公共政策研究的挑战与展望

一、政策过程研究的挑战：简化逻辑与复杂系统

    从学科上讲，如果政策科学在提供“政策过程中的知识”方面无法提供“别具一格”的途径，那么政策科学似乎应当回到德洛尔所倡导的“元政策”研究中去，其中“政策过程的知识”应视为学科建设的主要任务。如果将那些“政策过程中的知识”定位为诸如经济、社会、科技等具体领域中的政策知识，那么“政策过程的知识”也可以看作是政治领域中的政策知识。不过相比其他学科提供的诸如技术、经济、管理等方面的政策可行性信息外，对政策过程的研究始终未能在政治可行性方面提供充分有价值的信息。有学者指出，政策过程研究未能得到应有的重视，部分因为决策者认为自己作为局内人不需要研究者帮他们对决策过程做出分析。这对决策者的分析在一定程度上是正确的，但是在决策者认为不需要帮助和决策者没有得到有价值的帮助之间实际上并不容易区分。

　　政策过程是对政策从酝酿到终止的过程所做的一个隐喻。韦默指出，“关注于政治活动的结果以及更加宽泛地考察政策过程——超越正式制度以及诸如投票、组织行为等特定(政治)行为”，是公共政策(过程)研究区别于政治科学中其他领域的重要特征。这个界定试图通过划分正式的和非正式的制度或政治行为来给出政策科学中的政策过程研究的边界。这的确是当下政策科学或公共政策专业的自我认知：各种教材将政治系统、多元主义、精英主义等传统政治学理论以及微观决策理论等纳入政策科学或公共政策分析的教学框架中。然而这种框架设计不仅没有拓清政策科学的边界，相反使之变得更加模糊了。

    目前政策科学对政策过程的研究形成了两条理论主线。第一条主线给出一条纵向的，基于时间维度的理想路径，将政策过程划分为议程设置、政策制定、政策执行、政策评价和政策终结等若干阶段。阶段框架是最早形成的并颇有影响力的分析框架，至今仍然是大学政策科学教材中的重点。在2003年至2012年间由国内学者主编或编著的53本冠名“公共政策学”、“公共政策分析”、“公共政策”或“政策科学”的理论教材中，有关政策评估、政策执行、政策制定、政策终结、政策问题与议程的章节出现频率均超过80%。它被认为提供了一个简化模型，帮助政策科学能够迅速地从政治学、公共行政学中脱离出来成为一个相对独立的学科。第二条主线则是横向建构政策过程中的各类政策主体之间的互动关系。其中的政策网络框架成为阶段框架之后政策过程研究的核心范式。这个框架的核心特征是将政策过程视为由政府、政治家、官僚、利益集团、社会组织、专业人士以及相应的组织机构等政策主体在宏观、中观和微观等不同层面形成的或紧密、或松散的共同体并在共同体内部和相互之间展开合作与竞争的互动过程。政策网络被认为是对西方多元主义和法团主义整合的产物。

　　虽然政策网络框架建立在批判阶段框架基础上，但是这两条主线实际上是并行的而非相互替代的。关于政策过程的大多数理论模型，无论是以政策阶段为关键词，如议程分类模型、多源流模型、间断平衡模型以及各种政策执行模型等，还是以政策主体为关键词，如亚政府、议题网络、倡导联盟、社团治理、知识运用理论[27]等都可以同时归入这两个基本框架：在某个或某些政策阶段中建构某个或某些主体的政策行动以及互动关系。如果将这两个框架合并，可以得到一个加入了时间(阶段)维度的网络结构图。上述各种理论或模型可以看作是这个网络结构中划出的若干子集。如何划出这些子集的边界，厘清子集内部的层次、主体关系及其强度等，不仅取决于这些政策过程研究者的理论开发的意图，也与他们能够对政策现象的实际观察及其对观察做出的选择有关。

　　阶段分析框架被批评缺少能够控制各阶段的内部和相互间的因果因素，而且与政策实践有较大的偏离。虽然回应者提出阶段分析框架的作用不是解释性的，而是启发性的，但是这对于理解政策过程，并能够对政策系统做出改进的意义便十分有限了。另一方面，政策网络框架及其相关理论试图通过引入政策主体将政策过程变成一个可分析的变量，从而将政策过程从经验描述性的理论变成为可解释性的理论。然而正如有学者所指出的，如果政策网络的成员之间的互动是自发性的，那么政策网络框架同样缺乏足够的理论解释力：或许能够解释政策过程中的部分行为，却不能解释政策过程本身。事实上，政策网络框架的实质是制度主义的，因此其核心的问题在于究竟是作为一种制度的政策网络决定了政策内容和结果，还是政策内容决定了政策网络的性质?

