论文部分内容阅读
摘 要： 通过构建安徽省公共服务水平评价指标体系，选取全省16个地级市作为评价对象，以2012-2017年的面板数据为样本，运用熵值法进行客观评价，评价结果显示：从整体上来看，各市综合指数处于下降和上升的波动状态，还存在较大的提升空间，平均综合指数较高的依次为合肥市、黄山市、铜陵市、芜湖市和马鞍山市，最低的三个市分别为淮南、宿州、淮北;从划分区域来看，安徽省地方政府公共服务水平自“皖北—皖中—皖南”依次上升，并且区域内部存在明显差异;从历年的综合指数排序来看，合肥市、淮北市、黄山市最为平稳;从影响因素来看，科学技术与教育占权最高，公共卫生影响偏低。因此，安徽省各地方政府应当积极采取相应措施，逐步缩小区域公共服务水平差异，助力我国社会主义现代化建设。
关键词： 公共服务; 面板数据; 熵值法; 综合评价; 指标体系
中图分类号： D630 文献标志码： A 文章编号： 1671-2153（2019）04-0092-06
2005年10月11日，中共十六届五中全会在通过的《中共中央关于制定国民经济和社会发展第十一个五年规划的建议》中，首次提出了“公共服务均等化”这一概念。2017年3月由国务院印发的《“十三五”推进基本公共服务均等化规划》曾指出，基本公共服务均等化是指全体公民都能公平地获得大致均等的基本公共服务机会，而不是绝对的平均化，我国力争到2020年总体实现基本公共服务均等化。2018年7月6日，由习近平总书记主持召开的中央全面深化改革委员会第三次会议审议通过了《关于建立健全基本公共服务标准体系的指导意见》，该《指导意见》明确到2035年我国基本实现基本公共服务均等化。由此可见，基本公共服务均等化的实现不仅涉及到社会公平和人民福祉问题，而且关乎到我国中华民族的伟大复兴。基本公共服务均等化也逐渐成为当前热点讨论的话题。目前，由于各地方政府公共财政体制与政府管理机制的差异[1]，我国地区之间、省份之间和城乡之间基本公共服务存在明显失衡的现象。安徽省作为人口农业大省，其公共服务水平必然影响我国总体水平建设。另外，安徽省各地区的公共服务水平是否也会像全国那样呈现出差异性？而具体又是如何变化？在全面建成小康社会的关键时期，又该如何推进安徽省公共服务均等化建设？所以对安徽省公共服务水平进行动态综合评价具有重要意义。
目前国内学者围绕公共服务非均等化的研究可分为两种。一种是从区域之间、省份之间或城乡之间进行基本公共服务水平整体上的比较。劉丹璐测算了长三角分地区和城市间的基本公共服务水平和不均等状况，发现长三角地区公共服务水平差异显著，并与经济发展水平呈正相关[2]。田时中、金海音等基于熵值法对全国30个省2004-2014政府公共服务水平进行了深入研究[3]。还有一种是从具体的某一类公共服务领域进行研究，比如公共教育、公共文化、农村体育、公共卫生等。张启春、范晓琳利用因子分析、数据包络分析方法对我国31个省级政府2010-2014年基本公共文化服务绩效水平进行了测度[4]。闫威、胡亮基于数据包络分析，采用2003-2007年全国31个省的面板数据，测算了我国社会保障公共服务效率[3]。张启春、江朦朦以教育、医疗卫生和社会服务为评估对象，从“投入-产出”视角构建评价指标体系，综合采用“纵横向”拉开档次评价法和数据包络分析法，对全国31个省市农村公共服务进行实证评估[6]。通过梳理和比较相关文献，发现学者们目前普遍使用的定量分析方法主要有主成分分析法、因子分析法、层次分析法、泰尔指数法、数据包络分析和熵值法。关于政府公共服务水平非均等化的原因和解决对策，也有学者进行了总结。郭小聪、代凯主要总结了三个方面的原因，分别是财政分权体制影响约束、公共财政体制不完善和政府管理机制不健全，并提出实现公共服务均等化需要不断完善公共财政体制和健全政府管理机制的建议[1]。