政府數據治理機構何以提升城市韌性
——基于組建方式與隸屬關系的實證分析

李智超,張迎新

(1.上海交通大學 國際與公共事務學院/應急管理學院,上海 200030;2.中國人民大學 公共管理學院,北京 100872)

一、引 言

由于現代城市具有人口規模大、空間密度高、運轉速率快等特質,城市治理長期以來處于高度不確定性的環境之中,面臨著傳統風險與非傳統風險同頻共振、交互疊加的復雜態勢。為實現從“完全不確定性”向“有限不確定性”,再向“概率化確定性”的過渡與轉變,[1]“城市韌性”的概念應運而生。作為現代城市風險治理的新思路,城市韌性源于韌性理論中“演進韌性”的提出與發展,是將韌性理論應用于城市治理情境之中的產物。城市韌性將城市視為一個由多元要素有機構成高度耦合的生命體,主張通過對城市的全周期管理,提升城市在受風險沖擊時的抗逆力與風險沖擊后的恢復力,從而降低城市的脆弱性。隨著我國應急管理工作的關口前移與重心下移,在城市治理中如何提升城市系統的承災能力和恢復能力,成為亟需回應的重大理論與現實問題。

城市韌性所蘊含的理論與現實價值催生了一系列研究,綜合而言,形成了以下兩條脈絡。第一,城市韌性的測度評價與現狀描述。城市韌性評估將韌性視為城市系統所固有的抗擾、恢復、適應能力,[2]采用構建評價指標體系的方式,將城市系統區分為經濟、社會、物理、生態、制度多個子系統,在此基礎上測度各子系統的韌性,以實現對城市整體韌性的刻畫[3-4]。第二,城市韌性的影響因素與提升路徑。相關經驗研究發現:智慧城市建設所產生的技術效應和結構效應[5]、政府協同管理所增強的災害抵御能力[6],以及人口集聚所塑造的人力資本和環境壓力[7]等,都有助于城市韌性的提升。在各類因素中,行政能力與信息科技影響最大,其次是經濟基礎和對外開放,金融和社會方面的影響則相對較小。[8]然而,相關經驗研究不僅較為分散,對政府組織的作用機制缺乏關注,而且政府要素如何對城市韌性產生影響尚待深入研究。

政府作為城市治理的核心主體,是城市韌性建設的重要推動者,其治理能力直接影響著城市韌性。數字時代的開啟使得傳統城市治理所采用的“人海戰術”日漸失靈,難以適應現代城市治理的要求。[9]但是機遇往往蘊含于挑戰之中,數字革命催生了政府治理的數字化轉型,并誕生了數據治理這一新型公共治理模式,為提升政府治理能力、解決政府治理頑疾提供了重要機會。[10]然而,政府各部門之間信息孤島與業務壁壘的廣泛存在,限制了數據治理能力的提升。近年來,為形成強有力的跨部門協調機制,政府圍繞機構改革進行了一系列探索,如高層領導牽頭的大數據治理委員會與政府部門的首席數據官制度。[11]隨著數據治理實踐的深入開展,組建高度整合的數據治理機構,統籌推進數據治理業務,成為地方政府的廣泛共識。數據治理機構作為數據治理體系的核心組織,承擔著推進數據匯聚、共享、開放的使命,在推動跨部門互動上發揮著基礎性作用。[12]數據治理機構的組建將整合分散于各部門的數據治理職權,實現對數據資源的高效配置,通過結構賦權與資源賦能共同提升了政府績效。[13]在大數據為城市風險防范與決策提供技術支撐的過程中,由功能性協同塑造的政府數據治理能力,將為城市韌性的提升提供制度化路徑。

有鑒于此,本文著眼于地方政府這一城市治理中的核心組織與關鍵行動者,將數據治理機構的組建視為地方政府為提升數據治理能力的制度創新,構建了分析框架以探究數據治理機構與城市韌性之間的因果關系,將數據治理機構的組建方式與隸屬關系,視為差異化功能性協同的具體表現,分析數據治理機構所產生的效應及其異質性,進而剖析積極效應產生的作用機制。在具體實證分析上,本文基于我國287個地級及以上城市2010—2020年的面板數據,構建城市韌性評價指標體系,整理政府數據治理機構的相關信息,在確保變量測度科學性的前提下,應用SDID(Staggered Difference in Differences)模型對研究假設進行實證檢驗。本文主要有以下邊際貢獻:第一,在分析框架層面,著眼于政府的功能性合作困境,提出數據治理機構通過職權整合強化數據治理能力,進而提升城市韌性的作用機制,為組織內部的功能性協同提供了實證基礎;第二,在因果推斷層面,利用準自然實驗設計進行了因果識別,借助不同組建方式與隸屬關系所隱含的差異化功能性協同進行了作用機制檢驗,使經驗證據更加充分可靠;第三,在變量測度層面,從城市系統的五個維度構建了較為系統科學的城市韌性評價指標體系,同時綜合考慮主客觀的權重判定,為后續研究提供了可供參考的變量操作化方法。本研究不僅有助于明晰數據治理機構通過功能性協同所塑造的治理效果,而且從職能整合與業務協同的角度為我國城市韌性建設提供了政策啟示。