　　正如一项关于政策过程中决策者如何运用知识的实证研究所揭示的，政策决策者与专家之间呈现一种现有理论都无法揭示的复杂关系，其中包含了许多权变因素，使得无法建立一个关于决策者运用专家知识的综合模型。政策过程中的决策，或受制于权力结构和利益诉求，或源自于决策者之间的学习和模仿，也会取决于决策者所持有的理念。与其他因素相比，理念是一个更加复杂的变量，它可以由多层次的因素组成，除了工具性的想法外，还包括了更深层次的意识形态和文化的因素。换言之，决策绝非是一个简单的知识应用过程，而是决策群体持续地从决策系统内部和外部获取知识的历史的结果。

　　关于政策过程的各种理论和模型在方法上形成了两种路径。第一种路径按照构建理论的需要，将实际政策过程中可以观察到的一些事实，化繁就简地分类划入某个可供分析的框架结构。然而这种划分至多只是简化了对政策过程的观察逻辑，或者是阐明了存在的多样性之外，没有能够提供这种多样性背后的“演化”动力，因此并不能对政策发展的未来提供预见。第二种路径则试图辨析出某种因果链条，却最终指向了某种随机的，或历史的，或制度的，或意识形态的，或文化的，或称之为复杂性的因素。对这些影响或决定性因素的讨论或许有助于提供理解政策过程的知识，但是一旦落入这种随机性、历史性或复杂性的诠释之中，就如同达尔文进化论将生物多样性归结为随机变异一样，实际上也就没有提供任何真实的可理解性。进一步的，根据复杂系统理论，系统特征是在系统成员相互作用过程中“涌现”的结果，系统的宏观特征与成员的微观特征完全不同，不能使用系统成员的微观行为来解释其宏观特征。因此如果说政策系统是一个复杂性系统，那么在特定的时空背景下，分别讨论某些主体之间的关系或者某一个政策子系统，对于理解和改进整个政策系统的作用便十分有限。

　　政策科学试图揭开充斥着各种理念、规范、交易、工具等要素的政策过程黑盒。大多数研究者所能观察到的界域主要分布在系统边界附近，他们的大部分工作是试图通过观察和记录系统的输入与输出来还原系统内部的结构，因此常常选择一些具有典型性的，影响较为重大的公共政策案例。比如最新一轮的医疗体制改革是近年来国内政策过程学者最常使用的案例之一。然而这些典型政策案例能够被“特别地”选择并且被展开式地讨论，在某种程度上已经喻示了这些政策在中国政策过程中的特殊性而非一般性。

　　二、 政策分析方法的局限：科学知识与政策行动

　　邓恩提出，公共政策分析应分别提供关于事实、价值与行动三方面的信息，并宣称这其中包含但又不仅限于传统的社会科学学科的目标。这将政策分析方法分成了两类，一类是传统社会科学方法，即强调实证主义的方法论原则，以通过对事实的“解释”和“预测”这两大基本功能为人类增加新的知识为目标。虽然受后实证主义影响，“科学”一词从原先的“硬”知识转变成一种对系统化的经验研究的泛称，人们也认识到对人类社会的事实分析不可能孤立于特定的价值，但是知识供给的任务不会改变。另一类方法则关注于如何开展行动。这些方法过去被归入系统分析的范畴，现在又常被称作创新方法。在传统社会科学的规范下，后一类方法常被看作是非理性的，不能被合理论证的，因此不能提供新的知识。然而现有社会科学所能够提供的新知识虽然大大增加了人类的知识积累，但是在这些知识与如何行动之间存在着明显的距离，因此对于应给出行动指向的政策分析来说常常作用有限，

