利用离散时间logistic方法_省略_家养老政策时滞_以省级政策为视角_马健囡

一、引言政策发布和政策实现之间的时间延迟一直是国内外学者和政策制定者关注的焦点，国外学者通常把政策时滞理解为“政策从公开的承诺到付诸实现的一段时间”[1]，诺思将其概括为政策供给与政策需求之间必然存在的某种时间落差。

政策时滞并不能同政策滞后概念混用，前者是政策从公开的承诺到付诸实现的时间间隔，是一种客观规律；后者则指政策的有效供给不足，带有负面的色彩。

以往公共政策制定者和民众对政策时滞抱有偏见，希望找到减少政策时滞的方法，以达到政策的高效[2]。

但是在过去的十几年中，学者们对政策时滞的理解发生了变化，不再将它单纯地视为政策的阻碍，而是探讨政策时滞如何最优化，使其能够平衡政策所承诺的收益，并反映现实的需要。

我国学者通常将政策时滞分为内在时滞和外在时滞[3]。

内在时滞是指政策当局从认识到政策环境发生变化，需要进行政策调控（认识时滞），到政策当局选择合适工具并付诸实施所花费的时间（行政时滞）；外部时滞是指从政策开始实施到它对政策对象完全产生作用所需要的时间[4]。

本文的时滞指的是第一种类型，也可以理解为省级政府的内部行政时滞。

尽管对“时滞”有不同的定义，但都隐含着对政策执行过程中的时间要素的诠释，由于公共政策复杂多样，所以分析对象也有针对性，需要按照政策类型和内容进行领域性的研究。

最早可以追溯到弗里德曼[5]和菲利普斯[6]，他们提出财政政策的时滞来自政治过程和税收制度[7]。

同样持这种看法的还有浅田和吉田[8]，他利用Kaldorian宏观模型，提出公共财政政策对国民收入变化的时滞（delay）是政治过程的必然结果，较早利用数理模型证明政策时滞的客观性和规律性。

之后，政策时滞研究开启了数理分析方法运用的闸门。

拉凡提等计算出财政政策时滞和GDP间存在一个分散性的滞后指数[9]。

德塞萨尔和斯波尔泰利等人对财政政策时滞进行动态LS-LM模型分析，发现财政政策的滞后是一个动态系统，不能完全由政策制定者控制，所以传统的财政政策规制在处理政策时滞问题上一定程度是无效的。

利用离散时间logistic方法分析我国居家养老政策时滞———以省级政策为视角马健囡，王德文（厦门大学公共事务学院，福建厦门361005）摘要：政策时滞指公共政策从公开承诺到付诸实现的时间间隔，不同类型的政策时滞具有不同的特点。

我国居家养老政策自中央正式颁布以来，各省份的发展情况不尽相同。

以中央到省级居家养老政策时滞为因变量，利用Kaplan-Meyer生存函数分布，分析我国中央至省级居家养老政策时滞的一般性规律，利用离散时间logistic模型对影响省级居家养老政策时滞的因素进行回归分析，结果显示我国省级居家养老政策产出高峰期为中央政策出台后的20-40个月之间。

老年人口规模、医疗支出、城市建设条件等外部客体因素对政策时滞影响较小，而行政类型、所辖地级市数量，综合经济指标等因素影响显著。

其中，直辖市的政策时滞最短，民族自治省份政策时滞时间较长，平均政策时滞时间为31个月。

中央-省级居家养老政策时滞主要受政府内部因素影响，单纯的加大拨款和补贴力度并不能达到减少居家养老政策时滞的效果。

居家养老政策出台过程的公开化、透明化、注重结合地区发展条件，才是消除政策时滞内部性，提高政策效率的可行途径。

关键词：政策时滞；居家养老政策；省级；离散时间logistic模型中图分类号：C913.6文献标志码：A文章编号：1007-0672（2015）03-0059-06收稿日期：2014-10-26基金项目：厦门大学哲学社会科学繁荣计划。

