我国城市政府运用大数据提升治理效能评价研究

王芳 阴宇轩 刘汪洋 张百慧 张维冲 程序 邹建军

开栏语：党的十九届四中全会提出了加强国家治理体系和治理能力现代化的时代命题，信息治理的体系与能力现代化是这个时代命题的有机组织部分。信息治理是对信息生产、流通、交换、消费的法律体系、政策体系、规制体系、技术体系、经济体系和文化体系的建构、落实与评估活动。信息治理分宏观治理与微观治理，信息微观治理是图书情报与档案管理学科传统领域，比如在IT治理、数据安全、信息产业、信息政策、情报体制、公共文化体系等方面积累丰富，但是从国家治理体系和治理能力视角开展的跨学科的信息宏观治理研究是亟待补上的短板。大云物移智链和5G技术的迅猛发展已经彻底颠覆了现代社会信息、情报、数据和知识生产、流转、传播和利用的理念、模式和场景，可以说信息治理是国家治理体系和治理能力现代化的瓶颈。为此，《图书与情报》从本期开始不定期开设“信息宏观治理”栏目，以发扬图书情报共同体经世致用的学风，积极拓展信息宏观治理研究议程，响应新时代的呼唤，与时俱进地推动图书情报与档案管理学科的提档升级。

摘   要：为推进我国城市政府运用大数据提升治理效能的进程，文章采用南开大学网络社会治理研究中心开发的“大数据提升政府治理效能评价指标体系”作为评价工具，对我国75个城市进行了评价研究。结果表明，在治理绩效、治理能力、制度保障和公众参与四个评价维度中，排名前20的城市政府在制度保障和治理能力方面总体表现较好，而在治理绩效和公众参与方面则相对较弱。总体来看，我国城市政府在运用大数据方面存在着区域间的不平衡，在各不同行政级别的城市间也存在明显差距。最后，提出了几点对策建议。

关键词：大数据; 政府效能; 治理效果;政府绩效;效能评估

中图分类号：D63-39   文献标识码：A   DOI：10.11968/tsyqb.1003-6938.2020030

Abstract In order to promote the application of big data in enhancing the governance efficacy of urban governments in China， this study evaluates 75 urban governments using the "Evaluation Index System for the Government Efficacy Using Big Data" developed by the Center for Network Society Governance of Nankai University. The results show that among the four evaluation dimensions， the top 20 governments generally perform better in institutional guarantee and governance capability than in governance performance and public participation. The imbalance exists between regions as well as between cities at different administrative levels. On this basis， several suggestions were put forward.

Key words big data; government efficacy; governance effectiveness; government performance;performance evaluation

1   引言

政府治理水平的提升，是实现国家治理能力和治理水平现代化的重要途径。2015年，国务院印发的《促进大数据发展行动纲要》指出，运用大数据推动经济发展、完善社会治理、提升政府服务和监管能力已成为全球性趋势[1]。2018年3月，李克强总理在政府工作报告中提出要全面提高政府效能，“优化政府机构设置和职能配置，深化机构改革，形成职责明确、依法行政的政府治理体系”。这些政策举措表明，大数据运用和效能建设是当前我国政府治理改革的两条重要途径。事实上，自我国实施大数据发展战略以来，政府在运用大数据提升治理效能方面取得了一定进展，但是具体情况究竟如何？还存在哪些问题？目前尚不清楚。为此，本研究拟对我国75个城市政府进行评价研究，期望通过评价促进理论深化与实践应用。

2   概念界定与文献回顾

2.1    政府治理的概念内涵

在现代国家，政府是國家与社会治理的主导性主体。治理是政府的基本功能，也是其题中应有之意。西方文献中少见“governance of government”或“government governance”的概念。我国学者对政府治理做了较多研究。张成福[2]认为，政府治理是政府行使政治、经济和行政的权力， 对社会事务实施管理的一套制度、机制和程序;王浦劬[3]提出，在我国，政府治理是指在中国共产党领导下，国家行政体制和治权体系遵循人民民主专政的国体规定性，基于党和人民根本利益一致性，维护社会秩序和安全，供给多种制度规则和基本公共服务，实现和发展公共利益;唐天伟等[4]认为可以依据功能、区域或政府层级将地方治理与国家治理进行区分;包国宪等则将现有政府治理的研究内容划分为内部治理和外部治理两个方面[5];吴帅[6]提出了“多层治理”方式，内容包括政府间组织、政府与非政府组织以及政府与私人机构间的合作;贾俊雪等[7]则从财政分权的角度对政府的分层治理进行了论述，认为财政收入分权水平提高有助于增强县级财政自给能力。综上分析，本文将政府治理界定为“为了实现经济发展与社会进步，政府采用一系列的制度、机制和程序提升行政效率、改进公共服务、维护社会公平和公共安全的动态过程”。