以上文献对本文具有重要的借鉴意义，但仍存在可以拓展的空间。比如构建公共服务水平评价指标体系还有待完善，定量分析还有待深入。基于此，本文从科学技术与教育、公共卫生、社会保障与就业、公共交通与安全及公共环境5个方面建立公共服务水平评价指标体系，以安徽省按照行政区域划分的16个地级市2012-2017年的面板数据为样本，运用熵值法获得客观评价结果，争取全面、合理地从整体方面、区域方面、影响因素差异方面分析地方政府公共服务水平，并注意横向与纵向的对比分析，最后针对评价结果提出相关建议。
一、评价方法及数据的选取
（一）评价方法
（二）评价指标及数据选取
魏福成、胡洪曙[7]，安体富、任强[8]，赵晏、邢占军等[9]对基本公共服务评价指标体系进行了系统的研究，也为本文提供了一定的研究思路。本文这里主要借鉴田时中[5]等人的做法，依据可操作性和系统性，从科学技术与教育、公共卫生、社会保障与就业、公共交通与安全及公共环境5个方面出发，同时依据公共性选取21个指标，反映各地方政府的公共服务水平。具体指标及属性如表1所示。
以上指标数据皆来源于《2013-2018安徽统计年鉴》。2012年与2013年人口死亡率数据缺失，采用插值法补齐。为了剔除人口差异，部分数据采用人均值计算，即除以当年的常住总人口数。因篇幅所限，原始数据不再列出。
二、实证分析
（一）指标标准化处理
在进行标准化处理之前，需要对逆向指标作正向处理。所谓逆向指标，也就是该数值越小越好。本文通过对逆向指标取倒数得到正向指标。具体通过Excel完成。运用SPSS19.0求出极大值，通过极值法公式求出2012-2017年间21个评价指标的标准量化值X′ij。 （二）确定指标权重
运用熵值法计算2012-2017年各指标的权重。由于篇幅所限，仅列出2017年各指标权重，具体如表2所示。可以发现，人均发表科技论文数占权最高，说明该指标离散程度最大。
（三）指数测算结果
根据熵值法所列出的公式（5）即可求出2012-2017年各市公共服务水平的综合指数。具体如表3内容所示。
三、评价结果分析
从整体上来看，由表3可知，安徽省16个市的综合指数每年都处于上升或是下降的波动状态，其中有一半地级市处于略有下降的趋势，情况不容乐观。比如像铜陵市、淮南市和阜阳市。只有合肥市和池州市的综合指数水平基本上在不断增长，也有部分市的综合指数比较稳定。总的来说，各市公共服务水平还存在较大的提升空间。从2012-2017年的平均综合指数来看，较高的依次为合肥市、黄山市、铜陵市、芜湖市和马鞍山市，综合指数水平分别为54.6643、48.4412、42.2266、41.6494、33.6992。这几个市的综合指数均高于30。最低的三个市依次分别为淮南、宿州和淮北，相应的综合指数为24.2173、22.5585和18.7897。可以看出合肥市与淮北市公共服务水平相差较大。而观察极差项，整体呈不断扩大的趋势，说明安徽省区域内公共服务水平非均等化问题更加严重，相较2013年，该增加趋势有所放缓。
从划分区域来看，依据安徽省的地理位置，将安徽划分为皖北、皖中和皖南三个地区。皖北是指淮河以北的地区，主要包括宿州市、淮北市、阜阳市、亳州市、淮南市和蚌埠市。皖中指淮河以南，长江以北的中间地区，包括合肥市、六安市、滁州市和安庆市。皖南指长江以南的地区，包括宣城市、马鞍山市、黄山市、铜陵市、池州市和芜湖市。由表3数据可知，公共服务水平综合指数基本上由安徽北部向南部依次递增。三个地区公共服务水平综合指数平均值分别为25.4398、33.8455与36.6152。可以看出，皖北地区与皖中皖南差别较大，皖中与皖南差别较小。下图1更清晰地反映了三大地区从2012-2017年公共服务水平综合指数的动态变化趋势，除2012年外，皖南地区综合指数都高于皖中地区，三个地区的变化趋势也比较接近。从区域内部来看，皖中和皖南内部差异高于皖北地区。
