西部地区贫困县政府公共服务能力影响因素的回归分析——基于滇黔桂三省的调查数据

龙立军

（贵州民族大学 社会学与公共管理学院，贵州 贵阳 550025）

进入新时代，党的十九大明确指出，目前我国社会的主要矛盾已转变为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾，这就为加强政府公共服务能力建设提出了新要求。伴随着国外公共服务理论的影响和国内政府改善民生战略的推动，公共服务能力研究成为目前学界关注和探讨的新领域与新方向[1]。然而，学界在取得相对较为丰富的研究成果的同时，究竟是哪些因素在影响着县级政府公共服务能力？以及哪些因素起着更为重要的作用？这些问题则凸显出来。西部地区县级政府，尤其是贫困县政府的公共服务能力建设直接关系到民族地区脱贫攻坚的战略实施，以及全面决胜小康社会建设的大局，但是，现有政府公共服务能力的研究成果多呈现出事实认定和政策建议，而以实证数据为支撑的量化关系探讨成果却不多见，尤其是，以能力结构模型及影响因素测量并进行相关数据采集作为基础进行研究则更为少见。因此，对于西部地区贫困县政府公共服务进行测量及其相关影响因素进行回归分析和考察，既具有理论价值，又具有现实意义。本研究以实证研究的方式，从公众感知的角度，对以滇黔桂为代表的西部地区贫困县政府公共服务能力构成进行理论模型建构，并对相关影响因素进行因子分析和相关假设，以回归分析的手段来进行公共服务能力与影响因素的关系进行检验，以期比较准确地、有针对性地把握哪些因素扮演着更为重要的影作用，其影响程度究竟有多大，从而为西部地区贫困县政府公共服务能力建设的政策建议贡献力量。

此次分析的数据来源于2019年1月组织的问卷调查，这次调查以配额抽样和简单随机抽样相结合的办法，这些对象分布于滇黔桂三省的九个贫困县，分别是贵州黄平县、贵州从江县、贵州赫章县、云南永平县、云南宁蒗县、云南盐津县、广西三江县、广西富川县、广西东兰县。这项调查在以上滇黔桂三省每个贫困县发放问卷100份，然后采取简单随机抽样调查的办法选取调查对象，此次调查共发放问卷900份，最后回收有效问卷为899份。所获数据资料，使用社会科学统计分析软件spss23.0进行分析。

一、研究设计与研究假设

学者张开云等人认为，地方政府公共服务能力主要受四个方面的因素影响，即经济因素（如地方经济发展实力、财政制度安排、政府规模成本）、社会因素、政治因素（政府理念与政治观念、相关法律法规、职能范围、公共管理者素质）、信息与技术因素（信息不对称、沟通模式、表达渠道）[2]。本研究借鉴了陈捷教授关于中国民众政治支持研究中所提出的政治支持相关关系分析框架[3]和李晓园教授提出的四个维度（行政环境、人力资源、政府回应、行政文化）影响因素关系模型[4]，提出有五个大的方面要素在影响着西部民族地区政府公共服务能力，即行政生态要素、公务员素质要素、政府回应要素、系统互动要素、基本公共服务均等化要素，进而，构建起西部民族地区贫困县政府公共服务能力影响因素关系模型（如图1所示）。

图1 西部民族地区贫困县政府公共服务能力影响因素与公共服务能力关系模型

根据研究的需要，提出如下系列假设：

假设1：西部民族地区贫困县政府公共服务能力受行政生态因素影响

假设2：西部民族地区贫困县政府公共服务能力受公务员素质因素影响

假设3：西部民族地区贫困县政府公共服务能力受政府回应因素影响

假设4：西部民族地区贫困县政府公共服务能力受系统互动因素影响

假设5：西部民族地区贫困县政府公共服务能力受公共服务均等化因素影响

二、量表建构与信效度检验

（一）政府公共服务能力量表

为了符合民族地区实际情况，对西部民族地区贫困县政府公共服务能力的调查指标设计主要围绕着财政税收、转移支付、民族干部使用情况、外部支持、公共资源配置的优先性、公共资源配置的公平性、公共资源配置的效率性、公共资源配置的可靠性、危机信息沟通、危机沟通机制、危机应急处理、危机善后处理、公共政策执行效率、公共政策执行机制、民族语言倡导、民族文化弘扬、民族宗教尊重和贫困治理等方面来进行。具体而言，通过采用李科特七级量表，进行正向记分，代表的分值是从1分到7分，这样，就形成了一个西部民族地区贫困县公共服务能力的量表。

经过提取公因子和降维处理以及删除不必要的题项后，得到新的五个因子的公共服务能力量表（见表1-3）。量表的KMO和巴特利特球形度检验值为0.925，适合因子分析。五个因子能解释政府公共服务能力量表78.81%的方差变异量。量表的“Cronbach’sα”系数为0.929，量表具有较好的一致性，收敛效度AVE值为0.788，AVE>0.5，收敛效度成立，同时，AVE开根号值大于相关系数值，区别效度也成立。

