考虑声誉的微政务信息公开质量监管研究

朱晓峰，黄晓婷，边高峰（南京工业大学经济与管理学院）

随着微政务信息公开的不断深入，信息公开的数量越来越多，信息公开的质量日益成为研究的焦点。早在2015年，莫祖英等就从信息生产者和管理者、信息使用者、信息公开过程三个角度分析了政府公开信息质量的概念及内涵。［1］此后，关于信息公开质量的文章不断涌现。杨峰等从主体认知的角度对政府的信息质量进行综合评价。［2］王云娣探讨了政府信息公开质量的影响因素并构建了政府信息公开质量的保障体系。［3］唐琼等分析美国联邦政府信息质量保障政策的内容，并讨论了我国政府信息质量保障政策设计与优化的路径。［4］

由于信息质量、信息公开的监管力度应与考核挂钩，［5-6］如何考核和评价信息公开质量成为必然。已有的相关研究主要集中于信息质量的影响因素［7-9］和微政务信息质量实证分析［10-13］两个方面。这些研究大多数是对信息质量进行绩效评价，属于事后监管，往往落后于实际发展。微政务信息公开工作迫切需要建立新型的考核和评价机制，在信息公开的事前、事中和事后各个阶段都能发挥监管作用。

时茜茜等通过构建双重声誉模型，发现声誉激励机制可以起到更好的激励效用。［14］而且在微政务信息公开的过程中，管理者、供给者根据彼此行为相互学习、调整策略，形成一种动态演化的博弈关系，这种关系正好满足Kreps所提出的标准声誉模型发生作用的基本条件——存在“多阶段博弈”。［15］因此，相对于传统的事后绩效考核，通过声誉机制对供给者的行为（公众对供给者服务的认知满意度、是否有寻租行为）的声誉水平进行事中评估，及时给予供给者奖励，并约束供给者行为，使其自觉提供高质量微政务信息。

综上，本文拟引入声誉机制，将微政务信息公开视为“多阶段博弈”，在此基础上构建演化博弈模型，研究声誉对信息质量监管的影响，探究在考虑声誉的情况下管理者如何制定合理的监管策略。

1 微政务信息公开质量监管演化博弈模型的建立与分析

演化博弈理论整合了理性经济学和演化生物学的思想，是博弈理论分析和动态演化过程分析的结合，该模型不再假设博弈双方都是完全理性的个体，认为人都是通过试错达到博弈均衡的，它的核心概念是“演化稳定策略”和“复制动态方程”。［16］

在微政务信息公开中，由于信息的不对称，推理判断能力的局限性，以及周围环境的动态变化，管理者和供给者都是有限理性的个体，彼此之间的博弈是一个动态演化的过程。

1.1 微政务信息公开质量监管演化博弈模型的建立

在本演化博弈模型中，有两个博弈方：微政务信息公开供给者A与微政务信息公开管理者B。对于供给者A而言，可供选择的策略有提供高质量的微政务信息和提供低质量的微政务信息；对于管理者B而言，可供选择的策略有监管和不监管。因此，总策略集为：（提供高质量微政务信息，监管）、（提供低质量微政务信息，监管）、（提供低质量微政务信息，不监管）、（提供高质量的微政务信息，不监管）。

假设微政务信息公开供给者A以X的概率提供高质量的微政务信息，以1-X的概率提供低质量的微政务信息。其中，提供高质量微政务信息的成本为C1，提供低质量微政务信息的成本为C2，可实现的收益为R1。对于微政务信息公开管理者B而言，以y的概率选择对供给者A进行监管，以1-y的概率选择不监管；当选择监管策略时，B可获得收益记为R2（包括中央政府对管理者的额外激励和公众对管理者的信任），需要付出的成本为C3；当供给者提供低质量的微政务信息并被微政务信息公开管理者发现时，遭受的惩罚为F1；同时，假设供给者可能会以概率α（0＜α＜1）选择寻租行为，所需的寻租成本为S（寻租成本指的是供给者为了免遭惩罚而支付的礼品和金钱，以及管理者为供给者支付的金钱帮助其隐瞒公众所耗费的精力、时间和资源）；当供给者提供低质量微政务信息、管理者选择不监督而以η（0＜η＜1）的概率被社会公众曝光时，微政务信息公开管理者应受到的惩罚为F2。

