摘 要： 科技服務業(yè)的高質(zhì)量發(fā)展需要多方位的政策支持。對科技服務業(yè)政策進行量化評價可以發(fā)現(xiàn)政策短板，有助于政策的優(yōu)化和調(diào)整。以2008—2021年中國117項科技服務業(yè)政策為研究對象，運用ROST CM6軟件，采用文本挖掘方法提取政策文本的高頻詞，構(gòu)建語義關(guān)系網(wǎng)，歸納出八大政策類屬，構(gòu)建科技服務業(yè)政策的評價指標體系，運用PMC指數(shù)模型對省級政策進行評價分析，提出優(yōu)化路徑。研究發(fā)現(xiàn)：24份政策文件總體處于可接受水平，4份優(yōu)秀，16份良好，均未達到完美級別。研究發(fā)現(xiàn)了政策文本的共性問題：政策目標、開放合作和人才支持為政策短板；政策文本的評級越高，其政策內(nèi)容的一致性越高；同一地區(qū)不同時期的政策保持連貫性有利于提升其政策等級。研究結(jié)論可為政府制定與完善科技服務業(yè)政策提供科學、明確的優(yōu)化路徑。

關(guān)鍵詞：科技服務業(yè)政策；PMC指數(shù)模型；文本挖掘；政策評價；政策量化

中圖分類號：G322 文獻標志碼：A 文章編號：1009-055X（2024）05-0132-16

doi：10.19366/j.cnki.1009-055X.2024.05.012

收稿日期：2023-10-25

基金項目：國家自然科學基金青年項目“多層次創(chuàng)新網(wǎng)絡對科技服務業(yè)集群企業(yè)創(chuàng)新績效的影響研究”（71902034）；福建省科技計劃項目“福建省產(chǎn)學研專利合作網(wǎng)絡演化與企業(yè)雙元創(chuàng)新績效關(guān)系”（2023R01010004）；福建省社會科學規(guī)劃項目“嵌入平臺生態(tài)的中小企業(yè)雙元數(shù)字創(chuàng)新研究”（FJ2024C092）。

作者簡介： 梁娟（1982—），女，博士，教授，主要研究方向為創(chuàng)新管理、科技管理。通信作者：蔡猷花（1977—），女，博士，教授，主要研究方向為集群供應鏈、技術(shù)創(chuàng)新。莊彩云（1990—），女，博士，副教授，主要研究方向為科技管理、知識創(chuàng)造。

一、引 言

科技服務業(yè)是提供智力服務的新型高端服務業(yè)，也是推動區(qū)域經(jīng)濟高質(zhì)量發(fā)展的重要引擎和建立現(xiàn)代經(jīng)濟體系的重要戰(zhàn)略支撐。黨的二十大報告5次提到“科技創(chuàng)新”、39次單獨提到“科技”、50次單獨提到“創(chuàng)新”，強調(diào)“必須堅持科技是第一生產(chǎn)力、人才是第一資源、創(chuàng)新是第一動力”“堅持創(chuàng)新在我國現(xiàn)代化建設(shè)全局中的核心地位”［1］，凸顯了科技在新時代新征程中的基礎(chǔ)性、戰(zhàn)略性支撐作用。報告還提出，到2035年要實現(xiàn)“高水平科技自立自強，進入創(chuàng)新型國家前列”，以及實現(xiàn)建成科技強國的總體目標［1］。在建成科技強國的總體目標下，隨著創(chuàng)新全球化和服務經(jīng)濟時代的到來，科技服務業(yè)已經(jīng)成為圍繞創(chuàng)新、創(chuàng)業(yè)全鏈條布局最活躍、發(fā)展最快的產(chǎn)業(yè)之一?？萍挤諛I(yè)具有投入高、風險大、高溢出等特征，可能會存在市場失靈現(xiàn)象。在科技服務業(yè)的發(fā)展中，政府的支持和引導至關(guān)重要。2014年印發(fā)的《國務院關(guān)于加快科技服務業(yè)發(fā)展的若干意見》（國發(fā)〔2014〕49號）明確了科技服務業(yè)對創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略的重要支撐作用，并提出了九大重點任務。各地方政府也相應加大了對科技服務業(yè)的支持力度，以進一步推動科技服務業(yè)的發(fā)展。然而，各地方政府加快科技服務業(yè)發(fā)展的政策類屬有哪些，政策制定過程如何，政策全面性和覆蓋度如何？鮮有研究回答這些問題。

為健全中國科技服務業(yè)發(fā)展的政策體系，更好地發(fā)揮政府的政策引導作用，本文以科技服務業(yè)政策為研究對象，在文本挖掘的基礎(chǔ)上，根據(jù)關(guān)鍵詞和語義關(guān)系網(wǎng)絡歸納出政策類屬，構(gòu)建科技服務業(yè)政策的政策一致性（policy modeling consistency，PMC）指數(shù)模型量化評價三級指標體系，并對24份省級科技服務業(yè)政策進行量化評價。通過整體情況分析、等級內(nèi)對比分析和縱向比較分析，深入剖析中國省級科技服務業(yè)政策的量化等級、結(jié)構(gòu)合理性和政策短板，并據(jù)此提出相應的政策優(yōu)化建議，以期為未來科技服務業(yè)政策的制定和完善提供科學、明確的優(yōu)化路徑。

二、文獻綜述

國際上，針對科技服務業(yè)政策的研究主要聚焦于政策效應、政策間關(guān)系及政策制定過程等方面［2］。Viljamaa等［3］以芬蘭為例，探討了政策對知識密集型服務業(yè)的影響。Lee 等［4］實證研究發(fā)現(xiàn)，政府支持對知識密集型產(chǎn)業(yè)中的專業(yè)供應商和科學部門的績效產(chǎn)生積極影響。Fabrizio等［5］探討了創(chuàng)新公共政策對發(fā)明數(shù)量的影響。Motta等［6］研究發(fā)現(xiàn)阿根廷軟件行業(yè)的創(chuàng)新政策之間存在互補性和可替代性關(guān)系。Werner等［7］探討了顧問參與政策制定的復雜動態(tài)性以及顧問對政策制定過程的影響。

