中国省际基本公共服务供给效率时空演变分析

乔路明，赵 林，吴 迪，胡 灿，吴殿廷*

(1．北京师范大学 地理科学学部，北京 100875；2．曲阜师范大学 地理与旅游学院，山东 日照 276826)

基本公共服务是为实现人的全面发展所需要的基本社会条件．国家“十二五”规划强调了建立健全基本公共服务体系、推进基本公共服务均等化对我国民生民情问题的重要意义．由于自然条件、历史基础、发展机遇等多方面因素的影响，我国基本公共服务供给空间分布不均衡现象普遍存在，要充分考虑公平和效率的兼顾问题，协调不同区域之间的服务质量和水平，确保基本公共服务供给在空间上的合理配置．因此，科学测定我国各省市区基本公共服务供给效率，揭示其时空格局演变特征，可以为制定和实施基本公共服务政策提供参考．

目前国外有关公共服务供给的研究集中在公共服务供给模式[1]、公共服务供给效率[2-4]以及公共服务溢出效应[5-6]等方面．公共服务供给效率研究主要从效率评估和提升路径两方面展开，其中Hume等认为最公平的公共产品供给就是最有效率的[2]；Savas认为公共服务民营化可以提高公共服务的供给效率[3]；Andrews等讨论了公共服务效率的四个维度及其作用方式[4]．国内学者主要从研究视角出发，分为综合角度[7-15]与单一部门角度[16-20]．综合角度方面，丁小磊等基于数据包络分析法对江苏省基本公共卫生服务进行了综合技术效率、纯技术效率和规模效率评价[7]；邓宗兵等基于三阶段DEA模型测度了全国各省公共服务供给效率[8]；朱先等使用DEA-CCR模型分析了广州市基层卫生机构的基本公共卫生服务投入产出效率[9]；易莹莹采用Bootstrap-DEA方法测算了我国各省基本公共服务支出相对效率[10]；尹鹏等利用DEA和障碍度模型研究了东北地区资源型城市基本公共服务效率及其障碍因子[15].单一部门角度的研究分别侧重了卫生[16]、教育[17]、文化基础设施[18]、公共安全服务[19]和环境公共服务[20]等方面．从研究方法上，采用的测度方法主要有DEA模型[7]、三阶段DEA模型[8,16]、DEA-CCR[9]、Bootstrap-DEA[10,19]和Malmquist模型[17]等．总体而言，目前我国对于基本公共服务供给效率的研究基本上围绕供给效率的测度，而对基本公共服务供给效率时空格局演变特征的研究尚显不足；此外，仅采用财政投入等相关指标反映基本公共服务供给效率，与实际情况相比也存在一定的偏差．

基于以上认识，文中构建投入和产出两个角度的基本公共服务供给效率评价指标体系，采用超效率DEA模型测度省际尺度的基本公共服务供给效率，运用探索性空间数据分析方法对其时空格局演变特征进行深入分析，以期为政府制定基本公共服务政策提供参考依据．

1 研究方法与数据来源

1.1 指标体系与数据来源

指标设置方面主要参考了基本公共服务体系的“十二五”“十三五”规划，“十二五”划定基本公共服务范围为教育、就业、社会保障、医疗卫生、计划生育、住房保障、文化体育等保障基本民生需求的领域，“十三五”时期又将基础设施、环境保护、公共安全和消费安全加入体系．本研究从投入和产出两个角度出发.在投入指标方面，以往的研究中大多数学者仅采用基本公共服务的财政投入表示其投入[8,20]．古典经济学将土地、资本和劳动力视为最基本的三项生产投入要素[21]．由于地方的基本公共服务供给不受土地的影响，土地要素可不作为投入变量，但资本和劳动力的投入均需纳入考虑，用其指标衡量基本公共服务的投入．文中选取了基本公共服务中的公共安全、教育、文化体育与传媒、社会保障和就业、医疗卫生、节能环保和城乡社区事务的人均投入作为资本投入；各省电力、燃气及水的生产和供应业，科学研究、技术服务业，水利、环境和公共设施管理业，居民服务和其他服务业，教育业，卫生、社会保障和社会福利业，文化、体育和娱乐业和公共管理和社会组织业的每万人从业人数作为劳动力投入．在产出指标方面，基本公共服务包括人民生存和发展两方面，根据国家基本公共服务体系“十二五”规划，文中从教育服务、文化服务、医疗卫生和社会保障服务、基础设施服务4方面来表征公共服务的产出状况．综上，基于DEA模型选取指标要求投入指标数目+产出指标数目≤1/3 DMU(生产单元)个数，根据指标体系的系统性、科学性、可行性和可比性原则构建我国各省基本公共服务供给效率评价指标体系(表1)．文中所选取的指标数据来源于《中国统计年鉴(2008—2015年)》及同期各省市统计年鉴，其中涉及经济价值的指标以2007年为基期进行了不变价处理．

