EN中文

GEOGRAPHICAL RESEARCH >

2018 , Vol. 37 >Issue 9: 1862 - 1876

DOI: https://doi.org/10.11821/dlyj201809016

Articles

Spatial and temporal differentiation and driving mechanism of social security level in China during 2002-2015

  • LI Qiong , 1, 2 ,
  • ZHOU Yu 1 ,
  • TIAN Yu 3 ,
  • WU Xiongzhou 1, 2 ,
  • ZHANG Lanlan 4
Expand
  • 1. Jishou University Business School, Jishou 416000, Hunan, China
  • 2. Jishou University Academician Workstation, Institute of Geographic Sciences and Natural Resources Research, CAS, Jishou 416000, Hunan, China
  • 3. School of Management, Sun Yat-sen University, Guangzhou 510275, China
  • 4. School of Economics and Management, Changsha University of Science and Technology, Changsha 410004, China

Received date: 2018-03-04

  Request revised date: 2018-07-18

  Online published: 2018-10-22

Copyright

《地理研究》编辑部
Fold

Abstract

Using the principal component analysis to measure the level of social security in China from 2002 to 2015, this paper analyzes its spatial-temporal differentiation, and uses the geographically weighted regression model to explore its influencing factors and driving mechanisms. Results show that: (1) The overall level of social security in China and the regional level have been increasing year by year, but the security level gap between regions has increased; (2) The level of social security in China is not balanced, and the pattern of "Eastern-Central-Western (region)" in social security is consistent with the pattern of economic development in China. The hotspot and cold spot areas of social security level of the country show more obvious characteristics of spatial evolution. High-hot spot areas have been spreading to the eastern region and radiating to the central region. Cold spot areas are distributed and continuously strengthened in the western region; (3) Per capita GDP, rural per capita net income, urbanization rate, education level, financial transfer payment, and the formation of the four driving forces of economy, education, finance, and society lead to the temporal changes and spatial distribution of social security.

Key words： social security level; time and space differentiation; driving mechanism; China

Cite this article

LI Qiong , ZHOU Yu , TIAN Yu , WU Xiongzhou , ZHANG Lanlan . Spatial and temporal differentiation and driving mechanism of social security level in China during 2002-2015[J]. GEOGRAPHICAL RESEARCH, 2018 , 37(9) : 1862 -1876 . DOI: 10.11821/dlyj201809016

1 引言

现代社会保障制度起源于19世纪末的欧洲工业社会,因其在市场经济中发挥的减震、柔性维稳功能而备受重视。截至2016年,全世界已经有160多个国家和地区建立了社会保障制度。建国以来,中国的社会保障制度经历了由适应计划经济向市场经济转变的过程,保障对象也由仅仅面向城镇国有集体企业员工扩大到全体居民。2012年,党的十八大提出全面建成覆盖城乡居民的社会保障体系,以保证社会和谐稳定。《中共中央关于制定国民经济和社会发展第十三个五年规划的建议》指出,要建立更加公平更可持续的社会保障制度。在中国政府高度重视和大力推进下,中国的社会保障制度有了长足的发展,发挥了其应有的“安全网”“调节器”作用。但也应看到,中国长期以来突出的区域经济发展不均衡导致社会保障水平具有显著的地区差异,这显然与天然追求公平的社会保障制度目标相去甚远,损害了基本公共服务均等化的实现[1]。因此,在经济进入新常态以及人口老龄化、新型城镇化加快推进的背景下,考察中国社会保障水平的时空分异规律并探索其驱动机制,对于推进中国基本公共服务均等化、构建和谐共享的社会具有重要现实意义。目前,相关研究主要集中在社会保障水平的发展轨迹[2]、与经济发展的关系[3,4,5,6]、测定指标及评价[7,8]、城乡差异[9,10]、地区测度[11]、刘常姝[12]、刘超群[13]较为系统地研究了中国社会保障水平的区域差异并提出均衡发展的对策建议。但现行研究中专门分析社会保障时序和空间变化的研究明显不足,且中国社会保障制度仍处于动态变革之中,因此有必要对最新的时空差异进行分析。同时,大多数学者在使用社会保障水平差异评价方法时将区域视为孤立主体,忽视空间极化或扩散效应对社会保障水平的影响,多采用某一年的静态数据为主,研究方法更是囿于社会学或经济计量。本文利用2002-2015年全国各省市的面板数据,以计量手段为基础,结合GIS技术,从动态和空间视角研究中国社会保障水平的时空演变过程,从而辨析及透视中国社会保障水平变化规律及驱动机制,以期为建立更公平可持续的社会保障制度提供参考。

2 研究方法与数据来源

2.1 数据来源

指标数据来源于2003-2016年的《中国统计年鉴》《中国劳动统计年鉴》《中国卫生统计年鉴》《中国民政统计年鉴》《人力资源社会保障事业发展统计公报》以及31省（市、自治区）的统计年鉴。

2.2 研究方法

2.2.1 主成分分析法 主成分分析法利用降维思想线性变换,将原来相互联系的多个指标转化为少数几个综合指标（即主成分）。各主成分之间不相干,每个主成分都是原始变量的线性组合,这些主成分能反映原始变量的大部分信息,且所含的信息不重叠。采用这种方法可以将反映社会保障水平的多个因素归结为几个主成分,使复杂问题得以简化。假定有n个地理样本,每个样本共有p个变量描述,这样就构成了一个n×p阶的地理数据矩阵：
X = x 11 , x 12 , ⋯ , x 1 p x 21 , x 22 , ⋯ , x 2 p ⋯ x n 1 , x n 2 , ⋯ , x np （1）
式中：p表示研究对象的变量,记作X1,X2…Xp。适当调整组合系数,对X进行线性变化后,主成分表达式为：
Z 1 = l 11 x 1 + l 12 x 2 + ⋯ + l 1 p x p Z 2 = l 21 x 1 + l 22 x 2 + ⋯ + l 2 p x p ⋯ Z m = l m 1 x 1 + l m 2 x 2 + ⋯ , + l mp x p （2）
式中：Z1,Z2,…,Zm是不相关的主成份,且Z1是线性组合中方差最大者,Z2是与Z1不相关的线性组合中方差最大者,…,Zm是与Z1,Z2,…,Zm-1都不相关的线性组合中方差最大者。本文构建了26个指标分析31省（市、自治区）的社会保障水平,构成31×26阶数据矩阵。通过计算2002-2015年中国及31省（市、自治区）社会保障水平主成分综合得分,总体上透视中国社会保障水平的时空变化。
2.2.2 空间自相关分析法 空间自相关分析是度量空间单元观测值聚集程度的方法,该方法能判断空间单元观测值是否与其相邻单元的观测值存在相关性[14]。按照对象是全局还是局部,空间自相关分析可以分为全局空间相关分析和局部空间自相关性。全局自相关用于探测整个研究区域的空间模式,常用全局Moran指数测度,取值范围为[-1,1]。具体涵义为：-1≤Moran's I<0,表示负相关,值越小,说明空间差异性越大;Moran's I=0,代表空间不相关,且随机分布;0<Moran's I≤1,表示正相关,值越大说明空间相关性越明显[15]。计算公式为[16]：
I = ∑ i = 1 n ∑ j ≠ i n W ij X i - X ¯ X j - X ¯ / S 2 ∑ i = 1 n ∑ j = 1 n W ij （3）
S 2 = 1 n ∑ X i - X ¯ 2 , X ¯ = 1 n ∑ i = 1 n X i （4）
式中：n为空间单位数;Xi代表空间单元i的属性值;Xj代表空间单元j的属性值;X为各单位上的观察值;Wij为空间权重矩阵。本文采用距离关系的空间权重矩阵,当区域i和j距离小于d时,Wij=1;当区域i和j距离为其他时,Wij=0。
局域空间自相关主要用于揭示局部区域的空间集聚特征,探索子区域的异质性[17]。局部自相关指标G系数能较准确地探测出高值或低值要素在空间发生聚类的位置。本文使用局部G系数探测中国社会保障水平的高值聚集和低值聚集,计算公式为[18]：
G i * = ∑ j n W ij x j ∑ j n x j （5）
式中：Wij为空间距离权重,显著为正表示单元i的邻居的观测值高,显著为负表示单元i的邻居的观测值低。
2.2.3 地理加权回归模型 理论界常常使用多元回归模型分析诸多因素对事物的驱动,但传统计量模型假设空间事物无关联且均质分布,地理加权回归模型可实现不同区域回归模型的系数随空间地理位置的变化而变化。地理加权回归模型为[18]：
y i = β 0 u i , v i + β 1 u 1 , u 2 + ⋯ + β p u i , v i x p + ε i （6）
式中：yi为因变量;β0为回归模型的截距项;（ui, vi）为第i样本的空间坐标;βp（ui, vi）为第p个自变量的系数;p为解释变量的个数;εi（i=1, 2, …, p）为独立分布的随机误差项。本文将地理加权回归模型用于中国社会保障水平空间分异驱动力分析,目的是为探明透视同一变量对不同区域社会保障水平影响的空间差异,这利于为中国制定差异化的社会保障政策提供理论依据。

