單曉紅，龐世紅，劉曉燕，楊 娟

(北京工業(yè)大學(xué)經(jīng)濟與管理學(xué)院，北京 100124)

0 引言

政策的出臺往往會引起利益相關(guān)者或者市場的較大變化，進而會影響社會和諧和市場穩(wěn)定。例如2006年頒布的房地產(chǎn)政策“國六條”，在短期內(nèi)，政策的實施有效地抑制了房地產(chǎn)投資與消費過熱的問題，對房地產(chǎn)市場的穩(wěn)定起到了一定的作用[1]。研究政策頒布后的影響對于政府了解政策實施效果以及提高政府治理水平具有重要意義。目前政策影響的研究主要包括研究內(nèi)容和研究方法兩個方面。

政策影響的研究內(nèi)容主要集中在政策對某利益相關(guān)者和相關(guān)市場的影響。首先，政策對利益相關(guān)者的影響研究方面。從公共政策角度，李素利[2]、王亞民[3]分別研究了養(yǎng)老政策和延遲退休政策的影響，結(jié)果表明，養(yǎng)老政策的不同價值特性對養(yǎng)老生活有不同的影響；延遲退休政策引起的非議異性較高，推行需要調(diào)整。從產(chǎn)業(yè)政策角度，Aghion[4]、何熙瓊[5]指出產(chǎn)業(yè)政策和企業(yè)之間的競爭有相互促進的作用。從經(jīng)濟政策角度，貨幣政策[6]、結(jié)構(gòu)性減稅政策[7]、公允價值[8]等對利益相關(guān)者的影響較受關(guān)注。其次，政策對相關(guān)市場的研究方面。研究者傾向于探討經(jīng)濟政策對相關(guān)市場帶來的影響，Chung[9]以及余春雨[10]指出貨幣政策能夠顯著影響股票價格。Kulczycka J認為高稅收會削弱銅礦業(yè)開發(fā)的前景[11]。從產(chǎn)業(yè)政策角度出發(fā)，F(xiàn)reedman M等研究證明，產(chǎn)業(yè)政策增加了勞動力市場上女性的比例[12]。周陽敏[13]、Wang X[14]以及Tabeau A[15]從公共政策出發(fā)，得出結(jié)論：限購令與房產(chǎn)稅相比，限購令對房地產(chǎn)市場產(chǎn)生的影響更大；授權(quán)和補貼相互協(xié)調(diào)互補，對農(nóng)業(yè)起到更好的作用；嚴(yán)格的REDD政策能夠保護可能用于農(nóng)業(yè)生產(chǎn)的土地儲備。

在政策影響的研究方法上，學(xué)者主要采用回歸分析方法[2]、CGE模型[16]、冪律[17]等數(shù)學(xué)模型，量化政策對利益相關(guān)者或者市場產(chǎn)生的影響；常飛[18]使用向量自回歸(VAR)證明貨幣政策對不同地區(qū)房地產(chǎn)市場影響的差異化程度較大。隨著研究的深入，SVAR模型[19]、PVAR模型[7]等VAR的演化模型被引入政策影響研究。在數(shù)據(jù)源上，研究者多使用面板數(shù)據(jù)[20-21]、年報或數(shù)據(jù)庫中的數(shù)據(jù)[15,18]，以及調(diào)查問卷[2,22]收集到的數(shù)據(jù)。

綜上所述，在政策影響數(shù)據(jù)來源方面，歷年的統(tǒng)計數(shù)據(jù)數(shù)量較少，調(diào)查問卷數(shù)據(jù)受到調(diào)查方法、調(diào)查樣本的限制，無法充分分析政策帶來的影響。在線評論可以有效克服調(diào)查問卷和統(tǒng)計數(shù)據(jù)的時效性及數(shù)據(jù)量不足的缺點?，F(xiàn)有研究方法多利用定量方法，內(nèi)容多以分析政策對具體市場或某一利益相關(guān)者影響為主，無法深入和完整地解釋政策對多個利益相關(guān)者和市場變化帶來的影響。利用事理圖譜[23]能夠清晰地刻畫政策和利益相關(guān)者行為以及市場變化的因果關(guān)系和順承關(guān)系，進而深入地分析和解釋政策帶來的影響。

