政策工具驅動科學競爭力提升的組態分析與路徑選擇

摘 要：強化政策支撐和引導、加強基礎研究、提升科學競爭力是促進技術創新并實現高水平科技自立自強的迫切要求。以我國內地28個省市作為案例樣本，運用模糊集定性比較分析法（fsQCA）挖掘政策工具驅動科學競爭力的組態路徑，研究發現：①單一政策工具并非構成高科學競爭力的必要條件，我國政策賦能科學競爭力的提升路徑存在復雜并發的多元組態；②供給型政策工具對于提升科學競爭力具有普遍作用；③科學競爭力提升機制呈現4條路徑：供給—環境協同型、供給主導型、三元合力型、供給—需求協同型。據此，提出提高政策工具協同水平、發揮政府主渠道作用和分區域精準施策等政策建議。

關鍵詞：政策工具；科學競爭力；組態效應；路徑分析；模糊集定性比較分析（fsQCA）

DOI：10.6049/kjjbydc.2023090551

中圖分類號：G301

文獻標識碼：A

文章編號：1001-7348（2025）02-0132-10

0 引言

習近平總書記強調“加強基礎研究，是實現高水平科技自立自強的迫切要求，是建設世界科技強國的必由之路[1]。”新一輪科技革命和產業變革正在重構全球創新版圖、重塑全球經濟結構，國家之間的競爭不再受限于地理邊界，大國博弈已經演變為科學、技術和創新的角逐，科學研究成為領跑的先決條件，是技術和創新的基礎支撐。隨著國際科技競爭向基礎前沿前移，科學競爭力成為影響國家興衰的重要因素。全球主要國家力求通過政府宏觀力量搶占科學研究高地，獲得基礎研究先發優勢，進而掌控未來前沿經濟發展控制按鈕。

2018年，國務院集中圍繞“科學”布局，先后頒布《關于全面加強基礎科學研究的若干意見》《積極牽頭組織國際大科學計劃和大科學工程方案》《高等學校基礎研究珠峰計劃》《前沿科學中心建設方案（試行）》等重要專項文件，我國基礎研究政策開始呈現從具體政策制定（單項政策）向政策體系整體構建（政策組合）轉變的發展態勢[2]，充分表明通過政策工具賦能科學競爭力已成為中國當前甚至更長時期經濟社會發展的戰略措施和必然選擇。目前，雖然我國基礎研究整體水平不斷提升，但我國基礎研究領域存在經費投入強度較低、需求導向基礎研究布局不足等短板，政策布局出現多樣化政策目標、多層次管理、治理結構分散和系統失靈等問題[3]。鑒于此，揭示不同類型政策組合模式、提高政策協調性、強化政策工具對我國基礎研究的支撐和引領作用，成為提升我國科學競爭力的關鍵。

1 文獻綜述

全球科技創新正走向基于科學的創新，純科學、純基礎研究和戰略性基礎研究等概念不斷出現并相互交織[4]。“科學競爭力”作為一個新興概念，目前尚無統一定義，學界主要對其內涵及體系進行探討。王守文等[5]認為科學競爭力是指科學要素在源頭集聚并產生基礎理論、重大發現和原始創新等科學成果的能力，一般涉及基礎研究、應用基礎研究而不包括試驗與發展，是技術創新的源起性支撐，強調國家實驗室、國家科研機構、高水平研究型大學、科技領軍企業等國家戰略科技力量協同攻關[6]，解決重大科學理論和實踐瓶頸問題，是新一輪產業升級的核心驅動力；張振偉和雷柯萍[7]將科學競爭力界定為國家科技創新競爭力的關鍵組成部分，核心為科學前沿之間的競爭，用于衡量科學研究發展程度，并選取基礎研究投入、高水平科學家、高水平科學研究機構、高水平科學成果等指標度量；杜德斌等[8]進一步將科學產出評價指標細分為論文發表數量、質量和影響力。國內外學者主要運用層次分析法、因子分析法、主成分分析法等進行評價研究[9]。基于已有研究[10]，本文將科學競爭力定義為在基礎研究領域組織、知識、人才、設施等科學要素集聚并產生基礎理論、重大發現和原始創新等科學成果的能力。

自科學革命以來，美、英、德等國基礎研究政策體系是奠定科技強國的關鍵基石。以基礎研究政策工具為主題的專項研究主要集中在以下幾個方面：一是基于演進脈絡探討政策工具的作用。樊春良（2019）通過對新中國成立以來科技追趕戰略進行分階段梳理，指出發揮政策工具效能是科學蓬勃發展的必要條件；李燕萍等[11]從人才視角分析“單一”供給型政策工具到“多元”政策工具組合的演變過程，指出政策工具對于提高科學研究資源利用率具有重要驅動作用；張寶建等（2019）采用多層多維交叉視角梳理政策體系中供給缺位、供需錯配和結構失調等問題，指出優化政策工具結構是賦能科學研究的根本保證。二是政策工具評價體系研究。袁永等[12]指出基礎研究政策工具評價體系包括高層次人才、科學投入、高端科研基礎設施和高水平高校院所等；田倩飛等[13]以“投入—產出—政策”為評價框架分析五大科技強國基礎研究成果，發現各科技強國均高度重視供給型政策工具的應用。三是政策工具影響機制。相關研究主要集中于供給型政策工具，包括國家財政支持[14]、大科學裝置等基礎設施專項投入[15]和人才計劃[16]等。國外諸多學者指出科技創新政策工具組合運用能彌補單個政策工具的局限[17]，有助于優化政策功能、擴大政策適用范圍、提高政策工具整體效能[18-20]。因此，厘清政策組態是賦能科學競爭力提升的關鍵，采用政策內容分析法能直觀映射政策目標向預期成果轉化的過程。

