区域科技创新政策的量化评价-基于PMC指数模型

张永安，耿　喆
(北京工业大学经济与管理学院，北京　100124)

摘要:主要针对区域科技创新政策的评价研究，以中关村国家自主创新示范区政策为例，运用PMC指数模型并结合文本挖掘方法对相应的区域科技创新政策进行量化评价，以实现为现有政策提供科学合理的量化评价框架的目的，具有为新一轮政策的实施、调整、修正及延续提供决策支持的意义。实证结果表明政策P2的PMC指数低于其他两项，仍有较大的改善空间，但总体来讲三项政策均在合理范围内。最后，提出本研究的局限性及下一步研究方向。

关键词:区域科技创新政策;量化评价;PMC指数模型;文本挖掘

党中央、国务院做出的建设创新型国家的决策，是事关社会主义现代化建设全局的重大战略决策，为此，党和政府制定了一系列针对中央和地方的科技创新政策，为我国科技创新体系的建立奠定了基础。然而当前形势下，我国建设创新型国家的各项指标仍比较低，现有科技创新政策的颁布冗余繁杂、实施效果欠佳也成为了比较突出的问题。由于科技创新政策对我国各项创新事业具有较强的引导和推动作用，因此要实现2020年进入创新型国家行列的目标，对于科技创新政策的评价研究显得尤为必要。从目前的国内外研究现状来看，以实证主义为主的复合型方法论是最主要的方法［1］。并且定量研究科技创新政策评价的意义体现在:首先，确立科学合理的评价机制及框架方法能够客观公正的对现有政策做出评价;其次，可以提供示范性、先导性及基础性的解决方案，为新一轮的政策制定、调整、修正及延续提供决策依据;最后，有利于政策资源的优化配置，为提升自主创新能力提供政策支持与保障［2］。本文以政策量化评价为主旨，以实证主义为主的复合型方法论为指导，通过构建PMC指数模型，选取中关村自主创新示范区为数据来源并结合文本挖掘方法，以实现对我国区域科技创新政策量化评价的目的，达到既能为现有政策做出公正合理评价又能为新一轮政策的实施、调整、修正及延续提供决策支持的意义，所运用到的 PMC(policy modeling consistency)指数模型也旨在为政策的评价研究构建一套完整科学的研究框架。

科技创新政策的评价是一种具有判断、衡量政策方案的复杂系统工程，目前主要有两种评价主张［3］。一种主张是针对政策本身的合理性可行性进行评价，这种评价一般运用经济学或技术经济等评价模型，通过对政策方案进行研究并将研究结果总结成研究报告，从而指导政策制定者对政策做出调整或发布新一轮的政策［4］;另一种主张针对科技创新政策的效果进行评价，根据政策的制定及实施的全过程，对政策全程跟踪评价，这种评价的优点在于更加科学与合理但是评价方式的成本较高［5］。本研究主要针对第一种评价主张，即对政策本身的科学性及合理性进行评价，对于政策实施效果的评价是后续的研究重点。

对于第一种主张的政策评价方法论主要经历了以下几代历程［6－7］:20世纪70年代中期以前的三代政策评价基本强调实验室的实验方法论［8］，其中最为著名的是社会学者A.S.Stephan运用实验设计方法于1930年至1935年评价了美国总统罗斯福的“新政计划”(NEW DEAL SOCIAL);20世纪70年代中后期以后，研究学者们逐渐注重价值和价值判断的规范本位的方法论，Oville F.Poland的“三E”的评估分类架构，Edward A.Suchman的五类评估，David Nachmias的政策系统及检验都是基于价值判断方法论为研究指导的;目前，随着研究学者对实证主义及后实证主义的批判性接受，以经典理论为基础，实证为手段的复合主义研究框架成为了科技创新政策评价的新的方法论，Wollmann提出经典的政策评价 (classical evaluation)是通过揭示因果机制来反映分析政策的成果和失败以及对社会的影响［9］;从目前国外研究现状来看，以实证主义为主的复合型方法论是最主要的方法。

