中国地方政府数据开放政策扩散影响因素研究*——基于283个地级市数据的事件史分析

王法硕 项佳囡

(华东师范大学公共管理学院 上海 200062)

0 引 言

第四次工业革命推动人类社会快速进入“万物智能、万物联网、万物皆数”的信息社会5.0阶段[1]。万物互联产生了海量数据，为经济社会发展提供了新动能。海量的公共数据应用在医疗、交通、就业、公共安全、气候变化等方面可以提供优质高效的问题解决方案，提升公共决策的科学化与精准化。对于政府部门来说，数据是一种重要的战略资源已经得到普遍共识。然而，数据不应仅贮存并服务于政府部门，只有政府数据面向社会公众开放共享才能最大限度发挥数据所蕴含的经济社会效益。因此，开放政府数据既是智能时代政府治理创新的重要手段，也是释放数据价值的现实需要。

2009年美国上线了全球首个政府数据开放平台Data.gov。此后，英国、加拿大、日本等许多国家和地区也陆续推出了政府数据开放门户。我国政府数据开放实践是地方先行的。2012年6月，上海率先上线“上海市政府数据服务网”，尝试向全社会开放部分政府数据。随后，北京、湛江和佛山等地紧跟上海步伐，推出各自城市的政府数据开放平台。中国地方政府的尝试引发中央政府对政府数据开放的重视，2015年8月国务院印发的《促进大数据发展行动纲要》中将加快政府数据开放共享列为促进大数据发展的重要任务，并明确提出要加快建成国家政府数据统一开放平台。近年来，地方政府数据开放平台数量快速增长，成为中国数字政府建设的一大亮点。截至2020年12月，我国已有20个省级(包含直辖市)和119个地市级(包含副省级市)政府开通了政府数据开放平台。

政府数据开放实践高歌猛进的发展引发了学界的高度关注和广泛讨论，形成不少高质量成果。已有研究多是从静态视角对政府数据开放的价值创造[2]、评估标准[3]、平台建设[4]、挑战与对策[5]等主题展开探索，如果从时间与空间发展的动态视角观察，近十年来我国地方政府政府数据开放实践是一个非常典型的政策扩散过程。政策扩散是当前国际公共管理和公共政策研究的前沿领域[6]，其讨论的核心问题是哪些因素导致某地区政府采纳一项特定的创新政策。研究认为，政策采纳与政策扩散的区别在于政策采纳关注的是某一地区政府个体层面接受某项政策，而不同层级和区域政府相继采纳某项政策或项目的过程就是政策扩散[7]。

遗憾的是当前学界鲜有从政策扩散视角考察地方政府数据开放机理。因此，本文运用事件史分析法，基于2012-2019年283个地级市的面板数据，分析政府数据开放政策在我国地级市层面扩散的特征,识别政策扩散的影响因素和作用机理，以期拓展政府数据开放研究视角,丰富政策扩散理论在中国情境下的应用，进一步推进政府数据开放的中国实践。

1 文献回顾

政府数据开放所涉及的“政府数据”不仅包括政府部门直接或通过第三方依法采集的、依法授权管理的和因履行职责需要而形成的数据[8]，也包括产生于政府外部，但对政府活动、公共事务和公众生活有影响、有价值的各类数据资源[9]。联合国将政府数据开放定义为政府将信息以可机读的形式发布，没有法律访问障碍、免费获取且以广泛的类型或开放标准提供数据[10]。《数据开放宪章》中提出数据开放应遵循默认开放、及时全面、可获取可利用、可比较和互操作性、改善治理与公民参与、致力于实现包容性发展与创新六大原则[11]。

