府際數據共享的網絡結構及其影響因素研究
——基于長三角城市群的社會網絡分析

■周宇軒

一、引言

隨著信息技術水平的提高，數據和信息逐漸成為經濟社會發展中重要的生產要素，同時也推動著政府治理效能與政務服務質量的提升。2021年國家“十四五”規劃首次將數字中國建設作為單獨一篇，強化了數字化在國家層面的戰略地位。國內以“跨省通辦”“一網通辦”等數字化政務服務為代表的政府間數據共享協作行為，不僅見證著政府在數字化轉型方面做出的努力，也說明地方政府之間破除“數據壁壘”的攻堅任務正逐漸提上日程。然而，數據共享的總體水平不高以及政府間技術與職能壁壘的存在仍然制約著我國數字政務的發展和數據共享協作關系的建立[1]，對于數據共享廣度與深度的拓展仍然是我國現階段行政改革的重中之重。

目前國內外相關研究多集中于政務數據共享對行政環境的改善。Jo Bates以英國政府為例，分析了政府數據開放政策對相關政策議程的促進作用[2]；李衛東提出要構建統一的政府信息資源共享領導機制，從而提高數據共享的全局性和戰略性[3]；Clément Turbelin 和 Pierre-Yves Bo?lle等指出數據共享管理標準的缺失會制約數據價值[4]。然而這些研究中缺乏對行動者中觀行動結構和微觀行為動機的探討，而行動者的收益偏好、行為模式與行政環境之間存在相互作用，進而會對數據共享的形式與程度產生影響，從府際協作視角的研究可以彌補上述研究的不足。鎖利銘從制度性集體理論視角分析了府際數據共享在府際協作與數據共享的雙重困境[5]；許鹿、黃未從技術執行理論、不完全契約理論指出了府際數據共享存在技術壁壘和職能壁壘兩大困境[1]。目前對于數據共享在府際協作領域的研究較少，且大多集中于相關理論的分析，因此有必要以具體案例切入，以多樣化的框架拓展數據共享的發生場景。另外，已有研究對影響府際數據共享的因素進行了總結。Sharon S.Dawes提出政府信息資源共享的理論模型，分析了信息共享在技術因素、組織因素和政治因素方面的制約[6]；Da?vid Landsbergen Jr.和 George Wolken Jr.基于Sharon S.Dawes的理論模型，從可操作性收益和障礙的角度深入探究了數據共享中基礎設施的作用[7]；楊建梁、劉越男通過綜合集成法梳理出近年府際信息資源共享的影響因素，并將其劃分為法規政策與標準、體制、機制、技術4個維度[8]。對于數據共享影響因素的探討中缺乏對關系數據的考慮，且這類研究較少涉及府際數據共享在協作網絡中的結構特征。

地方政府作為社會網絡中的個體，其協作的推力與阻礙是由其所處的環境塑造的，而數據為政府間的協作行為提供了新的環境要素。如何更好地利用數據共享促進區域協同是目前實踐的難點，認識并理解已有城市群數據共享協作機制，也成為進一步探究數據共享價值的前提條件。制度性集體行動理論提出，地方政府協作機制中的要素差異使其具有不同的偏好選擇[9]，而府際數據共享網絡恰好能反映出地方政府的行動偏好及地位特征，更能夠暴露出其在協作中的有利及不利條件。在融入數據交換這一屬性后，地方政府的行為特征與內在偏好有何特點？具體來說，數據的大量性、跨邊界性特征對地方政府在協作對象的選擇上存在什么樣的影響？什么樣的條件更有利于形成府際數據共享？相關要素的作用在協作過程中是如何演變的？只有明確了這些問題，才有可能對數據共享的價值做出進一步的判斷。另外，以技術變革推動價值變革是公共價值變遷的方式之一[10]，從技術層面看，數據共享的作用在于通過提高管理能力實現公共價值，而公共價值代表的是公民對管理者的期望，其中所要求的不僅是管理能力的提高和治理手段的擴充，更包含著對政府數字化理念轉變以及治理目標與手段置換的要求。基于此，本文對數據共享協作與地方需求間關系的觀察，也有利于從宏觀視角識別政府對該議題治理邏輯上的演變趨勢。

數據共享作為地方政府間廣泛存在的協作行為，必然具備數據交換與府際協作兩種層面上的領域特征，如何結合數據共享本身的領域特征并使用府際協作的相關知識理論對該議題的內在機制進行解讀，這對于數據共享困境的破解具有參考價值和借鑒意義。鑒于此，本文將以長三角城市群為例，通過實證研究實現兩個目的：一是通過社會網絡分析展現府際數據共享協作網絡的結構形態，并從府際協作角度對其形成機制和結構演變進行解讀；二是通過QAP方法，從機構屬性、組織屬性和交易物屬性三個不同的維度探討府際數據共享的影響因素，并觀察其隨時間變化的特征。本文對于政府數據共享的研究，可從府際協作視角提供實證補充，深入探討府際數據共享的內在邏輯，為相關區域政策的制定提供科學依據。

