基于PMC指數的眾創空間政策量化分析

【摘 要】 以國務院以及各部委2015-2018年眾創空間政策為研究對象，結合眾創空間政策特點，構建了包含10個一級變量和35個二級變量的PMC指數模型并通過文本挖掘的方式對14項眾創空間政策進行深入挖掘和量化評價，最后通過PMC曲面將最終結果直觀反映出來，通過多投入產出表和PMC指數得分可以發現各項眾創空間政策的優勢和缺點，有利于找到政策薄弱點，可以為眾創空間政策的優化提供決策建議。

【關鍵詞】 眾創空間政策 PMC 政策評價 指數模型

引 言

眾創空間近三年呈現井噴式發展，但是數量眾多的眾創空間在發展過程中存在著諸多問題：不少眾創空間仍停留在基礎服務和房地產服務上（李名梁，2015）;只有3%的眾創空間從事教育和科技服務（李艷萍等，2016），“有店無客”的現象還比較普遍（李艷萍等，2017）等。國務院以及各部委針對這些問題發布了一系列政策，各類政策的相繼出臺使得眾創空間政策體系復雜化。公共政策理論認為，政策體系的復雜性越強，政策集成下的政策協同問題也越突出，政策制定者在政策的制定時，需通過政策自身的屬性構建有機結合、結構互補的政策體系來發揮政策效應（謝明，2015）。因此，本研究通過對眾創空間政策的量化結合文本挖掘，構建眾創空間量化評價指標體系，對國務院以及各部委的眾創空間政策文本進行量化評價分析，為眾創空間政策的廢、改、立提供決策依據。

1 文獻綜述

國內當前針對政策評價的方法主要涉及：①政策指數分析方法。高峰（2013）通過使用政策指數分析法對天津市科技創新政策進行了實證研究，其認為政策指數是政策分析的新嘗試;②PMC指數模型法。張永安等（2016）使用PMC指數模型法對國務院創新政策進行了評價研究，但是沒有結合政策的具體特點構建評價指標體系，評價結果針對性較差。③DEA（數據包絡分析法）。張永安等（2017）使用兩階段DEA模型對區域創新政策進行了評價研究。

本研究利用PMC指數模型進行眾創空間政策量化評價。研究結合了眾創空間政策自身的特點并且所構建的指標體系是針對眾創空間政策的有效設定，在量化政策方面精度更高。

2? PMC指數模型建立

2.1 樣本選取

本研究以國務院以及各部委頒發的涉及眾創空間的政策為研究對象。首先，以眾創空間、創新創業為關鍵詞，從國務院以及各部委等網站進行政策搜索，共收集到政策文本17項;最后，剔除與眾創空間關聯程度較小的政策文本，最終得到有效研究樣本政策14項。

2.2 建立PMC指數模型

本文基于Estrada（2011）的政策評價研究，參照李晨光等（2014）對政策量化評價相關變量的確立，選取了評價指標體系的10個一級變量和35個二級變量（如表1所示）。

2.3構建多投入產出表

多投入產出表的本質是搭建一套數據分析架構，它可以從多個維度對單一變量進行量化。本文對多投入產出表中10個一級變量下面設置的35個二級變量進行賦值，結合眾創空間扶持政策各變量的具體特點，見表2

2.4計算PMC指數

計算PMC大致分為以下3個步驟：（1）確定各二級變量的值（2）計算一級指標的值（3）計算PMC指數。具體計算公式如下所示

其中i表示第i項政策，j表示該政策下的二級變量。根據公式計算14項眾創空間政策的PMC指數得分，如表3所示。

由上表可知各眾創空間政策的PMC指數及其排名，不同眾創空間政策如需完善，則可以根據各一級變量結合眾創空間特點和政策具體情況進行分析。

4 代表性眾創空間政策對比分析

為了更好的對比政策，選取PMC指數最高的政策P13和PMC指數最低的政策P14進行對比研究。P13是2018年9月18日發布的《國務院關于推動創新創業高質量發展打造“雙創”升級版的意見》，P14是2018年11月1日發布的《關于科技企業孵化器大學科技園和眾創空間稅收政策的通知》。

從P13和P14的PMC得分指數表中可以看出導致兩項政策結果差距較大的指標主要在于政策措施和政策功能兩方面，我們將主要從以上兩個方面通過多投入產出表（如表4和5所示）了解兩項政策的差異根源所在。

（1）政策措施方面。P13是一項較為詳盡并且針對眾創空間較強的政策。而P14是由財政部、稅務總局、科技部、教育部聯合發布的專門針對科技企業孵化器、大學科技園和眾創空間的稅收政策，在激勵眾創空間的稅收方面做出了具體措施，但是政策范圍相對狹窄。

（2）政策功能方面。P13作為國務院發布的一項綜合性政策，涉及到技術創新、政府購買、規范引導和制度約束等多項功能。P14則主要作為針對稅收優惠的政策在功能上僅具有制度約束作用。

5? 研究結論

本文以2015-2018年國務院以及各部委發布的14項眾創空間政策文本為基礎，運用PMC指數模型對14項政策進行文本挖掘和量化評價研究。評價結果顯示除政策P14專業性較強導致其評分較低之外，其他政策評分都處于良好范圍，結合一級變量與二級變量值可以精準定位待評價眾創空間政策的優勢及薄弱點，對眾創空間后續政策的優化具有重要意義。

【參考文獻】

[1] Ruiz Estrada，M.A. Policy modeling： Definition， classification and evaluation[J].Journal of Policy Modeling，2011，33（4）：523-536.

[2] 高峰.基于政策指數的科技政策實證研究[J].科技進步與對策，2013，30（19）：105-108.

[3] 李晨光，張永安.區域創新政策對企業創新效率影響的實證研究[J].科研管理，2014，35（09）：25-35.

[4] 張永安，馬昱.基于R語言的區域技術創新政策量化分析[J].情報雜志，2017，36（03）：113-118.

[5] 李名梁.職業院校發展眾創空間的著力點[J].當代職業教育，2016（04）：1.

[6] 李燕萍，陳武.中國眾創空間研究現狀與展望[J].中國科技論壇，2017（05）：12-18+56.

[7] 謝明.公共政策導論[M].北京：中國人民大學出版社，2015.

作者簡介：劉瀚宇（1995-），男，碩士在讀，研究方向：平臺型組織管理

本文系重慶工商大學研究生“創新型科研項目”項目編號：yjscxx2019-101-99