识别政府数据开放影响因素是当前政府数据开放研究的热点和前沿问题。国外研究大致分为政府内部驱动和外部环境驱动两类观点。首先，获得政府自身利益是开放政府数据的内生动力。Altayar发现感知到的开放政府数据受益，如增加透明度、改善政府服务、支持创新、提高效益和促进参与等使数据开放行动合理化[12]。基于技术接受模型(TAM)的实证研究发现，感知有用性与组织能力提升对政府数据开放存在显著正面影响[13]。此外，作为政府治理新理念的数据开放受到组织文化的影响，研究认为开放的政府组织文化是政府数据开放的重要驱动因素[14]。其次，回应来自外部环境的诉求和压力也是政府数据开放的重要动因。有学者认为通过社交网络等大众传媒，公众、企业和社会组织在推动政府机构参与数据开放倡议方面起着重要作用[15]。上级政府的授权和鼓励是政府实施数据开放的重要推动力[16]。当更多的政府机构开放其数据集时，尚未开放数据的政府机构可能会感受到同侪压力，并参与到数据开放活动中[17]。

与国外学者相比，国内研究更多基于综合视角讨论政府数据开放的多重影响因素。郑磊[3]将政府数据开放视为一个从生成到创造价值的生态过程，并提炼出数据开放者、利用者和内外环境三个层面的影响因素。汤志伟等[18]构建了“政治—经济—社会”模型，发现经济要素、财政支持、信息产业发展水平是促进政府数据开放平台有效发展的重要保障。高天鹏等[19]发现政府数据管理体制的建设和思想观念是解释政府数据开放动因的关键要素。技术-组织-环境(TOE)模型是国内学者分析政府数据开放影响因素的经典框架。韩普等[20]结合TOE模型构建了政府数据开放共享的指标体系，发现法律法规政策的制定是影响政府数据开放共享的关键因素。谭军[21]的研究也印证了法律政策是政府数据开放重要的保障因素，同时组织和环境层面因素对政府机构参与数据开放也构成显著影响。李梅等[22]的研究发现建立政府数据管理机构和数据开放统一平台是推动政府数据开放的直接动因，理念、规划和政策支持等是间接因素，而新兴技术的发展是深层影响因素。

总体来看，国内外政府数据开放影响因素的研究成果丰硕，学界已经较为全面的梳理和识别了影响政府数据开放及其成效的各类要素。然而，当前学界更多从微观个体层面或静态视角分析政府数据开放的影响因素，缺少从宏观整体层面或动态视角的研究。作为一项地方政府创新政策，我国近十年来政府数据开放实践是一个典型的创新政策在全国层面动态扩散过程，但学界从政策扩散视角讨论我国政府数据开放的研究很少，且存在三方面不足：从研究对象上看，已有研究更多关注的是省级政府层面的扩散[23]，对当前大量出现的地级市层面扩散现象解释不足；从研究方法上看，事件史分析法已经成为国际学术界考察政策扩散机理的主流方法，其在我国政府数据开放这一主题的应用还不充分；从数据来源看，由于数据采集时间较早，已有研究所涵盖的政府数据开放平台数量较少[18,24]，无法准确全面解释当前我国地方政府数据开放政策扩散的内在机理。

2 分析框架与研究假设

2.1分析框架政府数据开放是一项大数据时代政府创新政策。关注组织创新采纳行为发生特定环境因素的“技术-组织-环境”(TOE)模型可以为检验地方政府采纳数据开放政策提供分析框架。一方面，TOE框架具有宽泛性和因素划分标准的一般性，能够根据不同的研究对象灵活调整相应的解释因素，具有较好的解释力和可操作性。另一方面，已有研究运用TOE模型分析政府数据开放影响因素[21]，说明了该框架对解释政府数据开放具有一定的适用性。

TOE模型旨在说明组织采纳一项创新技术主要受技术、组织和环境三类因素的影响[25]。技术因素主要包括技术的优势、成本、兼容性等，组织因素是指组织规模、结构、资源、目标、领导等方面特征，环境因素主要指组织所处的外部环境，涉及政治、经济、社会和文化等[26]。结合已有研究和政府数据开放政策扩散特征，同时考虑地级市层面数据可获取性，本文从技术基础(T)、政府组织(O)与经济环境(E)这三个维度选取信息化水平、行政级别、中央信号、竞争压力、经济发展水平和区域位置等六个解释变量，建构了中国地方政府数据开放政策扩散影响因素分析框架(如图1)。

