科研 Skill
政策扩散事件史分析
policy-diffusion-eha
构建省市面板风险集,用离散时间logit与Cox模型估计政策创新扩散机制。适用于河长制等地方政策扩散时序研究。
发布者 Codar安全审核通过v0.1.0更新于 2026-11-18
SKILL.md
政策创新扩散与事件史分析(Policy Diffusion & Event History Analysis)
适用场景
- 研究某项地方创新(如河长制、最多跑一次、垃圾分类、人才新政)在省级或地级市间的扩散时序与动力机制。
- 检验“学习—竞争—模仿—强制”四类扩散机制,区分横向邻近效应与纵向上级压力。
- 分析中央试点、上级文件、领导人调动等因素对地方采纳时机的影响。
- 用 dyadic EHA 检验“A 地是否学习 B 地”的成对扩散关系。
- 研究政策再创新、政策终止等“二次事件”。
边界与不适用
- 本 Skill 聚焦扩散研究的数据结构与变量构造;DID、事件研究等因果推断方法属于通用计量,参见其他 Plugin 的计量 Skill,这里只在思路上衔接。
- EHA 估计的是采纳风险的条件关联,邻近效应易与共同冲击、空间相关混淆,不能直接解释为因果“学习”。
- 不处理政策执行效果评估(见
policy-evaluation-design)。
工作流
- 界定“采纳事件”
- 输入:政策名称、地区单位(省/地级市/县)。
- 操作:明确采纳标志——首份正式规范性文件发布日期、机构挂牌、试点批复?只取一种并在全样本一致适用。
- 产出:采纳日期表;决策点:时间粒度取年还是季度/月(扩散快时用更细粒度)。
- 确定风险期与风险集
- 风险起点:政策首次出现(首个采纳者)或中央提出的年份。
- 每个单位从起点开始每年一行,采纳当年 event=1,之后退出风险集(单一事件);截至观测期末未采纳为右删失。
- 产出:单位-年长表(unit, year, event, 协变量)。
- 构造扩散变量(关键)
- 邻近效应:相邻单位中上一年末已采纳的比例或数量(基于行政边界邻接矩阵);也可用地理距离倒数加权。
- 同层竞争:同一经济区域/同一省内其他市的已采纳比例;经济水平相近单位的采纳比例。
- 纵向压力:上级政府是否已发文要求(省对市)、中央是否发布指导意见、是否被列为国家试点;用虚拟变量或“上级发文后年数”。
- 内部因素:财政自给率、人均 GDP、问题严重程度(如水质、空气质量)、主政官员特征(任期、年龄、来源)。
- 所有时变变量一律滞后一期,避免反向因果。
- 模型选择
- 离散时间 logit / cloglog:event ~ 协变量 + 时间依赖项(年份虚拟变量、ln(t) 或多项式),最常用、解释直观。
- Cox 比例风险模型:连续或精细时间数据;需检验比例风险假设(Schoenfeld 残差),违背时加时间交互项。
- Dyadic EHA:以“潜在采纳者 i — 已采纳者 j”为观测单位(directed dyad-year),因变量为 i 在 t 年是否采纳,自变量含 i、j 的相似性、距离、j 的政策绩效等;需对 dyad 聚类稳健标准误。
- 多事件/再创新:可考虑重复事件模型或竞争风险模型。
- 稳健性
- 换用不同采纳定义、不同邻接矩阵;加入年份固定效应吸收共同冲击;剔除中央强制推行之后年份;比较 logit 与 cloglog。
- 解释与可视化
- 绘制累计采纳 S 曲线、扩散地图(分年份着色);报告 odds ratio 或 hazard ratio 并换算平均边际效应。
工具与数据源
- 采纳日期:北大法宝、各地政府网站和公报、地方志与年鉴、新闻报道(须交叉核对)。
- 地理与邻接:国家基础地理信息中心、全国行政区划代码(民政部);Python libpysal 构造邻接权重。
- 控制变量:《中国城市统计年鉴》、各省统计年鉴(见
policy-gov-data-sources);官员数据可参考公开履历自建。 - Stata:
logit、cloglog、stset/stcox、estat phtest。 - R:survival(
coxph、cox.zph)、glm(family = binomial);Python:lifelines、statsmodels。
最小可运行代码(R)
# install.packages("survival")
library(survival)
set.seed(1)
# 模拟单位-年长表:30 个城市,2010–2020
d <- expand.grid(city = 1:30, year = 2010:2020)
d <- d[order(d$city, d$year), ]
d$t <- d$year - 2009
d$neighbor_share <- runif(nrow(d)) # 滞后一期的邻近已采纳比例
d$upper_pressure <- as.integer(d$year >= 2016)
p <- plogis(-4 + 2 * d$neighbor_share + 1 * d$upper_pressure + 0.1 * d$t)
d$event <- rbinom(nrow(d), 1, p)
# 采纳后退出风险集
d <- do.call(rbind, lapply(split(d, d$city), function(x) {
k <- which(x$event == 1)[1]; if (is.na(k)) x else x[1:k, ]
}))
# 离散时间 cloglog
m1 <- glm(event ~ neighbor_share + upper_pressure + log(t),
