中国科学院大学学报  2017, Vol. 34 Issue (3): 351-361   PDF    
四川省基本公共服务水平的空间格局及驱动机制
曹莎1,2, 刘邵权1, 彭立1, 徐定德1,2     
1. 中国科学院水利部成都山地灾害与环境研究所, 成都 610041;
2. 中国科学院大学, 北京 100049
摘要: 在利用投影寻踪模型测度各地市基本公共服务水平的基础上,对四川省基本公共服务发展水平和差异的空间格局及驱动机制进行分析。研究表明:虽然个别地市发展存在一定起伏,但全省基本公共服务水平总体呈上升趋势,成都和攀枝花一直是水平最高的地区;从空间格局来看,以成都为中心,沿宝成-成昆一线发展水平明显高于其他地区,东部地区水平高于西部地区;四川省各地市之间基本公共服务水平总体呈均衡发展趋势,并未出现明显的“马太效应”。驱动机制分析表明,政策和政府行为对基本公共服务发展具有宏观指导作用,经济和社会发展是主要驱动力,自然和地理条件的限制作用随社会经济的发展而减弱。
关键词: 四川省     基本公共服务     投影寻踪模型     空间格局     驱动机制    
Spatial pattern and mechanisms of basic public services in Sichuan
CAO Sha1,2, LIU Shaoquan1, PENG Li1, XU Dingde1,2     
1. Chengdu Institute of Mountain Hazards and Environment, Chinese Academy of Sciences, Chengdu 610041, China;
2. University of Chinese Academy of Sciences, Beijing 100049, China
Abstract: On the basis of the comprehensive measurements of the levels of basic public services of all the cities in Sichuan by using the projection pursuit model, we analyze the spatial pattern of the level and development difference of basic public services and the driving mechanisms of the spatial pattern in Sichuan. This study indicates that although the developments of some cities are undulate, the overall trend of the level of basic public services in the cities in Sichuan is going up, and Chengdu and Panzhihua have always been on the top of the level list. From the perspective of spatial pattern, the levels of basic public services in the areas along Baoji-Chengdu and Chengdu-Kunming railway lines are significantly higher than in the other regions. The levels in the eastern areas are generally higher than in the western areas. The development tendency of the levels of basic public services among all the cities in Sichuan is balanced, and it does not show significant "Matthew effect". Driving mechanism analysis shows that the policies and government action on the development of basic public services have the function of macro guidance; the economic and social development is the main driving force; and the restrictive effect of the natural and geographical conditions is weakening with the development of society and economy.
Key words: Sichuan     basic public services     projection pursuit model     spatial pattern     driving mechanism    

中国经济的高速发展使基本公共服务供给水平得到显著提高,但仍存在供给总量不足现象[1],城乡之间、地域之间、不同社会群体之间的“非均等化”问题严重[2]。多年来,中国城市化中人口城市化和社会城市化中的医疗水平的发展速度滞后于经济增长和地域景观的快速演进[3]。2014年国家印发“新型城镇化规划”,标志着中国城市化进入由“数量增长型”向“质量提升型”的转型期[4],其核心是强调人的城镇化[5],因此未来城镇化的重点也应从土地扩展向基本公共服务建设转变。同时国家在“十二五”规划纲要中提出,要将推进城乡之间、区域之间的基本公共服务均等化作为构建基本公共服务体系的重要内容;十八大上,中央政府更是将“推动公共服务均等化”作为全面提高人民生活水平的首要目标。因此,基于不同区域和尺度上基本公共服务水平差异的研究,对于推动基本公共服务均等化,实现社会公平有重要意义。

基本公共服务这一概念最早来自于西方国家,且在西方传统理论中,“公共服务”和“公共物品”被看作是等同的可相换的概念[6],Ostrom提出公共服务是以服务形式存在的公益物品[7];Samuelson[8]认为所有社会成员应当能均等消费这些产品。国外关于公共服务均等化的研究更多集中在城市内不同群体、不同阶层、不同邻里以及社区之间[9],尤其是社会群体间基本公共服务不均等的问题[10],注重民众能否接受均等化的基本公共服务[11]从而体现社会的公平性,并且基本公共服务的可达性被看作是反映城市居民生活质量的重要标志[12]

