周琳 湖北安琪生物集團(tuán)有限公司

以稅收收入為主要構(gòu)成的公共預(yù)算收入是反映我國各級政府公共治理績效的核心指標(biāo)，是我國各級政府提供公共服務(wù)和公共產(chǎn)品的資金來源，在國家公共治理體系中處于主導(dǎo)地位[1]。

近年來，受國際國內(nèi)經(jīng)濟(jì)環(huán)境的影響，各級地方政府的公共預(yù)算收入增速減緩。同時(shí)，受經(jīng)濟(jì)發(fā)展戰(zhàn)略轉(zhuǎn)型和減稅降費(fèi)政策的影響，各級地方政府需要科學(xué)地評估和測算公共預(yù)算收入，提高稅源培育的有效性和預(yù)算收入征收的科學(xué)性。

當(dāng)前，我國經(jīng)濟(jì)社會發(fā)展面臨巨大的下行壓力，如何充分發(fā)揮公共預(yù)算收入政策的積極作用，做好“六?！惫ぷ骱汀傲€(wěn)”工作，具有十分重要的戰(zhàn)略意義。因此，文章根據(jù)現(xiàn)有公共預(yù)算收入的統(tǒng)計(jì)口徑，引入主成分分析方法綜合測量我國省域公共預(yù)算收入，為提高我國省域公共預(yù)算收入培育的有效性和預(yù)算收入的科學(xué)性提供政策依據(jù)[2]。

一、公共預(yù)算收入的統(tǒng)計(jì)測量指標(biāo)體系簡要說明

公共預(yù)算收入是一個(gè)多維度的綜合性概念。全面、準(zhǔn)確、科學(xué)地統(tǒng)計(jì)測量公共預(yù)算收入必須根據(jù)現(xiàn)有統(tǒng)計(jì)口徑建立可操作的綜合性測量指標(biāo)體系。本研究根據(jù)我國統(tǒng)計(jì)年鑒的現(xiàn)有統(tǒng)計(jì)口徑，結(jié)合數(shù)據(jù)可得性狀況，選取了國內(nèi)增值稅、企業(yè)所得稅、個(gè)人所得稅、資源稅、城市維護(hù)建設(shè)稅、房產(chǎn)稅、印花稅、城鎮(zhèn)土地使用稅、土地增值稅、車船稅、耕地占用稅、契稅、環(huán)境保護(hù)稅、其他稅收收入、專項(xiàng)收入、行政事業(yè)性收費(fèi)收入、罰沒收入及國有資源（資產(chǎn)）使用收入這18個(gè)統(tǒng)計(jì)測量指標(biāo)[3]。

二、主成分分析方法功能介紹和樣本數(shù)據(jù)選擇說明

（一）主成分分析方法功能介紹

主成分分析方法是從多個(gè)具有相關(guān)性的指標(biāo)中提取綜合性指標(biāo)，消除原有指標(biāo)間的相關(guān)性的一種多元統(tǒng)計(jì)分析方法。該方法的基本原理是按照指標(biāo)間的相關(guān)性程度高低對指標(biāo)分組，將相關(guān)性程度較高的指標(biāo)分在同一組，不同組間指標(biāo)的相關(guān)性程度較低，生成少數(shù)幾個(gè)互不相關(guān)的綜合性指標(biāo)反映原始指標(biāo)的絕大部分信息，去除原始指標(biāo)的重復(fù)信息，簡化分析問題的模型結(jié)構(gòu)。

本研究選取的統(tǒng)計(jì)測量分析指標(biāo)的數(shù)量眾多，部分統(tǒng)計(jì)測量分析指標(biāo)之間的相關(guān)性程度可能較高，可能存在較多的重復(fù)、冗余信息，直接采用現(xiàn)有統(tǒng)計(jì)口徑的原始指標(biāo)測量我國省域公共預(yù)算收入的模型較為復(fù)雜，多個(gè)指標(biāo)間的相關(guān)性較強(qiáng)，可能導(dǎo)致測量結(jié)果存在較大的誤差，由于多線共振問題而引起極大的誤差。為了全面、系統(tǒng)、科學(xué)地測量我國省域公共預(yù)算收入，本研究引入主成分分析方法對公共預(yù)算收入的統(tǒng)計(jì)分析進(jìn)行指標(biāo)萃取和降維處理，濃縮公共預(yù)算收入的統(tǒng)計(jì)分析指標(biāo)，簡化公共預(yù)算收入的測量模型[4]。

