浅议生育保险评估工具和评估方法

论文导读：评估的要求和各类评估策略的特点，在生育保险评估指标体系和评估模型的建构方面，主要运用主成分分析法、模糊综合评价法、德尔菲法和层次分析法，在对各指标值实际测量的过程中，还要用到各种调查抽样策略，并需要对调查结果进行信度和效度检验，这样可以使对生育保险评估的结果更加科学有效。

(一)主成分分析法主成分分析

摘 要：生育保险制度评估是保证生育保险健康有序运转的一个重要前提，而评估工具和评估策略的选择，则是有效评估的重中之重。如何确定生育保险评估工具和策略的选择标准，如何选择适合生育保险制度发展而又科学有效的评估策略，如何构建系统科学而又具备可操作性的评估理论模型，这些都是生育保险有效评估的关键因素，也是保证评估结果真实可靠的重要基础。
关键词：生育保险；评估工具；评估策略
1673-291X（2014）34-0101-03

一、生育保险评估工具和策略选择的重要性

生育保险作为社会保障制度的一项重要内容，不仅是社会化大生产发展的基本要求，而且是社会文明进步的重要标志。它有利于减轻企业负担，保护女性劳动者合法权益，保障女性劳动力的恢复和再生产。如何准确地对中国生育保险运转目前状况进行有效的测量、评估，发现理由并深入剖析理由存在的深层次理由，提出与之相应的解决方案，是推动生育保险制度进一步完善与发展的一个重要前提。从已有的研究来看，大多数著作仅限于对中国生育保险制度概况和目前状况的简单描述，缺乏深入分析，也就难以找到制度有效或无效的深层次理由所在。因此生育保险评估体系和模型的构建是生育保险制度健康和可持续发展的基本要求，而评估工具和评估策略是否科学有效，则是整个评估工作的重中之重。

二、生育保险评估工具和策略的选择标准

(一)定性分析和定量分析相结合

生育保险评估中定量分析非常重要，但仅仅依据定量分析数据进行结果衡量或决策同样有失偏颇。一般来说，评估中的定性策略是定量分析的基础与前提，对生育保险进行评估的定性分析策略主要有行为分析、价值分析、可行性分析、规范分析、利益分析等。定量分析策略有主成分分析法、层次分析法、数据包络分析法、模糊评价法、灰色关联度法等。因此在生育保险评估过程中，定性分析和定量分析单独任何一方面都是不完整的，必须是二者的有机结合。

(二)适合中国生育保险的特点

中国生育保险实施的时间不长，虽然已大致形成统一的制度模式，但各个地方仍有差别。另外，鉴于中国生育保险本身尚未成熟和完善，各地还没有建立起专门的生育保险信息管理系统，缺乏完备准确的生育保险信息统计数据和相关资料，也没有专门的关于生育保险的统计年鉴。因此，在生育保险评估指标体系的选取过程中，尽量规避那些不宜获取或不存在统计数据的指标，选用所需数据较完备或者可以通过实地调研或其他策略获取的指标。在生育保险评估工具和策略的选择方面应尽量考虑到其可操作性和适用性，保证评估结果在现有条件下的科学有效性。

三、生育保险评估工具和策略的选择

结合生育保险评估的要求和各类评估策略的特点，在生育保险评估指标体系和评估模型的建构方面，主要运用主成分分析法、模糊综合评价法、德尔菲法和层次分析法，在对各指标值实际测量的过程中，还要用到各种调查抽样策略，并需要对调查结果进行信度和效度检验，这样可以使对生育保险评估的结果更加科学有效。

(一)主成分分析法

主成分分析即Principal Component Analysis（简称PCA）是多元统计分析的重要组成部分，由英国著名心理学家、统计学家斯皮尔曼（Chales Spearman）于1904年发明。主成分分析是多元统计分析的重要组成部分，该策略利用降维思想，将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析策略，又称主分量分析。该策略从根本上解决了变量或指标间信息重叠理由，又大大简化了原变量或指标体系的指标结构，保证新指标之间相互无关。通过主成分分析，使分散而复杂的各影响因素趋向整体和简单化，因而在社会经济统计或绩效评估中，是应用较多、效果较好的一种策略。