國內(nèi)關(guān)于科技服務業(yè)政策的研究主要聚焦于政策建議及政策評價。例如，邱榮華等［8］以廣東省科技服務業(yè)為研究對象，對其發(fā)展提出政策建議。政策評價類研究是近幾年科技服務業(yè)政策研究的熱點，根據(jù)研究對象的不同可分為兩類：一類是通過文本挖掘?qū)φ呖傮w進行量化研究。例如，張驍?shù)龋?］收集了2006—2016年60篇政策文本，提取了75個關(guān)鍵詞，構(gòu)建語義網(wǎng)，基于政策工具視角對政策總體進行評價。杜寶貴等［10］以36項政策為樣本，基于五維視角對中國科技服務業(yè)政策進行研究。該類研究對政策總體進行分析，未對每項政策進行量化等級評分和對比分析。另一類是基于PMC指數(shù)模型對每項政策個體進行量化研究。杜寶貴等［2］以12份科技服務業(yè)政策為樣本計算PMC指數(shù)，并將遼寧省樣本與其他相關(guān)省市樣本進行對比，從中發(fā)現(xiàn)遼寧省科技服務業(yè)政策存在的問題并提出優(yōu)化路徑。

文獻檢索發(fā)現(xiàn)政策評價方法已由強調(diào)利用社會實驗與數(shù)理分析方法的實證本位方法論逐漸轉(zhuǎn)變?yōu)樽⒅貎r值判斷的規(guī)范本位方法論，如Bigman［11］的五類評估法和Poland［12］ 的“三E”評估法。當前，在政策評價中常用的評價方法或模型有層次分析法、模糊綜合評價法、人工神經(jīng)網(wǎng)絡評價法、傾向得分匹配-雙重差分法、動態(tài)可計算的一般均衡（computable general equilibrium，CGE）模型、灰色關(guān)聯(lián)模型以及PMC指數(shù)模型等。PMC指數(shù)模型是近年興起的政策一致性評價模型［13］。該模型源于Ruiz Estrada等［14］提出的“世界萬物都是運動和相互關(guān)聯(lián)的，任何一個變量都同等重要（Omina Mobilis）”假說，即任一變量都同等重要，且相互關(guān)聯(lián)。該模型遵循所有變量同等重要的原則，應盡可能保證評價指標變量的全面性、針對性和代表性［15］。在政策文本中涉及的變量賦值為1，否則為0，這樣避免了出現(xiàn)在政策評價中因關(guān)注某些變量而忽視其他變量的現(xiàn)象［16］。與其他政策評價模型相比，PMC 模型具有以下優(yōu)勢：第一，PMC模型聚焦于對政策文本本身的評價［17］，成本較低且更易操作［18］。第二，PMC 模型的底層變量主要通過文本挖掘設(shè)定，將盡可能多的變量納入評價體系［17］，不僅充分體現(xiàn)了政策的特殊性，而且減少甚至避免了人為評價的主觀性，提高了研究結(jié)論的精準性［19］。第三，PMC 模型不僅可以直接評價單一政策的全面性等級和內(nèi)部一致性以及單一變量的評價值和不同政策間的一致性，而且可以通過PMC曲面圖直觀展示政策各維度的優(yōu)劣［18］，從而為政策改進提供更為科學、明確的政策指向［17］。在政策文本量化評價領(lǐng)域，PMC模型被學者們廣泛使用。例如，蔡冬松等［20］對吉林省數(shù)字經(jīng)濟政策文本進行PMC 量化評價與分析。Kuang 等［21］運用PMC指數(shù)和PMC曲面對2004年以來中國8個耕地保護政策進行了量化評價。

盡管對于科技服務業(yè)政策評價的研究已取得一些成果，但還存在以下不足：一是針對科技服務業(yè)專項政策的量化研究較少，多為政策建議、政策實施、政策文本挖掘和政策評價指標體系構(gòu)建等定性研究。該類研究不僅為政策量化評價提供了理論基礎(chǔ)，而且為量化評價中指標體系的設(shè)計提供了依據(jù)。但定性研究缺少客觀的量化支持，未能從比較視角分析各地科技服務業(yè)政策的優(yōu)勢和不足。二是大多科技服務業(yè)政策評價指標體系僅設(shè)計到二級指標體系，未對二級指標進一步拆解。已有研究中二級指標包含的內(nèi)容較多，無法準確地識別政策的不足和發(fā)現(xiàn)完善政策的具體方式。因此，有必要對二級指標進行進一步拆解并設(shè)計三級指標體系。三是已有的量化研究多基于政策總體進行分析，未對每項政策進行量化等級評分和對比分析。該類研究多從政策工具角度考察政策總體的工具使用情況，對地方政策的關(guān)注不夠，忽視了地方政策通過哪些具體方面來解決具體的科技服務業(yè)發(fā)展問題。地方政策是基于各地的差異性制定的，對地方政策的分別評價與比較研究有利于發(fā)現(xiàn)共性與差異性，有利于各地根據(jù)科技服務業(yè)的發(fā)展特征有針對性地制定和完善相關(guān)政策。四是科技服務業(yè)政策的量化研究樣本需要及時更新。隨著中國科技服務業(yè)的不斷發(fā)展，部分科技服務業(yè)政策已經(jīng)失效，或進行了修訂，或出臺了相關(guān)的配套政策及措施。因此，為了更好地把握各級政府對科技服務業(yè)的最新關(guān)注重點和政策制定邏輯，本研究對2008—2021年中國各級政府出臺的科技服務業(yè)政策進行文本挖掘，構(gòu)建更為詳細的三級評價指標體系，并通過對不同等級政策、同一地區(qū)不同時期的政策量化分析和對比研究，發(fā)現(xiàn)各地政策的共性和差異性問題，從而有利于提高政策優(yōu)化的針對性。

三、研究方法、數(shù)據(jù)來源與樣本選擇

要對各級政府出臺的科技服務業(yè)政策的全面性和覆蓋度進行評價，需要選擇合適的研究方法，并確保數(shù)據(jù)來源的真實性和可靠性。在文獻綜述的基礎(chǔ)上，本研究采用文本挖掘法，構(gòu)建科技服務業(yè)專項政策文本數(shù)據(jù)庫，借助ROST CM6軟件發(fā)現(xiàn)政策關(guān)鍵詞，構(gòu)建政策類屬，使用PMC指數(shù)定量對比各地政策的等級及結(jié)構(gòu)合理性。