二、制度背景與研究假設

(一)制度背景

長期以來政府內部缺乏主管數據治理工作的職能部門,這導致政府數據治理能力的提升受限于部門之間目標分歧、協調困難、權責模糊等功能性合作困境,而突破該困境的重要途徑便是協調與整合,構建針對公共數據資源開發利用的整體性政府。[14]數據治理機構實質上是在整體性政府理念指導下的公共治理實踐,基于整合數據治理職權、提升數據治理能力的需求,政府在內部組建數據治理機構,以自上而下的方式授予其數據資源共享匯集與開放利用等“一攬子”的數據治理職權,從而促進政府內部的功能性協同,統籌協調部門間的數據治理業務。數據治理工作是一項系統性工程,理順現有的數據治理體系,并形成權責明確的組織架構和管理體制,是提升政府數據治理能力、釋放數據治理價值的關鍵。[15]

在促進政府內部功能性協同的探索過程中,數據治理機構的政策實踐大致經歷了三個階段。首先,地方探索階段。2015年9月,國務院印發了《促進大數據發展行動綱要》,《綱要》指出我國在大數據發展和應用方面仍然存在缺乏頂層設計和統籌規劃不足等問題,并提出了從組織層面建立大數據發展和應用統籌協調機制,形成職責明晰、協同推進的工作格局。此后,數據治理機構的組建被提上日程,當年便有廣州、成都、蘭州、廈門等9個城市的政府率先組建了數據治理機構。其次,提速建設階段。2018年的第八次機構改革對政府職責體系構建進行了原則性設計,即邏輯層面的“職責歸類”、內容層面的“統籌協同”、結構層面的“府際差異”。[16]這為大數據深入發展背景下數據治理機構的創新擴散提供了契機,數據治理機構的組建得以在全國大范圍鋪開。最后,中央助推階段。2023年3月新一輪的機構改革明確提出組建國家數據局,這是中央關于數字中國建設的重大舉措,標志著經過多年的地方探索,數據治理的行政職能地位已經形成制度共識。這有利于解決數據治理職責多頭管理、交叉分散的問題,促進了數字中國建設的統籌協調。[17]圖1呈現了政府數據治理機構創新擴散的數量化過程。

當前地方政府數據治理機構已經呈現出“多點開花,縱深發展”的態勢。截至2022年底,在我國297個地級及以上城市中,共有245個城市的政府已經組建數據治理機構,占比82.48%。雖然這些數據治理機構具有類似的職能定位,但其機構名稱和組織形態卻差異甚大。首先,機構名稱主要呈現出“區域板塊”的特征(見表1)?？梢园l現,省區內的數據治理機構名稱高度一致,但在省區外則多有不同,這可能是受省區內不同城市政策模仿與臨近效應的影響。其次,組建方式主要呈現出“強力整合”的特征。數據治理機構主要有四種組建方式,重組政府部門(59.18%)占比最高,其他類型如原有部門掛牌(17.14%)、直屬事業單位(11.02%)、部門設立單位①(12.65%)的占比都相對較低。最后,隸屬關系主要呈現出“職能部門”的特征。數據治理機構主要有三種隸屬關系,政府組成部門(75.10%)占比最高,其他類型如政府直屬機構(10.20%)、部門管理機構(14.69%)的占比相對較低。

(二)研究假設

由于部門之間的體制分割與利益固守,使得基于自愿的合作機制難以開展,組建數據治理機構成為破解數據治理功能性合作困境的重要舉措。作為典型的縱向制度安排提升部門間的協作動機[18],并以更高的政治勢能提供部門間的溝通機制,進而強化協作行為,降低協作風險[19]。由此,數據治理機構通過部門間數據治理職權的功能性協同,可以有效提升數據治理能力,而這正是大數據驅動政府治理進而提升城市韌性的重要路徑。[20]

表1 政府數據治理機構名稱

數字時代,基于城市內部的萬物互聯互通,以海量異構與動態實時為特點的大數據得以持續生成與存儲,與統計分析、可視化交互、時空軌跡分析等大數據技術的匹配與融合,使得政府數據治理在城市風險的監測預警、防范準備、事態評估、應急響應等全鏈條城市風險治理過程中,發揮著愈加關鍵的作用,具有傳統治理難以比擬的優勢。[15]可以從三個維度理解數據治理:“對數據治理”,強調政府內部數據的質量、共享、匯集與安全;“用數據治理”,強調政府以數據為基礎提升外部的社會公共事務的治理效果;“數據生態治理”,強調政府對數據治理的政策、法規、文化等制度體系建設。[21]基于此,政府數據治理能力將有效提升城市韌性:第一,“對數據治理”意味著政府可以將分散于政府內外與部門之間的碎片化數據進行共享匯集與統籌管理,推動政務業務流程的優化重組與數據生命周期的規范管理,這不僅將保障數據的安全可控,而且將為有效的數據治理奠定基礎;第二,“用數據治理”意味著政府可以將數據作為治理工具,通過數據分析深入挖掘數據所蘊藏的豐富信息,從數據中形成知識和智能,推動公共安全治理模式由“經驗驅動型”向“事實驅動型”的轉變,從而提升政府的風險決策水平;第三,“數據生態治理”意味著政府可以構建一個公平開放、自由有序的數據生態環境,吸引公眾、市場等多元主體參與到數據治理過程之中,借助多元主體的資源,通過共同生產形成數據開發利用的合力,從而形成服務于城市治理的產品與服務?；诖?本文提出如下假設:

H1:政府數據治理機構能夠提升城市韌性。

雖然各城市政府都組建了具有相似職能定位的數據治理機構,但這些機構所表現出來的差異性則意味著不同程度的組織保障,這將直接關乎政府數據治理能力的強弱,進而影響城市韌性的提升效果。一方面,組建方式不僅反映了政府對數據治理事務的重視程度,還體現了政府設置數據治理職權的制度性安排;[22]另一方面,隸屬關系不僅反映了機構所處的相對行政層級,還隱含了機構與其他職能部門間的關系。上述性質在更深層次上體現了政府為推進數據治理職權整合、破解功能性合作困境所付出的努力和給予的資源保障。數據治理機構的結構設置是否完善、職責分配是否清晰與權責關系是否明確,將直接影響其差異化的部門整合與業務協同能力,由此塑造地方政府不同的數據治理能力[23],進而對城市韌性的提升效果產生深刻影響。

具體而言,一方面,相較于其他組建方式,重組政府部門往往具有較高的行政級別,所牽涉的人員更替、編制流動、權力轉移的程度最深,對部門職權整合的強度最高;另一方面,相較于其他隸屬關系,政府組成部門往往具有更加穩固的行政地位,而且具備較高行政權限與話語權。[24]一般而言,更廣范圍的職權整合更有利于建成統一的數據治理體系,可更大程度降低機構業務協同的掣肘與組織溝通的成本。[15]因此,重組政府部門的組建方式與政府組成部門的隸屬關系,將使得數據治理機構在行政權力與專業化的職能定位方面都具有相對優勢,更能實現政府內部的功能性協同,塑造數據治理能力,進而充分釋放其對城市韌性的積極效應。由此,本文提出如下假設:

H2:政府數據治理機構的不同組建方式會對城市韌性產生異質性效應。相較于其他組建方式,重組政府部門的組建方式可能對城市韌性產生更強的積極效應。

H3:政府數據治理機構的不同隸屬關系會對城市韌性產生異質性效應。相較于其他隸屬關系,政府組成部門的隸屬關系可能對城市韌性產生更強的積極效應。

基于以上假設,本文構建了如下分析框架(見圖2)。

圖2 數據治理機構對城市韌性影響機制的分析框架

三、研究設計

(一)指數測度

城市韌性是由經濟、社會、制度、生態、基礎設施等子系統組成的高度復雜耦合體,強調城市系統在應對風險與災害時所表現出的適應、恢復、學習能力。[25]概念內涵的豐富性與抽象性增加了變量測度的難度,為實現對城市韌性的精細衡量,構建評價指標體系已成為學界廣泛采用的操作化手段。因此,考慮城市韌性的核心內涵,參考既有研究成果[26],基于數據的可獲取性,本文構建了一套城市韌性的綜合評價指標體系(見表2),其中包含經濟韌性、社會韌性、物理韌性、生態韌性、制度韌性共5個一級指標,每個一級指標包括4個二級指標②。該評價指標體系不僅體現了城市韌性內涵的豐富性,通過多維度多層級的指標系統地對變量進行測度,而且廣泛參考了既有研究的指標體系,結合指標內涵進行甄別與取舍,從而試圖構建一個歷時可考、地區可比的指標體系,以呈現城市韌性在不同城市的發展樣貌。

本文采用主觀賦權法與客觀賦權法相結合的綜合賦權法來確定各城市韌性指標的權重,并在此基礎上測度最終的城市韌性指數。首先,根據指標的正負方向,使用不同的算法對其進行歸一化處理,以統一各指標的計量單位,把指標的絕對值轉化為相對值,解決異質指標的同質化問題。其次,主觀賦權使用層次分析法(AHP),客觀賦權使用熵權法(EWM),分別測算出主觀權重與客觀權重。再次,進行等權重加權平均得出綜合權重,以兼顧專家經驗知識的理性判斷與數據信息分布的價值判斷,確保賦權效果。最后,將各指標的歸一化數值分別與對應的綜合權重相乘并進行累加求和,并放大100倍以優化展示效果。城市韌性指數的測度模型(1)如下所示:

(1)

其中,RESit為樣本城市i第t期的城市韌性指數,Wj為指標j(j=1, 2,…,m)的綜合權重,xitj為歸一化處理后的指標值。

(二)模型設定

為明確政府數據治理機構對城市韌性的影響,本文將數據治理機構的組建視為準自然實驗?？紤]到組建過程的多階段性特征選擇SDID,依據城市政府是否組建機構將其劃分為處理組與控制組,通過構造雙重差分估計量,實現對“處理效應”的評估。本文采用雙向固定效應模型對城市與年份固定效應進行控制,從而精確反映被解釋變量在這兩個維度中的變異性,緩解遺漏變量偏誤問題?；鶞?靜態)DID公式如下:

