张永安，郄海拓

(北京工业大学 经济与管理学院，北京 100124)

摘 要：以2014-2016年国务院12项创新政策为研究对象，基于国内外学者研究成果并结合创新政策特点，构建PMC指数模型，包含9个一级变量及37个二级变量。通过文本挖掘方式对12项国务院创新政策进行深入挖掘和量化评价，并结合PMC曲面将最终结果直观反映出来，发现待评价的12项政策均为优秀级别。为便于分析和改进，对传统政策评分等级进行二次划分，将优秀级别分为优上和优下两个级别，通过多投入产出表和各项政策PMC指数汇总表对两级变量得分进行两级追溯和确定，找到政策薄弱环节，对新政策制定或原有政策修改具有一定借鉴意义。

关键词：创新政策；PMC；政策评价；评价模型；指数模型

2013年，李克强总理在国务院第一次全体会议上提出大力推进创业创新，此后创新政策越来越受到重视，特别是在2014-2016年，创新更是被提升到国家经济发展新引擎的战略高度。习近平总书记指出：“抓创新就是抓发展，谋创新就是谋未来。”李克强总理强调：“我国发展进入新常态，正处在发展方式和新旧动能转换的关键时期，要以大众创业、万众创新这一结构性改革激发全社会创造力，打造发展新引擎。”从2014年开始，各项创新政策相继出台。胡静等[1]在湖北省土地政策评价模型政策变量分析中提出，土地利用政策评价是土地政策废、改、立的主要依据。而实际上，这句话也可以拓展到创新政策领域，即创新政策评价是创新政策废、改、立的主要依据。

本文以2014-2016年国务院出台的12项政策为基础，建立PMC指数模型，深入挖掘创新政策的具体情况，以期为政策制定与修改提供新思路和借鉴。

创新政策的出台会对经济、社会、技术、政治、环境等产生重要影响。在创新政策推动下，在市场、监管及相关部门的激励、约束下，会产生一系列新成果，通过一定渠道，创新成果进入转化环节，进而促进经济发展，经济发展又对创新政策起促进作用，从而形成一个完整的循环链，如图1所示。

图1 创新政策作用机理

探究创新政策作用机理，有助于厘清PMC指数模型构建过程中需要切实考虑的各项问题，为后续研究奠定坚实基础。

2.1 政策评价研究现状

评价不仅对政策制定、执行和反馈调整具有直接促进作用[2]，对全球趋势认识及国家创新战略的建立和调整也具有重要影响[3]。

政策评价始于Edward A·Suchman(1967)的5类评估，以及随后Oville F Poland(1974)的“三E”评估分类架构和Wollmann[4]提出的经典政策评价。上述国外文献均以实证研究为主[5]。时丹丹等(2011)在评价科技政策时构建了基于BP的人工神经网络；赵维双、姜琳琳[6]等运用模糊综合评价法评价政策；徐新鹏、尹哲来[7]运用层次分析法评价研究相关政策。

目前，很多评价方法都存在一定缺陷，主要体现在不可避免的主观性和较低的精确度等方面，而PMC指数模型方法由于是通过文本挖掘方式获取原始数据，能够在很大程度上避免主观性并提高精确度。

2.2 创新政策评价研究现状

创新政策评价研究现状可划分为维度、框架及方法、工具和手段。

2.2.1 维度

刘会武等[8]提出面向创新政策评价的3个维度，即评价目的、评价时间和创新活动,并据此对由政策支持的创新活动进行效率、效果、效益等评价。彭纪生等[9]从政策力度、政策措施和政策目标3个维度出发，进行政策细化并对政策进行赋值。刘会武等(2009)提出创新政策“钻石模型”分析框架，研究国家创新战略、政策供给、政策需求与评价判断战略要素的紧密关系。张炜等[10]认为创新政策评价指标包括政策协同度、政策强度和政策完善度3个维度，通过政策赋值量化法与模糊数学方法构建多维评价指标，提出关注创新政策协同度和完善度的重要性。

2.2.2 框架

OECD《奥斯陆手册(第三版)》[11]提出创新测度框架，将创新政策镶嵌到由企业内部创新、外部创新需求及教育研发基础设施等构成的体系中。Joe Ravetz、Kieron Flanagan[12]提出地区创新评价系统由地区创新战略、创新政策、创新活动构成。

2.2.3 方法、工具和手段

常用的政策评价工具包括案例研究、专家访谈、比较分析等(刘会武等，2009)。高峰[13]提出采用政策指数分析手段，以比较研究区域政策。李靖华、常晓然[14]采用模糊数学方法，对2001-2012年我国流通产业创新政策内部协同性进行了研究。汪晓梦[15]基于相关性和灰色关联分析视角，对区域性技术创新政策绩效评价进行了实证研究。张永安、耿喆(2015)和张永安、郄海拓[16]运用PMC指数评价方法，分别就我国区域科技创新政策和金融政策组合对企业技术创新的影响进行了量化评价，为政策废、改、立提供了相关依据。

