中国互联网发展对地区腐败治理的影响研究———基于省级面板数据的实证分析

万　洋a，袁柏顺a，b

（湖南大学a．马克思主义学院，b．廉政研究中心，湖南长沙　410006）　　

 

摘　要：近年来，越来越多的文献着眼于信通技术在反腐败斗争中的应用，而互联网能否成为打击腐败的有力工具在现有研究中尚未得到充分验证。基于2006—2016年间的省级面板数据，从宏观层面实证分析了中国互联网发展状况及其对地区腐败治理的影响作用，发现互联网发展不仅是地区腐败程度的格兰杰原因，而且对提升治理腐败效能具有明显的促进作用。因此，各地党委政府应大力发掘互联网在反腐倡廉建设中的独特功用，并与政治、经济、法律和文化等方面的其他手段相互配合、协同使用，充分发挥其真正的反腐败潜力，从而多措并举推进对腐败的综合治理。　　

关键词：信通技术；互联网发展；腐败治理；格兰杰因果关系

一、问题的提出

党的十八大以来，以习近平同志为核心的党中央高度重视运用包括互联网在内的现代信息手段提升治理体系和治理能力现代化水平。自实施网络强国战略和“互联网＋”行动计划以来，国内互联网信息技术得到迅猛发展，为推进国家治理体系和治理能力现代化建设提供了坚实的技术支撑。根据中国互联网络信息中心（cNNIc）的统计调查，截止到2022年12月，中国网民规模达10.67亿，互联网普及率高达75.6％。①与此同时，越来越多证据表明新的信息与通信技术（INformation and communicationt echnojogy，以下简称为信通技术）在促进良好治理、公民赋权、政务公开、加强问责以及控制腐败等方面发挥着重要作用。［1］作为一种重要的信通技术，互联网可以将不同政府部门的数据库连接起来，改善政府与公民互动的界面，提升政府公共服务效能，同时也被许多人视为“促进政府施政更加公开、透明以及减少腐败的一种划算且便捷的手段”［2］。早在2009年，就有学者通过实证分析发现，互联网是减少腐败的有效工具，在控制了传统的反腐败手段后，互联网普及率与国家腐败程度呈显著的负相关关系。［3］

鉴于我国互联网用户、移动互联网设备、公共在线服务数量不断增加，政府网上政务服务水平与能力不断提升，互联网在党风廉政建设和反腐败斗争的作用还是非常值得深入研究的。当前，学界关于互联网与腐败间关系的大部分研究尤其是国内研究仍停留在理论探讨层面，它们背后都隐藏着一个先入为主的假设，即默认互联网是遏制腐败的有力工具，并提出要努力发掘其反腐功用。［4］但有研究者对此提出质疑，通过多国的案例比较分析，发现同样的信通技术在不同的国家或文化中会产生大相径庭的结果，它有时能够成功地识别和消除腐败，但有时也为官员腐败创造了新的机会和手段。［5］同样，互联网技术的发展也可能促使腐败行为的“升级”，衍生出更为高级的腐败模式，即在减少“传统腐败”的同时，也带来了一些更加隐蔽复杂的“新型腐败”②。基于此，本文将围绕互联网能否成为遏制腐败的有用政策工具这个关键性问题进行实证分析，从宏观层面带来互联网发展对地区腐败治理影响的经验证据。具体而言，在精准识别出互联网发展与地区腐败间的因果关系前提下，准确回答中国互联网发展对于地区腐败的治理能否发挥积极影响作用。研究成果有助于党和政府深入了解互联网发展对反腐倡廉建设的影响，也有利于地方政府更为清晰地界定自身反腐败战略规划中的优先发展事项。

二、文献回顾

“腐败”作为一种伴随人类社会一直存在的历史现象，不仅是一个影响到社会各行各业的大毒瘤，同时也是一个世界性的难题。南非著名反腐败研究专家克里特加尔德（Kjitgaard）认为腐败的本质是信息不对称和激励机制不完善的问题，并采用一个简单的委托—代理模型加以解释。［6］即由于存在信息不对称的问题，代理人（公职人员）在对政府部门的了解和公共服务供给中所掌握的信息远超过委托人（政府）和顾客（公民），因而在缺乏有效监督和问责机制的情况下，代理人很可能会利用中间人的信息优势地位，滥用自由裁量权为自身谋取私人利益。由此可见，信息因素在腐败发生及其防治过程中发挥着重要影响作用，如果通过充分利用信通技术改变公共部门与公民互动中的委托—代理—客户关系，减少公职人员对相关重要信息的垄断和增加公民获取信息的机会，就能在一定程度上缓解信息不对称问题，进而达到有效遏制腐败的战略目标。而基于互联网信息技术建立的电子政务平台和社交媒体，为委托人和顾客提供了前所未有的获取信息的途径，以此减少代理人自由裁量权的数量及范围，在遏制腐败方面发挥重要作用。如韩国首尔市政府自1999年启动一个涵盖54个常见程序的民政处理在线公开系统（即OPEN系统，Online  proceduresen⁃hancement Forcivil Application）以来，大幅度地减少了执照和其他许可证申请中的腐败现象。