二、研究設計與數據來源

（一）社會網絡分析方法

本文主要使用社會網絡分析方法（SNA）對長三角城市群府際數據共享協作網絡進行分析。SNA是一種通過關系數據探討某議題的網絡關系和空間結構的方法，起初運用于經濟金融領域，如Schiavo Stefano,Javier Reyes,Giorgio Fagiolo,Cassi Lorenzo,Andrea Morrison和Anne L.J.Ter Wal運用SNA研究了國際貿易、金融一體化的網絡關聯和特征[11-12]。近年來，SNA方法在社會學、經濟學、管理學等學科中都逐漸展現其學術價值。

長三角城市群府際數據共享協作網絡即為該區域地方政府之間數據共享協作關系的集合。網絡中的節點為各個城市，有向連線為各個城市的協作聯系，這些點和線共同構成數據共享的協作網絡。本文通過對長三角區域各城市的政府官網進行文本采集，統計各市政府之間數據共享的互動客觀數據，從而繪制出城市間的協作矩陣。由于地方政府之間的交流互動存在主動方和被動方，因此這是一個有方向的協作網絡。

本文對該網絡特征的描述主要分為整體網絡特征、網絡節點特征和塊模型分析三部分。塊模型分析最早由White Harrison C.,Scott A.Boorman和Ronald L.Breiger提出，它是對一元或多元關系網絡的一種簡化描述[13]。通過空間聚類的方法將網絡分塊，分別研究每一塊的構成成員以及其角色預作用，可以從整體結構上直觀地顯示數據共享網絡的構成情況以及各板塊內部的結構狀態。Wasserman Stanley和Katherine Faust還提出，在考察板塊間關系時，必須對各個位置的規模進行考慮[14]。例如，假設整個網絡中共有g個行動者，且位置Bk中有gk個行動者，則可以通過計算板塊內外關系比例來評價板塊內部關系趨勢，如表1所示。

表1 塊模型中的府際數據共享板塊分類

（二）實證研究模型與QAP方法

結合已有研究成果[5-9]，本文將從機構屬性、組織屬性、交易物屬性三個維度探討府際數據共享影響因素的構成與變化情況，如表2所示。

表2 府際數據共享影響因素的指標分類

具體測度指標如下：

1.機構屬性

該因素主要指地方經濟社會發展水平以及政府治理能力等區域屬性差異，包括城市GDP、地方一般公共預算支出、公共管理從業人數、城鎮化率、第二產業占比等。根據制度性集體行動理論，不同地方政府之間的屬性差異決定了協作的交易成本與風險，從而影響協作的形成[9]。這種影響的方向性在不同的議題中差異懸殊，現有研究中存在同質性假說，認為主體特征的相似會導致政策偏好的相同，從而促進協作的產生[15]；而異質性假說則基于資源依賴理論[16]，提出不同的經濟社會發展狀況會使得行動者之間產生潛在互惠的機會，從而促進合作。

2.組織屬性

組織屬性描述的是地方政府之間的關系屬性。鎖利銘、李雪從交易成本與契約風險的視角對公共事務的治理邊界做了深入探討，并將治理邊界分為行政邊界、地理邊界、功能邊界三類[17]。由于數據的可傳遞性與非排他性特征，地方政府在數據共享協作形成之初，會因對背棄風險的考慮而更傾向于與同一行政轄區范圍內的城市進行合作；功能邊界則大多由區域政策或區域合作組織的邊界決定，邊界內的地方政府通常具備較深厚的合作基礎；地理距離較短的地方政府之間通常更易于建立合作關系。另外，正如Yi Hongtao,Suo Liming,Shen Ruowen,Zhang Jiasheng,Anu Ramaswami和Richard C.Feiock所提及的，行政層級差異、是否有同省省會城市參與協作等縱向關聯也應納入數據共享的影響因素中[18]。

3.交易物屬性

在數據共享這一議題中，數據本身的領域特征會對地方政府間的協作產生影響。從政府供給角度來看，一方面，同質性的信息技術可以為府際數據共享降低因技術磨合而產生的實施成本；另一方面，對信息技術領域投入的相近意味著政府官員之間數字化意識與政策目標的一致性，這也有利于降低因目標偏差與收益偏好而產生的協調不力風險，從而促進協作的形成。本文主要引入電信業務收入、互聯網寬帶接入戶數、信息技術從業人數來測度該指標。

