基于文本和回归分析的中国城市科技创新发展的政策因素影响研究.pdf

科 技 情 报 研 究SCIENTIFIC INFORMATION RESEARCH第5卷第3期Vol.5No.32023年7月Jul.2023基于文本和回归分析的中国城市科技创新发展的政策因素影响研究曹树金孙立宝曹茹烨中山大学信息管理学院，广州 510006摘要：目的/意义 探究影响科技创新发展的政策因素，对各地不断完善科技创新政策体系，激发创新活力以及促进经济社会发展具有重要意义。方法/过程 首先，基于科技创新环境与创新生态系统理论，构建科技创新发展的政策因素影响模型。然后，选取国内 300 个地级及以上城市作为样本，利用文本挖掘、内容分析等方法对政策文本的数量、发布机构等外部特征，以及政策工具、对象和注意力等内容特征进行量化。最后，使用相关性分析和多元回归分析对影响因素模型中变量间的关系进行实证检验。结果/结论 政策发布机构数量、效力级别、发布频率、政策工具和政策对象对科技创新发展都具有正向显著的影响；政策数量、政策注意力与科技创新发展具有正向相关关系。关键词：城市科技创新；科技创新发展；科技创新政策；文本分析；政策因素中图分类号：G358文献识别码：A文章编号：2096-7144（2023）03-0049-18DOI：10.19809/ki.kjqbyj.2023.03.005收稿日期：2023-02-09修回日期：2023-03-15作者简介：曹树金，男，1962 年生，博士，教授，博士生导师，主要研究方向：信息组织与信息行为、情报检索，E-mail：；孙立宝，男，1998 年生，硕士研究生，主要研究方向：信息分析与情报服务，E-mail：；曹茹烨，女，1992 年生，博士研究生，主要研究方向：信息组织，E-mail：。1引言科技创新在当今世界经济增长、综合国力提升、国际竞争等各方面都发挥着至关重要的作用，已经成为国家和地区经济社会发展关键的驱动力，为此我国正加快实施创新驱动发展战略1。科技创新作为高投入、高风险的活动，需要国家和政府的引导和支持。在此过程中，科技创新政策在各级政府贯彻国家创新驱动发展战略和促进科技创新发展中具有重要的作用。因此，有必要通过对我国城市科技创新发展的政策文本进行分析，总结各地科技创新政策的特征，并结合当地科技创新发展实际情况进行相关性分析，探究科技创新政策对科技创新发展产生影响的机制。从而为政府进一步合理制定科技创新政策、完善科技创新体系提出建议，使其更好地服务科技创新工作，促进国家和地区的经济社会发展。已有研究表明，国家科技创新发展和创新活动显著受到政府科技创新政策的影响2-3，但创新政策49科 技 情 报 研 究第5卷第3期与科技创新发展之间的影响关系和影响机制研究还比较欠缺，尤其是利用客观数据进行实证分析的研究几乎没有，因此，进一步探究科技创新政策与科技创新发展之间的客观关系，对政府开展科技创新治理工作具有重要的现实价值。本文将采用内容分析法对各地科技创新政策的外部特征与内容特征进行提取，并通过相关分析与回归分析，探究影响科技创新发展的政策因素，从理论层面研究科技创新的政策因素提取及影响机制，提供量化分析的新视角。从实践层面为城市改进科技创新政策管理工作和促进科技创新发展提供参考。2文献综述2.1科技创新政策内容分析从内容上看，现有研究对科技创新政策文本的内容分析主要围绕政策目标、政策工具、政策对象等内部特征，以及发布部门、政策时间、效力级别等外部特征展开。其中，基于政策工具视角的研究较多，最为经典的政策分析框架是 ROTHWELL 等4提出的供给型、需求型和环境型 3 类政策工具，后续诸多学者在此基础上不断深化，如李田丰等5基于政策工具框架对上海市科技创新政策文本的关键内容进行编码，分析各类工具的使用情况，也有学者从政策工具和创新价值链、政策工具与科技产业价值链等多维度构建政策文本的分析框架6-7。除了政策工具要素以外，还有从政策年度分布、参与部门、文种类型等外部特征方面，对科技创新政策进行分析8，从国家科技创新政策历史演进、政策层级、政策主体等角度，探讨政策群的协同状况9，以及对科技创新政策主题进行识别，分析科技创新政策的演化过程10。2.2科技创新政策量化研究科技创新政策量化是政策研究的难点，学者们利用各种工具对政策量化的方法进行了探索。早期政策量化所采用的主要方法是，以专家打分法为代表的主观评价方法。之后，国外学者 RUIZ ESTRADA等11提出了 PMC 指数，能够较好地结合主客观角度对政策进行量化分析。