注意力一致性、环保约谈与环境治理效率——基于多项式回归结合响应面分析

王蓉娟, 吴建祖

(1. 兰州大学 管理学院, 甘肃 兰州 730000; 2. 西北师范大学 社会发展与公共管理学院, 甘肃 兰州 730070)

一、 问题的提出

大数据时代信息超负荷存在,政府如何高效配置有限的注意力资源显得尤为重要。注意力是决策者有选择性地关注某些问题。政府注意力发生变化,政策也会随之发生变化,而政府注意力的变化也受外部环境影响。现阶段,国家将环境保护上升到重要战略地位,政府环境注意力不断加强,环境政策出台的密度前所未有。公众作为重要的外部监督力量,其环境注意力也不容忽视。值得思考的是,政府与公众环境注意力一致(不一致)不同组合究竟会对环境治理效率产生什么影响呢?

已有研究更多关注政府主导的“自上而下”途径或公众主导的“自下而上”途径对环境治理的影响。“自上而下”的途径中聚焦在晋升激励、财政分权以及强制性工具等,“自下而上”的途径中学者普遍关心公众参与,而少有学者从认知的视角进行解读。虽然郑思齐等实证分析了公众关注度与环境治理的关系[1],文宏等探讨了环保政策动机与政策行为,从而构建“注意力-动机-行为”的理论分析框架[2],但尚未有学者从政府—公众注意力互动的二元视角实证分析其对环境治理效率的影响。此外,2014年实施的环保约谈制度作为一种“协商型”环境执法监督新方式,利于“共识互动式”政策执行网络的形成[3]。那么环保约谈制度的实施是否会强化政府—公众注意力一致性对环境治理效率的影响呢?

多项式回归结合响应面分析(polynomial regression combining with response surface analysis)方法是一致性研究的前沿技术,既能避免以往采用差异分数法进行一致性分析的不足,又可以利用响应面图直观反映复杂的三维关系,从而进一步挖掘一致性效应更深层、更全面的信息[4]。综上,本文基于认知理论,从政府—公众环境注意力互动的二元视角出发,采用多项式回归结合响应面分析方法,以2012—2016年283个地级市面板数据为研究样本,探讨政府—公众注意力一致性对环境治理效率的影响以及环保约谈对其关系的调节作用。

二、 理论与假设

1. 注意力一致性模式

Simon最早提出了注意力概念,认为注意力是管理者选择性地关注某些信息而忽略其他部分的过程,即有限决策理论[5]。Ocasio将注意力定义为决策者将自己的时间和精力用来关注、编码、解释并聚焦于组织议题和答案两方面的过程,并提出注意力基础观[6]。琼斯将注意力研究引入政府决策领域,提出“注意力驱动的政策选择模型”,认为政策制定者的注意力发生变化,政策也紧随其变化[7]。实际上,注意力并不是一个单一概念,在不同元理论中用法并不相同,从认知元理论出发,注意力往往被用在编码、解释和意义建构之前,一般仅指选择性注意力,即个人将注意力聚焦到某一刺激的信息处理过程,而选择性注意力结合了自上而下注意力过程与外部刺激驱动的自下而上的注意力过程[8]。也就是说,决策者注意力分配并不是随心所欲的,同时会受外部环境的影响,公众环境关注能够促进政府环境关注[1]。因此,政府环境注意力与作为外生刺激变量的公众环境注意力相互作用,政府与公众注意力一致性一定程度上决定某一环境问题是否优先进入政策议程。

注意力一致性指不同层次、不同单位、不同人群对某一问题的关注存在多大程度的相似或一致[9]。一致性探讨通常包含一致与不一致两种情境。本文中注意力一致主要指政府与公众对待环境问题的态度或价值观相似或一致,即达成环境共识,具体包含高政府注意力—高公众注意力(G高—P高)与低政府注意力—低公众注意力(G低—P低)。相对的,注意力不一致主要指政府与公众对待环境问题的态度或价值观不一致,即存在环境冲突,具体包含高政府注意力—低公众注意力(G高—P低)与低政府注意力-高公众注意力(G低—P高)。

