劉政委 張新星 張偉峰 杜鵑 徐聰寶

摘 要 耦合性研究為政務(wù)微博競(jìng)爭(zhēng)力提升提供了一個(gè)新的著力點(diǎn)，找到競(jìng)爭(zhēng)力的主導(dǎo)影響因素并厘清兩者的耦合關(guān)系，為節(jié)點(diǎn)城市政務(wù)微博競(jìng)爭(zhēng)力的提升，城市群整體的協(xié)調(diào)提供理論依據(jù)。以關(guān)中平原城市群為研究對(duì)象，通過(guò)GIS技術(shù)和二次分配程序（QAP）方法，分析關(guān)中平原城市群政務(wù)微博競(jìng)爭(zhēng)力的時(shí)空差異格局及其影響因素，并在此基礎(chǔ)上運(yùn)用耦合協(xié)調(diào)度模型，研究競(jìng)爭(zhēng)力與經(jīng)濟(jì)發(fā)展水平耦合協(xié)調(diào)度的變化趨勢(shì)。研究發(fā)現(xiàn)：1）關(guān)中平原城市群各節(jié)點(diǎn)城市政務(wù)微博競(jìng)爭(zhēng)力差距大，城市群整體不協(xié)調(diào)。2）經(jīng)濟(jì)發(fā)展水平是競(jìng)爭(zhēng)力的主要影響因素。3）競(jìng)爭(zhēng)力與經(jīng)濟(jì)發(fā)展水平的耦合協(xié)調(diào)度時(shí)間上呈現(xiàn)上升趨勢(shì)，空間上各個(gè)城市趨向協(xié)調(diào)。

關(guān)鍵詞 政務(wù)微博；QAP方法；關(guān)中平原城市群；耦合性

中圖分類號(hào) G2 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 2096-0360（2021）17-0026-05

基金項(xiàng)目：本文系國(guó)家社會(huì)科學(xué)基金項(xiàng)目“社會(huì)網(wǎng)絡(luò)視閾下政務(wù)微博受眾影響力評(píng)估及輿情引導(dǎo)能力提升研究”（編號(hào)：15XGL021）；陜西高校省級(jí)重點(diǎn)實(shí)驗(yàn)室項(xiàng)目“公眾災(zāi)害感知能力及風(fēng)險(xiǎn)溝通實(shí)證研究——基于社會(huì)網(wǎng)絡(luò)視角”（編號(hào)12JS013）研究成果之一。

政務(wù)微博是微博在政務(wù)系統(tǒng)的應(yīng)用，以其時(shí)效性、權(quán)威性和互動(dòng)社交性的三大特性成為重要的網(wǎng)絡(luò)溝通渠道。2020年，新冠肺炎疫情席卷全國(guó)，以政務(wù)微博為代表的政務(wù)新媒體在引導(dǎo)和宣傳疫情防治、緩解公眾焦慮和管理謠言傳播等方面起到重要作用。據(jù)統(tǒng)計(jì)，2020年1月22日到3月23日共有超3.7萬(wàn)個(gè)政府官方微博發(fā)布了379萬(wàn)余條疫情相關(guān)信息，獲得了超848億的微博閱讀量和超1.9億的微博互動(dòng)量。政務(wù)微博在全國(guó)和地方各層次的疫情防控宣傳上都起到了重要作用。后疫情時(shí)期，政務(wù)新媒體與5G技術(shù)深度融合，將成為社會(huì)治理創(chuàng)新與探索、數(shù)字領(lǐng)導(dǎo)力建設(shè)和推動(dòng)媒體融合發(fā)展的重要著力點(diǎn)[ 1 ]。

