基于因子分析与聚类分析的养老服务政策文本量化研究

张 歌,谢淑媛

(河南大学 哲学与公共管理学院,河南 开封 475000)

根据国家统计局发布的第七次全国人口普查数据显示,截至2020年11月1日我国60岁及以上人口为26402万人,占18.70%(其中,65岁及以上人口为19064万人,占13.50%),80岁及以上人口占总人口的比重为2.54%。国家卫生健康委员会党组成员、全国老龄办常务副主任王建军表示,预计到2050年前后,我国老年人口数将达到峰值4.87亿,占总人口的34.9%。由此可见,我国的人口老龄化具有规模大、发展快、高龄化程度不断加深、空巢独居老人增多的特点。人口老龄化的不断深化在带来巨大养老服务需求的同时也考验养老服务体系的建设能力。对于高龄和独居老人而言,他们对生活照料、医疗护理、精神关怀等方面的服务需求也会快速增加。加快养老服务高质量发展,是我国积极实施应对人口老龄化战略、推动供给侧结构性改革的重要内容。党的二十大报告中指出:“要健全社会保障体系。实施积极应对人口老龄化的国家战略,发展养老事业和养老产业,推动实现全体老年人享有基本养老服务。”明确了新时代老龄工作的发展目标和重点任务,不断完善促进养老服务发展的政策措施。

党中央、国务院高度重视老龄工作,从2000年我国步入老龄化社会开始,国家陆续出台一系列推动养老服务发展的政策文件。如2013年发布的《关于加快发展养老服务业的若干意见》,该意见指出,积极应对人口老龄化,加快发展养老服务业,不断满足老年人持续增长的养老服务需求,是促进社会和谐、推动经济发展的一项紧迫任务;2019年印发的《国家积极应对人口老龄化中长期规划》,该规划指出,人口老龄化是社会发展的重要趋势,是人类文明进步的体现,也是今后较长一段时期我国的基本国情。人口老龄化对经济运行全领域、社会建设各环节、社会文化多方面乃至国家综合实力和国际竞争力,都具有深远影响,挑战与机遇并存。这些政策文件涉及养老服务市场、养老服务体系、医养结合等,在满足多元化养老服务需求、化解养老服务供需矛盾等方面发挥了强有力的作用。近年来养老服务政策的出台频率更是大幅度提升,这些政策的施策面向与重点是什么?省际间养老服务政策的差异又是什么?它对地方养老服务体系建设有什么样的作用?本文试图通过梳理2020年30个省份的132份养老服务政策文件来回应上述问题,期望运用统计分析软件SPSS26.0中的因子和聚类分析方法,分析我国养老服务的政策导向以及省际之间养老服务政策的差异,为我国完善养老服务政策提供思路借鉴。

一、文献回顾

政策文本量化研究是政策研究科学化的重要途径,学界对养老服务政策的量化研究大致分为两类:第一类是基于政策文本内容的内容分析法。通过编码等方式将政策文本内容转化为分析单元,并进行定量指标的统计,主要目的是挖掘政策内容的特征、分析政策的协同性[1-2]。内容分析法的具体应用有两种,其一是与政策工具理论相结合,分析养老服务政策工具使用偏好,通过政策工具的使用情况对养老服务政策文本进行简要评述,提出政策工具选择和运用方面的建议[3-5];其二是提取政策中出现的高频词,利用共词分析对高频词进行聚类,旨在总结养老服务政策的核心类别、发现政策盲区,并提出完善养老服务体系的建议[6-8]。第二类是基于政策样本数量的政策计量法。在政策样本数量足够大的情况下通过计量方法分析养老服务政策的发文数量、发文主体以及发文趋势[9-10]。政策计量法的具体应用有两种,其一是研究行动者关系的社会网络分析,通过分析养老服务政策发文主体之间的结构,理解养老服务管理组织机构之间的合作情况,有助于实现在协同治理视角下多元主体的利益共通[11];其二是构建评价指标模型,张丽等通过构建PMC指数模型和PMC曲面对政策进行评分,分析养老服务政策的一致性水平、政策的回应性、政策工具的使用情况,并评价政策的优劣情况[12]。