Yit=α0+α1reformit+∑βZ

+ui+λt+εit

(2)

其中,Yit為被解釋變量城市韌性;reformit為解釋變量數據治理機構建設情況,表示因城市而異的處理期虛擬變量,即若i城市政府于第t年組建了數據治理機構,則此后其取值為1,否則為0;Z為一系列控制變量,以排除可能影響城市韌性的因素干擾;ui與λt分別代表城市與年份固定效應,以排除地區固定差異以及時間共同趨勢的干擾;εit為誤差項;系數α1是本文所關注的核心,反映了數據治理機構的組建對城市韌性的效應是否具備統計顯著性。

表2 城市韌性綜合評價指標體系

(三)數據來源與變量選擇

本文基于數據可得性構建了我國287個地級及以上城市③2010—2020年的面板數據。具體而言,有以下三點。第一,解釋變量與調節變量所涉及的政府數據治理機構的數據,主要來源于各城市官網公開信息、百度百科與新聞報道④。第二,被解釋變量與控制變量的城市宏觀層面數據主要來源于《中國城市統計年鑒》《中國城市建設統計年鑒》、Wind數據庫、中經統計城市年度庫、EPS數據平臺以及WorldPop人口密度數據庫⑤,并通過各城市的統計年鑒、各省區統計年鑒、國民經濟與社會發展統計公報等對缺失數據進行查漏補缺。第三,對于非邊緣年份缺失較少的多數變量,采用線性插值的方法對其進行精確填補;對于邊緣年份缺失較多的若干變量,基于既有數據計算出該變量的年平均增長率,并據此對其進行近似估算。

(1)被解釋變量:城市韌性。通過評價指標體系所測算的城市韌性指數進行衡量。

(2)解釋變量:數據治理機構。通過政府數據治理機構的組建與否進行衡量?？紤]到現實中機構的效能釋放過程,根據其不同的組建時間進行差異賦值。某城市若為1—6月組建,從當年起賦值為1;若為7—12月組建,則從下年起賦值為1。

(3)調節變量:機構組建方式主要分為四類,即重組政府部門、原有部門掛牌、直屬事業單位、部門設立單位。機構隸屬關系主要分為三類,即政府組成部門、政府直屬機構、部門管理機構。皆以虛擬變量進行測度。

(4)控制變量:參考既有研究,納入以下變量,盡可能地提升估計精度、降低遺漏變量偏誤。分別為經濟活力,以GDP增長率(%)衡量;金融發展,以金融機構人民幣各項存貸款余額占GDP比重(%)衡量;創新能力,以專利授權數(個,取對數)衡量;對外開放,以人均使用外資金額(元,取對數)衡量;人口密度,以每平方公里常住人口數(人,取對數)衡量;城鎮化水平,以常住人口城鎮化率(%)衡量;對外開放,以人均使用外資金額(元,取對數)衡量;地理狀況,以地形起伏度衡量⑥。鑒于固定效應模型無法有效估計地理狀況這樣的非時變變量,參考埃里森的策略[27],將地理狀況與各年份虛擬變量的交互項(以2010年為基期)納入模型中進行估計。

主要變量的描述統計分析結果,如表3所示。

表3 主要變量描述統計分析結果

四、實證分析

(一)平行趨勢假設檢驗

平行趨勢假設是DID得以正確識別因果效應的前提條件,即處理組個體在未接受處理的狀態下與控制組個體具有相同的時間變動趨勢。由于無法觀察到處理組個體在處理后的反事實結果,本質上平行趨勢假設無法檢驗,但通過事前平行趨勢檢驗間接證明假設滿足往往是一個退而求其次的選擇。[28]因而,本文基于事件研究法(ESA),構建平行趨勢檢驗模型:

+∑βZ+ui+λt+εit

(3)

其中,由于樣本期內數據治理機構的組建時間基本設定為2016—2020年,本文將組建時間虛擬變量分解為組建前10年、組建當年與組建后4年共計15個相對時期。為避免多重共線性,將組建前10年作為估計結果比較的基期。若i城市政府在第t年組建了數據治理機構,第t年就是其機構組建之前或之后的第j年,此時reformitj取值為1,否則取值為0。那么,組建前的θj就意味著處理組與控制組之間的固有差異,若這種差異在各時期內都沒有發生結構性變化,則一定程度上可以認為平行趨勢假設的成立。

根據模型(3)的估計結果,繪制了reformitj系數的時間趨勢圖(見圖3)。圖3中展示了系數的估計值與95%置信區間,橫軸代表了j。在機構組建前,系數雖然呈現了向上的波動,但其95%置信區間幾乎都包含了0,表明在5%的顯著性水平上,處理組與控制組在數據治理機構組建前的固有差異并不明顯,由此平行趨勢假設在一定程度上得到驗證。⑦然而,在機構組建的當年以及后續年份中,系數在5%的顯著性水平上為正,且存在著短期的增長趨勢,這意味著數據治理機構積極效應存在的可能性。但由于模型比較的基期與基準回歸并不一致,因此需要后續更加嚴謹的驗證。

