邊妗偉 饒克勤

清華大學(xué)醫(yī)院管理研究院 廣東深圳 518055

人口老齡化是我國(guó)新時(shí)代面臨的人口特征之一，截至2021年底，我國(guó)總?cè)丝诩s14.13億人，其中，65歲及以上老年人約20 056萬(wàn)人，占總?cè)丝诒戎貫?4.20%。[1]為此國(guó)家出臺(tái)一系列政策，大力支持養(yǎng)老事業(yè)發(fā)展，近年來(lái)，我國(guó)養(yǎng)老資源絕對(duì)量得到大幅提升，截至2020年底，我國(guó)擁有養(yǎng)老機(jī)構(gòu)38 158家，社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施291 279家，養(yǎng)老服務(wù)床位813.5萬(wàn)張。[2]2022年2月21日，國(guó)務(wù)院印發(fā)《“十四五”國(guó)家老齡事業(yè)發(fā)展和養(yǎng)老服務(wù)體系規(guī)劃》，提出2025年養(yǎng)老服務(wù)床位總量要達(dá)到900萬(wàn)張以上。[3]然而，與積極建設(shè)養(yǎng)老服務(wù)床位相矛盾的是，目前養(yǎng)老機(jī)構(gòu)的平均入住率偏低，總體養(yǎng)老服務(wù)利用率不高。[4]基于此，綜合研判養(yǎng)老資源配置與服務(wù)利用的關(guān)系，科學(xué)進(jìn)行養(yǎng)老資源配置對(duì)于養(yǎng)老事業(yè)發(fā)展至關(guān)重要。本研究旨在通過(guò)構(gòu)建機(jī)構(gòu)分層分析框架，綜合應(yīng)用熵值法、耦合協(xié)調(diào)評(píng)價(jià)模型對(duì)2015—2020年中國(guó)31個(gè)省(直轄市、自治區(qū))的養(yǎng)老機(jī)構(gòu)、社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施數(shù)據(jù)進(jìn)行分析，探討?zhàn)B老資源配置與服務(wù)利用協(xié)調(diào)發(fā)展的時(shí)空演化，為制定養(yǎng)老資源配置政策、緩解養(yǎng)老服務(wù)供需矛盾提供參考。

1 耦合協(xié)調(diào)發(fā)展理論

耦合是物理學(xué)領(lǐng)域中的相關(guān)概念，用于衡量?jī)蓚€(gè)及以上系統(tǒng)或要素之間的相互作用關(guān)系和影響程度。[5-6]協(xié)調(diào)是指系統(tǒng)或要素在相互作用過(guò)程中的良性耦合程度。[7]在實(shí)踐應(yīng)用中，鑒于耦合度僅對(duì)系統(tǒng)或要素的相互作用程度進(jìn)行量化，并不能體現(xiàn)其是在高水平上相互促進(jìn)還是低水平上相互制約，因此，學(xué)者們提出了“耦合協(xié)調(diào)度”概念，目前已廣泛應(yīng)用于經(jīng)濟(jì)[8]、環(huán)境[9]、社會(huì)發(fā)展[10]、交通[11]、城市化[12]等領(lǐng)域。

養(yǎng)老資源配置與服務(wù)利用是養(yǎng)老系統(tǒng)內(nèi)相互影響的兩個(gè)耦合交互體。一方面，養(yǎng)老資源配置是服務(wù)利用存在和發(fā)展的基礎(chǔ)，為養(yǎng)老服務(wù)利用提供基本的物質(zhì)前提。同時(shí)，資源配置水平極大地影響服務(wù)利用程度，科學(xué)有效的養(yǎng)老資源配置將推動(dòng)養(yǎng)老服務(wù)供給更加貼合老年人需求，養(yǎng)老服務(wù)將得到更加有效地利用。另一方面，養(yǎng)老服用利用對(duì)資源配置有重要影響，實(shí)踐過(guò)程中，養(yǎng)老資源配置需要考慮養(yǎng)老服務(wù)的實(shí)際應(yīng)用情況，根據(jù)具體實(shí)踐靈活調(diào)整配置策略。當(dāng)資源配置與服用利用相互作用，實(shí)現(xiàn)協(xié)調(diào)發(fā)展時(shí)，二者處于耦合協(xié)調(diào)狀態(tài)，即養(yǎng)老資源配置與服務(wù)利用在規(guī)模、程度上呈有序、協(xié)同的相對(duì)穩(wěn)定狀態(tài)。本文將基于耦合協(xié)調(diào)發(fā)展理論，探討?zhàn)B老資源配置與服務(wù)利用之間的耦合協(xié)調(diào)關(guān)系，明晰其時(shí)空演化規(guī)律，協(xié)調(diào)養(yǎng)老資源的有效配置和供需協(xié)調(diào)發(fā)展。