［7］因此，近年来越来越多的学者关注于互联网与腐败之间的联系，将互联网视为解决信息不对称的有效工具，并提出互联网具有遏制腐败潜力的几个重要原因。第一，互联网被认为是一项通用技术的创新，随着时间的推移，这项创新会对经济增长产生一级影响，只要经济发展水平的提高有助于减少腐败，互联网就会起到抑制腐败的作用。［8］第二，快速的技术变革通常会鼓励对人力资本的投资，而相关研究表明，人力资本的积累会显著地减少地区腐败程度。［9］第三，互联网作为提供电子政务的主要工具，通过标准化、规范化的在线服务压缩权力行使的任性空间，减少官僚的自由裁量权和增加工作透明度，有效降低公职人员的寻租机会和能力。［10－11］第四，互联网作为继报刊、广播、电视之后的第四传播媒体，是一个非常重要的信息来源途径，在增加政府工作透明度的同时，也会逐渐提升公众腐败感知水平，进而增强公民参与反腐败的意识和能力。［12－13］

第五，互联网也可以增强政府的反腐败能力，如政府可以对大数据反腐信息进行整合，充分利用大数据的完整信息链条，增强对权力行使过程的监督效能。［14］简而言之，有足够的理论研究表明，互联网在增加政府透明度和促进问责制的同时，也已然成为遏制腐败的有力工具。

与此同时，国外一些关于互联网发展和腐败间关系的实证研究，也为上述理论解释提供了经验证据的支持。如基于动态面板数据模型对由70个国家组成的1998—2005年面板数据进行估计的研究表明，互联网采用对减少腐败的影响并不大，但估计结果在统计学上是显著的，因而认为互联网已具备降低腐败的能力，只是其潜力尚未得到充分利用。［15］还有学者专门开发了一种全新的互联网扩散识别策略，提出使用闪电密度作为一种衡量人均互联网使用量变化速度的工具，并利用地面闪电探测审查器以及全球卫星数据，构建了美国各州和大部分国家的闪电密度数据，最终发现互联网的扩散减少了美国和各国的腐败。［16］另有相关实证研究对超过150个国家的跨国面板数据进行分析，也发现了互联网普及的增加会减少国家这一层面的腐败程度。［17］此外，一些研究表明虽然互联网采用对腐败的影响是模糊的，但互联网采用与法治和电子政务的互动效应表明，互联网采用加强了法治以及电子政务对遏制腐败的影响。［1，18］尽管这些研究使用了略有不同的衡量标准（如互联网采用、互联网扩散、互联网访问等），但最终结果都表明了互联网发展有助于减少腐败。

然而，正如有论者指出，人们有理由怀疑包括互联网在内的信通技术能否有效减少现实中的腐败。［7］这是因为大多数被报道的利用信通技术有效减少腐败的案例发生于发达国家，而发展中国家能否产生这样成功的案例值得怀疑。［19］甚至有学者发现，新的信通技术可以减少腐败行为中的竞争，知道如何操作信通技术的官员可以获得腐败“特权”，可以更为隐蔽地从事相关腐败活动。［20］而且新的信通技术也可能通过传播各种腐败行为及做法的信息增加了公民腐败感知水平，逐渐提高公众的腐败容忍度，营造出一种“人人都腐败”的普遍氛围，以此助长持续不断的腐败行为。［21］此外，相关实证研究在对互联网采用与腐败的关系进行格兰杰因果检验时，发现虽然从互联网采用到腐败减少的因果关系可以成立，但二者间的反向因果关系也是存在的，即存在双向因果关系。［15，18］这其中可能的原因是，互联网等新技术的运用是治理的内生性因素，即新技术的运用可能会导致现任企业家和政治家在政治和经济领域上的不必要损失，进而引起他们的强烈反对和阻拦。［22］例如，根据有关学者对撒哈拉以南非洲国家的研究，发现与发达国家相比，发展中国家更易抵制引进可用于打击腐败的新型技术。［23］