2. 注意力一致性与环境治理效率

第一,政府—公众环境注意力一致与不一致的差异。共识是不同主体对价值形成基本或根本一致的看法或态度[10]。政府与公众环境注意力一致意味着环境共识的达成,即通过不断沟通、互动,寻求政府决策与公众诉求间的“最大公约数”及利益共同点,从而实现环境治理最优化。环境冲突是不同主体利益、认知以及价值多元化背景下,多种因素共同作用的结果[11]。政府与公众环境注意力不一致意味着更容易存在环境冲突,也就是说政府与公众对环境问题及其造成的影响存在认知差异,造成彼此之间沟通、互动缺乏和失效,从而影响环境治理效率。基于此提出假设H1:与注意力不一致相比,政府—公众注意力一致时,环境治理效率更高。

第二,政府—公众环境注意力一致情境下的差异。当政府—公众环境注意力存在较高一致时(G高—P高),容易达成环境共识,政府与公众追求一致目标,合作共治,积极主动致力于解决环境问题。已有研究指出合作共治是解决环境污染的有效途径[12]。因此,“G高—P高”有助于提高环境治理效率。当政府—公众环境注意力一致且均较低时(G低—P低),政府与公众未从意识层面认识到环境污染及其后果的严重性,从而消极被动处理环境问题。就政府部门而言,环保主体责任认识不清,造成环境治理中“不作为、乱作为”现象屡见不鲜,如推诿[13]、“搭便车”[14]、选择性执行[15]等;就社会公众来说,环境意识淡薄,要么漠视环境污染问题,要么进行不以环境维权为目的的环境抗争,如骗取赔偿款、泄愤、凑热闹等[16]。因此,“G低—P低”会导致环境治理效率低下。基于此提出假设H2:在注意力一致情境下,与“G低—P低”相比,“G高—P高”时环境治理效率更高。

第三,政府—公众环境注意力不一致情境下的差异。当政府环境注意力高于公众环境注意力时(G高—P低),政府高度重视环境问题,积极主动致力于解决环境问题。“领导高度重视”是一种科层制运作中客观存在的注意力分配方式,具有稳定的治理工具组合,即领导牵头、部门协调、财政支持、结果导向[17],所以领导高度重视意味着各种资源得到集聚,成为环境问题快速进入政策议程和得到执行的“助推器”。同时环境是典型的公共产品,加之其较强的外部性,政府仍然是环境治理中的主导者,所以政府环境关注发挥更重要的作用。当公众环境注意力高于政府环境注意力时(G低—P高),公众积极进行环境利益表达或是抗争,本着“大闹大解决,小闹小解决,不闹不解决”的态度,通常采取“闹大”的方式获取政府关注与重视[18]。单纯从这个角度来说,公众注意力发挥治理效能还是通过博取政府关注,通过领导重视而使环境诉求进入政策议程。故提出假设H3:在注意力不一致情境下,与“G低—P高”相比,“G高—P低”更有助于提高环境治理效率。

3. 环保约谈的调节作用

环保约谈作为一种协商型环境执法监督新方式,能够将环境治理决心快速传递到体制内外,形成“共识互动式”政策执行网络,从而提高环境治理效率[19]。因此,环保约谈会促进政府与公众协商、互动,通过凝聚环境共识,强化政府—公众注意力一致对环境治理效率的影响。2014年实施的环保约谈制度从“督企”转向“督政”,直接、公开约谈地方政府主政官员,以行政层级较高的“条”诫勉和警示行政层级较低的“块”,从而落实地方政府环保的主体责任[20]。因此,相比“G低—P高”,环保约谈会强化“G高—P低”对环境治理效率的影响。故提出假设H4:环保约谈在政府—公众注意力一致性与环境治理效率之间发挥调节作用。

