美丽国家的多维度展开与主成分构成

[摘要]美丽国家建设是中国以及世界各国的共同愿景。然而,究竟什么是美丽国家以及如何衡量美丽国家仍是值得深入研究的理论问题和尚未解决的实践难题。根据公共价值理论,国家的美丽应界定为蕴含在经济、政治、社会、文化、生态等不同社会领域的公共价值,这些公共价值存在密切而复杂的关联,可以通过社会经济指标得到准确的衡量。运用主成分分析,选择这五个社会领域中15项具有代表性的社会经济指标,对它们之间的关联及其所包含的信息进行分析、挖掘和降维,发现第一个主成分包含这15项指标中66.05%的信息,前四个主成分包含88.11%的信息,并将之分别命名为经济因子、生态幸福因子、性别公平因子、经济公平因子。这一发现可以印证,经济因素在美丽国家建设中居于基础性地位,但在发展经济的同时,也必须兼顾其他社会领域问题的解决及其美丽的实现。不同国家具有各自的美丽,也有各自的问题,主成分分析可以帮助各国及其治理者更加清醒地认知自身问题以及优势劣势,实现大国博弈中的知己知彼。

[关键词]五位一体;美丽国家;美丽中国;公共价值;社会发展;主成分分析(PCA)

一、引言

党的十八大以来,中国共产党领导中国政府和中国人民开展经济、政治、社会、文化、生态“五位一体”全面发展与美丽中国建设,取得了显著的治理成效。在“一带一路”和人类命运共同体愿景的推动下,“五位一体”全面发展与美丽国家建设同样可以向世界各国推广和延拓,成为中国人民为世界发展和全球治理做出的中国贡献。世界各国都存在建设美丽国家的期盼与愿景[1],但在百年未有之大变局的时代背景下,由于缺乏对美丽国家建设的深刻理解和恰当理论,西方发达国家正在失去其光环,深陷各种治理赤字,西方之乱与中国之治形成鲜明对照[2]。与此同时,广大发展中国家尽管拥有丰富的资源、优美的环境、灿烂的文化,但仍然长期受制于各种发展的桎梏,未能实现稳健、持续、全面的社会发展和进步[3]。随着公共价值理论与国家治理理论的发展,各种经济社会指标的丰富,哲学与文学意义上的“美丽国家”越来越能够得到科学的界定与衡量,一个国家美在哪里,问题又在哪里能够得到清晰的展示,美丽与缺陷之间的关系可以进一步澄清,进而为国家治理、社会发展和美丽国家建设提供指南与圭臬。

“五位一体”综合发展包括经济、政治、社会、文化、生态等五个领域,这五个领域分别蕴含着丰富的经济价值、政治价值、社会价值、文化价值、生态价值,这些价值均可以通过一些相对可靠的社会经济指标进行衡量。这些指标之间存在密切的关联和影响,更为富裕的国家,在更大的概率上是政治进步、社会发达、文化繁荣、生态优美的国家。当然,也存在例外国家和离群案例,而这些例外和离群往往就隐藏着问题与危机。本文试图提出并回答以下问题:(1)什么是美丽国家?如何界定与衡量美丽国家?全球200多个国家或经济体,他们美丽在哪里,问题又在哪里?(2)各种经济社会指标的本质是什么,编制方法和依据何在,关系如何?(3)综合考虑多元公共价值和各种社会经济指标,中国的美丽国家建设和社会发展程度在世界各国中处于什么水平?本文可能的贡献在于,探究美丽国家和“五位一体”综合发展的哲学和价值基础,将抽象的公共价值实证化为经济社会指标,结合质性分析,探讨美丽国家的多维构成及其主要成分,通过对复杂指标的简化与降维,把握关键价值,诊断社会问题的症结所在,为提高国家治理能力、建设美丽国家提供方法和思路。

二、理论探讨与方法论基础

(一)公共价值

价值意味着“好”或者“善”,如果没有对什么是“好”或“善”的准确界定,那么人类行为、管理决策、公共政策及其绩效评估就失去其目的与依据。经济学中的效用、福利以及由此衍生而来的收入、财富、GDP,以及管理学中的效率、效益、利润、满意度等,均可以追溯至可以用货币衡量的经济价值。然而,除了经济价值以外,人类社会中还存在大量无法用货币衡量的其他价值,如公正、责任、环境等,这些价值在不同学科领域也被称为人类价值、内在价值、多元价值等。在市场经济中,经济价值往往受到重视和凸显,而难以用货币衡量的其他价值则被忽视或贬抑。

