李志军
中国社会科学院大学政府管理学院特聘教授，博士研究生导师；国务院发展研究中心研究员，管理世界杂志社社长。享受国务院政府特殊津贴专家、全国新闻出版行业领军人才。
摘要
公共政策评估理论的谱系与演进是该领域的重要研究主题，已有少量研究提出的分类框架有助于结构化地理解公共政策理论发展的脉络与层次，但都是相对单一的视角。本文运用理论脉络—理论体系—创新路径—理论展望的框架，结合历史、结构与动态的多维视角对公共政策评估理论的发展进行了梳理与解析。首先，根据范式转换以及理论转向的重要节点对国外理论发展的5个阶段进行了梳理，并对中国公共政策评估实践与理论发展阶段进行了提炼和阐述。其次，在综合国内外理论发展脉络的基础上，从全景的角度将公共政策评估理论体系总体特征提炼为层次性的结构、具有平行关系的理论路径以及动态性的理论整合。再次，结合贯穿于理论体系演进动态的总体特征引出从证据、协作以及应用场景转换视角的理论创新路径。最后结合以上3个部分提出了公共政策评估理论发展趋势与未来研究方向。本文拓展了评估理论演进和创新规律的认知边界，对推动中国自主的公共政策评估知识体系的形成与完善有所贡献。
关键词
公共政策评估 理论脉络 述评
一、引言
公共政策评估作为一个专业领域和一项实际工作，是20世纪初随着现代科学方法的发展及其在社会研究和政策研究中的广泛运用而诞生和发展起来的。60年代美国联邦政府成为大规模实验的主要资助者以评估社会项目，实证评估技术和方法在大范围应用的基础上迅速发展，公共政策评估的通用理论和框架初步形成。80年代公共政策评估产业化浪潮进一步推动了公共政策评估的专业化，学会、学术期刊以及大学的专业设置、课程体系等相继创设，公共政策评估知识体系日渐成熟。90年代以来随着各国政府改革的推进，公共政策评估受到越来越多国家和国际组织的重视，发达国家相继开展公共政策评估工作并进入制度化时期。同时，联合国、世界银行、经济合作与发展组织等国际组织也开展了政策评估工作。当今世界，发达国家普遍通过逐步立法建立了比较规范的评估制度，发展中国家的公共政策评估则处于起步阶段，还有很长的探索道路。
进入21世纪，公共政策评估领域呈现出前所未有的繁盛局面：更大范围的学科加入公共政策评估领域形成扩张的态势，更多的交叉领域政策评估和从业人员的知识交换（斯塔夫宾、克瑞尔，2014；托马斯、坎贝尔，2021）。在此广泛的跨学科交叉和扩张背景下，夯实公共政策评估的理论基础尤为必要。因此，以简约框架把握评估理论的发展脉络、理解评估理论之间的相似性与差异是公共政策评估领域理论发展的重要议题（李志军，2016；沃森、桑德斯，1973；沙迪什，1998；史密斯，2010；汉森等，2013；克里斯提、阿尔肯，2013；里乌夫、唐纳森，2015；韦唐，2017；勒梅尔等，2020）。
迄今为止，已有研究对理论发展的全景式概观相对较少，一是从历史分期的角度对理论发展脉络进行梳理（古贝、林肯，1989；麦道斯、斯塔夫宾，2000）；二是通过分层的方式提供结构化的框架，如评估理论树（克里斯提、阿尔肯，2013；勒梅尔等，2020）；三是将已有的多样性理论归纳为具有相似原则的路径、模式（沃森，1990；韦唐，2017）。这些分类框架提供的概观有助于从单一角度俯瞰公共政策评估理论的总体面貌和结构，但无法结合历史、结构与动态等多维视角来把握理论发展的演进脉络和透视理论创新的路径。
本文采用系统观点，运用理论脉络—理论结构—创新路径—理论展望的框架来阐述、分析和评价公共政策评估理论的演进，创新之处在于：首先，整合与交织是公共政策评估理论发展的趋势和特点。在学科广泛交叉和扩张的背景下，本文通过对公共政策评估理论发展脉络的梳理和总体特征的提炼，深化了公共政策评估的通用理论基础，拓展了评估理论演进和创新规律的认知边界。其次，有助于探索规范与实证评估结合的深层一致性问题。我国公共政策评估在应用中强调规范与实证结合、定性与定量方法结合以及评估工具之间的创新组合（洪永淼，2015；李志军，2016）。具体来说，在实践中归属于不同知识体系或者方法论基础的理论、方法等被组合到一套方案中应用于实践（迪恩等，2019），作为整体的一致性问题需要更为深层的反思（施万特，2013）。本文通过溯及理论发展脉络以及理论整合的线索，解析了评估实践中方法与工具组合应用的一致性基础，加深了对严谨性的理解。第三，理论发展研究推动公共政策评估知识体系的构建。公共政策评估作为实用科学的创新路径主要有两种，即基础理论研究的创新（李志军，2022）以及基于中国场景应用的创新。本文对国内外评估理论演进的梳理和创新规律的探究有助于推进评估知识在中国场景下的转换与迁移，构建中国自主的公共政策评估知识体系。
二、国外公共政策评估的理论演进
公共政策评估是一项非常古老的实践。从决策咨询的角度理解公共政策评估，其起源可以追溯至古希腊时期，亚里士多德曾是马其顿国王腓力二世之子亚历山大的老师，传授治理国家的技艺（韦唐，2017）。其后在12世纪的中国以及18世纪的法国等，也都有为统治者提供建议的活动或者以定量方式标记官员的功绩。但公共政策作为政策科学的一部分，可以追溯到20世纪30年代，现代管理学之父泰勒将数据分析应用于管理过程的改进。
公共政策评估是评价事物的优点和价值。评估过程首先确定适用于被评估对象的相关价值观或标准，使用社会科学方法进行实证分析，然后将结论与标准合并到综合评价中（斯克里文，1991）。尽管评估是运用社会科学方法对政策干预效果进行审慎的和务求准确的判断（韦唐，2017），但评估不能等同于社会科学研究，不是生产为研究所用的知识，而是服务于政策制定（邓恩，1993；盖莫兰，2018）。社会科学研究也不是建立标准或价值观，然后将其与事实结果相结合，得出评价性结论（斯克里文，1991）。
