地方政府数据开放绩效的影响要素与提升路径

摘"""要：近年来，我国地方政府数据开放取得了重要进展，目前已有26个省级政府上线了政府数据开放平台，但数据开放绩效存在较大差异。同属经济发达地区的上海和江苏数据开放绩效差距明显，位于西部欠发达地区的贵州却取得较高的数据开放绩效，山东省、广西省、江西省等数据开放起步较晚，但在短时间内绩效提升显著。运用模糊集定性比较分析方法（fsQCA），以26个省级政府数据开放平台为样本，对数据开放绩效进行组态分析，分析出政府数据开放绩效的关键影响要素和高绩效组态路径，以期为提升地方政府数据开放绩效提供思路。研究表明，地方政府数据开放高绩效的实现路径包括综合驱动、行政驱动、产业驱动、社会驱动四种。地方政府应综合考虑本地基础要素和发展需求，精准识别汇聚地缘优势且可能产生良好收益的关键驱动要素，并对其进行针对性引导和扶持，通过行政赋能、资源吸纳、主体互动等方式发挥关键要素的驱动作用，确立起本地竞争优势，推动地方政府数据开放绩效的持续动态提升。

关"键"词：政府数据开放;综合驱动;行政驱动;产业驱动;社会驱动

中图分类号：D63;G252"""文献标识码：A""文章编号：1007-8207（2025）01-0050-12

一、问题的提出

实现政府数据的全面开放和高质量开发利用是数字政府建设的关键基础。在国家政策激励和数据资源潜在价值吸引下，我国各级地方政府积极加入数据开放的实践探索，呈现出东部地区率先发展、中西部地区后发追赶的良好态势，但是由于各地在经济基础、科技水平、社会环境等方面存在一定差异，地方政府数据开放的绩效水平参差不齐。因此，从应然维度探析影响政府数据开放绩效的关键因素，从实然维度探索具有本土适用性的绩效提升路径与实现策略，对整体上提升我国地方政府数据开放的效率、效果、效益具有重要的理论价值和实践意义。

国内关于政府数据开放绩效的研究已展开，常见的各种主客观影响因素均已纳入研究范畴。从研究范式上看，大致可分为单要素分析和多要素分析两种。其中，单要素分析大多从政策法规、组织体制、技术水平、外部环境等方面切入，分析各类内外部因素的影响机理和影响程度;多要素分析则将政府数据开放视为一个受多元且相互关联因素影响的复杂活动。现有研究取得了较为丰硕的研究成果，但仍存在以下缺憾：一是虽然分析考察的影响因素类别很多，但并未形成一致性的解释框架。单要素分析缺少对多元要素之间联动匹配的细致研究，多要素分析中对各要素发挥作用的相对重要性及变量关系少有涉及。二是多数研究将不同行政层级的地方政府合并研究，较少讨论省级政府承上启下关键性作用的发挥。另外，虽然已有部分学者对地方政府数据开放绩效进行组态分析，但在深入探究典型案例的具体特征、行为方式和因果机制方面仍然欠缺。笔者基于开放政府理论，构建起包含行政要素、产业要素、社会要素三个维度的分析框架，探索政府数据开放绩效的影响因素和高绩效组态路径，希冀为我国基础要素差异显著的各地方政府探索如何因地制宜提升数据开放绩效提供思路。

