政府?dāng)?shù)據(jù)開放平臺(tái)效率評(píng)估及影響因素實(shí)證研究

吳應(yīng)強(qiáng)　李白楊　石樂怡

關(guān)鍵詞： 政府?dāng)?shù)據(jù)開放； 平臺(tái)； 門戶網(wǎng)站； 效率評(píng)估； 影響因素

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２４．０７．００７

〔中圖分類號(hào)〕Ｄ６３； Ｇ２０３ 〔文獻(xiàn)標(biāo)識(shí)碼〕Ａ 〔文章編號(hào)〕１００８－０８２１ （２０２４） ０７－００７４－１０

２００９ 年５ 月， 美國(guó)率先上線了政府?dāng)?shù)據(jù)開放平臺(tái)網(wǎng)站（ｗｗｗ．ｄａｔａ．ｇｏｖ）， 英國(guó)、加拿大、法國(guó)、挪威、韓國(guó)、新加坡等國(guó)家和地區(qū)也相繼建立了政府?dāng)?shù)據(jù)開放平臺(tái)。２０１２ 年６ 月， 上海市首先上線試運(yùn)行“上海市政府?dāng)?shù)據(jù)服務(wù)網(wǎng)”， 北京、佛山、武漢等地也相繼推出政府?dāng)?shù)據(jù)開放平臺(tái)網(wǎng)站。２０２１年９ 月１ 日起正式實(shí)施的《中華人民共和國(guó)數(shù)據(jù)安全法》［１］ 強(qiáng)調(diào)， “構(gòu)建政務(wù)數(shù)據(jù)開放平臺(tái)， 推動(dòng)政務(wù)數(shù)據(jù)開放利用”。２０２２ 年９ 月， 國(guó)務(wù)院辦公廳發(fā)布《全國(guó)一體化政務(wù)大數(shù)據(jù)體系建設(shè)指南》［２］ ， 提出“通過政務(wù)數(shù)據(jù)開放平臺(tái)， 推動(dòng)數(shù)據(jù)安全有序開放”。截至２０２２ 年１０ 月， 我國(guó)已有２０８ 個(gè)省級(jí)和城市的地方政府上線了政府?dāng)?shù)據(jù)開放平臺(tái)?？梢?， 在數(shù)字中國(guó)背景下， 國(guó)家正大力推進(jìn)政府?dāng)?shù)據(jù)開放平臺(tái)的建設(shè)， 加強(qiáng)數(shù)字政府轉(zhuǎn)型發(fā)展。

如雨后春筍般建立起來(lái)的政府?dāng)?shù)據(jù)開放平臺(tái)，其運(yùn)行效率如何？ 通過對(duì)過往研究的文獻(xiàn)調(diào)查發(fā)現(xiàn)，絕大部分學(xué)者采用數(shù)據(jù)包絡(luò)分析法（Ｄａｔａ Ｅｎｖｅｌｏｐ?ｍｅｎｔ Ａｎａｌｙｓｉｓ， ＤＥＡ）對(duì)平臺(tái)的效率進(jìn)行評(píng)估， 且數(shù)據(jù)來(lái)源多為靜態(tài)截面數(shù)據(jù)。然而， 在傳統(tǒng)的ＤＥＡ 模型中， 對(duì)于無(wú)效率程度的測(cè)量?jī)H僅涉及所有投入（產(chǎn)出）等比例縮減（增加）的部分， 而并未考慮到變量松弛性以及徑向問題可能帶來(lái)的測(cè)量誤差。這種情況可能導(dǎo)致無(wú)效率程度的測(cè)量結(jié)果出現(xiàn)偏差， 影響其準(zhǔn)確性［３］ 。

本文針對(duì)上述不足， 嘗試采用無(wú)導(dǎo)向ＳＢＭＭａｌｍｑｕｉｓｔ－Ｔｏｂｉｔ 模型與政府?dāng)?shù)據(jù)開放平臺(tái)效率評(píng)估與影響因素的研究主題進(jìn)行結(jié)合， 在提升效率評(píng)估精度的基礎(chǔ)上， 繼續(xù)揭示平臺(tái)的效率狀態(tài)和變化趨勢(shì)， 進(jìn)一步分析影響效率的關(guān)鍵因素。與傳統(tǒng)ＤＥＡ方法相比， 顯示出更高的靈活性和精確性， 更適合應(yīng)對(duì)政府?dāng)?shù)據(jù)開放平臺(tái)這一特殊且重要的領(lǐng)域。

１ 文獻(xiàn)綜述

政府?dāng)?shù)據(jù)開放平臺(tái)效率評(píng)估的過往研究主要集中在利用數(shù)據(jù)包絡(luò)法測(cè)量平臺(tái)的綜合效率、純技術(shù)效率、規(guī)模效率和規(guī)模報(bào)酬， 最后綜合評(píng)估出政府?dāng)?shù)據(jù)開放平臺(tái)的效率。ＤＥＡ 具有無(wú)需任何權(quán)重假設(shè)的特點(diǎn)， 有很強(qiáng)的客觀性。雖然大部分學(xué)者在研究方法的選擇上具有一致性， 但在平臺(tái)效率評(píng)價(jià)指標(biāo)的選取上卻不盡相同。

