基于GIS的招投标腐败空间特征研究
张 兵，张沐颖
（扬州大学建筑科学与工程学院，江苏扬州 225127）
摘 要：招投标是政府投资项目的一个“要塞”，腐败被视为招投标的灾难性威胁和最大障碍，然而由于腐败行为的隐蔽性，以及打击治理招投标腐败是一项复杂艰巨的系统工程，如何从大尺度的空间环境中抽取招投标腐败的空间形态，深入挖掘招投标腐败的空间规律已成为破解当下腐败研究中“数据丰富而理论薄弱”的关键挑战。基于1722个招投标腐败案例的“空间数据画像”，发现招投标腐败呈现出“多核放射型”与“大集聚、小分散”的空间结构特征，兼具空间集聚性与空间漂移性。对此，可以通过精准把握招投标腐败的空间特征规律，提升招投标腐败的“数据洞察力”，从而实现根据整体性治理框架来提高治理腐败效能。
关键词：招投标腐败；空间均衡；空间自相关；GIS；腐败治理
一、问题的提出
招投标腐败被视为“通向财富的大门”，在发达国家与发展中国家均广泛存在，经合组织（OECD）发现57％的外国贿赂案发生在招投标采购环节，［1］我国每年招投标腐败的成本高达8000亿元，［2］这都使得招投标腐败问题一直备受关注。传统研究聚焦于个体层面的腐败，并认为发生在均质的宏观空间，存在放之四海而皆准的解释。而随着空间行为理论的发展，特别是地理属性构成了最后一组尚未有效探析的腐败决定因素，［3］学术界已经将空间效应纳入到腐败的分析框架中，［4-6］但现有研究对招投标腐败空间格局的关注较少，如何基于空间研究范式厘清招投标腐败的空间规律仍是当前面临的重要挑战。
与此同时，我国招投标腐败治理已经进入到了夺取反腐败斗争压倒性胜利的“后半篇文章”，在注重铁拳出击、严肃查处的同时，亟需精准施治、靶向发力。但正如反腐败专家约翰纳·伯爵·兰斯多夫［7］所指出的，反腐败就像摧毁戈尔迪之结，聚焦于“点状偶发”的碎片化解决方式似乎无效，忽视腐败的空间效应会诱发治理偏差，甚至治理失灵［8］。而空间分析长于根据关联挖掘技术刻画招投标腐败的空间分布特征，提高反腐败政策的空间针对性和“空间定位”，有力指导相关部门在招投标腐败的“重灾区”科学配置反腐败资源，进而为腐败治理提供具有整体综合性的“空间特征—治理规则—治理途径”系统框架。
目前，学术界已经认识到应将空间从“容器”的角色中解放出来，并将其作为探讨腐败问题的重要视角和概念工具。［9-10］但迄今有关腐败空间分布的实证研究仍处于起步阶段，招投标腐败的空间问题更鲜有论述。［5，11］鉴于此，为了有效规避微观剖析的尺度陷阱，以及应对在腐败实证中未纳入空间效应所诱发的结果偏误，［3］本研究将运用空间分析工具开展招投标腐败的地理数据画像，探寻招投标腐败的空间规律，剖析招投标腐败在不同空间尺度上的关键特征，旨在为促进从经验式反腐范畴跃迁发展到空间防控提供理论参考。
二、文献回顾与梳理
（一）腐败的空间分布特征
当前大多数研究或隐或显地假设不同区域的腐败行为是独立于空间的，这导致了研究较少关注腐败的空间问题，［12］而随着空间分析方法的兴起，少量研究开始重视腐败的空间效应。［13］贝克尔（Ｂｅｃｋｅｒ）等［11］发现由于“同侪—团体”学习效应，腐败在国家间的传播会随着地理距离增加而降低。并且研究者还发现这会导致腐败的空间集聚与空间分异性。［13-14］进一步地，腐败不仅在国家间存在空间关联性，在国家内部也是如此。博斯基（Ｂｏｒｓｋｙ）和卡尔克施密德（Ｋａｌｋｓｃｈｍｉｅｄ）［4］根据81个国家的1232个样本，发现了地方政府的腐败水平与相邻地方政府的腐败水平正相关；饶映雪等［15］则根据我国省级面板数据，提出了土地违法的空间、时间和时空传染等效应。
为了进一步深入探究腐败空间作用机理，博斯基（Ｂｏｒｓｋｙ）和卡尔克施密德（Ｋａｌｋ⁃ｓｃｈｍｉｅｄ）［4］将腐败空间关系划分为水平空间相关性与环境特质空间相关性两种类型；在腐败的水平空间相关性方面，坎潘（Ｃａｍｐａｎｔｅ）等［16］指出腐败空间分布显著影响行为主体滥用职权谋取个人利益的动机和机会；在环境特质空间相关性方面，汪伟等［17］将腐败的空间关联机制总结为传染性、学习效应、示范攀比效应等。另外，瓦尔卡塞洛佩兹·瓦尔卡塞尔（ＶａｌｃａｒｃｅｌＬｏｐｅｚ⁃Ｖａｌｃａｒｃｅｌ）等［18］通过回归分析计算发现，若一个区域发生腐败行为，则临近区域被腐败“感染”的概率就增加了3.1％，但若一个区域被严厉惩处，则临近区域的腐败行为被惩处的概率就增加了6.7％。
（二）腐败的空间分析方法
针对传统模型难以有效剖析腐败空间效应的难题，［19］部分文献引入了新的分析工具和方法。多福埃（Ｄｏｎｆｏｕｅｔ）等［12］基于空间溢出网络模型，利用动态面板分析方法计算了腐败的空间溢出效应；董斌和托尔格勒（Ｔｏｒｇｌｅｒ）［20］构建了腐败行为互动模型，并计算出腐败水平与社会互动之间的正相关关系；马尔克斯（Ｍáｒｑｕｅｚ）等［8］根据探索性空间数据总结归纳了腐败的地理影响因素；张宏宇和卡西基（Ｋａｓｚｙｃｋｉ）［21］则运用贝叶斯空间线性模型对世界银行腐败调查数据进行了实证分析。
