華 炎，張敏新

（南京林業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，南京 210037）

財(cái)政支出反映了政府向各方支付財(cái)政資金以實(shí)現(xiàn)其各種職能的活動(dòng)。各省市政府根據(jù)自身地理環(huán)境以及資源優(yōu)勢(shì)的特點(diǎn)，在財(cái)政支出的分配上各有側(cè)重。谷金鐘[1]等（2016）結(jié)合羅斯托的經(jīng)濟(jì)增長階段理論，指出我國各省市之間的財(cái)政支出結(jié)構(gòu)還存在一些差異，總體呈現(xiàn)出趨同化現(xiàn)象。不同的學(xué)者通過結(jié)合計(jì)量經(jīng)濟(jì)學(xué)模型推算出各類財(cái)政支出的關(guān)系。張穎[2]（2012）經(jīng)過實(shí)證研究，各省市的財(cái)政支出結(jié)構(gòu)雖然不同，但對(duì)于經(jīng)濟(jì)增長的影響存在著某些共性?？镄∑絒3]等(2013)利用聚類分析法研究2010年的財(cái)政支出數(shù)據(jù)，將我國地方財(cái)政支出結(jié)構(gòu)劃分為三種不同的類型。彭霜霜[4](2015)以2012年我國31個(gè)省份的財(cái)政支出數(shù)據(jù)為基礎(chǔ)進(jìn)行建模分析，對(duì)我國各地財(cái)政支出現(xiàn)狀給出科學(xué)的解釋和說明。通過實(shí)證分析，得出我國各地區(qū)財(cái)政支出仍然相當(dāng)不平衡，要實(shí)行財(cái)政轉(zhuǎn)移以縮小各地財(cái)力差異。

目前，因子分析方法被廣泛用于各個(gè)領(lǐng)域的發(fā)展。因子分析總結(jié)和重組原始變量，并將其轉(zhuǎn)化為若干綜合研究指標(biāo)。本文通過對(duì)2016年31個(gè)省份的財(cái)政支出數(shù)據(jù)進(jìn)行整理，運(yùn)用因子分析法進(jìn)行實(shí)證研究，分析各類因子對(duì)財(cái)政支出的影響。

1 各地方財(cái)政支出結(jié)構(gòu)的實(shí)證分析

1.1 變量的選擇與數(shù)據(jù)處理

2007年我國實(shí)施財(cái)政收入分類改革后，將財(cái)政支出分為一般公共服務(wù)、外交、國防、公共安全、教育、科學(xué)技術(shù)等17個(gè)不同類別，考慮外交、金融監(jiān)管等支出所占比較少或者在一些省份并沒有發(fā)生，故本文在分析中選取13個(gè)類別進(jìn)行實(shí)證分析。

本文選取2016年各省市的各項(xiàng)財(cái)政支出作為數(shù)據(jù)樣本，數(shù)據(jù)來源:國家統(tǒng)計(jì)局。文中設(shè)X1，X2，…，X13分別代表政府在一般公共服務(wù)、國防、科學(xué)技術(shù)、公共安全、環(huán)境保護(hù)、文化教育與傳媒、交通運(yùn)輸、社會(huì)保障和就業(yè)、教育、醫(yī)療衛(wèi)生、農(nóng)林水事務(wù)、城鄉(xiāng)社區(qū)事務(wù)以及其他的財(cái)政支出。

1.2 實(shí)證分析及結(jié)果

為了檢驗(yàn)所選取的原始數(shù)據(jù)是否有效，本文利用SPSS軟件對(duì)所選取31個(gè)省市財(cái)政支出數(shù)據(jù)進(jìn)行KMO檢驗(yàn)和Bartlett檢驗(yàn)。當(dāng)KMO檢驗(yàn)值越接近于1，說明原始數(shù)據(jù)越適合作因子分析。

表1 KMO測(cè)度和Bartlett檢驗(yàn)

從表1可以看出，KMO檢驗(yàn)統(tǒng)計(jì)量的值為0.841，表明原有變量很適合作因子分析;Bartlett檢驗(yàn)的觀測(cè)值是426.847，對(duì)應(yīng)的P值為0小于顯著性水平0.05，表明原有變量之間存在一定的關(guān)聯(lián)性。

因子的貢獻(xiàn)率和特征值的大小決定了因子分析是否能夠順利進(jìn)行。本次因子分析選取特征值大于1的主成分，分析得出主要有3個(gè)因子，公共因子的重要程度主要根據(jù)取值的大小依次從大到小排列。如表2所示，前三個(gè)公因子的特征根分別為9.016、1.263、1.031，特征值均大于1；三個(gè)因子累計(jì)方差貢獻(xiàn)率總計(jì)86.998%，表明前三個(gè)因子能夠充分反映各省市的財(cái)政支出特征。