目前国内的科技创新政策评价基本处于模仿和吸收国外成果的阶段。赵维双，姜琳琳运用模糊综合评价法对辽宁省的科技创新政策总体水平进行了深入探讨，对评价结果进行分析［10］;汪晓梦基于相关性和灰色关联分析的视角对区域性技术创新政策绩效评价予以实证研究，并选取合肥市作为分析案例［11］;徐新鹏，尹哲来运用层次分析法对相关政策进行评价研究［12］;时丹丹采用调查问卷的数据，构建基于BP人工神经网络的工艺创新科技政策评价模型用来评价科技政策［13］。综上所述，目前国内研究学者多以实证主义为主的复合型方法论为指导，从定量角度研究政策的评价，但是所运用的模型框架又存在各自的缺陷。层次分析法的缺陷在于评价对象的因素不能过多 (一般不多于9个);模糊综合评价法的缺陷在于指标权重矢量的确定主观性较强，并且当指标集U较大，在权矢量和为1的条件约束下，相对隶属度权系数往往偏小，权矢量与模糊矩阵R不匹配，结果会出现超模糊现象，分辨率很差;人功神经网络法的缺陷在于精度不高，需要大量的训练样本等问题。因此，为了解决上述问题，本文对我国区域科技创新政策的评价进行研究，研究结构如下:首先，介绍PMC指数模型的定义与理论基础;其次，构建PMC指数模型的研究框架并结合文本挖掘方法对我国区域科技创新政策进行实证研究;最后，归纳研究结论并说明局限性及未来研究方向。文章的政策样本以信息披露较为完善的中关村国家自主创新示范区的区域科技创新政策为数据来源。

PMC(policy modeling consistency)指数模型同以往的政策评价模型的区别在于，PMC指数模型是基于Omnia Mobilis假说为指导思想。Omnia Mobilis假设是Ruiz Estrada et al.在其文章Beyond the ceteris paribus assumption:Modeling demand and supply assuming omnia mobilis中提出的，主旨为世界上万事万物均是运动并联系的，所以不应该忽视或认为任何一个相关变量是不重要的［14］。因此在选取变量时考虑范围应尽可能广泛并且不要忽略任何一个有可能的相关变量。这与早期的其他条件均相同假设(Ceteris Paribus assumption)的主旨思想是相对立的。PMC指数模型的作用在于1)可以分析一项政策的内部一致性;2)可以分析一项政策的优势及劣势，通过PMC指数及PMC曲面反映政策的总体评价及各单项的具体情况，本文正是基于PMC指数模式来对我国的区域科技创新政策进行评价。PMC指数模型在具体运用过程中包括以下4个步奏:1)变量的分类以及参数的识别;2)建立多投入产出表; 3)PMC指数的测量;4)构建PMC曲面。PMC曲面是从多维的视角来反映政策的优势及劣势，通过图像的方式更加直观生动。

由于PMC指数模型是以Omnia Mobilis假说为指导思想，因此在设立变量时应该尽可能的考虑全面。本文在参考M.A.Ruiz Estrada(2011)研究基础上，调整并确立了10个主变量以及44个二级变量。这10个主变量依次为:(X1)政策性质;(X2)政策功能;(X3)持续效力;(X4)发布机构;(X5)政策领域;(X6)作用层面;(X7)激励措施;(X8)受体范围;(X9)政策级别;(X10)文件引用。

3.1　　数据来源

中关村国家自主创新示范区是我国科技创新产业集群的领头羊，素有中国硅谷之称。中关村的政策发布公开化程度高、信息披露程度全面、统计信息查询便利，是研究区域科技创新政策的很好数据来源。

笔者整理了中关村自2008－2013年较为典型的102项科技创新政策，所有政策均来自于当年中关村国家自主创新示范区官网公布的《政策法规》、《统计信息》、北京市科学技术委员会官网《信息公开》、《北京统计年鉴》、北京市经信委《北京市企业技术中心认定与评价》以及国家发改委、科技部《国家试点科技政策——中关村国家自主创新示范区》等。这102项科技创新政策涉及股利和分红激励试点政策、高新企业技术创新、高新企业技术认定等，具体统计情况参见表1。

表1　　中关村科技创新政策的分类整理

注:根据中关村官网《政策法规》公告及科技部《科技政策》整理，某些政策涉及以上内容的多个方面。(截止2014年5月10日)

