層級治理體系下的政策再生產(chǎn)、注意力配置與政策效應

摘要：政策再生產(chǎn)作為政策制定與政策執(zhí)行的中間環(huán)節(jié)，是我國層級治理體系下實現(xiàn)頂層設計統(tǒng)一性與地方情境特殊性整合的關鍵機制。為回應當前對政策再生產(chǎn)政策效應及其內(nèi)在機制探究不足的局限，本研究結合新制度理論和注意力基礎觀理論，構建了“政策再生產(chǎn)－注意力配置－政策效應”的整合分析框架，并基于數(shù)字鄉(xiāng)村政策執(zhí)行情境，引入雙重機器學習模型（DML），實證檢驗了省級政府數(shù)字鄉(xiāng)村政策再生產(chǎn)的政策效應以及地市級政府注意力配置的中介效應。研究發(fā)現(xiàn)，政策再生產(chǎn)與數(shù)字鄉(xiāng)村建設水平之間呈現(xiàn)倒U形關系，且省級政府政策再生產(chǎn)的正向影響大干負向影響，呈現(xiàn)“非對稱”性。進一步因果中舟效應檢驗發(fā)現(xiàn)，地市級政府注意力配置在政策再生產(chǎn)對數(shù)字鄉(xiāng)村建設水平的影響中發(fā)揮正向中介作用。因而，應從政策屬性、組織權責和府際利益等層面合理調(diào)控政策再生產(chǎn)的邊界與限度，注重提升政策設計與政府注意力的適配度，從而實現(xiàn)層級落實過程中政策績效的穩(wěn)定提升。

關鍵詞：政策再生產(chǎn)；注意力配置；政策效應；數(shù)字鄉(xiāng)村；機器學習

中圖分類號：D035 文獻標識碼：A 文章編號：1671-7023（2024）03-0117-12

一、問題提出

政策再生產(chǎn)是地方政府對上級政策學習、內(nèi)化與轉移基礎上，結合地區(qū)實際進行政策文本的細化、調(diào)適與更新，以促進政策方案與地方治理情境相適配的政策行為。在公共政策自上而下的層級治理與執(zhí)行結構中，治理情境的復雜性以及政策知識的地方屬性決定了政策再生產(chǎn)是影響公共政策治理成效的重要變量。地方政府的政策再生產(chǎn)不僅是我國高度層級化政策體系中政策執(zhí)行與落地的必要手段，也是政策目標在逐級傳遞中保持有效性的重要基礎，是對政策問題的精準回應與政策方案的理性補充，為理解動態(tài)復雜的政策運作過程提供了全新的視角與思路。

不同于簡單的“政策細化”或“政策轉換”，政策再生產(chǎn)著眼于政策內(nèi)容的“再造結果”，主要關注地方政府在與異質(zhì)情境交互作用中對政策進行“適應性”的策略調(diào)整與再構建。具體而言，政策再生產(chǎn)主要表現(xiàn)為三個特征：一是限定性，政策再生產(chǎn)在本質(zhì)上并沒有就公共問題構建全新的政策議程，而是在既有政策框架中對上級政策的進一步具體化與在地化：二是自主性，政策再生產(chǎn)不是簡單的政策細化，而是具有決策屬性，是在層級限定條件下地方政府利用上級賦予的規(guī)范自主性主動進行的政策再生產(chǎn)，以增強政策與層級治理體系的協(xié)調(diào)性與共生性；三是結果性，政策再生產(chǎn)強調(diào)“適應性”的結果導向，注重依據(jù)地區(qū)治理情境進行適應性補充與調(diào)適，進一步凸顯政策執(zhí)行績效的價值理念。然而，既有研究多將政策再生產(chǎn)作為“結果變量”，關注這一政策擴散形式本身及其生成過程、影響因素，忽視了在層級治理體系中，作為“承上啟下”政策過程的政策再生產(chǎn)也是驅(qū)動政策效應的“前因變量”，即“上級政府”差異化政策再生產(chǎn)對“下級政府”政策執(zhí)行效應的影響。此外，當前研究大多秉持“再生產(chǎn)程度越高越好”的價值理念，極少關注政策再生產(chǎn)的“適應性”議題，忽視了政策再生產(chǎn)過程中因縱向權責匹配失衡、科層任務量超載等可能產(chǎn)生的“偏移性風險”，也缺乏從現(xiàn)實層面“接地氣”地探究政策再生產(chǎn)的政策效應以及作用機制，不利于從公共政策的實踐場景中深刻把握地方政府在層級治理中的能動過程。

政策再生產(chǎn)通過政策內(nèi)容與地方治理情境的有機結合，不僅使政策主體從形式上實現(xiàn)了從政策制定到政策執(zhí)行的過渡，而且完成了對下級政府注意力分配的價值引導和過程控制。因此，為回應上述問題，本研究借鑒新制度理論與注意力基礎觀理論，構建了“政策再生產(chǎn)－注意力配置－政策效應”的整合分析框架，旨在探討中國層級性治理體系下省級政府政策再生產(chǎn)的差異性表現(xiàn)、政策效應及其影響機制。基于數(shù)字鄉(xiāng)村政策的執(zhí)行情境，通過引入雙重機器學習模型（double machine leaming，DML），實證檢驗了省級政府數(shù)字鄉(xiāng)村政策再生產(chǎn)的倒U形政策效應，以及地市級政府注意力配置在政策再生產(chǎn)與數(shù)字鄉(xiāng)村建設水平間的中介效應，以彌補先前僅關注政策再生產(chǎn)“現(xiàn)象本身”而對政策再生產(chǎn)“層級效應”考量不足的研究局限，為我國層級治理體系下推動地方政府的政策適應性再設計與有效擴散提供積極決策參考，進而豐富“中國之治”的制度內(nèi)涵。

