PMC指数模型的数字经济政策量化

序论：速发表网结合其深厚的文秘经验，特别为您筛选了1篇PMC指数模型的数字经济政策量化范文。如果您需要更多原创资料，欢迎随时与我们的客服老师联系，希望您能从中汲取灵感和知识！

0引言

新一代信息与通信技术（ICT）催生了数字经济，数字经济凭借高效处理大规模数据、准确发现多样化需求、大幅降低交易成本等优势[1]，在培育发展新动能、重塑经济形态中发挥着愈加关键的作用。数字经济“四化”重塑了生产力，产业数字化更是成为数字经济发展的主阵地。在取得瞩目成就同时，我国数字经济发展仍存在一些不足：产业层面，数字经济为传统经济带来技术溢出效应的同时也造成了冲击，引发传统经济萎靡及新旧产业就业者收入差距扩大[2]；区域层面，相较于东部地区发达省份，中西部地区资源条件差，难以形成空间溢出效应，导致区域数字经济发展滞后[3]；企业层面，诸多企业因数字化能力不足、改造成本高、人才缺失等转型失败。自2017年首次将数字经济纳入两会报告以来，国家层面愈加重视推动数字经济发展。为应对数字经济发展过程中的诸多实践问题，各部委颁布了一系列政策法规。而众多政策的出台也使得该领域政策法规体系愈加庞杂，导致政策集成环境下落实不力和协同不佳现象产生。政策分析正是数字经济政策废、改、立的主要依据[4]。因此，基于数字经济政策文本进行评价和分析具有重要的现实价值和实践意义。鉴于此，本文结合政策样本分析、文本挖掘与pmc指数模型，构建数字经济政策量化评价指标体系，对我国中央层面的12项政策和地方层面的302项政策进行样本分析和文本挖掘，并对地方层面的6项典型数字经济政策文本进行量化评价和分析。此外，政策分析的首要任务就是识别并概念化需要被解决的问题[5]，而政策问题源于现行政策体系下未被解决的实践问题。因此，本文在对我国数字经济政策进行量化评价时，将着重基于现有的实际问题辨析现行政策的优势与不足，为相关政策的改进和新政策的制定提供决策依据。

1PMC指数模型构建

任何单一指标都可能产生误导，但若多个复合指标均指向同一个结果，就能对被测评的事物有较为准确的判断[6]。PMC指数先确定各级变量的含义及水平，再通过聚合而成的一致性水平对政策优劣进行评价分析[7]。该方法试图寻找能够刻画政策特征的极尽饱和的二级变量，并赋予这些变量一致的权重，从而避免主观性局限。此外，所有变量均使用二进制平衡，极大地简化了PMC指数计算的复杂性[8]。本文使用政策样本分析、文本挖掘和PMC指数模型三者相结合的复合分析方法，通过政策样本梳理我国数字经济政策历史沿革及现存问题，基于文本挖掘寻找重要且关联度高的文本数据，构成二级指标的组成部分，从而将非结构化文本数据转变为结构化可读数据，利用PMC指数模型展开对地方层面的6项典型数字经济政策的量化评价研究。

1.1政策样本分析

本文的研究对象为中央和地方政府颁布的数字经济政策。样本选取步骤为：（1）以“数字经济”“数字化”等为关键词，在“北大法宝”及各地方政府官方网站上进行检索；（2）查阅全国及31个省份（不含港澳台）数字经济政策汇总相关资料，确保收录政策文本的完备性与准确性；（3）剔除信息不完整和相关度较低的政策文本，得到2015—2020年314项有效数字经济政策作为研究样本。其中，中央层面的政策文本有12项，地方层面的政策文本有302项。自国家大数据战略提出以来，中央层面推进数字经济发展的政策不断深化。截至2017年，“数字经济”已连续4年被写入政府工作报告，2020年政府工作报告中更加明确“继续出台支持政策，全面推进‘互联网+’，打造数字经济新优势”。从历年发布情况来看，中央层面的政策在早期数量较少。这是因为作为一种全新的经济形态，数字经济正在颠覆现有的生活方式，对整体经济发展既带来机遇又提出挑战。结果的不确定性使得该阶段政策的主要目的在于引领各类社会主体加深对数字经济的理解，鼓励各行业尝试探索数字化转型路径，但较少涉及行动计划。而在人口红利消失、消费升级和新技术更迭等因素的推动下，数字化转型成为我国企业实现创新发展的必然趋势。近年来，数字经济支持政策的集中爆发释放出明确信号，一方面映射出企业数字化转型的紧迫性，另一方面也凸显了我国政府推动数字化转型的决心。整体而言，中央层面的数字经济支持政策呈现增强态势，全时期内政策意图一致性较强。而数字化转型是一项长期的系统性工程，需要持续的支持和投入，政策体系协同对其成效至关重要。