總體而言，科學競爭力作為政策層面多種工具耦合互動的結果，政府并非使用單一政策工具進行干預，政策工具支撐互補和交叉運用是促進科學研究發展的根本方法。已有研究雖涵蓋政策工具與科學競爭力等多個方面，但存在以下局限：一是研究對象缺乏針對性，多放眼科技創新整體，鮮有學者深入挖掘基礎研究相關政策工具組合關系和驅動路徑。二是鮮有研究結合政策工具分類與組合解構我國基礎研究政策體系，多圍繞單一政策文本或具體政策工具進行政策影響機制研究。

本文將關注重點放在基礎研究領域，考察政策工具組合作用于科學競爭力的復雜機理與多元路徑，并識別不同省份科學競爭力提升路徑差異。本文主要貢獻在于：①從理論和實證兩個方面探究政策工具對科學競爭力的作用機理，厘清各省份基礎研究政策工具組合需求差異，為科技創新研究提供經驗證據；②根據政策工具理論，整合基礎研究領域政策類目劃分和功能特征，有助于豐富科學競爭力高質量發展政策分析框架；③基于組態理論分析政策工具促進科學競爭力提升的邏輯機理，運用fsQCA方法深入揭示其賦能科學競爭力的路徑機制，有助于深化對多政策工具復雜互動本質的理性認知。

2 理論分析與研究框架

政策工具是公共部門為履行職能或達成目標不可缺少的制度、手段和機制等的統稱[21]。政策文本是政策最核心的構成要素，政策工具挖掘和分類組合對于促進科學競爭力提升具有重要意義。本文借鑒Rothwell amp; Zegveld[22]的研究，將政策工具劃分為供給型政策、環境型政策和需求型政策。該分類標準取決于政策工具發揮作用的方式，將政策工具與特定目標相關聯，具有較強的內容指導性和目標針對性。

（1）供給型政策工具。作用形式表現為通過政策發力推動基礎研究，為基礎研究提供物質保障。現有研究認為供給型政策工具是構建科技創新體系的基礎，主要包括基礎設施與服務、人才支持和資金投入。其中，基礎設施與服務指大型復雜科學研究系統及其服務水平，是突破科學前沿、解決經濟社會發展和國家安全重大科技問題的物質基礎[23]，具有公益性質，在政策布局中扮演重要角色，提供解決問題的平臺，能為我國諸多重大科技成果突破和建設世界科技強國提供強有力支撐。田進和謝長青（2018）從農業角度指出應注重基礎設施與各科學活動環節的匹配度。資金投入是大國科學技術競爭的關鍵指標，科研經費、財政資助、專項資金等財政政策有助于增加基礎研究現金流，提高基礎研究驅動原始科學創新的能力。劉瓊等[24]指出資金投入作為政府的直接物質供給，對于科學競爭力提升具有顯著促進作用。科技人才是創新的第一要素，高水平基礎研究人才是推進原始創新、加強基礎研究的主力軍，完備的人才支持是保持創新活力的必要條件（王超等，2021）。曹鈺華等（2019）指出科學家數量、研發型人才多樣性與科學競爭力顯著正相關。人才支持不僅包括直接資助和獎勵，還包括人才引進和培養等一系列配套政策。整體而言，供給型政策工具主要通過向科學研究主體提供設備、平臺、人才、資金及信息等科研要素優化資源配置，進而提高地區科學競爭力。

（2）環境型政策工具。作用形式表現為通過出臺政策營造良好的基礎研究政策環境，間接影響并促進基礎研究發展，進而提升科學競爭力。現有研究認為環境型政策工具是科學研究強有力的外部支撐，主要包括目標規劃和保障措施。目標規劃指基礎研究規劃和整體布局，政府制定的戰略性目標規劃是基礎研究政策體系的關鍵組成部分[25]；徐硼和羅帆（2020）指出，在現有創新生態政策中，目標規劃直觀體現政府導向，在優化基礎研究布局、形成可持續發展合力等方面取得良好成效。保障措施指政府部門統籌全局的組織機制和管理措施，有利于打造體系化、建制化的戰略科學研究力量，推動開展有組織、戰略需求導向的基礎研究發展。Alberto等[26]指出保障措施能促進基礎研究主體開展合作，為科學進步營造良好的基礎環境。目前，各科技強國均高度重視基礎研究統籌推進與系統布局。鑒于我國基礎研究管理涉及多部門多主體，如科技部、教育部、中國科學院等，各部門基礎研究方向存在交叉重疊，戰略性、方向性重大問題需要跨部門、跨系統協同研判。因此，需進一步強化頂層設計，健全新型舉國體制，優化科技創新全鏈條管理。整體而言，環境型政策工具通過制定目標規劃、統籌優化布局和機制改革等措施健全科學研究外部環境，為科研活動營造良好生態。