作者简介：马健囡，女，河北唐山人，厦门大学公共事务学院博士研究生，研究方向：人口政策，老龄政策。

王德文，女，福建福州人，厦门大学公共事务学院公共管理系教授，博士生导师，研究方向：社会医学、健康人口学、老年健康管理。

DOI:10.15884/ki.issn.1007-0672.2015.03.012普雷斯科特等通过时间序列法建模发现，在一种特定的制度安排下，国会的财政政策生效要经过2年的时滞[10]。

政府基础设施建设（decentralizing infrastruc-ture）具有地方性或特定区位性（location or site-specific），“因为他们提供的服务，本质上是位于特定区域、服务、客户”[11]，需要不同层级政府的参与才可以实现，其政策时滞研究多从政府层级的角度出发。

卡洛杰罗等通过对意大利银行的实证分析，比较不同层级政府的时间性能，发现在基础设施政策方面，地方政府比中央政府有较长的时间延迟。

即使控制政府之间的差异（即政府维度、财政来源、当地社区的社会资本），这种时间延迟仍存在并影响政策执行效率[12]。

以公共交通政策为例，与社会福利相关的政策时滞可能产生显著负外部性[13]。

社会问题政策方面，杰佛瑞等人则使用延迟折扣框架，将堕胎、同性婚姻和“肯定行动计划”（po-tentially affirmative action）①等六种社会政策和执行的结果，同货币政策的执行结果相比较，发现从政策对象个体角度来看，社会政策比货币政策的执行折扣更显著，这种折扣突出体现在政策的延迟上[14]。

不难看出，对政策时滞的研究是分类别进行的，多出现在财政、政府基础建设和社会问题等政策领域。

其中，财政政策时滞的研究最为深入，而对于社会服务政策时滞的研究较容易受到忽视。

国外的研究已涉及到对政策时滞影响因素的稳定控制方面，虽然政策时滞的研究方法和角度有所不同，但大多以时间为突破口，运用时间序列数据进行分析。

政策时滞无法一概而论是积极的还是消极的，它同所涉及的政策问题之间存在着复杂的动态影响，一般需要综合考率经济因素、政策个体、政策层级等因素。

我国对政策时滞多呈负面的认知，除经济领域外，对其他类型的政策时滞关注较少，研究视角大多从政策执行出发，方法也多采用现象描述和简单归因。

本研究以社区居家养老政策为例，利用离散时间logistic模型，探讨2008年社区居家养老政策实施以来，时滞的一般规律及其影响因素，旨在丰富政策研究的另一种路径。

选择社区居家养老政策是有意为之，理由有三：1.社区居家养老政策出台虽然较新，只有6年的时间，但政策周期较为完整。

早在2000年“十一五”规划当中“建立健全适应家庭养老和社会养老相结合的为老服务网络和满足老年人特殊需求的老年用品市场”等内容，就提出了发展居家养老的雏形理念。

国家性质的社区居家养老政策也在2008年正式出台。

发展到现在，居家养老政策涉及基层社区、政府为老服务部门、资源供给、服务标准等多方面的规范，政策具有一定连续性。

2.我国居家养老政策发展路径较有特点，并非传统的自上而下逐级实施，而是采取先由地方试点，再提出中央总体政策，给予地方充分的自主权和灵活性的发展路径。

不仅自上而下的政策层级对政策时滞产生影响，自下而上的政策层级也发挥着作用。

3.我国社区居家养老问题颇多，现实中存在着政策零散化，政策不平衡等问题，对其政策时滞的研究希望能够为提高居家养老政策质量，解决养老问题提供思路。

二、研究方法与假设国内采用截面研究的量化方法较为多见，这种研究的特点是进行一次性调查，取得一个时点上不同分析单位的数据来进行研究[15]。

例如某一次全国人口普查数据反映全国人口在普查时间点上的结构与数量。

这种数据对静止状况的描述性研究更有效。

然而这种研究其中必然隐含了一个重要的假定，即所有对象是按同一模式发展变化。

而本文研究假设社区居家养老政策时滞一直随着不同时间点、不同政策环境而改变，自变量是随时间变化的，因而必然涉及时间，所以运用历时性数据的纵向研究方法更能够反映真正的变化，也才有可能较为直接地探讨因果关系问题。