1.2文本挖掘

本文采用ROSTCM6软件对政策进行文本挖掘，统计出高频词汇后绘制关键词社会网络图谱。在理解政策内核的基础上分析文本，提升PMC指数模型指标构建的合理性。词频分析具体步骤如下：（1）将数字经济政策文本转码为ANSI格式，把文档集导入软件进行分词和词频查询；（2）在词频分析过程中，设置“输出长度”大于2，启用包括“政策”“问题”等与政策特性无明显关联的高频词在内的过滤词表。整理得到有效高频词汇，表1列出了前15个高频词汇。社会网络分析（SNA）是社会网络学派中的研究分支[9]。国内管理学领域已有不少学者利用社会网络分析方法在学科热点、引文分析等方面展开系列研究[10]。政策文本虽与学术论文在范式和格式上都有较大不同，但不可否认政策文本中也存在“关键词”，通常表现为需要在主流价值观和文化中理解的“主旨词”和被频繁观察到的“高频词”。多个政策文本中同时出现的关键词会形成虚拟关键词网络。基于社会网络分析视角，关键词是网络中的节点，节点间的连线体现节点间存在直接联系。节点分布密度反映当前政策热点与关注重点，节点间联系能够反映哪些政策内容紧密关联及哪些政策在网络中较为孤立。图1为使用ROSTCM6软件绘制的数字经济政策文本高频词社会网络图谱，点度中心度较高的关键词为“推动”“创新”“数据”和“企业”，反映了目前我国数字经济政策顶层设计结构与政策关注点。具体包括：（1）将数字经济定位为推动经济高质量发展的重要举措；（2）创新是驱动数字经济发展的优先选择；（3）数据价值化后将重构生产要素体系，从而赋予数字经济更强大的发展动力；（4）作为实现价值的社会经济参与主体，企业数字化是数字经济发展的核心。政策推动和技术引领为数字经济发展带来前所未有的机遇，但也存在区域层面的数字鸿沟问题、产业层面的技术冲击效应以及企业层面的转型要素缺失问题。尤其值得注意的是，由于发展速度存在差异，区域间数字鸿沟问题日益凸显。从机会层面看，西部地区部分省份处于基础设施与ICT专业技术人才缺失而难以发展大智移云产业的困境；从结果层面看，全国城市数字经济竞争力和数字经济红利分配均呈现显著的东高西低态势。因此，突破“胡焕庸线”、弥合数字鸿沟、激活各地数字经济协同发展潜力、共享发展红利成为当前紧要的经济、社会与政策议题。本文将收集到的效力级别在规范性文件以上的各地政策频数导入ArcGIS软件进行政策地理分布的可视化分析，结果表明：以“胡焕庸线”为分界基准，2015—2020年302项地方政策文件多分布于东南侧，且在长三角地区尤为集中，较少位于西北侧。这种格局反映了西部地区对中央层面数字经济发展规划落实不严的问题，但也可能是由于缺少专业人才、数据沉淀和数字化转型经验，相较于东部地区，西部地区难以有效开展数字化探索和建设。受经济发展辐射带动作用的影响，长三角地区数字经济发展程度全国领先，为政策实施及取得成效提供了极佳的实践土壤。综上，自身资源禀赋不足加上政策落实不严，二者共同拖慢了西部地区数字经济发展进程；东部地区发达经济的辐射效应和国家战略牵引为长三角地区提供了丰富的政策试验场景，同时也带来了巨大的数字红利。为弥合东西部地区之间的数字鸿沟，实现各地数字经济协同发展，共享数字红利，仅靠市场驱动是不够的，还需要政策引领。鉴于此，本文基于对6项地方层面典型数字经济政策的量化评价，分析各地政策优势和劣势，并提出政策建议。

