智慧政务信息生态发展演进关键影响因素研究

张建光 张 腾 王 芳

(1．南开大学商学院，天津 300071；2．中国互联网络信息中心，北京 100190；3.中央财经大学政府管理学院，北京 100081)

在过去的数年中，伴随移动互联网、云计算、大数据等一系列新兴技术的广泛应用，信息技术在政治、经济、文化等各个领域不断渗透和推陈出新，正深刻改变着各类社会主体的运作方式和创新模式[1]。智慧政务是信息技术进步和电子政务应用创新两者螺旋式演化、发展到更高级实践阶段的必然结果，成为电子政务未来的重要发展方向。通过研究合理推动新兴信息技术形态在政府中的应用，对提升智慧政务的建设发展效果具有积极作用。围绕着智慧政务信息生态系统，在政府、企业、公众之间需要形成一个能够相互匹配的生态结构，这个生态结构将随着外部环境和内部结构的变化不断加以调整，并推动系统持续整合、适应力不断增强，从而实现智慧政务的协调发展[2]。

1 智慧政务信息生态模型

1.1 相关文献综述

在智慧政务发展演进过程中，信息生态变得日益重要，该理论是研究人、信息技术与信息环境相互作用的过程及其规律的科学，其目的是指导人与信息技术、信息环境的协调发展，从而改变过去只重视技术的传统思想，它被用来表达生态观念和日益变得重要和复杂的信息环境之间的关联。智慧政务强调各类行为主体的参与性，这与信息生态体系中以人为本的理念相吻合，各行为主体可以通过智慧政务提供的各种应用功能，将建议实时地反馈到信息生态体系中，有利于政府部门适时地调整和完善在线公共服务产品，不断提高智慧政务发展水平[3-4]。智慧政务信息生态范式的理论派生于信息生态的基本思想，其内容框架表现为信息人、信息和信息环境三要素的组成及相互关系[5]。同时，受到持续的组织机构变化及其内部生态系统运作的影响，基于互联网的智慧政务交互操作将对政府和公民的关系产生越来越重要的影响[6]。从国内外智慧政务的建设实践和相关研究成果可以看出，智慧政务信息生态的发展受到更多因素的影响，从而成为多行为主体交互耦合的复杂系统[7]。本文釆用结构方程模型(SEM)来研究智慧政务信息生态的关键影响因素问题，SEM通过测量变量可以研究证明潜在变量或隐性变量之间的关系，从而解释智慧政务信息生态系统的内在作用机制，并且为多维预测值及标准变量建立联系[8]。基于信息生态理论，本文提出智慧政务信息生态发展演进机制模型，通过为每一因素设定具体的测量项目，确立智慧政务信息生态的测量量表，实证探讨智慧政务发展影响因素的测量维度。

1.2 理论模型架构和研究假设

智慧政务的发展是从信息生态逐步形成，智慧政务平台建设(PCSG)、智慧政务服务能力(SASG)不断完善提升，到智慧政务影响力(ISG)和智慧政务应用效果(AESG)逐步显现的过程。本研究拟定智慧政务信息生态环境由网络基础设施就绪度(NIR)、信息技术支撑能力(ITS)、信息化应用能力(IAA)和信息化可持续发展环境(SDE)共同构成。信息生态环境的逐步形成是智慧政务发展的前提和基础，而智慧政务平台建设情况和智慧政务服务能力，这两个方面对智慧政务的影响力会产生重要作用，并最终导致智慧政务应用效果的提升。上述几个维度交叉发挥作用，并且相互影响、相互促进，共同构成中介变量，具体研究概念模型如图1所示。

运用结构方程模型可以开展实证建模研究，模型中变量之间存在的直接或者间接关系，通常需要具备相应的理论基础，或者由过往研究中得到的经验性结论支持。由于智慧政务是较为前沿的研究领域，国内外相关的参考文献相对较少，本研究将参考电子政务研究的成果来建立模型，并提出相关的假设。张钟文(2014)[9]；Huang,Zhao & Benyoucef,Morad(2014)[10]等对电子政务应用的忠诚度和满意度开展了相关的研究，Du,Yun Yun & Qin,Xue(2014)[11]；于施洋(2013)[12]等对政务网站的互联网影响力取得较为丰富的成果；Sehl mellouli(2015)[13]对智慧政务的公众参与和数据开放进行了研究；汪玉凯(2011)[14]关于在线政务服务方面的研究具有较高的影响力。因此，在进行模型验证之前，将基于上述研究成果对智慧政务相关变量之间的关系进行假设。在模型设定过程中，同时需要考虑模型验证的可操作性，在模型中不应存在过多的变量，因为变量的多寡会直接影响软件的运算过程。此外，变量过多亦会对变量之间关系的识别造成难度。为此，模型做出以下假设：