（3）需求型政策工具。作用形式表現為政策拉動基礎研究，充分調動社會各方力量參與基礎研究并形成合力，協力進行“卡脖子”技術攻關。現有研究認為需求型政策工具比其它任何類型政策工具都更能有效驅動科技創新[27]，且多作用于研究成果轉化階段。需求型政策工具主張從源頭和底層解決關鍵問題，與市場關聯性較弱，更注重戰略性社會導向作用，主要包括引導鼓勵、項目導向等。其中，引導鼓勵是指政府部門通過稅收優惠、合作冠名等方式發揮制度、政策的價值驅動和戰略牽引作用，促進社會力量有序有效參與基礎研究。劉云等[28]指出政府引導和鼓勵政策的出臺對于國家科學研究實踐具有重要指導作用。國家科技重大專項、“揭榜掛帥”等科技項目的公布具有政府認證和示范效應，有助于開展需求導向基礎研究；付奎等[29]從政策驅動和制度激勵雙重視角出發，指出基于項目的需求導向對促進科學研究高質量發展具有重要作用，且政策效果呈現動態增強趨勢。這表明，基礎研究引領性、前瞻性與“需求導向”并不矛盾，需堅持目標導向和自由探索齊頭并進。整體而言，需求型政策工具主要通過國家認證和示范效應引導企業及社會資金流向基礎研究領域，并以國家背書的方式降低社會資本進入基礎研究領域初期所面臨的不確定性，從而激勵長期穩定的科研投入，推動關鍵核心技術突破。

綜上所述，不同屬性政策工具對科學競爭力的影響不同，各省份提升科學競爭力的政策工具組合需求也各有側重。本文將賦能科學競爭力提升的供給型政策工具劃分為基礎設施與服務、人才支持和資金投入，將環境型政策工具劃分為目標規劃和保障措施，將需求型政策工具劃分為引導鼓勵和項目導向，共7種具體政策工具，并據此設計政策工具研究框架，應用模糊集定性比較分析方法（fsQCA）挖掘政策工具組態效應，旨在為不同省份構建基礎研究政策工具體系、提升科學競爭力提供理論依據。本文研究框架如圖1所示。

3 研究設計

3.1 研究方法

本文主要采用內容分析法和模糊集定性比較分析法（fsQCA），借助Nvivo12軟件輔助內容分析，梳理地方基礎研究政策工具使用情況。以內地28個省份政策文本為研究對象，對具體內容進行編碼歸類和頻數統計，以供后續學者開展客觀、系統的量化研究。科學競爭力是多個復雜前因變量組合和影響的結果，受多個政策工具的影響，故采用模糊集定性比較分析法（fsQCA），從整體論角度出發，綜合案例研究和變量研究優勢，通過案例間定性比較，揭示多個政策工具之間的協同效應和互動關系，以厘清不同條件變量組合與結果變量之間的多重并發復雜因果機制。

3.2 政策文本選取與編碼

檢索渠道包括各省份政府門戶網站、職能部門官方網站以及北大法寶數據庫等，以基礎研究、基礎科學研究等為關鍵詞，為保證政策文本的科學性、代表性和準確性，樣本篩選標準如下：①政策文本出臺時間為2016年1月1日—2020年12月31日；②僅保留各省份政府及其職能部門正式發布的政策文本，剔除國家層面政策文本；③僅保留規劃、方案、意見、辦法、通知等類型政策文本，政策解讀、新聞稿等非正式決策文件不計入。由于內地部分省份出臺的政策文本數量未達到要求（如海南、西藏、新疆），故對以上樣本予以剔除，最終挑選出52份與基礎研究強相關的政策文本。

本文基于政策工具分析框架，將52份基礎研究政策文本導入NVivo12軟件，圍繞政策工具劃分標準對基礎研究政策不同條款進行識別與分類，根據條款內容將其抽象化和概念化，從而得到具體政策工具名稱及其屬性。首先，基于客觀性和全面性原則，對政策文本逐字逐句進行標注和編碼。其次，根據政策文本內容和關鍵詞提煉概念并歸類，具體分類標準如下：①基礎設施與服務：政府部門為各類基礎研究提供基礎條件支持，設立公共平臺，提供相關公共服務；②人才支持：政府部門為基礎研究人才引進、培養、生活等提供支持；③資金投入：政府部門為各類基礎研究提供資金支持，成立專項資金等；④保障措施：政府部門為基礎研究提供保障機制，如組織管理、知識產權等；⑤目標規劃：政府部門為基礎研究發展提出具體目標與發展規劃，優化研究布局；⑥引導鼓勵：政府部門以獎勵、補助、合作等方式引導和鼓勵社會力量有序有效參與基礎研究；⑦項目導向：政府部門通過發布具體項目需求，拉動社會各方力量參與基礎研究。針對同時具有多種政策工具特征的條款，對其進行重復編碼。最后，為保證編碼結果信度，編碼過程由兩名碩士生背對背進行編碼，并對結果進行比對，針對存在異議的部分由小組統一討論后再重新分配。具體編碼實例見表1。

