样本城市评价结果的统计分析
本部分将对65个样本城市的发展能力总体特征进行分析，具体从两个部分展开：一是对问卷调查所涉及的地方政府发展能力总体评价和对一、二级指标的重要性-绩效评价；二是综合使用主客观数据，对城市地方政府的发展能力开展聚类分析。
1.样本城市地方政府发展能力的总体分析
基于地方政府发展能力指标体系和统计数据，最终获得的数据包括：受访者对样本城市地方政府发展能力的总体评价和总体满意度、6项一级指标的重要性评价和样本城市的绩效评价、15项二级指标的重要性评价和样本城市的绩效评价、40项主观三级指标的样本城市绩效评价和23项客观三级指标的样本城市数据。
（1）地方政府发展能力总体评价和总体满意度
在通过问卷调查获取数据的过程中，问题的设定和表述方式可能会影响最终的获取结果。本研究主要以获取调查对象对当地地方政府发展能力的评价为目标，因此在调查问卷中分别采用了总体评价和总体满意度两种方式请调查对象就其所在城市的地方政府发展能力作出主观评价。65个样本城市的统计结果如表7所示，可见不同区域的调查对象对其所在城市地方政府的综合评价和满意度的评分较为接近。
表7 样本城市地方政府发展能力总体评价和总体满意度的基本情况
通过配对样本T检验，在比较两种提问方式的均值后可以发现，如表8、表9所示，总体评价与总体满意度的相关系数达到0.957，在统计上呈显著相关（p=0.001）。因此可得出结论，从统计学上来看，“对当地政府发展能力的总体评价”和“对当地政府发展能力的总体满意度”这两种提问方式，并不会对最终的分析结果产生显著影响。
表8 两种提问方式的均值比较配对样本T 检验
表9 两种提问方式的均值比较配对样本T检验
（2）一级指标重要性-绩效分析
课题组在获取调查对象对一级指标的重要性排序之后，按照排名第一得5分、第二得4分、第三得3分、第四得2分、第五得1分、第六得0分的标准，通过分值转化得到重要性得分，结果如表10所示。调查对象对于6项核心发展能力指标的重要性排序依次为：社会发展能力、经济发展能力、服务提供能力、学习创新能力、科学履职能力、资源利用能力。由此可知，调查对象首先关注城市的社会治理情况，其次关注城市的经济发展和公共服务提供情况，而对地方政府自身的学习创新能力、科学履职能力和资源利用能力的关注度较低。出现这一现象的原因主要在于调查对象是以各项指标与自身关系的密切度为基准作出的评价，与调查对象关系最为密切的指标，如社会发展能力和经济发展能力等，会排在相对重要的位置。而调查对象较少直接体验到的指标，如政府的学习创新能力和资源利用能力，则排在相对不重要的位置。在65个样本城市中，对服务提供能力重要性排序的差异性最为显著，标准差达到了0.26，对资源利用能力的重要性排序差异性最小。这也说明了不同地区的调查对象都在不同程度地关注着与自身关联密切的政府能力，因此对于服务提供能力的重要性评价较为集中，且由于不同城市地方政府之间经济发展水平不一，服务提供能力存在较大差异。而调查对象对与自身关联不太密切的资源利用能力的重要性评价则相对平均。
表10 样本城市一级指标重要性评估结果
课题组也获取了调查对象对一级指标的实际绩效评价，结果如表11所示，除经济发展能力外，其他5项指标在不同城市中的最大值与最小值较为接近，且数据的离散程度也较为接近。从具体的指标评价来看，服务提供能力在所有一级指标评价中的均值最高，达到3.43，这说明调查对象对其所在城市地方政府的公共服务提供能力相对最为满意。经济发展能力、资源利用能力和科学履职能力的绩效评估均值最低，均为3.35，这反映了调查对象认为其所在城市的经济发展能力、政府的资源利用能力和科学履职能力均有较大的发展空间。
