探究公共行政的过程属性：事件序列研究方法的方法论价值

作者简介

焦文婷，山西大学经济与管理学院副教授，主要从事循环经济、生态工业园区等政策研究。

摘        要

公共行政过程具有随着时间展开的复杂性与动态性，但目前学术界对公共行政议题过程属性的关注仍十分有限，且缺乏合适的具有过程导向的研究方法。作为关注个案纵向时间尺度的定性研究方法，事件序列研究方法以事件为基础，通过建立事件链，发现其中隐含的事件序列模式，探究其触发条件与其所带来的结果。事件序列方法有助于研究者探索案例的过程动态、时间属性与因果机制，在我国公共行政复杂治理研究中有极大潜力。本文介绍了该方法的起源、特点与分析步骤，并探讨该方法对我国公共行政研究的潜在贡献与可能应用。

文章结构

一、引言

二、过程哲学视角下的 ESA 方法论特征

（一）ESA 的过程本体论与认识论

（二）ESA 的方法论特征

三、事件序列研究方法的发展脉络

四、ESA 的操作步骤

（一）确定研究问题与选择重构方法

（二）定义过程

（三）收集数据与构建数据表

（四）编码与构建事件表

（五）分析事件序列

五、事件序列研究方法在中国公共行政研究中的适用领域与潜在价值

六、结语

一

引言

在公共行政与政策领域，学者们对于过程的关注由来已久。如拉斯韦尔在其倡导的政策过程研究中，已经认识到政策的过程本质。同样，林德布洛姆对决策的研究也认识到决策的渐进发展过程。在与行政学与政策领域相近的政治学领域，过程视角得到了较多关注，比如Pierson的著作《时间中的政治：历史、制度与社会分析》首次系统阐述了时间的重要性，历史制度主义所提出的路径依赖理论强调了初始条件（如历史因素）对后续事件序列的展开发挥决定性作用。Mohoney和Thelen对于制度变迁所提出的取代（Displacement）、叠加（Layering）、偏离（Drifting）、转变（Conversion）等模式也具有过程性这一烙印。

公共行政与政策是行政主体为了实现特定公共目的所实施的一系列具有先后顺序且相互关联的决策与行为，随时间以事件链（Stream of Events）的形式展开。事件具有时间属性（Temporality），如时机（Timing）、时序（Order）、持续时常（Duration）等。Abbott指出对重复出现的事件序列模式的关注是揭示事物产生、发展甚至消亡的过程机制的关键，也能够为政府干预的时机以及干预顺序提供决策支持。

总的来说，虽然“过程”一词在公共行政领域的出现频率越来越高，基于过程视角的理论也在不断丰富，但很多研究是把时间作为考察要素变化的尺度，而不是针对过程属性的研究，同时，很多对过程研究的最终成果为详细的叙事描述，而缺乏获得外推性和一般性结论以及过程模式的能力，其中的重要原因之一为缺乏合适的具有过程导向的研究方法。

对此，本文所介绍的事件序列研究方法（Event Sequence Analysis，以下简称 ESA）为分析公共行政中的“过程”提供了新的方法选择。ESA强调实体或者社会现象的发生、发展以及消亡是由“事件链”组成。通过重建纵向事件链，这一方法得以探究其中隐含的事件序列模式（Event Sequential Pattern），并进一步阐释其触发条件（Conditions）和所带来的结果（Outcomes），揭示因果机制。ESA 的突出优势在于一方面能够记录动态过程的细节，另一方面能揭示过程的时序规律。这为纵向时间尺度（Longitudinal）案例研究提供了有力的方法学支持，提升案例研究结果的外推性。

本研究介绍ESA的主要特征与分析步骤，并详细阐述其对揭示公共行政的过程属性的潜在价值。本文的结构安排如下。首先，介绍ESA的过程本体论、认识论以及方法论特征，其次，梳理ESA的发展脉络，介绍ESA的操作步骤。最后，探讨ESA对促进我国公共行政研究的潜在贡献。

