城市政府规模效率DEA评价论文

导语：城市政府规模效率DEA评价论文一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

国内学者对政府规模的讨论主要集中在政府规模的衡量指标及适度规模的分析等方面，但对如何确定政府适度规模，或评价政府规模的影响，基本还停留在理论层面的探讨，对于政府规模效率的实证分析，主要讨论中央和省市一级政府是否达到适度规模，所评价的也主要是政府规模与经济间的相互关系。我们认为，单纯讨论中央和省级政府的规模，掩盖了各地方、各城市的问题，同时，随着和谐社会建设和可持续发展的日益深入，建立良好的社会和生态环境等公共服务越来越成为政府的主要职能。基于此，我们拟将政府规模细化到城市一级的政府，并把政府的社会和生态环境保护等公共服务职能纳入进来，以更为合理地确定政府适度规模。

一、文献综述

20世纪50年代以来。地方政府规模一直是许多国家的争论焦点。“奥茨分权化定理”(Oares1972)曾指出，和中央政府相比，两个地方政府可以为不同偏好的本地居民提供差别化的公共物品，由此改进分配效率增进社会福利。但奥茨并未说明地方政府的最优规模应当是多大。1985年欧洲委员会制定的《欧洲地方自治政府章程》虽明确提出地方政府的规模应当尽可能小的原则，但从现有的研究看，对多大规模的政府更有效率并无定论。从规模经济来看，地方政府的最优(产出)规模应当是能够使边际社会成本等于边际社会收益的规模。但在实际操作中，很难确切地知道社会成本和社会收益的大小，从而无法清晰地确定规模经济或是不经济的程度，政府提供的某些公共服务(如治安保卫、老弱病残幼等)也并不总是规模经济型的产品，并非规模越大越具有效率。

在实证研究中，人们往往采用规模经济模型中一些非常总括的定义和指标来衡量政府规模，如总产出、单位产出、单位成本等。最常见的实证研究是用财政支出等指标来表示政府规模，研究其对经济的影响。但这些研究得出的结论并不一致：既有政府规模促进经济增长的(Rubbinson，1977；Ram，1986；马拴友，2000；欧阳志刚，2004；刘霖，*)，也有阻碍经济增长的(Landau，1983；Barro，1991；郭庆旺等，2003；张海星，2003)，也有二者没有关系或存在不确定关系的(Kormendi和Meguire1985；Grier和Tulloek1989；Evan，1997)。也有学者用政府所服务的人口规模来表示政府规模，认为人口规模与人均支出需求是正相关关系，人口规模越大，人均支出需求越高，从而对政府的公共物品和服务的需求也就越高。金(King，1996)构建了一个最优人口规模模型，认为地方政府的最优规模将随着时间推移而变动，需要定期对其调整。但地方居民只是服务产出的接受者而不是产出本身，一定总人口规模所产生的支出需求可能会由于社会经济和人口结构的不同而有所差异。

有些研究采用相对指标来表示政府规模，如刘霖(*)用政府部门的人均消费与全国的人均GDP之比来表示政府规模，指出从政府消费支出占GDP的比例来看，中国农村与中国城市之间没有显著差异，但就公务员占总人口的比例而言，城市政府的规模要大于农村。实际上，地方政府负有多种责任和功能，所提供的产出和服务是多元的，单一的综合性的产出指标并不能够较好地衡量地方政府规模。

有关地方政府规模对区域经济影响的研究，曹阳(2002)用行政管理人员占用社会人力资源的比重和行政管理费占国内生产总值(GDP)的比重两个指标，比较了1997年各省的政府规模，发现区域经济发展与区域政府规模有极为紧密的逆相关关系。金玉国等(2006)认为我国财政支出的分类口径前后差别较大，缺乏历史可比性，因此采用政府部门的就业和工资加权计算的办法(权重分别定为0.6和0.4)，回归分析了2004年省级政府规模对区域经济发展的影响，结论是地区政府规模过大，阻碍了区域经济的发展。

国内各区域差别很大，特别是城市和乡村对于政府公共服务和公共物品的需求差异较大，城市有着更加昂贵的土地、房产、劳动力成本、基础设施配套等公共品及向城市腹地提供服务等特性，城市人口对于政府的需求也更为强烈和集中，省级政府的数据往往掩盖了内部各地区、特别是各城市的千差万别。同时，人为设定指标权重容易受主观因素的影响，可能会产生较大误差。此外，对于政府规模效率高低的判断，也不应仅仅停留在财政和经济角度。随着和谐社会建设的要求日益推进，政府对于公共服务和社会发展的促进作用也日益突出，因此，在衡量政府规模的指标设计上，不仅仅要包括经济产出和财政支出，也应包括政府提供的公共服务。为避免上述问题。本文拟采用dea方法，来横向地比较城市政府间的规模效率。