1.3变量分类及参数识别

根据Estrada等（2008）[8]的观点，对政策建模本质上是一项实证研究工作，即以理论和定量或定性模型为基础，通过分析来评估政策对未来社会的影响。在该定义中，“政策”是为解决不同时期、不同地理空间上的社会具体问题而制定的理论或技术工具。传统政策建模方法多基于宏观或微观经济层面的二手数据，使用计量方法对某项政策工具实施的成本和收益进行预测分析。这种建模方法在分析货币、银行、投资等专项政策的影响效应时具备较高的解释效力，但其未纳入非经济变量的缺陷将增加将其应用于如数字经济政策等综合性政策评价时的模型脆弱性。尤其是在宏观经济稳定性、生态保护、创新驱动等要素成为我国高质量发展的重要内涵的情境下，将非经济变量纳入政策建模中显得尤为必要。鉴于此，第一，本文参照Estrada等（2008）[8]的研究中设置的部分一级变量，具体包括研究类型、研究领域、基于部门的政策建模、经济学框架、数据来源、地理分析6类一级变量，并在保证内涵一致的前提下对这些变量赋予更便于理解的名称，分别为政策性质（X1）、政策时效（X2）、效力级别（X3）、政策受体（X4）、政策视角（X5）和政策领域（X6）。第二，根据Dye等（1995）[10]提出的政策模型“应直截了当并简化政治生活”“应确立政策领域中最重要的方面”“应与现实相符”三条原则，分别对政策时效（X2）、政策视角（X5）下属的二级变量进行简化；结合中国立法机关的结构特征对效力级别（X3）下属的二级变量予以调整；基于OmniaMobilis假说和我国参与数字经济的各社会主体类别对政策受体（X4）下属的二级变量进行调整和扩展；依据我国数字经济发展中的各类动力来源对政策领域（X6）下属的二级变量进行重新设置。第三，本文参照张永安和郄海拓（2017）[4]、董纪昌等（2020）[11]关于政策量化评价的研究，设置了政策功能（X8）、政策评价（X9）两项显著影响政策执行效果的一级变量。第四，借鉴李晨光和张永安（2014）[12]的研究中影响企业创新效率的政策要素，结合通过文本挖掘发现的数字经济政策关键词，引入文化氛围（X7:6）、法律保障（X7:8）与网络安全（X7:9）3项非经济变量作为支持措施（X7）下的二级变量。最终，本文设置了9个一级变量和47个二级变量。变量名称及编号设置见表2。采用二进制设定变量参数：若政策文本中涵盖二级变量所涉及的方面，则参数值设置为1，反之为0。此外，效力级别这一变量具有排他和递进属性。因此，当某项政策的效力级别在被判定时，该项政策效力级别较低变量阈的参数值均应设置为1，而效力级别较高变量阈的参数值均应设置为0。

1.4构建多投入产出表

本文构建多投入产出表的目的在于搭建起数据分析结构，从而使政策评价者能够多维度且系统地对单个变量进行量化。实证分析部分将基于政策文本对选取的典型数字经济政策的多投入产出表中的二级变量进行赋值。

1.5PMC指数计算与测量

PMC指数的计算过程包括二级变量赋值、计算一级变量数值与合计PMC指数三步。其中，i表示第i项政策，该政策下的二级变量用j来表示。本文共选取9项一级指标，PMC指数取值范围为0~9，参照Estrada等（2008）[8]的评分标准，对PMC指数进行等级划分。

1.6绘制PMC曲面图

PMC曲面是能够形象显示指数计算结果的三维立体曲面，通过观察这一立体曲面的起伏可以直观地判断出政策特征与各维度指标的优劣。而PMC矩阵是构建PMC曲面的基础，本文通过最终设定的9项一级指标构建3×3矩阵。

2实证分析

2.1样本选取与数据来源

本文一方面对我国现有的数字经济政策体系进行量化评价，另一方面更期望从政策角度切入解决数字经济发展历程中的实际问题，旨在厘清东西部地区间数字鸿沟是否受数字经济政策与资源禀赋交互作用的影响，确定纳入实证分析的典型政策应分别来自“胡焕庸线”的东南侧和西北侧。长三角地区在产业数字化、数字产业化中取得的成就离不开各地数字经济政策的支持，根据《中国区域与城市数字经济发展报告（2020年）》，浙江、上海、江苏的数字经济相关政策较为完善，分项得分居于全国前三位。因此，选取浙江、上海、江苏以及信息化人力资本最为丰富的北京作为典型政策来源地。在西北侧，选取甘肃和宁夏作为典型政策来源地。法律法规的位阶通常与其适用的时间和空间成正比[13]，效力级别更高的政策往往调整范围更广、影响作用更大。鉴于此，确定典型政策来源地后选择6个省份2021年1月1日之前颁布的效力级别最高的数字经济政策。最终在避免主观偏差的前提下，选取代表性较强的6项地方层面的典型政策。

2.2PMC指数计算

结合政策文本内容对6项数字经济政策多投入产出表中的二级变量进行赋值，结果见表5。根据PMC指数计算公式计算出以上6项政策的PMC指数，参考政策等级划分标准予以等级判定，结果如表6所示。
2.3PMC曲面绘制

