研究员：重大公共危机事件背景下爆发式政策扩散研究

“刊载于《电子政务》2021年第1期”。

引用参考文献格式：

王法硕，张桓朋. 重大公共危机事件背景下爆发式政策扩散研究——基于健康码省际扩散的事件史分析[J]. 电子政务，2021(01): 21-31.

摘　要：在新冠疫情防控过程中，健康码在极短时间内完成了中国内地31个省级行政区的政策采纳，呈现出爆发式政策扩散特征。以健康码省际扩散为例，运用事件史分析（EHA）方法，从政府能力、府际关系、经济社会环境、疫情防控等维度建立分析框架和提出假设，探究重大公共危机事件背景下爆发式政策扩散的影响因素。研究表明，网上政务服务能力、政府数据管理机构设置、城市化率、人口流动性和每十万人确诊数等因素正向促进省级政府健康码政策采纳。研究丰富和拓展了中国背景下的政策扩散研究成果，对于解释重大公共危机事件引发的爆发式政策扩散形成机理有一定理论贡献。

关键词：政策扩散；健康码；公共危机；新冠疫情

DOI：10.16582/j.cnki.dzzw.2021.01.003

一、引言

新冠疫情是检验政府应对突发重大公共卫生事件能力的一次大考。疫情防控早期阶段信息技术的应用不够充分，被寄予厚望的各类智慧城市信息系统没有及时发挥自身优势助力疫情防控工作。全国各地普遍出现了人工填表、反复申报的现象，不仅降低了疫情防控效能，还给民众和基层干部带来了不少负担。在此背景下，健康码这一疫情防控数字化工具应运而生。2020年2月7日杭州市余杭区在全国率先推出健康码。2月14日福建省推出全国首个省级健康码。随着健康码在全国各地的迅速推广，跨行政区域的健康码互认成为有序推进复工复产过程中的一项重要工作。截至2020年3月25日，中国内地31个省级行政区全部上线省级健康码系统。从上线至今，健康码广泛应用于各地交通出行、返岗复工、商务楼宇、进出小区等应用场景，有效解决了疫情防控识别难、准入难的问题。

健康码的出现和应用是我国在应对突发重大公共卫生事件中探索数字抗疫的一项重要创新，不仅在疫情防控和复工复产中发挥了重要作用，也吸引了学界的关注。在短短半年多时间内，国内学界围绕健康码这一主题从法学、政治学、管理学等不同学科视角展开了讨论。学者认为健康码是应急管理中成功突破传统路径依赖的敏捷创新[1]，应用过程体现出能力主导、需求主导与任务主导三种不同实施路径[2]，其成功的关键在于地方政府、基层组织和各类企业共同构成了数字治理生态系统。[3]在肯定健康码积极作用的同时，学者们也分析了其可能带来的个人信息泄露风险[4，5]及其背后蕴含的数字化社会治理挑战[6]。

已有研究对理解健康码这一疫情防控数字化治理创新具有启发价值，但从研究进路来看，现有成果缺少与相关理论和研究范式的深度对话，多数研究局限在应然层面讨论健康码的功能、价值与限度，运用实证数据进行深入分析的成果不多。在研究视角的选取上，法学、公共管理学、信息科学的研究较多，从公共政策视角切入的研究还未出现。事实上，健康码这一疫情防控工具在极短的时间内从浙江杭州首创到全国普遍使用是一个创新政策扩散过程。国内外涉及政策扩散的研究已经相当丰富，但已有研究并未讨论重大公共危机事件中的政策扩散问题。在此次新冠疫情防控过程中，健康码这一始创于杭州的疫情防控创新政策在短短41天就完成了全国省级行政区的扩散。学界将在较短时间内完成一定区域内政策扩散的现象称为爆发式政策扩散[7]。但已有研究缺少对爆发式政策扩散机制的深入挖掘和实证分析。健康码政策在全国省级行政区的扩散成为研究重大公共危机事件背景下爆发式政策扩散的难得样本。值得关注的理论问题是：作为爆发式政策扩散的健康码省际扩散受到哪些因素影响？爆发式政策扩散的政策采纳机制和规律是什么？与其他政策扩散有哪些差异？为了回答上述问题，本文结合相关理论及重大公共危机事件特征提出研究分析框架和研究假设，运用事件史分析（EHA）方法从政府能力、府际关系、社会经济环境、疫情防控等维度考察健康码政策在31个省级行政区扩散的影响因素，尝试对突发公共危机事件引发的爆发式政策扩散机制进行初步解释，旨在对中国背景下政策扩散研究作出补充和边际贡献。