图1 地方政府数据开放政策扩散影响因素分析框架

2.2研究假设

2.2.1 技术基础 技术基础维度主要指一个地区的信息化水平。随着大数据、云计算、人工智能、区块链等新一代信息技术的迅速发展，一个地区的信息化水平成为推动政府、企业和社会组织实施各类创新的重要基础设施。

一个地区的信息化水平越高，越有可能采纳政府数据开放政策。首先，政府数据开放是大数据时代电子政务建设的重要内容，信息化水平越高的地区，辖区政府开展电子政务建设的基础条件越好，其电子政务的发展水平越高。根据联合国电子政务发展报告，政府数据开放水平是衡量一国电子政务发展的一项重要因素[27]。因此，信息化水平较高地区的政府更有可能及早推行数据开放政策，借此提升其电子政务发展水平。其次，信息化水平较高的地区网民规模和互联网行业的企业数量较大，企业和公众对政府数据需求较强。这类地区的政府更有可能较早采纳数据开放政策以满足社会对政府数据的需求。已有研究发现一个地区具备足够的信息技术能力才能实现对政府数据的有效开发利用[28]。因此，本文提出如下假设:

H1：地级市信息化水平与其采纳政府数据开放政策的概率正相关。

2.2.2 政府组织 政府组织维度影响地级市政府采纳政府数据开放政策的影响因素包括城市行政级别、中央政府发出的政策信号以及政府间竞争压力。

a.行政级别。根据城市的行政级别我国地级市又分为副省级城市、省会城市和普通地级市三类。城市行政级别会对地方政府采纳创新政策带来显著差异。首先，副省级城市和省会城市自身汇聚的政治、经济、社会、人才、技术等方面资源的能力较强，政府开展创新的条件和环境较好。其次，省政府在选择创新试点时往往会优先考虑创新意识较强、创新经验较为丰富的省会和副省级城市，而低级别的城市缺少相应的政策照顾。第三，相对于一般地级市，副省级城市和省会城市一般具有更高水平的电子政务和互联网政务服务能力，因此更有可能采纳数据开放政策。已有研究发现我国政务大数据政策扩散遵循了行政层级的顺序[29]。因此，本文提出如下假设：

H2：地级市行政级别与其采纳政府数据开放政策的概率正相关。

b.中央信号。政策扩散研究中一些学者从纵向与横向府际关系的视角探索各类因素对政策扩散的影响[30-31]。在纵向关系上，来自上级政府强制指令、政策信号、认可或反对是政策创新的重要影响因素。基于中国背景的研究认为，上级政府的压力是推动政策传播扩散的有效动力，中央的行政命令是促进一项新政策自上而下推广到全国各级地方政府的重要方式[31]。当上级政府特别是中央政府出台相关政策规划或指导意见时，下级政府出于行政压力或政治激励会主动响应。本研究关注中央政府出台政策中对政府数据开放提出的明确要求和任务对地级市政府的影响。因此，本文提出如下假设：

H3：中央政策信号与地级市采纳政府数据开放政策的概率正相关。

c.竞争压力。在横向关系上，地方政府所处的竞争性环境是促进创新采纳的重要因素，横向竞争压力主要来自地理区位相近或经济社会发展水平相似的同级政府展开的竞赛[23]。地方政府通过竞争来获得绩效优势或避免劣势。一般认为，地理上相邻或接近的政府之间更容易发生政策创新扩散，这使得政策扩散具有一定集聚效应。在相近区域城市中，特别是同属一个省的城市政府中采纳某项创新政策的比例越高，尚未采纳该政策的城市面临的竞争压力就越大，越倾向于采纳新政策。例如，广东省湛江市于2012年率先上线政府数据开放平台，随后省内其他城市迅速跟进，广东省也成为全国最早完成省内全部地级市自主上线政府数据开放平台的省份。针对智慧城市[32]的研究证实了创新政策推广过程中存在着区域扩散效应。因此，本文提出如下假设：