國(guó)內(nèi)外學(xué)者在政務(wù)微博的建設(shè)和發(fā)展方面進(jìn)行了大量研究，其中，競(jìng)爭(zhēng)力是重要的研究?jī)?nèi)容。競(jìng)爭(zhēng)力是城市政務(wù)微博發(fā)展的重要衡量指標(biāo)，也是城市政務(wù)微博應(yīng)用能力和應(yīng)用效果的綜合測(cè)量。梳理來(lái)看，現(xiàn)有關(guān)于競(jìng)爭(zhēng)力的研究集中在競(jìng)爭(zhēng)力評(píng)估模型的構(gòu)建實(shí)證和競(jìng)爭(zhēng)力影響因素的分析等方面，形成了一定的理論成果。競(jìng)爭(zhēng)力評(píng)估模型的構(gòu)建和實(shí)證層面，王鎖柱等[ 2 ]根據(jù)政務(wù)微博的功能和用戶交互行為模式構(gòu)建了關(guān)注度、活躍度、服務(wù)度和認(rèn)同度的四維度評(píng)價(jià)模型。黃建寧等[ 3 ]從政務(wù)微博的目的角度，提出目標(biāo)層、準(zhǔn)則層和指標(biāo)層三層次的政務(wù)微博評(píng)估指標(biāo)體系。Meeyoung等[4]采用粉絲數(shù)、轉(zhuǎn)發(fā)數(shù)和評(píng)論數(shù)3個(gè)指標(biāo)來(lái)衡量Twitter用戶的競(jìng)爭(zhēng)力。Antoniadis等[5]從賬戶活躍度、賬戶中心度和社區(qū)影響等維度構(gòu)建指標(biāo)體系來(lái)測(cè)量政府機(jī)構(gòu)Twitter賬戶的競(jìng)爭(zhēng)力。還有部分學(xué)者聚焦微博競(jìng)爭(zhēng)力算法方面的研究，如黃賢英等[ 6 ]提出UserRank算法，羅芳等[ 7 ]提出MDIR算法。

競(jìng)爭(zhēng)力影響因素層面，李一嘯等[ 8 ]基于“杭州發(fā)布”微博賬號(hào)統(tǒng)計(jì)周期內(nèi)的微博數(shù)據(jù)，發(fā)現(xiàn)微博文本內(nèi)容的積極性正向影響網(wǎng)民參與度。姜景等[ 9 ]以“中國(guó)消防”政務(wù)微博為研究對(duì)象，通過(guò)發(fā)文數(shù)量與頻率、文本分析、單條“爆點(diǎn)”信息三個(gè)影響因素的分析進(jìn)行政務(wù)新媒體平臺(tái)的比較研究。盧樺等[10]基于公安類政務(wù)微博，建立公安政務(wù)微博公眾參與行為的影響因素模型。李世豪等[ 1 1 ]基于“吉林發(fā)布”，分析影響傳播效果的因素。解雅婕等[ 1 2 ]以教育系統(tǒng)政務(wù)微博為例，研究不同層級(jí)的教育系統(tǒng)政務(wù)微博互動(dòng)力的相關(guān)因素。

但是，現(xiàn)有關(guān)于政務(wù)微博的研究，因其研究對(duì)象集中在單個(gè)輿情事件或單類的政務(wù)微博賬號(hào)[13-16]，缺少對(duì)政務(wù)微博的量化研究和整體性描述，競(jìng)爭(zhēng)力影響因素的分析也沒(méi)有進(jìn)一步揭示影響因素和競(jìng)爭(zhēng)力的結(jié)構(gòu)關(guān)系[9-13]。尺度上關(guān)注同一行政區(qū)[16-18]，又忽視了對(duì)城市群及城市群內(nèi)弱節(jié)點(diǎn)城市的關(guān)注。因此，本文以關(guān)中平原城市群為研究對(duì)象，基于2015—2019年關(guān)中平原城市群政務(wù)微博競(jìng)爭(zhēng)力指數(shù)數(shù)據(jù)和關(guān)中平原城市群統(tǒng)計(jì)數(shù)據(jù)，通過(guò)GIS技術(shù)和二次分配程序（QAP）方法，分析關(guān)中平原城市群政務(wù)微博競(jìng)爭(zhēng)力的差異格局及影響因素，并在此基礎(chǔ)上運(yùn)用耦合協(xié)調(diào)度模型，分析競(jìng)爭(zhēng)力與其主導(dǎo)影響因素耦合協(xié)調(diào)度的時(shí)空格局和變化趨勢(shì)。

