摘要：成都市高新区作为是成都市乃至四川省科技创新新兴城市的标杆和典范，该区域汇集了大量的高新技术产业和创新创业孵化平台，是成都市“南拓”的战略要地，其顺应时代发展潮流，加大创新创业力度的趋势不可逆转。本文选取PMC模型对于四川省成都市高新区创新创业政策的实施效率进行评价，使用网络爬虫抓取工具GooSeeker对选取的政策进行文本数据挖掘，客观量化各指标数值，计算出各项政策组合的PMC指数并进行评级。限于文章篇幅，本文筛选出其中PMC指数具有典型特征（最高、最低、最接近均值）的政策进行深入分析研究。在此基础上，提出关于成都市创新创业政策的优化建议，为创新创业发展提供政策研判。

关键词：PMC模型;文本挖掘;创新创业政策

Abstract：Chengdu High-tech Zone is a benchmark and model for Chengdu，and even the emerging cities of science and technology innovation in Sichuan Province.The region has a large number of high-tech industries and innovation and entrepreneurship incubation platforms.It is a strategic location for Chengdu's“South Exten-sion”，which is in line with the times.The trend of development and the trend of increasing innovation and entrepreneurship are irreversible.This paper selects the PMC model to evaluate the implementation efficiency of the innovation and entrepreneurship policy of Chengdu High-tech Zone in Sichuan Province，and uses the web crawler Crawler GooSeeker to perform text data mining on selected policies，objectively quantify the values of each indicator，and calculate the PMC of each policy combination.Index and rating.Limited to the length of the article，this paper screens out the policies in which the PMC index has typical characteristics（highest，lowest，closest to mean）for in-depth analysis.On this basis，it proposes optimization suggestions for Chengdu's innovation and entrepreneurship policy，and provides policy research and judgment for innovation and entrepreneurship development.

Key words：PMC model;Text mining;Innovation entrepreneurship

引言：

2018年 9月，國务院印发《关于推动创新创业高质量发展打造“双创”升级版的意见》，提出了打造“双创”升级版的八个方面政策措施，指出要以习近平新时代中国特色社会主义思想为指导，全面贯彻党的十九大和十九届二中、三中全会精神，按照高质量发展要求，深入实施创新驱动发展战略，打造“双创”升级版，为加快培育发展新动能、实现更充分就业和经济高质量发展提供坚实保障。大众创业、万众创新已经成为新常态下经济建设的国家战略“，双创”战略的有效实施是实现新旧动能转换、经济社会可持续发展以及高质量增长的重要保障[1]。创新创业政策是支撑我国经济发展新动能的重要引擎。随着双创影响的深化，国内各省各市纷纷出台相关政策推动双创的持续发展。成都市较一线城市的经济发展水平还有较大的提升空间，要想实现双创事业的平稳健康发展就需要配套符合地方发展实际的有效政策。一方面，推动双创是是适应产品创新和产业结构调整模式创新的必然措施;另一方面，有效的配套政策也是保障双创事业继续平稳发展的必要前提。本文利用了PMC指数模型对成都市最具代表性的高新区的最具有代表性的双创政策进行定量分析，并从其政策效果对成都市高新区经济发展的影响来对其政策得出评价，从而提出相关政策改进的方向，构筑创新创业发展西部高地。

