依赖的一种作用，我们抓住这些主要因子帮助我们对城镇职工基本养老保险可持续发展问题进行分析和解释。

　　本文选取了东部、中部和西部等31个省市，对各省市的城镇职工基本养老保险可持续发展程度做了比较。

数据来源于《中国劳动统计年鉴》（2010）、国家统计局网站和《中国统计年鉴》（2010），归纳整理得出各省市2009年城镇职工基本养老保险可持续发展各项指标的样本数据，并对样本数据进行同向化（即将逆指标转化为正指标，转化的方式为逆指标的倒数值代替原指标）和标准化处理后，得出标准化后的数据样本。

在此基础上，应用SPSS统计分析软件进行因子分析。

　　本文选取的样本为全国的31个省市，它们分别是：

北京、天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、上海、江苏、浙江、安徽、福建、江西、山东、河南、湖北、湖南、广东、广西、海南、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。

（二）统计分析

　　1.KMO和Bartlett的检验

　　将相关数据输入SPSS软件运行，KMO和Bartlett的检验结果如表1所示。

KMO统计量是取值在0和1之间。

当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时，KMO值接近1。

KMO值越接近于1，意味着变量间的相关性越强，原有变量越适合作因子分析；同理，若KMO值越接近于0，意味着变量间的相关性越弱，原有变量越不适合作因子分析。

KMO的度量标准为：

0.9以上表示非常适合；0.8表示适合；0.7表示一般；0.6表示不太适合；0.5以下表示极不适合。

本文的KMO值为0.711，且Bartlett检验的P值＜0.05，故可以进行因子分析。

　　2.公因子方差分析

　　表2为公因子方差表，各原始变量的初始值均为1，当提取公因子后，各变量的提取值都比较大，说明提取的公因子所包含的信息量比较大，都能够很好地解释原始变量。

比如人均地区生产总值、平均工资、参加城镇职工基本养老保险职工人数占城镇职工基本养老保险总人数比例都达到了0.9以上，说明它们与隐性因子的相关性较强，最低的参加城镇职工基本养老保险离退休人员人数增长率也达到了0.589，说明所选指标的相关性平均较强。

　　3.因子提取分析

　　表3为相关矩阵的特征值与其贡献率及累计贡献率。

由于主成分的特征根必须大于1，根据表3，提取了4个公因子F1、F2、F3、F4。

第一个主成分的特征值根为4.930，此值解释了总变异的37.926%；第二个主成分的特征值根为2.554，解释了总变异的19.650%；第三个主成分的特征值根为1.497，解释了总变异的11.518%；第四个主成分的特征值根为1.284，解释了总变异的9.878%；4个公因子的累积贡献率为78.971%。

　　同时，为了确定提取几个主因子，需要结合碎石图来做进一步的判断。

从碎石图可知，在第5点出现了拐点，从第五个主成分开始特征根非常低，说明只需要提取四个主成分即可。

　　4.旋转结果分析

　　表4为旋转后因子载荷矩阵，是各个变量的因子表达式的系数，反映了提取的共性因子对原始变量的影响程度。

各变量在提取的公共因子下得分越高（即其绝对值越接近1），表示它们与该公共因子的关系越密切。

因此，可以根据各变量的得分将其归入到四类因子之中。

　　根据各因子相对主成分因子得分系数的高低，我们可以将指标进行归类（如表5所示）：

　　5.因子得分分析

　　因子得分能够反映各指标变量与三个主因子之间的关系，在某一因子上的得分高，表明该指标与该主因子之间关系密切，表6为因子得分系数矩阵。

　　主因子F1、F2、F3、F4分别从经济发展、人口年龄结构、养老保险基金来源和养老保险内部负担4个主要方面来评价我国各地区的城镇职工基本养老保险可持续发展程度。

根据表6，可以得出旋转后三个主因子F的主成分线性组合。

　　F1=0.232X1+0.278X2+0.203X3-0.057X4-0.073X5-0.038X6+0.097X7+0.244X8+0.159X9-0.034X10-0.07X11+0.177X12+0.017X13（公式1）

　　F2=0.01X1+0.133X2+0.141X3+0.046X4+0.174X5+0.276X6+0.411X7+0.097X8-0.049X9-0.06X10-0.194X11+0.424X12+0.073X13（公式2）

　　F3=-0.036X1+0.123X2+0.021X3-0.293X4+0.102X5+0.009X6-0.19X7-0.034X8-0.176X9-0.007X10+0.463X11-0.116X12+0.363X13（公式3）

　　F4=-0.079X1-0.225X2+0.138X3-0.164X4+0.203X5-0.063X6+0.174X7+0.075X8+0.012X9+0.581X10+0.058X11-0.165X12-0.291X13（公式4）

　　四、各地区城镇职工基本养老保险可持续发展综合评价

　　根据表3构建城镇职工基本养老保险可持续发展评价模型如下：

　　F=0.402F1+0.238F2+0.2F3+0.16F4

　　（模型1）

　　将全国31个地区的13个因素的数据分别代入公式1、公式2、公式3、公式4，求出F1、F2、F3、F4，然后将结果代入模型1，以此计算出全国各个地区的综合得分，然后将各地区的综合得分水平进行排序与比较，见表7：

　　（作者：

上海工程技术大学管理学院林佩芳长江精工钢结构（集团）股份有限公司褚杭）