上述分析框架、维度和方法等都为本文写作提供了思路与研究基础。本文基于文本挖掘法[17]和PMC指数模型方法构建创新政策指数评价模型，以避免专家打分的主观性，提高精确度，并对2014-2016年国务院出台的12项创新政策文件进行分析，最后以结果绘制曲面图，更加直观地对政策组合进行量化评价。

PMC指数(Policy Modeling Consistency Index) 和Omnia Mobilis假设由Ruiz Estrada等提出。他们认为，万事万物均存在联系和具有运动特性，研究政策模型时应将变量广泛考虑在内。因此，二级变量数目不应设置限制且变量权重应该相同[18]。这是区别于其它条件假设均相同(Ceteris Paribus assumption)的创新所在。另外，该模型采用二进制平衡所有变量。

PMC用于分析某一具体政策模型的一致性水平，并且能够直观了解待评价政策的优势和缺陷，以及这些变量所代表的具体含义和水平[19]。

通常情况下，PMC指数模型建立有如下步骤：建立多投入产出表；计算两级变量值及PMC指数；绘制PMC曲面图。

3.1 政策选取

本文选取的12项创新政策如表1所示。

3.2 变量确认与多投入产出表建立

基于已有文件和文本挖掘方法，本文综合参照Mario Arturo Ruiz Estrada[18]和已有文献中学者对于政策评价指标的设定进行修改，共设置9个经典一级变量。在二级变量设置上，结合上述学者讨论的经典二级变量和本文研究问题，以及中国政策具体情况进行调整。变量X1包含X1:1～X1:6，共6个二级变量；变量X2包含X2:1～X2:4，共4个二级变量；变量X3包含X3:1～X3:4，共4个二级变量；变量X4包含X4:1～X4:6，共6个二级变量；变量X5包含X5:1～X5:3，共3个二级变量；变量X6包含X6:1～X6:4，共4个二级变量；变量X7包含X7:1～X7:5，共5个二级变量；变量X8包含X8:1～X8:5，共5个二级变量；变量X9没有二级变量。

表1 12项创新政策组合汇总

序号名称发文字号发布日期1国务院关于加快科技服务业发展的若干意见[20]国发〔2014〕49号2014年10月28日2国务院关于扶持小型微型企业健康发展的意见[21]国发〔2014〕52号2014年11月20日3国务院关于创新重点领域投融资机制鼓励社会投资的指导意见[22]国发〔2014〕60号2014年11月26日4国务院办公厅关于促进国家级经济技术开发区转型升级创新发展的若干意见[23]国发〔2014〕54号2014年11月21日5国务院关于大力推进大众创业万众创新若干政策措施的意见[24]国发〔2015〕32号2015年06月16日6国务院关于积极推进“互联网+”行动的指导意见[25]国发〔2015〕40号2015年07月04日7国务院办公厅关于创新投资管理方式建立协同监管机制的若干意见[26]国办发〔2015〕12号2015年3月19日8国务院办公厅关于推进线上线下互动加快商贸流通创新发展转型升级的意见[27]国办发〔2015〕72号2015年09月29日9国务院关于促进加工贸易创新发展的若干意见[28]国发〔2016〕4号2016年01月18日10国务院办公厅关于完善国家级经济技术开发区考核制度促进创新驱动发展的指导意见[29]国办发〔2016〕14号2016年04月01日11国务院办公厅关于建设大众创业万众创新示范基地的实施意见[30]国办发〔2016〕35号2016年05月12日12国务院关于印发“十三五”国家科技创新规划的通知[31]国发〔2016〕43号2016年08月08日

来源：http://www.gov.cn/guowuyuan/ 等相关网站

国务院创新政策量化评价PMC指标中各变量设计如表2所示。首先,共有9个一级变量，用X1～X9表示。

表2 2014-2016年国务院创新政策变量设置

主要变量编号二级变量名称编号二级变量名称来源或依据X1:1预测X1:2监管X1政策性质X1:3建议X1:4描述基于张永安、耿喆(2015)和张永安、郄海拓[16]文章修改X1:5引导X1:6其它X2政策效力X2:1长期X2:2中期基于张永安、耿喆(2015)和张永安、郄海拓[16]文章修改X2:3短期X2:4本年内X3激励约束X3:1人才激励X3:2法律法规基于张永安、耿喆(2015)和张永安、郄海拓[16]文章修改X3:3税收、补贴激励X3:4其它X4:1经济X4:2社会X4政策领域X4:3技术X4:4政治基于M·A·RuizEstrada[18]文章修改X4:5环境X4:6其它X5X5:1依据充分X5:2目标明确基于肖念涛、谢赤[32]和张永安、郄海拓[16]文章修改政策评价X5:3方案科学X6政策重点X6:1X6:3创新成果转化X6:2X6:4市场主导其它基于张永安、耿喆(2015)和张永安、郄海拓[16]文章修改X7:1省X7:2自治区及直辖市X7政策受体X7:3各部委X7:4各直属机构基于张永安、耿喆(2015)和张永安、郄海拓[16]文章修改X7:5其它X8主题分类X8:1X8:3X8:5科教商贸及经济其它X8:2X8:4市场监管综合政务基于张永安、郄海拓[16]文章修改X9基于M·A·RuizEstrada政策公开[18]文章修改

