山东省区域间基本公共服务均等化研究及政策建议.doc

《山东省区域间基本公共服务均等化研究及政策建议.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、山东省区域间基本公共服务均等化研究及政策建议内容摘要：十七大报告提出“围绕推动基本公共服务均等化和主体功能区建设，完善公共财政体系”的要求，这表明基本公共服务均等化问题已成为当前我国经济社会发展中的一个重要热点问题，也是党关注民生、重视民生、保障民生、改善民生的重大战略举措。为此，应积极促进区域间基本公共服务的均等化。山东省作为我国的经济大省，基本公共服务的均等与否将直接影响山东省十二五规划中主体功能区的建设和发展，因此，文章对山东省17地市为研究对象，从基础设滋、就业、医疗、教育等方面对其进行了差异分析，最后

2、从政府角度、财政体制等方面提出了相应的建议和措施。关键词：基本公共服务均等化因子分析政策问题的提出公共服务均等化是公共管理、公共财政理论和实践的基础和核心，是保证公共服务水平、范围、均等化程度的基本参照系。尽管不同发展阶段的国家其政府提供公共服务的范围和能力存在很大差别，但实现基本公共服务均等化一直是市场经济国家努力的方向，尤其是政府财政掌控能力较强的国家。20世纪90年代中后期开始，我国实践部门和理论部门通常用论述政府间转移支付制度的必要性来间接显示公共服务均等的意义。但区域公共服务分配欠均衡的问题由来已久，

3、不仅制约了经济社会发展的速度和质量，甚至加剧了社会矛盾。公共服务均等化已成为我国经济发展过程中急需解决的一个问题。公共服务均等化是一个相对的概念和要求，一般是指各个地方政府能够按照全国的一般标准和居民的生存需求，提供基本的公共产品和公共服务。本文阐述的基本公共服务均等化的动态性表现为“所有公民，无论在哪个地区，贫困还是富裕，都能够享用政府提供的水平相对大致均等，范围包括基础教育、公共医疗、最低生活保障等在内的基本公共服务”。山东省区域间基本公共服务均等化的实证分析（一）衡量地区间基本公共服务的指标体系构建和方法

4、选择要建立以促进基本公共服务均等化为目的的体制，缩小省内中西部地区与东部地区在享有基本公共服务方面的差距，使不同区域的居民享有比较均等的就业、医疗、教育等基本公共服务水平和良好生活环境，给地区的公平发展提供良好的环境。首先就要寻找合适的指标来衡量各地区间基本公共服务的差距，建立衡量地区间基本公共服务水平的指标体系。笔者借鉴了区域经济学中衡量地方基础设施水平的指标以及大多数经济学家关于基础教育、医疗、社会保障等基本公共服务的共识，同时兼顾数据的可获得性和权威性，选取了小学教师人均负担学生数（人）（XI）、每万人拥

5、有医院床位数（张）（X2）、每万人口拥有的医生数（人）（x3）、城镇登记失业率（%）（x4）、公共图书馆数量（个）（x5）、公路网密度（公里/百平方公里）（x6）、医疗保险人员（万人）（x7）、每万人拥有的本地电话用户数（部）（x8）、每万人拥有的公共车辆（辆）（x9）、社会保障和就业支出（万元）（xlO）等10个指标作为衡量地区间基本公共服务均等化的指标体系。同时，将小学教师人均负担学生数、城镇登记失业率等逆指标利用公式K二（Vmax-V）/（Vmax-Vmin）转换成正指标。我们利用Z-score标准化对数

6、据进行标准化处理，以消除指标间量纲不一致以及数量级差异的影响。笔者采用因子分析法，运用SPSS统计软件对2009年反映基本公共服务水平的10个指标降维为少数几个因子，这些因子可以反映上述10个指标中所含有的大部分信息，并给出各因子载荷和各因子的贡献率，从而对各地区基本公共服务的综合水平打分，比较各地区基本公共服务的综合水平和分布差异。（二）区域间基本公共服务差距分析由于本部分主要是比较各区域已有的基本公共服务格局，所以暂不考虑基本公共服务在各地区间提供成本的差异。1.模型和方法。因子分析模型利用降维的思想，从研

7、究原始变量相关矩阵内部的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。这些少数几个综合因子具有很高的概括性，能代表原来较多的指标，通过提取这些有代表性的因素能比较准确地分析问题，而又不至于使信息丢失，因此该模型在分析研究时具有很高的效率，被广泛应用在评价企业经济效益综合水平、地区综合竞争力、大学综合实力排名和政府绩效等研究领域。2.实证分析。首先进行KMOandBartlettsTesto通过SPSS软件计算，KMO的值为0.711,运用因子分析效果尚可,巴特利球形检

8、验的概率值为0.000,具有显著性，表示这些变量用因子分析法较适合。其次计算各变量的特征值、贡献率及累计贡献率。根据因子累计贡献率大于80%的原则，从中提取4个因子，其对10个变量的累计贡献率达到84.421%,也就是说这4个因子涵盖了10个变量中信息的84.421%。随后的分析将用这4个因子代替之前的10个指标（见表1）。第三，因子提取结果。表2中的数值表示变量与某因子之间的联系系数