政府数据跨部门共享情境下的数据粘性影响因素研究*

周力虹 陈珑绮 王 迪

（1.武汉大学信息管理学院 湖北武汉 430072）

政府数据，是政府部门履行职能过程中产生或使用的重要资源，蕴藏着难以估量的经济发展、社会运行以及国家战略价值［1］。推动政府部门之间科学、有效、安全的数据共享是发挥政府数据价值的重要途径。我国十分重视政府数据的跨部门共享工作：2020年4月，中共中央、国务院发布的关于要素市场化配置的第一份文件《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》明确指出要推进政府数据开放共享［2］；2020年6月，市场监管总局等六部门发布《国家电子政务标准体系建设指南》［3］，为政府跨部门数据共享提供了国家标准；2021年8月，中共中央、国务院印发《法治政府建设实施纲要（2021-2025年）》，强调了政府数据跨部门共享在推进政府建设中的重要战略作用［4］。

目前我国政府数据跨部门共享仍面临一系列问题与挑战［1］，已经有不少研究对政府数据滞留在各部门内部的情况进行了描述［5-7］，数据粘性可以视为一种典型的政府数据跨部门共享障碍。但是现有研究多是简单描述数据粘性的存在，并未对导致数据粘性的影响因素进行深入探究。本研究构建了数据粘性理论模型，将其运用于政府数据跨部门共享这一具体情境下，深入挖掘数据粘性的影响因素及其相互关系，以期为我国解决政府数据跨部门共享障碍提供参考。

1 数据粘性理论

1.1 数据粘性

1994年，麻省理工学院斯隆管理学院（MIT Sloan School of Management）von Hipple教授在研究技术创新时首次提出了粘性信息（sticky information）和信息粘性（information stickiness）的概念［8］。von Hipple强调信息的转移不是免费的，而是有成本的，当获取、转移和应用某种信息需要成本时，这种信息就是粘性信息：当成本高时，信息粘性就高，当成本低时，信息粘性就低。1996年，Szulanski在研究公司内部的知识转移时，将“信息粘性”扩充到组织内部的“知识粘性”（internal stickiness）［9］，提出不易转移的知识就是“粘性知识”（sticky knowledge），在组织内部转移这种知识的困难程度就是“知识粘性”（knowledge stickiness），知识粘性可以视为知识转移共享的一种障碍。

总结来说，信息粘性、知识粘性是对信息、知识在转移共享过程中难以流动的特殊状态属性的形象化描述。信息粘性和知识粘性本质上都表明信息共享、知识共享存在障碍［10］：粘性越大，共享越困难；粘性越小，共享越容易。数据在转移共享过程中同样存在粘性。数据、信息、知识是紧密关联的概念，三者间存在连续递进的相互关系［11］。由于数据、信息、知识具有相似性，一些研究将数据、信息、知识混合使用，并未做严格区分［12］。类似的，数据、信息、知识共享中的粘性问题也具有相似性，均受到共享主体、共享客体、共享环境等因素的影响。参考信息粘性和知识粘性的定义，本研究提出政府数据跨部门共享情境下的数据粘性是指政府数据粘附于原管理部门，难以在不同行政层级或不同管理边界的政府部门之间自由流动的现象。

1.2 数据粘性影响因素理论框架

“数据粘性”的概念沿袭自“信息粘性”和“知识粘性”，信息粘性与知识粘性的相关研究可以为数据粘性研究提供借鉴。国内外学者对组织信息共享或知识共享情景下的信息粘性或知识粘性的影响因素进行了积极探索。如王毅和吴贵生认为产学研合作中知识粘性的产生受到知识源、知识受体、两者间的距离、知识本身性质这四个因素的影响，据此提出了粘性知识转移的理论模型［13］。蔡翔等从知识共享主体、共享客体、共享媒介以及外界环境等四个方面构建了团队内部粘滞知识的共享模型［14］。von Hipple提出信息粘性受到信息本身性质、需要转移的信息量、信息需求者与信息提供者的特征的影响［8］。Szulanski认为知识粘性是知识转移的一种障碍，发现了知识特性（因果模糊、不可验证性）、知识源（不可靠、激励不足）、知识接收方（激励不足、缺乏吸收能力、缺乏保留能力）、转移环境（缺乏组织环境、内部关联脆弱）等四个与知识相关的障碍因素会影响知识粘性［9］。目前研究主要关注商业企业、科研机构等组织信息共享或知识共享情境下的粘性问题，但是针对政府数据跨部门共享情境下的数据粘性相关研究。

