中国城市之间的政策学习：网络、结构与特征.pdf

2019 年 6 月 第 7 期 总第 57 期 中国城市之间的政策学习：网络、结构与特征 马 亮 人大国发院简介 国家发展与战略研究院（简称国发院）是由中国人民大学主办 的独立的校级核心智库。国发院以中国人民大学在人文社会科学领 域的优势学科为依托，以项目为纽带，以新型研究平台、成果转化 平台和公共交流平台为载体，组建跨学科研究团队，对中国面临的 各类重大社会经济政治问题进行深度研究。 作为首批 25家国家高端智库建设试点单位之一，人大国发院坚 守“国家战略、全球视野、决策咨询、舆论引导”的目标，着眼于 思想创新和全球未来，致力于发展成为具有国际影响力的中国特色 新型智库，服务于国家发展战略与社会进步。 国发院通过学术委员会和院务会分 别对重大学术和行政事务做 出决策。目前由人民大学校长刘伟教授担任院长。 地址：北京市海淀区中关村大街 59号中国人民大学崇德西楼 8楼 网站 ： NADS 作者简介 马亮，中国人民大学国家发展与战略研究院研究员、公共管理 学院副教授，公共管理与政策评论副主编和 Chinese Public Administration Review副主编。马亮博士在 Public Management Review、 Public Administration等国际一流学术期刊发表论文多篇，总共发表 中英文论文 100多篇，同时在联合早报、凤凰网、财新、腾讯等主流 媒体上发表多篇评论文章 。 欢迎媒体摘发、转载或采访。 媒体热线 ：程建平；办公电话： 010-62625159 15601321015 主办 ： 中国人民大学国家发展与战略研究院（首批 国家高端智库试点单位之一 ） 主编：聂辉华 编辑部 主任：邹静娴 本期责编 ： 邹静娴 程建平 摘 要 本报告基于中国近 300 个地级以上城市之间的党政领导干部考 察学习数据，构建了城市之间的政策学习网络，并刻画了地方政府 之间的政策学习特征与模式。研究显示，中国城市之间的政策学习 越来越明显，集中表现为考察学习的次数逐年递增。我们发现深圳 市、杭州市、上海市和苏州市等是经常被其他城市学习的“明星城 市”，而肇庆市、绵阳市和滁州市等是经常学 习其他城市的“海绵 城市”。城市的行政级别越高、经济发展水平越高、人口规模越大， 越有可能得到其他城市的青睐和关注。城市之间在政策学习方面存 在明显的非对称和非均衡状态，即一些城市是以知识出口为主，而 另一些城市则是以吸收知识为主。这些发现揭示了城市之间政策学 习的特征，并为衡量和促进政策学习提供了经验依据 。 1 一、研究背景与问题 国家治理体系与治理能力现代化的核心在于政府管理能力的提 升，而能力提升同学习有很大关系。“他山之石可以攻玉”，与闭门 造车相比，学习其他国家和地区的先进经验和优秀做法，有助于政府 少走弯路和提高能力。在许多政策领域，政府不必另起炉灶和推倒重 来，而是可以从其他国家和地区的同行借鉴和效仿行之有效的创新之 举，并因地制宜和为我所用。党的十九大报告指出，中国共产党要全 面增强八大执政本领，而第一项就是学习本领。因此，研究政府之间 如何学习的，就具有至关重要的现实意义。 中国共产党历来重视学习，并着力 建设一个 学习型政党 ，旨在不 断增强 执政本领与组织韧性 。党 的领导与 学习本领息息相关，而这也 是为何全党大兴学习之风，并推动 “学习强国” 成为每一个党员的必 修课。从近代以来中国的发展历程而言，一直伴随着 举国学习 的艰辛 历程。近代以来的百年屈辱历史，让中国人深刻认识到 落后 就要挨打， 要想民族复兴就要“师夷长技以制夷”和 “西学东渐” 。中国人也在 学习方面付出代价和汲取教训，逐渐认识到学习西方国家的“船坚炮 利”，不如从制度和文化层面深度学习。 