基于PMC指数模型的地方科技金融政策评价研究

摘 要

科技金融是实现技术研发和成果转化的核心要素。在促进科技金融发展过程中，地方政府出台了诸多政策。基于地方科技金融政策文本高频词，构建了包含9个一级指标、33个二级指标和49个三级指标的科技金融政策评价指标体系，并采用PMC指数模型对遴选出的16项典型政策进行量化评价。研究结果表明，地方科技金融政策总体水平可接受，但仍存在政策目标模糊不清、人才支持力度不足、部门间纵向协调不畅、区域和产业规划缺乏等问题。针对上述问题，提出了明确政策目标，区分政策目标与政策目的；完善人才支持政策，充分发挥人才效能；加强部门协调，完善区域和产业布局等优化建议。

科技创新是一项投资成本高、风险大、转化周期长的活动。科技金融作为科技资源配置的枢纽，不仅可以为科技创新活动提供强有力的资金支持，还可以为化解创新风险提供不可或缺的金融工具和相关制度安排。然而，科技金融虽然可以支持创新，但其需要政府出台相应政策予以引导。为实现科技与金融的互乘放大效应，助力区域高质量发展和产业结构转型升级，2010年至今，科技部相继颁布了《促进科技和金融结合试点实施方案》《关于促进科技和金融结合加快实施自主创新战略的若干意见》等重要文件，各省（区、市）也陆续出台了科技金融系列政策文件。研究发现，央地政策在价值取向与执行方面存在游离性差别；且相较于中央政策，地方政策对创新活动的影响更为显著。因此，地方科技金融政策的优劣在一定程度上影响科技支撑作用的发挥。科学评价地方科技金融政策，对优化科技金融资源配置和促进地区科技创新具有一定的借鉴意义。

01

文献综述

当前，国内外学者除关注科技金融政策执行、政策变迁外，还重点研究了科技金融政策扩散、政策协调等。近年来，以科技金融政策评估为主题的研究也成为学者竞相追逐的热点问题。截至目前，已有研究大多聚焦于以下两方面：一是事前评估，即对政策方案的科学性和合理性进行评估；二是事后评价，即对政策实施效果进行评价。与前者相比，有关科技金融政策实施效果的评价研究更为丰富。在产业创新方面，胡欢欢等和冯永琦等发现，科技金融政策对试点城市的产业结构转型升级具有显著的促进作用，且政策效果呈现明显的时间递增趋势。在区域创新方面，马凌远等、郑石明等和顾江寒等指出，科技和金融结合试点政策可有效提升地方金融发展效率、提高政府科技支出占比，进而促进试点地区创新水平的提升；冯锐等认为，中国科技金融政策可有效提升城市创新水平和融资能力，对试点地区全要素生产率具有显著的促进作用。在企业创新方面，程翔等通过实证分析科技金融试点政策与企业竞争力的关系，指出科技金融政策对企业竞争力具有显著促进作用，且该作用有滞后效应；申明浩等运用双重差分法实证分析科技金融政策对实体企业数字化转型的作用机理，结果显示试点政策可以通过提升企业商业信用和发挥人才集聚效应等方式有效促进实体企业数字化转型。

有关科技金融政策科学性和合理性方面的研究，学者们主要从外部特征和内部属性两方面对政策文本进行量化评价。在外部特征方面，唐五湘等从总体演进、年度数量、主体分析、作用面分析、主题分析、主体和主题交互关系分析等6个维度对北京市科技金融政策进行量化分析；程翔等在系统梳理2005—2017年间京津冀地区颁布的科技金融政策并对政策文本总体演进进行分析的基础上，从政策力度、政策目标和政策措施等3个维度开展综合比较与评价。在内部属性方面，黄新平等采用内容分析方法，从政策工具和作用场域两个维度量化评价了国家和地方的科技金融政策；张永安等基于理论文献，设定了通用的评价指标，并建立PMC指数模型，分析了金融政策组合对企业技术创新的作用机理，发现金融政策组合在政策性质、政策实效和激励措施等方面得分较低。