综上所述，目前学界关于互联网发展与腐败间的因果关系以及互联网发展对腐败的影响还存在较大争议。同时，国内对于该方面的实证研究相对匮乏，虽有学者尝试考察了互联网覆盖率与地区腐败的关系，［24］但该研究还是存在一些缺陷：一是仅使用互联网的普及率并不能综合反映互联网的发展水平；二是并没有检验互联网发展与腐败间的因果关系；三是运用传统静态面板模型尤其是固定效应模型估计方法难于解决面板模型的内生性问题，可能会导致估计结果产生偏误，所得出的结论不一定可靠。国外关于此方面的实证研究虽然相对较为丰富，但都是基于他国数据或跨国数据进行的实证分析，由于各国社会文化环境和政治制度背景存在较大差异，这些研究结论未必符合中国国情。基于此，有必要使用较新的国内经验数据和较为精确的计量模型对互联网发展与地区腐败之间的关系进行准确的实证分析，据此为我国当前深入推进党风廉政建设和反腐败斗争提供有力抓手和行动指南。

三、计量模型与数据描述

（一）面板格兰杰因果检验

由于国外相关研究表明，互联网发展与地区腐败之间可能存在双向因果关系，［15，18］因而有必要对我国互联网发展水平与地区腐败程度的关系进行格兰杰因果检验，以验证二者是否存在双向因果关系。近年来，面板格兰杰因果检验的应用不断增加，因为这种方法可以通过增加自由度来显著提高估计效率，［25］故受到不少实证研究者的欢迎。基于此，本文选择使用面板格兰杰因果检验来探究互联网发展与地区腐败间的因果关系，并为此设定了以下自回归模型：

其中，corr代表地区腐败程度；int代表互联网发展水平；fI和θI是不可观测的省际效应；uit和εit是假设分布在省际间且平均值为零的扰动项。

格兰杰因果关系检验的出发点是，未来不能导致过去或现在，而过去可能导致现在或未来。［26］因此，等式（1）背后的基本内涵是，在控制地区腐败程度（corr）的滞后项和省际效应的情况下，如果互联网发展水平（int）的滞后项仍然有助于解释地区腐败程度（corr）当期值的变动，那则认为互联网发展水平（int）是地区腐败程度（corr）的格兰杰原因。同理，等式（2）背后的基本内涵是，在互联网发展水平（int）的滞后项和省际效应得到控制的情况下，地区腐败程度（corr）的滞后项仍然有助于解释互联网发展水平（int）当期值的变动，那则认为地区腐败程度（corr）是互联网发展水平（int）的格兰杰原因。

（二）动态面板数据模型设定

考虑腐败本身的惯性和持续性，以及计量模型可能存在遗漏解释变量问题和内生性问题。如果使用传统的静态面板数据模型进行参数估计，容易导致估计结果产生偏误。而相对于短面板数据模型而言，采用动态面板数据处理技术是一种不错的选择，通过采用动态面板模型的广义矩估计方法（GMM）能够较好地解决上述问题，以此保证估计结果的无偏性和一致性。［27］同时，由于系统GMM是在差分GMM基础上发展而来，它可以同时利用差分方程和水平方程的信息，并增加一组差分变量的滞后项作为工具变量，可以解决差分GMM估计的弱工具变量和小样本偏误的问题，提高估计的有效性。因此，本文选择使用系统GMM方法进行模型参数估计，具体回归模型设定如下：　

　corrit＝β0＋β1corrI，t－1＋β2intit＋∏Ｘit＋θI＋εit（3）

其中，corrit与corrI，t－1分别表示I地区第t年和t－1年的腐败程度，intit表示I地区第t年的互联网发展水平，Ｘit是相关控制变量集，β0表示常数项，β1和β2则是变量对应的回归系数，θI是不可观测的省际效应，εit是随机扰动项。

（三）相关变量的度量

1．地区腐败程度

当前，学术界测量公共部门腐败程度主要是基于被查处的腐败案件的客观测量和基于民意调查的主观测量两种方式，其中客观测量方法主要根据反腐败机构所查处的腐败案件数及涉案人数来评价该地区政府的腐败程度。［28］但国内学者们对此存在两种完全不同的解读：一些学者将其作为地区政府的腐败程度的度量［29－30］，而另一些学者将其视为地区政府的反腐败力度［31－32］。那么各地区人民检察院的立案侦查职务犯罪率究竟能否反映出该地区政府的腐败程度呢？为此，将2003—2017年间的全国人民检察院历年立案侦查职务犯罪率③与中国在透明国际的清廉指数（tI⁃cpI）和世界银行的腐败控制指数（Wb⁃ccI）得分进行比较。

当然，由于腐败控制指数取值为－2.5～2.5之间，且其与清廉指数一样，得分越高表示该国越清廉，为了方便比较，需要对它们进行相应的数值变换。中国腐败控制指数得分的转化公式为：100－（得分数值＋2.5）×20；中国清廉指数得分的转化公式为：100－得分数值，最终它们得分取值范围都变换为0～100，且得分数值越大表示国家腐败程度越为严重。而全国人民检察院历年立案侦查职务犯罪率则使用每万名公职人员中的职务犯罪立案人数表示。如图1所示，可以看出，在2003年至2017年期间，基于客观测量方法的公职人员职务犯罪率与其他两种主观测量方法得到的中国腐败程度变化趋势基本上保持一致，这说明人民检察院立案侦查职务犯罪率可以较好地反映政府腐败程度④。因此，本文选择使用每万名公职人员中的职务犯罪立案人数表示各省份的地区腐败程度。其中公职人员职务犯罪人数来源于历年各省行政区的人民检察院工作报告、地方年鉴以及《中国检察年鉴》。