2 指標(biāo)體系構(gòu)建、研究方法與數(shù)據(jù)來(lái)源

2.1 指標(biāo)體系構(gòu)建

經(jīng)文獻(xiàn)梳理發(fā)現(xiàn)，目前針對(duì)養(yǎng)老服務(wù)協(xié)調(diào)發(fā)展的研究多聚焦在養(yǎng)老服務(wù)產(chǎn)業(yè)與區(qū)域經(jīng)濟(jì)[13]、體育產(chǎn)業(yè)[14]、金融業(yè)[15]、醫(yī)療服務(wù)[16]、文化產(chǎn)業(yè)[17]、生態(tài)環(huán)境[18]等的耦合協(xié)調(diào)發(fā)展方面，對(duì)于養(yǎng)老資源配置與服務(wù)利用的協(xié)調(diào)發(fā)展研究相對(duì)較少。在目前的耦合協(xié)調(diào)研究中，養(yǎng)老服務(wù)方面的指標(biāo)多選擇機(jī)構(gòu)建設(shè)、人力資源、服務(wù)受眾、產(chǎn)業(yè)情況等指標(biāo)。

在指標(biāo)體系構(gòu)建過(guò)程中，對(duì)于資源配置指標(biāo)，考慮到人均和地均資源配置不能準(zhǔn)確反映地區(qū)資源配置的實(shí)際情況。[19]因此，本文借鑒醫(yī)療資源密度指數(shù)(Health Resources Density Index，HRDI)，分別構(gòu)建與機(jī)構(gòu)數(shù)、床位數(shù)、人員數(shù)相對(duì)應(yīng)的資源密度指數(shù)。本文中，HRDI值是每千65歲及以上人口擁有的養(yǎng)老資源和每平方千米擁有的養(yǎng)老資源乘積的幾何平均數(shù)，其綜合考量了人口和地理面積的影響因素，能更好地反映資源按人口和地理面積分布的綜合水平。[20]對(duì)于服務(wù)利用指標(biāo)，本文選取每千65歲及以上人口的服務(wù)總?cè)颂鞌?shù)、年末服務(wù)人數(shù)和服務(wù)人次數(shù)等指標(biāo)。鑒于數(shù)據(jù)的可獲得性和準(zhǔn)確性，本研究未設(shè)置負(fù)向指標(biāo)。

綜上，本研究立足中國(guó)養(yǎng)老資源配置與服務(wù)利用現(xiàn)狀，結(jié)合前期文獻(xiàn)研究，兼顧數(shù)據(jù)的可得性與有效性，初步構(gòu)建了中國(guó)養(yǎng)老資源配置及服務(wù)利用評(píng)價(jià)指標(biāo)體系，并應(yīng)用熵值法對(duì)養(yǎng)老機(jī)構(gòu)和社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)及其設(shè)施相關(guān)指標(biāo)數(shù)據(jù)進(jìn)行權(quán)重計(jì)算，最終得到中國(guó)養(yǎng)老資源配置及服務(wù)利用評(píng)價(jià)指標(biāo)體系(表1)。

表1 養(yǎng)老資源配置與服務(wù)利用協(xié)調(diào)發(fā)展評(píng)價(jià)指標(biāo)體系

2.2 研究方法

2.2.1 熵值法

熵值法根據(jù)各指標(biāo)變異程度確定指標(biāo)權(quán)重，是客觀賦權(quán)的方法之一，能夠規(guī)避評(píng)價(jià)指標(biāo)賦權(quán)過(guò)程中的主觀因素，使得評(píng)價(jià)結(jié)果更加科學(xué)、客觀，在多指標(biāo)綜合評(píng)價(jià)實(shí)踐中被廣泛應(yīng)用。[21]

(1)鑒于不同指標(biāo)的性質(zhì)與量綱差異，需對(duì)養(yǎng)老資源配置與服務(wù)利用評(píng)價(jià)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，主要采用極值標(biāo)準(zhǔn)化方法，計(jì)算公式為：

對(duì)于正向指標(biāo)：

對(duì)于負(fù)向指標(biāo)：

式中：xij和x′ij分別表示第i(i=1,2,…,n)年第j(j=1,2,…,m)項(xiàng)指標(biāo)的原始值和標(biāo)準(zhǔn)化處理后的數(shù)值；maxxij和minxij分別表示第j列指標(biāo)里的最大值與最小值。

