基于宏观数据的多维福利指数的国际比较

刘泽琴，冉 磊

（北华航天工业学院，河北廊坊065000）

0 引言

近年来更有西方学者针对发展强劲的新兴经济体提出了“金砖国家（BRICS）”的概念。但是应当清醒地认识到，无论是中国还是其他新兴经济体，仍然存在着诸多难以回避的经济与社会问题，尤其是居民的福利水平相较于发达经济体仍存在明显的差距，还有大量的工作需要填补空白、拓展范围和深入开展。因而，有必要将中国的居民福利情况放在一个更大的空间范围里，与世界上其他具有代表性的国家和地区进行比较，以便更加客观地认识中国的优势和不足。

对于福利的测度，可以从两个角度来认识：其一是绝对数指标，即居民总体及其内部各个群体实际获得的福利的多少；其二是相对数指标，即各个居民群体实际获得的福利在居民总体福利中所占比重，以及福利在各群体之间分配的比例关系。对绝对数指标进行测度的意义是显而易见的，可以藉此直观地了解居民所获福利的大小，并便于进行基于时间序列的系统性分析。而对相对指标的测度也是不容忽视的，因为相对指标不仅能够反映福利分配的结构，而且可以更深刻且贴切地揭示人们对福利分配公平性的关注，正如庇古引述穆勒的精辟论断所言，“人们并不想富有，而是想比别人富有”。由于福利的绝对数指标测度问题的核心是“定义”，只要解决了这个问题，那么测度就会迎刃而解。相对而言，指标的多样性和指标加工方法的多样性造成了对于福利的相对数指标的测度则要复杂一些，这个领域的成果多见于对收入分布公平性的研究。常用的简单统计指标包括：基尼系数、对数离差均值、变异系数平方、十等分位点比率P90/P10和十等分位点比率P50/P10等。较为复杂的测度方法有：一般化熵指数，即在收入分布分析时引入信息理论中“熵”的概念，把各个群体之间的收入差距视为将人口份额转化为收入份额的消息所包含的期望信息量，泰尔指数和对数平均偏差指数（MLD）都是该方法的具体运用；阿特金森指数，首先计算出等价敏感平均收入yε，然后据此计算阿特金森指数Aε。

在对居民福利状况进行综合评价方面，已有的研究采用了许多多维方法，文献中涉及的主要问题是如何对不同指标进行归总，以得到一个多维指标（指数），这种归总既可以是宏观层面的，也可以是微观（个人或家庭）层面的。亦有学者指出，综合评价至少应涉及货币性收入和非货币性福利两大类别，二者是相互影响的，但是绝不是可以相互替代的。本文在货币性的和非货币性两大维度的范畴之内，分别确定合理的统计指标，构造一个彼此联系又相互区别，综合地反映所考察居民家庭福利状况的指标体系。然后根据指标体系中各个统计指标的具体表现，将其转化为以隶属函数表示的某种模糊值。接下来对模糊化了的各个指标值采用某种加权平均的方法进行处理，即可得到所需的单一的福利指数。

1 模型和数据

1.1 居民多维福利指数模型

本文建立多维福利指数（Multi-dimensional Welfare Index，MWI）模型来具体地测度居民获得福利的状况，其一般形式分为三个层次：（1）目标层：反映所考察的福利问题发展情况或隶属程度的目标值，该层仅有唯一指标MWI；（2）准则层：表示影响所考察问题的主要因素，或称福利的各个维度；（3）指标层：反映对准则层定义的各主要因素（维度）有影响的福利的各个分因子。据此建立评价指标集U=(U1U2...Um)，其中Ui（i=1,2,…,m）表示评价指标体系准则层的第i个指标因素。在第i个准则层上，Ui=(Ui1Ui2...Uin)，其中，Uij（j=1,2,…,n）表示该层的第j个指标因子。

对居民福利的分析应同时关注货币性和非货币性项目，在非货币性项目中，应将物品与服务同时纳入考察范畴。因此本文在确定维度时采纳了Sen的“可行能力”理论和可借鉴的国际实证研究成果提出的基本框架，在前述“福利”定义的基础上，根据经济理论与现实情况相结合的基本思想，设定“货币性项目”、“物品与服务”、“社会生活”三个维度。考虑到用于对比分析的宏观数据的可获得性，对各个维度、各指标层及具体指标简要列示如表1所示。