1 數(shù)據(jù)和方法

1.1 數(shù)據(jù)來(lái)源

為保證研究區(qū)范圍內(nèi)各城市等級(jí)的一致性，本文采用的統(tǒng)計(jì)數(shù)據(jù)來(lái)自關(guān)中平原城市群11個(gè)城市的統(tǒng)計(jì)局?jǐn)?shù)據(jù)庫(kù)，包括西安、咸陽(yáng)、寶雞、銅川、渭南、商洛、運(yùn)城、臨汾、天水、平?jīng)龊蛻c陽(yáng)。城市政務(wù)微博競(jìng)爭(zhēng)力數(shù)據(jù)來(lái)自人民網(wǎng)輿情中心政務(wù)指數(shù)微博影響力報(bào)告，統(tǒng)計(jì)周期為2015年1月1日至2019年12月30日。本文所用數(shù)據(jù)均處理成11×11的差值矩陣。

1.2 變量設(shè)定

本文研究關(guān)中平原城市群政務(wù)微博競(jìng)爭(zhēng)力的時(shí)空差異格局、競(jìng)爭(zhēng)力的影響因素以及競(jìng)爭(zhēng)力與主導(dǎo)影響因素的耦合關(guān)系，首先需要對(duì)被解釋變量即政務(wù)微博競(jìng)爭(zhēng)力進(jìn)行量化評(píng)估。不同的理論和切入點(diǎn)帶來(lái)不同的評(píng)估指標(biāo)和評(píng)估模型，因此評(píng)估出來(lái)的競(jìng)爭(zhēng)力也不同。基于此，為提高研究的可靠性和權(quán)威性，本文競(jìng)爭(zhēng)力評(píng)估參考人民網(wǎng)輿情中心微博影響力報(bào)告的競(jìng)爭(zhēng)力模型。

競(jìng)爭(zhēng)力影響因素層面，本文在已有理論的基礎(chǔ)上從“供給-需求”視角研究影響因素，分別取經(jīng)濟(jì)水平和財(cái)政支持作為供給側(cè)解釋變量，教育水平和城市規(guī)模為需求側(cè)解釋變量。

經(jīng)濟(jì)水平。經(jīng)濟(jì)發(fā)展水平是供給視角下競(jìng)爭(zhēng)力的重要影響因素。曾婧婧等[ 1 9 ]從網(wǎng)絡(luò)凝聚性和節(jié)點(diǎn)影響力探討政務(wù)微博省級(jí)層面和國(guó)家層面的網(wǎng)絡(luò)結(jié)構(gòu)特征，發(fā)現(xiàn)經(jīng)濟(jì)發(fā)展水平對(duì)政務(wù)微博公眾參與產(chǎn)生正向影響。經(jīng)濟(jì)發(fā)展水平綜合評(píng)估城市發(fā)展的各個(gè)方面，經(jīng)濟(jì)發(fā)展水平高的地區(qū)，職工的平均工資收入，城市的產(chǎn)業(yè)結(jié)構(gòu)尤其是第三產(chǎn)業(yè)的占比和互聯(lián)網(wǎng)接入率等政務(wù)微博發(fā)展的基礎(chǔ)環(huán)境因素也會(huì)具有優(yōu)勢(shì)，因此被納入本文作為解釋變量。為避免各解釋變量之間權(quán)重賦值的問(wèn)題，本文采用人均地區(qū)生產(chǎn)總值測(cè)量地區(qū)經(jīng)濟(jì)發(fā)展水平。

財(cái)政支持。孫宗鋒等[20]基于政務(wù)微博運(yùn)營(yíng)數(shù)據(jù)發(fā)現(xiàn)，城市層面的財(cái)政支持與政務(wù)微博發(fā)展水平有顯著的正相關(guān)關(guān)系。政務(wù)微博作為政務(wù)媒體中較為重要的一種，其政務(wù)信息的傳播、政務(wù)性服務(wù)和政務(wù)互動(dòng)都需要政府的財(cái)政支持，政務(wù)媒體的運(yùn)營(yíng)和發(fā)展需要一定數(shù)量的工作人員和基礎(chǔ)性軟硬件設(shè)施支持。因此本文以財(cái)政預(yù)算收入測(cè)算財(cái)政支持并納入本文作為供給側(cè)解釋變量。