表11 样本城市一级指标实际绩效评估结果
从标准差来看，样本城市一级指标实际绩效评估结果从高到低依此是：经济发展能力、社会发展能力、学习创新能力、科学履职能力、服务提供能力和资源利用能力。具体来看，经济发展能力的标准差最大，达到0.42，这在一定程度上反映了不同城市的调查对象对其所在城市地方政府的经济发展能力绩效的评价差异性较大。出现这一现象的原因主要是由于我国地域广阔，存在经济发展不均衡的现象，由此带来的人才与技术的流动使地域差距进一步拉大，这也在一定程度上影响了城市地方政府的社会治理能力，从而造成调查对象对于社会治理能力的认知具有较为显著的差异性。服务提供能力和资源利用能力的标准差最低，为0.32，这说明调查对象对政府服务提供能力和资源利用能力的评价差异性较小，各地方政府并没有呈现出显著的区域差异性。对于政府科学履职能力与学习创新能力这两项指标，调查对象的评估结果差异也相对较小。这反映了不同城市的地方政府在服务提供和资源利用等领域的发展较为均衡，且在科学履职和学习创新方面的差距较小，未来可结合自身的经济发展情况积极推进可持续、服务型政府的建设。
（3）二级指标重要性-绩效分析
课题组获取了调查对象对居住城市地方政府发展能力二级指标的实际绩效评价和重要性评价，采用李克特五级量表，结果如表12所示。
表12 样本城市二级指标重要性-绩效评估结果
续表
从均值方面来看，调查对象对于分解发展能力的绩效评价从高到低依次是：秩序维护能力、保障基本公共服务的能力、保证生产能力、促进消费能力、政策执行能力、政策制定能力、政府机构运行能力、环境保护能力、资源获取能力、推动发展能力、均等化区域公共服务能力、主动学习能力、管理和服务的创新能力、资源整合能力和推动转型能力。具体来看，二级指标中秩序维护能力（3.66）的绩效评价均值最高，说明调查对象对于其所在城市地方政府维护社会秩序与公平方面较为满意。经济发展能力中的推动转型能力（3.30）的绩效评价均值最低，反映了调查对象对所在城市政府在经济转型发展问题上存在不满。推动转型能力将影响着城市的发展潜力，因此城市地方政府要积极创新发展方式，推动城市的转型发展。
调查对象对于分解发展能力的重要性评价从高到低依次是：秩序维护能力、环境保护能力、保障基本公共服务的能力、政策执行能力、管理和服务的创新能力、政策制定能力、主动学习能力、推动发展能力、政府机构运行能力、均等化区域公共服务能力、资源整合能力、推动转型能力、保证生产能力、资源获取能力、促进消费能力。具体来看，秩序维护能力均值最高，达到了3.79，这反映了调查对象对于城市地方政府维护秩序与保障公平方面的需求较高。同时，这与调查对象对于秩序维护与公平的能力的绩效评价排名相同，反映出其对于社会秩序与公平的需求在很大程度上得到了地方政府的重视与满足。
从标准差方面来看，调查对象对于二级指标绩效的评价从高到低依次是：推动转型能力、推动发展能力、资源整合能力、促进消费能力、保证生产能力、管理和服务的创新能力、主动学习能力、资源获取能力、政策制定能力、政策执行能力、保障基本公共服务的能力、均等化区域公共服务能力、环境保护能力、政府机构运行能力和秩序维护能力。推动转型能力、推动发展能力和资源整合能力的离散程度最高，标准差达到了0.37，其原因主要在于65个样本城市的经济发展差距较大，社会治理能力发展不均，因此指标评价分数相对分散。而调查对象对于政府机构运行能力和秩序维护与公平的能力的评价相对一致，这也在一定程度上说明了城市地方政府在机构运行方面和秩序与公平维护方面的公众感知差异度较小，因此具有相当的同质性。