公共政策评估具有交叉学科的性质，有相当数量的应用领域，但也有着通用的理论基础和推导逻辑。根据史密斯（2010）的定义，评估理论（Evaluation Theory）是一套特定立场的概念或者主张，是针对评估实践的基础问题提出的特定解决方案，具体包括“评估的目的、价值、证据以及评估结果的使用，是我们对如何以及为什么进行评估的思考”。根据以上对理论的宽泛定义，评估模式（Evaluation Model）也被视为理论的一部分，原因如下：公共政策评估是一门应用科学，“使用”是与基础原理同等重要的。因此，应用与操作的原则、程序的设计与改善也被视为应用科学的一部分。评估模式是指一种路径设计，即通过特定的路径达成对项目或者实体的有效描述与判断（斯塔夫宾、张，2017），也属于“使用”理论的范畴。但需要指出的是，具有理论贡献的评估模式，通常需要有代表性的概念以及对概念之间的关系进行特定视角的解释。
公共政策评估理论演进历史的分期有着很多不同的视角。较为代表性的是麦道斯和斯塔夫宾（2000）的分期，将1792~2000年之间的历史划分为7段：改革时期（1792~1900年）、效率与测试时期（1900~1930年）、泰勒时期（1930~1945年）、幼稚时期（1946~1957年）、发展时期（1958~1972年）、专业化时期（1973~1983年）、扩展与综合时期（1983~2000年）等。古贝和林肯（1989）则根据实证主义范式与建构主义范式的转换将理论演进的历史分段为测量、描述、判断以及第四代评估4个时期。
本文借鉴以上两种分期，综合已有文献中对范式转换（古贝、林肯，1989；韦唐，2017）、规范与实证统一（贝拉克，1970；费希尔，1995）、政策辩论转向（钱伯斯，2003）、复杂适应性系统（米勒、佩奇，2007）等理论转向标记的论述，将1930年至今公共政策评估理论演进的历史划分为科学化时期、规范与实证统一时期、建构主义时期、政策辩论时期、21世纪的复杂适应性系统时期。这些时期的划分着眼于理论发展脉络的节点而不是相对平均的时间段，呈现出理论在多元之上的包容和梯度递进的演进趋势。
（一）科学化时期
20世纪30年代到60年代的公共政策评估受到社会科学兴起与迅速发展的影响，科学在物理学以及动植物研究领域的成功逐步拓展到社会科学领域。泰勒（1942）认为评估对象是可以测量的并且有客观的标准和规范，测量的结果可以服务于决策。古贝和林肯（1989）认为“测量”是第一代评估理论具有的特点，如当时通过测算工作时间与工人行动之间的关系来确定有效的计件工资方法以改进管理实践。早期的“测量”约可等同于政策效果的量化评估，之后又应用了以“描述某些规定目标的优劣模式为特征的方法（古贝、林肯，1989）”，是一种不同于测量的程序性评估，被定义为“描述”。
在科学范式的影响下，20世纪30年代起定量技术在此时期得到不断推进，一些社会项目评估使用对照组的方法评价项目干预的效果，但主要集中于教育领域。60年代，得益于美国联邦政府成为大规模社会实验的主要资助者，随机分配的试验在教育以外的更广泛领域普及开来并成为确认因果关系的首选方法。但毕竟随机试验受到财政资金等方面的较多限制而难于开展，因此评估领域开始推崇坎贝尔和斯坦利（1963）提出的实验与准实验设计，通过基于反事实对照的设计可以观察受到干预或者没有受到干预的结果。
（二）规范与实证统一时期
20世纪60年代和70年代是定量的黄金时代，但随之美国等发达国家步入后现代社会的多元化时期，在价值观、目标、政策优先事项等各领域都处于持续广泛争议之中。这一时期逐渐形成的共识是，评估是做出价值判断的社会性过程（怀特斯通等，1969），所有的评估都建立在价值和政治判断的基础之上（伯克，1976）。那么，政策评估理论要面对的主要挑战是：首先，开发出能用于做出价值判断且以实证为基础的理论或者战略（贝拉克，1970）；其次是形成将事实与价值整合的系统化分析模式；最后，在具体评估中探索如何整合定性和定量研究方法，且新型的综合评估需要构建一般性的原则去加以指导。
1.解释主义范式的兴起
价值判断主要涉及到了科学范式之外的解释主义和建构主义两种范式。解释主义认为现实是被社会性地建构的，只有通过行动者的理解和对事件的解释才产生意义（伯格、卢克曼，1966）。解释主义范式主要从方法论的角度为价值判断提供实证基础，因为价值判断不是要搜集事实判断的客观数据，而是要通过了解特定情境下的利益相关者诉求、主张等来识别问题。
解释主义范式下以实证为基础的公共政策评估有着不同于科学范式的知识形成路径。在知识类型上，人的态度、偏好等是一种不同于科学范式的知识类型，在背景中才能够被合理化。因此解释主义方法论通过归纳推理和访谈、参与式观察、过程追踪以及案例分析等定性研究方法解释其意义和合理性。解释主义范式从以下3个方面影响了评估方法论：首先在证据来源方面，解释或者主张存在于参与者的“思想”中，只有搜集到这些“信息”才能够被解释、被确认（古贝、林肯，1985）。其次，在数据搜集和处理方面，需要通过“参与”或者沟通来搜集“思想”中的信息。最后，通过程式化的定性数据处理和分析来解释其意义。
2.规范与实证统一
价值判断与事实判断需要整合在一套评估理论中，以形成公共政策评估的通用理论框架。费希尔（1995）认为评估要遵循先确认（规范）后验证（实证）的顺序，政策（干预）目标和焦点是价值判断的部分，必须先被“确认”。验证部分是运用量化分析等验证调查中的事项是否与其他现象（政策干预的效果）具有相关性以及相关性的程度。政策评估的验证阶段是测试原因（作为结果的原因）的充分性，确认阶段则是调查内涵（目标）的适当性（费希尔，1995）。由于确认阶段是基于政策背景等对价值优先性的解释和分析，主要使用的是解释主义范式的定性研究方法。
3.定性与定量研究方法的结合
定性与定量之间的争执与结合，是范式之争的一部分。20世纪70年代在实验与准实验设计的量化评估结果之上，决策者不仅想知道这些项目是否有效果，还希望能够解释因果机制，即为什么这些项目起作用或者没有起作用。因此在方法论层面，早期提倡实验与准实验研究设计的罗斯、卡森斯、维斯等量化实证的代表人物都纷纷转向较为系统的综合分析，强调定性和定量研究方法的结合。到了80年代中期多数文献已经逐步认同通过定性与定量的结合以提高研究的信度和严谨性（西尔弗曼等，1990）。