二、理论溯源与影响要素

（一）理论溯源：开放政府理论

开放政府理论通常被视为政府数据开放的理论起点，这一理论发源于20世纪五六十年代的知情权制度化实践中，美国学者帕克（Park）首次提出“开放政府”理念并迅速得到各界的积极响应。詹路易吉（Gianluigi）等人进一步提出开放政府的特征应体现在两个方面：一是公众的广泛参与和纳言献策;二是公共行政责任透明、信息公开化以及数字服务能力。[1]开放政府理论强调公众获取政府信息和数据的权利，主张通过有效的信息公开和数据开放共享提高政府的行政效率与管理服务效率。这一治理理念下，透明、参与、合作成为理论内核。[2]随着新公共管理运动的兴起特别是信息技术在政府革新中的渗透，关于开放政府的理论建构和实践探索进入高潮期。娜塔撒（Natasa）建构出包含开放数据、数据透明、政府透明、公众参与、多元合作等内容的开放政府概念模型。[3]毛寿龙、陈建国在治道变革理论框架下，提出开放政府的最终诉求是建设更好的政府，以更低的社会总成本提供更好的政府服务。[4]现有研究形成的普遍共识是，通过合作生产进行政府数据开放是开放政府的实现方式和行为选择，而通过推动公众参与和社会合作提升政府治理能力、增进社会总体收益则是开放政府最为本质和核心的内容。基于此，政府作为数据资源的供给者，应致力于推动数据资源的开放、开发与价值创造。政府完成数据开放这一步骤后，再由市场完成数据创新活动，由社会公众使用并提出反馈。数据开放的全过程体现了行政要素、产业要素、社会要素协同作用的发挥，政府与市场和社会之间形成了合作众创的互动关系，体现了开放政府理论推动公共资源价值实现的核心目标和多主体协作的治理逻辑。

（二）影响要素：行政、产业、社会

基于开放政府理论，根据政府数据开放的实践特征，可以将影响政府数据开放绩效的要素划分为行政要素、产业要素和社会要素三方面，建构出以下分析框架（见图1）。

lt;C：＼Users＼Administrator＼Desktop＼1期定版＼李思宇1.jpggt;

图1政府数据开放绩效影响因素的分析框架

1.行政要素。政府承担数据供给职责并统筹推动数据开放进程，需要保障和维护各参与主体的权益，综合考量其参与能力和利益诉求，维护数据开放秩序与生态。行政要素主要有政府准备度和财政资源两个方面：从政府准备度看，“政府准备度基本被各类政府数据开放评估体系纳入考察范围，涉及法规政策、标准规范、组织保障等，作为对数据开放基础支撑的衡量”[5]。其中，法规政策提供的是数据开放的制度保障和根本依据，组织保障依托的是数据管理机构的业务协同，标准规范明确的是数据开放的技术操作指南。从财政资源看，政府数据开放具有资金投入多、建设周期长、收益获取慢的特点，需要通过必要的财政投入为基础设施建设、人力资源配置等提供基础保障。

2.产业要素。市场主体作为数据产品和服务的主要开发者，是数据供给者与数据使用者之间的关键链接。产业要素主要有数据产业基础和数据开发成果两个方面：从数据产业基础看，数据产业的发展是政府数据开发与创新的基础，数据产业规模的扩张和对原始数据资源需求的增长会倒逼政府进一步扩大数据供给的范围和数量;从数据开发成果看，能够反映政府数据开放后的市场开发利用情况，有效成果的数量与质量是衡量政府数据开发利用成效的重要可视化指标。

3.社会要素。社会公众是政府数据以及数据产品和服务的主要使用者，社会要素主要有社会需求和互动反馈两个方面：从社会需求看，通过数据需求的有效表达可以使政府快速响应公众需求明确数据开放方向;从互动反馈看，政府通过及时捕捉用户反馈的数据获取、使用和服务体验，完善数据开放服务。

三、地方政府数据开放绩效的实证检验

在组态视角下，政府数据开放绩效的核心影响要素并非相互独立，而是通过联动匹配协同发挥作用，可以运用模糊集定性比较分析方法（fsQCA）实证探讨行政、产业、社会三重要素如何通过联动匹配影响政府数据开放绩效。