H4：省内其他地级市采纳政府数据开放政策的比例与某一地级市采纳该政策的概率正相关。

2.2.3 经济环境 一般认为，一个地区的经济环境是影响创新发生最为重要的环境因素，本文中经济环境因素包括经济发展水平和区域位置。

a.经济发展水平。政府数据开放平台的建设、运行与维护需要投入大量的人力物力财力资源，而一个地区政府的资源禀赋与当地的经济发展水平密切相关。现有的很多研究都表明，经济发展水平越高，政府获取资金和资源支持的能力越强，越有能力和资本进行政策创新和采纳[33]。针对行政审批制度[34]、政务微博[35]等政策扩散的研究均证实了经济发展水平高的城市更倾向于较早采纳创新政策。因此，本文提出如下假设：

H5：经济发展水平与地级市采纳政府数据开放政策的概率正相关。

b.区域位置。我国国土面积辽阔，东西跨度广，通常被划分为东中西三大经济地带，在经济高速增长的同时，由于地理位置、政策倾斜、资源投入和人才结构等因素，区域之间发展不平衡。相对于中西部，东部地区经济和科技更发达，开放程度更高，拥有众多高素质人才，政府在治理理念与治理能力上更有可能采纳创新政策。我国政府数据开放政策扩散在空间上呈现从东部地区向中西部地区发展的特征。针对决策咨询制度扩散机制的研究发现在高等教育资源相对丰富的东部地区，政府在建立决策咨询制度较中西部具有显著的优势[36]。因此，本文提出如下假设：

H6：东部地区地级市较之于中西部地区地级市采纳政府数据开放政策的概率更高。

3 研究设计

3.1研究方法事件史分析(Event History Analysis，EHA)又称生存分析、失效分析，用于解释某些自变量是如何在一段时间内影响事件发生的概率。事件史分析最早由Berry夫妇于1990年引入政策扩散领域[37]，当前已经成为政策创新扩散研究中的主流方法。本文采用连续时间事件史分析法中的COX比例风险回归探寻影响地级市政府采纳政府数据开放政策的因素。

3.2样本选择当前我国不少省级政府、地级市政府和县级政府都上线了政府数据开放平台。本文选择研究地级市层面的政府数据开放政策扩散主要基于三方面原因：一是地级市是我国政府数据开放政策采纳的主体，当前142个数据开放平台中超过80%是地级市平台。二是从政府数据利用价值来看，较之于省级政府，开放地级市政府数据更有现实意义。例如在各类政府开放数据创新应用大赛中常用的交通出行、社会保障、市场监管等数据大量存在于地级市政府。三是与省级和县级行政区相比，地级行政区之间具有更强的可比性，且数据相对容易获取，可操作性较强。因此，我们选择我国293个地级市作为研究对象，在收集数据时发现青海、西藏、新疆、海南和贵州5个地区城市在观察时间内行政区划有所调整，导致数据不完整，因此删去缺失数据后共有283个城市纳入了研究范围。

截至2020年12月，我国已有119个地级市上线了政府数据开放平台，较2019年底又新增了35个平台，由于自变量的测量需要各地级市2019年数据，但相关数据在本文写作期间并未公布，因此本研究的观察时间为第一个地级市平台建立时间至2019年12月。需要说明的是，由于信息化水平、经济发展水平和竞争压力等变量对政府数据开放政策采纳的作用具有滞后性，根据研究惯例将这三个变量取值前移一年处理。自变量的数据主要来自政府官方网站、历年《中国城市统计年鉴》、各省历年《统计年鉴》和作者整理。

3.3变量测量

3.3.1 被解释变量 本研究的被解释变量是政府数据开放政策采纳，该变量为二分虚拟变量，即某地级市政府i在时间t采纳了数据开放政策并上线了政府数据开放平台，变量赋值为“1”，没有采纳的年份赋值为“0”。在采纳之后的年份中，城市i由于不再具有发生事件的风险而被剔除。地级市政府数据开放平台及其上线时间主要依据复旦大学数字与移动治理实验室最新发布的《中国地方政府数据开放报告》。

