截至2022年末我国65岁及以上人口占总人口14.9%,已处于深度老龄化社会[1],失能半失能老人数量不断增加,据测算2030年我国失能老年人将达到7 700万以上[2],庞大的失能老年群体对长期护理的需求越来越高[3],建立长期护理保险制度是世界各国应对人口老龄化的共识,也是我国实施积极应对人口老龄化国家战略的必然选择。2016年我国开始在青岛、长春等15个城市开展长期护理保险试点工作,2020年又将试点城市扩大到49个。当前长期护理保险政策大概经历了3个阶段:先行试点阶段、局部试点阶段和扩大试点阶段[4],长期护理保险政策试点的扩散仍处于“进行时”,因此总结两批政策试点的扩散特征和经验对于“十四五”时期“稳步建立长期护理保险制度,构建长期护理保险制度政策框架”目标的实现意义重大。
当前对于长期护理保险政策扩散的研究主要从时间、空间和制度[5, 6],社会网络层面[7]以及政策过程[8]等方面展开,多集中在定性层面,只是通过各地政策数量和内容概况梳理长期护理保险扩散,未能从量化视角深入挖掘两批试点地区政策内容及扩散机理。基于此,本文从政策工具视角对两批长期护理保险试点地区政策内容进行量化分析,并将两批试点城市分为均衡型、高需求型、高供给型、高环境型四大类,挖掘基于四种类型的长期护理保险政策扩散特征,探求长期护理保险政策扩散的中国路径与中国经验。
1 资料与方法 1.1 资料来源本文通过北大法宝网、各地方政府官网以及中国长期护理保险试点政策数据库(China pilot long-term care insurance policy data base, CLIP)对国家及各试点地区长期护理保险政策进行系统搜集。文中所指的政策是政府官方发布的、与长期护理保险内容直接相关的政策。截至2023年7月共搜集363篇长期护理保险政策文件,包括国家级政策10项,人社厅发〔2016〕80号文件中指定的15个试点城市和2个重点联系省份发布的207项政策,医保发〔2020〕37号文件指定的政策14个试点城市146项。
1.2 分析框架为进一步从量化角度挖掘长期护理保险政策扩散的特征和规律,本文通过对两批长期护理保险试点政策工具进行量化分析,探讨不同城市长期护理保险政策工具特征,并将两批试点城市分为均衡型、高需求型、高供给型、高环境型四大类,构建长期护理保险政策扩散分析框架以研究长期护理、保险政策扩散(图 1)。
![]() |
图 1 长期护理保险政策扩散分析框架 |
政策工具是把政府治理目标转换为具体行动的途径和机制的统称[9],是将政策意图转化为行动的关键,能否合理选择应用政策工具关乎政策目标的实现[10]。综合运用不同政策工具组合,使长期护理保险政策发挥最大效应,是成功应对人口老龄化的关键之一。政策工具按照标准的不同可分为不同类型,根据国家干预程度划分为自愿型、混合型(复合型)和强制型[11];基于行为假设分为命令型、激励型、能力建设型、劝说型和学习型[12];或依据对行为活动的影响分为供给型、环境型和需求型[13]。与其他类型相比,供给型、环境型和需求型划分应用更为广泛[14],也与长期护理保险政策客观情况更加契合,因此本文借鉴Roy Rothwell和Walter Zegveld的政策工具分类,将长期护理保险政策工具分为供给型、需求型和环境型三大类,对国家两批试点的29个①试点城市及2个试点省份发布的政策进行分析。
① 本文只选择了国家试点城市,试点省份中的城市未选择。
供给型政策工具是政府针对长期护理保险制度建设所需的资金、基础设施、人才、技术等进行投入,对长期护理保险起着推动作用。[15]需求型政策工具是充分调动和激发参保人的需求,通过服务采购和外包、市场管制、激励机制和海外交流等方式拉动长期护理保险的发展。[16]环境型政策工具是政府为长期护理保险健康发展提供良好的外部环境和条件,通过目标规划、税收优惠和策略性措施等促进政策落实推进,间接推动其发展。[16]
此外,本文运用沃德离差平方和法,根据三种政策工具的使用情况,对两批试点城市分别进行聚类分析,将试点城市分为四类:均衡型、高需求型、高供给型、高环境型。其中,高需求型是指需求型政策工具的使用较之同一批试点城市明显偏多,即在供给型与环境型工具的使用与平均水平相对一致时,需求型工具明显超出同一批试点地区。[16]高供给型与高环境型判别标准亦然。均衡型是指该城市三种政策工具的使用比例相当。