已有研究虽然涵盖了科技金融政策的重要议题，但仍有不足。第一，政策方案评估视角相对缺乏。已有研究重点关注科技金融政策的实施效果，较少对科技金融政策方案进行全方位评价。第二，指标设置缺乏客观性。多数研究的评价指标构建和设定源于理论文献，具有一定的主观性，采用科学方法对政策文本进行深入挖掘和提炼的研究较少。第三，评价模型有待优化。现有政策方案评价多基于政策工具视角，例如，通过统计自愿性、强制性等政策工具的分布比例来评价政策。这种评价方式尽管可以在较大程度上直观呈现政策现状，但仅从政策工具角度进行分析，不能全面、真实地反映政策的整体情况。鉴于此，本研究首先基于地方科技金融政策文本，采用共词分析法提取高频词，构建包含9个一级指标、33个二级指标和49个三级指标的科技金融政策评价指标体系；其次，运用指标维度更为全面的PMC模型对遴选出的16项典型科技金融政策进行量化评价。这在一定程度上丰富了科技金融政策关于事前评估、指标设定信效度等方面的研究。

02

研究设计

2.1 研究方法

政策一致性指数模型（Policy Modeling Consistency Index，PMC），简称PMC指数模型。该模型遵循普遍联系的哲学理念，强调万物是相互联系的。因此，在进行政策建模时，该模型主张尽可能地将所有相关变量包含在内，以克服现有政策评价方法过分关注某些变量而忽视其他变量这一情况。该方法认为，所有变量同等重要，并视变量为二分变量，在政策评价赋分时，若政策涉及某项指标则被赋值为1，否则被赋值为0。在操作层面，该模型主张通过变量设置、参数识别、指数计算和曲面绘制等步骤来评价政策质量的优劣。

2.2 研究样本

为了系统、全面地获取中国科技金融政策文本，本文采用了以下3种检索策略：首先，访问科技部、发改委等政府部门官网，逐一浏览并汇总所需政策条目；其次，以“科技金融”“科技与金融结合”“科技与金融融合”等为关键词，在“北大法宝数据库”“法律之星数据库”中进行标题检索；最后，为避免在政策搜集过程中出现遗漏，利用政策间的引用和被引用关系，对与科技金融相关的政策文本进行回溯检索。由于所搜集的政策文本多且杂，本文按照以下原则进行政策样本筛选：一是政策时间上，鉴于国家首部促进科技金融发展的政策出台于2010年，因此，本文选取2010年《促进科技和金融结合试点实施方案》出台至今有关科技金融发展的政策文本；二是发文机构上，以省级党政机关出台的政策为主；三是文件类型上，以规划、意见、方案等政策内容丰富的文件为主。最终整理得到有效政策样本60份。

2.3 变量与参数识别

将中国科技金融政策样本合并后，运用ROSTCM6.0软件对汇总的政策文本进行词频统计，并将词频大于10的词语设定为高频词汇，剔除无意义词汇和自定义专业术语后，最终形成有效高频词汇。通过Gephi软件生成科技金融政策关键词社会网络图，详见图1。其中，圆圈越大意味着关键词出现的频次越高，线条越粗意味着关键词间的联系越紧密。由图1可知，位于中间位置的“科技”和“金融”出现频率最高，联系也最为紧密；“企业”“融资”“服务”和“发展”等在政策文本中出现的频次也很高。

变量提炼是指数模型构建的关键环节，既需扎根政策本身又需理论指导。参考已有政策评价文献中对指标的设定，设置政策结构一级变量和相应的二级变量。根据政策高频词统计及其社会网络图谱，设置政策目标、政策客体、市场科技金融和公共科技金融等8个一级变量及其相应的二级变量。例如，根据图1显示的“贷款”“担保”和“投资”等词，设置市场科技金融的二级变量。

在已有的关于政策建模一致性评价文献中，指标体系多为两个层级，易出现政策信息传达不全面等问题，这与PMC模型的全面性原则相悖。以风险补偿评价为例，若某项政策内容涉及风险补偿，评价者就会将该指标赋值为1。然而这种赋值方式忽略了风险补偿可能由多项内容构成这一情况。如通过对地方科技金融政策风险补偿进行编码，发现风险补偿包括贷款利息补助、担保费用补助、知识产权质押融资费用补助、科技保险补助等多个方面。若一项科技金融政策只因涉及风险补偿就被赋值为1，显然无法全面呈现政策所蕴含的全部信息。因此，本研究在两级指标体系的基础上，增设三级指标，并细化判别依据。最终，构建包含9个一级指标，33个二级指标和49个三级指标的科技金融政策量化评价体系（见表1）。