表1 中国与世界其他国家和地区比较的多维福利指数体系

在对所涉及到的统计指标进行模糊化处理的过程中，本文采用抛物线型模糊隶属函数形式，具体的函数形式则根据各项指标的实际需要而定，即：

选择这种函数形式的理由主要是，针对各项具体的福利指标而言，该种函数形式比较符合现实情况以及人们用自然语言表述时的主观感受。例如“享有卫生设施人口占比”一项，其指标值越大表明居民的居住条件越好，生活品质可能更高，在物品与服务这个福利指标上的评价值也应该越高，因此应当选择偏大型的隶属函数形式；与此相对，“初等教育生师比”一项是按照初等教育学校中学生与教师的人数对比而来的，这个数值越高则表明公共教育服务质量越差，这可能会影响居民的人力资本积累，进而减少其工作机会，在社会生活这个福利指标上的评价值应该越低，因此应当选择偏小型的隶属函数形式。

对于综合性指数计算中权数的处理，学界并未达成一致意见。本文认为，对各个维度之间以及某个维度内部的各个指标之间采用等权处理忽视了许多重要问题，有必要对那些分布离散程度较高和评价较低的项目给予更多的关注，在方法上就有必要适当地提高这些项目的权数。因此采用Cheli和Lemmi提出的对数函数法作为权数的处理

其中，fA(uij)表示在第i个维度上的第j个指标上的评价值。该权重确定方法的特点是，在评价过程中更加关注福利评价得分较低的维度和指标。

1.2 数据来源

本文所采用的国际宏观统计数据主要来源于联合国统计处汇总的相关机构的数据库，以及世界银行数据库。（1）涉及的联合国统计数据库包括：失业统计和劳动参与率来自国际劳工组织（ILO）统计数据。初等教育毛入学率、高等教育毛入学率和初等教育生师比出自联合国教科文组织（UNESCO）统计处（UIS）数据库。每百人移动电话数和每百人互联网用户数来自国际电信联盟（ITU）的世界通讯/ICT指标数据库。来源于世界卫生组织（WHO）的世界健康统计数据有：儿童免疫接种率（DPT），享有清洁饮用水源人口占比，享有卫生设施人口占比，卫生支出占GDP的比重。（由于WHO资料中不包括中国香港的数据，因此香港健康数据来自香港卫生署。）出生时预期寿命来源于联合国人口机构（UNPD）等。（2）从世界银行编制的世界发展指数（WDI）数据库中选取了：人均国民总收入、人均住户最终消费支出。（3）用于与所选国家和地区计算得到的多维福利指数及其构成相对比的“人文发展指数（HDI）”来自联合国开发计划署（UNDP）编制的人文发展报告《Human Development Report 2015-Work for Human Development》。

在分析中，用于与中国对比的有以下九个国家和地区：与中国同为“金砖国家”的巴西、俄罗斯联邦、印度、南非、美国、日本、德国为代表的发达经济体，东南亚经济崛起中具有代表性的泰国（同时，该国的人均国民总收入与中国比较接近），以及中国香港特别行政区。这些入选的国家和地区在地域上也具有一定的代表性，分别来自亚洲（东亚、东南亚和南亚）、欧洲、非洲、北美洲和南美洲。用于决定某些项目隶属函数相关参数取值的时候，参考了人文发展指数（HDI）连续多年排位最高的挪威的相关数据。

鉴于数据的可获得性，本文选取的数据以2014年为主，但是部分国家（地区）教育资料更新较迟，因此所研究国家和地区均采用2013年的教育数据代替。方法，采用以下公式确定权数：

2 实证分析结果

针对中国与其他九个国家和地区的多维福利指数及其构成的比较分析结果如下页表2所示。为了更好地比较各个国家和地区的福利情况，下页表3列出了联合国发展计划署（UNDP）编制的2014年的人文发展指数（HDI）资料作为补充，以方便后面的分析。