定性研究与定量研究的结合在评估的设计、数据搜集以及分析阶段起着协同的作用（玛迪，1982），主要包括：在数据搜集过程中，在定量调查工具开发之前的观察和探索性访谈中获得受访者的接受度、参考框架等信息。在数据分析阶段，定性研究方法可以帮助定量的分析确定概念框架；定性访谈获得的信息可以验证定量结果；对统计排名的结果进行外部验证；定性的案例研究方法可以帮助解释模型以及统计类型的结果，等等。
随着范式整合以及在方法论上的定性定量结合，定性研究被逐步整合进入评估的全过程，特别是在确定概念框架的阶段。概念框架是其后指导工具应用和数据分析的重要步骤，需要通过多来源的定性信息来确定（斯克里文，1974；斯坦尔，1974）。评估实践中混合方法的广泛使用也存在很多问题，其中最重要的是方法之间缺乏可以自证的逻辑一致性，没有概念整合的方法组合只是权宜之计（陈，1990）。
（三）建构主义时期
20世纪80年代中期以后，建构主义主要回应的是西方社会的价值多元化问题，价值优先性以及价值结构的排序成为政策评估的重心。建构主义认为评估即建构现实（共识），评估结果不是像实证主义那样对政策干预得出可靠和可信的结论，而是利益相关者通过互动而实际创造的一种结果（共识）。评估中的价值判断问题，是通过构建共识来完成的。
虽然建构主义和解释主义具有相似的认识论，但建构主义通常被看成是更为激进的解释主义。因为解释主义主要提供将价值判断纳入实证为基础的评估方法论从而得出严谨的评估结论，而建构主义则将价值判断的解决视为达成共识（古贝、林肯，1989），具体包括在评估目标应该实现哪些价值、哪些利益相关者的价值具有优先性等方面。
建构主义评估也是可以解决价值判断问题的理论，但很少被单独使用。建构共识成为大部分强调利益相关者参与的评估理论与模式的必要步骤，如在评估前期对评估项目的目标、焦点等价值优先性达成共识，之后再根据确定的目标评价政策目标是否达成。对建构主义和科学范式的整合，在评估方法论上体现出的原则是在科学的世界实现建构主义的最好设定（李志军，2023）。
（四）政策辩论时期
20世纪90年代政策研究领域经历了一次重大转向，政策评估从政策科学转向具有公民包容性的政策辩论，这些争论将评估从技术层面带入平等、社会公正等政治性议题（邓恩，1993；费希尔、戈特魏斯，2013）。政策辩论将评估置于一个特定社会系统的权威性结构之中，评估不再只是方法论的或者逻辑的，而是需要一种框架将评估嵌入于更大的社会政治体系和道德结构之中。评估的标准不是建立在实证基础上的严谨性，而是取决于是否基于广泛、包容的公民参与和集体共识。
显然，政策科学无法有效适用于带有政策争议的集体行动的评估，需要新的政策评估框架来应对。由此，应用公民参与、协商民主等政治学领域解决集体行动和共识形成的理论框架被应用于政策评估，较为典型的是协商民主评估（Deliberative Democratic Evaluation）。
协商民主评估通过包容、对话和协商3个程序来完成集体共识的形成。与建构主义等同样强调共识的理论不同，建构主义通常是对利益的“分量”进行优先性排序，从而决定哪些利益被优先考虑而哪些利益用来做交换，但协商民主评估则充分贯彻了民主等政治和社会公正的原则。首先，协商民主评估认为所有人都有相同的道德“分量”，评估应考虑所有的利益相关者，而不只是重要的利益相关者。其次，协商民主评估重视权力不均衡问题。权力不均衡意味着特定利益群体将被排除在外，不符合所有利益相关者都应被包容在内的要求。最后，利益相关者应被理性地说服从而形成权威性共识，而不是通过权力的压迫来达成共识（豪斯、豪尔，2000）。总体来看，协商民主评估是协商民主理论在公共政策评估领域的延伸，但与严谨性优先的评估准则如何兼容和综合，在实践中是具有挑战性的。
（五）复杂适应性系统时期
21世纪以来，我们所在的生存环境已经从适应性系统（Adaptive System）日益转换为复杂适应性系统（Complexity Adaptive System），这是政策评估理论和实践面向的重要环境变革（米勒、佩奇，2007）。复杂性一直存在，但不存在一个单独的复杂性科学，而是有很多不同的复杂性科学和相应的复杂性观念。传统的线性理解方式认为复杂性是可控的，简化与聚焦可以将复杂性整理为简约、清晰的框架以及逻辑模型，通过操作化指标之间的细微差异来反映复杂性。传统线性思考方式下通过方法驱动的评估（Method-based Evaluation）建立变化模型（Change Model）或者逻辑模型来评价项目成功或者失败，并得出从干预、影响因素到结果的评价（陈，1990）。线性复杂性观念下方法驱动的评估受到越来越多的挑战。
1.政策与系统的复杂性
首先，政策集合的复杂性。20世纪90年代以来，为了能够应对日益复杂的经济社会问题，决策者会制定联合解决方案即实施一系列横跨不同领域的政策（巴恩斯等，2003）。这些“政策”的启动时间可能是错开的，没有基线衡量标准，政策行动与影响之间的因果关系也非常微弱（诺克斯，1995）。
其次，政策干预环境的复杂性。线性观念预设了政策干预实施于一个不会变化的环境中，也就是通常所指的政策“背景”，是促进或者约束目标实现的外在因素（康奈尔、库比施，1998）。但复杂适应性系统理论认为背景既是动态的也是调适性的：当政策或者行动者适应这些不断变化的（环境）条件时，计划和活动也会发生变化，进而改变作用的路径并最终改变结果（环境）。总之，如果内生性是复杂系统的关键特征，那么传统的社会科学工具用平均的行为去代表全体，就是不全面的甚至是误导的（米勒、佩奇，2007）。