纵向研究居家养老政策时滞数据存在删截并且时滞风险属于倾斜分布，不能使用常规的回归模型，所以选取事件史分析方法中的“Ka-plan-Meyer表+离散时间logit模型”方法。

公共政策运行是一个错综复杂的有机体，要想把整个影响居家养老政策的因素运用到计量模型中，那是不现实的。

其一，受研究方法所限，有些变量是无法收集到时序数据的，比如制度因素；其二，研究目的主要抓住影响居家养老政策从中央—省级内部产生政策时滞的主要影响因素，而非面面俱到。

基于这些原因，我们建立了一个简化的计量模型来对现实政策时滞进行推断。

本文根据前文国外学者的研究经验，选取变量及方法如下：宏观数据主要用于分析政策层级对居家养老政策时滞的影响，选取东中西部共20个省为样本，自变量数据来自国家民政局网站的公开数据，各省政①肯定性行动计划是为了消除就业和教育等领域的种族和，中期以来实施的政策。

策颁布时间数据来自各省民政局数据以及全国老龄门户。

2009年数据来自人力资源和社会保障部的公开数据。

变量设置：在政策层级的宏观分析部分，我们对分析模型和自变量、因变量的选取都做了调整。

首先以观察期内中央居家养老政策出台到省级居家养老政策出台的时滞为因变量，采用适合小样本量分析的Kaplan-Meyer生存函数描述政策时滞的分布特征。

虽然国家性质的社区居家养老政策在2008年1月份才正式出台，但是早在2000年“十一五”规划当中就已经提到了“建立健全适应家庭养老和社会养老相结合的为老服务网络和满足老年人特殊需求的老年用品市场”等内容，所以部分地方性社区居家养老政策在此之前已经颁布实施，因此把2008年1月作为居家养老政策的起始观测时间，以省级下发文件时间为中央到省级的政策推行时间，这一段时间也即我国居家养老政策时滞。

之后以某月内是否发生省级居家养老政策出台事件为因变量（事件发生记为1，未发生则记为0），将时滞时间看作以月为单位的离散时间，对原始数据进行“政策—月”改造，这是该方法的关键步骤。

以北京市为例，从观测时间2008年1月起，某一个月北京市是否由地方性居家养老政策出台，这是模型中的因变量，如果在一个月月末，北京市没有发生该事件（即出台地方性居家养老政策），则因变量赋值将为0，发生该时间，则因变量为1。

北京市在2009年11月出台《关于北京市市民居家养老（助残）服务（“九养”）办法的通知》对社区养老助残发展的具体内容和方法进行了规定，此项地区性法规距中央出台的社区居家养老服务建设规划时隔21个月，则北京市建立21个月样本数据，北京市第21个月份因变量值为1，之前为0。

全部数据改造完成之后样本量为577个。

参考卡洛杰罗等人的研究，从经济情况、需求、和环境三个维度选取可能引起变动的自变量建立离散时间logistic模型，自变量的选取及处理是：（1）国内生产总值（GDP）来度量每个季度内各省新增产出，原始数据为国家统计局分省分季度GDP统计数据，单位为亿元。

将原始数据取自然对数计入模型；（2）行政类别分为直辖市、民族自治省份和一般省份，以一般省份为参照系设置虚拟变量；（3）65岁以上老年人口抽样数，我们用它来代表地区居家养老服务的需求情况，默认65岁以上老年人口数越多，则对居家养老的需求越强烈，数据同样来自统计局公开数据；（4）下辖地级市数量及城市居民人数，该指标代表城市建设水平，用以在一定程度上衡量社区居家养老建设的客观准备条件和管理难度；（5）社区服务机构个数指标用于衡量社区环境的发展水平；（6）城镇居民可支配收入，用于衡量居民对社区居家养老服务的购买力。