应急情境下政府开放数据质量的影响因素与组态分析——基于新冠疫情期间省级数据的实证研究

郝文强 孟 雪

(1.复旦大学国际关系与公共事务学院 上海 200433；2.中国人民大学公共管理学院 北京 100872)

大数据时代，“政府开放数据运动”以其对民主政治、数字经济、社会发展的积极作用迅速席卷全球。我国也在《“十四五”规划》明确指出“加强公共数据开放共享”“提高数字化政务服务效能”，并强调“强化数字技术在公共卫生、事故灾难、社会安全等突发公共事件应对中的运用”[1]。事实证明，在2020年初的疫情防控战中，新冠疫情数据公开、透明、完整、准确、及时地开放对阻断疫情传播、遏制疫情蔓延发挥了至关重要的作用。应中央政府要求，各地方政府每日定时在政府官方网站发布前一日详细的疫情数据，积极回应了社会关切，并有效促进了疫情防控的顺利开展。一方面，地方政府准确、完整、及时地开放疫情数据为应急决策提供了科学依据[2]；另一方面，公开透明的疫情数据开放保障了公民知情权，提升了公众对政府的政治信任，能够降低公众对公共危机的感知和恐慌程度[3]。

由此可见，高质量的政府疫情数据开放是应对公共卫生危机的关键。那么，何为政府开放数据质量？一些学者将其简单等同于“数据质量”，认为数据的准确性、一致性、完整性是其关键要素。例如，李晓彤等人则从数据的完整性、准确性、一致性、时效性、唯一性、可理解性、开放性等7个维度建构了政府开放数据质量的评估指标体系[4]。谭必勇和陈艳则从数据内容的全面性、可用性、易用性、及时性，数据结构的安全性、开放性、可读性对我国地方政府数据开放质量进行了评估[5]。这种理解固然揭示了“数据质量”作为政府开放数据质量构成要素的重要地位，但却忽视了政府开放数据质量的整体性与系统性。鉴于此，笔者认为政府开放数据质量是指以数据本征质量为核心的，涵盖数据管理质量与数据服务质量等多个维度的，满足数据使用者需求的程度。其中，数据本征质量是指数据本身的准确性、一致性、完整性、时效性、易得性、可读性等质量特征；数据管理质量侧重于政府开放数据过程中的管理特征，包括开放数据的范围是否全面、过程可否持续、覆盖哪些主体等；数据服务质量则更加关注政府开放数据面向用户的服务特征，包括数据在多大程度上公开、数据公开到怎样的精细程度以及如何保护个人隐私等。

围绕政府开放数据质量这一研究议题，本文所关心的具体问题是：在应急情境中，哪些因素会对政府开放数据的质量产生影响？这些因素是独立作用于政府开放数据的质量，还是通过组合作用于政府开放数据的质量？为回答以上问题，本文拟运用模糊定性比较分析方法，对2020年我国新冠疫情高峰爆发期间影响各省级政府开放疫情数据质量的因素进行分析，并探究影响高质量地开放疫情数据的不同路径。

1 文献综述与研究框架

1.1政府开放数据质量的影响因素目前学界对于政府开放数据质量的研究，根据其研究对象又可分为“门户质量”研究与“数据质量”研究，前者往往包含后者，但后者更加聚焦、更加关键。

对于政府开放数据“门户(网站)”质量研究的影响因素研究主要从技术、组织、制度、环境等方面加以考虑。技术方面，学者们认为数据标准缺乏、软件应用障碍、社会应用困难是制约政府开放数据的重要因素[6,7]。组织方面，既有研究认为政府的管理结构、管理制度[8]、管理团队[9]、文化特征[10]是驱动政府开放数据的重要因素。环境方面，学者们认为公民的数据权利(数据知情权、数据使用权和数据收益权)[11]、媒体的快速和转型升级与科研数据的收集与挖掘[12]，都会对政府开放数据形成一定的外部压力。

然而，对于政府开放数据质量的影响因素，个别学者从质量评估的角度出发予以分析界定。例如，王今和马海群聚焦于用户满意度视角，运用层次分析法和模糊综合评价法建构了包含政府准备、公众期望、感知质量、数据易用、公众信任等5个一级维度共15个二级指标的政府开放数据质量的评估指标体系[13]。莫祖英等则运用IPA分析法对贵州省政府开放数据质量进行评估发现，数据碎片化、数据复杂性、数据规范化、数据孤岛现象是阻碍政府开放数据质量的最关键因素[14]。

