数据分析赋能公共政策

【摘要】回顾人类历史可发现， 数学的发展可由“基础理论认识”带来科学与技术的革命， 进而在极大程度上推动人类社会向前发展。既往社会上人们对数学的刻板印象一般是空洞的解题训练， 这种训练虽然可以提高形式推导的能力， 却不易导致对事物真正的理解与深入的独立思考， 在过于强调抽象思维的同时， 会忽视数学的应用及与其他领域的联系。数学是一个有机整体， 实为科学思考与行动的基础， 数学模型的建立与数据的使用不仅仅是取得计算结果， 还可以用于科学探索中的解释、 预测、 归因和理论建构， 而数学的这种用途也恰好可以在公共政策与制度设计、 评价或解读政策、 评估或监督人类行为、 前瞻未来等方面发挥其功能作用， 是促进管理科学发展的重要方法， 在公共政策研究领域得到广泛应用。本文在梳理数学对科学和社会进步的作用与意义的基础上， 以数据建模分析在税收征管实践领域的应用为例， 进一步认识数据赋能公共政策的广泛应用潜力与前景， 以助益我国公共政策效率与公共性的提升， 满足数字科技加速发展及良法善治的时代诉求。

【关键词】数学；数据分析；公共政策优化；公共利益；公共性

【中图分类号】 F81 【文献标识码】A 【文章编号】1004-0994（2024）19-0117-6

从人类社会发展脉络看， 人们从大量社会实践当中探索自然的奥秘， 从结绳记事开始， 便有了数学， 之后是其源远流长的发展。随着对大自然认知的不断深化， 人类发展出自己的一系列科学理论， 数学与其他学科的相互关联也愈益紧密。这是从需求到发现再到规律总结然后回到实践的过程， 即从实践中来、 到实践中去， 一步一步向前推进。人类对自然科学的探索随着数学工具发展的深化而不断深入， 尤其是在数字科技蓬勃发展的当下。数学因其对数据的解释、 推理、 预测、 归因等分析功能， 也被用来支持社会科学的研究， 比如支持公共政策的制定和执行， 在对政策的不断优化中管理和改造人类世界。2024年6月， 我国税务部门对企业的“倒查”成为舆论聚焦事件， 人们对税负是否过高、 追征的合法性等问题提出疑问。当月18日国家税务总局有关部门负责人答记者问， 意在澄清相关背景， 并承诺将持续优化税务执法方式， 着力推进精准监管、 精确执法， 重点打击偷逃抗骗税等违法犯罪行为， 为守法企业营造公平竞争的税收营商环境。税务部门对广大纳税人承诺的技术支持， 源自1994年3月启动的金税工程， 数字科技的迅猛发展带来征管效率的提升， 使精准识别“应税”与“逃税”成为可能， 这是捍卫税收正义以及维护纳税人合法权益的有力保障， 亦是公共政策的公共性之所在。如何利用数据建模分析， 助力公共政策实践提升全民福祉及回应诉求， 成为政策制定者需要认真思考的关键问题。

一、 相关研究述评

使用数学模型优化政策的相关研究目前在学界已经积累了一些成果。Love等（2008）以优化后的采购管理系统构建为例， 展示公共部门的决策过程。Zebrowski等（2022）为减缓和适应气候变化， 基于参与者成本最小化和整体效用最大化制定了综合评估模型。Krantz（2011）以瑞典废水的磷回收为例， 通过优化现有程序， 构建可持续的城市供水和卫生系统来改善家庭用水。Neerdael（2007）以处置长生命周期放射性废物方案为例， 通过风险优化管理， 最终满足民众和利益相关者的需求与期望。Johnson（2004）建立了一个保障性住房选址规划模型， 该模型为规划者的决策提供了相当大的灵活性。Shahsavari-Pour等（2023）采用系统动力学方法对大学毕业生就业进行了模拟， 旨在不断提升毕业生劳动技能与市场需求的匹配性， 从而促进就业。As等（2022）通过发挥约束马尔可夫决策过程模型的优化作用， 旨在提高样本的使用效率和决策的安全性。Sahnagil等（2022）指出， 肇始于私营部门的数字化使公共部门决策趋于优化， 未来公共部门的新业务设置和战略制定都是为了适应数字化的发展。Kovacevic等（2022）提出了一个分布式流行病最优控制模型， 是基于感染者疾病状态的统计信息构建的常微分/偏微分方程。Mokrini和Aouam（2022）基于一种多阶段方法， 构建了平衡总供应链成本和感知风险的有效边界模型， 旨在帮助政府规避信息匮乏风险， 实现多目标优化。Sahu和Verma（2022）通过整合土地价格弹性和区域间劳动力供给状况， 从公共角度优化即将到来的基础设施投资决策。Amirkhani等（2022）为缓解农业生产过度开采和干旱导致湖泊水量减少的问题， 开发了一个水资源分配优化模型。Erlichman（2022）以农民利润的总净现值最大化为目标构建了地下水最佳开采模型。Zharikov（2021）提出了一种独特的金砖国家预算赤字优化方法， 并确定了金砖国家的最佳税收水平。可以看到， 国际上以数学为工具构建的公共政策优化模型， 通过对数据的建模分析处理， 为数据分析在我国公共政策实践领域赋能提供了有益的启发和借鉴。