国内对基本公共服务及其均等化的研究较多的是从财政的转移支付、政府管理体制及完善财政制度等财政学和政治经济学角度着手[13-17],并且注重评价指标体系的建立[18-19]。但近年来,地理学者对基本公共服务的研究越来越多,研究角度也呈现多样化的趋势。比如韩增林等[20]从城乡差异的角度,分别构建城市和农村基本公共服务评价指标体系,分析中国31个省份的城乡基本公共服务水平的空间差异;宋潇君等[21]则专门对江苏省农村基本公共服务区域差异进行单独度量。也有学者利用不同的方法,对不同尺度上区域的基本公共服务水平和空间格局分异进行测度。史卫东和赵林[22]利用熵值法和集对分析模型对山东省基本公共服务质量空间格局特征进行分析;马慧强等[23]用熵值法对中国除拉萨外的286个地级以上城市基本公共服务水平进行系统分析;张启春和张帆[24]利用熵值法和变异系数,通过和长三角地区的比较对中部六省的基本公共服务均等化程度进行讨论;邓宗兵等[25]则利用三阶段DEA模型进行中国区域公共服务供给效率评价与差异性分析。在此基础上,有学者不仅对区域基本公共服务水平空间差异进行分析,还深入地研究差异形成的机制。比如李敏纳等[26]对中国各省份社会性公共服务水平和区域差异的变化机制分析;赵林等[27]对东北地区基本公共服务失配度的时空格局演化过程及形成机理进行分析;皮灿等[28]以广州市各区为评价单元,进行基本公共服务综合评价及驱动机制分析。此外,近年来也有学者从基本公共服务设施的供给模式、空间配置及形成机制等方面进行研究[29-30]

总体来讲,学者们已经从各个方面对基本公共服务及其均等化做了大量研究,为本文的研究打下了良好的基础。但现有的成果以国家层面和中东部省市研究为主,而对西部地区研究相对较少。四川是中国的人口大省,也是西部地区经济较为发达的省区,其省会成都更是西南地区的科技、商贸、金融中心和交通、通信枢纽,因此对四川省基本公共服务的研究具有典型性,有利于我们更好地了解西部地区基本公共服务水平的发展现状。原有的一些对四川省基本公共服务水平的研究[31-32]缺乏空间格局及变异的定量探索。以往学者对某区域基本公共服务水平测度和差异分析多采用熵值法、主成分分析法和变异系数等传统方法,并且只关注发展现状的空间差异而忽视发展速率上的空间分异及驱动机制。基于以上研究背景,本文选取四川省为研究对象,并且基于数据的可获得性,选取2000、2005、2010和2012年4个时间节点,建立指标体系,利用可进行多指标数据降维处理的投影寻踪模型,对四川省各个地市州的基本公共服务水平进行综合评价,进行地区间发展水平及速率差异的空间格局测度,并分析其时空演化格局的驱动机制,以期因地制宜地为提高四川省基本公共服务的整体水平和缩小地区发展差异提供决策依据。

1 研究区域

四川位于中国大陆西南腹地,区域内兼具多种地形,地势起伏度大 (图 1)。东部为川东丘陵,中部为成都平原,西部为川西高原,其东北部的巴中、达州则属于典型的秦巴山区。2014年四川省GDP约占西部12省总量20.7%,其经济地位在西部地区举足轻重。但四川省内的经济社会发展水平仍存在较大差异,较发达地区多集中于成都平原及周边,东部地区经济发展水平普遍高于西部;基本公共服务供给水平也存在不平衡现象,诸如高速铁路、高速公路及机场等较高等级交通基础设施建设,东部地区明显优于西部地区,尤其是甘孜、阿坝、凉山等少数民族自治州,其基本公共服务供给水平和成都平原地区更是存在着较大差异;同时省内各个地市州由于经济水平、基本公共服务基础和政策倾向等差异,基本公共服务发展速率也存在空间上的差异。

Download:

图 1 研究区概况图

Fig. 1 Basic geographic information of the study area
2 数据来源和方法 2.1 指标体系的建立及数据来源 2.1.1 指标体系的建立

在借鉴相关研究成果[19-23, 25-27, 30]以及国家基本公共服务体系“十二五”规划的基础上,结合指标体系选取的科学性、系统性、综合性以及数据的可获取性,同时考虑到四川作为西部省份农村地域广阔的特点,确定了涵盖教育与文体服务、医疗卫生和社会福利保障服务、基础设施服务、生态环境服务、信息化服务、农村与农业服务6大子系统的四川省基本公共服务评价指标体系 (表 1)。

表 1 四川省基本公共服务水平评价指标体系 Table 1 Evaluation index system for basic public services in Sichuan
2.1.2 数据来源

