面向數字經濟發展的大數據政策量化評價及關聯效應分析

趙海東 李橋興

摘?要：大數據是推動數字經濟形成與繁榮的重要引擎，而大數據政策的頒布則能夠有效促進數字經濟的發展。在分析數字經濟發展框架并考慮各項政策外部條件因素的基礎上，采用修正PMC指數模型等構建面向數字經濟發展的大數據政策量化評價指標體系對大數據相關政策進行量化分析，最后運用灰色關聯模型分析政策量化值與數字經濟發展水平之間的關聯度。研究結果能夠為今后各區域制定和完善大數據政策和有效促進數字經濟快速發展等提供有價值的參考建議。

關?鍵?詞：數字經濟；大數據政策；PMC指數模型；灰色關聯分析

DOI：10.16315/j.stm.2023.01.008

中圖分類號：?F420；F1243

文獻標志碼：?A

Quantitative?evaluation?and?correlation?effect?analysis?of?Big?Data

policies?for?the?development?of?digital?economy

ZHAO?HaiDong1，?LI?QiaoXing1，2

（1.College?of?Management，?Guizhou?University，?Guiyang?550025，?China;

2.The?Research?Center?of?Development?Strategy?in?Karst?Region，?Guizhou?University，?Guiyang?550025，?China）

Abstract：Big?data?is?an?important?engine?to?promote?the?formation?and?prosperity?of?the?digital?economy，?and?the?promulgation?of?big?data?policies?can?effectively?promote?the?development?of?the?digital?economy.?On?the?basis?of?analyzing?the?development?framework?of?the?digital?economy?and?considering?the?external?conditions?of?various?policies，?the?revised?PMC?index?model?is?used?to?construct?a?quantitative?evaluation?index?system?for?big?data?policies?oriented?to?the?development?of?the?digital?economy?to?quantitatively?analyze?the?policies?related?to?big?data.?Finally，?the?grey?correlation?model?is?used?to?analyze?the?correlation?between?the?quantitative?value?of?the?policy?and?the?development?level?of?the?digital?economy.?The?research?results?can?provide?valuable?reference?suggestions?for?formulating?and?improving?big?data?policies?and?effectively?promoting?the?rapid?development?of?digital?economy?in?various?regions?in?the?future.

Keywords：digital?economy;?big?data?policy;?PMC?index?model;?grey?relational?analysis

收稿日期：?2022-11-14

基金項目：?國家自然科學基金地區項目（71663011）；貴州省哲學社會科學規劃聯合基金課題（18GZLH04）;貴州省教育廳高等學校人文社會科學研究基地項目（2020JD003）

作者簡介：?趙海東（1996—），男，碩士研究生；

李橋興（1973—），男，教授，博士生導師.

物聯網產業的發展使全球每年產生的數據急速增長，而云計算和區塊鏈等技術的進步則使海量數據的計算與處理成為可能。同時，信息通信技術的普遍應用極大地促使大數據技術廣泛應用于社會經濟的發展過程。因此，大數據逐漸成為推動經濟發展的新引擎，并進一步衍生出一種新的社會經濟形態——數字經濟。我國2020年的數字經濟規模已經達到39.2萬億元，在“十三五”規劃期間翻了一番。數字經濟的快速發展，表明海量數據成為國家的重要戰略資源。大數據作為數字化時代的關鍵生產要素和數字經濟發展的重要驅動力，其可復制、可共享以及無限增長等的資源稟賦特征預示了大數據蘊藏著巨大的潛能并有效打破了自然資源的有限供給限制，為數字經濟的可持續發展與增長提供了基礎與可能。為了推動數字經濟的快速發展，各國相繼推出許多促進大數據發展的政策，如美國的《大數據研究發展倡議》、英國的《把握數據帶來的機遇：英國數據能力戰略規劃》等。自2015年黨的十八屆五中全會首次提出“國家大數據戰略”以來，我國相繼推出《促進大數據發展行動綱要》《大數據產業發展規劃（2016—2020）》《關于構建更加完善的要素市場化配置機制的意見》等政策，以此來促進大數據產業的發展，加快數據紅利的釋放。顯然，大數據作為數字化時代的關鍵生產要素，其相關政策的頒布與實施能夠在一定程度上有效促進數字經濟的發展。因此，探究大數據政策的頒布對數字經濟發展的影響，能夠為新一輪地區大數據發展政策精準制定提供決策參考。

