基于PMC指數模型的河南省科技創新政策量化評價研究

［摘 要］本文主要以河南省科技創新政策為研究對象開展量化評價研究。建立了河南省科技創新政策PMC指數模型（Policy Modeling Consistency Index，政策一致性指數模型），選取3項河南省科技創新政策進行實證分析，2項為優秀，1項為可接受，說明河南省科技創新政策還有較大改善空間，但仍在合理范圍內，最后針對政策的薄弱環節，提出修改建議。

［關鍵詞］科技創新政策；政策評價；PMC指數模型

doi：10.3969/j.issn.1673-0194.2023.19.050

［中圖分類號］G322.7 ［文獻標識碼］A ［文章編號］1673-0194（2023）19-0168-04

0? ? ?引 言

在建設國家創新體系過程中，科技創新政策具有舉足輕重的作用，是協調體系中各個環節的基石和橋梁。河南省出臺了一系列科技創新政策，通過多樣的科技創新政策從各個方面引導、支持、鼓勵省內科技創新的發展。《中國區域科技創新評價報告》顯示，2019年，河南省綜合科技創新水平指數排名首次進入全國前20位，排名第19位。2020年，河南省綜合科技創新水平指數由第19位上升至第17位。2021年排名第19位，較2020年下降兩個名次。由此可見，河南省科技創新水平在全國還是處于第二梯隊，仍有較大提升空間。

1? ? ?科技創新政策研究現狀

1.1? ?科技創新政策評價視角

通過文獻研讀分析，科技創新政策評價研究主要從兩個方面進行，一方面從科技創新政策本身入手，另一方面從科技創新政策實施結果入手。通過文獻分析，與其他省市區相比，河南省的科技政策評估幾乎都是從科技創新政策實施結果入手，如張大力（2020）［1］對河南省科技主管部門官網78條科技政策進行質性研究，而其他地區在開展科技創新政策的評價時，多關注政策本身的合理性，比如任莎莎（2021）［2］基于結合文本挖掘工具和北京市人工智能政策特點，構建了北京市人工智能政策PMC指數模型，對北京市5項人工智能政策進行量化評價；何芷璇（2021）［3］以2015—2019年成渝經濟區16市的科技創新政策為評價對象，借助PMC指數模型建立區域科創政策綜合評價體系；張永安［4］借助PMC指數對我國區域科技創新政策進行量化評價。

結合河南省及其他省市地區的科技創新政策評價情況，本文對河南省科技創新政策評價的研究重點從科技創新政策本身入手，而不是從科技創新政策實施結果入手，在政策發布實施前進行科學合理的評價屬于前饋控制，可避免因政策不合理導致資源投入浪費，可起到更好的控制效果。

1.2? ?評價方法

目前國內研究學者多以實證的方法進行政策評估，如熵值法、模糊綜合評價法、因子分析法等。但這幾種評價方法在對政策評估上均有各自的缺點，熵值法在無業務經驗指導的情況下，對樣本的依賴性比較大，隨著建模樣本變化，權重會有一定的波動；模糊評價法因隸屬度權系數總是較小，分辨率較低從而出現模糊現象，使得評價不夠準確；因子分析法只能用于綜合性的評價，對數據量和成分也有要求，需要先進行KMO檢驗，檢測數據是否可以運用。

近幾年在公共政策評價研究中，PMC指數模型被較多運用。PMC模型是由Ruiz Estrada［5］等學者最先提出的，指導思想是Omnia Mobilis假說，該假說認為，世間萬物都是運動并相互關聯的，任何變量都同等重要。因此，研究政策評價模型時各二級變量權重應該相同。

本文以河南省科技創新政策文本為研究對象，運用PMC指數模型挖掘河南省科技創新政策變量，構建其評價指標體系，并通過PMC曲面反映政策本身的優缺點，從而指導河南省科技創新政策更加完善，更具有可行性，提高實踐意義。

2? ? ?河南省科技創新政策評價模型構建

PMC指數模型建立步驟如下：選取政策樣本；變量的數據與參數識別；建立多投入產出表；計算PMC指數。

2.1? ?數據來源

本文擬對河南省科技廳官網上發布的科技創新政策進行深入分析，根據如下原則進行樣本選取：一是選取在科技廳網站發布時間為2015年1月至2022年12月之間的政策；二是將科技創新政策關聯度不高、已經廢除或者內容重復的政策文本剔除。最終選取51篇政策文本進行分析。

2.2? ?變量設置與參數識別

綜合張永安［4］、何芷璇［3］等已有的研究成果，并結合51項科技創新政策本身的特點，本文選取政策性質等10個一級變量，引導等39個二級變量，評價變量設置如表1所示。