(二)社会经济指标

公共价值长期以来被认为是一个模糊的哲学概念而难以在管理实践和政策制定中加以运用[15]465-477,然而在现实中,人类社会一直在处理多元公共价值问题,人类行为、管理决策、公共政策,以及各种社会经济指标均有其公共价值基础。在经济领域,作为公共价值的经济价值得到了最为清晰有力的展现,收入、利润、GDP均可以通过一元化的货币得到准确衡量和计算,其他诸如市场占有率、消费者满意度、销售收入、资产回报率等各种财务金融指标均是经济价值的衍生和细化。GDP尽管近年来广受批评,但其问题却并不在GDP本身,而是理论界和实践界都需要拓展价值视野,通过更多的指标来衡量更多的价值。绿色GDP试图通过计算环境污染与生态破坏对GDP进行修正,但这一思路的问题在于,它们仍然将环境生态价值进行货币化和一元化,将这一数值作为经济价值的减项,然而这种货币化的数值并非环境价值的全部[16]195-215。由耶鲁大学环境法律和政策中心编制的环境绩效指标(EnvironmentalPerformanceIndex,EPI),从环境健康和生态活力两个方面,对24项子指标进行加权平均,为环境价值的衡量与评价提供了另外一个崭新的、与经济价值无关的维度[17]。

相对于经济价值而言,其他社会领域的价值更加难以界定和衡量,但这一困难并非无法克服。由联合国发展署编制的人类发展指数HDI是目前最为成熟和权威的社会经济指标之一,它包含三项价值:健康、教育和经济。其中,健康由人均寿命衡量,教育由期望受教育年限和平均受教育年限的平均值衡量,经济由人均国民收入衡量。尽管这一指标相对于GDP而言包含了更多的价值,能够更加全面地衡量和反映社会发展,但它同样没有包含公平、环境等价值,因此并不能如其名称那样全面衡量人类发展[18]。类似地,由世界经济论坛编制的全球竞争力指数GCI(GlobalCompetitivenessIndex)试图衡量竞争力这一价值,编制者将竞争力分为三个价值维度:要素驱动、效率驱动、创新驱动,这些子维度又进一步被细分为112项子指标。这些子维度和子指标包含了丰富的价值内容,通过加权平均,最后得出国家竞争力的数值[19]。

社会经济指标包括客观指标和主观指标。传统的实证科学更加倾向于采用客观指标,例如GDP和个人收入,由此而产生的效用和福利也被界定为客观效用和客观福利,正是这种客观性和实证性使得GDP和个人收入成为国家发展和个人幸福的目标[20],也使得经济学被认为是最接近自然科学的社会科学。然而,经济学家Easterlin发现,GDP和个人收入的提高,并不一定能够带来主观幸福感的增强,这一发现推动了运用主观调查和利克特量表衡量主观福利和主观幸福感的幸福经济学的产生和发展[21]。对于那些模糊而综合的公共价值,就可以采用这种主观调查和利克特量表的方法进行衡量。这也正是联合国编制的幸福指数、透明国际编制的腐败认知指数、经济学人杂志(EconomistIntelligenceUnit)编制的民主指数、卡图研究所(CatoInstitute)编制的人类自由指数的理论依据[3]。人类社会不断编制和开发新的指标,意味着人类社会对世界的理解和认知更加精确和深入。美丽国家是一种质性描述,但它也可以通过越来越多的指标和维度得到刻画和量化。

(一)数据说明

美丽国家由众多价值维度构成,根据这一原理,我们将人类社会分为经济、政治、社会、文化、生态五个领域,每个领域选择3项指标,共15项指标,其所对应的公共价值、发布机构和数据年份如表1所示。这15项指标基本由国际权威机构编制和发布,并已连续发布多年,具有足够的可靠性。原始数据基本涵盖了全球200多个国家和经济体,由于缺失值的存在,最后保留了102个所有数据均齐全的国家或经济体。本项研究是一个截面分析,绝大多数指标和数据的年份为2018年,考虑到这些指标基本上长期保持稳定,很少存在突变的可能,因此截面数据能够说明这些国家和经济体在2018年左右的状况。