1?文獻綜述

國內外關于數字經濟的研究文獻基本集中在產業結構、路徑選擇、測度分析和區域差異等若干方面。作者僅根據本文的研究需求對數字經濟的產業結構和政策量化等方面的文獻進行述評。首先，眾多學者認為數字經濟的結構和框架是開展數字經濟研究的理論基礎。一方面，學術界對數字經濟的概念和內涵有不同的看法。例如，中國信息通信研究院基于生產力與生產關系角度提出數字經濟的框架已經從“兩化”（即數字產業化、產業數字化）延伸到“四化”（即數字產業化、產業數字化、數字化治理、數據價值化）；OECD（2020）基于“核心—狹義—廣義—數字社會”4個方面也分析了數字經濟的結構框架；而賽迪智庫（2020）認為數字經濟的內涵特征可以從數字基礎、數字治理、數字產業和數字融合等4個方面來理解。另一方面，不同學者對數字經濟的產業結構也有不同的認識。如從“基礎設施—行業平臺—雙邊平臺—數據生態系統—經濟”5個角度對數字經濟研究[1]；基于技術經濟范式變革的數字經濟演進及特征[2]；基于數字生產（環節）關系、數字交換關系、數字分配關系和數字消費關系等視角的數字經濟發展路徑[3]等。盡管理解視角的差異導致學術界對數字經濟產業的結構和特征還未能達成共識，但數字經濟總體上正處于不斷的發展之中，其產業結構和框架等也應在不斷的完善。因此，學術界在考察數字經濟的產業結構時應充分考慮數字經濟框架的適應性與多維性。其次，國內外學術界基于多種研究方法探討相關產業政策的量化評估。例如，基于PMC指數模型對產業政策進行量化評價[4-6]；基于文本相似度、扎根理論和詞頻分析等方法分析大數據政策的文本內容[7-9]；運用回歸分析和DID模型等方法從多種維度分析政策的有效性[10-12]；利用文本量化分析法對疫情防控的政策文本進行量化分析和評價[13]；運用門檻模型和分位數回歸模型等定量探討政策的執行效果等[14]。最后，在大數據政策方面，學者們主要采用PMC指數模型對部分我國部分大數據政策進行量化評價，如運用PMC指數和PMC曲面圖對我國8項大數據政策進行量化評價[15]；以Herring模型為研究框架，采用PMC指數模型對11項國家級大數據政策進行量化評價[16]；采用文本挖掘法和PMC指數模型對9項國家級健康醫療大數據政策進行分析[17]。

文獻分析發現數字經濟隨著其持續而快速的發展趨勢而受到企業界、政府界和學術界的強烈關注。盡管數字經濟結構及其政策的量化研究等已經取得了一系列的研究成果，但是數字經濟的后續研究還需要隨著經濟社會的發展來考慮其研究方法的適用性和政策宏觀調控的作用效果等，而在大數據政策的量化評價方面也主要針對少量主要政策進行分析。鑒于此，本文在已有研究成果的基礎上進一步綜合分析數字經濟的產業結構和框架體系，并構造基于數字經濟產業結構的PMC指標體系對國內8個大數據綜合試驗區所在省份頒布的所有大數據政策進行量化評價。同時，運用灰色關聯模型探究大數據政策量化值與數字經濟發展水平之間的關聯度。本文旨在探討促進數字經濟發展的政策動因以及大數據政策與數字經濟發展之間的關系，期待能為數字經濟的發展與政策制定等提供理論指導與參考依據。

2?數字經濟的結構框架

數字經濟已成為引領全球經濟社會變革和推動經濟高質量發展的重要引擎，而數字經濟的產業結構框架則是開展數字經濟研究的基礎。如上所述，眾多機構和學者從多角度切入來構建數字經濟的產業結構要素，因此本文在參照中國信通院提出數字經濟“四化”結構的基礎上再考慮數字化基礎設施建設和數據安全服務等方面，即形成6個維度深入分析數字經濟的產業結構框架，同時參照國家統計局頒布的《數字經濟及其核心產業統計分類（2021）》和《浙江省數字經濟核心產業統計分類目錄》以及各二級指標的相關含義來細化各指標內涵分別構建出各指標的具體標簽詞，可用于判別某項政策是否促進數字經濟的發展。