本文中所使用的数据主要来源于2001、2006、2011及2013年的中国统计年鉴、四川省统计年鉴、四川省各地市州统计年鉴和统计公报以及中国经济与社会发展统计数据库。

2.2 投影寻踪法综合评价

以往的研究在建立指标体系的基础上,多采用熵值法、主成分分析法[21-23, 25, 30]进行基本公共服务水平的定量综合评价,难以客观表征基本公共服务评价中指标数据具有高维、非线性、非正态等特点。投影寻踪法由美国科学家Kruscal于1972年提出,主要用来处理高维度、非线性且非正态数据[33]。其基本思路是,通过某种组合把高维数据投影到低维子空间上,采用投影目标函数衡量投影构形暴露某种数据结构的可能性大小,设定约束条件,寻找出投影目标函数最大化的投影方向向量,然后根据投影方向向量在低维空间上分析高维数据的结构特征[34]。投影寻踪法的关键在于投影指标函数优化的问题,传统的优化方法往往需要目标函数具有连续可导的特性且计算量大,这在一定程度上限制了其发展[35]。因此,本文采用克服了传统优化方法缺点,基于实数编码的加速遗传算法的投影寻踪聚类评价模型。

建模过程主要包括4个步骤[36]

1) 评价指标值的归一化处理

本文采用极值法对数据进行标准化处理,具体公式如下:

$ 正指标 \;\;{f_{ij}} = \frac{{{x_{ij}}-{\rm{min}}({x_{ij}})}}{{{\rm{max}}({x_{ij}})-{\rm{min}}({x_{ij}})}}, $ (1)
$ 负指标 \;\;\;{f_{ij}} = \frac{{{\rm{max}}({x_{ij}})-{x_{ij}}}}{{{\rm{max}}({x_{ij}})-{\rm{min}}({x_{ij}})}}, $ (2)

式中:xij代表单项指标的具体取值;max (xij) 和min (xij) 是xij在当年各地区单项指标中的最大值和最小值。由于本文中均采用正指标,因此主要利用式 (1)。

2) 构造投影指标函数Q(a)

a={a(1), a(2), a(3), …,a(p)}为投影方向向量,样本i在该方向上的投影值为

$ Z\left( i \right) = \sum\limits_{j = 1}^p {a\left( j \right)} x\left( {i, j} \right)\;\;\;\;\;i = \left( {1, 2, 3, \cdots, n} \right). $ (3)

在优化投影值时,要求投影值z(i) 的散布特征为:小密集 (局部投影点尽可能密集,最好凝聚成若干个点团),大分散 (整体上投影点团之间尽可能散开)。因此,将投影指标函数构造为

$ Q\left( a \right) = {S_z}{D_z}, $ (4)

式中:SzDz分别为投影值Z(i) 的标准差和局部密度,即

$ {S_z} = {\left[{\sum\limits_{i = 1}^n {{{\left( {Z\left( i \right)-E\left( z \right)} \right)}^2}/\left( {n-1} \right)} } \right]^{0.5}}, $ (5)
$ {D_z} = \sum\limits_{i = 1}^n {\sum\limits_{j = 1}^n {(R-{r_{ij}})} } u(R-{r_{ij}}), $ (6)

式中:E(z) 为序列{Z(i)i=1~n}的平均值;R为局部密度的窗口半径;rij表示样本间的距离,rij=Z(i)-Z(j);符号函数u(R-rij) 为单位阶跃函数,当Rrij时,函数值为1;否则函数值为0。

3) 投影目标函数优化

样本集确定后,投影方向向量a的变化决定着投影目标函数Q(a) 的变化。通过设定约束条件,求解最大化投影目标函数,计算最佳投影方向向量,即

目标函数最大化:

$ {\rm{max}}Q\left( \boldsymbol{a} \right) = {S_z}{D_z}, $ (7)

约束条件:

$ \sum\limits_{j = 1}^p {{a^2}} \left( j \right) = 1. $ (8)

由于传统的优化方法难以解决以a(j) 为优化变量的复杂非线性优化问题,本研究特采用通用的全局优化方法之一的加速遗传算法,来实现高维全局寻优[32]

4) 优劣排序

得到最佳投影方向向量后,以它为权重,与相应评价指标标准化值相乘,并将其积加和,便可得到各样本点的投影值,根据样本投影值的大小,可进行样本优劣排序。根据最佳投影方向向量即评价指标权重,还可判定各评价指标对系统的影响程度。

