引言：目前正在努力鼓励公共组织利用数据来提高绩效和制定公共政策。公共管理人员报告中指出，数据的使用往往受到缺乏或难以获得数据的阻碍。一个关键的研究问题是，公共组织如何设计激励措施和结构，以减少请求和获取数据所花费的时间和资源。Federica Fusi借鉴资源依赖理论和权变方法，探讨了程序化、正式非程序化和非正式协调机制如何促进有影响力的利益相关者群体获取数据。利用2016年美国500个城市2500个部门的全国代表性抽样调查数据，对假设进行了检验。结果表明，正式的非常规协调促进了对政府行为者请求数据的访问，而非正式协调则减少了对非政府组织请求数据的访问。本篇论文发表在公共管理类顶级期刊《Public Administration Review》2020年第10期。

一、研究问题

公共管理学者对使用数据提取信息以管理公共组织表现出越来越大的兴趣（Jennings和Hall，2012年；Moynihan和Hawes，2012）。政府机构面临复杂的政策问题，如恐怖主义、健康危机和自然灾害，而这需要大量数据来协调和支持决策过程（Pew Charitable Trust; Roberts2011）。政府机构也越来越多地将服务外包给非营利和营利组织（Milward和Provan 2000）。数据访问可以缓解政府与其承包商之间委托代理关系的信息不对称（Malatesta和Smith，2012年；Reynaers和Grimmelikhuijsen，2015）。此外，公共管理人员希望利用新的数据分析工具来提高绩效，并响应公民对透明度和问责制的呼吁（Allard等人，2018; Pew Charitable Trust，2018）。总的来说，人们对数据的使用将提高政府效能、效率和对选民需求的反应能力抱有很大的期望。

最近的研究指出，数据的使用往往受到缺乏或难以获得数据的阻碍（Allard等人，2018年；Pew Charitable Trust，2018）。数据访问是指组织从其他组织获取数据的能力（Levine和White 1961）。政府机构无法自主地收集他们需要的所有数据，因为要么数据收集成本太高，要么其他组织控制数据。因此，他们从其他组织请求数据，这些组织可能会也可能不会授予访问权限。Meijer（2018）描述了城市政府从Uber和Airbnb等私营公司获取数据的困难。Pew Charitable Trust（2018）发现，三分之一的国家领导人无法说服其他公共机构提供数据访问，Ki、Kwak和Song（2020）表明，地方政府不太可能与其他地方的组织分享其经济数据。公共管理的一个关键问题是，哪些障碍阻碍了数据的获取，公共组织如何减少向利益相关者请求和获取数据所花费的时间和资源。

本研究认为，权力（组织相互影响的程度）会影响公共组织从利益相关者那里获取数据的能力。Prior scholarship调查了非营利组织和利益集团如何利用其权力来获取更多政府数据（Grimmelikhuijsen和Feeney，2016年；Grimmelikhuijsen和Welch，2012）。然而，权力也可能限制公共组织从利益相关者处获取数据的能力（Meijer 2018），从而减少政策设计和服务提供的可用信息。如果是这种情况，了解公共组织如何利用不同的协调机制（正式或非正式、程序化或临时）请求数据（Weitzman、Silver和Brazill 2006；Willem和Buelens 2007）并减轻权力对数据访问的负面影响是很重要的。本文的问题是：权力关系在多大程度上影响政府获取利益相关者要求的数据？哪种协调机制能够缓和权力并促进数据访问？

二、理论基础

先前的研究发现，数据的获取受到多个因素的影响：从法律要求（Bellamy et al.2007）和社区特征（Fusi and Feeney 2020）到组织文化和领导力（Gil Garcia and Sayogo 2016；Grimmelikhuijsen and Feeney 2016）以及技术能力（Dawes，1996）。最近，研究人员提出，权力关系可能会对数据访问产生决定性影响（Meijer 2018）。权力是一个组织影响另一个组织并促进其成员需求的能力（Emerson 1962）。政府权力源于其政治授权、法律权威和等级结构（Fountain 2007）。私人组织（非营利性和营利性）从成员规模、财政资源和公众支持中获取权力（Guo和Acar 2005）。资源依赖理论（RDT）被广泛用于解释为什么权力会影响组织间的资源交换，包括数据交换（Blau 1955；Pfeffer和Salancik 1978）。从RDT的角度来看，数据是组织的一种战略和政治资源，它们利用自己的力量访问他人的数据，同时阻止访问可能侵蚀其竞争地位的数据（Ki、Kwak和Song 2020；Kornberger等人，2017）。