张永安等12基于此方法对区域科技创新政策进行了量化研究。此外，对政策文本中的政策工具、政策对象、政策主体等内部特征进行频数统计分析，是十分常见的量化研究方法。也有学者使用计量学方法对科技创新政策的内容特征进行分析，如陈慧茹等13建构了基于政策属性与关键词权重的加权共词网络模型。还有采用政策注意力测量的方法，通过对政府工作报告文本内容进行量化分析，研究了政府对科技创新、基础研究和科技人才创新创业的注意力14-16。2.3科技创新发展影响因素研究影响科技创新发展的因素具有多元化的特点，但以对经济要素的探究较多。研究表明，金融集聚17、产业集聚程度18、科技财政支出占比19等对科技创新效率有显著正向影响。其次，有研究发现，科研人员学历水平、科研经费和研究院所数量等科研资源因素对科技创新效率有显著的影响20。除此以外，有学者对影响科技创新的政策因素进行了一定的探索，如董克勤等21以 50 个国家创新型县（市）为研究对象，利用 Tobit 回归模型对创新型县（市）科技创新效率的影响因素进行了研究，发现创新政策中的税收减免额度与县域科技创新水平呈显著正相关关系。张荣天22使用回归模型探索城市科技创新效率的影响因素，得出政策支持力度显著影响科技创新效率的结论。综上所述，现有研究对科技创新政策的内容分析只针对政策文本本身，未与科技创新实践活动的实际情况相结合，对政策有效性的讨论缺少客观性。针对科技创新发展影响因素的研究，大多是从金融经济因素视角出发，对政府能够直接掌控的政策因502023年7月图1 研究思路素研究较少。为弥补现有研究的不足，本文结合文本挖掘和统计分析方法，从多个维度探究影响科技创新发展的政策因素。3研究设计3.1研究思路本文的总体研究思路，如图 1 所示，包括影响因素模型构建与实证检验 2 个模块。首先，基于科技创新环境与创新生态系统理论，构建科技创新发展的影响因素模型；其次，确定研究样本并获取政策数据，对收集到的数据进行预处理；再次，结合城市科技创新指数进行影响因素分析，探究科技创新政策对科技创新发展的影响机制；最后，基于研究结论，为政府制定科技创新政策和完善政策体系提出建议。3.2理论基础与模型构建3.2.1科技创新环境与创新生态系统理论科技创新活动总是在一定的创新环境中进行，创新活动的各个环节无不受到创新环境的制约和影响。创新 3.0 时代背景下，形成了更为典型的创新生态系统理论，该理论将创新环境概括为：一个包括创新主体、创新组织和创新环境等多种创新要素在内，并且各种要素之间相互依赖、相互作用和协同演化的动态性开放系统23。创新生态系统理论强调政府在生态系统中发挥的重要作用，如政府在形成创新生态系统过程中起到引导和统筹作用，为具有潜力的基础研究领域提供资助等24-25。而政府干预创新生态系统最重要的手段就是政策手段，有研究指出科技创新创业环境是由政策环境、金融环境、市场环境等曹树金，孙立宝，曹茹烨：基于文本和回归分析的中国城市科技创新发展的政策因素影响研究51科 技 情 报 研 究第5卷第3期几种要素构成26。因此，政府有必要通过制定和执行各种科技创新政策参与到科技创新活动中，对科技创新投资市场、科技创新生态环境进行纠正和调节，为创新活动提供鼓励、刺激或保障。3.2.2影响科技创新发展的政策因素分析科技创新生态中有着丰富多样的创新要素，如创新主体、创新活动、创新成果等，这些要素都是政府需要通过科技创新政策进行平衡调节的对象，即政策对象。而政府为了达到政策目的，干预科技创新生态系统中各种创新要素所采取的种种措施、方法等，在科技创新政策中集中体现为政策工具的运用。此外，政策对不同内容主题的关注存在差异，这种政策注意力的分配差异体现着政府干预科技创新内容的区别。因此，政策对象、政策工具以及政策注意力是体现科技创新政策中政府的关注重点、战略方向、方法手段的重要内容，是探究科技创新政策影响科技创新发展中不可忽略的要素。尤其是政策发布机构本身已经成为科技创新发展的参与主体，政策数量、发布频率和效力级别等政策外部特征又影响着政策发挥作用的效果，所以外部特征也是必须考虑的因素。综上所述，本文分别从政策外部特征和政策内容特征2个方面，对影响科技创新发展的政策因素进行分析研究，提出影响科技创新发展的政策因素变量，并构建影响因素模型，如图2所示。图2 科技创新发展的政策影响因素模型3.3研究假设依据政策影响因素模型中自变量与因变量之间的关系，从政策的外部特征和内容特征2个方面提出7条研究假设，并对其进行说明。