一.   问题的提出

2020年，突如其来的新型冠状病毒肺炎(Corona Virus Disease 2019, 简称COVID-19)以其极高的传染率、极快的传播速度、特效药研发困难等属性，被世界卫生组织定义为“非常高”风险级别，且为国际关注的突发公共卫生事件。这一重大突发公共卫生事件不仅严重危害了人民群众的身体健康，还猛烈冲击了国家的公共卫生体系，使得正常的社会生产和生活秩序遭到了很大程度的破坏。为了降低疫情造成的负面影响，防止地区经济运转脱轨，2020年1月29日，国务院办公厅发布了《关于组织做好疫情防控重点物资生产企业复工复产和调度安排工作的紧急通知》^①，全国多省市随即响应。例如，2020年1月30日，四川省应对新冠炎疫情应急指挥部发布了《关于疫情防控重点物资生产企业复工复产和调度安排工作有关事项的公告》^②，成为第一批响应国家复工复产号召的省份之一。从全国各地的城市响应情况来看，短短两个月内，该政策就得到了全国多个城市的积极响应。但值得注意的是，全国多座城市虽然均采纳了该政策，但各城市间的政策响应速度却存在着较大差异。那么，在严苛的“疫情防控”要求和高度的“恢复经济”压力并存背景下，到底哪些影响因素影响了各地方主体对复工复产政策响应行为的先后次序？换言之，城市间的政策响应速度差异何以产生？

①   http://www.gov.cn/zhengce/content/2020-01/30/content_5473087.htm。

②   http://www.ce.cn/cysc/ztpd/2020zt/zc/zs/sc/202002/19/t20200219_34307326.shtml。

在应急状态下，如何减少危机影响、恢复经济秩序，成为我国各地方政府和学术界思考的重要命题^[1]。由此，复工复产政策一经提出便受到学术界的广泛关注，已发表的研究涉及哲学、管理学、法学、政治学等多个领域。基于公共政策视角，有学者认为中国共产党领导下的“新型举国体制”是我们得以快速推进复工复产政策的关键^[2]。还有学者围绕政策内容或以地方经济恢复结果为抓手开展研究，重点分析了“复工复产政策中政府和企业的角色定位”^[3]“复工复产政策的精准性及优化策略”^[4-5]“政策扩散特征与核心内容”^[6]等议题，厘清和挖掘了“地方治理思维与经济恢复结果的关系”^[7]和“决定地方企业复工复产率高低的原因”^[8]。此外，部分学者在研究中已经关注到了复工复产政策的“地域间非同步”现象，即存在地方政府政策响应的异质性^[9]和经济恢复的区域性差异^[7]，但此类探索多止步于现象描述和单维度因素的相关性验证上，极少有研究较为系统地分析造成政策响应差异的影响因素。事实上，从中央率先发布政策，到地方纷纷响应就是一个自上而下的层级政策扩散过程^[10]。政策响应本质上属于政策扩散的一种表现形式。从具体概念的解读看，政策扩散的概念源于西方，字面表达中多含有横向地理空间维度的复制和推广意涵。例如，罗杰斯(Rogers)认为政策扩散是指随着时间的流逝，一项政策创新活动在其他地方交流和传播的过程^[11]；多罗维茨(Dolowitz)等学者也认为政策扩散是基于空间维度上的公共政策转移^[12]。然而，在中国语境下，政策响应更侧重于表达在政策执行过程中上级指示精神的向下传递，学者们认为其与中央行政指导^[13]和高度控制的组织网络^[14]密切相关。因此，本文认为“政策响应”在本质上与“政策扩散”是相似的，只是在具体的语境表达上有所差异，结合复工复产政策的发布情境^①，本文采用“政策响应”作为文章的核心概念。

①   《突发公共卫生事件应急条例》明确规定了中央对全国突发事件应急处理的统一领导、统一指挥，省、自治区、直辖市人民政府成立地方突发事件应急处理指挥部，负责领导、指挥本行政区域内突发事件应急处理工作。

在现实中，危机情境中的政策响应现象并不鲜见。为了尽快减少较大规模的危机事件对地方造成的负面影响，中央政府往往率先发布指导性的政策文件，旨在为地方政府提供理论指引和行动参照。有别于以“鼓励地方创新”为主要目的的政策扩散文本，这类政策多带有“号召、倡议”的意图。相应地，地方政府采纳这类政策的行为也具有鲜明的响应特征。为此，在重大突发公共卫生事件中，研究城市政策响应速度差异不仅可以满足理解响应型政策扩散过程的需要，还极具实际现象的回应价值。

本文聚焦新冠肺炎疫情背景，采用Cox比例风险回归模型，以中国部分城市作为样本分析单位，将疫情防控期间材料较为丰富、内容比较权威的复工复产政策作为研究对象，开展挖掘政策扩散现象中关于政策响应速度动因的探索性研究。