1、相关创新创业政策评价的研究现状

当前我国学术界对于创新创业政策的研究较多，且已有学者引入了相关模型对政策进行量化评估。张永安和耿喆（2015）介绍了PMC的指导思想，通过运用PMC指数模型对中关村自主创新示范区的科技创新政策进行量化评价[2]。张再生和李鑫涛（2016）通过数据包络分析法（DEA模型）构建了创新创业政策绩效评价的理论模型，对天津市创新创业政策进行了评价，并提出了建设性的策略和建议[3]。张永安和郄海拓（2017）通过PMC模型并结合PMC曲面将12项国务院优秀级别的创新政策进行评价，为旧政策的修改以及新政策的制定进行指导[4]。李爱国、曾庆（2017）提出的双创内生于经济的转型发展，双创政策植根于经济转型发展的实践，是经济转型发展的必然产物，二者互相作用互相推动[5]。王宝顺（2017）通过评述国外学者对于创业与经济增长的研究成果，研究了税收对于企业与预期净利润获得规模收益形成经济增长的作用[6]。赵杨和陈雨涵等（2018）通过文本挖掘，提取政策内容里的关键词构建了PMC政策评价指标体系，并对我国跨境电子商务政策的效果做出了两面性的评价与分析[7]。王庆金和许秀瑞等（2018）通过构造管理团队创新能力协同培养非对称演化博弈模型，结合定量和定性分析出的结果，表明协同创新网络关系强度对于管理团队的创新能力有正向的影响，并且共生行为在两者之间起到了完全中介作用[8]。王宏起，李婧媛，李玥（2018）提到的双创政策应进一步提升稳定性，避免政策工具过溢或缺失，才能使双创政策的效率呈现不断上升状态[9]。

通过查阅文献，我们发现对于四川省成都市高新区的创新创业政策的评估大多限于理论分析评价，直接运用模型进行创新创业政策的量化评估较少。故本文选取了PMC模型对成都市高新区的有关创新创业政策进行量化评估，基于其计算结果并结合实际情况，提出更有针对性的优化建议。

2、政策评价实证研究

PMC（PolicyModelingConsistency）指数是研究政策的一个专业和标准化的方法，张永安将PMC指数方法与双创政策的具体特点进行结合，建立了用于评价双创政策的“双创PMC指数”[10]。本文在查阅现有文献的基础上，结合成都市高新区实际发展特点，选取该PMC模型并对其进行修改，用以对创新创业政策进行量化评估。

2.1  政策选取

通过访问我国政府部门的官方网站和整理相关公开资料，本文选取了十项成都市高新区“十三五”期间具有代表性的相关创新创业政策进行研究分析，政策[11]见表1：

基于已选取的政策，使用GooSeeker进行分词提取及词频统计，剔除部分干扰词汇及无关词汇，在此选取了前37个高频词汇，见表2：

表2 所显示的分词提取及词频分析结果在一定程度上反映了本文选取的十项政策的内容导向与政策倾向性，是后文进行变量评估的重要依据。

2.2  选取变量

本文选取的指标部分来源依据于已有参考文献，结合成都市高新区创新创业发展的实际情况，本文对选取的变量指标进行了整合与修改，最终设定了10个一级变量指标、44个二级变量指标。变量设置如下表3：

表3 双创政策PMC评价指标体系及评价标准

2.3  建立投入产出表

基于本文设定的变量指标体系，结合表2“分词提取及词频分析”的結果，本文通过文本挖掘，对于各项政策进行了量化评估，得出各项政策的投入产出表，见表4：

2.4  计算PMC指数并评级

根据前文设立的成都市高新区创新创业政策评价指标体系，本文针对表4 的多投入产出表，利用下述公式，计算出每项政策的PMC指数值并按照其大小对政策所属等级进行划分（如下表6 所示）。

参考评价等级划分如下表：

参照等级划分表，可得知P7和P10PMC指数最高（7.3333），评级等级为优秀;P1、P2和P9三项政策的PMC指数也高于6，同属于优秀等级;而其他几项政策的PMC指数较低，但也均属于可接受等级。

2.5  构建蛛网图及PMC曲面图

蛛网图可以对各政策的一级变量进行观察，考察各政策的凹陷程度，便于进行横向比较。故本文在使用PMC曲面图进行政策评估之前，首先引入蛛网图来对各项政策的二级指标的情况进行对比说明。十项政策的蛛网图如图1 所示：

结合表6 和图1 可看出各政策一级指标的得分状况，由此，我们选出了三项较有代表性的政策进行对比分析，经行列变换后，得出的蛛网图如图2 所示。其中，P7、P1、P5分别代表最高指标、平均指标及最低指标。