综上可知，已有研究对于政府开放的“数据质量”的影响因素缺乏足够关切。一方面，学者们被“政府开放数据门户”的宏观建设所吸引，认为门户建设质量是释放政府开放数据效益的关键。殊不知，政府开放数据是通过数据被使用而创造经济价值、社会效益。由此，政府开放的“数据质量”才是影响政府开放数据效益的核心变量。另一方面，学者们对于政府开放的“数据质量”的研究更加关注其“质量”的高低，沉浸于运用不同方法构建多层次的评估指标体系，尽管能够通过对部分地区的政府开放数据质量评估进而提出较为具体的改进建议，但却难以识别导致不同样本之间数据质量高低差异的因素及其因果关系，对于从整体上推进数据质量提升作用有限。鉴于此，本文拟从以下几个方面进一步推进政府开放“数据质量”的研究：a.聚焦于“为什么”的逻辑问题，探讨是什么原因导致了不同地区政府开放“数据质量”的高低差异；b.从实证主义的方法论出发，运用多案例研究方法对影响政府开放数据质量的影响因素进行验证；c.从应急情境出发，探究在公共卫生危机中政府开放高质量数据的组合路径有哪些，为具体实践提供指导。

1.2研究框架TOE理论框架由Tornatizky和Fleischer最早提出，后被广泛应用于分析企业采纳创新技术的影响因素，逐渐发展成为一种基于技术应用情境的综合性分析框架[15]。作为一种具有灵活性、实用性和普适性的理论，TOE理论目前已被广泛应用于电子政务、互联网政务服务、政府开放数据研究中。具体而言，TOE理论将影响技术应用的因素划分为技术因素、组织因素、环境因素三类。

技术因素是技术特征及其与组织的关系，包括技术与组织结构的匹配程度、与组织应用能力的协调性以及给组织带来的潜在收益等[16]。在政府开放数据质量的影响因素分析情境中，技术因素涵盖了政府信息发布网站的信息化水平、技术分析能力、数据平台建设等多个方面的内容，而数字服务能力则是对这些技术因素的综合考量[17]。因此，选取综合性指标数字服务能力作为考量省级政府技术能力的因素。

组织因素主要包括组织规模、领导特质、制度安排、沟通机制、资源储备等多方面[18]。已有研究表明核心领导重视[19]、部门之间联动[20]与政策支持程度[21]是影响政府决策与行动的重要变量。在政府开放疫情数据过程中，领导重视、部门合作、政策支持等也是非常关键的影响因素。因此，选取核心领导动员、部门之间联动与政策支持程度作为考量政府在开放疫情数据中的组织能力的因素。

环境因素指的是组织的市场结构(经济环境)、外部的管制政策等方面[22]。对于政府开放疫情数据而言，经济发展水平较高的地区具有充分的物质保障、更多的专业人才、更加注重对于公民需求的满足[23]，因此成为政府开放疫情数据的经济基础。同时，开放疫情数据的另一重要环境变量是疫情风险等级，即疫情越严重的地区越需要准确、完整、及时地发布疫情数据。因此，环境维度选取经济发展水平与疫情风险等级来考察环境对政府开放疫情数据质量的影响。

由此，基于TOE理论，结合已有研究基础，建构应急情境下政府疫情数据质量的影响因素分析框架：数字服务能力、核心领导重视、部门之间联动、政策支持程度、经济发展水平、疫情风险等级共同影响政府开放疫情数据的质量。

2 研究设计

2.1模糊定性比较分析(fsQCA)方法本文采用模糊定性比较分析(fsQCA)方法进行研究。1987年，美国社会学家Charles C. Ragin在组态比较理论与整体论思想的基础上创造性地发展了定性比较分析方法(QCA)。该方法以组态思维取代由各单变量效应叠加的定量分析思维，为检验或探寻社会问题生成的前因条件以及前因因素之间的交互关系提供了有力的分析工具[22]。国际上现已开发出包括清晰集、多值集、模糊集定性比较分析和MSDO(most similar systems with different outcomes)/MDSO(most difference systems with the same outcomes)[24]在内的四种具体的定性比较分析方法，并被广泛应用于政治学、经济学、社会学研究中，包括电子政务、政务服务、政府开放数据等研究领域。