二、文獻回顧與研究假設

（一）文獻回顧

1.政策再生產(chǎn)：層級治理體系下政策執(zhí)行過程的必要前提

在中國層級治理體系下，地區(qū)間的巨大差異決定了中央政策需要以相對宏觀性與原則性的敘事方式以統(tǒng)合各地不同的治理情境。中央政策框架與設計的模糊性意味著政策執(zhí)行一定程度面臨著決策方案的理性缺失，并在層級傳導過程中不可避免地導致信息耗散，從而弱化政策執(zhí)行效果。模糊性作為政策產(chǎn)品“不可剝離的屬性”而成為地方政府繞不開的現(xiàn)實，針對中央指導性政策的細化更新并進行本轄區(qū)內(nèi)相應公共政策的“再生產(chǎn)”就成為地方政府政策執(zhí)行過程的必要前提，以有效回應上級政策的模糊性問題。政策再生產(chǎn)強調(diào)政策再決策過程中地方性知識的嵌入、對政策工具等要素的操作化設計以及地方特色經(jīng)驗的融合創(chuàng)新，以實現(xiàn)頂層設計統(tǒng)合性與地方情境特殊性的適洽。現(xiàn)有關于政策再生產(chǎn)的研究主要包括橫向政策再生產(chǎn)與縱向政策再生產(chǎn)，分別反映了地方政府之間和上下級政府之間的政策擴散、政策轉移和對原型政策的再設計。學者們對于何為政策再生產(chǎn)、為何要政策再生產(chǎn)以及政策再生產(chǎn)的理論邏輯是什么給予了豐富的學理闡釋。具體而言，下級政府在憑借“看上邊”策略，充分把握上級政策內(nèi)容的基礎上，通過“看旁邊”策略來進行政策學習，最終依靠“看自己”策略完成對政策內(nèi)容的適應性再設計。這種再生產(chǎn)程度受內(nèi)部要素、外部環(huán)境等多種因素的共同影響，且更多基于政府內(nèi)部要素及其政策偏好考慮。如果政策再生產(chǎn)過程中缺乏地方性知識的融入，則會導致政策執(zhí)行的調(diào)適性困境。

綜上所述，既有研究系統(tǒng)揭示了地方政府政策再生產(chǎn)的行為邏輯，刻畫了驅(qū)動政策再生產(chǎn)的多種策略，為探究政策再生產(chǎn)的政策效應與影響機制提供了有益借鑒。然而，現(xiàn)有研究多將政策再生產(chǎn)視為“因變量”，聚焦于認識、解構政策再生產(chǎn)現(xiàn)象，而將政策再生產(chǎn)作為層級治理體系下影響政策結果的“自變量”研究則較為缺乏，且組態(tài)分析視角下的政策再生產(chǎn)路徑組合研究遵循“結果導向”原則，暗含著政策再生產(chǎn)程度越高越好的前提假設。而事實是，盡管政策再生產(chǎn)是政策“自上而下”順利執(zhí)行的必要前提，這一政策擴散形式并不必然帶來高效的執(zhí)行績效。因此，需要在層級治理體系下對政策再生產(chǎn)與政策效應的因果關系及其作用機制進一步討論，從而深化對政策再生產(chǎn)實踐的認識。

2.政府注意力配置：政策再生產(chǎn)與政策效應的縱向驅(qū)動

政府注意力配置是政府治理決策、組織運作和政策實施的前提與基礎，正如Jones指出的，政治的運作與公共政策的過程都由注意力驅(qū)動。在政策再生產(chǎn)過程中，上級政府往往通過量化階段目標、設置完成時限與規(guī)范監(jiān)督考核等政策要素實現(xiàn)對下級政府的有效控制與激勵，從而提升下級政府對政策議題的注意力配置強度。其原因在于，“有限理性”使決策者往往難以有效地“并行處理”信息，只能“串行處理”。尤其在“多任務－多委托”的制度環(huán)境下，意味著政府對某項政策議題注意力配置的增加會不可避免地減少其他政策議題的注意力，即存在著注意力競爭的“零和博弈”。也有學者將政府注意力分配看作是政策制定者對某一政策議題的意義建構過程，認為這一過程會受到政府領導理性偏好、治理任務合法性承載與重大事件聚集效應等多種因素的影響。因而，作為“委托方”的上級政府只有通過不同的激勵設計與策略手段來吸引地方政府的注意力，以獲得地方政府更多的政策關注和資源投入。此外，已有研究也嘗試結合我國治理情境解釋政府注意力的配置機制，如練宏通過司法廳案例分析，區(qū)分出中國特色的邀功導向和避責導向兩種注意力分配模式。

由此可見，當前研究主要沿用層級治理體系下的“委托－代理”分析框架，通過“壓力傳導－注意力競爭－任務執(zhí)行”的關系模式分析政府注意力的配置過程，這一“科層任務驅(qū)動”邏輯僅解釋了壓力導向下“政府為什么關注該項政策議題”，忽視從事前視角分析上級政府如何通過預先規(guī)劃來實現(xiàn)對下級政府未來注意力資源的價值控制與過程引導，導致難以洞察基于層級治理情境的上級政府驅(qū)動下級政府注意力分配的實質(zhì)圖景。事實上，上級政府不僅通過釋放壓力信號來增加下級政府注意力配置，而且會將政策執(zhí)行矛盾的調(diào)和環(huán)節(jié)前置到政策文件制定過程中，并將其所掌握的地方性信息轉變?yōu)橄录壵畧?zhí)行政策過程的需求，以提升政策設計與下級政府注意力資源之間的匹配度。有鑒于此，本研究將政策再生產(chǎn)這一政策實施的前置動作引入“自上而下”的政府注意力分配過程中，通過剖析其差異化政策注意力結果的誘致機理，為探究政策再生產(chǎn)的政策效應提供新的理論解釋。