在不同的经济社会发展阶段，国家或社会所面临的主要矛盾和发展任务不同，政府所采用的治理模式也有所不同。刘厚金[8]将政府治理模式划分为“政治统治型”“经济建设型”和“公共服务型”;燕继荣[9]将中国政府的治理模式概括为上层的威权主义加下层的协商民主，认为中国的治理模式是一种“混合模式”;汪玉凯[10]提出现阶段中国政府治理应该走向“管理服务型政府”模式。从参与主体的角度出发，王绍光[11]认为在中国公共政策议程设置过程中，专家、传媒、利益相关群体和人民大众发挥的影响力越来越大。王磊和胡鞍钢[12]也认为，中国政府在决策机制上已经从非制度化决策转向制度化决策，而且产生了许多有利结果。

2.2    政府治理效能

“效能”一词在英文中并没有完全与之对应的概念，国际上较多使用“有效性或效果（effectiveness）”“绩效（performance）”及“满意度（satisfaction）”等概念。目前，关于政府绩效评价的研究较为丰富。Van Ryzin等[13]评价了公众对纽约政府的满意程度。1993年，美国国家绩效审查委员会（National Performance Review）建立了评价政府及其职能部门工作人员的绩效评价指标体系，包括六大指标：投入指标、能量指标、产出指标、结果指标、效率和成本效益指标、生产力指标[14]。2002年，英国政府审计委员会（Audit Commission）出台了地方政府的绩效评价框架，包括资源利用、服务评估和市政当局评价三个部分[15]。

我国学者吴建南等[16-18]对政府效能进行了系统研究。他们将文献中绩效的概念总结为四个维度，即“4E”，经济（economy）、效率（efficiency）、效果（effectiveness）以及公平性（equity），并提出效能将关注结果的绩效与关注过程的能力统一起来。他们对六省份文件进行文本分析，将效能建设举措总结为权力制约（制度建设、政务公开、行政审批改革、规范行政行为）、能力建设（转变工作作风、加强行政队伍建设、信息技术支持、组织建设）与激励问责（绩效评估和民主监督）三个方面。其它学者也对政府效能的一系列问题展开了研究。在影响政府效能的因素方面，研究发现外部因素有经济政治政策、政府规模、政治自由度等[19];而内部因素有政府内部的人力资源、组织管理制度、领袖的领导能力、内部沟通效率等[20-21]。

一些实证研究对基层政府[22]、地方政府[23]和普适的政府效能建设及改革方式进行了研究[24]。另有一些研究构建了相关的评价指标體系。施雪华和方盛举[25]以省级政府公共治理效能为研究对象，从社会管理与公共服务政策以及经济调节与市场监管两大维度入手，构建了包括53个指标的评价指标体系，并对上海、浙江、辽宁、湖南、云南四个省级政府进行了实证评价;郭燕芬和柏维春[26]通过对227份政策文本的分析构建了治理转型视角下的地方政府效能评价指标;唐任伍和唐天伟[27]构建的“省级地方政府效率测度指标体系”包含政府公共服务、政府公共物品、政府规模以及居民经济福利四个方面的评价内容。

2.3    政府治理效能建设中的大数据运用

大数据是海量、高增长、多样化的信息资产。大数据分析就是利用数据分析技术对文本、声音、图像、视频等大量动态数据中所蕴含的实体、事件、关系、模式进行适时分析、提取和展现的过程。王芳和陈锋[28]指出，大数据既是国家治理的对象与环境，也是国家治理的工具;梁芷铭[29]认为大数据分析可以帮助实现国家治理决策科学化和过程协同化;郭建锦和郭建平[30]从四个方面论述了大数据对国家治理的提升作用，包括提升智慧决策水平、公共服务能力、腐败防治水平和风险治理能力;孟天广和赵娟[31]认为，大数据时代的来临塑造了新型国家社会关系，推动政府治理模式从科层官僚制向数据和技术辅助的扁平化治理结构转型;孟天广和郭凤林[32]认为，大数据不仅将政治活动场域扩展到虚拟空间，还改造着政府、公民、政党等政治行为主体的行为模式及其关系。

大数据对于政府治理效能提升的作用受到了较多关注。张红春[33]认为，利用大数据技术可以提升政府治理决策的科学化，增强政府治理的有效性，改进政府治理的绩效评估;胡锐根等[34]认为，大数据可以协助政府部门掌握网民公共需求与态度偏好，理解网民行为特征缘由，判断前期施政效果，调整和优化公共政策，提高政府的觉察、回应、治理能力;孟天广和张小劲[35]概括了大数据驱动政府治理能力建设的四大创新模式：开放政府、智慧政府、回应政府和濡化政府。其中，濡化政府是指政府应用大数据及其相关技术，应对社会风险和多元化的趋势;支太雄和郗永勤[36]则认为，在大数据时代，知识型政府更具有适应性、可操作性和智慧性。

3   评价对象与评价指标体系

3.1    评价对象

本研究将评价对象定位于城市，主要原因有三个方面：一是大数据技术的运用以及政府数据的共享与开放对于城市治理具有重要意义;二是智慧城市的运营产生了大量数据，为政府应用大数据技术进行治理奠定了基础;三是城市是公民居住、公共服务提供和数据产业发展的重要承载，城市治理水平可以有效体现政府的治理效能。考虑到大数据的应用与智慧城市建设首先集中在经济发达城市，同时为了考察不同类型城市的差异，本文共选择75个城市作为评价对象，包括直辖市、副省级城市、省会城市，以及《2017-2018中国新型智慧城市建设与发展综合影响力评估结果通报》[37]中在地市级城市中得分前50的城市（除港澳台外）。