二、 人类以数学为工具改造世界

在人类历史上， 数学的应用范围非常广泛， 从实践需求催生其理论的诞生， 再到更为广阔的应用， 数学引领人类不断走向未来。关于人们如何用数学方法改造世界， 可以追溯到古希腊的数学成就。

提起古希腊， 我们首先想到的是先哲们百科全书式的丰富思想， 然而古希腊先哲的卓越才能相当突出地体现在数学（尤其是几何学）和天文学方面， 数学的证明方法就是起源于古希腊。古埃及金字塔的修建问题、 祭司们想造出原有神像二倍体积的新神像（2的立方根问题）， 便都成为古希腊几何学关心的大问题， 毫无疑问正是人类社会实践的各种需求刺激了对数学的研究。与社会上人们既往对数学的一般刻板印象不同， 无数历史实践证明， 数学不但能够推动科学的发展， 而且可通过科学发展带来思想解放， 进一步推动人类社会进步。可以毫不夸张地说， 数学贯穿人类社会发展的历史， 人类利用数学工具认识世界、 管理世界、 改造世界。

1. 人类利用数学方法推动科学发展。数学在西方科学发展史上占据举足轻重的地位。欧几里得的《几何原本》完美地体现了古希腊智慧， 他对数学的探索主要是出于个人对数学的爱好， 并不是为了有用， 到后来伽利略和开普勒将数学理论应用到战术和天文学研究， 数学才正式回归实践。哥白尼从运动的相对性视角对天文学的探索重在简捷而非真实， 是在一定程度上承继古希腊先哲“简化现象”的假说， 这其实已经是以科学的方式建模研究实践问题的雏形（罗素，2015a）。先哲们因实践而研究数学， 到单纯因数学兴趣而研究数学， 最后又将数学回归到实践应用， 后人沿着前人的路径不断修正、 颠覆， 再向前。从今天的视角来看， 虽然先哲们的一些观点遭到后世质疑甚至颠覆， 但是这并不否定他们在彼时所发挥的推动人类对自然世界不断探索的作用。正是先哲们对数学的纯粹爱好， 无私地照亮了自然科学虽然坎坷却惊喜不断的发展之路。无用之用， 方为大用， 先哲们孜孜不倦地推动数学向前发展， 结果是使数学从形而上真正地走进人类的生活实践。

2. 人类利用数学方法推动社会发展。哥白尼基于数学计算的日心说是对来源于基督教神学的经院哲学发起的挑战， 带来了颠覆性影响， 这导致新教国家的教会力量被削弱， 缺乏足够的力量控制俗世政权， 即教权对政权的控制出现松动， 随之而来的是新教国家比天主教国家拥有更大的思想自由。毋庸置疑， 新天文学是欧洲文艺复兴时期的一道霞光， 它并不仅仅是对人类关于宇宙的想象产生革命性影响那么简单， 其划时代意义在于： 第一， 承认自古以来便相信的东西也可能是错误的； 第二， 承认想要考察科学真理就要耐心搜集事实， 再大胆猜测支配这些事实的规律（罗素，2015b）。在这样的科学氛围下， 出于对天文学探索的需要， 牛顿从运动学观点出发推演出微积分， 提出了三大运动定律。与此同时， 莱布尼茨则从哲学和几何学角度推演出微积分， 为人类揭示出大自然的秘密。人类对天文学认知的颠覆， 在一定程度上动摇了基督教派信徒的坚定信仰， 瓦解了教权神圣不可侵犯的控制地位， 而思想自由带来了科技进步和工业革命， 推动历史不断向前发展。18世纪中叶以后在人类社会发生了三次科技革命， 为我们带来了信息技术、 数字技术、 智能技术的创新式发展。