03

实证分析

3.1 样本选取

本文遵循如下标准，进一步遴选政策评估样本。首先，在政策形式方面，以内容更为系统且全面的意见、计划或方案为主。其次，在政策时效方面，由于各省（区、市）科技金融政策制修时间和频率不尽相同，为保证可比性，评估对象优先选择现行有效的、没有明确废止时间的政策，如《四川省科技金融发展规划（2018—2020年）》不被列入评估范围内。最后，从60份政策文件中遴选出16项政策作为评估样本（见表2）。

3.2 多投入产出表

依据公式（1）对表1中的二、三级指标进行赋值，依据公式（2）计算各二级指标的值，进而计算得到16项地方科技金融政策的多投入产出表（见表3）。

式（2）中：i代表一级指标；j代表二级指标；ij=1，2，3，…，s；c代表一级指标下设的二级指标数量；Xij为二级指标的值，Xijk为三级指标的值。

3.3 PMC指数计算

二级变量赋分完成后，可依据式（3）和式（4）分别计算出各项政策的一级变量值和PMC指数值。由于本文一级指标有9个，参照已有研究，PMC指数取值应在0~9之间，并将PMC指数等级划分4类，如表4和表5所示。

式（3）—（4）中：Xi为一级指标的值；Xij为二级指标的值；i=1，2，3，…。

3.4 PMC曲面绘制

为直观形象地展现PMC指数计算结果，可将各项政策的一级指标得分转化成如式（5）所示的3阶矩阵，进而通过观察曲面的凹凸情况，来分析各项政策的内部一致性水平。

在PMC曲面图中，指标得分不同，所呈现的色块颜色亦有差别。曲面凸出表明某政策的这一指标得分较高，曲面凹陷表明某政策的这一指标得分较低。因篇幅有限且为进一步形象地展示地方科技金融政策体系各自的整体评分情况，本文选取16个省（区、市）中的PMC均值、广东（得分最高）、天津（得分最低）、福建（可接受等级中间水平）进行曲面图展示（见图2）。

3.5 政策评价结果分析

①由表5可知，当前中国地方科技金融政策分属3个层级，总体水平为可接受级。其中，广东、重庆、内蒙古、辽宁、安徽、江苏等6个省（区、市）为优秀级，陕西、河北、湖南、福建、河南、吉林、北京等7个省市为可接受级，湖北、山西、天津等3个省市为不佳级。总体来看，地方科技金融政策的PMC平均值为5.401，表明地方科技金融政策总体水平可接受。

②地方科技金融政策整体结构较为均衡。曲面越平滑，说明政策的一致性水平越高；曲面凹凸幅度越大，说明政策的一致性水平越低。由图2中的平均PMC曲面图可知，当前我国地方科技金融政策的一致性水平相对较高，各项指标发力均衡，结构比较合理。

③地方科技金融政策效力还有一定的提升空间。由表5可知，当前中国地方科技金融政策的一致性指数均值为5.401，较完美等级的最低值小2.599，说明我国地方科技金融政策还存在不足，尚有提升完善的空间。仔细分析可知，中国地方科技金融政策对政策结构、市场科技金融、基础设施建设、创新环境营造和公共科技金融等5个方面较为关注，5个方面的PMC指数平均得分为0.691。而人才支持的PMC指数为0.458，说明地方科技金融政策在人才引进、培养和激励等方面仍有待完善。与此同时，政策目标的PMC指数仅为0.302，说明地方科技金融政策在目标制定方面仍有待强化提升。

结合多投入产出表和政策一致性评级结果可知，16个省（区、市）科技金融政策呈现如下特征。

第一，优秀级政策。在16项科技金融政策中，有6个省（区、市）的科技金融政策被评为优秀级，其平均PMC得分为6.625。详细分析可知，优秀级政策在政策结构、政策客体、市场科技金融、公共科技金融等方面的平均得分较高，而在政策目标和人才支持等方面的平均得分相对较低，后者还有一定的提升空间，具体情况如下。

政策目标方面：除广东外，其余地区在目标设定方面均欠周全。多地科技金融政策在目标设定方面的表述相对模糊，缺少可量化的具体目标，极有可能会削弱政策的约束力。例如，重庆市在政策目标表述中仅涉及科技投融资体系建设，即通过建立汇聚政府、企业和金融市场的多元科技创新投入体系，推动人财物等要素一体化配置，以促进重庆市高质量发展。