建立模型后,在MATLAB中运行程序可得出各样本的投影值及各指标的最佳投影方向。

3 结果与分析 3.1 四川省基本公共服务水平

在利用投影寻踪模型的过程中,可得到最佳投影方向,即各指标的权重;其投影值为四川省各个地市州基本公共服务水平的综合值。对各年四川省各地市州基本公共服务水平的投影值进行排序可得到图 2表 2

Download:

图 2 四川省各地市州基本公共服务水平

Fig. 2 Basic public service levels of all the cities and prefectures in Sichuan

表 2 四川省各地市州基本公共服务水平综合值排序 Table 2 Ranking of basic public service levels of all the cities and prefectures in Sichuan

从图表中可以看出,2012年四川省基本公共服务水平最高的前3位城市分别为:成都、攀枝花、绵阳,这3个城市同时也是四川省经济较为发达的城市;发展水平最低的是凉山州,其基本公共服务水平综合值和最高的成都相差2.193 7分,发展水平不足成都的50%,差值较大;其余排在前10位的城市多属于成都平原城市群。在四川省基本公共服务发展的过程中,尽管个别地市州发展水平有小幅度的波动情况,但整体仍然呈上升趋势。成都和攀枝花一直排在前两位,且总体水平明显高于其他地市州。同时,排在前列的总是德阳、绵阳、雅安、乐山、广元、内江、自贡、南充等市;而凉山州在4年的评价中总是处于四川省的最低水平;其余如广安、达州、泸州、甘孜州等市州,整体也总是处于四川省落后水平;遂宁、资阳、宜宾、眉山以及阿坝州等市州则一直处于中等水平。总体来看,成都平原及川中丘陵地区城市的基本公共服务发展水平高于川西高原及川东北丘陵山地地区的城市,而攀西地区的攀枝花市和凉山州则呈现出明显的两极分化趋势。从发展排序的变化上来看,位序上升最明显的城市是内江,从2000年的第19位到2005年一跃成为第9位,2010成为第7位到2012年成为第6位,其位次一直在不断上升,并保持在四川省内前10位。此外,另一城市巴中的排名也有明显上升。

在投影寻踪模型中,各个指标的最佳投影方向实际上代表该指标的权重及其对基本公共服务水平综合值的影响程度,其值越大则表明相应的指标对最终评价结果的影响程度越大。由投影寻踪模型的结果得到图 3,其最佳投影方向排在前10位的分别是:城乡居民最低生活保障人数 (0.261 5)、农业支出占财政支出比重 (0.229 6)、路网综合密度 (0.222 3)、城市生活垃圾无害化处理率 (0.214 5)、基本医疗保险参保率 (0.202 2)、万人中小学数 (0.201 7)、建成区覆盖绿化率 (0.195 3)、城市生活污水处理率 (0.187 2)、有线广播电视覆盖率 (0.183 6)、城市用水普及率 (0.179 7)。从指标的内在联系看,属于生态环境服务一级指标的有3个,属于医疗卫生和社会福利保障服务和基础设施服务一级指标的各2个,信息化、教育和文化及农村和农业服务各包含1个。在将来提升四川省基本公共服务水平的建设中,可将上述结果作为一定的参考依据,重点改善这几个方面。

Download:

图 3 四川省基本公共服务评价指标最佳投影方向

Fig. 3 The best projection direction of basic public service evaluation indexes in Sichuan
3.2 四川省基本公共服务水平和差异空间格局 3.2.1 四川省基本公共服务水平空间格局分析

利用计算出的四川省各地市州基本公共服务水平综合值得到图 4。总的来说,四川省的基本公共服务水平在空间上呈现明显的极化和平行线分布趋势。在整个四川省内,成都和攀枝花一直属于基本公共服务水平的高值区,特别是成都,多年以来一直排在首位,而凉山彝族自治州则一直处于低极值位置,且二者的差距一直较大。从图 4中可以明显看出,四川省基本公共服务水平次高等及中等区域数量增加,特别是2012年,绵阳首次跨入基本公共服务水平的高值区域,打破了成都和攀枝花的两极结构。同时四川省基本公共服务水平呈现出东北—西南走向的平行线分布趋势,大致以广元—绵阳—德阳—成都—雅安 (乐山)—攀枝花一线为中心,向两侧递减;而这条线与宝成—成昆线相符合,也印证了交通对于区域发展的重要性。四川省基本公共服务水平从中心线向两侧的发展过程中,向东扩散的趋势大于向西的作用,这可能与四川省地形有关,其西部为川西高原,海拔高且地形起伏度大,从而削弱了中心地区基本公共服务向其扩散和服务的能力。而在中心线的东部,基本公共服务水平呈现出距离衰减规律,越靠近中心线和成都平原的地区其发展水平越高,而东部边缘地区的达州—广安—泸州一线其基本公共服务水平则与西部的甘孜和阿坝州大致处于同一等级。

