樊 博 石语希

(上海交通大学国际与公共事务学院，上海 200030)

随着信息化水平的日益提高，政府部门在日常履行职能的过程中积累下了大量数据，成为信息时代政府管理的重要资源。开放政府数据供社会增值开发和创新应用，有助于推动经济增长和社会发展，激发大众创业、万众创新，形成公民参与的良好氛围，提高国家整体的治理能力和竞争力[1]。政府数据开放运动已在全球范围内兴起开放浪潮。中国国务院出台的《促进大数据发展行动纲要》提出，要在2018年底前建成国家政府数据统一开放平台和全国一体化的国家大数据中心，2020年底前，建成覆盖全国的“互联网+政府服务”技术和服务体系。大数据往往建立在开放数据的基础上[2]，中国某些地方政府已经开始探索开放数据工作。由于政府开放数据的对象不仅仅是原本的政府文本信息，还是海量政府大数据，因此可以被看作是一场电子政务领域的创新运动。《2022中国地方政府数据开放报告》显示，截至2022年10月，中国已有187个地方政府上线了政府数据开放平台(含直辖市、副省级与地级行政区)，与2014年相比，平台总数上涨45倍，全国地级以及以上的政府数据平台呈现惊人的爆发趋势，并逐年增加中。这说明政府数据开放这项政策在我国地方政府之间正呈现动态扩散的趋势，可以将此看作是政策扩散的进程。

政府创新扩散的本质是有关政府创新的信息的沟通与传播，因此府际关系是信息交换的重要载体和渠道。由于邻近的地理位置、相似的经济水平和资源条件，以及频繁的政治交往，同一行政级别的地方政府相互学习，进行效仿创新的渠道也愈多[3]。水平方向上视角下的府际关系不仅有学习模仿，也存在竞争机制。这主要是该政府感受到了周围同级政府因为采纳了这项政策而在公共服务、经济发展等方面具备了更多的竞争优势[4]。同时，政府在考虑是否要采纳数据开放政策时，一方面基于经济人假设，政府官员会考察学习采纳的成本和收益；另一方面，社会媒体的压力和上级政府的压力也会影响扩散情况。

就目前现状而言，政府数据开放工作的推进也面临诸多困境。根据数据开放平台的建设情况，我国目前在大数据战略倡导下的数据开放运动仍处于初步阶段，并且由于地区经济、科技发展水平不同，存在区域之间政策采纳不均衡的情况。从整体上看，东南沿海和中部地区大部分省域下的地级市平台不断上线并逐渐相连成片，西部地区省内绝大多数城市均未上线政府数据开放平台。这说明我国数据开放工作尚未在全国范围内深入全面铺开，仍有大量地级市还在观望中。因此，从实践层面而言，针对数据开放的影响机制进行研究有助于识别关键影响因素并加以扶持，以推进地方政府采纳数据开放政策，充分利用政府大数据的潜在价值。

就理论层面而言，目前关于政府数据开放的研究大多集中于研究我国数据开放平台的运行现状，提出存在的问题，并借鉴发达国家(地区)经验提出相应的治理建议，而对政策创新扩散的研究较少。然而，我国政府数据开放政策这种快速扩散的现象是值得学界关注的。自2015年出台《促进大数据发展行动纲要》以来，历经7年时间，55.49%的城市(包括直辖市、副省级与地级行政区)已上线了政府数据开放平台。为何将近一半的城市没有采纳这项政策，为何东部地区地级市采纳情况更为理想。从而产生了研究问题，即是什么因素会影响我国城市政府数据开放政策扩散？在动态扩散的过程中，具体的作用机制又是什么样的？这有助于补充现有的政府数据开放研究。因此，研究政府数据开放政策的创新扩散具有一定的现实意义和理论意义。本文将从府际关系的角度出发，对2014—2018年中国293个地级市的面板数据进行分析，探索府际关系对政府数据开放政策创新扩散的影响，并将成本—收益理论和外部压力理论作为竞争性理论，揭示创新扩散的具体机理，以期为我国大数据发展战略提供可行的政策建议。

