4.2.3.1　描述统计

1.行政管理效能资源配置水平

表4-5　9地市行政管理效能资源配置水平评价指标描述性统计分析结果

（续表）

由表4-5可知，9个地市在“科学技术支出占公共财政预算支出比重”、“社会保障与就业支出占公共财政预算支出比重”、“节能环保支出占公共财政预算支出比重”和“行政工作人员占总人口比重”等指标上的表现差异较大，用这些指标来反映行政管理效能具有明显的区分度和鉴别性。

2.行政管理效果

表4-6　9地市行政管理效果评价指标描述性统计分析结果

（续表）

由表4-6可知，9个地市在“行政事业费收入占财政收入比重”、“工业污染治理施工项目完成投资额”、“交通/火灾事故直接经济损失额”、“固定资产投资额与行政工作人员之比”以及“每万人R＆D人员数”等指标上的表现差异较大，用这些指标来反映行政管理效能具有明显的区分度和鉴别性。而9个地市在“污水处理率”、“城镇人均可支配收入增长率”、“农村人均纯收入增长率”、“新型农村合作医疗人均筹资额”和“工业固体废弃物综合利用率”等指标上的表现差异较小，一方面说明用这五项指标来反映行政管理效能的鉴别性较差，另一方面也说明了如果将这几个方面作为着力点来提升政府行政管理效能效果更佳。

3.行政管理过程

（1）9个地市情况

①政府行政管理效能总体评价

表4-7　行政管理效能总体评价描述性统计分析结果

由表4-7可知，9个地市市民对“行政管理效能满意度总体评价”得分最高的地市是威海、烟台和淄博，得分最低的是青岛、东营和日照。但威海的满意度得分差异较大，标准差为1.21，得分差异较大的还有烟台和青岛，差异较小的为淄博、日照和潍坊。

②依法行政、公平、公正情况评价

表4-8　依法行政、公平、公正情况评价描述性统计分析结果

（续表）

由表4-8可知，9个地市市民对“行政管理依法行政、公正、公平情况”评价得分最高的地市是烟台、威海和日照，得分最低的是青岛、东营和德州。同样威海市的满意度得分差异较大，标准差为1.36，得分差异较大的还有潍坊，差异较小的为淄博、日照和滨州。

③服务态度评价

表4-9　服务态度评价描述性统计分析结果

由表4-9可知，9个地市市民对“服务态度”评价得分最高的地市是日照、滨州和潍坊，得分最低的是烟台、威海和德州。滨州的满意度得分差异较大，标准差为1.35，得分差异较大的还有淄博，差异较小的为德州和青岛。

④业务能力评价

表4-10　业务能力评价描述性统计分析结果

由表4-10可知，9个地市市民对“业务能力”评价得分最高的地市是潍坊、淄博和东营，得分最低的是日照、滨州和德州。东营的满意度得分差异较大，标准差为1.3，得分差异较大的还有滨州，差异较小的为烟台和淄博。

⑤执行力、组织协调能力、办事效率评价

表4-11　执行力、组织协调能力、办事效率评价描述性统计分析结果

（续表）

由表4-11可知，9个地市市民对“执行力、组织协调能力、办事效率”评价得分最高的地市是威海、东营和青岛，得分最低的是潍坊、淄博和日照。威海的满意度得分差异较大，标准差为1.37，得分差异较大的还有东营和潍坊，差异较小的为德州和青岛。

⑥清正廉洁评价

表4-12　清正廉洁评价描述性统计分析结果

（续表）

由表4-12可知，9个地市市民对“清正廉洁”评价得分最高的地市是潍坊、日照和青岛，得分最低的是威海、东营和德州。烟台的满意度得分差异较大，标准差为1.42，得分差异较大的还有青岛和东营，差异较小的为日照、潍坊和滨州。

⑦责任心、工作作风评价

表4-13　责任心、工作作风评价描述性统计分析结果

由表4-13可知，9个地市市民对“责任心、工作作风”评价得分最高的地市是青岛、德州和烟台，得分最低的是潍坊、日照和滨州。烟台的满意度得分差异较大，标准差为1.38，得分差异较大的还有日照和青岛，差异较小的为德州、淄博和威海。

⑧处理群众反映问题，投诉情况评价

表4-14　处理群众反映问题、投诉情况评价描述性统计分析结果

由表4-14可知，9个地市市民对“处理群众反映问题，投诉情况”评价得分最高的地市是滨州、烟台和东营，得分最低的是青岛、德州和潍坊。威海和淄博的满意度得分差异较大，标准差为1.39，得分差异较大的还有青岛和潍坊，差异较小的为滨州和东营。

