Yang, L., Wu, Y., Yue, Q. et al. (2024) Working together: an RACM model of policy implementation capacity. Global Public Policy and Governance 4(1): 56–85.

共同作用：政策执行能力的RACM模型

导语

政策执行不可或缺，但现有研究尚未建立起政策执行影响因素的统一框架。本文尝试建立起整合的政策执行能力模型（PIC）。本文将PIC定义为政府行为者取得政策目标的能力，并强调了行为者的能力和局限在预测政策执行结果中的重要性。本文尝试建立PIC的RACM模型，通过39个环境治理领域的案例研究对RACM模型进行了初步的验证。研究发现：（1）政策执行空间对PIC有显著影响，并且社会因素比自然因素的影响更大；（2）政策执行意愿越强，PIC预测将更高；（3）政策执行资本影响政策执行方法与PIC，这种影响主要存在于货币资本和知识与科技资本；（4）权威执行有轻微的负面影响，但激励和协作能提升PIC；（5）协作对PIC的正面影响最为显著。

作者简介

杨立华，北京大学政府管理学院长聘教授、国家治理研究院研究员、公共治理研究所研究员与学术委员会副主任。研究领域包括公共管理基础理论、公共政策理论与分析方法、政治学和公共管理研究方法、社会和国家治理、环境治理和公共政策、公共/制度经济学与制度设计和应急管理。

吴昱晨, 北京大学政府管理学院硕士研究生。

岳秦名, 北京大学政府管理学院硕士研究生。

马壹, 北京大学政府管理学院博士后。

主旨内容

1.引言

公共政策研究长期以来关注政策制定，并假定政策一旦制定就将被准确地实施，其结果也将自然地符合政策制定者的期望。但政策设计与结果之间的显著差异使学界逐渐将研究重点转向政策执行，但目前尚未建立起研究政策执行的统一框架。本文强调政策执行能力（PIC）能够统一衡量执行者在政策执行中的能力和局限，并对整个政策执行和结果产生影响。本研究引入的RACM模型将PIC的影响因素分为四大类，空间（Room，R）、意愿（Aspiration，A）、资本（Capital，C）、方法（Methods，M），弥补了过往研究的不足。 

2.文献综述与RACM模型

本文将PIC定义为政府行为者为实现政策目标而有效投资、分配、调度和使用资源的能力。政策执行空间包括客观的和外生的自然或社会因素。自然条件是当地环境的固有特征，如水源、气候、地理等。社会条件是短期内无法改变的法律和政策因素。政策执行意愿被定义为参与政策执行的行动者的主观能动性，通常表现为作为政策执行主体的基层官僚的自由裁量权。政策执行者可以配置的具有相对增值效应的各种资源，包括有形的物质资本和货币、人力资本，也包括无形的制度、组织、知识和技术资本。政策执行方法包含利用政府主体公共权力的权威执行、采用经济激励的激励执行和两者兼具的协作执行。PIC可以用下述函数形式表达：

此外，RACM模型的四个因素会相互影响，详见原文图1。

原文图1: 政策执行能力、政策执行空间、政策执行意愿、政策执行资本、政策执行方法之间的关系

3.研究方法

本研究采用多案例分析的方法，在发现不同案例的共同性同时，识别出不同背景下政策执行的细微差别。本研究共采用39个案例：第一阶段，本研究选出了27个县（市、旗）实施荒漠化防治政策的案例进行分析；第二阶段，本研究改变覆盖范围、空间和时间以提高研究结论的普适性，将另外12个县（市）纳入分析。此外，本研究共选取了228篇文本，每个案例的平均文本数为6篇。本文以学者、政府、公众和其他主体的混合数据来达到数据、方法和研究者的三角互证，确保数据的可靠性。

在编码数据时，多位作者共同决定案例与RACM模型四要素符合程度的标准；其次，由两位作者根据相同的数据对案例进行独立编码，并检验本组编码的可靠性（可靠性=相互同意的数量/（相互同意的数量+相互不同意的数量）），形成初步编码结果；再次，两位作者将初步编码结果交由第三位作者进行核对和修改，并进行信度检验，当信度大于80%时形成第二次编码结果。上述过程反复进行，直到结果一致为止。

原文图2: 数据编码流程

本研究对RACM模型中各个因素的子项目分别编码为H、M、L，记为2分、1分、0分，以此确定每一项因素的总体程度，以便进行后续定量分析。进行定量分析时，研究分为三步：首先，使用相关性分析来验证PIC与RACM模型四个因素之间的相关性；其次，建立一个逐步多元线性回归模型以分析RACM模型如何影响PIC；最后，为排除多重共线性的影响，采用逐步回归分析法逐步引入RACM模型因素，并进行共线性分析，并最终揭示四个因素之间的相互影响。

4.数据分析结果与讨论

PIC随四个解释变量的高低而变化。在39个案例中，有23个案例的PIC较高。与PIC较高的案例相比，10个中等水平PIC的案例在R因素中的自然因素、政策执行意愿、知识与技术资本、社会资本方面有明显下降，且大多有中高程度的权威执行和中等水平的协作方法。另有6个案例的PIC水平较低，大半受制于环境条件、货币资本缺乏或低水平的协作。

综合来看，RACM模型的四个因素都与PIC水平相关，且程度不一。R因素对PIC的影响显著，A也有很大影响。在C中，货币资本的影响最为显著，M中协作的作用更为显著。逐步回归分析进一步发现，RACM模型的四个因素都会影响PIC水平，且模型没有共线性问题，具有良好的解释力。

原文表4: RACM模型因素与PIC间的相关性分析

5.讨论与结论

文章剖析了RACM模型中各个变量间的关系。分析显示，A受到R和C的影响。而C受R因素中的自然因素和社会因素的影响，其中，社会因素的影响更大。可见，C介于R和A之间，可能是一个中间变量。同时，权威执行无法用R、A和C来解释。激励执行受C影响，而协作执行受A影响。这一结果符合普遍认知，即激励执行需要足够的资源投入，而合作执行则与政策执行者的主观能动性密切相关。

此外，作为先决条件，R包含了自然因素与社会因素，强调了执行者在短期内无法改变的因素，如法律和政策环境以及水资源，对政策执行会产生更为直接的限制。政策执行空间也因而会产生根本性的影响。此外，R对A的影响也往往与地方背景有关，应因地制宜地进行分析。

编译者：徐依澜

约翰霍普金斯大学高级国际研究学院硕士生