本文采用模糊定性比较分析方法主要出于以下几点考虑：一是样本适配性。定性比较分析方法适用于中小样本(10～60个)的案例研究，而传统的定量统计分析方法要求的样本量较大(特别是估计参数较多的时候)，否则难以保证样本的正态分布特征，减损估计结果的准确性与可靠性。本文关注31个省级政府(未含港澳台)开放的疫情数据质量，样本数量适合运用定性比较分析方法进行研究。二是因果关系复杂性。公共卫生危机中政府疫情数据质量是一个涉及多种影响因素的非线性过程，不同因素之间可能相互影响并共同作用于疫情数据质量。传统的定量方法常用于有限变量间关系的线性估计，相比较而言，定性比较分析方法更适用于处理此类“多重复杂并发因果”诱致的复杂社会议题。三是变量测量的准确性。本文所选取的变量多属于连续型变量，模糊定性比较分析方法通过运用介于[0，1]之间的反映隶属程度的数值对其进行校准，为识别变量的性质(隶属度)提供了更为科学的度量方法。而传统定量方法多采用5点或7点量表等方式对主观变量进行测量或直接将客观变量的观测值纳入分析，难以判断某一变量的不同样本对集合的隶属度。

2.2案例选取模糊定性比较分析方法适用于中小样本研究，故选取31个省级政府在COVID-19高峰期发布的疫情数据质量作为研究案例。31个案例的选取满足了以下原则：a.代表性原则。在COVID-19高峰期发布的疫情数据质量最能够真实反映应急情境中政府开放数据质量及其影响因素。b.多样性原则。31个省级政府已经覆盖了中国大陆不同地区的所有省份，而且这些省份之间的资源、人口结构等方面都存在较大差异，能够满足多样性要求。c.同质(可比)原则。31个省政府都应中央政府及民众要求公开发布疫情数据，且疫情数据质量都受到技术、组织、环境等因素的影响，满足可比性原则。d.可得性。中央政府在全国一体化政务服务平台开通了新冠肺炎疫情防控专题，各省级政府发布的疫情数据都能够在该平台查询得到。

2.3变量设定与赋值

2.3.1 结果变量设定与赋值 本文要解释的结果变量为省级政府开放的疫情数据质量。数据来源于复旦大学数字与移动治理实验室在2020年3月20日发布的《我国省级地方政府新冠疫情数据发布研究报告》，该报告从整体发布情况(时效性、易得性、可读性)、疫情统计数据发布情况(全面性、持续性、覆盖层级)、病例个案信息发布情况(公开度、精细度、隐私保护)等三方面的9项指标出发，对疫情开始至2020年2月10日24时这一时段31个省、自治区、直辖市(不含港澳台)发布的疫情数据质量进行了全面评估[25]。同时，借鉴该报告通过省级政府领先维度个数来表示疫情数据质量高低的方法对结果变量进行赋值。首先根据每个省份在9个评估指标的排名进行筛选，如果该省份某个指标排名在前15名(包括并列)则认为该省份在这个指标上“领先”，否则认为该省份在这个指标上“落后”。其次，依据各省份处于“领先”地位的指标频数对疫情数据质量进行赋值，各省份“领先”指标频数越高，表明其政府开放的疫情数据质量越高，并划分为低质量(1～3)、中等质量(4～6)、高质量(7～9)三个等级。

2.3.2 条件变量设定与赋值

a.技术维度

①数字服务能力。公共卫生危机中政府开放疫情数据的质量离不开其自身信息化建设水平的支撑。已有研究表明组织的技术知识和技术能力、公务员的信息管理能力与信息素养直接影响政府开放数据的质量[26]。而政府的数字服务能力与政府网站发展水平则能够集中反映政府的技术能力和信息化建设水平，也是政府开放疫情数据的技术依赖。因此，选择《2019年数字政府服务能力暨第十八届中国政府网站绩效评估报告》中的数字政府服务能力作为测量政府信息化水平的变量[27]。该报告由工业和信息化部中国软件测评中心权威发布，从信息发布、解读回应、办事服务、互动交流、管理保障、功能推广等多个维度对31个省级政府的数字政府服务能力进行了综合评估，并将所有省份列入优秀、良好、发展、起步等四个等级中(卓越等级无省份达到，故将其排除)。