2.3 指标体系构建

明确的量化指标关系到测评结果的可信度和准确度,合理科学的指标体系是研究中国社会保障水平时空分异规律和机制的基础。本文坚持科学性、系统性、全面性以及可操作性的原则,在前人研究的基础上,构建包含了目标层、准则层以及指标层三大层级的指标体系。其中,准则层包括五个指标,即社会保障支出、社会保险、社会保障基金水平、社会救助以及社会福利。指标层包括了26个具体的指标[19],各指标描述性统计信息如表1。
Tab. 1 Index system and descriptive statistics of social security level

表1 社会保障水平指标体系及描述性统计信息

准则层 指标层 最大值 最小值 标准差 均值 权重(%)
社会保障支出 社会保障支出占GDP比例（%） 0.1004 0.0903 0.1870 0.3135 44.515
社会保障支出占财政支出比例（%） 0.2221 0.0719 0.2694 0.2382 17.597
社会保险 城镇基本医疗保险覆盖率（%） 0.1309 0.0057 0.2257 0.2383 8.79
城镇基本养老保险覆盖率（%） 0.0657 0.0015 0.0117 0.0067 6.036
失业保险覆盖率（%） 0.0378 0.0001 0.0064 0.0067 5.12
生育保险覆盖率（%） 57.0625 0.0008 13.700 6.3103 2.582
新型农村合作医疗覆盖率（%） 31.0873 0.0587 6.6033 4.8725 3.118
城乡居民基本养老保险覆盖率（%） 0.0627 0.0009 0.01596 0.0194 2.852
工伤保险覆盖率（%） 0.0403 0.0002 0.0078 0.0083 2.303
社会保险基金水平 医疗保险基金累计结余（亿元） 1831.6 15.9 297.78 296.4.1 1.651
养老保险基金累计结余（亿元） 6532.8 9.1 910.65 715.3. 1.548
失业保险基金累计结余（亿元） 634.6 5.8 101.5 118.64 0.858
生育保险基金累计结余（亿元） 105.3 0.3 16.174 16.529 1.136
新农合基金累计结余（亿元） 31.087 0.0587 6.603 4.8725 0.013
城乡居保基金累计结余（亿元） 568.2 11.5 128.49 148.132 0.009
工伤保险基金累计结余（亿元） 0.0403 0.0003 0.0082 0.0089 1.050
社会救助 人均城市最低生活保障支出（元） 8813.65 2966.24 4588.45 1485.27 0.269
人均农村最低生活保障支出（元） 7005.30 1254.1 1342.57 2421.14 0.194
人均农村五保支出（元） 4945.56 2599 1445.97 1669.30 0.165
人均医疗救助支出（元） 1557.24 1265.06 3691.81 6921.66 0.779
社会福利 住房保障支出占地方财政支出比例（%） 0.0757 0.0144 0.0146 0.0386 0.053
教育支出占地方财政支出比例（%） 0.2049 0.1077 0.0251 0.1612 0.037
老年人口抚养比（%） 18.69 8.07 2.594 13.674 0.519
城镇社区服务设施（个） 57108 329 13527.03 11643.74 0.469
社会福利企业个数（个） 35137 536 10533.1 7535.73 0.001
每千老年人口养老床位数（万个） 6.37 4.02 0.6347 5.1258 0.097

注：各项数值为2002-2015年的平均值;表1中的权重表明主成分所占的比例,由SPSS 21软件根据原始数据自动生成。

3 结果分析

3.1 中国社会保障水平时序变化

主成份方法是否适合提取公因子,首先要进行Bartlett's球型检验和KMO检验。如果Bartlett's球型检验的统计量数值较大,且对应的相伴概率值小于显著性水平,则应该拒绝零假设,适用于主成分分析。KMO检验方面：KMO<0.5时,不适合因子分析;KMO>0.9时非常适合;KMO介于0.8~0.9之间,适合因子分析;KMO介于0.7~0.8之间,比较适合因子分析;KMO介于0.5~0.7之间,效果很差。通过对2002-2015年中国社会保障水平主成份的KMO检验,其值均介于0.8~0.9之间。Bartlett's球型检验值均高于181,且sig<0.05,表明社会保障水平适合主成分分析。利用SPSS 21软件运用Z-Score方法对原始数据进行标准化处理,公因子个数的确定依据为特征根和方差贡献率。依据模型的累计方差贡献率（85.95%>80%）和特征根值（γ>1）确定“社会保险覆盖率、社会保险基金结余、社会救助与社会福利”4个公共因子。应用上述评价指标和主成份分析法,计算出2002-2015年中国社会保障水平主成分综合得分。（表2）
Tab. 2 Social security level comprehensive score in China from 2002 to 2015

