一、引言
全国性调查普遍显示，绝大多数中国人信任中央政府。近期两项调查也描绘了中国政治信任的乐观图景：爱德曼信任度晴雨表（Edelman Trust Barometer）显示，超过80%的中国受访者表示信任中央政府，而在美国，信任联邦政府的受访者仅为约50%。另一项在线调查发现，在新冠疫情爆发后，中国民众对中央政府的信任有所上升，这或许是因为相较于许多西式民主国家，中国在应对其最初未能预防的公共卫生危机方面表现更为有效。
然而，学者们对于如何看待这些调查结果存在分歧。一些学者采取“非此即彼”的立场，如Kenneth Newton就认为，高水平的政治信任主要源于“偏好伪装”。另一些学者则并不质疑调查数据的信效度，转而继续探讨政治信任的成因及其后果。此外，还有一些学者既不全盘否定调查结果，也不轻易接受其表面解释。Tianjian Shi曾研究“偏好伪装”是否会显著影响公民在涉及政治信任等敏感话题上的回应，并得出否定结论。也有一些学者通过实验研究检验调查结果的可信度，他们虽然发现了“偏好伪装”现象，但认为其程度不足以严重削弱调查发现的有效性。
另有一批研究者质疑调查结果可能高估了中国的政治信任水平。Zhengxu Wang与Yu You指出，将“非常信任”和“比较信任”合并为一个宽泛的“信任”类别，掩盖了其中的重要细微差别。他们认为，亚洲晴雨表的两轮调查显示，2002年至2011年间，中国的政治信任水平出现了明显下降。Lianjiang Li则提出，对地方政府的普遍不信任可能反映了人们对中央治吏能力存疑。Kerry Ratigan和 Leah Rabin发现，对政府信任问题的“项目无应答”率很高，导致政治信任的估计值被人为夸大。然而，后两项研究都没有提供准确的夸大率。尽管在过去三十年中，中国进行了十几次全国性调查，但其到底获得了多少民众信任，仍然不清楚。对这一问题的看法缺乏共识，反过来又加剧了关于中国政权韧性这一论点的长期争论，而这场争论在新冠疫情时代又获得了新的动力。
本文认为，对调查结果的传统解读高估了中国的政治信任。文章首先解释了“政治信任”这一概念在中国为何适用性有限。然后，它指出传统的测量方案未能捕捉到党政体制下政治信任的三个独特特征。首先，政治信任的真正对象是中央。其次，评估中央政府可信度的关键是政策执行，而非政策制定。第三，对中央的信任既包括对善治承诺的信任，也包括对治吏能力的信任。本文主张，观察到的对中央政府的信任，表明了人们对中央善治承诺的信任；而观察到的对地方政府的信任，则反映了人们对中央治吏能力的信任。基于此论点，本研究假设对中央的“双维度信任”有四种代表性模式：完全信任、部分信任、怀疑和完全不信任。文章援引一项地方调查和一项全国性调查来验证这一假设。文章最后得出结论，如果将观察到的对中央政府的信任，误认为是对中央潜在的信任，那么政治信任就会被严重高估。
二、概念与测量
政治信任是公民相信政府会努力达成其期望结果的一种信念。但中国的政治信任有其独特性。如果简单地将问卷中对“中央政府”的信任等同于对“中央”的信任，会高估实际的政治信任水平。本文指出，传统的测量方法未能捕捉到中国政治信任的三个独特之处：第一，信任对象，信任的真正对象是作为政治核心的“中央”，而非仅仅是行政机构；第二，关键领域，评估可信度的关键在于政策执行，而非政策制定。人们可能相信中央的善意，但对地方政府的执行力存疑；第三，信任维度，对中央的信任包含两个维度：对善治承诺的信任和对治吏能力的信任。对中央政府的信任反映的是对中央善治承诺的信任，而对地方政府的信任则反映了对中央治吏能力的信心。这种差异导致，当人们通过比较中央的言论和地方的行动来评估其可信度时，常常会对中央的善治承诺抱有信任，但同时对中央的治吏能力抱有怀疑。这表明，对中央政府的表面信任，很可能夸大了公众对中央的真正信任。
三、假设
本文基于前述分析，提出了对“中央”信任的四种主要模式，即：完全信任、部分信任、怀疑态度和完全不信任。完全信任指的是对“中央”的善治承诺和治吏能力都抱有强烈的信心；部分信任则表现为对“中央”的善治承诺有强烈信心，但对其治吏能力缺乏相应的信心；怀疑态度是对“中央”的善治承诺和治吏能力均抱有疑虑；而完全不信任则是对二者都彻底不信任。这四种模式具体体现在对中央政府和地方政府的信任组合上：完全信任表现为对中央和地方政府都强烈信任；部分信任表现为对中央政府强烈信任而对地方政府信任较弱；怀疑态度表现为对两者都抱有疑虑；完全不信任则表现为对两者都强烈不信任。