2.3? ?建立多投入產出表

根據Ruiz Estrada［5］的思想，各二級變量的重要性是相同的，因此為了給各二級變量賦予相同的權重，對各二級變量做二進制處理，建立多投入產出表，各二級變量如果符合變量的描述，則為1，不符合變量的描述，則為0，如二級變量X11，若政策具有引導功能，則X11為1，否則為0。多投入產出表如表2所示。

2.4? ?PMC指數計算

計算PMC指數總共分為三步：

第一步：計算各二級變量的值。根據多投入產出表得出各二級變量的數值。

第二步：求出每一個一級變量的值。每一個一級變量的值等于該一級變量下所有二級變量的總得分除以該一級變量下所有二級變量的總數，見公式（1）。

第三步：求PMC指數。PMC指數等于在第二步中求得的所有一級變量值的總和，見公式（2）。

其中，Xt為一級變量；Xtj為二級變量；m為一級變量數，n為二級變量數，函數T（Xtj）表示計算所有二級變量的個數。

根據Ruiz Estrada［5］的研究，將PMC指數結果劃分為如下四個等級（見表3）。

3? ? ?實證研究

3.1? ?政策樣本選取

根據以上分析，最終選取3項河南省科技創新政策作為樣本進行實證研究（見表4）。這3項政策均來自整理的51項河南省科技創新政策。

3.2? ?指數計算與曲面圖繪制

3.2.1? ?PMC指數計算結果

通過對3項政策的深入分析，結合PMC指數計算公式，分別計算3項政策PMC指數，具體結果如表5所示。

3.2.2? ?曲面圖繪制

為了更加形象地反映對于PMC指數的研究結果，本文繪制三維PMC曲面圖。考慮到曲面圖的對稱性，本文刪除無二級變量的X10這個一級變量，以X1至X9構建三維矩陣來繪制PMC曲面圖，PMC矩陣如下：

圖1為政策P1的PMC曲面圖。

3.3? ?政策整體分析

依據PMC指數結果并結合評價等級標準，可以看出政策P1、P2為優秀，政策P3為可接受。政策P3的PMC指數低于其他兩項政策是由于X1、X4、X7、X9這四個主要變量的分值比較低。由于P3是河南省科技型創新團隊管理辦法，在X1（政策性質）上主要為建議、監管和支持，沒有涉及引導和預測；在X4（政策激勵方式）對于科技型創新團隊的激勵方式方面，主要涉及人才激勵和財政資金支持，而在稅收減免、投資補貼和法律保障上沒有涉及，對于企業型的科技創新團隊可以在稅收減免和投資補貼上給予激勵；在X7（政策領域）方面，主要涉及科技和制度，較少涉及經濟和社會服務；在X9（政策受眾）上，科技創新團隊的管理辦法的政策受眾主要是企業、科研院所和高校，受眾不是個體和金融機構。除以上原因使得政策P3的評價等級較低之外，政策本身的性質和功能單一也是一個重要原因，但是政策的制定者也可以從多個方面提高政策的合理性，比如在激勵措施上多鼓勵企業創業力量的參與，提高企業創新的積極性，較快地將科研成果轉化為生產力，從而使得科技創新政策的實施效果更好。但總的來說，政策P3 PMC指數仍在可接收范圍內，表示P3政策仍是合理的。

4? ? ?總結與展望

本文首先分析了河南省科技創新政策評價的理論意義和現實意義，選擇了對科技創新政策本身評價這一評價主張，在評價方法選擇上選擇運用PMC指數模型來對河南省科技創新政策進行評價，最后通過對3項政策進行深入挖掘，得出3項科技政策的PMC指數和PMC曲線圖，并對評價結果為“可接受”的P3政策給出一定的改進建議。

主要參考文獻

［1］張大力，葛玉輝.基于質性研究的河南省科技人才政策焦點分析［J］.科技管理研究，2020，40（9）：93-97.

［2］任莎莎.基于PMC指數模型的北京市人工智能政策量化評價［J］.全球科技經濟瞭望，2021，36（10）：54-62.

［3］何芷璇.基于PMC指數模型的成渝經濟區科技創新政策量化評價［J］.全國流通經濟，2021（14）：133-137.

［4］張永安，耿喆.我國區域科技創新政策的量化評價：基于PMC指數模型［J］.科技管理研究，2015，35（14）：26-31.

［5］R ESTRADA，YAP S F，NAGARAJ S. Beyond the ceteris paribus assumption：Modeling demand and supply assuming Omnia Mobilis［R］. FEA Working Paper No. 2007-16.

［收稿日期］2023-05-27

［基金項目］河南省軟科學研究計劃項目“河南省科技創新政策的量化評價——基于PMC指數模型”（232400410289）。

［作者簡介］吳迪（1983— ），女，黑龍江湯原人，碩士，副教授，主要研究方向：科技政策。