四、主成分分析(PCA)

(一)主成分提取

我们通过R语言以及FactoMineR和factoextra两个包进行主成分分析和数据可视化。表2为15个成分的特征值和累计方差。由表2中的数据可知,主成分一包含了所有15个指标中66.05%的信息,而前4个主成分则包含了88.11%的信息,剩余的11.89%在余下的11个成分中。

(二)国家诊断

图2将指标和经济体同时展示在各主成分所构成的平面上,它们可以更加清晰地展示国家在不同主成分或价值组合中的位置,也就是它们的美丽之处与问题所在。在图2A中,有以下发现:

1.以挪威(NOR)、丹麦(DNK)、瑞典(SWE)、芬兰(FIN)为代表的北欧国家和以瑞士(CHE)、英国(GBR)、德国(DEU)、荷兰(NLD)为代表的西欧国家,它们的经济高度发达,位于主成分一(经济因子)的最右端,发达的经济在很大程度上推动了这些国家在其他领域的同步发展。然而,如果将经济因素剔除,这些欧洲国家在主成分二(生态幸福因子)上处于中间水平,不如以哥斯达黎加(CRI)、哥伦比亚(COL)、墨西哥(MEX)、尼加拉瓜(NIC)、巴拿马(PAN)等为代表的拉美国家。这意味着发达国家在生态幸福因子上也不如部分发展中国家。

2.美国(USA)、加拿大(CAN)、澳大利亚(AUS)在图2-A中相互靠近,它们与北欧和西欧国家具有同样发达的经济,但它们的生态幸福明显低于北欧和西欧国家,也低于绝大多数发展中国家,这正是它们的问题所在。与此同时,图2-B显示,美国在所有102个样本国家中,经济不公平的严重程度仅次于南非(ZAF),其基尼系数GIN(0.42)在102个国家中排名(由高到低)第26位,通过PCA剔除经济和其他因素之后,它在第四个主成分(经济公平因子)上排名第二,意味着其经济的高度不公平,使其远离其他经济发达国家成为一个明显的离群点。

3.以哥斯达黎加(CRI)、哥伦比亚(COL)、墨西哥(MEX)、尼加拉瓜(NIC)、巴拿马(PAN)等为代表的拉美国家,它们在主成分一(经济因子)上表现中等,但在主成分二(生态幸福因子)上表现最优,处于全球的最高水平,这是它们最大的美丽之处。然而,图2-B显示,这些拉美国家最大的问题在于,它们在主成分四(经济公平价值)和主成分三(性别公平价值)上的表现较差,这种不平衡的发展降低了它们的美丽程度。

4.以乍得(TCD)、布隆迪(BDI)、几内亚(GIN)、毛里塔尼亚(MRT)等为代表的非洲国家,它们的经济发展在图2-A中处于102个样本国家的最低水平,同时生态幸福也较低,但是,图2-B显示,卢旺达(RWA)、布隆迪(BDI)、博茨瓦纳(BWA)、南非(ZAF)等非洲国家拥有全球最优的性别公平。卢旺达等非洲国家在性别公平方面的优异表现得到了包括世界银行、世界经济论坛以及诸多学术研究的支持[24]。在本项研究的15项指标中,只有性别公平指数GGI对非洲国家有利,如果纳入更多诸如自然资源禀赋、生物多样性、文化多样性等对非洲国家有利的指标,那么非洲国家也可能在新的价值维度上排名靠前而成为美丽国家。然而,尽管拥有较好的性别公平,南非(ZAF)和博茨瓦纳(BWA)的经济公平程度在全球处于最差的水平,而卢旺达(RWA)和布隆迪(BDI)则明显地优于它们,这显示了国家之间的复杂性和差异性。

5.俄罗斯(RUS)、蒙古(MNG)、哈萨克斯坦(KAZ)比较接近,在图2-A中,它们的经济发展在102个样本国家中处于中等水平,生态幸福也处于最低水平,在图2-B中,俄罗斯的经济公平和性别公平表现也比较差。伊朗(IRN)、阿尔及利亚(DZA)、巴基斯坦(PAK)等国的性别公平程度较差,而伊朗的经济公平程度又要落后于阿尔及利亚和巴基斯坦。