考虑到空间计量经济学侧重于用回归模型处理空间问题，［5］部分研究提出采用计量经济学模型刻画腐败的空间特征［11］。如为了确定腐败是否存在空间集聚性，多福埃（Ｄｏｎｆｏｕ⁃ｅｔ）等［12］对腐败空间矩阵进行了标准化；塞尔达迪奥（Ｓｅｌｄａｄｙｏ）等［22］根据空间模型剖析相邻国家的腐败治理水平如何影响其他国家；霍达帕纳（Ｋｈｏｄａｐａｎａｈ）等［23］利用动态空间滞后模型计算亚洲国家腐败的空间溢出效应；王舒鸿等［24］基于空间自回归与空间误差模型剖析我国东、中、西部的腐败空间影响；瓦尔卡塞洛佩兹·瓦尔卡塞尔（ＶａｌｃａｒｃｅｌＬｏｐｅｚ⁃Ｖａｌｃａｒｃｅｌ）等［18］则采用Ｍｏｒａｎ指数比较了腐败对临近城市的关联影响。
（三）腐败治理策略分析
腐败的产生与发展是复杂空间场域作用的结果，其治理也存在着明显的空间效应，一些研究逐渐认识到空间分析可以提供更为清晰的腐败总体形势判断，并且将使反腐败行动具有更加有效的空间针对性，而忽视空间的相互依赖性将导致有偏估计和政策失误。［12］因此，在空间对腐败治理响应的制约关系上，博斯基（Ｂｏｒｓｋｙ）和卡尔克施密德（Ｋａｌｋ⁃ｓｃｈｍｉｅｄ）［4］进一步提出反腐败措施的空间针对性对于法治水平或监管效率较低、难以直接干预治理的地方政府尤为重要，而真实地理关系的缺失将对腐败治理政策的可信度产生严重影响，［3］甚至所提出的政策建议不仅没能有效治理腐败，反而会加剧其消极影响［25］。
另外，随着腐败空间研究日趋完善与精细化，博斯基（Ｂｏｒｓｋｙ）和卡尔克施密德（Ｋａｌｋ⁃ｓｃｈｍｉｅｄ）［4］提出反腐败政策的设计应充分考虑空间依赖性及其异质性。治理腐败的努力必须适应腐败发生的具体环境。［26］董斌和托尔格勒（Ｔｏｒｇｌｅｒ）［20］强调政策制定者在分配反腐败资源时应该考虑这种空间效应；郭杰等［27］则指出中央政府在重拳打击地方官员腐败的问题上，需要研判地方腐败的空间特征，并有必要在全国范围内统筹协调推进腐败治理；与此同时，由于腐败的传染效应，当腐败开始在腐败水平较低的地区出现时，政策制定者需要及时采取迅速且强有力的治理措施［20］。
（四）文献述评
招投标腐败承载着腐败的所有负面影响，并且其社会成本总是显著地高于腐败所能获得的效益。［1］当前的招投标腐败研究主要集中在行为人考察，包括潜伏时间［28］、涉案金额［29-30］、案发年龄［31-32］、职级［33-34］、行政偏好［35］、腐败网络［36］等。这些文献遵循基于人（ｐｅｏｐｌｅ⁃ｂａｓｅｄ）的研究范式，从微观视角出发深入挖掘腐败行为规律及其诱因。与此同时，随着社会学的空间转向，基于空间（ｐｌａｃｅ⁃ｂａｓｅｄ）的研究范式正逐渐成为新的学术热点，在此背景下部分研究开始了范式转型与方法革新，并形成系列创新成果，如发现了招投标腐败会随空间而变化［17，37］，但现有分析结论也存在着一定争议［23］，这亟需引入地理数据挖掘的思想，采用空间计量方法剖析腐败问题［38］。鉴于此，为了拓展招投标腐败的研究视阈与回应学术挑战，弥补“个体主义方法论”的不足，本研究选择地理信息系统（GIS）分析工具探究招投标腐败空间分布特征。这一方面是由于GIS擅长处理地理信息数据，并被广泛应用于宏观发展态势与格局研究［39］，借助GIS分析工具的映像与图示空间能够揭示招投标腐败的空间分布特征；另一方面，为了改善当前腐败领域研究方法的局限性，本研究建构出一个分析招投标腐败的空间方法体系，以系统评判招投标腐败的“空间底色”，进而通过有效的学术对话，破解招投标腐败在宏观层面上的量化实证研究整体偏少的突出问题，［40］并为招投标腐败研究提供行为地理的新视角。
三、数据来源与研究方法
（一）数据来源
招投标腐败的隐蔽性和多面性诱发了该问题呈现出“冰山现象”，并导致对其研究存在着一些众所周知的实证挑战。鉴于开放数据在摧毁腐败方面日益发挥着关键作用以及是腐败研究中最为重要的数据来源，利用开放二手数据探析腐败问题已成为学术界一个非常活跃的领域［41-42］。另外，中国裁判文书网是全球最大的裁判文书资源库，尽管由于存在着选择性公开甚至没有及时上传的现象，裁判文书上网尚未完全实现“应上尽上”“能传都传”的目标，并导致了其可能无法披露招投标腐败的“全样本”，但考虑到获取大样本而非100％的全样本仍是当前腐败研究在很长一段时间内不得不面临的窘境，［43］以及裁判文书网所公开的信息堪称空前之多，是招投标腐败研究难得的一个“富矿”，能够为招投标腐败研究提供最为具体客观的原始面貌和前所未有的海量开放二手数据，以及缓解腐败研究中数据资料难以获得的客观难题［44］，本研究根据“适当缩小研究范围，并限定研究对象，能够一定程度上获取特定问题的裁判文书全样本数据”的思路，［43］拟以中国裁判文书网中的招投标腐败判决书为研究数据来源。另外，为了克服可能存在的“选择偏误”，辅以从网络、报刊等渠道获取案例作为补充。通过多次筛选，最终收集到符合研究要求的1722个招投标腐败案例，并按照区域整理归类，包含了我国31个省、直辖市及自治区等。①
（二）招投标腐败均衡性分析
针对单一指标带来的分析偏误，本研究从招投标腐败空间均衡的内涵出发，应用基尼系数、泰尔指数和核密度分析等多个指标从整体与局部两个层面刻画招投标腐败的空间均衡规律。
1．基尼系数
