政府购买服务政策扩散研究——基于全国31省数据的事件史分析

李 健，张文婷

(中央民族大学 管理学院，北京 100081)

一、引言

政府购买服务作为一种创新型的公共服务供给方式，过去30年里在世界范围内得到了前所未有的发展，成为全球公共管理改革的重要趋势[1]。我国政府购买服务的实践始于1995年上海，之后，北京、江苏、浙江、广东等城市纷纷通过购买服务、项目委托、合同外包等多种形式，委托社会服务机构提供公共服务和行使部分公共管理职能。依据我们通过互联网对政府购买服务的地方政策文本的检索结果，截至2017年底，我国已经有138个城市相继出台了504份政府购买服务的政策文件，购买的服务领域涉及教育、公共卫生和艾滋病防治、扶贫、养老、残疾人服务、社区发展、社区矫正、文化和城市规划等[2]。

政府购买服务作为一项政策创新快速扩散至全国，这一现象值得引起我们关注。政府购买服务政策扩散具有什么样的时空特征？究竟是哪些因素造成了政府购买服务在省级政府之间扩散的差异？上述问题尚不清晰。尽管政府购买服务在我国学界已经受到广泛关注，相关的学术研究成果也十分丰硕，但从政策创新扩散角度对政府购买服务分析的研究尚属空白。为此，本文以中国省级出台的政府购买服务政策为样本，利用事件史研究方法对政府购买服务政策扩散特征及其决定因素进行实证研究。一方面应用政府创新扩散理论识别影响乃至决定政府购买服务政策扩散的关键因素，深化对政府购买服务在各省之间扩散的理解和认知；另一方面期望通过对政府购买服务政策的分析，为我国公共政策扩散研究带来新的洞见和发现。

二、研究框架与研究假设

政策创新扩散最初从传播学、社会学、情报学等学科中衍生而来，逐渐发展成为政策科学领域的一个重要流派分支[3]。政策创新扩散一般指一个政府采取某项创新政策后，这项创新是如何传播到其他政府的[4]，此类研究的重点放在寻找影响政策扩散的条件和原因，如是否在邻近地区和资源状况相近时更有利于扩散。对政策创新扩散的研究有利于我们理解影响政府接纳创新政策的因素，并且进一步了解扩散的机制。

在识别影响政策创新扩散的因素方面，目前学者们在实证研究的基础上已归纳出经济、社会、政治、人口、制度、文化等一系列特征变量[5]。Wejnert(2002)将已有的概念整合并分为三类扩散变量：创新主体本身的特征，涵盖了采纳政策后所获收益和付出成本、社会影响等方面；决定是否采纳新政策的创新者特征，包括创新者是个人、组织或政府，经济状况，个人素质，社会网络中的位置等；创新所在环境特征，包括创新地的地理区域、政治、社会、文化水平以及经济发展状况等[6]。由于Wejnert的系统框架几乎整合了所有影响政策扩散变量，将创新扩散看成是创新本身、创新者与创新环境三者互相结合，相互作用的结果，相对于内部决定因素和外部影响因素的分类更为完整和全面，也更适合用于分析政策扩散较为充分的对象。为此，本文将采用Wejnert的分析框架，从政策创新主体因素、创新客体因素和创新环境因素三个方面入手对政府购买服务政策扩散进行考察。

(一)创新主体因素

在市场经济背景下，政府购买服务为供给社会所需的公共服务和产品提供了新的替代选择，在长久以来的政府管理公共事务方式上进行了创新。政府作为政府购买服务的实施主体，是否采纳政府购买服务政策首先受到政府自身特征的影响。

资源松弛理论指出，辖区的经济发展水平是影响政府进行政策创新的重要影响因素，政策的创新活动在经济发展水平高的城市更为活跃[6]。Moon和Deleon研究发现城市经济健康状态与政府再造显著正相关[7]。Walker对美国48个州的88个政策项目扩散进行分析后发现经济越发达、资源越丰富、城镇化水平越高的政府越倾向于政策创新[8]。政府购买服务使政府不再作为公共服务的唯一主体，由社会力量负责提供更复杂并且更高质量的公共服务，在减轻政府责任的同时提高公共服务供给的质量和效率。在经济发展水平越高的地区，社会组织、企业等社会力量发展水平就越高，从而为政府实施购买服务提供了前提条件[9]。

