對(duì)2018年前三季度我國各地區(qū)社會(huì)服務(wù)水平評(píng)價(jià)

(東北大學(xué)秦皇島分校 河北 秦皇島 066000)

一、緒論

(一)研究背景

近年來，隨著我國經(jīng)濟(jì)的持續(xù)增長，國家對(duì)改善民生越來越重視，因此我國的社會(huì)服務(wù)水平得到很大的提高。然而隨著社會(huì)服務(wù)需求的日益增長，我國的社會(huì)服務(wù)已經(jīng)不能適應(yīng)人們?nèi)找嬖鲩L社會(huì)服務(wù)需求。我國社會(huì)服務(wù)發(fā)展的“短板”愈來愈明顯。因此，建立有效的社會(huì)服務(wù)指標(biāo)體系，對(duì)我國各地區(qū)社會(huì)服務(wù)情況進(jìn)行分析，找出社會(huì)服務(wù)建設(shè)較弱的地區(qū)進(jìn)行有針對(duì)性地完善提高已經(jīng)成為迫切需要。

(二)數(shù)據(jù)來源和指標(biāo)確定

本文數(shù)據(jù)源自于中國民政部官網(wǎng)的2018年度各地區(qū)社會(huì)服務(wù)情況統(tǒng)計(jì)表。根據(jù)我國國家基本公共服務(wù)體系中涉及的社會(huì)服務(wù)內(nèi)容確定指標(biāo)體系，通過查詢數(shù)據(jù)剔除一些數(shù)據(jù)缺省的指標(biāo)，根據(jù)國務(wù)院2017年公布的《“十三五”推進(jìn)基本公共服務(wù)均等化規(guī)劃》[1]對(duì)基本社會(huì)服務(wù)的定義，選取了具有代表性的9項(xiàng)指標(biāo)：民政事業(yè)費(fèi)累計(jì)支出(萬元)、社會(huì)服務(wù)機(jī)構(gòu)數(shù)(個(gè))、孤兒數(shù)(人)、城市低保人數(shù)(人)、農(nóng)村低保人數(shù)(人)、臨時(shí)救助人次數(shù)(人)、結(jié)婚登記(對(duì))、離婚登記(對(duì))、火化遺體數(shù)(個(gè))。

二、聚類分析

(一)聚類分析模型

類平均法是一種使用比較廣泛、聚類效果比較好的系統(tǒng)聚類方法。本文使用SAS軟件調(diào)用CLUSTER過程來對(duì)各地區(qū)進(jìn)行聚類分析。

通過反映社會(huì)服務(wù)水平的各項(xiàng)指標(biāo)對(duì)不同地區(qū)進(jìn)行聚類，使用類平均法聚類得到樹狀圖及聚類歷史圖如圖2.1所示。

圖2.1 類平均聚類法的譜系聚類圖

樹狀圖2.1展現(xiàn)了聚類分析中每一次合并的情況，橫軸代表個(gè)案樣本間的距離，縱軸代表的31個(gè)樣本，即31個(gè)省市。

從聚類歷史中我們可以確定31個(gè)樣本分為幾類比較合適。首先指定類數(shù)NCL6，然后綜合R2統(tǒng)計(jì)量、半偏R2統(tǒng)計(jì)量、偽F統(tǒng)計(jì)量、偽t2統(tǒng)計(jì)量分析，最終確定分為兩類或四類比較合適。

分為兩類的結(jié)果：

分為四類的結(jié)果：

(二)聚類結(jié)果分析

不同的聚類方法得到的結(jié)果或多或少都有些差別，在實(shí)際應(yīng)用中應(yīng)綜合各種計(jì)算結(jié)果，所以我們可以計(jì)算出各類地區(qū)社會(huì)服務(wù)平均水平(見表2。1)。由表2。1可見第一類地區(qū)民政事業(yè)費(fèi)支出、社會(huì)服務(wù)機(jī)構(gòu)數(shù)等社會(huì)服務(wù)水平正向指標(biāo)均較高，說明這些地區(qū)服務(wù)水平較高，第二類的地區(qū)社會(huì)服務(wù)水平其次，但是孤兒數(shù)和低保人數(shù)較多，說明雖然社會(huì)服務(wù)支出高但是社會(huì)弱勢(shì)群體數(shù)也較多，第三類社會(huì)服務(wù)水平居中，第四類地區(qū)社會(huì)服務(wù)水平在全國看來還較低，要提升這些省市的社會(huì)服務(wù)，要從多方面入手。