（一）样本选择

选择我国已上线政府数据开放平台的26个省级政府为样本，原因如下：一是省级政府在我国行政管理体系中起到承上启下的作用，省级政府在数据开放方面的职责不仅限于省本级，还包括对省内下辖地（市）的赋权、赋能和规范，如制定省级法规政策和标准、推动各地区开放优质数据集、推进“省—市—县”三级联网平台互联互通、组织全省性的数据利用促进活动等。二是省级政府数据开放工作的开展通常早于地（市）级政府，可供查阅的资料更加丰富和全面。三是考虑到fsQCA对案例总体的充分同质性以及案例间的最大异质性的要求，所选26个省份在经济基础、科技水平、社会文化等基础条件方面差异明显，具备较强代表性。四是在样本数量方面，所选26个样本数量符合fsQCA对中等规模样本数量在10—40个的基本要求。

（二）变量操作化及赋值

1.结果变量。以地方政府数据开放绩效为结果变量，从政府数据的供给、使用、产出、影响等层面对政府数据开放绩效进行综合评价。结果变量的数据来源是复旦大学与国家信息中心数字中国研究院发布的2023年《中国地方公共数据开放利用报告》（以下简称《报告》），该《报告》从2017年起每半年发布一次，其综合指数测定包含准备度、数据层、服务层、利用层四个单项指数，从数据流通、利用、价值释放等维度较全面地评估了地方政府数据开放的综合绩效。

2.条件变量。根据本文的分析框架，将条件变量设计为行政要素、产业要素、社会要素三个维度共6个变量，具体变量设计如下（见表1）。

表1条件变量测量指标及数据来源

[维度变量名称测量指标数据来源行政要素政府准备度①准备度指数《报告》财政资源人均一般公共预算支出《2023年中国统计年鉴》产业要素数据产业水平大数据产业发展指数《中国大数据区域发展水平评估报告（2023年）》数据开发成果②利用层指数《报告》社会要素公众需求互联网普及率第52次《中国互联网络发展状况统计报告》互动反馈③服务层指数《报告》]

3.变量赋值。根据变量测量指标及数据来源，可得到26个省级政府结果变量及条件变量的原始数据。笔者运用直接校准法，参照既有研究，将样本数据的95%和5%分位数设为“完全隶属”和“完全不隶属”，50%分位数设为“交叉点”，运用fsQCA4.1软件中的校准函数calibrate对原始数据进行校准，校准锚点见表2。

表2结果变量与条件变量的校准锚点

[变量名称完全隶属交叉点完全不隶属政府数据开放绩效70.6228.244.5475政府准备度12.11256.9451.105财政资源3.39481.56631.1741数据产业水平2.011.010.01数据开发成果12.91.4350.4公众需求0.882750.7560.6835互动反馈16.49757.340.91]

（三）数据分析与实证结果

1.必要条件分析。在条件组态分析前，需明确各条件变量是否为结果变量的必要条件。运用fsQCA4.1软件求解各条件变量的一致性与覆盖度，分析结果见表3。结果显示，除强互动反馈变量的一致性高于0.9外，其他条件变量的一致性均低于阈值0.9。这表明政府与社会的互动反馈情况可能是影响政府数据开放绩效的必要条件，即拓展政府与社会沟通网络，优化数据开放平台和功能，改善用户数据获取和使用体验，是政府数据开放绩效提升的必然要求。除互动反馈外，其他条件变量均不构成影响政府数据开放绩效的必要条件，因此应进行组态分析，探究各条件变量对结果变量的联动作用。

表3必要条件分析

[条件变量一致性覆盖度高政府准备度0.8986100.909016低政府准备度0.4333610.381021高财政资源0.6148810.627713低财政资源0.7252660.632668高数据产业水平0.8103020.770607低数据产业水平0.5094030.474125高数据开发成果0.8618150.929453低数据开发成果0.4399020.366985高公众需求0.6320520.650673低公众需求0.6516760.564448强互动反馈0.9419460.900000弱互动反馈0.4063780.376515]

