基于数据要素视角的养老服务资源建设方案评价方法研究

熊红林, 陈宏民, 杨云鹏, 樊重俊, 黄 耐, 黄爱国

(1.上海交通大学 安泰经济与管理学院,上海 200030; 2.上海理工大学 管理学院,上海 200093; 3.上海市民政局 信息研究中心,上海 200125)

0 引言

数据要素与社会经济活动的深度融合能促进各类生产要素的创新,数据被应用在社会经济各个领域形成新的业态,对社会经济发展与转型产生剧烈影响。自2020年4月,数据作为新型生产要素被正式写入中央关于要素市场化配置的文件——《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》,可见数据要数的重要性被提到空前的高度。随着数字政府建设不断深化,数据驱动民生服务的效益日渐彰显,养老服务作为民生服务中重要组成与建设部分,如何提升政府养老服务资源建设的科学性与合理性,以数据驱动提升管理与服务水平进而构建服务型政府的关键技术手段之一。当前,国内老年化人口比例上升,养老服务多样化的社会服务需求日益突显[1,2],实现养老服务资源合理分配是保证老年人生活质量和社会和谐的关键举措之一[3]。

针对养老服务资源建设过程中,在有限投入建设资源分配并如何评价问题上,不少学者进行了多方面的研究。在居家养老服务质量评价方面,有学者选取具有代表性的一线城市,建立评价指标体系,采用包括模糊、熵权等综合评价方法,对这些城市社区居家养老服务的质量进行评价[4-7];在针对医疗服务评级及影响因素分析方面,王梦苑等[8]运用了聚类分析、χ2检验和二项Logistic回归分析对老年人医疗服务评价及影响因素进行分析。同时,在养老服务定性分析的基础上,雍岚等[9]根据服务质量模型和理论,构建了社区居家养老服务的质量模型,对社区居家养老服务质量进行了评价。此外,基于整体思维角度,从系统论研究角度出发,探讨了其多维因素并构建了基于智慧社区养老服务质量评价指标体系[7]。在考虑养老地域方面的差异研究中,王梦苑等[8]基于熵权TOPSIS法对武汉地区社区医养结合养老服务进行了综合评价,并对不同地区的医养结合服务质量进行聚类分析,也有学者通过构建居家养老社区服务可及性的概念模型及评价指标体系,并对国内典型地域如北京、南京和咸阳的调研数据,运用模糊综合评价法给出权重分配和综合评价[9]。

总之,养老服务资源分配的评价是一个多指标决策MCDM(multi-criteria decision-making)问题[8],且指标之间并非独立,而是具有一定的依赖性。当前,已有的研究中多数考虑了指标相互独立的情况,指标的权重和相互作用系数通常基于决策者的偏好,具有不一致性。因此,在养老服务资源分配评价MCDM问题研究中,如何对加权相互依赖的标准的权重进行客观求解,即如何在没有决策者主观判断的情况下,仅基于一组给定的客观数据来确定相互依赖标准的权重,是待探讨解决的难题之一。传统的视角则更专注于收集、清理和分析数据,以提取有价值的信息,而数据要数视角则是从客观数据出发,确定相关数据要素、建立数据要素之间的关系,以及深入了解数据要素的内涵。鉴于此,为了减少决策者主观因素判断的影响,本文尝试构建一种新的养老服务资源建设方案评估方法,该方法基于数据要素视角,融合模糊、Shapley值和Marichal熵的各自特点,充分利用优化模型客观地确定多级指标的交互系数和权重。相比传统的各类养老服务评价方法相比,实现客观数据和客观权重的使用确保评估结果不受主观判断不一致或不确定性的影响,有效避免了评价指标中相互依赖相互作用和权重被主观因素的干扰。最后,运用本文的客观加权法对上海市养老服务资源建设分配现状进行评价实证分析,目的在于通过指标权重得出老年群体对养老服务的重点需求,以及对资源分配的效果进行评估,为政府养老服务资源体系的建设提供相对科学的决策支持依据。

1 指标体系构建

养老服务资源建设方案是民生保障重要举措,它属于MCDM问题,且具有复杂多样的相互关系。为了对养老服务资源建设分配方案的合理性进行科学评价,运用文献综述法[4-11],同时,通过对多地城镇养老服务部门与服务机构进行实地调研,并咨询若干位从事养老服务工作的专家,最终选出适用性、可行性的养老服务资源建设分配方案评估关键指标(标准)。这些关键指标采用三层级结构进行描述,通过这些指标来对养老服务资源建设分配方案进行评价。本文构建的养老服务资源建设分配方案关键评价指标体系如图1所示。