3.2    评价指标体系

本次评价选择由南开大学网络社会治理研究中心开发的“大数据提升政府治理效能评价指标体系”作为评价工具，其构建及指标权重确立过程将另文发表。该指标体系共包括4个一级指标：治理绩效、治理能力、制度保障与共众参与，19个二级指标和38个三级指标。

4   数据收集与预处理

数据质量对于评价结果的可信度至关重要。首先，对38个三级指标的分值区间、分值单位进行了讨论确定，并对数据来源做了初步推荐;然后，由经过培训的研究人员对三级指标数据进行收集。在数据收集的实施过程中，如遇特殊情况收集人员要向课题组汇报，经集中讨论后确定处理方案。每一项指标的数据收集由2位研究人员独立进行，对于数据不一致的指标，要进行比较讨论，重新收集直到达成一致。最后，在对收集到的数据进行预处理后，进行无量纲化处理、加权求和，随后进入数据分析阶段。

4.1    数据来源

38个三级指标的数据来源主要有政府门户网站、政府年度工作报告、统计年鉴、新闻报道以及已经发布的评价指数。如指标“政策法规建设情况”的数据主要来源于课题组自建的“大规模政府公文数据集”，并通过百度搜索引擎限定在政府网站（*.gov.cn）内进行检索补充。对于已经发布专门文件的城市，将相应文件信息列入对应列表;对于尚未发布专门文件的城市，如果在其它政策文件中包含相关内容，则做好记录并给出相应分值。对于一些没有客观数据的指标，如各类大数据平台、政务云平台建设情况等，主要由研究人员试用后进行打分;对于另外一些无法直接使用的平台，则通过多种搜索引擎搜索其相关新闻报道，根据报道判断情况，或者直接与政府部门联系询问其建设情况，然后进行打分。

另外，有个别指标已有较为成熟的指数发布，则直接采用已发布数据。这类指标有：城市综合信用指数C3-1采用了信用中国发布的同名指数[38];环境空气质量综合指数C4-1采用了《2017中国环境状况公报》的“2017年74个城市环境空气质量综合指数及主要污染物”的数据[39];互联网治理综合指数C5-1、数据开放平台网站建设情况C12-1分别采用了中山大学[40]、复旦大学[41]发布的指数;智慧城市综合指数C8-1则选择了陈劲等发布的“中国智慧城市发展与排名研究”[42]的结果。

4.2    评分规则

三级指标评分的分值区间是0-10分。对一些特殊指标做了特殊处理。如公安或警情大数据平台建设情况C10-7没有统一的数据来源，将其得分范围规定为0-3分，具体分为以下四种情况：只在政策文本中提到但尚未开始建设得1分、正在着手建设得2分、已建成公开平台得3分，或从未提及得0分。政务云平台建设情况B12-3根据有无在新闻报道或网上出现，将分值范围定为0或1。另有部分指标具有客观数值，需进行标准化处理。

4.3    数据预处理

（1）缺失数据处理。在数据收集过程中，少数城市在部分指标上存在数据缺失问题，如“信息传输、软件与信息技术服务业经济增长值占GDP比重”C2-1、“智慧城市综合指数”C8-1、“市政务微信订阅数”C17-1都存在部分城市数据缺失情况。由于数据缺失城市基本处于中间水平，因此对这部分数据采用均值插补法进行填补，为下一步数据运算做准备。

（2）异常数据处理。大部分数据符合正态分布，但是其中有一些数据偏离正常值过大或过小，如C18-1中出现了远大于其它城市数据的极端值。对于这部分数据采用演绎插补法，根据排名第三、第四的数据进行合理推导，对异常数据进行替代。

（3）数据同趋化处理。在三级指标中有3个是逆向指标，分别是“政府网站留言平均办理时间”C1-3、“每万人交通事故案件发生率”C4-2、“輿情应对不当或失误的事件数”C5-3。对这3个不同趋势的指标，采用取倒数法进行同趋化处理，使得所有三级指标对于评估结果的作用同趋化。

（4）数据可量化处理。部分指标数据不是直接的量化数据，如“信息中心最高行政级别”C11-1、“政府大数据中心最高行政级别”C11-3中的行政级别。对其进行数据可量化处理，如果副科级以下记为1，副科级记为2，正科级记为3，以此类推，最高级别为副部级，记为8。

4.4    无量纲化处理

在三级指标中，原始数据的统计方式各有不同，数值单位有天、百分比、评分、数值、行政级别等，因此需要进行无量纲化处理，使不同指标的数据具有可比性。常见的无量纲化处理方式有极值法和标准差标准化法。本研究采用后者进行无量纲化处理。标准差标准化法是将数据减去均值后再除以标准差的求值方法，以求得数据与均值之间相差的标准差数量，见式1。这样的处理方式比较适用于正态分布的数据。

经无量纲化处理后各指标数据都落在（-3，7）区间内。为使数据均为正，进行+3处理，得到最终的无量纲数值。

4.5    加权求和

一个城市的总得分以及各一、二级指标的最后得分，通过本层次内次级指标分值的加权求和来计算。首先，对每个二级指标下的三级指标进行加权求和，得到该二级指标得分;然后，对每个一级指标下的二级指标得分进行加权求和，计算该一级指标得分;最后，对一级指标得分进行加权求和得到该城市总分。