根据先前的研究，利益相关者的权力使得公共组织能够提供更多的政府数据。非营利组织、利益集团、媒体和公民需要数据来监督和评估政府活动和政策（Yang和Callahan，2007）。因此，他们利用自己的权力迫使公共组织提供相关数据的访问权限（Grimmelikhuijsen和Welch，2012年）。政府官员允许访问数据，以获得这些利益相关者的支持，并加强与这些利益相关者的合作（Koppenjan和Klijn，2004年）。从民主的角度来看，利益相关者的权力有助于扭转传统上由政府机构持有的信息垄断，并通过扩大数据和信息的获取促进了参与决策（Kornberger et al.2017；Meijer 2013）。

一个调查较少的问题是，利益相关者的权力是否会影响公共组织对数据的访问。公共组织向各种利益相关者、其他内部部门、非营利组织、企业和政府机构请求数据。及时回应这些要求可提高政府的效率，节省时间和人力资源，否则将占用后续活动资源。根据RDT，处于权力地位的组织可能不太可能遵从数据请求以保持其优势（Pfeffer和Salancik 1978）。在这种情况下，允许政府机构访问数据可能会增加对组织活动的审查，并影响政策环境中的均衡（Grimmelikhuijsen和Welch，2012）。Azad和Wiggins（1995）为这一论点提供了初步的支持，他们观察到公共机构在分享数据之前会考虑其他公共组织的相对影响。Meijer（2018）指出，当非政府组织因其财政资源、缺乏监管或垄断市场而对政策制定产生重大影响时，城市政府报告称数据获取率较低。总而言之，先前的工作表明，有理由预期权力可能会影响公共组织获取数据。

一个相关的问题是公共组织如何处理权力关系。研究表明，公共组织通过各种协调机制向其他组织请求数据（Susha、Janssen和Verhulst，2017）。这些协调机制可以根据其形式化程度进行分类，即在多大程度上编写了请求（Weitzman、Silver和Brazill，2006年），以及程序化特征，即在多大程度上建立了定期交换数据的通用规则和程序（Willem和Buelens，2007年）。通常确定了三种协调机制。例行程序是正式的例行协调机制，通过该机制，数据定期交换，并按照两个或多个组织之间建立的通用程序进行请求（Malatesta和Smith，2012年；Reynaers和Grimmelikhuijsen，2015年）。正式的非常规协调机制是以书面形式向其他组织提交的请求，但不受共同协议的约束，如在线表格或信息自由（FOIA）请求（Worth、John和Vannoni，2017）。最后，非正式协调机制依赖于公共管理人员的个人网络，他们向认识的人或与其有联系的人索取数据（Kim和Lee，2006年；Yang和Maxwell，2011年）。

关于获取数据和类似资源（如信息和知识）的协调机制的有效性，证据不一。Willem和Buelens（2007）发现，正式的非程序化协调增加了知识交流的强度和频率，而非正式协调只增加了强度。Kim和Lee（2006）表明，非正式协调促进了跨部门的信息交流。Roberts（2011）和Jennings and Hall（2012）认为，公共管理者大多通过正式协调从其他公共机构获取数据。基于这些发现，本研究提出了一个基于权变的框架来梳理权力和协调机制对数据访问的联合效应（Donaldson 2001；Lawrence and Lorsch 1967）。正如Kelman等人（2013年，第615页）所讨论的，“组织理论有一个悠久的传统，即管理实践的成功往往取决于环境或其他条件。”，组织如何构建与外部组织的关系可能会影响其处理环境约束（Walker和Andrews 2015）和获取资源（Pfeffer和Salancik 1978）的能力。在这项研究中，一种基于权变的方法认为，在调节利益相关者的权力方面，协调机制可能比其他机制更有效，也因此，协调机制将与更大的数据访问相关。

图1阐述了本文提出的理论框架。因变量是市政部门获取从利益相关者群体请求的数据的可能性，即“数据访问”。权力是由利益相关者群体对决策的影响程度来衡量的。对三组利益攸关方进行了调查：其他内部部门、其他公共机构和非政府组织。在正式的程序化、正式的非程序化和非正式的协调机制之间进行选择，预计会降低公共组织获取同一利益相关者群体要求的数据的可能性。