3.3 數據來源

本文數據主要來源于《中國科技統計年鑒》《中國統計年鑒》以及各省份統計年鑒。國家實驗室、國家重點實驗室相關數據來源于官方網絡，兩院院士、自然科學基金、社會科學基金、國家杰青數量、國家科學技術獎項統計分別來源于中國科學院、中國工程院、國家自然科學基金委員會、國家社會科學基金科研創新服務管理平臺、科技部等官方網站，大科學裝置數據來源于中國科學院重大科技基礎設施共享服務平臺網站。對于個別缺失數據，采用均值法或差值法補齊。

3.4 變量設計與校準

3.4.1 條件變量

根據對我國28個省份基礎研究政策的統計和梳理，本文選取基礎設施與服務、人才支持、資金投入、保障措施、目標規劃、引導鼓勵和項目導向7種政策工具作為條件變量。政策工具編碼參考點數量與政府部門重視程度正相關，政策工具參考點數量越多，說明其越重要。本文共編碼政策工具1 921項，供給型政策工具使用頻率最高（占比51.1%），反映政府偏好通過要素投入推動基礎研究發展。其中，基礎設施與服務政策282項、人才支持政策395項、資金投入政策305項。人才支持使用頻率最高，說明政府十分重視人才在基礎研究中的主體作用。需求型政策工具使用頻率偏低，占比12.2%。其中，引導鼓勵政策121項、項目導向政策113項。反映在基礎研究領域，政府對社會提供的創新動力有所忽視，合力攻堅的拉動作用有待加強。環境型政策工具占比36.7%，其中保障措施239項、目標規劃466項。目標規劃使用頻率遠超其它政策工具，說明基礎研究服務于國家戰略具有明確的研究方向和戰略安排，并處于成長階段。政府偏好通過制定目標實現的具體途徑、步驟和行動綱領，強化基礎研究工作統攬與引領。

3.4.2 結果變量

本文選取科學競爭力作為結果變量，參考已有研究[5]構建科學競爭力評價指標體系（見表2），從科學資源存量、科學資源投入水平、科學成果產出水平3個方面對各省份科學競爭力進行評價，利用加權熵權法計算各省市科學競爭力綜合得分。考慮到基礎研究領域政策從出臺到科學競爭力提升具有一定時滯效應，且滯后一期的科學競爭力數據可避免變量間的內生性問題，故使用2021年我國各省份指標數據測算科學競爭力綜合得分。

3.4.3 變量校準

校準是指將各變量原始數值轉化為其在集合中的隸屬程度[30]，是使用fsQCA進行復雜因果分析的必要步驟。本文根據案例實際情況和變量取值分布，采用Ragin[31]提出的直接校準法進行結構化校準，將完全隸屬、交叉點和完全不隸屬分別設定為案例樣本描述性分析統計的95%、50%和5%，并通過取高科學競爭力非集進行非高科學競爭力校準。另外，為避免案例在條件或結果集合的隸屬度等于0.5，本研究手動對校準后為0.5的變量加上常數0.001[32-33]。具體校準錨點及描述性統計分析結果見表3。

4 實證結果分析

4.1 單個條件必要性分析

必要條件分析旨在量化單一條件變量對結果變量的解釋程度，是進行模糊集真值表分析的基礎。在組態分析前，首先對單一變量必要性進行分析。一般采用一致性指標判斷必要條件[34]，通常將一致性閾值設定為0.9，高于該標準值視為必要條件。表4為高科學競爭力和非高科學競爭力條件變量的必要性檢驗結果。由表4可知，所有條件變量一致性最大值為0.772，未達到必要條件標準值，說明本文政策工具研究框架中的單個條件變量不是構成結果變量的必要條件。可見，單一政策工具不能成為賦能科學競爭力的必要條件。

4.2 條件組態充分性分析

本文以我國內地28個省份為研究案例，運用fsQCA3.0軟件對實現特定結果（高科學競爭力和非高科學競爭力）的條件組態展開分析。本文包含7個條件變量，得到128條組態路徑，設定案例閾值如下：案例頻數閾值設為1，原始一致性閾值設為0.8，PRI一致性閾值設為0.7。通過標準分析可以得到簡約解、中間解和復雜解。通常情況下，選取中間解作為組態分析的依據，僅存在中間解的為邊緣條件，中間解和簡約解均存在的為核心條件。

4.2.1 高科學競爭力組態分析

表5展示了產生高科學競爭力的條件組態（S1～S4），根據不同條件組態構成，本文對組態理論化過程進行定性分析和命名，將其劃分為供給—環境協同型（S1）、供給主導型（S2）、三元合力型（S3）、供給—需求協同型（S4）。本文結合相關省份實際情況，對各組態展開具體分析。

（1）組態S1：供給—環境協同型。在組態S1中，高人才支持、高目標規劃、非高引導鼓勵和非高項目導向為核心條件，結合高資金投入和高保障措施為邊緣條件的政策工具組合可以產生高科學競爭力。該組態表明，在需求型政策工具重視度低的省份，其政策制定無論是否重視基礎設施和服務水平提升，只要強化人才支持、制定明確可行的戰略目標規劃，并加強基礎研究資金投入、落實保障措施，發揮供給型和環境型政策工具的協同作用，即可賦能科學競爭力提升。因此，將組態S1命名為“供給—環境協同型”。