2.条件组态分析。运用fsQCA4.1软件进行条件组态分析，从所得复杂解、简约解和中间解中选取方案简洁、合理有据的中间解作为结果，运用拉金提出的结果呈现方式展示各条件变量在不同组态中的相对重要性（见表4）。结果表明，影响政府数据开放绩效的条件变量组合是多样的，共存在4种组态路径。条件组态分析的总一致性为0.956，表明在符合4种条件变量组合的案例中，95.6%的省级政府可以取得数据开放的高绩效。总覆盖度为0.860，表明4种条件变量组合可解释86.0%取得高绩效的数据开放案例。总一致性与总覆盖度均高于临界值，表明实证分析有效。

表4条件变量的组态分析结果

[条件变量组合1组合2组合3组合4政府准备度√√×财政资源√√××数据产业水平√×√×数据开发成果√√×公众需求√×√互动反馈√√√√一致性0.9710.9920.9960.905原始覆盖度0.4600.3110.6010.249唯一覆盖度0.1600.0310.2390.039解的一致性0.956解的覆盖度0.860]

注：“√”表示该条件出现，“×”表示该条件未出现，空白表示该条件对结果无关紧要。

基于组态分析结果及理论分析，可以将4种组态归纳为以下4种路径。

（1）综合驱动型。综合驱动型对应表4中的组合1，代表地区为上海市、浙江省、江苏省、北京市等。这一路径能解释46.0%的高绩效案例，且16.0%的案例仅能被这一路径解释。符合这一路径的地区通常综合实力较强，且实现了行政要素、产业要素和社会要素协同作用的发挥。综合驱动型路径下的政府既重视对数据开放工作的推动、引导和规制，持续稳定地向社会提供优质数据，又能够利用本地科技优势、市场优势和产业优势，促进数据的创造性开发和深度应用，还能够主动加强与社会的互动交流，为社会主体参与数据开放提供政策和平台保障，从而实现了政府数据开放在行政支撑、创新开发、主体互动等多维度的均衡发展。

以上海市为例：上海市是地方政府数据开放的探路者和引领者，凭借先导性的行政激励、先进的技术开发水平、积极的社会参与之间的联动作用，数据开放综合指数及各单项指数连续多年领先全国。从行政要素看，上海市政府前瞻性的高位推动提供了强有力的行政支撑，在国家层面尚未明确提出要求及国内无经验可循的情况下，上海市基于多年来本地信息公开实践，主动参考国外先进案例进行了先导性探索，建成了我国首个地方政府数据开放平台，率先编制数据开放实施意见和数据资源目录，并从2014年起每年发布《上海市公共数据资源开放年度工作计划》，明确政府数据资源开放的范围、渠道、目标。[6]另外，2019年上海市在我国数据开放立法方面进行了首次尝试，制定出台了国内首部针对数据开放的地方政府规章《上海市公共数据开放暂行办法》，在此基础上逐步建立起较为全面的涵盖公共数据分级分类开放、数据利用和安全管控等方面的政策与标准体系。从产业要素看，上海市以推动数据创新应用为导向，重点打造数据开发与创新生态链，在人才培育、创新激励、联合研发、应用推广等方面进行了广泛探索，如通过联合创新实验室、创新孵化器、数据创新应用大赛等合作平台，促进“产学研用”协同效应的发挥，形成了大量优质数据开发成果。从社会要素看，上海市始终强调数据开放的需求导向、应用导向、效果导向，通过教育培训、需求征集、激励合作参与等方式，引导社会要素与政府合作投入数据的聚合、增值、开发、利用中。上海市的实践案例体现了政府有效整合本地内外部资源，充分发挥地区基础要素综合优势，积极推动各主体协作并形成良性循环的过程。由此可见，综合驱动型路径是地方政府在地区综合能力持续提升、数据开放发展阶段不断成熟后，推动数据开放绩效不断跃升的较理想途径。