图1 智慧政务信息生态发展演进概念模型

H1：智慧政务平台建设对智慧政务影响力有影响；

H2：信息生态发展程度对智慧政务影响力有影响；

H3：智慧政务服务能力对智慧政务影响力有影响；

H4：智慧政务影响力对智慧政务应用效果有影响；

H5：智慧政务服务能力对智慧政务应用效果有影响；

H6：智慧政务平台建设对智慧政务应用效果有影响。

1.3 研究变量的操作型定义

在构建智慧政务发展机制研究概念模型的基础上，结合上述分析和讨论，需要对模型中结构变量之间存在的路径关系假设进行验证。本研究通过设计问卷对智慧政务信息生态关键影响因素开展调查得到研究数据，并对问卷的缺失值进行处理分析，在此基础上并对智慧政务信息生态模型进行检验及解释，使其更加系统化、理论化，从而得出智慧政务信息生态发展的运行机制规律。本量表的测量题项主要来源于国内外电子政务研究机构和知名专家学者，这些研究成果在国内外具有较高的权威性，普遍获得较高程度认可，拟定的测量量表和题项如表1所示。

表1 研究变量的测量量表和题项

本研究基于信息生态理论，提出智慧政务信息生态发展机制模型，并据此设定潜变量及模型结构。在初始模型中，共包含9个潜变量：其中网络基础设施就绪度、信息技术支撑能力、信息化应用能力、可持续发展环境4个方面构成信息生态发展程度，它与智慧政务平台建设、智慧政务服务能力共同构成外生变量，智慧政务影响力属于中介变量，智慧政务应用效果则是内生变量，外生变量对中介变量和内生变量产生综合影响。

1.4 研究所采用的调查方法

在明确初始模型结构的基础上，本研究开发的量表包括8个潜变量，37项可测变量，采用Likert7级量度。数据的采集依托中国信息协会召开的互联网+政务服务发展论坛、中国新型智慧城市发展论坛进行开展，参会对象主要为国务院各部委信息中心、地方工业和信息化主管部门、经济信息中心等负责政务信息化建设的专业人员，对智慧政务有较为深入的理解和认识，经过统计分析，本研究最终得到305个有效样本。

2 测量题项与数据检验

由于智慧政务发展机制研究的内容相对较新，缺乏相关研究文献和理论的支撑，在对数据进行最终模型检验之前，本研究将对每个变量的测量题项进行检验和修正。主要检验测量题项的可靠性、收敛有效性和区别有效性。这样能够有效提高测量指标的一致性，增强量表的稳定性，从而对变量的测量题项进行优化。

2.1 项目和总体相关系数检验

为对测量题项进行优化，可以参考每个项目和总体的相关系数(CITC)，该系数在具体应用中应大于0.5，如果CITC比较小，并且删除该题项后会使α系数增加，则可以把该题项删除，本研究将采用SPSS17.0开展项目总体相关系数检验。通过对网络基础设施就绪度(NRI)变量进行项目和总体相关系数检验和修正，其结果如表2所示。基础设施就绪度的测量题项NRI6的CITC值为0.268，小于0.5，删除这个测量题项后，信度α系数由0.729提升到0.757，符合删除的条件。因此，网络基础设施就绪度的测量题项剩下5个。

表2 网络基础设施就绪度的可靠性检验

2.2 数据的信度检验

通过采用KMO统计量、Bartlett球型检验进行数据的信度和收敛有效性检验。从表3可以看出，网络基础设施就绪度在删除测量题项NRI6以后，剩余5个测量题项的因子载荷值均大于0.5，KMO为0.786，累计解释方差百分比由74.56%上升到78.31%，符合统计的要求。由此可以将网络基础设施就绪度的测量题项修正为5个。

综上可以得出，基于项目和总体相关系数检验以及数据的信度检验结果进行具体分析，NRI6题项无法有效测量智慧政务发展的信息生态环境。

表3网络基础设施就绪度的收敛有效性检验

测量题项初始因子载荷最后因子载荷NRI10.7190.732NRI20.7260.765NRI30.7070.751NRI40.7580.801NRI50.8110.832NRI6删除-累计解释方差百分比(%)74.56178.312KMO0.8120.786Bartlett检验卡方值236.876215.439显著性概率0.0000.000