其中，政策性质X1决定此项政策是否对创新存在预测、监管、建议、描述、导向等作用，并对每个二级变量进行设置，以便下一步评分。政策效力分为长期、中期、短期和本年内，用于考察待评价政策在创新方面的时效性特征。在时间界定上，本文采用如下标准：长于10年为长期政策，5～10年为中期政策，1～5年为短期政策，1年以内为本年内政策。第三个一级变量是激励约束，考察待评价政策对创新的激励约束是否合理，包括人才激励、法律法规、补贴及税收激励和其它激励4个方面。第四个一级变量是政策领域，考察待评价政策的作用范围，包括经济、社会、技术、政治、环境及其它。第五个一级变量是政策评价，从依据充分、目标明确和方案科学3个方面对创新政策进行评价。第六个一级变量为政策重点，涵盖创新、市场主导、成果转化及其它选项。第七个一级变量为政策受体，包含省、自治区及直辖市、各部委、各直属机构及其它二级变量。第八个一级变量是主题分类，包含科教、市场监管、商贸及经济、综合政务及其它5个二级变量。第九个一级变量是考察政策是否公开，公开则取值为1，否则取值为0。

确定一级变量和二级变量后，运用文本挖掘法对变量进行打分，各变量评分标准如表3所示。

表3 二级变量评分标准

变量 评分标准 (X1:1)预测判断待评价政策是否具有预测性,有则为1,没有为0(X1:2)监管判断待评价政策是否涉及监管,有则为1,没有为0X1(X1:3)建议判断待评价政策是否有所建议,有则为1,没有为0(X1:4)描述判断待评价政策是否具有描述性内容,有则为1,没有为0(X1:5)引导判断待评价政策是否具有引导性,有则为1,没有为0(X1:6)其它判断待评价政策是否具有其它性质,有则为1,没有为0(X2:1)长期判断待评价政策是否涉及长期内容(多于10年),有则为1,没有为0X2(X2:2)中期判断待评价政策是否涉及中期内容(5～10年),有则为1,没有为0(X2:3)短期判断待评价政策是否涉及短期内容(1～5年),有则为1,没有为0(X2:4)本年内判断待评价政策是否涉及本年内内容,有则为1,没有为0(X3:1)人才激励判断待评价政策是否涉人才激励内容,有则为1,没有为0X3(X3:2)法律法规判断待评价政策是否涉及相应法律法规,有则为1,没有为0(X3:3)税收补贴激励判断待评价政策是否涉及税收或补贴激励内容,有则为1,没有为0(X3:4)其它判断待评价政策是否涉及其它重要内容,有则为1,没有为0(X4:1)经济判断待评价政策是否涉及经济内容,有则为1,没有为0(X4:2)社会服务判断待评价政策是否涉及社会服务内容,有则为1,没有为0X4(X4:3)技术水平判断待评价政策是否涉及技术水平内容,有则为1,没有为0(X4:4)政治判断待评价政策是否涉及政治内容,有则为1,没有为0(X4:5)环境判断待评价政策是否涉及环境内容,有则为1,没有为0(X4:6)其它判断待评价政策是否涉及以上内容外的其它内容,有则为1,没有为0(X5:1)依据充分判断待评价政策依据是否充分,有则为1,没有为0X5(X5:2)目标明确判断待评价政策目标是否明确,有则为1,没有为0(X5:3)方案科学判断待评价政策方案是否科学,有则为1,没有为0(X6:1)创新判断待评价政策是否重视创新,有则为1,没有为0X6(X6:2)市场导向判断待评价政策是否重视市场导向,有则为1,没有为0(X6:3)成果转化判断待评价政策是否重视成果转化,有则为1,没有为0(X6:4)其它判断待评价政策是否还有其它重点,有则为1,没有为0(X7:1)省判断待评价政策受体是否包括省,有则为1,没有为0(X7:2)自治区及直辖市判断待评价政策受体是否包括自治区及直辖市,有则为1,没有为0X7(X7:3)各部委判断待评价政策受体是否包括各部委,有则为1,没有为0(X7:4)各直属机构判断待评价政策受体是否包括各直属机构,有则为1,没有为0(X7:5)其它判断待评价政策受体是否包括其它,有则为1,没有为0(X8:1)科教判断待评价政策主题是否包括科教,有则为1,没有为0(X8:2)市场监管判断待评价政策主题是否包括市场监管,有则为1,没有为0X8(X8:3)商贸及经济判断待评价政策主题是否包括综合政务,有则为1,没有为0(X8:4)综合政务判断待评价政策主题是否包括商贸及经济,有则为1,没有为0(X8:5)其它判断待评价政策主题是否包括其它,有则为1,没有为0X9判断待评价政策是否公开,是则为1,不是为0