教育水平。教育水平強(qiáng)調(diào)政務(wù)微博競(jìng)爭(zhēng)力的需求側(cè)影響。羅雨寧等[ 2 1 ]通過(guò)政務(wù)微博粉絲行為特征的聚類分析，發(fā)現(xiàn)市民受教育程度與政務(wù)微博競(jìng)爭(zhēng)力相關(guān)。政務(wù)微博因其政務(wù)性而產(chǎn)生一定規(guī)模較高教育水平的受眾群體，教育水平是一個(gè)地區(qū)政務(wù)媒體用戶接收政務(wù)信息并成為信息傳播中繼人的重要因素。受教育水平較高的群體，具有更高的政務(wù)咨詢和政務(wù)關(guān)注的積極性以及政務(wù)互動(dòng)的需求，因此被納入本文作為解釋變量。本文以每萬(wàn)人在校大學(xué)生數(shù)量反映城市的教育水平。

城市規(guī)模。馬亮等[ 2 2 ]基于中國(guó)地級(jí)市的多源數(shù)據(jù)進(jìn)行實(shí)證分析，發(fā)現(xiàn)政務(wù)微博的績(jī)效受政府規(guī)模和城市級(jí)別的影響。城市人口規(guī)模是政務(wù)微博競(jìng)爭(zhēng)力的需求側(cè)重要影響因素。人是政務(wù)信息的發(fā)布者，同時(shí)也是政務(wù)性媒體信息的接收者和傳播者，人口規(guī)模在很大程度上正向影響政務(wù)微博的建設(shè)和發(fā)展。因此，本文將城市規(guī)模作為需求側(cè)解釋變量，用年末戶籍人口數(shù)量測(cè)量。

1.3 研究方法

本文首先采用GIS技術(shù)對(duì)關(guān)中平原城市群各城市政務(wù)微博競(jìng)爭(zhēng)力指數(shù)進(jìn)行時(shí)空差異格局的可視化分析，接著通過(guò)UCINET軟件分析競(jìng)爭(zhēng)力時(shí)空差異格局形成的原因，找到競(jìng)爭(zhēng)力的影響因素。最后，在競(jìng)爭(zhēng)力影響因素研究的基礎(chǔ)上，引入耦合協(xié)調(diào)度模型，研究關(guān)中平原城市群各城市政務(wù)微博競(jìng)爭(zhēng)力與其主導(dǎo)影響因素即與經(jīng)濟(jì)發(fā)展水平耦合協(xié)調(diào)度的時(shí)空格局和演變趨勢(shì)。

2 實(shí)證分析

2.1 時(shí)空差異格局分析

基于2015—2019年關(guān)中平原城市群各城市政務(wù)微博競(jìng)爭(zhēng)力指數(shù)數(shù)據(jù)，選取2015、2017和2019年為重要節(jié)點(diǎn)年份，運(yùn)用GIS技術(shù)對(duì)城市群各統(tǒng)計(jì)年份各節(jié)點(diǎn)城市競(jìng)爭(zhēng)力分別進(jìn)行空間上的分級(jí)可視化處理，分析關(guān)中平原城市群各節(jié)點(diǎn)城市在空間格局上的競(jìng)爭(zhēng)力差異以及時(shí)間尺度上的演變趨勢(shì)。