從需求推動角度來看，府際數據共享早些年主要體現于“跨省通辦”“一網通辦”等數字化政務服務中，數據共享對于地方政府而言僅僅是上傳下達的政治任務，是實現治理效能提高的一種手段；而隨著城市數字化水平的提高、城市協作關系的加深以及政府治理模式的轉化，數據共享促進扁平化管理和實現業務協同的目的將逐漸受到更多地方政府的認可，從而實現目標與手段的置換[1]。因此，引入人口流動性這一指標來觀測政府數字化治理理念的轉變，人口流動性越強，城市的數字化政務服務需求就越高，進而推動城市間數據共享協作的形成；隨著數據共享上升為政策目標，業務需求的影響將會逐漸淡化。

基于上述分析，可構建如下模型：

式（1）中，因變量S為長三角城市群府際數據共享協作關系矩陣。自變量可分為兩種形式，第一種是地方政府之間的關系數據，其中地理邊界O1由城市間地理距離矩陣代替；對于行政邊界O2，城市隸屬同一省份取值1，否則為0；對于功能邊界O3，城市處于同一政策規劃或區域組織①則取值1，否則為0；對于O5，若存在省會城市參與則取值為1，否則為0。第二種是行動者屬性或議題屬性的異質性數據，例如G1、G2、G3、G4、G5、O4、T1、T2、T3，該類數據均使用其變異系數表示。另外，流動人口指數T5由兩地流動人口總數表示。變異系數(Coefficient of Variation)可衡量數據的離散程度，其計算公式為：

其中SD為標準差，Mean為平均值。在分析因果關系的過程中，由于變量之間本身相關性較高，對參數采用傳統的估量方法可能產生“多重共線性”問題，因此本文采用QAP方法，通過置換矩陣比較其相似性來計算相關系數，再對相關系數進行非參數檢驗。由于這種方法不需假設自變量之間相互獨立，因此它比參數方法更加穩健[19]。

（三）樣本與數據來源

本文選取《長江三角洲城市群發展規劃》中長三角地區26個城市作為觀測對象。在信息技術的發展和數據共享協作方面，長三角城市群走在國內領先位置，在2020年發布的《中國城市數字治理報告（2020）》中，長三角區域數字治理水平顯著高于全國。以長三角城市群為考察對象不僅有利于梳理府際數據共享協作的內在機制，更能夠完整地觀測城市間協作關系的變遷。

基于數據的可獲得性，本文所使用數據的時間范圍為2013—2020年。數據的收集來源主要分為兩種：城市間的數據共享互動數據主要通過各個城市政府官方網站進行收集；各個城市的屬性數據主要通過CSMAR數據庫、RESSET統計、EPS數據庫等數據資源官方網站獲取，對于缺失值則采用回歸插補法補齊。另外，為了更直觀地研究各個城市在協作網絡中地位和功能的變動，本文將這些數據分為2013—2016年和2017—2020年兩個時期進行比較研究，且城市的屬性數據均采用各時間段的均量指標，而城市間的互動數據則采用時間段內的總量數據。城市間互動數據包括地方政府之間與數據共享相關的考察走訪、交流學習、協議簽訂、會議召開等能夠客觀反映協作關系的數據。經過收集與清理，共獲得長三角城市群323條數據共享協作數據，其中2013—2016年77條，2017—2020年246條。

三、實證結果分析

（一）長三角城市群府際數據共享網絡演變的可視化分析

將兩個時期的協作數據分別導入NetDraw工具，生成可視化的有向網絡。圖1和圖2分別展示了2013—2016年、2017—2020年府際數據共享的網絡結構形態，各個節點代表了所觀測的長三角城市群中的26個城市，城市之間的箭頭線表示兩座城市之間的協作關系，線的寬度即象征著城市雙方在該時間段內進行的協作數量的多少。

圖1 長三角城市群2013—2016年府際數據共享協作網絡

圖2 長三角城市群2017—2020年府際數據共享協作網絡

通過可視化網絡可以初步觀測出以下幾點特征：

首先，總體上長三角城市群府際數據共享協作關聯呈現加強趨勢。從圖1和圖2可以看出，長三角地區自2013年起便具有了數據共享協作網絡雛形，并且在空間上具備普遍的聯系，不存在孤立的城市。隨著2016年《長江三角洲城市群發展規劃》的通過，以及同年國家“十三五”規劃綱要中“加快推動數據資源共享開放”的要求，長三角地區在區域協調發展的整體性規劃上具備了全面的戰略支持，協作網絡逐漸由圖1的松散型網絡向圖2的密集型網絡轉變。通過連線數量的增多以及寬度由細及粗的轉變可以看出這種聯系的加強不僅體現于城市之間聯系數量的增加，還體現于城市間數據共享質量與強度的提升。