Download:

图 4 四川省基本公共服务水平空间格局及其发展过程

Fig. 4 Spatial pattern and developmental process of basic public service levels in Sichuan
3.2.2 四川省基本公共服务水平发展差异分析

对四川省各个地市州四年来基本公共服务水平进行时间序列线性回归分析,其回归方程斜率K1反映各地市州发展速率的高低,K1越大表明该市州的基本公共服务水平发展越快,借此对四川省各区域的发展速率差异进行分析。同时,成都市作为四川省的政治经济文化中心,其综合发展水平长期远高于四川省其他地市州,作为四川省的核心增长极,长期呈现出“一城独大”的现象,并且其基本公共服务水平一直处于第一的位置。因此本文首先计算出各地市州基本公共服务水平与成都的差值,对差值进行时间序列线性回归分析,得到变化斜率K2,称之为相对差异系数,该值反映了各地市州从2000到2012年与成都发展水平的差距变化程度,K2值越大则表示差距变化越大。利用K1K2值,采用ArcGIS中的自然间断法,将其分为5个等级,分别得到图 5(a)5(b)

Download:

图 5 四川省基本公共服务水平发展速率 (a) 和发展差异 (b)

Fig. 5 Developmental rates and differences of the levels of basic public services in Sichuan

单独从四川省基本公共服务的发展速率或其差异来看并无明显的空间分异规律,但将上诉分析结果相结合可以发现二者之间存在着明显的关联性。以成都作为参照值,各地市州凡是发展速率超过成都的,其自身每年与成都的基本公共服务综合水平差距均在不断缩小,且发展速率越快,其相对差异系数越小,即差距越来越小。

就发展速率来看,内江和巴中是发展速率最快的2个城市,在综合评价的排序结果中,它们也是位序上升最明显的城市。相应地,在与成都的相对差异分析中,内江、巴中两市同样是相关差异系数最小的2个地区,即其基本公共服务水平与成都的差距缩小程度最大。自成渝经济圈规划以来,成渝两城市之间的联系尤其是经济联系加强,而内江正处于两市的交通干线上,在此契机下其综合发展水平也得到了较大提高。而巴中的发展则得益于其基础设施的提升,尤其是近年来,巴中出现明显的“返乡潮”,随着外出务工人员的回乡,在当地大量新建房屋及道路,显著地提升了当地的基础设施和生活水平。

值得注意的是,一个地区的基本公共服务发展水平受到其原有基础的影响,如成都市周边的德阳、雅安、乐山三市,其发展速率虽然最低,但其基本公共服务水平却一直位于四川省前列;一些原本发展水平较为落后的地区,如巴中和眉山,由于发展基数较小,虽然发展速度较快,但其基本公共服务水平仍落后于这三市。同时,从图 5(b)可以看出,这三市自身与成都的差距逐渐扩大趋势最明显,反而是非成都周边的某些地区,如南充、广元,与成都的差距反而在缩小。即德阳、雅安、乐山三市的绝对增长量虽然大,但相对增长量却较小;这也表明成都作为一个基本公共服务增长极,对其周围地区存在一定程度的“海绵效应”。同时我们发现,多数传统基本公共服务水平较低的地区,如广安、达州、甘孜、阿坝等其发展速率基本较快,与成都的差距也不断缩小,可以反映出政府对于基本公共服务水平落后地区的政策倾斜是有一定效果的;结合图 4图 5可以看出四川省各地区间基本公共服务水平的发展并没有出现明显的“马太效应”,而是呈现出整体均衡发展趋势。