因子和聚类分析由于其简化变量的方法广泛地应用于各种研究领域,其中,因子分析多见于综合评价分析,聚类分析多见于类别划分[13],两者可单独使用,也可共同使用。因子分析的文献呈现在流通业综合能力评价[14]、旅游竞争力评估[15]、经济效益综合评价[16-17]、地区财政支出综合绩效评价等[18]。因子和聚类分析共同使用的文献出现在对热点事件的舆情风险等级的划分,并根据相应的因子特征分析其每类事件的特点[19];根据经济绩效、旅游竞争力评估的因子分析结果,对我国的省份或地区进行分类,分析存在差异的原因[20-21]。

从选取的政策样本角度来看,已有的养老服务政策研究多以我国国家层面的养老服务政策为研究样本或对某个省份的政策进行单独研究,如:赵洁等筛选2006—2019年我国的养老服务业政策,探究我国养老服务业政策力度、政策措施、政策目标三维协同度[2];何强等以我国老年健康服务业的38篇政策文本作为研究对象,从政策工具视角分析了老年健康服务业政策中的问题并提出建议[22];李晓娣采用内容分析法和词云图对我国中央层面出台的的养老产业政策进行了量化分析[23];王辉则选取了2013年我国第35号文件《国务院关于加快发展养老服务业的若干意见》作为分析蓝本,研究我国养老服务业的政策工具使用情况;朱笑笑选取江苏省的养老服务政策,挖掘江苏省养老服务政策内容特征等[1]。

综上所述,现有研究呈现以下特点:一是养老服务政策量化分析方法呈现多样化、复杂化趋势。但是仅有少数研究采用聚类分析法,将因子和聚类分析相结合对政策内容进行系统性剖析的文献并不多见;二是因子分析、聚类分析方法已经成熟,被广泛应用于经济、社会、医学等领域的研究中,但在养老服务政策研究中的运用有所缺乏;三是养老服务政策的研究多以国家层面为主,地方性政策研究的文献较少,省际之间的政策共性与差异的相关研究也少有涉及。因此本文借鉴Jia J R et.al的聚类方法[24],选取2020年30个省份①的养老服务相关政策文本进行因子和聚类分析,通过因子分析揭示我国养老服务的政策导向,把公共因子得分作为聚类分析的指标,分析省际之间的政策导向差异,有利于清晰各省份养老服务的发展现状,提高政策制定的精准度。这种方法不仅剔除了传统聚类分析中指标之间的信息重叠,提高了聚类分析的精度,而且综合了因子分析和聚类分析的优点,使分析更加全面、客观,决策更加科学合理[19]。

二、研究方法与数据

(一)研究方法与研究工具

本文借助统计分析软件spss26.0和政策工具分析模型,运用因子和聚类分析方法展开研究。首先,依据政策工具模型确定数据变量;其次,对政策文本进行编码,并按照确定的数据变量对编码内容进行分类;再次,运用spss26.0对政策文本进行因子分析,根据相关性大小对数据变量进行分组,确定公因子数量及名称。按照各公共因子得分对30个省份进行聚类;最后依据因子分析和聚类结果进行分析和解读。

因子分析是一种多变量统计分析方法。其基本思想是对数据变量降维,根据相关性大小把变量分组,每组变量反映某一方面影响因素[25],使得同组内的变量之间呈现较高的相关性,不同组间的变量呈现较低的相关性。每组变量代表一个公共因子,对于所研究的问题就能用较少几个相互独立的因子反映绝大部分变量[26],减少了变量间的相互干扰,达到了简化变量和降低维数的目的[27]。以下是因子分析的数学模型,设有p个原有变量xi=(i=1,2,…,p),且每个变量的均值为0,标准差为1,现将每个原有变量用m(m

Xi=ai1F1+ai2F2+…+aimFm+aiεi(i=1,2,……,p)

(1)

①由于西藏自治区在2020年颁布的养老服务政策文件较少,并且不符合本研究的样本选取原则,因此没有将其纳入本文研究的研究范围,仅选取了30个省份的政策作为研究样本。

F现在每个原有变量的线性表达式中,因此称为公共因子,Fj彼此不相关;εi表示特殊因子,是原有变量不能被因子变量所解释的部分,其均值为0,独立于Fj(j=1,2,…,m);aij(i=1,2,…,pj=1,2,…,m)表示因子载荷,指第i个原有变量在第j个因子上的权值,反映第i个变量在第j个主因子上的相对重要性。