空間差異層面：通過(guò)分析可以發(fā)現(xiàn)，2015和2017年，關(guān)中平原城市群各節(jié)點(diǎn)城市的政務(wù)微博都取得了一定發(fā)展，城市群政務(wù)微博整體競(jìng)爭(zhēng)力得到提升。其中，西安處于競(jìng)爭(zhēng)力第一等級(jí)，寶雞、咸陽(yáng)和渭南處于第二等級(jí)，其他節(jié)點(diǎn)城市均處于第三等級(jí)，且呈現(xiàn)出明顯的從核心西安到天水等第三等級(jí)邊緣區(qū)的過(guò)渡趨勢(shì)。2019年，西安、寶雞和渭南同處于第一等級(jí)，除銅川外，各節(jié)點(diǎn)城市均處于第二等級(jí)。競(jìng)爭(zhēng)力第一等級(jí)和第二等級(jí)節(jié)點(diǎn)城市數(shù)量呈現(xiàn)大幅增長(zhǎng)，反映了該城市群節(jié)點(diǎn)城市競(jìng)爭(zhēng)力取得了較大提升。城市群視角下，2015—2017年，城市群整體競(jìng)爭(zhēng)力格局呈現(xiàn)失調(diào)，2017—2019年，整體格局趨向協(xié)調(diào)。

時(shí)間演變層面：2015—2019年，關(guān)中平原城市群各節(jié)點(diǎn)城市政務(wù)微博競(jìng)爭(zhēng)力不斷提高，其中，西安競(jìng)爭(zhēng)力最高，處于第一等級(jí)，寶雞和渭南提升較快，處于第二等級(jí)，其他節(jié)點(diǎn)城市位于第三等級(jí)，但提升速度最快。城市群格局呈現(xiàn)出節(jié)點(diǎn)城市政務(wù)微博競(jìng)爭(zhēng)力增長(zhǎng)速度減慢和競(jìng)爭(zhēng)力差距隨時(shí)間縮小的趨勢(shì)。

2.2 影響因素分析

基于關(guān)中平原城市群政務(wù)微博競(jìng)爭(zhēng)力的時(shí)空差異格局分析，可以發(fā)現(xiàn)城市群各節(jié)點(diǎn)城市的競(jìng)爭(zhēng)力在空間格局上差異顯著，在時(shí)間尺度上呈現(xiàn)協(xié)調(diào)性的演變趨勢(shì)。為進(jìn)一步研究時(shí)空差異格局形成的原因，本文使用QAP方法對(duì)城市政務(wù)微博競(jìng)爭(zhēng)力差距進(jìn)行影響因素的分析。QAP分析包括相關(guān)分析和回歸分析，其中，QAP相關(guān)分析充分考察每?jī)蓚€(gè)矩陣之間的相關(guān)關(guān)系，回歸分析考察一個(gè)被解釋變量矩陣和多個(gè)解釋變量矩陣之間的回歸關(guān)系[ 2 3 ]。具體矩陣形式如下式所示。

2.2.1 QAP相關(guān)分析

表1報(bào)告了2015年QAP相關(guān)分析的結(jié)果。其中，年末戶籍人口數(shù)量、人均地區(qū)生產(chǎn)總值、每萬(wàn)人在校大學(xué)生數(shù)量和公共預(yù)算收入與競(jìng)爭(zhēng)力的相關(guān)性系數(shù)分別為0.761、0.787、0.728和0.73，且都通過(guò)了5%的顯著性檢驗(yàn)，一定程度上說(shuō)明年末戶籍人口數(shù)量、人均地區(qū)生產(chǎn)總值、每萬(wàn)人在校生數(shù)量和公共預(yù)算收入各解釋變量與競(jìng)爭(zhēng)力有重要相關(guān)關(guān)系。

表2報(bào)告了2017年QAP相關(guān)分析的結(jié)果。其中，年末戶籍人口數(shù)量、人均地區(qū)生產(chǎn)總值、每萬(wàn)人在校大學(xué)生數(shù)量和公共預(yù)算收入與競(jìng)爭(zhēng)力的相關(guān)性系數(shù)分別為0.778、0.615、0.793和0.794，且都通過(guò)了5%的顯著性檢驗(yàn)。一定程度上說(shuō)明2017年各解釋變量與作為解釋變量的競(jìng)爭(zhēng)力有重要相關(guān)關(guān)系。