1）數字產業化。數字產業化是指利用數字技術對生產、分配和交換等經濟活動的各環節進行改造從而重構其產業鏈和價值鏈，是數字經濟發展的核心。數字產業化的二級指標包括軟件及服務業、電子信息制造業、基礎電信業和互聯網等[18-19]，其具體標簽，如表1所示。

2）產業數字化。產業數字化是推動數字經濟發展的新動能。數字經濟除了能夠促進信息通信產業及自身發展外還有助于促進傳統產業與數字經濟相融合，從而推動傳統產業轉型發展。因此，產業數字化是指傳統產業應用數字技術促進產業增長，并主要包括工業數字化、農業數字化和服務業數字化，其具體標簽，如表2所示。

3）數字化治理。數字化治理是現代政府治理不可或缺的工具，是指政府通過數字化實現政府治理體系和治理能力的現代化，也是數字經濟發展的保障。數字經濟作為更高級別的經濟形態，應該有新的監管形式，同時隨著傳統產業向數字化轉型日趨加速，數字技術也將成為政府治理不可或缺的重要工具。因此，數字化治理主要包括數字化公共服務、電子政務服務和政務信息化建設[20]，其具體標簽，如表3所示。

4）數據價值化。數據價值化是數字經濟發展的基礎，是指推動各類數據發揮作用并產生價值。大數據作為發揮數據價值的物質因素，在推進數據交易體系建設并規范數據的交易、共享和轉移等環節發揮著重要作用。充分發揮數據要素價值，使數據要素市場化流動成為可能。數據價值化可分為數據資源化、數字資產化和數據資本化等3個發展階段[21]，其具體標簽，如表4所示。

5）數字基建。數字基建是數字經濟發展的源泉和活力保障。例如，大數據中心作為承載海量數據的重要物理設施，擔負著數據流的接收、存儲、處理和轉發等任務，大數據中心承擔著數字經濟時代的數字樞紐責任，是數字經濟時代的“中樞大腦”。目前，全國一體化大數據中心建設已被納入國家的宏觀規劃。數字基建主要包括信息技術設施、數字化基礎設施建設和信息管理服務平臺等，其具體標簽，如表5所示。

6）數據安全服務。數據安全是數據作為生產要素的前提。中國互聯網協會于2021年4月發布的《數據安全治理能力評估方法》指出，當前數據安全已經上升到國家安全的層面，事關國家安全和經濟社會發展。隨著數字經濟的發展，傳統碎片化的網絡安全保護方法正在失效，因而必須建立更加強大的網絡安全體系來保障數字經濟的發展。數據安全服務作為數字經濟產業結構的一部分[22]，其具體標簽，如表6所示。

3?大數據政策的量化評價

政府工作報告在近幾年來連續多次提及數字經濟，而數字經濟也是“十四五”規劃的重要內容。大數據與數字經濟是未來創新發展和產業變革的重要機遇。在未來五到十年內，數字經濟將進入快速發展時代，同時數據賦能將重構更多傳統產業領域。在數字化時代，數據時刻記錄著消費者的需求偏好并掌握著社會資源的配置情況。既然大數據的發展推動了數字經濟的形成與繁榮，因此保障有利的政策措施是促進數字經濟發展的重要手段。完善的大數據政策體系能夠有效地推動數字經濟的繁榮與發展。客觀評價已有的大數據政策能夠有效探究政策頒布實施與數字經濟發展之間的關系，也為未來的政策制定提供具體可操作的決策依據。因此，數字經濟發展與政策制定之間的協同成為政府部門關注的焦點之一。

3.1?政策文本篩選

為了確保政策搜集的可靠性，本文以“大數據”和“大數據產業”為關鍵詞，以國內8個大數據綜合試驗區所在省份為地理節點，在北京大學法律數據庫上進行精確搜索，共收集到488項大數據的相關政策。另外，為了確保政策的有效性與準確性，本文對檢索到的政策文本又進行逐一篩選，從而選擇出那些與數字經濟產業相關的政策。本文篩選的具體標準如下：首先，考慮到政策實施的時效性，本文優先選擇現行有效的政策；其次，剔除掉沒有實質性內容的文本，如對建議的答復等；再次，以各二級指標的具體標簽為關鍵詞作為判斷各項政策是否與數字經濟發展相關或有效促進數字經濟的發展，最終獲取8個地區的128項大數據發展的相關政策。