5   城市比较分析

5.1    城市排名

从总得分情况来看，排名前三的城市依次为北京、贵阳与上海，另外两大直辖市重庆和天津分别排名15和19，南昌市排名第二十一位。排名前20的城市中，前三名差距不大，经过一个显著的下降后平稳降低（见图1）。

5.2    不同行政级别城市比较

我国城市从行政级别上可以分为直辖市、副省级城市、省会城市和非省会城市四大类。对不同行政级别的城市均值做比较，可以反映出城市行政级别对其运用大数据提升政府治理效能方面的影响。考虑到贵阳在同类城市中表现过于突出，对包含贵阳和不包含贵阳的省会城市作了区别（见图2）。

从城市表现来看，直辖市表现远优于其它城市，在各项指标上均表现突出;副省级城市除公众参与排名第四外，其余指标均排名第二，但是在治理能力、制度保障和公众参与方面与直辖市有较大的差距，在治理绩效上与直辖市较为接近。省会城市在治理能力方面表现最弱，在治理绩效及公众参与方面与非省会城市基本持平，在制度保障方面远优于非省会城市。非省会城市在制度保障方面表现最弱，在治理能力和公众参与上略优于省会城市。

从指标表现上来看，在治理绩效的表现上，各类城市的差距最小;在制度保障的表现上，各类城市的差距最大;在公众参与方面，除直辖市外，其它各级城市表现基本相同。意味着在现阶段，除了直辖市外，各类城市在政策创新方面差距较大，而在治理能力、治理绩效和公众参与方面进步相对缓慢，且差距不大。

5.3    不同区域城市比较

从东、中、西部三大区域（根据国家发改委区域划分，下同）来看，除公众参与指标外，东部城市在其它三个指标上均优于中西部城市（见图3）。中西部城市在四个指标上差距不大。由于贵阳的表现远远优于其它西部城市，本文对西部地区做了包含和不包含贵阳两种情况的比较，可以发现在制度保障方面加上贵阳之后，西部表现便优于中部城市。在公众参与方面，西部城市竟然明显优于东中部城市。这表明在大数据提升政府治理效能方面，东中西部地区存在明显的梯度分布，这与经济发展梯度基本一致。但是在公众参与方面，西部城市更擅长通过政务微信和政务微博与公众进行互动。

6   各一级指标分析

6.1    排名前20城市各指标平均得分情况

一级指标反映了政府运用大数据提升其治理效能的核心维度。对不同一级指标的得分情况进行比较，可以发现在不同维度上取得的进步和存在的不足。考虑到数据的完整性，对排名前20的城市进行分析。排名前20的城市在各一级指标上得分的均值，虽然有一些城市在一些指标上的得分达到6分以上，但是经过平均后没有超过4的指标（见图4），因此将图的边界值设为4分。为方便观察，将中心点设为2.5分。

从图中可以看出，在排名前20的城市中，得分最高的指标为制度保障，超过3.8分;次之为治理能力，超过3.6分;治理绩效的得分超过3.4分;公众参与得分则仅为3.03。这意味着在现阶段，排名前20的城市政府在运用大数据提升治理效能方面，进展最快的是政策制定，其次是治理能力和治理绩效。

将排名前20的城市与其后的55个城市进行比较，发现在制度保障方面排名前20的城市远优于排名20以后的城市;在治理能力上也明显超过排名20以后的城市;而在治理绩效上领先优势较小;在公众参与方面则无明显优势。

6.2    治理绩效分析

治理绩效A1主要测量城市政府使用大数据技术进行社会治理的效率、效果和效益。对总体75个城市治理绩效下各二级指标的平均得分进行分析，可以发现不同要素对治理绩效表现的影响。考虑到目前大数据在各城市的应用尚处于动态发展之中，本文只做分类分析，不做逐一展示。

6.2.1   城市行政级别分析

在治理绩效的8个二级指标中，由于数据缺失“数据开放”B7均取3分作为数据代替，在其余7个指标中直辖市在行政效率、经济增长、行业监管和智慧城市4个指标上得分突出，在公共服务、社会治理和权力监督3个指标上和其它城市差别不大。之后各二级指标的表现大体依次为为副部级城市、省会城市和非省会城市（见图5）。其中，就省会城市和非省会城市而言，非省会城市在经济增长、社会治理、权力监督和智慧城市建设上与省会城市相比有明顯差距，在行政效率和公共服务方面差距很小。

6.2.2   区域间比较

在治理绩效的8个二级指标中，除数据开放B7之外，在其余7个指标中，东中西部之间梯度差明显。在智慧城市建设方面，东部城市远优于中西部城市，在其余指标上东中部相对接近，而西部城市则落差明显，尤其在行政效率、经济增长、权力监督和智慧城市建设4个指标上，西部城市与东中部城市相比差距明显（见图6）。