基尼系数是描述随机不确定性和衡量空间分布是否均衡的指标，为了测度招投标腐败的空间均衡和随机程度，采用基尼系数剖析招投标腐败的空间分布特征，并通过不同区域分布差异的对比，判断招投标腐败的空间均衡状况，其具体的计算公式如（1）所示。
公式（1）中Ｇｉｎｉ为招投标腐败的基尼系数值，Ｎ为招投标腐败涉及的省份数量，Ｑｉ表示第ｉ个省份的招投标腐败案例数量占全国总数的比例值，取值范围在0到1之间，值越大，表明集中程度越明显，非均衡性越显著。并且当基尼系数值小于0.2时，招投标腐败的空间分布高度均衡，基尼系数值在0.2至0.3时招投标空间分布比较均衡，在0.3至0.4为相对均衡，在0.4至0.5则空间分布差异较大，而在0.5以上表明招投标腐败的空间分布较为悬殊。
2．泰尔指数
与基尼系数不同，泰尔指数能够将招投标腐败的空间分布均衡状况分解为组间和组内两个部分，进而可以将招投标腐败的不均衡程度进一步分解成不同空间尺度的组内差异和组间差异。本研究根据一阶段泰尔指数测度招投标腐败省级层面的空间分布均衡差异，并通过二阶段泰尔指数判断更大区域范围的空间分异情况，实现了从省级到更大区域范围的空间分布差异分析。
其中公式（2）为招投标腐败的泰尔指数，ｎ代表省级区域的总数，ｉ则代表第ｉ个省级区域，ｆｉ代表第ｉ个省级区域的招投标腐败水平情况，ｆ 表示招投标腐败的平均水平情况。公式（3）（4）中的ｍ代表更大区域范围的区域组数，ｊ表示第ｊ组区域，ｖｊ代表第ｊ组招投标腐败水平占比全国招投标腐败总体水平情况，ｆｊ表示第ｊ组招投标腐败向量。
3．核密度分析
核密度分析是非参数检验方法之一，主要根据地理学第一定律判断要素的空间集聚性。本研究利用核密度分析工具梳理招投标腐败活动在空间范围内的集聚情况，其计算公式如（5）所示。
公式（5）中反映了以Ｐ点为圆心，阈值ｒ为半径，ｎ代表一定搜索半径内的招投标腐败的案例数量，Ｋ（·）表示核密度函数，ｈ指代核密度估计法的尺度，ｄ（ｘ，ｘｉ）表征两点间的搜索距离。经多次实验，本研究的搜索半径为300千米，面积单位为平方千米。
（三）招投标腐败空间自相关判断
为了揭示招投标腐败的空间关联性，以及精确判断招投标腐败潜在的空间依赖性，采用全局空间自相关和局部空间自相关两种方法检验招投标腐败的空间关联，并结合趋势面分析总结空间集聚特征。
1．全局自相关分析
全局空间自相关刻画了全国范围内招投标腐败的空间关联依赖程度，本研究根据全局Ｍｏｒａｎ′ｓＩ指数测度招投标腐败在全国范围内的空间关联与差异程度，其具体的计算公式如（6）所示。
其中Zi是省级区域ｉ的招投标腐败案例数与全国招投标腐败省级区域平均值（ｘｉ-Ｘ）的偏差，ｗｉ，ｊ是省级区域ｉ和ｊ之间的空间权重，ｎ等于全国省级区域数量，Ｓ0是所有空间权重的聚合。其取值范围为［-1，1］，当为正数且趋近于1时，表明该省级区域单元与相邻的省级区域之间存在着较强的正空间自相关关系与聚集分布特征，反之则是负空间自相关和离散分布，而当值趋近于0时，表明不存在空间相关性，并呈现出随机分布特征。
2．局部自相关分析
局部空间自相关表征了招投标腐败的省级区域空间单元与周边相邻省级区域的整体相关性，刻画了招投标腐败总体趋势的差异程度及显著性情况，本研究采用局部Ｍｏｒａｎ′ｓＩ指数测度，其计算公式如（7）所示。
其中Ｚｉ与Ｚｊ分别代表省级区域的招投标腐败案例数的标准化形式。另外根据局部Ｍｏ⁃ｒａｎ′ｓＩ指数的散点图可将招投标腐败的局部空间关联划分为四个象限，并用ＨＨ、ＬＨ、ＬＬ和ＨＬ分别刻画招投标腐败高值省级区域周边同是高值区、低值省级区域周边都是高值区、低值省级区域周边同是低值区和高值省级区域周边都是低值区，其中ＨＨ和ＬＬ象限表征了相邻省级区域的招投标腐败存在着空间正相关，而ＬＨ和ＨＬ象限则为空间负相关。
3．趋势面分析
趋势面分析用来识别所聚焦的招投标腐败问题案例是否存在某种全局集中趋势，主要通过三维数据的横向视图，以及不同轴上的应用旋转计算每个平面上的点云投影以及调整多项式的计算曲线，进而找寻到最明显的趋势。
一般来说，具有一定分布特征的招投标腐败案例数据可以进一步划分为腐败趋势值和剩余值两部分，前者反映了招投标腐败的宏观分布规律，属于确定性因素作用的结果，而后者则对应于微观局域，是随机因素影响的结果。
四、实证分析
（一）总体空间分布特征
本研究运用色阶表征招投标腐败程度，颜色越深表明案例数量越多，腐败越严重，具体的分析结果，如图1所示。
从整体来看，东部地区的颜色较深，西部较浅，并且两地区色差较大，反映出东、西部地区的招投标腐败存在较为明显的差异。另外从省级区划看，各个省份的招投标腐败案例数量的差异也较为显著，如四川省、湖南省、安徽省、湖北省、贵州省、江苏省及广东省等7个省份招投标腐败案例数量均超过100个，上海市和北京市均未突破20个。这初步反映了招投标腐败在省级区域上存在着一定的空间分布非均衡性。
在此基础上，利用核密度分析方法进一步剖析招投标腐败的空间非均衡性，采用自然断点法划分为5个等级，并根据色阶判断招投标腐败的空间密集程度，颜色越深则表示分布越密集。图2表明招投标腐败呈现出“多核放射型”结构特征，并包含2个高密度核心圈、2个次核心圈与多个小核心圈，其中高密度核心圈覆盖了“湖南—湖北—安徽—江苏”的区域范围；次核心圈主要分布在广东省和贵州省；多个小核心圈空间密集程度较低，分散在全国各地。总体看，招投标腐败集中分布在华东和华中地区， 并且层次特征明显，呈现出“大聚集，小分散”的空间分布格局。