⑨政务公开情况评价

表4-15　政务公开情况评价描述性统计分析结果

由表4-15可知，9个地市市民对“政务公开情况”评价得分最高的地市是东营、淄博和潍坊，得分最低的是烟台、滨州和威海。日照的满意度得分差异较大，标准差为1.42，得分差异较大的还有烟台和滨州，差异较小的为潍坊和青岛。

⑩讲诚信、兑现承诺评价

表4-16　讲诚信、兑现承诺评价描述性统计分析结果

（续表）

由表4-16可知，9个地市市民对“讲诚信、兑现承诺”评价得分最高的地市是潍坊、威海和滨州，得分最低的是东营、淄博和烟台。日照的满意度得分差异较大，标准差为1.49，得分差异较大的还有德州和东营，差异较小的为滨州、潍坊和威海。

⑪所创造的经济发展软环境评价

表4-17　所创造的经济发展软环境评价描述性统计分析结果

（续表）

由表4-17可知，9个地市市民对“所创造的经济发展软环境”评价得分最高的地市是滨州、东营和日照，得分最低的是淄博、潍坊和威海。德州的满意度得分差异较大，标准差为1.3，得分差异较大的还有威海，差异较小的为东营、烟台和日照。

⑫行政管理过程综合评价及排名

行政管理过程综合评价得分是将行政管理过程的各分项得分进行平均而得，各分项具体包括X9—X17。

表4-18　行政管理过程综合评价及排名统计表

由表4-18可知，9个地市市民对“行政管理过程综合评价”得分最高的地市是烟台、日照和淄博，得分最低的是青岛、东营和潍坊。

（2）68个区县情况

①政府行政管理效能总体评价

表4-19　行政管理效能总体评价描述性统计分析结果

（续表）

（续表）

②依法行政、公平、公正情况评价

表4-20　依法行政、公平、公正情况评价描述性统计分析结果

（续表）

（续表）

③服务态度评价

表4-21　服务态度评价描述性统计分析结果

（续表）

（续表）

④业务能力评价

表4-22　业务能力评价描述性统计分析结果

（续表）

（续表）

⑤执行力、组织协调能力、办事效率评价

表4-23　执行力、组织协调能力、办事效率评价描述性统计分析结果

（续表）

（续表）

⑥清正廉洁评价

表4-24　清正廉洁评价描述性统计分析结果

（续表）

（续表）

⑦责任心、工作作风评价

表4-25　责任心、工作作风评价描述性统计分析结果

（续表）

（续表）

⑧处理群众反映问题、投诉情况评价

表4-26　处理群众反映问题、投诉情况评价描述性统计分析结果

（续表）

（续表）

⑨政务公开情况评价

表4-27　政务公开情况评价描述性统计分析结果

（续表）

（续表）

⑩讲诚信、兑现承诺评价

表4-28　讲诚信、兑现承诺评价描述性统计分析结果

（续表）

（续表）

⑪所创造的经济发展软环境评价(www.daowen.com)

表4-29　所创造的经济发展软环境评价描述性统计分析结果

（续表）

（续表）

⑫行政管理过程综合评价及排名

表4-30　各区县行政管理过程综合评价及排名统计表

（续表）

（3）“蓝黄两区”行政管理过程综合评价

表4-31　“蓝黄两区”行政管理过程综合评价及排名统计表

（4）对当地软环境与行政管理效能的意见或建议

由表4-32可知，社会公众对政府的意见或建议最多的是工作作风（态度、廉洁、责任心）和办事效率；其次是重视环境问题，注重诚信、公平、公正、公开问题，办实事，关注交通，关注民生等问题。

表4-32　对当地软环境与行政管理效能的意见或建议频数统计表

4.2.3.2　因子分析

1.数据的预处理

36个指标中，有4个逆指标（城镇登记失业率、交通、火灾事故直接经济损失额、人口自然增长率和万元GDP能耗）。为了消除正、逆指标的影响，需对逆指标进行转化，本书采用取倒数的方法进行转化，其中因“人口自然增长率”数据本身存在负数，不适合采用取倒数的方式进行转化，本研究采用11（比最大值大一些的数据）减去实际数据的方法得到。为了分析的方便性和确保数据彼此间的可比性，我们对所选取的指标数据进行了标准化处理，分析中所采用的均是已经标准化处理后的数据。本研究的因子提取采用主成分分析法（principal component analysis），借助变量的相关系数矩阵、巴特利特球度检验和KMO检验方法进行分析；使用方差最大法（Varimax）进行因子旋转；用回归法（Regression）计算因子得分。

2.分析结果

（1）行政管理资源配置水平评价

公共因子的特征根和方差贡献率。按照特征根大于1的方法可以提取到三个公共因子，各个因子的特征根、方差贡献率和累计贡献率如表4-33所示：

表4-33　公共因子的特征根和方差贡献率

Extraction Method：Principal Xomponent Analysis.