1 文献综述

政府数据开放是一种信息政策，它提供一套治理原则，以促进政府生产的数据集的共享或重用，以改善服务、解决问题并与第三方合作或开发新的创新业务和服务[5]。Wirtz B W等[6]提出，“任何公共部门数据和信息，其格式和方式可实现免费获取、使用和分发以及促进使用”作为政府数据开放的定义，区别于“政府信息公开”这一概念，政府数据开放更强调数据的第一手原始性，数据是未经加工与解读，不具有明确意义的[7]。学界也通常将政府数据开放看作是政府信息公开的新发展阶段。

较多数量的研究聚焦于政府开放数据的质量问题及其治理思路，研究对象主要是政府数据开放平台。其中，学者们对数据质量评价拟定出不同标准和维度，例如准确性、完整性、时效性、一致性和唯一性[8]。目前，我国政府开放数据质量存在较多问题，在数据完备性、元数据、数据格式与更新、数据获取等方面略显不足[9]。为了解决数据质量问题，众多学者提出数据质量管理与保障机制的设想。例如，谭必勇等[10]指出，我国政府应从践行开放理念、改善数据体验和夯实平台基础3个方面来提升开放政府数据平台的数据质量。另外，研究政府数据开放效果的影响因素也成为一大热点，具体可分为政策法规因素、组织因素、技术因素，包括相关法律的完备性[11]、统一性[12]，组织资源[13]、领导支持、组织文化[14]，以及数据格式、元数据、信息系统外包和信息化水平[15]。

随着政府数据开放在各地政府中相继被采纳，不少学者从政策创新扩散角度展开相关研究。根据西方学者的解释，“创新”在目前政策创新语境下最为贴合的解释是“产生、采纳和执行新的项目、产品或服务，并且这些项目、产品、服务对这个组织环境来说是第一次”[16]。这一解释强调创新的“相对首次”概念。因此，基于该项“创新”概念，政策创新扩散研究先驱Walker J L[17]将“政策创新”定义为“一个政府首次采纳的政策或项目，无论这个政策或项目已出现多久，也无论其他政府是否已经采纳它”。而“创新扩散”的概念，学界多认同Rogers E M[18]所提出的定义，即“一项创新传播的过程就是扩散，它是通过某种渠道随着时间流逝在一个社会系统的成员之间被沟通的过程”。具体而言，是某种创新从其发明和创造的发源地传输到创新的最终采纳者的过程[19]。在政策扩散研究中，学者们对扩散比较强调地方(州)政府之间的互动与交流。政策扩散和政策创新往往是不可分割的连续过程，两者之间差别在于：前者侧重于对不同政府采纳政策的历时性动态机制，而后者更重视解释采纳与否的瞬时状态及其原因[20]。采纳往往是指对创新的响应过程。综上所述，本文对“政策创新扩散”的定义主要采用Berry F S等[21]的观点，是某一政策创新在政府之间传播的过程，其中贯穿了人与人之间、组织与组织之间的互动与交流。对政策创新扩散的进一步解释：如果城市A的政府根据自身实际情况制定并颁布了一项新政策，而这项政策在全国范围内属于首创，那么可以定义这个政策过程为政策创新。另一城市B政府参考了城市A政府的思路，并根据本地区情况同样制定和发布了同一问题领域的政策，那么政府B的该项政策过程对于A来说是政策扩散，对于政府B是政策创新采纳。