图1 养老服资源建设分配方案评价关键指标体系

一般而言,老年人的养老服务需求主要分为生活照料、医疗康复、精神慰藉等几大类。养老服务建设资源分配的三级评估体系从供给和需求结合的角度出发,根据养老服务的需求将资源分配划分为日常照料、医疗护理、精神慰藉3个养老服务资源建设评价标准,其中,这些评价标准中包含15个子服务资源评价标准。诚然,政府推进实施建设养老服务项目的时候,在既定的实践内投入资源有限的前提下,这些综合评价的标准并非都是独立的存在,它们具有相互依赖性和反馈效应。

2 基本理论与模型构建

2.1 客观加权方法

基于养老服务资源建设方案评价MCDM问题,假设存在一组有限的养老服务资源建设方案集A={a1,a2,…,am}和一组有限的养老服务资源建设方案评价标准集C=(c1,c2,…,cn)。每个方案ai与方案评价分数xij的向量相关联,其表示ai相对于养老服务资源建设方案评价标准中标准cj的性能程度。

设P(C)为C的幂集,λ模糊测度的定义如下。

定义1λ对养老服务资源建设方案评价标准集C的模糊测度[8]是设定函数gλ:P(C)∈[0,1]满足以下性质:

(1)gλ(Ø)=0,gλ(C)=1(边界条件);

(2)对于任意的养老服务资源建设方案评价标准集R,S∈P(C),若R⊆S,则gλ(R)≤gλ(S)(单调性);

(3)任取养老服务资源建设方案评价子标准集M,N,其中M,N∈C,且M∩N=Ø,则gλ(M∪N)=gλ(M)+gλ(N)+λgλ(M)gλ(N),λ∈(-1,∞)。若λ=0,表明M和N之间相互独立;若λ>0,表明M和N之间存在协同效应;若-1<λ<0,表明M和N之间存在冗余效应。

定义2λ对养老服务资源建设方案评价标准集C的模糊测度是设定函数gλ,在养老服务资源建设方案评价标准集C上,所有cj关于λ模糊测度的Shapley值[12]可以定义为:

(1)

I(cj)表示养老服务资源建设方案评价标准集C中子标准cj的贡献。对于任意的cj(∈C),如果cj和标准集C中的其他标准没有交互作用,那么,gλ(cj)=I(cj),Shapley值可以解释为养老服务资源建设分配方案评价标准贡献的期望值。

模糊测度λ的意义在于它能够准确地反映客观养老服务资源建设的复杂性,也能能够更准确地反映系统中不同变量之间的相互关系。可以根据模糊测度λ的变化,反应不同养老服务资源评价指标间存在相互影响关系,利用模糊测度这一特点,可以更好地分析养老服务资源建设方案评价指标中的每一个指标变化,这对评价方案的整体更客观地反应出来。

2.2 模型构建

养老服务资源建设方案评价模型构建的关键是根据现有既定的养老服务资源数据做出更优化最终决策,根据2.1客观加权方法,在λ模糊测度和Shapley值计算中,权重和交互系数是由决策者的主观判断或偏好来确定。在此优化模型中,基于一组给定的养老服务资源客观数据来确定相互依赖标准的权重,关键优化路径如下:

首先,根据养老服务资源建设的效益指标和成本指标,对评估分数xij进行标准化处理。

(2)

(3)

其次,通过基于标准化评估分数rij计算的分散系数d(cj)客观地测量每个养老服务资源建设方案评价标准的贡献I(cj)。某类型标准的评估得分越多,说明该标准就越重要,即具有分散系数的标准包含比其他标准更多的信息,并且相应地对评估结果具有更高程度的贡献。

(4)

然后,借助Marichal熵[12-14]构建目标函数,建立优化模型,通过最大化Marichal熵求解各优势函数的重要程度。其中,Marichal定义了与Choquet积分模糊测度[15,16]相关的分散度量,称为Marichal熵。关于λ模糊测度的Marichal熵[15]定义如下:

(5)

为了利用评估分数中最多的信息,建立优化模型以最大化Marichal熵,以通过考虑它们的交互关系客观地确定标准权重gλ(cj)和交互系数λ。优化模型如下:

(6)

(7)

其中,目标函数是最大化标准权重gλ(cj)的Marichal熵,当且仅当标准的权重对于所有j=1,…,m具有1/m的值时,Marichal熵是最大的,这与原因不充分的原则一致。通过评估分数和分散系数获得的个别标准的贡献,目标函数将为标准生成一组权重。式(7)中,约束条件(a)为关于λ模糊测度的Shapley值,每个标准获得的贡献,与等式(4)计算的结果一致。