表4-33中第二至第四列描述了初始因子解的情况，第五至第七列描述了旋转后因子解的情况。根据提取主成分分析方法实施了方差最大正交旋转后的公因子情况看，第一个公因子的特征根为2.604，解释原有变量总方差的32.545%；第二个公因子的特征根为1.886，解释总方差的23.578%；第三个公因子特征根为1.480，解释总方差的18.5%。三个公因子的累计方差贡献率达到74.623%，原有变量的信息丢失较少，因此，因子分析效果较为理想。

旋转后的因子载荷矩阵。由于三个主因子在原始变量上的载荷值不好解释，需要对因子载荷矩阵实施正交旋转以使因子具有命名解释性（表4-34）。

表4-34　旋转后的因子载荷矩阵
Rotated Component Matrixa

Extraction Method：Principal Component Analysis.
Rotation Method：Varimax With Kaiser Normalization.
a.Rotation converged in 5 iterations.

由表4-34可知，第一个公因子在一般公共服务支出占公共财政预算支出比重X2、公共安全支出占公共财政预算支出比重X3、社会保障与就业支出占公共财政预算支出比重X7和节能环保支出占公共财政预算支出比重X8四个指标上载荷较高，可将其命名为社会稳定和环境行政管理因子；第二个公因子在行政工作人员占总人口比重X1和科学技术支出占公共财政预算支出比重X5上的载荷较高，可将其命名为科技创新行政管理因子；第三个公因子在教育支出占公共财政预算支出比重X4和文化体育与传媒支出占公共财政预算支出比重X6两个指标上载荷较高，可将其命名为教育、文化行政管理因子。可见三个因子涵盖了指标体系中8个指标的大部分内容，且意义明确，与指标体系相符。

9个地市在三个公因子及行政管理资源配置水平综合得分和排名

表4-35　因子得分系数矩阵
Component Score Coefficient Matrix

Extraction Method：Principal Component Analysis.
Rotation Method：Varimax with Kaiser Normalization.
Component Scores.

根据因子得分系数矩阵，得到因子F的得分函数：F1＝-0.015X1－0.364X2＋…-0.255X7－0.308X8

……

F3＝0.009X1＋0.012X2＋…0.232X7－0.129X8

采用因子加权平均的方法对各地市的行政管理资源配置水平进行综合，以F1至F3的方差贡献率为权数。计算公式和结果如表4-10：

F＝29.67%Y1＋24.39%Y2＋20.56%Y3

在综合得分上，有3个城市得分为正，即得分在所有地市平均水平之上，分别是青岛、淄博和烟台，其中青岛综合得分较高，且明显高于其他地市，说明青岛市的行政管理资源配置水平较高；其余6个城市得分为负，即低于所有地市平均水平，德州、东营和滨州综合得分最低，说明其行政管理资源配置水平较低。具体见表4-36所示：

表4-36　9地市各个公因子及行政管理资源配置水平综合得分和排名

（2）行政管理过程评价

公共因子的特征根和方差贡献率。按照累计贡献率达到80%的标准可以提取到两个公共因子，各个因子的特征根、方差贡献率和累计贡献率如表4-37所示：

表4-37　公共因子的特征根和方差贡献率
Component Score Coefficient Matrix

Extraction Method：Principal Component Analysis.

由表4-37可知，第一个公因子的特征根为4.2，解释原有变量总方差的46.667%；第二个公因子的特征根为3.889，解释总方差的43.206%，两个公因子的累计方差贡献率达到89.874%，原有变量的信息丢失较少，因此，因子分析效果较为理想。

旋转后的因子载荷矩阵。由于两个主因子在原始变量上的载荷值不好解释，需要对因子载荷矩阵实施正交旋转以使因子具有命名解释性（表4-38）。

表4-38　旋转后的因子载荷矩阵
Rotated Component Matrixa

Extraction Method：Principal Component Analysis.
Rotation Method：Varimax with Kaiser Normalization.
a.Rotation converged in 3 iterations.