政策创新扩散的动因可从本质上分为内部因素和外部因素[22]，内部因素指辖区的属性和政府特征，外部因素指全国性和区域性扩散因素。具体来说，内部因素可分为政治角度、经济角度和社会角度，如政治体制[23]、领导人特征[24]、官员选举和更替制度[25]，经济发展水平、财政资源[26]以及地方的教育、文盲率、城市化、宗教因素等[27]；外部因素主要考虑政府之间的互动关系，包括上下级政府的垂直影响以及同级政府之间的水平关系。上级政府行政命令的出台、相邻政府采纳比例都会影响采纳情况[28]。目前，已有一定数量的研究关注到同级政府之间的互动所产生的水平扩散，可分为府际学习和府际竞争。政府间学习的动力主要源自于降低学习成本、降低创新风险以及获得合法性。尽管地方政府可以从自己过往的经验中学习和反思，但从其他政府的实践中学习也可以在一定程度上降低成本；政策创新往往面临着极大的成本与收益的不确定性，因此学习其他政府已经成功的政策有助于一步到位地进行应用；新制度理论强调同辈或同行的规范压力和模仿压力，这会推动组织同形。这就意味着当一项创新被多个政府采纳时，可能会形成一项规范。如果政府不采用该项政策，可能会失去制度合法性。府际学习很有可能会发生在地理相近的地区，Berry F S等[29]在政策扩散研究中构建了邻州扩散模型，将与某州相邻的其他州采用某项政策的数量或比例作为衡量该州的邻州扩散效应的指标，发现这确实会促进政策采纳。近期的研究逐渐从地理上的相近扩展至文化、经济、政治、社会特征的相似[30]，发现随着信息技术的进步，政府之间可以通过网络媒体的帮助进行学习和模仿，突破地理上的限制[3]。水平方向上的府际关系不仅有学习，也存在竞争关系。新制度主义表明，结构对等的政府会存在府际竞争压力，从而影响政策的创新扩散过程。这种竞争又可以分为经济竞争和政治竞争。一方面，政府之间会为了争夺劳动力、资本等生产要素而进行竞争，尤其在税收、环境保护领域更容易发生，这种现象被学者称为“逐底竞争”[31]。例如，在雾霾污染治理政策方面，各地区政府为了发展本地经济，采取了一系列策略性竞争行为，通过放松治理力度来争取企业、人力和技术，导致雾霾治理朝“竞次”的方向演变；另一方面，在中国由于政治锦标赛的存在，地方政府会关注同级政府的行为，为了在绩效考核中争取更多优势，政府会模仿其他政府采纳的政策，以缩小竞争差距，获得升迁的机会[32]。

由于不同领域和属性的政策的创新扩散过程有显著差异，因此需要对政府数据开放政策进行细致研究，不能简单移植其他领域的理论成果。目前针对政府数据开放政策的创新扩散研究，一是分析政策扩散的时间空间规律，如复旦大学数字与移动治理实验室每年发布的《中国地方政府数据开放报告》，基于客观的标准对我国地方政府数据开放情况进行了时空分析。二是基于政策创新扩散理论对政府数据开放的影响因素进行事件史分析。吴金鹏等[33]利用省级面板数据，将城市内部特征和外部因素整合成一个理论框架，发现扩散机理受多重因素影响，其中制度环境与竞争压力的影响最大。刘成[34]根据政策过程模型，创新性地设置了政策采纳和政策执行两个因变量对省级政府的政策扩散进行研究。王法硕等[35]基于2012—2019年283个地级市的面板数据指出信息化水平、城市行政级别和省内城市间的竞争压力是影响地级市政府采纳数据开放政策的关键因素。