为了深入比较安徽省16个市每年的综合指数，下表4对各市每年的综合指数进行了排序。由表4可知，合肥市有3次排序为1，3次排序为2，排序方差为0.5477，公共服务综合水平不仅领先全省其他市，也较为稳定。淮北市排序方差最小，但是有4次排序倒数第一，正如表3所反映的一样，综合指数最低。另外黄山市排名均在前3，方差为0.9832，和前两者一样，均未超过1。另外，像阜陽市、池州市、六安市、马鞍山市的排序方差比较大，均大于3。
从影响因素来看，科学技术与教育占比最高，公共卫生占比偏低。而整体上，各影响因素处于小范围的波动中，较为平稳。以2017年为例，科学技术与教育、公共卫生、社会保障与就业、公共交通与安全和公共环境所占权重分别为0.4474、0.0227、0.1077、0.2073、0.2149。科学技术与教育所占权重比公共卫生高得多。说明科学技术与教育对综合评价的影响更大，安徽省16个市的数据更离散。
四、结论与建议
（一）结论
从整体上来看，各市综合指数处于下降和上升的波动状态，还存在较大的提升空间，平均综合指数较高的依次为合肥市、黄山市、铜陵市、芜湖市和马鞍山市，最低的三个市依次分别为淮南、宿州、淮北。
从划分区域来看，安徽省地方政府公共服务水平自“皖北—皖中—皖南”依次上升，并且区域内部存在明显差异，其中皖北地区内部差异最小。
从历年的综合指数排序来看，合肥市、淮北市、黄山市最为平稳，排序方差均低于1。
从影响因素来看，科学技术与教育占权最高，基本维持在44%左右，而公共卫生影响偏低。
（二）建议
基于上文得出的结论，为了能够促进安徽省各市公共服务水平均等化的发展，提出以下建议。
首先安徽省应当进一步优化公共服务投入，提高整体公共服务水平。虽然安徽省一般公共预算支出中用于民生性支出的财政资金每年都有所增长，但是占GDP的比例基本维持不变，这一比例与国外发达国家及发展中国家相比，要低得多。以社会保障和就业来说，表6列举了2016年和2017年安徽省各市社会保障和就业一般预算支出与占GDP的比值。可以发现，2017年16个市预算支出均增长一定比例，但就占GDP比例来说，有些市反而有所下降。安徽省各政府应保证提供与事权相匹配的公共服务投入资金，加大对皖北地区和农村地区的民生性财政投入。目前，公共服务大部分都是由地方政府提供，渠道较为单一，政府应鼓励和引导社会资本参与，形成多元供给格局。
其次安徽省应提高政府自身管理水平。由上研究可知，安徽省各市公共服务水平差异较大，这与各市政府自身管理能力也有一定关系。各市政府应充分了解公共服务需求，制订本市的公共服务标准，调整“重经济建设、轻公共服务”的财政支出结构，建立起政府基本公共服务问责和监督机制，提高公务员自身服务水平。
最后充分发挥科学技术与教育的影响力。2017年科学技术与教育综合指数排在前列的分别为安徽合肥市、芜湖市、马鞍山市、蚌埠市和铜陵市，综合指数依次为0.4460、0.2573、0.1888、0.1437、0.1366。合肥市作为创新之都，应继续加大科技投入，充分发挥省会优势，向创新驱动转型。皖南皖北地区应继续加大科研与教育方面的投入，支持高校科研发展，通过税收优惠、财政补贴等方式吸引高科技企业投资，引进科技人才，提高创新能力。
参考文献：
[1] 郭小聪，代凯. 国内近五年基本公共服务均等化研究：综述与评估[J]. 中国人民大学学报，2013（1）：145-154. [2] 刘丹鹭. 长三角地区基本公共服务均等化的评估[J]. 南通大学学报，2018（6）：35-42.