表1 基本公共服务供给效率评价指标体系

1.2 研究方法

首先对指标数据进行标准化处理，以消除指标不同量纲的影响．客观赋权中的熵值法对评价指标进行权重赋值能够尽量减少和避免权重确定过程中的主观因素影响和信息重叠问题，具体方法见文献[22]．

1.2.1 超效率DEA模型 目前大部分公共服务效率的研究都采用传统的DEA(Data envelopment analysis)模型，该模型得出的效率值最大为1，其缺陷是当投入和产出指标数量较多时，无法进一步区分有效DMU的效率高低[23]．文中采用的超效率DEA模型(Super efficiency model)将被评价决策单元DMU(Decision making unit)从参考集中剔除，可以对有效DMU进行区分．设有n个决策单元，每个决策单元有m个投入指标，q个产出指标，DMUk的投入向量为Xk=(x1k,x2k,…,xm k)T，产出向量为Yk=(y1k,y2k,…,yq k)T，xik和yr k分别表示DMUk的第i个投入指标值和第r个产出指标值，λ是DMUk的线性组合系数;θ为效率评价指数，其表达方式为[24]59

1.2.2 探索性空间数据分析 探索性空间数据分析(Exploratory spatial data analysis)可以揭示研究对象间空间相互作用的机制[25]．全局Moran’sI指数和局部Moran’sI指数可以分别测度基本公共服务供给效率在全国尺度上的空间分布特征和在子区域上的空间异质性．文中的空间权重矩阵基于距离函数关系．

全局空间自相关系数Global Moran’sI[26]118:

局域空间自相关系数Local Moran’sI[26]118：

(3)

2 基本公共服务供给效率综合测度

2.1 时间分异特征

表2 2007—2014年各省市区基本公共服务供给效率

基于中国31个省市区2007—2014年间的面板数据， 通过数据标准化处理和熵值法赋权， 采用超效率DEA模型计算出我国基本公共服务供给效率(表2)．

从计算结果可以发现，2007—2014年我国基本公共服务供给效率在整体上呈现先下降后持续缓慢上升的“U”型演变特征(图1)，基本公共服务供给效率值由2007年的0.988 5变化到2014年的0.772 0．东部地区(包括辽宁、河北、北京、天津、山东、江苏、上海、浙江、福建、广东与海南)的基本公共服务供给效率在研究期内均高于全国平均水平，随时间演变呈现先下降后升高再稳定的演进趋势；中部地区(包括黑龙江、吉林、山西、河南、安徽、湖北、湖南、江西)效率水平与全国平均水平较为接近， 从2007年的1.089 8下降到2009年的0.724 3，再缓慢过渡到2013年的0.678 8，2014年又较快增长到0.851 1；西部地区(包括内蒙古、陕西、甘肃、宁夏、青海、新疆、四川、云南、贵州、西藏、重庆、广西)则一直低于全国平均水平，且呈逐年下降趋势，研究期末效率值稳定在约0.6．可知，2007年以来，我国省际基本公共服务的供给效率整体水平不高，效率水平在东中西部之间具有不均衡特征，基本公共服务配给效率有待进一步提升．

图1 2007—2014年区域基本公共服务供给效率变化趋势

依据得到的2007—2014年基本公共服务供给效率，计算得到研究期历年泰尔系数值均在0.9以上，表明我国省际间基本公共服务供给效率的差距悬殊，随时间演进省际差异格局并未明显改变而保持相对稳定的格局特征．标准差、变异系数和基尼系数能反映一个数据集的离散程度，结合3项指标可以深入分析省际间基本公共服务供给效率差异的变化趋势(图2).标准差数值反映各省市区基本公共服务供给效率的绝对差异的变化情况，由计算结果可知，2007年以来标准差数值呈现先降后升的波动型特征，由0.311下降到2010年的0.178，到研究期末又升至0.264，可见我国省际间基本公共服务供给效率的绝对差异先缩小后缓慢扩大．变异系数和基尼系数可以反映区域间相对差异，两者随时间演进的变化趋势基本相似，均呈现先降低后升高的趋势，变化幅度较标准差相比较大，变异系数从2007年的0.314下降到2010年的0.244，再上升至2014年的0.342，表明我国基本公共服务供给效率的相对差异实际上呈扩大态势，且在近年有明显扩大的走向，可见我国省际间基本公共服务供给效率的相对差距也呈现先缩小后扩大的趋势特征．