1.3 政策文本编码本文利用NVivo12软件按照“城市编号—一级标题—二级标题—三级标题”的方式对31个试点城市或省份文件进行节点建立和文本编码。限于篇幅,本文仅以《山东省人民政府办公厅关于试行职工长期护理保险制度的意见》(以下简称《意见》)进行编码展示(表 1)。再分别将编码后的政策文本依据对应的政策工具归入需求型、供给型和环境型三大类型中,并形成政策工具分布表。
![]() |
表 1 长期护理保险政策文本编码示例 |
在上述编码基础上我国两批长期护理保险试点地区的政策工具使用偏向如表 2所示。环境型政策工具的占比最大,其中主要以策略性措施和法治规制为主,反映了各地政府对于间接引导和规范长期护理保险发育发展的重视,通过加强市场监管、规范市场行为和建立配套措施为长期护理保险构建良好外部环境;而供给型政策工具占比次之,其作为政策对长期护理保险的直接推动力,反映了政府在资金、人才队伍、基础设施和技术建设上的直接支持,长护险政策在资金支持方面使用较多,可见政府当前主要通过加大财政等投入来刺激长期护理保险的发展;需求型政策工具占比最少,以市场管制和服务外包为主,政府采购及激励机制出现次数极少,可见当前政府主要通过需求型政策工具加强对长期护理保险市场的培育,在激发参保人需求活力上仍有较大提升空间。
![]() |
表 2 两批试点城市长期护理保险政策工具分布情况(%) |
比较第一批和第二批试点地区的政策工具使用发现,两批试点中均是环境型政策工具占比最高,且第二批试点地区的环境型政策工具占比(53.94%)整体略高于第一批试点地区(51.77%)。第一批试点地区政策中的需求型政策工具(24.04%)和供给型政策工具(25.24%)的占比整体略高于第二批试点地区需求型(22.14%)和供给型(23.91%)政策工具的比例。相比于第一批,第二批试点地区更重视对环境型政策工具的使用。
综合比较,各地的长期护理保险政策工具使用程度和结构存在明显差异。比如,重庆市的需求型政策工具占比仅有8%,但环境型政策工具占比高达64%。浙江省宁波市的需求型政策工具占40.74%,环境型工具比例为44.45%,两者间相差甚少。整体而言,经济较发达、市场禀赋较高的地区(如上海、江苏省苏州市)以及最先试点的地区(如山东、吉林),其供给型与需求型政策工具使用程度相对较高,与环境型政策工具的使用程度差距小于平均水平。[15]经济相对欠发达地区,以及第二批试点地区更加依赖于环境型政策工具使用。
2.2 长期护理保险试点地区政策工具类别分析在对政策工具分析基础上,通过沃德离差平方和法对两批试点地区进行聚类分析,划分为四种类型(表 3)。在第一批试点的17个地区中,均衡型共4个,高环境型4个,高需求型3个,高供给型6个;在第二批试点地区中,均衡型共5个,高环境型6个,高需求型仅昆明市1个,高供给型也仅呼和浩特市1个。从两批试点地区的四种类型的比例来看,第一批试点在四种类型的分布上相对均衡,高供给型占比略高,高需求型地区占比略低,均衡型和环境型所占比例相同。而第二批明显集中于均衡型和高环境型。
![]() |
表 3 两批试点地区的政策工具类别 |
四种类型中高供给型占比由第一批的35.3%下降到第二批的7.7%,变化幅度最大,且变化最为显著,说明在两批试点地区的政策扩散中直接通过资金投入等方式推动长期护理保险发展的政策工具方式减弱;高环境型的变化也较为明显,由第一批的23.5%增长到第二批的46.1%,说明长期护理保险政策在第二批试点中进一步加强了环境型政策工具的使用,目标规划和法规管制等手段更强;均衡型由第一批的23.5%上升到第二批的38.5%,说明第二批政策相对更倾向于三种政策工具的均衡使用;高需求型的比重变化相对较小,在两批试点中保持比重最低,且占比的水平由17.7%下降至7.7%。总体而言,两批试点地区呈现出长期护理保险由倾斜于供给型的单维度政策工具分配,向均衡型和环境型的多维度政策工具分配转变,需求型政策一直偏低的扩散特征。
3 政策工具类别视角下长期护理保险政策扩散特征我国长期护理保险政策是地方自主试验活力与中央扩大试点的推力共同作用的结果,两批试点地区的政策扩散在行政指令推行、地方自主学习模仿的机制下呈现区域的空间邻近与社会邻近交互的邻近扩散效应、路径的垂直扩散与水平扩散交织的层级扩散效应以及内容的自下而上与自上而下的“吸收—辐射”互动效应。