[3] 田时中，金海音，涂欣培. 基于熵值法的政府公共服务水平动态综合评价[J]. 石家庄学院学报，2017（2）：11-19.
[4] 张启春，范晓琳. 我国基本公共文化服务绩效的评价与实证[J]. 统计与决策，2017（17）：72-75.
[5] 闫威，胡亮. 我国社会保障公共服务效率评价研究——基于数据包络分析方法[J]. 华东经济管理，2009（8）：47-51.
[6] 张启春，江朦朦. 中国农村基本公共服务绩效评估分析：基于投入产出视角[J]. 中南民族大学学报，2016（4）：141-146.
[7] 魏福成，胡洪曙. 我国基本公共服务均等化：评价指标与实证研究[J]. 中南财经政法大学，2015（5）：26-36.
[8] 安体富，任强. 中国公共服务均等化水平指标体系的构建——基于地区差别视角的量化分析[J]. 财贸经济，2008，（6）：79-82.
[9] 赵晏，邢占军，李广. 政府公共服务质量的评价指标测度[J]. 重慶社会科学，2011（10）：113-120.
Abstract： A survey is made among 16 cities from 2012 to 2017 to make dynamical comprehensive evaluation by using entropy method after building public service level evaluation index system. Results show that on the whole， municipal comprehensive index floats up or down， there is a big room to improve， the average comprehensive index is higher in turn for Hefei， Huangshan， Tongling， Wuhu， Maanshan， the lowest three city turn for Huainan， Suzhou， Huaibei; from the perspective of regional division， the public service level of local government rises successively from the north to the south in Anhui province， and there are obvious differences within the regions; according to the ranking of comprehensive index over the years， Hefei， Huaibei and Huangshan are the most stable; in terms of influencing factors， science， technology and education have the highest proportion， while public health has the lowest influence. Therefore， the local governments in Anhui province should actively take corresponding measures to gradually narrow the regional differences in public service level and help China's socialist modernization.
Keywords： public service; panel data; entropy method; comprehensive evaluation; index system
（责任编辑：程勇）
关键词： 公共服务; 面板数据; 熵值法; 综合评价; 指标体系
中图分类号： D630 文献标志码： A 文章编号： 1671-2153（2019）04-0092-06
