(重慶交通大學(xué)經(jīng)濟(jì)與管理學(xué)院 重慶 400074)

基于因子分析的地區(qū)財(cái)政支出水平評(píng)價(jià)

曾鈺耀

(重慶交通大學(xué)經(jīng)濟(jì)與管理學(xué)院重慶400074)

本文根據(jù)2015年全國(guó)31個(gè)省、市、自治區(qū)的財(cái)政支出數(shù)據(jù)，提出一種逐步回歸和因子分析相結(jié)合的方法并對(duì)我國(guó)地區(qū)財(cái)政支出水平進(jìn)行進(jìn)行評(píng)價(jià)，采用聚類將我國(guó)地區(qū)財(cái)政水平分為三類。分析結(jié)果結(jié)果證實(shí)了該方法的有效性和實(shí)用性。

財(cái)政支出；逐步回歸；因子分析

一、引 言

財(cái)政支出，通常指國(guó)家為實(shí)現(xiàn)其各種職能。地區(qū)的財(cái)政支出結(jié)構(gòu)是反映地區(qū)政府職能履行狀況的重要標(biāo)志。本文構(gòu)建地區(qū)財(cái)政支出指標(biāo)體系，采用逐步回歸和因子分析相結(jié)合的方法，借助SPSS對(duì)實(shí)例數(shù)據(jù)分析得到財(cái)政支出指標(biāo)的簡(jiǎn)化，通過(guò)因子打分和聚類進(jìn)一步對(duì)各地區(qū)的財(cái)政水平進(jìn)行評(píng)價(jià)和分類。

二、評(píng)價(jià)指標(biāo)與研究方法

(一)財(cái)政支出指標(biāo)體系

本文基于《中國(guó)統(tǒng)計(jì)年鑒》，結(jié)合已有文獻(xiàn)，本文選取了衡量全國(guó)31個(gè)省、市、自治區(qū)財(cái)政支出的20個(gè)指標(biāo)，分別為：Y一般公共預(yù)算、X1一般公共服務(wù)、X2國(guó)防、X3公共安全、X4教育、X5科學(xué)技術(shù)、X6文化體育與傳媒、X7社會(huì)保障和就業(yè)、X8醫(yī)療衛(wèi)生與計(jì)劃生育、X9節(jié)能環(huán)保、X10城鄉(xiāng)社區(qū)、X11農(nóng)林水、X12交通運(yùn)輸、X13資源勘探信息、X14商業(yè)服務(wù)業(yè)、X15金融、X16國(guó)土海洋氣象、X17住房保障、X18糧油物資儲(chǔ)備、X19債務(wù)付息。

(二)研究方法

因子分析是將多個(gè)指標(biāo)變量轉(zhuǎn)換為少數(shù)幾個(gè)不相關(guān)的因子變量的統(tǒng)計(jì)方法。其數(shù)學(xué)模型的矩陣表示為：X=AF+aε。其中X為原指標(biāo)變量，F(xiàn)為因子變量，A為因子載荷矩陣，a為因子載荷，ε為特殊因子。本文采用逐步回歸和因子分析相結(jié)合的方法，其步驟如下：確定因變量指標(biāo)和自變量指標(biāo)；逐步回歸篩選因子分析指標(biāo)；對(duì)因子分析指標(biāo)進(jìn)行方差分析；構(gòu)造因子變量；使得因子變量具有命名解釋性；計(jì)算因子得分。

三、我國(guó)2015年各地區(qū)財(cái)政支出水平分析

本例采自2015年全國(guó)31個(gè)省、市、自治區(qū)(不包括港、澳、臺(tái)地區(qū))的財(cái)政支出數(shù)據(jù)。針對(duì)財(cái)政支出指標(biāo)體系中各個(gè)指標(biāo)的進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析。將數(shù)據(jù)錄入SPSS中以Y指標(biāo)為因變量、其他指標(biāo)為自變量進(jìn)行逐步線性回歸，篩選出對(duì)因變量具有顯著影響的指標(biāo)。

表1 逐步線性回歸結(jié)果

由表1可知，本例的SPSS逐步回歸建立了12個(gè)模型，從擬合優(yōu)度上來(lái)看模型12效果最佳。即通過(guò)逐步線性回歸并經(jīng)過(guò)顯著性檢驗(yàn)得到對(duì)Y有顯著影響的指標(biāo)有X4、X7、X13、X17、X10、X12、X6、X11這8個(gè)指標(biāo)，建立多元線性回歸模型：