　　第一，科学研究并不要求与世界的现实建立完全的映射，而是需要在特定假设条件下将分析焦点集中到若干变量，并在这些变量之间建立某种稳定的联系，从而形成一个简化了的世界模型。这些模型提供了对世界的某种新认知，但是只能看作是对真实世界的一种“粗糙”仿真。美国国家科学院院士统计学家布莱曼就指出，建立在拟合估计基础上的传统统计分析模型所揭示的事实只不过是人造世界中的事实，而远非真实世界的事实。虽然这种“粗糙”仿真并不妨碍科学家发现新的知识，但是自然科学家们并不承诺他们必须为应用研究或解决问题服务;大多数社会科学家也如此界定他们的职责，不过他们却似乎对解决各类社会问题充满自信。政策科学兴起的背后与当时西方社会各种大型的所谓“社会工程”的出现有关，而社会科学本来就源自于“近代国家亟需更加精确的知识作为制定决策的基础”。即使后实证主义指出“历史、传统和人们的态度及信仰”对政策制定具有十分重要的作用，然而这种嵌入了价值与背景的“事实”也仍然是人类在制定决策过程中追求“精确知识”的结果和方向。这种“自信”在持科学的理性主义观点的人看来并不矛盾，他们认为只要充分了解了事实，就能够给出解决的方案，“好的解决方案必须来自好的科学研究” 。然而无论是公共政策的决策者还是政策科学家们，“有限理性”决定了他们对复杂问题的分析从未接近全面分析，而且相距甚远。因此虽然科学是从经验事实中推导出来的知识，但反过来却并不一定能够为尤其是复杂条件下的决策提供关于现实的“精确的知识”。或许人们会认为，即使是粗糙的知识，只要其中所涉及的因素已经足够代表现实或者缩小了未来发展的可能性空间，便已经可以作为决策的基础。问题在于，就决策的科学性而言，仍然需要另一种精确的知识来说明那些仿真对现实的拟合程度，以便能够在有限的可能性空间中做出选择。

　　第二，科学史上关于解释和预测的“对称性”观点被认为与科学尤其是社会科学的实践是不相符的：能够对过去进行解释的科学理论并不一定能够对未来做出预测，反之亦然。[48]这虽然无碍于人类的知识创新，但是对于政策分析而言却十分关键。政策科学不仅涉及社会科学，也涉及自然科学，不过社会科学很难像自然科学尤其是物理学那样产生所谓的“硬”知识。沃勒斯坦曾经将社会研究的科学化以获得“硬”知识看作是一场“打赌”。虽然科学对自然世界的解释或许可以对那种“恒常”相随的因果序列做出相对精确的描述，但是对社会世界的解释却常常取决于人们行为背后的意图或目的性。自然科学家曾经认为，只要知晓自然法则和世界现在或者过去的状况，那么每一个未来事件在原则上都能预先通过推理计算出来。按照这种被称为“决定论”的观点，如果人的大脑是同样受物理定律支配的物理对象，那么人的行为便可能是由他先前的经历或条件来决定的，这样也就可能对人的未来行为做出预测。随着20世纪量子力学的兴起与发展，自然世界的决定论已经被动摇了，人类行为的决定论便也失去了基础。政策科学中众所周知的一个经典隐喻“云和报时钟”便来自这样的观点。报时钟代表一种被事先设计好的或者说被决定了的精确性，而云则代表着随机的，无目的的，不可预测的行动。如果说人类的政治行为没有被所谓的社会规律所唯一决定，而是处在云和报时钟之间的“塑料控制”的形态，那么政策科学不仅要面对其中“同一不变”的部分，也必须面对那些非同一的现象。德洛尔曾指出，现行理论不可能对现实是可塑的还是难以驾驭的进行可靠的猜测，“历史并没有为预测提供多少希望……，对未来可能出现的各种面貌的列举都是值得怀疑的”。如果难以把握未来，那么即使能够对现实的问题做出解释，对“开处方”的作用也十分有限。进一步的，相比解释与预测的不对称性，理论知识与政策行动之间的不对称性则更加明显。自然科学中的原理并不能直接推导出新的发明，社会科学在指导行动方面则存在更大的局限。知识在很大程度上是“负面”的，“它告诉我们不能做什么，我们错在哪里，但不一定是如何改正这些错误” 。如果无法直接提供弥合现实与期望之间差距的方法，科学便会失去人们期望的价值。即使如林登布洛姆所说的，政策分析只能提供具有指导性的“战略分析”，后者一般也不能直接从事实中得出。在这个意义上，科学在政策分析中的作用或许只是在一定的立场上阐明了或者说“创造”了问题，而非提出解决问题的方案。在政策问题尤其是复杂问题的事实分析和规范分析之间存在着类似于波普尔在论述科学假说形成时所提及的“思维跳跃”，其中必然包含了许多非理性的因素。