二.   文献述评与研究假设

一   文献回顾与评析

既有关于政策响应影响因素的文献将研究对象重点集中在微观主体上，多研究农民群体^[15]、普通民众^[16]或者企业^[17]对于某一政策的接受意愿，对城市一类的中观层次主体政策响应情况关注较少。与地方政府政策响应相关的研究在研究内容上，又多聚焦于“政策响应与否”的差异而非“政策响应速度”的差异^[18]。因此，本文认为，为了更好地分析以自上而下层级政策扩散形式为表征的复工复产政策城市响应差异，还需从关于地方政策扩散和政策创新的研究入手。

1.关注政策扩散的时空分布特征

在政策扩散的时空分布上，许多学者对常规情境下的政策扩散特征进行探究，发现其主要表现为两种模式：一是渐进主义视域下的S型扩散模式^[19-20]；二是间断均衡理论视域下的陡峭S型、R型和阶梯型等非渐进主义的扩散模式^[21]，还有以政策爆发为典型特征的R型和反R型曲线^[22]。其实，政策扩散的时空分布特征，本质是各地方主体政策响应速度差异演化图谱的一种呈现方式，能够反映出政策响应速度快慢的地方主体数量。值得一提的是，在新冠肺炎疫情暴发后，有学者开始跳脱出常规情境，尝试研究重大公共危机事件背景下的政策扩散特点，如对健康码的省际扩散曲线进行解读，发现其呈现一种短期内采纳数量迅速拉升的爆发式特征，属于典型的R型曲线^[23]。还有学者在梳理446份复工复产政策的发布时间点后，认为危机情境中的政策扩散相较于常规情境下的政策扩散而言，虽然曲线类型相似，但影响程度明显更为激烈，一项公共政策从出台直至覆盖全国，可能只需要数月时间^[24]。由此可见，地方主体的政策响应速度变化与其所处的环境密切相关，不同情境下的政策响应速度特征大不一样，危机情境下推动政策响应时间急剧缩短的影响因素也有所区别。

2.聚焦政策扩散的影响因素及机制

部分学者致力于探索政策采纳的影响因素及机制，前者多基于内部和外部分析框架开展分散性因素验证研究，后者则以归纳政策采纳动机为主。在影响因素提炼方面，有学者基于中国地级食品安全监管机构改革进度的分析，发现央地关系是影响响应型政策扩散的关键分析维度^[25]。还有学者采取案例分析的方法，对中国棚户区改造政策的扩散过程进行分析，证实了政策属性对中国社会政策创新扩散的影响，认为发展型社会政策的特殊属性对该政策的扩散速度起到了积极影响作用^[26]。这些研究不仅证实了政策性质在政策扩散过程中扮演的重要角色，还从某种意义上说明，响应型政策扩散的核心影响因素与一般政策创新扩散有所不同。除了政策属性外，随着越来越多常态情境下的政策扩散现象得到学术界的关注，政策响应影响因素集合也日益丰富。在已被证实的内部影响因素中，有区域经济和城市化水平^[27]、城市政策需求^[28]、政治体制^[29]，以及政府能力^[30]、领导者特质^[31]、现实问题的严峻程度^[32]等；位于外部扩散模型中的影响因素则包括政策属性^[33]、横向和纵向府际关系^[34]、地方政府的竞争关系^[35]、社会舆论导向^[36]和所处社会氛围^[37]等。其中，区域经济和城市化水平、政府能力、问题的严重性，以及横向与纵向府际压力发挥的作用，均在危机情境中的政策扩散模型中得到了检验^[23]。在影响机制形成方面，自国外学者马什(Marsh)和沙曼(Sharman)提炼出学习、竞争、强制和模仿机制^[38]以来，这四类政策扩散机制不仅赢得了国外大多学者的认同，也成为了国内学者广泛引用的理论模型^[39-40]，用于验证其在中国情境下的适用性。

由此可以发现，不论是政策响应还是政策扩散研究，依然较多立足于常规情境。但是，危机情境下政策扩散的特殊性，决定了其政策响应速度差异的解释难以简单从常规政策扩散框架中提炼出来，而是需结合具体的政策扩散过程纳入不同因素，进而提出针对性强、解释力足的新理论维度以供实证分析。另外，“城市政策响应与一般情况下政策扩散特征、影响因素有何不同？”等未知研究空间的存在，也使得“危机情境中政策响应速度差异的影响因素”成为富有研究潜力的学术议题。

二   研究假设

政策响应既是一种地域间的政策扩散现象，又属于地方领导人的危机决策行为。本文试图从中观层面解读政策响应的影响因素及机制，因此，在模型选择上，既要兼顾微观层面理论模型中涉及的影响因素，又要关注宏观层面的理论架构。在既有文献所提供的理论基础上，本文结合危机情境的特点和城市特质，提炼并归纳四类与城市政策响应速度相关的影响路径。

