内容提要：认识民主与腐败之间的复杂关系，必须关注民主与发展情境的适配性。文章基于135个国家2009-2012年的数据，借助模糊集定性比较分析考察民主、情境与腐败之间的因果关系。就单个条件而言，民主水平与腐败程度之间并不存在因果关系，而有效保护产权可使国家免于严重腐败。就组合效应而言，主要表现为：第一，同样是高民主国家，若政治稳定、经济发达且产权有效保护，能实现低腐败，而若政府规模小且产权缺乏保护，则会陷于高腐败；第二，低民主、政治不稳定且产权缺乏保护，会导致高腐败；第三，若经济落后、政府规模小且产权缺乏保护，无论民主程度高低，都会沦为高腐败。因此，在反腐败过程中，必须慎重考虑民主化的情境适配性，而法治化建设应当优先于民主化的推进。

关 键 词：民主  腐败  情境  适配性  定性比较分析

民主化就能遏制腐败吗?尽管很多人对此寄予了厚望，但诸多国家的现实经验却告诉我们：效果并不尽然。20世纪八九十年代以来，印度尼西亚、阿尔巴尼亚等，纷纷走上了民主化之路，但腐败却并没有得到有效遏制，甚至还呈现出了加剧之势。诸多跨国实证分析也表明，民主对腐败的作用是混合性的，可能是抑制效应(Montinola & Jackman，2002)，可能是催生效应(Andvig，2006)，也可能是一种倒U型关系(Mohtadi & Roe，2003)。学界逐渐认识到，民主不是存在于真空之中，它需要与其情境相适配，才能真正产生抑制腐败的效果(Stevens，2016)。因而，只有将情境纳入分析之中，才能更全面、系统地认识民主与腐败之间的复杂关系。所谓情境，是指民主实践的社会载体，包括了政治、经济、法律等各方面要素。这些情境要素，本身可能会作用于腐败，同时也可能会影响民主对腐败的效应。

那么，在民主与这些情境要素之间，究竟形成什么样的关系，才能有效遏制腐败呢?本研究采集了135个国家2009-2012年的相关数据，采用模糊集定性比较分析(fuzzy set qualitative comparative analysis，简称fsQCA)，来剖析民主、情境与腐败的复杂因果关系，从而深化学界对于民主化之情境效应的理论认识，也为当前反腐败实践提供一种更为现实的政策思路。

一、民主、腐败控制与情境适配

(一)民主对腐败的影响：抑制还是催生

对于民主的界定，政治学界仍然存在着诸多的争议。有些学者认为，民主是一系列使得公民能够通过选举表达其偏好的制度安排(Schumpeter，1950)，而另有些学者则强调，对民主内涵的认识应该予以拓展，进而将其视为使得公民偏好得以形成、表达以及在政治决策中得到权衡的制度体系(Dahl，1971)。一般而言，民主可以分解为两个方面，即纵向问责与横向问责：纵向问责是指公民通过选举对政府进行问责，横向问责包括政府内部的分权制衡以及公民社会、媒体自由等(Kolstad & Wiig，2015)。本文建立在这种较宽泛的民主定义之上。

对于民主与腐败之间的关系，现有理论研究主要揭示出以下三种结果，即抑制效应、催生效应与倒U型关系，这里分别予以阐述。

(1)抑制效应。在一些学者看来，在民主体制下，信息透明度往往更高，公众参与也往往更为普遍，这使得政府受到更广泛的社会监督，同时，竞争性选举也使得政治候选人为了获得职位也有动力去揭发在任官员的腐败行为(Treisman，2000)。政治竞争之所以能够抑制腐败，是因为：一方面，信息的自由和民主的结社特性，强化了对政府官员的监督，减少了腐败得以滋生的机会；另一方面，在民主体制下，政治权力的周期性更替使得政治官员对某项政策或法律的持续难以做出足够可信的承诺(Montinola & Jackman，2002)。