（一）研究方法

在政策文獻研究領(lǐng)域，文本分析法被廣泛使用，通過政策文本分析可有效識別政策目標、政策路徑和政策工具的使用情況。因此，本研究選用基于ROST CM6的文本分析法和PMC指數(shù)模型對中國科技服務業(yè)政策進行量化研究。借助ROST CM6開展文本分析，對科技服務業(yè)政策的政策類屬進行分析。PMC指數(shù)模型聚焦于對政策本身的評價，通過識別變量并設(shè)計評價指標體系、構(gòu)建投入產(chǎn)出表、測量PMC指數(shù)、生成PMC曲面等4步實現(xiàn)［22］，在評價中盡可能構(gòu)建全面的評價指標體系且充分考慮政策的特殊性，可對政策進行定性定量相結(jié)合的綜合評價。

（二）數(shù)據(jù)來源

為確保政策文本數(shù)據(jù)收集的完整性、搜索結(jié)果的有效性和研究的一致性，政策文本數(shù)據(jù)庫的構(gòu)建策略如下。首先，以“科技服務業(yè)”為標題，在中國知網(wǎng)的政府文件類目中搜索出488條相關(guān)記錄。其次，通過中國法律知識資源總庫、“北大法寶”數(shù)據(jù)庫、各級政府網(wǎng)站等進行查驗、補充。最后，對政策內(nèi)容逐一閱讀篩選，刪除通知類、公示類、公告類以及復函類等不屬于專項政策的文件，最終篩選出117項有效政策文本。從時間分布看，這117項政策最早的發(fā)布于2008年，最晚的發(fā)布于2021年，最具影響力的政策文本為2014年發(fā)布的《國務院關(guān)于加快科技服務業(yè)發(fā)展的若干意見》，截至2023年10月25日被15部中央法規(guī)和132部地方法規(guī)引用。從數(shù)量上看，2015年和2016年的發(fā)布數(shù)量占總數(shù)的一半以上，分別為38項（占32%）和25項（21%）。從政策級別看，國家級1項，省級30項，市級79項，縣區(qū)級7項。在深入研讀政策文本的基礎(chǔ)上，運用研究主題分析中最常用的ROST CM6軟件構(gòu)建語義網(wǎng)絡圖譜，以降低文本匯總整理過程中的人為干預和統(tǒng)計錯誤。通過ROST CM6軟件對上述117項政策文本集進行分詞與高頻詞提取、通用詞過濾與含義重復詞的合并、行特征提取、社會網(wǎng)絡和語義網(wǎng)絡分析，最終得出排序靠前的關(guān)鍵詞語義網(wǎng)絡圖譜，如圖1所示。

圖1中，關(guān)鍵詞在語義網(wǎng)絡中的度數(shù)中心性用方塊來表示，度數(shù)越大，方塊越大。由圖1可知：第一，科技服務、科技、機構(gòu)、企業(yè)、服務、技術(shù)和創(chuàng)新的方形最大，表明這些詞與其他詞的連接最多，度數(shù)中心性最大，為科技服務業(yè)政策的核心主題詞，能反映科技服務業(yè)的主要特征。第二，較為核心的主題詞為科技局、平臺、資源、能力、研發(fā)、中心、市場、科技創(chuàng)新等。這些主題詞體現(xiàn)出當前科技服務業(yè)的主管部門是科技局，科技服務業(yè)政策注重平臺或中心建設(shè)、資源和能力、研發(fā)和科技創(chuàng)新等方面。第三，成果轉(zhuǎn)化、知識產(chǎn)權(quán)、技術(shù)轉(zhuǎn)移等主題詞反映出科技服務業(yè)政策的重點任務。政策文本挖掘為后續(xù)政策量化評價指標的設(shè)計提供了依據(jù)。

（三）樣本選擇

在 PMC 指數(shù)模型以往的研究中，選取政策樣本時沒有特定的規(guī)律，通常為隨機取樣或選取具有代表性的政策進行評價［23］。省級科技服務業(yè)政策對地方科技服務業(yè)發(fā)展具有統(tǒng)領(lǐng)性，引導著地方科技服務業(yè)的發(fā)展布局。以前述117份有效政策文件為基礎(chǔ)，結(jié)合圖1，根據(jù)政策文件的發(fā)布單位，篩選出2012—2019年發(fā)布的24份省級科技服務業(yè)政策文件進行量化評估，如表1所示。篩選出的24份政策文件均為省級單位頒布，涉及21個?。ㄗ灾螀^(qū)、直轄市），覆蓋了東部、中部、西部和東北4個區(qū)域，具有較強的代表性，能體現(xiàn)省級科技服務業(yè)政策制定情況。

三、數(shù)據(jù)分析與研究發(fā)現(xiàn)

ROST CM6得出的關(guān)鍵詞語義網(wǎng)絡圖、構(gòu)建的政策文本數(shù)據(jù)庫、24份科技服務業(yè)政策樣本是下文數(shù)據(jù)分析的基礎(chǔ)。通過歸納高頻詞和政策類屬，建立了PMC指數(shù)模型評價指標體系，并運用PMC指數(shù)模型得出了各地政策文本的得分和等級，繪制出PMC曲面圖，直觀地展示各地政策的優(yōu)劣勢。

（一）科技服務業(yè)政策文本的高頻詞和政策類屬

省級政府促進科技服務業(yè)發(fā)展的政策路徑內(nèi)隱于政策文本中［24］。通過文本挖掘可以明確政策中的關(guān)鍵內(nèi)容，再結(jié)合政策的具體內(nèi)容，對關(guān)鍵內(nèi)容間的關(guān)系進行整理和歸納，從中發(fā)現(xiàn)政策類屬。

首先，使用ROST CM6軟件的詞頻分析功能［25］，從24份政策文件中提取排名前300的高頻關(guān)鍵詞。刪除與本文研究主題重復的高頻詞（如“科技服務”“科技服務業(yè)”“科技”“服務”），合并同一對象或語義相近的關(guān)鍵詞（如將“研發(fā)”合并到“研究開發(fā)”等），得到51個高頻關(guān)鍵詞。