（二）樣本數(shù)據(jù)選擇說明

本研究選取2020年度全國31個(gè)?。ㄗ灾螀^(qū)、直轄市）觀測樣本數(shù)據(jù)，主要基于以下兩個(gè)層面的綜合考慮。

一是省級行政區(qū)的功能定位決定了省域公共預(yù)算收入測量研究具有很高的實(shí)踐價(jià)值。省級行政區(qū)是國家公共治理網(wǎng)絡(luò)體系的核心支點(diǎn)和關(guān)鍵節(jié)點(diǎn)，公共預(yù)算收入是反映國家公共治理績效的關(guān)鍵指標(biāo)，綜合衡量我國省級行政區(qū)的公共預(yù)算收入狀況有利于更好地評價(jià)省域公共治理績效。

二是樣本數(shù)據(jù)的權(quán)威性、時(shí)效性和可得性決定了公共預(yù)算收入測量研究具有的可操作性。國家統(tǒng)計(jì)局發(fā)布的《中國統(tǒng)計(jì)年鑒2021》是測量我國省級行政區(qū)公共預(yù)算收入的最新權(quán)威樣本。目前，《中國統(tǒng)計(jì)年鑒2021》在國家統(tǒng)計(jì)局官網(wǎng)上已公開發(fā)布，統(tǒng)計(jì)指標(biāo)非常齊全，統(tǒng)計(jì)數(shù)據(jù)比較完整，數(shù)據(jù)調(diào)用十分便捷?？紤]到現(xiàn)實(shí)可操作性，本研究選取了《中國統(tǒng)計(jì)年鑒2021》作為樣本數(shù)據(jù)來源，剔除了煙草稅和其他收入兩個(gè)數(shù)據(jù)殘缺的條目[5]。

三、我國省域公共預(yù)算收入的主成分分析過程及結(jié)果

（一）主成分分析過程

主成分分析過程應(yīng)用多元統(tǒng)計(jì)分析軟件SPSS 26.0輔助完成。具體分析過程包括兩大重要分析步驟。

第一步，按照公共預(yù)算收入統(tǒng)計(jì)測量指標(biāo)體系，在SPSS 26.0的變量窗口和數(shù)據(jù)窗口錄入2020年度全國31個(gè)?。ㄗ灾螀^(qū)、直轄市）的公共預(yù)算收入原始數(shù)據(jù)，并對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，消除統(tǒng)計(jì)指標(biāo)測量的差異。

第二步，應(yīng)用SPSS 26.0分析菜單中的降維功能模塊，選取因子分析菜單對原始數(shù)據(jù)提取主成分，并依據(jù)主成分因子的方差貢獻(xiàn)率構(gòu)建公共預(yù)算收入的綜合測量模型，得出我國省級行政區(qū)的公共預(yù)算收入測量結(jié)果[6]。

（二）主成分分析結(jié)果

1.是否適用主成分分析方法判別結(jié)果

判別是否適用主成分分析方法主要通過KMO值和Bartlett球形檢驗(yàn)的近似卡方值判斷。其中，KMO值主要用來檢驗(yàn)指標(biāo)間是否存在較大的偏相關(guān)性。一般而言，KMO值的統(tǒng)計(jì)量越接近于1，則表明指標(biāo)間偏相關(guān)性越強(qiáng)，采用主成分分析方法降維分析原始指標(biāo)的效果越好；KMO值大于0.7時(shí)，采用主成分分析方法降維分析原始指標(biāo)的效果通常會比較好[7]。Bartlett球形檢驗(yàn)的近似卡方值主要用來判斷相關(guān)矩陣是否為單位陣。一般而言，Bartlett球形檢驗(yàn)的近似卡方值越大，且對應(yīng)的顯著性水平的統(tǒng)計(jì)值概率P-小于給定的顯著性水平，則表明適合采用主成分分析方法降維處理原始指標(biāo)[8]。運(yùn)行SPSS 26.0因子分析功能結(jié)果發(fā)現(xiàn)，KMO檢驗(yàn)值為0.808，符合檢驗(yàn)值大于0.7的檢驗(yàn)要求，這表明我國省域公共預(yù)算收入的統(tǒng)計(jì)測量原始指標(biāo)間存在較強(qiáng)的偏相關(guān)性，很適合采用主成分分析方法降維處理原始指標(biāo)，降維處理的效果會非常好。Bartlett球形檢驗(yàn)的近似卡方值為949.9，對應(yīng)的概率P-為0，這說明我國省域公共預(yù)算收入原始指標(biāo)的相關(guān)矩陣是單位陣，很適合采用主成分分析方法降維處理原始指標(biāo)。