(2)對(duì)標(biāo)準(zhǔn)化后的指標(biāo)進(jìn)行歸一化處理：

yij=x′ij+0.0001

(3)求取第i年第j項(xiàng)指標(biāo)的比重pij：

(4)求取第j項(xiàng)指標(biāo)的熵值ej：

(5)求取第j項(xiàng)指標(biāo)的差異系數(shù)gi：

gi=1-ej

(6)求取第j項(xiàng)指標(biāo)的權(quán)重wj：

根據(jù)熵值法計(jì)算的指標(biāo)權(quán)重，確定養(yǎng)老資源配置與服務(wù)利用的綜合發(fā)展水平指數(shù)，考慮到后續(xù)耦合協(xié)調(diào)度的計(jì)算和比較，本研究采取的計(jì)算公式為：

式中：Uk為第k個(gè)子系統(tǒng)的綜合發(fā)展水平指數(shù)。

2.2.2 耦合協(xié)調(diào)度評(píng)價(jià)模型

本文利用耦合協(xié)調(diào)度評(píng)價(jià)模型判斷養(yǎng)老資源配置與服務(wù)利用的協(xié)同作用。[22]

(1)耦合度的計(jì)算公式為：

式中：C代表耦合度，C的取值范圍是[0,1]，C越大，系統(tǒng)間的關(guān)聯(lián)度越高，反之關(guān)聯(lián)度越低。U1、U2分別代表養(yǎng)老資源配置、養(yǎng)老服務(wù)利用子系統(tǒng)的綜合發(fā)展水平指數(shù)。

(2)耦合協(xié)調(diào)度的計(jì)算公式為：

T=αU1+βU2

式中：D表示養(yǎng)老服務(wù)配置與服務(wù)利用的耦合協(xié)調(diào)度，T表示綜合評(píng)價(jià)指數(shù)，α、β表示待定系數(shù)。在兩系統(tǒng)協(xié)同發(fā)展中，二者相互促進(jìn)程度有所差異，養(yǎng)老資源配置水平的提高能促進(jìn)養(yǎng)老服務(wù)利用度的改善，但服務(wù)利用度的提升卻是多因素綜合作用的結(jié)果，資源配置并不是唯一驅(qū)動(dòng)力。因此，本研究確定α、β賦值為0.4、0.6。[7]

2.2.3 耦合協(xié)調(diào)度等級(jí)劃分

本研究將耦合協(xié)調(diào)度從低到高劃分為10個(gè)等級(jí)[23]，以對(duì)養(yǎng)老服務(wù)配置與服務(wù)利用的耦合協(xié)調(diào)水平進(jìn)行科學(xué)評(píng)價(jià)(表2)。

表2 耦合協(xié)調(diào)等級(jí)評(píng)價(jià)標(biāo)準(zhǔn)

2.2.4 相對(duì)發(fā)展度

本文中相對(duì)發(fā)展度是指養(yǎng)老資源配置與服務(wù)利用的綜合發(fā)展水平指數(shù)的比值，以衡量?jī)蓚€(gè)子系統(tǒng)的相對(duì)發(fā)展情況。結(jié)合以往文獻(xiàn)研究[24]，本文將相對(duì)發(fā)展度分為3個(gè)等級(jí)。

表3 相對(duì)發(fā)展度等級(jí)評(píng)價(jià)標(biāo)準(zhǔn)

2.3 數(shù)據(jù)來(lái)源

本研究的研究數(shù)據(jù)主要來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》和《中國(guó)民政統(tǒng)計(jì)年鑒》，選取2015—2020年31個(gè)省、市、自治區(qū)(不含港澳臺(tái)數(shù)據(jù))的養(yǎng)老機(jī)構(gòu)、社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施相關(guān)數(shù)據(jù)進(jìn)行研究。鑒于2015—2018年社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施的相關(guān)數(shù)據(jù)存在缺失，因此，本研究?jī)H對(duì)2019—2020年的社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施情況展開(kāi)研究。

3 養(yǎng)老資源配置與服務(wù)利用時(shí)空演化

3.1 養(yǎng)老資源配置時(shí)空演化

3.1.1 養(yǎng)老機(jī)構(gòu)

第一，總體上看，我國(guó)整體養(yǎng)老機(jī)構(gòu)資源配置的綜合發(fā)展水平指數(shù)不高。2020年，各省的綜合發(fā)展水平指數(shù)處于0.004 6～0.856 2之間。其中，僅上海、北京、天津、江蘇4個(gè)省份的綜合發(fā)展水平指數(shù)高于0.3，其余27個(gè)省份的綜合發(fā)展水平指數(shù)均低于0.25。由此可見(jiàn)，我國(guó)的養(yǎng)老機(jī)構(gòu)資源配置仍處于較低水平，主要原因在于我國(guó)老齡化程度較高，且發(fā)展進(jìn)程快，養(yǎng)老體系建設(shè)和產(chǎn)業(yè)發(fā)展面臨較大壓力。[25]目前，我國(guó)養(yǎng)老事業(yè)仍處于早期發(fā)展階段，養(yǎng)老機(jī)構(gòu)資源配置機(jī)制尚不成熟，亟需結(jié)合地區(qū)區(qū)位特點(diǎn)、老齡化程度、經(jīng)濟(jì)發(fā)展水平等進(jìn)行資源的合理配置。