6.我国(CHN)与乌克兰(UKR)、波黑(BIH)等国较为相似,经济发展和生态幸福在图2-A中都处于中等偏后的水平。在图2-B中,我国在性别公平因子上处于中间偏后的位置,而在经济公平因子上则处于中间偏前的位置。尽管我国在改革开放40年中进步显著,但就这15项指标在2018年左右的截面数据而言,我国在102个国家中仍然处于中间偏后的水平,在经济价值、生态幸福、性别公平、经济公平等公共价值上仍然有巨大的进步空间。

五、结论与展望

主成分分析可以对多个成分进行降维和正交分解,可以帮助我们更加准确地区分和提炼维度、诊断问题、辨析美丽,回答各个国家“美丽在哪里,问题又在哪里?”每个国家都有自己的美丽之处和问题所在。(1)北欧国家通常被认为是美丽国家的典范,但它们的美丽是建立在其高度的经济发展水平基础之上,发达的经济推动了它们在其他社会领域的进步,通过主成分分析的正交分解将经济因素剔除之后,北欧国家的生态幸福以及性别公平并不比部分拉美国家甚至非洲国家优异。(2)美国的经济发展水平更加优于北欧国家,但它的生态幸福,尤其是经济公平,处于所有102个样本国家的末尾,显示出美国社会存在的严重社会问题。(3)我国在经济发展、生态幸福、性别公平、经济公平等四个主要成分上均处于102个样本国家的中间水平,然而,如果历史地考察我国在改革开放40年来在经济和其他社会领域取得的巨大进步,就能够更加深刻地理解我国当前世界地位的来之不易。经济仍然是“五位一体”发展和美丽国家的基础,在推动经济发展的基础上,有步骤、有侧重地逐步加强政治、社会、文化、生态建设,是实现“五位一体”发展和美丽国家建设的正确路径,也是我国国家治理的特色与优势所在。

[参考文献]

[1]李世东,高兴武,林震,陈应发,王继龙,黄震春.美丽国家发展战略研究探索[J].中南林业科技大学学报(社会科学版),2016,(4).

[2]Kroker,MollyB.The“GreatDivergence”Redefined:theRiseandFalloftheWestandtheRecoveryofChina[J].InquiresJournal,2014,6(9).

[3]Pritchett,Lant,MichaelWoolcock,MattAndrews.CapabilityTrapsTheMechanismsofPersistentImplementationFailure[R].CenterforGlobalDevelopment,WorkingPaper234,2010.

[4]Wang,BingandTomChristensen.TheOpenPublicValueAccountandComprehensiveSocialDevelopment:AnAssessmentofChinaandTheUnitedStates[J].Administration&Society,2017,49(6).

[5]Fosu,AugustinK.GovernanceandDevelopmentinAfrica:AConciseReview[R].GlobalDevelopmentInstituteWorkingPaperSeries082017,GDI,2017.

[6]Kang,NaheeandEvaPaus.ThePoliticalEconomyoftheMiddleIncomeTrap:TheChallengesofAdvancingInnovationCapabilitiesinLatinAmerica,AsiaandBeyond[J].TheJournalofDevelopmentStudies,2020,56(4).

[8]Titelman,David,et.al.SuicideMortalityTrendsinTheNordicCountries1980-2009[J].NordicJournalofPsychiatry,2013,67(6).

[9]马克·穆尔.创造公共价值:政府战略管理[M].伍满桂,译.北京:商务印书馆,2016.

[10]BeckJ?rgensen,Toben,BerryBozeman.Publicvalues:Aninventory[J].Administration&Society,2007,39(3).

[11]Bryson,J.M.,Crosby,B.C.,&Bloomberg,L.(2014).PublicValueGovernance:MovingBeyondTraditionalPublicAdministrationandTheNewPublicManagement[J].PublicAdministrationReview,74(4).

[12]包国宪,文宏,王学军.基于公共价值的政府绩效管理学科体系构建[J].中国行政管理,2012,(5).

[13]VanderWal,Zeger,TinaNabatchi,GjaltdeGraaf.FromGalaxiestoUniverse:ACross-DisciplinaryReviewandAnalysisofPublicValuesPublicationsfrom1969To2012[J].AmericanReviewofPublicAdministration,2015,45(1).