2.主成分的方差貢獻(xiàn)率

主成分的方差貢獻(xiàn)率是衡量主成分對原始變量解釋度的關(guān)鍵指標(biāo)，分析過程一般重點(diǎn)考察各個(gè)主成分的方差貢獻(xiàn)率及主成分方差的累計(jì)貢獻(xiàn)率。一般而言，主成分的方差貢獻(xiàn)率越大，則說明該主成分的重要性越高，對原始變量的解釋度越高。方差的累計(jì)貢獻(xiàn)率達(dá)到85%，則表明主成分反映了原始變量的絕大部分信息，主成分分析效果理想[9]。

運(yùn)行SPSS 26.0因子分析功能結(jié)果發(fā)現(xiàn)，旋轉(zhuǎn)后提取的主成分f1、f2、f3的方差貢獻(xiàn)率分別為50.133%、28.476%和7.161%。這說明主成分f1對公共預(yù)算收入原始指標(biāo)的解釋度最高，主成分f2對公共預(yù)算收入原始指標(biāo)的解釋度次之，主成分f3對公共預(yù)算收入原始指標(biāo)的解釋度最低。旋轉(zhuǎn)后提取的主成分方差累計(jì)貢獻(xiàn)率達(dá)到85.769%，符合大于85%的判斷標(biāo)準(zhǔn)。這說明采用主成分分析方法提取的f1、f2、f3這3個(gè)主成分反映了原始指標(biāo)的絕大部分信息，對公共預(yù)算收入原始指標(biāo)的降維處理效果非常理想[10]。

3.旋轉(zhuǎn)后主成分對原始指標(biāo)的解釋度

旋轉(zhuǎn)后主成分對原始指標(biāo)的解釋度主要考察了旋轉(zhuǎn)后主成分載荷的得分系數(shù)這一關(guān)鍵指標(biāo)。旋轉(zhuǎn)后的主成分載荷得分系數(shù)反映的是旋轉(zhuǎn)后提取的主成分與原始指標(biāo)間的相關(guān)關(guān)系[11]。

從理論上說，旋轉(zhuǎn)后主成分載荷的系數(shù)絕對值越接近1，則表明該旋轉(zhuǎn)后提取的主成分與原始指標(biāo)間的相關(guān)性程度越高，對原始指標(biāo)信息的解釋度就越高。運(yùn)行SPSS 26.0因子分析功能結(jié)果發(fā)現(xiàn)，主成分f1在國內(nèi)增值稅、企業(yè)所得稅、個(gè)人所得稅、城市建設(shè)維護(hù)稅、房產(chǎn)稅、印花稅、土地增值稅、契稅、其他稅收收入、專項(xiàng)收入及國有資源（資產(chǎn)）使用收入這11個(gè)原始指標(biāo)上的載荷較大，主要綜合反映了這11個(gè)原始指標(biāo)的數(shù)據(jù)信息，可以解釋為社會生產(chǎn)型因子；主成分f2在城鎮(zhèn)土地使用稅、車船稅、耕地占用稅、行政事業(yè)性收費(fèi)收入及罰沒收入這5個(gè)指標(biāo)上的載荷較大，主要綜合反映了這5個(gè)原始指標(biāo)的數(shù)據(jù)信息，可以解釋為公共服務(wù)型因子；主成分f3在資源稅和環(huán)境保護(hù)稅這兩個(gè)原始指標(biāo)上的載荷較大，主要綜合反映了這兩個(gè)原始指標(biāo)的數(shù)據(jù)信息，可以解釋為資源保護(hù)型因子。

4.我國省級行政區(qū)公共預(yù)算收入綜合測量模型和測量結(jié)果

我國省域公共預(yù)算收入綜合測量模型選取我國省域公共預(yù)算收入綜合測量得分f作為因變量，主成分因子得分f1、f2、f3作為自變量，采用主成分f1、f2、f3的方差貢獻(xiàn)率作為權(quán)數(shù)，可以得到我國省級行政區(qū)公共預(yù)算收入的綜合測量模型為f=0.50133f1+0.28476f2+0.07161f3（f表示公共預(yù)算收入綜合測量得分）。依據(jù)這一測量模型運(yùn)行SPSS 26.0的計(jì)算功能模塊，可以計(jì)算出2020年度全國31個(gè)省級行政區(qū)公共預(yù)算收入的綜合測量值。