第二，橫向上看，各省區(qū)之間的養(yǎng)老機(jī)構(gòu)資源配置綜合發(fā)展水平指數(shù)存在較大差異。2020年，福建、陜西、黑龍江、山西、四川、貴州、寧夏、廣西、云南、海南、內(nèi)蒙古、甘肅、新疆、青海、西藏15個(gè)省份的綜合發(fā)展水平指數(shù)均低于0.1，河南、廣東、江西、湖北、河北、湖南、遼寧、吉林、重慶9個(gè)省份的綜合發(fā)展水平指數(shù)處于0.1～0.2之間，上海、北京、天津、江蘇、浙江、安徽、山東7個(gè)省份的綜合發(fā)展水平指數(shù)高于0.2。其中，上海的綜合發(fā)展水平指數(shù)最高，為0.856 2，較第二名北京的綜合發(fā)展水平指數(shù)(0.494 0)高近70%，較指數(shù)最低的省份西藏(0.004 6)高0.851 6。由此可見(jiàn)，目前我國(guó)省域間的養(yǎng)老機(jī)構(gòu)資源配置在空間分布上較不均衡，兩極差距明顯，未來(lái)應(yīng)著力提高養(yǎng)老資源配置的均衡性和公平性。

縱向來(lái)看，我國(guó)養(yǎng)老機(jī)構(gòu)資源配置整體呈上升態(tài)勢(shì)。與2015年相比，2020年有25個(gè)省份的綜合發(fā)展水平指數(shù)實(shí)現(xiàn)增長(zhǎng)，河南、青海、安徽3個(gè)省份的增長(zhǎng)率超過(guò)100%。內(nèi)蒙古、上海、天津、甘肅、海南、西藏6個(gè)省份的綜合發(fā)展水平指數(shù)略有下降，西藏下降幅度最大，由2015年的0.015 8下降至2020年的0.004 6，下降近70.89%

3.1.2 社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施

第一，我國(guó)社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施的資源配置水平亟待提升。2020年，各省份的綜合發(fā)展水平指數(shù)處于0.010 7～0.657 5之間。其中，浙江、江蘇、上海、廣東4個(gè)省份的綜合發(fā)展水平指數(shù)高于0.5，福建、天津、江西、湖南、河北、湖北、山東7個(gè)省份的綜合發(fā)展水平指數(shù)處于0.3～0.5之間，寧夏、黑龍江、內(nèi)蒙古、新疆、海南、青海、云南、西藏8個(gè)省份的綜合發(fā)展水平指數(shù)低于0.1。第二，社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施的相關(guān)資源配置在空間分布上略優(yōu)于養(yǎng)老機(jī)構(gòu)，但仍存在較大差距。2020年，浙江的綜合發(fā)展水平指數(shù)最高，為0.657 5，較指數(shù)最低的省份西藏(0.010 7)高0.646 8。

縱向來(lái)看，2020年我國(guó)社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施資源配置呈上升態(tài)勢(shì)，與2019年相比，所有省市均實(shí)現(xiàn)綜合發(fā)展水平指數(shù)的提升，提示資源配置水平有所改善。其中，24個(gè)省份的綜合發(fā)展水平指數(shù)增長(zhǎng)幅度超過(guò)100%，新疆增長(zhǎng)幅度最高，由2019年的0.002 0增長(zhǎng)至2020年的0.062 5(表4)。

表4 養(yǎng)老資源配置的綜合發(fā)展水平指數(shù)

3.2 服務(wù)利用時(shí)空演化

3.2.1 養(yǎng)老機(jī)構(gòu)

2020年，我國(guó)養(yǎng)老機(jī)構(gòu)服務(wù)利用的綜合發(fā)展水平指數(shù)處于0.019 6～0.576 0之間，僅北京的綜合發(fā)展水平指數(shù)高于0.5，表示養(yǎng)老機(jī)構(gòu)提供的養(yǎng)老服務(wù)得到了較高水平的利用；上海、吉林、浙江、湖北、廣東5個(gè)省份的綜合發(fā)展水平指數(shù)處于0.2～0.3之間，西藏、河北、貴州、福建、云南、山西、廣西、甘肅、青海、海南10個(gè)省份的綜合發(fā)展水平指數(shù)低于0.1，表示區(qū)域內(nèi)的老年人養(yǎng)老服務(wù)利用度不高。

