“以房养老”可行性因素分析及推广步骤

张宇

摘 要：基于中国40个城市的经济发展和人口组成两大指标，对影响“以房养老”的四个因素（经济状况、养老设施、受教育度和老龄化水平）进行主成分分析，得出“以房养老”的试点应在北京和上海率先开展。并使用聚类分析将40个城市分为五类，给出“以房养老”试点城市的顺序，得出“以房养老”在需求上存在明显的地域差异、传统观念和养老基础设施对“以房养老”的开展有重要意义等结论。最后，提出政府介入、完善基础设施、改变传统观念和渐进按步骤推广等四点政策建议。

关键词：老龄化；“以房养老”；主成分分析

中图分类号：F290 文献标志码：A 文章编号：1673-291X（2014）27-0148-03

引言

随着中国老龄化的加剧以及人口红利的逐渐消失，中国劳动力短缺、经济增长放缓等问题也日趋严重。为贯彻落实国务院于2013年9月发布的《关于加快发展养老服务业的若干意见》精神，中国保监会于2014年3月下发《关于开展老年人住房反向抵押养老保险试点的指导意见（征求意见稿）》，计划在北京、上海、广州和武汉四个城市进行“以房养老”试点。

虽然中国目前已明确要在北京、上海、广州和武汉这四个城市进行试点，但其是否会落入“试点成功、推广失败”的怪圈？由于中国不同地区的经济和社会习俗差异十分明显，以房养老在客观上并不适合全面推广。科学的做法应是分析各城市的相关指标，客观公正地评判其是否具备开展以房养老的条件。因此，本文通过对各城市经济状况、人口组成等因素的分析，研究中国“以房养老”模式在城市中进行推广会受到哪些因素的影响，较公正地评判中国城市开展以房养老的能力，进而得出这些城市的开展顺序。

本文的创新体现在以下四个方面：（1）以城市为研究对象，得出的结论具有现实意义。（2）引入受教育程度作为传统观念的代理变量，使得实证结果更精确。（3）给出了以房养老的推广步骤。（4）采用因子分析法剔除重叠因素后重新赋权，使分析结果更具准确性和说服力。

一、文献综述

较早对这一问题进行研究的学者是Mitchell 和 Piggott（2004），他认为住房反向抵押贷款在房地产价格下降、低利率和预期寿命较长的情形下不会存在，因此住房反向抵押贷款模式的实施必须要考虑到以上三种因素。Mitchell等（2008）以日本老年人中的长期护理保险项目为例，得出区域差异因素将是影响这一实施效果的重要因素。Chiuri 和 Jappelli（2010）通过问卷调查，发现住房抵押市场的成功与否和市场规制程度的衡量有关。

对于国内学者的研究，由于政策的支持，以房养老逐渐成为社会讨论的焦点。例如，朱劲松（2011）基于问卷调查的结果，建立Logit模型的分析，得出改变传统观念及教育子女是开展以房养老重中之重的结论。楼国涛等（2011）选用各省市的经济和社会发展指标，进行因子分析找出了影响以房养老开展的主要因素。张连增和王皎（2014）对影响中国寿险市场的宏观经济、社会等因素进行实证分析，提出应缩小居民收入差距、提高保险服务水平、健全社会保障体系等相关建议。

由于中国各省份间的经济发展、年龄结构、家庭组成和社会观念等差异巨大，对以房养老可行性试点地区的分析并不适合以省为单位。因此，转而研究中国哪些城市具备开展以房养老的条件，并对其进行分类说明，以推广中国以房养老的模式，显得十分现实和必要。

二、使用的方法介绍、指标选取及数据来源

本文选用的影响因素可分为人口和经济两方面。人口方面主要是年龄、受教育程度和社会抚养比等因素，而经济方面主要包括人均可支配收入、消费支出、储蓄水平等因素。

（一）使用的方法

1.主成分分析法。将各指标标准化处理后，运用SPSS16.0软件对其进行因子分析，以提取的4个因子的方差贡献率为权重计算各地区的综合得分，据此评定其是否具备开展以房养老的条件。

