公共決策雙階優化的量化輔助

關 靜，章 娟

（1.北京化工大學 信息科學與技術學院、經濟管理學院，北京 100029；2.西南交通大學 馬克思主義學院，四川 成都 611756）

決策優化是針對政策問題，通過民主的程序、運用科學的方法，輸出有效的對策方案；并建立客觀的評價標準，對實施效果進行追蹤評估，及時、恰當地調整方案，使其更加合理有效。簡言之，決策優化就是使政策更加高效的過程。優化包括兩個層面：一是在政策制定環節對政策方案的不斷改進；二是在實施后的評估環節對政策方案做進一步調整。從公共領域的政策過程來看，一般是針對某一問題提出政策議案，相關部門起草政策方案，而后對具體內容進行不同形式的討論和征求意見，并進行信息反饋和一定程度上的修改，再經過決策者的審議和最終拍板。其中，優化主要通過不同形式的討論和征求意見來實現。但是，依靠民主程序進行不同主體、不同程度、不同形式的參與只是決策優化的一種途徑。其實，決策科學化的實現，需要盡可能地減少甚至避免人為主觀因素對決策的影響，使決策過程和結果更加客觀、真實且有效，這就需要引入量化技術對決策進行雙階優化。

一、公共決策的雙階優化及其量化處理

（一）經典決策理論對優化問題的關注

決策一直是公共政策學和公共管理學關注的核心問題。美國學者西蒙早在《管理行為》中就提出：“一切決策都是折中的問題。最終選擇的方案，只不過是在當時的情況下可以選擇的最佳行動方案而已，不可能盡善盡美地實現各種目標。具體的決策環境必然會限制備選方案的內容和數量，從而設定了實現目的的最大可能程度。由于實現目標過程中存在這種折中的相對因素，因此當行為同時要實現多個目標時，尋找一個共同衡量尺度是必要的。”[1]（P5）也就是說，決策是多目標的，決策結果取決于不同目標的相對權重。所以，最關鍵的問題就是建立選擇和評判標準。不僅如此，西蒙還總結了影響決策結果的主觀、客觀因素：“任何重要決策都依據大量事實（或對事實的推斷）、種種價值觀、邊界條件和各種約束條件。我們可以把所有這些事實和價值，當成最后決策的前提——就是投入到最后制定出決策的裝配過程的原材料。”[1]（P19）盡管西蒙肯定了決策的核心位置，并對決策進行了深入的探討，卻并未提及決策優化問題。

隨著多年來公共政策學的不斷發展，關于決策的各種研究層出不窮。研究者們通過不同研究途徑探討決策活動的特征和規律性。在格雷厄姆·艾利森和菲利普·澤利科的經典著作《決策的本質——還原古巴導彈危機的真相》中，作者用理性行為體范式、組織行為范式和政府政治范式三種決策模型分別描述和解釋古巴導彈危機的決策過程。決策模型是對決策實踐的簡化描述，其研究目的是使讀者盡可能簡明地了解決策。事實上，在公共政策理論發展過程中出現過的決策模型還有很多。國內關于決策模型的探討也比較常見，也有研究者將諸多決策模型進行了系統的劃分（表1）：

除表1中所談及的決策模型外，博弈論也是決策模型研究中被廣泛認可的觀點。另外，還有以政治系統模型、公共決策的子系統模型為代表的整合決策模型。

可以說，在經典決策理論中，肯定決策問題的重要性，將其放在公共政策研究的突出位置早已成為學者們的共識。然而，在這些研究中并沒有明確提及“決策優化”問題，更沒有明確闡釋“優化”的依據等關鍵性問題。另外，多數研究停留于理論層面，缺乏實踐性、操作性。那么，實踐中的決策者們想要運用決策理論、輔助政策實踐，很可能會遭遇困境。本文的研究主旨就是將決策優化問題進行“可視化”描述，為決策者（尤其是實踐者）提供一個可操作的優化輔助工具。

（二）公共決策包含雙階優化

作為政策過程的核心環節，決策只是其中一個階段。一般情況下，完整的政策過程應該是一個從政策議程——政策制定——政策合法化——政策實施——政策評估，再返回政策議程進而重復其他環節的循環路徑。在這個循環路徑中，除政策制定外，另一個關鍵環節是政策評估，其是政策過程實現循環路徑的前提，通過評估環節挖掘政策方案及其在實施中出現的問題，以及導致問題的原因，為政策調整和修正提供客觀依據。因此，決策優化體現在兩個階段：初階優化，即單向決策中的方案選定（通常所說的政策制定）；二階優化，即決策循環中的政策評估與修正，二者缺一不可，共同構成雙階優化。

