基于R语言建立城市老年人养老担心度的预估研究

摘要：本文探讨城市老年人养老担心度的影响因素，并建立可视化Nomogram模型预估城市老年人养老担心的程度。选取海南主要城市海口和三亚等地，在2022年以问卷形式收集506份老年人的相关数据，在R语言环境下对自变量采用单因素卡方检验或fisher确切概率法进行验证，筛选出相关显著性影响因素。采用R语言“forestplot”包和“rms”包分别对入选变量进行分析和预测，随后建立森林图（Forest Plot）和Nomogram模型，计算OR等相关数值并验证其预测效能。研究结果显示，子女数量与养老担心度成反比关系，子女数量较少或者无子女，老年人的养老担心度相应增加；子女收入和子女闲暇时间的影响程度越大，老年人养老担心度随之增加；提供规范的上门式养老服务，能够显著降低老年人养老担心度；在养老过程中老年人最急需的项目是经济支持和医疗服务。

关键词：养老担心度；Nomogram模型；老年人

引言

养老担心历来存在，但由于我国20世纪80年代实施独生子女计划生育政策，城市地区“4-2-1”家庭数量急剧增加，同时空巢老人、独居老人数量也逐年攀升，老年群体的养老风险与不安也随之增加。2022年我国已开始进入深度老龄化社会，预计2030年至2035年期间迈入超级老龄化社会[1-2]。早在2019年，《国家积极应对人口老龄化中长期规划》发布[3]，明确了国家实施积极应对人口老龄化的战略目标。当下城市里家庭少子化、空巢化等各种社会主客观因素交错影响，使得城市老年群体担忧的未来养老问题较以往有所不同。

1. 文献概述

根据2023年海南省统计年鉴数据显示，2022年海南省60岁以上老年人占比达到15.83%，65岁以上老年人占比11.32%，表明海南地区人口老龄化趋势加深。在学界曾提出过“养老担心度”这个概念，起初定义为“独生子女父母对养老预期的担心程度”，简称“养老担心度”[4]。然而，长期处于养老困境的城市老年群体较容易形成另一种养老焦虑，当个体的焦虑化为群体的养老焦虑时，便成为一种值得社会警惕的信号[5]。早期有学者认为导致此困境的主要原因是当今现实社会在一定程度上已失去传统中国家庭养老模式的客观基础[6]，进而产生家庭养老功能弱化的结果[7]。

本文认为，养老担心是一种心理感知，即老年人个体对自身在当下或未来感知到养老保障的缺失，从而形成心理上的不安与焦虑。笔者通过查阅众多文献发现，单独研究城市老年人养老心理现象，尤其是养老担心度（担忧）的文献有但不多，并且关于养老保障或养老担心度方面的文献在研究方法上绝大多数是采用SPSS或SAS统计软件进行数据分析。因此，本文尝试在R语言环境下，通过R语言对城市老年人的相关养老数据进行处理、计算和制图等，以更加简洁明了和可视化的方式展现城市老年人养老担心度的数据模型和相关内容。

2. 数据与研究方法

2.1 数据来源与变量设置

2.1.1 数据来源

本文数据选取于2022年期间，课题组成员在海南省海口市和三亚市主城区等地，针对60岁以上的老年人进行随机问卷调查。本次调查共发放问卷600份，其中有效问卷506份，有效回收率为84.3%。同时，课题组成员对部分城市老年人进行深入访谈，因此，数据信息是可靠和有效的。

2.1.2 变量设置

在研究海南省海口市城区老年人养老担心度及其影响因素的过程中，本文确定的因变量是调查问卷中提到的“您是否对今后个人的养老生活感到担心？”的内容，为便于分析，将其分别赋值为：不担心=0；担心=1。同时，选取四大类自变量分别是：（1）个体因素，包括性别、年龄、健康状况、收入、婚姻状况；（2）子女因素，包括子女数量、子女的孝顺程度、子女的收入对其养老的影响、子女闲暇时间对其养老的影响；（3）社会化养老因素，包括是否有提供规范的上门式养老服务、有无良好的老年人服务设施或场所、希望得到哪种形式的医疗服务；（4）养老需求因素，包括每月养老费用开支、在养老过程中最急需的项目、是否有过入住养老院的想法。具体如表1所示。