3.3.2 解释变量 a.信息化水平。一个地区的信息化水平是政府采纳创新政策的前提条件和重要保障。借鉴已有研究，用城市人均互联网宽带接入数作为当地信息化发展水平的代理变量，数据来源于2011-2019年《中国城市统计年鉴》。

b.行政级别。如果一个城市是省会或副省级城市，该变量赋值为1，如果是普通地级市则赋值为0。

c.中央信号。2015年中央政府对推进数据开放工作释放了明确的指令信号。2015年4月国务院办公厅印发的《2015年政府信息公开工作要点》中提出要积极稳妥推进政府数据公开，同年8月国务院印发的《促进大数据发展行动纲要》中指出要稳步推动公共数据资源开放，并提出2018年底前建成国家政府数据统一开放平台的具体目标。这是中央政府首次对政府数据开放提出明确要求和任务，此后地方政府数据开放进程明显提速。因此，将2015年及以后年份取值为1，之前年份变量取值为0。

d.竞争压力。某一城市面临的竞争压力由前一年该市所在省份已采纳数据开放政策的城市占省内除该市外所有地级市数量的比例来衡量，数据由作者根据各城市政府数据开放平台上线时间自行整理。

e.经济发展水平。采用人均地区生产总值作为代理变量衡量城市的经济发展水平，数据来源于2011-2019年《中国城市统计年鉴》。

f.区域位置。根据中国国家统计局对经济区域地带的划分，东部地区城市赋值为1，中部城市赋值为2，西部城市赋值为3。

4 数据分析

4.1地方政府数据开放政策扩散过程及特征：未完成的S型曲线以“年”为单位来考察时间维度上地方政府数据开放政策采纳的扩散趋势，将时间作为横坐标，对应年份的政府数据开放平台数积累量为纵坐标，绘制出总体扩散曲线图(图2)和分区域扩散曲线图(图3)。根据图2和图3可将我国地级市政府数据开放政策扩散过程分为三个阶段。

第一阶段为政策初创期(2012-2014年)。上海作为国内数据开放的先行者，在2012年上线了我国第一个政府数据开放平台，湛江则成为地级市层面第一个采纳政府数据开放的城市。到2014年，全国只有4个城市上线政府数据开放平台，其中地级市2个。可见，这一时期政府数据开放政策采纳还仅仅是个别地方政府的创新尝试，没有政策法规依据，也缺乏制度设计与规划。

第二阶段为稳步增长期(2015-2017年)。2015年8月国务院印发《促进大数据发展行动纲要》，提出要大力推动政府数据共享，稳步推动公共数据资源开放。这一政策大大加快了我国政府数据开放的步伐。随后颁布实施的《政务信息资源共享管理暂行办法》和《关于推进公共信息资源开放的若干意见》中明确要求着力推进重点领域公共信息资源开放，释放经济价值和社会效应。在国家政策的支持和激励下，不少省市将数据资源开放共享纳入发展规划，陆续启动建设政府数据开放平台，平台数量较第一阶段增速明显，进入了稳步增长期。

第三阶段为快速增长期(2018-2020年)。这一时期地级市政府数据开放平台增长快速的原因在于三个方面：首先，2015年出台的《促进大数据发展行动纲要》中明确提出到2018年底前建成国家政府数据统一开放平台，中央政府的表态成为地方政府建设政府数据开放平台的加速器。其次，前两个阶段地方政府数据开放实践给其他地级市政府提供了可以借鉴的宝贵经验。第三，数据开放成为全社会广泛关注的话题。不仅相关学术成果丰硕，还有如复旦大学数字与移动治理实验室等研究机构定期发布地方政府数据开放水平报告和排名。在诸多因素的助推下，这一时期越来越多的地级市政府探索开放政府数据。