 

 

　2．互联网发展水平

国内并没有关于互联网发展水平的相关统计数据，因而不少学者选择直接使用互联网普及率、网民人数、网站数或其他单一指标代替。［33］这一度量方法虽然操作简单方便，相关数据也易获取，但这仅仅反映出了地区互联网发展的单一属性特征，难以涵盖互联网发展的“全貌”。互联网发展水平必然涉及多个维度的评价指标，如互联网基础资源、网民规模、应用发展等各方面状况，需要全方位、多角度对其进行综合测量评价。为此，本文选择从互联网的基础设施、应用水平和发展环境三大维度的12项次级指标来构建我国互联网发展水平的综合测评指标体系（见表1），尽可能准确地反映出各地区互联网综合发展状况及其历年变化情况。

 

 

同时，国内并没有关于互联网资本存量的相关数据统计，因而选择采用永续盘存法来估算我国各地区的互联网资本存量⑤。其计算公式为：

Kit＝KI，t－1（1－δ）＋Iit／pit　　

其中，Kit与Ki，t－1分别代表各地区第t年和t－1年的互联网资本存量；δ互联网资本折旧率，且根据国外学者的相关研究，将折旧率取值为32％［34］；Iit代表各地区第t年互联网固定资产投资额；pit则为各地区第t年固定投资价格指数。而基期的互联网资本存量则为该年的互联网真实固定资产投资额（即固定资产投资额与固定投资价格指数之比）除以互联网固定资产投资平均增长率与互联网资本折旧率之和。其中，互联网固定资产投资平均增长率即是时间样本（即2006—2016年）中的互联网固定资本投资额的平均增长率。

最后，需要为综合测评指标体系中各次级指标确定权重。当前，在多指标综合评价中，确定指标权重的赋值方法大致可以分为主观、客观两种。其中，熵值法是一种根据各项指标信息熵的变异程度来确定指标权重的客观赋权法，可以避免主观赋权法带来的主观臆断性问题，客观地反映出各指标的相对重要程度。因此，本文选择使用熵值法为互联网发展水平综合测评指标体系中的各项指标确定权重。通过运用stata16统计分析软件计算得到2006—2016年我国各省份的互联网综合发展水平，其中Ｘ1－Ｘ12各次指标的所占权重分别为5.46％、5.94％、5.41％、2.72％、6.33％、19.62％、9.37％、22.43％、6.16％、5.19％、5.54％、5.83％。⑥

如图2所示，由基于国家测绘地理信息局标准地图服务网站下载的审图号gs（2019）1825号的标准地图制作而成的中国互联网综合发展空间分布图（限于篇幅，只展示2006年和2016年）可以看出，内地各省份的互联网综合发展水平具有明显的地区差异，总体上呈现出“东高西低”发展态势。导致目前这种发展现状的原因可能有多种：第一，互联网发展跟地区经济发展水平息息相关，一开始互联网的发展需要依赖更高的地区经济发展水平，随之互联网的发展也会促进地区经济发展，二者相辅相成；第二，信通技术的创新会鼓励对人力资本的投资，而人力资本的累积又会促进该地区互联网及相关产业的发展；［35］第三，也是最为直接的原因，西部地区不管是在互联网基础设施建设、应用水平还是发展环境，相比中、东部地区都更为落后，因而在互联网综合发展水平的得分也自然落后。

　3．其他控制变量的度量

根据以往腐败决定因素的实证研究，除去核心解释变量地区互联网综合发展水平（int），还需要控制一些其他可能影响地区腐败程度的变量，主要包括：（1）经济发展水平（pgdp），采用以2005年为基期的人均实际gdp，并对其取对数处理；（2）经济开放度（open），与大多数实证研究一样，使用进出口贸易额占地区生产总值的比重表示；（3）财政分权（fd），选用“财政自主度指标”，即地区政府财政总收入与财政总支出之比；［36］（4）政府规模（gs），使用扣除科教文卫支出后的财政支出占gdp的比重来表示；［37］（5）公职人员相对工资水平（wage），选择采用公职人员平均工资与人均gdp之比表示［38］。各控制变量的相关数据均来源于中经网上的省级统计年鉴。

