2.2 智慧政务研究的理论基础

2.2.1 协同演化理论

协同理论（Synergetics）是由联邦德国斯图加特大学的哈肯（Haken）教授，通过借鉴系统论、控制论、信息论、突变论、结构耗散理论的研究成果，在多学科研究基础上逐步形成和发展起来的，属于系统研究科学的重要分支，也被称作“协同学”或“协和学”[76]。该理论主要研究处于非平衡状态的开放系统，通过与外界开展物质或能量交换实现系统内部的协同作用，从而最终形成系统在时间、空间和功能上的有序结构[77] [78]。协同理论通过采用数理统计学和系统动力学相结合的研究方法，建立数学模型和仿真方法，对不同的科学领域开展研究，归纳总结发现各种系统和现象中普遍存在的、从无序到有序转变的客观规律[79] [80]。

对于本研究来说，协同是指各信息生态元素之间的相干能力，表现了信息生态元素在整个智慧政务协同发展运行过程中的运行规律。演化是指智慧政务信息生态元素之间形成的相互协调、相互促进的效应。推动智慧政务不断发展，导致信息生态元素之间属性互相增强、向积极方向发展的相干性即为演化性。对智慧政务来说，协同演化就是为共同的目标而协调政府部门、企业主体、公众用户的相互关系。通过协同演化机制的建立，破除在智慧政务建设过程中存在的障碍，实现智慧政务各要素之间的有效运行。因此，协同理论在智慧政务研究中具有较高的价值，智慧政务协同发展需要设计采用科学合理的机制策略。

2.2.2 PVAR理论模型

面板向量自回归模型（Panel Vector Autoregressive Model）是西姆斯（Sims）在1980年提出的，认为模型中的全部变量都是内生变量。有学者认为，具有单向因果关系的变量，也可以作为外生变量加入PVAR模型。总体来看，PVAR模型的适用性较强，具有如下几个特点[81]：首先，PVAR模型的构建只需要把存在相互关系的变量纳入其中，并不以严格的经济理论作为研究的基础，模型只要包括变量之间相互影响的绝大部分即符合要求。其次，PVAR模型不需要对参数施加零约束，无论参数估计值是否显著，都会被保留在模型中，并且模型不存在与联立方程模型相关的问题。再次，由于模型中每个方程的右侧都不含当期变量，使得无约束PVAR模型在预测方面具有较高的应用价值。当然，PVAR模型也存在一定的局限，由于模型中有相当多的参数需要估计，所以，较小的样本容量会导致多数参数的估计量误差较大。

信息生态与智慧政务协同发展的互动关系更加本源和基础，通过利用省际面板数据，定量研究中国信息生态与智慧政务互动关系的发展现状，从基础层面分析信息生态对智慧政务的贡献，有利于加强信息生态环境建设，为缩小地区智慧政务发展差距创造条件。并且，智慧政务信息生态发展的数据存在时间趋势，显示出非平稳的特征，直接回归可能导致伪回归的结果[82]，需要采用面板VAR模型，对智慧政务与信息生态相关变量之间的互动关系进行检验和分析。综上所述，对于信息生态发展水平和智慧政务应用效果的关系，现有学者大多只研究信息生态发展水平到智慧政务应用效果的单项关系，鲜有文献利用面板VAR模型研究信息生态发展水平和智慧政务应用效果间的互动关系。因此，利用面板VAR模型，开展网络基础设施就绪度、信息技术支撑能力、信息化应用能力、可持续发展环境和智慧政务应用效果的互动关系研究具有创新性。

2.2.3 系统动力学模型

1．系统动力学的特点

自美国麻省理工学院Forrester教授创立系统动力学（System Dynamics）理论模型以来，作为研究复杂系统的方法，该理论通过吸收控制理论、系统科学、结构稳定性分析、灵敏度分析、参数估计、最优化技术应用等方面的研究成果，在世界范围内广泛地传播和应用，获得了许多新的发展[83] [84]。通过对系统动力学工具方法的研究，可以发现运用系统动力学研究智慧政务协同发展问题，具有多方面的优越性。

首先，智慧政务信息生态协同演化涉及多个影响因素，并且各因素之间存在复杂的作用关系，运用系统动力学开展结构化研究，可以将影响智慧政务信息生态协同演化的因素进行抽象，从而得到更加全面的理解和认识[85] [86]。

其次，智慧政务信息生态协同演化既是定性问题也是定量问题。通过分析系统动力学的特点、方法及智慧政务作为动态复杂系统的特点，可以看出，系统动力学运用系统分析、综合推理的方法，适用于开展相关的研究[87]。

再次，智慧政务信息生态协同演化研究面临数据不足的问题，由于系统动力学存在多重反馈环，即便在个别数据缺乏的情况下，系统行为模式对参数也不会很敏感，从而化解建模过程中遇到的数据难以量化，以及数据不足的困难[88] [89]。