3.3 PMC指数计算

3.3.1 PMC指数计算方法

根据Mario Arturo Ruiz Estrada[18]的方法，PMC指数计算分为4步：①将两级变量放到表5的12项创新政策组合多投入产出表中；②通过文本挖掘确定二级变量取值。如公式(1)、(2)所示，各二级变量服从[0，1]分布，即二级变量的值可以取0或1，评分标准见表3。此创新政策在一级指标下的数值为二级变量得分之和与此二级变量个数之比，即算数平均值，二级变量数值严格控制在[0，1]之间；③依据公式(3)计算创新政策的一级指标值；④将待评价创新政策各一级指标值加总计算出PMC指数，如公式(4)所示。该公式基于张永安(2015)的文章进行修改得到。

X～N[0,1]

(1)

X={XR:[0～1]}

(2)

Xt() t=1, 2, 3, 4, 5, 6, 7, 8, 9, 10, …

(3)

t= 一级变量; j=二级变量；

(4)

表4 政策评分等级[18]

得分9～107～8.995～6.990～4.99评价完美优秀可接受不良

将待评价创新政策的PMC指数计算出来后，根据得分对政策进行评级，评价标准如表5所示。

3.3.2 待评价政策组合的PMC指数计算及评价

根据PMC指数计算方法和文本挖掘方法得出12项政策组合投入产出表，如表5所示。然后计算各项创新政策的PMC指数，并汇总至表6，并根据表3进行评价。

表5 12项创新政策组合多投入产出

X1X1:1X1:2X1:3X1:4X1:5X1:6P4011111P12111111X2X2:1X2:2X2:3X2:4P41000P121111X3X3:1X3:2X3:3X3:4P41111P121111X4X4:1X4:2X4:3X4:4X4:5X4:6P4111111P12111111X5X5:1X5:2X5:3P4111P12111X6X6:1X6:2X6:3X6:4P41101P121111X7X7:1X7:2X7:3X7:4X7:5P411111P1211111X8X7:1X7:2X7:3X7:4X7:5P4001001P12100001X9

3.4 PMC曲面构建

3.4.1 PMC曲面构建方法

为了让PMC指数结果更加直观地展现出来，在得到PMC指数后就可以建立PMC曲面，因为一级变量共有9个，使变量成为3*3矩阵。PMC曲面计算见公式(5)[18]。

PMC曲面

(5)

3.4.2 待评价创新政策的PMC曲面

由于选取的创新政策均为国务院发布的比较优秀和完备的创新政策，因此从PMC指数看，这些创新政策均处于优秀级别(PMC指数处于[7，8.99])。为了将P1～P12加以区分，本文将上述12项政策分为优上、优下两个级别，具体如表7所示。

根据上述评分标准可知，P11和P12两项为优上级，得分均为8.200，其余10项创新政策则均属于优下级。

本文还发现，从时间上看，各项政策的PMC指数得分虽有小幅度起伏，但基本呈上升趋势，按照时间顺序，不区分发文机关为国务院还是国务院办公厅，政策发文顺序为:P1-P2-P4-P3-P7-P5-P6-P8-P9-P10-P11-P12，统计结果如图2所示。

可以看出，按照时间顺序对政策进行排序，PMC得分趋势基本呈上升趋势，说明随着时间的推进，国务院出台各项创新政策的完备度、针对性及合理性等都有所提高。这证明，我国创新政策正在逐渐走向完善。

上文分析了各项创新政策的PMC指数。为了便于比较，本文将各一级指标X1～X9的均值计算出来并作详细分析。图3～图14为每个创新政策的PMC曲面。

图2 创新政策PMC得分趋势

创新政策P1的PMC指数为7.450，指数排名第六，等级为优下，也是2014年待评价创新政策中PMC指数最高的政策。这项政策中，一级变量中除政策效力X2、政策重点X6和主题分类X8略低于平均水平外，其它几项指标均高于或等于平均水平，说明创新政策P1制定时考虑比较全面。如果要进行政策改善可从政策效力、政策重点和主题分类等方面进行完善。参考改进顺序为：X2-X8-X6，此顺序并非是绝对的，还应结合政策具体情况进行。在这里可以看出，PMC指数和PMC曲面方法可以快速而准确地找到政策评分较低的政策原因，可针对某一政策的某一项进行完善。

创新政策P2的PMC指数为7.117，PMC指数排名第十，属于优下级。其中，政策性质X1、政策效力X2、政策领域X4、政策重点X6、主题分类X8均低于平均水平。如果要对这项政策进行改进，可以考虑是否对一级变量对应内容进行相应补充或调整，顺序可以参照变量与均值之间的差异从大到小进行。参考改进顺序为：X1-X4-X2-X8-X6，此顺序不是绝对的，要结合政策具体情况进行。