2.聚类分析法。为得到哪些城市可作为以房养老试点的候选城市，以及其间的相近程度，我们用聚类分析法将选入的40个城市进行归类，并分析其可能的开展顺序。

（二）指标选取与数据来源

本文从有效需求角度即消费者要有购买的需要和能力，选取可能影响以房养老开展的因素，具体指标及分析如下：

1.经济发展方面。（1）人均生产总值。居民经济实力较高，则其房屋价值有所保障，且养老基础设施、金融机构及社会制度等均更加完备，使以房养老的开展有很大的物质保障。这里选用城镇人均生产总值。（2）人均可支配收入和储蓄水平。低收入群体由于对生活资料存在着刚性需求，因而更加需要保障经济来源。这里选择2013年全国各城市居民人均可支配收入和年末居民储蓄存款余额。（3）人均消费水平。若一个地区的消费水平相对较高，则老人的生活压力则越大，对以房养老的需求也会相应增加，这里选用人均消费支出。（4）住房平均销售价格。房屋价值是以房养老定价的主要指标，这里选用2014年3月份全国各城市住宅销售价格指数作为参考。（5）养老基础设施。以房养老的开展需要一定的配套养老机构予以辅助，这里选用各城市医疗卫生机构数、专业卫生技术人员数和卫生机构床位数作为参考。（6）房地产住宅投资额。以房养老的关键是房产，住宅开发力度大的地区，客观上提供给老人的选择空间便越大，更有条件开展以房养老。这里我们选用各城市全年住宅投资额。

2.人口组成方面。（1）年龄组成状况。老龄化严重的城市对以房养老业务的需求更大，我们用65岁以上人口占比来衡量。（2）家庭结构情况。三无老人及失独家庭的经济能力相对较差，其对以房养老的需求更为迫切。这里，简单起见，我们选择平均每户人口数量。（3）老龄抚养比。抚养比较高的地区，单位劳动年龄人口要负担更多的非劳动年龄人口，生活压力较大。这里选择老年抚养比。（4）老人受教育程度。以房养老的开展深受传统观念的束缚，学历相对较高的老人，其观念较容易转变，因而能接受此业务的可能性更大。这里选择文盲率作为逆向参考指标。endprint

3.数据来源：本文选取40个样本城市，包括直辖市、省会城市和重点城市等经济较发达的地区，它们分别为：上海、北京、天津、重庆、广州、武汉、杭州、南京、长沙、济南、西安、合肥、哈尔滨、贵阳、南昌、兰州、沈阳、郑州、石家庄、南宁、太原、银川、海口、长春、福州、乌鲁木齐、西宁、呼和浩特、昆明、成都、包头、深圳、苏州、无锡、青岛、大连、宁波、厦门、珠海、扬州、并选用人均GDP、住房拥有率、住宅销售价格指数、住宅投资额、储蓄存款、医疗卫生机构数、专业卫生技术人员数、人均可支配收入、人均消费支出、平均每户人口、65岁及以上人口比例、老龄抚养比、文盲率共13个指标。

按照指标的分类，以上经济发展类指标数据来源于各城市统计局公布的2013年度统计公报，而人口组成方面的数据来源于第六次人口普查。

三、实证分析

（一）主成分分析

1.因子分析前提条件检验。利用巴特利特球度检验，并且计算变量间的KMO统计量判别其是否适合进行因子分析。结果显示，KMO统计量为0.741，符合因子分析要求（大于0.6），而且巴特利特球度检验显示的显著性水平几乎为0.000，表明其拒绝相关系数矩阵为单位矩阵的原假设，选取的数据间存在着相关性，故可以进行因子分析。