建国以来，中国 “以俄为师” ，虚心向苏联学习军事、科技、经 济、社会、文化和政治等各个方面的知识。改革开放以来，中国兴起 “新加坡热” ，大批政府官员远赴新加坡，了解其在经济改革、社会 管理和城市治理等方面的先进做法。与此同时，许多政府官员也前往 2 欧美发达国家，通过各类培训项目和考察机会进行学习。中国在向其 他国家学习的同时，也在输出中国经验和中国模式，典型表现为在“一 带一路”沿线国家的对外援助和培训。 除了国与国之间的政策学习，中国 国内 的政策 学习 也发挥了重要 作用。无论是“农业学大寨”还是 “工业学大庆” ，通过树典型和学 模范，地方政府之间积极交流和 相互学习。中央政府也通过政策试点 和试验区等机制，推动各地政府之间的政策学习。此外，干部交流、 党校 培训 、集体学习、 高校 培训班 、 现场办公会、经验交流 会 、考察 学习团 等，都为各级政府之间的政策学习提供了制度化和常态化的机 制。 面对纷繁复杂和眼花缭乱的政策学习现象，我们需要考虑如何对 其加以刻画和解释。 中国地方政府之间的政策学习有何特征？ 哪些因 素会影响地方政府的政策学习？具体来说，本报告的 研究问题 是： 地 方政府之间的 政策 学习 有何特征？为此，我们以中国城市为例，对如 下基本问题进行探究，以期揭示政策学习的基本特征。 首先，不 同城市的学习动机和能力不同，因此值得探究的问题是： 谁（ Who）向谁（ Whom）学习？ 具体来说， 谁是出口知识的 “ 明星 ” ？ 谁是吸收知识的 “ 海绵 ” ？ 学习意味着异质性的知识传播，如果两个 城市高度同质化，那么彼此学习的必要性不大。但是，如果两个城市 完全不同或大异其趣，那么相互借鉴的必要性也不大。从城市之间的 学习关系而言，可以考察 学习网络 结构，并研究城市之间是舍近求远 地学习还是 异性相吸 地学习。 3 其次，城市学习的内容不同，学习的动机也会不同。因此，需要 考察城市 为什么（ Why）学习？ 城市 学习什么（ What）？ 很多城市会 有针对性地学习其他城市在某些政策领域的经验做法，而这同城市之 间的差异化竞争有很大关系。 最后，我们期望探究城市之间 如何学习（ How），这包括 何时 （ When）、何地（ Where）学习，以及 学习 的 周期 和地理分布特征等。 政策学习有许多机制和形式，也会产生不同作用和影响，对其加以探 究将有助于揭示政策学习的规律。 二、研究方法 地方政府之间会通过多种渠道和方式相互学习，因此如何识别和 衡量政策学习，就成为一个首要问题。在过去的研究中，通常会采用 问卷调查或枚举法，请各地政府官员列举其学习对象，并按照重要性 或优先性排序。如果想要覆盖所有地区并获得全部数据，一般而言会 比较困难。也有一些研究通过其他维度来反映政策学习，比如根据地 方政府参与某些专业协会或城市联盟的情况来间接衡量，或者通过友 好城市等方面加以测度。 在本报告中，我们采用的研究素材是 地方党政代表团 的 考察学习 活动，因为它有两个重要特征，有助于我们刻画和勾勒地方政府之间 的政策学习状况。 首先，赴其他地区 考察学习 的 党政代表团 通常得到 高层重视 ，一 般是党政 “一把手” 亲自 带队 ，各相关职能部门和企事业单位的主管 4 陪同参加，这反映了地方领导的战略重心。地方领导的时间宝贵、精 力稀缺，其行动往往意味着很强的政治信号。因此，他们花费时间远 赴他地进行实地考察学习，可以反映其对政策学习的重视程度。 其次，考察学习团是全方位的政策学习，尽管会专门针对某个方 面进行学习，但是通常涉及 党政群团企事业单位 等各类组织，是一个 地区向另一个地区的系统性、整体性和全面性的学习。通常来说，在 这类考察学习完成之后，两地政府的相关部门 会建立业务关系和私人 联系，进而可以开展部门间的进一步学习。因此，将考察学习团的批 次作为衡量地方政府之间的政策学习强度，具有一定的现实依据。 