(2)催生效应。对于民主化可能会催生腐败的观点，目前主要存在两种解释：一是相比于极权体制，民主化使得更多社会公众对于公共资源，比如资金、职位等，有了更多的进入权(access)，进而使得更多人有了参与腐败活动的机会(Andvig，2006)；二是在激烈的选举竞争中，政治官员或政党由于竞选资金的需要，容易被利益集团所俘获，进而做出一些违背公共利益的行为(Rose-Ackerman，1999)。

(3)倒U型关系。这种观点认为，民主在短期内会催生腐败，但就长期而言，则会抑制腐败。从成本收益视角来看，民主化不仅增加了寻租者所获得的信息，也增加了他们接近政府官员的机会。对信息更全面的掌握、对腐败机会更准确的定位，使得他们寻租的收益增加，进而催生了寻租行为的蔓延。同时，政府官员了解到这种不断增加的寻租需求，也会尽可能地最大化自身在寻租过程中的净收益。但是，伴随民主化进程，信息透明与社会监督在不断强化，寻租者之间、政府官员之间的竞争也在不断加剧，进而导致腐败行为的风险提升，边际收益逐渐下降(Mohtadi & Roe，2003)。

总之，对于民主化的反腐效果，学界并没有一致的结论，这也启发人们去关注民主实践的情境差异性。

(二)影响腐败程度的情境要素

在现有研究中，诸多情境因素被纳入到了分析之中，以更为全面地认识民主与腐败之间的关系。其中，关注度较高的情境因素包括经济发展、政治稳定、政府规模以及产权保护。

(1)经济发展。有学者认为，经济发展有助于降低腐败程度，原因在于经济发展提升了社会民众的教育与文化水平，同时也促进了人际关系的非人格化(Treisman，2000)。当社会民众的文化素质得到提升，其对政府行为的监督能力将会更高，进而更容易揭露官员的劣行，而人际关系逐渐走向一种契约化，减少了各种非正式的裙带网络所带来的腐败问题。另有学者认为，经济发展使得人们收入提高，减少了腐败行为的边际收益，进而抑制了官员参与腐败的心理动机(Montinola & Jackman，2002)。除此之外，有学者发现，经济发展水平还会调节民主对腐败的影响，民主只有在人均GDP超过2000美元(2005美元不变价)时，才会产生遏制腐败的效果(Jetter et al.，2015)。

(2)政治稳定。研究表明，政治的不稳定会降低社会民众对政府官员的信任程度，而那些身处此种环境中的官员们也会更加容易腐败。以俄罗斯为例，剧烈的转型导致了政治不稳定，诸如国家法制体系、官僚监管制度等都出现了相当程度的滞后性甚至断裂性(Levin & Satarov，2000)。在这种情况下，一方面，社会民众缺少对政治体制的信任，更加倾向于借助俘获官员来获得财富。另一方面，在政治不稳定情况下，政府官员获得了更多的腐败机会。正如苏珊·艾克曼所言，一个国家内部的冲突往往会成为腐败滋生的温床(Rose-Ackerman，2009)。除此之外，在政治缺乏稳定的情况下，民主化可能造成政权进一步动荡，而进入权的相对开放，也可能加剧利益集团为争夺公共资源而努力俘获政府。

(3)政府规模。一国政府的规模总体上反映了它对经济、社会等方面的干预能力。对于政府规模，许多学者认为政府规模扩张是官僚自利性的产物，会导致机构臃肿、冗员增叠，权力运行的监督与制约机制趋于失效。在这种思路下，政府规模扩张会增加腐败和寻租(Alesina & Angeletos，2005)。经济学家加里·贝克甚至直截了当地指出：“如果你想减少腐败，那就缩减政府”(Becker，1995)。立足中国情境的研究表明，政府规模的扩大会增加地区腐败案件的发生率(周黎安、陶婧，2009)。但另有研究表明，大规模政府并不必然意味着更多腐败，那些相对廉洁的经济发达国家，其政府规模往往要大于严重腐败的经济落后国家(North et al.，2009)。事实上，政府规模的扩张往往也有助于提升政府治理能力，保障公共物品的供给，实现更好地服务和监管。正因如此，有学者指出，“将大政府等同于坏政府是一种严重误导”(La Porta et al.，1999)。归根到底，政府始终具有两面性，到底是扶助之手还是攫取之手，还是取决诸多方面的情境条件。