2.提取因子。用SPSS软件对原有的13组变量指标进行提取，这里选用基于主成分模型的主成分分析法，并提取特征值大于0.77的特征根。由总方差解释表更加直观地看出提取的因子对全部变量的解释程度大小，根据因子提取结果可知，当提取特征值大于0.77的成分时，四个因子的累计贡献率达到了84.74%，基本上能够涵盖所选数据的统计信息，所以本次因子提取过程的总体效果较为理想。

3.因子的命名解释。本文使用正交旋转对因子进行处理，重新分配各因子解释原始变量方差的比例，使因子更容易理解。由SPSS软件得出的旋转矩阵可知，第一个因子与住宅投资额、储蓄存款、医疗卫生机构数、专业卫生技术人员数和床位数关系紧密，这些因素说明一个城市的养老基础设施投资状况以及可能提供的养老服务床位；第二个因子与人均GDP、人均可支配收入和人均消费支出关系紧密，这些可解释为一个城市的经济发展状况；第三个因子与65岁以上人口比例和老龄抚养比关系紧密，反映了一个地区的老龄化程度；而第四个因子则与住宅销售价格指数和文盲率有很大关系，这表明一个城市的教育程度和房价水平也对以房养老的开展有很大的影响。

4.计算因子得分。采用回归方法估计因子得分系数，根据得分系数矩阵得到四个主成分表达式，将其与标准化数据相乘后，可得到各城市在四个主成分上的值。而后本文采用提取方差载荷值的各因子方差贡献率为权重，由以上4个因子线性组合得到综合评价指标函数如下：

根据综合得分模型，可以计算出各城市的综合得分值并按照降序进行排列，得到最终的主成分评估值表（见下页表1）。

由下页表1可知，40个城市中有19个综合得分都大于0，表明在仅考虑选入的13个变量为参考指标时，其基本具备开展以房养老的条件。北京、上海、广州、重庆和成都五个城市，得分都在0.5以上，特别是北京和上海，其综合得分高达1.576和1.340，这表明要在中国开展以房养老，应先在一些大城市进行试点，目前还不能在全国进行推广。

（二）聚类分析

用SPSS软件对其进行分层聚类，可将40个城市分为五类：第一类为北京、上海；第二类为武汉、南京等；第三类为广州、深圳等；第四类为成都、扬州等；第五类为昆明、西安等。

基于此，给开展以房养老可能的推广步骤：（1）先在北京、上海两地开展，这两个城市经济较发达，而且人们接受的教育相对较高，观念容易转变；（2）向杭州、武汉、南京等城市推广，这些城市有较强的产品需求，且人均储蓄和医疗卫生建设也相对完善；（3）向广州、重庆、深圳等地辐射，这些地区经济条件较好，且老龄化问题凸显，有实行的必要性和可行性；（4）向成都、济南、厦门等地普及，这些地区有一定的经济实力，但基础设施建设尚不完善，应在以上步骤开展有结果后再根据自身情况有选择地开展；（5）等以上四步完成后，可以考虑将其引入西安、太原、昆明等经济和观念较落后的城市，实现以房养老在中国主要城市较为全面的覆盖。

结论及相关建议

本文选择经济发展和人口组成两大类指标，运用因子分析法得出开展以房养老的主要影响因素，并选择经济较好的城市作为分析对象，得到如下四点结论：（1）中国的老龄化问题日趋严重，以房养老业务有很强的市场需求；（2）中国不同地区经济发展严重失衡，以房养老在需求上存在很大的地区差异；（3）养老基础设施对能否开展以房养老有重要影响；（4）受教育程度影响以房养老的开展，传统观念需要改变。

