中国地方政府数据开放建设成效的影响因素探究

门理想 王丛虎

摘 要：[目的/意义]数据要素已成为数字经济的“工业血液”，尽管我国政府数据开放的整体水平已有显著提升，但不容忽视的是，不同地区的建设成效存在较大差异，其影响因素值得深入探究。[方法/过程]应用“生态系统理论框架”，从数据开放者、开发者、消费者及环境4个维度，对2017—2019年间的148个地市样本进行了回归分析。[结果/结论]研究发现，“数据开发者开发能力”“是否位于国家大数据综合试验区”“开放政府数据的省域统筹程度”及“国内生产总值”4个变量对各地政府数据开放建设成效有着显著正向影响。尽管研究在交叉验证等方面存在不足，但研究结果依然可以为我国政府未来的数据开放建设工作提供一定参照。

关键词：地方政府;数据开放;生态系统;影响因素

DOI：10.3969/j.issn.1008-0821.2021.02.016

〔中图分类号〕D63-39 〔文献标识码〕A 〔文章编号〕1008-0821（2021）02-0152-10

Abstract：[Purpose/Signficance]Data elements have become the“industrial blood”of the digital economy.Although the overall level of government data openness in our country has improved significantly，it cannot be ignored that there are large differences in the effectiveness of construction in different regions，and its influencing factors are worth exploring in depth.[Method/Process]Using the“ecosystem theory framework”，a regression analysis of 148 prefecture-city samples from 2017 to 2019 was conducted from the four dimensions of data openers，developers，consumers and the environment.[Result/Conclusion]The study found that the four variables of“data developers' development capacity”，“is it located in the national big data comprehensive test area”，“provincial coordination of open government data”and“GDP”had significant positive effects on the effectiveness of data opening construction in various local governments.Although the research had deficiencies in cross-validation and other aspects，the research results could still provide some reference for the future data opening construction of the Chinese government.

Key words：local governments;data opening;ecosystem;influencing factors

現代信息技术的应用与推广使得数据成为当今极为重要的资源，海量数据不仅为提升政府治理能力提供了新的路径，也成为发展数字经济的“工业血液”。2016年3月出台的《“十三五”规划纲要》明确提出要实施国家大数据战略，加快推动数据资源共享开放和开发应用[1]。同年，李克强总理指出，各级政府持有80%以上数据资源，“深藏闺中”是极大浪费。政府必须将这部分数据开放给社会，而开放需要“媒介”，扮演“媒介”角色的便是数据开放平台。我国对数据开放平台的探索性建设始于2012年，截至2019年底，已有16个省、86个市政府陆续上线了数据开放平台。

然而，在观察各地数据开放建设成效时，发现其建设水平存在较大差异。据《中国地方政府数据开放报告》显示，相比上海及贵阳等示范地区，其他地区的数据开放平台在数据开放数量、质量及标准一致性等方面存在突出问题。此外，全国接近75%的地级市甚至还没有建设数据开放平台。数据开放对于我国政府而言是一项崭新的工程，一方面，大部分地区自身对于数据开放这一“新鲜事物”并没有太多经验积累;另一方面，经济、科技及文化等方面因素的差异也使得国外其他地区的先进经验不具备明显的参照价值。因此，立足我国本土的实践进展，探寻地方政府数据开放平台建设成效的影响因素就显得尤为重要，某些共性规律的发现可以为我国未来数据开放建设工作的精准发力提供参照。

1 文献述评

为系统探究开放政府数据建设成效的影响因素，不同学者应用了不同的理论框架，最具代表性的是“生态系统框架（Ecosystem Approach）”。

“生态系统”起初是生物与环境科学中的一个概念，是指在一定的自然空间内，由生物与环境构成的相互依存、制约的动态平衡体[2]。值得注意的是，近年来这一概念愈来愈多地与开放政府数据联系在一起。Harrison T M等认为政府应该构建“开放政府生态系统”，重新认知与该系统中其他主体的相互关系并努力实现公共价值[3]。Lee D在对爱尔兰开放政府数据进行研究后，最终确定了11个与数据内容、质量、用户参与等要素相关的生态系统组件[4]。Dawes S S等基于社会技术系统理论发展出一套用于规划及设计开放数据项目的生态系统框架，并结合纽约与圣彼得堡的实践案例对框架进行修正，回答了诸如“如何激励数据生产者”“生态系统为谁创造利益”“生态系统如何帮助开放政府数据”等问题[5]。