总体来看，学者已经对政府数据开放这一主题进行了较多的探索。然而，现有研究大多集中于政府数据开放政策执行，即数据开放平台建设的问题，并根据此提出相应治理建议，而对政策采纳的过程思考较少。但是在国家战略的角度上，地方政府的政策采纳情况将影响国家层面的大数据平台数据集成和共享。其次，从政策创新扩散的研究现状来看，目前对采纳影响因素的研究较多，但对机制的解释较少，缺少对因果关系的阐述。要想研究地方政府的采纳意愿，以此来提高积极性，需要厘清其中的作用机制。最后，以往的文献尽管已证实了府际学习与府际竞争对政策创新扩散的正向作用，但是其中具体的作用路径尚未得到关注，即水平方向上的府际关系如何影响政策创新扩散的问题并未得到解答。在前人学者的研究框架中，将外部压力变量，如媒体报道、中央压力、省级压力作为影响因素考量，但在回归模型中并未发现这些变量对政府数据开放的政策采纳行为具有显著影响[35，33，36]。在中国的背景下，地方政府间学习和竞争的动力机制更多来自上级政府的绩效考量和社会媒体的规范压力。因此，地方政府的创新采纳反映的是上级政府偏好以及社会规范。因此，尽管探讨的是水平方向上的关系，但是在中国的背景下这种水平府际关系可能源于垂直关系；另一方面，绩效评估也是决定政府官员升迁的关键。因此，创新的成本和效益也会影响政府学习和竞争机制。政策创新扩散理论起源于西方，政治体制与社会环境与中国存在诸多不同，因此在中国背景下理论的适用性仍待检验。本文将从创新扩散理论视角出发，以293个地级市政府作为研究对象，利用2014—2018年的面板数据，运用事件史分析方法，分析了府际学习和府际竞争对政策创新扩散的影响。在模型中，创新性地引入调节变量，将成本—收益理论和制度压力理论作为竞争性理论，揭示政策创新扩散的具体机制。

2 理论基础与研究假设

现有研究大多集中在对政策采纳与否及其影响因素的分析，但对政策扩散的作用逻辑复杂性关注不足。比如 ，地方政府对于新政策的采纳背后存在着什么样的行为逻辑，是基于经济人假设对于成本、受益的考量，还是出于外部压力为了争取合法性地位的选择。因此，本文在考察水平方向上的府际关系对政策采纳影响的基础上，将成本—收益理论和外部压力理论作为竞争性理论，考察哪一种逻辑在府际关系与政策创新采纳关系中发挥的调节作用更强。

2.1 成本—收益理论

从府际关系的角度来看，政策创新扩散可以被看作是某一项创新从一个地方政府传播到另一个地方政府的过程，地方政府之间的学习与竞争将促进政策的传播。而当地方政府在考虑是否要学习政策的优秀案例或者是出于竞争目的的采纳政策时，不可避免地会估算政策采纳的成本和收益。美国经济学家Hicks J R[37]和Kaldor N[38]总结了成本收益概念，为成本—收益理论打下了基础，这一理论是经济学和管理学中最基本的理论，是一种将成本费用分析法运用于决策中以寻求决策时以最低成本获得最大收益的经济决策方法。政府数据开放从某种意义上也是一种经济活动，因此可以从构建“企业家政府”的视角，采用企业的价值理论来分析政策创新采纳的情景。假设政府中的领导决策者是“理性人”，领导者在面对同级政府的外部影响时，考虑到政府数据开放针对不同地区政府的实际情况，付出成本和未来收益也不同，因此需要考察自身辖区的内部情况，实施成本越低和可获得收益越大时，地方政府越愿意学习成功经验，并认为参与竞争是有利可图的，由此采纳这项政策。

2.2 外部压力理论

在信息技术采纳和扩散的相关领域，逐渐有研究从新制度主义的角度指出组织采纳创新技术不仅仅是受到利益的驱动，关键因素还在于外部制度压力。DiMaggio P J等[39]提出的“制度同形”理论将制度压力划分为强制性制度压力、规范性制度压力与模仿性制度压力。组织的决策不仅是为了追逐最大限度的效率和收益的理性行为结果，而且最终决策会受到它们所处制度环境的影响，这为组织行为和决策提供了非经济的解释。在数据开放的政策视角下，强制性压力往往是地级市政府所依赖的上级政府组织向其施加的正式与非正式的压力，规范性压力指符合集体期望或合法性的压力。首先，当政府受到越大的制度压力时，政府为了维持其良好形象以及响应外部的需求，政府会更加积极地学习其他地方政府的优秀经验；其次，为了在政治锦标赛中获胜，地方政府需要关注上级政府的命令以及公众所认同的价值规范，当这些制度压力施加到地方政府时，为了获得更高的认可度和正当性，地方政府以及领导者就要调整未来实践方向，积极采纳得到认同的政策。