根据上述假设，当供给者提供高质量微政务信息，而且微政务信息公开管理者选择监管策略时，供给者的收益为R1-C1，微政务信息公开管理者的收益为R2-C3；当供给者选择提供高质量微政务信息而管理者选择不监管时，供给者的收益为R1-C1，微政务信息公开管理者的收益为0；当供给者提供低质量的微政务信息、微政务信息公开管理者选择监管策略时，供给者的收益为 R1-C2-α（S-F1）-（1-α）F1，微政务信息公开管理者的收益为R2-C3+αS；当供给者提供低质量微政务信息、管理者选择不监管策略时，供给者的收益为R1-C2-ηF1，微政务信息公开管理者的收益为-ηF2。由此可得微政务信息公开供给者与管理者的博弈支付矩阵（见表1）。

表1 微政务信息公开供给者和管理者博弈支付矩阵

由上述博弈支付矩阵可知，微政务信息公开供给者A，选择提供高质量的微政务信息的期望收益为

提供低质量微政务信息的期望收益为

同时，供给者平均期望收益为

由此可得，微政务信息公开供给者的复制者动态方程为

同理可得，微政务信息公开管理者的复制者动态方程为

令dx/dt=0，dy/dt=0，分析得出五个相应的均衡点为 F1（0,0），F2（0,1），F3（1,0），F4（1,1），F5（x*,y*）。同时：

对公式（4）、（5）依次求关于x和y的偏导数，可以得出雅克比矩阵为

其中：a11=（1-2x）（C2-C1+ηF1-y（α（F1-S）-（1-α）F1+ηF1）），a12=-x（1-x）（α（F1-S）-（1-α）F1+ηF1），a21=-y（1-y）（α S+ ηF2）， a22=（1-2y）（R2-C3+ α S+ηF2-x（αS+ηF2））

由此，可得该雅克比矩阵的解为

与此同时，可得该矩阵的迹为

1.2 管理者、供给者之间演化策略稳定性分析

根据公式（4）、（5）求出的均衡点，不一定是管理者和供给者之间演化稳定策略（Evdutionarily Stable Strategy，ESS）。只有同时满足 tr J＜0（迹条件）和det J＞0（雅克比行列式条件），该均衡点才是演化稳定策略。因此，需要分别对管理者和供给者之间的局部稳定性进行分析，找出四种情形所对应的演化策略稳定点（ESS）并展开相关讨论。

情形一：当 R2＜C3时，系统的局部稳定性分析如表2所示。微政务信息公开管理者和供给者演化策略的稳定点只有F1（0,0），即当管理者的监管收益无法弥补监管成本、对供给者的惩罚小于某一范围，并且供给者的寻租成本较低的时候，最终会演化成为供给者提供低质量的微政务信息，而管理者选择不监管。

表2 情形一的局部稳定性分析结果

表3 情形二的局部稳定性分析结果

情形三：当 R2＜C3，时，系统的稳定性分析如表4所示。

表4 情形三的局部稳定性分析

由表4可以看出，管理者和供给者的演化策略的稳定点只有F3（1,0），即当管理者的监管收益小于监管成本、对供给者的惩罚高于某一水平，并且供给者寻租成本较低时，即使管理者选择不监管策略，供给者依然提供高质量的微政务信息公开。

情形四：当 R2＜C3，时，系统的稳定性分析如表5所示。

表5 情形四的局部稳定性分析

由表5可以得出，管理者和供给者的演化策略的稳定点只有F4（1,1），即当管理者的监管收益大于监管成本，且供给者付出的寻租成本较低时，最终会演化成为供给者提供高质量的微政务信息而管理者选择监管策略。

2 考虑声誉的微政务信息公开质量监管模型构建与分析

2.1 考虑声誉的微政务信息公开质量监管演化博弈模型构建

在微政务信息公开中，管理者、供给者由于彼此间的信息不完全对称，管理者对供给者所完成的工作了解有限，管理者进行监管时要花费大量的监管成本，根据前述的情形一和情形二，当管理者的监管收益小于监管成本时，会发生管理者不监管或者出现供给者贿赂管理者的情况。为了防止上述情形的发生，在双方博弈过程中考虑供给者的声誉，除了利用惩罚机制对供给者的行为进行约束之外，还利用声誉机制对供给者的行为进行正向的引导，促使供给者提供高质量的微政务信息。在这一博弈过程中，管理者增加（减少）对较高（低）声誉水平的供给者的财政补贴，从而形成新的博弈关系。