结合图2 分析，可知P7较其余两项政策P1、P5，于X4、X7、X8以及X9指标得分明显更高;P1得分则处于中间水平，指标得分多接近均值;而P5多项指标得分较低，如X3、X4、X7以及X8等几项指标，政策优化改进空间较大。综上，在对各政策进行优化时，可对得分较低的这几个指标进行优先、重点改进。

双创PMC曲面可以通过待评价政策的曲面图与“完美”曲面间的差异直观反映待评价政策的缺陷程度[12]，以通过图像的形式展现出政策量化的评价效果[13]。选取的三项政策的PMC曲面图见图3、图4、图5：

限于文章篇幅及避免重复，本文在此仅对筛选的三项政策进行深入分析评价。结合表6，可得知：（1）政策P1的PMC指数为6.4167，排名第五，属于优秀等级。其中，除了X1政策性质、X4政策领域、X8政策重点以外，评分均高于或等于均值;其整体凹陷指数为3.5833，相对选取的其他九项政策，整体凹陷度较低，局部二级指标指数的凹陷度过大。（2）结合表6，可得知政策P5的PMC指数为4.8500，排名第十，属于可接受等级。其中，除了X1政策性质、X2政策效力以外，评分均低于或等于均值;其整体凹陷指数为5.1500，相对选取的其他九项政策，整体凹陷度最高。（3）政策P7的PMC指数为7.3333，与政策P10并列第一，属于优秀等级。其中，除了X1政策性质以外，评分均高于或等于均值;其整体凹陷指数为2.6667，相对选取的其他八项政策，整体凹陷度最低，各项二级指标的凹陷程度也相对较低。

3、政策优化建议

综合上述图表及相关数据，剔除变量X10，在此构建已选取的三项政策的凹陷指数图。其中，凹陷指数的构成可追溯到每个一级变量，进而可追溯到每个二级变量[14]。其中，各指标占比越大的部分优化改进空间越大，占比越小的部分优化改进空间越小。

结合表6、图4、图7，在已选取的十项政策中，可以分析得知：（1）政策P1整体PMC指数处于平均水平，凹陷度一般。在X6政策类别、X5政策层面、X1政策性质、X2政策效力、X4政策领域这5 个指标得分相对较低，改进空间较其他一级指标更大。要想提升整体PMC指数，进行政策优化，这五个方面可依照X6-X5-X1-X2-X4的顺序进行提升。（2）政策P5整体PMC指数处于最低水平，凹陷度较大。在X8政策重点、X6政策类别、X4政策领域、X5政策层面、X3激励约束这5 个指标得分较低，改进空间更大。要想提升整体PMC指数，进行政策优化，这五个方面可依照X8-X6-X4-X5-X3的顺序进行提升。（3）政策P7整体PMC指数处于最高水平，凹陷度较低。在X6政策类别、X5政策层面、X1政策性质、X2政策效力、X3激励约束这几个指标得分虽然较高，大多指标远超均值，但仍存有一定优化改进空间。要想提升整体PMC指数，进行政策优化，可依照X6-X5-X1-X2-X3的顺序进行提升。政策具体优化方向选择可再结合实际情况进行调整。

简言之，如政策P1想要进行优化，可以按照“X6政策类别——X5政策层面——X1政策性质——X2政策效力——X4政策领域”的优化路径进行针对性解决，在针对X6政策类别方面，政策出台方可以选择更具有操作性、能带来更大效益的类别（公告、批复、意见、函）;在X5政策层面这一方面，政府可缩小政策的作用领域范围，提升政策的精准性;在X1政策性质这一方面，政策出台方可在制定政策时，考虑更为长远的社会效益，实现政府的宏观调控功能，提升政策的预测性功能，同时设计一定的监督实施措施，有效保障政策的平稳实施;在X2政策效力这一方面，本项政策是一个短期的计划，所以想要提升整体PMC值，政府可在一定程度上增加长期或中期规划的目标、内容等;在X4政策领域这一方面，可涉及更多方面的经济效益，更全方位考虑经济系统的运行效率。由于整体PMC指数是与每一指标都息息相关的，所以通过该路径优化各指标可降低政策的凹陷度，缩小与拟合完美政策曲面的差距，进而提升整体的PMC指数，实现政策的优化升级。值得注意，考虑到政策的某一导向性及社会效益等理性因素，所以这一优化路径并不是唯一或连续的，中间可跨越某一节点进行下一节点的优化升级。