三、 数据分析赋能公共政策优化

公共政策是国家在特定时期为实现或服务于某些政治、 经济、 文化等目标所采取的一系列规定的行为准则， 既涉及政治学领域又涉及经济学领域， 体现国家战略方向和政治需要， 是关乎一国经济发展的重要问题（尼古拉斯·亨利，2002）。

1. 现阶段我国公共政策实践任重道远。近些年我国公共政策实践面临的挑战在于百年未有之大变局下如何满足多元利益诉求、 三重压力下如何稳增长、 资源与环境限制等多重约束条件下如何优化经济结构等， 并对其进行分析、 评估和判断， 不断推进公共决策的科学化、 民主化和法治化进程。讨论公共政策实践的优化问题， 目的并不只是在于制定某项政策， 而在于评价现有政策并探索更为有效的政策安排， 试图解决当前我国面临的诸多实践问题。

数据建模分析在解决公共政策中的复杂问题方面有着传奇的历史， 政策制定者必须平衡经常存在紧张关系的多个目标（如效率与公平）， 而对于如何更好地平衡上述目标往往有不同的价值判断， 多目标优化方法无疑可以支持决策者设计更有效、 公平和包容的政策， 使公共政策的制定成为一个具有挑战性的领域（Papalexopoulos，2022）。为了提高公共服务绩效， 通常需要不断优化公共政策的流程、 技术和服务， 虽然优化最初对公共服务绩效的贡献大于创新， 但优化越多， 优化的影响越小， 即边际效益递减， 所以要使用综合策略来处理创新与优化之间的紧张关系（Gieske等，2020）。

公共政策的最高境界在于通过政策的制定和执行， 引导和塑造个体行为， 使私人利益与公共利益相弥合， 使公共政策成为艺术。公共政策的内在要求是能够最大限度地容忍个体偏好以及偏好强度的差异、 协调个体行为、 降低实现公共利益的综合社会成本， 从而实现公共利益最大化。在公共政策的激励、 约束和引导下， 个体必须思考公共政策可能会对自身造成的潜在影响。从本质上说， 个体利己的过程就是在微观层面上以利己为出发点， 在宏观层面上实现公共利益。公共政策的这种成功， 正是通过引导个体行为趋近公共利益来实现的。

然而受认知所限， 作为前提假设的理性也是有限的， 所以政策的制定与执行在初期阶段往往不够完美， 需要不断优化、 完善和与时俱进。正因如此， 林德布洛姆在西蒙有限理性理论的基础上又前进一步， 发展出渐进决策理论。他指出， 有关公共政策的制定、 修改和执行有赖于渐进式改革， 优化是在混乱无序中不断挣扎前行的结果， 不会是一蹴而就的， 更不会是一成不变的（Lindblom， 1948）， 这是由于好的公共政策尤其应该在价值与手段之间取得平衡， 在稳中求变， 从而使公共政策不断优化。政策设计主要研究公共政策能够解决的实际问题， 而政策优化的目的是有效提升公共管理与公共政策的质量， 使公共产品与服务更具回应性， 增加公共利益。

2. 尝试运用数据分析优化公共政策。数据分析模型是理论模型的一种， 旨在陈述一些根据研究对象而设定的假设， 其针对研究对象抽象出某些特征， 并且用规范方式表达出这些特征之间的关系， 它们具有可检验性， 也可以将其理解为是对研究对象的理论性简化描述， 现代社会科学模型大都属于此类（Achinstein，1968）。用数据建模分析的方式来研究公共政策实践问题可以满足包括但不限于如下需求： 对政策与制度提出建议、 评价或解读政策、 评估或监督人类行为、 前瞻未来。上述种种可以归结为科学探索中的解释、 预测、 归因和理论结构。而上述研究需求一直在自然科学中被广泛应用， 社会科学与数据分析的融合无疑会使公共政策实践更精细、 更严谨、 更易于评估和预测， 从而提高政策质量， 利于良法善治。