我们选择所有中国地级以上城市作为研究对象，因为这些城市之 间的可比性较强，并且相互之间都会将彼此视为竞争和学习的对象。 我们的研究总体是近 300 地级 以上城 市 ，时间范围为 2014-2018 年共 五年 。我们期望在未来拓展时间范围，对政策学习进行更长时间跨度 的分析。我们也希望将来纳入其他形式的政策学习，进一步全面 刻画 政策学习。 地方党政代表团的考察学习是公开进行的活动，无论是出访 地还 是接待地的政府都会高度重视并公开报道。因此，我们的 数据来源 主 要是各个城市的政府网站、 城市党报 和都市报，并以城市名和“考察 学习”为关键词进行 检索 。这使我们可以同时检索到出访地和接待地 两地政府的新闻报道，为精准核实政策学习的发生提供了信度检验。 我们的 分析方法 包括 内容分析、描述性统计分析、列联表等 ，主 要围绕本报告涉及的关键变量进行定量分析，刻画政策学习的关键特 5 征及其同城市属性的相关关系。通过内容分析，我们对城市之间的政 策学习进行编码。在此基础上，对关键变量进行描述性统计分析和相 关关系分析。 三、城市之间政策学习的核心特征 地方政府之间的考察学习是“三公经费” 支出 的主要内容之一， 受到财经纪律的严格约束 。 因此， 2012 年底反腐败风暴和 中央八项规 定 实施以来，其数量骤然下降。图 1 显示， 2014 年仅有 75 次考察学 习，但是此后 逐渐升温 ，至 2018 年达到了 286 次，相当于平均一个 城市一年考察学习一次。这意味着通过考察学习来研究地方政府之间 的政策学习，在近些年来有其合理性。当然，如果我们据此进行跨时 期的历史比较分析，可能需要考虑到政治经济周期的扰动。 图 1 城市之间逐渐升温的考察学习 哪个月份 是城市政府 最爱 到外地考察 学习 的 ？ 图 2 显示，地方政 6 府在每年的 5-8 月考察频次最多，每月均在 80 次以上。这同目前各 级政府的“轮休”周期相吻合，即在夏季地方政府的灵活时间相对充 裕。这也同地方政府的政治经济周期有关，即在年初“两会”布置政 府重点工作以后，需要通过考察学习去寻求关键问题的解决方案。 有 趣的是， 12 月也是考察学习较多的时期，这可能同各地普遍存在的 年底“突击花钱”问题有很大关系。 图 2 城市之间政策学习的月份分布 哪天 是地方政府政策 学习 的密集期 ？ 研究显示（如图 3 所示）， 工作日特别是周二至周四是 考察学习的主要时间。与此同时，周末也 有相当比例的政策学习，这同一些地区“ 5+2”和“ 白加黑 ”的工作 模式有很大关联。 7 图 3 城市之间政策学习的时间分布 地方政府的政策 学习 持续 几天？ 是 深度学习还是走马观花？ 研 究显示，近七成的城市政府考察学习都是为期一天，还有近四分之一 的为期两天，因此合计约 85%的考察学习是不超过两天的（如表 1 所 示）。当然，也有一些城市政府的考察学习超过两天，有些甚至维持 一周。值得注意的是，一些城市政府是连续到多个城市进行考察学习， 因此在每个城市停留的时间不久。 表 1 城市之间政策学习的次数分布 学习天数 频次 比例 1 676 68.49 2 241 24.42 3 51 5.17 4 16 1.62 5 2 0.2 6 1 0.1 在中国城市中， 谁是 被其他城市广泛学习的 “明星城市”？ 研究 显示，被其他城市考察学习最多的城市是深圳市，在五年内接待了 8 55 个党政代表团，平均每年 11 次（如表 2 所示）。其次是杭州市， 多达 40 次，平均每年 8 次。上海市和苏州市接待了 30 次，平均每年 6 次。此外，广州市、徐州市、南京市、湖州市等接待考察学习团的 次数在 20 次以上，平均每年 4 次。与此同时，福州市、天津市、无 锡市、长沙市、常州市等被其他城市学习的次数也较多。