[14]Schmidt,Oliver.GovernanceandthePoliticalEntrepreneur[J].ConstitutionalPoliticalEconomy,2019,30.

[15]Moore,Mark.PublicValueAccounting:EstablishingthePhilosophicalBasis[J].PublicAdministrationReview,2014,74(4).

[16]Spash,CliveL.Ecosystems,ContingentValuationandEthics:TheCaseofWetlandRe-creation[J].EcologicalEconomics,2000,34(2).

[19]WorldEconomicForum.GlobalCompetitivenessReportSpecialEdition2020:HowCountriesarePerformingontheRoadtoRecovery[R].2020.

[20]黄永明.武汉市“十四五”时期发展目标指标体系设计[J].决策与信息,2020,(9).

[21]田国强,杨立岩.对“幸福—收入之谜”的一个解答[J].经济研究,2006,(11).

[22]Cowls,Josh,RalphSchroeder.Causation,Correlation,andBigDatainSocialScienceResearch[J].PolicyandInternet,2015,7(4).

[23]Jeffrey,Karen,HannaWheatley,SaamahAbdallah.TheHappyPlanetIndex:2016:AGlobalIndexofSustainableWell-Being[M].London:NewEconomicsFoundation,2016.

[责任编辑:胡梁]

[基金项目]本文系2016年度国家自然科学基金项目“基于协商式CVM的生态系统服务多元不可比价值测度研究”(编号:71673092)成果。

[作者简介]王冰,管理学博士,华中科技大学公共管理学院教授,博士生导师,主要从事公共价值与社会发展研究;苏睿,华中科技大学公共管理学院硕士研究生。

THE END
1.一文读懂主成分分析与因子分析(二)图表说明: 上表为因子分析的根据载荷系数等信息所做的主成分权重分析,其计算公式为:方差解释率/旋转后累积方差解释率。 结果分析:因子的权重计算结果显示,因子 1 的权重为 66.9%、因子 2 的权重为 27.396%、因子 3 的权重为 4.625%、因子 4 的权重为 0.576%、因子 5 的权重为 0.503%。 https://developer.aliyun.com/article/1241967
2.主成分分析法案例3篇.doc主成分分析法案例3篇.doc,主成分分析法案例3篇 篇一:主成分分析法及案例分析 在统计学中,主成分分析是一种简化数据集的技术。它是一个线性变换。这个变换把数据变换到一个新的坐标系统中,使得任何数据投影的第一大方差在第一个坐标上,第二大方差在第二个坐标上,依次类https://max.book118.com/html/2017/0116/84478429.shtm
3.学术前沿与此不同,当下的犯罪率研究,不是用多个自变量解释一个已知的因变量,而是从多个变量中提炼、浓缩共性,前提是多个变量之间存在共性。降维分析中的主成分分析法和因子分析法恰好适合解决此类问题。不过,作为第一次尝试,采用降维分析方法研究犯罪率出来的结果应该不再是每十万人口中的全部或某类案件数或人数,而是多个具体...http://www.zgfzxxh.com/xsqy/202204/t20220411_3620737.shtml
1.简单例子弄懂主成分分析主成分分析法举例但我们发现,可能数学和物理成绩往往有较强的相关性,英语和语文成绩也有一定的关联。 这时我们使用主成分分析(PCA),它会找到新的“综合科目”,也就是主成分。比如第一个主成分可能综合反映了学生的理科思维能力,与数学和物理成绩的关系较大;第二个主成分可能综合反映了学生的语言能力,与英语和语文成绩关系较大。https://blog.csdn.net/Llcm3030zzstj81/article/details/141691418
2.数学建模暑期集训21:主成分分析(PCA)腾讯云开发者社区主成分分析指标解释案例 主成分分析的一大难点是指标意义模糊,难以解释,下面这个例子可以辅助理解。 上表的累计贡献率 = 当前项贡献率 + 之前的累计贡献率。当累计贡献率 > 80%时,剩下的特征向量可以舍弃。 上面的分析需要一定的语言组织能力,也需要一定运气成分,若难以解释,或者强行解释,或者换方法。 https://cloud.tencent.com/developer/article/2022167