既然是雙階，二者之間必然存在緊密的關系。初階優化——單向決策中的方案選定是基礎，是政策方案的最初形成過程；二階優化——決策循環中的政策評估和修正是對初始方案的補充和完善，二者都是為了實現統一的決策目標，解決同樣的政策問題。但隨著政策方案在實踐中的運用，可能遇到或導致新的問題產生，使決策目標復雜化。因此，二階優化往往面臨更加復雜的實際情況，使決策優化任務更加艱巨。更加值得關注的是，在政策實踐中，二階優化可能被忽視。沒有嚴格的二階優化，任何對政策方案的調整都是缺乏客觀依據和說服力的，更加談不上所謂的決策科學化。

（三）雙階優化的量化處理

如果在政策過程中專門考慮決策的雙階優化，至少需要回答兩個問題：一是優化什么——發現問題；二是如何優化——分析問題并找到產生問題的原因，即明確優化的依據。那么，實踐中的決策者應該盡可能地將問題、原因進行“可視化”描述，進行清晰、甚至精準地表述。這種“可視化”描述最有力、最有效的途徑就是進行量化處理（如圖1所示）。

圖1 雙階優化的量化處理

在初階優化中，首先，需要對“問題”進行量化處理 （如：政策目標是實現GDP增長7%，而目前GDP增長只有4%）；接下來，分析原因：通常情況下，事件X導致了事件Y的發生，X就是產生Y的原因之一。那么，原因分析就是尋找事實存在的相關關系，需要將這種相關關系進行量化處理（如：分析發現投資不足是導致GDP增長緩慢的原因，那么投資增長t，會促進GDP增長kt，k就是描述兩者之間因果關系強度的系數）。最后，根據尋找到的N相關關系，建立初階優化的依據（即政策方案的選擇依據）。二階優化體現為政策評估和修正。首先，在政策目標的指引下，尋找政策實施過程中存在的問題，可能是政策方案本身的客觀問題，也可能是實施過程中人為的主觀問題，并進行量化處理。接下來，對政策實施效果進行評價，建立評估指標體系作為評價標準。更進一步，將事實與標準進行比較、找到差異。并且，總結沒有達到目標效果的原因有哪些，這一步的工作與初階優化相同。

雙階優化的量化處理，實質上就是使政策方案的選擇依據、政策效果評估標準更加明確。這一“可視化”過程要以大量客觀數據為基礎，借助科學的方法和技術手段。早在30多年前，政策學家德洛爾就在其《逆境中的政策制定》一書中呼吁，在決策的過程中要加大學科基礎；開發多維的方法論、方法和技術等。[3]正如政策大師拉斯維爾所言，行政決策“是關于民主主義的學問，它涉及個人的選擇，必須以民主體制作為前提；行政決策的目標是追求決策的‘合理性’，它必須使用分析模型、數學公式和實證數據，建立起可檢驗的理論。”[4]

二、通過勾勒變量結構框架厘清決策優化關鍵因素

搭建框架是政策過程研究的初期階段，形成對政策過程的初步認識。同樣，框架也是決策優化的基礎，因為框架中包含了決策的關鍵因素，以及關鍵因素之間可能存在的相互關系。對于決策優化而言，厘清關鍵因素是至關重要的。正如薩巴蒂爾所言：“框架限定研究范圍并指導分析者把注意力放到社會的或自然的主要特點上來。通過細化不同類型及其相互之間的一般關系，框架為探索提供了一個基礎，即變量的一般種類是如何很松散地組成一個固有的結構的。”[5]（P314）

（一）變量選取

在選取決策相關變量時，首先應該明確問題變量，即決策優化關注的問題是什么（一個或多個），進一步再選取可能與問題變量存在密切關系的變量。也就是量化分析中的因變量和自變量，但因變量和自變量之間是否存在相關性、相互關系如何都只是有待驗證的初步假設。選取變量，可以沿著以下三條路徑進行：

