我国31 个省份社会保障情况和区域差异多角度分析研究

2021-05-20贾子君毋静静

内蒙古统计 2021年1期

○文/贾子君毋静静

社会保障水平是衡量一个地区社会保障事业发展状况的重要指标。1951 年2 月，政务院公布了《劳动保护条例》，条例的公布标志着中华人民共和国社会保险体系的建立；中国共产党第十九次全国代表大会时，习近平总书记提出全面实施全民参保计划。随着我国社会保障制度和政策不断完善，覆盖的人群也越来越广泛，保障水平逐步提高，本文通过整理影响全国社会保障发展的12 个主要因素，采用实证数据，首先对数据利用熵权法进行处理，使用因子分析的方法归纳出4 个综合因子，计算出综合得分，在因子分析的基础上进行聚类分析，把全国31 个省份分成5 大类，并根据统计分析所得的结果，为不同类型的省份的社会保障体系提出因地制宜的建议和发展政策。

一、研究背景

1951 年2 月，政务院公布了《劳动保护条例》，标志着中华人民共和国社会保险体系的建立，其保障对象是企业职工；1984 年，中国的社会保障制度进入到改革阶段，20 世纪90 年代初，开始对医疗保险制度改革的尝试。经过20 年的努力，建立起了以城镇职工为保障对象的社会保险制度体系。中国共产党第十八次全国代表大会以来，我国社会保障建设全面发力，建立起世界覆盖人群最多的社保体系。中国共产党第十九次全国代表大会时，习近平总书记提出全面实施全民参保计划。

由图1 所示，对比我国2007 年和2018 年的社会保障和就业支出（亿元）可知，经过十几年的时间，我国大部分省份的社会保障和就业支出均有不同程度的增加；但由于中国31 个省份的经济发展和地理位置差异较大，可以发现各个省份的社会保障程度存在区域差异，因此需要利用实证数据，选择合适的统计方法，进行更深层次的研究分析，以找到各个省份社保体系的特点和存在的问题，使得中国社保体系可以更完善。

图1 我国31 个省份2007 年和2018 年社会保障和就业支出对比图（亿元）

本文以全国31 个省份（包括直辖市，自治区，港澳台地区除外）为样本，利用熵权法对数据进行处理，运用因子分析和聚类分析的方法，选取12 个指标对各省份社会保障体系发展差异进行分析，提出促进社会保障体系整体发展水平提高和缩小地区间发展差异的建议。

二、文献综述

辛雪娇[1]根据对安徽省保险业的现状分析采用聚类分析方法，从保险市场的供给因素和需求因素两方面来探寻影响安徽省区域保险业发展的差异原因，注重经济发展及教育水平的提高。任菁菁和王志坤[2]采用因子分析和聚类分析方法，分析影响商业养老保险发展潜力的因素有经济社会发展和农村生产活动，并给不同层次的地区提出相应的养老保险发展对策。戴婷[3]通过分析发现各地区发展不平衡，并对各地区的保费收入支出建立回归模型，发现保险行业的保费收入、支出与国家宏观经济情况密切相关，认为保险行业的收支主要与 GDP 相关，角度比较单一，只是判断经济会影响保险的发展。而王娇燕[4]对保险指标和经济指标数据进行分析，结果表明全国各省保险业发展存在较大差异，出现了经济发展水平与保险业发展不一致的现象，但是单从经济发展角度来研究，可能会忽略了其他的影响因素。周颖颖，薛兴利[5]指出目前国际上主要用单一指标作为衡量标准, 但单一的指标无法充分反映出社会保障的整体水平, 因为任何一个地区的社会保障都涵盖了许多方面, 因此有必要建立一个综合的社会保障指标体系。

综上所述，通过分析相关文献资料，本文整理了研究全国社会保障的多方面影响因素[6]，共12 个指标对31 个省份进行实证研究，并为不同地区提出相关建议和发展政策。

三、指标说明和数据收集

（一）指标说明

分析全国社会保障情况仅仅考虑对社会保险总量指标和相对指标进行分析太过片面，综合相关文献资料的指标选择,同时兼顾数据的可获得性，最终本文从12 个指标出发，具体指标说明如表1 所示。通过12 个指标对全国社会保险区域发展潜力进行分析，以获得我国社会保障情况发展的对策和因地制宜的建议。

表 1 指标说明及各指标的熵权法权重

（二）原始数据及数据处理

原始数据为2018 年31 个省份12 项指标数据。数据来源于国家统计局网站和中华人民共和国民政部民政数据。对统计的数据通过熵权法进行处理，各指标熵权法下的权重如表1 最后一列所示，通过样本数据确定权重，变量权重越大所包含信息越多，再利用所确定的权重值计算得出数据，然后采用多元统计方法分析，得到31 个省份社会保障情况的差异，并针对差异给出因地制宜的建议。