图2 2007—2014年中国基本公共服务供给效率的标准差、变异系数和基尼系数

总结上述分析可知，2007年以来我国省际间基本公共服务供给效率的绝对差异和相对差异均呈现出先缩小后扩大的趋势，低效率地区对高效率地区的追赶效应不明显，省际间效率差距呈现类马太效应的格局特征．东部地区依靠其较好的经济基础和物质条件进一步为基本公共服务提供良好支持，而中西部地区在研究基期投入高，由于产出的滞后性和其他影响因素，并没有成比例增加，导致供给效率不高且与东部差距扩大．由于中西部省市区数量在全国比例占比较大，整体上使得全国基本公共服务供给效率稳定在中等水平．

2.2 空间分异特征

根据各省区基本公共服务供给效率的计算结果， 通过系统聚类对其供给效率进行聚类分析分类，分为高水平效率、较高水平效率、中等水平效率、较低水平效率和低水平效率．选取2007,2010,2014年3个截面数据进行空间分异特征分析，可知：

1)总体而言基本公共服务供给效率在东中西部3大区域间呈现不均衡的格局特征，供给效率在东中西呈现依次递减的特点．在研究期内高水平及较高水平的数量有所减少，而中等水平效率及以下的省市区有所增加，且中等水平效率以下的省市区在研究基期集中在西部地区，随时间进程向中部和东部地方推进演化(表3)．其中在高水平和较高水平效率阶段,东部地区各个水平省市区数目变化不大，基本保持在约8个，而中西部地区均有减少，分别由2007年的7个和5个下降到2014年的3个和0个．在中等水平效率阶段，3大区域的数目变化都不大，东部和中部地区各增加了1个省市区，西部地区保持2个省市区的数目．在较低水平和低水平效率阶段，东部和中部地区变化幅度不大，但西部地区增长较多，由2007年的5个增长到2014年的10个省市区．此外，由图3可以看出，研究期内各基本公共服务供给效率类型在空间上具有连片集中分布的特点，这说明相邻地区间可能有地理空间关联，为采用空间自相关分析方法探索基本公共服务供给效率的空间分布模式提供了可能．

表3 基本公共服务供给效率分级、分区域统计

注：数字分别为东部、中部、西部与全国在不同水平的基本公共服务供给效率所包含的省市区数目．

图3 中国基本公共服务供给效率空间格局

图4 中国基本公共服务供给效率空间趋势面

2) 利用效率趋势面分析验证基本公共服务供给效率区域空间分异规律(图4)．总体上中国省际基本公共服务供给效率呈现出东西方向上递增趋势，南北方向上呈倒“U”型的空间分布．东西方向上供给效率从西部地区的西藏、新疆到中部的湖北、陕西再到东部的安徽、浙江等地逐渐递增，南北方向上供给效率从广东、广西等地增高分布，到“U”型的谷峰位置的中东部的安徽、北京，再下降到北方的黑龙江、内蒙古等地．变化趋势上，研究范围内南北方向上的倒“U”型的幅度不断增大，这也验证了我国基本公共服务供给效率的空间分异在逐步拉大．

2.3 空间自相关分析

2.3.1 全局空间自相关分析 表4给出的2007—2014年我国省际基本公共服务供给效率全局自相关Moran’sI指数显示，我国省际基本公共服务供给效率总体具有正的空间相关性，Moran’sI指数在2007—2014年均通过了5%显著水平下的检验，总体上具有显著的正向集聚特征，集聚程度在波动中呈扩大趋势，研究基期Moran’sI指数为0.245，2010年下降到0.200，2012年增长到0.336后又下降到0.297．表明2007年以来我国省际基本公共服务供给效率的空间自相关性的演变模式为“分散—集聚—分散—集聚”，但总体上分异格局相对稳定．