3.整合分析框架構建：政策再生產(chǎn)－注意力配置－政策效應

為從理論層面深刻剖析層級治理體系下省級政府政策再生產(chǎn)影響地市級政府注意力配置及其政策效應的內(nèi)在機理，本研究借鑒新制度理論和注意力基礎觀理論，構建了“政策再生產(chǎn)－注意力配置－政策效應”的整合分析框架（圖1）。注意力基礎觀理論認為，政府組織如何從環(huán)境刺激中捕捉問題、機會或感知威脅均由政府決策者認知所引導，“領導重視”成為驅(qū)動政府組織注意力分配和相應政策結果的重要機制。政府決策者對于政策問題的優(yōu)先考慮往往取決于該項政策能否獲得組織生存資源與合法性。在這種情況下，由于政府需要合法性來獲得生存資源和政治支持，新制度主義理論強調(diào)作為環(huán)境刺激的外部力量如何塑造政府組織行為，這有助于闡釋省級政府政策再生產(chǎn)驅(qū)動地市級政府注意力配置的形成機制。

具體而言，省級政府的政策再生產(chǎn)是對中央政策采納與再決策的一種表現(xiàn)形式，即新制度主義中組織外部合法性建構階段。這一再生產(chǎn)的政策結果為地市級政府政策執(zhí)行提供了權力來源，確保其政策執(zhí)行的合法性與合規(guī)性。除了采納和決策環(huán)節(jié)，省級政府基于組織權責對政策目標、執(zhí)行方式、實施時限等政策要素進行適應性“內(nèi)化”，即制度同構性變遷下內(nèi)部合法性建構的過程，不僅暗含著對地市級政府政策資源轉移和調(diào)配行為的限制，而且在監(jiān)督考核、目標任務等方面對其也進行約束。因此，省級政府政策再生產(chǎn)的漸進過程也是政策合法性被不斷建構和強化的過程，且在政策適應性“內(nèi)化”中，地市級政府決策者受差異化制度壓力的激勵和約束，往往根據(jù)自我利益如避免指責、晉升、聲譽管理等來進行認知評估，促使地市級政府調(diào)整自身對特定政策議題的注意力分布結構，最終影響政策的執(zhí)行效果。但就當前政府縱向權責劃分而言，各級地方政府的職權、職責邊界比較模糊，這為省級政府在政策再生產(chǎn)過程中利用地方自主性間接調(diào)整縱向權責關系提供了可能。從這個角度看，省級政府能夠通過政策再生產(chǎn)把握地市級政府的政策執(zhí)行節(jié)奏以及協(xié)調(diào)和配置對應資源的能力，推動政策順利執(zhí)行，但同時也可能打破府際間應然的職責邊界，導致地市級政府的政策執(zhí)行發(fā)生扭曲，影響政策績效。因此，政策再生產(chǎn)的政策效應取決于政策再生產(chǎn)程度。

（二）研究假設：基于數(shù)字鄉(xiāng)村政策執(zhí)行的政策情境

在構建理論分析框架的基礎上，為進一步檢驗政策再生產(chǎn)的政策效應及其內(nèi)在機制，本研究選擇數(shù)字鄉(xiāng)村政策執(zhí)行作為實證研究的政策情境。選擇這一政策情境的原因有四：第一，中央政府出臺的數(shù)字鄉(xiāng)村政策作為一項推動鄉(xiāng)村數(shù)字化轉型的綜合性戰(zhàn)略，事實上是一項指向性的方略建構，而如何真正實現(xiàn)鄉(xiāng)村數(shù)字化仍需要下級政府出臺一系列的配套措施來支撐，數(shù)字鄉(xiāng)村政策的再生產(chǎn)存在著巨大活動空間。中央政府在數(shù)字鄉(xiāng)村政策中明確提出了要結合地方實際、制定實施細則的要求，省級政府需要作出應對，從而使可供觀察的政策文本更為豐富，研究得以進行。第二，與其他公共政策類似，數(shù)字鄉(xiāng)村政策在當前央地職責劃分中屬于地方事權，這在我國公共政策領域中具有普遍性，符合公共政策實施的一般特性。第三，作為中間層級的省級政府，可在一定范圍內(nèi)對政策再生產(chǎn)程度與內(nèi)容選擇上自主把握，擁有政策再生產(chǎn)和再建構的創(chuàng)新空間。從省級政府數(shù)字鄉(xiāng)村政策再生產(chǎn)的實踐來看，既存在部分省級政府簡單地復制（模仿）領導問責、營造氛圍等數(shù)字鄉(xiāng)村政策原型內(nèi)容，也有省級政府以中央數(shù)字鄉(xiāng)村政策為引擎開啟了數(shù)字鄉(xiāng)村政策建設的適應性變革，增加了建設數(shù)字農(nóng)合聯(lián)公共服務平臺、跨領域合作等新內(nèi)涵。這種差異化的政策再生產(chǎn)程度為探究省級政策再生產(chǎn)的政策效應提供了典型樣本。第四，省級政府通過層級結構的縱向傳遞將再生產(chǎn)的政策結果傳導到下級執(zhí)行單位，使得地市級政府面臨差異化的權責約束與執(zhí)行空間，也便于考察政策再生產(chǎn)驅(qū)動以政府注意力配置為核心的“自上而下”政策執(zhí)行模式?；诖耍狙芯繑M以數(shù)字鄉(xiāng)村建設水平表征數(shù)字鄉(xiāng)村政策再生產(chǎn)的政策效應，實證分析省級政府政策再生產(chǎn)對數(shù)字鄉(xiāng)村建設水平的影響，并從地市級政府注意力配置角度檢驗其影響路徑。