由表4-38可知，第一个公因子在依法法行政/公平/公正X9、清正廉洁正廉洁X13、责任心/工作作风X14、处理群众反映问题/投诉X15、政务公开X16和讲诚信/兑现承诺方面X17等指标上的载荷较高，可将其命名为依法行政和制度见着行政管理因子，第二个公因子在服务态度X10、业务能力X11和执行力/组织协调能力/办事效率X12三个指标上载荷较高，可将其命名为行政管理素质因子。

9个地市在两个公因子及行政管理过程综合得分和排名。

表4-39　因子得分系数矩阵
Component Score Coefficient Matrix

Extraction Method：Principal Component Analysis.
Rotation Method：Varimax with Kaiser Normalization.
Component Scores.

表4-40　9地市各个公因子及行政管理过程综合得分和排名

在综合得分上，有5个城市得分为正，即得分在所有地市平均水平之上，分别是烟台、日照、淄博、威海和滨州，其中烟台综合得分较高，且明显高于其他地市，说明烟台市的行政管理过程效能较高；其余4个城市得分为负，即低于所有地市平均水平，青岛、东营和潍坊综合得分最低，说明其行政管理过程效能较低。

（3）行政管理效果评价

公共因子的特征根和方差贡献率。

表4-41　公共因子的特征根和方差贡献率

Extraction Method：Principal Component Analysis.

由表4-41可知，第一个公因子的方差贡献率为32.080%，第二个公因子16.849%，第三个公因子16.109%，第四个公因子14.471%，四个公因子的累计方差贡献率达79.510%，原有变量的信息丢失较少，因子分析效果较理想。

旋转后的因子载荷矩阵。由于四个主因子在原始变量上的载荷值不好解释，需要对因子载荷矩阵实施正交旋转以使因子具有命名解释性（表4-42）。

表4-42　旋转后的因子载荷矩阵
Rotated Component Matrixa

Extraction Method：Principal Component Analysis.
Rotation Method：Varimax With Kaiser Normalization.
a.Rotation converged in 6 iterations.

由表4-42可知，第一个公因子在城镇人均可支配收入增长率X20、农村人均纯收入增长率X21、实际使用外资额与行政工作人员之比X23、行政事业费收入占财政收入比重X24、城乡居民社会养老保险参保率X26、大专以上学历人员比重X35和每万人R＆D人员数X367个指标上载荷较高，可将其命名为经济效果和人力资源培养效果因子；第二个公因子在人均GDP增长率X19、交通、火灾事故直接经济损失额X28、人口自然增长率X29和工业固体废弃物综合利用率X344个指标上的载荷较高，可将其命名为因子；第三个公因子在城镇登记失业率X25、新型农村合作医疗人均筹资额X27和人均公共绿地面积X313个指标上载荷较高，可将其命名为社会发展行政管理效果因子；第四个公因子在固定资产投资额与行政工作人员之比X22、污水处理率X32和工业污染治理施工项目完成投资额X333个指标上载荷较高，可将其命名为环境行政管理效果因子。

9个地市在4个公因子及行政管理效果综合得分和排名。在综合得分上，有4个城市得分为正，即得分在所有地市平均水平之上，分别是青岛、威海、东营和淄博，其中青岛和威海综合得分较高，且明显高于其他地市，说明其行政管理效果较好；其余5个城市得分为负，即低于所有地市平均水平，滨州、潍坊和烟台综合得分最低，说明其行政管理效果较差。

表4-43　9地市各个公因子及行政管理效果综合得分和排名

表4-44　因子得分系数矩阵
Component Score Coefficient Matrix

Extration Method：Principal Component Analysis.
Rotation Method：Varimax With Kaiser Normalization.
Component Scores.

（4）行政管理效能综合实证分析

公共因子的特征根和方差贡献率。

图4-2　因子分析碎石图

由表4-45可知，方差贡献率第一个公因子为31.984%，第二个公因子为20.910%，第三个公因子为11.987%，第四个公因子为11.649%，第五个因子为11.220%，五个公因子的累计方差贡献率达到87.749%，原有变量的信息丢失较少，因子分析效果较理想。

表4-45　公共因子的特征根和方差贡献率

Extraction Method：Principal Component Analysis.

表4-46　旋转后的因子载荷矩阵
Rotated Component Matrixa

（续表）

Extraction Method：Principal Component Analysis.
Rotation Method：Varimax With Kaiser Normalization.
a.Rotation converged in 6 iterations.