二

过程哲学视角下的ESA

方法论特征

（一）ESA的过程本体论与认识论

过程哲学是现代西方哲学中的重要流派，最早期可以追溯至古希腊哲学家赫拉克利特，其认为万物处于不断的变化中，万物皆流，无物常驻。近代之后，恩格斯继承了赫拉克利特的过程思维，提出“世界是过程集合体”这一观点，体现了唯物辩证法的运动、变化和发展观。怀特海在《过程与实在》（Process and Reality）中指出宇宙、现实世界是由相互联系的事件构成的有机系统，而事件则是这个系统的基础。过程论的本质特征是从事件链（Streams of Events）的角度看待现实世界，认为世界处于不断的变化之中，变化（而非稳定）是常态，稳定的实在（Reality）（比如协同网络），不是既定的，而是由一系列不断重复出现的事件链产生的，Abbott称其为“线性事件链”。

从认识论角度而言，过程视角往往要求通过事件序列揭示社会现象或者事物产生、发展、消亡的过程。研究者需要重建一定纵向时间尺度的事件链并探究隐藏其中的规律性序列模式。同时，由于过程序列模式由不同的条件（Conditions）触发，并会对结果产生影响（Outcomes），因此研究者也需要对于特定事件序列模式得以产生的条件以及其可能带来的影响进行深入探究，以揭示其中的因果机制。

（二）ESA的方法论特征

ESA具备以下三个特征：过程导向、探究事件链的序列规律、强调事件发生时间的重要性。第一，ESA具有过程导向（Process-Oriented）特征。如前所述，过程论认为世界由实在（Reality）构成，实在随着事件链的展开可以变化与消失，研究过程比实在更重要。那么，对于研究者来说，需要关注的是为什么事件总以相同的方式不断重复发生。ESA则允许研究者探索这一过程，探究实体如何变化甚至为何完全消失，如某项政策的终止或者政府间合作的中断，或者政策所呈现的周期性变化过程。

第二，ESA以探究事件链的序列规律（Sequence）为研究目标。社会科学探究的目的是通过一定程度的普遍理解来解释社会现象，即探究事件重复出现的模式规律。ESA将事件序列引入到社会机制研究中，其以根据理论构建的事件为构成序列的基本模块，如实验型政策实施事件包括示范、试点、政策学习等。事件序列指事件排列顺序，序列中的事件通过某种关联而组成事件链，整个事件链条是结果发生的路径。图1列举了政府决策变迁的事件序列研究视角，显示了随着时间展开从时间T0到T1，政府的A决策到B决策之间所经历的事件及事件间关联。ESA的优势在于能够直接剖释事件序列进行因果链分析。此外，ESA也允许不同事件链的交叉、合并，或者同一事件链的分解等，这是复杂性治理中的常见现象，如两个独立实施的公共项目可能在某一时刻交汇合并成同一项目。

第三，ESA强调事件发生时间（Time）的重要性。Pierson提出社会科学的发展是从简单“快照”逐步转向“影像”的过程。时间性首先与持续时长相关，其主要关注积累效应对公共行政结果的影响。如政策学习是一个积累过程，其持续时间对政策目标与工具的制定具有重要影响。同时，公共行政的时间性还表现为其历史性。决策是在一定的历史条件下产生，会不可避免地受历史的影响（Legacy of the Past），正如Howlett指出的政策发展研究必须具有历史性，需要覆盖几年甚至几十年。最后，时间性也提醒研究者关注时机（Timing）的重要性，其强调关键时刻的政府决策会对决策结果产生深远影响，如政策变迁的多源流理论强调问题源流、政策源流与政治源流在特定时刻汇合直接影响是否推动政策的变迁。在此基础上，ESA认为研究者对事件的认识不能脱离事件在序列中的位置，极小的事件可能会因为它们在序列中位置的不同而对结果产生重要影响。而且，同一事件在不同案例中可能会带来完全不同的结果。