经统计，公共服务能力量表以及各维度的能力见表1-1所示。从表中可见，西部民族地区贫困县政府公共服务能力处于中下水平。

表1 公共服务能力量表的统计分析

（二）影响因素各量表

1.行政生态要素量表

行政生态要素包含了政治环境、经济环境、社会环境、技术信息环境等层面题项，为验证这些题项的解释力和降维，本研究运用spss23.0软件，对这些方面的十个题项进行了主成分分析法，并提取公因子。经统计，该量表的KMO巴特利特球形度检验值为0.888，适合进行因子分析。

通过最大方差法，旋转之后的成分矩阵看，提取的两个因子要素其总方差解释能力为63.057%，在可接受的范围之内。通过删除不必要的题项后，将得到的成分1重新命名为新的社会环境因子，将成分2重新命名为新的政治环境因子。这时，新量表的总方差解释能力为67.254%。

将社会环境因子和政治环境因子合并取平均数后，得到行政生态因子，经统计，行政生态因子的得分为4.83，略高于中位数4.81。

2.公务员素质要素量表

公务员素质量表既包括了公务员办事能力的题项，也有公务员礼貌素质的题项，还有公务员培训交流以提升素质的题项。通过因子分析，该量表的KMO巴特利特球形度检验值在0.666，根据学界其他研究者的观点，该值还是勉强可以进行因子分析[5]。经统计，通过主成分分析法，该量表提取了一个成分的因子，其总方差解释能力在70.74%，符合研究的需要。

经统计，公务员素质因子的得分为4.83，低于中位数5，这说明西部民族地区贫困县受访民众对公务员素质因子的打分处于中等偏下一点的水平。

3.政府回应要素量表

政府回应量表既包括了政府责任机制的题项，也有政府回应机制的题项，也有政府回应行为的题项，还有公民参与的题项。通过因子分析，该量表的KMO巴特利特球形度检验值在0.889，该值是适合进行因子分析的。经统计，通过主成分分析法，该量表提取了一个成分的因子，其总方差解释能力在65.79%，其值是可以接受的。经统计，政府回应因子的得分为4.93，低于中位数5，这说明西部民族地区贫困县受访民众对政府回应因子的打分处于中等偏下一点的水平。

4.系统互动要素量表

系统互动要素量表既包括了干群关系的题项，也有政府信任的题项，也有利益表达的题项，还有依法行政的题项。通过因子分析，该量表的KMO巴特利特球形度检验值在0.81，该值是适合进行因子分析的。经统计，通过主成分分析法，该量表提取了一个成分的因子，其总方差解释能力在68.08%，其值是可以接受的。

经统计，系统互动因子的得分为4.95，低于中位数5，这说明西部民族地区贫困县受访民众对系统互动因子的打分处于中等偏下一点的水平。

5.基本公共服务均等化要素量表

系统互动要素量表既包括了对公共服务的信心的题项，也有对公共服务均等化评价的题项。通过因子分析，该量表的KMO巴特利特球形度检验值在0.5，该值是不适合进行因子分析的。因而，作为量表是不恰当的。这说明此量表的开发是不成功和不合理的。

（三）各影响因素量表的信效度检验

1.信度检验

信度检验主要用于反映和检验量表的稳定性和一致性程度。目前，学界大多数在用Cronbach’sα来检测量表的信度。经统计，行政生态要素、公务员素质要素、政府回应要素、系统互动要素等量表的信度系数如下（见表 2）。

表2 影响因素量表信度分析结果

可见，各量表的信度系数均在0.7以上，均是可以接受的，各量表的题项间存在较好的一致性和稳定性关系。

2.效度检验

（1）行政生态量表的效度检验

在此，对行政生态量表的效度检验将从收敛效度和区别效度两个角度去验证。经统计，其KMO和巴特利特检验值是0.810适合进行因子分析。经主成分分析法和最大方差法，旋转之后得到的成分矩阵，经计算其AVE（平均方差萃取量）如表3所示。可见，AVE均是大于0.5的，收敛效度成立。

通过计算相关性系数，并与AVE开根号值相比较，可知，AVE开根号值要大于相关系数值，区别效度成立（见表 3）。

表3 行政生态量表收敛效度与区别效度统计表

（2）公务员素质量表的效度检验

在此，对公务员素质量表的效度检验将从收敛效度和区别效度两个角度去验证。经统计，其KMO和巴特利特检验值是0.666勉强能进行因子分析。经主成分分析法和最大方差法，旋转之后得到的成分矩阵，经计算其AVE（平均方差萃取量）如表1-4所示。其中，AVE的各值均大于0.5，说明收敛效度成立。

通过计算相关性系数，并与AVE开根号值相比较，可知，AVE开根号值要大于相关系数值，区别效度成立（见表 4）。

表4 公务员素质量表收敛效度与区别效度统计表

（3）政府回应要素量表的效度检验

在此，对政府回应量表的效度检验将从收敛效度和区别效度两个角度去验证。经统计，其KMO和巴特利特检验值是0.889适合进行因子分析。经主成分分析法和最大方差法，旋转之后得到的成分矩阵，经计算其AVE（平均方差萃取量）如表1-5所示。其中，AVE的各值均大于0.5，说明收敛效度成立。