二、分析工具和指标的选取

(一)数据包络分析(DEA)

数据包络分析法(DEA)是一种线性规划模型，1978年ChamesA.，CooperW.W.，RhodesE.首次提出了CCR模型，用以评价具有多项投入和多项产出的决策单元间的相对有效性，并正式命名为DEA方法。此后，研究者们对模型不断进行扩充和完善，将DEA方法运用到许多领域，对决策单位的效率进行比较，迄今已发展成为一种比较成熟的方法，这里就不再就其原理展开说明(参见，CooUi,1998，T.etal.)。DEA的基本模型主要可分为CCR模型与BCC模型两种，CCR模型的假设是分析主体在固定规模报酬下运营，但实际上并非每一分析主体都在固定规模报酬下生产，若存在变动规模报酬，则导致在衡量技术效率时规模效率亦混杂其中。因此必须考虑变动规模报酬(vaffableReturnstoScale)的情况，BCC模型将CCR模型中的固定规模报酬的假设剔除，以衡量处于不同规模报酬状态下的相对效率值。BCC模型引进Shephard(1970)距离函数的概念，把技术效率(technologyefficiency：TE)分解成纯技术效率(puretechnologyefficiency：PTE)和规模效率(scaleefficiency：sE)。也就是说，技术无效率除了来自资源配置(投入产出)不当的因素外，也可能是源于决策单位(DMU)的不适度规模，因此我们就可以通过调整DMU的规模以改进其无效率的状态。

采用DEA方法对各个城市政府的规模效率进行比较具有如下优点：(1)DEA方法可以处理多投入、多产出的决策单元(DMU)的运转效率，且不必确定投入和产出间的生产函数关系。在本研究中，每一城市政府就是一个决策单元，它的投入和产出都是多元的。投入产出间关系也较为复杂，例如我们很难判定1单位的财政支出或人员投入就能产生多少单位的GDP或社会收益。(2)决策单元中投入产出变量的权重，是由DEA这种线性规划模型内定的，无需人为主观设定。例如本研究中，就无需人为设定从业人员在城市政府的总投入中所占比重或环境保护在产出中的比重。(3)具有单位不变性的特点，即是说，DEA衡量的决策单元的效率不受投入产出的数据单位的影响。城市公务员从业人员比重、工资与财政支出的比例，或人均绿地面积、医疗保险覆盖率等产出均可放人决策单元来进行效率比较，而无需考虑各衡量指标的单位；(4)可以进行敏感性分析、差异分析和效率分析，有助于进一步了解各个城市政府的投入产出情况，以供城市管理者参考。

DEA方法的缺点在于，效率比较是在所有决策单元(本文是指城市)中进行的，因此它容易受到极值的影响。另外，它衡量的生产函数边界是确定性的，难以把随机因素和测量误差的影响分离出来。

从DEA方法的特点来看，运用DEA方法进行政府规模效率的比较研究是可行的。

(二)指标的选取

目前的研究主要使用两种测度指标来衡量政府规模：一是根据国民账户体系的测算，即政府支出占GDP的比重；二是基于人力资源的测算，即将政府公务人员(或从业人员)数量占所有全社会就业人数(或总人口)的比重作为衡量政府相对规模的指标。这两类指标尽管从数量上说明了政府的规模大小，但并未从质量上反映政府的规模(这可以称之为政府能力)，更未反映政府的效率，特别是人民生活、社会和环境等方面的产出效率。

为便于数据的收集整理和与世界银行2006年所作的调查数据相一致，我们收集了非农人口在50万以上、*年GDP排名在前的88个城市的数据。同时。为能更便利地对比分析，我们选取两组数据来比较城市政府的规模效率。