聚类分析是统计学中研究“物以类聚”问题的多元统计分析方法,它能够将一批观测(或变量)数据根据其诸多特征将他们分类,按照在性质上的亲疏程度在没有先验知识的情况下进行自动分类,使同一个类别内部的个体之间有较高的相似度,不同类别之间具有较大的差异性。常见的是层次聚类,其又分为Q型聚类和R型聚类,Q型聚类是对样本进行聚类,R型聚类是对变量进行聚类。本文依据因子分析得到的公因子分数对30个省份进行聚类,由于是对样本进行分类,因此采用Q型聚类分析。样本之间的“亲疏程度”将直接影响最终的聚类结果,对“亲疏程度”的测量重点是个体间的差异程度,如果个体之间的距离越小,意味着他们越“亲密”,越有可能聚成一类,否则越有可能分别属于不同的类。本研究采用平方欧式距离计算个体间的差异,其数学表达式:

(2)

p代表p个聚类变量,xi是个体x的第i个变量的变量值;yi是个体y的第i个变量的变量值。

(二)数据来源

本文以2020年30个省份养老服务政策的截面数据为研究对象,政策文本来源于各地部委政府官方网站公开的数据资料。通过输入“2020年”“养老”“服务”等关键词进行交叉组合搜索,共得到412份政策文件。为保证政策文本的有效性,确定了以下样本筛选原则:一是文件内容与养老服务有直接关联;二是对养老问题仅略微提及的政策不纳入研究内容,如:调整退休人员养老金标准的通知、公布养老应用试点示范的通知;三是政策文本是规范性公文,如:规划、方案、实施方案等,不包括公示、政策解读提纲、政策问答。根据以上原则进行人工筛选,确定了132份有效的研究样本,如:《北京市民政局关于进一步做好养老机构运营补贴工作的通知》《河南省卫生健康委员会关于深化医养结合促进健康养老发展的意见》《陕西省关于建立完善陕西省老年健康服务体系的实施意见》等。

(三)数据变量的选择

在选择数据变量时,借鉴了Rothwell et.al的政策工具分析模型[28],该模型最早应用于科技创新与工业再造领域,看似与养老服务无明显相关性,但是它淡化了政策工具的强制性特征,强调了政府在推进政策项目发展的角色定位,与文章主题相符合,现有研究经验也验证了其应用于养老服务研究的可行性,因此本文把该模型用于养老服务政策的分析中,在遵循科学性、可行性和系统性的基础上,结合相关文献和政策内容,确定环境型政策工具指营造良好的养老服务发展环境的相关措施,间接促进养老服务发展,数据变量包括X1(协同治理)、X2(策略措施)、X3(金融支持)、X4(税收)、X5(法规管制)、X6(标准设计);供给型政策工具指政府通过资金、技术、人才等多方面给予支持,推动养老服务发展,数据变量包括X7(市场运作)、X8(土地供给)、X9(医养结合)、X10(资金投入)、X11(人才培养)、X12(信息技术)、X13(示范工程);需求型政策工具是通过外部手段增加整个社会的养老服务需求,拉动养老服务事业的发展,数据变量包括X14(公共卫生)、X15(老年教育)、X16(老人补贴)、X17(社会参与)、X18(刺激消费)、X19(互助养老)、X20(海外交流)、X21(政府购买)。将30个省份的132份政策按照“政策编号-章号-节号-条目号”进行编码,依据供给型、环境型、需求型三种类型的关键词对所有编码内容进行归类。

三、统计分析

(一)因子分析

1.信度分析

巴特利特球度检验和KMO统计量是检验因子分析适合程度的测试,KMO的值越接近于1,表明越适合做因子分析。采用SPSS26.0对数据进行预处理,得出KMO值为0.632,大于0.6,表明适合做因子分析;Bartlett球形度检验的显著性概率为0.000,呈极显著性水平(P<0.01),认为数据来自多元正态分布,适合做因子分析。

2.提取公因子

采用主成分分析法对预处理后的研究样本进一步处理,得到降维后的公共因子,有6个公共因子初始特征值大于1,其中第一主成分解释能力占所有变量方差的18.033%,第二主成分解释能力占所有变量方差的15.487%,第三主成分解释能力占所有变量方差的15.085%;第四主成分解释能力占所有变量方差的14.773%;第五主成分解释能力占所有变量方差的10.761%;第六主成分解释能力占所有变量方差的7.459%;这六个公因子旋转后的累积方差贡献率为81.598%,说明提取的6个公共因子可以涵盖大部分原始变量所提供的信息,能有效地对分析结果进行解释。