（2）行政驱动型。行政驱动型对应表4中的组合2，代表地区为江西省、海南省等。这一路径能解释31.1%的高绩效案例，且3.1%的案例仅能被这一路径解释。行政驱动型指地方政府通过建立和完善法规政策体系、制定标准规范、组建数据管理机构、创新工作机制等方式，发挥行政要素强有力的引导和支撑作用，推动数据开放实践高效有序进行。行政驱动型地区在产业基础、社会需求等方面可能不具优势，但凭借地方政府的顶层设计、产业规划、政策激励，也可以克服条件限制取得政府数据开放高绩效。

以江西省为例：江西省在经济实力、产业结构、创新能力、投资热度等方面与发达省份相比存在较明显短板，数据开放的基础条件有限。为此，江西省将数据资源开放和利用作为地区发展的新动能。在制度保障方面，建立起包含基本政策、具体政策、保障政策等在内的完整政策体系，内容涵盖数据供给、数据需求、数据环境等多个维度，为数据开放实践奠定了坚实制度基础。一是在基本政策上，江西省着眼于“国家大数据战略”制定了《江西省大数据发展行动计划》《江西省推进大数据产业发展三年行动计划（2023—2025年）》等，明确了政府数据治理和数据服务的总体目标，规划了推动开放平台建设、推广数据应用、培育数据产业等行动方向，为数据开放起到了战略导向作用。二是在具体政策上，针对数据采集、开放、监管、利用、维护等，出台了《江西省数字化项目建设管理办法》《江西省政务信息资源共享管理实施细则》《关于加快推进全省政务数据共享的工作方案》《江西省政务信息系统整合共享实施方案》等政策实施细则，对全省政务数据资源整合共享、政府网站和信息系统建设、网络与信息安全作出了明确规定。三是在保障政策上，制定的《江西省公共数据管理办法》《江西省数据应用条例》等政策文件明晰了各部门职权，确定了数据资源管理、项目管理、资金保障、队伍建设等工作机制，同时规定了公共数据的采集范围、流程和方法，有效保障了公众数据权益。在组织保障方面，成立了以省长、副省长、各部门负责人为基本构成的江西省推进政府职能转变和数字政府建设领导小组，组建了省大数据中心作为数据开放主管部门，设立了公共数据专家委员会，为数据开放重大项目和争议事项提供决策咨询。行政驱动型路径表明，政府通过行政要素的协同驱动和行政资源的高效投入，可以破解资源、技术和环境等瓶颈制约，实现政府数据开放绩效的提升。

（3）产业驱动型。产业驱动型对应表4中的组合3，代表地区为贵州省、山东省、四川省等。这一路径能解释60.1%的高绩效案例，且23.9%的案例仅能被这一路径解释。产业驱动型路径是指地方政府充分发挥本地数据产业的吸引力，吸纳集聚市场创新资源，推动数据价值的深度开发和高效挖掘，为政府数据的开发利用提供广阔市场和有力技术支撑。对于部分经济基础薄弱、社会需求相对不足的地方而言，发挥本地数据产业优势，产出大量高水平创新成果，可以成为数据开放高绩效的有力牵引。