国内学者也应用“生态系统”对开放政府数据进行了研究。郑磊在对相关研究进行梳理后，发展出一套包含数据供给者、开发者、内外环境等因素在内的生态系统框架，框架内各个因素间的互动影响着政府开放数据的建设成效[6]。吴金鹏等在生态系统理论基础上发展出“供应—创新—消费”的研究框架，以各国在“开放数据晴雨表”中的得分為因变量，证实了公众参与、创新能力及治理能力等因素对开放数据水平的影响[7]。王卫等在文献研究的基础上，构建了包含内外环境、相关利益群体、数据流及价值实现的开放数据生态系统[8]。

该框架将各主体关系视作一个动态的闭环，各主体相互联系和依赖，它们或通过“数据链”直接互动，或通过背景因素间接联系。综合来看，该框架更适合研究开放政府数据过程中各主体、背景之间的互动及其影响。因此，本文将基于此框架开展研究。

2 理论框架与研究假设

2.1 开放政府数据生态系统理论框架

要构建开放政府数据生态系统，首先要明确其组成要素，同自然生态系统一样，该系统也包含生物和环境两类要素。其中，扮演“生物”角色的主要是政府、企业、学者、开发者及民众等主体，按照作用他们可以被划分为数据开放者、开发者及消费者3类。开放者主要指政府等公共部门，他们提供自身沉淀数据或采集自其他主体数据。开发者主要指透明倡导者、企业、学者及技术人员等主体，他们直接开发各种数据产品和服务。消费者则主要指普通民众，他们为数据产品与服务付费的同时，也就消费体验进行反馈。扮演“环境”角色的则是政治、经济、技术与文化等各方面环境因素。

同“食物链”一样，“数据链”是该系统中各主体的互动纽带。数据是开放者、开发者、消费者之间流动的“能量”，是整个生态系统价值实现的核心支撑，其“产生—利用—再生”的整个生命周期就构成了“数据链”。总体而言，数据从产生起大致要经过采集、清洗、审查、发布、获取、开发、使用、反馈改进及数据再生等多个阶段才能完成“数据循环”。其中，数据开放者主要负责完成数据从采集到发布的相关工作，数据开发者则从获取数据开始完成对数据产品与服务的开发，接着数据消费者消费相关产品与服务并反馈消费体验。然而，“数据循环”到这里并没有真正完成，数据从产生直至被消费的整个过程也会产生新的数据，这些数据被采集后就会成为下一轮开放对象。

按照这一逻辑反观既有研究，可以发现，学者们通常只将“反馈改进”作为开放者、开发者与消费者的联系纽带，这一思路只解释了三者在数据“存量”优化方面的关系，却忽视了其在数据“增量”拓展方面的联系。因为除自身数据外，开放者公布数据中有相当一部分采集自另外两者。因此，本文在以往研究基础上为该系统增加了“数据池”这一概念。“数据池”指的是在该系统中三大行动主体产生的数据集合，这些数据不会自动到达开放者手中，而是沉淀在一旁，等待开放者采集并开始新的“数据循环”。虽然这些数据分布分散，但为了便于理解，可以将其视作沉淀在一个统一的虚拟的“数据池”中。增加这一概念的意义在于，数据的再生与采集是实现数据开放持续推进的关键因素，然而，对于“数据池”中这些数据的获取受到法律法规、政策条件及开放文化等多种因素影响。这意味着，对“数据池”资源的发掘情况在一定程度上决定着数据开放的成败。