政策法规体系是经过不断积累与完善形成的，政策法规数量越多，说明政策对科技创新发展的支持和保障涉及范围越广，进而能够为科技创新发展营造更加适宜的生态环境。由此，提出假设 H1：科技创新政策数量越多，城市科技创新发展越好。科技创新政策的制定和实施需要多方协同、资源共享，涉及财政、税收、人才、金融等多个部门。参与科技创新政策制定所涉及的部门越多，表明该地区各方面的创新资源协调、联动更加充分，进而能够为科技创新的发展创造更加适宜的政策生态环境。由此，提出假设 H2：科技创新政策发布机构涉及越多，城市科技创新发展越好。在我国条块结合的政府组织架构下，上级政府主管部门对下级政府部门有着领导、监督和管理的权力。政策制定主体在行政组织结构中所处的相对位置，以及政策文本的效力级别决定了政策向下执行过程中的顺畅程度进而影响政策效果27。可以推断，具有更高效力级别的科技创新政策向下执行过522023年7月程中更受重视，进而影响当地科技创新发展。由此，提出假设H3：高效力级别的科技创新政策比重越大，城市科技创新发展越好。政策法规具有一定的时效性，只有与时俱进，能够适应历史进程的科技创新政策，才能够更好地满足科技创新主体和活动的实际需求，发挥更大的效能。因此，科技创新政策发布频率的高低，也会对城市科技创新的发展产生一定影响。由此，提出假设H4：科技创新政策发布频率越高，城市科技创新发展越好。政策工具是为了实现政策目标所使用的具体手段和方法，是政府影响科技创新最为直接的手段和方式。丰富多样的政策工具意味着更加系统、全面的科技创新政策支持环境，能够为科技创新发展提供更加稳定的保障，减少创新主体需要承担的成本和风险，进而更好地激发创新的积极性。由此，提出假设H5：科技创新政策的政策工具越丰富，城市科技创新发展越好。科技创新的主体包括科研院所、企业、政府、中介机构、金融机构等多种类多领域的机构，它们共同构成了科技创新发展的生态环境。涉及政策对象更加完整、全面的政策体系能够避免生态链的断裂，充分激发各类主体的创造性。由此，提出假设H6：科技创新政策的政策对象越全面，城市科技创新发展越好。科技创新政策的内容丰富多样，涉及不同的主题。政府在构建科技创新政策体系时需要兼顾多方面的主题，将政策注意力相对均衡的分布，从多角度保证创新生态环境协调运转，进而推动科技创新发展的进步。由此，提出假设 H7：科技创新政策的政策注意力越全面，城市科技创新发展越好。4实证分析4.1数据收集与预处理基于上述所构建的影响因素模型，本文利用我国地级及以上城市的数据进行实证检验。直辖市、地级市等城市在我国行政级别中处于承上启下的重要位置，也是组织科技创新活动和承载科技创新主体的主要单元，承担推进科技创新发展的重要职能。因此，研究地方科技创新发展具有较强的代表性。并且地级市具有样本数量更丰富、研究数据公开易获取的特点，能够开展更具有统计意义的实证研究。考虑到数据可获取性和数据质量的问题，本研究并未覆盖所有地级及以上城市，而是选取了337个城市作为研究对象（包括北京市、上海市、广州市、呼和浩特市、重庆市、泰安市等），其中济宁市、三沙市等 37 个城市因为现行有效的政策文本数据缺失予以剔除，共保留300个城市作为研究样本。科技创新政策文本数据主要来源于北大法宝地方法规数据库，并通过地方政府官方网站和搜索引擎进行查漏补缺。检索时，限定效力级别为地方性法规、地方政府规章、地方规范性文件。然后，构建检索式“（科技 or 技术 or 科学）and（创新 or 发展 or 进步 or成果 or 孵化 or 奖励 or 优惠）”进行主题检索，并按照北大法宝地方法规数据库的分类体系，将政策类型限定为“科技类”，政策发布及生效时间限定在 2021年以前。在获取原始数据集后，剔除科技普及、科技教育、科技推广、成果认定等与推进科技创新没有直接关系的政策，以及区县发布的政策、活动和工作通知类文件。最终，共获取3 083篇现行有效的政策文本。4.2科技创新发展与政策因素变量测量4.2.1科技创新指数选择中国城市科技创新综合指数对因变量科技创新发展进行代理。科技创新指数来源于北京科技创新中心研究基地和国家科技资源共享服务工程技术研究中心联合发布的 2021 年中国城市科技创新指数报告，由综合指数、总量指数、效率指数组成，以1个主榜曹树金，孙立宝，曹茹烨：基于文本和回归分析的中国城市科技创新发展的政策因素影响研究53科 技 情 报 研 究第5卷第3期和2个副榜的形式呈现，能够真实、客观、全面反映中国城市科技创新发展水平28，具体如图3所示。