第一，決策者或決策優化執行者主觀上認為重要的變量。實踐中的決策優化，一種情況是由決策者提出要求，并且提出明確的要優化的問題；另一種情況是只給出需要優化的政策，卻沒有明確指出問題所在，需要優化的執行者（可能是決策者、執行者或第三方）進行分析和判斷。在確認問題變量后，與之關系密切的變量可能是根據決策者的意見確定的，更多的情況下是由優化執行者通過一定的分析和判斷后選取。無論哪種情況，變量的確定都是相對主觀的，決策者或優化執行者的認知發揮至關重要的作用。這種選取變量的路徑可能因其主觀性而被質疑，但只要是建立在決策者或決策優化執行者的經驗積累基礎上，而非任意、隨性地提出，這種路徑可能更加便捷、直接，具有一定的時效性。

第二，通過對實踐的觀察發現客觀上變動較大的變量。如果決策者沒有給出明確的需要優化的問題，那么優化的執行者需要對備選方案，或者政策方案及其實施效果進行細致的觀察和分析，實踐中變動較大的變量是必須加以關注的。這里的“變化較大”，一是從時間上看，不同時間段的變化；二是從觀察對象上看，相同時間段的不同對象是否存在奇異現象。

第三，依據相關理論推導出的變量。理論源于實踐又指導實踐，依據同一領域的某種理論的分析思路選擇變量，是理論研究者們常用的方法。這種路徑選取變量是否合理取決于：所選理論是否適用于眼前的決策優化問題；該理論是否適用于當前的國情、省情等地域性的具體情況；該理論是否符合決策優化問題所在的時代特性；等等。所以，理論的選擇不能盲目，需要從多方面考察其適用性問題。

（二）結構搭建

在選取了問題變量和相關變量后，要進行變量結構的搭建，初步整理變量間可能存在的相關關系。而搭建變量結構應該遵循一定的邏輯線索，研究實踐中最常見的有：因果邏輯、過程邏輯、對比邏輯、供求關系邏輯，等等。

第一，因果邏輯。因果邏輯是最基本、最常用的邏輯線索，可以最直接地展示變量之間可能存在的因果關系。最終，也是由變量間事實存在的因果關系為決策優化提供客觀依據。因此，可以在搭建變量結構時直接采用因果邏輯，分析出現決策問題的原因。魚骨圖是應用最為廣泛的因果邏輯圖，通過魚骨分支厘清問題的主要原因、次要原因，也可以進行不同側面、不同層面、不同維度的原因分析。公共政策研究中的經典決策模型——垃圾桶模型，實質上就是遵循因果邏輯，將最終促使決策發生的原因劃分為政治流、政策流、問題流等源流。然后，在不同的源流下將原因進一步細化。

第二，過程邏輯。對于分析決策問題而言，過程邏輯也是非常適用的邏輯線索。因為政策活動本身就遵循一定的過程邏輯，決策作為政策活動的一個階段其自身也可以細化為一系列的程序和步驟。沿著決策程序，梳理每個步驟中的關鍵變量，決策參與者（個人或團隊）、某件事情、國際環境的某些變化，都可能成為影響決策的關鍵變量。

第三，對比邏輯。對比的目的是在比較中發現變化或者差異，以及變化或差異出現的原因。可以進行時間序列的縱向對比、不同個體的橫向對比、不同區域的空間性對比等。尤其是在二階優化中，政策實施前與實施后的效果對比是必須進行的，這是評判政策效果的必經之路。

第四，供求關系邏輯。供求關系是貫穿經濟活動始終的基本規律。供求關系邏輯源自經濟領域，卻可以應用到其他很多公共領域，特別是公共產品和公共服務的供求問題。雖然說準公共產品（或公共服務）具有一定的營利性，但公共性仍然是其不可違背的基本屬性。那么，在考慮供求關系時，就不能完全從經濟上的成本-收益角度來評判，社會效益最大化才是最終目標。

綜上，遵循不同的邏輯線索可以得到不同的變量結構框架，初步假定某些變量是影響決策的關鍵因素。框架的作用是梳理問題變量和相關變量之間可能存在的相互關系，框架不唯一且具有一定的主觀性，可能需要借助技術和方法進行相對客觀的判斷和確認，最終確定影響決策的關鍵因素。

（三）以公交車運行時刻表優化為例

該案例是關于北京某新增公交線路的運行時刻表優化問題的。該公交線路在運行四個月后，根據公交管理和運營部門所掌握的數據，希望能夠優化運行時刻表，在更好提供公交服務的前提下能夠降低運營成本。這是一個典型的關于準公共產品供給的決策優化問題。在該案例中，問題變量是明確的，是由公交運營管理部門提出的運行時刻表優化問題。那么，與該問題變量相關的變量有哪些是需要決策優化的執行者（本案例由高校科研團隊負責）來分析并選取的呢？