其次，逐一查看24份政策原文，根據(jù)政策內(nèi)容對合并整理后的高頻關(guān)鍵詞進行歸類，如政策文本中的發(fā)展目標“基本形成……科技服務體系”“培育……科技服務業(yè)集聚區(qū)” “服務能力明顯增強”“科技創(chuàng)新全鏈條”“形成一批科技服務產(chǎn)業(yè)集群”等與“體系”“集聚”“科技創(chuàng)新”等高頻詞密切相關(guān)，這些內(nèi)容均屬于政策目標范疇，故將上述關(guān)鍵詞歸為政策目的。根據(jù)政策文本中的重點工程、重點領(lǐng)域、重點任務，結(jié)合高頻關(guān)鍵詞，確定了研究開發(fā)、創(chuàng)業(yè)孵化、科技金融、技術(shù)轉(zhuǎn)移等九個科技服務業(yè)發(fā)展領(lǐng)域。使用上述方式，把51個高頻關(guān)鍵詞整理歸納為政策目的、政策對象、發(fā)展領(lǐng)域、產(chǎn)業(yè)發(fā)展、開放合作、政策措施、人才支持和基礎(chǔ)支撐等八大政策類屬，具體如表2所示。

最后，對上述八大政策類屬的政策覆蓋率進行驗證。把上述51個高頻關(guān)鍵詞與每份政策文本的高頻關(guān)鍵詞進行對比，發(fā)現(xiàn)兩者基本一致。同時對政策原文內(nèi)容進行一一核對，發(fā)現(xiàn)本文歸納的八大政策類屬可以概括所有的政策內(nèi)容，說明本文對科技服務業(yè)政策內(nèi)容的類屬劃分是合理的。

（二）科技服務業(yè)政策文本全面性的評價

1.建立PMC指數(shù)模型評價指標體系

第一，依據(jù)政策的高頻關(guān)鍵詞和八大政策類屬，將PMC 指數(shù)模型的一級評價指標設(shè)置為上述八大政策類屬。同時，增加設(shè)置政策影響、政策執(zhí)行性2個一級指標，以充分體現(xiàn)24份政策文件在發(fā)布主體、操作性和執(zhí)行基礎(chǔ)等方面的差異性情況，最終構(gòu)建了10個一級指標體系。

第二，根據(jù)政策內(nèi)容對10個一級指標進行拆解，對政策進行編碼，如根據(jù)對象不同，把政策對象拆解為企業(yè)、機構(gòu)、科研院所和高校，最終構(gòu)建了35個二級指標和86個三級指標，如表3所示。

2.構(gòu)建多投入產(chǎn)出表并計算PMC指數(shù)

多投入產(chǎn)出表是一種從一般角度對同級變量賦予相同權(quán)重的數(shù)據(jù)分析框架。本文的多投入產(chǎn)出表由表3中的一級變量、二級變量和三級變量組成，采用二進制賦值，如果政策文本涉及三級變量則賦值為1，否則賦值為0。

PMC指數(shù)值的計算步驟如下：第一，根據(jù)表3中三級變量的得分（Xijk）和公式（1）計算二級變量的值（Xij）。其中二級變量j中所包含的三級變量數(shù)記作k，k=1，2，…，n。第二，一級變量的值根據(jù)公式（2）計算，其中一級變量i中包含的二級變量數(shù)記作j，j=1，2，…，m。第三，根據(jù)公式（3）計算每個政策的PMC指數(shù)值，其中i表示一級變量數(shù)，i=1，2，…，p。

Xij=∑nk=1Xijk/n（1）

Xi=∑mj=1Xij/m（2）

PMC=∑pi=1Xi/p（3）

根據(jù)上述計算步驟，逐個研讀24份政策文本，按照前面構(gòu)建的三級評價指標體系和多投入產(chǎn)出表的構(gòu)建方法，計算出各政策文本的PMC指數(shù)，取兩位小數(shù)，最高分為10分。參照PMC指數(shù)模型的提出者Ruiz Estrada［22］以及后續(xù)研究者在不同政策評價中實際使用的等級劃分標準，結(jié)合本研究的實際，進行等級劃分：10分為完美，8～9分為優(yōu)秀，6.3～7.99為良好，5.4～6.29為合格，0～5.39為較差。結(jié)果如表4所示。

3.繪制PMC曲面圖

曲面圖能直觀展現(xiàn)政策在各一級指標上的得分情況［20］，PMC曲面中凸出部分為政策優(yōu)勢，凹陷部分為政策劣勢。同時，我們還可以通過平均凹凸度考察政策內(nèi)部結(jié)構(gòu)的合理性。

計算各政策一級指標的平均凹凸度（平均凹凸度為各指標最大值與各指標離差絕對值之和的算術(shù)平均值），參照宋瀟等［16］的研究，根據(jù)平均凹凸度對政策的結(jié)構(gòu)合理性進行等級劃分，0～0.10為結(jié)構(gòu)合理、0.11～0.20為結(jié)構(gòu)合格，0.21～1為結(jié)構(gòu)不良。通過計算得出單一政策的結(jié)構(gòu)評價結(jié)果，如表5所示。由表5可知，24份政策樣本中只有5份政策樣本為結(jié)構(gòu)合格的政策，結(jié)構(gòu)評價合格率較低，僅為20.83%。

由于一級變量X1沒有三級變量，所以根據(jù)剩余9個一級變量構(gòu)建PMC矩陣，見公式（4），得出政策樣本的PMC矩陣，并根據(jù)PMC矩陣繪制PMC曲面圖（由于篇幅有限，僅從表4中選擇A18、A1、A15、A2、A19、PMC平均值），如圖2所示。由圖2可以看出，政策A18的PMC排名第一，以凸出部分為主，政策優(yōu)勢明顯；A2的PMC排名最后，其凹陷部分最為明顯，存在較多政策劣勢；A15為合格等級，其凹凸變化較為明顯；A19的內(nèi)部結(jié)構(gòu)合格，凹凸變化不明顯；24份政策樣本的平均PMC曲面較為平緩，整體結(jié)構(gòu)合理。