表2.1 各地區(qū)的分類及社會(huì)服務(wù)平均水平

三、主成分分析

設(shè)法將原來變量重新組合成一組新的互相無關(guān)的幾個(gè)綜合變量，同時(shí)根據(jù)實(shí)際需要從中可以取出幾個(gè)較少的綜合變量盡可能多地反映原來變量的信息的統(tǒng)計(jì)方法叫做主成分分析或稱主分量分析，也是數(shù)學(xué)上用來降維的一種方法[3]，

把31個(gè)地區(qū)作為樣本，將民政事業(yè)費(fèi)累計(jì)支出(Xl)，社會(huì)服務(wù)機(jī)構(gòu)數(shù)(X2)， 孤兒數(shù)(X3)，城市低保人數(shù)(X4)，農(nóng)村低保人數(shù)(X5)，臨時(shí)救助人次數(shù)(X6)，結(jié)婚登記數(shù)(X7)，離婚登記數(shù)(X8)，火化遺體數(shù)(X9)作為變量。為消除量綱影響,在SAS代碼中對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化。

本問題中，p=9，n=31，調(diào)用SAS軟件PRINCOMP過程從相關(guān)陣出發(fā)進(jìn)行主成分分析，把九項(xiàng)指標(biāo)綜合成幾個(gè)互不相關(guān)的綜合變量。

(一)主成分分析結(jié)果

SAS輸出的相關(guān)陣和特征向量如圖3.1、圖3.2所示。

圖3.1 相關(guān)陣特征值

圖3.2 相關(guān)陣特征值對(duì)應(yīng)的特征向量

由最大的兩個(gè)特征值對(duì)應(yīng)的特征向量可以寫出第一和第二主成分：

利用特征向量各分量的值可以對(duì)各個(gè)主成分進(jìn)行解釋。

第一大特征值對(duì)應(yīng)的第一個(gè)特征向量的各分量都是正值，且相差不大，說明這九項(xiàng)指標(biāo)對(duì)第一主成分的貢獻(xiàn)相差不大，即第一主成分代表各項(xiàng)指標(biāo)的綜合情況，所以本文把第一主成分定義為社會(huì)服務(wù)的綜合水平。

第二個(gè)主成分中X4、X5、X6系數(shù)都是正值，而且值很大，它們分別對(duì)應(yīng)城市低保人數(shù)、農(nóng)村低保人數(shù)及臨時(shí)救助人次數(shù)，而X1、X2、X9系數(shù)均為負(fù)，而且絕對(duì)值較大，分別對(duì)應(yīng)民政事業(yè)費(fèi)累計(jì)支出、社會(huì)服務(wù)機(jī)構(gòu)數(shù)及火化遺體數(shù)，綜合起來說明第二主成分是在這樣的情況下：生活保障人數(shù)較多，民政事業(yè)費(fèi)累計(jì)支出和社會(huì)服務(wù)機(jī)構(gòu)個(gè)數(shù)較少，所以本文把第二主成分定義為地區(qū)政府的補(bǔ)助和救助。

圖3.3 第二主成分對(duì)第一主成分的散布圖

(二)第二主成分對(duì)第一主成分散布圖

輸出第二主成分對(duì)第一主成分的散布圖如圖3.3所示。

從圖中可以直觀地看出：按社會(huì)服務(wù)綜合水平，這31個(gè)地區(qū)應(yīng)該分為兩組(以第一主成分得分值2。5為分界點(diǎn))。按地區(qū)政府的補(bǔ)助和救助可將這些地區(qū)分為3組(以第二主成分得分值-2和1為分界點(diǎn))。另外，由圖還可以得知：橫坐標(biāo)第一主成分代表著社會(huì)服務(wù)綜合水平，其值越靠右代表社會(huì)服務(wù)綜合水平越高；縱坐標(biāo)第二主成分反映的是地區(qū)政府的社會(huì)補(bǔ)助和救助，其值越靠上代表著地區(qū)政府社會(huì)補(bǔ)助和救助越到位?？v觀全圖，發(fā)現(xiàn)四川的社會(huì)服務(wù)綜合水平最高，新疆的政府補(bǔ)助和救助做的最好，但是其社會(huì)服務(wù)綜合水平偏低。