3.2?PMC指標體系建立

本文選取PMC指數模型和內容分析法對大數據政策進行量化分析和評價。該方法不僅可以分析政策的內在一致性，還可以突出政策的優劣勢、政策的總體情況和單個政策的具體情況等[23]。同時，為了能夠更具針對性地研究大數據政策與數字經濟發展之間的聯系并探究促進數字經濟發展的政策動因，本文結合數字經濟產業結構框架與政策的外部性質并基于大數據政策量化的已有研究成果，建立了基于數字經濟發展視角下的大數據政策量化評價指標體系并確立了10個一級指標與34個二級指標，如表7所示。

3.3?計算PMC指數

本文首先將篩選出的政策文本內容導入分詞軟件中進行分詞處理，再運用內容分析法來確定各二級指標變量的取值，即以各二級指標的標簽詞為依據來判斷政策文本是否包含對應的二級指標標簽詞，并規定若包含標簽詞則變量賦值為1，否則賦值為0，同時對各一級變量設定相同的權重來確保每個變量對大數據政策的影響相同。各二級指標變量的取值公式如式（1）和式（2）所示，并且二級指標變量服從[0，1]分布。另外，本文還對政策進行了密集地人工篩選，其原因是軟件分詞可能會漏掉部分不明顯的關鍵詞而需要一定的人工干預，如此可以進一步保證結果的合理性。相較于傳統的主觀打分法而言，該步驟采用文本挖掘與人工過濾相結合的方法進行內容分析，其結果更具可觀性和科學性。本文限于篇幅不再列出各項政策的具體賦值情況。

X～N［0，1］，（1）

X={XR∶［0，1］}。（2）

在確定各項政策的二級指標變量取值后，本文先根據Estrada[23]提出的式（3）計算出各項政策的一級指標變量取值，然后利用公式（4）計算出各項政策的PMC指數值，再根據評價值對各項大數據政策進行量化評級，即[0～4）為不達標，[4～6）為合格，[6～8）為良好，[8～10）為優秀。

其中：T（Xij）為某一級變量下二級變量的個數;i為一級變量，本文取值為1～10;j為二級變量。

4?政策量化結果分析

基于政策的時效性等外部因素以及數字經濟產業結構等內部因素來分析各區域的大數據政策環境，然后采用式（3）和式（4）分別計算8個區域所有政策的一級指標變量取值和PMC指數值總和，并綜合分析了大數據政策效力情況和政策的等級以及政策的內外部因素。

4.1?政策效力情況分析

本文利用各項政策的PMC指數值來表示政策的效力即各項政策對數字經濟發展的促進作用情況，并從時間維度研究各區域頒布大數據政策的效力情況及所有區域的總體情況，如圖1所示。各區域在2016年頒布政策的PMC總值達到最大，且隨著時間的發展PMC值逐年減少。結合政策的內容分析，本文認為這是政策的時效性引起的。對單個區域政策的PMC值發現，貴州和河南兩地在2018年之前的PMC值逐年遞增，表明這兩地政府對數字經濟發展的關注度較高，因而其數字經濟發展的政策環境較好；而廣東等地則隨著時間發展其PMC值逐年減少，表明當地政府對數字經濟發展的關注度較低。

4.2?政策量化等級分析

結合前文評價等級標準對8個區域的各項政策進行劃分并統計結果，如表8所示。顯然，各省市的政策評價結果主要表現為合格與良好2個等級，其占比超過80%。特別地，貴州超過90%的政策屬于這兩個等級。另外，盡管屬于優秀和不達標這2個等級的政策數量較少，但結合各省份頒布政策的具體內容發現，優秀等級的政策多數為各省市人民政府頒布的長期而具體的行動計劃通知，而不達標的政策多為地方機構頒布的短期而有針對性的計劃，如廣東省大數據管理局頒布的《關于征集2016年工業大數據應用示范項目的通知》等。

4.3?政策外部因素分析

根據前文建立的PMC指標體系發現，政策外部因素主要包括政策性質、政策時效、政策級別和政策受體等4個一級指標及其包含的17個二級指標。本文采用式（1）和式（2）計算各區域中每個二級指標所包含的政策數量占該區域有效政策數量的比例，并分析各區域所頒布的政策外部因素，如圖2所示。在政策性質方面，各地區頒布的政策都具備建議、引導和描述等性質，但在預測和監管等方面各區域則存在著差異；在政策時效方面，遼寧和上海兩地政策的時效性主要集中在近3年內，而其他區域政策的時效性則較長并主要集中在近5年內，其中廣東和內蒙古兩地近一半的政策具有3～5年的時效性；在政策級別方面，各區域所頒布政策的分布不均衡，即北京、上海和重慶等地的政策主要是由地方政府所頒布，如各地相應的大數據工作小組或大數據管理局等，而河南和內蒙古兩地的政策主要是由相應的省市級單位頒布，還有貴州和遼寧兩地中各政策級別的政策數量呈現出1：2：1的比例關系；在政策受體方面，近乎全部的政策面向政府、企業與其他相關機構，而部分政策則不包含產業和高校。