2.3 研究假设

2.3.1 府际关系对政策创新采纳的作用

学习机制是政策创新扩散的重要机制之一。较为开放的组织更倾向于模仿和尝试新事物。地方政府承担着城市管理者的角色，思维越开放活跃的管理者越乐于与外界沟通，政策扩散概率相对越高。同时，地方政府之间通过信息沟通，可以看到其他政府采纳政策之后的效果，并有意识地学习或尝试[40]。已经实施的地方政府为其他政府提供了经验，学习意识越强的地方政府，越倾向于采纳成功的案例。

同一省级政府下不同地级市的数据开放情况将带来地级市政府之间的竞争压力。新制度主义指出，结构对等的政府之间的竞争压力，将对政策的创新扩散有重要的影响作用，同级政府之间进行效仿来争取合法性。美国学者运用地理信息系统，关注地理上邻近政府之间的竞争，指出相邻辖区民众的压力将起到监督作用[29]。在中国背景下，“政治锦标赛”将在其中起到激励作用，由于同级政府官员的绩效会被相互比较，同级政府会注意彼此的政策动态，对模范案例进行仿照学习，从而缩小竞争上的差距。因此，当同一省级政府管辖下的某一地级市政府采纳政府数据开放政策后，其他兄弟城市为了争取合法性和减小差距，也将采纳这一政策。

H1：府际学习水平对政府数据开放政策采纳的概率具有正向影响

H2：府际竞争水平对政府数据开放政策采纳的概率具有正向影响

2.3.2 成本—收益的调节作用

政府数据开放需要建立在基础设施和信息技术的基础上，因此技术成本是总成本的主要组成部分。政府数据开放带来的效益主要体现在满足公民需求、推动全民创新[41]。面对同级政府的可学习案例时，当地政府仿照学习的成本相对较高时，意味着政府在进行采纳时遇到的阻碍和风险也相应增加，政府采纳的意愿降低；而数据开放后受益群众更广的辖区，收益更大，政府学习该政策的积极性也会有所增加；另一方面，对于竞争效应来说，由于政府领导人采纳政策的主要原因是想要在政治锦标赛中获胜，政策创新所带来的绩效对于政府来说就尤为重要，绩效高的政策将有助于领导人向上升迁。因此，当同级政府已经采纳了该项政策时，采纳所需的成本越低且公众需求越大的地方政府，越愿意为了竞争优势而采纳政策。

H3：技术成本对府际学习与政策创新采纳之间的关系具有负向调节作用

H4：技术成本对府际竞争与政策创新采纳之间的关系具有负向调节作用

H5：社会效益对府际学习与政策创新采纳之间的关系具有正向调节作用

H6：社会效益对府际竞争与政策创新采纳之间的关系具有正向调节作用

2.3.3 外部压力的调节作用

根据外部压力理论，政策创新采纳是受到外部各利益相关者影响的行为，主要压力来自上级政府和社会公众两个方面。首先，根据社会建构理论，公共政策扩散是在公民、媒体和公共事件的压力下自然发生的，政府由此进行政策学习和模仿。新闻媒体作为公众和政府的桥梁，在政府议程设置中发挥着重要作用。媒体对政府数据开放的报道形成了舆论压力，使政府不得不关注这项政策[42]。当媒体发布关于这项政策的正向文章越多时，政府越愿意借鉴学习已经成功的地方政府经验，落实政策的采纳；同时，媒体对于其他城市实践的报道更能激发政府的竞争意识，不落于人后。

在单一制国家中，下级政府的决策偏好往往会受到上级政府的影响，这是由于单一制的体制滋生了自上而下的压力，形成了压力型体制[43]。随着省级政府发布政策文件对地级市政府形成了指导意见，地方政府官员在上级压力的影响下，一方面会加快学习全国范围内的优秀经验；另一方面地方官员为了在政治锦标赛中获胜，需要响应上级政府青睐和认同的政策，参考和借鉴兄弟城市的这项政策。