4．各变量的描述性统计表2为各变量的主要描述性统计量，可以看出，2006至2016年期间，我国各地区每万名公职人员中的职务犯罪立案人数平均为30.741，其中最小值为2.593，最大值为69.494，表明各地区腐败程度差异较大。互联网综合发展水平的均值、标准差、最小值、最大值分别为16.580、15.927、2.321、84.840，这些足以说明我国互联网整体发展并不均衡，并已呈现出地理空间上的“马太效应”，两极分化较为严重。同时，经济发展水平、经济开放度、财政分权、政府规模、公职人员相对工资水平等控制变量的指标也存在较大的地区差异，特别是经济开放水平的最大值是最小值的50多倍。

       

 

四、实证结果及分析

（一）格兰杰因果关系检验的结果

进行格兰杰因果关系检验首先需要确定地区腐败程度（corr）与互联网综合发展水平（int）的滞后项最优阶数。而根据aIc和bIc信息准则可以确定地区腐败程度（corr）和互联网综合发展水平（int）的最优滞后阶数均为一阶。此外，在因果检验中采用bootstrap方法来计算p值和5％的临界值。面板格兰杰因果检验结果如表3所示。

由表3可以看出，地区腐败程度与互联网综合发展水平只存在单向的因果关系，且互联网综合发展水平是地区腐败程度的格兰杰原因，它们之间的反向因果关系并不成立。同时，在进行格兰杰因果检验时，还发现互联网综合发展水平的滞后项估计系数是非常显著的且为负数，这就表明过去的互联网发展会减少当前的地区腐败。

       

 

当然，格兰杰因果关系并非是真正意义上的因果关系，它只是统计意义上的动态相关关系，表明一个变量是否对另一个变量具有“预测能力”。在某种意义上，格兰杰因果关系只是实际因果关系的必要条件，而且它也可能是由第三个变量所引起的，因而不能作为肯定或否定因果关系的证据。但即使格兰杰因果关系不等于实际因果关系，也并不妨碍其参考价值。因为在经济学中，统计意义上的格兰杰因果关系也是有意义的，对于经济预测等仍然能起一些作用。［1］

（二）动态面板数据模型估计结果

采用系统GMM对动态面板模型进行参数估计的结果如表4所示⑦。其中模型1是在没有控制任何变量的情况下，考察互联网综合发展水平对地区腐败程度的影响，其估计系数在5％的显著水平是显著且为负，这说明在不考虑其他因素的影响下，互联网发展是可以减少地区腐败的。模型2加入相关控制变量所估计的结果，可以发现，在5％的显著水平上互联网综合发展水平仍然与地区腐败程度呈负相关关系，这表明我国互联网发展对地区腐败起着有效的遏制作用。与此同时，经济发展水平也在10％的显著水平与地区腐败程度呈负相关关系，表明经济发达地区相较于经济落后地区更加清廉，这与绝大数相关实证研究研究结果一致。经济开放水平也与地区腐败程度在5％的显著性水平呈负相关关系，即提高经济开放程度会有效抑制地区腐败。这可能是经济开放程度较高地区有着更低的关税与更少的贸易限制条件，致使该地区官员拥有更少的腐败机会。同时，经济开放也逐渐促使地区政府加快职能转变和提升公共治理水平以吸引更多企业来投资，这些举措本身也会减少腐败。最后，公职人员相对工资水平也在5％的显著水平与地区腐败程度呈负相关关系，表明向公职人员提供相对的“高薪”可以发挥遏制地区腐败的影响作用。为此，党和政府应将反腐倡廉工作与公务员薪酬制度改革结合起来，形成一套科学合理、公正公平的公共部门薪酬体系，从而激励公职人员正确履职尽责和保持清正廉洁。

为了检验上述估计结果的稳健性，本文又选用互联网发展水平其他的度量方式。国内有学者认为互联网普及率与电信固定资产投资的乘积，因能反映社会对互联网的利用程度和互联网基础设施建设水平，故选择其作为“互联网＋”的度量指标。［39］但是固定资产投资只能反映当年的投资水平，而基础设施投资具有累积效应，相较于固定资产投资的支出流量，使用基础设施的资本存量更能准确估计基础设施的增长效应。［40］基于此，本文选取互联网普及率与互联网资本存量的乘积作为互联网发展水平的另一度量方式，其中互联网资本存量计算方法在前面已经提及，故不再赘述。同时，由于互联网普及率与互联网资本存量乘积的结果数值过大，也需要对其进行取对数处理。最终，动态面板数据模型估计结果为表4中的模型3和模型4，可以发现，各相关解释变量与因变量之间的正负关系及显著性未发生根本性变化，即互联网发展、经济发展、经济开放、公职人员相对工资与地区腐败仍然呈显著性的负相关关系。因此，可以认为上述所得结果具有稳健性。

           