　　第三，虽然人们总试图为自己的研究方法贴上“科学”的标签，但是建议行动的方法与传统社会科学有着明显的差别。对于政策科学而言，这类分析方法大都可以归入广义的系统分析范畴。定性系统分析一般并不直接提供可供选择的优化方案，而是为单人或群体决策提供过程上的支持。定量系统分析对数学的应用使之成为早期政策研究科学化的标志。奎德曾经指出政策科学是在系统分析的基础上扩充起来的，后者是运筹学的扩展。他所指的主要是定量系统分析。系统分析在政策科学中的局限性早有论之。德洛尔在上世纪70年代初就曾经批评定量系统分析不考虑制度，不考虑价值、意识形态等非理性问题。如果说德洛尔的批评主要基于公共行政学的视角，那么从系统分析自身来看，关键在于系统分析一般要求决策问题的结构化程度高，目标和约束条相对明确，这样才能纳入既定的分析框架。坚持定量范式的人们则认为，基于公理系统和形式逻辑的数学与自然语言一样无非是一种描述世界的语言工具，同时适用于科学与非科学，因此如果能够将上述因素数量化，就可以将非结构化的问题转化为结构化问题，从而可以用数学建立分析模型。这种观点要求实际政策分析中的各种因素是可测量的且存在统一的度量标准，容易忽略问题建构的复杂性和目标的模糊性。

　　三、 结论与进一步的讨论

    认为中国政策科学的发展已经停止或进展缓慢的观点值得商榷。近年来知识界对政策问题的关注十分踊跃，无论是在社会的或工程的政策领域的具体研究成果颇丰，政府智囊和专家库在中国发展也十分迅速，各级政府纷纷在政策制定中设计了论证和咨询环节，将一大批专家、学者纳入政策过程。仅以国家社科基金项目为例，按粗略统计自1983年以来近80%的国家社科基金重大项目，近70%的重点项目、一般项目和青年项目均与某个领域的具体政策相关。同时关于中国政策过程的研究也获得了许多成果。比如，在政策阶段分析方面，王绍光的政策议程研究，韩博天、周望等人的政策试验和规划研究，在政策网络分析方面，王绍光、陈玲等提出的共识理论、协商网络理论，朱旭峰、王绍光、樊鹏等对专家、智库或研究群体政策参与的研究，江华等对社会组织决策参与研究等。

　　然而政策科学试图形成一门独立学科的发展现状也的确与其所追求的学科目标之间存在不小的差距。坚持“两种知识”的传统意味着政策科学家将不放弃在所有政策问题上的话语权，那么政策科学学科的专业边界也将继续处于模糊状态，并且在科学导向与客户导向的问题上纠缠不清。在拉斯韦尔的时代，在学科上整合那些与政策相关的“碎片化”的知识以形成新学科是再自然不过的。然而时至今日，虽然政策科学对实际问题的关注以及所提倡的分析方法被各门学科广泛地吸收，但是各学科的政策研究分别按照各自的路径向前发展，并在各自范式下形成不同的学科分支。因此与其说政策科学发展缓慢，不如说随着各学科的发展，政策科学中的一部分已经被其他学科中的众多分支学科所取代。而政策科学的另一部分则始终与政治科学保持着若即若离的关系，要严格划出两者之间的边界既无可能也无必要。如果像韦默所界定的将所有非正式的政治互动和行为都划入政策科学，将会导致出现复杂的互动关系。在这种复杂关系中，政策子系统的特征并不一定能够帮助我们构建整个政策系统的面貌。无论基于科学导向或客户导向，政策科学终究是为解决实际问题服务的，而不仅是提供对世界本质的深层认知。关于知识与政策行动之间关系的理性主义受制于许多因素。理论家和政策评论家们很少公开怀疑自己的工作，而且常常将政策失败归咎于非科学的决策过程，但是即使不考虑价值、历史以及资源等因素，现有的知识在从事实分析导向行动方面的能力仍然远不如人们所期望的那样。

