专栏名称: 公共管理共同体
定期推送中国公共管理专业期刊文章,传播公共管理知识,分享公共事物的治理之道。
目录
相关文章推荐
51好读  ›  专栏  ›  公共管理共同体

PMR编译 | 郑桂敏 唐恬:地方间协作过程和网络地位:对环境绩效的综合影响

公共管理共同体  · 公众号  ·  · 2024-04-10 10:52

正文

请到「今天看啥」查看全文




本期编译简介




编者按


本期海外栏目带来2024年1月发表在Public Management Review上的研究:Interlocal collaborative processes and network position: the combined effects on environmental performance(地方间协作过程和网络地位:对环境绩效的综合影响)。研究发现,地方政府通过参与系列地区间协作过程将对城市空气质量产生积极影响。此外,这些影响对于网络中处于主导和边缘位置的城市有所不同,尤其是在网络内存在权力和资源不平衡的情况下。

文章简介


文章标题: 《地方间协作过程和网络地位:对环境绩效的综合影响》(Interlocal collaborative processes and network position: the combined effects on environmental performance)
来源期刊: Public Management Review
作者简介: 郑桂敏,佛罗里达州立大学社会科学与公共政策学院公共管理专业博士生,研究方向为环境和能源政策、智慧城市和协同治理等。
唐恬,佛罗里达州立大学社会科学与公共政策学院副教授,可持续发展与治理实验室主任,主要研究方向为能源政策、技术创新、数字治理、智慧城市和气候变化等。
本期编译: 曹靖婕 中国农业大学研究生
黄茜茜 上海交通大学研究生



编译速览




01 引言


长期以来,地方政府间区域合作被视为解决复杂环境问题的有效举措,尤其是针对单一管辖区无法解决的“公共池塘”问题(common pool problems)。基于协同治理和网络治理理论,过去的研究在评估网络效果方面提供了许多理论框架,但对网络参与者的环境绩效的实证证据仍然不足。本文主要研究了地方政府中的网络参与者如何在协作过程中进行区域环境合作来改善环境结果,以及他们的网络位置对这些关系的调节作用。通过捕捉客观协作活动和实践来对过去研究进行补充。研究目的在于参与者的网络位置及其协作过程对环境绩效的交互影响,研究构建了一个包括2014年至2018年六个地区76个城市的城市级面板数据集,以城市在联席会议(joint meetings)、联合实施(joint implementations)和地方间协议(interlocal agreements)中的参与强度作为代表参与协作过程的自变量,以城市空气质量作为代表环境绩效的因变量,通过固定效应模型等定量实证方法在控制城市特定异质性后来分析二者间关系。研究发现,参与系列协作过程将对城市空气质量产生积极影响。此外,这些影响对于网络中处于主导和边缘位置的城市有所不同,尤其是在网络内存在权力和资源不平衡的情况下。研究的学术意义一方面在于,过去在协同治理层面主要关注过程中的潜在元素,如信任和承诺,本研究则增加了行动者的客观参与行动,另一方面,在网络治理层面,本研究引入网络中心性来将行动者和行动背景联系起来,反映行动者在网络中的个体差异如何影响协作参与结果。此外,本研究从现实层面有助于加深对政府间网络的理解,并为公平有效的协作实施提供了实用见解。


02 制度背景、关键概念与假设提出


2.1 中国大气污染联防联控工程(Joint Prevention and Control of Air Pollution, JPCAP)

中国大气污染联防联控计划(JPCAP)于2010年由国家环境保护部发起,旨在促进建立地方间协作网络,共同改善空气质量。为响应该政策,各地区城市开始通过各种非正式和正式机制进行互动,如定期召开会议、分享空气质量信息、成立专门工作小组、共同落实政策措施等。

本研究样本包含京津冀地区、长三角、珠三角等6个JPCAP地区的76个地方城市,这些地区在地理上有效代表中国城市,占全国人口的40%,占2019年GDP总量的53%,表1汇报了6个地区的地理规模、设立时间和其他网络信息。此外,区域网络内的城市具有等级不同的地位和权力。

表1 JPCAP计划中的六个区域试点网络的信息

2.2 协作流程、网络位置和行动者层面的网络绩效(Collaborative processes, network position, and actor-level network performance)