以贵州省为例：在《报告》的“近四年累计综合指数”排名中，贵州省位居省级第四名，是排名前四的省级政府中唯一一个经济欠发达地区。贵州省自然资源丰富，传统工业具有一定的发展基础，但面临经济实力落后、财政资源不足、产业发展不均、教育资源匮乏等发展困境。为此，贵州省依托国家级大数据综合试验区定位，充分挖掘和利用大数据产业比较优势，探索形成了以制度和组织创新为核心、以资源禀赋为支撑、以数据产业为主线、以数据应用为导向的数据开放竞争之路。从行政要素看，贵州省制定了《贵州省大数据发展应用促进条例》《贵州省政府数据共享开放条例》等具有较高法律位阶的省级地方性法规，同步建设了国家技术标准创新基地，制定了包含数据采集、管理、共享、交易、安全等技术标准体系，有序指导了不同阶段的数据开放工作。从产业要素看，贵州省发挥其产业优势，在数据中心建设、创新要素集聚、跨域合作交流等方面进行了系统性探索。贵州省借助自然环境稳定性高、电价和土地价格低、人口密度低等适宜建设大型数据存储中心的特殊区位优势，建成了中国南方数据中心示范基地，培育出满帮集团、白山云企业等本地重点企业，并吸引了京东、腾讯、华为等大型大数据企业入驻，形成明显的产业集聚效应。在此基础上，贵州省从基础设施和平台建设入手，与美国硅谷、印度班加罗尔、北京市等地区合作建设了大数据战略重点实验室和产业孵化平台，设立了数据产业基金，并多次举办产业推介会、数博会。此外，贵州省聚焦数据分析与研发等技术密集型环节，建设自主研发中心，推动本土前沿企业进行技术创新和成果转化。偏居西南一隅的贵州省把争取中央政策和资源支持、推动政企合作、培育创新能力作为突破口，有效整合了内外部资源，其建设思路为我国其他地区提供了重要参考，启发欠发达地区因地制宜发挥比较优势，找寻可以撬动发展的杠杆，实现数据开放的路径突破。

（4）社会驱动型。社会驱动型对应表4中的组合4，代表地区为辽宁省、广西壮族自治区等。这一路径能解释24.9%的高绩效案例，且3.9%的案例仅能被这一路径解释。社会驱动型指地方政府重视社会公众参与数据开放的意识培育和能力提升，并通过多种平台渠道，积极关注和及时响应公众需求。社会驱动型地区在经济水平、行政资源、产业基础等方面可能不具备明显优势，但依靠社会要素驱动可以实现数据开放的高绩效。

以辽宁省为例：辽宁省于2022年上线公共数据开放平台，虽然平台上线时间较晚但数据开放绩效进展显著。在2022年和2023年《报告》中辽宁省公共数据开放“服务层指数”提升明显，在数据开放平台建设、政民互动交流、公众参与度和满意度等方面表现优秀，数据开放综合指数连续两年进入全国十强。辽宁省提出“以开放推进数字辽宁建设，以数据赋能智造强省振兴”的发展目标，将数据开放作为推动地区发展提质增效的重要突破点，构建起供需精准匹配的数据开放服务体系和数据开放利用的宣传引导体系，保证了社会参与的质量和效果。在优化服务体验方面，通过线上线下多种渠道了解用户需求，在保障数据安全的前提下逐步扩大开放数据范围，定期进行已发布数据集的使用情况统计，对下载量大、使用率高的数据集加大开放广度和深度，同时持续优化平台栏目设计、无障碍浏览、评价反馈等平台服务功能，提升公众的使用体验感和交流便利度。在加强宣传引导方面，构建起包括网络、报刊、广播等多种形式的全媒体宣传矩阵，利用公众使用度和接受度较高的网络论坛、短视频等媒体平台进行数据开放利用宣传和推广，不断提升数据开放的社会认知度，同时通过线上线下工作坊、公益培训课程等方式，对数据检索、下载、使用、隐私保护等操作技能进行知识普及。社会驱动型路径表明，社会要素可以成为驱动政府数据开放绩效提升的重要力量，地方政府应吸纳和发掘多样化的公众有效需求，重视个体感知，并通过不断完善技术平台、载体渠道、软硬件设施等方式激励和保障公众参与，形成“弯道超车”的竞争优势。

3.稳健性检验。为排除交叉点选择对结论的影响，笔者调整结果变量的赋值方式，进行稳健性检验。将结果变量的交叉点取值调整至29后，所得结论与此前基本一致。必要条件分析结果中，互动反馈变量的一致性仍超过0.9。组态分析结果中，得到的四种组态解与调整前的组态解具有一致的内在解释机制。总覆盖率为86.7%，能解释86.7%的数据开放高绩效案例。总一致性达到94.9%，与之前相比有所提升，因此可判断组态分析结论是基本稳健的。