6.3    治理能力分析

治理能力A2主要测量城市政府应用大数据技术进行社会治理的能力。对总体75个城市治理能力下各二级指标的平均得分进行分类分析。

6.3.1   城市行政级别比较

在治理绩效的4个二级指标中，在行业监管能力、公共服务能力和组织领导能力方面，直辖市均遥遥领先，在数据技术能力方面则相对较低，与副部级城市差距不大。副部级城市在行业监管能力和数据技术能力方面明显高于省会城市和非省会城市，在公共服务能力和组织领导能力方面略高于后两者。省会城市（除贵阳外）在组织领导能力方面明显高于非省会城市，而在其它指标方面与非省会城市差距不大。贵阳对于省会城市在行业监管能力方面的平均表现贡献突出（见图7）。

6.3.2   区域比较

在治理能力的4个二级指标中，东部城市均显著优于中西部城市;中部城市在公共服务能力方面明显优于西部城市，在组织领导能力B11与数据技术能力B12方面与西部城市接近。值得注意的是，中部城市在行业监管能力B10方面竟然弱于西部城市（见图8），主要原因在于一些中部城市在数据平台建设方面投入与宣传都有所不足。

6.4    制度保障分析

制度保障A3主要对城市的大数据相关政策制度保障进行评价。对75个城市在制度保障下各二级指标的平均得分进行分类分析。

6.4.1   城市行政级别比较

在制度保障的4个二级指标中，直辖市遥遥领先。副部级城市在法规政策、数据安全、绩效问责方面显著优于省会城市和副省会城市，而在技术标准制定方面与省会城市相差不大。贵阳在制度保障方面对省会城市的平均得分贡献明显。而非省会城市在制度保障方面明显落后于省会城市（见图9），这意味着目前我国在大数据提升政府治理效能方面，制度的创新与供给主要还是由大城市承担。

6.4.2   区域比较

在制度保障的4个二级指标中，东部城市远远优于中西部城市。贵阳在各指标上对于西部城市的平均得分贡献突出。从西部城市中去除贵阳后，中部城市在绩效问责机制B16、法规政策B13及技术标准制定B14方面表现优于西部城市，而在数据安全B15方面与西部城市差距很小（见图10）。

6.5    公众参与排名

公众参与主要是对民众参与政府治理的情况进行评价，主要包括政务微信热度B17、政务微博热度B18以及科学决策B193个二级指标。根据城市类型对75个城市在3个二级指标上的平均得分进行比较分析。

6.5.1   城市行政级别比较

在公众参与的3个二级指标中，直辖市的表现依然遥遥领先，在政务微博方面更是表现突出。副部级城市在政务微信的表现上优于省会城市（除贵阳外）和非省会城市，而在政务微博的表现上与省会城市持平。除贵阳外，省会城市在政务微博的表现上优于非省会城市，而在政务微信的表现上与非省会城市持平。在科学决策B19的表现上，虽然各类城市间有梯度差距，但是差距不大（见图11）。

6.5.2   区域比较

在公众参与的3个二级指标中，东部城市的表现并无显著优势。在政务微博热度B18方面，东部城市和西部城市差距不大，二者均高于中部城市。在政务微信热度B17的表现上，中部城市顯著高于东部和西部城市，而东部城市略高于西部城市。在科学决策B19方面，西部城市明显高于东部与中部城市，而东部城市略高于中部城市（见图12）。总体来讲，西部城市的公众比东中部城市的公众更乐于通过政务新媒体与政府互动。

7   排名前20城市类型分析

根据各一级指标的表现，对排名前20的城市进行类型划分，从而更为直观地反映出各城市在运用大数据提升政府治理能力方面的优势与不足。将20个城市各一级指标的得分表示在雷达图中。可以将城市分为以下几种类型。

7.1    均衡型

成都市、北京市、深圳市、长沙市和福州市的整体得分图形表现为一个平行四边形。除北京市外，其余各城市的图形几乎完全重合（见图13）。这意味着这些城市在4个一级指标上的得分比较均衡，因而将它们命名为均衡型城市。在均衡型城市中，北京在治理能力A2与公众参与方面显著优于其它城市。

7.2    三条腿型

杭州、广州、南京以及苏州在各一级指标上的得分表现为一个不平衡的四边形。它们在治理能力、制度保障与治理绩效三个一级指标上表现较好，而在公众参与指标上的得分却远低于其它指标。将这类城市命名为能力、制度与绩效显著型或三条腿型。在这类城市中，广州在治理能力A2上的表现明显好于其它城市，而杭州在制度保障指标上的表现略好于其它城市（见图14）。

7.3    能力、制度支撑型

上海、贵阳、重庆、济南在各一级指标上的表现分布较为相似，除贵阳外，其余三个城市几乎重合。它们在治理能力A2、制度保障A3指标上的得分明显高于治理绩效和公众参与两个指标，因此被命名为能力、制度支撑型城市。在这一类型的城市中，贵阳在制度保障方面远优于其它三个城市，而上海在治理能力A2和治理绩效方面表现优于其它城市。而重庆与济南在四个指标上均弱于上海和贵阳（见图15）。