4 空间格局形成驱动机制分析 4.1 影响因素分析

基本公共服务水平空间格局的形成和演化是多种因素相互交织作用的结果,为了定量地识别影响四川省基本公共服务水平的主要因素,文章参考相关研究成果[26-27, 37]并结合四川省具体情况和社会经济统计数据,选取人均GDP (X1)、人均地区财政收入 (X2)、人均地区财政支出 (X3)、人均固定资产投资 (X4)、工业总产值 (X5)、农业总产值 (X6)、第三产业产值占总产值比重 (X7)、客运量 (X8)、货运量 (X9)、城镇化率 (X10)、总人口 (X11)、地形起伏度 (X12)、平均海拔 (X13)、社会消费品零售总额 (X14) 等参数为解释变量,同期的基本公共服务水平 (Y) 为被解释变量,基于SPSS软件建立多元回归模型。首先对各变量进行多重共线性检验,剔除未通过检验的变量X5X8X12X14,然后进行回归并得到主要结果 (表 3)。

表 3 四川省基本公共服务水平影响因素回归分析 Table 3 Influencing factor regression analysis of the levels of the basic public services in Sichuan

表 3结果来看,四期模型双尾显著性概率 (Sig) 均小于0.05,说明模型通过显著性检验;同时R2整体呈现不断变大的趋势,说明模型拟合度也在不断提高。回归系数反映解释变量对被解释变量的贡献程度,所有解释变量,除平均海拔 (X13) 与被解释变量呈负相关外,其余的均为正相关关系,表明平均海拔对四川省基本公共服务发展具有一定的限制性作用。整体来看贡献度大小大致可分为3个层次,解释变量人均GDP (X1)、人均地区财政收入 (X2)、人均地区财政支出 (X3)、人均固定资产投资 (X4) 及城镇化率 (X10) 对被解释变量贡献度最为显著,即经济发展和城镇化水平对四川省基本公共服务的影响最大;其次是货运量 (X9)、总人口 (X11) 及平均海拔 (X13);解释变量农业总产值 (X6) 及第三产业产值占总产值比重 (X7)贡献度相对来说最弱,也说明现阶段经济结构对四川省基本公共服务影响有限。同时,年际之间各解释变量与被解释变量的关系又略有不同,比如2000、2005以及2010这3年中,相关系数最大的均是解释变量城镇化率 (X10),而到了2012年人均GDP (X1),城镇化率 (X10) 的相关系数排序则下降到第4位,另一解释变量平均海拔 (X13) 也由之前的第6、7位下降到最末的第10位。表明,随着四川省基本公共服务发展到一定水平,城镇化对其影响有所下降,而经济发展水平的影响力提升,同时平均海拔等自然条件的限制性也在减弱。

4.2 驱动机制综合阐释

四川省基本公共服务的供给和分配由政府和市场共同参与,但仍然以政府为主导力量,由教育与文体服务、医疗卫生和社会福利保障服务、基础设施服务、生态环境服务、信息化服务以及农村和农业服务等多个方面构成。其时空格局的演化首先受到原有基础的路径依赖影响,其次还受到政策和政府行为的宏观导向以及经济和社会发展、自然和地理条件等微观机制的影响。

1) 政府政策和行为是基本公共服务空间格局形成的推动和导向力。基本公共服务相关政策包括国家和地方两个层级,共同确定基本公共服务发展的框架。国家政策对地方的基本公共服务具有宏观的导向作用,尤其是国家财政转移支付,能够弥补地方财政能力的不足。国家和地方区域发展战略的实施,能够促进区域整体发展,从而提高其基本公共服务水平,比如国家级成渝城市群的建立,对城市群内部城市的发展必然有积极的推动作用,并促进基本公共服务空间格局的形成和演化。地方政府的财政收入水平决定其在基本公共服务上的财政支出能力,同时在基本公共服务上的财政支出结构是否合理,是否符合地区基本公共服务各领域最迫切的发展需求等,则直接影响基本公共服务发展的效率和空间格局演化的进程。政府的政绩考核机制也一定程度上影响地方政府在促进基本公共服务发展上的作为,但由于目前对基本公共服务的考核机制不完善,地方政府普遍重视度不够。

2) 经济和社会发展是基本公共服务空间格局形成的基本动力。四川省基本公共服务水平格局在一定程度上是经济社会发展水平格局的再现。经济发展不仅为基本公共服务提供物质基础,而且直接决定地方的财政支出水平,目前四川省基本公共服务主要由政府供给的条件下,这直接决定一个地方的基本公共服务发展能力和水平。社会发展层次则影响基本公共服务供给的多样性和质量,一般地区社会发展层次越高,提供的基本公共服务类型越丰富,质量越高。人均GDP (X1) 以及城镇化率 (X10) 一直都是影响四川省基本公共服务水平的重要因素。

