基于SPSS分析的宁波市低龄老人再就业意愿影响因素分析

基于SPSS分析的宁波市低龄老人再就业意愿影响因素分析

许秀楠 邓舒心 陈紫芊 罗耀铭

宁波财经学院 浙江省宁波市 315175

摘要:

为了解低龄老人对再就业的意愿及其影响因素，为低龄老人再就业提供建议，本文选取宁波市低龄老人作为研究对象进行问卷调查，并归纳总结成12个有效指标，运用SPSS分析，构建Logistic回归模型，对其再就业的意愿的因素进行实证分析，发现低龄老人的受教育程度和对政府再就业保障的满意程度是影响低龄老人再就业的关键因素，为此我们建议从自身“关注”、社会“守护”、政府“保障”三个路径来帮助低龄老人实现再就业。

【关键字】SPSS分析、Logistic回归模型、低龄老人再就业

1 引言

人口老龄化作为我国的基本国情之一，一直受到国家关注和重视。根据第七次全国人口普查结果，我国老年人在60岁以上的数量为2.64亿，占比为18.7%，其中65岁的数量达到1.9亿，占比为13.5%，表明我国人口老龄化程度提高，将从轻度老龄化进入中度老龄化。老龄化问题的影响首先体现在劳动人口比重下降，制约地方经济的发展；第二，人口老龄化造成总供养系数上升，导致劳动力成本加大；此外，老龄化问题也带来了养老金供应不足等养老体系连锁问题。老龄化问题亟待解决。

另外，据《老龄蓝皮书（2019）中国老年人生活质量报告》所述，低龄老人在60-69岁的占比为38.2%，自评为“很好”和“比较好”的低龄老人占比为38.2%。这表明低龄老人身体机能存在普遍较好的实际情况，我国还有着较为充足的低龄老年人力资源，但同时也反应出低龄老人再就业方面的政策存在着大量空白，具有较大的发展研究的可能性。

因此，本文依据科学客观的数据分析，深入探讨低龄老人再就业倾向和影响因素，帮助认识老年人潜在的劳动力价值，正视老年人的社会地位，提高社会对于“银发群体”的关注度，实现“银龄红利”在人口红利中切实增长，对于增加人口劳动力供给，缓解人才结构性短缺和促进健康积极老龄化，具有十分重要的意义和参考价值。

2 样本数据与来源

2.1数据来源

数据来源于对宁波市各个社区低龄老人再就业的问卷调查资料,该问卷结合宁波市老龄人口，采用多阶段抽样方法深入宁波市各个社区以实地调查的形式发放问卷。共发放问卷400份,回收有效问卷384份，问卷有效性为95%。受访者为60至69岁的低龄老人,样本数据具有一定的代表性。

2.2 研究方法

主要研究方法是基于SPSS25.0软件对调查数据进行统计学分析，首先利用因子分析模型对变量进行降维处理，把一些具有错综复杂关系的变量归结为少数四个综合因子，再利用Logistic回归模型，以低龄老人是否愿意再就业这作为因变量，在4个综合因子维度上选用12个因子作为自变量构建线性回归方程，并根据自变量权重的正负和大小探究低龄老年人再就业意愿的影响因素。

3 实证分析

3.1数据预处理

剔除无效问卷，对收集的问卷进行概括总结和量化处理，共提取出其中的有效指标，即调查对象的受教育程度、身体健康状况、退休前就业单位、子女数量、承担家务情况、家庭成员对其再就业的支持程度、其享受到的退休金/养老金额，对再就业工资满意度、生活负担情况、对退休制度的认同度、对就业机会的满意度、对再就业保障的满意度，总计12个有效指标。

3.2 因子分析

3.2.1信度分析

首先对提取出的12个指标进行KMO和Bartlett检验，来检验数据变量是否适合做因子分析，得到KMO值为0.864，说明该样本指数体系的选取已经达到0.8以上，表示变量间的存在强相关性。同时Bartlett球体检验的结果显示，显著性P值Sig为0.000，水平上呈现显著性，拒绝零假设。综合以上两点认为因子分析的结果有效，即原有变量适合做因子分析。

