首 页 >> 热门文章
基于PMC指数模型的智慧养老政策量化评价研究
分享到：
发布人：yaot　发布时间：2024/4/1 16:02:11　 浏览次数：778次
【字体: 字体颜色】
——张烨鲁雨荍*

【摘要】目的 量化评价国家层面出台的智慧养老政策，总结分析其优点与不足，为进一步深化智慧养老政策改革提供参考。方法 对国家层面公开发布的32份智慧养老政策进行文本挖掘，选取12份代表性政策作为研究样本，构建PMC指数模型并对12份政策进行量化评价。结果 12份智慧养老政策PMC指数得分均值为6.55，合格等级政策有10份、优秀等级政策有2份；在政策目标、政策评价、政策领域、政策公开方面得分较高。对比两项代表性政策发现，在政策目标、政策评价、政策视角和激励方式方面差异明显。结论 我国智慧养老政策整体处于较好水平，但在政策时效、激励方式等方面仍有提升空间。
【关键词】智慧养老；PMC指数模型；政策评价；量化评价
中图分类号：R197.323；R-012文献标识码：A
Quantitative Evaluation of Intelligent Pension Policy Based on PMC Index Model/ZHANG Ye,LU Yuqiao.//Chinese Health Quality Management，2024,31(2):43-47
Abstract Objective To quantitatively evaluate the intelligent pension policies introduced at the national level, summarize and analyze the advantages and disadvantages of the policies, and provide references for further deepening the reform of intelligent pension policies.Methods Text mining was carried out on 32 Chinese policies related to intelligent pension, and 12 of them were selected as research samples according to the results. The Policy Modeling Consistency (PMC) index model was constructed and 12 policies were evaluated quantitatively.Results The average score of PMC index of 12 smart pension policies was 6.55, 10 policies were qualified and 2 policies were excellent. High scores in policy objectives, policy evaluation, policy areas, and policy disclosure. Comparing the two representative policies, it was found that there were obvious differences in policy objectives, policy evaluation, policy perspectives and incentive methods. Conclusion China's intelligent pension policy is at a good level, but there is still room for improvement in policy prescription and incentive methods.
Key words Intelligent Pension; PMC Index Model; Policy Evaluation; Quantitative Evaluation
Firstauthor's addressDongFang Hospital,Beijing University of Chinese Medicine,Beijing,100078,China


国家统计局数据显示，截至2022年末，我国60岁及以上人口达2.8亿，占全国总人口的比例为19.8%；65岁及以上人口达2.1亿，占全国总人口的比例为14.9%［1］。据全国老龄工作委员会办公室研究测算，到2033年我国老年人口将突破4亿，2053年将达到峰值4.87亿［2］。我国养老需求结构由生存型向发展型转变，养老服务需求不断增加。随着物联网、互联网、5G等新兴技术的发展，智慧养老应运而生［3］。智慧养老是以物联网、大数据、人工智能等技术为载体，以智慧社区、智慧城市、智慧社会为依托，以第三方专业服务组织介入服务为保障，在整合老年人群养老服务资源的前提下，形成的资源数据互联互通、资源统一调度的养老服务模式［4］。我国相继出台了多项智慧养老政策。目前关于智慧养老服务的研究集中在服务模式探索［5］、适老化环境改善［6］以及智慧养老认知和意愿调查［3］等方面。有学者采用定性分析方法，从政策工具视角分析省级层面出台的智慧养老政策［7-8］，关于国家层面出台的智慧养老政策量化评价研究较少。政策一致性指数模型(Policy Modeling Consistency Index,PMC),即PMC指数模型，主张尽可能将所有相关变量包含在内，且认为所有变量同等重要，并视变量为二分变量，以克服现有政策评价方法过分关注某些变量而忽视其他变量的缺点［9］。本研究运用PMC指数模型对国家层面出台的智慧养老政策文本进行量化评价，总结不同评级政策的特点，以期为推动智慧养老服务发展提供参考。

1资料与方法

1.1资料来源
2012年我国首次提出“智慧化养老”理念，2013年我国老年人口突破2亿［10］，因此本研究时间范围为2013年1月1日-2023年4月30日。以“智慧助老”“智慧养老”“互联网+养老”等为关键词，在北大法宝数据库以及国务院、国家卫生健康委、国家发展改革委等官方网站收集国家层面公开发布的与智慧养老密切相关的通知、规划、意见等政策。共收集32份政策。

1.2研究方法
1.2.1 典型政策选取 运用ROST CM 6.0词频分析工具对32份政策进行合并与分词处理，剔除虚词及非相关词后，提取政策文本中的高频词，形成社会网络知识图谱，挖掘出“服务”“养老”“健康”“智慧”等核心关键词，并作为筛选典型政策的依据。共选取12份具有代表性的政策（表1）进行分析。
1.2.2变量分类及参数确定 根据Mario E［11］研究的变量设计方法，参考已有研究，结合智慧养老政策内容，选取一级变量和二级变量，并确定每个二级变量权重，共设置了10个一级变量和40个二级变量，每个二级变量权重相同。见表2。
1.2.3 PMC指数测算 首先，根据PMC指数计算方法，对40个二级变量进行赋值；其次，计算10个一级变量得分，一级变量分值为二级变量总分与二级变量数目的比值；最后，计算PMC指数，即每项政策所有一级变量得分之和。
1.2.4 PMC曲面图绘制 PMC曲面图能够从多维度展现智慧养老政策总体情况和各项政策具体情况。?/div>


……