　　国内有学者将政策科学同时列为公共管理和政治科学的学科分支，而在目前的官方学科体系中则通常将政策科学放在公共管理一级学科下。这与其说国内的公共政策研究以管理学为导向，不如说公共管理学的学科定位与性质同样处于模糊之中。公共管理学被认为是研究公共组织尤其是政府如何与其他社会组织合作而有效地提供公共物品与公共服务的学问。实际上，公共管理学是在政策科学的基础上发展出来的。公共管理学家Kelman便指出，公共管理学在其诞生之初试图建立一门有别于政治科学、政策分析和公共行政的，以“开处方”为导向，以政策执行为关注点，建立在战略层次的新的应用学科。不过这个界定不仅没有说明公共管理学与政策科学的关键区别，而且潜在地将公共管理学列入了政策科学的一部分。当然问题的关键不在于谁包含谁，而在于如果两者都以面向应用或实际问题作为学科的定位和基本性质，那么由于实际问题之间的关联复杂性远远超过那些以知识创新为中心的学科所设计的科学问题，同时又不能提供独特的研究方法，便很难阐明其学科边界。如果按照所谓追求实践有效性的逻辑，我们也可以将政治科学看作是有效制定和改善政治领域中公共政策的学问，那么同样可以列入公共管理学。在所谓社会科学或对社会问题的研究中，尤其是在科学研究成为国家政策与投资的对象后，以知识为中心和以实践为导向的研究之间在总体上很难做出明确的区分。

　　不妨将政策科学视为政治科学和公共管理学之间将政策过程和政治价值的理论发展与面向“开处方”的应用取向结合起来的一门“过渡”学科。这种结合的确需要形成至少与那两种学科既有区别又有联系的理论视角和研究变量以支撑其基本范式。本文的第二至第四部分的讨论分别对应了政策科学的三种视角：“两种知识”视角的政策科学显然过于宽泛了;过程视角的政策科学与政治科学没有明显的界限，而且在改善决策过程与政策设计方面也未提供足够的知识;(分析)方法视角的政策科学也未能为复杂政策系统中的知识向政策行动的转化提供系统化的方法体系。此外还有一种工具视角的政策科学，其将政策的工具性放在政策科学的核心位置，将公共政策看作是公共管理或国家治理过程中所使用的工具。工具视角的政策科学并不完全等同于政策工具理论，后者关注实现公共政策目标的一般途径的内容和性质，前者还应关注政策作为一种工具的选择与运用过程，既应包括宏观的国家战略层面，也包含微观的政策技术层面，比如政策管制、社会动员、信息劝诫等，还应包括中观的关于政策制定与设计的制度层面，比如政策试验、规划等，因此既不同于过程视角忽略政策设计和政策改进的本来方向，也不同于(分析)方法视角缺少政策过程或政治价值的因素，但又同时可以将政策过程中的选择与政策方案的设计结合起来提供一般性的视角。

　　近年来，随着人类计算能力的快速提高，信息系统与互联网在社会过程中深入普及，系统分析方法向更加复杂的方向发展，出现了基于计算机辅助的量化系统分析，比如计算机模拟、大数据分析等，尤其是后者被认为对理解人类社会中集体行为具有革命性的意义。这些方法试图通过更加全面地量化人类的社会行为以提高社会研究模型与真实世界的拟合程度，在一定程度上可以解决传统系统分析的不足，从而帮助人们更加深入而准确地理解社会运行的过程。布莱曼将其称之为“以数据为中心”的统计文化，以与传统“以算法为中心”的统计文化相区别。虽然从目前来看，这些新的方法仍然没有能够更好地解决本文所讨论的政策分析方法所面临的困难，但是或许将成为未来政策科学的重要方向。

　　政策科学对于中国国家治理现代化而言仍然是一个新的课题。本文对政策科学的学科发展中所面临的基本问题进行了简要地总结，但对如何解决问题并没有给出答案。未来的研究中需要更多的理论和应用研究，一方面推动学科发展，另一方面也要探索提高中国政府公共政策能力的途径。