基于DEA方法的省級政府微博運營績效評價

〔摘要〕針對政務微博評價中使用經典 DEA模型的缺陷，基于評價的績效價值導向，結合DEA理論，構建了考慮政務環(huán)境不可控因素、使用Non-Pareto序和具有強區(qū)分度的超效率DEA模型，以賬戶開設天數(shù)、總微博數(shù)、粉絲數(shù)、累計被轉發(fā)數(shù)、累計被評論數(shù)和累計被點贊數(shù)作為多投入和多產出評價指標體系，并以人均 GDP和潛在受眾基數(shù)作為環(huán)境指標，運用新模型對27個省級政府政務微博的運營績效進行了評價，實證研究證明新模型具有良好的區(qū)分度，并且評價結果更加科學、客觀和公正。

〔關鍵詞〕省級政府；政務微博；運營績效；DEA；評價指標

DOI：10.3969j.issn.1008-0821.2017.10.011

〔中圖分類號〕D035-39〔文獻標識碼〕A〔文章編號〕1008-0821（2017）10-0066-06

〔Abstract〕In order to overcome the shortcomings of the classic DEA model applied in government affairs micro-blogs，based on performance orientation and DEA theories，this paper constructed a super-efficiency DEA model taking Non-controllable Variables of administrative environment，Non-Pareto and strong partition degree into account.This paper also built an evaluation system of input and output for provincial government affairs micro-blogs from the following aspects，input and output indicators including time cost，content cost，numbers of micro-blogs，numbers of funs，times forwarded，times reviewed and so on，administrative environment indicators including per capita GDP and residents population.At last，this paper used the new DEA method to evaluate the efficiency of 27 provincial government affairs micro–blogs.The findings revealed that the new model had a good partition degree，moreover the results of assessments are scientific，objective and impartial.

〔Key words〕provincil government；government affairs micro-blogs；operational efficiency；DEA；evaluation indicator

為了應對“互聯(lián)網(wǎng)+政務”的挑戰(zhàn)，政府部門開始借助社交媒體創(chuàng)新行政管理方式，政務微博就是其中之一。2017年年初人民網(wǎng)輿情監(jiān)測室發(fā)布報告顯示，截至2016年歲末，新浪微博平臺認證的政務微博達到164 522個。其中，政務機構官方微博125 098個，比前一年增長9%；公務人員微博39 424個，比前一年增長5%[1]。政務微博在創(chuàng)新社會管理、政務信息公開、輿情引導、傾聽民聲、樹立政府形象與動員公民政治參與等多方面發(fā)揮了積極作用。

然而，由于政務微博產生時間不是很長，很多政府部門還沒有掌握恰當?shù)陌l(fā)布技巧、形成完善的運作機制，再加上重視程度不夠，在我國政務微博蓬勃發(fā)展的背后更是質量的參差不齊，存在內容官僚化、互動性不足、時效性差等問題。當前政務微博的運營狀況已經成為了政府績效評價的重要考察內容，通過對各級政府政務微博運營績效進行科學、客觀和公正的評價，可以全面掌握政務微博運營現(xiàn)狀和水平，發(fā)現(xiàn)自身存在的不足，提出改進的對策，持續(xù)提升政務微博的社會影響力，不斷提高政府的公信力。