Y=29.66+1.97X4+1.33X7+2.07X13+1.09X17+1.11X10+1.64X12+3.87X6+0.66X11+ε

(1)

將模型中8個(gè)財(cái)政支出指標(biāo)進(jìn)行濃縮提取因子并計(jì)算各地區(qū)因子得分。

表2 旋轉(zhuǎn)后的因子載荷矩陣

由表2可知，本例中的8個(gè)指標(biāo)可以濃縮為2個(gè)因子。第1因子主要解釋了教育、文化體育與傳媒、社會(huì)保障和就業(yè)、農(nóng)林水、交通運(yùn)輸這5個(gè)指標(biāo)，權(quán)重為43.27%；第2因子主要解釋了資源勘探信息、城鄉(xiāng)社區(qū)、住房保障這3個(gè)指標(biāo)，權(quán)重為38.16%。

采用回歸法估計(jì)因子得分系數(shù)，建立因子得分函數(shù)：

F1=0.139X4+0.003X6+0.237X7-0.19X10-0.247X11+0.361X12+0.145X13+0.432X17

(2)

F2=0.112X4+0.24X6-0.029X7+0.418X10+0.478X11-0.167X12+0.051X13-0.271X17

(3)

(4)

其中:F1為第1因子得分，F(xiàn)2為第2因子得分，F(xiàn)為總得分。得到各地區(qū)得分統(tǒng)計(jì)。

最后，將各地區(qū)2個(gè)因子得分作聚類分析，將我國(guó)各地區(qū)的財(cái)政支出水平從高到低分為3類。第1類：江蘇、浙江、山東、廣東，平均得分1.23；第2類：北京、天津、吉林、上海、福建、海南、重慶、西藏、青海、寧夏，平均得分0.56；第3類：河北、山西、內(nèi)蒙古、遼寧、黑龍江、安徽、江西、河南、湖北、湖南、廣西、四川、貴州、云南、陜西、甘肅、新疆，平均得分0.04。由排名情況可以看出，江蘇、浙江、山東、廣東排在第1類，這些沿海省份承受的財(cái)政風(fēng)險(xiǎn)能力強(qiáng)。第2類主要是直轄市和西北部的省份，這些省份承受的財(cái)政風(fēng)險(xiǎn)能力較強(qiáng)。第3類的其他省份財(cái)政能力一般，承受的財(cái)政風(fēng)險(xiǎn)能力較弱。

四、小結(jié)

本文根據(jù)2015年中國(guó)各地區(qū)一般預(yù)算支出數(shù)據(jù)，運(yùn)用回歸、因子分析等方法，旨在探討與分析各地區(qū)財(cái)政支出的結(jié)構(gòu)，對(duì)各地區(qū)財(cái)政支出水平作出系統(tǒng)性的評(píng)價(jià)，并作出分類。結(jié)果表明，對(duì)各個(gè)地區(qū)的財(cái)政支出水平進(jìn)行綜合評(píng)價(jià)是非常有必要的，地區(qū)政府應(yīng)完善財(cái)政管理制度、重視對(duì)財(cái)政支出結(jié)構(gòu)的調(diào)整并及時(shí)改進(jìn)地區(qū)財(cái)政支出方案。

[1]王秀紅.多元統(tǒng)計(jì)分析在分區(qū)研究中的應(yīng)用[J].地理科學(xué), 2003(01): 66-71.

[2]劉芊等.基于SPSS軟件的因子分析法及實(shí)證分析[J].科技信息(學(xué)術(shù)研究), 2008(36): 102-105.

[3]徐建中等.基于因子分析的城市化發(fā)展水平評(píng)價(jià)[J].哈爾濱工程大學(xué)學(xué)報(bào), 2006(02): 314-318.

[4]國(guó)家統(tǒng)計(jì)局.中國(guó)統(tǒng)計(jì)年鑒[J].北京:中國(guó)統(tǒng)計(jì)出版社, 2016.

[5]廖為鯤等.基于因子分析法的城市經(jīng)濟(jì)發(fā)展評(píng)價(jià)[J].統(tǒng)計(jì)與決策, 2005(24): 52-54.

曾鈺耀(1995-)，男，漢族，四川人，碩士研究生，重慶交通大學(xué)管理科學(xué)與工程專業(yè)，研究方向：項(xiàng)目管理。