7.4    能力、绩效支撑型

温州和南昌虽然在4个一级指标上得分都不高，但是在能力保障和治理绩效指标上的得分高于制度保障与公众参与指标，因而被划归为能力与绩效支撑型。其中，温州在治理绩效A1、治理能力A2以及制度保障A3三个指标上的得分均高于南昌市，在公众参与A4方面两个城市的得分没有明显差异（见图16）。

7.5    制度支撑型

合肥市、武汉市、天津市的得分较为相似，在制度保障上的表现明显优于其它三个指标，因而被命名为制度保障型。其中，合肥市和武汉市的图形几乎完全重合，天津市则在治理绩效A1方面稍弱于另外两个城市（见图17）。

7. 6    公众参与型

在排名前20的城市中，鹰潭市和常州市在公众参与方面的表现远远优于其它三个指标，整体的分布图形表现为一个极不均衡的四边形。将这一类城市命名为公众参与型城市。其中常州市在治理能力A2以及制度保障A3方面得分均高过鹰潭市，但是鹰潭市在公众参与A4方面得分明显高于常州市（见图18）。

8   研究发现与对策建议

研究结果表明，在治理绩效、治理能力、制度保障和公众参与四个评价维度中，排名前20的城市政府在制度保障和治理能力方面总体表现较好，而在治理绩效和公众参与方面则相对较弱。总体看来，我国城市政府在运用大数据方面存在着区域间的不平衡，在各不同行政级别的城市间也存在明显差距。

8.1    研究发现

（1）从总分上看，北京市、贵阳市、上海市分别排名前三。在三个城市中，北京市在治理能力和公众参与方面优势明显，贵阳市在制度保障方面表现突出。

（2）从城市行政级别来看，直辖市的总体得分情况最好，副部级城市紧随其后，省会城市除贵阳外的整体表现与非省会城市无显著差距。

（3）从区域比较来看，除公众参与外，东部城市在其它三个指标上均优于中西部城市。中西部城市在四个指标上差距不大。在公众参与方面，西部城市竟然明显优于东中部城市。在制度保障方面，加上贵阳之后，西部城市表现也稍稍优于中部城市。

（4）从4个一级指标来看，在治理绩效方面，上海市、深圳市、温州市排名前三，北京市排名第五，贵阳市排名第七;在治理能力方面，上海市、北京市、贵阳市排名前三，广州市排名第五，深圳市排名第八;在制度保障方面，贵阳市、上海市、北京市排名前三，且贵阳市显著优于上海市与北京市;在公众参与方面，鹰潭市表现异常突出，北京市排名第三，贵阳市排名第十六，上海市位列第二十六。

（5）根据在各一级指标上平均得分的均衡情况，将排名前20的城市划分为均衡型，能力、制度与绩效三条腿型，能力与绩效支撑型，能力与制度支撑型，制度支撑型以及公众参与型六大类。其中，北京市、深圳市、长沙市和福州市属于均衡型城市;杭州、广州、南京以及苏州属于三条腿型;上海、贵阳、重庆、济南属于能力与制度支撑型;温州、南昌属于能力与绩效支撑型;合肥、武汉、天津属于制度支撑型;鹰潭市和常州市属于公众参与型。

8.2    对策建议

（1）注重投入产出比，切实提升政府治理绩效。当前，在推进国家治理能力和治理水平现代化的进程中，政治治理效能的提升至关重要。与此同时，大数据技术发展迅猛，应用领域不断扩大。运用大数据技术提升政府治理效能，正面临良好的契机。一方面，大数据技术的应用能够提高政府行政效率，改善公共服务效果，促进智慧城市建设;另一方面，行政效率较高、注重数据开放的城市反过来又更加重视大数据的应用。为实现政府治理绩效提升的目标，需要从治理能力、制度保障、公众参与三个方面加以提升。就现阶段而言，许多城市在治理能力、制度保障、公众参与三个方面尚未发展成熟，因而与治理绩效共同构成了大数据提升政府治理效能的评价指标。

从评价结果来看，排名前20的城市在制度保障和治理能力两个指标上表现较好，在治理绩效和公众参与上表现较弱，这意味着现阶段这些政府在大數据技术的投入和政策法规的制定上进展较好，但是在实际的治理绩效方面还需要进一步提升。换句话说，在投入方面力度较大，但是在产出方面还不够理想，同时在公众参与方面还相对较弱。未来应该在合理规划投入的同时，更加重视产出，通过大数据应用切实提高治理绩效，包括提升政府行政效率，促进数据产业发展，维护社会安全，改加公共服务，促进社会公平等。

（2）因地制宜，制定符合城市自身实际情况的大数据应用战略。目前我国城市政府在运用大数据提升治理效能方面，存在明显的区域不平衡状况，处于不同行政层级的城市之间也存在较大差距。受到经济发展水平、人才储备、思想观念、创新能力等多方面因素的影响，每个城市在大数据应用方面不可能完全同步，需要结合自身实际情况，因地制宜制定发展战略。总体来讲，东部城市切实提高治理效率和效果，鼓励公众参与;中部城市需加强行业监管，促进经济活力，改善公共服务;西部城市则应坚持制度先行原则，提升治理能力与治理绩效。

