因子分析模型在政府环境绩效审计中的运用

开篇：润墨网以专业的文秘视角，为您筛选了一篇因子分析模型在政府环境绩效审计中的运用范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

【摘 要】 近年来，国家在环境治理方面投入了大量资金，但资金是否按照规定筹集使用和取得良好的效益，需要审计机关进行科学的监督和评价，因此政府环境绩效审计的开展势在必行。然而环境绩效审计对象的信息化和多样化，使审计效率和质量面临巨大挑战，文章通过分析目前政府环境绩效审计开展过程中存在的问题，提出将因子分析模型引入其中，为解决政府环境绩效审计开展过程中的困境提供途径。

【关键词】 政府环境绩效； 因子分析； 环境绩效审计

一、政府环境绩效审计开展过程中存在的问题

自1983年我国实施政府审计以来，政府环境绩效审计逐步得到重视，在理论和实务方面有了长足的发展，但在实施过程中仍存在许多问题。一是审计范围狭窄：政府环境绩效是指政府进行资源开发与利用、环境保护与治理所取得的有形与无形效益，既包括经济效益、环境效益，也包括社会效益，涉及的范围非常宽泛，审计范围应该尽量包括所有的政府环境绩效。但我国开展的政府环境绩效审计范围狭窄，内容单一，审计技术落后，仅针对政府重大环境项目中环保资金是否被截用、挤占等展开，而体现环境和社会效益的内容却未纳入审计范围。二是审计方法缺乏：传统审计的审计对象主要是被审计单位财务收支活动；而政府环境绩效审计是对政府的环境管理活动、环保资金使用效益进行监督、鉴证和评价，审计对象是所有能体现政府环境绩效的内容。因此，传统的审计方法不适用于环境绩效审计。按照传统的审计方法，即使收集到全面的环境绩效审计依据，也很难通过海量的审计数据得出合理的审计结论，将大大增加审计成本和审计风险。三是审计资源受到诸多限制：我国的政府环境绩效审计项目任务繁重、审计量大，而有限的审计资源相对不足，人力、财力、经费、时间等因素带来极大限制，审计范围局限在重大环境项目上，审计力度远远没有满足现实需求。

二、因子分析模型的应用

因子分析模型是简化、分解原始变量，从众多变量反映的信息中归纳出少数几个潜在信息因子的统计分析模型。其得出的公共因子基本可代替原始变量所要反映的全部信息，并且因子之间相关性极低，几乎不存在信息重复，通过简化的信息更容易全面分析和把握事物，找出规律。

运用因子分析模型可以很好地解决上述三个问题。首先，政府环境绩效范围广、绩效指标之间存在信息重复，审计上有一定的复杂性。通过因子模型对众多复杂的指标进行简化和归类，找出公共因子，便于进行分析和综合评价，有效避免因审计技术落后而导致的审计范围狭窄的问题。其次，面对海量的政府环境绩效审计数据，传统的审计方法力不从心。利用统计分析软件SPSS17.0可以对事先录入的指标数据进行因子分析，对数据进行统计检验、抽取公共因子、输出数据结果等，通过公共因子整个计算过程简单易行，便于操作。通过统计分析软件完成审计评价分析，速度快、可操作性强，很好地解决了审计方法缺乏的问题。最后，因子分析模型可帮助审计人员迅速找到审计信息中的重点，节约人力资源、时间和审计成本，提高审计效率，可解决我国审计资源不足的问题。

三、因子分析模型实证分析

（一）样本来源及指标选取

在政府环境绩效审计指标的选取原则上，应选择能反映地区环境状态的指标，所选指标要具有完备性，能够全面反映地区的环境状况，指标数据应是已有统计数据或经过实际监测可获得的，同时应当选取政府和民众所共同关注的环境数据，本文原始数据来自2010年的《中国统计年鉴》和《中国环境统计年鉴》，截取我国31个省、直辖市、自治区政府环境绩效有关数据，选取18个指标进行综合分析，具体指标见表2。

（二）因子分析的步骤及结果

1.将原始数据经过标准化处理，并求得相关系数矩阵，巴特利球度检验值为711.528，显著性为0.000，由此可以认为相关系数矩阵不是单位矩阵；同时KMO检验值为0.604，大于0.5，所以数据适合做因子分析。

2.求特征根与因子载荷矩阵。对数据进行方差最大化旋转，提取的3个因子的方差累计贡献率达到73.2%，因此选择3个主因子进行分析。结果如表1、表2。

由旋转后的因子载荷矩阵可以看出，F1主要由X6、X7、X8、X9、X10、X11、X14这7个指标决定，代表着政府在城市生活环境改善上所做的努力，可归纳为环境舒适度因子；F2主要由X12、X13、X15、X16、X17、X18这6个指标决定，代表着政府在工业环境污染治理上的绩效信息，可归纳为工业污染治理因子；F3主要由X1、X2、X3、X4这4个指标决定，代表着政府在自然资源环境保护与发展上的效果，可归纳为生态环境保护因子。