四、因子分析和聚类分析[7]-[10]

（一）KMO 和Bartlett 检验

为检验所选指标是否适用因子分析，本文利用SPSS13.0 进行了KMO 和Bartlett 检验。分析中的KMO Measure of Sampling Adequacy 的数值必须大于0.6 才可判定适合做因子分析，从检验结果（见表2）来看， KMO=0.742（＞0.6），相应的 sig. 为0.000，拒绝相关矩阵为单位矩阵的零假设，说明所选指标适合作因子分析。

表 2 KMO 和Bartlett’s 检验表

表 3 公因子方差表

（二）综合因子的确定及得分

表3 是共同度表，其中第一列为12 个原始变量名，第二列为初始解下的共同度，都为1，第三列为这12个变量的共性方差，基本都超过0.7，共同度越接近1，说明该变量的几乎全部信息都被所选取的公共因子说明了。

表4 特征根与方差贡献率表

利用主成分分析法得到表4，该表给出各因子的方差贡献率，用于确定哪些因子应该被提取，而该表前四个因子的累计方差贡献率为85.949%大于85%，即前四个因子已经可以解释85.949%的方差，因此选取这四个综合因子来评价全国各个省份的社会保障情况。

表5 旋转前因子载荷阵

由表5 可知，有的因子在不同原始变量上的载荷没有明显的差别，为了便于对因子进行命名，需要对因子载荷阵进行旋转，表6 给出旋转后的因子载荷阵。

表6 旋转后因子载荷阵

从表6 中可知，经过旋转后的载荷系数已经明显的两极分化了。因此，表7 给出各个公因子在哪些指标上有较大载荷，并根据载荷所在的指标内涵对公因子命名。

表7 公因子及命名

表8 是因子得分系数矩阵，根据因子得分系数和原始变量的标准化值可以计算每个观测值的各因子的得分数，并据此对观测量进行进一步的分析，计算各省得分情况。

表 8 因子得分系数矩阵

根据表8 结果可得，旋转后的因子得分表达式可以写成如下形式：

全国各个省份的社会保障发展情况综合得分的计算公式为：

经过实际计算，可得全国各省份社会保障发展情况综合得分结果，将各个省份的得分进行排名，排名结果如表9 所示。

由表9 可知，北京、天津、上海、浙江、江苏、广东、福建在综合得分F1、F2、F4上得分较高，具有良好的社会保障及救助水平；而新疆、青海、河南、云南、吉林、宁夏在综合得分F3上得分较高，社会保障支出所占比重较大。

表9 全国31 个省份社会保障情况综合得分排名

（三）聚类分析

根据因子分析的结果，进一步对全国各省份社会保障发展潜力综合得分进行系统聚类（区间测度采用平方欧式距离）和K-均值聚类（采用各观测值量与所属类中心的欧氏距离），结果如表10 所示。

通过分析表10，两种方法的聚类结果基本一致，说明聚类效果较好。第一类主要是社会保障救助水平高的省份和第二类是社会保障救助水平较高的省份如表9 所示；第三类是社会保障福利以及社会保障支出都适中的省份：只包括相同的7 个省份，而宁夏在两种聚类方法下所处类别不同，但其在综合因子得分中排名靠后，即其社会保障水平不高，因此将其归为第五类；第四类是社会保障水平较低的省份包括山西、湖南、四川，而甘肃虽然社会保障较低但其社会保障支出和社会福利程度较高，因此分为第五类更合适；第五类为社会保障支出和社会福利大的省份。

表 10 分类结果表

五、结论和建议

（一）我国社会保障存在区域发展不均衡的问题

由分析的研究结果分析可知，我国31 个省份的社会保障情况总共可以分成五类，每类都各有特点，整体上呈现出不均衡的情况，东部南部经济发展较好的省份，社会保障情况较好；而西部北部经济相对落后的省份，社会保障情况也有待优化。

具体来看，当该省份的经济发达时，其社会保障水平以及救助水平也会较高，社保的参保率就会增高，同时其社会保障支出会减少，但社保提供的保障品种单一，因此在社保发展好的情况可以考虑和商业保险结合推出相关政策，促进发展地区不同人群所需不同险种的需求，提高人们的生活保障[11]。而对于那些经济不发达的地区，虽然在社会保障支出比例较大，社会福利不断加强，但还需要不断发展地区经济，从根本上提高人民的收入，从而促进社保的参保率，实现全民参保，提高人们的社会保障，增强人民的幸福感与安全感。为缩小社会保障发展的地区差距，应该结合各自省份的特点，综合分析各个指标的发展情况，补短板，尽量实现均衡发展，同时要和商业保险结合来提高人民生活保障。