在文献阅读后，本研究认为黄欢等对知识粘性影响因素的五维度划分法较为合理全面，可以用来借鉴探究政府数据跨部门共享情境下的数据粘性的影响因素［15］。具体原因有：（1）黄欢等的研究将知识粘性的影响因素划分为知识转移能力、知识转移意愿、知识残留、知识可表达性、知识吸收能力，这些影响因素糅合了知识共享方的特性、知识接收方的特性、知识共享双方的关系、知识本身的特性，既符合当前信息粘性与知识粘性影响因素研究的普遍共识，又进行了创新性地细化；（2）不同于对知识粘性影响因素的理论思辨与文献概括，该模型对五个影响因素进行了系统探索与实证检验，具有一定的合理性和科学性，能够为本研究提供思路借鉴；（3）与国外相关模型相比，黄欢等将知识粘性研究从西方文化背景拓展到中国本土背景，其成果更适用于我国情境，具有一定的本土性。因此，本研究以黄欢等提出的知识粘性影响因素为基础，构建了政府数据跨部门共享情境下的数据粘性影响因素理论框架，包括数据共享意愿、数据共享能力、数据可表达性、数据残留、数据吸收能力等五个方面。

借鉴黄欢等的研究成果，本研究对政府数据跨部门共享情境下数据粘性的五个影响因素进行了定义。“数据共享意愿”指政府部门参与数据共享的意愿动机。当缺少足够的动机驱动时，政府部门出于部门利益的考虑，更容易对政府数据跨部门共享持消极态度，数据粘性变高。“数据共享能力”指政府部门向其他部门共享数据的基本能力。政府部门是否具有先进的数字软硬件基础设施、跨部门技术协调能力、统一兼容的政府数据标准都将影响数据粘性。“数据可表达性”指政府数据能够以清晰、完整、准确的方式及以接收部门所需的方式表达传递的特性。当共享的数据并不符合对方部门的应用要求时，对方部门倾向于不接收、不利用该数据。“数据残留”指部分政府数据因限制性规定、质量问题、隐私安全风险等问题而没有被政府部门纳入共享范围的情形。“数据吸收能力”指政府部门吸收、保留、应用其他部门共享的数据的能力。当政府部门无法理解、保存、管理、应用其他部门共享的数据时，数据粘性变高。

2 研究假设与理论模型

本研究将整理相关文献，探讨政府数据跨部门共享情境下影响数据粘性的因素及其相互关系。王芳等认为共享动力不足是阻碍部门数据共享的因素之一［16］。徐晓日和李思聪指出政府部门因为竞争意识阻断了部门之间的横向信息共享，导致部门之间的信息资源流动愈发困难［17］。张震等提出地方政府因为外部压力小，内部动力弱，导致信息资源共享工作务虚不务实［18］。可见，数据共享意愿的降低会导致数据粘性的升高。因此，本研究提出如下假设：

H1：数据共享意愿对数据粘性具有负向影响。

陆 峰 和 陈 月 华［19］、李 宁［20］、丁 波 涛［21］、刘 密 霞 和丁 艺［22］、王 立 霞［23］均 指 出 由 于 缺 乏 数 据 共 享 意 识 与动力，政府部门将掌握的信息资源作为寻求行政利益和提升部门地位的筹码，在设计数据平台时只考虑自身需求，导致数据系统彼此互不兼容，信息资源被封闭阻截在部门内部。周伟和韩家勤［24］、何振和周伟［25］均认为政府工作人员的信息素质和技能水平对提高电子政务信息资源共享程度至关重要。王芳等指出功能不完善的共享平台阻碍了数据共享的有效实现［26］，李重照和黄璜则指出不兼容的数据平台无法支撑跨部门数据共享［27］。可见，缺乏数据共享能力会导致数据粘性减弱，并且数据共享意愿能够影响数据共享能力，继而间接影响数据粘性。因此，本研究提出如下假设：

H2a：数据共享意愿对数据共享能力具有正向影响。

H2b：数据共享能力对数据粘性具有负向影响。

H2：数据共享能力在数据共享意愿与数据粘性的关系中起中介作用。

杨 文 和 张 斌［28］、陆 峰 和 陈 月 华［19］认 为 政 府 机 构及工作人员的共享意愿不强、意识不够先进是导致政府数据标准不统一、数据孤岛等问题的重要原因。当政府部门推动数据共享工作的意愿增强时，政府会更积极推进数据标准工作，从而提高政府数据的可表达性。数据共享意愿对数据表达性的作用还会对数据粘性产生间接影响。李宇［20］、陈勇跃和夏火松［29］均认为由于缺乏统一的数据标准体系，政府数据的转换处理成本较高、过程复杂，严重阻碍了政府数据在跨部门间的流动共享。因此，本研究提出如下假设：

