数字政府治理水平提升路径研究——基于QCA 与系统动力学的分析

张 斌 商容轩

（1.湖南农业大学公共管理与法学学院，湖南长沙 410128；2.哈尔滨工业大学经济与管理学院，黑龙江哈尔滨 150001）

2022 年4 月，习近平总书记在主持中央全面深化改革委员会第二十五次会议时强调［1］，要使数字政府建设成为国家治理体系和治理能力现代化的重要支撑。 同时，会议审议通过《关于加强数字政府建设的指导意见》，首次从国家层面对数字政府建设进行“纲领性”的指导。 从2015 年开始，中央及有关部委先后出台十余份关于数字政府建设的有关文件。 各个省、自治区、直辖市积极响应，都制定、出台了相应的数字政府建设办法、规定、规章等具体措施，掀起了数字政府建设热潮。 但是就目前而言，各个省、自治区以及直辖市所面临的实际情况千差万别，数字政府治理水平各不相同。 数字时代的到来向传统治理模式提出了挑战，驱动着各地方政府围绕挑战解决问题以调适公共部门的组织形态、治理技术和治理机制，但这场由第四次工业革命所引发的“治理革命”却存在显著的地区性差异，各地方政府在治理水平与治理效能间存在“鸿沟”。大数据发展与制度环境、经济环境之间的不协调导致了部分地方政府的“治理不足”。

因此，如何帮助数字政府治理水平欠佳的省级行政单位选择合适的路径进行相应的提升，消弭“数字鸿沟”，进而促进社会治理体系和治理能力现代化的提高，是一个急需解决的问题。

一、相关文献简述

目前对于数字政府的研究，国内主要从三个方面切入。 第一，从案例入手，以案例作为分析对象。 蒋敏娟通过分析广东、浙江、贵州三省地方政府的数字政府建设过程中存在的差异和共性，指出未来可以从价值、组织、技术以及制度四个方面进行系统性推进［2］；刘民安等以深圳市福田区数字政府改革为分析对象，揭示了改革的理论基础、具体措施，存在的改革亮点，总结了现实意义，为其他地方提供了借鉴以及参考［3］；李文钊以城市大脑系统为例，提出将城市大脑融入数字政府治理的八大设计原理供相关城市或者是省份来借鉴［4］。 第二，定量分析。 李锋等采用双重差分以及合成控制法， 实证分析了领导重视与数字政府回应力之间的关系，认为推动领导干部重视网络问政，加强政府回应制度建设是推进数字政府建设的关键［5］；郑跃平等对全国79 个城市的政务热线进行分析， 发现地方政府在部门数字化领域取得了一定的进展，但是还不够完善，尚未很好地融入实践，并指出需要从顶层设计、资源投入以及管理机制等三方面进行改善［6］。 第三，从宏观角度来进行考察分析。 戴长征等从社会形态演变进程的角度出发，对数字政府治理进行研究，指出数字政府是数字社会和数字国家应有的治理形式，建立高效的数字政府是人类社会的必然要求［7］；米加宁等认为，引入数字技术来提高政府的治理水平，能够促使政府形态发生革命性的变化［8］。