表4 2007—2014年中国基本公共服务供给效率全局Moran’s I指数

2.3.2 局部空间自相关分析 全局Moran’sI指数表征基本公共服务供给效率在全局层面的空间总体相关特征，无法表明局部集聚特征和相互作用模式．局部Moran’sI指数可描述某一空间单元与其周围相邻单元的空间关联情况，揭示局部集聚特征．基于此，利用GeoDa05软件绘制效率散点图，其中横、纵坐标分别为省际供给效率及其空间滞后值，中心坐标为横纵坐标的平均值，划分出中国基本公共服务供给效率局部空间集聚类型的4个象限．根据选取2007,2010和2014年3个年份数据绘制的LISA集聚图(图5)，基本公共服务供给效率的局部空间关联表现出以下特征：① 高高集聚区的省市自身和其周边省市都具有较高的效率．主要集中在中东部地区，随着时间演进从珠三角、长三角地区向长三角、华北地区递进，这些地区属于我国经济发达地区，城市间联系密切，要素流动频繁，形成了基本公共服务供给效率高值地区．值得注意的是，10%和5%显著的省市区几乎集中在高高集聚区，表明这些省市区形成了我国基本公共服务供给效率的增长极．② 高低集聚区的省市区自身效率较高，但周边省市区效率不高．2007年包括甘肃、宁夏和河北，2010年增加了西藏，总体变化不大，但2014年该集聚区全部集中于中部省市区，包括陕西，重庆，贵州和云南．由于西部大开发和中部崛起战略的兴起，加上公共服务产出的滞后性，中西部地区称为基本公共服务供给效率的次增长极，该区域的增长空间较大．③ 低高集聚区的省市区自身效率较低，但周边省市效率较高．该区域主要为四川和部分年份的东北地区，分布较为稳定，这些省市区自身效率较低，同时受到周边高效率省市区影响较小，具有一定的发展潜力．④ 低低集聚区的省市区自身和其周边省市区的供给效率都较低，包括西部地区和东北地区，西部地区自身发展条件较为欠缺，受到西部大开发的政策影响基本公共服务投入较多，但由于基本公共服务的滞后性在研究期限内还未达到高效利用．总体上看，研究期中国基本公共服务供给效率局部集聚分布格局较为稳定，高高集聚区主要集中在长三角、珠三角等东部地区，低低集聚区集中在西部和东北地区，高低与低高集聚区集中在上述两者的过渡区域．随着时间的演进，东部集聚效应更高，增长极呈现北移趋势．

图5 中国基本公共服务供给效率的局部空间关联格局演变

3 结论与讨论

3.1 结论

文中基于超效率DEA模型测度了2007—2014年中国省际的基本公共服务供给效率，运用探索性空间数据分析方法研究了省际空间分布特征．主要研究结论如下：

1) 2007—2014年我国基本公共服务供给效率在整体上呈“U”型演变趋势．各地区随时间演进特征各异，东部和中部地区的供给效率值先下降后平稳上升，而西部地区处于持续下降阶段．省际间供给效率存在一定差异，其绝对差异在研究期内呈现先缩小再缓慢扩大的趋势，而相对差异一直在扩大，且在近年来有明显扩大的趋势，省际间差距呈类马太效应的格局特征．空间格局上，省际基本公共服务供给效率分布呈不均衡分布态势，在全局趋势上随时间演进东西方向呈现自东向西递减的特点，南北方向上呈倒“U”型格局，研究期内各供给效率类型在空间上呈现集中连片的分布特征．

2)全局基本公共服务供给效率空间自相关结果表明，我国省际基本公共服务供给效率具有正的空间相关性，随时间演进演变模式为“分散—集聚—分散—集聚”，但总体上分异格局保持着相对稳定．局部自相关的结果显示研究期中国基本公共服务供给效率局部集聚分布格局较为稳定，高高集聚区多位于长三角、珠三角等中国东部沿海地区，低低集聚区集中于西部及东北地区，高低与低高集聚区则集中于两者过渡区域．供给效率在东部地区集聚效应更高，且随时间演进增长极呈现北移趋势．

3.2 讨论

文中对中国2007—2014年基本公共服务供给效率进行了定量测度，并深入分析其时空格局特征，但是仍存在有待继续探索的方面：① 文中从省际尺度对基本公共服务供给效率的空间特征进行了分析，未从更小尺度单元上探索基本公共服务供给效率的空间效应模式和规律，下一步将尝试从地级、县级乃至街道尺度上对公共服务供给效率进行测度．② 囿于统计口径的变动，文中仅选取了2007—2014年的数据进行了分析，并未从长时间维度上对基本公共服务供给效率的演进规律进行分析，也未深入研究基本公共服务供给效率的时空格局演化内在驱动机理与演化阶段．此外，对于基本公共服务供给效率与城镇化进程以及社会经济发展阶段的相互耦合作用机制文中亦未涉及，以上这些将成为今后重要的研究方向．