縱向來(lái)看，相較于2015年，2020年吉林的綜合發(fā)展水平指數(shù)增長(zhǎng)率最高，達(dá)84.78%；有25個(gè)省份的綜合發(fā)展水平指數(shù)出現(xiàn)負(fù)增長(zhǎng)，其中，西藏、貴州的指數(shù)下降程度高于70%，主要考慮一方面，隨著養(yǎng)老機(jī)構(gòu)服務(wù)利用的衡量指標(biāo)，如年在院總?cè)颂鞌?shù)、年末在院人數(shù)的統(tǒng)計(jì)口徑、統(tǒng)計(jì)方式和準(zhǔn)確度等逐步規(guī)范，可能存在由于統(tǒng)計(jì)口徑、方式不同而導(dǎo)致的數(shù)據(jù)誤差；另一方面，本研究采取的服務(wù)利用指標(biāo)均為人均指標(biāo)，可能存在服務(wù)利用增長(zhǎng)程度不及老年人口的增長(zhǎng)速度，進(jìn)而導(dǎo)致綜合發(fā)展水平指數(shù)出現(xiàn)負(fù)增長(zhǎng)。全國(guó)范圍內(nèi)來(lái)看，2020年65～74歲人口占65歲以上人口比例較2015年增長(zhǎng)1.43%[1]，而養(yǎng)老機(jī)構(gòu)多面向高齡或生活無(wú)法完全自理的老年人群，加之醫(yī)療水平的提高和社區(qū)居家養(yǎng)老模式的推廣，使得區(qū)域內(nèi)居民對(duì)于養(yǎng)老機(jī)構(gòu)的服務(wù)利用增長(zhǎng)低于老年人口絕對(duì)數(shù)量的增長(zhǎng)。

3.2.2 社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施

2020年，我國(guó)社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施的服務(wù)利用綜合發(fā)展水平指數(shù)處于0.021 7～0.692 2之間，其中，內(nèi)蒙古、浙江的綜合發(fā)展水平指數(shù)超過(guò)0.5，廣東、陜西、重慶、福建、湖北、北京、湖南7個(gè)省份的綜合發(fā)展水平指數(shù)處于0.2～0.4之間，黑龍江、上海、寧夏、河南、云南、安徽、吉林、天津、海南、西藏10個(gè)省份的綜合發(fā)展水平指數(shù)低于0.1。

縱向來(lái)看，相較于2019年，2020年有15個(gè)省份的綜合發(fā)展水平指數(shù)實(shí)現(xiàn)增長(zhǎng)，其中，上海、廣西、北京、陜西、內(nèi)蒙古、重慶、新疆7個(gè)省份的增長(zhǎng)率超過(guò)100%，上海的增長(zhǎng)幅度最高，由2019年的0.002 1增長(zhǎng)至2020年的0.089 0。16個(gè)省份的綜合發(fā)展水平指數(shù)出現(xiàn)負(fù)向增長(zhǎng)，表明社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施的服務(wù)利用水平亟待提高(表5)。

表5 服務(wù)利用的綜合發(fā)展水平指數(shù)

4 養(yǎng)老資源配置與服務(wù)利用耦合協(xié)調(diào)的時(shí)空演化

4.1 耦合協(xié)調(diào)發(fā)展總體態(tài)勢(shì)

根據(jù)耦合協(xié)調(diào)度評(píng)價(jià)模型，計(jì)算得到養(yǎng)老機(jī)構(gòu)和社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施的耦合協(xié)調(diào)度和相對(duì)發(fā)展度值(表6)。

表6 養(yǎng)老資源配置與服務(wù)利用的綜合評(píng)價(jià)指數(shù)和總耦合協(xié)調(diào)發(fā)展水平

第一，從兩子系統(tǒng)的綜合發(fā)展水平指數(shù)來(lái)看，2018—2020年養(yǎng)老機(jī)構(gòu)服務(wù)利用指數(shù)和2020年社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施的服務(wù)利用指數(shù)低于相應(yīng)年度全國(guó)各省份的平均水平，表明我國(guó)養(yǎng)老資源配置不均，現(xiàn)有的養(yǎng)老資源在各省市之間的布局并未達(dá)到最優(yōu)狀態(tài)。