3.1 空间邻近与社会邻近交互的邻近扩散效应政策扩散的邻近效应一般用来描述几个地方基于与对方某些方面存在的相似性而相互学习,最终在各地政策的内容上产生一定相似性。如果一个地方政策试点取得较理想效果,那么其邻近地市往往会为了取得相近的政策预期效果向其进行有选择地学习或跟风化模仿。邻近效应是中国公共政策空间扩散的主要效应,新的问题出现时,地方政府不仅会基于自身过去的经验,同时也会吸取其他城市经验,尤其是在空间上距离较近的城市。[4-6]表 3的政策类别显示空间邻近的地区呈现出共同的政策工具特征类别。如:长春市、盘锦市、北京市石景山区与承德市成片表现为高环境型,苏州市、上海市和南通市集中表现为高供给型。当第一批的长春市、承德市在本地试点长期护理保险政策取得成功经验后,周边地市(盘锦市、北京市)借鉴其政策工具使用情况,最终形成类似的政策工具特征,说明我国长期护理保险政策在扩散中呈现空间邻近效应。
在空间邻近效应基础上,由于经济发展水平、人民生活水平等社会发展程度的相近而产生的邻近效应,例如虽然地理位置相距甚远,但经济发展水平较靠前的成都与宁波,均重视长期护理保险需求型政策工具的使用,表现为高需求型城市。再比如长春市、开封市和福州市三个城市,虽然分别位于东北地区、中部地区和沿海地区,但在政策工具的使用上均表现为对环境型政策工具的重视,说明长期护理保险扩散中同时呈现社会邻近效应。
3.2 垂直扩散与水平扩散交织的层级扩散效应政策扩散中除了邻近效应,还由于一定的势能差呈现由高到低、由上到下的扩散,即政策扩散的层级效应。这种势能差可以是中央对地方的行政强制力,亦可是地市之间、地区之间的政策影响力。长期护理保险政策在我国的扩散既表现出中央政府对地方政府的顶层引导力,也体现了东部地区对中西部的影响力。
首先,基于两批试点的政策工具使用,在2016年中央出台指导意见之后,从第二批试点城市高需求型、高供给型、高环境型和均衡型的比重来看,高需求型和高供给型城市明显减少,高环境型与均衡型城市明显增多。《关于开展长期护理保险制度试点的指导意见》从内容上对环境型政策工具使用多于供给型和需求型,这对第二批试点城市的政策工具使用产生了较大的导向作用,第二批试点城市中高环境型的增加凸显出上级政府对下级政府的层级效应。
其次,地市之间的层级效应突出表现为一些地市先于中央文件跟随其他地市进行政策试点。2012年青岛率先探索长期护理保险实践之后,南通在2014年开创“南通模式”,2015年长春也启动试点工作。同时地区之间的层级效应体现在政策由扩散势能高的地区向扩散势能低的地区不断延伸。青岛、长春、南通等最先进行政策试验的城市所属的山东、吉林、江苏是最早进行长期护理保险政策试点的地区,经济发展水平领先的同时,老年人的照护需求也十分突出,因而具有向外扩散长期护理保险政策的巨大势能。
3.3 自下而上与自上而下的“吸纳—辐射”互动效应政策扩散的“吸纳”过程是指地方政府在中央政府尚未提出一项政策具体指令时先行在局部地区自主试验,此时中央的政策文件多为纲领性的倡导推动,客观上为地方政府因地制宜提供了较大的政策创新空间。这一阶段的政策因各地的创新而表现出多样性和差异性,为中央政府在个性中归纳共性,制定全国层面的专项文件提供支撑。中央对地方政策试验、政策创新的吸取和采纳,即自下而上的“吸纳”。
1987年青岛市就已经进入人口老龄化阶段[17],这在全国也是较早的,因其面临老年人对长期照护的巨大诉求,青岛市同时也是全国最早探索长期护理保险制度的城市,有着丰富的试点经验。青岛市在其长护险政策中对政策工具的使用分配为我国长护险政策工具的使用提供了重要的经验。青岛市2012年发布的长期护理保险政策为均衡型,山东省2017年发布的《意见》中也表现为均衡型。从次级政策工具的使用来看,山东省和青岛市的长护险政策中所使用的次级政策工具基本一致,山东省增加了对“基础设施建设”的使用。从两地区对政策工具的分配可以看出,山东省对青岛市长期护理保险政策工具分配上的显著吸纳行为。
政策扩散的“辐射”过程是指中央政府总结归纳“吸纳”阶段的政策成果,生成国家层面的行政指令并强制向下级政府推行实施的过程。2020年《关于扩大长期护理保险制度试点的指导意见》发布前,第一批城市需求型、供给型和环境型政策工具使用比例均值为24.04%、25.24%和51.77%,而2020年文件的使用比例为17.39%、17.39%和65.22%,第二批试点政策工具使用比例为22.14%、23.91%和53.94%,环境型政策工具使用力度的加大,对需求型和供给型的相对减少,体现出《指导意见》对地方试点的“辐射”效应。除此之外,在四种类型的分布中,高环境型城市由第一批的23.5%增大到第二批的46.1%,也可以印证中央对地方在政策扩散上表现出的“辐射”效应。