有的學(xué)者結(jié)合網(wǎng)站效率評(píng)價(jià)的特點(diǎn)， 從內(nèi)容、技術(shù)、網(wǎng)站結(jié)構(gòu)等角度選取相應(yīng)的指標(biāo)， 例如， 輸入指標(biāo)包含數(shù)據(jù)量、數(shù)據(jù)內(nèi)容、連通率、下載速度、網(wǎng)站的總頁(yè)面數(shù)和網(wǎng)站的不重復(fù)鏈接量， 輸出指標(biāo)包含下載量、訪問量、網(wǎng)站外鏈接量［４］ 。有的學(xué)者為了避免非ＤＥＡ 有效結(jié)果的情況出現(xiàn)， 從數(shù)據(jù)和平臺(tái)兩個(gè)維度構(gòu)建了包含９ 個(gè)投入指標(biāo)和４ 個(gè)產(chǎn)出指標(biāo)的ＤＥＡ 評(píng)估指標(biāo)體系， 但必須滿足決策單元（Ｄｅｃｉｓｉｏｎ Ｍａｋｉｎｇ Ｕｎｉｔ， ＤＭＵ）個(gè)數(shù)不少于輸入、輸出指標(biāo)總數(shù)２ 倍的要求［５］ 。

對(duì)于省級(jí)政府?dāng)?shù)據(jù)開放平臺(tái)， 有的學(xué)者參考復(fù)旦大學(xué)數(shù)字與移動(dòng)治理實(shí)驗(yàn)室發(fā)布的《中國(guó)地方政府?dāng)?shù)據(jù)開放報(bào)告》， 將數(shù)據(jù)層指數(shù)和平臺(tái)層指數(shù)作為投入指標(biāo)， 避免自己重復(fù)采集數(shù)據(jù)和“造輪子” 的麻煩［６］ 。除了單獨(dú)研究政府?dāng)?shù)據(jù)平臺(tái)資源的利用效率， 有學(xué)者將創(chuàng)新應(yīng)用的效能評(píng)價(jià)與平臺(tái)效率評(píng)估進(jìn)行結(jié)合， 極大豐富了研究?jī)?nèi)容［７］ 。因?yàn)閭鹘y(tǒng)ＤＥＡ求解出來(lái)的最大效率值為１， 此時(shí)代表決策單元達(dá)到有效， 但當(dāng)多個(gè)決策單元的效率值達(dá)到ＤＥＡ 有效時(shí)， 難以進(jìn)行橫向的區(qū)分比較， 故有學(xué)者采用超效率ＳＢＭ 模型對(duì)政府?dāng)?shù)據(jù)開放平臺(tái)的效率進(jìn)行評(píng)估， 最大效率值不再僅局限為１， 最終結(jié)果可以由高到低進(jìn)行有效排序［８］ 。

上述研究對(duì)本文提供了重要的參考與借鑒， 但仍存在以下幾點(diǎn)可以提升的空間： ①傳統(tǒng)ＤＥＡ 模型存在一定局限， 未考慮變量松弛性以及徑向問題可能帶來(lái)的測(cè)量誤差， 可采用無(wú)徑向、無(wú)導(dǎo)向ＳＢＭ模型進(jìn)行改進(jìn)； ②絕大部分過往研究均采取靜態(tài)截面數(shù)據(jù)， 鮮有學(xué)者采取面板數(shù)據(jù)作為數(shù)據(jù)來(lái)源， 可采集政府?dāng)?shù)據(jù)開放平臺(tái)的面板數(shù)據(jù)， 利用Ｍａｌｍｑｕｉｓｔ指數(shù)模型進(jìn)行分析， 彌補(bǔ)ＳＢＭ 模型在動(dòng)態(tài)效率分析的不足； ③評(píng)估平臺(tái)效率值后， 未深入研究背后的影響因素， 可采用Ｔｏｂｉｔ 模型進(jìn)行影響因素作用機(jī)理的回歸分析。

無(wú)導(dǎo)向ＳＢＭ－Ｍａｌｍｑｕｉｓｔ－Ｔｏｂｉｔ 模型在方法應(yīng)用上具有一定優(yōu)勢(shì)。首先是測(cè)算精度更高， 解決了傳統(tǒng)的ＤＥＡ－ＢＣＣ 和ＤＥＡ－ＣＣＲ 模型無(wú)法解決的投入產(chǎn)出的松弛性問題以及由投入產(chǎn)出的角度和徑向的選擇所帶來(lái)的偏差問題。為了改進(jìn)傳統(tǒng)ＤＥＡ 模型忽視變量松弛性問題和徑向問題帶來(lái)的測(cè)量誤差， ＴｏｎｅＫ［９］ 提出了基于松弛變量的非徑向、非導(dǎo)向型ＳＢＭ模型， 在某種程度上克服了傳統(tǒng)ＤＥＡ 的缺點(diǎn)， 提高了測(cè)算精度。其次是由截面數(shù)據(jù)轉(zhuǎn)為分析面板數(shù)據(jù)，具有較強(qiáng)的動(dòng)態(tài)性， Ｍａｌｍｑｕｉｓｔ 指數(shù)由Ｍａｌｍｑｕｉｓｔ Ｓ于１９５３ 年首次提出， Ｃａｖｅｓ Ｄ Ｗ 等［１０］ 將其應(yīng)用于生產(chǎn)效率變化的測(cè)算， Ｆ?ｒｅ Ｒ 等［１１］ 將其與ＤＥＡ 理論相結(jié)合， 建立了用來(lái)觀察兩個(gè)不同時(shí)期全要素生產(chǎn)率增長(zhǎng)ＴＦＰＣＨ 的Ｍａｌｍｑｕｉｓｔ 指數(shù)， 彌補(bǔ)了靜態(tài)ＤＥＡ 模型不能分析面板數(shù)據(jù)的不足。最后是研究力度更深， 剖析問題更全， 探究了影響效率值背后的深層次因素。Ｃｏｅｌｌｉ Ｔ［１２］ 在數(shù)據(jù)包絡(luò)分析基礎(chǔ)上衍生了兩步法（Ｔｗｏ－ｓｔａｇｅ Ｍｅｔｈｏｄ）， 即在數(shù)據(jù)包絡(luò)分析評(píng)測(cè)決策單元所得效率值基礎(chǔ)上， 將其作為因變量， 以影響因素作為自變量建立回歸模型。無(wú)導(dǎo)向ＳＢＭ 模型所得效率值在０～１ 的區(qū)間變動(dòng)， 如果直接使用最小二乘回歸方法將會(huì)導(dǎo)致估計(jì)偏差， 然而這種特殊的截尾數(shù)據(jù)卻十分適用于Ｔｏｂｉｔ 模型［１３］ ，通過Ｔｏｂｉｔ 回歸分析所得自變量系數(shù)可判斷影響因素對(duì)平臺(tái)效率的影響方向和影響強(qiáng)度［１４－１５］ 。ＳＢＭＭａｌｍｑｕｉｓｔ－Ｔｏｂｉｔ 模型研究成果較少， 在ＣＮＫＩ 數(shù)據(jù)庫(kù)僅有１６ 篇期刊論文與ＳＢＭ－Ｍａｌｍｑｕｉｓｔ－Ｔｏｂｉｔ 模型主題相關(guān)， 但在生態(tài)效率［１４，１６］ 、環(huán)境效率［１７］ 、綠色經(jīng)濟(jì)效率［１５］ 、創(chuàng)新效率［３］ 、物流效率［１８］ 、科研效率［１９］ 均有成功的研究經(jīng)驗(yàn)。