事理圖譜是以事件為節(jié)點、以關(guān)系為邊的有向圖。在關(guān)系識別上，利用觸發(fā)詞識別句子關(guān)系[24-26]，進而有效刻畫事件之間的關(guān)系和影響。本文以政策頒布后形成的評論為數(shù)據(jù)源，使用觸發(fā)詞識別句子關(guān)系，進而抽取事件對，構(gòu)建政策影響事理圖譜；使用扎根理論泛化事件，形成代表性更強的抽象事理圖譜，據(jù)此分析政策影響。本研究通過事理圖譜可以同時分析政策對市場及利益相關(guān)者產(chǎn)生的影響，根據(jù)圖譜中的節(jié)點及時調(diào)整政策和采取措施，對政府等相關(guān)工作者具有重要意義；同時拓展了事理圖譜的應(yīng)用范圍，促進事理圖譜的發(fā)展。

1 政策影響事理圖譜構(gòu)建

首先對政策頒布后發(fā)生的事件以及事件之間的關(guān)系進行界定，其次對數(shù)據(jù)采集與預(yù)處理給出相關(guān)說明；然后介紹從文本中抽取事件的過程及步驟；最后介紹事件泛化的方法，并提出事理圖譜構(gòu)建。整個構(gòu)建流程如圖1所示。

1.1 概念界定

事件：一項新政策頒布后，利益相關(guān)者會產(chǎn)生相應(yīng)的行為以適應(yīng)該項政策對自身帶來的影響，市場也會隨之發(fā)生變化。相關(guān)事件被提及的頻次越高，表示該事件引起的關(guān)注度越高，政策產(chǎn)生的影響程度較大。本文的事件是指通過在線評論所反映出的政策頒布后利益相關(guān)者行為以及市場的變化。

事件的順承關(guān)系：以時間為標(biāo)志的事件的先后順序，反映了政策與利益相關(guān)者和市場變化的時間上的關(guān)系。

事件的因果關(guān)系：在滿足順承關(guān)系基礎(chǔ)上，兩個事件存在原因和結(jié)果關(guān)系，反映了政策對利益相關(guān)者和市場的影響結(jié)果。

在線評論、事理圖譜以及客觀事實的關(guān)系：在線評論是客觀事實的反映，從在線評論可以知道現(xiàn)實世界中發(fā)生的事件；而事理圖譜則是以圖的形式刻畫了現(xiàn)實中發(fā)生的相關(guān)事實；本文基于在線評論的數(shù)據(jù)形成事理圖譜，從而觀察政策帶來的相關(guān)影響，如圖2。

1.2 數(shù)據(jù)采集與預(yù)處理

本文數(shù)據(jù)源來自與所選政策相關(guān)的網(wǎng)絡(luò)論壇。根據(jù)所選政策的百度指數(shù)的波動趨勢，確定研究的時間段。使用八爪魚采集器采集網(wǎng)站相關(guān)數(shù)據(jù)。對采集到的數(shù)據(jù)按時間整理，刪除重復(fù)數(shù)據(jù)。運用哈工大提供的LTP，對數(shù)據(jù)進行分句、分詞及詞性標(biāo)注等預(yù)處理。

圖1 事理圖譜構(gòu)建流程Fig.1 Procedure for event evolution graph

圖2 客觀事實、在線評論和事理圖譜之間的關(guān)系Fig.2 Relationship among objective facts, online reviews, and event evolution graph

1.3 事件抽取

本文選取基于規(guī)則匹配的方法識別句中的因果關(guān)系。漢語文本中，因果句包括明確因果句和模糊因果句兩種形式[27]。明確因果句具有標(biāo)識詞，可以據(jù)此采用規(guī)則模板的方式抽取因果對。模糊因果句雖然有明確的提示詞可以區(qū)分，但是因果成分模糊，不易提取，因此基于扎根理論的方法抽取事件對。類似地，對于一般句子中的順承事件對的抽取，也采用扎根理論的方法進行。

1.3.1 規(guī)則模板的生成

規(guī)則模板是在句法模式的基礎(chǔ)上生成的，它是用來判斷數(shù)據(jù)是否是因果句的判定規(guī)則，格式為。其中，Pattern是根據(jù)漢語語法的特點以及因果句中含有的提示詞等，規(guī)定的判斷因果句的正則表達式。Priority表示句子優(yōu)先匹配的句法規(guī)則等級。

本文利用文獻中總結(jié)的明確因果句和模糊因果句的句法特點，編寫句法模板[27]，例如明確因果句中，模式1明確因果句句法模式[Cause]，[Effect]，其中Cuec1∈[因(為)，由于，既(然)，如果，只要]。這類句法模式的句子如：“<由于>[感冒了]Cause，[可可今天沒去上學(xué)。]Effect”；模糊因果句與明確因果句不同的地方僅限于因果提示詞不同。