(4)产权保护。按照诺思的界定，“产权是个人对他们所拥有的劳动物品和服务占有的权利，而占有是法律规则、组织形式、实施行为及规范的函数”(诺思，2008)。本质上，产权是一种排他性权利，而产权保护则是借助政府公权来保障这种权利。如果政府不能有效执行产权保护的法律和政策，那么整个社会实际上就会陷入契约高度不完全的境地，这不仅会削弱经济投资的积极性，同时也会导致各种各样的寻租或腐败(Acemoglu & Verdier，1998)。比如，有学者对中国腐败现象的研究表明，产权不清晰、保障不到位是导致腐败问题难以得到有效遏制的重要原因(Opper，2005)。有学者对印度尼西亚的研究表明，尽管实行了民主制，但特权网络的瓦解并没有带来产权的有效保护，国家陷入腐败(Mcleod，2005)。

(三)情境适配：从净效应转向组合效应

由上述文献回顾可知，要抑制腐败的滋生与蔓延，民主与情境之间应当遵循一种适配逻辑，也即民主需要与其他情境要素进行匹配，只有在适配的情况下才会产生抑制腐败的效果，否则可能适得其反。显然，反腐效果是要素适配的综合产物，而不仅仅是民主本身所带来的。这也意味，在研究取向上，必须从关注民主的净效应，转向关注民主与多种情境因素之间的组合效应。

所谓净效应，可以理解为在控制其他因素不变的前提下，单一因素的变化所带来的结果变化(Ragin，2008)。现有研究多以回归分析为主要方法，而回归分析，就其方法论本质而言，就是试图寻找影响结果的多种变量，并进一步从中分离出每个变量的净效应。这种净效应取向有助于揭示关键性的影响因素，但同时也限制了回归分析对现实的解释力。具体而言，对净效应的估计高度依赖于模型的设定。净效应的核心要义是计算出每个自变量对因变量之变化的非重叠性贡献(non-overlaping contribution)，而这种非重叠性贡献则直接取决于变量之间的相关性。如果自变量与其他变量之间高度相关，则其净效应就会被削减。在实际研究中，对某个结果产生影响的多个变量，通常彼此之间存在高度相关性，而就各自对结果的非重叠性影响而言，则往往只有相当小的部分。

此外，为了捕捉变量之间的互动关系，研究者往往会在回归分析中加入交互项。但时，这种做法仍然是净效应导向的，而且，交互的变量在数量上也存在限制。当三个及以上的变量进行交互时，尽管在数理分析上仍然可以做到，但对结果的诠释将会变得非常困难。也正因如此，在实证研究中往往都是考察两个变量之间的交互作用，很少见到包含三个及以上变量的交互项。然而，在现实生活中，超过两个的因素交互发挥作用却是常态。比如，民主与其他情境要素，包括经济发展、政治稳定、政府规模以及产权保护等，其中的两个或三个甚至全部，都可能存在着相互影响，而对腐败的抑制则是这些要素之间的组合所带来的效果。对于这类组合效应，仅仅借助交互项进行回归分析，将难以有效揭示其中的因果关系。为此，我们需要寻求一种能够容纳更多条件互动性的方法，以集合论为基础的定性比较分析，为探索此类复杂因果关系提供了思路。