1.省級政府政策再生產(chǎn)程度與地方數(shù)字鄉(xiāng)村建設水平的非線性關系

如前文所述，省級政府依據(jù)自身治理情景為中央政策進行地方性知識補充，有效增強了數(shù)字鄉(xiāng)村政策對地區(qū)問題回應的精準性以及政策價值與地方情境的融合性，并通過時間規(guī)劃、資源配置、責任分配等手段，優(yōu)化體制內(nèi)部的人員與資源配置，有效提升地市級政府推進數(shù)字鄉(xiāng)村建設的應對能力。此外，政策再生產(chǎn)為府際間的信息流動提供了互動載體，加強了省級政府與地市級政府間的信息溝通，降低了數(shù)字鄉(xiāng)村政策在層層傳遞路徑中的信息耗散與變異，保證了數(shù)字鄉(xiāng)村政策的順利執(zhí)行。然而，壓力型體制下的負向激勵與強力問責又會誘發(fā)下級政府的避責行為，導致政策執(zhí)行受損。隨著政策再生產(chǎn)程度的增加，一方面，省級政府在細化邏輯驅(qū)動下會為實現(xiàn)政策目標設計出清晰的執(zhí)行動作和技術指標，使得數(shù)字鄉(xiāng)村政策的剛性化程度不斷加深，地市級政府權責空間不斷受到擠壓，一旦突破府際間應然的權力分配格局，便會產(chǎn)生政策適應性的偏移風險，進而誘發(fā)地市級政府的避責邏輯，并且這種“越位”方案也容易造成數(shù)字鄉(xiāng)村政策與基層建設目標和需求脫嵌，削弱數(shù)字鄉(xiāng)村政策效應。另一方面，在創(chuàng)新邏輯引導下省級政府對數(shù)字鄉(xiāng)村政策多項復雜領域過高強度的再生產(chǎn)，勢必會加劇不同數(shù)字鄉(xiāng)村建設領域間的注意力競爭，呈現(xiàn)注意力分配“內(nèi)卷化”問題，自下而上地耗散政府注意力，使得地市級政府精力分散、疲于應付，從而弱化數(shù)字鄉(xiāng)村政策的執(zhí)行效果。

據(jù)此，本研究提出假說1：省級政府政策再生產(chǎn)程度與數(shù)字鄉(xiāng)村建設水平之間呈倒U形關系。

2.省級政府政策再生產(chǎn)程度影響數(shù)字鄉(xiāng)村建設水平的中介機制

在數(shù)字鄉(xiāng)村政策再生產(chǎn)過程中，省級政府依靠其掌握的激勵分配權對地市級政府注意力展開競爭，從整體上劃定了地市級政府對數(shù)字鄉(xiāng)村注意力配置的主線。一方面表現(xiàn)為，省級政府負責數(shù)字鄉(xiāng)村政策執(zhí)行的組織準備和過程監(jiān)督，制定相應的考核指標體系，包括考核類別、考核內(nèi)容以及獎懲措施等；另一方面表現(xiàn)為，省級政府結合自身治理情境，將中央頂層設計的戰(zhàn)略目標和任務轉變?yōu)楣芾砟繕伺c任務，通常涵蓋數(shù)字鄉(xiāng)村建設事項內(nèi)容、負責部門和完成時限。這些基于職責分工的政策適應性再設計，可以有效提升任務目標和地市級政府注意力資源之間的匹配度，完善任務規(guī)劃對其注意力分配的價值引導和過程控制。高效的注意力資源配置取決于規(guī)劃本身的科學性以及注意力資源和規(guī)劃的匹配情況，故在層級治理體系下，省級政府可以通過政策再生產(chǎn)實現(xiàn)對地市級政府數(shù)字鄉(xiāng)村注意力資源的高效配置，并利用政策執(zhí)行中的“政治勢能”和“信號傳遞”，使地方政府更加積極地解讀上級政策文件，持續(xù)推進數(shù)字鄉(xiāng)村建設。

據(jù)此，本研究提出假說2：地市級政府注意力配置在省級政府政策再生產(chǎn)與數(shù)字鄉(xiāng)村建設水平之間起中介作用。

三、研究設計：基于雙重機器學習模型的實證檢驗

（一）樣本選擇與數(shù)據(jù)來源

雖然數(shù)字鄉(xiāng)村戰(zhàn)略由2018年中央“一號文件”首次提出，但早在2005年發(fā)布的中央“一號文件”中，已將農(nóng)業(yè)農(nóng)村信息化上升至國家頂層設計的高度，為推進數(shù)字鄉(xiāng)村建設奠定了重要基礎。據(jù)此，本研究以省級政府響應程度高、涉及面廣為原則，在中央和各省級行政單位政府網(wǎng)站、北大法寶數(shù)據(jù)庫中檢索數(shù)字鄉(xiāng)村、農(nóng)業(yè)農(nóng)村信息化等關鍵詞，并保留文件標題、發(fā)文字號、發(fā)文日期等內(nèi)容，共搜集2005-2021年中央數(shù)字鄉(xiāng)村政策36份（表1），以及29個省級政府（未含港澳臺、西藏和新疆）對應出臺的地方性政策文本296份，合計332份。本研究以省級層面的296份政策文本為基本單位，分析省級政府對中央數(shù)字鄉(xiāng)村政策的再生產(chǎn)程度。此外，地市級政府注意力數(shù)據(jù)來源于WinGo財經(jīng)文本數(shù)據(jù)平臺，其余變量均來自2006-2022年中國統(tǒng)計年鑒、各省份統(tǒng)計年鑒以及國家統(tǒng)計局發(fā)布的公報。