一方面，研究者遵循因果邏輯整理出可能與運行時刻表存在最直接關系的變量：發車時刻、停站間隔、場站配車、休息時間等；可能存在間接關系的變量：客運量、運營收入、運行時間、勞動強度、工資、乘客滿意度等。運行時刻表調整必然會使這些變量發生一定程度的改變。根據公交車運營管理部門的決策需求，研究者將優化問題——運行時刻表調整分解為三個具體目標：最大化客流量、最小化滿載率偏差（高峰滿載率穩定在70%）和最小化總運行時間（錯峰調度）。另一方面，作為準公共產品，公交車的營運應該遵循市場的供求關系邏輯，根據需求量合理配車。這里的需求量會隨著乘車時間、乘車地點的變化而變化，并且受到多車共線、臨近地鐵等客觀因素的間接影響。由此，研究者得出公交運行時刻表調整這一決策優化問題的關鍵變量及其結構框架（如圖 2）。

圖2 公交車運行時刻表優化問題的關鍵變量及其結構框架

三、通過建立變量關系模型明確決策優化依據

“模型對一組有限的參數和變量做出了精確的假設。分析者使用模型把變量安排在特定的環境中，并探索所產生的結果。”[5]（P351）可見，模型在決策優化中發揮著重要作用。模型蘊含了變量間關系，模型選擇和優化過程就是變量間關系的確認過程。模型告訴我們在特定的環境下，如果想讓問題變量發生改變，可以從哪個或哪幾個相關變量入手、應該朝著哪個方向去引導改變的發生。因此，經過檢驗的模型可以作為決策優化的客觀依據。

（一）根據優化需要建立模型

之所以要根據優化需要建立模型，是因為建立模型的作用就是探索決策優化的依據，甚至是尋找優化的結果。不同的量化方法最終提供給研究者的參考信息不同，統計學的研究方法可能會告知研究者影響問題變量的因素有哪些、他們之間存在什么樣的關系；運籌學的量化方法可能通過不同的計算方法，為研究者提供最終的優化數值或者數值的范圍。因此，要根據優化需要和已知條件，選擇恰當的量化方法，進而建立合適的量化模型。通常情況下，優化的需求可能是不唯一的，即多目標優化，所確定的問題變量也隨之增加，需要探討的變量間關系也會相應的增加，這也必然要求建立不同的模型來探討。

（二）選擇變量的測量方法及其準確測量

變量的測量，就是用恰當的數據為變量賦值。最理想的情況是找到最直接的數據來表達變量的涵義，否則只能選擇涵義最為接近的數據作為變量的測量值。獲取數據的途徑主要有如下幾種：

第一，信息系統。隨著大數據的廣泛應用，信息系統已經走進政治、經濟、社會、文化等各個領域。信息系統的設計要涵蓋不同領域的職能和業務，針對不同的具體需求來獲取信息。公共部門也要在智慧城市、智慧政府的改革驅動下，引入信息系統并逐步擴大信息共享范圍。

第二，統計數據。各級政府統計部門的統計數據也越來越多且發布及時，值得被關注和應用。例如：在國家統計局網站上可以查詢多種月度數據、季度數據和年度數據，還可以查詢地區數據、部門數據和國際數據，并通過數據可視化和出版物等途徑使數據閱讀更加方便快捷。數據的真實性和時效性是統計數據可以被應用的兩大前提。

第三，實地調研。實地調研是獲取數據最直接的途徑，問題在于：一是實地調研需要支付一定的成本，很多普通的研究者無力承擔；二是調研過程流于形式，“走秀”式的調研拿不到任何有價值的數據，并且可能增大成本。其實，隨著網絡媒介的發展，調研的途徑也不再局限于實地，一些商業化途徑（如：問卷星）可以提供低成本、時效性強、參與性強的調研方式。不管哪種途徑，調研對象和問題的設計至關重要，直接影響到能否得到最終想要的數據。

第四，借助其他變量進行解釋。對于一些無法直接測量的變量，可以借助其他與之涵義接近的變量來解釋。這種情況十分普遍，因為實踐中很多變量是無法量化，或者很難簡單量化的。所以，在很多研究中引入了解釋變量，再通過解釋變量的測量數據作為原變量的測量值。