再次,通过求解优化模型,获得各个养老服务资源建设方案评价标准权重gλ(cj)和系数λ值。同时,根据应用所获得的单个标准权重和λ值,可以计算标准集Cj(∈C)的权重,表示为gλ(Cj)。

最后,将标准化评价分数rij和标准集的权重gλ(Cj)聚合,获得养老服务资源建设分配方案ai的评价分数(满意度)V(ai),计算公式如下:

(8)

rij满足以下条件:0≤ri1≤…≤rim,ri0=0。gλ(Cj)是标准集Cj={Cj,Cj+1,…,Cm}的权重。

综上所述,将应用λ模糊测度、Shapley值、Marichal熵、Choquet积分理论构建优化模型,在求解养老服务资源建设分配方案评价这一MCDM问题中,其关键执行步骤总结如下:

Step1运用公式(2)(3),将养老服务资源建设分配方案评价子标准评估分数xij标准化。

Step2运用公式(4),基于养老服务资源建设分配方案评价子标准评估分数rij计算每个子标准的贡献I(cj)。

Step3运用公式(6)(7)获得养老服务资源建设分配方案评价子标准权重gλ(cj)和λ值。

Step4通过λ模糊测度,应用养老服务资源建设分配方案评价子标准权重gλ(cj)和λ值,获得养老服务子标准集gλ(Cj)的权重。

Step5运用公式(8)养老服务资源建设分配方案评价子标准集的权重与相应的标准化评估分数聚合,获得标准的评估分数。

Step6在养老服务资源建设分配方案评价标准级中重复Step1-Step5,以获得各个标准权重与标准集的权重。

Step7运用公式(8)将方程组的权重与相应的标准评估分数聚合,计算每个养老服务资源建设分配方案的满意度。

该模型方法主体思想是基于数据要素视角探讨数据驱动养老服务资源建设方案评价,即客观数据对根据客观数据,利用模糊测度Shapley值、Marichal熵的理论方法特点对养老服务资源分配方案评价。以此寻求为养老服务建设推进实施提供决策支持依据,换而言之,从既定的最初养老服务资源数据,通过深度分析后,得到最终具有科学价值的辅助决策依据。本文从数据要素视角探讨并构建的养老服务资源分配方案评价方法决策流程如图2所示:

图2 基于养老服务资源建设分配方案评价方案决策流程

3 实证分析

3.1 数据与指标选取

本研究实验获得了上海市民政局信息中心的支持,实验所用的数据样本来源于2019—2020年上海市民政业务数据海平台,数据获取经过脱敏处理,研究对象为上海市16个行政区养老服务资源建设情况。实验数据字段选取时,借鉴了国务院颁布实施的《社会养老服务体系建设规划》中对社会养老服务需求的分析及相关研究成果[4-11],并结合上海养老服务资源建设的现状,根据前文构建的养老服务资源建设分配方案评估关键指标,尝试从日常照料、医疗护理、精神慰藉三个维度对上海市养老服务资源分配现状进行评价。此外,兼顾各个社区推出的服务内容,确立各个养老服务资源建设资源评价维度下的二级指标与子指标。值得注意的是,指标之间具有相互依赖性和反馈效应。根据获得的上海养老服务资源相关数据,结合前文构建养老服务资源分配评价方法模型,其评价指标梳理如表1所示。

表1 养老服务资源建设分配方案评价关键指标

3.2 数据处理

为了客观地评价上海各地区养老服务资源建设分配情况,本研究依托于上海市民政业务数据海中各指标的原始数据进行分析。由于不同指标量化数据的维度不同以及地区人口数的差异,考虑了各区的老年人口数、入住老人数等影响,首先,将二级指标{c1,…,c9,c14,c15}与老年人口数的比重、{c10,c12}与入住老人数的比重、c11与总床位数的比重,分别作为二级指标的初始评估分数xij;然后,通过公式(2)(3)进行标准化计算,数据处理结果如表2所示。

表2 二级指标的标准化分数rij

基于二级指标的评估分数,结合前文说明的养老服务资源评价的客观方法,分别获得各二级指标和一级指标的客观权重,以及指标之间的交互系数,其计算结果如表3、表4所示。

表3 一级标准/二级指标的权重

表4 各指标/子指标之间的交互系数λ

3.3 结果分析

基于构建的客观加权模型方法对养老服务资源数据进行定量分析,一定程度呈现了各类养老服务资源之间的相互影响关系。实验中,模糊测度反应了不同养老服务资源建设方案评估指标评估变量之间存在交叉影响的现象,其值影响整体养老服务资源建设评价系统的整体性能。