从2012年青岛等地的长期护理保险自主实验到2016年人社部指定15个第一批试点城市,再到2020年中央扩大试点范围,长期护理保险政策在我国的扩散过程表现出明显的“吸纳—辐射”模式特色,扩散已经历了两个完整的“吸纳—辐射”周期。我国的长期护理保险政策在“吸纳—辐射”的模式下表现出地方政府不断接收中央“辐射”与中央政府不断“吸纳”地方政策的交互过程。其中,环境型政策工具的使用程度变化是“吸纳—辐射”机制的实践结果又反过来印证了我国长护险的政策扩散特征。“吸纳”与“辐射”相互转化、互相依托,在循环往复中推动政策理论创新与政策实践创新的良性互动。
4 结论作为社会保障体系的政策创新,我国的长期护理保险政策试点已取得阶段性成果[5],总结两批政策试点中的扩散特征和传导路径对于“十四五”长期护理保险政策框架目标的建立尤为必要。本文基于政策工具视角在对两批长期护理保险试点政策内容量化分析基础上,进一步将两批试点分为均衡型、高需求型、高供给型、高环境型四类,从而挖掘长期护理保险政策的扩散特征与经验并得出以下结论。
4.1 环境型政策工具使用偏好明显,城市间政策工具使用程度差异显著长期护理保险对环境型政策工具的使用比例超过50%,其次是供给型政策工具(25%),需求型政策工具使用最少(约23%)。比较两批试点政策,第二批试点地区的环境型政策工具使用比例高于第一批地区。城市间政策工具使用程度有明显差异,经济较发达、市场禀赋较高的地区(如上海、苏州)以及最先试点的地区(如山东、吉林),其政策工具使用比例相对均衡,环境型政策工具的使用比例较其他城市低。
4.2 两批试点政策由高供给型向均衡型和高环境型转变根据两批试点城市政策工具使用情况分为均衡型、高需求型、高供给型、高环境型四种类型,其中第一批试点地区在四种类型分布上相对均匀,高供给型地区占比略高,高需求型地区略低。而第二批城市分布明显集中于均衡型和高环境型。两批试点地区呈现出由倾斜于供给型的单维度政策工具分配,向均衡型和环境型的多维度政策工具分配转变的特征。
4.3 两批试点政策扩散呈现区域的邻近扩散、路径的层级扩散以及内容的“吸收—辐射”扩散特征根据政策工具类别下两批试点地区特征分析,长期护理保险政策区域邻近效应明显。相邻地区政策类型更为相近,凸显了空间邻近效应,同时经济发展水平、人民生活水平等社会发展程度相近的地区政策类型较为一致,产生社会邻近效应;在路径方面,层级扩散效应明显,既表现出中央政府对地方政府顶层引导力的垂直扩散,也明显体现了东部地区对中西部地区影响力的水平扩散;两批政策试点的政策工具类型发现长期护理保险政策在我国的扩散已经历了两个完整的“吸纳—辐射”周期,形成“吸纳—辐射”的模式下地方政府不断接收中央“辐射”与中央政府不断“吸纳”地方政策的交互过程。
5 建议 5.1 注重政策工具使用应与政策扩散的多重效应紧密联系,优化政策工具结构布局,增加均衡型政策比例各试点地区在国家给予的创新空间下积极探索并推动着长期护理保险政策的发展,长期护理保险政策不断落地,取得了丰厚的政策实践成果。政策扩散影响着政策主体对政策工具的分配,政策工具又印证着政策扩散的不同效应,试点地区对政策工具使用的调整应与政策扩散的多重效应联系紧密,相互嵌入。
当前两批试点的长期护理保险政策主要偏好于环境型政策工具,需求型政策工具使用偏低,不合理运用政策工具会对政策的效果产生较大负向影响。未来政策应优化各类政策工具结构,在环境和外部条件成熟之后,逐步减少环境型政策工具的运用,增加需求型和供给型政策工具,实现三大类政策工具的合理配置。两批试点长期护理保险政策工具呈现高供给型向均衡型和环境型的多维度转变的特征,第二批试点政策的高供给型和高需求型占比较少,在增加供给型和需求型政策工具基础上,进一步增加均衡型政策比例,发挥长期护理保险政策的整体效能。
5.2 中央鼓励、支持、引导地方进行自主政策创新,学习邻近经验与本土创新相结合长期护理保险政策试点的扩散仍处于“进行时”,两批政策试点的扩散经验对于“十四五”时期长期护理保险制度构建目标的实现意义重大。长期护理保险在两批政策试点扩散过程中,中央政府越过省级政府这个层级,直接与地方政府进行互动,极大地避免了信息在传递过程中的失真,有效地加速了制度扩散。[5]中央政府应该鼓励、支持、引导地方政府进行政策创新,并给予地方政府一定程度的自主创新空间。中央政府需要“吸纳”该地区成功的政策经验,对原有的政策方案进行修正和整合,再基于中央政府权威性的行政指令向下“辐射”。同时应发挥势能高地区对势能低地区的引导作用,发挥东部地区对中西部影响力,积极吸纳邻近地区的先进经验,学习模仿与本土化创新相结合。加快对长期护理保险政策的经验总结以进一步推动长期护理保险在全国的扩散。
