导语：公共福利是社会福利的重要项目，它是国家和社会为满足全体社会成员的物质及精神生活基本需要而兴办的公益性设施和提供的相关服务。下面小编分享公共福利相关论文，欢迎参考！

一、福利影响因素的数据来源与实证方法

　　（一）数据来源下文采用的所有数据主要来源于《新中国55年统计资料汇编》(1949-2004)、《中国统计年鉴》（2005-2012）、各省的统计年鉴以及《中国人口年鉴》，部分数据来源于联合国人文数据库。

　　（二）福利指数计算公式本文重点分析国内外具有代表性的学者对福利指数公式的构建。首先主要对国外学者阿玛蒂亚森（A.Sen）的福利指数进行分析，因为森的福利指数是社会福利指数的重要组成部分，国内外的研究学者在构造社会福利指数公式时，都参考森的福利指数，其表达公式为:S=RY(1-G)(1)其中S代表福利指数，RY代表人均实际收入，G代表基尼系数。这个指数主要说明了在国民收入一定的情况下，分配差距越小，所能够体现出的社会福利水平越高，反之则相反。但是社会福利不仅仅包含经济福利，因为经济福利并没有把社会的公共福利和个人的福利包括进去，因此阿玛蒂亚森福利指数存在很大的局限性。因此国内外学者为了弥补这一缺陷，对阿玛蒂亚森的福利指数进行了重新构建，最具代表性的是美国社会保健协会的ASHA指数，其指标包括六个项目：就业率、识字率、平均预期寿命指数、人均国民生产总值增长率、出生率和婴儿死亡率。表达公式为：ASHA指数=（就业率×识字率×平均预期寿命指数×人均GNP增长率）/（人口出生率×婴儿死亡率）（2）基于公式(1)和(2)，刘长生等三位学者对上述公式进行了改造，借鉴了森福利指数中的收入分配指标，增加了ASHA指数中没有包含的如环境污染程度、资源消耗度等指标，建立了以下基本公式：社会福利指数=人均GDP实际增长率×(1-基尼系数)×(1-环境污染程度)×(1-资源消耗度)×就业率×识字率×(1+平均预期寿命增长率)×[(1-婴儿死亡率)／(1+人口出生率)]×(1-婴儿死亡率)⑦（3）以上各种衡量社会福利指数的指标，已经从GDP这个单一经济指标转向了经济、文化、社会指标，对社会福利的衡量更为全面。但是，各种评价指标在实证研究中并没有得到有效的证实。比如，环境污染程度和资源消耗程度等与社会福利的关系在现阶段还没有文献实证。因此，本文借鉴公式(1)(2)(3)中的指标以及其相关指标：人均GDP、人均GDP实际增长率、基尼系数、环境污染程度、资源消耗程度、就业人数、失业人数、就业率、失业率、识字率、平均预期寿命增长率、婴儿死亡率、人口出生率，并根据目前各公式的实证情况以及数据的可得性，选取了七个具有代表性的指标：人均GDP实际增长率、基尼系数、就业率、识字率、平均预期寿命增长率、婴儿死亡率、人口出生率，重新构建出社会福利指数公式，并利用软件SPSS17.0计算了全国及各省市相应的社会福利指数。得出的具体公式为：社会福利指数=100×人均GDP增长率×(1-基尼系数)×就业率×识字率×(1+平均预期寿命增长率)×[(1-婴儿死亡率)/(1+人口出生率)](4)

　　（三）面板数据模型本文采用面板数据模型，建立了不同时间、不同省份的计量模型。面板数据模型（panel-datamodel）是从20世纪50年代开始用于解决经济问题的，它综合了时间序列和截面数据两方面的信息，在时间序列上取多个截面，在这些截面上同时选取样本观测值构成样本数据，是近几十年来计量经济学理论方法的重要发展之一，具有很好的应用价值。由于我国社会福利既受到不同地区的影响，也受到不同时期的影响，因此结合时间序列和截面数据的'面板数据模型具有以下优点：第一，面板数据模型既可以分析某一时期各省（市、区）政府支出对社会福利的影响差异，还考虑了时间因素的影响；第二，从统计角度看，与单纯的截面数据模型或时间序列模型相比，面板数据模型大大增加了观测样本量，提高了样本自由度，使福利影响因素的估计值更加可靠，而且减弱了解释变量多重共线性的影响，降低了估计误差。本文基于“省（市、区）——时间序列”的数据组合，根据1996-2011年全国31个省（市、自治区）的五个变量数据，建立了相应的面板数据模型。

二、我国社会福利影响因素实证研究

　　（一）我国社会总体福利水平及结果分析利用公式(4)计算出了1996-2011年我国的总体福利水平，具体的指数见表1：通过表1的福利指数可以看出，我国的社会福利总体水平在稳步增长，个别年份可能存在着偏差，这与当年的外部经济环境有关。如，1998年爆发东南亚金融危机，2008年爆发全球金融危机，这势必对国内的经济环境产生影响，导致GDP、CPI等经济福利降低，由于危机影响的滞后性，导致99年及09年的福利水平骤然下降，随着国家的调控，福利水平又开始稳步上升。前文对国内外的社会福利指数进行解构和剖析，并构建了我国社会福利指数计算公式，计算1996-2011年全国的福利指数⑧，主要是为对下文实证分析我国福利影响因素奠定理论和方法论基础，以此来揭示这些因素对我国社会福利的影响状况并解释其背后的意义。

　　（二）实证分析及结果检验1.变量定义本文构建出社会福利指数回归模型，以社会福利指数为因变量，将社会固定投资占GDP的比例（X1）、城镇居民可支配收入(X2)、社会保障占财政总支出的比例(X3)、恩格尔系数(X4)、科教文卫支出占财政总支出的比例(X5)作为自变量。2.回归分析模型构建根据前文对我国福利指数的计算发现，大部分福利指数呈现出规律性变化（除部分年份由于外部和内部情况的变化导致福利指数出现一些剧烈的变化外），即呈现出一种增长的态势。一般认为，在经济发达地区即东部沿海地区，由于各方面配套设施、制度健全，其福利指数会高于中西部经济欠发达地区。因此，政府制定出的相关的公共政策会对社会福利指数产生正面或负面影响。这几个指标能够从宏观和微观角度描述政府的相关公共政策对社会福利的影响。尽管影响社会福利的因素有很多，由于本文使用随机效应或固定效应面板数据模型，一些影响小的因素（比如居民身心健康发展等）可以归结于不可观测的个体效应。忽略这些小的因素，在一定程度上提高了模型的解释准确度。3.面板数据分析在进行回归分析之前，首先用Eviews软件对自变量进行单位根检验，以判断序列的平稳性。各变量单位根检验结果如表2。从表2可以看出，数据序列是平稳的，单位根不存在。由于面板数据可以将生产函数对数化为线性函数，因此本文利用Statas10.1对下面的个体效应进行固定效应和随机效应的Hausman检验，具体步骤如表3。通过上述检验，该面板数据可以设定为固定和随机效应模型，同时随机效应模型还需对其进行显著性检验。这里的P值为0，则表明随机效应非常明显。在设定固定和随机效应模型时，再进行Hausman检验。具体的检验结果如表4。表4中的p值（其值为0）说明本文选用固定效应模型比较好。通过这一点，我们可以认为随机效应模型的基本假设（即个体效应与解释变量不相关）得不到满足。因此，本文设定的面板数据估计模型是固定效应模型。