1.组织-制度作用路径

组织-制度作用路径强调了在复杂府际关系网络中，科层组织与刚性制度对政策扩散的作用，具体包括纵向府际间的制度设计和横向水平间的竞争式合作。其中，一是在纵向府际关系上，自上而下的政策扩散被认为是最经典的模式，这种模式根本上产生于严密的多层级官僚组织中。一般而言，上级政府可以通过硬性的制度设计，强制下级政府采纳该政策，即凭借以高位推动为代表的政治压力，来强迫下级政府完成政策扩散过程。有学者以央地互动为视角，发现行政压力、经济激励和地方预算执行能力越强，中央政策自上而下扩散到地方的概率会显著增加^[41]。二是在横向政府间关系上，地方政府间的竞争、合作、学习、地理位置等关系都会直接影响政策扩散^[42]，对此，有学者通过对四川和天津两个城市的比较分析，认为地方政府有着争先式政策扩散思维，意味着他们不甘心做政策创新中的落后者^[43]，甚至衍生出相应的学习机制^[44]。复工复产作为在新冠肺炎疫情期间，党中央和国家大力倡导的政策工具，虽然在纵向上并没有直接对地方造成强制性的采纳压力，但省级政府复工复产通知的发出同样带有一定的政治影响力，势必会加速省内城市的政策响应进程。此外，由于复工复产政策的出台与当地的经济生产秩序恢复息息相关，受到横向上省内其他城市经济发展竞争压力的影响，许多城市也希望能借此尽快走出低迷的经济状态。基于上述分析，本文提出两个假设：

假设1a：纵向科层压力与城市政策响应速度呈正相关关系，即纵向科层压力越大，省内城市的政策响应速度也更快。

假设1b：横向区域压力与城市政策响应速度呈正相关关系，即横向区域压力越大，城市的政策响应速度越快。

2. 政策行动者作用路径

政策行动者作用路径偏向于解释能动者个体或团体在政策扩散中的作用逻辑。在这一逻辑下，西方部分研究从政策制定者的公共服务动机出发，认为决策者的政治动机往往是出于连任或获得更强的政治影响力，因此会倾向于去关注其他政府的行动，进而在政策学习机制效应的影响下，最终实现一项政策在国家或州际政府间的扩散^[45]。中国学者则认为政策扩散过程会受到行动者的认知、利益、互动的影响^[46]，还有学者提出“非渐进性政策扩散多是政府主要领导注意力变化的结果”，领导者注意力是政策响应的关键，这一观点在中国网络问政政策扩散的实证分析中得到检验^[47]。除决策者外，政策企业家也被西方学者认为在政策扩散中发挥着巨大的作用，一些利益集团利用自身强大的社会影响力，足以改变政府间学习的压力阀效应，还能同时强化政策响应的滚雪球效应^[48]。同样，在中国干部流动制度设计上，具有政策企业家精神的地方领导有利于打破原有利益格局，在较强政治激励的作用下倾向于将“好”的政策复制到新的辖区^[49]。这些聚焦政治变量对政策响应的研究，充分考虑到了执政者或政策企业家在实践中的心理动机和社会网络关系，提炼出含政治影响力需要、注意力分配和政策企业家精神在内的微观影响因素。聚焦本文的研究情境，突如其来的新冠肺炎疫情不仅挑战了国家防疫体系，也是对地方领导和主要负责人城市治理能力的考验，对其危机决策能力提出了更高的要求。有研究认为，领导的年龄^[50]、受教育程度^[51]与政策响应紧密相关。具体而言，年轻的领导更具有冒险精神，政治影响力诉求高且在政策响应上的担忧和顾虑较少，注意力分配多向效益而非风险上倾斜；受教育程度高的领导则更具有政策企业家精神，能够更为快速地接纳并推广新政策。此外，还有记者指出，新冠肺炎疫情期间国内部分地区出现了“问责泛化”现象，使得不少地方领导产生了避责心理，从而在一定程度上压抑了他们主动决策和作为的积极性^[52]。基于上述分析，本文提出三个假设：