第二，從耦合協(xié)調(diào)度指數(shù)來(lái)看，兩類機(jī)構(gòu)的總耦合協(xié)調(diào)度均呈下降趨勢(shì)，2020年全國(guó)養(yǎng)老機(jī)構(gòu)的總耦合協(xié)調(diào)度水平略高于社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施。具體來(lái)看，養(yǎng)老機(jī)構(gòu)的總耦合協(xié)調(diào)度由2015年的0.728 0下降至2020年的0.088 9，協(xié)調(diào)度水平由中級(jí)協(xié)調(diào)下降至極度失調(diào)狀態(tài)，社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施的總耦合協(xié)調(diào)度在2019和2020年均處于極度失調(diào)狀態(tài)。其中，2020年由于服務(wù)利用指數(shù)的驟降導(dǎo)致兩類機(jī)構(gòu)的總耦合協(xié)調(diào)度指數(shù)出現(xiàn)快速下降，主要考慮一方面，由于65歲及以上人口的快速增加導(dǎo)致人均服務(wù)利用情況下降，未來(lái)應(yīng)進(jìn)一步加大適宜人群對(duì)于養(yǎng)老機(jī)構(gòu)或設(shè)施的利用程度，提高服務(wù)的有效利用率，滿足老年人群的實(shí)際需求。另一方面，與分省市的耦合協(xié)調(diào)度平均水平相比，全國(guó)總耦合協(xié)調(diào)度顯著偏低，表明距離實(shí)現(xiàn)整體養(yǎng)老資源配置和服務(wù)利用協(xié)同發(fā)展仍有較大差距，且各省市之間的耦合協(xié)調(diào)度懸殊，兩級(jí)差距明顯，未來(lái)應(yīng)著力提高養(yǎng)老資源配置與服務(wù)利用的協(xié)同性，實(shí)現(xiàn)同步發(fā)展的優(yōu)質(zhì)協(xié)調(diào)狀態(tài)。

第三，從相對(duì)發(fā)展度指數(shù)來(lái)看，兩類機(jī)構(gòu)均由資源配置滯后型向服務(wù)利用滯后型方向發(fā)展。早期養(yǎng)老資源配置處于較低水平，與養(yǎng)老服務(wù)利用水平相比相對(duì)滯后，隨著我國(guó)老齡事業(yè)的發(fā)展和資源配置的統(tǒng)籌部署，養(yǎng)老資源配置水平顯著提升。目前，兩類機(jī)構(gòu)均處于服務(wù)利用滯后型，未來(lái)，應(yīng)在進(jìn)一步提升養(yǎng)老資源配置的基礎(chǔ)上，大力提高養(yǎng)老服務(wù)利用度，通過(guò)養(yǎng)老資源轉(zhuǎn)型、服務(wù)質(zhì)量提升、服務(wù)范圍擴(kuò)大等方式，促使養(yǎng)老資源配置與服務(wù)利用實(shí)現(xiàn)同步發(fā)展，推動(dòng)養(yǎng)老服務(wù)供給和需求達(dá)到高位均衡狀態(tài)。

4.2 耦合協(xié)調(diào)度的時(shí)空演化

由表7可以看出，養(yǎng)老機(jī)構(gòu)和社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施的耦合協(xié)調(diào)度均呈東高西低的空間分布格局，東部經(jīng)濟(jì)發(fā)展水平較高的省市耦合協(xié)調(diào)度較高，中部地區(qū)居中等協(xié)調(diào)度水平，西部、東北等經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)的耦合協(xié)調(diào)度較低，處于不同水平的失調(diào)狀態(tài)。同時(shí)，2020年，各省市社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施的耦合協(xié)調(diào)度平均狀況略優(yōu)于養(yǎng)老機(jī)構(gòu)，且耦合協(xié)調(diào)度改善情況更為明顯。

表7 養(yǎng)老機(jī)構(gòu)與社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施的耦合協(xié)調(diào)度

在耦合協(xié)調(diào)類型方面，2015—2020年，僅上海、北京的養(yǎng)老機(jī)構(gòu)資源配置與服務(wù)利用的耦合協(xié)調(diào)度高于0.6，處于初級(jí)協(xié)調(diào)狀態(tài)。2019年，浙江、廣東、山西3個(gè)省市的社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施資源配置與服務(wù)利用的耦合協(xié)調(diào)度高于0.6，浙江省最高(0.834 4)，處于良好協(xié)調(diào)狀態(tài)；2020年，僅浙江、廣東2個(gè)省市耦合協(xié)調(diào)度高于0.6，山西耦合協(xié)調(diào)度轉(zhuǎn)變?yōu)闉l臨失調(diào)狀態(tài)(0.425 6)。