（二）變量測度與說明

1.被解釋變量：數(shù)字鄉(xiāng)村建設水平

針對數(shù)字鄉(xiāng)村建設水平的表征，參照既往研究，本文從數(shù)字基礎設施建設、數(shù)字產(chǎn)業(yè)發(fā)展以及數(shù)字生活服務三方面構建評價指標體系（表2）?？紤]到數(shù)字鄉(xiāng)村政策效應的發(fā)揮存在一定滯后性，故將被解釋變量滯后一期，并運用熵值法計算各省份數(shù)字鄉(xiāng)村建設水平。

2.核心解釋變量：省級政府數(shù)字鄉(xiāng)村政策再生產(chǎn)程度

本文借鑒劉河慶和梁玉成研究，基于央地之間對應政策文本的相似度來測度政策再生產(chǎn)程度。首先，研究采取人工閱讀方式，利用標題關鍵詞匹配法和省級政府頒布的政策中所提及的國家某項政策文件號，將中央政府與省級政府的政策文本進行匹配，以識別出省級政府具有針對中央政策再制定行為的數(shù)字鄉(xiāng)村政策文本。其次，鑒于本文構建的數(shù)字鄉(xiāng)村政策數(shù)據(jù)庫中包含內(nèi)容詳盡的長文檔與語言精煉的短文檔兩種類型，為提高計算準確性，本文以擅長處理長文檔的Doc2vec模型為核心，輔以適用于小規(guī)模語料庫的Word2vec模型，創(chuàng)新性地從詞語和段落兩個維度組合計算政策文本相似度，以增強模型的泛化性能。具體步驟如下：

第一，利用Doc2Vec模型計算政策再生產(chǎn)程度。（1）運用結巴（Jieba）和哈爾濱工業(yè)大學語言技術平臺（LTP）提供的分詞工具對政策文本進行分詞，并使用哈爾濱工業(yè)大學停用詞表過濾掉文本中沒有實際意義的詞。（2）基于Python3.9和Gensim3.8.1的實驗環(huán)境，選擇PV-DM模型、文檔向量維度為300、訓練窗口為8的訓練參數(shù)，利用清華大學文本數(shù)據(jù)集THUCNews中科技、社會和時政文本訓練生成的Doc2Vec模型對296份政策文本進行向量化處理。（3）運用余弦相似性計算省級政府再制定的政策本文與中央原始政策本文之間的相似程度，并通過公式“1－各省級政府政策本文與中央政策文本的相似度”計算政策再生產(chǎn)程度。第二，基于第三方sklearn的TF-IDF算法計算政策文本中所有詞匯的權重，提取權重最高的30個關鍵詞，以簡短的形式表達該政策文本的核心信息。隨后采用Word2vec中的Skip-gram模型對文本相似度進行重新計算。計算過程與Doc2Vec模型基本一致。第三，通過交叉驗證方式評估上述兩種模型在估計政策再生產(chǎn)程度時的表現(xiàn)，同時考慮對數(shù)字鄉(xiāng)村政策整篇文檔語義理解的需求，由此賦予Word2vec和Doc2vec模型計算結果20％和80％的權重，最終加權求和計算出該政策文本的結果數(shù)值。

3.中介變量：地市級政府注意力配置強度

本文選取地市級政府的數(shù)字鄉(xiāng)村注意力配置強度作為中介變量。地方政府工作報告在一定程度上可以反映出地方政府在特定時期的注意力分配狀況，通過對地方政府工作報告中數(shù)字鄉(xiāng)村相關關鍵詞頻的分析，可以了解地方政府對數(shù)字鄉(xiāng)村建設的重視程度。參考現(xiàn)有研究，本文采用WinGo財經(jīng)文本數(shù)據(jù)平臺量化2005-2021年312個地級市政府和4個直轄市政府的數(shù)字鄉(xiāng)村注意力配置強度。具體過程如下：首先，構建政府數(shù)字鄉(xiāng)村建設的語料庫。依據(jù)數(shù)字鄉(xiāng)村定義選擇種子詞，并利用WinGo財經(jīng)文本數(shù)據(jù)平臺中的深度學習（deep leaming）相似詞板塊獲取種子詞的相似詞，最終得到包括數(shù)字鄉(xiāng)村、農(nóng)業(yè)信息化、科技興農(nóng)、互聯(lián)網(wǎng)+農(nóng)業(yè)、寬帶進村、農(nóng)村電商等48個數(shù)字鄉(xiāng)村建設關鍵詞的語料庫。其次，對語料庫中的關鍵詞進行詞頻分析，以測度地級市和直轄市政府數(shù)字鄉(xiāng)村注意力配置強度。WinGo財經(jīng)文本數(shù)據(jù)平臺提供了本研究所需地級市及以上城市政府工作報告的關鍵詞詞頻數(shù)據(jù)和總詞頻數(shù)據(jù)，通過地級市和直轄市政府數(shù)字鄉(xiāng)村關鍵詞出現(xiàn)頻次的加總除以總詞頻數(shù)，得到各地級市和直轄市政府數(shù)字鄉(xiāng)村注意力配置強度。最后，將各省份多個地級市數(shù)字鄉(xiāng)村注意力的均值作為該省份地級市政府對數(shù)字鄉(xiāng)村建設的注意力程度。

4.控制變量

為準確揭示政策再生產(chǎn)對數(shù)字鄉(xiāng)村建設水平的影響與作用機制，參考已有相關研究，從財政支出、地區(qū)發(fā)展、金融水平和人力資本四方面選擇控制變量，包括：農(nóng)業(yè)財政支出，以農(nóng)林水事務支出占財政總支出的比例衡量：地區(qū)工業(yè)化水平和服務化水平，分別以第二產(chǎn)業(yè)占比和第三產(chǎn)業(yè)占比衡量：金融水平，以金融機構各項貸款余額占GDP的比例衡量；人力資本情況，以大專以上受教育人口占6歲以上人口的比例和農(nóng)村人口規(guī)模衡量。