3.计算因子得分并排序。按照各公因子对应的方差贡献率为权重构造综合评价模型，即Pj=∑Wi・Fij。这里Wi为因子Fi的方差贡献率占3个主因子方差贡献率之和的百分比，Fij就是第j个省第i项主因子Fi的得分。如F1权重为30.650%/（30.650%+21.621%+20.949%）=41.86%，用同样的方法可计算出F2、F3的权重分别为29.53%、28.61%。则综合得分F=0.4186×F1+0.2953×F2+0.2861×F3，最后得到因子得分的综合排名如表3。

由得分排名情况可以看出，该年度北京、天津、山西和内蒙古的政府在环境治理和保护方面所做的努力最多，而安徽、江西和陕西的得分最低，说明该年度政府在改善环境方面所做的努力相对不足；从生活环境的改善程度来看，北京、天津和江苏的城市生活环境水平最高，居民的生活环境十分清洁和便利，而四川、甘肃、贵州和云南省的居民城市生活环境水平相对较低，城市环境卫生不够清洁；从工业环境污染的治理来看，山西、内蒙古和天津对工业污染治理投入的资金最充足，取得的效果也很好，大大降低了工业污染物的排放量，而、青海和新疆在工业污染治理方面所做的努力相对有所欠缺，特别是在工业污染治理方面的投资太少，远远低于全国的平均水平，政府环保部门在工业污染治理方面需要加强建设，提高污染治理能力；从各省对环境的保护和发展来看，、海南、和内蒙古对自然资源的保护投入较多，而江苏、山东和湖北在自然资源的保护方面所做的努力相对较少，应适当加强自然环境保护和建设。总体来看，北京、天津政府在改善生活环境方面所做的努力最多，但自然环境保护绩效水平中等；山西、内蒙古、天津、山东政府的工业污染治理绩效最高，生活环境绩效和自然环境发展保护绩效良好，总体绩效处于全国中上水平；政府的生态保护绩效最高，但城市生活环境和工业污染治理绩效较差，在全国处于中下水平，需要政府投入更多的资金和精力。

（三）对因子分析结果进行聚类分析

本文采用分层聚类法来对各省的3个因子得分进行聚类分析，以便更加直观地观察各省政府的环境绩效高低。根据聚类结果，各省的政府绩效分类情况如表4。

计算各类在各因子上的平均值，代表其绩效平均水平，结果见表5。

（四）审计结论与建议

根据因子分析和聚类分析的数据可以看出，第一类地区（北京、天津、内蒙古）的政府环境管理部门在改善城市生活环境方面所做的努力是最多的，居住在该地区的居民环境舒适度远远高于其他三类地区，但由于北京和天津属于人口稠密、人口流动量大、产业集中的城市，其生态环境破坏也比较严重，恢复治理起来较困难，它们的工业污染治理绩效水平和对自然环境的保护绩效水平均处于良好水准。第二类地区（山西、辽宁等）的政府环境管理部门在工业污染治理上的投资比例和改善效果是全国较高的，并且远远高于其他三类地区的工业污染治理水平，生活环境绩效良好，总体处于第二位。这类地区自然环境的发展保护绩效虽然远低于地区，但在快速发展的地区中相对是较高的，可见该类地区在改善自然环境方面做出了很大的努力。第三类地区（河北、上海等）的居民环境舒适程度、工业污染治理水平和生态环境保护与改善均不理想，在全国属于中下水平。该类地区所占的比例最大，表明该地区政府环境管理部门除了发展当地经济水平之外，还应关注环境治理，提高环境效益，不能以牺牲环境为代价发展经济。第四类地区（）的政府环境管理部门在生态保护上的绩效是最高的，这不仅是政府部门重视环境保护的结果，也有赖于先天的生态环境优势，以及较低的居民人口数量。但在城市生活环境和工业污染的治理上投入的资金太少，这两项指标在全国处于中下水平，特别是在工业污染的治理上，远远低于全国的平均水平，需要政府投入更多的资金和精力。

四、结束语

因子分析模型作为一种分析多元数据的强有力工具，能将复杂的数据简化为互不相关的几个因子，挖掘出直观有用的数据，审计人员在对政府环境的绩效进行审计时，可全面地选取环境审查的指标，利用因子分析模型对各指标的有效信息进行简化，从而避免指标选取不全面的问题，降低审计风险，提高审计效率和审计质量，大大节省审计成本和审计资源，解决我国政府环境绩效审计目前的困境。因子分析模型在政府环境绩效审计方面有着广泛的应用空间。

【参考文献】

［1］ 杜敏，孙婧.环境绩效审计若干问题研究［J］.财会通讯，2011（4）：126-127.

［2］ 卢纹岱.SPSS for Windows统计分析［M］.北京：电子工业出版社，2006.

［3］ 国家统计局.2010中国统计年鉴［M］.北京：中国统计出版社，2010.

［4］ 国家统计局，环境保护部.2010中国环境统计年鉴［M］.北京：中国统计出版社，2010.