圖2?各區域頒布政策的外部因素分析

Fig.2?Analysis?of?external?factors?of?policies?issued?by?various?regions

4.4?政策內部因素分析

各區域數字經濟產業結構框架中每個指標所包含的政策數量占該區域有效政策的比例，如圖3所示。分析各區域政策對數字經濟發展的影響情況發現，不同區域支持的數字經濟產業活動有所不同，且各地區數字經濟發展側重點也有一定的差異。例如，貴州和河南兩地的政策環境主要側重于數據的資源化、數字化基礎設施和信息服務平臺等方面，而遼寧和上海兩地則主要側重于軟件及信息服務業、互聯網、服務業數字化等方面。另外，廣東和內蒙古兩地頒布的政策在數字經濟發展的各部分所占比例較為相似，而其他區域則在數據價值化、綜合基礎設施和數據安全服務等方面分布較為相似。數字經濟的各部分發展分析發現，各區域對數據安全服務與數據資本化等關注較少；特別地，僅有北京在2020年頒布的大數據交易所工作方案中提到數據資產的證券化和質押融資等數據資本化內容。

圖3?各區域頒布政策所支持的產業活動分布情況

Fig.3?Distribution?of?industrial?activities?supported?by?policies?issued?by?various?regions

5?大數據政策與數字經濟發展的關聯效應分析

為了進一步探究大數據政策的頒布對區域數字經濟發展的影響，本文選擇灰色關聯模型研究各區域政策的PMC值與數字經濟發展之間的關聯關系[24]，分析大數據政策的頒布對數字經濟發展各方面的影響程度。

5.1?研究方法與計算過程

1）參考數列與比較數列的選擇。本文選取各區域歷年頒布的大數據政策量化值作為參考數列，記為a0j。在比較數列選取方面，本文根據前文構建的數字經濟分析框架并參照已有文獻[25]，從基礎設施建設、數字產業化、產業數字化和數字化治理4方面選取9個指標來衡量區域數字經濟發展水平，具體包括光纜長度（y1）、互聯網寬帶接入端口數（y2）、軟件業務收入（y3）、電信業務總量（y4）、兩化融合水平（y5）、數字普惠金融指數（y6）、互聯網普及率（y7）、數字政務水平（y8）、地區生產總值（y9），并采用熵值法和線性加權法來測度各地區數字經濟發展水平（y0）。相關數據主要來源于《中國統計年鑒（2016—2021）》，部分數據來源于《省級政府網上政務能力調查評估報告》和工信部兩化融合服務平臺。

2）灰色關聯度計算。

ξij=miniminj|a0j－yij|+ρmaximaxj|a0j－yij||a0j－yij|+ρmaximaxj|a0j－yij|。（5）

其中：ρ∈（0，1）為分辨系數，且一般取0.5;ξij是第i個指標在第j年的關聯系數。

ri=1n∑nj=1ξij。?（6）

其中，ri是第i個指標的關聯度，取值范圍為（0，1），且數值越大，關聯性越強。

5.2?關聯效應分析

本文運用灰色關聯法分別計算出8個大數據綜合試驗區所在省份在2015—2020年大數據政策與數字經濟影響因素之間的關聯系數，并計算出關聯度，分析各地區大數據政策的頒布對數字經濟發展的影響程度，如表9所示。