PMC=X2X3X4X5X6X7X8X9X10 （4）

（三）評價結(jié)果分析

1.整體評價結(jié)果分析

第一，24份政策文本總體處于可接受水平，但均未達到完美級別。根據(jù)政策文本全面性級別劃分標準，24份政策文本可劃分為四個等級，4份優(yōu)秀，16份良好，2份合格，2份較差。從平均水平看，PMC指數(shù)的平均值為7.11，處于良好水平，表明24份政策文本的全面性總體處于可接受水平。由表4可知，24份政策文本均未達到完美級別，平均PMC值與完美政策的差距為2.89，說明各地科技服務業(yè)政策仍有較大的修訂與完善空間。

第二，政策目標、開放合作、人才支持是省級科技服務業(yè)政策修訂與完善的重點。一級變量平均值的雷達圖如圖3所示?？梢钥闯?，10個一級變量的平均值呈現(xiàn)“政策對象（X4）>政策影響（X1）>發(fā)展領(lǐng)域（X5）>政策執(zhí)行性（X2）>基礎(chǔ)支撐（X10）>政策措施（X9）>產(chǎn)業(yè)發(fā)展（X6）>人才支持（X7）>開放合作（X8）>政策目標（X3）”的分布狀態(tài)

，政策目標、開放合作、人才支持是24份科技服務業(yè)政策的短板。政策目標（X3）的均值只有0.42， 24份政策中多關(guān)注近期目標，較少涉及中期目標，不利于政策執(zhí)行中的近期目標和中期目標的結(jié)合和連貫性。人才支持（X7）的均值為0.63，通過分析三級指標，發(fā)現(xiàn)在團隊建設(shè)和配套政策上的均值得分為0.54和0.42，表明團隊建設(shè)和配套政策是人才支持的短板。開放合作（X8）的均值為0.51，三級指標中的區(qū)域合作和其他合作的均值得分為0.51和0.38，表明開放合作中區(qū)域合作和其他合作（如組建科技服務聯(lián)盟和拓展國際市場）是省級科技服務業(yè)政策修訂與完善的重點。

第三，24份政策文本的評級越高，其內(nèi)部結(jié)構(gòu)的合理性越高。從表3、表4和表5的對比可以發(fā)現(xiàn)，A6、A11、A12、A18均為優(yōu)秀等級，且結(jié)構(gòu)合格；A2和A17的等級最低為較差，平均凹凸度的取值最大，分別為0.57和0.46。這表明隨著政策評級水平的提高，PMC曲面圖的凹凸程度呈下降趨勢，政策內(nèi)部的一致性水平和結(jié)構(gòu)合理性水平呈上升趨勢。

3.分等級評價結(jié)果分析

第一，優(yōu)秀政策結(jié)果分析。4份優(yōu)秀政策文本分別為A6、A11、A12、A18，分別對應北京市、湖南省、安徽省和江蘇省，東部區(qū)域和中部區(qū)域各兩個省（直轄市），均為中國科技服務業(yè)發(fā)展水平較高的區(qū)域。但上述政策與完美政策（PMC=10）分別有1.97、1.95、2.00和1.66的差距，仍有一定的提升空間。4份優(yōu)秀政策文本的雷達圖如圖4所示。通過三級指標的分析可知，江蘇省在政策目標中忽視了中期目標，人才支持中缺少團隊建設(shè)、流動政策和傾向性待遇，在以后的政策制定中可重點加強。湖南省可在明確近期和中期目標、進一步具體化和多元化開放合作政策方面進行完善和提升。北京市在政策目標中缺

少近期目標，人才支持中忽視了團隊建設(shè)和配套政策，基礎(chǔ)支撐中忽視了平臺的建設(shè)，可進一步修訂與完善上述三個方面，以全面促進科技服務業(yè)的發(fā)展。安徽省在政策目標中缺少近期目標、產(chǎn)業(yè)發(fā)展中對集群

發(fā)展和試點示范不夠重視，這些是今后政策修訂的關(guān)鍵。綜合4份政策文本，發(fā)現(xiàn)在政策目標上均存在短板，對近期、中期目標要形成的科技服務體系、打造的科技服務業(yè)集聚區(qū)和骨干科技服務機構(gòu)、產(chǎn)業(yè)規(guī)模等的規(guī)劃不夠具體，需要進一步明確近中期目標，形成近期、中期目標相互銜接，提高目標的延續(xù)性。

第二，合格和較差政策分析。福建和廣西的政策等級結(jié)果為合格，雷達圖如圖5a所示?？梢钥闯?，2份政策文本在政策目標、開放合作、人才支持三方面均存在短板。福建未設(shè)置政策目標，也沒有涉及開放合作，兩項指標的得分均為0；產(chǎn)業(yè)發(fā)展、人才支持的得分均低于0.63，在產(chǎn)業(yè)發(fā)展中未涉及集聚區(qū)建設(shè)、集群發(fā)展和試點工作，在人才支持上忽視了團隊建設(shè)，缺乏配套的人才流動、評定和評價政策。廣西的人才支持得分為0，未涉及人才及團隊培養(yǎng)、引進和相關(guān)的配套政策；在政策目標、開放合作和政策措施上的得分均低于0.63，在政策措施中缺少稅收扣除、加速折舊、基金或項目、補助或獎勵等具體的財稅支持措施。遼寧（A2）和山西的政策等級結(jié)果為較差，在政策目標、發(fā)展領(lǐng)域、產(chǎn)業(yè)發(fā)展、開放合作四方面均存在短板，雷達圖如圖5b所示。山西的開放合作得分為0；在政策目標、發(fā)展領(lǐng)域和產(chǎn)業(yè)發(fā)展的得分均低于0.5，未規(guī)劃近期目標且中期目標不夠具體，未涉及綜合科技服務、科技咨詢服務和科學技術(shù)普及領(lǐng)域且對科技金融重視度不夠，在產(chǎn)業(yè)發(fā)展上忽視集聚發(fā)展和試點工作。遼寧（A2）的開放合作得分為0；在政策影響5f45083f143a393739bb1d9f05243292、政策目標、發(fā)展領(lǐng)域、產(chǎn)業(yè)發(fā)展、人才支持、政策措施和基礎(chǔ)支撐的得分均低于0.5，政策提升空間大。

