“长三角城市公共服务指数·”发布和分析报告

“长三角30城市公共服务指数· 2014”继续沿用“中国城市公共服务指数”的指标体系，从产出与支出两个角度，对长三角地区30个城市的公共服务水平进行了分析和比较。以期通过探讨城市间公共服务均等化，比较各城市的公共服务水平，对于最终实现基本公共服务均等化，提供了一种有意义的探讨方法。

此外，2014年的指数发布和分析报告继续采用脸谱图分析方法，我们希望通过一张张各具表情的脸谱图，来认识各个城市的公共服务水平，从中体味出当前长三角地区城市间公共服务的差异，并有一种感同身受的阅读享受，那么，我们的尝试就是值得的。表1是按照产出法计算得出的指数与排名，使用的是长三角各城市2011年的数据。

表1　“长三角30城市公共服务指数·2014”排名（产出法）

表2是按照支出法计算得出的指数与排名，使用的也是各城市2011年的数据。表3则是按照支出法和产出法计算得出的指数和排名。

表2　“长三角30城市公共服务指数·2014”排名（支出法）

表3　“长三角30城市公共服务指数· 2014”支出法和产出法排名一览表

表1、表2是由城市名称和数据构成的长三角地区城市公共服务指数产出法和支出法的排名，从中不难发现，各城市之间在公共服务水平（产出和支出两个方面）上的差距。其中，有些城市的产出排名和支出排名差距较小，有的甚至完全一致，有些城市的产出排名与支出排名相距较远。当然，支出和产出排名差距较大的城市又可以分为两种情况：一类是产出排名远高于支出排名的较好情况，另一类是产出排名远低于支出排名的较差情况。出现这种情况，完全在我们预料之中。或者说，这恰恰是分别运用产出和支出进行排名的用意所在。我们将支出排序与产出排序之间的差距平均分为五类，并依据支出排序与产出排序之间的差值，将30个城市归为5个区域（参见表4（a）、（b）、（c））。

表4　长三角地区30城市支出序与产出序位次变化情况表（a）

表4　长三角地区30城市支出序与产出序位次变化情况表（b）

表4　长三角地区30城市支出序与产出序位次变化情况表（c）

从表4（a）和图1中不难看出，位于C区的城市，无论其支出或产出排名靠前或是靠后，其支出排序与产出排序差距最小，即支出与产出基本持平，表现状况良好。具体情况如下，上海、苏州、南京、宁波4个支出和产出排名均靠前的城市，其支出和产出的序列之差前后不超过3位。另外，一些支出和产出排名均靠后的城市，如泰州、淮安、宿迁和滁州，其支出和产出的序列之差前后也不超过3位。此外，落在A区的两个城市都属于浙江省，虽然这两个城市在支出方面的排名并不高，但是其产出的排名却远好于支出排名。就支出和产出的序列差而言，上海的表现最好、江苏次之、安徽第三，浙江省的城市多位于A和B区。

图1　长三角30城市支出排序与产出排序位次变化情况

本年度报告，采用“中国城市公共服务指数”的指标体系，具体内容如下（参见表5和表6）：

表5　“长三角30城市公共服务指数·2014”指标体系（产出法）

表6　“长三角30城市公共服务指数· 2014”指标体系（支出法）

（续表）

为了更直观地反映各个城市在不同指标方面所具有的优势和劣势，我们引入了脸谱分析，根据“长三角30城市公共服务指数”指标体系，建立与脸谱图多元统计模型的变量转换关系。

脸谱图由Chernoof H．于1970年提出，其思想是将每个指标用人脸形的某一部位的形状或大小来表达，这样利用p个指标的数值就可以勾画出一个人的脸谱，利用这些脸谱之间的差异，就反映了所对应的样品之间的差异特性，利用脸谱图的直观性，可以为数据分析带来极大的方便。下面介绍的是Chernoof脸谱图的指标含义及其与“长三角30城市服务经济指数”的指标对应。

Chernoof脸谱图的绘制方法如下。假设有一个多维数据集{xj∈Rd，j=1，2，…，N}，若直接对每个原始数据做脸谱图通常没有实际意义，需要把各变量变换到预定义的区间，其线性变换公式为：

整个脸谱图的各部分，可以用18个变量X1，X2，…，X18刻画出来，当变量p=18时，可以将脸谱中某n个部位采用某一固定常数或者标准脸谱参数；当p>18时，可以考虑将脸谱中再增加一些部位，或者将关系系数较大的变量进行合并，使得p=18，并且，记标准脸谱的18个变量为Z1，Z2，…，Z18。

需要说明的是，今年我们采用的分析软件是S-Plus，该软件提供的脸谱图的做法只有15个变量，因此，这里需要对这15个变量的含义做简单解释（见表7）。

表7　15个指标变量在脸谱图的含义

根据“长三角30城市公共服务指数”指标体系，建立与脸谱图多元统计模型的变量转换关系。具体过程如下：先把原始数据标准化（采用正规化标准方法）后，根据各个子要素分别对各自所包含的指标进行等权综合，然后得到9个支出方面和11个产出方面的竞争力得分。根据这9个支出方面和11个产出方面的分值情况，我们在脸谱图的15个变量中选择9个支出和11个产出变量用于表示指标体系中的各个子要素，其他指标用标准值代替，即30个城市的取值都是一样的。有关“长三角30城市公共服务指数”支出法和产出法中每个子要素对应脸谱的各个部位，参见表8。