該組態之所以能實現高科學競爭力，一方面是由于人才是科學研究的第一資源，基礎研究領域難度大、耗時長、風險高，不斷壯大科技領軍人才隊伍和一流創新隊伍進行持續攻關有助于科學研究持之以恒；另一方面，目標規劃能助推基礎研究形成前瞻性、戰略性、系統性布局，通過營造良好的基礎科學研究環境，為提升科學競爭力指明方向。組態S1對應的典型省份為安徽。安徽擁有中國超導托卡馬克實驗裝置等大科學裝置，建立了地球和空間科學前沿研究中心等前沿交叉研究平臺及共性技術研發平臺，基礎設施與服務處于全國領先水平。2017年9月7日，《合肥綜合性國家科學中心實施方案（2017-2020年）》正式印發，將研究方向聚焦在信息、能源、健康、環境等領域，目標規劃清晰，發展前景良好。加之中國科學技術大學和中國科學院合肥物質科學研究院形成人才培養“雙引擎”，使人才引進、自主培養等政策行之有效。

（2）組態S2：供給主導型。在組態S2中，非高基礎設施與服務、高人才支持、高資金投入、非高引導鼓勵為核心條件，結合高保障措施和高目標規劃為邊緣條件的政策工具組合可產生高科學競爭力。該組態表明，當需求型政策工具缺失時，充分發揮供給型政策工具的推動作用，也能實現科學競爭力提升。因此，將組態S2命名為“供給主導型”。該組態能實現高科學競爭力，主要是因為政府投入與支持是基礎研究的總開關，科學競爭力諸要素需要長期穩定的投入，物質層面的基本保障是科學家長期堅持和大膽探索的關鍵。科學競爭力提升推動產業向價值鏈上游邁進，使研究成果產業化在當地形成巨大的經濟效益并反哺基礎研究發展，創新鏈和產業鏈形成良性循環，同時助力地區結構化轉型。一般情況下，僅重視供給型政策工具的省份應對形勢變化的靈活性和源頭創新的能力較差，需要通過環境型政策工具營造制度設計合理、風清氣正的制度環境。組態S2對應的典型省份為山東和湖北。山東、湖北均是老牌工業強省和經濟大省，擁有極大的科研發展潛力。除國家財政投入外，兩省均從省財政支出近千億專項經費，持續加強對原始創新和科學前沿探索的支持力度。近年來，山東著力深化新舊動能轉換，打造極具特色的人才發展雁陣格局，實施“筑峰計劃”、泰山產業領軍人才工程等。湖北多措并舉發揮武漢大學、華中科技大學等高校優勢，打造特色學科群，加大高層次人才引進培育力度、推進“百萬大學生留漢項目”等高端人才引進培育戰略落地實施，人才集聚效果顯著。

（3）組態S3：三元合力型。在組態S3中，高基礎設施與服務、高資金支持、非高保障措施為核心條件，結合高目標規劃、高引導鼓勵和高項目導向為邊緣條件的政策工具組合可產生高科學競爭力。該組態表明，擁有高基礎設施與服務和高資金投入的省份無論是否出臺人才政策，均能發揮供給型政策工具的合力效應。即使在保障措施不足的政策組合下，只要具有戰略規劃，加之政府充分引導和鼓勵，利用項目導向拉動社會各方力量參與基礎研究，也能通過政策合力賦能科學競爭力提升。因此，將組態S3命名為“三元合力型”。該組態能實現高科學競爭力是由于政府“推動之手”力量顯著，長期穩定的投入與支持筑牢了物質保障。在這種環境條件下，人才政策對科學競爭力的賦能作用不明顯，因為良好的基礎研究大環境可以滿足人才高層次需求，為獲取更優質的機遇、平臺和服務，尤其是青年優質人才會自發向這些區域聚集。組態S3對應典型省市為上海和北京。2016年2月，上海獲批成為我國第一個綜合性國家科學中心，其發揮已有基礎支撐優勢，將自身打造成代表世界一流水平大科學裝置群的集聚地，吸引全球頂尖科學資源匯聚。其中，基礎設施與服務建設以上海地方財政投入為主。2017年6月，北京懷柔綜合性國家科學中心獲批，“子午工程”二期、多模態跨尺度生物醫學成像設施等大科學裝置在北京布局，圍繞大科學裝置，北京構建高層次人才社區，吸引一批基礎科學研究人才入駐科學中心，并順勢依托清華大學、北京大學等“雙一流”高校和重大科學計劃，打造科學領軍人才高地。

（4）組態S4：供給—需求協同型。在組態S4中，高人才支持、高資金投入、高引導鼓勵和高項目導向為核心條件，結合高基礎設施與服務和高保障措施為邊緣條件的政策工具組合可以產生高科學競爭力。該組態表明在此類政策工具組合中，政府高度重視基礎設施與服務、人才支持、資金投入等政策工具，并大力運用項目導向、引導鼓勵等需求型政策工具，發揮市場基礎先驅優勢，使政府“推力”和“拉力”有效融合并形成合力，進而賦能科學競爭力提升。無論是否有明確的目標規劃，其良好的發展慣性能逐漸優化研究布局，并在政府與社會之間產生互利效應。因此，將組態S4命名為“供給—需求協同型”。