表2 2002-2015年中国社会保障水平综合得分

年份 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
全国 -0.2625 -0.1755 -0.1623 -0.1219 -0.1225 -0.1122 -0.1017 -0.063 -0.024 0.0017 0.0032 0.0081 0.0057 0.1467
广东 1.0256 1.2795 1.348 1.3592 1.4967 1.5846 1.6329 1.5794 1.7259 1.7384 1.8369 1.9147 2.3184 1.9804
江苏 0.7658 0.8439 0.8683 0.8705 0.8674 0.8895 0.9742 0.985 1.1399 1.1423 1.128 1.2355 1.3285 1.3509
山东 0.5732 0.6358 0.6524 0.6673 0.6685 0.6734 0.6887 0.6933 0.7956 0.8136 0.7368 0.6812 0.9477 1.0328
四川 0.1147 0.1238 0.1399 0.1356 0.1429 0.1536 0.1583 0.1624 0.2237 0.2355 0.2397 0.2452 0.3123 0.3241
浙江 0.6639 0.7153 0.7326 0.7499 0.7558 0.7689 0.7754 0.7621 0.9493 0.9549 0.9918 0.9983 1.2205 1.2517
河南 -0.2315 -0.1583 -0.1492 -0.0148 -0.0103 -0.0074 -0.0059 -0.0028 0.0312 0.0419 -0.0106 -0.0132 0.3928 0.3941
湖南 -0.0759 -0.0683 -0.0624 -0.0578 -0.0512 -0.0481 -0.0489 -0.0358 -0.0149 -0.0132 0 -0.0522 0.1147 0.1149
河北 0.0221 0.0237 0.0238 0.0289 0.0318 0.0389 0.0487 0.0455 0.0536 0.0512 0.0598 0.0598 0.061 0.0622
湖北 -0.1794 -0.1029 -0.0978 -0.0952 -0.0846 -0.0823 -0.0758 -0.0742 -0.0584 0.0587 -0.0611 -0.0846 -0.0327 0.1253
安徽 -0.4136 -0.3043 -0.2714 -0.2633 -0.2759 -0.2532 -0.2578 -0.2463 -0.5221 -0.0822 -0.1347 -0.1592 0.027 0.1038
辽宁 0.0951 0.1536 0.1795 0.1887 0.1843 0.1882 0.1939 0.2027 0.2937 0.2973 0.1458 0.1237 -0.1859 0.1937
江西 -0.5326 -0.4553 -0.4458 -0.4574 -0.4438 -0.4359 -0.4311 -0.4226 -0.3015 -0.2983 -0.3121 -0.2894 -0.1487 0.0237
山西 -0.3148 -0.2611 -0.2589 -0.2514 -0.2453 -0.2405 -0.2347 -0.2374 -0.1903 -0.1899 -0.1928 -0.1859 -0.2431 0.0237
黑龙江 -0.3568 -0.2794 -0.2673 -0.215 -0.2634 -0.2573 -0.2379 -0.2356 -0.1239 -0.1206 -0.1734 -0.1974 -0.1763 -0.1655
陕西 -0.3421 -0.2864 -0.2753 0.2688 -0.2652 -0.2433 -0.2598 -0.2439 -0.1635 -0.1547 -0.1563 -0.1479 -0.2106 -0.0433
福建 -0.2576 -0.1745 -0.1624 -0.1683 -0.1592 -0.1498 -0.1452 -0.129 -0.083 -0.0746 -0.0328 -0.0192 0.0745 0.0801
广西 -0.5872 -0.4385 -0.4236 -0.4123 -0.4155 -0.4097 -0.4015 -0.3926 -0.3142 -0.2916 -0.2765 -0.2729 -0.1458 -0.0912
重庆 -0.4375 -0.3159 -0.3012 -0.2758 -0.2635 -0.3599 -0.3518 -0.2437 -0.1573 -0.1531 -0.1299 -0.1123 -0.3427 -0.1737
云南 -0.6435 -0.5637 -0.5526 -0.5493 -0.5475 -0.5386 -0.5295 -0.5213 -0.479 -0.4359 -0.3921 -0.4102 -0.2438 -0.2152
上海 0.356 0.3731 0.3683 0.3799 0.4004 0.4183 0.4263 0.4355 0.4385 0.4059 0.4153 0.4655 0.5279 0.568
贵州 -0.6519 -0.5342 -0.5371 -0.5289 -0.5213 -0.5122 -0.5031 -0.4736 -0.4158 -0.4199 -0.3625 -0.3647 -0.5374 -0.2473
吉林 -0.6437 -0.5263 -0.5158 -0.5224 -0.5189 -0.5011 -0.4973 -0.4928 -0.4013 -0.3855 -0.3126 -0.3231 -0.4319 -0.2511
内蒙古 -0.4382 -0.3421 -0.3398 -0.3347 -0.3305 -0.3276 -0.3189 -0.3143 -0.2513 -0.2235 -0.2173 -0.1984 -0.182 -0.1735
北京 0.2036 0.3119 0.3215 0.332 0.3574 0.3688 0.3628 0.3517 0.5521 0.5543 0.5765 0.5836 0.6054 0.6638
甘肃 -0.6537 -0.7354 -0.7297 -0.7256 -0.7188 -0.7132 -0.7058 -0.7041 -0.6332 -0.6214 -0.5473 -0.5706 -0.6033 -0.6129
新疆 -0.4358 -0.3799 -0.372 -0.3683 -0.3625 -0.3536 -0.3514 -0.3359 -0.3188 -0.3152 -0.3198 -0.324 -0.5892 -0.3317
海南 -0.7331 -0.6679 -0.6538 -0.6477 -0.6451 -0.6339 -0.6213 -0.5879 -0.5036 -0.4702 -0.4837 -0.4679 -0.4578 -0.3825
天津 0.1059 0.1112 0.1291 0.1277 0.1366 0.1403 0.1462 0.1477 0.1498 0.1532 0.1556 0.1561 0.1565 0.1583
宁夏 -0.7826 -0.6533 -0.6493 -0.6417 -0.653 -0.6428 -0.6374 -0.6215 -0.5344 -0.5326 -0.5198 -0.5322 -0.5361 -0.2957
青海 -1.428 -1.291 -1.147 -1.179 -1.043 -1.009 -0.9937 -0.9423 -0.8357 -0.824 -0.7925 -0.6957 -0.6649 -0.6523
西藏 -1.925 -1.473 -1.584 -1.179 -1.023 -0.9844 -0.9527 -0.9434 -0.7954 -0.7866 -0.7593 -0.7921 -0.5814 -0.267
3.1.1 总体趋势 2002-2015年中国社会保障水平总体呈波浪上升趋势,综合得分由-0.2625上升到0.1467。（图1）具体来看,中国社会保障水平综合得分提高路径可以归结为三种类型：① 在正数基础上增长为更大的正数,包括广东（1.0256→1.9804）、江苏（0.7566→1.3509）、山东（0.5732→1.0328）、四川（0.1147→0.3241）、浙江（0.6639→1.2517）、河北（0.0221→0.0622）、辽宁（0.0951→0.1937）、上海（0.356→0.568）、天津（0.1059→0.1583）;② 负值转为正值,包括河南（-0.0951→0.1937）、湖南（-0.0759→0.1149）、湖北（-0.1794→0.1937）、安徽（-0.4136→0.1038）、江西（-0.5326→0.0237）、山西（-0.3148→0.0237）、福建（-0.2576→0.0801）;③ 在负值的基础上增长,但没有改变其负数性质,主要包括有黑龙江（-0.3568→-0.1655）、陕西（-0.3421→-0.0433）、广西（-0.5872→-0.0912）、重庆（-0.4375→-0.1737）、云南（-0.6435→-0.2152）、贵州（-0.6159→-0.2473）、吉林（-0.6437→-0.2511）、内蒙古（-0.4382→-0.1735）、甘肃（-0.6537→-0.6129）、新疆（-0.4358→-0.3317）、海南（-0.7311→-0.3825）、宁夏（-0.7826→-0.2957）、青海（-1.428→-0.6523）、西藏（-1.925→-0.627）。由中国社会保障水平综合得分的总体时序趋势可知,通过不断改革与创新,中国社会保障水平迅速提高,保障能力日益增强。中国社会保障制度目标逐渐从只能维护人的生存条件到维护人的自由、平等与尊严的转变。
Fig. 1 Social security level score average from in China 2002 to 2015

图1 2002-2015年中国社会保障水平综合得分均值趋势

3.1.2 阶段分析 2002-2015年中国社会保障水平经历了由负值转向正值的时序演变。2002-2010年,中国社会保障水平综合得分处于负值区,2011-2015年中国社会保障水平综合得分转为正值并稳步上升,特别是在2014年之后中国社会保障水平综合得分出现跳跃式上升的趋势。在这一过程中,中国社会保障水平有3个比较明显的拐点（图1）,即2003年、2011年和2013年,这与中国对农民社会保障制度的不断完善和改革密不可分。2002年10月,《中共中央、国务院关于进一步加强农村卫生工作的决定》明确指出：要“逐步建立以大病统筹为主的新型农村合作医疗制度”。从2003年起,公共财政对中西部地区参加新农合的农民给予人均20元的缴费补助,这是中国政府历史上第一次为解决农民的医疗保障问题进行大规模的投入。2009年,国务院颁布《国务院关于开展新型农村社会养老保险试点的指导意见》（国发〔2009〕32号）,决定从2009年起开展新型农村社会养老保险试点,当年覆盖面为全国10%的县,以后逐步扩大试点,在全国普遍实施。这是中国政府首次为农民的养老问题承担经济责任。中央财政对中西部地区的参保农民给予全额基础养老金补助,对东部地区给予50%的补助。地方财政对参保农民给予不低于30元的缴费补助。2011年国务院印发《国务院关于开展城镇居民社会养老保险试点的指导意见》（〔2011〕18号）,决定2011年7月1日启动城镇居民养老保险试点工作,政府对参保的城镇居民实行基础养老金给付和缴费补助。政府的财政支持,极大地调动了大多数农民和城镇居民参加医疗保险和养老保险的积极性,扩大了社会保障制度的覆盖率,有效地提升了各地区的社会保障水平。
总之,中国社会保障水平总体和阶段性演变趋势表明,随着以民生为重点执政理念的确立,中国已建立起世界上覆盖人群最多、最大的社会保障网,中国社会保障体系日趋完善。养老保障方面,中国先后为长期被排斥在制度之外的农民和城镇居民建立养老保险制度,并积极探索城乡养老制度的整合。为促进社会公平缩减“待遇差”,2015年中国为事业单位职工建立社会统筹与个人账户相结合的基本养老保险制度;在最低生活保障方面,中国先后建立城市和农村最低生活保障制度,覆盖人数稳步增加,低保标准不断提高;医疗保障方面,城乡居民医疗保险制度整合;失业、生育以及工伤保障制度建设迈出重要步伐。但中国社会保障制度发展不均衡,西部地区不少省区社会保障水平综合得分依然处于负值区,东部地区社会保障水平综合得分远高于中西部地区（表1）。因此,未来需要进一步推进社会保障协调发展,强化基本社会保障的公平属性。