鑒于此， 本文率先嘗試性地采用無(wú)導(dǎo)向ＳＢＭＭａｌｍｑｕｉｓｔ－Ｔｏｂｉｔ 模型運(yùn)用于政府?dāng)?shù)據(jù)開放平臺(tái)效率研究， 以２０１９—２０２２ 年中國(guó)１０ 個(gè)省市政府?dāng)?shù)據(jù)開放平臺(tái)的“投入—產(chǎn)出” 面板數(shù)據(jù)作為數(shù)據(jù)來(lái)源。首先， 利用無(wú)導(dǎo)向ＳＢＭ 模型不需要預(yù)設(shè)生產(chǎn)可能性邊界方向的特性， 使平臺(tái)效率評(píng)估更加靈活和全面； 其次， 利用Ｍａｌｍｑｕｉｓｔ 指數(shù)可衡量時(shí)間序列數(shù)據(jù)效率變化的特性， 幫助平臺(tái)識(shí)別效率演變趨勢(shì)；最后， 利用Ｔｏｂｉｔ 模型適用于分析截尾數(shù)據(jù)的特性，幫助識(shí)別效率背后各影響因素的作用機(jī)理。

２ 研究設(shè)計(jì)

Ｔｏｂｉｔ 模型是一種回歸模型， 用于分析截尾數(shù)據(jù)（Ｃｅｎｓｏｒｅｄ Ｄａｔａ）， 即那些被截?cái)嗷騺G失的數(shù)據(jù)。它被廣泛應(yīng)用于各種領(lǐng)域， 包括經(jīng)濟(jì)學(xué)、醫(yī)學(xué)和環(huán)境科學(xué)等。Ｔｏｂｉｔ 模型通常用于研究一些被限制或截?cái)嗟淖兞浚?例如在某些情況下， 數(shù)據(jù)的收集可能只得到部分觀察值， 這些值被稱為截尾數(shù)據(jù)， 參照本文即ＳＢＭ 模型得出的效率值∈［０，１］。Ｔｏｂｉｔ 模型能夠處理這種類型的數(shù)據(jù)， 并估計(jì)出完整數(shù)據(jù)下的均值和方差。鑒于此， 本文使用Ｔｏｂｉｔ 模型來(lái)分析省市政府?dāng)?shù)據(jù)開放平臺(tái)效率的主要影響因素。將平臺(tái)效率值視作受截?cái)嗟淖儎?dòng)量， 并基于ＴＯＥ 研究框架將影響平臺(tái)效率的因素視為解釋變量， 通過回歸分析的途徑來(lái)推斷各個(gè)影響因素的作用機(jī)制。如此， 不僅能得到關(guān)于平臺(tái)效率的預(yù)測(cè)值， 同時(shí)還能揭示出哪些因素影響了平臺(tái)效率， 并深入理解這些因素影響的具體程度。

２.２樣本與指標(biāo)選取

２.２.１樣本選取

選取北京、上海、廣州、深圳、貴州、哈爾濱、武漢、宣城等１０ 個(gè)省市地方政府?dāng)?shù)據(jù)開放平臺(tái)作為研究樣本， 主要基于以下考量： 第一， 平臺(tái)至少在２０１９ 年之前上線且運(yùn)維正常， 具備２０１９—２０２２ 年的面板數(shù)據(jù)； 第二， 平臺(tái)類型涵蓋正省級(jí)、副省級(jí)和地市級(jí)， 具有一定樣本代表性； 第三， 平臺(tái)具有面板數(shù)據(jù)的可獲取性， 歷年數(shù)據(jù)便于獲取和爬取。省市政府?dāng)?shù)據(jù)開放平臺(tái)網(wǎng)址如表１ 所示。

２.２.２ 綜合效率評(píng)價(jià)指標(biāo)設(shè)計(jì)