其次，數據共享協作逐漸打破地理和行政邊界的限制。從圖1的網絡形態可以看出，該協議網絡中嵌套了江蘇和浙江兩個緊密的子網絡，這說明在府際數據共享協作網絡形成之初，地方政府之間的聯系仍然會受到地理邊界與行政邊界的限制。而在2017—2020年的協作網絡中，各個城市之間的數據共享協作行為則呈現出更加錯綜復雜、緊密相連的特征，這也初步印證了府際數據共享跨越地理與行政邊界的假設。

最后，部分城市在網絡中的控制作用和信息壟斷地位正逐漸弱化。如圖1所示，上海市在網絡形成之初充當著多個城市之間的橋梁作用，而在圖2所示的網絡中，由于各個城市的信息來源相比之前產生了極大的擴展，因此“信息壟斷”便很難再延續。

（二）長三角城市群府際數據共享網絡的結構特征分析

1.整體網絡結構特征

首先，通過網絡密度可以觀測出整個協作網絡的聯系緊密程度。2013—2016年和2017—2020年長三角城市群府際數據共享網絡的整體網絡密度分別為0.375和0.805。由于網絡密度的值域為[0，1]，因此可以看出，在2013—2016年間，各城市間數據共享的協作關聯并不充分，相互之間的合作與交流存在很大的提升空間。而在2017—2020年這一時間段，26個城市間數據共享的協作關聯接近飽和，任意兩個節點之間拓展出更多途徑以達成聯系，說明長三角城市群在數據共享方面的交流與合作也呈現出日益頻繁和多樣化的趨勢。其次，兩個時間段網絡關聯度的計算結果都為1，說明長三角城市群中任意兩個城市間均存在直接或間接的協作行為，各個城市的關聯關系具備普遍性、互通性的特征。最后，通過網絡效率可以觀測網絡中存在多余線的程度。該網絡在2013—2016年間網絡效率偏高，為0.647，說明網絡中的冗余連線較多，提高了數據共享協作過程中的交易成本，從而使協作效率較低；到了2017—2020年，網絡效率大幅下降至0.2，表明網絡間的高效率途徑增多，稀釋了冗余連線的低效影響，從而提高了整個協作網絡的凝聚力。

2.個體網絡結構特征

（1）點度中心度

如表3所示，在2013—2016年長三角城市群府際數據共享協作網絡中，上海市的點度中心度已達到100%，領先于其他城市，說明它已較早與其他城市建立數據共享協作關系；而中心度排名倒數的池州與銅陵僅有8%和12%，說明數據共享的不平衡性較為顯著。在2017—2020年間，各城市的點度中心度都出現了極大程度的提高，南京、無錫、常州等城市所建立的聯系也達到飽和，排名最靠后的鹽城也具有56%的中心度，表明隨著時間的推移，長三角城市群各個城市政府都在主動與其他城市建立數據共享協作關系。

表3 長三角城市群府際數據共享協作網絡的中心性分析結果

從點出度和點入度來看，上海市在整個協作網絡中一直占據核心位置。2013—2016年，其擁有最高的點出度與點入度，說明上海市在長三角城市群中不僅擁有最高的吸引力與被關注度，在數據共享協作的促成方面也具備較高的主動性與活躍度，從2016年G60上海松江科創走廊向長三角城市群的延伸，到2018年上海市獲批成為首批國家公共信息資源開放試點城市之一，上海在長三角城市群大數據發展與數據共享方面的中心地位越發明顯。緊隨其后的南京、無錫、蘇州等城市也具備較高的吸引力與活躍度，在長三角城市群數據共享的協作互動中起著重要的樞紐作用。隨著時間的推移，許多城市也逐漸在點出度與點入度上達到飽和，其中，南京、杭州、合肥等省會城市在城市群協作關系中逐漸成為新的增長極，對城市群產生了數據共享領域的輻射作用。

（2）中間中心度

長三角城市群府際數據共享協作網絡的平均中間中心度較低，在2013—2016年和2017—2020年兩個時間段內分別為2.603%和0.814%，說明總體上該網絡中各個城市不易對其他城市產生較強的控制力，并且隨著時間的推移，這種控制力逐漸減小。值得注意的是，2013—2016年上海市的中間中心度高達42.38%，遠遠領先于其他城市，說明府際數據共享的協作網絡中，大部分關聯關系都要經過上海，上海在城市間的橋梁作用和對該網絡的支配能力十分明顯。

