我國省域公共預算收入主成分分析及其政策啟示

周琳 湖北安琪生物集團有限公司

以稅收收入為主要構(gòu)成的公共預算收入是反映我國各級政府公共治理績效的核心指標，是我國各級政府提供公共服務和公共產(chǎn)品的資金來源，在國家公共治理體系中處于主導地位[1]。

近年來，受國際國內(nèi)經(jīng)濟環(huán)境的影響，各級地方政府的公共預算收入增速減緩。同時，受經(jīng)濟發(fā)展戰(zhàn)略轉(zhuǎn)型和減稅降費政策的影響，各級地方政府需要科學地評估和測算公共預算收入，提高稅源培育的有效性和預算收入征收的科學性。

當前，我國經(jīng)濟社會發(fā)展面臨巨大的下行壓力，如何充分發(fā)揮公共預算收入政策的積極作用，做好“六?！惫ぷ骱汀傲€(wěn)”工作，具有十分重要的戰(zhàn)略意義。因此，文章根據(jù)現(xiàn)有公共預算收入的統(tǒng)計口徑，引入主成分分析方法綜合測量我國省域公共預算收入，為提高我國省域公共預算收入培育的有效性和預算收入的科學性提供政策依據(jù)[2]。

一、公共預算收入的統(tǒng)計測量指標體系簡要說明

公共預算收入是一個多維度的綜合性概念。全面、準確、科學地統(tǒng)計測量公共預算收入必須根據(jù)現(xiàn)有統(tǒng)計口徑建立可操作的綜合性測量指標體系。本研究根據(jù)我國統(tǒng)計年鑒的現(xiàn)有統(tǒng)計口徑，結(jié)合數(shù)據(jù)可得性狀況，選取了國內(nèi)增值稅、企業(yè)所得稅、個人所得稅、資源稅、城市維護建設稅、房產(chǎn)稅、印花稅、城鎮(zhèn)土地使用稅、土地增值稅、車船稅、耕地占用稅、契稅、環(huán)境保護稅、其他稅收收入、專項收入、行政事業(yè)性收費收入、罰沒收入及國有資源（資產(chǎn)）使用收入這18個統(tǒng)計測量指標[3]。

二、主成分分析方法功能介紹和樣本數(shù)據(jù)選擇說明

（一）主成分分析方法功能介紹

主成分分析方法是從多個具有相關(guān)性的指標中提取綜合性指標，消除原有指標間的相關(guān)性的一種多元統(tǒng)計分析方法。該方法的基本原理是按照指標間的相關(guān)性程度高低對指標分組，將相關(guān)性程度較高的指標分在同一組，不同組間指標的相關(guān)性程度較低，生成少數(shù)幾個互不相關(guān)的綜合性指標反映原始指標的絕大部分信息，去除原始指標的重復信息，簡化分析問題的模型結(jié)構(gòu)。

本研究選取的統(tǒng)計測量分析指標的數(shù)量眾多，部分統(tǒng)計測量分析指標之間的相關(guān)性程度可能較高，可能存在較多的重復、冗余信息，直接采用現(xiàn)有統(tǒng)計口徑的原始指標測量我國省域公共預算收入的模型較為復雜，多個指標間的相關(guān)性較強，可能導致測量結(jié)果存在較大的誤差，由于多線共振問題而引起極大的誤差。為了全面、系統(tǒng)、科學地測量我國省域公共預算收入，本研究引入主成分分析方法對公共預算收入的統(tǒng)計分析進行指標萃取和降維處理，濃縮公共預算收入的統(tǒng)計分析指標，簡化公共預算收入的測量模型[4]。

（二）樣本數(shù)據(jù)選擇說明

本研究選取2020年度全國31個?。ㄗ灾螀^(qū)、直轄市）觀測樣本數(shù)據(jù)，主要基于以下兩個層面的綜合考慮。

一是省級行政區(qū)的功能定位決定了省域公共預算收入測量研究具有很高的實踐價值。省級行政區(qū)是國家公共治理網(wǎng)絡體系的核心支點和關(guān)鍵節(jié)點，公共預算收入是反映國家公共治理績效的關(guān)鍵指標，綜合衡量我國省級行政區(qū)的公共預算收入狀況有利于更好地評價省域公共治理績效。

二是樣本數(shù)據(jù)的權(quán)威性、時效性和可得性決定了公共預算收入測量研究具有的可操作性。國家統(tǒng)計局發(fā)布的《中國統(tǒng)計年鑒2021》是測量我國省級行政區(qū)公共預算收入的最新權(quán)威樣本。目前，《中國統(tǒng)計年鑒2021》在國家統(tǒng)計局官網(wǎng)上已公開發(fā)布，統(tǒng)計指標非常齊全，統(tǒng)計數(shù)據(jù)比較完整，數(shù)據(jù)調(diào)用十分便捷?？紤]到現(xiàn)實可操作性，本研究選取了《中國統(tǒng)計年鑒2021》作為樣本數(shù)據(jù)來源，剔除了煙草稅和其他收入兩個數(shù)據(jù)殘缺的條目[5]。