三

事件序列研究方法的

发展脉络

20世纪80年代，西方社会科学领域出现了影响深远的“叙事转向（Narrative Turn）”，以Abbott与Abell等为代表，许多研究者对变量范式（Variable Paradigm）进行了批判，认为在变量研究中叙事经常作为辅证，极大地弱化了叙事的机制，并强调叙事应该是对社会科学研究中长期忽略的过程研究的有力方法。Abbott将序列分析视为分析叙事数据（Narrative Data）与时间数据（Over-Time Data）的新颖且严谨的方法。之后，多位学者致力于序列方法的研究，其中，在社会学领域中运用较多的代表性方法为Heise的事件结构分析方法（Event Structure Analysis），其本质是通过回答事件间的依赖关系来建立严谨的叙事模式；以及Abbott的最优匹配方法（Optimal Matching），该方法改进了用于测量DNA序列相似性的最优匹配技术，使其适用于社会科学数据中事件序列规律的分析。

同一时期，组织科学也逐步意识到序列分析的重要性，其中最为有名的是Poole及其同事在组织变革与创新等方面开展的过程分析方法（Process Analysis）。从1983年开始，明尼苏达大学Poole及其同事试图建立能够揭示创新发展的序列规律的过程理论，对14个不同技术、产品、过程以及管理等方面的创新项目进行了长时间尺度的研究，包括创新的发展路径以及哪些路径会导致创新的成功与失败。为了对这些创新项目进行对比，研究组建立了一个统一的分析框架和方法，包括构建事件序列数据集，事件类型编码，其将编码结果记录为一个二进制的数据矩阵，在此基础上进行统计分析以确定过程数据的时间序列模式。随后，Van de Ven & Poole运用该方法研究了组织变革，提出了四种组织变革的过程理论，包括演化（Evolution）、辩证（Dialectic）、生命周期（Life Cycle）与目的（Teleology），这四种类型也可以看成是ESA分析中事件间关联的不同类型。

不同的序列研究方法在叙事细节描述与序列模式归纳方面有很大差异，一种方法的叙事越详细，其揭示序列模式的能力就会较弱，如事件结构分析具有非常详细的叙事细节，而最优匹配技术则最大程度地降低了细节描述而增加了模式探究的能力。

2010年始，荷兰公共行政学Boons及其能量流与物质流治理团队（Governance of Material and Energy Flows）结合了Abbott和Poole等序列分析方法的特点，系统发展了事件序列分析方法，称其为ESA。为了提升案例研究结果的外推性，同时，考虑到公共行政与政策研究中长时间尺度的小样本案例研究特点，ESA参考了Poole等人的过程分析方法设计了数据收集与编码过程，包括现象记录、事件表构建等。在此基础上，运用Abbott的最优匹配的思想，进行序列规律的模式匹配，如不同案例之间的序列规律识别与比较，或者理论序列规律与案例序列规律之间的对比分析等。

随后，ESA被运用于多项公共行政与政策研究中。例如，荷兰学者Spekkink在分析荷兰地方政府在推动产业集聚区可持续发展与转型过程中，以两个运河区为例，运用ESA重构了政府、企业、知识机构以及其他利益相关者的协同治理能力的构建过程。学者们也尝试将该方法与社会网络分析方法结合，基于事件序列构建了参与者网络与议题网络，以此探讨参者以及议题在协同治理能力构建中的作用。焦文婷等将该方法引入了我国公共政策研究中，分析了我国循环经济政策与生态工业园区政策近20年的演化序列规律，结果显示不同演化阶段的事件类型与序列特征具有显著差异，不同的事件序列模式对推动循环经济与生态工业园区发展具有不同影响；在单一政策演化分析的基础上，作者进行了研究边界的拓展，探讨了循环经济政策与生态工业园区政策的协同演化机制，并分析了政策协同演化对我国工业园区生态化转型的协同效应。

四

ESA 的操作步骤

总体而言，一项ESA分析，主要包括五个步骤：确定研究问题与选择重构方法、定义过程、收集数据与构建数据表、编码与构建事件表、分析事件序列。这五个步骤遵循从发生现象（Occurrences）到事件（Events）再到事件序列（Sequence）的过程（见图 2）。