關于政務微博評價的研究較多，主要可以分為兩大類，第一類是根據(jù)政務微博的產出結果、內容、影響力或者表現(xiàn)出來的外部特征構建評價指標體系，進行評價。趙阿敏以16個省級政府政務微博為研究樣本，遴選了4個一級指標和10個二級指標，構建了省級政府政務微博影響力評價指標體系，涵蓋了微博數(shù)、關注數(shù)、原創(chuàng)數(shù)、話題數(shù)、粉絲數(shù)、評論數(shù)、轉發(fā)數(shù)、網(wǎng)絡連接數(shù)等指標，運用因子分析和聚類分析方法進行了實證研究[2]。李云新等參照人民網(wǎng)輿情監(jiān)測室發(fā)布的《2013年上半年新浪政務微博報告》，構建了包括微博數(shù)、微博頻率、微博原創(chuàng)率、微博被轉發(fā)量、微博被轉發(fā)率、微博被評論量、微博被評論率、微博評論數(shù)、粉絲數(shù)、粉絲活躍率、粉絲認證率和關注數(shù)等12項指標的評價體系，并以@上海發(fā)布6個月所發(fā)微博作為研究樣本，進行了運營效果評價[3]。陳明亮等通過理論探討和實證甄選，構建了包括原創(chuàng)微博數(shù)、原創(chuàng)率、微博使用時間、微博主業(yè)界知名度和是否實名認證、粉絲互動率、粉絲質量指數(shù)和粉絲轉發(fā)次數(shù)等多方面的影響力評價指標體系，并對其進行了效度和信度檢驗[4]。包明林等基于受眾的視角，通過德爾菲法和因子分析法，提取出政務微博服務質量評價的公共因子與關鍵指標，包括政務微博可用因子、政務微博便攜因子、政務微博交互因子、政務微博關注因子和政務微博感知因子，形成了一套用戶視角下的政務微博服務質量評價指標體系[5]。李勇等系統(tǒng)分析了交互性相關概念，論述了政務微博中政民交互所包含的相互關系及要件，構建了以“交互時效性、交互主體覆蓋度、網(wǎng)友認可度”為一級指標，以“粉絲數(shù)、粉絲增長率、關注數(shù)、關注增長率、交互時效性、發(fā)博頻率、日均被轉發(fā)次數(shù)、日均被評論次數(shù)、被轉發(fā)率、被評論率”為二級指標的政務微博政民交互度的評價指標體系，并通過實證分析驗證了該指標體系的可靠性和實用性[6]。endprint

第二類研究認為在評價過程中僅考慮政務微博的外部直接產出特征是不夠的，應該將政務微博運營的效率因素考慮進來，對于多投入多產出單元的效率評價問題主要運用DEA方法。張敏等以微博數(shù)、日均微博數(shù)、原創(chuàng)率、關注數(shù)、賬號開設天數(shù)作為輸入，以粉絲數(shù)、互動率作為輸出指標，構建了多輸入、多輸出的評價指標體系，并利用CCR模型對我國24個省級政府政務微博的運營效率進行了測評，并為非DEA有效的政務微博提出了改進路徑[7]。郭高晶從時空角度構建了以賬號開設天數(shù)、常住人口數(shù)量和人均GDP為輸入指標，以總微博數(shù)、粉絲數(shù)、總轉發(fā)數(shù)、總評論數(shù)和總點贊數(shù)為輸出指標的評價指標體系，并運用CCR模型測評了我國27個省份的政務微博的運營效率[8]。

上述的第一類評價方法有一個共同的特點，即以結果為導向，注重政務微博的直接產出結果，但是其缺點也是十分明顯的，沒有考慮投入產出層面的效率因素；第二種評價方法創(chuàng)新地運用DEA方法，雖然考慮了運營的效率因素，仍存在固有的缺陷。比如張敏的研究根據(jù)政務微博自身特征來提取投入產出指標，沒有考慮政務微博發(fā)展的環(huán)境因素，然而，政務微博作為創(chuàng)新的行政管理模式，是一定行政環(huán)境下的產物，并非超然于環(huán)境而孤立運行的，其發(fā)展速度的快慢、質量的好壞、社會影響力的大小不可避免地受到各種政務環(huán)境的制約。行政環(huán)境的差異是造成各地政務微博發(fā)展水平參差不齊的重要原因。因此，在對不同地區(qū)政務微博進行評估時，應該考慮到政務環(huán)境的差異，不能簡單地對政務微博的產出結果進行直接比較，不然不僅降低評價的科學性，還有失公允。郭高晶的研究考慮了時空等環(huán)境因素，但其把時空因素作為投入，投入和產出之間邏輯關系值得商榷，違背了DEA模型的前提假設。另外以上的研究還存在一些共同的缺點：第一，采用的是運用十分廣泛的經典CCR模型，CCR模型使用的是Pareto序關系，認為所有的投入和產出同等重要，從最有利于被評價DMU的角度賦權，可能導致最后的評價結果“一俊遮百丑”，比如在張敏的評價結果顯示@清新福建、@山西發(fā)布、@黑龍江發(fā)布為DEA有效[7]，通過查詢原始數(shù)據(jù)發(fā)現(xiàn)這三個政務微博活躍度非常低，社會影響力非常小，其中@山西發(fā)布、@黑龍江發(fā)布長期不更新微博，是典型的“僵尸微博”，這樣的評價結果顯然不科學；第二，公共部門的評價應該既講效率又講效果，而以上研究都是效率評價，評價視角不夠全面；第三，經典CCR模型評價出的有效DMU效率值都為1，模型的區(qū)分度有限，使得人們無法進一步排序。