從大數據政策與數字經濟發展水平的關聯度來看，2015—2020年各地區頒布的大數據政策與數字經濟發展水平的關聯度存在著較大差距，其中上海的關聯度最高為0.862，廣東、北京、遼寧等地也具有較高的關聯度，河南（0.546）和貴州（0.603）關聯度較低。從大數據政策與數字經濟發展各指標間的關聯度來看，數字經濟總體水平關聯度高的地區在指標的關聯度方面存在著一定的相似性，如廣東、北京、遼寧和上海四地在互聯網普及率和地區生產總值方面都具有較高的關聯度。另外，不同地區頒布的大數據政策側重點不同，使得各地區數字經濟發展各指標的關聯度也存在著一定的差異，貴州在產業數字化方面的關聯度相對較高，如兩化融合水平（0.731?1）和數字普惠金融指數（0.696?2）方面關聯度較高；河南主要側重于數字基礎設施建設方面包括光纜長度（0.769?3）和互聯網寬帶接入端口數（0.868?1），互聯網普及率（0.809?2）也具有較高的關聯度；內蒙古在兩化融合水平（0.870?1）和互聯網普及率（0.827?2）方面有著較高的關聯度。

6?結論與建議

大數據作為數字化時代的重要驅動力，是數字經濟發展的關鍵生產要素，因而大數據政策體系的完善能夠有效地促進數字經濟的發展。本文運用內容分析法與PMC指數模型量化評估我國8個大數據綜合試驗區所在省份于2015—2020年間頒布的政策效果，并運用灰色關聯模型來分析大數據政策的量化值與數字經濟發展水平之間的關聯效應，獲得主要結論如下。

首先，從政策效力和政策等級分析發現：一方面，各地區政策效力水平呈先上升后下降的趨勢，其中貴州和河南兩地的轉折點在2018年，內蒙古在2017年，其余五地均在2016年開始下降；另一方面，各地頒布的部分政策評價等級過低，多數政策的效果評價均為合格，對數字經濟發展的促進作用有限。因此，各地在制定大數據政策來促進數字經濟相關產業發展的時候，應立足于當地發展的實際情況并在國家宏觀政策的調控下，針對數字經濟產業結構中具體的部分產業頒布操作性較強的相關政策，以此提高當地數字產業的規模并培養其優勢產業。如貴州作為先導性試驗區應充分利用國家政策優勢，頒布相關政策針對性的促進數字產業發展。

其次，從政策外部維度分析發現：部分區域的政策多為地方單位頒布且時效性較短，同時在政策性質方面缺少預測與監管的功能，表明這些區域在政策設計過程中缺乏長期的戰略目標和規劃而導致相關政策的前瞻性功能較弱，也在一定程度上影響著大數據政策對數字經濟發展的促進作用。而在政策的受眾方面，各地政府對產業和高校院所這兩個方面相比于其他受眾而言的關注力較弱。因此，今后各地區在頒布大數據發展相關政策時，一方面要注重大數據發展在戰略層面的長期規劃布局，如貴州省發布的《貴州省大數據產業發展應用規劃綱要（2014—2020年）》和工業和信息化部頒布的《大數據產業發展規劃（2016—2020年）等政策均從長遠角度來考慮大數據的發展規劃。另一方面，各地區在政策制定中應盡量兼顧各個受眾體的需求并頒布涵蓋面較廣的大數據政策，從而擴大政策的實施范圍，如《貴州省大數據發展應用促進條例》的受眾包括政府、企業、高校以及科研院所等多個對象。

最后，從政策內部維度及數字經濟發展的關聯效應分析發現，當前各地區頒布的大數據政策的側重點雖有所差異但基本集中在基礎設施建設、產業數字化和數字化治理等方面，在數字產業化方面各地區的政策關聯度也相對較低。同時絕大部分政策缺少關注數據安全與價值化方面的數據資本化和數據資產化。在數字化時代，大數據作為重要的生產力要素是發揮數據價值的使能因素，因而未來的大數據政策應補充數據價值化等方面的相關內容，并通過加快建設數據交易體系以進一步釋放“數據紅利”。另外，數據安全是數字經濟發展的保障。隨著數據開放程度的不斷加深，當前數據的主權、享有權和使用權等并未被法律所認可和明確規定，將在一定程度上影響著個人隱私和人類社會的安全。基于此，各地政府應制定數據安全相關的配套政策來保證數字經濟的安全發展。