国外的研究视角主要从三个方面展开。 第一， 从宏观角度进行考察研究。 雅若夫斯基（Janowski T）整合了从1992 年到2014 年发表的有关数字政府建设的相关文献，经过分析认为未来数字政府研究需要向着情境化和专业化的角度进行发展，并随着社会的变化和文化的发展过程来不断充实自身内涵，同时还为未来数字政府的相关研究进行了一定的预测［9］；玛格丽特（Margetts H）等学者指出，应该整合数字政府时代的治理方法，从碎片化的数据和内容中发现能为公民提供整体服务的价值所在，同时数字政府时代还应该将公共管理和公共服务研究整合，从而真正实现数字政府的内在价值［10］；詹森（Janssen M）等学者认为，应该从如何发挥数字政府基础设置的价值最大化入手，同时将政策的制定与基建设施相结合，来提高复杂系统的自适应性，尽最大可能排除人为的主观因素对数字政府建设所带来的负面影响，提高数字政府的工作效率。 第二，使用相关工具进行分析。 数字政府的效率越高，公民的接受意愿则越强［11］。 为此，维森普奇（Sipior JC）等采用技术接受模型（Technology Acceptance Model），通过问卷调查的方式，来对社区居民进行调查，发现感知访问障碍、感知易用性、教育水平以及就业状况等影响显著，其他因素没有如此显著的影响，并结合分析所得资料提出了相关建议［12］；詹森等学者认为应该提高可信度在数字政府研究方面的重视程度， 为此通过采集20 个相关变量，利用解释性结构来进行建模分析变量之间的相关关系［13］；贾西姆丁（Jasimuddin SM）为了确定哪些因素能够对数字政府的采用过程产生影响，将感知易用性以及社会影响等六个因素纳入PLS-SEM 方法中，进而帮助数字政府技术的开发者和使用者确定其中的关键因素有哪些，从而更好地提升数字政府的用户体验［14］。第三，基于案例进行分析。露娜·雷耶斯（Luna-Reyes LF）等学者从墨西哥联邦政府的案例出发，探讨了如何从制度和组织的角度来降低机构之间合作的障碍与难度，从而实现组织之间的集成［15］；卡伦（Cullen R）通过对新西兰和日本民众的访谈认为，确保信息的安全性和隐私性是数字政府使用过程中民众较为关注的问题，并指出政府应该在政策制定过程中予以关注［16］。

综上可以发现，虽然国内外相关学者都非常重视对数字政府具体案例的分析，但仅仅是对案例本身进行研究或经验总结；部分学者采用定量的手段对涉及的因素进行独立分析，但仍是从案例的角度出发；而从因素分析角度出发，对不同原因变量组合作用路径的相关研究是较少的。

因此，本文从因素分析的视角切入，研究哪些因素的变化会对数字政府治理水平产生正向或者反向的影响，不同因素的变化幅度对数字政府治理水平的影响程度如何，进而尝试探索出较为合适的路径以期促进数字政府治理水平的提升。

二、研究方法与数据处理

由于本文旨在探索出较为合理的因素组合以及具体某些因素对数字政府治理水平提升的影响程度，所以本次研究主要采用QCA 和系统动力学方法结合起来完成。

（一）研究方法

QCA 方法，即定性比较分析法，是查尔斯·C.拉金在1987 年提出的一种研究方法［17］。 该方法将集合的思想与布尔代数的思想结合起来，以案例作为研究导向，通过对不同条件变量组合情况下的不同案例结果进行比较，得出若干变量（因素）与不同因果（案例）之间的关系。 采用QCA 方法，进行合理的赋值是关键［18］。 就本次研究而言，按照不同省级行政单位的排名进行不同的赋值，从而获取在提升数字政府治理水平上发挥主要作用的因素。

系统动力学是研究信息反馈之间的学科，遵从“凡是系统必有结构，系统结构决定系统功能”的特点［19］，在不囿于具体数值的前提下，分析系统内不同因素在不同状态下是如何影响系统结果以及系统结果是如何与各个要素进行相互之间反馈的。 在前述识别出主要因素的基础上，明确各个因素在何种状态下能够对数字政府的治理水平造成多大的影响。

（二）数据处理

1.数据获取

为了使得获得的数据更加全面、准确以及合理，本次研究选取由清华大学数据治理研究中心于2020 年10 月发布的《2020 数字政府发展指数报告》［20］（以下简称《报告》）中对不包含香港、澳门以及台湾地区的31 个省级行政区划单位的排名作为QCA 分析的结果变量。该中心是国内首家专业化的数字治理研究机构，同时《报告》也得到了多项国家基金的资助以及多家业内高科技数字龙头企业的参与，保证了数据的科学性、权威性和准确性。

2.数据处理

一是结果变量的编码。 由于《报告》中把31 个省级行政区划单位按照梯度划分为6 类，结合本次研究的实际需要以及QCA 方法发展的稳健程度和成熟程度，拟采用清晰集定性比较分析的方法来进行研究。 由于QCA 中把每一个省份看成一个案例，因此本次实验共计包含31 个案例，即case1～case31。 结合前人的研究情况［21］，按照学术界普遍遵循的“二八定律”对所有案例进行划分，即前20%的省份在数字政府的建设中发挥主要作用，将排名在前20%的省份结果变量赋值为“1”，其余省份的结果变量赋值为“0”，编号Q1。