图2 地级市政府数据开放政策扩散曲线图

图3 地级市政府数据开放政策分区域扩散曲线图

如图2、图3所示，地级市政府数据开放扩散在时间维度上大致呈现出“S”形曲线形态，基本符合已有文献中提出的政策扩散一般特征[38]。但政府数据开放在我国的实践至今仅8年多时间，省级和地级市政府的采纳率分别在65%和42%左右，仍有很大的发展空间。因此我国目前还处于“S”形曲线的快速增长阶段。可以预测，这种增长态势在未来一段时期内还将继续，至于何时进入“S”形扩散曲线的平稳增长阶段还需进一步观察。

从东中西三个区域比较来看，地级市政府数据开放呈现三方面扩散特征。第一，政策扩散空间上呈现出从东南沿海向内陆地区不断发展的趋势，这与大多数创新政策从东部经济发达地区逐步向中西部经济欠发达地区扩散的趋势相同。第二，东部地区地方政府数据开放平台较中西部具有明显的集聚效应。当前，浙江省和江苏省分别已有超过90%和85%的地级市上线数据开放平台，山东省和广东省全部地级市已上线政府数据开放平台，成为我国最为密集的省级“开放数林”。第三，不同区域政策扩散的幅度存在较大差距。东部地区地级市政府数据开放政策的采纳率为65%，而中部和西部地区地级市的政策采纳率仅为25%和38%。

4.2描述性统计分析表1呈现了各变量的描述性统计分析。为了判断各变量间是否存在共线性，进行了共线性检验，结果显示方差膨胀因子(VIF)均小于5，因此模型中共线性问题并不严重。

表1 变量的描述性统计

4.3COX回归分析表2报告了COX比例风险回归的结果。模型1、2和3分别是将技术基础维度、政府组织维度和经济环境维度的解释变量进行COX回归分析，模型4是将三个维度的解释变量全部放入回归方程进行分析，4个模型都在0.01水平上显著。表3提供了能够一定程度上反映模型拟合优度的指标，如对数似然函数值和卡方值，同时报告了系数、标准误和自变量每变化一个单位所对应的优势比的百分值变化。

表2 COX比例风险模型估计结果

模型1中信息化水平通过了显著性检验，说明地级市政府对数据开放政策的采纳与当地信息化水平呈显著正相关，假设1通过。人均互联网宽带接入数每增加一个单位，采纳政府数据开放的概率将是原来的10.92倍。模型2中行政级别和竞争压力都与政策采纳呈现显著正相关，且在模型4中也都通过了检验，可见这两个变量具有较好的稳健性，假设2和假设4通过检验。而中央信号在模型2和模型4中都没有达到显著性水平，因此假设3未得到验证。模型3中经济发展水平与地级市政府对数据开放政策的采纳成正相关，人均地区生产总值每增加一个单位，数据开放政策采纳的概率会提高约9.4%，假设5通过。区域位置与数据开放政策的采纳呈显著负相关，与东部地区地级市相比，中部和西部地区城市采纳数据开放政策的概率分别是东部地区的24.7%和33.3%，因此假设6通过。模型4 中信息化水平、行政级别和竞争压力是推动地级市政府采纳数据开放政策的重要推力，且每增加一个单位，则该政府采纳数据开放政策的概率分别会增加656.7%、72.3%和3.7%，但在模型3中通过检验的经济发展水平和区域位置在模型4中未通过检验，说明其稳健性较弱，对政府数据开放采纳的解释力不足。

5 结论与讨论

本文基于政策扩散理论和TOE模型构建了地方政府数据开放政策扩散影响因素框架，采用事件史分析法对2012-2019年283个地级市的数据进行分析，考察我国地方政府数据开放政策扩散机制。研究结果表明，我国地方政府数据开放政策扩散在时间维度上呈现未完成的“S”型曲线，预测未来一段时间仍处在政策快速扩散阶段。COX回归分析识别了政府数据开放政策扩散的影响因素。研究发现，地级市的信息化水平、城市行政级别(是否是副省级城市或省会城市)和省内城市间的竞争压力是影响地级市政府采纳数据开放政策的关键因素，而中央信号、地区经济发展水平和城市所在区域位置等因素的作用并不明显。本研究结论揭示了我国地级市政府数据开放政策扩散机理，对丰富政府数据开放和政策扩散研究成果、进一步理解中国场域下地方政府政策扩散时间与空间规律具有一定理论和实践意义。