[1] FAIRMAN S．Commentary：collaborative governance for innovation in the national health service：early reflections on the development of academic health science networks[J].PublicAdministrationReview，2013，73(6)：831．

[2] HUME D，BEAUCHAMP T L．AnEnquiryConcerningthePrinciplesofMorals：ACriticalEdition[M].Oxford：Oxford University Press，1994．

[3] SAVAS E．PrivatizationandPublic-privatePartnerships[M].New York:Chatham House，2000．

[4] ANDREWSA R，ENTWISTLEB T．Four faces of public service efficiency[J].PublicManagementReview，2013，15(2)：246．

[5] REVELLI F．Reaction or interaction? Spatial process identification in multi-tiered government structures[J].JournalofUrbanEconomics，2003，53(1)：29．

[6] GEBREMARIAM G H，GEBREMEDHIN T G，SCHAEFFER P V．County-level determinants of local public services in appalachia：a multivariate spatial autoregressive model approach[J].TheAnnalsofRegionalScience，2012，49(1)：175．

[7] 丁小磊，宋俐，沈文琪．基于数据包络分析法的江苏省基本公共卫生服务实施效率评价[J].中国全科医学，2016，19(13)：1505．

[8] 邓宗兵，吴朝影，封永刚，等．中国区域公共服务供给效率评价与差异性分析[J].经济地理，2014，34(5)：28．

[9] 朱先，欧阳俊婷，匡莉，等．广州市基本公共卫生服务效率评价与影响因素研究[J].卫生经济研究，2015(3)：47．

[10] 易莹莹．中国基本公共服务支出效率及其溢出效应测度[J].城市问题，2016(1)：64．

[11] CHEN S Y，ZHANG J．Empirical research on fiscal expenditure efficiency of local governments in China：1978—2005[J].SocialSciencesinChina，2009，30(2)：21．

[12] SONG X Q，DENG W，LIU Y．Spatial spillover and the factors influencing public service supply in Sichuan Province，China[J].JournalofMountainScience，2014，11(5)：1356．

[13] 马慧强，韩增林，江海旭．我国基本公共服务空间差异格局与质量特征分析[J].经济地理，2011，31(2)：212．

[14] 赵林，张宇硕，张明，等．东北地区基本公共服务失配度时空格局演化与形成机理[J].经济地理，2015，35(3)：36．

[15] 尹鹏，刘继生，陈才．东北地区资源型城市基本公共服务效率研究[J].中国人口、资源与环境，2015，25(6)：127．

[16] 彭代彦，吴翔．基于三阶段DEA模型的中国医疗卫生系统效率分析[J].统计与决策，2014(15)：91．

[17] 陶蕾，杨欣．我国中等职业教育资源配置效率评价及分析——基于DEA-Malmquist指数模型[J].教育科学，2015，31(4)：26．

[18] 王惠，赵坚．中国省际公共图书馆效率动态演进与空间分布[J].图书馆理论与实践，2016(5)：75．

[19] 龚锋．地方公共安全服务供给效率评估——基于四阶段DEA和Bootstrapped DEA的实证研究[J].管理世界，2008(4)：80．

[20] 卢洪友，袁光平，陈思霞，等．中国环境基本公共服务绩效的数量测度[J].中国人口、资源与环境，2012，22(10)：48．

[21] MANKIW N G．PrincipleofEconomics[M].London：Oxford University Press，1977．

[22] 赵林，张宇硕，焦新颖，等．河南省基本公共服务质量空间格局与空间效应研究[J].地理科学，2016，36(10)：1495．

[23] 成刚．数据包络分析方法与MaxDEA软件[M].北京：知识产权出版社，2014．

[24] 郭彬，逯雨波．我国中部六省节能减排效率测评及其影响因素分析——基于超效率DEA模型和Tobit模型[J].技术经济，2012，31(12)：58．

[25] ANSELIN L．Interactive techniques and exploratory spatial data analysis[J].GeographicInformationSystemPrinciplesTechniquesManegement&Applications，1999，47(2)：415．

[26] 韦福巍，黄荣娟，朱慧芳．省级区域旅游产业-社会经济-生态环境耦合协调度空间相关性研究——以广西为例[J].西北师范大学学报(自然科学版)，2017，53(4)：116．