4、总结及展望

本文选取PMC指数模型，使用数据挖掘手段作为协助，对成都市高新区创新创业相关政策进行量化，并且进行深入评价研究。研究发现，成都市高新区创新创业政策辐射范围广，涉及领域多，阶段性明显，总体收效良好，并且重点从财税补贴激励、人才优惠激励以及行政审批等诸多方面综合促进了成都高新区双创的发展。总体看来，成都市高新区创新创业相关政策目标完成度及预期影响较好，有利于区域双创的发展，有利于带动区域经济增长，有利于区域基础设施及各项条件的完善，政策的出台是以推动成都高新区区域发展为目的的。

但另一方面，研究发现，不确定性因素以及部分因素缺失在成都市创新创业相关政策中依旧存在，为成都市高新区双创发展带来了一定的隐患与不稳定，例如部分政策效果及影响力不足，或是存在对法制监管等方面的漏洞等，这些因素都会对成都市高新区双创发展造成一定的影响。此外，本文基于PMC指数模型，建立了相对合理的成都市高新区双创政策量化评价体系，进一步通过实证以及政策对应指标，为成都高新区双创政策评价提供了标准和参考，在未来成都市高新区制定新的创新创业相关政策的决策过程中，也可运用本文所建立的模型与评价体系对政策效果进行预估评价并做出科学调整。

参考文献：

[1]   朱桂龙，杨俊青，胡海青，etal.国家“双创”战略实施路径与对策[J].中国科技论坛，2019（3）：1-10.

[2]   张永安，耿喆.我国区域科技创新政策的量化评价——基于PMC指数模型[J].科学管理研究，2015，（14）：26-31.

[3]   张再生，李鑫涛.基于DEA模型的创新创业政策绩效评价研究——以天津市企业孵化器为分析对象[J].天津大学学报（社会科学版），2016，18（05）：385-391.

[4]   张永安，郄海拓.国务院创新政策量化评价——基于PMC指数模型[J].科技进步与对策，2017，34（17）：127-136.

[5]   李爱国，曾庆.双创政策态势与下一步展望[J].改革，2017（10）：149-157.

[6] 王寶顺，LucyMinford.创业、经济增长与税收政策[J].中南财经政法大学学报，2017（03）：80-88.

[7] 赵杨，陈雨涵，陈亚文.基于PMC指数模型的跨境电子商务政策评价研究[J].国际商务——对外经济贸易大学学报，2018，（06）：114-126.

[8] 王庆金，许秀瑞，袁壮.协同创新网络关系强度、共生行为与人才创新创业能力[J].软科学，2018，32（04）：7-11.

[9] 王宏起，李婧媛，李玥.基于政策文本的双创政策量化研究[J].情报杂志，2018，37（01）：59-65.

[10] 张永安，郄海拓.“大众创业、万众创新”政策量化评价研究[J].情报杂志，2018，37（3）：158-164，186.

[11] 数据来源：http：//www.cdht.gov.cn/cdhtz/index.shtml.

[12] 张永安，郄海拓“.大众创业、万众创新”政策量化评价研究——以2017的 10项双创政策情报为例[J].情报杂志，2018，37（3）：158-164.

[13] 臧维，李甜甜，徐磊.北京市众创空间扶持政策工具挖掘及量化评价研究[J].软科学，2018（9）.

[14] 张永安，郄海拓“.大众创业、万众创新”政策量化评价研究——以2017的 10项双创政策情报为例[J].情报杂志，2018，37（3）：158-164.

作者简介：

刘瀚文（1998-），男，汉，四川省泸州市，本科，研究方向：财务管理