9个城市在五个公因子上及行政管理效能综合得分和排名。

表4-47　因子得分系数矩阵
Component Score Coefficient Matrix

（续表）

Extration Method：Principal Component Analysis.
Rotation Method：Varimax With Kaiser Normalization.
Component Scores.

表4-48　9地市各个公因子及行政管理效能综合得分和排名

在行政管理效能综合得分上，有4个城市得分为正，即得分在全省平均水平之上，分别是烟台、日照、威海和淄博，其中烟台和日照综合得分较高，且明显高于其他城市，说明这两个城市的行政管理效能较强；其余5个城市得分为负，即低于全省平均水平，德州和滨州综合得分最低，说明其行政管理效能较差。

（4）“蓝黄两区”行政管理效能得分

表4-49　“蓝黄两区”行政管理效能得分和排名

由表4-49可知，蓝区在行政管理资源配置水平上以及行政管理效果上表现在明显好于黄区，但在行政管理过程上则明显劣于黄区。

4.2.3.3　聚类分析

利用SPSS软件聚类分析的方法，对9个地市按其在26个行政管理效能评价指标上的亲疏程度进行聚类，将具有相似性的地市聚为一类，研究其相似性特征。

表4-50　9地市两两个体欧氏距离矩阵

表4-51　9地市层次聚类凝聚状态表
Agglomeration Schedule

表4-51中，第一列表示聚类分析的第几步；第二、三列表示本步聚类中哪两个样本或小类聚成一类；第四列为个体距离或小类距离；第五、六列表示本步聚类中参与聚类的是个体还是小类，0表示样本，非0表示由第n步聚类生成的小类；第七列表示本步聚类的结果将在以下第几步中用到。

图4-3　树形图

表4-52　地市层次聚类分类结果表
Cluster Membership

由表4-52可知，若把9各地市按行政管理效能评价指标间的亲疏程度分成三类，则分类结果为：

第一类：青岛

第二类：东营、潍坊、威海、淄博、德州和滨州

第三类：烟台和日照

第一类只包括青岛一个城市，青岛的行政管理效能在资源配置和管理效果上都表现最好，但在管理过程上的得分仅居第9位，属于各分项行政管理效能差别较大的地市；第二类地市包括6个城市，是行政管理效能表现比较中等的地市；第三类包括烟台和日照，是软实力与行政管理效能水平较高的地市。

4.2.3.4　回归分析

1.行政管理能力各分项满意度对总体满意度的回归分析

表4-53　可决系数表
Model Summary

a.Predictors：（Constant），讲诚信、兑现承诺，依法行政、公平、公正、政务公开，执行力、组织协调能力、办事效率，清正廉洁，业务能力，处理群众反映问题与投诉，服务态度，责任心、工作作风。

表4-54　方差分析表
ANOVAb

a.Predictors：（Constant），讲诚信、兑现承诺，依法行政、公平、公正、政务公开，执行力、组织协调能力、办事效率，清正廉洁，业务能力，处理群众反映问题与投诉，服务态度，责任心、工作作风。
b.Dependent Variable：总体行政管理效能。

表4-55　回归系数表
Coefficientsa

a.Dependent Variable：总体行政管理效能。

由可决系数表可知，可决系数为0.679，方差分析表的F统计量的P值为0.000＜0.05，说明整个回归方程通过显著性检验，至少有一个分项满意度对总体满意度影响显著。进一步由回归系数表可知，各分项满意度中，依法行政/公平/公正情况、服务态度、业务能力、执行力/组织协调能力/办事效率和责任心/工作作风等方面对政府行政管理能力的影响较为显著，而清正廉洁、处理群众反映问题/投诉情况、政务公开、讲诚信/兑现承诺等方面对政府行政管理能力的影响不显著。

2.行政管理能力对经济发展软环境的回归分析

表4-56　可决系数表
Model Summary

a.Predictors：（Constant），总体行政管理效能。

表4-57　方差分析表
ANOVAb

a.Predictors.（Constant）总体行政管理效能。
b.Dependent Variable所创造的经济发展软环境。

表4-58　回归系数表
Coefficientsa

a.Dependent Variable：所创造的经济发展软环境。

由可决系数表可知，可决系数为0.420，方差分析表的F统计量以及回归系数表中的t统计量的P值为0.000＜0.05，说明行政管理效能对经济发展软环境的影响显著。