图3 2021年中国城市科技创新指数指标体系4.2.2科技创新政策因素变量测量自变量以科技创新政策的量化指标为主，具体量化方法，见表 1。需要说明的是，在对效力级别的测量中，认为地方人大（及其常委会）和地方政府发布的纲领性政策为较高效力级别，地方政府及其派出机构、其他地方行政部门发布的具体实施性的政策为一般效力级别；在对发布频率的测量中，使用包含现行有效、已失效、部分失效、已被修改等全部在内的科技创新政策来计算发布频率，年份信息缺失的政策取该城市其他政策年份中位数进行补全；在统计政策工具类型时，首先对政策文本进行分词和词频统计，提取出能够反映科技创新政策工具特征的关键词，然后将政策工具分类与提取得到的关键词进行对照，有对应关键词的分类则认为是政策使用的工具类型；在测量政策对象特征时，使用科技创新政策中涉及到的科技创新主体、科技创新支持主体等政策对象类型数量测量，其方法与政策工具类型的统计相同。4.3科技创新政策外部特征统计分析在 300 个城市中，政策数量分布情况，如图 4 所示。其中，发布科技创新政策数量最多的是北京市，共 165 篇。除北京市外，政策数量超过 100 篇的城市还有上海市和重庆市。政策最少的城市仅有 1 篇，包括大庆市、张家口市等 39 个城市。政策数量少于 10篇的城市占样本城市的大多数，说明大部分城市科技创新政策数量偏少。城市科技创新政策发布机构数量分布情况，如图 5 所示。涉及分布机构最多的同样是北京市，涉及56 个机构；其次是上海市涉及 46 个机构，广州市涉及 42 个机构；其他城市涉及均少于 40 个机构。涉及政策机构少于 10 个的城市占全部城市的 90%以上，说明大部分城市所涉及政策发布机构都是偏少的542023年7月图5 城市科技创新政策发布机构数量分布情况状态。从城市科技创新政策的发布频率来看，北京市同样是政策发布频率最高的城市，全部政策平均频率为每年 6.87 篇，其次是年均 5.24 篇的上海市和年均 4.29 篇的深圳市。其他城市年均发布政策数均少于 4 篇，说明大部分城市发布科技创新政策的频率较低。从现行有效的政策效力级别分布情况来看，地方规范性文件在科技创新政策中占比较高，地方性法规、地方政府规章等较高效力级别的政策占比较少。4.4科技创新政策文本内容分析4.4.1政策文本预处理科技创新政策文本的预处理包括文本分段、分词和构建 TF-IDF 向量空间 3 个步骤。首先，利用Python 对政策文本进行分段，将 3 083 篇政策拆分为182 624 个独立文档。其次，利用 Jieba 分词的精确模式及新词发现功能对分段后的政策文本进行分词，并添加自定义词典以及哈工大停用表。自定义词典表1 自变量测量自变量类型外部特征内容特征变量名称政策数量发布机构数量效力级别发布频率政策工具特征政策对象特征政策注意力特征变量测量统计所在城市发布的现行有效的政策文本数量（篇）统计所在城市的政策文本中列出的发布机构数量，重复出现的机构仅计1次（个）统计所在城市的地方性法规、自治条例及地方政府规章等较高效力级别的政策数量占全部政策数量的比重（%）统计所在城市最早的科技创新政策发布年份至2021年期间平均每年发布的政策数量（部/年）从所在城市科技创新政策中提取使用和涉及的政策工具，并统计政策工具的类型数量（种）从所在城市科技创新政策中提取涉及的政策对象，并统计政策对象的类型数量（种）通过聚类发现全部城市科技创新政策内容主题，计算所在城市科技创新政策涉及的内容主题类型数量（种）数据来源北大法宝数据库、政策文本统计数据政策文本内容分析图4 城市科技创新政策数量分布情况曹树金，孙立宝，曹茹烨：基于文本和回归分析的中国城市科技创新发展的政策因素影响研究55科 技 情 报 研 究第5卷第3期由科技创新政策相关论文的关键词、各市科技创新政策中的机构名、人工补充的常见词构成。然后，对分词结果进行词频统计，部分结果，见表2。从表2可以看出，出现频次最多的是“企业”“项目”“技术”和“单位”等表现科技创新政策扶持对象的名词，表明在我国城市科技创新活动中，企业占据了重要的地位，是政府重点推动和鼓励的对象。“奖励”“资金”“服务”和“管理”等关键词，则能够一定程度上反映政府支持科技创新发展的方法和手段。最后，使用 Python 的Sklearn机器学习工具包构建TF-IDF向量矩阵。