三、研究假设

如上所述，组织对向他人提供数据持谨慎态度，因为后者可能获得竞争优势，提取有关组织活动和绩效的关键信息，并对其提出质疑（Ki、Kwak和Song 2020；Meijer 2018）。由于这些问题，RDT建议处于权力地位的组织倾向于不提供数据或仅提供有限的数据访问权限，以保持对其环境的控制（Pfeffer和Salancik 1978），因此被有影响力的利益相关者包围的组织可能会报告较低的数据访问权限（Meijer 2018）。此外，不平衡的权力关系可能会增加组织之间的冲突，特别是在跨部门关系中（Simo和Bies 2007；Thomson和Perry 2006）。冲突会对信任产生负面影响，因此，组织可能不太愿意向其他人提供数据访问。据此，我们假设：

假设1：利益相关者的影响力与利益相关者数据的获取呈负相关。

正式的程序化协调机制（“正式程序”）基于两个或多个组织之间的协议（如合同条款或合作关系），规定了定期共享和提供数据访问的程序（Reynaers和Grimmelikhuijsen 2015；Weitzman、Silver和Brazill 2006）。各组织商定了一套处理政治和安全风险以及与数据访问有关的社会和技术障碍的规则和标准（Dawes、Cresswell和Pardo，2009年；Nedović-Budić和Pinto，2000年）。与其他协调机制不同，正式程序增加了相关组织之间的社会融合程度，即“组织在制度上受到约束并对有约束的群体或集体负责的程度”（Bellamy等人，2008，740）。当组织受到相同的制度结构和规范的约束时，正式的惯例可能会积极地调节权力对数据访问的影响。它们相互保证有关各方将遵守集体制定的规则（Nedović-Budić和Pinto 2000）。据此，我们假设：

假设2：正式的程序化协调机制会正向调节利益相关者的影响力与利益相关者数据获取之间的关系。。

当利益相关者有很大影响力时，正式的非常规化协调可能与更大的数据访问相关。由于其灵活性（Galbraith 1973；Willem and Buelens 2007），非常规化的协调机制允许组织根据具体情况协商数据访问条件，确保数据提供商能够保持对数据使用和所有权的控制（Meijer 2018）。此外，由于正式的非程序化协调在长期或未来的交流中没有约束力，组织可以从他们的经验中学习（Galbraith 1973），并在未来的互动中修改数据协议，以尽量减少冲突和权力博弈。据此，我们假设：

假设3：正式的非程序化协调机制会正向调节利益相关者的影响与利益相关者数据获取之间的关系。

非正式协调依赖于公共管理人员的个人和职业网络。嵌入在社会关系中的信任和互惠期望可以极大地促进数据交换（Blau 1955；Kim和Lee 2006；Willem和Buelens 2007），因为这两种期望都提供了一种防止潜在滥用（例如，数据滥用或安全问题）的形式，个人和组织对共享数据感到更自在（Bellamy等人，2007年；Dawes、Cresswell和Pardo，2009年）。此外，人际关系可以更好地理解其他组织的规范和文化（Simo和Bies 2007；Weitzman、Silver和Brazill 2006）。依靠非正式协调的公共组织可能更有效地处理与有影响力者之间的冲突（Willem和Buelens，2007年）。基于这一观点，非正式协调应积极缓解权力对数据访问的影响。

然而，一些研究发现，依赖个人关系的公共管理者很难与有影响力的利益相关者进行谈判（O'Toole和Meier 2004）。在没有书面协议的情况下，因为没有强制遵守的协议，利益相关者可以利用其权力延迟或拒绝访问数据（Lindholst和Bogetoft，2011年）。此外，数据访问还引发了对责任、数据使用和传输、安全和隐私的担忧（Gil Garcia和Sayogo，2016）。当这些问题没有得到正式解决时，公共管理人员获取数据可能更具挑战性，特别是有影响力的利益相关者提供数据的动机较低，他们可能更喜欢保持对数据的独家访问和所有权（Yang和Maxwell，2011年）。如果是这样，非正式协调可能会对利益相关者的影响和获取数据之间的关系产生负面影响。