本文的假设在继承既有研究的基础上有所发展。既有研究提出了四种政府信任模式：平等信任、差序信任、“距离悖论”（即对地方政府的信任高于对中央政府的信任）和同等不信任。既有研究认为“距离悖论”是一种代表性的信任模式，但本文对此提出了不同看法，认为它是一种不普遍的例外情况，因为在中国持有这种模式的受访者比例极低。本文认为，“距离悖论”之所以罕见，是因为中国的政治体系不同于西式民主国家。在西式民主国家，地方政府本身就是信任的对象。但在中国，各级地方政府被视为“中央”的代理人，人们期待地方政府忠实地执行“中央”的政策。因此，人们对地方政府的信任，是基于其作为“中央”代理人的角色。地方政府是否执行“中央”的指示，反映了“中央”的监控和管束能力。正是这一分析解释了为什么对地方政府表现的不满并不会削弱对“中央”的信任。
本研究不将“距离悖论”视为一种代表性的信任模式，而是将其解读为一种怀疑态度的表现。这种模式意味着对“中央”的治吏能力信任强于其善治承诺。然而，这种看法本身就暗示了对“中央”的某种程度的怀疑。
四、数据与方法
本文使用两份调查数据来检验研究假设。第一份是2006年开展的地方性调查。调查在四个县进行，这些县通过便利抽样选取。在每个县内，调查采用三阶段抽样程序：第一阶段，根据人口规模比例（PPS）抽取五个乡镇；第二阶段，在每个乡镇中再根据PPS抽取四个村庄；第三阶段，在每个村庄内随机抽取约20名18岁以上的个体进行访谈，不论该村人口规模大小。最终共完成1600份村民问卷。第二份是“亚洲晴雨表”第三波调查的中国大陆数据。该调查基于全国范围的概率抽样，共涵盖94个县和城区的3473名受访者。关于全国调查的抽样细节，可参见该项目官方网站的说明。两份调查数据均存在一定程度的缺失值。为提高估计效率并更好地反映由缺失带来的额外不确定性，本文假设数据为随机缺失（MAR），并使用Amelia II软件对缺失值进行了插补。同时，作者还在原始数据集上采用列表删除法重复进行分析。结果表明，两种处理方式所得到的结论高度一致。
本文运用因子分析来探索对中央信任的潜在维度。随后，研究采用一个包含两步的半监督机器学习程序以识别信任的代表性模式。第一步是无监督学习，即采用k-means聚类分析识别政府信任的代表性模式。与传统的分类方法不同，k-means聚类可以生成用于确定最优聚类数目的启发式指标，同时给出各聚类的中心点坐标，从而揭示不同聚类的关键特征。第二步是监督学习。研究者对随机抽取的部分样本进行人工检视和标注，以确保k-means聚类所得分类在经验上有效并在理论上可解释。对于分类存在疑义的个案，研究者会结合原始问卷回答、聚类中心点坐标，以及田野观察与理论思考进行重新判定。被标注的子样本随后用于训练分类器，以尽可能捕捉问卷回答与信任模式之间的潜在机制。训练好的分类器则被用于预测其他受访者的信任模式，据此估计总体中“对中央信任”的分布。所有机器学习分析均基于scikit-learn库实现。
本文首先利用地方性调查来确定信任模式的数量及其特征。然而，由于地方调查在外推性上存在一定局限，研究进一步将相同程序应用于全国调查，并以地方调查的发现作为部署k-means聚类时的重要参考依据。
五、地方调查的发现
本文的地方调查使用了一整套经过精细化设计的指标，全面衡量公众对政府五个层级的信任程度。问卷要求受访者对中央、省、市、县和乡镇五级政府的信任水平进行评分。该设计基于一个重要观察：许多农村居民往往对更高层级的政府表现出更强的信任。对很多人而言，中央政府体现着“中央”，而省级政府则被视为中央的忠实代理。之所以将市级政府纳入考察，是因为在大多数省份中，市政府作为一个独立的政府层级运作，尽管在宪法上并未明确规定。县级政府在分析地方政府信任与对“中央”潜在信任之间的关系时具有关键意义，因为它在历史上一直是直接治理民众的最低一级政府。