第三，縱向比較。24份政策文本中，河北、遼寧和山東3個省各有2份政策文本。通過縱向?qū)Ρ?，發(fā)現(xiàn)遼寧省和河北省的政策全面性有顯著提升，而山東省的政策全面性則略有下降，縱向?qū)Ρ壤走_圖如圖6所示。遼寧省（A16）2015年的政策在發(fā)展領(lǐng)域、產(chǎn)業(yè)發(fā)展和開放合作三個方面的得分均顯著提高，PMC指數(shù)由4.33提高到7.01，從較差等級提升到良好等級。河北?。ˋ24）2019年的政策在產(chǎn)業(yè)發(fā)展、人才支持、開放合作和基礎(chǔ)支撐四個方面的得分均顯著提高，PMC指數(shù)由6.88提高到7.82，由于2019年的政策忽視了中期政策目標的設(shè)置，與優(yōu)秀等級尚有差距。而山東?。ˋ22）2016年的政策忽視了保障措施、目標任務分工、組織領(lǐng)導和部門協(xié)同聯(lián)動等政策執(zhí)行性問題，且未設(shè)置近期政策目標。

四、研究結(jié)論、啟示與展望

（一）研究結(jié)論

本文基于篩選的117份政策文本，運用ROST CM6軟件構(gòu)建排序前100的關(guān)鍵詞語義網(wǎng)絡圖譜，厘清了科技服務業(yè)政策文本的主要特征。對24份政策文本深入挖掘，整理歸納出政策目的、政策對象、發(fā)展領(lǐng)域、產(chǎn)業(yè)發(fā)展、開放合作、政策措施、人才支持和基礎(chǔ)支撐等八大政策類屬，最終構(gòu)建了包含10個一級指標、35個二級指標和86個三級指標的科技服務業(yè)政策的PMC指數(shù)模型評價指標體系，并評價和對比了不同省份政策文本的等級和結(jié)構(gòu)合理性，得到以下結(jié)論。

第一，對PMC指數(shù)的整體分析結(jié)果顯示，24份科技服務業(yè)政策文本分別歸屬于優(yōu)秀（4份）、良好（16份）、合格（2份）和較差（2份）4個等級，平均等級為良好。分等級評價結(jié)果顯示，優(yōu)秀等級的政策文本在政策目標上存在短板，需要注重目標設(shè)置的銜接及延續(xù)性；合格等級的政策文本在政策目標、開放合作、人才支持三方面存在短板；較差等級的政策文本在政策目標、發(fā)展領(lǐng)域、產(chǎn)業(yè)發(fā)展、開放合作四方面均遠低于平均水平。從10個一級變量的平均水平看，政策對象的得分最高。24份政策文本整體上在政策對象的指向性最為明確，但普遍忽視近期、中期、遠期政策目標的銜接性設(shè)置。政策目標、開放合作、人才支持是省級科技服務業(yè)政策修訂與完善的重點。

第二，研究發(fā)現(xiàn)，江蘇省、湖南省、北京市和安徽省的政策文本均為優(yōu)秀等級，但其優(yōu)劣勢各不相同。以江蘇省和安徽省為例，根據(jù)PMC指數(shù)模型中一級變量的得分，江蘇省的政策優(yōu)勢是政策執(zhí)行性、政策對象、發(fā)展領(lǐng)域、產(chǎn)業(yè)發(fā)展和開放合作，政策劣勢為政策目標和人才支持；安徽省的政策優(yōu)勢是政策執(zhí)行性、政策影響和發(fā)展領(lǐng)域，政策劣勢為政策目標和產(chǎn)業(yè)發(fā)展。這說明各地政府科技服務業(yè)政策文本的優(yōu)劣勢各不相同，需要在量化評價的基礎(chǔ)上，結(jié)合國家層面科技服務業(yè)發(fā)展的相關(guān)政策，參照其他地區(qū)的政策優(yōu)勢，根據(jù)當?shù)氐目萍挤諛I(yè)發(fā)展現(xiàn)狀，彌補政策劣勢，以提升科技服務業(yè)政策的等級度，全面促進科技服務業(yè)的發(fā)展。

第三，政策文本評級越高，其政策內(nèi)容的一致性越高。研究發(fā)現(xiàn)，A2和A17的政策等級為較差，其平均凹凸度的取值最大，分別為0.57和0.46；而5份內(nèi)容結(jié)構(gòu)合理的政策文本中有4份政策文本的評價等級為優(yōu)秀，1份為良好。這表明隨著政策評級水平的提高，PMC曲面圖的凹凸程度呈下降趨勢，政策內(nèi)部的一致性水平和結(jié)構(gòu)合理性水平呈上升趨勢。5份結(jié)構(gòu)合格的政策分別來自北京、江蘇、浙江、湖南和安徽。這些?。ㄖ陛犑校┐蠖辔挥诳萍挤諛I(yè)各領(lǐng)域發(fā)展較為均衡的東部區(qū)域，這說明政策內(nèi)容結(jié)構(gòu)的合理性對科技服務業(yè)的均衡發(fā)展至關(guān)重要。

第四，同一地區(qū)不同時期的政策保持連貫性，有利于提升政策的全面性等級。縱向分析結(jié)果顯示，遼寧省和河北省不同時期的政策評分均有所提升，但山東省的政策評分在下降。通過縱向?qū)Ρ?，發(fā)現(xiàn)遼寧省在前期政策的基礎(chǔ)上找出差距，針對發(fā)展領(lǐng)域、產(chǎn)業(yè)發(fā)展和開放合作等薄弱環(huán)節(jié)對政策進行修訂和完善，對癥下藥，從較差等級提升到良好等級，提高了政策的全面性等級。河北省在產(chǎn)業(yè)發(fā)展、人才支持、開放合作和基礎(chǔ)支撐方面彌補前期的政策短板，政策評分由6.88提高到7.82。而山東省在發(fā)布新的政策時，忽視對前期政策優(yōu)勢的延續(xù)，降低了政策文本的發(fā)布單位等級，在政策影響力、政策目標、政策執(zhí)行性等指標上的得分降低，政策全面性等級下降。對政策文本的量化評價可以得出政策文本的評價等級，發(fā)現(xiàn)政策優(yōu)劣勢，有利于明確差距。通過縱向?qū)Ρ?，在延續(xù)政策優(yōu)勢的基礎(chǔ)上，彌補政策短板，從而提升后續(xù)政策的政策等級和內(nèi)容結(jié)構(gòu)的合理性。