二、方法与数据

(一)模糊集定性比较分析

查尔斯·瑞金在1987年最早对定性比较分析做出系统阐述，并作为一种研究方法引入社会科学领域，试图建立定量与定性分析相融合的桥梁。定性比较分析以集合论和布尔代数为数理基础，以承认现实因果关系的复杂性为前提，着重探索社会现象的多重或并发条件。定性比较分析的基本步骤可以总结如下：第一，以理论为指导，选择相关案例，确定结果变量和条件变量。第二，依据已有理论与现实知识，对结果变量和条件变量进行校准，进而立足隶属度分数建构真值表。隶属度分数高于0.5，则被编码为1，即表示该条件存在，而若小于0.5，则编码为0，表示该条件不存在。第三，借助布尔代数对真值表进行最小化求解。所谓最小化，简单说就是要剔除冗余条件，保留最简化的解。比如，存在A*B+A*～B→C，*表示“和”，+表示“或”，～表示“否定”，即不存在B，→表示“导致”。那么，依据最小化算法，可以得出A→C。这是因为不论是否存在B，A都会导致C。换句话说，B是一种冗余条件。最后，对运算所得的解进行阐释。在阐释过程中，需特别注意理论与现实的对话。

集合是定性比较分析的基础，它可以是清晰集，也可以是模糊集。基于清晰集的分析，是将原始数据校准为0或1，表示某个条件不属于或属于特定集合。相比于清晰集，模糊集则超越了简单的二分法，关注某个条件在多大程度上属于特定集合。比如，一个国家就其经济发展而言，可能处于发达与落后之间，在中等偏上的位置。显然，基于模糊集的分析更加接近与现实。运用模糊集就需要关注隶属度(membership)，分值越接近于1，则表示越属于特定集合，而通过校准，可以获得各个案例对于条件集合的隶属度分值。进而，判定这些条件或条件对于结果而言是否存在某种集合论意义上的因果关系(即充分性或必要性)则需要借助两个重要指标：一致性(consistency)和覆盖度(coverage)。前者指的是纳入分析的所有案例在多大程度上共享导致结果发生的某个条件或条件组合，而后者指的是这些给定的条件或条件组合在多大程度解释结果的发生(何俊志，2013)。一般而言，一致性水平越接近1越好，且不得低于0.75。覆盖度可以分解为初始覆盖度和唯一覆盖度：前者是指某个条件或条件组合对结果发生的总体影响程度，而后者则是在去除与其他条件或条件组合相重叠区域后的剩余部分，反映了它对结果发生的独特性影响(Ragin，2008)。在分析过程中，我们需要寻找到那些满足一致性要求并具有较高覆盖度的条件或条件组合，进而做出相应的因果推断。本研究数据分析借助R编程完成。

(二)变量定义与数据来源

在本研究中，为保证分析结果的可靠性，所有变量均以目前国内外学界广泛采用的指标来予以测量，数据年份为2009-2012年，数据来源为政府质量标准数据库(The Quality of Government Standard Dataset)(Teorell et al.，2016)。为了减少数据的波动性干扰，在进行定性比较分析时，本研究使用四年均值进行分析。具体而言，本研究采用世界治理指数(WGI)中的腐败控制指数来衡量腐败，得分越高表示对腐败的控制越有效，也即腐败程度越低。腐败控制指数是一个综合性指数，测量公共权力被用于谋取私利的程度，包含了对各种形式的权力腐败以及政治俘获现象的考察，其信息来源主要通过专家评估以及对社会民众、企业等的问卷调查。

条件变量有如下几个：

(1)民主。对民主程度的测量，本研究采用Freedom House的ipolity2指数，分值从0到10，其中0分表示最低程度的民主，而10分表示最高程度的民主。该指标对Freedom House中公民自由与政治权利的指标以及Polity IV中政体民主程度(polity2)指标进行了综合。对于民主的测量而言，ipolity2指数在信度和效度上都优于其构成指标(Hadenius & Teorell，2005)。