二、国内外政策扩散研究回顾

近几十年来，政策扩散成为西方公共管理与公共政策学界的前沿研究课题。早期研究将政策扩散定义为一项新政策通过一段时间，经由一定的渠道，在一个社会系统的成员之间交流和传播的过程[8]。当前，政策扩散被宽泛地理解为一个政府选择采纳某个政策时受到了其他政府选择的影响[9]。许多学者都曾尝试对政策扩散过程和特征进行描述和模型化。从时间维度看，大多数研究倾向认为政策扩散的过程是渐进的、符合正态分布的S型曲线，但也有研究发现有些政策扩散过程呈现比较陡峭的S曲线、R曲线、反R曲线或阶梯模式[10]。从空间维度看，政策扩散表现为“邻近效应”和“领导者-追随者”的层级效应[11]。西方学者进一步将政策扩散过程归纳为全国互动模式[12]、区域传播模式[13]、领导-跟进模式[14，15]和垂直影响模式[16]。国内学者王浦劬、赖先进将中国政策扩散总结为自上而下的层级扩散模式、自下而上的政策采纳和推广模式、区域和部门之间的扩散模式以及政策先进地区向政策跟进地区的扩散模式[17]。杨正喜则将中国政策创新扩散模式归纳为扩张式、传染式、官僚层级式以及波浪式。[18]使用量化研究方法识别政策扩散的影响因素与机制是政策扩散研究的重点关注议题。国内外学者均认为，学习、模仿、社会化、竞争、压力和强制是政策扩散的主要机制[19，20]。从具体研究技术看，不同于早期的横截面研究[14]，事件史分析方法在政策扩散研究中的应用日趋广泛[21]，已经成为当前国内外政策扩散研究中最为基础和重要的研究方法。

政策扩散研究经过几十年的学术积累在西方学界已经形成了较为成熟的研究框架、方法和范式。国内研究虽然起步较晚，但近年来在积极引荐西方研究成果和方法[10，22]的同时，以智慧城市、行政审批、决策咨询、专利资助等创新政策为例，对我国政策扩散机制开展了实证研究。随着研究的深入，学者认识到，中西方政策扩散逻辑存在较大差异[23]。中国特色政治制度安排会形成区别于西方的政策扩散模式[24]，上级压力、领导个人特征、是否纳入试点等因素在政策扩散中作用明显[25]。此外，不同类型的政策在扩散速度、范围和影响因素上存在差异，研究中应将政策属性纳入考量[26]，如社会政策与经济政策扩散机制就存在显著差异[27]。

国内外学界围绕政策扩散机制与影响因素已经展开了较为全面的讨论与学术对话，但尚存在两个方面研究差距：第一，对于爆发式政策扩散现象关注不多。政策扩散主流研究大多认为政策扩散过程与渐进主义具有逻辑一致性[16]。在扩散时间上，一项政策从最初采纳到在一定区域内完成扩散要经历一个较为漫长的过程，并呈现S型曲线的扩散形态。如国内学者发现，政府信息公开制度和政府购买服务政策历经长达十年的时间才完成在全国省级政府的扩散[28，29]。Boushey在学界最早发现了“陡峭S型、R型和阶梯型”等多种非渐进政策扩散曲线形态，他使用政策爆发（policy outbreaks）的概念来描述扩散曲线呈现指数式快速增长的政策扩散过程，以此构建了美国政策扩散动力机制分析框架。[15]爆发式政策扩散描述了一项创新政策短时期内在潜在采纳对象中的大规模扩散过程，其政策扩散曲线呈指数式的R型。杨志、魏姝是国内最早关注并研究爆发式政策扩散现象的学者，他们通过对特色小镇政策的省际扩散过程和25个案例的定性比较分析提炼了爆发式政策扩散的内在逻辑和生成机理[7，30]，遗憾的是并未识别政策采纳与否的影响因素。第二，已有政策扩散影响因素的研究对于重大公共危机事件这一政策情境因素关注不多。朱旭峰从主体、客体、媒体与背景等四个方面建构了影响创新政策扩散的动力框架，并将影响政策创新扩散的背景分为全球背景、国家背景和辖区背景。[10]本文认为，除了上述地域背景因素外，政策扩散还受到具体的政策情境因素影响。如重大公共危机事件这一情境因素会深刻影响政府决策和行动过程。与以往相比，公共危机事件发生后各地政府可能会在极短时间内迅速采纳来自其他地区的创新政策和有效措施以应对危机，进而出现爆发式政策扩散现象。然而，公共危机事件这一政策情境因素如何影响政策采纳在以往研究中缺少讨论。

