我國各省財政支出結構分析

● 苗游春

一、引言

財政支出是各省政府分配的重要組成部分，有助于政府制定并實施財政政策，以此來調控宏觀經濟運行。本文通過分析對我國31個省自治區直轄市的財政支出結構，得出各省在財政支出結構中存在的不均衡情況，結合各省經濟情況給出合理性建議。

二、數據來源及變量選取

數據來源于《2018年中國統計年鑒》，選取了各省自治區直轄市的14項支出數據：教育支出（X1）、公共安全支出（X2）、科學技術支出（X3）、文化體育與傳媒支出（X4）、社會保障和就業支出（X5）、醫療衛生支出（X6）、環境保護支出（X7）、城鄉社區事務支出（X8）、農林水事務支出（X9）、交通運輸支出（X10）、住房保障支出（X11）、一般預算支出（X12）、一般公共服務支出（X13）和國防支出（X14）。

三、實證分析

因子分析的主要目的是降維，即把多個原始變量用少數幾個代表性較強的因子替代，前提是原始變量之間需要具有一定的相關性，其分析步驟如下：一是KMO和Bartlett球形檢驗；二是通過原始變量的相關系數矩陣計算特征值以及特征向量，選擇出特征值大于1的公因子保留下來，或累計貢獻度至少達到85%的因子；三是通過正交或者斜交對提取出的公因子進行旋轉，使旋轉后的公因子的實際意義更加容易理解；四是計算得分并排名，結合實際對各省的財政開支進行分析。

表1 KMO和Bartlett球形檢驗

由表1可知，KMO觀測值為0.745，同時Bartlett球形檢驗結果顯示P＜α（α=0.05），拒絕原假設，說明原始變量可以進行因子分析。

表2 特征值與方差貢獻率

表2為提取出因子的特征值、方差貢獻率以及累積方差貢獻率，第一個公因子貢獻度為78.113%，說明原始變量78.113%的信息能夠被該因子解釋，提取的三個公因子，累積方差貢獻率約為90%，說明原始變量信息丟失較少。

表3 因子載荷矩陣

表3是因子載荷矩陣，提取出的三個因子在原始變量上的載荷均較為分散，即無法給出其明確的實際意義，通過對因子進行正交旋轉，可使因子載荷取值兩極分化，使得因子含義更容易理解。

表4 公因子的命名

四、結果分析

根據因子分析對各省自治區直轄市的財政支出分析可得其因子得分，并對其進行排序，綜合得分公式為：

表5 因子得分排名及總排名

由表5可知，在F1上排前三的為重慶市、遼寧省和山西省，其中重慶在該因子上得分為4.60459，顯著高于其他省，排后三的分別是新疆維吾爾自治區、浙江省和上海市，在F2上排前三的是西藏自治區、貴州省和江西省，排后三的為寧夏回族自治區、湖北省和江蘇省，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。

通過因子得分情況對各省的財政支出綜合排名，排名前五的為重慶市、西藏自治區、四川省、貴州省和江西省，結合各個因子上的得分可知，重慶市在基礎民生支出上排名第一，說明其在基礎民生支出上較高，這主要是由于重慶地處西南，地理位置偏遠，對于交通和住房上投入較多，而由于其地理原因，導致其社會保障投入較為落后。西藏自治區的財政支出集中于社會保障支出上，明顯高于其余各地區，其主要原因在于“十一五”之后西藏自治區在基礎民生上水平明顯提高，在此基礎上更加重視高級服務項目，在2017年的財政支出中更加注重民生的社會保障投入。全球最大的消費類電子產品代工廠商富士康進駐四川，四川政府在引導企業向高新技術發展，使得在科學技術支出所占比例較大。貴州省和江西省兩個省份均在社會保障方面投入較多，其中貴州省應加強基礎民生支出，比如投入更多支出在交通運輸方面，能在一定程度上彌補地理位置對其發展的阻礙，而江西省應多重視高級服務支出，進而提高其經濟發展水平。

五、結論

第一，財政支出是國家生活中的重要組成部分，必須統一均衡基礎民生支出、社會保障支出和高級服務支出。

第二，國家應加大對于西部和邊遠地區的經濟扶持，根據該地區自身地理特點在提高基礎民生支出的基礎上，再進而縮小高級服務支出與相對富裕地區的差異性，實現共同發展。

第三，國家在注重其發展結構健康的基礎上，也要關注其各省政府財政支出的收益以及是否促進了各地的經濟發展。