综上所述，本研究改进了开放政府数据生态系统理论框架，具体如图1所示。

2.2 假设提出

依据上述理论框架，本研究从数据开放者、开发者、消费者及环境等维度提出以下研究假设。

2.2.1 数据开放者

数据开放者是整个数据开放过程中最为重要的一环，在该过程中掌握着极大主动权。徐慧娜等发现设立专职机构是开放数据健康发展的关键[9]。王法硕证实领导重视和组织保障对数据开放的影响显著[10]。当前各地大数据局是数据开放的主要负责者，然而由于是自主设置机构，其组建方式存在新建工作部门、加挂机构牌子及成立事业单位之别，3种方式可能带来行政权力等方面差异，从而影响其职能发挥[11]。因此，本研究提出如下假设：

H1：地方政府数据管理机构的行政权力对数据开放建设成效有显著的正向影响。

除管理机构外，信息技术服务能力也是政府数据开放建设的重要影响因素。Janssen M等指出，数据开放受到标准制定和程序开发等技术因素影响[12]。齐艳芬等发现，政府技术参与和管理能力对开放数据有着显著正向影响[13]。事实上，对于我国大多数地方政府来说，开放数据仍是一项相当陌生的职能。这种情况下，各地政府信息技术服务能力有可能是其数据开放建设成效的重要影响因素。基于此，本研究提出如下假设：

H2：地方政府信息技术服务能力对数据开放建设成效有显著的正向影响。

2.2.2 数据开发者

数据开发者是链接数据开放者与数据消费者的枢纽，是驱动数据开放真正释放效能的发动机。数据开发者是一个由相关企业、高校、媒体及社会团体等组织组成的集合体，该集合体是数据产品与服务的主要开发者。符嵘研究发现，从事数据研究的第三方机构和中小型科技企业能够有效推动开放政府数据[14]。汤志伟等研究发现，信息产业发展水平对开放数据建设成效有着显著的正向影响[15]。基于此，本文提出如下假设：

H3：各地数据开发者的开发能力对数据开放建设成效有显著的正向影响。

2.2.3 数据消费者

在开放政府数据生态系统中，数据消费者的重要性体现在：①直接或间接为数据产品与服务付费;②对使用体验进行反馈。目前，国内关于数据消费者的研究主要集中在其采纳意愿及影响因素方面。姜红波等发现，影响民众数据利用意愿主要为隐私保护及平台设计等因素[16]。莫太林验证了便捷情况、绩效期待及信任感知对用户初次采纳意愿的影响[17]。然而以上研究并没有反向验证其采纳意愿及能力是否会倒逼数据开放建设，这一影响理论上是存在的。基于此，本研究提出如下假设：

H4：各地数据消费者的采纳能力对数据开放建设成效有显著的正向影响。

2.2.4 相关环境

政治环境。在政府选择是否及何种程度开放数据的过程中，政治因素无疑是首要考量因素。已有研究表明，国家政策导向会显著影响我国地方政府数据开放平台的建设成效[18]。在探究政策导向的影响时，更为合适的变量是差异化政策信号，因为这样可以将样本分为实验组和对照组来展开研究，当前符合这一要求的政策信号是国家级大数据综合试验区的成立。试点是我国一种独特的政策试验模式，相比其他地区，试点地区会获得一定程度上的政策优惠[19]。基于此，本研究提出如下假设：

H5：相比一般地区，位于国家大数据综合试验区的地方政府开放数据建设成效更为突出。

除试点外，政治环境中值得注意的另一点是各地所在省份关于数据开放建设的统筹情况。众所周知，我国行政管理体制的一大特点是条块分割[20]，因此，要想推动更大范围的数据开放，省级政府的统筹协调至关重要。省域统筹情况的影响可以归纳为两个方面：一方面，统筹程度越高，各地数据管理部门可以动用的高层协调力量就越多;另一方面，省域统筹程度越高，省内整体水平就越高，各地政府面临的府际竞争压力也越大[21]。因此，本研究提出如下假设：