二是原因变量的编码。 关于影响数字政府治理水平的因素，不同学者有着不同的研究。 范梓腾认为，经济发展水平和地理位置会对不同地区的数字政府建设产生影响［22］；蔡聪裕等认为，网络匿名、数据主体是否多元、政府是否重视等原因会影响数字政府的建设［23］；张红彬等提出，信息技术水平越高、信息生产力越强、制度越是健全的地区，其数字政府建设水平越高［24］。罗德里格斯-海维亚（Rodriguez-Hevia LF）等认为，人口密度和社会因素会对该地数字政府的建设产生影响［25］；明州（Myeong S）等［26］提出，民众对政府的信任程度、信息技术的水平、组织和利益者之间的相关关系等都是影响数字政府建设的主要因素。 基于上述分析，结合实际情况和研究目的，将以下因素列为本次研究的原因变量，其编码方式如表1 所示。

表1 原因变量及其编码方式

三是构建二分真值表。 由于本次研究首先使用csQCA 的方法进行研究，而进行二分真值表的构建是继续相关研究的基础，所以构建二分真值表的部分如表2 所示。 其中，每一个case代表一个省份，Y1 到Y5 为表2 中提及的原因变量，Q1 为结果变量。

表2 二分真值表（部分）

将上述二分真值表的数据导入Tosmana 软件中进行可视化展现，所得图谱如下图1 所示。图1 中，浅色区域代表结果变量为0 的案例；深色区域代表结果变量为1 的区域；白色区域为“逻辑余项”，即在理论上应该存在，但是在本次实验中没有出现的情况；而斜线区域即“矛盾组态”，共计包含4 种情况。

图1 真值表可视化图谱

三、数据分析

首先采用定性比较分析法，分别分析不同原因变量的组合对数字政府治理水平的影响；然后在系统动力学模型环境下根据组合结果进行仿真模拟，从而进一步明确出各个因素在不同幅度变化的情况下对数字政府治理水平变化的影响， 最终寻求到提升数字政府治理水平的路径。

（一）采用定性比较分析法进行数据分析

1.结果变量为1 的分析

在Tosmana 软件中，对结果变量为1 的组态进行布尔最小化操作。由于“逻辑余项”既有可能导致结果变量为1，也有可能导致结果变量为0，所以首先将其纳入结果变量为1 的情况下进行分析。

经过布尔最小化，可以得到由如下三条途径能够导致结果变量为1：

（1） Y1{1} * Y2{1} * Y4{1} * Y5{0}

（2） Y1{1} * Y2{0} * Y3{0} * Y4{1} * Y5{1}

（3） Y1{1} * Y2{1} * Y3{1} * Y4{0} * Y5{1}

其中路径1 对应case4 和case5，路径2 对应case2，路径3 对应case3。

case4 和case5 对应的地区是广东省和四川省。 二者都是在我国国内地区生产总值排名较为靠前的省份。 通过对比发现，在路径1 的两个案例中，仅仅是Y3 的赋值不同，但是并未影响最后的结果变量。 而根据第六次人口普查的数据来看，广东省的Y3 变量数值比四川省的高出将近三十万。 虽然人才在数字政府的提升和发展过程中能够发挥巨大的作用［27］，但是通过在各省数字政府网站尽可能全面、准确以及具体地提供翔实的数据，加强“政民互动”的建设，善于讷言敏行，积极听取群众百姓对于数字政府建设的意见和改进措施，同时借助于经济发达地区所具有的在政策、资金以及其他方面的优势的情况下，能够尽可能地消除由于人才数量上的差距所带来的不利影响。

case2 所对应的地区是浙江省。 浙江省位于我国东部沿海地区，独特的区位优势使得浙江省在国内地区生产总值排名上占据较为靠前的位置。 同时浙江作为国家信息经济的示范区，也在大力推广“数字一号”工程。 在已有大数据平台上尽可能全面、准确地公布所掌握的数据，同时在网站提供针对已有海量数据的二次开发接口，促进对已有数据价值进行挖掘和深度利用［28］。 政策上的全面准确和经济上的重要支撑使得浙江省的数字政府建设和治理阶段从“重点突破”迈向“深度发展”，并积极推进数字政府公共服务一体化。