(2)政治稳定。本研究采用世界治理指数(WGI)中的政治稳定与无暴力指标。该指标衡量人们对政府稳定、政治暴力或恐怖主义等事务的感知，得分越高，表明该国政治越稳定。在本研究样本中，政治稳定指标得分最高为芬兰(1.393)，最低为巴基斯坦(-2.700)。

(3)政府规模。本研究采用Fraser Institute关于政府规模的测量指标，指标得分从0到10表示政府规模从大到小，也即指标得分越低，政府规模越大。该指标从支出、税收以及政府性企业等方面对政府规模进行综合评价。需要注意的是，该指标测量的是政府的相对规模，而不是绝对规模。就相对规模而言，在本样本中，最大为阿尔及利亚(3.466)，最小为孟加拉国(8.896)。中国政府规模得分为4.725，低于135个样本国家均值(6.434)，位列第12位，属于规模相对较大的国家。

(4)经济发展。本研究使用世界发展指数(WDI)中的人均国民总收入(GNI per capita)来衡量。该指标采用Atlas方法来估计，通常也被用来对国家进行收入水平的划分。从人均国民总收入水平来看，国家之间发展水平差异巨大，最高为挪威，达到91410美元，而最低为非洲国家布隆迪，仅为210美元，两者相差超过434倍。

(5)产权保护。本研究采用Heritage Foundation发布的产权保护指标，该指标衡量了一个国家的法律保护私有产权的程度以及政府执行这些法律的程度，指标分值从0到100，表示产权保护水平从最低到最高。所有变量数据的描述性统计如表2所示。

(三)原始数据的手动校准

在整理相关数据后，需要对原始数据进行手动校准。校准方法采用瑞金(Ragin，2000)所提出的直接法，即先确定三个阈值，即完全不隶属(fully out)，最大模糊值(maximum ambiguity)以及完全隶属(fully in)，然后求出每个国家在每项指标上的隶属度。以腐败校准为例，将腐败控制指数得分排名后10%视为高腐败，前10%视为低腐败，在两者之间则以中位数为界，进一步分为较高腐败和较低腐败，阈值分别为-1.05、-0.31和1.58。由此，通过对腐败控制指数分值进行了手动校准，135个样本国家就被分成了四类，其中有21个国家被认为是高腐败，47个国家被认为是较高腐败，47个国家被认为是较低腐败，以及21个国家被认为是低腐败，如图1所示。由于政治稳定指数同属世界治理指数，本研究做类似处理，将得分前10%视为政治稳定，后10%视为政治不稳定，中位数为最大模糊值，阈值分别为-1.3、-0.07和1。

图1：对各国腐败控制情况的校准

此外，本研究对其他条件也进行了校准。就民主而言，为了保证结果的稳健性，本研究将得分为10视为完全隶属，即高民主国家，将得分低于4视为完全不隶属，即作为低民主国家，中位数7.83分作为最大模糊值。就政府规模而言，由于该指标分值越高，表示规模越小，所以如果将集合属性定义为“大规模政府”，那么就需要对其进行逆向校准，即得分高于8作为完全不隶属，视为“小规模政府”，而得分低于5则被视为完全隶属，视为“大规模政府”，以中位数6.5作为最大模糊值。同样，就产权保护而言，本研究将得分低于30视为产权缺乏保护的国家，而将得分高于80视为产权得到有效保护的国家，以50分作为最大模糊值。最后，就经济发展而言，本研究则借鉴世界银行2011年的划分标准，将人均GNI为1006美元、3976美元以及12276美元作为阈值，划分成低收入(经济落后)，中低收入(较为落后)、中高收入(较为发达)以及高收入(经济发达)四类国家①。所有变量的校准阈值如表3所示。