H7：媒体压力对府际学习与政策创新采纳之间的关系具有正向调节作用

H8：媒体压力对府际竞争与政策创新采纳之间的关系具有正向调节作用

H9：省级压力对府际学习与政策创新采纳之间的关系具有正向调节作用

H10：省级压力对府际竞争与政策创新采纳之间的关系具有正向调节作用

3 研究设计

3.1 样本与数据来源

本文选取中国293个地级市作为研究对象，这是由于中央层面目前没有出台统一的政府数据开放政策，政府数据开放工作现阶段仍依靠地方政府自主探索，同时，城市相比农村地区的电子政务发展更优。

鉴于政策创新扩散是一个动态过程，由于2014年南京、武汉等城市采纳了政府数据开放政策，因此因变量的研究时段为2014—2018年。为了研究政策采纳的影响因素，所有自变量、调节变量和控制变量的数据收集均滞后1年，即选取2013—2017年的数据。本文所涉及的样本数据主要来源于政府门户网站、国民经济和社会发展统计公报、中国知网等。

3.2 变量及测量

3.2.1 因变量

政策采纳设置为二分变量。对于政策采纳而言，如果某一城市在某一年采纳政府数据开发政策，则记为1，否则记为0。政策文件检索方式如下：在市级政府官网、经(工)信委网站进行逐年检索，政策文件内容为2014—2018年首次涵盖政府开放数据相关内容，例如杭州市在2015年颁布的《杭州市政务数据资源共享管理暂行办法》。

3.2.2 自变量

府际关系。根据Gary V[44]研究发现，政策创新采纳会在全国范围内引起学习和讨论，并且地区间扩散速度与全国范围内的扩散速度存在某种函数关系。因此，府际学习效应采用全国范围内采纳政府数据开放政策的地级市比例衡量；在中国背景下，相对于其他省份的地方政府，同一省份的地级市政府绩效常常被互相比较。府际政府竞争效应选取省内城市采纳政府数据开放政策的数量占省内城市总数量的比例作为衡量指标。

3.2.3 调节变量

成本收益。电子政务是政府数据公开的重要技术支持手段[45]。因此，电子政务发展水平越高的政府，代表其基础设施、在线服务的完备度越高，政府采纳开放数据的技术成本较小。电子政务发展水平的测量选取地级市政府网站绩效评估的得分来衡量，该评分包括信息公开、在线服务、互动交流、用户体验等多项维度，取值范围0～1。技术成本的衡量为1-该得分；政府数据开放的收益方为社会公众，因此收益的大小以公众需求的多少进行衡量，具体而言，采用地级市政府依申请公开受理数量，并取其对数。依申请公开受理数量表明了社会对政府开放数据的需求，受理数量越多，社会需求越大，政府数据开放政策采纳的收益也越高。数据资料来源于各地级市政府网站。

外部压力。当媒体报道对某项政策的关注度足够高时，容易引起社会公众的关注，从而对地方政府形成压力。在媒体压力的变量测量上，本文在中国知网的中国重要报纸全文数据库中以“政府数据开放”作为关键词进行检索，将每年全国性重要报刊报道数量作为媒体压力的衡量方式；在省级政府压力的测量上设置虚拟二分变量。随着中央政府在2015年出台了《促进大数据发展行动纲要》，指出要推进政府数据开放工作。随后省级政府也陆续出台相应政策文件，对地方政府产生了压力。因此，省级政府在出台政府数据开放政策及之后的年份，省级压力记作1，之前的年份记作0。

3.2.4 控制变量

财政资源。辖区政府的财政资源选取对数后的人均一般预算财政收入作为衡量指标。计算方式为Log(地区政府一般财政预算收入/市辖区常住人口数量)[46]。对于人口净流入量较大的城市，常住人口大于户籍人口，而地方政府在考量政策时往往是针对常住人口，另外经过对数处理后能控制变量之间可能存在的多重共线性。该项数据来源于《国民经济和社会发展统计公报》以及相关年份各城市的统计局公开数据。