綜上所述，本研究在以往研究的基礎上，在評價的績效視角下，結合DEA理論提出新的政務微博評價DEA模型，并以我國省級政務微博為例，對其運營績效進行了實證研究。

1省級政務微博評價指標和模型的建構

11評價指標體系構建

本文總結了已有的政務微博評價指標文獻，根據(jù)數(shù)據(jù)的可獲得性和研究的需要，構建了包含環(huán)境指標在內的評價指標體系。

產出指標包括該政務微博自開通以來累計發(fā)博量（總微博數(shù)）、關注該政務微博的粉絲數(shù)量（粉絲數(shù)量）、累計被轉發(fā)數(shù)、累計被評論數(shù)以及累計被點贊數(shù)等5個指標。這5個指標既有能反映政務微博活躍度的直接數(shù)量產出指標（微博數(shù)），也有反映社會影響力的間接效果指標（粉絲數(shù)、累計被轉發(fā)數(shù)、累計評論數(shù)和累計被點贊數(shù)），能夠綜合全面反映政務微博的績效水平。有的學者研究發(fā)現(xiàn)，政務微博的轉發(fā)數(shù)，評論數(shù)和點贊數(shù)存在較大的相關性[9]，但是DEA方法評價的一大優(yōu)點在于不必擔心指標數(shù)據(jù)的共線性問題，DEA不要求投入指標或產出指標之間不存在高度相關性（共線性），共線性的存在不會導致錯誤的分析結果[10]，另外，下文構建的新DEA模型所采用的新測度方式和序會進一步消除這個問題。

投入指標包含政務微博賬號開設天數(shù)和總微博數(shù)2個指標。作為一種時間投入，我國每個省份政務微博開通的時間早晚不一，比如@微博云南開通時間最早，2009年11月21日，@精彩河南開通時間最晚，開通時間是2014年11月26日，一般來說政務微博開通的越早，發(fā)博量就越大，積累的運營經驗越豐富，獲得的粉絲關注越多，社會影響力就越大；這里需要特別強調的一個投入指標是總微博數(shù)，本文既把其當作產出指標，又把其當做投入指標，原因在于政務微博的社會影響力指標（粉絲數(shù)、累計被轉發(fā)數(shù)、累計評論數(shù)和累計被點贊數(shù)）都是產生于微博，本文把其作為一種內容投入[7]。這里需要強調是，既是投入又是產出的指標在經典模型是無法處理的，但是下文構建的新DEA模型所采用的新測度方式和序可以很好地解決此問題。