在耦合協(xié)調(diào)度變化方面，通過(guò)頻數(shù)分析法，統(tǒng)計(jì)某一時(shí)間段內(nèi)每種耦合類型所占的比例，并擬合成耦合協(xié)調(diào)度演進(jìn)曲線。由圖1可知，養(yǎng)老機(jī)構(gòu)的耦合類型頻數(shù)由2015年的“0-2-8-11-6-2-2-0-0-0”變?yōu)?020年的“0-4-6-12-7-0-1-1-0-0”，其中，北京、吉林、安徽、河南、云南上升1個(gè)等級(jí)，天津、江蘇、江西、山東、海南、甘肅下降1個(gè)等級(jí)，貴州、西藏下降2個(gè)等級(jí)。由圖2可知，社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施的耦合類型由2019年的“0-7-11-6-4-0-2-0-1-0”變?yōu)?020年的“0-2-7-4-12-4-1-1-0-0”，整體呈明顯上升態(tài)勢(shì)，其中，內(nèi)蒙古、上海、廣西上升3個(gè)等級(jí)，福建、湖南、陜西、重慶、河北、北京、貴州、新疆上升2個(gè)等級(jí)，湖北、山東、遼寧、河南、安徽、云南上升1個(gè)等級(jí)，浙江、黑龍江、青海、山西出現(xiàn)耦合協(xié)調(diào)度下降，其余省份無(wú)變化。

圖1 2015年和2020年養(yǎng)老機(jī)構(gòu)耦合協(xié)調(diào)度演進(jìn)曲線

圖2 2019年和2020年社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)與設(shè)施耦合協(xié)調(diào)度演進(jìn)曲線

4.3 相對(duì)發(fā)展度的時(shí)空演化

由表8可以看出，養(yǎng)老機(jī)構(gòu)資源配置與服務(wù)利用的相對(duì)發(fā)展度多為資源配置滯后型，表明2015—2020年多數(shù)養(yǎng)老機(jī)構(gòu)的資源配置水平滯后于服務(wù)利用發(fā)展水平。各省市的相對(duì)發(fā)展度格局由2015年的“24-5-2”變?yōu)?020年的“12-8-11”，其中，河北、山西、江蘇、安徽、山東、廣西6個(gè)省份由資源配置滯后型發(fā)展為服務(wù)利用滯后型；天津、遼寧、河南3個(gè)省份由同步發(fā)展型發(fā)展為服務(wù)利用滯后型，上海、海南持續(xù)處于服務(wù)利用滯后型。未來(lái)，上述11個(gè)服務(wù)利用滯后型省市可進(jìn)一步通過(guò)提高養(yǎng)老服務(wù)利用水平實(shí)現(xiàn)耦合協(xié)調(diào)度的改善。

表8 養(yǎng)老機(jī)構(gòu)與社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施的相對(duì)發(fā)展度省區(qū)市分布

2020年，社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施資源配置與服務(wù)利用的相對(duì)發(fā)展度較2019年有顯著變化，各省市的相對(duì)發(fā)展度格局由2019年的“21-7-3”變?yōu)?020年的“6-7-18”，其中，河北、遼寧、福建、江西、山東、河南、湖北、湖南、廣東、廣西、貴州、甘肅12個(gè)省份由資源配置滯后型發(fā)展為服務(wù)利用滯后型，山西、黑龍江、陜西、寧夏4個(gè)省份由資源配置滯后型發(fā)展為同步發(fā)展型，吉林、江蘇、安徽、海南4個(gè)省份由同步發(fā)展型發(fā)展為服務(wù)利用滯后型，表明2019年大力推動(dòng)社區(qū)養(yǎng)老事業(yè)，相關(guān)資源配置實(shí)現(xiàn)快速增長(zhǎng)。僅北京、云南逆向發(fā)展，2020年分別為同步發(fā)展型、資源配置滯后型。

5 結(jié)論與建議

5.1 結(jié)論

本文通過(guò)耦合協(xié)調(diào)度分析，得出以下結(jié)論：第一，我國(guó)養(yǎng)老機(jī)構(gòu)和社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施的資源配置整體呈上升態(tài)勢(shì)，但整體綜合發(fā)展水平指數(shù)不高，這與我國(guó)老齡化發(fā)展進(jìn)程和養(yǎng)老事業(yè)的發(fā)展階段相符合。各省份之間的養(yǎng)老資源配置綜合發(fā)展水平指數(shù)存在較大差異。第二，我國(guó)養(yǎng)老服務(wù)利用的綜合發(fā)展水平整體偏低，且各省份之間發(fā)展差異較大，發(fā)展速度不均衡。第三，兩類機(jī)構(gòu)的耦合協(xié)調(diào)度均呈東高西低的空間分布格局，且整體呈下降趨勢(shì)。2020年，全國(guó)養(yǎng)老機(jī)構(gòu)的總耦合協(xié)調(diào)度水平略高于社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施，但后者的各省份耦合協(xié)調(diào)度平均狀況優(yōu)于前者，且改善情況更為明顯。第四，整體來(lái)看，兩類機(jī)構(gòu)的相對(duì)發(fā)展度均由資源配置滯后型向服務(wù)利用滯后型方向發(fā)展。2020年，養(yǎng)老機(jī)構(gòu)的相對(duì)發(fā)展度多為資源配置滯后型，社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施的相對(duì)發(fā)展度多為服務(wù)利用滯后型。