首先，良好的信息化水平是政府数据开放的前提和基础，这进一步证实了前人研究中关于信息化基础是政府数据开放政策扩散重要影响因素的结论。政府数据开放是大数据时代的政府创新实践，其本身具有较高的技术含量[39]。海量公共数据的收集、整理、存储和利用都是在互联网环境下开展的，不仅要求政府具有较高的信息技术水平，也需要使用者拥有使数据增值的能力。因此一个地区信息化水平越高，对于政府数据开发和利用的能力越强，地方政府越有可能采纳创新。

其次，较之于其他地级市，副省级和省会城市政府采纳数据开放政策的意愿更强,这与以往研究结论有所不同。其中的原因一方面可能在于副省级和省会城市经济社会发展水平高，互联网企业和高素质人才在此聚集，社会对政府开放数据的需求较强。另一方面，副省级和省会城市在本区域内政治地位较高，与其他地级市相比拥有更多的政治资源、机会和空间较早开展政府数据开放创新探索。在本研究所选取的283个样本中共有36个副省级及省会城市，其中50%左右的城市已经上线了政府数据开放平台，而其他地级市的政策采纳比例只有27%。

再次，横向政府间的竞争压力是推动政府数据开放政策采纳的重要因素，这与以往研究结论保持一致。在中国地方治理体系中，绩效排名、招商引资、争取资源、谋求晋升空间等因素会导致同一省内的地方政府间存在激烈的创新争先竞赛[40]。省内率先采纳政府数据开放政策的城市，既是其他城市政府学习的榜样，也给他们带来巨大竞争压力。面对的横向竞争压力越大，地方政府越有可能采纳创新政策。

最后，本文并未发现中央政府信号对地市级政府的政策采纳有显著的正向影响，这与其他一些研究政策扩散所得结论不同，考虑可能有以下两个原因：一是在本研究中地级市政府面临上级政府信号的变量选择并不充分。我们只考虑了中央政府释放的政策信号，缺少中间层级即省政府政策的中介作用。一般来说，中央政府意图的贯彻落实需要省级政府出台更为具体的政策指令才能进一步向下级政府推进。但我国政府数据开放工作尚处在探索阶段，当前出台专门的政府数据开放政策的省份寥寥无几，因此中央政策信号对于地级市政府的传导机制并不明显。二是中央政府出台政策的约束力不足。我国的数据开放政策在2015年才进入顶层设计阶段[41]，中央政府出台的相关政策虽然体现出对政府数据开放共享的支持态度，但政策内容和行政实践中并未对地方政府下达强制建立政府数据开放平台的命令和要求。因此，中央政策的非强制性导致了纵向压力的解释力不足。

当然，本文依旧存在一些不足。第一，影响政策创新扩散的因素众多，受限于资料和数据的可获取性，解释变量的选择并不全面，如政府的财政收入、城市的科技发展水平、社会对政府数据的需求程度等因素也有可能影响政府数据开放政策采纳。因此未来研究中仍需进一步检验其他可能产生影响作用的因素。第二，在研究策略上本文采用量化研究方法考察变量间关系，其效度和稳健性可能存在缺陷。未来可以结合多案例比较研究和定性比较分析方法进一步研究不同变量组合对政策扩散的影响及其作用机制，检验和补充本文研究结论。第三，由于数据采集时间的限制，当前政府数据开放政策在我国地级市的扩散尚未完成，未来仍有很大的发展空间。因此，本文得出的结论也只是阶段性的，随着时间的推进，更长时间跨度的研究有待深入。