社区差异视角下的养老支持分析

社区差异视角下的养老支持分析社区差异视角下的养老支持分析 [提要] 本讨论从 CHARLS 微观数据中选取社区样本 395 个，对可能影响“社区养老支持”的自变量进行描述性分析和 Spearman 相关性检验，并通过二项 Logistic 回归模型进行深化分析。结果表明，不同社区的养老支持资源存在较大差异，社区地域特质、历史、常住人口数、文盲比重和经济状况对社区养老支持有显著影响。因此，在实践中应结合社区的差异来供给养老支持资源，以求更好地满足老年人需求。 关键词：人口老龄化；社区差异；养老支持；二项 Logistic 模型 中图分类号：D669.6 文献标识码：A 原标题：社区差异视角下的养老支持分析――基于 CHARLS 数据的实证讨论 收录日期：2025 年 3 月 18 日 国家统计局在 2025 年公布的数据显示，中国 60 岁以上老年人口已突破两亿，占总人口比重的 14.9%，老年人对社会养老支持的需求增加，进展社区居家养老服务是应对人口老龄化、解决老年人的养老问题的重要途径。为应对人口老龄化，中国政府提出要建立起“以居家养老为基础、社区服务为依托、机构养老为补充”的养老服务体系，提倡通过社区为老年人提供养老支持。本讨论在CHARLS 数据的基础上，对社区差异视角下的养老支持加以探讨，以求为进展社区居家养老服务、缓解日益严峻的养老问题提供启示。 一、数据来源与讨论设计 本讨论基于中国健康与养老追踪调查（简称 CHARLS）提供的数据进行，该调查走访了全国 150 个县、区里的 450 个村、居，通过问卷和访谈的方式广泛收集数据，有着较高的信度和效度。本讨论从中选取 395 个社区样本，采纳描述性分析和模型分析相结合的方法，利用 Excel 2025 和 SPSS 20.0 软件，通过 Spearman 相关分析、二项 Logistic 回归模型来对社区差异视角下的养老支持进行探讨，模型方程为： 方程中被解释量 yi 取值为 1 时得到的概率为 pi，取值为 0 时得到的概率为 1-pi，当其余解释变量不变时，解释变量 Xi 增加 1 个单位将引起 ln（）发生？茁 i 个单位的改变，即 Xi 每增加一个单位将使变为原来的 exp（？茁 i）倍。讨论中以社区养老支持作为被解释变量，将有养老支持赋值为“1”，无养老支持赋值为“0”，设置虚拟变量引入模型，所得回归方程系数表示相较于参照类，各个虚拟变量类对解释变量平均贡献的差异。 在自变量方面，从救助组织与老年协会、老年活动与服务中心、养老院、文娱...