根據(jù)前面提出的句法模式，設(shè)計出9個規(guī)則模板。用A表示一個詞集合，用Sen表示一個句子，那么一個句子可以表示為Sen={a1,a2,…，an},ai是集合A中的詞，i=1,2,3,…,n句子經(jīng)過詞性標(biāo)注之后表示為Sen1={a1/t1,a2/t2,…,an/tn},ti表示ai的詞性。如上面提到的明確因果句中的規(guī)則模板為：ifa1∈c1andt1=cthenSen為模式1明確因果句(其中c1和c表示不同的連詞)。

規(guī)則模板的優(yōu)先序的設(shè)計基于“北京大學(xué)現(xiàn)代漢語語料庫(CCL)”，對語料庫中因果句按照規(guī)則模板進行統(tǒng)計，以頻數(shù)高低判斷優(yōu)先序。

1.3.2 事件對抽取

根據(jù)前述形成的規(guī)則模板可將句子分為3類：明確因果句，模糊因果句，一般句子。為了能夠明確地表示事件，抽取的事件對用一個名詞、一個動詞或者動名詞詞組來表示。

1)明確因果句事件抽取

明確因果句主要是通過規(guī)則匹配的方式，區(qū)分句子的原因部分和結(jié)果部分。例如句子“你之所以成功，主要緣于你的努力”，原因部分為[你的努力]，結(jié)果部分為[成功]。接下來對明確因果句進行依存句法分析，結(jié)合句法依存關(guān)系加以判斷原因和結(jié)果部分是否存在主謂(SBV)、動賓(VOB)或介賓(POB)關(guān)系。例如上面的句子的提取到的因果對為：[你努力，你成功]。在這個句子中，我們將“你努力”和“你成功”看作兩個事件，分別是原因事件和結(jié)果事件。在事理圖譜中，表現(xiàn)為“你努力”是一個源節(jié)點，“你成功”是一個目標(biāo)節(jié)點，兩個事件之間就存在一條因果邊。

2)模糊因果句事件提取

由于模糊因果句無法采用規(guī)則模板匹配的方法提取事件，因此引入扎根理論的方法抽取模糊因果句的事件。

扎根理論由社會學(xué)家Glaser 和Strauss 于1967年提出。扎根理論中對資料分析和歸類的過程稱為編碼，它將收集的資料不斷打碎、整理和重組，從而挖掘概念、提煉范疇，包括開放式編碼，主軸編碼和選擇性編碼[28]。

開放式編碼主要是對收集到的數(shù)據(jù)概念化，用一定的概念和范疇來反映收集到的資料中心內(nèi)容，然后把抽象出來的概念“打散”，重新進行整合，聚類的過程。以表1中的數(shù)據(jù)為例，這里將原數(shù)據(jù)中體現(xiàn)事件發(fā)生的句子概念化，并提煉為一個范疇進行表示。

表1 扎根理論抽取事件示例Tab.1 Event extracting based on grounded theory

3)順承事件對的抽取。

對于一般的句子，同樣采用扎根理論方法提取其中的事件對，過程與上面相同。對于使用規(guī)則模板抽取明確因果句中，結(jié)果不理想的因果句也采用扎根理論方法抽取事件對。這樣抽取的事件對既有因果事件對，也包括順承事件對。

主軸式編碼的主要任務(wù)是旨在發(fā)現(xiàn)獨立范疇之間的潛在聯(lián)結(jié)關(guān)系[28]。利用主軸式編碼，判斷抽取出的事件對是因果關(guān)系還是順承關(guān)系，進而確定邊的類型。例如范疇“317新政”、“中介調(diào)整”以及“中介推房”之間，引起“中介調(diào)整”的原因是“317新政”的發(fā)布，中介在調(diào)整后馬上推出了“中介推房”的措施。因此，在范疇“317新政”和“中介調(diào)整”之間存在因果關(guān)系，而范疇“中介調(diào)整”和“中介推房”之間存在著順承關(guān)系。