H3a：数据共享意愿对数据可表达性具有正向影响。

H3b：数据可表达性对数据粘性具有负向影响。

H3：数据可表达性在数据共享意愿与数据粘性的关系中起中介作用。

考虑到当政府数据表达性较差时，政府数据更容易滞留在原部门，数据残留程度加剧，导致数据粘性问题。结合前文假设，本研究提出如下假设：

H4：数据可表达性对数据残留具有负向影响。

H5：数据可表达性与数据残留在数据共享意愿与数据粘性的关系中起链式中介作用。

陆峰和陈月华指出有些政府部门为了维护自身利益，以保障数据安全为名义制定共享限制条例，将本可以共享的数据强行留在原部门［19］。李重照和黄璜指出部分政府工作人员对数据共享缺乏参与动力与正确理解，将数据共享视为数据公开，因而抗拒数据共享，导致数据在原部门滞留［27］。可见，数据共享意愿不足会加剧数据残留现象，而数据残留又会进一步加剧数据粘性问题。杨建梁和刘越男提出政府数据本身的特性对政府数据共享的实施具有不可忽视的影响［30］。瞿云指出在鲜活性、有效性、唯一性等方面缺乏质量保证的政府数据更难以在政府各部门之间流通应用［6］。王芳等也提出一些政府部门因为自身采集的数据质量不过关而不敢轻易参与共享［16］。黄欢等通过实证研究发现了知识残留与知识粘性显著正相关［15］。因此，本研究提出如下假设：

H6a：数据共享意愿对数据残留具有负向影响。

H6b：数据残留对数据粘性具有正向影响。

H6：数据残留在数据共享意愿与数据粘性的关系中起中介作用。

Cohen和Levinthal认为当组织积极主动地向外拓展共享渠道时，组织的吸收能力将最终得到增强［31］。罗贤春和李阳晖认为，由于长期以来政府部门各自为政，数据共享意识淡薄，对政府数据吸收能力建设较为忽视，导致政府缺乏对数据进行创新增值的手段［32］。可见，增强数据共享意愿有利于数据吸收能力的提高。数据吸收能力对降低数据粘性具有重要作用。Szulanski研究发现，知识接收者缺乏吸收能力是公司内部知识共享的重要障碍［9］。Cohen和Levinthal［31］、Liu等［33］认为信息接收者可能会因为缺乏必要工具、必要信息而无法顺利获取到信息。本研究认为，政府部门的数据共享意愿会影响其数据吸收能力，从而间接影响数据粘性。因此，本研究提出如下假设：

H7a：数据共享意愿对数据吸收能力具有正向影响。

H7b：数据吸收能力对数据粘性具有负向影响。

H7：数据吸收能力在数据共享意愿与数据粘性的关系中起中介作用。

另外，数据共享能力对数据吸收能力也有直接影响。徐晓日和李思聪［17］指出一些政府部门由于缺乏大数据技术能力与分析工具，在数据的控制分析方面存在明显短板。当政府部门的数据共享能力提高时，意味着数据基础设施与数据分析技能提高，在接收其他部门数据后对数据的分析应用能力也自然更强。同时考虑到前文假设数据共享意愿会直接影响数据共享能力，因此有可能当数据共享意愿提高时，数据共享能力提高，数据吸收能力随之提高，最终导致数据粘性降低。因此，本研究提出如下假设：

H8：数据共享能力对数据吸收能力具有正向影响。

H9：数据共享能力与数据吸收能力在数据共享意愿与数据粘性的关系中起链式中介作用。

基于上述17个假设，本研究提出了政府数据跨部门共享数据粘性影响因素理论模型（见图1）。

图1 政府数据跨部门共享数据粘性影响因素理论模型

3 研究方法

3.1 样本

本研究对我国中部地区基层县级市E市政府的工作人员展开了问卷调查。E市是全国第三批智慧城市试点城市，2020年E市超过90%的行政事项实现网上申请“一网通办”，“放管服”改革取得显著成果，初步建立起了跨部门、跨系统、跨层级的政府数据共享机制。考虑到政府工作人员日常工作较为繁忙，因此本研究通过问卷星平台对外开放问卷，供政府工作人员在空余时间灵活填写。调查共回收351份问卷，其中有294份有效问卷，57份无效问卷，问卷有效率为84%（样本基本情况见表1）。