最后，政策的非线性变化。协作治理下的政策效果被定义为“集体影响”（卡尼亚、克莱默，2011），以社会企业家等推进的社会创新、跨部门伙伴关系以及数字治理平台等为典型，并非遵循线性的变化路径。社会创新有着难以预料或者高度离散的结果，传统的评估旨在控制和预测，而面对复杂性的政策评估则需适应非线性的动荡，而不是强加秩序和确定性（帕顿，2011）。
2.面向复杂性的理论发展
在理论发展方面，整体主义的评估可以将背景因素和影响结果的因素同时考虑在内。陈等（1990，2014）提出了理论驱动的评估，建立变化模型和行动模型（Action Model）的整合框架，可以在确认成功（或者失败）以及多大程度成功（或者失败）的同时解释如何或者为什么，进一步揭示政策与结果之间的转换“黑箱”。
首先，从“方法驱动”转向“理论驱动”。开放性的复杂系统意味着政策评估模式要反思和改变现实中应用的“背景+机制=结果”的评估公式。一直以来政策评估都重视干预过程的重要性，但方法驱动的评估则将重点置于总体的输入与产出之间的关系，不关注转换过程的黑箱与机制。陈等（1990，2014）提出理论驱动的评估（Theory-driven Evaluation），主张为政策干预构建“项目理论”而不只是使用传统的社会科学宏大理论来解释为什么和转换的过程。
其次，开发调适性的评估模式。帕顿（2011）运用系统观念重新定义了干预—变化过程，认为不存在单独的项目干预，而是系统改变干预，由此提出发展型评估（Developmental Evaluation）。发展型评估建立在非线性、突发性、调适性、不确定性、动态的系统变化、协同演化等系列概念基础上，通过项目发展和评估之间相互强化、保持开放性、边想边做以及即时参与和快速反馈的方式来服务于发展而不是结果。
再次，计算社会科学的应用。在复杂适应性系统下，传统的政策评估只对政策干预的复杂性建模，但无法处理政策干预所在的动态和开放的复杂性系统（米勒，2007）。计算社会科学将社会系统当作信息处理的对象（组织），通过先进的计算方法对社会系统进行综合性的跨学科研究，包括自动信息提取系统、社会网络分析、社会地理信息系统、复杂性建模和社会模拟模型等。这些方法广泛应用于公共政策评估，帮助评估者在事前和事后了解、比较和确认相似的复杂系统中政策运行轨迹和影响机制。比如辛普夫等（2021）开发了应用于事后评估的基于案例的建模和情景模拟（Cased-based Modelling and Scenario Simulation for Ex-post Evaluation），通过模拟复杂系统运行当前政策和备选政策，为观察不同政策对既定系统的影响和效果设定足够完善的基准模型（辛普夫等，2021）。
三、中国公共政策评估理论的发展
中国的政策科学是一门特殊学科，伴随改革开放历史脚步而成长（陈振明、黄颖轩，2018）。作为政策科学的重要组成部分，中国公共政策评估理论脉络是在国家治理现代化的进程中逐步展开的，建国至今多次重大战略与政策的制定都极大推动了公共政策评估的制度化和体制机制建设进程，构成了公共政策评估理论梯度演进的重要节点和参照系。
（一）中国公共政策评估的早期实践与制度化
中国公共政策评估实践较早可追溯至建国初期在重大工程建设领域开始的可行性研究，当时主要是对建设项目的必要性、可行性及成本收益进行论证和事后评价工作。“二五”时期（1958~1962年）“大跃进”的教训使决策层认识到决策科学化的重要性，时任中央科学领导小组成员的于光远提出，技术发展及政策制定要讲经济效果。
政策科学构建与发展的进程起始于决策科学化和民主化时期。1986年7月31日，万里同志在全国软科学研究工作座谈会上发表了“决策民主化和科学化是政治体制改革的一个重要课题”的讲话，标志性地推动了80年代的公共政策评估实践。政府部门开始自行或者委托其他机构进行公共政策评估，第三方评估主体逐步多元化，包括咨询公司、学者以及半独立的民间社会调查机构。总体上，决策科学化时期的政策评估实践是部门自选动作，国家层面并没有制度性安排。
自2002年起，公共政策评估进入顶层设计推动的发展阶段。这一时期，重大决策和政策的评估逐步成为法定事项：2003年施行的《环境影响评价法》是首个对评估评价工作的单独立法；同年国家发展改革委提交了《十五计划实施情况的中期评估报告》，是发展规划领域的第一次正式评估。
进入新时代，以习近平同志为核心的党中央进一步将公共政策评估纳入机制化轨道。2015年，中办、国办印发的《关于加强中国特色新型智库建设的意见》提出“建立健全政策评估制度”。在中央层面，一些重大政策、重大改革方案和重大举措在出台前委托第三方进行评估；对有关重大决策部署、重大政策和重大政策措施落实情况进行督查过程中，引入第三方评估机制。2018年，国家发改委设立评估督导司，主要职责是拟定相关重大战略规划、重大政策、重大工程等评估督导的制度并组织实施，提出相关评估评价意见和改进措施建议。2020年10月29日，《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》提出“健全重大政策事前评估和事后评价制度”。
（二）中国公共政策评估理论演进脉络
公共政策评估是政策科学的组成部分，但起步较晚，滞后于自20世纪80年代开始步入学科发展的公共政策学科（又称“政策科学”或“政策分析”）。2000年前后科技政策等领域的财政支出大幅增长亟待科学评估（李志军，2001），公共政策评估理论的发展遂成为重大的政策需求。由于国内的相关理论严重匮乏，于世纪初兴起了公共政策评估文献的译介热潮，《第四代评估》、《公共政策评估》、《项目与政策评估》等翻译成中文出版。国家社科基金等也为基础理论的引进和研究提供了持续的支持，一批在理论和模式上进行探索的项目得到资助，如国家社会科学基金项目“社会主义市场经济条件下政府政策评估的方法体系”、“绩效导向下的我国政府公共政策评估体系与机制研究”、“我国政府公共政策评估模式研究”等。
在之后10多年的时间里，国内学者逐步在理论引进和国际经验、制度比较的基础上构建理论体系。但是，包括公共政策评估在内的公共政策研究总体上一直处于引进国外研究的阶段，尚未完成消化和吸收过程（陈世香、王笑含，2009）。