3) 自然和地理条件是基本公共服务空间格局形成的内生动力。自然和地理条件是一个区域发展的基础,对格局演化具有重要的意义,优越的自然和地理条件可以为地区的综合发展提供原始的动力,反之则会产生限制作用。四川省基本公共服务水平整体呈现出西低东高的趋势,西部地区海拔高,对外联系便利度低,其落后在一定程度上是受地形条件限制。但表 3的结果表明,随着社会经济的发展,尤其是交通技术的不断提高,地理环境的限制对基本公共服务的影响在降低,这也是人地关系良性互动的体现。

5 结论与讨论

1) 本文通过建立四川省基本公共服务评价指标体系,利用投影寻踪模型进行分析,结果较为客观。结果表明四川省内部虽然少数地市基本公共服务发展存在一定的起伏,但整体水平是提升的,成都和攀枝花一直是基本公共服务水平最高的地区。通过对最佳投影方向排序发现,生态环境服务、医疗卫生和社会保障服务以及基础设施服务对四川省基本公共服务水平的影响较大,其余三项一级指标次之。因此在未来的四川省基本公共服务建设中可将其作为重点建设领域,提高服务质量,并补足短板;同时要加大对教育文化,特别是基础教育的投入;改变二元分配结构,建立城乡统一的基本公共服务供给体制。

2) 从发展格局来看,四川省基本公共服务水平以成都为中心,沿宝成—成昆一线发展水平明显高于其他地区,并且除东部边缘地区外,东部地区基本公共服务水平普遍高于西部地区,甘孜、阿坝、凉山3个少数民族自治州发展水平均比较低,特别是凉山州,一直处于最低值。发展速率的差异分析表明并非越接近中心城市成都的周边地区发展速率越快,地区的基本公共服务水平具有历史路径依赖作用,成都作为基本公共服务增长极,对周围地区的发展存在一定程度的“海绵效应”,但四川省基本公共服务水平总体呈均衡发展趋势,并未出现明显的“马太效应”。因此要继续坚持地区间协调发展,注重发达和欠发达地区以及不同社会群体之间的公平,促进四川省基本公共服务水平的整体提升。对于成都周边地区,要积极引导成都市基本公共服务资源的合理流动,特别是向周围地区的合理扩散,避免“灯下黑”的现象。

3) 四川省基本公共服务空间格局的形成是众多影响因素相互作用的结果,受到政策和政府行为的宏观导向以及经济和社会发展、自然和地理条件等微观机制的共同作用。在未来的发展中,要创新管理和问责制度,继续加大对少数民族集中居住地的财政投入,并规范财政转移支付制度;提高基本公共服务投入的效率,将其投在最亟待改善的领域,解决投入失衡问题,比如对于甘、阿、凉等少数民族地区要着重其基础设施建设,特别是交通条件的改善,而对于成都、攀枝花、绵阳等基础较好的城市,则需要注重生态环境、文化教育和社会保障等领域的建设;同时创新基本公共服务供给模式,实现政府、市场及社会的多元参与。