3.2　　变量的分类及参数的识别

在本研究中对于区域科技创新政策的PMC指数模型包括10个主要变量及44个二级变量。这十个主要变量分别为 (X1)政策性质;　(X2)政策功能;(X3)持续效力;(X4)发布机构;(X5)政策领域;(X6)作用层面;(X7)激励措施;(X8)受体范围;(X9)政策级别;(X10)文件的引用。

(1)主要变量1(X1)　(政策性质)由5个二级变量组成:　(X1:1)预测;　(X1:2)监督; (X1:3)提议;(X1:4)描述;(X1:5)诊断。

(2)主要变量2(X2)　(政策功能)包括7个二级变量:(X2:1)产品创新;(X2:2)国际交流;　(X2:3)规范引导;　(X2:4)政府采购; (X2:5)技术合作;(X2:6)市场信息;(X2:7)研发指导。

(3)主要变量3(X3)　(持续效力)包括3个二级变量:(X3:1)长期;(X3:2)短期;(X3: 3)中期。

(4)主要变量4(X4)　(发布机构)包括5个二级变量:(X4:1)国务院;(X4:2)国家部委; (X4:3)省市地委;(X4:4)省市厅局;(X4:5)区管委会。

(5)主要变量5(X5)　(政策领域)包括7个二级变量:(X5:1)经济;(X5:2)社会;(X5: 3)技术;　(X5:4)政治;　(X5:5)环境;　(X5: 6)制度;(X5:7)科学。

(6)主要变量6(X6)　(作用层面)包括5个二级变量:(X6:1)国家创新;　(X6:2)区域经济;　(X6:3)产业发展;　(X6:4)企业创新; (X6:5)新技术 (产品)。

(7)主要变量7(X7)　(激励措施)包括5个二级变量:(X7:1)提供有利资源;(X7:2)提供人才;(X7:3)提供法律保障;　(X7:4)提供投资补贴;(X7:5)提供税收优惠。

(8)主要变量8(X8)　(受体范围)包括4个二级变量:(X8:1)全国企业;　(X8:2)区域内企业;(X8:3)产业内企业;(X8:4)个别企业。

(9)主要变量9(X9)　(政策级别)包括3个二级变量:(X9:1)开发区级;(X9:2)省市级; (X9:3)国家级。

(10)主要变量10(X10)(文件引用)没有设置二级变量。表2为各主要变量及相应的二级变量名称;表3为部分二级变量的具体解释。

表2　　区域科技创新政策变量设置

表3　　部分二级变量的具体解释

除了主要变量及二级变量的确立，参数的设定也是构建PMC指数模型所必须的。现规定参数情况如下:(1)如果政策能够符合相应的二级变量，那么该二级变量设定为1;(2)如果政策在该二级变量上不符合则二级变量设定为0。所有的参数设定为二进制的0和1，以确保每一个二级变量均是同等重要并对多投入产出表发挥着同样的影响。

3.3　　建立多投入产出表

多投入产出表构建了一套可供选择的数据分析框架，它能够储存大量的数据来计算任何一个单独变量。建立多投入产出表是计算10个主变量的基础，每一个主变量又包括n个二级变量，并且对于二级变量的数量没有限制，并且对于二级变量的重要性是相同的，无需做出重要性的排名。为了给二级变量赋予相同的权重，这里有必要对所有变量采取二进制形式的处理，本研究建立的多投入产出表具体结果见表4。

表4　　多投入产出表

3.4　PMC指数的计算及对政策的评价

计算PMC指数包括以下四个步奏:(1)将主要变量及二级变量放入多投入产出表中 (见表4); (2)根据公式 (a)　(b)中涉及到的参数计算二级变量;(3)根据公式 (c)计算各主要变量;　(4)根据计算出的各主要变量计算PMC指数，参考公式(d)。

最后根据PMC指数对相应的科技创新政策做出评价，PMC指数可以分为四个档次，若计算结果位于9－7表示政策最优;位于6.99－5表示政策良好;位于4.99－3表示可接受的;位于2.99－0表示政策不良的。

t=主要变量;j=二级变量;(www.xing528.com)