公共政策评估是一门具有“转化”性质的学科（Transformative Discipline），支撑学科的基础工具和实践等来自其他学科，但与此同时在通用理论以及逻辑上保留独具一格的特征，具有自主的结构和自身的研究志趣（斯克里文，1993）。具体来说，实证评估的工具、方法来自科学和社会科学领域的其他学科，如经济学、统计学、心理学、管理学以及计算社会科学等。学科之间的发展不均衡导致公共政策评估理论与实证之间的发展（转化）不同步现象：量化实证超前发展并大量在经济政策的评估研究和实践中得到应用，但未能与公共政策评估理论结合转化为评估知识体系的一个有机部分。这一时期，整体上公共政策评估领域处于理论探索阶段，并以定性方式为主。
以2015年1月20日中办、国办印发的《关于加强中国特色新型智库建设的意见》明确提出“建立健全政策评估制度”为节点，此后理论发展更注重与实证评价的严谨性、科学性结合并趋于同步，与此同时评估制度化和体制机制的探索也迅速展开。
1.公共政策评估理论的形成时期
第一，公共政策评估的基础理论研究。国外理论的译介和制度、政策的比较掀起了研究热潮，有相对丰富的学术论文探讨了公共政策评估价值、评估主体、评估标准等。但总体来说，具有相对完整体系的基础理论研究成果并不多见，专门的评估理论著作有《公共政策评估：理论与方法》（贠杰、杨诚虎，2006）和《重大公共政策评估：理论、方法与实践》（李志军，2016）。
第二，量化实证的技术与方法平行发展。公共政策评估的量化实证方法、技术在经济学、心理学、数学等领域突飞猛进、平行发展。非实验研究方法在过去30年，如计量经济学的方法、基于反事实对照的准实验研究等被广泛运用于经济政策的效果评估。与此同时，构成量化实证基础的因果推断、研究设计、机制解释等也普及开来，尽管尚未能与通用框架结合，但都为公共政策评估知识体系的发展积累了具备转化的存量基础。
2.理论与实证结合时期
以2015年《关于加强中国特色新型智库建设的意见》明确提出要建立健全政策评估制度为节点，评估理论的发展进一步面向政策评估实践，兼顾规范性与严谨性、理论性与实证论证的结合。洪永淼（2015）在《经济研究》撰文指出通过进行严谨的定量评估提高中国各种社会经济政策评估的科学性。评估不能只建立在简单的定性分析基础上，只有严谨的实证研究，才能使评估结论和政策建议具有较高的科学性（洪永淼，2015；李志军，2013）。一些重大政策的评估研究和实践，如碳排放等，逐步从机制设计、政策比较等定性的理论分析转向政策评估及机制分析等定量研究（窦晓铭、庄贵阳，2022）。李志军和尚增健（2021，2022）主编的《公共政策评估前沿问题研究》专题系列收录了2007年至今具有代表性的国家重要政策量化实证的评估案例。
第一，量化实证与理论逐步结合。随着量化实证评估在更大范围的应用领域展开，亟待在公共政策评估的通用框架与量化实证之间建立更为紧密的连接。回顾国外评估理论演进的历史，实证评估方法与技术革新需要不断被纳入通用框架和推理逻辑之中以促进理论的迭代，如坎贝尔和斯坦利（1963）的准实验设计。李志军（2016）的《重大公共政策评估：理论、方法与实践》较为系统地阐述了政策评估理论、模式以及准实验研究等主要的量化实证方法，提供了结合通用框架和量化实证的评估理论体系。
第二，定性与定量研究方法的结合。实证研究方法是政策评估得以发展和应用的科学基础，既包括定性方法也包括量化实证的方法。国内管理学等学科领先应用案例等定性研究方法（毛基业、李亮，2018），平行发展并在程序化处理框架以及数据分析方面更为成熟，其后逐步进入公共政策评估领域并与量化实证结合。与此同时，公共政策评估也日益重视对政策干预的因果机制的识别（李文钊、徐文，2022），在研究设计方面提倡定性与定量结合以揭示过程和机制黑箱。
第三，公共政策评估的制度化和体制机制研究。党的十九届五中全会提出健全重大政策事前评估和事后评价制度，政策评估的制度化和法制化建设是将政策评估工作真正纳入政策过程的必要保障。
立法先行是各国评估制度化的普遍做法，已有研究提出通过立法对评估原则、评估类型、评估程序、评估结果的使用和公开及职能机构等进行明确界定以促进评估的规范化、程序化（李志军，2013；王军锋、吴雅晴，2016；张海涛，2022）。由于立法过程较长很难一蹴而就，李志军（2022）建议采取分步实施的办法予以推进。
在评估体系框架与体制机制研究方面，已有少量研究对评估制度、评估组织、评估方式等方面的体制机制问题进行了较为深入的探讨（董幼鸿，2012；汤丁、李东，2020）。国家发展改革委评估督导司课题组等（2022）梳理了“三个重大”的评估工作发展历程，并阐述了由制度体系、组织体系等支撑的中国特色“三个重大”评估体系。李志军（2013，2022）提出了构建中国特色的政策评估体系框架的设想，加快公共政策评估的制度化对实现中国式现代化具有重要意义。
四、国内外公共政策评估理论评析
国外与国内公共政策评估理论发展的演进脉络有很大差异，但也有着基于理论和知识体系有机构成的展开逻辑，包括规范与实证、定性与定量、理论框架与应用模式、通用理论与实证评估的结合等。因此，各国公共政策评估理论发展和制度化进程尽管呈现出多样性，但终归在一些重要节点展现出特定维度下的内在一致性和规律性。
（一）理论发展的总体特征
自20世纪30年代至今公共政策评估理论发展迅速，为适应评估实践的多样性、交叉性和复杂性发展出了高度多元化的理论。从全景的角度看待理论发展，总体特征既表现为层次性的结构，也呈现出具有平行关系的理论路径以及理论整合的动态性。
1.理论体系发展的结构