3.2 中国社会保障水平空间分异

3.2.1 整体空间分异特征 运用GeoDa软件中的箱地图（box map）空间可视化2002-2015年31省（市、自治区）社会保障水平综合得分的平均值（图2）。由图2可知,中国社会保障水平分为高水平、次高水平、次低水平、低水平区4个等级,呈现较为明显的空间分布状态。2002-2015年高水平地区（0.150~6.375）有上海、北京、广东、浙江、山东、江苏、四川及辽宁8省市。次高水平地区（-2~0.150）有黑龙江、内蒙古、天津、河北、山西、陕西、河南、安徽、重庆、福建以及新疆11省（市、自治区）;次低水平地区（-4~-2）包括吉林、江西、湖南、湖北、广西以及西藏6省区;低水平区（-10.225~-4）包括甘肃、贵州、青海、云南、宁夏以及海南6省。
Fig. 2 Social security water average box map in China from 2002 to 2015

图2 2002-2015年中国社会保障水平均值箱地图

根据全局自相关公式计算2002-2015年各年Moran指数并对其空间自相关进行分析,从整体上把握中国社会保障水平的空间关联和差异程度（表3）。
Tab. 3 Social security level Moran's index in China from 2002 to 2015

表3 2002-2015年中国社会保障水平Moran指数

年份 Moran指数 Z得分 方差 P值
2002 0.1755 2.7500 0.1653 0.004
2003 0.1569 2.4941 0.1621 0.012
2004 0.1509 2.4239 0.1572 0.015
2005 0.1275 2.1003 0.1558 0.035
2006 0.1299 2.1501 0.1557 0.031
2007 0.1256 2.1026 0.1557 0.354
2008 0.1210 2.0467 0.1556 0.040
2009 0.1187 2.7500 0.1557 0.004
2010 0.1179 1.3457 0.1457 0.034
2011 0.1113 1.9694 0.1456 0.037
2012 0.0955 1.7325 0.1355 0.137
2013 0.0985 1.7320 0.1353 0.003
2014 0.1207 2.0754 0.1513 0.037
2015 0.1367 2.2484 0.1557 0.024
由表3可知,2002-2015年中国社会保障水平全局Moran's I均在0和1之间波动,除了2012年P值不显著外,其他年份的P值均能够通过置信度5%的显著性检验,表明中国社会保障水平在空间上具有空间自相关性,即高水平省份趋于集聚,低水平省份趋于集聚。2002-2012年,中国社会保障水平全局Moran's I缓慢下降,社会保障水平空间集聚减弱,2012年Moran's I下降到阶段最低点,且P值不显著,表明中国社会保障水平集聚现象不明显。2013年Moran's I开始上升,中国社会保障水平集聚度开始有所增加。
3.2.2 中国社会保障水平空间演变特征 利用ArcGIS 10.2.2,基于GIS自然断裂法将2002年、2006年、2008年、2010年、2013年、2015年中国社会保障水平分为高水平区、次高水平区、次低水平以及低水平区四种类型（图3）。从图3可知,2002-2015年中国社会保障水平呈现出空间格局动态变化特征,社会保障水平等级之间递次向上或向下转移成为常态。从高水平区看,2010年山东递次向下转移,2013年浙江递次向下转移到次高水平,2015年山东和浙江向上递次转移到高水平区,高水平区包括山东、江苏、浙江、广东4省;从次高水平看,14年间次高水平的省份减少了40%,福建、河北、湖北、辽宁4省递次向下转移到次低水平。2013年处于次高水平的地区仅有上海、北京、山东、浙江4省,相对于2002年次高水平的省份减少了60%;从次低水平看,社会保障水平等级之间同时发生向上递次转移和向下递次转移,2015年处于次低水平的省份是2002年省份的60%;从低水平区来看,2010开始低水平的省份数量明显增多,2015年达到12个,低水平省的数量是2002年的6倍。除了吉林省,处于低水平的均是西部地区省份。这说明,中国虽然实现了社会保障制度的全覆盖,社会保障体系也日趋健全,但总体社会保障水平偏低,特别是西部省份的保障水平很不理想。
Fig. 3 Spatial evolution of social security level in China from 2002 to 2015

图3 2002-2015年中国社会保障水平空间演化

Tab. 4 The spatial evolution of social security level in China from 2002 to 2015

表4 2002-2015年我国社会保障水平空间演变情况

类型 2002年 2006年 2008年 2010年 2013年 2015年
高水平区 山东、江苏
浙江、广东（4）		 山东、江苏
浙江广东（4）		 山东、江苏
浙江、广东（4）		 江苏、广东
浙江（3）		 江苏、广东（2） 山东、江苏
浙江、广东（4）
次高水平区 福建、辽宁、河北、河南、湖南、湖北、四川、上海、北京、天津（10） 辽宁、河北、河南、湖南、湖北、四川、上海、北京、天津（9） 辽宁、河北、河南、湖南、湖北、四川、上海、北京、天津（9） 四川、上海、北京、山东、辽宁（5） 上海、北京、山东、浙江（4） 四川、上海、天津、河南、北京、湖南（6）
次低水平区 黑龙江、吉林、内蒙古、甘肃、山西、江西、安徽、陕西、宁夏、重庆、新疆、云南、贵州、广西、海南（15） 福建、黑龙江、吉林、内蒙古、山西、江西、安徽、陕西、重庆、新疆、云南、贵州
广西（13）		 福建、黑龙江、吉林、内蒙古、山西、江西、安徽、陕西、重庆、新疆、云南、贵州、广西（13） 江西、黑龙江、内蒙古、山西、陕西、重庆、新疆、广西、天津、福建、河北、河南、湖北、湖南（14） 黑龙江、内蒙古、山西、陕西、重庆、天津、福建、河北、河南、湖南、湖北、四川、辽宁、安徽（14） 山西、江西、陕西、广西、福建、河北、湖北、辽宁、安徽（9）
低水平区 青海、西藏（2） 青海、西藏、甘肃、宁夏、海南（5） 青海、西藏、宁夏、甘肃、海南（5） 青海、西藏、海南、宁夏、甘肃、吉林、安徽、贵州、云南（9） 青海、西藏、海南、宁夏、甘肃、吉林、广西、贵州、云南、江西、新疆（11） 青海、西藏、海南、甘肃、宁夏、吉林、贵州、云南、新疆、黑龙江、内蒙古、重庆（12）
从区域来看,中国社会保障高水平区集中在东部,低水平区主要集中在西部,次高水平主要集中在东中部,次低水平在中西部分布。社会保障水平的“东—中—西”格局与中国地区发展格局相吻合。总体上,中国社会保障绝对水平在提高,但随着时间的推移,社会保障低水平冷点集聚区的省份在增多。这说明,虽然中国已建立覆盖全民的社会保障制度,但经济发达地区的社会保障水平以更快的速度在提高。中西部地区大部份省社会保障水平标准低,以城乡居民基本养老保险水平为例,2017年西部各省的人均基本养老保障标准约为120元,最低的贵州省仅70元,而上海、北京分别达到了850元、560元。越是经济水平发达的省份基础养老金的发放标准越高。可见,中国社会保障水平的相对差距不是在缩小,而是有扩大的趋势。
3.2.3 中国社会保障水平局域空间格局 利用ArcGIS 10.2.2分析2002-2015年中国社会保障水平空间格局热点演化情况（图4a~图4f）。根据指数高低及显著性水平,结合ArcGIS中自然间断点分级法分为5类：一级热点区、二级热点区、随机分布区、二级冷点区和一级冷点区,即高值聚集区、次高值聚集区、中值区、次低值聚集区和低值聚集区。图4表明,2002-2015年中国社会保障水平的热点区和冷点区表现出较明显的空间演变特征,高集聚在东部地区扩散并向中部地区辐射,新疆、甘肃、四川、云南由二级冷点区向一级冷点区转变,西藏、青海由随机分布区向二级冷区转变。
Fig. 4 Getis-Ord Gi* for social security levels in China from 2002 to 2015