数据分析要求学者选择恰当的数学理论与方法， 将人类社会实践中的具体问题予以抽象和简化， 变成一个数学问题， 再用数学知识解决这个问题。具体做法如下： 从若干生产实践问题出发→抽象出其中的规律→提出猜想与假设→去伪存真。通常来说， 用于思维的模型约束条件相对较少， 被用来分析、 解释和预测正在发生的事物， 而用于决策方案的模型则需要更多的约束条件， 要兼顾更多的适用情境， 这样才能使做出的决策更精准地满足决策者的诉求。公共政策研究对象之间互动的现象、 结构和过程， 将同时使用这两种模型， 其丰富的数学性质经常被用来作为一个计算装置， 比如基于技术工人数量、 劳动力成本、 税收、 能源成本等因素构建外资对德国投资的优化模型等（Nicolay，2023）。基于有效的捕捞模型制定政策， 可以保护过度捕捞的种群免受可能的灭绝（Bhattacharyya和Chatterjee，2022）。

上述模型通过适当的调整， 也可以成为分析谁应该补税、 谁已经过度缴税的数据模型。

当前数据建模分析越来越受到学者的关注， 随之也逐渐被公共管理与公共政策研究所接纳， 如运筹学（Operations Research）、 选址模型（Location Model）、 系统分析（Systems Analysis）、 决策科学（Decision Science）和统计模拟（Statistical Simulation）等， 以提高各种公共政策事项决策和执行过程的有效性与透明度， 理论为反哺实践做好了准备。在实践中科学的公共政策制定与执行是不断优化的结果， 政策工具的有效选择和设计本身就是政策目标能够顺利实现的基本保证。

四、 旨在优化政策的数据分析模型在税收征管实践领域的应用

我们对数据分析在自然科学领域的应用并不陌生， 在社会科学领域有关数据分析的研究也越来越热门， 更进一步， 我们希望更多的数据分析能应用于政策实践， 诠释精准的数据分析对公共政策制定和执行的重要意义。

1. 有关政策实践的核心概念。理性经济人是公共政策领域的核心概念， 也是前提假设。税收征管优化模型的核心构成也必然是理性经济人在政策引导下， 其行为更趋向于实现公共利益， 这是对人类行为剔除非经济因素后的简单抽象假设。理性经济人关注在各种限定性条件下的个人效用最大化， 而社会正义是保障此行为具有可操作性的必要前提。所以， 理性、 最优化、 正义是政策优化需要关注的三个核心概念。

（1） 理性。理性是一个仁者见仁、 智者见智的相当宽泛的概念， 堪称社会科学和哲学中最基本的概念， 即便人们都宣称自己是理性的， 但是在行为上却可能千差万别。理性要求遵循一系列先验的“选择的内在一致性条件”， 或“预期效用最大化的公理”， 或者彻底的“自利”最大化， 并排除了选择其他理由的可能（阿玛蒂亚·森，2013a）。人类往往难以理解与自己文化背景不同的人的行为， 想要甄别其中所包含的理性更是难上加难（戈登·塔洛克，2010）。对于人类理性的思考， 今有西蒙的“有限理性”， 古有苏格拉底的“自知无知的智慧”， 人类自发行为很难做到较全面的理性。从理性的视角思考人类行为并据此制定公共政策， 显然非常有必要， 但也必然有其局限性， 甚至可能导致偏离政策执行的有效性和其公共价值导向（欧纯智和贾康，2019）。所以， 在制定和执行公共政策时要尽量基于大量的数据分析并兼顾心理预期、 稳健的执行程序、 确定的执行结果。

（2） 最优化。最优化简而言之就是最好， 然而在公共政策的制定和执行方面， 我们通常会追问要实现“谁的最优化”。一个集体当中每个人的最优化行为可能恰恰对其自身来说都是很差的结果（比如“鸡娃”导致的剧场效应）， 这也是奥尔森在《集体行动的逻辑》当中提出的“个体理性导致群体的非理性”， 这是公共选择当中的个体与群体问题， 其本质在于人的行为仅仅是对一个人还是对许多人产生影响， 或者人的行为是以自我为中心还是以他人为中心的（乔治·弗雷德里克森，2003）。不同主体的最优化往往并不相同， 倡导经济干预的凯恩斯曾强烈反对在第一次世界大战中英国政府强制征兵的做法， 自由主义者维克塞尔认为一项政府财政开支要得到议会的“一致同意”， 这也是布坎南和塔洛克在《同意的计算》一书中提出的“一致同意”理论的先河。学者们在对待“谁的最优化”问题上的态度为我们做了最好的诠释。基于此， 我们在制定和执行公共政策时要不停地追问为了“谁的最优化”。