综合国外和国内的理论发展脉络，从历史和全景的角度来看，公共政策评估的理论演进呈现出从基础框架—知识构建—应用模式的发展脉络和层次。尽管中国的公共政策评估理论发展较晚，在2000年以后主要通过国外评估理论的引进推动了规范理论体系的构建，但在2015年明确提出要建立健全政策评估制度，以此为时间节点，进入了由顶层设计推动的规范与实证结合的发展阶段，公共政策评估的自主知识体系开始形成。比较国外和国内的发展，从知识体系构建的角度，中国的理论发展阶段也遵循了相似的演进逻辑。
公共政策评估理论的基础框架主要包括公共政策评估的定义、价值类型以及如何测量等方面，主要解释为什么以及如何进行评估的一般性原则。知识构建层面主要是指在基础框架下如何用最为严谨的方式获得评估结果，这也是知识构建的过程。这部分主要包括效应评估、评估的质量标准以及研究设计等。研究设计是为确认干预效应的因果和干预机制，后者主要是解释项目背后的因果假设是否按照利益相关者设想的那样运行。应用模式主要是为匹配不同的评估对象以及利益相关者需求等开发的系列评估要素的特定组合，包括评估方法、评估人员以及评估步骤等，是在基础框架和知识构建基础上面向使用而形成的理论。
2.理论路径的形成
公共政策评估理论发展呈现出多元化和离散性的同时，也收敛为具有相似原则的概念集合，即评估的理论路径。迄今为止较为公认的路径有：管理导向的路径、系统化路径、专业导向的路径、参与式路径、咨询导向的路径、目标导向的路径等（霍根，2007；沃森，1990；韦唐，2017）。路径之间是平行的关系，但会存在一定的交叉；具有相似性的理论虽然属于同一路径，但在具体的理论解释和实践中也会有差异。
以参与式路径为例，这是一个伞形概念，预设的前提是评估者与非评估者之间通过共享的工作来生产知识，得出基于证据的评估结论，如搜集和获取政策的背景信息、利益相关者的经历、偏好等。在参与式路径这个伞形概念之下，与参与相似的概念还有协作与协商等。尽管原则上相似，使用3种概念的具体评估理论之间也是有差异的：协作路径下的评估者掌控评估，但他们持续地在评估者与利益相关者之间进行沟通。参与式的评估者和利益相关者联合分享控制权，而授权评估者则将项目成员、项目参与者以及社区成员等视为控制评估的人，评估活动从外部评估者手中转移到利益相关者手中（卡森斯，2020）。
3.基于多元化之上的理论整合
复杂性是政策评估理论发展一直面对的问题，系统论在整体主义、通过多元化整合避免单一视角局限等方面有着应对复杂性的优势（雷诺等，2012）。在政策评估中，系统论基于多元之上的整体主义是指在面对多样性的基础上通过勾画“更大的图景”来包容和应对评估行为中各种形式的复杂性。因此，在政策领域的多样性以及决策规则、环境复杂性等多重因素影响下，理论、模式与路径之间通过多层次整合来提升适用性，是现有理论发展以及应用的特征。
第一，评估理论之间的整合。在实践中评估的复杂性也体现在每个项目都带有一定的专属性，而理论通常具有普适性，二者之间有一定的差距，理论整合可以提升适用性。理论驱动的评估通常会与参与式评估路径整合应用于以协作为机制的项目评估中，如下沉至社区或者以邻里互助为基础的政策干预（康奈尔、库比施，1998）。这类项目中，个体需求的满足以及项目实施的深度、持续改善都依赖于利益相关者在设计、实施等评估全过程的参与（格林、麦克阿里斯特，1998）。并且，该类项目发展往往处于高度动态的功能调整过程中，参与式路径不仅有助于项目改善，也更具针对性的完成对动态系统下政策效果的证据搜集、项目理论的形成和因果机制的解释。类似的理论整合还包括理论驱动的评估与建构主义评估之间的整合，等等。当该类项目在更大范围构成评估理论要面对的挑战的时候，在个体项目应用上的理论和方法的整合会逐步发展成指导操作的一般性原则或者创新性理论。
第二，评估模式上的整合。评估模式是面向使用的理论，针对不同政策领域的多样化利益相关者以及客户需求而开发，每种评估模式都有应用的边界。随着评估的复杂性难以通过单一模式来应对，会进一步通过整合多元化的复合模式来匹配复杂性。如斯克里文（1967）提出总结性评估与形成性评估两种基准模式，其后在“情景、输入、过程和结果评估”中，则将总结性评估和形成性评估合并，这样可以在提供最终效果评价的基础上为管理层提供项目过程的改进建议（斯塔夫宾、张，2017）。陈（1990）也提出了多种组合，认为在规范评估（Normative Evaluation）和因果评估（Causative Evaluation）的基准类型之上可以面向评估委托人和评估实践逐步拓展出更为多元、复杂和更具适应性的复合类型（Composite Type）。
（二）理论创新的路径
公共政策评估理论的创新遵循实用科学发展的两条路径，即构成评估规范与实证基础的普适性知识演进以及评估实施和操作的通用原则和方法的创新。作为循证政策的一部分，社会科学研究在提升评估知识的普适性、可信性和严谨性方面是重要的创新来源，如历史上较为典型的实验与准实验研究设计极大推进了评估理论的进展，也成为因果推断的黄金标准。近年包括因果推断的最新研究成果不断应用于评估的研究设计（李文钊、徐文，2022），计算社会科学也从复杂适应性系统角度提供了更为有力的处理复杂性的工具，如通过模拟来预测复杂性系统中政策干预的多重影响路径。以此类推，不胜枚举。
从新中国成立以来的可行性评估至今，我国的公共政策评估实践已经积累了70多年的经验，但如何在未来的新征程中将过去的宝贵经验、技艺转化为体系化的知识，对于基于中国场景的理论创新以及自主知识体系的形成具有非常重要的意义。从系统论的角度来看，评估理论的创新是在整合基础上建立更为包容性的框架，以下从证据、协作以及应用场景3个角度来探讨创新路径。
1.从证据到理论的创新路径
以循证为基础的公共政策评估，证据的本质是知识，构成推理、决策以及专业实践的根本。构建新的证据类型、对证据的严谨性进行等级评价以及开发新的证据获取途径是生成新的知识和理论的创新路径之一。