图4 2002-2015年中国社会保障水平热点分析

具体来看,2002年热点区10个,主要分布北京、天津、河北、山东、江苏、上海、河南、安徽、浙江和福建。其中一级热点区分布北京、天津、河北、山东、江苏、上海。冷点区16个,分布在黑龙江、吉林、内蒙古、新疆、甘肃、宁夏、陕西、湖北、湖南、广东、重庆、四川、贵州、广西、云南和海南。其中一级冷点区分布在贵州、广西、宁夏和海南。2002-2006年,热点区增加4个,包括山西、辽宁、西藏、青海。冷点区减少为13个,其中一级冷点区分布在宁夏、陕西、湖南、湖北、重庆、海南和贵州。2006-2008年,热点区变为15个,分别为吉林、江西、辽宁、河北、北京、天津、山西、山东、河南、浙江、上海、安徽、江苏、福建和广东。冷点区发生明显的空间变化,一级冷点区由宁夏、陕西、湖南、湖北、重庆、海南和贵州向西部迁移,至新疆、西藏、青海和四川。2008-2013年,热点区变为12个,二级热点区减少3个,包括河南、江西和广东。冷点区增加到14个,其中二级冷点区增加3个,包括重庆、贵州和广西。2013-2015年,冷热点区发生很明显的空间变化。其中,一级热点区从北京、天津转移到安徽和江西,二级热点区从吉林、辽宁和山西转移至河南和湖北。一级冷点区由西藏、新疆、青海和四川变为甘肃、宁夏、新疆、云南和四川。
总之,2002-2015年中国社会保障水平热点区和冷点区表现出较明显的空间演变特征,冷点区主要分布在中西部,一级冷点区主要分布在西部,热点区分布在东部地区。
Fig. 5 Driving mechanism of time-space differentiation of social security level in China from 2002 to 2015

图5 2002-2015年中国社会保障水平时空分异驱动机制

4 驱动机制分析

社会保障水平时空分异受经济、社会、文化和政策等多方面因素的驱动,且要素之间有机联系与相互组合。为全面系统地了解2002-2015年中国社会保障水平时空分异的驱动力,本文充分考虑了城镇居民人均可支配收入、农村居民人均纯收入、人均财政收入、财政支出度、GDP、人均GDP、财政转移支付、老年人口比、城镇化率、失业人口、教育水平等因素。被解释变量为社会保障水平综合得分均值。将2002-2015年中国社会保障水平综合得分均值作为因变量,以上述11个因素为自变量,利用GWR4进行地理加权回归分析。模型AIC值为-6.8561,最优带宽CV为0.0447,R square值为0.949614,模型线性拟合度高。人均GDP（RJGDP）、农村居民人均纯收入（NCSR）、城镇化率（CZHL）、教育水平（JYSP）、财政转移支付（CZZF）等5个因素对中国社会保障水平的影响程度在区域之间差异显著,估计系数结果如表5所示。同时,将2002-2015年中国社会保障水平不同类型分区影响因素的回归系数均值进行统计,得到表6。结果显示,5个自变量在不同类型分区的影响效应呈现不均衡的特征。
Tab. 5 GWR4 model estimation results (optimal bandwidth = 0.0447)

表5 GWR4模型估计结果（最优带宽=0.0447）

地区 constant RJGDP NCSR CZHL JYSP ZYZF 地区 constant RJGDP NCSR CZHLL JYSP ZYZF
黑龙江 0.0857 0.3164 0.2473 0.2215 0.4652 0.2014 广西 0.0786 0.3393 0.2635 0.1896 0.4686 0.2036
新疆 0.0827 0.2608 0.2579 0.1712 0.4467 0.2058 广东 0.0908 0.3240 0.2339 0.2452 0.4569 0.2065
山西 0.0860 0.2451 0.2527 0.1594 0.4396 0.2104 海南 0.0934 0.3574 0.2245 0.2285 0.4669 0.2052
宁夏 0.0948 0.3306 0.2184 0.2353 0.4558 0.2061 吉林 0.0948 0.2380 0.2168 0.2623 0.4405 0.2053
西藏 0.0797 0.2632 0.2639 0.1730 0.4496 0.2028 辽宁 0.0813 0.3350 0.2671 0.1542 0.4625 0.2054
山东 0.0883 0.2695 0.2422 0.1787 0.4448 0.2099 天津 0.0929 0.1766 0.2261 0.2395 0.4195 0.2042
河南 0.0878 0.3012 0.2418 0.2059 0.4565 0.2052 青海 0.0864 0.2481 0.2809 0.1130 0.4346 0.2132
江苏 0.0884 0.2479 0.2447 0.1617 0.4379 0.2127 甘肃 0.0905 0.2293 0.2368 0.1622 0.4334 0.2128
安徽 0.0866 0.2853 0.2454 0.1916 0.4518 0.2065 陕西 0.0875 0.3085 0.2510 0.1475 0.4445 0.2062
湖北 0.0838 0.2681 0.254 0.1770 0.4484 0.2062 内蒙古 0.0953 0.3615 0.2166 0.2154 0.4028 0.1444
浙江 0.0854 0.1947 0.2736 0.1246 0.4254 0.2071 重庆 0.0941 0.3365 0.1736 0.2497 0.4712 0.2017
江西 0.0844 0.2879 0.2504 0.1937 0.4548 0.2043 河北 0.0881 0.2303 0.2423 0.2444 0.4344 0.2121
湖南 0.0897 0.2589 0.2391 0.1707 0.4396 0.2120 上海 0.0869 0.2843 0.2533 0.1483 0.4398 0.2091
云南 0.0875 0.1622 0.2856 0.1035 0.4147 0.2019 北京 0.0937 0.3176 0.2233 0.1936 0.4437 0.2036
贵州 0.0922 0.2923 0.2292 0.1993 0.4471 0.2092 四川 0.0962 0.3942 0.2116 0.2239 0.4551 0.1880
福建 0.0857 0.2829 0.2635 0.2215 0.4576 0.1997
Tab. 6 Mean zoning statistics of regression coefficients of influencing factors

表6 影响因素回归系数均值分区统计

分区 RJGDP NCSR CZHL JYSP ZYZF 常数项
全国 0.2822 0.2404 0.1927 0.4455 0.2039 0.0887
高水平区 0.2959 0.2288 0.2050 0.4499 0.2052 0.0918
次高水平区 0.2823 0.2432 0.1918 0.4430 0.1998 0.0871
次低水平区 0.2759 0.1856 0.1856 0.4503 0.2057 0.0850
低水平区 0.2700 0.2396 0.2016 0.4420 0.2081 0.0914