再次，從政策內部維度及數字經濟發展的關聯效應分析發現，當前各地區頒布的大數據政策的側重點雖有所差異但基本集中在基礎設施建設、產業數字化和數字化治理等方面，各地區頒布的政策缺少對數據安全與數據價值化中數據資本化和數據資產化等方面的關注。另外，從大數據政策量化與數字經濟發展至今的關聯度來看，各地區在數字產業化方面的關聯度也相對較低。因此，在數字化時代，一方面大數據作為重要的生產力要素是發揮數據價值的使能因素，因而未來的大數據政策應補充數據價值化等方面的相關內容，并通過加快建設數據交易體系以進一步釋放“數據紅利”。另一方面，數據安全是數字經濟發展的保障。隨著數據開放程度的不斷加深，當前數據的主權、享有權和使用權等并未被法律所認可和明確規定，將在一定程度上影響著個人隱私和人類社會的安全。基于此，各地政府應制定數據安全相關的配套政策來保證數字經濟的安全發展。同時，結合大數據政策量化值與數字經濟發展之間關聯度可以看出，各地區應從不同的角度出發促進數字經濟的發展，如貴州和內蒙古兩地可通過頒布政策促進產業數字化發展來提高區域數字經發展水平，河南和遼寧通過提高數字基礎設施建設來提高數字水平。

最后，本文對國內8個大數據綜合試驗區所在省份頒布的大數據政策進行量化分析，并探究了大數據政策與影響數字經濟發展相關因素之間的關聯效應，進一步拓寬大數據政策量化評價領域的研究，能夠對新一輪地區大數據發展政策精準制定提供借鑒意義，但仍存在一定的不足之處，如政策的量化評價方法較為簡陋且在考慮影響數字經濟發展因素時選取的指標較少。因此，接下來的研究應進一步考慮對政策量化評價模型進行完善，并更全面的考慮影響數字經濟發展的因素，使結果更加完善。

參考文獻：

［1］?KE?R.Research?agenda?for?the?digital?economy[J].Journal?of?Digital?Economy，2022，1（1）：20.

[2]?張路娜，胡貝貝，王勝光.數字經濟演進機理及特征研究[J].科學學研究，2021，39（3）：406.

ZHANG?L?N，Hu?B?B，WANG?S?G.Research?on?the?evolution?mechanism?and?characteristics?of?digital?economy［J］.Science?of?Science?Research，2021，39（3）：406.

[3]?龔曉鶯，楊柔.數字經濟發展的理論邏輯與現實路徑研究[J].當代經濟研究，2021（1）：17.

GONG?X?Y，YANG?R.Research?on?the?theoretical?logic?and?realistic?path?of?digital?economy?development［J］.Contemporary?Economic?Research，2021（1）：17.

[4]?LI?Y?Z，HE?R，LIU?J?S，et?al.Quantitative?evaluation?of?Chinas?pork?industry?policy：A?PMC?index?model?approach[J].Agriculture，2021，11（2）：1.

[5]?YANG?T，XING?C，LI?X.Evaluation?and?analysis?of?newenergy?vehicle?industry?policies?in?the?context?of?technical?innovation?in?China[J].Journal?of?Cleaner?Production，2021，281：125126

[6]?鄒鈺瑩，婁崢嶸.中央層面養老服務政策內容量化評價：基于PMC指數模型的分析[J].電子科技大學學報（社科版），2020，22（3）：68.

ZOU?Y?Y，LOU?Z?R.Quantitative?evaluation?of?the?content?of?the?central?level?elderly?care?service?policy：Analysis?based?on?PMC?index?model［J］.Journal?of?UESTC（Social?Science?Edition），2020，22（3）：68.

[7]?徐蕾，李慶，肖相澤.基于扎根理論的大數據政策共詞網絡研究[J].現代情報，2018，38（6）：157.

XU?L，LI?Q，XIAO?X?Z.Research?on?big?data?policy?co?word?network?based?on?grounded?theory［J］.Modern?Intelligence，2018，38（6）：157.

[8]?張濤，馬海群.基于政策文本計算的開放數據與數據安全政策協同研究[J].情報理論與實踐，2020，43（6）：149.

ZHANG?T，MA?H?Q.Research?on?open?data?and?data?security?policy?collaboration?based?on?policy?text?computing［J］.Information?Theory?and?Practice，2020，43（6）：149.

[9]?譚海波，鄭清清，王海函.地方政府大數據產業政策：工具偏好及其匹配：基于貴州省政策文本的分析[J].中國行政管理，2021，（1）：52.

TAN?H?B，ZHENG?Q?Q，WANG?H?H.Local?government?big?data?industrial?policy：tool?preference?and?matching：Based?on?the?analysis?of?Guizhou?policy?text［J］.China?Administration，2021（1）：52.