H6：各个地方政府所在省份关于开放数据的统筹程度会显著正向影响其建设成效。

经济环境。除了开放透明外，数据开放的另一价值是经济价值。企业对于开放数据的二次利用主要是为了挖掘其经济潜力，而像其他常规生产活动一样，这一过程有赖于良好的经济环境。而在我国特色社会主义市场经济体制下，市场环境是衡量经济环境的重要指标，其对数据开放的影响也得到了部分学者的认可。胡海波等研究发现，政府与市场的互动共同影响着开放数据的价值创造[22]。基于已有研究和数据可获取性等因素，提出如下假设：

H7：各地市场环境对数据开放建设成效有显著的正向影响。

3 数据来源与研究方法

3.1 数据来源

3.1.1 研究因变量

开放政府数据建设成效（OGD）。本研究中，因变量为各地政府开放数据的建设成效，取自《中国地方政府数据开放报告》中的“开放数林指数”。该指数由衡量政策法规出台情况的“准备度”、数据数量与质量的“数据层”、数据开发利用情况的“利用层”及平台建设情况的“平台层”4个维度构成，取值范围为0～100。评估分省、市两级，每隔半年发布1版报告，下半年评估数据会覆盖上半年。由于本文只关注地市政府，且大部分自变量统计间隔为1年，因此仅选取2017—2019年间3版下半年报告中的地市层面数据，共获取研究样本148个。

3.1.2 研究自变量与控制变量

确定因变量后，本文依据假设共选取7个自变量，即数据开放者数据管理机构行政权力（Admin-level）、数据开放者信息技术服务能力（IT-Service）、数据开发者开发能力（Development）、数据消费者采纳能力（Adoption）、是否位于国家大数据综合试验区（Pilot）、开放政府数据的省域统筹程度（Wholeness）及市场环境（Market-Env）。此外，将平台上线时长（Time）、人口规模（Population）及国内生产总值（GDP）作为控制变量，以增强研究结果稳健性。

上述变量名称、含义、测量方法及数据来源如表1所示：

3.2 研究方法

由于数据来源于统计年鉴、评估报告等公开资料，其评估范围与时间并不完全一致。以最关键的因变量为例，由于各地数据开放平台上线时间存在先后之分，所以《中国地方政府数据开放报告》每期评估对象数量存在较大差异，由第1版13个增加至第6版86个。由此判断，该数据类型为独立混合横截面数据[23]。已有研究对此类数据均采用最小二乘法（OLS）线性回归模型进行处理，如Kittel B等[24]、王霞等[25]学者研究。在对若干假定条件进行检验后，判定该方式适合相關数据处理。在综合考量数据可获取性及变量关系反转等因素后，部分自变量选取时间滞后因变量1～3年。基于上述条件，本研究构建了以下多元回归模型：

4 回归分析与假设检验

4.1 变量统计

4.1.1 变量描述性统计

因变量方面，我国各地政府开放数据建设的整体水平不高，均值仅为33.40。此外，地区之间差异悬殊，评估分值极差达到76.74，15.12的标准差值也能验证这一论断。自变量方面，各地信息技术服务能力、开放政府数据的省域统筹程度及平台上线时长同样存在较大差异，而人口规模、GDP、数据开发者开发能力、数据消费者采纳能力这4个变量在进行取对数处理后，数据内部极差和标准差的绝对值不高。此外，各省市场化指数均值为8.044，标准差为1.580，全国市场化整体水平有了明显改善。试点方面，148个样本城市中仅有49个位于试点地区，这样一组数据能在试验区与非试验区之间形成对照。

4.1.2 自变量多重共线性检验

多重共线性是回归分析常见的问题之一，情况严重的话会影响研究结果的客观性。本研究依次计算了自变量间的相关系数与方差膨胀因子。自变量相关系数矩阵如表3所示，可以看到，大部分自变量两两之间的相关系数均在0.6以下，自变量间并不显著相关。