（3） 正义。正义是社会制度的首要价值， 正像真理是思想体系的首要价值一样（约翰·罗尔斯，2006）。以罗尔斯、 诺齐克、 德沃金为代表的政治哲学家们继承了西方契约论的传统， 试图代替现行功利主义的、 有关社会基本结构的正义理论， 将建立理想的社会制度所需的社会契约作为核心， 尽管他们的观点不尽相同。以阿玛蒂亚·森、 阿罗为代表的政治哲学家们则采用完全不同的另一种研究正义问题的方法， 他们没有致力于建立一个完美的正义理论体系， 而是发展了一种不同于社会契约方法的理论体系， 以数学化的、 具有高度解析性的“社会选择理论”来研究正义问题， 致力于探索和发展社会选择理论中具有建设性的可能性。如果说理想中的正义在制度设计中往往难以实现， 那么我们要尽可能地规避非正义的制度设计。我们关注的焦点不应仅仅局限于制度， 恰恰相反， 我们可以考察人类实际能够过上的生活， 这当然取决于所选择的制度， 但也并不仅仅取决于制度（阿玛蒂亚·森，2013b）。

规范性的基层税收征管实践要重点关注理性、 最优化、 正义等概念， 不仅仅要说明这些概念的具体含义， 还要研究这些概念与其他规范性概念之间的关系。我们试图以模拟征管模型的方式简化现实世界， 因此特别关注模型的解， 即构成模型理论预测的稳定结果和均衡， 这同时也成为检验模型有效性的方式。反过来， 我们也可以使用这些模型来评价现有的征管制度， 并通过改变模型结构来观测制度变化带来的各种可能结果。

2. 用数据建模分析的方式优化税收征管制度与政策。本节我们将从全社会民生福祉的视角， 来观察税收征管相关问题， 以此为例论述如何用数据分析解决税收征管优化问题。为了替公共产品和公共服务提供财政支持， 政府需要对多种融资渠道进行选择， 如征税、 发行债券（包括国债和地方政府债券）、 政府间转移支付以及发行货币。无限量地发行货币会导致通货膨胀， 它可以毁灭最强大的经济； 政府借款要用未来的财政收入来偿还， 太多的借款会影响以后年度的预算平衡， 而持续的财政赤字又会破坏公众对政府的信任； 税收看起来对经济和政治的破坏性比前两者要小一些， 成为政府获得财政收入的首选。有关政府的融资渠道选择也可以是基于数学建模计算后的最优化选择问题， 这里不再展开论述。一般来说， 政府既要考虑税种替代后的收入分配变化、 企业实际的税负承担能力， 也需要考虑税收的实施成本、 纳税遵从及公平与效率（欧纯智，2014）。征管效率取决于最优的税收政策， 最优的税收政策可以创造出具有可操作性和现代标准导向的商业环境（Abuselidze和Gogitidze，2020）。毋庸置疑， 优化税收征管体系可以增加民生福祉（Khоrеv等，2019）。

通常来说， 理性的人们都希望在纯收入既定的情况下缴纳尽可能少的税， 他们有时会混淆“税收优化”和“逃税”， 想通过少缴税来增加利润， 而政府希望拥有更多的税收以实施政府发展计划（Joldybayeva等，2022）。税收政策作为实现可持续发展的工具也需要持续优化（Pirlot，2020）， 以最大限度地发挥社会福利函数的弹性， 弥补初次分配造成的不公（Novikova和Tsyplakov，2021）。虽然不能证明这是人类社会的最大福祉， 但并不妨碍我们将此作为适当的社会目标。根据上述假设， 政府在各种征管水平下征得的税收可表示如下：

TR=LC·R·I+（1-LC）·I'·LD·P-CR （1）

其中， CR代表征管成本（包含稽查成本）， I代表收入， I'代表避税部分的收入， LC代表纳税遵从度， LD代表纳税人逃税被税务部门查到的可能性， P代表税务部门查到企业逃税的可能性， R代表税率， TR代表税收收入， LC·R·I代表自觉纳税额， （1-LC）·I'·LD·P代表稽查收入。

纳税人考虑逃税必须满足：

LD·P·I'＜R·I' （2）

理性人会时刻关注自己的收益和成本， 不断优化自己的纳税行为， 只有纳税人逃税被稽查发现需要补税的数额（不仅仅指本金， 还包括滞纳金和罚款）小于其依法纳税的数额， 逃税才有意义。如果我们想要税收收入TR最大化， 则在税收相关制度的制定和执行过程中要审慎考虑滞纳金的设定、 罚款倍数的适用范围以及稽查覆盖率等问题， 这三个因素能够制约逃税的发生。