case3 所对应的是地区是北京市。 虽然北京市在2020 年国内生产总值排名第13 位，但是凭借Y1、Y2、Y3 以及Y5 原因变量， 仍然使得其数字政府治理水平得到了提高。 由此可以看出，在能提供全面准确的海量数据的基础上，积极进行“政民互动”，保持本地区在人才数量上的优势，在网站上能够及时获取已有数据并进行二次开发接口的前提下，会极大促进本地数字政府的治理水平提高。

2.结果变量为0 的分析

按照上述操作步骤，在纳入“逻辑余项”的情况下，进行布尔最小化操作，可以得到有如下5 条路径均能导致结果变量为0：

（1） Y3{0} * Y4{0} * Y5{0}

（2） Y1{0} * Y3{0} * Y4{0}

（3） Y2{0} * Y3{0} * Y4{0}

（4） Y1{0} * Y2{0} * Y4{0} * Y5{0}

（5） Y1{0} * Y2{1} * Y3{1} * Y4{1} * Y5{0}

上述5 条路径可以分成如下几个情况分别讨论：

第1 条、第2 条、第3 条路径所对应的是区位优势不明显、中西部等经济欠发达、人才外流严重的地区，如新疆、青海等。 从地方经济要素来看，经济发展水平越高，会进一步促进当地互联网的普及率的提升，同时也能够对地方工作人员的教育水平和素养等软实力起到促进作用［29］，而且经济发展水平也是吸引不同层次专业技术人员来当地就业、发展的一个重要因素。经济的欠发达以及人才的短缺，从“软件”和“硬件”两个角度对当地的数字政府建设水平产生了严重的制约，阻碍了治理水平的提升。

第4 条、第5 条路径针对的是提供数据内容的全面性欠佳且未提供二次开发接口的地区，如甘肃、云南等省份。 黄璜认为，数字资源的丰富与否，能够直接影响到公众对于政府信息的获取和使用，进而对政府政策的执行效果产生影响，妨碍政府、公众以及其他数据利用方之间的信息交流和传递，产生新的“数据壁垒”或者是“数据烟囱”［30］。 而且，全面、准确提供完整的数据资源也是促使政府提高“数字能力”建设的一种重要手段。 通过在网站提供“二次开发接口”，将具体的细节封装起来，使得对相同数据有不同需求的组织或者个人能根据自身需要进行数据的开发和利用，从而达到深挖、盘活数据价值的目的。

通过使用QCA 进行分析可以发现：高质量的数据共享建设、积极进行“政民互动”、保持一定程度的人才数量以及提升本地区的经济发展水平等各个因素综合起来会对省级行政区域的数字政府治理水平产生重要的影响。 但是不同因素的变化幅度能在多大程度上对数字政府的治理水平产生作用仍不得而知，所以需要从系统动力学的角度出发，进一步构造相关模型进行仿真模拟。

（二）基于系统动力学的分析

系统动力学方法是建立在非线性动力学基础与反馈控制理论上的一种设计方法。 使用系统动力学分析，其优点为不囿于具体某个因素的数值是多少，更重要的是关心其中某个因素在某种状态环境下改变的幅度，通过整个系统的作用，最后对结果造成的影响走向以及幅度进行分析。因此，在结合前述“+”表示反馈回路中卫正向反馈，彼此之间前后是正向影响。即数据来源越广泛，会使得数据的易获得性更强。 识别出来的部分关键因素的基础上进行归纳总结，对相关案例、文献进行分析，与领域内的相关学者进行交流，进一步细化各个二级影响因素，如表3 所示，并构建出相应的因果关系图，如图2 所示。

表3 涉及的影响因素

在图2 所示的因果关系图中，包含如下两个正反馈循环：

正反馈1：数据源来源广泛→+数据易获得→+数据的搜集能力→+数据源来源广泛；

该正反馈1 的含义是：广泛的数据来源使得数据的易获得性更强，同时也提升了数据的搜集能力，而数据搜集能力的提升也会促使发现越来越多的可用数据源，进而获得更多的数据；