三、分析结果及其讨论

(一)民主与腐败的因果检验

本研究首先对民主与腐败之间的因果关系进行了检验，结果如图2所示，横轴为各个国家的高民主隶属度，而纵坐标为各个国家的低腐败隶属度，黑点则代表国家。若高民主为低腐败的充分条件，则所有黑点都应该集中在上三角，而若为必要条件，则集中在下三角(Ragin，2008)。可以看出，四个象限均有黑点分布。这意味着，高民主国家不一定低腐败，而低民主国家也不一定高腐败。经检验，在一致性阈值为0.9、覆盖度阈值为0.75的水平上，高民主既不是实现低腐败的充分条件，也不是实现低腐败的必要条件。同时，低民主与高腐败之间也不存在充分或必要的关系。

图2：民主与腐败的关系

同时，本研究也对其他条件变量进行了检验，分析其是否为低腐败或高腐败的充分或必要条件。结果发现，在一致性阈值为0.9，覆盖度阈值为0.75的水平上，只有产权缺乏保护构成了高腐败的必要非充分条件。这意味着，凡是高腐败国家，产权都缺乏有效保护，但产权缺乏有效保护，并不必然导致高腐败。换句话说，如果国家能够有效保护产权，它就可以避免沦为高腐败国家。可见，一个国家想要走出高腐败境遇，就必须要强化对产权的保护。当然，为了了解民主、情境与腐败之间的复杂因果关系，我们必须超越单个条件的分析，探索不同条件组合与实现低腐败或沦为高腐败之间的因果关系。

(二)民主、情境与低腐败

通过条件组合分析，可以得到三种解，即精简解(parsimonious solutions)、复杂解(complex solutions)以及中间解(intermediate solutions)。三者的差异性主要在各自对逻辑余项(logical remainders)的包容性。之所以会产生逻辑余项，是因为有些条件组合在逻辑上存在，但缺乏现实案例与之对应。对于有限样本而言，逻辑余项往往都会存在，即有限多样性。在定性比较分析中，我们可以通过构造反事实案例来回应这些逻辑余项。复杂解不包含任何反事实案例，而精简解包含所有反事实案例(简单或复杂)，而中间解则是居于其中，包含部分反事实案例。当然，这需要研究者结合现有理论和现实的相关知识来进行设定。通常，相比于复杂解和精简解，中间解最适合于阐释(Ragin，2008)。本研究遵从查尔斯·瑞金的建议，采纳中间解来进行分析和阐释。

本研究先考察低腐败国家的条件组合，并着眼于民主在所得解中的角色。在建构真值表时，为提升解的稳健性，本研究将一致性阈值设定为0.9，案例个数阈值设定为3，此时得到的解如表4虚线左侧所示。

可见，实现低腐败国家存在两条路径，文字表述如下：

低腐败国家←高民主*政治稳定*经济发达+高民主*大规模政府*经济发达*产权有效保护

具体可做如下阐释：在高民主的情况实现低腐败，需要同时具备其他条件：要么是政治稳定且经济发达，要么是大规模政府、经济发达且产权得到有效保护。就前者而言，初始覆盖度为0.670，意味着可以解释近七成的低腐败国家案例。就后者而言，一致性高达0.991，而其初始覆盖度为0.473，略低于前者，但仍然具有较高的解释力。可见，尽管作为单独条件，高民主并不构成实现低腐败的充分条件，但它与其情境要素的某些组合，则构成了实现低腐败的充分条件。此时，高民主实际上成为INUS(Insufficient but Necessary part of an Unnecessary but Sufficient condition)条件，即“某个充分不必要条件中的必要不充分部分”(Mackie，1965)。从唯一覆盖度可以看出，两条路径在很大程度上彼此重叠，而路径1的独特性影响远远高于路径2。这意味着，有许多低腐败国家同时隶属于这两条路径，比如丹麦、芬兰、冰岛、卢森堡、荷兰、挪威、瑞典、奥地利、爱尔兰等。与此同时，有些低腐败国家更大程度属于路径1，比如瑞士、巴哈马、巴巴多斯、美国、乌拉圭、智利等，而有些低腐败国家则更大程度属于路径2，比如西班牙等。总体而言，该解的覆盖度高，达到0.707，即可以解释超七成的低腐败国家案例。