假设2a：领导学历与城市政策响应速度呈正相关关系，即城市政府主要领导的受教育程度越高，城市的政策响应速度越快。

假设2b：领导年龄与城市政策响应速度呈负相关关系，即城市政府主要领导年龄越大，城市的政策响应速度会更慢。

假设2c：地方问责力度与城市政策响应速度呈负相关关系，即地方问责力度越大，城市的政策响应速度越慢。

3. 政策适配属性作用路径

政策适配属性作用路径认为，不同政策在扩散特征上具有明显的差别，不能忽略政策属性的特殊性在地方采纳中发挥的作用，有些政策的属性与地方特质“天生”相契合。那么，是否存在一些政策天生就比某些政策扩散难度小？这一问题的答案显然是肯定的，不同政策在推广成本、政治收益、技术条件等属性上有着天然的差异，这决定了不可能任何政策都表现出同样的扩散特征和具有普适性的扩散机制。目前，有一些研究已经关注到政策的某些属性，如政策的议题显著性、可操作性、复杂性以及相对优势等对政策响应的作用^[53-54]，认为在扩散动力学理论下，决策者会根据议题的显著性、重要性和问题的复杂性进行差异化的注意力分配，而这种非均衡化的政策行动导致政策扩散的速度比预期更快，普遍规律的打破也意味着渐进性政策扩散过程的改变^[21]。在一项对中国公共自行车扩散的研究中，学者认为府际关系和政策工具固然对政策扩散产生了极大的影响，但在扩散动因探索上，还应讨论公共自行车本身在不同城市的受欢迎程度，以及城市道路、天气、交通状况等因素^[30]。由此可见，政策属性与地方所处环境的适配性是地方主体政策响应的重要考量指标，围绕“政策是否适合在当地实施并进行推广？”这一问题的答案也决定了政策响应速度的快慢。复工复产政策是一个能够快速满足区域经济秩序恢复和生产力提升的政策工具。在疫情期间发达地区经济运转负荷加剧的背景下，有研究认为复工复产政策在经济发展水平较高的地区易于被采纳，因为此类区域大多对经济发展水平的要求较高，使得企业和民众对复工复产的需求和呼声也更为强烈^[24]。同样，因为受疫情影响的企业数量更多的城市，不仅地区生产链受损程度更加严重，面临的企业员工失业形势也更为严峻，亟需启用复工复产政策有序修复企业的生产力，进而恢复城市原有活力，本文认为，城市工业企业拥有量也与政策响应速度密切相关。基于上述分析，本文提出两个假设：

假设3a：城市人均GDP与城市政策响应速度呈正相关关系，即经济更为发达的城市，其政策响应速度会更快。

假设3b：城市工业企业数量与城市政策响应速度呈正相关关系，即城市的工业企业拥有量越多，城市的政策响应速度越快。

4.问题-能力作用路径

问题-能力作用路径指的是地方主体所面临的问题严峻程度及解决该问题的能力和治理水平。该路径其实并非在大多数政策扩散现象中均能得到证实，在既有研究中，大多政策都被认为是可供各地区予以采纳和进行推广的，其中，蕴含着“各地方主体均具备推广该政策能力”的假设预判，被分析的政策普遍具有没有衍生负面风险的可能性，对政策响应主体的基础能力要求不高。在许多研究中，学者们多将问题-能力路径并入政策行动者的作用路径中一并分析，认为政策响应主体在衡量是否应该采纳相关政策时，自然会结合地方所面临问题的严峻程度，在对自身解决问题的能力进行判断后，基于“效益-成本”的考量做出抉择。然而，有学者在分析危机情境中政策响应影响因素时发现，在重大突发公共卫生事件背景下，随着问题严峻程度的升级，政府主体的事件应对和问题解决能力显得尤为重要^[23]。此时，地方主体所面临的问题复杂性已经远远超出了政府现有的能力范围。因此，在特定情境中，问题的严峻程度和治理主体能力间的平衡，成为了影响城市政策响应快慢的重要因素。例如，在新冠肺炎疫情这一国际关注的突发卫生公共事件面前，地方疫情的严峻程度和政府的联防联控能力，显然成为了决定地方政策走向的重要衡量指标。另外，复工复产政策号召本身也蕴含着一个价值前提，即在落实好疫情防控要求的基础上，有序复工复产。一旦出台复工复产政策，不可避免会扩大人员流动和接触范围，无疑增加了病毒传播的风险，符合危机政策特质，因此，地区的疫情严重程度和城市病患治愈能力成为了在危机情境中极具研究价值的影响因素。基于上述分析，本文提出两个假设：

假设4a：地区疫情严重程度与城市政策响应速度呈负相关关系，即疫情形势更严峻的城市，其政策响应速度会较慢。

假设4b：病患治愈能力与城市政策响应速度呈正相关关系，即病患治愈能力更强的城市，其政策响应速度更快。

三.   研究设计

一   研究方法

事件史分析作为在政策扩散和响应研究中被广泛引用的分析技术，主要用于分析包含纵向时间序列和横向界面数据的组合数据^[55]。相对于传统的OLS模型，该方法能抵消自变量随时间变化对因变量产生的影响，因而受到众多政策扩散影响因素研究者的青睐^[56]。本文以城市正式发布复工复产政策为该城市政策响应行为发生的标志，由于模型中的部分自变量在政策响应的时间段内发生了连续变化，因此，采用连续时间事件史分析的方法，设置二分变量(取值为0和1)衡量政策响应结果，通过二元Logit模型进行估计，利用半参数Cox模型，分析城市复工复产政策响应的影响因素。

二   变量测量与数据来源

由于我国复工复产政策发文来源多样、涉及领域广泛，内容包括金融支持、信息系统建设和企业生产要求等。为了提高研究的精准性，本文以全国范围内的复工复产政策出台速度为研究对象，建立了统一的复工复产政策文本收集标准。