组织创新理论认为某一地区的创新与其辖区内所拥有的人口数量以及密度有着非常密切的联系[10]。人口较多的辖区往往意味着政府对管理改革和政策创新的需求更大，同时也意味着拥有更多的资源[11]。人口数量通常可以反映出辖区所处环境的复杂程度，较少的人口所需的程序化决策越多，而非程序化决策越少，复杂程度就越低，因此创新的可能性就更小[12]。另一方面，人口越多，公共服务需求的复杂性、个性化特征就越明显，也给政府采取购买服务的压力。

多项研究已经证明，财政收入越高的地方政府更容易采纳创新[13]。政府购买服务是一种“费随事转”的市场活动，更要求政府有足够的财政实力。《政府购买服务管理办法(暂行)》(财综[2014]96)号文中规定：政府购买服务所需资金，应当在既有财政预算中统筹安排。购买主体应在现有财政资金安排的基础上，按规定逐步增加政府购买服务资金比例。这也意味着财政收入越高，能够用于政府购买服务的资金就越多。

因此，结合已有的理论和文献基础，我们提出如下影响政府购买服务政策扩散的变量及其研究假设：

H1：省级政府对政府购买服务政策的采纳受到辖区GDP的影响。

H2：省级政府对政府购买服务政策的采纳受到辖区人口规模的影响。

H3：省级政府对政府购买服务政策的采纳受到政府财政能力的影响。

(二)创新客体因素

政府购买服务必定涉及到“向谁买”的问题。社会组织相较于普通的商业组织和政府部门，有着较多优势，例如更强的公益性、专业性以及灵活高效，大量有服务能力的社会组织存在是政府购买服务实施的基本条件。政府在实施购买服务后退出一部分的公共服务领域，通常由社会组织承担起提供社会产品及服务的责任[14]。据此，我们认为社会组织数量越多的城市，政府越倾向于开展政府购买服务。

除了“向谁买”，政府购买服务还需要回应“为谁买”的问题，社会公众的公共服务需求是政府购买服务的重要驱动因素。对于快速增长并日趋多样的社会公共服务需求，政府缺乏充足时间和精力去一一响应[15]，成为其开展购买服务的重要原因。如果辖区公众要求政府提供更为优质的公共服务，政府越有压力面向社会购买服务。马亮对中国省级政府电子政务发展水平的研究也发现公众需求对电子政府产生显著的正向影响[16]。基于以上分析，本文提出以下假设：

H4：省级政府对政府购买服务政策的采纳受到辖区内社会组织数量影响。

H5：省级政府对政府购买服务政策的采纳受到公共服务需求的影响。

(三)创新环境因素

政策扩散通常是一系列环境因素综合作用的结果。由于创新环境包含的因素比较多，而经济因素等宏观因素在创新主体部分已经包含，在此我们主要分析政策创新的微观环境，即地方政府考虑是否要实施政府购买服务时会受到来自体制内因素的影响。学习、竞争、强制和压力通常被认为是影响政策扩散的重要环境因素[17]。其中，强制机制指的是中央政府会对下级组织施加压力，使得各地政府更有动机去采纳中央政府所支持和鼓励的某项政策创新。在部分学者对某些经济属性非常突出的地域中进行招商引资政策扩散进程研究后，发现中央下发的命令和邻近地区存在的竞争机制均会影响政策扩散。在政府面临与其他地区的相似问题时，会在政策采纳上倾向于不断参考邻近政府的政策状况，在邻近政府采纳新政策的情景下，本地政府有更强的动力加速将新政策提上议程[4]。学习和竞争两种机制都反映出对于政策扩散中同级政府之间的相互作用。但前者更多受到全国范围内广泛的影响，后者局限于地理上临近几个省份的影响。压力机制则来源于社会建构理论，该理论把公共政策扩散定义为一种自然发生的过程，在公民、媒体和公共事件的压力下，政府展开政策学习、政策模仿等行为。