表1 正式问卷人口特征变量的描述性统计分析

3.2 测量工具

本研究参考国内外成熟量表，编制了问卷量表。量表涉及数据共享意愿、数据共享能力、数据可表达性、数据残留、数据吸收能力、数据粘性等六个潜变量，为了更有效地观测变量，每个潜变量都至少有3个测量题项。借鉴黄欢等的实证问卷，本研究同样采用李克特五点计分法，从1分-5分逐个表示非常不同意、不同意、不能确定、同意、非常同意（问卷量表的基本结构与参考来源见表2）。

表2 问卷变量、测量题项及参考来源

3.3 分析方法与软件

本研究采用验证性因子分析法对问卷信效度进行检验，并结合结构方程模型法检验模型假设，分析步骤包括模型适配度检验、信效度检验、相关性分析、假设检验。分析过程主要使用SPSS 26软件和Mplus 8.3软件。

4 结果分析

4.1 模型适配度检验

对问卷结构方程模型的适配度进行检验（见表3）可知，本研究模型的χ2为355.909，df为198，χ2/df为1.798<3，RMSEA为0.052<0.08，CFI为0.951>0.9，TLI为0.943>0.9，SRMR为0.062<0.08，各指标均符合预期要求，说明理论模型的拟合效果良好，与实际问卷调查数据相契合。

表3 问卷结构方程模型适配度检验

4.2 信效度检验

对问卷量表的信效度检验（见表4）可知，本研究模型的数据共享意愿、数据共享能力、数据可表达性、数据残留、数据吸收能力、数据粘性等6个变量的 组 成 信 度CR分 别 为0.859、0.827、0.838、0.865、0.861、0.805，均高于0.8，说明问卷量表具有很高的内部一致性，问卷信度良好。6个变量的AVE值分别为0.604、0.547、0.635、0.683、0.609、0.508，均高于0.5，说明所有变量的收敛效度较高，符合预期要求。

表4 问卷量表的信效度检验

为了检验模型的区分效度，本研究根据变量的内涵特征、因果关系等排列出了其他6种替代模型，并对其适配度进行检验（见表5），研究发现本研究模型的适配度指标明显优于其他6种替代模型，并且只有本研究模型的适配度指标满足了预期要求，说明本研究的6个变量的确是不同的构念，本研究的变量之间具有良好的区分效度。

表5 正式问卷替代模型适配度检验

4.3 相关性分析

变量之间具有相关关系是研究假设成立的前提。研究通常采用Pearson系数检验变量相关性。对相关性加以分析（见表6）后可知，数据共享意愿与数据粘性之间显著负相关（r=-0.433，p<0.001）；数据共享意愿与数据共享能力之间显著正相关（r=0.532，p<0.001）；数据共享意愿与数据可表达性之间显著正相关（r=0.414，p<0.001）；数据共享意愿与数据残留之间显著负相关（r=-0.416，p<0.001）；数据共享意愿与数据吸收能力之间显著正相关（r=0.602，p<0.001）；数据共享能力与数据吸收能力之间显著正相关（r=0.513，p<0.001）；数据共享能力与数据粘性之间显著负相关（r=-0.483，p<0.001）；数据可表达性与数据残留之间显著负相关（r=-0.562，p<0.001）；数据可表达性与数据粘性之间显著负相关（r=-0.527，p<0.001）；数据残留与数据粘性之间显著正相关（r=0.558，p<0.001）；数据吸收能力与数据粘性之间显著负相关（r=-0.490，p<0.001）。因此，本研究所有理论假设均得到初步支持。

表6 正式问卷变量相关性分析

4.4 假设检验

本研究对变量间的直接效应进行了检验（见表7），从结果可以看出，数据共享意愿对数据粘性的直接效应系数并不显著（β=-0.005，p=0.956>0.05），这说明了数据共享意愿对数据粘性并没有显著的负向影响，假设H1不成立。此外，假设H2a，H2b，H3a，H3b，H4，H6a，H6b，H7a，H7b，H8等10个假设均成立。虽然数据分析结果表明数据共享意愿对数据粘性并不具有直接影响，但是数据共享意愿仍有可能通过影响其他中介变量从而来影响数据粘性。本研究将在中介效应检验部分对数据共享意愿影响数据粘性的间接路径进行检验。