政務微博的運營發(fā)展不可避免的嵌入在一定的政務環(huán)境之中，為了客觀、公正的評價政務微博的運營績效，必須考慮其運營環(huán)境因素。相關研究發(fā)現(xiàn)，電子政務的運營效率與當?shù)亟洕l(fā)展水平呈顯著性正相關，經濟發(fā)展水平的提高能夠促進電子政務效率增長。人均GDP是衡量一個地區(qū)的經濟發(fā)展水平的重要指標。人均GDP增長，人們的購買能力也會隨之增強，通信與信息技術的普及變得更加容易。同時，高的經濟發(fā)展水平可以保障地方政府財政建設電子政務轉移支付資金[11]。公民的經濟條件直接影響其運用新媒體的能力和水平，運用新媒體進行政治參與的數(shù)字鴻溝背后其實是巨大的貧富差距。社會政治學家安東尼·M·奧羅姆指出：“位于比較高社會經濟地位的公民參與政治的比例必然要比那些位于比較低社會經濟地位的公民高些，這種差別的確可以反映出那些比較低社會地位的人在諸多方面的不利條件，比如僅享有較少的閑暇時間和較低級別的信息[12]?！?另外，新媒體使用產生的費用進一步阻礙經濟條件不好的公民進行政治參與。經濟發(fā)達地區(qū)的人受教育程度相對較高，從公民自身來說，公民受教育水平也是導致數(shù)字鴻溝的重要原因，一般來說，受過良好教育的公民的綜合素質也比較高，具有比較高的認知和判斷能力，政治參與意愿更加強烈，而沒有受過良好教育的公民更傾向于不問政事。除了經濟發(fā)展水平的差異，每個省份人口數(shù)量也不同，政務微博面臨的潛在受眾數(shù)量不同，因此不能單純地以粉絲數(shù)量作為評價指標。綜上所述，本文選擇的環(huán)境指標包括當?shù)厝司鵊DP和潛在的受眾基數(shù)?；谝陨戏治?，本文的政務微博運營績效評價指標體系構建如下（見表1）。endprint

12省級政務微博DEA評價模型構建

22各省級政務微博運營績效排名

為了對比SE-NC DEA對BCC模型的改進，運用matlab2014b軟件分別編寫B(tài)CC模型和SE-NC DEA模型的程序，對27個省級政府政務微博的運營績效進行測算（BCC模型下的產出指標不包含總微博數(shù)，否則默認的Pareto序會讓所有DMU的績效值都為1），并依據(jù)SE-NC DEA測算出來績效值大小進行排序，詳見表3。

23結果分析

231整體績效值偏低

從表3可以看出，經典BCC模型測算結果顯示有5個省級政府政務微博DEA有效，績效值都為100，而對于這 5個DEA有效的DMU無法進一步區(qū)分。SE-NC DEA模型表現(xiàn)出了很好的區(qū)分度，測算結果同樣表明有5個DMU顯示DEA有效（績效值大于100），分別是@甘肅發(fā)布、@四川發(fā)布、@上海發(fā)布、@精彩河南、@廣東發(fā)布，績效值最高的是@甘肅發(fā)布，績效值高達259，DEA有效省份占比185%，非DEA有效的DMU有22個，占比815%，其中有17個DMU績效值在50以下，可見我國省級政府政務微博運營績效水平參差不齊，內部差異巨大，呈極端分布，績效好的遠超100，績效差的不足1。新模型測算結果表明大多數(shù)省份政務微博績效水平低下，27個省份平均績效值為591，我國省級政府政務微博的整體運營績效水平偏低。

232新模型測算結果更加科學、客觀與公正

新模型DEA有效有兩個必要條件，第一，允許其中一項或幾項產出非常好，但其他產出都不能太差，即各個產出指標績效水平相對比較均衡；第二，必須表現(xiàn)出與自身政務環(huán)境相匹配的績效水平。以上兩個條件必須滿足，否則難以達到DEA有效。