为加快推进政府购买服务改革，国务院颁布《国务院办公厅关于政府向社会力量购买服务的指导意见》(国办发〔2013〕96号)，财政、工商和民政部颁布《政府购买服务管理办法(暂行)》(财综[2014]96号)，这两份文件表明我国政府购买服务政策扩散在一定程度上存在强制机制。但目前尚不清楚政府购买服务政策扩散的其他机制是否存在？基于上述，本文提出以下假设：

H6：省级政府对政府购买服务政策的采纳受到邻近省份开展比例的影响。

H7：省级政府对政府购买服务政策的采纳受到全国范围省份开展比例的影响。

H8：省级政府对政府购买服务政策的采纳受到媒体报道数量的影响。

三、数据收集及变量测量

(一)样本与数据来源

本文选取中国31个省级及直辖市政府作为研究对象，主要基于以下几个方面的考虑：(1)本次数据选取的时间段较长，时间跨度为10年，与地级市相比，省级的样本数量适中，能够满足统计分析需求，在数据搜集和统计分析方面具有一定可操作性；(2)中国省级政府开展政府购买服务政策已经能够在一定程度上代表这个地区来衡量其政策创新性，适合作为考察创新扩散的研究场域。因变量的数据从北大法宝的政策搜集所得，自变量数据均来自相应年份的《中国国家统计年鉴》、《中国民政统计年鉴》和《中国知网》。从 2007年中国最早出台政府购买服务政策的省份算起，我们的研究的时间跨度从 2007-2016 年共 10年。由于本文重点关注的是政府购买服务决策的影响因素，所以将主要的自变量都滞后一期，选取2006—2015年的数据。

(二)变量及其测量

1.因变量

本文的因变量是省级政府购买服务政策创新采纳情况，即某省在某一年是否出台政府购买服务政策。这是一个虚拟变量，颁布政府购买服务政策的取值为1，未颁布政策的则为0。尽管有部分省份所下辖的市级、县级政府已经率先开展政府购买服务，但省级政府还未在全省范围内统一开展政府购买服务，此时因变量的取值仍为0。

2.自变量

(1)创新主体因素

很多关于政策创新的研究都将政府经济状况和规模纳入考量，通常认为政府的规模越大，省级的经济状况越好，所掌握的资源的就越多，就能够更容易克服一系列在推广创新时产生的各类阻力。目前已有的研究已经验证了人口规模和辖区所在地的经济发展水平即人均GDP都与政府政策创新的采纳有正相关关系。因此我们推测更大的人口规模，更强的财政能力，更高的人均GDP，会使某省份政府更有可能采纳政府购买服务的创新政策。

(2)创新客体因素

社会组织的数量用每万人拥有的社会组织数量衡量，以2006-2015年《民政统计年鉴》中的社会组织单位数除以当年该辖区常驻人口数量来为指标。一般认为，城市人口比例能够更好地反映城市化水平，但这一指标的各省数据统计口径不一致，多个年份数据缺失，本文选择城镇人口比例作为公共服务需求的测量指标[15]。

(3)创新环境因素

在学习、竞争、强制和压力四种影响政策扩散的机制中，竞争机制指的是在一个省级政府提前采纳了某项政策创新后，由于竞争关系，会给其他同级别政府，尤其是相邻省份的政府造成压力。这样的压力会导致两种截然不同的结果，一种是其他政府相继开始进行创新，另一种则是故意逃避，仍旧不去接纳此项政策创新[18]。因此，本文选取相邻省级政府已经采纳政府购买服务的省份数量进行衡量。

学习机制方面，Gary(1973)发现一项政策的创新会使决策者开始全国范围内的讨论和学习，并且政策在各地区间扩散的速度与全国范围内的政策扩散速度存在着某种函数关系[19]。因此，我们选取全国范围内已经采纳政府购买服务的省份比例对其进行衡量。

压力机制方面，我们以新闻媒体的认识进行衡量。新闻媒体报道某个社会政策的数量较多时，就会产生引起社会公众的关注，给政府带来一定的压力。我们在中国知网的报纸全文数据库上检索每年以“政府购买服务”为主题的报道数量，以此指标作为衡量媒体报道状况。