对于实现低腐败的路径选择，本研究保持非常谨慎的态度。鉴于上述两条路径重叠性较高，可以进一步增大案例个数阈值，以提升路径的稳健性。当案例个数阈值增大为4时，前述两条路径均不再存在，重新产生了一条实现低腐败的组合路径，即高民主*政治稳定*经济发达*产权有效保护，如表4虚线右侧所示。该路径覆盖度为0.564，介于上述两条路径，但仍处于较高水平，具有较高的解释力。而且，继续增加案例个数阈值，比如从4到10，该路径也不再发生变化。这表明，一个国家实现低腐败的稳健方案，是在实现高民主的同时，做到政治稳定、经济发达以及产权有效保护。高民主仍然扮演INUS条件的角色，成为该组合路径不可或缺的构成部分。此时，政府规模并不是很重要，无论大或小，都不会影响低腐败国家的实现。

(三)民主、情境与高腐败

进一步，本研究也试图发现，民主与情境要素的何种组合将会导致国家沦为高腐败国家。同样，在建构真值表时，本研究将一致性阈值设定为0.9，案例个数阈值设定为3，所得的解如表5所示。

可见，一个国家在三种情况下会沦为高腐败，文字表述如下：

高腐败国家←低民主*政治不稳定*产权缺乏保护+小规模政府*经济落后*产权缺乏保护+高民主*小规模政府*产权缺乏保护

具体做如下阐释：首先，尽管低民主不是高腐败的充分条件，但是它会与其他情境要素相结合，共同成为高腐败的充分条件。此时，低民主便成为INUS条件，即作为该组合路径中必要非充分的构成。路径1表明，如果低民主与政治不稳定、产权缺乏保护同时存在，将会导致该国家陷入高腐败。该组合路径初始覆盖度为0.697，唯一覆盖度为0.205，均为三条路径中最高。覆盖度表明，该组合路径能够解释近七成的高腐败案例，且该路径中未与其他路径重合的部分，也能解释超两成的高腐败案例。大量高腐败国家符合此路径，具有代表性的包括中非共和国、乍得、刚果、伊朗、埃塞尔比亚、科特迪瓦、委内瑞拉、津巴布韦、乌干达等国家。这些高腐败国家的共同点，就是不仅民主程度低，政治上也不稳定，且对于私人产权的保护也非常弱。

其次，路径2表明，如果经济落后、政府规模小且产权缺乏保护，无论民主程度高低，其结果都将是高腐败。此时，民主变得不是那么重要，其程度的高低并不能改变高腐败的结局。该组合路径一致性高，达到0.952，且初始覆盖度也达到0.559，具有较高的解释力。代表性国家包括孟加拉、海地、尼日尔、塞拉利昂、巴基斯坦、尼加拉瓜、乌干达、吉尔吉斯斯坦等。这些国家在经济发展上落后，产权得不到有效保护，同时由于政府规模小，其对经济、社会的干预和监管能力非常有限。在这种情况下，公共权力往往不能得到制约与监督，反而沦为权势者用以掠夺资源的工具。可见，对于这些国家而言，关键不在于是否民主化，而在于如何增强政府、保障产权以及发展经济。

最后，也是尤其值得注意的，就是即便处在高民主水平，如果政府规模小且产权缺乏保护，国家仍然会沦为高腐败，比较典型的国家包括蒙古、多米尼加、牙买加、印度尼西亚、巴拿马、阿尔巴尼亚以及摩尔多瓦等。此组合路径覆盖度为0.363，也即可以对36.3%的高腐败案例予以解释。可见，对于一个政府规模小且产权缺乏保护的国家而言，实现民主化并不能控制腐败，反而会导致利益集团对公共权力的俘获，进而导致高腐败。换句话说，民主化与此种情境不相适配，贸然民主化只会适得其反。这和现有研究形成了呼应。比如，对于印度尼西亚，学界在反思民主化转型后的腐败问题时，就意识到产权保护的缺失、政府的弱小与碎片化等问题，使得民主化并不能让国家走向廉洁，而是将它推向了高腐败(Mcleod，2005；Smith et al.，2003)。