4.1 人均GDP

人均GDP是表征地区经济发展水平的核心指标,全国总体系数达到了0.2822,在5个影响因素中位居第2,且为正,表明人均GDP对中国社会保障水平有较高的正向影响,且呈现出较大的空间异质性特征。经济发展有利于提高社会保障水平,经济增长扩大了社会保障制度的财源,提高了财务可持续性,经济快速增长期往往也是中国社会保障水平快速提高的时期。从空间差异来看,经济发展对社会保障水平有较大影响的省市包括内蒙古、北京、四川、辽宁、宁夏、广东、海南。由表5可知,人均GDP对社会保障高水平区影响更大,对低水平区影响最小。结合现实的解释是,代表高水平的东部地区,社会保障与经济发展的耦合度协调度明显优于中西部地区[20]。

4.2 农村居民人均纯收入

农村人均纯收入总体回归系数为0.2007,在5个影响因素中排名第3位,且具有空间上的异质性（表5）。其中,云南、西藏、福建、广西、浙江的影响较大。社会保障水平分区上,次高水平和低水平区影响系数大于高水平和次低水平区。中国长期将农民排斥在社会保障制度之外,除了受限于国家财力以外,农民收入不足以支撑其交纳社会保障费也是重要原因之一。中国农村人均收入由2002年的2467元增加到2015年的12363元,年均增长率达12.2%。同期,由最大群体农民参加的新农合制度参保率达到了98%以上,城居保制度参保率达到80%以上。但西部地区的绝对收入相对较低,远远没有达到全国的平均水平。以2016年的农村人均纯收入为例,按区域来看,东部地区、中部地区、西部地区为分别为15498元、11794元、9918元。可见,代表中国社会保障水平低值区的中西部地区,虽然实现了制度全覆盖,但参保居民缴费过低,难以获得高水平的保障。

4.3 财政转移支付

财政转移支付与社会保障水平呈正向关联（系数为0.2039）,转移支付对不同地区社保水平具有不同的影响效应。其中,对青海、甘肃、湖南、山西、河北影响更大,对内蒙古、四川、福建影响相对要小。保障水平分区上（表6）,低水平和次低水平区受财政转移支付因素影响大于次高水平和高水平区。这表明,对于经济发达地区而言,地方政府有足够的财力支撑社会保障制度运行。而对于低水平区,社会保障水平更依赖于上级财政转移支付。

4.4 城镇化率

城镇化率的影响全国总体系数为0.1927,反映其对中国社会保障水平有正向影响。从空间来看,重庆、广东、吉林、天津、河北、黑龙江影响相对较大。社会保障分区上,高水平区影响系数最大。这是因为,社会保障高水平区城镇化率高,城镇化率有助于提高正规部门就业人员规模,增加养老、医疗、失业保险参保人数,壮大了保险基金规模。城镇化的深入推进和经济结构的转型升级,能够不断吸纳更多农村转移劳动力,而农业人口转移市民化能有效推动经济增长和财政增收,从而为提高社会保障水平提供丰盈的财源基础。

4.5 教育水平

教育水平对社会保障水平的影响显著,全国总体估计系数在5个因素中位居首位（0.4455）。从空间来看,教育水平影响因素存在空间异质性特征。社会保障分区上,高水平区影响系数最大。其原因在社会保障高水平区正规就业人员多,高收收入群体比例大,在社会保障缴费与工资挂钩的情况下,更容易积累起巨额的社会保障基金。同时,文化程度高的农村居民,更倾向选择社会化的方式化解养老、医疗、生育等风险。
总之,在人均GDP（RJGDP）、农村居民人均纯收入（NCSR）、城镇化率（CZHL）、教育水平（JYSP）、财政转移支付（CZZF）等5因素共同影响下,形成经济、教育文化、财政和社会四大驱动力引致中国社会保障水平的时序变化和空间布局（图3）。其中,经济驱动起基础性作用,经济发展不仅能带来支持中国社会保障水平提高的丰盈财源,而且还提高了居民交纳社会保障费的经济能力;财政驱动起保障作用,社会保障属于公共品,其免费搭车、信息不对称等特征导致无法用市场机制得以解决,必须发挥有形之手的作用,由国家主导建立社会保障制度,并且运用财政转移支付等手段促进各地区社会保障水平的均衡协调;教育和社会驱动起到深化作用,高素质的居民更能接受社会化方式应对个人的生老病死风险,特别是在中国传统家庭保障和土地保障长期占主导地位的背景下,提高居民教育水平以及变农民为市民,可以推进城乡社会保障制度一体化建设,缩小社会保障水平地区和城乡差距。

5 结论与讨论

本文通过运用主成分分析、空间自相关以及地理加权回归等方法,对2002-2015年中国社会保障水平的时空间格局及其驱动机制进行了分析,得到以下结论：① 中国社会保障水平随时间推移逐年提高,31省（市、自治区）社会保障水平的增长速度快慢不一,保障水平呈现空间格局动态变化的特征,社会保障水平等级之间递次向上或向下转移成为常态。② 中国社会保障水平发展不均衡,高水平区集中在东部,低水平区主要集中在西部,次高水平主要集中在东中部,次低水平在中西部分布。社会保障水平的“东—中—西”的格局与中国地区发展的格局相吻合;中国社会保障水平的热点区和冷点区表现出较明显的空间演变特征,高热点区在东部地区扩散并向中部地区辐射,冷点区在西部地区分布并不断地加深和强化。③ 中国社会保障水平总体和阶段趋势表明,全国及各地区社会保障水平的绝对额在提高,但相对差距有扩大趋势。④ 人均GDP、农村人均纯收入、城镇化率、教育水平、财政转移支付等5个因素是中国社会保障水平时空格局演变的主要驱动因素,共同形成了经济、教育文化、财政以及社会驱动机制。
鉴于上述研究结论,中国政府在推进社会保障制度建设中取得了巨大的成就,但在如何协调地区社会保障水平均衡发展方面依然任重而道远。宏观层面,中国应稳定社会保障政策预期,出台社会保障法,做到社会保障制度运行有法可依,有法必依;重视和优化发展教育,提高义务教育巩固率和高中阶段的毛入学率,提高国民素质,从而提高居民对社会保障制度的认可度和支持度;加大对经济欠发达地区的财政转移支付力度,缩小社会保障水平地区差距;加快推进新型城镇化建设进程,建立农业人口转移市民的激励机制,推动社会保障城乡一体化建设。中观层面,地方政府应在保持与国家宏观政策一致的前提下,制定符合地区实际的社会保障政策;主动适应“新常态”,以提高经济增长的质量和效益为基点,通过改革释放增长潜力、实现地区经济的持续健康发展。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
殷金朋, 刘福星, 涵默. 中国社会保障支出的地区差异与收敛性分析: 基于1990-2013年省级面板数据的经验研究. 上海经济研究, 2016, (1): 81-91, 107 .该文基于1990-2013年中国31个省份的面板数据,运用泰尔指数测算了不同省份社会保障支出水平的差异,然后构建收敛模型分析了社会保障支出水平的敛散趋势。研究发现:(1)中国不同省份社会保障支出存在显著的差异,并且省内不同地区的社会保障支出差异是主要诱因,其中三区域中的东部地区及七区域中的华南地区与西南地区的支出差异明显高于其他地区。(2)中国社会保障支出在存在显著的阶段性非稳定收敛,但存在稳定的绝对收敛;进一步的条件收敛检验表明,人均GDP、所有制结构等外生变量的加入将明显提高社会保障支出水平收敛的统计显著性和收敛速度。因此,在政策的制定和实施过程中,既要注重统筹规划又要因地制宜。

[Yin Jinpeng, Liu Fuxing, Han Mo.The innovation of probe and analysis for social capital market access regulation in public utilities. Shanghai Journal of Economics, 2016, (1): 81-91, 107.]

[2]
穆怀中. 社会保障水平发展曲线研究. 人口研究, 2003, 27(2): 22-28 .经济学理论通常认为工资和社会保障具有刚性.文章依据分配结构、老年人口比重、人均GDP增长等因素,在理论上论证了社会保障支出水平不具有绝对刚性,进而提出了社会保障水平发展曲线假说,并通过发达国家社会保障水平从1960～1995年期间的发展轨迹,对这一假说进行了实证分析.

DOI

[Mu Huaizhong.Study on the curve- shape development of social security level. Population Research, 2003, 27(2): 22-28.]