（二）研究啟示

第一，要注重政策的修訂與完善。24份省級政策文本中只有2份是在2016年以后發(fā)布的，政策目標實現(xiàn)年份大多設(shè)定為2020年。已有政策已經(jīng)超過了政策指引時間，須根據(jù)當前我國及各地科技服務業(yè)的發(fā)展現(xiàn)狀及政策目標的實現(xiàn)情況，進一步修訂與完善現(xiàn)有政策。同時，對政策的縱向?qū)Ρ纫舶l(fā)現(xiàn)，通過政策的修訂與完善，可提升科技服務業(yè)政策的等級度。從科技服務業(yè)政策的PMC指數(shù)和各政策三級指標的得分中可以發(fā)現(xiàn)，各地政策與完美級政策仍有差距，特別是評定等級為合格和較差的地區(qū)份更應加強對現(xiàn)有政策的修訂與完善，及時補齊政策短板。

第二，要構(gòu)建完整明確的政策目標體系。本文分析的省級政策均存在政策目標設(shè)置短板，主要表現(xiàn)為在政策文本中僅設(shè)置近期（3年以內(nèi)）或中期（3～5年內(nèi)）的政策目標，且多為模糊性描述，忽視了長期目標的制定，缺乏對近、中、遠期目標的綜合考慮，政策的目標指向性和指導性不足。因此，各地在未來科技服務業(yè)政策的制定和完善中，要分階段、分時期地制定科技服務業(yè)發(fā)展政策目標，既要設(shè)置近期的包含具體指標的目標，也要設(shè)置中遠期規(guī)劃，特別要重視前瞻性的遠期目標的制定，以形成近、中、遠期目標有機結(jié)合的完整目標體系，提升政策的目標指引性。

第三，要增強政策結(jié)構(gòu)的合理性。政策結(jié)構(gòu)的合理性代表政策在各方面布局的均衡性和一致性。從政策的平均凹凸度來看，僅北京、江蘇、浙江、湖南、安徽的科技服務業(yè)政策的結(jié)構(gòu)為合理水平，其余各地政策結(jié)構(gòu)的平均凹凸度均大于0.2，為不合理水平。因此，各地應根據(jù)自身現(xiàn)有科技服務業(yè)政策得分和等級，在提升政策量化得分和等級的同時，平衡政策在八大政策要素和三級指標體系上的支持力度，以減少政策因素帶來的科技服務業(yè)發(fā)展中的不均衡現(xiàn)象，促進當?shù)乜萍挤諛I(yè)高質(zhì)量發(fā)展。

第四，要形成政策網(wǎng)絡體系。科技服務業(yè)的發(fā)展需要各級政府的政策支持，但收集到的117份政策文本顯示，尚有江西、四川、陜西、西藏、天津、上海、重慶等7個?。ㄗ灾螀^(qū)、直轄市）未出臺相關(guān)政策，福建、海南、黑龍江、寧夏、青海、云南、新疆7個?。ㄗ灾螀^(qū)）僅出臺了省級政策但缺少市縣級政策，尚未形成政策網(wǎng)絡體系。因此，在國家級科技服務業(yè)政策的基礎(chǔ)上，各級政府部門要出臺專項政策、補充政策和配套政策，以細化政策措施，形成自上而下層層分解、自下而上層層保障的政策網(wǎng)絡體系，確保政策各項工作落到實處。

（三）研究展望

本文還存在一定的局限性。一是研究樣本有待進一步增加和更新。本文僅研究了2008—2021年間的科技服務業(yè)專項政策，且僅對省級政策文本進行量化評價。未來可借助人工智能、數(shù)據(jù)挖掘等技術(shù)收集更多、更新的相關(guān)政策文本，還可擴大地方政策數(shù)據(jù)范圍，從國家級、省級、市級等層面進行系統(tǒng)地量化評價，根據(jù)政策的全面性等級和結(jié)構(gòu)合理性評價結(jié)果，為各級政府下一階段科技服務業(yè)政策的制定提供具體可操作的決策依據(jù)。二是PMC指數(shù)模型評價指標體系的設(shè)計有待進一步完善。在PMC指數(shù)模型的構(gòu)建中，雖然使用了文本挖掘技術(shù)，在一定程度上避免了人為因素和統(tǒng)計誤差，但評價指標的設(shè)計仍受研究樣本的限制，具有一定的主觀性，指標的維度和數(shù)量設(shè)計還需進一步研究。未來研究可通過增加研究樣本，在普適性的評價指標基礎(chǔ)上增加針對科技服務業(yè)發(fā)展現(xiàn)狀的非標準評價指標，提升評價指標的多樣性和全面性。三是研究視角有待進一步拓展。本文僅從政策文本角度進行政策內(nèi)容的評價分析，并未評價不同政策對促進科技服務業(yè)的發(fā)展的有效性。未來可結(jié)合本文的評價指標體系，收集各地科技服務業(yè)發(fā)展的相關(guān)數(shù)據(jù)，評價各地如何依據(jù)實際制定差異性的科技服務業(yè)政策以及政策對科技服務業(yè)的實施效果。

參考文獻：

［1］ 習近平.高舉中國特色社會主義偉大旗幟 為全面建設(shè)社會主義現(xiàn)代化國家而團結(jié)奮斗——在中國共產(chǎn)黨第二十次全國代表大會上的報告［N］.人民日報，2022-10-26（01）.

［2］ 杜寶貴，陳磊.基于PMC指數(shù)模型的科技服務業(yè)政策量化評價：遼寧及相關(guān)省市比較［J］.科技進步與對策，2022，39（1）：132-140.

［3］ VILJAMAA A，KOLEHMAINEN J，KUUSISTO J. For and against？ An exploration of inadvertent influences of policies on KIBS industries in the finnish policy setting［J］. Service Industries Journal，2010，30（1）：71-84.

［4］ LEE，HWA J，KIM，et al. Determinants of technological innovation performance of knowledge-intensive business service industries in Korea［J］. Journal of Korea Service Management Society，2016，17（3）：257-290.