三、我國省域公共預算收入的主成分分析過程及結(jié)果

（一）主成分分析過程

主成分分析過程應用多元統(tǒng)計分析軟件SPSS 26.0輔助完成。具體分析過程包括兩大重要分析步驟。

第一步，按照公共預算收入統(tǒng)計測量指標體系，在SPSS 26.0的變量窗口和數(shù)據(jù)窗口錄入2020年度全國31個?。ㄗ灾螀^(qū)、直轄市）的公共預算收入原始數(shù)據(jù)，并對原始數(shù)據(jù)進行標準化處理，消除統(tǒng)計指標測量的差異。

第二步，應用SPSS 26.0分析菜單中的降維功能模塊，選取因子分析菜單對原始數(shù)據(jù)提取主成分，并依據(jù)主成分因子的方差貢獻率構(gòu)建公共預算收入的綜合測量模型，得出我國省級行政區(qū)的公共預算收入測量結(jié)果[6]。

（二）主成分分析結(jié)果

1.是否適用主成分分析方法判別結(jié)果

判別是否適用主成分分析方法主要通過KMO值和Bartlett球形檢驗的近似卡方值判斷。其中，KMO值主要用來檢驗指標間是否存在較大的偏相關(guān)性。一般而言，KMO值的統(tǒng)計量越接近于1，則表明指標間偏相關(guān)性越強，采用主成分分析方法降維分析原始指標的效果越好；KMO值大于0.7時，采用主成分分析方法降維分析原始指標的效果通常會比較好[7]。Bartlett球形檢驗的近似卡方值主要用來判斷相關(guān)矩陣是否為單位陣。一般而言，Bartlett球形檢驗的近似卡方值越大，且對應的顯著性水平的統(tǒng)計值概率P-小于給定的顯著性水平，則表明適合采用主成分分析方法降維處理原始指標[8]。運行SPSS 26.0因子分析功能結(jié)果發(fā)現(xiàn)，KMO檢驗值為0.808，符合檢驗值大于0.7的檢驗要求，這表明我國省域公共預算收入的統(tǒng)計測量原始指標間存在較強的偏相關(guān)性，很適合采用主成分分析方法降維處理原始指標，降維處理的效果會非常好。Bartlett球形檢驗的近似卡方值為949.9，對應的概率P-為0，這說明我國省域公共預算收入原始指標的相關(guān)矩陣是單位陣，很適合采用主成分分析方法降維處理原始指標。

2.主成分的方差貢獻率

主成分的方差貢獻率是衡量主成分對原始變量解釋度的關(guān)鍵指標，分析過程一般重點考察各個主成分的方差貢獻率及主成分方差的累計貢獻率。一般而言，主成分的方差貢獻率越大，則說明該主成分的重要性越高，對原始變量的解釋度越高。方差的累計貢獻率達到85%，則表明主成分反映了原始變量的絕大部分信息，主成分分析效果理想[9]。

運行SPSS 26.0因子分析功能結(jié)果發(fā)現(xiàn)，旋轉(zhuǎn)后提取的主成分f1、f2、f3的方差貢獻率分別為50.133%、28.476%和7.161%。這說明主成分f1對公共預算收入原始指標的解釋度最高，主成分f2對公共預算收入原始指標的解釋度次之，主成分f3對公共預算收入原始指標的解釋度最低。旋轉(zhuǎn)后提取的主成分方差累計貢獻率達到85.769%，符合大于85%的判斷標準。這說明采用主成分分析方法提取的f1、f2、f3這3個主成分反映了原始指標的絕大部分信息，對公共預算收入原始指標的降維處理效果非常理想[10]。

3.旋轉(zhuǎn)后主成分對原始指標的解釋度

旋轉(zhuǎn)后主成分對原始指標的解釋度主要考察了旋轉(zhuǎn)后主成分載荷的得分系數(shù)這一關(guān)鍵指標。旋轉(zhuǎn)后的主成分載荷得分系數(shù)反映的是旋轉(zhuǎn)后提取的主成分與原始指標間的相關(guān)關(guān)系[11]。

從理論上說，旋轉(zhuǎn)后主成分載荷的系數(shù)絕對值越接近1，則表明該旋轉(zhuǎn)后提取的主成分與原始指標間的相關(guān)性程度越高，對原始指標信息的解釋度就越高。運行SPSS 26.0因子分析功能結(jié)果發(fā)現(xiàn)，主成分f1在國內(nèi)增值稅、企業(yè)所得稅、個人所得稅、城市建設維護稅、房產(chǎn)稅、印花稅、土地增值稅、契稅、其他稅收收入、專項收入及國有資源（資產(chǎn)）使用收入這11個原始指標上的載荷較大，主要綜合反映了這11個原始指標的數(shù)據(jù)信息，可以解釋為社會生產(chǎn)型因子；主成分f2在城鎮(zhèn)土地使用稅、車船稅、耕地占用稅、行政事業(yè)性收費收入及罰沒收入這5個指標上的載荷較大，主要綜合反映了這5個原始指標的數(shù)據(jù)信息，可以解釋為公共服務型因子；主成分f3在資源稅和環(huán)境保護稅這兩個原始指標上的載荷較大，主要綜合反映了這兩個原始指標的數(shù)據(jù)信息，可以解釋為資源保護型因子。