2005年10月11日，中共十六届五中全会在通过的《中共中央关于制定国民经济和社会发展第十一个五年规划的建议》中，首次提出了“公共服务均等化”这一概念。2017年3月由国务院印发的《“十三五”推进基本公共服务均等化规划》曾指出，基本公共服务均等化是指全体公民都能公平地获得大致均等的基本公共服务机会，而不是绝对的平均化，我国力争到2020年总体实现基本公共服务均等化。2018年7月6日，由习近平总书记主持召开的中央全面深化改革委员会第三次会议审议通过了《关于建立健全基本公共服务标准体系的指导意见》，该《指导意见》明确到2035年我国基本实现基本公共服务均等化。由此可见，基本公共服务均等化的实现不仅涉及到社会公平和人民福祉问题，而且关乎到我国中华民族的伟大复兴。基本公共服务均等化也逐渐成为当前热点讨论的话题。目前，由于各地方政府公共财政体制与政府管理机制的差异[1]，我国地区之间、省份之间和城乡之间基本公共服务存在明显失衡的现象。安徽省作为人口农业大省，其公共服务水平必然影响我国总体水平建设。另外，安徽省各地区的公共服务水平是否也会像全国那样呈现出差异性？而具体又是如何变化？在全面建成小康社会的关键时期，又该如何推进安徽省公共服务均等化建设？所以对安徽省公共服务水平进行动态综合评价具有重要意义。
目前国内学者围绕公共服务非均等化的研究可分为两种。一种是从区域之间、省份之间或城乡之间进行基本公共服务水平整体上的比较。劉丹璐测算了长三角分地区和城市间的基本公共服务水平和不均等状况，发现长三角地区公共服务水平差异显著，并与经济发展水平呈正相关[2]。田时中、金海音等基于熵值法对全国30个省2004-2014政府公共服务水平进行了深入研究[3]。还有一种是从具体的某一类公共服务领域进行研究，比如公共教育、公共文化、农村体育、公共卫生等。张启春、范晓琳利用因子分析、数据包络分析方法对我国31个省级政府2010-2014年基本公共文化服务绩效水平进行了测度[4]。闫威、胡亮基于数据包络分析，采用2003-2007年全国31个省的面板数据，测算了我国社会保障公共服务效率[3]。张启春、江朦朦以教育、医疗卫生和社会服务为评估对象，从“投入-产出”视角构建评价指标体系，综合采用“纵横向”拉开档次评价法和数据包络分析法，对全国31个省市农村公共服务进行实证评估[6]。通过梳理和比较相关文献，发现学者们目前普遍使用的定量分析方法主要有主成分分析法、因子分析法、层次分析法、泰尔指数法、数据包络分析和熵值法。关于政府公共服务水平非均等化的原因和解决对策，也有学者进行了总结。郭小聪、代凯主要总结了三个方面的原因，分别是财政分权体制影响约束、公共财政体制不完善和政府管理机制不健全，并提出实现公共服务均等化需要不断完善公共财政体制和健全政府管理机制的建议[1]。以上文献对本文具有重要的借鉴意义，但仍存在可以拓展的空间。比如构建公共服务水平评价指标体系还有待完善，定量分析还有待深入。基于此，本文从科学技术与教育、公共卫生、社会保障与就业、公共交通与安全及公共环境5个方面建立公共服务水平评价指标体系，以安徽省按照行政区域划分的16个地级市2012-2017年的面板数据为样本，运用熵值法获得客观评价结果，争取全面、合理地从整体方面、区域方面、影响因素差异方面分析地方政府公共服务水平，并注意横向与纵向的对比分析，最后针对评价结果提出相关建议。
一、评价方法及数据的选取
（一）评价方法
（二）评价指标及数据选取
魏福成、胡洪曙[7]，安体富、任强[8]，赵晏、邢占军等[9]对基本公共服务评价指标体系进行了系统的研究，也为本文提供了一定的研究思路。本文这里主要借鉴田时中[5]等人的做法，依据可操作性和系统性，从科学技术与教育、公共卫生、社会保障与就业、公共交通与安全及公共环境5个方面出发，同时依据公共性选取21个指标，反映各地方政府的公共服务水平。具体指标及属性如表1所示。
以上指标数据皆来源于《2013-2018安徽统计年鉴》。2012年与2013年人口死亡率数据缺失，采用插值法补齐。为了剔除人口差异，部分数据采用人均值计算，即除以当年的常住总人口数。因篇幅所限，原始数据不再列出。
二、实证分析
（一）指标标准化处理
在进行标准化处理之前，需要对逆向指标作正向处理。所谓逆向指标，也就是该数值越小越好。本文通过对逆向指标取倒数得到正向指标。具体通过Excel完成。运用SPSS19.0求出极大值，通过极值法公式求出2012-2017年间21个评价指标的标准量化值X′ij。 （二）确定指标权重
运用熵值法计算2012-2017年各指标的权重。由于篇幅所限，仅列出2017年各指标权重，具体如表2所示。可以发现，人均发表科技论文数占权最高，说明该指标离散程度最大。
（三）指数测算结果
根据熵值法所列出的公式（5）即可求出2012-2017年各市公共服务水平的综合指数。具体如表3内容所示。
三、评价结果分析