从表12中的数据可看出调查对象对于二级指标的重要性排序为：秩序维护能力、环境保护能力、保障基本公共服务的能力、政策执行能力、管理和服务的创新能力、主动学习能力、政策制定能力、政府机构运行能力、推动发展能力、均等化区域公共服务能力、资源整合能力、推动转型能力、保证生产能力、资源获取能力和促进消费能力。这与各指标所属的一级指标的重要性排序略有不同，调查对象认为城市地方政府秩序维护能力和环境保护能力的重要性较为突出，而资源获取能力和促进消费能力的重要性相对较低。这反映了在现阶段，调查对象关注点更集中于政府在维护秩序和保护环境方面所应当发挥的作用。
（4）样本城市地方政府发展能力指数与总体排名
基于65个样本城市的数据，通过主客观综合赋权法，得到各级指标的权重，结果如表13所示。
表13 地方政府发展能力各级指标权重
续表
(https://www.daowen.com)
将样本城市的主客观数据（三级指标）标准化，并加权求和，可得到分解发展能力（二级指标）、核心发展能力（一级指标）和地方政府发展能力指数。为便于直观比较，本研究按照功效系数法将样本城市的标准化数值转换成5—95的数据列，转换公式如下所示：
Zi：第i项三级指标的转化得分；
Xi：第i项三级指标的标准化得分；
Xm in：样本城市中该三级指标的最低标准化得分；
Xm a x：样本城市中该三级指标的最高标准化得分。
最终，计算可得65个样本城市的政府发展能力指数，如表14所示：
表14 65个样本城市的地方政府发展能力指数及排名
续表
2.样本城市地方政府发展能力的聚类分析
（1）聚类分析的方法与结果
与2018年指数报告的研究方法保持一致，2019年度采用系统聚类和主观判断相结合的方法来确定最终的聚类数量，进而采用K均值聚类法确定聚类成员，根据K聚类的结果对每一个样本城市进行类别赋值，从而实现不同类别城市之间差异性的比较。系统聚类的原理是首先将每一个样本视为一类，规定它们之间的距离，以最小距离作为收敛依据，形成新的类；同时再次进行距离测算，循环这一过程直至收敛为一类。这一特点在绘制的树状图上能够清晰地呈现。在类与类的距离上，距离越小，样本之间的相关性越强。在测算距离的方法上，本部分采用了欧式距离平方的方法进行聚类。除此之外，软件还提供有中间距离法、最长距离法、最短距离法、离差平方法、密度估计法等。本部分采用组内连接进行系统聚类，结果参见图1。根据系统聚类的结果，样本城市可以分为2类、3类、4类、8类和9类。综合2015—2018年指数报告的分类名单，最终确定将样本城市分为4类，如此，一方面与早期的报告保持一致，形成研究上的一致性；另一方面数量基本合理，避免了分类过多或过少带来的误差。
根据系统聚类确定的4个类别，继续采用K均值聚类法进行具体划分。K均值聚类法也是以欧式距离作为相似度的依据，通过求出对应某一初始聚类中心向量V的最优分类，使得评价指标J最小。K均值聚类法具有快速、便于操作和直接指定聚类数量的优点。2019年度城市样本的聚类中心参见表15，ANOVA表参见表16。
表15 地方政府发展能力聚类中心
表16 聚类ANOVA 表
图1 采用系统聚类法对样本城市聚类结果
如表15所示，样本城市的聚类结果呈现出阶梯式上升的趋势。就某一特定类别来说，例如可以直观地看到第一类城市在经济发展能力、社会发展能力、服务提供能力、资源利用能力、科学履职能力、学习创新能力上都比较明显地低于其他三类城市，而不仅仅是其中某一项指标得分较低。由此推及第二类和第三类城市，可以发现除了第三类城市在学习创新能力上略微高于第四类城市外，其余各项指标均是从第一类向第四类逐步递增。这说明四类城市之间的总体差异和各项指标的差异都是显著的，这在ANOVA表中也得到了进一步验证——6项一级指标均通过了显著性为0.05的F检验。由此可以说明，组间差异明显，聚类整体效果较好。