3 结论

根据上文对各个国家和地区的居民福利状况水平及其构成情况，以及表3反映的各地人文发展水平等信息，可以将居民多维福利指数的国别（地区）特征总结如下：

表2 基于宏观数据的居民多维福利指数的国际比较结果

表3 2014年相关国家和地区的人文发展指数（HDI）情况

（1）中国居民的福利水平与发达国家和地区相比偏低

与德国、美国和日本等经济发展程度较高的国家相比，中国等新兴经济体的居民多维福利指数是偏低的，最明显地体现在收入和支出等货币性项目上，在居住条件、受教育水平以及社会服务等方面的差距也较大，而这些方面的差距往往是短期内很难弥补的。就三个维度来看，新兴经济体与发达经济体相比差别最悬殊的当属货币性项目，其原因是显而易见的，即经济发展阶段不同造成的收入差距，但是近些年来新兴经济体令人瞩目的经济增长速度已经令这个差距在逐步缩小。物品与服务维度的差距相对来说比较小，这主要是由于纳入本文的考察范围的指标以满足基本生活需要的基本设施和生活条件为主，在这些方面达到一定的水准对于新兴经济体来说并非难以企及；此外，一些指标自身的特点也可能产生影响，比如“享有卫生设施和清洁饮用水源人口占总人口比重”这类项目，其取值最大即为100%，也就是说隶属度函数的极值为1，因而所考察的大部分国家和地区均可达到或接近这个水平，从而使得国家（地区）之间的差距不显著了。在社会生活维度上，两类国家（地区）的差距总的来看差距是在缩小的，但是南非的评价值明显低于一般水平，这也再次说明了前文阐述的一个观点，即新兴经济体随着其经济实力的不断增强，社会治理的水平在提升，而相对较短时间内的经济增长很难立竿见影地带来公共服务的质量和效率等方面的大幅改善，这也提示新兴经济体，仍需积蓄更丰厚的经济实力，积极创造条件完善社会“安全网”，推动公共部门完善服务，并同时引导居民提高民主意识和公民意识。

（2）新兴经济体之间的福利水平存在显著差异

就本文所考察的“金砖国家”和泰国来看，虽然居民多维福利指数大多低于0.60，但是各国之间仍存在着显著的差异。首先是综合指数之间的差异较大，俄罗斯的评价值最高，为0.615，南非和印度的最低，分别为0.299和0.301，中国的评价值为0.424，排在倒数第三位，表明个别国家之间在居民福利方面差距是比较悬殊的。就各个维度来看，货币性项目维度的差距与各国的人均GNI情况是基本一致的。物品和服务方面的评价值大都高于其他两个维度，进一步印证了前述的选取指标和计算方法的原因。就该维度的差异来看，基本上与货币性项目维度的评价值高低是正相关的。但是值得注意的是，南非的货币性项目评价值显著高于中国，但是物品与服务以及社会生活两个维度的评价值却显著低于后者，这是由于南非在出生时预期寿命和儿童免疫接种率（DPT）两项营养健康状况上的评价值均明显低于中国的水平，居住条件以及受教育程度两个方面的表现也存在显著差距。发展中国家的社会生活维度的评价值普遍较发达经济体低，但是巴西更加接近发达经济体的水平，其他国家则在公共服务领域的评价值存在一定差距，进一步说明即便是被世人瞩目的“金砖国家”，要切实改善居民的福利水平，在社会建设方面仍有许多工作要做。

（3）多维福利指数评价值与人文发展指数排序基本一致

虽然本文所计算的多维福利指数评价值与联合国开发计划署计算的人文发展指数（HDI）得分差距较大，但是就排名方面总的来看，发达经济体的多维福利指数和人文发展指数均较高，发展中国家则较低。就发展中国家来分析，中国在人文发展指数上排名第7，多维福利指数排名第8；其他国家的两项排名也只存在至多一个位次的差异。这些情况表明，不同的指数体系构造中选取的指标不同，主要是由于研究所关注的焦点有别，人文发展指数着重于预期寿命、受教育程度和收入水平三个方面，本文的多维福利指数则包括更广泛的项目，不仅有个体发展所需的基本条件，还有社会发展程度这类的“大气候”和家庭生活条件这样的“小环境”，因为这些情况为个体的全面发展提供条件，也就是Sen所强调的关注个人发展中选择的“自由”有多大。就前述各国（地区）的情况来看，二者的排名发生细微变化也主要是社会生活维度的引入导致的。

（4）数据的局限性影响了福利评价的质量

就本文所研究的十个经济体来看，其经济发展水平均居于世界中等发展程度水平以上，但是即使选取的基础数据已降至14个，仍有一些数据难以准确落实，存在着诸多原因导致个别项目数据缺失，主要是各国（地区）统计制度的差异，如各国（地区）的统计调查项目有别，对于同一项目的定期调查时点不同等。这些数据方面的局限性可能导致数据缺陷，从而可能夸大或缩小真实的评价值，使得分析结论的可信性值得怀疑。固然，此类问题是统计研究尤其是国际比较中难以完全回避的，但是无论如何对本研究的福利评价质量造成了干扰。