3.常用:主成分分析和因子分析的原理,操作,代码和案例讲解!今天,分享《主成分分因子分析的原理, 操作, 代码和案例讲解》,全文分为两个部分,分别对应着主成分分析和因子分析。 1.主成分分析 PCA analysis 主成分分分析也称作主分量分析,是霍特林(Hotelling)在1933年首先提出。主成分分析是利用降维的思想,在损失较少信息的前提下把多个指标转化为较少的综合指标。转化生成的...https://www.shangyexinzhi.com/article/5113763.html
4.数学建模暑期集训21:主成分分析(PCA)51CTO博客主成分分析指标解释案例 主成分分析的一大难点是指标意义模糊,难以解释,下面这个例子可以辅助理解。 上表的累计贡献率 = 当前项贡献率 + 之前的累计贡献率。当累计贡献率 > 80%时,剩下的特征向量可以舍弃。 上面的分析需要一定的语言组织能力,也需要一定运气成分,若难以解释,或者强行解释,或者换方法。 主成分分析...https://blog.51cto.com/u_15762365/5612135
5.转录组专题转录组结题报告解读+文章撰写描述主成分分析(Principal Component Analysis,PCA)是一种无监督模式识别的多维数据统计分析方法,用来判断组内样本的重复性和组间样本的差异。 图2.样本的PCA图 2.3 gene_expression.annot所有样本比对上的所有基因及注释信息 包括基因ID,基因的FPKM值,基因的counts值,以及在不同数据库的注释信息,这个表是所有后续差异基因...https://www.antpedia.com/news/wx_article/752184.html
6.解释主成分分析的主要结果解释主成分分析的主要结果 了解关于 Minitab 的更多信息 请完成以下步骤来解释主分量分析。主要输出包括特征值、分量解释的方差比率、系数和几个图形。 关于本主题 步骤1:确定主分量数 步骤2:根据原始变量解释每个主分量 步骤3:标识异常值 步骤1:确定主分量数 ...https://support.minitab.com/en-us/minitab/18/help-and-how-to/modeling-statistics/multivariate/how-to/principal-components/interpret-the-results/key-results/
7.路噪问题的诊断与优化振动与噪声而参考车内噪声进行主成分分析时,解耦出来的特征基本与目标点噪声直接相关,所以基本上一到两个主成分即可完成拟合,更加方便我们的数据处理分析,同时也更能体现NVH问题。 本案例分析结果如下: 图5 以车内噪声为参考的PCA分析结果 根据图 5所示,车内噪声主要峰值基本均由第一阶主成分拟合而成,所以该阶主成分将被...https://www.auto-testing.net/news/show-106120.html
8.主成分分析(PCA)原理详解及案例分析主成分分析(PCA) 假设我们一组二维数据点如图(1)所示,我们可以看出这两个维度具有很高的相似性,也就是说两个维度之间具有很高的冗余性,如果我们只想保留一个维度,那么该怎么选择才能尽可能多的保留原始数据的信息呢。我们先对数据进行归一化处理,得到的数据点如图(2)所示。然后将数据点映射到另一个新的空间,如图...https://www.pianshen.com/article/65462319392/
9.文化与自然灾害对四川居民保护旅游地生态环境行为的影响对价值观量表、生态环境信念观量表、保护旅游地生态环境行为量表和灾害后果认知及个人规范量表分别进行探索性因子分析(主成分分析法、最大方差旋转、特征值>1)。所有测量量表信度>0.60,效度>0.55表示量表内在信度和效度较好(表 1);同时所有指标因子载荷>0.50,表明不需要剔除任何题项。经探索性因子分析后得到7个因子,由...https://www.ecologica.cn/stxb/ch/html/2014/17/stxb201301090075.htm
10.探索性因子分析(ExploratoryFactorAnalysis)——SPSS软件实现...EFA分析的主要目的之一是通过选取的主成分因子(维度)对数据进行降维,但同时也要注意应尽可能多的包含对数据变异的解释。 1. 软件操作 在“因子分析”(图7)页面,点击“确定”,输出结果如表7所示。 表7 2. 结果解读 在表7“总方差解释”表格中,每个主成分因子(维度)的解释率都>5%,累计方差解释率为58.188%。https://mengte.online/archives/13442