基于以上结论，我们给出如下四点建议：第一，政府介入作担保。以房养老目前在中国还没有形成一定的市场，必须由政府进行全面统筹，从试点城市到制度安排，从鼓励参与到产品定价，这些都需政府介入进行规范。第二，完善金融和养老等基础设施。以房养老的开展需要健全的金融机构，也需要良好的养老基础设施，这些机构的完善能够保证其健康有序的开展。第三，改变传统观念势在必行。由于各地的受教育程度不同，对以房养老的接受程度也会不同。因此宣传以房养老，让老人从观念上认可这一有益的养老补充方式，对中国养老事业将大有裨益。第四，以房养老的开展要渐进推广。由于经济发展程度和社会人口结构等因素的不同，中国以房养老业务的开展必须按照客观条件，对需求潜力不同的地区进行不同阶段的试点，然后逐步过渡到更大范围，以期为中国养老事业作出有效补充。

参考文献：

[1] Chiuri M.C.，Jappelli T.Do the Elderly Reduce Housing Equity？ An International Comparison [J].Journal of Population Economics，

2010，23（2）：643-663.

[2] Lee Y.-T.，Wang C.-W.，Huang H.-C.On the Valuation of Reverse Mortgages with Regular Tenure Payments [J].Insurance Mathematics &

Economics，2012，51（2）：430-441.

[3] Mitchell O.S.，Piggott J.Unlocking Housing Equity in Japan[J].Journal of the Japanese and International Economies，2004，18（4）：466-505.

[4] 楼国涛，汪金剑，徐丹秋.影响反向抵押贷款推广的因素分析——基于区域经济发展不平衡的视角[J].浙江金融，2011，（12）：30-33.

[5] 张连增，王皎.影响中国寿险需求的因素分析——基于省级面板数据的经验分析[J].税务与经济，2014，（1）：48-56.

[6] 朱劲松.中国开展“以房养老”影响因素的实证分析[J].东北财经大学学报，2011，（2）：78-82.

[责任编辑 吴明宇]endprint

3.数据来源：本文选取40个样本城市，包括直辖市、省会城市和重点城市等经济较发达的地区，它们分别为：上海、北京、天津、重庆、广州、武汉、杭州、南京、长沙、济南、西安、合肥、哈尔滨、贵阳、南昌、兰州、沈阳、郑州、石家庄、南宁、太原、银川、海口、长春、福州、乌鲁木齐、西宁、呼和浩特、昆明、成都、包头、深圳、苏州、无锡、青岛、大连、宁波、厦门、珠海、扬州、并选用人均GDP、住房拥有率、住宅销售价格指数、住宅投资额、储蓄存款、医疗卫生机构数、专业卫生技术人员数、人均可支配收入、人均消费支出、平均每户人口、65岁及以上人口比例、老龄抚养比、文盲率共13个指标。

按照指标的分类，以上经济发展类指标数据来源于各城市统计局公布的2013年度统计公报，而人口组成方面的数据来源于第六次人口普查。

三、实证分析

（一）主成分分析

1.因子分析前提条件检验。利用巴特利特球度检验，并且计算变量间的KMO统计量判别其是否适合进行因子分析。结果显示，KMO统计量为0.741，符合因子分析要求（大于0.6），而且巴特利特球度检验显示的显著性水平几乎为0.000，表明其拒绝相关系数矩阵为单位矩阵的原假设，选取的数据间存在着相关性，故可以进行因子分析。

2.提取因子。用SPSS软件对原有的13组变量指标进行提取，这里选用基于主成分模型的主成分分析法，并提取特征值大于0.77的特征根。由总方差解释表更加直观地看出提取的因子对全部变量的解释程度大小，根据因子提取结果可知，当提取特征值大于0.77的成分时，四个因子的累计贡献率达到了84.74%，基本上能够涵盖所选数据的统计信息，所以本次因子提取过程的总体效果较为理想。

3.因子的命名解释。本文使用正交旋转对因子进行处理，重新分配各因子解释原始变量方差的比例，使因子更容易理解。由SPSS软件得出的旋转矩阵可知，第一个因子与住宅投资额、储蓄存款、医疗卫生机构数、专业卫生技术人员数和床位数关系紧密，这些因素说明一个城市的养老基础设施投资状况以及可能提供的养老服务床位；第二个因子与人均GDP、人均可支配收入和人均消费支出关系紧密，这些可解释为一个城市的经济发展状况；第三个因子与65岁以上人口比例和老龄抚养比关系紧密，反映了一个地区的老龄化程度；而第四个因子则与住宅销售价格指数和文盲率有很大关系，这表明一个城市的教育程度和房价水平也对以房养老的开展有很大的影响。