（3）完善政策法规，加强大数据应用的制度保障。运用大数据技术提升政府治理效能，需要完善制度保障。近年来各国纷纷出台大数据发展战略规划，制定各类技术标准，就是为大数据的发展与应用提供制度保障。从本研究的评价结果来看，东部地区的大城市在大数据制度建设方面表现突出，如北京、上海、广州等，成为我国大数据制度创新的主导城市，在西部地区，贵阳的突出表现甚至改变了中西部的总体比较结果。尽管如此，还有很多城市在政策法规建设方面进展缓慢，一些城市尚未制定适合自身发展特点的政策法规，或者已经制定的政策法规或技术标准在可实操作性方面存在问题。为此，各城市应当结合地方实际，提升制度创新能力，尽快制定具体的与大数据应用相关的政策、法规和技术标准，为进一步运用大数据提升政府治理效能提供制度保障。

（4）加强大数据能力建设，支撑政府治理绩效提升。大数据应用能力的高低是政府重视大数据应用与发展的结果，典型的例子如北京、上海、广州、深圳等城市。就能力培养而言，首先，大数据的发展离不开坚强有力的组织领导，提升大数据中心或信息中心行政级别，进一步加强领导是较为直接有效的方式;其次，大数据技术能力的发展需要加强大数据基础设施建设;最后，加强大数据应用平台建设，构建跨部门数据共享平台，可以为大数据应用提供有力的技术支撑。

（5）鼓励公众参与，运用大数据提升治理效果。政府治理效能的提升不能仅仅依靠政府本身，还需要公众的合作与参与。利用大数据技术，政府可以通过多种渠道对公众的意见和建议进行收集、整理和分析，实时了解公众关注的热点问题和亟待满足的关键需求，听取公众的建议方案，从而提高科学决策的能力，改进公共服务，接受公众监督，加强与公众之间的信任与联系。具体地，可以利用政府网站、数据开放平台以及微博、微信、短视频等新媒体渠道，适时与公众交流互动，了解民情民意，提升政府治理效果。

总而言之，政府治理的效能决定了城市的竞争力和对资金、人才的吸引力，进而影响到城市发展的活力与前景。各地方政府应当把握时代机遇，树立效能意识，充分发挥大数据技术的作用，从治理绩效、能力建设、制度创新、公众参与方面入手提升政府治理效能。

参考文献：

[1]  国务院关于印发促进大数据发展行动纲要的通知[EB/OL].[2018-07-01].http：//www.gov.cn/zhengce/content/2015-09/05/content_10137.htm.

[2]  张成福.信息时代政府治理：理解电子化政府的实质意涵[J].中国行政管理，2003（1）：13-16.

[3]  王浦劬.国家治理、政府治理和社会治理的基本含义及其相互关系辨析[J].社会学评论，2014，2（3）：12-20.

[4]  唐天伟，曹清华，郑争文.地方政府治理现代化的内涵、特征及其测度指标体系[J].中国行政管理，2014（10）：46-50.

[5]  锁利铭，罗承翎.政府治理研究综述[J].电子科技大学学报（社会科学版），2017，19（4）：42-45.

[6]  吴帅.分权、代理与多层治理：公共服务职责划分的反思与重构[J].经济社会体制比较，2013（2）：122-130.

[7]  贾俊雪，郭庆旺，宁静.财政分权、政府治理结构与县级财政解困[J].管理世界，2011（1）：30-39.

[8]  刘厚金.我国政府转型中的公共服务[M].北京：中央编译出版社，2008.

[9]  燕继荣.变化中的中国政府治理[J].经济社会体制比较，2011（6）：135-139.

[10]  汪玉凯.供给侧结构性改革的核心是政府改革[J].中国经贸导刊，2016（13）：48-49.

[11]  王绍光.中国公共政策议程设置的模式[J].中国社会科学，2006（5）：42-56.

[12]  王磊，胡鞍钢.结构、能力与机制：中国决策模式变化的实证分析[J].探索与争鸣，2010（6）：3-8.

[13]  Van Ryzin G G，Muzzio D，Immerwahr S.Explaining the race gap in satisfaction with urban services[J].Urban Affairs Review，2004，39（5）：613-632.

[14]  王玉明.美国构建政府绩效评估指标体系的探索与启示[J].兰州学刊，2007（6）：101-104.

[15]  CPA-The Harder Test 2006[R/OL].[2019-12-10].The Audit Commission，UK，2006.https：//webarchive.nationalarchives.gov.uk/20150423154445/http：//archive.audit-commission.gov.uk/auditcommission/aboutus/publications/pages/corporate-papers-archive.aspx.html.

[16]  吴建南.公共部门绩效评估：理论与实践[J].中国科学基金，2009，23（3）：149-154.

[17]  吴建南，马亮，杨宇谦.比较视角下的效能建设：绩效改进、创新与服务型政府[J].中国行政管理，2011（3）：35-40.

[18]  吴建南，胡春萍，张攀，等.效能建设能改进政府绩效吗？——基于30省面板数据的实证研究[J].公共管理学报，2015，12（3）：126-138，159-160.

[19]  La Porta R，Lopez-de-Silanes F，Shleifer A，et al.The quality of government[J].The Journal of Law，Economics，and Organization，1999，15（1）：222-279.