从这些城市 分布的情况来看，主要是珠三角地区和长三角地区的发达城市。当然， 也不乏中西部城市成为其他城市竞相学习的榜样，如贵阳市、南昌市、 重庆市等。 表 2 被学习次数最多的城市（至少 10 次） 城市 被学次数 城市 被学次数 1. 深圳市 55 13. 常州市 12 2. 杭州市 40 14. 东莞市 12 3. 上海市 30 15. 厦门市 12 4. 苏州市 30 16. 贵阳市 12 5. 广州市 28 17. 佛山市 12 6. 徐州市 24 18. 武汉市 11 7. 南京市 22 19. 珠海市 11 8. 湖州市 21 20. 南昌市 10 9. 福州市 17 21. 北京市 10 10. 天津市 17 22. 重庆市 10 11. 无锡市 15 23. 宁波市 10 12. 长沙市 14 哪些城市最爱学习？ 谁是 吸收知识最多的 “海绵城市”？ 数据表 明，到其他城市学习次数最多的是肇庆市，五年多达 27 次，相当于 每年 5 次以上（如表 3 所示）。绵阳市和滁州市的考察学习都达 15 次，宁波市的有 14 次，清远市的达 13 次，此外还有毕节市、吉安市、 湛江市等在五年内都学习了 10 次以上，平均每年超过两次考察学习。 9 值得注意的是，除了宁波市和广州市，多数赴外地学习的城市都是欠 发达地区，这同它们非常强烈的赶超愿望和对标意识有很大关系。 表 3 学习次数最多的城市（至少 10 次） 城市 学习次数 城市 学习次数 1. 肇庆市 27 7. 吉安市 11 2. 绵阳市 15 8. 湛江市 11 3. 滁州市 15 9. 抚州市 10 4. 宁波市 14 10. 广州市 10 5. 清远市 13 11. 永州市 10 6. 毕节市 11 12. 安庆市 10 研究显示，城市政府学习与被学习之间存在较强的相关关系 （ r=0.3， p0.05），这说明政策学习在很大程度上是一个双向过程（如 图 4 所示）。当然，这种相关关系属于弱相关，说明学习与被学习之 间是相互独立的。因此，我们可以基于学习与被学习的不同特征，将 城市进行分类。比如， 一些城市主要是被其他城市学习的榜样，而另 一些城市则恰恰相反。一些城市学习其他城市的同时也会被别人学习， 而另一些城市则既不学习也不被他人学习。 10 图 4 政策 学习与被学习的关系 基于上述讨论，我们根据政策学习的不同组合，将城市分为四类 （如图 5 所示）。我们根据学习次数与被学习次数的中位数，将城市 从两个维度分别分类，据此形成四个组合。 学习 高 海绵城市 14.45% 学习型城市 46.74% 低 孤立城市 19.55% 明星城市 19.26% 低 高 被学习 图 5 城市政策学习的类型 石家庄市 唐山市 秦皇岛市邯郸市 邢台市 保定市 张家口市 承德市 沧州市廊坊市衡水市 太原市 大同市阳泉市长治市晋城市朔州市 晋中市 运城市 忻州市 临汾市 吕梁市 呼和浩特市包头市乌海市 赤峰市通辽市鄂尔多斯市呼伦贝尔市巴彦淖尔市乌兰察布市 沈阳市大连市鞍山市抚顺市本溪市 丹东市锦州市 营口市阜新市辽阳市盘锦市 铁岭市朝阳市 葫芦岛市 长春市 吉林市 四平市 辽源市 通化市白山市 松原市 白城市 哈尔滨市 齐齐哈尔市 鸡西市 鹤岗市 双鸭山市 大庆市 伊春市 佳木斯市七台河市 牡丹江市黑河市 绥化市 南京市 无锡市 徐州市 常州市 苏州市 南通市 连云港市 淮安市 盐城市 扬州市 镇江市泰州市 宿迁市 杭州市 宁波市 温州市 嘉兴市 湖州市 绍兴市 金华市衢州市舟山市 台州市 丽水市 合肥市 芜湖市 蚌埠市 淮南市 马鞍山市 淮北市 铜陵市 安庆市 黄山市 滁州市 阜阳市宿州市 六安市亳州市 池州市 宣城市 福州市 厦门市 莆田市 三明市 泉州市 漳州市 南平市 龙岩市 宁德市 南昌市景德镇市 萍乡市 