[3]
张璐琴, 王枝茂. 社会保障水平与经济发展的关系: 以山西省为例的实证分析. 中国社会保障, 2006, (11): 28-29 .

[Zhang Luqin, Wang Zhimao.The level of social security and the relationship between the economic development: In Shanxi province as an example of empirical analysis. China Social Security, 2006, (11): 28-29.]

[4]
陈元刚. 社会保障水平与经济发展水平关系研究. 理论前沿, 2007, (15): 18-19 .

[Chen Yuangang.Research on the relationship between social security level and economic development level. Theory Front, 2007, (15): 18-19.]

[5]
刘亚玮. 河北省社会保障水平与经济发展的适度性分析. 人口与经济, 2010, (S1): 125-127 .正一、河北省社会保障水平现状社会保障水平的适度性是指社会保障支出水平要在能够保障居民基本生活和劳动积极性的基础上与一国经济发展水平相适应。本文以河北省社会保障支出总额占GDP的比重作为社会保障水平指标进行测算,并对其与经济发展的适应性做出分析。

[Liu Yawei.Research on the relationship between social security level and economic development level. Population & Economics, 2010, (S1): 125-127.]

[6]
丁少群, 许志涛. 社会保障水平、收入分配与经济增长的互动关系研究: 基于VAR模型的实证分析. 中国经济问题, 2013, (6): 3-12 .本文利用我国1978--2010年的年度时间序列数据，将社会保障水平纳入库兹涅茨计量模型，通过VAR系统的Granger因果检验、VECM、脉冲响应函数等方法对社会保障、收入分配和经济增长的互动关系进行实证分析。研究结果表明：我国社会保障水平、收入分配和经济增长之间存在长期均衡关系，经济增长对社会保障的影响具有时滞性；长期来看，经济增长有利于社会保障水平的提高，但社会保障没能有效发挥经济“助推器”作用，且当前社会保障在收入分配领域起到的调节作用也很小，甚至存在一定程度的逆向调节效应，即“损不足补有余”；目前我国已进入“倒u”曲线的拐点阶段，是调节收入分配差距和健全社会保障体系的黄金时期。最后，依据研究结论并结合我国国情，提出了相关建议。

[Ding Shaoqun, Xu Zhitao.A study on the interactive relationship of social security, income distribution and economic growth: An empirical enalysis based on VAR model. Economic Issues in China, 2013, (6): 3-12.]

[7]
郭林, 张学峰. 试论构建合理的社会保障水平测定指标体系: 基本原则、构成要素与基本点. 金融与经济, 2011, (10): 88-91 .

[Guo Lin, Zhang Xuefeng.The test theory constructs the reasonable social security level measurement index system: The basic principle, the constituent element and the basic point. Journal of Finance and Economics, 2011, (10): 88-91.]

[8]
周明, 张鑫武. 我国社会保障水平测度与综合评价. 上海行政学院学报, 2014, 15(4): 94-104 .社会保障水平是社会保障制度的重要内容,对经济的稳定持续发展具有重要作用。在修正已有测算指标的基础上,选取了总体性和结构性共13项指标,运用因子分析法对我国社会保障水平进行了测算和评价。研究发现:我国社会保障水平总体上平稳增长,但是区域差异非常明显,东部沿海地区普遍高于中部地区,中部地区普遍又高于西部地区。下一阶段的重点应放在继续发展经济,并加大对中部和西部地区经济发展的支持和财政转移支付的力度,抓住城镇化的战略机遇,加快制定基本公共服务均等化政策,实现各地区社会保障水平均衡发展。

DOI

[Zhou Ming, Zhang Xinwu.The level of social security measures and comprehensive evaluation in China. The Journal of Shanghai Administration Institute, 2014, 15(4): 94-104.]

[9]
张文, 唐萧萧, 徐小琴. 我国社会保障水平的城乡差异分析. 求实, 2013, (5): 45-49 .

[Zhang Wen, Tang Xiaoxiao, Xu Xiaoqin.The analysis of the differences between urban and rural areas of the level of social security. Truth Seeking, 2013, (5): 45-49.]

[10]
杨风寿, 沈默. 社会保障水平与城乡收入差距的关系研究. 宏观经济研究, 2016, (5): 61-72 .

[Yang Feng shou, Shen Mo. Research on the relationship between social security level and urban-rural income gap. Macroeconomics, 2016, (5): 61-72.]

[11]
严雅娜, 张山. 社会保障地区差距测度和影响因素的实证分析: 基于2004-2013年省级面板数据. 经济问题, 2016, (10): 114-120 .通过构建社会保障评价指标体系,运用因子分析法得出2004-2013年期间各省份社会保障综合得分,考察结果为社会保障省际差距长期存在,近年来差距水平基本保持不变.在此基础上,分析了现行财政分权体制对社会保障水平的影响,实证研究结果表明:财政分权、转移支付和地方财力等因素对社会保障水平的影响效果显著,然而影响方向不同.财政支出分权扩大对服务水平具有促进作用,转移支付对服务水平提升作用较小,地方财力成为决定服务水平的关键因素.因此,地方财力大幅提升可有效缩小中西部与东部地区服务水平差距,转移支付资金使用效率的提高也可在一定程度上弥补落后地区服务水平低下的缺陷,有效控制财政支出分权度可以充分发挥其对社会保障的积极作用.

[Yan Yana, Zhang Shan.Measurement about equality of social security and analysis on influencing factor: Based on date from 2004 to 2013. On Economic Problems, 2016, (10): 114-120.]

[12]
刘常姝. 中国社会保障水平区域差异研究. 大连: 大连理工大学硕士学位论文, 2007 .社会保障水平是指在一定时期内一个国家或地区的社会成员享受社会保障的高低程度，它以量化指标的形式来衡量和评价一个国家或地区的社会保障制度自身内部机能的运行状况。以往的研究通用社会保障支出总额占国内生产总值的比重作为社会保障水平测定的主要指标。随着社会经济与人们生活风险的多样化发展，社会保障需求日趋复杂，单一的社会保障资金支出水平指标已不能充分衡量社会保障水平的高低，对社会保障水平客观、全面地评价需要建立一套综合性的指标体系。 中国地域辽阔，各地区由于受到自身经济发展程度、国家政策制度、历史条件、文化传统等因素的影响，对不同层次的社会保障项目具有不同程度的需求，这就需要各地区根据自身发展的需要，量体裁衣，选择符合本地区特点的社会保障发展模式。 本文在查阅大量相关文献的基础上，运用SPSS统计软件对使用的数据进行因子分析与聚类分析，通过定性与定量研究相结合的方法，建立了一套综合性的社会保障水平评价指标体系。通过各个省市社会保障水平的横向比较，说明中国的社会保障水平具有地区差异性；同时，根据影响社会保障水平的主要因素在各地区状况的不同，将中国的社会保障水平划分成不同的地区类型；并且从众多影响社会保障水平因素中，筛选出影响中国各地区社会保障水平的主要因素；最后根据不同类型地区的社会保障水平现状，提出相应的适合于该地区的社会保障发展模式和推进社会保障发展的对策、建议。

DOI

[Liu Changshu.Study on regional differences in social security in China. Dalian: Master Dissertation of Dalian University of Technology, 2007.]