4.计算因子得分。采用回归方法估计因子得分系数，根据得分系数矩阵得到四个主成分表达式，将其与标准化数据相乘后，可得到各城市在四个主成分上的值。而后本文采用提取方差载荷值的各因子方差贡献率为权重，由以上4个因子线性组合得到综合评价指标函数如下：

根据综合得分模型，可以计算出各城市的综合得分值并按照降序进行排列，得到最终的主成分评估值表（见下页表1）。

由下页表1可知，40个城市中有19个综合得分都大于0，表明在仅考虑选入的13个变量为参考指标时，其基本具备开展以房养老的条件。北京、上海、广州、重庆和成都五个城市，得分都在0.5以上，特别是北京和上海，其综合得分高达1.576和1.340，这表明要在中国开展以房养老，应先在一些大城市进行试点，目前还不能在全国进行推广。

（二）聚类分析

用SPSS软件对其进行分层聚类，可将40个城市分为五类：第一类为北京、上海；第二类为武汉、南京等；第三类为广州、深圳等；第四类为成都、扬州等；第五类为昆明、西安等。

基于此，给开展以房养老可能的推广步骤：（1）先在北京、上海两地开展，这两个城市经济较发达，而且人们接受的教育相对较高，观念容易转变；（2）向杭州、武汉、南京等城市推广，这些城市有较强的产品需求，且人均储蓄和医疗卫生建设也相对完善；（3）向广州、重庆、深圳等地辐射，这些地区经济条件较好，且老龄化问题凸显，有实行的必要性和可行性；（4）向成都、济南、厦门等地普及，这些地区有一定的经济实力，但基础设施建设尚不完善，应在以上步骤开展有结果后再根据自身情况有选择地开展；（5）等以上四步完成后，可以考虑将其引入西安、太原、昆明等经济和观念较落后的城市，实现以房养老在中国主要城市较为全面的覆盖。

结论及相关建议

本文选择经济发展和人口组成两大类指标，运用因子分析法得出开展以房养老的主要影响因素，并选择经济较好的城市作为分析对象，得到如下四点结论：（1）中国的老龄化问题日趋严重，以房养老业务有很强的市场需求；（2）中国不同地区经济发展严重失衡，以房养老在需求上存在很大的地区差异；（3）养老基础设施对能否开展以房养老有重要影响；（4）受教育程度影响以房养老的开展，传统观念需要改变。

基于以上结论，我们给出如下四点建议：第一，政府介入作担保。以房养老目前在中国还没有形成一定的市场，必须由政府进行全面统筹，从试点城市到制度安排，从鼓励参与到产品定价，这些都需政府介入进行规范。第二，完善金融和养老等基础设施。以房养老的开展需要健全的金融机构，也需要良好的养老基础设施，这些机构的完善能够保证其健康有序的开展。第三，改变传统观念势在必行。由于各地的受教育程度不同，对以房养老的接受程度也会不同。因此宣传以房养老，让老人从观念上认可这一有益的养老补充方式，对中国养老事业将大有裨益。第四，以房养老的开展要渐进推广。由于经济发展程度和社会人口结构等因素的不同，中国以房养老业务的开展必须按照客观条件，对需求潜力不同的地区进行不同阶段的试点，然后逐步过渡到更大范围，以期为中国养老事业作出有效补充。

参考文献：

[1] Chiuri M.C.，Jappelli T.Do the Elderly Reduce Housing Equity？ An International Comparison [J].Journal of Population Economics，

2010，23（2）：643-663.

[2] Lee Y.-T.，Wang C.-W.，Huang H.-C.On the Valuation of Reverse Mortgages with Regular Tenure Payments [J].Insurance Mathematics &

Economics，2012，51（2）：430-441.