总体来看，系统动力学的研究方法，适用于智慧政务管理的研究需要，它不依据数学逻辑的推理而获得解决方案，而是通过对智慧政务信息生态系统的实际观测数据，建立动态的计算机仿真模型，并且基于试验开展对系统未来行为的预测，从系统整体的角度出发，寻求改善智慧政务信息生态的机会和途径[90] [91]。

2．系统动力学的适用性分析

系统动力学方法在有关电子政务问题的研究中取得了一系列成果，为本研究的开展奠定了良好的基础。鄢丹（2006）[92]对典型地区的电子政务绩效与硬件投资、用户数量、经济条件、用户比重等要素之间的关系，运用系统动力学的Vensim软件开展了相关研究。赵生辉（2009）[93]认为，电子政务具有特殊的信息生态环境，通过系统动力学分析影响电子政务建设的各类动力因素及其相互关系，提出了电子政务建设的战略思路。王立华（2011）[94]从分析农村电子政务公共服务的参与主体及各主体的相互关系入手，通过利用Vensim软件构建农村电子政务公共服务的系统动力学仿真模型。魏露婷（2010）[95]从系统动力学的角度研究电子政务发展动力的组成，并通过系统图刻画电子政务的动态性复杂关联，认为电子政务的动力要素既包括外在动力要素，又包括内在动力要素。

智慧政务信息生态是复杂的系统，系统内部各信息生态要素不仅会随着时间的变化而发生演变，系统内部各信息生态要素之间也会产生相互影响，并且这种作用将会影响未来系统内各信息生态要素的活动[96]。依据智慧政务信息生态系统内部各要素之间形成的反馈环进行建模分析，系统动力学可以开展时间上的动态分析，也可以开展系统内各信息生态因素之间的协调[97]。总体来看，系统动力学适用于智慧政务信息生态协同演化的研究和分析，可以展现智慧政务信息生态协同演化的动态机制。

3．系统动力学的研究路径

智慧政务信息生态将随着时间的变化呈现出特有的演化特征。因此，如果将构成元素、行为主体、作用关系考虑在一起，再加入时间因素，系统动力学模型将展现智慧政务信息生态发展的动态机制，本书要探索和研究的主要过程，即智慧政务信息生态协同演化机制研究建模过程如图2-1所示。

在研究的初期，运用系统动力学原理将智慧政务划分为若干子系统，强调从系统的结构入手，遵从“结构决定行为”这一系统科学原理，建立起各个子系统之间的因果关系网络[86] [98]，立足于智慧政务信息生态协同演化的构成元素及子系统结构之间的关系开展研究。

在研究的中期，对于动态、复杂且非线性关系，需要逻辑判断和数学运算的智慧政务发展机制问题，将依据系统动力学的研究方法，建立计算机仿真模型流图并构造方程式，采用微分方程的观念建立动态模型[99]，从而处理智慧政务的动态发展演化问题。

在研究的后期，系统动力学将通过开展计算机仿真试验，模拟智慧政务信息生态系统存在的信息反馈机制[100]。在此基础上，验证智慧政务相关管理策略的科学有效性，为科学制定决策提供理论依据。因此，系统动力学是研究智慧政务优化控制策略的合适工具。

2.2.4 DPSIR分析框架

DPSIR理论模型由经济合作与发展组织（OECD）在1993年提出，该模型最初应用在环境评价和资源可持续利用领域，在科学制定资源、人口及生态环境可持续发展政策方面，发挥了十分重要的作用[101] [102]。该模型为解决智慧政务信息生态系统问题提供了较为明确的思路方法及原则框架，有利于选择相关的信息生态要素指标，采集所需要的数据，并且保证关键影响因素不被忽略，从而提高政策的制定与执行效率。DPSIR理论模型主要包括驱动力（Drive force）、压力（Pressure）、状态（State）、影响（Impact）、响应（Response）五部分内容，强调系统运作及其对内部结构的影响之间的联系，能揭示系统发展的因果关系，具有综合性、系统性、整体性、灵活性等特点[103] [104]。周骥（2014）[105]基于DPSIR模型对智慧城市的评价体系和内容进行了研究，通过对37个智慧城市相关的指标，按照驱动力、压力、状态、冲击、响应五大维度进行分类，并通过开展一致性检验来论证指标分类的合理性。