b.组织维度

①核心领导动员。地方政府主要领导的关注和支持程度会对政府开放疫情数据产生重要影响。既有研究表明，在中国现行的压力型体制下，上级领导的意志对政府的决策和行动产生很大程度的影响，高层领导的参与在项目的成功实施中扮演着重要角色[28]。在公共卫生危机期间，政府核心领导对疫情的重视程度通过参加疫情相关活动，包括去地市、社区调研，为援鄂医生送行，慰问抗疫工作者等得以表现，这些活动能够促进政府工作人员对防疫工作包括疫情数据质量的重视。因此，通过地方政府网站查询省委书记与省长两位省级核心领导从疫情开始至2020年2月10日期间参与抗疫活动的有关报道，统计其参与抗疫活动的频数来测量核心领导动员能力。

②部门之间联动。重点突出、强劲的、可持续的组织动员与部门合作对政府开放疫情数据具有极其重要的意义。陈家建通过对政府项目运作过程的考察发现，“开会”是科层体系动员的重要标志，大型会议更是具备同时动员多部门、综合确立权责关系、协调各部门加强合作的独特作用，尤其是需要在短时间内高强度地进行多部门动员时，会议更是主要的工作技术[29]。而九寨沟地震期间 7 次贯穿整个地震应急期的正式指挥部会议，有序高效地完成了应急指挥协调各部门之间联动的任务，表明了会议对促进部门之间联动的重要作用[30]。因此，通过官方网站统计省级政府召开疫情相关会议的频数(截至2020年2月10日)作为部门之间联动的测量依据。

③政策支持程度。战略规划、法律法规及相关政策的支持是政府开放疫情数据的基础和保障。研究表明，法律政策和制度规定是促进政府开放数据，破除障碍的重要因素[31]。具体而言，支持政府开放疫情数据的政策普遍表现为规章、方针、决定、通知、规定等为代表的行政命令，而政策支持程度则可以通过政策的数量加以测量[32]。因此，对地方政府在疫情开始至2020年2月10日期间发布的提及“数据发布”“信息公开”或“公开透明”等词汇的疫情相关行政命令进行频数统计，作为政策支持程度的测量依据。

c.环境维度

①经济发展水平。公共卫生危机的应对离不开经济基础的支持，政府开放疫情数据也是如此。研究表明，经济发展水平较高的地区在数据开放的资源投入、需求回应、人才吸纳方面更有优势[33]，特别是在应急情境下，地区的经济基础决定着地方政府能够动员的资源的体量，经济发展水平越高，地方政府能够动员的资源越多，对政府应对疫情包括开放疫情数据质量影响越大。人均GDP是反映一个地区经济发展水平的有效测量工具，可以反映地方政府的经济基础。因此，选用人均GDP来刻画政府经济基础的强弱。

②疫情风险等级。在公共卫生危机中，疫情风险越高的地区其对政府开放疫情数据的质量要求越高。一方面，疫情越严重，政府所面临的问责压力越大，社会公众的恐慌感越严重，对于数据的及时性、完整性、全面性、准确性、精细度要求越高;另一方面，在资源有限的前提下，政府希望资源投入能够带来更高的绩效回报，以此促进资源的有效使用。疫情风险等级越高，政府越重视，投入的财政资源越多，越希望能够在疫情防控工作包括开放疫情数据方面取得高的绩效。疫情风险等级可通过截至2020年2月10日地方政府的确诊病例人数来测量，按照国家发布的疫情数据分布地图可将各省疫情严重程度划分为1～9，10～99，100～499，499～1000，1000以上等5个等级。