3.2.2总方差解释

提取公因子进行多因子的归结，在避免信息丢失的同时有效降低变量。在分析了各变量共同度大于85%，确定了所要提取的公因子对个变量解释能力较强的情况下，运用主成份分析法的因子载荷阵求解方法对各个主成分进行总方差解释，成分初始特征值总计>1的个数为4，并且经方差极大值旋转后，累计方差贡献率达到68.804%，因此选取4个公因子就能够比较好的解释原有变量所包含的信息。

并且由碎石图可知，第一个主成分特征值最高，对解释原有变量的贡献最大，从第五个主成分开始，主成分的特征根值开始缓慢地下降。因此，证明了在满足因子累计解释的贡献率较高的情况下，我们保留特征值大于1的前4个主成分为公因子是合理的。

2.2.3 公因子匹配

在完成碎石图检验后，提取各变量与公共因子之间的因子载荷系数，形成成分矩阵，但由于因子结果的分析需要每个因子具有实际意义，且未旋转前的原始变量和因子之间的相关系数无法明显的表示出因子的含义。所以需要对载荷平方和进行旋转，使因子载荷系数向0和1两极分化，以便于进行因子分析。

已知因子载荷系数反映因子和各变量相关程度，它的绝对值越大，表明变量与因子间的影响程度越大。依据因子载荷系数将

12个因子分别与其相关程度最高的成分进行匹配，并为成分命名，结果如下表1。

表 1准则层表

1

基于SPSS分析的宁波市低龄老人再就业意愿影响因素分析

2.3 logistic回归分析

2.3.1 模型构建

在因子分析的基础上，建立Logistic模型整体带入全部自变量进行深入评估和检验。建立多元线性回归模型，令因变量为“低龄老人再就业意愿”不变，且因变量Y是二分类变量，赋值“是”=1，“否”=2，自变量为影响低龄老人再就业选择与否的四个维度影响因素。

主要计算公式如下：

其中，表示低龄老人再就业的概率，表示低龄老人未就业概率；12；为截距项，即自变量的取值均为0时，低龄老人再就业与未就业发生概率比值的自然对数值；为随机扰动项；是待估计系数，表示当其他个自变量取值保持不变时，自变量Xi每增加一个单位所引起自然对数值的变化量，其系数的正负可以体现各自变量对低龄老人再就业的正负向影响作用。

2.3.2 模型的求解

2.3.2.1 求解的结果

在自变量和因变量不做任何处理的前提下，直接建立多元线性回归模型，线性方程式如下：

2.3.2.2模型的检验

经拟合优度检验和共线性诊断，该模型显著性水平小于0.05，调整后R方值为0，846，表面该模型拟合效果较好，但较多维度的特征根值接近于0且条件指数大于30，表明自变量之间存在多重共线性，因此运用MATLAB软件进行模型修正。

修正后的回归方程如下：

2.4结论和建议

2.4.1结论

上述分析可得，个人因素、家庭支持、经济状态和社会保障四个维度都一定程度上影响了低龄老人再就业意愿，其中退休金/养老金、受教育程度、再就业保障满意度、健康状况、子女数量对低龄老人再就业意愿影响较大，即老年人的退休金越多，再就业的意愿越低；老年人的受教育程度越高、健康状况越好、子女数量越多、对再就业保障越满意，对再就业的意愿也越高。

将方程系数取绝对值我们可以发现各因素对低龄老人就业意愿的影响程度从高到低依次为受教育程度>再就业保障>退休金/养老金>子女数量>老人健康状况，因此，我们发现低龄老人的受教育程度和对政府再就业保障的满意程度是影响低龄老人再就业的关键因素。

2.4.2建议

本文建议从自身“关注”、社会“守护”、政府“保障”三个路径来帮助低龄老人实现再就业。在自身“关注”中，可以改变自身再就业观、提高自身专业技能水平等各种途径来充实低龄老人自身；在社会“守护”中，我们既要改变社会对低龄老年人再就业的歧视，也要加强关注低龄老人的身心健康；在政府“保障”中，通过拓宽就业渠道、发展职业教育、完善法律政策保障低龄老人的就职渠道，加强法律保护。

1