正反馈2： 数据种类多→+数据质量高→+人才数量→+地区经济生产总值→+信息获取机制→+数据的利用能力→+地区经济增速→+数据种类多；

该正反馈2 的含义是：数据种类越多，会在一定程度上对数据的质量起到推动作用，而高质量的数据也需要相关领域的人才来进行技术分析， 推动人才数量的增多， 同时也对地区经济生产总值的上升起到了促进作用， 经济总量越高的地区， 其信息获取的机制较之于其他省份也较为健全，所以数据的利用能力也越强，进一步提升了地区经济增速，并产生了更多种类的数据。

1.构建系统流图

根据因果关系图（图2），构建数字政府治理水平提升路径的系统流图，如图3 所示。

图2 因果关系图

2.主要方程设计说明

不同行政区域的数字政府治理水平有着显著的差异，在实际操作过程中，短时间内较难通过调查问卷等方式来获取全部的相关数据。 而根据系统动力学重视因素状态变化的特点，结合相关学者的研究，对图3 中涉及的多个因素进行反复测试并修正，直至达到与理论预想较为符合的研究结果［31］。 模型中共计包含24 个方程，部分设计说明如下：

图3 系统流图

E1：人才数量=（各类人才的比例+合理的人才培养体系+数据质量高+政民互动频繁）/数据易获得；人才数量从两个方面考虑，既要考虑控制比例与制定恰当的人才培养方案和体系；还要充分考虑社会对人才的需求，高质量的数据以及频繁的政民互动需要适量的人才来进行处理。

E2：促进=定期主动发布相关数据*1.5；

E3：信息获取机制=(地区经济生产总值+各个部门的协同机制+促进)*0.08；一般而言，经济越发达的省份，其信息获取机制也越完善；

E4：反馈=0.8；

E5：各个部门的协同体制=10；

E6：各类人才的比例=合理的人才培养体系*2；

E7：合理的二次开发接口=1.1*Time；

E8：合理的人才培养体系=合理的二次开发接口* 领导的重视程度；

E9：地区经济增速=数据的利用能力* 合理的人才培养体系*Time*0.2；

E10：地区经济生产总值=人才数量* 数据源不受限制；

E11：定期主动发布相关数据=3；

E12：政民互动界面简洁易操作=部门健全*2；

E13：政民互动频繁=数据质量高*0.2*IF THEN ELSE(数据的存储能力=3, 4.5 ,IF THEN ELSE(数据的存储能力>3, INTEGER(数据的存储能力), 0.5))*IF THEN ELSE(各个部门的协同机制=10, 10 , IF THEN ELSE(各个部门的协同机制>10, 12, 8) )；频繁的政民互动，既依赖于良好的数据存储能力，也同健全的部门协调机制有关；

E14：数字政府治理水平=促进* 反馈* 数据的搜集能力*IF THEN ELSE（数据的存储能力=3，3，（IF THEN ELSE(数据的存储能力>3, 4.8 , 0.5）））*IF THEN ELSE（各个部门的协同机制=10, 10 , IF THEN ELSE（各个部门的协同机制>10，20，5））；

E15：数据易获得=数据源来源广泛*2；

E16：数据源不受限制=政民互动界面简洁易操作*2；

E17：数据源来源广泛=(数据的搜集能力+数据源不受限制)*0.2；

E18：数据的利用能力=DELAY1I（（信息获取机制* 数据的存储能力）/（反馈+数字政府治理水平）*2，1，0）；将数据进行有效的理由不是一蹴而就的，因此采用延迟函数，从零开始，且延迟1 个单位；

E19：数据的存储能力=3* 数据的搜集能力；

E20：数据的搜集能力=数据易获得*5，设定初始值=10；

E21：数据的种类多=(各类人才的比例+地区经济增速)*0.05；

E22：数据的质量高=SMOOTH(数据种类多, 2 )；设定初始值=1；

E23：部门健全=数据的搜集能力/2；

E24：领导的重视程度=1.1*Time。

3.模型检测

在Vensim PLE 3.7.5 平台中进行模型检测，是开展后续仿真分析与灵敏度分析的必要条件。设定Initial Time=0，Final Time=24，Time Step=1，Units For Time=Month，Integration Type=Eular。然后进行Check Model，该平台显示“Model Is OK”，说明前期构建的模型通过检验，可以继续后续相关的分析工作。