图6 K-means聚类簇内误差平方和与轮廓系数平均值折线图词语企业项目市技术单位发展建设支持奖励工作词频43 11940 88237 74226 41921 13120 06619 94819 93517 95116 941词语科技资金实施管理服务科学技术万元评审给予组织词频16 24815 66415 38014 57214 29714 02413 96812 94112 18411 682词语中研究鼓励相关科技局年国家申报重点产业词频11 56810 99410 67610 47810 47510 46310 29310 28110 2319 932词语建立我市机构创新提供认定产品计划中心负责词频9 9059 1549 1539 1098 7148 4188 0437 7577 7177 699词语情况研发新政策人才条件意见资助投资词频7 6867 3757 3177 1757 1037 0927 0887 0527 011表2 部分科技创新政策词频统计4.4.2政策文本聚类使用 Python的 Sklearn机器学习工具包，采用 K-means 方法对科技创新政策进行聚类。分别选取 2 至30 个中心点的情况，计算聚类结果的簇内误差平方和与轮廓系数平均值，绘制折线图，如图6所示。可以发现当簇数量为 20 之后，误差平方和不再呈现稳定的下降趋势，转为明显的上下波动。根据手肘法，认为此处出现了相对明显的转折，当簇数量为20时，轮廓系数平均值到达相对最高点，当簇数量更多时轮廓系数平均值增加也不明显，因此研究确定聚类数量为20个。在K-means聚类的基础上使用Python的Wordcloud工具包分别绘制各个类别的词云图，以第 2 类与第 3类为例，结果如图7所示。根据各类的关键词，对各类主题进行归纳总结，见表3。4.4.3政策工具分析借鉴 ROTHWELL425、马晓飞等29的研究成果，按照供给型、环境型和需求型的分类框架对科技创新562023年7月表3 K-means聚类结果主题归纳类第0类第1类第2类第3类第4类第5类第6类第7类第8类第9类主题归纳政策制定及执行主体类政策支持活动及主体类项目组织申报类政策资金投入类政策制定目标类科技奖项评审类政策附则内容类政策文件规范类技术研发及管理类政策标题文种类类第10类第11类第12类第13类第14类第15类第16类第17类第18类第19类主题归纳政策总则类政策申报条件类科技奖励项目及条件类科技奖励内容及管理类法规效力说明类科技项目管理类科技创新资金管理类政策执行要求类政策公文收文部门类政府部门工作内容类表4 科技创新政策工具的分类类别供给型政策工具基础设施建设人才支持科技支持资金投入信息支持资源支持类别环境型政策工具政策性策略财务金融税费优惠法规管制知识产权公共服务类别需求型政策工具海外交流外包示范创建采购政策工具进行分类，建立共 3 大类、16 种政策工具的分类体系，见表 4。供给型和需求型政策工具体现为政府对科技创新发展的推力和拉力，直接作用于科技创新。环境型政策工具则是以打造有利于科技创新的政策环境为目标，通过政策红利间接影响科技创新发展。图7 K-means聚类结果云图示例曹树金，孙立宝，曹茹烨：基于文本和回归分析的中国城市科技创新发展的政策因素影响研究在建立科技创新政策工具分类体系的基础上，基于规则对政策文本所涉及和采用的政策工具进行分析。以每个单独的城市为对象，分析其政策工具类型，并在理解科技创新政策的基础上，人工编制政策工具类型判别规则。政策工具类型判别规则主要原理是依据政策文本分词结果中是否包含某类政策工具的特征词，若包含则认为政策采用了该类政策工具，反之则没有采用。依据政策内容以及文本分词结果，共制定了470条规则，部分规则见表5。根据科技创新政策工具分类判别规则在 Excel57科 技 情 报 研 究第5卷第3期类别政策主体对象政策活动对象政策成果对象政策行业对象政策对象科技研发主体经营生产主体金融服务主体科技中介主体科技创新活动科技创新服务活动科技成果转化活动科技创新竞赛活动科技创新产品科技研究成果科学技术改进其他科技成果科学研究和技术服务业战略性新兴产业农业工业金融行业材料行业建筑工程行业交通运输行业医药卫生和社会工作能源节约和环境保护工作公共事务管理工作文化产业现代服务业信息传输、软件和信息技术服务业表6 科技创新政策对象分类表5 