三、分析框架与研究假设

为了解释健康码省际扩散的影响因素，结合新冠疫情防控这一重大公共危机事件的特点，从政府能力、府际关系、经济社会环境与疫情防控等四个维度建构分析框架并提出研究假设。

（一）政府能力维度

政府能力反映了政府在疫情防控中运用信息技术工具进行数字抗疫的水平，具体包括网上政务服务能力、组织能力与领导能力三方面因素。

健康码作为移动互联网和大数据时代的创新实践，通过采集共享多方面数据与互通互认大大提高了疫情防控效率，为复工复产按下“快捷键”。健康码的应用彰显了近年来我国数字政府建设的成效，成为数字抗疫的典范。杭州市能够率先推出健康码，离不开其较好的网上政务服务能力基础。基于定性比较分析的研究认为，政府网上政务服务能力越强，采纳健康码的积极性越高[2]。健康码虽然只是一个二维码，却包含了丰富的数据信息。除包括必要的个人基本信息外，背后还关联着相关部门的权威数据，这些数据经后台比对和综合判断后形成“风险提示”，通过赋码为公众提供本人防疫健康信息相关查询服务。因此，实现多元数据共享是健康码有效应用的关键。

然而，数据共享难是长期以来制约我国电子政务和数字政府发展的瓶颈问题。近年来，为了有效协调政府数据信息共享，我国不少地区尝试政府组织机构调整，建立了政府大数据管理局、大数据中心等政府数据管理部门。这些部门一般作为牵头单位负责各地健康码系统的开发、应用和维护。针对杭州健康码的案例研究认为，组织能力在健康码走向成熟和扩散的过程中发挥着关键作用，其中最明显的体现就是浙江省建立了覆盖省市区三级的数据资源管理局[3]。在中国，领导因素对于公共决策和政府行为方式发挥重要作用。各级政府主要领导作为此次疫情防控的指挥官深入一线、靠前指挥、亲力亲为，对打赢疫情防控阻击战发挥了重要作用。研究认为，领导的年龄[31]与受教育程度[32]与创新政策采纳紧密相关。年轻的领导更具冒险精神，也更倾向于接受新事物。受教育水平高的领导更倾向于使用具有较高技术含量的创新性政策工具解决现实问题。对于我国政府领导干部来说，很多领导干部是在工作期间通过不断在职学习获取更高的学历。研究表明，不断接受教育能够强化受教育者对新想法的接受倾向[33]。基于上述分析，本文提出以下假设：

H1：省级政府网上政务服务能力与其采纳健康码政策的概率正相关。

H2：省级政府是否建立了大数据局等数据管理机构与其采纳健康码政策的概率正相关。

H3：省级政府主要领导年龄与其采纳健康码政策的概率负相关。

H4：省级政府主要领导学历与其采纳健康码政策的概率正相关。

（二）府际关系维度

府际关系指政府间关系，包括纵向的中央地方关系、地方各级政府关系，以及横向的各地区、各部门间关系。政策扩散研究中一般考察上下级政府之间的纵向压力和同级政府之间的横向压力对政策采纳带来的影响[34]。