圖3 動態DID檢驗結果

(二)基準DID檢驗

本文采納逐步回歸法的思路,在模型(2)中依次加入控制變量、城市與年份固定效應進行結果估計,從而觀察核心解釋變量數據治理機構系數的穩健性與敏感性?；鶞蔇ID的估計結果如表4所示:第(1)列僅包含解釋變量,第(2)列又納入控制變量,第(3)列與第(4)列又分別納入城市固定效應與年份固定效應,第(5)列則將所有因素都予以納入?？梢园l現:各列中無論模型對干擾因素的控制程度,系數都在1%的水平上顯著為正,且隨著干擾因素的逐漸納入而呈現出逐漸縮小的趨勢,這表明了估計結果具有一定的穩健性。

第(5)列是本文所采納的最終模型。其中數據治理機構的系數為1.216,達到1%的顯著性水平。這意味著在對影響城市韌性的主要因素都進行有效控制后,相比于控制組,處理組的城市韌性提升更多,H1成立。由于城市韌性的均值為35.45,可以推斷數據治理機構對城市韌性的年平均效應約為3.43%。數字時代雖然加劇了城市風險治理困境,但同時也提供了數據治理的發展機遇。在政府數字化轉型的當下,數據治理不僅成為數字政府運行的基礎,而且也成為推動治理體系和治理能力現代化的重要路徑。[29]在“對數據治理”的基礎上,一方面,地方政府可以“用數據治理”,通過大數據手段挖掘城市運行過程中海量數據間的內在關聯,從而精準識別社會公眾的公共安全需求與網格單元的公共安全隱患,促使政府實現基于科學決策的靶向治理。[30]另一方面,地方政府還可以打造“數據生態治理”,即通過建立與完善數據相關制度規則體系,培育數據資源自由流動與開發利用的社會環境,為市場與社會主體開發數據產品與服務保駕護航,從而彌補政府在挖掘數據公共安全價值方面的技術劣勢。[31]綜上,數據治理機構作為地方政府為提升數據治理能力、改善社會治理績效而開展的政策實踐,是城市韌性的重要組織保障。

表4 基準回歸結果

(三)動態DID檢驗

政府機構改革往往是多部門博弈的結果。各地數據治理機構雖然紛紛組建,然而其效能的釋放卻并非簡單的線性過程。數據治理機構的協調工作特性決定了其工作成效依賴于其他部門的密切配合,不同時期部門之間的配合差異,可能導致其對城市韌性的具體效應表現出階段性特征。即數據治理機構組建的效果具有時間維度的異質性,圍繞年平均效應上下波動。數據治理機構在時間維度上治理效果的變化,反映了其對城市韌性的歷年邊際效應。因此,本文構建動態DID模型:

+ui+λt+εit

(4)

其中,由于與基準DID保持一致,即將數據治理機構組建前的時期作為參照,因此只保留了組建當年與組建后的4個年份;θj表示機構組建對城市韌性的動態平均處理效應。

表5展示了動態DID檢驗結果。在機構組建后,當年、后1年與后2年的系數都達到了10%的顯著性水平,分別為1.098、1.222、1.720,然而后3年與后4年的系數則不再顯著。這意味著數據治理機構提升城市韌性的過程具有階段性。具體表現為數據治理機構積極效應的短期性,即雖然在組建前期數據治理機構產生了遞增的效應,并在組建后2年達到最大值,年平均效應約為4.85%,然而在此后兩年數據治理機構的積極效應逐漸減弱。數據治理機構作為一個政府內部相對弱勢的協調部門,其職能履行往往需要其他同級乃至更高級部門的業務配合,這往往會面臨諸多堵點。在此情形下,地方政府對數據治理機構的重視程度就顯得至關重要,政府注意力意味著政策助推與資源傾斜,會影響公共事務的治理成效。[32]數據治理機構的建設成效在很大程度上反映了地方政府對數據治理的重視程度。[33]然而在政府注意力不斷變化的制度環境中,各部門面臨著對政府注意力的策略性競爭[34],城市韌性建設數據治理機構難以始終保持著注意力的競爭優勢。在數據治理機構組建前期,為保障新部門的工作開展,政府可能會對其加以更多的支持;然而隨著時間的推移,治理任務紛繁復雜,政府不得不在各類議題之間調整注意力,這就導致政府注意力的稀釋、耗散、泛化等問題。[35]因此,政府注意力的分配與調整過程塑造了數據治理機構由效能釋放到效能減弱的動態過程,這也反映出目前數據治理機構尚未能形成提升城市韌性的長效機制。