三、 研究设计

1. 样本与数据

本文以2012年《中国城市统计年鉴》中地级及以上城市为研究样本,共计288个城市,不纳入之后新增城市。由于拉萨市数据缺失比较严重,同时排除4个直辖市,最终确定的研究样本为2012—2016年283个城市,共计1 415个观测值。

2. 变量测量

第一,公众注意力。公众基于搜索引擎的搜索行为一定程度上能够反映其对某一议题的关注及诉求,是一种无介入性经验观察以及对公众注意力无主观偏见的定量刻画[21]。百度搜索指数是公众在百度搜索引擎中对某关键词搜索频次的加权和,能够反映公众对特定议题的关心及其注意力的变化趋势。借鉴已有研究[1],在百度指数中输入关键词“环境污染”,采集某一地区公众对“环境污染”的搜索日均值,同时为避免人口规模影响,具体以每百万人口日均搜索次数反映公众环境注意力(PubAtt)。

第二,政府注意力。政府工作报告是政府资源配置的指挥棒,一定程度上反映了政府注意力的焦点[22]。文构财经文本数据平台(WinGo)提供的“政府工作报告数据库”为测量市级政府环境注意力提供了便捷。本文采用“WinGo深度学习相似词数据库”筛选“环境污染”的相似词词集,进一步筛除词频小于10%的词汇及与研究无关的词汇,最终确定相似词词集(污染、工业污染、农业面源污染、空气污染、面源污染、城市污染、大气污染、水污染、雾霾等26个相似词)。然后利用“WinGo词频数据库”输出每个市级政府工作报告中包含“环境污染”相似词的句子总和,为了控制政府工作报告长度差异造成的影响,以包含相似词的句子总和与地方政府工作报告总句数比值反映政府环境注意力(GovAtt)。

第三,环保约谈。环保约谈(Talk)设定为虚拟变量,已有研究表明环保约谈具有“立竿见影”的效果,约谈当年效果最为显著,不具有长效性[19]。故某市被约谈当年赋值为1,否则赋值为0。此外,若某市被环保约谈,该市所在省也会更加重视环境问题,一些省份也相应启动对市县的约谈机制,致使约谈压力波及到全省,因此本文环保约谈的城市包含了被约谈市所在省内的其他地级市及副省级市。

第四,环境治理效率。数据包络分析(data envelopment analysis,简称DEA)是以相对效率为基础的一种卓有成效的效率评价方法,主要包含了评价单元、评价指标(投入、产出指标)及线性方程三个主要核心要素[23]。本文采用DEA中改进的SBM模型测量环境治理效率(EGE),以克服DEA中传统的BCC模型与CCR模型不能解决非期望产出的不足。本文中“投入指标”选取了水利、环境及公共设施管理从业人员与地方政府环保支出;“期望产出”选取了绿地面积与一般工业固废综合利用率;“非期望产出”选取了工业废水排放量与工业二氧化硫排放量。数据主要来源于《中国城市统计年鉴》《中国环境统计年鉴》及各省市统计年鉴。

第五,控制变量。为了避免其他相关因素对环境治理效率的影响,参考已有研究,选取以下控制变量:一是财政压力(FinPre),已有研究发现财政压力会降低地方政府环境治理效率[24],财政压力以地方政府财政支出与地方政府财政收入的差值占地方政府财政收入的比值来测量;二是政府竞争(GovCom),张彩云等指出中国式分权体制下,地方政府竞争与环境规制间存在“倒N型”关系[25],地方政府竞争以人均FDI来衡量;三是经济发展水平(Pgdp),环境库兹尼茨假说认为,经济发展与环境污染间具有“倒U型”关系,经济发展水平以人均GDP衡量。此外,还考虑了工业化程度(IndDeg)、人口密度(PopDen)及教育水平(EduLev)等以往研究普遍关心的影响因素。

3. 分析方法

多项式回归分析是根据两个一致(不一致)的预测变量(X与Y)构造出交互项(X×Y)与二次项(X2、Y2),从而将X、Y、X2、X×Y及Y2同时纳入对因变量的回归分析中[26]。据此本文构建多项式回归模型:

其中:EGE代表环境治理效率;G和P分别代表政府和公众环境注意力;C代表控制变量;b0是截距,b1和b2是一次项系数,b3和b5是二次项系数,b4是交互项系数;ε代表随机误差。

响应面分析是以三维图形的方式刻画多项式回归结果,从而清晰呈现两个自变量和一个因变量之间微妙关系的技术方法[26]。结合本文多项式回归模型,具体在响应面图中,G=P代表的是一致线,一致线的铅直平面与响应面相交的曲线称为一致曲线,一致曲线的斜率是a1=b1+b2,一致曲线的曲率是a2=b3+b4+b5;G=-P代表的是不一致线,不一致线的铅直平面与响应面相交的曲线称作不一致曲线,不一致曲线的斜率是a3=b1-b2,不一致曲线的曲率是a4=b3-b4+b5。具体来讲:①不一致曲线的曲率a4用于检验假设H1。若a4显著为正,不一致曲线呈“U型”,中间表示一致,越到两边表示不一致差异越大,说明G与P不一致时环境治理效率更高;若a4显著为负,不一致曲线呈“倒U型”,说明G与P一致时环境治理效率更高;若a4不显著,不一致曲线近似一条直线,环境治理效率在一致线附近取值处于中等水平。②一致曲线的斜率a1与曲率a2用以检验假设H2。若a1显著而a2不显著,一致曲线近似一条直线,存在线性关系,a1为正说明随着G与P的增加环境治理效率也随之提高,a1为负说明随着G与P的增加环境治理效率反而降低。若曲率a1显著a2也显著,说明存在非线性关系。③不一致曲线的斜率a3用于检验假设H3。若a3显著为正,说明G高于P时环境治理效率更高;若a3显著为负,说明P高于G时环境治理效率更高。

为确保模型估计的准确性,本文对构造交互项的解释变量作了中心化处理;对纳入多项式回归模型的变量,若原始数据不服从正态分布均进行取对数处理。此外,为了避免面板数据回归分析时可能存在的序列相关、自相关及异方差等问题,以及因遗漏变量带来的内生性问题,采用带有Driscoll-Kraay标准误修正的固定效应模型进行估计。

四、 结果分析

1. 描述性统计及相关性分析

主要变量的描述性统计结果见表1,可以看出环境治理效率均值为0.166,标准差为0.165,表明我国地方政府环境治理效率存在普遍偏低现象。政府注意力均值、标准差、最小值及最大值分别为0.021、0.014、0及0.118,公众注意力均值、标准差、最小值及最大值分别为0.051、0.054、0及0.6,反映出政府与公众环境注意力在不同城市有较大差异。环保约谈均值为0.2,表明被环保约谈城市占总样本的比例是20%。

表1 描述性统计结果

各个变量之间的相关性系数矩阵见表2,可以看出政府注意力、公众注意力及环保约谈与环境治理效率均呈负相关(r=-0.117,p<0.01;r=-0.072,p<0.01;r=-0.044,p<0.1);财政压力及教育水平与环境治理效率间存在显著正相关(r=0.409,p<0.01;r=0.110,p<0.01);经济发展水平、人口密度及工业化程度与环境治理效率间存在显著负相关(r=-0.153,p<0.01;r=-0.121,p<0.01;r=-0.191,p<0.01)。本文关注的是政府—公众注意力相互作用对环境治理效率的影响及环保约谈对其关系的调节作用,并不是简单的两两变量相关关系,因此结果有待进一步回归分析。此外,对各变量作了方差膨胀因子(VIF)诊断,结果表明VIF均值为1.77,远小于规定的阈值10,故不存在多重共线性。