（一）确定研究问题与选择重构方法

研究者需要根据研究问题与研究目的选择过程重构方法，即选择过程重构的起点。过程重构方法主要有三类：反向方法、正向方法和反事实方法。反向方法（Backward Approach）回答的研究问题是：什么样的事件序列模式导致某特定结果的产生？研究者以某一现象为结果，试图去分析导致该结果产生的事件过程。例如，研究者感兴趣的结果是项目执行过程中政府部门之间形成的稳定协同治理网络，研究问题即：该协同治理网络是如何随时间推移而形成？正向方法（Forward Approach）指研究者确定一个起点并跟踪后续事件序列，主要回答的研究问题为该起点引起了怎样的发展路径或者同类起点为何带来不同的发展路径？例如，“碳中和”目标提出后多部门开展了哪些实践以提升协同治理能力，为什么实现或者未实现既定的目标结果？反事实方法（Counterfactual Approach）聚焦分析特定事件或者一组事件链的作用，研究者关注点是：如果这一事件（或事件链）没有发生会产生怎样的结果？例如，在环境治理中，如果没有社区居民的抗议行为，地方政府会如何决策？

（二）定义过程
定义过程需要研究者确定中心主体（Central Object）以及中心主体所经历的不同类型的事件。中心主体可以指代任何类型的实体，如个体、企业、政府组织、非政府组织、协同治理网络、社会运动等。对于中心主体所经历的事件，研究者需要确定过程边界（Boundary）、事件类型（Types of Events）以及事件间关联（Linkages between Events）。首先，过程边界主要关注单一过程（如单一政策实施过程）或多个相互关联的过程（如两个或多个政策实施过程，或者治理决策与被治理对象的协同演化过程）。边界也包括时间边界，即研究的时间范围（如天、月、年等）。其次，事件类型的确定是根据理论构建，是反映理论概念的指标。如Spekkink 在关于协同治理能力构建的研究中，其确定的事件类型包括引导、规划、审查、实施、游说、可行性研究等。最后，事件间关联需要研究者根据理论与研究问题来确定，主要包括目的性关联（Teleological）、生命周期关联（Life Cycle）、演化关联（Evolutionary）以及辩证关联（Dialectical）。目的性关联指事件之间是有意建立的关联（如规划的执行）；生命周期关联指事件是基于事物内在的特定规律而建立的联系（如政策的生命周期变化）；演化关联指事件间关联是基于进化论中的变异、选择与保留而建立（如政府机构的整合、裁撤等）；辩证关联是指事件由于反映了对立论点之间的对话，以此建立了特定关联（如决策过程中对立观点的交流）。

（三）收集数据与构建数据表
研究者需要收集大量的纵向时间尺度的数据，其对研究主体、事件类型以及事件间关联的定义决定了所要收集数据的类型。ESA的数据收集可以简单概括为：按照时间顺序记录所发生的现象（Occurrences），形成数据表（Occurrence Table），记录发生的日期、事件参与者、参与者的（交互）行动、信息来源等。这些信息展现了案例发展的基本过程，也是后续编码分析的基础。对于现象记录可以来自直接观察（如参与式观察和访谈），也可来自档案数据（如新闻报道、政府报告以及回顾性访谈等）。在具体应用中，研究者需要根据案例实际情况、数据要求以及数据可获得性等来选择某种方法或者结合多种方法收集数据。在收集相关数据之后，研究者可以将这些信息汇总，以此构建数据表。

（四）编码与构建事件表
在构建数据表之后，研究者将进行编码，并基于编码形成事件表。研究者需要根据研究问题与所使用的概念与理论，即步骤二中所定义的中心主体、事件类型以及事件间关联，编制编码表。为了提升编码表的信度，可由多个研究者同时编码，运用Scott’s Pi等指标进行信度检验，如果数值太低，则需调整编码表。在编码过程中，可能多个现象指示同一事件（如事件的开始与结束），这些现象需要合并起来，这一过程称之为组合（Colligation）。另外，研究者还需要对于事件之间的关联进行编码，在数据表的基础上建立事件表（Event Table）。需要注意的是，研究者可以通过回顾性访谈或者研讨会等形式，请案例参与者核实事件及其顺序，进一步补充、调整、完善事件表。