表5 動態DID檢驗結果

(四)調節效應檢驗

雖然數據治理機構與城市韌性之間的因果關系已較為明晰,然而,更重要的問題是,這種因果關系的作用機制究竟為何?即政府內部的功能性協同是否發揮了重要作用?地方政府數據治理機構的組建方式與隸屬關系,都反映了政府為整合數據治理職權、促進功能性協同所提供的組織保障?？梢灶A期,保障程度更高的組建方式與隸屬關系,將強化數據治理機構對城市韌性的積極效應。因此,本文采取調節效應檢驗的思路,[36]構建計量模型:

Yit=δ0+∑δkgroupitk×reformit

+∑βZ+ui+λt+εit

(5)

其中,groupk是數據治理機構的組建方式或隸屬關系,分別對應四類的組建方式虛擬變量與三類的隸屬關系虛擬變量。以組建方式為例,若i城市政府于t年時存在數據治理機構且組建方式為k,則其取值為1,否則為0;δk代表了數據治理機構的不同類型對城市韌性的邊際貢獻。

本文在進行模型估計時,先將數據治理機構的某一類型單獨納入到模型中進行估計,即不存在該類型數據治理機構的城市成為參照組,而后再將各類型同時納入模型中進行估計,即未組建數據治理機構的城市成為參照組。⑧如此,可以對數據治理機構的不同組建方式與隸屬關系形成更為全面的認識,并且可以通過結果對比增強可信度。

首先,就組建方式而言(見表6)。在單獨估計中,僅有重組政府部門的系數達到5%的顯著性水平,這意味著即使是與包含其他組建方式的參照組相比,重組政府部門的積極效應仍然突出。在綜合估計中,重組政府部門與部門設立單位的系數都達到5%的顯著性水平,分別為1.502與1.335。二者的效應都高于數據治理機構的效應(1.216),且重組政府部門的最高,年平均效應約為4.24%,H2成立。這些組建方式差異化的效能表現與其內在性質密不可分:第一,對于“重組政府部門”的組建方式,該類機構所具備的預算、編制與權力優勢將為其后續工作開展提供更多“博弈籌碼”,降低掣肘與協調成本。[15]第二,“原有部門掛牌”的組建方式,雖然可能借力于掛牌機構的既有權力,但是根據掛牌機構不得實體化單獨運行的機構編制原則,必然會受到自身實體機構的影響,可能成為一種形式化的機構設置,從而難以發揮實際作用。[37]第三,對于“直屬事業單位”的組建方式,非行政機關的定位使其并不具備與各職能部門相匹配的行政權力,且由其額外承擔行政職能容易造成政事不分、行政職能體外循環、管理不規范等問題。[22]第四,“部門設立單位”的組建方式,往往設置在政府辦、發改委、網信辦、工信局(委)等優勢部門之下,這使其可以“借勢”,從而一定程度上實現縱向支配下的橫向協調。[12]

表6 組建方式調節效應檢驗結果

其次,就隸屬關系而言(見表7)。在單獨估計中,僅有政府組成部門的系數達到5%的顯著性水平,這意味著即使是與包含其他隸屬關系的參照組相比,政府組成部門的積極效應仍然突出。在綜合估計中,政府組成部門與部門管理機構的系數都達到5%的顯著性水平,分別為1.398與1.342。二者的效應都高于數據治理機構的效應(1.216),且政府組成部門的最高,年平均效應約為3.94%,H3成立。這些隸屬關系差異化的效能表現與其內在性質緊密相關:第一,政府組成部門作為政府內部常規的內設機構,一般與上級政府的組織架構相對應,[38]“職責同構、上下對口”的管理體制形塑了其穩定的權責關系,從而為與其他部門的有效協調提供了必要條件。第二,政府直屬機構雖然也具備一定的專業性、獨立性、權威性,但往往是作為政府組成部門的一個替代選擇而出現[22],其事業單位性質局限了數據治理的協調統籌能力。第三,部門管理機構雖然僅隸屬于政府的職能部門之下,然而這實際上也是考慮到了強勢部門所具有的統籌協調優勢。如果二者磨合順利,則可借力于強勢部門的資源,服務于任務開展的高位推動。[12]

最后,無論是重組政府部門的組建方式還是政府組成部門的隸屬關系,實質上二者都存在著高度重疊。以2022年已經組建數據治理機構的245個城市政府為例,組建方式為重組政府部門的有145個,隸屬關系為政府組成部門的有184個,而其中存在交叉的就達到了144個。由此可見,這兩者分別作為組建方式與隸屬關系中功能性協同最高的類型,其性質實際上也高度相似,都是依托于更高程度的組織保障,實現數據治理職權的集中整合,進而提升數據治理能力,強化數據治理機構對城市韌性的積極效應。也正是如此,這兩者所產生的積極效應都高于數據治理機構的平均效應,表現出高度的一致性,這為本文關于數據治理機構提升城市韌性的作用機制提供了較為有力的經驗證據支持。⑨縱觀國家歷次機構改革,政府數據治理機構經歷了以事業單位為主到以行政單位為主、從隸屬關系多元化到以政府組成部門或部門管理機構為主的轉換過程[39],這體現了政府對數據治理職能的認知深化。數據治理現實需求客觀上需要綜合性、專業性的數據治理機構。而由于數據治理工作的跨部門協調特征,必須盡可能地通過組織保障,賦予其較高的統籌協調能力[40],從而充分發揮數據治理對公共事務治理的賦能效果。