乡镇政府则在农村居民的日常生活中产生了相当大的影响，尤其是在农业税废除之前。与全国性调查不同，地方调查使用五级量表来衡量信任水平，分别是“很低”“较低”“一般”“较高”和“很高”。其中，“一般”在日常及政治话语中被频繁使用，通常暗示怀疑或质疑，而非真正的中立。因此，本文将“一般”纳入到保留与怀疑的类别中，有助于减轻社会期许偏差。中国人在文化上往往倾向于淡化疑虑或不信任，尤其是在评价政府权威的可信度时，他们更愿意在存在怀疑时采取一种含糊的立场。从技术上看，加入中性类别使得将信任的有序测量视为一种粗略的连续变量更为合理，这也为应用k-means聚类提供了依据。尽管五级量表本质上仍然是有序的，但更容易假设相邻选项之间的间距大致相等。调查的具体回答情况汇总见表1。
表 1 对五级政府的信任
本文采用方差最大化旋转的探索性因子分析揭示了对“中央”信任的结构。结果显示，这五个信任指标可归纳为两个潜在维度。其中，对中央政府和省级政府的信任主要集中在第一个维度上，可以称之为“对高层级的信任”；而对县级政府和乡镇政府的信任则主要集中在第二个维度上，可以称之为“对低层级的信任”。对市级政府的信任则处于两者之间，在两个维度上的因子载荷大致相当。该结果与先前针对类似数据的分析一致。分析结果支持这样一种观点：对“中央”的潜在信任具有两个不同的维度。政治上的分工在于：中央负责制定政策和决策，而地方则作为代理负责执行这些政策和决策。对高层级政府的信任体现的是公众对中央善治承诺的信任；相比之下，对低层级政府的信任反映的是公众对中央治吏能力的信心。
本研究采用k-means聚类分析来探索在五个特征向量可能形成的大量模式中，最优的聚类数量。理论上，这五个政府信任指标可以形成3125种模式，而实地调查实际观测到207种信任模式。三种常用的判定标准——肘部法（elbow method）、轮廓系数（silhouette value）和间隙统计量（gap statistic）——均表明，将受访者分为四类是对数据进行总结的最优方式。需要注意的是，k-means聚类的结果并非确定性的，它取决于预设的聚类数量、随机选取的初始质心以及特征向量的加权方式。按照常规做法，本研究在不同设置下多次运行聚类分析，并最终确定了一个同时符合实证观察和理论预期的输出结果。
聚类分析的整体结果看起来较为合理。例如，有两位受访者呈现出一种“距离悖论”的信任模式：他们对中央政府的信任极为薄弱，但对其他四级地方政府的信任却要强得多。k-means算法将他们归为“怀疑态度”类。然而，并非所有分类都符合田野观察和理论预期。比如，有三位受访者表示对中央政府高度信任，但对四级地方政府都极度不信任。由于k-means算法将五个特征向量视为在衡量对“中央”信任时权重相同，因此它将这些人归类为“完全不信任”。但在本研究的重新分类中，他们被划分为“部分信任”。在另一种极端情形下，有一位受访者表示对中央政府极度不信任，但对省、市、县三级政府高度信任，对乡镇政府也表现出较强信任。k-means 聚类将其归类为“完全信任中央”。然而，更可能的情况是，这位受访者是在讽刺，实际上持怀疑态度。鉴于特征向量加权方式往往存在争议，本研究转而采用监督式机器学习，以尽量减少此类令人困惑的分类结果。监督式机器学习程序包括对200名随机抽取的受访者进行检查，并对存在问题的案例进行人工重新分类。经标注后的数据子集被用于训练一个多项逻辑回归分类器。按照惯例，训练数据的80%被用作训练集，20%被用作测试集，迭代次数设为500。随后，训练好的分类器被用于预测其余1400名受访者的信任模式。
表 2 地方调查受访者四个群体的质心坐标
研究发现了四种具有代表性的信任模式。第一类是对“中央”完全信任，在1600名受访者中占21.25%。如表2所示，这类受访者在中央政府的五级信任量表上平均得分为4.52，并且在对四级地方政府的信任上也有相似的高分。如果说对中央政府（或“更高层级”）的信任代表了对“中央”治理国家承诺的信心，而对地方政府的信任则体现了对“中央”监督和约束地方代理人能力的信心，那么这种完全信任模式就意味着既信任“中央”的善治承诺，也信任其治吏能力。