（三）模型設定

為探究政策再生產(chǎn)對數(shù)字鄉(xiāng)村建設水平的影響，本文采用Chernozhukov等提出的雙重機器學習模型（DML）進行評估。與雙重差分、斷點回歸等傳統(tǒng)因果推斷方法不同，DML方法不僅放松了各變量之間線性關系的假設，允許變量之間非線性關系的存在，而且能夠控制高維度的潛在協(xié)變量，從而有效彌補傳統(tǒng)線性模型中的預設偏誤和“維度詛咒”問題，并通過“工具變量法”解決了機器學習模型中產(chǎn)生的正則偏誤問題?；贒ML方法構造的部分線性回歸（partially linear regression，PLR）模型如下：

四、實證結果與分析

（一）變量描述性統(tǒng)計

變量描述性統(tǒng)計分析結果表明（表3），數(shù)字鄉(xiāng)村政策再生產(chǎn)程度的總體均值為0.119，表明我國省級政府在中央數(shù)字鄉(xiāng)村建設總體框架下，制定的地方性政策方案與中央保持了較高的一致性，相似度達到了88.1％。地市級政府數(shù)字鄉(xiāng)村注意力配置強度的均值為0.003，表明地市級政府數(shù)字鄉(xiāng)村注意力關鍵詞詞頻占比為0.3％，對數(shù)字鄉(xiāng)村建設的注意力分配較低。在數(shù)字鄉(xiāng)村建設水平方面，各省份間差異程度較大，發(fā)展不平衡問題較為突出。

（二）基準回歸

1.模型估計說明

在機器學習模型選擇方面，參照Chernozhukov等研究，本文選擇Lasso模型作為除穩(wěn)健性外的DML方法中的估計模型。DML方法采用了樣本內(nèi)外交叉驗證法，能夠避免參數(shù)估計中過度擬合導致的估計偏誤問題。設置樣本分隔比例為1：4。在控制變量設置方面，本文除選取前述6個變量作為控制變量外，并加入除虛擬變量以外控制變量的二次項，以刻畫變量間的非線性關系。

2.省級政府政策再生產(chǎn)程度與數(shù)字鄉(xiāng)村建設水平的關系檢驗

表4展示了省級政府政策再生產(chǎn)程度與數(shù)字鄉(xiāng)村建設水平的估計結果。其中，模型（1）、模型（2）是包含政策再生產(chǎn)與控制變量的基準模型。其分析結果表明，無論是否加入控制變量的二次項，政策再生產(chǎn)對數(shù)字鄉(xiāng)村建設水平的回歸系數(shù)為正，且在1％水平上顯著，說明省級政府對中央數(shù)字鄉(xiāng)村政策的再生產(chǎn)能夠提升數(shù)字鄉(xiāng)村建設水平。模型（3）、模型（4）是加入政策再生產(chǎn)平方項的回歸模型。如模型（4）所示，省級政府政策再生產(chǎn)與數(shù)字鄉(xiāng)村建設水平呈顯著正相關（B=0.241，Plt;0.01），但政策再生產(chǎn)平方項卻呈顯著負相關（B=-0.650，Plt;0.05），說明政策再生產(chǎn)與數(shù)字鄉(xiāng)村建設水平之間存在著倒U形關系。同時，本文進行了U形檢驗，當回歸曲線到達拐點時，政策再生產(chǎn)的取值為0.186，位于取值范圍內(nèi)（x∈[0.002，0.357]），且在拐點左側回歸擬合斜率為0.239，拐點右側回歸擬合斜率為-0.223，能夠在5％的統(tǒng)計水平上拒絕原假設，進一步證實了政策再生產(chǎn)與數(shù)字鄉(xiāng)村建設水平的倒U形關系。這一倒U形關系中“政策再生產(chǎn)”的拐點值0.186位于解釋變量中點值0.179的右側，說明政策再生產(chǎn)的正向影響要大于負向影響，呈現(xiàn)出“非對稱”性。從圖2也可以看出，政策再生產(chǎn)與數(shù)字鄉(xiāng)村建設水平呈倒U形關系，假說1得到驗證。

（三）穩(wěn)健性檢驗

1.重設機器學習模型

為避免雙重機器學習模型設定偏誤對估計結果產(chǎn)生影響，本文進一步通過以下內(nèi)容對前文DML方法構造的PLR模型進行重新設定，以保證研究結論的穩(wěn)健性。（1）循環(huán)交叉驗證。為避免模型估計過程中樣本隨機拆分帶來的估計偏差，本文采用循環(huán)交叉驗證（reps= 50）的方法進行再檢驗。從表5列（1）可以看出，政策再生產(chǎn)依舊與數(shù)字鄉(xiāng)村建設水平存在顯著正相關關系，且政策再生產(chǎn)平方項呈顯著負向相關，基準回歸結論保持不變。（2）改變樣本分割比例。將基準回歸中雙重機器學習中樣本分割比例1：4調(diào)整為1：2和1：8，探究樣本分割比例對研究結論的影響。由表5列（2）估計結果可知，在不同樣本分割比例下政策再生產(chǎn)與數(shù)字鄉(xiāng)村建設水平呈倒U形關系，即基本結論不會因樣本分割比例而發(fā)生實質(zhì)性改變。（3）更換機器學習算法。前文DML方法構造的PIR模型采用的是Lasso模型進行估計，本文將之更換為Random Forest、Gradboost和Nnet模型，探究不同機器學習算法對研究結論的影響。表5列（3）是在更換上述三種算法后的估計結果，政策再生產(chǎn)一次項系數(shù)顯著為正，而平方項系數(shù)顯著為負，表明政策再生產(chǎn)與數(shù)字鄉(xiāng)村建設水平存在倒U形關系。