人才支持方面：内蒙古对科技金融人才引育明显关注不足；江苏和辽宁在人才激励方面关注较少；安徽也未重视科技金融人才对区域创新和区域经济高质量发展的重要作用。

第二，可接受级政策。在16项科技金融政策中，有7个省市的科技金融政策被评为可接受级，其平均PMC得分为5.214。详细分析可知，可接受级政策在政策结构、部门协调、创新环境、基础设施、市场科技金融和公共科技金融等方面均有较高得分，而在政策目标、政策客体、人才支持等方面的得分均值相对较低，详细情况如下。

政策目标方面：与优秀级政策相比，可接受级政策在目标设定方面更为笼统和模糊，还有个别政策甚至缺少目标设定，并以政策目的代之。例如，陕西省在其发布的政策中提到：“为进一步发挥……作用，加快……进程，推动……健康快速发展，加快……步伐，现就促进……提出如下意见。”

政策客体方面：与优秀级政策相比，可接受级政策的政策客体各有侧重。例如，北京、河南、湖南等3个省市更关注科技金融对科技型企业的支持，缺少对区域、园区和产业方面的规划；与福建关注区域和企业发展相反，河北更关注园区建设和产业发展；吉林兼顾了企业、园区和产业，而陕西兼顾了企业、园区和区域。

人才支持方面：河南和陕西缺乏科技金融人才的引进计划；福建和河南在科技金融人才激励方面稍显不足；而北京和吉林缺少人才支持方面的内容。北京作为中国北方最大的金融中心，科技金融人才资源丰富，无须通过政策予以引导。而吉林地处东北，科技金融人才在数量、质量方面都略有不足。因此，吉林省应进一步出台相关政策，完善科技金融人才发现、培养、激励机制，加快培育一批既懂技术又懂金融的复合型人才。

第三，不佳级政策。在16项科技金融政策中，有3个省市的科技金融政策被评为不佳级，其平均PMC得分为3.389，明显低于地方科技金融政策的PMC均值（5.401），表明不佳级政策的总体水平较低。进一步分析可知，不佳级政策较重视政策结构（0.583）和创新环境（0.583），其次为市场科技金融（0.500）和政策客体（0.500），剩余各项指标的均值都低于0.500，详细情况如下。

政策结构和政策目标方面：从政策结构看，山西科技金融政策结构整体规范化程度较高，其依据已发布的宏观规划或某次重要会议指示，具有明确的目标和任务，实施方案科学合理，对策措施具体翔实。湖北仅指出了科技金融的政策依据，而天津在指出政策依据的同时，还明确了科技金融的政策目标。从政策目标看，多个省市在科技金融体系完善和机制优化方面提出了预期目标，而对金融环境改善、资源规模扩大、融资困难解决和人才队伍建设等4个方面未做出安排，与优秀级和可接受级政策的目标规划差距较大。

创新环境和部门协调方面：各省市更重视对科技金融服务环境、信用环境、制度环境的优化，易忽略科技金融共享环境的营造，特别是在设备共享、成果共享和场地共享方面。中国现行的“条块分割”式行政管理体制易产生效率低下、“中间梗阻”等诸多问题，这需要加强部门间的横向和纵向协调。然而，除山西关注横向协调外，湖北和天津均未重视部门协调。部门不协调会增加治理成本，分散治理资源，诱发治理内耗，进而影响科技金融政策目标的实现。

基础设施和人才支持方面：湖北和山西应加强科技银行、科技保险机构等科技金融专营机构建设，推动产品和服务创新，探索出契合科技企业成长规律的服务机制。山西和天津应搭建提供企业孵化、知识产权服务、技术转移服务、信用体系服务及中介服务等的公共服务平台，并为辖区内的科技企业开展专业化投融资培训。湖北、山西和天津应加快构建功能完善、水平较高的科技金融服务生态体系。