第一组数据，只考虑政府投入的数量指标，即政府公务员人数和公务员工资。在各城市的统计年鉴中。只有公共管理和社会团体的从业人员和工资，可以用来表示公务员人数和工资，为更为准确地对比，我们用*年“公共管理和社会团体”(即旧行业分类中的“国家机关、政党机关和社会团体”)的从业人员占整个城市非农人口的比例来表示政府服务的城市人口(当然政府还服务了大量的外来人口，但为数据收集方便，我们予以忽略不计)，用国家机关和社会团体工资与财政支出的比重来表示政府投入的行政成本。关于政府产出，我们从世界银行的调查报告中选取对法庭的信心、工业废物无害化处理率、人均绿地面积、医疗保险覆盖率、就业率五项指标，得到有效数据704个。需要特别指出的是，有些文献专门研究了GDP与政府规模的关系。我们认为，GDP是整个城市的企业、居民和政府共同生产的，因而计入政府的产出是不恰当的。众多学者也认为，今天，政府最大的产出是公共服务，不再是GDP。在实际计算中，按照DEA的原理。加入一列产出数据也不会影响对各城市政府效率的排序，因此，我们的研究就不再考虑GDP。

第二组数据我们考虑加入政府规模的质量指标，即在公务员人数比重和公务员工资比重之外，加人税费、娱乐支出、与政府打交道的天数、进出口通关天数、因电力和运输不足所造成的损失作为衡量政府投入规模的质量指标(这些指标可以看作政府的行政能力或办事效率)。仍用对法庭的信心、工业废物无害化处理率、人均绿地面积、医疗保险覆盖率和就业率五项指标来比较政府的社会及环境产出，得到有效数据1056个。

三、城市政府规模效率的实证分析

本文主要采用BCC模型，从综合技术效率、纯技术效率和规模效率三方面分析。

(一)城市政府的总体效率

我们把88座城市政府的两组投入产出数据输入DEA的软件Deap2.1，运行计算后得到城市政府各效率平均值的结果，整理见表1所示。表1中，TE、FIE和sE分别表示综合技术效率值、纯技术效率值和规模效率值，三者之间的关系式是TE=PTE×sE。TE值为1时，综合技术效率为最优。从表1可见，第一组数据中，城市政府的综合技术效率仅为0.436，第二组数据的综合技术效率超过了0.75。两组数据相比较可见，在考虑政府行政能力的质量指标条件下，政府效率有较大提高，这说明，从行政能力或办事效率来看，我国的地方政府规模还是保持了较好的效率水平。从人员和工资投入来看，*年有许多城市的公务员工资都有大幅增加，这对政府效率的数值有一定影响。由此来看，仅从数量指标来衡量城市政府的规模是不充分的。对综合技术效率进行分解，可以发现技术无效率主要源于纯技术效率。第一组数据中，纯技术效率为0.604，低于规模效率0.784，第二组数据纯技术效率为0.805，规模效率达到0.953。说明城市政府投入的人力资源和工资配置不尽合理。

从政府人员和工资的比重看(见表2)，政府综合技术效率为1的城市在第一组数据中只有上海、汕头和东莞3个城市，政府公务员人数比重平均为1.1％，工资与财政支出比重平均为8.88％。第二组数据中20个城市，政府公务员人数比重平均为4.41％，工资与财政支出比重平均为22.78％。这也说明，与第一组相比较，政府的高效率一定程度上来自更大的人员和工资投入。

(二)分地区城市政府效率比较

单纯计算城市政府的总体效率掩盖了各地区及各城市的差别。按照地域分布，我们可以把这88座城市分为东南地区、环渤海地区、东北地区、中部地区、西南地区和西北地区。两组数据的计算结果整理见表3和表4。

表3是第一组数据的计算结果，各地区政府的总体效率都不高，均在0.6以下。东南、东北地区的效率相对较高，也只是超过50％，西北地区的相对效率最低，仅为0.2620

表4对应的是第二组数据，7项投入，5项产出，以环渤海和东南的效率最高，东北地区的政府效率也在0.8以上，中部地区为0.745，西南和西北效率最低。这一结果说明，环渤海和东南及东北地区的城市政府在向企业收取隐性和显性税费、为企业提供服务、进出口通关效率、电力和运输等基础设施供应等方面要好于其他地区。

(三)按城市规模分的城市政府效率

按城市规模，我们可以把88座城市分为四类，非农人口500万以上、200万～500万、100万～200万和50万～100万人口的城市，对各类城市政府的技术效率计算结果整理见表5、表6、表7。第一组数据中(表5)，各个规模的城市政府效率都不高，规模效率最高的500万人口以上的城市政府，综合技术效率也不过为0.684，效率较高的是200万～500万和100万～200万人口的城市政府，分别为0.556和0.410，50万～100万人口的城市政府效率最差，仅为0.375。对50万～100万人口的城市进行细分，可以发现。政府效率以东南和东北地区效率最高，环渤海和西南地区居中，中部和西北地区效率最低。