4.模型的仿真模拟分析

在既定参数下，通过对系统分析，“政民互动频繁”“合理的人才培养体系”“地区经济生产总值”与“数字政府治理水平”的动态变化如图4 所示。

（1）随着时间的推移，政民互动的频繁程度越来越高，在第10 个月左右的时候开始呈现出快速增长的态势。 由于政民互动是一个缓慢且长期的过程，从刚开始的不熟悉到逐渐熟悉这一过程需要长时间的积累，因此呈现出增速由快到慢的趋势。

（2）而构建一个合理的人才培养体系也需要进行长时间的积累。 结合本模型来看，首先，需要人才比例的合理，技能型人才和研发型人才合理配置；其次，需要本地区拥有较强的经济实力和较大的经济增长潜力，才能够吸引足够多的人才来本地区就业创业；再次，重视在实际工作中的需求带来的人才培养导向，最终才能实现一个较为合理的人才培养体系的构建。 所以结合图4 来看，人才培养体系的构建也是一个缓慢的过程。

图4 数字政府治理水平仿真模拟变化图

（3）地区经济生产总值是对数字政府治理水平产生重要影响的因素之一。 结合之前相关学者的研究以及前述分析来看，地区经济生产总值越是发达的区域，越能够对本地区数字政府治理水平产生正向的促进影响。 出色的经济发展水平能够使得地方在数字政府领域投入大量的资金，并在雄厚的经济基础上坚持民众的问题导向，让数字多跑路，推动政府更好地感知民众的需求，并最终实现数字政府治理的健康发展。

（4）数字政府治理水平在本次模拟时间范围内的前20 个月基本没有明显的变化。第21 个月开始，逐步呈现出上升的趋势，并且上升的速度越来越快。 数字政府治理水平的提高受多方面影响，领导重视、经济水平、人才支撑、部门体制机制建设等都是重要的影响因素。因此，只有在经历了长时间的磨合熟悉之后，才能在较短的时间内达到数字政府治理水平的快速提升。

5.模型的灵敏度分析

进行系统动力学分析，其中一个重要的作用即通过对某些参数的改变来观察对最后结果所造成的影响。 基于前文所述数字政府治理水平涉及的因素以及所构造的因果关系图、系统流图等内容的分析，拟对“各个部门的协同体制”“定期发布相关数据”“反馈”来进行灵敏度测试，以期找到合理的提升数字政府治理水平的路径。

一是“各个部门的协同体制”的灵敏度分析。 提高数字政府的治理水平需要多个政府部门之间的协同合作，单靠某个政府部门无法完成，容易出现“数据壁垒”的现象。 现将“各个部门的协同体制”进行调整，分别为current0（5）、current1（10）与current2（15），即以目前数据为基准，分别上下浮动50%来测试其对“数字政府治理水平”的灵敏度，所得结果如图5 所示。

图5 中，三条线分别代表current0、current1 和current2。 从图中可以看出，当模拟时间（横轴）达到第24 个月的时候，蓝色折线数值最高，其次为绿色折线，最低的为红色折线，说明随着各个部门之间协同体制程度逐渐加深，其效果呈现出先下降再上升的态势。 从变化速率来看，增大各个部门之间的协同程度确实能够较大幅度地提高数字政府的治理水平。 但是部门之间的协同体制对数字政府的治理水平影响是漫长且潜在的，在初期需要不同部门之间的尝试、探索，从而确定最恰当的部门之间的协作方式，因此难免出现数字政府的治理水平呈现短暂的下降态势。 而且目前由于我国各政府部门掌握的数据难以产生横向之间的交流，多在同一个体系，同一个系统下进行纵向共享，部门与部门之间的“数据壁垒”现象较为严重。 同时各个政府部门从自身部门发展的角度出发，也没有较强的主动提供自己部门数据的意愿，因此需要进行部门之间的协调、磨合和探索，这些都需要较长的时间段来完成。 第22 个月的时候，前期部门之间的磨合已经较为成熟， 探索出一个协调部门或者协调机制来平衡各方的利益，从而促使整个数字政府的治理水平能够快速上升。