2.4构建真值表进行模糊定性比较分析时，首先要进行变量校准，转化为集合概念(见表1)。根据变量类型不同对定距变量、定比变量、定序变量分别采用不同方式进行校准。首先对省级政府开放疫情数据质量与疫情风险等级等定距变量进行直接校准。借鉴张明等对东道国国家风险的校准方法[34]，选取最低组下限(完全不隶属)、中间组下限(交叉点)、最高组下限(完全隶属)作为定性锚点对变量进行校准。其次，对核心领导动员、部门之间联动、政策支持程度、经济发展水平等定比变量进行校准，遵循Ragin提出的校准方法[35]，分别选取变量的百分位值95%(完全隶属) 、50%(交叉点)、5%(完全不隶属)作为定性锚点直接校准。最后，对数字政府服务能力这一定序变量采用四值模糊集间接校准方法[36]，选取1(完全隶属)，0.67(比较隶属)，0.33(比较不隶属)，0(完全不隶属)四值分别对优秀、良好、发展、起步等不同等级的省级政府数字服务能力进行赋值。对每个变量进行校准之后，会得到条件变量与结果变量的所有组合，即真值表。在真值表基础上，通过fsQCA软件对其进行布尔最小化运算，进而可得到单个条件变量的必要性分析结果和条件组合情况。

表1 变量设定与校准

3 结果分析

定性比较分析过程主要包括必要条件检验和条件组合检验(也称充分条件检验)两个步骤。必要条件检验衡量的是单一条件变量对结果变量的解释程度，条件组合检验用以衡量条件变量组合对结果变量的解释程度。本文运用fsQCA3.0软件对单一条件必要性与条件组合充分性进行检验，分析结果用一致性与覆盖度两个指标表示。一致性表示条件变量对结果变量的解释程度，覆盖度表示条件变量可以解释的案例数量。

3.1必要条件分析按照定性比较分析的逻辑设定，当一致性结果大于0.9时，则认为该条件变量是结果变量的必要条件，意味着该变量可以独立解释结果变量；若小于0.9，则意味着该条件变量与其他条件变量一起解释结果变量。通过运算可得(见表2)，所有条件变量的一致性均低于临界值0.9，表示它们无法构成影响结果变量的必要条件。这一结果说明，公共卫生危机中政府开放的疫情数据质量受到多方面因素的共同作用，而非某一个因素的单一影响。因此，提高政府开放数据质量需要进一步分析技术、组织与环境三个方面的联动作用，探讨解释变量之间的组合效应。

表2 必要条件分析

3.2前因条件组态分析本文运用fsQCA3.0对真值表进行数据处理，设定案例数量的阈值为1，同时将一致性高于0.8的编码为“1”，低于0.8的编码为“0”。进行标准分析之后，得出3种具有不同简化程度的方案，分别是复杂方案、简化方案和中间方案。其中，复杂方案是完全按照变量进行参数设置而出现的结果，也是QCA分析中的惯例分析方案，因此本文借鉴Ragin和Fiss(2008)所提出的QCA分析结果呈现形式对复杂方案进行描述(见表3)，其优点在于能够比较清晰地表明各个条件在组态中的相对重要性[35]。从计算结果来看，政府开放疫情数据质量的组合分析结果包括6种不同的条件组态，每一纵列代表一种可能的条件组态。解的一致性为0.86，意味着在所有满足这六类条件组态的政府疫情数据质量的案例中，有86%的政府疫情数据质量高。解的覆盖度为0.57，意味着六类条件组态可以解释57%的高质量政府疫情数据的案例。基于条件组态，我们可以进一步识别出技术、组织和环境在推动政府网站建设中的差异化适配关系。

表3 省级政府开放高质量疫情数据的组态分析

总的来看，应急情境下政府开放高质量的疫情数据存在6条不同路径：路径1为DC～LE～IN～PO*EP；路径2为DC*IN～PO*EC*EP；路径3为～DC*LE*IN～PO～EC～EP；路径4为～DC*LE～IN～PO*EC～EP；路径5为～DC～LE～IN*PO*EC～EP；路径6为～DC～LE～IN*PO～EC*EP。其中，“*”表示条件存在(位于开头可省略)，“～”表示条件不存在。以路径1为例，其意涵为：无论经济发展水平如何，在高数字服务能力、高疫情风险等级的共同作用下，即使没有政府核心领导动员、缺乏部门之间的联动与政策支持，省级政府开放的疫情数据也能够取得较高的质量。该条件组合的覆盖率为0.28，表明该条件组合能够解释28%的高质量疫情数据开放案例。