通過對比經典BCC模型和SE-NC DEA模型測算結果的比較，可以發(fā)現(xiàn)兩個模型測算結果出入比較大，以新模型測算結果為準，經典BCC模型會導致以下DMU績效值被低估：@甘肅發(fā)布、@四川發(fā)布、@廣東發(fā)布、@山東發(fā)布、@浙江發(fā)布、@天津發(fā)布、@微博貴州和@江西發(fā)布等，其中甘肅、四川、廣東、山東、浙江的績效改進幅度非常大，甘肅、四川和廣東更是從非DEA有效變?yōu)镈EA有效，查閱它們的原始數(shù)據(jù)，可以發(fā)現(xiàn)這些改進比較大的DMU在各項指標方面都比較好，沒有特別差的產出“拖后腿”，比如全國平均粉絲比率（粉絲數(shù)量與潛在受眾基數(shù)之比）0076，日均微博數(shù)122、日均轉發(fā)數(shù)170、日均點贊數(shù)73、日均評論數(shù)101，甘肅的粉絲率011，日均微博數(shù)159、日均轉發(fā)數(shù)4235、日均評論數(shù)481、日均點贊數(shù)1023，四川的粉絲率0064，日均微博數(shù)208、日均轉發(fā)數(shù)3266、日均評論數(shù)928、日均點贊數(shù)1869，基本上都在平均值以上，個別指標雖然沒有達到平均值，但不是特別低，如甘肅的日均評論數(shù)481（平均值101），四川的粉絲率0064（平均值0076），各項產出的均衡使得它們能夠脫穎而出。另外，這些DMU還實現(xiàn)了與其政務環(huán)境相匹配的績效產出。

高估了績效值的DMU有@清新福建、@寧夏發(fā)布、@北京發(fā)布、@微博云南、@新疆發(fā)布、@微博江蘇、@西藏發(fā)布、@湖北省政府門戶網(wǎng)站、@海南政務服務等，其中@清新福建、@寧夏發(fā)布、@北京發(fā)布、@微博云南績效值“縮水”比例非常大，直接從DEA有效降為非DEA有效，通過查閱原始數(shù)據(jù)，可以發(fā)現(xiàn)@清新福建各項產出水平都非常低（日均微博數(shù)1，粉絲比率001，日均轉發(fā)數(shù)08，日均評論數(shù)12，日均點贊數(shù)02），該政務微博不僅活躍度低，而且?guī)缀鯖]有社會影響力，在張敏的研究中，在CCR模型下該政務微博被評為DEA有效，本文運用BCC模型（產出不包含微博數(shù)）也將其評為DEA有效，顯然不符合實際，可見經典DEA模型的固有缺陷造成評價結果的失真，因為經典DEA模型為投入與產出的相對效率評價，其測度方式和序的局限性不能滿足政務微博評價的需要，進行模型創(chuàng)新是很有必要的。@寧夏發(fā)布和@微博云南的產出存在嚴重“偏科”現(xiàn)象，它們除了粉絲比率非常高之外，其他指標都非常低，可見有效粉絲數(shù)偏少，更多的是“僵尸粉絲”。社會影響力低除了是由于粉絲“用手投票”的理性選擇外，筆者還發(fā)現(xiàn)政務微博很有可能存在“人為”造成的低效率，比如@微博云南開通2371天以來，累計轉發(fā)數(shù)29 786，累計評論數(shù)只有148條，累計點贊數(shù)36 306，其中累計評論數(shù)極低，日均評論數(shù)001條，每天不足001條，通過查看@微博云南所發(fā)布的政務微博得知在早期有少量評論，后面微博就沒有評論了，推測其運維管理人員出于某種原因關閉了微博評論功能，在新模型測算下，這一項產出的低下效會嚴重影響其整體績效水平。在經典CCR和BCC模型的Pareto序之下，這些DMU可能由于某一項產出非常好而被評為DEA有效，而基于Non-Pareto序偏好，它們由于其他產出的低下而導致總績效水平低下。@北京發(fā)布在不考慮環(huán)境約束因素的BCC模型測量下是DEA有效的，其各項產出遠超平均值，但是基于其良好的政務環(huán)境，它的各項產出理應更高，事實上它沒有表現(xiàn)出與其政務環(huán)境相匹配的更高績效水平，所以被新模型降為了非DEA有效。類似的還有@天津發(fā)布、@微博江蘇等，這些發(fā)達地區(qū)的省份占據(jù)“天時地利人和”，沒有充分發(fā)揮地緣優(yōu)勢，實現(xiàn)政務微博的有效運行，雖然從政務微博直接外部特征來看產出非?？捎^，但是考慮到其良好的外部環(huán)境，沒有實現(xiàn)與其優(yōu)良政務環(huán)境匹配的運營績效。