通过计算相关性系数，并与AVE开根号值相比较，可知，AVE开根号值要大于相关系数值，区别效度成立（见表 5）。

表5 政府回应量表收敛效度与区别效度统计表

（4）系统互动要素的效度检验

在此，对系统互动量表的效度检验将从收敛效度和区别效度两个角度去验证。经统计，其KMO和巴特利特检验值是0.810适合进行因子分析。经主成分分析法和最大方差法，旋转之后得到的成分矩阵，经计算其AVE（平均方差萃取量）如表6所示。其中，AVE的各值均大于0.5，说明收敛效度成立。

通过计算相关性系数，并与AVE开根号值相比较，可知，AVE开根号值要大于相关系数值，区别效度成立（见表 6）。

三、多元回归分析

为了检验前面的五个假设是否成立，也为了弄清各影响因素对公共服务能力的独立影响和相对强度，以及验证因果关系，本研究专门对各影响因素做多元回归分析。经统计，得到表7的结果如下：

表7 政府公共服务能力的多元回归统计表

由以上回归表7，本研究可以得出这样一些结论。

一是五个影响因子中，VIF的值除了政府回应因子的值大于5之外，其他均小于5，虽然根据多数研究者的建议，VIF值设定在5，如果大于则有共线性问题，但是根据国外学者Hair的观点，可以放宽到10，同时，因VIF没有成对出现大于5的值，所以，政府回应因子虽有共线性风险，但仍予以保留。

二是德宾-沃森的值为1.623，在值2左右，说明这些影响因子不存在自我相关的问题。

三是ANOVA报表来看，其P值为0.000，表明其有显著性，这说明至少有一个因素对公共服务能力的影响是成立的。

四是从显著性上看，公务员素质因子和均等化因子均大于0.05，所以，这两个因子对公共服务能力的影响不显著。而行政生态因子、政府回应因子和系统互动因子的显著性均为0.000，这说明这三个因子对政府公共服务能力有显著性影响。由此可见，前面假设的五种关系中，假设1（政府公共服务能力受行政生态要素影响）、假设3（政府公共服务能力受政府回应要素影响）、假设4（政府公共服务能力受系统互动要素影响）均成立，而假设2（政府公共服务能力受公务员素质要素影响）和假设5（政府公共服务能力受基本公共服务均等化要素影响）不成立。与此相对照，李晓园教授通过对江苏、江西和陕西三省的实证数据证明政府人力资源因素是政府公共服务能力最重要的影响因素[5]，但是，在西部民族地区贫困县的实证数据则不支持公务员素质因素对政府公共服务能力有显著性影响。

五是从R2为0.552来看，这些因素对西部民族地区贫困县的政府公共服务能力的解释力在55.2%，其值大于0.19，小于0.67，这说明这些影响因素具有中度影响能力。

六是从标准化系数来看，在有影响力的因素中，行政生态因子的影响最大，其次是政府回应因子的影响，最后才是系统互动因子的影响。

通过剔除掉没有影响力的因子后，再次回归分析得到表8的结果（见表8）。通过对三个因子建构的回归模型的比较，行政生态因子的解释力是47.7%，而行政生态因子和政府回应因子的解释力则上升到54%，当系统互动因子引入变成行政生态因子、政府回应因子和系统互动因子三个影响因素时其解释力则上升为54.4%。

表8 三个回归模型比较

四、结论与讨论

综上所述，本文以滇黔桂为代表的西部地区九个贫困县调查数据为基础，从公众感知视角出发探讨其政府公共服务能力构成，并检验其主要受到哪些因素的影响，其影响力究竟有多大。与以往以客观统计数据和系统分析方法－解释结构模型法（ISM）进行探讨不同，本研究以一手调研数据为基础进行量化分析，本文的基本假设是，西部民族地区贫困县政府公共服务能力受到一组因素的影响，主要来自行政生态要素、公务员素质要素、政府回应要素、系统互动要素、公共服务均等化要素等五个方面。但是，研究结果表明，西部地区贫困县政府公共服务能力处于中等偏下的水平，行政生态要素、政府回应要素和系统互动要素对贫困县政府公共服务能力的影响成立，其中行政生态要素的影响力最大，而系统互动要素的影响力最小，这三者对贫困县政府公共服务能力的影响力在55．2%，属于中度影响力水平。最后，需要说明一点，政府公共服务能力难以直接量化测量，各公共服务亚能力契合西部地区中以民族地区为特点的专门性指标较少，未能很好体现民族地区公共服务能力及影响因素的特殊性，同时，从公众感知的视角，对某些维度的公共服务亚能力是能体现的，如公共政策执行能力、公共危机管理能力、民族需求服务能力是能较好地反映出来，但是对于像公共服务投入能力、公共资源配置能力的揭示则较为乏力，显然没有客观统计数据有说服力和相对准确，因而，希望在进一步的研究中克服这些研究的不足和缺陷。