创新政策P3的PMC指数为7.003，PMC指数排名最后。其中，在激励约束X3、政策领域X4、政策重点X6和主题分类X8上，创新政策P3均低于平均值，X6和X3两项与均值的差异均超过0.2，参考改进顺序为：X6-X3-X4-X8，此顺序不是绝对的，应结合政策具体情况进行。

创新政策P4的PMC指数为7.003，同样PMC指数排名最后，主要表现在政策效力X2上相对单一。此外，还有政策性质X1、政策重点X6及主题分类X8，但其它指标与平均值差别不大。政策完善可以结合实际情况首先考虑这4个方面。参考改进顺序为：X6-X3-X4-X8，此顺序不是绝对的，应结合政策具体情况进行。

创新政策P5的PMC指数为7.283，PMC指数排名第七。其中，政策性质X1、激励效力X2、政策重点X6和主题分类X8评分低于均值，前两项与均值差异在0.1以上，而后两项评分虽然低于平均水平，但相差不大，政策完善可首先考虑从前两方面入手，再考虑X6和X8，即参考改进顺序为：X2-X1-X8-X6，此顺序不是绝对的，应结合政策具体情况进行。

创新政策P6的PMC指数为7.283，PMC指数排名第七，与P5相同。而政策领域X4、政策重点X6、主题分类X8均低于均值，其中政策重点X6低于平均水平0.271，如果需进行政策完善，则可以首先从这3个方面入手，并将政策重点作为第一个改善项目，即参考改进顺序为：X6-X4-X8，此顺序不是绝对的，应结合政策具体情况进行。

创新政策P7的PMC指数为7.233，PMC指数排名第九。其中,政策效力X2、激励约束X3、政策领域X4和政策重点X6均低于平均水平，在激励约束方面的差异最大，超过了0.2。因此，如果想要进行创新政策完善，首先需考虑激励约束方面的改进，然后再考虑政策效力、政策领域和政策重点等方面。即参考改进顺序为：X3-X4-X2-X6，此顺序不是绝对的，应结合政策具体情况进行。

表6 各项创新政策的 PMC指数

创新政策P1P2P3P4P5P6均值(X1)政策性质1.0000.8331.0000.8330.8331.0000.958(X2)政策效力0.5000.5000.7500.2500.5000.7500.604(X3)激励约束1.0001.0000.7501.0001.0001.0000.958(X4)政策领域1.0000.8330.8331.0001.0000.8330.944(X5)政策评价1.0001.0001.0001.0001.0001.0001.000(X6)政策重点0.7500.7500.5000.7500.7500.5000.771(X7)政策受体1.0001.0001.0001.0001.0001.0000.936(X8)主题分类0.2000.2000.2000.2000.2000.2000.267(X9)政策公开1.0001.0001.0001.0001.0001.0001.000PMC指数7.4507.1177.0037.0037.2837.283———排名610111177———P7P8P9P10P11P12均值(X1)政策性质1.0001.0001.0001.0001.0001.0000.958(X2)政策效力0.5000.5000.5000.5001.0001.0000.604(X3)激励约束0.7501.0001.0001.0001.0001.0000.958(X4)政策领域0.8331.0001.0001.0001.0001.0000.944(X5)政策评价1.0001.0001.0001.0001.0001.0001.000(X6)政策重点0.7500.7500.7501.0001.0001.0000.771(X7)政策受体1.0001.0001.0001.0001.0001.0000.936(X8)主题分类0.4000.4000.4000.4000.2000.2000.267(X9)政策公开1.0001.0001.0001.0001.0001.0001.000PMC指数7.2337.6507.6507.9008.2008.200———排名944311———P17.450优秀P27.117优秀P37.033优秀P47.033优秀P57.283优秀P67.283优秀P77.233优秀P87.650优秀P97.650优秀P107.900优秀P118.200优秀P128.200优秀

表7 PMC指数优秀级别划分标准

优上优下得分范围[8.0,8.99][7.0,7.99]

创新政策P8的PMC指数为7.650，PMC指数排名第四。其中，政策效力X2、政策重点X6低于平均水平，政策效力与其平均值的差异超过0.1，政策受体差异不大。因此，如果想要进行创新政策完善，首先需考虑政策效力X2方面的改进，然后再考虑政策重点X6方面，即参考改进顺序为：X2-X6，此顺序不是绝对的，应结合政策具体情况进行。

图3 创新政策P1的PMC曲面

图4 创新政策P2的PMC曲面

图5 创新政策P3的PMC曲面

图6 创新政策P4的PMC曲面

图7 创新政策P5的PMC曲面

图8 创新政策P6的PMC曲面

图9 创新政策P7的PMC曲面

图10 创新政策P8的PMC曲面

图11 创新政策P9的PMC曲面

图12 创新政策P10的PMC曲面

图13 创新政策P11的PMC曲面

图14 创新政策P12的PMC曲面

创新政策P9的PMC指数与P8相同，为7.650，PMC指数排名第四。P7与P8评分均一致。因此，如果想要进行创新政策完善，首先需考虑政策效力改进，然后再考虑政策重点X6方面,即参考顺序为：X2-X6，此顺序不是绝对的，应结合政策具体情况进行。