第二组数据，即考虑质量指标的政府规模(见表6)，规模效率最高的仍是500万人口以上的城市政府，100万～200万人口的城市政府效率最低，为0.747，200万～500万人口和50万～100万人口的城市政府效率居中。对50万～100万人口的城市进行细分，可以发现。政府效率以东南地区效率最高，环渤海地区紧随其后，中部和东北居中，西南和西北效率最低。对技术效率进行分解，可以发现，西南地区的城市政府效率，主要是规模效率较低，仅为0.863。

(四)各地区城市政府效率改进分析

比较以上两组数据可见，依不同的评价指标，政府效率也有所不同，考虑质量指标的政府效率更高。这也说明，要想提高政府规模效率，不但要从政府投入的数量规模看，还应进一步提高政府的投入质量。运用Deap2.1软件，得到政府效率改进的目标值，见表7和表8。

政府效率的改进可从投入和产出两个方面来看。表7是针对第二组数据建立投入导向的BCC模型，运行Deap2.1软件整理得到的计算结果。投入导向的模型是假定产出不变，要得到最优效率而需要达到的各项投入目标。表7中的目标值是根据有效率的城市政府设定的效率前沿标准(效率为1)计算出来的各项投入目标值，从表中可见，西南、西北和东北地区目标值明显小于实际值，西南地区的各项投入差值甚至高达90％以上，存在明显的投入过量和资源浪费。

表8是建立产出导向模型整理得到的计算结果。输出导向模型是假定投入不变，所能得到的产出目标值。表8中，西北和东北地区对法庭的信心相对不足，实际值与目标值分别相差55％和32％，人均绿地面积分别相差44％和140％。

综合表7和表8可以看出，我国的城市政府尚未达到规模效率，无论是投入，还是产出。均有改进空间。尤其是在投入方面，即使是发达的东南地区，在进出口通关、电力和运输等方面仍与目标值有近1／4的差距。

四、结论

我们利用数据包络分析(DEA)法对88座城市的政府规模效率进行了分析计算，得到的结果与我们在实际生活中的感觉是基本吻合的。需要指出的是，我们在资料收集和数据调查方面还存在诸多困难，如世界银行所作的调查仅有一年，还没有积累历史数据，难以作动态的政府效率变动评价；所选择的指标不同也可能会使评价结果产生一些偏离，有些指标如人均绿地面积可能会使西北地区的政府效率指数降低等等。此外，严格地说，我们很难找出具有完全相同环境的城市政府，来对其运行效率和规模效率进行比较。由于各个城市的居民对于政府提供公共服务的消费偏好、区位环境差异、公共产品和服务的规模大小差异等因素存在，可能导致即使是相同指标、相同数据的不同城市政府，表现出不同的效率，因此，我们并不能就此断定哪一城市政府就没有达到规模效率。尽管如此，通过上述计算我们仍能大致得到以下结论：

1总体上看，城市政府是否达到适度规模，仅仅考察其投入规模是不充分的，还应看政府的行政效率和产出效率。两组数据的计算结果表明，政府的高效率一定程度上来自更大的人员和工资投入。也就是说，地方政府的效率不仅仅取决于组织的正式结构，精简人员之类的组织结构变革并不能从根本上提高政府效率。

2从地区看，两组数据的计算结果均表明，东部沿海的城市政府要好于中部和西部地区，东南、环渤海和东北地区的城市政府在向企业收取隐性和显性税费、为企业提供服务、进出口通关效率、电力和运输等基础设施供应方面都要好于中部、西南和西北地区。

3按城市人口规模分，规模效率最高的是500万人口以上的超大城市的政府，50万～100万人口的中等城市、东南和环渤海地区的政府效率也相对较好。这一结果与人们的日常看法有所不同，城市政府的管理效率并不必然随人口规模的增大而降低。

4分解各效率改进的投入产出，我国的城市政府尚未达到规模效率，无论是投入，还是产出，均有改进空间。尤其是在投入方面，即使是发达的东南地区，在进出口通关、电力和运输等方面仍与目标值有近1/4的差距。西南等欠发达地区，这些差值更高。此外，在产出方面，西北和东北地区对法庭的信心相对不足，人均绿地面积由于气候等原因差距更大。