我国各省财政支出结构分析

2019-09-12苗游春

时代金融 2019年24期

● 苗游春

一、引言

财政支出是各省政府分配的重要组成部分，有助于政府制定并实施财政政策，以此来调控宏观经济运行。本文通过分析对我国31个省自治区直辖市的财政支出结构，得出各省在财政支出结构中存在的不均衡情况，结合各省经济情况给出合理性建议。

二、数据来源及变量选取

数据来源于《2018年中国统计年鉴》，选取了各省自治区直辖市的14项支出数据：教育支出（X1）、公共安全支出（X2）、科学技术支出（X3）、文化体育与传媒支出（X4）、社会保障和就业支出（X5）、医疗卫生支出（X6）、环境保护支出（X7）、城乡社区事务支出（X8）、农林水事务支出（X9）、交通运输支出（X10）、住房保障支出（X11）、一般预算支出（X12）、一般公共服务支出（X13）和国防支出（X14）。

三、实证分析

因子分析的主要目的是降维，即把多个原始变量用少数几个代表性较强的因子替代，前提是原始变量之间需要具有一定的相关性，其分析步骤如下：一是KMO和Bartlett球形检验；二是通过原始变量的相关系数矩阵计算特征值以及特征向量，选择出特征值大于1的公因子保留下来，或累计贡献度至少达到85%的因子；三是通过正交或者斜交对提取出的公因子进行旋转，使旋转后的公因子的实际意义更加容易理解；四是计算得分并排名，结合实际对各省的财政开支进行分析。

表1 KMO和Bartlett球形检验

由表1可知，KMO观测值为0.745，同时Bartlett球形检验结果显示P＜α（α=0.05），拒绝原假设，说明原始变量可以进行因子分析。

表2 特征值与方差贡献率

表2为提取出因子的特征值、方差贡献率以及累积方差贡献率，第一个公因子贡献度为78.113%，说明原始变量78.113%的信息能够被该因子解释，提取的三个公因子，累积方差贡献率约为90%，说明原始变量信息丢失较少。

表3 因子载荷矩阵

表3是因子载荷矩阵，提取出的三个因子在原始变量上的载荷均较为分散，即无法给出其明确的实际意义，通过对因子进行正交旋转，可使因子载荷取值两极分化，使得因子含义更容易理解。

表4 公因子的命名

四、结果分析

根据因子分析对各省自治区直辖市的财政支出分析可得其因子得分，并对其进行排序，综合得分公式为：

表5 因子得分排名及总排名

由表5可知，在F1上排前三的为重庆市、辽宁省和山西省，其中重庆在该因子上得分为4.60459，显著高于其他省，排后三的分别是新疆维吾尔自治区、浙江省和上海市，在F2上排前三的是西藏自治区、贵州省和江西省，排后三的为宁夏回族自治区、湖北省和江苏省，在F3上排前三的是上海市、湖南省和四川省，排名三的是安徽省、吉林省和山西省。

通过因子得分情况对各省的财政支出综合排名，排名前五的为重庆市、西藏自治区、四川省、贵州省和江西省，结合各个因子上的得分可知，重庆市在基础民生支出上排名第一，说明其在基础民生支出上较高，这主要是由于重庆地处西南，地理位置偏远，对于交通和住房上投入较多，而由于其地理原因，导致其社会保障投入较为落后。西藏自治区的财政支出集中于社会保障支出上，明显高于其余各地区，其主要原因在于“十一五”之后西藏自治区在基础民生上水平明显提高，在此基础上更加重视高级服务项目，在2017年的财政支出中更加注重民生的社会保障投入。全球最大的消费类电子产品代工厂商富士康进驻四川，四川政府在引导企业向高新技术发展，使得在科学技术支出所占比例较大。贵州省和江西省两个省份均在社会保障方面投入较多，其中贵州省应加强基础民生支出，比如投入更多支出在交通运输方面，能在一定程度上弥补地理位置对其发展的阻碍，而江西省应多重视高级服务支出，进而提高其经济发展水平。