為了進(jìn)一步了解三個(gè)因子所表示的意義，本文通過SPSS軟件對(duì)原始數(shù)據(jù)進(jìn)行因子載荷矩陣分析。

表3顯示，農(nóng)林水事務(wù)、一般公共服務(wù)、醫(yī)療衛(wèi)生、保障就業(yè)、教育和國防在公因子1中的載荷比較大，可以較好的反應(yīng)這幾方面的變動(dòng)情況，故命名公因子1為日常性消費(fèi)因子；科學(xué)技術(shù)、社區(qū)事務(wù)、公共安全、交通運(yùn)輸、文化體育與傳媒和環(huán)境保護(hù)公因子2中的載荷比較大，這些變量大多為政府為促進(jìn)經(jīng)濟(jì)發(fā)展所提供的服務(wù)消費(fèi)，因此命名公因子2為發(fā)展性消費(fèi)因子；最后，其他支出在公因子3中的載荷比較大，故命名公因子3為其他性消費(fèi)因子。從表中可以看出，所選取的3個(gè)公因子能夠全方面以及合理的反映各省市的財(cái)政支出狀況。

表2 解釋的總方差

表3 旋轉(zhuǎn)成份矩陣

通過SPSS軟件運(yùn)用回歸估計(jì)法計(jì)算出各省市在“日常性消費(fèi)因子”、“發(fā)展性消費(fèi)因子”、“其他性消費(fèi)因子”上的得分。各省市財(cái)政支出得分結(jié)果排序如表5所示。

從表5可以得知，各個(gè)地區(qū)的發(fā)展不太平衡，各有側(cè)重。四川、山東、河南、江蘇、河北這5個(gè)地區(qū)在第1個(gè)公因子中排名靠前，表明這5個(gè)地區(qū)的大部分消費(fèi)主要集中在在日常生活消費(fèi)上。而上海、西藏、青海、寧夏、天津這5個(gè)省市的排名靠后，說明它們?cè)谌粘ＯM(fèi)方面的支出較小，因此政府需要加強(qiáng)對(duì)公眾的日常需求的關(guān)注。

其次，第2個(gè)公共因子的排序中，我們可以看出廣東、上海、江蘇、北京、浙江排序較前。排名靠前的地區(qū)多處于經(jīng)濟(jì)發(fā)達(dá)中心以及沿海地區(qū)，對(duì)比于其他省份來看，基礎(chǔ)設(shè)施建設(shè)相對(duì)完善，地區(qū)經(jīng)濟(jì)較為發(fā)達(dá)。而貴州、河北、黑龍江、四川排名靠后，地理位置的劣勢(shì)導(dǎo)致經(jīng)濟(jì)發(fā)展相對(duì)緩慢，因此政府應(yīng)該加強(qiáng)對(duì)這些地區(qū)的經(jīng)濟(jì)發(fā)展力度。

再看第3個(gè)公共因子，北京、四川、福建、天津的排名靠前，青海、陜西、廣東省的排名相對(duì)較好，這可能是受國土海洋氣象等的變化狀況影響不同，財(cái)政支出分配差距較大。

綜合這3個(gè)因子分析可知，寧夏的總體排名處于最后，政府對(duì)于公眾的需求以及經(jīng)濟(jì)發(fā)展等各方面支出都相對(duì)較少，這就需要政府全方面加強(qiáng)對(duì)于寧夏的的財(cái)政轉(zhuǎn)移。

表4 成份得分系數(shù)矩陣

3 結(jié)論

財(cái)政支出體現(xiàn)了政府對(duì)社會(huì)資源的分配與利用，反映了政府財(cái)政支出的走向。本文借助SPSS軟件對(duì)各省市的財(cái)政支出進(jìn)行全面分析，通過以上分析可以得出，各省市出于對(duì)自身發(fā)展的特點(diǎn)、地理環(huán)境以及資源條件等各方面因素考慮，財(cái)政支出各不相同，但都有各自的不合理現(xiàn)象。為了均衡各省市的消費(fèi)需求，促使各地更好的分配社會(huì)資源，針對(duì)各地區(qū)的財(cái)政支出結(jié)構(gòu)的優(yōu)化改進(jìn)有以下三點(diǎn)建議:①政府需加強(qiáng)地區(qū)公共服務(wù)建設(shè)，提高各地區(qū)的就業(yè)率，在保證公共服務(wù)的基礎(chǔ)上大力發(fā)展基礎(chǔ)設(shè)施建設(shè)；②加快科學(xué)技術(shù)的研究投入，建立科技文化創(chuàng)新體系；③各地區(qū)根據(jù)自身發(fā)展特點(diǎn)以及地理資源優(yōu)勢(shì)，取長補(bǔ)短，均衡發(fā)展經(jīng)濟(jì)。

表5 各省市財(cái)政支出得分結(jié)果