一方面，明确目标政策范围及发布时间点，在中央复工复产政策信号释放文本的选取上，选择国务院办公厅最早发布的《关于组织做好疫情防控重点物资生产企业复工复产和调度安排工作的紧急通知》作为中央提出复工复产政策号召的标志，认为它是自新冠肺炎疫情暴发以来，掀起全国复工复产大潮的起点。同时，考虑到不同地区具有区域特殊性，城市间对不同领域复工复产的关注度和迫切度均有所区别，导致各城市复工复产政策信号可能萌芽于不同治理和服务领域，本文将城市出台的第一份与“复工复产”内容相关的政策文本，视为城市响应复工复产政策信号的标志。另一方面，尽可能保证地级市政策文本的完整性，采取三种途径进行资料收集：一是在“北大法宝”数据库中以“复工复产”为关键词进行搜索和筛选，共收集了118个城市的政策文本；二是在各省级政府网站和城市网站用相同的关键词进行检索，补充收集复工复产政策文本175份；三是以“复工复产”为主题词在百度搜索引擎中检索与城市出台复工复产政策相关的新闻报道，确定政策出台的确切时间，补充收集13个城市样本，总计306份。

对于其他待检测的条件变量数据，本文则借助人民网地方领导资料库^①、中央纪委国家监委网站^②、各省级纪委监委网站、《2020中国城市统计年鉴》^[57]、2019年全国各省人口普查数据、2019年部分城市国民经济和社会发展统计公报、国家卫生健康委员会官方网站的疫情通报等收集计算得来。在对数据进行筛选并删除缺失值后，共得到283个完整的地级市政策响应速度变量数据库，其中，各类变量及测量方法如表 1所示。

①    https://ldzl.people.com.cn/dfzlk/front/firstPage.htm。

②   https://www.ccdi.gov.cn/index_m.html。

表  1  政策响应研究的各类变量(单位)及测量路径

名称	测量方法	数据来源
因变量
政策响应速度	该城市在某一时间点是否响应了复工复产政策号召，发布了复工复产政策取值为1，未发布则取值为0	作者收集整理
自变量
组织-制度作用路径
纵向科层压力/天	城市所在省或相邻省份的省级政府政策出台时间与各城市政策响应时间点之间的时间差	从北大法宝、地方政府网站等途径收集整理数据
横向区域压力/个	在该城市采纳政策前，该城市所在省份已采纳政策的城市数量
政策行动者作用路径
城市领导学历	政策响应期间该城市市委书记(“一把手”)的最高学历，本科取值1，硕士取值2，博士及以上学历取值为3	人民网地方领导资料库、地方政府门户网站
城市领导年龄	政策响应期间该城市在任市委书记的年龄
地方问责力度	在该城市采纳政策前，城市中是否有因疫情防控不力，被纪委监委通报问责的官员，存在计为“1”，不存在计为“0”	中央纪委国家监委网站、各省级纪委监委网站
政策适配属性作用路径
城市人均GDP/万元	该城市2019年生产总值/2019年末该城市总人口数	《2020中国城市统计年鉴》、2019年部分城市国民经济和社会发展统计公报
工业企业数量/个	2019年城市工业企业数量
问题-能力作用路径
疫情严峻程度/‰	该城市政策响应前一天所在省份累计确诊人数报告/该省份人口总数×1 000	国家卫生健康委员会官方网站的疫情通报、2019年全国各省人口普查数据
病患治愈能力/‰	该城市政策响应前一天所在省份新增治愈病例数/该省份总人口数×1 000

下载: 导出CSV 

| 显示表格

1.因变量

本文研究的因变量为全国的地级市政府i在时间t响应复工复产政策号召的概率，在地级市政府i未响应该政策号召的时间点，这一变量被赋值为0；在地级市政府发布了复工复产政策的时间点，这一变量被赋值为1；在地级市政府i响应复工复产政策号召之后的时间中，由于不再具有发生该事件的概率而被剔除。需要说明的是，在首轮复工复产政策实施后，新冠肺炎疫情再次反弹，不少城市在控制住疫情反弹趋势后再次发出复工复产的政策号召，为了保证所测因变量由初次疫情暴发所引起，本文将因变量的选取时间范围控制在新冠肺炎疫情第一轮全面暴发直至得到初步控制的时期，即2020年1月23日(武汉“封城”)—2020年4月8日(武汉“解封”)。

2.自变量

(1) 组织-制度作用路径自变量。该变量大类由纵向科层压力和横向区域压力构成。前者采用省级政府政策出台时间点与样本城市政策响应时间点之间的差异天数测量，若某一城市出台复工复产政策的时间晚于其所在省份政策发布时间点1天，则该城市所受到的纵向压力值计为“1”，晚2天则计为“2”，以此类推。若城市政策发布时间早于所在省份的政策发布时间，则计为负数。因此，若城市的政策出台时间与省级政策出台时间差异天数数值越小，说明该城市所属省份政策出台越快，其受到的纵向科层压力也越大。后者则用在样本城市采纳政策前，其所在省域内其他已采纳政策城市的数量作为代表。二者的数据由“北大法宝”数据库、全国各省市地方网站和百度引擎中检索出的新闻报道得来。