3.因子载荷矩阵

为了得到相对简单的因子结构,进行因子旋转。因子旋转通过改变坐标轴,能够重新分配各个因子解释原有变量方差的比例,使因子更易于理解,结果显示可以提取6个公共因子且6个公因子各不相关,说明具有合理性,可以得到具有明确意义的公因子,将6个主成分分别命名为F1、F2、F3、F4、F5、F6。其中,F1包括X4(税收)、X10(资金投入)、X3(金融支持)、X8(土地供给)、X21(政府购买);F2包括X9(医养结合)、X15(老年教育)、X16(老人补贴)、X6(标准设计);F3包括X5(法规管制)、X13(示范工程)、X2(策略措施)、X11(人才培养);F4包括X7(市场运作)、X18(刺激消费)、X17(社会参与)、X12(信息技术);F5包括X20(海外交流)、X19(互助养老);F6包括X1(协同治理)、X14(公共卫生)。

考虑到政策文本是政府引导养老服务事业与产业发展的工具供给,因此,在对主成分因子命名时综合考量了政策工具的供给特点。

第一主成分中X4(税收)、X10(资金投入)、X3(金融支持)、X8(土地供给)、X21(政府购买)的因子载荷较大,其中,X4(税收)与X3(金融支持)是环境型政策工具,X10(资金投入)与X8(土地供给)是供给型政策工具,X21(政府购买)是需求型政策工具。该主成分强调政府在养老领域的全方位资金投入:运用政府购买方式支持养老事业、直接为养老服务体系的建设与发展提供土地供给与资金补贴、通过税收和金融支持引导养老产业发展,因此将F1定义为资金支持。

在第二主成分中,X9(医养结合)、X15(老年教育)、X16(老人补贴)、X6(标准设计)的载荷值较大,其中,X9(医养结合)是供给型政策工具,X15(老年教育)与X16(老人补贴)是需求型政策工具,X6(标准设计)是环境型政策工具。该主成分强调健康养老服务供给的制度安排:建设医养结合型的健康养老服务体系、为老年人进行健康教育与补贴以加大养老服务需求、对养老机构的服务流程与内容进行标准化,因而将F2命名为健康服务。

第三主成分中X5(法规管制)、X13(示范工程)、X2(策略措施)、X11(人才培养)的载荷值远大于其他指标,其中,X5(法规管制)与X2(策略措施)是环境型政策工具,X13(示范工程)与X11(人才培养)是供给型政策工具。该主成分强调政府在养老服务业发展中政策法规引导以及示范引领作用,将F3命名为规制引导。

第四主成分中X7(市场运作)、X18(刺激消费)、X17(社会参与)、X12(信息技术)的载荷值较大,其中,X7(市场运作)是环境型政策工具,X18(刺激消费)与X17(社会参与)是需求型政策工具,X12(信息技术)是供给型政策工具。该主成分强调养老服务业的市场化运行,主张多元主体的智慧化服务供给,因此将F4命名为市场供给。

第五主成分中X20(海外交流)、X19(互助养老)的载荷值高,这两个变量都是需求型政策工具,强调通过借鉴国外先进经验加强养老服务体系建设,因此将F5命名为学习借鉴。

第六主成分中X1(协同治理)、X14(公共卫生)的载荷值高,其中,X1(协同治理)是环境型政策工具,X14(公共卫生)是供给型政策工具,反映出在新冠疫情背景下政府强调养老服务体系建设的安全要素,因此将F6命名为安全治理。

通过以上对公因子的分析,原来的21个数据变量被降维到6个公共因子:资金支持、健康服务、规制引导、市场供给、学习借鉴、安全治理,用这6个公因子可以清楚、全面地对养老服务政策内容进行剖析。

4.因子得分

通过SPSS26.0得到成份得分系数矩阵,以及各公共因子F1、F2、F3、F4、F5、F6的得分表达式,进而计算出6个公因子的得分情况以及综合因子得分表达式:

F=22.1%F1+18.98%F2+18.49%F3+3.8%F4+2.77%F5+1.92%F6

依据以上模型可对各省份的综合因子得分进行整理和排序(表1)。

5.因子分析结果讨论

根据方差贡献率可知,单因子资金支持、健康服务和规制引导的方差贡献率分别为18.033%、15.487%、15.085%,总贡献率高达48.605%,表明这三个因子是影响养老服务发展的主要因素。由此能够总结出我国的养老服务政策的整体导向以及存在的共性:一是加大了多元主体对养老服务发展的资金和资源支持,以逐步扩大养老服务规模;二是关注老年人多样化的养老服务需求,逐步完善以需求型政策工具为主的医养结合、老年教育和补贴等政策内容;三是注重完善养老服务发展的配套措施,如:完善法律法规,加强市场管制力度,营造良好的养老服务发展环境;培育养老服务专业型人才,完善基本养老服务,逐步建立起高质量的养老服务发展体系。四是,我国的养老服务政策工具整体分布不均衡,以供给型和环境型政策工具为主,需求型政策内容缺乏。

从省份来看,每个省份的养老服务政策单因子和综合因子的得分和排名不尽相同,即省际之间的养老服务政策在数量和内容上存在较大差异,反映出省际之间政府行为的侧重点和工作效果的差异。由表1可知,综合因子得分最高的上海市与最低的广西省相差1.72,上海市各主成分得分普遍偏高,特别是在资金支持和规制引导方面占据优势。湖北、江西、吉林、广西等综合得分排名靠后的省份,其六个主成分的平均得分也相对较低,由于湖北省前三个主成份的得分排名靠前,因此其综合得分略高于高于江西、吉林、广西。由此可见,养老服务要综合提高各方面的发展水平,才能实现养老服务供需匹配。

(二)聚类分析与讨论

1.聚类分析

本文依据提取的6个公共因子F1、F2、F3、F4、F5、F6以及综合因子F的成份得分,采用spss26.0系统聚类的组间链接法对30个省份进行聚类分析。

根据主成分分析原理,各主成分得分以0为分界线,得分数据小于0表示该省份养老服务政策供给低于30个城市的平均水平,如果大于0则相反[30]。依据分类均值比较(表2)可以看出,第六类所包含的省份均值都在0以下,具备相对聚合性的同时又能兼顾类别的差异性。故综合考虑将30个省份聚为六类较为合适,具体分类情况如下:第一类包括上海市,第二类包括四川省,第三类包括北京市,第四类包括山西省、河南省,第五类包括青海、新疆,第六类包括山东、湖南、江苏、重庆、河北、海南、云南、江西、贵州、辽宁、内蒙古、福建、广东、湖北、陕西、浙江、黑龙江、吉林、广西、天津、甘肃、安徽、宁夏共23个省份及直辖市。

表2 分类均值比较

2.讨论

根据聚类分析的结果,比较六个公共因子和综合因子的均值(表2),前五类的综合因子得分都大于0,第六类的综合因子得分小于0且包含省份众多,具体分析如下:

第一类上海市,结合以上分析,可以看出上海市的F(综合因子)和F4(市场供给)得分较高,体现在市场化运作、刺激消费、社会参与、信息技术四个方面,综合运用了供给型、需求型、环境型三种政策工具,这与上海市较为成熟的养老服务市场和较完善的养老服务体系密切相关。第二类四川省,依据表2,其F2(健康服务)得分最高,F5(学习借鉴)、F6(安全治理)的排名也位于前列,表明四川省的养老服务政策侧重医养结合、老年教育、老年补贴、互助养老等方面,注重从老年人的健康服务等需求侧拉动养老服务的发展,通过政策扶持健康养老服务体系建设。第三类北京市,其F3(规制引导)最高,F6(安全治理)与F2(健康服务)得分次之,说明北京市的养老服务体系建设重在政策法规等制度安排上,通过营造良好的养老服务市场环境来促进养老服务产业的高质量发展。第四类包括河南省和山西省,这两个中部省份的F2(健康服务)最高,F1(资金支持)次之,说明这两个省份很重视以医养结合为内容的健康养老服务体系建设,通过制度安排与政策设计积极引导养老服务业发展,实现养老事业与产业的双轮驱动。第五类包括青海和新疆,这两个省份的F5(学习借鉴)得分较高,F4(市场供给)得分较低,表明这两个省份的养老服务业的市场化发展不够充分,重在学习借鉴先进的养老服务体系建设经验。第六类包含的省份数量最多,F4(市场供给)与F6(安全治理)高于其他因子均值,但都小于0,为更加直观表达不同地区的养老服务政策供给现状,以F4(市场供给)为横坐标,F6(安全治理)为纵坐标绘制坐标系,分别以其得分为原点建立坐标系,根据每个省份的得分对该类所包含的省份进行象限划分(图1)。