（五）分析事件序列

在建立事件表之后，研究者就需要展开事件序列分析。序列分析可以运用替代模式匹配（Alternate Template Matching）、可视化绘制（Visual Mapping）、时间区间分析（Temporal Bracketing）等策略。模式匹配即研究者根据理论构建的几种序列模式来对案例中的过程数据进行替代解读，然后，评估出能够对案例提供更满意解读的序列模式；可视化绘制策略将过程数据进行图形表示，其优点在于其能够同时表示多个维度的数据、显示平行过程以及时间的流逝等；时间区间分析将长时间事件序列划分为不同阶段，同一阶段内事件序列具有连续性，而不同阶段之间呈现出非连续性。这些方法的共同特征为探究重复出现的序列模式，很多时候，研究者需要结合多种方法来进行序列规律分析。

通常，辨识这些事件序列规律已经十分有意义了。但是，研究者可以进一步思考到底什么条件激发某一事件序列模式的产生，到底该序列模式带来了什么样的结果。只有研究者能够打开从条件到结果这一过程黑箱，才能揭示潜在的因果机制。另外，研究者也可以结合使用社会网络分析方法，发现事件中隐藏的参与者网络、议题网络、政策概念网络等，以此探索事件序列与其他网络之间的关联性。

五

事件序列研究方法在中国

公共行政研究中的适用领

域与潜在价值

目前，ESA在国内公共行政研究中应用仍相对较少，但是对于越来越重视复杂性与过程的中国公共行政学来说，ESA具有广阔的使用空间和极大的潜在价值。

作为历史悠久的治理大国，中国公共行政领域的研究对象往往都是复杂治理现象，具备复杂的过程属性，为事件序列方法提供了极大的发挥空间。一般来说，具有以下特征的公共行政议题可以通过事件序列方法来进行研究，包括（1）原因和结果之间具有非线性关系的研究议题，如公共治理变革、政府机构改革、政策演变等；（2）事件发生的前后序列会影响结果的议题，如行政管理体制中的路径依赖；（3）时间属性影响因果机制的议题，如政策学习；（4）复杂性治理的议题，如跨部门协同治理机制；（5）具备背景敏感性的研究议题，例如，原因对结果的影响往往取决于时间和地点，如大数据时代的政府治理、跨域环境治理、政策实验等。

在此基础上，ESA 对我国公共行政研究可以做出以下贡献，发挥潜在价值。

第一，唤起研究者对公共行政过程的事件时间序列规律的关注。我国的政治学与政策研究已经开始从理论视角探讨过程属性，但公共行政中的过程研究非常薄弱。以上述五个方面的议题为例，国内已经有了相当丰富的研究积累，但仍少有集中关注其中时间属性的研究，事件序列方法可以在此基础上发挥方法优势，提出新的科学问题，为研究议题提供新视角。例如，协同治理（Collaborative Governance）是复杂性治理中的重要概念，主流文献认为协同治理能力是在合作项目开展过程中产生的，荷兰学者Spekkink与Boons反思了这一观点，认为协同治理能力并不一定是在项目启动之时从零开始，很多情景下，在合作项目开始之前，通过已有的其他小规模项目所积累的共同点（Common Ground）以及一些行政主体所具有的桥梁作用（Bridging Position），协同治理能力就已经浮现，通过对两个案例的事件序列分析作者验证了该观点，研究结果成为对协同治理理论的重要补充。