[13]
刘超群. 我国社会保障水平区域差异分析及协调发展对策研究. 济南: 山东财经大学硕士学位论文, 2013 .社会保障实践证明，健全的社会保障体系是深化经济体制改革的重要内容，是维护社会稳定和国家长治久安的重要保证，更是社会公平的平衡器。其中，社会保障水平是社会保障体系中的核心要素，重点反映一定时间内某个国家或地区的社会成员享受社会保障的高低程度，是质与量的相对统一。运用理论分析与实证分析相结合的方法，构建社会保障综合评价指标体系，是科学、全面地衡量我国社会保障水平的有效途径。长期以来，衡量社会保障水平的指标较为单一，主要以社会保障支出总额占国内生产总值的比重为主要指标。然而随着我国社会保障发展程度不断提高，单一的衡量指标已经不能充分反映社会保障水平的高低，因此需要构建一套科学、全面的社会保障水平评价指标体系，对整体的社会保障运行状况进行评价，并根据具体情况采取调整措施，实现社会保障制度与经济、社会的良性互动。 如何实现区域协调发展是目前社会各界关注的热点问题。我国幅员辽阔，受历史条件、地方文化、经济发展条件以及公共政策等诸多因素的影响，使得区域间社会保障水平形成了不同程度的差异。本文以社会保障区域协调发展为主线，运用定量分析与定性分析相结合的方法，构建了一套综合性社会保障水平评价指标体系。依据指标测评结果，证明我国区域间社会保障水平存在差异，并按照各地区社会保障水平综合得分，将我国的社会保障水平聚类成不同的区域类型。同时，在社会保障水平的诸多影响因素中，筛选出主要影响因素，分析导致区域社会保障水平差异的主要成因。最后，提出有利于实现区域间社会保障水平协调发展的对策建议。

[Liu Chaoqun.Study on regional difference analysis and coordinated development of social security in China. Ji'nan: Master Dissertation of Shandong University of Finance and Economics, 2013.]

[14]
肖智, 黄贤金, 孟浩, 等. 2009-2014 年中国茶叶生产空间演变格局及变化特征. 地理研究, 2017, 36(1): 109-120 .阐明茶叶生产格局的区域变化特征,对中国茶产业转移战略决策意义重大。运用GIS技术和重心理论分析2009-2014年中国茶园面积、茶叶产量、名优茶产量、茶叶产值及名优茶产值的区域分布特征及其重心移动轨迹,探讨重心轨迹空间演变的驱动因素,研究表明:1中国茶叶生产地域差异明显,已形成西南茶区以云南、贵州、四川三省,江南茶区以浙江、湖北两省,华南茶区以福建省,江北茶区以河南省为主导的地域分工格局;福建、云南、浙江三省是中国茶产业大省。2中国茶叶生产重心整体呈西移趋势。尽管不同指标的重心移动路径有一定的差异,但东茶西移已成定局。3在重心转移路径图上,某属性(如茶叶产值)重心移动距离的大小能直观地反映该属性在移向地区增长幅度的大小。4政府对茶产业的高度重视及政策的强力支持是中国茶园扩张的重要驱动力;茶区产品结构的优化、无性系良种茶园面积比例的提高、标准化生产及茶区机械化的普及是茶叶产量与名优茶产量增长的重要原因;茶叶产值及名优茶产值的增长主要来源于茶产业规模的扩大及品牌化经营。

DOI

[Xiao Zhi, Huang Xianjin, Meng Hao, et al.Spatial evolution and change characteristics of tea production in China during 2009-2014. Geographical Research, 2017, 36(1): 109-120.]

[15]
杨强, 李丽, 王运动, 等. 1935-2010年中国人口分布空间格局及其演变特征. 地理研究, 2016, 35(8): 1547-1560 .

[Yang Qiang, Li Li, Wang Yundong, et al.Spatial distribution pattern of population and characteristics of its evolution in China during 1935-2010. Geographical Research, 2016, 35(8): 1547-1560.]

[16]
韩增林, 李彬, 张坤领. 中国城乡基本公共服务均等化及其空间格局分析. 地理研究, 2015, 34(11): 2035-2048 .以中国31个省级行政单位为研究对象,从教育服务、文化服务、医疗卫生服务、基础设施服务、社会保障服务和信息化服务6个方面构建指标体系,综合测度各省份城市和农村基本公共服务水平;利用信息熵原理构建基本公共服务均等化指数,测度各省份城乡基本公共服务均等化程度,并用探索性空间数据分析方法对城乡基本公共服务均等化指数的空间格局进行研究。研究表明:1各省份城市和农村基本公共服务水平的差异均十分显著。城市基本公共服务水平的空间分布为"T"字型格局,并呈"东—中—西"阶梯状递减;农村基本公共服务水平的空间分布与城市存在很大的不一致性,呈"东—西—中"阶梯状递减的格局。2 31个省份的城乡基本公共服务均等化指数偏低,其空间分布存在着显著的全局空间自相关特征。3各省份农村基本公共服务水平对均等化指数的影响大于城市,城乡基本公共服务均等化指数与农村基本公共服务水平的关系类似马太效应。

DOI

[Han Zenglin, Li Bin, Zhang Kunling.Evaluation and spatial analysis of the equalization of basic public service in urban and rural areas in China. Geographical Research, 2015, 34(11): 2035-2048.]

[17]
杜鹏, 韩增林, 王利, 等. 东北地区县区经济增长空间格局演化. 地理研究, 2015, 34(12): 2309-2319 .

[Du Peng, Han Zenglin, Wang Li, et al.The evolution of spatial pattern of economic growth in counties and districts in Northeast China. Geographical Research, 2015, 34(12): 2309-2319.]

[18]
武鹏, 李同异, 李卫民. 县域农村贫困化空间分异及其影响因素: 以陕西山阳县为例. 地理研究, 2018, 37(3): 593-606 .Poverty is still remaining as the most prominent "short-board" in the Chinese economic development. The hardest and heaviest part of building well-off society in an all-around way lies in the rural construction, especially in the poverty-stricken area. The poverty alleviation and development in China is at the most critical stage, which requires more accurate recognition for the spatial differentiation of the rural poverty and its influencing factors, to make sure the exact targeting of the poverty alleviation policies and measures. This paper picked Shanyang, a key county in the poverty alleviation and development project of China, to explore the spatial pattern and type of the rural poverty of this county through the spatial autocorrelation analysis and grouping analysis. The stepwise regression, geographically weighted regression and Geodetector models were used to analyze the influencing factors of the rural poverty in this county, followed with the discussion on the spatial heterogeneity and interaction of the influencing effects. The following findings were concluded from the research: (1) The incidence of rural poverty in Shanyang noticeably clustered in space, forming 6 hot spots and 4 cold spots. In terms of rural poverty degree and spatial connectivity, the county was divided into low poverty area, mid poverty area and high poverty area. The space distribution was based on the regional poverty degree to facilitate a proper implementation of the poverty alleviation policies. (2) The major influencing factors responsible for the rural poverty in Shanyang included water network density, the distance to the nearest highway, proportion of dilapidated buildings, disposable income per rural capita, proportion of migrant workers and the proportion of rural households participating in the agricultural cooperatives. The influencing effects of all factors featured the spatial heterogeneity. Water network density and rural disposable income per capita were negatively correlated with the incidence of poverty while the rest factors showed a positive correlation. (3) The influence of the interaction between two factors appeared to be larger than that of the single factor. The interaction modes between major factors included bi-factor enhancement and nonlinear enhancement. Due to the interaction enhancement effects between poverty factors, the poverty alleviation policies shall be comprehensively matched to realize the expected target, along with a powerful poverty alleviation security system to ensure the full implementation.

[Wu Peng, Li Tongyi, Li Weimin.Spatial differentiation and its influencing factors of county poverty in rural areas: A case study of Shanyang county, Shaanxi province. Geographical Research, 2018, 37(3): 593-606.]

[19]
李琼, 陈婷. 社会保障水平区域差异及协调发展的路径选择: 基于主成分分析的实证研究. 河南师范大学学报: 哲学社会科学版, 2017, 44(3): 56-62 .

[Li Qiong, Cheng Ting.The regional difference of social security level and the path selection of coordinated development are based on the empirical study of principal component analysis. Journal of Henan Normal University: Philosophy and Social Sciences Edition, 2017, 44(3): 56-62.]

[20]
杨亮, 丁金宏, 郭永昌. 中国社会保障与经济发展耦合协调度的时空特征分析. 人口与经济, 2014, (4): 94-101 .

[Yang Liang, Ding Jinhong, Guo Yongchang.The spatio-temporal characteristics analysis of the coupling coordination degree between social security and economic development in China. Population & Economics, 2014, (4): 94-101.]

Options
Outlines

/

〈 〉