图1 第六类23省份的分布散点图

第一象限涵盖安徽、云南、宁夏、河北、江西、广东、浙江七个省份,根据得分和图示可以看出,第一象限的省份两个公因子得分都位于均值以上,说明这些省份在市场供给、安全治理方面的政策供给要优于第六类中的其他省份,综合运用了供给、环境、需求型政策工具,养老服务体系建设的重点在市场化运作和多部门的疫情防控协同治理上。第二象限包括山东、福建、江苏、辽宁四个省份,该象限省份的市场供给分值位于均值以下,安全治理分值位于均值以上,以需求型政策工具为主,说明这些省份在养老服务市场化发展的政策供给低于平均水平,在养老机构的疫情防控的协同治理方面高于平均水平。第三象限有湖北、广西、天津、湖南、甘肃、陕西、内蒙古七个省份,他们的两个公因子分值都位于均值线以下,说明该类省份在市场供给和安全治理的政策供给水平要低于第六类中的其他省份,养老服务体系建设的政策扶持力度较小。第四象限包含黑龙江、重庆、贵州、吉林、海南五个省份,这些省份的市场供给得分高于第六类的其他省份、安全治理得分低于第六类的其他省份,说明这些省份养老服务政策供给以需求型为主,供给和环境型政策工具为辅,养老服务体系建设的政策供给强调市场化运作,政策导向支持养老服务产业发展。

四、启示与建议

综上所述,2020年30个省份的养老服务政策既综合体现我国养老服务体系建设的内涵式高质量发展,又表现各个省份养老服务高质量发展的不同特点与重点。具体来说可以得出以下几个结论。首先,从因子分析结果判断可知,我国的养老服务政策以供给型和环境型为主,对需求型政策工具关注度较低,这也许可以解释我国养老服务供需不平衡的症结——有效需求不足与有效供给不足并存[31]。其次,从因子排名和聚类分析中,可以发现省际之间的养老服务体系建设水平差异化显著,这与本地区的经济发展水平、老龄化水平、养老文化环境等密切相关。以上海为例,其市场供给得分远高于其他因子得分,同时也远高于其他类别的公共因子得分,规制引导得分次之,这充分体现出自身的养老服务政策优势。上海市的市场供给优势表现在营造良好养老服务市场环境、引导培育养老服务消费市场和鼓励社会力量参与养老服务供给、引入信息技术开展智慧养老。因此,上海市的养老服务政策工具内容不仅涉及养老服务市场化的供需双方,而且涉及供需达成交易的制度条件,这些政策内容共同构成养老服务市场的运行系统,为养老服务事业与养老服务产业协同发展提供政策经验;最后,依据聚类分析结果,不同的省份根据自身的养老服务体系建设目标采用有针对性的政策工具组合,有的省份全面采用需求型、供给型和环境型三种政策工具,而有的省份则是某两种政策工具的组合,这些政策工具在突出当地养老服务体系建设优势同时也注重查缺补漏补齐短板。根据上述结论,本文提出以下建议。

(一)协调政策工具内容发挥地区养老服务优势

根据上述分析结果可以看出,各地的养老服务政策内容侧重点有所不同,如上海市的养老服务政策重在市场供给,四川省的养老服务政策重在健康服务,北京市的养老服务政策重在规制引导。各地要因地制宜,明确并制定养老服务差异化发展的战略,及时调整政策工具内容,充分利用地区优势促进养老服务协调发展。比如:北京作为首都发展优势明显,能够为区域老龄事业发展提供有力支撑;上海有明显的人力资源和物质条件优势,应充分发挥市场在资源配置中的决定性作用,注重养老服务品质提升和类型的多样化,构建多层次的养老服务体系。

(二)统筹政策工具类型促进全国养老服务高效均衡发展

在促进养老服务高效供给运用政策工具时,要统筹需求型、供给型与环境型三种政策工具的协调组合,积极引导社会力量,激励养老服务市场化供给。国家在为养老事业发展进行资金扶持与制度安排保障时,要积极地为养老产业发展提供产业扶持、税收优惠等支持政策,大力培育并发展普惠养老服务市场,促进养老事业与养老产业的协调均衡发展。在促进全国养老服务体系建设均衡方面,可以充分发挥优势省份的示范效应,并鼓励其向其他省份进行辐射,同时加强省际间的横向学习与交流,便于落后地区形成后发优势,促进全国层面的养老服务高质量发展。