鉴于以往学术研究的不稳定性质，我们提出了两个关于非正式协调机制调节作用的相互矛盾的假设：

假设4a：非正式协调会正向调节利益相关者影响与利益相关者数据获取之间的关系。

假设4b：非正式协调会负向调节利益相关者影响与利益相关者数据获取之间的关系。

四、研究模型

（一）因变量

调查要求受访者关注管理数据，即“贵组织用于日常活动的数据，如组织绩效、员工行为、交易、公民、企业或其他非营利活动、预算和财务统计、地理信息系统数据等”，尽管各部门的行政数据各不相同，但它们对日常管理服务和项目同样重要（Pew Charitable Trust，2018）。数据访问（城市部门从其利益相关者处获取数据的能力）是通过以下问题来衡量的：“在不要求贵组织跟进或提出额外请求的情况下，贵组织的数据请求大约有多少部分得到了满足？”这指定了三组利益相关者：

（1） 你所在城市或城镇的其他政府部门

（2） 您所在城市以外的政府组织（例如，其他城市、县、州和联邦）

（3） 非政府组织（私人和非营利）

对于每一组，受访者可以指出以下回答之一：“没有要求”、“很少要求”、“一些要求”或“大多数要求”。鉴于“没有要求”类别中的少数观察结果（分别为2.7%、3.4%和8.3%），我们添加了“没有要求”和“很少要求”类别。开发了三个有序分类因变量（DV），即访问其他部门的数据、访问公共机构的数据、访问非政府组织的数据，其中1=低访问（无或很少请求）；2=中等访问（部分请求）；3=高访问（大多数请求）。

图2显示，55%的受访者表示，其他内部部门的数据访问量较高，其次是其他公共机构（45%）和非政府组织（37%）。这种分布反映了先前研究的结果，这些研究表明，组织内部的数据访问量更大，而跨组织的数据访问量更低，特别是当非政府参与者参与时（Allard等人，2018；Pew Charitable Trust，2018）。

（二）自变量

通过询问各部门负责人每个利益相关者群体对政策制定的影响程度来获取权力的数据（Henry 2011；Welch、Feeney和Park 2016）。回答范围从1=无影响到5=强影响。利益相关者包括市长、市长委员会、其他城市部门、州长、州立法机关、州法院、联邦政府、商业团体、宣传团体、公众舆论和媒体。因子分析提取了三个因子（特征值>1），如附录A表A1所示。我们为每个因素建立了平均量表：内部行动者的影响力的克朗巴哈系数等于0.73；公共机构的影响力的克朗巴赫阿尔法等于0.84；非政府组织的影响力的克朗巴哈系数等于0.81。

在协调机制中，通过询问受访者来衡量正式惯例：“我的组织有良好的惯例定期从其他组织接收数据”（1=强烈不同意，2=不同意，3=既不同意也不同意，4=同意，5=强烈同意）。正式的非常规协调衡量市政部门“向其他组织提交正式的书面或在线请求以获取数据”的频率（1=从不，2=很少，3=经常，4=非常经常，5=总是）。最后，非正式协调衡量部门主管“与其他组织的熟人联系获取数据的频率”（1=从不，2=很少，3=经常，4=经常，5=总是）。三种机制之间的相关性很低（<0.2，见附录A，表A3），这表明受访者认为每种协调机制是不同的。

（三）控制变量

根据之前的研究，我控制了可能影响数据获取的技术、政治和法律因素以及部门和城市特征（Dawes、Cresswell和Pardo 2009；Gil-Garcia和Sayogo 2016；Grimmelikhuijsen和Welch 2012；Welch、Feeney和Park 2016）。控制变量的完整列表见附录A表A2。

表1报告了描述性统计，而附录A表A3中报告了相关性。

（四）分析

分析使用有序probit模型，当因变量由有序类别组成时，该模型是合适的（1997）。由于每个因变量都是由同一个人报告的，并且测量同一概念的维度，因此理论上可以假设三个方程的误差项（e）是相关的。因此，我们使用一个看似不相关的回归（SUR）估计来解释完整的协方差结构（Zellner 1963）、（等式1）：

应用样本权重来反映抽样策略，并对标准误差进行聚类，因为观测值嵌套在城市和州内。由于最高级别的聚类提供了更为保守的估计（Cameron和Miller 2015），标准误差按州进行聚类（43个州聚类）。最后，引入利益相关者影响与协调机制变量之间的交互作用来检验假设2-4。以其他部门的数据模型为例，给出了访问其他部门数据模型的公式：