[20]  Boyne G A，James O，John P，et al.Top management turnover and organizational performance：A test of a contingency model[J].Public Administration Review，2011，71（4）：572-581.

[21]  Garnett J L，Marlowe J，Pandey S K.Penetrating the performance predicament：Communication as a mediator or moderator of organizational cultures impact on public organizational performance[J].Public administration review，2008，68（2）：266-281.

[22]  張飞霞.“互联网+行政审批”对基层政府治理的效能分析[J].科教导刊（中旬刊），2017（8）：110-111.

[23]  张桔，钟晟，宗妍，等.地方政府行政效能提升研究[J].中共南昌市委党校学报，2016，14（5）：34-37.

[24]  陈宏彩.“最多跑一次”改革：新时代的政府效能革命[J].治理研究，2018，34（3）：39-44.

[25]  施雪华，方盛举.中国省级政府公共治理效能评价指标体系设计[J].政治学研究，2010（2）：56-66.

[26]  郭燕芬，柏维春.我国地方政府效能评价的实施现状——基于31省的政策文本分析[J].兰州学刊，2019（1）：164-182.

[27]  唐任伍，唐天伟.2002 年中国省级地方政府效率测度[J].中国行政管理，2004（6）：64-68.

[28]  王芳，陈锋.国家治理进程中的政府大数据开放利用研究[J].中国行政管理，2015（11）：6-12.

[29]  梁芷铭.大数据治理：国家治理能力现代化的应有之义[J].吉首大学学报（社会科学版），2015，36（2）：34-41.

[30]  郭建锦，郭建平.大数据背景下的国家治理能力建设研究[J].中国行政管理，2015（6）：73-76.

[31]  孟天广，赵娟.大数据驱动的智能化社会治理：理论建构与治理体系[J].电子政务，2018（8）：2-11.

[32]  孟天广，郭凤林.大数据政治学：新信息时代的政治现象及其探析路径[J].国外理论动态，2015（1）：46-56.

[33]  张红春.发挥大数据推动政府治理能力现代化的重要作用[N].贵州日报，2018-05-22（10）.

[34]  胡税根，单立栋，徐靖芮.基于大数据的智慧公共决策特征研究[J].浙江大学学报（人文社会科学版），2015，45（3）：5-15.

[35]  孟天广，张小劲.大数据驱动与政府治理能力提升——理论框架与模式创新[J].北京航空航天大学学报（社会科学版），2018，31（1）：18-25.

[36]  支太雄，郗永勤.大数据时代知识型政府治理能力的提升——基于与四种政府治理模式比较优势的分析[J].行政与法，2017（2）：17-23.

[37]  中国信息化研究与促进网，国衡智慧城市科技研究院联合发布.《2017-2018中国新型智慧城市建设与发展综合影响力评估结果通报》[DB/OL].[2019-12-10].www.ceirp.cn.

[38]  信用中国.《城市信用简报》.[DB/OL].[2019-12-05].https：//creditcity.creditchina.gov.cn.

[39]  中华人民共和国生态环境部.2017中国生态环境状况公报[R/OL].[2019-12-05].http：//www.mee.gov.cn/hjzl/zghjzkgb/lnzghjzkgb/201805/P020180531534645032372.pdf.

[40]  中山大學互联网与治理研究中心.《互联网治理指数报告》[DB/OL].[2019-12-08].https：//web.shobserver.com/news/detail？id=72180/.

[41]  复旦大学数字与移动治理实验室.开放数林指数[R/OL].[2019-12-08].http：//ifopendata.fudan.edu.cn/static/papers/2018%E4%B8%8B%E5%8D%8A%E5%B9%B4%E4%B8%AD%E5%9B%BD%E5%BC%80%E6%94%BE%E6%95%B0%E6%9E%97%E6%8C%87%E6%95%B0.pdf.

[42]  陈劲，于飞，潘砚娉.中国智慧城市发展与排名研究——基于2017年《智慧城市评价模型及基础评价指标体系》国家标准的分析[J].清华管理评论，2018（Z1）：17-28.

作者简介：王芳（1970-），女，南开大学网络社会治理研究中心、南开大学商学院信息资源管理系教授，博士生导师，研究方向：情报学理论与方法、政府信息资源管理、网络社会治理、知识发现与情感挖掘;阴宇轩（1994-），男，南开大学网络社会治理研究中心、南开大学商学院信息资源管理系硕士研究生，研究方向：政府信息资源管理;刘汪洋（1987-），男，提升政府治理能力大数据应用技术国家工程实验室、中电科大数据研究院有限公司工程师，博士，研究方向：大数据与智慧城市;张百慧（1997-），女，南开大学网络社会治理研究中心、南开大学商学院信息资源管理系硕士研究生，研究方向：电子政务;张维冲（1991-），男，南开大学网络社会治理研究中心、南开大学商学院信息资源管理系博士研究生，研究方向：科学计量学;程序（1984-），男，提升政府治理能力大数据应用技术国家工程实验室、中电科大数据研究院有限公司工程师，博士，研究方向：大数据与智慧城市;邹建军（1993-），男，提升政府治理能力大数据应用技术国家工程实验室、中电科大数据研究院有限公司助理工程师，硕士，研究方向：大数据战略与政策。