四、簡要結(jié)論及政策啟示

（一）簡要結(jié)論

我國省域公共預(yù)算收入綜合衡量的主成分方差貢獻(xiàn)率相差較大，其中，社會生產(chǎn)型因子f1解釋原始指標(biāo)的方差貢獻(xiàn)率高達(dá)50.133%，公共服務(wù)型因子f2解釋原始指標(biāo)的方差貢獻(xiàn)率為28.476%，資源保護(hù)型因子f3的方差貢獻(xiàn)率僅為7.161%。這表明社會生產(chǎn)型收入在全國31個(gè)省級行政區(qū)公共預(yù)算收入來源中的貢獻(xiàn)最大，公共服務(wù)型收入在全國31個(gè)省級行政區(qū)公共預(yù)算收入來源中的貢獻(xiàn)次之，資源保護(hù)型收入在全國31個(gè)省級行政區(qū)公共預(yù)算收入來源中的貢獻(xiàn)最小。

我國省域公共預(yù)算收入綜合測量結(jié)果及其主成分取值在省域間呈現(xiàn)差序格局的分布特征，公共預(yù)算收入的綜合測量結(jié)果、社會生產(chǎn)型收入因子、公共服務(wù)型因子和資源保護(hù)型因子的數(shù)值在省域間的分布呈現(xiàn)明顯的差異性。具體而言，全國31個(gè)省級行政區(qū)中，山東、福建、浙江、江蘇、北京、上海及廣東這7個(gè)省級行政區(qū)的社會生產(chǎn)型收入因子取值為正值，其余24個(gè)省級行政區(qū)的社會生產(chǎn)型收入因子取值為負(fù)值；云南、江西、安徽、遼寧、湖南、內(nèi)蒙古、廣東、浙江、四川、江蘇、河北、河南及山東這13個(gè)省級行政區(qū)的公共服務(wù)型收入因子取值為正值，其余18個(gè)省級行政區(qū)的公共服務(wù)型收入因子取值為負(fù)值；內(nèi)蒙古、河南、四川、河北、北京、上海、山東、浙江、江蘇及廣東這10個(gè)省級行政區(qū)的資源保護(hù)型因子取值為正值，其余21個(gè)省級行政區(qū)的資源保護(hù)型因子取值為負(fù)值；內(nèi)蒙古、河南、四川、河北、北京、上海、山東、浙江、江蘇及廣東這10個(gè)省級行政區(qū)的公共預(yù)算收入綜合測量結(jié)果取值為正值，其余21個(gè)省級行政區(qū)的公共預(yù)算收入綜合測量結(jié)果取值為負(fù)值。

（二）政策啟示

從我國省級行政區(qū)公共預(yù)算收入測量的主成分來看，我國省域公共預(yù)算收入的主要來源是社會生產(chǎn)型收入，公共服務(wù)型收入和資源保護(hù)型收入也占據(jù)著非常重要的地位。在全球經(jīng)濟(jì)低迷和國內(nèi)經(jīng)濟(jì)增速放緩的背景下，我國省域公共預(yù)算收入增長的壓力很大，各個(gè)省域應(yīng)根據(jù)國際經(jīng)濟(jì)走勢和國內(nèi)發(fā)展戰(zhàn)略，切實(shí)抓好社會生產(chǎn)工作，同時(shí)可以提高公共服務(wù)質(zhì)量和公共服務(wù)稅率，加大資源保護(hù)力度，提高資源保護(hù)稅率，確保公共預(yù)算收入穩(wěn)步增長。

從我國省級行政區(qū)公共預(yù)算收入測量結(jié)果的取值特征來看，我國省域公共預(yù)算收入的差序格局分布特征比較明顯，多數(shù)省域的測量結(jié)果處于平均水平以下，這說明我國省域公共預(yù)算收入在省域間的分布存在結(jié)構(gòu)性失衡問題。

目前，我國正處于經(jīng)濟(jì)社會結(jié)構(gòu)轉(zhuǎn)型升級的關(guān)鍵時(shí)期，公共預(yù)算收入是反映公共治理績效的“晴雨表”，經(jīng)濟(jì)社會發(fā)展落后的大部分區(qū)域應(yīng)學(xué)習(xí)和借鑒發(fā)達(dá)區(qū)域的治理經(jīng)驗(yàn)，提高公共治理績效，促進(jìn)公共預(yù)算收入持續(xù)增長。