為驗(yàn)證方法的可行性， 選取的綜合效率評(píng)價(jià)指標(biāo)較為簡(jiǎn)單， 僅作示例參考， 具體綜合指標(biāo)還需研究者根據(jù)實(shí)際情況進(jìn)行探究和考察， 故本文最終沿用過往研究已有的成熟做法并綜合考慮面板數(shù)據(jù)的可獲取性， 將投入指標(biāo)分為數(shù)據(jù)集數(shù)量、數(shù)據(jù)接口數(shù)量和數(shù)據(jù)應(yīng)用數(shù)量， 將產(chǎn)出指標(biāo)分為網(wǎng)站總訪問量和注冊(cè)用戶數(shù)。最終構(gòu)建省市政府?dāng)?shù)據(jù)開放平臺(tái)效率評(píng)估指標(biāo)體系， 如表２ 所示。

２.２.３ 影響因子確定

ＴＯＥ 框架（Ｔｅｃｈｎｏｌｏｇｙ－Ｏｒｇａｎｉｚａｔｉｏｎ－ＥｎｖｉｒｏｎｍｅｎｔＦｒａｍｅｗｏｒｋ）將影響技術(shù)創(chuàng)新實(shí)施的因素歸納為技術(shù)層面（Ｔｅｃｈｎｏｌｏｇｙ）、組織層面（Ｏｒｇａｎｉｚａｔｉｏｎ）與環(huán)境層面（Ｅｎｖｉｒｏｎｍｅｎｔ）３ 類， 本質(zhì)上是一種基于技術(shù)應(yīng)用情境的綜合性分析框架。經(jīng)過逐步發(fā)展， 在電子政務(wù)、數(shù)字政府等研究領(lǐng)域得到廣泛的運(yùn)用。

政府?dāng)?shù)據(jù)開放平臺(tái)效率高低不僅受到平臺(tái)自身數(shù)據(jù)和建設(shè)水平的限制， 同時(shí)受到政府機(jī)構(gòu)準(zhǔn)備情況、財(cái)政資源、外部公眾的需求的影響。因此， 對(duì)政府?dāng)?shù)據(jù)開放平臺(tái)利用水平進(jìn)行技術(shù)、組織、環(huán)境層面的組態(tài)分析顯得尤為重要。為驗(yàn)證方法的可行性， 本文僅以ＴＯＥ 理論作為示例分析框架， 影響因素指標(biāo)的選取難免存在遺漏和不足， 最終擬定影響省市政府?dāng)?shù)據(jù)開放平臺(tái)效率的因素及其量化指標(biāo)如表３所示。

２.３ 數(shù)據(jù)來(lái)源與處理

數(shù)據(jù)來(lái)源上， 考慮到研究樣本的代表性和數(shù)據(jù)可獲取性， 本文選取２０１９—２０２２ 年中國(guó)１０ 個(gè)省市政府?dāng)?shù)據(jù)開放平臺(tái)的面板數(shù)據(jù)， 計(jì)算無(wú)導(dǎo)向ＳＢＭＭａｌｍｑｕｉｓｔ－Ｔｏｂｉｔ 模型。２０１９—２０２１ 年平臺(tái)效率評(píng)估指標(biāo)中， 數(shù)據(jù)集數(shù)量、數(shù)據(jù)接口數(shù)量和數(shù)據(jù)應(yīng)用數(shù)量的數(shù)據(jù)主要來(lái)源于華中師范大學(xué)信息管理學(xué)院國(guó)家社會(huì)科學(xué)基金重點(diǎn)項(xiàng)目（１７ＡＴＱ００６）課題組及湖北省數(shù)據(jù)治理與智能決策研究中心共同發(fā)布的《中國(guó)政府開放數(shù)據(jù)利用研究報(bào)告》［２４］ （２０２０—２０２２），２０２２ 年數(shù)據(jù)主要來(lái)源于Ａｒｃｈｉｖｅ．ｏｒｇ Ｃａｃｈｅ 的網(wǎng)頁(yè)歷史快照記錄、數(shù)據(jù)爬取和網(wǎng)絡(luò)調(diào)查。２０１９—２０２２ 年網(wǎng)站總訪問量和注冊(cè)用戶數(shù)來(lái)源于各政府?dāng)?shù)據(jù)平臺(tái)主管部門統(tǒng)計(jì)的《政府網(wǎng)站工作年度報(bào)表》。２０１９—２０２２ 年平臺(tái)效率影響因素的量化指標(biāo)數(shù)據(jù)來(lái)源于歷年《中國(guó)地方政府?dāng)?shù)據(jù)開放報(bào)告》［２５］ 《中國(guó)統(tǒng)計(jì)年鑒》和《政府信息公開工作年度報(bào)告》。

數(shù)據(jù)處理上， 無(wú)導(dǎo)向ＳＢＭ 模型和Ｍａｌｍｑｕｉｓｔ 指數(shù)模型的計(jì)算采用ＭＡＴＬＡＢ Ｒ２０２１ａ 計(jì)算， Ｔｏｂｉｔ 模型采用ＳｔａｔａＭＰ １７ 計(jì)算。

３ 實(shí)證結(jié)果分析

３.１ 政府?dāng)?shù)據(jù)開放平臺(tái)效率綜合評(píng)價(jià)

采用ＭＡＴＬＡＢ Ｒ２０２１ａ軟件對(duì)２０１９—２０２２ 年我國(guó)１０ 個(gè)省市級(jí)政府?dāng)?shù)據(jù)開放平臺(tái)效率進(jìn)行逐年測(cè)算， 計(jì)算結(jié)果如表４ 所示。