（三）搭建變量關系模型

統計學、運籌學、計量經濟學等學科體系為搭建變量關系模型提供了很多科學有效的方法。這些方法有其各自的優勢和限制，需要根據實際情況和優化需求選擇恰當的方法。

第一，統計學中的量化方法。統計學為研究者提供了許多量化方法，OLS和logistic回歸是檢驗變量間關系最經典、最簡化的方法。因子分析、聚類分析、多層次分析和傾向值分析等新方法為研究者提供了更多、更好的選擇。其中，結構方程模型和格蘭杰因果檢驗是檢驗變量間因果關系最適用的方法。與傳統統計方法相比，結構方程模型的優勢十分明顯，它可以同時處理多個內生變量；可以處理潛變量；變量也可以用多個指標測量；容許自變量和因變量含測量誤差；容許一個指標從屬于多個因子；除了參數的估計外，還可以計算不同模型對同一樣本數據的整體擬合程度，從而判斷哪一個模型更接近數據真實呈現的關系，等等。[6]格蘭杰因果檢驗的基本邏輯是：在時間序列情形下，若在包含了變量X、Y的過去信息的條件下，對變量Y的預測效果要優于只單獨由Y的過去信息對Y進行的預測效果，即變量X有助于解釋變量Y的將來變化，則認為變量X是引致變量Y的格蘭杰原因。該檢驗方法為2003年諾貝爾經濟學獎得主克萊夫·格蘭杰所開創，格蘭杰本人在其獲獎演說中強調了其應用的局限性，以及“很多荒謬論文的出現”。由于其統計學本質上是對平穩時間序列數據的一種預測，僅適用于計量經濟學的變量預測，不能作為檢驗真正因果性的判斷依據。

第二，運籌學中的量化方法。一是層次分析法。應用層次分析法首先要根據問題的性質和要求，提出一個總的目標；然后將問題按層次分解，對同一層次內的諸因素通過兩兩比較的方法確定出相對于上一層目標的各自的權系數。這樣層層分析下去，直到最后一層，即可給出所有因素（或方案）相對于總目標而言的按重要性（或偏好）程度的一個排序。二是不確定型決策方法。不確定型決策的基本特征是無法確切知道哪種自然狀態將出現，而且對各種狀態出現的概率也不清楚，這種情況下的決策主要取于決策者的素質和要求。這種量化方法為決策優化提供了幾種選擇：悲觀準則、樂觀準則、折中準則、等可能準則，以及遺憾準則。根據不同優化準則得到的結果并不完全一致，處理實際問題時可同時采用幾個準則進行分析和比較。最終采用哪種準則得出的方案，選擇權仍然在決策者手中。三是多目標決策分析法。多目標分析法是決策目標不唯一的情況下，在若干可選的方案中選擇和決定最佳方案的分析過程。具體的分析過程有多種途徑：化多為少，將多目標問題化成只有一個或二個目標的問題，然后用簡單的決策方法求解，最常用的是線性加權和法；目標規劃，對于每一個目標都事先給定一個期望值，然后在滿足系統一定約束條件下，找出與目標期望值最近的解；多屬性效用，各個目標均用表示效用程度大小的效用函數表示，通過效用函數構成多目標的綜合效用函數，以此來評價各個可行方案的優劣；等等。由于多目標決策在政策實踐中極為常見，因而多目標決策分析法也備受研究者青睞。

上述只是列舉了統計學和運籌學中比較適合應用于決策優化的幾種量化研究方法。無論選擇哪種方法，首先，提供的都是一種研究思路和技術處理的步驟；其次，每種方法都有自身的基本理念（或基本假設），研究者需要判斷優化問題的具體情況和要求、所掌握的已知條件和數據等客觀情況是否與該方法的基本理念相匹配。

（四）按規則進行模型擇優

無論是運用哪種量化方法，通常情況下，研究者不會只建立一個關系模型，而是根據決策需要建立多個模型，其中因變量可能是唯一的，也可能是不同的，相應的自變量也會進行不同的模型設計。這就為研究者提供了更多的選擇，可以通過模型的效果對比來選擇更有說服力的模型，也可以進行一定的技術處理使模型更加優化。不同的量化方法中，模型的擇優過程也不盡相同，按照其具體程序操作即可。