创新政策P10的PMC指数为7.900，PMC指数排名第三。其中,只有政策效力X2低于平均水平，相差0.104。因此，如果要进行创新政策完善，则可以考虑在政策效力方面加以改进。

创新政策P11的PMC指数为8.200，PMC指数排名第一。其中，只有主题分类X8略低于平均水平，如果想要进行政策改进，则可以考虑丰富这一方面。

创新政策P12与P11的各项一级指标评分都一致，PMC指数为8.200，PMC指数排名第一，如果要进行政策改进，则可以考虑丰富主题分类。

根据上述分析结果可知，本文选取的12项国务院政策均属于优秀级别。为了方便区分，本文将其分为优上和优下两个级别，从各项政策的PMC指数结果可以看出，针对每项政策的高分项和低分项，如果要确定具体原因，可追溯到12项创新政策多投入产出表(见表5)中的各二级变量得分。因此，可以较为精准地确定政策评分较高或较低的原因，并为政策的废、改、立提供具体、可操作方法，也为研究类似问题提供新思路。

为了使政策对比更加清晰，本文选取评分最低的政策P4与评分最高的政策P12进行对比。P4是《国务院办公厅关于促进国家级经济技术开发区转型升级创新发展的若干意见》，P12是《国务院关于印发“十三五”国家科技创新规划的通知》。

表8 P4与P12的PMC指数

政策P4P12均值(X1)政策性质0.8331.0000.958(X2)政策效力0.2501.0000.604(X3)激励约束1.0001.0000.958(X4)政策领域1.0001.0000.944(X5)政策评价1.0001.0001.000(X6)政策重点0.7501.0000.771(X7)政策受体1.0001.0000.936(X8)主题分类0.2000.2000.267(X9)政策公开1.0001.0001.000PMC指数7.0038.200------排名111------

从表6各项创新政策的PMC指数得到图15，即P4与P12各项得分对比图中可以看出，P4在(X3)激励约束、(X4)政策领域、(X5)政策评价、(X7)政策受体、(X9)政策公开等方面与P12一样，得分为满分。也即，在超过50%比例的变量中，P4得分都是满分。但为何在总分上却有如此大的差距？本文对此进行详细分析。

表9是P4与P12的多投入产出表，通过这张表能够更加直观地了解P4与P12的根本差异。

(1)(X1)政策性质方面，P4得分为0.833，相比于P12的满分，P4在(X1:1)预测方面并无明细体现。根据两项政策的具体内容，由于P4是《国务院办公厅关于促进国家级经济技术开发区转型升级创新发展的若干意见》，所以其相对于P12而言必然是较为详尽且针对性较强的一项政策，主要包括以下内容：明确新形势下的发展定位、推进体制机制创新、促进开放型经济发展、推动产业转型升级、坚持绿色集约发展和优化营商环境[23]。这项政策着重于厘清工作要点及工作方向，而对未来将取得何种结果，几年内达到何种水平并未明确提出。

而P12是《国务院关于印发“十三五”国家科技创新规划的通知》，从标题分析就能够识别P12是比较综合性和前瞻性的引导型文件，特别是在X1:1预测方面，更是明确提出了2020年国家综合创新能力世界排名(位)、科技进步贡献率(%)、研究与试验发展经费投入强度(%)、每万名就业人员中研发人员(人年)等共计12项指标的年指标值[31]。

图15 P4与P12各项得分对比

表9 P4与P12多投入产出

X1X1:1X1:2X1:3X1:4X1:5X1:6P4011111P12111111X2X2:1X2:2X2:3X2:4P41000P121111X3X3:1X3:2X3:3X3:4P41111P121111X4X4:1X4:2X4:3X4:4X4:5X4:6P4111111P111111X5X5:1X5:2X5:3P4111P12111X6X6:1X6:2X6:3X6:4P41101P121111X7X7:1X7:2X7:3X7:4X7:5P411111P1211111X8X7:1X7:2X7:3X7:4X7:5P4001001P12100001X9

(2)P4与P12的(X2)政策效力各项得分。从表10中可以看出，P4在(X2:2)中期、(X2:3)短期、(X2:4)本年内均低于P12的得分。这是因为，P4中并未明显涉及10年规划，只是一个长期计划，而对本年、1～5年、5～10年却没有明确计划和说明。

而P12则对本年内、短期、中期和长期计划都有明确说明。如“2017年，20万千瓦高温气冷堆核电站示范工程实现并网发电”(本年内)、“到2020年，我国公民具备科学素质比例超过10%”(短期)、“有力支撑‘中国制造2025’”(中期)、加快实施国家科技重大专项，启动“科技创新2030—重大项目”(长期)[32]等都有明确规划和说明。