3.5　PMC曲面的构建

PMC曲面是建立在PMC指数基础上，以图像的方式呈现出对政策的评价效果，构建PMC曲面的目的在于可以更加形象直观的反映研究结果。构建PMC曲面首先需要构建PMC矩阵，本研究涉及到10个主要变量，但X10无二级变量，因此考虑到矩阵的对称性及PMC曲面的平衡性，本研究将X10剔除，形成3阶方阵。PMC曲面的计算可以参见公式(e)。

基于以上区域科技创新政策的评价框架，本研究选用了3项不同的中关村国家自主创新示范区科技创新政策，这3项政策均来自于整理的102项中关村科技创新政策中。第一项政策样本为国家发展改革委印发的《国务院关于中关村国家自主创新示范区发展规划纲要 (2011－2020年)》的通知 (发改高技 ［2011］367号)，以下简称为P1;第二项政策样本为北京市人民政府办公厅印发的《中关村科技园区管理体制改革方案》，以下简称为P2;第三项政策样本为中关村国家自主创新示范区领导小组印发的《关于支持中关村互联网金融产业发展的若干措施》(中示区组发〔2013〕4号)，以下简称为P3。

为了保证变量计算的客观性，本研究在二级变量的计算上结合了文本挖掘的方法，文本挖掘在政策文本的处理上优于其他数据挖掘方法，并且较之主观的专家打分也更加客观公正。本文将3项政策文本导入文本挖掘数据库，形成文档集并运用ROSTCM6文本挖掘软件将文档集进行分词处理。分词处理最重要的是确定分类关键词，关键词的设定依据二级变量的名称，如果政策文本中出现相应的关键词则二级变量设置为1，否则为0。需要特别说明的是本文有意选取了国家级、省市级、开发区级三项不同级别的政策，因此X9中的3个二级变量不必设为分类关键词。

依据设定好的变量及参数，构建了三项政策的多投入产出表，结果见表5;PMC指数见表6。表7是三项政策的PMC曲面，根据曲面的计算结果，可以得到图1－图3。

表5　　各项政策的多投入产出表

表6　　各项政策的PMC指数

表7　　各项政策的PMC曲面

依据PMC指数及PMC曲面的数据结果，三项政策均较为合理，各项政策的每个主要变量情况可以通过图1－图3清晰的反映。其中P1的PMC指数6.79表示良好，P2的PMC指数4.66表示可接受的，P3的PMC指数6.05表示良好。在政策P2中，导致PMC指数低于其他两项是由于X2、X7、X8三个主要变量的分值比较低。关于政策P2需要注意到，由于P2是关于中关村科技园管理机制改革的一项政策，因此在X2(政策功能)上主要反映出规范引导等较为单一的功能;其次，在X7(激励措施)主变量上只涉及到人才供给及法律保障两项，对于其他补贴、资金等资源支持没有涉及，因此可以在激励措施上予以加强;最后由于针对的是中关村上层管理机制的政策，受体范围不是相关企业，所以X8主变量的得分为0。上述原因导致政策 P2的PMC指数较其他两项较低，这是由政策本身的性质及功能较为单一决定，但是政策制定者依旧可以在激励措施上加大投入，以提高政策的激励效果。因此，政策制定者在考虑此类政策时应该注意奖惩措施，依靠激励机制充分调动改革的积极性，提升改革效率，从而为政策制定的合理性、完整性及有效性创立更多的发挥空间。但总体来说PMC指数仍在可接收范围内，表明政策依旧是合理的。

本研究通过构建PMC指数模型对中关村自主创新示范区的三项区域科技政策进行了评价，希望能为目前政策的评价提供一种量化的方法与规范的结构。研究首先介绍了PMC指数模型的指导思想，即Omnia Mobilis假设，该假设认为世界上万事万物均是运动并联系的，所以不应该忽视或认为任何一个相关变量是不重要的，因此在的选取变量时考虑范围应尽可能广泛并且不要忽略任何一个有可能的相关变量;其次，在Omnia Mobilis假设的基础上设立变量和参数，包括各主要变量及相应的二级变量，参数采取二进制的形式;第三，构造多投入产出表及计算公式;第四，计算政策的PMC指数，通过计算本文涉及到的三项区域科技创新政策的PMC指数分别为6.79，4.66及6.05;最后，利用PMC曲面将政策的评价结果反映在图像上。研究结果表明三项政策均较为合理，P1与P3良好，P2可以接受并且是由于政策本身的性质决定其PMC指数较其他两项低。当然本研究的局限性主要体现在变量的选择上，对于变量的维度与延展度还需要继续进一步的研究;其次，基于政策评价为基础，对于政策实施效果的评价亦是本研究的关注重点。