family = binomial(link = "cloglog"), data = d)
summary(m1)
# Cox:按 (start, stop] 计数过程
d$start <- d$t - 1; d$stop <- d$t
m2 <- coxph(Surv(start, stop, event) ~ neighbor_share + upper_pressure,
data = d, cluster = city)
cox.zph(m2)
质量检查
- 采纳事件定义唯一、可核查,并附每个单位的来源链接或文件号。
- 采纳后单位已退出风险集;未采纳单位正确处理为删失。
- 所有扩散与控制变量滞后一期,邻近变量只计算上一期末已采纳者。
- 模型含时间依赖项或年份效应;Cox 模型报告比例风险检验。
- Dyadic 模型使用聚类稳健标准误并说明 dyad 构造规则。
- 区分“邻近效应”与共同冲击、上级统一部署,讨论替代解释。
- 行政区划调整(撤县设区、地市合并)已按统一口径处理。
输出格式
- 数据:单位-年风险集表(unit|year|t|event|邻近比例|上级压力|控制变量)。
- 图:累计采纳曲线、分年度扩散地图。
- 表:描述统计;logit/cloglog/Cox 估计结果(系数、OR/HR、聚类标准误、观测数、事件数);稳健性检验表。
- 报告章节:扩散过程描述—理论机制与假设—数据与变量—模型—结果—稳健性—讨论。
参考规范与文献
- Berry, F. S., & Berry, W. D. (1990). State lottery adoptions as policy innovations: An event history analysis. American Political Science Review.
- Walker, J. L. (1969). The diffusion of innovations among the American states. American Political Science Review.
- Shipan, C. R., & Volden, C. (2008). The mechanisms of policy diffusion. American Journal of Political Science.
- Box-Steffensmeier, J. M., & Jones, B. S. (2004). Event History Modeling: A Guide for Social Scientists.
- Rogers, E. M. Diffusion of Innovations(多版)。
- Allison, P. D. (1982). Discrete-time methods for the analysis of event histories. Sociological Methodology.
示例提示词
请帮我设计地级市河长制采纳的事件史分析,构造邻近城市采纳比例和省级压力变量,并用离散时间 logit 估计。
所属插件
安装该插件会一并获得同领域的 10 个 Skill / MCP。
同插件的其他科研 Skill
- 决策咨询稿写作将研究成果按问题-证据-方案-建议结构改写为决策咨询稿,分级呈现证据与方案比选矩阵。适用于向政府部门报送要报专报。
- 公共政策评估设计用逻辑模型梳理政策链条,按推行方式选择DID/RDD等因果识别策略并设计CBA。适用于政策评估方案设计与可评估性评估。
- 公共管理数据源系统梳理统计年鉴、财政公开与CGSS/CFPS等微观调查数据的获取与口径问题。适用于构建省市县面板或选择微观调查数据。
- 公共管理案例研究按Yin案例设计开展过程追踪与比较案例选择,设计田野访谈提纲与三角验证。适用于基层治理、政策执行等案例研究。
- 指标体系构建与赋权用德尔菲法凝聚共识,AHP与熵权组合赋权并用TOPSIS排序,做敏感性分析。适用于数字政府等综合评价指标体系构建。
- 政府绩效与服务效率用DEA/SBM与Malmquist指数测度政府效率及动态变化,结合满意度做对照。适用于医疗教育等公共服务效率研究。
- 公共预算与财政分析处理一般公共预算等四本账,分析转移支付与地方债务指标并规范口径。适用于财政分权、转移支付效应等财政研究。
- 调查实验方法设计设计列举实验、联合分析与情境实验测量敏感议题真实态度并估计处理效应。适用于腐败容忍度、政府信任等难测议题研究。
- 政策文本量化分析按政策工具三分法构建编码框架,结合分词与主题模型做量化分析并检验信度。适用于政策工具、政策演进与府际比较研究。
常见问题
政策扩散事件史分析能做什么?
构建省市面板风险集,用离散时间logit与Cox模型估计政策创新扩散机制。适用于河长制等地方政策扩散时序研究。
如何安装政策扩散事件史分析?
在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「政策扩散事件史分析」并安装;在 Claude Code 或 Codex 中可以发送本页的安装提示词,或下载 Skill 包后解压到 ~/.claude/skills 或 ~/.codex/skills。
政策扩散事件史分析需要哪些权限?
该科研 Skill没有声明额外权限;执行具体操作时仍由 Agent 按自身规则请求确认。
政策扩散事件史分析经过官方审核吗?
是。SpeedSkills 收录的每个版本都会记录内容摘要与权限声明,当前版本已通过安全审核。