从整体上来看，由表3可知，安徽省16个市的综合指数每年都处于上升或是下降的波动状态，其中有一半地级市处于略有下降的趋势，情况不容乐观。比如像铜陵市、淮南市和阜阳市。只有合肥市和池州市的综合指数水平基本上在不断增长，也有部分市的综合指数比较稳定。总的来说，各市公共服务水平还存在较大的提升空间。从2012-2017年的平均综合指数来看，较高的依次为合肥市、黄山市、铜陵市、芜湖市和马鞍山市，综合指数水平分别为54.6643、48.4412、42.2266、41.6494、33.6992。这几个市的综合指数均高于30。最低的三个市依次分别为淮南、宿州和淮北，相应的综合指数为24.2173、22.5585和18.7897。可以看出合肥市与淮北市公共服务水平相差较大。而观察极差项，整体呈不断扩大的趋势，说明安徽省区域内公共服务水平非均等化问题更加严重，相较2013年，该增加趋势有所放缓。
从划分区域来看，依据安徽省的地理位置，将安徽划分为皖北、皖中和皖南三个地区。皖北是指淮河以北的地区，主要包括宿州市、淮北市、阜阳市、亳州市、淮南市和蚌埠市。皖中指淮河以南，长江以北的中间地区，包括合肥市、六安市、滁州市和安庆市。皖南指长江以南的地区，包括宣城市、马鞍山市、黄山市、铜陵市、池州市和芜湖市。由表3数据可知，公共服务水平综合指数基本上由安徽北部向南部依次递增。三个地区公共服务水平综合指数平均值分别为25.4398、33.8455与36.6152。可以看出，皖北地区与皖中皖南差别较大，皖中与皖南差别较小。下图1更清晰地反映了三大地区从2012-2017年公共服务水平综合指数的动态变化趋势，除2012年外，皖南地区综合指数都高于皖中地区，三个地区的变化趋势也比较接近。从区域内部来看，皖中和皖南内部差异高于皖北地区。
为了深入比较安徽省16个市每年的综合指数，下表4对各市每年的综合指数进行了排序。由表4可知，合肥市有3次排序为1，3次排序为2，排序方差为0.5477，公共服务综合水平不仅领先全省其他市，也较为稳定。淮北市排序方差最小，但是有4次排序倒数第一，正如表3所反映的一样，综合指数最低。另外黄山市排名均在前3，方差为0.9832，和前两者一样，均未超过1。另外，像阜陽市、池州市、六安市、马鞍山市的排序方差比较大，均大于3。
从影响因素来看，科学技术与教育占比最高，公共卫生占比偏低。而整体上，各影响因素处于小范围的波动中，较为平稳。以2017年为例，科学技术与教育、公共卫生、社会保障与就业、公共交通与安全和公共环境所占权重分别为0.4474、0.0227、0.1077、0.2073、0.2149。科学技术与教育所占权重比公共卫生高得多。说明科学技术与教育对综合评价的影响更大，安徽省16个市的数据更离散。
四、结论与建议
（一）结论
从整体上来看，各市综合指数处于下降和上升的波动状态，还存在较大的提升空间，平均综合指数较高的依次为合肥市、黄山市、铜陵市、芜湖市和马鞍山市，最低的三个市依次分别为淮南、宿州、淮北。
从划分区域来看，安徽省地方政府公共服务水平自“皖北—皖中—皖南”依次上升，并且区域内部存在明显差异，其中皖北地区内部差异最小。
从历年的综合指数排序来看，合肥市、淮北市、黄山市最为平稳，排序方差均低于1。
从影响因素来看，科学技术与教育占权最高，基本维持在44%左右，而公共卫生影响偏低。
（二）建议
基于上文得出的结论，为了能够促进安徽省各市公共服务水平均等化的发展，提出以下建议。
首先安徽省应当进一步优化公共服务投入，提高整体公共服务水平。虽然安徽省一般公共预算支出中用于民生性支出的财政资金每年都有所增长，但是占GDP的比例基本维持不变，这一比例与国外发达国家及发展中国家相比，要低得多。以社会保障和就业来说，表6列举了2016年和2017年安徽省各市社会保障和就业一般预算支出与占GDP的比值。可以发现，2017年16个市预算支出均增长一定比例，但就占GDP比例来说，有些市反而有所下降。安徽省各政府应保证提供与事权相匹配的公共服务投入资金，加大对皖北地区和农村地区的民生性财政投入。目前，公共服务大部分都是由地方政府提供，渠道较为单一，政府应鼓励和引导社会资本参与，形成多元供给格局。
其次安徽省应提高政府自身管理水平。由上研究可知，安徽省各市公共服务水平差异较大，这与各市政府自身管理能力也有一定关系。各市政府应充分了解公共服务需求，制订本市的公共服务标准，调整“重经济建设、轻公共服务”的财政支出结构，建立起政府基本公共服务问责和监督机制，提高公务员自身服务水平。