表1列出了本文研究的主要变量概况。

表1 主要变量说明及数据来源

*表示时该变量取自然对数。假设方向中,+、-、？、/分别表示自变量与因变量正相关、负相关、未知或不适用。

(三)假设验证

样本数据中开展政府购买服务的省份数据随着时间的推进不再进入，因此数据会含有“右删失”的情况，普通的横截面数据分析方法在此不再适用。本文选取事件史分析法(EHA)研究影响政府购买服务政策扩散的因素。这是研究政府创新扩散时被学者广泛采用的一种方法，基于前一期的变量预测本期的事件发生概率，能够较好地识别影响事件发生的因素，并且能够很好地解决数据删失问题[20]。本文设计的因变量为二分变量。因此，在模型分析中，使用两项Logit回归分析来研究自变量对政府采购服务政策扩散的影响。

四、研究结果

(一)结果分析

表2、表3报告了我们主要变量的描述性统计和相关性分析结果。所有变量都显示出较小的变化差异。相关分析的结果显示，因变量省级政府购买服务政策的出台与辖区的人均GDP、社会组织数、邻近省份开展比例、全国比例以及媒体报道正相关，并在0.01及0.05的水平上显著。这个结果为假设H1、H4、H7的成立提供了初步证据。多数自变量之间的相关系数都较小，只有少数大于0.8。我们采用方差膨胀因子(VIF)来检测变量间的多重共线性问题，结果显示各变量的VIF都远小于警戒值10[21]，因此自变量之间并不存在严重的多重共线性问题。

表4提供了使用Logit回归的数据结果，模型1、2、3分别是对创新主体因素、创新客体因素、创新环境因素单独进行分析的结果，模型4、5、6是从创新主体因素、创新客体因素、创新环境因素三类自变量中选择两类进行回归分析的结果，模型7是对三类自变量全部进行回归的结果。数据的处理和检验均选取STATA软件。除此外，表4提供了能够一定程度上反映应模型拟合优度的指标，如回归方程的对数似然函数值，模型的伪R2和卡方值。

表2 变量的描述性统计

表3 相关性分析

注：**p<0.01，*p<0.05。

表4还指出了不同模型中每个自变量的发生比(odds ratio)和标准误。发生比表示因变量对应事件在某一时间段内的发生与不发生概率之比，值均大于等于0。若发生比为1，表示事件发生的概率等于不发生的概率(其他自变量保持不变的情况下)。当发生比大于1时，表示自变量对因变量的发生概率有着正向的影响；发生比小于1则代表有着负向的影响。观察发生比的数值，我们可以得到如果其他变量不发生变动时，某一变量的变动会引起政府购买服务采用概率多大程度的变动。

除模型2以外，其他6个模型的结果都在0.01水平上显著。模型2在0.1的水平上显著，模型中伪R2最小的为0.033，模型7的伪R2最大，达到了0.566，说明7个模型对数据都有很好的拟合，能够较强的解释因变量的方差变异性。比较模型1、2和模型5、6可以发现，在加入创新环境因素的解释变量后，模型的伪R2和卡方值均有显著提高，说明模型的解释力增强了。

在创新主体因素的各变量中，人均GDP与政府购买服务的采纳在仅有创新主体因素解释变量以及加入创新客体因素变量时(模型1，4)表现为正向的影响关系，并在0.01的水平上显著；而加入创新环境因素后(模型5，7)呈现负的影响效果，在0.1及0.01的水平上显著。并且，在相关分析时各省人均GDP与政府购买服务政策采纳也为0.01水平上显著的正相关关系。可以看到，一旦考虑到创新环境因素，人均GDP的正向影响关系就变为负向影响关系，说明人均GDP虽然对省级政府的政府购买服务政策采纳有一定的解释力，但这种影响是推动了省级政府政策采纳还是阻碍了省级政府政策采纳还要依情景而定，因而关于人均GDP的假设得到了支持。在模型1中省级人口规模和政府财政能力与政府购买服务的开展在0.1和0.01的显著水平上显著，在模型5中政府财政能力与政府购买服务的开展在0.05的显著水平上显著，除此外在模型4、5、7中均无显著影响关系，并且在相关分析中，两者与政府购买服务的开展的相关性也并不显著，所以我们的假设H2、H3未得到支持。