从个体参与者参与的角度来看,以过程为导向的协作流程存在三个关键要素:谈判、承诺和实施,根据现有文献,表2总结了三个要素的特点。

表2 先前理论框架和JPCAP网络中的协作过程

以往研究经常将网络视为一个整体。然而,协作的有效性取决于个体参与者,他们参与网络以更好地实现其组织目标和利益。协作动态是由网络参与者的行为(例如,分配用于协作或执行指定任务的时间和精力)及其结构位置(例如网络中心性)塑造的。中心性(network centrality)是网络位置研究的核心概念。网络中心性确定了网络中节点相对结构的重要性。本研究关注一种常用的网络中心性度量:亲密中心性(closeness centrality),这是一种用来衡量某个节点与其他节点之间的亲密程度的网络分析指标。亲密中心性表示一个节点与其他节点之间的平均最短路径长度,即节点与其他节点之间的距离越短,亲密中心性越高。图2为理论框架。

图2 参与协作过程和网络地位对参与者层面环境绩效的影响

2.3 假设提出

第一,现有文献认为,面对面会议是网络中有效的沟通方式,故本研究假设:

H1:一个城市参加联席会议(joint meetings)越多,其空气质量越好。对于亲密中心度得分较低的外围城市,这种正相关关系更为强烈。

第二,地方间协议是最流行的协作工具之一。它可以是非正式的“握手”协议,也可以是一份详尽的正式合同。本研究重点关注正式记录和签署的协议,研究假设:

H2:一个城市加入的地方间协议(interlocal agreements)越多,其空气质量就越好。对于亲密中心度得分较低的外围城市,这种正相关关系更为强烈。

第三,共同设计协作计划后,继续监控联合实施过程至关重要。故本研究假设:

H3:一个城市参与的联合实施(joint implementations)越多,其空气质量就越好。如果权力失衡带来不平等或逃避责任,那么对于紧密度中心度得分较低的外围城市来说,这种正向关系会更强。此外,如果网络成员充分承担其共同责任,那么对于具有较高紧密度中心性得分的主导城市,这种正向关系会更强。


03 数据与方法


3.1 数据

本研究从多个数据源构建了一个城市级面板数据集,其中包含2014年至2018年6个JPCAP区域76个城市的环境质量数据。第一个数据源是在线空气污染物监测平台PM25.in,本研究从中收集了每个城市的空气质量数据作为因变量。这个非营利平台收集国家生态环境部(MEE)发布的实时监测数据,并整合存储每月的空气污染物历史数据。第二个数据源是《中国城市统计年鉴》,本研究从年鉴中收集了控制变量的数据,包括社会经济指标和环境因素。第三个数据来源是主要城市的当地环境网站,以“区域名称”和“大气污染”作为关键词来检索网站中2014年至2018年的报道,收集到1,447条相关新闻,而后从新闻列表中提取了联席会议、地方间协议、联合实施情况的数量和内容等有效信息。

3.2 定量研究设计

本研究的因变量是城市空气质量。我们依靠环境空气质量指数(AQI),这是一个连续评分,可捕获六种关键空气污染物的排放数据:一氧化碳(CO)、二氧化氮(NO2)、二氧化硫(SO2)、臭氧(O3)、颗粒物PM2.5和PM10。图1显示了2017年空气污染水平的地区差异。

本研究使用AQI得分的加法逆元作为城市空气质量的衡量标准。这种转换确保较高的分数对应于更好的空气质量,同时保留原始空气污染数据中的分布和关系程度。

图1 2017年AQI得分地区差异 资料来源:数据来源于环境保护部发布的城市空气质量月报(www.mee.gov.cn/hjzl/dqhj/cskqzlzkyb/)

本研究主要的三个自变量是每个城市在三个协作过程中的参与强度:联席会议、地方间协议和联合实施。节点的亲密中心性则用以下公式测量:


其中d(v, u)是v和u之间的最短路径距离,n是可以到达u的节点数。网络联系(即链接或边)是媒体报道中反映的所有行动者之间的互动。在网络邻接矩阵中,每个单元代表两个城市之间互动的数量。距离通过数字的倒数来衡量总相互作用,用于计算加权最短路径。图3显示了6个区域网络五年来的结构变化和演变。

图3 2014-2018年区域JPCAP网络演变的可视化(节点表示城市,大小表示参与强度,边缘宽度反应与另一个城市的接触程度)

研究首先进行豪斯曼检验来评估固定效应模型与随机效应模型对于面板数据集的适用性。结果(χ2 = 64.49,p< 0.001)表明可以拒绝系数不存在系统性差异的原假设,表明固定效应模型有效。固定效应模型还可以控制未观察到的城市特定异质性。模型设定为:

其中i表示参与JPCAP计划的地方政府,t表示年份。yi,t代表因变量2014 年至 2018 年每个城市的空气质量得分。x代表解释变量,捕获当地城市参与协作过程的三项关键活动、亲密中心性得分以及它们之间的交互项。z是社会经济特征和环境条件的控制变量的向量。ηi表示未观测到的时间常数因子,ui,t 表示时变干扰项。此外,本研究在模型中添加了地区和年份虚拟变量,以捕捉总体趋势的影响。表3描述了每个变量的详细测量和数据源,表4报告了描述性统计数据。