政府组织规模。人口规模越大的城市往往代表当地政府的规模也越大。本文采取市辖区常住人口数量，并取其对数进行衡量[46]，数据来源于《国民经济和社会发展统计公报》以及相关年份各城市的统计局公开数据。

城市行政级别。城市的行政级别决定了城市的政策空间和资源配置能力[42]，这将影响地级市政府对政策创新采纳的积极性。因此，本文将城市的行政级别进行控制，省会城市记作c，非省会城市记作n。

表1 变量及其测量方法

3.3 分析方法

在研究政策创新扩散时，常用的研究方法为事件史分析法。事件史分析方法(EHA)通过评估某一政府在特定时间内采取政策的概率来识别可能的影响因素。事件史分析方法主要可分为离散型和连续型，按照时间单位进行划分。由于本文以年为事件单位，采用离散型事件史分析方法。

P(t)为地级市政府在时间t(年)对政府数据开放这项政策创新进行采纳的概率。自变量有府际学习(X1)、府际竞争(X2)；控制变量为财政资源(X3)、政府组织规模(X4)、城市行政级别(X5)；调节变量为技术成本(Y1)、社会效益(Y2)、媒体压力(Y3)、省级压力(Y4)。由于P(t)为概率，这里采用Logit模型。将成本—收益理论与外部压力理论作为竞争性调节变量，分别构建模型如下：

Log(P1(t)/(1-P1(t)))=a+b1X1(t)+b2X2(t)+C1X1(t)Y1(t)+C2X2(t)Y1(t)+C3X1(t)Y2(t)+C4X2(t)Y2(t)+b3X3+b4X4+b5X5(t=1,2,3,4,5)

Log(P1(t)/(1-P1(t)))=a+b1X1(t)+b2X2(t)+C1X1(t)Y3(t)+C2X2(t)Y3(t)+C3X1(t)Y4(t)+C4X2(t)Y4(t)+b3X3+b4X4+b5X5(t=1,2,3,4,5)

4 结果与讨论

4.1 结 果

表2报告了简单的变量描述性统计结果。从中可得，截至2018年，已有242个地级市政府采纳了政府数据开放政策，占比82.6%。总体而言变量标准差较小，数据符合正态分布，可以进行模型统计。由于部分数据未在统计网站上公布，部分变量存在缺失值，但Stata会对缺失值进行自动处理，对结果影响较小。

表2 描述性统计结果

表3解释变量多重共线性的检验结果。方差膨胀因子VIF的取值越小说明多重共线性越弱。本文的解释变量的方差膨胀因子VIF均小于10，说明不存在严重的多重共线性问题。

表3 多重共线性检验结果

表4 主效应回归结果

表5 “成本—收益”变量的调节效应回归结果

表6 外部压力变量的调节效应回归结果

在回归模型中，模型1～3报告了主效应的检验结果。在整合模型3中，府际学习和府际竞争效应分别在0.01和0.05的水平上显著，说明H1和H2均成立。在调节效应的检验中，模型4～6检验了成本—收益理论的调节作用，结果显示技术成本和社会效益与府际学习、府际竞争的交互项均不显著；在外部压力模型中，模型7～9结果显示：府际学习*媒体压力与府际学习*省级压力两项交互项显著，并且分别在0.01和0.05的水平上通过了检验，即H7、H9得证。因此，外部压力理论的解释力优于成本收益理论。

4.2 讨 论

本文采用中国地级市面板数据对政府采纳数据开放政策的因素进行了讨论，重点考察了“成本—收益”理论和外部压力理论在府际关系与政策创新采纳关系中的调节作用。在主效应的检验中，结果很好地支持了府际关系对政策创新采纳的解释，两项假设均得到证实。