到了2017—2020年，由于各個城市積極建立新的數據共享協作關系，上海等城市的橋梁作用和主導能力便逐漸被化解。一方面，南京、無錫、蘇州、杭州、合肥、蕪湖等經濟發達、地理區位優勢明顯的城市逐漸分擔起中介責任，促進各個城市間的數據共享協作；另一方面，南通、金華、滁州等原先中間中心度排名靠后的城市也積極在城市群中建立聯系，提高了自身在數據共享協作網絡中的影響力。另外，仍然存在紹興、池州等中間中心度近乎為0的城市，這些城市由于地理區位劣勢、經濟發展水平或大數據治理能力不高等原因，難以在數據共享這一領域對網絡中的其他城市產生控制和支配作用。

（3）接近中心度

由表3可以觀測出，在2013—2016年間，上海與南京依靠其經濟與政治地位占據著協作網絡中接近中心度的前兩名，而嘉興則依靠其地理區位優勢排名第三位，說明這幾座城市與其他城市間的平均聯系距離較短。

從各個城市中心度的相互比較和演變趨勢來看，該網絡的接近中心度具備以下兩個特征：一是接近中心度的數值分布較為均衡，即各個城市在數據共享領域協作的可達性沒有太大的差別。二是各個城市接近中心度的增長呈現穩健平緩特征。這一方面是由于城市間緊密的聯系使得接近中心度的基數較大，不易產生進一步增長；另一方面，由于數據共享無視地理距離、跨越行政邊界的領域特征，城市間一旦達成數據共享協作，其聯系路徑便會大大縮短，從而使得兩節點間的路徑距離難以發生進一步變化。另外，2017—2020年，上海、南京、杭州、合肥等接近中心度已達100%的城市由于與其他城市間高度的可達性，其數據共享協作已很難受到其他城市的控制；而池州、銅陵、臺州等城市仍有可能因中間城市的控制而在協作的建立過程中耗費更多的交易成本。

3.塊模型分析

選擇最大切割深度為2，收斂標準為0.2，對兩個時間段的協作網絡進行塊模型分析，可獲得各時間段的四個數據共享協作板塊。

如表4所示，2013—2016年，第一板塊由上海、馬鞍山、銅陵、安慶、合肥、池州6市構成；第二板塊由臺州、嘉興、紹興、舟山、杭州、金華、寧波、湖州8市構成；第三板塊由南京、無錫、常州、蘇州、鹽城、蕪湖、揚州、鎮江、泰州、南通10市構成；第四板塊由滁州、宣城2市構成。該時間段長三角城市群數據共享協作網絡中共有244個關聯關系，板塊內部之間的關聯數量為150個，說明板塊之間的溢出效應還不夠明顯，各城市更傾向于在同一板塊內部建立協作關系。

表4 長三角城市群2013—2016年府際數據共享板塊的溢出效應

第一板塊內部關系占比較高，外部接收關系數與發出關系數相近，屬于雙向溢出板塊，這一板塊主要由上海及安徽一些城市構成。上海經濟中心以及科技創新中心的地位決定了它既從其他城市吸取數據共享經驗，又向其他城市溢出相關數據資源；安徽各市則因省內關聯較為疏松而亟須通過上海與其他城市建立關聯。第二板塊內部關系占比較高，而接收關系數大于發出關系數，因此屬于主受益板塊。可以看出，該板塊內基本是浙江省內城市，由于行政邊界的限制以及省內領先的大數據發展水平，浙江省內部數據共享協作關系活躍，吸引著省外城市來交流學習。同理，第三板塊也應屬于主受益板塊，主要由經濟發達、信息化水平較高的江蘇省內城市構成。第四板塊實際內部關系比例遠小于期望值，接收外部關系也向外部發出關系，因此該板塊屬于“經紀人”板塊。這主要是由于滁州、宣城兩市大數據發展速度在長三角城市群中較為緩慢，更需要積極地與板塊外發達城市溝通交流；同時它們在地理區位上又具備著作為“中介”的條件，例如滁州地處蘇皖交界地區，在兩省的跨省協作上具備優越的地理優勢。

如表5所示，2017—2020年，各個板塊的組成城市和功能特征發生了一些變化。在板塊城市的構成上，第一板塊由上海、南京、無錫、蕪湖、蘇州、合肥、杭州7市構成；第二板塊由安慶、銅陵、金華、馬鞍山、池州、嘉興、湖州、滁州、宣城9市構成；第三板塊由常州、揚州、鎮江3市構成；第四板塊由舟山、紹興、南通、泰州、臺州、寧波、鹽城7市構成。在板塊內外關系的收發上，該時間段網絡中共存在523個關聯關系，其中板塊內關聯關系為154個，可以看出與上一時間段相比，長三角城市群數據共享協作的溢出效應逐漸凸顯。