第二，推动公共行政研究中对因果机制的探索。对事件序列模式产生的条件以及所带来结果的研究是打开因果机制黑箱，揭示公共行政的因果机制路径的重要手段。虽然对于过程研究来说，对事件序列特征规律认识本身已经是重要的研究成果，但研究者可以在此基础上，借助社会机制（Social Mechanism）的研究逻辑，通过事件链来发掘事件序列中的因果特征。Elster指出社会机制为经常出现的且可以容易被识别的因果模式，这一模式是由一些未知的条件触发或者能够引起不确定的结果。因此，研究者的任务即是探究事件序列模式的触发条件及其所带来的结果。一方面，研究者可以探索触发某一事件序列模式产生的条件。条件指社会、环境、政策、地理空间等，由研究问题确定。另一方面，研究者也可以探讨不同事件序列模式所带来的结果的差异性。通过事件序列分析，研究者不仅可以关注点结果（Point Outcome），例如政策目标最终是否实现，还可以探讨趋势结果（Outcome Trends），即由事件序列模式展开过程趋势带来的结果，通过探究事件序列展开过程与趋势结果之间的关系，获得不同趋势结果之间的对比。例如，Zhao等将政策实施过程划分为六类事件序列模式（Typical Patterns），每种模式都呈现典型的事件序列特征，运用事件序列分析方法，揭示了我国生态工业园区政策演化的事件序列模式以及阶段演替特征，并进一步探讨了不同阶段的事件序列模式的触发条件以及其对我国生态工业园区发展水平的影响，由此，提出了不同演化阶段提升生态工业园区政策有效性的建议。总的来说，ESA 能够帮助研究者揭示公共行政更细致的因果链条，为不同情境下有效的政府决策提供科学支持。

第三，为纵向时间尺度案例研究提供方法支持。案例研究方法由于其独特的优势在社会研究领域被越来越多的学者运用，随着国内公共行政学对案例研究的重视，构建适合我国情境的公共行政案例研究迫在眉睫。但是，公共行政本身具有复杂性与动态性，对纵向时间尺度的案例研究中如何提升研究结果的外推性是研究者需要不断努力的方向，也是推动案例研究不断发展的方向。ESA的强项在于既能够掌握事物发展过程的细节，又能够在一定程度上发现隐藏在案例过程中的过程规律，提升了案例研究结果的可比性，包括同一案例不同阶段的对比以及不同案例之间的对比，有效提升案例研究结果的外推性。同时，随着我国经济社会的快速发展，公共行政的动态性与复杂性不断提升，多个公共问题经常相互关联，导致多个过程相互交织、相互影响，这也使得研究对象的边界发生动态变化，例如，我国的生态工业园区政策和循环经济园区政策在20余年的实施过程中呈现出协同演化（Co-evolution）关系，且协同演化类型随时间推移发生变化。在这种情况下，ESA允许通过“渐进式情境化”（Progressive Contextualization）的方式来定义过程边界，而不会产生数据混乱或者丢失。

第四，促进经典理论在经验研究中的复兴。在公共行政、政策学与政治学研究中，有很多具有过程视角的经典理论和概念，如路径依赖、中断平衡论，倡导联盟框架、多源流理论、复杂性治理、政策移植等。事件序列研究方法对过程视角的操作化，也许能够以新的方式展现经典理论的解释力，推动经典理论在经验研究中的更多使用，提升公共行政学科的经典理论再发展能力。

六

结语

长久以来，公共行政的研究者已经意识到过程与时间属性的重要性，但如何在研究中把握过程属性，仍是一个巨大挑战，正如Heclo所指出的，“对动态过程的日益关注同时表达了我们的失望和希望——对新发生的事情不断超越我们已经掌握的知识而感到失望，同时也希望在未来能够做得更好”。作为关注纵向时间尺度的案例研究方法，ESA建立在长期事件序列分析研究的积累之上，是对这一挑战的回应。藉此，本文期待通过对事件序列方法的介绍，唤起研究者对公共行政过程属性的更多关注。此外，ESA也具有一定的局限性，其分析依赖于大量的过程数据，这要求研究者花费大量时间、努力和耐心来进行过程数据的收集、准备以及编码分析，这可能是阻碍该方法快速发展的重要原因之一，也进一步导致该方法较难应用于大样本（Large-N）的比较研究。为了进一步提升过程研究结果的一般性，ESA与其他具有对比优势的方法（如定性比较方法QCA）的结合，是未来充满活力与希望的发展方向。

文章来源：《中国行政管理》2022年第10期