另外，为了测度招投标腐败非均衡的随机性，采用基尼系数对样本的省域差异进行判断。结果显示我国招投标腐败的基尼系数为0．462，表明招投标腐败的空间分布呈现出较大的差异性，招投标腐败案例在空间分布上的非均衡性大，具有一定的集聚性。招投标腐败在全国范围内呈现出集中分布的态势。
图3显示招投标腐败的洛伦兹曲线与绝对均匀分布线的偏离程度较高，整个招投标腐败洛伦兹曲线向上凸的态势较为明显，这再一次表明我国招投标腐败案例的空间分布的非均衡性，四川、湖南、安徽、湖北和贵州等五省份的招投标腐败案例数达到了全国案例数的41．06％，而天津、内蒙古、西藏、北京和上海等5个省级区域的占比仅为2．56％。进一步判断出我国招投标腐败在省级区域空间分布不服从随机分布特征。
（二）招投标腐败的区域差异
针对城市建设项目是招投标市场的“主战场”，为了梳理招投标腐败的空间差异，本研究以城市为基本空间单元，构造招投标腐败的二阶嵌套泰尔指数，并将招投标腐败的区域差异分解为省内差异、省际差异和区域差异，其中根据我国行政区划将区域划分为华北、东北、华东、中南、西南和西北等六大地区。然后参照刘华军和郭立祥［45］提出的嵌套结构完整性分析框架将直辖市的数据归并到临近省份，最后计算得出二阶嵌套泰尔指数。
表1显示各个省级区域泰尔指数差异较大，有必要进一步比较招投标腐败在省级区域分布的差异。为此运用自然断点法将招投标腐败泰尔指数划分为五个等级：（1）招投标腐败差异大的省级区域（泰尔指数大于0.65）包含新疆维吾尔自治区、辽宁省、陕西省、黑龙江省以及甘肃省，主要分布在北方地区，这些省级区域的招投标腐败分布非常不均衡；（2）招投标腐败差异较大的省级区域（泰尔指数在0.40～0.65）：吉林省、宁夏回族自治区、山西省、青海省、云南省、海南省和河南省等7个省级区域，其内部招投标腐败的空间分布差异较大，分散在全国的东北、西北和南部地区；（3）招投标腐败差异中等的省级区域（泰尔指数在0.29～0.39）有四川省、广东省、河北省和广西壮族自治区等4个省级区域；（4）招投标腐败差异较小的省级区域（泰尔指数在0.18～0.28）：山东省、内蒙古自治区、西藏自治区、安徽省、福建省、浙江省和江西省等7个省级区域，这些省份主要聚集在华东地区；（5）招投标腐败差异小的省级区域（泰尔指数小于0.18）：湖南省、湖北省、江苏省和贵州省等4个省级区域。由此可见，整体看我国北方地区的招投标腐败的空间分布省级区域差异明显高于南方区域，并且东部区域的差异小于西部地区。
另外经计算六大区域的区内和区间的招投标腐败泰尔指数值分别为0.175、0.144，为了详细考察不同省份的招投标腐败的空间分布差异，以城市为空间单元计算招投标腐败的泰尔指数为0.523，其中省内和省际的泰尔指数值分别为0.300、0.079。可以看出招投标腐败的省内泰尔指数值远大于省际泰尔指数值，凸显了招投标腐败空间分布差异的主要原因是省内差异。与此同时，从差异的来源看，省内差异最大，其次是区域间的差异和省间差异，三者对总体差异的平均贡献率大小依次为省内差异（57.36％）、区域间差异（27.53％）和省间差异（15.11％），这进一步明确了招投标腐败的空间差异的主要来源。
（三）招投标腐败的空间自相关分析
采用Ｇｅｏｄａ软件对招投标腐败的全局空间自相关进行分析，并根据反距离权重插值法度量招投标腐败案例数量空间分布，通过999次的随机化处理，计算得出省级区域的Ｍｏｒａｎ′ｓＩ指数值为0.144，相应的ＰｓｅｕｄｏＰ⁃ｖａｌｕｅ大小为0.011。表明在95％的置信区间内招投标腐败的空间自相关是显著的，并且Ｍｏｒａｎ′ｓＩ指数值大于0，招投标腐败呈现出空间正相关性，表明在省级区域具有聚类趋势和呈现出一定程度的集聚效应，这进一步揭示了招投标腐败的空间关联特征是招投标腐败案例高值省级区域趋于和高值省级区域相邻，反之亦然。
为了揭示招投标腐败的空间相关性，以各个省级区域的局部Ｍｏｒａｎ′ｓＩ指数值为横轴，并以相对应的空间滞后向量值为纵轴，绘制各省级区域的局部Ｍｏｒａｎ′ｓＩ空间自相关散点图（见图4）。其中横坐标大于0表明招投标腐败发生率较高的省级区域，反之则为招投标腐败发生率较低的省级区域，纵坐标大于0指代临近省级区域为招投标腐败案例数较高的，反之同上，并可将局部Ｍｏｒａｎ′ｓＩ散点图划分为4个象限，表2为招投标腐败局部空间自相关类型汇总表。
表2显示在95％置信区间下，招投标腐败的空间正相关类型中ＨＨ、ＬＬ型各有9个和2个省级区域，分别占到了总数的29.03％和6.45％，负相关类型中的ＬＨ型有5个省级区域，占比16.13％，非显著型的省级区域个数为15，占省级区域总数的48.39％。图5表明接近一半的省级区域招投标腐败在空间上呈现出非显著相关，并且在空间相关部分，正相关占主导类型，鉴于此，本研究根据空间自相关类型将招投标腐败划分为3种类型。