第一类城市包括南阳市、濮阳市、聊城市、乐山市等10个城市。这些城市在6项一级指标上的表现均欠佳，其地方政府能力在总体上还有较大的提升空间。这些城市所处地区的地理位置、资源禀赋和历史基础对其发展有较大的影响。除此之外，在改革纵深推进的大背景下，这部分城市也受到了来自市场和社会的较大压力。根据2018年聚类分析的结果，第一类城市仅有3个，2019年度第一类城市数量有所上升。其原因除样本数量有所增加之外，还有两种情况存在：一种情况是惯性没有太大变化的城市，如聊城；另一种情况是相较于2018年度得分指数有所下降的城市，如长春市和兰州市，其由2018年度的第二类城市变为2019年度第一类城市。
第二类城市包括安阳市、周口市、曲靖市、廊坊市、唐山市、上饶市等27个城市，较2018年的11个城市在数量上有大幅增加。第二类城市在6项一级指标上的表现明显好于第一类城市，但是距第三类城市还有一定的距离。在这类城市中不乏一些中东部地区的省会城市，其发展具备一定的基础，有个别城市在部分指标上的表现接近于第三类城市，但综合能力还有待提升。相较于2018年，部分城市没有大的变化，如沈阳市、天津市等，也有部分城市从第一类升入第二类，如安阳市。
第三类城市包括郑州市、济南市、青岛市、长沙市、成都市等17个城市。其中青岛市、成都市、宁波市等都延续2018年的得分继续处于第三类城市。就个别指标来说，第三类城市与第四类城市的差别并不大，例如哈尔滨市在学习创新能力上达到93.30分，贵阳市在学习创新能力上达到95分，但贵阳市的其他指标均为50分左右，说明此类城市在综合能力上还有待提升。
第四类城市包括合肥市、武汉市、南京市、上海市、杭州市、北京市、广州市、深圳市等11个城市。相较于2018年，北京市、南京市、广州市、武汉市等城市都有较好的表现，各项指标得分能够达到70分以上。但是在学习创新能力方面，第四类城市相较于第三类城市有所下降，就个案来看，其得分也与第三类城市没有太大差别，甚至要略微逊色于第三类城市。
（2）四种类型城市政府发展能力一级指标比较分析
对四类城市的一级指标做可视化处理并加以分析可以发现，四类城市在6项一级指标，即在不同的能力维度上的表现存在显著性的差异，结果如图2所示。
图2 四类城市一级指标的比较
从图2中可以看到，第一类城市与第四类城市在各项指标得分上差异性较大，6项一级指标，即经济发展能力、社会发展能力、服务提供能力、资源利用能力、科学履职能力和学习创新能力的分差分别为59.94、57.14、58.31、49.33、53.52和43.55；与2018年相比，各样本城市在综合发展方面有所提升。2019年度分差最大的为经济发展能力。经济发展能力指标包含3项二级指标，分别为保证生产能力、促进消费能力和推动转型能力，具体包含城镇居民可支配收入、第三产业比重等客观指标和稳定当地物价水平的能力、促进产业升级的能力等主观指标，这表明在发展机遇期，政府规制和政府管理仍旧起着相当重要的作用，尤其在政府职能转变的改革背景下，政府在改革过程中的主导作用是不可忽视的。