該組態之所以能實現高科學競爭力，是因為供給型政策工具和需求型政策工具的雙元驅動，使政府和社會呈現出共贏共生的特征。主要得益于地方社會層面具備一定的市場活性和力量優勢，能夠領悟政策價值理念，積極發揮市場配置基礎科學研究要素的有效性和自發性作用，同時發揮基礎供給的公平性和主動性作用，形成雙向適配與循環。該組態對應的典型省份為廣東、浙江和江蘇。該類東部沿海省份開放戰略和市場化資源配置機制逐步完善，經濟基礎堅實，基礎研究鏈條緊密，政府對前瞻性基礎研究、引領性原始創新成果資金扶持和投入力度較大，為高科學競爭力創造了優越的客觀條件。以廣東省為例，利用與香港毗鄰、與澳門隔海相望的區位優勢，在市場化進程中不斷完善政策工具布局。基礎研究投入渠道多元化，基金支持體系包含省財政與企業、地市、行業聯合4種類型，引導各層級、各方面加大基礎研究投入力度，利用廣東多元化基礎科學研究公共平臺和市場載體，實現需求導向促進市場驅動的科學研究路徑。

4.2.2 非高科學競爭力組態分析

考慮到因果非對稱性，表5還展示了產生非高科學競爭力的條件組態（N1～N2），本文結合組態條件構成對每條組態展開分析。組態N1表明，政策工具組合如果缺乏人才支持和資金投入這類硬條件，缺乏保障措施等軟環境，缺乏需求型政策工具對社會的拉動作用，即使具備良好的基礎設施與服務以及相對清晰的目標規劃，也無法產生高科學競爭力，典型案例如甘肅和貴州。組態N2表明，如果缺乏環境性政策工具的軟作用以及基礎設施與服務、人才支持，無論是否制定財政政策支持基礎科學研究，也無法發揮供給型政策工具的推動作用；如果缺乏項目導向指引，單純依靠引導和鼓勵無法發揮需求型政策工具的拉動作用，使社會層面很難融入基礎科學研究，無法產生高科學競爭力，典型案例如江西和山西。

4.3 穩健性檢驗

為驗證研究結果的可靠性和穩定性，本文采用兩種方法對產生高科學競爭力的組態進行穩健性檢驗。首先，將一致性閾值由0.8調整至0.85，產生的4種組態與原組態基本一致，無明顯變化；其次，將PRI一致性閾值由0.70調整至0.75，產生的4種組態與原組態完全一致，說明本文研究結果較為穩健（見表6）。5 結論與啟示

5.1 研究結論

本文基于政策工具視角，以我國內地28個省份政府及其職能部門正式發布的基礎研究相關政策為分析樣本，運用內容分析法和fsQCA方法，挖掘供給型、環境型、需求型三大類別下7種政策工具賦能科學競爭力提升的因果復雜關系，得出如下結論：

（1）供給型政策工具（基礎設施與服務、人才支持、資金投入）、環境型政策工具（保障措施、目標規劃）、需求型政策工具（引導鼓勵、項目導向）并非構成高科學競爭力的必要條件。可見，單一政策工具無法全方位支撐科學競爭力高質量發展，我國政策賦能科學競爭力的提升路徑存在復雜并發的多元組態。

（2）供給型政策工具在產生高科學競爭力方面發揮普遍作用。尤其是人才支持和資金投入分別在3條組態路徑中充當核心條件，驗證了政府財政供給是賦能科學競爭力提升的重要支撐。

（3）產生高科學競爭力的組態路徑共有4種，分別為供給—環境協同型、供給主導型、三元合力型、供給—需求協同型，與產生非高科學競爭力的兩條路徑存在非對稱性關系。

5.2 政策啟示

根據上述研究結論，本文提出如下政策啟示：

（1）優化政策體系，提高政策工具協同水平。首先，政府應加強宏觀管理與協調，通過明確的目標導向推動省級政府出臺補充政策、配套政策，平衡各政策工具之間的數量及組合運用，提升基礎科學研究政策支持力度。其次，引導市級政府出臺相關專項政策，根據地方實情構建區域基礎研究政策網絡，提高政策整體協同攻關能力，最大化釋放政策組合驅動效應。最后，利用環境型政策工具推動自由探索的基礎研究，形成符合基礎研究特點和規律的評價機制，讓“軟環境”成為科學競爭力提升的硬支撐。利用需求型政策工具驅動“有組織的科研攻關”，深化需求牽引，突破“卡脖子”技術瓶頸，推動目標導向基礎研究發展。

（2）持續穩定支持，發揮政府主渠道作用。實現高水平科技自立自強、提升科學競爭力離不開供給型政策工具的支持。首先，應發揮新型舉國體制優勢，加大國家自然科學基金資助力度，積極推進大科學裝置、國家實驗室等相關基礎設施建設。其次，地方政府應自主設立自然科學基金，或與國家機構合作設立“基礎研究聯合基金”，精細劃分基金在不同時期、區域的資助領域，引導相關領域產業發展。最后，考慮到我國目前發展階段和基礎研究日益擴大的供給缺口不平衡，社會資助是不可或缺的重要補充。因此，應構建基礎研究多元化投入機制，在政府主導的基礎上，積極引導與鼓勵地方企業和社會力量增加基礎研究投入。建立穩定支持和競爭性支持相協調的投入機制，推動科學研究、人才培養與基地建設全面發展。