（1）高值聚集区域（ＨＨ型）。该类主要集中分布在湖北省、湖南省、江西省、广东省、广西壮族自治区、贵州省、四川省、陕西省、河南省等九个省级区域，该部分地区的经济增速快，既有率先实现经济转型升级快速发展的广东省，也有ＧＤＰ突破50000亿大关的河南省、四川省等经济强省，还有经济增速持续达到7％以上的贵州省、湖南省、湖北省等。这表明在区域协同发展的背景下，基建联动建设频繁，招投标操作空间较大，并对周边省份的招投标腐败溢出效应较为显著，导致了自身和周边相邻省域的招投标腐败数量均较多。
（2）低值异质区域（ＬＨ型）。包括重庆市、云南省、福建省等三个省级区域，虽然这些省级区域分布在ＨＨ型省级区域周边，但受制于招投标规模、经济水平等，这些省级区域的招投标腐败案例数基本上低于其周边省级区域，并且与ＨＨ型省级区域的耦合效应不强。
（3）低值聚集区域（ＬＬ型）。该类主要集中在东北地区，包括内蒙古自治区和吉林省两个省级区域。这些区域的招投标腐败数量以及周边临近省域的案例数量均较低，并且普遍面临着经济转型升级的压力，但由于基础设施项目投资强度较小，以及可能存在着腐败黑指数较高，营商环境亟待优化，导致了这些区域呈现出低值集聚现象。
（四）招投标腐败的趋势面分析
趋势面分析的主要目的是剖析招投标腐败的空间分布规律的变化，该方法以多元回归分析理论为基础，根据最小二乘法从整体出发剖析招投标腐败空间分布的系统和局部变异情况，进而得出腐败的趋势值和剩余值，抽象并过滤掉一些局域随机因素的影响，并利用数学曲面拟合样本数据的统计方法梳理出招投标腐败的空间分布趋势与变化规律。本研究将每个省级区域的招投标腐败案例数作为采样点值，以散点图的形式投影到ＸＺ平面和ＹＺ平面上，其中Ｘ轴代表正东方向，Ｙ轴代表正北方向，Ｚ轴则代表招投标腐败案例数，得到东西、南北走向的两条投影曲线。
图6的两条曲线代表东西方向与南北方向的最佳拟合线，反映了这两个方向的招投标腐败趋势，如果该线是平直的，则表示招投标腐败没有趋势存在。分析结果表明我国招投标腐败存在着明显的趋势，并且从东西方向看，呈现出类向上抛物线特点，说明东部和西部两端的招投标腐败变化较为剧烈，受其他因素随机影响较大，而中部地区的招投标腐败较为相似，受其他因素随机影响较小，东西部区域的相邻省域之间的招投标腐败差异较大。另外，从南北方向看，呈现出“北高南低”的态势，这说明尽管江苏省、浙江省、广东省等南方省份的招投标腐败案例数较多，但也应高度重视北方省级区域之间的腐败分异问题，防止由于腐败治理资源投入或打击力度差异造成招投标腐败空间分布迥异的情况发生。
五、结 论
伴随着大量腐败案例的披露曝光，招投标腐败研究陷入了“数据爆炸但知识贫乏”的困境，特别是由于招投标腐败信息多是非结构化文本数据，通过公开二手数据剖析腐败规律已成为新兴的分析方式。针对应用空间分析方法研究招投标腐败问题能够以空间思维为指导，深入挖掘招投标腐败行为的空间属性、空间分布、空间结构特征等的优势，本研究根据公布的1722个招投标腐败案例，运用基尼系数、泰尔指数、核密度分析、全局自相关与局部自相关分析等方法，从招投标腐败均衡性与空间自相关等两个部分出发，提取隐含在招投标腐败案例中的腐败空间特征与本质规律，并通过可视化方式直观地展示招投标腐败的复杂空间关系，实现了从招投标腐败的空间数据中发现知识。
具体而言，由于招投标腐败的空间特征信息尚缺乏先验知识、理论与假设，本研究以招投标腐败的总体空间关系特征及其差异性作为切入点，揭示了我国招投标腐败在空间分布上存在着较为显著的非均衡性，呈现出“多核放射型”与“大集聚、小分散”的结构特征，整体来看，我国招投标腐败的空间分布并不服从随机分布，而集中分布特征较为明显。与此同时，空间相关性分析表明招投标腐败具有区域敏感性，其区域性差异较为显著，并且省内的泰尔指数值远超过省际及区域间的泰尔指数，省内差异已成为招投标腐败空间分布差异的主要诱因。另外，空间自相关分析结果表明招投标腐败具有空间正相关性和集聚效应，存在一定的空间扩散溢出效应，然而由于招投标腐败的低-高（ＬＨ）型空间自相关类型的存在，招投标腐败在空间上又呈现出“漂移”特征，即在两个相邻区域的招投标腐败发展上存在非同频共振特性，这导致了全国东西南北各个区域的招投标腐败空间分布差异较大。
本研究揭示了招投标腐败空间分析的一些基本问题与总体判断，论证了我国招投标腐败的空间异质性和空间依赖性等空间分布特征，反映了招投标腐败空间分布的不稳定性，具有非均衡性和显著的局部集聚特点，并且在空间上具有深刻的关联性，既存在着空间溢出效应，也同时存在着无空间依赖甚至趋势相反的现象，揭示了招投标腐败的空间依赖性呈现出非一致性及关联影响较为复杂的空间规律。这些研究成果丰富了招投标腐败研究的理论知识，并在空间特征方面提供了更多的理论洞察，进而为完善和提高我国招投标腐败治理提供了一些有益启示：一是由于招投标腐败具有空间依赖性，这决定了招投标腐败行为并非独立、随机分布，而是呈现出空间自相关，在对其治理时需要坚持“全国一盘棋”，通过中央抓与上下联动等形成全国反腐的全链条，并按照全国统一部署，持续加力，全面推进提升招投标腐败治理体系和治理能力现代化水平；二是在坚持全国“开大灶”的同时，针对规模较大的招投标腐败集聚区“烧小灶”，由于我国招投标腐败治理资源十分有限，在通盘考虑的同时，有必要深入考察和诊断腐败空间异质性特征，在全国范围内划分招投标腐败治理等级，有计划地聚焦重点聚集区域，优先集中资源深入开展腐败治理，特别是在注意东、西部差异较大的同时，也要密切关注“北高南低”的特点。为此有必要制定差异化的治理政策，从而通过将招投标腐败的空间异质层面纳入到治理范畴，更为精准地推进招投标腐败治理，最终通过空间分析思维的引入，以及招投标腐败治理的“大灶”“小灶”火力全开，破解招投标腐败背后的空间密码。