(2) 政策行动者作用路径自变量。该变量大类由城市领导学历、城市领导年龄和地方被问责官员数量构成。其中，城市领导的学历和年龄的测量以城市市委书记(“一把手”)为研究对象，由人民网地方领导资料库检索而来，并对城市领导的学历重新赋值，即“本科”取值为1；“硕士”取值为2；“博士及以上学历”取值为3。地方被问责官员数量则通过中央纪委国家监委网站、各省级纪委监委网站检索，以城市在响应政策前因疫情防控不力被问责的地区官员通报衡量，存在被通报的官员计为“1”，否则计为“0”。

(3) 政策适配属性作用路径自变量。该变量大类由城市人均GDP和城市工业企业数量构成。考虑到新冠肺炎疫情较大规模暴发的时间为2020年初，所以该变量大类取值主要来源于《2020中国城市统计年鉴》和2019年部分城市国民经济与社会发展统计公报中的2019年末统计数据。

(4) 问题-能力作用路径自变量。该变量大类由城市面临问题的严峻性和城市解决该问题的能力构成。相关数据来源于国家卫生健康委员会官方网站的疫情通报，分别选择该城市所在省份于政策响应前一天的累计确诊人数和新增治愈病例人数报告，结合2019年全国各省人口普查数据计算结果予以代表。

四.   政策响应特征及其影响因素

一   复工复产政策的城市响应特征

本文为了清晰地呈现出复工复产政策的城市响应特点，采用Kaplan-Meier方法对政策响应风险函数进行估计。该方法中的生存函数S(t)反映的是某一个体随时间t推移，存活概率的变化情况。就复工复产政策的响应情形而言，政策得到城市响应，被视为“死亡(=1)”，观察结束；政策还未得到响应，被视为“存活(=0)”。t指的是在政策还未得到响应时间段内的任一时间点，所以S(t)表示政策在t时间点上，政策仍未得到城市响应的可能性。出于方便直观观察的考虑，本文选择1-减累积生存分析函数作为全国复工复产政策城市响应情况的观测指标(详见图 1)。

图  1  基于Kaplan-Meier估计的城市复工复产政策响应情况

资料来源：作者绘制。

下载: 全尺寸图片 幻灯片

从全国城市复工复产政策的响应情况来看，全国各城市的政策响应速度的确存在着一定的差距，呈现出节奏不一的政策响应格局。就整体特点而言，从2020年1月31日绵阳市、日照市发布政策以来，短短两个月内，复工复产政策就扩散至全国283个地级市中，呈现出政策响应城市个体数量“爆发式”增长的特点。就阶段性响应特点而言，可划分为“2020年1月31日—2020年2月19日”“2020年2月20日—2020年2月29日”“2020年3月1日—2020年3月27日”三个时期：一是快速增长期，在此期间响应复工复产政策的城市数量急剧上升至219个；二是增长放缓期，在此期间虽然政策响应的城市个数依旧在增加，但增加速度开始逐步放缓；三是平稳增长期，在此期间政策响应的城市个数以一种较低的速率稳步增长。由此可见，相较于S型的渐进式政策扩散形态，复工复产政策的城市响应呈现出典型的R型曲线特征，而与以往所研究的爆发式政策扩散特征相比，爆发式政策响应从开始至结束整体过程的用时更短，变化特点更为剧烈。

二   复工复产政策响应的Cox比例风险回归分析

本文采用SPSS24.0软件进行生存分析，得到描述性统计和共线性诊断(详见表 2)。结果表明，各条件变量的方差膨胀因子均小于5，各变量之间不存在共线性问题，适合进行Cox模型进行检验。

表  2  政策响应研究的各类变量描述性统计及结果分析

名称	样本量	最小值	最大值	均值	标准差	VIF
政策响应速度	283	2	58	15.639	9.534
纵向科层压力	283	-13	48	6.431	9.798	2.20
横向区域压力	283	0	20	5.819	4.565	1.76
城市领导学历	283	1	3	2.124	0.621	1.09
城市领导年龄	283	35	75	57.042	3.233	1.10
地方问责力度	283	0	1	0.360 4	0.481	1.09
城市人均GDP	283	0.55	20.349	6.283	3.591	1.78
工业企业数量	283	25	11 042	1 301.924	1 739.737	1.80
疫情严峻程度	283	0.000 85	1.148 78	0.038 43	0.178 66	4.60
病患治愈能力	283	0	0.845 4	0.019 87	0.091 05	3.88

下载: 导出CSV 

| 显示表格

本文先将组织-制度作用路径、政策行动者作用路径、政策适配属性作用、问题-能力作用路径所含变量分别代入模型一至模型四中，再将所有变量代入模型五中，得到的Cox比例风险回归结果(详见表 3)。