四、地方政府数据开放绩效的提升路径与策略

根据以上组态分析和案例分析结果，可以提炼出政府数据开放高绩效的基本规律与实现路径，据此探索地方政府数据开放绩效的提升机制与实现策略。

（一）地方政府数据开放绩效的提升路径：综合驱动或单点突破

政府数据开放高绩效的实现路径包括综合驱动、行政驱动、产业驱动、社会驱动四种。实践表明，我国各地区在资源基础和发展阶段方面存在明显差异，地方政府因地制宜地选择综合驱动或单点突破的不同发展路径，均可以实现数据开放整体绩效的提升，借助差异化的条件匹配手段和竞争策略能够实现相同的预期目标。综合驱动型路径验证了经典发展理论关注的各类基础要素，如雄厚的财政资源、完备的基础设施、优秀的创新人才等对于政府数据开放核心竞争力的形成发挥着关键性作用，加之地方政府高效的行动机制、良好的产业生态、积极的社会参与以及上述要素的协同发力，从而实现综合驱动型的理想发展路径。[7]综合驱动型路径有赖于各类完备的基础要素及其合理组合与有效配置，但对于多数地方政府而言往往并不具备优质齐全的先天条件，因此这一路径在短时间内是较难实现的。鉴于地方资源基础的有限性和不均衡性等限制，地方政府应基于现实需求和实用主义思路，在整体把握本地优劣势基础要素的前提下，精准识别汇聚地缘优势、可能产生良好收益的关键驱动要素，集中力量投入资源进行重点培育，以单点突破的方式实现本地政府数据开放绩效的快速提升。

（二）地方政府数据开放绩效的提升策略：识别和培育关键驱动要素且形成动态能力

地方政府数据开放高绩效的实现路径虽然具有差异性，但其基本的内在规律是一致的，即地方政府综合考虑本地经济、技术、社会文化等基础要素，通过行政赋能、资源吸纳、主体互动等方式发挥关键要素的驱动作用，推动数据开放的绩效提升。关键驱动要素的识别是地方政府确定差异化竞争策略的起点，是扬长避短进行有针对性的资源配置和要素培育的前提。行政要素是政府数据开放绩效的核心影响要素。地方政府作为数据开放的核心行动者，承担着统筹本地区数据开放工作的职责，应从行政注意力的纵向传导、政策完备性与专业性的提升、组织机构的调适、资源统筹机制的建立等方面充分发挥行政要素的赋能作用，为数据开放提供政策引导和行政支撑。产业要素是政府数据开放绩效的基础影响要素。对于数据产业发展优势明显或者发展潜力较大的地区来说，地方政府应挖掘区位优势吸纳外部市场创新资源，推动数据开发与成果转化，为数据开放提供广阔市场和强有力技术支持。社会要素是政府数据开放绩效的关键影响要素。社会公众作为用户和合作者参与政府数据开放活动的意愿很大程度上取决于其对参与结果的预期。[8]地方政府应从高质量数据供给、便捷性平台设计、多元化渠道拓展、可持续资源保障等方面进行优化和改进。需要强调的是，政府数据开放是一个持续发展和优化演进的过程，地方政府应对标国际一流水平，参考先进地区建设经验，在数据开放政策标准、技术平台、授权运营、主体互动等领域不断学习和探索，并根据本地现有基础、技术升级迭代、外部环境等变化进行反复调试，寻求能够驱动政府数据开放绩效渐进提升的动态策略，以保持持久竞争优势。

【参考文献】

[1]GianluigiViscusi，BlerinaSpahiu，AndreaMaurino，CarloBatini.CompliancewithOpenGovernmentDataPolicys：AnEmpiricalAssessmentofItalianLocalPublicAdministrations[J].InformationPolity：TheInternationalJournalofGovernmentandDemocracyintheInformationAge，2014（4）：263-275.