部分科技创新政策工具分类判别规则类别供给型环境型需求型政策工具基础设施建设人才支持财务金融海外交流判别规则特征词设施、平台、设备、创新联盟、创新基地、创新实验室、实验室、装备、仪器、技术装备、基础设施、试验区、平台建设、仪器设备、开放实验室、科研基础设施、科研仪器设备、装置、大型科研仪器、科学仪器等人才、团队、培训、聘用、人才培养、人才引进、人力资源、人才发展、聘请、聘任、技术培训、研修班、人才队伍、子女、招聘、人才资源、兼职、引进人才、队伍建设、人才队伍建设、配偶、科技特派员制度、薪酬、户口等贴息、基金、投资、融资、股权、贷款、金融、分红、股权交易、创业投资、科技金融、天使投资、上市、股权激励、担保机构、小额贷款、贷款贴息、出资、科技金融创新、利息、资本、外商投资、入股、金融服务、社会资本等海外、国际、国际化、全球、国际合作、世界、国外、国际影响力、境外、国际科技合作、技术引进、进口、境内外、国际交流、国际科技合作基地、国际科技创新中心、海内外、引进技术、外国、国际科技、跨国、跨境等工具中编写分类判别的函数，将每个城市的科技创新政策分词结果中的词语与政策工具的类型进行映射，最后将每个城市的科技创新政策工具类型数量进行去重统计，得到其使用的政策工具类型数量。统计结果显示，使用 10 种以上政策工具的城市占全部城市数量的比重超过了 90%，说明大多数城市在制定科技创新政策中都能够使用较为丰富的手段。政策工具类型较少的城市所采用的大多是较为传统的工具类型，以人才支持、资金投入、资源支持等供给型和法规管制、公共服务、政策性策略、知识产权等环境型为主，而需求型政策工具缺失。4.4.4政策对象分析有研究从对象主体、产业类型2个角度对科技创新政策对象进行了分类30。本文在此基础上，将科技创新政策对象划分为政策主体对象、政策行业对象、政策活动对象和政策成果对象，建立共 4 类 26 种政策对象的分类体系，见表6。在建立科技创新政策对象分类体系的基础上，基于规则对政策文本所涉及和支持的对象进行分析。与政策工具分析过程类似，依据政策文本分词结果中是否包含某类政策对象的特征词，若包含则认为政策对该类对象采取了一定政策措施。以“科技研发主体”为例，如果某城市政策文本分词结果中包含“高等院校”“科研机构”“科技人员”等特征词，则认为该城市科技创新政策所针对的政策对象包括“科技研发主体”在内。从统计结果来看，有三分之一左582023年7月4.5科技创新发展的政策因素影响分析4.5.1 自变量与因变量相关性分析影响因素模型中所含变量的均值、标准差以及各变量间的Pearson相关系数，见表7。结果显示：7个自变量与科技创新发展之间均显著相关，初步证明了假设自变量与因变量之间具有相关关系。此外，政策数量、发布机构数量与发布频率两两之间的相关系数以及政策工具特征与政策对象特征之间的相关系数大于 0.7，其他自变量两两之间的相关系数均低于0.7。进一步检验了自变量的方差膨胀因子（VIF）和容忍度，结果显示，除了政策数量的方差膨胀因子为 14.58、容忍度为 0.069，其他自变量方差膨胀因子均处于可接受的范围（VIF10），对应的容忍度均大于0.1。将引起多重共线性关系的政策数量从模型中剔除，保留其他解释变量，调整后的模型中发布机构数量与发布频率之间（0.886）、政策工具特征与政策对象特征之间（0.883）存在较大的相关系数，但在多重共线性分析中全部解释变量的方差膨胀因子最大值为 5.292（VIF10），对应的容忍度均大于 0.1。因此，认为所有解释变量之间不存在多重共线性关系，符合回归分析的假设。4.5.2科技创新发展多元线性回归分析剔除政策数量后，以政策外部特征层面 3 个变量、内容特征层面 3 个变量为自变量，以科技创新发展为因变量，将2个层面的变量分层逐步输入模型进行多元线性回归分析。首先，输入发布机构数量、效图8 各类内容主题涉及城市数量柱状图曹树金，孙立宝，曹茹烨：基于文本和回归分析的中国城市科技创新发展的政策因素影响研究右的城市涉及的政策对象类型偏少，说明我国城市在照顾政策对象多样性方面的意识存在不足。涉及科研主体、科技创新活动、科学研究和技术服务业等对象的政策较多，而涉及文化、金融、交通运输等行业对象的政策较少，说明支持科技创新间接相关主体、行业、活动、成果的对象有所欠缺。4.4.5政策注意力测量在 K-means 聚类的基础上，统计每个城市的科技创新政策在 20 个内容主题中的分布情况，可以了解不同城市分配政策注意力的差异和侧重点。