表5 長三角城市群2017—2020年府際數據共享板塊的溢出效應

第一板塊的特征為雙向溢出板塊，且其板塊外的接收與發出關系數都處于相當高的水平。在成員構成上，該板塊內城市具備典型的“中介”特征。一方面，上海、南京、合肥、杭州這些省會級城市利用其影響力吸納并輻射著城市群的數據資源；另一方面，這些城市共同構建起長三角地區信息共享的交流平臺，例如蕪湖市建立的公共信用信息共享服務平臺、上海牽頭的長三角區域一體化食品安全信息追溯體系等，均在城市數據共享的協作中起到了橋梁作用。第二板塊也屬于雙向溢出板塊，與第一板塊不同的是其內部關系占比更高，板塊外關系數比第一板塊少很多。這一板塊中的城市大多處于同一功能邊界或行政邊界中，例如嘉興、金華、湖州、宣城都處于G60科創走廊，其他幾個城市則是安徽省內經濟發展水平和大數據發展水平相對較弱的城市，說明這些城市對于板塊外的吸引力和積極性相比之前有了大幅提高，但受各種邊界限制仍然較深，與板塊外聯系還不夠充分。第三板塊內部關系較少，板塊外接收和發出關系較多，因此屬于“經紀人”板塊。第四板塊為主受益板塊，其內部關系較多，板塊外接收關系多于發出關系，對于其中有些城市來說這是由于其大數據發展水平在長三角城市群中較為成熟，因此更能夠吸引其他城市主動進行協作交流；然而對于該板塊的更多城市來說，在建立數據共享協作關系時，往往是由板塊外城市進行主導牽頭，因此，這些城市數據共享的協作雖然呈現跨越地理和行政邊界的特點，但其積極性和主動性有待提高。

通過計算板塊網絡密度可以觀察板塊的關聯關系，將密度值大于整體網絡密度值的賦值為1，否則賦值為0，可獲得像矩陣。由表6可知，2013—2016年各板塊基本沒有溢出效應。表7則體現出2017—2020年間各板塊之間明顯的溢出效應，各板塊不僅在板塊內互動活躍，也積極與其他板塊建立協作關系。第一板塊的數據共享溢出效應同時延伸至四個板塊；第二板塊的數據共享溢出效應主要體現于第一板塊和第二板塊；第三和第四板塊的溢出效應都體現于第一、第三和第四板塊。

表6 長三角城市群2013—2016年府際數據共享板塊的密度矩陣和像矩陣

表7 長三角城市群2017—2020年府際數據共享板塊的密度矩陣和像矩陣

通過繪制像矩陣的板塊間協作網絡還可以直觀地看出長三角城市群數據共享協作的傳遞機制。由于2013—2016年板塊間溢出效應不明顯，無法形成有效的板塊間協作網絡，因此本文僅將2017—2020年的矩陣數據繪制成網絡。

如圖3所示，該網絡總體上呈現“核心—邊緣”結構特征[20]，即第一板塊處于聯系密切的核心地位，第三板塊與第四板塊之間也存在密切聯系，而第二板塊大多依賴第一板塊來與其他板塊建立聯系。正如Snyder和Kick所說，核心板塊多為社會群體中的精英成員[21]，例如第一板塊中的上海、南京、杭州、合肥等城市，在大數據發展水平上領先于長三角地區的其他城市；第二板塊則作為依附者，大多依賴于某一中心城市或數據共享平臺來拓展自身數據資源的來源，例如金華、嘉興、湖州對于省會杭州的依附，以及嘉興、金華、湖州、宣城對于G60科創走廊這一平臺的依附，被依附者杭州、上海均屬于第一板塊成員，具備數據資源和政府治理能力方面的優勢。從互惠性的角度來看，各板塊之間的聯系均為雙向，這也印證了前文中，數據資源的可傳遞性與非排他性使得網絡成員更傾向建立雙向的協作來保證數據安全、有效降低背棄風險的假設。

圖3 長三角城市群2017—2020年府際數據共享板塊相互關系

（三）長三角城市群府際數據共享影響因素的QAP回歸分析

QAP回歸分析是研究關系型變量之間因果關系的常用方法，結合上文所述模型，選擇2000次隨機置換次數，分別對長三角城市群2013—2016年和2017—2020年的協作矩陣和影響因素矩陣進行回歸分析。如表8所示，兩個時間段的R2分別為0.560和0.686，說明這些因素能夠解釋長三角城市群數據共享協作關系的56.0%和68.6%。其顯著性概率值都為0，通過了1%的顯著性水平檢驗。樣本數量為650個。