从纵向府际关系看，上级政府的意图和行为会对下级政府政策采纳构成影响。国外研究认为,上级政府会通过强制或激励手段推动下级政府采纳某项政策[35]。在我国，中央政府自上而下的权威动员和行政指令会对地方政府行为选择产生重要影响[36]。与联邦制相比，单一制国家的上级政府对下级政府的影响更强、更深，在政府创新和电子政务方面也表现得更为明显[37]。为了能够促进新政策在全国范围内迅速推广，中央政策往往会通过下发各类红头文件的方式来表达意志[24]。在中央政府没有表态之前，地方政府虽然可以自主开展创新政策尝试，但面临被中央叫停的风险，而当中央通过颁布鼓励性政策或对某项地方创新政策表示肯定之后，便赋予了这一政策的合法性，同时增加了地方政府采纳新政策的可能。比如，上级政府支持性的政府文件或领导讲话会推动城市采用公共自行车计划[38]。国务院疫情联防联控工作机制是为应对新冠疫情而启动的中央政府层面的多部委协调工作机制平台。联防联控工作机制通过下发文件、领导讲话和召开新闻发布会等形式表达对疫情防控中应用健康码的肯定和支持会向地方政府发出明确的政策信号，消除了能否在疫情防控中大胆使用信息技术的疑惑，加速省级政府在疫情防控中应用健康码的进程。

从横向府际关系看，政策扩散中不同辖区的政府管理者会受到区域内或全国范围内其他政策主体行为的影响，进而产生学习、模仿与竞争等扩散机制[19]。国外研究发现，周围或相邻地区采纳某项政策的数量与某地区政府采纳该政策的概率正相关[39]。在晋升锦标赛体制支配下，我国地方政府特别是地理位置临近的政府之间也会通过采纳创新政策开展彼此竞争与学习。[40]健康码作为一种疫情防控创新工具，可以有效解决跨省人员流动中的疫情防控问题。如果在疫情防控中通过查验健康码的方式阻断传播在周边很多地区实施的话，那么尚未采用的地区就会面临强大的舆论压力。因此，对于某一省份而言，邻近省份采纳健康码政策会加速本省将应用健康码提上议事日程的进度。基于上述分析，本文提出以下假设：

H5：中央政府对于健康码的认可与省级政府采纳健康码政策的概率正相关。

H6：地理位置临近省份采纳健康码政策的比例与省级政府采纳健康码政策概率正相关。

（三）经济社会环境维度

经济社会环境反映了采纳某项创新政策的政府所处的宏观背景，本研究中经济社会环境维度包括地方经济发展、辖区人口与社会信息化水平三方面因素。

已有政策扩散研究认为，政府采纳创新政策受到当地经济发展水平影响。沃克尔在对美国48个州政府88个政策项目采纳进行分析的基础上，得出资源越丰富、经济越发达、城市化和工业化水平越高的州政府越倾向于政策创新[14]。对电子政府的研究发现，政策创新活动在经济发展水平高的城市更为活跃[41]。除了经济因素，国内外政策扩散研究普遍认为，辖区人口与创新政策的采纳相关[19，42-43]。对于人口越多的地区，一方面政府面临的公共服务需求越大，另一方面公共管理过程中面临的复杂性问题也越多，因此政府更倾向于采纳创新政策解决现实问题、回应民众需求。对于疫情防控来说，经济发展和城市化水平高、辖区人口数量较多的地区经济活跃度高、交通路网密集、人员流动频繁，这类地区的社会治理难度大、疫情传播的可能性和防控压力较高。若在复工复产过程中依旧沿用传统手工填表、层层审批的方式会极大影响工作的效率。因此，此类地区要做到有序复工复产和做好疫情防控两不误，亟需及时应用疫情防控的创新手段和工具。此外，健康码是一项应用新一代信息技术的政府治理创新工具，需要搭载在智能手机上才能使用和查验。近期，一些老年人由于没有智能手机无法出示健康码，导致其出行就医遭遇诸多不便的新闻经常见诸媒体[44]。因此，一个地区健康码政策的普遍推行和广泛使用与当地社会信息化基础特别是手机普及率紧密相关。基于上述分析，本文提出以下假设：