(3)P4与P12的(X6)政策重点得分。从表10中可以看出，P4低于P12的只有(X6:3)成果转化这一项。从上述分析中可知，P4并未涉及成果转化内容，因此此项得分为0。

而P12则非常注重成果转化，并在全文中33次明确提出成果转化，如“在先进制造、现代农业、生态环境、社会民生等重要领域建设高水平的技术创新和成果转化基地”、“建成若干国家临床研究中心和覆盖全国的网络化、集群化协同研究网络，促进医学科技成果转化应用”、“鼓励政策先行先试，促进国家重大科技成果转化落地，吸引集聚全球顶尖科研机构、领军人才和一流创新团队，引导新型研发机构快速发展，培育创新创业文化”、“支持改革试验区域统筹产业链、创新链、资金链和政策链，在市场公平竞争、知识产权、科技成果转化、金融创新、人才培养和激励、开放创新、科技管理体制等方面取得一批重大改革突破，在率先实现创新驱动发展方面迈出实质性步伐”[31]等。

(4)在(X8)主题分类中，P4与P12得分均为0.2，略低于平均水平(0.267)，P4的主题分类是国民经济管理、国有资产监管/宏观经济[23]，属于(X8:3)商贸及经济。而P12的主题分类是科技、教育/科技[31]，属于(X8:1)科教。

P4的PMC指数为7.003，P12的PMC指数为8.200，两者相差1.197，这一差距较大。客观地说，本文构建的PMC指数的各项变量不是评价政策优劣、好坏的硬性指标，因为有些变量是比较中性的。如(X8)主题分类，并非主题分类越多的政策就一定优于或好于主题分类较少的政策，但PMC指数及相关变量仍为政策评价提供了全新思路，并在不断完善之中。因此，用PMC指数评价政策在相关研究上依然具有重大意义。

本文以2014-2016年国务院发布的12项创新政策为基础，运用PMC指数模型对12项政策进行具体量化评价分析。通过PMC指数模型可以对待评价创新政策进行深度挖掘，了解各项政策的9个一级指标及37个二级指标的具体情况，据此精准定位待评价创新政策的优势及薄弱点，对政策的废、改、立具有指导意义。每项政策的总体情况也可以从PMC曲面得到直观了解。在两级指标设定上，本文综合参照Mario Arturo Ruiz Estrada[18]及国内外学者的研究，并结合创新政策自身特点，对两级指标进行较为合理、客观的设定。在研究方法上，为了避免主观性，本文采用文本挖掘方法，将政策文件作为基础，得到较为客观合理的结果。下一步研究，笔者拟在PMC指数设定上进行改进，设定一些标准变量，使其更具有普适性，再留出一些空间给非标准变量，用于结合被研究问题的具体情况，使PMC指数模式变得更加智能化和多样性，以便拓展PMC应用范围。

参考文献:

[1] 胡静,陈银蓉.湖北省土地政策评价模型的政策变量分析[J].统计与决策,2007(19):102.

[2] YOUNG A.Measuring R&D in the services STI[R].Working Papers,OECD,Paris,1996.

[3] 刘会武,王胜光.创新政策系统分析:钻石模型的提出及应用[J].科学管理研究,2009(4):6-9.

[4] H WOLLMANN.The development of a sustainable development model framework[J].Energy Policy Research,2007 (13):69-75.

[5] 张永安,耿喆.我国区域科技创新政策的量化评价——基于PMC指数模型[J].科技管理研究,2015,7(14):26-37.

[6] 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.

[7] 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(4):27-33.

[8] 刘会武,卫刘江,王胜光,等.面向创新政策评价的三维分析框架[J].中国科技论坛,2008(5):33-36.

[9] 彭纪生,仲为国,孙文祥.政策测量、政策协同演变与经济绩效:基于创新政策的实证研究[J].管理世界,2008(9):25-36.

[10] 张炜,费小燕,方辉.区域创新政策多维度评价指标体系设计与构建[J].科技进步与对策,2016(1): 142-147.

[11] OECD.Oslo manual[M].(Third edition),2005:33.

[12] JOE RAVETZ,KIERON FLANAGAN.Regional innovation policy notes on assessment method[J].Policy Research,2006(4):142-158.

[13] 高峰.基于政策指数的科技政策实证研究[J].科技进步与对策,2013,30(19):105-108.

[14] 李靖华,常晓然.我国流通产业创新政策协同研究[J].商业经济与管理,2014(9):5-16.

[15] 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(5):10-18.

[16] 张永安，郄海拓，金融政策组合对企业技术创新影响的量化评价——基于PMC指数模型[J].科技进步对策，2016(33).

[17] 张永安,耿喆,王燕妮.区域科技创新政策分类与政策工具挖掘——基于中关村数据的研究[J].科技进步与对策,2015(17):116-122.