1.4 事理圖譜構(gòu)建

事件抽取之后，就可以利用Gephi工具，以事件為節(jié)點，以事件之間的關(guān)系為邊，構(gòu)建政策影響事理圖譜和政策影響抽象事理圖譜。

1.4.1 政策影響事理圖譜的構(gòu)建

為保證數(shù)據(jù)的完備性，首先構(gòu)建政策影響事理圖譜。以經(jīng)過開放式編碼所得到的范疇事件為節(jié)點，以因果關(guān)系或順承關(guān)系為節(jié)點之間的邊。需要指出的是，在政策影響事理圖譜的某一鏈條中有因果關(guān)系和順承關(guān)系交叉的情況。在政策影響事理圖譜中，節(jié)點顏色的深淺代表節(jié)點的度的大小，可以表示為事件的重要性程度。節(jié)點的標(biāo)簽表示該節(jié)點代表的事件。

圖3 事件泛化示意圖Fig.3 Illustration for event generalization

1.4.2 政策影響抽象事理圖譜構(gòu)建

經(jīng)主軸式編碼生成的因果鏈和順承鏈只關(guān)注特定事件之間的關(guān)系，但是卻無法發(fā)現(xiàn)事件之間的一般性規(guī)律。為了更好地體現(xiàn)政策的影響，對事件進行泛化處理，使事件更具代表性。

選擇式編碼是尋找核心范疇，建立核心范疇與主范疇和其他范疇之間的聯(lián)系，以故事線的形式將其呈現(xiàn)出來[28]。在這一階段，本文主要對比各獨立的因果鏈、順承鏈之間的合理性，將能夠相容的事件泛化為一個高層次的事件，有關(guān)系的事件鏈相互聯(lián)結(jié)，最終形成事理圖譜。如圖3中，關(guān)系鏈“A→B1→C1”和“A→B2→C2”經(jīng)過主軸式編碼，范疇B1和范疇B2可以用同一核心范疇B表示，同理，范疇C1和C2可以用核心范疇C來表示，最終泛化得到的關(guān)系鏈為“A→B→C”。

對事件進行泛化處理之后，事件之間的邊就有了權(quán)重。在政策影響抽象事理圖譜中將因果關(guān)系和順承關(guān)系區(qū)別開來分別構(gòu)建因果圖譜和順承圖譜。其中，節(jié)點代表泛化事件，邊代表因果關(guān)系或者順承關(guān)系，邊的粗細代表權(quán)重的大小。

2 政策影響分析

新政策頒布之時，會很快形成大量的在線評論，包括理解的、不理解的、贊成的、反對的多種情感傾向，均以文字、表情等多種形式發(fā)布，在這些繁雜的表達中蘊含著豐富的能夠體現(xiàn)各利益相關(guān)者行為和市場變化的信息。利用事理圖譜將這些信息表達出來，進而分析政策產(chǎn)生的影響。

2.1 基于政策影響事理圖譜分析

政策影響事理圖譜表達了政策與利益相關(guān)者行為以及市場變化之間的因果、順承關(guān)系。以政策為原因事件，所有從該節(jié)點出發(fā)的無標(biāo)簽邊(因果關(guān)系)所指向的目標(biāo)節(jié)點均為該政策的直接結(jié)果事件，因果關(guān)系依次傳遞形成多個因果鏈，如圖4a所示。類似地，順承鏈如圖4b所示，其中邊上的標(biāo)簽f(follow)表示順承關(guān)系。同一個事件可能同時出現(xiàn)在兩種關(guān)系鏈之中，可能是作為因果事件和順承事件交替同時存在，如圖4c所示。由這種交叉的鏈條相互連接，形成事理圖譜。

圖4 因果鏈、順承鏈?zhǔn)疽鈭DFig.4 Causal chain and follow chain

2.2 基于政策影響抽象事理圖譜分析

政策影響抽象事理圖譜是具體事件經(jīng)過泛化得來，在政策影響事理圖譜中表示政策、利益相關(guān)者具體行為和市場具體變化之間因果順承關(guān)系的邊，在抽象事理圖譜中則表示政策與某類利益相關(guān)者和市場之間的關(guān)系。如圖5所示，節(jié)點B21、B22、B23可以抽象為事件B2，其中由節(jié)點A到B21是順承關(guān)系，由節(jié)點A到B22、B23為因果關(guān)系，所以在因果圖譜中，A→B2邊的權(quán)重為2，順承圖譜中權(quán)重為1。根據(jù)權(quán)重的大小，可以清楚地研究政策對利益相關(guān)者行為和市場變化的影響力大小。