值得注意的是， 上海市政府?dāng)?shù)據(jù)服務(wù)網(wǎng)在本文的評(píng)估指標(biāo)體系下， 綜合效率得分逐年降低。上海市政府?dāng)?shù)據(jù)服務(wù)網(wǎng)作為首個(gè)推出的政府?dāng)?shù)據(jù)開放平臺(tái)， 在平臺(tái)建設(shè)、功能設(shè)計(jì)、用戶體驗(yàn)等方面具備經(jīng)驗(yàn)和基礎(chǔ)， 但在綜合效率上的得分與其先發(fā)地位不匹配。北京市公共數(shù)據(jù)開放平臺(tái)在２０１９—２０２０年連續(xù)達(dá)到綜合效率有效， 但近兩年的效率值下降較為明顯。

深圳市政府?dāng)?shù)據(jù)開放平臺(tái)在２０１９—２０２２ 年均達(dá)到了綜合效率有效， 這充分顯示出深圳市政府對(duì)數(shù)據(jù)開放平臺(tái)網(wǎng)站方面的重視程度。深圳市政府對(duì)數(shù)據(jù)開放平臺(tái)的建設(shè)和維護(hù)進(jìn)行了大量投入， 并采取了一系列措施來(lái)提高平臺(tái)的綜合效率。與此同時(shí)，一些省市級(jí)的政府?dāng)?shù)據(jù)開放平臺(tái)綜合效率卻逐年降低， 例如廣州、貴州、貴陽(yáng)、宣城， 表明這些省市級(jí)數(shù)據(jù)開放平臺(tái)在建設(shè)和維護(hù)方面存在一些問題，需要加強(qiáng)對(duì)平臺(tái)的管理和優(yōu)化。為了改善這種情況，這些城市需要著手在整體網(wǎng)站的投入進(jìn)行資源配置優(yōu)化， 進(jìn)一步合理配置、整合已有的資源。這包括加強(qiáng)技術(shù)投入、提高數(shù)據(jù)質(zhì)量、加強(qiáng)用戶體驗(yàn)等方面的工作。

２０１９ 年的武漢政務(wù)公共數(shù)據(jù)服務(wù)網(wǎng)的平臺(tái)綜合效率為０.１３９， ２０２０ 年平臺(tái)綜合效率為０.３３８， ２０２１年又降低至０.１８２， 此現(xiàn)象主要由于２０２０ 年受新冠肺炎疫情的影響， 全國(guó)公眾對(duì)武漢政務(wù)公共數(shù)據(jù)服務(wù)網(wǎng)的數(shù)據(jù)需求激增。２０１９ 年， 武漢政務(wù)公共數(shù)據(jù)服務(wù)網(wǎng)的網(wǎng)站總訪問量為１３.９８ 萬(wàn)人次， ２０２０年網(wǎng)站總訪問量達(dá)到１ ６０３萬(wàn)人次， 故導(dǎo)致產(chǎn)出指標(biāo)的異常增長(zhǎng)， 帶來(lái)當(dāng)年平臺(tái)綜合效率的突然增長(zhǎng)到次年又突然下降的現(xiàn)象， 但與２０１９ 年相比， 平臺(tái)整體綜合效率仍有所提升。

２０２０年和２０２２年， 開放廣東平臺(tái)在提升綜合效率方面取得了顯著成效。這兩年， 平臺(tái)通過優(yōu)化流程、提高服務(wù)質(zhì)量、增強(qiáng)用戶體驗(yàn)等措施， 使整體效率得到了顯著提升。這些措施的實(shí)施， 不僅使得平臺(tái)在處理事務(wù)的時(shí)間上有所縮短， 還提高了平臺(tái)的用戶滿意度， 進(jìn)一步增強(qiáng)了平臺(tái)的競(jìng)爭(zhēng)力。在這兩年， 開放廣東平臺(tái)還不斷加強(qiáng)技術(shù)創(chuàng)新， 大力推進(jìn)數(shù)字化轉(zhuǎn)型。通過引入先進(jìn)的技術(shù)和工具， 優(yōu)化平臺(tái)的運(yùn)營(yíng)模式， 進(jìn)一步提高了平臺(tái)的運(yùn)營(yíng)效率。同時(shí)， 平臺(tái)還不斷加強(qiáng)人才隊(duì)伍建設(shè)， 提升員工的專業(yè)素養(yǎng)和服務(wù)意識(shí)， 為平臺(tái)的長(zhǎng)遠(yuǎn)發(fā)展打下了堅(jiān)實(shí)的基礎(chǔ)。此外， 開放廣東平臺(tái)還注重與各方的合作與交流。通過與政府部門、企業(yè)、社會(huì)組織等各方面的合作， 實(shí)現(xiàn)了資源共享、優(yōu)勢(shì)互補(bǔ)， 推動(dòng)了平臺(tái)的可持續(xù)發(fā)展。這種合作模式不僅提高了平臺(tái)的綜合效率， 還為其他平臺(tái)的發(fā)展提供了可借鑒的經(jīng)驗(yàn)。

３.２ Ｍａｌｍｑｕｉｓｔ指數(shù)分析結(jié)果

在分析各決策單元在不同時(shí)期的變化時(shí)，Ｍａｌｍｑｕｉｓｔ 指數(shù)模型可以對(duì)效率進(jìn)行動(dòng)態(tài)研究。Ｍａｌｍｑｕｉｓｔ 指數(shù)可分解為技術(shù)效率和技術(shù)進(jìn)步， 技術(shù)效率可以分解為純技術(shù)效率和規(guī)模效率。當(dāng)Ｍ＞１時(shí)， 表示效率水平得到提升； 當(dāng)Ｍ＝１ 時(shí)， 表示效率水平不變； 當(dāng)Ｍ＜１ 時(shí)， 表示效率水平降低。采用ＭＡＴＬＡＢ Ｒ２０２１ａ 軟件計(jì)算， 結(jié)果如表５、表６ 所示。