2.2 研究方法

本文的统计分析操作均运用R语言3.5.1版本进行，采用R语言中“gmodels”包，对自变量采用单因素卡方检验或fisher确切概率法进行验证，筛选出相关显著性影响因素[8]。然后，采用R语言“forestplot”包和“rms”包分别对入选变量进行分析和预测，随后建立森林图（Forest Plot）（图1）和Nomogram模型（图2），计算OR等相关数值[9]。最后，得出模型的C-index指数为0.797（P＜0.01），表明该模型预测准确度较高，后期采用随机方式抽取300个样本对模型进行内部验证，矫正后的C-index指数为0.778，表明该模型的一致性良好[10]。

图1 预估老年人养老担心度的

森林图（Forest Plot）

图2 预估老年人养老担心度的

Nomogram模型

3. 结果

在大多数的统计过程中，单因素分析主要是对原始数据中的自变量进行初步筛选，而多因素分析则能够研究多个显著性因素对结果的共同影响。这不仅考虑到各个因素的单独影响作用，又能顾及多个因素间的交叉影响，因此，本文重心在于关注多因素分析的结果。

3.1 单因素分析

以是否出现养老担心为因变量，通过对选取的四大类共15个自变量（如表1所示）进行单因素卡方检验或fisher确切概率法验证，纳入标准为0.05（P＜0.05）。发现其中子女数量、子女收入的影响程度、子女闲暇时间的影响程度、是否提供规范的上门式养老服务、养老过程中急需的项目，对引起老年人养老担心起到显著性的影响作用，其他因素暂无显著性影响。

3.2 多因素分析

将5个显著性影响因素作为自变量进行多因素Logistic回归分析，在R语言环境下生成森林图模型，结果显示子女数量（OR=0.55，95%CI 0.39～0.78）和养老过程中最急需的项目（OR=0.83，95%CI 0.7～0.98）为负相关影响因素（P<0.05），子女收入的影响程度（OR=1.57，95%CI 1.24～2）、子女闲暇时间的影响程度（OR=1.54，95%CI 1.16～2.07）、是否提供规范的上门式养老服务（OR=3.51，95%CI 1.18～11.6）为正相关影响因素（P<0.05）。如图1所示。

3.3 Nomogram模型的建立

将上述多因素分析中5个显著性影响因素进行整合，纳入风险预估体系中进行Nomogram模型构建，具体可见图2。各因素的总评分范围为22～371分，对应养老担心度的风险率为0.05～0.95，总分越高则老年人出现养老担心的可能性就越大[11]。当阈值>0.05时，该模型可以提供城市个体老年人在养老担心度的风险性预估，其中安全阈值为0.65（162分）。比如，子女数量的得分点越少，表明子女数量越多，老年人对养老的担心程度越低。与此相反，子女收入和子女闲暇时间的影响程度得分点数越高，影响越大，则意味着对老年人养老担心度的增加有显著性影响。结果还显示，所在地区若提供规范的上门式养老服务，则能够显著降低老年人的养老担心度；在养老过程中急需的项目中，经济支持和医疗服务的得分点数较高，表明这两项内容是老年人在养老生活中最为关注的需求。

4. 结果分析

本文在R语言环境下，对自变量采用单因素卡方检验或fisher确切概率法进行验证，将筛选出来的显著性影响因素进行多因素Logistic回归分析，分别建立森林图（Forest Plot）和Nomogram模型，在此基础上预估城市老年人养老担心度。在早期文献研究中显示，独生子女父母普遍担心子女日后的工作、生活是否顺利，自己是否会患有需要长期照顾的疾病，而不能得到子女很好的照顾等[12]。在此次的模型预估中发现，非独生子女家庭的老年父母同样有此顾虑。同时，子女的收入状况和闲暇时间对城市老年人在养老担心这一心理现象上也产生着显著影响，包括子女给予家务和经济上的支持，将会显著性地降低老人对各类社会化养老服务的需求[13]。除子女因素外，老年人在养老过程中最需要也更为关注的是经济支持和医疗服务。因此，建议加大家庭支持系统的建设力度，加大税收优惠和补贴力度，鼓励子女在力所能及的前提下为父母提供适当经济支持或时间陪伴。同时在医养结合的基础上，优化老年人的医疗服务质量。