表7 隸屬關系調節效應檢驗結果

五、穩健性檢驗

(一)替換被解釋變量

考慮到城市韌性評價指標體系的權重判定方式可能存在主觀性問題,將影響城市韌性測度結果的有效性,進而導致基準DID的估計結果產生波動,本文嘗試替換被解釋變量,分別使用熵權法、層次分析法、均權法⑩與因子分析對評價指標體系的權重進行判定,并測度出相應的城市韌性指數。表8展示了替換被解釋變量的估計結果。無論采用何種方法進行城市韌性指數的測度,數據治理機構的系數仍然顯著為正。這表明本文選擇綜合賦權法進行城市韌性的測度是合理的,DID估計結果對城市韌性測度方法的變化并不敏感。

表8 替換被解釋變量估計結果

(二)排除干擾性政策

考慮到在數據治理機構釋放效能的過程中還伴隨著其他政策的實施,這些政策不僅可能與數據治理機構的組建發生于同一城市,而且還可能對城市韌性產生影響,由此將導致基準DID的估計結果并非是一個凈效應。本文嘗試排除干擾性政策,即通過構造新的雙重差分估計量來對各試點政策進行測度,從而將這些政策的影響從基準DID模型中予以剔除。這些政策主要有三項。第一,智慧城市。我國于2012年正式啟動智慧城市試點政策,并于2013年與2015年分別增加了新一批試點城市。智慧城市依托數字技術的整合協同功能,以創新驅動城市整體結構發生變革,進而可能提升城市韌性。[5]第二,海綿城市。我國于2015年正式啟動海綿城市試點政策,并于2016年將其擴充至30個城市。海綿城市依托于國家專項資金補助,聚焦于城市建設中的水生態問題,能提升城市系統的風險防御能力。[41]第三,國家創新型城市。我國于2010年開始在全國范圍內逐漸鋪開國家創新型城市試點,至今已有近70個試點城市。國家創新型城市建設可通過人才集聚和創新產出,對城市韌性產生積極效應。[42]表9展示了排除干擾性政策的估計結果。除海綿城市外,其他“干擾”政策均對城市韌性具有顯著的積極效應。然而即使如此,各列中數據治理機構對城市韌性的效應仍然保持在較高水平。這表明這些政策沖擊雖然使得數據治理機構的效應有所降低,但數據治理機構的積極效應并未因此而明顯下滑或者消失。

表9 排除干擾性政策估計結果

(三)安慰劑檢驗

雖然本文已對主要干擾性政策進行排除,然而,現實中政策的紛繁復雜導致本文無法對其窮盡,多種政策之間錯落重疊的時間更是令所關注的真實效應受到影響。本文應用反事實檢驗的思路,即進行安慰劑檢驗。由于SDID中不同城市具有不同的政策時點,標準DID僅虛構處理組的方式不再適用。因此,本文采用如下方式:先將全樣本按城市分組,并隨機抽取207個城市作為處理組,而后在每個組內分別隨機抽取一個年份作為該組城市的處理時間,如此可實現處理城市與處理時間的雙重隨機性,最后生成虛構核心解釋變量數據治理機構進行DID結果估計。圖4展示了隨機抽取500次的安慰劑檢驗結果,刻畫了虛構變量系數的概率密度與對應的P值,豎線代表基準DID估計結果(1.216),橫線代表10%的顯著性水平。由此可以發現:一方面,虛構效應高度集中于0附近,且P值也高度集中于10%的顯著性水平以上,這表明虛構變量對城市韌性的估計結果不具有統計顯著性;另一方面,基準DID的估計結果也落在小概率區間,與虛構效應的分布存在顯著差異,這表明虛構變量對城市韌性的估計結果難以達到真實變量所在的水平。綜上,虛構變量并未對城市韌性產生顯著影響,這反向驗證了本文結論的可信度,即數據治理機構對城市韌性的積極效應并未受到其他隨機性因素的較大干擾。

圖4 安慰劑檢驗結果

六、結論與討論

大數據時代的城市系統變得愈加復雜,城市災害的級聯效應改變了城市治理中的危機生成模式與風險擴散規律,城市韌性的價值日益凸顯,[43-44]對政府數字治理與韌性治理提出更高的要求。本文著眼于政府組織層面,構建了政府數據治理機構提升城市韌性的分析框架,基于287個地級及以上城市的2010—2020年城市韌性的時空演變過程,應用交錯DID模型分析了兩者之間的因果關系與作用機制。研究發現:第一,數據賦能。數據治理機構能提升城市韌性,靜態維度下,在對影響城市韌性的主要因素進行控制后,數據治理機構的組建對城市韌性的年平均效應為3.43%。第二,短期效應明顯。數據治理機構提升城市韌性的過程具有階段性。動態維度下,數據治理機構的組建在前期產生了積極效應,但在后期積極效應逐漸減弱。第三,協同效應顯著。政府內部的功能性協同是城市韌性得以提升的作用機制。調節維度下,就組建方式而言,重組政府部門的積極效應更強;就隸屬關系而言,政府組成部門的積極效應更強。