各变量的方差膨胀因子如表4所示，可以看到，所有自变量的方差膨胀因子值（VIF）均在10以下，均值仅为2.6。此外，除lnDevelopment、lnPopulation两变量外，其余自变量均低于5。综上可以判断，自变量间不存在明显的多重共线性。

4.2 回归分析

为提高稳健性，本文采用逐步回归方式依次代入各变量，共设立9个模型，各模型回归结果如表5所示。模型（1）单独探究控制变量与因变量关系，随后，模型（2）在模型（1）基础上加入衡量相关环境的自变量。因为数据开放者、数据开发者及数据消费者对“开放政府数据生态系统”的影响都是在相关环境下发生的，因此本研究将模型（2）作为研究的基线模型。确立基线模型后，模型（3）～（5）依次将数据开放者、数据开发者和数据消费者相关自变量单独代入回归模型，分别探究三者对因变量的影响。模型（6）～（8）将数据开放者、数据开发者、数据消费者相关自变量两两组合代入回归模型，模型（9）将所有自变量纳入回归模型。可以看到，随着基线模型中自变量数量的不断增加，模型的拟合优度R2不断提高，直至模型（9）达到9个模型中峰值0.4360。整体看来，各模型解释力不断增强，最终模型（9）能够较好地拟合各自变量与因变量的相关关系。

4.3 假设检验结果

假设H1未通过。在涉及变量“数据开放者数据管理机构行政权力”的4个模型中，其与因变量之间相关关系均被证实显著。然而与原假设不同的是，其相关关系是负向的，这就意味着数据管理机构行政权力越高，开放政府数据建设成效越差，这一结果与常规逻辑严重不符。可能的解释有：①负向相关关系确实存在。行政级别越高的数据管理机构其整合职能也越多，资源与注意力相对分散。②变量选取不合理。本文数据管理机构特指“大数据局”，然而现实中各地数据开放并不一定完全由“大数据局”负责。③样本量不足。各地数据开放建设仍处于起步阶段，可供研究样本不多，且样本中不少地市刚刚启动这一工作。因此，假设H1未通过。

假设H2未通过。在涉及变量“数据开放者信息技术服务能力”的4个模型中，其与因变量的相关性只在模型（8）中得到证实。可以推断，数据开放者信息技术服务能力对开放数据建设成效的影响并不存在，即使存在，这种影响也是不稳健的，这与谭军[26]的研究结果吻合。这一论断也能在现实中找到支撑，目前各地数据开放平台建设普遍外包给私企，政府自身技术能力并不是关键因素。因此，假设H2未通过。

假设H3通过。在涉及变量“数据开发者开发能力”的4个模型中，模型（6）和模型（9）中，其与因变量相关关系被证实，另外两个模型中则不显著。考虑到半数模型通过这一假设，且模型（6）与模型（9）拟合优度明显好于另外两者，所以判定假设H3通过。开发者对开放数据的开发利用是整个生态系统价值释放的关键一环，其经济效益是支撑系统良性运转的物质基础。开发者开发能力越强，相关数据被用于数据产品与服务开发可能性就越大，整个系统建设成效也越好。因此，假设H3通过。

假设H4未通过。在涉及变量“数据消费者采纳能力”的4个模型中，其与因变量的相关关系均不显著。据此推断，从受教育水平来看，消费者采纳能力并不显著影响数据开放成效。可能的解释是，如今数据产品与服务在开发时充分考虑了其普适性，降低了“受教育程度”基础上的相关门槛。例如，随着移动互联网的普及，“地图”“天气”等数据产品的使用门槛越来越低，“智能语音助手”甚至使得未接受过教育的人群也能自如应用上述产品。因此，假设H4未通过。

假设H5通过。在涉及变量“是否位于国家大数据综合试验区”的8个模型中，其与因变量的相关关系均被证实显著。这就意味着，试验区建设对区内各地数据开放有着显著正向影响，这一论断与学者们关于“试点”的已有研究相吻合。通常情况下，试点地区能够获得更多的政治注意力、更集中的资源投放及更大的自主创新空间。因此，假设H5通过。