第二类是对“中央”存在部分信任的模式，占受访者的48.38%。与完全信任者相似，这类受访者对中央政府抱有很强的信心。他们在中央政府信任量表上的平均得分为4.64（满分5分），甚至略高于完全信任者的得分。但与完全信任不同，部分信任者对下级地方政府的信心逐级递减：对省级政府的平均信任得分为3.82，市级为3.33，县级为2.82，乡镇级仅为2.48。“部分信任”在实质上与“差序信任”相似，但含义更加精确：它意味着对中央的善治承诺充满信任，但对其治吏能力的信任不足。
第三类是对“中央”持怀疑态度的模式，占受访者的24.13%。这类受访者在五级政府中的平均信任得分几乎一致，介于2.98至3.06之间。这一发现具有创新性，因为在此前的五次全国性调查中并未出现过类似结果。它的重要性在于，受访者选择的“马马虎虎”实际上往往意味着“半信半疑”，是一种带有轻微掩饰的怀疑乃至不信任的表达。因此，这种怀疑态度的模式反映的是：对“中央”的善治承诺和治吏能力都存有疑虑。
最后一类是完全不信任“中央”的模式，占受访者的6.25%。这部分受访者在五级政府中的平均信任得分均较低，仅在1.59至1.87之间，表现出对所有层级政府的一致性不信任。如果说对上级政府的信任意味着对“中央”善治承诺的信心，而对下级政府的信任意味着对“中央”治吏能力的信心，那么，完全不信任模式则意味着两方面的信心都缺失。
以上四种模式的比较表明：如果简单地将对中央政府的信任等同于对“中央”的信任，往往会造成明显的高估。表面上看，在1600名受访者中有70.57%的人表示信任中央政府；但经过深入分析后发现，其中仅21.25%表现为完全信任，48.38%表现为部分信任，而24.13%则表现出怀疑态度。
六、全国调查的发现
尽管前述发现看似合理，但地方调查结果的普遍性仍然有限。本文借助2011年的亚洲晴雨表调查（Asian Barometer Survey），以考察全国概率抽样的受访者是否呈现出类似的信任模式。该调查包含两个有关政府信任的问题。第一个问题要求受访者在四个等级的量表上表明他们对中央政府的信任程度；另一个问题则要求受访者在相同的量表上表明他们对地方政府的信任程度。
探索性因子分析表明，这两个信任指标背后仅存在一个潜在因素。然而，信度分析显示，两者之间的差异如此之大，以至于它们并不能构成一个具有充分信度的总量表（Cronbach’ α= 0.59）。基于地方调查发现的“对高层政府的信任”与“对低层政府的信任”是中央潜在信任的两个不同维度，本研究将观察到的对中央政府的信任和观察到的对地方政府的信任视为两个不同的维度。表3总结了16种观察到的信任模式的分布情况。
表 3 中央政府与地方政府信任的交叉列联表
三个常用的判别标准——肘部法、轮廓系数和间隙统计量——都表明全国调查的受访者可被划分为三类。然而，更为全面和细致的地方调查显示，受访者实际上存在四种具有代表性的中央信任模式。在假定所有中国人都具有类似信任模式的前提下，本研究将聚类数设定为四。此举用一个基于经验和理论合理性的决策取代了纯粹计算上最优的方案。与本地调查数据的情况类似，k-means聚类也产生了少量值得质疑的分类。在3473名受访者中，有54人（1.55%）对地方政府的信任强于对中央政府的信任，却被归入“完全信任”群体。之所以如此，是因为k-means聚类算法将这两个特征向量视为具有相同权重，从而将这些受访者归类为对中央完全信任。本研究将这些案例重新归入“怀疑”群体。由于数据结构相对简单，重新分类是通过条件重新编码完成的，并未采用前文所述的监督式机器学习程序。
最终形成了四种代表性的信任模式。首先，在3473名受访者中，有18.28%的人对中央表现出完全信任。他们一致地对中央政府表现出强烈信任，在四分制的信任量表上获得满分。同时，他们也一致地对地方政府表现出强烈信任，同样获得满分4（见表4）。如果说对中央政府的信任反映了对中央承诺的信任，而对地方政府的信任反映了对中央能力的信任，那么这一群体的受访者既相信中央的承诺，也相信中央的能力。
表 4 全国调查受访者四个群体的质心坐标