2.改變樣本容量

考慮北京、上海、天津、重慶直轄市的特殊政治經(jīng)濟地位可能會對實證結果產(chǎn)生影響，因此本文剔除上述直轄市樣本后，對其他省份的面板數(shù)據(jù)進行重新檢驗。如表6模型（1）、模型（2）結果所示，政策再生產(chǎn)與數(shù)字鄉(xiāng)村建設水平間呈倒U形關系。同時，與農(nóng)業(yè)農(nóng)村信息化局部領域發(fā)展階段不同，2018年首次提出的數(shù)字鄉(xiāng)村建設更加注重農(nóng)業(yè)農(nóng)村各領域數(shù)字化的全面提升與高質(zhì)量發(fā)展。為排除樣本時間選擇可能產(chǎn)生的誤差，本文剔除2018年2月4日之前發(fā)布的政策文本，對剩余樣本進行重新分析，由表5模型（3）、模型（4）可知，主效應的檢驗與基準回歸基本一致。

3.內(nèi)生性分析

雖然本文在實證模型中盡可能地控制了影響數(shù)字鄉(xiāng)村建設水平的重要因素，但受限于數(shù)據(jù)，難免存在遺漏變量，并且數(shù)字鄉(xiāng)村建設水平也可能反過來影響省級政府政策再生產(chǎn)程度，從而產(chǎn)生內(nèi)生性問題。為準確識別政策再生產(chǎn)與數(shù)字鄉(xiāng)村建設水平之間的倒U形關系，本文構建雙重機器學習的部分線性工具變量模型對其進行處理。工具變量法可以有效修正由遺漏變量和反向因果偏差引起的內(nèi)生性問題。據(jù)此，本文選取除本省份外其他省份政策再生產(chǎn)程度的均值作為本省份政策再生產(chǎn)的工具變量。原因如下：第一，高度相關性?，F(xiàn)有數(shù)字鄉(xiāng)村戰(zhàn)略實施的政策擴散研究表明，同級地方政府出于競爭的壓力，會選擇學習、模仿其他地區(qū)的政策和經(jīng)驗，從而完成政策創(chuàng)新在“橫向府際關系”維度上的擴散。因此，地方政府政策再生產(chǎn)程度會受到相鄰地區(qū)數(shù)字鄉(xiāng)村政策的影響。第二，嚴格外生性。相鄰地區(qū)的政策再生產(chǎn)多依據(jù)本行政轄區(qū)治理情境進行數(shù)字鄉(xiāng)村政策內(nèi)容的細化與更新，并不會對其他省份數(shù)字鄉(xiāng)村建設水平產(chǎn)生直接影響。表7結果顯示，政策再生產(chǎn)的回歸系數(shù)顯著為正（Plt;0.01），政策再生產(chǎn)平方項的回歸系數(shù)顯著為負（Plt;0.01），這表明在控制內(nèi)生性問題后，政策再生產(chǎn)與數(shù)字鄉(xiāng)村建設水平之間存在倒U形關系，使用工具變量的估計結果與基準回歸基本一致。

（四）地市級政府數(shù)字鄉(xiāng)村注意力配置的中介效應檢驗

借鑒何錦安等人的研究，本文構建基于雙重機器學習算法的中介效應模型檢驗地市級政府數(shù)字鄉(xiāng)村注意力配置在政策再生產(chǎn)與數(shù)字鄉(xiāng)村建設水平間的中介作用。本文前面的研究表明，政策再生產(chǎn)與數(shù)字鄉(xiāng)村建設水平存在著倒U形關系，且政策再生產(chǎn)與地市級政府數(shù)字鄉(xiāng)村注意力配置的分析結果（表8）所明，政策再生產(chǎn)平方項能夠顯著提升地市級政府數(shù)字鄉(xiāng)村注意力配置強度（B=0.180，Plt;0.01）。將政策再生產(chǎn)平方項與地市級政府數(shù)字鄉(xiāng)村注意力配置同時放入回歸方程后，地市級政府數(shù)字鄉(xiāng)村注意力配置依然正向顯著影響數(shù)字鄉(xiāng)村建設水平（B=0.632，Plt;0.05），政策再生產(chǎn)平方項對數(shù)字鄉(xiāng)村建設水平的路徑系數(shù)變?。˙=-0.541，Plt;0.05），表明地市級政府注意力配置在政策再生產(chǎn)與數(shù)字鄉(xiāng)村建設水平的倒U形關系中起到了部分中介作用。在加入中介變量后，政策再生產(chǎn)對數(shù)字鄉(xiāng)村建設水平的拐點值為X=0.213，位于自變量政策再生產(chǎn)的取值范圍內(nèi)（x∈[0.002，0.357]），其拐點發(fā)生右移，說明在地市級政府數(shù)字鄉(xiāng)村注意力配置作用下，政策再生產(chǎn)對數(shù)字鄉(xiāng)村建設水平的正向作用擴大。

由于逐步回歸方法未在因果推斷框架下進行，可能存在統(tǒng)計檢驗效應低、估計結果存在偏誤等問題，為此本文采用基于潛在結果框架和更普遍反事實框架的因果中介分析方法來檢驗中介效應的顯著性。結果顯示（表8），地市級政府數(shù)字鄉(xiāng)村注意力配置在政策再生產(chǎn)平方項與數(shù)字鄉(xiāng)村建設水平之間的中介效應顯著，95％的置信區(qū)間為[0.083，0.621]，不包含0，進一步驗證了政策再生產(chǎn)能夠通過地市級政府數(shù)字鄉(xiāng)村注意力配置影響數(shù)字鄉(xiāng)村建設水平。此外，圖3展示了不同敏感性參數(shù)（p值）下的平均因果中介效應（ACME）變化軌跡，陰影部分表示95％的置信區(qū)間。當ACME為0時，對應的p值為0.387，表明即使在很大程度上違反序列可忽略性假設條件，ACME依然顯著為正，由此可認為因果中介效應分析結論是有效和穩(wěn)健的。