2.3 相关变量测量题项探讨分析

采用上述方法，对信息技术支撑能力、信息化应用能力、可持续发展环境等外生变量进行检验和修正。结果表明IT项目投资占全社会固定资产投资总额的比例在不断上升(ITS2)、网络零售交易额占比在持续提高(IAA3)、高等教育毛入学率有较大程度提高(SDE4)3个题项符合删除标准。对智慧政务平台建设水平、智慧政务服务能力、智慧政务影响力3个中介变量，以及对智慧政务的应用效果内生变量的测量题项进行检验和修正。结果表明，移动政务APP功能完善操作简洁易用(PCSG3)、在线旅游导览相关的信息服务内容比较完善(SASG5)、政务服务平台普遍提供多语言版本的服务(ISG5)3个题项符合删除标准。

3 测量模型与结构模型分析

3.1 潜在构面信度检验

在开展结构模型评估前，本研究针对模型的五个构面智慧政务服务能力、智慧政务平台建设、智慧政务信息生态、智慧政务影响力、智慧政务应用效果分别进行验证性因素分析(CFA)分析。从表4的检验结果可以看出，所有构面的负荷量均在0.59～0.96之间，且达到显著水平，说明符合收敛有效性标准；构面的组成信度CR值在0.77～0.91之间，符合每个因子的组成信度CR值大于0.7的标准；平均变异数萃取量AVE在0.53～0.75之间，均符合AVE值大于0.5的判断标准。因此，本模型的5个构面均具有收敛效度。

表4 潜在构面信度分析表

表4(续)

图2 智慧政务信息生态发展演进模型估计结果

3.2 区别效度的检验

区别效度是指构面所代表的潜在特质与其他构面所代表的潜在特质之间低度相关或者有显著的差异存在。通过采用Bias-corrected Percentile和Percentile两种估计置信区间的方法，如果所有的标准化相关系数置信区间均不包含1，则表明所有构面之间具有区别效度。结构方程模型在开展模型估计时，并没有提供置信区间的相关信息，因此需要以Bootstrap方式来产生标准误，并在此基础上计算置信区间。AMOS可以提供Bootstrap置信区间法来验证分析不同的两个构面在统计上是否有差异，本研究在估计路径系数执行Bootstrap程序时设定重复抽样1 000次，在95%置信水平下的计算结果如表5所示。

表5 潜在构面区别效度置信区间表

4 模型整体适配度和模型解释

4.1 整体模型适配情况

通过建立智慧政务信息生态关键影响因素模型，运用结构方程模型进行验，需要满足较为合理的模型配适度。本文参考相关文献有关配适度指标的研究成果，对整体模型的配适度情况进行判断，包括χ2与自由度比值(χ2/df)、平均近似误差均方根(RMSEA)、配适度(GFI)、调整后的配适度(AGFI)、渐增式配适指标(IFI)、非基准配适(NNFI)、比较配适度指标(CFI)等。总体来看，除GFI和AGFI两个指标略低于临界值外，其余指标均符合适配标准要求，具体结果如表6所示。

4.2 模型的假设检验

模型的假设检验需要对估计出的参数是否具有统计意义进行考察，并且对路径的系数进行统计显著性检验。AMOS17.0提供C.R值(T值)的检验方法，并且同时给出CR的统计检验相伴概率p，可以根据p值进行路径系数的统计显著性检验。研究结果如表7所示，除智慧政务服务能力对智慧政务影响力路径系数不显著，无法通过研究假设外，其余的路径系数均显著，并且构面两两之间均呈现显著的影响。

表6整体模型适配情况表

统计检验量适配标准或临界值检验结果数据模型适配判断χ2/df<2.01.865是RMSEA值<0.080.053是GFI值>0.9以上0.861否AGFI值>0.9以上0.836否IFI值>0.9以上0.937是NNFI值>0.9以上0.93是CFI值>0.9以上0.937是PGFI值>0.5以上0.726是PNFI值>0.5以上0.788是PCFI值>0.5以上0.844是

表7 模型路径系数

注：“***”表示1%水平上显著，“**”表示5%水平上显著。

4.3 模型解释及探讨分析

通过表7可以看出，信息生态发展程度、智慧政务平台建设综合决定并影响着中介变量智慧政务影响力；作为内生变量的智慧政务应用效果，则是由上述变量综合作用的结果。需要说明的是，模型中智慧政务服务能力对智慧政务影响力的路径系数并不显著，经研究分析主要是由于当前智慧政务的现状情况决定的，由于大多数的智慧政务服务项目仍旧处于设计开发实施阶段，智慧政务服务能力的形成还需要一定的时间过程，当前阶段的路径系数不显著，并非表明智慧政务服务能力的重要性较低。