从评估理论演进的历史来看，证据类型和体系是不断演化的。严谨的评估结论是从证据中产生的，可获得的原始数据与世界本身一样丰富多样（马斯顿、瓦茨，2003），新的证据类型会随着社会利益需求的变化等不断进入循证的评估实践。20世纪70年代以后旷日持久的政治和道德争议对价值判断如何进入以实证为基础的评估提出了挑战。早期证据所属的知识类型受到科学范式的影响，主要为客观性的。显然，将道德判断纳入实证基础的评估需要一个以分类为基础的新框架，能够包容事实判断和价值判断，为建立基于此的方法论改进和评估结论的形成提供知识基础。埃劳特（1985）认为知识可以分为命题的或者个人的两种类型，两种知识的来源都是动态的。个人的知识是可以转化为命题的知识的（蒂琴，2000），这种转换对应着一系列的方法和理论创新。解释主义提供了获取个人“思想”中信息的方式并通过程式化方式加工为证据，也即定性的研究方法。此后对何为证据、证据的社会性历史性以及证据如何进入评估实践的研究，为评估方法的结合和确保严谨性的因果推断提供了坚实的循证基础。由此可以得出，新的证据来源的确认、审核、验证、进入评估实践并提供相应的分析方法、建立更具整合性的理论是创新的内在逻辑。
2.基于协作的理论创新
循证的评估实践并非只是寻求真理，也是一个基于理性说服和平等沟通之上的集体行动和共识构建过程，因此展示各自观点、证据以及推理过程不仅是知识创造的机制，也是与更大社会系统的公正、民主等核心价值保持一致。
协作是知识创造的机制。协作过程中利益相关者不仅参与优先性价值和目标的确认，还包括确认进入评估的信息收集范围以及评估方法和工具的使用，新的诉求、利益、价值观等会通过协作过程不断整合，从而建构新的共识。活跃的利益相关者不仅会带来更强大的评估设计，也会提升利益相关者对数据收集和分析的理解（阿尤索等，2014）。更为重要的是，协作在具有非线性发展的创新项目评估中，是一种利益相关者之间以及评估者与决策者之间的学习机制，可以更为有效的进行知识创造以应对系统动荡带来的评估挑战。协作的学习功能也可以将个体项目的知识拓展到更大的范围形成更具普适性知识或者应用层面的一般性指导原则，是理论创新的重要路径。
协作也是打破既有知识权力，迈向更为包容平等社会的路径之一，这也是公共政策评估理论创新的一个重要维度。以循证为基础的政策评估远不是一个中立的概念，知识是按照等级方式分层运作的，决策过程和政策论证中塑造哪些形式的知识是一个政治性的过程（马斯顿、瓦茨，2003）。利益相关者是在物质和等级权力关系的背景下主张各种形式的知识，数据收集等活动是政策精英通过知识建构加强社会控制的一种手段。
21世纪的公共政策评估将更为关注社会正义，在更加多元化的社会以及不断变化的政治和政策背景下更准确的表达弱势和边缘群体的声音（托马斯、坎贝尔，2021）。协作既是打破现有权力不均衡让更为多元化的声音进入公共政策评估的渠道，也是将弱势和边缘群体声音准确表达的、从证据到分析的知识创造过程。因此，协作之于评估，从来不仅仅是解决科学严谨性的一种工具，也同时是一种沟通机制和创新机制。
3.应用场景转换的理论创新
不同应用场景是公共政策评估理论创新的重要来源。场景转换可能带来新的价值维度，或者转换更为复杂的政策实施环境，两者都会带来从评估方法、利益相关者参与到理论的创新。“评估实践的下一个飞跃是什么，也许是评估的一般性概念，也许不是，是概念以及方法论的使用”（斯克里文，1996）。
跨文化是应用场景转换的一种重要方式，改变了评估理论和方法来设计和执行与背景最佳匹配的评估。文化维度以及伦理道德被纳入到评估理论构建以及评估实施的每个环节当中，并通过建立一些与跨文化有关的概念形成基于跨文化应用的评估理论。如公共政策评估中的伦理敏感性，主要包括评估者对评估及其连带事务是否涉及伦理问题的认识能力、评估者识别问题背后特定道德价值的能力以及对问题强度的认识。2002年美国评估协会的多元化委员会将文化加入项目评估标准之中，涵盖文化多元化、文化关注以及文化竞争力。在具有跨文化性质的公共政策评估中，类似的概念成为跨文化评估中的指引，并以此来设计跨文化背景下的评估模式。
类似的场景转换还包括国际化的协作网络以及数字平台等具有复杂非线性关系的场景，不断创造新的概念或者新技术、方法的组合等，推动公共政策评估理论的创新。
五、公共政策评估理论发展趋势与未来研究方向
21世纪是大变革的时代，公共政策评估既要应对传统的评估复杂性，也面临复杂适应性系统带来的非线性难题。除此之外，随着全球经济、社会更加紧密地连接，文化伦理、社会正义、环境可持续性等日益成为焦点，对公共政策评估的理论创新构成挑战和机遇。
第一，理论的比较研究。公共政策评估是一门年轻的学科，理论全景式刻画、分类与比较研究不能只停留于描述与列举，还应进一步加强对相似路径的公共政策评估理论、模式的比较，明确特点、优势与劣势，帮助和促进决策者以及利益相关者之间对评估模式和工具的理解，形成公共政策评估知识在理论与实务之间的迁移。
第二，应用系统理论。21世纪后复杂性转向是当下政策评估理论发展和应用的特征（巴布鲁克-约翰逊等，2021），近二十年来形成的共识是系统论是应对复杂性的重要方式。系统论的主要特点是指基于多元之上的整体主义（托雷斯-奎洛、平松-萨尔塞多，2022），在公共政策评估理论中如何应用系统理论是未来理论的重要创新趋势之一。
第三，更全面的开发证据来源并对证据进行评级。可信性与严谨性是评估的合法性前提，但证据的社会性、历史性以及在实质领域的多样化来源也是评估理论发展面对的现实，更为全面的证据来源可以提升公共政策评估公正性和严谨性。因此，证据不能仅仅停留于科学以及社会科学研究的使用范围，也要在评估实践的具体领域中进一步从技艺、直觉、偏好等转换为命题式的知识，通过实际工作者及其同行对证据进行阐明、审查进而生成和验证。对证据进入评估的影响因素进行研究，归纳每个领域中影响证据进入评估实践的特性以及获取证据的途径。在更全面地认可证据来源的基础上根据严谨性原则建立正式的评级体系和规范，并对不同级别的证据使用提供相应的指导原则和规范。