［10］WANG?K，LEI?L，QIU?S，GUO?S.Policy?performance?of?green?lighting?industry?in?China：A?DID?analysis?from?the?perspective?of?energy?conservation?and?emission?reduction[J].Energies，2020，13（22）：1.

[11]LI?J?R，YAO?Y，ZUO?J，et?al.Key?policies?to?the?development?of?construction?and?demolition?waste?recycling?industry?in?China[J].Waste?Management，2020，108（5）：137.

[12]LIU?L?J，ZHANG?T，AVRIN?A?P，et?al.Is?Chinas?industrial?policy?failing？?An?empirical?study?of?the?new?energy?vehicles?industry[J].Technology?in?Society，2020，63（3）：101356.

[13]李橋興，杜可.新冠肺炎疫情期間政策的文本量化分析與建議[J].電子科技大學學報（社科版），2020，22（4）：1.

LI?Q?X，Du?K.Text?quantitative?analysis?and?suggestions?of?policies?during?the?COVID19［J］.Journal?of?UESTC（Social?Science?Edition），2020，22（4）：1.

[14]DONG?F，LIU?Y?J.Policy?evolution?and?effect?evaluation?of?newenergy?vehicle?industry?in?China[J].Resources?Policy，2020，67（4）：101655

[15]周海煒，陳青青.大數據發展政策的量化評價及優化路徑探究：基于PMC指數模型[J].管理現代化，2020，40（4）：74.

ZHOU?H?W，CHEN?Q?Q.Quantitative?evaluation?and?optimization?path?exploration?of?big?data?development?policy：Based?on?PMC?index?model［J］.Management?Modernization，2020，40（4）：74.

[16]胡峰，溫志強，沈瑾秋，等.情報過程視角下大數據政策量化評價：以11項國家級大數據政策為例[J].中國科技論壇，2020，（4）：30.

HU?F，WEN?Z?Q，SHEN?J?Q，et?al.Quantitative?evaluation?of?big?data?policies?from?the?perspective?of?information?process：Taking?11?national?Big?Data?policies?as?examples［J］.China?Science?and?Technology?Forum，2020（4）：30.

[17]顧一純，何達，黃佳妤，等.基于PMC指數模型的我國健康醫療大數據發展的政策環境研究[J].中國衛生政策研究，2022，15（4）：45.

GU?Y?C，HE?D，HUANG?J?Y，et?al.Research?on?the?policy?environment?of?Chinas?health?care?big?data?development?based?on?PMC?index?model［J］.China?Health?Policy?Research，2022，15（4）：45.

[18]中國信息通信研究院.中國數字經濟發展白皮書[R/OL].http：//www.caict.ac.cn/kxyj/qwFb/bps/202104/t20210423_374626.htm.20210423.

China?Academy?of?Information?and?Communication.White?Paper?on?Chinas?Digital?Economy?Development［R/OL］.http：//www.caict.ac.cn/kxyj/qwFb/bps/202104/t20210423_374626.htm.20210423.

[19]MOHAMED?E，ZULIKHA?J?B.What?is?the?digital?economy，and?how?to?measure?it[C]//Knowledge?Management?International?Conference?and?Exhibition?2006（KMICE?2006），2006：378.

[20]GASSER?U，ALMEIDA?V.Futures?of?digital?governance[J].Communications?of?the?Acm，2022，65（3）：30.

[21]N?CRTEREAL，OLIVEIRA?T，RUIVO?P.Assessing?business?value?of?Big?Data?analytics?in?European?firms[J].Journal?of?Business?Research，2017，70：379.

[22]GYOZO?S?E，BALAZS?R.Data?in?security?security?in?our?data？[J].Informacios?Tarsadalom，2017，17（1）：45.

[23]ESTRADA?M.Policy?modeling：Definition，classification?and?evaluation[J].Journal?of?Policy?Modeling，2011，33（4）：523.

[24]劉思峰.灰色系統理論及其應用（第八版）[M].北京：科學出版社，2018.

LIU?S?F.Grey?system?theory?and?its?application（8th?Edition）［M］.Beijing：Science?Press，2018.

[25]徐清源，單志廣，馬潮江.國內外數字經濟測度指標體系研究綜述[J].調研世界，2018，（11）：52.

XU?Q?Y，SHAN?Z?G，MA?C?J.Overview?of?domestic?and?foreign?research?on?digital?economy?measurement?index?system［J］.Research?World，2018（11）：52.

［編輯：劉琳琳］