3結論

本文針對以往政務微博評價研究的不足，以我國省級政府政務微博為例，通過創(chuàng)新DEA模型，在考慮政務環(huán)境不可控制因素和全面衡量產出的績效視角下進行實證研究，實現(xiàn)對評價結果的改良，輸出指標不僅有直接數(shù)量產出的總微博數(shù)，還有衡量社會影響力的總粉絲數(shù)、累計被轉發(fā)數(shù)、累計被評價數(shù)和累計被點贊數(shù)，相比經典模型，新模型不僅強化了區(qū)分度，實現(xiàn)了對有效DMU的強制排序，更為重要的是能夠全面評價政務微博的產出，杜絕了經典模型“一俊遮百丑”的評價缺陷，新模型評價結果顯示，部分發(fā)達地區(qū)的省份，比如@北京發(fā)布、@天津發(fā)布、@微博江蘇等，占據(jù)天時地利人和，沒有充分發(fā)揮地緣優(yōu)勢，實現(xiàn)政務微博的有效運行，雖然從政務微博直接外部特征來看政務微博的產出非?？捎^，但是考慮到其良好的外部環(huán)境，沒有實現(xiàn)與其外部優(yōu)良政務環(huán)境匹配的運營績效；部分中西部省份，比如@甘肅發(fā)布、@四川發(fā)布和@精彩河南，各項產出指標都比較好，并實現(xiàn)了與其政務環(huán)境相匹配的產出。部分省份各項產出之間非常不均勻，比如寧夏、云南，雖然粉絲數(shù)量非常高，但是微博活躍度不夠，社會影響力甚微，可見有效粉絲數(shù)量太少，更多的是“僵尸粉絲”；比如@海南政務服務，僅僅活躍度很高，日均發(fā)博量大，但是粉絲數(shù)量太少，缺乏社會影響力，這些產出嚴重“偏科”的政務微博都被新模型評為了非DEA有效。研究證明新模型的評價結果更加科學、客觀和公正。另外，該模型還可以推廣到電子政務類似方面的評價應用中。endprint

參考文獻

[1]《2016年人民日報·政務指數(shù)微博影響力報告》發(fā)布[EBOL].http：yuqing.people.com.cnn120170119c209043-29036185.html.

[2]趙阿敏，曹桂全.政務微博影響力評價與比較實證研究——基于因子分析與聚類分析[J].情報雜志，2014，（3）：107-112.

[3]李云新，張海舒.基于微博特征的政務微博運行效果研究——以“@上海發(fā)布”為例[J].電子政務，2015，（1）：52-59.

[4]陳明亮，邱婷婷，謝瑩.微博主影響力評價指標體系的科學構建[J].浙江大學學報：人文社會科學版，2014，（2）：53-63.

[5]包明林，劉蓉，鄒凱，等.政務微博服務質量評價指標體系研究[J].現(xiàn)代情報，2015，（9）：94-96.

[6]李勇，龔小芳，惠鴻曜，等.政務微博條件下的政民交互度評價指標體系構建[J].重慶大學學報：社會科學版，2016，（4）：173-179.

[7]張敏，吳郁松，霍朝光.省級政務微博運營績效測評與改進路徑選擇[J].圖書館學研究，2015，17，22-28.

[8]郭高晶.時空視角下省級政府政務微博運營效率評價[J].現(xiàn)代情報，2016，（11）：94-98.

[9]林琛.微博個體信息傳播影響力評價指標分析[J].圖書情報工作，2014（1）：40-43.

[10]成剛.數(shù)據(jù)包絡分析方法與MaxDEA軟件[M].北京：知識產權出版社，2014：10-11.

[11]萬莉，程慧平.我國省級政府電子政務效率測算與分析[J].情報科學，2014，（12）：138-141.

[12]奧羅姆.政治社會學——主體政治的社會剖析[M].上海：上海人民出社，1989：290-291.

[13]Cooper，W W.，Seiford，L M.，Tone，K.Data Envelopment Analysis： A Comprehensive Text with Models Applications，References and DEA- Solver Software [M].Kluwer Academic Publishers，Boston，2000.

（本文責任編輯：孫國雷）endprint