五、結論與討論

（一）研究結論

在中國層級治理體系下，地方政府基于上級既有政策框架結合本轄區(qū)治理情境的政策再生產(chǎn)，已成為中國政策體系運行與政策目標有效落實的重要基礎。本文研究表明，政策再生產(chǎn)與政策效應之間呈倒U形關系，即政策再生產(chǎn)程度增加到某一閾值前會促進政策實施效果的提升，但在達到一定程度后則會對政策實施效果產(chǎn)生抑制作用。就現(xiàn)階段的數(shù)字鄉(xiāng)村政策而言，省級政府政策再生產(chǎn)的正向影響要大于負向影響，呈現(xiàn)出“非對稱”性。進一步因果中介效應檢驗發(fā)現(xiàn)，地市級政府數(shù)字鄉(xiāng)村注意力的增加不僅強化了政策再生產(chǎn)對政策效應的正向影響，而且弱化了過高強度政策再生產(chǎn)下的負向影響，因而地市級政府注意力配置在政策再生產(chǎn)對政策效應的影響中發(fā)揮了正向中介作用。

此外，本研究所構建的“政策再生產(chǎn)－注意力配置－政策效應”整合分析框架，不僅拓展了中國層級治理體系下公共政策運作過程的研究視角，有助于揭示我國不同層級政府間政策制定的互動邏輯，而且通過與傳統(tǒng)注意力基礎觀的理論對話，闡釋了上級政府如何通過對政策要素的事先規(guī)劃，實現(xiàn)對下級政府注意力資源的科學配置，為有效利用注意力資源奠定基礎。

（二）討論與建議

第一，政策再生產(chǎn)為中央政策統(tǒng)一性與地方差異性的整合提供了空間，有效推動政策落地見效。當前我國各省級政府數(shù)字鄉(xiāng)村政策的再生產(chǎn)程度偏低，尚未充分發(fā)揮政策再生產(chǎn)在政策執(zhí)行中的助推作用，因此，省級政府在落實中央政策過程中要高度重視政策再生產(chǎn)，加大對中央政策內(nèi)容的細化與更新力度。一方面，各省級政府應對中央政府出臺的綱領性政策文件進行充分解讀，既包括其所合法承接的政策執(zhí)行權力與資源的規(guī)定性動作，也包括探知中央政策意圖與邊界的策略：另一方面要因地制宜挖掘特色資源，促進地方特色經(jīng)驗與政策的融合創(chuàng)新，并拓寬政策信息反饋渠道，通過線上與線下相結合的形式讓行政部門、專家學者和社會組織等多主體共同參與政策內(nèi)容的再設計，從而制定出更加符合地方實際需求的本土化政策方案。

第二，政策再生產(chǎn)與政策效應的倒U形關系表明，過高強度的政策再生產(chǎn)會擠壓下級政府活動空間，不利于政策績效的提升。這就要求省級政府在政策再生產(chǎn)過程中合理管控政策的細化與更新程度，保留一定政策模糊度，確保政策再生產(chǎn)處于“門檻”界限內(nèi)。一方面，要依據(jù)自身組織職責把握政策再生產(chǎn)程度。省級政府應強調(diào)從指導性、方向性的中央政策設計中生產(chǎn)出事務性的政策目標和任務，將這些目標與任務轉變?yōu)榧夹g性、操作性行動方案的職責下放給執(zhí)行層政府，為執(zhí)行層政府預留出足夠的活動空間以進行政策再生產(chǎn)。另一方面，結合政策政治屬性進行差異化的政策再生產(chǎn)。對于政策勢能較為明顯、政策約束力較強、政策資源配置比較全面的政策，要明確政策再生產(chǎn)流程，建立健全政策審核機制；對于政策約束性不強、資源配置較少、政策收益不高的政策，要強化政策剛性，適當在各類考核和監(jiān)督中建立指標化體系。

第三，地市級政府注意力配置在政策再生產(chǎn)對政策效應的影響中發(fā)揮了正向中介作用，表明省級政府在政策再生產(chǎn)過程中要注重對地市級政府注意力資源的引導與配置。一是努力提升政策任務與政府注意力間的匹配度，為有效利用注意力資源奠定基礎。如建立政策體系內(nèi)部的協(xié)調(diào)機制、召開政策落實會等，通過集體討論和意見協(xié)商把握政策目標任務與下級政府治理能力間的差距。二是發(fā)揮政策再生產(chǎn)的利益分配功能，強化縱向政府間的利益共識。省級政府要在承認下級政府利益的基礎上，對政策資源進行層級切割，尤其是在政策任務“加碼”的同時，下放相應的資金、技術、人力等資源，從而實現(xiàn)職責與利益的協(xié)調(diào)一致。三是建立合適的激勵機制，引導下級政府官員有效分配注意力資源，如通過政治拔擢、完善福利待遇、創(chuàng)造良好工作環(huán)境等措施激勵官員積極作為。

綜上所述，作為中國層級治理下公共政策執(zhí)行的必要環(huán)節(jié)，政策再生產(chǎn)雖然可以將模糊性政策要求轉化為地方治理的可行手段，但過高程度的介入會帶來政策偏移性風險。須指出的是，本文僅以各類異質(zhì)性較強的數(shù)字鄉(xiāng)村政策情境作為一個整體分析，缺乏對不同主題與屬性政策再生產(chǎn)程度和政策效應的深入探討，所得結論能否推廣到社會規(guī)制型、服務提供型等公共政策領域還有待未來進一步檢驗。

責任編輯 王婷婷