表3 变量、度量和数据源

表4 描述性统计


04 研究结果


表5显示所有解释变量的相关矩阵。表6展示参与协作过程、亲密中心性及其相互作用对当地城市空气质量的影响的两种回归估计。第一列结果用于基线模型,第二列包括交互项,用于测试有关城市的网络位置(即亲密中心性)如何影响其协作参与有效性的假设。调整后的R2在交互效应模型(0.623)中略大于主模型(0.584),统计数据表明两个模型都很好地拟合了观测结果。

表5 解释变量的相关矩阵

表6 城市空气质量地方间协同治理有限元模型

回归分析显示,城市参与 JPCAP 协作流程的模式正向影响空气质量,与假设一致。亲密中心性得分的影响并不具有统计显着性。

关于城市在网络中的亲密中心性的交互效应,联席会议和地方间协议的系数如预期显著为负。它表明,城市的亲密中心性越高,相关协作活动对空气质量的积极影响就会减少。然而,联合实施的系数为正且具有统计显着性。该系数表明,随着亲密中心性增加,参与联合实施活动对空气质量的积极影响增加。

在图4中,根据三项关键协作活动绘制了预测的空气质量得分,该图显示了每个活动的两个不同的斜率,代表了亲密中心性得分达到最大值和最小值时的场景。随着联席会议和地方间协议频率的增加,空气质量预测得分出现明显的积极趋势;对于亲密中心度得分较低的城市,这种关系更为明显。然而,对于联合实施而言,与亲密中心度较低的城市相比,距离中心度较高的城市与空气质量的正相关关系更大。

图4 亲密中心性对当地空气质量的交互作用。该图显示了95%的置信区间


05 结论与讨论


研究探讨了两个一般性问题:增加协作过程的参与能否提高参与者的环境绩效 ?不同网络位置的参与者如何从参与环境协作活动中受益?研究结果支持了 参与联席会议、地方间协议和联合实施对于促进成功的合作成果的积极和重要作用。结果 还支持了以下假设:对于亲密度得分较高的城市,联合实施与空气质量之间的正相关关系更强。

协作治理研究已开始分析转变,下一步是探索程序性因素和结构性因素在决定结果时如何相互作用。这项研究结果表明,在目标驱动的政府间网络中,成员相对稳定, 目标明确且具体,更多的沟通、正式协议和联合实施有利于取得成功。研究还表明,虽然合作通过民主政权的包容性决策和透明度增强了公共政策的合法性,但政策的合法性可能更多地与授权参与和有效的政策成果相关。鉴于JPCAP网络中主导城市和外围城市的网络参与效应存在异质性,在协作过程中需要制度指导,例如监测系统,以防止潜在的搭便车问题,并确保网络成员充分承担其公平分担的责任。

研究结果对地方政府层面的从业者提出了一些潜在的政策和管理影响。城市官员需要战略性地参与不同的地方间协作活动。通过增加与其他城市的会议和正式协议来扩大联系,有助于获得信息和资源,从而有助于改善环境。在与不同经济发展水平和政治层级的城市合作时,地方管理者应意识到潜在的集体行动困境,并可以考虑与主导行为体联合实施政策措施。大气污染防治工作分配不均的,应当建立区域补偿机制。例如,较发达和实力较强的城市可以向欠发达地区提供财政或其他利益作为生态补偿。

研究也存在局限性,如分析仅基于二手数据源。未来研究可以使用更大的数据集进行纵向分析,并添加更多的气候和地理因素(例如风型)。此外,研究仅评估地方间环境合作的环境绩效。未来可以评估其他重要的网络成果,例如公共部门创新、民主质量和能力建设,特别是对于非政府行为者的环境网络独裁政权



栏目声明


公共管理共同体海外栏目以增进学术交流为目的,编译内容代表志愿者编辑对文章的理解,对文章全文有一定的删减。如果您对于此文的编译词汇或内容有更好的理解,欢迎各位读者留言。如有任何不当之处,请留言反馈或私信后台。如需转载请注明出处。点击阅读原文输入“9499”即可获取原文的PDF版。


编辑 | 曹靖婕

校对 | 黄茜茜

审核 | 高光涵



往期推荐


PA编译 | 王程伟 马亮 Tom Christensen:政府领导的性别何以提升政策产出:来自中国地方政府的证据

PA 编译 | 吕鹏辉等:全球公共管理的科研产出、国际合作与知识演进

PSJ编译丨中国的环境治理:政策清晰度、职业关注和新任官员对污染控制的影响







请到「今天看啥」查看全文