基于组合评价的各省级行政区域基础设施投资效率研究

金慧

摘 要：选取2015年数据，运用组合评价方法对全国31个省级行政区域的基础设施投资效率进行评价。通过分析认为，我国31个省级行政区域基础设施投资绩效存在一定的差异。东部省市基础设施投资绩效高于中西部省市。为了提高我国基础设施投资效率，建议基础设施绩效水平较高的东部省市加大对已有基础设施的维护力度，基础设施绩效水平较低的中西部省份应大力引进创新型人才，提高其技术效率。

关键词：绩效研究;组合评价;基础设施投资;省级行政区域

中图分类号：F2 文献标识码：Adoi：10.19311/j.cnki.1672-3198.2019.11.017

1 引言

基础设施是城市生存和发展的前提条件，它集中反映了城市的发展程度，影响着城市的发展。纵观世界各国基础设施建设现状，发达经济体、新兴工业化国家与发展中经济体在基础设施建设方面的差距正逐渐缩小。然而以现有的研究与政策实践结果来看，尽管全球基础设施建设不断完善，其仍存在较大的投资缺口。根据麦肯锡公司对基础设施投资缺口估计显示，2013-2030年间，全球在公路、港口、机场、电力、水利等基础设施部门需要投入62万亿美元资金。增加基礎设施投资成为众多国家完善基础设施建设的第一步。为了有效地进行基础设施投资建设，探究基础设施投资绩效问题成为当前经济领域的重点。

早在20世纪70年代末，不少学者开始关注基础设施投资绩效问题。其中，国外的学者研究大致可分为两类。第一类对地方政府基础设施投资效率模型进行研究，该类研究包括基于Charnes，et al（1978）提出的规模报酬不变的CCR模型，Banker，et al（1984）提出的规模报酬可变的BCC模型，Simar and Wilson（1998）提出bootstrap模型以及改进的DEA模型。第二类研究通过不同的方法对本国地方政府城市基础设施建设绩效及其影响因素进行实证分析，如Tatiana Kossova，et al（2016）基于社会贴现率对俄罗斯城市基础设施建设进行评价。国内学者对基础设施投资绩效的研究方向也大致分为两类。第一类是对我国某些地区的基础设施投资绩效进行评价，包括程敏、李晋（2013）采用模糊Borda组合评价方法对长三角25个城市基础设施投资绩效进行研究，孙慧、王媛（2008）基于Malmquist指数对河北省11个地级市基础设施的投资效率进行评价。另一类研究通过单一模型分析，对全国基础设施投资的绩效进行评价，如李忠富、李玉龙（2009）运用DEA方法对我国31个省、直辖市和自治区的基础设施投资绩效进行评价。

对文献进行总结分析可以看出，基础设施投资绩效研究过多的侧重于探讨经济效益，忽视了其对社会、生态和城市发展的影响，用单一方法对基础设施投资效率进行评价，使得不同方法对同一问题的评价结果存在差异。因此，为弥补以往文献的不足之处，本文基于2015年的截面数据，以我国31个省级行政区域为研究对象，构建综合评价指标体系。为改善单一评价方法的差异性，本文采用组合评价方法进行综合评价，结果显示，我国东部地区基础设施投资绩效高于中西部地区。

2 各省级行政区域基础设施投资绩效评价指标体系建立及数据来源

2.1 构建评价指标体系

基础设施系统是一个复杂的系统，综合考虑数据的代表性与可获得性，建立如图1所示的指标体系。

2.1.1 输入指标

输入指标代表着基础设施的投入情况。在《1994年世界发展报告：为发展提供基础设施》一书中将基础设施分为两类：经济基础设施和社会基础设施。据此，本文选取具有代表性的9个指标，以综合反映基础设施的投入情况。

2.1.2 输出指标

输出指标是选取直接影响着评价结果的可靠性。本文输出指标有地区人均生产总值、城镇人均工资情况。地区人均生产总值代表着人均创造社会财富水平，城镇人均工资代表城镇住户收益情况，综合体现基础设施投资对经济增长的作用以及对居民生活和城市发展的影响。

2.2 数据来源

本文以全国除台湾、香港、澳门外31个省级行政区域为研究对象。研究数据来自《中国统计年鉴2016》及各省级行政区域统计年鉴，采用2015年统计数据。

3 各省级行政区域基础设施投资绩效组合评价模型

3.1 组合评价方法

综合评价多采用组合评价方法，在单一模型方法的基础上，根据合理的组合算法将以上评价结果进行优化组合的评价模型。本文选取因子分析法、熵权TOPSIS法对基础设施进行独立评价，采用组合评价方法优化单一评价方法得出的结果，进而得到31个省级行政区域基础设施投资绩效评价结果。

3.2 各省级行政区域基础设施绩效评价

3.2.1 运用各单一模型评价基础设施投资绩效

本文选用因子分析法、熵权TOPSIS法进行绩效评价。对评价指标进行无量纲化处理后，分别得出31个省级行政区域基础设施投资绩效在因子分析法和熵权TOPSIS法中的得分及排名，结果如表1所示。

3.2.2 对评价结果进行Kendall事前一致性检验

（1）提出假设：假设H0：两种评价方法不具有一致性;H1：两种评价方法具有一致性。

（2）构造统计量。

X2=k（n-1）W

其中，W=12∑ni=1r2ik2n3-n-3n-1n-1，ri=∑kj=1yij，（样本数为n，评价方法数为k，第j种评价方法下的第i个被评价对象的排序值用yij表示）。X2服从自由度为n-1的X2分布，给定显著性水平α，查表得临界值X2α2n-1。当X2>X2α2（n-1）时，拒绝H0，接受H1，即认为各种评价方法在α显著性水平上具有一致性。