表3報(bào)告了2019年QAP相關(guān)分析的結(jié)果。其中，年末戶籍人口數(shù)量、人均地區(qū)生產(chǎn)總值、每萬(wàn)人在校大學(xué)生數(shù)量和公共預(yù)算收入與競(jìng)爭(zhēng)力的相關(guān)性系數(shù)分別為0.88、0.784、0.809和0.862，通過(guò)了5%的顯著性檢驗(yàn)。一定程度上說(shuō)明2019年各解釋變量與競(jìng)爭(zhēng)力有重要相關(guān)關(guān)系。

然而城市間政務(wù)微博競(jìng)爭(zhēng)力差距大，政務(wù)微博發(fā)展和建設(shè)不均衡的格局長(zhǎng)期存在，在產(chǎn)生“意見(jiàn)領(lǐng)袖”的同時(shí)，造成“謠言洼地”。一方面，城市政務(wù)微博競(jìng)爭(zhēng)力影響因素不明確限制競(jìng)爭(zhēng)力提升；另一方面，低經(jīng)濟(jì)發(fā)展水平城市的政務(wù)微博競(jìng)爭(zhēng)力提升一定程度上被忽視。因此，本文以城市群為研究對(duì)象，在GIS技術(shù)和二次分配程序的支持下進(jìn)行政務(wù)微博競(jìng)爭(zhēng)力時(shí)空差異格局的分析并從“供給-需求”視角構(gòu)建影響因素框架，為政務(wù)微博的建設(shè)和發(fā)展及輿情引導(dǎo)和管理提供路徑，最后引入耦合協(xié)調(diào)性模型，厘清城市政務(wù)微博競(jìng)爭(zhēng)力和經(jīng)濟(jì)發(fā)展水平的關(guān)系，為節(jié)點(diǎn)城市政務(wù)微博建設(shè)和發(fā)展，城市群整體的協(xié)調(diào)提供理論依據(jù)。研究發(fā)現(xiàn)：1）關(guān)中平原城市群各節(jié)點(diǎn)城市政務(wù)微博競(jìng)爭(zhēng)力差距大，城市群整體不協(xié)調(diào)。2）經(jīng)濟(jì)發(fā)展水平是城市政務(wù)微博競(jìng)爭(zhēng)力的主要影響因素。3）時(shí)間上，政務(wù)微博競(jìng)爭(zhēng)力與經(jīng)濟(jì)發(fā)展水平的耦合協(xié)調(diào)度呈現(xiàn)上升趨勢(shì)，空間上各個(gè)城市趨向協(xié)調(diào)。

結(jié)論與政策性啟示：

第一，關(guān)中平原城市群各節(jié)點(diǎn)城市政務(wù)微博競(jìng)爭(zhēng)力差距大，城市群整體不協(xié)調(diào)。西安在關(guān)中平原城市群政務(wù)微博競(jìng)爭(zhēng)力格局中占據(jù)核心地位，政府在輿情引導(dǎo)和管理中都應(yīng)以此類核心節(jié)點(diǎn)城市作為重要著力點(diǎn)。要求西安在城市群的政務(wù)微博、政務(wù)新媒體和城市整體發(fā)展中發(fā)揮其核心地位的輻射作用，打通各節(jié)點(diǎn)城市的連接關(guān)聯(lián)，增強(qiáng)合作。在促進(jìn)各節(jié)點(diǎn)城市政務(wù)微博競(jìng)爭(zhēng)力提高和政務(wù)新媒體發(fā)展的同時(shí)，加強(qiáng)各節(jié)點(diǎn)城市政務(wù)新媒體之間的溝通交流，形成協(xié)調(diào)有序的發(fā)展格局和媒體矩陣，推進(jìn)各節(jié)點(diǎn)城市發(fā)展的均衡和城市群整體發(fā)展的協(xié)調(diào)。