九江市 新余市 鹰潭市 赣州市 吉安市 宜春市 抚州市 上饶市 济南市 青岛市淄博市枣庄市 东营市 烟台市 潍坊市 济宁市 泰安市 威海市 日照市 莱芜市 临沂市 德州市 聊城市 滨州市 菏泽市 郑州市 开封市 洛阳市平顶山市 安阳市 鹤壁市 新乡市 焦作市 濮阳市 许昌市 漯河市 三门峡市 南阳市 商丘市 信阳市 周口市 驻马店市 武汉市 黄石市 十堰市 宜昌市 襄阳市 鄂州市 荆门市 孝感市 荆州市 黄冈市 咸宁市 随州市 长沙市 株洲市 湘潭市衡阳市 邵阳市 岳阳市 常德市 张家界市 益阳市 郴州市 永州市 怀化市 娄底市 广州市 韶关市 深圳市珠海市 汕头市 佛山市 江门市 湛江市 茂名市 肇庆市 惠州市 梅州市 汕尾市 河源市 阳江市 清远市 东莞市 中山市 潮州市 揭阳市 云浮市 南宁市 柳州市 桂林市 梧州市 北海市 防城港市 钦州市 贵港市玉林市百色市 贺州市 河池市 来宾市 崇左市 海口市 三亚市 三沙市 成都市自贡市攀枝花市 泸州市德阳市 绵阳市 广元市遂宁市 内江市乐山市 南充市眉山市 宜宾市广安市达州市 雅安市巴中市 资阳市 贵阳市 六盘水市 遵义市 安顺市 毕节市 铜仁市 昆明市 曲靖市 玉溪市 保山市 昭通市 丽江市 普洱市 临沧市 拉萨市 西安市 铜川市 宝鸡市 咸阳市 渭南市 延安市 汉中市 榆林市 安康市商洛市兰州市 嘉峪关市 金昌市 白银市 天水市 武威市 张掖市 平凉市 酒泉市 庆阳市 定西市陇南市 西宁市 海东市 银川市石嘴山市 吴忠市固原市中卫市 乌鲁木齐市克拉玛依市 北京市 天津市兴安盟锡林郭勒盟阿拉善盟 延边州 大兴安岭地区 上海市恩施土家族苗族自治州 湘西州 儋州市 重庆市阿坝州甘孜藏族自治州凉山彝族自治州 黔西南州 黔东南自治州 黔南州 楚雄州 红河哈尼族彝族自治州 文山州 西双版纳傣族自治州 大理州德宏州 怒江州 怒江傈僳族自治州 迪庆州 日喀则市昌都市林芝市山南市 那曲市阿里地区临夏回族自治州 甘南藏族自治州 海北州 黄南州 海南州 果洛州 玉树藏族自治州 海西州 吐鲁番市 哈密市昌吉回族自治州博尔塔拉蒙古自治州巴音郭楞蒙古自治州阿克苏地区 克孜勒苏自治州喀什地区和田地区伊犁哈萨克自治州 塔城市阿勒泰市石河子市 琼海市 西双版纳州 桐乡市诸暨市张家港市 雄安新区贵安新区韶山市昆山市 玉树州 珲春市 济源市 衢州市0 10 20 30 学习 0 20 40 60 被学习 11 基于这种分析，我们提炼了四种学习型城市，主要从政策学习的 角度加以刻画。 第一种城市最多，占比近半数。这些城市既学习他人也被他人学 习，我们称其为 双向学习 的学习型城市。典型城市包括： 肇庆市、宁 波市、广州市、南京市、东莞市、杭州市、厦门市、苏州市 等。 第二种城市是 永远被学习 的明星城市，占比近两成，典型城市包 括： 上海、天津、北京、重庆、成都 。这些城市很少或从来不学习其 他城市，而主要被其他城市所学习。 第三种是经常 学习别人而很少被别人学习 的海绵城市，典型城市 包括： 吉林市、石家庄市、三门峡市、枣庄市 。这些城市主要是作为 学习者和追随者的身份而出现，很少成为其他城市学习或效仿的榜样。 最后一种城市是不学习他人也不被他人学习的孤立城市，典型城 市包括：大同市、包头市、淮南市、驻马店市。这些城市游离在城 市 学习网络之外，同其他城市的联系不强，既不学习其他城市，也没有 得到其他城市的关注。 我们还对 城市之间的学习网络 进行研究，无论是出访网还是接待 网，都有值得关注的特征（如图 6、图 7 所示）。从地理分布来看， 政策学习的城市在全国各地都有广泛的存在，而被学习的城市则主要 集中在长三角地区和珠三角地区等发达地区。 12 图 6 中国城市的政策学习网络（出访网） 图 7 中国城市的政策学习网络（接待网） 13 值得关注的是，学习他人的城市与被他人学习的城市之间有何种 关系 呢 ？