表8 模型擬合結果

表9顯示了QAP回歸分析獲得的各變量回歸系數和顯著性水平。從機構屬性來看，2013—2016年公共管理從業人數異質性在5%的水平下顯著；2017—2020年地方一般公共預算支出異質性在10%的水平下顯著，說明政府機構屬性中，政府治理能力的差異會對數據共享協作的形成產生影響。另外，第二產業占比異質性在兩個時間段里實現了不顯著到顯著的變化，產業結構差異的日益加大使得城市間的信息和數據存在領域和結構上的不同，從而促進城市間府際數據共享。

表9 長三角城市群府際數據共享協作影響因素的回歸結果

從組織屬性看，行政邊界的臨界性在兩個時間段內都在1%的水平顯著，說明在數據共享這一領域，由于同一行政轄區具有一致性的制度安排和屬地考核方式，協作的交易成本與協作風險較低，地方政府更傾向于與行政轄區內的城市進行合作。地理距離在兩個時間段內均顯著，且系數為負，說明地方政府間地理距離越遠，越不容易形成數據共享協作，這與經驗認知相符。功能邊界在兩個時間段內也出現從不顯著到顯著的跨越，說明隨著時間的變遷，中央和地方對于數據共享的政策要求逐漸明確，區域性合作組織也逐漸發揮其聯結作用，府際數據共享協作的功能邊界日益清晰。另外，同省省會城市的參與也對協作具有促進作用。

從交易物屬性看，2013—2016年信息技術從業人數異質性在5%水平顯著；2017—2020年電信業務收入異質性在10%水平顯著，互聯網寬帶接入戶數異質性在1%水平顯著，說明數據本身的領域特征會對政府間協作產生影響。2013—2016年流動人口指數在1%水平顯著，而2017—2020年卻不顯著，說明人口流動性對數據共享協作的影響具有淡化的趨勢。

四、結論及對策建議

（一）研究結論

本文基于社會網絡分析（SNA）方法探究了長三角城市群府際數據共享協作網絡的結構特征及其變遷趨勢，并使用QAP方法研究了影響協作的因素及其隨時間而產生的變化。主要研究結論如下：

第一，長三角城市群府際數據共享協作網絡呈現聯系愈加緊密、關聯數量越來越多的演變趨勢。2013—2016年間的協作網絡關聯度便已達到飽和，且整體網絡密度在兩個時間段內實現了0.375到0.805這一較高的跨越；城市間的協作路徑也逐漸增多，網絡凝聚力呈現加強趨勢。

第二，各城市在數據共享協作網絡中的地位和功能差異懸殊，且隨著時間的推移，核心城市對數據共享協作的控制和壟斷作用逐漸弱化。個體網絡特征反映出，上海市一直處于數據共享協作的核心地位；金華、湖州等城市由于其本身經濟實力和信息化水平的局限，在網絡中一般充當中間人的作用；南京、杭州等城市原本與同省城市歸屬同一板塊，但隨著各城市大數據發展水平的提高，其逐漸與上海交融于同一板塊。這一方面體現出南京、杭州等城市的協作策略由占據區域核心地位、吸納區域數據資源的“控制”策略，向著與其他發達城市緊密聯系、加快發展步伐的“抱團”策略轉變；另一方面，這些影響力逐漸凸顯的城市也稀釋了上海在數據共享網絡中的核心地位，承擔起帶動城市群共同發展的責任，使網絡中的協作交流更加多樣化，呈現多中心發展態勢。

第三，城市間數據共享協作的邊界性呈現出縱向權威干預下，以行政邊界為主導、地理邊界為基礎、功能邊界日益凸顯的特征。由QAP分析的結果可以看出，同省份對城市間的協作始終起到促進作用，說明行政邊界的主導作用貫穿始終。隨著《大數據產業發展規劃（2016—2020年）》等中央部署的規劃設計的完善，以及“長三角征信鏈”等地區自發形成的數據共享平臺的增多，各城市基于協作基礎也更傾向與同一功能邊界內的城市建立聯系，同時，地理上相近的優勢也在其中得到充分體現。另外，同省省會城市的參與對協作的形成也起著促進作用，體現了縱向權威的干預。

第四，數據共享協作具有由被動向主動、由手段向目的轉化的趨勢。數據共享協作網絡形成之初，外來務工人口的浪潮引起了跨地區政務服務的需求高峰，為了滿足其需求，地方政府被動地選擇通過政務數據共享來實現這一目標，這一階段的數據共享由于僅僅是進行日常政務活動的手段，缺乏對共享數據價值的判斷，因此協作的局限性較大、效率較低；隨著信息化水平的提高以及政府官員數字化治理理念的轉變，流動人口對數據共享協作的影響逐漸淡化，數據共享也由需求推動逐漸轉為政府引導的頂層設計，成為提高業務協同、實現數字化治理的行政目標。