图5 “各个部门的协同体制”灵敏度变化情况

二是“定期发布相关数据”的灵敏度分析。在Vensim 平台中对“定期发布相关数据”的数值进行调整，分别为current0（1）、current1（3）和current2（5），观察在不同情况下“定期发布相关数据”对“数字政府治理水平”的影响程度，如图6 所示。

图6 “定期发布相关数据”灵敏度变化情况

从图6 中可以看出，当横轴时间为第24 个月的时候，随着“定期发布相关数据”的数值越高，对应的纵轴数值也越大，说明地方政府定期发布相关数据对数字政府的治理水平提升起到正向的促进作用，且增长幅度越来越大。 但是“定期发布相关数据”对数字政府治理水平的影响也是长期且缓慢的。 从图中可以看出，在前22 个月的时间内没有显著影响，一方面说明从“数据”转化到实际的治理水平提升需要政府、社会、公众甚至企业等多方面共同协作，目前而言，政府主要是进行数据的发布工作，仅有少数政府机构在其网站上推出了二次开发或者调用数据的接口，但是大部分的政府机构只是单纯地进行数据的公开和发布，至于数据发布之后能否真正发挥出其应有的价值，能否真正实现数字政府治理水平的提升并未考虑，同时由于不同部门对于数据的搜集执行的标准各不相同，也给后续进行数据价值的相关挖掘和分析带来潜在的障碍；另一方面，面对海量的数据信息突然被公布出来，公众也难免会显得无所适从，如何甄别发现自己需要的正确的数据成为公众需要解决的问题，而目前这些问题的解决都需要付出较高的时间成本。 而从第22 个月以后，前期进行主动的数据发布所带来的问题基本已经解决，公众也可以较为方便地从海量数据中找到对自己有用的信息，让“定期发布相关数据”成为提高数字政府治理水平的推动力。

三是“反馈”的灵敏度分析。 合理恰当地进行效果反馈，能够更好地帮助地方政府在采用数字政府治理过程中发现自身缺点和不足，从而促进数字政府治理水平的提高与改善。 结合本次研究的实际情况，对“反馈”的赋值进行修改，以观察其对于“数字政府治理水平”的影响效果。 将 “反馈” 的赋值设定为0.4、0.8 和1.2， 即在目前的情况下， 分别上下浮动50%，在Vensim 中查看“数字政府治理水平”的变化情况，如图7 所示。

图7 中，蓝色折线、红色折线和绿色折线分别代表“反馈”赋值为1.2、0.8 和0.4 时的状态。 从图中可以看出，当实验时间段处于0 至22 个月之间的时候，“反馈”的数值还无法对“数字政府治理水平”产生影响。 这是由于对前期数字政府治理水平的反馈是一个长期的过程，需要不同部门的共同努力才能够获得合适的治理效果，且数字政府是一个多层次、综合治理的体系，从政府到部门再到辖区和个人，既有纵向之间的相互影响，又有横向之间的相互作用，形成了横纵交织的网状结构，这些都不是一蹴而就的。 而且从“反馈”涉及的对象来看，既包括普通公众对于数字政府措施、内容的反馈，也包括政府内部涉及的部门、机构等对于出台的措施和意见的反馈。 公众的反馈内容是否合理，合理的反馈应该如何应对，不合理的反馈应该如何解释，合理的反馈内容应该如何落实以进一步优化数字政府治理水平和办事流程等，这些都是需要政府内部相关部门、机构和工作人员考虑的。 而内部工作人员在数字政府实施过程中也有可能主动发现问题，进而直接反馈给相应的部门或者机构，从而提早将可能出现的问题消弭在萌芽状态， 这些内容都需要相当长的时间来完成。 当实验时间达到第22 个月的时候，“反馈”对于数字政府治理水平提升的效果开始显现，前期发现的问题基本都进行了妥善的处理，并且对部分内容、流程等进行了优化，最后在第24 个月的时候就越能够促使数字政府的治理水平达到更高的高度，并且“反馈”值越高，增速越快。 说明合理、恰当与正确的反馈能够对提升数字政府的治理水平起到正向的推动作用。