第二，經(jīng)濟(jì)發(fā)展水平是城市政務(wù)微博競(jìng)爭(zhēng)力的主要影響因素。2015—2019年的實(shí)證分析結(jié)果顯示，經(jīng)濟(jì)發(fā)展水平與城市政務(wù)微博競(jìng)爭(zhēng)力呈現(xiàn)正相關(guān)關(guān)系，經(jīng)濟(jì)發(fā)展水平是城市政務(wù)微博競(jìng)爭(zhēng)力的主要影響因素。要求一方面促進(jìn)各節(jié)點(diǎn)城市經(jīng)濟(jì)發(fā)展，以經(jīng)濟(jì)發(fā)展水平的提高促進(jìn)城市政務(wù)微博競(jìng)爭(zhēng)力的提升。另一方面，促進(jìn)城市群整體的經(jīng)濟(jì)協(xié)調(diào)發(fā)展，以經(jīng)濟(jì)的協(xié)調(diào)發(fā)展促進(jìn)城市群政務(wù)微博建設(shè)和發(fā)展的協(xié)調(diào)可持續(xù)。

第三，政務(wù)微博競(jìng)爭(zhēng)力與經(jīng)濟(jì)發(fā)展水平的耦合協(xié)調(diào)度在時(shí)間上呈現(xiàn)上升趨勢(shì)，空間上各個(gè)城市趨向協(xié)調(diào)。一方面，要求進(jìn)一步深化城市群的協(xié)調(diào)發(fā)展，提升城市群整體政務(wù)微博和經(jīng)濟(jì)發(fā)展的協(xié)調(diào)性；另一方面，發(fā)揮耦合協(xié)調(diào)性在政務(wù)微博競(jìng)爭(zhēng)力提升尤其是對(duì)經(jīng)濟(jì)基礎(chǔ)薄弱和發(fā)展水平低的地區(qū)競(jìng)爭(zhēng)力提升的重要作用，推進(jìn)城市群協(xié)調(diào)有序發(fā)展。以城市群經(jīng)濟(jì)發(fā)展的協(xié)調(diào)帶動(dòng)政務(wù)微博的協(xié)調(diào)發(fā)展，以城市群政務(wù)微博協(xié)調(diào)發(fā)展建立的關(guān)聯(lián)關(guān)系和穩(wěn)定網(wǎng)絡(luò)促進(jìn)城市群經(jīng)濟(jì)等各項(xiàng)事業(yè)的發(fā)展。

囿于海量數(shù)據(jù)的獲取和個(gè)人能力，本文在競(jìng)爭(zhēng)力影響因素選取方面存在因素選取不全面和代表性不足的問(wèn)題。進(jìn)一步研究可以優(yōu)化分析方法，關(guān)注政務(wù)新媒體矩陣如政務(wù)微博、政務(wù)微信、政務(wù)B站和政務(wù)抖音等平臺(tái)的關(guān)聯(lián)網(wǎng)絡(luò)以及政務(wù)新媒體各自的傳播模式和提升路徑研究。

參考文獻(xiàn)

[1]人民網(wǎng)輿情數(shù)據(jù)中心.2020年度人民日?qǐng)?bào)·政務(wù)指數(shù)微博影響力報(bào)告[EB/OL].[2021-01-25].http：//yuqing. people.com.cn/n1/2021/0125/c209043-32011430.html.

[2]王鎖柱，葛燕，趙倩.基于粗糙集的政務(wù)微博影響力評(píng)估方法及實(shí)證研究[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2018，48（22）：76-84.

[3]黃建寧，劉西平.政務(wù)微博評(píng)估模型及實(shí)證研究[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2015，45（2）：19-25.

[4]Meeyoung C，Haddadi H，Benevenuto F. et al.Measuring User Influence in Twitter：The Million Follower Fallacy[C].Proceedings of the 4rth International AAAI Conference on Weblogs and Social Media，2010：10-17.

[5]Antoniadis K，Zafiropoulos K，Vrana V.A Method for Assessing the Performance of e-Government Twitter Accounts[J].Future Internet，2016，8：12.

[6]黃賢英，陽(yáng)安志，劉小洋，等.一種改進(jìn)的微博用戶影響力算法[J].計(jì)算機(jī)工程，2019，45（12）：294-299.