表  3  政策响应的Cox比例风险回归结果

名称	模型一			模型二			模型三			模型四			模型五
	系数(标准误)	优势比		系数(标准误)	优势比		系数(标准误)	优势比		系数(标准误)	优势比		系数(标准误)	优势比
纵向科层压力	-0.129*** (0.011)	0.879											-0.128*** (0.012)	0.880
横向区域压力	-0.038** (0.018)	0.962											-0.057*** (0.019)	0.945
城市领导学历(本科=1)				-0.033 (0.100)	0.967								0.300*** (0.109)	1.350
城市领导年龄				-0.029 (0.020)	0.972								-0.010 (0.022)	0.990
地方问责力度(有=1)				-0.527*** (0.133)	0.590								-0.255* (0.136)	0.775
城市人均GDP							-0.038* (0.022)	0.963					-0.059*** (0.023)	0.943
工业企业数量							0.000 1* (0.000 1)	1.000					-0.000 1 (0.000 2)	1.000
疫情严峻程度										-4.049*** (1.413)	0.017		-1.858 (1.217)	0.156
病患治愈能力										5.124** (2.098)	168.01		2.147 (1.898)	8.563
似然函数值	2 381.216			2 645.986			2 661.032			2 634.219			2 356.330
卡方	220.874***			18.208***			3.848*			38.06***			239.648***
自由度	2			3			2			2			9
样本量	283			283			283			283			283
注：双尾检验统计显著度；*** 表示p < 0.01, ** 表示p < 0.05, * 表示p < 0.1。

下载: 导出CSV 

| 显示表格

在模型一中，纵向科层压力与横向区域压力均对政策响应速度产生了显著影响，影响方向为负，说明在组织-制度作用路径中，纵向压力每升高一个单位，即每一个发布了复工复产政策的省份，都会使其省内城市政策响应可能性下降至原有的87.9%。当横向区域压力上升一个单位，即每增加一个响应速度更快的同省份其他城市或者相邻城市，该地方政府政策响应的可能性会下降至原有的96.2%，假设1a、1b未通过检验。

在模型二中，地方问责力度对政策响应速度产生了显著影响，且影响方向为负，领导学历和年龄则对结果变量的影响并不显著，说明在政策行动者作用路径中，相较于未出现因疫情防控不力被问责的官员的城市，已存在因疫情防控不力被问责的官员城市的政策响应可能性低至原有的59%，假设2b未通过检验，假设2c得到验证。

在模型三中，城市人均GDP和城市工业企业数量均对政策响应速度产生了显著影响，前者影响方向为负，后者影响方向为正，说明在政策适配属性作用路径中，地方人均生产总值每增加一个单位，政策响应的可能性会下降至原有的96.3%，假设3a未通过检验；相反，城市工业企业拥有量的上升，其政策响应可能性会增加，假设3b得到验证。

在模型四中，疫情严峻程度和病患治愈能力均对政策响应速度产生了显著影响，前者影响方向为负，后者影响方向为正，说明在问题-能力作用路径中，城市疫情严峻程度每上升一个单位，城市的政策响应可能性会下降至原有的1.7%，然而当城市的病患治愈能力有所提升时，其政策响应可能性会大幅增加，假设4a、4b均得到验证。

在模型五中，纵向科层压力、横向区域压力、地方问责力度和城市人均GDP均通过了检验，说明上述变量的稳健性较好。领导者年龄、城市工业企业数量、疫情严峻程度和病患治愈能力未能通过检验，说明在控制各类因素的前提下上述因素对政策响应速度的解释力较弱。值得注意的是，领导者学历通过了模型检验，说明在控制其他变量后，领导者学历对结果变量起到了显著的正向影响作用，即领导者学历每上升一个单位，城市的政策响应可能性会增加35%，假设2a成立。

五.   结论与讨论

本文以新冠肺炎疫情期间全国城市的复工复产政策响应速度为研究对象，对危机情境下的政策响应速度影响因素进行了研究。基于既有关于“政策扩散”的研究，结合危机情境的特点，提出了包含组织-制度作用路径、政策行动者作用路径、政策适配属性作用路径和问题-能力作用路径在内的分析架构和研究假设。Kaplan-Meier估计表明，全国城市复工复产的政策响应呈现出典型的爆发式特点，且相较于一般的政策爆发现象，存在更短的大规模集中响应时间段。通过Cox比例风险回归方法加以分析，发现纵向科层压力、横向区域压力、领导者的学历、地方问责力度、城市人均GDP、城市工业企业数量、疫情严峻程度和病患治愈能力均对城市的政策响应速度起到了显著的影响作用。其中，更高的领导者学历和病毒治愈成功率，以及拥有更多工业企业的城市，其政策响应的可能性更高，响应速度更快；而纵向科层压力、横向区域压力或者地方问责力度的增大、疫情形势严峻程度的加剧、城市经济发达程度的提高则使得城市的政策响应行为变得缓慢。研究发现不仅有助于丰富危机情境下的政策响应速度研究，还对进一步理解政策响应速度的影响机理奠定了实证基础。