(二)模糊综合评价法

模糊综合评价法是一种基于模糊数学的综合评标策略，该评价法以模糊数学为基础，根据模糊数学的隶属度理论把定性评价转化为定量评价，将一些边界不清、不易定量的因素定量化从而进行综合评价的一种策略。其基本原理是：首先确定被评判对象的因素（指标）集和评价（等级）集；再分别确定各个因素的权重及他们的隶属度向量，获得模糊评判矩阵；最后把模糊评判矩阵与因素的权向量进行模糊运算并进行归一化，得到模糊评价综合结果。

(三)德尔菲法（Delphi Technique）

德尔菲法，又名专家意见法，是依据系统的程序，采用匿名发表意见的方式，通过反复填写问卷，以集结问卷填写人的共识及搜集各方意见，经过多次反复，最后汇总得出一个比较一致的、可靠的预测结果。德尔菲法避开了专家易于屈从权威和随大流以及产生敌对情绪等弊端，有助于更充分地发表己见以及彼此交流和信息反馈。但德尔菲法的受试者或专家样本，通常涵盖不同领域，其价值认知会有所不同，可能发生意见背离的情况。因此在运用该策略对生育保险评估过程中，要适当调整：首先，在德尔菲专家选择上，排除一般随机取样且非本领域的受访者；其次，加强受访专家的意见整合和统一，针对德尔菲法问卷过程中偏离全体平均的项目，调查人员电话或直接与受访者沟通交流，找出产生意见偏离的理由，尽量获得整体意见上的统一；最后，运用层次分析法（AHP）进行定量分析，增强决策的客观性和准确性。

(四)层次分析法（AHP）

层次分析法是由美国运筹学家、匹兹堡大学萨蒂（Saaty T.L.）教授于20世纪70年代提出的将人的主观判断用数量形式表达和处理的系统分析策略。它的基本思想就是将组成复杂理由的多个元素权重的整体判断转变为对这些元素进行“两两比较”，然后再转为对这些元素的整体权重进行排序判断。因此，采用AHP法，将生育保险评估指标体系分成三个层次，即目标层、准则层和要素层，每一个层级都对隶属于其的因素起支配作用。层次分析法分为两个主要阶段：第一阶段，建立层级结构；第二阶段，求取各层级的权重。当权重评估结果不具一致性时，须对填写该问卷的专家重新访谈，或是检讨问卷设计的理由，层级结构是否须重新修订等。依据上述策略，在建构生育保险评估指标体系和评估模型的过程中，首先根据相关理论分析并综合运用德尔菲法、社会调查法、模糊数学、因子分析论文导读：要，还可以演化出其他比较方式。上一页12
法、层次分析法等研究策略构造一个预选指标集，运用主成分分析法、隶属度分析法确立生育保险评估的主要指标；然后运用层次分析法确定各指标的权重，从而建构一个逻辑结构合理、代表性较强、具有可操作性的生育保险评估指标体系和评估模型。依据上述原则和标准，中国生育保险的评估指标体系可区分为三个层级，第一个层级为分目标层面，包涵保障生活、就业推动和权益维护三大分目标；第二个层级为评估准则，包涵业绩、财务、管理三方面标准；第三个层级为具体评估指标。

四、生育保险评估体系理论模型的处理策略

依据上述策略确立了生育保险评估指标体系以及各指标的权重之后，还需对评估指标体系理论模型进行一系列的处理，以获得生育保险评估所需的综合评价值，这个过程实际上是综合评价策略在生育保险评估中的运用过程。