从各要素在6种条件组合中的分布情况来看，“数字服务能力”“核心领导动员”“政策支持程度”是政府开放高质量疫情数据的核心条件。其中，以“数字服务能力”为核心条件的组态覆盖度最高达到0.29，以“核心领导动员”为核心条件的组态覆盖度最高达到0.19，以“政策支持度”为核心条件的组态覆盖度最高达到0.18，表明这三个核心条件对于政府开放高质量的疫情数据具有较高的解释力，即公共卫生危机中政府开放高质量的疫情数据受到地方政府数字服务能力、核心领导动员、政策支持程度的显著影响。另外，“部门之间联动”“经济发展水平”“疫情风险等级”多数作为缺失或者可有可无的条件出现，对政府疫情数据质量的影响较弱。有趣的是，尽管一般逻辑认为在应急情境中疫情风险等级对政府疫情数据质量产生显著影响，疫情越严重的地区越需要高质量的疫情数据，但地方政府开放的疫情数据质量高低事实上主要取决于地方政府的“数字服务能力”，“疫情风险等级”仅构成了解释结果变量的辅助条件。

4 政府疫情数据高质量发布的多重路径

根据政府开放高质量疫情数据的6条路径与核心条件识别，不难发现政府开放高质量的疫情数据存在3种不同的典型路径：技术依赖型、领导驱动型、政策支持型。

a.技术依赖型。代表组合1和组合2。通过布尔最小化运算，该路径可表示为DC～PO*EP，意指在疫情较为严重的情境中，即使缺乏相关政策的支持，较高的数字服务能力也能够推动政府开放高质量的疫情数据，而无论核心领导动员、部门之间联动、经济发展水平如何。这一路径的代表省份包括山东省、海南省、广东省、陕西省、重庆省等。以海南省为例，该省早在1997年便提出“信息智能岛”的发展战略，近年来在政务信息整合、共享、应用方面取得重大进展[37]。政务信息整合方面，海南省建立了国内首个“省级政务云计算中心”，实现全省非涉密政务信息系统之间的互联互通与信息共享。政务信息共享方面，海南省在2019年建立政务大数据公共服务平台和数据开放平台，打通了省平台与国家电子政务外网的信息共享交换。政务信息应用方面，海南省获得国家信息中心批复，成立互联网大数据分析海南分中心，全面开发数据资源的价值。海南省完善的数据开放系统、卓越的数字服务能力为这次政府应对公共卫生危机期间的疫情数据开放提供了扎实的技术支持，促进了政府开放高质量的疫情数据。

b.领导驱动型。代表组合3和组合4。通过布尔最小化运算，该路径可表示为～DC*LE～PO～EP，意指在疫情风险较低的情况下，即使政府的数字服务能力、政策支持程度不高，但只要政府核心领导动员积极，依旧能够推动政府开放高质量的疫情数据，而不论部门之间联动与经济发展水平如何。这一路径代表的省份包括青海省、甘肃省、天津市、吉林省等。以吉林省为例，省委书记巴音朝鲁、省长景俊海高度重视政府发布的疫情数据质量。截至2020年2月10日，巴音朝鲁先后在视察疫情防控调度指挥中心、召开省委常委扩大会议、慰问一线工作人员等多次活动中反复强调，“要严格落实疫情报告制度，决不允许出现漏报瞒报迟报”，“必须坚持公开透明，信息发布要具体，传播力度要加大，及时回应群众关切”。2月4日，省长景俊海在省疫情防控指挥中心现场专题研究部署新型冠状病毒感染的肺炎疫情防控管理平台开发使用工作时强调，要充分发挥大数据重要作用，加快建设疫情防控管理平台，为打赢疫情防控阻击战增添科技力量，并提出“快”“早”“准”“远”四项政府疫情数据发布质量的具体要求，努力建成信息互联互通、运转快速有序、精准确定轨迹政府疫情数据发布机制[38]。在省委书记和省长等核心领导的推动作用下，吉林省在疫情数据发布的时效性、易得性、可读性、全面性、持续性、公开度、精细度方面都名列前茅。