作者声明本文无实际或潜在的利益冲突。
[1] |
中华人民共和国民政部. 2022年民政事业发展统计公报[EB/OL]. [2023-09-10]. http://www.mca.gov.cn/n156/index.html
|
[2] |
Luo Y N, Su B B, Zheng X Y. Trends and Challenges for Population and Health During Population Aging-China, 2015—2050[J]. China CDC weekly, 2021(28): 8-12. |
[3] |
Wei L, Yi H, Hai L Z. Elderly People With Disabilities in China[J]. Journal of the American Geriatrics Society, 2019, 67(4): 858-859. DOI:10.1111/jgs.15793 |
[4] |
罗遐, 王容. 我国长期护理保险政策试点发展的路径: 基于政策扩散理论的分析[J]. 卫生软科学, 2021, 35(1): 31-34. DOI:10.3969/j.issn.1003-2800.2021.01.008 |
[5] |
吴光芸, 刘潞, 李嘉薇. 政策创新扩散视阈下长期护理保险制度的时空演进[J]. 江西社会科学, 2022, 42(4): 73-84. |
[6] |
曾雅翎. 我国长期护理保险制度的时空演进机理研究: 基于政策扩散视角[J]. 海峡科技与产业, 2021, 34(8): 6-10. DOI:10.3969/j.issn.1006-3013.2021.08.002 |
[7] |
贾海彦. 长期护理保险制度试点的政策网络特征及推广路径优化: 基于典型试点城市的政策文本分析[J]. 重庆工商大学学报(社会科学版), 2022, 39(2): 164-176. |
[8] |
王俊, 白杨, 刘怡均. 政策工具视角下中国长期护理保险政策的发展脉络与演进逻辑: 基于310篇政策文本的内容分析(2012—2022)[J]. 中国卫生政策研究, 2022, 15(10): 26-33. |
[9] |
党生翠. 慈善组织信息公开的新特征: 政策研究的视角[J]. 中国行政管理, 2015(2): 98-102. |
[10] |
周建青, 张世政. 政策工具"理性"回归: 突发公共卫生事件应对的逻辑进路与效用检视[J]. 求实, 2023(1): 26-43, 110. |
[11] |
Howlett M, Ramesh M. Studying Public Policy: Policy Cycles and Policy Subsystems[J]. American Political Science Association, 2009, 91(2): 548-580. |
[12] |
Phaa L R, O'Sullivan E, Routley M. A framework for mapping industrial emergence[J]. Technological Forecasting and Social Change, 2011, 78(2): 217-230. |
[13] |
Rothwell R, Zegveld W. Reindustrialization and technology[M]. Longman, M. E, Sharpe, 1985.
|
[14] |
吴杨. 大数据政策文本与现实的偏差及完善路径研究[J]. 公共管理学报, 2020, 17(1): 31-46, 169-170. |
[15] |
李放, 饶丹, 沈苏燕. "工具—主题—属性"框架下家庭养老支持政策量化评价研究[J]. 人口与发展, 2023, 29(3): 84-95. |
[16] |
李运华, 姜腊. 地方长期护理保险试点政策分析: 基于政策工具视角[J]. 云南民族大学学报(哲学社会科学版), 2022, 39(1): 122-133. |
[17] |
郑伟, 姚奕, 刘子宁, 等. 长期护理保险制度的评估框架及应用: 基于三个案例的分析[J]. 保险研究, 2020(10): 65-78. |
(编辑 刘博)