圖5 政策影響抽象事理圖譜形成示意圖Fig.5 Abstract event evolution graph for policy impact

3 實證研究

3.1 數(shù)據(jù)獲取

317新政是北京市建委、北京政府為穩(wěn)定房價，于2017年3月17日出臺的房地產(chǎn)調(diào)控政策。本文以“317新政”房地產(chǎn)政策為例，闡釋政策影響。

在百度指數(shù)中搜索“317新政”，可以發(fā)現(xiàn)該詞的指數(shù)從2017年3月17日開始到2017年3月31日波動較強。四月份以后沒有較大的波動，如圖6所示。因此，選取2017年3月17日到2017年3月30日為研究時間段，采集到“水木社區(qū)”的評論數(shù)據(jù)共6 823條。

圖6 “317新政”百度指數(shù)趨勢圖Fig.6 Baidu index for the “317 New Deal”

3.2 317新政影響事理圖譜構(gòu)建

按照前述步驟處理數(shù)據(jù)。經(jīng)過因果句判斷，得到的明確和模糊因果句共計213句。最后經(jīng)過提取得到的因果事件對有101對，順承事件對有27對。構(gòu)建的政策影響事理圖譜如圖7所示。其中未經(jīng)泛化的節(jié)點數(shù)為133，邊128條。

圖7 政策影響事理圖譜Fig.7 Event evolution graph for policy′s impact

房地產(chǎn)政策頒布后，通過在線評論的分析，受到政策影響的利益相關(guān)者包括政府、銀行、中介和公眾，因此這些利益相關(guān)者的行為和房地產(chǎn)市場是泛化的主要依據(jù)。

經(jīng)過泛化，最終得到16個節(jié)點，形成政策影響抽象事理圖譜(如圖8、圖9所示)。同時，由于論壇中討論的話題并不全部集中于房地產(chǎn)政策上，因此有11個關(guān)系對無法列入上述分類之中。

3.3 基于在線評論的317新政影響分析

3.3.1 317新政影響事理圖譜分析

圖7主要包括51條因果鏈，41條因果順承交叉鏈，沒有單獨的順承鏈。這里以網(wǎng)民關(guān)注較多的幾個因果鏈和順承鏈為例進行分析。

圖8 政策影響抽象事理圖譜—因果圖譜Fig.8 Causal graph for policy′s impact event evolution graph

圖9 政策影響抽象事理圖譜—順承圖譜Fig.9 Follow graph for policy′s impact event evolution graph

因果鏈1：317新政→哄抬房價→住建委檢查→中介被關(guān)閉/中介自行停業(yè)。

因果鏈2：317新政→離婚潮→央行新規(guī)→離婚無效

因果/順承鏈3：317新政→成交量減少/觀望/房子惜售→房源減少

“317新政”頒布后，立即引起了巨大的影響。部分中介部門以新政為噱頭，借助在線輿論來哄抬房價，擾亂房地產(chǎn)市場。針對此，政策相關(guān)部門對中介進行了排查，11家中介被先后關(guān)閉。與此同時為了破除限購帶來的限制，鉆新政的空子，選擇假離婚，因此形成了離婚潮。面對這種現(xiàn)象，中國人民銀行對離婚一年以內(nèi)的貸款人貸款做出了限制，對控制假離婚產(chǎn)生了較大的作用。新政頒布后的幾天內(nèi)，公眾對新政認識不充分，不明確是否利好，出現(xiàn)了諸多觀望的現(xiàn)象，甚至出現(xiàn)違約的行為，市場房源迅速減少，成交量同時下降。

3.3.2 317新政影響抽象事理圖譜分析

1)因果圖譜分析

在圖8中，政策到公眾積極行為、公眾消極行為、公眾預(yù)測、公眾其他行為、房地產(chǎn)市場其他變化這五條邊的權(quán)重均≥6。當(dāng)房地產(chǎn)調(diào)控政策出臺時，受到影響最大的是公眾。出于對新政引起的不穩(wěn)定的顧慮，多數(shù)公眾處于消極的狀態(tài)，如猶豫、騙房等。也有一部分仍然積極進行買房。