5 结 语

本文从信息生态理论的视角，选取影响智慧政务发展的因素，建立智慧政务信息生态发展演进机制模型，并提出研究假设；然后通过对305个有效样本进行测量模型检验，根据修正指数的建议进行修正，提高了测量工具的有效性。在此基础上，结构模型的验证结果表明，在6个研究假设中，有5个能够通过较高的显著性水平检验，表明智慧政务信息生态发展机制理论模型的有效性和可信性。实证研究结果表明，信息生态发展程度是对智慧政务应用效果具有重要影响的研究变量，并且智慧政务平台建设、智慧政务服务能力、智慧政务影响力同样对智慧政务应用效果具有显著作用，研究结论能够反映智慧政务发展的客观规律。

[1]冯芷艳,郭迅华,曾大军,等.大数据背景下商务管理研究若干前沿课题[J].管理科学学报,2013,(1):5-13.

[2]王晓轩.建设智慧政府,助力网络强国——中国智慧政府发展论坛综述[J].中国信息界,2014,(6):22-29.

[3]G.piro I.-Cianci-L.A.-Grieco-G.-Boggia-P.-Camarda.Information Centric Services in Smart Cities[J].The Journal of Systems & Amp;Software,2014,88.

[4]Deakin MarkAl-Waer-Husam.From Intelligent to Smart Cities[J].Intelligent Buildings International,2011,(3).

[5]罗卫.信息生态范式下的G2G信息共享探析[J].情报科学,2013,(10):27-30,87.

[6]Devender maheshwari Marijn-Janssen.Reconceptualizing Measuring,Benchmarking for Improving Interoperability in Smart Ecosystems:The Effect of Ubiquitous Data and Crowdsourcing[J].Government Information Quarterly,2014.

[7]张腾,张建光,尚进.基于DPSIR模型的智慧政务信息生态评价研究[J].中国科技论坛,2017,(2):186-192.

[8]陈明红,漆贤军.基于结构方程模型的网络信息生态系统信息资源配置研究[J].情报杂志,2012,(9):169-174.

[9]张钟文,张楠,孟庆国.大数据、评估与变革:2013年国际电子政务研究的主题与趋势[J].电子政务,2014,(9):70-76.

[10]Zhao huang,Morad benyoucef.Usability and Credibility of E-Government Websites[J].Government Information Quarterly,2014,31(4):584-595.

[11]Du YY,Qin X.Multi-Strategy Web Service Discovery for Smart Government[J].Applied Mechanics and Materials,2014,3138(536):625-631.

[12]于施洋,杨道玲,王璟璇,等.基于大数据的智慧政府门户:从理念到实践[J].电子政务,2013,(5):65-74.

[13]Mellouli S,Luna-reyes LF,Zhang J,et al.Smart Government,Citizen Participation and Open Data[J].Information Polity,2014,19(1):1-4.

[14]汪玉凯.建智慧城市先建“智慧政府”[J].领导决策信息,2011,(16):8-9.

[15]赵生辉.基于Living Lab的电子政务公共服务创新策略研究[J].电子政务,2016,(2):82-88.

[16]关静.智慧城市中的智慧政府:核心特征与目标设定[J].长白学刊,2013,(3):70-74.

[17]秦学.智慧政务业务协同关键技术研究[D].武汉：武汉大学,2013.

[18]Maio Rick-Howard & Andrea-Di.Hype Cycle for Smart Government[EB/OL].https://www.gartner.com/doc/2555215/hype-cycle-smart-government-,2013-07-22.

[19]卢时彻.建设智慧政府,推动城镇信息化的战略研究[J].中国信息界,2014,(6):14-17.

[20]Yu S,Shixi L.From E-government to Smart Government:A Critical Reflection on Common Issues in China’s Pilot Areas[C]//2014公共管理国际会议(第十届)(上),2014:186-195.

[21]徐晓林,朱国伟.智慧政务:信息社会电子治理的生活化路径[J].自然辩证法通讯,2012,(5):95-100,128.

[22]Chulani Mukesh.The Smart Government Maturity Model:Evolving Toward Transparent and Open Governments in the Middle East and Africa[EB/OL].http://idc-cema.com/eng/research/published-reports/47934-the-smart-government-maturity-model-evolving-toward-transparent-and-open-governments-in-the-middle-east-and-africa/3-table-of-contents,2012-10-17.