从计算的结果表3中可以看出,在养老服务资源建设分配评价中精神慰藉的权重最大,其次是医疗护理,最后是日常照料。结果表明,在日常照料、医疗护理、精神慰藉三类养老服务需求中,老年人对精神慰藉的服务需求最高,而生活照料需求较低的原因。这是因为随着近年来社会经济的快速发展,人民物质生活水平普遍提高,老年人的日常生活照料需求基本得到了满足。这种现象也一定程度应证了当前社会矛盾之处,即在人民日益增长的精神文明需求与落后的社会生产之间的矛盾。此外,老年人在医疗护理方面的需求也在与日俱增。

此外,从表3也可以看出:每个指标之和,以及指标下的子指标权重之和不是1。这是因为交互关系(由值表示)存在于指标和子指标之间,这也反应了各个养老服务资源建设评价标准存在相互依赖性和反馈效应。

从计算的结果表4可以看出,所有的子指标之间的相互作用都是正向的,且日常照料服务的子指标具有最强的协同效用,这说明养老机构越多,所需床位越多,老年服务中心需求也越高。与此同时,指标之间存在冗余效应,说明随着日常照料需求的降低,精神慰藉的需求会有所提高。

通过分析上海市16个区的整体数据,将各区的养老资源分配情况作为一个资源分配方案,并通过各指标客观权重的计算,应用Choquet积分的层级聚合,通过评价模型的计算,获得了各资源分配方案的评估分数,如图3所示。

图3 上海市各区养老资源建设分配方案评价情况

从图3中可以表明:

(1)徐汇区的养老服务资源分配方案的评分最高,崇明区的评分最低,说明根据所选取的指标以及人口因素的评估,目前徐汇区的养老服务资源分配情况较优,而崇明区的养老服务资源分配情况较差一些;

(2)通过地区间评价得分可以发现,地区的经济发展和消费水平直接影响了资源分配,经济发达地区的养老服务资源建设通常较为完善,这反应了养老服务资源建设与区域经济发展水平趋向一致;

(3)结合各区养老服务资源建设情况,地区间政府政策的推行以及养老意识对养老服务的发展也存在很大的影响。

综上,本文针对基于数据要素视角构建的养老服务资源建设评价方法所进行的实证分析,很好地反应了上海各区养老服务资源建设分配情况。本研究是数据作为生产要素参与民生服务的典型实践,通过数据分析驱动的养老服务资源建设决策,可以更加科学和准确地了解养老服务的实际需求和资源状况,制定更加符合实际需要的养老服务资源建设规划,提高养老服务的质量和效率,为老年人提供更好的养老服务。

当前养老服务资源建设状况出现不均衡的主因包括两个方面:(1)区域经济发展水平差异,导致当地主管部门对养老服务资源建设投入受到制约;(2)各地区老年人结构存在差异,这种差异是多样化的,包括占总人口的比例、自身经济水平、文化层次等差异,导致养老服务需求差异,最后传导到政府及社会力量资源的投入建设的决策而形成养老服务资源差异的结果。从实证中评估的结果来看,政府相关部门在推进养老服务资源建设时,可从重点从如下几个方面进行考虑:

(1)现阶段老年人的日常照料的需求已基本得到满足,在养老服务资源建设的投入分配中应该加大精神慰藉、医疗养老方面投入的比例,尤其精神层面的服务应重点考虑;

(2)推进医养结合,加强养老医护相关专业人员队伍的建设,为养老服务产业化高质量发展储备专业技术人才;

(3)建立健全的老年教育体系,丰富老年人的精神文化生活,提升老年人的社会参与度;

(4)加强政策宣引导,提升老年人的养老认知,培育养老服务专业化意识,为后续构筑服务生态圈奠定基础。

4 结束语

随着数据要素在社会经济活动中价值日益显著,数据要素驱动民生服务中效用明显,尤其在落实科学化政府管理与决策环节中,通过数据分析获取价值信息而提供科学依据,此举具有重要意义。本文基于数据要素参与政府辅助决策的视角,深入分析了养老服务资源建设的内涵,利用客观加权方法构建养老服务资源建设分配方案评价指标,结合模糊理论、博弈论及信息熵等数据分析方法提出了方案评价方法模型,有效避免传统主观因素对养老服务资源建设分配方案评价的影响。此外,以上海养老服务资源建设数据进行实证分析,通过实证分析,直观地呈现了上海整体及各个行政区的养老服务资源建设情况,结果表明本文构建的养老服务资源建设分配方案评价方法可行且有效。本文的研究结果对政府在养老服务资源建设推进中,如何科学合理利用资源与提高服务水平,具有一定的辅助决策支持意义,同时本研究也对夯实当前服务型政府有着重要实践意义。