与此同时，本研究尝试以中国裁判文书网、新闻等平台上发布的历史案件为招投标腐败研究的数据源泉，力求通过多源数据增强研究结论的稳健性和普适性，并呼应了司法大数据时代下的“数据导向”的学术研究成果，初步实现了招投标腐败研究从“策论思辨式”定性研究向“数据密集型”的实证定量研究嬗变。但由于招投标腐败行为的隐蔽性，以及“在任何国家，法院判决书都不可能100％披露”和腐败二手数据自身存在的可靠性和准确性偏差问题，这导致了很难通过中国裁判文书网等海量数据有效破解所选案例的代表性和完整性等“未竟之题”，进而诱发了招投标腐败分析的实用性和科学性“残缺”，这有必要审慎地对待招投标腐败研究中数据缺失问题。为此，在未来的研究中首先应基于中国裁判文书网、各级纪委监察部门网站、法制类报纸等多源、异构、海量的数字资源，利用网络爬虫技术对各数据源进行案例抓取与解析，进而通过数据源改进和多源数据融合的方式，最大程度地克服招投标腐败案例“数据不完整、公开渠道零散”的问题，尽量实现依托较为“完美”的数据获得稳定有效的分析结果，防止由于数据问题所导致的错误结论；其次，由于裁判文书的上网率已从2013年的9.3％，上升到当前相当数量的法院的总体案件上网率超过80％（20％左右属于法定不公开判决书），可以通过开展招投标腐败的长周期研究来克服现有“数据缺陷”，未来可以通过连贯的数据跟踪与期间划分，形成可以互相印证和相互贯通的分析结果，以破解当前招投标腐败研究过多聚焦当期研究的问题；再次，在研究视角方面，在现有聚焦中观省份空间尺度外，可以结合聚焦个体的微观尺度和小尺度的城市空间，从多个空间尺度和方法重构等方式深入挖掘海量文本背后隐含的招投标腐败规律，以展示出以数据驱动招投标腐败研究的学术价值。
【注释】
①本研究数据不包括台湾省、香港特别行政区、澳门特别行政区。
【参考文献】
［1］ ＵＮＯＤＣ．Ｃｏｒｒｕｐｔｉｏｎｉｎｐｕｂｌｉｃｐｒｏｃｕｒｅｍｅｎｔ［ＥＢ／ＯＬ］．（2018-01-25）［2022-05-24］．ｈｔｔｐｓ：∥ｗｗｗ．ｕｎｏｄｃ．ｏｒｇ／ｅ4ｊ／ｅｎ／ａｎｔｉ⁃ｃｏｒｒｕｐｔｉｏｎ／ｍｏｄｕｌｅ⁃4／ｋｅｙ⁃ｉｓｓｕｅｓ／ｃｏｒｒｕｐｔｉｏｎ⁃ｉｎ⁃ｐｕｂｌｉｃ⁃ｐｒｏｃｕｒｅｍｅｎｔ．ｈｔｍｌ．2019．
［2］ 晏耀斌．每年10万亿工程招标腐败成本占比8％［ＥＢ／ＯＬ］．（2014-10-18）［2022-05-24］．ｈｔｔｐ：∥ｗｗｗ．ｃｂ．ｃｏｍ．ｃｎ／ｉｎｄｅｘ／ｓｈｏｗ／ｊｊ／ｃｖ／ｃｖ1151723979．
［3］ ＲＡＨＩＭＩＡＮＳ．Ｃｏｒｒｕｐｔｉｏｎｄｅｔｅｒｍｉｎａｎｔｓ，ｇｅｏｇｒａ⁃ｐｈｙ，ａｎｄｍｏｄｅｌｕｎｃｅｒｔａｉｎｔｙ［Ｊ／ＯＬ］．（2014-10-18）［2022-05-24］．Ａｒｘｉｖ，2021ｈｔｔｐｓ：∥ｄｏｉ．ｏｒｇ／10．48550／ａｒＸｉｖ．2105．12878．
［4］ ＢＯＲＳＫＹＳ，ＫＡＬＫＳＣＨＭＩＥＤＫ．ＣｏｒｒｕｐｔｉｏｎｉｎＳｐａｃｅ：ａｃｌｏｓｅｒｌｏｏｋａｔｔｈｅｗｏｒｌｄ′ｓｓｕｂｎａｔｉｏｎｓ［Ｊ］．Ｅｕｒｏｐｅａｎｊｏｕｒｎａｌｏｆｐｏｌｉｔｉｃａｌｅｃｏｎｏｍｙ，2019，59（ｃ）：400-422．
［5］ ＯＲＴＥＧＡＤ，ＦＬＯＲＡＸＲ，ＤＥＬＢＥＣＱＢ．ＰｒｉｍａｒｙＤｅｔｅｒｍｉｎａｎｔｓａｎｄｔｈｅＳｐａｔｉａｌＤｉｓｔｒｉｂｕｔｉｏｎｏｆＣｏｒｒｕｐ⁃ｔｉｏｎ［Ｒ／ＯＬ］．（2010-02-02）［2022-05-24］．ＰｕｒｄｕｅＵｎｉｖｅｒｓｉｔｙ，2021ｈｔｔｐｓ：∥ａｇｅｃｏｎｓｅａｒｃｈ．ｕｍｎ．ｅｄｕ／ｒｅｃｏｒｄ／101395／．
［6］ 魏锋．中国省域腐败邻居效应的实证研究［Ｊ］．经济社会体制比较，2010（4）：101-109．
［7］ 兰斯多夫．腐败与改革的制度经济学：理论，证据与政策［Ｍ］．北京：中国方正出版社，2007．
［8］ ＭÁＲＱＵＥＺＭ，ＳＡＬＩＮＡＳＩＭÉＮＥＺＪ，ＳＡＬＩＮＡＳＩＭÉＮＥＺＭＤＭ．Ｅｘｐｌｏｒｉｎｇｄｉｆｆｅｒｅｎｃｅｓｉｎｃｏｒｒｕｐ⁃ｔｉｏｎ：ｔｈｅｒｏｌｅｏｆｎｅｉｇｈｂｏｒｉｎｇｃｏｕｎｔｒｉｅｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＥｃｏｎｏｍｉｃＰｏｌｉｃｙＲｅｆｏｒｍ，2011，14（1）：11-19．
［9］ 吴宗友．突发重大公共卫生事件期间空间越轨行为的场域机制———以新冠肺炎疫情为例［Ｊ］．］ＥＬＤＥＮＳ，ＢＲＥＮＮＥＲＮ，ＭＯＯＲＥＧ．Ｓｔａｔｅ，Ｓｐａｃｅ，Ｗｏｒｌｄ［Ｍ］．Ｍｉｎｎｅｓｏｔａ：ＴｗｉｎＣｉｔｉｅｓ，Ｕｎｉ⁃ｖｅｒｓｉｔｙｏｆＭｉｎｎｅｓｏｔａＰｒｅｓｓ，2009．