[3] Mitchell O.S.，Piggott J.Unlocking Housing Equity in Japan[J].Journal of the Japanese and International Economies，2004，18（4）：466-505.

[4] 楼国涛，汪金剑，徐丹秋.影响反向抵押贷款推广的因素分析——基于区域经济发展不平衡的视角[J].浙江金融，2011，（12）：30-33.

[5] 张连增，王皎.影响中国寿险需求的因素分析——基于省级面板数据的经验分析[J].税务与经济，2014，（1）：48-56.

[6] 朱劲松.中国开展“以房养老”影响因素的实证分析[J].东北财经大学学报，2011，（2）：78-82.

[责任编辑 吴明宇]endprint

3.数据来源：本文选取40个样本城市，包括直辖市、省会城市和重点城市等经济较发达的地区，它们分别为：上海、北京、天津、重庆、广州、武汉、杭州、南京、长沙、济南、西安、合肥、哈尔滨、贵阳、南昌、兰州、沈阳、郑州、石家庄、南宁、太原、银川、海口、长春、福州、乌鲁木齐、西宁、呼和浩特、昆明、成都、包头、深圳、苏州、无锡、青岛、大连、宁波、厦门、珠海、扬州、并选用人均GDP、住房拥有率、住宅销售价格指数、住宅投资额、储蓄存款、医疗卫生机构数、专业卫生技术人员数、人均可支配收入、人均消费支出、平均每户人口、65岁及以上人口比例、老龄抚养比、文盲率共13个指标。

按照指标的分类，以上经济发展类指标数据来源于各城市统计局公布的2013年度统计公报，而人口组成方面的数据来源于第六次人口普查。

三、实证分析

（一）主成分分析

1.因子分析前提条件检验。利用巴特利特球度检验，并且计算变量间的KMO统计量判别其是否适合进行因子分析。结果显示，KMO统计量为0.741，符合因子分析要求（大于0.6），而且巴特利特球度检验显示的显著性水平几乎为0.000，表明其拒绝相关系数矩阵为单位矩阵的原假设，选取的数据间存在着相关性，故可以进行因子分析。

2.提取因子。用SPSS软件对原有的13组变量指标进行提取，这里选用基于主成分模型的主成分分析法，并提取特征值大于0.77的特征根。由总方差解释表更加直观地看出提取的因子对全部变量的解释程度大小，根据因子提取结果可知，当提取特征值大于0.77的成分时，四个因子的累计贡献率达到了84.74%，基本上能够涵盖所选数据的统计信息，所以本次因子提取过程的总体效果较为理想。

3.因子的命名解释。本文使用正交旋转对因子进行处理，重新分配各因子解释原始变量方差的比例，使因子更容易理解。由SPSS软件得出的旋转矩阵可知，第一个因子与住宅投资额、储蓄存款、医疗卫生机构数、专业卫生技术人员数和床位数关系紧密，这些因素说明一个城市的养老基础设施投资状况以及可能提供的养老服务床位；第二个因子与人均GDP、人均可支配收入和人均消费支出关系紧密，这些可解释为一个城市的经济发展状况；第三个因子与65岁以上人口比例和老龄抚养比关系紧密，反映了一个地区的老龄化程度；而第四个因子则与住宅销售价格指数和文盲率有很大关系，这表明一个城市的教育程度和房价水平也对以房养老的开展有很大的影响。

4.计算因子得分。采用回归方法估计因子得分系数，根据得分系数矩阵得到四个主成分表达式，将其与标准化数据相乘后，可得到各城市在四个主成分上的值。而后本文采用提取方差载荷值的各因子方差贡献率为权重，由以上4个因子线性组合得到综合评价指标函数如下：