假设H6通过。在涉及变量“开放政府数据的省域统筹程度”的8个模型中，其与因变量的相关关系均被证实显著，并且相关系数很高。可能的影响机制有：①省级利用高位行政力量强推，地市被动作为以完成指令;②省级利用政策优惠鼓励，地市主动作为以争取资源;③邻近地市先行建设带来了府际竞争压力，剩余地市先是被动跟进，采纳政策创新，接着主动作为，争取政治资源。因此，假设H6通过。

假设H7未通过。在涉及变量“市场环境”的8个模型中，其与因变量的相关关系均被证实显著。然而其相关关系为负向，即市场环境越好，开放政府数据建设成效越差，这一论断显然与理论预设不符。可能的原因有：①负向相关关系确实存在，“市场环境”越好的地市法律体系越完善，开放数据在数据“归属权”“隐私权”等方面面临阻力越大。②衡量变量选取不恰当。本文以省份“市場化指数”作为地市“市场环境”衡量指标，测量精度有待提升。③样本量不足。同假设H1一样，该假设验证也面临样本不足问题。因此，假设H7未通过。

控制变量方面，GDP影响显著。在所有模型中，“平台上线时长”对因变量影响并不显著。该结果表明，平台上线时长并不是影响其开放水平的关键因素，开放数据数量与质量并不会简单随时间自然累积与改善。“人口规模”对因变量影响同样不显著，这意味着，并不是人口规模越大，开放政府数据潜在需求越大。在涉及变量“国内生产总值”的9个模型中，其中6个证实了其对因变量影响显著。GDP是经济水平的直观显示，而经济水平又影响开放者财政收入、开发者绝对数量及消费者购买能力等诸多因素，其对开放政府数据的影响是全面的。

5 结论与不足

自2009年美国上线运行首个国家数据开放平台以来，“开放政府数据”迅速在世界扩散开来。我国同样重视数据开放，国务院先后印发一系列指导性文件，并批复建设相关试点，助推数据开放。数据开放是一项系统工程，其建设受到诸多因素影响，为深入探究这些因素，本文应用了“开放政府数据生态系统”理论框架，并对其进行完善。在该框架指导下，本文从开放者、开发者、消费者及相关环境4个维度提出7个假设，积极寻找合适变量，最终形成包含148个样本的研究数据。确定数据类型后，参照以往研究，选择最小二乘法（OLS）并采用逐步回归方式验证相关假设，共得到9个回归模型。根据回归结果判断，对因变量“开放政府数据建设成效”存在显著影响的自变量有“数据开发者开发能力”“是否位于国家大数据综合试验区”“开放政府数据的省域统筹程度”。此外，控制变量“国内生产总值”对因变量的影响也被证实显著。以上研究结果一方面使得“开放政府数据生态系统”理论框架得以在本土情境下验证;另一方面也为我国政府未来的数据开放工作提供了一定参考。

当然，本研究同样存在一些不足，有待进一步完善。首先，部分变量选取不恰当，例如“数据管理机构行政权力”与“市场环境”等。其次，样本量有待扩充，受制于各地实践进展，能获取的样本数量上限即为148个。最后，缺乏基于问卷调查、实地访谈等方式的交叉验证。突如其来的疫情导致原有调研计划搁浅，交叉验证缺失无疑给研究结果稳健性带来了一定挑战。针对以上问题，未来研究将从以下4个方面着手改进：①进一步完善理论框架，探索各主体间两两互动关系;②改进变量选取方式，挖掘更为详实、准确数据;③扩充样本量，纳入省级层面数据，分级验证相关假设;④开展问卷调查与实地调研，交叉比对研究结果。

参考文献

[1]新华网.中华人民共和国国民经济和社会发展第十三个五年规划纲要[EB/OL].http：//www.xinhuanet.com//politics/2016lh/2016-03/17/c_1118366322_8.htm，2019-04-10.