假设供给者提供高质量的微政务信息可以获得较高的声誉水平E，此时，管理者对供给者的绩效考核水平较高，供给者会获得更多的财政补贴，因此将供给者的声誉水平转化为预期收益Rt=γE（其中γ≥0，为声誉水平转化系数，即声誉水平越高，供给者绩效考核水平也越高，可以获得更多的政策奖励、名声奖励和财政补贴）。综上，考虑声誉时管理者与供给者的博弈支付矩阵如表6所示。

表6 考虑声誉时管理者、供给者之间的博弈支付矩阵

由表6可以得出，供给者的复制者动态方程为

管理者的复制者动态方程为

分别令dx/dt=0，dy/dt=0，则管理者、供给者之间信息质量演化博弈有五个相应的均衡点为F1（0,0）、F2（0,1）、F3（1,0）、F4（1,1）、C（x*,y*）。同时：

对微分方程组（8）、（9）依次求关于x和y的偏导数，可以得出雅克比矩阵为

其中：

a11=（1-2x）（C2-C1+η（F1+γE）-y（α（F1-S）-（1-α）F1+ηF1-（1-η）γE））

a12=-x（1-x）（α（F1-S）-（1-α）F1+ηF1-（1-η）γE）

a21=-y（1-y）（αS+ηF2）

a22=（1-2y）（R2-C3+αS+ηF2-x（αS+ηF2））

由此可得：该雅克比矩阵的解为

该雅克比矩阵的迹为

2.2 考虑声誉的微政务信息公开质量监管演化策略稳定性分析

表7 情形五的局部稳定性分析

3 实证分析

3.1 初始参数设置

本文以“共青团微博账号影响力排行榜（2017年5月、6月）”为依据，将总分排名第一的“共青团中央”在2018年5月份发布的博文总量缩小倍数后作为“高质量信息成本C1”的实证数值；将总分排名倒数第一的“甘肃共青团”在2018年5月发布的博文总量缩小倍数后作为“低质量信息成本C2”的实证数值。与此同时，通过“清博网”中的“舆情监控”功能，对上述榜单中总分排名后五位政务微博中的负面评论进行实时监控，将2018年5月6日当天负面评论的具体数值进行均值处理作为“提供低质量微政务信息的惩罚F1”的实证数值；将“甘肃共青团”政务微博在2018年5月6日“@管理者”的数量占整个评论数量的比值，作为“实施不监管策略被曝光的惩罚F2”的实证数值；将“甘肃共青团”2018年3-5月“@管理者”评论的回复数，作为“监管成本C3”的实证数值；将“甘肃共青团”2018年3-5月管理者回复“@管理者”所得点赞数，作为“监管收益R2”的实证数值；将2018年3-5月“甘肃共青团”中“@管理者”不回复的数量除以同时期负面评论数量所得比值，作为“供给者选择寻租行为的概率α”数值参考；对于“社会公众曝光的概率η”，根据经验值设为1%（见表8）。

表8 演化博弈相关参数设置

3.2 是否考虑声誉情形下的演化博弈轨迹

基于表8的不同参数设置，在有无声誉的情形下，本文利用MATLAB对微政务信息的供给者和管理者之间的演化博弈进行实证研究，得到图1和图2的演化轨迹。

图1 未考虑声誉的演化轨迹

图2 考虑声誉的演化轨迹

基于图1可知：在未考虑声誉的情况下，随着供给者愿意付出的寻租成本的增加，整个系统的状态逐步从F1（0,0）点趋向于F2（0,1），将会出现管理者包庇供给者的情况。

基于图2可知：在考虑声誉的情况下，随着供给者的声誉转化系数γ不断提高，达到一定水平γ=0.7时，。此时，声誉机制可以起到正向引导作用，为了获得更高的绩效考核结果，供给者会自觉地提供高质量的微政务信息，系统会自动演化成为F3（1,0）的稳定状态。

3.3 不同声誉水平情形下的演化博弈轨迹

为了分析不同声誉水平情形下的演化博弈轨迹，首先需要设置一个声誉惩罚系数FK，FK=1表示已有惩罚的倍数，即标准声誉惩罚系数。当供给者提供低质量微政务信息时，在标准声誉惩罚系数FK=1的基础上，缩小或者扩大惩罚系数，即在已有的惩罚面前减轻或者加重惩罚，通过实证研究，分析能否对供给者的行为起到正向引导作用。本实证在其他参数设置不变的条件下，分别在E=210和E=400的情况下进行仿真，探究不同惩罚系数对供给者行为的影响。