除此之外，还有两方面值得关注：一方面，在上述三条路径中，产权缺乏保护均作为INUS条件。前文已经指出，产权缺乏保护是导致高腐败的必要非充分条件，即高腐败国家必然产权缺乏保护，但产权缺乏保护并不必然导致高腐败。在这里，我们看到，产权缺乏保护和如下三种情况并存，则必然导致高腐败，即(1)低民主且政治不稳定，(2)政府规模小且经济落后，(3)高民主且政府规模小。这个结果告诉我们，法治化建设，尤其对于私人产权的法治保障，在反腐败建设中尤其重要。另一方面，对于政府规模小且产权缺乏保护的国家而言，经济落后和高民主各自作为INUS条件，且扮演着类似的角色，即都会将国家带入高腐败的境地。因而，对于这些国家而言，推动经济发展，同时延迟民主化，看来是更为合理的选择。

四、结论与展望

民主化往往被视为是遏制腐败的关键战略，但跨国经验却告诉我们，民主必须与发展情境相适配，才能真正发挥出遏制腐败的效果。本研究采用模糊集定性比较分析，揭示民主、情境与腐败之间的复杂因果关系。

基于135个国家2009年至2012年的相关数据，本研究发现，高民主不是低腐败的充分或必要条件，同时低民主也并非高腐败的充分或必要条件。就单个条件而言，只有产权缺乏保护构成了高腐败的必要非充分条件，即高腐败国家构成了产权缺乏保护国家的子集，因而可以解读为：一个国家如果能有效保护产权，那么就可以避免沦落到高腐败的境地。进一步，模糊集定性比较分析还为我们呈现了实现低腐败国家的稳健路径，即在政治稳定、经济发达以及产权有效保护的情境下实现高民主。与此同时，分析也表明，无论低民主还是高民主，都可能沦为高腐败国家，关键仍在于情境适配性。比如，如果是低民主、政治不稳定且产权缺乏保护，将会导致高腐败，但即便实现了高民主，在产权缺乏保护的情境下，国家也还是会沦为高腐败。在经济落后且产权缺乏保护的情境下，无论民主程度高还是低，结局都会是高腐败。

由上述定性比较分析可知，如果私人产权得不到保护，就算推动了民主化，也不能保障公共权力的规范化运行，可能反而会加剧利益斗争的集团化，让国家陷入一种政府被俘获、资源被侵占的腐败境地。这对于处于发展中或转型时期的国家具有特别重要的启示意义。正如陈国权等(2012)所指出的，当前中国要遏制腐败的滋生与蔓延，重点需要发展以法治建设为目标的民主制度，让法治精神引领民主发展。在一波波的民主化浪潮中，这些国家能否对民主化保持审慎的态度，能否对产权保护予以足够的重视，将会对民主化实践的成败产生重要的影响。因而，国家在推动民主化时，必须将法治化建设，尤其是对私人产权的法治保障，置于相对优先的地位。

当然，本研究也存在一些不足，有待后续做进一步完善。一方面，本研究仅揭示了民主、情境与腐败之间的因果关系，对于其中存在的过程与机制，还缺乏深入的解释，后续研究如果能立足于个案或多案例展开长时段的过程追踪，或许会有新的发现。另一方面，在情境要素的选择上，还可以做进一步的扩展和完善。比如，在现有理论的支撑下，可以依据政治、经济、社会、文化、自然资源等多个维度分别选择条件变量，然后分别或同时进行定性比较分析，进而更为全面地解释腐败问题的根源所在。

①https://datahelpdesk.worldbank.org/knowledgebase/topics/19280-country-classification。