图7 “反馈”的灵敏度变化图

四、结论

大数据时代的到来，人工智能技术、物联网技术以及区块链技术的应用对政府治理体系和政府治理能力提出了新的挑战。 所以数字政府治理水平的提升，既是符合时代发展变迁的变革之举，也是数字中国建设的重要体现。 本文通过对《2020 数字政府发展指数报告》中对省级行政机构排名的分析，结合QCA 和系统动力学方法，尝试探索出提升数字政府治理水平的路径。

第一，通过提升反馈程度来加强政民之间的互动，进而提升数字政府治理水平。 数字政府不是单纯各个部门的组合， 而是一个能接受内外部反馈并对反馈做出有效且正确反应的整体。 因此，积极践行数字政府的相关治理理念，建立良好的政府和公众之间的互动关系，拓宽二者之间的互动渠道，增加二者之间的互动频率，使公众能够正确、快速地反映自己的意见并得到正确的回馈，增加公众在数字政府治理过程中的参与感，促进公共服务的“泛在化”。 同时在保持政府主导作用的前提下，吸纳公众作为数字政府治理主体之一，从而更好地促进数字政府治理水平的提升［32］。

第二，积极进行高强度、高质量的政府数据的公开。 传统政府依靠“经验治理”，政府的决策依靠小数据与人的主观经验而进行。 而在数字空间内，信息资源是共享的泛在状态，传统政府对于信息资源的垄断地位消失，公众可以生产与获取的信息量越来越大，政府不再能够仅依靠主观经验就对于地方治理问题与场景进行精确的理解与判断。 地方政府能否精准施政的关键就在于政府是否具有较强的数据汇聚与利用能力，提升“数字空间”政府治理效能的核心就是提高政府对数据收集、整理、公开与运用的能力。 如果政府对自身所掌握的数据共享意愿较低，或者是仅仅对数据进行简单的汇总公布，不能真正地将“数据”运用到“治理”上来，那么进行有效的“数字政府”治理就是一句空谈。 数字空间政府的治理方式只有从依赖主观经验向依赖采集于多源异构的大数据样本转变，才能使政府决策由主观走向科学，更好地发挥数字技术对治理水平的赋能作用。

第三，加大顶层设计的力度。 目前，我国尚无明确的从国家层面出发、进行相关数字政府治理工作的机构，各省（自治区、直辖市）均是从自身的角度出发来自主进行本地区数字政府建设和治理工作，而由于不同省份所面临的实际情况各不相同，数字政府治理水平参差不齐难免会影响整体的数字政府治理水平，进而影响我国政府形态的转变，阻碍我国治理体系和治理能力现代化的发展。 在政府数字化转型的背景下，地方政府间的治理鸿沟本质上是各地政府间治理效能的不平衡，必须以“标准化”为重要抓手，努力实现公共服务动态均等化、大众化。 因此，急需明确建立一个从上而下的数字政府治理体系，理顺涉及数字政府治理各个部门之间的关系，从中央到省（自治区、直辖市）再到地方，省级行政区域之间、同一省级行政区域内的地级市之间也可以建立横向的数字政府治理之间的相互协作联系，最终形成横向和纵向相互交织的数字政府治理网络。

第四，对于经济欠发达的省份，要采取多种措施吸引和数字政府治理相关的人才。 可以在政策或者其他方面向高质量的人才倾斜，从而吸引他们加入本地区的数字政府治理工作，特别是需要注重涉及人工智能、区块链、智能算法的高端人才，解决数字政府治理水平由于“人才瓶颈”而出现的卡脖子问题，构建“人才数量”“数字政府治理”和“经济发展”三者之间的良性互动。

本次研究存在的不足之处主要在于QCA 分类的标准细粒度还能够进一步加强，可以尝试采用fsQCA 的方式，采取更多的标准来进行更加细致的划分，从而得到更加具体的结论；同时系统动力学方程的设计还可以进行更加合理的借鉴，使得方程与现实的贴合度更强，后续可以在补充实地调研的前提下继续进行相关研究，争取使得研究结论更加具体，探索出的路径更加合理。