图3 声誉水平E=210时的演化博弈轨迹

图4 声誉水平E=400时的演化博弈轨迹

将图3、图4通过迭代算出变化轨迹，通过观察，分别得出了E在210和400时，对于FK的不同取值时的演化博弈轨迹的稳定点，如表9和表10所示。

表9 E=210时演化博弈轨迹的稳定点

由表9可以看出，FK取不同值的时候，对应演化博弈轨迹的稳定点都可以近似的看作是F1（0,1）点。

表10 E=400时演化博弈轨迹的稳定点

由表10可以看出，当FK取1.4时，最终的稳定点可以近似看作是F1（0,1）点，当FK取其他值时，最终的稳定点近似为F3（1,0）点。

基于图3和表9可知：在声誉水平E=210的情况下，随着FK的增大，整个系统的稳定点都由F1（0,0）逐步趋向于F2（0,1）点，即在声誉水平较小的情况下，增大惩罚将会出现管理者包庇供给者的情况。

基于图4和表10可知：在声誉水平E=400的情况下，当FK=1.4时，演化博弈轨迹最终近似稳定在F2（0,1）点，说明当惩罚过重时，声誉惩罚机制无法发挥正向的作用。而当FK的取值为0.2到1.1之间时，FK的稳定点都近似趋向于F3（1.0），说明当惩罚适量或者减轻惩罚的情况下，都可以起到正向的作用，供给者可以自觉提供高质量微政务信息。

4 结论和建议

4.1 结论

本文通过建立演化博弈模型，分析了微政务信息公开质量监管中声誉机制如何影响管理者和供给者的策略选择，通过实证分析发现以下几点。

（1）在未考虑声誉的情况下，若管理者的监管收益无法弥补监管成本且供给者愿意支付的寻租成本S≥30，即供给者为了免受惩罚支付给管理者礼金的金额超过管理者监管收益30%的时候。此时，演化博弈曲线的稳定点为F1（0,1）点，即可能会出现管理者包庇供给者的情况。

（2）在考虑声誉的情况下，随着声誉转换系数γ越来越大，当γ=0.7时，此时演化博弈轨迹的稳定点为F3（1,0）点。即若将声誉转化系数设置为0.7，此时管理者不仅对供给者声誉激励所用的成本最小，而且，供给者提供高质量信息的动力也没有明显减弱。演化博弈的最终结果为供给者自觉提供高质量微政务信息。

（3）当供给者声誉水平E较低时，管理者无论扩大还是缩小FK的数值，供给者行为的演化博弈曲线的稳定点都是F1（0,1）点，此时声誉惩罚机制无法发挥正向作用。

（4）当供给者声誉水平E较高时，若管理者将声誉惩罚系数FK设置为1.4，此时的稳定点近似看作是F1（0,1）点。由于惩罚过重，无法对供给者起到正向引导作用。若将FK设置为1.1时，此时的稳定点近似看作是F3（1,0）点，声誉惩罚机制已经可以发挥正向作用。若将FK设置为0.2到0.8之间，此时到达的稳定点坐标值完全一致，可以近似看作是F3（1,0）点，声誉惩罚机制不仅可以发挥正向作用，而且所达到的效果也是最显著的。

4.2 建议

（1）重视声誉机制建设，降低寻租机会。首先，应提高公众的反腐意识，可以设立相应的奖励机制，鼓励群众曝光寻租行为；其次，对选择寻租行为的供给者和包庇供给者的管理者都应适当加大惩罚力度；最后，通过完善信息系统、健全信息公开法律及监督制度，从而提高政务信息发布的公开性和透明度，为民众监督政务工作提供方便、快捷的通道，从根本上降低寻租机会。

（2）强化声誉激励效果，提高声誉转换系数。通过强化声誉激励的效果，设置较高的声誉转换系数，确保声誉好的供给者可以获得更多的财政补贴，从而更加自觉提供高质量微政务信息。笔者通过实证研究发现管理者所设置的声誉转换系数应该≥0.7。即管理者在职权范围内尽量提高声誉转换系数，使得供给者提供的高质量微政务信息越多，获得的名声、评价、信任等奖励越多。

（3）提升声誉水平，注重声誉惩罚实效。在声誉机制建设和声誉激励的推动下，声誉水平的提升势在必行。与此同时，对于不同声誉水平的微政务信息供给者而言，管理者需要设置合理的声誉惩罚系数。当供给者声誉水平E较高时，管理者设置的声誉惩罚系数应该小于标准声誉惩罚系数FK=1，即针对高声誉水平的供给者，应该适当降低对供给者的惩罚。声誉惩罚发挥的正向作用更加显著，同时，微政务信息供给者也更加有动力提供高质量微政务信息。