（3）立足資源稟賦，分區域精準施策。由于不同省份在歷史背景、地理區位等方面具有異質性，在自上而下的政策推進過程中，應注重政策實施的有效性。西部省份應布局由國家戰略目標驅動的戰略導向體系化基礎研究，驅動國家科研機構、大科學裝置等科學要素在西部集聚，著力解決制約國家發展全局和長遠利益的重大科技安全問題。中部省份應布局由好奇心驅動的前沿導向探索性基礎研究，發揮高水平研究型大學學科交叉融合優勢，通過科技獎勵制度改革創造良好的科研環境，厚植甘坐“冷板凳”的科學家精神。東部沿海省份應布局市場驅動的應用型基礎研究，通過重大科技問題帶動科技領軍企業發展，強化產學研深度融合優勢，推動基礎研究、應用研究與產業化對接融通，促進科研院所、高校、企業等各類主體形成創新聯合體，提升我國產業鏈現代化水平。

5.3 不足與展望

本文存在以下不足：一是受數據可得性影響，構建的科學競爭力評估指標體系雖然具有一定代表性，但基礎研究領域聚焦度有所欠缺，未來應進一步厘清科學競爭力的功能定位，構建更具針對性的評價指標體系。二是受政策滯后性和樣本量限制，僅對我國28個省份進行研究，未來應選取更多地級市政策文本，采用大樣本驗證研究結論的普適性。

參考文獻：

[1] 習近平.加強基礎研究實現高水平科技自立自強[J].求是，2023，65（15）：4-9.

[2] 馬文聰，葉陽平，陳修德.創新政策組合：研究述評與未來展望[J].科技進步與對策，2020，37（15）：152-160.

[3] KIVIYIAA P， KERN F. Creative destruction or mere niche support？ innovation policy mixes for sustainability transitions [J]. Research Policy，2016，45（1）：205-217.

[4] ZHANG， XN， QU M. Impact of environmental regulation on scientific and technological competitiveness of resource-based cities in china-based on panel data of 33 resource-based cities [J]. International Journal of Environmental Research and Public Health，2020，17（24）：6837.

[5] 王守文，趙敏，徐麗潔.長江經濟帶發展戰略對區域科學競爭力的提升效應——基于雙重差分法的實證研究[J].科技進步與對策，2022，39（23）：55-64.

[6] 尹西明，陳勁，賈寶余.高水平科技自立自強視角下國家戰略科技力量的突出特征與強化路徑[J].中國科技論壇，2021，37（9）：1-9.

[7] 張振偉，雷柯萍.中國和歐洲城市科技創新競爭力比較研究[J].中國科技人才，2021，7（5）：56-69.

[8] 杜德斌，段德忠，夏啟繁.中美科技競爭力比較研究[J].世界地理研究，2019，28（4）：1-11.

[9] 陳艷華.基于熵權TOPSIS的區域科技創新能力實證研究[J].工業技術經濟，2017，36（5）：46-51.

[10] 王守文，徐麗潔，周衛華.長江經濟帶科學競爭力評價及區域異質性分析[J].科技進步與對策，2021，38（19）：47-55.

[11] 李燕萍，劉金璐，洪江鵬，等.我國改革開放40年來科技人才政策演變、趨勢與展望——基于共詞分析法[J].科技進步與對策，2019，36（10）：108-117.

[12] 袁永，王子丹，李炳超.粵港澳大灣區基礎研究政策：理論與國際經驗[J].科技管理研究，2022，42（2）：46-51.

[13] 田倩飛，張志強，任曉亞，等.科技強國基礎研究投入-產出-政策分析及其啟示[J].中國科學院院刊，2019，34（12）：1406-1420.

[14] 于璇，高瑞平.發揮國家自然科學基金聯合基金“四個平臺”作用健全基礎研究多元投入機制[J].中國科學基金，2023，37（2）：296-300.

[15] 常旭華，仲東亭.國家實驗室及其重大科技基礎設施的管理體系分析[J].中國軟科學，2021，36（6）：13-22.

[16] 劉云.關于科技人才政策的若干思考[J].科學與社會，2017，7（3）：43-49.

[17] COSTANTINI V， CRESPI F， PALMA A. Characterizing the policy mix and its impact on eco-innovation： a patent analysis of energy-efficient technologies[J]. Research Policy， 2017，46（4）：799-819.

[18] CANTNER U， GRAF H， HERRMANN J， et al. Inventor net-works in renewable energies： the influence of the policy mix in germany[J]. Research Policy，2016，45（6）：1165-1184.

[19] ROSENOW J， FAWCETT T， EYRE N， et al. Energy efficiency and the policy mix[J].Building Research ＆ Information，2016，44（5-6）：562-574.

[20] EDMONDSON D L， KERN F， ROGGE K S. The co-evolution of policy mixes and socio-technical systems： towards a conceptual framework of policy mix feedback in sustainability transitions[J]. Research Policy，2019，48（10）：1-14.

[21] 丁煌，楊代福.政策工具選擇的視角、研究途徑與模型建構[J].行政論壇，2009，16（3）：21-26.

[22] ROTHWELL R， ZEGVELD W. Reindustrialization and technology[M]. London： Logman Group Limited，1985.

[23] 王婷，藺潔.重大科技基礎設施的功能定位與建設若干建議[J].科學管理研究，2023，41（4）：2-6.