然而， 只考虑税收收入TR可能远远不够， TR涉及的是群体收益问题， 此时我们忽略了与纳税人个体相关的因素——纳税人为纳税而付出的操作成本CP， 只有将CP纳入考量， 才能得到最优的社会效益N， 这也是我们在回答为了“谁的最优化”问题。我们知道纳税遵从度LC是纳税人逃税被税务部门查到的可能性LD的函数：

LC=g（LD） （3）

纳税人逃税被税务部门查到的可能性LD又是纳税人为纳税而付出的操作成本CP以及征管成本（包含稽查成本）CR的函数：

LD=h1（CR）+h2（CP） （4）

其中， h1（CR）代表征管投入， h2（CP）代表纳税成本。

如果要计算整个社会的效益N， 就要考虑CP：

N =LC·R·I+（1-LC）·I'·LD·P-CR-CP （5）

在思考社会效益问题时， 我们不仅需要考虑滞纳金的设定、 罚款倍数的适用范围以及稽查覆盖率等问题， 还要考虑理性纳税人的纳税成本相关问题。金税工程为税务部门提供了详实的企业涉税数据， 科学征管思维加上数据分析为我们制定并执行税收相关制度带来了启示， 据此可设计一套更佳的税收征管制度及政策（戈登·塔洛克，2011）。该制度通过引导和激励纳税人依法纳税的方式， 帮助纳税人实现其个人利益最大化， 这是个体私利被引导至公共利益轨道的最优制度安排。此外， 纳税人对高质量税收征管的期待一直敦促税务部门砥砺前行， 持续优化税务执法方式。为着力推进精准监管、 精确执法， 重点打击偷逃抗骗税等违法犯罪行为， 税务部门要主动建模， 利用涉税数据对实践中典型的征管难题进行分析。随着全国征收率的普遍提升， 在能有效满足政府财政运行所需的前提下， 税务部门可适当拓展税源和逐步降低税负， 为守法企业营造公平竞争的税收营商环境， 加持经济发展。

必须承认， 理性经济人是税收征管优化问题中对经济行为人的理论性简化假设， 个体被假定为在计算其行为结果时是理性的， 并且这一行为发生在正常和可预期的情况下， 该假设在实践中的应用比较注重情境， 而在本例逃税的情境下， 该假设能够适用（欧纯智，2016）。如果没有模型的简化近似处理， 我们无法描述、 更无法分析税收优化相关问题。本节特意选择了一个非常简单普遍的征管模型来举例说明数据分析在公共政策实践领域的应用， 对于更复杂的实践问题就要使用相对更复杂的数据分析模型， 比如博弈问题、 公共产品提供问题等。

五、 将数据分析应用于公共政策实践领域需要关注的几个问题

需要着重说明的是， 我们必须探寻那些能够推进公正的政策， 而不是将政策本身视为公正的体现， 否则我们将陷入某种形式的制度原教旨主义。尽管正义这种以政策为导向的视角认为， 适宜政策的存在能够满足公正的要求， 但视野更宽广的正义观则要求， 我们有必要考察那些政策基础究竟产生了什么样的社会结果。当然， 政策本身也可被视为社会结果的一部分， 但它很难成为我们所要关注的全部， 因为人们的实际生活也是其中的一部分（阿玛蒂亚·森，2013b）。

1. 数学模型自身的局限性。在变量繁多的政策实践领域， 当我们运用数学工具时需要谨记： 在极端假设之下由数学方法推导出来的结论的局限性， 以及据此设计公共政策时的局限与束缚。这值得学术界予以充分重视。数学是极为严谨的强有力的计算分析工具， 但是过分依赖数学工具又会导致政策实践陷入僵化。数学虽然有用， 但并非可以成为解释一切事物的万能工具。这是由于作为前提的假设是数学能够推导出结论的关键因素， 而假设本身能否成立， 是既往我们使用数学证明、 推导、 计算时经常忽视或无视的关键所在， 这使得数学在对研究结果进行解释时遇到无法克服的挑战。这些都是我们在使用数学作为工具分析各种问题时无法回避的。此外， 由于模型难以描述研究对象的全部， 而是为了解释和预测特定现象做了有用且方便的简化或者近似处理， 不能想当然地认为模型中的描述都是准确无误的， 它只是一个有用的近似估计。因此， 仅有数据还远远不够， 既要会正确地使用数据分析， 还要对标实践审慎地去伪存真。

