“简政强镇”与乡镇权力绩效规制工具的选择——以广东省为例（下）.pdf

“简政强镇“简政强镇””与乡镇权力绩效规制工具的选择与乡镇权力绩效规制工具的选择 ““简政强镇简政强镇””与乡镇权力绩效规制工具的选择与乡镇权力绩效规制工具的选择 ——以广东省为例——以广东省为例（（下下）） ————以广东省为例以广东省为例 （（下下）） 2016年 01月 22 日 4.样本的数据特征 样本数据的人口学特征：212 份有效样本中，男女比例为 62.3：37.7；年龄结构以 31-40 岁为主，占比为 38.2%，其次是 21-30 岁，占比为26.4%。选取的样本与目标群体特征吻 合，具有较好的代表性。 在信度检验方面，本文采用 Cronbach α系数、个别项目信度、潜在变量的组合信度进行 信度检验，关键变量的 12个题项的总 Cronbach α系数为 0.689，各个题项的 Cronbach α 系数分别为 0.652、0.704、0.693、0.717、0.668、0.655、0.651、0.649、0.668、 0.646、0.664、0.663，均大于 0.5，属于可信的区间范围，满足信度要求。 在效度检验方面，首先，对有效样本数据进行 KMO 抽样适当性检验和 Bartlett 球形检验， 检验结果显示 KMO 值为 0.929，Bartlett球形检验的卡方值为 1247.565，自由度为 66， 达到显著水平（p=0.0000.001）。一般认为，当 KMO 值大于 0.5 时，即可进行因子分析， 而本检验的 KMO值为 0.929，说明本调查问卷的样本数据较适合进行因子分析。其次，采 用主成分分析法，进行 Varimax方差正交旋转，最终提取因子 5 个，5个共同因子累计解 释的变异量为 76.195%，说明从 12个题项提取 5个作为维度变量是合理的。因子载荷矩阵 的载荷量均在 0.431-0.869 之间，大多集中在0.5附近，表明问卷的效度较好。 5.绩效规制工具与规制绩效的相关分析和回归分析 根据之前对变量操作化的定义，我们分别将 12 个规制工具的衡量指标变量依次命名为 X1、 X2……X12；将3 个规制绩效衡量指标变量依次命名为 Y1、Y2、Y3。运用数据分析软件 SPSS，得到各个变量的相关性表、主成分表及因子负荷矩阵。通过因子的所占比重，可以 看出哪些指标更重要，以及指标之间的关联，然后进行指标的降维简化，并将指标归为 5 大类。 数据分析结果表明，这 12个变量具有很高的相关性。在 KMO 检验和 Bartlett球性检验结 果中，KMO 检验的结果是 0.929，适合因子分析；Bartlett 球性检验的 Sig 取值为 0.000， 也适合因子分析。 进行主成分分析，按特征根从大到小的次序排列可以得出，第一主成分的方差贡献率为 35.531%，前五个主成分的累积贡献率为 76.195%，说明提取出来的因子对本文的研究问题 具有非常好的解释能力。 最后，从旋转后的因子矩阵结果来看，可以将 12项指标简化为 5 个因子，X1-X3 归到第 4 个因子，X4-X5归到第 2个因子，X6-X8归到第 1个因子，X9-X10 归到第5个因子，X11- X12 归到第3 个因子。 综上，可以将 12 项规制工具的衡量指标归为五大规制工具，本文按照第一至第五因子的 先后顺序依次命名为：监督性规制工具因子、激励性规制工具因子、事后处置性规制工具 因子、规制信息工具因子、评价性规制工具因子。3 个衡量规制绩效的指标分别为公共服 务水平、公众满意度、政府美誉度。 本文采取回归分析来说明上述 5个因子与规制绩效变量 Y1、Y2、Y3 之间的因果关系。分 析过程中，本文使用逐步回归的方法，因子被选取的标准是 F的概率值≤0.05。此外，进 行共线性检验，主要考察容差和 VIF值是否符合不共线性的要求。 （1）五大规制工具与规制绩效的各个衡量指标之间的回归分析 从 SPSS 输出的公共服务水平与绩效规制工具的回归分析结果表明，容忍度、方差膨胀因 子和条件参数都符合不共线的要求。因此，激励性规制工具与事后处置性规制工具之间不 存在共线性的问题。经过逐步回归并删选后，回归模型中共有两个变量进入，其余的三个 规制工具