五、结论与政策启示

党的十八大以来，党和政府持续保持惩治腐败的高压态势，坚持不懈一体推进不敢腐、不能腐、不想腐，反腐败斗争已经取得压倒性胜利并全面巩固，但反腐败形势依然严峻复杂，这场输不起也决不能输的重大政治斗争还远未结束。不少研究表明，互联网可以通过改善规则的执行、减少官员的自由裁量权和增加透明度，在打击腐败方面发挥至关重要的作用。为此，本文基于2006—2016年期间的省级面板数据进行实证分析，从宏观层面评估我国互联网发展与地区腐败间的因果关系以及互联网发展对腐败治理的影响。首先，从互联网的基础设施、应用水平及发展环境三方面维度建立了12项次级评价指标，并采用熵值法对这些指标进行权重计算，从而加权得到各地区历年的互联网综合发展水平。其次，使用面板格兰杰因果检验来探究互联网发展与地区腐败间的因果关系，结果表明互联网发展是地区腐败的格兰杰原因，而它们之间的反向因果关系并不成立。再次，利用系统GMM方法对相关动态面板数据模型进行参数估计，发现互联网发展有助于减少各地区腐败，同时经济发展、开放程度和公职人员相对工资在遏制腐败方面也发挥了相应的作用，并且通过稳健检验进一步证实了这些结论。

基于此，有理由相信中国互联网发展有助于减少地区腐败。但研究结果还是应该谨慎解读，因为这只是互联网发展对地区腐败总体影响的简化估计，并没有回答其中的作用机制问题。正如前文所指出的那样，互联网是一种通用技术，它可以通过作用于经济增长、人力资本积累、电子政务水平、信息透明度以及公民与政府的反腐败能力等方面因素来间接影响地区腐败治理水平，其主要作用机制可能是上述方式的一种或它们间的某种组合。解答互联网发展对地区腐败的独立影响途径的任务有待于进一步的研究，必须尽最大努力来限制其他可能的干扰因素的影响，对腐败的影响因素进行持续不断的理论建模和实证分析。但归根到底，互联网信息技术的运用促进了电子政务和社交媒体的发展，缓解了公共部门与公民互动中信息不对称问题，提升了公共治理中的公民参与意愿与能力，增强了政府在公共服务供给中的监督力度和问责水平，进而促使包括腐败在内的“失败治理”逐渐减少。

因此，在互联网信息技术快速发展的背景下，党和政府应充分发挥互联网技术对反腐倡廉工作的信息支撑作用，积极发掘“互联网＋政务服务”的反腐败功用，最大限度地压缩权力寻租、异化的空间，规范权力的有效运行。具体而言，一是利用“互联网＋政务服务”对跨部门、跨区域、跨行业的政务信息资源进行跨界整合，凭借信息共享的优势与大数据分析的能量打破反腐败工作中信息的壁垒，保证各项政务服务工作置于内、外联合监督之下，为行政行为的监控与追责提供基础条件，以此减少腐败行为滋生的土壤。［4］二是进一步推进纪检监察系统信息化建设，研究探索“互联网＋”的线上办案、监督管理、纪法教育的新模式，将互联网技术、大数据分析、云计算等信息化手段运用到纪检监察监督执纪问责的全流程，不断提升一体推进“三不腐”的工作水平。三是利用互联网技术搭建网络监督平台，为群众监督和舆论监督提供畅通便捷的渠道，提高公众对公共部门及其工作人员权力运行情况的关注度以及参与监督的主动性和积极性，充分发挥广大人民群众的社会监督作用，保证一切公权力行使始终置于人民监督之下，用来为人民谋利益。当然，我们必须认识到，国家廉政体系建设是一项复杂的系统工程，党和政府在反腐败战略中必须具有“更全面的视野”，简单地“扔”一个先进的技术解决不了像公职人员腐败这样复杂的问题。任何政策工具发挥作用都是有其适用条件的，互联网技术也必须要与政治、经济、法律和文化等方面的其他手段相互配合、协同使用，这样才能发挥其真正的反腐败潜力。

【注释】

①相关数据来源于中国互联网络信息中心（CNNIC）发布的第51次《中国互联网络发展状况统计报告》。

②十九届中央纪委五次全会上，习近平对当前的官员腐败态势作出一项重要判断：“传统腐败和新型腐败交织，贪腐行为更加隐蔽复杂。”

③中国人民检察院立案侦查职务犯罪案件是指按照管辖规定，由人民检察院直接立案侦查的贪污贿赂犯罪、渎职犯罪、国家机关工作人员利用职权实施的侵犯公民人身权利和民主权利犯罪以及经省级人民检察院决定立案侦查的国家机关工作人员利用职权实施的其他重大犯罪案件。