表8　支出法和产出法各项指标在脸谱图中的含义

（续表）

依据上文支出和产出的设置，我们对30个城市公共服务指数脸谱图的评价如图2所示。

图2　2014长三角30城市公共服务指数脸谱图（包含最好和最差脸谱图）

下面，我们将对照长三角30城市公共服务指数的脸部部位，从支出和产出的角度，分别对长三角地区30个城市做出分析。

1．对支出脸谱图的分析

（1）脸的大小。这个指标表示各个城市的“公共交通支出水平”的大小。对照“最大值”和“最小值”两个脸谱，可以看出，上海、舟山、丽水和宁波4个城市在公共交通支出水平方面表现最突出，即：脸的面积较大，其中：上海在该指标具有显著的竞争力。

（2）脸的形状。该指标表示各个城市的“社会保障支出水平”，脸越圆、越宽表示该城市的社会保障支出水平越高，从支出脸谱图中不难看出，上海、舟山和丽水3个城市的表现较好，脸比较圆，其中：上海在该指标的表现最好。

（3）鼻子的长度。这个部位代表城市的“基础教育公共支出水平”，鼻子越长表示该城市的基础教育公共支出水平越高。可以看出，舟山、丽水和上海这3个城市在基础教育公共支出水平方面的竞争力相对较好，其中：舟山在这方面最具竞争力，即舟山脸谱图中的鼻子最长。

（4）嘴的位置。这个部位代表各个城市“政府财政可支配财力”的大小，嘴的位置越高表示其政府财政可支配财力越大。从图2中不难看出，这方面较好的是上海、舟山、马鞍山、芜湖4个城市。

（5）嘴的弯度。这个部位表示各城市的“科技创新投入水平”，该指标值越大脸谱笑得越明显，越怒的嘴表示指标值越低。可以看到，笑得比较明显的有南通、盐城、苏州、徐州4个城市。

（6）两眼之间的距离。这个指标代表各城市的“公众文化生活建设支出水平”，两眼之间的距离越宽，表示该城市的公众文化生活建设支出水平越高，对照图2中的支出脸谱图可知，30个城市中两眼之间距离较大的有上海、舟山、芜湖3个城市。

（7）眼睛的角度。这个部位代表各个城市“公共服务支出水平”，一般来讲，眼角往上吊的表现较好。结合图2中的脸谱图可知，30个城市中这方面表现较好的有上海、苏州、温州、南通、杭州5个城市，其中，表现最好的城市是上海。

2．对产出脸谱图的分析

（1）脸的大小。这个指标表示各个城市的“城市就业状况”，脸越大表示该城市的城市就业状况越高。可以看出，上海、宁波和杭州3个城市在这方面表现最为突出，其中，上海的脸最大，表示上海在城市就业状况方面最具优势。

（2）脸的形状。这个部位表示各个城市的“公共设施水平”，脸越宽表示该城市的公共设施水平越高。对照“最大值”和“最小值”两个脸谱，可以看出，上海、南京和马鞍山3个城市表现最为突出，其中，上海的脸最宽，表示上海在城市的公共设施水平方面最具竞争优势。

（3）鼻子的长度。这个部位代表城市的“社会保障水平”，鼻子越长表示该城市的社会保障水平越高。可以看出，上海、杭州、宁波、无锡、南京5个城市在社会保障水平方面表现较好，其中上海在这方面最具竞争力，即上海脸谱图的鼻子最长。

（4）嘴的弯度。这个部位表示各城市的“城市信息化水平”，如果该指标值越大，则脸谱笑得越明显，越怒的嘴表示指标值越低。可以看到，这方面表现最好的城市是上海，即：笑得最厉害的城市是上海。其他在该指标表现较好的城市还包括：杭州、苏州、嘉兴、无锡、宁波5个城市。

（5）眼睛的位置。这个部位代表各个城市的“公共交通水平”，眼睛越高表示该城市的公共交通水平越高。不难看出，苏州、合肥和无锡这3个城市在该指标的表现较好，即眼睛的位置较高。

（6）两眼之间的距离。这个指标代表各城市的“环境保护状况”，两眼之间的距离越宽，表示该城市的环境保护状况越高，对照图2中的产出脸谱图可知，30个城市中两眼之间距离较大的城市有舟山、丽水和台州3个城市。

（7）眼睛的宽度。这个指标代表各城市的“公众文化生活水平”，一般来讲，眼睛的宽度越大，表示该城市的公众文化生活水平越高，对照图2中的产出脸谱图可知，30个城市中眼睛宽度较大的城市包括：上海、南京、苏州、杭州、宁波等17个城市，这些城市的广播电视覆盖率均达到百分之百。

（1）数据来源主要包括：《中国城市统计年鉴2012》、《中国区域经济统计年鉴2012》、《中国城市（镇）生活与价格年鉴2012》、《中国环境统计年鉴2012》和《中国城市竞争力年鉴2012》。

（2）有关财政支出方面的数据来自华通数据库。

（3）专利授权量来自国家知识产权局。

（4）各城市2011年统计公报。

[1]由于投入和产出各项指标的数据不属于同一量纲，因此在运算之前需要对指标进行无量纲化处理，这里，我们采用了正规化的标准化方法，将数值标准化到0~1的范围内，即经过无量纲化处理后，有些数据会变成负数。将这些无量纲化数据输入SPSS软件运算，采用四次方最大法（Quartimax）进行旋转，再经计算便得到表1中的“长三角30城市公共服务指数· 2014”得分，其中：一些负值得分表示该城市在所有被选城市中的相对低位，即：处于平均水准之下，并不代表其综合水平为真正的负值，它们只是一些具有可比性的数值，仅为排名提供依据。

[2]参考资料：方开泰．实用多元统计分析[M]．上海：华东师范大学出版社，1989.