H7：人均GDP与省级政府采纳健康码政策的概率正相关。

H8：城市化率与省级政府采纳健康码政策的概率正相关。

H9：辖区人口数量与省级政府采纳健康码政策的概率正相关。

H10：手机普及率与省级政府采纳健康码政策的概率正相关。

（四）疫情防控维度 

疫情防控维度反映了某地区疫情的严重性和阻断疫情传播的难度。本研究中疫情防控维度包括确诊人数和人口流动性两个因素。

地方政府采纳某项新政策是因为他们意识到问题的严重程度，并且迫切需要尝试新方案或采纳新政策来应对挑战。国外研究发现，地方政府在面临严重的财政危机时，会选择实施可替代财政资源的彩票发行政策，以此缓解公众对承担税收的担忧[21]。在教育政策领域，当辖区教育质量低于全国平均水平时，地方政府官员更有可能考虑实施一项教育政策改革项目[31]。在我国，解决现实问题的需要被认为是地方政府采纳创新政策的最主要驱动因素。针对中国政府创新奖的实证调查表明，“解决当时存在的问题”是被调查者认为创新的首要目的，且这些创新的启动多数与当地发生的危机事件有着直接联系。[45]根据《新型冠状病毒感染的肺炎诊疗方案（试行第六版）》，“经呼吸道飞沫和接触传播是主要的传播途径”以及“人群普遍易感”是此次疫情的显著特点，这导致地区人口流动对疫情防控难度构成直接影响。研究发现，人口流动因素对疫情空间扩散的影响具有显著性[46]。在新冠疫情防控中，某地疫情越严重、人口流动性越强则疫情传播的可能性越大、防控形势越严峻，这样的地区对有效的防控政策工具需求就越为迫切，也就越可能较早采纳健康码政策。基于上述分析，本文提出以下假设：

H11：本省确诊人数与省级政府采纳健康码政策的概率正相关。

H12：人口流动性与省级政府采纳健康码政策的概率正相关。

四、研究方法与数据

（一）研究方法

事件史分析作为事件时间变量的相关分析技术，自1990年Berry夫妇将其引入政策科学领域后，在政策创新扩散研究中得到了广泛应用。本研究以某一省份全面上线统一的省级健康码这一事件作为该省采纳健康码政策的发生标志，采用连续时间事件史分析，考察健康码政策省际扩散的影响因素。由于本研究中政策采纳这一因变量的测度是二分变量（取值为0和1），所以在使用事件史分析方法来检验自变量与因变量之间的关系时，通过最大似然估计为基础的二元Logit模型进行估计，进而考察各自变量对健康码省际扩散的贡献。事件史分析方法对包含纵向时间序列数据与横向截面数据的组合数据，可以依据时间序列数据的连续性分为两类：一类是离散时间的事件史分析，另一类是连续时间的事件史分析。由于一部分变量在扩散的时间区间内连续变化，本研究采用的是连续时间事件史分析，主要利用非参数模型（Kaplan-Meier曲线）和半参数Cox模型来分析政策扩散的影响因素。

（二）数据来源与测量

本研究因变量为政策采纳，在Logit回归模型中操作化为一个省在特定某一天采纳健康码政策的可能性。数据来源主要基于各省级人民政府办公厅、卫健委下发的有关省级健康码上线的通知。自变量包括四个维度共12个测量指标。数据主要来源于政府官网、统计年鉴、CSMAR新冠疫情与经济研究数据库以及《省级政府和重点城市网上政务服务能力调查评估报告》《数字政府发展报告》等。各变量的测量方法与数据来源参见表1。

表1　变量及测量方法

五、实证分析

（一）健康码省际扩散特征：基于累积采纳的Kaplan-Meier估计

政策采纳和扩散是典型的右删失连续时间数据，即时间数据在我们观察时间（2020年2月11日到样本省份上线健康码日期）的右侧被截断，因此我们首先采用适用于该数据类型的Kaplan-Meier方法对健康码省际扩散风险函数进行估计。在Kaplan-Meier方法中，生存函数S(t)指个体存活时间超过t时期的可能性。将该方法运用于政策采纳事件，即在某一时间点，政策未被采纳即为“存活”，政策被采纳即为“死亡”。令健康码政策在对应省级政府未被全面采纳状态的时间为t，则生存函数S(t)为政策在超过t时间仍未被采纳的可能性，那么，健康码政策的累计扩散率即为1-S(t)。