依据PMC指数得分构建PMC曲面，并参照PMC曲面结果绘制PMC曲面图，如下页图2至图7所示。

2.4典型政策分析

通过计算PMC指数和观察PMC曲面图可知，长三角地区3个省份颁布的三项政策P2—P5均为优秀以上水平，其余政策皆为可接受水平。上海、浙江和江苏出台的３项数字经济政策PMC指数得分较高。通过观察曲面图可知，P2—P4的PMC曲面平滑且向底面凹陷程度小。政策本身代表政府理念，在优势要素驱动下，长三角地区数字经济发展水平全国领先。因此当地政府在数字经济政策设计中的政策理念更加先进，政策目标及支持措施更具广泛性，导致P2—P4政策质量较好，PMC指数得分高。结合政策内容，P2为上海落实中央“网络强国、数字中国、智慧社会”战略部署的综合性政策，得分为8.06，评价级别为完美。该项政策以将上海建设为国际数字之都为目标，以加速推进数字化转型为主旨，政策内容涉及政策领域下的全部二级指标。政策受体维度，P2一方面引导企业基于数据进行决策，优化资源配置效率；另一方面推动上海政务平台向“数治”范式转型。P3为《浙江省数字经济促进条例》，是我国第一部以促进数字经济发展为主题的创制性法规，得分为8.36，有6项一级指标得分为1。P3首次在法律层面对数字经济做出明确界定，严密规定促进数字经济发展的具体举措。该项政策在文化氛围与便利服务方面创造性地提出“支持举办数字经济领域相关展览、赛事、论坛”和“按照优化传统服务与创新数字服务并行的原则保障老年人群体基本服务需求”。P4为江苏的《关于深入推进数字经济发展的意见》，得分为7.73。该政策覆盖领域全面，除未明确提及营造数字文化氛围外，政策内容囊括了支持措施下的其余8项二级指标，在支持措施上的得分显著高于P2。并且同为地方规范文件，二者具有相同的效力级别。是何因素导致二者评价级别的差异？究其原因，P4主要关注对宏观政策目标的描述和数字经济顶层架构的搭建，未形成在短期内切实可行的推进数字经济发展的具体举措及相关制度安排，致使该项政策在政策时效和政策视角上PMC得分较低。P1是北京为促进数字经济创新发展颁布的短期行动纲要，政策时效为2020—2022年，得分为5.68，评价级别为可接受。该项政策目标明确，覆盖领域全面，而除效力级别外，导致得分低的原因主要在于政策受体及支持措施方面存在不足。具体而言，P1政策并未在支持措施方面涉及满足人才功能性需求的财税支持与满足情感性需求的文化氛围；政策受体方面，虽然明确了数字化治理的任务要求，但政策内容中未涉及政务平台。P5、P6分别为宁夏、甘肃的政策。“胡焕庸线”揭示了我国人口分布的空间差异和资源环境基础的区域差异，相对落后的综合经济、数字化专业人才等要素缺失导致西北侧与东南侧间数字鸿沟持续存在。西部地区数字经济扶持政策自身缺陷及落实不严等问题进一步拖慢数字经济发展进程。具体的，P5为宁夏和江苏工业和信息化厅为促进两地数字经济协同发展联合发布的带动型政策，得分为4.97，评价级别为可接受。该项政策旨在借助江苏在ICT产业和工业互联网平台上的经验优势带动宁夏的数字平台建设。囿于单一政策性质，P5仅聚焦于科技创新和智能制造两个领域，导致政策受体范围较窄，限制了当地数字创新要素资源的动能释放。同时，政策性质的局限性还体现在支持措施的缺失上：网络安全已不再是虚拟世界的辅助与附庸，而是新基建和数字化的基石，更是维持数字平台运行的重要前提。而以建设运行数字经济合作平台为首要工作任务的P5中并未涉及任何网络安全与法律保障相关的支持措施。P6是甘肃制定的中期行动规划，得分为5.9。相较于长三角地区政策，得分偏低，但高于同处西北侧的宁夏颁布的政策。具体而言，P6在政策时效和政策领域两个方面的一级指标得分显著低于P2—P4。长三角地区数字经济政策呈现“短期立目标、中期订计划、长期看愿景”的特点。而P6主要围绕未来5年设立短中期目标，缺乏对于数字产业和社会经济业态转型的展望。政策领域方面，受甘肃在装备制造和农产品加工等传统产业中的技术和经验的影响，P6的支持措施也主要集中在数字农业、智能制造等领域，并在知识创新、科技创新领域存在政策真空地带。