［5］ FABRIZIO K R，POCZTER S，ZELNER B A. Does innovation policy attract international competition？ Evidence from energy storage［J］. Research Policy，2017，46（6）：1106-1117.

［6］ MOTTA J J，MORERO H A，BORRASTERO C，et al. Complementarities between innovation policies in emerging economies. The case of Argentinas software sector［J］. International Journal of Technological Learning，Innovation and Development，2013，6（4）：355-373.

［7］ WERNER P，STRAMBACH S.Policy mobilities，territorial knowledge dynamics and the role of KIBS： exploring conceptual synergies of formerly discrete approaches［J］. Geoforum，2018，89（fed）：19-28.

［8］ 邱榮華，王富貴，嚴軍華.產(chǎn)業(yè)哲學視角下廣東科技服務業(yè)發(fā)展的政策建議［J］.科技管理研究，2014，34（8）：23-27.

［9］ 張驍，周霞，王亞丹.中國科技服務業(yè)政策的量化與演變：基于扎根理論和文本挖掘分析［J］.中國科技論壇，2018（6）：6-13.

［10］ 杜寶貴，陳磊.五維視角下中國科技服務業(yè)政策研究［J］.科技管理研究，2021，41（12）：35-42.

［11］ BIGMAN S K. Evaluative research： principles and practice in public service and social action programs［J］.Journal of Leisure Research，1969，1（2）：209-211.

［12］ POLAND O F. Program evaluation and administrative theory［J］. Public Administration Review，1974，34（4）：333-338.

［13］ RUIZ ESTRADA M A，YAP S F. The origins and evolution of policy modeling［J］. Journal of Policy Modeling，2013，35（1）：170-182.

［14］ RUIZ ESTRADA M A，YAP S F，NAGARAJ S. Beyond the ceteris paribus assumption： modeling demand and supply assuming omnia mobilis［J］. International Journal of Economics Research，2008（2）：185-194.

［15］ RUIZ ESTRADA M A，PARK D. The past，present and future of policy modeling ［J］. Journal of Policy Modeling，2018，40（ 1）：1-15.

［16］ 宋瀟，鐘易霖，張龍鵬.推動基礎(chǔ)研究發(fā)展的地方政策研究：基于路徑-工具-評價框架的PMC分析［J］.科學學與科學技術(shù)管理，2021，42（12）：79-98.

［17］ 胡峰，戚曉妮，汪曉燕.基于PMC指數(shù)模型的機器人產(chǎn)業(yè)政策量化評價：以8項機器人產(chǎn)業(yè)政策情報為例［J］.情報雜志，2020，39（1）：121-129，161.

［18］ 翟運開，郭柳妍，趙棟祥，等.基于PMC指數(shù)模型的遠程醫(yī)療政策評價［J］.信息資源管理學報，2022，12（2）：112-122，137.

［19］ 史童，楊水利，王春嬉，等.科技成果轉(zhuǎn)化政策的量化評價——基于PMC指數(shù)模型［J］.科學管理研究，2020，38（4）：29-33.

［20］ 蔡冬松，柴藝琳，田志雄.基于PMC指數(shù)模型的吉林省數(shù)字經(jīng)濟政策文本量化評價［J］.情報科學，2021，39（12）：139-145.

［21］ KUANG B，HAN J，LU X H.et al. Quantitative evaluation of Chinas cultivated land protection policies based on the PMC-index model［J］.Land Use Policy，2020（99）：1-9.

［22］ RUIZ ESTRADA M A. Policy modeling： definition，classification and evaluation［J］. Journal of Policy Modeling，2011，33（4）：523-536.

［23］ 黃平平，劉文云. 中國特色新型智庫政策文本量化評價——基于PMC指數(shù)模型分析 ［J/OL］. 情報科學，1-17［2024-03-25］. http：//kns.cnki.net/kcms/detail/22.1264.G2.20240126.1812.012.html.

［24］ 文宏，李玉玲.目標引導、資源驅(qū)動與環(huán)境培育：中國特色新型智庫建設(shè)的內(nèi)在邏輯——基于82 份政策的文本內(nèi)容分析［J］. 北京工業(yè)大學學報（社會科學版），2021，21（1）：63-74.

［25］ 宋琪，谷灝.政策“工具-功能”視角下人工智能產(chǎn)業(yè)央地政策研究［J］.科學與社會，2022，12（1）：84-102.

［26］ 成全，董佳，陳雅蘭.創(chuàng)新型國家戰(zhàn)略背景下的原始性創(chuàng)新政策評價［J］.科學學研究，2021，39（12）：2281-2293.

Quantitative Evaluation of Chinas Science and Technology Service Industry Policies

—Based on PMC Index Model

LIANG Juan1 CAI Youhua2 ZHUANG Caiyun3

（1.School of Business Administration，F(xiàn)ujian Jiangxia University，F(xiàn)uzhou 350108，F(xiàn)ujian，China;

2. School of Economics and Management，F(xiàn)uzhou University，F(xiàn)uzhou 350108，F(xiàn)ujian，China；

3.School of Economics and Management Longyan University，Longyan 364012，F(xiàn)ujian，China）

Abstract：The high-quality development of science and technology service industry needs multi-dimensional policy support. The quantitative evaluation of science and technology service industry policies can find out the shortcomings of policies and contribute to the optimization and adjustment of them. Taking 117 science and technology service industry policies in China as the research objects from 2008 to 2021，this study adopted text mining and ROST CM6 to extract high-frequency words in the policy documents and built a semantic relationship network. Meanwhile，this study took 24 provincial science and technology service industry policies as samples，summarized eight policy categories and constructed the evaluation index system of science and technology service industry policies. The PMC index model was used to evaluate and analyze the provincial policies，and the optimization path is put forward. The results show that 24 policy documents are generally in acceptable level，4 excellent，16 good，none of which reach the perfect level. The research has found common problems in policy texts，with policy objectives，open cooperation and talent support as the policy shortcomings. The higher the rating of policy text，the higher the consistency of policy content; the consistency of policies in the same region in different periods is conducive to improve its policy level. The research conclusion provides a scientific and clear optimization path for governments to formulate and improve policies for science and technology service industry.

Key words：science and technology service industry policy; PMC index model; text mining; policy evaluation; policy quantification