表2 相关性分析结果

2. 注意力一致性对环境治理效率影响的检验

本文采用多项式回归结合响应面分析方法探析政府—公众注意力一致性对环境治理效率的影响,具体分析结果见表3。其中,模型1为基准模型,仅加入了控制变量,R2为0.016;模型2在模型1的基础上加入一次项(G和P),R2变为0.024;模型3在模型2的基础上纳入二次项(G2与P2)与交互项(G×P),R2增加到0.029,说明纳入高阶项后模型的解释力明显增强,适合采用多项式回归分析方法。

表3 多项式回归与响应面分析

具体而言,表3中模型3响应面分析结果可以看出,沿着不一致线(G=-P)响应面的曲率正显著(曲率=0.015,p<0.05),表明不一致曲线呈“U型”形状,中间表示一致,两端表示不一致加剧,也就是说相比政府—公众注意力一致,政府—公众注意力趋于不一致时,环境治理效率更高。这一分析结果从响应面图1中也可以直观反映,即沿着不一致线(G=-P)的响应面呈中间低两侧高,假设H1没有得到验证。究其原因,可能的解释是政府—公众环境注意力不一致时更容易存在环境冲突,从而诱发环境群体性事件[27]。环境群体性事件是一种“闹大”现象,通过吸引政府注意力,使得环境问题更容易进入政策议程[18]。近年来环境群体性事件频发,环境抗争也成为学者研究的热点,这一研究发现为已有研究提供了经验证据。

当政府—公众环境注意力一致情境时,表3模型3响应面分析结果可以看出沿着一致线(G=P)响应面的斜率显著为正(斜率=0.026,p<0.01),而曲率不显著(曲率=-0.005),表明存在线性关系,一致曲线近似一条直线,也就是说环境治理效率会随着政府与公众环境注意力的增加而提高。从响应面图1也可以看出,后角(G高—P高)的环境治理效率高于前角(G低—P低),假设H2得到验证。

当政府—公众注意力不一致情境时,表3模型3响应面分析结果可以看出沿着不一致线(G=-P)响应面的斜率显著为负(斜率=-0.010,p<0.05),说明当政府与公众环境注意力不一致时,相比政府注意力高于公众注意力(G高—P低),公众注意力高于政府注意力(G低—P高)情况下,环境治理效率更高。响应面图1也可以看出,左角(G低—P高)的环境治理效率比右角(G高—P低)更高,假设H3没有得到验证。这一经验证据反映出现阶段我国环境治理中地方政府主动性与积极性还不足。已有研究也指出地方政府在一定自由裁量权内,象征性遵从上级安排,选择性执行政策[28],不作为现象时有发生。公众关注无疑会对政府形成一种外在监督压力,有效推动政府注意力,加大环境治理。这一研究发现恰恰说明我国地方政府环境治理还有很大的努力空间,还需要强化环境治理重视度,这也是下文选择环保约谈作为调节变量的意义所在。

3. 环保约谈调节作用的检验

检验调节变量时,将环保约谈分为约谈组(Talk=1)与未约谈组(Talk=0),采用邹氏检验法分析两个分组中多项式系数是否存在显著差异,即G、P、G2、G×P及P2的系数在约谈组与未约谈组两个分样本中是否差异显著,具体检验结果见表4。

表4 环保约谈的调节作用

可以看出,未约谈组沿着不一致线(G=-P)响应面的曲率显著为正(曲率=0.014,p<0.1),图2也显示沿着不一致线响应面中间低两边高,反映出政府—公众注意力不一致时环境治理效率更高;而约谈组沿着不一致线(G=-P)响应面的曲率显著为负(曲率=-0.023,p<0.01),图3也显示沿着不一致线响应面中间高两边低,反映出政府—公众注意力一致时环境治理效率更高。以上说明环保约谈能够凝聚政府与公众环境共识, 从而强化了政府—公众注意力一致对环境治理效率的影响。表4还发现未约谈组沿着不一致线(G=-P)响应面斜率不显著(斜率=0.001),图2也显示沿着不一致线响应面左角和右角没有明显差异;而约谈组沿着不一致线(G=-P)响应面斜率显著为正(斜率=0.024,p<0.01),图3也显示沿着不一致线响应面明显呈现出左角低右角高,反映出在政府—公众不一致情境中,政府注意力高于公众注意力力时环境治理效率更高。以上说明环保约谈能够显著强化地方政府环保主体责任,使得环境治理从公众关注的“倒逼”作用,转为政府环保的自觉行动。邹氏检验结果也显示,多项式系数在约谈与未约谈两个分组中存在显著差异。因此,假设H4得到验证。