4.我國省級行政區(qū)公共預算收入綜合測量模型和測量結(jié)果

我國省域公共預算收入綜合測量模型選取我國省域公共預算收入綜合測量得分f作為因變量，主成分因子得分f1、f2、f3作為自變量，采用主成分f1、f2、f3的方差貢獻率作為權(quán)數(shù)，可以得到我國省級行政區(qū)公共預算收入的綜合測量模型為f=0.50133f1+0.28476f2+0.07161f3（f表示公共預算收入綜合測量得分）。依據(jù)這一測量模型運行SPSS 26.0的計算功能模塊，可以計算出2020年度全國31個省級行政區(qū)公共預算收入的綜合測量值。

四、簡要結(jié)論及政策啟示

（一）簡要結(jié)論

我國省域公共預算收入綜合衡量的主成分方差貢獻率相差較大，其中，社會生產(chǎn)型因子f1解釋原始指標的方差貢獻率高達50.133%，公共服務型因子f2解釋原始指標的方差貢獻率為28.476%，資源保護型因子f3的方差貢獻率僅為7.161%。這表明社會生產(chǎn)型收入在全國31個省級行政區(qū)公共預算收入來源中的貢獻最大，公共服務型收入在全國31個省級行政區(qū)公共預算收入來源中的貢獻次之，資源保護型收入在全國31個省級行政區(qū)公共預算收入來源中的貢獻最小。

我國省域公共預算收入綜合測量結(jié)果及其主成分取值在省域間呈現(xiàn)差序格局的分布特征，公共預算收入的綜合測量結(jié)果、社會生產(chǎn)型收入因子、公共服務型因子和資源保護型因子的數(shù)值在省域間的分布呈現(xiàn)明顯的差異性。具體而言，全國31個省級行政區(qū)中，山東、福建、浙江、江蘇、北京、上海及廣東這7個省級行政區(qū)的社會生產(chǎn)型收入因子取值為正值，其余24個省級行政區(qū)的社會生產(chǎn)型收入因子取值為負值；云南、江西、安徽、遼寧、湖南、內(nèi)蒙古、廣東、浙江、四川、江蘇、河北、河南及山東這13個省級行政區(qū)的公共服務型收入因子取值為正值，其余18個省級行政區(qū)的公共服務型收入因子取值為負值；內(nèi)蒙古、河南、四川、河北、北京、上海、山東、浙江、江蘇及廣東這10個省級行政區(qū)的資源保護型因子取值為正值，其余21個省級行政區(qū)的資源保護型因子取值為負值；內(nèi)蒙古、河南、四川、河北、北京、上海、山東、浙江、江蘇及廣東這10個省級行政區(qū)的公共預算收入綜合測量結(jié)果取值為正值，其余21個省級行政區(qū)的公共預算收入綜合測量結(jié)果取值為負值。

（二）政策啟示

從我國省級行政區(qū)公共預算收入測量的主成分來看，我國省域公共預算收入的主要來源是社會生產(chǎn)型收入，公共服務型收入和資源保護型收入也占據(jù)著非常重要的地位。在全球經(jīng)濟低迷和國內(nèi)經(jīng)濟增速放緩的背景下，我國省域公共預算收入增長的壓力很大，各個省域應根據(jù)國際經(jīng)濟走勢和國內(nèi)發(fā)展戰(zhàn)略，切實抓好社會生產(chǎn)工作，同時可以提高公共服務質(zhì)量和公共服務稅率，加大資源保護力度，提高資源保護稅率，確保公共預算收入穩(wěn)步增長。

從我國省級行政區(qū)公共預算收入測量結(jié)果的取值特征來看，我國省域公共預算收入的差序格局分布特征比較明顯，多數(shù)省域的測量結(jié)果處于平均水平以下，這說明我國省域公共預算收入在省域間的分布存在結(jié)構(gòu)性失衡問題。

目前，我國正處于經(jīng)濟社會結(jié)構(gòu)轉(zhuǎn)型升級的關(guān)鍵時期，公共預算收入是反映公共治理績效的“晴雨表”，經(jīng)濟社會發(fā)展落后的大部分區(qū)域應學習和借鑒發(fā)達區(qū)域的治理經(jīng)驗，提高公共治理績效，促進公共預算收入持續(xù)增長。