江苏省公共服务供给水平评价研究
——基于因子分析法

刘晓慧

（江苏财会职业学院，江苏 连云港 222061）

一、研究背景

公共服务是公共管理学科的核心内容，注重公民所享有的权利与政府所提供的服务。江苏作为全国经济排头兵，人民群众对公共服务供给水平具有较高期待，优化公共服务供给绩效是重要的社会供给。当前，关于公共服务供给水平的研究尚处于描述性分析层面，采用计量分析供给水平的研究并不多见，故对各省份公共服务供给水平进行定量评价的难度较大。

江苏省位于长江三角洲核心区域，区域发展不平衡成为制约经济持续健康发展的突出问题。而定量建模分析方法能够客观评价省市公共服务供给水平的差异。因子分析法作为一种多变量统计分析方法，基于变量间的内在依附性，可将复杂的变量归纳为若干主要因素，各主要因素均能反映相互依存的经济指标间的作用方向与效度。识别这些主要因素，有助于深刻分析复杂的经济问题，并做出合理解释与客观评价。有鉴于此，本文运用因子分析法，把握2020年江苏省公共服务供给水平的主要影响因素，继而评价13个城市的公共服务供给质量。本文以江苏省下辖13个城市为研究对象，数据来源于《2019年江苏统计年鉴》，选取10个指标建立指标体系（表1）。

表1 江苏省公共服务水平指标体系

二、因子分析法下公共服务供给水平的评价模型和评价

（一）模型

因子分析法通过降维和简化数据，研究各变量之间的依附关系，以探究原始数据的基本结构，并用因子来表示基本数据结构。因子作为一种不可观测的潜在变量，能反映诸多原始数据的主要信息。因子分析的一般模型是：

在此基础上实行标准化处理，以消除量纲的影响，标准化后的数值见表2。

表2 江苏省13个城市评价指标标准化后的数值

（二）评价

1.先进行Bartlett球形检验和KMO测度。运用SPS计算KMO检验值和Bartlett球形检验值，结果如表3。由表3可知，KMO检验值为0.836，大于0.8，且通过显著性检验，故符合因子分析法的适用要求。同时，Bartlett球形检验的观察值为207.718，Sig=0.000，说明相关系数在P=0.001水平下显著，Bartlett球形检验显著，样本数据适合作因子分析。

表3 KMO和Bartlett的检验

2.计算相关矩阵R的特征值、贡献率和累积贡献率。特征值的大小表示反映相应组件描述的信息量多少，各主成分的特征值见表4。按照累积贡献率大于80—85%，且只有第一特征值大于1的原则，该样本的累积贡献率达85.988%，第一主成分的特征值为8.599。这说明，只有第一主成分能够降低维数，解释绝大部分的信息。故这里只提取第一主成分。此外，可以判断从碎石图（图1）中提取第一主成分是合适的，该图显示了每个成分的特征值。

图1 碎石图

表4 解释的总方差 （单位：%）

3.因子得分与综合排名。运用SPSS22.0软件进行回归分析，通过成分得分系数和原始变量的标准化值计算主成分得分，成分得分系数矩阵见表5。该因子的得分函数式为:

表5 成分得分系数矩阵

将13个城市相应原始数据的标准化值代入上式，可得出各城市公共服务的因子得分，即综合评价总得分值。最后，得出综合排名。公共服务因子得分与排名见表6。从综合评价结果来看，江苏省不同城市的公共服务供给水平参差不齐，供给水平的影响因素也存在差异。因此，政府应采取措施消除区域不平衡的因素，优化资源配置，改善公共服务质量，创新公共服务供给机制。

表6 公共服务因子得分与排名

三、政策建议

（一）推动区域经济高质量发展

从上述研究可以发现，公共服务供给水平与教育、科技、环保、社会保障、就业等领域的财政支出紧密相关。各级部门应推动地区经济高质量发展，合理增加财政收入，以雄厚的物质基础来优化公共服务的效能、水平和质量。同时，规范财政转移支付制度，为促进财政收支平衡，以减轻省内落后城市的财政压力，保证能够提供高质量的服务，要规范财政转移支付制度，要收支并重、量力而行。因此，政府应优化公共资源分配，有意识地将优质资源向苏北地区倾斜，使得省内公共服务供给水平更加均等化。

（二）确保政务运行公开透明

公开透明是政务运行的内在要求，是改善公共服务供给水平的必然选择。通过在政府平台及时公开公共设施项目的招标情况、材料采购以及建设进度等，有助于公众更好地将公共服务供给水平反馈给地方政府。与此同时，政务平台也是群众行使监督权利的重要途径。公共服务信息的公开透明，实现了政府与群众之间的信息互换。这种互动方式让双方都能更好地发现问题并及去解决问题，从而运用集体智慧来提升公共服务供给水平。

运用因子分析法建立数量模型，评价江苏省公共服务供给水平，可在一定程度上反映各地区公共服务供给水平的现状与区域间差异。但由于指标体系设计的主观性，只能提取一个主成分，不能旋转因子负荷矩阵，因此，本文还存在不足之处，需要今后的研究进行补充。