房地產(chǎn)市場受到政策影響次之。政策到房價變化、政府嚴(yán)查房地產(chǎn)市場、銀行相關(guān)行為的邊的權(quán)重≥4。房地產(chǎn)政策是為了穩(wěn)定房價，房價短時間內(nèi)出現(xiàn)較大波動；房地產(chǎn)市場也進入動蕩期，炒房、哄抬房價等頻發(fā)，政府部門此時對市場進行排查，懲罰相關(guān)的部門。銀行部門也受到新政的影響，查貸、查征信的人數(shù)增多，頒布相關(guān)的規(guī)定等等，積極配合政府部門的行動。房地產(chǎn)政策的頒布主要為了穩(wěn)定房地產(chǎn)市場，房價必定會受到較大的影響。一般政策在頒布之后，針對具體的實施情況后續(xù)會出臺一些新的規(guī)定來保證政策有效實施。政策頒布后在短時間內(nèi)可能會引起房地產(chǎn)市場的不穩(wěn)定現(xiàn)象發(fā)生，如中介炒房、哄抬房價等，政府部門為了保證房地產(chǎn)市場穩(wěn)定進行了一次排查，對于違規(guī)違法部門給予一定的懲罰。

此外，政策到新規(guī)定、股市變動、成交量變化、政府其他行為等多個事件的權(quán)重≤3，可見這些事件相對來說重要性較弱。

2)順承圖譜分析

在順承圖譜中，節(jié)點數(shù)量較因果圖譜少，這是因為因果關(guān)系是以順承關(guān)系為基礎(chǔ)的，在政策影響中，多數(shù)事件之間都以因果關(guān)系的形式存在。在圖9中以看到權(quán)重較大的邊是由政策到房價變化、政府嚴(yán)查房地產(chǎn)市場。這幾條邊在因果圖譜中的權(quán)重也比較高，這可以說明政策帶來的主要影響集中在這些事件上。

3.4 相關(guān)建議

針對以上分析，本文提出以下幾點建議：

1)由“政策→公眾正面負面行為”的權(quán)重較大可知，政策對公眾產(chǎn)生的影響較大。公眾的行為又容易影響市場的穩(wěn)定。因此在新政頒布后，公眾應(yīng)做到保持冷靜。對于違規(guī)違法等行為對自己權(quán)益形成危害的，應(yīng)及時舉報，共同維持市場的穩(wěn)定。

2)由“政策→中介正面行為/中介負面行為→政府嚴(yán)查房地產(chǎn)市場”可以得知，中介在新政頒布后活動相當(dāng)活躍，接連采取相關(guān)措施，趁機盈利。然而如果其行為超出了法定的界限，結(jié)果將會是接受制裁。因此中介應(yīng)提高自覺意識，增強從業(yè)人員的素質(zhì)，齊心協(xié)力維護市場的穩(wěn)定，才能長久的與市場一同獲利。

3)由“政策→銀行相關(guān)行為/股市變動”可知，銀行、股市與政策的頒布息息相關(guān)。因此，在新政頒布的同時，銀行等金融部門應(yīng)積極配合采取相應(yīng)措施，協(xié)調(diào)推動新政有條不紊地實施。

4)政府部門是政策的頒布者，在政策實施的過程中保證政策的有效運行。從抽象事理圖譜中可知，政策可以主要關(guān)注公眾和中介部門，對于炒房、哄抬房價等違規(guī)行為絕不姑息；完善檔案監(jiān)管機制，重點監(jiān)督相關(guān)對象，防患于未然。

因此，在政策頒布時，通過在線評論將政策帶來的影響可視化，更好地分析政策對利益相關(guān)者及市場的影響關(guān)系。從在線評論中反映的影響市場穩(wěn)定和社會和諧的行為要引起高度重視，并加以科學(xué)的引導(dǎo)。

4 總結(jié)與展望

本文給出的基于事理圖譜的政策影響分析方法是對以往分析方法的創(chuàng)新，主要利用大數(shù)據(jù)的優(yōu)勢，構(gòu)建了政策影響事理圖譜，將政策影響可視化。通過對“317新政”實證研究表明該方法是可行和有效的，能夠客觀地反映政策頒布后對利益相關(guān)者和市場產(chǎn)生的影響。

本文提出的方法給政策影響的研究提供了新的視角。通過事理圖譜的方法，可以同時將某一政策對市場或者利益相關(guān)者產(chǎn)生的影響完整地呈現(xiàn)出來。根據(jù)事理圖譜，可以找出新政產(chǎn)生影響較大的節(jié)點。以后政策頒布后，分析這些重要節(jié)點相似的節(jié)點出現(xiàn)的可能性，及時預(yù)警、重點監(jiān)控。研究結(jié)果對于預(yù)測政策影響下事件的發(fā)生具有一定的參考價值，為政府更好地頒布、實施政策提供了借鑒，對于政府提高治理水平有一定幫助。