参考文献
[1] 徐定德, 彭立, 刘邵权, 等. 农村公共品投资对农户收入影响的实证分析[J]. 经济地理, 2016, 36(3):139–146.
[2] 费尧. 实现我国基本公共服务均等化的路径选择初探[D]. 北京: 中央民族大学, 2013.
[3] 陈明星, 陆大道, 张华. 中国城市化水平的综合测度及其动力因子分析[J]. 地理学报, 2009, 64(4):387–398. DOI:10.11821/xb200904001
[4] 陈明星. 城市化领域的研究进展和科学问题[J]. 地理研究, 2015, 34(4):614–630.
[5] 陆大道, 陈明星. 关于"国家新型城镇化规划 (2014-2020)"编制大背景的几点认识[J]. 地理学报, 2015, 70(2):179–185.
[6] 韩小威, 尹栾玉. 基本公共服务概念辨析[J]. 江汉论坛, 2010(9):42–44.
[7] Ostrom E. 公共事务的治理之道[M]. 余逊达, 陈旭东, 译. 上海: 上海三联书店, 2000.
[8] Samuelson P A. The pure theory of public expanditure[J]. Review of Economics & Statistics, 1954, 36(4):387–389.
[9] 田艳平. 国外城市公共服务均等化的研究领域及进展[J]. 中南财经政法大学学报, 2014(1):50–59.
[10] Baicker K, Chandra A, Skinner J. Geographic variation in health care and the problem of measuring racial disparities[J]. Perspectives in Biology and Medicine, 2005, 48(1):42–53.
[11] Boyne G, Powell M. Territorial justice: a review of theory and evidence[J]. Political Geography Quarterly, 1991, 10(3):263–281. DOI:10.1016/0260-9827(91)90038-V
[12] Michalos A C. Public services and the qualityof life[J]. Social Indicators Research, 1999, 48(2):125–156. DOI:10.1023/A:1006893225196
[13] 左翔, 殷醒民, 潘孝挺. 财政收入集权增加了基层政府公共服务支出吗?以河南省减免农业税为例[J]. 经济学:季刊, 2011, 10(4):1349–1374.
[14] 赵楠, 成艾华. 财政转移支付在民族地区公共服务均等化中的效应及改进措施研究[J]. 西南民族大学学报 (人文社会科学版), 2010, 31(10):145–149.
[15] 张启春. 区域基本公共服务均等化与政府间转移支付[J]. 华中师范大学学报 (人文社会科学版), 2009, 48(1):39–45.
[16] 赵怡虹, 李峰. 基本公共服务地区间均等化:基于政府主导的多元政策协调[J]. 经济学家, 2009(5):28–33.
[17] 曾红颖. 我国基本公共服务均等化标准体系及转移支付效果评价[J]. 经济研究, 2012(6):20–32.
[18] 刘成奎, 王朝才. 城乡基本公共服务均等化指标体系研究[J]. 财政研究, 2011(8):25–29.
[19] 马昊, 曾小溪. 我国基本公共服务均等化的评价指标体系构建:基于东中西部代表省份的实证研究[J]. 江汉论坛, 2011(11):23–25. DOI:10.3969/j.issn.1003-854X.2011.11.005
[20] 韩增林, 李彬, 张坤领. 中国城乡基本公共服务均等化及其空间格局分析[J]. 地理研究, 2015, 34(11):2035–2048.
[21] 宋潇君, 马晓冬, 朱传耿, 等. 江苏省农村公共服务水平的区域差异分析[J]. 经济地理, 2012, 32(12):133–139.
[22] 史卫东, 赵林. 山东省基本公共服务质量测度及空间格局特征[J]. 经济地理, 2015, 35(6):32–37.
[23] 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):212–217.
[24] 张启春, 张帆. 中部六省基本公共服务均等化程度分析: 基于与长三角地区的比较[C]//全国经济地理研究会. 全国经济地理研究会第十三届学术年会暨金融危机背景下的中国区域经济发展研讨会论文集. 北京, 2009: 279-289.
[25] 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):28–33.
[26] 李敏纳, 覃成林, 李润田. 中国社会性公共服务区域差异分析[J]. 经济地理, 2009, 29(6):887–893.
[27] 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):36–44.
[28] 皮灿, 杨青山, 明立波, 等. 马赛克式聚落景观下的广州市基本公共服务均等化研究[J]. 经济地理, 2014, 34(3):51–57.
[29] 陈伟东, 张大维. 中国城市社区公共服务设施配置现状与规划实施研究[J]. 人文地理, 2007, 22(5):29–33.
[30] 周春山, 高军波. 转型期中国城市公共服务设施供给模式及其形成机制研究[J]. 地理科学, 2011, 31(3):272–279.
[31] 戚学祥. 省域基本公共服务均等化指标体系建构及其运用:基于四川省的实证研究[J]. 经济体制改革, 2015(2):58–63.
[32] 沙治慧, 冯国静. 四川省城乡公共服务均等化实证研究[J]. 城市发展研究, 2012, 18(11):119–124. DOI:10.3969/j.issn.1006-3862.2012.11.018
[33] 陈文峰. 基于投影寻踪模型的河南城市化水平综合评价[J]. 经济地理, 2012, 32(9):61–66.
[34] 邓楚雄, 谢炳庚, 李晓青, 等. 基于投影寻踪法的长株潭城市群地区耕地集约利用评价[J]. 地理研究, 2013, 32(11):2000–2008.
[35] 王茜茜, 周敬宣, 李湘梅, 等. 基于投影寻踪法的武汉市"两型社会"评价模型与实证研究[J]. 生态学报, 2011, 31(20):6224–6230.
[36] 付强, 赵小勇. 投影寻踪模型原理及其应用[M]. 北京: 科学出版社, 2006: 47-49.
[37] 赵林, 张明, 张宇硕, 等. 河南省基本公共服务失配度时空格局与驱动机制[J]. 河南大学学报 (自然科学版), 2016, 46(1):21–32.