c.政策支持型。代表组合5和组合6。通过布尔最小化运算，该路径可表示为～DC～LE～IN*PO，意指无论疫情风险与经济水平如何，只要有足够的政策支持，即使数字服务能力、核心领导动员、部门之间联动情况不佳，也能够促进政府开放高质量的疫情数据。这一路径代表的省份以内蒙古、云南为例。以云南省为例，省政府高度重视开放疫情数据工作，并将其以行政命令的方式发布。例如，2020年1月24日，《云南省人民政府办公厅关于切实加强新型冠状病毒感染的肺炎疫情防控工作的通知》要求，“各地要按照实事求是、尊重科学、公开透明的原则建立疫情信息发布工作机制，要严格按照国家要求和规定程序及时、科学、规范发布疫情有关信息，疫情信息由省卫生健康委审定后发布。要及时通报疫情发展形势，主动解读疫情防控措施，及时回应社会关切”。2020年2月10日，《云南省人民代表大会常务委员会关于依法全力做好当前新型冠状病毒肺炎疫情防控工作的决定》提出，“省、州(市)、县(市、区)人民政府及其有关部门应当严格落实疫情报告制度，实事求是、公开透明、迅速及时向社会公布疫情信息，不得缓报、漏报、瞒报、谎报”，“任何单位和个人不得编造、传播有关疫情的虚假信息”[39]。云南省以行政命令的方式表达出对疫情数据发布的高度关注，在很大程度上推进了政府开放高质量的疫情数据。

5 结论与讨论

本文结合TOE框架，运用模糊集定性比较分析方法从技术、组织、环境三个层面选择6个解释变量探索应急情境下省级政府开放疫情数据质量的影响机制。研究发现，政府开放疫情数据质量受到数字服务能力、核心领导动员、部门之间联动、政策支持程度、经济发展水平、疫情风险等级等多元复杂因素影响。从不同因素的组合效应来看，推动政府开放高质量的疫情数据存在3种条件组合：技术依赖型、领导驱动型、政策支持型。它们分别以数字服务能力、核心领导动员、政策支持程度作为核心条件，常常辅之以经济发展水平、疫情风险等级等环境要素共同构成高质量的政府开放疫情数据的路径。

本研究对进一步提高应急情境下政府开放的疫情数据质量，加强联防联控水平，推进疫情防控形势好转具有一定的政策启示。a.扎实推进政府数字服务能力建设。在公共卫生危机中，应培育工作人员的信息素养，提升组织的技术创新与信息管理能力，以此推动高质量的疫情数据开放。b.切实加强政府核心领导动员。政府核心领导应加强对政府疫情数据质量的注意力分配，采取亲自挂帅、靠前指挥、积极推动等具体的动员策略，促进政府开放高质量的疫情数据与防疫工作的顺利开展。c.逐步完善疫情数据发布政策体系化建设。各级政府有必要将实事求是、公开透明的疫情数据质量要求以行政措施、办法、决定、通知的形式加以明确，将疫情数据发布的工作机制加以制度化呈现。d.积极关注防疫环境变化。公共卫生危机期间，各国政府应该及时关注防疫环境的变化，在保证疫情风险较低的前提下，有序推进复工复产，这也有利于政府开放高质量的疫情数据，同时还能够促进疫情防控工作的顺利推进。

需要承认的是，本研究尚存在的局限性有待进一步突破。其一，变量选取方面有待更加丰富与完善。事实上，政府的信息产业发展水平、互联网用户数、公民的受教育程度、数据开放平台的建设等因素也有可能会对政府疫情数据质量产生影响，因此可通过多元回归分析进一步对可能影响政府疫情数据质量的因素进行更系统地识别。其二，结果变量与条件变量的赋值与校准依据需要更加合理化、科学化。尽管本文对变量的校准努力遵循保证数据测量准确性、客观性的原则，但也难免受到主观因素的影响。对此，可以从已有文献或报告中进一步搜寻对于某一变量的定性标准，比如经济发展水平发达与不发达之间的分类标准。其三，数据资料来源的多样性有待提高。本文数据主要依托于网络媒体、统计年鉴等二手数据，未来可以通过问卷调研、深度访谈等途径加以补充，以强化本文的数据资料的可信度。其四，研究方法可进一步拓展。本文主要采用结合定量与定性方法的优势的定性比较分析方法，但这并不意味着定性比较分析方法必然比定量方法或定性方法优越，每种方法都有各自的优势与特点。因此，对于政府疫情数据质量的研究还可以运用回归分析、个案研究等方法加以进一步深化。