将政策文本的聚类主题结果映射到其所在的城市，然后将每个城市20个内容主题所属政策文本的数量进行统计，统计结果数量大于 0 的主题，认为是被城市政策关注到的主题。最后，统计每个城市的科技创新政策关注到的主题数量。据统计，20个主题均被关注到的城市共有66个，汕尾市和张家口市涉及的主题数量最少，仅有5个。各类主题涉及城市数量的具体情况，如图8所示，可以看出第19类主题覆盖的城市最多。59科 技 情 报 研 究第5卷第3期预测变量发布机构数量效力级别发布频率政策工具特征政策对象特征政策注意力特征常量FR2Adjusted R2模型10.2570.1090.457102.2430.5090.504t值2.881*2.643*5.159*92.407*模型20.3370.0790.2410.1350.1650.06320.1870.5930.585t值4.091*2.075*2.806*1.990*2.247*1.34517.061*注：表中自变量容忍度均大于0.1，VIF均小于10，模型不存在多重共线性，结果合理有效；*p0.05，*p0.01，*p0.001表8 多元线性回归分析结果表7 变量均值、标准差与相关性系数变量1科技创新发展2政策数量3发布机构数量4效力级别5发布频率6政策工具特征7政策对象特征8政策注意力特征均值56.6910.283.480.030.6513.8220.6816.28标准差9.6718.806.810.100.792.614.783.89110.713*0.676*0.175*0.692*0.497*0.548*0.428*210.943*0.115*0.928*0.339*0.423*0.370*310.134*0.886*0.278*0.356*0.301*410.0680.110*0.0800.094510.372*0.444*0.371*610.833*0.508*710.592*81注：平均值与标准差保留小数点后两位小数；*p0.05，*p0.01，*p0.001力级别、发布频率 3 个外部特征变量，得到模型 1 的解释结果。然后输入政策工具特征、政策对象特征、政策注意力特征 3个内容特征变量，得到模型 2的解释结果。分析结果，见表8。4.5.3假设检验模型1中R2和Adjusted R2分别为0.509和0.504，模型解释度较优，且达到了显著水平（F=102.243，p=0.0000.001），说明自变量对因变量科技创新发展产生了显著影响。其中发布机构数量、效力级别、发布频率 3 个自变量的标准化回归系数 均达到显著水平，即正向显著影响科技创新发展。其中发布频率影响力最强，发布机构数量和效力级别次之。在模型 1的基础上，模型 2中纳入了内容特征层面的 3 个变量。模型 2 的 R2和 Adjusted R2分别为0.593 和 0.585，模型解释度有所增强，且到显著水平（F=20.187，p=0.0000.001），说明自变量对科技创新发展产生了显著影响。其中发布机构数量、效力级别和发布频率仍然影响显著。此外，政策工具特征、政策对象特征 2 个变量的标准化回归系数 分别为0.135（p0.05）、0.165（p0.05），达到显著水平。即发布机构数量、效力级别、发布频率、政策工具特征和政策对象特征正向显著影响科技创新发展，其中发布机构数量影响力最强，其次分别为发布频率、政策对象特征和政策工具特征，效力级别影响最弱。综合以上，研究假设检验结果，见表9。5结果讨论5.1政策外部特征与科技创新发展的关系602023年7月5.1.1政策数量与科技创新发展之间存在显著的正向相关关系政策数量在一定程度上能够反映出城市科技创新政策体系的完备性。一定数量的科技创新政策构建成相互关联和相辅相成的政策体系，能够更好地产生效能，能够为科技创新活动、主体或成果提供多方面的支持和保障，进而为科技创新的发展营造良好的政策环境。5.1.2发布机构数量对科技创新发展有正向显著的影响关系发布机构数量与科技创新发展之间标准回归系数为 0.337（p0.001），且是解释变量中影响力最大的变量，即参与政策制定的机构或部门越多，越有利于科技创新发展。多个机构参与到科技创新政策的制定发布中，一方面能够集聚更多资源总量，另一方面可以将它们在各领域、各行业的作用力形成推动科技创新发展的强大合力，从而构建更完善的科技创新生态环境。5.1.3效力级别对科技创新发展有正向显著的影响关系效力级别与科技创新发展之间标准回归系数为0.079（p0.05），较高效力级别的政策占比越大则越有利于科技创新发展的进步。