比如， 发展中城市向发达城市学习？ 我们考察了城市特征的 差异及其同政策学习之间的关系，具体包括城市的规模、经济发展水 平和行政级别。 研究显示， 人口规模 越大的城市越会 学习 其他城市，也越有可能 被 其他城市 学习 。从 GDP 总量 和人均 GDP 来看，经济总量和发展 水平越高的城市，越有可能 被 其他城市 学习 ，而很少会向其他城市学 习。 从行政级别而言， 地级市 、 省会 城市 、副省级 城市 和直辖市 之间 的政策学习呈现如下特征。四个直辖市都是 被学习 的榜样，而 不学习 其他城市。 副省级城市 既被学习，也 学习 其他城市。省会城市主要是 被学习 的榜样，而很少学习其他城市。 我们将 学习与被学习的城 市 进行比较，发现它们 在经济发展水平、 规模和行政级别 等 方面的差别明显 。尽管也有发达、规模较大和级别 较高的城市向欠发达、规模较小和级别较低的城市学习，但是反过来 的学习模式是主流的。 与此同时，学习与被学习的城市之间在上述变量也存在一定的相 关关系，特别是 GDP 总量（ r=0.29）和人均 GDP（ r=0.25），而在 人口规模方面的相关关系不大（ r=0.08）。这说明在上述方面相似度 较高的城市之间，彼此之间相互学习的必要性较大，政策学习的可能 性也较大。学习与被学习的城市之间存在异质性，而相似性则为彼此 14 学习提供了参照的基 础。 城市之间在学习什么？我们对考察学习涉及的 政策领域 进行分 析，发现如下有趣特征。从较大的学习内容而言，占比最高的是经济 发展（ 71.5%），这说明城市学习的主要目的仍然是“以经济建设为 中心”。涉及经济发展较多的具体领域包括产业、科技创新、经济金 融等方面。其次是 城镇化 （ 56.3%），这同国家加快新型城镇化有很 大联系，包括城市建设与城市化发展、扶贫、农业与农村发展等。 此外，考察学习较多的是 公共服务 （ 37.5%），包括许多同公共 服务提供有关的具体领域，如生态环境、旅游、文化等。与此同时， 还有一些政策学习是同党建和 政府管理 有关的（ 14.4%），还有一些 涉及具体的 合作项目 （ 10.0%）。当然，党政代表团的考察学习往往 涉及很多方面，不同领域的交叉性也较强，说明我们使用考察次数来 衡量政策学习有一定基础。 表 4 城市之间政策学习的具体领域 学习内容 具体领域 比例 经济发展 产业 47.5% 经济发展 科技创新 32.0% 城镇化 城市建设与城市化发展 29.3% 经济发展 经济金融 25.8% 公共服务 生态环境 19.2% 公共服务 旅游 15.1% 城镇化 扶贫 14.0% 城镇化 农业与农村发展 14.0% 政府管理 政府职能及城市管理 12.1% 公共服务 文化文创 11.0% 合作项目 具体事项及具体细分领域合作 10.0% 城镇化 新区开发 6.6% 城镇化 交通 5.7% 15 公共服务 民生服务 5.1% 城镇化 基础设施建设 3.5% 经济发展 人才 3.2% 政府管理 党建及干部队伍建设 3.2% 公共服务 医疗 2.7% 公共服务 教育 2.3% 城镇化 老区振兴 1.2% 从政策学习的发起主体来看，我们想探究是谁发起了学习，比如 是市委书记还是市长。研究显示， 出访领导 中 市委书记 占 82.15%，说 明超过八成的城市党政代表团由市委书记牵头。其次是 市长 ，占 12.23%；再次是 市委副书记 ，占 2.17%；最后是 副市长 （ 1.38%）和 其 他 领导（ 2.07%）。从 接待 的市 领导 来看， 市委书记 占 71.96%， 市长 占 13.48%， 市委副书记 占 5.01%， 副市长 占 4.3%， 其他 领导占 5.25%。 