第四，理论驱动评估的进一步发展。因果机制是公共政策评估确认政策干预效应的核心，传统的逻辑模型对于复杂适应性系统的非线性和动态性采取简化的建模而失去解释效力，同时也更正侧重于对项目本身较为微观的机制解释。发展理论驱动的评估更重视对复杂系统下的机制黑箱的解释，需要将因果机制置于更广泛的背景或者更大的动态和调适的系统之中。更重要的是，公共政策评估的功能不只是局限于项目个体的功能以及影响机制，更需要归纳和检验项目个体中的一般性原则并对更大范围的普适性评估知识有所贡献。
第五，创新组合不同的方法。评估方法创新是公共政策评估理论创新的重要组成部分，但方法创新不仅仅指计算社会科学等新锐工具的应用，也包括将已有的研究方法创新组合应用于评估实践，如将案例研究、场景分析以及计算机模拟结合，探测政策干预引起的有限不确定性，帮助评估人员理解评估中的所有因素及其复杂的相互作用（辛普夫等，2021）。
第六，为政策干预的非线性和动态性发展新的评估理论。这主要以跨部门协同以及伙伴关系下“集体效应”评估为典型，如数字平台的公共服务供给，来自政府、企业以及社会组织、居民等跨部门行动者的价值共创存在于所有阶段，协同的集体效应并非发生于同一时间或同一界面（层面）（张毅、贺欣萌，2021）。这类政策评估因果机制的识别以及具有调适性的评估模式开发将是未来的重要趋势之一。
第七，发展协作关系。随着社会政策等领域通过广泛的协作来实施政策，评估者与受益者以及利益相关者之间通过协作来保持评估模式的调适性是非常重要的，具体的发展趋势包括：如何保持评估者与受益者以及利益相关者之间的协同演化，以及如何通过互动性的监督等方式不断更新对政策干预的事后评估，等等。
第八，重新审视价值判断并评估其对创新性方法和工具组合的影响。随着经济社会发展以及大数据等技术应用于公共服务等领域，现代社会的平等、公正等价值本身的含义也在不断被技术重新定义。那么传统价值是否还有效？重新定义的价值内涵是什么？对工具和方法的影响以及相互关系是什么？这些都是理论层面需要解决的问题之一。
在中国，公共政策评估的理论发展立足于中国场景的自主知识体系构建、话语体系构建，未来研究重点和方向主要体现在以下几个方面。
第一，推动深化和丰富中国式现代化内涵的公共政策评估基础理论创新（李志军，2022；贠杰，2022）和评估模式的研究（周建国、边燚，2022）。公共政策评估是建立在特定治理背景之上的应用科学，建立与全过程人民民主、责任政府等具有内在连结的概念和评估知识体系是未来理论发展的重要任务之一。
第二，作为实用科学，公共政策评估理论创新是为评估现实提供更为有效的实用性知识，因此未来的发展应立足治理实践，探索匹配中国经济社会发展新场景的理论、方法与技术组合等。如，在中国现阶段的数字平台经济、数字平台的公共服务供给以及协作网络等场景应用的项目评估，等等。
第三，开发和完善实质性政策领域的公共政策评估模式、技术方法和标准，从具有专属性的评估经验不断归纳提炼为具有普适性的评估知识，建构更为完善和具有包容性的理论和知识体系。这些包括党的十八大以来重大战略规划、重大政策、重大工程（国家发展改革委评估督导司课题组，2022）、营商环境等领域以及数字平台等场景下的相关政策领域。
第四，计算社会科学工具的应用。2022年《国务院关于加强数字政府建设的指导意见》提出全面贯彻新发展理念和构建新发展格局，将数字技术广泛应用于政府管理服务以及构建数字化、智能化的政府运行新形态，充分发挥数字政府建设对数字经济、数字社会、数字生态的引领作用。依托于大数据的计算社会科学在数字政府建设以及政策评估中的应用将是未来我国数字政府建设的重要组成部分和研究课题。
第五，以案例等为主的定性研究方法的使用。评估作为实用科学，是从具有特定背景和专业性的实质政策领域评估经验归纳提炼更具一般性的评估知识，与案例研究的归纳推理以及理论生成的逻辑具有内在的一致性。回顾国外政策评估的发展史，案例研究对政策规划和评估过程的知识积累做出了很大贡献（殷，1984）。案例有助于提炼特定政策领域的特征、确认项目评估的焦点以及促进理论之间和方法之间的整合。但面向政策评估的案例研究服务于限定情景条件的决策，而研究型案例更注重普适性理论的生成。探索具有中国特色、能够在实务工作者、研究人员以及决策者之间交流的评估案例体例是该领域发展的趋势之一。
第六，方法与工具的协同。复杂适应性系统是政策干预实施的环境，多层次系统之间的动态、开放、调适和协同演化等为识别政策干预的因果机制带来更多困难。未来的发展方向是通过计算社会科学工具与传统研究工具、方法之间的协同或者创新技术组合等来更有效识别政策干预的过程黑箱，如前文提到的模拟与案例方法的结合（辛普夫等，2021）等。
第七，探索兼顾严谨性和政治回应性的评估。科学的严谨性和政治回应性是公共政策评估的两个优先性标准，那么在科学的严谨性与民主之间是妥协还是平衡？有些情况下政府部门会在严谨性方面有所妥协，为回应民众的偏好和需求使用一些更为简单的标准与方法。在评估实践中摸索兼顾严谨性和政治回应性的评估模式也是理论课题之一。
第八，全球化场景下的公共政策评估研究。随着中国经济社会、政策与国际环境越来越深的接轨，公共政策评估处于全球化的更广阔复杂的系统之中。置身于国际化协作网络，不仅对效应评价以及因果机制的确认带来更大的挑战，文化、种族、价值观等差异对公共政策评估行为以及评估组织管理提出了新的要求。
第九，通过高水平交流平台促进自主的公共政策评估知识体系构建。回顾20世纪60年代起国外公共政策评估发展的历史，高水平研究发表与期刊平台的引领是政策评估理论以及知识体系形成的重要力量，在提供决策咨询的同时可以推动评估经验从实质性政策领域向普适性评估知识转换，以及向更广泛决策领域的知识迁移。因此，创设评估领域学术研究交流平台（国家发展改革委评估督导司课题组，2022），以应用案例作为模板或者标杆进行学术交流以促进理论、模式提炼和创新，推进评估案例在决策和研究之间的迁移与扩散，是尤为重要的。在持续推动规范理论与实证结合、方法工具协同与应用方面，《管理世界》作为评估研究的交流平台持续推动评估知识的积累和创新。
