3.指数对比

在初始阶段，我们研究三个指数的国别覆盖范围。为确保可比性，使用了三个指数涵盖的最新年份：恰好是2016年。涵盖94个国家的GODI主要关注高收入和中高收入国家，对偏低收入国家亦有所体现。ODM涵盖欧盟的32个国家；显然不包括任何低收入国家。覆盖115个国家的ODB的区域覆盖范围最为平衡，包括撒哈拉以南非洲和加勒比地区的若干国家。

指数的平均数反映了样本组成。主要由较富裕的欧盟国家组成的ODM的平均得分（45.4）高于GODI（37.0）和ODB（32.5）。数据开放的表现与各国经济状况密切相关。在全部三个指数中，高收入和中高收入国家的得分均高于中低收入和低收入国家。F统计量表明，三个指数中，不同国民收入等级的得分均存在显著差异，尽管ODM中的显著差异仅存在于p＜0.1的水平上。

表3　按国别收入对比国家数量、平均数和标准差

接下来，计算指数间的相关性。由于三个指数衡量的基本概念相同，故应呈高度正相关。但是，ODB包含的副指数可能与开放数据的质量无关；具体而言，与其他指数试图衡量的数据开放质量相比，就绪度和影响是更为宽泛的概念。因此，ODB的实施副指数亦作为独立计量指标纳入相关性分析。结果如表4所示。

表4　GODI、ODM、ODB和ODB实施副指数的皮尔森相关系数

如表4所示，GODI、ODB和ODB实施彼此高度相关。对相关性的观察结果高于开放数据观察^[51]2013年数据分析的结果。显然，2013年起对指数编制法的改动与GODI和ODB指数更为一致。此外亦观察到ODB与其ODB实施副指数间呈现高相关性。就绪度和实施（r=0.86，p＜0.01，N=115）、影响和实施（r=0.79，p＜0.01，N=115）以及就绪度和影响（r=0.83，p＜0.01，N=115）之间亦呈明显正相关，表明ODB指数的可靠性较高。在数据开放质量方面取得进展的国家似乎也实施了良好的“数据生态系统”（就绪度）并从中受益（影响）。

然而，表4中的结果还表明ODM与GODI和ODB间并不存在显著相关性（尽管仍为正相关）。ODM的指数编制法更为自动化，依靠采集器收集元数据。另两种方法则主要依靠人力输入，包括众包数据库和专家人工评估数据库质量。人类编码人员显然能够找到数据开放质量的度量角度，而这些角度在单独的元数据中却并不明显。