表4 二项logit回归结果

注：***p<0.01，**p<0.05，*p<0.1，括号外为发生比，括号内为标准误。

在创新客体因素中，省级社会组织数量与政府购买服务政策扩散之间的关系在模型4、6、7中并不显著，但是在单独将创新客体因素的解释变量放进回归模型(模型2)时，社会组织数量与政府购买服务的开展正向相关，并在0.1的水平上显著，同时在相关性分析中社会组织数量与政府购买服务的开展也显著正相关，所以研究假设H4得到支持。尽管在模型7中公共服务需求变量与因变量在0.05的显著性水平上有正向影响关系，但是在其余这一变量的模型(模型2、4、6)中，省级公共服务需求与政府购买服务的开展影响关系均不显著，并且在相关性分析中与因变量也无显著的相关关系，从而我们的假设H5未得到支持。

在创新环境因素中，模型3、5、6、7的结果表明全国比例与政府购买服务的采纳在所有模型中均呈现显著的正向影响关系，说明省级政府的政府购买服务政策的采纳受到全国范围内已采纳的省级政府比例的影响，因此关于学习机制的假设H7得到了支持。而在含有媒体报道与邻近省份比例两个变量的模型(模型3、5、6、7)中，结果均显示媒体报道与邻近省份比例两个变量和政府购买服务的开展之间的关系均不显著，从而我们的假设H6和H8未得到支持。

(二)稳健性检验

本文主要从以下两个方面进行了稳健性检验，研究结论保持一致。(1)使用同期的各解释变量GDP水平、人口规模、政府财政能力、社会组织数量、公共服务需求、邻近省份比例、全国比例及媒体报道进行回归分析，结论依然成立。(2)本文尝试增加了其他解释变量各省份的市场化水平进行回归分析，结论依然成立。

五、讨论

本文采用自2007-2016年31个省、自治区和直辖市的211个样本数据，并结合《中国国家统计年鉴》《中国民政统计年鉴》中的相关数据，构建了创新主体因素变量、创新客体因素变量和创新环境因素变量组成的模型。实证结果显示，省辖区内人均GDP是政府购买服务政策采纳的重要影响因素，但具体是起到推动还是阻碍作用要依情景而定，省辖区社会组织数量以及全国范围内省份之间学习也为中国情境下的政府购买服务政策的扩散提供了有力解释。本文的研究发现能够帮助我们更好地理解政府的创新政策具体是怎样扩散到各地，并且受哪些因素和机制的影响，对今后鼓励和推动政府优秀的创新政策提供一些理论上的借鉴。本研究对我国的政府购买服务政策实践发展可能带来如下启发：

首先，就创新主体而言，省内人均GDP对采纳政府购买服务政策有显著影响。在不考虑其他环境因素的情况下，一省经济发展水平越高，说明其获取资金和资源的能力越强，有助于增强政策创新的意识，而考虑到竞争、学习以及社会构建机制后，经济发展水平的促进作用反而会变为抑制作用，即省份较贫穷或存在需求时则倾向于采纳新政策。

其次，就创新客体而言，省辖区内每万人拥有的社会组织数量越庞大，越有可能开展政府购买服务。社会组织是政府购买服务活动开展的重要对象，为社会提供高效高质的公共服务。因此，放松社会组织登记门槛，大力培育和发展社会组织有助于地方层面政府购买服务实践的蓬勃发展。

最后，就创新环境而言，中央政策的垂直效应十分明显，在中央出台相关文件后，各省政府购买服务政策的扩散速度明显加快。除此之外，省级政府购买服务政策的采纳与全国范围内采取政策创新的省份数量之间存在着显著正相关的关系。所以中央政府所大力提倡并推广某一政策以及全国范围内的学习效应，可以对地方政府政策创新扩散产生积极影响。

当然，由于数据获取方面的限制，本文不可避免地还存在诸多局限之处，未来研究可向以下两方面深化拓展。一是现在通过二分变量对政府购买服务政策的衡量方式仅能反映出采纳与否，而未来可进一步探索政策采纳的程度和状况；二是本文研究对象是省级政府，受中央层面强制性影响较为明显，未来可将市级政府的政策创新扩散机理作为下一步研究的对象，检验是否可能存在其他影响因素。