［11］ＢＥＣＫＥＲＳＯ，ＥＧＧＥＲＰＨ，ＳＥＩＤＥＬＴ．Ｃｏｍｍｏｎｐｏｌｉｔｉｃａｌｃｕｌｔｕｒｅ：ｅｖｉｄｅｎｃｅｏｎｒｅｇｉｏｎａｌｃｏｒｒｕｐｔｉｏｎｃｏｎｔａｇｉｏｎ［Ｊ］．ＥｕｒｏｐｅａｎＪｏｕｒｎａｌｏｆＰｏｌｉｔｉｃａｌＥｃｏｎｏ⁃ｍｙ，2009，25（3）：300-310．
［12］ＤＯＮＦＯＵＥＴＨＰＰ，ＪＥＡＮＴＹＰＷ，ＭＡＬＩＮＥ．Ａｎａｌｙｓｉｎｇｓｐａｔｉａｌｓｐｉｌｌｏｖｅｒｓｉｎｃｏｒｒｕｐｔｉｏｎ：ａｄｙｎａｍ⁃ｉｃｓｐａｔｉａｌｐａｎｅｌｄａｔａａｐｐｒｏａｃｈ［Ｊ］．ＲｅｇｉｏｎａｌＳｃｉ⁃ｅｎｃｅ，2018，97（Ｓ1）：63-78．
［13］ＤＯＮＧＢ，ＺＨＡＮＧＹ，ＳＯＮＧＨ．Ｃｏｒｒｕｐｔｉｏｎａｓａｎａｔｕｒａｌｒｅｓｏｕｒｃｅｃｕｒｓｅ：ｅｖｉｄｅｎｃｅｆｒｏｍｔｈｅＣｈｉｎｅｓｅｃｏａｌｍｉｎｉｎｇ［Ｊ／ＯＬ］．ＣｈｉｎａＥｃｏｎｏｍｉｃＲｅｖｉｅｗ，2019［2022-05-24］．ｈｔｔｐｓ：∥ｄｏｉ．ｏｒｇ／10．1016／ｊ．ｃｈｉｅｃｏ．2019．101314．
［14］徐铜柱，张恩．乡村微腐败的异质性表现及其法治化治理之维［Ｊ］．湖北民族大学学报（哲学社会科学版），2021（2）：108-117．
［15］饶映雪，谭术魁，罗迈．地方政府土地违法的传染效应分析［Ｊ］．管理世界，2012（8）：180-181．
［16］ＣＡＭＰＡＮＴＥＦＲ，ＤＯＱＡ．Ｉｓｏｌａｔｅｄｃａｐｉｔａｌｃｉｔｉｅｓ，ａｃｃｏｕｎｔａｂｉｌｉｔｙａｎｄｃｏｒｒｕｐｔｉｏｎ：ｅｖｉｄｅｎｃｅｆｒｏｍＵｓＳｔａｔｅｓ［Ｊ］．ＡｍｅｒｉｃａｎＥｃｏｎｏｍｉｃＲｅｖｉｅｗ，2014（8）：2456-2481．
［17］汪伟，胡军，宗庆庆，等．官员腐败行为的地区间策略互动：理论与实证［Ｊ］．中国工业经济，2013（10）：31-43．
［18］ＬＯＰＥＺ⁃ＶＡＬＣＡＲＣＥＬＢＧ，ＪＩＭＥＮＥＺＪＬ，ＰＥＲ⁃ＤＩＧＵＥＲＯＪ．Ｄａｎｇｅｒ：Ｌｏｃａｌｃｏｒｒｕｐｔｉｏｎｉｓｃｏｎｔａ⁃ｇｉｏｕｓ！［Ｊ］．ＪｏｕｒｎａｌｏｆＰｏｌｉｃｙＭｏｄｅｌｉｎｇ，2017，39（5）：790-808．
［19］ＯＫＩＴ．Ｂａｎｄｉｔｓｏｎｐａｔｒｏｌ：ａｎａｎａｌｙｓｉｓｏｆｐｅｔｔｙｃｏｒｒｕｐ⁃ｔｉｏｎｏｎＷｅｓｔＡｆｒｉｃａｎｒｏａｄｓ［Ｊ／ＯＬ］．（2016-05-31）［2022-05-24］．Ｅｃｏｎｏｍｉｃｓ，2016ｈｔｔｐ：∥ｐｕｂｄｏｃｓ．ｗｏｒｌｄｂａｎｋ．ｏｒｇ／ｅｎ／97961466445444776／Ｔｏｎｉ⁃Ｏｋｉ⁃Ｐｒｅｓｅｎｔａｔｉｏｎ．ｐｄｆ．
［20］ＤＯＮＧＢ，ＴＯＲＧＬＥＲＢ．Ｃｏｒｒｕｐｔｉｏｎａｎｄｓｏｃｉａｌｉｎ⁃ｔｅｒａｃｔｉｏｎ：ｅｖｉｄｅｎｃｅｆｒｏｍＣｈｉｎａ［Ｊ］．ＪｏｕｒｎａｌｏｆＰｏｌｉ⁃ｃｙＭｏｄｅｌｉｎｇ，2012，34（6）：932-947．
［21］ＺＨＡＮＧＨＹ，ＫＡＳＺＹＣＫＩＳ．Ｔｈｅｐｏｌｉｔｉｃａｌｅｃｏｎｏ⁃ｍｙｏｆｊｕｄｉｃｉａｌｃｏｒｒｕｐｔｉｏｎｉｎＣｈｉｎａ：ａｓｐａｔｉａｌｒｅｌａ⁃ｔｉｏｎｓｈｉｐ［Ｊ］．ＥａｓｔＡｓｉａ，2017，34（1）：63-78．
［22］ＳＥＬＤＡＤＹＯＨ，ＥＬＨＯＲＳＴＪＰ，ＨＡＡＮＪＤ．Ｇｅｏｇ⁃ｒａｐｈｙａｎｄｇｏｖｅｒｎａｎｃｅ：ｄｏｅｓｓｐａｃｅｍａｔｔｅｒ？［Ｊ］．ＰａｐｅｒｓｉｎＲｅｇｉｏｎａｌＳｃｉｅｎｃｅ，2010，89（3）：625-640．
［23］ＫＨＯＤＡＰＡＮＡＨＭ，ＳＨＡＢＡＮＩＺＤ，ＡＫＢＡＲＺＡ⁃ＤＥＨＭＨ，ｅｔａｌ．Ｓｐａｔｉａｌｓｐｉｌｌｏｖｅｒｅｆｆｅｃｔｓｏｆｃｏｒｒｕｐ⁃ｔｉｏｎｉｎＡｓｉａｎｃｏｕｎｔｒｉｅｓ：ｓｐａｔｉａｌｅｃｏｎｏｍｅｔｒｉｃａｐ⁃ｐｒｏａｃｈ［Ｊ］．ＲｅｇｉｏｎａｌＳｃｉｅｎｃｅＰｏｌｉｃｙ＆Ｐｒａｃｔｉｃｅ，2022，14（4）：699-717．
［24］ＷＡＮＧＳＨ，ＺＨＡＯＤ，ＣＨＥＮＨ．Ａｓｐａｔｉａｌａｎａｌｙ⁃ｓｉｓｏｆｃｏｒｒｕｐｔｉｏｎ，ｍｉｓａｌｌｏｃａｔｉｏｎ，ａｎｄｅｆｆｉｃｉｅｎｃｙ［Ｊ］．ＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅａｎｄＰｏｌｌｕｔｉｏｎＲｅｓｅａｒｃｈ，2020，27（29）：36845-36856．
［25］ＢＯＳ，ＦＥＮＧＧＦ，ＣＨＡＮＧＣＰ．Ｔｈｅｐｉｏｎｅｅｒｅｖｉ⁃ｄｅｎｃｅｏｆｃｏｎｔａｇｉｏｕｓｃｏｒｒｕｐｔｉｏｎ［Ｊ］．Ｑｕａｌｉｔｙ＆Ｑｕａｎｔｉｔｙ：ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＭｅｔｈｏｄｏｌｏｇｙ，2018，52（2）：945-968．
［26］ＷＡＲＦＢ．Ｅｕｒｏｐｅａｎｃｏｒｒｕｐｔｉｏｎｉｎｇｅｏｇｒａｐｈｉｃｐｅｒ⁃ｓｐｅｃｔｉｖｅ［Ｍ］．ＮｅｗＹｏｒｋ：ＳｐｒｉｎｇｅｒＩｎｔｅｒｎａｔｉｏｎａｌＰｕｂｌｉｓｈｉｎｇ，2019．
［27］郭杰，杨杰，程栩．地区腐败治理与政府支出规模———基于省级面板数据的空间计量分析［Ｊ］．经济社会体制比较，2013（1）：196-204．