图2 政府—公众注意力一致性(未约谈)

五、 结论与启示

1. 研究结论

第一,与注意力一致相比,政府—公众注意力不一致时,环境治理效率更高。可能的解释是政府—公众注意力不一致时,更容易存在环境冲突,从而引发环境群体性事件,使得环境问题能够更快进入政策议程。第二,当注意力一致时,与政府—公众注意力都低相比,政府—公众注意力都高的情况下环境治理效率更高。原因是政府与公众环境注意力高一致时,容易达成环境共识,从而有助于合作共治提高环境治理效率。第三,当注意力不一致时,相比政府注意力高于公众注意力,公众注意力高于政府注意力时环境治理效率更高。可能的解释是现阶段地方政府环境治理的主动性与积极性还不足,而公众环境关注能够发挥“倒逼”作用,促进政府关注环境治理。第四,环保约谈明显强化了政府与公众环境注意力一致对环境治理效率的影响,同时环保约谈有助于公众关注的“倒逼”作用转变为政府环保的自觉行动。原因是环保约谈作为一种协商型环境执法监督新方式,有助于凝聚政府与公众环境共识,同时2014年实施的环保约谈制度,从“督企”转向“督政”,旨在落实地方政府环保主体责任。

图1 政府—公众注意力一致性与环境治理效率响应面图

2. 政策启示

一方面,与注意力一致相比,政府—公众注意力不一致时,环境治理效率更高,但并不意味着要支持政府—公众环境注意力不一致,纵容环境冲突,而是要化解环境冲突。因为环境冲突诱发的环境群体性事件往往是环境受害者发起,一定程度上来讲这是一种非常规性维权方式,其最终目的仍然是实现平等对话、协商与合作,因而实现政府—公众环境共识的治理效能仍是时代命题。当政府—公众注意力一致时,与政府—公众注意力低一致相比,注意力高一致情况,环境治理效率更高,因此要建立双向沟通机制,政府充分公开环境信息,公众及时表达环境诉求,从而畅通沟通渠道,为达成环境共识创造条件,实现良性互动的环境治理过程。当政府—公众注意力不一致时,公众注意力高于政府注意力情况,能够实现公众监督的“倒逼”作用,因此要渗透“全过程、全方位”的公众参与机制。

另一方面,环保约谈是一种协商型环境执法监督新方式,不仅能够凝聚政府与公众环境共识,而且有力强化了地方政府环保主体责任。因此,需要不断优化环保约谈制度设计,使环境执法监督方式从传统“命令-服从”逐步转向“协商-合作”,从“事后惩罚”逐步转向“事前警诫”,从而释放环保约谈效力,将环保约谈制度优势充分转化为环境治理效能。

3. 研究贡献

以往研究关注政府主导的“自上而下”途径或公众主导的“自下而上”途径对环境治理的影响,缺乏政府—公众相互作用对环境治理的实证研究,而从认知视角进行分析的更是少有,本文从政府—公众注意力互动的二元视角丰富环境治理前因的研究。采用一致性研究的前沿方法即多项式回归结合响应面分析方法,对于考察政府—公众注意力一致性对环境治理效率的影响具有更好的解释力,能够同时分析注意力一致与不一致情境,实现对注意力议题更细致化的研究。将以政府工作报告测量注意力的样本扩大到市级并采用了深度学习技术,大样本数据及机器学习可以使研究结果更加准确可靠。此外,丰富了认知理论的研究,不仅更好厘清“认知-效果”的逻辑链条并提供经验证据,研究结论对于地方政府环境治理实践及环保约谈制度优化设计也提供有益启示。