[2]中国大百科全书总委员会环境科学委员会.中国大百科全书——环境科学[M].北京：中国大百科全书出版社，2002：145-147.

[3]Harrison T M，Pardo T A，Cook M.Creating Open Government Ecosystems：A Research and Development Agenda[J].Future Internet，2012，4（4）：900-928.

[4]Lee D.Building an Open Data Ecosystem：An Irish Experience[C]//Proceedings of the 8th International Conference on Theory and Practice of Electronic Governance，Guimaraes，Portugal，2014.Association for Computing Machinery.

[5]Dawes S S，Vidiasova L，Parkhimovich O.Planning and Designing Open Government Data Programs：An Ecosystem Approach[J].Government Information Quarterly，2016，33（1）：15-27.

[6]郑磊.开放政府数据的价值创造机理：生态系统的视角[J].电子政务，2015，（7）：2-7.

[7]吴金鹏，韩啸.开放政府数据何以成功？——生态理论视角的跨国实证研究[J].图书馆论坛，2019：1-9.

[8]王卫，王晶，张梦君.生态系统视角下开放政府数据价值实现影响因素分析[J].图书馆理论与实践，2020，（1）：1-7.

[9]徐慧娜，郑磊.面向用户利用的开放政府数据平台：纽约与上海比较研究[J].电子政务，2015，（7）：37-45.

[10]王法硕.我国地方政府数据开放绩效的影响因素——基于定性比较分析的研究[J].情报理论与实践，2019，42（8）：38-43.

[11]门理想.地方政府数据治理机构研究：组建方式与职能界定[J].兰州学刊，2019，（11）：146-156.

[12]Janssen M，Charalabidis Y，Zuiderwijk A.Benefits，Adoption Barriers and Myths of Open Data and Open Government[J].Information Systems Management，2012，29（4）：258-268.

[13]齐艳芬，孙钰，张家安，等.城市政府开放数据行为影响因素实证研究[J].城市发展研究，2018，25（5）：94-100.

[14]符嵘.参与主体视角下的政府数据开放研究——以上海市为例[J].科技促进发展，2017，13（4）：237-241.

[15]汤志伟，郭雨晖，顾金周，等.创新扩散视角下政府数据开放平台发展水平研究：基于全国18个地方政府的实证分析[J].图书馆理论与实践，2018，（6）：1-7.

[16]姜红波，王双凤，邵婷.政府数据开放用户接受度影响因素的实证分析[J].厦门理工学院学报，2017，25（4）：88-94.

[17]莫太林.政府数据开放平台用户初始采纳的影响因素研究[D].成都：电子科技大学，2019.

[18]张廷君，曹慧琴.地方政府数据开放平台发展模式及影响因素分析[J].电子政务，2019，（4）：109-121.

[19]杨宏山.双轨制政策试验：政策创新的中国经验[J].中国行政管理，2013，（6）：12-15.

[20]孙柏瑛，于扬铭.网格化管理模式再审视[J].南京社会科学，2015，（4）：65-71.

[21]吴金鹏，韩啸.制度环境、府际竞争与开放政府数据政策扩散研究[J].现代情报，2019，39（3）：77-85.

[22]胡海波，高鹏.面向用户服务的政府开放数据：一个概念性阐释框架[J].情报理论与实践，2018，41（6）：45-51.

[23]吕晓英，吕胜利.产业集聚效应测算的独立混合横截面数据模型[J].甘肃社会科学，2004，（5）：232-236.

[24]Kittel B，Winner H.How Reliable is Pooled Analysis in Political Economy？The Globalization-welfare State Nexus Revisited[J].European Journal of Political Research，2005，44（2）：232-236.

[25]王霞，徐曉东，王宸.公共压力、社会声誉、内部治理与企业环境信息披露——来自中国制造业上市公司的证据[J].南开管理评论，2013，16（2）：82-91.

[26]谭军.基于TOE理论架构的开放政府数据阻碍因素分析[J].情报杂志，2016，35（8）：175-178，150.

（责任编辑：陈 媛）