较多高效力级别的科技创新政策能够从整体上对科技创新发展进行更加完善的规划，并且有利于各个机构之间更好分工配合，使城市科技创新工作更加规范、有序和高效。5.1.4政策发布频率对科技创新发展有正向显著的影响关系发布频率与科技创新发展之间标准回归系数为0.241（p0.01），即政策发布频率越高则越有利于科技创新的发展。科技创新政策有较高的发布频率，则意味着对原有政策进行的更新调整更加及时，使政策环境和政策体系保持与时俱进和不断完善的优越性，能够为科技创新发展提供更好的政策保障。5.2政策工具特征与科技创新发展的关系政策工具特征与科技创新发展之间标准回归系数为 0.135（p0.05），表明政策工具特征对科技创新发展具有正向显著的影响关系。当城市的政策工具类型更丰富时，一定程度上能够说明该城市所采用和实施的措施绝对数量也越多，即科技创新主体和活动能够从政府部门得到更多的服务、资源支持，科技创新政策对科技创新发展的推动力则更大。其次，类型丰富的科技创新政策工具能够从不同的维度为科技创新提供支持和帮助。5.3政策对象特征与科技创新发展的关系政策对象特征与科技创新发展之间标准回归系数为 0.165（p0.05），表明政策对象特征对科技创新发展有正向显著的影响关系。当科技创新政策覆盖到的政策对象越丰富时，则会有更多类型的主体、行业在发展过程中得到良好保障，能够避免薄弱生态环节的出现，从而尽可能维护科技创新生态的均衡。此外，科技创新政策对象之间相互作用、相互带动的关系使其能够产生集群效应的效益，有利于形成良性的科技创新发展循环。5.4政策注意力特征与科技创新发展的关系政策注意力特征与科技创新发展之间因果关系不显著，这很大可能是由于科技创新政策文本聚类分析中存在的误差和不准确性导致的。但是在相关性分析中，两者之间存在显著的正向相关关系，这表因变量科技创新发展假设H1H2H3H4H5H6H7自变量政策数量发布机构数量效力级别发布频率政策工具特征政策对象特征政策注意力特征检验结果取消接受接受接受接受接受拒绝表9 研究假设检验结果曹树金，孙立宝，曹茹烨：基于文本和回归分析的中国城市科技创新发展的政策因素影响研究61科 技 情 报 研 究第5卷第3期明科技创新政策注意力分布是否全面与科技创新发展好坏之间存在一定的相关性。政策的注意力分布在某种意义上代表了公共科技创新资源的分配，过于悬殊的资源配置必然不利于科技创新各类主体共同发展，其发展也会缺乏持续动力。对政策执行机构、目标群体而言，政策注意力为他们赋予了政策保障的合法权益，能够为政策执行扫除阻碍。因此，虽然政策注意力主题数量与科技创新发展之间没有显著因果关系，但是在制定科技创新政策中仍然应该对政策注意力的优化分配予以重视。6研究结论与对策建议根据上述研究结果和讨论，可以得出以下结论：从城市科技创新政策的外部特征和内容特征来看，各个城市在科技创新政策的制定上存在一定差别，除少数城市的政策制定与发布表现突出，大部分城市均有较大提升空间，形成了比较明显的“长尾现象”；城市科技创新政策总体上存在重环境供给型、轻需求型的倾向，导致政策工具内部结构不够均衡合理，可能引发科技创新需求拉动不足的问题。从影响科技创新发展的政策因素分析结果来看，本文提出的影响因素模型及相关假设均得到了验证，具体如下：发布机构数量、效力级别、发布频率、政策工具特征和政策对象特征5个自变量对科技创新发展都具有正向显著的影响；政策注意力对科技创新发展不具有显著影响，但存在正向的相关关系；政策数量由于多重共线性未进行回归分析检验，但政策数量与科技创新发展存在显著的正向相关关系。基于以上研究结论，提出以下对策建议，为我国城市和相关部门开展科技创新管理工作提供参考。6.1重视科技创新政策的外部特征因素一是，要注重科技创新政策数量积累，做好政策间的组合协调，政策体系的布局规划也应该考虑到多个方面，如政策的效力级别分布、政策内容的覆盖等。二是，激发现有机构或部门的活力，发动其参与政策制定发布等科技创新服务管理工作中，或成立新的科技创新管理机构，为科技创新增加新生力量。三是，要加强各级部门对科技创新的重视度，高级别机关部门需充分了解科技创新基本情况和发展规律，保证高效力级别的科技创新政策与当地实际情况相适应。四是，把握政策周期规律，完善政策体系提高更新频率。对空白或分布密度不足的部分制定发布新的政策，并对已有政策进行周期性检查，对不适用的内容及时进行修改、重新编订。6.2加强