以上結論為我國城市韌性的建設提供了以下三方面的政策啟示。首先,數據治理機構作為政府推動數據治理深入發展的組織載體,在城市韌性提升的過程中可以扮演重要角色。在城市治理向“概率性確定”的轉型過程中,綜合化與專業化的數據治理機構可以成為有效的政策抓手與治理工具。其次,目前數據治理機構治理效能的釋放僅具有短期效應,尚未形成提升城市韌性的長效機制。在數據治理機構組建和調整的過程中,政府相關部門需要投入必要的注意力資源。更重要的是,識別新老部門業務磨合過程中所蘊含的難點、堵點,破解傳統碎片化權威的功能整合困境,解決其與既有體制機制的銜接問題,確保機構業務運轉平穩過渡,形成制度化賦能路徑。最后,數據治理機構治理效能的塑造,本質上是部門間功能性協同的結果,城市韌性的提升效果最終取決于功能性協同的程度。鑒于其他組建方式與隸屬關系所實現的功能性協同程度較弱,在條件具備的情況下,應當逐漸將數據治理機構以重組政府部門的方式組建,并調整為政府組成部門的隸屬關系。

作為從政府組織層面分析城市韌性的一項實證研究,本文仍然存在以下局限與不足:第一,對于分析框架。雖然提出了政府數據治理機構借助功能性協同,提升城市韌性的作用機制,但尚未明晰該機制在更為廣泛的治理領域中所發揮的作用。后續研究將圍繞著組織內部的功能性協同,在其他議題中對該機制的治理效果進行檢驗,從而為該機制的完善提供實證基礎。第二,對于因果推斷。雖然借助于調節效應分析,初步識別了數據治理機構提升城市韌性的作用機制,但城市韌性內涵的多維度和復合性,決定了其與數據治理機構之間存在多種可能的因果邏輯。后續研究將針對兩者的作用機制與作用渠道,進行更為深入的理論挖掘并提供更為可靠的經驗證據。第三,對于變量測度。本文基于準自然實驗分析了政府數據治理機構成立與否對城市韌性的影響,但不同城市的數據治理機構的運作情況與績效水平千差萬別。后續研究將構建指標體系,更為精準地刻畫政府數據治理機構的績效樣態,在此基礎上實證分析政府數據治理機構提升城市韌性的實踐邏輯與因果機制。

【注釋】

① 其中部門設立單位主要指部門直屬行政單位或者部門下設事業單位這兩類。

② 為控制貨幣貶值所帶來的影響,保障各年度的二級指標具有可比性,根據歷年各省級行政區的居民消費價格指數(CPI)對所涉及的經濟變量進行平減處理。

③ 在我國目前297個地級及以上城市中,未包含的10個城市為海南省的三沙市、儋州市,西藏藏族自治區的日喀則市、昌都市、林芝市、山南市、那曲市,青海省的海東市,新疆維吾爾自治區的吐魯番市、哈密市。

④ 具體而言,筆者首先通過搜索引擎對某市的數據治理機構進行嘗試性搜索,明確是否能夠獲取相關信息。此類信息一般來源于新聞報道或百度百科,權威性相對有限,且可能缺乏我們所需的部分信息。在此基礎上,通過該市政府門戶網站進行相關關鍵詞的檢索,進一步明確該數據治理機構的組建時間、級別、性質等信息。

⑤ 網址:https:∥hub.worldpop.org/geodata/listing?id=76.

⑥ 參見游珍、封志明、楊艷昭:《中國地形起伏度公里網格數據集》,《全球變化數據倉儲電子雜志(中英文)》2018, https:∥doi.org/10.3974/geodb.2018.03.16.V1.

⑦ 需要指出的是,在組建前1年,系數達到了5%的顯著性水平,這可能與本文對數據治理機構變量的設置方式存在關系?？紤]到機構組建的運作過程,本文將7—12月組建的數據治理機構從下年起賦值為1,如此方式設置下2015年賦值為1的城市僅有4個(沈陽市、廣州市、成都市、蘭州市)。處理組樣本過少可能帶來嚴重的估計偏誤問題,因此也將其統一設定為2016年。

⑧ 兩個參照組的區別是:對前者而言,參照組不僅包含了未組建政府數據治理機構的城市,還包含了那些組建方式或隸屬關系不為該類型的城市;對后者而言,參照組則僅為未組建政府數據治理機構的城市。

⑨ 本文進一步考察了“重組政府部門”和“政府組成部門”兩類數據治理機構的動態效應。結果顯示,雖然其僅在機構組建當年與后一年存在積極效應,然而二者都對城市韌性表現出了更積極的影響?！爸亟M政府部門”和“政府組成部門”兩類數據治理機構在有限時期內所釋放出來的積極效應,仍然明顯高于一般的數據治理機構,展現了功能性協同對提升城市韌性的重要價值。

⑩ 均權法無須調整權重。通過對所有指標權重的均等化賦值,一定程度上可以更好地體現城市韌性的協調發展。