總的來(lái)說， 平臺(tái)在２０１９—２０２２ 年的全要素生產(chǎn)率（Ｍ 指數(shù)）為１.１７１， 達(dá)到了效率前沿面， 但增長(zhǎng)率僅為１７.１％。盡管技術(shù)進(jìn)步的平均值為１.２２８，增長(zhǎng)率為２２.８％， 表明平臺(tái)在技術(shù)上有所進(jìn)步， 但技術(shù)效率的平均值為０.９８， 增長(zhǎng)率為－２％， 意味著還存在一定程度的浪費(fèi)或無(wú)效率， 導(dǎo)致全要素生產(chǎn)率的漲幅受到影響。

進(jìn)一步分析技術(shù)效率， 可以發(fā)現(xiàn)純技術(shù)效率的平均值為０.９７６， 增長(zhǎng)率為－２.４％， 而規(guī)模效率的平均值為１.１４５， 增長(zhǎng)率為１４. ５％。這表明平臺(tái)在純技術(shù)效率和規(guī)模效率方面存在一定的差異， 平臺(tái)需要更加注重提升純技術(shù)效率。

分省市看， ２０１９—２０２２ 年６ 個(gè)省市政府?dāng)?shù)據(jù)開放平臺(tái)全要素生產(chǎn)率大于１， 占本次研究樣本總量的６０％， 說明我國(guó)政府?dāng)?shù)據(jù)開放平臺(tái)效率情況整體趨勢(shì)較好。其中， 廣州（１.０３１）、深圳（１.３０３）、貴陽(yáng)（１.０６１）、武漢（１.４５４）、宣城（１.００２）、廣東（２.８９４）均達(dá)到效率前沿面， 其中開放廣東平臺(tái)增長(zhǎng)幅度最高， 其次是武漢和深圳。北京的全要素生產(chǎn)率最低， 僅為０.６４３， 北京市作為我國(guó)首都， 其政府?dāng)?shù)據(jù)開放平臺(tái)網(wǎng)站建設(shè)應(yīng)該具備得天獨(dú)厚的實(shí)力支撐， 但就目前得分來(lái)看， 表現(xiàn)不盡人意， 明顯與其地位不匹配。值得注意的是， 上海市政府?dāng)?shù)據(jù)開放平臺(tái)在前人的研究中均顯示出較高的效率值，但本文卻得出不一樣的研究結(jié)果， 這一現(xiàn)象值得探討， 究其原因： 第一， 前人研究較早， 所用數(shù)據(jù)均為當(dāng)年， 數(shù)據(jù)存在大幅度更新， 且近幾年各地響應(yīng)國(guó)家號(hào)召， 大力發(fā)展政府?dāng)?shù)據(jù)開放， 尤其以山東省為首， 后來(lái)居上， 在２０２２ 年《中國(guó)地方政府?dāng)?shù)據(jù)開放評(píng)估報(bào)告（省域指數(shù)）》位居榜首； 第二， 前人研究較多以下載量和瀏覽量作為產(chǎn)出指標(biāo)， 而本文在保持瀏覽量指標(biāo)不變的前提下將下載量更改為注冊(cè)用戶數(shù)， 進(jìn)而得出新的研究結(jié)果?？梢?， 由于指標(biāo)沒有固定的標(biāo)準(zhǔn)， 基于不同的理論或框架選擇不同的產(chǎn)出指標(biāo)， 會(huì)產(chǎn)生不同的結(jié)果， 制定更為完善的產(chǎn)出指標(biāo)有助于加強(qiáng)研究結(jié)果的可靠性和評(píng)價(jià)指標(biāo)體系的魯棒性。

３.３ 政府?dāng)?shù)據(jù)開放平臺(tái)效率影響因素分析

本文基于ＴＯＥ 理論框架選取平臺(tái)數(shù)據(jù)綜合水平、數(shù)據(jù)平臺(tái)建設(shè)水平、組織準(zhǔn)備度、財(cái)政支持水平和公眾外部需求， 量化指標(biāo)和數(shù)據(jù)來(lái)源前文已做介紹， 故不再贅述， 回歸區(qū)間為２０１９—２０２２ 年， 回歸結(jié)果如表７ 所示。