④由于相关统计年鉴并没有直接统计公职人员数量，因而选择使用《中国统计年鉴》中的“公共管理、社会保障和社会组织从业人员数”代替。同时，下文中的公职人员平均工资也选择用“公共管理、社会保障和社会组织平均工资”来代替。⑤由于《中国统计年鉴》并没有直接统计互联网及其相关行业数据，因而选择“信息传输、计算机服务和软件业”数据替代。

⑥基于熵值法得到的各地区互联网综合发展水平得分数值都在0至1之间，为了方便比较与计算，本文将计算结果转化为百分制形式。⑦各模型ar（1）检验的p值均小于0.1和ar（2）检验的p值均大于0.1，表明残差项仅存在一阶自相关而不存在二阶自相关。同时haNseN过度识别检验的p值也没有拒绝工具变量的选取，满足过度识别约束条件的原假设，意味着总体工具变量的选取有效和模型设定正确。

 

【参考文献】

［1］KaNyamda，KostaNdINIg，ferreIras．themobIjephoNerevojutIoN：havemobIjephoNesaNdtheinterNetreducedcorruptIoNINsub⁃saharaNafrIca？［J］．WorjddevejopmeNt，2017，99（11）：271－284．

［2］bertotJc，Jaegerrt，grImesrm．usINgIctstocreateacujtureoftraNspareNcy：e⁃goverN⁃meNtaNdsocIajmedIaasopeNNessaNdaNtI⁃corrup⁃tIoNtoojsforsocIetIes［J］．goverNmeNtINformatIoNQuarterjy，2010，27（3）：264－271．［3］shImdc，eomth．aNtIcorruptIoNeffectsofIN⁃formatIoNcommuNIcatIoNaNdtechNojogy（Ict）aNdsocIajcapitaj［J］．interNatIoNajrevIeWofadmINIs⁃tratIvescIeNces，2009，75（1）：99－116．

［4］陈涛，董艳哲，马亮，等．推进“互联网＋政务服务”提升政府服务与社会治理能力［J］．电子政务，2016（8）：2－22．

［5］heeKsr．INformatIoNtechNojogyaNdpubjIcsec⁃torcorruptIoN［r］．maNchester，uK：INformatIoNsystemsforpubjIcsectormaNagemeNtWorKINgpa⁃per，1998．

［6］ Kjitgaardr．coNtrojjINgcorruptIoN［m］．berKe⁃jey：uNIversityofcajIforNIapress，1988：73.

［7］KIms,KImhJ，jeeh．aNINstitutIoNajaNajysIsofaNe⁃goverNmeNtsystemforaNtI⁃corruptIoN：thecaseofopeN［J］．GoverNmeNtINformatIoNQuar⁃terjy，2009，26（1）：42－50．

［8］aNderseNtb，beNtＺeNJ，dajgaardcJ，etc．jIghtNINg，itdIffusIoN，aNdecoNomIcgroWthacrossu．s．states［J］．revIeWofecoNomIcsaNdstatIstIcs，2012，94（4）：903－924．

［9］gjaeserej，raveNes．corruptIoNINamerI⁃ca［J］．JourNajofpubjIcecoNomIcs，2006，90（6－7）：1053－1072．

［10］Westdm．dIgitajgoverNmeNt：techNojogyaNdpubjIcsectorperformaNce［m］．prINcetoNaNdoｘ⁃ford：prINcetoNuNIversitypress，2005：23．

［11］KossoWN，KuKutschKarmb．cIvIjsocIetyaNdoNjINecoNNectIvity：coNtrojjINgcorruptIoNoNtheNet？［J］.crImejaW＆socIajchaNge，2017，68（4）：459－476．

[12] schrothpW，sharmap．traNsNatIoNajjaWaNdtechNojogyaspoteNtIajforcesagaINstcorruptIoN［J］．maNagemeNtdecIsIoN，2003，41（3）：296－303．

［13］dirienzoce，das J，cortKt，burbrIdgeJ．corruptIoNaNdtherojeofINformatIoN［J］．Jour⁃NajofinterNatIoNajbusINessstudIes，2007，38（2）：320－332．

［14］董石桃．技术执行的组织整合：整体性治理视域下的大数据反腐［J］．电子政务，2020（11）：24－36．

［15］jIomc,jIumc,ouyp．caNtheinterNetre⁃ducecorruptIoN？across⁃couNtrystudybasedoNdy⁃NamIcpaNejdatamodejs［J］．goverNmeNtINforma⁃tIoNQuarterjy，2011，28（1）：47－53．

［16］aNderseNtb，beNtＺeNJ，dajgaardcJ，etc．doestheinterNetreducecorruptIoN？evIdeNcefromu．s．statesaNdacrosscouNtrIes［J］．WorjdbaNKecoNomIcrevIeW，2011，25（3）：387－417．