2. 泛数学化的政策实践优化问题不能偏离公共性的价值导向。近年来社会科学研究领域逐渐兴起泛数学化的态势， 甚至出现了模型唯数学化的现象， 导致主流社会科学学者的思维方式趋于模型化， 失去理论的、 系统的、 逻辑的思维方式， 从而忽视对问题本身的探索、 研究和把握。数学化被指责成为伪社会科学泛滥的土壤， 在这样的大背景下， 政策实践领域的数据分析也会在一定程度上被质疑。我们不反对将数学作为社会科学的研究工具， 也承认采用数学方法进行量化分析是进步的， 但需时刻谨记数学在社会科学领域的应用应该是锦上添花， 在这里“锦”指代社会科学， “花”指代数学， 社会科学的重要性不言而喻。我们知道， 社会科学一旦失去了思想和理论， 也就失去了灵魂， 基于社会科学相关理论的公共政策一旦缺乏公共性的价值导向， 就很难再实现公共利益。所以我们要恰如其分地使用数学工具， 关注有关公共政策实践问题的理性、 最优化和正义等公共价值诉求， 唯有基于此的公共政策实践才能具有公共性的价值导向。

3. 在公共政策实践领域使用数据分析道阻且长。从学术回归实践， 在国际上实际能够熟练使用数学工具的政策制定者和实践者寥寥无几， 数学建模能力反而成为他们使用数据分析的障碍， 这些障碍往往掩盖了数据分析的优点。由于这些障碍的存在， 数据分析还仅仅停留在学术研究层面（Kim，2012）。这是由于构建数据分析模型需要极高的专业技能， 而据人社部门统计， 我国统计分析人才缺口每年以30%的增速递增。此外， 高质量数据分析需要随机统计抽样， 而目前的大数据分析通常仅能做到非随机被动收集。我国经过近三十年努力构建“十二金”工程， 相关部门均能获得本行业的基础数据， 然而从目前情况来看， 这些数据的互联互通与开放共享还需要一些时日。未来， 呼吁相关职能部门有序开放共享公共数据， 敦促电商平台按照数据风险等级逐步公开隐匿用户隐私的商业数据， 用于科学研究和模型训练， 集中力量打造高质量脱密的再分析数据集。即便目前来看破除数据壁垒还有很多阻力， 我们也依然要怀有一种乐观的期待， 即期待以公共利益为导向的数据分析在未来的政策实践领域能够得到越来越广泛的应用。

六、 结语

任何公共政策的制定和执行都很难达到最理想的状态， 但在进行有关目标与价值的判断时， 权衡取舍、 妥协让步， 尽可能实现创新和优化， 对于公共政策实践来说还是必要和必需的。这是由于， 更高的公共政策质量是全面建成社会主义现代化强国的坚实支撑， 是推动经济社会高质量发展的重要动力， 是提升国际竞争力的重要战略举措， 是满足人民日益增长的美好生活需要的必然要求。公共政策研究本身不是目的， 仅是追求良法善治这一宏大目标的一种可能手段， 将数据分析审慎地应用于政策实践， 一定能够增进公共利益， 有效服务民生福祉， 回应民众诉求。

【 主 要 参 考 文 献 】

阿玛蒂亚·森著．李风华译．理性与自由［M］．北京：中国人民大学出版社，2013a．

阿玛蒂亚·森著．王磊，李航译．正义的理念［M］．北京：中国人民大学出版社，2013b．

戈登·塔洛克著．柏克，郑景胜译．官僚体制的政治［M］．北京：商务印书馆，2010．

戈登·塔洛克著．柏克，郑景胜译．公共选择［M］．北京：商务印书馆，2011．

罗素著．马元德译．西方哲学史上卷［M］．北京：商务印书馆，2015a．

罗素著．马元德译．西方哲学史下卷［M］．北京：商务印书馆，2015b．

尼古拉斯·亨利著．项龙译．公共行政与公共事务［M］．北京：华夏出版社，2002．

欧纯智，贾康．人性是公共政策的广义理性基础——对理性假设的反思与扩展认识［ J］．当代财经，2019（9）：28 ～ 37．

欧纯智．我国基层征纳寻租交易构成的机理分析［ J］．财政研究，2014（6）：14 ～ 17．

欧纯智．新制度供给下的公共利益对个人利益的引导——基于税收征纳博弈分析［ J］．税务研究，2016（12）：80 ～ 86．

乔治·弗雷德里克森著．张成福译．公共行政的精神［M］．北京：中国人民大学出版社，2003．

约翰·罗尔斯著．何怀宏，何包钢，廖申白译．正义论［M］．北京：中国社会科学出版社，2006．

Abuselidze G.， Gogitidze I.. Tax policy for business entities under the conditions of association with the European Union： Features and optimization directions［Z］． E3S Web of Conferences，2020．