5.2 建議

“十四五”期間是國(guó)家老齡事業(yè)發(fā)展和養(yǎng)老服務(wù)體系建設(shè)的關(guān)鍵時(shí)期，本文基于對(duì)養(yǎng)老資源配置和服務(wù)利用兩個(gè)子系統(tǒng)的耦合協(xié)調(diào)度分析，提出以下建議：第一，關(guān)注地區(qū)老年人口數(shù)量和分布情況，提高資源配置的精準(zhǔn)性。各級(jí)政府應(yīng)正確把握地區(qū)老年人口的發(fā)展趨勢(shì)和年齡分布情況，結(jié)合機(jī)構(gòu)職能定位，對(duì)年輕老年人、老年人、長(zhǎng)壽老人對(duì)養(yǎng)老機(jī)構(gòu)和設(shè)施的不同需求進(jìn)行預(yù)先分析，運(yùn)用科學(xué)預(yù)測(cè)模型對(duì)區(qū)域內(nèi)老齡化發(fā)展態(tài)勢(shì)和養(yǎng)老資源需求進(jìn)行評(píng)估，完善資源配置標(biāo)準(zhǔn)和測(cè)算體系建設(shè)，推動(dòng)實(shí)現(xiàn)養(yǎng)老資源的精準(zhǔn)配置，減少或避免養(yǎng)老服務(wù)利用度不高現(xiàn)象，進(jìn)而提高養(yǎng)老資源配置和服務(wù)利用的耦合協(xié)調(diào)度。第二，注重養(yǎng)老資源配置的地區(qū)公平性，縮小地區(qū)資源配置差異。研究顯示地區(qū)之間的養(yǎng)老資源配置存在顯著的地區(qū)差異性，這一定程度上受地區(qū)經(jīng)濟(jì)發(fā)展水平、地理區(qū)位等因素的影響，經(jīng)濟(jì)發(fā)展水平較高的城市，政府對(duì)養(yǎng)老事業(yè)的投入力度較大，并且有大量社會(huì)資本進(jìn)入養(yǎng)老產(chǎn)業(yè)。[26-27]在具體實(shí)踐中，應(yīng)充分考慮資源配置的公平性，加強(qiáng)區(qū)域內(nèi)的資源配置規(guī)劃和區(qū)域之間的資源共享，警惕養(yǎng)老資源配置出現(xiàn)“馬太效應(yīng)”。第三，結(jié)合地區(qū)養(yǎng)老資源配置與服務(wù)利用的相對(duì)發(fā)展度情況，動(dòng)態(tài)調(diào)整資源配置策略。對(duì)于資源配置滯后型地區(qū)，應(yīng)積極協(xié)調(diào)相關(guān)資源，加大養(yǎng)老資源投入，通過(guò)政策引導(dǎo)、稅收減免等政策，吸引社會(huì)資本進(jìn)入到養(yǎng)老事業(yè)建設(shè)當(dāng)中。對(duì)于服務(wù)利用滯后型地區(qū)，各級(jí)政府應(yīng)提高對(duì)服務(wù)利用的關(guān)注，結(jié)合老年人養(yǎng)老服務(wù)實(shí)際需求，進(jìn)行養(yǎng)老資源的合理配置，摒棄利用度不高、同類資源冗余等不合理資源，積極部署需求度較高的資源，以提高養(yǎng)老資源的服務(wù)利用度。對(duì)于同步發(fā)展型地區(qū)，應(yīng)在保證養(yǎng)老服務(wù)供給持續(xù)滿足老年人需求的基礎(chǔ)上，積極提高養(yǎng)老服務(wù)供給質(zhì)量，實(shí)現(xiàn)養(yǎng)老資源配置和服務(wù)利用的同步提升。

本研究也存在一定的局限性。鑒于數(shù)據(jù)的可得性和準(zhǔn)確性，本研究?jī)H對(duì)兩年的社區(qū)養(yǎng)老服務(wù)機(jī)構(gòu)和設(shè)施相關(guān)數(shù)據(jù)進(jìn)行分析，且未納入負(fù)向指標(biāo)，未來(lái)可進(jìn)一步獲取更為詳細(xì)的數(shù)據(jù)開(kāi)展研究。

作者聲明本文無(wú)實(shí)際或潛在的利益沖突。