［17］JhacK，saraNgIs．doessocIajmedIareducecorruptIoN？［J］．INformatIoNecoNomIcsaNdpojI⁃cy，2017，39（2）：60－71．

［18］ejbahNasaWyNg．e⁃goverNmeNt，interNeta⁃doptIoN，aNdcorruptIoN：aNempIrIcajINvestIgatIoN［J］．WorjddevejopmeNt，2014，57（5）：114－126．

［19］ mahmoodr.caNINformatIoNaNdcommuNIcatIoNtechNojogyhejpreducecorruptIoN？hoWsoaNdWhyNot：tWocasestudIesfromsouthasIa［J］．per⁃spectIvesoNgjobajdevejopmeNtaNdtechNojogy，2004，3（3）:347－373．

［20］Wescottc．e⁃goverNmeNtintheasIa⁃pacIfIcre⁃gIoN［J］．asIaJourNajofpojitIcajscIeNce，2001，9（2）：1－24．

［21］mIshraa．persIsteNceofcorruptIoN：sometheo⁃retIcajperspectIves［J］．WorjddevejopmeNt，2006，34（2）：349－358．

［22］acemogjud，robINsoNJ．pojitIcajjosersasabarrIertoecoNomIcdevejopmeNt［J］．amerIcaNe⁃coNomIcrevIeW，2000，90（2）：126－130．

［23］musapf,mesop,mbarIKavW．toWardsustaINabjeadoptIoNoftechNojogIesforhumaNde⁃vejopmeNtINsub⁃saharaNafrIca：precursors，dIag⁃NostIcs，aNdprescrIptIoNs［J］．commuNIcatIoNsoftheassocIatIoNforINformatIoNsystems，2005，15（33）：592－608．

［24］朱金玉，周冬．互联网改善公共监督效果的实证研究［J］．西南民族大学学报（人文社科版），2019（10）：154－161．

［25］JusteseNmK.theeffectofecoNomIcfreedomoNgroWthrevIsited：NeWevIdeNceoNcausajityfromapaNejofcouNtrIes1970－1999［J］．europeaNJour⁃NajofpojitIcajecoNomy，2008，24（3）：642－660．

［26］graNgerc.INvestIgatINgcausajrejatIoNsbye⁃coNometrIcmethodsaNdcrossspectrajmethods［J］．ecoNometrIca，1969，37（3）：424－438．

［27］roodmaNd．hoWtodoｘtaboNd2：aNintroduc⁃tIoNtodIffereNceaNdsystemGMMINstata［J］．stataJourNaj，2009，9（1）：86－136．

［28］任建明．廉政风险水平测量方法的研究［J］．北京航空航天大学学报（社会科学版），2013（1）：6－11＋29．

［29］吴一平．财政分权、腐败与治理［J］．经济学（季刊），2008（3）：1045－1060．

［30］周黎安，陶婧．政府规模、市场化与地区腐败问题研究［J］．经济研究，2009（1）：57－69．

［31］张军，高远，傅勇，等．中国为什么拥有了良好的基础设施？［J］．经济研究，2007（3）：4－19．

［32］高远．反腐败与外商直接投资：中国的经验［J］．南方经济，2010（2）：15－27．

［33］胡俊．地区互联网发展水平对制造业升级的影响研究［J］．软科学，2019（5）：6－10＋40．

［34］JorgeNsoNd，vuK．INformatIoNtechNojogyaNdtheWorjdecoNomy［J］．thescaNdINavIaNJour⁃NajofecoNomIcs，2005，107（4）：631－650．

［35］fosterad，roseNＺWeIgmr．techNIcajchaNgeaNdhumaN⁃capitajreturNsaNdINvestmeNts：evIdeNcefromthegreeNrevojutIoN［J］．theamerI⁃caNecoNomIcrevIeW，1996，86（4）：931－953．

［36］陈硕，高琳．央地关系：财政分权度量及作用机制再评估［J］．管理世界，2012（6）：43－59．

［37］陆铭，陈钊，万广华．因患寡，而患不均———中国的收入差距、投资、教育和增长的相互影响［J］．经济研究，2005（12）：4－14＋101．

［38］treIsmaNd．thecausesofcorruptIoN：across⁃NatIoNajstudy［J］．JourNajofpubjIcecoNomIcs，2000，76（3）：399－457．

［39］石喜爱，季良玉，程中华．“互联网＋”对中国制造业转型升级影响的实证研究———中国2003－2014年省级面板数据检验［J］．科技进步与对策，2017（22）：64－71．

［40］ageNorpr，moreNo⁃dodsoNb．pubjIcIN⁃frastructureaNdgroWth：NeWchaNNejsaNdpojIcyImpjIcatIoNs［r］．WorjdbaNKpojIcyresearchWorK⁃INgpaper（4064），2006．