Achinstein P.. Concepts of science［M］． Baltimore and London： The Johns Hopkins University Press，1968．

Amirkhani M.， Zarei H.， Radmanesh F.， et al.. An operational sociohydrological model to understand the feedbacks between community sensitivity and environmental flows for an endorheic lake basin， lake Bakhtegan， Iran［ J］． Journal of Hydrology，2022（605）：1 ～ 15．

Bhattacharyya J.， Chatterjee A.. Dynamics of a fishery model with continuous threshold harvesting policy and its leverage for conservation and management［ J］． Journal of Biological Systems，2022（4）：913 ～ 943．

Erlichman H..Optimizing long-term irrigation of areas above an unconfined aquifer： Quantity and quality considerations［ J］． Water Economics and Policy，2022（4）：1 ～ 20．

Gieske H.， George B.， Meerkerk I. V.， et al..Innovating and optimizing in public organizations： Does more become less？［ J］． Public Management Review，2020（4）：475 ～ 497．

Khоrеv A. I.， Belyaeva G. V.， Polozova A. N.， et al.. The optimization procedure in the tax system， the processing organizations［ J］． Proceedings of the Voronezh State University of Engineering Technologies，2019（1）：357 ～ 365．

Kim D.. Using optimization tools to improve policy decisions and implementation： Obstacles and potential solutions for health policy［ J］． Economics， Political Science，2012（1）：1 ～ 18．

Kovacevic R. M.， Stilianakis N. I.， Veliov V. M.. A distributed optimal control model applied to covid-19 pandemic［ J］． SIAM Journal on Control and Optimization，2022（2）：221 ～ 245．

Krantz H..Water systems meeting everyday life： A conceptual model of household use of urban water and sanitation systems［ J］． Public Works Management & Policy，2011（17）：103 ～ 119．

Lindblom C. E.. "Bargaining Power" in price and wage determination［ J］．Quarterly Journal of Economics，1948（3）：396 ～ 417．

Love P. E. D.， Davis P. R.， Edwards D. J.， et al.. Uncertainty avoidance： Public sector clients and procurement selection［ J］． International Journal of Public Sector Management，2008（7）：753 ～ 776．

M. P. Johnson. Single-period location models for subsidized housing： Project-based subsidies［ J］． Socio-Economic Planning Sciences，2004（4）：249 ～ 274．

Mokrini A.， Aouam T.. A decision-support tool for policy makers in healthcare supply chains to balance between perceived risk in logistics outsourcing and cost-efficiency［ J］． Expert Systems with Applications，2022（201）：116999．

Nicolay K. S. D..How can the weakness of investment in Germany be Countered in terms of tax policy？［ J］． Wirtschaftsdienst，2023（10）：665 ～ 669．

Novikova T.， Tsyplakov A.. Social policy development based on a combination of agent-oriented and inter-industrial approaches［ J］． Journal of the New Economic Association，2021（52）：12 ～ 36．

Pirlot A.. A legal analysis of the mutual interactions between the UN Sustainable Development Goals （SDGs） & taxation［ J］． SSRN Electronic Journal，2020（4）：87 ～ 111．

Sahnagil S.， Gezici H. S.， Kocaoglu M.. Evaluation of digital transformation process through the Presidential Government System： Digital transformation office［ J］． Journal of Information and Optimization Sciences，2022（7）：1727 ～ 1741．

Sahu S.， Verma A.. Quantifying wider economic impacts of high-speed connectivity and accessibility： The case of the Karnataka high-speed rail［ J］． Transportation Research Part A： Policy and Practice，2022（158）：141 ～ 155．

Shahsavari-Pour N.， Darabi L.， Zaer-Miri S.. Analysis of the employment status of iranian public universities graduates and the governmental policy using system dynamics approach［ J］． Simulation，2023（1）：89 ～ 109．

Zebrowski P.， Dieckmann U.， Brännström Å.， et al.. Sharing the burdens of climate mitigation and adaptation： Incorporating fairness perspectives into policy optimization models［ J］． Sustainability，2022（7）：1 ～ 24．

Zharikov M.. A debt market model for the brics［ J］． Economies，2021（1）：1 ～ 12．