[18] MARIO ARTURO RUIZ ESTRADA.Policy modeling: definition,classification and evaluation [J].Journal of Policy Modeling,2011(33): 523-536.

[19] RUIZ ESTRADA 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.

[20] 国务院.国务院关于加快科技服务业发展的若干意见[EB/OL].(2014-10-09)[2016-11-27].http://www.gov.cn/zhengce/content/2014-10/28/content_9173.htm.

[21] 国务院.国务院关于扶持小型微型企业健康发展的意见[EB/OL].(2014-10-31)[2016-11-27].http://www.gov.cn/zhengce/content/2014-11/20/content_9228.htm.

[22] 国务院.国务院关于创新重点领域投融资机制鼓励社会投资的指导意见[EB/OL].(2014-11-16)[2016-11-27].http://www.gov.cn/zhengce/content/2014-11/26/content_9260.htm

[23] 国务院办公厅.国务院办公厅关于促进国家级经济技术开发区转型升级创新发展的若干意见[EB/OL].(2014-10-30)[2016-11-27].http://www.gov.cn/zhengce/content/2014-11/21/content_9231.htm.

[24] 国务院.国务院关于大力推进大众创业万众创新若干政策措施的意见[EB/OL].(2015-06-11)[2016-11-27].http://www.gov.cn/zhengce/content/2015-06/16/content_9855.htm.

[25] 国务院.国务院关于积极推进“互联网+”行动的指导意见[EB/OL].(2015-07-01)[2016-11-27].http://www.gov.cn/zhengce/content/2015-07/04/content_10002.htm

[26] 国务院办公厅.国务院办公厅关于创新投资管理方式建立协同监管机制的若干意见[EB/OL].(2015-03-10)[2016-11-27].http://www.gov.cn/zhengce/content/2015-03/19/content_9541.htm.

[27] 国务院办公厅.国务院办公厅关于推进线上线下互动加快商贸流通创新发展转型升级的意见[EB/OL].(2015-09-18)[2016-11-27].http://www.gov.cn/zhengce/content/2015-09/29/content_10204.htm.

[28] 国务院.国务院关于促进加工贸易创新发展的若干意见[EB/OL].(2016-01-04)[2016-11-27].http://www.gov.cn/zhengce/content/2016-01/18/content_5033735.htm.

[29] 国务院办公厅.国务院办公厅关于完善国家级经济技术开发区考核制度促进创新驱动发展的指导意见[EB/OL].(2016-03-16)[2016-11-27].http://www.gov.cn/zhengce/content/2016-04/01/content_5060345.htm.

[30] 国务院办公厅.国务院办公厅关于建设大众创业万众创新示范基地的实施意见[EB/OL].(2016-05-08)[2016-11-27].http://www.gov.cn/zhengce/content/2016-05/12/content_5072633.htm

[31] 国务院.国务院关于印发“十三五”国家科技创新规划的通知[EB/OL].(2016-07-28)[2016-11-27].http://www.gov.cn/zhengce/content/2016-08/08/content_5098072.htm

[32] 肖念涛,谢赤.中小企业财政支持政策评价指标体系的理论框架分析[J].湖南大学学报:社会科学版,2013(5): 51-56.

(责任编辑：王敬敏)

Quantitative Evaluation Innovation Policies of the State Council——based on the PMC-Index Model

Zhang Yong'an, Qie Haituo

(School of Economics and Management, Beijing University of Technology, Beijing100124,China)

Abstract：This article is based on the 12 innovation policies of the state council during 2014 to 2016.Based on the researches of domestic and foreign scholars and combined the results and the characteristics of innovation policies, we put up with the PMC index model with 9 primary variables and 37 secondary variables. The text mining methodology helps us to dig deeper and finish quantitative evaluation of 12 innovation policies of the state council. The final result could be seen clearly through the PMC surface. The 12 policies are good level, so we rate second division of the evaluation ranking by separating the good level into upper good level and lower good. The results of every primary and secondary variables could be traced and confirmed in the mult-input-output tables and PMC index summary table of various policies, which helped to find the weakness of the policies and provide specific and feasible guidance to policy formulation and modification.

Key Words:Innovation Policies; PMC; Policy Evaluation; Evaluation Model; Index Model

DOI：10.6049/kjjbydc.2016110731

中图分类号：F204

文献标识码：A

文章编号：1001-7348(2017)17-0127-10

收稿日期：2017-03-06

基金项目：国家自然科学基金项目(70972115)；北京市教委重点项目(SZ20071005002)；国家部委项目(3A011212200901;40011212201502;40011212201501;40011212201408;40011212201407;40011212201404)

作者简介：张永安(1957-)，男，陕西咸阳人，博士，北京工业大学经济与管理学院教授，博士生导师，研究方向为经济与管理系统复杂性、政策管理、政策仿真；郄海拓(1988-)，女，北京人，北京工业大学经济与管理学院博士研究生，研究方向为技术创新政策仿真、金融政策、大数据、知识挖掘、政策仿真、政策评价、政策效能。