（3）根据检验统计量的计算结果对假设进行检验：计算得X2=66.6288。取显著水平α=0.05，查表得X2α230=46.98

3.2.3 运用组合评价方法对评价结果进行分析

本文选用平均值法对以上两种单一模型评价结果进行组合，得到组合评价结果，结果如表2所示。

3.2.4 Spearman秩相关检验

Spearman秩相关检验运用单一评价方法与组合评价方法的排序结果（秩）构造统计量。具体检验步骤如下所述。

（1）提出假设：假设H0：组合评价方法与单一评价方法无关;H1：组合评价方法与单一评价方法有关。

（2）构造统计量。

r=1-6∑ni=1d2in（n2-1）

其中，di用来衡量各评价方法间的相关程度，当评价方法得出的秩相等时，di=0。di值越大，表示各方法相关程度越不完全。由于di可正可负，故用∑d2i来反映各评价方法下排序位置（秩）差值的大小。

（3）计算检验统计量并对假设进行检验：采用DPS软件对评价方法进行Spearman秩检验，得出r=0687903>rα=0.68790，其中rα可由《Spearman秩相关系数检验临界值表》查得。检验结果说明在给定显著性水平下，组合评价法與单一模型评价法具有相关性。

3.3 结果分析

采用聚类方法对各省级行政区域排名进行分析。

第一类：排名靠前的是江苏、广东、北京、上海、山东、浙江、天津、河北。第一类省市的各项投入与产出指标水平均排在前列，是在全国31个省级行政区域中基础设施投资效率最高的一类城市。

第二类：包括福建、辽宁、宁夏、内蒙古。在组合评价方法下，第二类省市排名位于中上水平。

第三类：包括四川、湖北、安徽、陕西、新疆、湖南、广西。这些省份大多分布在我国内陆地区，从产出指标来看，其人均生产总值不及前两类城市高，但也有省份部分投入指标数值超过前两类城市的同类水平，例如该类省份的医院、卫生院数远超过宁夏、内蒙古的水平。

第四类：包括重庆、黑龙江、海南、河南。从投入、产出指标来看，这四个省份具有其明显优势与明显劣势，例如黑龙江城市污水日处理能力在31个省级行政区域中排名第7，为736.9万立方米，具有一定优势，而在黑龙江产出指标中，人均生产总值排名第21，显现出明显劣势。

第五类：包括江西、吉林、山西、西藏、甘肃、青海、贵州、云南。从绩效排名及得分可见，这些省份基础设施投资效率低，基础设施几乎没有对其经济发展与社会进步产生促进作用。

4 结论及建议

本文分别运用组合评价方法，得出31个省级行政区域关于基础设施投资绩效的排名情况。从组合评价结果来看，我国31个省级行政区域基础设施投资绩效存在一定的不平衡，东部沿海省市相对于中西部地区而言，其基础设施投资绩效水平较高。东部省市基础设施规模较大，与中西部地区相比获得较多的资金，因此东部省市在高效率投资建设基础设施的同时，应避免城市基础设施重复建设的问题，加大对已有基础设施的维护力度，同时将技术水平引入到科技发展水平较弱的省市，带动绩效较低的省市共同建设城市基础设施。

与东部沿海地区相比，中西部地区基础设施投资绩效水平普遍低下。因此，为提高中西部地区基础设施投资建设水平，建议提高其基础设施技术效率，鼓励科技创新，提高城市科学技术发展水平，吸引更多的投资者。

从我国整体而言，资金应重点用于投资改善民生、保障城市安全、投资拉动效应明显的重点领域：加强城市步行和自行车交通系统建设，加大市政地下管网建设，加强城市供排水、防洪系统建设，加强生态园林建设等。同时，落实地方政府责任，抓好各省市基础设施项目落实情况。从基础设施绩效角度考虑，应避免盲目投资而产生资源浪费、经济效益差等问题，针对各省市投资绩效的差异采取不同的投资方案。

参考文献

[1]Banker，R D.，Charnes，A.，Cooper，W W.Some models for estimating technical and scale inefficiencies in data envelopment analysis[J].Management Science，1984，30（9）：1078-1092.

[2]Charnes，A.，Cooper，W W.，Rhodes，E.Measuring the Efficiency of Decision Making Units[J].European Journal of Operational Research，1978，3（4）：429-444.

[3]Simar，L.，Wilson，P W.Sensitivity analysis of efficiency scores：How to bootstrap in nonparametric frontier models[J].Management Science，1998，44（1）：49-61.

[4]Tatiana，Kossova，Maria，Sheluntcova.Evaluating performance of public sector projects in Russia：The choice of a social discount rate[J].International Journal of Project Management，2016，（34）：403-411.

[5]程敏，李晋.基于组合评价的长三角城市基础设施投资绩效研究[J].运筹与管理，2013，（2）.

[6]孙慧，王媛.基于 DEA 的 Malmquist 指数在城市基础设施投资效率评价中的应用[J].科技进步与对策，2008，（10）.

[7]李忠富，李玉龙.基于DEA方法的我国基础设施投资绩效评价：2003-2007年实证分析[J].系统管理学报，2009，（3）.