最后充分发挥科学技术与教育的影响力。2017年科学技术与教育综合指数排在前列的分别为安徽合肥市、芜湖市、马鞍山市、蚌埠市和铜陵市，综合指数依次为0.4460、0.2573、0.1888、0.1437、0.1366。合肥市作为创新之都，应继续加大科技投入，充分发挥省会优势，向创新驱动转型。皖南皖北地区应继续加大科研与教育方面的投入，支持高校科研发展，通过税收优惠、财政补贴等方式吸引高科技企业投资，引进科技人才，提高创新能力。
参考文献：
[1] 郭小聪，代凯. 国内近五年基本公共服务均等化研究：综述与评估[J]. 中国人民大学学报，2013（1）：145-154. [2] 刘丹鹭. 长三角地区基本公共服务均等化的评估[J]. 南通大学学报，2018（6）：35-42.
[3] 田时中，金海音，涂欣培. 基于熵值法的政府公共服务水平动态综合评价[J]. 石家庄学院学报，2017（2）：11-19.
[4] 张启春，范晓琳. 我国基本公共文化服务绩效的评价与实证[J]. 统计与决策，2017（17）：72-75.
[5] 闫威，胡亮. 我国社会保障公共服务效率评价研究——基于数据包络分析方法[J]. 华东经济管理，2009（8）：47-51.
[6] 张启春，江朦朦. 中国农村基本公共服务绩效评估分析：基于投入产出视角[J]. 中南民族大学学报，2016（4）：141-146.
[7] 魏福成，胡洪曙. 我国基本公共服务均等化：评价指标与实证研究[J]. 中南财经政法大学，2015（5）：26-36.
[8] 安体富，任强. 中国公共服务均等化水平指标体系的构建——基于地区差别视角的量化分析[J]. 财贸经济，2008，（6）：79-82.
[9] 赵晏，邢占军，李广. 政府公共服务质量的评价指标测度[J]. 重慶社会科学，2011（10）：113-120.
Abstract： A survey is made among 16 cities from 2012 to 2017 to make dynamical comprehensive evaluation by using entropy method after building public service level evaluation index system. Results show that on the whole， municipal comprehensive index floats up or down， there is a big room to improve， the average comprehensive index is higher in turn for Hefei， Huangshan， Tongling， Wuhu， Maanshan， the lowest three city turn for Huainan， Suzhou， Huaibei; from the perspective of regional division， the public service level of local government rises successively from the north to the south in Anhui province， and there are obvious differences within the regions; according to the ranking of comprehensive index over the years， Hefei， Huaibei and Huangshan are the most stable; in terms of influencing factors， science， technology and education have the highest proportion， while public health has the lowest influence. Therefore， the local governments in Anhui province should actively take corresponding measures to gradually narrow the regional differences in public service level and help China's socialist modernization.
Keywords： public service; panel data; entropy method; comprehensive evaluation; index system
（责任编辑：程勇）