排除和包括相互作用项的结果分别见表2和表3。Wald检验证实，有相互作用的模型具有统计学显著性（Wald-chi2（42）=17276.54，Prob>chi2=0.00），似然比检验表明，它比没有相互作用的模型有显著改善（p<0.001）。每种交互作用的一系列联合试验证实了结果的显著性（p<0.05）。

应该注意的是，解释有序概率模型的系数是困难的，因为每个系数代表z分数的变化，而不是概率的变化。此外，自变量（包括相互作用）对结果变量的影响取决于其他协变量的值。为了简化解释，图3-11显示了报告高数据访问（y轴）的概率在不同利益相关者影响水平（x轴）和使用程序、正式非例行协调和非正式协调（绘制线）的不同频率下的变化。预测概率是通过改变影响和协调机制变量的主要影响以及它们的相互作用项来估计的，而所有其他协变量被设置为它们的平均值。

五、研究结果

表2中的结果显示对H1的支持有限，因为只有公共机构的影响与数据访问呈显著负相关。内部行动者的影响对数据访问没有显著影响，而非政府组织的影响与数据访问正相关，而非政府组织的影响与数据访问正相关。这些结果在所有三个模型中都是一致的，这表明利益相关者群体的影响程度可以影响对其他利益相关者群体数据的访问。

表3显示，模型1（访问其他部门的数据）支持H2和H3，模型2（访问其他公共机构的数据）部分支持H2和H3。在模型1中，两种正式的协调机制都积极地调节了影响对其他部门数据访问的影响。图3和图4说明了这种调节作用。带方框的灰色线分别表示城市部门使用正式程序或正式非程序化协调的可能性。随着内部参与者影响的增加，这两条线与数据访问正相关。

在模型2中，正式的例行程序对公共机构的影响起负调节作用（H2：未确认），而正式的非例行协调则起正调节作用（H3：确认）。图6显示了正式程序的负面调节效应；随着公共机构影响力的增加，更经常使用正式程序（带方框的灰色线）的城市部门报告高数据访问的可能性较小。图7显示了相反的模式；黑线表示，随着公共机构影响力的增加，不依赖正式非常规协调的城市部门报告高数据访问的可能性大大降低。

最后，模型3，获取非政府组织的数据，显示了非正式协调对支持H4b的显著和消极的调节作用。当非政府利益相关者具有较高的影响力时，更经常使用非正式协调的城市部门报告数据访问较低。这种相关性如图11所示。非政府组织的影响力与数据获取之间存在正相关关系，但随着影响力的增加，依赖非正式协调获取数据的城市部门的这种正效应会减弱。

六、结论

本研究发现，正式的程序化和非程序化的协调机制都不会缓和非政府利益相关者的影响，而非正式协调则是一个消极的调节变量，减少了获取数据的机会。这些发现留下了一个悬而未决的问题，即公共组织可以做些什么来增加对非政府组织数据的访问，特别是因为之前的工作主要集中于公共组织之间的数据共享（Fusi和Feeney 2020；Meijer 2018）。分析中包含的控制变量的结果表明，技术工具和法律要求可能是非政府组织获取数据的重要前因，而这还需要进一步探讨。

这项研究为各级政府的公共管理人员提供了实际的启示。联邦和州机构应该意识到他们可能会对数据的获取产生负面影响。通过减少事前或事后的行政要求，或发展与城市部门的合作关系而不是强制关系，给予更大的自主权，可能会对城市部门如何与其利益相关者接触产生积极影响，并增加获取数据的可能性。由于地方数据是州和联邦一级决策的重要投入，更多地获取数据将提供互利。

城市部门希望增加从各利益相关者获取数据则需要根据利益相关者群体和权力程度采取各种协调机制。非正式协调虽然成本较低且易于实施，但当利益相关者具有很大影响力时，可能无法访问数据。正式协调的设置成本很高，但它们可能会减少在协商访问其他有影响力的部门的数据时花费的时间和资源。公共管理者在与其他公共组织接触时，尤其是那些对决策有更大权力的高层组织接触时，应该更倾向于采用逐个案例的正式方式。

最后，值得注意的是，非政府组织的影响程度对数据访问有积极影响。然而，公共管理人员在使用之前应注意所收到数据的质量、完整性和偏差，因为非政府组织可能只提供支持其立场的数据（Koppenjan和Klijn，2004年）。今后的研究应调查权力关系如何影响数据提供者和接收者之间的数据质量和信任。