[7]羅芳，徐陽(yáng)，蒲秋梅，等.基于PageRank的多維度微博用戶影響力度量[J].計(jì)算機(jī)應(yīng)用研究，2020，37（5）：1354-1358，1367.

[8]李一嘯，羅春華，林葭瑩.標(biāo)簽與情感性對(duì)政務(wù)微博網(wǎng)民參與度的影響研究[J].知識(shí)管理論壇，2019，4（6）：359-368.

[9]姜景，王文韜.面向突發(fā)公共事件輿情的政務(wù)抖音研究：兼與政務(wù)微博的比較[J].情報(bào)雜志，2020，39（1）：100-106，114.

[10]盧樺.公安政務(wù)微博公眾參與行為影響因素研究[D].成都：電子科技大學(xué)，2018.

[11]李世豪，劉鳴箏.影響政務(wù)微博傳播效果因素的實(shí)證探究[J].傳媒觀察，2018（11）：28-34.

[12]解雅婕.政治溝通視角下政務(wù)微博“互動(dòng)力”關(guān)聯(lián)因素探究[D].合肥：安徽大學(xué)，2018.

[13]單冬，陳穎.政務(wù)微博運(yùn)營(yíng)機(jī)制研究：基于警務(wù)微博的運(yùn)營(yíng)[J].青年記者，2020（35）：35-36.

[14]馬超，余輝，夏文蕾，等.政務(wù)微博評(píng)論中情感極性分析方法研究：以上海公安機(jī)構(gòu)微博為例[J].現(xiàn)代情報(bào)， 2020，40（3）：157-168.

[15]黃沭云.基于社交媒體的政務(wù)微博傳播現(xiàn)狀與問(wèn)題：以微博@淮安發(fā)布為例[J].青年記者，2020（5）：23-24.

[16]金建楠.精神交往視角下省級(jí)政務(wù)微博的現(xiàn)狀與發(fā)展：以山西人民政府微博為例[J].新媒體研究，2019，5（21）：1-3，8.

[17]林杉，李書巧.政務(wù)微博運(yùn)營(yíng)優(yōu)化研究：基于對(duì)上海市三大政務(wù)微博的分析[J].東華大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2019，19（4）：443-448.

[18]陳珂帆.青海政務(wù)微博影響力問(wèn)題及對(duì)策研究[J].科技傳播，2020，12（13）：151-152.

[19]曾婧婧，張阿城，劉定杰.互聯(lián)網(wǎng)時(shí)代府際關(guān)系網(wǎng)絡(luò)的結(jié)構(gòu)特征及其成因：基于284個(gè)地級(jí)市政務(wù)微博數(shù)據(jù)的社會(huì)網(wǎng)絡(luò)分析[J].情報(bào)雜志，2018，37（07）：198-207，149.

[20]孫宗鋒，鄭躍平.我國(guó)城市政務(wù)微博發(fā)展及影響因素探究：基于228個(gè)城市的“大數(shù)據(jù)+小數(shù)據(jù)”分析（2011—2017）[J].公共管理學(xué)報(bào)，2021，18（1）：77-89，171.

[21]羅雨寧，胡廣偉，盧明欣.政務(wù)微博影響力與粉絲特征關(guān)系研究[J].電子政務(wù)，2017（12）：82-89.

[22]馬亮.政務(wù)微博的績(jī)效及其影響因素：中國(guó)地級(jí)市的實(shí)證研究[J].數(shù)字治理評(píng)論，2017（00）：26-45.

[23]劉華軍，賈文星，彭瑩，等.區(qū)域經(jīng)濟(jì)的空間溢出是否縮小了地區(qū)差距？：來(lái)自關(guān)系數(shù)據(jù)分析范式的經(jīng)驗(yàn)證據(jù)[J].經(jīng)濟(jì)與管理評(píng)論，2019，35（1）：122-133.

[24]白玉娟，洪增林，薛旭平，等.關(guān)中平原城市群土地集約利用與生態(tài)文明建設(shè)耦合性研究[J].水土保持研究，2021，28（3）：272-280.