根据综合得分模型，可以计算出各城市的综合得分值并按照降序进行排列，得到最终的主成分评估值表（见下页表1）。

由下页表1可知，40个城市中有19个综合得分都大于0，表明在仅考虑选入的13个变量为参考指标时，其基本具备开展以房养老的条件。北京、上海、广州、重庆和成都五个城市，得分都在0.5以上，特别是北京和上海，其综合得分高达1.576和1.340，这表明要在中国开展以房养老，应先在一些大城市进行试点，目前还不能在全国进行推广。

（二）聚类分析

用SPSS软件对其进行分层聚类，可将40个城市分为五类：第一类为北京、上海；第二类为武汉、南京等；第三类为广州、深圳等；第四类为成都、扬州等；第五类为昆明、西安等。

基于此，给开展以房养老可能的推广步骤：（1）先在北京、上海两地开展，这两个城市经济较发达，而且人们接受的教育相对较高，观念容易转变；（2）向杭州、武汉、南京等城市推广，这些城市有较强的产品需求，且人均储蓄和医疗卫生建设也相对完善；（3）向广州、重庆、深圳等地辐射，这些地区经济条件较好，且老龄化问题凸显，有实行的必要性和可行性；（4）向成都、济南、厦门等地普及，这些地区有一定的经济实力，但基础设施建设尚不完善，应在以上步骤开展有结果后再根据自身情况有选择地开展；（5）等以上四步完成后，可以考虑将其引入西安、太原、昆明等经济和观念较落后的城市，实现以房养老在中国主要城市较为全面的覆盖。

结论及相关建议

本文选择经济发展和人口组成两大类指标，运用因子分析法得出开展以房养老的主要影响因素，并选择经济较好的城市作为分析对象，得到如下四点结论：（1）中国的老龄化问题日趋严重，以房养老业务有很强的市场需求；（2）中国不同地区经济发展严重失衡，以房养老在需求上存在很大的地区差异；（3）养老基础设施对能否开展以房养老有重要影响；（4）受教育程度影响以房养老的开展，传统观念需要改变。

基于以上结论，我们给出如下四点建议：第一，政府介入作担保。以房养老目前在中国还没有形成一定的市场，必须由政府进行全面统筹，从试点城市到制度安排，从鼓励参与到产品定价，这些都需政府介入进行规范。第二，完善金融和养老等基础设施。以房养老的开展需要健全的金融机构，也需要良好的养老基础设施，这些机构的完善能够保证其健康有序的开展。第三，改变传统观念势在必行。由于各地的受教育程度不同，对以房养老的接受程度也会不同。因此宣传以房养老，让老人从观念上认可这一有益的养老补充方式，对中国养老事业将大有裨益。第四，以房养老的开展要渐进推广。由于经济发展程度和社会人口结构等因素的不同，中国以房养老业务的开展必须按照客观条件，对需求潜力不同的地区进行不同阶段的试点，然后逐步过渡到更大范围，以期为中国养老事业作出有效补充。

参考文献：

[1] Chiuri M.C.，Jappelli T.Do the Elderly Reduce Housing Equity？ An International Comparison [J].Journal of Population Economics，

2010，23（2）：643-663.

[2] Lee Y.-T.，Wang C.-W.，Huang H.-C.On the Valuation of Reverse Mortgages with Regular Tenure Payments [J].Insurance Mathematics &

Economics，2012，51（2）：430-441.

[3] Mitchell O.S.，Piggott J.Unlocking Housing Equity in Japan[J].Journal of the Japanese and International Economies，2004，18（4）：466-505.

[4] 楼国涛，汪金剑，徐丹秋.影响反向抵押贷款推广的因素分析——基于区域经济发展不平衡的视角[J].浙江金融，2011，（12）：30-33.

[5] 张连增，王皎.影响中国寿险需求的因素分析——基于省级面板数据的经验分析[J].税务与经济，2014，（1）：48-56.

[6] 朱劲松.中国开展“以房养老”影响因素的实证分析[J].东北财经大学学报，2011，（2）：78-82.

[责任编辑 吴明宇]endprint