［28］乐云，张兵，关贤军．基于生存分析的腐败潜伏时间研究［Ｊ］．上海管理科学，2013（1）：8-11．
［29］徐国冲，乔琳，谭超．从涉案金额透视我国高校腐败特征———基于权力定价的视角［Ｊ］．辽宁行政学院学报，2020（2）：17-24．
［30］李辉．贪污受贿案涉案金额的结构性特征———基于司法判决书数据的初步分析［Ｊ］．复旦学报（社会科学版），2018（5）：170-180．
［31］ＹＡＮＧＬ．Ｒｅｓｅａｒｃｈｏｎｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｏｆｆｉ⁃ｃｉａｌｓｃｏｒｒｕｐｔｉｏｎｉｎｐｒｅｆｅｃｔｕｒｅ⁃ｌｅｖｅｌｃｉｔｉｅｓｏｆＣｈｉｎａ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＥｃｏｎｏｍｉｃＢｅｈａｖｉｏｒａｎｄＯｒｇａｎｉｚａｔｉｏｎ，2020，8（4）：92-100．
［32］ＹＵＹ，ＭＡＲＴＥＫＩ，ＨＯＳＳＥＩＮＩＭＲ，ｅｔａｌ．Ｄｅｍｏ⁃ｇｒａｐｈｉｃｖａｒｉａｂｌｅｓｏｆｃｏｒｒｕｐｔｉｏｎｉｎｔｈｅＣｈｉｎｅｓｅｃｏｎ⁃ｓｔｒｕｃｔｉｏｎＩｎｄｕｓｔｒｙ：ａｓｓｏｃｉａｔｉｏｎｒｕｌｅａｎａｌｙｓｉｓｏｆｃｏｎ⁃ｖｉｃｔｉｏｎｒｅｃｏｒｄｓ［Ｊ］．ＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇＥｔｈ⁃ｉｃｓ，2019，25（4）：1147-1165．
［33］ＺＨＡＮＧＨ，ＳＯＮＧＹ，ＬＩＣ，ｅｔａｌ．Ｅｘｐｌｏｒｉｎｇｔｈｅｉｍｐａｃｔｏｆｉｎｄｉｖｉｄｕａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｓｓｏｃｉａｔｅｄｗｉｔｈｇｏｖｅｒｎｍｅｎｔｏｆｆｉｃｉａｌｓｏｎｔｈｅｓｅｖｅｒｉｔｙｏｆｒｅａｌｅｓｔａｔｅｃｏｒｒｕｐｔｉｏｎ［Ｊ］．Ｓｕｓｔａｉｎａｂｉｌｉｔｙ，2019，11（12）：1-17．
［34］ＡＩＤＴＴＳ，ＨＩＬＬＭＡＮＡＬ，ＱＩＪＵＮＬ．Ｗｈｏｔａｋｅｓｂｒｉｂｅｓａｎｄｈｏｗｍｕｃｈ？ｅｖｉｄｅｎｃｅｆｒｏｍｔｈｅＣｈｉｎａＣｏｒｒｕｐｔｉｏｎＣｏｎｖｉｃｔｉｏｎＤａｔａｂａｎｋ［Ｊ／ＯＬ］．ＷｏｒｌｄＤｅｖｅｌｏｐｍｅｎｔ，2020［2022-05-24］．ｈｔｔｐｓ：∥ｄｏｉ．ｏｒｇ／10．1016／ｊ．ｗｏｒｌｄｄｅｖ．2020．104985．
［35］ＬＵＯＹ，ＤＵＡＮＬ．Ｉｎｄｉｖｉｄｕａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓ，ａｄ⁃ｍｉｎｉｓｔｒａｔｉｏｎｐｒｅｆｅｒｅｎｃｅｓａｎｄｃｏｒｒｕｐｔｉｏｎ：ｅｖｉｄｅｎｃｅｆｒｏｍＣｈｉｎｅｓｅｌｏｃａｌｇｏｖｅｒｎｍｅｎｔｏｆｆｉｃｉａｌｓ'ｗｏｒｋｅｘｐｅ⁃ｒｉｅｎｃｅ［Ｊ］．ＳｏｃｉｏｌｏｇｙＭｉｎｄ，2016，6（2）：53-64．
［36］张兵，乐云，王予红，等．Ｂ2Ｇ关系视角下的招投标腐败研究———基于90个典型案例［Ｊ］．公共行政评论，2015（1）：141-163＋201-202．
［37］洪伟民，陈威威．建设工程领域工程腐败研究进展及述评［Ｊ］．建筑经济，2017（2）：96-100．
［38］ＺＨＡＮＧＣ，ＸＩＡＯＣ，ＬＩＵＨ．Ｓｐａｔｉａｌｂｉｇｄａｔａａｎａｌ⁃ｙｓｉｓｏｆｐｏｌｉｔｉｃａｌｒｉｓｋｓａｌｏｎｇｔｈｅｂｅｌｔａｎｄｒｏａｄ［Ｊ］．Ｓｕｓｔａｉｎａｂｉｌｉｔｙ，2019，11（8）：1-16．
［39］甄峰，秦萧，席广亮．信息时代的地理学与人文地理学创新［Ｊ］．地理科学，2015（1）：11-18．
［40］毛立红．腐败治理研究的回顾与反思：基于ＣｉｔｅＳｐａｃｅ的知识图谱分析［Ｊ］．行政与法，2020（10）：20-31．
［41］ＶＲＵＳＨＩＪ，ＨＯＤＥＳＳＲ．Ｃｏｎｎｅｃｔｉｎｇｔｈｅｄｏｔｓ：Ｂｕｉｌｄｉｎｇｔｈｅｃａｓｅｆｏｒｏｐｅｎｄａｔａｔｏｆｉｇｈｔｃｏｒｒｕｐｔｉｏｎ［Ｒ／ＯＬ］．ＴｒａｎｓｐａｒｅｎｃｙＩｎｔｅｒｎａｔｉｏｎａｌ，2017（2017-02-23）［2022-05-24］．ｈｔｔｐ：∥ｗｅｂｆｏｕｎｄａｔｉｏｎ．ｏｒｇ／ｄｏｃｓ／2017／04／2017＿ＯｐｅｎＤａｔａＣｏｎｎｅｃｔｉｎｇＤｏｔｓ＿ＥＮ-6．ｐｄｆ．
［42］肖汉宇，公婷．腐败研究中的若干理论问题———基于2009～2013年526篇ＳＳＣＩ文献的综述［Ｊ］．经济社会体制比较，2016（2）：48-60．
［43］左卫民，王婵媛．基于裁判文书网的大数据法律研究：反思与前瞻［Ｊ］．华东政法大学学报，2020（2）：64-76．
［44］李辉．腐败的两幅面孔：基于7000个司法裁判文书数据的描述分析［Ｊ］．理论与改革，2017（5）：30-41．
［45］刘华军，郭立祥．中国创新力的空间差异及其来源结构分解［Ｊ］．经济与管理评论，2021（4）：125-136．
注：仅供学习和交流，如有需要引用下载请移步《广州大学学报（社会科学版）》