[2]唐长乐.基于扎根理论的政府开放数据价值共创影响因素研究[J].图书馆杂志，2021（11）：22-30.

[3]NatasaVeljkovic，SanjaBogdanovic-Dinic，LeonidStoimenov.BenchmarkingOpenGovernment：AnOpenDataPerspective[J].GovernmentInformationQuarterly，2014（2）：278-290.

[4]毛寿龙，陈建国.政府效能建设与治道变革——以江苏省淮安市为例[J].领导科学，2011（11）：19-22.

[5]郑磊，关文雯.开放政府数据评估框架、指标与方法研究[J].图书情报工作，2016（18）：43-55.

[6]郑磊.开放的数林：政府数据开放的中国故事[M].上海：上海人民出版社，2018：100-112.

[7]尚虎平，刘俊腾.欠发达地区的政策创新真的促进了“弯道超车”吗？——一个面向贵阳市大数据发展政策的合成控制检验[J].公共管理学报，2021（4）：34-45+168.

[8]冉连，张曦，张海霞.政府数据开放中的公众参与行为：生成机理与促进策略[J].现代情报，2022（2）：143-151.

TheInfluencingFactorsandImprovementPathsofLocalGovernmentDataOpennessPerformance

——QualitativeComparativeAnalysisofFuzzy

SetsBasedon26Provinces

LiSiyu，QinHao

Abstract：Inrecentyears，China’slocalgovernmentdataopennesshasmadesignificantprogress.Currently，26provincialgovernmentshavelaunchedgovernmentdataopennessplatforms，buttherearesignificantdifferencesindataopennessperformance.ThereisasignificantgapindataopennessperformancebetweenShanghaiandJiangsu，bothofwhichareeconomicallydevelopedregions.Guizhou，locatedintheunderdevelopedwesternregion，hasachievedhigherdataopennessperformance.Shandong，Guangxi，Jiangxiandotherplacesstarteddataopennesslater，buttheirperformancehasimprovedsignificantlyinashortperiodoftime.ThisarticleusestheFuzzySetQualitativeComparativeAnalysis（QCA）method，taking26provincialgovernmentdataopenplatformsassamples，toconductconfigurationanalysisondataopenperformance，identifykeyinfluencingfactorsandhigh-performanceconfigurationpathsofgovernmentdataopenperformance，andprovideideasforimprovinglocalgovernmentdataopenperformance.Researchhasshownthattheimplementationpathsforhigh-performancedataopennessinlocalgovernmentsincludecomprehensivedriving，administrativedriving，industrialdriving，andsocialdriving.Localgovernmentsshouldcomprehensivelyconsiderlocalbasicfactorsanddevelopmentneeds，accuratelyidentifykeydrivingfactorsthatgathergeographicaladvantagesandmaygenerategoodbenefits，providetargetedguidanceandsupport，andexertthedrivingroleofkeyfactorsthroughadministrativeempowerment，resourceabsorption，andsubjectinteractiontoestablishlocalcompetitiveadvantagesandpromotethecontinuousanddynamicimprovementoftheperformanceoflocalgovernmentdataopenness.

Keywords：governmentdataopenness;integrateddriven;administrativedriven;industrydriven;socialdriven

（责任编辑：董博宇）

收稿日期：2024-06-17

作者简介：李思宇，法学博士，中共辽宁省委党校（辽宁行政学院辽宁省社会主义学院）社会建设与生态文明教研部讲师，研究方向为数字政府、基层治理;秦浩，管理学博士，中共辽宁省委党校（辽宁行政学院辽宁省社会主义学院）社会建设与生态文明教研部主任，教授，研究方向为政府治理、公共服务。

基金项目：中宣部宣传思想文化青年英才资助项目“重大突发公共卫生事件政府应急管理组织的协同机制研究”，项目编号：2021QNYC026。