（二）對策建議

根據上述結論，本文提出如下政策建議：

第一，構建梯度化、多樣化的政務數據共享機制，充分調動協作積極性。不同城市的政府在協作網絡中具有多樣化的功能和地位，因此，根據不同城市的機構屬性和網絡地位，應選擇梯度化、多樣化的發展政策，實現數據資源的精準調控，從而提升協作網絡的適配性與協同性。目前對于上海、南京、杭州等經濟政治地位較高、協作控制能力較強的特大城市，可充分利用其增長極的資源優勢，解決部分城市的數據共享困境，進一步激發其數據資源的溢出效應，打造其“大數據航母”的角色；對于“經紀人”板塊的城市，應充分發揮其橋梁作用，推動數據資源在協作網絡中的傳遞和流通；而主受益板塊的城市，由于其大數據發展還有較大潛力，因此主要依靠發達城市大數據產業的引進來促進其數據共享需求與能力的提升，實現區域協同發展。

第二，增強數據共享的多重邊界要素支撐，促進區域治理的制度創新。我國從2013年起就開始注重數據共享在政府治理效能方面的促進作用，但迄今為止，數據共享始終處于行政轄區主導下的地方協同治理。行政邊界下謹慎有序、墨守成規的常態化機制特征使得數據資源的交換產生封閉趨勢，這與數字化治理開放性、多元性的特征相悖。雖然中央從制度安排和政策規劃層面為政府數據共享提供了多樣化的合作場景，但許多機制仍然流于形式，能夠提供的合作約束力較為有限。因此，應以網絡中控制能力較強的城市為核心，更加明確地對協作邊界進行劃分，建立起以功能邊界為核心的創新型協作治理機制，促進數據共享對行政邊界的跨越。另外，由于大數據非排他性、有價性的特征，行政邊界的約束力與強制力始終應作為數據安全的基本保障，并與功能邊界相互交融滲透。

第三，強化政務數據共享頂層設計的理念，實現數據共享由主動向被動、由手段向目標的置換。由上文的分析可知，隨著大數據發展水平的提高和官員數字化治理理念的轉變，長三角城市群的數據共享協作正逐漸擺脫需求推動的桎梏，向實現業務協同的目標邁進，但大部分部門員工仍然缺乏對政務數據交換價值的了解，使得現有的數據共享制度安排中存在數據無價值或缺乏相應應用場景的問題[1]。因此，可以從頂層設計的角度修正政府行政目標，促進政府數字化理念的轉變。一方面，在人事制度安排上應當充分考慮部門專業人才與行政官員的人數配比，從人員結構上促進政務與數據共享的相互結合；另一方面，可利用黨務系統的政治動員作用，從頂層設計的角度培育官員的數字化意識，打破行政壁壘，從而激發數據共享的內生動力。

第四，以數字化治理為依托，“強核心”與“強縣域”并進，促進區域均衡發展。由于地方政府注意力與行政資源的有限性，部分學者認為“大國大城說”[22]與“強縣域說”在政策和資源的配備上可能存在沖突，但本研究從新的理解角度指出二者之間的兼容性——核心城市（尤其是超大城市）與縣城等中小城市應是互為依托、均衡發展的。從社會網絡視角來看，“強核心”與“強縣域”可視為區域均衡發展這一目標在不同發展階段的具象表現。在不同制度環境與政策階段中，由于歷史使命與戰略目標的差異，上述二者之間的主次地位與權重比例是不同的。以本研究為例，一方面，由于更多城市成為網絡中的增長極，核心城市的控制作用在時間上具有弱化的趨勢；另一方面，從中心度和板塊功能的變化可以看出核心城市的溢出效應正逐漸凸顯，對其他城市的“虹吸”作用則相形見絀。這說明在數據共享視角下，核心城市對區域資源的吸納可能存在一定的邊際遞減性。目前長三角城市群已發展到一定的階段，核心城市將更多地充當區域發展的推動力，帶動其他城市的發展；以數字化為特征的產業鏈也應順應這一趨勢，逐漸向其他城市外溢。另外，由于不同類型與規模的城市在比較優勢上存在差異，因此在兩手并抓的過程中，應根據城市網絡地位與行動偏好的不同，在政策與資源的投入上做出個性化、定制化的調整。而數字化治理恰能通過對其偏好與優勢的分析，為實現資源的精準匹配提供技術保障。因此，本研究認為，當下及未來的一段時間里，“強核心”與“強縣域”應互為依托，在數字化治理的技術支持下，共同促進區域均衡發展。

注釋：

①本文中長三角城市群的功能邊界主要有兩個，一個是“十三五”規劃中指定的信息惠民國家試點城市，另一個是G60科創走廊九市。