表7 正式问卷直接效应路径分析

本研究按照Zhao等提出的中介效应检验程序［40］，参照Hayes等提出的链式中介变量检验方法［41-42］，采用Bootstrap自助取样法进行中介效应检验。如果中介效应平均路径系数的95%置信区间不包含0，则说明中介效应显著［42］。对中介效应路径分析（见表8）可知，假设H2、H3、H5、H6、H7、H9均成立。对中介效应路径比较（见表9）可知，各中介路径的作用大小并无显著差异。

表8 正式问卷中介效应路径分析

表9 正式问卷中介效应路径比较

4.5 经检验的政府数据跨部门共享数据粘性影响因素理论模型

经过检验后，可以构建出政府数据跨部门共享数据粘性影响因素理论模型（见图2）。在17个研究假设中，只有假设H1没有成立，实证检验结果说明了本研究的理论模型具有合理性。

图2 经检验的政府数据跨部门共享数据粘性影响因素理论模型

数据共享意愿在政府数据跨部门共享数据粘性影响因素理论模型中发挥着重要的作用。政府部门参与政府数据跨部门共享的主观能动性会显著地影响政府对数字基础设施、人员队伍的投入，影响部门对政府数据语义、格式的规范性控制与调整，影响政府对其他部门数据的应用与创新，从而最终影响数据粘性。数据共享意愿对模型所有中介变量具有辐射式影响，要求政府部门必须重视数据共享意愿的作用。

数据共享能力是对数据共享方的描述，数据吸收能力是对数据接收方的描述，两者都是对政府的数字平台建设水平、数据管理经验、人员专业技能等方面的反映，均对数据粘性具有直接的负向影响。增强政府部门的数据共享能力有利于降低政府数据粘性，还有利于增强数据吸收能力从而间接抑制数据粘性。

数据可表达性对数据粘性具有直接的负向影响。数据可表达性和数据共享意愿、数据共享能力等变量不同，是对政府数据本身特征的描述。政府部门通过加强政府数据标准建设、规范政府数据管理操作，可以显著改善由数据标准冲突、数据语义混乱等问题导致的数据粘性问题。数据可表达性还对数据残留具有较大的直接负向影响，语义混乱的数据更有可能残留在政府部门内部，而不是参与流通共享。

数据残留对数据粘性具有直接的正向影响。涉及安全、隐私、保密等问题的政府数据更容易滞留在原部门，形成数据残留，最终加剧数据粘性。随着政府部门对政府业务数据管理不断优化，数据共享限制规定进一步改革厘清，数据残留将减少，从而抑制数据粘性。

总结来说，数据粘性受到数据共享意愿、数据共享能力、数据可表达性、数据残留、数据吸收能力等5个变量的综合影响，政府数据跨部门共享数据粘性影响因素理论模型显示共有6条路径影响了数据粘性的形成：（1）数据共享意愿→数据共享能力→数据粘性；（2）数据共享意愿→数据可表达性→数据粘性；（3）数据共享意愿→数据可表达性→数据残留→数据粘性；（4）数据共享意愿→数据残留→数据粘性；（5）数据共享意愿→数据吸收能力→数据粘性；（6）数据共享意愿→数据共享能力→数据吸收能力→数据粘性。可以看出，政府数据跨部门共享过程中的数据粘性问题是多种复杂因素交织影响后的结果。

5 减少政府数据跨部门共享中数据粘性的建议

5.1 加强部门组织领导

问卷调查表明，政府部门的数据共享意愿是推进政府数据跨部门共享必须重视的首要因素：政府部门的数据共享意愿不足时，政府部门在数据共享能力、数据吸收能力、数据可表达性等方面的建设步伐会直接放缓，数据残留情况愈发频繁，从而导致政府数据粘性加剧、政府数据跨部门共享愈发困难的连锁效应。

为了解决这种“指挥一步动一步”的现象，必须提高政府部门的数据共享意愿。相关研究指出在我国政府部门高度垂直的管理体制之下，加强部门组织领导是提高部门工作主动性的关键方法［44］。因此，应当加强部门组织领导，从国家、省、市、县、乡层层落实政府数据跨部门共享责任，尤其是地方基层政府领导要重视政府数据跨部门共享，不能把政府数据跨部门共享当作上级指派的任务，而应认识到其可以切实提升政府服务效率、改善公共服务的重要意义。政府部门领导应积极响应配合上级安排，主动协调统筹政府数据跨部门共享工作，及时关注解决政府数据跨部门共享障碍因素，调整优化工作任务与激励办法，督促下级部门及工作人员进行任务细分并落实具体工作，从而确保政府数据跨部门共享工作的切实落地与顺利开展。