在“成本—收益”框架调节效应的检验中，技术成本和社会效益的调节作用均不显著。说明在中国政府开放数据的情景下，成本和收益并不是采纳过程中重要的考虑因素；外部压力调节变量的研究结果显示：媒体报道和省级压力都增强了府际学习对政策创新采纳的正向影响。首先，当媒体对政府数据开放的正面报道数量增多时，一方面会引领当下的关注热点，让数据开放更多地进入政府和公众视野；另一方面也向未进行数据开放的政府施加一定的舆论压力。因此，媒体报道对于增强政府府际学习意愿来跟进全国优秀案例具有正面作用；另外，在单一制的体制下，政府在进行府际学习时往往会考虑自上而下对新政策的适应性，因此省级政府所释放的政策信号能从一定程度上消除地方政府的顾虑，同时在纵向压力的作用下，能够增强政府对政策的学习和模仿。

总体而言，外部压力理论相比于“成本—收益”理论对于政策创新扩散机制的解释力更强。一方面，相比于联邦制，在单一制国家中上行下效的驱动力更强[43]，中国体制背景下，“金字塔型”组织结构促进了政策创新的组织动力形成，高级政府的施压和激励形成了强制性压力，下级政府因此受到政治影响和合法性压力，从而更加主动积极地开展政策创新，而这种动力来自晋升机会，每一个下级地方政府官员都希望通过升迁来掌握更大权力，而决定下级地方政府官员升迁的权力总是掌握在高级政府的手中，故在中国目前的晋升锦标赛体制下，存在着地方政府官员创新的诱致性动力[47]；另一方面，媒体的发声对政府施加了规范性压力，它的正面报道为政府数据开放政策形成了专业化的评价。同时，媒体作为公众和政府之间的信息沟通渠道，它将公民的政策意见在网络平台汇集起来，形成多方信息的聚集效应，整合后形成民意资源带入政策制定的决策系统中，媒体表达的公民意见将促使政府在舆论压力下学习和借鉴其他城市的政策创新。

5 结 论

本文产生的边际贡献在于，将“成本—收益”理论与外部压力理论作为竞争性理论，分别讨论了它们对府际关系与政策创新采纳关系的调节作用。结果发现，在中国政策创新扩散的情景下，相比于“成本—收益”理论，外部压力理论对于政策创新扩散机制的解释力更强，上级政府和社会舆论压力催化了同级政府互动所产生的水平方向上的政策扩散。本研究的政策启示在于：首先，政府数据开放作为风险较大的创新综合性工程，出于规避风险的心理，容易产生政府自身动力不足的现象，因此需要把握好同级政府之间的互动关系。省级政府可以根据实际情况设置合适的绩效考核制度，通过加强横向压力推动省内政府进行政策创新采纳；其次，媒体作为政府与公众沟通的桥梁，其作用也不可小觑。重要媒体对于政府数据开放的正面报道给社会公众和政府都带去了积极信号的前沿信息。一方面，这将有助于增强公众对于该项政策的期望和需求，从而给政府施加一定的压力；另一方面，对于政策优点的报道也会增加政府信心，积极采纳政策；最后，充分重视上级政府的压力作用。在中国单一制体制下，政策的推行往往是自上而下的。上级政府需要做好政策指导工作，激励下级政府推行创新。目前，政府数据开放未形成统一的政策指导，应尽快在中央层面出台相关标准体系，不仅要提高地方政府采纳的数量，更要提高数据开放的质量，才能实现国家层面的大数据战略。

本文也存在一定的研究局限性：首先，部分研究变量存在缺失，这是数据来源网站的统计不全问题导致的，虽然Stata能够自动对缺失值进行处理，但对研究结果仍存在一定影响；其次，本文的研究时段考察了2014—2018年的政策创新扩散阶段，未来可引入更长时间跨度的研究对扩散过程进行追踪；最后，本文仅将政策采纳作为唯一因变量，而政策创新扩散严格意义上应当还包括政策执行阶段。政策出台只是部分政策采纳，也有政府仅仅出台了政策，但迟迟不见执行，未来研究应当考虑到政策创新扩散的动态性。