2.5政策建议

纵观P2—P4，三项政策均提及“融入长三角地区一体化发展国家战略，加强数字经济领域合作”，但仅P3明确规定“推动科技创新券在长三角地区通用通兑”这一增强城市间产业合作黏性的具体措施。而在消除关于人才流动的行政区划壁垒和制度壁垒方面，三项政策均未涉及。由此，本文提出如下政策建议：（1）需求端结合当地居民消费价格指数，避免长三角地区核心城市在引进数字化人才时给予的补贴额度存在较大差异；（2）供给端鼓励长三角地区各地高校、科研院所建立联盟关系，加强教育资源和数字信息的互联互通；（3）P2—P4虽强调引导和支持长三角地区一体化数字经济业态，但政策内容宽泛，需进一步细化政策条款，完善配套政策。针对P5中存在的政策性质单一与网络安全保障措施缺失问题，本文提出如下政策建议：（1）为拓宽政策领域，基于贺兰山、黄河金岸等精品旅游资源，构建信息化基础设施共建、旅客数据共享、营销共通的一体化数字协同机制；（2）立足中卫市作为“一带一路”关键节点和国家新型互联网交换中心的战略定位，竭力在基础设施和数字产业化等方面实现多维度转型发展，吸引更多高端人才和企业与江苏等东部地区省份合作；（3）建立开放式、全员式网络安全制度，建立安全准入和身份识别等保障措施，提升数字经济合作平台参与企业的安全意识和风险感知能力。针对P6在政策时效和政策领域中的局限性，本文提出如下政策建议：（1）数字化的内涵不仅是“助推手”，而且是培育新产业、改善社会经济运行模式的“主力军”，西部地区应将数字经济打造成培育新兴产业的核心推动力；（2）数字化转型是一项复杂的系统工程，各地数字经济扶持政策应具备长效性，兼顾短期目标与长期愿景。

3结束语

PMC指数模型为政策量化评价提供全新研究路径，首先，本文将该方法运用于数字经济支持政策领域，并在效力级别、政策受体、政策领域及支持措施4项一级指标及局部算法上做出改进，为后续相关领域政策研究提供初步但完善的数字经济政策评价指标体系；其次，基于各地典型政策的对比分析提出针对性政策建议，具有较强的实践意义；最后，相较于内容分析及专家打分等政策量化分析方法，通过PMC指数合理量化数字经济政策各维度属性并使用PMC曲面直观体现各指标数值更具客观性和精确性。

参考文献：

[1]赵星,董晓松.数字化革新战略实施路径与管理框架[J].软科学,2017,31(1).

[2]许恒,张一林,曹雨佳.数字经济、技术溢出与动态竞合政策[J].管理世界,2020,36(11).

[3]赵涛,张智,梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J].管理世界,2020,36(10).

[4]张永安,郄海拓.国务院创新政策量化评价——基于PMC指数模型[J].科技进步与对策,2017,34(17).

[5]SchintlerLA,KulkarniR.BigDataforPolicyAnalysis:TheGood,theBad,andtheUgly[J].ReviewofPolicyResearch,2014,31(4).

[6]EstradaMAR.PolicyModeling:Definition,ClassificationandEvalu⁃ation[J].JournalofPolicyModeling,2011,33(4).

[7]陈章旺,柯玉珍,孙湘湘.我国众创空间产业政策评价与改进策略[J].科技管理研究,2018,38(6).

[8]EstradaMAR,YapSF,NagarajS.BeyondtheCeterisParibusAs⁃sumption:ModelingDemandSupplyAssumingOmniaMobilis[J].In⁃ternationalJournalofEconomicsResearch,2008,(2).

[9]魏瑞斌.社会网络分析在关键词网络分析中的实证研究[J].情报杂志,2009,28(9).

[10]DyeTR,SchneiderM,TeskeP,etal.PublicEntrepreneurs:AgentsforChangeinAmericanGovernment[J].AmericanPoliticalScienceAssociation,1995,89(4).

[11]董纪昌,袁铨,尹利君,等.基于PMC指数模型的单项房地产政策量化评价研究——以我国“十三五”以来住房租赁政策为例[J].管理评论,2020,32(5).

[12]李晨光,张永安.区域创新政策对企业创新效率影响的实证研究[J].科研管理,2014,35(9).

[13]邓世豹.法律位阶与法律效力等级应当区分开[J].法商研究(中南政法学院学报),1999,(2).

作者:卜令通 张嘉伟 单位:国家审计署人事教育司 南京大学商学院