5.2 优化平台建设统筹

问卷调查指出政府部门的数据共享能力不仅对数据粘性具有直接负向影响，还可以通过影响数据吸收能力从而间接影响数据粘性。为了促进政府数据在部门之间的顺畅流动，必须提高政府部门的数据共享能力，优化平台建设统筹。政府部门要以一体化政务服务平台作为数据共享的总枢纽，加快部门省垂国垂系统与政务服务平台的全面对接，优化政务服务平台的业务功能与运行效率。地方政府应该尽快解决部门多业务系统并存的问题，严格控制部门业务系统的应用数量，全面落实对政务服务平台的推广工作，同时还应对各部门网站、小程序、APP等多种形式的业务平台建设进行协调统筹，妥善解决移动端数据平台过多的问题。

5.3 提高员工数据素养

文献分析发现员工的知识储备、工作经验、专业技能是政府部门参与数据共享的重要“软实力”［24-25］。政府部门的工作人员是政府数据跨部门共享工作的一线参与者与服务者，也是数据共享平台的操作者。员工的数据素养对提高数据共享能力与数据吸收能力，从而最终降低数据粘性具有积极作用。

因此，应该从多方面积极提高员工的数据素养：加强对数据共享相关政策的宣传与解读，加深政府工作人员对政府数据跨部门共享的目标意义、方针政策、基本举措的理解和认可；定期开展对政务服务网使用方法、业务流程、常见问题的技能培训，在有条件的情况下为掌握基本平台技能的员工提供学习数据分析进阶知识的机会；积极组织政府员工前往政府数据跨部门共享建设较为先进的地区参观学习，拓宽员工的工作视野；推动政府数据跨部门共享工作纳入员工的等级认定、绩效奖励、定岗晋级等评估工作中，鼓励政府员工提高自身数据素养与工作效率。

5.4 推进数据目录完善

2022年3月，国务院印发的《关于加快推进政务服务标准化规范化便利化的指导意见》［45］指出目前我国仍存在政府数据共享不充分，政务服务标准不统一的问题，并提出要在2025年底之前实现政务服务标准化、高频电子证照全国互通互认等目标。根据问卷调查，数据可表达性不仅对数据粘性具有直接负向影响，还可以通过影响数据残留从而间接影响数据粘性。

因此，有关部门应当加快推进数据目录的完善工作，根据实际工作需要动态修订审核政府数据目录清单，对数据要素的完整性、准确性、时效性进行适用的、详细的、规范的要求，推动政府数据在名称、编码、依据、类型等方面的标准化、规范化操作，从而加快各部门、各地域对政府数据的互认，减少因数据可表达性过低而导致的政府数据跨部门共享障碍。

6 结语

本研究基于数据粘性理论，从数据共享意愿、数据共享能力、数据可表达性、数据残留、数据吸收能力等五个维度探究数据粘性的影响因素及其相互关系，构建并检验了政府数据跨部门共享数据粘性影响因素理论模型。研究发现政府数据跨部门共享数据粘性影响因素理论模型中各要素密切关联，相互交织影响。其中，数据共享意愿可以通过直接影响数据共享能力、数据可表达性、数据残留、数据吸收能力从而间接影响数据粘性，数据共享能力、数据可表达性、数据残留、数据吸收能力都可以直接影响数据粘性，数据共享能力直接正向影响数据吸收能力，数据可表达性直接负向影响数据残留。概言之政府数据跨部门共享数据粘性影响因素理论模型共有6条路径均可影响数据粘性。基于研究成果，本研究建议加强部门组织领导、优化平台建设统筹、提高员工数据素养，推进数据目录完善，从而降低政府数据粘性，促进政府数据跨部门共享。

由于开展研究的时间、人力、精力、资金成本有限，本研究采取抽样调查的方法在中部地区基层县级市E市进行实证研究。鉴于不同地域、不同经济发展水平的地方政府在政府数据跨部门共享建设水平上存在很大差异，这一客观现状造成我国地方政府在数据粘性的影响因素方面存在不可避免的差异性，影响本研究结果的普遍性。未来研究可以考虑将实证研究的对象拓展到东部地区和西部地区，观察不同经济、科技发展水平地区的地方政府面临的数据粘性问题的共性与差异性，增强政府数据跨部门共享数据粘性影响因素理论模型的借鉴意义。