通過回歸分析， 研究發(fā)現(xiàn)：

１） 平臺(tái)數(shù)據(jù)綜合水平對(duì)政府?dāng)?shù)據(jù)開放平臺(tái)效率正向影響顯著。

政府?dāng)?shù)據(jù)開放平臺(tái)的效率， 與平臺(tái)數(shù)據(jù)的綜合水平息息相關(guān)。數(shù)據(jù)的多樣性、質(zhì)量及可用性， 猶如平臺(tái)的靈魂， 賦予平臺(tái)獨(dú)特的魅力與價(jià)值。一個(gè)平臺(tái)若能廣泛涵蓋各種數(shù)據(jù)類型與來(lái)源， 如商業(yè)數(shù)據(jù)（例如商會(huì)信息和有關(guān)公司或行業(yè)數(shù)據(jù)的官方商業(yè)信息）， 注冊(cè)與專利、商標(biāo)和公共招標(biāo)相關(guān)的數(shù)據(jù)， 地理數(shù)據(jù)（例如地形和地址數(shù)據(jù)）， 法律數(shù)據(jù)（例如法庭判決、立法數(shù)據(jù)）， 氣象數(shù)據(jù)（例如天氣和氣候數(shù)據(jù)）， 社會(huì)數(shù)據(jù)（例如人口、就業(yè)和公共衛(wèi)生數(shù)據(jù)）， 以及交通數(shù)據(jù)（例如車輛注冊(cè)、交通和公共交通數(shù)據(jù)）， 便能充分滿足用戶的需求； 數(shù)據(jù)的質(zhì)量是平臺(tái)綜合水平的關(guān)鍵因素之一， 高質(zhì)量的數(shù)據(jù)意味著數(shù)據(jù)的準(zhǔn)確性與完整性更高； 數(shù)據(jù)的可用性意味著數(shù)據(jù)是否易于獲取、理解和使用， 政府?dāng)?shù)據(jù)開放平臺(tái)應(yīng)提供清晰易懂的數(shù)據(jù)描述和元數(shù)據(jù)， 以及便捷易用的數(shù)據(jù)接口和工具。可見， 平臺(tái)綜合數(shù)據(jù)水平有助于提升平臺(tái)的綜合效率水平。

２） 數(shù)據(jù)平臺(tái)建設(shè)水平對(duì)政府?dāng)?shù)據(jù)開放平臺(tái)效率正向影響顯著。

數(shù)據(jù)平臺(tái)建設(shè)在政府?dāng)?shù)據(jù)開放中扮演著至關(guān)重要的角色， 它直接影響了平臺(tái)的運(yùn)行效率。政府?dāng)?shù)據(jù)開放平臺(tái)是政府?dāng)?shù)據(jù)在線訪問及獲取的載體， 數(shù)據(jù)平臺(tái)建設(shè)水平的高低表現(xiàn)在其功能設(shè)計(jì)是否完善、用戶使用體驗(yàn)是否滿意、平臺(tái)互動(dòng)反饋是否及時(shí)、平臺(tái)體系的構(gòu)建是否完善等方面， 涉及社會(huì)公眾使用平臺(tái)過程中的方方面面。因此， 數(shù)據(jù)平臺(tái)建設(shè)水平的高低與否， 直接影響到平臺(tái)效率水平。

３） 組織準(zhǔn)備度對(duì)政府?dāng)?shù)據(jù)開放平臺(tái)效率正向影響顯著。

組織準(zhǔn)備度反映各省級(jí)政府對(duì)政府?dāng)?shù)據(jù)開放平臺(tái)建設(shè)的重視程度， 重視程度越高， 越能帶動(dòng)相關(guān)法規(guī)政策和標(biāo)準(zhǔn)規(guī)范的制定與落實(shí)， 有利于政府?dāng)?shù)據(jù)開放平臺(tái)的建設(shè)與使用， 從而提升平臺(tái)綜合效率。

組織準(zhǔn)備度是衡量各省級(jí)政府對(duì)政府?dāng)?shù)據(jù)開放平臺(tái)建設(shè)投入程度的重要標(biāo)志。準(zhǔn)備度的高低直接影響到平臺(tái)建設(shè)與使用的整體效能。當(dāng)政府高度重視數(shù)據(jù)開放平臺(tái)建設(shè)時(shí)， 會(huì)積極推動(dòng)相關(guān)法規(guī)政策和標(biāo)準(zhǔn)規(guī)范的制定與執(zhí)行， 從而為平臺(tái)的順利建設(shè)與使用提供堅(jiān)實(shí)的保障。同時(shí)， 政府通過加強(qiáng)對(duì)平臺(tái)建設(shè)和使用的監(jiān)管， 能夠及時(shí)發(fā)現(xiàn)并解決存在的問題， 確保平臺(tái)的穩(wěn)定運(yùn)行和持續(xù)優(yōu)化。因此， 組織準(zhǔn)備度對(duì)于提升政府?dāng)?shù)據(jù)開放平臺(tái)的綜合效率具有至關(guān)重要的作用。

４） 政府財(cái)政支持水平對(duì)政府?dāng)?shù)據(jù)開放平臺(tái)效率正向影響顯著。

當(dāng)?shù)亟?jīng)濟(jì)發(fā)展水平越發(fā)達(dá)， 則政府財(cái)政收入情況越好， 分配到公共預(yù)算支出的財(cái)政資金越多。只有當(dāng)政府充分認(rèn)識(shí)到數(shù)據(jù)開放平臺(tái)建設(shè)的重要性，并給予足夠的支持和投入， 才能夠確保平臺(tái)的順利建設(shè)與使用， 功能完善、體驗(yàn)感舒適的平臺(tái)更有利于得到社會(huì)公眾的接納與利用， 從而更好地服務(wù)于社會(huì)公眾。

５） 公眾外部需求對(duì)政府?dāng)?shù)據(jù)開放平臺(tái)效率正向影響顯著。

政府?dāng)?shù)據(jù)開放平臺(tái)的產(chǎn)出指標(biāo)是瀏覽量和用戶注冊(cè)數(shù)， 當(dāng)社會(huì)公眾對(duì)政府?dāng)?shù)據(jù)產(chǎn)生需求時(shí)， 才會(huì)對(duì)政府?dāng)?shù)據(jù)開放平臺(tái)進(jìn)行搜索引擎檢索、注冊(cè)、站內(nèi)檢索、瀏覽、篩查并下載滿足需求條件的數(shù)據(jù)集，這一系列操作均由需求驅(qū)動(dòng)。可見， 公眾外部需求對(duì)政府?dāng)?shù)據(jù)開放平臺(tái)效率具有直接的正向影響。