市场和公共科技金融方面：多数省市都重视贷款利息补助、担保费用补助、知识产权质押融资费用补助、科技保险补助等风险补偿方面的制度建设，但在税收优惠、资金投入或政府采购等制度建设方面还有所欠缺。例如，在资金投入方面，仅天津科技金融政策对其进行了明确规定。此外，湖北、山西和天津应进一步优化税收制度，释放政策红利。例如，2021年，国家税务总局将科技型中小企业的研发费用加计扣除比例由75%提高至100%，持续释放政策红利，为各地区优化税收优惠政策工具使用提供了强有力支持。

04

结论与讨论

4.1 结论与贡献

本文以2010—2022年5月我国地方层面出台的60项科技金融政策为研究对象，基于地方科技金融政策文本的高频词，构建了包含9个一级指标、33个二级指标和49个三级指标的科技金融政策评价指标体系，并采用PMC指数模型对遴选出的16项典型政策进行量化评价。研究发现：①16项地方科技金融政策的PMC均值为5.401，总体政策设计水平可接受。②由PMC指数各项一级指标的均值可知，“市场科技金融>政策结构>基础设施>创新环境>公共科技金融>政策客体=部门协调>人才支持>政策目标”。可见，中国地方科技金融政策在科技信贷、科技保险、风险投资等市场科技金融方面的支持力度最大。另外，由表5可知，当前地方科技金融政策还面临着一些共性问题：其一，政策目标方面。地方科技金融政策不仅在政策目标表述方面过于模糊，缺少可量化的具体目标，还存在以政策目的代替政策目标的情况。其二，人才支持方面。多数省（区、市）在科技金融人才引进、培养和激励等方面的力度明显不足。其三，部门协调方面。部分省（区、市）仅关注部门间的横向协调，忽视了上下级间的纵向沟通。其四，政策客体方面。部分省（区、市）将注意力集中在科技企业、科技项目上，对区域协调和产业发展重视不足。

4.2 对策建议

4.2.1 明确政策目标，区分政策目标与政策目的。政策目标是政策主体为解决特定政策问题而期望达到的结果、指标或效果，其是否清晰、明确和可操作直接影响政策执行效果；而政策目的反映的是决策者的宏观愿景和价值取向，如贯彻执行上级文件、实施创新驱动发展战略等。现有科技金融政策存在政策目标表述过于模糊和以政策目的替代政策目标的现象。各地区应立足地方科技金融发展实情，准确区分政策目标和政策目的，切实提出可量化的政策目标，以提高政策目标的针对性和可操作性。

4.2.2 完善人才支持政策，充分发挥人才效能。人材者，求之则愈出，置之则愈匮。现有科技金融政策多以引才和育才为抓手，增加人才的数量，提高人才的质量，较少通过改革评价机制和优化激励机制来激发人才的活力。为此，各地区应积极落实中央人才工作会议精神，完善和深化科技人才激励机制，凸显用人单位在“引用育留”中的积极作用，同时要建立有效的监督机制。

4.2.3 加强部门协调，完善区域和产业布局。部门协调是克服“条块分割”式行政管理体制下目标和职责不清的有效手段。加强部门间的横向协调和上下级间的纵向协同，既能防止部门过度逐利，又能有效降低政策制定成本，避免政策重复和政策冲突等现象出现。此外，现有科技金融政策更多聚焦于科技企业、科技项目或科技园区，较少关注产业布局和区域规划。各地区应结合自身自然禀赋、区域和产业发展优势，优化区域经济布局，促进区域协调发展。

4.3 不足与展望

本文基于政策文本角度，分析了中国地方科技金融政策所呈现的共性和个性特征，有效识别了当前中国地方科技金融政策方案可能存在的问题，为日后地方政府制修政策提供了一定参考。但本研究还存在一定的局限性：样本选取方面，仅对省级党政机关及其职能部门出台的、现行有效的16项科技金融政策进行分析，未将科技信贷、资本市场、科技保险等专项科技金融政策纳入分析范围，未来可适当扩大样本选取范围；评估范式方面，重点对中国地方科技金融政策方案进行评价分析，未来可进一步对科技金融政策制修全过程进行全方位评估。

作者简介：杜宝贵，博士，东北大学文法学院教授，博士生导师，研究方向：科技政策与科技管理、比较公共管理理论；廉玉金，博士研究生，研究方向：科技政策与科技管理。本文节选自《创新科技》杂志2023年第4期《基于PMC指数模型的地方科技金融政策评价研究》一文。文章观点不代表主办机构立场。

编辑邮箱：sciencepie@126.com