我们将收集的数据进行了估计（参见图1）。2月7日杭州市余杭区在全国率先上线健康码，2月14日福建成为首个上线健康码的省级行政区，3月25日西藏自治区上线健康码，至此健康码政策完成省际扩散，其扩散特征为典型的R型曲线，这与以往S型渐进式政策扩散形态具有显著差异。可见，在重大公共事件背景下的健康码政策扩散呈现一种短期内采纳数量迅速拉升的爆发式扩散曲线形态。

图1　健康码累积采纳的Kaplan-Meier估计

（二）健康码省际扩散的Cox比例风险回归分析

Cox比例风险回归是事件史分析中一种常用的用于连续时间数据的半参数模型。本文采用SPSS和R软件进行回归分析。在进行Cox回归之前，我们对变量进行了描述性统计和共线性诊断（参见表2），结果表明各自变量的方差膨胀因子均小于10，除人均GDP外均小于5，不存在共线性问题，适合进行Cox回归。

表2　变量描述性统计

在多变量Cox比例风险回归中，我们先将政府能力、府际关系、经济社会环境和疫情防控等四个维度因素分别放入模型一到模型四进行回归，然后将所有变量同时放入模型五进行回归。表3报告了Cox比例风险回归结果，包括似然函数值、卡方值、自由度和R方等反映模型拟合优度的指标以及各变量的估计值、显著性以及导致创新采纳发生的优势比（hazard ratio）。

表3　多因素Cox比例风险回归

注：***表示p<0.001，**表示p<0.01，*表示p<0.05，双尾检验

在模型一中，网上政务服务能力和数据管理机构都对健康码采纳产生了显著影响。省级政府的网上政务服务能力每上升一个单位，健康码采纳的可能性增加17%，相较于未设置省级数据管理机构的省份而言，设立了数据管理机构的省份对健康码采纳的可能性高出123.6%，假设1、2得到验证。领导年龄和学历对健康码采纳的影响并不显著，假设3、4未得到验证。在模型二中，府际关系因素与健康码政策采纳呈现显著负向关系。纵向压力每升高一个单位，也就是每一个与健康码相关的指导政策发布，都会让采纳的可能性降低到原有的0.9%；而横向压力每上升一个单位，也就是周边政府从未采纳健康码创新到全部采纳，地方政府健康码采纳的可能性降低至原有的12.6%。假设5、6未得到验证。在模型三中，只有城市化率与健康码政策采纳呈现显著正向关系，城市化率每上升一个单位，采纳可能性增加4.3%，假设8得到验证，但人均GDP、辖区人口和手机普及率对健康码采纳的影响都不显著，假设7、9、10未得到验证。模型四中人口流动性和每十万人确诊数这两个疫情防控相关因素对健康码的政策采纳都具有显著影响。各省的人口流动性指标和每十万人确诊数每上升一个单位，健康码采纳的可能性分别增加29.6%和1.7%，假设11、12得到验证。在模型五中，数据管理机构、网上政务服务能力、纵向压力、横向压力、人口流动性等变量都通过了检验，说明上述变量的稳健性较好。城市化率与每十万人确诊数未能通过模型检验，说明其在控制各类因素的前提下对政策采纳的解释力较弱。

六、结论与讨论

以健康码政策省际扩散为例，对重大公共危机事件背景下爆发式政策扩散的影响因素进行了探索性研究。基于政策扩散相关研究和疫情防控特征，建构了分析框架和研究假设，运用事件史分析法检验健康码政策省际扩散模型。Kaplan-Meier估计表明，不同于渐进式政策扩散的S型曲线扩散形态，健康码省际扩散呈现符合爆发式政策扩散特点的R型曲线形态。运用Cox比例风险模型分析各自变量对健康码政策采纳的影响发现，网上政务服务能力、设置数据管理机构、城市化率、人口流动性和每十万人确诊数对健康码扩散起到显著正向作用，横向和纵向压力均负向影响健康码扩散。研究发现有助于理解突发公共危机事件中爆发式政策扩散的形成机理，对丰富和拓展经典政策扩散理论具有一定理论贡献。