(一)获取生育保险各个具体指标值

这个过程是对数据进行采集和处理的过程，即将评估指标体系中的每个具体指标进行赋值。具体指标可分为定量指标和定性指标两大类，其中定量指标的数据值一般可通过统计年鉴和各部门的年报直接获得，也有的需要经过一定计算后求得；定性指标的数据值的获得相对困难，一般采用“格栅获取法”或“李克特量表法”量化定性指标变量，设计出一套调查问卷，之后深入实际通过发放问卷及访谈的形式进行数据调查。
1.抽样策略。在生育保险各指标数据采集过程中，满足足够的样本量是必需的，由于普查的成本过高，一般应选择抽样调查策略，为防止偏颇，宜选用随机抽样策略。常用的随机抽样包括简单随机抽样、分层抽样、整群抽样、等距抽样等。由于中国地区差异大，可按照个体特征，分为若干群（如东部、中部与西部城市等），适用分层抽样的策略，分层抽样中各层中样本量分布的确定大体包括等数分配、等比分配和最优分配法。
2.样本量的选取。生育保险评估实证研究中，样本数量应适中，样本量太小则代表性不足，太大则过分耗费成本。由于不同数据处理策略对样本量要求是不同的，研究涉及的范围也有差异，因此样本量的选择还应具体理由具体分析。一般认为，样本数量n最少大于100，大于200更好，如果样本数量小于100，相关矩阵会不够稳定。如果将样本数量n与指标数p或自由度t结合起来，一般认为n/p或n/t大于10比较好。也有专家倡议被试样本为观测变量数p的10倍，如包含10个具体指标的评估指标体系，至少需要100个样本最合适。
3.效度检验。针对生育保险评估要收集的样本是不同类型数据的集合体，其效度检验通常包括内容效度和构建效度两个方面。检验内容效度就是检验由概念到指标的经验推演是否符合逻辑，是否有效。通常是请数位绩效评估领域的专家对调查内容进行逐一分析，因此内容效度又称为专家效度。要使生育保险绩效评价的研究具有较高的内容效度，理论模型的建立必须依据国内外知名的成熟理论，经反复深思做出初选，并请相关专家学者进行反复分析。建构效度指一个模型所测量的基本属性是不是适当地代表了所要研究探讨的概念。要保证生育保险评估理论模型构建效度，必须对评估指标体系的结构、测量的总体安排进行精心策划，至于模型构建效度的验证一般安排在运用具体策略计算之后进行。
4.样本数据的信度检验。检验效度的策略大体有三种：再测信度、复本信度和内在一致性信度。在生育保险评估中最为重要的信度是内在一致性信度，其检测的常用策略是α系数法。克朗巴赫（L.J.Cronbach）在1951年发表的《α系数和测验的内在结构中》一文中提出了α系数公式。α系数是分布于0～1之间的数，一般情况下，α系数介于0.80～0.90之间被认为非常好，介于0.70～0.80之间比较好，介于0.65～0.70之间可以接受，0.60～0.65之间不能接受。对于尚未验证过的变量尺度，允许其α系数只要大于0.60即可接受。在生育保险评估的客观赋权策略运用中，应注意α系数的适用限制。当一个维度的相关指标很多时，α系数自然较高，从而不能与指标量少的维度的α系数进行比较。同时，在庞大的指标体系中，较大的α系数也是不能反映问卷题目是一致的，或说是可信的。此情况下应该分不同维度计算α系数。若某一维度α系数过低，则应修改该维度指标或增加整体样本量。

(二)对各个具体指标值进行标准化处理

采用具体的综合评价策略前，应对根据评估指标体系理论模型所获得的样本数据，即各个具体指标值进行标准化处理，将原始数据转化为标准化数据，以排除不同指标中单位差异的影响。该步骤不仅能简化后续计算，还能降低相关主观判断的难度。

(三)加权汇总，获得综合评价值

通过选用结构方程模型或其他评价策略取得各个具体指标的权重系数后，将经过标准化处理的各个具体指标值加权汇总，即可获得综合评价值。在生育保险评估中，所获得的综合评价值或具体指标值，即评估结果的使用主要有两种方式。第一种评价方式是横向比较。指对若干个评价单位的绩效状况在同一时间进行横向评价（横截面比较评估），从而比较出不同评价单位之间的绩效差异。第二种评价方式是纵向比较。指站在不同的时期，对某一个地区进行纵向评价（时间序列比较评估），即同历史数据相比，通过评估了解其在过去基础上的进步与发展的幅度。同样也包括两种比较策略：一是综合值的历史比较；另一种是某一个具体指标的历史比较。当然，根据生育保险评估中的具体需要，还可以演化出其他比较方式。