参考文献:

［1］杨忠泰．区域创新政策的几个误区 ［J］．科学学与科学技术管理，2010(04):37－47

［2］范柏乃，段忠贤，江蕾．中国自主创新政策演进、效应与优化［J］．中国科技论坛，2013(09):41－50

［3］赵峰，张晓丰．科技政策评估的内涵与评估框架研究［J］．北京化工大学学报 (社会科学版)，2011(01):25－31

［4］赵莉晓．创新政策评估理论方法研究——基于公共政策评估逻辑框架的视角［J］．科学学研究，2014(02):50－57

［5］苏敬勤，许昕傲，李晓昂．基于共词分析的我国技术创新政策结构关系研究［J］．科技进步与对策，2013(09):73－81

［6］RUIZ E M，PARK D．The Korea unification:How painful and costly ［J］．Journal of Policy Modeling，2008，30(1)，87－100．

［7］ESTRADA M A R．Policy modeling:Definition，classification and evaluation［J］．Journal of Policy Modeling，2011(33)，523－536．

［8］FISCHER F，MILLER G，WOLLMANN H，et al．Policy Evaluation and Research in Handbook of Public Policy［M］．Bocaraton:CRC Press，2007:26

［9］WOLLMANN H．The development of a sustainable development model framework［J］．Energy policy research．2007(13):69－75

［10］姜琳琳．辽宁省科技创新政策实施效果评价研究［D］．沈阳:沈阳理工大学，2013:32

［11］汪晓梦．区域性技术创新政策绩效评价的实证研究——基于相关性和灰色关联分析的视角［J］．科研管理，2014(05):10 －18

［12］徐新鹏，尹新哲，马大来．基于层次分析法的统筹城乡户籍制度改革政策评价的应用研究［J］．西北人口，2013(04):27 －33

［13］时丹丹，嵇国平．基于BP人工神经网络的工艺创新科技政策评价［J］．统计与决策，2011(16):42－48

［14］RUIZ E M，YAP S F，NAGARAJ S．Beyond the ceteris paribus assumption:Modeling demand and supply assuming omnia mobilis ［J］．International Journal of Economics Research，2008(2):185 －194

中图分类号:F420;F124.3

文献标志码:A

文章编号:1000－7695(2015)14－0026－06

doi:10.3969/j.issn.1000－7695.2015.14.006

作者简介:张永安 (1957—)，男，陕西咸阳人，博士，教授，博士生导师，主要研究方向为经济与管理系统复杂性、政策管理、仿真;耿喆 (1987—)，男，山西太原人，博士研究生，主要研究方向为区域科技创新政策。

The Quantitative Evaluation of Regional Science and Technology Innovation Policy: Based on the index of PMC Model

ZHANG Yong’an，GENG Zhe
(School of Economics and Management，Beijing University of Technology，Beijing 100124，China)

Abstract:Regional science and technology innovation policy have important effect on national independent innovation strategy，regional economic development and science and technology innovation ability of intra－regional enterprises.In this paper，aiming at regional science＆technology innovation policy evaluation research，taking Zhongguancun Science Park as an example，we use the PMC index model combined with the text mining methods to make quantitative evaluation on the regional science＆technology innovation policy，so that we can achieve the target of providing the quantitative evaluation framework for existing policy and decision support for the implementation，adjustment，correction，and extension of the new policy.The empirical results show that PMC index of policy 2 is lower than the other two，while there is still a comparatively large improvement space.But in general the three policies are within a reasonable range.Finally，the limitations and further research direction are proposed.

Key words:regional science and technology innovation policy;quantitative evaluation;PMC index model;text mining