（五）以公交車運行時刻表優化為例

承接上文所述案例，研究者選擇運籌學中的多目標數學優化模型；主要應用公交車運營管理部門提供的該公交車GPS數據和乘客公交IC卡數據；明確引入司乘人員工作時長、合理停站時長、場站容量等六項約束條件；圍繞運行時刻表調整這一問題分解出的三個優化目標——最大化客流量、最小化總運行時間、最小化滿載率偏差，進行具體的優化研究。研究框架和技術路線如圖3所示。

圖3 “公交車運行時刻表優化”研究框架與技術路線

第一，建模。模型中符合的含義進行說明如下：

依據多目標數學優化模型，建立由“運行時刻表調整”分解出的三個優化目標的決策優化模型：

第二，變量測量。研究者的變量測量主要根據GPS數據和IC卡刷卡數據分析得出。根據該公交車運行4個月的GPS數據可以得到：該公交車任意一天、任意一趟車次的實時定位、任意一站的停站時長、任意兩站之間的行駛時長等數據。根據乘客公交IC卡數據可以得到：篩選出乘坐目標公交車的乘客、乘客上下車時間、乘客上下車地點、是否會乘坐共線車次等數據。研究者用上述數據作為乘車時間、乘車地點等變量的測量值。

第三，模型擇優。多目標數學優化模型與統計學中的結構方程模型、回歸分析等方法不同，這種方法不是沿著假設——檢驗的基本邏輯，而是針對優化目標的直接計算。因此，模型的擇優不是依據檢驗結果的比較，而是進行算法的進一步優化。在上一步驟中所建立的模型是最初的計算模型，經過模型的線性處理、合并相同變量等模型簡約處理，得到最簡約的優化模型：

第四，優化結果。根據優化模型的計算結果，研究者提供了兩種運行時刻表的調整方案：一種方案是在總車輛數（18輛）和發車次數（134次）不變的前提下，只調整發車時刻，三個優化目標都實現了一定程度上的優化——客運量增加、滿載率偏差縮小、總運行時間縮短。另一種方案是將車輛數增加至20輛、發車次數增加至148次，并調整發車時間，三個優化目標實現了更好的優化，圖4展示了兩種方案的優化先后對比。最終，該公交車運營管理部門選擇了增加車輛和車次的優化方案。

圖4 運行時刻表優化方案及對比

可以說，上述關于公交車運行時刻表調整的決策優化案例，在現實生活中十分常見，類似的決策優化問題也是公共部門決策者必須面對的。通過案例也可以看到，借助于量化方法的輔助，使決策優化過程更能體現客觀性和科學性，優化結果更有說服力和可行性。

四、通過構建政策效果評估指標細化二階優化基礎

初階優化的實質是政策方案的制定和擇優，二階優化的實質是政策效果的評估及政策調整。因此，初階優化對于決策者而言是無法回避的，只是優化方法、優化程度和優化效果上存在差異；相反，二階優化卻經常被忽視，其實二階優化對決策而言更為重要。一個政策只有真正發揮作用解決了問題、實現其政策目標，整個政策過程、政策方案本身、決策者的活動、支付的各種成本等才可以說是有價值、有意義的。初階優化與二階優化的最大差異在于回答“優化什么”，即如何確定優化問題。在政策過程的起始環節——政策議程所提出的政策問題，就是初階優化所要解決的問題。而二階優化所要解決的問題需要通過政策效果評估后確定。確定優化問題后進行的“如何優化”則是相同的過程。因此，二階優化的基礎是對政策實施效果進行評估。

構建政策效果評估指標需要考慮諸多主客觀因素：政策方案本身的合理性、可行性是影響政策效果的主觀因素；政策所針對的目標群體的態度、相應的行為是評價政策效果最核心的標準；絕大多數政策的決策者和執行者是不同的，執行者的行為會對政策效果產生最直接的影響；等等。因此，二階優化的基礎是充分考慮這些影響政策效果的因素，制定合理的評估指標和參照標準，公正、客觀地對政策效果做出評價，并找到問題所在。首先，對政策目標進行量化處理，用明確的數值或數值范圍作為是否實現政策目標的標準；其次，對政策實施效果進行量化處理，處理方法和數量化描述與目標量化保持一致；再次，將實施效果與目標進行比較——發現差異——找到問題；最后，進行客觀、及時地信息反饋和整合，為接下來的優化提供基礎和準備。