首先，设置数据管理机构与网上政务服务能力正向影响健康码政策采纳，而领导人年龄、学历因素与政策采纳没有显著关系。国内政策扩散研究大多认为政府主要领导在创新过程中通常扮演政策企业家的角色，他们能够直接影响政策采纳。但研究发现，健康码这一疫情防控技术工具的应用更多受到省级政府网上政务服务能力和是否建立了数据管理机构等政府组织因素而不是个人因素的影响，原因在于建立专业的数据管理机构有利于相关数据资源的整合利用，具备较强的网上政务服务能力是运用大数据、移动互联网等新一代信息技术创新疫情防控措施的重要能力基础。研究结果揭示，当前政府数字化转型较为充分的地区在运用信息技术创新公共危机应对方式中更多是顺势而为，而不是取决于领导个人意志。

其次，发现人口流动性和确诊人数等疫情防控因素是影响省级政府采纳健康码政策的关键因素。结果同时表明，每十万人确诊数这一变量在控制了全体因素后显著性减弱。原因可能是健康码政策主要解决的是人员流动带来的健康风险，确诊人数更多表明辖区的疫情严重程度，与人员流动的健康风险之间并没有非常直接的关系。研究证实了重大公共危机情境因素对政策扩散的显著影响。与传统渐进式政策扩散不同，作为爆发式政策扩散典型代表的健康码省际扩散能够在短短41天内实现全国省级行政区的政策采纳受到新冠疫情这一前所未有的突发重大公共卫生事件的深刻影响。这一研究发现对进一步深入研究公共危机事件引发的爆发式政策扩散形成机理具有重要启示作用。

第三，研究结果表明府际关系因素与健康码政策扩散负相关。这与以往渐进式政策扩散研究中强调纵向与横向压力在政策扩散中的积极作用存在较大差异。可能的解释是由于爆发式政策扩散自身特点决定的。纵向压力与横向压力两个变量具有与时间的强相关性及压力传导的滞后性。在其他政策扩散案例中，从少数地区采纳政策到中央对创新政策发出认可性信号再到多数地区采纳政策要经历几年甚至更长的时间，即一般呈现“初期缓慢增长→中期快速提升→后期渐缓趋平”的渐进式S型扩散形态。扩散快速增长的时期往往是在上级政府释放政策信号或实施政策试点之后，能够明显观察到纵向与横向压力对政策扩散的作用。但由于样本采用的是同一个扩散起点的31个省级行政区的面板数据，大量的采纳样本出现在前中期的低压力环境下，而后期来自纵向与横向的压力升高后未采纳的省份数已经较少。这一结果同时说明府际关系因素对解释爆发式政策扩散可能存在局限性。 

当然，本文依旧存在一些不足。首先，无法涵盖所有影响健康码扩散的变量。作为一项公共危机事件引发的公共服务创新，还有一些因素（如企业复工复产情况、社会舆论）可能影响政策的采纳。由于数据获取的原因，本文的模型没有将这些因素考虑在内。其次，只研究了省级政府健康码的政策采纳。健康码政策在地级市层面也存在扩散进程，健康码在地级市的扩散机理与省际扩散可能存在的异同需要未来进一步研究。最后，本文研究的健康码政策扩散属于重大公共危机事件引发的爆发式政策扩散。现实中爆发式政策扩散不都是公共危机事件引发的，未来需要进一步探索各类爆发式政策扩散的影响因素与机制，检验和修正本文研究结论。

参考文献：

（略）

作者简介：

王法硕（1984—），男，华东师范大学公共管理学院副教授。

张桓朋（1996—），男，华东师范大学公共管理学院硕士研究生。

基金项目：上海市哲学社会科学规划一般项目“‘互联网+政务服务’实践中地方政府创新阻滞与应对研究”（项目号：2018BGL001）。