[24] 劉瓊，郭俊華.空間視角下Ramp;D投入對區域創新能力的影響研究——基于科技政策組合的調節作用[J].工業技術經濟，2022，41（2）：77-86.

[25] 饒子和.加緊實施“戰略性基礎研究計劃”[J].科技導報，2022，40（6）：1-2.

[26] ALBERTO MARZUCCHI， DAVIDE ANTONIOLI， SANDRO MONTRESOR. Industry-research cooperation within and across regional boundaries. what does innovation policy add[J].Papers in Regional Science，2015，94（3）：499-524.

[27] ALKIS PITELIS， NICHOLAS VASILAKOS， KONSTANTINOS CHALVATZIS. Fostering innovation in renewable energy technologies： choice of policy instruments and effectiveness[J].Renewable Energy，2020，24（6）：143-151.

[28] 劉云，黃雨歆，葉選挺.基于政策工具視角的中國國家創新體系國際化政策量化分析[J].科研管理，2017，38（S1）：470-478.

[29] 付奎，張杰.國家全面創新改革如何引領企業高質量發展——基于政策驅動和制度激勵雙重視角[J].現代經濟探討，2022，41（8）：102-114.

[30] SCHNEIDER C Q， WACEVIANN C. Set-theoretic methods for the social sciences： a guide to qualitative comparative analysis[M]. Cambridge： Cambridge University Press，2012.

[31] RAGIN C C. Redesigning social inquiry： fuzzy sets and beyond[M]. Chicago： University of Chicago Press，2008.

[32] RAGIN C C， DRASSKA， DAVEYS. Fuzzy-set/qualitative comparative analysis 2.0. Tucson： Department of Sociology[M]. Arizona： University of Arizona，2006.

[33] 張明，杜運周.組織與管理研究中QCA方法的應用：定位、策略和方向[J].管理學報，2019，16（9）：1312-1323.

[34] RAGIN C C， FISS P C. Net effects analysis versus configurational analysis： an empirical demonstration[M]. Chicago， IL： University of Chicago Press，2008.

Configuration Analysis and Path Selection of Policy Tool-Driven Scientific Competitiveness： An fsQCA Study of 28 Provincial Cases

Abstract：Nowadays， a new wave of intense technological revolution and industrial transformation is reshaping the global innovation landscape and restructuring the global economic framework， with competition between nations no longer confined to geographical boundaries. The game of great powers has been transformed into the competition of science， technology and innovation， and scientific research has become the precondition for the development of technology and innovation. As international scientific and technological competition moves forward to the basic frontier， the major countries in the world are striving to seize the scientific highland through the macro-forces of the government， gain the first-mover advantage in basic research， and hold a lead in future frontier economic development; thus， scientific competitiveness has become a decisive factor in the rise and fall of a country.

The Chinese government has set the tone for basic research policies， from specific policy-making （individual policies） to the overall construction of the policy system （policy mix）， and it has been proven that scientific competitiveness through policy tools has become a strategic measure for China's economic and social development in the present and even longer period. At present， accompanied by increasing public attention， the overall level of basic research in China is improving. However， in terms of using policy tools to enhance scientific competitiveness， the government faces obvious shortcomings in China's basic research field， such as low investment intensity and insufficient demand-oriented basic research layout. There are also problems such as diversified policy objectives， dispersed governance structures， multi-level management， and institutional failure in the policy layout. In view of this， the cooperative interaction design of policy systems， the complementary support of policy tools and the cross-use of combinations are the fundamental methods to achieve the efficient development of scientific research and improve the performance of policy practice.

From the perspective of policy science， this study focuses on the basic research field， examines the complex mechanisms and multiple paths of policy instrument combination on scientific competitiveness， and identifies the differences in the province-level division of scientific competitiveness. In this study， the research framework of policy tools is constructed based on the 28 province-level divisions to identify the impact of the use of three broad categories of policy tools—supply， environment and demand—on the enhancement of scientific competitiveness through content analysis and the fsQCA approach and explore their multiple concurrent and complex causal mechanisms. By analyzing the driving mode of scientific competitiveness promotion， this study provides useful policy reference and enlightenment for China's basic research strategic layout.

The results show that （1） a single policy tool does not constitute a necessary condition for high scientific competitiveness， and there are complex and diverse configurations in China's policy empowerment path to enhance scientific competitiveness; （2） supply-based policy tools play a universal role in enhancing scientific competitiveness; and （3） the mechanism for enhancing scientific competitiveness can be divided into four paths： supply-environment synergy， supply-leading path， ternary synergy， and supply demand synergy. In accordance with the four paths， it is essential to optimize the policy system and improve the synergy level of policy tools; for the government， it is imperative to provide continuous and stable support， improve the new system for mobilizing resources nationwide， and leverage the role of the government as the main channel. Given the imbalance between China's current development stage and the growing demand gap for basic research， social funding is also an indispensable and important supplement. Thus， a diversified investment mechanism for basic research is warranted to actively guide and encourage local， corporate， and social forces to increase investment in basic research on the basis of government leadership. Finally， precise implementation of policies in different regions could be achieved by fully considering the heterogeneity in historical background， geographical location， and other factors among different provinces.

Key Words： Policy Tools;Scientific Competitiveness;Configurational Effect; Pathway Analysis; fsQCA