在地方政府之间的考察学习中，一般强调对等接待，这也可以解释为 什么出访和接待的市领导组成较为相似。 从城市之间的政策学习来看，是 省内学习还是省外学习？ 从中国 地方政府之间的关系而言，省内城市之间的政治竞争激烈，而不同省 份的城市之间的经济竞争和政策学习明显。这同本报告的结果相似， 即省内学习的比例不足四成（ 37.62%），而省际学习则超过六成 （ 62.38%），即城市更倾向于在省外谋求学习榜样，而在省内城市之 间的学习较少。当然，省内城市的数量远少于省外城市，所以平均来 说省内城市之间的学习强度较高。 地方政府之间是 一次性学习还是反复学习？ 数据显示， 94%的考 察学习是一次性的，即两对城市之间在五年内仅发生了一次学习。近 6%的城市之间发生了两次考察学习，还有一些城市之间的学习超过 16 两次，如 肇庆市向深圳市学习 了 5 次 ，相当于每年学习一次 。 当然， 党政代表团的考察学习只发生一次，不意味着此后不会发生进一步的 政策学习，而只是以其他形式发生。 四、结论与政策建议 基于中国地级以上城市之间的考察学习，本报告刻画和分析了地 方政府之间的政策学习特征。研究显示，中国城市之间的政策学习越 来越明显，集中表现为各地党政代表团考察学习的次数逐年递增 。我 们发现深圳市、杭州市、上海市和苏州市等是经常被其他城市学习的 “明星城市”，而肇庆市、绵阳市和滁州市等是经常学习其他城市的 “海绵城市”。数据表明，城市的行政级别越高、经济发展水平越高、 人口规模越大，越有可能得到其他城市的青睐和关注。 我们发现地方政府之间的政策 学习是 非 对称的 或 非均衡的 ，学习 和被学习的城市在很多方面差异显著。因此，城市之间仍然不是 相互 学习 ，而更多呈现为单极化和单方向的政策学习。城市之间在政策学 习方面存在明显的非对称和非均衡状态，即一些城市是以知识出口为 主，而另一些城市则是以吸收知识为主。 这 些发现揭示了城市之间政策学习的特征，并为衡量和改善政策 学习提供了经验依据。显然，上述特征同 城市之间的联系（ 如 双边贸 易、政企关系） 有很大关系，也同市领导的任期和关系网络等不无关 系，而这些都有待于进一步的探究和解释。 一个值得考虑的问题是，如何增强城市政策学习的积极性，使城 17 市之间能够实现知识转移和政策协同。优秀城市先进经验的快速转移 和复制，有利于降低城市管理成本并推动城市之间的政策协同。如果 考察学习等方式的政策学习有利于政策创新和绩效改进，那么就应该 正视其所发挥的作用，并为其提供必要的支持和保障。当然，我们要 防 范城市之间的照抄照搬和“千城一面”，避免城市之间的恶性竞争 和跟风模仿。 显然， 政策学习 还有许多其他机制，因此我们的分析只是探索性 的。除了党政代表团，城市之间的政策学习还可以采取更有效的其他 形式。比如，一些城市会通过其他渠道和形式去学习其他城市，而不 会通过党政代表团的形式去考察学习。培育和发挥专业协会的桥梁和 纽带作用，使城市之间建立互学互鉴和对标管理的平台，可能会促进 政策学习得到进一步改善。此外，值得关注的是政策学习的效果如何， 以及 政策学习 对 政策 制定和执行的影响。比如，考察学习是走马观花 和蜻蜓点水，还是能够为政策创新和改革提供实质性的贡献，这是未 来值得关注的问题。 致谢： 感谢李延平、姜永康、 吴竞卓 等同学在数据收集方面提供的支持。同 美国休斯敦大学政治学系副教授朱凌的讨论，对本报告的完成有很大助益。感谢 国家自然科学基金项目面上项目 对本研究 （批准号 71774164） 提供的资助 。 报告 初稿曾在西南交通大学、华东师 范 大学、中国人民大学等研讨会上交流，感谢与 会者的评论和建议。按照惯例，问责自负。 18 供稿：中国人民大学国家发展与战略研究院。所有权利保留。任何机 构或个人使用此文稿时，应当获得作者同意。如果您想了解人大国发 院其它研究报告，请访问