其次，有34.18%的受访者对中央表现出部分信任。与完全信任中央的群体类似，他们一致地对中央政府表现出强烈信任，平均得分为4。然而，他们对地方政府却表现出中度的不信任，平均得分为2.27。换句话说，完全信任与部分信任的共同点是两者都对中央政府有强烈信任，不同之处在于部分信任群体对地方政府抱有疑虑。如前所述，部分信任在实质上等同于“差序信任”，但其含义更加精确。若对中央政府的信任表明对中央善治承诺的信任，而对地方政府的信任反映对中央治吏能力的信任，那么部分信任就是在相信中央善治承诺的同时，对中央治吏能力缺乏同等程度的信心。
第三，有33.31%的受访者对中央持一定程度的怀疑态度。他们对中央政府表现出中等信任，在四分制信任量表上的平均得分为3。有趣的是，他们对地方政府也表现出中度不信任，平均得分为2.24。这一发现是新的。中央政府的中度信任与地方政府的中度不信任相伴出现，表明两者本质上具有相似性。这一发现表明，对中央政府的强烈信任与适度信任在本质上是不同的。强烈信任是完全信任和部分信任中央的特征性标志，而中央政府的中度信任则定义了一种独特的怀疑模式。该发现支持Wang & You的论点，即在评估对中央政府的信任时，“非常信任”的回答在实质上不同于“比较信任”的回答。正如他们指出的，将中央政府的强烈信任与中度信任合并为一个广义的信任类别的常见做法，会忽略一个重要的微妙差异。在评估对中央善治承诺的信任时，中度信任可能意味着保留意见甚至怀疑，因为善治符合中央的自身利益。如果观察到的对中央政府的信任反映了对中央善治承诺的信心，而观察到的对地方政府的信任反映了对中央治吏能力的信心，那么这一群体的受访者对中央的承诺及其能力都持怀疑态度。
最后，有14.22%的受访者对中央完全不信任。他们对中央政府和地方政府都表现出相当强的不信任，在四分制量表上的平均得分分别为1.77和1.61。该群体的受访者既不相信中央的善治承诺，也不相信其治吏能力。
前述发现表明，如果将观察到的对中央政府的信任误认为是对中央的潜在信任，可能会导致严重的高估。乍一看，在3473 名受访者中，有85.77%信任中央政府，14.23%不信任中央政府。但进一步分析显示，18.23%的受访者对中央表现出完全信任，34.18%表现出部分信任，33.31%持怀疑态度，14.28%对中央完全不信任。
七、结论
本文提出了一种对中国政府信任调查结果的新解释。这一新的测量方案将对中央政府的观察信任视为对中央善治承诺的信任指标，将对地方政府的观察信任视为对中央治吏能力的信心反映。研究表明，对全国调查结果的传统解读在很大程度上高估了中国的政治信任，因为它将观察到的对中央政府的信任误认为是对中央的潜在信任。确实，绝大多数民众信任中央政府；然而，仔细分析显示，只有约五分之一的人对中央的善治承诺与治吏能力都充满信心，约三分之一的人信任中央的善治承诺但对治吏能力缺乏相应信心，另有三分之一的人对两者都持怀疑态度，而近15%的人对两者都不信任。对于学者而言，这一发现为探究中央信任的来源及其影响提供了可能；对于政策分析者而言，该研究提供了一种创新方法，以更准确地评估中国等非西式民主国家的“软实力”。
研究强调了在比较政治研究中进行概念情境化以优化概念等价性的重要性，这对于避免概念泛化至关重要。研究显示，中国的政治信任属于政治信任的范畴，但具有独特特征。全国性调查要求民众评估中央政府的可信度，但实际信任对象是中央。中央政府是中央的组织化体现，但两者并不完全相同。由于许多人认为中央必然会致力于良好治理，因此评估对中央的信任的关键议题领域是政策执行而非政策制定。此外，对中央的信任具有善治承诺和治吏能力两个维度。一旦情境化，便可清楚地看到，政府信任的调查测量是有效且可靠的，但调查结果需要更为细致的解读。
在方法论上，研究展示了机器学习技术在分析复杂调查数据中的价值。特别是，k-means聚类使研究者能够在计算优化与理论有效性之间取得更好的平衡。由于k-means聚类结果具有不确定性，研究者可以选择符合实地观察与理论预期的模型，而无需对数据强加结构。此外，监督式多项回归分析在不影响k-means聚类结果客观性的前提下，最大程度减少了可疑的分类。研究还展示了使用互补数据集的价值。全面而细致的地方调查为识别代表性信任模式提供了坚实基础，而全国调查保证了研究结果的可推广性。