(三)按主成分得分排序

對(duì)各地區(qū)社會(huì)服務(wù)水平分別根據(jù)第一主成分得分和第二主成分得分排序綜合成一個(gè)表如表3.1所示。

由表可知，按第一主成分得分和第二主成分得分排序結(jié)果差異明顯。我國社會(huì)服務(wù)做得最好的地區(qū)是四川省，河南省、湖南省、云南省社會(huì)服務(wù)也很到位；江蘇省、廣東省、山東省、浙江省社會(huì)服務(wù)的綜合水平較高，但是政府救助和補(bǔ)助投入過少；北京、上海、天津、福建省、西藏自治區(qū)、青海省、寧夏省的社會(huì)服務(wù)綜合水平較低，政府救助和補(bǔ)助也較少；河北省、湖北省、安徽省、江西省、陜西省、新疆維吾爾族自治區(qū)的綜合水平和政府救助投入都還不錯(cuò)；內(nèi)蒙古自治區(qū)、吉林省、重慶市、廣西壯族自治區(qū)的社會(huì)服務(wù)綜合水平和政府救助和補(bǔ)助投入都處于居中狀態(tài)；江蘇的政府救助 和補(bǔ)助狀況最弱，西藏的社會(huì)服務(wù)綜合水平最差。

表3.1 各地區(qū)按第一、第二主成分得分排序

四、時(shí)間序列預(yù)測(cè)模型

為了預(yù)測(cè)未來四個(gè)季度內(nèi)的全國民政事業(yè)費(fèi)累計(jì)支出，本文從民政部官網(wǎng)上搜集并整理了到了從2014年第三季度至2018年第三季度關(guān)于全國民政事業(yè)費(fèi)的累計(jì)支出[4]見表4.1所示，利用SAS時(shí)間序列預(yù)測(cè)模型去預(yù)測(cè)未來四季度數(shù)據(jù)。

表4.1 全國民政事業(yè)費(fèi)累計(jì)支出序列表

(一)數(shù)據(jù)預(yù)處理

圖4.1 時(shí)序圖

使用SAS繪制時(shí)序圖和自相關(guān)圖如圖4.1所示。觀察時(shí)序圖發(fā)現(xiàn)從2014年三季度至2018年三季度的數(shù)據(jù)周期性特別強(qiáng)，而且整體具有長期遞增的趨勢(shì)，得出該序列明顯是非平穩(wěn)序列。

綜上所述，我們可以采用非平穩(wěn)序列的確定性分析方法[5]去預(yù)測(cè)，這種方法認(rèn)為任何一種時(shí)間序列都可以用長期趨勢(shì)、循環(huán)波動(dòng)、季節(jié)性變化、隨機(jī)波動(dòng)這四個(gè)因素的某個(gè)函數(shù)進(jìn)行擬合。由時(shí)序圖可知民政事業(yè)費(fèi)累計(jì)支出序列既有長期趨勢(shì)，又有周期效應(yīng)，即可確定本次預(yù)測(cè)應(yīng)該選用Holt-Winters三參數(shù)指數(shù)平滑模型。

(二)Holt-Winters三參指數(shù)平滑預(yù)測(cè)模型

使用SAS軟件利用 Holt-Winters三參指數(shù)平滑預(yù)測(cè)加法模型[5]對(duì)民政事業(yè)費(fèi)累計(jì)支出序列進(jìn)行擬合預(yù)測(cè)，得到擬合值與預(yù)測(cè)值，繪制擬合和預(yù)測(cè)效果圖如圖4.2所示。紅線為擬合預(yù)測(cè)值，黑線為已知序列值，綠線為預(yù)測(cè)值95%的置信區(qū)間。但由于觀察值較少，所以擬合效果并不是很精確。在觀察值個(gè)數(shù)較多時(shí)該方法更具優(yōu)勢(shì)。

對(duì)未來四季度的民政事業(yè)費(fèi)累計(jì)支出預(yù)測(cè)值如表4.2所示。結(jié)果顯示，全國民政事業(yè)費(fèi)累計(jì)支出在未來四個(gè)季度的值會(huì)比之前每一年對(duì)應(yīng)季度的值都要高，這說明在未來我國財(cái)政在民政事業(yè)上的支出會(huì)越來越多。

表4.2 未來四季度預(yù)測(cè)值

五、結(jié)論

本文從聚類分析和主成分分析兩個(gè)角度對(duì)各地區(qū)的社會(huì)服務(wù)水平做了較全面的分析,并對(duì)未來民政事業(yè)費(fèi)的支出進(jìn)行了預(yù)測(cè)。最終得出這樣的結(jié)論：我國大部分地區(qū)社會(huì)服務(wù)水平處于中等，四川省、河南省、湖南省社會(huì)服務(wù)做得相對(duì)最好，北京、上海、西藏、海南、天津等地區(qū)社會(huì)服務(wù)水平較低，需要從多方面需要改善。而且以后國家財(cái)政在民政事業(yè)上的支出會(huì)越來越多。

總之我國大部分省市在社會(huì)服務(wù)水平上都存在或多或少需要提高的地方，要基于各地區(qū)的實(shí)際情況從多方面入手來提高社會(huì)服務(wù)水平。