四类城市之间差异性最小的指标是学习创新能力，该能力在第一类与第四类城市之间的分差仅为43.55，且第三类城市甚至在学习创新能力指标的得分上高于第四类城市。由于这一指标的分差在四类城市各项指标中最小，说明这一特征不仅体现在第三类城市与第四类城市之间。该指标下包含主动学习能力和管理服务创新能力两个二级指标，三级指标主要由公务员参加培训天数等客观指标和政府创新意识等主观指标构成。这再次说明，相比于其他能力，各类城市在学习创新能力上得到较高的分数是具有一定合理性的。在2018年度报告中，四类城市在学习创新能力上的均值达到了58.45分，其得分水平与2017年的数据保持一致，报告指出，学习创新能力与我国处于经济平稳发展阶段有关，也与近年来不断强调政府创新有关。2019年度数据恰恰印证了政策和制度创新的扩散在某种程度上确实具有“雁行模式”的特征[2]。这种模式对于处于发展进程中的城市，在学习创新方面具有正向激励的作用，同时能够在一定程度上减少政策创新和政府改革的成本，有助于我国这种大型单一制国家降低制度变迁的难度。
在2019年度的65个城市样本中，城市样本的总体分布与2018年度相同，呈现出两头少中间多的橄榄形。相较于2018年，四类城市在各项一级指标上的表现更为稳定，如2018年度第一类城市6项指标的差距为15.43，而2019年度仅为8.83，除了第四类城市在学习创新能力上有所下降外（其原因在前文有所分析），其他各项指标在各类城市中的得分离散程度基本上都小于上一年度。随着政府“放管服”改革的纵深推进，中央政府和地方政府以及纵向各层级政府间关系的调整也开始受到关注。“上下一般粗”问题的提出，使得央-地事权划分改革进入了一个新的阶段。在转变政府职能和政府职责体系建设的双重命题下，提升政府的公信力和执行力、提高人民群众和市场主体的获得感和满意度，将是地方政府不断简化办事流程、优化政府结构、科学履职和转型的重要动力。
（3）四种类型城市政府发展能力二级指标比较分析
通过图3可以看到，在四类政府的6项一级指标中，除了第四类城市和第三类城市在学习创新能力上存在一个特殊点外，其余部分整体上是较为均衡的。
图3 四类城市的6项一级指标雷达图
可以看出，各类城市在经济发展能力上都还相对较弱，但在服务提供能力和社会发展能力上表现良好。本研究在评价地方政府发展能力时，各项一级指标都包含了若干主观指标和客观指标，因此对于四类政府在6项指标能力上存在差异的原因可以从客观数据和主观满意度或主观评价两个方面去加以考察。在这一部分，本研究主要采用了独立样本T检验的方法，对四类城市的一级指标进行差异显著性的检验，结果参见表17和表18。
表17 第一类城市和其他类型城市的一级指标比较
就各城市综合能力的提升来说，各类城市的发展基本呈现出均衡的趋势，建议各城市在保持基本发展水平的情况下，继续从各个能力维度推进城市发展。结合表17和图2可以发现，第一类城市和第二类城市相比，各项指标差异性均通过0.05的显著性检验，其中差异较大的是学习创新能力和服务提供能力，差值分别为26.19和24.41。第一类城市和第三类城市相比，各项指标差异均通过了0.05的显著性检验，其中差异最大的是服务提供能力和学习创新能力，差值分别为45.18和44.10。第一类城市与第四类城市相比，各项指标差异均通过0.05的显著性检验，其中差异较大的是经济发展能力和服务提供能力，差值分别为59.94和58.31。综合以上各项，第一类城市在服务提供能力上与其他类城市的差异最为明显。
表18 第二类、第三类和第四类城市一级指标差异比较
结合表18和图2，第二类与第三类城市之间的差异性均通过0.05的显著性检验，比第一类城市与第二类城市的差异要小。差异最大的指标是服务提供能力，差值为20.76。第二类与第四类城市的差异性通过了0.05的显著性检验，其中差异性最大的为经济发展能力，其次为社会发展能力。相比之下，第三类城市和第四类城市之间的差异性最小，除学习创新能力外，其余各项指标均通过0.05的显著性检验。本研究的聚类结果较为理想，各类城市之间存在着明显的差异，也呈现出一定的规律。