对DPSIR理论模型的研究，将有助于理解智慧政务信息生态协同演化过程中各因素的作用过程，以及彼此之间的因果关系，从而为建立智慧政务信息生态协同演化系统动力学机制分析、提出智慧政务信息生态协同演化策略奠定基础。基于上述分析，智慧政务信息生态协同演化的“驱动力”“压力”“状态”“影响”和“响应”可以进行如下界定：①驱动力是指对智慧政务发展改变的原始推动力，驱动力因素反映系统中推动改变的因素，是导致整个系统发展变化的根源。②压力是指驱动力发生作用之后，直接反作用于智慧政务发展的负载因素，并由此产生被研究对象的消极改变，是阻碍系统发展的因素。③状态是指智慧政务所处的状态，状态因素衡量系统内特定时间的水平和状况，是驱动力和压力共同作用后系统的表现情况，同时也是分析影响和响应的出发点。④影响是指由于前三者的相互作用，对智慧政务行为主体产生的作用。影响反映了状态变化对系统运行和系统结构诸多方面发生的作用，是系统发展所造成的具体结果。⑤响应是指行为主体对智慧政务发展的应对情况，响应是根据系统造成的影响而采取的适应、改善系统的对策，是对系统发生变化的反馈。

2.2.5 情景分析理论方法

Kahn & Wiener（1967）第一次提出情景（Scenario）的概念[106]。他们认为未来存在多种可能性，许多结果都可能在未来出现；出现这些结果的过程及方式也存在多种可能性，描述这些在未来可能出现的结果，以及达到这一结果的方式便会形成一个情景[107] [108]。智慧政务发展策略的情景分析法（Scenario Analysis）首先需要设定基准情景，在此基础上对智慧政务未来的发展趋势进行各种合理的假定，或者明确未来智慧政务预期的目标，然后按照智慧政务的发展目标设定政策情景。基准情景与政策情景的差异在于，基准情景中设定的政策变量都存在于政策情景中，经由基准情景的演变，将得到政策情景中的各种参数[109]。因此，根据政策情景设定与智慧政务未来发展变化相关的假设参数或条件，可以通过细致严格的推断来阐述需要采取的各种政策措施。

对研究对象进行优化与控制是系统动力学方法最重要的作用之一，也是应用系统动力学研究的最终目的，通过系统动力学认识和解决问题，最终需要设计出科学、有效的策略[110]。策略设计是系统动力学认识和解决问题的一个重要步骤，前面的问题界定与系统动力学模型的构建都是为策略设计服务的。智慧政务信息生态协同演化策略是否有效，往往在短期内无法检验，而需要通过系统动力学计算机模拟的方法开展近似分析[111]。智慧政务信息生态协同演化策略设计是从定性到定量的过程，同时也是需要循环多次的精练过程。具体研究内容如下：

首先，开展智慧政务信息生态协同演化结构层策略研究。通过改变智慧政务子系统结构中相关变量之间的关系（流径、连线等）来改善系统绩效，能显著改善系统绩效的新结构（流径、连线等）即要探寻的结构层策略。变量结构层策略优化是一种来自系统内部流程的改进，得到的策略称为闭环解，结构层策略及行为一般会与系统结构之间产生互动。通常情况下，连线对应于决策信息，相对较易调整，而流径对应实体的流程，即组织中的业务流程，相对较难调整[112]。

其次，开展智慧政务信息生态协同演化变量参数层策略研究。主要通过寻找关键敏感变量并确定其合适的参数值来提升智慧政务能力，关键敏感变量及其合适或较优的参数值即研究要找寻和设计的策略。相对来讲，变量参数层策略是一种由系统外对系统内的单方面的刺激，得到的变量参数层策略也称开环解，变量参数层策略及行为一般不与系统结构产生互动，也就是对模型的结构基本没有影响[112]。

再次，开展智慧政务信息生态政策情景仿真实验研究。智慧政务信息生态协同发展会受外部政策环境的影响，需要开展具体政策的敏感性分析和情景分析。通过构建的系统动力学模型，改变模型的参数及变量初始值，进行环境条件的假设、策略设计和情景分析，可以实现动态模拟和敏感性分析，检验信息生态元素之间的作用机理，搭建政策模拟的仿真平台，并可以据此提出相应的管理方法和政策措施，使智慧政务的管理决策更加科学和有效。

2.2.6 机制与策略研究

机制（Mechanism）的原意是指机器的构造和动作原理，现在主要表示内部构成要素之间相互联系和作用的关系及其功能，被用于描述自然现象和社会现象内部组织和运行变化的规律。本书关于智慧政务信息生态协同演化机制的研究主要从3个方面展开：一是智慧政务信息生态各个构成部分的结构分析。这是机制研究的前提，只有在开展信息生态元素结构分析的基础上，才能协调智慧政务各组成部分之间的关系。二是开展协调智慧政务各个部分之间关系的研究。智慧政务信息生态协同演化机制以一定的运作方式，把事物的各个部分联系起来，使它们协调运行而发挥作用。三是开展智慧政务信息生态演化的策略研究。策略是根据形势发展制定的行动方针和工作方法，在研究清楚智慧政务构成元素和运行机制的基础上，将运用系统仿真分析、情景分析的方法，对可能实施的策略进行仿真分析，从而提出科学合理的政策措施与建议。