第一，与以往府际关系因素在政策扩散中所发挥的积极作用不同，组织-制度作用路径在全国城市复工复产政策响应速度上发挥了负向的影响作用。从纵向科层压力上看，在中央释放出明确的政策信号后，国内许多地级市政府的政策响应速度快于其所属的省级政府，这一现象可能与地方政府的管辖范围大小有关。出于控制风险的考量，省级的复工复产政策一般选择在全省疫情蔓延形势趋于稳定后发布，若同一省份中各城市疫情严峻程度程度不一，难免会延缓省级政府响应政策的速度，相较之下，地级市政府由于管辖区域面积较小，在疫情形势向好的前提下，为了快速恢复自身经济秩序，极有可能先于省级政府响应。从横向区域压力上看，同省其他城市或地域相邻城市的政策采纳行为不仅未形成响应激励效应，反而发挥了“反激励”的作用，这可能与复工复产的政策本质有关，该政策并非带有积极倾向的创新驱动型政策，而是对外响应中央号召，对内解决现实难题的恢复式政策。作为一种对地方政绩并无显著助益，反而还伴随潜在风险的政策，复工复产政策的采纳和实施难以调动城市主要领导者的晋升积极性，使得各城市间并未就此形成明显的竞争关系。因此，当省内其他城市或者相邻城市已经采纳复工复产政策后，其他城市多持观望态度，希望在判断已采纳城市的政策响应效果后再做决定。

第二，在政策行动者作用路径中，领导者特质变量影响作用存在不稳定性，地方问责力度影响作用的稳健性较好。国内外的政策响应研究均肯定了地方领导者在政策响应过程中的重要地位，然而，根据复工复产政策响应的回归分析结果，本文发现：虽然领导者特质依旧能够对政策响应速度产生影响，即如果城市领导者学历更高，那么他们可能采纳复工复产政策的速度也更快，但是这个结果不具有较高的稳定性，其影响作用容易受到其他因素的制约。值得注意的是，地方问责力度作为一个有别于一般政策扩散现象，在危机情境下引入的新变量，对政策响应速度起到了显著的影响作用，这一结果可以在一定程度上证实部分学者对“问责泛化”现象所提出的猜想，即新冠肺炎疫情期间，面对日益增大的问责压力，许多地方干部在接到通知后会“瞻前顾后”，反复犹豫和掂量，尽量选择和执行问责风险低的活动。严峻的疫情形势无疑使得复工复产成为了一个带有极大问责风险的政策。相较于其他城市，存在因疫情防控不力被通报问责官员的城市官员不敢轻易行动，其所在城市的政策响应速度也更慢。

第三，在政策适配属性作用路径中，城市的经济发达程度和工业企业数量决定着复工复产政策是否符合地方需要。具体而言，基于现实的地方经济发展需要，人们普遍认为经济越发达的城市可能越倾向于更快采纳复工复产政策，然而实证结果却与人们的理论预设相悖，即经济越发达的城市政策响应速度更慢。原因可能在于疫情严峻程度起到了中介变量或调节变量的影响作用。换言之，经济越发达的城市往往具有更大的城市规模，疫情影响范围和城市受损程度也更大，在疫情形势较为严峻的背景下，城市的政策响应速度极有可能被延缓。同样，模型三虽然证实工业企业数量更多的城市有着更大的复工复产政策需求，但这一结果不具有较好的稳定性，容易受到其他因素的制约。由此，本文认为：复工复产政策属性与城市特性间的作用路径较为复杂，有待进一步识别关系、深入研讨和验证。

第四，在问题-能力作用路径中，疫情严峻程度和病患治愈能力俨然成为了影响城市政策响应速度的关键因素。与常态化的政策扩散过程不同，城市间复工复产政策的响应过程所面临的现实问题主要源于危机情境，结果表明：如果一个城市的疫情防控形势较为严峻，那么它的政策响应速度会更慢；如果一个城市的病患治愈能力更强，那么它的政策响应速度会更快。其分析结果说明政策响应时城市所处的决策情境与政策响应速度息息相关，不仅证实了情境转换对政策响应速度变化影响的重要性，也对未来探究危机情境下政策响应速度的影响因素具有启发性意义。

城市响应作为需要城市领导者予以综合考量的危机决策行为，受到许多细微因素的影响，每个城市均有其独特的决策情境，定量研究方法只能从普遍意义上识别我国城市政策响应的一般性规律，无法精细化辨别每个城市间影响因素的作用差异。例如，社会舆情等具有全国普遍性导向，但部分地区存在细小差别的变量并未纳入模型中。未来一方面可以引入案例研究法，更为精准地打开不同城市的“政策响应黑箱”；另一方面，对于本文子模型中通过模型检验，却在控制其他因素后未能通过检验，或者检验结果与原假设相反的自变量，如：领导者学历、城市工业企业数量、城市人均GDP、疫情严峻程度和地方的病患治愈能力等因素，他们与因变量的作用路径之间，是否存在其他变量发挥了中介或者调节效应，均可以通过研究设计的深化加以检验。