４結(jié)語(yǔ)

４.１結(jié)論

本文探究了２０１９—２０２２ 年中國(guó)１０ 個(gè)省市政府?dāng)?shù)據(jù)開放平臺(tái)效率綜合水平及其影響因素， 利用無(wú)導(dǎo)向ＳＢＭ－Ｍａｌｍｑｕｉｓｔ 模型對(duì)這１０ 個(gè)省市政府?dāng)?shù)據(jù)開放平臺(tái)效率進(jìn)行綜合評(píng)估， 并基于ＴＯＥ 理論框架， 構(gòu)建政府?dāng)?shù)據(jù)開放平臺(tái)效率影響因素Ｔｏｂｉｔ 模型， 分析了省市政府?dāng)?shù)據(jù)開放平臺(tái)效率影響因素的作用機(jī)理， 完成了無(wú)導(dǎo)向ＳＢＭ－Ｍａｌｍｑｕｉｓｔ－Ｔｏｂｉｔ 模型在政府?dāng)?shù)據(jù)開放平臺(tái)效率評(píng)估及影響因素實(shí)證研究主題上的嘗試性運(yùn)用， 為后續(xù)研究者提供新的方法借鑒。

本文基于新方法的運(yùn)用， 得出以下主要結(jié)論：省市政府?dāng)?shù)據(jù)開放平臺(tái)效率水平整體呈上升趨勢(shì)，平均增長(zhǎng)率為１７.１％， 其中深圳、廣東表現(xiàn)較為突出， 平臺(tái)通過優(yōu)化流程、提高服務(wù)質(zhì)量、增強(qiáng)用戶體驗(yàn)、提升運(yùn)營(yíng)模式等措施， 使整體效率得到了顯著提升， 為其他平臺(tái)促進(jìn)開放效率和成效提供了可借鑒的經(jīng)驗(yàn)； 平臺(tái)的全要素生產(chǎn)率（Ｍ 指數(shù)）平均增長(zhǎng)率為１７. １％， 表明技術(shù)進(jìn)步， 但技術(shù)效率平均值下降， 存在浪費(fèi)或無(wú)效率問題。規(guī)模效率平均增長(zhǎng)率為１４.５％， 但純技術(shù)效率下降， 表明平臺(tái)需更注重提升純技術(shù)效率； 政府?dāng)?shù)據(jù)開放平臺(tái)受到平臺(tái)數(shù)據(jù)綜合水平、數(shù)據(jù)平臺(tái)建設(shè)水平、組織準(zhǔn)備度、財(cái)政支持水平和公眾外部需求的交叉正向影響。數(shù)據(jù)的多樣性、質(zhì)量及可用性， 以及平臺(tái)的功能設(shè)計(jì)、用戶體驗(yàn)等方面是提升效率的關(guān)鍵因素，政府的重視程度、財(cái)政支持和社會(huì)公眾的需求直接影響平臺(tái)的綜合效率水平。

４.２研究局限與未來(lái)展望

本文力圖將無(wú)導(dǎo)向ＳＢＭ－Ｍａｌｍｑｕｉｓｔ－Ｔｏｂｉｔ 模型引入到政府?dāng)?shù)據(jù)開放平臺(tái)效率評(píng)價(jià)及影響因素研究的具體實(shí)踐中， 重點(diǎn)在驗(yàn)證該方法的可行性， 在指標(biāo)設(shè)置上以參考和示例作用為主。因此， 本文在平臺(tái)效率指標(biāo)及影響因素指標(biāo)的選取上存在遺漏和不足； 其次， 本文選取的時(shí)間周期為２０１９—２０２２ 年，時(shí)間序列跨度較短， 且研究樣本對(duì)象數(shù)量較少， 導(dǎo)致所收集的面板數(shù)據(jù)容量存在不足； 最后， 本文在確定影響因素時(shí)僅參考ＴＯＥ 理論框架， 理論支撐較為單一， 影響因素的選取較為簡(jiǎn)單。

鑒于此， 本文建議未來(lái)研究者從以下幾方面對(duì)無(wú)導(dǎo)向ＳＢＭ－Ｍａｌｍｑｕｉｓｔ－Ｔｏｂｉｔ 模型在政府?dāng)?shù)據(jù)開放平臺(tái)效率評(píng)價(jià)及影響因素研究的實(shí)踐進(jìn)行完善。第一， 制定科學(xué)嚴(yán)謹(jǐn)、體系全面的平臺(tái)效率指標(biāo)， 指標(biāo)的制定必須經(jīng)過專業(yè)調(diào)研和專家問詢， 最終賦予指標(biāo)以科學(xué)性和代表性。第二， 面板數(shù)據(jù)的容量需要進(jìn)一步擴(kuò)充， 時(shí)間序列的跨度需要拉長(zhǎng)， 研究對(duì)象的數(shù)量需要增加， 為效率演變和發(fā)展態(tài)勢(shì)的分析提供充足的數(shù)據(jù)量支撐。第三， 通過專業(yè)調(diào)研的方式確定影響因素， 例如通過扎根理論分析提煉訪談內(nèi)容， 梳理確立初步的影響因素框架， 通過多輪德爾菲法對(duì)其進(jìn)行剔除、補(bǔ)充、更新， 或是綜合多個(gè)已有成熟的理論框架， 從多元化角度對(duì)影響因素進(jìn)行確定， 為Ｔｏｂｉｔ模型分析奠定科學(xué)嚴(yán)謹(jǐn)?shù)挠绊懸蛩刂笜?biāo)。