在调研走访的过程中发现，也有部分老年人不愿在自己晚年生活中给子女添麻烦，造成子女负累。在经济允许的情况下，这部分老人更倾向于向社会寻求相应的上门式养老服务。对于子女数量较少或无法提供足够养老支持的老年人，政府和社会各界可提供更多高质量的养老服务资源，同时提供多元化、便捷性的居家养老服务，如上门护理、家政清洁、日间照料中心等，以便减轻其养老担心度。

虽然本研究做了大量的数据收集和研究工作，但仍然存在不足。第一，样本量有限，研究结果可能代表不了全体海南省城区老年人的整体情况。未来研究应进一步扩大样本量，以提高研究结果的普遍性和可靠性。第二，本研究仅关注了老年人的个体因素、子女因素、社会化养老因素和养老需求因素，但未涉及更广泛的其他因素，如数字鸿沟、文化背景等[14]。未来研究应考虑将这些影响因素纳入老年人养老担心的风险性预估中，以便更多元、更全面地理解老年人的养老需求。

结语

正确认识和对待养老过程中的各类风险因素，有助于降低老年群体的养老担心度。本文主要围绕个体因素、子女因素、社会化养老因素和养老需求四个方面，建立Nomogram模型，预估城市地区老年人养老担心度。发现老年群体在养老过程中最为关注的是经济支持和医疗服务，同时，子女适度陪伴和支持有助于缓解老年人养老担心的心理现象。在政策建议方面，一是鼓励生育，加大税收优惠和补贴；二是鼓励社会各界提供多元化的养老资源，以更好地满足老年群体养老需求。

参考文献：

[1]李建伟，吉文桥，钱诚.我国人口深度老龄化与老年照护服务需求发展趋势[J].改革，2022（2）：1-21.

[2]李迅雷.中国人口老龄化加速的挑战与对策[J].新金融，2023（8）：4-7，35.

[3]中共中央 国务院印发《国家积极应对人口老龄化中长期规划》[EB/OL].（2019-11-21）[2024-10-20].https：//www.gov.cn/zhengce/2019-11/21/content_5454347.htm.

[4]王树新，张戈.我国城市第一代独生子女父母养老担心度研究[J].人口研究， 2008（4）：79-85.

[5]风笑天.城市独生子女父母的老年保障问题[J].北京大学学报（哲学社会科学版），1991（5）：102-109.

[6]风笑天.从“依赖养老”到“独立养老”——独生子女家庭养老观念的重要转变[J].河北学刊，2006（3）：83-87.

[7]张戈.我国城市第一代独生子女父母的养老焦虑研究[D].北京：北京首都经贸大学，2008.

[8]马瑞雪，蒋月桂，马兴华，等.用Nomogram分析口咽癌的预后[J].现代肿瘤医学，2016，24（9）：1364-1368.

[9]吴盛喜，罗何三，张晓平，等.胸中段食管癌放化疗后远期生存Nomogram预测模型建立[J].中华肿瘤防治杂志，2018， 25（6）：417-421，427.

[10]牛翔科，刘晓敏，李林，等.基于PI-RADS v2建立预测前列腺高级别肿瘤的列线图模型[J].临床放射学杂志，2017， 36（12）：1820-1824.

[11]王晓霞，鲜彤章，贾晓凡，等.2型糖尿病患者的心脑血管疾病影响因素的Nomogram分析[J].中国心血管杂志，2017， 22（1）：43-48.

[12]陆凯欣，何文俊，何贵蓉.城市独生子女父母养老担心调查[J].中国老年学杂志，2016，36（15）：3816-3818.

[13]伍海霞.城市第一代独生子女父母的社会养老服务需求——基于五省调查数据的分析[J].社会科学，2017（5）：79-87.

[14]钟一军.人口老龄化背景下的养老焦虑及其缓释研究[J].江南论坛， 2023（11）：59-63.

作者简介：高艳，硕士研究生，副教授，gaoyan___84@163.com，研究方向：养老服务与养老保障。

基金项目：2022年海南省自然科学基金项目——基于R语言建立的老年人养老担心Nomogram预估系统研究（编号：722QN334）。